金融科技對銀行風險承擔的“雙刃劍”影響

［摘"要］穩妥發展金融科技，加速實現商業銀行數字化轉型，已成為現階段及未來一段時間金融供給側結構性改革的核心內容。基于金融科技的“賦能”效應和“擠出”效應，考察了宏觀審慎監管下金融科技對銀行風險承擔的影響機制。研究發現：商業銀行發展金融科技整體上能降低銀行風險承擔，但貸款結構調整、銀行競爭程度分別在金融科技影響銀行風險承擔的過程中發揮著競爭性的間接作用，此外，宏觀審慎監管對金融科技“賦能”效應有正向調節作用，而對金融科技“擠出”效應有反向調節作用。研究從銀行成立金融科技子公司的視角出發，為商業銀行發展金融科技和監管部門制定宏觀審慎監管政策提供了理論探討和經驗證據。

［關鍵詞］金融科技；銀行風險承擔；“雙刃劍”影響；宏觀審慎監管

［中圖分類號］""F832［文獻標識碼］"A［文章編號］""1673-0461（2024）05-0084-13

2022年1月，中國人民銀行印發《金融科技發展規劃（2022—2025年）》，指出了新時期我國金融科技的發展方向，明確要求“穩妥發展金融科技，加快金融機構數字化轉型”，在發揮金融科技賦能作用以提升我國金融業綜合實力和核心競爭力的同時，要踐行安全發展觀，共建數字安全生態，實現我國金融業高質量發展。2021年12月，中國人民銀行印發《宏觀審慎政策指引（試行）》（以下簡稱《指引》），明確了我國宏觀審慎政策框架的具體內涵，并對宏觀審慎工具的屬性分類和使用情景進行了闡述。防范金融風險和維護金融穩定已成為國家重要發展戰略，《指引》的發布在助力健全宏觀審慎政策機制、提高監管工具實施有效性等方面指明了方向。在金融業務須持牌經營、平臺經濟監管趨緊的大背景下，明晰金融科技影響銀行風險承擔的路徑機制，并探究宏觀審慎監管如何平衡金融創新與金融風險，這對于深化金融供給側改革、維護經濟平穩運行具有重要的理論意義和現實價值。

一、文獻綜述

（一）金融科技與銀行風險承擔

當前有關金融科技與銀行風險承擔的文獻，可以整理為“賦能”和“擠出”兩類觀點。在“賦能”方面，郭麗虹和朱柯達（2021）［1］基于某大型國有銀行近300家分支行數據，研究發現銀行運用金融科技能有效降低信貸風險，有利于銀行穩健經營。李建軍和姜世超（2021）［2］選取全國縣市樣本數據，得到金融科技能有效提升金融服務包容性，同時改進銀行財務績效、拓展業務成長空間的研究結論。鮑星等（2022）［3］通過文本挖掘構建銀行金融科技運用指數，研究發現金融科技運用能提升銀行內部控制能力，改善銀企信息不對稱，進而降低銀行不良貸款率。在“擠出”方面，顧海峰和楊立翔（2018）［4］的研究表明，互聯網金融對商業銀行傳統金融業務產生沖擊，加劇了銀行業競爭，導致銀行風險承擔水平上升。邱晗等（2018）［5］根據北大數字金融發展指數，研究指出金融科技實質上推動了利率市場化，銀行為覆蓋上升的資金成本，選擇了更高風險資產，促使銀行風險承擔增加。吳桐桐和王仁曾（2021）［6］采用149家中小銀行數據進行實證研究，發現金融科技經由加劇行業競爭，導致中小銀行風險承擔提升，且金融科技對中西部地區銀行的影響作用更強。金洪飛等（2020）［7］的研究表明，金融科技應用促使大型銀行對中小銀行形成“擠出”效應，導致中小銀行風險承擔水平上升。

（二）宏觀審慎監管與銀行風險承擔

不同國家使用宏觀審慎監管工具的類型和頻率有所差異，已有文獻通過DSGE模型分析［8-10］和實證研究［11-14］的方法對宏觀審慎監管有效性進行了豐富探索。在我國商業銀行研究領域，宏觀審慎監管的統計方法大致可總結為兩類：一類是在IMF全球宏觀審慎政策調查數據的基礎上，結合IMF工作論文［11，15-18］中所歸納的宏觀審慎監管工具，構建宏觀審慎政策指數（MPI），并將其作為宏觀審慎監管的代理變量。其中，張朝洋（2019）［19］選取我國73家商業銀行數據構建非平衡面板模型，研究發現宏觀審慎監管與貨幣政策之間具有協同效應，隨著宏觀審慎監管的強化，銀行風險承擔將得到抑制；宋科和李振（2019）［20］基于我國223家商業銀行微觀數據進行實證分析，發現當杠桿率較低時，宏觀審慎監管能抑制銀行風險承擔，但隨著杠桿率的提升，其抑制效果減弱，且可能轉變為提升風險承擔水平；趙勝民和張博超（2022）［21］將IMF統計的17種宏觀審慎工具進行分類，指出宏觀審慎監管總體能抑制銀行系統風險，但各類工具對銀行系統風險的影響效果不盡相同。另一類是選取具體的宏觀審慎監管工具，分析其對銀行風險承擔的影響。研究結論具體有：杠桿率監管能降低銀行信貸風險［22-23］，流動性監管能弱化利率對銀行風險承擔的負面影響［24］，資本監管能有效抑制銀行過度風險承擔［25］，不同經濟周期下存款準備金率和貸款價值比對銀行風險承擔具有差異性的抑制效果［26］。

綜上，盡管金融科技與銀行風險承擔宏觀審慎監管與銀行風險承擔的文獻已取得豐富的研究成果，但仍存在兩處待改進的內容：一是已有研究關于金融科技對銀行風險承擔的影響得到了截然相反的結論；二是鮮有文獻深入探討金融科技與宏觀審慎監管之間的聯系。據此，本文立足于商業銀行視角，從內外部兩條路徑分別探究金融科技發展對商業銀行風險承擔的作用機理，并實證了商業銀行發展金融科技帶來的“雙刃劍”影響效應，相比已有研究對商業銀行發展金融科技提出了更全面的認識。此外，還進一步分析了宏觀審慎監管在金融科技與銀行風險承擔關系中起到的調節作用，為國家有關部門穩妥發展金融科技提供了經驗證據。

本文主要的邊際貢獻：一是理論機制創新，基于內部經營和外部競爭兩條路徑闡釋了金融科技發展對銀行風險承擔的影響機制，并實證檢驗了金融科技經由貸款結構和行業競爭對銀行風險承擔產生的“雙刃劍”效應。二是研究內容創新，將宏觀審慎監管引入金融科技與銀行風險的相關研究中，進而實證分析了宏觀審慎監管在不同路徑中起到的調節作用，補充并深化了相關領域的研究。三是測量方法創新，現有文獻關于金融科技的測量高度集中于文本挖掘和北大普惠金融指數兩類方法，而本文創新地采用“商業銀行成立金融科技子公司”這一標準衡量銀行金融科技發展水平，為探索金融科技測量方式提供了新思路。

二、理論分析與研究假設

（一）金融科技與銀行風險承擔

金融科技發展賦予商業銀行新業務拓展機遇的同時，也帶來了一定挑戰，而宏觀審慎監管對金融科技影響下的銀行風險承擔起到了重要調節作用，影響機制詳見圖1。從商業銀行內部經營來看，一方面，大數據和云計算等技術能幫助商業銀行大規模觸達“長尾”客戶，通過優化貸款結構來擺脫“大客戶依賴”困境，從而有效降低類似“房企大客戶集中違約”導致銀行過度風險承擔的概率；另一方面，人工智能算法可用于科學預判借款人行為，通過對不同借款人的道德風險和逆向選擇進行量化處理，能幫助銀行實施差異化的風險定價，從而提升其綜合風控能力。因此，金融科技通過“賦能”效應緩解商業銀行長期面臨的“獲客難”和“風控難”問題，幫助銀行在保障貸款質量的基礎上拓寬客戶來源，抑制銀行風險承擔。從商業銀行外部競爭來看，一方面，大型銀行相比中小銀行無論在市場規模、運營水平，還是自身資本、技術和人才儲備等方面都具有顯著優勢，而金融科技發展可能會加大銀行間差距，最終導致銀行業市場集中度進一步增加；另一方面，近些年大科技公司憑借大量用戶資源和技術優勢快速拓展其金融屬性功能，與商業銀行在基礎業務方面形成競爭，倒逼商業銀行發展金融科技以尋求變革。然而，商業銀行仍在不斷探索金融科技發展戰略中，投入大量人力和財力創新金融產品與服務，試圖爭取更多逐漸成為社會主流消費群體的“新市民”，此舉在一定程度上將導致原本屬于銀行業中堅力量的較年長客戶流失，從而加劇銀行與科技平臺的同質化競爭。綜上，銀行業內部更高程度的市場集中，以及銀行與科技平臺不斷加劇的同質化競爭，都將引發金融市場的“擠出”效應，進而加劇銀行風險承擔。

圖1"宏觀審慎監管調節銀行風險承擔的傳導機制

基于上述分析，本文提出以下兩個競爭性研究假說1：

假說1a：金融科技通過“賦能”效應，抑制銀行風險承擔。

假說1b：金融科技通過“擠出”效應，加劇銀行風險承擔。

（二）宏觀審慎監管：穩妥金融科技“賦能”效應

作為金融服務與科學技術深度耦合的創新產物，金融科技賦能商業銀行緩解“獲客難”“風控難”問題的同時，也具備一定“破壞性創新”本質［27］。宏觀審慎監管是在宏觀層面防范金融風險的政策框架，央行通過宏觀審慎監管工具對金融機構、金融產品、金融基礎設施等施加影響，進而傳導至商業銀行的風險承擔水平。根據《指引》，宏觀審慎監管工具可分為結構維度工具（防范金融風險傳染）和時間維度工具（逆周期調控）。一方面，基于大數據和模型算法推出的金融產品與服務存在較高同質性，將增強各商業銀行在資產端和負債端的相似性或關聯性，進而在共同沖擊下容易引發風險傳染。宏觀審慎監管結構維度工具強化了銀行金融科技有關運營及監管要求，有助于預先制定風險處置等阻斷方案，從而有效減輕風險發生后的傳染效應。另一方面，在金融科技高速發展階段，利用宏觀審慎監管時間維度工具進行逆周期調節，能有效緩釋和對沖金融科技發展過快或者過度帶來的潛在系統性金融風險，助力商業銀行平穩發展金融科技以實現數字化轉型。據此，本文提出以下研究假說2：

假說2：宏觀審慎監管能穩妥金融科技“賦能”效應，對金融科技通過“賦能”效應影響銀行風險承擔有正向調節作用。

（三）宏觀審慎監管：打破金融科技“擠出”效應

首先，宏觀審慎監管有助于緩解銀行業數字化發展的“馬太效應”。一方面，引導類宏觀審慎監管工具特別要求成立金融科技子公司的大型商業銀行發揮“頭雁效應”，與中小銀行共建金融科技共享體系，加強金融科技技術、資源和服務的互惠合作，打破數據“孤島”化，實現銀行業整體上的數字化轉型。另一方面，運用結構維度監管工具對系統重要性銀行提出附加資本、杠桿率和流動性等方面的要求，不僅有助于降低大型銀行發生風險后引發的“傳染效應”，還能在一定程度上弱化大型銀行對中小銀行的市場“擠出”作用。

其次，從《中國區域金融運行報告（2017）》首次提到“探索將規模較大、具有系統重要性特征的互聯網金融業務納入宏觀審慎管理框架”，再到《指引》明確提出“將具有系統重要性影響和較強風險外溢性的金融市場、金融產品和金融基礎設施納入宏觀審慎監管”，充分體現了我國監管部門對具備系統重要性大科技公司開展宏觀審慎監管，維護金融市場穩定的堅定決心。宏觀審慎監管能夠防止大科技公司憑借數據與算法優勢向金融領域無序擴張，在銀行與平臺公司同質化競爭加劇的情況下維護金融市場競爭的公平性，抑制互聯網科技平臺對商業銀行形成的“擠出”效應。綜上，本文提出以下研究假說3：

假說3：宏觀審慎監管能打破金融科技“擠出”效應，對金融科技通過“擠出”效應影響銀行風險承擔有反向調節作用。

三、研究設計

（一）樣本選擇與數據來源

本文選取截至2020年底境內外上市的全部54家商業銀行作為研究對象，鑒于《促進科技和金融結合試點實施方案》（國科發財〔2010〕720號）發布于2010年底，故將本文實證模型的樣本期間定為2011—2020年。商業銀行數據主要來自BankFocus數據庫，并通過各銀行年報進行補充，其中零售貸款余額數據通過手工整理各銀行年報得來；宏觀審慎監管數據來源于國際貨幣基金組織IMF的iMaPP數據庫；宏觀層面控制變量數據來源于Wind數據庫和國家統計局網站。

（二）變量定義

1被解釋變量

銀行風險承擔。本文通過銀行破產風險（Bankrupt）來表示其風險承擔水平，借鑒FANG等（2014）［28］的做法，具體用Z值取自然對數的負數來進行度量，計算公式如下。

Bankruptit=-lnZit=-lnRoaait+Caitσ（Roaa）it（1）

式中，Roaa表示樣本銀行的平均資產回報率，Ca表示樣本銀行的資本資產比，σ（Roaa）it表示平均資產回報率的標準差。Bankrupt取值越大，表示銀行風險承擔水平越高。

2解釋變量

金融科技。構造二元變量Treat，樣本銀行成立金融科技子公司則歸為處理組，將Treat賦值為1；否則歸為對照組，Treat取值為0。變量Fintech表示上市銀行成立金融科技子公司的時間，將成立金融科技子公司后的年份賦值為1①，兩者的交乘項Treat×Fintech表示上市銀行成立金融科技子公司的情況，被用以衡量銀行金融科技發展水平。

3中介變量

根據前文理論分析，內部“賦能”效應和外部“擠出”效應是商業銀行發展金融科技影響其風險承擔的內在機制。內部“賦能”效應主要體現在銀行獲客能力和風控能力的提升，有利于提升傳統“長尾”客戶的金融可及性，滿足更多零售客戶的信貸需求，故選取零售貸款余額占比Retail表示“賦能”端的中介變量。外部“擠出”效應主要體現在銀行間競爭失衡，以及銀行與大科技平臺的同質化競爭加劇，故選取銀行競爭作為“擠出”端的代理變量。關于銀行競爭程度的測量方式主要有市場集中度、赫芬達指數，以及勒納指數3類指標，前兩者是從宏觀層面衡量銀行業競爭，而勒納指數是從銀行個體層面測度銀行面臨的競爭強度。勒納指數的計算公式如下。

Lernerit=Pit-MCitPit（2）

式中，P表示樣本銀行的資產價格，用總收入除以總資產表示；MC表示樣本銀行的邊際成本，由于邊際成本無法直接取值，故借鑒李勁嫻和楊有振（2021）［23］的做法，通過超越對數函數進行測算而得。Lerner指數取值范圍在0至1之間，用于判定銀行業的整體壟斷水平。具體為，Lerner指數越大，市場壟斷程度越高，銀行業自由競爭度越低；反之，則銀行業競爭強度越大，即Lerner表示銀行自由競爭度的負向指標。

4調節變量

宏觀審慎監管強度。本文宏觀審慎監管數據來源于IMF的iMaPP數據庫，其最初由ALAM等（2019）［18］構建，之后結合IMF"5個現有數據庫和IMF全球宏觀審慎政策調查信息，推出了更新的iMaPP數據庫。iMaPP數據庫按月度分別統計了包含17種工具的監管指標（MaPP）以及單獨統計寬松型監管指標（MaPP_T）和緊縮型監管指標（MaPP_L）。結合研究目標，本文將月度寬松型和緊縮型監管指標按絕對值加總，并按月度累加得到年度宏觀審慎監管強度指數，作為本文宏觀審慎監管強度（Prudent）的代理變量。

5控制變量

參考相關研究對控制變量的選取，結合本文的真實需求，在銀行層面，本文控制了資產規模（Size）、人力成本（Labor）、盈利能力（Roa）、流動性指標（Liquidity）、經營效率（Efficiency）、非利息收入占比（Nir）、資產負債率（Tdr）；在宏觀層面，本文控制了經濟增速（GDP）、貨幣供給（M2）、利率水平（WAIR）、金融相關比（FIR）、通貨膨脹（CPI）、金融發展程度（AFRE）。

6協變量

為了消除樣本選擇偏誤，本文在依據是否成立金融科技子公司劃分實驗組和對照組的基礎上，采用傾向匹配得分法從資產規模（Size）、市場占有率（Market）、資本充足率（Car）、撥備覆蓋率（Lpr）和非利息收入占比（Nir）5個方面對2組銀行樣本進行匹配，使得實驗組和對照組銀行的財務和經營特征基本接近。

（三）模型設定

1金融科技對銀行風險承擔的基準影響效應

本文構建如公式（3）所示雙向固定多期DID模型，以檢驗金融科技對銀行風險承擔的基準效應。其中，Bankrupt為被解釋變量，表示銀行風險承擔水平；Treat×Fintech為核心解釋變量，代表銀行金融科技發展情況，則系數γ1的估計值反映了銀行發展金融科技對其風險承擔的影響方向及程度。此外，X為控制變量組，λi、δt分別反映個體和年份固定效應；μit為隨機擾動項。

Bankruptit=β1+γ1Treat×Fintechit+φ1Xit

+λi+δt+μit（3）

2金融科技對銀行風險承擔的“賦能”和“擠出”影響效應

本文采取中介效應的方法來驗證假說1中的“賦能”效應和“擠出”效應。具體來看，公式（3）～（5）逐步檢驗了銀行零售存款占比Retail作為中介變量的情況下，銀行發展金融科技對其風險承擔的影響效果；而結合公式（3）、（6）和（7），則能探究銀行發展金融科技經由改變銀行業競爭強度（Lerner），從而影響其自身風險承擔水平的效果。

Retailit=β2+γ2Treat×Fintechit+φ2Xit

+λi+δt+μit（4）

Bankruptit=β3+γ3Treat×Fintechit+θ1Retailit+φ3Xit+λi+δt+μit（5）

Lernerit=β4+γ4Treat×Fintechit+φ4Xit

+λi+δt+μit（6）

Bankruptit=β5+γ5Treat×Fintechit

+θ2Lernerit+φ5Xit+λi+δt+μit（7）

3宏觀審慎監管對金融科技影響銀行風險承擔的調節效應

在上述檢驗過程的基礎上，本文引入宏觀審慎監管強度變量Prudent，構建有調節的中介效應模型如公式（8）和（9），進一步驗證假說2和假說3。

Bankruptit=α0+α1Treat×Fintechit+α2Retailit

+α3Prudentit+α4Retailit×Prudentit+α5Xit+εi

+ωt+it（8）

Bankruptit=α′0+α′1Treat×Fintechit+α′2Lernerit

+α′3Prudentit+α′4Lernerit×Prudentit+α′5Xit+ε′i+ω′t+′it（9）

四、實證分析

（一）PSM結果分析

單純以是否成立金融科技子公司為標準劃分處理組和對照組，不足以充分控制組間異質性，因此，本文采用半徑匹配的方法，以商業銀行成立金融科技子公司的前一年為基期，根據前述5個協變量對處理組和對照組進行1∶4的逐年匹配，得到精準匹配樣本。其中，處理組包括交通銀行、北京銀行、平安銀行、華夏銀行、民生銀行和光大銀行；對照組為郵儲銀行、浙商銀行、浦發銀行和中信銀行。如表1所示，匹配后的T檢驗結果均不拒絕原假設，說明匹配結果較好地平衡了各協變量在處理組和對照組中的分布。此外，結合圖2可以直觀地看出，除了Car的標準化偏差在匹配之后有輕微增大之外，其余協變量的標準誤偏差均大幅縮小，說明PSM匹配過程是必要且有效的②。

（二）平行趨勢檢驗

雙重差分模型的有效性以滿足平行趨勢假設為前提，換言之，在部分商業銀行成立金融科技子公司這一變化發生以前，樣本銀行的風險承擔水平應具有較為一致的發展趨勢，否則不能保證差分得到的效應結果完全來自銀行金融科技發展水平的差距。

表2呈現了銀行風險承擔水平在成立金融科技子公司前后的變化趨勢，其中，虛擬變量current、pre*和post*分別代表商業銀行成立金融科技子公司當年和前后各時點的狀態。可以發現，pre*的估計系數均未通過顯著性檢驗，這意味著在成立金融科技子公司之前，樣本內各商業銀行風險承擔變動情況一致，符合平行趨勢假設，即本文運用雙重差分方法進行實證檢驗是科學有效的。此外，post*的估計系數顯著為負，且絕對值逐漸增大，說明成立金融科技子公司對于降低銀行風險承擔有顯著作用。

（三）基準效應檢驗

在表3中，本文根據全樣本和PSM匹配后的精準樣本分別進行混合回歸、個體固定效應回歸和雙向固定效應回歸檢驗③。全樣本列（1）～（3）中，商業銀行成立金融科技子公司對銀行風險承擔的凈影響分別為-3132、-2827、-2715，且均在1%水平上顯著；精準樣本列（4）～（6）中，商業銀行成立金融科技子公司對銀行風險承擔的凈影響分別為-1728、-1343、-1307，且均在5%水平下顯著。這表明從基準效應來看，銀行發展金融科技有助于降低其風險承擔水平。

從控制變量的估計結果來看，Labor回歸系數均顯著為負，說明商業銀行在人力資源方面的投入最終會在風控管理水平提升上有所體現，從而有助于降低銀行風險承擔水平；Tdr回歸系數顯著為正，意味著當銀行資產負債率上升時其風險承擔水平將同步上升，這是監管部門以維護金融業穩定為目標，重點關注商業銀行杠桿率變化的原因所在。此外，在全樣本回歸中，Size回歸系數顯著為負，表明資產規模較大的商業銀行通常資金實力雄厚，破產風險相對較低，且我國大型銀行的系統重要性更高，出于維護社會經濟穩定的責任心，風險承擔水平會控制在安全范圍內；WAIR回歸系數顯著為正，證明高利率水平下，市場經濟的活躍度降低，則商業銀行作為重要經濟主體之一，其風險承擔水平會上升；M2回歸系數顯著為正，這是因為商業銀行是市場貨幣供給增加的主要渠道，貸出的資金越多則承擔相對更高的風險；CPI回歸系數顯著為負，說明通貨膨脹導致商業銀行的實際償債壓力減輕，變相降低了其風險承擔水平。

（四）安慰劑檢驗

為剔除其他政策沖擊及不可觀測遺漏變量對本文基準回歸結果的干擾，進一步增強研究結論的可靠性，本文采用構造反事實模型的方式來進行安慰劑檢驗。具體的操作是，將銀行成立金融科技子公司的年份統一假定為2017年，回歸結果如表4所示，Treat×Fintech的系數估計值在不同模型下均未通過顯著性檢驗，這一定程度上是對表3中基準回歸結果的逆向證明。

構造“偽”處理組和“偽”對照組是安慰劑檢驗的另一種常用方式。本文將處理組中的“交通銀行”和“北京銀行”更換至對照組中，則這2家銀行被“錯誤地”劃分為未成立金融科技子公司類別。由此“偽”研究樣本得到的估計結果展示于表5中，Treat×Fintech的系數估計值必然不能通過顯著性檢驗，再一次逆向證明了本文基準回歸的可靠性。

（五）穩健性檢驗

本文設計了豐富的穩健性檢驗方案，充分保證了研究結論的可靠性，具體說明如下。

第一，變換研究方法。本文在所有回歸步驟中都同步展示了混合回歸、個體固定效應和雙向固定效應三種模型的估計結果。不同研究方法下，參數估計值的大小和顯著性基本保持一致，證明本文研究結論不受研究方法的干擾。

第二，更換研究樣本。在表3中，本文同時匯報了54家商業銀行全樣本和精準匹配小樣本的回歸結果，本質上是選取了2個研究樣本，得到的研究結論都是商業銀行成立金融科技子公司將顯著降低其風險承擔水平。此外，本文在PSM部分還采用了k近鄰方法進行匹配④，在平衡性檢驗結果良好的前提下，根據得到的匹配樣本進行了相同步驟的實證回歸，得到的估計結果與表3并無二致，說明本文基準回歸結果不受PSM匹配方法限制，研究結論具有穩健性。

第三，替換被解釋變量。本文參考顧海峰和戴云龍（2019）［29］的做法，用不良貸款率Npl替換銀行破產風險Bankrupt，作為銀行風險承擔的替代變量。回歸結果如表6所示，變量Treat×Fintech的系數估計值仍然顯著為負，這同樣支持了銀行發展金融科技有助于降低其風險承擔水平的結論觀點，是文章研究結論穩健的又一次證明。

（六）進一步研究：有調節的中介效應檢驗

為進一步探究金融科技影響銀行風險承擔的機制路徑，以及宏觀審慎調控在其中發揮的調節作用，本文選取銀行零售貸款占比Retail、銀行競爭Lerner作為中介變量，宏觀審慎強度Prudent充當調節變量，根據模型設計中的公式（3）～（9）依次回歸，逐步進行有調節的中介效應檢驗，結果如表7所示。

列（1）～（3）對銀行零售貸款占比Retail的中介效應進行了檢驗。其中，列（2）中Treat×Fintech的回歸系數為1828，且在5%的水平上顯著，說明銀行發展金融科技有助于提升其零售貸款占比，同時結合列（3）中，Retail的系數估計值顯著為負，且Treat×Fintech的系數估計值由-1307變為-1189，可以看出，Retail在銀行發展金融科技以降低其風險承擔過程中充當了不完全中介變量，即“銀行金融科技—貸款結構優化—風險承擔降低”的傳導路徑有效，驗證了假說1a中的金融科技“賦能”效應。同理，列（1）、（5）和（6）展示了銀行競爭Lerner的中介效應檢驗結果。其中，列（5）中Treat×Fintech對Lerner的回歸結果顯著為正，表明銀行金融科技發展水平的差異會導致銀行業競爭失衡，從而市場集中度增加，同時，列（6）中Lerner系數估計值顯著為正，而Treat×Fintech的系數估計值相比列（1）中有所增加，這意味著Lerner在銀行發展金融科技以降低其風險承擔過程中產生了“遮蔽效應”，即金融科技發展在一定程度上對銀行業自由競爭具有不利影響，導致其降低銀行風險承擔的積極作用受到制約，這與假說1b中的“擠出”效應基本相符。

此外，依據公式（8）和公式（9），在中介效應模型的基礎上引入宏觀審慎強度Prudent，檢驗結果相對應地匯報于列（4）和列（7）。列（4）中，Retail×Prudent回歸系數為-0017，且在1%水平上顯著，表明Prudent調節效應顯著，且此時銀行零售占比Retail的中介效應為（-0064-0017"Prudent）×1828（Prudent最小取值為2），大于不考慮宏觀審慎監管時的中介效應-0064×1828，即宏觀審慎監管強度Prudent對金融科技通過“賦能”效應降低銀行風險承擔具有正向強化作用，假說2得到驗證。反觀列（7）中，變量Lerner的回歸系數顯著為正，而交互項Lerner×Prudent的回歸系數為-0341，且在1%水平通過顯著性檢驗，這說明宏觀審慎強度Prudent弱化了變量Lerner的遮蔽效應。具體來看，不考慮宏觀審慎監管影響時，列（6）中Lerner的“遮蔽效應”為2907×0023，而列（7）中金融科技通過“擠出”效應影響銀行風險承擔的效應值減小為（2777-0341"Prudent）×0023，即宏觀審慎監管對金融科技通過“擠出”效應影響銀行風險承擔有反向調節作用，假設3得到驗證。

五、結論與建議

本文基于我國54家上市銀行2011—2020年面板數據，采用商業銀行成立金融科技子公司的政策沖擊衡量銀行金融科技發展水平，考察了宏觀審慎監管下金融科技對銀行風險承擔的影響機制。研究發現：①基準效應上，商業銀行成立金融科技子公司能降低銀行風險承擔；②金融科技通過優化貸款結構，實現商業銀行內部“賦能”效應，進而抑制銀行風險承擔；③金融科技通過降低銀行業自由競爭度，形成商業銀行外部“擠出”效應，進而對降低銀行風險承擔產生負面影響；④宏觀審慎監管能穩妥金融科技“賦能”效應，對金融科技通過“賦能”效應影響銀行風險承擔有正向調節作用；⑤宏觀審慎監管能打破金融科技“擠出”效應，對金融科技通過“擠出”效應影響銀行風險承擔有反向調節作用。以上研究結果不僅從“賦能”和“擠出”兩條路徑證明了金融科技發展對銀行風險承擔具有“雙刃劍”影響，還為宏觀審慎監管的實施提供了一定經驗支撐。對此，本文有以下啟示與建議：

第一，商業銀行應加速推進數字化轉型，持續深化金融科技運用與發展。一方面，在新常態發展階段，商業銀行發展金融科技有助于實質性推動金融業供給側改革，通過升級傳統銀行業務以充分匹配存量客戶的金融需求，進而實現金融服務提質增效的高質量發展目標；另一方面，科技賦能商業銀行，能使金融資源更精準有效地投入到經濟社會發展的關鍵領域與薄弱環節中，進一步提升金融服務實體經濟的能力。

第二，警惕金融科技發展帶來的潛在風險沖擊，關注金融機構發展不平衡不充分問題。一方面，金融科技在銀行業迅速滲透，以及互聯網平臺公司無序擴張，都將提升市場集中度，導致銀行業在外部沖擊下出現市場共振和“羊群效應”，從而加劇行業運營風險；另一方面，數據是促進金融科技發展的關鍵生產要素，須防范大數據運用與技術創新過程中引發的數據反競爭風險，即微觀市場主體機構若處于數據壟斷地位，則天然地會進行價格歧視，從而損害信貸公平性和資源配置效率。因此，引導不同機構加強數據共享與技術溝通，從而促進金融市場良性競爭。

第三，構建并完善金融科技監管框架，強化宏觀審慎監管的科技能力。一方面，在加速建設金融強國目標下，政府部門需要進一步健全管理制度并創新監管工具，進而促使宏觀審慎監管充分發揮其“時變”特征，并豐富調控工具為金融機構與科技公司的合作預先劃定安全基線，防范跨界傳染和“聯而不倒”等風險；另一方面，在數字經濟時代，監管機構需要借助科技力量，補齊金融監管和治理能力的薄弱部分，以更好地應對金融與科技融合過程中潛藏的數據風險和技術風險，為金融科技發展營造一個公平、安全且高效的環境氛圍。

［參考文獻］

［1］郭麗虹，朱柯達."金融科技、銀行風險與經營業績——基于普惠金融的視角"［J］."國際金融研究，"2021"（7）："56-65.

［2］李建軍，姜世超."銀行金融科技與普惠金融的商業可持續性——財務增進效應的微觀證據"［J］."經濟學（季刊），"2021，"21"（3）："889-908.

［3］鮑星，李巍，李泉."金融科技運用與銀行信貸風險——基于信息不對稱和內部控制的視角"［J］."金融論壇，"2022，"27（1）："9-18.

［4］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.

［5］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.

［6］吳桐桐，王仁曾."數字金融、銀行競爭與銀行風險承擔——基于149家中小商業銀行的研究"［J］."財經論叢，"2021（3）："38-48.

［7］金洪飛，李弘基，劉音露."金融科技、銀行風險與市場擠出效應"［J］."財經研究，"2020，"46（5）："52-65.

［8］TAVMAN"Y."A"comparative"analysis"of"macroprudential"policies［J］."Oxford"economic"papers，"2015，"67（2）："334-355.

［9］CUADRA"G，"NUGUER"V."Risky"banks"and"macroprudential"policy"for"emerging"economies［J］."Review"of"economic"dynamics，"2018，"30："125-144.

［10］金成曉，姜旭."基于宏觀審慎視角的財政政策與系統性金融風險防范：作用機制與政策規則"［J］."財政研究，"2021"（2）："59-77.

［11］ClAESSENS"S，"GHOSH"S"R，"MIHET"R."Macroprudential"policies"to"mitigate"financialnbsp;system"vulnerabilities［J］."Journal"of"international"money"and"finance，"2013，"39："153-185.

［12］方意."宏觀審慎政策有效性研究"［J］."世界經濟，"2016，"39"（8）："25-49.

［13］蔣濤."宏觀審慎政策的有效性研究：來自銀團貸款市場的證據"［J］."上海金融，"2019"（11）："17-30.

［14］樊明太，葉思暉."宏觀審慎政策使用及其有效性研究——來自全球62個國家的證據"［J］."國際金融研究，"2020"（12）："33-42.

［15］LIM"C"H，"KRZNAR"M"I，"LIPINSKY"M"F，"et"al."The"macroprudential"framework："policy"responsiveness"and"institutional"arrangements［Z］."IMF"working"papers，"2013.

［16］CERUTTI"E，"CLAESSENS"S，"LAEVEN"L."The"use"and"effectiveness"of"macroprudential"policies："new"evidence［J］."Journal"of"financial"stability，"2017，"28："203-224.

［17］EPURE"M，MIHAI"I，MINOIU"M"C，et"al."Household"credit，"global"financial"cycle，"and"macroprudential"policies："credit"register"evidence"from"an"emerging"country［J］."IMF"working"papers，"2018，"18（13）：1.

［18］ALAM"Z，ALTER"M"A，EISEMAN"J，et"al."Digging"deeper—Evidence"on"the"effects"of"macroprudential"policies"from"a"new"database［Z］."IMF"staff"papers，"2019（WP/19/66）.

［19］張朝洋."貨幣政策立場、宏觀審慎管理與風險承擔渠道——來自中國銀行業的經驗證據"［J］."金融論壇，"2019，"24"（2）："12-26.

［20］宋科，李振."宏觀審慎政策、杠桿率與銀行風險承擔"［J］."金融監管研究，"2019"（10）："1-19.

［21］趙勝民，張博超."“雙支柱”調控與銀行系統性風險——基于SRISK指標的實證分析"［J］."國際金融研究，"2022（1）："50-61.

［22］張慶君，陳思."杠桿率監管引入對商業銀行風險承擔具有緩釋效應嗎？——基于中國96家商業銀行的實證分析"［J］."經濟與管理研究，"2019，"40"（3）："29-44.

［23］李勁嫻，楊有振."杠桿率監管與銀行風險承擔——來自銀行競爭的視角"［J］."統計學報，"2021，"2"（3）："46-60.

［24］龐曉波，錢錕."貨幣政策、流動性監管與銀行風險承擔"［J］."金融論壇，"2018，"23"（1）："27-38.

［25］馬勇，姚馳."雙支柱下的貨幣政策與宏觀審慎政策效應——基于銀行風險承擔的視角"［J］."管理世界，"2021，"37"（6）："51-69.

［26］宋科，李振，趙宣凱."宏觀審慎政策、經濟周期與銀行風險承擔"［J］."經濟理論與經濟管理，"2019"（1）："43-58.

［27］廖凡."論金融科技的包容審慎監管"［J］."中外法學，"2019，"31"（3）："797-816.

［28］FANG"Y，"HASAN"I，"MARTON"K."Institutional"development"and"bank"stability："evidence"fromnbsp;transition"countries［J］."Journal"of"banking"amp;"finance，"2014，"39："160-176.

［29］顧海峰，戴云龍."貸款集中、貨幣政策與銀行風險承擔——來自2007—2017年中國銀行業的證據"［J］."金融論壇，"2019，"24"（10）："24-35.

The"“Doubleedged"Sword”"Impact"of"Fintech"on"Banks’"Risktaking：

A"Test"of"the"Moderating"Effect"Based"on"Macroprudential"Supervision"

Zhu"Shiyi1，""Yan"Jingrui"2

（1."PBC"School"of"Finance，"Tsinghua"University，"Beijing"100084，China;"

2."School"of"Innovation"and"Entrepreneurship，Guangzhou"University，"Guangzhou"510006，China）

Abstract：""The"steady"development"of"Fintech"and"the"accelerated"digital"transformation"of"commercial"banks"have"become"the"core"elements"of"the"supplyside"structural"reform"of"the"financial"industry"at"this"stage"and"in"the"period"ahead."Based"on"the"“enabling”"and"“crowding"out”"effects"of"Fintech，"this"paper"examines"the"impact"mechanism"of"Fintech"on"banks’"risktaking"under"macroprudential"supervision."The"study"finds"that"commercial"banks’"development"of"Fintech"reduces"bank"risktaking"overall，"but"loan"restructuring"and"the"degree"of"bank"competition"play"competing"indirect"roles"in"the"process"of"Fintech"influencing"bank"risktaking，"respectively."In"addition，"macroprudential"supervision"measures"have"a"positive"moderating"effect"on"the"“enabling”"effect"of"Fintech，"and"a"negative"moderating"effect"on"the"“crowding"out”"effect"of"Fintech."Based"on"the"perspective"of"banks’"establishment"of"Fintech"subsidiaries，"this"study"provides"theoretical"discussion"and"empirical"evidence"for"commercial"banks’"development"of"Fintech"and"regulators’"formulation"of"macroprudential"supervision"policies.

Key"words：Fintech;"bank"risktaking;"“doubleedged"sword”"impact;"macroprudential"supervision

（責任編輯：蔡曉芹）