互聯網金融對我國金融效率影響的實證研究

【摘要】本文為研究互聯網金融對傳統金融業的影響，在采用基于DEA的Malmquist指數法測算出金融效率的基礎上，構建向量自回歸模型并進行脈沖響應分析。結果表明，互聯網金融對整體金融綜合效率有輕微的負向影響，對金融業的技術進步有正向影響，對純技術效率和規模效率有負向影響。

【關鍵詞】互聯網金融 金融效率 向量自回歸模型

一、引言

互聯網金融的飛速發展，在引起社會各界關注的同時也吸引大量學者對其展開探討和研究。互聯網金融的發展依托于大數據、云計算、移動支付等技術的誕生與進步，它在給人們的生活帶來便利的同時，也降低了交易成本、大幅緩解了信息不對稱，越來越受到廣大金融消費者的青睞。這種互聯網金融與傳統金融并存的局面勢必會對我國金融運行效率產生影響，但影響程度到底如何，并沒有太多定量研究給出答案。因此，量化研究互聯網金融對金融效率的影響，可以為金融業未來的發展與轉型提供有價值的建議與參考。

二、互聯網金融對金融效率的實證分析

本文定量研究互聯網金融的發展對金融效率的影響的思路是：首先，利用我國銀行數據測算出金融綜合效率，再分離出其他分解效率指標。然后，構建互聯網金融與金融綜合效率及其分解效率的VAR模型，并通過脈沖響應分析來研究互聯網金融對金融綜合效率及其分解效率的影響關系。

（一）金融效率測算與變量選擇

為了具體研究互聯網金融對我國金融效率的影響，我們首先對我國金融效率進行測算。由于銀行業在我國金融市場份額最大、影響最強，因此本文對銀行數據采用基于DEA的Malmquist指數法來測算金融效率。在指標的選擇上，本文結合我國銀行自身的發展特點，借鑒生產法，選取固定資產凈值、人力資源、股東權益以及銀行存款作為投入指標，利息收入與非利息收入則是產出指標。運用DEAP2.1，可得到2006～2015年這10年間我國金融效率的變化情況：總體看來，金融效率整體有所下降，具體表現為這一期間的全要素生產率即金融綜合效率（TF）均值為0.960。此外，分解出的純技術效率（PE）、規模效率（SE）、技術進步指數（TE）在這10年間皆有所下降。

在本文互聯網金融和我國金融效率的動態相互作用研究中，內生變量包括：可以衡量金融綜合發展水平的全要素生產率即金融綜合效率（TF）、金融業技術進步水平的技術進步指數（TE）、金融管理水平的純技術效率（PE）以及金融業規模經濟水平的規模效率（SE）；衡量當前互聯網金融發展水平的第三方支付交易額（INT）。

（二）變量平穩性檢驗

要構造VAR模型，建模數據要通過平穩性檢驗。本文運用Eviews7.2對數據進行ADF單位根檢驗，并根據AIC小準則確定序列最優滯后期。

為避免時間序列數據可能存在的偽回歸現象和除異方差問題，本文對各數據序列進行對數化處理。表1顯示，LNTF和LNTE在1%顯著性水平下為平穩序列，LNINT和LNSE在5%顯著性水平下為平穩序列，LNPE在10%顯著性水平下為平穩序列。因此，對數化后的序列均是平穩的。

（三）模型穩定性檢驗

本文使用AR（Auto-regressive）單位根對VAR模型進行穩定性檢驗。在AR根圖中，當模型所有特征根小于1，認為該模型穩定。由圖1可知，所有模型特征根都分布在單位圓內，即都通過了穩定性檢驗。

（四）VAR模型估計結果

為研究互聯網金融發展水平與金融綜合效率及其分解指標之間相互影響，分別建立了互聯網金融發展水平與金融綜合效率及其分解效率之間的VAR模型。

模型1是研究互聯網金融發展水平與金融綜合效率之間相互影響的VAR模型，其參數估計結果為：

可知，模型1、2、3、4的F檢驗的p值都顯示模型是顯著的。從擬合優度來說，前兩個模型的整體擬合度較高，后兩個模型中以LNSE、LNPE為因變量的方程擬合度不甚理想。通過脈沖響應分析，本文將進一步研究模型中因變量對自變量的響應。

（五）脈沖響應分析

脈沖響應函數（Impulse Response Function，IRF）分析方法可以用來刻畫一個內生變量對由誤差項所帶來的沖擊反應。本文運用Eviews軟件來獲得金融綜合效率（TF）和分解出的技術進步指數（TE）、純技術效率（PE）、規模效率（SE）面對來自互聯網金融沖擊時的脈沖響應軌跡。

圖2-5分別為金融綜合效率、技術進步指數、純技術效率以及規模效率基于VAR模型對互聯網金融發展的脈沖響應曲線。首先，本文分析金融綜合效率對互聯網金融的脈沖響應情況和響應路徑。由圖5可知，金融綜合效率對來自互聯網金融的一個標準差新息的響應在前10期中一直是正、負交互更替，并且隨著時間推移趨于穩定的收斂。具體的響應軌跡：面對來自互聯網金融的沖擊，金融綜合效率在期初表現為一個負向響應。隨后有一個快速上升的趨勢并在第3期達到正向響應的最大值。此后，金融綜合效率在第四期出現明顯的負向響應，可以認為金融綜合效率增長開始減緩。在隨后的5到9期，互聯網金融發展對金融綜合效率的沖擊一直在正負交替中逐漸減弱，并在第10期左右減弱為零。進一步考察追蹤期期間的互聯網金融發展對金融綜合效率的累積沖擊效應，可以發現在前3期和前10期的累積沖擊響應分別為-0.0025和-0.005。

根據以上分析本文認為：互聯網金融發展在整個考察期內對金融綜合效率有負向的影響，雖然在個別時期表現為正向影響，但時滯較短，并迅速在下一時期轉負。出現這種情況的原因可能是：目前互聯網金融正處于高速發展階段，這也推動我國傳統金融機構不斷學習新技術、完善自身經營過程中的不足，進而推動傳統金融的進步。雖然互聯網金融目前只是在渠道上超越傳統金融，但隨著互聯網技術的不斷進步，以及其在產品設計、風險控制等方面能力的不斷提升，長遠看來互聯網金融會給我國現有金融體系造成一定挑戰。

其次，本文分析技術進步指數（TE）、純技術效率（PE）、規模效率（SE）對互聯網金融發展的脈沖響應情況與響應路徑。通過比較發現，三者對互聯網金融的脈沖響應模式皆與金融綜合效率類似：面對來自互聯網金融的沖擊，技術進步指數、純技術效率和規模效率的響應在前10期一直處于正負響應交互更替的波動階段，期間沖擊力度逐漸減弱且趨于穩定的收斂。再看互聯網金融對三者的累積沖擊效應發現，技術進步指數對互聯網金融的前10期累積效應為正，與此相反的是純技術效率與規模效率對互聯網金融發展在前10期累積效應為負。出現這種情況的原因可能是：一方面，隨著信息網絡技術蓬勃發展，國內各大商業銀行也紛紛進行相應的技術革新與業務創新、積極構建自己的電子商務平臺。新技術的應用與新產品的發明大力推動了傳統金融的技術進步。另一方面，在過去幾十年，傳統金融機構本身存在著人員臃腫、體制固化、成本管理混亂等經營管理問題。相比互聯網金融的靈活多變，傳統金融機構不能及時調整經營理念與經營方式來應對不斷變化的市場，過去依靠增設網點、大量投入人力財力的擴張方式變得不再那么有效。具體表現為傳統金融業的純技術效率、規模效率均表現為受到互聯網金融負向影響。

三、結論

本文使用我國2006-2015年的樣本數據，首先采用基于DEA的Malmquist指數法測算出金融效率，然后構建向量自回歸模型并進行脈沖響應分析。分析顯示，總體上互聯網金融發展對金融綜合效率有輕微的負向影響，但是對傳統金融業的技術進步指數、純技術效率和規模效率影響有正有負。

首先，互聯網金融發展在整個考察期內對金融綜合效率正、負影響相互交替，累積效應是負向影響。其原因可能是，目前互聯網金融發展勢頭迅猛，推動著傳統金融機構不斷完善自身經營過程中的不足。但隨著互聯網技術的不斷進步，以及其在產品設計、風險控制等能力的不斷提升，長遠看來互聯網金融將對傳統金融體系形成一定的沖擊。

其次，互聯網金融對傳統金融業的技術進步指數、純技術效率和規模效率正、負影響相互交替，但技術進步指數的長期累積效應為正，純技術效率和規模效率的長期累積效應則為負。其原因可能是，面對互聯網金融的不斷進步和擴張，傳統金融機構也紛紛推動技術革新與產品創新，從而推動整個行業的技術進步。但由于傳統金融機構自身存在的一些經營管理問題，以及不能及時隨著市場調整經營理念，面對互聯網金融發展帶來的沖擊，純技術效率和規模效率均受到負向影響。

互聯網金融帶給我國傳統金融業的既有機遇也有挑戰。機遇是互聯網技術的進步大力推動了金融機構的技術革新，為產品創新提供新思路，加快經營結構的調整與升級。隨之而來的挑戰是傳統金融機構的業務受到沖擊、盈利空間受到擠壓。因此，傳統金融機構應在與互聯網金融競爭的同時積極合作，利用互聯網金融的優勢不斷推動技術進步、改善經營模式，從而提高自身的運行效率與盈利能力。

作者簡介：蔣雅婷（1993-），女，漢族，浙江義烏人，杭州電子科技大學碩士生在讀，研究方向：經濟統計。