金融科技對金融穩(wěn)定的影響研究

鄭麗雅 鄔巧云 岑濤

摘 要：近年來，金融科技的發(fā)展及風(fēng)險防范問題引起了政府和學(xué)術(shù)界的廣泛關(guān)注。本文試圖從金融科技角度探究其對金融穩(wěn)定的影響，以我國191家商業(yè)銀行2013—2021年數(shù)據(jù)為樣本，對金融科技與金融市場穩(wěn)定關(guān)系進(jìn)行實證分析。研究結(jié)果同時具有統(tǒng)計顯著性和經(jīng)濟(jì)顯著性，金融科技發(fā)展水平每增加10%，商業(yè)銀行個體風(fēng)險平均增加0.505%；金融科技發(fā)展水平每增加1個單位標(biāo)準(zhǔn)差，商業(yè)銀行個體風(fēng)險的平均提升幅度相當(dāng)于樣本標(biāo)準(zhǔn)差的18.08%。進(jìn)一步研究表明，金融科技發(fā)展水平通過影響商業(yè)銀行的客戶存款比率、風(fēng)險資產(chǎn)占比、存貸比及風(fēng)險承擔(dān)進(jìn)而增加我國商業(yè)銀行的風(fēng)險水平。異質(zhì)性分析表明，金融科技發(fā)展使商業(yè)銀行利潤結(jié)構(gòu)性變化，且對商業(yè)銀行個體風(fēng)險影響在其銀行規(guī)模相對較小、非利息收入比相對較低及競爭水平相對較低時更加顯著。本文研究為如何更好地監(jiān)管金融科技及防范系統(tǒng)性金融風(fēng)險提供了借鑒。

關(guān)鍵詞：金融科技；金融穩(wěn)定；非利息收入比；系統(tǒng)性風(fēng)險

本文索引：鄭麗雅，鄔巧云，岑濤.<變量 2>[J].中國商論，2023（23）：-137.

中圖分類號：F830.33 文獻(xiàn)標(biāo)識碼：A 文章編號：2096-0298（2023）12（a）--08

金融科技的發(fā)展和風(fēng)險防范引起了黨和國家的高度重視。2014年3月，中國政府工作報告首次提及金融科技。2017 年底的中央經(jīng)濟(jì)工作會議上，習(xí)近平總書記指出，“打好防范化解重大風(fēng)險攻堅戰(zhàn)，重點是防控金融風(fēng)險，要服務(wù)于供給側(cè)結(jié)構(gòu)性改革這條主線，促進(jìn)形成金融和實體經(jīng)濟(jì)、金融和房地產(chǎn)、金融體系內(nèi)部的良性循環(huán)，做好重點領(lǐng)域風(fēng)險防范和處置，堅決打擊違法違規(guī)金融活動，加強薄弱環(huán)節(jié)監(jiān)管制度建設(shè)（陸茜：《中央經(jīng)濟(jì)工作會議解讀：2017年中國經(jīng)濟(jì)八大看點》 ，2016年12月17日，http：//www.gov.cn/xinwen/2016-12/17/content_5149174.htm，2022年4月5日訪問。）?！?/p>

2019年8月，中國人民銀行印發(fā)了關(guān)于金融科技未來三年發(fā)展規(guī)劃，將金融科技在風(fēng)險管理方面的應(yīng)用推向全新的高度（經(jīng)濟(jì)日報：《央行印發(fā)三年發(fā)展規(guī)劃 全面提升金融科技應(yīng)用水平》，2019年8月23日， http：//www.gov.cn/xinwen/2019-08/23/content_5423631.htm，2022年4月5日訪問）。

《“十四五”規(guī)劃》提出，探索金融科技的監(jiān)管框架，確保金融科技穩(wěn)妥發(fā)展；2021年的《政府工作報告》強調(diào)，對金融控股公司和金融科技加強監(jiān)管，審慎推進(jìn)金融創(chuàng)新。在金融科技e-science的新時代，如何防范金融創(chuàng)新可能引起的風(fēng)險對于我國構(gòu)建發(fā)展新格局、守住不發(fā)生系統(tǒng)性的底線及提升核心競爭力顯得尤為重要。

近年來，隨著大數(shù)據(jù)、區(qū)塊鏈及人工智能等技術(shù)的興起和成熟，中國的金融科技創(chuàng)新發(fā)展已經(jīng)在世界遙遙領(lǐng)先，然而，金融科技顯著推動銀行業(yè)競爭和銀行效率，深刻變革了銀行業(yè)的傳統(tǒng)競爭格局。商業(yè)銀行在服務(wù)場景、渠道、信息和資金等方面失去原有優(yōu)勢。那么，在金融科技不斷發(fā)展迭代的背景下如何防范系統(tǒng)性金融風(fēng)險，維護(hù)金融穩(wěn)定，提升銀行的業(yè)績及穩(wěn)定性，是當(dāng)前我國面臨的重要議題。

關(guān)于金融科技的研究，現(xiàn)有研究主要關(guān)注金融科技對金融業(yè)和非金融業(yè)的影響。就金融業(yè)而言，現(xiàn)有研究主要從銀行的風(fēng)險承擔(dān)、銀行經(jīng)營績效、盈利性及銀行業(yè)競爭等角度展開不同的探索，如金洪飛等（2020）、熊健等（2021）、 邱晗等（2018）、李俊等（2022）。另外，部分學(xué)者從非金融企業(yè)的融資、投資及全要素生產(chǎn)率等角度對金融科技可能對企業(yè)的影響進(jìn)行不同的探索，如盛天祥和范從來（2020）、巴曙松等（2020）、宋敏等（2021）、鄭麗雅和易憲容（2022）、劉偉和戴冰清（2022）等。

目前，現(xiàn)有文獻(xiàn)關(guān)于金融科技與金融穩(wěn)定的影響主要聚焦于金融科技對金融效率的影響。第一，金融科技可以突破時空限制，提供觸達(dá)客戶的產(chǎn)品、服務(wù)、渠道和平臺，擴(kuò)大覆蓋范圍。同時，基于數(shù)據(jù)挖掘等技術(shù)的搜尋可以實時掌握客戶的需求，挖掘潛在客戶，提升金融體系的透明度，降低信息不對稱程度，給商業(yè)銀行帶來了新的生機(jī)，優(yōu)化資源配置提高了商業(yè)銀行個人客戶資金循環(huán)體系，減輕了商業(yè)銀行的風(fēng)險負(fù)擔(dān)，提高了其運營效率，降低商業(yè)銀行的破產(chǎn)風(fēng)險從而促進(jìn)了整個金融體系的穩(wěn)定（Berger， 2003; 劉忠璐，2016；劉春航等，2017；孫娜，2018）。第二，金融科技接管傳統(tǒng)商業(yè)銀行的某些職能，導(dǎo)致商業(yè)銀行的存款率下降，分流了部分客戶。金融科技搶占了商業(yè)銀行在小微貸款市場的份額，增加了商業(yè)銀行破產(chǎn)的潛在風(fēng)險，從而降低整個金融體系的穩(wěn)定性（張金林和周焰，2015）。

這兩方面研究分別從不同維度說明了金融科技對金融系統(tǒng)穩(wěn)定的影響，具有較強的理論和現(xiàn)實意義。但是，已有研究尚未達(dá)成一致，同時也忽略了一種可能性，從微觀角度看，商業(yè)銀行作為我國金融的重要組成部分，其個體風(fēng)險本身可能會通過對該銀行的影響進(jìn)而引起整個體系的系統(tǒng)性風(fēng)險，從而影響我國金融市場的穩(wěn)定。

從理論上講，一方面，基于金融中介理論，以大數(shù)據(jù)、云計算、區(qū)塊鏈、人工智能為基礎(chǔ)的金融高科技的提出通過數(shù)據(jù)加密、數(shù)據(jù)挖掘等技術(shù)可以使資金供求雙方通過在線完成合約的定價及交易，大大節(jié)約了交易成本，提高了交易的效率，形成了一個信息完全充分的“交易集合”，克服了傳統(tǒng)商業(yè)銀行的逆向選擇及道德風(fēng)險等問題，實現(xiàn)信息的完全透明，提升資源配置的效率，然而這種“去中介化”的交易模式也同樣分流了商業(yè)銀行的客戶資源，如小微貸款等平臺的出現(xiàn)降低了傳統(tǒng)商業(yè)銀行的壟斷地位，導(dǎo)致其盈利潛力和水平下降，從而可能會增加商業(yè)銀行的經(jīng)營風(fēng)險及個體風(fēng)險。另一方面，從交易成本經(jīng)濟(jì)學(xué)角度來看，金融科技的出現(xiàn)降低了傳統(tǒng)商業(yè)銀行的管理成本和時間成本，通過網(wǎng)絡(luò)化和鏈群合約等方式提升了交易的效率，同時也倒逼商業(yè)銀行進(jìn)行改革，與此同時，商業(yè)銀行在轉(zhuǎn)型期間可能由于初期對金融科技等相關(guān)技術(shù)運用的不熟悉從而產(chǎn)生高風(fēng)險業(yè)務(wù)，增加商業(yè)銀行的風(fēng)險承擔(dān)，進(jìn)而降低銀行的穩(wěn)定性。

基于以上分析，本文通過手動搜集整理，利用Python技術(shù)基于文本挖掘方法構(gòu)建金融科技指數(shù)，在此基礎(chǔ)上基于我國191家商業(yè)銀行面板數(shù)據(jù)，對金融科技發(fā)展與商業(yè)銀行穩(wěn)定性之間的關(guān)系進(jìn)行了實證研究。本文發(fā)現(xiàn)，金融科技發(fā)展增加了商業(yè)銀行個體的風(fēng)險。

平均而言，從統(tǒng)計學(xué)來講，金融科技發(fā)展水平每增加10%，商業(yè)銀行個體風(fēng)險平均增加0.505%；從經(jīng)濟(jì)意義而言，金融科技發(fā)展水平增加1個單位的標(biāo)準(zhǔn)差，商業(yè)銀行個體風(fēng)險的增加幅度相當(dāng)于樣本標(biāo)準(zhǔn)差的18.08%。進(jìn)一步研究表明，金融科技發(fā)展水平通過影響商業(yè)銀行的客戶存款比率、風(fēng)險資產(chǎn)占比、存貸比及風(fēng)險承擔(dān)進(jìn)而增加我國商業(yè)銀行的風(fēng)險水平。異質(zhì)性分析表明，金融科技發(fā)展水平會導(dǎo)致商業(yè)銀行利潤結(jié)構(gòu)性變化，且對商業(yè)銀行個體風(fēng)險影響在其銀行規(guī)模相對較小、非利息收入比相對較低及競爭水平相對較低時更加顯著。

1 理論分析與研究假設(shè)

近年來，金融科技在全球迅速發(fā)展，極大提升了銀行的服務(wù)水平和經(jīng)營效率，但也深刻改變了銀行業(yè)的競爭格局。為了發(fā)展金融科技，銀行積極推進(jìn)數(shù)字化運用，與科技企業(yè)在不同的價值鏈環(huán)節(jié)開展合作，以應(yīng)對不斷白熱化的市場競爭（巴曙松和白海峰，2016）。

銀行價值鏈由封閉的自我循環(huán)模式轉(zhuǎn)向開放的合作模式，且價值鏈中的高附加值活動存在向少數(shù)企業(yè)集中的趨勢。銀行業(yè)的風(fēng)險特征也由此發(fā)生重要變化：傳統(tǒng)的戰(zhàn)略、信用、流動性、操作、法律風(fēng)險以及系統(tǒng)性風(fēng)險依然存在，而且變得更加復(fù)雜；科技風(fēng)險、網(wǎng)絡(luò)風(fēng)險與數(shù)據(jù)安全等問題日漸凸顯（Jiménez et al.， 2013; Anginer et al.，2014）。

理論上講，傳統(tǒng)商業(yè)銀行主要利潤來源于其利用自身的信息優(yōu)勢能夠?qū)淤Y金需求和供給方，從而獲取中介利潤。然而，隨著金融科技等技術(shù)的應(yīng)用，移動支付、人工智能及網(wǎng)絡(luò)借貸等產(chǎn)品的推出打破了商業(yè)銀行原有的信息優(yōu)勢，區(qū)塊鏈技術(shù)的突破實現(xiàn)了信息的完全透明，使得金融市場參與主體更加多元化，同時給予人們除了銀行外更多平臺的選擇，使得銀行存款利率大幅度流失，對商業(yè)銀行的盈利能力及穩(wěn)定性都具有較大沖擊性。

第一，金融科技企業(yè)以長尾理論為基礎(chǔ)，注重小利潤大市場，利用人工智能技術(shù)和大數(shù)據(jù)分析，將商業(yè)銀行排除的客戶納入其目標(biāo)受眾，實施廣泛的市場拓展（于波等，2020）。這讓金融科技公司以更低的成本和更低的門檻，例如眾籌和網(wǎng)絡(luò)借貸，挖掘潛在客戶需求，讓各社會階層都能輕松獲得投資和融資等相關(guān)服務(wù)。金融科技有三個主要的客戶群體，包括中小企業(yè)、“千禧一代”和其他被傳統(tǒng)銀行忽視的群體（于鳳芹和于千惠，2021）。

這三個群體對金融資源有巨大需求，但長期以來被傳統(tǒng)金融機(jī)構(gòu)忽視。金融科技企業(yè)通過在線應(yīng)用、微信、短信邀約和電話等多種方式，及時向長尾客戶介紹其金融產(chǎn)品和服務(wù)。例如，“螞蟻花唄”和“京東白條”等金融科技產(chǎn)品更注重普通客戶需求，吸引了大量客戶，壓縮了商業(yè)銀行的潛在客戶和市場份額。

第二，金融科技企業(yè)大規(guī)模收集各種維度的數(shù)據(jù)，應(yīng)用先進(jìn)的算法和模型，首先在關(guān)鍵消費領(lǐng)域和金融服務(wù)領(lǐng)域嵌入金融服務(wù)，搶占商機(jī)，導(dǎo)致商業(yè)銀行失去了競爭優(yōu)勢（黃益平和黃卓，2018）。

金融科技企業(yè)通過在客戶流量、大數(shù)據(jù)收集與分析、風(fēng)險評估和服務(wù)提供等方面的獨特優(yōu)勢，持續(xù)推出內(nèi)嵌金融服務(wù)產(chǎn)品，豐富了金融科技應(yīng)用場景，使客戶能夠輕松獲取金融信息，自由選擇服務(wù)時間和渠道，從而協(xié)助一般用戶更好地篩選金融服務(wù)和產(chǎn)品（易憲容等，2020）。

與金融科技企業(yè)相比，傳統(tǒng)商業(yè)銀行的服務(wù)模式單一、流程繁瑣，難以滿足平臺用戶的金融需求，降低商業(yè)銀行客戶黏性，造成部分客戶流失，進(jìn)而降低商業(yè)銀行盈利水平，增加商業(yè)銀行的風(fēng)險。

第三，金融科技企業(yè)在信息技術(shù)和金融領(lǐng)域的深度融合和滲透方面，已經(jīng)形成了獨特的產(chǎn)品、服務(wù)和平臺。結(jié)合大數(shù)據(jù)、人工智能技術(shù)與區(qū)塊鏈技術(shù)，金融科技實現(xiàn)了數(shù)據(jù)的開放共享和交易，催生了智能投顧服務(wù)，重新塑造了金融行業(yè)格局（易憲容等，2019）。

可以預(yù)見，未來智能醫(yī)療、智能出行、智能零售、房屋租賃、移動通信等領(lǐng)域?qū)⒂瓉砜焖侔l(fā)展。與此同時，傳統(tǒng)商業(yè)銀行的自主研發(fā)能力相對較弱，研發(fā)資金相對不足。與互聯(lián)網(wǎng)企業(yè)和新型金融機(jī)構(gòu)相比，傳統(tǒng)商業(yè)銀行的戰(zhàn)略激勵投資和經(jīng)營資源投入難以滿足新興金融業(yè)務(wù)的需求。面對科技公司的多領(lǐng)域競爭，技術(shù)相對滯后的商業(yè)銀行盈利能力勢必會受到?jīng)_擊。

最后，由于盈利能力、資源稟賦以及人才儲備等諸多因素的差異，金融科技對不同規(guī)模、不同盈利能力的商業(yè)銀行沖擊存在差異性。在金融科技的“競賽”中，中小商業(yè)銀行面臨諸多困難，業(yè)績表現(xiàn)分層。大型商業(yè)銀行不僅具有政策優(yōu)勢，其資金規(guī)模、治理結(jié)構(gòu)、內(nèi)部控制和風(fēng)險管理方面都比較完備，即使應(yīng)對金融科技的沖擊時，能夠為轉(zhuǎn)型和升級提供充足的資本儲備（王兵和朱寧，2011）。相對資本充足的大型商業(yè)銀行，資產(chǎn)規(guī)模相對較小的商業(yè)銀行更多屬于農(nóng)村商業(yè)銀行，其初衷就是服務(wù)于農(nóng)村經(jīng)濟(jì)建設(shè)（盛煜，2012），難以挖掘新的盈利增長點，這就使得資本不足的商業(yè)銀行在金融科技改革的浪潮中存在較為嚴(yán)重的擠出效應(yīng)，難以適應(yīng)新時代。

綜合上述分析，本文提出假設(shè)：

假設(shè)H1：金融科技顯著增加商業(yè)銀行個體風(fēng)險；

假設(shè)H2：金融科技發(fā)展水平會導(dǎo)致商業(yè)銀行利潤結(jié)構(gòu)性變化，且對商業(yè)銀行個體風(fēng)險影響其銀行規(guī)模相對較小、非利息收入比相對較低及競爭水平相對較低時更加顯著；

假設(shè)H3：金融科技發(fā)展水平通過影響商業(yè)銀行的客戶存款比率、風(fēng)險資產(chǎn)占比、存貸比及風(fēng)險承擔(dān)進(jìn)而增加我國商業(yè)銀行的風(fēng)險水平。

2 樣本選取與數(shù)據(jù)來源

2.1 樣本選取與數(shù)據(jù)來源

2.1.1 樣本選取

本文數(shù)據(jù)主要由以下幾部分構(gòu)成：（1）金融科技發(fā)展水平指數(shù)基于Pythons數(shù)據(jù)，利用文本挖掘法構(gòu)建。銀行微觀數(shù)據(jù)源自銀行年報、Orbis Bank Focus數(shù)據(jù)庫、國泰安CSMAR和Wind銀行財務(wù)數(shù)據(jù)庫。

（2）參考以往文獻(xiàn)（胡題和謝赤，2013； Angkinand et al.，2010），用不良貸款率衡量商業(yè)銀行個體風(fēng)險的程度，在穩(wěn)健性檢驗中，采用商業(yè)銀行破產(chǎn)風(fēng)險zscore作為NPL的替代變量。以上數(shù)據(jù)均源自 Orbis Bank Focus 數(shù)據(jù)庫及Wind銀行財務(wù)數(shù)據(jù)庫。

（3）調(diào)節(jié)變量，銀行資產(chǎn)規(guī)模、非利息收入比和商業(yè)銀行效率作為調(diào)節(jié)變量，數(shù)據(jù)源自O(shè)rbis Bank Focus 數(shù)據(jù)庫及Wind銀行財務(wù)數(shù)據(jù)庫，其中商業(yè)銀行效率具體計算見下文。

（4）宏觀變量，如各省國內(nèi)生產(chǎn)總值增長率（GDP Growth）、各省消費者價格指數(shù)增長率（CPI Growth） 、各省金融行業(yè)占GDP比重（Finance Growth）及各省進(jìn)出口額占GDP比重（Openness），來自中國統(tǒng)計年鑒。

按如下步驟篩選和處理樣本：剔除數(shù)據(jù)缺失4年及以上的樣本，最終共選取 191家商業(yè)銀行作為研究樣本，國有商業(yè)銀行6家、股份制商業(yè)銀行12家、城市商業(yè)銀行132家、農(nóng)村商業(yè)銀行41家，研究區(qū)間為 2013—2021 年。

2.1.2 變量描述

借鑒已有研究，本文設(shè)定商業(yè)銀行個體風(fēng)險為被解釋變量，金融科技發(fā)展指數(shù)為解釋變量，控制變量包括宏觀層面的各省國內(nèi)生產(chǎn)總值增長率（GDP Growth）、各省消費者價格指數(shù)增長率（CPI Growth） 、各省金融行業(yè)占GDP比重（Finance Growth）及各省進(jìn)出口額占GDP比重（Openness）和微觀層面的銀行流動性（Bank Liquidity）、存貸比（Loan）、銀行資產(chǎn)規(guī)模（Size）、非利息收入比（NIR）、加權(quán)凈資產(chǎn)收益率（ROA）。

（1）被解釋變量

商業(yè)銀行信用風(fēng)險的增加主要源自不良貸款率的增加，因此本文參考已有研究，用不良貸款率與貸款總額之比（NPL）作為商業(yè)銀行個體風(fēng)險的代理變量，該指標(biāo)越大，說明銀行個體風(fēng)險越高，穩(wěn)定性越差，數(shù)據(jù)源自Bank Focus 數(shù)據(jù)庫（胡題和謝赤，2013； Angkinand et al. ， 2010）。

（2）解釋變量

本文的核心解釋變量是金融科技發(fā)展指數(shù)，該變量衡量了我國金融科技發(fā)展程度。目前僅有少數(shù)機(jī)構(gòu)對我國金融科技發(fā)展程度進(jìn)行了宏觀的評估，如北京大學(xué)數(shù)字金融研發(fā)中心依據(jù)普惠金融形式及呈現(xiàn)新特征從普惠金融覆蓋廣度、使用深度及數(shù)字化程度指數(shù)等不同維度編制了中國數(shù)字普惠金融發(fā)展指數(shù)，西南財經(jīng)大學(xué)與四川金融科技學(xué)會聯(lián)合發(fā)布金融科技指數(shù)等，然而其覆蓋面與年份跨度均較短，因此不適合本文的研究。本文借鑒郭品和沈悅（2015）的做法，綜合百度指數(shù)數(shù)據(jù)庫，利用文本挖掘法構(gòu)建我國金融科技發(fā)展指數(shù)，且在此基礎(chǔ)上參考前人的做法將金融科技指數(shù)分為基礎(chǔ)金融科技指數(shù)和金融科技應(yīng)用場景指數(shù)。

第一，從金融科技的功能及技術(shù)路徑出發(fā)構(gòu)建金融科技指數(shù)的關(guān)鍵詞庫，具體詞庫構(gòu)建見表1。第二，利用百度搜索引擎功能，計算各指標(biāo)的詞頻，統(tǒng)計2013—2021年各年度指標(biāo)的資訊數(shù)量（楊望等，2020）。第三，利用SPSS軟件通過因子分析法估計得到的分系數(shù)矩陣，以各因子的方差百分比作為權(quán)重，通過標(biāo)準(zhǔn)化處理后得到金融科技總指數(shù)和金融科技基礎(chǔ)指數(shù)及金融科技應(yīng)用場景指數(shù)（楊望等，2020）。

2.1.3 基于DEA-Malmquist模型測算商業(yè)銀行效率

參考已有研究，基于DEA-Malmquist方法測算商業(yè)銀行全要素生產(chǎn)率作為商業(yè)銀行效率的代理變量，一方面考慮到商業(yè)銀行全要素生產(chǎn)率可以綜合衡量商業(yè)銀行技術(shù)升級、結(jié)構(gòu)升級及管理模式等指標(biāo)。另一方面，DEA-Malmquist方法不依賴于生產(chǎn)函數(shù)設(shè)定和樣本量綱，可以得到更為穩(wěn)健的結(jié)果。

基于2013—2021年商業(yè)銀行面板數(shù)據(jù)，投入指標(biāo)包括商業(yè)銀行員工人數(shù)、固定資產(chǎn)和利息支出，產(chǎn)出指標(biāo)選擇利息收入、稅前利潤和貸款總額（劉笑彤和楊德勇，2017；楊望等，2020）。

2.1.4 控制變量

為了有效控制金融科技之外的因素對商業(yè)銀行個體風(fēng)險的影響，本文在相關(guān)學(xué)者（Schepens，2013；Jiménez et al.，2013； 孔丹鳳等，2015；Fu et al.，2014；文鳳華等，2019；張琳和廉永輝，2020） 研究的基礎(chǔ)上，從微觀和宏觀兩個方面設(shè)定控制變量。微觀層面：銀行流動性（Bank Liquidity）、存貸比（Loan）、銀行資產(chǎn)規(guī)模（Size）、非利息收入比（NIR）、加權(quán)凈資產(chǎn)收益率（ROA）。宏觀層面：各省國內(nèi)生產(chǎn)總值增長率（GDP Growth）、各省消費者價格指數(shù)增長率（CPI Growth）、各省金融行業(yè)占GDP比重（Finance Growth）及各省進(jìn)出口額占GDP比重（Openness）。

2.1.5 模型設(shè)定

為了厘清金融科技和商業(yè)銀行個體風(fēng)險之間的關(guān)系，本文設(shè)定如下模型：

模型（1）是基準(zhǔn)模型。其中，NPL_（i，t）表示商業(yè)銀行i在t年的不良貸款率，i代表個體為不同銀行，k表示不同省份，j為不同控制變量，t為時間。模型（1）為了緩解遺漏變量帶來的偏差，加入了固定效應(yīng)回歸。模型（2）加入了被解釋變量的滯后項，進(jìn)行動態(tài)面板系統(tǒng)GMM回歸。

3 實證結(jié)果

3.1 變量的描述性統(tǒng)計

表3報告了本文的變量描述性統(tǒng)計結(jié)果，其中不良貸款率的均值為0.016，標(biāo)準(zhǔn)差為0.707，最小值為0，最大值為0.112，為遼寧省錦州銀行2019年的不良貸款率。從子樣本看，農(nóng)村商業(yè)銀行不良貸款率均值最高（0.0172），城市商業(yè)銀行不良貸款率均值其次（0.0156），國有大型商業(yè)銀行次之（0.0132），股份制商業(yè)銀行不良貸款率最低（0.0132），且農(nóng)村商業(yè)銀行不良貸款率標(biāo)準(zhǔn)差最大（0.1053），可見在商業(yè)銀行經(jīng)營過程中，農(nóng)村商業(yè)銀行所面臨的違約風(fēng)險最高，這可能與其農(nóng)村商業(yè)銀行普遍規(guī)模相對較小、經(jīng)營范圍相對較窄關(guān)系較大。

3.2 模型選擇

為了檢驗上述假設(shè)是否成立，本文采用計量模型結(jié)合多種方法進(jìn)行實證以保證結(jié)果的穩(wěn)健性?？紤]到面板數(shù)據(jù)有混合回歸、固定效應(yīng)、隨機(jī)效應(yīng)、系統(tǒng)GMM等多種方法，因此，本文首先進(jìn)行F檢驗，依次作為選擇混合回歸還是個體固定效應(yīng)模型；其次，進(jìn)行LM檢驗判斷個體隨機(jī)效應(yīng)還是混合回歸，最后進(jìn)行Hausman檢驗，結(jié)果見表4。結(jié)果顯示，原假設(shè)“個體效應(yīng)與回歸變量無關(guān)”對應(yīng)的P值為0.000，因此使用個體固定效應(yīng)模型而非隨機(jī)效應(yīng)模型（劉孟飛，2021）。另外，考慮到動態(tài)面板模型含有被解釋變量滯后項和個體效應(yīng)，且模型可能存在內(nèi)生性的問題，參考已有研究，本文使用系統(tǒng)廣義矩陣進(jìn)行動態(tài)面板估計，以保證結(jié)果的穩(wěn)健性。

3.3 基準(zhǔn)回歸結(jié)果

首先，本文對金融科技與商業(yè)銀行個體風(fēng)險的關(guān)系進(jìn)行檢驗，回歸結(jié)果如表5所示。在表5列（1）未添加控制變量， 為了檢驗金融高科技對商業(yè)銀行個體風(fēng)險的直接影響，回歸僅控制了年度固定效應(yīng)，未添加其他控制變量。表5表明，F(xiàn)intech 金融科技（Fintech）在兩列中的回歸系數(shù)均在1%的統(tǒng)計水平上顯著為正，表明金融科技發(fā)展水平越高，其和商業(yè)銀行個體風(fēng)險呈現(xiàn)正相關(guān)關(guān)系越高。為了結(jié)果的穩(wěn)健性和準(zhǔn)確性，在表5列（2）中加入了一系列控制變量，可以看出金融科技發(fā)展水平的回歸系數(shù)在1%水平上仍然顯著為正。

從統(tǒng)計學(xué)上講，金融科技發(fā)展水平每增加10%，商業(yè)銀行個體風(fēng)險平均增加0.505%；從經(jīng)濟(jì)意義而言，金融科技發(fā)展水平每增加1單位標(biāo)準(zhǔn)差（0.691），使得商業(yè)銀行個體風(fēng)險的平均提升幅度相當(dāng)于樣本標(biāo)準(zhǔn)差的18.08%（0.185* 0.691/0.707）。

由此可見，不論是從統(tǒng)計學(xué)還是經(jīng)濟(jì)意義上來講，金融科技與商業(yè)銀行個體風(fēng)險都具有顯著的正向關(guān)系?；貧w表5列（3）和列（4）-（4）報告了基于系統(tǒng)GMM模型對金融科技發(fā)展水平與商業(yè)銀行個體風(fēng)險關(guān)系的檢驗結(jié)果。

差分序列相關(guān)檢驗（AR-test）結(jié)果表明，估計系數(shù)是存在一致性的，且Sargen -test檢驗結(jié)果也表明工具變量不存在工具變量過度識別問題，所以使用系統(tǒng)GMM估計結(jié)果是有效的。進(jìn)一步地，表5列（3）表明在不控制其他變量的情況下，金融科技發(fā)展水平顯著增加商業(yè)銀行個體風(fēng)險水平，表5列（4）控制其他變量后，金融科技發(fā)展水平仍然顯著增加商業(yè)銀行個體風(fēng)險，進(jìn)一步證明了結(jié)果的穩(wěn)健性和準(zhǔn)確性。假設(shè)1得到驗證。

3.4 穩(wěn)健性檢驗

針對內(nèi)生性問題，借鑒前人的做法，本文采用中國互聯(lián)網(wǎng)普及率作為金融科技發(fā)展水平的工具變量，通過固定效應(yīng)兩階段最小二乘法2SLS模型進(jìn)行估計。

現(xiàn)有研究顯示，中國互聯(lián)網(wǎng)普及率不會直接影響商業(yè)銀行個體風(fēng)險水平，可以認(rèn)為是外生的。因此，2SLS模型設(shè)定如下：

可以看出，在第一階段回歸表6列（1）中，Instrum_INT的系數(shù)在1%水平上顯著為正，F(xiàn)檢驗顯示的F值是41.63，說明該工具變量互聯(lián)網(wǎng)普及率與內(nèi)生解釋變量Fintech的相關(guān)性較強。第二階段的回歸結(jié)果見表6列（2），Hansen-J檢驗的p值均大于0.1，表明至少在10%的水平上互聯(lián)網(wǎng)普及率與誤差項不相關(guān)，從統(tǒng)計意義上排他性約束得到滿足。在使用工具變量克服內(nèi)生之后，金融科技發(fā)展水平與商業(yè)銀行個體風(fēng)險之間的正向關(guān)系仍然顯著成立。

3.5 替換變量

本文參考前人的做法，用Zscore的對數(shù)衡量銀行個體風(fēng)險，以往研究表明Zscore數(shù)值的對數(shù)與銀行破產(chǎn)概率成反比關(guān)系，因此使用該指標(biāo)替換不良貸款率衡量商業(yè)銀行個體風(fēng)險是合適的（Boyd & Graham， 1986; Laven & Levine， 2009; Lepetit & Strobel， 2015）。

本文基于固定效應(yīng)和系統(tǒng)GMM效應(yīng)對金融科技發(fā)展水平與銀行個體風(fēng)險進(jìn)行回歸得出結(jié)果顯示，無論是固定效應(yīng)模型還是系統(tǒng)GMM模型，金融科技在1%水平下都顯著降低了商業(yè)銀行的穩(wěn)定性，增加其風(fēng)險，這進(jìn)一步證明了本文結(jié)論的正確性和結(jié)果的穩(wěn)健性。

4 調(diào)節(jié)效應(yīng)分析

為了檢驗假設(shè)H2，本文主要從銀行資產(chǎn)規(guī)模、非利息收入比和商業(yè)銀行效率三個方面考察其可能對金融科技發(fā)展水平與商業(yè)銀行風(fēng)險產(chǎn)生的調(diào)節(jié)效應(yīng)。表7A列（1）-（4）按銀行資產(chǎn)規(guī)模分組，采用銀行總資產(chǎn)對數(shù)作為代理變量，如果該指標(biāo)高于同年度同行業(yè)同級別中位水平，則認(rèn)為銀行資產(chǎn)規(guī)模較高，反之，則相反。回歸結(jié)果表明，無論是固定效應(yīng)還是系統(tǒng)GMM回歸，金融科技與商業(yè)銀行風(fēng)險的正向作用在銀行資產(chǎn)規(guī)模相對較高組中不顯著，在銀行資產(chǎn)規(guī)模相對較低時顯著。原因在于，資產(chǎn)規(guī)模相對較大銀行涉及業(yè)務(wù)模式相對較多，資金規(guī)模較高，有能力應(yīng)對金融科技帶來的沖擊，同時研究顯示資產(chǎn)規(guī)模較大銀行可以更好地運用金融科技進(jìn)行轉(zhuǎn)型，提升自身效率，降低金融科技的沖擊（楊望等，2020）。

表7列（5）-（7）按銀行非利息收入比水平高低進(jìn)行分組，如果該指標(biāo)高于同年度同行業(yè)同級別中位水平，則認(rèn)為銀行非利息收入比相對較高，反之，則認(rèn)為銀行非利息收入規(guī)模相對較低。表7中第（5）-（8）列回歸結(jié)果表明，無論是系統(tǒng)GMM還是固定效應(yīng)回歸，金融科技都只有在非利息收入比相對較低時顯著增加商業(yè)銀行風(fēng)險，說明銀行盈利能力相對較高可以降低金融科技對商業(yè)銀行風(fēng)險的沖擊。

表8進(jìn)一步考察商業(yè)銀行競爭的調(diào)節(jié)效應(yīng)?；貧w結(jié)果表明，商業(yè)銀行效率較高時，金融科技對商業(yè)銀行風(fēng)險的正向作用不顯著，當(dāng)商業(yè)銀行效率較低時，金融科技顯著增加商業(yè)銀行風(fēng)險。該結(jié)果具有重要的理論意義和實踐意義，該結(jié)果說明商業(yè)銀行提升競爭格局可以顯著降低金融創(chuàng)新對其造成的沖擊，金融科技作為金融服務(wù)和信息技術(shù)結(jié)合的產(chǎn)物，給傳統(tǒng)商業(yè)銀行帶來沖擊的同時也帶來一定的機(jī)遇，商業(yè)銀行應(yīng)基于金融科技為其帶來的機(jī)遇，主動出擊謀求競爭優(yōu)勢，提升效率，從而降低風(fēng)險，提升金融穩(wěn)定性。假設(shè)H2得到驗證。

5 拓展性分析

本文預(yù)期金融科技帶來的金融創(chuàng)新會從商業(yè)銀行資產(chǎn)端、負(fù)債端及風(fēng)險承擔(dān)等方面影響商業(yè)銀行風(fēng)險。

第一，網(wǎng)貸理財、余額寶、微粒貸及寶寶理財?shù)认嚓P(guān)產(chǎn)品的推出較傳統(tǒng)商業(yè)銀行的理財具有更多的流動性、更高的利率及更方便、快捷等特點，吸引了很多傳統(tǒng)銀行的客戶，造成存款流失，降低銀行流動性，從而提升了商業(yè)銀行的風(fēng)險。

第二，商業(yè)銀行存款利率的降低有可能使銀行在負(fù)債端彌補存款的流失，從而導(dǎo)致風(fēng)險資產(chǎn)較大，降低商業(yè)銀行風(fēng)險承擔(dān)，進(jìn)而增加商業(yè)銀行的不確定性，從而造成商業(yè)銀行風(fēng)險的增加。

第三，京東金條、京東白條、螞蟻借唄、花唄等相關(guān)網(wǎng)絡(luò)貸款產(chǎn)品的推出較銀行貸款申請相對更快捷，簡單方便，用戶只需要填寫部分信息，網(wǎng)絡(luò)貸款平臺即可根據(jù)大數(shù)據(jù)搜集數(shù)據(jù)進(jìn)行匹配整理后完成相關(guān)借貸手續(xù)，雖然相關(guān)網(wǎng)絡(luò)貸款產(chǎn)品額度較低，覆蓋面相對較小，然而仍然對銀行的負(fù)債端業(yè)務(wù)帶來一定的沖擊。

綜上分析，本文基于固定效應(yīng)回歸從商業(yè)銀行客戶存款增長率、風(fēng)險資產(chǎn)占比、風(fēng)險承擔(dān)及存貸比四個方面考察金融科技對商業(yè)銀行風(fēng)險影響的路徑。具體而言，表8第（1）-（4）列分別用商業(yè)銀行客戶存款增長率、風(fēng)險資產(chǎn)占比、商業(yè)銀行風(fēng)險承擔(dān)及存貸比作為代理變量與金融科技發(fā)展水平建立交叉相進(jìn)行固定效應(yīng)回歸。結(jié)果顯示，金融科技顯著降低客戶存款增長率、增加商業(yè)銀行風(fēng)險資產(chǎn)占比、降低商業(yè)銀行風(fēng)險承擔(dān)、降低存貸比，從而提升商業(yè)銀行風(fēng)險水平，假設(shè)H3得到驗證。

6 結(jié)語

本文在對國內(nèi)外文獻(xiàn)進(jìn)行相關(guān)梳理的基礎(chǔ)上提出研究假設(shè)，并借鑒已有的文獻(xiàn)方法，基于中國191家商業(yè)銀行2013—2021年面板數(shù)據(jù)，從商業(yè)銀行個體風(fēng)險角度研究了金融科技發(fā)展水平與金融市場穩(wěn)定性的關(guān)系。

本文的主要研究結(jié)論包括：第一，金融科技造成了商業(yè)銀行個體風(fēng)險的增加，具有風(fēng)險效應(yīng)；第二，調(diào)節(jié)分析表明，金融科技會導(dǎo)致商業(yè)銀行利潤結(jié)構(gòu)性變化，且上述風(fēng)險效應(yīng)在規(guī)模相對較小、非利息收入比較低及競爭水平較低的銀行中更大；第三，金融科技的風(fēng)險效應(yīng)影響渠道包括商業(yè)銀行的客戶存款比率、風(fēng)險資產(chǎn)占比、存貸比及風(fēng)險承擔(dān)，進(jìn)而增加我國商業(yè)銀行的風(fēng)險水平。

參考文獻(xiàn)

巴曙松，白海峰，胡文韜.金融科技創(chuàng)新、企業(yè)全要素生產(chǎn)率與經(jīng)濟(jì)增長：基于新結(jié)構(gòu)經(jīng)濟(jì)學(xué)視角[J].財經(jīng)問題研究，2020（1）： 46-53.

劉春航，廖媛媛，王夢熊，等.金融科技對金融穩(wěn)定的影響及各國應(yīng)關(guān)注的金融科技監(jiān)管問題[J].金融監(jiān)管研究，2017（9）：1-20.

孫娜.新形勢下金融科技對商業(yè)銀行的影響及對策[J].宏觀經(jīng)濟(jì)管理，2018（4）：72-79.

劉忠璐.互聯(lián)網(wǎng)金融對商業(yè)銀行風(fēng)險承擔(dān)的影響研究[J].財貿(mào)經(jīng)濟(jì)，2016（4）：71-85+115.

張金林，周焰.互聯(lián)網(wǎng)金融對中國商業(yè)銀行穩(wěn)定性影響的實證研究[J].武漢金融，2015（12）：8-11.

Berger A N . The Economic Effects of Technological Progress： Evidence from the Banking Industry[J]. Journal of Money Credit & Banking， 2003， 35（2）：141-176.

胡題，謝赤.基于GMM方法的銀行業(yè)競爭程度對銀行風(fēng)險影響的研究[J].中國管理科學(xué)，2013，21（S1）：249-254.

Angkinand A P ，? Sawangngoenyuang W ，? Wihlborg C . Financial Liberalization and Banking Crises： A Cross‐Country Analysis*[J]. International Review of Finance， 2010， 10（2）：263-292.

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(jì)學(xué)（季刊），2018，17（4）：1489-1502.

于波，周寧，霍永強.金融科技對商業(yè)銀行盈利能力的影響：基于動態(tài)面板GMM模型的實證檢驗[J].南方金融，2020（3）：30-39.

于鳳芹，于千惠.金融科技影響商業(yè)銀行盈利能力的機(jī)制分析[J].金融與經(jīng)濟(jì)，2021（2）：45-52+62.

巴曙松，白海峰.金融科技的發(fā)展歷程與核心技術(shù)應(yīng)用場景探索[J].清華金融評論，2016（11）：99-103.

Boyd J H ，? Graham S L . Risk， regulation， and bank holding company expansion into nonbanking[J]. Quarterly Review， 1986：2-17.

鄭麗雅，易憲容.企業(yè)杠桿率偏離對金融穩(wěn)定的影響研究：基于股價崩盤風(fēng)險的視角[J].學(xué)習(xí)與實踐，2022（2）：64-72.

G Jiménez，? Lopez J A ，? Saurina J . How does competition affect bank risk-taking？[J]. Journal of Financial Stability， 2013， 9（2）：185-195.

Anginer D ，? Demirguc-Kunt A ，? Zhu M . How Does Bank Competition Affect Bank Systemic Risk ？[J]. Journal of Financial Intermediation， 2014，23（1）： 1-26.

王兵， 朱寧. 不良貸款約束下的中國銀行業(yè)全要素生產(chǎn)率增長研究[J]. 經(jīng)濟(jì)研究， 2011（5）：15.

盛煜. 我國農(nóng)村商業(yè)銀行運營效率比較與評價：基于數(shù)據(jù)包絡(luò)分析法[J]. 金融發(fā)展研究， 2012（4）：5.

劉笑彤， 楊德勇. 互聯(lián)網(wǎng)金融背景下商業(yè)銀行并購重組選擇差異的效率研究：基于商業(yè)銀行異質(zhì)性的Malmquist指數(shù)實證分析[J]. 國際金融研究， 2017（10）：11.

楊望， 徐慧琳， 譚小芬，等. 金融科技與商業(yè)銀行效率：基于DEA-Malmquist模型的實證研究[J]. 國際金融研究， 2020（7）：56-65.

易憲容，鄭麗雅，何人可.金融科技合約關(guān)系的實質(zhì)、運行機(jī)理及風(fēng)險防范：基于現(xiàn)代金融理論的一般分析[J].社會科學(xué)，2019（5）：40-49.

易憲容，陳穎穎，于偉.平臺經(jīng)濟(jì)的實質(zhì)及運作機(jī)制研究[J].江蘇社會科學(xué)，2020（6）：70-78+242.