金融科技對商業銀行全要素生產率的影響及作用機制

胡國暉，朱露露

（武漢理工大學經濟學院，湖北武漢 430070）

1 研究背景

近年來，金融科技在我國取得了蓬勃發展，前沿顛覆性技術對傳統金融的業務模式、產品創新和流程管理等方面產生了巨大影響。2017 年，我國組建了中國人民銀行金融科技委員會，以增強對我國金融科技發展的宏觀規劃和協調。2019 年，中國人民銀行發布的《金融科技（FinTech）發展規劃（2019—2021 年）》指出應持續推進金融科技發展，加快金融業轉型升級步伐，促進金融服務的質量改進和效率提升，提高我國金融業的核心競爭力。2021 年，我國《金融科技（FinTech）發展規劃（2022—2025 年）》提出要加強核心技術金融應用深度，深入推進金融機構數字化發展，創新優質金融產品，為實體經濟發展賦能。2022 年，《中國金融科技和數字普惠金融發展報告（2023）》提出中國銀行業數智化轉型步伐加快，銀行的金融科技投資額持續上漲。可見，金融和科技的深度融合既指明了我國金融業改革的方向，又有助于推動經濟高質量發展。

當前，我國商業銀行仍缺乏創新，存在金融產品單一、金融服務粗放和服務流程繁瑣等問題，而金融科技的出現給傳統商業銀行的業務模式、產品創新和流程管理等方面的改進提供了新思路。商業銀行開始與金融科技公司合作、增加創新活動投入、招攬金融科技人才以推動自身業務和經營的數智化發展。全要素生產率是綜合考慮了技術水平、創新能力、管理效率和資源配置等各個方面的綜合生產率［1］。我國金融體系是銀行主導型，提高商業銀行全要素生產率能夠增強我國金融業綜合實力、推動實體經濟高質量發展，那么，金融科技如何影響商業銀行全要素生產率？對此，目前的相關研究較為欠缺，因此本研究通過理論分析和實證分析探索金融科技如何影響商業銀行全要素生產率，并對該影響在不同銀行間的異質性表現進行討論。

2 理論分析與研究假說

金融科技近年來發展迅速，廣泛應用于移動支付、網絡信貸、智能理財、風險管理等領域，為金融業高質量發展提供了動力，但金融科技通過何種途徑影響商業銀行全要素生產率尚不明確。本研究從金融科技對我國商業銀行的創新能力、人力資本結構、經營管理水平3 個方面的影響出發，論證金融科技與商業銀行全要素生產率之間的關系。

第一，金融科技推動了商業銀行創新能力的提升，進而提高了商業銀行全要素生產率。首先，互聯網金融的技術溢出促進了商業銀行全要素生產率的發展［2］，金融科技的領先技術對商業銀行產生示范作用，商業銀行通過學習、模仿實現技術進步，有利于提高自身全要素生產率。其次，金融科技公司推出的網絡信貸、移動支付等服務擠占了商業銀行在信貸和支付等領域的市場份額［3］，給原本處于這些領域壟斷地位的商業銀行帶來了挑戰，倒逼商業銀行提供多元化的產品和服務，推動了銀行對產品和技術優化升級的步伐。最后，如張德茂等［4］、金洪飛等［5］的研究指出，商業銀行利用人工智能、大數據、云計算、區塊鏈等技術分析和洞察客戶需求逐漸完善客戶畫像，完備的客戶信息使銀行能夠將客戶需求更廣泛地納入到金融產品和金融服務的供給過程中，使得商業銀行產品和服務的供給模式實現從供給導向型向需求導向型轉變，消費者需求成為銀行創新發展的重要驅動力。基于此，提出如下假設：

假設1a：商業銀行創新能力在金融科技正向作用于銀行全要素生產率的過程中起中介作用。

第二，金融科技優化了商業銀行人力資本結構，從而促進了商業銀行全要素生產率的提升。互聯網金融的人員流動效應可以使銀行吸收優質的金融科技人才［2］，商業銀行通過引進作為高科技載體的金融科技企業員工，提高了銀行職工的素質和技術水平，提升了商業銀行的核心競爭力。商業銀行員工為保持自身競爭力開始注重和培養自身營銷能力，增加與客戶接觸的頻率和深度，增強自身的不可替代性。張杰雄［6］的研究指出，商業銀行在發展金融科技時會加大對培養復合型人才的投入，增強對員工的金融創新技能的培訓。曹乾等［7］、陸岷峰等認為［8］，金融科技的發展使銀行業務自主化、線上化，銀行的產品、客戶、渠道、營銷等方面也發生了優化和改進，銀行的種種轉變增加了其對高知識、復合型人才的需求，在日常經營管理活動中提高所投入人力資本和知識資本的質量可以有效促進企業效率提升［9］。基于此，提出如下假設：

假設1b：商業銀行人力資本結構在金融科技正向作用于銀行全要素生產率的過程中起中介作用。

第三，商業銀行的經營管理水平在金融科技的影響下明顯改善，進而提高銀行全要素生產率。首先，在銀行提供金融產品及金融服務過程中，金融科技能幫助銀行迅速完成對客戶的信息搜集、信息處理和信息驗證過程，加速了金融服務流程，降低了為提供金融產品及金融服務過程中發生的交易成本［10］，提高了銀行生產效率。其次，金融科技提高了商業銀行獲取客戶“軟信息”的能力，緩解商業銀行面臨的信息不對稱問題，銀行利用金融科技有益于其對潛在客戶的識別［11］。商業銀行與外部高科技平臺合作，篩選出優質小微企業，增加了其普惠貸款發放意愿，實現其客戶群體的擴容［12］，提高了銀行的資源利用效率。最后，劉忠璐［13］認為互聯網金融通過擴張商業銀行風險數據源、優化升級商業銀行風險管理模型方法、整合商業銀行的信息技術（IT）框架，進而打造方便快捷與靈活精準的商業銀行風險管理技術平臺、優化商業銀行風險管理流程等方式，顯著提高了商業銀行風險識別及風險控制能力，從而有效地提高了銀行的資金配置效率。基于此，提出如下假設：

假設1c：商業銀行經營管理水平在金融科技正向作用于銀行全要素生產率的過程中起中介作用。

我國銀行在組織結構、資產規模、經營管理等方面存在差異，不同商業銀行對金融科技發展進程的認知和應對策略也不盡相同，因此金融科技正向作用于銀行全要素生產率的程度并不一致。本研究將從不同銀行類型、銀行上市情況和銀行分支機構數量三方面出發，對該影響進行異質性分析。從不同類型的銀行來看，由于大型國有商業銀行復雜的管理結構、虛置的所有權令其難以對外部環境作出準確判斷和及時反應。在傳統金融機構數字化轉型的大環境下，國有銀行對其業務及經營模式進行調整的決定往往需經過層層審批，效率較低；此外，國有銀行擁有隱性“政府擔保”以及“大而不倒”的特殊地位，當面對外部不利沖擊時，國有銀行主要依賴政府支持而非自主提高自身競爭力。這導致國有商業銀行對于互聯網金融的反應較為遲鈍［2］。

股份制商業銀行經營自負盈虧，產權界定和公司治理相對更加科學［13］。其利潤約束目標天然地不斷激勵其提升全要素生產率，因而其業務創新能力和業務多元化發展能力較強［14］，在金融科技公司擠占銀行業務時，股份制銀行更容易找到突破點；此外，股份制銀行對其員工的管理機制和激勵機制更加科學，更容易吸引金融科技公司的人才流入，有助于優化人力資本結構。因此，股份制商業銀行全要素生產率受金融科技發展影響較大。

城市商業銀行（以下簡稱“城商行”）的目標客戶群體與金融科技關注的小微金融和普惠金融領域相似［15］，金融科技的發展對其自身全要素生產率的提升最具借鑒意義；同時，城商行往往規模較小、組織結構較為精簡，具有“船小好掉頭”的特點，當金融科技快速發展時能夠迅速學習金融科技公司在技術以及金融業務方面的創新；此外，城商行原本在獲取客戶“軟信息”能力方面具備優勢，金融科技助益了城商行這一能力的進一步提高，更大程度地提升了城商行“活客、獲客”能力。所以，城商行全要素生產率受金融科技發展的影響也比較大。

農村商業銀行（以下簡稱“農商行”）建立的初衷是支持農村經濟發展及滿足農民的實際需求。農民的金融知識及互聯網知識的相對匱乏導致其金融服務需求相對單一，相比于金融科技公司，農村金融需求更加青睞商業銀行和金融機構。由于農商行的服務對象具有較高的忠誠度，受金融科技的沖擊較小，因此相對其他類型銀行缺乏應對金融科技沖擊的動力。此外，農村地區的互聯網建設相對落后，金融科技的信息優勢也不明顯，金融科技對農商行的賦能作用較小［13］。因此，現階段農村商業銀行全要素生產率受金融科技發展影響較小。

綜上，提出如下假設：

假設2a：金融科技正向作用于銀行全要素生產率的程度因銀行股權結構而異。

從上市情況來看，商業銀行的上市約束條件較多，如對于盈利能力、股權結構、注冊資本等方面的要求，因此，上市商業銀行具有較強的核心競爭力以及綜合實力［16］。面對金融科技的沖擊時，實力強大的上市銀行會在技術上投入更多以提高效率；此外，進入資本市場的上市銀行受到市場監督，其經營管理人員有動機不斷提高公司治理水平，金融科技對商業銀行的正向影響程度隨銀行治理水平的提高而增大［17］。故而，金融科技促進商業銀行全要素生產率提升的效應在上市銀行中應該表現得更為明顯。基于此，提出如下假設：

假設2b：金融科技更大程度促進了上市銀行全要素生產率提升。

從分支機構數量來看，楊望等［15］認為分支機構較多的商業銀行在人才引進以及與當地金融科技公司開展合作方面更具有優勢，金融科技對此類商業銀行的有利影響更大；郭麗虹等［12］從金融地理異質性出發，指出與銀行總部距離較遠的分支行，其普惠貸款經營成果和風險控制能力會受到金融科技更大程度的正向調節作用。可見，金融科技促進商業銀行全要素生產率的提高，在分支機構較多的銀行中可能表現更為明顯。基于此，提出如下假設：

假設2c：金融科技對銀行全要素生產率的促進作用在分支機構較多的銀行更顯著。

3 研究設計

3.1 樣本和數據來源

根據國家金融監督管理總局的劃分標準，考慮數據的完整性，選取我國5 家國有銀行、9 家股份制銀行、45 家城市商業銀行、11 家農村商業銀行，共計58 家商業銀行作為研究對象。其中，商業銀行投入、產出等微觀層面數據來源于BankFocus 和CSMAR 數據庫；金融科技公司數量來自天眼查網站；宏觀層面數據來源于《中國統計年鑒》。為保證研究的時效性，并在較長時段內探究金融科技對銀行全要素生產率的影響以加強結論的可靠性，設置研究數據的時間跨度為2012—2021 年。

3.2 變量定義

3.2.1 被解釋變量

采用眾多學者使用的前沿分析法來測度商業銀行全要素生產率。前沿分析法中的非參數法不需要確定生產函數，并且對樣本量綱不設限制［18］。商業銀行的個體差異以及銀行在不同時期特定的經營管理模式意味著無法對商業銀行的生產函數作出準確假定，所以此處銀行全要素生產率采用非參數法中的數據包絡分析法（data envelopment analysis,DEA）進行測算。首先，測算反映全要素生產率t+1 期相對于t期變化率的Malmquist指數。測算公式形式如下：

參考劉笑彤等［19］、楊望等［15］、蔣殿春等［18］的研究，商業銀行投入指標選取銀行工作人員總數、吸收存款總額和固定資產總額，產出指標選取稅前利潤和貸款總額。

其次，借鑒蔣殿春等［20］的做法，通過如下方程計算銀行全要素生產率：

3.2.2 解釋變量

目前，金融科技發展迅速、創新形式多樣，但缺乏全面、統一的數據統計，大部分文獻中金融科技發展水平通過以下3 種方法衡量：第一種直接用數字普惠金融指數來衡量，如邱晗等［21］的研究，其不足之處在于數字普惠金融強調“普惠”這一概念，并不能準確地反映金融科技發展水平。第二種是從金融功能觀出發構建金融科技詞庫，借助百度搜索引擎，采用因子分析法測算金融科技發展指數，如沈悅等［2］、楊望等［15］的研究，但此法一方面因新聞重復轉發問題可能導致指數測算偏差較大［22］，另一方面在 2016 年后我國已進入金融與科技深度融合的第三階段，此時的金融科技不同于前兩階段，即“金融+技術”階段和“金融+互聯網”階段，金融科技的發展不再局限于金融機構辦公和業務的電子化、線上金融業務平臺的搭建等方面，因此在2015 年根據金融功能觀構建的金融科技發展指數已不能真實反映金融科技發展狀況。第三種是以金融科技公司數量為基礎構建金融科技發展指數，如宋敏等［22］指出，傳統金融機構發展金融科技主要通過與外部金融科技公司建立合作以及成立金融科技子公司兩種方式。金融科技公司數量一方面可以較為直觀、準確地反映金融科技發展水平，另一方面能夠更加準確地度量金融科技對商業銀行的影響程度，所以本研究選擇以金融科技公司數量來測度金融科技發展指數。具體實現過程如下：首先登錄天眼查網站，將搜索范圍確定在企業名稱和經營范圍中，以“金融科技”“云計算”“大數據”“區塊鏈”“人工智能”“物聯網”作為關鍵詞進行檢索，剔除其中經營狀況為注銷、吊銷、停業等非正常狀態的公司，導出檢索所得的相關公司信息。基于上述步驟篩選出的企業包括純粹的科創企業，為確保篩選所得公司既發展先進技術又將其運用于金融領域，對獲取的數據進行二次處理，篩選出公司經營范圍（剔除了其中“不含……業務”“不得從事……業務”等文本）中包括“金融”“保險”“信貸”“清算”“支付”的公司樣本。最后，對每年的金融科技公司數量做對數化處理，得到金融科技發展指數。

3.2.3 中介變量

中介變量應受金融科技發展的影響且會對商業銀行全要素生產率變化起作用，因此，參照周建等［23］和吳成頌等［24］的做法，將手續費及傭金收入取對數后作為銀行創新能力的代理變量；學歷往往能直觀地體現員工的專業技能高低和文化水平，選用銀行職工中碩士學位占比作為人力資本結構的代理變量；成本費用率是評價企業成本費用控制和經營管理水平的財務指標，選取成本費用率作為銀行經營管理水平的代理變量。

3.2.4 控制變量

商業銀行全要素生產率會受到宏觀經濟環境和銀行個體差異的影響，控制變量的選擇參考已有文獻，在宏觀層面，如郭品等［2］以及杜莉等［16］指出，銀行全要素生產率受宏觀經濟發展水平（Economy）、經濟開放水平（Trade）以及金融深化程度（Finance）的影響，因此分別用GDP 增速、進出口貿易總額與GDP 比值、M2 與GDP 比值表示；在微觀層面，銀行全要素生產率會受到銀行存貸比、銀行流動性水平的影響，故參考沈悅等［2］、楊望等［15］的研究，分別用客戶存款與貸款之比、流動資產與總資產之比來表示。

各變量含義以及描述性統計結果見表1。

3.3 模型設定與方法選擇

3.3.1 基準回歸模型

構建回歸模型如下分析金融科技對商業銀行全要素生產率的作用：

3.3.2 中介效應模型

采用溫忠麟等［25］提出的依次檢驗法，建立如下遞歸方程來檢驗金融科技如何影響商業銀行全要素生產率：

式（4）～式（6）中：a表示金融科技對中介變量的效應；b表示在控制金融科技的基礎上中介變量對銀行全要素生產率的影響；c是金融科技對銀行全要素生產率的總效應；c′是在控制中介變量的基礎上金融科技對銀行全要素生產率的直接效應。如若a、b都顯著且正負方向相同，則中介效應存在；如c′顯著，則存在部分中介效應，若c′不顯著，則存在完全中介效應。

4 實證分析

4.1 多重共線性檢驗

為排除解釋變量間存在的高度關聯問題，確保回歸方程設定的科學性，對上述模型進行多重共線性檢驗。結果如表2 所示，各解釋變量的方差膨脹因子（VIF）都比10 小，故模型無多重共線性問題，可以進行后續檢驗。

表2 模型的多重共線性檢驗結果

4.2 基準模型回歸

首先采用靜態面板混合普通最小二乘法（OLS）模型、固定效應模型（FE）和隨機效應模型（RE）3 種模型，運用式（3）分別進行估計，結果見表3。結果顯示，金融科技發展指數的估計系數均為正，表明金融科技提升了商業銀行全要素生產率，與以上分析結論一致，并且在一定程度上說明了基準回歸結果的穩健性。將3 個模型兩兩對比發現，固定效應模型最優，所以以下采用固定效應模型進行分析。

表3 樣本變量基準回歸分析結果

4.3 中介效應檢驗

為驗證金融科技怎樣作用于商業銀行全要素生產率、商業銀行創新能力、商業銀行人力資本結構和商業銀行經營管理水平，基于式（4）進行中介效應檢驗。結果如表4 所示，金融科技對全要素生產率的估計系數為正顯著，表明金融科技發展正向作用于商業銀行全要素生產率；對銀行創新能力和銀行人力資本結構的系數也均為正顯著，說明金融科技對商業銀行的創新能力和人力資本結構均起正面作用；對成本費用率的系數為負顯著，表明金融科技的發展能顯著改善商業銀行的經營管理水平、降低其成本費用率。

表4 樣本變量中介效應檢驗結果

采用式（6）進行回歸，結果如表5 所示。銀行創新能力和人力資本結構對全要素生產率均為正且在5%的置信水平下顯著，可見這兩中介變量均對銀行全要素生產率起正向傳導作用，即銀行創新能力提高和銀行人力資本結構優化都會改善其全要素生產率。成本費用率的系數顯著為負，即經營管理水平的改善對銀行全要素生產率發揮正面效用。加入中介變量后，金融科技的系數均顯著為正，但都小于未加入中間變量時的系數，表明各影響機制均為部分中介效應。進一步觀察發現，金融科技通過改善銀行經營管理水平來提高銀行全要素生產率的中介效應占總效應的22.5%；銀行人力資本結構優化對應的中介效應占總效應比例次之，為13.8%；金融科技通過促進銀行創新能力提升進而提高銀行全要素生產率的效應最小，僅占總效應的4.8%。至此，研究假設1a、1b、1c得以驗證。

表5 樣本變量中介效應檢驗結果

4.4 異質性檢驗

4.4.1 股權結構

對國有銀行、股份制銀行、城商行、農商行4類銀行分別進行回歸，結果如表6 所示。可以看出，金融科技發展指數的系數均為正數，即金融科技對4 類銀行的全要素生產率都具有正向作用。在金融科技發展背景下，國有銀行的全要素生產率提升最小，可能是由于其復雜的管理結構和受政府支持的特殊地位導致其對金融科技的反應減弱；股份制銀行的全要素生產率受金融科技的正面影響最大，這類銀行具有產權結構清晰、制度完善及追求利潤最大的目標等特性，面對金融科技的發展能迅速作出反應，主動獲取新知識、學習新技術，所以對金融科技正面影響的吸收能力最強；城市商業銀行憑借其在獲取客戶“軟信息”方面的先天優勢以及規模較小、反應迅速等特點，全要素生產率在金融科技的影響下有較大提升；農村地區互聯網基建比較落后，農民的金融服務需求比較單一、金融和互聯網知識相對匱乏，使得農村商業銀行受金融科技的影響較小。因此，假設2a得到驗證，且股份制銀行、城商行、農商行、國有銀行的全要素生產率提升程度依次減小。

表6 基于股權結構的樣本異質性檢驗結果

4.4.2 上市情況和分支機構數量

對上市銀行和非上市銀行進行分組回歸，以各銀行分支機構數量的中位數為標準，將商業銀行分為分支機構多和分支機構少的兩組分別進行回歸，結果如表7 所示。與未上市銀行相比，金融科技對上市銀行全要素生產率的影響更大，假設2b得以驗證；因為上市商業銀行的綜合實力更強、治理水平更高，在金融科技高速發展時能夠迅速且積極地作出應對，投入更多資源到技術研發中。與分支機構少的銀行相比，分支機構多的商業銀行全要素生產率提升程度更大，假設2c得證；因為分支機構多的商業銀行能更廣泛地引進人才，更多與地方金融科技公司開展合作，并且金融科技的發展能更大程度地提升遠距離支行的普惠貸款經營能力和風險控制能力，所以分支機構較多的銀行的全要素生產率提升更大。

表7 基于上市情況、分支機構數量的樣本異質性檢驗結果

4.5 穩健性檢驗

借鑒邱晗等［21］、宋敏等［22］、楊望等［15］、郭峰等［26］的做法，將北京大學數字金融研究中心編制的中國數字普惠金融指數以及覆蓋廣度、使用深度、數字化程度等3 個分指數作為金融科技發展水平的代理變量進行穩健性檢驗，結果如表8 所示，各金融科技代理變量對應的回歸系數均顯著為正，表明金融科技正向作用于銀行全要素生產率，與以上研究結論保持一致。

表8 研究結論穩健性檢驗結果

5 結論與建議

金融科技為金融業發展注入了充沛活力，商業銀行的高質量發展也因此迎來了重大機遇。本研究表明：第一，金融科技正向作用于商業銀行全要素生產率的效果顯著；第二，商業銀行的創新能力、人力資本結構、經營管理水平在金融科技正向作用于銀行全要素生產率的過程中具有顯著的中介效應，其中經營管理水平發揮的中介作用最大，人力資本結構的中介作用次之，創新能力的中介作用最小；第三，金融科技正向作用于商業銀行全要素生產率的效果具有多重異質性，股份制銀行、城市商業銀行、農村商業銀行、國有銀行全要素生產率的提升程度依次減小，上市銀行相較于非上市銀行全要素生產率改善更大，分支機構多的銀行較分支機構少的銀行全要素生產率有更大提升。

根據以上所得結論，提出如下建議：第一，金融科技推動了金融業的高質量發展，實現了從技術支持到變革驅動的角色轉變，政府應支持金融科技持續發展，優化金融科技發展環境。一方面，加大對金融科技發展的資金支持，對新設金融科技公司給予現金補貼，同時對相關公司的稅收給予減免；另一方面，完善相關法律法規，加強對金融科技發展的審慎監管，鼓勵金融機構、科技公司共同建立金融科技風險防控平臺，推動金融科技可持續發展。第二，商業銀行應主動抓住金融科技發展帶來的機遇，加快數字化進程，提高自身效率。銀行可通過與金融科技公司開展合作、投資金融科技公司、自建金融科技公司等方式，以關鍵核心技術的金融應用場景適配性為導向，進行關鍵核心技術的迭代升級，提高關鍵核心技術的應用深度。此外，銀行應加大對數據獲取、數據處理和數據相關技術等方面的資金投入，以“數據+技術”的方式釋放銀行數據潛能，實現服務提供方式更新、金融產品創新、“獲客活客留客”能力提升。第三，金融科技人才是商業銀行數字化轉型順利進行的重要保障之一，商業銀行應注重金融科技人才的引進，提高對人力資本定價的科學性及合理性，完善其績效制度和考核機制，吸引外部成熟人才進入。另外，商業銀行還可與高等院校、科研院所等機構簽訂金融科技人才聯合培養計劃，創建產學研用協同攻關的人才培養模式；對從業人員進行跨學科理論知識傳授，鍛造從業人員的復合型思維方式，培養從業人員的綜合能力，為商業銀行的金融科技人才引進積蓄后備力量。