金融科技加重還是減輕了商業銀行風險承擔

劉孟飛 蔣維

內容提要： 從金融科技快速發展現實出發構建金融科技約束下異質性銀行風險承擔行為的局部均衡模型，從理論層面剖析金融科技對商業銀行風險承擔傾向的影響機理;采用文本挖掘技術測算得到金融科技發展指數，在此基礎上選取2007—2017 年中國130 家商業銀行面板數據，通過構建多元回歸模型，就金融科技對銀行業風險承擔的整體及其異質性影響進行經驗分析。 結果表明：（1）金融科技對商業銀行風險承擔的影響呈現出先升后降的倒“U”形關系，即早期金融科技發展提高了銀行的風險承擔水平，但隨著金融科技相關技術發展成熟，在后期有利于降低管理成本，增強風險控制能力，轉而降低銀行風險承擔。（2）面對金融科技的沖擊，不同類型商業銀行的響應具有異質性，相對地方性小型商業銀行，大中型銀行的響應相對更為穩健。

關鍵詞： 金融科技;商業銀行;風險承擔;經驗研究

中圖分類號：F830? 文獻標識碼：A? 文章編號：1001-148X（2021）05-0063-12

一、引言

近年來，金融科技（FinTech）取得了突飛猛進的發展，迅速成為金融領域的焦點。云計算、大數據、人工智能和區塊鏈等新興技術在傳統金融領域被廣泛應用，主要應用場景如圖1所示。金融科技正在深刻改變金融生態，重塑金融格局，“無科技不金融”已成行業共識，在帶來新業態、新模式的同時也帶來新的風險。在金融科技相關生態蓬勃發展的同時，政策當局也高度重視，制定了一系列政策確保金融科技的高效、安全、可控發展。2017年5月中國人民銀行成立金融科技委員會，旨在加強金融科技工作的研究規劃和統籌協調。2019年8月中國人民銀行印發《金融科技（FinTech）發展規劃（2019-2021年）》，明確提出未來三年金融科技工作的指導思想、基本原則、發展目標、重點任務和保障措施，標志著金融科技創新正式上升到政府戰略層面。金融科技產業相關生態在中國已形成自上而下的良好發展態勢。在此背景下，對金融科技與銀行風險之間的關聯機制及具體影響效應展開研究具有重要的理論與現實意義。

金融科技促使金融市場中的金融創新愈發活躍，然而金融創新也可能模糊現有行業界限，顛覆現存行業格局，加速金融脫媒，誘發新的金融風險。特別是2018年以來，美國最大的P2P網絡借貸平臺Lending Club違規出售貸款;比特幣交易所Bitfinex遭受黑客攻擊，近12萬單位的比特幣丟失;中國很多P2P公司挪用客戶資金，虛假融資、“卷款”、“跑路”、非法集資等現象時有發生;如何管控好FinTech的潛在風險并實施有效監管顯得日益迫切。有關機構和學者也開始探討金融科技帶來的風險與監管相關議題。2017年全國“兩會”期間中國人民銀行時任行長周小川特別強調央行高度鼓勵發展金融科技，鼓勵科技類企業向普惠金融方向發展，但既鼓勵發展，也要防范風險，對于發展過程中遇到的不健康行為要不斷規范。世界銀行副行長兼首席風險官拉克茜米·希亞姆-桑德也指出，目前金融科技存在三大風險：一是利用金融科技手段進行金融詐騙;二是操作風險，由于金融從業人員和消費者對金融科技設計的復雜技術缺乏了解，容易發生操作失誤并造成資金損失的風險;三是客戶隱私泄漏風險[1]。

楊濤（2019）[2]認為金融科技使得金融機構的風險來源更加復雜，加重了風險的傳染與放大效應，一旦出現風險問題便會影響整個金融系統，形成真正的系統性風險。FinTech業務增加了金融服務便捷性與可獲得性的同時，也降低了客戶的準入門檻，引入了大量資質水平參差不齊的高風險客戶[3]，加上我國征信體系存在信用數據不完整、征信體制不健全、征信監管不完善等問題，極易爆發信用風險。李展和葉蜀君（2019）[4]也指出金融科技創新發展會帶來風險種類或者風險特征的變化，會出現各類新的風險隱患。新的金融科技風險具體包括：信息技術風險（數據泄露、技術失控、技術變革）、操作風險、業務風險和系統性風險[5]。信息技術具有跨界經營、業務模式復雜等特性，在提高金融服務質量和效率的同時，往往也會導致金融風險表現形式和內涵不斷翻新，增加了風險識別難度和風險傳播速度[6]。俞勇（2019）[7]認為金融科技應用所伴生的運營風險、操作風險、合規風險、技術風險及模型算法風險正突破現有監管架構、體制等。甄別金融科技潛在風險，實現金融創新與金融安全的平衡，有利于金融行業持續、健康、穩步發展[2]。金融科技不僅具有科技性風險還具有金融性風險，甚至還可能強化金融風險[9]。汪可和吳青（2018）[9]從行動者網絡理論視角歸納出金融科技銀行業系統性風險的影響機制并實證檢驗影響程度大小，得出金融科技在一定程度上加重了銀行業系統性風險的結論。楊東（2017）[10]指出金融科技發展帶來的風險與挑戰有：科學技術的不當應用造成的數據安全與信息科技風險， 信息披露的缺失導致信息不對稱而產生的信用風險，金融創新對傳統立法的沖擊進而引起的合規性風險，以及全球范圍內互聯互通帶來的跨行業、跨國境金融波動、傳染風險。要想實現金融科技的健康發展就要分析甄別金融科技存在的風險，在金融科技領域把握好創新與安全的平衡[2]。

針對金融科技風險的擔憂，有部分學者試圖對其產生根源進行探究。易憲容等（2019）[5]指出，在算法貨幣下的金融科技，其本質特征是用區塊鏈技術給信用風險定價，以此來代替傳統的信用關系，但區塊鏈前置化預設規則信用的不確定性，正是引發金融科技風險的根源。金融科技創新導致了金融風險泛化，使金融跨業風險的來源更加分散、多樣[11]。朱太輝和陳璐（2016）[12]認為FinTech使得金融風險更加隱蔽，信息科技風險和操作風險問題更為突出，潛在的系統性、周期性風險更加復雜。以系統性風險為例：第一，金融科技強化了數據和業務的多機構聯通和傳遞，增加了金融業各環節的關聯性，提高了風險傳播的可能性;第二，金融科技降低了金融業的進入門檻，強化了風險的波及面和外溢效應;第三，金融科技所具有的普惠屬性增加了金融產品的可得性，金融消費者數量增加，更容易引起金融市場的“羊群行為”和市場共振[13]。李敏（2019）[14]也認為金融科技的系統性風險誘因包括對不利的經濟波動更為敏感，以及信息不對稱與金融科技企業規模的急劇膨脹等。汪可等（2017）[15]實證檢驗了FinTech對商業銀行風險承擔的影響大小，結果表明：兩者呈倒U型關系，其中非系統性重要銀行風險承擔能力較為出色。通過大數據分析、人工智能等關鍵技術的應用，可以改變“從歷史看未來”的方法，商業銀行要構建“從數據/信息看當下，從特征看未來”的方法論，打造覆蓋風險識別、計量、決策、實施全流程的風險管理體系[16]。袁康和鄧陽立（2019）[17]指出金融科技在金融市場廣泛運用的過程中也存在新型道德風險隱患，金融科技的自動化、代碼化和隱蔽性等特點導致了在金融科技應用過程中產生道德風險的便利性和不可控性。為搶占市場份額，部分金融科技公司可能通過簡化開戶流程、減少審核環節等方式提升用戶體驗，甚至降低客戶門檻，帶來經營和違規風險隱患[6]。綜合來看，金融科技的潛在風險既有信用風險、流動性風險、操作風險、法律合規風險等傳統金融風險，又有底層信息技術等非金融因素引致的風險，還可能引發系統性金融風險。

還有部分學者探討了金融科技在風險管理方面的應用。例如人工智能技術可按照合規要求優化資產組合，為不同風險偏好客戶提供差異化服務，并為風險管理部門提供精確測算，為風險識別、預警和處置提供多元化方案[18]。區塊鏈具有分布式、可追溯性、可拓展性、不可篡改等特點，能大幅提升融資效率并控制了風險[7，19]。計算通過整合金融機構多個信息系統，在滿足中立性、監管合規、數據隔離和信息安全的前提下，消除信息孤島，有助于金融機構解決海量異構信息處理和提供多樣化復雜應用，實現業務創新和風險管控[20]。以大數據為基礎的量化模型使得風險管理的數據范圍得以拓展，整體流程得以優化，風險數據分析的方法得以豐富[21]。目前，人工智能、大數據、區塊鏈、云計算等技術已在商業銀行得到廣泛運用，使金融科技在支付結算、借貸平臺、智能投顧、客戶身份認證等方面發揮越來越重要的作用[22]，是解決金融服務碎片化、長尾化、信息不對稱的有力工具[23];可推動傳統業務互聯網化，改造升級原有經營模式，實施精準營銷、實現批量獲客，快速進軍長尾藍海、擴大利息收入來源[24];有助于降低商業銀行的運營成本，提升商業風險防控水平，提升金融服務場景化的能力[25];通過大數據、云計算、分布式賬本技術的應用等，FinTech可以促進金融機構提高資源配置效率、提升風險管理能力、降低風險集中度[12]。有關監管部門運用監管沙箱、監管科技等新理念、新方式優化現有監管手段，最終實現數字化監管[26]。通過穿透式監管理念路徑，將資金來源、最終流向穿透聯結起來，可以使金融監管和風險排查跟上金融創新的步伐[10]。

總之，國內外學者有關金融科技及其在銀行業的應用與影響方面的文獻為我們的研究奠定了基礎，但由于金融科技是一個較新的研究領域，具體觀點與研究結論目前仍然眾說紛紜，備受爭議。一是研究內容上，現有文獻大多集中于內涵功能、經驗總結介紹，鮮有文獻從理論層面揭示金融科技對商業銀行風險承擔的影響機理;二是研究方法上，以往學者大多側重規范分析，相關實證研究屈指可數;三是研究對象上，現有研究大多是針對全國性大型銀行的綜合性研究，而缺少對不同類型銀行的比較研究。對此，本文的主要貢獻在于：通過構建金融科技約束下異質性銀行風險承擔行為的局部均衡模型，從理論上分析金融科技對銀行風險承擔的影響機理， 并運用文本挖掘技術結合因子分析法測度中國金融科技綜合發展水平，在此基礎上選取2007～2017 年中國130家不同類型商業銀行的非平衡面板數據，構建多元面板回歸模型，就金融科技對銀行業風險承擔的整體及其異質性影響進行經驗分析，并給出相關政策建議。

二、理論分析與研究命題

（一）理論基礎

隨著大數據、云計算、區塊鏈、人工智能和物聯網等新興技術對傳統銀行業務的逐步滲透融合，金融科技在運營成本、經營效率、數據分析、傳播介質等多個維度對商業銀行形成了巨大的沖擊[27-28]。根據既有文獻的研究，金融科技對商業銀行風險承擔的影響機理可簡化為如下兩個方向：其一是金融科技在移動支付、互聯網理財與互聯網信貸等領域趨于成熟，與商業銀行形成競爭格局，擠壓了銀行傳統存貸款業務，提高了資金成本，導致風險承擔程度加強;其二是大數據、云計算、區塊鏈、等金融科技重點技術與商業銀行的融合發展，提升了銀行服務效率，改善了運營管理，降低了管理成本，從而使得風險承擔水平減弱。此外，銀行風險承擔傾向還受到銀行經營策略、資產規模等個體特征以及宏觀經濟環境、市場結構、貨幣政策等外部因素的影響[29-30]。綜上，將金融科技對商業銀行風險承擔的影響機理繪制于圖2，并以此為基礎，構建刻畫二者關聯的數理模型。

（二）理論模型框架

本文將“金融科技”與“銀行類型”約束條件加入Kishan and Opiela（2012）[31]的理論框架模型，以探討金融科技對商業銀行風險承擔的影響。該模型的基本假設如下：

1.前提條件設定：現有一個追求利潤最大化的代表性商業銀行，其資產不包括銀行貸款以外的其他資產，資產負債恒等式簡化為：R+L=D+K。其中，D為銀行存款，R為法定存款準備金，銀行超額準備金持有量和準備金收益率為零，R=ρD，ρ為存款準備金率（0<ρ<1）;L為銀行貸款;K為銀行資本。

2.存款市場假設：我國存款利率尚未完全市場化，長期處于管制狀態，存款利率上限被有效約束，實際利率小于均衡利率。因此，商業銀行吸收存款規模與市場均衡利率rD高于銀行存款基準利率rD的程度呈負相關關系，有D=D0+D1（rD-rD），D1<0，D0 為rD和rD相等時銀行吸收的存款規模。金融科技FinTech帶來的沖擊會降低均衡利率與基準利率的差異，提高資金成本，收窄存貸款利差，rD-rD=d（FT）且d/（FT）<0。

3. 貸款市場假設：我國貸款利率已完成市場化進程，貸款利率下限約束失效，商業銀行貸款規模與信貸市場均衡利率rL高于銀行信貸定價利率rL的程度呈正相關關系，有L=L0+L1（rL-rL），L1>0，L0為固定貸款規模;信貸市場均衡利率rL圍繞存款均衡利率rD浮動，rL=rD+τL，浮動項τL為常數。

4.資本市場假設：商業銀行籌資規模與市場均衡利率rK高于銀行資本回報率rK的程度呈負相關關系，有K=K0+K1（rK-rK），K1<0，K0 為rK和rK相等時銀行籌集的資本規模;資本市場均衡利率rK圍繞存款均衡利率rD浮動，rK=rD+τK，浮動項τK為常數。

5.管理成本假設：借鑒顧海峰和楊立翔（2018）[32]的做法，假設商業銀行在日常運營中僅存在貸款業務相關的管理成本，且一般貸款規模越大，成本越高。依據成本函數的嚴格凸性與二階連續可導特征，將管理成本函數設定為：C=（λ/2）L2，λ>0，λ代表邊際管理成本系數。金融科技FinTech的發展能提升銀行經營效率，降低邊際管理成本λ，λ=λ（FT）且λ（FT）/（FT）<0。

因此，商業銀行的利潤函數和約束條件設定如下：

max Π=rLL-rDD-rKK-C （1）

s.t. ?R+L=D+K，R=ρD，0<ρ<1

D=D0+D1（rD-rD），D1<0，rD-rD=d（FT），d/（FT）<0

L=L0+L1（rL-rL），L1>0，rL=rD+τL

K=K0+K1（rK-rK），K1<0，rK=rD+τK

C=（λ/2）L2，λ=λ（FT），λ（FT）/（FT）<0? ?（2）

（三）模型求解與命題提出

將約束條件代入利潤函數，將（1）式整理為Π關于貸款變量L的函數，并將Π對貸款變量L進行一階求導，令一階導數： F=Π/L=0 。

F=rL-rK- 2L-L0 L1 + 2 L-（1-ρ）D -K0 K1 -λ（FT）L=0 （3）

則代表性商業銀行最優貸款需求函數為：

L - = Φ1+Φ2D Φ3-Φ4λ（FT） ?（4）

其中，Φ1=L1K0-L0K1+（τK-τL）L1K1>0，Φ2=2L1（1-ρ）>0，Φ3=2（L1-K1）>0，Φ4=L1K1<0。

商業銀行風險承擔變量RISK關于金融科技FinTech的函數為①：

RISK= R+L K = Φ1+Φ2D+ρD Φ3-Φ4λ（FT）? Φ1+Φ2D-（1-ρ）D Φ3-Φ4λ（FT）? ?（5）

接下來，引入金融科技FinTech約束探析其對銀行風險承擔水平的作用機理。

（1）金融科技與資金成本。結合（5）式，將RISK經由d（FT）對FT求導，有：

RISKFT? d= Φ1D1 Φ3-Φ4λ（FT）? ?Φ1+ Φ5+Φ6λ（FT）? D0+D1d（FT）? 2 ×d（FT）FT >0 ?（6）

其中，Φ5=2K1（1-ρ）<0，Φ6=L1K1（1-ρ）<0。金融科技提高了銀行資金成本，存貸利差收窄，傳統利差收入業務盈利能力受創，利潤空間收縮，銀行風險承擔傾向增加。換言之，金融科技借由資金成本路徑加重了銀行的風險承擔。

（2）金融科技與管理成本。結合（5）式，將RISK經由λ（FT）對=FT求導，有：

RISKFT? λ= -Φ1Φ4 D0+D1d（FT） -Φ7 D0+D1d（FT） 2 ?Φ1+ Φ5+Φ6λ（FT）? D0+D1d（FT）? 2 ×λ（FT）FT <0 ?（7）

其中，Φ7=2L12K1（1-ρ）<0。金融科技在銀行中的應用發展提升了銀行運營效率與盈利能力，降低了管理成本，進而削弱了銀行過度承擔風險的動機。也即是，金融科技借由管理成本路徑減輕了銀行的風險承擔。

由此可見金融科技對銀行風險承擔水平的影響機理可歸納為提高資金成本和降低管理成本雙重渠道，其綜合影響方向取決于兩種渠道的相對作用強度，即 RISKFT = RISKFT? d+ RISKFT? λ 的符號可能大于零、小于零，也可能等于零。

另外，結合金融科技的發展現實歷程判斷，在以互聯網金融為主的早期階段，金融科技通過第三方支付、P2P網絡借貸、互聯網理財等多方面對商業銀行的資產端、負債端、支付結算端業務造成明顯沖擊，降低銀行利息收入與非利息收入，擠壓其盈利空間，從而加重了商業銀行的風險承擔。隨著金融科技相關業態逐漸發展成熟，大數據、云計算、人工智能、區塊鏈等金融科技重點技術在商業銀行的日常經營與風險管理等方面得到廣泛應用，大大提升了銀行的服務水平、提高了資源配置效率、增強了風險管理能力，并降低了管理成本。同時有關監管部門運用監管沙箱、監管科技等新理念、新方式優化現有監管手段，降低了金融科技潛在風險。 基于此，提出本文的命題1：金融科技對商業銀行風險承擔的影響表現為先升后降的倒“U”形趨勢。即發展初期，金融科技的作用主要是抬高資金成本，從而加重了銀行風險承擔;隨著商業銀行與金融科技不斷融合發展，金融科技將降低管理成本，轉而降低銀行風險承擔。

（3）不同類型商業銀行風險承擔對金融科技響應的異質性。由上可知式（6）和式（7）中的Φ1均包含了銀行規模L0變量，為探析不同類型商業銀行對金融科技沖擊的響應是否具有異質性，將式（6）和式（7）分別對變量L0求導：

RISK/FT dL0 = Φ8K1D1 Φ3-D4λ（FT）? Φ93 ×d（FT）FT <0 ?（8）

RISK/FT λL0 = -Φ4Φ8K1D2-2Φ7K1D3 Φ93 ×λ（FT）FT >0 ?（9）

其中，Φ8=Φ1-D Φ5+Φ6λ（FT） >0，Φ9=Φ1+D Φ5+Φ6λ（FT） >0。式（8）和 式（9）表明金融科技對商業銀行風險承擔水平的影響隨著銀行規模變量L0的增加而降低，即大中型商業銀行在面對金融科技沖擊時響應不那么強烈，風險承擔水平變動程度低于地方性小型商業銀行。

基于此，提出本文的命題2：不同類型商業銀行對金融科技沖擊的響應具有異質性，相對于地方性小型商業銀行，大中型商業銀行的風險承擔行為更加謹慎。

三、變量選取與研究設計

（一）樣本與數據來源

數據主要來源于Bankscope數據庫，該數據庫缺失的有關員工人數和費用數據，手工摘錄自各銀行歷年年報。本文共收集了130家中國商業銀行的財務數據，其中包括中、農、工、建、交等5家大型商業銀行，興業、廣發、浦發、平安、民生、招商等12家股份制銀行，北京、上海、天津、南京、廣州等76家規模相對較大的城市商業銀行，以及上海農商、天津農商、北京農商、廣州農商等37家數據較全的農村商業銀行。樣本期間為2007到2017年，數據主要來源與Bankscope、CEIC等數據庫。

（二）變量選取與定義

1.核心解釋變量：金融科技指數（FT）

鑒于金融科技業態形式多樣且發展時間尚短，有關的量化方法尚不成熟，本文借鑒顧海峰和楊立翔（2018）[32]、郭品和沈悅（2019）[33]的文本挖掘技術對金融高科技發展指數（FT）進行測度。

2.被解釋變量：銀行風險承擔（RISK）

關于商業銀行風險承擔的衡量，常用的有加權風險資產比例[34]、不良貸款率[35]、資本充足率[32]、貸款損失準備率[36-37]、資本資產比率[36]、權益對負債比率、預期違約概率[38]、股市波動率和股價波動率[39]，等等。鑒于加權風險資產比例和資本充足率缺失數據較多，預期違約概率和股市波動率計算需要股票交易數據，而我國大部分銀行并未上市;同時，為適應理論模型的設定，本文采取資產資本比（ACra）作為風險承擔變量，銀行資產資本比越高意味著其風險承擔傾向越明顯。為保證研究結論可靠，選取權益負債比（ETD）、不良貸款率（NPLra）作為替代變量。其中，不良貸款率越高表示商業銀行風險承擔越高，而權益負債比越高說明銀行風險承擔越低。為保證實證分析符號的一致性，在具體回歸時對權益負債比指標取負值處理。

3.控制變量

基于對既有文獻的分析，本文從微觀、中觀和宏觀三個方面選取模型控制變量，其中銀行微觀層面影響銀行風險承擔的因素主要包括：（1）經營效率，選取銀行成本收入比作為代理變量。一般而言，經營效率越高，銀行風險承擔水平越低。（2）流動性水平，選取存貸比作為代理變量，也有文獻選取流動資產與總資產之比反映銀行流動性水平[40]。中觀層面，考慮到近年來我國銀行業的主要變化是通過對外開放使得其外部競爭環境發生了較大變化，故選取銀行業集中度（前4大銀行資產占比）和銀行業開放度（外資銀行從業人數占全行業比重）作為控制變量。此外，宏觀層面上的控制變量主要有：（1）宏觀經濟發展，選取實際國內生產總值GDP增速。（2）金融相關比，選取貨幣供應量（ M2）與GDP的比值。（3）貨幣政策，選取M2增速作為代理變量。

上述各變量定義及描述性統計情況如表1、表2所示。

（三）計量模型設計

基于上述數據和變量設置，同時考慮到金融科技對商業銀行風險承擔影響的滯后作用，加入風險變量的一期滯后項，最終建立如下以非平衡面板數據為基礎的一組多元面板回歸模型：

模型（1）：ACrai，t=β0+β1ACrai，t-1+β2FTIt+β3FTI2t+∑ 7 j=1 γjControlj，it+ui+εit

模型（2）：ETDi，t=β0+β1ETDi，t-1+β2FTIt+β3FTI2t+∑ 7 j=1 γjControlj，it+ui+εit

模型（3）：NPLrai，t=β0+β1NPLrai，t-1+β2FTIt+β3FTI2t+∑ 7 j=1 γjControlj，it+ui+εit

模型（1）、模型（2）和模型（3）中的ACra、ETD、NPLra分別為風險承擔變量資產資本比、權益負債比率和不良貸款率，FTI為核心解釋變量金融科技發展指數，FTI2t用來刻畫金融科技與銀行風險承擔之間的非線性關系;下標i表示樣本銀行，t代表年份，β、γ為回歸系數，Control為本文考慮的一組控制變量，ui為銀行固定效應，εit為隨機擾動項。

（四）估計方法選擇

為了避免可能存在的多重共線性問題，回歸之前首先對控制變量進行相關性檢驗。結果表明變量之間的相關系數較小，這意味著變量不存在嚴重的多重共線性問題。

另外，對于靜態面板，常見的有混合回歸（POOL）以及控制個體特征的固定效應（FE）和隨機效應（RE）回歸多種方法。鑒于忽略樣本特點的混合效應回歸并不可靠，如表3所示，本文首先對模型進行F檢驗，以判斷是選擇混合回歸模型還是個體固定效應模型，檢驗結果表明模型（1）、模型（2）和模型（3）的F檢驗的P值為都為0.000，故強烈拒絕原假設，即認為個體固定效應模型明顯優于混合回歸;其次，進行LM檢驗，以判斷是選擇個體隨機效應模型還是混合回歸;最后，進行Hausman檢驗，檢驗結果顯示，原假設“個體效應與回歸變量無關”對應的P值為0.000，因此應使用個體固定效應模型而非個體隨機效應模型。

（五）面板單位根（平穩性）檢驗

對于動態面板，為防止“虛假回歸”問題，動態面板模型要求數據序列平穩，本文采用Fisher-ADF、Phillips-Perron Test、KPSS Test等檢驗方法，圍繞銀行個體層面的變量ACra、ETD、NPLra、CRra、LDR進行面板單位根檢驗。這三種檢驗方法的原假設均為“H0：所有個體都是非平穩的”。其中，IPS尤其適合非平衡面板數據的單位根檢驗，只要有一種方法拒絕原假設則說明變量數據系列平穩。

表4的檢驗結果顯示模型所考慮的五個微觀變量均在全部三種檢驗方法下拒絕原假設，說明以上各個變量都不存在單位根，均為平穩序列，回歸分析將不會出現虛假回歸問題。

四、模型估計結果與分析

（一）模型回歸結果

基于上述分析，表5同時報告了模型（1）、模型（2）和模型（3）的固定效應（FE）估計結果。表5的回歸結果表明模型（1）、模型（2）和模型（3）金融科技指數的一次項FTI和二次項FTI* FTI估計系數獲得了高度一致的結果。其中，一次項FTI在3個模型中均為正且顯著，二次項FTI2均為負且顯著，說明金融科技對商業銀行風險承擔的影響呈現出先升后降的倒“U”型關系。這說明早期金融科技發展提高了商業銀行的風險承擔水平，隨著金融科技的深化發展，兩者的關系逐漸發生逆轉，在后期轉而降低了商業銀行的風險承擔水平。其中的原因在于：在以互聯網金融為主的早期階段，金融科技通過第三方支付、P2P網絡借貸、智能投顧、互聯網理財等多方面對商業銀行的資產端、負債端、支付結算端業務造成明顯沖擊，收窄存貸款利差，抬高資金成本，降低銀行利息收入與非利息收入，擠壓其盈利空間，從而加重了商業銀行的風險承擔。隨著金融科技相關業態發展成熟，一批互聯網金融企業逐漸向金融科技公司轉型，為金融機構輸出科技解決方案;同時，商業銀行也開始將金融科技上升至戰略高度，紛紛成立金融科技子公司，并向開放銀行模式全面轉型，借助新興技術全面升級對外服務方式和服務水平，產業生態逐步從競爭演變為競合。大數據、云計算、人工智能、區塊鏈等金融科技重點技術在商業銀行的日常經營與風險管理等方面得到廣泛應用，大幅度提升了傳統商業銀行運營效率，優化資源配置，降低管理成本，增強風險控制能力。有關監管部門也開始運用監管沙箱、監管科技等新理念、新方式優化現有監管手段，降低了金融科技潛在風險。最終，金融科技對商業銀行的影響總體表現為降低了其風險承擔水平，本文的命題1得到證實。

其他控制變量方面，銀行存貸比（流動性水平）系數的6個估計結果均顯著為正，意味著流動性越高的銀行風險承擔傾向越明顯。其中的原因在于：在本文研究的樣本期間內，中國銀行業一直存在較明顯的流動性過剩問題，根據DeYoung et al.（2013）[41]的觀點，流動性越充足，銀行高管擴大貸款規模的動機越強烈，這一估計結果也與郭品和沈悅（2015）[30]論文結論一致。行業對開放程度變量（OPEN）顯著為負，主要的原因在于業務模式、風險管理機制更完善的外資銀行進入中國市場后會帶來先進的風控措施和經營管理理念，促進國內商業銀行穩健發展，進而降低其風險承擔水平，這一結果符合理論預期。貨幣政策變量（M2增速）系數顯著為正意味著寬松的貨幣政策環境會推導商業銀行的樂觀情緒，鼓勵其承擔更多風險。

（二）穩健性檢驗

本文借鑒邱晗等（2018）[42]的做法，通過縮短樣本時間以及動態風險承擔變量滯后2期兩個方面重新構建面板數據進行穩健性檢驗，基于Hausman檢驗選取的固定效應（FE）估計結果報告于表6。

在風險變量滯后2期和時間改為2009-2017年兩種情形下，由表6可見三個模型估計獲得的關鍵解釋變量金融科技發展指數系數大小相當，方向相同，顯著性也基本一致。盡管模型（3）在2009-2017年期間的估計系數顯著性有所下降，但系數符號方向并沒有任何改變。其他控制變量的系數符號大多維持不變，顯著性也基本一致。總體看來，本文的估計結果是穩健可靠的，本文的命題1得到進一步證實。篇幅所限，這里僅針對選取FTI1作為金融科技發展指數下的模型（1）、模型（2）和模型（3）進行了穩健性檢驗，基于FTI2的檢驗結果與此類似，不再贅述。

（三）進一步的討論

檢驗金融科技對銀行風險承擔的異質性影響時，參考郭品和沈悅（2015）[30]的做法，引入代表商業銀行類型的虛擬變量TY，大中型銀行賦值“1”，小型銀行賦值為“0”。在模型（1）、模型（2）和模型（3）的基礎上引入金融科技指數與銀行類型的交乘項，建立式（12）所示的非線性多元回歸模型。

ACrai，t=β0+β1ACrai，t-1+β2FTIt+β3FTIt×TYi+β4FTI2t+β5FTI2t×TYi+∑ 8 j=1 γjControl？jit+ui+εit （12）

關于銀行的分類標準，以往文獻的通常做法是按資產規模[43]或將股份制銀行定義為中型銀行，城商行和農商行定義為小型銀行[44]的做法，按資產規模對樣本銀行進行分類，鑒于樣本銀行2017年末資產總額的中位數為1937.69億元，可將2017年末資產總計在2000億以上的銀行定義為大中型銀行（子面板13），一共有包括5家大型銀行，12家股份制銀行在內的64家銀行;將其余66家2017年末資產總計在2000億以下的銀行定義為小型銀行（子面板14），其中包括36家城商行和30家農商行。表7同時報告了基于金融科技指數FTI1、FTI2的混合回歸（Pool）、固定效應（FE）和隨機效應（RE）估計結果②。

表7顯示模型的交乘項FTI*TY的回歸系數顯著為正，FTI2*TY的回歸系數顯著為負，且除了面板14的固定效應（FE）以外，其他的估計結果全部通過了顯著性檢驗，說明面對金融科技的沖擊，不同類型銀行風險承擔傾向響應具有明顯差異，本文的命題2得到證實。在具有高風險特征，以互聯網金融為主的金融科技發展早期階段，大中型銀行由于其客戶相對固定、規模龐大和監管嚴厲等方面的因素，對第三方支付、網絡借貸、互聯網理財等新型業務模式的反應較為謹慎。在云計算、大數據、人工智能和區塊鏈等金融科技重點技術發展趨于成熟的后期階段，大中型銀行利用其資金實力、盈利水平、人才儲備、資源稟賦等方面的優勢，更容易通過自主研發或外延并購、跨界合作等方式，積極融合金融科技，充分利用金融科技帶來的新的發展機遇，實現轉型創新發展。

相對地區性小型銀行而言，大中型銀行對金融科技的響應總體上表現得更為穩健;同時，加入銀行類型虛擬變量后，模型基本結論沒有任何改變，關鍵變量金融科技發展指數平方項FTI2在所有回歸結果中仍然顯著為負，一次項FTI仍然為正，這說明整體上金融科技對商業銀行風險承擔的影響仍然呈現為倒“U”型關系。即在金融科技發展前期，金融科技加重了銀行的風險承擔，而在后期轉而降低銀行的風險承擔，這一估計結果進一步驗證了命題1。控制變量的回歸系數大小、符號方向和顯著性水平與表5的結果基本一致，不再贅述。

五、結論與啟示

本文收集了2007-2017年間中國130家商業銀行的非平衡面板數據，通過構建金融科技約束下銀行風險承擔行為的局部均衡模型，從理論層面剖析金融科技對商業銀行風險承擔傾向的影響機理，因子分析等方法測算得到金融科技發展指數，并構建多元面板回歸模型，就金融科技對銀行業風險承擔的整體及其異質性影響進行經驗分析。結果表明：（1）在整體上，金融科技對商業銀行風險承擔的影響呈現出先升后降的倒“U”形關系，即早期金融科技發展提高了商業銀行的風險承擔水平，但隨著金融科技重點技術發展成熟，在后期有利于降低管理成本，增強風險控制能力，轉而降低商業銀行的風險承擔水平。（2）其他控制變量方面，銀行流動性水平、行業對開放程度以及貨幣政策等因素也從不同程度對商業銀行風險承擔行為存在重要影響。（3）面對金融科技的沖擊，金融科技的異質性影響檢驗結果表明不同類型商業銀行的響應是具有明顯差異的，相對地方性小型商業銀行，大中型銀行的響應相對更為穩健。

隨著金融科技相關技術的逐漸成熟及其行業規模的日益膨脹，以上結論說明科技與金融業不斷深度融合發展促使金融邊界逐漸模糊。它給商業銀行帶來新的發展機遇的同時也形成了挑戰，迫使商業銀行特別是地方性小型銀行需要調整思維，加快技術創新，積極融合金融科技，謀求轉型發展以應對金融體系的變革。對此，本文提出以下建議：第一，積極促進信貸業務的轉型與創新，依托市場和客戶需求創新產品、建立綜合性的網絡信貸服務平臺、運用大數據、云計算、區塊鏈、人工智能、物聯網等關鍵技術，實現經營管理網絡化，最終提高經營穩健性。第二，商業銀行應積極尋求與互聯網金融企業深度合作，利用其業務規模優勢強化互聯網支付結算、理財、銷售等業務的創新和渠道建設，減少利差縮窄的單方面影響，獲取新的利潤增長點。第三，加快金融科技人才隊伍建設，加強關鍵技術自主研發，積極融入金融科技應用發展大潮，降低金融科技創新成本。第四，充分發揮大數據、云計算、區塊鏈、人工智能等新興技術在風險控制方面的應用優勢，加強風險管理能力;第五，政策當局應當加快監管體制、機制改革，優化監管工具，為金融科技與傳統商業銀行的融合共生發展打造良好的制度環境，做到金融創新與風險防范的有效平衡。

注釋：

①? 已有研究采用Z值、資產收益波動性、股票收益波動性、不良貸款率、風險加權資產比例、資產資本比率作為風險承擔代理變量，但為適應理論模型的設定，采取資產資本比率進行機理分析。

② 文章篇幅所限，模型（2）和模型（3）的檢驗結果不再贅述。

參考文獻：

[1]? 張林. 金融科技有助于全球經濟持續發展——訪世界銀行副行長兼首席風險官拉克茜米·希亞姆-桑德[J].中國金融， 2018（17）： 14-16.

[2] 楊濤. 警惕金融科技風險[J].人民論壇， 2019（17）： 78-79.

[3] 姜增明， 陳劍鋒， 張超. 金融科技賦能商業銀行風險管理轉型[J].當代經濟管理， 2019，41（1）： 85-90.

[4] 李展， 葉蜀君. 中國金融科技發展現狀及監管對策研究[J].江淮論壇， 2019（3）： 54-59.

[5] 易憲容， 鄭麗雅， 何人可. 金融科技合約關系的實質、運行機理及風險防范——基于現代金融理論的一般分析[J].社會科學， 2019（5）： 40-49.

[6] 程軍， 何軍， 袁慧萍，等. 金融科技風險與監管對策[J].中國金融， 2017（24）： 70-71.

[7] 俞勇. 金融科技與金融機構風險管理[J].上海金融， 2019（7）： 73-78.

[8] 鐘慧安. 金融科技發展與風險防范研究[J].金融發展研究， 2018（3）： 81-84.

[9] 汪可， 吳青. 金融科技對我國銀行業系統性風險影響研究[J].管理現代化， 2018， 38（3）： 112-116.

[10] 楊東. 防范金融科技帶來的金融風險[J].紅旗文稿， 2017（16）： 23-25.

[11] 周仲飛， 李敬偉. 金融科技背景下金融監管范式的轉變[J].法學研究， 2018，40（5）： 3-19.

[12] 朱太輝，陳璐. Fintech的潛在風險與監管應對研究[J].金融監管研究，2016（7）：30-34.

[13] 靳文輝. 法權理論視角下的金融科技及風險防范[J].廈門大學學報（哲學社會科學版）， 2019（2）： 1-11.

[14] 李敏. 金融科技的系統性風險：監管挑戰及應對[J].證券市場導報， 2019（2）： 69-78.

[15]? 汪可， 吳青， 李計. 金融科技與商業銀行風險承擔——基于中國銀行業的實證分析[J].管理現代化， 2017（6）： 100-104.

[16] 袁媛. 金融科技與銀行信用風險管理[J].中國金融， 2018（9）： 67-68.

[17]? 袁康， 鄧陽立. 道德風險視域下的金融科技應用及其規制——以證券市場為例[J].證券市場導報， 2019（7）： 13-19，40.

[18] 李佳珂. 人工智能對金融創新的積極影響[J].人民論壇， 2018（25）： 78-79.

[19] 馬理， 朱碩. 區塊鏈技術在支付結算領域的應用與風險[J].金融評論， 2018，10（4）： 83-94，121.

[20] 金中夏， 黎江. 云計算與金融創新[J].中國金融， 2012（21）： 79-80.

[21] 盧小賓， 徐超. 面向風險管理的銀行大數據分析系統架構研究[J].信息資源管理學報， 2018，8（2）： 4-12.

[22] 曹宇青. 金融科技時代下商業銀行私人銀行業務發展研究[J].新金融， 2017（11）： 33-37.

[23] 楊敏. 金融科技：中小銀行差異化發展的核心動力[J].中國金融家， 2018（2）： 57-59.

[24] 郭為民. 金融科技與未來銀行[J].中國金融， 2017（17）： 23-25.

[25] 張德茂， 蔣亮. 金融科技在傳統商業銀行轉型中的賦能作用與路徑[J].西南金融， 2018（11）： 13-19.

[26] 王雯， 李濱， 陳春秀. 金融科技與風險監管協同發展研究[J].新金融， 2018（2）： 43-46.

[27] 李巖玉. 金融科技對商業銀行影響[J].中國金融， 2017（17）： 13-19.

[28] Lee I， Shin YJ. FinTech： Ecosystem， business models， investment decisions， and challenges[J].Business Horizons， 2018，61（1）： 35-46.

[29] Ariss RT. On the implications of market power in banking： Evidence from developing countries[J].Journal of Banking and Finance， 2010，34（4）： 765-775.

[30] 郭品， 沈悅. 互聯網金融加重了商業銀行的風險承擔嗎？——來自中國銀行業的經驗證據[J].南開經濟研究， 2015（4）： 80-97.

[31] Kishan RP， Opiela TP. Monetary Policy， Bank Lending， and the Risk‐Pricing Channel[J].Journal of Money， Credit and Banking， 2012，44（4）： 573-602.

[32] 顧海峰， 楊立翔. 互聯網金融與銀行風險承擔：基于中國銀行業的證據[J].世界經濟， 2018，41（10）： 75-100.

[33] 郭品，沈悅. 互聯網金融， 存款競爭與銀行風險承擔[J].金融研究. 2019，470（8）：58-76.

[34] 喻微鋒， 周黛. 互聯網金融、商業銀行規模與風險承擔[J].云南財經大學學報， 2018， 34（1）： 59-69.

[35] 王兵， 朱寧. 不良貸款約束下的中國銀行業全要素生產率增長研究[J].經濟研究， 2011（5）： 32-45.

[36] 姚樹潔， 姜春霞， 馮根福. 中國銀行業的改革與效率：1995—2008[J].經濟研究， 2011， 46（8）： 4-14.

[37] 汪可. 金融科技、價格競爭與銀行風險承擔[J].哈爾濱商業大學學報（社會科學版）， 2018（1）： 40-48.

[38] 牛曉健， 裘翔. 利率與銀行風險承擔——基于中國上市銀行的實證研究[J].金融研究， 2013（4）： 15-28.

[39] 劉忠璐. 互聯網金融對商業銀行風險承擔的影響研究[J].財貿經濟， 2016（4）： 71-85，115.

[40] 汪可. 金融科技、利率市場化與商業銀行風險承擔[J].上海經濟， 2018（2）： 108-116.

[41] DeYoung R， Peng EY， Yan M. Executive compensation and business policy choices atUS commercial banks[J].Journal of financial and Quantitative Analysis， 2013， 48（1）： 165-196.

[42] 邱晗，黃益平，紀洋. 金融科技對傳統銀行行為的影響——基于互聯網理財的視角[J].金融研究，2018（11）：17-29.

[43] 張橋云， 王寧. 我國商業銀行存款利率浮動幅度影響因素實證研究——基于全國124家銀行的數據[J].國際金融研究， 2013（5）： 63-75.

[44] 馬喜立. 以金融科技提升中型銀行金融風險管理水平的路徑研究[J].金融理論與教學， 2019（4）： 7-9，18.

Does FinTech Increase or Reduce Commercial Banks′ Risk-taking？

Evidence from China′s Banking Sector

LIU Meng-fei，JIANG Wei

（International Business School of Shaanxi Normal University， Xi′an 710119，China）

Abstract： Starting from the reality of the rapid development of financial technology， this paper constructs a local equilibrium model of heterogeneous banks′ risk-taking behavior under the constraint of financial technology， and analyzes the influence mechanism of financial technology on commercial banks′ risk-taking tendency from the theoretical level;Based on the financial technology development index calculated by text mining technology， this paper selects the panel data of 130 commercial banks in China from 2007 to 2017， and constructs a multiple regression model to empirically analyze the overall and heterogeneous impact of financial technology on banking risk-taking.The results show that：（1）The impact of financial technology on commercial banks′ risk-taking shows an inverted “U”-shaped relationship， that is， in the early stage， the development of financial technology improves the level of banks′ risk-taking， but in the later stage， with the development and maturity of financial technology related technologies， it is conducive to reducing management costs， enhancing risk control ability and reducing banks′ risk-taking.（2） Facing the impact of financial technology， the response of different types of commercial banks is heterogeneous. Compared with local small-sized commercial banks， the response of large and medium-sized banks is relatively more robust.

Key words： FinTech; Commercial Banks; risk-taking; empirical research

（責任編輯：關立新）