金融科技發展水平對商業銀行風險承擔的影響※

○何 理馮 科劉雨峰

1.北京大學經濟學院 北京 100871

2.中國農業銀行總行 北京 100005

引言

2021年3月，“十四五”規劃發布，其第五篇對中國數字經濟的發展進行了指導，要求從數字產業化和產業數字化兩條路徑推動數字化轉型。在此基礎上，《金融科技發展規劃（2022—2025年）》與《關于銀行業保險業數字化轉型的指導意見》相繼出臺，對新時代下銀行業金融科技的發展做出了規劃與指導，提出力爭2025年實現整體水平與核心競爭力的跨越式提升。在中國，以螞蟻金服為代表，金融科技在支付、理財、保險、投資、征信、信貸等領域呈現出了多種表現形式，金融科技公司與傳統金融機構的互動過程中，充滿了競爭與合作。商業銀行、科技公司及金融監管機構等主體在金融科技領域的協同對中國金融行業產生了重大影響。本文聚焦金融科技對商業銀行的影響，將具體探討以下問題：第一，金融科技的發展對商業銀行風險承擔產生影響的潛在機制是什么？第二，商業銀行內部與外部金融科技的發展對其風險承擔分別產生怎樣的影響？第三，針對不同的銀行規模、銀行類型、股權結構，上述影響是否存在異質性？

現有研究普遍采用金融穩定委員會對金融科技的定義——金融服務中的技術驅動創新。本文認為金融科技既包括商業銀行等傳統金融企業的金融科技研發與金融科技轉型，也包括傳統金融企業以外的互聯網與科技企業及其產品，即商業銀行內部金融科技與外部金融科技。金融科技是動態發展的，李文紅、蔣則沈（2017）認為電子信息、網絡技術與金融業務結合代表了最初的形態，移動互聯網推動了金融科技的進一步發展；巴曙松、白海峰（2016）認為隨著人工智能等最新科技手段賦能金融，金融科技進入了更高的發展階段。

現有研究大體上可歸納為從商業銀行的存、貸、匯業務三個渠道出發，探究金融科技對商業銀行風險承擔的影響機制。基于銀行存款的視角，邱晗等（2018）指出，隨著金融科技的發展，余額寶等貨幣市場基金產品帶來了銀行資金來源上激烈的市場競爭，商業銀行被迫增加銀行理財及同業負債，實質上形成了變相的利率市場化。隨著負債端成本上升，同時商業銀行并沒有向下游貸款客戶轉嫁相關成本，商業銀行選擇投資更高風險的資產以維持其盈利水平。基于銀行貸款的視角，Demertzis et al.（2018）認為金融科技賦能傳統金融機構，可以降低金融機構與企業間的信息不對稱；Berg et al.（2020）認為金融科技的使用還可以補充傳統的征信系統，多維度提升貸款質量，降低商業銀行的風險承擔；此外，盛天翔、范從來（2020）研究了銀行業的最優市場結構，發現金融科技有助于推動銀行小微企業信貸供給，因此認為金融科技是減少信貸不平等的一個有效途徑，可實現服務長尾客戶的數字普惠金融。基于銀行中間業務的視角，李向前、賀卓異（2021）發現隨著金融科技發展水平的提高，國有大行與股份制銀行的非利息收入增加，一定程度上金融科技有利于商業銀行開展中間業務。因此，金融科技在存款渠道主要產生負面影響，而在貸款、中間業務方面產生正面影響。

一些學者發現金融科技的發展會增加商業銀行的風險承擔。邱晗等（2018）研究發現，金融科技可以加速利率市場化，從而加劇資金來源的競爭；郭品、沈悅（2019）研究發現，金融科技可以通過改變負債結構、抬高付息成本增加商業銀行的風險承擔；李蒼舒、沈艷（2019）研究發現，規模較大和利率異常的互聯網借貸平臺會對銀行業系統性金融風險形成溢出效應。另一類文獻提供了不同的觀點，認為金融科技的發展降低了銀行的風險承擔。Chen et al.（2019）提出區塊鏈、物聯網與智能投顧等給商業銀行帶來了創新價值；Cheng and Qu（2020）提出金融科技產生了信用風險緩解效應；顧海峰、楊立翔（2018）認為金融科技導致管理成本下降，可以彌補存貸利差的縮小。金融科技對商業銀行的影響既有積極的一面，也有消極的一面，兩者的相對關系決定了當前金融科技的發展是增加了還是減少了商業銀行的風險承擔，目前已有文獻尚未對這一問題形成一致的結論。

本文在以下方面可能取得一些學術貢獻：（1）現有研究大多對金融科技概念的界定不夠明晰，對金融科技的度量不夠全面，只涉及商業銀行內部數字化轉型成果或商業銀行外部金融科技公司發展水平的其中一方面，本文嘗試將商業銀行內部與外部金融科技對其風險承擔的影響一并納入討論范疇；（2）現有研究大多針對商業銀行的信貸業務研究其風險承擔，本文從商業銀行存、貸、匯等各項業務出發，總結了商業銀行內部金融科技與外部金融科技通過各細分渠道的影響及其綜合影響，試圖在一定程度上將金融科技對商業銀行風險承擔的影響機制系統化；（3）現有研究普遍關注商業銀行外部金融科技的發展帶來的競爭，對金融科技與傳統金融協同合作的影響有所忽視，本文突出強調了銀行規模等因素對銀行風險控制的重要性，銀行既要重視與金融科技公司的合作，也要重視金融科技手段與傳統信貸風險識別手段的協同，通過多條路徑實現數字化轉型。

一、理論分析及假設提出

（一）基于存、貸、匯視角的綜合影響效應

負債端的影響主要涉及商業銀行外部金融科技的沖擊，如邱晗等（2018）研究發現余額寶等貨幣市場基金擠占原本屬于銀行存款的市場份額，銀行被動采用銀行理財參與競爭，銀行存款流失的渠道得到加強，銀行越發依賴同業負債的資金來源，總體負債成本上升，結合近年來各種類型商業銀行凈息差普遍下降的趨勢，銀行并沒有將成本向貸款客戶轉移，而是轉而配置了更高風險的資產。王敏成（2014）研究發現P2P網絡借貸業務可以吸引具有較高風險偏好的投資者，從而對商業銀行負債產生影響。同時，銀行也積極滲透互聯網理財產品參與競爭，在資管新規施行后理財業務凈值化轉型的背景下，銀行為數不多的保本理財產品仍存在于資產負債表內，一定程度上抵消外部金融科技的部分沖擊。總體而言，在負債端金融科技的影響主要體現為外部金融科技公司的競爭帶來的資產負債表傳遞效應，具有加大商業銀行風險承擔的趨勢；商業銀行內部金融科技則至少不會增加其風險承擔。

從資產端看，無論是商業銀行與金融科技公司合作，還是商業銀行自研的信息科技成果，其帶來的各項底層技術可以有效處理傳統銀行的海量交易數據，使銀行實現精準營銷和集中管理。謝平、鄒傳偉（2012）提出社交網絡、搜索引擎、云計算協同發力有助于降低信息不對稱，通過信息共享加強商業銀行的征信系統建設，有助于更有效地識別信貸風險，優化信貸流程，強化風險的全流程管控，降低商業銀行的風險承擔水平；金融科技也可以幫助銀行更好地使用內部模型法管控市場風險，更加審慎和精確地控制風險敞口暴露。但金融科技帶來的負面影響也不容忽視。金融科技公司在普惠金融、消費金融等貸款領域展開競爭，其負面影響是否傳導至風險承擔還取決于信用卡發放及額度審批的審慎性是否會因為市場競爭而降低。姜增明等（2019）認為商業銀行在后發的數字化轉型背景下可能會面臨傳統風控優勢的逐漸喪失。總體而言，金融科技對商業銀行資產端的直接影響途徑是最為明晰的，正面影響中相關內部風控模型與征信系統需要一定的時間與數據積累，由業務競爭導致的負面影響相對較為微弱。

從中間業務來看，金融科技可以在信用卡、代銷等領域產生規模效應，進而降低銀行的風險承擔。根據最新會計準則，信用卡分期收入已劃分至信貸范疇，但手續費仍屬于中間業務收入，銀行將新技術手段用于信用卡的審批，相對于傳統方式，可以降低風險承擔。謝平等（2015）認為金融科技具有邊際成本遞減和網絡效應的特征，商業銀行可以通過自研或引入金融科技手段實現互聯網代銷基金及保險產品，或利用金融科技進行差異化競爭，打造多元場景服務平臺，以廣大客戶資源實現規模加持，同時不會對風險承擔產生負面影響。第三方支付對支付業務領域競爭帶來的負面影響不容忽視，而顧海峰、閆君（2019）注意到第三方支付對商業銀行存款結構、客戶拓展方面的正向影響，二者對營業收入產生綜合影響，最終影響銀行的風險控制能力。綜合來看，第三方支付的總體影響可能是正向的，同時互聯網投資也有利于銀行的業務拓展，這構成銀行外部金融科技的影響；銀行內部金融科技中，信用卡審批與資產端產生聯動，加上各類代銷及新型拓展業務，可能間接降低銀行的風險承擔。

表1對各細分渠道的影響及總體影響效應進行了匯總。綜合存、貸、匯三個視角來看，商業銀行外部金融科技對銀行風險承擔的影響，存在負債端增加、資產端與中間業務降低風險承擔三個途徑。負債端的影響屬于間接的資產負債表傳遞效應，資產端的影響主要是風控模型效應，中間業務的影響更多體現在經營效益層面的輕資產轉型效應，總體上會降低商業銀行的風險承擔。商業銀行內部金融科技對銀行風險承擔的影響主要體現在資產端與中間業務渠道，將會降低其風險承擔。因此，本文提出以下假設：

表1 基于存、貸、匯視角的綜合影響效應

H1：金融科技的發展可以降低商業銀行的風險承擔。

（二）商業銀行類型的影響

國有大行、股份制銀行、城市商業銀行、農村商業銀行是中國銀行業的主體，不同的銀行類別常表現出不同的特性，如國有大行具有較大的規模、遍布全國的網點和較好的國家資源支持；股份制銀行有著更多的活力與創新基因，往往具有相對更高的經營效率；城商行往往具有地域優勢，同時業務的區域也相對集中，風險不容易分散；農商行聚焦農村與普惠金融，觸及長尾客戶，風險相對不易控制。Beltratti and Stulz（2012）認為國有大行和股份制銀行等系統重要性銀行面臨更為嚴格的監管資本標準，風險行為相對更加審慎，風險吸收效應占主流。王露璐、代軍勛（2011）認為城市商業銀行與農村商業銀行的經營范圍限制在特定區域內，金融脆弱——擠出效應占上風。因此，商業銀行類型不同帶來企業文化、業務、客戶的不同，對商業銀行的風險承擔在跨期內展現出連續影響。金融科技發展水平在不同的商業銀行類別中具有明顯的差異，最終金融科技的影響也不盡相同，作用到風險承擔上，也在不同渠道呈現出各異的影響結果。具體而言，具有更強綜合實力的銀行，其抵御外部金融科技沖擊的能力更強，進行金融科技研發的能力也更強，受益于金融科技的可能性及效果相對更大；此外，國有大行、股份制銀行及上市的城商行與農商行，通常具有較大的規模，也具有更好地應對金融科技公司沖擊的能力、與金融科技公司展開合作的優勢、更強大的資金實力與人才儲備來進行內部金融科技的研發，因此銀行規模也會對金融科技發展水平影響風險承擔的程度產生影響。所以，本文提出以下假設：

H2：不同的銀行類型，金融科技降低商業銀行風險承擔的效果存在差異。

（三）股權結構的影響

中國商業銀行規模的擴張伴隨經濟的持續高增長。20世紀80年代到90年代初中國銀行業積累了大量不良貸款，對商業銀行的資本金產生了巨大的侵蝕。沃爾特、豪伊（2013）提出商業銀行為了滿足《巴塞爾協議III》的資本充足率要求，每隔一段時間進行融資成為不可避免的行為，疊加分紅派息行為，即使在IPO后，其資本金仍面臨階段性補充問題。除了對于資本金的需求，中國商業銀行也需要進行股份制改革，IPO上市，進而受到更加嚴格的監管與信息披露標準和會計準則約束，成為真正的市場化經營主體。潘功勝（2012）認為商業銀行上市后，經營理念、發展戰略、激勵約束等方面都會得到顯著改善，逐漸拋棄過去粗放發展模式，更加注重對質量、效益、穩健性和可持續發展的追求。上市銀行更容易接受和適應新的經營理念、新的商業模式和技術形態，在企業創新方面有著更強的活力。相對于非上市銀行，上市銀行對于新技術的運用具有資本和成本優勢，在公眾和更廣泛的市場中也有更好的信任度。這些因素都有利于上市銀行利用金融科技改善金融服務，提升用戶服務體驗，提高經營效率，提高風險識別和管理能力，從而更好地降低風險承擔。基于此，本文提出以下假設：

H3：商業銀行上市之后，金融科技降低商業銀行風險承擔的效果更顯著。

二、研究設計

（一）變量測度與數據來源

按CSMAR數據庫分類，以國有大行、股份制銀行、城商行、農商行口徑為準，中國目前有375家商業銀行。本文剔除掉不可獲取的部分年份數據，以及缺乏關鍵變量的數據，最終形成了包含263家商業銀行的2011—2020年非平衡面板數據（樣本量為1573個）。

本文的實證模型涉及以下變量：商業銀行風險承擔水平（Risk_taking），金融科技發展水平（Fintech），商業銀行規模（Asset），撥備覆蓋率（PCR），資本充足率（CAR），凈息差（NIM），成本收入比（CIR），地級市人均GDP對數值（GDP），年度M2同比增長率（M2），商業銀行類型（Type），商業銀行上市情況（IPO）。具體見表2。

表2 變量選擇及定義

1.被解釋變量。本文的被解釋變量商業銀行風險承擔，是指商業銀行主動承擔的風險，需憑借內部資源以彌補損失，是商業銀行基于利潤最大化而進行業務選擇的結果。關于其衡量指標，目前主流有以下幾類：張健華、王鵬（2012）等學者使用的Z值是衡量商業銀行風險承擔的最常用指標之一，但Z值僅反映銀行破產風險而非全部風險，用Z值的變化衡量風險承擔的變化實踐意義較弱；任碧云、鄭宗杰（2021）基于事后風險度量的視角，利用不良貸款率衡量銀行的風險承擔，其不足之處在于對商業銀行風險管控的指導意義較為欠缺；預期違約率是度量銀行事前風險承擔行為的指標，然而由于信用評級尚不完善、違約數據庫缺乏，限制了預期違約率的應用；邱晗等（2018）使用風險加權資產占總資產的比例衡量銀行的風險承擔，該度量手段較為全面，兼顧了事前風險管控與監管資本兩方面含義。本文選擇風險加權資產占總資產比例作為銀行風險承擔的指標，度量銀行事前風險承擔。在穩健性檢驗中，將被解釋變量替換為不良貸款率，從事后風險承擔的角度檢驗結果的穩健性。被解釋變量數據來源于CSMAR數據庫。

2.解釋變量。對于金融科技發展水平的度量，目前主流的做法有兩類：在早期的一些研究中，如郭品、沈悅（2015）建立互聯網金融相關詞庫，利用文本分析法構建指數以度量金融科技；另一種是郭峰等（2020）構建的北京大學數字普惠金融指數，該指數基于螞蟻金服內部數據編制，具有較好的代表性和可靠性，但沒有考慮商業銀行數字化轉型的成果；吳非等（2021）在方法一的基礎上建立金融科技賦能銀行業的關鍵詞庫，基于爬蟲技術和Java PDF-box庫的文本提取功能，構建了衡量企業數字化轉型的指標。

基于商業銀行外部金融科技衡量的角度，本文在實證模型中采用北京大學數字金融研究中心利用螞蟻金服的海量用戶數據編制的數字普惠金融指數。該指數基于數字金融覆蓋廣度、使用深度、數字化程度等維度構建，其中深度指數中還包含支付、投資等細分業務分類指數。由于金融科技產品在中國的推廣和發展主要體現在覆蓋廣度上，因此本文將數字普惠金融廣度指數作為核心解釋變量，對該指數通過對數功效函數進行了無量綱化處理，本文實證模型中使用時將指數除以100。該指標體系包括省、地級市、縣三級數據，本文使用商業銀行注冊地的地級市層面的數據進行實證分析，可以緩解內生性問題。具體的樣本量涉及31個省級、337個地級市以及約2800個縣級行政單位，時間跨度從2011年至2020年，該時間段正好刻畫了金融科技從萌芽階段到最近一期有完整統計數據的年份。該指數可以較好地反映各地區的銀行外部金融科技發展水平。

基于商業銀行內部金融科技衡量的角度，本文的實證模型中借鑒郭品、沈悅（2015）通過文本挖掘法建立關鍵詞庫并統計詞頻的方法，自建指數刻畫各家上市銀行自主運用金融科技的程度。根據金融科技在商業銀行中的各項技術應用，結合吳非等（2021）的詞庫設計邏輯，建立商業銀行數字化轉型指數詞庫（見表3），包括數字信息技術、互聯網、人工智能、區塊鏈、云計算和大數據六個維度。針對117家總資產規模達到1000億元以上的上市銀行與非上市銀行2011—2020年有披露的年度報告，利用微詞云的文本詞頻統計功能得到對應的年報詞頻，結合北京大學數字金融研究中心的數據，構建得到商業銀行數字化轉型指數，表征銀行內部的金融科技發展水平。

表3 商業銀行數字化轉型指數詞庫

3.控制變量。參考唐朝（2017）總結的銀行財報的關注重點，基于經營效益與資產質量兩個角度，選取撥備覆蓋率、資本充足率、凈息差、成本收入比等指標作為銀行層面的控制變量，同時在城市層面引入了人均GDP（回歸時取對數處理），在宏觀貨幣形勢層面引入了M2增長率等指標。其中，銀行層面的控制變量來自CSMAR數據庫，個別數據根據商業銀行報表進行了補充及修正；城市層面的人均GDP來自Wind數據庫及各地統計年鑒；宏觀貨幣形勢層面的M2增長率來自Wind數據庫。部分控制變量將作為調節變量，包括商業銀行總資產對數值、商業銀行類型、資本市場IPO情況，分別表征商業銀行的規模、銀行性質、股權結構，其中商業銀行類型與資本市場IPO情況僅用于異質性檢驗中的分樣本回歸，不直接進入回歸模型中。總資產與商業銀行類型來源于CSMAR數據庫，各商業銀行上市時間來自Wind數據庫。

（二）模型設定

1.主回歸模型。針對商業銀行面板數據，本文在進行回歸模型選擇時，豪斯曼檢驗表明應采用固定效應模型。由于相同銀行不同年份間的擾動項通常存在自相關，本文使用了聚類穩健標準誤。本文構建了以下雙向固定效應回歸模型：

上式中，i，t分別代表銀行個體和年份，Risk_takingit代表銀行i在第t年的風險承擔水平，FinTechit表示銀行i在第t年的金融科技發展水平，通過商業銀行外部金融科技指標與內部金融科技指標分別進行測度。Controls代表一系列銀行層面與城市層面的控制變量。銀行個體固定效應和時間固定效應分別用δi和θt表示，εit表示不可觀測的隨機誤差項。使用商業銀行外部金融科技指標進行測度時，將銀行與注冊地所在地級市進行匹配，進而在控制銀行個體固定效應時同步控制了城市固定效應。系數β1衡量金融科技發展水平對商業銀行風險承擔的影響。

2.規模調節效應模型。金融科技作用于商業銀行風險承擔，在銀行個體層面的異質性影響不容忽視。銀行規模一方面可能會直接增強商業銀行的風險控制能力，另一方面也可能對金融科技的影響存在調節效應。規模較大的銀行，可利用其在傳統金融領域與技術領域的雙重優勢，與金融科技公司積極展開合作，或自行研發相關金融科技技術、基礎設施與應用，更好地管控風險。因此在主回歸模型的基礎上，本文繼續探究銀行規模的調節效應，加入調節變量商業銀行規模與金融科技指標交乘項后的雙向固定效應回歸模型如下：

Assetit表示銀行i在第t年的規模，FinTechitAssetit表示商業銀行規模與金融科技發展水平的交乘項。系數β2衡量商業銀行規模對商業銀行風險承擔的影響，β3衡量商業銀行規模與金融科技發展水平的交乘項影響的大小。除增加的兩項外，其余設定與主回歸模型一致。

三、實證分析

（一）描述性統計

為了排除異常值的影響，本文對部分連續變量數據進行了雙邊縮尾處理（1%），處理后的非平衡面板數據的描述性統計見表4。從風險加權資產比例來看，不同銀行間風險承擔差異較大，不同銀行的風險配置策略與戰略轉型步伐差異明顯；從不良貸款率來看亦是如此，事前風險承擔的不同策略加上風險管理水平、客戶行業、客戶類型等方面的差異，事后的風險承擔水平差距更大，部分銀行較高的不良貸款率拉高了平均值。從商業銀行外部金融科技的發展來看，其平均值小于中位數，說明在樣本內商業銀行注冊地所在的地級市中，地區間數字普惠金融的發展存在顯著差異，部分地區較為落后拉低了平均數；從商業銀行內部金融科技的發展來看，其平均值大于中位數，說明不同銀行間數字化程度差異明顯，部分銀行發展較好拉高了平均值。從資產質量來看，銀行普遍滿足了監管要求，平均資本充足率與撥備覆蓋率都大幅超過標準；從經營效益來看，凈息差水平與成本收入比差異較大，不同銀行間傳統業務盈利能力與經營效率差距明顯。

表4 描述性統計結果

（二）主回歸結果

根據主回歸模型的回歸結果（見表5）。模型（1）和模型（2）對商業銀行外部金融科技的影響進行測度，引入一系列控制變量前后，回歸結果保持穩健，相應金融科技指標的系數分別在5%、10%的顯著性水平下顯著為負，即隨著銀行外部金融科技發展水平的提升，其風險承擔呈現出下降的趨勢。結合前文中基于存、貸、匯視角綜合分析框架來看，風控模型、輕資產轉型與科技合作外溢抵消了負債成本上升與資產業務競爭的負面影響，10年的數據積累與風控模型的訓練迭代，已經足夠降低商業銀行的風險承擔。模型（3）和模型（4）針對銀行內部金融科技，引入控制變量前后，在1%的顯著性水平下，金融科技對其風險承擔的影響均顯著為負，同外部金融科技的影響相似，隨著銀行內部金融科技水平的提高，其風險承擔逐漸下降。隨著時間的推移，金融科技手段識別信貸風險的能力逐漸增強，實現對傳統方法的超越，金融科技手段被更多地引入征信、風控等領域；同時，中間業務占比持續擴大，銀行呈現輕資產轉型趨勢，金融服務的質量和多樣性得到提高并呈現出規模效應，風險承擔得以降低。綜上所述，無論是從商業銀行外部金融科技還是內部金融科技的影響來看，金融科技的發展均可以降低商業銀行的風險承擔，H1得到驗證。

表5 主回歸結果

（三）異質性分析

1.商業銀行規模的調節效應。表6中模型（1）和模型（2）考察商業銀行外部金融科技的影響，模型（3）和模型（4）則考察商業銀行內部金融科技的影響，其中模型（1）、模型（3）即為主回歸模型中的結果。模型（2）中引入交乘項后，銀行規模與商業銀行外部金融科技發展水平交乘項的系數在5%的顯著性水平下顯著為負，而金融科技指標的系數受到影響不再顯著，其影響通過交乘項而展現。模型（4）中引入交乘項后，在5%的顯著性水平下，銀行規模與商業銀行內部金融科技發展水平交乘項的系數顯著為負，而金融科技指標的系數受交乘項影響后雖然顯著為正，但納入模型（4）的銀行規模能保證金融科技對銀行風險承擔的最終直接影響為負。以上結果說明，隨著商業銀行內、外部金融科技的發展，商業銀行的風險承擔在降低，且銀行規模越大，風險降低得越多。從外部金融科技的競爭來看，大銀行抵御沖擊的能力更強，具有更強的議價能力，負債端成本上升的影響相對較小，因而較大規模的銀行增加較高風險資產配置比例的動力相對較弱；從內部金融科技研發來看，規模更大的銀行具有更多的營業收入，因而可以將更多的資金投入金融科技的研發，小銀行更多只能依賴于與金融科技公司或大銀行的合作提升數字化水平。

表6 商業銀行規模的調節效應

以上結果再次驗證了H1，并探究了金融科技影響其風險承擔的兩條路徑。具體而言，第一，銀行外部金融科技影響的合作性勝過競爭性，銀行內部金融科技的影響依賴于一定的綜合研發實力，考慮到銀行規模的調節效應后，二者仍可以直接降低商業銀行的風險承擔。第二，較大規模銀行相對于較小規模銀行有著更好的風險管控能力，能加強銀行內外部金融科技的影響，進一步降低風險承擔。基于上述分析，當商業銀行綜合實力達到一定層次后，其金融科技的研發投入在風險管控領域能起到更好的成效。對中小型銀行來說，與金融科技公司或其他大銀行合作，利用現成技術是其應用金融科技推動數字化的更合理的選擇。

2.不同的商業銀行類型。除了銀行規模，不同的商業銀行類型對金融科技影響商業銀行風險承擔的效應也不容忽視。如前文所述，商業銀行類型的不同帶來企業文化、業務、客戶的不同，對商業銀行的風險承擔在跨期內有連續影響。因此，下面基于不同商業銀行類型，按國有大行、股份制銀行、城市商業銀行、農村商業銀行進行分組回歸。從銀行外部金融科技角度，回歸結果見表7。模型（1）針對國有大行，銀行外部金融科技發展水平的影響不顯著。對于國有大行而言，作為國民經濟命脈和支柱，在普惠金融領域有著更多的使命與擔當，其風險承擔行為的作用機制是復雜的，外部金融科技的發展未能對其風險承擔產生直接的影響。模型（2）針對股份制銀行，商業銀行外部金融科技發展水平對其風險承擔的影響在10%的顯著性水平下顯著為負。由于股份制銀行普遍市場化程度較高，且具有較為強大的綜合實力，一方面抵御外部金融科技公司競爭的能力較強，另一方面也可以在更大范圍與金融科技公司等科技型企業開展合作，銀行外部金融科技對于該類銀行風險承擔形成降低的總效應。模型（3）針對城市商業銀行，模型（4）針對農村商業銀行，其中商業銀行外部金融科技發展水平對城市商業銀行風險承擔的影響不顯著，而對農村商業銀行風險承擔的影響在10%的顯著性水平下顯著為正，結合農商行凈息差擁有更大的降低幅度，其資產負債表傳遞效應可能更為顯著；此外，農商行在小微貸款領域與金融科技公司的競爭較為激烈，資產端的互聯網信貸競爭也增加了其風險承擔。如Deng et al.（2021）所述，對于城市商業銀行而言，雖然其凈息差縮減幅度也較大，但普遍相較農商行有著更大的規模、更集中的客戶群體，互聯網信貸競爭對其影響相對沒有農村商業銀行那么劇烈，因此金融科技對其影響也并不顯著。

表7 商業銀行類型的異質性分析——以銀行外部金融科技指標測度

表8從銀行內部金融科技角度進行探究。金融科技對國有大行的效果依然不顯著，而對于股份制銀行，金融科技對風險承擔的影響在5%的顯著性水平下顯著為負。股份制銀行普遍具有較強的綜合實力，資金、技術、人才、管理方面的優勢使其可以高效進行金融科技研發并投入業務中，最終降低風險承擔。對于城商行與農商行，金融科技的影響同樣不顯著，總體上這類銀行綜合實力相對較弱，其內部金融科技仍處于學習階段，較為集中的經營區域帶來更難以分散的風險，以金融科技的合作帶動研發更為合理。

表8 商業銀行類型的異質性分析——以銀行內部金融科技指標測度

綜上所述，H2得到驗證。不同類型的商業銀行，金融科技降低商業銀行風險承擔的效果存在差異，無論是內部還是外部金融科技，對于股份制銀行的風險緩釋效果較好；而外部金融科技的發展會加劇農村商業銀行的風險承擔。

3.不同的股權結構。利用Wind統計各上市銀行的A股與港股上市時間，設置關于IPO的虛擬變量，如果某銀行在當年A股或港股任意一個資本市場上市，則下一年及以后年份IPO=1，當年及之前年份IPO=0；非上市銀行的所有樣本均取IPO=0。以此標準將商業銀行的樣本分為兩組，即未上市的商業銀行和已上市的商業銀行，回歸結果見表9。模型（1）和模型（2）研究商業銀行上市前后，外部金融科技對其風險承擔的影響；模型（3）和模型（4）研究商業銀行上市前后，內部金融科技對其風險承擔的影響。研究發現，無論是內部還是外部金融科技，在銀行未上市年份中，金融科技的影響均不顯著；而在銀行上市后，在5%的顯著性水平下，相應金融科技發展水平的系數均顯著為負。即當商業銀行上市后，商業銀行外部金融科技與內部金融科技降低其風險承擔的效果是顯著的。以上結果印證了Berger and Mester（1997）關于銀行上市后經營效率提高的觀點，上市銀行間接受惠于金融科技的發展，風控能力得到提高。

由于國際資本市場與國內資本市場在會計準則、上市要求等諸多方面存在差異，本文針對商業銀行在港股市場上市的影響做了穩健性檢驗，主要結果與表9的結果保持一致，限于篇幅不再展示。商業銀行在港股市場上市前，銀行內、外部金融科技對其風險承擔的影響均不顯著；而當銀行在港股上市后，外部金融科技與內部金融科技的系數分別在10%與5%的顯著性水平下顯著為負。

表9 股權結構的異質性分析

以上結果驗證了H3，商業銀行上市后，金融科技降低商業銀行風險承擔的效果更顯著。具體而言，第一，商業銀行內、外部金融科技均不能在商業銀行上市前產生顯著的降低商業銀行風險承擔的效果；第二，在商業銀行上市后，商業銀行內部與外部金融科技的發展降低其風險承擔的效果對所有銀行均成立；第三，即使考慮到國際會計準則、監管機構與國內會計準則、監管機構約束的差異，單純基于港股市場的上市情況，以上結論依然成立。

（四）穩健性檢驗

1.主回歸的穩健性。為了探究主回歸結果的穩健性，本文從兩個角度對商業銀行外部金融科技的影響進行探討：一是對解釋變量進行替換，采用數字普惠金融總指數與深度分指數衡量商業銀行外部金融科技；二是對被解釋變量進行替換，采用不良貸款率衡量商業銀行的風險承擔。同樣地，針對商業銀行內部金融科技的影響，本文采用不良貸款率替換原被解釋變量進行檢驗。其他設定與主回歸模型一致。檢驗結果見表10，模型（1）、模型（2）使用不良貸款率衡量商業銀行的風險承擔，分別檢驗商業銀行外部與內部金融科技影響的穩健性，在10%的顯著性水平下，相應的金融科技指標的系數均顯著為負。因此，無論是使用風險加權資產比例衡量事前的風險承擔，還是使用不良貸款率衡量事后的風險承擔，商業銀行內部與外部金融科技的發展均可以顯著降低其風險承擔。針對商業銀行外部金融科技，本研究替換主回歸模型中的解釋變量進行了檢驗。模型（3）使用數字普惠金融深度分指數表征商業銀行外部金融科技發展水平，其系數在5%的顯著性水平下顯著為負；模型（4）則使用數字普惠金融總指數表征商業銀行外部金融科技發展水平，此時系數在1%的顯著性水平下顯著為負。以上結果顯示，H1依然成立，金融科技的發展可以降低商業銀行的風險承擔，替換被解釋變量與解釋變量并不影響主回歸結果的穩健性。即無論從金融科技的技術前提（廣度指數），還是從金融科技的實際應用情況（深度指數）來看，或將表征金融科技服務的移動化、實惠化、信用化與便利化的數字化程度也納入考慮使用總指數，均能夠得出金融科技的發展可顯著降低商業銀行風險承擔的結論。

表10 主回歸的穩健性

2.影響機制探討。由于北京大學數字普惠金融深度分指數包括信貸、支付、投資等細分領域，分別代表互聯網個人消費與小微經營貸款、第三方支付與互聯網投資理財的發展水平，以上指標可用于驗證商業銀行資產端與中間業務渠道的影響機制。本文用這三個細分指標替代數字普惠金融廣度指數，從三種不同的機制分別驗證資產端由于互聯網信貸競爭帶來的影響、中間業務端由于第三方支付發展帶來的外溢科技合作的影響、中間業務端由于投資業務擴張導致的輕資產轉型的影響。結果見表11，模型（1）、模型（2）、模型（3）分別表示以信貸分指數、支付分指數、投資分指數測度銀行外部金融科技的回歸結果。模型（1）中金融科技指標的系數在5%的顯著性水平下顯著為正，模型（2）、模型（3）中金融科技指標的系數在1%的顯著性水平下顯著為負。從實證分析的角度，對前文基于存、貸、匯視角提出的不同渠道的影響效應，針對信貸、支付、投資進行了驗證。從互聯網信貸的影響來看，如螞蟻花唄、京東白條、微粒貸、美團月付、攜程先住后付等個人消費貸款產品對銀行信用卡業務造成了沖擊，網商貸、微業貸等產品與商業銀行的小微經營貸款業務同步競爭，擠占商業銀行信用卡分期收入與普惠金融收入，并削弱商業銀行維持存貸利差的能力，推動商業銀行投資較高風險資產以維持盈利能力，從而間接增加其風險承擔。從第三方支付的影響來看，如支付寶、財付通等平臺對商業銀行的支付業務產生了競爭，一定程度上對其非利息收入產生壓力，此外還可能導致資金沉淀與占用，影響銀行的貨幣派生能力；但第三方支付平臺及其母公司（騰訊、阿里等）可以利用集團資金、技術優勢，在金融科技領域推動研發，并積極與商業銀行合作，反哺商業銀行，提高其風險控制能力，最終降低其風險承擔。從互聯網投資理財的影響來看，金融科技公司通過社交平臺或支付、生活平臺引流，進行基金代銷活動，搶占基金申購費，通過競爭對中間業務收入產生負面影響；但互聯網投資理財是個藍海市場，商業銀行可以在與互聯網平臺的合作中賺取托管費，總體上有利于銀行中間業務收入的增加，進而削弱其投資高風險資產動機，降低風險承擔。

表11 影響機制探討

2.內生性問題。金融科技發展水平的度量本身會存在測量誤差，同時其發展水平也非外生變量，可能會存在反向因果及遺漏變量等問題，因而可能存在內生性問題。參考邱晗等（2018）的研究，本文采用系統GMM方法減輕商業銀行外部金融科技發展水平內生性問題，并選取互聯網寬帶普及率作為商業銀行內部金融科技發展水平的工具變量，進行兩階段最小二乘法回歸，以減輕內生性問題，由于Kleibergen-Paap rk LM統計量的P值為0.013，Hansen J統計量的P值為0.583，模型通過了不可識別檢驗與過度識別檢驗。回歸結果見表12，減輕內生性問題后，在10%的顯著性水平下，本文的主要研究結果依然能夠保持穩健，商業銀行外部金融科技與內部金融科技的發展能夠降低商業銀行的風險承擔。

表12 內生性問題

四、研究結論及理論啟示

（一）研究結論

本研究考察了金融科技的發展對商業銀行風險承擔的影響，基于商業銀行存、貸、匯業務視角，提出了商業銀行內、外部金融科技對其風險承擔的綜合影響效應框架，利用從CSMAR數據庫、北京大學數字金融研究中心、商業銀行報表、Wind數據庫、銀保監會、各地統計年鑒等搜集的相關數據，通過實證方法對研究假設及部分影響渠道進行了驗證，得出以下研究結論：（1）金融科技的發展有利于降低商業銀行的風險承擔；（2）商業銀行規模對于金融科技影響其風險承擔的效果具有調節效應，銀行規模越大，則金融科技的風險緩釋效應越明顯；（3）不同的商業銀行類別中，金融科技的影響存在差異性，對于股份制銀行，外部與內部金融科技的發展可以降低其風險承擔，對于農村商業銀行，外部金融科技可能會增加其風險承擔；（4）不同的股權結構也會對金融科技影響商業銀行風險承擔的效應造成不同的影響，當商業銀行上市后，金融科技的發展能顯著降低其風險承擔。

（二）政策建議

本文基于現實背景及相關研究結論提出以下政策性建議：

第一，政府應積極推動金融科技發展和應用，為金融科技公司提供政策支持，從政策與技術兩個維度引領行業發展，鼓勵金融科技公司與傳統金融機構合作。

第二，商業銀行應通過積極合作、自行研發等方式運用金融科技，提升其風險控制能力，響應國家普惠金融政策號召，降低金融服務的門檻和成本，助力小微企業發展，滿足居民日益增長的金融需求，同時將風險承擔控制在合理范圍內。

第三，針對中小型商業銀行，政府應該為其提供更多的政策支持，讓更多的機構能夠為中小型銀行提供技術方面的支持與合作，幫助其更好地進行風險管理，同時鼓勵中小型銀行積極與同業及金融科技公司合作，通過多種途徑提升其數字化能力；此外，未上市的中小型銀行應積極尋求公開的資本市場融資，從資本金與監督兩個層面放大金融科技的正向影響。

第四，監管部門應繼續探索與新時代下更加市場化的金融行業相適宜的監管體制，通過研發與合作提升監管科技水平；商業銀行也應該積極提高自身合規意識與能力，既要防止由于技術與業務創新帶來的信息科技風險，也要著力防止系統性金融風險的蔓延。