互联网金融对商业银行利润效率的影响——基于SFA方法的实证研究

刘 孟 飞

(陕西师范大学 国际商学院，陕西 西安 710119)

一、引 言

自我国首家互联网金融企业——“众安在线财产保险公司”于2012年成立以来，互联网金融行业在我国发展势头迅猛。据统计，在不到两年的时间内，P2P网络借贷运营平台数量由2014年初的651家增加到2015年11月的3 607家；2014年1月，成交量达到117.68亿元，2017年7月单月成交量达2 536.76亿元，具体情况如表1所示[1]。另外，据中国人民银行发布的数据显示：2014年，我国移动支付交易规模仅22.59万亿元；而2019年仅第一季度，移动支付业务就达到了196.90亿笔，金额86.62万亿元[2]。目前，越来越多的用户开始使用支付宝、微信等方式来满足购物、转账等日常生活需求，这些占据了相当大市场份额的新型金融服务严重影响了传统银行尤其是中小银行的支付地位。在政策层面上，2013年8月，中国人民银行在货币政策执行报告中首次明确：互联网金融为资金供求双方提供了不同于传统银行业和资本市场的新型资金融通渠道，补充现有金融体系的不足。为了规范市场秩序，引导行业良性发展，央行、工信部、银监会等十部委于2015年7月联合发布《关于促进互联网金融健康发展的指导意见》，为互联网金融的健康发展指明了方向。2016～2018年间，国家先后出台了《关于规范支付创新业务的通知》等20多项政策条例，以引导行业规范发展。

理论上，互联网金融的快速发展通过技术溢出、示范效应、关联效应、竞争与替代效应等多种途径，必然对传统商业银行的运营管理、经营绩效造成影响。一方面，传统银行采用互联网技术可以大大提高业务效率，通过与传统线下服务结合，获得更强的生机活力；另一方面，互联网金融又给传统银行带来巨大挑战。由于互联网金融集中在“小微”领域，具有“巨量交易、小微单笔、全天候、全方位、一站式”的特点，降低了金融行业的准入门槛，满足多样化的融资需求，弥补传统商业银行和资本市场的不足。迫使传统银行需要调整思维，加快技术升级与转型创新，提高管理与盈利效率以应对金融体系的变革。基于以上现实背景，本文首先从银行资产、负债、支付结算以及表外业务等方面系统分析了互联网金融对传统银行利润效率的影响机理；然后，利用文本挖掘技术、主成分分析等方法测算互联网金融发展指数；最后，基于2006～2017年中国69家商业银行的面板数据，采用随机前沿分析技术，对不同类型商业银行的利润效率进行测算，并对其无效率效应进行实证检验，以探究互联网金融对传统银行的经营绩效的影响。

二、文献综述

自2005年全球首家网络借贷平台Zopa在英国诞生伊始，互联网金融逐渐成为学术界探讨的热点。国外相关研究起步较早，一般认为，作为网络技术融合传统金融服务后满足大众金融需求的创新活动[3]，互联网金融具有降低交易成本，增强信息透明度，提高金融机构经营效率等优势[4]。但也有观点指出，互联网金融加速金融脱媒，冲击传统银行金融中介地位[5]。关于其对银行绩效的影响方面，Shahrokhi认为，第三方支付因其借助平台效应和客户集聚优势能够提升商业银行绩效[6]。Rauf 和Qiang进一步研究发现，商业银行在经济不景气时引入电子银行能够提升盈利水平[7]。Stoica等人利用DEA方法测算效率得分，结果表明，商业银行利用互联网技术提供服务未能有效改善银行效率[8]。与之相反，Srivastava等人认为商业银行利用互联网金融低交易成本等特点能够提升自身经营效率[9]。但Malhotra和Singh基于印度银行业的研究表明，网络银行与盈利能力之间并无明显关联，但对银行的风险状况具有显著负面影响[10]。互联网金融对银行的存贷款利差收入产生冲击[11]，在业务结构上对银行存款、贷款以及中间业务等多方面产生了负面影响[12]。

互联网金融在国内是一个较新的研究领域，具体观点与研究结论众说纷纭。谢平和邹传伟[13]在国内最早提到“互联网金融”一词。随后，有关学者从竞争格局、业务模式、盈利及经营效率等不同角度研究互联网金融对商业银行的影响。例如，吴晓求指出，互联网金融是借助互联网平台、在资源整合基础上构建包含传统金融功能的新金融业态，在支付方式和信息处理层面显著异于传统商业银行与资本市场[14]。但陈志武认为，互联网金融并非“新金融”，并未本质上彻底变革交易对象、支付结构。互联网金融的发展的确对传统金融机构产生冲击，但从根本上颠覆传统金融业态的可能性很小[15]。在对商业银行的具体影响程度方面，主流观点是：互联网金融利用信息技术有助于缓解信息不对称的问题，降低交易成本，满足不同客户的需求[16]，其对商业银行的竞争与替代效应会引发其学习效应[17]，引发商业银行依托互联网金融创新，将其作为供给结构的重要组成部分[18]。此外，李渊博和朱顺林研究表明，互联网金融创新对传统商业银行金融模式有长期替代效应[19]。互联网金融对银行传统业务规模存在替代效应，分流银行贷款资金，增强银行存款规模和存款利率对同业市场利率的敏感性，其进一步发展和体量的增大将加剧银行间存款市场的竞争[20]。卞进和郭建鸾基于协同度理论模型分析得出，互联网金融与传统银行业展开竞争，并在负债业务、中间业务和资产业务上存在替代效应[21]。

关于互联网金融对银行绩效的影响，现有文献大致可归纳为两方面。一是互联网金融功能及其竞争效应。张万力等的研究表明，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，将对银行理财客户市场形成一定的替代效应[22]。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[23]。战明华等的研究显示，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[24]。二是互联网金融影响银行行为层面。王锦虹从业务结构角度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负债类业务冲击较大，而对资产类和中间类业务的影响较小[25]。互联网金融改变了银行靠赚取存贷利差的方式经营盈利的简单模式，使贷款等传统业务规模减少，对银行传统业务存在替代效应，降低银行的资本配置效率[26]，对银行经营绩效水平存在显著的负向影响[27]。顾海峰和闫君研究表明，P2P网贷对银行盈利能力影响不显著，但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形成了显著冲击[28]。三是互联网金融对银行的影响渠道层面。黄锐和黄剑研究发现：互联网金融带来的技术溢出效应提升银行盈利能力但降低其存贷款规模和增速[29]；更进一步地，赵胜民和刘笑天的研究表明，互联网金融发展带来的竞争效应超过了技术溢出效应，显著降低了商业银行的非利息收入水平[30]。方鹏飞和戴国强从资金成本的角度提出，互联网金融推高了商业银行的负债资金成本，导致盈利下降[31]。史亚荣和张茗认为，P2P对银行的盈利有负向影响，第三方支付对非利息收入有正向影响，众筹无影响[32]。刘笑彤和杨德勇认为，互联网金融的发展可以通过强化追赶效应、促进银行业技术进步进而提高银行全要素生产效率[33]。与此类似，陈嘉欣和王健康的研究也表明，互联网金融对金融效率指标分解后的技术进步率、技术效率以及规模效率均存在正向影响[16]。此外，还有研究发现，互联网金融对城市商业银行影响较大[34]；对国有银行垄断地位的威胁较小，但显著冲击股份制银行，市场势力越强的商业银行受到的互联网金融的冲击越小[27]。

综合上述国内外研究，现有文献在概念界定、业务模式、影响机制、竞争关系、技术效率等方面展开了广泛研究，但现有文献对其中影响机理的理论解读还存在欠缺，同时鲜有涉及互联网金融对商业银行利润效率的影响实证分析。与以往不同的是，本文侧重其影响机理的理论解读与影响程度的实证检验，利用SFA方法测算得到银行利润效率作为绩效评价指标，以解释我国传统银行业在金融创新过程中经营绩效的动态演化过程。

三、影响机理分析

互联网金融依托新兴计算机网络技术改进金融业务处理流程，谋求产品与服务创新，其带来的外部竞争蚕食传统商业银行在资产业务、负债业务和支付结算业务3方面的市场份额，影响商业银行利润效率。具体影响机理如下：

1.互联网金融对商业银行资产端的影响

商业银行的资产端业务主要收入来源于放贷款所得利息，互联网金融通过P2P网贷、电商小贷和众筹模式与传统银行角逐于贷款市场。一是在服务方式层面，传统商业银行坚守安全性原则，放贷对象倾向于公司治理和财务制度相对规范的大企业，而规避财务风险较大的中小企业。但互联网金融以P2P网贷、电商小贷和众筹融资等多种方式满足小微企业和个人碎片化的资金借贷需求，覆盖了传统商业银行的服务盲区。二是在贷款渠道层面，互联网金融及时把控资金流向，降低违约概率，相对于商业银行的面对面办理，简化了贷款办理流程，降低了交易成本。三是在贷款利息收入层面，商业银行5年以上的贷款利率远小于同期限主要P2P平台的贷款利率。据网贷之家的统计数据：国内P2P贷款规模在2017年达8725.18亿元，若按照商业银行5%的贷款利率计算，则P2P平台从商业银行中分流出了436.26亿元的贷款利息收入。互联网金融通过挤出效应，以更小的获客成本在尾部市场挤占商业银行盈利空间，对商业银行的利润效率带来负面冲击。

2.互联网金融对商业银行负债端的影响

负债业务中的储蓄存款和理财产品，是商业银行放贷的基础，互联网金融将从存款利率和存款规模两方面影响商业银行的利润效率。一是第三方支付平台层面。根据中国人民银行2013年7月发布的《支付机构客户备付金存管办法》规定：“支付机构接收的客户备付金必须在其开立的备付金专用存款账户全额缴存。”从而使得银行的非备付金存管资金外流，压缩银行体系储蓄存款规模。二是互联网货币市场基金层面。以余额宝为代表的互联网货币市场基金吸纳了单笔金额虽小但数量众多、总量规模巨大的公众存款，瓜分银行活期存款市场份额。且互联网货币市场基金主要以协议存款、同业存款、大额存单等货币市场工具为投资标的，投资收益率高于单纯的银行活期存款，商业银行的利差机会成本增大。三是理财市场层面。高利率、低费率、流程简化的P2P融资平台吸引风险投资者，分流通过银行渠道购买保险、基金、证券等。总之，互联网金融通过竞争效应，从各个层面拦截部分商业银行总量规模巨大的小微存款源，一定程度压缩了银行盈利空间，降低其利润效率。

3.互联网金融对商业银行支付结算端的影响

此类影响主要体现在第三方支付平台、互联网理财分流支付结算业务手续费及佣金收入，代销理财产品手续费收入，以及部分理财资金流失减少的资金管理费和托管费收入，从而降低商业银行利润。尤其是第三方支付正在逐渐瓜分商业银行的支付结算市场份额。目前越来越多的用户开始使用支付宝、微信等方式来满足购物、转账等日常生活需求，在商业银行网点有限、难以覆盖的农村偏远地区，支付宝也得以普遍使用。据中国人民银行发布的“2017年农村地区支付业务发展总体情况”，2017年，非银行支付机构为农村地区提供网络支付业务共计1 417.82亿笔，金额45万亿元；其中，互联网支付122.73亿笔，金额2.1万亿元；移动支付1 295.09亿笔，金额42.9万亿元，平均单笔金额331.25元[35]。从支付结算功能来看，互联网金融以其技术信息优势及成本优势加速金融脱媒，强化替代效应，严重地冲击了传统银行尤其是中小银行的支付地位。

4.互联网金融对商业银行表外业务的影响

商业银行的表外业务主要包括信用证、保函等担保业务、贷款承诺、金融衍生品交易类等。目前，由商业银行参与的、以银行信用为担保的涉及应收账款融资、票据质押及承兑、保理业务等传统供应链金融已很难满足高借贷风险中小企业的融资需求。由互联网企业、电商物流企业以及网贷企业组成的互联网供应链金融，聚集大量的客户资源，掌握一手的交易信息，并以自有资金做担保(如京东等)，运用大数据、区块链等新兴技术，充分挖掘和共享交易资金、物流跟踪和信用状况等信息，以更低的风险成本蚕食商业银行表外业务。

综上，互联网金融对商业银行的冲击主要表现在：网贷平台分流商业银行贷款；互联网货币市场基金压缩商业银行的活期存款规模，增加资金成本；互联网理财会较大程度分流商业银行存款，减少存款规模；第三方支付平台和互联网理财代销平台降低商业银行手续费和佣金等非利息收入。互联网金融对银行利润的影响机理如图1所示：

图1 互联网金融对银行利润效率的影响机理

总之，互联网金融的快速发展对商业银行的资产端、负债端以及支付结算等多个方面造成冲击，减少银行利息收入与非利息收入，挤压其盈利空间。基于此，本文提出如下猜想：总体上，互联网金融发展对传统银行业的盈利空间带来冲击，从而对其利润效率造成了负面影响。

四、研究方法、变量与数据说明

1.研究方法

关于银行利润效率测算方法，Berger和Mester基于不同银行业市场竞争结构假定，提出了评价银行利润效率的两种模型[36]。标准利润效率模型(Standard Profit Efficiency)依据微观经济学竞争性厂商利润最大化条件设定生产函数，假定银行业是完全竞争性的市场，各银行在产出与投入品市场上均为价格接受者。替代利润效率(Alternative Profit Efficiency)则假定市场为不完全竞争，具有市场力量的厂商通过价格歧视可以获取较高的利润。由于我国银行业市场份额高度集中于4大国有商业银行，其在银行业市场化改革中在贷款定价权方面有一定的自主性，因此，本文使用替代利润效率作为分析的基础。在具体估计方法上，为了避免两阶段方法带来的估计偏差。本文采用Battese和Coelli[37]提出的单阶段随机边界分析技术，该模型设定的生产函数形式如下：

Yit=Xitβ+(Vit-Uit)，Uit=zitδ+εit

(1)

遵循上述思路，同样可将生产函数设定为随机边界利润函数形式，从而估计获取各决策单元的利润效率值。根据Mester[38]、Berger和Mester[36]等文献，利润函数可采取如下形式：

∏(yit,wit)=π(yit,wit)evit-uit，uit=zitδ+εit

(2)

式(2)中的∏为各观测点的利润，yit第i个DMU第t期的产出，wit为第i个DMU的投入要素价格，其他参数性质与式(1)相同。

(3)

其中，Effit为利润效率值，g为模型参数估计值。

在函数具体形态上，由于超对数函数(Translog Function)具有容许交互影响项存在、可处理多投入多产出问题等一系列优点，既有文献也大多将金融机构的生产函数设定为此形式，如刘孟飞和蒋维[39]、Fu和Heffeman[40]、Jiang等[41]。因此，本文建立相应的超对数随机边界利润函数模型，具体形式设定如下：

+Vit-Uit

(4)

为了保证函数的线性齐次性及交叉性的对称性，有如下约束：

相应的无效率效应模型为：

(5)

式(4)中，∏it为税前利润；Y1,it、Y2,it为产出；W1,it、W2,it、W3,it分别为资金、劳动、资本的价格；IFIit为互联网金融指数；t为时间趋势；uit即为衡量利润无效率的非负随机变量，vit为随机干扰项。式(5)中，IFI(Internet Financial Index)为互联网金融变量、Z为一组无效率效应变量，其具体指标与含义在下文做进一步说明。β、δ为模型待估计参数。

2.变量说明

(1)互联网金融指数(IFI)

本文借鉴沈悦和郭品[42]的文本挖掘技术对互联网金融指数(IFI1)进行测度。具体结果如图2所示。

图2 文本挖掘法合成的互联网金融指数(IFI1)

图2的变化趋势显示，我国互联网金融指数近乎指数增长，特别是2013年以来呈现出爆发式增长的态势，但2015年增长有所放缓，2016年及以后，国家大力整顿行业乱象，引导行业正常发展，从而指数增速进一步下降。

同时，为了便于对比，本文考虑到第三方支付和移动支付是互联网金融领域中最大的两个子行业，故用二者交易规模平均数(万亿元人民币)取对数后作为互联网金融指数的替代指标(IFI2)。计算结果表明，两种方法得到的互联网金融指数走势是大致相近的。

(2)SFA模型投入产出指标

在SFA模型投入产出指标选取上，本文采用最常用的中介法[43]，将银行视为存款人和贷款人之间资金融通的中介，将资本、劳动、资金定义为投入变量，将贷款、其他盈利性资产定义为产出变量，具体指标的定义如表2所示。

表2 SFA模型变量的选取与定义

(3)无效率效应模型变量

无效率效应影响因素变量的选取并没有固定模式，鉴于近年来中国银行业最大的变化是通过产权改革、引进战略投资者以及市场开放等措施，使得其外部市场环境和内部治理机构都发生了较大改变，以往研究也证实：产权结构(如Jiang等[41])、市场份额(如Altunba和Chakravarty[44])、银行资产规模、宏观经济环境(如袁晓玲和张宝山[45])等对银行效率存在显著影响。此外，Berger和Humphrey[46]、Manlagit[47]，Juo[48]等研究发现风险也是不可忽略的重要影响因素。

综合以上考虑，模型共选取了包括市场结构、治理结构、风险因素等在内的一组控制变量。具体指标的选取和定义如表3所示，SFA模型变量和影响因素模型变量的描述性统计如表4、表5所示。

表3 影响因素模型变量的选取与定义

表4 SFA模型变量的描述性统计

表5 影响因素模型变量的描述性统计

3.数据说明

本文共收集了69家中国商业银行2006～2017年的财务数据，数据来源主要为Bankscope、国泰安、CEIC等数据库。对于数据库缺失的有关员工人数和费用数据，手工摘录自各银行历年年报。所有计算过程通过FRONTIER 4.1和Stata15统计软件完成。本文样本涵盖了除外资银行以外的所有商业银行类型，其存贷款与总资产规模占全行业90%以上，具有较好的代表性。

五、模型估计结果与分析

1.模型参数估计结果与分析

基于以上数据与变量选择，利用FRONTIER 4.1进行相关参数的ML估计，具体结果分别整理于表6、表7，其中模型1采用文本挖掘法合成得到的互联网金融指数(IFI1)，模型2采用算数平均法下的互联网金融指数(IFI2)。

表6 随机边界生产函数参数估计结果

从模型参数估计结果来看，如表7所示，模型1和模型2中，互联网金融发展指数项的无效率效应均为正且在5%或1%的水平上通过了显著性检验，说明互联网金融与无效率显著正相关，即互联网金融发展程度越高(IFI指数越大)，银行利润效率越低。这也意味着，从整体上来看，近年来互联网金融的迅猛发展的确对我国传统银行业的经营绩效或盈利能力造成了明显的负面冲击，本文猜想得到初步验证。在控制变量方面，所有权结构、银行规模、风险因素的估计结果均为显著。其中，所有权结构和银行规模的无效率效应显著为负，说明规模优势和国有产权背景对商业银行的利润效率具有积极的促进作用。其中的原因可能在于，大型商业银行由于人才队伍、资源禀赋等方面的优势，相比中小银行，能更好地应对互联网金融的冲击，并及时进行技术创新，实施战略转型，充分利用互联网金融带来的新的发展机遇，其所受到的负面影响较小。例如：中国工商银行，仅2015年就开展了5.1万个培训项目，员工培训超500万人次[49]，高昂的人员培训投入使得高端互联网金融人才培养成为可能。一流的互联网公司也倾向于和大型商业银行合作，2017年5大国有银行相继与BATJS结盟(2017年3月18日中国建设银行和阿里巴巴合作、2017年6月20日中国农业银行和百度合作、2017年8月22日交通银行和苏宁合作)，将大型银行与互联网科技公司的合作推到了新的高度[50]。模型引入的风险因素估计系数均在1%的水平上显著，说明风险是商业银行利润效率的重要影响因素。其中，权益对负债比率显著为负、而不良贷款率估计系数显著为正，说明权益负债比越低(风险越高)，不良贷款率越高(风险越高)，银行利润效率越低。这意味着，在金融创新过程中，加强风险管理是维持银行持续盈利能力、保证经营绩效平稳运行的重要方面。

表7 无效率效应项及其他参数估计结果

目前，广大中小商业银行也在积极借鉴互联网金融运营理念，运用互联网技术改善经营效率，但鉴于互联网金融发展速度较快，尽管商业银行借助信息技术进行业务转型革新，其作为银行的本质无法改变，与互联网金融企业相比，商业银行缺乏支付宝、微信等大众化应用场景，互联网金融从存款、贷款、理财投资、小微企业融资方面对商业银行盈利产生全方位冲击。在本文研究期间内，从整体上看，互联网金融对我国传统银行业，特别是中小商业银行的负面影响要大于正面作用。

2.银行利润效率测算结果与分析

表8报告了各样本银行利润效率值测算结果(模型1)。

由表8可知，样本银行利润效率测算结果分布于[0.012，0.957]，说明研究期间内各银行的利润效率差异较大。其中，利润效率最低的是湖州银行，其在2008～2017年间的平均利润效率值为0.115;最高的是中国建设银行，其在2007～2017年间的平均利润效率值为0.957。在全部69家银行中，利润效率最高5家银行分别为中国建设银行、中国银行、交通银行、中国工商银行和中国农业银行，全部为国有大型商业银行。股份制银行中，利润效率较高的是招商银行、光大银行、兴业银行、中信银行、浦发银行和民生银行，其排名分别为第6、8、9、10、11、12位。在所考虑的37家城市商业银行样本中，效率最高的是北京银行，其排名为第7位，而农商行没有任何一家排名进入了前10位。另外，我们还注意到，国有大型商业银行和股份制银行的效率较高且差异小，而城市商业银行和农村商业银行的效率相对较低且差异大。

表8 69家银行利润效率测算结果

为了便于比较不同类型银行利润效率的差异并直观显示其演变规律，我们绘制了2008～2017年间4种类型商业银行及全行业的平均利润效率值在两个模型下的演变趋势图(见图3、图4)。需要说明的是，限于文章篇幅的关系，这里只描绘了2008～2017年各类型商业银行分别在模型1、模型2下的利润效率测算结果。

从演变趋势来看，由图3、图4可知，大部分商业银行，特别是股份制银行和农村商业银行的利润效率在研究早期均表现为上升趋势，而后进入平稳发展状态。这说明，经过近年来的改革发展，在相当长时期内，大部分银行的经营绩效与盈利能力整体上是比较稳定或趋于改善的。从横向比较来看，大型商业银行的利润效率水平较高且波动较小，其平均利润效率在所有年份，始终保持在0.9以上水平。其次是股份制商业银行，其利润效率在所有年份都明显高于行业平均水平。效率最低的是城市商业银行和农村商业银行，且这两类商业银行的利润效率水平非常接近。具有国有产权背景、治理结构相对较差的大型商业银行，其利润效率反而较高，其中主要原因在于，具有国有产权背景、资产规模庞大、资金实力雄厚的大型商业银行，利用长期经营过程中所掌握的独特资源，一定程度上可以强化其行业优势，始终保持较高的盈利水平。面对互联网金融高速发展带来的冲击，大型商业银行利用其在资源禀赋、研究开发以及人才队伍等方面的优势，及时进行技术创新与战略转型，相对中小银行，能更好地避免互联网金融所带来的负面影响。而中小银行，特别是城市商业银行和农村商业银行，由于盈利水平、技术条件、人才储备等各方面的原因，发展互联网金融面临更大的挑战。

图3 2008～2017年各类型商业银行利润效率演变趋势图(模型1)

图4 2008～2017年各类型商业银行利润效率演变趋势图(模型2)

另外，我们注意到，除大型商业银行以外，股份制银行、城商行商业银行和农村商业银行的利润效率在研究后期均出现了下降的趋势，特别是城市商业银行最为明显。这一研究结果也与中国银行业的现实情况相吻合，在经历了快速发展的“黄金十年”以后，随着我国金融市场的全面开放，以及互联网金融的冲击，中国的传统银行业正面临艰难时期。只有通过转型创新，寻找新的利润增长点，中小银行才能在日趋激烈的市场竞争中平稳、持续发展。

3.进一步的讨论

鉴于以上分析仅能得到互联网金融发展与商业银行利润效率之间的负向关系，为了获得其到底多大程度上影响了银行利润效率，我们对无互联网金融发展情形下的随机边界利润模型重新进行了迭代运算，无效率效应模型参数估计及各类型银行利润效率测算结果如表9、表10所示。

表9 随机前沿利润模型估计结果(无IFI)

由表9可知，在无互联网金融情形下，2006～2017年69家银行平均利润效率为0.509，与考虑互联性金融冲击的测算结果(0.508)相比要高0.2%，这进一步说明，互联网金融的发展的确对我国传统商业银行的盈利能力造成了明显的负面影响。从分类型来看，表10显示，在无互联网金融情形下，国有大型商业银行、股份制银行、城市商业银行以及农村商业银行的利润效率测算分别为0.9457、0.7558、0.4134、0.3987，相比考虑互联网金融冲击情形下(模型1)的测算结果0.9441、0.7527、0.4128、0.3952分别要高0.17%、0.41%、0.15%和0.89%，相比模型2下的测算结果0.9428、0.7546、0.4131、0.3956也分别要高0.31%、0.16%、0.07%、0.78%。这一结果说明，互联网金融的发展导致了商业银行利润效率的下降，本文猜想得到进一步证实。本文猜想得到进一步证实。

4.模型的稳健性检验

为保证研究结果的稳健可靠，本文从两个方面进行稳健性检验：一是采用广义似然比(LR)统计量对模型设定的合理性进行检验，结果如表10所示；二是将研究期间调整为2010～2017年，以及去掉业务范围较小、经营模式较为特殊的农村商业银行，重新进行迭代运算，得到表11所示的两组回归结果。论文篇幅所限，这里仅列出了模型1的广义似然比(LR)检验结果。

表10 不同类型银行利润效率测算结果(无IFI)

表11 随机前沿利润模型假设检验结果

表11的检验结果表明，假设1在1%的显著性水平下被拒绝，说明相比简单的Cobb-Douglas函数，超对数函数形式能更好地描述中国商业银行的效率结构及其变化特征；假设2同样在1%的显著性水平上被拒绝，说明样本银行在研究期间内存在明显的技术变化；假设3在1%的显著性水平上被拒绝，证实了技术无效率项的存在，与一般的平均生产函数模型相比，随机前沿模型能更好地刻画中国银行业的效率结构及其变化情况；假设4在1%的显著性水平上被拒绝，说明应选择时变效率模型，即研究期间内，样本银行的效率水平是随时间的变化而变化的；假设5在1%的显著性水平上被拒绝，表明Ui项服从截尾正态分布；假设6分别在1%的显著性水平上被拒绝，说明互联网金融对样本银行的利润效率的确存在显著影响。综上所述，所有假设均在1%的水平上通过了显著性检验，说明模型的实证形式设定是稳健的。

表12的回归结果显示，改变研究期间和去掉农商行后，互联网金融的无效率效应仍然显著为正，其他控制变量的系数大小基本相当，正负方向不变，显著性水平也大多保持一致，两组稳健性检验的回归结果与前述结果基本一致，总体看来，本文的估计结果是稳健可靠的。

表12 稳健性检验结果

六、结论与建议

本文收集了2006～2017年间中国69家商业银行的非平衡面板数据，首先从银行资产、负债、支付结算以及表外业务等方面系统分析了互联网金融对传统商业银行的影响机理，然后采用文本挖掘、主成分分析、因子分析等方法测算得到互联网金融发展指数，最后通过构建随机前沿模型，对互联网金融环境下的商业银行利润效率及其无效率影响因素进行实证估测，并对不同类型商业银行利润效率的演化过程进行了多维度的对比分析。主要结论如下：

第一，我国互联网金融发展指数逐年上升，特别是2013年以来呈现爆发式增长，2016年后在“去杠杆”“强监管”背景下开始有所放缓。

第二，从参数估计结果的统计学意义来看，互联网金融发展指数的无效率效应显著为正，互联网金融的迅猛发展的确对我国银行业的经营绩效造成了明显的负面影响。

第三，在其他影响因素方面，所有权结构和银行规模的无效率效应显著为负，说明国有产权背景和资产规模的扩大对银行经营绩效的提升具有积极的促进作用。模型考虑的两个风险因素估计结果显示，风险越高，银行利润效率越低，说明加强风险管理是商业银行经营管理过程中的重要方面。

第四，从纵向演化趋势来看，在研究早期，大多数银行的利润效率在研究早期不断上升，中期平稳，后期有所下降。

第五，从横向比较来看，大型国有银行的效率处于最高水平，其次是股份制银行，城市商业银行和农村商业银行的效率最低。

以上结论说明，随着互联网金融技术模式的日益成熟及其行业规模的不断膨胀，我国传统商业银行的盈利空间必将遭受进一步的冲击。对此，本文提出以下建议：

第一，积极促进传统信贷业务的转型创新，通过建立综合性的网络信贷服务平台、运用大数据、云计算、区块链等关键技术，实现经营管理网络化。将实体银行网点与互联网虚拟网点优势相结合，逐步向“轻资产”方向转型，实现最优生产规模，最终提升盈利能力。

第二，商业银行应积极与互联网金融企业合作，利用其业务规模优势强化互联网支付结算、理财、销售等业务的创新和渠道建设，扩展业务到电商领域，整合资源，提升协同作用，全力打造专业综合的金融产业生态圈，多元化开展业务，增强盈利来源多样性，减少利差对盈利的单方面影响，获得新的利润增长点。

第三，政府应当加强金融体制改革，加大监管力度，为互联网金融和传统商业银行的融合共生发展提供良性的制度环境。