【摘"要】隨著我國金融體制改革以及普惠金融的發展，防范化解中小金融機構和銀行風險是維持金融系統穩定性的重要攻堅任務。通過從數字普惠金融的視角出發，對銀行的風險承擔行為進行實證研究，發現數字普惠金融的發展能夠有效降低商業銀行所承擔的風險水平。論文通過運用數字普惠金融指數和BankScope全球銀行數據庫，運用我國139家銀行2011-2019年的數據，通過面板固定效應模型考察了數字普惠金融對商業銀行風險承擔的影響。研究結果表明，數字普惠金融的發展能夠有效降低商業銀行承擔的風險。數字金融的覆蓋程度越廣，商業銀行的穩定性越好，所經受的風險程度越低；數字金融的使用程度越深，商業銀行所承擔的風險也越低。在異質性方面，無論是農村商業銀行還是城市商業銀行，數字普惠金融的發展都能增加他們的穩定性，因而也能提升他們的風險承擔能力，但對于股份制商業銀行，其作用并不顯著。【關鍵詞】數字普惠金融；銀行風險承擔；固定效應；金融風險防范1引言當前全球經濟受地緣沖突與行業風險疊加影響，金融系統穩定性面臨嚴峻考驗。我國房地產企業債務危機、包商銀行破產等事件折射出商業銀行風險防控的緊迫性。黨的二十大報告與2023年國務院發布的《國務院關于推進普惠金融高質量發展的實施意見》均強調，需統籌金融安全與發展，完善現代金融監管體系，堅決守住不發生系統性風險底線。在此背景下，探究銀行風險的決定性因素及化解路徑具有重要現實意義。數字技術的突破重構了金融生態格局。移動支付與互聯網金融平臺（如螞蟻集團、京東金融）的快速發展，推動普惠金融進入數字化新階段。數字普惠金融通過技術賦能降低服務成本、拓展覆蓋半徑，有效提升長尾客群金融服務可得性。據《北京大學數字普惠金融指數（2011-2020）》顯示，北京市指數十年間增長5倍，江西省更實現11倍躍升，印證其在全國范圍的迅猛發展態勢。然而，數字普惠金融的推廣高度依賴商業銀行體系支撐——地方銀行需從傳統對公信貸業務轉向服務小微企業與低收入群體，這種戰略轉型可能引致風險承擔行為的結構性變化。核心問題在于：數字普惠金融究竟如何影響地方銀行風險水平？其作用機制與傳導路徑為何？這對防范系統性金融風險具有關鍵政策價值。本文基于北京大學數字普惠金融指數與2011-2020年地方商業銀行數據，系統考察二者關聯效應。研究發現，數字普惠金融通過三重機制作用于銀行風險：一是技術驅動的業務下沉擴大客戶覆蓋，但可能加劇信息不對稱導致的信用風險；二是線上化服務降低運營成本，提升風險抵御能力；三是市場競爭加劇倒逼銀行風險偏好上升。實證結果顯示，數字普惠金融對區域性銀行風險存在“雙刃劍”效應：初期技術應用可優化風控效率（風險降低3.8%～5.2%），但過度依賴數據模型可能導致風險低估，長期看可能誘發風險累積（滯后效應顯著度達10%）。2文獻綜述本文的研究綜述主要分為兩部分，一部分是利用Citespace軟件分析近13年來與商業銀行風險相關的研究重點；另一部份則是通過文獻梳理，對數字普惠金融、數字普惠金融對商業銀行風險的影響兩類文獻進行梳理。2.1商業銀行風險本文以金融和商業銀行風險作為主體詞在中國知網中進行高級檢索，檢索時間為2010年至2023年12月份，期刊來源設置為CSSCI，得到相關文獻總計1023篇，因本文選擇的期刊來源為CSSCI所有不存在會議記錄、新聞報導、期刊通知等關聯度較弱的文獻，所以本文選取的文獻與研究主題有高度的關聯性。2.1.1關鍵詞共現分析本文基于關鍵詞共現分析法構建金融與商業銀行風險研究圖譜，共納入474個關鍵詞及1125條關聯線，密度為0.01。圖譜顯示，關鍵詞節點大小反映頻次（如“系統性風險”“信用風險”頻次最高），圈層數量表征研究時長，連線粗細體現關聯強度。高頻關鍵詞顯示三大研究焦點：一是風險類型，集中于系統性風險、信用風險及流動性風險；二是監管領域，涉及風險管理、利率市場化及金融監管；三是科技關聯，金融科技、互聯網金融等技術驅動型風險研究隨數字化進程加速崛起，折射出科技與金融深度融合的趨勢特征。2.1.2主題演進分析2010-2023年商業銀行風險研究呈現階段性特征：2015年前聚焦風險度量、信貸增長及道德風險；2015年后，伴隨移動互聯網發展，研究轉向互聯網金融、數字金融及銀行數字化轉型。當前研究重點為數字技術對地方性商業銀行風險的影響，反映了風險影響因素的動態演變，涵蓋數字技術、普惠金融及互聯網金融等領域。2.2數字普惠金融相關研究本文基于知網北大核心與CSSCI期刊數據，利用Citespace對1089篇“數字普惠金融”文獻進行關鍵詞分析，發現高頻主題為共同富裕（82）、鄉村振興（79）、融資約束（74）等，表明共同富裕關聯研究最受關注。現有研究聚焦三大領域：一是農業高質量發展，數字普惠金融顯著促進農業效率提升，并呈現雙重門檻效應；二是鄉村振興，其影響呈“U型”關系，但受區域差異與技術條件制約；三是農村居民消費，其對中西部消費升級拉動作用顯著，主要通過收入增長與產業結構升級實現。此外，綠色發展研究集中于綠色創新與農業低碳轉型，未來需深化風險傳導機制及區域異質性研究，探索數字普惠金融與生態目標的協同路徑。2.3普惠金融與銀行風險相關研究現有研究表明，數字金融對商業銀行風險具有顯著影響。趙家琪等[1]發現，基礎設施覆蓋越廣，線上貸款渠道越暢通，銀行不良貸款率越低；李振新等[2]通過系統GMM模型揭示，數字金融通過提升資產收益率、降低杠桿率及增強資本流動性3種渠道降低銀行風險，并具有空間溢出效應；吳本健等[3]指出，數字普惠金融與農村金融機構風險承擔呈倒U型關系，且對大中型金融機構風險降低作用更顯著。然而，現有研究多聚焦數字金融或銀行數字化轉型，鮮有文獻直接探討數字普惠金融與商業銀行風險承擔的關系。本文創新性地結合北大數字普惠金融指數，系統分析二者關聯，為防范系統性金融風險提供新視角。由以上分析本文提出以下假設：數字普惠金融能夠提升商業銀行穩定性從而降低商業銀行風險水平。3數據來源與模型設定3.1數據來源本文數據來源包括：①Bankscop數據庫，篩選內資商業銀行樣本，剔除數據缺失嚴重及外資銀行，獲取資產負債率、貸款損失準備金率等微觀指標；②《北京大學數字普惠金融指數（2011-2020）》，涵蓋各省市數字普惠金融指數、覆蓋廣度、使用深度及細分領域數據；③Wind數據庫及國家統計局，補充GDP、財政收入等宏觀控制變量。數據經清洗后，按銀行注冊地匹配至相應省份，確保研究樣本的完整性與代表性。3.2變量定義①被解釋變量：商業銀行穩定性。本文用z值，即銀行距離其破產的程度，來衡量商業銀行穩定性水平，從而體現商業銀行風險水平。②解釋變量：數字普惠金融指數（Index）。本文參考李振新等的研究，采用北京大學發布的數字普惠金融指數來衡量我國各地區普惠金融發展程度。同時利用數字普惠金融覆蓋廣度（Coverage）、使用深度（Usagedepth）等變量，探究其對商業銀行風險承擔的影響。③控制變量：資產負債率（Dtar），貸款損失準備金率（Llr），銀行規模（lntcap），核心資本充足率（Ccar），各省份國民生產總值增長率（Gdpr），財政分權（Fiscal）。3.3模型設定本文參考Houstonetal.[4]以及張文菲等[5]的研究方法，數字普惠金融作為解釋變量，將z值銀行風險作為被解釋變量，將與銀行自身經濟效益相關的各項指標以及我國宏觀經濟層面的經濟指標作為本文的控制變量，設定模型如下：lnzit=α+βIndexit+ηＣtrl+δi+δt+εit式中，lnzit表示某個銀行在某一年的風險承擔水平，Indexit是本文的核心解釋變量，文章將銀行注冊地歸類至其所在的省份，因此該解釋變量表示某一地區的銀行某一年的數字普惠指數，指數越大，表明數字普惠金融發展程度越好；Ｃtrl是本文所包含的控制變量，包括核心資本充足率、資產負債率和財政分權等；δi、δt分別表示個體固定效應和時間固定效應；而εit則表示隨機擾動項。3.4變量描述性統計主要變量描述性統計結果如表1所示。4數字普惠金融與商業銀行風險：實證分析4.1基準實證結果與分析本文基于固定效應模型的回歸分析，探討數字普惠金融對提升商業銀穩定性從而降低商業銀行風險的影響效果。具體結果如表2所示，列（1）基準回歸結果顯示，在控制銀行個體及時間固定效應后，數字普惠金融指數的系數顯著為正（1%水平），表明其發展能有效提升商業銀行穩定性并降低風險承擔。列（2）為覆蓋廣度層面回歸結果，數字基礎設施完善帶來的服務對象擴張顯著降低了銀行風險。通過覆蓋更多“長尾客戶”，銀行得以減少對地方性國企的長期貸款依賴。短期、高流動性的普惠貸款不僅提高資產收益率，還通過優化資產結構降低賬面杠桿率，尤其改善了地方商業銀行的風險指標。列（3）為使用深度層面回歸結果，數字化平臺的高頻交互數據構建了動態信用評估體系。用戶貸款行為與還款記錄形成實時反饋機制，使得銀行能精準識別信用風險。高頻使用強化了風險監測能力，顯著降低不良貸款率，這一機制對信息獲取相對薄弱的中小銀行尤為重要。列（4）為加入銀行規模、資本充足率等控制變量后的回歸結果，顯示數字普惠金融指數的正向效應仍保持1%水平顯著性。研究揭示了雙重作用路徑，一方面通過擴大服務邊界優化資產結構；另一方面依托數據賦能提升風控精度。這種數字化革新不僅突破地域限制拓展客群，更通過風險預警機制有效管控傳統金融模式下的長尾風險，為商業銀行風險治理提供了新思路。4.2異質性分析為檢驗數字普惠金融對商業銀行風險承擔的異質性影響，本文將樣本分為農村商業銀行、城市商業銀行和股份制商業銀行三類進行回歸分析。具體結果如表3所示，數字普惠金融對各類銀行的影響存在顯著差異。列（1）結果顯示數字普惠金融顯著提升農村商業銀穩定性從而降低商業銀行風險。這與吳本健等提出的倒“U”型特征一致，表明當前數字普惠金融對農村銀行風險的影響已進入抑制階段，有助于提升其穩定性。列（2）結果顯示，數字普惠金融顯著提升城市商業銀穩定性從而降低商業銀行風，主要因其通過服務居民和中小微企業的短期貸款需求，增強了資本流動性與收益能力。列（3）結果顯示，數字普惠金融對股份制商業銀行的風險影響不顯著，可能與其客群結構及業務模式差異有關。這些發現為差異化監管政策的制定提供了依據，同時也表明數字普惠金融的風險緩釋效應具有明顯的銀行類型異質性，未來需進一步探索其作用機制及政策適配性。5結論與建議數字普惠金融通過技術賦能加速發展，成為推動經濟轉型的重要力量。本文基于2011-2019年我國139家銀行數據，運用面板固定效應模型分析發現：數字普惠金融能顯著降低商業銀行風險，其覆蓋廣度與使用深度均與商業銀行穩定性呈正相關即可降低商業銀行風險水平。異質性檢驗表明，該效應在農村商業銀行和城市商業銀行中顯著（風險降幅達12%～15%），但對股份制銀行影響不顯著，可能與后者客群結構和風控體系差異相關。因此本文提出以下政策建議：①商業銀行應加速數字化轉型，推動傳統網點智能化升級，構建自有數字服務平臺或與互聯網企業