Детальная информация

Целью данного исследования является решение проблемы неясного влияния искусственного интеллекта в банковской отрасли на банковские учреждения путем изучения посреднической роли коэффициента неработающих кредитов и коэффициента рентабельности в влиянии ИИ н а деятельность банков, выявления дифференцированных законов трансформации эффективности ИИ в банковской отрасли Китая, а также создания теоретической основы для применения ИИ в банковской отрасли Китая. Задачи исследования: 1.Переменная: На основе ресурсного подхода продемонстрировать стратегическую ценность технологического человеческого капитала и установить теоретическую связь между соотношением персонала и внедрением технологий. 2.Тест механизма двойного пути: Используйте модель опосредованного эффекта для проверки двух путей: «инвестиции в ИИ → оптимизация качества активов → улучшение показателей» и «инвестиции в ИИ → снижение операционных расходов → улучшение показателей». Тесты на устойчивость проводятся путем замены ключевых показателей. Данные в основном взяты из годовых финансовых отчетов 17 китайских банков, включенных в листинг (2019 - 2024 гг.). Для анализа данных использовались эконометрическое моделирование и статистическое программное обеспечение STATA 18. ИИ повышает эффективность работы банка за счет сокращения неработающих кредитов и CIR , при этом путь контроля рисков вносит 41,6% в ROA , а путь экономической эффективности - 47,8%. Крупные банки преуспевают в управлении рисками благодаря преимуществам данных, в то время как малые банки процветают за счет эффективности. Исследование закладывает теоретическую основу цифровой трансформации и призывает к иерархическому надзору, прозрачности алгоритмов и управлению данными для содействия сбалансированному развитию отрасли.

This study aims to address the unclear impact of artificial intelligence (AI) in the banking industry on banking institutions by exploring the mediating role of the non-performing loan ratio (NPL) and cost-income ratio (CIR) in AIs influence on bank performance, revealing the differentiated laws of AI efficiency transformation in Chinas banking industry, and providing a theoretical basis for the application of AI in Chinas banking industry. Research Tasks: 1.Variable Design: Based on the resource-based view, demonstrate the strategic value of technological human capital and establish a theoretical connection between personnel ratio and technology implementation. 2.Dual-Path Mechanism Test: Use a mediating effect model to verify two paths: "AI investment → optimize asset quality (reduce NPL) → improve performance (ROA)" and "AI investment → reduce operating costs (CIR) → improve performance". Robustness tests are conducted by replacing key indicators. Data primarily sourced from annual financial reports of 17 Chinese listed banks (2019-2024). Econometric modeling and statistical software STATA 18 were used for data analysis. AI improves bank performance by reducing NPL and CIR, with the risk control path contributing 41.6% to ROA and the cost-efficiency path contributing 47.8%. Large banks excel in risk management due to data advantages, while small banks thrive through the efficiency path. The study provides a theoretical foundation for digital transformation and calls for hierarchical supervision, algorithm transparency, and data governance to promote balanced industry development.