金融科技对商业银行全要素生产率的影响及作用机制

胡国晖，朱露露

（武汉理工大学经济学院，湖北武汉 430070）

1 研究背景

近年来，金融科技在我国取得了蓬勃发展，前沿颠覆性技术对传统金融的业务模式、产品创新和流程管理等方面产生了巨大影响。2017 年，我国组建了中国人民银行金融科技委员会，以增强对我国金融科技发展的宏观规划和协调。2019 年，中国人民银行发布的《金融科技（FinTech）发展规划（2019—2021 年）》指出应持续推进金融科技发展，加快金融业转型升级步伐，促进金融服务的质量改进和效率提升，提高我国金融业的核心竞争力。2021 年，我国《金融科技（FinTech）发展规划（2022—2025 年）》提出要加强核心技术金融应用深度，深入推进金融机构数字化发展，创新优质金融产品，为实体经济发展赋能。2022 年，《中国金融科技和数字普惠金融发展报告（2023）》提出中国银行业数智化转型步伐加快，银行的金融科技投资额持续上涨。可见，金融和科技的深度融合既指明了我国金融业改革的方向，又有助于推动经济高质量发展。

当前，我国商业银行仍缺乏创新，存在金融产品单一、金融服务粗放和服务流程繁琐等问题，而金融科技的出现给传统商业银行的业务模式、产品创新和流程管理等方面的改进提供了新思路。商业银行开始与金融科技公司合作、增加创新活动投入、招揽金融科技人才以推动自身业务和经营的数智化发展。全要素生产率是综合考虑了技术水平、创新能力、管理效率和资源配置等各个方面的综合生产率［1］。我国金融体系是银行主导型，提高商业银行全要素生产率能够增强我国金融业综合实力、推动实体经济高质量发展，那么，金融科技如何影响商业银行全要素生产率？对此，目前的相关研究较为欠缺，因此本研究通过理论分析和实证分析探索金融科技如何影响商业银行全要素生产率，并对该影响在不同银行间的异质性表现进行讨论。

2 理论分析与研究假说

金融科技近年来发展迅速，广泛应用于移动支付、网络信贷、智能理财、风险管理等领域，为金融业高质量发展提供了动力，但金融科技通过何种途径影响商业银行全要素生产率尚不明确。本研究从金融科技对我国商业银行的创新能力、人力资本结构、经营管理水平3 个方面的影响出发，论证金融科技与商业银行全要素生产率之间的关系。

第一，金融科技推动了商业银行创新能力的提升，进而提高了商业银行全要素生产率。首先，互联网金融的技术溢出促进了商业银行全要素生产率的发展［2］，金融科技的领先技术对商业银行产生示范作用，商业银行通过学习、模仿实现技术进步，有利于提高自身全要素生产率。其次，金融科技公司推出的网络信贷、移动支付等服务挤占了商业银行在信贷和支付等领域的市场份额［3］，给原本处于这些领域垄断地位的商业银行带来了挑战，倒逼商业银行提供多元化的产品和服务，推动了银行对产品和技术优化升级的步伐。最后，如张德茂等［4］、金洪飞等［5］的研究指出，商业银行利用人工智能、大数据、云计算、区块链等技术分析和洞察客户需求逐渐完善客户画像，完备的客户信息使银行能够将客户需求更广泛地纳入到金融产品和金融服务的供给过程中，使得商业银行产品和服务的供给模式实现从供给导向型向需求导向型转变，消费者需求成为银行创新发展的重要驱动力。基于此，提出如下假设：

假设1a：商业银行创新能力在金融科技正向作用于银行全要素生产率的过程中起中介作用。

第二，金融科技优化了商业银行人力资本结构，从而促进了商业银行全要素生产率的提升。互联网金融的人员流动效应可以使银行吸收优质的金融科技人才［2］，商业银行通过引进作为高科技载体的金融科技企业员工，提高了银行职工的素质和技术水平，提升了商业银行的核心竞争力。商业银行员工为保持自身竞争力开始注重和培养自身营销能力，增加与客户接触的频率和深度，增强自身的不可替代性。张杰雄［6］的研究指出，商业银行在发展金融科技时会加大对培养复合型人才的投入，增强对员工的金融创新技能的培训。曹乾等［7］、陆岷峰等认为［8］，金融科技的发展使银行业务自主化、线上化，银行的产品、客户、渠道、营销等方面也发生了优化和改进，银行的种种转变增加了其对高知识、复合型人才的需求，在日常经营管理活动中提高所投入人力资本和知识资本的质量可以有效促进企业效率提升［9］。基于此，提出如下假设：

假设1b：商业银行人力资本结构在金融科技正向作用于银行全要素生产率的过程中起中介作用。

第三，商业银行的经营管理水平在金融科技的影响下明显改善，进而提高银行全要素生产率。首先，在银行提供金融产品及金融服务过程中，金融科技能帮助银行迅速完成对客户的信息搜集、信息处理和信息验证过程，加速了金融服务流程，降低了为提供金融产品及金融服务过程中发生的交易成本［10］，提高了银行生产效率。其次，金融科技提高了商业银行获取客户“软信息”的能力，缓解商业银行面临的信息不对称问题，银行利用金融科技有益于其对潜在客户的识别［11］。商业银行与外部高科技平台合作，筛选出优质小微企业，增加了其普惠贷款发放意愿，实现其客户群体的扩容［12］，提高了银行的资源利用效率。最后，刘忠璐［13］认为互联网金融通过扩张商业银行风险数据源、优化升级商业银行风险管理模型方法、整合商业银行的信息技术（IT）框架，进而打造方便快捷与灵活精准的商业银行风险管理技术平台、优化商业银行风险管理流程等方式，显著提高了商业银行风险识别及风险控制能力，从而有效地提高了银行的资金配置效率。基于此，提出如下假设：

假设1c：商业银行经营管理水平在金融科技正向作用于银行全要素生产率的过程中起中介作用。

我国银行在组织结构、资产规模、经营管理等方面存在差异，不同商业银行对金融科技发展进程的认知和应对策略也不尽相同，因此金融科技正向作用于银行全要素生产率的程度并不一致。本研究将从不同银行类型、银行上市情况和银行分支机构数量三方面出发，对该影响进行异质性分析。从不同类型的银行来看，由于大型国有商业银行复杂的管理结构、虚置的所有权令其难以对外部环境作出准确判断和及时反应。在传统金融机构数字化转型的大环境下，国有银行对其业务及经营模式进行调整的决定往往需经过层层审批，效率较低；此外，国有银行拥有隐性“政府担保”以及“大而不倒”的特殊地位，当面对外部不利冲击时，国有银行主要依赖政府支持而非自主提高自身竞争力。这导致国有商业银行对于互联网金融的反应较为迟钝［2］。

股份制商业银行经营自负盈亏，产权界定和公司治理相对更加科学［13］。其利润约束目标天然地不断激励其提升全要素生产率，因而其业务创新能力和业务多元化发展能力较强［14］，在金融科技公司挤占银行业务时，股份制银行更容易找到突破点；此外，股份制银行对其员工的管理机制和激励机制更加科学，更容易吸引金融科技公司的人才流入，有助于优化人力资本结构。因此，股份制商业银行全要素生产率受金融科技发展影响较大。

城市商业银行（以下简称“城商行”）的目标客户群体与金融科技关注的小微金融和普惠金融领域相似［15］，金融科技的发展对其自身全要素生产率的提升最具借鉴意义；同时，城商行往往规模较小、组织结构较为精简，具有“船小好掉头”的特点，当金融科技快速发展时能够迅速学习金融科技公司在技术以及金融业务方面的创新；此外，城商行原本在获取客户“软信息”能力方面具备优势，金融科技助益了城商行这一能力的进一步提高，更大程度地提升了城商行“活客、获客”能力。所以，城商行全要素生产率受金融科技发展的影响也比较大。

农村商业银行（以下简称“农商行”）建立的初衷是支持农村经济发展及满足农民的实际需求。农民的金融知识及互联网知识的相对匮乏导致其金融服务需求相对单一，相比于金融科技公司，农村金融需求更加青睐商业银行和金融机构。由于农商行的服务对象具有较高的忠诚度，受金融科技的冲击较小，因此相对其他类型银行缺乏应对金融科技冲击的动力。此外，农村地区的互联网建设相对落后，金融科技的信息优势也不明显，金融科技对农商行的赋能作用较小［13］。因此，现阶段农村商业银行全要素生产率受金融科技发展影响较小。

综上，提出如下假设：

假设2a：金融科技正向作用于银行全要素生产率的程度因银行股权结构而异。

从上市情况来看，商业银行的上市约束条件较多，如对于盈利能力、股权结构、注册资本等方面的要求，因此，上市商业银行具有较强的核心竞争力以及综合实力［16］。面对金融科技的冲击时，实力强大的上市银行会在技术上投入更多以提高效率；此外，进入资本市场的上市银行受到市场监督，其经营管理人员有动机不断提高公司治理水平，金融科技对商业银行的正向影响程度随银行治理水平的提高而增大［17］。故而，金融科技促进商业银行全要素生产率提升的效应在上市银行中应该表现得更为明显。基于此，提出如下假设：

假设2b：金融科技更大程度促进了上市银行全要素生产率提升。

从分支机构数量来看，杨望等［15］认为分支机构较多的商业银行在人才引进以及与当地金融科技公司开展合作方面更具有优势，金融科技对此类商业银行的有利影响更大；郭丽虹等［12］从金融地理异质性出发，指出与银行总部距离较远的分支行，其普惠贷款经营成果和风险控制能力会受到金融科技更大程度的正向调节作用。可见，金融科技促进商业银行全要素生产率的提高，在分支机构较多的银行中可能表现更为明显。基于此，提出如下假设：

假设2c：金融科技对银行全要素生产率的促进作用在分支机构较多的银行更显著。

3 研究设计

3.1 样本和数据来源

根据国家金融监督管理总局的划分标准，考虑数据的完整性，选取我国5 家国有银行、9 家股份制银行、45 家城市商业银行、11 家农村商业银行，共计58 家商业银行作为研究对象。其中，商业银行投入、产出等微观层面数据来源于BankFocus 和CSMAR 数据库；金融科技公司数量来自天眼查网站；宏观层面数据来源于《中国统计年鉴》。为保证研究的时效性，并在较长时段内探究金融科技对银行全要素生产率的影响以加强结论的可靠性，设置研究数据的时间跨度为2012—2021 年。

3.2 变量定义

3.2.1 被解释变量

采用众多学者使用的前沿分析法来测度商业银行全要素生产率。前沿分析法中的非参数法不需要确定生产函数，并且对样本量纲不设限制［18］。商业银行的个体差异以及银行在不同时期特定的经营管理模式意味着无法对商业银行的生产函数作出准确假定，所以此处银行全要素生产率采用非参数法中的数据包络分析法（data envelopment analysis,DEA）进行测算。首先，测算反映全要素生产率t+1 期相对于t期变化率的Malmquist指数。测算公式形式如下：

参考刘笑彤等［19］、杨望等［15］、蒋殿春等［18］的研究，商业银行投入指标选取银行工作人员总数、吸收存款总额和固定资产总额，产出指标选取税前利润和贷款总额。

其次，借鉴蒋殿春等［20］的做法，通过如下方程计算银行全要素生产率：

3.2.2 解释变量

目前，金融科技发展迅速、创新形式多样，但缺乏全面、统一的数据统计，大部分文献中金融科技发展水平通过以下3 种方法衡量：第一种直接用数字普惠金融指数来衡量，如邱晗等［21］的研究，其不足之处在于数字普惠金融强调“普惠”这一概念，并不能准确地反映金融科技发展水平。第二种是从金融功能观出发构建金融科技词库，借助百度搜索引擎，采用因子分析法测算金融科技发展指数，如沈悦等［2］、杨望等［15］的研究，但此法一方面因新闻重复转发问题可能导致指数测算偏差较大［22］，另一方面在 2016 年后我国已进入金融与科技深度融合的第三阶段，此时的金融科技不同于前两阶段，即“金融+技术”阶段和“金融+互联网”阶段，金融科技的发展不再局限于金融机构办公和业务的电子化、线上金融业务平台的搭建等方面，因此在2015 年根据金融功能观构建的金融科技发展指数已不能真实反映金融科技发展状况。第三种是以金融科技公司数量为基础构建金融科技发展指数，如宋敏等［22］指出，传统金融机构发展金融科技主要通过与外部金融科技公司建立合作以及成立金融科技子公司两种方式。金融科技公司数量一方面可以较为直观、准确地反映金融科技发展水平，另一方面能够更加准确地度量金融科技对商业银行的影响程度，所以本研究选择以金融科技公司数量来测度金融科技发展指数。具体实现过程如下：首先登录天眼查网站，将搜索范围确定在企业名称和经营范围中，以“金融科技”“云计算”“大数据”“区块链”“人工智能”“物联网”作为关键词进行检索，剔除其中经营状况为注销、吊销、停业等非正常状态的公司，导出检索所得的相关公司信息。基于上述步骤筛选出的企业包括纯粹的科创企业，为确保筛选所得公司既发展先进技术又将其运用于金融领域，对获取的数据进行二次处理，筛选出公司经营范围（剔除了其中“不含……业务”“不得从事……业务”等文本）中包括“金融”“保险”“信贷”“清算”“支付”的公司样本。最后，对每年的金融科技公司数量做对数化处理，得到金融科技发展指数。

3.2.3 中介变量

中介变量应受金融科技发展的影响且会对商业银行全要素生产率变化起作用，因此，参照周建等［23］和吴成颂等［24］的做法，将手续费及佣金收入取对数后作为银行创新能力的代理变量；学历往往能直观地体现员工的专业技能高低和文化水平，选用银行职工中硕士学位占比作为人力资本结构的代理变量；成本费用率是评价企业成本费用控制和经营管理水平的财务指标，选取成本费用率作为银行经营管理水平的代理变量。

3.2.4 控制变量

商业银行全要素生产率会受到宏观经济环境和银行个体差异的影响，控制变量的选择参考已有文献，在宏观层面，如郭品等［2］以及杜莉等［16］指出，银行全要素生产率受宏观经济发展水平（Economy）、经济开放水平（Trade）以及金融深化程度（Finance）的影响，因此分别用GDP 增速、进出口贸易总额与GDP 比值、M2 与GDP 比值表示；在微观层面，银行全要素生产率会受到银行存贷比、银行流动性水平的影响，故参考沈悦等［2］、杨望等［15］的研究，分别用客户存款与贷款之比、流动资产与总资产之比来表示。

各变量含义以及描述性统计结果见表1。

3.3 模型设定与方法选择

3.3.1 基准回归模型

构建回归模型如下分析金融科技对商业银行全要素生产率的作用：

3.3.2 中介效应模型

采用温忠麟等［25］提出的依次检验法，建立如下递归方程来检验金融科技如何影响商业银行全要素生产率：

式（4）～式（6）中：a表示金融科技对中介变量的效应；b表示在控制金融科技的基础上中介变量对银行全要素生产率的影响；c是金融科技对银行全要素生产率的总效应；c′是在控制中介变量的基础上金融科技对银行全要素生产率的直接效应。如若a、b都显著且正负方向相同，则中介效应存在；如c′显著，则存在部分中介效应，若c′不显著，则存在完全中介效应。

4 实证分析

4.1 多重共线性检验

为排除解释变量间存在的高度关联问题，确保回归方程设定的科学性，对上述模型进行多重共线性检验。结果如表2 所示，各解释变量的方差膨胀因子（VIF）都比10 小，故模型无多重共线性问题，可以进行后续检验。

表2 模型的多重共线性检验结果

4.2 基准模型回归

首先采用静态面板混合普通最小二乘法（OLS）模型、固定效应模型（FE）和随机效应模型（RE）3 种模型，运用式（3）分别进行估计，结果见表3。结果显示，金融科技发展指数的估计系数均为正，表明金融科技提升了商业银行全要素生产率，与以上分析结论一致，并且在一定程度上说明了基准回归结果的稳健性。将3 个模型两两对比发现，固定效应模型最优，所以以下采用固定效应模型进行分析。

表3 样本变量基准回归分析结果

4.3 中介效应检验

为验证金融科技怎样作用于商业银行全要素生产率、商业银行创新能力、商业银行人力资本结构和商业银行经营管理水平，基于式（4）进行中介效应检验。结果如表4 所示，金融科技对全要素生产率的估计系数为正显著，表明金融科技发展正向作用于商业银行全要素生产率；对银行创新能力和银行人力资本结构的系数也均为正显著，说明金融科技对商业银行的创新能力和人力资本结构均起正面作用；对成本费用率的系数为负显著，表明金融科技的发展能显著改善商业银行的经营管理水平、降低其成本费用率。

表4 样本变量中介效应检验结果

采用式（6）进行回归，结果如表5 所示。银行创新能力和人力资本结构对全要素生产率均为正且在5%的置信水平下显著，可见这两中介变量均对银行全要素生产率起正向传导作用，即银行创新能力提高和银行人力资本结构优化都会改善其全要素生产率。成本费用率的系数显著为负，即经营管理水平的改善对银行全要素生产率发挥正面效用。加入中介变量后，金融科技的系数均显著为正，但都小于未加入中间变量时的系数，表明各影响机制均为部分中介效应。进一步观察发现，金融科技通过改善银行经营管理水平来提高银行全要素生产率的中介效应占总效应的22.5%；银行人力资本结构优化对应的中介效应占总效应比例次之，为13.8%；金融科技通过促进银行创新能力提升进而提高银行全要素生产率的效应最小，仅占总效应的4.8%。至此，研究假设1a、1b、1c得以验证。

表5 样本变量中介效应检验结果

4.4 异质性检验

4.4.1 股权结构

对国有银行、股份制银行、城商行、农商行4类银行分别进行回归，结果如表6 所示。可以看出，金融科技发展指数的系数均为正数，即金融科技对4 类银行的全要素生产率都具有正向作用。在金融科技发展背景下，国有银行的全要素生产率提升最小，可能是由于其复杂的管理结构和受政府支持的特殊地位导致其对金融科技的反应减弱；股份制银行的全要素生产率受金融科技的正面影响最大，这类银行具有产权结构清晰、制度完善及追求利润最大的目标等特性，面对金融科技的发展能迅速作出反应，主动获取新知识、学习新技术，所以对金融科技正面影响的吸收能力最强；城市商业银行凭借其在获取客户“软信息”方面的先天优势以及规模较小、反应迅速等特点，全要素生产率在金融科技的影响下有较大提升；农村地区互联网基建比较落后，农民的金融服务需求比较单一、金融和互联网知识相对匮乏，使得农村商业银行受金融科技的影响较小。因此，假设2a得到验证，且股份制银行、城商行、农商行、国有银行的全要素生产率提升程度依次减小。

表6 基于股权结构的样本异质性检验结果

4.4.2 上市情况和分支机构数量

对上市银行和非上市银行进行分组回归，以各银行分支机构数量的中位数为标准，将商业银行分为分支机构多和分支机构少的两组分别进行回归，结果如表7 所示。与未上市银行相比，金融科技对上市银行全要素生产率的影响更大，假设2b得以验证；因为上市商业银行的综合实力更强、治理水平更高，在金融科技高速发展时能够迅速且积极地作出应对，投入更多资源到技术研发中。与分支机构少的银行相比，分支机构多的商业银行全要素生产率提升程度更大，假设2c得证；因为分支机构多的商业银行能更广泛地引进人才，更多与地方金融科技公司开展合作，并且金融科技的发展能更大程度地提升远距离支行的普惠贷款经营能力和风险控制能力，所以分支机构较多的银行的全要素生产率提升更大。

表7 基于上市情况、分支机构数量的样本异质性检验结果

4.5 稳健性检验

借鉴邱晗等［21］、宋敏等［22］、杨望等［15］、郭峰等［26］的做法，将北京大学数字金融研究中心编制的中国数字普惠金融指数以及覆盖广度、使用深度、数字化程度等3 个分指数作为金融科技发展水平的代理变量进行稳健性检验，结果如表8 所示，各金融科技代理变量对应的回归系数均显著为正，表明金融科技正向作用于银行全要素生产率，与以上研究结论保持一致。

表8 研究结论稳健性检验结果

5 结论与建议

金融科技为金融业发展注入了充沛活力，商业银行的高质量发展也因此迎来了重大机遇。本研究表明：第一，金融科技正向作用于商业银行全要素生产率的效果显著；第二，商业银行的创新能力、人力资本结构、经营管理水平在金融科技正向作用于银行全要素生产率的过程中具有显著的中介效应，其中经营管理水平发挥的中介作用最大，人力资本结构的中介作用次之，创新能力的中介作用最小；第三，金融科技正向作用于商业银行全要素生产率的效果具有多重异质性，股份制银行、城市商业银行、农村商业银行、国有银行全要素生产率的提升程度依次减小，上市银行相较于非上市银行全要素生产率改善更大，分支机构多的银行较分支机构少的银行全要素生产率有更大提升。

根据以上所得结论，提出如下建议：第一，金融科技推动了金融业的高质量发展，实现了从技术支持到变革驱动的角色转变，政府应支持金融科技持续发展，优化金融科技发展环境。一方面，加大对金融科技发展的资金支持，对新设金融科技公司给予现金补贴，同时对相关公司的税收给予减免；另一方面，完善相关法律法规，加强对金融科技发展的审慎监管，鼓励金融机构、科技公司共同建立金融科技风险防控平台，推动金融科技可持续发展。第二，商业银行应主动抓住金融科技发展带来的机遇，加快数字化进程，提高自身效率。银行可通过与金融科技公司开展合作、投资金融科技公司、自建金融科技公司等方式，以关键核心技术的金融应用场景适配性为导向，进行关键核心技术的迭代升级，提高关键核心技术的应用深度。此外，银行应加大对数据获取、数据处理和数据相关技术等方面的资金投入，以“数据+技术”的方式释放银行数据潜能，实现服务提供方式更新、金融产品创新、“获客活客留客”能力提升。第三，金融科技人才是商业银行数字化转型顺利进行的重要保障之一，商业银行应注重金融科技人才的引进，提高对人力资本定价的科学性及合理性，完善其绩效制度和考核机制，吸引外部成熟人才进入。另外，商业银行还可与高等院校、科研院所等机构签订金融科技人才联合培养计划，创建产学研用协同攻关的人才培养模式；对从业人员进行跨学科理论知识传授，锻造从业人员的复合型思维方式，培养从业人员的综合能力，为商业银行的金融科技人才引进积蓄后备力量。