金融科技對商業銀行經營績效的影響
——基于信貸風險的中介效應

陳李宏, 王超凡

(湖北工業大學經濟與管理學院, 湖北 武漢 430000)

大數據、人工智能、區塊鏈等技術與金融業深度融合,推動金融新業態的形成與發展,使商業銀行傳統的業務模式發生改變,在賦能增效的同時也給商業銀行帶來了潛在風險。針對金融科技如何影響商業銀行的經營績效與信貸風險,已有不少學者對此進行了研究,但相關研究結論并不一致,尤其缺乏傳導機制方面的探究。因此,本文將金融科技發展劃分為初期和后期兩個階段,將三者放在同一邏輯框架內進行研究,進一步厘清金融科技影響銀行經營績效的傳導機制,并對金融科技背景下商業銀行的進一步發展提供建議。

1 理論分析與研究假設

1.1 金融科技發展初期對銀行績效與風險的影響

1.1.1對商業銀行經營績效的影響

1)擠占長尾市場 金融科技企業依托于長尾理論,降低服務門檻,提高融資效率,為商業銀行所忽視的非優質客戶提供金融服務,擠占市場份額,分流部分銀行資金。而各類商業銀行由于自身機制、意愿等原因,經營績效均受到不同程度的負面影響[1]。

2)促進金融脫媒 金融科技弱化了商業銀行的中介功能,導致金融脫媒的趨勢進一步加強。用戶普遍使用第三方支付平臺支付商品和勞務,商業銀行在傳統支付結算體系的收益受到侵蝕[2]。同時,第三方支付可以規避金融機構資產負債端的期限錯配問題,導致商業銀行利差收入減少,經營績效水平降低[3]。

3)加劇存款競爭 金融科技為用戶提供更多的投資選擇,導致大量資金從銀行存款賬戶流出。在利率市場化調整機制不斷完善、存款市場競爭不斷加劇的局面下,商業銀行為了維持資金來源,被迫提高存款利率,降低存貸款利差,而資金成本的抬高對其經營績效造成了不利影響。

1.1.2對商業銀行信貸風險的影響

1)金融科技使商業銀行受到沖擊 一方面,商業銀行為了維持現有的績效水平,只能通過簡化貸款程序、降低貸款要求和放松資格審查等增加貸款發放,導致不良貸款率增加、信貸風險上升[4];另一方面,付息成本的抬高迫使商業銀行主動增加涉險行為,選擇信用風險偏高或是流動性較差的投資項目,由此帶來了更多的信貸風險[5]。

2)金融科技的特有風險傳導至商業銀行 金融科技使金融系統的聯系更為緊密,增加了風險傳染的可能性[6]。商業銀行運用金融科技的門檻較高,可能引發人為工作失誤等操作風險、系統網絡安全問題等技術風險及消費者隱私外泄等信息風險[7],在短時間內難以進行相應調整。

3)金融科技創新造成金融監管滯后 監管機構難以對金融科技驅動下的龐大數據進行監測,進而無法施行有效的監管措施。監管滯后往往導致金融與科技的融合風險積累和集中暴露[8],監管滯后帶來的套利空間促使商業銀行逃避監管,以違規運營獲取超額利潤,從而帶來信貸風險[9]。

1.2 金融科技發展后期對銀行績效與風險的影響

1.2.1對商業銀行經營績效的影響

1)擴展客戶范圍 商業銀行傳統意義上的主要客戶仍然是安全、穩定和低風險的大型企業。而在金融科技模式下,商業銀行可以將其目標客戶擴展至小微企業與個人用戶,利用大數據技術對目標客戶實現精準定位,擴寬自身的盈利渠道。

2)降低交易成本 盡管商業銀行具有規模經濟的領先優勢,但也存在貸前信息收集、信用評級、貸后風險管理等成本。金融科技可以為資金供求雙方架構線上平臺,并通過大數據挖掘來完成客戶的信用評價,貸后實時跟蹤資金流向,監測客戶違約行為,簡化放貸流程,降低交易成本,提高經營績效水平[10]。

3)多元化經營 金融科技背景下,商業銀行主動向多元化經營進行轉變,由傳統單一存貸業務逐步向多元業務改進,創新多元化金融產品,拓寬服務渠道,提高服務質量,在增加市場份額的同時擴展盈利來源[11]。

1.2.2金融科技發展后期對商業銀行信貸風險的影響

1)增強風險管理能力 一方面,商業銀行吸收金融科技中先進的技術及理念,建立風險預警體系,改進傳統風控模式,確定最適宜的風險水平,優化資源合理配置。另一方面,金融科技可以分析客戶交易的歷史數據,提高甄別高風險客戶的能力,有效緩解信息不對稱問題,顯著減少銀行的被動風險行為。

2)監管科技促進有效監管 監管科技指金融科技與政府監管結合,以實現對商業銀行風險行為的有效監管[12]。一方面,外部監管要求和降低合規成本的內在驅動,促使商業銀行利用大數據、人工智能、區塊鏈等新技術進行創新。另一方面,監管科技可以將監管規則嵌入商業銀行的業務系統,對其經營活動和風險狀況進行動態監測,實時處理存在的問題,而不是事后采取監管行動[13]。

基于上述分析,本文認為:金融科技發展初期,競爭效應占據主導地位,金融科技企業利用其信息、技術優勢擠占市場份額、促進金融脫媒、加劇存款競爭等,使得商業銀行經營績效受到沖擊;金融科技發展后期,技術溢出效應逐漸增強,商業銀行利用金融科技擴展客戶范圍、降低交易成本、發展業務多元化,并利用其市場地位發揮獨特優勢,最終使自身經營績效得到提高。因此本文提出

假設1:金融科技對商業銀行經營績效呈先抑制后促進的“U型”影響。

同樣,在金融科技發展初期,市場競爭、風險傳染以及監管滯后等問題使商業銀行的信貸風險顯著提高。后期,金融科技幫助商業銀行優化風險管理流程,提高風險防控能力,降低信貸風險。此外,金融科技與政府監管的結合也可以實現對商業銀行風險行為的有效監管。

因此,本文提出

假設2:金融科技對商業銀行信貸風險呈先提高后降低的“倒U型”影響。

圖1 金融科技對商業銀行經營績效和信貸風險的影響

1.3 商業銀行信貸風險與經營績效的關系

商業銀行的信貸風險與經營績效呈反向變動關系。一方面,逐利效應會促使商業銀行選擇風險較高的項目或信用較低的客戶[14],高風險信貸帶來的貸款違約行為會給銀行利潤造成損失。另一方面,當商業銀行信貸風險水平偏高時,儲戶信任的缺失與對資產貶值的恐慌甚至可能引發“擠兌”問題[15]。我國商業銀行存在的大量不良貸款嚴重制約了其經營績效表現[16],如果銀行不充分考慮可承受的信貸風險水平,盲目追求收益,則會不可避免地對其經營績效造成損害。

因此,本文提出

假設 3:商業銀行的信貸風險與經營績效呈反向變動關系。

依據上述分析思路,本文建立金融科技對商業銀行信貸風險與經營績效的影響及其機制的分析框架(圖2)。圖2中,虛線表示金融科技對商業銀行經營績效的直接影響路徑,實線表示金融科技通過商業銀行信貸風險影響其經營績效的傳導機制。

圖2 金融科技、商業銀行信貸風險與經營績效的傳導機制

因此,本文提出

假設4:信貸風險在金融科技對商業銀行經營績效的“U型”影響中存在中介效應。

2 研究設計

2.1 變量選取

2.1.1被解釋變量:商業銀行經營績效選取總資產收益率(ROA)作為衡量商業銀行經營績效的指標,穩健性檢驗中使用凈資產收益率(ROE)作為替換變量。

2.1.2解釋變量:金融科技指數關于金融科技發展水平的測算,目前學術界中最常使用兩種方法:使用文本挖掘法[5]構建金融科技指數和使用北京大學數字普惠金融指數[17]。本文選擇采用2011-2020年《北京大學數字普惠金融指數》總指數衡量金融科技指數(FIN),并對其進行對數化處理。

2.1.3中介變量:商業銀行信貸風險選取不良貸款率(NPL)[18]衡量商業銀行的信貸風險。

2.1.4控制變量為了提高模型回歸結果的準確性,參考劉孟飛和王琦[11]等,選取資產負債率(ALR)、總資產規模對數(lnAST)、宏觀經濟增長率(GDP)、成本收入比(CTI)、撥備覆蓋率(LR)作為控制變量。

2.2 模型構建

首先,驗證金融科技對商業銀行經營績效的“U型”影響,參考王晰等[18],構建模型(1):

(1)

其次,驗證金融科技對商業銀行信貸風險的“倒U型”影響,構建模型(2):

(2)

進一步,檢驗商業銀行信貸風險與經營績效的關系,構建模型(3):

ROAi,t=θ0+θ1×NPLi,t+δ×
Xi,t+λt+μi+εi,t

(3)

最后,參考溫忠麟[19]對中介效應檢驗的研究成果,檢驗信貸風險的中介效應,構建模型(4):

(4)

以上, ROAi,t表示總資產收益率,NPLi,t表示不良貸款率,lnFINi,t表示金融科技指數,Xi,t為控制變量組,λt、μi分別表示時間和個體效應,εi,t為殘差項。

2.3 數據來源及樣本選取

本文選取了27家具有代表性的商業銀行,最終整理得到2011-2020年合計270條平衡面板數據,這些數據主要來自國泰安(CSMAR)數據庫、銳思(RESSET)數據庫和同花順(iFinD)數據庫。計量分析通過Stata16.0統計軟件完成。表1、表2分別表示變量定義和描述性統計,相關性分析結果如表3所示。方差膨脹因子(VIF)檢驗結果顯示,最大的VIF(3.16)顯著小于10,因此不存在多重共線性問題。

表1 變量定義

3 研究結果與分析

3.1 金融科技對商業銀行信貸風險與經營績效的影響

F檢驗和Hausman檢驗分別在1%和 5%的水平下拒絕原假設,同時為了處理可能存在的異方差、自相關和截面相關問題,本文選擇建立使用聚類標準誤的雙向固定效應模型。

金融科技對銀行經營績效影響的回歸結果如表4所示。首先,列(1)中金融科技指數的系數在1%的水平上顯著為負,金融科技指數的平方項的系數在1%的水平上顯著為正,說明金融科技對銀行經營績效呈“U型”影響。其次,考慮到當期金融科技水平可能會對下期的商業銀行經營績效造成影響,故將金融科技指數及其平方項滯后一階重新進行回歸[20],如列(2)所示,結果并未發生明顯改變。因此假設1得到驗證。

金融科技與銀行信貸風險的回歸結果如表5中的列(5)所示。金融科技指數的系數在1%的水平上顯著為正,金融科技指數的平方項的系數在1%的水平上顯著為負,說明金融科技對銀行信貸風險呈“倒U型”影響。同樣,將金融科技指數滯后一階重新進行回歸,如列(6)所示,結果并未發生明顯改變,假設2得到驗證。

表5 金融科技與商業銀行信貸風險

3.2 商業銀行信貸風險與經營績效的關系檢驗

中介效應分析的根本目的是考察因果關系的作用渠道[21]。信貸風險與銀行經營績效的檢驗結果如表6的列(7)所示,可見不良貸款率的系數在5%的水平上顯著為負,假設3得到驗證。

表6 商業銀行信貸風險與經營績效

4.3 商業銀行信貸風險的機制檢驗

表7中的列(9)檢驗商業銀行信貸風險的中介效應。結果顯示不良貸款率、金融科技指數及其平方項的系數均在5%的水平上顯著,部分中介效應成立,中介效應占比為 34.84%。因此信貸風險在金融科技對商業銀行經營績效的“U型”影響中起到了部分中介效應,假設4得到驗證。

4 內生性問題與穩健性檢驗

4.1 內生性問題

本文使用系統廣義矩(GMM)估計,構建動態面板模型解決內生性問題。AR檢驗、Hansen檢驗的結果表明,GMM估計結果有效。

金融科技與商業銀行經營績效的檢驗結果見表8的列(11)-(13),金融科技指數的系數在1%的水平上顯著為負,金融科技指數的平方項的系數在1%的水平上顯著為正。金融科技與商業銀行信貸風險的檢驗結果見表8的列(14)-(16),金融科技指數的系數在1%的水平上顯著為正,金融科技指數的平方項的系數在1%的水平上顯著為負。考慮到金融科技的滯后效應,將金融科技指數及其平方項滯后一階重新進行回歸,結果見表9的列(17)-(22),金融科技指數的系數與符號并未發生明顯改變,前文假設得到了進一步論證。

4.2 穩健性檢驗

使用凈資產收益率(ROE)替換被解釋變量總資產收益率(ROA)對各項檢驗重新進行回歸。

金融科技對商業銀行經營績效的檢驗結果見表4的列(3)、列(4),顯著性水平和正負方向未發生明顯改變。

商業銀行信貸風險與經營績效的檢驗結果見表6的列(8),不良貸款率的系數顯著為負。

機制檢驗結果見表7的列(10)。將被解釋變量替換后,金融科技指數與金融科技指數的平方項的系數變為不顯著;進一步使用Bootstrap法進行中介效應檢驗,結果在1%的水平上拒絕原假設,中介效應占比為38.07%,與前文檢驗結果基本一致。

系統廣義矩(GMM)的檢驗結果如表10的列(23)-(25)所示。AR檢驗、Hansen檢驗、金融科技指數和金融科技指數的平方項的顯著性與符號方向均未發生改變,結果依舊是穩健的。將金融科技指數及其平方項滯后一階重新進行回歸(列(26)-(28)),GMM估計結果同樣有效,檢驗結果得到了進一步驗證。

表10 穩健性檢驗:系統GMM估計

5 結論與建議

5.1 結論

1)金融科技對商業銀行經營績效呈“U型”影響。

2)金融科技對商業銀行信貸風險呈“倒U型”影響。

3)商業銀行的信貸風險與經營績效呈反向變動關系。

4)信貸風險在金融科技對商業銀行經營績效的“U型”影響中存在部分中介效應。在考慮到內生性問題與穩健性檢驗后,上述結果依然成立。

5.2 建議

1)加大金融科技投入水平,調整傳統運營模式。利用金融科技擴展客戶范圍,開發長尾客戶這一廣闊的潛在市場;進一步提高業務多元化水平,以客戶需求為導向,為客戶提供個性化、智能化的綜合服務。

2)充分利用自身優勢進行科技化轉型。使用大數據、云計算等技術對客戶信用和交易數據進行深入挖掘,同時充分考慮信息風險,將用戶隱私和財產安全性放在首位,確保系統網絡安全。

3)與外部金融科技公司進行合作,提高風險管理能力。通過引入數字化交易、管理與風控系統,將金融科技與自身風險管理體系深度融合,建立風險傳染防御機制,提升風險承受能力。

4)進一步推動監管科技的發展。金融科技使外部監管由被動監管向主動監管進行轉變,幫助監管機構對商業銀行的風險行為實現實時、動態的監測。同時,監管科技也可以幫助商業銀行提高合規效率,在風險控制的前提下提高經營績效。