數字金融、高質量發展與區域系統性金融風險

王 玉，張占斌

[1.中共廣州市委黨校（廣州行政學院）公共管理教研部，廣東 廣州 510070；2.中共中央黨校（國家行政學院）馬克思主義學院，北京100193]

一、引言

金融是實體經濟的血脈。伴隨以大數據、云計算、人工智能、區塊鏈為代表的數字技術快速崛起，新興技術與傳統金融融合衍生出數字金融這一新的金融業態。與傳統金融和普惠金融相比，數字金融具有低門檻、廣覆蓋、產品多元的特征，不僅能大大滿足中小企業、農村居民等“融資弱勢”群體的融資需求，同時能引導資本流向科技和綠色產業，推動產業轉型和經濟高質量發展[1]。但是，也有部分學者對數字金融發展表示擔憂，認為可能對金融市場造成沖擊，影響金融穩定[2][3]，其中蘊藏著較高的金融風險[4]，例如，由于監管滯后、數據漏洞、法律體系不完善，曾經出現過P2P網貸平臺暴雷、非法集資、網貸跑路等亂象，嚴重沖擊了金融秩序的穩定，也暴露出數字金融發展中的脆弱性特征。黨的十八大以來，黨中央高度重視系統性金融風險防范與化解，在2019 年中共中央政治局第十三次集體學習時，習近平同志指出，防范化解金融風險特別是防止發生系統性金融風險，是金融工作的根本性任務。①資料來源：《習近平在中共中央政治局第十三次集體學習時強調 深化金融供給側結構性改革 增強金融服務實體經濟能力》，中國共產黨新聞網。國家“十四五”規劃綱要強調了維護金融穩定、守住不發生系統性金融風險底線的工作部署。因此，數字金融發展是否會產生區域系統性金融風險、在哪些領域會產生風險、如何防范與化解數字金融發展帶來的系統性風險，這些對于持續深化金融供給側結構性改革、穩定地區經濟與社會發展大局都非常重要，是值得深入研究的重要課題。

已有學者針對數字金融與系統性金融風險的關系展開研究，李優樹等[5]、歐陽資生等[6]、劉哲等[7]研究發現數字金融發展能有效緩解區域系統性金融風險，而Siddik&Kabiraj[3]、朱辰等[8]、顧海峰等[9]則發現旨在向企業提供貸款的數字金融不利于金融穩定。不同學者的研究出現異質性結論，原因可能有以下三個方面。首先是研究對象的差異，一部分學者從省域的整體金融風險展開，另一部分學者則只選擇了商業銀行進行研究。風險對象和數據選取的差別導致結論不同。其次是模型的差異，一些學者在模型設定上采用了線性結構，由于數據選取的時期長短不同導致結論出現異質性。最后，系統性金融風險指標的構建不盡相同。如夏越[10]、李優樹[5]將股票市場總市值作為股票市場風險指標，用房地產投資增速作為系統性金融風險的逆指標。

本文選取2010—2021 年省級面板數據分析數字金融發展對區域系統性金融風險的影響，與現有文獻相比，邊際貢獻體現在：（1）不僅考察了數字金融對區域系統性金融風險的影響，還討論了不同領域系統性風險（銀行業風險、資本市場風險、房地產市場風險以及政府債務風險）的異質性；（2）引入數字金融二次項，判別數字金融與系統性金融風險到底存在線性關系還是非線性關系；（3）將區域高質量發展納入數字金融與系統性金融風險的分析框架，探討高質量發展對數字金融與系統性金融風險的作用機制?，F階段學者主要從資本轉移、融資約束等角度考察數字金融對系統性金融風險影響的中介機制[6]，對高質量發展特別是創新發展、協調發展等與數字金融密切相關的發展質量所帶來的中介影響關注不夠，本文將對此進行補充。

二、理論分析與研究假設

（一）數字金融發展對區域系統性金融風險的影響機制

數字金融對系統性金融風險的影響，在學界形成了促進與抑制兩種鮮明的觀點。促進觀點認為金融創新會改變金融結構，造成金融體系不穩定[11]。數字金融在與商業銀行業務和技術融合過程中，給商業銀行的經營效率和風險管控帶來不確定性，而商業銀行風險易在整個金融系統內傳播，造成系統性金融風險。數字金融可能從以下三個方面加劇系統性金融風險。第一，數字金融會加劇銀行業競爭，增加不良貸款率。數字金融發展搶占了商業銀行傳統業務的市場份額[12]，如支付寶推出的“余額寶”“借唄”“轉賬”等服務在一定程度上取代了銀行的“存貸匯”業務，為了應對競爭，傳統商業銀行被迫降低風控要求拉攏客戶，加劇了金融風險。第二，數字金融違約風險更高。與傳統信貸業務不同，數字金融業務具有虛擬性特點，其業務開展建立在信用基礎上，無法準確評估每筆業務的風險水平，從而會增加違約風險[6]。第三，數字金融發展助推資本“脫實向虛”[13]。由于數字金融業務存在較高的信息不對稱，且監管難度大，信貸資金更容易繞過監管流向虛擬經濟部門，增加了資本市場、房地產市場的風險，威脅金融安全。成群蕊等[14]指出股票市場和房地產市場的膨脹會導致數字普惠金融未能真正發揮服務實體經濟的功能，反而加速了與實體經濟的脫鉤。

抑制觀點認為數字金融能夠促進風險的分散和轉移，從而緩解系統性風險[15]。李優樹等[5]發現數字普惠金融對中國系統性金融風險存在顯著的抑制作用，可以提升金融體系內部的抗風險能力。歐陽資生等[6]研究發現數字普惠金融通過資本轉移對中國區域性金融風險具有抑制效應?？傮w來看，數字金融可能從三個方面緩解金融風險。第一，數字金融提高了資本配置效率。數字金融能使更多資本從低效率部門流向高效率部門，不僅滿足了企業和個人的資金需求，還能減少金融資源錯配，提高資源配置效率。高效率部門相對于低效率部門擁有更低的信用風險，從而能化解整體信貸資本的系統性風險。數字金融能降低銀行與客戶之間的信息不對稱，增加無抵押貸款，從而提高銀行信貸運營效率[16]。第二，數字金融促進了創新發展。Ozili[17]指出數字金融發展能為企業提供更加優質的金融產品與服務，提高金融服務可得性。歐陽資生等[6]研究發現數字金融對研發創新有正向作用，而研發創新的提高能減弱系統性金融風險。第三，數字金融促進產業結構升級。在政策引導下，數字普惠金融向新興產業、綠色產業和高科技產業傾斜，能化解產能過剩、資本無序配置的風險，促進產業結構升級[18]。

由此可見，數字金融發展既會引發銀行業競爭加劇、不良貸款率升高、信貸資本脫實向虛，加劇系統性金融風險，也會提高金融資源配置效率、促進經濟創新發展、促進產業結構升級，減弱區域系統性金融風險（圖1）。而對金融風險的雙向影響又隨著數字金融發展水平呈現先加劇后抑制的“倒U”型效應[19]。綜合分析，本文提出以下競爭性假設：

圖1 數字金融對區域系統性金融風險的影響機制

H1-1：數字金融對區域系統性金融風險存在促進作用。

H1-2：數字金融對區域系統性金融風險存在抑制作用。

H1-3：數字金融對區域系統性金融風險存在先升后降的“倒U”型作用。

（二）高質量發展的中介效應機制

創新和綠色是經濟高質量發展的重要特征。薛瑩等[20]認為金融科技具有資源配置效應和創新效應，有助于推動金融業脫虛向實和經濟高質量發展。滕磊等[21]研究發現數字金融通過緩解企業融資約束和提供普惠金融服務，促進了經濟創新、開放和協調發展。劉偉等[22]也發現數字金融能夠推動技術進步，從而驅動經濟高質量發展。

本文認為，經濟高質量發展能夠化解系統性金融風險。首先，經濟高質量發展提高了經濟系統發展韌性。其次，高質量發展能為金融供給側結構性改革提供良好的經濟環境。經濟高質量發展的一個顯著特征是經濟由傳統要素驅動向技術要素驅動轉變，能加快金融資源從落后產能中退出并流向科技型、綠色發展型企業，從而優化金融資源配置結構[23]。

綜上所述，數字金融有助于推動經濟高質量發展，同時，經濟高質量發展通過深化金融供給側結構性改革和增強經濟系統韌性防范和化解系統性金融風險，由此提出假設：H2：區域高質量發展在數字金融與系統性金融風險的正相關間存在“遮掩效應”。

三、數據、模型與變量說明

（一）樣本和數據來源

本文選取31 個?。ㄗ灾螀^、直轄市）2010—2021 年的省級面板數據進行分析。其中系統性金融風險、高質量發展的數據來源于國家統計局數據庫以及各省統計年鑒，數字金融數據來自北京大學數字金融中心的數字普惠金融指數。

（二）模型構建

為檢驗數字金融對區域系統性金融風險的影響，建立如下模型：

在模型（1）（2）中sfrit代表各省的系統性金融風險水平，其中包括銀行業、資本市場、房地產市場和政府四個維度。difiit是數字金融發展水平，Xj表示第j個控制變量。

為檢驗高質量發展在數字金融與系統性金融風險關系之間的傳遞機制，構建如下估計模型：

在方程（3）（4）中hqdit為區域高質量發展水平，通過判斷方程（1）中的α1及方程（3）（4）中的λ1、γ系數符號及顯著性可以判斷高質量發展是否存在中介效應或者遮掩效應。Zj表示第j個控制變量。

（三）變量選取

1.系統性金融風險

目前，從區域的角度測算金融風險有兩種方法，一是構建單一指標，如不良貸款率；二是構建指標體系。本文認為系統性金融風險的測度研究應遵循以下原則。一是科學性。選取的指標應能真實反映系統性金融風險。二是普遍性。選取的指標能反映全部區域。三是可得性。表1 列示了從銀行系統、資本市場系統、房地產系統、政府系統四個維度建立的系統性金融風險指標體系。進一步采用熵權法對各指標進行賦權，加權得到的指標值越大，系統性金融風險越高。

表1 系統性金融風險測度指標體系

2.數字金融

采用北京大學的數字普惠金融發展指數，該指數包括數字普惠金融覆蓋廣度、使用深度和數字化程度三個子維度，能比較科學、準確地測量地區數字金融發展程度。

3.高質量發展

創新、協調、綠色、開放、共享的新發展理念是高質量發展的核心內涵，學術界一般選取新發展理念中的五個維度作為經濟高質量發展指標體系的構建方向[24][25]。在參考現有學者研究方法的基礎上，構建表2的經濟高質量發展水平指標體系。

表2 經濟高質量發展水平指標體系

4.控制變量

對于方程（1）（2）（4），選取了地區經濟規模（地區生產總值的自然對數，lngdp）、經濟波動率（地區生產總值實際增長率的標準差，vol）、財政赤字率（財政支出與財政收入的差額與地區生產總值的比值，deficits）、金融行業比重（金融行業增加值占地區生產總值的比重，finance）作為控制變量。地區經濟規模越大，表明經濟發展越穩健，更能抵御金融風險，因此，理論上該指標與系統性金融風險負相關[26]。經濟波動代表經濟不穩定[27]。財政赤字反映了政府對經濟發展的干預程度，通過財政有效支出能促進產業結構優化、社會福利改善，穩定居民發展信心，有利于防范與化解系統性金融風險[28]。金融行業發展能支撐經濟發展，但是金融行業過度發展容易導致資本加速流向房地產市場、資本市場等領域，造成短期資產泡沫化，加劇系統性金融風險。

對于因變量為經濟高質量發展的方程（3），選取基礎設施（地區公路鐵路里程數與國土面積比值，trans）、城鎮化率（城鎮人口占總人口的比重，urb）、科教財政支出比重（科技與教育財政支出占一般財政支出的比值，fiscal）、信息化（互聯網寬帶接入用戶數，inform）作為控制變量?；A設施是經濟發展的重要支撐，高鐵、高速公路都有力地促進了產業活動，對經濟高質量發展有重要的推動作用，因此，該變量預期符號為正。城鎮化伴隨工業化，產城互動、節約集約、綠色生態、協調統籌發展，成為經濟高質量發展的重要表征，因此，該變量預期符號為正[29]。財政支出作為政府行為的主要形式，顯著影響地方經濟發展，科學技術和人力資本是經濟高質量增長的重要驅動要素，科教財政支出比重越高，高質量發展的助推力越強[30]，該變量預期符號為正。信息化、數字化等數據要素在經濟發展中的作用日益凸顯，創新發展、開放發展都需要信息化的支持[31]，因此，該變量預期符號也為正。

四、實證研究及結果分析

（一）描述性統計

表3 顯示了各個變量的描述性統計。系統性金融風險均值為0.233，呈現“W 型”演變趨勢。在四個維度中，銀行業金融風險最高，其次是資本市場和房地產市場風險，最低的是政府系統風險。數字金融均值為2.127，在地區間存在明顯的異質性，經濟發達省份數字金融發展水平明顯高于經濟欠發達省份。高質量發展均值為0.186，呈現逐年上升趨勢。方程（1）各控制變量的統計結果見表3。

表3 變量描述性統計

（二）數字金融發展對區域系統性金融風險的影響

表4顯示了對方程（1）（2）的估計結果。從前四列結果看，無論是否引入控制變量，數字金融一次項系數都顯著大于0，但其平方項正向不顯著，說明數字金融對區域系統性金融風險存在正向影響。由此判斷，數字金融對區域系統性金融風險僅存在線性正向作用，即促進作用，支持了假設H1-1?？刂谱兞恐?，區域經濟規?？偭?、財政赤字率與系統性金融風險成反比，而經濟增長波動率、金融行業比重與系統性金融風險成正比。

表4 數字金融對區域系統性金融風險的影響

進一步比較數字金融對不同維度系統性金融風險的影響，表5顯示當因變量為銀行業系統性金融風險時，數字金融一次項系數顯著為正，二次項系數不顯著，表明數字金融對銀行業系統性風險存在正向（促進）作用。當因變量為資本市場系統性金融風險時，數字金融一次項系數顯著為正，二次項系數顯著為負，說明數字金融對資本市場系統性風險存在“倒U”型作用，但通過計算發現拐點的數字金融水平為4.19，高于樣本全部觀測值的數字金融水平，說明數字金融與資本市場系統性風險實際上存在“倒U”型曲線左側的影響。當因變量為房地產系統性金融風險時，數字金融一次項系數顯著為負，二次項系數顯著為正，計算拐點的數字金融水平為3.75，接近數字金融的最大值，說明數字金融與房地產系統性風險是假“U型”，實際上傾向于負向影響①在未引入控制變量時數字金融二次項系數不顯著，一次項系數顯著為負，也證實了數字金融與房地產系統性風險存在負相關。。當因變量為政府系統性金融風險時，數字金融一次項和二次項系數均顯著為正，表明數字金融對政府系統性風險存在“U 型”曲線右側的影響（圖2）。由此表明數字金融對不同維度系統性金融風險存在異質性影響。

表5 數字金融對不同維度系統性金融風險的影響

圖2 數字金融與不同維度系統性金融風險的關系結構

（三）經濟高質量發展的遮掩效應和中介效應

通過估計方程（3）（4）的系數判斷經濟高質量發展在數字金融與系統性金融風險之間產生的是中介效應還是遮掩效應。表6 前兩列結果顯示數字金融會顯著提高經濟高質量發展水平，提升經濟高質量發展能顯著降低系統性金融風險，說明經濟高質量發展在數字金融與區域系統性金融風險的負相關之間存在遮掩效應，即數字金融發展推動了經濟高質量發展間接抑制系統性金融風險。觀察后四列，數字金融對銀行業風險、資本市場風險和政府風險存在正效應，而對房地產風險存在負效應，經濟高質量發展hqd系數均小于0，這表明經濟高質量發展在數字金融與銀行業風險、資本市場風險和政府風險之間是遮掩效應，而在數字金融與房地產系統風險之間是中介效應。從整體的系統性金融風險角度看，表6 的結果支持了假設H2。

表6 高質量發展的遮掩效應與中介效應

（四）穩健性檢驗

為檢驗上述結論的可靠性，從兩個角度展開穩健性分析：一是考慮到在理論上系統性金融風險會影響區域經濟高質量發展及數字金融水平，即模型存在內生性問題，因此進一步采用系統廣義矩工具變量法進行估計。從AR(1)、AR(2)和Sargan test來看，估計模型選擇的工具變量有效。觀察數字金融及高質量發展兩個變量系數，數字金融提高了系統性金融風險，高質量發展在數字金融與系統性金融風險之間有顯著的遮掩效應，可見在考慮內生性后，結論依然穩健。

二是采用金融科技代替數字金融指標，具體參考宋敏等[32]利用工商注冊企業數據，根據企業的名稱和經營范圍，使用“金融科技”“云計算”“大數據”“區塊鏈”“人工智能”“物聯網”等關鍵詞匹配出相應的企業。在此基礎上為消除“空殼公司”的影響，剔除經營時間小于1年或經營狀態非正常（停業、解散、吊銷等）的樣本。最終以金融科技企業數量的自然對數代表區域金融科技發展水平。表8 顯示金融科技、高質量發展的系數符號和顯著性與表6、表7 一致，結論依然穩健，也間接說明采用金融科技企業數量衡量區域數字金融發展水平具有一定的合理性。

表7 基于系統廣義矩估計法的穩健性檢驗

表8 替換數字金融發展指標的穩健性檢驗

五、結論與啟示

本文選取2010—2021 年省級面板數據，分析了數字金融對區域整體及細分維度的系統性金融風險的影響，并進一步探索經濟高質量發展在數字金融與系統性金融風險之間是否存在中介效應。實證分析發現：（1）數字金融發展會顯著提高區域系統性金融風險水平，但對不同維度的系統性風險存在異質性影響，其中數字金融對銀行業系統性風險存在正向影響，對房地產系統性風險存在負向影響，對資本市場系統性風險存在“倒U”型曲線左側的影響，對政府系統性風險存在“U 型”曲線右側的影響；（2）經濟高質量發展在數字金融與區域系統性金融風險的負相關之間存在顯著的“遮掩效應”，即數字金融推動了區域經濟高質量發展，而經濟高質量發展能有效緩解系統性金融風險。結論表明，數字金融、經濟高質量發展和系統性金融風險之間存在內生關系，數字金融發展導致系統性金融風險上升的同時，也能通過促進經濟高質量發展而間接降低系統性金融風險，即經濟高質量發展扮演了傳遞機制，進而達到三者在發展中的平衡。

以上研究結論為平衡金融創新與金融風險提供了四點啟示。（1）完善法律監管體系。目前，有關數字金融的法律法規出臺滯后于其發展進程，導致一些企業或機構為了謀取利益盲目擴大規模，積累了風險。為此，當務之急是完善有關法律體系，保障數字金融發展有法可依。（2）監管部門應增強監管能力。數字金融的“技術+金融”特點表明其具有隱蔽性，一些借款人可能將資本用于股市、房地產領域，加劇風險，為此監管部門應強化監管能力，積極利用數字技術手段獲取數字金融使用者的信用、資金使用方向等信息，阻斷風險發生。（3）盡快建立系統性風險預警機制，實時監測風險。各級政府應結合本地金融結構及運行情況，建立能充分反映金融風險的預警系統，降低系統性風險發生概率。（4）積極推動經濟創新發展、協調發展和綠色發展。本文研究證實以創新發展、資源重整以及產業結構升級為代表的高質量發展能降低金融風險，為此各地政府要通過產業支持、打破資源壟斷、增強環境規制等手段促進經濟高質量發展，有效防范和化解系統性金融風險。