互聯網金融對銀行流動性風險管理的影響研究

魏星 牛瑋

【摘 要】2017年底召開的中央經濟工作會議強調，要堅實防范和化解重大風險，守住不發生系統性金融風險底線。文章從機制影響角度研究互聯網金融對商業銀行流動性的影響，通過構建互聯網金融發展綜合指數，采用中介效應分析，提出相關假設，實證分析互聯網金融發展對銀行流動性水平的影響。

【關鍵詞】互聯網金融;流動性風險;流動性比例;互聯網理財增長率

【中圖分類號】F832.5 【文獻標識碼】A 【文章編號】1674-0688（2021）03-0163-03

0 引言

貨幣型基金產品已成為新主導型的理財產品，它的出現加大了商業銀行負債端擴容壓力，并使得資金成本不斷上升;P2P的融資新平臺、網絡眾籌、小微貸款平臺等為資金需求者提供了更加直接的貸款渠道，這些很大程度上取代了商業銀行在資金融通方面的中介地位。目前，為防范商業銀行操作風險而出臺的有利政策，可以降低銀行的經營風險，但也利用市場化手段將銀行從國家保障的安全港中帶入優勝劣汰的競爭浪潮，并進一步提高商業銀行流動性狀況對相關因素的敏感性，加快商業銀行轉型調整步伐。

1 文獻綜述

1.1 國外相關研究

國外有關研究相對超前，研究主要分為商業銀行流動性的界定、流動性風險的測度、商業銀行流動性管理3個板塊。彼得·S.羅斯（2001）[1]在《商業銀行管理》一書中給出了商業銀行流動性的定義：銀行在需要資金的時候，可用合理的成本獲得其使用權。Wolf Wagner（2007）[2]認為，在商業銀行資金管理方面并非取決于資金資產的占比多少，而是在資產管理和流動性管理之間尋求平衡。

1.2 國內相關研究

國內相關研究起步較晚，但是研究方向較為豐富：互聯網金融發展研究、商業銀行流動性測度、商業銀行業務結構對流動性的影響、商業銀行凈息差縮窄對流動性的影響、商業銀行信用風險對流動性的影響。劉繼兵、夏玲（2014）[3]在文章中提到，我國互聯網金融的發展可以適當借鑒美國發展經驗，從利率市場化、產品多樣化、理財個性化、平臺多樣化4個路徑借鑒。張曉丹、林炳華（2012）[4]使用壓力測試得出在極端壓力增大的情況下，商業銀行流動性會逐漸惡化，輕度壓力時，商業銀行流動性降低幅度有限。舒洛建（2014）[5]通過分析2003—2013年我國利率市場化系數及商業銀行不良貸款率的數據，得出中小銀行相較于大型銀行抗風險能力較弱的結果。

2 變量選擇與模型設計

2.1 指標選取和數據來源

根據研究主體和研究目的，本文選取了2015—2018年我國上市的14家商業銀行的主要流動性風險指標、銀行貸款同比增速、銀行不良貸款率和代表互聯網金融發展指標之一的互聯網理財增長率的年度數數據作為樣本，數據主要來源于WIND數據庫和中國互聯網絡發展統計報告網站。

2.2 變量說明

2.2.1 被解釋變量

研究表明，我國銀行目前最大的風險是流動性風險，因此在指標選取上，本文采用銀行流動性指標來量化銀行的流動性風險，并作為被解釋變量。本文采用銀行流動性資產和流動性負債比率來表示銀行流動性。即流動性比例（CR）=流動性資產÷流動性負債×100%。

2.2.2 解釋變量

第三方互聯網支付一直是互聯網金融最主要的發展模式，2013年以來，P2P網絡貸款、眾籌融資等雖有較快發展，但在整個互聯網金融交易量中所占比重依然較低，而第三方互聯網支付交易量一直占據互聯網金融交易額的主導地位，2013年、2014年分別占93%和95%，所以要研究互聯網金融發展對銀行流動性的影響。本文以互聯網理財增長率（RU）作為互聯網金融的衡量指標，使用率越高，互聯網金融的發展規模就越大。

2.2.3 控制變量

（1）不良貸款率（NPL）。不良貸款率是指銀行不良貸款占貸款總額的比例，不良貸款率越高，說明銀行無法收回的貸款越多，銀行所承擔的流動性風險就越大。NPL=不良貸款/總貸款余額。

（2）銀行貸款增長速度（RL）。以銀行貸款余額同比增長率表示，經濟增長速度越快，銀行流動性越充足。

2.2.4 模型建立

本文采用線性回歸模型來研究金融科技對商業銀行流動性的影響：RISKCRt=β0+β1NPLt+β2RLt+β3RUt+εt。

其中，RISKCR表示銀行流動性比例，NPL表示不良貸款率，RL表示銀行貸款余額同比增速，RU表示互聯網理財增長率。

3 實證結果分析

3.1 平穩性檢驗

本文實證研究涉及面板數據，分析科技金融對商業銀行流動性影響前需要對其進行單位根檢驗，避免出現“虛假回歸”，以保證協整分析的有效性。通常來說，可以使用ADF檢驗、KPSS檢驗、PP檢驗等檢驗方法進行單位根檢驗。本文采用ADF檢驗法。若有一類序列為非平穩序列，可以通過差分運算得到具有平穩性的序列，該過程稱為差分平穩過程。其中，單整性是指如果一個序列經過n階差分后才能平整，則稱此序列為n階單整，記為I（n）。

首先要對面板數據CR、RU、NPL、RL的平穩性進行檢驗，避免出現“偽回歸”。通過Stata15可以得到單位根檢驗結果，見表1。

從表1數據可知，在LLC檢驗和IPS檢驗下，CR、RU和RL在1%、5%和10%的置信水平下，它們各自的ADF檢驗值均大于其所對應的臨界值，這充分說明CR、RU和RI均含有單位根，即進行檢驗的各個原始序列的數據都是非平穩的。3個指標經過一階差分后，進行單位根檢驗，在1%、5%和10%的置信水平下，它們各自的ADF檢驗值均小于其所對應的臨界值，這說明兩個時間序列均是一階平穩。

3.2 模型回歸分析和穩健性檢驗

由于存在異方差等，因此選用PCSE法對模型進行回歸，結果見表2。由表2可知，互聯網理財增長率在5%的水平上顯著為負。由此可知，商業銀行的操作風險主要受其信用風險的影響，并且商業銀行的不良貸款率越高，商業銀行發生操作風險事件的概率越大;反之，商業銀行的資本充足率越高，則商業銀行發生操作風險事件的概率越小。為保證回歸結果的準確性，對解釋變量進行一階滯后，使用變量的一階滯后序列再次對商業銀行的不良貸款率進行回歸，以確定回歸結果的穩健性。穩健性檢驗的回歸結果中各變量的系數、正負向性和顯著性均未發生較大變化，因此可以認為回歸結果具有穩健性。

4 結論和建議

本文基于上市的14家商業銀行主要財務指標2015—2018年的數據及銀行貸款增加率、互聯網理財增加率和銀行不良貸款增加率的數據，分析了互聯網對商業銀行流動性風險的影響，得到以下結論：一是互聯網金融業務的不斷推進和銀行貸款增加量有負向性關系，同時與不良貸款率有正向相關關系，互聯網理財增長率和銀行流動性的發展存在負向相關關系。二是互聯網金融在發展伊始推高了銀行流動性，但從長遠來看反而降低了銀行流動性，增加了銀行流動性風險。

4.1 轉變流動性管理理念

當前我國貨幣供應量傾向于寬松，并沒有真正減小風險，而是因為我國宏觀經濟增速放慢帶來的政策性利好及資產規模的大幅減少，面對互聯網金融對負債平穩和盈利帶來的沖擊，銀行業的流動性風險控制因從過度依靠國家轉變為加強提高內部管理制度，加強銀行業內部對流動性風險的認識，提高危機意識、防范意識，加快建立完善的風險衡量和預警機制。

4.2 加強業務創新，調整業務結構

一方面提升傳統信貸業務的競爭力，產品不斷創新;另一方面加強中間業務的創新，逐步增加中間業務的占比，以此規避流動性風險的發生。提高業務流轉效率，在維護現有大客戶資源的基礎上開拓次一級市場，在產品創新方面，商業銀行應勇于開拓進取，推陳出新，積極增加非信貸業務的占比，積極發展中間業務，拓展“投行化”業務轉型，豐富自身業務結構。

參 考 文 獻

[1]彼得·S.羅斯.商業銀行管理[M].北京：機械工業出版社，2001：105.

[2]Wolf Wagner.The liquidity of bank assets and ba-nking stability[J].Banking & Finance，2007（31）：121-139.

[3]劉繼兵，夏玲.美國互聯網金融發展路徑對我國的啟示[J].西南金融，2014（6）：19-21.

[4]張曉丹，林炳華.我國商業銀行流動性風險壓力測試分析[J].西南金融，2012（3）：50-53.

[5]舒洛建.利率市場化對我國中小商業銀行信用風險的影響——基于Panel Data模型的分析[J].征信，2014，32（9）：53-56.

[6]許青.互聯網金融發展下我國商業銀行流動性研究[D].北京：首都經濟貿易大學，2016.

[7]申壯壯.互聯網金融業務對城市商業銀行流動性風險的影響研究[D].西安：西安理工大學，2018.