互聯網金融對中國工商銀行經營績效影響的實證分析

謝睿

【摘要】本文從實證出發論證互聯網金融的發展對中國工商銀行經營績效的影響，研究了互聯網金融對中國工商銀行業務造成的影響，并結合相關數據實證分析。采取三個步驟進行實證研究：首先是選取相關的指標，然后再構建互聯網金融與中國工商銀行現有經營績效水平模型，最后進行相關檢驗和實證回歸分析。

【關鍵詞】互聯網金融 工商銀行 績效 實證

作為位列世界五百強的企業之一的中國工商銀行，成立于1984年。從現階段形勢來看，中國工商銀行的業務已經實現了全球范圍的覆蓋，服務受眾人數高達四億，主要渠道為代理行、境內外分支機構等。2012年，互聯網金融得到了迅猛發展，互聯網金融在2013年、2014年兩年的時間里，快速發展，現在已經深深植人到每一個人的生活中，成為人們談論的焦點。最引人注目的是互聯網金融對商業銀行的影響。

一、指標的選取

（一）互聯網金融發展的度量

作為一種新型的金融行業，互聯網金融沒有精確的標準來衡量，無論是企業、投資者還是監管部門，都不能對其進行發展做出判定。作為最先反映該行業發展情況的指標，北京大學互聯網金融發展指數起到了決定性作用，每個季度發布一次，現在已經成為互聯網進行分析決策的權威指標。該指數來源于中國人民銀行、螞蟻金服、眾安保性、米么金服、趣分期、零壹財經和銅板街等具有代表性的互聯網金融企業的海量數據，并結合北京大學和上海新金融研究院學術和專業的分析和研究，把互聯網金融業務根據互聯網金融業務的本質，分為互聯網支付、互聯網信貸、互聯網投資理財、互聯網貨幣基金、互聯網征信和互聯網保性六大版塊。依據各業務發展程度的相關數據，整合得到反映互聯網金融發展的總指數。2014年1月份作為基期，當期全國互聯網金融發展指數設定為100，互聯網金融發展速度與指數點位成正比。

鑒于數據的來源和易得性本文中互聯網金融發展指標采用其發展指數的月度增長率（IF）。

（二）中國工商銀行經營績效的度量

反映銀行經營績效的指標很多，通常使用的主要有營業利潤率、資產凈利率、凈資產收益率等。參考以往的研究文獻，且考慮到數據來源的便捷性和準確性，本文采用具有代表性的總資產收益率（ROA）作為被解釋變量。在銀行資產總額一定的清況下，利用總資產收益率指標可以分析中國工商銀行經營績效的穩定性和持久性，確定中國工商銀行所面臨的風性，還可反映其綜合經營管理水平的高低。

（三）其他變量

為了保證模型的精確，還需要考慮變量的影響因素，需要引入一些控制變量。影響銀行經營績效還有諸多影響因素：

①銀行宏觀經濟因素的影響。中國工商銀行受宏觀經濟全面沖擊，主要有貨幣供給量、經濟周期等。對中國工商銀行的信貸風性沖擊尤其突出，經濟周期變動情況成為利息收入和貸款損失的重要因素。本文中宏觀經濟的波動情況通過GDP的增長率顯示。統計年鑒只發布我國GDP嫉妒數據，但是本文分析中需要用到月度數據，本文利用月度工業增加值，結合季度GDP，得到月度GDP數據。工業增加值是GDP的一部分，工業增加值=工業總產出一中問投入。生產法GDP的核算方法：GDP=∑各部門增加值=第一產業增加值+工業增加值十建筑業增加值+第三產業增加值。并通過對比每季度工業增加值的季度占比，可了解到工業增加值占比相對穩定。在此基礎上，本文假設工業增加值占比在一個季度中是相同的，所以根據月度工業增加值，就換算出月度GDP數據。

②銀行微觀因素的影響。微觀因素主要是一些相關的財務和業務風性因素：

1）資本充足率。即銀行資本與加權風性資產的比，銀行能支持的風性資產規模程度和經營績效隨著資本充足率的增高而增高。因此本文選取中國工商銀行每月的資本充足率（CAR）作為一個控制變量。

2）成本控制能力。成本收入與銀行經營績效成反比。本文選取成本收入比（CRR）來衡量中國工商銀行的成本控制能力。

③資產規模與質量。資產的質量不僅決定了利潤的豐富程度，通過量的積累還產生了相應的規模效應。用不良貸款率（NPL）來表示銀行資產質量，且與資產質量成反比。銀行總資產數量用總資產（CS）表示，為了計量的方便對總資產取對數。

變量的定義如下表所示：

二、數據的來源

中國工商銀行數據均來源于中國工商銀行2014年1月-2016年3月的月度財務報告和國泰安數據庫。GDP宏觀數據來源于國家統計局，互聯網金融發展數據來源于北京大學互聯網金融研究中心。

三、模型的建立

在設定模型方面，根據上文的文獻分析，本文是在互聯網金融發展影響中國工商銀行現行模式下的經營績效這個理論前提下進行分析研究，本文的重點在于研究互聯網金融的發展對中國工商銀行經營績效的影響，因此建立具體模型如下：

ROA=β×IF+β2×GDP+β3×CAR+β4×CRR+β5×NPL+β6×CS+C

四、平穩性檢驗

首先，在對數據進行分析前必須對各個變量進行平穩性檢驗，以排除計量中的內生性問題。為了避免偽回歸，本文首先采取ADF檢驗方法對各個時間序列數據進行單位根檢驗。無論是否包含截距項和時間序列項，ADF檢驗結果都顯示變量全部屬于非穩定變量。

五、協整檢驗

原本數據序列是非平穩的，對它進行差分把它變平穩了，但這樣會失去總量的長期信息，而這些信息對分析問題來說又是必要的，所以要進一步實施協整檢驗，即對以上模型序列的殘差項進行ADF檢驗，檢驗結果見表4，協整檢驗結果顯示在1%的顯著水平下，殘差項的ADF值為-3.908，小于單尾檢驗臨界值-3.750，所以可判斷因變量與自變量之間存在協整關系，即互聯網金融與中國工商銀行經營績效之間存在長期穩定的關系。所以，可以用實證分析來檢驗本文設定的模型。

六、回歸分析

基于樣本數據，采用普通最小二乘估計（OLS）方法對上述模型的估計結果見下表。

由表中的結果可以看出，擬合優度和校正后的擬合優度都超過80%，說明模型選擇的解釋變量對因變量的解釋程度較高，擬合效果較好；F檢驗結果表明模型通過了總體顯著性檢驗，模型總體設置較為合理；杜賓沃森檢驗結果表明，模型中序列不存在自相關。因此，得到模型如下：

ROA=-0.0016258×IF+0.00299×GDP+0.001874×CAR+0.008108×CRR-0.001013×NPL+0.002277×CS+0.0000124

七、實證結論

實證結果表明，變量IF的系數估計值為-0.0016258，這說明互聯網金融的發展與提高會降低中國工商銀行的經營績效，當互聯網金融發展水平每上升一個百分點，中國工商銀行的經營績效會降低0.0016258個百分點。變量GDP的顯著估計值為0.00299，但從t檢驗來看，這一估計結果非常顯著，這表明，經濟周期對中國工商銀行的影響比較明顯，這也反映出經濟周期是影響中國工商銀行經營績效的最重要因素。控制變量CAR的系數估計結果是0.001874，這說明資本充足率對中國工商銀行經營績效顯著的正向影響，當資本充足率每提高一個百分點，人均消費支出會增加0.001874個百分點，中國工商銀行經營績效對資本充足率是缺乏彈性的。控制變量CRR的系數為0.008108，說明中國工商銀行的成本收益率越高，其經營績效也會越高。控制變量NPL的系數為一0.001013，這說明中國工商銀行不良資產率的降低有利于經營績效的提高。控制變量CS的系數為0.002277，這說明資產規模的增加有利于提升中國工商銀行的經營績效。

從這幾個變量的系數大小可以發現，在影響中國工商銀行經營績效的因素當中經濟增長是最重要的，其次是資本充足率、資產規模、成本收益率、互聯網金融、不良貸款率。互聯網金融的發展與中國工商銀行的經營績效水平呈反向關系。且現在互聯網金融發展還處于初級拓荒野蠻成長階段，所以可能影響力度沒完全體現出來，所以中國工商銀行十分有必要引起重視。如果中國工商銀行不積極采取應對，那么未來互聯網金融對中國工商銀行的經營績效很可能帶來的影響更大。