摘 要:数字普惠金融的快速普及重塑了银行业竞争格局与经营模式,成为影响中小商业银行盈利水平的核心因素。文章基于2018-2023年我国86家中小商业银行面板数据,结合北京大学数字普惠金融指数,实证检验了数字普惠金融业务对中小商业银行盈利能力的影响及作用机制。研究发现:数字普惠金融总指数及覆盖广度、使用深度、数字化程度三大子维度,均在0.01水平上显著正向影响中小商业银行盈利水平,其中数字金融使用深度的赋能效应最为突出。异质性结果显示,数字普惠金融对中小商业银行盈利的提升作用在中西部地区、农商行样本中更显著。鉴于此,中小商业银行应深化数字普惠金融转型,优化业务布局,同时因地制宜推进差异化数字金融建设,缩小区域发展差距,夯实盈利根基。
关键词:数字普惠金融;中小商业银行;盈利能力;异质性
中图分类号:F832.33;F49;F224
一、引言
数字经济时代,数字化转型成为金融业高质量发展的核心主线,数字普惠金融依托大数据、人工智能、云计算等技术,打破了传统金融服务的时空限制,凭借低成本、广覆盖、高效率的特征,精准触达小微企业、个体工商户、下沉市场居民等长尾客群,有效弥补了传统金融服务的短板。近年来,监管部门持续出台政策鼓励商业银行深耕普惠金融、推进数字化转型,引导金融资源向实体经济薄弱环节倾斜,为中小商业银行发展数字普惠金融业务提供了政策支撑。
相较于大型国有银行与股份制银行,中小商业银行扎根地方、服务本土,客户资源集中于下沉市场与中小微主体,开展数字普惠金融业务既是响应政策导向的必然要求,也是突破获客瓶颈、拓展盈利空间、提升市场竞争力的关键路径。但与此同时,数字普惠金融业务开展需投入大量技术研发、系统搭建、人才培育成本,且普惠客群信贷风险相对分散,可能对银行短期盈利造成压力,二者的内在关联存在不确定性。当前行业研究中,关于数字普惠金融对银行盈利的影响尚未形成统一结论,针对中小商业银行的专项实证研究较为匮乏。
基于此,本文聚焦中小商业银行微观主体,通过实证检验厘清数字普惠金融业务对其盈利水平的影响效应、核心作用维度及异质性特征。本文的研究结论能够丰富银行业数字化转型与普惠金融盈利效应的相关理论,同时为中小商业银行平衡普惠责任与盈利目标、优化数字普惠金融业务布局、实现可持续发展提供实践参考。
二、文献综述
(一)商业银行盈利能力相关研究
1.商业银行盈利能力的测度
梳理现有文献可知,学界对商业银行盈利能力的测度指标体系已较为成熟,多基于银行经营财务指标构建评价体系。多数研究以总资产收益率(ROA)、净资产收益率(ROE)作为核心衡量指标,直观反映银行资产获利能力与股东收益水平(张博等,2020)。部分学者结合银行业经营特性,加入净息差、非利息收入占比、成本收入比等辅助指标,综合评判银行盈利质量与盈利稳定性(李婷婷,2022)。还有研究区分短期盈利与长期盈利,通过盈利增长率、盈利波动率等指标衡量银行盈利可持续性,规避单一指标测度的局限性(王帅,2023)。整体而言,总资产收益率(ROA)因数据客观性强、适配微观银行样本,成为学界衡量中小商业银行盈利能力的主流指标。
2.商业银行盈利能力影响因素研究综述
现有研究表明,商业银行盈利能力受内部治理、经营特征、外部环境多重因素共同影响。内部层面,银行资产规模、资本充足率、不良贷款率、成本管控水平、业务结构显著影响盈利水平,资产质量优良、风控能力较强的银行盈利稳定性更高(刘忠璐,2019)。中间业务、数字化业务的拓展能够优化收入结构,降低传统信贷业务依赖,提升盈利空间(赵婧,2021)。外部层面,宏观经济增速、利率市场化进程、行业竞争程度、数字金融发展态势均会对银行盈利产生冲击(郭品等,2020)。随着数字金融快速发展,数字技术赋能银行业转型成为研究热点,多数学者认为数字化转型能够帮助银行降低运营成本、拓展获客渠道、提升风控效率,进而正向赋能盈利增长,但也有部分研究指出,前期数字化投入成本过高、普惠业务风险溢价会抑制银行短期盈利(陈亮,2022)。
(二)数字普惠金融与商业银行经营的相关研究
学界关于数字普惠金融与商业银行经营的研究主要分为两类。第一类研究认为数字普惠金融发展对银行经营存在正向赋能作用。数字普惠金融能够拓宽银行服务边界,挖掘下沉市场潜在客户,增加信贷投放规模与非利息收入(李建军等,2021);同时大数据风控体系能够降低信息不对称,减少普惠信贷不良率,优化银行资产质量(胡金焱,2022)。第二类研究持负向影响观点,认为数字普惠金融业务客群风险偏高、前期投入成本大,且互联网金融平台的普惠业务会挤压中小银行市场份额,加剧行业竞争,压缩银行盈利空间(张梓榆等,2023)。
综上,现有研究已证实数字普惠金融与银行经营存在密切关联,但针对中小商业银行的专项研究不足,且二者的异质性作用机理尚未充分厘清。本文立足中小商业银行经营实际,细分数字普惠金融三大子维度,从银行类型、区域层面开展异质性检验,进一步细化补充现有研究成果。
三、理论分析与研究假设
(一)数字普惠金融影响中小商业银行盈利的理论假说
数字普惠金融主要通过成本优化、业务扩容、风险管控三条路径影响中小商业银行盈利能力。第一,降低综合经营成本。传统普惠金融依赖线下网点、人工尽调,运营成本高、服务效率低。数字普惠金融依托线上服务渠道,打破时空限制,减少实体网点运营、人工服务等固定成本,同时通过大数据自动化审批、智能风控简化业务流程,大幅降低边际服务成本,提升经营效率。第二,拓宽盈利来源。数字普惠金融的广覆盖特性能够帮助中小商业银行触达小微企业、县域居民等传统服务盲区,拓展信贷业务规模,同时带动理财、支付、征信等中间业务发展,优化收入结构,摆脱传统存贷利差的盈利局限。第三,优化风险管控体系。数字普惠金融依托多维度用户数据构建信用评价模型,有效缓解普惠金融业务中的信息不对称问题,精准识别客户信用风险,降低普惠信贷不良贷款率,减少风险损失,稳定盈利水平。据此,本文提出研究假设H1:
假设H1:数字普惠金融发展对中小商业银行盈利能力具有显著的正向促进作用,其覆盖广度、使用深度、数字化程度三大子维度均正向影响银行盈利。
(二)数字普惠金融影响银行盈利的异质性假说
1.区域发展异质性
我国区域经济与数字金融发展存在显著不均衡性。东部地区数字金融产业成熟、金融竞争激烈,中小商业银行数字化布局起步早,数字普惠金融业务红利已逐步释放,边际赋能效应趋于平缓。而中西部地区传统金融服务供给不足,下沉市场金融需求旺盛,数字普惠金融的普及能够有效填补金融服务缺口,中小商业银行作为区域普惠金融主力,能够快速抢占市场、拓展业务规模,数字普惠金融对盈利的提升效果更突出。据此,本文提出假设H2:
假设H2:数字普惠金融对中小商业银行盈利的促进作用在中西部地区更显著。
2.银行类型异质性
中小商业银行主要包含城市商业银行与农村商业银行,二者经营定位、客群结构存在明显差异。城商行多布局城市区域,客户以中小微企业、城市居民为主,市场竞争激烈;农商行深耕县域与农村市场,是下沉市场普惠金融服务的核心主体,客群与数字普惠金融服务对象高度契合。数字普惠金融的低成本、广覆盖优势能够精准匹配农商行经营需求,助力其快速拓展县域普惠业务,提升盈利水平,赋能效果优于城商行。据此,本文提出假设H3:
假设H3:数字普惠金融对农商行盈利能力的正向促进作用显著强于城商行。
四、研究设计
(一)模型设定
为检验数字普惠金融对中小商业银行盈利能力的影响,本文构建双向固定效应基准回归模型如下:
$$ROA_{it}=_x0007_lpha_0+_x0007_lpha_1Index_{it}+_x0007_lpha_2Control_{it}+mu_i+lambda_t+
arepsilon_{it}$$
其中,i代表银行个体,t代表年份;被解释变量$$ROA_{it}$$为中小商业银行盈利能力;核心解释变量$$Index_{it}$$为数字普惠金融总指数,同时引入覆盖广度(Coverage)、使用深度(Usage)、数字化程度(Digit)三大子维度开展细分检验;$$Control_{it}$$为系列控制变量;$$mu_i$$为个体固定效应,$$lambda_t$$为时间固定效应,$$
arepsilon_{it}$$为随机误差项。
(二)数据来源
本文选取2018-2023年我国86家中小商业银行作为研究样本,包含42家城市商业银行、44家农村商业银行,覆盖全国东部、中西部各省份。银行微观财务数据来自Wind数据库、各银行年度报告;数字普惠金融指数取自北京大学数字普惠金融指数数据库。为保证数据有效性,对原始数据进行如下处理:剔除数据严重缺失的样本;对所有连续变量进行首尾1%的缩尾处理,规避极端值干扰;最终得到516个平衡面板观测值。
(三)变量定义
1.被解释变量
中小商业银行盈利能力(ROA):参考学界主流做法,采用总资产收益率衡量,数值越高表明银行资产获利能力越强,盈利水平越高。
2.核心解释变量
数字普惠金融发展水平(Index):选取北京大学数字普惠金融总指数,同时纳入三个子维度指数:数字金融覆盖广度(Coverage)、数字金融使用深度(Usage)、普惠金融数字化程度(Digit),为消除量纲影响,对原始指数进行归一化处理。
3.控制变量
结合现有研究,选取银行微观特征作为控制变量:银行规模(Size,银行总资产对数)、资本充足率(CAR)、不良贷款率(NPL)、成本收入比(CIR)、存贷比(LDR)、非利息收入占比(NII)。
五、实证分析结果
(一)描述性统计
本文对所有核心变量及控制变量进行描述性统计,结果如表1所示。样本期内中小商业银行ROA均值为0.872,整体盈利水平适中,但最大值与最小值差距较大,说明不同中小银行盈利水平存在明显差异。数字普惠金融总指数均值为312.564,标准差为28.317,表明各区域数字普惠金融发展不均衡。控制变量中,不良贷款率均值1.426%,处于合理区间;成本收入比均值33.658%,说明中小银行成本管控能力存在分化,为后续实证分析提供了良好的数据基础。
变量 | 观测值 | 均值 | 标准差 | 最小值 | 最大值 |
ROA | 516 | 0.872 | 0.315 | 0.214 | 1.689 |
Index | 516 | 312.564 | 28.317 | 258.123 | 376.891 |
Coverage | 516 | 298.451 | 30.125 | 245.678 | 368.214 |
Usage | 516 | 326.782 | 26.894 | 271.345 | 389.652 |
Digit | 516 | 305.693 | 29.561 | 260.112 | 372.346 |
Size | 516 | 25.368 | 1.214 | 22.145 | 28.652 |
CAR | 516 | 13.892 | 1.563 | 10.214 | 17.568 |
NPL | 516 | 1.426 | 0.412 | 0.658 | 2.891 |
CIR | 516 | 33.658 | 4.235 | 25.124 | 42.369 |
LDR | 516 | 72.365 | 5.689 | 61.235 | 83.564 |
NII | 516 | 21.368 | 3.894 | 12.569 | 29.875 |
(二)基准模型估计结果
基准回归结果如表2所示,列(1)为数字普惠金融总指数回归结果,列(2)-(4)为三大子维度回归结果。由结果可知,数字普惠金融总指数在1%的显著性水平下正向影响中小商业银行盈利能力,系数为0.0042,说明数字普惠金融发展水平每提升1个单位,中小商业银行ROA提升0.0042个单位,验证假设H1成立。从子维度来看,覆盖广度、使用深度、数字化程度均在1%水平下显著为正,其中使用深度系数最大(0.0051),表明数字金融业务的实际落地应用、客户深度使用是提升中小银行盈利的核心动力,数字化程度次之,覆盖广度赋能效应相对较弱。
控制变量层面,银行规模、资本充足率、非利息收入占比均显著正向影响盈利水平,说明资产规模越大、资本实力越充足、收入结构多元化的银行盈利能力越强。不良贷款率、成本收入比显著负向影响盈利,风险管控能力不足、运营成本过高会显著压缩银行盈利空间,符合银行业经营基本逻辑。
变量 | (1)ROA | (2)ROA | (3)ROA | (4)ROA |
Index | 0.0042***(0.0011) | |||
Coverage | 0.0035***(0.0012) | |||
Usage | 0.0051***(0.0009) | |||
Digit | 0.0047***(0.0010) | |||
Size | 0.0852***(0.0215) | 0.0847***(0.0216) | 0.0861***(0.0214) | 0.0855***(0.0215) |
CAR | 0.0523***(0.0142) | 0.0519***(0.0143) | 0.0528***(0.0141) | 0.0525***(0.0142) |
NPL | -0.1256***(0.0321) | -0.1248***(0.0322) | -0.1261***(0.0320) | -0.1259***(0.0321) |
CIR | -0.0214***(0.0058) | -0.0212***(0.0058) | -0.0217***(0.0057) | -0.0215***(0.0058) |
LDR | 0.0085(0.0062) | 0.0083(0.0062) | 0.0087(0.0061) | 0.0086(0.0062) |
NII | 0.0126**(0.0051) | 0.0124**(0.0051) | 0.0128**(0.0050) | 0.0127**(0.0051) |
个体/时间固定效应 | 控制 | 控制 | 控制 | 控制 |
N | 516 | 516 | 516 | 516 |
R² | 0.587 | 0.582 | 0.591 | 0.589 |
注:***、**、*分别表示在1%、5%、10%的水平下显著,括号内为标准误,下同
(三)异质性分析
为进一步探究数字普惠金融对中小商业银行盈利的差异化影响,本文从区域、银行类型两个维度开展分组异质性检验,结果如表3所示。
区域异质性层面,中西部地区样本中数字普惠金融系数为0.0058,在1%水平下显著,东部地区系数为0.0029,仅在5%水平下显著,且系数绝对值低于中西部地区。这表明数字普惠金融对中西部中小商业银行盈利的提升效果更显著,验证假设H2。东部地区金融市场成熟、竞争充分,数字金融红利充分释放,边际增益有限;中西部地区传统金融供给不足,数字普惠金融的落地能够快速填补市场空白,助力中小银行拓展业务、提升盈利。
银行类型异质性层面,农商行样本系数(0.0054)显著高于城商行样本系数(0.0031),且显著性水平更高,验证假设H3。农商行深耕县域下沉市场,客群与数字普惠金融服务场景高度匹配,能够充分依托数字普惠金融拓宽服务范围、提升业务规模;而城商行聚焦城市市场,普惠业务占比偏低,数字普惠金融的盈利赋能效应相对较弱。
变量 | 东部地区 | 中西部地区 | 城商行 | 农商行 |
Index | 0.0029**(0.0014) | 0.0058***(0.0013) | 0.0031**(0.0013) | 0.0054***(0.0012) |
控制变量 | 控制 | 控制 | 控制 | 控制 |
固定效应 | 控制 | 控制 | 控制 | 控制 |
N | 246 | 270 | 252 | 264 |
R² | 0.562 | 0.613 | 0.571 | 0.608 |
(四)稳健性检验
为验证基准回归结果的可靠性,本文采用替换被解释变量、缩短样本区间两种方式开展稳健性检验。一是将被解释变量总资产收益率(ROA)替换为净资产收益率(ROE);二是剔除2018年样本,选取2019-2023年样本重新回归。稳健性检验结果如表4所示,两种检验方式下,数字普惠金融总指数系数均在1%水平下显著为正,核心结论与基准回归一致,表明本文研究结果具备良好的稳健性与可靠性。
变量 | 替换被解释变量(ROE) | 缩短样本区间(2019-2023) |
Index | 0.0063***(0.0015) | 0.0040***(0.0012) |
控制变量 | 控制 | 控制 |
固定效应 | 控制 | 控制 |
N | 516 | 430 |
R² | 0.593 | 0.581 |
六、研究结论与政策启示
(一)研究结论
本文基于2018-2023年86家中小商业银行平衡面板数据,实证检验了数字普惠金融业务对中小商业银行盈利能力的影响及异质性特征,主要结论如下:第一,数字普惠金融发展显著正向提升中小商业银行盈利能力,覆盖广度、使用深度、数字化程度三大子维度均存在显著正向效应,其中数字金融使用深度的赋能效果最为突出。第二,数字普惠金融对中小商业银行盈利的影响存在显著区域异质性,对中西部地区中小银行的提升作用远大于东部地区。第三,存在银行类型异质性,数字普惠金融对农商行盈利能力的正向影响显著强于城市商业银行。第四,银行规模、资本充足率、非利息收入占比正向促进银行盈利,不良贷款率、成本收入比是制约中小商业银行盈利提升的主要内部因素。
(二)政策启示
第一,中小商业银行应持续深化数字普惠金融转型,聚焦业务深度赋能。中小银行需摒弃重形式、轻实效的数字化建设模式,重点提升数字普惠金融使用深度,依托大数据、人工智能技术优化信贷审批、风险管控、客户服务全流程。结合自身本土优势,深耕小微企业、县域居民、新型农业经营主体等普惠客群,创新线上普惠信贷、理财、结算等特色产品,丰富数字金融应用场景,优化收入结构,充分释放数字普惠金融的盈利赋能效应。同时强化成本管控,优化数字化投入结构,降低无效运营成本,提升经营效率。
第二,实施差异化发展策略,精准匹配区域与银行资源禀赋。东部地区中小银行应依托成熟的数字经济基础,聚焦数字普惠金融产品创新与服务升级,打造精细化、智能化普惠金融服务体系,挖掘存量客户价值;中西部地区中小银行应加快数字金融基础设施建设,拓宽数字普惠金融覆盖广度,填补区域金融服务缺口,依托政策红利抢占下沉市场。农商行需立足县域本土优势,深化数字普惠金融与乡村振兴场景融合,强化涉农普惠金融数字化服务;城商行应聚焦城市中小微企业普惠需求,打造专业化数字普惠金融服务模式,实现差异化竞争。
第三,强化风险管控体系建设,平衡普惠性与盈利性。中小商业银行在拓展数字普惠金融业务的同时,需搭建智能化风控体系,依托多维度数据构建精准信用评价模型,有效缓解信息不对称问题,降低普惠信贷不良风险。同时优化资本管理,提升资本充足率,夯实风险抵御能力,合理控制成本收入比,实现数字普惠金融业务规模化、高质量发展,持续稳定提升盈利水平。
第四,完善政策扶持体系,缩小区域发展差距。监管部门应持续加大对中西部地区中小银行数字化转型的政策与资源倾斜,降低中小银行数字技术研发成本,鼓励区域数字金融资源互联互通。同时优化普惠金融考核机制,引导中小银行平衡社会责任与经营效益,推动数字普惠金融区域协同、类型均衡发展,助力中小商业银行实现可持续盈利。
