顾海峰 闫君
摘要: 本文分析了互联网金融对商业银行盈利的影响机理,在此基础上选取中国125家商业银行2013— 2017年季度数据对互联网金融与商业银行盈利的关系进行了实证分析。研究表明:(1)第三方支付通过改进存款期限配置效率对商业银行盈利能力产生显著的冲击效应,但P2P网贷通过诱导金融脱媒对商业银行盈利能力的影响不显著。(2)第三方支付对商业银行非利息收入占比具有显著的助推作用,但P2P网贷对商业银行非利息收入占比的影响不显著。(3)第三方支付对股份制商业银行盈利能力的冲击力度最大,对国有大型商业银行的冲击力度居中,对城农商银行的冲击力度最小,但P2P网贷对不同类型商业银行盈利能力的影响均不显著。(4)第三方支付对国有大型商业银行非利息收入占比具有显著的助推作用,但对股份制商业银行与城农商银行的影响均不显著。P2P网贷对国有大型银行非利息收入占比具有显著的冲击效应,但对股份制商业银行与城农商银行的影响均不显著。
关键词: 互联网金融; 商业银行; 盈利; P2P网贷; 第三方支付
文献标识码: A 文章编号: 1002-2848-2019(04)-0100-09
《中国金融稳定报告(2014)》这样定义互联网金融:“借助于互联网技术和移动通信技术实现资金融通、支付和信息中介功能的新兴金融模式。”互联网技术与传统金融行业的有效融合孕育了互联网金融。互联网金融正以其独特的经营模式和价值创造方式,影响着传统金融业务,逐步成为整个金融体系中不可忽视的组成部分,同时也在全方位地改变公众的生活方式。自2013年阿里巴巴货币基金型产品“余额宝”上市以来,各种互联网金融创新产品竞相迸发,以变革者的姿态闯入大众视野。在短短几年时间里,互联网金融从结算功能、资金融通功能、理财功能等方面迅速抢占传统商业银行的市场份额,打破了商业银行传统稳定的经营环境。可见,商业银行面临着互联网金融对其盈利水平的冲击。这种冲击主要表现为:第一,以支付宝、微信支付为主的第三方支付不断冲击商业银行资金结算支付的主体地位;第二,以货币型基金产品为主导的新型理财方式的出现加大了商业银行负债端的压力,并推动资金成本的上升;第三,P2P融资平台、网络众筹、微贷平台等形式为资金链上下游客户提供了直接对接的渠道,取代了商业银行资金融通的中介地位。盈利模式主要体现在盈利能力与盈利结构两大层面,其中盈利能力是商业银行风险运营的重要基础,也是衡量商业银行风险承担能力的重要指标,盈利结构是反映商业银行盈利质量的重要指标,其关系到商业银行盈利能力的持续增长性。对此,盈利能力与盈利结构已成为衡量商业银行整体盈利水平的两大重要维度。互联网金融体系的形成与发展,会对商业银行经营活动产生重要影响,从盈利能力与盈利结构两大维度探讨互联网金融对商业银行整体盈利水平的影响,对于中国商业银行业提升盈利能力及优化盈利结构,以此来科学应对互联网金融体系的冲击,具有重要的理论与现实意义。
一、文献回顾
互联网金融是金融学领域的崭新概念。国外学者Franklin等[1]研究认为,互联网金融的发展对传统金融机构,尤其是对商业银行将产生较大影响。David等[2]研究发现,互联网金融与商业银行之间的深度融合,促使互联网技术与银行产品相互渗透,由此生成更多方便快捷的金融产品。Lee等[3]研究表明,商业银行在提供金融服务时需要考虑社交平台传播功能,利用社交平台可以有效提升信息传播效率。Lee[4]从长尾理论、金融中介理论与平台经济理论三种发展理论出发,诠释了互联网金融与商业银行的竞争效应。Deyoung等[5]则从存款业务、贷款业务、中间业务等三大业务出发,分别考察互联网金融对银行不同业务渠道的负面影响。Norden等[6]研究认为,存贷款利差是银行最重要的收入来源,互联网金融对这部分收入将产生冲击。Brissimis等[7]研究发现,互联网金融对银行存贷款业务方面的冲击力度最大。但是,也有部分学者倾向于互联网金融对银行盈利产生正向影响。Jallath等[8]研究认为,互联网金融对银行支付结算、理财产品、佣金收入等具有推动作用。More等[9]研究发现,在存贷款业务稳定状态下,中间业务将对银行整体盈利能力产生明显的提升作用。Kao等[10]研究表明,第三方支付因其平台效应及客户集聚效应对银行盈利存在促进作用。
国内的研究尚处于起步阶段,主要归纳为三个层面:第一,互联网金融功能及影响渠道层面。李克穆[11]研究认为,互联网金融功能在于利用大数据的便利,对客户信息进行甄别,从而解决小额贷款成本收益的不匹配性,推动了社会融资功能的实现,增加了资金可获得性。何启志等[12]研究发现,互联网金融融通了资金链的上下游端口,高企的网贷利率吸引了社会资金提供者,由此引发金融机构脱媒现象,从而对银行存款产生分流影响。张万力等[13]研究表明,互联网金融的理财资金收益功能与客户信息收集功能的优势已逐步显现,这种优势将对银行理财客户市场形成一定冲击影响。战明华等[14]研究显示,互联网金融通过影响银行负债结构、证券市场流动性和企业融资结构来弱化货币政策的银行信贷传导渠道。第二,互联网金融影响银行行为层面。王锦虹[15]以银行资产、负债与中间业务作为测度因素,探讨互联网金融与银行盈利的关系,认为互联网金融对银行资产项的影响较小,但对其负债项的影响较大。申创等[16]考察了互联网金融对银行经营绩效的影响,发现互联网金融发展对银行经营绩效水平存在显著的负向影响。刘笑彤等[17]研究表明,银行通过并购重组能够在互联网金融环境下获得更高的技术进步与全要素生产效率,从而提升经营绩效。张庆君等[18]研究顯示,互联网金融对银行传统业务存在替代效应,促使银行资本配置效率下降。第三,互联网金融影响银行风险层面。冯乾等[19]研究认为,互联网金融风险的产生源于交易双方信息不对称、行业羊群行为、道德风险等因素,这种风险将引发互联网金融的声誉危机。顾海峰等[20]研究发现,互联网金融通过收窄银行利差与降低运营成本的双重渠道影响银行风险承担水平,两种渠道的效应叠加决定着对银行风险承担的影响方向。
综上,已有文献主要局限于互联网金融对银行经营及风险承担的影响层面。本文的主要贡献在于:从盈利能力与盈利结构的双重视角分析互联网金融对银行盈利的影响机理,在此基础上选取中国2013—2017年125家商业银行季度数据,采用非平衡面板回归模型对互联网金融对商业银行盈利的影响进行实证分析,并以此为依据给出相关建议。本研究成果将为中国银行业提升盈利能力及优化盈利结构,科学应对互联网金融体系的冲击提供参考。
二、理论分析与研究假设
(一)互聯网金融对商业银行盈利影响的传导路径分析
互联网金融的主流业态模式为第三方支付平台与P2P网贷平台。互联网金融通过第三方支付与P2P网贷两大运营平台,在表内与表外业务层面对商业银行盈利产生影响。盈利水平是商业银行生存及可持续发展的重要基础及保障。商业银行盈利水平主要体现在商业银行盈利能力与商业银行盈利结构两大层面。其中,商业银行盈利能力是指银行通过表内外业务所获得的整体收益规模,决定着银行债务代偿能力。因此,提高盈利能力是商业银行生存的重要基础。商业银行盈利结构是指银行非利息收入在银行营业收入中的占比,是反映银行盈利质量的重要指标。在利率市场化背景下,商业银行存贷款利差缩窄已成为常态,提升非利息收入占比将有助于稳定商业银行整体盈利水平。因此,改进银行盈利结构是银行可持续发展的重要保障。
由上述分析可知,互联网金融对商业银行盈利的影响主要体现在第三方支付与P2P网贷两大平台对商业银行盈利能力与盈利结构影响的双重层面上。其中,第三方支付通过改进存款期限配置效率方式与融合支付结算与网络拓展方式分别对银行盈利能力与盈利结构产生影响;P2P网贷通过诱导金融脱媒、融合债权众筹、集合理财等方式分别对银行盈利能力与盈利结构产生影响。基于上述分析,本文给出互联网金融对商业银行盈利影响的传导路径,如图1所示。
(二)第三方支付对商业银行盈利的影响机理分析
(1)第三方支付在表内业务层面对银行盈利能力产生影响。第三方支付主要通过改进存款期限配置方式对银行盈利能力产生影响。第三方支付集聚众多用户的小额活期存款,转换成大额定期存款,使银行活期存款规模降低。同时,第三方支付将活期存款转换为定期存款后再以大额定期存款方式存放于商业银行,这将导致商业银行存款利息支出的增加,由此引发商业银行整体盈利水平的下降,从而对商业银行盈利能力产生负向影响。
(2)第三方支付在表外业务层面对商业银行盈利结构产生影响。第三方支付主要通过建立支付结算与网络拓展的深度融合方式对商业银行盈利结构产生影响。商业银行为第三方支付打通支付结算通道,促使第三方支付享有更大的支付结算平台,由此获得更大的收益。同时,第三方支付发挥其网络拓展优势,为商业银行拓展表外业务带来更多的客户资源,由此引发商业银行非利息收益占比的提高,从而对商业银行非利息收入占比产生正向影响。
(三)P2P网贷对商业银行盈利的影响机理分析
(1)P2P网贷在表内业务层面对银行盈利能力产生影响。P2P网贷主要通过诱导金融脱媒对商业银行盈利能力产生影响。P2P网贷直接融通了资金供需求双方,促使资金游离于作为金融中介的银行体系之外,由此引发金融脱媒。在金融脱媒情况下,P2P网贷资金提供方的预期收益率远大于商业银行存款利率,高企的资金收益率将引发银行存款资金分流,在存贷比约束下,银行贷款规模下降,引发商业银行存贷款利差收入下降,从而对商业银行盈利能力产生负向影响。
(2)P2P网贷在表外业务层面对商业银行盈利结构产生影响。P2P网贷主要通过建立债权众筹与集合理财的深度融合方式对商业银行盈利结构产生影响。P2P网贷资金主要来源于债权众筹,资金收益率优势是P2P网贷的重要生存基础之一。为获得较高的预期收益率,P2P网贷除了进行资金放贷之外,还将通过资金理财方式获得较高收益,以此来实现P2P网贷运作的可持续目标。因此,P2P网贷与商业银行存在深度合作倾向,P2P网贷通过债权众筹方式为商业银行募集理财资金,由此增大商业银行理财资金规模,从而不仅实现P2P网贷的资金收益率目标,还促使商业银行非利息收入占比得以提高,从而对商业银行非利息收入占比产生正向影响。
(四)研究假设
依据上述分析,本文提出如下基本假设:
假设1:第三方支付对商业银行盈利能力具有负向影响,对商业银行非利息收入占比具有正向影响。
假设2:P2P网贷对商业银行盈利能力具有负向影响,对商业银行非利息收入占比具有正向影响。
假设3:互联网金融对不同类型银行的盈利存在异质性影响。
三、实证研究设计
(一)样本数据选取
考虑到互联网金融主要从2013年开始大规模发展,同时基于数据可得性,本文选取中国125家商业银行2013—2017年的季度数据作为样本数据。考虑到某些样本银行个别年份数据的缺失问题,本文采用非平衡面板模型的插值功能进行补全。样本数据主要来源于Wind数据库、国泰安数据库、艾瑞咨询以及各样本银行季度报告。
(二)变量设计
(1)被解释变量。关于银行盈利能力的指标,选取衡量商业银行盈利能力的资产收益率(ROA)。对于商业银行盈利结构指标,主要选择净利息收入占营业收入的比例和非利息收入占营业收入的比例。基于两者之间的关系以及指标重要性程度,本文选取非利息收入占营业收入的比例(NLLR)来衡量银行盈利结构。
(2)解释变量。将互联网金融划分为第三方支付与P2P网贷两种类型,将第三方支付规模与P2P网贷规模作为自变量来反映互联网金融规模,同时为统一变量的量纲问题,本文选取第三方支付规模对数(lnTPP)、P2P网络借贷规模对数(lnP2P)两个自变量来测度互联网金融规模。
(3)控制变量。通过对商业银行盈利的影响因素进行分析,并借用已有文献的变量选择,本文最终选择两个层面的变量作为控制变量:一方面,在商业银行微观指标层面,选取银行的存贷比(LDR)、成本收入比(CIR)、不良贷款率(NPL)、资本充足率(CAR)、银行资产规模对数(lnSIZE)等作为控制变量;另一方面,在宏观经济发展水平层面,选取反映宏观经济发展水平的GDP增长率(GGDP)作为控制变量。
变量定义及描述性统计结果见表1。
从表1可以看出,资产收益率均值为1.06%,最大值为2.21%,最小值只有0.05%,说明不同样本银行之间的差异较大。非利息收入占比均值为21.51%,表明对所有样本银行来说平均非利息收入占到银行收入的21.51%。存贷比均值为64.39%,最小值为30.59%,最大值达到了95.43%,不同样本银行之间的差异较大。成本收入比均值为30.75%,说明平均来说样本银行的成本收入比为30.75%。不良贷款率最大值为5.59%,最小值為0.21%,说明不同样本银行间差异较大。资本充足率均值为12.72%,最大值为19.39%,最小值为7%,说明不同样本银行的资本充足率差异较大。资产规模均值为8.33,最大值为12.39,最小值为3.38,考虑到是取对数之后的值,说明中国商业银行平均规模较大,同时不同类型商业银行的资产规模差异也较大。宏观经济増长率均值为6.97%,说明中国经济处于高速平稳发展状态。
(三)实证模型构建
本文构建的面板模型如下:
其中,i代表样本商业银行,t代表时期,NIIRi,t表示第i家银行在t时期的非利息收入占比,α为常数项,βi为各变量对应的系数,εi,t为随机误差项。
四、实证检验与结果分析
本文将采用非平衡面板回归模型,以反映银行盈利能力的资产收益率与反映银行盈利结构的非利息收入占比为被解释变量,以反映互联网金融发展的第三方支付规模与P2P网贷规模为解释变量,同时引入存贷比、成本收入比、不良贷款率、资本充足率、资产规模、GDP增速等控制变量,对互联网金融对商业银行盈利的影响进行实证检验。
(一)全样本面板回归分析
为确定采用固定效应模型还是随机效应模型,需要进行Hausman检验。Hausman检验结果显示,在5%的显著性水平上拒绝原假设,即结果表明应采用固定效应模型。本文基于固定效应模型进行面板回归分析,全样本面板回归结果见表2。
从表2可以看出,两个模型R2值分别为0.7736与0.6526,说明模型拟合优度均很好,F值均在1%显著性水平上显著,说明方程显著性强,各变量对应系数绝大部分显著。依据上述全样本面板回归结果,本文得到如下结论:
(1)第三方支付对商业银行盈利的影响。在对商业银行盈利能力影响层面,由模型(1)可知,lnTPP的系数为负,且通过1%的显著性水平检验,说明第三方支付对商业银行资产收益率具有负面影响,第三方支付对银行盈利能力存在冲击效应。在对商业银行盈利结构影响层面,由模型(2)可知,lnTPP的系数为正,且通过10%的显著性水平检验,说明第三方支付对商业银行非利息收入占比具有正向影响,即第三方支付规模的扩大会提升商业银行非利息收入占比。上述结果表明:在对商业银行盈利能力影响方面,第三方支付对商业银行盈利能力具有显著的负向影响,第三方支付对商业银行盈利能力存在显著的冲击效应,足以说明第三方支付与商业银行的竞争效应显现。在对银行盈利结构影响方面,第三方支付对银行非利息收入占比具有显著的正向影响,第三方支付对银行非利息收入占比存在显著的助推作用,足以说明第三方支付与商业银行的合作效应显现。其主要原因在于:第三方支付与商业银行的竞争效应主要体现在银行存款与理财资金分流层面,第三方支付平台推出的理财产品收益率远大于商业银行存款及理财产品收益率,从而分流了银行存款及理财资金规模,进而对银行盈利能力产生冲击效应。此外,第三方支付与商业银行的合作效应主要体现在支付结算与网络拓展层面,商业银行为第三方支付打通支付结算通道,而第三方支付通过网络渠道为商业银行拓展中间业务,为商业银行带来更多中间业务,由此引发商业银行非利息收入占比的提高。可见,第三方支付与商业银行之间的竞争与合作关系,将决定第三方支付对商业银行盈利的影响特征。由此验证了假设1。
(2)P2P网贷对商业银行盈利的影响。在对商业银行盈利能力影响层面,由模型(1)可知,lnP2P的系数为负,但并未通过10%的显著性水平检验,说明P2P网贷对银行资产收益率的负向影响不显著,P2P网贷对银行盈利能力的冲击效应不显著。在对银行盈利结构影响层面,由模型(2)可知,lnP2P的系数为正,但并未通过10%的显著性水平检验,说明P2P网贷对商业银行非利息收入占比的正向影响不显著,P2P网贷对银行非利息收入占比的助推作用不显著。由此验证了假设2。其主要原因在于:P2P网贷与商业银行之间的竞争与合作关系主要表现为吸收存款与理财资金的竞争性及贷款风险运营的合作性。考虑到P2P网贷的资金投放规模远小于银行信贷投放规模,P2P网贷业务规模尚未对商业银行信贷业务规模形成有效分流,难以引发P2P网贷对商业银行盈利能力与盈利结构的有效冲击或助推,P2P网贷与银行之间的竞争与合作效应尚未显现。
(3)第三方支付与P2P网贷对商业银行盈利的影响力度比较。对比模型(1)与模型(2)中lnTPP与lnP2P的回归系数绝对值发现,lnTPP的回归系数绝对值均远大于lnP2P的回归系数绝对值,说明第三方支付对商业银行盈利能力与盈利结构的影响力度均远大于P2P网贷对商业银行盈利能力与盈利结构的影响力度。其主要原因在于:P2P网贷与商业银行贷款的客户群定位存在较大差异,P2P网贷主要面向小额贷款客户群,商业银行贷款主要针对大中型企业客户群,因此P2P网贷对商业银行贷款业务的稀释力度是极其有限的,这就决定着P2P网贷对商业银行盈利能力的影响力度很小。但是,第三方支付的网络支付结算功能更贴近客户市场,由此引发第三方支付与商业银行之间的深度合作。第三方支付通过网络渠道拓展及增大商业银行中间业务规模,使银行中间业务收入增加,银行非利息收入占比提高。
(4)控制变量对商业银行盈利的影响。在对商业银行盈利能力影响层面,由模型(1)可知,成本收入比、不良贷款率、资本充足率、资产规模均通过1%的显著性水平检验,说明成本收入比、不良贷款率、资本充足率、资产规模等对商业银行盈利能力均具有显著影响,其中成本收入比对商业银行盈利能力存在冲击效应,不良贷款率、资本充足率、资产规模等对商业银行盈利能力均存在助推作用。但是,存贷比、不良贷款率、资产规模、GDP增速等对银行盈利结构的影响均不显著。在对商业银行盈利结构影响层面,由模型(2)可知,成本收入比与资本充足率均通过1%的显著性水平检验,说明成本收入比与资本充足率对商业银行盈利结构均具有显著影响,其中成本收入比对商业银行非利息收入占比存在助推作用,资本充足率对商业银行非利息收入占比存在冲击效应。
(二)分样本面板回归分析
为进一步分析互联网金融对不同类型商业银行盈利的影响是否存在显著的异质性特征,本文对全部样本银行进行分类处理,划分为国有大型商业银行、股份制商业银行与城农商银行三大类型,通过对三类银行分样本回归分析,揭示互联网金融对不同类型商业银行盈利的影响是否存在显著差异。具体的分样本面板回归结果见表3。
上述分样本回归结果表明,互联网金融对不同类型商业银行的盈利具有显著的异质性影响。由此验证了假设3。这种异质性影响主要归纳如下:
(1)第三方支付對不同类型商业银行盈利的异质性影响。在对不同类型商业银行盈利能力的影响层面,三类银行对应的lnTPP系数均为负,且均通过显著性检验,但是股份制银行对应的lnTPP系数绝对值最大,国有大型银行居中,城农商银行最小。这说明第三方支付对股份制银行盈利能力的冲击力度最大,对国有大型银行盈利能力的冲击力度居中,对城农商银行盈利能力的冲击力度最小。在对不同类型银行盈利结构的影响层面,国有大型银行对应的lnTPP系数为正,且均通过显著性检验,然而股份制银行与城农商银行对应的lnTPP系数均为正,但均未通过显著性检验。这说明第三方支付对国有大型银行非利息收入占比具有显著的助推作用,但对股份制银行与城农商银行非利息收入占比的助推作用不显著。其主要原因在于:第三方支付在理财业务领域的客户定位与股份制银行最为相似,在竞争效应作用下,第三方支付对股份制银行盈利能力的冲击效应最大。
此外, 国有大型银行对资金结算通道的主导权促使第三方支付与国有大型银行在支付结算业务领域进行深度合作,在合作效应作用下,促使国有大型银行中间业务量大幅增加,导致国有大型银行非利息收入占比显著提升。
(2)P2P网贷对不同类型商业银行盈利的异质性影响。在对不同类型商业银行盈利能力的影响层面,三类银行对应的lnP2P系数均为负,且均未通过10%的显著性检验。这说明P2P网贷对不同类型商业银行盈利能力的异质性影响不显著,这主要是由P2P网贷的放贷资金规模过小决定的。在对不同类型商业银行盈利结构的影响层面,国有大型银行对应的lnP2P系数为负,且通过10%的显著性检验,然而股份制银行与城农商银行对应的lnP2P系数均为正,但均未通过显著性检验。这说明P2P网贷对不同类型银行的盈利结构存在显著的异质性影响,对国有大型银行非利息收入占比具有显著的冲击效应,但对股份制银行与城农商银行非利息收入占比的助推作用不显著。其主要原因在于:国有大型银行理财业务主要呈现低收益及低风险特征,促使国有大型银行理财业务的预期收益率相对较低。但是,股份制银行与城农商银行理财业务倾向于中收益及中风险特征,促使股份制银行与城农商银行理财业务的预期收益率相对较高。P2P网贷较高的预期收益率,使国有大型银行理财资金出现大幅分流,引发国有大型银行中间业务收入的大幅降低,由此对国有大型银行非利息收入占比形成显著的冲击效应。此外,股份制银行与城农商银行理财业务的预期收益率较高,因此P2P网贷对股份制银行与城农商银行非利息收入占比的影响不显著。
(三)稳健性检验
为进一步检验上述结论的稳健性,本文采用净资产收益率(ROE)代替资产收益率(ROA)作为商业银行盈利能力的衡量指标,对上述模型进行稳健性检验,结果见表4。从稳健性检验结果来看,解释变量的回归结果与本文前面结果完全一致,说明本文实证结果具有较好的稳健性及可靠性。
五、结论与建议
本文选取中国125家商业银行2013—2017年的季度数据,采用非平衡面板回归模型对互联网金融对商业银行盈利的影响进行探讨,得到如下主要结论:(1)第三方支付对商业银行盈利的影响。在盈利能力方面,第三方支付对商业银行盈利能力具有显著的负向影响,第三方支付对银行盈利能力存在显著的冲击效应,第三方支付与银行的竞争效应显现。在盈利结构方面,第三方支付对银行非利息收入占比具有显著的正向影响,第三方支付对银行非利息收入占比存在显著的助推作用,第三方支付与银行的合作效应显现。(2)P2P网贷对商业银行盈利的影响。在盈利能力方面,P2P网贷对银行资产收益率的负向影响不显著,P2P网贷对银行盈利能力的冲击效应不显著。在盈利结构方面,P2P网贷对银行非利息收入占比的正向影响不显著,P2P网贷对银行非利息收入占比的助推作用不显著。P2P网贷与银行之间的竞争与合作效应尚未显现。(3)第三方支付对商业银行盈利能力与盈利结构的影响力度均远大于P2P网贷对商业银行盈利能力与盈利结构的影响力度。(4)控制变量对商业银行盈利的影响。成本收入比对银行盈利能力存在冲击效应,不良贷款率、资本充足率、资产规模等对银行盈利能力均存在助推作用,但存贷比与GDP增速对银行盈利能力的影响均不显著。(5)互联网金融对不同类型商业银行的盈利存在显著的异质性影响。在对不同类型商业银行盈利能力的影响层面,第三方支付对股份制银行盈利能力的冲击力度最大,对国有大型银行盈利能力的冲击力度居中,对城农商银行盈利能力的冲击力度最小。但P2P网贷对不同类型银行盈利能力的影响均不显著,这主要是由P2P网贷的放贷资金规模过小决定的。在对不同类型商业银行盈利结构的影响层面,第三方支付对国有大型银行非利息收入占比具有显著的助推作用,但对股份制银行与城农商银行非利息收入占比的影响均不显著。P2P网贷对国有大型银行非利息收入占比具有显著的冲击效应,但对股份制银行与城农商银行非利息收入占比的影响均不显著。
针对上述结论,本文给出如下政策建议:(1)针对互联网金融对商业银行存款分流的负面影响,商业银行应适度授予存款人议价权,尤其是提升存款人对于大额定额存款的议价空间,以此来提高存款人的存款收益,从而实现商业银行稳定存款业务规模的目标,进而有效防范互联网金融对商业银行存款分流带来的不利冲击。(2)针对互联网金融对商业银行理财资金分流的负面影响,商业银行应强化金融创新机制,创设面向不同风险等级投资者的中高收益率理财产品,以此来吸引社会资金购买银行理财产品,从而稳定银行理财业务的市场规模,进而有效应对互联网金融对商业银行理财资金分流带来的不利冲击。(3)针对互联网金融与商业银行之间的业务合作,考虑到互联网金融平台更贴近客户市场,商业银行需要为互联网金融平台打通资金结算通道,互联网金融平台需要发挥其网络渠道优势为商业银行拓展中间业务规模,以此来发挥互联网金融对商业银行非利息收入的助推作用。(4)针对互联网金融对不同类型银行盈利的异质性影响,国有大型银行应提升贷款定价权,提升其应对存款价格上涨的能力,以此来防范互联网金融对其存款资金的分流行为。此外,考虑到股份制银行与城农商银行不享有存贷款市场规模优势,两类银行应注重与互联网金融平台在表内外业务层面的深度合作,以此来提升两类银行的整体盈利能力。
参考文献:
[1] Franklin A, James M, Philip S. E-finance: An introduction [J]. Financial Services Research, 2002, 1(36): 5-27.
[2] David C, Amy Y. A guide to the internet revolution in banking [J]. Information Systems Management, 2000, 2(17): 47-53.
[3] Lee J E R, Rao S, Nass C, et al. When do online shoppers appreciate security enhancement efforts? Effects of financial risk and security level on evaluations of customer authentication [J]. International Journal of Human-Computer Studies, 2012, 70(5): 364-376.
[4] Lee G H. Rule-based and case-based reasoning approach for internal audit of bank [J]. Knowledge-Based Systems, 2008, 21(2): 140-147.
[5] Deyoung R, Rice T. Erratum: Noninterest income and financial performance at U. S. commercial banks [J]. Financial Review, 2010, 39(1): 101-127.
[6] Norden L, Silva B C, Wagner W. Financial innovation and bank behavior: Evidence from credit markets [J]. Social Science Electronic Publishing, 2014, 43(1): 130-145.
[7] Brissimis S N, Delis M D. Identification of a loan supply function: A cross-country test for the existence of a bank lending channel [J]. Journal of International Financial Markets Institutions & Money, 2009, 19(2): 321-335.
[8] Jallath E, Negrin J. An empirical study of the interaction of electronic payment systems in Mexico [J]. Journal of Mathematics, 2001, 112(4): 80-102.
[9] More D, Basu P. Challenges of supply chain finance: A detailed study and a hierarchical model based on the experiences of an Indian firm [J]. Business Process Management Journal, 2013, 19(4): 624-647.
[10] Kao C, Hwang S N. Efficiency measurement for network systems: IT impact on firm performance [J]. Decision Support Systems, 2010, 48(3): 437-446.
[11] 李克穆. 互联网金融的创新与风险 [J]. 管理世界, 2016(2): 1-2.
[12] 何启志, 彭明生. 基于互联网金融的网贷利率特征研究 [J]. 金融研究, 2016(10): 95-110.
[13] 張万力, 章恒全, 曹艳辉. 基于结构方程模型的互联网金融理财行为研究 [J]. 统计与信息论坛, 2015(2): 100-105.
[14] 战明华, 张成瑞, 沈娟. 互联网金融发展与货币政策的银行信贷渠道传导 [J]. 经济研究, 2018(4): 63-76.
[15] 王锦虹. 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, 2015(1): 7-12.
[16] 申创, 刘笑天. 互联网金融、市场势力与商业银行绩效 [J]. 当代经济科学, 2017(5): 16-29.
[17] 刘笑彤, 杨德勇. 互联网金融背景下商业银行并购重组选择差异的效率研究——基于商业银行异质性的Malmquist指数实证分析 [J]. 国际金融研究, 2017(10): 65-75.
[18] 张庆君, 刘靖. 互联网金融提升了商业银行资本配置效率吗?——基于中国上市银行的经验证据 [J]. 金融论坛, 2017(7): 27-38.
[19] 冯乾, 王海军. 互联网金融不当行为风险及其规制政策研究——以市场诚信、公平竞争与消费者保护为核心 [J]. 中央财经大学学报, 2017(2): 24-31+51.
[20] 顾海峰, 杨立翔. 互联网金融与银行风险承担: 基于中国银行业的证据 [J]. 世界经济, 2018(10): 75-100.
责任编辑、校对: 高原