当前，伴随着全球新一轮科技革命和产业变革，大数据、云计算、区块链、人工智能等创新技术的广泛应用对银行传统经营模式带来巨大冲击。新的形势下，商业银行需要主动顺应时代变化，充分借助金融科技，加快推动线上线下融合，实现智慧化转型。商业银行智慧化就是要充分运用智能化的技术和手段，通过对传统业务流程和服务模式的改造，创新产品服务，再造业务流程、重塑经营模式, 最终实现提升用户体验、促进营销获客、控制运营成本和增强风险防控的目标。这不仅对商业银行本身具有重要作用，同时对宏观经济也有一定的影响。

一、商业银行智慧化转型的内在动力

银行智慧化转型本质在于减少银行和客户间的沟通阻碍，实现双向信息传递的顺畅，这种阻碍主要来自于金融活动中不可避免的金融摩擦。

从宏观视角，市场依靠“看不见的手”使资源得到有效配置，货币对于经济实体只是覆盖其上的一层面纱，所以以资金借贷为主要业务的金融业自然对经济不会有实质性影响，这是新古典主义理论对完美金融市场假设的推论。^[1]然而现实却大相径庭，诸多的金融摩擦使用于实体经济，使后者的表现与经典理论完全不同，这些摩擦包括融资约束、银行资本、流动性错配、期限与货币错配、信息不对称等，^[2]而本文要讨论的正是通过提升银行智慧化水平改善银行与客户之间因信息不对称这类摩擦所带来的影响。经典的金融摩擦建模主要来自Kiyotaki和Bernanke等。^[3-4]金融危机爆发后，这类模型得到进一步推广和改进，包括Brzoza-brzezina、Beck和Viziniuc等。^[5-7]近年来，来自金融摩擦的冲击也被用于解释国际贸易的动态变化，通过建立模型解释金融摩擦带来的持续效应而引发贸易规模剧烈波动的机理，包括Aslam、Perri和Bergin等。^[8-10]国内也逐渐出现了相关研究，杜清源采用数值模拟的方法，在RBC模型引入“金融加速器”，具体分析了技术冲击对经济造成的影响, 并且将模拟出来的结果和传统的RBC理论结果对比，发现金融加速器加大了波动对经济的影响。^[11]王立勇运用开放DNK-DSGE模型金融加速器作用机制效应，指出不同粘性条件下, 经济冲击的传递性和持续性有所不同, 相对粘性价格和粘性信息, 混合粘性条件下的冲击变化路径更接近现实, 冲击更具持续性。^[12]刘一楠将新凯恩斯主义DSGE嵌入房地产信贷抵押约束, 指出房地产市场存在价格自我加速机制, 导致“价量双高”, 能够部分解释我国一线城市房地产市场的非理性繁荣。^[13]房地产的金融加速器机制存在巨大的潜在风险, 为了预防金融加速器导致的经济负向波动, 需结构性理顺房地产抵押属性。

从微观视角，互联网时代颠覆性的思维和创新技术重新定义了传统金融的边界，传统商业银行在获得客户和产品渠道创新空间的同时，面临着持续不断的技术冲击和竞争压力，其传统优势正在全方位削弱，短板问题日益突出。主要表现在：第一，网点数量覆盖优势消失。传统商业银行主要依靠广泛布设网点机具实现快速发展，这种盈利模式会使人员投入、财务成本、风险程度不断攀升，与移动互联网及电子渠道相对照，服务支付效率、操作简便性、互动实时交互等方面短板愈发突出，大量客户向线上迁移。第二，竞争生存空间日益狭窄。新技术降低行业进入壁垒，互联网公司、消费金融公司、保险、信托、券商、运营商等新行业竞争者通过全新的业务模式，创新的产品服务全面进入银行传统业务领域，在体量、知名度均不占优的情况下，也可以以颠覆性的商业模式取得生存空间，商业银行在各个领域都面临新的而且逐步强大的竞争对手。第三，产品服务同质化严重。金融创新推动下，商业银行产品种类和受众范围都有所扩大，但产品服务同质化现象较为严重，产品功能和客户体验大同小异，产品设计过分强调金融专业性和安全性，脱离客户实际需求。第四，大数据分析应用不足。互联网时代营销方式更为多样，互联网金融依托大数据分析，可以更有效地获取分析客户信息并开展精准营销。反观传统商业银行尽管拥有海量的客户和交易数据，但由于内部组织架构条块分割，现有科技条件所限，信息孤岛现象还普遍存在，海量数据沉睡在不同系统中呈现碎片化特征，信息价值无法通过共享应用得到体现，造成极大的信息资源浪费。

二、商业银行智慧化转型的环境因素

随着经济规模扩大，熟人借贷模式逐渐被契约模式取代，但银行和借款人之间的信息不对称程度仍不断提升，金融摩擦不断给实体经济带来波动引致剧烈的周期变化。但创新技术正在深刻地影响着金融生态，银行业发展趋势、业务推动模式等都在变化，银行智慧化转型被提出，其本质正是为了解决信息对称问题，减少金融摩擦。分析当前环境，引发商业银行商业银行智慧化转型的因素包括：

(一) 互联网金融的发展

互联网金融建立起了以客户体验为导向、以数据技术为驱动、以互联网低成本扩张为手段的业务模式，形成了相对于传统银行业务模式的明显优势。其一，互联网金融给用户带来更加智能化、更高参与度、更具体验感的服务，其传播及推广方式更是能够快速实现客户爆发式增长。其二，互联网金融产品交易门槛低，销售的产品多为信用风险较低、流动性较强的货币型基金和标准化程度较高的保险产品，此类“快销产品”用户更易接受。其三，互联网金融基于用户属性和交易信息的大数据分析，与用户的互动界面更为人性化、个性化，互动数据的收集和再加工为互联网金融产品定制及营销实战提供了更多的技术支持。如何通过智慧化转型构建全新业务模式，打造核心竞争力，已经成为考验银行的关键，而互联网金融的快速发展无疑为银行带来了有益借鉴。

(二) 客户行为习惯的变化

随着中国主力价值创造及消费群体的年龄迭代，客户行为和预期已经逐步走出从网点获取信息、价格比较评估、线下交易购买、无互动分享的单一方式，转而对智能化、便捷化、交互化的产品服务有更高偏好。一是较为喜好随时随地可获得的服务，随着人们生活节奏的加快，对于金融服务的便捷性、随时随地的可获得性要求越来越高，越来越多的交易发生在传统金融机构营业时间以外、营业网点之外，集中在用户的碎片化时间里。二是更为青睐移动端和网上操作，客户越发倾向于网银、手机APP、微信公众账号、第三方支付平台应用等智能化渠道完成金融交易。腾讯2017年银行客户体验调查显示，客户手机支付使用率已由2014年的51%提升至2017年的87%，79%的客户通过线上方式购买理财，而用户使用互联网贷款的意愿占比达27%，甚至略高于使用银行贷款的意愿。^①三是更为注重使用体验，客户对金融机构提供的产品期望不再简单停留在简单的功能化和标准化上，个性化和差异化的客户需求不断增多且更加注重使用体验。^[14]

① 资料来源于腾讯CDC《银行用户体验大调查报告》。

(三) 金融与科技的深度融合

随着互联网金融快速占领市场，传统银行业迫切需要借助金融科技，加快智慧化转型步伐。一方面，互联网金融快速发展，其在标准化、显性化和便利化的金融服务中占据比较优势，截至2017年末，中国网络理财客户规模达5亿人，网络信贷用户规模达2亿人，互联网支付客户规模达5.7亿人。^②另一方面，传统银行业也在积极拥抱互联网金融，2017年，农业银行、建设银行、中国银行、工商银行分别与四大互联网巨头“BATJ”签订战略合作协议，联手开启数字化智能银行新生态。同时，监管方已经明确了销售机构、支付结算机构、第三方支付平台三个监管层次，基金、证券公司、银行与互联网企业合作模式已成型，金融和科技的深度融合使银行智慧化转型成为可能。

② 资料来源于艾瑞咨询《2017年中国互联网金融行业发展报告》。

三、商业银行智慧化转型的宏观影响

本文以BGG模型为蓝本构建DSGE模型，^[4]讨论银行智慧化措施的使用对商业银行及宏观经济的影响。模型引入CSV(costly state verification)作为金融摩擦形成金融加速器机制，使银行和借款人之间存在信息不对称。通过参数设定引入银行智慧化因子，作用在于减少银行搜寻和识别客户的交易成本，减少金融摩擦，提升效率。

(一) 模型构建

模型共有四个主体：一是家庭，通过提供劳动和资本获得工资收入和资本收益，并进行消费和投资；二是企业家，拥有一定的净资本，通过向银行借贷形成原始资本，将其转化为有效资本投入企业项目，到期支付银行贷款利息、转移部分收益给家庭、留存剩余收益作为下一期资本金；三是银行、金融中介，从家庭处获得资本投入，并贷款给企业家，其中设定银行可以智慧化转型，模型通过设定智慧化因子，作用于监管成本，减少金融摩擦；四是企业，将企业家处获得的有效资本和家庭提供的劳动进行生产，获得消费品，以其形式支付工资和资本收益。

1、家庭。假设家庭的效用函数为u(c_t)=lnc_t，家庭的效用最大化问题是：

$ \max \sum\limits_{t=0}^{\infty }{{{\beta }^{t}}\ln {{c}_{t}}} $

(1)

约束条件为：c_t+B_t+1^h+K_t+1-(1-δ)K_t≤w_tL_t+r_tK_t+(1+R_t-1)B_t^h，0≤L_t≤1，其中c_t家庭消费，B_t^h是无风险债券，K_t是家庭的资本投入，δ是折旧率，L_t是家庭劳动投入，w_t是工资，r_t是资本收益率，R_t-1是无风险收益率。一阶条件为：

$ 1/{{c}_{t}}=\beta \left( 1/{{c}_{t+1}} \right)\left( {{r}_{t+1}}+1-\delta \right) $

(2)

$ 1/{{c}_{t}}=\beta \left( 1/{{c}_{t+1}} \right)\left( 1+{{R}_{t}} \right) $

(3)

$ {{L}_{t}}=1 $

(4)

2、企业家。企业家拥有净资产N_t+1，从银行获得贷款B_t+1，形成原始资本为：

$ {{K}_{t+1}}={{N}_{t+1}}+{{B}_{t+1}} $

(5)

企业家投入的项目存在异质性风险ω，即CSV，这种风险只有企业家可以观察到，而银行观察不到，因此存在信息不对称。企业家转化有效资本可以表示为ωK_t+1，其中，ω符合对数正态分布，则log(ω)符合正态分布，方差是σ，取均值为-(σ²/2)，同时假设σ是外生变量，符合AR(1)过程，表示为：

$ \ln \left( {{\sigma }_{t}}/\bar{\sigma } \right)={{\rho }_{\sigma }}\ln \left( {{\sigma }_{t-1}}/\bar{\sigma } \right)+\varepsilon _{t}^{\sigma } $

(6)

F(ω)是ω的累计分布函数，用来表示违约率。企业家资本回报为ω(1+R_t+1^K)，其中，1+R_t+1^K=r_t+1+1-δ。在一个充分竞争的资本借贷市场，企业家将有效资本出借给企业用以生产产品，企业生产后，企业家获得资本收益r_t+1并回收未折旧资本ωK_t+1(1-δ)。

3、银行和智慧化因子设定。家庭与企业家之间不能直接联系，因此家庭会将消费后的剩余资金储蓄在银行，银行支付固定收益R_t。企业家与银行签订协议，其中设定贷款本金和利息分别是B_t和Z_t，银行需要花费监督成本μ对企业家履约情况进行监督。

银行智慧化转型的作用在于减少金融摩擦，改善信息传递，减少信息不对称。此处设定银行智慧化因子，用参数e表示，可以作用于监督成本，减少金融摩擦。具体表示为(1-ϕ₁^ee^ϕ₂c)μ，其中ϕ₁^e、ϕ₂^e是e的调整系数。假设银行市场属于充分竞争，则银行零利润条件为：

$ \begin{align} & \ \ \ \ {{N}_{t+1}}K_{t+1}^{-1}=1-\left( 1+R_{t+1}^{K} \right){{\left( 1+{{R}_{t}} \right)}^{-1}}(\mathit{\Gamma }\left( {{{\bar{\omega }}}_{t+1}} \right)- \\ & \left( 1-\phi _{1}^{\text{e}}{{\text{e}}^{\phi _{2}^{\text{e}}}} \right)\mu \int_{0}^{{{\omega }_{t+1}}}{{{\omega }_{t+1}}dF\left( {{\omega }_{t+1}} \right)}) \\ \end{align} $

(7)

其中，(1+R_t+1^K)K_t+1$ {{{\bar{\omega }}}_{t+1}}$=Z_t+1B_t+1，$ {{{\bar{\omega }}}_{t}}$表示企业家达到盈亏平衡的风险，$ \mathit{\Gamma }\left( {{{\bar{\omega }}}_{t+1}} \right)={{{\bar{\omega }}}_{t+1}}\left( 1-F\left( {{{\bar{\omega }}}_{t+1}} \right) \right)+\int_{0}^{{{\omega }_{t+1}}}{{{\omega }_{t+1}}dF\left( {{\omega }_{t+1}} \right)}$。

企业家净收入为$ \left( 1-\mathit{\Gamma }\left( {{{\bar{\omega }}}_{t+1}} \right) \right)\left( 1+R_{t+1}^{K} \right){{K}_{t+1}}$。企业家将(1-γ)比例的收入一次性支付给家庭，而家庭交换W_t+1^e的资源一次支付给企业家，作为t+1时期末的净资产，所以N_t+2=γ(1-Γ($ {{{\bar{\omega }}}_{t+1}}$))(1+R_t+1^K)K_t+1+W_t+1^e，用以继续通过银行获得贷款，生产有效资本。

4、企业。企业的生产函数为：

$ {{Y}_{t}}=AK_{t}^{\alpha }L_{t}^{1-\alpha } $

(8)

资本与投资的关系为：K_t+1=(1-δ)K_t+I_t。除此以外，市场和借款人出清条件为：c_t+I_t=K_t^αL_t^1-α，B_t+1^h=0，w_t=(1-α)K_t^α，r_t=αK_t^α。

(二) 参数校准

参照相关文献中的常用参数设定进行校准。参照梅冬州等的做法，^[15]主观贴现因子β取值为0.985，生产函数中资本品份额α是0.5，折旧率δ是0.025。设定log(ω)的目标值标准差σ是0.18，标准差的持续性参数ρ_σ是0.9，企业家留存收益的比率γ是0.85，监督成本μ设定为0.3，ϕ₁^e取1.2，ϕ₂^e取2(表明银行智慧化转型程度并不是越高越好，在现有技术下，无法排除技术缺陷，所以是凹函数)，e分别取0、0.6和0.8，表示无银行智慧化转型、银行智慧化转型程度低和转型程度高三种状态。

(三) 影响分析

对外部变量σ施加一个单位标准差的冲击，观察对宏观经济的影响。

项目的异质性风险标准差受到外部正向冲击，表明异质性风险波动加大，图 1中三种线分别代表银行无智慧化转型、转型程度低和转型程度高三种状态，从中可以看出，投资水平受到负向影响，具有滞后性，2-3期达到最低点，15期后基本恢复稳态。银行智慧化转型发挥了缓和投资波动的作用，智慧化程度越高，1期下降的越少，但在达到最低点后，恢复稳态的速度也越慢。消费受到冲击后，受正向影响，后逐渐下降并出现负向变化，达到15期接近最低点，后缓慢恢复稳态，银行智慧化转型起到了稳定消费波动的作用，且程度越高，受冲击影响越小。由于项目风险的波动加大，银行风险加大，银行要求的贷款利率上升，但存款利率下降，银行智慧化转型起到缓和波动的作用，程度越高，贷款利率上升幅度越小，存款利率下降幅度越小。同时受到贷款利率变化的滞后性影响，利差呈现先上升后下降的趋势，智慧化转型程度越高，利差上升幅度越大，表明银行智慧化程度可有效改善银行存贷利差水平。企业家的盈亏平衡风险受正向冲击，智慧化转型程度越高，获得贷款的企业家整体质量越高，所以波动幅度也越小。但银行智慧化转型不会改变企业家本身的异质性风险，改变的只是银行识别风险的能力。异质性风险的波动性加大，要求企业家拥有更多的净资产作为抵押获得贷款，因此净资产受到正向冲击，具有滞后性。但银行智慧化转型可以减少监督成本，降低信息不对称程度，程度越高，对净资产的冲击越小。同时，企业家可以获得的贷款受到负向冲击，银行智慧化转型同样起到缓和波动的作用。

通过不同状态下变量稳态时的比较，展示银行智慧化转型给宏观经济带来的变化，如表 1所示。

从表 1可以看出，银行智慧化转型可以有效提升资本存量(由于ϕ₂^e的存在，设定了智慧化转型程度的上限，超过上限会给宏观变量带来不利影响)，同时提升GDP水平。由于家庭效用函数只关注消费，因此消费的变化反映了家庭福利的变化，表中数据表明银行智慧化转型有助于改善家庭福利，与无智慧化转型状态相比，低程度上升了2.91%，高程度上升了8.58%。但银行信息不对称性的降低，在降低损失风险和企业家贷款成本的同时，也提升了杠杆比率，同时由于更多的企业得不到贷款，使企业家整体的破产率有一定上升。

基于上述分析，从宏观视角，银行智慧化转型有利于部分宏观变量的改善，提升社会经济效率和家庭福利水平。从微观视角，银行本身也能提升效率和利润，所以围绕智慧化转型的目标，国内外商业银行均在进行积极的探索和实践，争取先发优势。为此，提出银行本身智慧化转型的策略建议。

四、商业银行智慧化转型策略

目前，商业银行智能化转型策略主要集中于智能营销管理、投资顾问、风险控制、客户服务及智慧网点建设等领域，同时也成为当前商业银行智慧化转型应重点关注的方向。^[16]商业银行通过智慧化转型需要有步骤的推进，可以考虑将智能风控和智能投顾作为准备，运用大数据整合各类信息数据库为智能管理素材，构建智能网点融合线上线下资源为基础，构建智慧金融生态圈服务实体经济。

(一) 实现全方位风险管理和资产配置自动化

有效的风险防控是金融机构稳健发展的基本要求，面对银行业客户群体庞大、客户信用信息不对称、恶意欺诈或客户违约及债务收回成本较高等诸多挑战，传统银行业面临极大的风控压力。全方位风险管理需要实现智能风控，而智能风控能够利用大数据技术，丰富传统风控的数据纬度，利用多维度数据、算法和模型实现反欺诈、风险预警及风险精准计量等一系列风控功能。如兴业银行实现智能风控专门开发了“黄金眼”系统，该系统通过机器学习算法，可以实现对未来三个月内可能降级为“关注”类以下的贷款企业进行预测，自2016年以来，产品覆盖风险敞口超过2万亿元，其中精准预警异常贷款超过170亿元，有效前移了风险控制关口。

资产配置自动化需要实现智能投顾，后者以现代资产组合理论为依据，能够结合个人投资者的投资习惯、风险偏好、财富管理目标，利用算法和友好的界面为客户提供无需人工参与的资产管理服务，内容涵盖提供投资咨询建议、投资分析报告、投资组合选择、交易执行和风险管理等，具有高效便捷、费率低、门槛低、投资分散度高的特点。在国外，包括花旗、高盛、贝莱德等金融集团均已进入智能投顾领域。在国内，招商银行于2016年12月在业内率先推出摩羯智投智能投顾产品，截至2018年4月底，招行摩羯智投累计购买规模已超112亿元。招商银行和掌上生活两大APP的合计用户数已超过一个亿，月活用户数达到5070万。

(二) 以大数据分析应用为手段，实施客户精细化管理

客户精细化管理需以大数据分析应用为手段。主要内容包括：第一，建立客户数据库。整合银行核心系统及外围系统信息，通过跟踪客户价值的变化趋势，对每一个客户进行基础信息、交易信息、资产信息的客户画像，形成客户基础信息数据库。广泛借助政府机构、运营商、专业公司等外部数据平台，加强多源数据的引入和关联。对客户信用资质、风险偏好、交易行为等数据进行关联分析，对海量的用户信息进行分析挖掘。从多维度对客户分类分层，基于客户细分对不同客群的金融需求和行为习惯进行分析，形成能够应用于精准管理的分析结果。第二，建立大数据分析平台。加快构建能够识别客户属性的SCRM客户信息管理系统，疏通SCRM上下游的关系、边界点、数据流、客户全面的信息数据模型，形成以客户为中心，涵盖客户现状、潜在需求、理想状况、优化方案等的解决方案。建立科学、标准的综合定价模型，根据现有客户、潜在客户的需求和业务特点，由行内专家和外部专业机构共建数据分析模型、产品定价模型、客户信贷模型等，广泛应用于信贷决策、产品设计、营销推广、风险管理等方面，提升精准营销的差异化综合服务能力，提高普惠金融覆盖面。第三，建立敏捷研发和综合营销机制。基于不同的产品线、众多的基础产品、差异化的装配模型，通过客户评价与细分、客群定制综合服务方案、客户接触管理等业务流程，设计符合不同客户需求的营销策略，快速推出定制化的可销售产品。构建大数据对客户行为及流程的优化能力，动态追踪客户生命周期和关注动态，提高智能化预测及推荐能力。

(三) 融合线上线下发展渠道

1、结合区域特点建设智慧网点。结合周边客群需求明确网点定位，加大智能化设备投放应用，丰富产品展示形式，增强客户体验式服务，在网点功能分区、装修风格设计、人员岗位设置、服务模式再造等方面更加人性化。充分运用移动客户端、可视柜员、微信公众号、微信群等实时互动的技术特点，建立网点人员与客户沟通联系的平台，逐步引入智能客户代表，以互动方式提供业务咨询和受理，实现实体网点的线上半虚拟化。

2、打造移动智慧渠道。目前客户偏好更加移动化、社交化，商业银行应全面实施数字化战略，做“全渠道”金融服务的提供者，深度整合和开发手机银行、直销银行、移动微银行、扫码付、云闪付等移动互联网渠道，实现客户交易过程中多服务渠道的无缝切换，提高服务效率，改善服务体验。探索与移动APP合作对接各类线上场景，将金融服务嵌入在线医疗、在线生活服务、在线汽车服务、在线教育、移动社交等较为成熟的线上产业生态中，发挥传统金融在支付、信用、信息、资金等方面的优势，提供契合细分市场客户需求的金融服务。

(四) 构建金融智慧生态圈

1、构建以银行为核心的“金融生态圈”, 推进服务创新。以信用为背书，以服务为手段，以产品为依托，通过集合“数据+算法+算力”的大数据应用，实现海量多源异构数据的采集、整合和有效管理，运用大数据挖掘、机器学习和深度学习等技术深入挖掘客户特征，构建银行现有客户内部供需链接的生态圈。建立基于“交易+平台”的交易金融模式，通过企业平台、电商平台、产业链平台、互联网平台和金融服务平台之间的协同和能力的嫁接，以及金融科技的支撑，使交易数据、业务数据等产生乘数效应，进而将金融服务无感知嵌入到企业日常经营全过程，为企业带来价值创造。将生活场景、互联网载体和金融服务有机地组合起来，对整个企业乃至合作伙伴的资源进行线上线下地深度整合，加速实现金融与住房、儿童、养老、旅游等产业的融合转换，主动对产业链进行金融延伸渗透，找准各参与主体金融需求痛点，创造挖掘全新场景入口，建立形成有效服务闭环，积极打造“产业+金融”新模式。

2、构建基于“智慧城市”的区域经济生态圈。商业银行要积极发挥自身在区域服务覆盖面广、决策执行效率高及与政府关系紧密等方面的优势，有效推动地方智慧城市建设，围绕“智慧政务、智慧企业、智慧民生”三大平台拓展智慧场景服务。积极调整业务结构和资金投向，在传统信贷支持的基础上，广泛运用投贷联动、融资租赁、资产证券化、绿色债等新兴业务，加大智慧城市运行服务、智慧产业发展、智慧基础设施优化等重点领域的支持力度。深化智慧城市产业链服务模式，面向智慧城市项目中上游设备、基础软件供应商，中游系统集成商和下游运营商提供供应链融资和结算服务。针对科技创新智慧企业轻资产、缺乏传统担保的现状，通过“银行+保险”、知识产权抵押等方式开展融资。推动智慧城市市民综合平台入口建设。加强与地方政府的沟通，积极推动各类信息化公共服务平台的共建共享和信息资源开放，建立公共数据与金融数据的交互接口及通道，建立统一的智慧城市APP应用入口，推出集金融、交通、医疗、社区服务等功能的市民卡载体，主动进行消费支付、生活缴费、快捷信贷、投资理财、网点预约等金融功能接入，丰富产品应用场景，增加居民金融触点，提高城市居民的可感知度。

五、研究结果与启示

本文在金融科技广泛应用的背景下，探讨了商业银行智慧化转型问题。通过商业银行当前发展面临的环境因素分析，指出智慧化转型势在必行。同时构建带有金融摩擦的DSGE模型探讨在无银行智慧化、智慧化程度低、智慧化程度高三种情况下，宏观经济变量在外部冲击下脉冲响应的差异。并有针对性地对商业银行智慧化转型提出具体策略。本文的研究结果和启示有以下几点：第一，在创新技术深刻影响金融生态的当下，商业银行面临的是互联网金融快速发展、客户行为习惯不断变化、金融与科技不断融合的环境，这些推动了银行必然向智慧化转型。第二，银行智慧化通过改善信息不对称程度，减少金融摩擦，在提升自身盈利水平的同时，对宏观经济也具有一定影响，主要表现在缓和外生冲击对宏观变量的影响，且程度越高，效果越明显，同时改善福利水平，提升稳态资本存量，进而使GDP增长，但杠杆率和破产率也有所上升。第三，商业银行智慧化转型可以按照完善智能风控和智能投顾、整合各类信息库、融合线上线下渠道、构建金融生态圈的策略有序展开。