摘 要：基于2014—2021年108家農(nóng)村商業(yè)銀行財務(wù)數(shù)據(jù)，采用系統(tǒng)GMM估計方法研究數(shù)字金融與農(nóng)村商業(yè)銀行風(fēng)險水平之間的關(guān)系。結(jié)果發(fā)現(xiàn)：第一，數(shù)字金融能夠有效降低農(nóng)村商業(yè)銀行風(fēng)險水平，并在使用深度和數(shù)字化程度的維度上均能產(chǎn)生顯著影響；第二，在中介機制檢驗中發(fā)現(xiàn)，數(shù)字金融主要通過提升銀行經(jīng)營效率來降低農(nóng)商行風(fēng)險水平，銀行競爭加劇會增強數(shù)字金融對農(nóng)村商業(yè)銀行風(fēng)險水平的抑制作用；第三，數(shù)字金融對農(nóng)村商業(yè)銀行風(fēng)險水平的抑制作用在中西部地區(qū)和大規(guī)模的農(nóng)村商業(yè)銀行中表現(xiàn)得更明顯。

關(guān)鍵詞：數(shù)字金融；農(nóng)村商業(yè)銀行；風(fēng)險水平；經(jīng)營效率；銀行競爭

中圖分類號： F49；F832 文獻標識碼： A 文章編號： 2096-7055（2024）03-0057-10

農(nóng)村金融作為農(nóng)村經(jīng)濟的血脈，為農(nóng)業(yè)項目建設(shè)、農(nóng)民就業(yè)和增收提供了資金保障，一旦受到風(fēng)險的威脅將不利于農(nóng)村經(jīng)濟的穩(wěn)定發(fā)展。在數(shù)字經(jīng)濟蓬勃發(fā)展的當(dāng)下，數(shù)字技術(shù)的應(yīng)用使得農(nóng)村金融機構(gòu)的平穩(wěn)發(fā)展產(chǎn)生更多不確定性，這勢必會影響農(nóng)村金融環(huán)境的穩(wěn)定性和金融服務(wù)實體經(jīng)濟的效率。在此背景下，農(nóng)村商業(yè)銀行作為農(nóng)村金融體系的關(guān)鍵一環(huán)，加快自身數(shù)字化轉(zhuǎn)型進程并全力升級風(fēng)險防控能力成為其亟待完成的任務(wù)。

隨著科技在信貸、征信和支付等業(yè)務(wù)領(lǐng)域的深度應(yīng)用，互聯(lián)網(wǎng)金融的快速發(fā)展對傳統(tǒng)商業(yè)銀行的經(jīng)營模式和戰(zhàn)略部署均產(chǎn)生了深遠影響［1］。為更好地適應(yīng)數(shù)字金融的發(fā)展，銀行等傳統(tǒng)金融機構(gòu)均選擇通過數(shù)字化轉(zhuǎn)型在數(shù)字技術(shù)領(lǐng)域探索新的發(fā)展方向與路徑，這不僅使銀行的經(jīng)營效率發(fā)生變化，銀行業(yè)整體的競爭格局也隨著數(shù)字化轉(zhuǎn)型進程的加快發(fā)生巨大變革。農(nóng)村商業(yè)銀行是中國銀行業(yè)的重要組成部分，其自身風(fēng)險水平的高低關(guān)系著農(nóng)村金融環(huán)境的穩(wěn)定和服務(wù)鄉(xiāng)村振興的效率。因此，研究數(shù)字金融與農(nóng)村商業(yè)銀行風(fēng)險水平之間的關(guān)系對我國農(nóng)村經(jīng)濟發(fā)展的穩(wěn)定性具有重要意義。針對當(dāng)前農(nóng)村商業(yè)銀行數(shù)字化轉(zhuǎn)型的局勢，數(shù)字金融發(fā)展是否對農(nóng)村商業(yè)銀行的風(fēng)險水平產(chǎn)生影響，以及產(chǎn)生何種影響。本研究將對以上問題進行探討。

立足農(nóng)村金融市場，利用2014—2021年108家農(nóng)村商業(yè)銀行面板數(shù)據(jù)，將農(nóng)商行數(shù)據(jù)與北京大學(xué)數(shù)字金融研究中心構(gòu)建的數(shù)字普惠金融發(fā)展指數(shù)相對應(yīng)，系統(tǒng)探討數(shù)字金融對農(nóng)商行風(fēng)險水平的影響以及作用機制，以期為農(nóng)村商業(yè)銀行制定科學(xué)的風(fēng)險防控體系，更好地為農(nóng)村經(jīng)濟穩(wěn)定發(fā)展添磚助力。

一、文獻綜述與研究假設(shè)

（一）文獻綜述

數(shù)字金融被認為是數(shù)字技術(shù)與傳統(tǒng)金融體系的結(jié)合，關(guān)于數(shù)字金融與商業(yè)銀行風(fēng)險水平之間的關(guān)系存在兩種理論。

一種為風(fēng)險抑制論，即數(shù)字金融的發(fā)展對商業(yè)銀行主動承擔(dān)風(fēng)險和被動承擔(dān)風(fēng)險均會產(chǎn)生抑制效應(yīng)。在主動承擔(dān)風(fēng)險方面，數(shù)字金融是以數(shù)字技術(shù)為基礎(chǔ)的新金融形態(tài)，顛覆了傳統(tǒng)銀行業(yè)態(tài)，面對這種沖擊所造成的經(jīng)濟不確定，在實物期權(quán)機制的作用下，商業(yè)銀行會降低貸款投放意愿。同時，商業(yè)銀行也會出于預(yù)防性儲蓄機制抑制主動承擔(dān)風(fēng)險行為，換言之，商業(yè)銀行會通過盡可能多地持有安全性和流動性較高的資產(chǎn)來緩解金融環(huán)境不確定所帶來的不安［2］。此外，數(shù)字技術(shù)的運用可以降低交易成本，提升盈利的可能，信貸業(yè)務(wù)盈利區(qū)間拓寬導(dǎo)致銀行特許權(quán)價值上漲。此時，為避免道德風(fēng)險，銀行風(fēng)險偏好趨向保守，從而會主動降低風(fēng)險水平［3］。在被動承擔(dān)風(fēng)險方面，一方面，數(shù)字金融作為一種新興的金融技術(shù)服務(wù)方式，依托大數(shù)據(jù)和計算模型的運用，突破時間和空間的限制，可以實現(xiàn)更加精準的資源配置，緩解信息不對稱問題［4］，避免不必要的信用風(fēng)險；另一方面，互聯(lián)網(wǎng)平臺作為第三方金融機構(gòu)，可以利用數(shù)據(jù)和信息方面的技術(shù)優(yōu)勢協(xié)助商業(yè)銀行建立更加高效快捷的支付清算和審貸程序，為自身的經(jīng)營提供助力，從而減少不良貸款和被動風(fēng)險的產(chǎn)生。

另一種為風(fēng)險推助論，即數(shù)字金融在金融市場會產(chǎn)生“鯰魚效應(yīng)”，刺激銀行選擇更具挑戰(zhàn)性的業(yè)務(wù)，從而推動風(fēng)險聚集。首先，數(shù)字金融作為一種金融創(chuàng)新與科技創(chuàng)新融合發(fā)展的新形態(tài)，在滲入傳統(tǒng)銀行業(yè)的過程中，傳遞給商業(yè)銀行新的技術(shù)與思維，驅(qū)動其變更經(jīng)營模式［5］，拓寬服務(wù)邊界，提高服務(wù)效率，而銀行效率的提升將使銀行有意愿承擔(dān)風(fēng)險［6］，表現(xiàn)為增加高風(fēng)險資產(chǎn)的配置。其次，商業(yè)銀行借助互聯(lián)網(wǎng)平臺并運用金融技術(shù)手段進行數(shù)字改革，在這一過程中金融風(fēng)險的特征并沒有改變，并且借助數(shù)字金融的普惠特性使得金融風(fēng)險的傳染力度和擴散速度加大［7］，導(dǎo)致銀行不可避免地承受數(shù)字金融自身存在的風(fēng)險［8］。另外，已有研究證明數(shù)字金融可以提升商業(yè)銀行的盈利能力。Bmer等發(fā)現(xiàn)，商業(yè)銀行通過與金融科技公司合作能夠獲得技術(shù)支持，從而激發(fā)產(chǎn)品創(chuàng)新能力并提升銀行利潤［9］。但根據(jù)“自信效應(yīng)”假說，銀行的自信情緒會伴隨盈利能力的提升而逐漸高漲，使其增加高風(fēng)險項目的投資，進一步提高風(fēng)險水平。

（二）研究假設(shè)

1.數(shù)字金融對農(nóng)村商業(yè)銀行風(fēng)險水平的影響

傳統(tǒng)金融行業(yè)在數(shù)字金融的賦能下，影響整個銀行業(yè)的風(fēng)險防控。農(nóng)村商業(yè)銀行作為中國銀行業(yè)的重要組成部分，數(shù)字金融會對農(nóng)商行所承擔(dān)的風(fēng)險產(chǎn)生一定影響。

一方面，數(shù)字金融會影響農(nóng)商行的外部風(fēng)險環(huán)境。農(nóng)村地區(qū)經(jīng)濟發(fā)展較為落后、地理位置較為偏遠，這些特性抬高了普惠金融的服務(wù)成本和獲得門檻，而數(shù)字技術(shù)對金融服務(wù)的賦能和普惠金融的合理利用弱化了農(nóng)村金融一直面臨的金融排斥問題，有助于在城鄉(xiāng)之間實現(xiàn)金融資源的均等配置，助力消費扶貧，拉動農(nóng)業(yè)經(jīng)濟增長［10-11］。此外，在金融數(shù)字化程度加深從而提升農(nóng)村市場金融可得性和農(nóng)民家庭收入的同時，農(nóng)村金融市場的平穩(wěn)發(fā)展也優(yōu)化了農(nóng)商行所處的風(fēng)險環(huán)境。換言之，金融數(shù)字化能夠依托大數(shù)據(jù)和計算模型的運用，打破傳統(tǒng)金融機構(gòu)所面臨的空間及時間上的制約，及時且高效地挖掘“軟信息”，將其處理并轉(zhuǎn)化為“硬信息”［12］，實現(xiàn)更加精準的信息對接，緩解信息不對稱問題，有效提升農(nóng)商行對潛在風(fēng)險的防控能力。由此可見，數(shù)字金融的發(fā)展可以降低農(nóng)村商業(yè)銀行的風(fēng)險。

另一方面，數(shù)字金融會對農(nóng)商行的內(nèi)部風(fēng)險管控產(chǎn)生影響。數(shù)字技術(shù)在金融領(lǐng)域的利用不僅會對銀行產(chǎn)生“風(fēng)險管理效應(yīng)”，從梳理事前不確定信息、提高事中管理能力和減少事后呆賬貸款三條渠道優(yōu)化銀行風(fēng)險管理結(jié)構(gòu)［13］，還可以使銀行借鑒數(shù)字金融的技術(shù)溢出效應(yīng)，減少對物理網(wǎng)點的依賴，提高風(fēng)險管控的可靠性和及時性［14］。除此之外，資產(chǎn)負債特征作為影響銀行風(fēng)險管理能力的核心因素之一，傳統(tǒng)商業(yè)銀行在數(shù)字金融的賦能下將主動調(diào)整資產(chǎn)負債結(jié)構(gòu)，以提升銀行創(chuàng)利能力。具體而言，農(nóng)村商業(yè)銀行在管理水平和經(jīng)營模式方面較農(nóng)信社而言有較大進步［15］，但與大型銀行相比，農(nóng)商行在資產(chǎn)負債結(jié)構(gòu)優(yōu)化方面仍存在很多問題。為解決此類問題，在金融科技的賦能下，商業(yè)銀行通過主動變更運營模式，創(chuàng)新業(yè)務(wù)流程，可以在較大程度上降低負債端利息成本，提高資產(chǎn)端高收益水平［16］，優(yōu)化其資產(chǎn)負債結(jié)構(gòu)，進而提升風(fēng)險管理能力。據(jù)此，提出第一個假設(shè)。

H1：數(shù)字金融會降低農(nóng)村商業(yè)銀行風(fēng)險水平。

2.農(nóng)村商業(yè)銀行經(jīng)營效率的中介效應(yīng)分析

數(shù)字金融為農(nóng)村商業(yè)銀行提供了更高效的工具，使銀行從信息獲取、處理及智能營銷等方面不斷增強自身經(jīng)營能力，改善經(jīng)營效率［17］，從而有助于農(nóng)商行降低風(fēng)險水平。一方面，數(shù)字金融運用大數(shù)據(jù)、高級分析、人工智能等新技術(shù)賦能業(yè)務(wù)發(fā)展，推動從“經(jīng)驗驅(qū)動”向“數(shù)據(jù)驅(qū)動”的決策模式轉(zhuǎn)變，推動形成智能化、自助式解決方案，為農(nóng)商行的智能營銷提供了幫助，降低了金融服務(wù)成本［18］，提高了金融服務(wù)普惠性。同時，利用大數(shù)據(jù)洞察和分析客戶行為，為客戶提供更符合其需求的金融產(chǎn)品和服務(wù)。因此，便捷化、個性化、普惠性的金融產(chǎn)品可以更容易吸引客戶使用銀行服務(wù)，而客戶在通過移動支付和電子錢包進行支付、儲蓄、理財?shù)犬a(chǎn)品購買的過程中所留存的交易數(shù)據(jù)和存量資金規(guī)模，有助于解決征信處于白戶狀態(tài)的居民信用問題，協(xié)助銀行提升居民信用評估能力，降低了不良債務(wù)的風(fēng)險。另一方面，在數(shù)字金融的技術(shù)賦能加持下，電子化信息平臺的建立提升了農(nóng)商行的運營效率［19］，對數(shù)據(jù)實時監(jiān)測的高效運營可以讓銀行能夠及時發(fā)現(xiàn)風(fēng)險事件，增強農(nóng)商行對信用評分和欺詐檢測能力，促進農(nóng)商行自動識別潛在風(fēng)險，提高風(fēng)險管理效率。同時，銀行業(yè)務(wù)的自動化流程和智能合同也可以減少人為錯誤，從而降低農(nóng)商行的操作風(fēng)險。據(jù)此，提出第二個假設(shè)。

H2：數(shù)字金融能通過提升銀行經(jīng)營效率降低農(nóng)村商業(yè)銀行風(fēng)險水平。

3.銀行競爭的調(diào)節(jié)效應(yīng)分析

數(shù)字金融的發(fā)展不僅為傳統(tǒng)銀行業(yè)提供了新的應(yīng)用技術(shù)，而且在商業(yè)模式、產(chǎn)品服務(wù)等方面提供了新的競爭機遇和手段［20］，影響了整個銀行業(yè)的競爭格局。國內(nèi)外學(xué)者對銀行競爭和銀行風(fēng)險之間的關(guān)系已經(jīng)做了大量的研究，多數(shù)研究認為銀行競爭能夠顯著調(diào)節(jié)數(shù)字金融對農(nóng)村商業(yè)銀行風(fēng)險的影響。一方面，銀行競爭的加劇可以推動銀行進行數(shù)字化轉(zhuǎn)型［21］。換言之，當(dāng)銀行同業(yè)之間競爭激烈時，農(nóng)村商業(yè)銀行作為處于競爭劣勢的一方在優(yōu)勝劣汰的叢林法則下，會產(chǎn)生想要通過轉(zhuǎn)型升級甩開競爭對手的動機［22］。同時，在數(shù)字化轉(zhuǎn)型過程中，科技的持續(xù)加碼可以幫助農(nóng)商行提升管理靈活性，并借此發(fā)現(xiàn)在經(jīng)營過程中的問題，優(yōu)化風(fēng)險管理方式。另一方面，數(shù)字技術(shù)可以協(xié)助農(nóng)商行獲取外部海量的信息資源，同時也提高了農(nóng)商行感知外部競爭威脅的能力。通常而言，農(nóng)村商業(yè)銀行處于銀行同業(yè)中“相對弱勢”的地位，相較于大型銀行，其對風(fēng)險信息的獲取和識別能力有限，對市場危機的感知能力較弱。但是，高強度的銀行競爭可以提升農(nóng)商行的危機感，其在接收到外界競爭的壓迫后，以此借助金融創(chuàng)新完善自身的經(jīng)營結(jié)構(gòu)，從而引導(dǎo)資源向風(fēng)險防控領(lǐng)域傾斜。據(jù)此，提出第三個假設(shè)。

H3：銀行競爭加劇會增強數(shù)字金融對農(nóng)村商業(yè)銀行風(fēng)險水平的抑制作用。

二、研究設(shè)計

（一）數(shù)據(jù)來源

依據(jù)縣域數(shù)字金融普惠指數(shù)的起始年份（2014年），并考慮農(nóng)村商業(yè)銀行數(shù)據(jù)的可獲得性和完整程度，在剔除嚴重缺失的數(shù)據(jù)信息后，最終選取108家農(nóng)村商業(yè)銀行在2014—2021年的面板數(shù)據(jù)。樣本農(nóng)商行的微觀數(shù)據(jù)來自WI數(shù)據(jù)庫和企業(yè)年報，數(shù)字金融數(shù)據(jù)來自《北京大學(xué)數(shù)字普惠金融指數(shù)》，地區(qū)宏觀數(shù)據(jù)來自國泰安數(shù)據(jù)庫，地區(qū)每年商業(yè)銀行網(wǎng)點數(shù)量來自國家金融監(jiān)督管理總局公布的金融許可證頒發(fā)情況。對于缺少值較少的樣本，依照銀行財務(wù)信息，用插值法將數(shù)據(jù)序列補齊，并考慮到回歸結(jié)果的可靠程度，將數(shù)據(jù)進行雙側(cè)1%的縮尾處理以防止極端值的干擾。

（二）變量說明

1.被解釋變量

農(nóng)村商業(yè)銀行風(fēng)險水平，指銀行現(xiàn)有資產(chǎn)和未來收入遭受損失的可能性。銀行風(fēng)險水平的衡量指標較多，現(xiàn)有文獻大多選用z值、不良貸款率等指標進行度量，但當(dāng)前國內(nèi)外學(xué)者認為，加權(quán)風(fēng)險資產(chǎn)比例是一種更加全面的風(fēng)險度量指標。因此，選用加權(quán)風(fēng)險資產(chǎn)比例作為農(nóng)商行風(fēng)險的代理變量，并選取不良貸款率進行穩(wěn)定性檢驗，其中加權(quán)風(fēng)險資產(chǎn)比例使用銀行中具有較高風(fēng)險的資產(chǎn)在總資產(chǎn)中所占比例進行計算。

2.解釋變量

數(shù)字金融。采用《北京大學(xué)數(shù)字普惠金融指數(shù)》中農(nóng)商行所在地區(qū)的縣級數(shù)字普惠金融總指數(shù)作為數(shù)字金融的代理變量，選用進一步細化的使用深度指數(shù)和數(shù)字化程度指數(shù)來研究數(shù)字金融對農(nóng)商行風(fēng)險水平的影響。為便于結(jié)果展示并消除量綱的影響，對數(shù)字普惠金融指數(shù)取自然對數(shù)。

3.中介變量

經(jīng)營效率。借鑒張海軍的研究［23］，選取樣本農(nóng)商行的成本收入比作為經(jīng)營效率的代理變量。成本收入比是營業(yè)費用與營業(yè)收入的比值，是銀行經(jīng)營效率的負向指標。成本收入比越大，表明該銀行成本控制能力越弱，經(jīng)營效率越低；反之表明該銀行經(jīng)營效率越高。

4.調(diào)節(jié)變量

銀行競爭。為展示農(nóng)商行所處的真實行業(yè)競爭環(huán)境，借鑒唐敦哲等對銀行競爭指標的衡量方法[24]，選用赫芬達爾指數(shù)（HHI）和銀行集中度（CR5）作為銀行競爭的代理變量。同時，由于為企業(yè)提供貸款時政策類銀行存在特殊性，利用各地區(qū)各年份的商業(yè)銀行網(wǎng)點數(shù)量構(gòu)造樣本農(nóng)商行所在縣域的赫芬達爾指數(shù)與CR5。赫芬達爾指數(shù)衡量樣本農(nóng)商行所在縣內(nèi)的銀行競爭水平， CR5衡量地區(qū)內(nèi)前五大商業(yè)銀行的集中程度，具體計算方式如下：

HHI=∑Nr=1（Br，j/∑Nr=1Br，j）2;（1）

CR5=∑5r=1Br，j/∑Nr=1Br，j。（2）

式中：Br，j表示在地區(qū)j內(nèi)第r家商業(yè)銀行的網(wǎng)點數(shù)量；N表示地區(qū)j內(nèi)所有商業(yè)銀行的網(wǎng)點總數(shù)。

銀行業(yè)HHI與CR5的取值均為0到1，兩者均為負向指標，HHI與CR5數(shù)值越大，表明該地區(qū)銀行競爭程度越低；數(shù)值越小，表明該地區(qū)銀行競爭程度越高。

5.控制變量

借鑒田雅群等的研究[25]，選取的控制變量分為微觀和宏觀兩個層面。微觀銀行層面，以資產(chǎn)規(guī)模、資本充足率、流動性水平和盈利能力作為控制變量。資產(chǎn)規(guī)模采用農(nóng)商行資產(chǎn)總數(shù)來表示，為了消除量綱影響，對其取自然對數(shù)進行處理；資本充足率采用資本總額與加權(quán)風(fēng)險資產(chǎn)的比例來表示，銀行資本充足率越高，說明該銀行最后的償債能力越強，自身風(fēng)險防控能力越強；流動性水平采用貸款與存款的比值表示，若存貸比過高，銀行自留資金較少，風(fēng)險隱患將增加；盈利能力采用營業(yè)利潤率表示，企業(yè)會根據(jù)當(dāng)前盈利能力的強弱做出不同的經(jīng)濟決策，進而影響銀行風(fēng)險。宏觀經(jīng)濟層面，以GDP增長率和廣義貨幣增長率為控制變量，其中GDP增長率反映該地區(qū)的經(jīng)濟發(fā)展，廣義貨幣增長率反映當(dāng)前的貨幣政策，二者都代表農(nóng)商行外部的風(fēng)險環(huán)境。各變量的具體說明如表1所示。

（三）模型設(shè)定

根據(jù)陳超等的研究[26]，商業(yè)銀行風(fēng)險水平在時間上具有高度連續(xù)性，因此，在構(gòu)建模型時將銀行風(fēng)險水平滯后一階項設(shè)立為解釋變量，基準回歸模型如下：

Ri，t=α0+α1Ri，t－1+α2Ii，t+α3μi，t+εi，t。（3）

式中：i=1，2，3，…，n，表示樣本個體；t=1，2，3，…，n，表示時間；μ表示控制變量合集；εi，t表示殘差項。

將I分別替換為U和D，構(gòu)成如下模型：

Ri，t=α0+α1Ri，t－1+α2Ui，t+α3μi，t+εi，t；（4）

Ri，t=α0+α1Ri，t－1+α2Di，t+α3μi，t+εi，t。（5）

根據(jù)前文的理論分析，銀行經(jīng)營效率可能會在數(shù)字金融對農(nóng)商行風(fēng)險水平的影響中起中介作用，因此，借鑒王玉翠等的模型構(gòu)建方法[27]，建立模型（6）和（7），并結(jié)合模型（3）探究農(nóng)村商業(yè)銀行經(jīng)營效率的中介作用：

Ci，t=β0+β1Ci，t－1+β2Ii，t+β3μi，t+εi，t；（6）

Ri，t=γ0+γ1Ri，t－1+γ2Ii，t+γ3Ci，t+γ4μit+εi，t。（7）

數(shù)字金融對農(nóng)商行風(fēng)險水平的作用效果還可能受到銀行競爭程度的影響，因此，選取銀行競爭為調(diào)節(jié)變量，在動態(tài)面板模型（3）中進一步引入銀行競爭與數(shù)字金融的交互項（Ii，t×HHIi，t和Ii，t×CR5i，t）建立調(diào)節(jié)效應(yīng)模型（8）和（9），以此分析銀行競爭可能存在的調(diào)節(jié)作用：

Ri，t=θ0+θ1Ri，t－1+θ2Ii，t+θ3HHIi，t+θ4Ii，t×HHIi，t+θ5μi，t+εi，t；（8）

Ri，t=θ0+θ1Ri，t－1+θ2Ii，t+θ3CR5i，t+θ4Ii，t×CR5i，t+θ5μi，t+εi，t。（9）

三、實證分析

（一）回歸分析

1.基準回歸分析

由于銀行風(fēng)險水平具有時間上的高度連續(xù)性，為避免由此產(chǎn)生的內(nèi)生性問題，參照吳詩偉等的方法[28]，采用系統(tǒng)GMM方法對2014—2021年農(nóng)村商業(yè)銀行的數(shù)據(jù)進行回歸分析。基準回歸結(jié)果如表2所示。表2中第（1）—（3）列的Hansen檢驗值與AR值表明：模型通過過度識別檢驗；一階殘差項存在自相關(guān)，但二階殘差項不存在自相關(guān)。該工具變量的選擇與模型的設(shè)定合理。

表2第（1）—（3）列分別檢驗數(shù)字普惠金融發(fā)展總程度、數(shù)字普惠金融使用深度和數(shù)字普惠金融數(shù)字化支持程度對農(nóng)商行風(fēng)險的影響。由表2結(jié)果可知，銀行風(fēng)險滯后一階對于當(dāng)期風(fēng)險的影響均在1%水平上顯著，說明各農(nóng)村商業(yè)銀行上一期的風(fēng)險水平對于當(dāng)期風(fēng)險的產(chǎn)生具有顯著的推動作用，其原因在于農(nóng)村商業(yè)銀行在經(jīng)營過程中風(fēng)險不斷集聚，風(fēng)險的傳染性和延續(xù)性會導(dǎo)致前期積累和沉淀后的風(fēng)險會在當(dāng)期以及今后的時期內(nèi)擴散出來。

由表2第（1）列結(jié)果可知，I的回歸系數(shù)在5%水平上顯著為負，說明數(shù)字金融的發(fā)展可以降低農(nóng)村商業(yè)銀行的風(fēng)險水平，假設(shè)H1成立?？梢姅?shù)字金融確實可以成為降低農(nóng)商行風(fēng)險水平的良藥，數(shù)字金融通過技術(shù)賦能業(yè)務(wù)經(jīng)營，可以降低農(nóng)商行所面臨的風(fēng)險水平。表2第（2）列結(jié)果表示，U的回歸系數(shù)在1%水平上顯著為負，說明數(shù)字金融使用程度的加深可以抑制農(nóng)商行風(fēng)險水平的加大。使用深度代表地區(qū)內(nèi)數(shù)字技術(shù)實際使用情況，使用深度越大，居民對數(shù)字產(chǎn)品與服務(wù)的使用程度越高，越能提升農(nóng)商行的經(jīng)營效率，從而抑制風(fēng)險的產(chǎn)生。表2第（3）列結(jié)果顯示，D的回歸系數(shù)在5%水平上顯著為負，說明隨著數(shù)字金融數(shù)字化程度的增加，農(nóng)商行風(fēng)險水平呈現(xiàn)下降趨勢。數(shù)字化程度代表技術(shù)性和便利性，數(shù)字化程度越高，農(nóng)商行越能從普惠金融的數(shù)字化轉(zhuǎn)型進程中更加輕易地獲得信息資源，削弱以往大銀行建立的信息壁壘，從而增強農(nóng)商行風(fēng)險識別能力，進而有助于降低其風(fēng)險水平。

2.中介效應(yīng)檢驗

前述研究表明，數(shù)字金融對降低農(nóng)村商業(yè)銀行風(fēng)險水平具有顯著影響。因此，數(shù)字金融或許可以通過提升農(nóng)村商業(yè)銀行的經(jīng)營效率降低其風(fēng)險水平。為進一步分析銀行經(jīng)營效率在數(shù)字金融與農(nóng)商行風(fēng)險水平之間關(guān)系的中介效應(yīng)，根據(jù)模型（6）和（7）的設(shè)定進行回歸分析，結(jié)果如表3所示。

表3第（2）列的結(jié)果顯示，數(shù)字金融對農(nóng)村商業(yè)銀行經(jīng)營效率的回歸系數(shù)在1%水平上顯著為負，說明隨著數(shù)字金融的發(fā)展，農(nóng)商行的經(jīng)營效率逐漸提升。表3第（3）列的結(jié)果顯示，數(shù)字金融的系數(shù)顯著為負，農(nóng)商行經(jīng)營效率的系數(shù)顯著為正。結(jié)合基準回歸的結(jié)果可知，銀行經(jīng)營效率起到了部分中介作用，數(shù)字金融通過提升經(jīng)營效率可以降低農(nóng)商行風(fēng)險水平，假設(shè)H2成立。該結(jié)果說明，數(shù)字金融的布局可以增強農(nóng)村商業(yè)銀行的信息獲取和處理能力，這些信息可以用于更好地了解客戶需求，制定個性化的金融產(chǎn)品，通過提升銀行經(jīng)營效率來評估信用風(fēng)險，從而制定更科學(xué)的信貸政策，預(yù)防不良風(fēng)險的產(chǎn)生。

3.調(diào)節(jié)效應(yīng)檢驗

前述研究表明，數(shù)字金融對降低農(nóng)村商業(yè)銀行風(fēng)險水平具有顯著影響。數(shù)字金融的發(fā)展為傳統(tǒng)銀行業(yè)創(chuàng)造了新的競爭環(huán)境和機遇，銀行競爭對兩者之間的關(guān)系具有重要影響。根據(jù)模型（8）和（9）的設(shè)定，通過構(gòu)建數(shù)字金融與銀行競爭指標的交叉項，進一步分析銀行競爭在數(shù)字金融與農(nóng)商行風(fēng)險水平之間關(guān)系的調(diào)節(jié)效應(yīng)?；貧w結(jié)果如表4所示。

表4的結(jié)果表明，在引入交叉項后，數(shù)字金融的系數(shù)仍在1%水平上顯著為負。由于銀行競爭為負向指標，銀行競爭和數(shù)字金融交叉項系數(shù)顯著為正，與數(shù)字金融發(fā)展程度的符號相反，說明隨著銀行業(yè)壟斷水平的減弱與競爭程度的加劇，數(shù)字金融對降低農(nóng)商行風(fēng)險帶來的積極影響會被強化，銀行競爭會增強數(shù)字金融對農(nóng)村商業(yè)銀行風(fēng)險的抑制作用，假設(shè)H3成立。這是由于在銀行競爭程度處于較低水平時，農(nóng)商行的經(jīng)營壓力較弱。隨著競爭壓力的加大，農(nóng)商行為了謀求自身發(fā)展會主動利用由數(shù)字金融的模式和技術(shù)帶來的機遇謀求新發(fā)展途徑，從而優(yōu)化自身經(jīng)營能力和風(fēng)控能力，降低農(nóng)村商業(yè)銀行的風(fēng)險水平。

（二）穩(wěn)健性檢驗

第一，替換被解釋變量。使用不良貸款率L替換加權(quán)風(fēng)險資產(chǎn)比例，測度農(nóng)村商業(yè)銀行風(fēng)險，檢驗結(jié)果如表5所示。將被解釋變量替換為農(nóng)商行的不良貸款率，估計結(jié)果顯示，數(shù)字金融的回歸系數(shù)均顯著為負，該結(jié)果表明數(shù)字金融的發(fā)展會降低農(nóng)商行的不良貸款率，從而降低銀行所面臨的資金與壞賬風(fēng)險。換言之，數(shù)字金融有助于降低農(nóng)商行風(fēng)險水平。

第二，替換解釋變量?；鶞驶貧w選取農(nóng)商行所在縣區(qū)的縣級數(shù)字普惠金融指數(shù)，在此處用市級數(shù)字普惠金融指數(shù)（Ic、Uc和Dc）將其替換。由表6所示，將解釋變量替換為市級數(shù)字普惠金融指數(shù)進行分析，估計結(jié)果顯示數(shù)字金融系數(shù)的顯著水平和正負情況均與基準回歸結(jié)果保持一致，回歸結(jié)果穩(wěn)健。

（三）進一步分析：異質(zhì)性分析

1.地區(qū)異質(zhì)性

為進一步檢驗數(shù)字金融對農(nóng)村商業(yè)銀行風(fēng)險水平是否具有地區(qū)異質(zhì)性，根據(jù)我國經(jīng)濟地帶劃分標準將樣本劃分為東部和中西部兩大區(qū)域進行分組討論，檢驗結(jié)果如表7所示。東部和中西部樣本中數(shù)字金融的系數(shù)均顯著為負，中西部的系數(shù)絕對值較高。這是因為，與東部地區(qū)相比，中西部地區(qū)銀行治理機制并不完善，且農(nóng)村商業(yè)銀行作為區(qū)域性中小型銀行，更易受到數(shù)字金融與銀行競爭的影響。另外，中西部的數(shù)字金融發(fā)展水平低于東部，數(shù)字金融對農(nóng)商行風(fēng)險產(chǎn)生的積極影響在東部被削弱，這說明數(shù)字金融的模式和技術(shù)能在發(fā)展較弱、資源較少的地區(qū)產(chǎn)生更大的邊際效用，體現(xiàn)數(shù)字金融的包容性和普惠性。

2.規(guī)模異質(zhì)性

為進一步檢驗數(shù)字金融與農(nóng)商行風(fēng)險水平之間的關(guān)系是否具有規(guī)模異質(zhì)性，根據(jù)2021年農(nóng)村商業(yè)銀行資產(chǎn)規(guī)模的中位數(shù)將樣本分為大規(guī)模組和小規(guī)模組進行分組討論，檢驗結(jié)果如表8所示。經(jīng)過對比可以發(fā)現(xiàn)，數(shù)字金融對農(nóng)商行風(fēng)險水平的回歸系數(shù)均顯著為負，大規(guī)模組中數(shù)字金融的回歸系數(shù)的絕對值大于小規(guī)模組的系數(shù)，說明數(shù)字金融的發(fā)展對大規(guī)模農(nóng)商行風(fēng)險的影響更大。這是因為資產(chǎn)狀況是銀行與數(shù)字金融融合的基礎(chǔ)，大規(guī)模農(nóng)商行的金融基礎(chǔ)設(shè)施較好，數(shù)字化轉(zhuǎn)型比小規(guī)模農(nóng)商行更有優(yōu)勢，更加注重數(shù)字金融的創(chuàng)新與應(yīng)用，提高自身風(fēng)險甄別與管控能力。

四、結(jié)論與建議

立足農(nóng)村金融市場，基于2014—2021年農(nóng)村商業(yè)銀行財務(wù)數(shù)據(jù)，建立動態(tài)面板GMM模型對數(shù)字金融與農(nóng)村商業(yè)銀行風(fēng)險水平之間的關(guān)系進行探究，進一步分析數(shù)字金融影響農(nóng)村商業(yè)銀行風(fēng)險的作用機制。研究結(jié)論如下：第一，數(shù)字金融能夠有效降低農(nóng)村商業(yè)銀行的風(fēng)險水平，并且在使用深度和數(shù)字化支持程度的維度上均能產(chǎn)生顯著的抑制作用；第二，銀行經(jīng)營效率具有中介效應(yīng)，數(shù)字金融能通過提升銀行經(jīng)營效率來降低農(nóng)村商業(yè)銀行風(fēng)險水平；第三，銀行競爭具有調(diào)節(jié)效應(yīng)，銀行業(yè)競爭越激烈，數(shù)字金融對農(nóng)商行風(fēng)險水平的抑制作用越明顯；第四，數(shù)字金融對農(nóng)商行風(fēng)險水平的抑制作用存在區(qū)域異質(zhì)性和規(guī)模異質(zhì)性，在中西部地區(qū)和大規(guī)模的農(nóng)村商業(yè)銀行中表現(xiàn)得更為明顯。

基于上述結(jié)論，提出相應(yīng)建議。第一，農(nóng)村商業(yè)銀行應(yīng)該結(jié)合自身狀況利用數(shù)字金融加快發(fā)展，積極推動數(shù)字化轉(zhuǎn)型。與此同時，確保金融服務(wù)的安全性和可靠性，加強風(fēng)險管理和技術(shù)監(jiān)控，以規(guī)避潛在風(fēng)險。第二，農(nóng)村商業(yè)銀行可以更加積極地采用高效的業(yè)務(wù)流程和技術(shù)。通過優(yōu)化內(nèi)部流程，引入數(shù)字化技術(shù)，提高經(jīng)營效率，降低成本，從而減少不良資產(chǎn)的產(chǎn)生。同時，高效運營也有助于提升信用評估能力，降低潛在的金融風(fēng)險。第三，在競爭激烈的環(huán)境中，不斷提高服務(wù)質(zhì)量和客戶滿意度是保持競爭力的關(guān)鍵。農(nóng)商行需要積極應(yīng)對激烈的市場競爭，通過創(chuàng)新數(shù)字金融產(chǎn)品和服務(wù)，加強客戶關(guān)系管理，拓展合作伙伴關(guān)系，從而提高競爭力。第四，在農(nóng)村和欠發(fā)達地區(qū)推動區(qū)域內(nèi)的數(shù)字金融發(fā)展時，要建立健全的農(nóng)村商業(yè)銀行風(fēng)險防控機制。例如，定期評估和監(jiān)測潛在風(fēng)險，提供內(nèi)部培訓(xùn)以加強員工的風(fēng)險意識，以及深入研究地方金融市場從而滿足當(dāng)?shù)氐慕鹑谛枨蟮?。這一綜合措施有助于確保金融體系的穩(wěn)健性，同時促進金融服務(wù)在農(nóng)村地區(qū)的可持續(xù)發(fā)展。

參考文獻：

［1］

沈悅，郭品.互聯(lián)網(wǎng)金融、技術(shù)溢出與商業(yè)銀行全要素生產(chǎn)率[J].金融研究，2015（3）：160-175.

［2］ 劉貫春，劉媛媛，張軍.經(jīng)濟政策不確定性與中國上市公司的資產(chǎn)組合配置：兼論實體企業(yè)的“金融化”趨勢[J].經(jīng)濟學(xué)（季刊），2020，20（5）：65-86.

［3］ CHENG M，QU Y. Does bank FinTech reduce credit risk？： evidence from China[J]. Pacific-Basin Finance Journal，2020，64（C）： 101398.

［4］ BERG T， BURG V， GOMBOVIC＇ A， et al. On the rise of FinTechs： credit scoring using digital footprints[J]. The Review of Financial Studies，2020，33（7）：2845-2897.

［5］ 于波，周寧，霍永強.金融科技對商業(yè)銀行盈利能力的影響：基于動態(tài)面板GMM模型的實證檢驗[J].南方金融，2020（3）：30-39.

［6］ 溫紅梅，徐靖文.資本監(jiān)管、商業(yè)銀行風(fēng)險承擔(dān)與效率：基于中國165家商業(yè)銀行的經(jīng)驗證據(jù)[J].河北大學(xué)學(xué)報（哲學(xué)社會科學(xué)版），2021，46（6）：109-124.

［7］ 陳紅，郭亮.金融科技風(fēng)險產(chǎn)生緣由、負面效應(yīng)及其防范體系構(gòu)建[J].改革，2020（3）：63-73.

［8］ GABOR D， BROOKS S. The digital revolution in financial inclusion： international development in the fintech era[J]. New Political Economy，2017，22（4）：423-436.

［9］ BMER M， MAXIN H. Why fintechs cooperate with banks：evidence from Germany[J]. Zeitschrift Für Die Gesamte Versicherungswissenschaft，2018，107（4）：359-386.

［10］ 王剛貞，陳夢潔.新冠肺炎疫情背景下數(shù)字經(jīng)濟對消費扶貧的影響研究[J].華北水利水電大學(xué)學(xué)報（社會科學(xué)版），2020，36（5）：29-34.

［11］ 連俊華.數(shù)字金融發(fā)展、農(nóng)村普惠金融與農(nóng)業(yè)經(jīng)濟增長：來自中國縣域數(shù)據(jù)的經(jīng)驗證據(jù)[J].中國軟科學(xué)，2022（5）：134-146.

［12］ 盛天翔，范從來.金融科技與小微企業(yè)信貸供給述評：機制、實踐與問題[J].現(xiàn)代經(jīng)濟探討，2020（6）：39-44.

［13］ 陳敏，高傳君.金融科技發(fā)展與我國銀行風(fēng)險承擔(dān)行為[J].學(xué)習(xí)與實踐，2022（1）：22-33.

［14］ 郭品，沈悅.互聯(lián)網(wǎng)金融對商業(yè)銀行風(fēng)險承擔(dān)的影響：理論解讀與實證檢驗[J].財貿(mào)經(jīng)濟，2015（10）：102-116.

［15］ 甘露.小型農(nóng)村商業(yè)銀行跨區(qū)域發(fā)展研究[J].華北水利水電學(xué)院學(xué)報（社科版），2013，29（3）：81-83.

［16］ DELONG G， DEYOUNG R. Learning by observing： information spillovers in the execution and valuation of commercial bank Mamp;As[J]. The Journal of Finance，2007，62（1）：181-216.

［17］ 楊望，徐慧琳，譚小芬，等.金融科技與商業(yè)銀行效率：基于DEA-Malmquist模型的實證研究[J].國際金融研究，2020（7）：56-65.

［18］ 郭昌榮，邢菁.數(shù)字金融對農(nóng)村居民家庭消費升級的影響與異質(zhì)性分析[J].商業(yè)經(jīng)濟研究，2023（17）：121-124.

［19］ 張正平，劉云華.數(shù)字金融發(fā)展對農(nóng)村商業(yè)銀行運營效率的影響：基于2014—2018年非平衡面板數(shù)據(jù)的實證研究[J].農(nóng)業(yè)技術(shù)經(jīng)濟，2022（4）：67-81.

［20］ 蘇治，荊文君，孫寶文.分層式壟斷競爭：互聯(lián)網(wǎng)行業(yè)市場結(jié)構(gòu)特征研究：基于互聯(lián)網(wǎng)平臺類企業(yè)的分析[J].管理世界，2018，34（4）：80-100，187-188.

［21］ 鐘廷勇，黃亦博，孫芳城.企業(yè)數(shù)字化轉(zhuǎn)型、市場競爭與會計信息可比性[J].現(xiàn)代財經(jīng)（天津財經(jīng)大學(xué)學(xué)報），2022，42（12）：21-43.

［22］ AGHION P， AKCIGIT U， HOWITT P. The schumpeterian growth paradigm[J].Annual Review of Economics，2015，7（1）：557-575.

［23］ 張海軍.多元化、經(jīng)營效率與經(jīng)營績效：基于中國上市銀行的實證分析[J].哈爾濱商業(yè)大學(xué)學(xué)報（社會科學(xué)版），2018（5）：16-34.

［24］ 唐敦哲，王靖雯，鄭雙怡.銀行競爭是否緩解了企業(yè)“短債長投”？：來自信貸供給端和需求端的證據(jù)[J].改革，2023（4）：128-143.

［25］ 田雅群，何廣文.互聯(lián)網(wǎng)金融、市場競爭對農(nóng)村商業(yè)銀行風(fēng)險的影響研究[J].農(nóng)業(yè)技術(shù)經(jīng)濟，2022（3）：73-83.

［26］ 陳超，魏靜宜，曹利.中國商業(yè)銀行通過貸款損失準備計提進行盈余平滑嗎？[J].金融研究，2015（12）：46-63.

［27］ 王玉翠，劉逸凡.環(huán)境規(guī)制和內(nèi)部治理對企業(yè)財務(wù)績效的影響研究[J].華北水利水電大學(xué)學(xué)報（社會科學(xué)版），2023，39（4）：13-20.

［28］ 吳詩偉，朱業(yè)，李拓.利率市場化、互聯(lián)網(wǎng)金融與商業(yè)銀行風(fēng)險：基于面板數(shù)據(jù)動態(tài)GMM方法的實證檢驗[J].金融經(jīng)濟學(xué)研究，2015，30（6）：29-38.

Research on the Impact of Digital Finance on the Risk Level

of Rural Commercial Banks

DENG Daocai， ZHU Xinyi

（School of Economics， Anhui University， Hefei 230601， China）

Abstract：

In this context， based on the financial data of 108 rural commercial banks from 2014 to 2021， this paper uses the systematic GMM estimation method to study the relationship between digital finance and the risk level of rural commercial banks. The results show that firstly digital finance can effectively reduce the risk level of rural commercial banks， and can have a significant impact on the dimensions of depth of use and degree of digitalization; secondly， in the intermediary mechanism test， it is found that digital finance mainly reduces the risk level of rural commercial banks by improving the operational efficiency of banks， and the intensification of bank competition will enhance the inhibitory effect of digital finance on the risk level of rural commercial banks; thirdly， the inhibitory effect of digital finance on the risk level of rural commercial banks is more obvious in the central and western regions and large-scale rural commercial banks.

Key words：

digital finance; rural commercial banks; risk leve; operational efficiency; bank competition

（編輯：王韻）