下载掌阅APP，畅读海量书库
立即打开
在2008年发源于美国次贷危机的金融海啸席卷全球后，宏观经济学的研究方向出现了深刻的变化，金融市场摩擦在不确定冲击传导过程中所发挥的重要作用开始被广泛关注。大量研究表明，因信息不对称等问题形成的金融摩擦可以在信贷市场传递的过程中加剧不确定冲击，最终使宏观经济出现更大的波动，这一机制通常被称为“金融加速器”。在信贷关系中，作为资金出借方的商业银行居于信息劣势地位，无法完全掌握借款人的真实信息，因此商业银行往往对企业资产负债表状况或抵押资产数量与价值作出要求。资产抵押作为一种保证机制，能够降低由于信息不对称等问题可能对商业银行造成不良后果的风险，减少借款者的机会主义，确保其不损害贷款人的利益。然而，借款人的资产价值极易受不确定冲击影响而发生波动，传统商业银行的信贷审核通常将借款人的资产价值视同借款人信用，因此资产价格下跌将导致借款人信用萎缩，借款人可能因为信贷获取能力下降被迫削减投资。当不确定冲击的发生导致大量企业净值缩水，处于信息劣势的商业银行在顺周期的信贷配置模式引领下很可能作出盲目拒贷、限贷、抽贷、断贷等决策，广泛影响经济系统中企业的投资和经营，进而放大不确定冲击对宏观经济的影响，加剧经济衰退。
信贷市场金融摩擦的存在还会抑制宏观调控政策的有效性。不确定冲击的出现改变了宏观经济运行的环境。为维系金融与经济的稳定性，政府部门需要出台宏观调控政策以平抑经济波动。由于信贷市场存在金融摩擦，政策的传导渠道存在阻塞与扭曲。拥有更多资产和内部现金流、规模更大的民营企业或国有企业由于抵押担保能力更强，在信贷关系构建过程中存在的金融摩擦更小，被商业银行视为信用较佳的优质客户。当宏观调控政策为应对经济衰退而转向宽松时，信用资质较好、抵押担保能力较强的企业更容易获得信贷资金支持，而中小民营企业因和商业银行之间的信息不对称程度较高，即使货币政策极度宽松依旧难以获得信贷支持，从而导致流动性在金融机构和大型企业内淤积，出现结构性失调的现象。当宏观调控政策趋于紧缩以应对经济过热时，信用能力较低、抵押担保能力较弱的企业首先受信贷紧缩效应的影响。金融摩擦的存在使类型不同的企业受宏观调控政策影响的敏感性存在不对称的特征（战明华、应诚炜，2015）。然而，抵押担保能力较弱的企业往往表现出较差的风险抵御能力，受不确定性冲击的影响更大，也更需要宏观调控政策的支持。这类企业虽然规模较小，但在数量上却极为庞大，海量小规模企业同向的扩张与收缩更有可能放大经济波动，干扰宏观经济的稳定性，因此在实践中更迫切地需要一种新的机制显现企业的真实信用，降低金融摩擦对宏观调控政策传导信贷渠道的梗阻，提高信贷金融服务的可得性以提升宏观经济的稳定性。
现代新型数字技术与金融业的深度融合是近年来金融领域出现的新趋势，并衍生了“金融科技”这一新的词汇。金融科技赋能催生了一系列形式各异的金融创新，在一定程度上强化并拓展了金融的功能（刘少波、张友泽等，2021）。金融科技的作用，一方面在于提高交易完成的速度和金融机构的经营能力（ Fuster et al， 2019），降低金融产品和服务的供给成本（ Gomber et al， 2018； Vives， 2019； Thakor，2020），另一方面更在于提升金融业获取信息和处理数据的能力（Livshits et al， 2014； Jagtiani & Lemieux， 2019； Berg et al， 2020）。金融机构使用基于大数据和机器学习算法的新型统计模型可以更有效地筛选借款申请人，并因此得以从根源上缓解信贷市场的信息不对称（Vives，2019）。现有部分研究证实了从事信贷投放业务的大型数字经济平台使用大数据、机器学习、云计算、区块链等新型技术为核心的金融科技，通过对海量数据的挖掘和处理可以降低金融机构在信用辨识方面对抵押品或企业资产负债表的依赖程度（Berg et al，2019；黄益平、邱晗，2021； Gambacorta et al， 2020）。
基于数字技术的金融创新活动依托技术的先进性提高了金融服务的质量和效率，对实体经济产生了深远的影响。传统金融体系之外的金融科技公司，基于自身商业场景，结合新型数字技术推出大量形式各异的金融创新，在深刻改变传统金融业态的同时也在倒逼商业银行进行数字化转型。近年来，随着金融科技的发展，商业银行也开始逐渐在业务开展与日常运营过程中增加数字技术的应用以提高数据收集和处理的水平，这有效提升了银行的信息甄别能力，这主要表现在数据的收集和处理两个方面。
一是在数据收集方面，传统银行一般通过人工调查的方式采集借款人信用数据，这导致采集得来的信息不仅滞后而不具有时效性，而且借款人信用资质的认定过程难以避免信贷员个人主观价值判断的影响，使商业银行难以全面而准确地识别借款人的信用情况，数字化转型使商业银行有条件使用大数据和云计算等数字技术持续跟踪借款人的实时动态，同步完成信息采集工作并及时更新借款人的信用状态。商业银行既能通过数据挖掘和物联网等手段获取多维信息保证数据的多样性，还可以通过算法设定的自动化程序持续监控，提高银行获取信息的频率以保证时效性。
二是在数据处理方面，传统银行主要通过人工分析借款人提交的资产负债表和抵押物资料，并通过格式化的简单打分模型评定客户信用。借款人原始材料转化为信用评分的过程机械而僵化，在信用评定的过程中既容易遗漏大量有价值的数据，又可能因为数据和信息的滞后性与不完整性而无法及时察觉借款人潜在的违约风险，导致借款人的信用评级被错误地高估或低估。数字技术的深度融合使银行可以利用大数据和机器学习算法等分析工具挖掘变量潜藏在海量数据中的非线性关系（Fuster et al，2019），这有助于银行在融资需求端全方位分析借款客户的信用资质，提高信用评级的准确度。
以大数据、云计算和5G等新一代数字技术为代表的数字经济的本质，是通过“数据＋连接”方式建立一个将数据从资源转换为信息的信息生产体系，在更大的时空范围和更广泛的经济主体间消减经济活动的不确定性（杨虎涛、胡乐明，2023）。同理，商业银行提升数字技术的应用水平也可以降低宏观经济不确定性对信贷决策和风险偏好的影响。金融科技底层技术和实践应用对银行运营过程的重塑提高了商业银行的信息甄别能力，商业银行一方面可以在事前通过精准描摹的信用画像完成客户筛选，以缓解逆向选择问题；另一方面还可以运用数字技术并依托科技构建的金融场景监控借款人的信贷使用情况，以缓解道德风险问题。信息甄别能力的提高使商业银行得以凭借更多维度数据形成的信用判断结果为借款人授信，而非仅仅局限于对客户抵押品价值和财务报表的分析。由此可见，数字化转型提高了商业银行为企业提供无抵押信用贷款的能力，从而减弱信贷投放与房价等传统抵押物之间的关联，降低抵押物资产价格下跌导致信贷收缩的概率，降低企业受限贷、惜贷、拒贷、断贷等顺周期信贷决策行为影响而被迫缩减投资和经营规模的概率，降低宏观经济受不确定冲击影响加速下行的可能性。因此，商业银行数字化转型可能内生出一种新的机制，通过增强银行的信息甄别能力降低金融摩擦，疏通政策传导的信贷渠道，从而使政策对实体经济的支持更为精准，增强宏观调控政策平抑经济波动的有效性，降低不确定冲击对宏观经济平稳运行的干扰。基于此，本书通过研究回答的核心问题是商业银行数字化转型如何发挥“减震器”的作用，从而增强金融与经济的稳定性。