互联网金融对中国银行体系稳定性状况的影响——基于VAR模型的实证研究

谢陈昕

（贵州大学 经济学院，贵州 贵阳 550025）

互联网金融对中国银行体系稳定性状况的影响
——基于VAR模型的实证研究

谢陈昕

（贵州大学 经济学院，贵州 贵阳 550025）

随着我国“普惠金融”概念的提出，互联网金融成为我国金融领域的新兴力量。文章借鉴已有的指标选取方法，构建银行体系稳定性指数，并结合互联网金融指标构建V A R模型，通过G ranger因果检验和脉冲响应函数进行实证分析。结果显示，在短期内互联网金融对于中国银行体系的稳定具有冲击效应；而从长期来看，互联网金融不能替代传统银行体系；相反，银行体系的稳定发展对于互联网金融的长期发展存在一定影响。据此提出了二者应该互利共生发展的政策建议。

互联网金融；银行体系的稳定性指标；V A R模型；G ranger因果检验；脉冲响应

一、引言

在深化经济体制改革的背景下，我国金融改革稳步推进，政府逐渐放宽金融管制，放宽银行业的准入条件，鼓励金融创新。互联网金融这种由传统金融业和互联网技术相结合的新型经济体制应运而生，与传统的银行业务形成了竞争的态势。一方面，互联网金融依托其成本低、效率高、覆盖广、发展快的特点得以迅速发展。互联网金融的出现为储户提供了新的贷款和投资渠道，抢占传统银行业务，弱化了商业银行作为金融市场中介的职能，这对于传统银行体系的稳定性造成了冲击。这种冲击表现为弱化了银行体系的金融中介功能，分流了商业银行的存贷款。如第三方支付等网络支付平台为客户提供了便捷的服务，加快了金融脱媒。以余额宝为例，余额宝上线18天，累计用户数达到250多万，累计转入资金达到66亿元。据报道，余额宝规模500亿元，成为规模最大的公募基金。另一方面，存款业务和负债业务作为考核商业银行稳定性状况的重要指标，其是否会因为互联网金融的发展而受到冲击，成为研究的重点。本文通过对互联网金融变量的构建，考察互联网金融对中国银行体系稳定性状况的长期和短期影响，并针对二者的中长期发展提出了相关建议，这对于商业银行借助互联网转型升级具有一定的现实意义。

二、文献综述

（一）互联网金融理论研究

国内外学者都对互联网金融理论进行了研究。Greenbaum&Haywood（1986）认为，社会资产量的增长催生了人们对于金融的需求，而这种需求必然需要新的金融机构和新的金融业务来满足，于是就有了互联网金融。Hadlock（2002）认为，需要贷款的成长型公司往往因为信息不透明的原因，无法从银行处取得借款，或者需要支付更高的利息，这无疑加重了借款人的负担,而互联网借贷公司抓住这一潜在客户群体，应运而生。Franklin Allen，James Mcandrews and Philip Strahan（2002）认为互联网金融与传统银行业的整合会加速金融脱媒，从而加快银行整合的脚步，为客户提供更为方便的贷款途径的作用。中国的互联网金融最早可以追溯到1999年，国内产生了服务于交易的支付网关模式，而随着近年来利用大数据构建征信体系，互联网金融的发展迈入新的阶段。陶娅娜（2013）认为，互联网和金融业的融合日益紧密得益于社交网络数据、移动支付以及云计算等互联网信息技术的高速发展。同时，大众消费观念的转变及社会金融理念的革新业加速了互联网金融的发展。戴险峰（2014）认为，中国金融体系长期“金融抑制”的状态使互联网金融一经出现就实现“喷井”式的发展，而对于互联网金融的监管缺失也促进这一发展趋势。

（二）互联网金融对传统银行体系的影响研究

随着互联网金融和电子商务新模式的产生的发展，很多学者致力于研究互联网金融对商业银行运行模式、业务设置、产品服务、传统盈利来源的冲击。关于互联网金融对于传统商业银行的影响是有利的方面，Berger（2003）指出互联网金融提高了银行等金融机构的运行效率并促进了其内部部门的整合，对美国的金融市场产生了明显的溢出效应在盈利业务方面。而关于互联网金融可能威胁到传统银行银行体系的方面，宫晓林（2013）研究了互联网金融对于传统银行业盈利来源的影响，其认为在短期内互联网金融对传统银行体系的盈利模式不会产生太大的影响，但从长期来看，商业银行想要取得更长足的发展就势必要借鉴互联网金融的运行模式。从业务设置来看，王锦虹（2015）认为，互联网金融对商业银行盈利的影响主要来自于负债业务的方面;其对资产业务和中间业务的影响不大,因而从该方面而导致的对银行盈利的影响也较小。从产品服务方面来看，邱勋（2013）以余额宝为例，着重分析了互联网基金给商业银行带来的冲击，认为其主要对商业银行的市场地位、存款特别是理财产品、活期存款以及基金代销业务造成了冲击。贾凤涛（2017）认为，随着互联网金融的飞速发展,理财产品不再局限于传统的线下理财，而是出现了如“现金宝”、“余额宝”等便捷且收益率高的线上理财服务，给我国传统商业银行个人理财业务造成了极大的冲击。因此他认为传统商业银行体系应利用和互联网技术和大数据，开发属于自己的线上理财产品，加强技术开发，加快银行自身转型优化。

三、模型建立与检验

（一）指标选取

1.构建中国银行体系稳定性指数BSSI3t。借鉴邹薇（2007）关于反映银行过度承担风险行为的年度数据频率的BSSIt指数构建方法，选取三个反应银行稳定性程度的先行指标，即：银行对非政府部门的贷款（Bank loans to non government departments，BLNGS）、银行存款（bank deposits，BDE）和银行的外币负债（Foreign currency liabilities of banks，FLB），它们分别代表或间接代表了银行部门的信贷风险、流动性风险和汇率风险的变动。这些指标数据来源于中国人民银行发布的存款性公司概览年度报表。其中银行存款由活期存款和准货币加总所得；银行对非政府部门贷款利用国内信贷数据减去对政府部门债权。考虑到互联网金融数据的可得性及为使指标之间进行Granger因果检验向量阶数相同，本文仅选取2009年第一季度至2016年第二季度的季度数据。

由此构建一个中国银行体系稳定性指数BSSI3t来度量银行部门的稳定性程度：

式中，BSSI3t指数被定义为BLNGS，FLB和BDE的标准差的平均值；μ代表这三个变量的算术平均数，σ代表三个变量各自的标准差；BLNGSt、BFLt和 BDEt分别是 BLNGS、FLB、BDE 的季度变化率。对BLNGS，FLB和BDE进行标准化处理是为了使它们具有同样的概率分布，从而使指标具有可比性，避免任一指标的变化主导BSSI3t指数。对季度数据计算季间变化率，可以避免数据中由于通货膨胀等因素而引起指标数值的增大，还可以避免周期性因素而引起的结论错误。根据邹薇（2007）对 BSSI3t指标的定义，当 -0.5≤BSSI3t≤0时，银行体系是中度不稳定的；当BSSI3t＜-0.5时，银行体系处于极度不稳定的时期；只有当BSSI3t大于0时，银行体系才稳定。

由图1可以看出，2013年二四季度和2014年、2015年三四季度的中国银行体系稳定指数最低。2013年，随着金融全球化的加剧，全球金融形势日益复杂，2013年5月以来，银行借鉴同业拆借市场的利率持续飙升，部分银行出现流动性危机。而6月部分银行又出现了长达一个月的“资产荒”，极大的挫伤了银行体系的稳定性，流动性风险监管引起高度重度。2014年，由于经济增速下行压力较大，随之伴随的是结构调整任务艰巨，银行业来自息差收窄、负债成本大幅上升、收费业务监管从严以及不良贷款加速暴露等方面的压力剧增，银行业整体盈利增长步入下降通道。2015年股市大跌之后，“资产荒”成为银行业普遍面临的问题。而2015年12月宣布人民币加入SDR迈入国际化，以及传统银行业拥抱互联网脚步的加快使得中国银行体系的稳定性指数在2016年得到快速提升。这些现实现象都表明，该指标的建立是有效且具有现实意义的，数据的选取是有据可循的。

图1 中国银行体系稳定性指数BSSI3t季度走势图

2.构建互联网金融指标IFDt。借鉴彭钰（2014）选取互联网金融指标的方法，以互联网支付业务的交易规模数据为基础，选择中国第三方互联网支付市场交易规模的季度变化率IPSt和中国第三方移动支付市场交易规模的季度变化率MPSt来建立互联网金融指标IFDt。为保证互联网金融指标与银行体系稳定性指数具有较好的可比性，同样对其进行标准化处理，再将标准化数据进行算术平均。IFDt指标构建如下：

数据来源于wind咨询金融终端、易观智库。

（二）模型建立前提检验

1.单位根检验。基于上述指标的选取结果，考虑到数据的可得性等现实问题，本文采取中国银行体系稳定性指数BSSI3t以及互联网金融指标IFDt从 2009-06至 2016-03间的季度数据构建VAR模型。为了保证模型具有良好的性质，避免“伪回归”的出现，利用ADF检验对互联网金融指标及银行体系稳定性指数进行平稳性检验。单位根检验结果见表1。从表1中可以看出，银行体系稳定性指数BSSI3t在1%的显著性水平下拒绝序列不平稳的原假设；互联网金融指标IFDt在5%的显著性水平下拒绝原假设。所以根据ADF检验，上述指标在5%的显著性水平下均是平稳的。这为建立VAR模型奠定了基础。

表1 BSSI3t和 IFDt的 ADF检验结果

2.协整检验。为了进一步考察BSSI3t与IFDt之间是否具有协整关系，进行协整检验。协整意味着向量之间具有长期关系。在短期，这些向量关系可能不是那么显著，然而，从长远来看，协整把变量绑定在一起。本文采用E-G两步法进行协整检验。通过构建BSSI3t和IFDt的协整模型，得出p值为0.006 56，通过了显著性检验。由表2可得，检验统计量为-5.28，小于-2.62，即在1%的显著性水平下拒绝残差序列不平稳的假设，这说明银行体系稳定性指数BSSI3t与互联网金融指标IFDt之间存在长期的协整关系，可进一步构建VECM模型及进行Granger因果检验进行研究。

表2 E-G两步法残差检验结果

（三）VAR模型的构建

基于上述检验，选取中国银行体系稳定性指数BSSI3t和互联网金融指标IFDt构建VAR模型，本文通过R软件进行VAR模型滞后阶数的确定。结果如表3所示。根据R软件给出的滞后阶数，AIC准则、Hannan-Quinn准则以及最终预测误差准则给出的滞后阶数都是3阶。所以我们选择建立滞后3阶的VAR模型。

表3 R软件确定的滞后阶数

根据R软件给出的统计结果，可以构建VAR模型如下：

（四）Granger因果检验

为了考察中国银行体系稳定性指数BSSI3t和互联网金融指标IFDt之间的长期因果关系，进行Granger因果关系检验。检验结果见表4。

表4 Granger因果检验结果

检验结果表明，在长期关系下，互联网金融指标IFDt对于中国银行体系稳定性指数BSSI3t的稳定性并无显著影响；相反，中国银行体系的稳定对于互联网金融的发展却有一定影响。这也说明在长期内，互联网金融的发展不会取代传统银行体系，而互联网金融要取得持续性的发展离不开传统银行体系的稳定发展和支持。

（五）脉冲响应分析

基于前文Granger因果检验的结果分析，本文通过脉冲响应函数进一步验证互联网金融的发展在短期内与中国银行体系的稳定性是否具有冲击效应。互联网金融指标对银行体系稳定性指数的脉冲响应结果见图2。

据图2，互联网金融指标IDFt在前12期对银行体系稳定性指数BSSI3t具有冲击效应，其中第三期的正向冲击最大，到了第10期以后互联网金融指标的冲击影响逐渐趋向于0。

图2 IFDt对BSSI3t的脉冲响应函数结果

四、实证结果分析与对策

（一）结果分析

以上实证结果表明，在短期内互联网金融变量对于银行体系的稳定性具有一定的影响，而随着时间的推移，该影响逐渐减弱。这也印证了许多学者关于互联网金融不会取代传统商业银行的研究结果，二者应谋求一种共生的发展模式。对传统银行体系业务进行创新，借鉴互联网成本低、优惠多、高效便捷的发展优势。而针对互联网金融也应该加强监管，学习传统商业银行严谨、规整的运作模式，体制化、规范化。上述实证结果还表明，从长期来看，银行体系的稳定是互联网金融发展的保证。因此，有关行政当局应在促进银行体系稳定发展的前提下推动互联网金融的发展，以形成一种协调共生、互利并存的发展模式。

（二）政策建议

无论是从长期还是短期来看，互联网与传统银行业的结合是时代发展的必然趋势，互联网金融的“开放、平等、协作、共享”的精神使得传统金融业务的透明度、业务效率、操作便捷性得到显著的提高。而传统金融业务的开展也是互联网金融平台进行产品创新的先验。二者应在长期谋求一种互利共生发展的模式，以实现“普惠金融”的政策目标。

首先，商业银行应建立“以客户为中心”的经营理念。利用互联网大数据平台将客户进行细分，针对不同的客户需求提供具体的服务，通过更好的服务使客户产生忠诚感，从而培养自己的忠实客户。在服务方面，应重视客户的体验，为特定的客户设计适合的产品，丰富产品线，借鉴美国富国银行的调查结果，培养客户持有银行产品的数量，从而提升客户的交易活跃度。此外还应重视培养小型微型客户，将传统的大资金客户标准拓展至中小企业甚至是个人客户，扩宽银行市场。

其次，促进银行传统业务转型。如积极开发电子商务服务。截至目前，包括交通银行、工商银行、建设银行在内的国有银行；招商银行、光大银行等大型商业银行，以及成都银行、上海农商银行等中小银行已开设网上商城。随着大数据获取和收集的日益便利，传统金融的互联网化转型将成为未来发展的方向。传统商业银行应学习互联网金融高效、便捷的业务特点，引入互联网思维，简化业务流程。如开发和改进诸如手机银行、网上银行等电子类银行，提高业务办理效率，依托线上的业务服务减轻线下的业务负担，形成网上银行优势。同时，商业银行还应开发新产品，提供智能化服务，如设计依据客户余额推荐适合的理财产品、到期自动赎回基金理财产品服务、信用卡到期自动还款、自动积存金与贵金属等智能化服务。

最后，传统商业银行应与互联网金融机构互相合作、优势互补。虽然互联网金融的产生在短期内对银行体系的稳定性造成一定的冲击，但这只是新事物产生发展的必然趋势，互联网金融与传统银行业的竞争并未涉及所有领域，在长期内仍存在合作空间。如针对中小企业的融资难问题，由于商业银行的贷款对象主要是针对有稳定还款来源的人群，对于中小企业等普遍具有无法提供抵押物担保的群体，商业银行往往不提供贷款，这将不利于我国中小企业的起步和发展。因此，商业银行可以和互联网借贷平台共享客户信息，借鉴互联网金融机构的发展模式，抓住这一巨大的潜在的客户群体。利用互联网技术，努力打造中小企业在线融资平台，从而提高银行贷款业务的广度和深度。而对于目前已经存在的互联网网络借贷平台而言，应该学习传统银行体系对于客户征信体系的建设，保证资金的安全性。除此之外，互联网金融业务的开展与传统商业银行业务并不是互相独立的，如第三方支付平台也需要借助银行结算账户。因此互联网支付平台及电商企业应以积极的态度与传统商业银行谋求合作，全面覆盖支付结算领域，“以人为本”，培养自己的忠实客户，谋求长足发展。

[1]张金林，周焰，2015.互联网金融对中国商业银行稳定性影响的实证研究[J].武汉金融（12）：9-11.

[2]邹薇，2007.基于BSSI指数的中国银行体系稳定性研究[J].经济理论与经济管理（2）：47-53.

[3]彭钰.我国互联网金融对商业银行盈利的影响研究[D].厦门大学，2014.

[4]陶娅娜，2013.互联网金融发展研究[J].金融发展评论（11）：58-73.

[5]王锦虹，2015.互联网金融对商业银行盈利影响测度研究——基于测度指标体系的构建与分析[J].财经理论与实践（1）：7-12.

[6]王军.互联网金融对商业银行的影响及对策研究[D].首都经济贸易大学，2014.

[7]宫晓林，2013.互联网金融模式及对传统银行业的影响[J].南方金融（5）：86-88.

[8]邱勋，2013.互联网基金对商业银行的挑战及其应对策略——以余额宝为例[J].上海金融学院学报（4）：72-83.

[9]贾凤涛，2017.互联网金融模式下商业银行个人理财业务的竞争策略研究[J].商业经济（3）：169-170.

[10]牛华勇，闵德寅，2015.互联网金融对商业银行的影响机制研究——基于新实证产业组织视角[J].河北经贸大学学报（3）：66-71.

[11]谢平，邹传伟，2012.互联网金融模式研究[J].金融研究（12）：11-22.

[12]Beger A N.The economic effects of technological progress：evi-dence from the banking industry[J].Journal of money Credit&Banking，2003（35）：141-176.

[13]Adrian，Tobias，Hyun Song，Shin.Liquidity and FinancialContagion[J].Financial Stability Review，2008（11）：1-7.

（责任编辑：C 校对：R）

F832.1

A

1004-2768（2017）07-0035-05

2017-04-30

谢陈昕，女，福建莆田人，贵州大学经济学院，研究方向：量化投资分析。