32 浏览4 实证研究
4.1 样本与变量
选取2015–2024年中国沪深A股上市的20家大中型商业银行，数据来源于Wind、CSMAR及年报。系统性风险（SYSRISK）采用同债务隐含相关性与网络传染度合成指标；数字普惠指数（DPI）结合普惠贷款占比、供应链金融余额、场景合作覆盖度构建；控制变量包括资本充足率、流动性比率、不良贷款率等。
4.2 模型设定
采用动态面板GMM方法，模型为
SYSRISK_it = α SYSRISK_{i,t−1} + β DPI_{i,t−1} + γ Controls_{i,t−1} + μ_i + λ_t + ε_it
并在此基础上对三种主要普惠模式（直贷平台、场景联营、供应链金融）进行分组回归，检验 β 的异质性；加入 DPI 与宏观审慎缓冲率的交互项，考察缓释效果。
4.3 主要结果
基准回归显示，DPI 的滞后一期系数在1%水平显著为正，每上升1个百分点，系统性风险指数平均提高0.12单位。模式异质性检验发现，供应链金融模式下系数最大（≈0.18），场景联营次之（≈0.13），直贷平台最低（≈0.08），表明链条化、同业高度依赖的供应链模式风险扩散最为敏感。缓释工具检验显示，宏观审慎缓冲率交互项系数显著为负，暗示差异化资本要求可有效抑制普惠扩张带来的系统性风险提升。
5 对策与建议
5.1 完善监测预警
监管部门应将数字普惠业务规模、模型复用度及平台互联度纳入宏观审慎指标，建立实时大数据监测与压力测试体系，及时预警集中度与同业关联性风险。
5.2 实施差异化资本监管
对供应链金融等高关联度业务施加更高资本缓冲要求，并根据不同合作模式及行业集中度设置差异化风险权重，引导银行优化资产配置。
5.3 优化平台布局
鼓励银行多平台、多模式并行发展，避免单一第三方或行业过度依赖；同时加强对第三方平台合规资质与运营稳健性的持续监控。
5.4 强化数据同业隔离
制定数字普惠金融数据安全与共享规范，限制同业模型与客户数据的无序复制，推动同业数据“必要最少、经授权”共享原则，防止“数字传染”。
6 结论
数字普惠金融在提升覆盖面和效率的同时，通过信息外溢、网络互联和业务集中三条路径，对商业银行系统性风险形成正向推动，且不同普惠模式风险敏感度存在显著差异。差异化资本缓冲与严格的数据隔离政策能够有效缓释此类风险。未来监管应在支持创新与维护稳健之间取得平衡，持续完善宏观审慎框架与同业协同监管机制。
