金融科技對商業(yè)銀行操作風(fēng)險的影響研究
——基于技術(shù)溢出效應(yīng)視角

李婷婷 陸晨宇

(江蘇師范大學(xué)科文學(xué)院 江蘇徐州 221132)

1 引言

操作風(fēng)險是指由于流程缺陷、人為錯誤、系統(tǒng)故障、內(nèi)部事件、外部事件等造成損失的可能性，且各種金融產(chǎn)品、服務(wù)、流程、系統(tǒng)都可能引發(fā)操作風(fēng)險(Khalil F et al.，2020)[1]。近年來，金融科技的快速發(fā)展改變了傳統(tǒng)金融服務(wù)模式，推動金融業(yè)務(wù)創(chuàng)新升級。商業(yè)銀行逐漸認(rèn)識到金融科技的好處，利用信息技術(shù)提供各種產(chǎn)品和服務(wù)。隨著金融科技在金融領(lǐng)域的廣泛應(yīng)用，銀行在提升服務(wù)效率、豐富金融產(chǎn)品種類的同時，也面臨新的風(fēng)險沖擊，如金融詐騙、洗錢、系統(tǒng)故障、內(nèi)外部欺詐或操作失誤造成資金損失等，以上風(fēng)險均屬于操作風(fēng)險事件范疇，這說明在金融科技背景下，銀行操作風(fēng)險愈加頻發(fā)和突出。金融科技復(fù)雜系統(tǒng)在金融機構(gòu)的廣泛應(yīng)用凸顯了操作風(fēng)險管理的重要性。近些年來，關(guān)于操作風(fēng)險的研究不斷增加，主要集中在操作風(fēng)險損失計量和統(tǒng)計特征方面。Basak S & Buffa A M(2017)認(rèn)為，當(dāng)銀行從事新活動或開發(fā)新產(chǎn)品、進入新領(lǐng)域、實施新的業(yè)務(wù)流程或技術(shù)系統(tǒng)時，銀行的操作風(fēng)險敞口增加[2]。Pena et al.(2018)認(rèn)為金融科技改變了整個金融市場的運行規(guī)則，商業(yè)銀行通過有效識別金融科技觸發(fā)的操作風(fēng)險損失的大小，對不同類型和級別的操作風(fēng)險進行排序，能夠降低金融科技造成的操作風(fēng)險損失[3]。

綜上，目前學(xué)界關(guān)于金融科技如何影響操作風(fēng)險的理論研究尚未得出一致結(jié)論。此外，現(xiàn)有實證研究多集中在金融科技對銀行系統(tǒng)性風(fēng)險、信用風(fēng)險以及市場風(fēng)險的影響上(李學(xué)峰和楊盼盼，2021；劉孟飛，2021；金洪飛等，2020)[4-6]，關(guān)于操作風(fēng)險的實證研究少之又少。因此，本文基于2011—2021年16家A股上市銀行數(shù)據(jù)，從金融科技技術(shù)溢出效應(yīng)角度出發(fā)，理論分析其對銀行操作風(fēng)險的影響機理，并進行實證檢驗。

2 金融科技的技術(shù)溢出效應(yīng)對銀行操作風(fēng)險的影響機制

2.1 金融科技的技術(shù)溢出效應(yīng)對銀行操作風(fēng)險的影響

技術(shù)溢出效應(yīng)實際上是一種技術(shù)外溢引發(fā)的外部經(jīng)濟活動，表現(xiàn)為擁有發(fā)達技術(shù)的企業(yè)通過直接或間接的方式將創(chuàng)新型技術(shù)外溢到其他產(chǎn)業(yè)或地區(qū)，影響其產(chǎn)量增長或經(jīng)濟發(fā)展。金融科技公司利用數(shù)字信息技術(shù)為客戶提供成本低、匹配性強、服務(wù)質(zhì)量高的金融產(chǎn)品/服務(wù)，吸引大量銀行與金融科技公司合作，增加金融服務(wù)技術(shù)研發(fā)與應(yīng)用。金融科技算法復(fù)雜，處于發(fā)展初期的金融科技在銀行業(yè)務(wù)中的應(yīng)用尚不成熟，存在技術(shù)漏洞，容易因系統(tǒng)失靈放大操作風(fēng)險損失。此外，為修復(fù)系統(tǒng)漏洞，管控操作風(fēng)險，銀行會頻繁更新業(yè)務(wù)操作系統(tǒng)，難免部分員工因個人業(yè)務(wù)素質(zhì)低下，因操作失誤而造成風(fēng)險損失。但是，隨著金融科技水平的提升及其在商業(yè)銀行風(fēng)控領(lǐng)域的成熟應(yīng)用，銀行操作風(fēng)險管理開始向智能化、模型化方向轉(zhuǎn)型。一方面，指紋、人臉等生物識別技術(shù)使銀行風(fēng)控管理由人控向機控轉(zhuǎn)變，能夠強化對交易內(nèi)容的真實性審核，降低無授權(quán)交易等內(nèi)部欺詐行為；另一方面，通過嵌入風(fēng)控預(yù)警模型，運用大數(shù)據(jù)識別違規(guī)操作，能夠強化事前預(yù)警和實時檢測，抑制操作風(fēng)險。

圖1 技術(shù)溢出效應(yīng)下金融科技對銀行操作風(fēng)險的影響機制

假設(shè)1：初級階段金融科技的技術(shù)溢出效應(yīng)加重商業(yè)銀行操作風(fēng)險負(fù)擔(dān)；發(fā)達階段的技術(shù)溢出效益能夠抑制操作風(fēng)險。

2.2 技術(shù)溢出效應(yīng)下金融科技對不同規(guī)模銀行操作風(fēng)險的影響差異

不同規(guī)模的銀行業(yè)務(wù)范圍、組織結(jié)構(gòu)、員工素質(zhì)、風(fēng)險管控水平等方面均存在差異，金融科技的發(fā)展在不同規(guī)模銀行中的應(yīng)用程度不同，其技術(shù)溢出效應(yīng)對操作風(fēng)險的影響也會出現(xiàn)差異。大型銀行資金實力雄厚，人才儲備強大，具有資源稟賦優(yōu)勢，但是其分支機構(gòu)覆蓋面廣，基層網(wǎng)點繁多，員工素質(zhì)參差不齊；中小型銀行富有靈活性和創(chuàng)造力，但是成立時間短，資金實力弱，業(yè)務(wù)范圍小，市場認(rèn)可度較低。在金融科技發(fā)展初期，大型銀行能夠利用自身資源稟賦優(yōu)勢，快速實現(xiàn)金融科技在傳統(tǒng)銀行業(yè)務(wù)領(lǐng)域的應(yīng)用，比中小銀行更早享受金融科技的技術(shù)溢出效應(yīng)帶來的好處。但是，應(yīng)用初期的金融科技容易出現(xiàn)流程缺陷和系統(tǒng)漏洞，操作風(fēng)險多發(fā)生于基層網(wǎng)點。操作風(fēng)險具有低頻高損失特征，由于大型銀行基層網(wǎng)點多，總行對分支機構(gòu)“鞭長莫及”，基層網(wǎng)點員工受自身業(yè)務(wù)水平限制，難以及時識別和控制因技術(shù)漏洞引發(fā)的操作風(fēng)險，一項操作風(fēng)險事件就可能引發(fā)巨額損失。隨著金融科技水平的成熟，大型銀行雄厚的資金和人才技術(shù)儲備有助于推進金融科技與傳統(tǒng)金融業(yè)務(wù)的融合，提升智能化風(fēng)控水平，降低操作風(fēng)險。

假設(shè)2：發(fā)展初期的金融科技對大型銀行操作風(fēng)險的沖擊大于中小型銀行；發(fā)達階段的金融科技對大型銀行操作風(fēng)險的抑制作用大于中小型銀行。

3 變量選取與模型設(shè)計

3.1 變量定義

3.1.1 被解釋變量：操作風(fēng)險

根據(jù)Basel Ⅱ和Basel Ⅲ，按照業(yè)務(wù)復(fù)雜程度和風(fēng)險敏感性，可將操作風(fēng)險資本計量方法分為三類，即基本指標(biāo)法、標(biāo)準(zhǔn)法、高級計量法。劉睿和李金迎(2008)通過構(gòu)建收入模型測量得到的操作風(fēng)險資本與基本指標(biāo)法得到的結(jié)果基本一致，證明基本指標(biāo)法能夠適用中國銀行業(yè)風(fēng)險管理現(xiàn)狀[7]。由于操作風(fēng)險管理在我國銀行運營管理中應(yīng)用較晚，缺乏損失事件積累和銀行內(nèi)部數(shù)據(jù)，故采用基本指標(biāo)法來衡量操作風(fēng)險，即操作風(fēng)險資本=15%×過去3年銀行營業(yè)收入均值。

3.1.2 核心解釋變量：金融科技水平

現(xiàn)有文獻關(guān)于金融科技綜合水平的測量方法有兩種，一種是利用百度指數(shù)獲取關(guān)聯(lián)詞詞頻，然后借助多元統(tǒng)計分析方法構(gòu)建綜合指數(shù)(姚婷和宋良榮，2020)[8]。另一種是采用北京大學(xué)數(shù)字普惠金融指數(shù)(PKU-DFIIC)作為代理指標(biāo)(孟娜娜和粟勤，2020；郭峰和王靖一，2020)[9-10]。金融科技應(yīng)用范圍廣，構(gòu)建的原始詞庫難以覆蓋所有金融科技產(chǎn)品和服務(wù)類型，所以通過百度指數(shù)獲得的金融科技綜合指數(shù)不能全面刻畫其發(fā)展水平。然而，從覆蓋廣度、使用深度、數(shù)字化程度3個維度(共計33個具體指標(biāo))構(gòu)建得來的數(shù)字普惠金融指數(shù)，綜合性高，覆蓋面廣，更適合作為代理變量。但是，由于該指數(shù)均為地區(qū)級數(shù)據(jù)，故本文用省級指數(shù)均值來衡量我國金融科技綜合水平。

3.1.3 控制變量

本文分別選擇資產(chǎn)規(guī)模、激勵程度、員工素質(zhì)、行業(yè)競爭水平為控制變量。其中，用銀行年末資產(chǎn)總額作為資產(chǎn)規(guī)模的代理變量；用職工平均薪酬來表示激勵程度；用大學(xué)本科以上學(xué)歷員工占比衡量員工素質(zhì)；以國有銀行年末總貸款占比來量化當(dāng)年行業(yè)競爭水平，總貸款占比越高，說明行業(yè)集中度越高，競爭水平越低，反之則反。

3.2 樣本選擇與數(shù)據(jù)來源

本文選用A股上市銀行為研究樣本。截至2022年末，我國共有A股上市銀行42家，由于目前只能獲得2011—2021年的金融科技代理變量(即數(shù)字普惠金融指數(shù))，故樣本區(qū)間選為2011—2021年。除去2011年后A股上市的銀行，本文最終選擇16家銀行作為研究對象。相關(guān)數(shù)據(jù)均來自新浪財經(jīng)、巨潮資訊網(wǎng)、各上市銀行官方年報、北京大學(xué)數(shù)字金融研究中心。

3.3 計量模型設(shè)計

基于上文理論分析，本文構(gòu)建如下多元面板數(shù)據(jù)回歸模型：

其中，ORCBi,t、TASi,t、ENSi,t、EMTi,t分別表示第i家銀行t年的操作風(fēng)險損失、資產(chǎn)規(guī)模、激勵程度、員工素質(zhì)；FTIt、DICt分別表示第t年的金融科技發(fā)展水平和行業(yè)競爭程度；FTIt2用來描述FTI與ORCB之間的非線性關(guān)系，用來檢驗隨著金融科技水平的提升，其技術(shù)溢出效應(yīng)對操作風(fēng)險的影響是否發(fā)生改變；μi,t表示銀行隨機效應(yīng)，其分布與解釋變量無關(guān)；εi,t表示隨機誤差項。

4 實證分析

本文在進行回歸分析前，需要通過Hausman檢驗來判斷應(yīng)該建立固定效應(yīng)模型還是建立隨機效應(yīng)模型進行回歸分析。Hausman檢驗結(jié)果顯示，隨機效應(yīng)回歸模型對應(yīng)的P值為1，大于0.05，接受原假設(shè)，應(yīng)建立隨機效應(yīng)模型，結(jié)果如表1中式(1)所示：FTI的回歸系數(shù)為0.5969，F(xiàn)TIt2的回歸系數(shù)為-0.0013，說明FTI對ORCB的影響呈倒“U”型，即在金融科技發(fā)展初期，會因技術(shù)漏洞或者員工“素質(zhì)問題”增加商業(yè)銀行操作風(fēng)險承擔(dān)。但是，隨著金融科技在銀行系統(tǒng)的深入應(yīng)用與發(fā)展，操作風(fēng)險管理開始由人控轉(zhuǎn)向機控，通過剝離前臺操作環(huán)節(jié)，嵌入風(fēng)控預(yù)警系統(tǒng)等智能化風(fēng)控手段，從業(yè)務(wù)流程上降低操作風(fēng)險，與假設(shè)1相符。

表1 金融科技對商業(yè)銀行操作風(fēng)險影響的回歸結(jié)果

此外，由于FTI對ORCB的作用效果會受銀行規(guī)模的影響，故參照劉孟飛(2021)的做法，在式(1)的基礎(chǔ)上，分別引入FTIt×D和FTI2t×D，實證檢驗上述影響是否會因銀行規(guī)模的不同而出現(xiàn)差異，如下所示：

其中，D表示銀行規(guī)模的虛擬變量，具體表現(xiàn)為式(3)：

式中，將2011—2021年資產(chǎn)總額大于16家樣本銀行資產(chǎn)總額均值的銀行定義為大型銀行，其余定義為中小型銀行。

回歸結(jié)果如表1式(2)所示：FTI和FTIt2的系數(shù)分別為0.4249和-0.0012，其對操作風(fēng)險的作用方向與原有結(jié)論一致；FTI t×D和FTI t2×D的估計系數(shù)分別為0.3245和-0.0015，說明FTI的技術(shù)溢出效應(yīng)對ORCB的影響效果會因銀行規(guī)模不同而存在差異。具體來看，大型銀行FTI對ORCB的影響系數(shù)為0.7494，F(xiàn)TIt2對ORCB的影響系數(shù)為-0.0027；中小型銀行FTI對ORCB的影響系數(shù)為0.4249，F(xiàn)TIt2對ORCB的影響系數(shù)為-0.0012，說明在金融科技發(fā)展初期，金融科技對大型銀行操作風(fēng)險的沖擊大于中小型銀行，發(fā)達階段的金融科技對大型銀行操作風(fēng)險的抑制作用大于中小型銀行，與假設(shè)2相符。原因在于，金融科技發(fā)展初期，大型銀行能夠憑借資本、人才、社會資源等要素稟賦優(yōu)勢在傳統(tǒng)金融業(yè)務(wù)中融入金融科技，但是由于應(yīng)用初期的金融科技存在較多的技術(shù)漏洞和安全隱患，加上大型銀行基層網(wǎng)點多，基層員工風(fēng)險識別和管理能力較弱，容易比中小型銀行引發(fā)更大的操作風(fēng)險損失；隨著金融科技在大型銀行中的成熟應(yīng)用，大數(shù)據(jù)生態(tài)體系、智能化風(fēng)控手段等均能有效預(yù)警和識別前、中、后臺的操作風(fēng)險，比中小銀行進一步降低操作風(fēng)險損失。

在控制變量方面，式(1)、(2)中TAS的回歸系數(shù)均為正值，說明資產(chǎn)增量越大，銀行操作風(fēng)險負(fù)擔(dān)越重。ENS的回歸系數(shù)均為負(fù)值，說明銀行對員工的激勵增幅越大，越能夠抑制操作風(fēng)險發(fā)生。EMT的回歸系數(shù)均為負(fù)值，說明擁有高專業(yè)素質(zhì)的員工能夠抑制操作風(fēng)險。DIC的系數(shù)符號均為負(fù)，說明在不考慮金融科技等其他因素的影響下，市場集中度與操作風(fēng)險負(fù)相關(guān)(即行業(yè)競爭度與操作風(fēng)險正相關(guān))，即行業(yè)競爭水平能夠沖擊銀行操作風(fēng)險承擔(dān)。

5 研究結(jié)論與建議

基于金融科技的技術(shù)溢出效應(yīng)對銀行操作風(fēng)險的影響機理，結(jié)合2011—2021年16家上市商行的數(shù)據(jù)進行實證分析發(fā)現(xiàn)：(1)從金融科技技術(shù)溢出效應(yīng)對銀行操作風(fēng)險的影響呈倒“U”型，即金融科技起步階段的技術(shù)溢出效應(yīng)容易誘發(fā)操作風(fēng)險；發(fā)達階段的技術(shù)溢出效應(yīng)通過驅(qū)動銀行風(fēng)控手段向智能化方向轉(zhuǎn)型，能夠抑制操作風(fēng)險；(2)以上影響效果會因銀行規(guī)模不同而存在差異，在金融科技應(yīng)用初期，大型銀行由于“船大難調(diào)頭”，其技術(shù)溢出效應(yīng)比中小型銀行更容易觸發(fā)操作風(fēng)險；隨著金融科技的深入發(fā)展，大型銀行依靠雄厚的資金、技術(shù)以及人才儲備，能夠提升智能化風(fēng)控管理水平，其技術(shù)溢出效應(yīng)對操作風(fēng)險的抑制作用大于中小型銀行。

基于以上結(jié)論，本文提出以下4點建議：第一，積極融入發(fā)展成熟的金融風(fēng)控技術(shù)，構(gòu)建智能風(fēng)控體系。銀行在構(gòu)建智慧化網(wǎng)點，進行數(shù)字化轉(zhuǎn)型的同時，要重點關(guān)注智能化風(fēng)控體系的建設(shè)，通過嵌入風(fēng)險監(jiān)控模型，構(gòu)建實時風(fēng)險預(yù)警系統(tǒng)，加速風(fēng)控手段從“人控”向“機控+智控”方向的轉(zhuǎn)變，降低操作風(fēng)險管控負(fù)擔(dān)。第二，增加金融技術(shù)研發(fā)投入，發(fā)掘金融科技人才。及時發(fā)現(xiàn)和修復(fù)金融科技漏洞，升級行內(nèi)金融科技業(yè)務(wù)系統(tǒng)。同時，變革傳統(tǒng)“填鴨式”培訓(xùn)方式，引入情景式培訓(xùn)手段，不斷提高員工業(yè)務(wù)素質(zhì)，降低操作失誤損失。第三，中小銀行開辟“跟隨式創(chuàng)新”路徑，提升智能化風(fēng)控水平。受自身資金、技術(shù)、人才等資源限制，中小銀行智能化風(fēng)控技術(shù)的研發(fā)與應(yīng)用于大型銀行之間存在差距，但是可以通過積極學(xué)習(xí)同行經(jīng)驗，加強與第三方金融科技公司合作，合理評估自身操作風(fēng)險管理水平，借外力搭建智能化風(fēng)控體系，降低操作風(fēng)險損失。