金融科技影响商业银行盈利能力的机制分析

■于凤芹，于千惠

一、引言与文献综述

2019 年9 月，中国人民银行印发关于《金融科技（Fintech）发展规划（2019—2021 年）》的通知，指出金融科技的核心是利用现代科技成果优化或创新金融产品、经营模式和业务流程，帮助传统金融业转型升级。商业银行作为金融体系的中流砥柱，既是传统金融的“老”代表，也是追求新时代金融科技发展的“新”主体。全面布局金融科技发展战略实现业内转型成为商业银行的大势所趋。这对银行内部的产品设计、业务形态、信贷关系等均产生了影响，这些影响正逐渐反映在银行盈利能力上，那么金融科技与商业银行的盈利之间存在什么样的关系？

已有研究认为金融科技发展大致可分为三个阶段：初级阶段、互联网金融2.0 阶段和金融科技3.0 阶段（王达，2014）。当前已进入金融科技3.0阶段，技术涵盖更广，包含大数据、人工智能、区块链、物联网等高新技术的广泛应用，其衍生的商业模式更加多元化（皮天雷等，2018）。在互联网金融2.0 时期，Gomber P.et al.（2018）指出，互联网金融服务渠道的快捷性、大众化特征满足小微群体的金融需求，与商业银行的小额存贷业务构成直接竞争关系。Bunea S.et al.（2016）认为互联网金融与传统商业银行之间的竞争造成商业银行资金成本的压力，冲击银行现存的盈利模式。沈悦和郭品（2015）指出互联网金融发展通过技术溢出效应显著提高了商业银行的全要素生产率，但也带来了商业银行存款结构恶化和付息成本抬高的负面影响，加重了银行风险承担水平。赵胜民和刘笑天（2018）实证发现互联网金融发展显著降低了商业银行总体的非利息收入，由互联网金融所带来的竞争效应已超过技术溢出效应。

在金融科技3.0 时期，银行业开始主动拥抱金融科技，研究的视角也从“竞争挤出”扩展到“融合发展”的分析角度。Jagtiani J. & Lemieux C.（2018）认为实现金融科技与银行产品服务设计、经营管理、风险防控等方面的融合，既能巩固银行基层技术，又能提高银行风险管理水平和经营水平。刘孟飞和蒋维（2020）研究发现金融科技发展促进了中国银行业盈利能力的提升。也有学者对银行发展金融科技产生质疑，孙娜（2018）认为由于商业银行长期固定的经营模式，可能会出现金融科技与业务融合不适用的情况。汪可（2018）研究发现商业银行发展金融科技，加剧了金融市场产品价格竞争，反而增加银行业系统性风险。封思贤和郭仁静（2019）认为数字金融发展促进国内银行业竞争，降低了银行的利润效率。

根据已有文献可知，大部分研究是基于互联网金融对银行经营的研究，关于新时期商业银行发展金融科技的研究不多，围绕影响机制的研究更少。不同于已有研究，本文创新性地构建103 家商业银行2010—2018 年的金融科技指数，专注于金融科技3.0，将商业银行大数据风控、区块链重塑、智能理财等新型科技创新包含在指标构建的体系内。最后，系统分析金融科技影响商业银行盈利能力的理论机制，并实证检验这些中介传导机制的有效性。

二、影响机制与研究假设

（一）金融科技对商业银行盈利能力的总体影响

理论上，金融科技高效的信息处理能力和强大的云储存空间能帮助商业银行实现数据的网络联通，使闲置的数据转变成较为活跃的生产要素，提高管理决策的科学性和有效性，为商业银行盈利能力增长提供动能。从银行个体看，面对互联网金融的冲击，大型商业银行快速布局新发展战略，这样既能引导现有客户群体感受产品与服务科技创新，也能吸引新客户群。中小银行受资金和人才限制，金融科技发展战略制定及组织结构建设均滞后于大型商业银行。同时，金融科技发展激化行业竞争甚至会把反应迟钝的中小银行淘汰出局。据此，提出假设1。

假设1：金融科技提高商业银行盈利能力，但对不同资产规模银行的影响不一样，相比于大型商业银行，对中小银行盈利能力的助推作用微乎其微。

（二）金融科技影响商业银行盈利能力的中介效应分析

从商业银行金融科技发展的新闻数据看，科技创新应用与产品服务设计、资产负债管理、风险控制等方面融为一体，这是分析金融科技影响商业银行风险承担、资产配置、经营效率等方面的实践基础，为厘清金融科技影响商业银行盈利能力的中介传导机制提供了思路。

1.基于银行资产负债管理能力的中介效应分析

银行资产负债管理能力指商业银行合理配置资产、负债的规模与期限以获取最大收益的能力，较强的资产负债管理能力是实现银行高盈利能力的保证（Svetlana，2013）。从竞争效应看，金融科技加剧了银行同业与非银行金融机构在存贷款业务上的竞争。例如银行的存款业务分流到“余额宝”“余额盈”这类短期货币基金中，贷款业务的小额客户群体被线上快捷方便的微贷、小额贷吸引。这种竞争关系直接引起商业银行客户流失，限制了银行资产负债规模的稳定增长。此外，金融科技通过激化市场竞争，丰富了金融市场产品种类，推动国内利率市场化进程，导致银行负债成本进一步上升，增加银行资产负债管理的难度（邱晗等，2018）。资产负债规模的减少和管理难度的加大，不利于商业银行盈利能力提升。

从技术溢出效应看，一方面，金融科技的算法和AI 技术可结合商业银行自身经营特点，将资产负债的规模、风险、收益等综合因素进行科学建模与自动分析，克服单一指标量化分析的弊端，提高银行资产负债管理能力和计量水平，增强银行的盈利能力。另一方面，金融科技拓展商业银行在消费贷和小微贷款的市场份额，促进银行线上资产业务的开展，例如大数据信息挖掘功能可搜索和匹配潜在客户，弥补信贷记录不足客户的描述信息，满足一部分有还款能力的青年客户和小微群体的贷款需求。基于以上分析可知，金融科技对银行资产负债管理能力的影响不能一概而论，据此提出假设2。

假设2a：金融科技的竞争效应加剧了商业银行资产负债管理的压力，降低银行盈利能力。

假设2b：金融科技的技术溢出效应提高了商业银行资产负债的管理能力，增强银行盈利能力。

2.基于银行中间业务的中介效应分析

商业银行中间业务包括支付结算业务、理财业务、托管业务等，金融科技能为商业银行发展中间业务提供技术支持。支付结算业务上，互联网技术可基于不同生活场景中客户的个性化支付需求搭建线上支付平台，实现银行支付服务渠道从线下到线上的发展。理财业务方面，可通过数据仓库技术构建银行自身理财数据中心，基于大数据既可得到更丰富的数据信息，也能对客户进行精准营销和推送。托管业务方面，商业银行构建的智能化托管系统平台，可以综合分布式技术、云计算和区块链技术实现托管资产的实时核算、信息披露、风险预警。这些创新应用能增加客户粘性和客户留存率，提高银行中间业务收入水平。由于中间业务较传统银行业务有更高的边际回报，且中间业务收入增长有利于转变银行传统盈利模式，增加非利息收入比重，实现盈利模式多元化发展，从而会对银行盈利能力产生正向影响。基于以上分析，提出假设3。

假设3：金融科技有助于商业银行发展中间业务，增强银行的盈利能力。

3.基于银行风险管理水平的中介效应分析

商业银行能借助金融科技技术提高应对信用风险、市场风险、操作风险的风险管理能力，进而影响银行盈利能力。在信用风险方面，大数据技术减少信息不对称，可以初步过滤掉高风险客户。AI自动监测技术则可围绕银行客户的业务流程、财务管理、贷后处置、内部管控等来跟进贷款中后期的风险管理，减少不良贷款发生，减少呆账坏账对银行利润的侵蚀。在市场风险方面，基于人工智能的学习算法技术，优化市场风险模型构建，帮助银行预测市场变化趋势，有利于量化不确定性，改进银行风险发现机制，形成主动的风险管理形式。在操作风险方面，可通过安装智能管理系统，在收集、识别、评估和监测数据上建立完整的信息库，及时发现伪冒转账、欺诈、洗钱等高风险交易行为。此外，金融科技通过提高银行应对风险的综合管理水平，能减少风险发生对盈利资产的亏损计提，保证银行盈利能力稳定增长。基于以上分析，提出假设4。

假设4：金融科技提高商业银行风险管理水平，增强银行的盈利能力。

4.基于银行经营效率的中介效应分析

商业银行经营效率可简单看作银行单位收入中的投入成本。商业银行产品与制度的创新、有效劳动力的增加都可以降低既定收入的投入成本，提高银行盈利能力（彭明雪和丁振辉，2016）。金融科技作为技术要素，有助于商业银行生产要素在部门间的优化和重组，提高有效劳动力生产率，间接提高银行盈利能力。首先，金融科技数字化特征可以精简业务流程，有助于形成线上业务办理系统，减少不必要的人工审核环节。其次，一站式智能金融服务柜台，减少了银行前台和部分后台的人工投入。这些人在接受专业化培训后可以转向银行中、后台岗位，能优化劳动资源在部门间的资源配置，帮助银行实现精细化的管理模式，提高银行盈利能力。最后，相对于传统服务，金融科技硬件设施投入使用后，商业银行服务模式从一对一变成了一对多，同一时间段内银行服务客户的数量明显增加，但银行单位收入的投入成本并不会增加，可直接提高银行盈利规模。基于以上分析，提出假设5。

假设5：金融科技提高商业银行经营效率，增强银行的盈利能力。

三、模型设定与变量选取

（一）模型设定

1.关于金融科技影响商业银行盈利能力的检验模型

为研究金融科技对银行盈利能力的影响，构建动态面板模型，并采用系统矩估计（SYS—GMM）克服模型的内生性问题。模型如式（1）所示：

其中，被解释变量为银行净资产收益率（roe），核心解释变量为商业银行金融科技指数（FI）。control 为控制变量，其中i=1，2…N 表示银行个数，t=1，2…T表示年份，j=1，2…6表示控制变量的个数，ε为随机扰动项。

2.关于金融科技影响商业银行盈利能力的多重中介效应检验模型

为进一步检验金融科技对银行盈利能力的影响机制，借鉴Hayes & Andrew（2009）的研究思路，构建多重中介效应模型，模型为式（2）—（7）所示：

模型中分别选取了商业银行净息差（nim）、非利息收入占比（niir）、不良贷款率（npl）和成本收入比（cir）作为银行资产负债管理能力、中间业务水平、风险管理水平和经营效率的代理变量，其他控制变量与式（1）一致。

中介效应模型检验借鉴温忠麟和叶宝娟（2014）的相关研究。第一步，检验式（2）金融科技指数（FI）估计系数β2的显著性，β2显著是中介效应成立的前提。第二步，依次检验式（3）—（6）中金融科技对各中介变量系数的显著性（α1，γ1，δ1，η1），以及式（7）中各中介变量系数的显著性（l3，l4，l5，l6）。若各中介变量对应的这两个系数都显著，则进行第三步。若有一个不显著，则使用Bootstrap 法直接检验该中介变量系数乘积的显著性，在系数乘积显著的条件下进行第三步，若仍不显著则该中介效应不存在。第三步，检验式（7）中金融科技指数（FI）对银行净资产收益（roe）影响的直接效用（l2）。若l2显著则说明金融科技指数对银行净资产收益（roe）存在直接影响。若不显著则表明，除中介传导途径外，金融科技指数对商业银行盈利能力不存在直接影响。

由于式（3）—（6）的被解释变量之间具有内生性，在回归分析时，为避免式（3）—（6）扰动项之间相关性对估计结果的影响，选择“面板数据似不相关回归”技术（XTSUR），同时对式（3）—（6）进行估计，可以提高估计效率。

（二）变量选取

被解释变量：参考邹晓梅等（2015）相关研究，选取净资产收益率（roe）作为银行盈利能力的代理变量。同时选择银行总资产收益率（roa）作为替代变量，对研究结论进行稳健性检验。

中介效应变量：参考张海军（2018）和李昊骅等（2018）相关研究，分别选取商业银行净息差（nim）、非利息收入占营业收入的比值（niir）、不良贷款率（npl）、成本收入比（cir）作为银行资产负债管理能力、中间业务、风险管理水平、经营效率的代理变量。

借鉴杨海珍等（2019）的相关研究，控制变量包括微观层面：各银行资产规模对数值（lnsize）、资本充足率（car）和信贷率（lta）。行业层面：前四大银行资产占比（cr4）。宏观层面：GDP 同比增长率（ggdp）、利率市场化水平指数（irli）。其中，利率市场化水平指标的构建参考了唐玺年等（2019）的方法，以重大历史事件为节点，经过赋值测算，构建2010—2018年利率市场化指数。

核心解释变量为商业银行金融科技指数（FI）。为了能从微观视角比较银行个体间金融科技发展水平，采用“文本挖掘法”的思路，构建了商业银行金融科技发展的面板数据，可比较不同银行个体间金融科技发展水平随时间的变化趋势。第一步，利用Python 在百度新闻数据库中爬取关于各商业银行的年度新闻及数目。第二步，人工筛选出与金融科技相关的新闻标题和数目。第三步，对商业银行金融科技相关新闻进行分类，如表1所示，大致分为创新理念、研发渠道、产品和服务、发展战略和技术创新这5 个方面，加总每个分类下的新闻数目，依此构建原始数据库。第四步，将原始数据库导入SPSS中，进行因子分析，计算商业银行金融科技发展的综合指数。因子分析法中对金融科技各分类指标权重的赋予，借鉴任娟（2013）在多指标面板数据融合聚类分析的研究成果。按照XV的数据格式输入原始数据，把样本扩展成为大截面，最终针对这个大截面仅进行一次因子分析，并以每个公因子方差贡献率为权重，采用加权法计算出银行金融科技指数。

表1 商业银行金融科技新闻标题分类标准

（三）样本选择与描述性统计

考虑样本数据的代表性和可得性，选取2010—2018 年103 家商业银行财务数据作为样本数据，其中包括建设银行、工商银行、农业银行、交通银行、邮储银行五家国有银行，17 家股份制银行、67 家城市商业银行和14 家农村商业银行。银行微观数据均来自Bankscope 数据库，宏观变量数据均来自国家统计局官网。

表2 变量定义与描述性统计结果

四、实证分析

（一）金融科技影响商业银行盈利能力的初步检验

金融科技影响商业银行盈利能力的初步检验结果见表3，列（1）为全样本估计结果，列（2）、列（3）是对不同资产规模银行的分样本估计结果。所有检验结果中，AR（2）值均大于0.1，证明原模型中不存在二阶扰动项自相关问题。Sargan 检验结果的P 值均大于0.1，且银行净资产收益率（roe）一阶滞后项在1%水平下显著为正，以上结果说明该模型适用于系统广义矩的估计方法进行实证分析。

比较表3 中列（1）—（3）金融科技指数（FI）的系数可知，结果与假设1 预期一致，即金融科技有助于提高商业银行的盈利能力，相比于大型商业银行，对中小银行盈利能力的助推作用微乎其微。

表3 金融科技影响银行盈利能力的回归结果

根据其他控制变量系数的估计结果可知：银行总资产规模对数（lnsize）的估计系数为正，表明规模较大的银行盈利能力越强，这与资产的规模经济效应有关。中小银行信贷率（lta）的估计系数显著为负，表明中小银行贷款余额占比较高并没有提升其盈利能力。大型商业银行资本充足率（car）的估计系数显著为负，意味着高资本充足率的要求会限制其可运营资产的规模，抑制盈利能力的提高。银行业集中度（cr4）的估计系数显著为正，表明资源集中运作可节省运作成本从而提高盈利能力。GDP 增长率（ggdp）系数在分样本中的估计结果不同，大型银行由于本身决策的逆周期性对经济波动反应不明显，而中小银行盈利能力受经济波动的冲击较明显。利率市场化（irli）的估计系数显著为负，表明利率市场化导致利差收窄，削弱商业银行的盈利能力。

（二）金融科技影响商业银行盈利能力的中介效应检验

表4 是多重中介效应模型的检验结果。列（1）的估计结果对应多重中介效应模型的式（2），检验当模型中不含中介变量时，金融科技指数（FI）对银行净资产收益率（roe）的估计结果。列（2）—（5）为金融科技指数（FI）对中介变量影响的估计结果，分别对应多重中介效应模型中式（3）—（6）。

表4 多重中介效应模型的检验结果

续表4

其中，列（2）、（4）、（5）中金融科技指数（FI）的估计系数均在5%及以上的水平上显著为负，表明金融科技发展降低商业银行的净息差、不良贷款率、成本收入比，而列（3）中金融科技指数（FI）对非利息收入占比（niir）的估计系数并不显著，说明金融科技对商业银行中间业务发展没有显著影响。其原因在于金融科技应用集中在传统信贷业务和个性化支付领域，针对银行中间业务的创新较少，仅有的中间业务创新主要来自大型商业银行，中小银行中间业务几乎没有创新。

表4第（6）列的估计结果对应多重中介效应模型的式（7）。金融科技指数（FI）的估计系数不再显著，表明除通过中介传导效应外金融科技对商业银行盈利能力不存在直接影响。同时观察中介变量估计系数的显著性发现，除了非利息收入占比（niir）估计系数不显著外，净息差（nim）、不良贷款率（npl）和成本收入比（cir）的估计系数均在1%的水平下显著，表明除了银行中间业务外，其他中介变量均承担了部分的中介效应。非利息收入占比（niir）的估计系数不显著，一方面，因为国内商业银行中间业务占比少。央行近年来公布的数据显示非利息收入的全国平均水平仅占总业务收入的15%左右。另一方面，银行发展中间业务对盈利能力影响存在不确定性。

由于研究结论的不确定，为避免遗漏可能存在的中介传导效应，利用Bootstrap 直接检验非利息收入占比（niir）与金融科技指数（FI）系数乘积的显著性①默认自抽样法（Boostrap）模拟1000次后得到的置信区间和P值。。结果显示间接效应（bs_1）在95%的置信区间内包含0，接受中介效应不存在的假设，排除了中间业务作为金融科技影响银行盈利能力的中介传导效应，拒绝假设3。

其余三个中介变量的估计结果，均满足多重中介效应模型的检验条件。其中，由于净息差（nim）下降，金融科技指数（FI）对银行净资产收益率（roe）负向的中介效应为0.0092（|-0.0047*1.9545|），说明金融科技发展会激化市场竞争，恶化银行资产负债管理的营商环境，削弱盈利能力，验证了假设2a。金融科技指数（FI）降低银行不良贷款率（npl）从而促进净资产收益（roe）的正向中介效应为0.0006（|-0.0057*-0.1007|），假设4 得以验证。金融科技指数（FI）经由减少成本收入比（cir）提高银行净资产收益率（roe）的正向中介效应为0.0227（|-0.1989*-0.1142|），假设5得以验证。进一步，将各中介效应相加，得到整体的多重中介效应为0.0141（-0.0092+0.006+0.0227），金融科技指数（FI）影响银行净资产收益率（roe）的整体效应为0.0181，则通过这三条中介传导效应的占比为77.90%。上述结果表明，金融科技对银行资产负债管理能力和风险管理水平、经营效率的作用是其能够提高银行盈利能力的关键传导机制，剔除了这三个中介效应后，金融科技并不会显著影响商业银行的盈利能力。

（三）金融科技影响商业银行盈利能力的稳健性检验

将商业银行总资产收益率（roa）作为盈利能力的代理变量，进行稳健性检验。表5显示检验结果与净资产收益率（roe）作为盈利能力代理变量时一致，基本可以说明当前我国银行业金融科技发展水平下，对银行盈利能力的助推作用。中介效应检验结果也支持剔除非利息收入占比（niir）后，其余三个中介变量的估计结果满足多重中介效应模型的检验条件，且总中介传导效应占比为60%左右。上述结果与基准分析相符，证实了检验结果的稳健性。

表5 金融科技影响银行盈利能力的机制检验：稳健性检验

五、结论与建议

为分析商业银行金融科技发展与盈利能力的关系及中介传导机制，利用Python 的网络爬虫功能获取商业银行金融科技发展的相关新闻，依此构建2010—2018 年国内103 家商业银行的金融科技指数。基于动态面板模型研究发现：全样本检验时，商业银行金融科技的发展显著推动盈利能力的提升；分样本检验时，相对于规模较大的银行，金融科技对中小银行盈利能力的助推作用并不显著。进一步在多重中介效应模型的检验中发现，银行金融科技发展对自身资产负债管理能力、风险管理水平和经营效率的作用，均是影响盈利能力的中介传导机制，但金融科技通过促进银行中间业务发展的中介效应检验并不显著。

结合研究结论，提出以下几点建议：第一，提高中间业务收入是近年来商业银行谋求盈利模式转型的关键。金融科技对商业银行发展中间业务来说，既是机遇也是挑战。商业银行应该注重金融科技与低风险、收益波动小的非利息业务融合，如收取佣金及手续费等代理业务，但要谨慎处理金融科技与容易受经济及金融市场波动的非利息业务融合，如投资交易业务、汇兑、公允价值变动等风险大的其他非利息业务。第二，不同资产规模的银行应因地制宜地发展金融科技。大型商业银行已经走在国内科技研发的前列，可以加强与欧美国家商业银行科技应用与管理的经验交流，同时主动向国内中小银行提供技术支撑，助力实现国内金融科技的均衡发展。中小银行处于资金劣势，应该主动加入金融科技创新，结合原有的经营特色通过引入外来技术，针对某一细分市场或某一类供应链环节积极创新。在组织结构上可成立金融科技实验小组，小范围试点成功后辅以人员协同机制厉行推广工作。中小银行在发展模式上，应加强与科技公司和其他银行的合作联盟，不断提高金融科技应用效率。