金融科技對商業銀行信用風險的經濟資本影響研究

姚 婷，宋良榮

(1.上海理工大學管理學院，上海 200093；2.廣西大學行健文理學院，廣西南寧 530005）

1 研究背景

2014 年3 月，“金融科技”首次出現在中國政府工作報告中。2019 年8 月人民銀行發布關于金融科技（FinTech）未來3 年發展規劃，把金融科技運用到金融風險管理領域提升到一個前所未有的高度。2019 年12 月，中國人民銀行宣布推出金融科技創新監管試點，北京率先啟動中國版的監管模式，說明了國家高度重視金融科技在金融風險管理和控制領域的地位。作為中國金融體系的主體-商業銀行需要抓住金融科技發展的契機，實現自我升級與蛻變。

金融科技是結合“金融+科技”的特點，創新金融新業態，利用智能投顧、分布式記賬、生物識別等新興技術，創新了各種新模式、應用場景、流程、新產品和新體驗等［1］，旨在提升服務效率、客戶體驗和降低成本一種模式。商業銀行信用風險是指貸款人無力履行合同給商業銀行造成的風險，既包括貸款人無力履約還包括由于貸款人資產狀況發生變化導致商業銀行資產價格過度波動所帶來的風險。目前，商業銀行的信用風險位居銀行風險管理的主要地位，其運營管理的成效決定著銀行的健康發展。商業銀行信用風險的經濟資本管理是一種先進的風險管理方法，其本質是覆蓋銀行的信用風險，是銀行根據其自身資產風險狀況，在一定時期內用來彌補其非預期損失的資本，是一種風險的測度。

“金融科技+商業銀行”的精髓在于通過金融科學技術與商業銀行結合，顛覆商業銀行原有盈利模式，實現以數據為運營核心，以金融科學技術為支撐商業銀行風險管理提供多元化的立體創新思路。金融科技對商業銀行信用風險管理產生的影響可以概括為兩個方面：（1）金融科技利用先進的技術（包括智能投顧、大數據和生物識別等）為商業銀行解決信息不對稱、原有數據容量擴容和質量不高等問題提供了新的解決途徑，能夠降低銀行信貸風險，提升其風險防范和控制能力。（2）金融科技具有海量數據處理優勢，高容量的數據存儲能力，便捷化的服務模式，顛覆了商業銀行原有盈利模式，加大了商業銀行破產風險。由此引發的思考：金融科技影響商業銀行信用風險的機理是什么？金融科技發展對商業銀行信用風險管控水平影響有多高？這些問題的解答有助于提升商業銀行風險管理和防控水平，降低銀行信用風險，促進中國金融體系健康發展的意義深遠。

國內外學者對金融科技如何影響商業銀行信用風險主要集中于兩個不同層面：（1）金融科技加大商業銀行信用風險。巴曙松等［2］指出隨著金融領域參與者的多元化（其中包括傳統金融機構、轉型升級的金融機構等，涵蓋領域既包括傳統的信貸、存款和集資、銀行中間業務，還包括投資管理服務和保險等等［3-4］），金融科技存在以下潛在風險：微觀方面包括金融機構的流程、網絡、法律風險等等［5-6］;宏觀方面包括順周期性、聲譽和過度波動有關等風險。這些風險的不斷發展演化，提升了交易過程中發生的成本，導致商業銀行破產風險機率加大;（2）金融科技降低了交易過程中的信息不對稱成本，降低了銀行信用風險，提升了銀行風險管理和防控水平。金融科技從金融技術向金融科技轉化［7］，金融科技將新興技術切入金融服務領域，打通了金融業的資產端環節，將資金端和資產端的精準高效匹配，實現高效定價，可以有效實現場景和產品創新、提高服務能力、降低運營成本以及更好的管理風險［8-9］。金融服務向非中介化演變，使得金融領域向便捷化、高效和智能方向轉型。金融科技不僅可以提供便捷的金融服務，還拓展更多的零售客戶和低端客戶，利用金融科技對消費者的行為規律、喜好等進行分析，以便提供個性化的解決方案，以更低的成本［10］，提供給客戶更好的服務和體驗［11-12］。

通過上述關于金融科技對商業銀行信用風險影響的研究發現，已有文獻一方面只從效率、盈利及風險管控等幾個割裂的角度研究金融科技對商業銀行信用風險影響的變化，缺乏系統性的理論機制探討；另一方面，缺少從實證層面定量衡量這種影響的大小及不同資產規模的商業銀行差異化效用。鑒于此，本文首先闡述金融科技影響銀行信用風險的機理，其次借鑒文本挖掘法和主成分分析法構建金融科技應用指數，并在此基礎上運用國內16 家商業銀行的數據，定量分析金融科技對商業銀行信用風險管控的影響，最后總結全文，并討論金融科技影響銀行信用風險管理和防控方面的政策建議。

2 金融科技影響商業銀行信用風險的機理分析

金融科技是“金融與科學技術的無縫銜接”，利用分布式記賬技術、物聯網、機器學習等先進技術與海量數據結合，實現了資金跨時空配置、新型支付清算、數字貨幣等新金融業態［13］。金融科技對商業銀行信用風險影響機制可以歸納為截然相反的兩條途徑。

2.1 金融科技降低商業銀行信用風險，拓展盈利空間和提升風險管理水平

（1）金融科技可以優化銀行信貸業務流程，降低銀行總體風險水平。首先，在客戶征信評級方面：金融科技可以借助商業銀行獲取多維度的數據，擴大客戶征信數據源頭，將大量長尾客戶日常消費記錄和習慣計入信用累積數據中。并且利用先進的機器學習、神經網絡等技術為銀行授信提供參考數據源和傳統評級模型難以解決的非線性問題，提升商業銀行授信能力；其次，在普惠金融方面：在區塊鏈技術分布式規則下，將中小企業的經營數據作為信用的基礎，在中小企業貸款過程中提供精準的風險控制和優化供應鏈融資服務，實現專業和實時化的監控和風險追蹤服務［14］。（2）金融科技可以降低運營成本，解決原有數據質量不高的困境。傳統商業銀行成立時間早，掌握了大量國民消費和資金擁有數據。由于原有技術和數據不完善，數據質量和生成獲取方式也不同，加上我國征信體系尚未完全建立，數據的來源和可靠性存在質疑。人工智能、深度學習和大數據等技術可以將客戶的消費和投資喜好進行海量數據分析，并通過學習糾正等方式，對原有數據進行高效分析，降低交易成本，提升數據質量［15-16］。（3）金融科技變革傳統銀行原有盈利模式，拓寬盈利空間。

原有商業銀行存在客戶偏好，盈利主要依賴存貸利差，對于長尾客戶往往覆蓋不到。根據國家普惠金融與公平原則，可以利用去中心化和分布式賬本進行記錄，對中小企業和個人交易進行處理，解決了原有金融機構對長尾客戶信息獲取成本高，交易鏈條長、繁瑣等困境，擴寬了原有盈利空間。另外，金融科技可以利用新興科技對商業銀行優質客戶進行一對一的精準服務，提高商業銀行電子銀行替代率［17］，降低人工成本，打破時空的界限，實施“7×24”小時不間斷的服務，提升銀行利潤水平。

2.2 金融科技增加銀行信用風險，加大破產機率

（1）金融科技加大商業銀行的信用風險。由于商業銀行存在信貸偏好，信貸資金分配上對中小企業存在惜貸，商業銀行在征信評級、小微企業和動產融資方面的投入相對薄弱，尚未開發甚至被忽視的價值網絡會導致現有的優質客戶流失［18］。同時隨著普惠金融的展開，加大了對低端客戶的覆蓋，信用風險的違約概率可能會增大。

（2）金融科技導致銀行與客戶合約雙方資產價值波動頻繁。金融科技融合了貨幣、債券、衍生品和大宗商品市場的界限，金融交叉風險不斷疊加，風險的傳播途徑和時空正在改變。由于互聯網技術和金融技術不斷發展，參與者和參與形式多元化，新興的業態模式不斷發生，交易鏈條的不斷延長，造成銀行與客戶合約雙方的資產價值波動不斷，給商業銀行帶來了巨大風險。

（3）金融科技導致商業銀行產生技術風險。全天候的服務和參與者的多元化［19-20］，海量的數據在不斷以冪的級別增加，大量的客戶信息數據一旦保管不善，會導致信息和數據泄露，各類信息錯綜復雜，技術失控風險加大。另外，海量的數據前所未有，原有的技術是否能承載它們的容量及處理速度是否能跟進；對數據的存儲、讀取存在風險，數據的不完整以及失真是否能夠處理等等問題將導致商業銀行決策失敗。。

3 模型設定與變量的選取

3.1 模型設定

3.2 變量定義

最后，計算出違約距離DD，公式如下：

DD 越大說明商業銀行信貸風險發生的可能性越小，計算結果如圖1 所示。

圖1 16 家商業銀行違約距離

（2）核心解釋變量：金融科技應用指數。金融科技應用指數的構建是本文研究十分關鍵的一步。現有研究主要通過文本挖掘法和指數合成法構建。本文參考郭品等［23］的互聯網金融指數構造方法，構建本文的金融科技應用指數。該指數包括金融科技合成指數、商業銀行個人存款、商業銀行個人貸款和信用卡新增發卡量4 個二級指標。金融科技合成指數原始數據來源于百度搜索指數和百度咨詢關注。構建步驟如下：首先，以金融科技、第三方支付、電子支付、手機支付、電子銀行、互聯網金融關鍵詞構建基礎維度。其次，借鑒百度搜索指數和百度咨詢關注，得到這些關鍵詞關注度的月平均值，并繪出2011 年1 月至2019 年6 月金融科技合成指數各個成分指數走勢圖(如圖2)。最后，通過運用軟件運用主成分分析法和因子分析法，對關鍵詞進行降維，得到關鍵詞的公因子，進而計算出金融科技合成指數。然后再利用同樣的方法，將4 個二級指標進行合成，最終構建金融科技應用指數。

圖2 2011 年1 月至2019 年6 月金融科技各項組成指數走勢

由于不同變量之間的單位不盡相同，如果直接使用，會造成實證檢驗產生錯誤的結果。對上述變量的原始數據采用均值-標準差法進行處理，避免了在綜合評價時受到原始數據不同單位的影響，具體計算公式如下：

其中：

3.3 樣本選擇與描述性統計

3.3.1 樣本選取

本文選取2011 年1 月至2019 年6 月16 家上市商業銀行的數據構建動態面板模型。數據來源于數據庫和各大商業銀行年報，控制變量數據來源于數據庫，缺失的數據來自網上搜集整理。

3.3.2 變量設計與描述性統計

表1 變量的描述性統計

4 實證結果與分析

由于商業銀行信用風險的經濟資本具有持續時間效應，本文在原有一般隨機模型和固定效應模型的基礎上，采用系統廣義矩估計（）模型來檢驗金融科技對商業銀行信用風險經濟資本的影響。

首先，采用靜態面板的混合、固定與隨機效應估計方程（1）；從表2 看出，檢驗的值為0.000，拒絕混合效應的估計：檢驗的P 值為0.102，在10%顯著水平上，本文選擇固定效應模型。其次，采用差分廣義矩估計（）和系統廣義矩估計（）模型解決銀行盈利能力、資產規模與風險管控水平存在的內生性問題。兩個動態面板的檢驗結果和檢驗說明模型結果是有效的。

（1）金融科技應用指數的估計系數為-1.959，在1%水平顯著，與假設預期一致，說明金融科技能夠增加交易雙方信息透明度，降低交易成本，所需的商業銀行信用風險的經濟資本也隨之減少。

表2 金融科技對商業銀行風險管理水平的影響

表2 （續）

（3）商業銀行資產規模系數為正，符合“信用悖論”理論，即商業銀行資產規模越大，會根據自身的優勢對客戶信用關系、區域行業信息優勢等業務規模效應來進行放貸，反而沒有利用分散投資化解風險。

（4）盈利水平與信用風險的經濟資本存在負向關系，說明盈利能力越強，銀行風險管理水平提高，所需要的經濟資本就越低。

5 穩健性檢驗

為保證模型檢驗結果穩健性及可靠性，本文將不良貸款率代替模型的解釋變量進行檢驗，模型檢驗出來的結果雖然系數絕對值有差異，但是顯著性水平、正負情況及大小程度與上述檢驗結果基本一致。

6 結論與啟示

本文首先分析了金融科技對商業銀行信用風險影響的機制，概括出兩條截然相反的路徑；其次，本文利用百度搜索指數和主成分分析法構建了金融科技應用指數，作為實證檢驗的核心解釋變量；最后，選取了16 家商業銀行2011 年1 月至2019 年6 月的數據，檢驗了金融科技對商業銀行信用風險管理水平的影響。結果表明：（1）金融科技增加了交易雙方的信息透明度，降低了交易成本，減少了商業銀行信用風險的經濟資本，提升了銀行風險管理水平；（2）金融科技時代，親周期行為降低，商業銀行結合各類因素來判斷其信用風險，風險管理水平提升；（3）商業銀行資產規模越大，需要覆蓋信用風險的非預期損失的資本也越高；（4）商業銀行盈利能力越強，需要非預期損失的資本就越低。

據此本文提出以下建議：（1）商業銀行應積極與金融科技深度融合以應對金融科技帶來的沖擊。商業銀行需運用自身優勢與金融科技企業深度合作，加強數據的挖掘與分析，提升對客戶風險的評估精準度，降低信息不對稱的成本，提高其風險管控水平，將業務拓展到新金融科技生態圈，不斷挖掘盈利的新增長點［24］。（2）政府需要在監管制度和法律、行業規范、技術標準和風險監測體系等各方面做出相應的頂層設計。在監管體制上，需要對多個市場（甚至國與國之間協調）、行業、參與者產生交叉風險的識別、防范、化解進行整體監管設計。其次，參照國際上英國式監管模式［25］，對流程、工具、準入、評估和過程等進行合理的設計，設計金融科技的監管標準，監管者和參與者的行為規范，適時的選擇統一線上和線下的業務監管標準，實施24 小時不間斷的全過程監管，尋求監管與創新發展的平衡。再次，在行業和技術發展上，需要建立符合金融科技新業態發展的規范準則以及能夠覆蓋商業銀行及與商業銀行業務相關的行業標準規范。另外，在技術標準和風險監測體系上，需要構建能夠覆蓋金融科技業務風險監測體系，推出一套規范的數據監測標準。