金融科技對商業銀行信貸風險的影響及其機制研究

楊 馥 洪 昆

（西安財經大學經濟學院，陜西 西安 710100）

一、引言

“十四五”規劃及《金融科技發展規劃（2022—2025年）》等國家重要發展規劃均強調提升金融科技水平，將金融機構應用科技的能力轉化為金融市場上的競爭力，有效支持實體經濟發展。現階段，商業銀行對金融科技的投入逐年增加并成為發展金融科技的“主力軍”。《中國金融科技報告2021》指出，2021年國有五大行金融科技平均投入超過200 億元。商業銀行等傳統金融機構原有的商業模式與運行邏輯因金融與科技的深度結合而發生了深刻變化，其經營管理、產品設計、戰略布局、營銷渠道和風險控制等環節也因此而被重構（盛天翔和范從來，2020）。其中，商業銀行尤為關注風險防控環節。金融科技通過提高商業銀行在風險控制全環節的管控能力，實現信貸全流程的數字化，有效控制風險（易綱，2021），進而提高商業銀行盈利能力，降低融資成本，改善資本水平，促進其健康平穩發展（陳天鑫和李軍帥，2021；林勝等，2020）。當前信貸風險仍是商業銀行面臨的主要風險之一，2021年末我國銀行業不良貸款余額達2.8 萬億元，關注類貸款余額3.8 萬億元，商業銀行信貸風險管理亟須關注和改善。因此，金融科技能否以及通過何種機制改善商業銀行信貸風險管理仍是值得探究的問題。

本文的邊際貢獻可能在于：（1）區別于以單一指標度量金融科技的研究，在基準分析時使用文本分析法建立商業銀行金融科技指數；（2）從商業銀行貸款集中度和信貸規模角度，拓展分析金融科技影響商業銀行信貸風險的機制，豐富了相關領域的研究；（3）探究金融科技對不同類型商業銀行信貸風險的影響，重點關注全國性商業銀行對區域性商業銀行的擠出效應，對商業銀行因地制宜利用金融科技管控信貸風險具有指導借鑒意義。

二、文獻綜述

回顧已有文獻，關于金融科技對信貸風險影響的研究并未得到一致結論，主要分為三種觀點。第一種觀點認為金融科技可能提高信貸風險，并從市場化及競爭角度進行了解釋。當商業銀行集體運用金融科技時會促進利率市場化（邱晗等，2018；汪可，2018）和加劇商業銀行競爭（楊文捷等，2020），商業銀行為保持經營業績穩定或提高業績可能會調整信貸客戶準入和資產選擇的標準，導致信貸風險增加。第二種觀點基于信息不對稱角度，提出金融科技能夠降低信貸風險。商業銀行能通過大數據、云計算等科技手段減少甄別優質信貸客戶的成本，從而提升篩選優質信貸客戶和風險控制的能力，提升資產質量，降低風險水平（金洪飛等，2020；姚婷和宋良榮，2021；唐也然，2021；Deng等，2021；郭麗虹和朱柯達，2021）。第三種觀點考慮了金融科技對商業銀行經營成本和銀行間競爭的影響，認為金融科技對商業銀行信貸風險具有非線性影響。郭品和沈悅（2019）認為，商業銀行在初始運用金融科技階段能降低運營管理費用，成本下降能促使風險承擔降低，但金融科技的進一步發展卻會加劇商業銀行競爭，提高資金成本，促使商業銀行信貸風險增加，因而金融科技與商業銀行信貸風險呈早期正相關、后期負相關的正U 形關系。劉孟飛（2021）、喻平和張敬佩（2021）則認為，在金融科技發展早期，互聯網金融機構運用金融科技會對商業銀行的資產和負債業務產生影響，從而提高資金成本，加劇信貸風險；金融科技成熟后，既能提升經營管理和風險控制效率，又能優化信貸資產與信貸客戶的結構，使信貸風險得到緩解，故金融科技與商業銀行信貸風險呈早期正相關、后期負相關的倒U形的關系。

已有文獻從不同維度就金融科技對信貸風險的影響進行了具體闡述，但進一步利用實證研究方法探究金融科技對商業銀行信貸風險影響的傳導機制的文獻仍然較少。其中，孫旭然等（2020）發現金融科技的發展能提高信用貸款比例和延長信貸期限結構，進而提高商業銀行信貸風險。任碧云和鄭宗杰（2021）則認為金融科技對不同商業銀行的信貸結構產生不同的影響，金融科技有助于調節國有商業銀行貸款擔保結構以緩釋信貸風險，并可能使非國有商業銀行偏好調整貸款期限結構來緩釋信貸風險。孫旭然等（2021）的研究還表明金融科技可以抑制商業銀行分支機構的擴張，進而緩解銀行信貸風險。此外，Deng 等（2021）的研究顯示，金融科技的發展將影響商業銀行的內部息差、管理能力、外部競爭強度和居民的儲蓄意愿，從而對商業銀行的信貸風險產生影響。

綜上，商業銀行發展金融科技已對其信貸風險管理產生了影響，但就影響效應與作用機制，相關研究并未形成共識。此外，金融科技對信貸風險影響機制的現有研究主要關注信貸結構和業務擴張等方面，而貸款集中度、貸款增長率等其他傳導機制尚有待探索和驗證。因此，進一步研究金融科技對信貸風險的影響效應并探討可能的傳導機制，可為商業銀行利用金融科技緩釋信貸風險提供借鑒。

三、理論分析與假設提出

（一）金融科技與信貸風險

商業銀行信貸風險主要來源于借款人按時或全額還款的不確定性，具有客觀性、聚集性與可控性的特征。不確定性又主要分為橫向與縱向兩類因素：縱向不確定性由外部宏觀經濟環境所決定；橫向不確定性主要來自商業銀行向企業貸款時的信息不對稱（王蕾等，2019）。依據信號理論，信息不對稱可以通過信息的搜集與處理得到緩解。信號理論認為，商業銀行是否向借款人發放貸款是由借款人實際信用質量所傳遞出來的信用信號所決定的，而信號的載體是可以傳達借款人經營狀況的信息（徐曉萍等，2021）。過去商業銀行主要通過借款企業所提供財務報表中的硬信息傳遞的信用信號判斷借款企業信用質量，但企業所提供的信息在可靠性方面存在疑慮（李學峰和楊盼盼，2021）。而商業銀行運用金融科技能降低信貸過程中的信息不對稱，提高信息獲取、數據處理以及客戶管理的效率（邱晗等，2018；金洪飛等，2020；張金清等，2021），更好地應對貸款的逆向選擇風險。此外，金融科技還有助于商業銀行將原本無法指標化的軟信息指標化，識別借款人的細節信息，從而更容易辨別信貸需求，更好地應對信息不對稱導致的道德風險（盛天翔和范從來，2020）。綜上，商業銀行利用金融科技能降低銀企間信息不對稱，減少信貸過程中的不確定性，降低信貸風險。依據上述分析，本文提出如下基本假設：

假設1：商業銀行金融科技發展水平與信貸風險負相關。

（二）貸款集中度、金融科技與信貸風險

商業銀行貸款集中度是指貸款集中于某一個行業、集團或者客戶（王博格，2018）。根據長尾理論和信號理論，貸款具有聚集性是因為傳統商業銀行關注信息處理成本較低的前20%的客戶，如會計信息完備以及易于從市場獲得相關信息的大企業，而忽略了信息挖掘成本較高的尾部客戶，從而導致商業銀行貸款集中度較高。然而，貸款的客戶集中現象會顯著提高貸款風險（Gordy 和Lutkebohmert，2006；Düllmann 和Masschelein，2007），即商業銀行貸款集中度對信貸風險具有正向影響（周春喜和毛悅，2018；顧海峰和戴云龍，2019），因此，分散貸款客戶是商業銀行控制信貸風險的重要手段，而金融科技將在其中發揮積極作用。一方面，商業銀行利用金融科技擴大客戶人群覆蓋面，提高金融服務可得性，從而增加了發放普惠貸款的意愿（郭麗虹和朱柯達，2021）；另一方面，金融科技可以提高商業銀行獲取和處理中小微企業信息的能力，拓展了小微貸款業務（金洪飛等，2020）。在將潛在的長尾客戶群體納入信貸服務范圍后，商業銀行信貸總規模擴大，零售貸款和信用貸款規模及占比上升，商業銀行信貸的信用結構和客戶結構得到優化（孫旭然等，2020；徐曉萍等，2021），最終達到分散貸款客戶、降低信貸風險的效果。依據上述分析，本文提出如下假設：

假設2：金融科技的應用降低了商業銀行貸款集中度。

假設3：金融科技可以通過降低貸款集中度的方式緩解商業銀行信貸風險。

（三）信貸增長率、金融科技與信貸風險

為了應對同業競爭，商業銀行在盈利以及生存壓力下會加快擴大信貸投放（郭品和沈悅，2019）。進行過度信貸投放的商業銀行，一般會降低信貸標準，傾向于接受那些信用等級較低客戶的貸款申請，導致不良貸款增加，進而使得信貸風險增大（辛兵海，2018）。由于商業銀行需要保證整體經營安全、風險可控，金融科技相關技術逐漸被商業銀行使用在對資金需求者個人信息的獲取、處理程序，于是借貸雙方的信息不對稱在貸款前被降低，拒絕高風險貸款，接受低風險貸款，從而提高商業銀行信貸質量，降低商業銀行信貸過快增長，保持商業銀行經營穩定。在金融科技成熟并廣泛運用于商業銀行內部后，提高了關于個人或企業信貸的數據獲取、數據處理以及客戶管理的效率，信貸質量提升后信貸風險得以緩解（孫旭然等，2020）。金融科技有助于商業銀行獲取貸款客戶的個人信用數據，并利用大數據、云計算等方式進行儲存與分析，既有助于增強對個人貸款的定價能力，也能有效識別貸款前的信貸風險，降低因行業競爭產生的信貸擴張速度，提高信用貸款質量并達到緩解商業銀行信貸風險的目的（金洪飛等，2020）。基于以上分析，提出如下假設：

假設4：金融科技的應用降低了商業銀行信貸增長率。

假設5：金融科技可以通過降低信貸增長率的方式緩解商業銀行信貸風險。

四、研究設計

（一）樣本與數據

首先，本文在樣本選擇中剔除了3 家政策性銀行；其次，由于業務范圍較窄、規模不大的小型商業銀行難以承擔自建金融科技平臺的巨額支出，大多數中小銀行選擇與外部金融科技公司合作，因而難以考察中小銀行的金融科技運用程度，在樣本選擇時剔除了農村商業銀行、村鎮銀行等規模較小的銀行；最后，本文基于數據的完整性和可得性選取2011—2019年國內40 家商業銀行作為研究樣本，包括6 家國有商業銀行、9家股份制商業銀行以及25家城市商業銀行。商業銀行數據主要來自東方財富網、統計年鑒、萬得數據庫、各家商業銀行年報以及中國人民銀行統計數據。

（二）變量定義

1.解釋變量。目前，國內對于金融科技尚未建立統一的測度指數，已有研究主要利用三類指標衡量商業銀行金融科技發展水平：一是自主構建金融科技指數，主要采用文本挖掘法、主成分分析法或因子分析法，從商業銀行內部投入及運用金融科技主要技術來衡量金融科技發展水平；二是研究機構與金融科技企業合作構建的互聯網金融指數，其中認可度最高的是北京大學數字金融研究中心發布的普惠金融指數，主要衡量商業銀行所處外部經營環境的整體金融科技發展程度；三是根據上市商業銀行金融科技投入資金，衡量金融科技發展水平。由于普惠金融指數主要衡量整體金融科技發展程度，而非上市商業銀行金融科技投入又難以考察，因此，后兩類指標都不能直接觀察本文所選擇樣本商業銀行的金融科技發展水平。

本文借鑒郭品和沈悅（2019）、金洪飛等（2020）的方法建立金融科技指數。具體過程如下：首先，根據金融科技的運用領域建立原始詞庫（見表1）；其次，分銀行分年度計算關鍵詞詞頻，鎖定銀行與關鍵詞進行搜索，利用爬蟲軟件爬取并記錄各家商業銀行在2011—2019年各年度的新聞條目，將獲得的數據作為構建金融科技指數的量化基礎；最后，運用主成分分析法構建綜合指標，即金融科技指數（Fi），該指數越大，則意味著金融科技運用程度越高。Kmo 檢驗及Bartlett's 檢驗結果見表2，表明適合主成分分析。

表1：金融科技指數基礎詞庫

表2：KMO 檢驗和Bartlett's檢驗

2.被解釋變量。商業銀行信貸風險度量多以不良貸款率表示，但信貸風險本質是指借款人預期違約所造成的損失，而不良貸款率代表已發生的實際損失。貸款減值準備是商業銀行基于所掌握的信息對貸款企業或個人的還款違約概率進行判斷，再依據風險計量模型計算得出的預期損失，更能反映商業銀行真實的信貸風險。因此，本文選擇貸款減值準備率（Ril）衡量商業銀行信貸風險，貸款減值準備率越高，信貸風險越大。

3.中介變量。銀行貸款集中度的代理變量一是貸款集中度（Lc），參考張文靜和馬喜立（2020），選用前十大客戶貸款占比來表示，這也是金融監管部門普遍采用的測度方法。該指標數值越大，表示商業銀行貸款越集中，其潛在的信貸風險越大。二是貸款增長率（Grl），參考劉音露等（2021），將新增總貸款額與上期總貸款額比值作為貸款增長率的代理變量，反映信貸資源規模變化。該指標數值越小，表示新增貸款越少。

4.控制變量。商業銀行信貸風險既受到宏觀經濟形勢變化的影響，也受到銀行個體特征的影響。本文選擇的商業銀行個體層面控制變量包括：盈利能力（Roa），反映商業銀行盈利狀況的重要指標，由于高收益往往伴隨著高風險，較高的盈利水平可能意味著承擔了較大風險；商業銀行規模（S），銀行規模越大內部風險管理體系越完善，對信貸風險控制和管理的效率可能越高，信貸風險越低；經營效率（Cir），代表商業銀行經營與管理水平，指標數值與經營效率反向變動，經營效率越高信貸風險越低；流動性水平（Ldr），是商業銀行貸款與存款的比值，該指標數值越高表明銀行信貸風險越高；資本充足率（Car），資本充足率越高的商業銀行往往具有較強的融資優勢和市場競爭力，追求高風險收益的傾向較低，因而信貸風險可能較低。宏觀控制變量包括：經濟增長（GrGDP），表示宏觀經濟運行狀況，經濟的繁榮與衰退會直接影響銀行的信貸行為；貨幣政策（GrM2）以及物價水平（Cpi），刻畫政府的貨幣政策立場，貨幣政策寬松會使得銀行調整放貸標準，導致信貸規模擴張和信貸風險上升。

（三）計量模型

為檢驗假設1、假設2與假設4，本文分別建立模型（1）、（2）和（3）進行回歸分析。其中，i 表示銀行數，t 表示時間，Control 表示一組控制變量，ε為隨機擾動項。

為檢驗假設3 與假設5，首先，利用模型（4）檢驗金融科技與信貸風險的關系；其次，借助模型（5）檢驗金融科技與中介變量的關系，其中M表示中介變量，分別選用貸款集中度（Lc）和貸款增長率（Grl）；最后，建立模型（6）檢驗金融科技與中介變量對信貸風險的影響。具體判定規則如下：模型（4）的回歸結果中，若γ顯著，則檢驗模型（5），否則停止檢驗；模型（5）中若θ顯著，則檢驗模型（6），否則停止檢驗；模型（6）中若μ顯著而μ不顯著，說明中介變量在金融科技改善商業銀行信貸風險中承擔了完全中介的角色，若μ與μ都顯著，則說明中介變量僅具有部分中介效應。

表3：變量說明

五、實證結果分析

（一）描述性統計

主要變量的描述性統計見表4。表4 中金融科技指數（Fi）最高為6.694，最小為-0.838，標準差為0.988，表明商業銀行個體間金融科技發展水平差距較大；銀行貸款減值準備率（Ril）表示的信貸風險最高為8.86，最小值為0.725，標準差為0.725，表明銀行個體間的信貸風險水平差距不大，但均值為2.89說明商業銀行間都面臨著信貸風險問題。

表4：主要變量描述性統計

（二）金融科技與信貸風險的基準回歸

進行基礎的F 檢驗、LM 檢驗及Hausman 檢驗后，本文選擇固定效應模型進行回歸分析。表5 報告了模型（1）、模型（2）和模型（3）的實證結果。模型（1）為金融科技對信貸風險的回歸模型，結果顯示，金融科技（Fi）的系數為-0.0018，且在1%的水平下顯著負相關，說明金融科技拓寬了商業銀行信息來源渠道，通過對海量數據的整合和深度處理幫助商業銀行甄別長尾客戶的信貸需求，完善信用評估和風控系統，緩解銀企間的信息不對稱，從而降低信貸風險。假設1得到驗證。

表5：基準回歸結果

模型（1）控制變量中的商業銀行規模（S）、資本充足率（Car） 和經營效率（Cir） 與信貸風險（Ril）負相關，表明規模越大、資本充足率越高、經營效率越高的商業銀行具有較強的融資優勢和市場競爭力，追求高風險收益的傾向較低。資產收益率（Roa）與信貸風險（Ril）負相關，可能原因是商業銀行在以間接融資為主的資金借貸市場上占據壟斷性地位，在不追求高風險的情況下就能獲得較高收益。宏觀控制變量方面，GDP 增長率（GrGdp）與信貸風險顯著負相關，說明經濟形勢越好，商業銀行預期面臨的信貸風險可能越低；貨幣供應量增長水平（GrM2）和物價指數（Cpi）與信貸風險分別在5%與10%的顯著性水平下正相關，說明寬松的貨幣政策會提高貨幣供應量以及物價水平，降低商業銀行放貸門檻，導致銀行信貸風險增加。

模型（2）為金融科技對貸款集中度的回歸模型，根據實證結果，金融科技（Fi）在5%的顯著性水平下與貸款集中度（Lc）負相關，系數為-0.0154。這說明金融科技發展水平的提高能有效降低貸款集中度，驗證了假設2。

模型（3）為金融科技對貸款增長率的回歸模型，根據實證結果，金融科技（Fi）在5%的顯著性水平下與貸款增長率（Grl）負相關，系數為-0.0165。這說明金融科技發展水平的提高能有效降低貸款增長率，驗證了假設4。

（三）金融科技與信貸風險的機制檢驗

表6 顯示的是中介模型實證結果。在以貸款集中度為中介變量的實證結果中，依據中介變量的標準判斷程序，首先，模型（4）檢驗金融科技是否會對信貸風險產生影響，回歸結果中金融科技系數為-0.0014，且在1%的水平下顯著，說明金融科技與信貸風險負相關，與上文假設1 結論相吻合。其次，模型（5）檢驗金融科技與中介變量的關系，回歸結果顯示，金融科技在1%的水平下與貸款集中度負相關，回歸系數為-0.0237，與上文假設2 結論一致。最后，通過模型（6）檢驗金融科技與中介變量對信貸風險的影響，模型（6）估計結果中，金融科技指數與貸款集中度對信貸風險的影響分別在1%與5%水平下顯著，回歸系數分別為-0.0015 與-0.0031，說明貸款集中度在金融科技對于信貸風險的影響中存在部分中介作用，中介效應占比為5.25%。驗證了上文假設3。

表6：中介效應模型估計結果

在以貸款增長率為中介變量的實證結果中，模型（5）檢驗金融科技對貸款增長率的影響，結果顯示金融科技在1%的水平下與貸款增長率負相關，回歸系數為-0.0184，與上文假設4 結論一致。模型（6）檢驗金融科技與貸款增長率對信貸風險的影響，結果顯示金融科技與貸款增長率對信貸風險的影響分別在1%與10%水平下顯著，回歸系數分別為-0.0016 與0.0082，說明貸款集中度在金融科技對信貸風險的影響中存在部分中介作用，中介效應占比為10.78%，這一結果驗證了假設5。

（四）穩健性檢驗

1.更換模型估計方法。由于樣本商業銀行之間存在較大差異，既有大型國有商業銀行，也有規模較小的農村商業銀行，且銀行對外貸款的信貸風險存在持續性，即可能存在自相關性。同時，銀行可能會基于風險控制的目的主動引入、應用并發展金融科技，因此，金融科技與信貸風險可能存在雙向因果的關系。為解決可能存在的內生性問題，本文采用GMM 方法重新進行回歸估計。表7 中的估計結果顯示，金融科技發展水平對貸款集中度、貸款增長率及銀行信貸風險均有顯著作用，估計結果與上文基本一致，結論保持穩健。

表7：穩健性檢驗：更換模型估計方法

2.替換金融科技發展水平的衡量指標。商業銀行金融科技發展水平提高會促進地區金融科技發展，因此，也有研究用地區金融科技發展程度來衡量商業銀行金融科技發展水平。本文參考熊健等（2021）的做法，采用地區數字普惠金融指數衡量商業銀行金融科技發展程度，并以商業銀行貸款占當年全部樣本銀行貸款總額的比例為權重對普惠金融指數進行處理，對模型重新進行估計，結果如表8 所示，核心解釋變量的結果與上文基本一致，本文的結論仍保持穩健。

表8：穩健性檢驗：替換解釋變量

（五）異質性分析

考慮到我國商業銀行規模以及資金成本等存在差異，不同類型商業銀行的金融科技發展程度具有一定差異，這會對商業銀行信貸風險產生影響。因此，本文將總樣本分為全國性商業銀行和區域性商業銀行，對模型（1）重新進行了回歸分析，結果如表9所示。兩類銀行金融科技（Fi）系數分別在10%與1%的顯著性水平下為負，且全國性商業銀行的影響系數（-0.241）小于區域性商業銀行（-0.205），說明發展金融科技對兩類商業銀行緩解信貸風險都有積極作用，但相較于區域性商業銀行，金融科技對全國性商業銀行信貸風險的影響更大。這一結果也證實了金融科技發展水平對商業銀行信貸風險的影響具有顯著異質性。全國性商業銀行可利用金融科技獲取更多的信息，發現和挖掘更多的長尾客戶，并憑借資金成本優勢將這部分客戶從區域性的城市商業銀行與農村商業銀行吸引過來，降低自身貸款集中度，進而緩解信貸風險。

表9：異質性檢驗

六、結論和建議

本文利用網絡爬蟲技術進行文本挖掘合成商業銀行金融科技指數，從應用、投入等多個維度評估商業銀行金融科技發展程度，并基于2011—2019年國內40家商業銀行的數據，探究了金融科技對商業銀行信貸風險的影響及其傳導機制。研究結果表明：第一，金融科技能有效緩解商業銀行整體信貸風險。商業銀行運用金融科技可以有效緩解信貸中的信息不對稱，更容易甄別借款客戶釋放出的信用信號，并據此評價借款客戶的信用優劣，有利于提高信貸質量和降低信貸風險。第二，在金融科技與信貸風險的關系中，貸款集中度和貸款增長率具有部分中介作用。商業銀行通過金融科技提高信息獲取、數據處理以及客戶管理的效率，以更低的信息搜集成本吸納優質客戶，在增加貸款規模的同時提升貸款質量，商業銀行信貸風險得到分散和降低。第三，金融科技對商業銀行信貸風險的影響存在異質性，金融科技對全國性商業銀行信貸風險的緩釋作用大于區域性商業銀行。商業銀行運用金融科技能顯著降低銀企間的信息不對稱，全國性商業銀行與區域性商業銀行獲取軟信息能力的差距被縮小，全國性商業銀行憑借相對低廉的資金成本優勢將原屬于區域性商業銀行的低風險優質客戶吸引過來，促使信貸質量上升和信貸風險下降，而區域性商業銀行只能通過進一步下沉市場挖掘優質的潛在客戶。

本文的研究結論具有以下政策啟示：第一，鼓勵商業銀行運用金融科技拓展服務深度。銀企間的信息不對稱程度在運用金融科技后能夠被降低，因此，商業銀行應關注金融科技對風險管控的正面影響，將金融科技新興技術應用在信貸流程中，降低信貸風險。第二，應加強對商業銀行運用金融科技的監管。金融科技在賦能商業銀行信貸風險管理的同時，也可能帶來新的風險。監管部門應健全金融科技監管體系，對商業銀行應用金融科技帶來的變化進行監測，防止發生金融科技導致的風險事件，打好防范化解金融風險攻堅戰。第三，區域性商業銀行與外部科技公司應加強合作。對于中小商業銀行而言，在缺乏足夠的資金發展金融科技時可積極與外部科技公司進行合作，達到借船出海的目的，充分利用金融科技促進自身發展，緩解信貸風險。

①數據來源：中國銀保監會副主席梁濤在國新辦就銀行業保險業2020年改革發展情況新聞發布會的講話。

②2020年新冠肺炎疫情導致大量企業生產經營停滯，銀行計提的貸款減值準備大幅增加，這一數據波動無法準確反映金融科技對信貸風險的影響，因此，未考慮2020年的數據。

③負值對應的情況是關鍵詞搜索結果中新聞條目為0。

④參考2019年《中國金融年鑒》，根據覆蓋范圍將銀行分為全國性銀行和區域性銀行。