互聯網金融對我國商業銀行貸款規模的影響研究

石萬紅+張晶

摘要：隨著互聯網金融模式的迅速崛起，互聯網金融模式與商業銀行的關系成為學術界探討的熱門話題。本文從理論和實證兩方面分析了互聯網金融成交量對商業銀行貸款規模的影響機制和關系，最終為商業銀行和互聯網金融行業未來健康發展提供建議。

關鍵詞：互聯網金融；商業銀行；貸款規模

1.緒論

近些年來，互聯網金融的迅猛發展與商業銀行的平淡現狀形成了鮮明的對比。商業銀行緊張的形勢與以余額寶、P2P為代表的互聯網金融的快速發展不無關系。雖然互聯網金融模式就目前的規模來看，跟商業銀行的規模難以抗衡，但是其發展極其迅速，就其模式的優勢來看，未來必將對商業銀行傳統模式產生深刻影響。互聯網金融的出現在很大程度上是因為我國中小企業通過銀行渠道融資難，所以研究此課題有利于解決中小企業融資難的問題，促進商業銀行的經營管理與業務產品的轉型以及資本市場的健康發展。

2.互聯網金融對商業銀行貸款規模影響的相關理論

2.1 金融脫媒理論

金融脫煤是指資金繞過傳統的商業銀行媒介，通過網絡或者直接在資金的供給者和需求者之間流動，實現資本融通的現象。金融脫媒的成因理論主要有：1、金融監管成因論。即金融脫煤的原因在于監管當局對金融市場過于嚴格的管制。監管當局對金融中介機構進行非常嚴格的管制，包括投資的領域、資金的用途、融資的渠道等方面的管制，那么第三方中介機構的活力被大大限制，其收益降低。那么資金的需求方和供求方不能通過中介提高收益或者降低成本，就會脫離中介，實現直接融資。反之，如果監管當局對金融中介的管制較松，那么金融中介的活力增強，成本降低，收益增加，資本就會通過中介進行融通。

2.2 長尾理論

長尾理論最早提出是用來描述向亞馬遜這類網絡的商業模式，它實際上是統計學中冪率和帕累托分布特征的一個口語化的表達。長尾理論實際上揭示的是一個現象：人們普遍習慣關注比較重要的人或者事，如果用正態分布來描述這些人或者事，人們只會關注曲線的“頭部”，而往往忽略 “尾部”。例如商業銀行在進行貸款業務時，只關注大企業，而忽視中小企業的貸款需求。在網絡時代來臨之前，人們要想得到處于“尾部”的信息要付出比“頭部”更多的成本，但是隨著科技的發展，網絡信息時代到來，人們獲得“尾部”的信息成本大大降低，甚至低于“頭部”的成本。這就使得長長的“尾部”獲得的整體收益甚至能夠超過“頭部”。

根據金融脫煤理論、長尾理論分析，隨著互聯網金融模式的發展，其貸款成交量不但攀升，對于穩定的資本需求市場來講，互聯網金融模式的貸款成交量增加，那么商業銀行的貸款規模就會降低，即兩者成反比關系。

3.互聯網金融發展對商業銀行貸款規模影響的實證分析

文章實證方面主要通過實證結果的數據分析我國互聯網金融發展對商業銀行貸款規模的影響及作用機制。本文數據來源于《中國金融統計年鑒》、中國第一網貸網及中國統計局網站。

3.1 模型的選擇與構建

本文采用混合回歸模型進行樣本估計，根據已有商業銀行貸款余額的影響因素研究，本文采取以下模型：

Yit=c+α1CPIit+α2GDPIit+α3Lit+eit

其中，Yit為被解釋變量，表示在t期i地區的商業銀行貨款余額，單位萬元，用此變量來衡量商業銀行貸款業務的規模；解釋變量為CPIit，GDPit，Lit分別表示i地區第t期物價水平即CPI，單位是%，此變量用來衡量通貨膨脹水平，通貨膨脹越高，商業銀行的貸款利率的名義水平越高，因此此變量與商業銀行貸款規模呈反比；i地區第t期的實際GDP，單位萬元，實際GDP水平越高，經濟運行越好，信貸需求也會越大，因此此變量與商業銀行貸款規模呈正比；t期i地區的P2P成交量L，單位萬元，由于一定時期內貨幣供給量一定，若P2P成交量L增加，那么商業銀行貸款余額Y就會減少，則P2P成交量L與被解釋變量Y成反比；c為常數項；eit為隨機誤差項。

3.2 模型的檢驗

為避免產生虛假回歸，保證本文實證模型中時間序列數據的平穩性，需要對面板數據進行平穩性檢驗，因此本文進行了單位根檢驗。本文需要采用LLC檢驗和Fisher-ADF檢驗這兩種方法。經過檢驗，所有樣本統計量均在95%顯著水平上通過平方根檢驗，不存在單位根。

3.3 實證結果與分析

1、常數項C的系數為31.04230，P值為0.0074<0.01，說明常數項通過99%顯著性檢驗。

2、CPI回歸估計系數為-5.484517，P值為0.0285<0.05，說明CPI與被解釋變量商業銀行貸款余額Y成反比，即物價水平CPI越高，商業銀行貸款的名義利率越大，商業銀行貸款規模越小。同時回歸統計結果在95%水平上顯著。

3、GDP回歸估計系數為0.323910，P值為0，說明GDP統計量與被解釋變量商業銀行貸款余額Y成正比，且回歸結果在99%水平下顯著。即GDP水平越高，經濟發展越快，商業銀行貸款規模越大。

4、L（P2P成交量）回歸估計系數為0.153044，P值為0，說明P2P成交量L 統計量與被解釋變量商業銀行貸款余額Y成正相關，即P2P成交量越高，商業銀行貸款規模越大。且回歸結果在99%水平上顯著。

4.結論與建議

商業銀行貸款規模與互聯網金融成交量成正比關系。根據資本的需求和資本供給量不變的前提假設，得出商業銀行貸款規模與互聯網金融成交量成反比。但是實證的結果與此預測截然相反。這是因為在現實中，資本的需求不是不變的，經濟是發展的，國民收入不斷提高，居民的消費需求是不斷增加，為迎合不斷增加的居民消費需求，生產者為了實現自身利益最大化，必然會增加投資，那么資本的需求是不斷增加的。互聯網金融模式能夠提供低門檻、便捷、低成本的貸款，使得資本市場帶來了貸款的引致需求。此外，資本的供給也不是不變的，因為中國人民銀行為了經濟和資本市場的穩定，頻繁的進行資本市場調控，資本市場的供給會隨中國人民銀行的政策和操作不斷變化。

商業銀行與互聯網金融模式是非競爭的關系，甚至在有些互聯網模式下，兩者是合作的關系，這就使得兩者在業務規模上是呈正比的，共同發揮資本融通職能，統一于資本市場中。商業銀行應積極通過一定途徑與互聯網金融模式合作，引入新型信貸模式，促進自身發展。互聯網金融掌握的大量客戶需求信息，例如對社會的資金需求、投資通道等有基本的認知，這些信息對商業銀行來說價值巨大。商業銀行和互聯網金融模式在信息上互通有無，將使商業銀行業務能力大大提升。

參考文獻

[1]Franklin Allen，James Mc Andrews and Philip Strahan. E-Finance：An Introduction[J].Journal of Financial Services Research.2002，22： 5-27.

[2]D.Agrawal，et a1.Challenges and Opportunities with Big Data.Cyber Center Technical Reports，2012：34-52.

[3]邱峰.互聯網金融對商業銀行的沖擊和挑戰分析[J].吉林金融研究，2013（08）：44-50.

[4]謝清河.我國互聯網金融發展問題研究[J].經濟研究參考，2013：2-5.

[5]巴曙松.互動與融合—互聯網金融時代的競爭新格局[J].中國農村金融，2014（12）：15-17.

[6]姚平.互聯網金融[M].中信出版社，2016：1-58.endprint