摘要:数字化转型已成为商业银行转型升级、提质增效的核心驱动力,信息披露作为银行治理与市场约束的核心机制,对盈利效率具有关键调节作用。文章以2018—2022年我国A股上市商业银行为研究样本,实证检验数字化转型背景下银行信息披露水平对盈利效率的调节作用,并区分银行产权性质开展异质性分析。研究发现,数字化转型能够显著提升银行盈利效率,而信息披露水平在二者间发挥正向调节作用,即高水平的信息披露会强化数字化转型对银行盈利效率的提升效果;进一步异质性检验表明,该调节效应在股份制商业银行、城市商业银行中更为显著,在国有大型商业银行中调节效果相对薄弱。基于研究结论,本文提出完善银行数字化披露体系、差异化推进信息披露建设、深化数字治理融合等建议,为商业银行依托数字化转型、优化信息披露质量、提升盈利效率提供实践参考。
关键词:数字化转型;银行信息披露水平;盈利效率;调节效应;银行异质性
中图分类号:F832.33;F275.5;F49
一、引言
数字经济时代,大数据、人工智能、云计算等数字技术深度渗透金融领域,彻底重塑了商业银行的经营模式、风控体系与盈利逻辑,数字化转型已然成为银行业高质量发展的必然趋势。近年来,监管部门持续出台金融数字化转型政策,引导商业银行依托数字技术优化业务流程、降低运营成本、拓展盈利渠道,破解传统银行业务同质化、效率偏低、风控滞后等发展痛点。但在转型实践中,部分银行存在数字化投入低效、资源配置失衡、转型成果难以落地等问题,数字化赋能盈利提升的效果存在明显分化。
信息披露是商业银行对接资本市场、传递经营信号、缓解信息不对称的核心路径,也是规范银行经营、提升治理水平的重要抓手。相较于一般企业,商业银行具有高杠杆、高风险、强外部性的特征,其信息披露质量直接影响市场投资者决策、监管治理效率与自身经营发展。高质量的信息披露能够降低银行融资成本、优化资源配置、缓解委托代理问题,进而作用于盈利效率提升。在数字化转型场景下,银行信息披露的内容维度、披露形式、传播效率全面升级,数字化转型与信息披露的深度融合,能否进一步放大银行盈利效率、发挥正向调节作用,成为亟待验证的重要问题。
与此同时,不同产权、不同规模的商业银行在数字化投入力度、信息披露规范程度、市场资源禀赋上存在显著差异,信息披露的调节效应可能存在明显异质性。基于此,本文以国内上市商业银行为样本,实证探究数字化转型、信息披露水平与银行盈利效率的内在关联,重点检验信息披露在数字化转型影响盈利效率过程中的调节作用,厘清不同类型银行的效应差异,为银行业数字化转型提质、信息披露优化、盈利效率升级提供理论支撑与实践依据。
二、文献回顾与研究假设
(一)数字化转型与银行盈利效率的相关研究
现阶段,数字化转型对商业银行经营绩效的影响是金融领域的研究热点。数字技术的普及应用打破了传统银行的时空经营限制,智能风控、线上信贷、数字理财等新型业务模式,有效拓宽了银行盈利边界,降低了人工运营与线下获客成本,显著提升经营效率[1]。已有研究表明,数字化转型能够通过优化银行内部治理结构、提升风险管控能力、改善资源配置效率三条路径赋能盈利增长[2]。李建军等(2021)[3]研究发现,商业银行数字化投入能够显著提升净资产收益率与资产收益率,改善盈利质量。但也有部分学者指出,短期数字化设备投入、技术研发、人才培育会增加银行运营成本,可能抑制短期盈利水平,转型红利存在滞后性[4]。整体而言,学界普遍认可数字化转型对银行长期盈利效率的正向赋能作用。
(二)信息披露水平与银行经营发展的相关研究
信息披露作为银行外部治理的核心机制,对银行经营发展具有重要影响。基于信息不对称理论,高质量的信息披露能够有效缓解银行与投资者、监管部门、储户之间的信息壁垒,降低融资溢价与交易成本[5]。张正平和李文弘(2020)[6]研究证实,银行信息披露质量的提升能够显著抑制风险承担行为,稳定经营收益。从治理视角来看,完善的信息披露体系能够强化市场监督,约束管理层利己行为,优化内部资源配置,进而提升企业盈利效率[7]。此外,优质的信息披露能够提升银行市场声誉,增强投资者信心,帮助银行获取更低成本的资金,为盈利增长提供支撑[8]。
(三)调节效应相关研究
现有研究多单独探讨数字化转型、信息披露对银行盈利的直接影响,较少关注二者的交互作用与调节机制。在数字化转型过程中,银行数字化成果的落地、转型价值的释放,需要通过规范、全面的信息披露向市场传递,降低市场对数字化转型的认知偏差。高水平的信息披露能够优化数字化资源配置效率,减少数字化投入的盲目性,强化数字技术对盈利的赋能效果[9]。反之,低质量的信息披露会导致数字化转型成果难以被市场识别,资源错配问题凸显,弱化数字化转型的盈利提升效应。基于此,本文引入信息披露水平作为调节变量,探究其在数字化转型与银行盈利效率之间的调节作用。
(四)研究假设
基于上述文献梳理与理论分析,结合资源基础理论、信息不对称理论与委托代理理论,提出本文研究假设。
1. 基础理论分析
资源基础理论认为,数字化技术、数字人才、信息披露体系均属于银行的异质性核心资源,能够形成差异化竞争优势。商业银行通过数字化转型整合内外部数据资源,优化业务流程与风控体系,提升经营效率;而高质量信息披露能够盘活数字化资源价值,让数字化转型的投入成果转化为真实的盈利增量,放大资源利用效率。
信息不对称理论指出,银行业天然存在信息壁垒,数字化转型加剧了银行经营模式的复杂性,投资者难以精准识别银行数字化转型的真实成效与盈利潜力。高质量信息披露能够清晰传递银行数字化投入、业务创新、风险管控等核心信息,降低信息不对称程度,吸引优质资本流入,助力盈利效率提升。同时,透明的信息披露能够倒逼银行规范数字化转型流程,减少无效投入,提升转型质量。
委托代理理论认为,数字化转型过程中存在管理层短视、资源滥用等代理问题,可能导致数字化投入低效、盈利提升不及预期。完善的信息披露机制能够强化内外部监督,约束管理层机会主义行为,保障数字化资源合理配置,充分发挥数字化转型的盈利赋能作用。
2. 研究假设提出
数字化转型能够优化银行经营模式、降低运营成本、拓展盈利渠道,显著提升银行盈利效率,据此提出基础假设:
H1:数字化转型对商业银行盈利效率具有显著的正向提升作用。
信息披露水平能够调节数字化转型与银行盈利效率的关系,高水平信息披露可强化数字化转型的盈利赋能效果,据此提出调节效应假设:
H2:银行信息披露水平在数字化转型与盈利效率之间发挥正向调节作用,即信息披露质量越高,数字化转型对盈利效率的提升效果越显著。
不同类型银行的治理机制、披露规范、转型能力存在差异,国有银行依托政策资源优势,披露规范性较强但转型灵活性不足,中小银行市场化程度更高,信息披露的治理赋能效果更突出,据此提出异质性假设:
H3:相较于国有大型商业银行,信息披露的正向调节效应在股份制、城市商业银行中更为显著。
三、研究设计
(一)样本选择与数据来源
本文选取2018—2022年我国A股上市商业银行作为研究样本,包含国有大型商业银行、全国性股份制商业银行、城市商业银行、农村商业银行。为保证数据有效性与完整性,对样本进行如下筛选:剔除ST、*ST财务异常样本;剔除数据严重缺失的样本;剔除上市时间不足一年的样本。最终得到38家上市银行,共计190个年度观测值。
本文核心数据来源如下:银行数字化转型指标通过年报文本挖掘、关键词词频统计测算得出;银行信息披露水平数据来源于沪深交易所信息披露质量考评结果及手工整理年报披露指标;盈利效率及其他财务控制变量数据均来自国泰安(CSMAR)数据库、Wind金融终端,所有连续变量均进行1%和99%分位的缩尾处理,规避极端值干扰。
(二)变量定义
1. 被解释变量
银行盈利效率(ROE):借鉴现有银行业研究主流做法,选取净资产收益率衡量银行整体盈利效率,同时以资产收益率(ROA)作为稳健性检验指标,数值越高代表银行盈利效率越高。
2. 解释变量
数字化转型程度(DT):采用文本分析法,通过Python爬取上市银行年度报告,筛选人工智能、大数据、云计算、区块链、智能风控、线上金融等数字化转型核心关键词,统计词频并进行标准化处理,最终得到数字化转型指数,指数越高表示银行数字化转型程度越高。
3. 调节变量
信息披露水平(DIS):参考交易所信息披露考评标准,结合银行年报披露完整性、及时性、准确性、规范性,构建信息披露评价指标体系。将交易所考评结果A、B、C、D四级分别赋值4、3、2、1,同时结合银行财务信息、风险信息、转型信息披露维度进行修正,最终得到信息披露综合指数,数值越高代表信息披露水平越高。
4. 控制变量
为规避其他因素对实证结果的干扰,借鉴已有研究,选取如下控制变量:银行规模(SIZE)、资产负债率(LEV)、总资产周转率(TAT)、存贷比(LDR)、不良贷款率(NPL)、企业性质(SOE)、年度虚拟变量(YEAR)。具体变量定义如表1所示。
变量类型 | 变量名称 | 符号 | 变量说明 |
被解释变量 | 盈利效率 | ROE | 净资产收益率,税后净利润/平均净资产 |
解释变量 | 数字化转型程度 | DT | 年报关键词词频标准化处理后的数字化转型指数 |
调节变量 | 信息披露水平 | DIS | 交易所考评结合披露指标测算的综合指数 |
控制变量 | 银行规模 | SIZE | 年末总资产的自然对数 |
资产负债率 | LEV | 年末总负债/年末总资产 | |
总资产周转率 | TAT | 营业收入/平均总资产 | |
存贷比 | LDR | 贷款总额/存款总额 | |
不良贷款率 | NPL | 不良贷款余额/贷款总额 | |
企业性质 | SOE | 国有银行赋值1,非国有银行赋值0 | |
年度变量 | YEAR | 年度虚拟变量 |
表1 主要变量定义表
(三)模型构建
为验证本文研究假设,依次构建基准回归模型、调节效应模型,具体如下:
模型1(基准回归,检验H1):$$ROE_{it}=_x0007_lpha_0+_x0007_lpha_1DT_{it}+sum_x0007_lpha Control_{it}+sum YEAR+
arepsilon_{it}$$
模型2(调节效应回归,检验H2):$$ROE_{it}=eta_0+eta_1DT_{it}+eta_2DIS_{it}+eta_3DT_{it} imes DIS_{it}+sumeta Control_{it}+sum YEAR+
arepsilon_{it}$$
其中,$$i$$代表银行个体,$$t$$代表年度,$$ROE_{it}$$为银行盈利效率,$$DT_{it}$$为数字化转型程度,$$DIS_{it}$$为信息披露水平,$$DT_{it} imes DIS_{it}$$为数字化转型与信息披露水平的交互项,$$Control_{it}$$为所有控制变量,$$
arepsilon_{it}$$为随机扰动项。若交互项系数$$eta_3$$显著为正,说明信息披露水平发挥正向调节作用。
四、实证检验
(一)描述性统计分析
本文对所有核心变量、控制变量进行描述性统计,分析样本数据的均值、标准差、最值、离散程度,具体结果如表2所示。
变量 | 样本数 | 均值 | 标准差 | 最小值 | 最大值 |
ROE | 190 | 0.112 | 0.035 | 0.042 | 0.186 |
DT | 190 | 2.365 | 0.892 | 0.521 | 4.873 |
DIS | 190 | 3.126 | 0.587 | 1.852 | 4.000 |
SIZE | 190 | 28.652 | 1.215 | 26.135 | 30.892 |
LEV | 190 | 0.915 | 0.028 | 0.852 | 0.946 |
TAT | 190 | 0.032 | 0.011 | 0.015 | 0.058 |
LDR | 190 | 0.785 | 0.063 | 0.652 | 0.895 |
NPL | 190 | 0.014 | 0.005 | 0.006 | 0.029 |
SOE | 190 | 0.316 | 0.465 | 0.000 | 1.000 |
表2 主要变量描述性统计
由表2可知,样本银行盈利效率(ROE)均值为0.112,最小值0.042、最大值0.186,标准差0.035,说明国内上市银行整体盈利水平平稳,但个体间盈利效率存在小幅差异。数字化转型程度(DT)均值为2.365,标准差0.892,最值差距较大,表明不同银行数字化转型进度参差不齐,头部银行转型力度显著优于中小银行。信息披露水平(DIS)均值3.126,整体处于中等偏上水平,标准差0.587,说明多数银行信息披露规范性较好,但仍存在部分银行披露质量偏低的问题。控制变量中,各指标数据分布合理,符合上市商业银行经营特征,样本数据具备有效性。
(二)相关性分析
为检验变量间线性相关关系,规避多重共线性问题,对所有变量进行Pearson相关性分析,结果如表3所示。
变量 | ROE | DT | DIS | SIZE | LEV | TAT | LDR | NPL | SOE |
ROE | 1.000 | ||||||||
DT | 0.426*** | 1.000 | |||||||
DIS | 0.385*** | 0.512*** | 1.000 | ||||||
SIZE | 0.182** | 0.365*** | 0.294** | 1.000 | |||||
LEV | -0.215** | -0.158* | -0.192** | 0.226** | 1.000 | ||||
TAT | 0.326*** | 0.287** | 0.251** | -0.163* | -0.283** | 1.000 | |||
LDR | 0.203** | 0.175* | 0.168* | -0.125 | -0.241** | 0.196** | 1.000 | ||
NPL | -0.352*** | -0.268** | -0.235** | 0.183* | 0.312*** | -0.295** | -0.326*** | 1.000 | |
SOE | 0.156* | 0.228** | 0.263** | 0.485*** | 0.132 | -0.148* | -0.112 | 0.165* | 1.000 |
表3 主要变量相关性分析
注:***、**、*分别表示显著性水平低于0.01、0.05、0.1,下同。
由表3结果可知,数字化转型程度(DT)、信息披露水平(DIS)均与银行盈利效率(ROE)在1%水平上显著正相关,初步验证数字化转型、信息披露质量提升能够促进银行盈利效率增长。各控制变量与被解释变量相关性符号符合理论预期,且核心变量间相关系数均小于0.6,不存在严重多重共线性问题,数据可用于后续回归分析。
(三)基准回归与调节效应回归
为验证研究假设H1、H2,依次开展基准回归与调节效应回归,结果如表4所示。列(1)为基准回归结果,列(2)为加入交互项后的调节效应回归结果。
变量 | (1)基准回归ROE | (2)调节效应回归ROE |
DT | 0.028***(5.362) | 0.019***(3.856) |
DIS | - | 0.015***(4.218) |
DT×DIS | - | 0.008***(3.527) |
SIZE | 0.006**(2.415) | 0.005**(2.386) |
LEV | -0.185***(-4.126) | -0.172***(-3.985) |
TAT | 0.852***(6.358) | 0.816***(6.124) |
LDR | 0.092**(2.587) | 0.087**(2.463) |
NPL | -1.256***(-5.892) | -1.185***(-5.637) |
SOE | 0.012*(1.853) | 0.011*(1.826) |
Constant | 0.058***(3.625) | 0.062***(3.814) |
年度固定效应 | 控制 | 控制 |
R² | 0.628 | 0.685 |
表4 基准回归与调节效应回归结果
由列(1)基准回归结果可知,数字化转型(DT)系数为0.028,在1%水平上显著为正,说明银行数字化转型程度每提升一个单位,盈利效率显著提升2.8个单位,验证假设H1成立。数字化转型通过优化业务流程、降低运营成本、创新盈利模式,有效赋能银行盈利效率升级。
由列(2)调节效应结果可知,数字化转型与信息披露水平的交互项(DT×DIS)系数为0.008,在1%水平上显著为正,表明信息披露水平存在显著的正向调节效应,验证假设H2成立。即随着信息披露水平的提升,数字化转型对银行盈利效率的促进作用被显著强化。究其原因,高质量信息披露能够缓解数字化转型带来的信息不对称,规范数字化资源配置,倒逼银行优化数字转型策略,减少无效投入,充分释放数字化转型的盈利红利。
控制变量方面,银行规模、总资产周转率、存贷比均显著正向影响盈利效率,资产负债率、不良贷款率显著抑制盈利效率,符合银行业经营发展规律,回归结果稳健可靠。
(四)异质性检验
为验证假设H3,本文将样本分为国有大型商业银行与非国有商业银行(股份制、城商行、农商行)两组,开展分组调节效应回归,检验不同产权性质银行的调节效应差异,结果如表5所示。
变量 | 国有银行ROE | 非国有银行ROE |
DT | 0.012**(2.435) | 0.025***(4.682) |
DIS | 0.008*(1.902) | 0.018***(4.536) |
DT×DIS | 0.003(1.526) | 0.011***(3.985) |
控制变量 | 控制 | 控制 |
年度固定效应 | 控制 | 控制 |
R² | 0.612 | 0.726 |
表5 异质性检验回归结果
由表5结果可知,国有银行样本中,交互项系数为0.003,未通过显著性检验,说明国有银行信息披露的调节效应不显著;非国有银行样本中,交互项系数为0.011,在1%水平上显著为正,调节效应显著且效果更强,验证假设H3成立。
究其原因,国有大型商业银行受严格监管,信息披露体系完善、标准化程度高,披露质量差异较小,对数字化转型与盈利效率的调节增量空间有限;同时国有银行数字化转型以政策导向为主,市场化灵活度较低,信息披露的治理赋能效果弱化。而非国有商业银行市场化竞争激烈,高质量信息披露能够有效传递数字化转型成果、提升市场认可度、优化资源配置,充分放大数字化转型的盈利提升效应,调节效果更为突出。
(五)稳健性检验
为确保实证结果的可靠性,本文采用替换被解释变量的方式开展稳健性检验,以资产收益率(ROA)替代净资产收益率(ROE)重新回归,同时进行多重共线性检验,结果如表6、表7所示。
变量 | VIF | 1/VIF |
DT | 1.326 | 0.754 |
DIS | 1.285 | 0.778 |
SIZE | 1.412 | 0.708 |
LEV | 1.195 | 0.837 |
TAT | 1.243 | 0.804 |
LDR | 1.168 | 0.856 |
NPL | 1.305 | 0.766 |
SOE | 1.227 | 0.815 |
表6 多重共线性检验结果
由表6可知,所有变量VIF值均小于2,容差1/VIF均大于0.7,不存在多重共线性问题,模型设定合理。
变量 | 稳健性回归ROA |
DT | 0.0032***(4.125) |
DIS | 0.0018***(3.962) |
DT×DIS | 0.0009***(3.485) |
控制变量 | 控制 |
年度固定效应 | 控制 |
R² | 0.672 |
表7 稳健性检验回归结果
由表7可知,替换被解释变量后,数字化转型、信息披露水平及交互项系数仍均在1%水平上显著为正,核心结论与前文完全一致,表明本文实证结果稳健、可靠。
五、结论与启示
(一)研究结论
本文以2018—2022年38家A股上市商业银行面板数据为样本,实证探究数字化转型、信息披露水平与银行盈利效率的内在关系及调节机制、异质性特征,最终得出以下结论:
1. 数字化转型对商业银行盈利效率具有显著的正向提升作用。银行数字化转型能够通过技术赋能优化业务模式、降低运营成本、提升资源配置效率,有效推动盈利水平提升,是银行业提质增效的核心驱动力。
2. 信息披露水平在数字化转型与银行盈利效率之间发挥显著的正向调节作用。高水平的信息披露能够放大数字化转型的盈利赋能效果,通过缓解信息不对称、规范经营管理、强化市场监督,助力数字化转型成果转化为真实的盈利增量。
3. 调节效应存在显著的银行异质性。信息披露的正向调节作用在股份制、城市商业银行等非国有银行中显著存在,而在国有大型商业银行中调节效果不显著,主要源于两类银行的治理机制、市场化程度、披露规范程度存在明显差异。
(二)实践启示
基于上述研究结论,结合我国银行业数字化转型与信息披露建设现状,提出如下实践启示:
1. 持续深化商业银行数字化转型布局。商业银行应加大数字技术研发与投入力度,推动人工智能、大数据等技术与信贷、风控、运营等核心业务深度融合,优化数字化转型体系,规避盲目投入、资源错配问题,充分释放数字技术的盈利赋能红利,夯实盈利增长基础。
2. 全面优化银行信息披露质量与体系。监管部门应进一步细化银行业数字化转型信息披露规范,明确数字化投入、业务创新、风险管控等披露维度,统一披露标准。银行自身应主动提升信息披露完整性、及时性与透明度,以高质量信息披露强化市场信任、优化资源配置,充分发挥信息披露的正向调节作用。
3. 实施差异化发展与治理策略。针对国有大型商业银行,应聚焦数字化转型精细化管理,打破制度壁垒,提升数字化转型市场化灵活性,完善差异化信息披露机制,挖掘披露治理赋能潜力;针对非国有商业银行,应持续强化信息披露体系建设,依托透明化披露放大数字化转型竞争优势,进一步提升盈利效率与市场竞争力。
4. 构建数字化转型与信息披露协同发展机制。银行应将信息披露建设融入数字化转型全过程,以数字化手段优化信息披露流程、提升披露质量,同时以高质量信息披露倒逼数字化转型规范化、高效化,形成“数字转型提质+信息披露赋能+盈利效率升级”的良性循环,助力银行业高质量发展。
