金融科技对金融市场复杂性的影响研究——基于系统性金融风险视角

林曦 王仁曾

(华南理工大学经济与金融学院，广东 广州 510006)

一、引言

金融科技作为数字经济时代的重要技术支撑，从星星之火到百舸争流，从基础支撑到驱动变革，为金融业高质量发展注入了充沛动力，是助力金融业改革发展、推动我国经济高质量发展的新引擎。2013年以来，金融科技快速发展，在支持普惠金融发展、促进企业创新、提高金融机构服务效率等方面取得了显著成效(唐松等，2020；宋敏等，2021)。金融科技能取得快速发展一定程度上归因于监管部门给予的相对宽松的环境，这在一定程度上也提高了系统性金融风险发生的概率(谢平等，2014；郑兰祥和郝琦琦，2022)。金融科技发展背景下金融机构的业务交叉越来越多，传统的分业监管模式出现监管真空和灰色地带，导致互联网“金融快消品”的风险不断累积，进而引发一系列社会问题甚至系统性金融风险。如2015年中国互联网理财平台跑路、诈骗等恶性事件频发，使得P2P网贷平台由开始的井喷式爆发转变为最后的昙花一现。因此，金融科技给金融市场带来的问题不容小觑。

现阶段金融科技快速发展下潜在的系统性金融风险问题引起了监管部门的高度重视，强调要通过金融风险专项整治预防系统性金融风险的发生。2016年4月国务院组织中国人民银行、银监会、证监会等14个部门召开会议，决定在全国范围内启动互联网金融风险专项整治。需要注意的是，金融市场复杂性是导致系统性金融风险的重要原因之一。已有权威文献证明，金融市场复杂性程度越高，系统性金融风险发生的概率也会越大(Haldane，2009；Engle et al.，2014；Acemoglu et al.，2015；De Jonghe et al.，2015；Williams，2016；Brunnermeier et al.，2020)。在金融科技快速发展的背景下，探讨如何规避金融市场复杂性带来的负面影响非常重要。然而，鲜有研究探讨金融科技对金融市场复杂性的影响及作用机制。

理论上来说，金融科技创新会使金融市场变得更为复杂，主要表现在两个方面。第一，金融科技发展使金融市场出现复杂的多边性，金融科技发展背景下金融参与者除了银行、证券与保险等传统金融主体外，还包括P2P、支付宝、网络银行等创新性金融主体，以及一些诸如网贷平台、众筹平台等的灰色地带，各金融参与者彼此构成了庞大的资本网络，打破了传统金融市场的简单平衡，使金融市场出现日益复杂的多边性(陈珊和欧阳英，2017；陈碧梅，2022)。第二，金融科技发展催生出更为复杂的金融产品。依托互联网和金融科技发展，金融机构逐渐推出各种日渐复杂的金融产品，这些新金融产品可能涉及多个分业领域，风险难以评估，对货币政策和金融监管提出了严峻挑战，一定程度上会加剧金融市场复杂性(王辉，2012)。此外，金融科技在加快供需双方的资金匹配与交易效率时，也使得信息传播渠道相互叠加、金融资源关联更加密切，加之数据、网络、隐私、第三方技术依赖等科技属性风险，金融市场会变得更为复杂，容易形成渗透力与传染力更强的市场风险，进而诱发系统性金融风险(Pantielieieva et al.，2018；Khalil and Alam，2020)。

上述关于金融科技创新会增加金融市场复杂性的理论推断能否得到十多年来中国金融科技创新发展事实和数据的实证支持呢？进一步而言，如果金融科技创新会提高金融市场复杂性程度的论断能够得到实证支持，是不是意味着金融市场的系统性风险也是同步线性提升呢？基于现代信息技术的金融科技创新所带来的新产品、新流程、新商业模式，使金融系统变得更加复杂，但这种创新也提升了金融业的资源配置效率、服务实体经济高质量发展的能力(易纲，2021)，而监管科技的同步发展则对系统性风险的管控带来帮助。这就提醒我们，金融科技创新、金融市场的复杂性和系统性金融风险三者之间并不是简单的线性单调递增关系。我们有理由推断，只有当金融系统的复杂性超过了一定的临界点(或某一个阈值)，才会如同2008年的全球金融危机之前发生的过度的、不透明的和脱离监管的金融创新那样，造成系统性金融风险。这说明我们需要寻找金融市场复杂性诱发系统性金融风险可能存在的临界阈值。那么，金融市场的复杂性对系统性风险的加剧作用又是通过哪些途径得到缓解和克服的？研究和解决上述问题，对于厘清金融科技与金融市场复杂性的关系，探究减缓金融市场复杂性带来的系统性金融风险的可行路径，保障金融科技的持续健康发展，防范系统性金融风险，具有重要意义。

本文边际贡献主要体现在以下三个方面。第一，创新地从业务复杂性和关联复杂性视角对金融市场复杂性进行量化，探讨了金融科技在金融市场复杂性演进过程中产生的影响，拓展了已有对于金融市场复杂性的研究边界，也丰富了金融科技的研究内容。相比之下，以往对于金融市场复杂性的研究多是基于复杂网络理论，验证了金融市场是动态的，在时间与空间上不断演化，金融市场网络呈现日益紧密的特征(张群等，2017；谢赤等，2020；张金林和孙凌芸，2020)。第二，将金融科技与金融市场复杂性联系在一起，揭示了金融科技影响金融市场复杂性的可能机制，并探究金融科技发展背景下降低金融市场复杂性的可行路径，对保障新金融体系的健康稳定发展具有重要意义。第三，从金融市场复杂性角度拓展系统性金融风险影响因素的研究，并找到金融市场复杂性诱发系统性金融风险可能存在的临界阈值，对保障金融行业、金融市场乃至经济社会的平稳发展具有启发意义。相比之下，以往对于金融科技影响系统性金融风险的研究多是考虑直接效应(Maximilian et al.，2019；Chen et al.，2019；Fung et al.，2020；方意等，2020；郑兰祥和郝琦琦，2022)，鲜有文献研究金融市场复杂性在其中发挥的作用。

因此，本文基于2012—2020年企业、银行和城市层面数据，分析金融科技对金融市场复杂性的影响，探索缓解金融市场复杂性的可行路径，进一步探究诱发系统性金融风险的金融市场复杂性临界阈值。

二、理论分析与研究假设

总体而言，金融市场复杂性主要有以下三个表现(潘宏胜，2018)。第一，各金融市场资本结构“网状化”，金融深化进程加快。金融科技将金融与信息技术深度融合，改善传统的金融信息供给格局。基于逐利动机，越来越多企业加入金融投资活动行列(庄旭东和王仁曾，2023)。虽然金融科技能够降低企业金融投资成本、拓宽金融投资渠道，但也凭借互联网优势催生出日渐复杂的金融衍生产品，促进金融衍生品在数量、种类、结构和复杂程度等各方面全面发展，呈现历史记录不可靠、未来风险难评估、风险敞口不确定等特点。随着各种复杂的金融衍生产品成为企业的投资对象，大量的资源脱离实体经济部门逆向流入金融等虚拟化程度较高的领域，市场不透明性增加，一旦产品“夭折”损害企业权益，则容易引发系统性金融风险。

第二，银行表外活动快速扩张且日趋复杂，银行与信托、保险、证券、资产管理、金融租赁等各类非银行金融机构建立起广泛而密切的联系。金融科技会扩大影子银行规模。近几年，金融科技快速发展，金融科技能够增强利率市场化效应，大幅降低借贷业务的准入门槛，利率市场化效应缩小了货币市场存贷利差，使银行零利润均衡点左移。金融科技能够帮助更多未能在商业银行实现资本筹集的企业或个人与非银行资本持有者之间搭建起相适配的沟通桥梁，优化了资本市场竞争主体间供求关系的错位匹配程度。但是，互联网金融服务也分流了商业银行的负债业务，压缩了中间业务的发展空间，因此，传统大银行与互联网金融企业间存在竞争现象。影子银行的核心运作基础是把传统银行信贷关系演变为隐藏在证券化中的信贷关系。由于正规金融领域的利率受到严格管制，影子银行依托自身能将次级贷款转化为金融衍生品的特点进行了大量扩张，以此填补商业银行全业务市场。2013年以来，国内商业银行资产结构发生了深刻变化。从表内资产看，贷款的比重逐年下降，投资类业务则快速上升；从表外资产看，理财业务规模大幅增长。其中，部分投资和理财业务的交易结构异常复杂，真实的风险暴露模糊不清。

第三，金融体系资产和负债结构趋向复杂，批发性融资在负债中的重要性明显上升。复杂程度是银行体系的最大危险，而不是规模。金融科技发展使银行对批发性融资的依赖程度逐年提高(邱晗等，2018)。金融科技发展实际上变相推动了中国的利率市场化，进而影响了银行的负债结构，最后影响到银行的资产结构。银行间市场利率由市场决定，高于存款利率。余额宝等互联网理财产品的大部分资金都会投向银行间市场，为居民提供了投资银行间市场的渠道。凭借高额的回报和便捷的支付手段，余额宝等互联网理财产品吸引了大量居民储蓄存款。这种模式的发展导致资金不断从传统的存款渠道向银行间市场转移，再以市场化的利率价格重新进入银行体系。在这一背景下，由于大量资金从存款市场流向银行间市场，银行从传统存款市场获得资金变得更加困难，但在银行间市场获取资金则相对容易，因此银行负债端对批发性融资的依赖程度增加。与此同时，高成本的批发性融资可能使得银行资产端发生改变，由于金融科技推高了银行的负债成本，银行更加偏好选择高风险的资产来弥补损失。

因此，金融科技一定程度上扩大了金融体系的规模，使得企业对金融衍生产品投资增加、银行对批发性融资依赖度提高、影子银行规模扩大。综上所述，本文提出如下假设：

H1：金融科技发展加剧了中国金融市场复杂性。

在金融科技兴起前，中国金融特别是商业银行缺乏外部的系统性竞争者，创新动力不足(吴桐桐和王仁曾，2021)。随着金融科技的发展，金融市场衍生出新的数字金融服务，包括支付服务、货币基金服务、信贷服务、保险服务、投资服务和信用服务，其中金融科技催生的第三方支付功能是社会支付体系进一步升级的推动者，改善了以商业银行为主体的支付体系，是金融机构包括商业银行支付工具和支付体系的重要竞争者。金融科技创新主要包括两条路径(程雪军和尹振涛，2023)：第一是科技深化路径，各类市场主体通过大数据、区块链、人工智能等技术建设金融科技市场；第二是金融需求路径，各类市场主体通过信息科技与金融服务行业相结合形成新的金融业态，如数字货币、大数据金融等。一方面，各类新兴金融机构大量涌现，快速发展的信息技术加快向金融市场渗透，实现对现有金融中介的“脱媒”；另一方面，面对这些领域的竞争，传统金融业特别是商业银行积极应对挑战，广泛运营互联网技术加快改革与创新。新兴金融机构的科技创新和传统金融机构的转型压力加剧了中国金融市场的复杂性。本文提出如下假设：

H2：金融科技通过创新效应加剧金融市场复杂性。

金融市场复杂性可能诱发系统性金融风险。从业务复杂性角度看，银行业在传统业务之外的非利息业务会导致银行的独立风险和系统性金融风险更高。同业业务和理财业务的快速发展使商业银行与其他金融机构业务合作更加紧密，系统关联性增强。从关联复杂性角度看，同业拆借市场连接是金融网络传染流动性风险的重要渠道，风险可以在不同机构间、市场间快速传染，发生系统性金融风险的可能性增大。金融市场层次和产品愈发复杂，部门间关联也更为紧密，进一步放大了金融系统的脆弱性，显著提升了金融风险的传染可能。当风险积聚到一定程度则会诱发系统性金融风险。本文提出如下假设：

H3：金融市场复杂性会诱发系统性金融风险的爆发。

金融科技的发展是一个循序渐进且具有连锁反应的过程，产生的影响可能存在阶段性的特征。金融科技具有脱媒化、虚拟化和普惠性等优势，但在其发展初期，金融科技作用的发挥可能存在较高的不确定性。随着数字金融系统的逐步成熟和数字金融服务的逐步完善，金融科技对金融市场产生的影响将日益显现(聂秀华等，2021)。外部环境对地区金融活动产生重要影响，由于地区之间的制度质量差异，金融科技对金融市场复杂性的影响存在地区异质性。地区制度质量越好，有助于优化市场环境，提高市场资源配置的效率，促进市场公平竞争，缓解金融科技对于金融市场复杂性的加剧作用。因此，本文提出如下假设：

H4：在制度质量较高的地区，金融科技对于金融市场复杂性的加剧作用会得到缓解。

金融科技改变了金融市场原有监管规则，金融科技相关机构及产业绕开了传统金融监管和法律，审慎监管、功能监管、行为监管等应对金融科技所引发的风险乏力(杨东，2018)。2016年4月中国启动的专项整治对金融科技行业规范发展具有重大意义。党的十九届五中全会审议通过的《中共中央关于制定国民经济和社会发展第十四个五年规划和二〇三五年远景目标的建议》，对“完善现代金融监管体系”做出了专门部署、提出了明确要求，对于保障金融稳定具有重要意义。金融科技带来的监管问题不同于传统金融，更加复杂的监管体系和更深的政府介入无法解决其带来的各类风险问题，而监管科技是完善金融科技监管的重要力量。本文提出如下假设：

H5：监管科技能够缓解金融科技对金融市场复杂性的加剧作用。

图1展示了上述理论分析和研究假设之间的逻辑关系，金融科技会直接加剧金融市场复杂性，也会通过金融业务创新间接加剧金融市场复杂性。其中，制度质量和监管科技能够缓解金融科技对于金融市场复杂性的加剧作用。

三、研究设计

(一)变量说明

1.被解释变量

根据潘宏胜(2018)对金融市场复杂性的描述，本文从三个维度度量金融市场复杂性(Comp)。

第一，各金融市场资本结构“网状化”，金融深化进程加快，企业金融衍生产品持有增加。公司持有的金融衍生产品即金融衍生资产，包括股权类衍生产品、利率衍生产品、货币衍生产品和信用衍生产品等等。公司持有金融衍生产品可以帮助规避经营风险，但也可能产生额外的风险。本文选取上市公司的金融衍生资产衡量企业对金融衍生产品的投资(宋军和陆旸，2015)。

第二，金融体系仍是银行业主导，但银行与银行、银行与其他金融机构以及各金融子市场之间的关联度显著上升。出于减少资本占用、规避审慎监管规定、突破分业监管要求等需要，银行表外活动快速扩张且日趋复杂，银行与信托、保险、证券、资产管理、金融租赁等各类非银行金融机构建立起广泛而密切的联系。因此，本文选取银行非保本理财产品发行量来衡量银行表外活动(郭晔和赵静，2017)。

第三，金融体系资产和负债结构趋向复杂，批发性融资在负债中的重要性明显上升。很多金融机构高度依赖批发性融资，同时资产和负债之间存在错配问题。因此，本文选取银行批发性融资量与负债的比例来衡量批发性融资依赖度(邱晗等，2018)。

本文根据上市公司与银行的注册地址所在城市，将上市公司数据与银行数据加总至城市层面，并在城市层面运用熵权法将三个指标合成为一个综合指标，对城市的金融市场复杂性进行量化。其中，三个指标的权重分别为0.512、0.255、0.233。

2.核心解释变量

目前学界对中国金融科技发展的研究面临数据缺失困境。学者主要采用两种方法对金融科技进行量化：一类是采用“文本挖掘法”，通过统计金融科技相关关键词在新闻、研报中的词频合成构建金融科技指数(沈悦和郭品，2015；李春涛等，2020)；另一类是采用郭峰等(2020)编制的北京大学数字普惠金融指数。该指数运用了蚂蚁金融服务集团的微观数据，从互联网金融服务的覆盖广度、使用深度和数字化程度三个维度量化区域金融科技发展水平(邱晗等，2018)。

因此，本文结合以上两种方式衡量金融科技发展水平(Fintech)。第一，借鉴盛天翔和范从来(2020)的研究，采用金融科技相关关键词的百度搜索指数。百度作为领先的中文搜索引擎，在国内搜索引擎市场上几乎处于垄断的绝对优势地位(李春涛等，2020)。互联网搜索行为是网络大数据中比较有代表性的信息，能够帮助进行宏观经济预测(刘涛雄和徐晓飞，2015)。人们在网络上搜索的数据是基于需求的数据，可以用于现状追踪和趋势预测(Eysenbach，2009；Ripberger，2011)。通过百度搜索金融科技相关关键词所得到的搜索数量，能够比较准确地反映相关地区金融科技的发展水平。因此，本文借助金融科技相关关键词的百度搜索频率，构建金融科技指数，该指数不仅反映了金融科技的发展过程，还能反映金融科技在不同地区之间的发展差异。第二，本文使用郭峰等(2020)编制的北京大学数字普惠金融指数(Inclu)衡量地区金融科技发展情况，用于稳健性检验。

考虑到技术水平是金融科技服务提供的基础，本文在参考金融稳定理事会(Financial Stability Board，FSB)的定义和相关研究的基础上，确定本文词库如表1所示。本文运用Python爬取2012—2020年金融科技相关关键词在样本城市的百度搜索指数。将关键词全部采集后，从支付结算、资源配置、风险管理、信息传递、技术实现、相近概念六个维度进行汇总，并采用熵权法确定权重，将所有指数合成为综合指数。用合成指数除以城市总人口数，衡量各城市金融科技发展水平。

表1 金融科技关键词词库

3.门槛变量

金融科技发展是一个循序渐进的过程，对金融市场复杂性的影响可能存在阶段性特征。尽管从长远看，金融科技无疑为金融市场高质量发展带来动力，但金融科技发展初期可能存在较高的不确定性风险。随着金融科技系统的逐步成熟，金融科技的服务功能逐步完善，其对金融市场的正面作用将日益显现和增强。因此，本文以金融科技(Fintech)自身作为门限变量，观测其对于金融市场复杂性影响的阶段性特征。

金融健康发展高度依赖于地区制度环境。当地区制度质量较差时，金融科技可能面临监管缺失，其发展不可持续，缺少试错环境，因此无法释放对市场的正面影响，不利于金融科技对金融市场良性发展的促进作用。反之，好的制度环境可以抑制金融科技野蛮生长，缓解金融科技给金融市场带来的负面影响，更好发挥金融科技的价值。本文借鉴聂秀华等(2021)的研究，选取制度质量(Ins)作为门限变量，探究制度质量在金融科技影响金融市场复杂性过程中发挥的作用。

为探究金融市场复杂性与系统性金融风险之间的关系，本文借鉴张瑜和朱衣豪(2020)的研究，选取中国系统性金融风险指数(Srisk)衡量金融风险。系统性金融风险指数以假定出现重大风险时金融机构预计资本缺口计算而来，进而探究金融市场复杂性与系统性金融风险之间的非线性关系。另外，本文选取长期MES指标(Mes)衡量系统性金融风险进行稳健性检验。

4.控制变量

本文选取以下变量作为控制变量：(1)传统金融竞争程度(Hhi)，用地区内银行市场竞争程度作为传统金融竞争的代理变量(姜付秀等，2019)；(2)产业结构(Stru)，金融业和高新技术产业被包含在第三产业中，在地区发展水平较高时，由于要素禀赋结构具有资本丰富而劳动力短缺的特征，主导产业通常是资本密集型的第三产业，金融科技发展较成熟(邵汉华和Liu，2018)，因此本文用第三产业产值占比衡量；(3)吸引风险投资得分(Re)，风险投资的特色在于以高风险追求最大的投资报酬，将资金投入“高风险、高科技、高成长潜力”的企业以实现资金增值，然而资本的无序扩张会影响金融市场稳定性，本文拟用新增风险投资的企业数量衡量；(4)经济发展水平(Pgdp)，用区域人均国民生产总值衡量；(5)传统金融发展(Tf)，用金融机构贷款余额与地区生产总值之比衡量。

指标选取和衡量情况详见表2。

表2 主要变量定义

(二)样本与数据来源

本文相关数据来源主要包括以下5个部分：(1)中国上市公司2012—2020年的股权数据和地理信息均来源于国泰安数据库；(2)中国银行2012—2020年的地理信息、批发性融资量和非保本理财产品发行量来源于BankFocus数据库和Wind数据库；(3)衡量地级市或直辖市层面金融科技发展水平的相关数据来源于“金融科技”相关关键词的百度搜索数量；(4)传统金融竞争数据是根据中国银保监会发布的全国金融机构许可证信息并按照地区与年度进行分类计算得到的赫芬达尔指数，中国市场化指数来自王小鲁等(2019)编制的《中国分省份市场化指数报告》；(5)系统性风险数据来自于美国纽约大学斯特恩商学院波动实验室(New York University Stern Volatility Laboratory，https://vlab.stern.nyu.edu/zh/srisk)；(6)其他宏观社会经济变量数据均来源于《中国城市统计年鉴》。本文根据上市公司、银行总行所在城市信息进行匹配形成了2012—2020年的平衡面板数据，最终获得846条样本数据，变量描述性统计结果如表3所示。

表3 变量的描述性统计结果

(三)模型设定

1.固定效应回归模型

本文建立基准线性回归模型，初步验证金融科技是否会影响金融市场复杂性的演进。模型构建如下：

其中，Comp代表金融市场复杂性；Fintech代表地区金融科技发展水平；Ctrls代表一系列控制变量，包括传统金融竞争程度、产业结构、吸引风险投资得分、经济发展水平、传统金融发展；i表示城市，t表示年份，ε为误差项，γ0为截距项，θi为城市固定效应，μt为年份固定效应。

2.门槛回归模型

为探究金融科技对金融市场复杂性与金融市场复杂性对系统性金融风险影响的阶段性特征，本文使用门限模型分别进行分析。构建模型如下所示：

其中，thresholdit代表门限变量，I表示指标函数，δ为具体的门限值。

四、实证结果与分析

(一)基准回归

本文运用固定效应回归模型实证检验金融科技对金融市场复杂性演进的影响，回归结果如表4所示。研究发现金融科技对金融市场复杂性存在显著的加剧作用，即金融科技发展水平越高，金融市场越复杂，具体表现为企业金融衍生产品投资增加、银行批发性融资依赖性提高以及非保本理财产品发行量激增。在控制了城市和年份固定效应后，金融科技(Fintech)的系数在未加入控制变量和加入控制变量的情况下均显著为正，假设H1得到验证。

表4 固定效应模型回归结果

金融科技作为金融与科技的产物，能够拓宽企业金融投资渠道，在混业金融产品创新层出不穷的背景下，企业金融衍生资产不断增加。金融改革和互联网的发展也加剧了传统金融行业的竞争，银行竞争愈发激烈，使得影子银行规模持续扩大。同时，金融体系资产和负债结构趋向复杂，批发性融资在负债中的重要性逐年上升，很多金融机构高度依赖批发性融资。金融科技克服了物理空间和事件约束，提高了金融功能效率，促进了金融深化，同时也给传统金融业带来了竞争压力，推动了金融市场复杂性的演进。

(二)内生性讨论

考虑到可能存在因遗漏变量或测量误差而产生的内生性问题，本文进一步使用两阶段最小二乘法(2SLS)对内生性问题进行讨论，削弱其带来的影响，并使用人力资本水平(Hc)作为工具变量。从相关性看，人力资本水平与金融科技发展存在紧密联系，是助力金融科技协调发展的重要因素(王荣等，2023；张岳和易福金，2022)，金融科技同时具有金融和科技属性，地区人力资本水平越高、越有利于金融科技水平的发展；从外生性看，人力资本水平(Hc)不会对金融市场复杂性产生直接影响。因此人力资本水平(Hc)满足工具变量的相关性和外生性的假设。

本文借鉴李江辉等(2019)的方法，采用中央财经大学中国人力资本与劳动经济研究中心公布的各省人均实际人力资本水平作为区域人力资本水平的代理变量。表5中相关检验结果显示，F统计量大于10，不存在识别不足和弱工具变量问题，满足工具变量的相关统计要求。第一阶段回归系数显著为正，说明人力资本的提升能够促进金融科技的发展。在第二阶段回归结果中，解释变量(Fintech)的系数显著为正，说明在考虑内生性问题后，金融科技加剧了金融市场复杂性，与原模型结论一致，验证了本文实证结果的稳健性。

表5 工具变量法内生性检验结果

(三)稳健性检验

本文选用北京大学数字金融研究中心编制的普惠金融发展指数(Inclu)替代金融科技百度搜索指数来进行稳健性检验。采用固定效应模型的回归结果如表6列(1)(2)所示，普惠金融发展指数(Inclu)系数均显著为正，再次验证金融科技对金融市场复杂性具有加剧作用。

表6 稳健性检验结果

考虑到熵值法是根据指标波动情况来确定权重的，一些指标虽然波动小，但对金融科技发展水平的反映程度可能较高，可能会造成研究结果失真。因此，本文借鉴盛天翔和范从来(2020)的思路，采用简单算数平均的方式，汇总得到金融科技发展指数(Afin)，再次采用固定效应模型回归，进一步检验基准回归结论的稳健性。结果如表6列(3)(4)所示，在控制了城市效应和时间效应后，金融科技发展水平指数系数分别为0.162和0.140，均在5%水平下显著，与前文结论一致。

五、进一步分析

(一)异质性分析

不同城市、不同地区在资源禀赋、经济发展水平上存在巨大差异。为验证前文结果的稳健性，本文将样本分为一线城市(包括新一线城市)和二线城市分样本和其他城市分样本进行异质性分析。按照《第一财经》对城市的划分，一线城市包括上海、北京、广州和深圳，新一线城市包括成都、重庆等，二线城市包括佛山、沈阳等。

由表7结果可以看出，在控制城市效应和时间效应的条件下，一线城市(包括新一线城市)和二线城市分样本的Fintech系数显著为正，而其他城市的Fintech系数不显著。未加入控制变量时，一线城市(包括新一线城市)和二线城市分样本的Fintech系数为0.183，加入控制变量后，Fintech系数为0.166，说明经济发达地区金融科技的发展对金融市场复杂性产生的影响更大；而经济欠发达的其他城市，仍然是传统金融业占主导地位。

表7 异质性分析结果

(二)机制分析

首先，本文选取郭峰等(2020)编制的北京大学数字普惠金融指数(Inclu)中的分指数对金融科技影响金融市场复杂性的路径进行初步探究，结果如表8所示。其中，数字金融使用深度(Ud)包括支付服务、货币基金服务、信贷服务、保险服务、投资服务和信用服务，能够较为全面地量化数字金融服务使用情况；数字金融覆盖广度(Cb)为电子账户覆盖率；普惠金融数字化程度(Dl)主要体现数字金融的移动化、实惠化、信用化和便利化。表8显示数字金融覆盖广度(Cb)系数为负，但不显著，说明金融科技并不会通过提高电子账户覆盖率对金融市场复杂性产生影响。数字金融使用深度(Ud)和普惠金融数字化程度(Dl)的系数显著为正，说明金融科技的发展推动了金融服务数字化创新并降低了金融信贷服务门槛，进而会对金融市场复杂性产生影响。其中，数字金融使用深度(Ud)系数最大为0.446。假设H2得到初步验证。

表8 数字普惠金融指数分指数回归结果

金融稳定理事会(FSB)定义金融科技为新技术带来的金融创新，它能创造新的业务模式、应用、流程或产品，从而对金融市场、金融机构或金融服务的提供方式产生重大影响。一定程度上，金融科技专利更能够反映金融科技的创新性和颠覆性，因此，本文借鉴吴桐桐(2021)的研究，运用金融科技专利申请量来衡量金融科技创新。本文运用Python对中国专利信息中心提供的专利之星检索系统(Chinese Patent Retrieval System，CPRS)进行爬虫批量获取专利数据信息，再使用机器学习算法来识别和分类金融科技专利，然后剔除个人申请专利，再根据专利数据的地理信息与金融市场复杂性指标数据匹配并进行回归。回归结果如表9所示，金融科技专利Patent的系数显著为正，再次说明金融科技对金融业务的创新效应会加剧金融市场复杂性的演进，验证了前文结果的稳健性。

表9 金融科技专利回归结果

(三)金融科技对金融市场复杂性影响的路径优化分析

为探究金融科技对金融市场复杂性影响的阶段性特征，本文构建了以制度质量(Ins)及金融科技发展水平(Fintech)为门限变量的门槛回归模型，自抽样结果如表10中Panel A所示。门槛值分别为6.6900和0.0468，且均通过1%水平的显著性检验，即模型通过一重门槛检验，说明金融科技对金融市场复杂性的影响会因自身发展水平和制度质量的不同而呈现阶段性的特征。

表10 金融科技门槛模型回归结果

从表10中Panel B列(1)可以发现，当制度质量水平低于门槛值6.69时，金融科技(Fintech)系数为0.210，且在1%水平下显著；当制度质量水平跨越这一门槛值后，其边际影响系数降低至0.151。在好的制度环境下，金融科技能够得到稳定健康的发展，金融科技对金融市场复杂性的加剧效应会得到削弱，更多释放其对金融市场的正面效应，假设H4得到验证。从表10中Panel B列(2)可知，当金融科技指数低于门槛值0.047时，金融科技(Fintech)系数为0.260，且在1%水平下显著；当金融科技发展水平跨越门槛值后，其系数降低为0.151，说明金融科技发展对金融市场复杂性存在阶段性影响。金融科技在发展初期对金融市场存在不确定风险，并且缺乏有效监管，使金融科技加剧了金融市场复杂性。随着金融科技的发展成熟，其对金融市场复杂性的影响逐渐削弱，给金融市场带来的正面效应逐渐取代负面效应。

新型数字金融服务给传统金融机构带来了转型压力与存款竞争，使商业银行不断扩张影子银行规模，更加依赖批发性融资，加快推出创新型金融产品以提高自身竞争力。并且数字金融服务具有混业特征，例如，以余额宝为代表的“第三方支付+货币市场基金”合作产品。余额宝通过“T+0”和移动支付，使货币市场基金既能用作投资品，也能用作货币，同时实现了支付、货币、存款和投资四个功能。许多金融产品(或投资品)同时具有类似现金的支付功能，称为“金融产品货币化”。这对货币政策和金融监管都是挑战，加剧了金融市场复杂性。

伴随着金融科技的发展，金融监管变革势在必行(张晓燕和姬家豪，2023)。2018年12月，中国人民银行等六部委出台《关于开展金融科技应用试点工作的通知》，提出将在北京市、上海市、江苏省、浙江省、福建省、山东省、广东省、重庆市、四川省、陕西省组织开展金融科技应用试点工作。2019年金融科技创新监管试点工作正式启动，各金融科技应用试点地区针对监管创新、“监管沙盒”试点展开了率先试验。因此，本文将这10个省市作为实验组赋值为1，其余省市作为对照组赋值为0。2019年为政策实施年份，因此2019年、2020年赋值为1，2012—2018年赋值为0。最后将组别虚拟变量与时间虚拟变量相乘得到“监管沙盒”变量(Sandbox)并进行调节效应回归。由表11列(1)(2)可以看到，交互项Fintech×Sandbox的系数显著为负，说明“监管沙盒”的运用能够对金融科技起到有效的监管作用，抑制其对金融市场复杂性的加剧效应。传统的金融监管规则无法很好地适应金融科技的发展，“监管沙盒”作为一种事前过滤器，能够让金融创新产品和金融科技企业在相对宽松的环境下进行测试，过滤掉风险较大、监管套利的金融创新产品，同时监管者也能有针对性地决定监管手段，提高监管效率，引导并促进金融科技健康发展，假设H5得到验证。

表11 监管科技的监管效应

(四)金融科技、金融市场复杂性与系统性金融风险

为探究金融市场复杂性与系统性风险之间的非线性关系，本文构建了以金融市场复杂性(Comp)为门限变量的门槛回归模型，自抽样结果如表12中Panel A所示。金融市场复杂性(Comp)对于影响系统性金融风险(Srisk)存在一个门槛值，当系统性金融风险为Srisk指标时，如Panel A第(1)行所示，金融市场复杂性门槛值为0.0004；当系统性金融风险替换为Mes指标时，如Panel A第(2)行所示，金融市场复杂性门槛值为0.0061。由表12中Panel B列(1)可知，当低于门槛值0.0004时，金融市场复杂性(Comp)的系数为负但不显著；而高于门槛值0.0004时，金融市场复杂性(Comp)的系数显著为正，说明当金融市场复杂性较低时，并不会产生显著负面影响，而当复杂性增长超过一定阈值时，则容易诱发系统性金融风险。根据表12中Panel B列(2)的结果，将系统性金融风险指标由Srisk替换为Mes后，结论依旧成立。由此可见，金融科技创新、金融市场的复杂性和系统性金融风险三者之间并不是简单的线性单调递增关系，只有当金融市场复杂性程度超过阈值时，金融市场节点之间的相互联系会成为风险传染的渠道，一部分金融机构的冲击容易传导到整个系统，大幅提高了系统性金融风险的发生概率。

本文借鉴Dippel et al.(2022)的因果识别方法，探究金融科技在金融市场复杂性影响系统性金融风险中发挥的作用。Dippel et al.(2022)的因果识别方法允许解释变量的误差项正交于中间变量的误差项、中间变量的误差项正交于被解释变量的误差项，有效克服了中间变量的内生性问题，因此，一个满足解释变量的有效工具变量即可识别整个两阶段模型。该方法能够通过中间变量将解释变量的直接影响(直接效应)从其总效应中分离出来，得到金融科技通过金融市场复杂性影响系统性金融风险的间接效应。本文使用中央财经大学中国人力资本与劳动经济研究中心公布的各省人均实际人力资本水平(HC)作为工具变量进行回归。表13列(1)显示，金融科技发挥的间接效应系数为0.689，且显著为正，说明金融科技的发展提高了金融市场复杂性，进而导致了系统性金融风险的增加。表13列(2)显示，将系统性金融风险指标Srisk替换为Mes后，金融科技的间接效应依然显著为正，验证了结果的稳健性。假设H3得到验证。

表13 金融科技、金融市场复杂性与系统性金融风险

六、结论与建议

本文基于2012—2020年企业、银行和城市层面数据，运用固定效应模型和门槛模型，探究金融科技对金融市场复杂性演进的影响。研究发现，金融科技会通过金融业务创新加剧金融市场复杂性，其发展初期的加剧效应明显高于发展成熟期，同时经济发达地区金融科技的加剧效应更大；此外，制度质量的提升和监管科技的运用能够有效缓解金融科技的加剧效应；进一步研究发现，金融市场复杂性诱发系统性金融风险存在一个阈值，低于阈值时并不会发生系统性金融风险，而高于阈值时系统性金融风险发生概率显著提升。

金融市场复杂性是金融发展过程中规避系统性金融风险必须重视和解决的难题。当前国内经济金融形势较为复杂，金融市场变复杂的结果是各类风险因素不断积聚，从而引发系统性金融风险。在当前信息技术与金融行业融合加快的大环境下，应当引导金融科技可持续健康发展，并从企业、银行和政府等多个层面做好系统性金融风险的预防工作。结合实证研究结论，为防止金融市场复杂性的持续加深，本文提出如下建议：

第一，创新的发展往往超前于现行监管，政府需要平衡金融创新与金融监管之间的关系，给予金融创新适当的容错环境，做好事前和事后风险过滤工作，完善“监管沙盒”制度。监管机构应充分利用“监管沙盒”这一监管技术，将其更广泛、更灵活地推行开来，使其与我国金融市场现状相结合，为金融科技创新保驾护航，打造符合我国金融科技业态的“监管沙盒”机制。

第二，企业是经济活动的主体，也是金融风险防控的微观基础。目前金融科技发展很快，但还不够完善成熟，因此，企业要正确运用金融科技带来的普惠性，政府需要加强监管，缓解金融科技发展带来的企业金融化问题。深化企业的内部治理改革是防止企业“脱实向虚”的关键任务，是支持实体经济、维护金融安全的有效保障。

第三，金融科技的兴起导致了传统银行与互联网金融企业之间的竞争，造成银行对批发性融资依赖度提高和影子银行规模扩张。银行过于依赖批发性融资会增加自身风险，监管部门应该加强对银行批发性融资的监管，稳步推进存款利率市场化改革，引导银行适度发展批发性融资，进一步优化资产负债结构，客观认识批发性融资市场，防止过度依赖批发性融资而引发金融市场系统性风险。针对影子银行乱象，银行要充分利用互联网技术化被动为主动，实现数字化转型，将金融科技运用到业务创新和风险管理中，提高自身竞争力，控制非保本理财产品发行量。 ■

[基金项目：国家社会科学基金重点项目“金融科技驱动金融市场结构演进、效率变迁及金融稳定性演化研究”(编号：19AJY025)]