金融科技对商业银行风险承担的影响：竞争效应还是创新效应？

■ 陈孝明，吴 丹，林润冰

一、引言

随着金融科技迅猛发展，AI、大数据、物联网等先进科学技术与金融业务在多层次、多方面相辅相成，促进金融行业不断创新发展，对商业银行发展造成巨大冲击。从理论上看，无论是金融科技的迅速发展，还是商业银行提供间接融资的主导体系，都具有强烈的中国特色，研究金融科技对商业银行风险承担的影响，能够丰富我国金融创新与商业银行的理论研究。从现实中看，商业银行作为传统金融体系核心的存在，它的风险承担水平影响着我国整体的系统性金融风险，探索金融科技与商业银行风险承担之间的关系，有助于守住不发生系统性风险的底线，对我国金融体系平稳发展，具有重要的现实意义。

商业银行风险承担是学术界研究的热门领域之一。当前关于商业银行风险承担的研究主要分为两大类：一是宏观经济环境对银行风险承担的影响研究，主要有货币政策、利率市场化和政府治理等的作用。很多研究表明，宽松的货币政策会倾向提高银行的风险承担，如果政府加强货币政策调控则能够降低银行风险（谭政勋和李丽芳，2016；Mollah et al.，2017）。低利率的政策环境会催生商业银行的风险承担行为（牛晓健和裘翔，2013；黄晓薇等，2016）。二是银行微观层面因素对自身风险承担水平形成的影响研究。银行治理结构、透明度、资本充足率以及流动性水平对商业银行的风险承担具有显著影响，且对不同类型的银行作用效果也不一致（马勇和李振，2019；胡援成等，2020），银行业之间的相互竞争也是风险承担影响的重要因素（Dell’Ariccia et al.，2017；郜栋玺和项后军，2020）。

金融科技对商业银行风险承担水平也出现了两种观点，银行发展金融科技可以显著降低银行所承担的风险水平（姚婷和宋良荣，2020），主要通过客户存款的分流和付息成本的增加这两种作用方式进一步加重了商业银行风险承担（孟娜娜，2020）。此外，与金融科技密切相关的互联网金融也存在观点冲突，互联网金融和金融IT是商业银行控制风险的重要手段（刘忠璐，2016），加重风险的承担水平（郭品和沈悦，2019）。

本文的边际贡献主要体现在：第一，在郭品和沈悦（2019）把互联网金融分为四个分指数的基础上，抓住金融科技对金融体系冲击的核心内容，分行业竞争和技术创新两个方面，探讨其对商业银行风险承担的影响。第二，在计算金融科技指数时，从金融核心功能和底层技术支持两个层面合成两个分指数，分别检验金融科技在行业竞争和技术创新等方面，对商业银行风险承担形成的影响效果，并比较二者作用效果差异。第三，利用中介效应模型，进一步检验金融科技是否通过行业竞争和技术创新这两个中介渠道产生作用。第四，利用金融科技总指数及两个分指数对大型和中小型商业银行进行异质性分析，研究各类型银行对来自不同层面的金融科技影响的差异化响应。

二、理论机制与研究假设

（一）金融科技对商业银行风险承担的影响分析

创新是一把双刃剑，在促进商业银行数字化转型的同时，与之伴随的是风险承担水平的提高。如在前期运用信息技术挖掘数据和市场调研时未能够准确判断当前市场需求，或者创新的金融产品与服务未能达到监管部门要求，最终投入成本无法收回，将承受巨大的资金和资源损失。

从金融科技推动存款利率变相市场化的角度切入，利率市场化促使金融市场上的资金大量转向线上理财、保险和基金等产品，一定程度上冲击了商业银行负债业务。在金融科技模式下，资金供给者能够绕开传统金融机构快速地寻找到相应的资金需求者，因此商业银行为防止存款流失，自然会选择提高自身存款储蓄的利息水平来吸引更多客户存款，获利空间被进一步压缩，这必然导致商业银行转向追求风险更高的经营行为。

（二）金融科技的行业竞争效应

金融科技所衍生的互联网产业与传统金融业在业务拓展、获客渠道等层面上形成较为激烈的竞争局面，给商业银行业务拓展和传统获客带来一定“市场挤出”，从而进一步影响银行业竞争。此外，商业银行的批发性融资成本高，负债端的客户存款被互联网巨头企业分流，这会改变银行的资产端，资产端的贷款利率可能会因此提高，但也存在因金融科技带来的大量资金而下降的可能。

金融科技模式促进了金融功能升级，市场上存在负债来源被强有力分流、错位抢占金融市场资源、争夺支付结算领域的普遍现象（王小燕等，2019）。面对这种情况，商业银行会选择不断根据市场情况调整储蓄存款的利率，来维持相应数量的客户存款，同时还会积极拓展其他负债来源，稳定自身原有负债规模。在金融科技的影响下，无论是非存款负债占比的增加还是拓展更多理财产品办理业务，都会提高银行总体的负债成本，原有收入水平也会受到相应影响，间接作用于银行的风险承担水平。

（三）金融科技的技术创新效应

技术溢出理论认为技术具有显著的外部性，先进技术会通过拥有较高技术水平的行业进行主动或是被动的跨行传播，从而扩散到其他行业，被其他行业的开拓者进一步地融合与应用，从而促进技术创新和业务发展（孟娜娜等，2020）。商业银行技术创新可以提升银行经营效率和抗风险能力，但也易引发高风险博弈行为，改变其风险偏好，提高其风险承担水平（顾海峰和杨立翔，2018）。金融科技一方面确实能够使商业银行办理资产端业务的经营成本有所下降，另一方面也加快其开拓新型消费支付方式的步伐，实现银行利润稳定增长，但也带来了一定技术创新风险。

（四）金融科技对商业银行风险承担影响的异质性

大型银行具有中小银行所不具备的资产规模、客户基数与政府支持优势，因此大型商业银行与中小商业银行面对金融科技冲击时受到的影响则不尽相同。一般而言，中小商业银行业务容易受到冲击，尤其是以互联网企业小额贷款为代表的贷款业务冲击。我国中小银行既没有大型商业银行雄厚的资金背景，又没有像股份制银行那样严密的风险防控体系，所以中小银行不仅利差空间受到挤压、风险承担水平被推高，开展金融创新项目也容易产生更多难以预见的风险。

综上，提出有待检验的4个研究假说。

假设1：金融科技通过强化金融核心功能，银行业务竞争进一步加剧，从而提高商业银行的风险承担水平。

假设2：金融科技通过增强底层技术支持，加快商业银行技术创新步伐，从而提高商业银行风险承担水平。

假设3：相比银行行业竞争，商业银行积极开展创新项目导致的风险更加剧烈。

假设4：相比大型商业银行，金融科技对以城商行、农商行为代表的中小银行造成的冲击更加显著。

三、金融科技对商业银行风险承担影响的实证分析

（一）实证研究设计

1.样本选择与数据来源

考虑到样本数据的可获取性和样本容量的充足性，采用中国199 家商业银行（6 家国有银行、12 家大型股份制银行、103 家城市商业银行和78家农村商业银行）的年度数据作为样本，年份 跨 度 为 2010—2018 年 。 数 据 来 源 于BankFocus 数据库、锐思数据库、CSMAR 数据库和各商业银行年度报表。

2.变量设计与描述性统计

被解释变量：银行风险承担。Z值通常用于衡量破产概率，在郭品和沈悦（2015）等相关研究中，均采取Z 值作为代理变量，Z 值越大则表明银行系统越稳定，银行的风险承担就越小。不良贷款率能较好地体现商业银行的信用风险（刘忠璐，2016），贷款损失准备率则更能体现银行事前的风险衡量（金鹏辉，2014）。综上，选取Z值作为主要代理变量，并以不良贷款率（npl）和贷款损失准备率（llr）作为Z值的辅助代理变量，来保证研究的稳健性。

核心解释变量：金融科技指数。借鉴汪可（2018）等的思路，采用文本挖掘法建立金融科技指数。主要方法步骤如下：首先，从金融核心功能和底层技术支持两个角度出发，构建如表1所示的金融科技关键词库。其次，通过百度搜索指数对原始关键词库进行数据挖掘和数据结构化转化。由于金融科技的显著发展起始于2010 年前后，为使得研究结果更具有准确性和有效性，总共选取2010—2018 年的32 个关键词的年度搜索频率日均值。最后，在上述结果基础上采取SPSS 软件进行因子分析，计算出金融科技指数（Fintech），作为金融科技发展程度的代理变量。同时本文创新性地将金融科技指数从金融功能和技术支持两个层面划分，合成金融科技两个分指数，分别为金融功能指数（Fin1）和技术支持指数（Fin2）。

表1 金融科技指数原始词库

中介变量：存款结构、净利差水平、技术创新。本研究借鉴郭品和沈悦（2019）的衡量方法，采用客户存款占比（cd）来衡量商业银行的存款结构，即客户存款与总付息负债之比。商业银行的净利差收入水平，则使用净利差（nis），即银行的存贷款利差作为代理变量。非利息收入占比（innov）向来是商业银行金融创新的重要替代指标，将其作为技术创新水平的代理变量。

控制变量：在宏观经济层面选择名义国内生产总值增速（ggdp）、广义货币供应量增速（m2）和同比消费者物价指数（cpi）来控制宏观经济环境、货币政策立场、消费物价水平；采用行业集中度（cr4）来衡量行业层面竞争状况；在银行微观特征层面则以银行流动性水平（dpr）、经营效率（cir）、管理能力（over）、资产规模（lna）以及盈利能力（lnp）为控制变量。

3.模型设定

本文借鉴刘忠璐（2016）、郭品和沈悦（2019），建立金融科技对商业银行风险承担影响的回归模型，模型设定如下：

表2 变量设计与描述性统计

以上三个方程中的被解释变量为商业银行风险承担（Z值），主要解释变量依次为金融科技指数（Fintech）、金融功能指数（Fin1）和技术支持指数（Fin2），control 则表示控制变量。在模型中，i＝1，2，…N 表示银行数量，t＝1，2，…T 则表示具体年份，ε 为随机误差项。

（二）基准回归结果分析

首先采用静态面板的OLS 回归和固定效应估计方程（1），其次再引入被解释变量的一阶滞后项作为模型的解释变量。鉴于该模型具有动态性，同时为解决商业银行微观层面的指标与风险承担水平存在互为因果的联立关系的问题，所以采用系统广义矩估计和差分广义矩估计对方程（1）进行估计。

从表3可以看出，静态面板中的OLS回归和固定效应模型估计出来的结果相差很大，这表明使用这两种方法来检验金融科技对商业银行风险承担水平的影响存在较大偏误，同时根据徐明东等（2012）的研究，商业银行的风险承担呈现高度持续性这一明显特质，所以模型需要包含被解释变量的滞后项，采用动态面板模型也可以进一步解决银行资产负债表变量之间具有的内生性问题，因此本研究使用系统广义矩估计和差分广义矩估计更加准确，结果报告于表4。实证显示动态面板中两种方法的AR（2）检验结果p 值大于0.1，扰动项的差分不存在二阶序列相关，Sargan 检验结果p 值大于0.1，说明实证所用工具变量不存在过度识别，实证结果是有效的。

表3 静态面板中金融科技对商业银行风险承担的影响

续表3

表4 动态面板中金融科技对商业银行风险承担的影响

据系统GMM和差分GMM的估计显示，核心解释变量的回归系数为负，在5%和1%的水平下显著，这表明金融科技发展会降低Z 值，商业银行风险提高。也就是说，尽管金融科技会促使商业银行优化升级原有的业务经营模式，但总体上依旧是在一定程度上加重商业银行风险承担水平。金融功能指数的回归系数均为负，在10%的水平上显著，这表明金融科技通过拓展金融核心功能，银行业务竞争加剧，风险承担水平也随之提高，验证了本文的假设1；同样地，技术支持系数对商业银行风险承担也起到了显著的推高作用，假设2得到验证。

根据两种GMM 方法的回归结果可见，技术支持指数对商业银行风险承担的影响程度高于金融功能指数，这表明商业银行积极开展创新项目随之相伴的风险大于金融功能拓展对业务冲击带来的风险，假设3得到验证。

（三）内生性检验

借鉴邱晗和黄益平（2018）的思想，选择互联网普及率（inter）作为计算得出的金融科技总指数和两个分指数的工具变量，以缓解实证过程中潜在的内生性问题。

根据表5显示，在采用工具变量法减轻内生性问题后，尽管回归系数在绝对值上存在一定差异，但在显著性水平、正负情况以及大小情况，与前文结果基本保持一致，因此总体上研究结果保持稳健。

表5 工具变量调整后金融科技对商业银行风险承担的影响结果

（四）稳健性检验

采用改变衡量的方式，以不良贷款率（npl）和贷款损失准备率（llr）作为备用的替代变量指标，同样引入不良贷款率和贷款损失准备率的滞后一期，采用系统GMM 方法进行估计。据表6 的结果显示，AR（2）检验结果p 值大于0.1，说明扰动项的差分不存在二阶序列相关，Sargan检验结果p值大于0.1，工具变量不存在过度识别。

表6 金融科技对商业银行风险承担影响的稳健性检验

结果显示，金融科技指数和两个分指数均提高了商业银行不良贷款率和贷款损失准备率，且通过1%水平的显著性检验。从回归系数看，技术支持指数对风险的影响程度大于金融功能指数，表明技术创新对银行风险的推动更为剧烈。

（五）异质性分析

将样本商业银行划分为两大类，分别为大型银行和中小型银行，其中大型银行包括国有银行和股份制银行，中小型银行包括城市和农村商业银行，从而对模型（1）进行分组回归。同时，利用计算得出的金融功能分指数和技术支持分指数同样对两类银行进行回归，检验不同层面金融科技冲击的影响程度。以上均采用系统GMM方法。

表7 不同维度金融科技指数对不同类型银行风险承担的影响

结果显示，金融科技总指数对大型商业银行造成的冲击并不显著，而对中小型银行的影响通过了5%水平上的显著性检验，该结果表明金融科技对中小银行造成的冲击更大，基本符合研究假设3 的判断。从金融科技两个分指数的影响结果可获得如下结论：金融科技对于中小型商业银行带来的业务竞争层面冲击的影响系数小于技术支持带来的业务创新的影响系数，且技术支持指数对商业银行风险承担的影响更加明显，通过1%水平上的显著性检验。进一步验证了本文假设3。

四、进一步分析：影响风险承担的机制检验

（一）中介效应理论分析

金融科技的发展对商业银行形成存款分流和利润蚕食的负面影响，通过负债端和资产端途径进一步影响了商业银行风险承担。尽管支付端的业务变动会起到一定推动作用，但总源头依旧是在金融科技的作用下，银行客户存款的分流和银行净利差水平的下降。同时，金融科技发展为商业银行技术创新提供了更多元化的先进技术支撑，商业银行纷纷进入转型时期，希望能够突破原先以存贷款利差为主要获利途径的经营模式，开展金融创新项目，银行非利息收入占比提高。与之相随的也是风险承担的加剧。

基于以上分析，进一步建立以下三个影响路径的中介效应模型，具体设定如下：

以上6 个方程的被解释变量依次是银行存款结构（cd）、银行风险（Z 值）、净利差水平（nis）和银行技术创新（innov）；金融科技指数为Fintech；control 代表各个控制变量；ε为随机误差项。

本文为了突出金融科技对银行风险承担的影响路径，深入探讨竞争效应，即以银行间竞争之后的结果来表征。借鉴应展宇和张夏晗（2020）的做法，外渠道的代理变量是非利息收入占比，表内渠道的代理变量是净利差，两个指标表征竞争效应。同理，为了突出金融科技对银行风险承担的影响路径，深入探讨创新效应，即以银行间创新之后的结果来表征。借鉴蒋海和吴文洋（2020）衡量金融创新的指标，把银行非利息收入占比来表征创新效应。

（二）中介效应实证检验

在模型（5）、模型（7）和模型（9）中，包含商业银行风险承担的一阶滞后项，因此基于前述分析采用系统GMM 的方法，由表8 的 AR（2）检验结果和Sargan 检验统计量的p 值均大于0.1，意味着扰动项的差分不存在二阶序列相关，工具变量没有存在过度识别，故系统GMM 估计方法有效。

1.银行存款结构的中介作用

根据表8 已知系数θ显著，且系数θ的数值相比α有所下降，表明存款结构具有部分中介效应。

2.银行净利差水平的中介作用

加入中介变量后，模型（7）中系数π显著，且系数π的数值相比α有所下降，表明净利差水平在这影响途径中具有部分中介效应。

3.银行技术创新的中介作用

由表8 的结果可以看出，模型（8）中金融科技对技术创新的回归系数ρ为正，且通过5%水平下的显著性检验，模型（9）中金融科技、技术创新对银行风险承担影响的回归系数φ和φ显著为负，表明银行技术创新明显使得银行Z值减小，风险提高。模型（9）中系数φ的数值相比α有所下降，表明银行技术创新具有部分中介效应。

表8 基于存款结构、净利差水平和技术创新的中介效应

五、结论与启示

（一）主要结论

选取了2010—2018 年中国境内199 家商业银行的非平衡面板数据作为研究样本，得出以下四点主要结论：（1）金融核心功能指数提高，商业银行Z 值会显著下降，风险承担水平上升。（2）底层技术支持指数提升，商业银行Z 值会显著下降，并且风险承担水平上升幅度更激烈。（3）金融科技通过业务竞争、技术创新两个层面推高了商业银行风险承担水平。（4）金融科技对各类商业银行造成改变风险承担水平的程度具有差异性，对以城商行和农商行为代表的中小银行造成的冲击更加显著。

（二）启示与建议

首先，对于商业银行而言，必须要主动拥抱金融科技，积极开展数字化转型，利用大数据处理等先进技术进行创新或是改造，有效优化银行业务办理方式，尽可能降低经营产生的资金成本，在激烈的竞争态势突破重围。其次，监管机构把握金融科技发展对银行转型的正面和负面影响，对各类商业银行进行分类监管。鼓励商业银行运用先进技术开展技术创新项目，以此加快数字化转型步伐，推动利率市场化，促进金融行业乃至其他行业都能够尽快实现又好又快发展。