商业银行发展金融科技对盈利的影响:抑制或提升?

杜朝运,李 莉

(1.泉州师范学院 商学院,福建 泉州 362000;2.厦门大学 经济学院,福建 厦门 361005;3.中国进出口银行 安徽省分行,安徽 合肥 230000)

一、引 言

金融科技在我国悄然兴起,经历一段“野蛮生长”,商业银行与金融科技企业曾展开密切的合作。但二者的合作经历了较为痛苦的磨合过程,存在“水土不服”的情况。为此,部分实力雄厚的商业银行着力成立金融科技子公司,既可服务母行、减少营业成本,又可输出技术,拓展收入渠道。随着金融科技的广泛运用,许多中小银行向拥有科技子公司的大银行购买技术。商业银行已从与金融科技企业合作对象,逐渐转变为发展金融科技的主力。

目前关于金融科技的研究并不鲜见,其中金融科技对银行盈利能力的影响方面,有部分学者认为金融科技对商业银行盈利造成冲击,如于波等认为金融科技企业的发展总体上压缩了银行的利润空间[1];侯世英等指出中小银行发展金融科技会由于投入过大、时间过长、技术复杂等原因,导致收益变得不确定甚至盈利下降[2];高怡君等选取16家上市商业银行2013—2017年的数据进行分析,发现商业银行发展金融科技在短期内会对银行的盈利造成一定程度的冲击,主要体现在支付、消费信贷、产业链金融和投资理财领域[3]。也有一些学者认为金融科技有利于商业银行盈利,如孙旭然等发现金融科技引起的竞争会使银行加大中长期贷款的投放力度、优化信贷结构从而提升盈利水平[4];交通银行金融研究中心课题组认为我国商业银行深度运用金融科技可以更好地进行息差管理,提升其盈利能力[5];林德发等认为金融科技赋能下的无人银行实现智能操作,减少员工聘用,降低运营成本,提高运营效率,帮助增加银行营收[6];林彧等运用数据和多元回归模型分析发现,金融科技通过技术溢出效应对商业银行的全要素生产效率有促进作用[7]。

金融科技对银行盈利能力究竟是正向影响还是负向影响,研究者基于不同的研究视角得出不同的结论。大部分学者都基于外部金融科技力量发展水平或我国整体金融科技水平来分析对商业银行盈利能力的影响,相关金融科技指标的构建大多延续互联网金融的思路,指标构建数据过于宏观,不足以反映商业银行自身发展金融科技水平。本文拟从内生视角,以商业银行自身金融科技投入情况作为研究切入点,关注商业银行自身内部发展金融科技情况,根据19家具有代表性的上市商业银行2016—2020年金融科技投入数据,实证分析商业银行自身发展金融科技至今对商业银行盈利能力的影响,并提出促进我国商业银行与金融科技融合发展的相应对策。

二、研究设计

(一)假设的提出

商业银行的数字化转型需要信息科技的持续投入,增长的科技投资会增加银行经营成本,尤其是在发展金融科技前期,系统建设运营、科技人员引进、电子软硬件采购、咨询和基础设施建设等都需要大量支出。而且科技研发活动的收益有一定周期,存在一定风险。商业银行发展金融科技并不会立竿见影,而是存在迟滞性和不确定性。如银行系金融科技子公司作为商业银行专门从事金融科技研发和输出的市场化运营的法人公司,面临着持续高投入、短期净亏损的业绩压力。2020年7月,建信金融科技有限责任公司(2018年成立)在北京产权交易所公开的财务数据:2018年、2019年和2020年上半年的净利润分别为-2.65亿元、-4.72亿元和-1.75亿元,累计亏损9亿多[8];兴业数字金融服务(上海)股份有限公司(2015年成立)也曾披露,2019年上半年亏损1.67亿元[9]。大型商业银行金融科技投入大于中小型银行,可能对银行的经营效益抑制作用更大。基于此,本文提出假设1。

H1:商业银行发展金融科技至今,提高金融科技投入对商业银行盈利能力有负作用,且对规模较大的银行比对规模较小的银行的抑制作用更大。

随着商业银行金融科技的发展,商业银行智能化转型程度加深,以离柜率为例,2020年12月我国银行业务离柜交易率已达到90%以上,中国工商银行、交通银行和中国银行的离柜率分别达到98.70%、98.04%和95.31%①。但是,离柜率的提升并没有大幅减少商业银行网点的数量。中国银行业协会2021年3月份发布的《2020年中国银行业服务报告》[10]统计显示,从2017年底到2020年底,银行业金融机构网点总数分别为22.88万、22.87万、22.81万和22.67万,2020年与2019年末相比,传统网点总数只下降了1 000余个[11]。金融科技的普及应用主要是增加网点的智能化改造,不仅传统营业网点日渐智能,新设立的网点体量也更加“微型”,更贴近消费者的生活、社区场景。据不完全统计,2020年设立社区网点5 580个,小微网点2 206个[10],网点逐渐由交易处理型功能向营销服务型功能转变,整体运作效率不断提升。另外,金融科技的发展改变了银行员工结构,营业网点柜面人员大幅度减少。柜面人员并非简单地“裁员”,而是转移到其他条线,如客户经理、中后台等。由于柜面人员收入相对较低,离柜率增加使柜面人员调整到其他岗位,且金融科技人员增加,短期来看反而增加了人员薪资支出。基于此,本文提出假设2。

H2:商业银行发展金融科技至今,提高金融科技投入会抑制商业银行盈利提升,通过离柜率这个中介变量传递,即科技投入占比增加导致离柜率上升,从而导致净资产收益率下降。

(二)样本的选取

2020年末,中国上市银行达54家[12],含6家大型银行、10家股份制银行、28家城市商业银行和10家农村商业银行。本文选取了我国19家上市商业银行2016—2020年的相关数据,所用数据均来自Wind数据库和上市商业银行年报。本文实证对象选取的19家上市商业银行,包括国有6大行(工农中建交邮储)、7家股份制商业银行(中信、兴业、招商、华夏、浦发、光大、民生银行)和6家城商行(上海银行、南京银行、青岛银行、成都银行、北京银行、重庆银行)。被选取的19家上市商业银行资产总额超过了目前国内所有银行资产额的80%,金融科技总投入累计1 424.26亿元②,占2020年银行机构信息科技资金总投入2 078亿元[13]的68.55%,具有一定的代表性,故实证分析结果能够在一定程度上反映我国主要商业银行发展金融科技的情况。

(三)变量的设置

1.被解释变量

本文选取净资产收益率ROE作为商业银行盈利能力代理变量。ROE用来衡量企业对投入资金的运作回报能力,即ROE=净利润/平均股东权益。该指标反映股东权益的收益水平,ROE指标值越高,说明投资带来的收益越高。ROE从静态和历史视角去审视一家企业,反映企业当前和历史的状况,即股东投入的资产在目前的经营状况下多少年能回本。

2.解释变量

商业银行发展金融科技情况是本文中最核心的解释变量,其衡量方式大致包含以下几种:第一种是使用北京大学发布的普惠金融指数来衡量银行总部所在地发展金融科技的水平,该指标的优点在于其客观性、全面性、稳健性以及较高的权威性。王相宁[14]、熊健[15]等的研究均使用该指数来衡量金融科技发展的水平,但该指标是从地区层面出发进行测度的。我国商业银行尤其是大型银行,分布较广,其总部均在北上广一带,故而直接使用普惠金融指数具有一定的衡量偏差。第二种是基于金融科技的相关解释、会议资料等构建关键词作为词库,然后通过文本挖掘法获取原始数据后再次加工得到所需要的金融科技指数,该方法在宋敏[16]、盛天翔[17]、喻平[18]等研究中均有使用到,其基本步骤均是首先构建词频库,接下来将词频进行主成分分析、因子分析或者熵权法提取得分来衡量金融科技发展水平。以上研究在进行关键词提取时是基于全国的新闻样本或者各省份的样本进行识别,组合关键词是以“省份+关键词”的方式识别,其反映的金融科技发展水平都是外部宏观的,并不针对银行自身。

本文选取商业银行当年金融科技投入/当年营业收入占比fintech作为解释变量,衡量商业银行自身发展金融科技水平,根据商业银行年报披露投入数据,其投入金额和占比能直观地反映商业银行当年金融科技发展水平和对自身金融科技发展的重视程度。从选取样本的近5年投入数据来看,绝对数值和相对数值均是上升趋势,可见商业银行在不断巩固提升自身发展金融科技的水平,以自身研发或与金融科技企业合作的方式,加大对金融科技的投入和发展应用。由此,技术与业务相得益彰、相互促进,出现技术改变业务,甚至是技术创造业务的现象,商业银行在金融科技领域的投入热情持续高涨。表1为样本银行2020年金融科技的投入情况。

表1 样本银行2020年金融科技投入情况

3.中介变量

本文选取离柜率quit作为中介变量。离柜业务指的是通过网上或其他自助渠道办理业务而不需要去银行柜台办理业务。离柜率=在非柜台渠道办理的业务总量/所有渠道办理的业务总量。考察离柜率在金融科技投入影响银行盈利路径中的中介作用具有现实意义。该比率越高,代表服务效率、信息化水平、客户便捷性越高。

4.控制变量

本文选取电子银行交易总额electronic和不良贷款率bad_loan作为控制变量。我国网上银行的建设始于20世纪90年代后期,之后迅速成为商业银行业务发展的一个重要方向。电子银行平台是承载现代金融业务创新的基础平台。电子银行的发展,给客户带来便利,既提高了经营效率,也提升了银行形象,影响商业银行的盈利水平。不良贷款率可以很好地衡量商业银行的信用风险,贷款按风险基础分为正常、关注、次级、可疑和损失5类,并把后3类合称为不良贷款,不良贷款率=金融机构不良贷款/总贷款余额。该比率可以测度银行的资金可靠情况及资金安全保障程度,这对商业银行的盈利能力有重要影响,故本文将电子银行交易总额和不良贷款率设为控制变量。具体变量说明见表2。

表2 变量说明

(四)模型的构建

本文的实证选用非平衡面板数据,可以减弱共线性,分离出异质性,而不必利用工具变量。具体模型如下:

roei,t=α+β0fintechi,t+β1electronici,t+β2quiti,t+β3bad_loani,t+μi+ei,t

其中i代表银行个体,包含了工商银行、邮储银行等19家银行;t代表年份;α为截距项;μi为个体效应,即不同银行禀赋差异;ei,t为随机扰动项。

三、实证分析

(一)描述性统计分析

表3为各变量的描述性统计结果。表3显示被解释变量roe与解释变量fintech标准差分别为2.270与0.007,说明在不同银行之间银行盈利差异比金融科技投入差异略大。

表3 描述性统计

(二)相关性分析

变量间的相关性分析是进行回归分析前必不可少的步骤。由Pearson相关系数(表4)可以看出,解释变量金融科技投入占比fintech与被解释变量净资产收益率roe的相关性显著,说明roe与fintech之间存在着相关关系。

表4 Pearson相关系数列表

为了避免出现共线性问题影响后续回归,本文对所有变量进行VIF诊断。检验结果如表5所示,变量的方差膨胀因子最小值是1.54,最大值仅为3.27,远小于10,均通过检验,不存在严重的共线性问题,可以进行回归分析。

表5 多重共线性VIF检验

(三)回归分析

在回归之前,首先进行模型选择。考虑到存在异方差问题,对模型进行稳健的豪斯曼(Hausman)检验。检验结果(表6)显示,Prob>chi2=0.001 5拒绝原假设,说明本文使用固定效应而非随机效应模型更加恰当、合理且有效,故随后选择固定效应模型进行回归分析。

表6 豪斯曼检验结果

对基础模型进行回归,回归结果(表7)表明,fintech系数为负,并且统计显著,说明当金融科技投入占比增加时,能抑制银行盈利的提高,反之促进,验证了假设1的前半部分。近几年上市商业银行发展金融科技,成本投入逐年上升,在产生盈利方面存在时滞,冲击了银行的即时收益。electronic系数为正,并且统计显著,说明电子银行交易总额提升有利于提升银行盈利;quit系数为负,并且统计显著,说明离柜率上升抑制了银行盈利的提升;bad_loan系数为正,并且统计显著,结合商业银行现状,这可能是因为商业银行一般会在经营效益良好的时候选择暴露一些不良资产,故不良贷款率的披露和银行效益呈现正相关。

表7 基础回归结果

(四)稳健性分析

为了验证基础回归结果是否稳健,本文分别对不含控制变量、个体固定时间不固定、个体时间双固定模型进行回归。分析结果(表8)表明,所有结果中fintech系数均为负,并且统计显著,说明基础回归结果是稳健的。稳健性检验的结果验证了本文结果的可靠性。

表8 稳健性分析

(五)异质性分析

根据银监会划分标准,本文将样本中各银行划分为规模较大银行与规模较小银行两类进行回归。规模较大银行分组包括工商银行、建设银行等国有6大行,规模较小银行分组包括上海银行、中信银行、浦发银行、重庆银行、青岛银行等13家股份制银行和城商行。从回归结果(表9和表10)可以看出,规模较大的银行fintech对roe的回归系数约为-160.45,规模较小的银行fintech对roe的回归系数约为-108,规模较大银行金融科技占比对银行盈利的抑制作用比规模较小银行更加明显,这验证了假设1的后半部分。规模较大银行机构层级多、网点密、区域广、产品多样,其金融科技投入金额比规模较小银行大,故金融科技投入产生效益的滞后时间要比规模较小银行长。例如同样是信贷系统建设,规模较大银行考虑的因素较多,系统建设周期变长,赋能业务的时间相应延长,投入成本对当期roe的负作用更大。

表9 规模较大银行回归结果

表10 规模较小银行回归结果

(六)中介效应分析

本文采用“三步法”来验证fintech对roe的中介作用,传导渠道如图1所示,回归结果见表11。可以看出是部分中介效应(非完全中介效应),fintech对quit的回归结果为正,且在1%水平下显著,说明了加大金融科技投入,客户能够选择更加方便快捷的线上办理业务,从而减少了柜员劳动,提高了离柜率;quit对roe的回归结果为负,且在1%水平下显著,说明了离柜率升高加大了金融科技投入,不利于商业银行即时盈利的提升。总体结果表明,fintech主要通过quit这个中介变量作用到roe,作用机制为:金融科技投入占比增加导致离柜率上升,从而导致净资产收益率下降,验证了假设2。

图1 传导机制

表11 中介效应回归结果

四、结论与建议

(一)结论

本文从内生视角,选取商业银行当年金融科技投入/当年营业收入占比作为衡量商业银行自身发展金融科技水平的指标,该指标也可以反映商业银行对自身金融科技发展的重视程度,并使用19家具有代表性的上市商业银行2016—2020年金融科技投入数据,通过非平衡面板模型,实证分析商业银行发展金融科技对商业银行盈利能力的影响,得出如下结论。

第一,金融科技投入对企业盈利能力有负作用。金融科技投入越大,对商业银行盈利能力抑制作用越大,并且对规模较大的银行比对规模较小的银行的抑制作用更大。

我国商业银行从2016年才真正开始发展金融科技,目前尚处于初级阶段,金融科技人员、办公设施和场所、金融基础建设等前期投入相对产出较大。例如,IT系统的构建成本占用大,技术转换效用时间周期长,当期的金融科技投入算作成本支出也无法产生效益;前期研发费用尚未或难以形成无形资产,资本化率低,主要计入当期费用,导致商业银行当期利润下降。此外,初期阶段金融科技投入占当期费用的比例扩大,会影响其他领域的费用支出,这对银行盈利产生一定的负面影响。由于规模较大银行是目前我国商业银行发展金融科技的主力军,金融科技的投入比例、投入金额相较于规模较小的银行更大,当期成本占用更高,对当期商业银行盈利能力的抑制作用更明显。

第二,金融科技投入对商业银行盈利能力的提高存在滞后效应。目前我国商业银行还处于金融科技发展的初期,金融科技应用尚未大规模落地,金融产能并未充分激发,科技成果转化率不高,这些都意味着金融科技投入还没有完全释放溢出效应。未来,金融科技投入将逐渐从量变达到质变,使商业银行在创新服务、风险管理、成本控制、获客能力等方面实现质的提升,金融科技的正向效用不断累积,金融科技投入在赋能商业银行业务和改善商业银行效益的作用将会越来越明显,有利于提高商业银行的竞争力。

(二)建议

1.科学制定金融科技的投入计划

商业银行发展金融科技要有长远规划,一方面要认识到投入的“滞后效应”,对短期的支出消耗增加容忍度;另一方面要根据自身的实际合理确定金融科技投入的规模,不应脱离实际搞科技创新,要努力寻求业务发展和科技创新、短期收益和长远利益的良好平衡。

2.促进技术与业务的深度融合

目前商业银行受到来自外部的金融科技发展的冲击较大,但商业银行在资金实力、品牌形象、风控能力以及对监管的理解等方面具有显著优势,应立足自身优势,提高业务与技术、线上与线下的融合质量,促进金融科技投入快速、有效地向现实成果转化,不断提升商业银行的竞争力。

3.稳健发展金融科技

金融科技的发展在创新,升级传统金融业务的同时也带来了新的风险,特别是高度集成化和智能化的系统,遭受外部黑客攻击后,可能导致系统中断或信息泄露,所带来的损失或远远超过以往。因此,商业银行应稳健发展金融科技,注重系统建设的安全性和可靠性,未雨绸缪,加强预警应急系统建设,防患于未然。

注 释：

①数据来自中国电子银行网“年报数据查询”,网址为https://www.cebnet.com.cn/zhuanti/annualreport/#sjcx。

②根据本文表1数据加总得出。