數(shù)字金融風(fēng)險區(qū)域差異比較研究

趙瀟瀟

摘要：本文立足于區(qū)域性差異，以東中西部中數(shù)字金融發(fā)展中具有代表性的省份為實證對象，從政府、金融機構(gòu)及用戶三個角度選擇監(jiān)測評價數(shù)字金融風(fēng)險程度指標(biāo)。采取AHP層次分析法計算出各指標(biāo)對風(fēng)險評價的權(quán)重，運用映射方法對指標(biāo)數(shù)據(jù)進行標(biāo)準(zhǔn)化處理，采用綜合指數(shù)法結(jié)合數(shù)據(jù)計算出區(qū)域性數(shù)字金融風(fēng)險的綜合評分，分析區(qū)域性數(shù)字金融風(fēng)險在2016年至2018年的變化。最后對數(shù)字金融風(fēng)險的形成及變化進行綜合比較，描述形成該風(fēng)險的各指標(biāo)影響大小及風(fēng)險間區(qū)域性差異并提出相關(guān)政策建議。

Abstract： Based on regional differences， this article takes the representative provinces in the development of digital finance in the east， middle， and west as empirical objects， and selects the indicators of monitoring and evaluation of digital financial risk from three perspectives： government， financial institutions， and users. AHP is used to calculate the weight of each indicator for risk evaluation， and the mapping method is used to standardize the indicator data. Then， the comprehensive index method is used in conjunction with the data to calculate the comprehensive score of regional digital financial risks， and the changes in regional digital financial risks from 2016 to 2018 are analyzed. Finally， a comprehensive comparison is made on the formation and changes of digital financial risks， describing the impact size of each indicator that forms the risk and the regional differences between risks and making relevant policy recommendations.

關(guān)鍵詞：數(shù)字金融風(fēng)險;AHP層次分析法;綜合風(fēng)險度

Key words： digital financial risk;AHP;comprehensive risk degree

中圖分類號：F832.3? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? 文獻標(biāo)識碼：A? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? 文章編號：1006-4311（2020）20-0081-02

0? 引言

數(shù)字金融通過互聯(lián)網(wǎng)科技既能有效評估客戶的信用水平降低金融交易成本，又能夠隨時隨地為不同的客戶群體提供精準(zhǔn)的金融服務(wù)。伴隨市場需要和自身優(yōu)勢愈加凸顯，數(shù)字金融取得了迅猛發(fā)展。金融風(fēng)險通過網(wǎng)絡(luò)傳播更加迅速影響范圍更廣，兩者融合發(fā)展使風(fēng)險愈加復(fù)雜，高效發(fā)展數(shù)字金融的同時要更加嚴(yán)格把控風(fēng)險。2018年東部地區(qū)數(shù)字金融指數(shù)值平均值為331.11，高于中部（292.07）和西部（280.36）。東部最低的遼寧省處在中部平均水平而高于西部平均水平，東中西部數(shù)字金融發(fā)展仍存在一定差距。不同的發(fā)展水平所面臨的風(fēng)險也存在差異。如2018年東部和中部不良貸款率有所下降，而西部地區(qū)的不良貸款率仍在上升。將東中西部數(shù)字金融風(fēng)險進行橫向分析對整體把握風(fēng)險有重要意義。

1? 數(shù)字金融風(fēng)險特征

從政府角度看，部門監(jiān)管調(diào)控對整個金融市場的安全尤為重要，為金融機構(gòu)貸款、小微客戶融資提供安全環(huán)境。從金融機構(gòu)角度看，除一般性風(fēng)險外數(shù)字金融還衍生了不同于傳統(tǒng)金融活動的技術(shù)風(fēng)險、財務(wù)風(fēng)險及信息不對稱風(fēng)險。由于互聯(lián)網(wǎng)技術(shù)發(fā)展不成熟，金融機構(gòu)考慮運營成本而無法定期維護、檢查網(wǎng)絡(luò)，導(dǎo)致金融機構(gòu)面臨更高的技術(shù)風(fēng)險。普惠金融面對群體基數(shù)龐大，但還款能力較低導(dǎo)致不能夠進行高額業(yè)務(wù)、業(yè)務(wù)分散且額度不高，需要大量業(yè)務(wù)才能獲得收益，面臨一定的財務(wù)風(fēng)險。由于缺乏系統(tǒng)征信體系，金融機構(gòu)難以準(zhǔn)確把握借款人償還能力，導(dǎo)致信息不對稱風(fēng)險。從客戶角度看，數(shù)字金融風(fēng)險的主要來源于其還款能力，經(jīng)營狀況披露不充分和經(jīng)營效益不佳進一步加劇數(shù)字金融風(fēng)險。

2? 構(gòu)建風(fēng)險評價體系

2.1 指標(biāo)選取? 基于上述描述本文所選指標(biāo)如下：衡量政府調(diào)控能力的指標(biāo)選取了三個相對數(shù)：一般公共預(yù)算收入/全國一般公共預(yù)算收入、一般公共預(yù)算收入/地區(qū)生產(chǎn)總值、一般公共預(yù)算收入/一般公共預(yù)算支出。金融機構(gòu)層面以不良貸款率信用風(fēng)險，資產(chǎn)負債比、撥備覆蓋率和資本充足率衡量財務(wù)風(fēng)險，互聯(lián)網(wǎng)用戶數(shù)量增長率衡量信息不對稱風(fēng)險以及網(wǎng)站病毒感染次數(shù)增長率衡量技術(shù)風(fēng)險，用戶層面風(fēng)險以資產(chǎn)負債比、成本費用利潤率衡量。

2.2 區(qū)域選擇? 浙江省是數(shù)字金融大省，其互聯(lián)網(wǎng)金融和金融科技處于世界領(lǐng)先水平。2014年以來浙江省的金融業(yè)增加值處于東部地區(qū)的平均水平，在東部地區(qū)具有良好的代表性。河南省積極落實數(shù)字金融政策，截至2018年末小微貸款總額突破兩億，不良貸款率逐年下降，2018年第四季度僅1.67%，成為中部地區(qū)競相模仿的典型。四川省地區(qū)生產(chǎn)總值、社會融資規(guī)模等經(jīng)濟指標(biāo)長期以來處于西部地區(qū)的領(lǐng)先水平，互聯(lián)網(wǎng)用戶數(shù)量突破一億。

2.3 確定指標(biāo)臨界值和風(fēng)險區(qū)間? 依據(jù)譚忠明[4]區(qū)域金融風(fēng)險預(yù)警系統(tǒng)中的劃分方法，將風(fēng)險分為安全、基本安全、中度風(fēng)險、高風(fēng)險、嚴(yán)重風(fēng)險區(qū)間。各指標(biāo)風(fēng)險區(qū)間如表1。

2.4 分析方法? ①計算權(quán)重。AHP計算結(jié)果：政府（0.142）Z（1）Z1（0.123）Z2（0.32）Z3（0.557）;金融機構(gòu)（0.525）（CR）（0.214）J1（1）FR（0.565）J2（0.525）J3（0.142）J4（0.334）TAR（0.083）J5（1）TR（0.137）J6（1）;用戶（0.334）Y（1）Y1（0.492）Y2（0.508）。②數(shù)據(jù)標(biāo)準(zhǔn)化。采用映射處理法將指標(biāo)實際值與區(qū)間端值對比，以實際值占區(qū)間值比例映射到相應(yīng)等級上，與比例的乘積即為指標(biāo)得分。③綜合風(fēng)險度計算。標(biāo)準(zhǔn)化處理后結(jié)合實時數(shù)據(jù)得出綜合得分即綜合風(fēng)險度。公式為：

■（1）

Abc、mnl、efg、xyz分別為為一級、二級、三級指標(biāo)的權(quán)重和映射分值。

3? 實證分析

選取2016至2018年數(shù)據(jù)按公式（1）計算風(fēng)險綜合評分結(jié)果如表2。

3.1 橫向分析? 河南省綜合風(fēng)險度最大，2016年四川省風(fēng)險綜合評分高于浙江省處于基本安全區(qū)間，2017年基本持平但都為中度風(fēng)險。2018年浙江省綜合風(fēng)險明顯高于四川省。相比較中部風(fēng)險最高，監(jiān)管部門需嚴(yán)格把控金融機構(gòu)風(fēng)險及客戶群體信息披露，金融機構(gòu)在發(fā)展貸款業(yè)務(wù)時應(yīng)更審慎考察對象還款能力。東部地區(qū)的數(shù)字金融發(fā)展處于前沿，在全國小微貸款總額及受益群體占較高比重，其風(fēng)險把控更需嚴(yán)格。西部對數(shù)字金融風(fēng)險管控效果在2018年最顯著，新時期數(shù)字金融發(fā)展空間更大，政府應(yīng)堅持發(fā)展與監(jiān)管并進。

3.2 縱向分析? 浙江省政府調(diào)控能力對數(shù)字金融風(fēng)險影響程度較低。企業(yè)經(jīng)營狀況良好對數(shù)字金融風(fēng)險的影響最小且微幅減弱。金融機構(gòu)風(fēng)險是導(dǎo)致數(shù)字金融風(fēng)險主要原因，2017年金融機構(gòu)的風(fēng)險更由安全變?yōu)榛景踩?，綜合風(fēng)險評分變化與總風(fēng)險評分增減幅相當(dāng)。河南省政府調(diào)控能力綜合風(fēng)險度變化平緩。用戶風(fēng)險評價分在2016到2017年增長變化高于2倍，2018年小幅改善。用戶層面所導(dǎo)致的數(shù)字金融風(fēng)險也會出現(xiàn)較大波動。金融機構(gòu)2016年引起的風(fēng)險分值最高，監(jiān)管最嚴(yán)格的2018年僅基本安全。四川省政府調(diào)控能力對數(shù)字金融風(fēng)險影響平穩(wěn)。用戶層面引起的風(fēng)險比重逐年降低。金融機構(gòu)風(fēng)險評分均為基本安全，2017年大幅增加后回落原水平。企業(yè)發(fā)展優(yōu)良，經(jīng)營狀況逐年改善。政府調(diào)控能力雖未引起高風(fēng)險但仍要繼續(xù)加強改變比重上升趨勢，對金融機構(gòu)風(fēng)險把控需更為嚴(yán)格。

4? 結(jié)論

根據(jù)實證分析結(jié)果，本文提出了簡要建議：宏觀政府應(yīng)充分發(fā)揮其調(diào)控經(jīng)濟發(fā)展和監(jiān)管職能，積極引導(dǎo)發(fā)展審慎監(jiān)管風(fēng)險。政府應(yīng)出臺落實系列監(jiān)管法規(guī)監(jiān)督金融機構(gòu)業(yè)務(wù)符合安全操作，并建立完善的征信體系;金融機構(gòu)應(yīng)注重培養(yǎng)技術(shù)人才能夠熟練應(yīng)對數(shù)字金融業(yè)務(wù)經(jīng)營和風(fēng)險把控。要致力于加強網(wǎng)站安全性以避免客戶信息泄露，并要著重清收化解不良貸款提高金融機構(gòu)貸款質(zhì)量;用戶應(yīng)遵循行業(yè)規(guī)范積極披露經(jīng)營狀況，在合宜資產(chǎn)負債比范圍內(nèi)追求更多的資金投入。

參考文獻：

[1]萬雅楨.數(shù)字金融發(fā)展中所面臨的問題及對策研究[J].金融經(jīng)濟，2018（18）：61-63.

[2]曹越.數(shù)字金融：風(fēng)險與監(jiān)管[J].國際融資，2017（05）：30-33.

[3]陸岷峰，徐博歡.普惠金融：發(fā)展現(xiàn)狀、風(fēng)險特征與管理研究[J/OL].當(dāng)代經(jīng)濟管理，2019（03）：73-79[2019-03-30].

[4]譚中明.區(qū)域金融風(fēng)險預(yù)警系統(tǒng)的設(shè)計和綜合度量[J].軟科學(xué)，2010，24（03）：69-74.

[5]黃益平，黃卓.中國的數(shù)字金融發(fā)展：現(xiàn)在與未來[J].經(jīng)濟學(xué)（季刊），2018，17（04）：1489-1502.