互聯網金融影響商業銀行風險的實證研究

宋寶倩

【摘 要】 本文以第三方互聯網支付為研究對象，基于16家上市銀行2011-2015年的季度數據建立了面板模型，實證分析了以第三方互聯網支付為代表的互聯網金融對商業銀行信用風險及經營風險的影響。結果表明，互聯網金融從轉賬業務、存款金額和客戶源頭等方面形成分流，直接導致傳統商業銀行的風險增大；各類銀行受到的影響存在差異，相較而言，國有控股銀行受到的沖擊較為有限；而經濟環境和貨幣政策也是影響銀行業風險的因素。

【關鍵詞】 互聯網金融 商業銀行 風險 金融改革

一、引言

隨著金融改革的穩步推進，互聯網金融飛速發展，成為“互聯網+”不可或缺的部分。從2003年支付寶異軍突起，到2015年李克強總理提出制定“互聯網+”計劃，諸多互聯網金融企業百花齊放，利用其技術、渠道和管理環境寬松等優勢，從客戶、業務和存款等方面對傳統商業銀行造成了巨大沖擊。其中，互聯網金融與傳統商業銀行在支付方面的競爭最為激烈，了解兩者的關系與相互作用機制對經濟的健康發展有著重大意義。在互聯網金融飛速發展的背景下，本文從商業銀行風險入手，實證研究了互聯網金融對商業銀行產生的影響，為相關機構把握第三方互聯網支付的發展情況提供了信息，也對傳統商業銀行制定應對策略有一定幫助。

近年來，許多學者開始關注互聯網金融對商業銀行的影響，并取得了一定研究成果，但是看法不一。國外研究較早，Stijn Claessens（2002）[1]認為電子金融（Electronic Finance）對全球范圍的金融機構都造成了不同程度的影響。Franklin Allen（2002）[2]認為現在電子技術應用的更為廣泛，將會促進銀行業的合并。謝平（2012）[3]最早在國內定義了互聯網金融的概念，他們認為互聯網金融不同于傳統間接融資或者直接融資，互聯網會對金融造成顛覆性影響。而牛華勇（2015）[4]從實證產業組織視角研究了互聯網金融對商業銀行的影響機制，但是不能撼動國有控股銀行的地位。彭鈺（2014）[5]和李佳（2015）[6]等有不同看法，后者表示互聯網金融和傳統商業銀行會形成一種金融功能的整合。相關研究者的看法莫衷一是，總之傳統金融機構都應該積極采取變革策略。

在此背景下，傳統商業銀行風險管理所受到的影響也引起了部分學者的關注。研究結論基本分為兩種，一是商業銀行風險控制的難度在互聯網的沖擊下明顯增大，二是傳統商業銀行的經營模式和風險管理獲得了轉型的契機，將借助互聯網技術的發展實現新時代的改革與創新。劉振陽和劉明勇（2014）[7]認為第三方支付、電商和P2P等互聯網金融平臺存在著信息泄露和虛假交易等情況，增加了傳統銀行業的潛在風險。戴國強和方鵬飛（2014）[8]通過分析數值模擬的結果，認為互聯網金融增加融資成本和商業銀行風險，應引起銀行業的重視。

前人的相關研究很有意義，但是因為互聯網金融在我國興起時間不長且數據難以獲取，針對互聯網金融及其對銀行風險影響的實證研究較為少見，大部分研究基于理論分析，其結論的正確性及合理度得不到驗證。本文利用16家上市銀行的數據，實證研究了互聯網金融對商業銀行風險產生的影響，商業銀行風險以不良資產風險與經營風險為代表。此外，本文將銀行的不同種類在模型中加以區分。

二、實證檢驗

（一）變量選取和樣本來源

1.被解釋變量。本文有兩個被解釋變量。以不良貸款率（NPL）為指標用于衡量商業銀行經營過程中面臨的信用風險大小，它是衡量商業銀行風險的常用指標。

SDROA值是商業銀行資產收益率（ROA）與其標準差σ（ROA）的比值，SDROA值越大，說明單位風險調整后的銀行收益水平越高，風險越小，因此采用其倒數作為風險度量指標，其計算公式如下：

本文以SDROAA為指標做穩健性檢驗。以上兩個指標數據來源于國泰安數據庫以及各上市銀行的季度財務報表。

2.解釋變量。主要解釋變量為第三方互聯網支付市場交易規模（INT）和互聯網金融對網上銀行沖擊力度（IFS）。其中，IFS是第三方支付交易額與網上銀行交易額的比值，用于衡量第三方支付的發展對商業銀行的影響。商業銀行可分為國有控股商業銀行、股份制商業銀行和城市商業銀行，本文還引入了兩個虛擬變量來探究互聯網金融對不同種類的銀行的影響是否有差異。相關數據來源于艾瑞咨詢和易觀智庫。

3.控制變量。本文引用資產總計（SIZE）作為銀行規模的代理變量。經濟增長和貨幣政策與被解釋變量相關，因此選擇國內生產總值（GDP）和貨幣供應量（MS）作為控制變量。本文以2011年第一季度為基期，使用居民消費價格指數（CPI）的平減指數，將剔除價格因素后得到的SIZE和GDP實際值納入模型。數據來源于國泰安數據庫與國家統計局。

本文采用了16家上市銀行2011-2015年的季度數據來建立面板數據模型。采用季度數據能夠避免政策層面太大的影響，同時增加了可供分析的數據，所有數據均經過季節調整。

（二）模型構建

1.變量平穩性分析

建立模型的前提是變量平穩或協整，本文對涉及到的變量分別做了LLC檢驗、ADF-Fisher檢驗和PP-Fisher檢驗。在對部分變量取對數之后，所有變量均通過了平穩性檢驗，排除了“謬誤回歸”的可能。

2.模型設計

本文以經營風險和不良資產風險為因變量，以第三方互聯網支付交易規模和第三方支付對網上銀行沖擊力度為主要自變量建立計量模型。

其中i代表商業銀行，t為時間，為誤差項。STAit是虛擬變量，只有當銀行為國有控股銀行時取值為1，否則為0；只有當銀行為城商行時，CITYit取值為1，否則為0，以股份制商業銀行為基準組。

（三）模型結果分析

1、互聯網金融對不良資產風險影響的分析

本文所有模型的檢驗均采用計量分析軟件EViews6.0。根據Hausman檢驗的結果，本文模型（1）的估計采用固定效應模型，模型（2）采用隨機效應模型。得到的檢驗結果如表2所示，大部分變量在顯著性水平為0.01的情況下顯著。從模型（1）的檢驗結果來看，第三方支付對銀行沖擊力度（LNIFS）與不良資產風險（LNNPL）顯著正相關，當第三方互聯網支付市場交易規模增長速度大于網上銀行交易增長速度時，商業銀行受到其影響，不良資產風險增大。從模型（2）的回歸結果看，第三方互聯網支付市場交易規模（LNINT）與不良資產風險（LNNPL）顯著正相關?？梢园l現，控制變量檢驗結果一致并且較為合理，在其他條件不變時，當國內生產總值（LNGDP）增長，不良資產風險會減小，這表明良好的經濟形勢是銀行穩定的一大保障；當貨幣供應量增加，即實行寬松的貨幣政策，將會導致我國商業銀行不良資產風險增大。而面對互聯網金融沖擊時，相比于股份制銀行，國有控股銀行的不良資產風險受到的影響更小，這也與其他人研究結果一致。

2、穩健性檢驗

為了保證實證結果的有效性，本文采用能衡量經營風險的指標（SDROAA）的對數形式作為被解釋變量來衡量商業銀行風險，建立了模型（3），根據豪斯曼檢驗結果采用隨機效應模型。結果如表2所示，可以看到，幾乎所有變量都在統計上顯著，且模型整體顯著。主要自變量和控制變量與實證部分檢驗結果幾乎一致，選擇第三方互聯網支付市場交易規模（LNINT）作為主要自變量，互聯網金融的發展增大商業銀行的經營風險，即導致因變量增大。本模型中不同種類的銀行受到的第三方支付影響不同，國有控股銀行經營更為完備，相較而言更為穩定?？刂谱兞恐?，國內生產總值（LNGDP）與商業銀行經營風險顯著負相關，貨幣供應量與風險顯著正相關。綜上，研究結論與之前實證結果較為相符。

三、結論與建議

本文采用了16家上市銀行2011-2015年的面板數據，實證研究了互聯網金融對我國商業銀行的影響。研究結果顯示：（1）互聯網金融與商業銀行風險顯著正相關，隨著第三方互聯網支付市場交易規模增大，新興互聯網金融企業將會從轉賬業務、存款金額和客源等方面形成分流，導致商業銀行的不良資產風險和經營風險增加。（2）而面對互聯網金融沖擊時，相比于其他銀行，國有控股銀行更加穩定，受到的影響更小。（3）經濟發展情況與貨幣政策也會影響到商業銀行風險，國內生產總值與商業銀行風險顯著負相關，貨幣供應量與商業銀行風險顯著正相關。

分析得知，以第三方支付為代表的互聯網金融對商業銀行的風險有一定的影響，相關方面均應采取一定舉措來增強商業銀行穩健性。（1）對于快速發展的互聯網金融，監管部門應加大監察力度，引導其健康地發展。既應該鼓勵互聯網金融發揮現有優勢并積極創新，又要防止其盲目擴張或者惡意競爭。（2）對于商業銀行，監管機構應該采取更加合理管理制度，科學地防范經營風險、破產風險以及不良資產風險等，提高銀行效率并優化資產結構，積極推進利率市場化進程。同時，要根據不同種類商業銀行的特點來發行政策。（3）商業銀行首先應該充分利用其現實設施完善、受眾范圍廣和社會認可度高等自身優勢，提高抵御各類風險的能力，保證穩步發展。另外，商業銀行應合理發展網上銀行和手機銀行等新型業務，爭取互聯網業務與傳統業務的融合，弱化互聯網金融發展的影響。總之，各方應使互聯網金融與商業銀行一起更好地促進經濟的發展。

【參考文獻】

[1] Stijn Claessens and Thomas C. Glaessner. Electronic Finance： A New Approach to Financial Sector Development？ [M]. Washington， D.C.： The World Bank* 2002.

[2] Franklin Allen， James McAndrews and Philip Strahan. E-Finance： An Introduction[J]， Journal of Financial Services Research，2002，22： 5-27.

[3] 謝平，鄒傳偉.互聯網金融模式研究[J].金融研究，2012，No.39012：11-22.