突發公共事件、金融科技發展與銀行風險承擔

郭 品 程茂勇 沈 悅

一、引言及文獻綜述

21世紀以來，自然災害、事故災難、重大疫情等突發公共事件呈現出沖擊力增強、波及范圍擴大、影響程度加深之勢①突發公共事件包括公共衛生、自然災害、事故災難、社會安全事件四類。本文主要利用新冠疫情公共衛生事件產生的準自然實驗，研究突發公共事件對銀行風險承擔的影響機制，并探究金融科技對突發公共事件沖擊的緩解效應。。2019年年底暴發的新冠肺炎疫情，不僅擾動了經濟運行軌跡，更是威脅了金融體系穩定(Faria，2020；楊子暉等，2020)。為應對突發疫情沖擊，各家銀行迅速致力于金融科技的應用和發展，助力復工復產。2020年2月14日，中國銀保監會辦公廳出臺《關于進一步做好疫情防控金融服務的通知》(銀保監辦發〔2020〕15號)，強調金融機構要加強科技應用，創新金融服務方式。國家“十四五”規劃明確指出，強化數字技術在公共衛生、自然災害、事故災難、社會安全等突發公共事件應對中的運用，全面提升其預警和應急處置能力。基于上述背景，我們不禁提出疑問，突發公共事件是否提高了銀行風險承擔水平？金融科技發展能否緩解突發公共事件對銀行風險承擔的不利影響？金融科技發展是否有助于銀行應對突發公共事件沖擊？其內在邏輯為何？回答這些問題，不僅有助于豐富突發公共事件影響金融穩定的機制研究，也可為監管當局與商業銀行運用金融科技應對突發公共事件、維護金融體系穩健提供政策參考。

目前，學界已涌現出一批關于突發公共事件沖擊經濟金融運行的研究成果，主要集中于影響效應與應對建議兩個層面。在影響效應層面，Deryugina等(2018)、Faria(2020)、張曉晶和劉磊(2020)考察了颶風、疫情等突發公共事件對實體經濟與金融市場的負向沖擊。Jia和Zhang(2013)、朱武祥等(2020)探究了地震、疫情對公司經營管理的不利影響。何誠穎等(2020)、吳振宇等(2020)則定性討論了突發疫情沖擊帶給銀行業、保險業的挑戰。在應對建議層面，在突發公共事件呈現階段性、區域性與擴散性等特征的情況下，學者建議推出差異化與梯次化的應對政策，以期在短期內助力企業恢復生產，在長期內激發經濟增長動能(Li等，2020；佟家棟等，2020)。此外，還有部分文獻闡釋了大數據、云計算等數字技術在應對突發公共事件方面的作用(韓晶等，2020)。

總體來看，上述文獻對于理解突發公共事件的影響效應與應對建議具有重要啟示。然而，關于突發公共事件對銀行經營管理影響的分析則相對匱乏，具體表現于以下兩個方面。第一，已有研究多是定性討論突發公共事件對金融業的負面影響，系統剖釋突發公共事件加重銀行風險承擔的文獻尚付闕如。商業銀行作為我國金融體系的內核，其風險承擔水平關乎整個經濟金融的穩定與否(顧海峰和楊立翔，2018)。既有研究顯示，銀行風險承擔水平的高低既受銀行個體特征影響，也與外部環境息息相關(Drechsler等，2018；鄧向榮和張嘉明，2018)。突發公共事件作為對宏觀經濟、金融市場以及微觀企業產生巨大擾動的“外生沖擊”(Faria，2020；朱武祥等，2020)，必然會通過多種渠道影響銀行風險承擔，威脅金融穩定。遺憾的是，現有文獻尚未對突發公共事件影響銀行風險承擔的內在機制進行科學論證。第二，當前研究主要是立足宏觀視角探討數字技術在突發公共事件應急管理中的積極作用，而從微觀視角考察金融科技發展助力銀行應對突發公共事件沖擊的文獻鳳毛麟角。金融科技是將大數據、云計算、區塊鏈、人工智能、移動互聯網等技術應用于支付結算、資源配置、風險管理以及市場設施等多個領域的金融創新(Stulz，2019)。作為信息技術與金融服務的有機結合，金融科技可助益商業銀行拓寬線上業務、優化風險管理以及提高經營效率(李春濤等，2020)。由此可以推測，金融科技有助于提高銀行經營管理的連續性和穩健性，增強銀行面對突發公共事件時的韌性。然而，目前尚缺乏嚴謹的理論剖釋與實證分析對這一論斷進行驗證。

鑒于此，本文將重點研究突發公共事件對銀行風險承擔的影響機制，并探究金融科技對突發公共事件沖擊的緩解作用。本文首先將突發公共事件、金融科技發展與銀行風險承擔納入統一的分析框架，分析了突發公共事件加重銀行風險承擔以及金融科技發展助力銀行應對突發公共事件的理論機制。隨后，基于新冠疫情沖擊產生的準自然實驗，綜合采用雙重差分模型與多重中介效應模型進行了實證檢驗。其結果顯示，突發公共事件顯著提高了銀行風險承擔水平。機制分析表明，突發公共事件會造成銀行投資收益率下降、業務規模縮減及存貸息差收緊，由此加重銀行風險承擔。進一步研究發現，金融科技發展有助于削弱突發公共事件對銀行風險承擔的負面沖擊。

相較于已有研究，本文的邊際貢獻主要體現于以下三個方面：①研究視角上，本文將突發公共事件、金融科技發展與銀行風險承擔納入統一的分析框架，厘清了突發公共事件加重銀行風險負擔，以及金融科技發展助力銀行應對突發公共事件沖擊的內在機制，拓寬了關于突發公共事件影響效應與應對建議的理論分析思路。②研究方法上，本文綜合采用雙重差分估計與多重中介效應模型，識別了“突發公共事件→投資收益率下降、業務規模縮減、存貸息差收窄→銀行風險承擔水平提高”的影響路徑，豐富了關于突發公共事件沖擊經濟金融運行的經驗證據。③研究意義上，本文論證了金融科技在突發公共事件應急管理中發揮的積極效應，為監管機構與商業銀行通過推動金融科技發展應對突發公共事件、維護金融體系穩健提供了決策依據和參考借鑒。

二、理論假說提出

為刻畫突發公共事件對銀行風險承擔的影響機制，并探究金融科技對突發公共事件沖擊的緩解作用，本文立足中國銀行業改革不斷深化的現實，對D-L-M模型(Dell’Ariccia等，2014)的假設條件進行了如下拓展：第一，將貸款利率改寫為貸款市場報價利率(LPR)與銀行浮動基點的加成，以貼近LPR機制改革后銀行貸款定價中LPR運用占比大幅提升的現實；第二，將部分存款保險假設延伸至全額存款保險，以符合存款保險制度建立后，我國存款保險基本能夠覆蓋銀行絕大多數存款的現實(鄧向榮和張嘉明，2018)；第三，將銀行投資區分為信貸投資與證券投資兩類，以捕捉突發公共事件通過實體經濟和金融市場等渠道對銀行風險承擔的影響機制，并據此揭示金融科技助力銀行應對突發公共事件的積極效應。

（一）銀行風險承擔的影響因素

由式(1)可知，基準情形下，銀行最優風險承擔水平 p*受到法定存款準備金率、最低資本充足率、無風險利率、貸款市場報價利率、銀行證券投資收益率、銀行貸款業務規模等因素的共同影響。

（二）突發公共事件對銀行風險承擔的影響機制

本小節根據突發公共事件沖擊下銀行經營環境發生的變化，拓展基準模型的約束條件，進而揭示突發公共事件對銀行風險承擔的影響機制。突發公共事件對銀行經營管理的影響主要包括以下三方面。

上述影響引入商業銀行的最優化問題的分析后，重新求解目標函數π關于決策變量p的一階條件，可以得到考慮突發公共事件沖擊下的銀行最優風險承擔水平 p*：

為厘清突發公共事件對銀行風險承擔的影響機制，將式(2)兩端同時對α求一階偏導，可得：

根據式(3)可以看出，突發公共事件會經由降低投資收益率、縮減業務規模與擠壓存貸息差三種機制影響銀行風險承擔水平。其中，“投資收益率下降機制”表明突發公共事件會引發市場恐慌情緒，加劇資產價格波動，惡化銀行投資收益，由此增大銀行面臨與承擔的風險。“業務規模縮減機制”意味著突發公共事件會縮減銀行業務規模，降低銀行持續經營與穩定獲益的概率，從而加大銀行風險負擔水平。“存貸息差收窄機制”表示突發公共事件會導致銀行息差收窄，促使追求黏性目標收益率的銀行放松貸款投放標準，承擔更多風險。據此，提出如下有待檢驗的研究假說。

假說1：突發公共事件會影響銀行風險承擔水平。

假說2：突發公共事件會造成銀行投資收益率下降、業務規模縮減及存貸息差收窄，由此加重銀行風險負擔。

（三）金融科技發展對突發公共事件的緩解作用

本小節進一步探究金融科技發展助力銀行應對突發公共事件的內在機制。通過梳理相關文獻和典型事實，我們認為金融科技發展對突發公共事件沖擊的緩解作用體現于以下三方面。

首先，金融科技發展有助于減弱突發公共事件沖擊導致的銀行投資收益率下降。從信息來源來看，金融科技內嵌的數據采集、分析和挖掘技術能助力銀行獲取多維的數據信息、樹立正確的市場預期(Gambacorta等，2019)，從而減少突發公共事件引致的非理性恐慌，提高突發沖擊之下銀行的理性投資行為。從風險管理來看，金融科技蘊含的機器學習、量化交易、知識圖譜等方法可助益銀行建立精準的風險預警模型和進行前瞻性的風險對沖交易，由此降低突發公共事件沖擊下金融市場震蕩導致的銀行投資收益率的波動幅度。國內首家落地量化電子交易平臺的平安銀行在疫情沖擊期間的投資交易凈收入增幅明顯高于其他銀行就是最好例證。據此可知，金融科技發展通過拓寬信息來源渠道，變革風險管理方法，弱化了突發公共事件對銀行投資收益的負面影響。

其次，金融科技發展有利于緩解突發公共事件沖擊造成的銀行業務規模縮減。從風險評估來看，依托大數據、物聯網技術，銀行可以綜合分析企業在突發沖擊期間的財務、納稅與輿情信息，從而對企業貸款做出續貸、展期或收貸處理，避免“一刀切”導致的銀行貸款大幅收縮。一個典型例證是新冠疫情期間上海銀行通過“魔鏡系統”深入挖掘了企業的正面新聞和輿情信息，據此為企業提供了差異化的融資支持。從業務開展來看，采用區塊鏈、供應鏈金融技術，銀行可以將支付、借貸等功能嵌入各種場景，由此滿足外部沖擊之下客戶對金融服務的平臺化需求。比如，新冠疫情期間中國建設銀行及時推出了“云易貸”“線上菜籃子”等產品。綜上可知，金融科技發展通過提升風險評估水平和推動業務數字化轉型，抑制了突發公共事件對銀行業務規模的不利沖擊。

最后，金融科技發展能夠減輕突發公共事件沖擊引致的銀行息差收窄壓力。從負債結構來看，相對于金融科技準備不足的銀行，金融科技發展良好的銀行能在突發公共事件沖擊期間快速實現線下網點、線上渠道、數字設備與社交網絡的無縫對接，進而為客戶提供更廣泛、更便捷的接入方式。這有利于銀行提高活期存款沉淀比例和應對存款利率剛性壓力。比如，疫情期間招商銀行大力發揮金融科技優勢，積極擴充服務對接方式，在促進零售存款占比回升的同時，有效降低了負債籌集成本。從資產管理來看，金融科技發展水平高的銀行可實現貸款風險分析、授信審批等業務的智能化處理(Goldstein等，2019)，進而減少征信管理成本，能較好地應對突發公共事件沖擊帶來的貸款利率下行挑戰。由此可見，金融科技發展通過優化負債來源結構，節約資產管理成本，減弱了突發公共事件對銀行存貸息差的負向影響。

綜合上述分析與式(3)推導可知，金融科技發展可以抑制突發公共事件對銀行投資收益、業務規模與存貸息差的不利影響，繼而遏制突發公共事件造成銀行風險承擔水平加重的勢頭。據此，本文進一步提出如下有待檢驗的研究假說。

假說3：金融科技發展有助于減弱突發公共事件對銀行風險承擔的負面沖擊。

三、實證研究設計

（一）樣本選擇與數據來源

本文主要利用新冠疫情沖擊事件產生的“準自然實驗”展開經驗分析，故選擇2019年第一季度至2020年第二季度我國34家A股上市商業銀行為實證研究樣本。選擇該樣本區間的原因在于：首先，已有研究指出，相對于多時點的漸進準自然實驗，基于單次沖擊的準自然實驗更容易產生由其他政策變化帶來的實證干擾(許紅梅和李春濤，2020)。因此，為消除研究期限過長引起的其他政策擾動，并避免研究期限過短造成的樣本容量不足，本文將2019年第一季度至第四季度視為突發公共事件沖擊前的對照期間①根據審稿專家的寶貴建議，為保證結論穩健，后續實證還將樣本區間擴大至2018年第一季度至2020年第二季度。。其次，根據國務院新聞辦公室發布的《抗擊新冠肺炎疫情的中國行動》白皮書對疫情防控歷程的描述，2019年年底，新冠肺炎疫情在武漢市暴發，之后疫情迅速擴散至全國。直至2020年5月，境內疫情傳播基本阻斷，新冠疫情開始進入常態化防控階段。為此，本文將2020年第一季度與第二季度視為突發公共事件沖擊期間。選擇上市銀行為研究樣本的原因在于，上市銀行面臨嚴格的信息披露要求，具有完整的季度財務數據。相比之下，非上市銀行主要披露年度財務數據，難以滿足本文實證研究的需求。本文銀行層面的財務數據主要來源于Wind數據庫，部分缺失信息通過查找銀行季報予以補齊。

（二）實證思路與模型設置

為驗證前述假說，本文分三步構建實證模型。

第一步，考察突發公共事件對銀行風險承擔的影響效應。雙重差分模型(difference-in-differences model，DID)設置如下：

其中，下標i表示銀行，t表示季度；RISK為銀行風險承擔水平；Treat為銀行分支機構虛擬變量，用以劃分處理組與控制組(定義詳見下文)；Post為突發公共事件虛擬變量，2020年第一季度與第二季度取值為1，其他取值為0；Control為系列控制變量；ui為個體固定效應；λt為時間固定效應；εit為隨機誤差項。需要說明的是，為盡量解決潛在的內生性問題，對銀行層面的控制變量取了前期值。

第二步，探究突發公共事件對銀行風險承擔的影響機制。在模型(4)的基礎上，構建如下并行多重中介效應模型(parallel multiple mediator model)：

其中，中介變量包括銀行投資收益IIR、業務規模LNL與存貸息差NIM。根據Preacher和Hayes(2008)的檢驗程序，在系數1α顯著的情況下，若系數1β與2γ(或1v與3γ、1w與4γ)顯著，則表明中介變量具有傳導作用；若這些系數不完全顯著，則需要通過Sobel檢驗判斷中介效應是否顯著。

第三步，檢驗金融科技發展是否有助于緩解突發公共事件對銀行風險承擔的不利影響。計量模型設置如下：

其中，BFin為銀行金融科技發展水平。三重交互項Treat×Post×BFin為重點關注變量，其系數2δ衡量了金融科技發展對突發公共事件沖擊的緩解作用。

（三）變量定義與描述性統計

1. 銀行風險承擔

Z值綜合考慮了銀行資本緩沖、收益高低與利潤波動等信息，能夠相對全面地衡量銀行風險承擔水平(Lepetit和Strobel，2015)。因此，本文選擇Z值(RISKZ)作為銀行風險承擔的基準代理變量。在具體計算過程中，參考Lepetit和Strobel(2015)的做法，一方面對Z值進行倒數調整，以直觀地反映銀行風險承擔水平的高低，另一方面對Z值進行對數調整，以減輕數據有偏性與異方差對實證結果的干擾。RISKZ的數值越大，銀行風險承擔水平越高。

2. 銀行分支機構

雖然新冠疫情蔓延至全國各地，但是本文研究期間疫情對其最初暴發地湖北省的負面影響最為強烈(肖土盛等，2020)。因此，相對其他商業銀行，在湖北省設有分支機構的商業銀行受突發疫情的影響更為顯著。據此，本文將在湖北省開設分支機構的銀行設置為處理組，分支機構虛擬變量(Treat)取值為1；將其他銀行設置為控制組，Treat取值為0。需要說明的是，本文借鑒陳勝藍和馬慧(2018)的思路，根據2019年銀行分支機構的信息確定Treat取值，以保證變量不受突發事件的影響。

3. 銀行金融科技發展

為客觀地衡量我國商業銀行的金融科技發展水平，本文參考郭品和沈悅(2015，2019)的思路，從微觀視角出發，采用文本挖掘法和Python腳本語言，構建銀行金融科技發展指數(BFin)及銀行金融科技四類應用模式的發展指數，即銀行支付結算科技發展指數(BPS)、銀行資源配置科技發展指數(BRA)、銀行風險管理科技發展指數(BRM)和銀行市場設施科技發展指數(BMF)①囿于篇幅，正文未列示銀行金融科技發展指數的構建過程，如有需要請與作者聯系。。

其具體測算結果如表1所示。從縱向演進趨勢來看，銀行金融科技發展指數從2019年第一季度的0.1221增加至2020年第二季度的0.1547，年均增速達17.09%，說明近年來我國商業銀行的金融科技發展水平顯著提高。從橫向模式比較來看，四類發展模式中，銀行支付結算科技發展指數的均值最高，銀行市場設施科技發展指數緊隨其后，銀行資源配置科技發展指數與銀行風險管理科技發展指數則略遜一籌，這與金融科技在我國商業銀行的發展應用軌跡基本吻合。

表1 銀行金融科技發展指數的測算結果

4. 中介變量

本文中介變量包含銀行投資收益、銀行業務規模與銀行存貸息差。借鑒現有文獻的做法(Entrop等，2015；Guo等，2020)，選擇公允價值變動收益、投資收益以及匯兌收益三者合計與營業收入的比值(IIR)衡量銀行投資收益；選擇對數化的總貸款(LNL)表示銀行業務規模；選擇凈利息收入與生息資產的比值(NIM)表示銀行存貸息差。

5. 控制變量

根據Dell’ Ariccia等(2014)、汪莉和陳詩一(2019)的研究，為減弱銀行個體特征對實證結論的影響，本文在計量模型中引入了以下五個控制變量：銀行資產規模(LNA)，采用對數化的總資產衡量；銀行資本實力(CAP)，采用凈資本與總資產的比值衡量；銀行盈利狀況(ROA)，采用凈利潤與總資產的比值衡量；銀行撥貸比(LLP)，采用貸款損失準備金與總貸款的比值衡量；銀行流動性水平(LIQ)，采用流動性資產占客戶存款與短期負債之和的比值衡量。表2展示了主要變量的描述性統計結果。

表2 變量描述性統計結果

四、突發公共事件對銀行風險承擔的影響分析

（一）基準檢驗

本節主要考察突發公共事件對銀行風險承擔的影響。表3第(1)列、第(2)列匯報了基于雙重差分模型的回歸結果①值得說明的是，本文所有回歸分析均使用面板校正標準誤差，以減弱異方差和自相關的影響。。其第(1)列僅控制了時間固定效應與個體固定效應，交互項Treat×Post的系數為0.3926，在1%的水平上顯著。這表明，在突發公共事件沖擊期間，相對于控制組，處理組銀行的風險承擔水平顯著提高。為消除銀行資產負債特征對回歸結果的干擾，其第(2)列在前列的基礎上添加了銀行層面的控制變量，交互項Treat×Post的系數為0.3917，通過了1%水平的顯著性檢驗。這說明，在突發公共事件沖擊期間，處理組銀行風險承擔水平的提升程度相較于控制組約高出7.71%(＝0.3917/5.0782)。這些結果與研究假說1的預測一致，證實突發公共事件會顯著加重銀行風險負擔。

表3 突發公共事件對銀行風險承擔的影響：基準檢驗與平行趨勢檢驗

控制變量中，LNA和CAP的回歸結果為負，但不具備統計顯著性。ROA的回歸結果顯著為負，意味著盈利狀況良好的商業銀行風險承擔行為相對謹慎。LLP的估計系數顯著為正，由于銀行貸款損失準備計提行為通常與不良貸款增多和信用風險暴露相伴而行(Ozili和Outa，2017)，因而銀行撥貸比水平與風險承擔水平之間呈現同向變動。LIQ在5%的水平下顯著為負，表明商業銀行流動性越充沛則風險承擔水平越低。

（二）平行趨勢檢驗

使用雙重差分模型的重要前提是處理組與控制組在事件發生之前具有“平行趨勢”。本文參考Amore等(2013)、郭曄等(2020)的研究思路，構造突發公共事件沖擊之前三個季度的虛擬變量(Before1、Before2與Before3)與銀行分支機構虛擬變量的交互項，并通過動態DID模型實施平行趨勢檢驗。根據表3第(3)列和第(6)列的回歸結果可以看出，新增交互項的系數均未通過10%水平上的顯著性檢驗。這說明突發公共事件發生之前處理組銀行與控制組銀行的風險承擔水平并不存在顯著差別，因而本文研究樣本滿足平行趨勢假設。

（三）穩健性檢驗

為保證研究結論可靠，本文從多個角度展開了穩健性檢驗。第一，安慰劑對照測試，即將2019年第四季度設置為虛擬處理效應(Treat×Placebo)發生時間，考察銀行風險承擔水平在此期間是否出現顯著變化。第二，更換被解釋變量，即以不良貸款率(RISKNPL)作為替代被解釋變量進行回歸。第三，剔除部分銀行樣本，即刪除上市當季的銀行樣本，重新進行雙重差分估計，以避免實證結果受到銀行上市行為的干擾。第四，隨機定義處理組與控制組，即將樣本銀行隨機劃分為處理組銀行(RTreat取值為1)與控制組銀行(RTreat取值為0)后，重估計量模型，以減少隨時間而變的宏觀因素對研究發現的干擾。第五，考慮高階固定效應，即將“時間×銀行類型”的高階聯合固定效應引入實證模型，以盡量解決遺漏變量導致的內生性問題。第六，重設研究樣本區間，即將實證區間擴大至2018年第一季度至2020年第二季度，以降低樣本區間選取對研究發現的潛在影響程度。表4列示的回歸結果與基準檢驗相呼應，再次確立了突發公共事件與銀行風險承擔之間的因果關系。

表4 突發公共事件對銀行風險承擔的影響：穩健性檢驗

五、突發公共事件對銀行風險承擔的影響機制

（一）基準檢驗

以前述分析為基礎，本節繼續探討突發公共事件加重銀行風險負擔的內在機制。表5給出了相關回歸結果。其中，第(1)列至第(3)列分別匯報突發公共事件對中介變量銀行投資收益、銀行業務規模以及銀行存貸息差的作用效果；第(4)列進一步報告雙重差分變量和中介變量對銀行風險承擔的影響效應。

對于銀行投資收益的中介效應而言，表5第(1)列中交互項Treat×Post以及第(4)列中銀行投資收益IIR的估計系數均不顯著，因此需要進行Sobel檢驗。其檢驗結果顯示，Sobel檢驗Z統計量的數值超出了5%顯著性水平上的臨界值0.97，說明投資收益在突發公共事件加重銀行風險負擔的影響中發揮了中介傳導效應。這些結果表明突發公共事件帶來的市場負面預期會惡化銀行投資收益狀況，進而提高銀行風險承擔水平。

對于銀行業務規模的中介效應而言，表5第(2)列中交互項Treat×Post的回歸系數顯著為負，說明銀行信貸業務在突發公共事件沖擊期間受到嚴峻影響，這與Hasan(2020)的推斷吻合。此外，盡管LNL在表5第(4)列中不顯著，但其Sobel檢驗Z統計量大于0.97，因而以銀行貸款規模為傳導變量的中介效應具備統計顯著性。這意味著突發公共事件沖擊期間國民經濟發展的“急剎車”會拖累金融系統運行，造成銀行持續經營與穩定獲益的概率下降。

對于銀行存貸息差的中介效應而言，表5第(3)列中交互項Treat×Post的系數為負，通過了5%水平的顯著性檢驗，表明突發公共事件沖擊之后銀行利差水平顯著收窄。進一步，雖然表5第(4)列中銀行存貸息差NIM不顯著，但是Sobel檢驗的Z統計量為1.08，大于5%顯著性水平上的臨界值。因此，在突發公共事件提高銀行風險承擔水平的影響中，具有以銀行存貸息差為中介變量的作用機制，即突發公共事件會導致銀行存貸息差收窄，繼而增加銀行風險承擔壓力。

表5 突發公共事件對銀行風險承擔的影響機制：基準檢驗

綜合而言，上述結果與研究假說2預期一致，證實突發公共事件會造成銀行投資收益率下降、銀行業務規模縮減及銀行存貸息差收緊，進而導致銀行風險承擔水平提高。

（二）穩健性檢驗

為驗證上述研究發現，本文進一步從下述三個方面展開穩健性檢驗①囿于篇幅，本文未匯報穩健性檢驗結果，讀者可掃描本文二維碼在附錄中獲取。。

第一，考慮變量相關關系。為降低變量之間潛在的相關關系對實證發現的影響，本文采用SUR技術重新估計了計量方程。其結果顯示，針對變量IIR、LNL與NIM的Sobel檢驗統計量均超出了5%顯著性水平上的臨界值，再次證實降低投資收益、縮減業務規模以及收窄存貸利差是突發公共事件加重銀行風險承擔的關鍵機制。這表明在考慮擾動項相關性問題后，本文研究結論依然穩健。

第二，考慮機制交互作用。為探究中介變量間的交互作用是否會導致實證結論的偏倚，本文根據Taylor等(2008)的建議，通過構建鏈式多重中介效應模型(serial multiple mediator model)來實施穩健性檢驗。其檢驗結果表明，變量IIR、LNL與NIM的獨立中介效應通過了5%顯著性水平上的Sobel檢驗，變量IIR經由LNL與NIM影響銀行風險承擔的鏈式中介效應并未通過Sobel檢驗，變量LNL通過NIM作用于銀行風險承擔的鏈式中介效應亦不具備顯著性。這反映出在突發公共事件加重銀行風險負擔的過程中，存在以銀行投資收益、銀行業務規模與銀行存貸息差為中介變量的傳導機制，但這些機制間并不具有顯著的交互作用或相關關系。

第三，改變變量測算方式。為降低變量選擇的影響程度，本文參照現有文獻的做法，以公允價值變動收益、投資收益及匯兌收益三者合計與總資產的比值(AIIR)、對數化的總存款(LND)、利息收入除以平均盈利資產與利息支出除以平均生息負債的差值(ANIM)作為銀行投資收益、業務規模與存貸息差的代理變量，并重估計量模型。根據模型回歸結果可知，變量AIIR、LND與ANIM的Sobel檢驗統計量均大于0.97，說明在突發公共事件提高銀行風險承擔水平的過程中，銀行投資收益、業務規模與存貸利差均具有顯著的中介傳導效應。由此可見，前述結論并不會因變量選擇而產生偏倚。

六、金融科技發展助力銀行應對突發公共事件的實證分析

（一）基準檢驗

這里主要考察金融科技發展是否能夠抑制突發公共事件對銀行風險承擔的不利影響。表6的第(1)列與第(2)列展示了基于計量模型(9)的實證結果。其中，第(1)列僅控制時間固定效應與個體固定效應，三重交互項Treat×Post×BFin的系數在5%的水平上顯著為負，說明相對于金融科技發展緩慢的銀行，金融科技發展良好的銀行在突發公共事件沖擊期間遭受的負面影響較小；第(2)列進一步添加了銀行層面的控制變量，三重交互項Treat×Post×BFin的估計系數依舊為負，具備統計顯著性，表明隨著銀行金融科技發展水平的提高，突發公共事件對銀行風險承擔的影響會逐漸減弱。這些結果與假說3預期一致，為金融科技發展助力銀行應對突發公共事件提供了經驗證據。

（二）穩健性檢驗

為提高研究結論的可信度，本文還進行了如下穩健性檢驗。

第一，考慮變量相關關系。新冠疫情期間，各大商業銀行為應對突發沖擊均加速了金融科技發展步伐，導致變量BFin與變量Treat×Post之間存在一定的相關關系。對此，采取Wooldrige(2010)的建議，使用金融科技發展指數的前期值(LBFin)替代當期值，以減輕計量識別中的相關性問題。根據表6第(3)列與第(4)列的結果可以看出，三重交互項的估計系數顯著為負，再次證實金融科技發展良好的商業銀行在面對突發公共事件時的風險承擔壓力增加程度較小。

第二，改變變量測算方式。為盡量消除新聞重復報道對銀行金融科技發展指數測算結果的潛在影響及其帶來的實證干擾，本文對銀行金融科技發展指數進行標準化調整，即采用銀行金融科技發展指數與銀行資產規模對數值的比值(SBFin)替代原值進行計量分析。表6第(5)列與第(6)列顯示，每列回歸中三重交互項與銀行風險承擔均保持了顯著的負相關關系，意味著在更換變量測算方法后，金融科技發展有助于銀行應對突發公共事件的結論依舊成立。

表6 金融科技發展助力銀行應對突發公共事件的積極效應：基準檢驗與穩健性檢驗

七、結論與啟示

作為傳播速度快、感染范圍廣、防控難度大的一次重大突發公共事件①信息來源：中國國務院新聞辦公室2020年6月7日發布的《抗擊新冠肺炎疫情的中國行動》白皮書。，新冠肺炎疫情給我國經濟金融運行帶來嚴峻挑戰。面對突發疫情沖擊，金融科技發展良好的銀行展現出較強韌性。遠程辦公、數字營銷、智能風控等舉措在保障這些銀行順利開展業務的同時，亦增加了其應對突發公共事件的能力。據此，本文將突發公共事件納入銀行風險承擔模型，探究了突發公共事件加重銀行風險承擔的內在機制和金融科技發展對突發公共事件沖擊的緩解效應，得出了如下結論：第一，突發公共事件顯著提高了銀行風險承擔水平。第二，突發公共事件會造成銀行投資收益率下降、銀行業務規模縮減及銀行存貸息差收緊，進而導致銀行風險負擔加重。第三，金融科技發展有助于減弱突發公共事件對銀行風險承擔的負面沖擊。

本文不僅豐富了有關突發公共事件影響金融穩定的機制方面的文獻，亦可為監管當局與商業銀行運用金融科技應對突發公共事件、維護金融體系穩健提供政策啟示。

首先，對于監管當局而言，既應鼓勵金融科技賦能銀行，又需明確針對銀行金融科技發展的監管規則。以新冠疫情為代表的突發公共事件凸顯了銀行現場辦公、接觸營銷等傳統運營模式的脆弱性，智慧線上、遠程互動的新型服務模式將成為商業銀行應對復雜經濟形勢的重要抓手。因此，監管當局應繼續推行包容審慎的監管理念，并加快推進數據中心與5G網絡等基礎設施建設，完善產品服務與通用基礎等行業規范，為銀行金融科技縱深發展營造良好的軟硬件環境。此外，監管部門應強化監管科技的運用，注重根據商業銀行的類型差異和金融科技的業態差異分類施策，精準調控，為銀行金融科技守正創新提供堅實的制度保障。

其次，對于商業銀行而言，要加快金融科技建設，積極推進數字化轉型升級。本文研究顯示，面對突發公共事件沖擊，金融科技有助于銀行防范風險、拓寬業務規模并節約經營成本。因此，商業銀行應繼續夯實底層技術支撐，豐富產品供給矩陣，通過業務從線下到線上的延伸、從體系內到體系外的拓展，滿足突發公共事件沖擊下客戶對金融服務的線上化、定制化與場景化需求。與此同時，商業銀行應增強數字化經營能力，加快客戶細分、渠道構筑、風險管理等運營工作的數字化、移動化與智慧化改革，由此提高銀行經營管理的連續性和穩健性，增強銀行面對突發公共事件時的韌性。