商业银行数字化转型与信用风险 经济资本管理：研究综述与展望

代婉瑞 宋良荣

【摘要】信用风险作为商业银行的主要风险， 其经济资本管理水平直接决定商业银行的价值创造。 近年来， 我国商业银行数字化转型势头与日俱增， 但转型求变之路于商业银行信用风险经济资本管理而言是把“双刃剑”， 如何辩证地看待、分析我国商业银行数字化转型对其信用风险经济资本管理的影响机制是本文聚焦的重点。 鉴于此， 对商业银行数字化转型的概念、具体路径以及实施经济资本管理的主要内容三个方面的研究成果进行综述， 并以正面影响和负面影响为切入点， 从经济资本需求端、经济资本供给端和经济资本配置效率三个层面辨析数字化转型赋能商业银行信用风险经济资本管理的作用机理。

【关键词】商业银行;数字化转型;信用风险;经济资本管理

【中图分类号】F830      【文献标识码】A      【文章编号】1004-0994（2022）15-0130-8

一、引言

商業银行不仅是实体经济最大的服务部门[1] ， 更是各国金融业的“领头羊”， 其风险管理问题一直是学术界关注并热议的焦点。 美联储前主席艾伦·格林斯潘曾言， “商业银行亘古不变的任务就是持续地衡量、接受并管理风险”。 纵观国内外商业银行发展史可知， 高效的风险管理不仅是商业银行稳健经营、提升市场核心竞争力的重要保障， 更是其创造价值、实现价值最大化的必经之路。

自20世纪80年代以来， 经济全球化、金融自由化和金融创新的快速兴起导致商业银行面临的风险更加复杂多变， 金融体系的稳定性一度受到严重威胁。 为了维系金融体系的稳健运营， 巴塞尔委员会于1988年正式推出《统一资本计量和资本标准的国际协议》， 并提出“资本充足率”的概念和相应的监管要求。 这一政策导向促使国际银行业由盲目追求资产规模扩张向重视内部资本管理方向转变， 经营管理的重心也从一直以来的资产负债管理逐步向以风险计量和资本优化配置为核心的经济资本管理方向倾斜。 经济资本管理作为贯穿商业银行风险计量和资本优化配置始终的核心工具， 其本质就是通过将银行风险内化， 将风险管理渗透于银行管理的各个层面， 将资本、风险、收益三者进行更好的匹配与平衡， 从而改变银行内部原有的资本配置形式， 在有效控制银行风险的同时为其创造更大的价值， 它是商业银行维系可持续稳健发展必不可少的管理手段。

在动态变化的环境中， 以经济资本为核心的全面风险管理尤显重要。 伴随近年来数字经济作为国家战略的蓬勃兴起， 数字金融成为当下推动金融业高质量发展的主流。 继2019年中国人民银行首次明确金融科技的定位后， 2022年1月中国人民银行和银保监会又先后发布了《金融科技发展规划（2022-2025年）》和《关于银行业保险业数字化转型的指导意见》， 在明确“十四五”期间金融业数字化转型目标和任务的同时为下一阶段各金融机构的数字化转型工作指明了方向。

在此背景下， 我国各商业银行纷纷踏上转型求变之路。 但在数字技术赋能商业银行经济资本管理的过程中， 对其风险管控能力、经济资本占用和经济资本配置效率等方面的影响具有两面性： 一方面， 大数据、云计算、区块链和人工智能等互联网技术的应用赋能， 极大缓解了商业银行传统信贷业务中存在的信息不对称问题， 在强化商业银行风险管控能力的同时降低了经济资本占用; 另一方面， 大数据技术虽能采集海量数据， 但其对数据信息的真实性核实方面存在缺失， 而一旦混入虚假数据或信息， 则可能直接导致商业银行管理层做出错误的分析与决策[2] ， 造成银行内部不合理的经济资本配置和资本与风险资产失衡的局面， 反而会降低商业银行的资源配置效率和价值创造能力。 由此令人不由提出商业银行数字化转型会使其经济资本管理变得更好还是更糟的问题。

鉴于信用风险是商业银行内部经济资本的“需求大户”， 占比高达70% ～ 90%[3] ， 本文旨在以商业银行信用风险为探讨对象， 对相关文献进行系统梳理， 在展示我国商业银行数字化转型与其信用风险经济资本管理研究进展的同时， 进一步辨析商业银行数字化转型对其信用风险经济资本管理的影响机制， 并在此基础上展望这一领域的未来研究方向。

二、数字化转型的概念探析

近年来， 数字化转型不仅是各行各业谋发展、创价值的必然选择， 更引发了学术界的广泛热议。 目前关于数字化转型的定义和对其本质的认识， 学术界的观点莫衷一是， 学者们多层次、多角度地对这一概念的内涵进行了界定。 商业银行作为服务实体经济的特殊企业群体， 其数字化转型的概念既不失一般性又兼顾自身特点[4] ， 因而应在探析企业数字化转型定义的基础上界定商业银行数字化转型的内涵。

1. 企业数字化转型的定义。 根据研究视角和侧重点的不同， 本文将有关企业数字化转型的研究划分为两类： 一是侧重从技术角度强调数字技术在企业数字化转型中的重要性。 Li等[5] 认为， 信息技术的改进升级是企业数字化转型的关键。 企业通过引入颠覆性数字技术进行软硬件升级， 进而实现处理数据的即时性和获取信息的智能化[6] 。 二是侧重探讨由技术升级所引发的企业内部一系列转型变革。 曾德麟等[7] 认为， 企业数字化转型是一个覆盖多层面的变革过程。 小到个人， 大到组织、产业， 其转型目标是成为由数据智能驱动的数字企业[8] 。 Singh和Hess[9] 表示， 数字化转型从根本上变革了企业的商业模式和组织架构， 助力企业参与到更广泛的生态系统之中以保持竞争力。

2. 商业银行数字化转型的定义。 商业银行数字化转型是一项系统性工程[10] 。 从宏观上讲， 不仅要做好战略上的顶层设计和转型规划， 还要构建数字化的组织架构和信息平台[11] ; 从微观上讲， 则是以数据和技术为驱动力、以金融科技为引擎、以客户需求为业务导向， 通过创新金融服务、重塑业务流程等方式促进金融效率的提升[12] 。 罗勇[13] 指出， 商业银行数字化转型的根本动机在于应对复杂环境的不确定性。 数字化转型可赋能商业银行利用数据流动自动化并辅以高能算法， 最终实现对外部环境的高效响应和资源配置效率的提高。

三、商业银行数字化转型的具体路径

商业银行数字化转型是顺应时代发展和应对竞争压力的必然选择[2] 。 依据2019年由中国互联网金融协会金融科技发展与研究专委会联合瞭望智库撰写的《中国商业银行数字化转型调查研究报告》以及张烨宁和王硕[14] 的研究成果， 可将我国商业银行的数字化转型路径分为战略规划、组织文化、业务流程和渠道变革四个方面。

1. 战略规划。 正确且明晰的战略规划是一个企业发展的方向标和主心骨。 数字化转型是一项由上至下、由里及外的系统性工程， 这就要求商业银行在实施数字化转型之前， 必须制定明确的数字化转型战略[15] ， 为银行今后数字化转型各项工作的协调开展提供支持与指导[16] 。 当前， 大多数商业银行均制定了数字化战略和金融科技规划等， 运用系统化、体系化的思维为银行下一阶段在数字化转型领域的发展理念和工作任务明确了方向。

2. 组织文化。 在数字化转型的迫切要求和金融科技的持续赋能应用下， 商业银行逐渐意识到应调整传统的组织架构以适应新的发展需求。 商业银行通过设置单独部门、建立金融科技子公司等方式推动各部门协调配合， 提升银行的管理能力。 例如： 为更专业、更有针对性地消除银行在数字化转型过程中所触及的业务痛点， 使其摆脱转型困境， 商业银行升级或设立了金融科技部、网络金融部、数字金融部等独立部门， 为银行数字化转型的开展提供坚实的组织保障[17，18] ; 大银行凭借其资金规模等优势自行建立金融科技子公司， 中小型银行则采取“抱团取暖”的方式联合成立“中小银行互联网金融（深圳）联盟”[19] 。 这一系列举措根植于银行内部生态建设中， 进一步加深了商业银行的数字化程度， 为银行更专注地摸索探寻数字化转型的发展路径创造了有利条件。

3. 业务流程。 业务流程的数字化变革是商业银行数字化转型成功与否的关键。 在保证服务质量的前提下， 实现业务流程的智能化、高效化和精细化是商业银行业务流程转型升级的根本目标。 一方面， 金融科技的应用使商业银行在提升业务处理效率的同时降低了人工干预程度[14] 。 以信贷业务为例， 商业银行可以利用大数据和人工智能技术在处理海量、非结构化数据等方面的优势， 提升贷款审核的精确度和贷款发放速度， 并有效消减审贷过程中的寻租行为[20] 。 另一方面， 金融科技的应用使商业银行在提升服务精细化程度的同时降低了服务成本。 以智能投顾和精准营销为例： 首先， 智能投顾的投入使用可以帮助商业银行依据不同投资者在资金、风险和投资回报等方面的条件和要求， 为投资者们打造个性化的投资理财方案[21] ; 其次， 商业银行通过大数据挖掘技术探寻客户的行为模式和动态需求[18] ， 以此为客户精准匹配其所需的产品和服务， 从而形成“人找货”的新服务模式。

4. 渠道变革。 商业银行通过拓展线上渠道和优化线下渠道两种方式提升自身的获客和留客能力。 一方面， 手机银行、网上银行等业务的开展拓宽了商业银行的服务范围， 使其不再受限于时间和空间等物理因素， 可为客户提供“7×24”小时不间断服务[22] ， 增强了自身获客能力; 另一方面， 商业银行通过引入智能柜员机、机器人大堂经理等智能设备优化线下服务网点， 实现查询、转账、存取款一体化等自助服务， 在分流柜台业务量的同时节省了客户排队等候的时间， 优化了客户线下服务体验， 提升了自身留客能力[14] 。

四、商业银行实施经济资本管理的主要内容

随着经营环境和监管环境的不断变化以及内部资产规模的持续扩张， 我国商业银行实行精细化资本管理的需求日益迫切， 以经济资本为核心的全面风险管理随之被提上日程。 自20世纪70年代美国信孚银行首次引入经济资本概念以来， 银行业的经济资本管理就广受国内外学者们的热切关注。 他们在界定经济资本内涵的基础上， 主要从经济资本计量、经济资本配置和经济资本绩效考核三个方面对商业银行的经济资本管理展开研究。 鉴于本文的研究侧重点， 以下着重从经济资本内涵、经济资本计量和经济资本配置的角度对商业银行信用风险经济资本管理展开论述。

1. 经济资本内涵。 早期Ong[23] 在其专著中界定了经济资本的内涵， 他认为经济资本是银行为了维持正常经营、防止意外损失的发生而提前预留的资本。 随后， Schroeck[24] 通过引入风险资本的概念， 进一步深化了经济资本的内涵， 他表示经济资本的本质就是风险资本， 银行持有其的目的在于避免触及挤兑临界水平。 国内对于经济资本概念的定义始于2000年李宗怡[25] 对银行信用风险内部模型的评述， 他指出， 经济资本是银行在发生不可预见的风险时必须保有的资本量， 以防引发银行的流动性危机。 随着后续研究的不断深入， 学者们对经济资本本质的认识基本达成一致， 即： 经济资本是一种虚拟的、为了缓冲或弥补银行非预期损失所需要的资本[26，27] 。

2. 经济资本计量。 经济资本计量的目的是将风险量化， 这里主要从计量方法的演进历程、计量方法的分析与改进以及计量方法的应用三个方面对信用风险经济资本的计量展开阐述。

关于信用风险经济资本计量方法的演进历程， 吴仕建和李心愉[28] 认为， 2000年巴塞尔委员会渐进单因子模型的提出成为信用风险经济资本计量模型发展的分水岭。 在此之前， 国际银行业均遵从1988年的资本协议且内部风险计量独立于监管资本要求。 与此同时， 鉴于部分领先银行自身风险管理的需要， 不少机构在这一阶段创建出多种信用风险计量模型， 如KMV公司的KMV模型、CSFP的CreditRisk+模型以及JP Morgan的Credit Metrics模型等， 一度成为该时期组合信用风险计量的主流方法。 2000年之后， 出于激励商业银行提升风险管理水平以及使监管资本的计量更贴合商业银行真实风险等方面的考虑， 巴塞尔委员会提出渐進单因子模型， 这也为后来内部评级法的提出奠定了基础。

伴随研究过程的不断深入， 学者们进一步剖析了信用风险经济资本计量方法。 彭建刚等[29] 对比分析了美国银行和瑞士波士顿银行的信用风险经济资本计量方法， 他们认为后者的计量方法更贴合我国商业银行的实际情况。 孙巍[30] 在系统论述运用监管类模型和市场类模型度量信用风险经济资本原理的同时指出了这两类方法的优缺点， 他表示： 监管类模型虽简单易行， 但测算结果的准确度和风险敏感性还有待提高; 而市场类模型虽弥补了监管类模型的不足， 但其实施成本较高， 可操作性不强。 因而， 为满足实际计量过程中的需要， 提高模型的测算精度， 部分学者对信用风险经济资本的计量方法和模型进行了相应改进。 慕文涛等[31] 采用Johnson变换的方式实现了以非正态数据计算信用风险经济资本。 彭建刚和黄玺[32] 改良了零售贷款违约概率和损失分布的测算方法， 最终构建出基于CreditRisk+模型且符合零售贷款信用风险特征的经济资本计量模型。

此外， 学者们还通过测算信用风险经济资本对相应实务问题进行了研究。 姚婷和宋良荣[33] 选用KMV模型测算了我国商业银行的信用风险经济资本， 并进一步探究了金融科技对银行信用风险经济资本水平的影响。 杨继光等[34] 将信用风险经济资本测度应用于贷款定价， 以此提高贷款定价的风险敏感度。

3. 经济资本配置。 学者们主要从理论层面对经济资本配置方法做了相应研究。 目前主要有“自上而下”“自下而上”和“上下结合”三种配置方法。

“自上而下”的配置方法是依据商业银行整体可用的总量经济资本， 综合银行未来发展战略、高层管理者的风险偏好以及各管理维度的风险状况和盈利能力， 将有限的经济资本逐级分配至各业务单元[35] 。 Merton和Perold[36] 运用边际风险资本“自上而下”地配置银行经济资本。 Kimball[37] 指出， 银行可以先按照“自上而下”的方法对内部经济资本进行分配， 再将分配后业务的资本结构与其在理论上的结构相比较。

与“自上而下”的配置方式相比， “自下而上”的配置理念更注重“底层大众需求”， 旨在先由各业务单元依据过去的经营情况和对未来风险的预判， 确定各自的经济资本需求， 然后逐级汇总上报至总行[3] 。 新巴塞尔协议中的标准法、贾正晞等[38] 在对商业银行市场风险经济资本分配方法的研究中均用到了“自下而上”的配置方式。

“自上而下”的配置方法虽能有效贯彻银行高层的战略思想和管理理念， 但可能造成各管理维度风险与资本匹配不合理的现象[35，38] ; 而“自下而上”的方法虽有助于实现经营目标， 但存在对未来经营状况把控不准、配置周期长、配置方案保守等缺陷[3，35] 。 将以上两种配置方法“取其精华， 去其糟粕”， 由此形成“上下结合”的经济资本配置路线。 该方法先“自下而上”地统计全行各层级单元的经济资本需求， 然后“自上而下”地进行资本分配， 最终达到既能将商业银行的战略理念贯彻始终， 又能合理匹配各层级单元风险与资本的目的[35，38] 。 在实证研究层面， Tasche[39] 在引入核估计方法提高对单一投资组合VaR贡献估计精度的同时， 进一步研究了信贷投资组合的经济资本分配问题。

五、商业银行数字化转型对信用风险经济资本管理的影响机制辨析

商业银行作为一个以承担风险、转化风险和经营风险为核心业务谋生并创造收益的“风险工厂”， 风险于其而言就是最基础的经济资源。 风险必然伴随着损失， 而资本正是吸收、覆盖损失的良好“海绵”， 更是商业银行维持市场信心、确立自身市场信誉的“招牌”。 经济资本管理作为合理匹配银行风险、资本、收益的重要工具， 是商业银行实现价值最大化不可或缺的“尖兵利器”。 信用风险作为商业银行占比最高的风险类型， 在银行转型求变的当下， 其经济资本管理会受到怎样的影响是任何一家商业银行都无法忽视的问题。 通过梳理相关文献， 本文基于经济资本需求端、经济资本供给端和经济资本配置效率三个层面辩证地分析我国商业银行数字化转型对其信用风险经济资本管理的影响路径和作用机理。

1. 正面影响。

（1）经济资本需求端层面的正面影响。 经济资本需求即经济资本占用， 是商业银行为抵御各项业务带来的非预期损失所必须持有的最低资本额[40] 。 因此， 经济资本需求的确定本质上就是量化风险的过程， 信用风险经济资本占用的多寡与商业银行信用风险水平的高低具有内在一致性。

信息不对称问题是商业银行信贷风险的关键诱因， 而金融科技的应用可以从根源上缓解该类问题[41] 。 一方面， 大数据技术打破了传统银行处理信贷业务时对借款对象的抵押品资料和财务信息过度依赖的局面[42] ， 丰富并细化了借款对象信息的维度和粒度， 实现了对客户风险状况的精准把控， 提高了客户甄别度。 在贷前审批环节， 商业银行可以通过大数据技术对海量数据的抓取并结合人工智能对非结构化数据的高效利用和分析， 实现信息对抵押品资料的替代[43] 。 而且， 机器学习算法可以有效提升银行预测借款对象违约概率的精度[2] ， 在帮助银行过滤劣质客户的同时也不致引起优质客户过分流失， 在事前即主动遏止信用风险攀升的可能， 降低经济资本占用。 在贷中贷后的监督环节， 人工智能和物联网技术还有助于商业银行对已授信的客户进行实时全方位的资金链监控， 对任何触及预警指标的行为及时发出警报， 从而形成一套具有前瞻性和时效性的贷前、贷中和贷后的风险管理闭环流程[1] ， 降低了商业银行的信用风险水平和相应的经济资本需求。

（2）经济资本供给端层面的正面影响。 经济资本供给是指所有可用于抵挡非预期损失冲击、确保银行能够正常运营的财务资源总和[40] 。 虽然前文对于经济资本的定义明确指出经济资本并非银行真正的资本， 它仅是一个“算出来”的数字[26] ， 但这并不意味着经济资本是看不见、摸不着， 仅存续在银行管理层面和理论层面的虚无概念。 相反， 它需要银行具备实实在在的资本与之对应， 以备意外之险真正发生时银行有足够的资本抵御非预期损失而不致濒临破产倒闭。 因此， 资本供给于信用风险经济资本而言意义重大。 目前， 补充资本、提高资本供给的途径有很多， 如留存利润、发行普通股、优先股、永续债以及二级资本债等。 但相比较而言， 作为商业银行唯一的内源性资本——留存利润， 其获取方式简单， 自主性强， 而且能够节省外部筹资费用， 是商业银行增加资本最廉价的方法[44] 。 因此， 为了提高资本供给， 商业银行可以直接提高利润留存比例， 但该举动可能引发股利分配减少、银行股价下跌等不利影响。 为避免此类现象出现， 商业银行可以通过增强自身盈利能力， 进而提升利润水平来间接实现资本内生增长， 數字化转型的实施则为商业银行盈利能力的提升提供了强大助力。

本文将数字技术对商业银行盈利能力的赋能影响机制分为直接和间接两种。 首先， 在直接作用机制方面， 商业银行一方面依托金融科技“盘活”数据， 提升服务的精准化和个性化， 并通过电子支付和网上银行等创新产品和服务增加客户粘性， 从而实现盈利水平的提升[45] ; 另一方面， 银行系金融科技促进了数据、技术、业务、员工的深度融合， 通过降低边际服务成本和营业成本提升银行的利润水平[46] 。 其次， 在间接作用机制方面， 商业银行在“数据+技术”的合力驱动下， 实现了风险管理水平、中间业务收入和经营效率的显著提升， 最终拓宽了商业银行的盈利空间。 一方面， 大数据、云计算和AI自动检测技术缓解了银企间的信息不对称， 降低了呆、坏账对银行利润的侵蚀[47] ; 另一方面， 金融科技开拓了商业银行中间收入的“蓝海”[48] ， 线上支付、精准营销、智能托管等业务创新实现了商业银行盈利模式的多元化[47] ， 使其非利息收入显著提升。 最后， 商业银行还可以利用金融科技在优化、重组生产要素方面的强大功能， 进一步实现资源配置效率和利润的提升[48] 。

除了通过留存利润进行内源性资本补充， 商业银行还可以通过调整风险资产结构间接提高内部资本供给。 具体来说， 针对增量业务开发， 商业银行可以通过数字化转型提升信贷管理水平， 改善资产质量。 同时， 商业银行应重点开发诸如中间业务等资本占用水平低、收益相对稳定的低风险资产业务[49] ， 减小高风险资产业务投入力度。 如上所述， 商业银行数字化转型在开辟中间业务领域中的赋能作用强大。 而针对存量业务， 商业银行应借助数字技术提升不良资产的清收力度和效率， 释放无效资本占用。 以平安银行为例， 2020年智慧特管平台的投入使用实现了平安银行不良资产清收的线上化、智能化和生态化， 全年回收总额超300亿元， 同比增长21%， 有效释放了更多经济资本占用[50] 。

（3）经济资本配置效率层面的正面影响。 经济资本作为一种稀缺性资源， 成本高昂且数量有限， 依据经济增加值（EVA）和风险调整资本收益（RAROC）指标， 将有限的经济资本高效分配给银行各分支机构、业務条线、产品和客户等， 促使资本与风险资产合理匹配， 是每家商业银行求取价值最大化的必经之路。 但是， 经济资本配置过程会消耗大量资源[51] ， 因而高效的经济资本配置对于商业银行的战略规划、业务决策、资本利用率以及价值创造等意义重大。

伴随金融科技的蓬勃发展和客户需求的更新迭代， 传统的经济资本配置方式已不再适配也无法跟上我国商业银行的发展速度和业务需求。 因而， 商业银行借助互联网、大数据、人工智能等数字技术改善经济资本配置手段， 提升经济资本配置效率。 刘志洋[51] 认为， 人工智能和机器学习技术凭借其强大的数据分析和数据计算能力， 有效提高了资本优化的准确度和运算效率。 Mckinsey[52] 研究发现， 机器学习算法能够优化风险加权资产计量， 其测算结果相较于传统计量方法会降低5% ～ 15%。 而且， 各业务单元EVA和RAROC指标的计算精度对于经济资本的配置至关重要， 两项指标的准确测度均离不开对各业务单元风险承担的精确量化， 机器学习算法在精进风险计量模型和提高相应回测检验设计的准确性方面做出了重要贡献， 它通过高频运算和对极值数据的精细化处理， 得出资本配置和限额管理的具体数值[51] ， 提升了经济资本配置的合理性和科学性。 此外， 经济资本配置并不是一成不变的， 而是一个动态的、持续优化的过程。 在这一过程中， 商业银行可以运用大数据挖掘技术和人工智能等数字技术实现对资产组合风险水平和RAROC指标的智能监控， 依据指标的变化动向实时调整经济资本配置方案[26] ， 在降低人力成本的同时实现资本配置效率的提升， 有效提高了商业银行防范风险的主动性和资本配置的灵活性。

综上， 数字化转型赋能商业银行信用风险经济资本管理存在多路径机制（见图1）， 通过助力商业银行降低信用风险经济资本需求、增加经济资本供给和提高经济资本配置效率， 最终实现商业银行信用风险经济资本管理水平的提升。

2. 负面影响。 数字化转型于商业银行而言是把“双刃剑”， 商业银行在“享受”数字化赋能优势的同时， 必然要承担多重风险与挑战， 银行的信用风险经济资本管理也因此受到一定冲击（见图2）。

（1）经济资本需求端层面的负面影响。 从直接影响来看， 一方面， 数字化转型在拓宽商业银行服务范围的同时降低了客户门槛， 加大了对低端客户的覆盖面， 从而提升了商业银行信用风险攀升的可能性[22] ; 另一方面， 在对客户的信用评级上， 数字技术的赋能应用导致传统“面对面”的信息采集和人工信用审查机制被逐渐取代， 使商业银行并不能完全获取客户的信用资料和完整的信用周期数据， 更无法判断客户借款的真实意图， 这对于银行的信用风险而言也是一个潜在隐患[53] 。

从间接影响来看， 金融科技作为商业银行数字化转型的重要工具， 在引入一系列新型风险的同时赋予了商业银行信用风险新特征， 从而加剧了商业银行的信用风险。 具体来说： ①创新风险。 在数字经济背景引领下， 各企业为抓住发展机遇， 加快了数字化创新步伐。 但由于创新无范本可言， 且试错成本高[54] ， 一旦创新失败， 可能会引发企业流动性危机， 商业银行作为企业主要的信贷支持， 其信用风险也会随之上升。 ②监管风险。 监管与创新始终是一对矛盾的共同体。 监管趋严则限制创新发展， 监管松懈则易诱发违规行为。 刘莉和李舞岩[55] 指出， 金融科技带来的新风险并未在原有监管框架内， 这就可能使得商业银行在应用金融科技操作信贷业务时出现“钻空子”现象， 从而导致信贷风险攀升。 ③技术风险。 技术风险是商业银行数字化转型无法避免的新型风险。 数据安全、黑客攻击、隐私保护等问题一旦出现， 商业银行的信用风险也会受到一定程度的波及和冲击[55] 。 此外， 云计算和API等数字技术的应用促使商业银行各业务节点的关联性更强[51] ， 导致风险传染“牵一发而动全身”。 同时， 金融科技的应用还拉长了交易链条[54] 、模糊了金融市场边界[22] ， 使传统金融风险变得更隐蔽复杂[56] ， 导致风险传播速度更快、范围更广， 信用风险更难以管控。

因此， 商业银行数字化转型也可能造成其信用风险水平不降反升、风险特征更复杂隐蔽的局面， 进一步加大了银行的经济资本需求。

（2）经济资本供给端层面的负面影响。 盈利周期不确定是商业银行开展数字化创新的一大难题。 目前， 众多商业银行积极探索数字技术的研发和实施， 以求通过创新产品、提升服务质量来谋取新的利润增长点。 但是， 布局金融科技是一项耗时且费力的系统性工程， 期间“投入产出不对等”现象突出， 盈利周期不确定， 极易加剧商业银行财务资源紧张程度[57] ， 从而影响信用风险经济资本供给。

（3）经济资本配置效率层面的负面影响。 经济资本配置效率与商业银行高层管理者的战略决策密不可分。 现如今， 大数据分析技术为银行高层的决策下达提供了重要支撑与参考。 但在进行数字化分析与应用前， 应确保所采集数据和信息的真实性和安全性， 而数字技术在这方面存在缺失， 一旦混入虚假数据或信息， 则可能直接导致银行管理层做出错误的分析、预测与决策[2] ， 更无法优化经济资本配置， 甚至造成银行风险资产与经济资本失衡的局面。

六、总结与展望

当前， 我国商业银行数字化转型工作如火如荼， 信用风险作为商业银行的风险主体， 其经济资本管理问题也受到多方面影响。 本文通过系统梳理国内外学者的研究成果， 厘清商业银行数字化对其信用风险经济资本管理影响的“两面性”， 这对于提升商业银行的经济资本管理水平、瞄准转型痛点、构建新型全面风险管理体系， 均具有一定的理论价值和现实意义。 然而， 目前关于商业银行数字化转型和信用风险经济资本管理的研究仍处于初级阶段， 未来还有许多问题值得深入探究。

1. 商业银行在积极转型升级的同时， 如何兼顾数据质量和数据安全？ 一方面， 数据质量直接决定了经济资本计量的准确性和经济资本配置效率; 另一方面， 长久经营为商业银行积累了大量的客户数据信息。 因此， 保障数据安全、维护客户隐私是商业银行的应有之义。 未来， 如何在应用金融科技的同时弥补数字技术在数据信息核实方面的缺失， 避免数据泄露并兼顾隐私保护等问题是一个重要的研究方向。

2. 如何科学量化商业银行数字化转型水平？ 现有研究中关于商业银行数字化转型的量化测度， 多是借助网络爬虫技术并采用“银行名称+关键词”的方法构建金融科技指数[19，41] 。 该指数虽能在一定程度上反映各商业银行的数字化转型水平， 但在关键词选取上存在主观性， 且主要从底层技术和产品服务两方面选择关键词， 忽视了商业银行在战略规划、组织文化、数据治理和生态合作等方面的转型成效， 因而该指数的构建不够客观与全面， 难以准确评估各商业银行的数字化能力。 可见， 商业银行数字化转型水平的量化方面仍有待进一步深入研究。

3. 如何既发挥数字技术赋能商业银行转型升级的积极效应， 又规避其引发的消极效应？ 商业银行在应用金融科技转型的同时承担了多重风险与挑战， 对商业银行的信用风险经济资本管理造成了一定冲击。 对此， 商业银行应如何应对或规避这些冲击？ 监管部门应补充或完善哪些政策法规以防范该类问题的发生？ 这些问题都亟待相关研究和实践的持续推进。

4. 如何提高商業银行信用风险经济资本计量精度？ 目前， 我国商业银行信用风险经济资本计量普遍存在因相关数据缺失而计量精度不高的问题[3] 。 无法建立高级的计量模型并覆盖内部评级法是我国大多数商业银行信用风险经济资本管理的难点和痛点。 如何有效改善这一局面或从根源上解决该问题， 也是今后相关监管部门、各商业银行以及众多学者们共同探究的方向。

【 主 要 参 考 文 献 】

[1] 余静文，吴滨阳.数字金融与商业银行风险承担——基于中国商业银行的实证研究[ J].产经评论，2021（4）：108 ～ 128.

[2] 高增安，廖民超，张贵科.后疫情时代银行数字化转型的机遇、挑战与策略[ J].现代管理科学，2021（3）：103 ～ 112.

[3] 刘林，陈少晖.我国商业银行信用风险经济资本管理研究[ J].青海社会科学，2021（3）：119 ～ 127.

[4] 杜尔玏，吉猛，袁蓓.我国中小银行以数字化转型促进高质量发展研究[ J].西北大学学报（哲学社会科学版），2021（1）：109 ～ 116.

[5] Li L.， Su F.， Zhang W.， et al.. Digital transformation by SME entrepreneurs： A capability perspective[ J].Information Systems Journal，2018（6）：1129 ～ 1157.

[6] Gray J.， Rumpe B.. Models for the digital transformation[ J].Software & Systems Modeling，2017（2）：307 ～ 308.

[7] 曾德麟，蔡家玮，欧阳桃花.数字化转型研究：整合框架与未来展望[ J].外国经济与管理，2021（5）：63 ～ 76.

[8] 黄丽华，朱海林，刘伟华等.企业数字化转型和管理：研究框架与展望[ J].管理科学学报，2021（8）：26 ～ 35.

[9] Singh A.， Hess T.. How chief digital officers promote the digital transformation of their companies[ J].MIS Quarterly Executive，2017（1）：1 ～ 17.

[10] 钱斌.新形势下商业银行数字化转型的探索与思考[ J].新金融，2021（10）：4 ～ 7.

[11] 朱太辉，张彧通.农村中小银行数字化转型研究[ J].金融监管研究，2021（4）：36 ～ 58.

[12] 王俊寿.后疫情时代银行保险业数字化转型思考与突破——以山东省为例[ J].金融发展研究，2021（1）：40 ～ 45.

[13] 罗勇.商业银行的数字化转型[ J].中国金融，2022（1）：55 ～ 56.

[14] 张烨宁，王硕.金融科技对商业银行数字化转型的影响机制——基于中介效应模型的实证研究[ J].武汉金融，2021（11）：30 ～ 40.

[15] Kotarba M.. New factors inducing changes in the retail banking Customer Relationship Management （CRM） and their exploration by the FinTech industry[ J].Foundations of Management，2016（1）：69 ～ 78.

[16] Matt C.， Hess T.， Benlian A.. Digital transformation strategies[ J].Business & Information Systems Engineering，2015（5）：339 ～ 343.

[17] 王诗卉，谢绚丽.知而后行？管理层认知与银行数字化转型[ J].金融评论，2021（6）：78 ～ 97+119 ～ 120.

[18] 谢治春，赵兴庐，刘媛.金融科技发展与商业银行的数字化战略转型[ J].中国软科学，2018（8）：184 ～ 192.

[19] 李学峰，杨盼盼.金融科技、市场势力与银行风险[ J].当代经济科学，2021（1）：45 ～ 57.

[20] Hassani H.， Huang X.， Sliva E.. Digitalisation and big data mining in banking[ J].Big Data and Cognitive Computing，2018（3）：1 ～ 13.

[21] 易宪容.金融科技的内涵、实质及未来发展——基于金融理论的一般性分析[ J].江海学刊，2017（2）：13 ～ 20.

[22] 姚婷，宋良荣.金融科技对商业银行信用风险的经济资本影响研究[ J].科技管理研究，2021（1）：104 ～ 110.

[23] Ong M. K.. Internal credit risk models： Capital allocation and performance measurement[M].London： Risk Books，1999.

[24] Schroeck G.. Risk management and value creation in financial institutions[M].New York： John Wiley & Sons，2002.

[25] 李宗怡.银行内部信用风险模型评述[ J].经济导刊，2000（4）：51 ～ 55.

[26] 刘建德.经济资本——风险和价值管理的核心[ J].国际金融研究，2004（8）：44 ～ 49.

[27] 汪小亚，张江帆.经济下行期经济资本管理的难点和重点[ J].金融论坛，2017（6）：14 ～ 20.

[28] 吴仕建，李心愉.信用风险经济资本计量：国际演进及对中国的启示[ J].南方金融，2012（12）：37 ～ 41.

[29] 彭建刚，吴思，张丽寒.国外两种商业银行经济资本计量方法的比较分析[ J].上海金融，2008（7）：62 ～ 65+42.

[30] 孙巍.我国商业银行经济资本度量的模型选择[ J].上海金融，2005（8）：26 ～ 28.

[31] 慕文涛，陈典发，陈冀.非正态数据下商业银行信用风险和经济资本度量[ J].系统工程理论与实践，2013（6）：1372 ～ 1379.

[32] 彭建剛，黄玺.基于CreditRisk+模型的零售贷款经济资本计量方法[ J].湘潭大学学报（哲学社会科学版），2011（3）：23 ～ 27.

[33] 姚婷，宋良荣.金融科技对商业银行风险的影响及异质性研究[ J].云南财经大学学报，2020（12）：53 ～ 63.

[34] 杨继光，刘海龙，许友传.基于信用风险经济资本测度的贷款定价研究[ J].管理评论，2010（7）：33 ～ 38+45.

[35] 武剑.商业银行经济资本配置——理论模型与案例研究[ J].国际金融研究，2009（5）：69 ～ 77.

[36] Merton R.， Perold A.. Theory of risk capital in financial firms[ J].Journal of Applied Corporate Finance，1993（3）：16 ～ 32.

[37] Kimball Ralph C.. Economic profit and performance measurement in banking[ J].New England Economic Review，1998（1）：35 ～ 53.

[38] 贾正晞，杜纲，李娟.基于内部模型的商业银行市场风险经济资本分配方法研究[ J].管理工程学报，2015（3）：231 ～ 238.

[39] Tasche D.. Capital allocation for credit portfolios with kernel estimators[ J].Quantitative Finance，2009（5）：581 ～ 595.

[40] 刘宏海.商业银行经济资本管理与价值创造（第二版）[M].北京：中国金融出版社，2019.

[41] 金洪飞，李弘基，刘音露.金融科技、银行风险与市场挤出效应[ J].财经研究，2020（5）：52 ～ 65.

[42] 刘少波，张友泽，梁晋恒.金融科技与金融创新研究进展[ J].经济学动态，2021（3）：126 ～ 144.

[43] Vives X.. Digital disruption in banking[ J].Annual Review of Financial Economics，2019（1）：243 ～ 272.

[44] 唐建伟.完善银行资本补充体系[ J].中国金融，2019（14）：67 ～ 69.

[45] Deyoung R.， Lang W. W.， Nolle D. L.. How the internet affects output and performance at community banks[ J].Journal of Banking & Finance，2006（4）：1033 ～ 1060.

[46] 李运达，陈伟，周华东.金融科技、生产率悖论与银行盈利能力[ J].财经科学，2020（11）：1 ～ 16.

[47] 于鳳芹，于千惠.金融科技影响商业银行盈利能力的机制分析[ J].金融与经济，2021（2）：45 ～ 52+62.

[48 刘孟飞，蒋维.金融科技促进还是阻碍了商业银行效率？——基于中国银行业的实证研究[ J].当代经济科学，2020（3）：56 ～ 68.

[49] 巴曙松，刘清涛，牛播坤.中国资本充足监管框架的形成及其市场影响——兼论巴塞尔新资本协议与《商业银行资本充足率管理办法》的比较[ J].财经科学，2005（1）：10 ～ 16.

[50] 董续勇.不良资产清收处置的数字化转型[ J].中国金融，2021（24）：64 ～ 66.

[51] 刘志洋.金融科技的主要功能、风险特征与规范监管[ J].南方金融，2021（10）：63 ～ 71.

[52] Mckinsey. Capital management： Banking's new imperative[R].McKinsey Working Paper on Risk，2012.

[53] 田晓丽，任爱华，刘洁.信用风险防范视角下的数字金融探析[ J].征信，2021（3）：65 ～ 72.

[54] 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.

[55] 刘莉，李舞岩.金融科技与银行信贷风险——基于我国商业银行的经验证据[ J].哈尔滨商业大学学报（社会科学版），2022（2）：26 ～ 42.

[56] 张凯.金融科技：风险衍生、监管挑战与治理路径[ J].西南金融，2021（3）：39 ～ 51.

[57] 侯世英，宋良荣.金融科技背景下中小银行转型研究：背景、战略布局与建议[ J].当代经济管理，2019（5）：85 ～ 91.