金融科技发展对中小商业银行风险承担的影响研究—— 基于多重中介效应的机制检验

◎田雅群 孙同全 范亚辰

一、引言

金融科技发展有助于推动商业银行不同业务类型的数据融合，打破传统金融服务数据壁垒，但也造成不同银行间客户群体的“重叠化”（吴佩等，2016）。商业银行为了抢占客户资源、获得更高利润，往往通过价格竞争吸引优质客户或是增加信用贷款的发放比例扩大金融服务覆盖面。在金融科技、银行竞争方式和业务经营方式发生变化的背景下，中小商业银行发展金融科技能否有效降低风险、维护金融稳定？与此同时，金融科技发展所带来的银行间市场竞争加剧和业务经营方式变化，又会对中小商业银行风险承担带来何种影响？对上述问题的回答，既能理清金融科技发展与中小商业银行风险承担的关系和作用机制，也有助于解答中小商业银行是否有必要豪掷重金自主发展金融科技，还有助于回答在不发生系统性风险的底线要求下，如何进一步深化金融体系改革以实现金融稳、经济稳、提升中小商业银行服务实体经济能力的目标。

现有关于金融科技与商业银行关系的研究主要集中在两个领域：一是金融科技促进商业银行普惠金融业务的发展；二是金融科技对商业银行盈利能力的影响。因此，本文的边际贡献在于：第一，扩展金融科技与商业银行关系的研究领域，探讨金融科技对商业银行风险承担的影响并剖析其作用机制；第二，鉴于中小商业银行在地方金融稳定中的重要作用，本文将研究样本限定为中小商业银行；第三，本文采用文本挖掘法利用银行微观层面数据构建金融科技指标，与北大数字普惠金融数据相比，银行微观数据更能刻画其金融科技水平，为量化银行金融科技创新提供新思路。

二、文献综述与研究假说

（一）金融科技对商业银行风险承担的影响

金融科技发展主要从以下两个方面对商业银行风险承担产生影响。首先，金融科技改变了商业银行传统运营模式，拓宽了收入渠道和利润空间，商业银行可以计提更多风险缓冲资本以防控风险。一方面，商业银行运用金融科技实现去中心化和分布式记账以缓解长尾客户信息获取难和服务成本高的问题，其服务理念由“嫌贫爱富”转变为“普惠兼顾”（李建军、姜世超，2021）。金融科技下的普惠群体是具有良好信用但被传统金融排斥的群体，因此服务这部分长尾客户可以扩展原有盈利空间。另一方面，金融科技提高了优质客户服务的精准性，例如发展电子银行“7*24”小时全天候服务和定制化服务，以提高客户粘性，提升银行盈利水平。最后，金融科技加快中间业务发展，打破“把鸡蛋放在同一个篮子”里的传统经营方式，拓宽收入渠道，提高多元化经营水平（黄益平、黄卓，2018），有助于缓解银行风险。

其次，金融科技缓解了信息不对称问题，降低了商业银行的风险承担水平。一方面，金融科技提高了客户信用评级的准确性。商业银行运用金融科技以中小企业和个人的经营数据作为信用评级的基础，多维度收集客户个人及家庭成员的信息（薛莹、胡坚，2020）。在此基础上，利用机器学习等技术为银行授信提供参考数据，力图客观、完整地刻画出客户画像，完善银行内部客户信用信息评价体系，从而缓解结构性信用短缺所导致的金融服务配给问题（刘孟飞、蒋维，2020）。另一方面，金融科技增强了商业风险研判和管控的精准性。借助金融科技所形成的信息是一种“标准化信息”，其搭载金融科技可以跨地区、跨行业快速传播（Cenni et al．，2015；Mocetti et al．，2017）。因此，在中小企业和个人的投融资过程中，金融科技可以依据标准化信息的变动情况，对中小企业和个人实现专业化、实时化的监控和风险追踪服务，从而降低商业银行风险敞口水平（姚婷、宋良荣，2021）。基于此，本文提出如下假说：

H1：金融科技应用降低了商业银行风险承担水平。

（二）金融科技、市场势力对商业银行风险承担的影响

技术溢出理论认为，技术进步具有显著的正外部性，先进技术拥有者有意识地转让或非自愿地传播自身技术，可能对其他同业竞争者产生积极影响（Grossman & Helpman，1991）。商业银行金融科技应用水平的提高对其风险承担将产生两方面影响：第一，针对同业竞争者而言，金融科技突破了时空的限制，加剧市场竞争，导致传统经营模式下利润水平下降，这必然逼迫商业银行出于“保本逐利”的考虑而改变投入产出要素组合，通过“干中学”提高银行经营效率，即金融科技发挥“鲶鱼效应”（熊健等，2021）。此时，市场势力越大，商业银行对市场的操纵力越强，其风险防控能力也越强（田雅群等，2019）。第二，对地方政府或地方金融监管当局而言，相较于商业银行“跑马圈地”的传统经营模式，金融科技发展促使社会网络节点联系更加密切，商业银行竞争范围扩大（刘孟飞，2021）。由于中小商业银行承担着服务地方经济的重要使命，地方政府为了支持地方经济发展、维持地方金融稳定，要强化政府对地方性银行的信用背书行为，因此地方性商业银行由传统经营模式下的“大而不能倒”发展为金融科技应用下的“太关联而不能倒”（许多奇，2018）。基于此，本文提出如下假说：

H2：商业银行强化金融科技应用导致市场竞争程度加剧，但由于“干中学”和地方政府的信用背书，商业银行风险降低。

（三）金融科技、信贷结构对商业银行风险承担的影响

金融科技作为金融与科技融合发展的新产物在一定程度上重塑了金融业态。具体地，金融科技充分利用科技优势推动经济包容性增长，这种包容性主要体现为金融服务方式的改变和金融服务范围的扩大，即金融科技有效缓解了金融排斥现象，实现了金融服务“质”和“量”的双重突破（汪洋等，2020）。在金融科技应用逐步深化的过程中，传统金融市场中的“长尾群体”被数字化金融赋予了享受金融服务的机会。商业银行使用云计算、大数据等技术降低信息不对称性（邱晗等，2018），重新刻画客户等级，提高信用贷款发放比例，缓解长尾客户因缺乏法定要求的抵押物而产生的贷款难问题。区块链技术重塑了商业环境的信用体系，有助于商业银行提高贷款管控能力和反欺诈水平，推进商业银行建立服务长尾客户的长效机制（李雪峰、杨盼盼，2021）。因此，金融科技的应用将最终实现信贷可得性提高和银行风险防控有效性的双重提升。基于此，本文提出如下假说：

H3：商业银行加强金融科技应用提高了信用贷款发放比例，重新识别长尾客户等级有助于降低商业银行风险。

三、实证设计

（一）数据来源

本文通过Wind数据库、各家中小商业银行官方网站以及中国农业大学经济管理学院农村金融调研组等途径共搜集2008-2020年178家中小商业银行非平衡面板数据，共1869个观测值。其中，城市商业银行131家，民营银行17家，农村商业银行30家。宏观经济数据来源于《中国统计年鉴》、各中小商业银行注册地当年发布的《国民经济与社会发展统计公报》。

（二）变量选取

被解释变量：不良贷款率。参考已有研究银行风险的文献，本文选用不良贷款率NPLit衡量中小商业银行风险。

解释变量：金融科技（FinTech）。本文借鉴郭品、沈悦（2015）的做法，采用文本挖掘法构建金融科技指数。具体步骤如下：第一步，建立初始词库。本文从基础技术和服务模式两个维度选择23个关键词构建金融科技指数1。第二步，计算关键词年度词频。利用《中国重要报纸全文数据库》（CCND），确定每一个关键词在2008-2020年期间所对应的每年的新闻数目，并以此为基础计算出每个关键词的年度词频。第三步，利用因子分析法合成金融科技指数。通过降维提取了特征值大于1的2个公因子，其方差累计贡献率为81．86%，表明所提取的公因子可以覆盖绝大部分信息。在对载荷矩阵进行方差最大化正交旋转后，利用因子分析方法估计得分系数矩阵。以公因子的方差贡献率为权重乘以相应的因子得分得出金融科技指数。

中介变量：信贷结构和市场竞争。其中，信贷结构表示为信用贷款占比。市场竞争表示为Lerner指数。

其中，Pit是产品价格，用营业收入与总资产的比值来衡量；MCit是银行经营产生的边际成本。测算边际成本的前提是衡量总成本。对厂商来说，存在理论上的最优成本函数，即成本最小函数。但受宏观经济环境和单个银行经营模式等现实因素的影响，成本函数势必会出现随机波动，在实际经营过程中，厂商的实际生产成本往往要大于最优成本（田雅群等，2018）。为客观反映厂商总成本函数，本文采用随机前沿超越对数成本函数构造中小商业银行的总成本函数TCit。总成本TCit由三种要素成本构成，分别为资本成本（p1）、资金成本（p2）和劳动成本（p3）。分别用“利息支出/总存款”“非利息支出-管理费用／总资产”“管理费用/总资产”来度量。同时，假定在投入三种要素之后，中小商业银行可以得到一种产出（yk）即总资产。为真实反映银行成本技术随时间变迁呈现非线性趋势，在成本函数模型中加入时间趋势变量T并引入其二次项T2。为残差。

中小商业银行随机前沿超越对数成本函数如公式（2）：

控制变量。本文从微观角度和宏观角度选择以下变量作为控制变量：微观变量为银行规模（Size）、资产配置能力（Alloc）、银行管理能力（CIR）、资本充足率（CAR）、贷款集中度（Loancon）、流动性比率（Liquid），宏观变量为GDP增长率（GDPgr）和M2增长率（M2gr）（见表1）。

表1 主要变量说明

（三）模型设定和估计方法

本文借鉴温忠麟、叶宝娟（2014）总结的中介效应模型，构建金融科技与中小商业银行风险承担的多重中介效应模型：

其中，NPLit和NPLi，t-1分别为中小商业银行风险承担当期变量和一阶滞后项，FinTechit为金融科技指数，Lernerit和CLPit均为中介变量，分别代表市场势力和贷款结构，Controlsit为一系列控制变量，为随机误差项。

为验证上述三个假说，多重中介模型回归步骤如下：第一步，回归方程（4），若2显著为负，才进行下一步回归，否则重新进行理论分析并设定模型；第二步，回归方程（5）和（6），若和显著为正，则表明金融科技对中小商业银行的市场势力和贷款结构产生显著影响，且影响符合预期；第三步，回归方程（5），若系数3和4显著但2不显著，说明在金融科技影响中小商业银行风险承担的作用机制中，市场势力和信贷结构发挥完全中介作用，若系数均显著，说明市场势力和信贷结构在金融科技对中小商业银行风险承担的影响中发挥部分中介作用。本文在方程（4）和（7）中引入了风险承担的一阶滞后项，因此采用动态面板系统广义距估计方法进行回归以验证风险承担的连续性。

四、实证结果

表2报告了多重中介效应模型的回归结果。其中步骤一（模型4）采用系统广义矩估计回归方法估计了金融科技对中小商业银行风险承担的整体影响。在存在整体影响的前提下，继续回归步骤二（模型5和模型6）以检验金融科技对中小商业银行风险承担的影响是否有中介机制。步骤三（模型7）考察加入两个中介变量后金融科技对中小商业银行风险产生的影响，并验证中介变量是否发挥完全中介效应。表2显示AR（2）检验和Sargan检验P值均接受原假设，说明扰动项无自相关且工具变量均有效，这也表明模型4和模型7满足使用系统广义矩估计的条件。

表2 金融科技对中小商业银行风险承担影响的多重中介模型实证结果

（一）金融科技对中小商业银行风险承担的整体影响

表2中模型4回归结果显示，金融科技（FinTech）系数为-36．979且在1%的水平下显著，表明中小商业银行金融科技水平的提升有助于降低其风险承担水平。主要原因在于：一方面，中小商业银行金融科技应用水平的提升，有利于缓解因信息不对称所产生的“惜贷”“惧贷”现象，提高其识别客户信用信息的能力，银行风险承担随之下降；另一方面，金融科技发展导致电子银行等新业态对传统网点业务替代率的攀升，中小商业银行中间业务收入占比增加。商业银行收入渠道扩展既有利于分散风险，也有利于扩大利润空间从而计提更多风险缓释金。

在控制变量中，风险一阶滞后项系数在1%的统计水平上显著为正，说明上期风险会对当期风险产生正向影响；广义货币增长率越高说明经济通胀风险越大，银行风险随之增加。因此本文认为中小商业银行风险具有明显的连续性和顺周期性。资本充足率系数在1%的统计水平上显著为负，说明资本充足率越高银行风险越小；贷款集中度与风险呈正比，说明贷款发放越集中，商业银行风险越大；银行规模系数在1%的统计水平上显著为负，说明银行规模越大风险越低，即“太大而不能倒”；中小商业银行风险承担与流动性比率呈反比，与存贷比呈正比，说明商业银行流动性越差，风险越高。

（二）金融科技对市场势力和信贷结构的影响

在模型5中，金融科技指数FinTech估计系数在1%的水平上显著为正，说明中小商业银行金融科技应用水平越高，其市场势力越强。一方面，金融科技的发展促进普惠金融的发展，长尾客户的增加扩大了中小商业银行市场份额；另一方面，金融科技打破了地域限制，使得跨区域抢占金融资源成为现实，这进一步延伸了中小商业银行的服务能力和服务范围。在中国金融改革逐步深化的背景下，机构增量改革导致中小商业银行特许权价值降低，使得市场竞争与商业银行风险承担的关系处于“竞争-脆弱”状态，即市场竞争加剧，中小商业银行风险增加。而金融科技的发展导致中小商业银行市场势力增强，将缓释其风险水平。

在模型6中，金融科技指数FinTech估计系数在1%的水平上显著为正，说明中小商业银行金融科技应用水平的提升使其提高了信用贷款发放比例。金融科技通过大数据、区块链等技术能迅速读取和分析客户有效信息，提高了软信息硬度，扩展了金融科技切入生活场景和消费场景的渠道，为发放信用贷款提供可能性。这体现了中小商业银行金融科技的应用对象主要是针对因无法提供法定意义抵质押物受到金融排斥的长尾客户，而不是服务于非长尾客户。

表3 金融科技对中小商业银行风险承担影响的直接效应与间接效应

（三）市场势力和贷款结构的中介效应

模型7回归结果表明，加入中介变量后，中介变量市场势力（Lerner）和信贷结构（CLP）均显著。金融科技指数（FinTech）显著但系数变小，说明市场势力和信贷结构在金融科技对中小商业银行风险的影响中发挥部分中介效应。

从两类中介效应的绝对贡献来看，市场势力（Lerner）对中小商业银行风险承担的中介效应为-30．4645（=20．2355*（-1．5055）），在1%的统计水平上显著，这表明中小商业银行金融科技发展通过增强市场势力降低了其风险承担水平，验证了假说2。类似地，金融科技经由信贷结构（CLP）降低中小商业银行风险承担的中介效应为-14．7194（=11．1513*（-1．3219）），在1%的统计水平上显著，这表明中小商业银行金融科技发展通过增加信用贷款占比降低了其风险承担水平，验证了假说3。进一步对市场势力（Lerner）和信贷结构（CLP）中介效应加总，得到整体多重中介效应为-45．1839（=-30．4645-14．7194）。由此可知，金融科技对中小商业银行风险承担的整体效应为=-60．009（=-14．8251-45．1839）。

表4 金融科技对中小商业银行风险承担影响的多重中介模型稳健性检验结果

从两类中介效应的相对贡献来看，在金融科技对中小商业银行风险承担的整体影响中，有75．30%是通过增加市场势力和改善信贷结构的间接渠道实现的。其中，增加市场势力的相对贡献约为50．77%，改善信贷的相对贡献约为24．53%。综合直接效应和间接效应的影响，本文认为中小商业银行金融科技水平的提升降低了其风险承担水平（见表3）。

五、稳健性检验

本文通过改变变量测度方式对实证结果进行稳健性检验，即采用北京大学数字金融研究中心发布的2011-2018年中国数字普惠金融指数作为互联网金融指数替代变量（郭峰等，2020）。与上文相对应，步骤一（模型8）采用系统广义矩估计回归方法估计了金融科技对中小商业银行风险承担的整体影响。在存在整体影响的前提下，继续回归步骤二（模型9和模型10）以检验金融科技对中小商业银行风险承担的影响是否存在中介机制。步骤三（模型11）考察加入中介变量后，金融科技是否会对中小商业银行风险承担产生影响。

稳健性结果表明：首先，模型8和模型11相比，加入中介变量后，数字普惠金融指数（DFIIC）系数显著变小且各中介变量系数显著，说明存在部分中介效应。其次，中介变量市场势力（Lerner）和信贷结构（CLP）系数显著为正，验证了假说2和假说3（见表4）。

再次，从两个传导机制的重要程度来看，在中小商业银行金融科技应用对其风险承担的总效应中，间接效应占主导地位，其中增强市场势力（Lerner）对中小商业银行风险增加的贡献度为95．34%，改变信贷结构（CLP）对中小商业银行风险增加的贡献度为3．51%（见表5）。

因此总体来看，中小商业银行金融科技水平的提升有助于其降低风险。本文稳健性检验的实证结果与前述基准实证分析相吻合，表明该实证结果具有稳健性。

六、进一步探讨：基于政府干预力度的异质性分析

地方政府作用的边界或者说政府干预市场力度的强弱会直接影响地方金融资源的配置（郑尚植、赵雪，2020）。考虑到我国中小商业银行的分布较为广泛，而不同地区地方政府对金融市场的干预力度存在一定差异，因此有必要考察政府干预力度对金融科技与中小商业银行风险承担之间关系的影响。

从地方金融资源配置的角度看，在地方政府强干预地区，地方政府是地方金融企业的出资人，拥有任命所辖区域内金融机构高管的部分权力甚至享有直接任命权，这导致金融资源的配置更多偏好于行政激励或者短期绩效激励，换言之，金融资源的配置更服从政治原则而非市场原则（刘长喜，2020）。地方金融机构的逐利偏好和政治偏好促使金融资源流向地方国有企业或政府指定项目。从理论层面看，金融机构的政治和经济双重偏好容易引发金融风险，但如果整个市场是一个“强政府-弱市场”的市场格局，加之地方金融机构对于地方经济发展和地方官员晋升起到支撑作用，即使有潜在金融风险或真实发生的风险，地方财政将为区域金融风险买单。因此，在强政府干预地区，由于金融财政并未实现完全分权，金融控制权本质上仍由财政掌控，因此地方性金融机构风险承担状况不会因外部冲击或内部调整而发生显著变化。相反，在“弱政府-强市场”地区，由于市场在资源配置中发挥决定性作用，政府仅仅起到规制性作用，金融机构是独立参与市场经济的主体，此时金融科技的发展将会对金融机构的风险承担产生影响。因此，本节提出以下假说：

H4：在强政府干预地区，金融科技对中小商业银行风险承担的影响不显著；在弱政府干预地区，金融科技对中小商业银行风险承担的影响显著。

本文采用王小鲁等（2019）提出的市场化指数中的政府与市场关系指数作为分组依据。政府与市场关系指数包括市场分配经济资源比重、减轻农民税费负担、减少政府对企业干预、减少企业对外税费负担和缩小政府规模，该指数数值越小，说明政府干预力度越强。以政府与市场关系指数的均值为界，均值以上为弱政府干预地区组，均值以下为强政府干预地区组。所谓弱政府干预地区组是指当市场分配经济资源比重小、减轻农民税费负担幅度大、减少政府对企业干预力度大、减少企业对外税费负担程度大和缩小政府规模时，视其为弱政府干预地区组；反之为强政府干预地区组。对主要变量的组间差异进行统计性分析（表6），结果显示，“弱政府干预地区中小商业银行”与“强政府干预地区中小商业银行”的组间差异多数在1%的统计水平上显著。

实证结果表明（表7），在弱政府干预地区，金融科技回归系数显著为负，说明金融科技的发展有效降低了中小商业银行的风险承担水平。多重中介效应的相对贡献值为-52．33%，其中增强市场势力对降低中小商业银行风险承担水平的相对贡献值为-48．48%，增加信用贷款占比对降低中小商业银行风险承担水平的相对贡献值为-3．85%。在强政府干预地区，金融科技对中小商业银行风险承担的影响不显著。

表5 金融科技对中小商业银行风险承担影响的直接效应与间接效应（稳健性检验）

表6 基于地方政府干预力度异质性的主要变量均值检验结果

七、研究结论与政策启示

金融科技发展赋能银行新业态是商业银行融入数字经济发展大局、分享数字经济发展红利、培育业务新增长极的重要依托，更是深化金融供给侧改革的迫切要求。鉴于中小商业银行在维持地方金融稳定中的重要作用，本文重点研究金融科技对中小商业银行风险承担的影响。首先，从理论上分析了金融科技发展对中小商业银行风险承担的影响并剖析其作用机制；其次，构建多重中介效应模型，利用2008-2020年178家中小商业银行非平衡面板数据进行实证检验；最后，基于市场开放程度的差异性，分析政府干预力度强弱对金融科技发展于中小商业银行风险承担的异质性影响。研究结论表明：第一，中小商业银行发展金融科技有利于降低其风险承担水平。第二，市场势力和信贷结构作为影响金融科技与中小商业银行风险承担的作用机制，发挥着部分中介效应。中介效应对降低中小银行风险承担的相对贡献度为75．30%，其中提高市场势力、增加信用贷款的相对贡献度分别为50．77%、24．53%。第三，政府干预力度强弱，对金融科技与中小商业银行风险承担的关系具有明显异质性。在强政府干预地区，金融科技对中小商业银行风险承担的影响不显著；而在弱政府干预地区，金融科技对中小商业银行风险承担的影响显著。

表7 基于地方政府干预力度的异质性实证结果

上述研究结论有助于我们深刻认识到金融科技发展在中小商业银行风险控制中的重要作用，并对今后中小商业银行如何利用金融科技进行风险管理具有重要启示。第一，从风险管理角度看，中小商业银行应加大金融科技研发投入力度，完善金融科技布局，提高金融科技应用能力。这有助于推动中小商业银行业务转型和改善工作流程，将风险防控的重点前置，提高其服务实体经济关键领域和薄弱环节的精准性和有效性。第二，从市场势力角度看，中小商业银行应充分结合“十四五”规划和二〇三五年远景目标，根据未来经济发展趋势和特征有针对性地扩大客户群体、拓展业务类型，如针对新型农业经营主体、电商物流和供应链主体等提供金融服务，通过银行业务全方位提高风险承受能力，在保证盈利的同时，合理利用资产组合分散风险。依托数据带来的信息优势，节约信息收集成本和人力运行成本，增强抗风险能力。第三，从政府-市场关系看，发挥市场在资源配置中的决定性作用，明确政府由干预型政府转变为规制型政府，发挥政府的经济性规制和社会性规制作用，对当前市场价格进行调节而非干预，对金融市场中的信息不对称问题进行信息披露等标准设定。同时，要强化反垄断规制，禁止金融市场过渡集中和滥用市场势力，引导构建竞争性市场。

注释：

123个关键词为：大数据、云计算、人工智能、区块链、生物识别、分布式记账、5G、人脸识别、在线支付、移动支付、第三方支付、网贷、网上融资、网络融资、网络小额贷款、网络贷款、网银、网络银行、电子银行、在线银行、开放银行、互联网银行、直销银行。