互聯網金融、利率市場化與銀行期限錯配

■張 博

一、引言

1999年美國貝寶（PayPal）公司首次將第三方支付與互聯網貨幣基金相連接，從此開啟了互聯網金融的世紀元年。而我國互聯網金融的發展直到2013年才進入實質性發展階段，同年6月支付寶和天弘基金共同推出余額寶貨幣基金，截至2018年底該基金募集資金規模已達到1.13萬億元，用戶數量超過5.88億戶。相較于銀行存款，余額寶的收益率更接近于市場利率，其間接推動了存款利率市場化的進程。與此同時，中國人民銀行分別于2013年和2015年放開了最低貸款利率和最高存款利率，盡管存貸款利率依然受到“窗口指導”的影響沒有發生很大的波動（陳禮清和類承曜，2019），但我國利率市場化的改革應該說已經基本實現（吳曉求，2015）。此外，已有數據表明互聯網金融產品導致商業銀行存款搬家，作為商業銀行傳統的負債來源，存款競爭愈演愈烈（邱晗等，2018）。余額寶推出一年后，2014年底人民幣存款增加9.48萬億元，同比少增3.08萬億元。與此同時，我國貨幣基金總額上升明顯，2014年底貨幣基金總額為2.09萬億元，在一年多的發展時間里增長了將近7倍。截至2018年12月，各種理財產品市值占GDP的41.16%（戰明華等，2020）。互聯網金融的發展一方面改變著人們金融生活的習慣，同時也對原有的金融生態造成了沖擊，特別是對銀行的負債業務、中間業務和資產業務影響深刻，進而改變了銀行的資產負債結構（鄭志來，2015）。在深入探討互聯網金融、利率市場化與銀行期限錯配程度之間的內在關聯的基礎上，筆者將樣本按照上市與非上市銀行進行分類，進一步分析互聯網金融與期限錯配程度之間的關系。這一研究對制定互聯網金融監管政策，推動互聯網金融與傳統金融優勢互補，充分參與市場競爭，促進金融更好地服務實體經濟具有參考價值。同時，也為商業銀行更好地改善資產負債管理，監管部門根據不同類型銀行因地制宜，有針對性的制定政策提供了理論指導。

二、互聯網金融、利率市場化與銀行期限錯配之間的傳導關系

（一）內在傳導關系

1.互聯網金融與利率市場化

歐美國家較早就實現了利率市場化進程，互聯網金融發展的內容實質也與我國不盡相同，因此關于本文所探討主題的研究文獻主要集中在國內。目前我國的互聯網金融大體可歸于以下四類：網絡融資、網絡投資、第三方支付和網絡貨幣（吳曉求，2015）。其中，網絡融資和網絡投資是對利率市場化影響最直接的，以余額寶為代表的互聯網貨幣基金就是這兩方面最好的代表。憑借較高且穩定的回報率，余額寶等互聯網金融產品贏得了居民儲蓄存款的青睞（鄭志來，2015）。王國剛和張揚（2015）認為余額寶等互聯網金融產品會利用商業銀行對大額存款的需求，將主要資金以協議存款的方式投向銀行間市場。一方面，為居民提供了投資銀行間市場的渠道，可以獲得更高更穩健的收益；另一方面，有助于糾正市場利率扭曲，使名義利率接近實際利率，但同時也抬升了銀行的負債成本。互聯網金融發揮的“鯰魚效應”有效地推動了我國存款利率市場化的進程（夏政，2015）。吳詩偉等（2015）梳理了我國2005-2014年13家商業銀行的面板數據，運用廣義矩估計實證分析了利率市場化、互聯網金融與商業銀行風險之間的關系。研究結果表明，利率市場化直接推高商業銀行破產風險，同時互聯網金融進一步推動了商業銀行利率市場化進程。由于該文發表的時間較早，研究的時間區間主要處于互聯網金融發展的第二階段（2005-2012），即第三方支付蓬勃發展階段（鄭聯盛，2014），而互聯網金融實質性的業務發展階段是2013年以后，中國人民銀行分別于2013年和2015年放開了最低貸款利率和最高存款利率。由于時間的局限性從而存在信息遺漏的可能，筆者從研究的時間和樣本數量做了完善補充，更好地說明互聯網金融同利率市場化之間的關系。

2.利率市場化與銀行期限錯配

一些國外學者認為，在傳統金融服務網絡延伸階段，互聯網金融可以有效地提升商業銀行的技術水平、改善其工作效率，并顯著降低管理成本。根據“委托代理理論”，當管理成本下降、盈利水平提高時，商業銀行將風險轉嫁給存款人的動機減弱（Repullo，2004），銀行存在期限錯配的可能性也相應下降。但隨著互聯網金融的發展，間接推動了存貸款利率市場化的進程，導致商業銀行存款搬家，再以大額存單的方式進入銀行系統，競爭加劇的同時抬高了銀行的資金成本，進而收窄銀行利差。根據“競爭脆弱性理論”指出，競爭加劇會導致銀行特許權價值（Franchise Value）下降，進而激勵其承擔更多風險（Allen&Gale，2000）。為了補償利差損失，銀行傾向于選擇長周期、高風險的業務，特別是大量經過創新的同業業務，進而導致銀行資產負債期限錯配程度的加深，在這個過程中銀行資產負債結構發生了顯著的變化。

對于該問題，國內學者也做了大量的研究，裘翔（2015）在銀行凈利差決定模型中加入期限錯配的特征，對2005-2012年我國100余家銀行進行實證檢驗，研究結論表明銀行凈利差與期限錯配呈反向關系，由于期限錯配的風險得不到充分補償，隨著利率市場化進程的推進，銀行系統穩健性受到挑戰。郭品和沈悅（2015）利用銀行風險承擔模型，以2003-2013年我國36家商業銀行為研究樣本，探討了互聯網金融與商業銀行風險承擔之間的關系，研究表明互聯網金融發展初期有利于銀行降低管理費用，風險下降，但隨后互聯網金融會增加銀行運營成本，風險上升。邱晗等（2018）的研究也得出了類似的結論：金融科技的發展間接推動了利率市場化的發展，改變了銀行負債端的結構組成。以上三篇文章的結論支撐了筆者的核心觀點，考慮發表的時間較早，筆者對研究的時間區間和數據做了補充更新，并對研究方法進行了完善。

（二）異質性的分析

公司治理的現代理論起源于Berle&Means（1932）的開創性研究，他們關注企業的契約性質和委托代理問題，研究認為相較股東利益最大化，公司管理者往往將追求個人利益最大化放在首位。在此研究的基礎上，推動了經濟學中代理理論的發展（白重恩等，2005）。委托代理理論的現實意義主要在于：對上市銀行而言，信息充分公開透明，作為委托人的投資者在整個過程中扮演了監督者的角色，以確保作為受托人的經營管理者有效規避道德風險，為上市銀行創造最大價值的同時，確保銀行運營的穩健。盡管利率市場化導致銀行利差縮窄，商業銀行有動機尋求增加利潤的方式，但監管機構要求上市銀行及時、充分和準確的提供銀行經營狀況、財務狀況和外部環境的相關信息，有效的信息披露制度便于投資者的監督，公開透明的方式也規避了銀行為了高額利潤的誘惑而加深資產負債期限錯配的可能；此外，非上市銀行受監管程度低于上市銀行，故有更大的動機配置長周期高風險的資產，產生期限錯配。

國內外已有文獻極大地豐富了互聯網金融、利率市場化與銀行期限錯配的研究，為后人繼續開展相關工作奠定了堅實的基礎。但對于數據的補充、三者之間內在的傳導關系以及實證分析，仍有深化分析的空間。另外，互聯網金融和利率市場化對不同類型商業銀行期限錯配影響的差異還需更明晰。基于以上考慮，對互聯網金融、利率市場和銀行期限錯配的內在傳導關系進行了梳理，并放在一個體系框架內開展實證分析。

三、研究設計

（一）基本假設

根據前文傳導關系分析，提出以下三個假設。

假設1：互聯網金融對利率市場化發展進程有正向的推動作用。

假設2：從動態視角來看，互聯網金融對商業銀行期限錯配的影響呈現先升后降的倒“U”型趨勢①本文采用流動性錯配指數作為銀行期限錯配的代理變量，指數越小表示銀行錯配程度越大。。即發展初期互聯網金融主要通過“提升技術水平、改善工作效率、降低管理成本”渠道作用于商業銀行，但隨著互聯網金融的發展，間接推動了存貸款利率市場化的進程，競爭加劇并抬高了銀行的資金成本，由于經營利差縮小，銀行傾向于選擇長周期、高風險的業務，進而導致銀行資產負債期限錯配程度的加深。

假設3：從橫向來看，互聯網金融和利率市場化對不同類型（上市、非上市）商業銀行期限錯配的影響具有異質性。相比于上市銀行，互聯網金融和利率市場化對非上市銀行期限錯配的程度影響更加顯著。

（二）計量模型

為驗證假設1，設定如式（1）所示的計量模型。

式（1）中，IRLt為年份t的利率市場化指數，IFt為年份t的互聯網金融指數，Xit為系列控制變量，α2表示相應的系數，λi為銀行的個體效應，νt表示時間效應，εit為隨即干擾項。

為驗證假設2，設定如式（2）所示的計量模型：

綜合國內外文獻內容，考慮到銀行期限錯配有慣性，存在路徑依賴。因此，加入銀行期限錯配的一階滯后項，以控制模型可能存在的動態效應。其中，下標i表示各家銀行，下標t表示年份。CBLMIit是被解釋變量，表示商業銀行的期限錯配程度；IFt和IRLt為本文的核心解釋變量，分別表示互聯網金融指數和利率市場化指數；Xit代表其他一系列控制變量，β5表示相應的系數，λi為銀行的個體效應，νt表示時間效應，εit為隨即干擾項。

為驗證假設3，設定如式（3）和（4）所示的計量模型，分別用來分析互聯網金融對上市和非上市銀行的影響。

根據前述分析，預期γ3和δ3顯著為正，γ4和δ4顯著為負，且δ3＜γ3；此外，預期δ2對被解釋變量的影響程度顯著高于γ2。

由于式（2）、（3）和（4）包含了被解釋變量滯后項作為解釋變量。因此，實證方程可能存在變量內生性的問題，傳統面板數據估計方法會使結果出現偏差。采用廣義矩估計（GMM）方法，該方法不需要知道隨機誤差項的準確分布信息，而且允許數據存在異方差和序列相關，可借助合適的工具變量有效解決內生性問題，使估計系數偏誤性顯著降低。

（三）變量定義

1.商業銀行期限錯配程度的度量

關于銀行期限錯配程度指標的測算，國外一些學者開展了很有價值的研究。采用Brunnermeier et al.（2011）、Bai et al.（2018）提出的流動性錯配指數（LMI）作為銀行期限錯配程度的代理變量，并在此基礎上，結合我國商業銀行的實際情況，構建模型中的核心解釋變量CBLMIit。當CBLMIit＜0時，商業銀行處于流動性不足狀態；當CBLMIit＞0時，商業銀行處于流動性充盈狀態。流動性錯配指數與期限錯配程度負相關，流動性錯配指數越大，意味著銀行流動性風險越小，期限錯配的程度越低。

表1 銀行業務科目流動性劃分及權重

具體而言，Bai et al.（2018）在前人的研究基礎上進一步提出了流動性錯配指數（LMI）的計算過程，他對銀行報表中每一個會計科目賦予一個流動性敏感系數，而不同資產或負債的流動性敏感系數與其自身的期限密切相關，因此流動性錯配指數可以用來測度商業銀行期限錯配程度，它是一個非常適合的代理變量，使得流動性錯配指數（LMI）更具合理性。參考Berger&Bouwman（2009）提出銀行資產負債表中的科目按流動性程度分為不流動、半流動性和高流動性三類，并賦予相對應的權重（見表1）。然后通過公式將其加總計算，就可以得出流動性錯配指數，衡量商業銀行資產負債期限錯配的程度。假設商業銀行資產科目的權重分別為λt，ak。其中，t表示年份，ak表示商業銀行資產科目；同樣，商業銀行負債科目的權重分別為λt，1k′。其中，t表示年份，lk′表示商業銀行負債科目。王然（2017）指出每家商業銀行的流動性錯配指數（LMI）會受到銀行規模大小的影響，所以要剔除銀行總資產的影響，得到LMI′=LMI/總資產。

商業銀行流動性錯配指數計算公式如下：

2.利率市場化指數的度量

關于利率市場化程度指標的測算，國內外一些學者開展了很有價值的研究。為了更好地反映我國利率市場化程度，采用王舒軍和彭建剛（2014）的方法，首先從存貸款利率、貨幣市場利率、債券市場利率和理財產品收益率四個方面，建立由12項指標構成的測度利率市場化水平的指標體系，然后對中國利率市場化改革歷程按照時間進行梳理，從1986年允許四大行相互拆借資金，資金拆借期限和利率由借貸雙方協商決定開始，到2019年全國銀行間同業拆借中心發布貸款基礎利率（LPR），按每項政策①限于篇幅，本文沒有將中國利率市場化改革歷程（1986～2019）列出，感興趣的讀者可向作者索取。對利率的市場化影響的程度給予賦值（見表2），最后對數據進行加權匯總（見表3），從而構建中國利率市場化指數（見表4）。

從計算結果來看，利率市場化程度已經處于較高水平，從2011年始，我國的利率市場化指數逐年增加，2017年達到近8年的峰值，但近幾年由于受金融監管政策的影響，利率市場化指數在2018年出現小幅下降。盡管受政策調整出現過階段性波動的情況，但我國利率市場化整體上呈現快速發展的趨勢。

表2 各指標賦值規則

表3 指標及指標權重

3.互聯網金融指數的度量

筆者運用北京大學數字金融研究中心基于螞蟻金服用戶數據，構建的地市級數字金融普惠指數作為互聯網金融發展指標的代理變量。該指數采用了螞蟻金服的交易賬戶底層數據，包括覆蓋廣度、使用深度和數字支持服務程度三方面，具有相當的代表性和可靠性。覆蓋廣度主要通過電子賬戶數等來體現；使用深度依據實際使用互聯網金融服務的情況來衡量；數字支持服務方面，便利性和成本是影響用戶使用金融服務的主因。

4.控制變量

表5 控制變量的說明與定義

現有文獻表明，互聯網金融的發展、宏觀經濟發展、微觀行業特征等因素均不可避免地影響了商業銀行期限錯配的產生。因此，關于控制變量選擇，筆者考慮了微觀和宏觀兩個層面的因素。銀行微觀個體層面的因素包括：資產收益率（ROA），資本充足率（CAR）和銀行取對數后的資產規模（SIZE）。宏觀控制層面的因素包括：各銀行總行所在地市的人均GDP（RGDP）、宏觀經濟水平（GDP）、貨幣供應量（M2）和股市發展狀況（STOCK）。

（四）數據來源

文中重點研究互聯網金融、利率市場化和銀行期限錯配三者之間的傳導關系。考慮相關數據的可得性，本文選擇了95家已經披露完整財務信息的內地銀行作為樣本。其中，包括36家已經上市的商業銀行、59家非上市的股份制商業銀行和城市商業銀行。樣本選取的時間跨度從2009年12月31日至2018年12月31日，均使用年度數據。數據來源為中國經濟社會大數據研究平臺、Wind數據庫、各銀行公開的年報和北京大學數字普惠金融指數。

四、實證分析

（一）變量描述性統計

從表6的描述性統計結果可知，我國商業銀行期限錯配程度的平均值為0.342434，95家樣本中的最大值和最小值分別為0.58和0.09，銀行之間存在較大差異。其中，非上市銀行期限錯配程度較高，平均值為0.338962，高于銀行業的平均水平；已上市銀行期限錯配程度的平均值為0.348125，略低于行業平均值。

（二）實證回歸結果與分析

表6 變量描述性統計

1.變量平穩性檢驗

為了確保回歸結果的有效性，需要對動態面板模型的數據的平穩性進行單位根檢驗，因此對銀行層面的變量進行LLC和PP檢驗。結果顯示互聯網金融指數和與銀行相關的變量均顯著，排除模型存在“偽回歸”的可能。

2.互聯網金融對利率市場化影響的實證分析

因采用的是平衡面板數據，考慮到個體效應的存在，故采用固定效應模型進行回歸分析，并進行相應檢驗。表7報告了假設1的回歸結果。在所有回歸變量中，互聯網金融指數、銀行規模、資產收益率、資本充足率、人均GDP、宏觀經濟水平和股市發展狀況對利率市場化都有較為顯著的影響。其中，互聯網金融指數的系數為0.0019，且在1%的水平下顯著，說明隨著互聯網金融的發展，市場利率越發接近實際利率，對利率市場化的進程具有積極推動作用。銀行規模的系數為-0.0418，且在1%的水平下顯著，說明隨著資產規模的增大，利率市場化會帶來銀行收益的不確定性，銀行缺乏改革的動力。資產收益率的系數為0.0394，且在1%的水平下顯著，表明資產收益率越高的銀行，有實力和動力進行改革。資本充足率的系數為0.0394，且在1%的水平下顯著，該指標用于監測銀行抵御風險的能力，資本充足率高說明銀行的運營更加穩健，有能力推動利率市場化。人均GDP和宏觀經濟水平與利率市場化均負相關，且在1%的水平下顯著，表明地方政府在經濟發展較好時期，傾向于保持穩定，缺乏推動銀行變革的動力。股市發展狀況與利率市場化正相關，且在1%的水平下顯著，股市繁榮期間說明上市銀行盈利能力強，不良貸款率低，有空間和實力推動利率市場化改革。為了保證結果的穩健性，用宏觀變量貨幣供應量（M2）替代宏觀經濟水平（GDP）再次進行分析。從回歸結果來看，核心解釋變量互聯網金融指數系數為0.0022，在1%的水平下仍然顯著。除銀行規模外，其余控制變量均顯著且方向不變。

表7 互聯網金融對利率市場化的影響分析

3.互聯網金融和利率市場化共同影響銀行期限錯配的實證分析

表8報告了假設2的回歸結果。考慮到銀行期限錯配可能存在一定的慣性，在模型中加入被解釋變量的一階滯后項后，采用DIFF-GMM對模型（2）進行估計。GMM有助于解決內生性問題，其成立的前提為差分方程中不存在二階和以上的自相關，工具變量符合嚴格的外生性，因此需要進行Arellano-Bond序列相關檢驗和Sargan檢驗。表8的結果表明，GMM的前提條件成立，互聯網金融指數（IF）對商業銀行流動性錯配指數（CBLMI）的影響，以及一階滯后項的估計系數均顯著為正。此外，發現互聯網金融指數的二次項（IF2）系數在1%水平下顯著為負，這一結果驗證了互聯網金融指數與商業銀行期限錯配呈現倒“U”型關系。因為銀行期限錯配程度用流動性錯配指數表示，數值越小表示期限錯配程度越大，所以互聯網金融發展初期能夠減弱銀行期限錯配程度，但隨著互聯網金融的發展，銀行期限錯配程度上升。在更換控制變量后，互聯網金融一次項和二次項系數均未發生變化，模型結果依然穩健，進一步證實了假設2。

根據模型（2）可知互聯網金融二次函數的最大值為238.878327，該值略大于2016年的互聯網金融指數均值，但小于2017年的均值。由于模型（2）是一條開口向下的拋物線。本文初步判定，2011-2016年這一時期的互聯網金融通過網上銀行這一在線渠道幫助商業銀行突破時空限制、提高辦事效率、降低服務成本，減弱了商業銀行產生期限錯配的意愿。但2016-2018年，互聯網金融通過分流活期存款并以協議存款的方式重新進入銀行，抬高了銀行負債端的成本，利差的收窄迫使商業銀行增加長周期高風險業務的配置以維持利潤，在這一時期，互聯網金融的沖擊加劇了商業銀行期限錯配程度。傳導關系和實證分析均表明，互聯網金融對商業銀行期限錯配的影響并非簡單的線性關系，而是呈現出先升后降的倒“U”型走勢。另一個核心解釋變量利率市場化水平（IRL）的系數顯著為負，結果弱相關，這與李宏瑾（2015）的研究一致，利率市場化后導致銀行利差收窄，商業銀行有充分的動機擴大信貸投放規模，特別是長周期、高風險、高收益的信貸類資產，“抬高資金成本”效應會增加商業銀行期限錯配程度。

表8 95家商業銀行實證分析結果

控制變量的回歸結果也基本符合已有研究。貨幣供應量增速（M2）系數結果顯著為負，意味著我國貨幣政策并非中性，積極的貨幣政策會提高商業銀行的期限錯配程度。資產收益率（ROA）的回歸結果系數為負但不顯著，原因可能在于資產收益率是比率指標，不能充分反映資產和收益對銀行期限錯配的影響。銀行規模（SIZE）系數在1%的水平下顯著為負，原因可能在于隨著商業銀行資產規模的增長，特別是大型銀行更容易在短期內積聚風險，形成的期限錯配程度要遠高于小型銀行。資本充足率（CAR）的回歸結果顯著為正，資本充足率是按照《巴塞爾協議Ⅲ》的要求，目的是監測銀行抵御風險的能力，結果說明該指標可以有效降低商業銀行期限錯配的程度。人均國內生產總值（RGDP）和國內生產總值增長率（GDP）結果均不顯著，可能的解釋是整個銀行體系越來越獨立于宏觀經濟，2013年連續發生由于銀行系統期限錯配嚴重導致的“錢荒事件”，但我國宏觀經濟狀況運行良好，因此傳統的從宏觀經濟層面來解釋銀行穩健性問題隨著環境的變化需要重新審視。

為進一步檢驗結論的穩健性，采用股市發展狀況（STOCK）替換原有的宏觀控制變量人均國內生產總值（RGPC）。結果顯示，互聯網金融和利率市場化對銀行期限錯配的影響結果依然顯著，且模型通過了Arellano-Bond序列相關檢驗和Sargan檢驗，表明GMM的估計結果是有效的。

五、異質性分析

調整樣本范圍進行異質性檢驗，基準模型的樣本包括國有商業銀行、股份制商業銀行和城市商業銀行等在內的95家商業銀行，按照商業銀行是否已經成為上市公司作為調整樣本范圍的標準，對模型進行重新估計并進行穩健性檢驗，即未上市的59家商業銀行和已經上市的36家商業銀行。表9和表10報告了假設3的回歸結果。結果顯示，核心解釋變量互聯網金融指數（IF）系數在1%的水平下均顯著為正，互聯網金融指數的二次項（IF2）系數在1%的水平下均顯著為負，說明樣本分類調整后的回歸結果與假設2的結果保持一致，驗證了互聯網金融與商業銀行期限錯配的倒“U”型關系。將兩類樣本相比較的結果表明，相較于上市銀行，互聯網金融對非上市銀行產生的期限錯配程度更為顯著，這與假設3的預期相一致。此外，另一個核心解釋變量利率市場化指數（IRL）在59家非上市銀行的實證分析結果中顯著為負，但在36家上市銀行的實證分析結果并不顯著，這也從另一個側面驗證了假設3。以上回歸分析在更換控制變量后，核心解釋變量的結果依然穩健。

表9 36家上市商業銀行實證分析結果

表10 59家非上市商業銀行實證分析結果

六、結論與政策建議

從互聯網金融的視角出發，基于我國95家商業銀行從2011年末到2018年末的平衡面板數據，分析了互聯網金融、利率市場化和銀行期限錯配三者之間的傳導關系，在此基礎上按照上市銀行和非上市銀行進行了樣本區分，并作異質性分析。結論包括以下三個方面。

第一，互聯網金融的發展實質上推動了一種變相的利率市場化，并推動政府出臺相關利率市場化政策，導致負債端的零售型存款比例下降，由于我國商業銀行資產負債的手段相對單一，使得銀行負債端越來越依賴于同業拆借等批發性資金，成本上升的同時借貸利率和凈息差都有所下降，進而改變了銀行的資產負債結構。負債端結構的改變導致銀行資產端風險承擔偏好上升，即銀行選擇了周期更長，風險更高的資產來彌補負債端成本上升所造成的損失，導致銀行期限錯配程度的加深。第二，2011-2016年這一時期的互聯網金融通過提高技術水平、提高辦事效率、降低服務成本，減弱了商業銀行產生期限錯配的意愿。但2016-2018年，互聯網金融通過分流活期存款并以協議存款的方式重新進入銀行，抬高了銀行負債端的成本，利差的縮窄迫使商業銀行增加長周期高風險業務的配置以維持利潤，互聯網金融的沖擊加劇了商業銀行期限錯配程度。影響機制和實證分析均表明，從動態的角度來看，互聯網金融對商業銀行期限錯配的影響并非簡單的線性關系，而是呈現出先升后降的倒“U”型走勢。第三，通過異質性研究得出結論：相較于上市銀行，互聯網金融和利率市場化對非上市銀行產生的期限錯配程度更為顯著。原因在于對上市銀行而言，監管部門要求更嚴格的財務信息披露規則和公司治理的強制性法令，信息公開透明。作為委托人的投資者在整個過程中扮演了監督者的角色，以確保作為受托代理人的經營管理者有效規避道德風險。而非上市銀行受外部監管程度低于上市銀行，故有更大的動機去配置長周期、高風險的資產，進而產生期限錯配。

根據上述結論，提出以下政策建議：第一，政府應該鼓勵互聯網金融發展，深入研究互聯網金融如何服務好資金價值鏈的上下游客戶，充分發揮其“鯰魚效應”，間接推動銀行業的改革創新。嚴防各類風險的同時，將互聯網金融納入到金融監管體系，并提出明確的監管思路、規則和框架。第二，要合理引導現有商業銀行轉型升級，將互聯網金融與傳統金融優勢互補，建議商業銀行大力發展網上銀行和電子銀行等互聯網業務，利用自身網點覆蓋范圍廣，客戶認可度高的特點，推動銀行線上線下融合，充分參與市場競爭。第三，規范銀行同業業務。對于銀行同業業務的管理需要建立完整的管理機制，對以套利為目的，資金在體系內空轉的業務進行嚴格限制。引導同業非標業務逐步向標準化業務轉變，增加標準化信貸資產的比例，為商業銀行主動調節資產結構創造條件。第四，完善銀行業監督機制。應根據不同類型的商業銀行采取差異化管理策略。鑒于上市銀行經營的穩健性和治理水平更高，應將上市銀行嚴格的財務信息披露規則和公司治理的強制性法令廣泛推廣，使商業銀行普遍接受投資者的監督，有效規避道德風險。第五，推進金融體制改革。過度依賴批發性融資會增加商業銀行的潛在風險，這就需要我國逐步推進真正的利率市場化改革，使存款重新具有競爭力，讓資金從銀行間市場回流傳統的存款市場。加快利率市場化的改革，給予金融機構完全市場化的地位，促進金融更好地為實體經濟服務，使金融真正回歸本源。