收入結(jié)構(gòu)多元化對銀行風險承擔水平的影響研究
——基于金融科技的調(diào)節(jié)作用

陳燕玲，楊 晨

(安徽大學 經(jīng)濟學院，安徽 合肥 230601)

隨著我國社會經(jīng)濟的發(fā)展，居民財富積累達到了一定水平，公眾對金融產(chǎn)品的需求更加多元化、個性化[1]。息差不斷收窄，資產(chǎn)增速放緩，互聯(lián)網(wǎng)金融產(chǎn)品憑借簡便的流程和低門檻特性分流部分優(yōu)質(zhì)客戶，市場競爭加劇，給銀行帶來了巨大壓力。“重規(guī)模，輕質(zhì)量”的時代離去，如何高質(zhì)量發(fā)展已經(jīng)成為銀行未來規(guī)劃的核心問題。面對多重挑戰(zhàn)，商業(yè)銀行主動選擇借助多元化轉(zhuǎn)型來突圍，積極開展投資收益業(yè)務、手續(xù)費及傭金收入等非利息收入業(yè)務。2020年初大多數(shù)銀行的非利息收入占比已達到20%～30%，股份制商業(yè)銀行的平均占比高達35%[2]。開辟新型業(yè)務引導利潤持續(xù)增長，減輕對傳統(tǒng)存貸款業(yè)務的高度依賴，積極改善現(xiàn)有的業(yè)務結(jié)構(gòu)，提升專業(yè)化程度，打造特色化產(chǎn)品，已經(jīng)成為各大銀行的共識。招商銀行的“一體兩翼”和交通銀行的“兩化一行”戰(zhàn)略，體現(xiàn)出多元化的經(jīng)營理念并取得不錯的成效，中小銀行積極布局理財子公司、金融租賃等，拓寬自身收入來源，有序推進業(yè)務結(jié)構(gòu)調(diào)整[3]。隨著多元化戰(zhàn)略的不斷推進，收入結(jié)構(gòu)多元化對商業(yè)銀行的風險有何影響，已成為銀行業(yè)和學術界十分關心的問題。

隨著新一代信息技術在金融領域深度應用，金融科技在提高商業(yè)銀行風控能力、加強智慧服務等方面的作用日益凸顯。目前金融科技已經(jīng)嵌入許多應用場景，如貸前的反欺詐建模、信用卡評分，貸中的實時監(jiān)測以及風險預警等。在數(shù)據(jù)存儲、處理上的卓越性為銀行多元化轉(zhuǎn)型保駕護航，精確識別新業(yè)務的風險，加強貸中貸后的風險監(jiān)督，緩解銀企之間的信息不對稱問題，讓銀行在有效控制自身風險的同時開展新型業(yè)務來拓寬服務深度。截至2021年底，已有16家商業(yè)銀行設立了金融科技子公司，將發(fā)展金融科技提升到戰(zhàn)略層面，其中平安銀行打造的“星云物聯(lián)平臺”[4]，招商銀行的“招行云”等，均建立了智能風控體系來保障多元化轉(zhuǎn)型的平穩(wěn)運行。

本文從收入結(jié)構(gòu)多元化對銀行風險承擔水平的影響視角出發(fā)，探究在互聯(lián)網(wǎng)金融背景下，金融科技對收入結(jié)構(gòu)多元化與銀行風險之間關系的調(diào)節(jié)作用，并分析調(diào)節(jié)效應在不同類型銀行之間的異質(zhì)性影響，以期為收入結(jié)構(gòu)多元化、金融科技與銀行風險三者之間的內(nèi)在作用機制提供實證依據(jù)。

1 文獻綜述與研究假設

1.1 收入結(jié)構(gòu)多元化對銀行風險的影響

支持收入結(jié)構(gòu)多元化降低銀行風險的研究主要從投資組合理論和范圍經(jīng)濟理論的角度出發(fā)，非利息業(yè)務與利息業(yè)務之間負相關或不相關，收入組合有利于分散和降低風險[5-6]。同時，銀行通過多元化收入來源帶來規(guī)模經(jīng)濟和范圍經(jīng)濟；通過擴大時間和空間上的服務范圍，提高資產(chǎn)的利用效率，帶來更多的利潤，分散了經(jīng)營風險。但更多研究持相反觀點，新業(yè)務之間相關性過高帶來的風險要大于多元化所分散的風險，銀行多元化經(jīng)營過程錯綜復雜，不能簡單的以組合投資來類比[7]。收入結(jié)構(gòu)多元化會在一定程度上規(guī)避監(jiān)管機構(gòu)對于中間業(yè)務的監(jiān)管力度，削弱資本充足率對銀行風險的約束效果[8]。曾智[9]依據(jù)內(nèi)部資本市場理論進行分析，認為多元化經(jīng)營的銀行內(nèi)部會出現(xiàn)低效益部門和高效益部門，效益高的部門會分出部分資源來幫助效益低的部門，降低了動力，導致銀行整體風險上升。此外，大部分學者從非利息收入角度出發(fā)論證了收入結(jié)構(gòu)多元化會抬高銀行風險。首先，非利息收入業(yè)務缺乏人才儲備和相關管理經(jīng)驗，多元化的業(yè)務會增加商業(yè)銀行的固定成本，導致經(jīng)營風險的增加。其次，非利息收入業(yè)務缺乏監(jiān)管以及必要的緩沖機制，銀行為了追求更高的盈利傾向于采用更高的財務杠桿，財務風險上升[10-11]。最后，非利息收入業(yè)務的波動性較強[12]，加劇了銀行的凈利潤波動性。該部分業(yè)務的客戶粘性遠低于貸款客戶，客戶的轉(zhuǎn)換成本較低，降低了銀行資產(chǎn)的流動性[13-14]。

梳理文獻可以看出，學者們關于收入結(jié)構(gòu)多元化對銀行風險影響的觀點尚有分歧，但越來越多的傾向于支持收入結(jié)構(gòu)多元化會提高銀行風險。綜上所述，收入結(jié)構(gòu)多元化降低了銀行的效率，放大了經(jīng)營過程中的不確定性[15]，數(shù)據(jù)和管理經(jīng)驗上的缺失加大了管理層的管理難度。投資收益業(yè)務本身的波動性較強，削弱了風險分散作用，進一步提高了銀行風險承擔水平?；诖?，本文提出如下假設：

H1 收入結(jié)構(gòu)多元化會提高商業(yè)銀行風險承擔水平。

1.2 金融科技對收入結(jié)構(gòu)多元化與銀行風險之間的關系具有調(diào)節(jié)作用

大數(shù)據(jù)、云計算的存儲運算能力以及物聯(lián)網(wǎng)的跟蹤識別技術在一定程度上緩解銀行開展新型業(yè)務方面的專業(yè)性不足問題，人工智能和開放銀行等技術的運用則擴大了銀行的獲客范圍，在理財業(yè)務和代銷咨詢類業(yè)務中的使用為客戶帶來了良好的體驗[16]。商業(yè)銀行在收入結(jié)構(gòu)多元化轉(zhuǎn)型過程中為了提升效率，加大了對金融科技的研發(fā)支出，極大推動了金融科技的發(fā)展。綜合來看，金融科技可以在以下幾個方面作用于收入結(jié)構(gòu)多元化轉(zhuǎn)型從而影響銀行風險承擔水平：

第一、金融科技的應用降低了銀行收入結(jié)構(gòu)多元化的成本，緩解了銀企信息不對稱的問題[17]。新型業(yè)務獲取客戶信息和貸中監(jiān)督需要付出大量人力成本，物聯(lián)網(wǎng)等技術的應用能夠通過終端實時核查客戶的資產(chǎn)狀況并上傳云端進行數(shù)據(jù)比對和分析，既減少了成本的支出又提升了信息獲取的速度和質(zhì)量。在分布式架構(gòu)模式下，銀行充分發(fā)揮區(qū)塊鏈共享數(shù)據(jù)庫的傳輸優(yōu)勢[18]，對企業(yè)數(shù)據(jù)進行及時整合，與之信息披露數(shù)據(jù)相比較，檢驗擬合程度，并將擬合度低的企業(yè)報送至管理層以進一步研究[19]。如平安銀行的“星云物聯(lián)平臺”，在供應鏈金融模式下及時獲取上下游企業(yè)的數(shù)據(jù)，大大降低了成本和風險。

第二、金融科技在風險識別和管控方面具有巨大優(yōu)勢。目前銀行采用強化學習和知識圖譜等新興技術來改進傳統(tǒng)風控模式，對客戶違約概率進行預測，效率有了明顯提升。同時，隨著算法的不斷更新升級，從GBDT算法到XGBoost算法再到LGBM算法，風險識別的精確度不斷提升，尤其在企業(yè)反欺詐方面效率大幅提升。銀行搭建智慧風控體系，簡化了申請與發(fā)放流程，并采用智能預警系統(tǒng)將貸中發(fā)生的異常信息及時反饋，極大降低了收入結(jié)構(gòu)多元化轉(zhuǎn)型過程中的風險。

第三、提升管理者的管理水平。收入結(jié)構(gòu)多元化轉(zhuǎn)型過程中銀行規(guī)模進一步加大，管理者在新型業(yè)務開展方面經(jīng)驗不足，專業(yè)性欠缺，管理缺失等隱藏了巨大風險。而知識圖譜等技術的應用協(xié)助管理者厘清各種業(yè)務之間的關系，借助圖推理等工具預測可能發(fā)生違約的企業(yè)，對篩選出的企業(yè)進一步分析。其次，金融科技對數(shù)據(jù)價值的進一步挖掘和整合提升了管理者在新型業(yè)務分析方面的效率，區(qū)塊鏈等技術簡化了盡職調(diào)查和授信審批等流程，新型業(yè)務能夠快速實施并給予管理層反饋，提高了戰(zhàn)略決策的精度?；谝陨戏治?，本文提出如下假設：

H2 金融科技顯著抑制收入結(jié)構(gòu)多元化對銀行風險承擔水平的正向作用。

2 研究設計

2.1 數(shù)據(jù)選擇

2013年余額寶上線以后我國金融科技開始飛速發(fā)展，大多數(shù)學者把2013年定義為金融科技發(fā)展的元年。因此本文選擇2013—2020年我國21家商業(yè)銀行為研究樣本，包括中國銀行、中國建設銀行、中國工商銀行、中國農(nóng)業(yè)銀行、交通銀行等5家大型商業(yè)銀行；招商銀行、興業(yè)銀行、廣發(fā)銀行、浦發(fā)銀行、平安銀行、民生銀行、中信銀行、光大銀行、華夏銀行、浙商銀行、渤海銀行等11家股份制商業(yè)銀行；北京銀行、上海銀行、南京銀行、寧波銀行、廣州銀行等5家城市商業(yè)銀行。樣本數(shù)據(jù)來源于國泰安數(shù)據(jù)庫和Wind數(shù)據(jù)庫，手工整理缺失部分數(shù)據(jù)，宏觀數(shù)據(jù)來源于國家統(tǒng)計局。

2.2 模型設定

2.2.1 靜態(tài)面板模型忽略個體和時間層面的變量可能帶來內(nèi)生性問題，因此本文選用雙固定效應模型來檢驗假設：

Nplrai,t=α0+α1HHI+α2∑Controli,t+ωi+ψi+εi

(1)

2.2.2 動態(tài)面板模型商業(yè)銀行風險承擔水平具有持續(xù)性。為解決風險承擔水平在時間上的自相關性，本文將被解釋變量的滯后一期納入構(gòu)建動態(tài)面板模型，采用GMM(廣義矩估計模型)進行實證分析?；诖耍瑸榱诉M一步驗證假設H1，本文構(gòu)建計量模型：

Nlprai,t=α0+α1Nlprai,t-1+α2HHIi,t+α3∑Controlsi,t+ωi+ψi+εi,t

(2)

為驗證假設H2，本文在模型(2)的基礎上加入金融科技以及金融科技與收入結(jié)構(gòu)多元化的交乘項，即：

Nlprai,t=α0+α1Nlprai,t-1+α2Fini,t+α3HHIi,t+α4F_Hi,t+α5∑Controlsi,t+εi,t

(3)

其中i表示銀行樣本，t表示年份。Nplra為被解釋變量，表示銀行的風險承擔水平。HHI為核心解釋變量，表示銀行的收入結(jié)構(gòu)多元化水平。Fin表示金融科技水平，F(xiàn)_H為金融科技與收入結(jié)構(gòu)多元化水平的交乘項，控制變量包括資產(chǎn)總額的對數(shù)(lnsize)，GDP增長率(GDP)，凈資產(chǎn)收益率(ROE)，撥備覆蓋率(Pvcra)，資本充足率(CapAd)，成本收入比(Cti)，ω和ψ分別表示銀行個體和時間的固定效應，表示隨機擾動項。

2.3 變量定義

被解釋變量 商業(yè)銀行風險承擔水平(Nplra) 現(xiàn)有文獻通常用不良貸款率、Z值、風險加權(quán)資產(chǎn)比例等來衡量商業(yè)銀行的風險承擔水平。本文選取不良貸款率(Nplra)來衡量，并用風險加權(quán)資產(chǎn)比率(TA)替換不良貸款率來做穩(wěn)健性檢驗。

解釋變量 收入結(jié)構(gòu)多元化水平(HHI) 以往文獻大多數(shù)采用非利息收入占比或者赫芬達爾—赫希曼指數(shù)(HHI)來衡量收入結(jié)構(gòu)多元化水平，而赫芬達爾指數(shù)能更好地反映收入結(jié)構(gòu)的集中度，因此本文選擇基于赫芬達爾—赫希曼指數(shù)來構(gòu)造收入結(jié)構(gòu)多元化指標。

其中，TI表示凈營業(yè)總收入，INI表示凈利息收入，NINI表示凈非利息收入，HHI的值越大，則商業(yè)銀行的收入結(jié)構(gòu)多元化水平就越高。

調(diào)節(jié)變量 銀行金融科技發(fā)展水平(Fin) 借鑒李春濤[20]等構(gòu)建金融科技指標的方法，本文選取與銀行金融科技相關的關鍵詞，包括人工智能、大數(shù)據(jù)、云計算、物聯(lián)網(wǎng)、區(qū)塊鏈、第三方支付、移動支付、數(shù)字貨幣、消費金融、互聯(lián)網(wǎng)理財、網(wǎng)銀、手機銀行、開放銀行等13個關鍵詞，涉及支付清算、新興技術和風險管理等方面。將關鍵詞與樣本銀行進行匹配，在百度新聞中搜索2013—2020年各年度的新聞數(shù)量。為避免搜索返回大量無關新聞，因此采取高級搜索將關鍵詞設置為“僅網(wǎng)頁標題中”。再運用Python爬蟲方法爬取上述設置后的所有新聞，并作去重處理。最后，將各個銀行每年關鍵詞下的新聞數(shù)量匯總并取對數(shù)，來衡量該銀行在不同年份的金融科技發(fā)展水平。

控制變量 為提高結(jié)論的準確性，本文在以往研究的基礎上，選擇以下變量進行控制：反映銀行資產(chǎn)規(guī)模的資產(chǎn)總額的對數(shù)(lnSize)，反映運營效率的指標成本收入比(Cti)，反映貸款質(zhì)量的指標撥備覆蓋率(Pvcra)，反映盈利能力的指標凈資產(chǎn)收益率(ROE)，反映資本水平的指標資本充足率(CapAd)，反映宏觀經(jīng)濟的指標GDP增長率(GDP)。具體變量定義及描述見表1。

表1 主要變量的定義和描述性統(tǒng)計結(jié)果

3 實證結(jié)果分析

3.1 基準回歸結(jié)果及異質(zhì)性檢驗

由于忽略個體和時間層面的變量可能會帶來內(nèi)生性問題，本文采用雙向固定效應的OLS回歸對模型(1)進行實證分析?？紤]到銀行風險承擔水平具有持續(xù)性，為了解決風險承擔水平在時間上的高度自相關并防止出現(xiàn)弱工具變量問題，采用系統(tǒng)動態(tài)面板廣義矩估計(SYS-GMM模型)對模型(2)進行實證分析。從表2回歸結(jié)果可以看出，AR(2)檢驗和Sargan檢驗對應的P值分別為0.389和0.299，均大于0.1，說明模型不存在二階自相關問題，也不存在工具變量過度識別的問題。

表2 收入結(jié)構(gòu)多元化對銀行風險承擔水平的影響

如表2所示，銀行收入結(jié)構(gòu)多元化水平(HHI)的系數(shù)分別為0.566和1.400，且分別在5%和1%水平下顯著，表明收入結(jié)構(gòu)多元化程度越高，則銀行風險承擔水平越高，即收入多元化程度的提高會顯著增加商業(yè)銀行的風險承擔水平，驗證了假設H1。收入結(jié)構(gòu)多元化轉(zhuǎn)型過程中，開展新型業(yè)務初期投入大，專業(yè)人才缺乏，都會給銀行帶來風險；其次，新型業(yè)務發(fā)展周期長，缺乏管理經(jīng)驗和相關技術，管理難度提高。另外，新型業(yè)務本身收入波動性較強，導致銀行凈利潤波動加劇，風險分散效應被弱化，進一步抬高了銀行的風險承擔水平。

對于不同類型的銀行，由于在人才儲備、資源配置、技術水平等多方面的不同，可能導致影響也不同。所以本文把總樣本分為三個子樣本，樣本一為5家大型商業(yè)銀行，樣本二為11家股份制商業(yè)銀行，樣本三為5家城市商業(yè)銀行，采用系統(tǒng)GMM回歸進行檢驗，回歸結(jié)果見表2。三個樣本的AR(2)檢驗對應的P值分別為0.372，0.239，0.259，Sargan檢驗對應的P值分別為0.873，0.150，0.355，均顯著大于0.1，說明異質(zhì)性檢驗的三個樣本不存在擾動項差分二階自相關問題和工具變量過度識別問題。從不同類型商業(yè)銀行收入結(jié)構(gòu)多元化水平(HHI)的系數(shù)可知，大型商業(yè)銀行收入結(jié)構(gòu)多元化水平的提高會提高風險且效果不顯著，股份制商業(yè)銀行收入結(jié)構(gòu)多元化水平的提高會顯著降低風險，而城市商業(yè)銀行收入結(jié)構(gòu)多元化水平的提高會顯著提高風險，與整體回歸結(jié)果相同。

3.2 調(diào)節(jié)效應結(jié)果

本文采用系統(tǒng)廣義矩估計(GMM)模型對模型(3)進行回歸，所有樣本的回歸結(jié)果見表3。進一步檢驗金融科技賦能的調(diào)節(jié)作用對于不同類型銀行是否相同，表3的后兩列表示金融科技賦能在股份制商業(yè)銀行和城市商業(yè)銀行與其風險之間的調(diào)節(jié)作用。

表3 調(diào)節(jié)效應結(jié)果

所有樣本列結(jié)果顯示交乘項(F_H)的系數(shù)為-0.746，且在1%的置信水平上顯著，說明金融科技顯著抑制了收入結(jié)構(gòu)多元化轉(zhuǎn)型對銀行風險的正向作用，驗證了假設H2。金融科技的創(chuàng)新成果產(chǎn)生大量先進的設備和技術，有效緩解了收入結(jié)構(gòu)多元化轉(zhuǎn)型過程中專業(yè)性不足的問題，改善了中間業(yè)務的劣勢。同時，加強了對于風險的識別和控制能力，在精度和速度上顯著提升，簡化了業(yè)務流程，讓管理者對于新型業(yè)務能夠及時作出判斷和調(diào)整，引導內(nèi)部資源更加合理地配置。

由于上一步檢驗中大型商業(yè)銀行收入結(jié)構(gòu)多元化(HHI)系數(shù)不顯著，因此進一步的調(diào)節(jié)效應檢驗中去除了關于大型商業(yè)銀行的研究，股份制商業(yè)銀行和城市商業(yè)銀行的回歸結(jié)果中，兩者的交乘項(F_H)系數(shù)分別為-1.312和-0.746，且在10%和1%水平上顯著，說明發(fā)展金融科技可以顯著增強股份制銀行收入結(jié)構(gòu)多元化轉(zhuǎn)型對風險承擔水平的負向影響，顯著削弱城市商業(yè)銀行收入結(jié)構(gòu)多元化轉(zhuǎn)型對風險承擔水平的正向影響。股份制商業(yè)銀行大量引進金融科技人才，成立專門的金融科技子公司，金融科技賦能帶來的正向調(diào)節(jié)作用較為顯著。而城市商業(yè)銀行在應用金融科技方面效果更加顯著，原因在于：第一，城市商業(yè)銀行這種中小銀行的風控問題一直以來都飽受詬病，存在重貸前、輕貸后的問題[21]。金融科技的應用讓銀行在收入多元化轉(zhuǎn)型過程中全程實時對風險進行監(jiān)測，并不斷優(yōu)化自身的風控策略。第二，在金融科技賦能下，城市商業(yè)銀行可以對區(qū)域內(nèi)客戶尤其是“小微企業(yè)”的信息進一步挖掘，緩解銀企信息不對稱問題，鞏固區(qū)域內(nèi)的客戶和資源優(yōu)勢，為多元化業(yè)務的開展奠定基礎，降低信貸風險。

3.3 穩(wěn)健性檢驗

上文使用了不良貸款率作為被解釋變量，為防止單一指標無法準確反映銀行風險水平而導致實證結(jié)果不穩(wěn)健，選取風險加權(quán)資產(chǎn)比率(TA)作為被解釋變量來檢驗收入結(jié)構(gòu)多元化對于銀行風險的影響以及金融科技的調(diào)節(jié)效應。因為將表內(nèi)資產(chǎn)與表外資產(chǎn)通過一定轉(zhuǎn)化系數(shù)得到的風險加權(quán)資產(chǎn)總額，不僅能夠反映信用風險，還能反映市場風險和操作風險，因此選擇風險加權(quán)資產(chǎn)比率替換被解釋變量具有一定的合理性。

穩(wěn)健性檢驗回歸結(jié)果見表4所示，列一和列二分別表示OLS模型和系統(tǒng)GMM模型對整體回歸的結(jié)果，異質(zhì)性檢驗結(jié)果見列三、列四和列五，調(diào)節(jié)效應結(jié)果見列六。采用風險加權(quán)資產(chǎn)比率的回歸結(jié)果與不良資產(chǎn)率作核心解釋變量的回歸結(jié)果一致，且都通過了AR(2)檢驗和Sargan檢驗，說明了回歸結(jié)果的穩(wěn)健性，進一步證實了假設H1與H2。

表4 穩(wěn)健性檢驗結(jié)果

4 結(jié)論與建議

本文基于2013—2020年我國21家商業(yè)銀行的面板數(shù)據(jù)，通過構(gòu)建金融科技發(fā)展指標，分析了金融科技、收入結(jié)構(gòu)多元化與商業(yè)銀行風險承擔水平之間的關系。實證結(jié)果表明：商業(yè)銀行的收入結(jié)構(gòu)多元化轉(zhuǎn)型會提高風險承擔水平，這種影響在不同類型銀行之間存在異質(zhì)性；金融科技顯著抑制了收入結(jié)構(gòu)多元化轉(zhuǎn)型對銀行風險承擔水平的正向作用，且對城市商業(yè)銀行的效果更加顯著。因此，本文提出建議：

其一，銀行應該高度重視收入結(jié)構(gòu)多元化轉(zhuǎn)型過程中可能帶來的風險問題，不能盲目擴大非利息業(yè)務規(guī)模，注意收入波動性與業(yè)務增速相匹配。加深對新型業(yè)務的理解，大力引進相關人才，提升管理層的管理能力，不同類型的銀行要根據(jù)自身特點鞏固多元化轉(zhuǎn)型的成果并加強風險管理能力。

其二，銀行尤其是城市商業(yè)銀行要加快金融科技布局的進程，這對于傳統(tǒng)業(yè)務的轉(zhuǎn)型升級具有重要意義。收入結(jié)構(gòu)多元化轉(zhuǎn)型過程中要充分利用金融科技的正外部性，推動金融科技與新業(yè)務深度融合，借助物聯(lián)網(wǎng)技術對新業(yè)務數(shù)據(jù)及時獲取，再通過機器學習、深度學習對數(shù)據(jù)進行挖掘，對風險進行度量和識別，做好風險預警，并借助知識圖譜等技術厘清各個部門之間的風險關系，加強部門之間的協(xié)同效應，建立更加有效的風險防控體系。