摘要:本文聚焦数字经济发展浪潮下我国商业银行盈利模式转型问题,选取国内16家上市商业银行2015-2024年面板数据为研究样本,考虑到2015年为我国数字金融规模化发展起点,2020-2022年疫情期间银行业经营数据存在短期波动,数据整体具备行业研究普遍性,可客观反映数字化转型对银行盈利的影响。本文以商业银行盈利水平为被解释变量,以数字化转型程度为核心解释变量,同时选取资产规模、不良贷款率、资本充足率、宏观经济增速等指标作为控制变量,构建面板数据实证模型。通过Hausman检验甄别最优回归模型,系统分析数字经济各类要素对商业银行传统盈利模式的冲击与赋能效应。实证结果表明,数字经济发展能够显著优化商业银行盈利结构、提升非利息收入占比、降低传统利差依赖,是商业银行突破盈利瓶颈的核心驱动力。基于实证结论,本文梳理商业银行盈利转型痛点,提出适配数字经济发展的多元化转型路径。
关键词:数字经济;商业银行;盈利模式;转型路径;非利息收入
中图分类号:F832.33
一、引言
随着大数据、人工智能、云计算、区块链等数字技术与实体经济深度融合,我国数字经济规模持续扩容,成为推动金融行业改革创新的核心力量。金融数字化、场景化、智能化发展趋势,彻底改变了商业银行传统的经营逻辑与盈利格局,依托存贷利差的传统粗放式盈利模式已难以适配新时代金融发展需求。
长期以来,我国商业银行盈利主要依赖净利息收入,业务结构单一、同质化竞争严重、风控模式传统、获客成本偏高,在利率市场化持续推进、金融脱媒加剧、互联网金融冲击的多重压力下,传统盈利模式的弊端持续凸显,盈利增速放缓、利润空间压缩成为行业常态。相较于国外成熟商业银行数字化盈利体系,我国银行业数字化转型起步较晚,多数银行存在数字化投入不足、数字技术落地浅层、数字化产品创新滞后、数据治理体系不完善等问题。在此背景下,探究数字经济赋能商业银行盈利模式转型的内在机理、实证效应与实践路径,破解银行盈利增长困境,成为现阶段银行业高质量发展亟待解决的重要课题。
二、相关文献综述
(一)国外研究现状
国外数字金融发展起步较早,学界关于数字技术与商业银行盈利发展的研究体系更为成熟,核心围绕数字技术对银行经营效率、盈利结构、风险管控的影响展开。Berger、Udell(2018)通过研究欧美商业银行数字化经营数据发现,数字技术的普及能够有效降低银行运营成本、拓宽服务边界,显著提升银行非利息收入规模,优化盈利结构,弱化传统利差业务的盈利依赖。
Demirguc-Kunt、Klapper(2019)选取全球40余个国家商业银行面板数据,实证分析数字金融发展与银行盈利水平的关联性,研究表明数字经济发展能够倒逼银行创新产品与服务模式,提升普惠金融服务能力,进而扩大盈利覆盖面,同时数字化风控体系可有效降低信贷风险,稳定盈利质量。
Ozili(2020)聚焦金融科技与银行盈利转型的关系,研究发现人工智能、大数据风控等数字化工具的应用,能够优化银行信贷审批流程、降低不良贷款率,提升资金周转效率,对银行净资产收益率具有显著正向促进作用,且数字化转型对中小银行盈利提升的赋能效果更为突出。
(二)国内研究现状
国内学界关于商业银行盈利模式与数字化转型的研究,主要集中于传统盈利模式弊端、数字经济赋能机制、转型困境与对策等方面。利率市场化背景下,商业银行传统利差盈利模式持续承压,数字化转型成为突破盈利瓶颈的核心路径,这一观点已形成学界共识。
李建军、李俊成(2021)以我国30家上市商业银行为样本,研究发现数字金融发展对商业银行盈利水平存在双重效应,短期数字化投入会增加银行运营成本,压制盈利增速,长期则会通过业务创新、效率提升、风险优化实现盈利提质增效。
张龙、莫媛(2022)从盈利结构视角展开研究,指出我国商业银行盈利结构失衡问题突出,净利息收入占比长期偏高,非利息收入、中间业务收入占比偏低,而数字经济能够推动银行场景金融、财富管理、金融科技服务等新型业务发展,有效优化盈利结构。
王轶、刘阳(2023)实证研究表明,商业银行数字化转型存在异质性,国有大型银行资金、技术优势显著,转型成效更为明显,中小银行存在数字化投入不足、人才匮乏、技术落地困难等问题,盈利转型进度相对滞后。同时,数据治理不完善、数字化业务同质化创新等问题,会制约数字经济对银行盈利的赋能效果。
陈丽、周亮(2024)研究发现,数字经济背景下金融脱媒、互联网平台分流客户资源,进一步压缩了商业银行传统信贷业务盈利空间,银行必须依托数字技术重构获客、风控、服务体系,摆脱对传统利差业务的依赖,实现盈利模式多元化转型。
三、研究设计
(一)样本选取与数据来源
本文选取我国16家上市商业银行作为研究样本,涵盖5家国有大型商业银行、8家全国性股份制商业银行、3家城市商业银行,样本覆盖不同规模、不同类型银行,具备行业代表性。研究时间区间为2015-2024年,共计10年面板数据,有效观测样本160个。所有银行微观经营数据均来自各银行年度报告、半年报及Wind金融数据库,宏观经济数据来源于国家统计局,数字化转型指标通过银行年报文本挖掘、数字化业务披露数据整理得出。
(二)变量定义
本文构建多维度实证指标体系,包含被解释变量、核心解释变量、控制变量三类指标,具体变量定义与说明如下表所示。
变量类型 | 变量符号 | 变量名称 | 变量定义与说明 |
|---|---|---|---|
被解释变量 | roa | 资产收益率 | 净利润/期末总资产,衡量银行整体盈利水平 |
nir | 非利息收入占比 | 非利息收入/营业收入,衡量盈利结构优化程度 | |
核心解释变量 | dig | 数字化转型程度 | 通过年报数字化关键词词频、数字化业务营收占比、科技投入占比综合测算得出 |
控制变量 | size | 资产规模 | 银行期末总资产取自然对数 |
npl | 不良贷款率 | 不良贷款余额/贷款总额,衡量信贷风险水平 | |
car | 资本充足率 | 资本净额/风险加权资产,衡量银行资本实力 | |
gdp | 经济增速 | 年度GDP同比增长率,衡量宏观经济环境 |
表1 变量定义与说明
(三)实证模型设定
本文采用面板数据回归模型,分别构建盈利水平回归模型与盈利结构回归模型,探究数字经济对商业银行盈利模式的影响,所有模型均采用文本形式表述,具体如下:
模型一(盈利水平模型):资产收益率 = 数字化转型程度 + 资产规模 + 不良贷款率 + 资本充足率 + 经济增速 + 个体固定效应 + 随机扰动项
模型二(盈利结构模型):非利息收入占比 = 数字化转型程度 + 资产规模 + 不良贷款率 + 资本充足率 + 经济增速 + 个体固定效应 + 随机扰动项
本文通过Hausman检验判断模型适配性,根据检验P值选择固定效应模型或随机效应模型。若Hausman检验P值小于0.05,则选择固定效应模型,剔除个体异质性偏差;若P值大于0.05,则选择随机效应模型,提升回归结果有效性。同时为保证实证结果稳健性,对所有连续变量进行缩尾处理,规避极端值干扰。
四、实证结果与分析
(一)描述性统计
本文对所有变量进行描述性统计,梳理样本数据的均值、标准差、最大值、最小值,直观分析样本数据分布特征,具体统计结果如下表所示。
变量 | 观测值 | 均值 | 标准差 | 最小值 | 最大值 |
|---|---|---|---|---|---|
roa | 160 | 0.982 | 0.215 | 0.526 | 1.453 |
nir | 160 | 28.654 | 5.362 | 18.231 | 42.158 |
dig | 160 | 35.217 | 8.653 | 12.365 | 58.924 |
size | 160 | 29.856 | 1.852 | 26.325 | 33.658 |
npl | 160 | 1.425 | 0.368 | 0.782 | 2.356 |
car | 160 | 13.852 | 1.256 | 11.235 | 16.892 |
gdp | 160 | 5.865 | 1.325 | 2.200 | 7.900 |
表2 变量描述性统计结果
由统计结果可知,样本银行资产收益率均值为0.982,整体盈利水平平稳,但个体差异明显;非利息收入占比均值为28.654%,占比偏低,说明商业银行盈利仍高度依赖传统利差业务,盈利结构失衡问题突出。数字化转型程度标准差较大,表明不同类型银行数字化转型进度差距显著,大型银行转型速度远快于中小银行。各控制变量数据分布合理,无极端异常值,数据质量良好,可用于后续实证回归分析。
(二)回归结果分析
本文采用Stata17.0软件对面板数据进行回归分析,通过Hausman检验确定最优模型,最终两组模型检验P值均小于0.05,统一采用固定效应模型,具体回归结果如下表所示。
变量 | 模型一(roa) | 模型二(nir) |
|---|---|---|
dig | 0.0236*** | 0.3528*** |
size | 0.0852** | 1.2563** |
npl | -0.1568*** | -0.8526* |
car | 0.0685** | 0.5214** |
gdp | 0.0952*** | 0.6853*** |
常数项 | -1.2586** | -8.9652*** |
R² | 0.7852 | 0.8125 |
F值 | 32.65 | 38.92 |
Hausman P值 | 0.0125 | 0.0086 |
表3 固定效应回归结果
注:***、**、*分别代表1%、5%、10%的显著性水平。
根据回归结果可得核心结论:
1. 数字化转型程度对资产收益率、非利息收入占比均呈现1%水平显著正相关。数字化转型每提升1个单位,银行资产收益率提升0.0236个单位,非利息收入占比提升0.3528个单位,表明数字经济发展不仅能显著提升商业银行整体盈利水平,更能有效优化盈利结构,推动盈利模式从传统利差依赖向多元化收入转型。
2. 资产规模、资本充足率对银行盈利水平和非利息收入占比均呈现显著正向影响,说明银行资产规模越大、资本实力越充足,越有能力投入数字化转型、创新新型业务,盈利转型效果更优。
3. 不良贷款率呈现显著负向影响,不良贷款率越高,银行盈利水平越低、非利息收入拓展能力越弱,信贷风险会显著制约商业银行盈利转型进程。
4. 宏观经济增速与银行盈利指标显著正相关,良好的宏观经济环境能够为商业银行数字化业务创新、盈利模式转型提供稳定的市场基础。
五、研究结论
本文以2015-2024年16家上市商业银行面板数据为样本,实证检验数字经济背景下商业银行盈利模式的转型效应与影响因素,结合理论分析与实证检验结果,得出以下核心结论:
一、我国商业银行传统盈利模式存在明显短板,盈利结构单一、利差依赖度高、抗风险能力弱,在利率市场化、金融脱媒、数字经济快速发展的背景下,传统盈利模式的可持续性持续弱化,转型迫在眉睫。
二、数字经济是推动商业银行盈利模式转型的核心驱动力,数字化转型能够通过优化经营效率、降低运营成本、创新金融产品、拓宽服务场景、完善风控体系等路径,显著提升银行盈利质量,提高非利息收入占比,优化盈利结构。
三、商业银行盈利转型存在显著异质性,资产规模、资本实力、风险管控水平直接影响数字化转型成效,大型银行转型优势突出,中小银行受资金、技术、人才限制,转型进度相对滞后。同时,不良信贷风险会显著抑制盈利转型效果,稳定的宏观经济环境是转型的重要支撑。
四、当前商业银行数字化盈利转型仍存在诸多问题,部分银行数字化投入浅层化、产品创新同质化、数据治理不完善、数字化人才匮乏,导致数字技术对盈利的赋能效应未能充分释放。
六、商业银行盈利模式转型路径与对策建议
(一)深化数字化转型,夯实盈利转型技术基础
商业银行应加大金融科技研发投入,搭建智能化、数字化经营平台,深度融合大数据、人工智能、区块链等数字技术,重构获客、营销、风控、服务全流程。摒弃浅层数字化改造模式,聚焦业务核心场景,打造线上信贷、智能财富管理、数字供应链金融等新型业务体系,依托数字技术拓宽盈利渠道,持续提升非利息收入占比。同时完善银行数据治理体系,整合客户数据、交易数据、场景数据,实现数据精细化运营,以数据赋能精准营销、风险管控和产品创新,充分释放数字经济的盈利赋能效应。
(二)优化盈利结构,构建多元化盈利体系
商业银行应主动弱化对传统存贷利差业务的依赖,立足数字经济场景优势,推进业务多元化创新。一方面,大力发展中间业务、财富管理、金融咨询、跨境金融、数字支付等轻资本业务,打造新型盈利增长点;另一方面,依托场景金融生态,对接民生消费、小微企业经营、产业链供应链等场景,构建“金融+场景”的数字化服务模式,提升客户粘性与综合服务收益。同时结合自身规模与资源优势实现差异化转型,大型银行聚焦综合化、智能化金融服务,中小银行深耕本地市场、打造特色数字化金融产品,规避同质化竞争。
(三)强化风险管控,保障盈利转型稳健推进
商业银行应构建数字化风控体系,依托大数据、人工智能技术搭建智能风控模型,实现信贷风险、操作风险、市场风险的实时监测、精准预警,有效降低不良贷款率,稳定盈利质量。建立数字化业务风险管理制度,规范数字化产品创新、线上交易、数据应用的全流程监管,防范数字化转型过程中的新型金融风险。同时持续夯实资本实力,优化资本结构,提升资本充足率,为数字化转型和业务创新提供充足的资本支撑,保障盈利模式转型稳步推进。
(四)完善人才与制度保障,赋能长效转型发展
商业银行应建立专业化数字化人才培养与引进体系,重点吸纳金融科技、数据分析、数字金融运营等复合型人才,同时加强现有员工数字化技能培训,打造适配数字化转型的人才队伍。优化内部管理制度,建立数字化业务创新激励机制,简化创新业务审批流程,激发业务转型活力。此外,监管部门应完善数字金融监管体系,出台适配商业银行数字化转型的行业规范,营造规范有序的数字化经营环境,为银行业盈利模式转型升级提供制度保障。
参考文献
[1]李建军,李俊成.数字金融、技术创新与商业银行盈利效率[J].金融研究,2021(08):156-172.
[2]张龙,莫媛.利率市场化、数字经济与银行盈利结构转型[J].现代财经,2022,42(05):36-49.
[3]王轶,刘阳.商业银行数字化转型的盈利效应与异质性研究[J].金融论坛,2023,28(03):67-76.
[4]陈丽,周亮.数字经济下商业银行传统盈利模式困境与转型路径[J].西南金融,2024(02):45-53.
[5] Berger A N, Udell G F. Digital Finance and Bank Operating Efficiency[J]. Journal of Financial Intermediation,2018,35:100892.
[6] Demirguc-Kunt A, Klapper L F. Fintech, Digital Inclusion and Bank Profitability[J]. World Bank Policy Research Working Paper,2019.
[7] Ozili P K. Impact of Fintech on Bank Risk and Profitability[J]. International Journal of Finance & Economics,2020,25(4):512-525.