突发公共事件、金融科技发展与银行风险承担

郭 品 程茂勇 沈 悦

一、引言及文献综述

21世纪以来，自然灾害、事故灾难、重大疫情等突发公共事件呈现出冲击力增强、波及范围扩大、影响程度加深之势①突发公共事件包括公共卫生、自然灾害、事故灾难、社会安全事件四类。本文主要利用新冠疫情公共卫生事件产生的准自然实验，研究突发公共事件对银行风险承担的影响机制，并探究金融科技对突发公共事件冲击的缓解效应。。2019年年底暴发的新冠肺炎疫情，不仅扰动了经济运行轨迹，更是威胁了金融体系稳定(Faria，2020；杨子晖等，2020)。为应对突发疫情冲击，各家银行迅速致力于金融科技的应用和发展，助力复工复产。2020年2月14日，中国银保监会办公厅出台《关于进一步做好疫情防控金融服务的通知》(银保监办发〔2020〕15号)，强调金融机构要加强科技应用，创新金融服务方式。国家“十四五”规划明确指出，强化数字技术在公共卫生、自然灾害、事故灾难、社会安全等突发公共事件应对中的运用，全面提升其预警和应急处置能力。基于上述背景，我们不禁提出疑问，突发公共事件是否提高了银行风险承担水平？金融科技发展能否缓解突发公共事件对银行风险承担的不利影响？金融科技发展是否有助于银行应对突发公共事件冲击？其内在逻辑为何？回答这些问题，不仅有助于丰富突发公共事件影响金融稳定的机制研究，也可为监管当局与商业银行运用金融科技应对突发公共事件、维护金融体系稳健提供政策参考。

目前，学界已涌现出一批关于突发公共事件冲击经济金融运行的研究成果，主要集中于影响效应与应对建议两个层面。在影响效应层面，Deryugina等(2018)、Faria(2020)、张晓晶和刘磊(2020)考察了飓风、疫情等突发公共事件对实体经济与金融市场的负向冲击。Jia和Zhang(2013)、朱武祥等(2020)探究了地震、疫情对公司经营管理的不利影响。何诚颖等(2020)、吴振宇等(2020)则定性讨论了突发疫情冲击带给银行业、保险业的挑战。在应对建议层面，在突发公共事件呈现阶段性、区域性与扩散性等特征的情况下，学者建议推出差异化与梯次化的应对政策，以期在短期内助力企业恢复生产，在长期内激发经济增长动能(Li等，2020；佟家栋等，2020)。此外，还有部分文献阐释了大数据、云计算等数字技术在应对突发公共事件方面的作用(韩晶等，2020)。

总体来看，上述文献对于理解突发公共事件的影响效应与应对建议具有重要启示。然而，关于突发公共事件对银行经营管理影响的分析则相对匮乏，具体表现于以下两个方面。第一，已有研究多是定性讨论突发公共事件对金融业的负面影响，系统剖释突发公共事件加重银行风险承担的文献尚付阙如。商业银行作为我国金融体系的内核，其风险承担水平关乎整个经济金融的稳定与否(顾海峰和杨立翔，2018)。既有研究显示，银行风险承担水平的高低既受银行个体特征影响，也与外部环境息息相关(Drechsler等，2018；邓向荣和张嘉明，2018)。突发公共事件作为对宏观经济、金融市场以及微观企业产生巨大扰动的“外生冲击”(Faria，2020；朱武祥等，2020)，必然会通过多种渠道影响银行风险承担，威胁金融稳定。遗憾的是，现有文献尚未对突发公共事件影响银行风险承担的内在机制进行科学论证。第二，当前研究主要是立足宏观视角探讨数字技术在突发公共事件应急管理中的积极作用，而从微观视角考察金融科技发展助力银行应对突发公共事件冲击的文献凤毛麟角。金融科技是将大数据、云计算、区块链、人工智能、移动互联网等技术应用于支付结算、资源配置、风险管理以及市场设施等多个领域的金融创新(Stulz，2019)。作为信息技术与金融服务的有机结合，金融科技可助益商业银行拓宽线上业务、优化风险管理以及提高经营效率(李春涛等，2020)。由此可以推测，金融科技有助于提高银行经营管理的连续性和稳健性，增强银行面对突发公共事件时的韧性。然而，目前尚缺乏严谨的理论剖释与实证分析对这一论断进行验证。

鉴于此，本文将重点研究突发公共事件对银行风险承担的影响机制，并探究金融科技对突发公共事件冲击的缓解作用。本文首先将突发公共事件、金融科技发展与银行风险承担纳入统一的分析框架，分析了突发公共事件加重银行风险承担以及金融科技发展助力银行应对突发公共事件的理论机制。随后，基于新冠疫情冲击产生的准自然实验，综合采用双重差分模型与多重中介效应模型进行了实证检验。其结果显示，突发公共事件显著提高了银行风险承担水平。机制分析表明，突发公共事件会造成银行投资收益率下降、业务规模缩减及存贷息差收紧，由此加重银行风险承担。进一步研究发现，金融科技发展有助于削弱突发公共事件对银行风险承担的负面冲击。

相较于已有研究，本文的边际贡献主要体现于以下三个方面：①研究视角上，本文将突发公共事件、金融科技发展与银行风险承担纳入统一的分析框架，厘清了突发公共事件加重银行风险负担，以及金融科技发展助力银行应对突发公共事件冲击的内在机制，拓宽了关于突发公共事件影响效应与应对建议的理论分析思路。②研究方法上，本文综合采用双重差分估计与多重中介效应模型，识别了“突发公共事件→投资收益率下降、业务规模缩减、存贷息差收窄→银行风险承担水平提高”的影响路径，丰富了关于突发公共事件冲击经济金融运行的经验证据。③研究意义上，本文论证了金融科技在突发公共事件应急管理中发挥的积极效应，为监管机构与商业银行通过推动金融科技发展应对突发公共事件、维护金融体系稳健提供了决策依据和参考借鉴。

二、理论假说提出

为刻画突发公共事件对银行风险承担的影响机制，并探究金融科技对突发公共事件冲击的缓解作用，本文立足中国银行业改革不断深化的现实，对D-L-M模型(Dell’Ariccia等，2014)的假设条件进行了如下拓展：第一，将贷款利率改写为贷款市场报价利率(LPR)与银行浮动基点的加成，以贴近LPR机制改革后银行贷款定价中LPR运用占比大幅提升的现实；第二，将部分存款保险假设延伸至全额存款保险，以符合存款保险制度建立后，我国存款保险基本能够覆盖银行绝大多数存款的现实(邓向荣和张嘉明，2018)；第三，将银行投资区分为信贷投资与证券投资两类，以捕捉突发公共事件通过实体经济和金融市场等渠道对银行风险承担的影响机制，并据此揭示金融科技助力银行应对突发公共事件的积极效应。

（一）银行风险承担的影响因素

由式(1)可知，基准情形下，银行最优风险承担水平 p*受到法定存款准备金率、最低资本充足率、无风险利率、贷款市场报价利率、银行证券投资收益率、银行贷款业务规模等因素的共同影响。

（二）突发公共事件对银行风险承担的影响机制

本小节根据突发公共事件冲击下银行经营环境发生的变化，拓展基准模型的约束条件，进而揭示突发公共事件对银行风险承担的影响机制。突发公共事件对银行经营管理的影响主要包括以下三方面。

上述影响引入商业银行的最优化问题的分析后，重新求解目标函数π关于决策变量p的一阶条件，可以得到考虑突发公共事件冲击下的银行最优风险承担水平 p*：

为厘清突发公共事件对银行风险承担的影响机制，将式(2)两端同时对α求一阶偏导，可得：

根据式(3)可以看出，突发公共事件会经由降低投资收益率、缩减业务规模与挤压存贷息差三种机制影响银行风险承担水平。其中，“投资收益率下降机制”表明突发公共事件会引发市场恐慌情绪，加剧资产价格波动，恶化银行投资收益，由此增大银行面临与承担的风险。“业务规模缩减机制”意味着突发公共事件会缩减银行业务规模，降低银行持续经营与稳定获益的概率，从而加大银行风险负担水平。“存贷息差收窄机制”表示突发公共事件会导致银行息差收窄，促使追求黏性目标收益率的银行放松贷款投放标准，承担更多风险。据此，提出如下有待检验的研究假说。

假说1：突发公共事件会影响银行风险承担水平。

假说2：突发公共事件会造成银行投资收益率下降、业务规模缩减及存贷息差收窄，由此加重银行风险负担。

（三）金融科技发展对突发公共事件的缓解作用

本小节进一步探究金融科技发展助力银行应对突发公共事件的内在机制。通过梳理相关文献和典型事实，我们认为金融科技发展对突发公共事件冲击的缓解作用体现于以下三方面。

首先，金融科技发展有助于减弱突发公共事件冲击导致的银行投资收益率下降。从信息来源来看，金融科技内嵌的数据采集、分析和挖掘技术能助力银行获取多维的数据信息、树立正确的市场预期(Gambacorta等，2019)，从而减少突发公共事件引致的非理性恐慌，提高突发冲击之下银行的理性投资行为。从风险管理来看，金融科技蕴含的机器学习、量化交易、知识图谱等方法可助益银行建立精准的风险预警模型和进行前瞻性的风险对冲交易，由此降低突发公共事件冲击下金融市场震荡导致的银行投资收益率的波动幅度。国内首家落地量化电子交易平台的平安银行在疫情冲击期间的投资交易净收入增幅明显高于其他银行就是最好例证。据此可知，金融科技发展通过拓宽信息来源渠道，变革风险管理方法，弱化了突发公共事件对银行投资收益的负面影响。

其次，金融科技发展有利于缓解突发公共事件冲击造成的银行业务规模缩减。从风险评估来看，依托大数据、物联网技术，银行可以综合分析企业在突发冲击期间的财务、纳税与舆情信息，从而对企业贷款做出续贷、展期或收贷处理，避免“一刀切”导致的银行贷款大幅收缩。一个典型例证是新冠疫情期间上海银行通过“魔镜系统”深入挖掘了企业的正面新闻和舆情信息，据此为企业提供了差异化的融资支持。从业务开展来看，采用区块链、供应链金融技术，银行可以将支付、借贷等功能嵌入各种场景，由此满足外部冲击之下客户对金融服务的平台化需求。比如，新冠疫情期间中国建设银行及时推出了“云易贷”“线上菜篮子”等产品。综上可知，金融科技发展通过提升风险评估水平和推动业务数字化转型，抑制了突发公共事件对银行业务规模的不利冲击。

最后，金融科技发展能够减轻突发公共事件冲击引致的银行息差收窄压力。从负债结构来看，相对于金融科技准备不足的银行，金融科技发展良好的银行能在突发公共事件冲击期间快速实现线下网点、线上渠道、数字设备与社交网络的无缝对接，进而为客户提供更广泛、更便捷的接入方式。这有利于银行提高活期存款沉淀比例和应对存款利率刚性压力。比如，疫情期间招商银行大力发挥金融科技优势，积极扩充服务对接方式，在促进零售存款占比回升的同时，有效降低了负债筹集成本。从资产管理来看，金融科技发展水平高的银行可实现贷款风险分析、授信审批等业务的智能化处理(Goldstein等，2019)，进而减少征信管理成本，能较好地应对突发公共事件冲击带来的贷款利率下行挑战。由此可见，金融科技发展通过优化负债来源结构，节约资产管理成本，减弱了突发公共事件对银行存贷息差的负向影响。

综合上述分析与式(3)推导可知，金融科技发展可以抑制突发公共事件对银行投资收益、业务规模与存贷息差的不利影响，继而遏制突发公共事件造成银行风险承担水平加重的势头。据此，本文进一步提出如下有待检验的研究假说。

假说3：金融科技发展有助于减弱突发公共事件对银行风险承担的负面冲击。

三、实证研究设计

（一）样本选择与数据来源

本文主要利用新冠疫情冲击事件产生的“准自然实验”展开经验分析，故选择2019年第一季度至2020年第二季度我国34家A股上市商业银行为实证研究样本。选择该样本区间的原因在于：首先，已有研究指出，相对于多时点的渐进准自然实验，基于单次冲击的准自然实验更容易产生由其他政策变化带来的实证干扰(许红梅和李春涛，2020)。因此，为消除研究期限过长引起的其他政策扰动，并避免研究期限过短造成的样本容量不足，本文将2019年第一季度至第四季度视为突发公共事件冲击前的对照期间①根据审稿专家的宝贵建议，为保证结论稳健，后续实证还将样本区间扩大至2018年第一季度至2020年第二季度。。其次，根据国务院新闻办公室发布的《抗击新冠肺炎疫情的中国行动》白皮书对疫情防控历程的描述，2019年年底，新冠肺炎疫情在武汉市暴发，之后疫情迅速扩散至全国。直至2020年5月，境内疫情传播基本阻断，新冠疫情开始进入常态化防控阶段。为此，本文将2020年第一季度与第二季度视为突发公共事件冲击期间。选择上市银行为研究样本的原因在于，上市银行面临严格的信息披露要求，具有完整的季度财务数据。相比之下，非上市银行主要披露年度财务数据，难以满足本文实证研究的需求。本文银行层面的财务数据主要来源于Wind数据库，部分缺失信息通过查找银行季报予以补齐。

（二）实证思路与模型设置

为验证前述假说，本文分三步构建实证模型。

第一步，考察突发公共事件对银行风险承担的影响效应。双重差分模型(difference-in-differences model，DID)设置如下：

其中，下标i表示银行，t表示季度；RISK为银行风险承担水平；Treat为银行分支机构虚拟变量，用以划分处理组与控制组(定义详见下文)；Post为突发公共事件虚拟变量，2020年第一季度与第二季度取值为1，其他取值为0；Control为系列控制变量；ui为个体固定效应；λt为时间固定效应；εit为随机误差项。需要说明的是，为尽量解决潜在的内生性问题，对银行层面的控制变量取了前期值。

第二步，探究突发公共事件对银行风险承担的影响机制。在模型(4)的基础上，构建如下并行多重中介效应模型(parallel multiple mediator model)：

其中，中介变量包括银行投资收益IIR、业务规模LNL与存贷息差NIM。根据Preacher和Hayes(2008)的检验程序，在系数1α显著的情况下，若系数1β与2γ(或1v与3γ、1w与4γ)显著，则表明中介变量具有传导作用；若这些系数不完全显著，则需要通过Sobel检验判断中介效应是否显著。

第三步，检验金融科技发展是否有助于缓解突发公共事件对银行风险承担的不利影响。计量模型设置如下：

其中，BFin为银行金融科技发展水平。三重交互项Treat×Post×BFin为重点关注变量，其系数2δ衡量了金融科技发展对突发公共事件冲击的缓解作用。

（三）变量定义与描述性统计

1. 银行风险承担

Z值综合考虑了银行资本缓冲、收益高低与利润波动等信息，能够相对全面地衡量银行风险承担水平(Lepetit和Strobel，2015)。因此，本文选择Z值(RISKZ)作为银行风险承担的基准代理变量。在具体计算过程中，参考Lepetit和Strobel(2015)的做法，一方面对Z值进行倒数调整，以直观地反映银行风险承担水平的高低，另一方面对Z值进行对数调整，以减轻数据有偏性与异方差对实证结果的干扰。RISKZ的数值越大，银行风险承担水平越高。

2. 银行分支机构

虽然新冠疫情蔓延至全国各地，但是本文研究期间疫情对其最初暴发地湖北省的负面影响最为强烈(肖土盛等，2020)。因此，相对其他商业银行，在湖北省设有分支机构的商业银行受突发疫情的影响更为显著。据此，本文将在湖北省开设分支机构的银行设置为处理组，分支机构虚拟变量(Treat)取值为1；将其他银行设置为控制组，Treat取值为0。需要说明的是，本文借鉴陈胜蓝和马慧(2018)的思路，根据2019年银行分支机构的信息确定Treat取值，以保证变量不受突发事件的影响。

3. 银行金融科技发展

为客观地衡量我国商业银行的金融科技发展水平，本文参考郭品和沈悦(2015，2019)的思路，从微观视角出发，采用文本挖掘法和Python脚本语言，构建银行金融科技发展指数(BFin)及银行金融科技四类应用模式的发展指数，即银行支付结算科技发展指数(BPS)、银行资源配置科技发展指数(BRA)、银行风险管理科技发展指数(BRM)和银行市场设施科技发展指数(BMF)①囿于篇幅，正文未列示银行金融科技发展指数的构建过程，如有需要请与作者联系。。

其具体测算结果如表1所示。从纵向演进趋势来看，银行金融科技发展指数从2019年第一季度的0.1221增加至2020年第二季度的0.1547，年均增速达17.09%，说明近年来我国商业银行的金融科技发展水平显著提高。从横向模式比较来看，四类发展模式中，银行支付结算科技发展指数的均值最高，银行市场设施科技发展指数紧随其后，银行资源配置科技发展指数与银行风险管理科技发展指数则略逊一筹，这与金融科技在我国商业银行的发展应用轨迹基本吻合。

表1 银行金融科技发展指数的测算结果

4. 中介变量

本文中介变量包含银行投资收益、银行业务规模与银行存贷息差。借鉴现有文献的做法(Entrop等，2015；Guo等，2020)，选择公允价值变动收益、投资收益以及汇兑收益三者合计与营业收入的比值(IIR)衡量银行投资收益；选择对数化的总贷款(LNL)表示银行业务规模；选择净利息收入与生息资产的比值(NIM)表示银行存贷息差。

5. 控制变量

根据Dell’ Ariccia等(2014)、汪莉和陈诗一(2019)的研究，为减弱银行个体特征对实证结论的影响，本文在计量模型中引入了以下五个控制变量：银行资产规模(LNA)，采用对数化的总资产衡量；银行资本实力(CAP)，采用净资本与总资产的比值衡量；银行盈利状况(ROA)，采用净利润与总资产的比值衡量；银行拨贷比(LLP)，采用贷款损失准备金与总贷款的比值衡量；银行流动性水平(LIQ)，采用流动性资产占客户存款与短期负债之和的比值衡量。表2展示了主要变量的描述性统计结果。

表2 变量描述性统计结果

四、突发公共事件对银行风险承担的影响分析

（一）基准检验

本节主要考察突发公共事件对银行风险承担的影响。表3第(1)列、第(2)列汇报了基于双重差分模型的回归结果①值得说明的是，本文所有回归分析均使用面板校正标准误差，以减弱异方差和自相关的影响。。其第(1)列仅控制了时间固定效应与个体固定效应，交互项Treat×Post的系数为0.3926，在1%的水平上显著。这表明，在突发公共事件冲击期间，相对于控制组，处理组银行的风险承担水平显著提高。为消除银行资产负债特征对回归结果的干扰，其第(2)列在前列的基础上添加了银行层面的控制变量，交互项Treat×Post的系数为0.3917，通过了1%水平的显著性检验。这说明，在突发公共事件冲击期间，处理组银行风险承担水平的提升程度相较于控制组约高出7.71%(＝0.3917/5.0782)。这些结果与研究假说1的预测一致，证实突发公共事件会显著加重银行风险负担。

表3 突发公共事件对银行风险承担的影响：基准检验与平行趋势检验

控制变量中，LNA和CAP的回归结果为负，但不具备统计显著性。ROA的回归结果显著为负，意味着盈利状况良好的商业银行风险承担行为相对谨慎。LLP的估计系数显著为正，由于银行贷款损失准备计提行为通常与不良贷款增多和信用风险暴露相伴而行(Ozili和Outa，2017)，因而银行拨贷比水平与风险承担水平之间呈现同向变动。LIQ在5%的水平下显著为负，表明商业银行流动性越充沛则风险承担水平越低。

（二）平行趋势检验

使用双重差分模型的重要前提是处理组与控制组在事件发生之前具有“平行趋势”。本文参考Amore等(2013)、郭晔等(2020)的研究思路，构造突发公共事件冲击之前三个季度的虚拟变量(Before1、Before2与Before3)与银行分支机构虚拟变量的交互项，并通过动态DID模型实施平行趋势检验。根据表3第(3)列和第(6)列的回归结果可以看出，新增交互项的系数均未通过10%水平上的显著性检验。这说明突发公共事件发生之前处理组银行与控制组银行的风险承担水平并不存在显著差别，因而本文研究样本满足平行趋势假设。

（三）稳健性检验

为保证研究结论可靠，本文从多个角度展开了稳健性检验。第一，安慰剂对照测试，即将2019年第四季度设置为虚拟处理效应(Treat×Placebo)发生时间，考察银行风险承担水平在此期间是否出现显著变化。第二，更换被解释变量，即以不良贷款率(RISKNPL)作为替代被解释变量进行回归。第三，剔除部分银行样本，即删除上市当季的银行样本，重新进行双重差分估计，以避免实证结果受到银行上市行为的干扰。第四，随机定义处理组与控制组，即将样本银行随机划分为处理组银行(RTreat取值为1)与控制组银行(RTreat取值为0)后，重估计量模型，以减少随时间而变的宏观因素对研究发现的干扰。第五，考虑高阶固定效应，即将“时间×银行类型”的高阶联合固定效应引入实证模型，以尽量解决遗漏变量导致的内生性问题。第六，重设研究样本区间，即将实证区间扩大至2018年第一季度至2020年第二季度，以降低样本区间选取对研究发现的潜在影响程度。表4列示的回归结果与基准检验相呼应，再次确立了突发公共事件与银行风险承担之间的因果关系。

表4 突发公共事件对银行风险承担的影响：稳健性检验

五、突发公共事件对银行风险承担的影响机制

（一）基准检验

以前述分析为基础，本节继续探讨突发公共事件加重银行风险负担的内在机制。表5给出了相关回归结果。其中，第(1)列至第(3)列分别汇报突发公共事件对中介变量银行投资收益、银行业务规模以及银行存贷息差的作用效果；第(4)列进一步报告双重差分变量和中介变量对银行风险承担的影响效应。

对于银行投资收益的中介效应而言，表5第(1)列中交互项Treat×Post以及第(4)列中银行投资收益IIR的估计系数均不显著，因此需要进行Sobel检验。其检验结果显示，Sobel检验Z统计量的数值超出了5%显著性水平上的临界值0.97，说明投资收益在突发公共事件加重银行风险负担的影响中发挥了中介传导效应。这些结果表明突发公共事件带来的市场负面预期会恶化银行投资收益状况，进而提高银行风险承担水平。

对于银行业务规模的中介效应而言，表5第(2)列中交互项Treat×Post的回归系数显著为负，说明银行信贷业务在突发公共事件冲击期间受到严峻影响，这与Hasan(2020)的推断吻合。此外，尽管LNL在表5第(4)列中不显著，但其Sobel检验Z统计量大于0.97，因而以银行贷款规模为传导变量的中介效应具备统计显著性。这意味着突发公共事件冲击期间国民经济发展的“急刹车”会拖累金融系统运行，造成银行持续经营与稳定获益的概率下降。

对于银行存贷息差的中介效应而言，表5第(3)列中交互项Treat×Post的系数为负，通过了5%水平的显著性检验，表明突发公共事件冲击之后银行利差水平显著收窄。进一步，虽然表5第(4)列中银行存贷息差NIM不显著，但是Sobel检验的Z统计量为1.08，大于5%显著性水平上的临界值。因此，在突发公共事件提高银行风险承担水平的影响中，具有以银行存贷息差为中介变量的作用机制，即突发公共事件会导致银行存贷息差收窄，继而增加银行风险承担压力。

表5 突发公共事件对银行风险承担的影响机制：基准检验

综合而言，上述结果与研究假说2预期一致，证实突发公共事件会造成银行投资收益率下降、银行业务规模缩减及银行存贷息差收紧，进而导致银行风险承担水平提高。

（二）稳健性检验

为验证上述研究发现，本文进一步从下述三个方面展开稳健性检验①囿于篇幅，本文未汇报稳健性检验结果，读者可扫描本文二维码在附录中获取。。

第一，考虑变量相关关系。为降低变量之间潜在的相关关系对实证发现的影响，本文采用SUR技术重新估计了计量方程。其结果显示，针对变量IIR、LNL与NIM的Sobel检验统计量均超出了5%显著性水平上的临界值，再次证实降低投资收益、缩减业务规模以及收窄存贷利差是突发公共事件加重银行风险承担的关键机制。这表明在考虑扰动项相关性问题后，本文研究结论依然稳健。

第二，考虑机制交互作用。为探究中介变量间的交互作用是否会导致实证结论的偏倚，本文根据Taylor等(2008)的建议，通过构建链式多重中介效应模型(serial multiple mediator model)来实施稳健性检验。其检验结果表明，变量IIR、LNL与NIM的独立中介效应通过了5%显著性水平上的Sobel检验，变量IIR经由LNL与NIM影响银行风险承担的链式中介效应并未通过Sobel检验，变量LNL通过NIM作用于银行风险承担的链式中介效应亦不具备显著性。这反映出在突发公共事件加重银行风险负担的过程中，存在以银行投资收益、银行业务规模与银行存贷息差为中介变量的传导机制，但这些机制间并不具有显著的交互作用或相关关系。

第三，改变变量测算方式。为降低变量选择的影响程度，本文参照现有文献的做法，以公允价值变动收益、投资收益及汇兑收益三者合计与总资产的比值(AIIR)、对数化的总存款(LND)、利息收入除以平均盈利资产与利息支出除以平均生息负债的差值(ANIM)作为银行投资收益、业务规模与存贷息差的代理变量，并重估计量模型。根据模型回归结果可知，变量AIIR、LND与ANIM的Sobel检验统计量均大于0.97，说明在突发公共事件提高银行风险承担水平的过程中，银行投资收益、业务规模与存贷利差均具有显著的中介传导效应。由此可见，前述结论并不会因变量选择而产生偏倚。

六、金融科技发展助力银行应对突发公共事件的实证分析

（一）基准检验

这里主要考察金融科技发展是否能够抑制突发公共事件对银行风险承担的不利影响。表6的第(1)列与第(2)列展示了基于计量模型(9)的实证结果。其中，第(1)列仅控制时间固定效应与个体固定效应，三重交互项Treat×Post×BFin的系数在5%的水平上显著为负，说明相对于金融科技发展缓慢的银行，金融科技发展良好的银行在突发公共事件冲击期间遭受的负面影响较小；第(2)列进一步添加了银行层面的控制变量，三重交互项Treat×Post×BFin的估计系数依旧为负，具备统计显著性，表明随着银行金融科技发展水平的提高，突发公共事件对银行风险承担的影响会逐渐减弱。这些结果与假说3预期一致，为金融科技发展助力银行应对突发公共事件提供了经验证据。

（二）稳健性检验

为提高研究结论的可信度，本文还进行了如下稳健性检验。

第一，考虑变量相关关系。新冠疫情期间，各大商业银行为应对突发冲击均加速了金融科技发展步伐，导致变量BFin与变量Treat×Post之间存在一定的相关关系。对此，采取Wooldrige(2010)的建议，使用金融科技发展指数的前期值(LBFin)替代当期值，以减轻计量识别中的相关性问题。根据表6第(3)列与第(4)列的结果可以看出，三重交互项的估计系数显著为负，再次证实金融科技发展良好的商业银行在面对突发公共事件时的风险承担压力增加程度较小。

第二，改变变量测算方式。为尽量消除新闻重复报道对银行金融科技发展指数测算结果的潜在影响及其带来的实证干扰，本文对银行金融科技发展指数进行标准化调整，即采用银行金融科技发展指数与银行资产规模对数值的比值(SBFin)替代原值进行计量分析。表6第(5)列与第(6)列显示，每列回归中三重交互项与银行风险承担均保持了显著的负相关关系，意味着在更换变量测算方法后，金融科技发展有助于银行应对突发公共事件的结论依旧成立。

表6 金融科技发展助力银行应对突发公共事件的积极效应：基准检验与稳健性检验

七、结论与启示

作为传播速度快、感染范围广、防控难度大的一次重大突发公共事件①信息来源：中国国务院新闻办公室2020年6月7日发布的《抗击新冠肺炎疫情的中国行动》白皮书。，新冠肺炎疫情给我国经济金融运行带来严峻挑战。面对突发疫情冲击，金融科技发展良好的银行展现出较强韧性。远程办公、数字营销、智能风控等举措在保障这些银行顺利开展业务的同时，亦增加了其应对突发公共事件的能力。据此，本文将突发公共事件纳入银行风险承担模型，探究了突发公共事件加重银行风险承担的内在机制和金融科技发展对突发公共事件冲击的缓解效应，得出了如下结论：第一，突发公共事件显著提高了银行风险承担水平。第二，突发公共事件会造成银行投资收益率下降、银行业务规模缩减及银行存贷息差收紧，进而导致银行风险负担加重。第三，金融科技发展有助于减弱突发公共事件对银行风险承担的负面冲击。

本文不仅丰富了有关突发公共事件影响金融稳定的机制方面的文献，亦可为监管当局与商业银行运用金融科技应对突发公共事件、维护金融体系稳健提供政策启示。

首先，对于监管当局而言，既应鼓励金融科技赋能银行，又需明确针对银行金融科技发展的监管规则。以新冠疫情为代表的突发公共事件凸显了银行现场办公、接触营销等传统运营模式的脆弱性，智慧线上、远程互动的新型服务模式将成为商业银行应对复杂经济形势的重要抓手。因此，监管当局应继续推行包容审慎的监管理念，并加快推进数据中心与5G网络等基础设施建设，完善产品服务与通用基础等行业规范，为银行金融科技纵深发展营造良好的软硬件环境。此外，监管部门应强化监管科技的运用，注重根据商业银行的类型差异和金融科技的业态差异分类施策，精准调控，为银行金融科技守正创新提供坚实的制度保障。

其次，对于商业银行而言，要加快金融科技建设，积极推进数字化转型升级。本文研究显示，面对突发公共事件冲击，金融科技有助于银行防范风险、拓宽业务规模并节约经营成本。因此，商业银行应继续夯实底层技术支撑，丰富产品供给矩阵，通过业务从线下到线上的延伸、从体系内到体系外的拓展，满足突发公共事件冲击下客户对金融服务的线上化、定制化与场景化需求。与此同时，商业银行应增强数字化经营能力，加快客户细分、渠道构筑、风险管理等运营工作的数字化、移动化与智慧化改革，由此提高银行经营管理的连续性和稳健性，增强银行面对突发公共事件时的韧性。