SCI论文（www.lunwensci.com）
[摘 要] 文章立足于城商行零售业务转型的实践，从信贷资产配置的视角出发，研究了省域数字经济发展给 城商行 “资产端” 零售贷款占比带来的影响。研究发现 : 数字经济可以助推城商行零售业务转型，对其 “资 产端” 的零售贷款占比具有显著的促进作用。一方面，这种促进作用主要集中于个人经营性贷款、个人消费 贷款和个人汽车贷款，对于个人住房按揭贷款则表现出抑制作用 ; 另一方面，对于资产规模较大和东部地区 的城商行，数字经济的促进作用更为明显。机制检验表明 : 数字经济可以 “赋能” 城商行的风险管理和成本 管理，进而促进其 “资产端” 零售贷款占比的提升。调节效应检验表明 : 通过 “改善民生质量、提升司法质 量、改善城市人居环境质量” 优化零售贷款业务的发展环境，可以强化数字经济对城商行 “资产端” 零售贷 款占比的促进作用。此外，数字经济背景下，城商行 “资产端” 的 “零售贷款占比提升” 是以 “对公贷款占 比降低” 为代价的，即存在 “替代效应”，且在经济下行期尤为明显。
[关键词] 数字经济,零售贷款,风险管理,成本管理
一、 引言
长期以来，我国商业银行大都高度依赖于传 统的对公贷款业务，一面追求资产规模的快速扩 张，一面将大量资金投入到对公贷款 当 中[1-2]。 在市场利率受到严格管制的历史时期，这种资产 配置方式一度为我国商业银行创造了丰厚的收益。 近年来，随着经营环境巨变和市场竞争加剧，对 公贷款业务逐渐步入 “微利” 时代，高度依赖于 对公贷款业务的传统经营模式已然不利于商业银 行的长期发展。零售贷款业务则因其资本消耗低、 风险分散性好、盈利稳定而受到各银行的青睐与 重视，零售业务转型也成为商业银行实现高质量 发展的战略性选择[3]。
城商行深耕地方经济、践行普惠金融、广泛 服务民众，是我国多层次金融服务体系的重要组 成部分。相比国有大型银行和股份制银行，城商 行起步较晚、实力较弱，在零售业务转型的推进方面处于落后位置。 目前，为实现高质量发展， 有关零售业务转型的安排频繁出现于城商行的战 略规划中，部分城商行甚至赋予了零售业务转型 “最高战略优先级”。
贷款业务始终是银行的主体业务，因而我国 银行业普遍将零售业务转型的重点放在拓展零售 贷款方面[3] 。城商行的零售贷款业务受到诸 多 因素的制约，“渠道匮乏、流程复杂” 使得个人 客户难以便捷、 高效、低成本地获取零售贷款， “风控难度大、授信成本高” 也使得城商行难以 找到拓展零售贷款业务的 “着力点”，这都对城 商行的零售业务转型形成了阻碍。所幸的是，数 字经济可 以 “赋能” 传统行业转型升级，为传 统行业 带来 “新业态、 新模式和新发展”。 那 么，数字经济能否 “赋能” 城商行，助力城商 行推进零售业务转型? 本文主要针对这一问题展 开研究。
我国数字经济近十年来取得了举世瞩目的发展成就，总体规模连续多年位居世界第二① , 数 字经济已经成为驱动我国经济高质量发展的重要 动力。“科学技术是第一生产力”，人类社会的多 次科技革命为经济社会带来了跨越式发展。 目前， 大力发展数字经济已成为 “把握新一轮科技革命 和产业变革新机遇的战略选择”② 。与此同时，数 字经济也成为当下的研究热点。现有研究显示， 数字经济主要从以下方面对银行发挥积极影响 : 首先，数字经济可以推动 “开放银行” 建设。谢 治春等 (2018) [4] 认为，数字技术的应用有助于 推动 “开放生态型银行” 的建设。 当然，我国虽 然在数字经济推动下形成了独具特色的 “开放银 行” 模式，但仍存在配套制度与规范标准欠缺的 问题[5] 。其次，数字经济可以降低银行风险。一 方面，数字经济主体与银行之间的联系更为密切， 银行可以获取更多内部信息，从而降低银企之间 的信息不对称[6] ; 另一方面，数字技术在金融领 域的广泛应用，为缓解信贷市场的信息不对称提供 了解决方案[7] 。基于此，孙光林和蒋伟 (2021)[8] 利用我国省级数据验证了数字经济对银行业不良 贷款的抑制作用。再次，数字经济有助于改善银 行的经营管理。包括但不限于 : 提高银行的竞争 力、适应力[9] ; 提高银行满足客户多样化需求的 能力[10] ; 降低交 易成本、提高交 易效率[11] ; 促 进管理创新和产品创新[12] ; 改善银行治理[13]。
最后，数字经济可以促进银行业务发展。主要包括无抵押的信用贷款业务和信用卡业务[14-15]。
总的来看，现有文献仍有一些缺憾之处 : 第 一，关于 “数字经济赋能银行转型” 的研究仍然 较少，围绕城商行这一 “弱势群体” 的研究更是 稀少，且大都集中于理论描述和定性分析，鲜有 定量研究的文献。第二，省域数字经济的发展水 平与当地经济社会的发展情况有关， 由此产生的 “自选择偏误” 会对实证结果造成干扰，但现有 文献大都没有考虑这一问题。鉴于此，本文立足 于城商行零售业务转型的实践，从信贷资产配置 的视角出发，实证检验了数字经济发展对城商行 “资产端” 零售贷款占比的影响。
本文理论层面的贡献在于 : 第一，立足于城 商行零售业务转型的实践，提供了数字经济发展 提升城商行 “资产端” 零售贷款占比的经验证 据，并从不同类型零售贷款和不同特征银行的角度探究了其异质性影响。第二，数字经济发展水 平的高低通常与一省份的经济社会发展情况有关， 潜在的 “自选择偏误” 会对实证结果造成干扰， 本文采用处理效应模型排除了 “自选择偏误” 的 干扰[16] ，加强了研究结果的可靠性。第三，通过 机制检验考察了数字经济发展对于城商行风险管 理和成本管理的 “赋能” 作用。本文实践层面的 贡献在于 : 一方面，将 “民生质量、 司法质量、 城市人居环境质量” 引入了研究框架，为地方政 府助力城商行实现高质量发展提供了有益启发。 另一方面，揭示了城商行在数字经济背景下 “减 少对公贷款配置、增加零售贷款配置” 的 “资产 转换” 行为，从宏观审慎的角度来看，这值得监 管部门提高 “警惕”。
二、影响机制与研究假设
(一) 数字经济发展如何助推城商行零售业 务转型
目前，我国银行业零售业务转型的重点任务 依然是拓展零售贷款业务[3] 。城商行在拓展零售 贷款业务的过程中，面临着 “渠道劣势” 和 “信 息劣势”， 因而其零售贷款业务一度发展缓慢， 严重阻碍了其零售业务转型的推进。数字经济的 发展 “改变了客户获取金融服务的习惯、促进了 社会层面的数据积累与共享 ”，有助于城商行扭 转竞争中面临的劣势 :
一方面，城商行面临着 “渠道劣势”。 优质 客户始终是银行信贷市场上的稀缺资源，零售业 务转型实际上就是围绕优质个人客户的竞争。物 理网点是商业银行开展业务的重要渠道， 国有大 型银行和股份制银行实力雄厚、 网点众多，因而 成为个人客户获取零售贷款的首选。与之相对的， 城商行的物理网点较少，因而在开展零售贷款业 务时面临 “渠道劣势”: 一是网点较少限制了城 商行的销售渠道，这导致客户的触达率低，城商 行开展零售贷款业务时大都处于 “被动获客” 和 “随机获客” 的状态 ; 二是网点较少也限制了客 户的获贷渠道，这导致客户的转化率低，很多个 人客户有贷款需求却无法便捷地获取贷款，因而 其贷款需求无法有效传导至城商行。
数字经济的发展促进了 “渠道 的公平化”。 具体的，作为 “以信息化和互联网的发展为支撑，通过数字化技术提供产品或服务的新型经济 形态”[17] ，数字经济的发展改变了个人客户获取 金融服务的习惯 : 物理网点的重要性日渐降低， 手机 App 开始成为联结银行与客户的重要纽带。 目前，绝大部分的零售贷款都可以通过线上进行 办理，银行可以通过手机 App 精准地推销其产 品，客户也可以通过手机 App 便捷地获取其所需 的服务。受此影响，城商行开展零售贷款业务不 再受到 “物理网点较少” 的制约，这在渠道层面 给予了城商行更加公平的竞争机会，可以缓解其 在线下竞争中面临的不利局面，因而有助于其推 进零售业务转型。
另一方面，城商行面临着 “信息劣势”。 国 有大型银行和股份制银行拥有基数庞大 的客群， 在客户信息的积累量上处于优势地位，面对个人 客户提出的贷款申请，通过分析自有的历史信息， 就可以快速实现 “受理→ 评估→ 审批→ 放款” 等 一系列流程。与之相对的，城商行原有的客群基 数较小，在客户信息的积累量上处于劣势，面对 个人客户提出的贷款申请，城商行往往还需要通 过其他外部渠道进行信用信息采集，或者要求客 户进一步提交补充材料，因而其业务流程需要耗 费较长时间。对于个人客户而言，这种 “内容繁 琐、过程冗长” 的贷款申请流程，会极大地消耗 其精力和耐心，甚至可能导致个人客户放弃向城 商行申贷。
数字经济的发展促进了 “信 息 的公平化”。 具体的，数字经济推动了 “数据 多共享、 多跑 路，客户少等待、少跑腿”，征信系统持续得到 完善、 “信用信息” 逐步互联互通、银企之间实 现数据交互。社会层面信用信息的归集与共享， 为城商行创造了更为公平的信息环境。城商行借 此实现了信息收集的便利化和智能化，大幅提升 了零售贷款的评估、 审批、放款效率，部分零售 贷款甚至实现了实时审批放款，极大地改善了个 人客户的申贷体验。
数字经济发展带来的 “渠道公平化” 和 “信 息公平化”，助力城商行扭转了竞争劣势。个人 客户可以便捷、高效、低成本地从城商行获取零 售贷款，这对城商行的零售业务转型产生了助推 作用，有助于提升其 “资产端” 的零售贷款 占 比。鉴于此，本文提出如下假设 :
H1 : 数字经济发展可以助推城商行的零售业 务转型，对城商行 “资产端” 的零售贷款占比具 有显著的促进作用。
(二) 数字经济 “赋能” 城商行的风险管理 和成本管理
实际上，零售贷款业务的风控难度大、授信 成本高，也曾长期困扰我国城商行[3] 。具体来看 : 首先是风控难度大。 由于个人信息难以获取，零 售贷款业务面临的信息不对称要比对公贷款业务 严重得多[18] 。然后是授信成本高。研究显示，无 论是大额信贷业务还是小额信贷业务，其固定成 本几乎相差无几[19] 。 因此， 同样规模的信贷资 金，相较 于 “集中授信给企业客户 ( 对 公 贷 款) ”，“分散授信给个人客户 (零售贷款) ” 产 生的授信成本要高得多。
数字经济为城商行的风险管理和成本管理提 供了 “着力点”: 首先为风险管理工作解决了信 息来源。随着数字经济的发展，个人征信体系不 断完善③ 、金融机构与互联网公司之间实现 “信 用信息” 互联互通、银行与经销商之间实现数据 交互，城商行可以借此有效降低零售贷款业务的 信息不对称。其次为成本管理工作提供了技术路 径。零售贷款业务因其单笔额度小、 同质化程度 高的特点，很容易通过数字技术实现 “业务线上 化、流程自动化和决策智能化”，城商行可 以借 此大幅压缩零售贷款业务的授信成本。综上，数 字经济除了直接促进零售贷款业务发展，还可以 “赋能” 风险管理和成本管理，使之更好地发挥 业务驱动作用，提升城商行 “资产端” 的零售贷 款占比。鉴于此，本文提出如下假设 :
H2 : 数字经济可以 “赋能” 城商行的风险管 理和成本管理，在数字经济发展水平较高的情况 下，风险管理和成本管理可以更好地促进其零售 贷款占比提升。
(三) 数字经济的 “赋能” 效应与零售贷款 业务的发展环境
在适宜的外部环境下，零售贷款业务的市场 需求会更加旺盛，数字经济助推城商行零售业务 转型也可 以取得 “事半功倍” 的效果。进一步 地，本文围绕零售贷款业务的发展环境展开分析 :
其一，是 民生质量。 满 足 居 民在 “消 费领 域” 的资金需求，是零售贷款业务的主要功能。随着民生质量不断改善，人民群众对美好生活的 需求日益增长，超前消费的理念也逐渐被广泛接 受，这为零售贷款业务的发展提供了广阔空间。 因此，零售贷款业务的发展与民生质量联系紧密。 相应地，本文从改善民生的角度分析如下 : 首先， 是增收入。随着城乡居民收入水平的改善，其消 费积极性也会上升 ; 相反地，如果收入水平保持 在低位，则居民会缺乏消费的积极性。其次，是 稳就业。失业率高企会导致居民的消费意愿低迷， 整个社会的消费需求会被严重抑制。再次，是提 升城镇基本医疗保险参保率。在没有基本医疗保 险提供保障的前提下，居民会心存 “后顾之忧” 而不愿消费 ( 未来可能会因为疾病、突发意外而 产生额外支 出) 。最后，是缩小城乡居民收入差 距。近年来，随着在线消费、物流网络的不断发 展，农村居民的消费潜力也得到了有效释放。 目 前，农村居民消费已成为社会消费的重要一环， 在扩内需、稳增长方面发挥了不容忽视的作用。 但是，城乡居民收入差距过大，会严重抑制农村 居民消费的积极性[20]。
城乡居民的消费意愿不足，会严重抑制整个 社会在 “消费领域” 的资金需求，不利于零售贷 款业务发展。通过 “增收入、稳就业、提升城镇 基本医保参保率、缩小城乡居民收入差距” 改善 民生，可以有效激发城乡居民的消费活力，促进 整个社会在 “消费领域” 的资金需求，为零售贷 款业务创造广阔的发展空间。鉴于此，本文提出 如下假设 :
H3 : 通过 “增收入、稳就业、提升城镇基本 医保参保率、缩小城乡居民收入差距” 改善 民 生，有助于强化数字经济对城商行零售贷款占比 的促进作用。
其二，是司法质量。零售贷款业务主要服务 于居民的消费支出。消费过程包括多个环节 ( 产 品选择、价格接受、质量保证、实际消费、服务 态度、售后保障等) ，任何一个环节发生 “消费 纠纷” 都可能导致消费者的权益受损，使得消费 难以再正常进行[21] 。相应地，市场对零售贷款业 务的需求也会因此受到抑制。这种情况下，就需 要通过司法保护 “定分止争、维护公平”，从而 化解 “消费纠纷 ”，促进消费市场健康发展[22]。 研究显示，司法质量的提升有助于降低消费者维权成本、提振消费者安全感，从而促进城乡居民 消费支出[23] 。 因此，司法质量高的省份，零售贷 款业务具有更好的发展环境。鉴于此，本文提出 如下假设 :
H4 : 提升司法质量，有助于强化数字经济对 城商行零售贷款占比的促进作用。
其三，是城市人居环境质量。在一个令人舒 适的城市环境中，个体更愿意在消费中支付额外 的价格，因为优质的居住环境会给居民带来无形 的 “心理收入”[24]。 “心理收入” 带来的超额消 费，需要其他的资金来源进行填补，这拓展了零 售贷款业务的市场需求。此外，城市人居环境质 量高的地区，居民的消费观念会愈加偏向于享乐 性质的消费 ( 住房、汽车以及奢侈 品) ， 即居 民 的 “消费层级” 会更高[25] 。零售贷款 ( 个人住 房按揭贷款、个人消费贷款和个人汽车贷款) 正 是用于满足高 “消费层级” 的个人授信业务。鉴 于此，本文提出如下假设 :
H5 : 改善城市人居环境质量，有助于强化数 字经济对城商行零售贷款占比的促进作用。
三、研究设计
(一) 变量选取
1. 被解释变量
本文立足于城商行零售业务转型的实践，从 信贷资产配置的视角出发，选取城商行 “资产 端” 的零售贷款占比 ( retail) 作为被解释变量， 即 “零售贷款/ 总资产”。
2. 解释变量
本文采用刘军等 (2020) [17] 构建的数字经济 发展指数 (DE) 反映各省份历年的数字经济发展 情况。该指数基于各省份的光缆密度、移动电话 基站密度、信息化从业人员占比、 电信业务总量、 软件业务收入、互联网接入端口密度、移动电话 普及率、宽带互联网用户人数占比、移动互联网 用户人数占比、企业网站占比、企业使用计算机 数占比、 电子商务占比、 电子商务销售额、 网上 零售 额，采用熵值法进 行 加 权 构 建。 刘 军 等 (2020) [17] 构建的数字经济发展指数在数字经济 领域作出了开创性贡献，可以较为全面地反映各省份的数字经济发展情况，因而在相关研究中得到广泛的好评与应用[26-27]。
考虑到数字经济发展水平的 “自选择偏误” 会导致内生性问题，本文采用处理效应模型进行 了纠正[16] 。根据处理效应模型的需要，本文将省域 数字经济发展水平转化为虚拟变量的形式 (DE_d) 。 通过计算样本期内 30 个省份 ( 除西藏、港澳台地 区) 数字经济发展指数的均值，将 “数字经济发展 指数 (DE) =均值” 定义为 “高” 数字经济发展 水平 ( DE _ d = 1 ) ，将 “数 字 经 济 发 展 指 数(DE) <均值” 定义为 “低” 数字经济发展水平 (DE_ d = 0) 。
3. 控制变量
本文 选 取 的 控 制 变 量 包 括 : 资 本 充 足 率 ( CAR) ; 资产规模 (size) ; 资产收益率 (ROA) ; 贷存比 ( SLR) ; 资产权益率 (AER) ; 各省份 的 经济环境 ( GDP) ; 各省份的货币环境 ( CPI) ; 各省份的金融环境 (finance) ，具体见表 1.
我国城商行普遍提出零售业务转型是从 2014 年开始，本文将时间向前推进一年，选取了 96 家 城商行 2013—2021 年的数据作为样本。相关数据 来自各城商行 的年报、各省份统计年鉴、MARK 数据库和国家统计局网站。
(二) 模型设定
本文设定式 ( 1) 检验省域数字经济发展水 平 (DE_ d) 对城商行 “资产端” 零售贷款占比 (retail) 的影响 :式 ( 1 ) 中 control 代 表 控 制 变 量 ; u 代 表 残差项。
四、实证分析
(一) 基准回归
一省份的数字经济发展水平并非随机变量， 而是与当地经济社会的发展情况有关 ( 受一些前 定因素的影响) ，这会导致自选择问题，进而对 实证结果造成干扰。这种情况下， “数字经济发 展水平较高的省份” 和 “数字经济发展水平较低 的省份”，当地城商行在零售贷款占比上的差异，既有可能是数字经济发展水平不同造成的，也有 可能是前定因素不同造成的。或者说，可能存在 一些前定因素，使得部分省份无论数字经济发展 水平如何，当地城商行的零售贷款占比总是会高 于或者低于其他省份。为消除 “自选择偏误” 导 致的内生性，本文进一步采用处理效应模型进行 了回归[16] 。根据处理效应模型的数据需要，解释 变量采用了虚拟变量形式的数字经济发展水平 (DE_ d) 。
表 2 和表 3 采用了处理效应模型 ( OLS 两步 法和 MLE 估计) ，用以排除 “自选择偏误” 导致 的 内 生 性。 微 观 控 制 变 量 ( CAR 、 size 、 ROA、 SLR 、AER) 采用其滞后期值，以避免反向因果关 系导致内生性问题。处理效应选取的协变量包括 : 人均 GDP (PCG) ，用于控制各省份的经济发展 水平 ; 城镇化率 ( urban) ，即各省份的城镇人口 占总人口的比重 ; 失业率 ( lost) ，用于控制各省 份的就业情况 ; 固定资产投资增速 ( invest) ，用 于控制各省份投资因素的影响 ; 对外贸易依存度 (trade) ，用于控制各省份的对外开放程度 ; 金融 环境 (finance) ，即各省份的金融业增加值占比 ; 每万人拥有的专利授权数 (tech) ，用于控制各省 份的技术因素 ; 产业结构 (second) ，即各省份的第二产业增加值占比。
第一阶段 Probit 回归中，协变量较好地控制 了相关因素对省域数字经济发展水平的影响 ; 第 二阶段的诊断性指标 ( hazard lambda 和 LR) 检验均显著，说明省域数字经济发展水平确实会 产生 “自选择偏误 ”，应当采用处理效应模型 进行纠正 。表 3 的列 ( 1) 和列 ( 2 ) 中 ，数字 经济发展水平 ( DE _ d) 的系数显著为正 ，说 明 : 随着省域数字经济发展水平的提高 ，城商 行的零售贷款占比会上升 。 总 的来看 ，上述结 果依然支持了本文假设 H 1 。
(二) 内生性讨论
首先，是 “自 选 择 偏 误” 导 致 的 内 生 性。 这是本文内生性问题的主要来源，本文在表 2 和 表 3 基准回归部分采用处 理效应模型予以了 纠正。
其次，是反向因果关系导致的内生性。省域 数字经济发展水平作为一个宏观变量，一般不会 受到微观个体的反向影响。但出于稳妥考虑，本 文依然采用工具变量法进行了检验。现有文献大 都采用各省份的光缆密度、互联网接入端口密度、 移动电话普及率作为数字经济的外生工具变量。 本文采用的数字经济发展指数本身就是基于这些 外生变量编制的[17] 。 因此，借鉴王诗卉和谢绚丽 (2021) [12] 的做法，直接采用数字经济发展指数 的滞后一期值 (L. DE) 作为工具变量进行回归。 基准回归部分的处理效应模型主要用于纠正 “自 选择偏误” 导致的内生性，并不适用于该工具变 量的回归，因而本部分采用了传统的面板数据回 归方法，F 检验和 Hausman 检验的结果均支持了 固定效应模型，结果见表 4: 列 ( 1) 作为参照， 是数字经济发展指数当期值 (DE) 的回归结果 ; 列 (2 ) 则是数字经济 发展指数滞后 一 期值 (L. DE) 的回归结果。总的来看，结果依然支持 了本文假设 H1 。
最后，是遗漏变量和测量误差导致的内生性。 借鉴李春涛等 (2020) [28] 的做法，使用相同年度 “相邻省份数字经济发展指数的均值 ” (DE_ ave) 作为工具变量进行了回归 : 一方面，相邻省份的 数字经济发展水平一般比较接近，这确保了其相 关性 ; 另一方面， 由于行政区划上的分割，相邻 省份的数字经济发展水平相对外生。 F 检验和 Hausman 检验的结果均支持了随机效应模型，结 果见表 4 的列 ( 3) 。DE_ ave 的系数依然显著为 正，支持了本文假设 H1 。
(三) 稳健性检验
首先，基于刘军等 (2020) [17] 数字经济发展 指数的三个分项指标，信息化发展指数 ( in- form) 、互联网发展指数 (internet) 和数字交易发 展指数 (DT) ，根据样本期均值将三个分项指标转 化为信息化发展水平 (inform_ d) 、互联网发展水 平 (internet_ d) 和数字交易发展水平 (DT_ d) ， 同时采用两种处理效应模型 ( OLS 两步法和 MLE 估计) 进行 了 回 归， 即表 5 中列 ( 1 ) ～ ( 6 ) ， 结果未出现实质性变化。
然后，采用固定效应模型对信息化发展指数 (inform) 、互联网发展指数 (internet) 和数字交易 发展指数 (DT) 进行回归，结果见表 6 列 ( 1) ~(3) ，三个分项指标的系数均显著为正，与前文结论 一致。还将三个分项指标滞后一期，回归结果见表 6 列 (4) ～ (6) ，结果未出现实质性变化。
此外，本文还进行了以下稳健性检验: 一方 面，是更换解释变量，参考刘珺等 (2023)[29] 的 研究，以 “北京大学数字普惠金融指数” 为数字经 济发展水平的代理变量; 另一方面，是增加控制变 量，包括流动性比例、不良贷款率、 民资持股比 例。结果依然支持前文结论 ( 囿于篇幅所限，结果 未列出) 。总的来看，本文回归结果稳健可靠。
五、进一步的研究
表 3 中的诊断性指标 ( hazard lambda 和 LR 检验) 均显著，说 明 “自选择偏误” 导致 的 内 生性问题非常严重，必须采用处理效应模型进行 纠正。为确保后续回归结果的可靠，下文研究与 基准回归保持一致，继续采用处理效应模型，并参照现有文献 的做法[1-2] ， 同时采用基于处理 效应模型 的 OLS 两步法和 MLE 估计进 行 实证 分析。
(一) 异质性影响: 不同类型零售贷款和不 同特征城商行
零售贷款主要由 “个人经营性贷款、个人住 房按揭贷款、个人消费贷款、个人汽车贷款” 构 成。表 7 检验了数字经济对不同类型零售贷款的 影响 : 列 ( 1 ) 和 列 ( 2 ) 是个人经营性贷款(business) ，DE_ d 的系数显著为正 ; 列 ( 3) 和 列 (4) 是个人住房按揭贷款 (mortgage) ，DE_ d 的系数显著为负 ; 列 (5) 和列 (6) 是个人消费 贷款 ( consume ) ，DE _ d 的 系 数 显 著 为 正 ; 列 (7) 和列 (8) 是个人汽车贷款 (car) ，DE_ d 的 系数显著为正。总的来看，数字经济对城商行零 售贷款业务的促进作用主要集中于个人经营性贷 款、个人消费贷款和个人汽车贷款，对于个人住 房按揭贷款则表现出抑制作用。
从抵押物来看 : 个人经营性贷款和个人消费 贷款具有无抵押的特点 ; 个人汽车贷款的抵押物 属于消耗品，其保值性较差 ; 个人住房按揭贷款 的抵押物则具有较好的保值增值能力，流转性也 相对较强。长期以来，我国城商行出于安全考虑， 所投放的零售贷款大都集中于个人住房按揭贷款 ( 部分城商行的房贷占零售贷款比重甚至超过八 成) 。这种零售贷款配置方式 “表面稳健，实则 畸形”，因为零售贷款板块的安全性与房价走势深度绑定，一旦房价出现波动，整个零售贷款板 块都将遭到拖累。随着数字经济发展水平的提升， 个人经营性贷款、个人消费贷款和个人汽车贷款 受到促进，个人住房按揭贷款则受到抑制，这说 明 : 数字经济有助于城商行的零售贷款板块 “回 归” 合理状态。
进一步地，表 8 从资产规模 (size) 和区位因 素 (local) 两个方面检验了数字经济对城商行零 售贷款占比的异质性影响。
首先，列 ( 1) 和列 (2) 中引入了城商行的 资产规模与数字经济的交互项。DE_ d 和 size×DE_ d 的系数均显著为正，说明 : 资产规模越大的城商 行，数字经济对其零售贷款占比的促进作用越大。
究其原因，资产规模大的城商行往往客户基数大、 业务覆盖面广，而且还具备规模经济[2] ，在开展 零售贷款业务的过程中更具优势，因而加强了数 字经济的 “赋能” 效果。
其次，列 (3) 和列 (4) 中引入了城商行的 区位因素与数字经济的交互项 (位于东部地区的城 商行，local = 1; 位于中西部地区的城商行，local = 0) 。DE_ d 和 local×DE_ d 的系数均显著为正，说 明: 相较于中西部地区的城商行，数字经济对东部 地区城商行零售贷款占比的促进作用更大。这主要 是我国数字经济发展不平衡造成的，东部地区数字 经济的发展水平大都高于中西部地区，因而对当地城商行零售贷款业务的 “赋能” 效果更好。
(二) 机制检验: 数字经济 “赋能” 城商行 风险管理和成本管理
近年来，传统的 “逐步回归法” 在机制检验 中，可靠性受到较多的批评与质疑[30] 。鉴于此， 本文采用交互项的方式进行了机制检验。表 9 考 察了数字经济对城商行风险管理和成本管理工作 的 “赋能” 效应。
表 9 列 ( 1) 中引入了城商行的风险管理能 力 (risk_ m) 与数字经济的交互项，风险管理能 力用 “100%-不良贷款率” 进行衡量[31] 。risk_ m 和 risk_ m ×DE_ d 的系数均显著为正，说明 : 在数 字经济发展水平较低时 (DE_ d = 0) ，风险管理能 力对零售贷款占比的影响为 0. 609; 在数字经济 发展水平较高时 (DE_ d = 1) ，风险管理能力对零 售贷款占比的影响为 1. 420 (0. 609+ 0. 811) 。 明 显地，数字经济发展水平的提升，强化了风险管 理能力对零售贷款占比的促进作用。列 ( 2) 的 结果同样支持该结论。
表 9 列 ( 3) 中引入了城商行的成本管理能 力 (cost_ m) 与数字经济的交互项，成本管理能 力用 “100%-成本收入比” 进行衡量[32] 。cost_ m 的系数不显著，cost_ m × DE _ d 的系数则显著为 正，说明 : 数字经济发展水平较低时 ( DE _ d = 0) ，成本管理能力未能促进零售贷款占比提升 ; 数字经济发展水平较高时 ( DE_ d = 1) ，成本管 理能力可以促进零售贷款占比提升。 明显地，数 字经济发展水平的提升，强化了成本管理能力对 零售贷款占比的促进作用。列 (4) 的结果同样 支持 该 结 论。 总 的 来 看，上述结果支持了假设 H2 。
(三) 调节效应: 零售贷款业务的发展环境
首先，表 10 考察了民生质量带来的影响。 列 ( 1) 和列 (2) 引入了各省份的人均可支配 收入 ( income) 与数字经济的交互项，系数显著 为正，说明 : 人均可支配收入的提升，有助于强 化数字经济对零售贷款占比的促进作用。 列 (3) 和列 (4) 引入了各省份的城镇登记失业率 ( lost) 与数字经济的交互项，系数显著为负，说 明 : 失业率的攀升，会抑制数字经济对零售贷款 占比的促进作用。 列 ( 5 ) 和列 ( 6 ) 引入 了各 省份的城镇基本医保参保率 ( insurance) 与数字 经济的交互项，系数显著为正，说明 : 城镇基本 医保参保率的提升，有助于强化数字经济对零售 贷款占比的促进作用。 列 ( 7 ) 和列 ( 8 ) 引入 了各省份的城乡居民收入差距 (gap) 与数字经 济的交互项，城 乡居民收入差距用 “城镇居 民 人均可支配收入/ 农村居民人均可支配收入” 衡 量。交互项系数显著为负，说明 : 城乡居民收入 差距的扩大，会抑制数字经济对零售贷款占比的 促进作 用。 总 的 来 看，表 10 的结果支持了假 设 H3 。
其次，表 11 中列 ( 1) 和列 (2) 考察了司 法质量带来的影响，司法质量用各省份每万人拥 有的律师数量进行度量[23]。justice× DE_ d 的系数显著为正，说明 : 司法质量越高的省份，数字经 济对零售贷款占比的促进作用越大。该结果支持 了假设 H4 。
最后，表 11 中列 (3) ～ (8) 考察了城市人 居环境质量带来的影响。本文主要从三个方面评 价了城市人居环境质量 : 一 是城市生态环境 (green) ，即各省份的人均公园绿地面积 ( 这是住 建部评价城市宜居度的重要指标) ; 二是城市交 通环境 (road) ， 即各省份的人均城市道路面积 ( 人均城市道路面积少，意味着道路负荷高，更 容易产生交通拥堵问题，进而降低城市人居环境 质量) ; 三是城市医疗环境 (medical) ，即每万人 拥有的医疗卫生机构数 ( 这是新冠疫情以来非常 受关注的指标) 。列 (3) 和列 (4) 引入了城市生态环境和数字经济的交互项，系数显著为正， 说明 : 城市生态环境建设越先进的省份，数字经 济对零售贷款占比的促进作用越大。列 ( 5) 和 列 (6) 引入了城市交通环境和数字经济的交互 项，系数显著为正，说明 : 城市交通环境建设越 先进的省份，数字经济对零售贷款占比的促进作 用越大。列 (7) 和列 (8) 引入了城市医疗环境 和数字经济的交互项，系数显著为正，说明 : 城 市医疗环境建设越先进的省份，数字经济对零售 贷款占比的促进作用越大。总的来看，列 (3) ~ (8) 的结果支持了假设 H5 。
六、拓展性研究 : 数字经济背景下城商行的 “资产转换” 行为
进一步地，本文在表 12 中考察了数字经济背 景下城商行的 “资产转换” 行为。列 ( 1) 和列 (2) 的被解释变量为城商行 “资产端” 的对公贷款占比 ( corporate) ，DE_ d 的系数显著为负， 说明 : 随着数字经济发展水平的提高 ，城商行 “资产端 ” 的对公贷款占比在 下 降 。 这 与 表 3 的结果形成鲜明对 比 ( 随着数字经济发展水平 的提高 ，城商行 “资产端” 的零售贷款占比在 上升) 。
城商行的 “资产端” 主要由对公贷款、零售 贷款、 同业资产以及金融资产构成，从资产配置 的视角来看 : 受数字经济发展的影响，城商行增 加 “资产端” 零售贷款配置的同时，减少了 “资 产端” 的对公贷款配置。换而言之，数字经济背 景下城商行 “资产端” 的 “零售贷款占比提升” 是以 “对公贷款占比降低” 为代价 的， 即存在 “替代效应”。 对公贷款对于支持实体经济发展、 推动产业结构升级具有重要意义，因此，从宏观 审慎的角度来看，这值得监管部门提高 “警惕”。
表 12 中列 (3) 和 (4) 的被解释变量为城商 行 “资产端” 的对公贷款占比 (corporate) ，引入 了经济环境 (GDP) 和数字经济的交互项。DE_ d 的系数显著为负，GDP×DE_ d 的系数则显著为正， 说明 : 随着经济增速放缓，数字经济对于对公贷 款占比 的负 向影 响会上升。表 12 中列 ( 5 ) 和 (6) 的被解释变量为城商行 “资产端” 的零售贷 款占比 ( retail) ，引入了经济环境 ( GDP) 和数 字经济的交互项。DE_ d 的系数显著为正，GDP× DE_ d 的系数则显著为负，说明 : 随着经济增速 放缓，数字经济对于零售贷款占比的正向影响会 上升。究其原因 : 对公贷款具有强周期性，在经 济增速放缓的情况下，企业客户的经营状况会恶 化，因而违约率会出现明显攀升 ; 零售贷款则具 有弱周期性，即使面临经济下行，借款人仍然会保持强烈的还款意愿。 因此，一旦经济增速放缓， 城商行为避免 “资产端” 的违约率攀升，会在数 字经济的助力下加速进行 “资产转换”，将资金 从对公贷款转向零售贷款。
七、结论与启示
(一) 结论
本文立足于城商行零售业务转型的实践，从 信贷资产配置的视角出发，研究了省域数字经济 发展给城商行 “资产端” 零售贷款占比带来的影 响。研究发现 : ①数字经济可以助推城商行零售 业务转型，对其 “资产端” 的零售贷款占比具有 显著的促进作用。一方面，这种促进作用主要集 中于个人经营性贷款、个人消费贷款和个人汽车 贷款，对于个人住房按揭贷款则表现出抑制作用 ; 另一方面，对于资产规模较大和东部地区的城商 行，数字经济的促进作用更为明显。②机制检验 表明 : 数字经济可以 “赋能” 城商行的风险管理 和成本管理，在数字经济发展水平较高的情况下， 风险管理和成本管理可以更好地促进零售贷款占 比提升。③调节效应检验表明 : 通过 “改善民生 质量、提升司法质量、 改善城市人居环境质量” 优化零售贷款业务的发展环境，可以强化数字经 济对城商行 “资产端” 零售贷款占比的促进作 用。④数字经济背景 下，城商行 “资产端” 的“零售贷款占比提升” 是以 “对公贷款占比降低” 为代价的，二者存在 “替代效应”，且在经济下 行期尤为明显。
(二) 启示
本文的政策启示直接蕴含于本文的结论之中 :
第一，城商行推进零售业务转型，要以坚持 服务实体经济为前提。零售业务转型要求城商行 大力发展零售贷款业务，但这并不意味着要放弃 对公贷款。城商行要通过 “合理控制对公贷款增 速、深入优化对公贷款结构” 的方式，更高质量 地服务实体经济。 当然，数字经济背景下，城商 行增加零售贷款配置是零售业务转型的必然要求， 但是减少对公贷款配置并不值得提倡 ( 对公贷款 对于 “支持实体经济发展、推动产业结构升级” 具有重要意义) 。在资金有限的前提下，城商行 可以优先压缩 “资产端” 的同业资产和金融资产 (减少金融体系内的资金空转) ，将节约的资金用 于零售贷款投放，不能有意压缩 “资产端” 对公贷 款的配置比例。从宏观审慎的角度来看，监管部门 也要适时对城商行的信贷投放给出指导意见，避免 城商行在零售业务转型过程中对企业客户进行 “惜 贷” “抽贷”，尤其是在当前经济增速放缓的背景 下，监管部门更需要加强信贷政策的引导作用。
第二，城商行要加强对省域数字经济的资金 支持。省域数字经济的 “赋能” 效应是助力城商 行实现零售业务转型的重要手段， 同时，省域数 字经济的发展也离不开城商行的资金支持。城商 行将信贷资源向数字经济领域做出倾斜，不仅有 助于促进数字经济稳健发展，也有助于数字经济 发挥 “反哺” 作用，助力城商行零售业务转型的 顺利进行。
第三，城商行要积极提升自身的数字化水平 : 一方面，前台业务部门要转换竞争思维，摆脱物 理网点的桎梏，通过数字化技术进一步实现 “流 程再造、模式升级”，借助线上渠道打造一体化 的服务体系，让零售贷款业务更加 “民生化、便 捷化和智慧化”; 另一方面， 中后台部门也要进 一步提高数字技术的应用，充分 “赋能” 自身风 险管理和成本管理工作，让风险管理和成本管理 成为加速自身零售业务转型的引擎。
第四，地方政府不是城商行零售业务转型的 旁观者，而是可以发挥助推作用的参与者。地方 政府可以通过 “改善 民生质量、提升司法质量、 改善城市人居环境质量” 优化零售贷款业务的发 展环境，助力城商行通过零售业务转型实现高质 量发展。
[注 释]
① 数据来自国家发展和改革委员会主任何立峰于 2022 年 10 月 28日在十三届全国人大常委会第三十七次会议上所作的报告。
② 2021 年 10 月 18 日， 习近平总书记在主持十九届中央政治局第三十四次集体学习时所强调。
③ 截至 2022 年 8 月末， 由央行主导建设的个人征信系统已收录11. 5 亿自然人信息 ( 数据来自中国人民银行征信管理局)
[参考文献]
[1] 史永东，郭子增，王龑. 从重资产到轻资产 : 商业模式转型 对银行绩效的影响——— 基于我国上市银行的研究 [J]. 商业 研究，2019 (7) : 77-83.
[2] 王龑，郭子增. 从 “重资产” 到 “轻资产”: 经营模式转型 是否影响了银行风险 [J]. 金 融 经 济 学 研 究，2019 ，34 (5) : 80-92.
[3] 胡俊，李强，刘颖琛，等. 商业银行金融科技对零售贷款的 影响——— 基于年报 的文本分析 [J]. 管理评论，2021 ，33 ( 11) : 298-311.
[4] 谢治春，赵兴庐，刘媛. 金融科技发展与商业银行的数字化 战略转型 [J]. 中国软科学，2018 (8) : 184-192.
[5] 郭亦能， 肖斌卿. 数字经济时代开放银行发展模式与路径 : 中英两国对 比研 究 [J]. 河海大 学 学报 ( 哲 学 社会科 学 版) ，2021 ，23 (4) : 51-59.
[6] MINETTI R , HERRERA A M.Informed finance and technological change : evidence from credit relationships [J].Journal of fi- nancial economics，2015.83 ( 1) : 223-269.
[7] ITAY G，WEI J，ANDREW K G.To fintech and beyond [J]. Review of financial studies，2019.32 (5) : 1647-1661.
[8] 孙光林，蒋伟. 数字经济对商业银行不良贷款率的影响机制 研究 [J]. 证券市场导报，2021 (5) : 37-44.
[9] 王建清. 数字经济对我国银行业的几大挑战 [J]. 社会科学 研究，2001 (4) : 37-39.
[10] MOWRY M J .Banking’s digital arms race [Z].Business NH magazine，2015.
[11] 易宪容，陈颖颖，位玉双. 数字经济中的几个重大理论问 题研究——— 基于现代经济学的一般性分析 [J]. 经济学家， 2019 (7) : 23-31.
[12] 王诗卉，谢绚丽. 经济压力还是社会压力: 数字金融发展与 商业银行数字化创新 [J]. 经济学家，2021 ( 1) : 100-108.
关注SCI论文创作发表，寻求SCI论文修改润色、SCI论文代发表等服务支撑，请锁定SCI论文网！
文章出自SCI论文网转载请注明出处：https://www.lunwensci.com/jingjilunwen/76698.html
