金融科技對(duì)商業(yè)銀行信貸風(fēng)險(xiǎn)的影響及其機(jī)制研究

楊 馥 洪 昆

（西安財(cái)經(jīng)大學(xué)經(jīng)濟(jì)學(xué)院，陜西 西安 710100）

一、引言

“十四五”規(guī)劃及《金融科技發(fā)展規(guī)劃（2022—2025年）》等國(guó)家重要發(fā)展規(guī)劃均強(qiáng)調(diào)提升金融科技水平，將金融機(jī)構(gòu)應(yīng)用科技的能力轉(zhuǎn)化為金融市場(chǎng)上的競(jìng)爭(zhēng)力，有效支持實(shí)體經(jīng)濟(jì)發(fā)展?，F(xiàn)階段，商業(yè)銀行對(duì)金融科技的投入逐年增加并成為發(fā)展金融科技的“主力軍”。《中國(guó)金融科技報(bào)告2021》指出，2021年國(guó)有五大行金融科技平均投入超過(guò)200 億元。商業(yè)銀行等傳統(tǒng)金融機(jī)構(gòu)原有的商業(yè)模式與運(yùn)行邏輯因金融與科技的深度結(jié)合而發(fā)生了深刻變化，其經(jīng)營(yíng)管理、產(chǎn)品設(shè)計(jì)、戰(zhàn)略布局、營(yíng)銷渠道和風(fēng)險(xiǎn)控制等環(huán)節(jié)也因此而被重構(gòu)（盛天翔和范從來(lái)，2020）。其中，商業(yè)銀行尤為關(guān)注風(fēng)險(xiǎn)防控環(huán)節(jié)。金融科技通過(guò)提高商業(yè)銀行在風(fēng)險(xiǎn)控制全環(huán)節(jié)的管控能力，實(shí)現(xiàn)信貸全流程的數(shù)字化，有效控制風(fēng)險(xiǎn)（易綱，2021），進(jìn)而提高商業(yè)銀行盈利能力，降低融資成本，改善資本水平，促進(jìn)其健康平穩(wěn)發(fā)展（陳天鑫和李軍帥，2021；林勝等，2020）。當(dāng)前信貸風(fēng)險(xiǎn)仍是商業(yè)銀行面臨的主要風(fēng)險(xiǎn)之一，2021年末我國(guó)銀行業(yè)不良貸款余額達(dá)2.8 萬(wàn)億元，關(guān)注類貸款余額3.8 萬(wàn)億元，商業(yè)銀行信貸風(fēng)險(xiǎn)管理亟須關(guān)注和改善。因此，金融科技能否以及通過(guò)何種機(jī)制改善商業(yè)銀行信貸風(fēng)險(xiǎn)管理仍是值得探究的問(wèn)題。

本文的邊際貢獻(xiàn)可能在于：（1）區(qū)別于以單一指標(biāo)度量金融科技的研究，在基準(zhǔn)分析時(shí)使用文本分析法建立商業(yè)銀行金融科技指數(shù)；（2）從商業(yè)銀行貸款集中度和信貸規(guī)模角度，拓展分析金融科技影響商業(yè)銀行信貸風(fēng)險(xiǎn)的機(jī)制，豐富了相關(guān)領(lǐng)域的研究；（3）探究金融科技對(duì)不同類型商業(yè)銀行信貸風(fēng)險(xiǎn)的影響，重點(diǎn)關(guān)注全國(guó)性商業(yè)銀行對(duì)區(qū)域性商業(yè)銀行的擠出效應(yīng)，對(duì)商業(yè)銀行因地制宜利用金融科技管控信貸風(fēng)險(xiǎn)具有指導(dǎo)借鑒意義。

二、文獻(xiàn)綜述

回顧已有文獻(xiàn)，關(guān)于金融科技對(duì)信貸風(fēng)險(xiǎn)影響的研究并未得到一致結(jié)論，主要分為三種觀點(diǎn)。第一種觀點(diǎn)認(rèn)為金融科技可能提高信貸風(fēng)險(xiǎn)，并從市場(chǎng)化及競(jìng)爭(zhēng)角度進(jìn)行了解釋。當(dāng)商業(yè)銀行集體運(yùn)用金融科技時(shí)會(huì)促進(jìn)利率市場(chǎng)化（邱晗等，2018；汪可，2018）和加劇商業(yè)銀行競(jìng)爭(zhēng)（楊文捷等，2020），商業(yè)銀行為保持經(jīng)營(yíng)業(yè)績(jī)穩(wěn)定或提高業(yè)績(jī)可能會(huì)調(diào)整信貸客戶準(zhǔn)入和資產(chǎn)選擇的標(biāo)準(zhǔn)，導(dǎo)致信貸風(fēng)險(xiǎn)增加。第二種觀點(diǎn)基于信息不對(duì)稱角度，提出金融科技能夠降低信貸風(fēng)險(xiǎn)。商業(yè)銀行能通過(guò)大數(shù)據(jù)、云計(jì)算等科技手段減少甄別優(yōu)質(zhì)信貸客戶的成本，從而提升篩選優(yōu)質(zhì)信貸客戶和風(fēng)險(xiǎn)控制的能力，提升資產(chǎn)質(zhì)量，降低風(fēng)險(xiǎn)水平（金洪飛等，2020；姚婷和宋良榮，2021；唐也然，2021；Deng等，2021；郭麗虹和朱柯達(dá)，2021）。第三種觀點(diǎn)考慮了金融科技對(duì)商業(yè)銀行經(jīng)營(yíng)成本和銀行間競(jìng)爭(zhēng)的影響，認(rèn)為金融科技對(duì)商業(yè)銀行信貸風(fēng)險(xiǎn)具有非線性影響。郭品和沈悅（2019）認(rèn)為，商業(yè)銀行在初始運(yùn)用金融科技階段能降低運(yùn)營(yíng)管理費(fèi)用，成本下降能促使風(fēng)險(xiǎn)承擔(dān)降低，但金融科技的進(jìn)一步發(fā)展卻會(huì)加劇商業(yè)銀行競(jìng)爭(zhēng)，提高資金成本，促使商業(yè)銀行信貸風(fēng)險(xiǎn)增加，因而金融科技與商業(yè)銀行信貸風(fēng)險(xiǎn)呈早期正相關(guān)、后期負(fù)相關(guān)的正U 形關(guān)系。劉孟飛（2021）、喻平和張敬佩（2021）則認(rèn)為，在金融科技發(fā)展早期，互聯(lián)網(wǎng)金融機(jī)構(gòu)運(yùn)用金融科技會(huì)對(duì)商業(yè)銀行的資產(chǎn)和負(fù)債業(yè)務(wù)產(chǎn)生影響，從而提高資金成本，加劇信貸風(fēng)險(xiǎn)；金融科技成熟后，既能提升經(jīng)營(yíng)管理和風(fēng)險(xiǎn)控制效率，又能優(yōu)化信貸資產(chǎn)與信貸客戶的結(jié)構(gòu)，使信貸風(fēng)險(xiǎn)得到緩解，故金融科技與商業(yè)銀行信貸風(fēng)險(xiǎn)呈早期正相關(guān)、后期負(fù)相關(guān)的倒U形的關(guān)系。

已有文獻(xiàn)從不同維度就金融科技對(duì)信貸風(fēng)險(xiǎn)的影響進(jìn)行了具體闡述，但進(jìn)一步利用實(shí)證研究方法探究金融科技對(duì)商業(yè)銀行信貸風(fēng)險(xiǎn)影響的傳導(dǎo)機(jī)制的文獻(xiàn)仍然較少。其中，孫旭然等（2020）發(fā)現(xiàn)金融科技的發(fā)展能提高信用貸款比例和延長(zhǎng)信貸期限結(jié)構(gòu)，進(jìn)而提高商業(yè)銀行信貸風(fēng)險(xiǎn)。任碧云和鄭宗杰（2021）則認(rèn)為金融科技對(duì)不同商業(yè)銀行的信貸結(jié)構(gòu)產(chǎn)生不同的影響，金融科技有助于調(diào)節(jié)國(guó)有商業(yè)銀行貸款擔(dān)保結(jié)構(gòu)以緩釋信貸風(fēng)險(xiǎn)，并可能使非國(guó)有商業(yè)銀行偏好調(diào)整貸款期限結(jié)構(gòu)來(lái)緩釋信貸風(fēng)險(xiǎn)。孫旭然等（2021）的研究還表明金融科技可以抑制商業(yè)銀行分支機(jī)構(gòu)的擴(kuò)張，進(jìn)而緩解銀行信貸風(fēng)險(xiǎn)。此外，Deng 等（2021）的研究顯示，金融科技的發(fā)展將影響商業(yè)銀行的內(nèi)部息差、管理能力、外部競(jìng)爭(zhēng)強(qiáng)度和居民的儲(chǔ)蓄意愿，從而對(duì)商業(yè)銀行的信貸風(fēng)險(xiǎn)產(chǎn)生影響。

綜上，商業(yè)銀行發(fā)展金融科技已對(duì)其信貸風(fēng)險(xiǎn)管理產(chǎn)生了影響，但就影響效應(yīng)與作用機(jī)制，相關(guān)研究并未形成共識(shí)。此外，金融科技對(duì)信貸風(fēng)險(xiǎn)影響機(jī)制的現(xiàn)有研究主要關(guān)注信貸結(jié)構(gòu)和業(yè)務(wù)擴(kuò)張等方面，而貸款集中度、貸款增長(zhǎng)率等其他傳導(dǎo)機(jī)制尚有待探索和驗(yàn)證。因此，進(jìn)一步研究金融科技對(duì)信貸風(fēng)險(xiǎn)的影響效應(yīng)并探討可能的傳導(dǎo)機(jī)制，可為商業(yè)銀行利用金融科技緩釋信貸風(fēng)險(xiǎn)提供借鑒。

三、理論分析與假設(shè)提出

（一）金融科技與信貸風(fēng)險(xiǎn)

商業(yè)銀行信貸風(fēng)險(xiǎn)主要來(lái)源于借款人按時(shí)或全額還款的不確定性，具有客觀性、聚集性與可控性的特征。不確定性又主要分為橫向與縱向兩類因素：縱向不確定性由外部宏觀經(jīng)濟(jì)環(huán)境所決定；橫向不確定性主要來(lái)自商業(yè)銀行向企業(yè)貸款時(shí)的信息不對(duì)稱（王蕾等，2019）。依據(jù)信號(hào)理論，信息不對(duì)稱可以通過(guò)信息的搜集與處理得到緩解。信號(hào)理論認(rèn)為，商業(yè)銀行是否向借款人發(fā)放貸款是由借款人實(shí)際信用質(zhì)量所傳遞出來(lái)的信用信號(hào)所決定的，而信號(hào)的載體是可以傳達(dá)借款人經(jīng)營(yíng)狀況的信息（徐曉萍等，2021）。過(guò)去商業(yè)銀行主要通過(guò)借款企業(yè)所提供財(cái)務(wù)報(bào)表中的硬信息傳遞的信用信號(hào)判斷借款企業(yè)信用質(zhì)量，但企業(yè)所提供的信息在可靠性方面存在疑慮（李學(xué)峰和楊盼盼，2021）。而商業(yè)銀行運(yùn)用金融科技能降低信貸過(guò)程中的信息不對(duì)稱，提高信息獲取、數(shù)據(jù)處理以及客戶管理的效率（邱晗等，2018；金洪飛等，2020；張金清等，2021），更好地應(yīng)對(duì)貸款的逆向選擇風(fēng)險(xiǎn)。此外，金融科技還有助于商業(yè)銀行將原本無(wú)法指標(biāo)化的軟信息指標(biāo)化，識(shí)別借款人的細(xì)節(jié)信息，從而更容易辨別信貸需求，更好地應(yīng)對(duì)信息不對(duì)稱導(dǎo)致的道德風(fēng)險(xiǎn)（盛天翔和范從來(lái)，2020）。綜上，商業(yè)銀行利用金融科技能降低銀企間信息不對(duì)稱，減少信貸過(guò)程中的不確定性，降低信貸風(fēng)險(xiǎn)。依據(jù)上述分析，本文提出如下基本假設(shè)：

假設(shè)1：商業(yè)銀行金融科技發(fā)展水平與信貸風(fēng)險(xiǎn)負(fù)相關(guān)。

（二）貸款集中度、金融科技與信貸風(fēng)險(xiǎn)

商業(yè)銀行貸款集中度是指貸款集中于某一個(gè)行業(yè)、集團(tuán)或者客戶（王博格，2018）。根據(jù)長(zhǎng)尾理論和信號(hào)理論，貸款具有聚集性是因?yàn)閭鹘y(tǒng)商業(yè)銀行關(guān)注信息處理成本較低的前20%的客戶，如會(huì)計(jì)信息完備以及易于從市場(chǎng)獲得相關(guān)信息的大企業(yè)，而忽略了信息挖掘成本較高的尾部客戶，從而導(dǎo)致商業(yè)銀行貸款集中度較高。然而，貸款的客戶集中現(xiàn)象會(huì)顯著提高貸款風(fēng)險(xiǎn)（Gordy 和Lutkebohmert，2006；Düllmann 和Masschelein，2007），即商業(yè)銀行貸款集中度對(duì)信貸風(fēng)險(xiǎn)具有正向影響（周春喜和毛悅，2018；顧海峰和戴云龍，2019），因此，分散貸款客戶是商業(yè)銀行控制信貸風(fēng)險(xiǎn)的重要手段，而金融科技將在其中發(fā)揮積極作用。一方面，商業(yè)銀行利用金融科技擴(kuò)大客戶人群覆蓋面，提高金融服務(wù)可得性，從而增加了發(fā)放普惠貸款的意愿（郭麗虹和朱柯達(dá)，2021）；另一方面，金融科技可以提高商業(yè)銀行獲取和處理中小微企業(yè)信息的能力，拓展了小微貸款業(yè)務(wù)（金洪飛等，2020）。在將潛在的長(zhǎng)尾客戶群體納入信貸服務(wù)范圍后，商業(yè)銀行信貸總規(guī)模擴(kuò)大，零售貸款和信用貸款規(guī)模及占比上升，商業(yè)銀行信貸的信用結(jié)構(gòu)和客戶結(jié)構(gòu)得到優(yōu)化（孫旭然等，2020；徐曉萍等，2021），最終達(dá)到分散貸款客戶、降低信貸風(fēng)險(xiǎn)的效果。依據(jù)上述分析，本文提出如下假設(shè)：

假設(shè)2：金融科技的應(yīng)用降低了商業(yè)銀行貸款集中度。

假設(shè)3：金融科技可以通過(guò)降低貸款集中度的方式緩解商業(yè)銀行信貸風(fēng)險(xiǎn)。

（三）信貸增長(zhǎng)率、金融科技與信貸風(fēng)險(xiǎn)

為了應(yīng)對(duì)同業(yè)競(jìng)爭(zhēng)，商業(yè)銀行在盈利以及生存壓力下會(huì)加快擴(kuò)大信貸投放（郭品和沈悅，2019）。進(jìn)行過(guò)度信貸投放的商業(yè)銀行，一般會(huì)降低信貸標(biāo)準(zhǔn)，傾向于接受那些信用等級(jí)較低客戶的貸款申請(qǐng)，導(dǎo)致不良貸款增加，進(jìn)而使得信貸風(fēng)險(xiǎn)增大（辛兵海，2018）。由于商業(yè)銀行需要保證整體經(jīng)營(yíng)安全、風(fēng)險(xiǎn)可控，金融科技相關(guān)技術(shù)逐漸被商業(yè)銀行使用在對(duì)資金需求者個(gè)人信息的獲取、處理程序，于是借貸雙方的信息不對(duì)稱在貸款前被降低，拒絕高風(fēng)險(xiǎn)貸款，接受低風(fēng)險(xiǎn)貸款，從而提高商業(yè)銀行信貸質(zhì)量，降低商業(yè)銀行信貸過(guò)快增長(zhǎng)，保持商業(yè)銀行經(jīng)營(yíng)穩(wěn)定。在金融科技成熟并廣泛運(yùn)用于商業(yè)銀行內(nèi)部后，提高了關(guān)于個(gè)人或企業(yè)信貸的數(shù)據(jù)獲取、數(shù)據(jù)處理以及客戶管理的效率，信貸質(zhì)量提升后信貸風(fēng)險(xiǎn)得以緩解（孫旭然等，2020）。金融科技有助于商業(yè)銀行獲取貸款客戶的個(gè)人信用數(shù)據(jù)，并利用大數(shù)據(jù)、云計(jì)算等方式進(jìn)行儲(chǔ)存與分析，既有助于增強(qiáng)對(duì)個(gè)人貸款的定價(jià)能力，也能有效識(shí)別貸款前的信貸風(fēng)險(xiǎn)，降低因行業(yè)競(jìng)爭(zhēng)產(chǎn)生的信貸擴(kuò)張速度，提高信用貸款質(zhì)量并達(dá)到緩解商業(yè)銀行信貸風(fēng)險(xiǎn)的目的（金洪飛等，2020）?；谝陨戏治?，提出如下假設(shè)：

假設(shè)4：金融科技的應(yīng)用降低了商業(yè)銀行信貸增長(zhǎng)率。

假設(shè)5：金融科技可以通過(guò)降低信貸增長(zhǎng)率的方式緩解商業(yè)銀行信貸風(fēng)險(xiǎn)。

四、研究設(shè)計(jì)

（一）樣本與數(shù)據(jù)

首先，本文在樣本選擇中剔除了3 家政策性銀行；其次，由于業(yè)務(wù)范圍較窄、規(guī)模不大的小型商業(yè)銀行難以承擔(dān)自建金融科技平臺(tái)的巨額支出，大多數(shù)中小銀行選擇與外部金融科技公司合作，因而難以考察中小銀行的金融科技運(yùn)用程度，在樣本選擇時(shí)剔除了農(nóng)村商業(yè)銀行、村鎮(zhèn)銀行等規(guī)模較小的銀行；最后，本文基于數(shù)據(jù)的完整性和可得性選取2011—2019年國(guó)內(nèi)40 家商業(yè)銀行作為研究樣本，包括6 家國(guó)有商業(yè)銀行、9家股份制商業(yè)銀行以及25家城市商業(yè)銀行。商業(yè)銀行數(shù)據(jù)主要來(lái)自東方財(cái)富網(wǎng)、統(tǒng)計(jì)年鑒、萬(wàn)得數(shù)據(jù)庫(kù)、各家商業(yè)銀行年報(bào)以及中國(guó)人民銀行統(tǒng)計(jì)數(shù)據(jù)。

（二）變量定義

1.解釋變量。目前，國(guó)內(nèi)對(duì)于金融科技尚未建立統(tǒng)一的測(cè)度指數(shù)，已有研究主要利用三類指標(biāo)衡量商業(yè)銀行金融科技發(fā)展水平：一是自主構(gòu)建金融科技指數(shù)，主要采用文本挖掘法、主成分分析法或因子分析法，從商業(yè)銀行內(nèi)部投入及運(yùn)用金融科技主要技術(shù)來(lái)衡量金融科技發(fā)展水平；二是研究機(jī)構(gòu)與金融科技企業(yè)合作構(gòu)建的互聯(lián)網(wǎng)金融指數(shù)，其中認(rèn)可度最高的是北京大學(xué)數(shù)字金融研究中心發(fā)布的普惠金融指數(shù)，主要衡量商業(yè)銀行所處外部經(jīng)營(yíng)環(huán)境的整體金融科技發(fā)展程度；三是根據(jù)上市商業(yè)銀行金融科技投入資金，衡量金融科技發(fā)展水平。由于普惠金融指數(shù)主要衡量整體金融科技發(fā)展程度，而非上市商業(yè)銀行金融科技投入又難以考察，因此，后兩類指標(biāo)都不能直接觀察本文所選擇樣本商業(yè)銀行的金融科技發(fā)展水平。

本文借鑒郭品和沈悅（2019）、金洪飛等（2020）的方法建立金融科技指數(shù)。具體過(guò)程如下：首先，根據(jù)金融科技的運(yùn)用領(lǐng)域建立原始詞庫(kù)（見(jiàn)表1）；其次，分銀行分年度計(jì)算關(guān)鍵詞詞頻，鎖定銀行與關(guān)鍵詞進(jìn)行搜索，利用爬蟲軟件爬取并記錄各家商業(yè)銀行在2011—2019年各年度的新聞條目，將獲得的數(shù)據(jù)作為構(gòu)建金融科技指數(shù)的量化基礎(chǔ)；最后，運(yùn)用主成分分析法構(gòu)建綜合指標(biāo)，即金融科技指數(shù)（Fi），該指數(shù)越大，則意味著金融科技運(yùn)用程度越高。Kmo 檢驗(yàn)及Bartlett's 檢驗(yàn)結(jié)果見(jiàn)表2，表明適合主成分分析。

表1：金融科技指數(shù)基礎(chǔ)詞庫(kù)

表2：KMO 檢驗(yàn)和Bartlett's檢驗(yàn)

2.被解釋變量。商業(yè)銀行信貸風(fēng)險(xiǎn)度量多以不良貸款率表示，但信貸風(fēng)險(xiǎn)本質(zhì)是指借款人預(yù)期違約所造成的損失，而不良貸款率代表已發(fā)生的實(shí)際損失。貸款減值準(zhǔn)備是商業(yè)銀行基于所掌握的信息對(duì)貸款企業(yè)或個(gè)人的還款違約概率進(jìn)行判斷，再依據(jù)風(fēng)險(xiǎn)計(jì)量模型計(jì)算得出的預(yù)期損失，更能反映商業(yè)銀行真實(shí)的信貸風(fēng)險(xiǎn)。因此，本文選擇貸款減值準(zhǔn)備率（Ril）衡量商業(yè)銀行信貸風(fēng)險(xiǎn)，貸款減值準(zhǔn)備率越高，信貸風(fēng)險(xiǎn)越大。

3.中介變量。銀行貸款集中度的代理變量一是貸款集中度（Lc），參考張文靜和馬喜立（2020），選用前十大客戶貸款占比來(lái)表示，這也是金融監(jiān)管部門普遍采用的測(cè)度方法。該指標(biāo)數(shù)值越大，表示商業(yè)銀行貸款越集中，其潛在的信貸風(fēng)險(xiǎn)越大。二是貸款增長(zhǎng)率（Grl），參考劉音露等（2021），將新增總貸款額與上期總貸款額比值作為貸款增長(zhǎng)率的代理變量，反映信貸資源規(guī)模變化。該指標(biāo)數(shù)值越小，表示新增貸款越少。

4.控制變量。商業(yè)銀行信貸風(fēng)險(xiǎn)既受到宏觀經(jīng)濟(jì)形勢(shì)變化的影響，也受到銀行個(gè)體特征的影響。本文選擇的商業(yè)銀行個(gè)體層面控制變量包括：盈利能力（Roa），反映商業(yè)銀行盈利狀況的重要指標(biāo)，由于高收益往往伴隨著高風(fēng)險(xiǎn)，較高的盈利水平可能意味著承擔(dān)了較大風(fēng)險(xiǎn)；商業(yè)銀行規(guī)模（S），銀行規(guī)模越大內(nèi)部風(fēng)險(xiǎn)管理體系越完善，對(duì)信貸風(fēng)險(xiǎn)控制和管理的效率可能越高，信貸風(fēng)險(xiǎn)越低；經(jīng)營(yíng)效率（Cir），代表商業(yè)銀行經(jīng)營(yíng)與管理水平，指標(biāo)數(shù)值與經(jīng)營(yíng)效率反向變動(dòng)，經(jīng)營(yíng)效率越高信貸風(fēng)險(xiǎn)越低；流動(dòng)性水平（Ldr），是商業(yè)銀行貸款與存款的比值，該指標(biāo)數(shù)值越高表明銀行信貸風(fēng)險(xiǎn)越高；資本充足率（Car），資本充足率越高的商業(yè)銀行往往具有較強(qiáng)的融資優(yōu)勢(shì)和市場(chǎng)競(jìng)爭(zhēng)力，追求高風(fēng)險(xiǎn)收益的傾向較低，因而信貸風(fēng)險(xiǎn)可能較低。宏觀控制變量包括：經(jīng)濟(jì)增長(zhǎng)（GrGDP），表示宏觀經(jīng)濟(jì)運(yùn)行狀況，經(jīng)濟(jì)的繁榮與衰退會(huì)直接影響銀行的信貸行為；貨幣政策（GrM2）以及物價(jià)水平（Cpi），刻畫政府的貨幣政策立場(chǎng)，貨幣政策寬松會(huì)使得銀行調(diào)整放貸標(biāo)準(zhǔn)，導(dǎo)致信貸規(guī)模擴(kuò)張和信貸風(fēng)險(xiǎn)上升。

（三）計(jì)量模型

為檢驗(yàn)假設(shè)1、假設(shè)2與假設(shè)4，本文分別建立模型（1）、（2）和（3）進(jìn)行回歸分析。其中，i 表示銀行數(shù)，t 表示時(shí)間，Control 表示一組控制變量，ε為隨機(jī)擾動(dòng)項(xiàng)。

為檢驗(yàn)假設(shè)3 與假設(shè)5，首先，利用模型（4）檢驗(yàn)金融科技與信貸風(fēng)險(xiǎn)的關(guān)系；其次，借助模型（5）檢驗(yàn)金融科技與中介變量的關(guān)系，其中M表示中介變量，分別選用貸款集中度（Lc）和貸款增長(zhǎng)率（Grl）；最后，建立模型（6）檢驗(yàn)金融科技與中介變量對(duì)信貸風(fēng)險(xiǎn)的影響。具體判定規(guī)則如下：模型（4）的回歸結(jié)果中，若γ顯著，則檢驗(yàn)?zāi)Ｐ停?），否則停止檢驗(yàn)；模型（5）中若θ顯著，則檢驗(yàn)?zāi)Ｐ停?），否則停止檢驗(yàn)；模型（6）中若μ顯著而μ不顯著，說(shuō)明中介變量在金融科技改善商業(yè)銀行信貸風(fēng)險(xiǎn)中承擔(dān)了完全中介的角色，若μ與μ都顯著，則說(shuō)明中介變量?jī)H具有部分中介效應(yīng)。

表3：變量說(shuō)明

五、實(shí)證結(jié)果分析

（一）描述性統(tǒng)計(jì)

主要變量的描述性統(tǒng)計(jì)見(jiàn)表4。表4 中金融科技指數(shù)（Fi）最高為6.694，最小為-0.838，標(biāo)準(zhǔn)差為0.988，表明商業(yè)銀行個(gè)體間金融科技發(fā)展水平差距較大；銀行貸款減值準(zhǔn)備率（Ril）表示的信貸風(fēng)險(xiǎn)最高為8.86，最小值為0.725，標(biāo)準(zhǔn)差為0.725，表明銀行個(gè)體間的信貸風(fēng)險(xiǎn)水平差距不大，但均值為2.89說(shuō)明商業(yè)銀行間都面臨著信貸風(fēng)險(xiǎn)問(wèn)題。

表4：主要變量描述性統(tǒng)計(jì)

（二）金融科技與信貸風(fēng)險(xiǎn)的基準(zhǔn)回歸

進(jìn)行基礎(chǔ)的F 檢驗(yàn)、LM 檢驗(yàn)及Hausman 檢驗(yàn)后，本文選擇固定效應(yīng)模型進(jìn)行回歸分析。表5 報(bào)告了模型（1）、模型（2）和模型（3）的實(shí)證結(jié)果。模型（1）為金融科技對(duì)信貸風(fēng)險(xiǎn)的回歸模型，結(jié)果顯示，金融科技（Fi）的系數(shù)為-0.0018，且在1%的水平下顯著負(fù)相關(guān)，說(shuō)明金融科技拓寬了商業(yè)銀行信息來(lái)源渠道，通過(guò)對(duì)海量數(shù)據(jù)的整合和深度處理幫助商業(yè)銀行甄別長(zhǎng)尾客戶的信貸需求，完善信用評(píng)估和風(fēng)控系統(tǒng)，緩解銀企間的信息不對(duì)稱，從而降低信貸風(fēng)險(xiǎn)。假設(shè)1得到驗(yàn)證。

表5：基準(zhǔn)回歸結(jié)果

模型（1）控制變量中的商業(yè)銀行規(guī)模（S）、資本充足率（Car） 和經(jīng)營(yíng)效率（Cir） 與信貸風(fēng)險(xiǎn)（Ril）負(fù)相關(guān)，表明規(guī)模越大、資本充足率越高、經(jīng)營(yíng)效率越高的商業(yè)銀行具有較強(qiáng)的融資優(yōu)勢(shì)和市場(chǎng)競(jìng)爭(zhēng)力，追求高風(fēng)險(xiǎn)收益的傾向較低。資產(chǎn)收益率（Roa）與信貸風(fēng)險(xiǎn)（Ril）負(fù)相關(guān)，可能原因是商業(yè)銀行在以間接融資為主的資金借貸市場(chǎng)上占據(jù)壟斷性地位，在不追求高風(fēng)險(xiǎn)的情況下就能獲得較高收益。宏觀控制變量方面，GDP 增長(zhǎng)率（GrGdp）與信貸風(fēng)險(xiǎn)顯著負(fù)相關(guān)，說(shuō)明經(jīng)濟(jì)形勢(shì)越好，商業(yè)銀行預(yù)期面臨的信貸風(fēng)險(xiǎn)可能越低；貨幣供應(yīng)量增長(zhǎng)水平（GrM2）和物價(jià)指數(shù)（Cpi）與信貸風(fēng)險(xiǎn)分別在5%與10%的顯著性水平下正相關(guān)，說(shuō)明寬松的貨幣政策會(huì)提高貨幣供應(yīng)量以及物價(jià)水平，降低商業(yè)銀行放貸門檻，導(dǎo)致銀行信貸風(fēng)險(xiǎn)增加。

模型（2）為金融科技對(duì)貸款集中度的回歸模型，根據(jù)實(shí)證結(jié)果，金融科技（Fi）在5%的顯著性水平下與貸款集中度（Lc）負(fù)相關(guān)，系數(shù)為-0.0154。這說(shuō)明金融科技發(fā)展水平的提高能有效降低貸款集中度，驗(yàn)證了假設(shè)2。

模型（3）為金融科技對(duì)貸款增長(zhǎng)率的回歸模型，根據(jù)實(shí)證結(jié)果，金融科技（Fi）在5%的顯著性水平下與貸款增長(zhǎng)率（Grl）負(fù)相關(guān)，系數(shù)為-0.0165。這說(shuō)明金融科技發(fā)展水平的提高能有效降低貸款增長(zhǎng)率，驗(yàn)證了假設(shè)4。

（三）金融科技與信貸風(fēng)險(xiǎn)的機(jī)制檢驗(yàn)

表6 顯示的是中介模型實(shí)證結(jié)果。在以貸款集中度為中介變量的實(shí)證結(jié)果中，依據(jù)中介變量的標(biāo)準(zhǔn)判斷程序，首先，模型（4）檢驗(yàn)金融科技是否會(huì)對(duì)信貸風(fēng)險(xiǎn)產(chǎn)生影響，回歸結(jié)果中金融科技系數(shù)為-0.0014，且在1%的水平下顯著，說(shuō)明金融科技與信貸風(fēng)險(xiǎn)負(fù)相關(guān)，與上文假設(shè)1 結(jié)論相吻合。其次，模型（5）檢驗(yàn)金融科技與中介變量的關(guān)系，回歸結(jié)果顯示，金融科技在1%的水平下與貸款集中度負(fù)相關(guān)，回歸系數(shù)為-0.0237，與上文假設(shè)2 結(jié)論一致。最后，通過(guò)模型（6）檢驗(yàn)金融科技與中介變量對(duì)信貸風(fēng)險(xiǎn)的影響，模型（6）估計(jì)結(jié)果中，金融科技指數(shù)與貸款集中度對(duì)信貸風(fēng)險(xiǎn)的影響分別在1%與5%水平下顯著，回歸系數(shù)分別為-0.0015 與-0.0031，說(shuō)明貸款集中度在金融科技對(duì)于信貸風(fēng)險(xiǎn)的影響中存在部分中介作用，中介效應(yīng)占比為5.25%。驗(yàn)證了上文假設(shè)3。

表6：中介效應(yīng)模型估計(jì)結(jié)果

在以貸款增長(zhǎng)率為中介變量的實(shí)證結(jié)果中，模型（5）檢驗(yàn)金融科技對(duì)貸款增長(zhǎng)率的影響，結(jié)果顯示金融科技在1%的水平下與貸款增長(zhǎng)率負(fù)相關(guān)，回歸系數(shù)為-0.0184，與上文假設(shè)4 結(jié)論一致。模型（6）檢驗(yàn)金融科技與貸款增長(zhǎng)率對(duì)信貸風(fēng)險(xiǎn)的影響，結(jié)果顯示金融科技與貸款增長(zhǎng)率對(duì)信貸風(fēng)險(xiǎn)的影響分別在1%與10%水平下顯著，回歸系數(shù)分別為-0.0016 與0.0082，說(shuō)明貸款集中度在金融科技對(duì)信貸風(fēng)險(xiǎn)的影響中存在部分中介作用，中介效應(yīng)占比為10.78%，這一結(jié)果驗(yàn)證了假設(shè)5。

（四）穩(wěn)健性檢驗(yàn)

1.更換模型估計(jì)方法。由于樣本商業(yè)銀行之間存在較大差異，既有大型國(guó)有商業(yè)銀行，也有規(guī)模較小的農(nóng)村商業(yè)銀行，且銀行對(duì)外貸款的信貸風(fēng)險(xiǎn)存在持續(xù)性，即可能存在自相關(guān)性。同時(shí)，銀行可能會(huì)基于風(fēng)險(xiǎn)控制的目的主動(dòng)引入、應(yīng)用并發(fā)展金融科技，因此，金融科技與信貸風(fēng)險(xiǎn)可能存在雙向因果的關(guān)系。為解決可能存在的內(nèi)生性問(wèn)題，本文采用GMM 方法重新進(jìn)行回歸估計(jì)。表7 中的估計(jì)結(jié)果顯示，金融科技發(fā)展水平對(duì)貸款集中度、貸款增長(zhǎng)率及銀行信貸風(fēng)險(xiǎn)均有顯著作用，估計(jì)結(jié)果與上文基本一致，結(jié)論保持穩(wěn)健。

表7：穩(wěn)健性檢驗(yàn)：更換模型估計(jì)方法

2.替換金融科技發(fā)展水平的衡量指標(biāo)。商業(yè)銀行金融科技發(fā)展水平提高會(huì)促進(jìn)地區(qū)金融科技發(fā)展，因此，也有研究用地區(qū)金融科技發(fā)展程度來(lái)衡量商業(yè)銀行金融科技發(fā)展水平。本文參考熊健等（2021）的做法，采用地區(qū)數(shù)字普惠金融指數(shù)衡量商業(yè)銀行金融科技發(fā)展程度，并以商業(yè)銀行貸款占當(dāng)年全部樣本銀行貸款總額的比例為權(quán)重對(duì)普惠金融指數(shù)進(jìn)行處理，對(duì)模型重新進(jìn)行估計(jì)，結(jié)果如表8 所示，核心解釋變量的結(jié)果與上文基本一致，本文的結(jié)論仍保持穩(wěn)健。

表8：穩(wěn)健性檢驗(yàn)：替換解釋變量

（五）異質(zhì)性分析

考慮到我國(guó)商業(yè)銀行規(guī)模以及資金成本等存在差異，不同類型商業(yè)銀行的金融科技發(fā)展程度具有一定差異，這會(huì)對(duì)商業(yè)銀行信貸風(fēng)險(xiǎn)產(chǎn)生影響。因此，本文將總樣本分為全國(guó)性商業(yè)銀行和區(qū)域性商業(yè)銀行，對(duì)模型（1）重新進(jìn)行了回歸分析，結(jié)果如表9所示。兩類銀行金融科技（Fi）系數(shù)分別在10%與1%的顯著性水平下為負(fù)，且全國(guó)性商業(yè)銀行的影響系數(shù)（-0.241）小于區(qū)域性商業(yè)銀行（-0.205），說(shuō)明發(fā)展金融科技對(duì)兩類商業(yè)銀行緩解信貸風(fēng)險(xiǎn)都有積極作用，但相較于區(qū)域性商業(yè)銀行，金融科技對(duì)全國(guó)性商業(yè)銀行信貸風(fēng)險(xiǎn)的影響更大。這一結(jié)果也證實(shí)了金融科技發(fā)展水平對(duì)商業(yè)銀行信貸風(fēng)險(xiǎn)的影響具有顯著異質(zhì)性。全國(guó)性商業(yè)銀行可利用金融科技獲取更多的信息，發(fā)現(xiàn)和挖掘更多的長(zhǎng)尾客戶，并憑借資金成本優(yōu)勢(shì)將這部分客戶從區(qū)域性的城市商業(yè)銀行與農(nóng)村商業(yè)銀行吸引過(guò)來(lái)，降低自身貸款集中度，進(jìn)而緩解信貸風(fēng)險(xiǎn)。

表9：異質(zhì)性檢驗(yàn)

六、結(jié)論和建議

本文利用網(wǎng)絡(luò)爬蟲技術(shù)進(jìn)行文本挖掘合成商業(yè)銀行金融科技指數(shù)，從應(yīng)用、投入等多個(gè)維度評(píng)估商業(yè)銀行金融科技發(fā)展程度，并基于2011—2019年國(guó)內(nèi)40家商業(yè)銀行的數(shù)據(jù)，探究了金融科技對(duì)商業(yè)銀行信貸風(fēng)險(xiǎn)的影響及其傳導(dǎo)機(jī)制。研究結(jié)果表明：第一，金融科技能有效緩解商業(yè)銀行整體信貸風(fēng)險(xiǎn)。商業(yè)銀行運(yùn)用金融科技可以有效緩解信貸中的信息不對(duì)稱，更容易甄別借款客戶釋放出的信用信號(hào)，并據(jù)此評(píng)價(jià)借款客戶的信用優(yōu)劣，有利于提高信貸質(zhì)量和降低信貸風(fēng)險(xiǎn)。第二，在金融科技與信貸風(fēng)險(xiǎn)的關(guān)系中，貸款集中度和貸款增長(zhǎng)率具有部分中介作用。商業(yè)銀行通過(guò)金融科技提高信息獲取、數(shù)據(jù)處理以及客戶管理的效率，以更低的信息搜集成本吸納優(yōu)質(zhì)客戶，在增加貸款規(guī)模的同時(shí)提升貸款質(zhì)量，商業(yè)銀行信貸風(fēng)險(xiǎn)得到分散和降低。第三，金融科技對(duì)商業(yè)銀行信貸風(fēng)險(xiǎn)的影響存在異質(zhì)性，金融科技對(duì)全國(guó)性商業(yè)銀行信貸風(fēng)險(xiǎn)的緩釋作用大于區(qū)域性商業(yè)銀行。商業(yè)銀行運(yùn)用金融科技能顯著降低銀企間的信息不對(duì)稱，全國(guó)性商業(yè)銀行與區(qū)域性商業(yè)銀行獲取軟信息能力的差距被縮小，全國(guó)性商業(yè)銀行憑借相對(duì)低廉的資金成本優(yōu)勢(shì)將原屬于區(qū)域性商業(yè)銀行的低風(fēng)險(xiǎn)優(yōu)質(zhì)客戶吸引過(guò)來(lái)，促使信貸質(zhì)量上升和信貸風(fēng)險(xiǎn)下降，而區(qū)域性商業(yè)銀行只能通過(guò)進(jìn)一步下沉市場(chǎng)挖掘優(yōu)質(zhì)的潛在客戶。

本文的研究結(jié)論具有以下政策啟示：第一，鼓勵(lì)商業(yè)銀行運(yùn)用金融科技拓展服務(wù)深度。銀企間的信息不對(duì)稱程度在運(yùn)用金融科技后能夠被降低，因此，商業(yè)銀行應(yīng)關(guān)注金融科技對(duì)風(fēng)險(xiǎn)管控的正面影響，將金融科技新興技術(shù)應(yīng)用在信貸流程中，降低信貸風(fēng)險(xiǎn)。第二，應(yīng)加強(qiáng)對(duì)商業(yè)銀行運(yùn)用金融科技的監(jiān)管。金融科技在賦能商業(yè)銀行信貸風(fēng)險(xiǎn)管理的同時(shí)，也可能帶來(lái)新的風(fēng)險(xiǎn)。監(jiān)管部門應(yīng)健全金融科技監(jiān)管體系，對(duì)商業(yè)銀行應(yīng)用金融科技帶來(lái)的變化進(jìn)行監(jiān)測(cè)，防止發(fā)生金融科技導(dǎo)致的風(fēng)險(xiǎn)事件，打好防范化解金融風(fēng)險(xiǎn)攻堅(jiān)戰(zhàn)。第三，區(qū)域性商業(yè)銀行與外部科技公司應(yīng)加強(qiáng)合作。對(duì)于中小商業(yè)銀行而言，在缺乏足夠的資金發(fā)展金融科技時(shí)可積極與外部科技公司進(jìn)行合作，達(dá)到借船出海的目的，充分利用金融科技促進(jìn)自身發(fā)展，緩解信貸風(fēng)險(xiǎn)。

①數(shù)據(jù)來(lái)源：中國(guó)銀保監(jiān)會(huì)副主席梁濤在國(guó)新辦就銀行業(yè)保險(xiǎn)業(yè)2020年改革發(fā)展情況新聞發(fā)布會(huì)的講話。

②2020年新冠肺炎疫情導(dǎo)致大量企業(yè)生產(chǎn)經(jīng)營(yíng)停滯，銀行計(jì)提的貸款減值準(zhǔn)備大幅增加，這一數(shù)據(jù)波動(dòng)無(wú)法準(zhǔn)確反映金融科技對(duì)信貸風(fēng)險(xiǎn)的影響，因此，未考慮2020年的數(shù)據(jù)。

③負(fù)值對(duì)應(yīng)的情況是關(guān)鍵詞搜索結(jié)果中新聞條目為0。

④參考2019年《中國(guó)金融年鑒》，根據(jù)覆蓋范圍將銀行分為全國(guó)性銀行和區(qū)域性銀行。