我国商业银行数字化与信贷配给：基于上市银行面板数据的实证研究.pdf

江元等：我国商业银行数字化与信贷配给：基于上市银行面板数据的实证研究第2期肇庆学院学报JOURNAL OF ZHAOQING UNIVERSITY第45卷 第2期2024年3月Vo1.45,No.2Mar.2024收稿编号：2023.12.18.0003基金项目:国家社科基金西部项目“家庭迁移视角下西部民族地区进城牧民社会融入机制研究”（20XMZ072）作者简介：江元（1985-），男，河北石家庄人，肇庆学院经济与管理学院讲师，博士.通信作者：叶懿萍（1989-），女，广东肇庆人，肇庆市金融服务中心中级经济师，硕士.1引言金融数字化是大数据、云计算、物联网等数字科技与金融机构的业务产品、应用场景、技术架构、组织架构融合发展的时代产物.近些年，我国商业银行数字化转型发展得到国家大力支持，2022年中国银保监会发布的 关于银行业保险业数字化转型的指导意见 中提出了“到2025年，银行业保险业数字化转型取得明显成效”、“数字化金融产品和服务方式广泛普及”的商业银行数字化转型中长期目标.信贷业务是商业银行最为基础的资产业务，是全社会融资最为重要的“输血器”，但是长期以来我国商业银行的信贷市场普遍存在着信贷配给问题.剖析影响我国商业银行信贷配给的重要因素，20世纪70年代以信息经济学为基础发展起来的现代信贷配给理论有着较好的理论解释力，信贷配给理论从商业银行信贷定价修正、政府实施信贷补贴、抵押品等维度提出了优化信贷配给的解决方案.回归现实，商业银行数字化转型过程中大数据、云计算、区块链等数字技术的应用，必将改变现代信贷配给理论中所设定的假设条件，数字化在商业银行信贷配给实践层面的先行推广需要在学术界紧随其步.那么数字化对于商业银行信贷配给将会产生何种现实影响？如何将数字化作为新的解释变量纳入现代信贷配给理论模型，进一步增强模型的现实解释力？研究上述核心命题对于加快数字科技在商业银行信贷市场的应用推广，完善数字化对于商业银行信贷配给影响的理论解释有着较为重要的现实意义与理论意义.与以往文献相比，本研究主要创新与贡献包括以下3个方面：一是对现代信贷配给理论中的经典S-W模型进行了补充修正，将数字化作为新变量纳入模型，增强了模型的现实解释力.二是利用网络爬虫技术和“文本挖掘法”，构建了商业银行微观个体层面的数字化水平指标，补我国商业银行数字化与信贷配给：基于上市银行面板数据的实证研究江元1，叶懿萍2（1.肇庆学院 经济与管理学院，广东 肇庆 526061；2.肇庆市金融工作局 肇庆市金融服务中心，广东 肇庆 526040）摘 要：近些年我国商业银行数字化转型得到了国家大力支持，数字化对于商业银行信贷业务的影响日渐深远.本研究旨在探讨商业银行数字化对信贷配给的影响，将数字化作为关键变量纳入了S-W模型，并提出数字化对于信贷供给、信贷结构和信贷价格影响的相关理论假说.在此基础上，本研究还利用2010-2020年42家上市商业银行面板数据对理论假说进行了实证检验.研究结果表明数字化有利于增加商业银行信贷供给、优化信贷结构，但是对于信贷价格并没有显著影响.在异质性分析中，大型商业银行的数字化水平提高对增加信贷供给和信贷结构优化的影响要大于非大型商业银行.基于实证结果，本研究提出了分类实施商业银行的数字化路径、加强智慧营销和数字风控等政策建议.关键词：数字化；信贷配给；信贷供给；信贷结构；信贷价格中图分类号：F83文献标志码：A文章编号：1009-8445（2024）02-0059-10肇庆学院学报第45卷充了现实经验数据.三是依托我国上市银行面板数据，通过联立方程组计量模型和三阶段最小二乘法检验了商业银行数字化水平对信贷供给、信贷结构和信贷定价的影响.2文献综述信贷配给理论是一种非均衡信贷市场理论，其理论的核心观点是价格机制无法自动调节信贷市场出清，于是产生了信贷需求难以得到满足的信贷配给现象.总而言之，信贷配给现象可以划分为两种情况：第一种情况是在在借款人进行信用评级基础上，一部分人即使愿意支付更高利率也难以获得信贷供给；二是借款人的借款需求存在信贷缺口，只能部分满足需求1.解释信贷配给现象产生的根源，国外学术界存在以下几种观点：一是信贷合约缺乏差异化弹性.在竞争市场中基于非对称信息、信贷收益不确定性前提，对所有借款人都具有相同贷款条件的单合约均衡就会产生信贷配给现象2.第二种情况是“逆向选择”和利率刺激效应.事前信息不对称导致银行难以充分辨别客户的真实信用，于是会采取上浮信贷利率的“风险补偿”机制，从而出现高信用客户拒绝信贷利率风险溢价的“逆向选择”现象,同时较高的利率定价也会对低信用客户追逐高风险项目产生“刺激效应”3.三是较高的事后监督成本.如果将信贷事后监督成本计入信贷定价，提高信贷事后审查频率或审查成本也会出现信贷配给现象4.四是满足信贷市场存在的超额需求现象，利率并不能作为影响借款人行为的唯一约束条件.降低信贷合约违约率，还需要加入担保品、压低信贷规模及信贷供给等非价格机制5.与国外学者侧重对信贷配给现象进行理论解释不同的是国内学者对于信贷配给现象的研究大都聚焦于分析具体现实问题.在宏观层面，信贷市场是我国央行货币政策的传导“渠道”，信贷配给会加剧紧缩性货币政策效果，但是会减弱扩张性货币政策效果6.信息不对称条件下商业银行与贷款对象之间形成的关系型信贷配给，在一定程度上具有自发抑制我国宏观经济衰退的作用.在微观层面，我国商业银行具有的天然风险厌恶性导致信贷向大企业集中，从而中小企业、个体户的信贷可得性大大降低，通过非正规金融渠道会抬高融资弱势微观主体的融资成本7.抵押信贷是解决信贷配给现象的一种有效方式，但是企业资产规模小于或者等于商业银行临界抵押品价值量的微观主体，依然会在信贷配给中被排除8.随着近些年商业银行数字化转型加快，国内部分学者开始关注数字化对我国商业银行信贷配给的影响.从信贷供给角度看，蚂蚁金服、京东金融、陆金所等网络借贷平台的发展会对银行信贷业务产生“替代效应”，可以提高中小企业信贷可得性，缓解中小企业融资约束9，降低企业对商业银行信贷的依赖程度10.从控制银行信贷风险角度看，数字科技在商业银行中后台信贷审查、审批过程中的应用，可以降低商业银行的风控成本、提高风控效率11，有效降低商业银行不良贷款率12.同时数字化可以使得商业银行更加注重小微客户，推动零售业务数字化创新有利于商业银行实现个体化、差异化服务和定价13.基于已有文献,我们可以看出国外对信贷配给现象的研究年份较早，且偏重于理论层面.近些年国内学者开始关注数字化对商业银行信贷配给的影响作用，但是已有研究体现出了多视角且侧重于现实分析的特点，与信贷配给理论的结合不足，并没有在经典信贷配给理论模型中考虑数字化的影响作用.本研究认为信贷配给理论对于解释商业银行信贷行为具有较强理论生命力，近些年我国商业银行数字化转型也为信贷配给理论发展深化提供了现实土壤.在学理方面将数字化变量作为新解释变量纳入信贷配给模型，并通过实证进一步阐释数字化对商业银行信贷配给的影响是本研究的主要工作和边际贡献.60江元等：我国商业银行数字化与信贷配给：基于上市银行面板数据的实证研究第2期3理论模型与研究假说信贷配给是银行信贷市场的典型现象，微观领域商业银行对借款者信贷支持并非完全取决于借款人所提供的抵押品和意愿接受的资金成本（利率），信贷市场长期存在的有效供给不足背后是银行信贷市场的价格机制与信息机制的“失灵”问题.由于信息经济学的引入，在70年代末到90年代逐渐形成了解释信贷配给现象的现代理论体系，其中以Stiglitz和Weiss创造的S-W模型最具影响力，但是S-W模型只考虑了利率对于信贷配给的作用机制，并且将信贷借贷双方的信息不对称作为外生给定条件，无法说明数字化对于银行信贷决策的内生影响.本研究在参考Baltensperger、刘祚祥等国内外学者相关研究基础上14-15，对S-W模型进行了必要修正完善，以便更贴合现实和本研究的分析逻辑.3.1 假设条件1.假设借款人所有投资项目的融资都利用银行贷款；2.借款人拥有的特定投资项目的银行贷款不能用于其他项目投资；3.假设项目风险在借贷双方之间存在信息不对称，项目的风险水平设定为，(0,max)；4.借款者的投资项目收益率和贷款利率定价符合资产定价模型（CAPM）的有效边界条件；5.市场无风险利率与银行信贷基准利率属于外生给定的常数.3.2 基础模型借款人投资项目预期收益率函数为：Ri=rf+ki，其中Ri为项目i的预期收益率，rf为市场无风险收益率，i表示项目风险收益率，k表示项目i的风险系数，ki表明项目i的风险溢价收益率.同理，银行对项目i的贷款利率函数为：Ii=ib+li，ib为基准利率，li表示项目i的风险溢价利率.于是，借款人选择借款的临界条件为：RiII，可知借款人只有在投资项目收益率大于或等于银行信贷利率时才选择贷款.故可以推出临界条件上的风险水平：*=ib-rfk-l，由于*0，令ibrf即银行信贷基准利率大于市场无风险利率，可以得出kl，说明项目的风险系数对于借款人和银行具有非对称分布特征，借款人相较于银行具有更高的风险系数.若提高基准利率水平，在临界条件上借款人就会追求风险系数更高的项目，从而产生利率“激励效应”.3.3 理论假说假设银行采用数字技术后可以通过甄别项目信息来控制风险，银行可以将项目i风险控制在(*,*+h)区间，超过临界风险水平h以上的项目将被排除授信之外，h表示临界风险偏离度.令随机过程N(h)为h内出现风险的事件个数，假设N(h),h0是速率为的泊松过程，即对一切*,h0，PN(*+h)-N(*)=n=e-h(h)nn!，0，n为自然数(n=0,1,2,)，则在h内出现风险事件的期望值为EN(h)=h.若每次事件发生时能够以为常数的概率P被监测且0p1，则能够被监测的风险事件期望值为hp.令(h)是出现风险事件概率的指数函数，则能够被监测的信贷风险期望值为=ehp.于是，可以推出在风险可监测条件下银行信贷期望利率函数为：I=ib+l=ib+lehp（1）借款人的项目期望收益函数为：R=rf+k=rf+kehp（2）假设商业银行数字化水平参数为t，而临界风险偏离度h是关于t的单调递减函数即ht0，说明商业数字化水平越高，临界风险偏度度越低，商业银行所面临的风险域越小.下面从信贷供给、信贷结构和信贷定61肇庆学院学报第45卷价3个维度就数字化对信贷配给的影响进行分析.3.3.1 数字化对信贷供给的影响本研究将存贷比即存款转化贷款效率视为衡量信贷供给的指标.假设商业银行存贷比是关于t的函数(t)，将商业银行存款负债成本纳入收益模型，银行信贷期望收益率函数变为：=I-s=ib+l-is(t)，其中银行存款负债的成本率为s，is为存款利率且为外生给定常数.于是商业银行期望收益最大化的边际条件为t=0，根据边际条件可得：t=lpehpht+is2t=0.进而推出：ht=-is21lhe-hpt，又由于ht0.因此，本研究提出：假说1：数字化水平提高可以提高商业银行存贷比，有利于商业银行增加信贷供给.3.3.2 商业银行数字化对信贷结构的影响结合信贷配给理论，本研究将信用贷款视为担保贷款的替代品，利用信用贷款占比指标来衡量商业信贷结构优化.假设商业银行采取信用贷款，则（1）式变为：I=ib+c=ib+cehp（3）c表示信用贷款风险系数.令I=R，由（2）、（3）式推导得出c=k-(ib-rf)e-hp，说明信用贷款风险系数与项目风险系数正相关.对c求t的导数，可得：ct=P(ib-rf)e-hpht.又因为ibrf且ht0，易证：ct0，说明数字化水平提高可以降低信用贷款风险系数.因此，本研究提出：假说2：数字化水平提高可以降低信用贷款风险，有利于商业银行提高信用贷款占比，从而实现信贷结构优化.3.3.3 商业银行数字化转型对信贷价格的影响对（1）式期望利率求t的导数，可得：It=lpehpht，由于ht0，易证It0，说明数字化水平对信贷价格具有负相关关系，数字化水平提高可以降低信贷价格.因此，本研究提出：假说3：数字化水平提高可以降低商业银行信贷价格，有利于降低企业融资成本.4实证模型设计4.1 样本说明与数据来源大数据是数字经济的核心词汇，在时间维度上要早于以2013年余额宝上线作为数字金融发展标杆事件的判断标准16-17.基于此原因，本研究将样本期设定为2010-2020年.本研究以我国42家上市商业银行作为研究样本，样本包括了大型国有商业银行、全国性股份制商业银行、城市商业银行和农村商业银行，样本剔除了政策性较强的村镇银行与政策性银行，基本涵盖了所有商业银行类型.本研究商业银行的微观数据主要来自Wind数据库、CSMAR数据库和RESSET数据库，宏观经济数据主要来自中经数据库，经过手工整理最终形成了42家上市商业银行的面板数据.4.2 研究变量选取4.2.1 被解释变量本研究的被解释变量主要依据理论模型推导所得的假说进行选取.（1）信贷价格.本研究选取了贷款收益率作为代理变量，该指标为贷款利息收入与贷款总额的比值.（2）信贷结构.本研究选取了信用贷款占比，62江元等：我国商业银行数字化与信贷配给：基于上市银行面板数据的实证研究第2期该指标为信用贷款占总贷款比重.（3）信贷供给.本研究选取了存贷比指标，该指标为贷款总额与存款总额的比值，反映了商业银行存款转化为贷款的效率.4.2.2 核心解释变量本研究的核心解释变量为商业银行数字化水平指标.目前，国内学术界关于商业银行数字化水平测度的文献较少，学术界大都采用北京大学数字普惠金融指数18.但是北京大学数字普惠金融指数难以分析金融供给端的数字化水平，且指数偏重于宏观和中观层面.为克服数据层面的障碍，本研究参考国内一些学者采取的“文本挖掘法”来测算商业银行数字化水平19.由于本研究采用的研究样本为上市商业银行，上市商业银行需要对公司重要经营决策事项进行公开披露，所披露的数字化转型相关信息真实性和可信度较高，所以采用“文本挖掘法”抓取和计算的词频信息来构建样本银行的数字化水平指标具备一定科学合理性.本研究构建商业银行数字化水平测度指标的具体步骤如下：第一，建立指数初始词库.本研究将数字经济指数分为底层技术、获客方式、技术应用、数据管理、应用场景5个维度，确定了表1的初始词库.第二，通过Python软件进行百度搜索，手工整理了2010-2020年42个样本商业银行的关键词年度词频，最终得到51512条数据.第三，运用Pearson相关分析法，删除了与样本被解释变量相关系数小于0.3的字段.第四，运用熵值法确定词库字段权重，同时对字段词频进行加权和标准化处理20.我们还考虑了银行规模对数字化的影响，将加权和标准化处理的指标除以贷款总额后取自然对数，最终得到样本商业银行数字化水平的面板数据.表1 商业银行数字化水平指标初始词库4.2.3 控制变量本研究选取的控制变量包括两类：一类是商业银行特征变量；另一类为宏观经济变量.商业银行特征变量主要选取宏观审慎监管（MPA）评估体系的核心指标包括资本充足率、流动性比例、不良贷款率，另外基于商业银行经营管理考虑添加了资产收益率和存款规模2个指标，存款规模指标采用存款总额的自然对数21.宏观经济层面控制变量主要考虑货币环境、投资和消费对商业银行信贷的影响，采用广义货币增长率、全社会固定资产投资完成额增长率、社会消费品零售总额增长率3个指标.本研究的变量介绍见表2，由于样本存在部分缺失数据，样本个体数量大于时间期，样本数据为非平衡短面板数据.本研究的变量描述性统计结果如表3所示.4.3 实证模型设计为规避被解释变量之间互为因果关系和遗漏变量产生的内生性问题.本研究选择采用联立方程组的方法对变量进行系统估计，构建了包含三个方程的联立方程组实证模型.模型具体如下：DLRit=Digitalit+LRRit+DSit+NPLit+CARit+M2it+TIit+TCit+itCLRit=Digitalit+DLRit+NPLit+M2it+TIit+TCit+itLRRit=Digitalit+DLRit+LRit+ROAit+NPLit+CARit+M2it+TIit+TCit+it由于多方程系统内存在内生解释变量，对每个方程进行单一方程估计会忽略了不同方程之间扰动项可能存在的相关性导致估计缺乏效率，所以将方程组视为一个整体利用SUR进行系统估计是有效的.本研究采维度底层技术获客方式技术应用数据管理应用场景词句表述大数据用户分层人脸识别数据识别数字借贷区块链个性化服务语音识别数据采集数字支付人工智能用户触网NFC数据验证智能客服物联网客户引流二维码数据整合数字证书云计算用户体验指纹识别数据分析智能投顾63肇庆学院学报第45卷用最常见的系统估计方法“三阶段最小二乘法”，三阶段最小二乘法可以视为两阶段最小二乘法与SUR相结合的方法，可以有效解决方程之间存在的序列相关问题和内生解释变量问题，具体过程参见Greene和陈强的相关研究22-23.5实证结果分析5.1 基准回归结果分析5.1.1 数字化对商业银行信贷供给的影响表4考察了20102020年数字化对我国商业银行信贷供给的影响，显示了联合方程组普通最小二乘法、两阶段最小二乘法和三阶段最小二乘法的回归结果.实证结果表明，商业银行数字化水平和存贷比（DLR）在1%水平下存在显著正相关关系，普通最小二乘法、两阶段最小二乘法和三阶段最小二乘法的估计系数分别为0.016、0.020、0.023，说明商业银行提高数字化水平可以显著提高存贷比，进而增加信贷供给.控制变量中资本充足率（CAR）对于存贷比（DLR）存在较为显著的负向影响.这是由于商业银行信贷投放主要受巴塞尔协议中资本充足率约束，并且我国央行实施的宏观审慎评估指标中（MPA）也将资本充足率作为控制银行杠表2 本研究的变量定义变量类型被解释变量核心解释变量控制变量变量名称信贷价格信贷结构信贷供给数字化水平资本充足率流动性比例不良贷款率资产收益率存款规模广义货币增长率全社会投资水平全社会消费水平变量符号LRRCLRDLRDigitalCARLRNPLROADSM2TITC变量定义信贷利息收入/贷款总额信用贷款总额/贷款总额贷款总额/存款总额各商业银行年度数字化水平指数各商业银行资本充足率流动资产/流动负债各商业银行不良贷款率净利润/平均总资产各商业银行存款规模M2增长率全社会固定资产投资完成额增长率社会消费品零售总额增长率表3 变量的描述性统计变量DigitalDLRCLRLRRCARROALRDSNPLM2TITC观测数385459451460457451453457462462462462均值2.4920.6890.1820.0720.1280.010.5168.7380.0140.1240.1030.111标准差3.7530.150.1040.0250.0170.0050.151.640.0080.0340.0570.069最小值0.0130.2630.0030.0050.0560.0010.2765.1840.0010.0810.027-0.048最大值15.2121.2340.5120.220.2430.0921.25212.4350.0770.1890.2040.23364江元等：我国商业银行数字化与信贷配给：基于上市银行面板数据的实证研究第2期杆率和信贷投放的最重要指标.另外，三阶段最小二乘法估计模型中的控制变量不良贷款率（NPL）对存贷比（DLR）在10%水平下具有负向影响，表明不良贷款率降低可以有效增加信贷投放.回归结果符合经验判断.本研究理论模型的假说1得到验证.5.1.2 数字化对商业银行信贷结构的影响表5考察了20102020年数字化对我国商业银行信贷结构（信用贷款占比）的影响.通过实证结果可以看出，数字化水平对信用贷款占比的估计系数中普通最小二乘法估计结果与两阶段最小二乘法、三阶段最小二乘法估计结果差别较大，普通最小二乘法的估计结果并不显著，而两阶段最小二乘法与三阶段最小二乘法的估计系数分别在10%和1%水平下显著.由于对单一方程进行普通最小二乘法估计缺乏效率，所以模型估计结果主要参考两阶段最小二乘法和三阶段最小二乘法的估计系数和显著水平.在两阶段最小二乘法和三阶段最小二乘法估计系数显著条件下可以接受商业银行数字化水平对信用贷款占比具有正向影响的实证结果，数字化水平提高可以优化商业银行信贷结构.本研究理论模型的假说2得到验证.5.1.3 数字化对商业银行信贷价格的影响表6给出了20102020年商业银行数字化水平对信贷收益率（LRR）的影响结果.可以看出，核心解释变量数字化水平对信贷收益率的回归结果无论是普通最小二乘法还是两阶段最小二乘法、三阶段最小二乘法的估计结果均不显著，说明商业银行数字化水平提高对于信贷价格没有显著影响.控制变量中存贷比（DLR）对信贷收益率在10%水平下存在显著正向影响，而资本充足率（CAR）对信贷收益率在1%水平下存在显著负向影响，资产收益率对信贷收益率（ROA）在1%水平下有显著正向作用.本研究理论模型的假说3没有得到证实.5.2 异质性分析表7考察了大型和非大型商业银行数字化水平变动对信贷供给、信贷结构和信贷价格的影响.由于执行分组回归后，核心解释变量对被解释变量的两阶段最小二乘法与三阶段最小二乘法的估计系数和表4 数字化发展水平与商业银行存款转化效率实证分析DLRDigitalLRRDSNPLCARM2TITC_Cons（1）OLS0.016*（0.003）0.281（0.276）0.029*（0.004）0.132（1.121）-0.010*（0.431）-0.469（0.361）-0.133（0.199）0.153（0.240）0.575*（0.083）（2）Two_SLS0.020*（0.006）0.051（1.092）0.017（0.013）-0.155（3.031）-0.015*（0.710）-0.132（0.566）-0.258（0.285）0.353（0.365）0.859*（0.284）（3）Three_SLS0.023*（0.005）-1.804（0.525）0.003（0.008）-0.164*（2.381）-0.019*（0.652）0.184（0.520）-0.381（0.270）0.525（0.342）1.147*（0.209）注：括号内为 P 值，*、*和*分别表示在 1%、5%和10%水平上显著表5 数字化发展水平与商业银行信用贷款供给实证分析CLRDigitalDLRNPLM2TITC_Cons（1）OLS0.003（0.003）-0.061（0.060）-0.038*（0.882）0.007（0.292）-0.287*（0.160）-0.111（0.194）0.296*（0.030）（2）Two_SLS0.013*（0.008）-0.064*（0.199）-0.087*（2.660）0.791（0.801）-0.417（0.426）0.526（0.540）0.498*（0.096）（3）Three_SLS0.025*（0.007）-0.087*（0.177）-0.103*（2.313）1.748*（0.771）-0.554（0.420）1.268*（0.513）0.727*（0.082）65肇庆学院学报第45卷显著水平较为接近，为方便比较，表7的只显示两个样本组的核心解释变量数字化水平对被解释变量的三阶段最小二乘回归结果.根据表7可以得出以下结论：首先是大型商业银行的回归结果与全样本的回归结果一致，数字化水平提高对信贷供给和信贷结构具有显著正向效应，而对信贷价格的影响并不显著.其次是非大型商业银行的数字化水平提高对信贷供给和信贷结构同样具有显著正向影响，但是对于信贷价格在10%的水平下具有显著负向影响.最后，大型商业银行的数字化水平指数对信贷供给和信贷结构影响的估计系数要显著大于非大型商业银行，表明大型商业银行的数字化转型对增加信贷供给和信贷结构优化的影响要大于非大型商业银行.5.3 稳健性检验为了使本研究理论假说的实证结果尽可能稳健，本研究从3个方面进行了稳健性检验.一是剔除变量极端值的影响.对变量进行常用的上下1%的缩尾处理，检验结果支持了本研究理论假说.二是对控制变量进行替换.本研究用核心资本充足率替代资本充足率，用息税前总资产收益率替代资产收益率，用贷款减值准备与贷款总额比例替代不良贷款率.表8为替代控制变量的回归结果，可以看出检验结果再次支持了本研究的理论假说.三是增加交互项变量.将不良贷款率和数字化水平交互项纳入模型，稳健性检验结果见表9.可以看出加入交互项以后，核心解释变量数字化水平指数依然对信贷供给和信贷结构有着显著正向影响，然而对表6 数字化发展水平与商业银行贷款定价实证分析LRRDigitalDLRLRROANPLCARM2TITC_Cons（1）OLS-0.001（0.001）-0.001（0.008）0.012（0.010）2.475*（0.533）0.286（0.227）-0.059*（0.086）0.022（0.068）0.006（0.037）-0.043（0.045）0.115*（0.014）（2）Two_SLS-0.001（0.001）0.013*（0.069）-0.005（0.016）2.934*（0.739）0.890*（0.429）-0.050*（0.122）-0.061（0.099）0.014（0.049）-0.089（0.062）0.089*（0.023）（3）Three_SLS-0.001（0.001）0.011*（0.066）0.006（0.014）2.964*（0.681）0.760*（0.415）-0.053*（0.118）-0.043（0.097）0.013（0.049）-0.078（0.061）0.090*（0.022）表7 大型商业银行与非大型商业银行的异质性分析Digital大型商业银行DLR0.025*（0.005）CLR0.024*（0.008）LRR-0.003（0.002）非大型商业银行DLR0.010*（0.004）CLR0.013*（0.006）LRR-0.003*（0.002）表8 替换控制变量的稳健性检验结果DLRDigitalCLRDigitalLRRDigital（1）OLS0.017*（0.003）0.003（0.003）-0.002*（0.001）（2）Two_SLS0.021*（0.005）0.017*（0.006）-0.001（0.001）（3）Three_SLS0.019*（0.004）0.018*（0.005）-0.001（0.001）表9 加入交互项变量的稳健性检验结果DLRDigitalCLRDigitalLRRDigital（1）OLS0.018*（0.006）0.002（0.004）-0.001（0.001）（2）Two_SLS0.019*（0.006）0.019*（0.008）0.001（0.001）（3）Three_SLS0.018*（0.006）0.018*（0.008）0.001（0.001）66江元等：我国商业银行数字化与信贷配给：基于上市银行面板数据的实证研究第2期信贷价格的影响并不显著，展现出与基准模型相同的回归结果.综上所述，本研究基准回归的结果稳健.6结论与建议本研究主要探讨了商业银行数字化对信贷配给的影响.通过理论分析和实证检验，本研究得出以下结论：第一，数字化对于商业银行的信贷供给有显著正向影响，有利于信贷扩张.第二，数字化对信用贷款占比有显著正向影响，有利于优化信贷结构.第三，数字化对于信贷价格的影响并不显著.第四，大型商业银行数字化对信贷供给和信贷结构的影响更为显著，但是非大型商业银行通过数字化转型可以在一定程度上降低信贷价格.综上所述，数字化可以对信贷配给产生了较为显著的“规模效应”和“结构效应”，对信贷价格的影响并不显著.为进一步提升数字化对商业银行信贷配给的正向影响，本研究提出以下建议.一是商业银行要通过数字化转型来实现智慧营销，有效增加信贷供给.商业银行可以利用手机银行、微信银行等数字手段扩大获客半径,通过智能网点、自助设备改造等技术手段，推动信贷资源流向偏远落后地区.二是商业银行要通过数字化转型，持续提升风控质量.要推动数字技术应用从前台向中后台扩散.并依此构建客户风险价值模型，提高授信通过率，降低信贷风险.三是商业银行要通过数字化转型，持续优化信贷结构.结合征信数据在数据端对客户信贷需求和信用水平进行数据交叉验证，依此开发适用于“长尾”客户的信用贷款产品.四是要差异化考虑大型商业银行与非大型商业银行的数字化转型路径.非大型商业银行为节省数字化投入成本，可以考虑第三方技术服务外包、联合研发等方式，减少数字化投入成本.参考文献：1张静琦，古文威.现代配给理论评述及启示 J.财经科学，2000（4）：19-28.2JAFFEEDM,MODLIGL.ATheoryandTestofCreditRationingJ.TheAmericanEconomicReview,1969,59（5）:850-872.3STIGLITZ J E,WEISSA.Credit Rationing with Many Borrowers J.TheAmerican Economic Review,1987,77:228-231.4AZZI C F,COX J C.ATheory andTest of Credit Rationing:Comment J.TheAmerican Economic Review,1976,66（5）：911-917.5HARRIS D.Credit Rationg at Commercial BanksJ.Journal of Money,Credit and Banking,1974,（6）：227-238.6刘明，孙明春.构建我国信贷市场运行机制的理论思考J.经济体制比较，1998（1）：30-34.7中国人民银行赣州市中心支行课题组.市场分割与信贷配给:利率市场化的体制及经济效应J.金融研究，2006（1）：131-142.8金洪飞，李弘基.金融科技、银行风险与市场挤出效应 J.财经研究，2020（4）：88-96.9何剑，魏涛.数字金融何以纾解中小企业融资之困?J.武汉金融，2021（3）：88-96.10李佳，段舒榕.数字金融减轻了企业对银行信贷的依赖吗?J.国际金融研究，2022（4）：88-96.11陆岷峰，王婷婷.基于数字银行背景下数字信贷风险控制管理的战略研究 J.金融理论与实践，2020（1）：21-26.12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）：37-54.13刘程.数字金融与银行贷款合约-基于我国上市公司微观银行贷款数据的实证研究 J.产业经济评论，2022（1）：152-170.14刘祚祥，黄权国.信息生产能力、农业保险与农村金融市场的信贷配给 J.中国农村经济，2012（5）：53-61.15BALTENSPERGER E.Credit Rationing Theory:Issues and Questions J.Journal of Money,Credit and Banking,1978,10（2）：170-183.16孙旭然，王康仕.金融科技、竞争与银行信贷结构 J.山西财经大学学报，2020（6）：59-72.17京东数字科技研究院.数字金融 M.北京：中信出版集团,2019.18郭峰，王靖一，王芳.测度中国数字普惠金融发展:指数编制与空间特征 J.经济学（季刊），2020（4）：1406-1416.19郭品，沈悦.互联网金融、存款竞争与银行风险承担 J.金融研究，2019（8）：58-73.20盛天翔，范从来.金融科技、最优银行市场结构和小微企业信贷供给 J.金融研究，2020（6）：114-126.21鲍星，李巍.金融科技运用与银行信贷风险-基于信息不对称和内部控制的视角 J.金融论坛，2022（1）：9-18.22陈强.高级计量经济学及Stata应用 M.北京：高等教育出版社,2014.23GREENE W H.EconometricAnalysis(5th)M.Prentice Haull:New Jersey,2003.67肇庆学院学报第45卷Digitalization and Credit Rationing of Commercial Banks in China:AnDigitalization and Credit Rationing of Commercial Banks in China:Anempirical study based on panel data of Listed Banksempirical study based on panel data of Listed BanksJIANG Yuan1,YE Yiping2(1.School of Economics and Management,Zhaoqing University,Zhaoqing,Guangdong 526061;2.Zhaoqing Financial Service Centre,ZhaoqingFinancial Work Bureau,Zhaoqing,Guangdong 526040,China)Abstract:Abstract:The digital transformation of Chinas commercial banks has been strongly supported by the state inrecent years,and the impact of digitalization on the credit business of commercial banks has become more andmore profound.The purpose of this paper is to explore the impact of commercial bank digitalization on credit ra-tioning.This paper incorporates digitalization as a key variable in the S-W model and puts forward the relevanttheoretical hypotheses on the impact of digitalization on credit supply,credit structure and credit price.On this ba-sis,the paper empirically tests the theoretical hypotheses using panel data of 42 listed commercial banks from2010 to 2020.The findings show that digitization is conducive to increasing the credit supply and optimizing thecredit structure of commercial banks,but does not have a significant effect on credit prices.In the heterogeneityanalysis,the digital transformation of large commercial banks has a greater impact on increasing credit supplyand optimizing credit structure than non-large commercial banks.Based on the empirical results,this study putsforw