地方政府隐性债务对城商行风险承担水平的影响研究

The Impact of Local Government Implicit Debt on Risk-Taking Levels of City Commercial Banks

摘要: 防控地方政府隐性债务对防范系统性金融风险具有重要意义。本文选取2013~2022年73家城商行的面板数据，运用个体固定效应模型分析地方政府隐性债务与城商行风险承担水平的关系，发现：第一，地方政府隐性债务扩张会提高城商行风险承担水平；第二，以存贷比度量的银行流动性风险在上述影响中起部分中介作用；第三：数字金融发展能够削弱上述影响，有利于当地城商行稳健经营；第四，上述影响会因政府控股情况和银行是否上市存在差异，这表明合理的股权结构和外部监督能够抑制地方政府隐性债务对城商行风险承担水平的影响。

Abstract: Controlling local government implicit debt is of significant importance for preventing systemic financial risks. This study selects panel data from 73 city commercial banks from 2013 to 2022, and uses individual fixed effects models to analyze the relationship between local government implicit debt and the risk-taking levels of city commercial banks. The findings are as follows: First, the expansion of local government implicit debt increases the risk-taking levels of city commercial banks. Second, liquidity risk measured by the loan-to-deposit ratio plays a partial mediating role in the above effect. Third, digital financial development can weaken the aforementioned impact, promoting stable operations of local city commercial banks. Fourth, these effects vary depending on government ownership and whether banks are publicly listed, indicating that reasonable ownership structures and external supervision can mitigate the impact of local government implicit debt on the risk-taking levels of city commercial banks.

1. 引言

2008年国际金融危机使中国经济遭遇前所未有的下行压力，为刺激经济增长，我国决定实施积极的财政政策，推出“4万亿计划”以扩大内需投资规模。“4万亿计划”及相关配套投资资金大部分需要地方政府负责筹集，而非对称的纵向财政分权导致地方政府财政收支缺口扩大。为弥补经济发展和城市建设的资金缺口，地方政府开始通过抵押公益性资产、变相担保、设立地方融资平台发债以及要求国有企业垫资建设等方式筹集建设资金。截至2013年6月，地方政府或有和直接负有偿还责任债务规模达当年名义GDP的31.5%¹。2015年正式实施的《新预算法》授予地方政府自主举债权限，禁止地方政府违法违规举借债务，剥离地方融资平台的融资功能。但地方政府为增加投资、刺激经济增长仍通过PPP项目、影子银行、承诺收益或回购本金等途径举借债务，扩大地方政府隐性债务规模。据国际货币基金组织(IMF)测算，2019年我国地方政府隐性债务规模达42.17万亿元，约为显性债务(21.31万亿元)的两倍，云南、贵州、甘肃等省份债务率均超125%。地方政府偿本付息压力大，给经济发展带来新的不确定性。

我国实行以银行为主导的间接融资体系。其中，城商行因其历史背景和市场定位，与当地政府关系密切，肩负融通地区金融资源，助力当地经济发展的重任。中国债券信息网公布的数据显示，截至2021年底，商业银行持有总量约86%的地方政府债券余额，是地方政府债务的主债权人。分税制改革使营业税、企业所得税分成及增值税分成成为地方政府税收的主要来源，激励地方政府发展房地产业、建筑业、工业和服务业。地方政府的偿债能力在较大程度上依赖房价和地价。近年来，房地产市场趋于饱和、房价回落、经济下行压力增加等因素使地方政府债务违约风险上升。高贷款集中度使城商行面临较高的信用风险，一旦违约事件爆发，违约风险将通过资金链条影响多家金融机构，甚至可能造成系统性金融风险。因此，有必要探讨地方政府隐性债务对城商行风险承担水平的影响、作用机制及异质性，这对防范系统性金融风险具有重要意义。

本文的边际贡献可能在于：第一，以城商行存贷比为中介探讨地方政府隐性债务对城商行风险承担水平的影响；第二，研究地区数字金融发展水平对二者间影响的调节作用；第三，从是否上市、是否政府控股角度，分析二者间影响的异质性。

2. 文献综述

2.1. 地方政府隐性债务的成因

地方政府隐性债务是地方政府在法定债务预算之外，以违规融资、违规垫资、违法提供担保等方式举借的，直接或间接以财政资金偿还的债务。李升和陆琛(2020) [1]发现，是否增加地方政府隐性债务主要取决于地方政府偿债能力影响，而非不同口径的财政自主度。李一花等(2022) [2]利用广义双重差分模型检验债务限额制度对地方政府隐性债务的影响，发现债务限额管理不仅没有约束地方政府隐性债务扩张，而且债务限额空间减少加剧地方政府隐性债务扩张。提高税收自主权可抑制地方政府举借隐性债务。张牧扬和潘妍等(2022) [3]研究发现社会信用下滑会增加地方政府隐性债务规模。崔军和颜梦洁(2023) [4]研究发现“营改增”制度会刺激地方政府隐性债务增加。

2.2. 地方政府隐性债务的影响

目前有不少学者研究地方政府隐性债务对地区金融风险、企业融资、银行风险等的影响。尹李峰和姚驰(2022) [5]研究发现地方政府隐性债务扩张会通过挤出企业信贷和影响金融机构资产选择来提高地区金融风险水平，还会通过地区金融资源配置和竞争效应提高相邻地区的金融风险水平。刘乐峥和吴晓斌(2022) [6]从金融分割视角研究发现，地方政府隐性债务扩张会挤出民营中小企业的信贷资源，提高其融资成本。饶品贵等(2022) [7]进一步研究发现，在地方政府隐性债务扩张的情况下，为获取银行融资，当地企业会加强杠杆操纵程度，出现虚假的降杠杆行为，长期来看是加剧企业未来债务违约风险。李程和张志欣(2023) [8]研究发现金融隐性分权程度增加将加强地方政府干预金融资源配置的动机，扩大地方政府隐性债务。地方政府隐性债务扩张会增加城商行表外业务规模，从而提高城商行风险承担。黄灵醒和刘喜和(2023) [9]研究发现地方政府隐性债务扩张会使城商行增加面向地方国有经济部门的信贷资源，从而提高城商行的脆弱性。施宇和沈坤荣(2023) [10]以财政收入作为地方政府隐性担保的代理变量，发现地方政府隐性担保会掩盖地方融资平台债务风险，但实际的银行风险并未降低。

对比发现，过往研究较少从城商行流动性风险视角探讨地方隐性债务对城商行风险承担水平的影响以及地区数字金融发展对二者间关系的调节作用。

3. 理论分析与研究假设

分税制改革明确了中央和地方的税收收入机制、税收管理权限和事权，形成相对独立的地方税收体系和稳定的中央财政收入来源，但非对称的纵向财政分权扩大了地方政府的财政收支缺口[11]。经济增长作为地方官员政治晋升的重要考核机制，激励地方官员在财政收入有限的情况下通过举借地方政府债务来增加投资以拉动经济增长[12]。同时，地方官员的频繁调动和对中央政府的救助预期易造成地方官员执政短视化[13]，提高地方官员的道德风险，增加地方政府债务。

城商行前身是城市信用社。改制工作完成后，城商行延续以城乡居民、小微企业为服务对象、专注市场薄弱领域的定位，坚持差异化、特色化发展，通过金融资源融通、降低交易成本等功能助力地方经济增长。城商行的市场定位和成立背景致使其与当地政府存在一定的政治关联。地方政府和地方国有企业的参股行为以及银行高管的政治背景使地方政府能够干预城商行的人事任免、信贷投放等。在地方官员晋升压力、任期变动和对中央政府救助预期等因素的作用下，收益和风险的不对称性以及金融资源的杠杆性导致地方政府有强烈的动机干预地方金融资源配置，通过政府补贴、隐性担保、设立地方融资平台发债以及政治关联等途径引导城商银将信贷资源向地方国有经济部门倾斜。城商行以向地方国有经济部门提供中长期贷款的方式成为地方政府债务的主要债权人[9]。地方国有经济部门多负责公共固定资产投资项目如基建投资等。这类项目对地方经济拉动作用大，但投资周期长、资金需求量大且地方国有经济部门的管理层委托－代理成本更高，存在过度投资和产能过剩的情况，拉低地方国有经济部门的经济效益[14]，城商行面临较高的违约风险。其次，宏观经济不确定性、土地出让收益波动和到期地方政府隐性债务偿还压力造成地方政府偿债能力降低，加剧城商行所面临的违约风险。受金融地理分割的影响，地方政府隐性债务扩张挤占当地信贷资源，导致用于中小企业贷款的资金规模下降，提高民营中小企业的债务融资成本，不利于民营中小企业稳健经营，加大城商行面临的逆向选择风险和企业违约风险[6]。基于此，本文提出如下假设：

H1：地方政府隐性债务的扩张使城商行的风险承担水平上升。

自我国经济发展进入新常态后，宏观经济不确定性上升，易使储蓄者对银行偿债能力产生负面预期，引发存款“挤兑”效应，加剧银行的外部融资约束，导致银行活期存款吸收能力下降[15]。目前，相较于大型国有商业银行，区域性商业银行在日益激烈的银行业竞争中吸储劣势更加明显，为弥补贷款增长大于存款增长引发的资金缺口，促使区域性商业银行通过同业存放、同业回购、买入返售等同业负债业务来筹集资金，缓解自身的流动性不足[16]。依靠同业负债业务所筹集的资金具有成本较高，短期性的特点，而城商行在政府引导下向地方国有经济部门提供的贷款大都为中长期，提高城商行的投融资期限错配程度，不利于城商行稳健经营，加大城商行的流动性风险。一旦地方融资平台资产价值下跌或违约，将冲击城商行资产负债表，降低城商行信贷资产价值，对城商行造成较大的资金流压力。同时，同业负债业务的发展使商业银行间的联系更加紧密，城商行的信贷风险经银行间资金关系网络传递，通过金融加速器效应加重银行体系内部的不稳定性和脆弱性，提高城商行的风险承担水平。基于此，本文提出如下假设：

H2：地方政府隐性债务的扩张加剧城商行所面临的流动性风险，进而提高城商行的风险承担水平。

数字金融依托大数据、云计算、区块链等信息技术，提高偏远地区小微企业和居民的金融可得性，通过提供个性化、创新型金融产品，降低小微企业的融资约束，满足居民的资产增值和风险防范需求，促进企业投资[17]、家庭创业[18]和居民消费[19]，助力经济增长。数字金融发展使国有企业的项目信息、运营信息、资金运用信息及经营成果信息能够被全方位识别、处理，提高企业财务信息透明度，降低国有企业监督成本，抑制国有企业过度投资，优化资源配置[20]。数字金融发展可促进企业数字化转型，进而提高全要素生产率，推动经济高质量发展[21]。银行可使用大模型对借款者及自身资金流情况进行分析以便及时调整和改进风险管理策略，降低银行风险。数字金融发展可以促进居民和企业创业，增加投资和消费，提高银行的风险管理能力，降低地方政府干预地方金融资源配置的可能性，有利于降低银行风险承担水平。基于此，本文提出如下假设：

H3：地区数字金融发展能削弱地方政府隐性债务扩张对城商行风险承担水平的影响。

4. 数据、变量与模型

4.1. 数据来源

本文以2013~2022年的中国城商行为研究样本。剔除变量缺失值较多的个体，将城商行数据与其注册地所在地级市数据匹配，得到包含73家城商行的面板数据。城商行数据来源于国泰安数据库、EPS数据库，城投债数据来源于万得数据库，地方宏观经济数据来源于《中国城市统计年鉴》及地方统计年鉴，数字金融发展指数数据来源于北京大学数字金融研究中心。

4.2. 模型设定

本文基准模型设定如下：

$NP{L}_{ijt}={\alpha }_0+{\alpha }_{1}Deb{t}_{jt}+{\alpha }_{2}Control{s}_{ijt}+{\mu }_i+{\epsilon }_{it}$ (1)

$Liquid\_ris{k}_{ijt}={\beta }_0+{\beta }_{1}Deb{t}_{jt}+{\beta }_{2}Control{s}_{ijt}+{\mu }_i+{\epsilon }_{it}$ (2)

$NP{L}_{ijt}={\gamma }_0+{\gamma }_{1}Deb{t}_{jt}+{\gamma }_{2}Liquid\_ris{k}_{ijt}+{\gamma }_{3}Control{s}_{ijt}+{\mu }_i+{\epsilon }_{it}$ (3)

$NP{L}_{ijt}={\eta }_0+{\eta }_{1}De{b}_{jt}+{\eta }_{2}De{b}_{jt}*Inde{x}_{jt}+{\eta }_{3}Inde{x}_{jt}+{\eta }_{4}Control{s}_{ijt}+{\mu }_i+{\epsilon }_{it}$ (4)

本文使用模型(1)研究地方政府隐性债务与城商行风险承担的关系。参考温忠麟等(2014) [22]的中介效应检验三步法，在模型(1)的基础上，联合模型(2)、(3)研究流动性风险是否会对二者关系产生中介作用，利用模型(4)研究数字金融发展水平对二者关系的调节作用。其中，下标i、j、t分别对应城商行、地级市和年份；NPL_ijt、liquid_risk_ijt分别代表地级市j的城商行i在第t年的风险承担水平、流动性风险水平；Index_jt、Debt_jt分别代表地级市j在第t年的数字金融发展水平、地方政府隐性债务水平。Control_ijt代表银行层面和地级市层面的控制变量；${\mu }_i$ 是个体固定效应，${\epsilon }_{it}$ 是随机误差项。

4.3. 变量说明

被解释变量：本文参考施宇和深坤荣(2023) [10]的研究，选择不良贷款率衡量城商行的风险承担水平。不良贷款率等于不良贷款除以总贷款，是评价金融机构信贷资产安全状况的重要指标之一，体现城商行的被动风险承担。

核心解释变量：罗党论和佘国满(2015) [13]指出，地方政府隐性担保使地方融资平台发行的城投债常被视为“准市政债”。考虑到数据可得性，本文参考陈文川(2019) [23]的研究，以地方融资平台发行的城投债规模与GDP的比值衡量地方政府隐性债务水平，并参考朱冠平等(2022) [24]的研究，将地方城投债规模加1取对数替换核心解释变量做稳健性检验。

调节变量：本文参考郭峰等(2020) [25]的做法，使用北京大学数字金融研究中心提供的数字普惠金融指数衡量地级市数字金融发展水平。该指数由覆盖广度、使用深度、数字化程度三个维度、共计33个小指标构成，能较好反映数字金融多层次、多元化的特点，兼具纵向、横向可比性。借鉴已有研究，对数字普惠金融总指数除以100。

中介变量：本文参考廉永辉和张琳(2011) [26]的做法，使用存贷比衡量城商行的流动性风险。存贷比等于贷款总额除以存款总额。过去在存贷比75%的监管下，部分学者认为存贷比与银行盈利能力正相关[27]。2015年原银监会取消存贷比监管红线后，存贷比与银行盈利能力呈现非线性相关关系。出于自身逐利动机，银行可能盲目放贷，为扩大存贷利润，倾向于向经营效益较低的主体放贷，导致银行不良贷款率上升[28]。存贷比作为衡量银行流动性管理水平的指标，覆盖期限较长，能较好反映银行信贷状况和金融对实体经济的支持情况[29]。

控制变量：本文参考现有研究，选择成本收入比(CIR_ijt)、资本充足率(CAR_ijt)、股东权益比(ER_ijt)和非利息收入占比(NIIR_ijt)作为银行层面的控制变量；选择地区经济增长率(ggdp_jt)、金融发展水平(finan_depjt)作为地级市层面的控制变量。具体变量定义见表1。

5. 实证分析

5.1. 描述性统计分析

由表2可知，城商行风险承担水平的最大值为5.590，最小值为0.050，说明城商行的风险承担水平存在明显差距。Debt1的标准差为2.246，说明不同地区的地方政府隐性债务规模相差较大。Debt的标准差为0.537，最大值与最小值相差大，说明不同区域的地方政府隐性债务偿还能力存在明显差距，个别地区的负债率过高，偿债压力大。CIR、NIIR的标准差分别为7.395、18.86，说明不同城商行的营运能力、非利息业务开展能力存在较大差距，这可能是受城商行自身的发展战略影响。

Table 1. Variable symbols and definitions

表1. 变量符号与定义

变量	变量符号	变量名称	变量定义
被解释变量	NPL	城商行风险承担水平	不良贷款率 = 不良贷款/贷款总额
核心解释变量	Debt	地方政府隐性债务水平	地级市城投债规模(亿元)/地级市GDP (亿元)
	Debt1	地方政府隐性债务水平	地级市城投债规模(亿元)加1取对数
调节变量	Index	地区数字金融发展水平	北京大学测算的数字普惠金融指数/100
中介变量	Liquid_risk	城商行流动性风险	存贷比 = 贷款总额/存款总额
控制变量	CIR	成本收入比	业务与管理费/营业净收入
	CAR	资本充足率	资本/风险加权资产
	NIIR	非利息收入占比	非利息收入/总利息收入
	ER	股东权益比	股东权益总额/资产总额
	ggdp	地区经济增长率	所在地级市GDP同比增长率
	finan_dep	地区金融发展水平	年末金融机构存贷款余额/当期地区生产总值

Table 2. Descriptive statistics

表2. 描述性统计

Variable	N	Mean	p50	SD	Min	Max
NPL	675	1.580	1.510	0.706	0.050	5.590
Debt	675	0.357	0.083	0.537	0.001	3.246
Debt1	675	6.201	6.06	2.246	1.163	10.228
Liquid_risk	675	0.685	0.690	0.144	0.254	1.572
CIR	675	33.77	33.51	7.395	16.92	75.70
CAR	675	13.06	12.80	1.944	7.00	33.35
NIIR	675	21.60	16.99	18.86	32.06	102.5
ER	675	7.174	7.016	1.544	3.555	21.76
ggdp	675	7.123	7.500	4.750	-5.600	109
finan_dep	675	3.661	3.470	1.392	1.427	7.620

5.2. 基准回归分析

回归前进行多重共线性检验，vif值均小于10，不存在严重的多重共线性。豪斯曼检验结果为15.97，p值为0.0254，在5%的显著性水平下拒绝原假设，表明个体效应显著，应使用个体固定效应模型。基准回归结果如表3所示，在控制个体效应的基础上依次引入银行层面、地级市层面控制变量。第(3)列显示，在引入控制变量后，Debt的系数为0.2194，在10%的水平下显著，说明出于自身逐利动机，城商行在政府引导下增加对城投债的配置，一旦城投债违约，将直接或间接影响银行风险，增加银行的不良贷款率。假设H1成立。

Table 3. Local government implicit debt and the risk-taking level of urban commercial banks

表3. 地方政府隐性债务与城商行风险承担水平

	(1) NPL	(2) NPL	(3) NPL
Debt	0.4573^***	0.3962^***	0.2194^*
	(0.114)	(0.098)	(0.114)
Bank controls	否	是	是
Macro controls	否	否	是
Bank Fe	是	是	是
N	675	675	675
R^2	0.078	0.142	0.168

注：standard error in parentheses; ^*p < 0.1, ^**p < 0.05, ^***p < 0.01。下同。

5.3. 机制分析

在模型(1)的基础上，使用模型(2)、(3)进行回归，结果见表4，发现${\beta }_1$ 、${\gamma }_1$ 、${\gamma }_2$ 显著为正，表明地方政府隐性债务的扩张加剧城商行的流动性风险，进而提高城商行的风险承担水平。地方政府为筹集投资资金，可能会通过政府补贴、隐性担保、股东干预等方式引导城商行增加对地方国有经济部门的信贷投放。在吸储能力有限的情况下，城商行盲目扩张信贷，将加大投融资期限错配程度，提高城商行的流动性风险。一旦地方政府偿债能力因财政收入、土地出让价格变动而发生下滑，将加大城商行资金流压力，降低城商行信贷资产价值，增加城商行的信贷风险。本文使用Sobel法检验中介效应，发现Z值在5%的水平下显著为2.576，中介效应值为18.6%，表明流动性风险发挥部分中介效应。假设H2成立。

Table 4. The mediating effect of liquidity risk

表4. 流动性风险的中介效应

	(1) NPL	(2) Liquid_risk	(3) NPL
Debt	0.219^*	0.055^**	0.179^*
	(0.114)	(0.022)	(0.106)
Liquid_risk			0.740^***
			(0.234)
_cons	−0.231	0.175^**	−0.361
	(0.463)	(0.078)	(0.442)
Bank controls	是	是	是
Macro controls	是	是	是
Bank Fe	是	是	是
N	675	675	675
R^2	0.168	0.328	0.185

5.4. 调节效应分析

表5第(1)列显示模型(4)的回归结果，Debt^*Index系数在1%的水平下显著为负，说明地区数字金融发展能够抑制地方政府隐性债务扩张对城商行风险承担水平的影响。地区数字金融发展能够降低金融排斥，让更多投资者参与投资活动，提高融资方的资金可得性和议价能力，缓解中小企业融资约束，有利于中小企业稳健经营，降低地方政府干预经济的可能，降低城商行所面临的违约风险。假设H3成立。

Table 5. Moderating effects and robustness test

表5. 调节效应和稳健性检验

	(1) NPL	(2) NPL	(3) NPL	(3) NPL
Debt	0.721^***		0.201^*	0.445^*
	(0.195)		(0.114)	(0.229)
Debt1		0.118^***
		(0.032)
Debt^*Index	−0.926^***
	(0.173)
Index	−0.006
	(0.089)
_cons	0.495	−0.534	−0.191	−1.153^**
	(0.481)	(0.432)	(0.491)	(0.549)
Bank controls	是	是	是	是
Macro controls	是	是	是	是
Bank Fe	是	是	是	是
N	675	675	625	430
R^2	0.276	0.193	0.171	0.286

5.5. 稳健性检验

参考已有研究的做法，对基准回归做稳健性检验，结果见表5。表5第(2)、(3)、(4)列分别是将核心解释变量替换为城投债规模加1取对数、剔除直辖市、同时剔除直辖市和疫情年份的回归结果。地方政府隐性债务水平的回归系数始终显著为正，基准回归结果稳健。

5.6. 异质性分析

为探究地方政府隐性债务扩张对城商行风险承担水平的影响是否因政府控股情况、上市情况存在差别，本文根据政府部门是否控股将样本划分为两组，回归结果见表6第(1)、(2)列。根据城商行在A股、H股市场的上市情况，生成虚拟变量up，若城商行在第t年上市则上市后的年份取1，上市前的年份取零，由此将样本划分为两组，回归结果见表6第(3)、(4)列。由回归结果可知，相较于非政府控股银行，政府控股银行的风险承担水平显著受地方政府隐性债务扩张的影响。这可能是因为政府控股银行更容易受地方政府干预，进而增加对地方国有经济部门的贷款，加大银行的信贷风险。相较于非上市银行，上市银行受地方政府隐性债务扩张的影响不显著，这可能是因为上市银行面临的风险监管更加严格、信息披露要求更高，约束上市银行盲目的信贷扩张行为，有利于上市银行稳健经营。

Table 6. Heterogeneity analysis

表6. 异质性分析

	是否政府控股		是否上市
	(1)政府控股 NPL	(2)非政府控股 NPL	(3)上市 NPL	(4)非上市 NPL
Debt	0.263^**	−0.037	0.013	0.462^**
	(0.128)	(0.207)	(0.068)	(0.190)
_cons	−0.145	−0.054	−1.439	0.118
	(0.691)	(0.753)	(1.270)	(0.503)
Bank controls	是	是	是	是
Macro controls	是	是	是	是
Bank Fe	是	是	是	是
N	455	220	231	444
R^2	0.198	0.133	0.306	0.157

5.7. 内生性检验

鉴于遗漏变量、测量误差等因素可能导致模型存在内生性，本文将Debt滞后一期作为工具变量，使用两阶段最小二乘法展开研究，结果见表7。第一阶段回归结果显示工具变量和地方政府隐性债务水平显著正相关。工具变量的KP-LM统计量为16.675，在1%的水平下显著，拒绝工具变量识别不足的假设，Cragg-Donald Wald F值为4701.87，远大于16.38，拒绝弱工具变量假设。第二阶段回归结果中Debt回归系数依然显著为正，说明在缓解内生性问题后，实证结果稳健。

Table 7. Regression results using instrumental variables

表7. 工具变量法回归结果

	(1) First NPL	(2) Second NPL
L.Debt	0.794^**
	(0.341)
Debt		1.281^**
		(2.50)
Constant	−1.175^***	0.550
	(0.340)	(0.97)
Bank controls	是	是
Macro controls	是	是
Bank Fe	是	是
N	600	600
R-squared	0.930	0.567

6. 研究结论与建议

本文选取2013~2022年73家城商行的面板数据，运用个体固定效应模型分析地方政府隐性债务与城商行风险承担水平的关系，发现：第一，地方政府隐性债务扩张会提高城商行风险承担水平；第二，以存贷比度量的银行流动性风险在上述影响中起部分中介作用；第三：数字金融发展能够削弱上述影响，有利于当地城商行稳健经营；第四，上述影响会因政府控股情况和银行是否上市存在差异，这表明合理的股权结构和外部监管能够抑制地方政府隐性债务对城商行风险承担水平的影响。

基于上述结论，本文提出如下建议：第一，城商行应提高自身内部治理水平，保障股东大会、董事会、监事会等机构能够切实履行职能，地方政府或地方国有经济部门应在合理范围内行使股东权益，避免过度干预信贷配置。地方金融监管部门应加强对城商行流动性水平、资本充足率等指标监管，及时对非正常指标予以提示；第二，城商行应积极使用数字化技术来提供个性化、创新型以及多样化的数字金融服务，满足不同市场主体的融资需求和资产配置需求，提高地区金融资源可得性和便利性，在合理的风险水平下促进地区创业、创新水平提升，有利于减少地方政府干预信贷资源配置；第三，政府和监管机构应加强地方政府债务管理，继续推进地方政府隐性债务置换工作和到期债务展期工作，避免地方政府过度依赖隐性债务融资，减轻地方政府偿债压力，从而有利于降低金融系统的风险水平。

NOTES

¹数据来源于：金融学术前沿：中国地方政府隐性债务化解之路(https://fudan.edu.cn/)。