互聯網金融對商業銀行風險的影響研究

龔婧

（華南理工大學工商管理學院，廣東 廣州 510000）

一、研究綜述

有關互聯網金融與商業銀行風險的相關性研究比較豐富，主要集中與三個方面，其一，就互聯網金融的界定與測度而言，謝平和鄒傳偉（2012）認為互聯網金融不同于傳統商業銀行的運營模式，它是基于搜索引擎、移動支付、云計算、物聯網、社交網絡等現代通信基礎的新型金融模式。受限于數據可得性，學者多采用單指標法、綜合指數法對其進行測度（鄒靜和王洪衛，2017；劉忠璐，2016）。其二，就商業銀行風險的界定與測度而言，Gavalas and Syriopoulos（2014）認為信用風險是資本投資人在投資組合風險計量和管理技術的進步帶動下增長的信貸衍生品交易。劉平和梁瑜（2011）采用國有銀行剔除政策性剝離后的不可量貸款率和股份制銀行的不良貸款率進行測度。其三，就互聯網金融與商業銀行風險相關性研究而言，Allen et al（2002）研究認為互聯網金融可以通過金融脫媒、銀行聯盟、信貸可得性來促進商業銀行競爭能力和效率水平的提升。Stoica et al（2015）發現互聯網金融雖然可以促進傳統金融業務實現互聯網交易，但大部分銀行推動的網上銀行業務對商業銀行效率的提升并沒有顯著的提升效應。

既有研究對于厘清互聯網金融商業銀行風險的相關性具有重要的借鑒意義，但仍有改進提升空間。

（一）國內學者多研究互聯網金融與商業銀行風險的相關性，并未深入分析不同類型銀行視角下互聯網金融對商業銀行風險的影響效應。

（二）就研究方法而言，以往研究多集中分析互聯網金融與商業風險之間的線性關系，且并未考慮區域非均衡發展現狀下區域經濟關聯性。

二、互聯網金融對商業銀行風險影響的機理分析

（一）互聯網金融對商業銀行風險影響的直接效應

1、資產業務視角下互聯網金融影響商業銀行風險的機理

商業銀行的部分中小企業客戶資源便被互聯網金融企業分流，商業銀行為獲取利潤，便會相應的開發自身的電子銀行，主要包括互聯網的網上銀行和移動通信終端的手機銀行，進一步將線下銀行網點的金融借貸業務開設與線上，如此不但引發了系統風險，還擴容了商業銀行的風險數據源。系統風險是指由于商業銀行自身的線上系統不穩定或者受外界利空因素影響引致的系統性不確定性風險。擴容的風險數據源包括由于信息不對稱引致的詐騙風險、內部造假風險等等。

2、負債業務視角下互聯網金融影響商業銀行風險的機理

互聯網金融一方面對商業銀行負債業務資金流的分流，另一方面刺激了商業銀行的線上支付業務，各商業銀行機構紛紛研發屬于自身的線上貨幣基金?；ヂ摼W金融顯著擴大了資金的融通效率，但如前所述，各大商業銀行的貨幣基金業務需要安全穩定的互聯網信息技術系統的支持，勢必存在由于網絡或者硬件引致的系統風險和其他不確定性風險。

3、中間業務視角下互聯網金融影響商業銀行風險的機理

隨著信息化水平的提升，線上支付市場的需求變大，而第三方支付平臺可以與多家商業銀行合作，囿于企業壁壘，商業銀行電子銀行之間的合作遠遠滯后于第三方支付平臺與商業銀行之間的合作。在銀行風險方面，相比不存在電子銀行的時代，商業銀行的風險水平囿于網絡系統安全穩定性和關聯程度的加深，表現為擴大的態勢。

假說1：互聯網金融通過擴容風險數據源來加大商業銀行線上業務風險，卻倒逼商業銀行通過創新降低線下業務風險，對商業銀行風險影響的總效應是不確定的。

（二）互聯網金融對商業銀行風險影響的間接效應

1、商業銀行之間的示范效應

商業銀行之間的示范效應主要體現在各大銀行之間競爭引致的商業銀行風險，主要體現在產品創新層面。其一，消費市場的創新。消費金融產品不斷被開發出來，涉及居民生活的方方面面，居民貸款總量顯著增加，但風險的累積也在消費金融貸款量的增加上逐步累積。其二，區域性城市商業銀行快速發展。城市商業銀行對于地方經濟建設具有相對較強的金融支撐作用，對于加強商業銀行競爭，倒逼銀行業調整營業模式，有利于降低銀行業不良貸款率，對于降低銀行業整體信用風險和資產風險具有重要作用。

2、風險傳染效應

銀行之間的風險傳染主要是基于銀行之間的內在關聯，銀行風險主要包括顯性風險和隱性風險，商業銀行之間主要的業務是指同業拆借。同業拆借會將銀行流動資金存放于不同銀行之間，銀行彼此之間的內在關聯程度加強，單一銀行發生風險后，勢必將問題傳染至關聯銀行，由此引發一定程度的行業風險。

3、體制因素

大型國有銀行的規模較大，借力互聯網信息技術提升運營效率并不會在短期和長期內體現出來，因為互聯網信息技術發展的電子銀行引致的效率提升很可能會被其他不確定的因素相抵消。股份制銀行和城商行就不同，二者規模較小，對互聯網金融沖擊存在靈活的變通，城商行加之地方政府的助推，其通過互聯網信息技術發展電子銀行提升盈利水平運營效率在短期內效果顯著。

假說2：互聯網金融還可以通過商業銀行之間的示范效應、傳染效應和體制因素來影響其風險水平，且影響程度在大型國有銀行、股份制銀行和城市商業銀行之間存在顯著差異。

三、研究設計

（一）計量模型設定

（二）變量說明與數據來源

1、被解釋變量商業銀行風險水平（LnRIS），參考張田田（2014）、舒首鳳（2017）的研究，本文選取不良貸款率測度信用風險、存貸比測度流動性風險、平均總資產收益率測度盈利風險、資本充足率測度資本風險。囿于數據披露的可得性和全面性，本文選擇了16上市銀行2007年至2017年數據。16家上市銀行包括中國銀行、中國農業銀行、中國工商銀行、中國建設銀行和中國交通銀行5家國有銀行，招商銀行、中信銀行、平安銀行、興業銀行、民生銀行、華夏銀行、光大銀行、浦發銀行8家股份制銀行，北京銀行、南京銀行和寧波銀行3家城市商業銀行。測度方法參考陳盈盈（2017）采用熵值法。

2、核心解釋變量互聯網金融水平（LnFIN）參考沈威（2015）的做法，采用各年份下第三方支付（LnDSF）、P2P網絡借貸（LnPTP）、互聯網基金（LnIFI）的總和與各大銀行資金規模的比值作為互聯網金融的測度進行回歸分析。

3、控制變量層面。參考劉忠璐（2016）測測度方法，采用商業銀行總資產測度銀行資產規模（LnSCA），商業銀行的成本收入比測度經營效率（LnEFE）。參考殷敖（2017）的做法，采用商業銀行的實際貸款和存款的利率之差測度存款利率市場化水平（LnRATC），二者差距越小表明存款利率市場化水平越高，其中實際貸款利率等于利息收入與總生息資產的比值表示，實際存款利率采用利息支出與存款總量的比值測度；采用虛擬變量的方法進行測度貸款利率市場化水平，即2013年貸款利率市場化（LnRATD）推行之前設定為0，之后則設定為1；采用商業銀行手續費與傭金凈收入與銀行營業經收入的比值測度中間業務（LnZJY）。

樣本數據源自各銀行的年度報告、《Bankscope》數據庫、《中國統計年鑒》、Wind數據庫、EPS數據庫、艾瑞咨詢、國泰君安數據服務中心。

四、實證分析

（一）全部樣本銀行數據的實證分析

表1給出了全部樣本銀行數據的回歸結果。檢驗結果來看，修正的擬合優度Adj-R2在模型1和模型2中分別為0.6527和0.7505，表明計量模型中的解釋變量有效表征了商業銀行風險變化的65.27%或者75.05%，擬合度相對較高。模型3中的AR（2）數值為0.1852，表明模型3下估算的殘差項不存在二階序列相關。SARGAN檢驗統計量數值為0.0966，顯著高于0.05，表明不存在過度識別，即工具變量的設定和使用是合理的。估算結果來看，模型1、模型2、模型3的回歸結果高度一致，從顯著性水平上來看，GMM方法估算的模型3的顯著性水平顯著強于模型1和模型2，后文將采用模型3對回歸結果進行解釋。

互聯網金融（FIN）系數在模型1、模型2、模型3中依次為0.026、0.075、0.043，且在模型1和模型3中通過顯著性水平為5%的假設檢驗，但在模型2中并未通過任何顯著性水平下的假設檢驗。表明互聯網金融的發展不利于商業銀行風險的控制，在當下互聯網金融的測度方法下，互聯網金融每提升1%，意味著商業銀行需要多承擔0.026%、0.075%、0.043%的風險。1、直接效應層面，主要是因為，互聯網金融企業發展涉及支付功能、理財投資功能，其支付的資金和理財投資使用的資金存放于商業銀行，一旦互聯網金融企業自身發生風險，就會直接波及關聯企業——商業銀行。同時，互聯網金融屬于一種具有高效性、高便捷性、高安全性的新興金融模式，高度符合互聯網信息技術廣泛被使用和信息化水平快速發展背景下的消費者的支付需求和投資理財需求，消除了支付的現金屬性和物理屬性，直接規避了假幣問題的發生，還可以無時空限制的完成投資理財，故而商業銀行需要開發屬于自身的互聯網金融平臺，但這種開發就直接擴容了金融風險。2、間接效應層面，商業銀行作為資本市場主體，追逐高資本收益的原則基本不變，在應對互聯網金融沖擊的背景下，短期內為存留客戶資源，勢必借力互聯網信息技術，大力發展消費借貸，增加居民消費杠桿，間接增加了金融風險，然而這種金融風險的源頭應屬于互聯網金融發展對商業銀行帶來的沖擊效應。另一方面，還可能存在未謀取高資本收益，部分商業銀行違規發放高額借貸資金與低償債能力、低信用水平的企業和個人，而市場通過“劣幣驅逐良幣”的原則，使得商業銀行不良資產率有擴大的風險，間接擴大了銀行風險水平。

表1全部樣本銀行數據的基本回歸結果

注：★★★、★★、★表示通過顯著性水平為1%、5%、10%的假設檢驗，括號內為t值。

（二）銀行分類下分樣本實證分析

為進一步研究不同銀行下互聯網金融對商業銀行的影響行為和影響程度，如前分類，將商業銀行分為三類，分別進行回歸分析，所采用的方法仍為GMM方法。在對回歸參數的穩健性程度考慮上，表2給出銀行分類下的分樣本基本回歸結果。AR（2）檢驗和SARGAN檢驗表明不存在二階序列相關和過度識別，表明模型4至模型6的回歸結果均是合理有效的。互聯網金融（FIN）在大型國有銀行、股份制銀行、城商行下的回歸系數分別為0.007、0.020、0.056，表明互聯網金融對商業銀行風險水平的影響是正向擴大的，所不同的是影響程度不同，影響程度最大的城商行，其次是股份制銀行，最小的是大型國有銀行，且倍數相差有3-8倍左右。主要是因為大型國有銀行自身規模較大、抗風險能力強，且由于其承擔了社會責任，政府會進行一定的兜底。股份制銀行規模相對較大，但相對國有銀行還是稍顯不足，故其影響程度相對較低，而城市商業銀行規模相對較少，所受影響相對較大。

表2 銀行分類下的分樣本基本回歸結果

五、互聯網金融視角下商業銀行風險優化控制的政策建議

（一）商業銀行繼續加強改革創新，優化運營管理

1、就大型國有銀行而言，其規模巨大，公司運行成本同樣較大，承載著國家穩金融、促發展、保就業的政治任務，在公司發展層面，部分承擔著服務地方經濟發展的社會職責。故而在受到互聯網金融發展的沖擊后，其所受仍然為負向影響，但程度相對較低。由于資銀行資本雄厚，能夠快速將資金用于本行的金融互聯網業務研發推廣中，基于大量的既有用戶，迅速收回互聯網金融的業務市場。

2、股份制銀行和中小型城市商業銀行，規模相對偏小，經營范圍被限定在發達城市或者特定區域，所受互聯網金融的沖擊相對高于大型國有銀行，之后的改革創新力度相對弱于大型國有銀行，其互聯網金融業務發展市場占有率同樣相對低于大型國有銀行。故而商業銀行應繼續有效加強改革創新，優化運營管理，營造良性安全健康的金融行業市場競爭環境。

（二）增強商業銀行互聯網金融業務發展監管力度

一方面，聯合網絡通信管理機構，制定適用于商業銀行開發電子銀行及相關平臺的網絡規定，從技術、法律、道德、網民行為、客戶準則等多方面多維度制定科學有效的規章制度，最大限度降低由于互聯網信息技術的變化引致的系統風險，這同時也有利于增強商業銀行線下業務的透明度，提升客戶的信任度，有利于保障客戶信息和銀行利益不受損害。另一方面，從道德風險的視角出發，開發適用于低信用度、低償債能力企業的信貸業務制度和模式，在保證相關資金市場需求的前提下，防止銀行呆賬、壞賬等不良資產的出現，同時從監管制度的視角，加強針對相關業務的監管力度和強度。