金融科技發(fā)展、市場(chǎng)競(jìng)爭(zhēng)與銀行風(fēng)險(xiǎn)承擔(dān)

楊文捷，朱順和，鄺艷娟

（1.嶺南師范學(xué)院 沿海經(jīng)濟(jì)帶發(fā)展研究中心，廣東 湛江 524000；2.澳門科技大學(xué)，澳門 999078）

一、引言

近年來，中國(guó)金融科技發(fā)展水平呈現(xiàn)上升趨勢(shì)[1]，在全球金融科技領(lǐng)域中處于領(lǐng)先地位。金融科技的發(fā)展帶來許多“破壞式”的金融創(chuàng)新，改變傳統(tǒng)金融業(yè)經(jīng)營(yíng)模式，使得金融業(yè)面臨嚴(yán)峻挑戰(zhàn)與激烈競(jìng)爭(zhēng)。國(guó)際證監(jiān)會(huì)組織（IOSCO）于2017年發(fā)布的《金融科技研究報(bào)告》顯示，金融科技發(fā)展從2011年至今已進(jìn)入金融科技3.0時(shí)代，金融科技進(jìn)入爆發(fā)期，互聯(lián)網(wǎng)科技已經(jīng)成為金融科技的基礎(chǔ)，使得傳統(tǒng)商業(yè)銀行受到不少來自金融科技公司的競(jìng)爭(zhēng)沖擊。面對(duì)金融科技迅速發(fā)展所帶來的挑戰(zhàn)，商業(yè)銀行開始發(fā)展金融科技基礎(chǔ)建設(shè)，企圖在激烈的金融競(jìng)爭(zhēng)環(huán)境中轉(zhuǎn)型突破。從2015年起，陸續(xù)有商業(yè)銀行開設(shè)金融科技子公司進(jìn)行自主研發(fā)。因此，金融科技的發(fā)展與市場(chǎng)競(jìng)爭(zhēng)對(duì)商業(yè)銀行的風(fēng)險(xiǎn)影響如何，亟須進(jìn)行研究。

二、文獻(xiàn)探討

（一）金融科技發(fā)展與銀行風(fēng)險(xiǎn)承擔(dān)相關(guān)文獻(xiàn)

不少學(xué)者認(rèn)為互聯(lián)網(wǎng)金融對(duì)銀行風(fēng)險(xiǎn)呈正相關(guān)關(guān)系。郭品、沈悅以及顧海峰、楊立翔認(rèn)為互聯(lián)網(wǎng)金融的沖擊加劇了商業(yè)銀行的風(fēng)險(xiǎn)承擔(dān)[2-3]。同時(shí)，金融科技發(fā)展改變了銀行的負(fù)債端結(jié)構(gòu)，使得銀行資產(chǎn)端風(fēng)險(xiǎn)承擔(dān)偏好上升（邱晗、黃益平、紀(jì)洋）[1]。Liao認(rèn)為互聯(lián)網(wǎng)金融指數(shù)對(duì)貸款損失準(zhǔn)備率有正向影響，即互聯(lián)網(wǎng)金融發(fā)展越快，貸款損失準(zhǔn)備率越高，風(fēng)險(xiǎn)越大[4]。汪可、吳青認(rèn)為金融科技指數(shù)對(duì)衡量系統(tǒng)風(fēng)險(xiǎn)的市場(chǎng)壓力指數(shù)有正向影響，即金融科技在一定程度上會(huì)增加我國(guó)銀行業(yè)系統(tǒng)性風(fēng)險(xiǎn)[5]。

但是，亦有學(xué)者持不同觀點(diǎn)：Guo、Shen以及汪可、吳青、李計(jì)認(rèn)為金融科技對(duì)商業(yè)銀行風(fēng)險(xiǎn)承擔(dān)的影響呈現(xiàn)先降后升的“U”形趨勢(shì)[6-7]。劉忠璐認(rèn)為互聯(lián)網(wǎng)金融使經(jīng)營(yíng)效率得到提升，從而降低商業(yè)銀行的破產(chǎn)風(fēng)險(xiǎn)，同時(shí)互聯(lián)網(wǎng)金融指數(shù)對(duì)不良貸款率有正向影響，即令不良貸款率降低，而不同類型的銀行對(duì)互聯(lián)網(wǎng)金融的反應(yīng)各不相同[8]。

（二）市場(chǎng)競(jìng)爭(zhēng)與銀行風(fēng)險(xiǎn)承擔(dān)相關(guān)文獻(xiàn)

學(xué)者普遍認(rèn)為市場(chǎng)競(jìng)爭(zhēng)對(duì)銀行風(fēng)險(xiǎn)存在正向影響。Jimenez、Lopez和Saurina認(rèn)為貸款市場(chǎng)的Lerner指數(shù)對(duì)銀行風(fēng)險(xiǎn)承擔(dān)呈正相關(guān)關(guān)系[9]。楊天宇、鐘宇平認(rèn)為市場(chǎng)集中度和競(jìng)爭(zhēng)度越大，銀行風(fēng)險(xiǎn)承擔(dān)越大[10]。Fu、Lin和Molyneux認(rèn)為競(jìng)爭(zhēng)程度越高，銀行破產(chǎn)風(fēng)險(xiǎn)越高[11]。張文遠(yuǎn)、馬寧的研究表明銀行競(jìng)爭(zhēng)顯著增加了銀行風(fēng)險(xiǎn)承擔(dān)水平，抑制了創(chuàng)新行

為[12]。

另一方面，林德發(fā)、汪宜香以及Danisman、Demirel認(rèn)為銀行競(jìng)爭(zhēng)越大，銀行過度風(fēng)險(xiǎn)承擔(dān)越小[13-14]。胡題、謝赤認(rèn)為赫氏指數(shù)和市場(chǎng)集中度與不良貸款率呈“U”形關(guān)系。Tan和Floros的研究表明激烈市場(chǎng)競(jìng)爭(zhēng)會(huì)降低信用風(fēng)險(xiǎn)和破產(chǎn)風(fēng)險(xiǎn)，但是會(huì)增加流動(dòng)風(fēng)險(xiǎn)[15]。

三、研究方法

（一）研究樣本

本研究數(shù)據(jù)來源于Orbis Bank Focus數(shù)據(jù)庫和各商業(yè)銀行年報(bào)。樣本期間為2013年至2017年，以這期間共五年的數(shù)據(jù)為研究區(qū)間。為充分地考慮數(shù)據(jù)的完整性和可取得性，共選取中國(guó)59家商業(yè)銀行作為研究對(duì)象①59家商業(yè)銀行分別為：江蘇吳江農(nóng)村商業(yè)銀行、廣州銀行、吉林銀行、重慶農(nóng)村商業(yè)銀行、九江銀行、昆侖銀行、廣東華興銀行、蘇州銀行、河北銀行、廈門銀行、東莞銀行、南京銀行、成都農(nóng)村商業(yè)銀行、寧波銀行、杭州銀行、漢口銀行、鄭州銀行、廣東順德農(nóng)村商業(yè)銀行、哈爾濱銀行、江蘇銀行、蘭州銀行、嘉興銀行、廣東南粵銀行、臺(tái)州銀行、江蘇江陽農(nóng)村商業(yè)銀行、徽商銀行、中信銀行、福建海峽銀行、廣州農(nóng)村商業(yè)銀行、中國(guó)銀行、交通銀行、農(nóng)業(yè)銀行、廣東發(fā)展銀行、廈門國(guó)際銀行、光大銀行、招商銀行、上海浦東發(fā)展銀行、上海農(nóng)村商業(yè)銀行、日照銀行、洛陽銀行、成都銀行、富滇銀行、溫州銀行、興業(yè)銀行、華夏銀行、民生銀行、寧波通商銀行、北京銀行、上海銀行、天津銀行、建設(shè)銀行、重慶銀行、工商銀行、華融湘江銀行、江蘇柴金農(nóng)村商業(yè)銀行、平安銀行、浙江紹興瑞豐農(nóng)村商業(yè)銀行、南昌農(nóng)村商業(yè)銀行、唐山銀行。。

（二）研究假設(shè)

基于研究目的，本研究提出以下假設(shè)（見表1）。

表1 研究假設(shè)匯總表

（三）研究變量之設(shè)計(jì)

基于本研究目的，借鑒參考楊天宇、鐘宇平，Anginer、Demirguc-Kunt和 Zhu，郭品、沈悅以及汪可、吳青、李計(jì)等學(xué)者研究基礎(chǔ)上[10,16,2,7]，本研究因變量以選取貸款損失準(zhǔn)備計(jì)提率作為銀行風(fēng)險(xiǎn)承擔(dān)的衡量，自變量為金融科技指數(shù)與Lerner指數(shù)，另加入凈資產(chǎn)回報(bào)率、凈息差、凈值資產(chǎn)比作為控制變量。運(yùn)用面板數(shù)據(jù)分析，探討金融科技發(fā)展與市場(chǎng)競(jìng)爭(zhēng)對(duì)銀行風(fēng)險(xiǎn)承擔(dān)的影響。

1．因變量

本研究選用貸款損失準(zhǔn)備計(jì)提率來衡量銀行風(fēng)險(xiǎn)承擔(dān)程度。貸款損失準(zhǔn)備計(jì)提率（PL）指當(dāng)期銀行貸款損失準(zhǔn)備計(jì)提占貸款的比率，用于衡量銀行的信用風(fēng)險(xiǎn)。PL值越高，說明銀行預(yù)期貸款損失越大，銀行信用風(fēng)險(xiǎn)越高。衡量方法如下：

2．自變量

（1）金融科技指數(shù)(FI)。

金融科技指數(shù)用于衡量金融科技發(fā)展程度。借鑒郭品、沈悅及汪可、吳青、李計(jì)的研究，本研究構(gòu)建金融科技指數(shù)，分為三個(gè)步驟。

第一步：建立金融科技初始詞庫。

郭品、沈悅從支付結(jié)算、資源配置、風(fēng)險(xiǎn)管理和信息傳遞四項(xiàng)金融功能，通過文本挖掘法建立了初始詞庫[2]。汪可、吳青、李計(jì)在此基礎(chǔ)上，結(jié)合了金融功能和技術(shù)路徑，通過文本挖掘法建立了金融科技初始詞庫[7]。據(jù)此，本研究將以汪可、吳青、李計(jì)所建立的初始詞庫作為本研究金融科技指數(shù)的初始詞庫。金融科技指數(shù)詞庫具體見表2。

表2 金融科技指數(shù)詞庫表

第二步：利用百度指數(shù)的數(shù)據(jù)，計(jì)算各關(guān)鍵詞的年度詞頻。

本研究統(tǒng)計(jì)了2006年至2017年間每個(gè)關(guān)鍵詞每一年百度指數(shù)的搜索頻率，百度指數(shù)的詞頻直觀反映了網(wǎng)民和企業(yè)對(duì)金融科技的關(guān)注程度，可以反映出金融科技的發(fā)展勢(shì)頭。

由于百度指數(shù)對(duì)表2中部分關(guān)鍵詞沒有收錄，本研究將沒有收錄的關(guān)鍵詞去除，剩下的關(guān)鍵詞如下。一是支付結(jié)算，即第三方支付、在線支付、移動(dòng)支付和網(wǎng)上支付；二是資源配置，即網(wǎng)貸和網(wǎng)絡(luò)投資；三是風(fēng)險(xiǎn)管理，即互聯(lián)網(wǎng)理財(cái)、互聯(lián)網(wǎng)保險(xiǎn)、在線理財(cái)、網(wǎng)絡(luò)理財(cái)；四是信息傳遞，即電子銀行、網(wǎng)上銀行、網(wǎng)銀和網(wǎng)絡(luò)銀行；五是技術(shù)基礎(chǔ)，即大數(shù)據(jù)、云計(jì)算、人工智能、區(qū)塊鏈和生物識(shí)別。

第三步：運(yùn)用因子分析法結(jié)合上述關(guān)鍵詞，構(gòu)建金融科技指數(shù)。首先，由于每個(gè)關(guān)鍵詞的詞頻相差較大，在進(jìn)行因子分析前，將每年關(guān)鍵詞詞頻進(jìn)行中心化，中心化公式如下：

其中，t表示第t年。

表3 金融科技維度指數(shù)因子分析檢驗(yàn)結(jié)果表

其次，本研究對(duì)支付結(jié)算、資源配置、風(fēng)險(xiǎn)管理、信息傳遞與技術(shù)基礎(chǔ)等五個(gè)維度詞頻，分別進(jìn)行因子分析，根據(jù)KMO統(tǒng)計(jì)量來判斷該維度詞頻所構(gòu)指數(shù)是否能夠合適地用來衡量該維度。KMO統(tǒng)計(jì)值取值0和1之間，大于0.9表示非常合適，0.8到0.9之間表示很合適，0.7到0.8之間表示合適，0.6到0.7之間表示勉強(qiáng)合適，小于0.6表示不合適。同時(shí)，Bartlett檢驗(yàn)中P值小于或者等于0.01，表示同一維度關(guān)鍵詞間合適因子分析。五個(gè)維度因子分析檢驗(yàn)結(jié)果見表3。

表3中，資源配置指數(shù)和信息傳遞指數(shù)的KMO統(tǒng)計(jì)值均小于0.6，這兩個(gè)維度的關(guān)鍵詞不太適合運(yùn)用因子分析構(gòu)建指數(shù)，因此，本研究在構(gòu)建金融科技指數(shù)和子指數(shù)時(shí)，將資源配置和信息傳遞兩個(gè)維度去除。金融科技指數(shù)因子分析檢驗(yàn)結(jié)果見表4。

表4 金融科技指數(shù)因子分析檢驗(yàn)結(jié)果表

圖1 2013—2017年金融科技指數(shù)

通過因子分析計(jì)算得出2013—2017年的金融科技指數(shù)和趨勢(shì)，如圖1所示。其中FI代表金融科技指數(shù)，F(xiàn)I1代表金融科技子指數(shù)支付結(jié)算指數(shù)；FI2代表金融科技子指數(shù)風(fēng)險(xiǎn)管理指數(shù)；FI3代表金融科技子指數(shù)技術(shù)基礎(chǔ)指數(shù)。由圖1顯示，2013年至2017年金融科技整體發(fā)展呈現(xiàn)上升趨勢(shì)，2013年至2014年金融科技發(fā)展主要得益于互聯(lián)網(wǎng)支付結(jié)算的發(fā)展，而2015年到2016年，互聯(lián)網(wǎng)財(cái)富風(fēng)險(xiǎn)管理帶領(lǐng)著金融科技發(fā)展，到了2017年，人工智能、區(qū)塊鏈等技術(shù)快速發(fā)展促使金融科技發(fā)展趨勢(shì)大幅上升。

（2）Lerner指數(shù)(LN)。

其中，P是總收入，以總收入/總資產(chǎn)表示，MC是總的邊際成本，i是指第i家銀行，t是指第t年。Lerner指數(shù)介于0到1之間。Lerner指數(shù)=0，表示為完全競(jìng)爭(zhēng)；Lerner指數(shù)=1，表示為完全壟斷；若0＜Lerner指數(shù)＜1，表示為壟斷競(jìng)爭(zhēng)或寡頭壟斷。即Lerner指數(shù)越高，代表市場(chǎng)競(jìng)爭(zhēng)程度高；Lerner指數(shù)越低，即市場(chǎng)競(jìng)爭(zhēng)程度低。至于計(jì)算總的邊際成本(MC)的系數(shù)，采用公式（4）成本推導(dǎo)函數(shù)計(jì)算得出：

其中，TC表示銀行總成本，包括財(cái)務(wù)費(fèi)用和運(yùn)營(yíng)費(fèi)用；TA表示銀行總資產(chǎn)，用于表示銀行產(chǎn)出；W表示銀行的投入價(jià)格，W1表示員工價(jià)格，用員工費(fèi)用/總員工數(shù)量表示，W2表示資本價(jià)格，以運(yùn)營(yíng)費(fèi)用（不包括員工費(fèi)用）/固定資產(chǎn)表示，W3表示存款價(jià)格，用財(cái)務(wù)費(fèi)用/總存款額表示；Trend表示時(shí)間趨勢(shì)與技術(shù)驅(qū)動(dòng)；i表示第i家銀行；t表示第t年；j表示第j種銀行的投入；k表示第k種銀行的投入。

最后通過公式（5）來求出銀行的邊際成本(MC)。求出MC之后，再經(jīng)由（3）式計(jì)算出Lerner指數(shù)。

3．控制變量

（1）凈資產(chǎn)回報(bào)率(ROE)。

（2）凈息差(NIM)。

（3）凈值資產(chǎn)比(EA)。

（四）研究模型

本研究為探究金融科技發(fā)展和市場(chǎng)競(jìng)爭(zhēng)對(duì)銀行風(fēng)險(xiǎn)承擔(dān)的影響。依據(jù)研究目的及國(guó)內(nèi)外相關(guān)文獻(xiàn)，本研究所提出研究模型如下：

其中，

PLit=第i家銀行第t年的貸款損失準(zhǔn)備計(jì)提率。

FINit=第t年的金融科技各指數(shù)。其中FI代表金融科技指數(shù)，F(xiàn)I1代表金融科技子指數(shù)支付結(jié)算指數(shù)；FI2代表金融科技子指數(shù)風(fēng)險(xiǎn)管理指數(shù)；FI3代表金融科技子指數(shù)技術(shù)基礎(chǔ)指數(shù)。

LNit=第i家銀行第t年市場(chǎng)競(jìng)爭(zhēng)程度。

ROEit=第i家銀行第t年凈資產(chǎn)回報(bào)率。

NIMit=第i家銀行第t年凈息差。

EAit=第i家銀行第t年資本資產(chǎn)率。

α0=截距常數(shù)項(xiàng)。

β=為估計(jì)系數(shù)。

εit=第i家公司第t年的誤差值。

四、實(shí)證分析結(jié)果與討論

（一）描述性分析

本研究進(jìn)行描述性分析，了解變量數(shù)據(jù)的基本特征（見表5）。所以變量的觀察值為248。

其中，銀行貸款損失準(zhǔn)備計(jì)提率的取值范圍為-0.666到2.590之間，均值為1.064，表明銀行應(yīng)計(jì)提不良貸款準(zhǔn)備金額尚可；金融科技指數(shù)取值范圍為0.159到1.741之間，均值為0.992，表明銀行逐漸運(yùn)用金融科技于銀行業(yè)務(wù)經(jīng)營(yíng)；銀行競(jìng)爭(zhēng)程度(Lerner指數(shù))的取值范圍為0.306到0.587之間，均值為0.447，表明整體銀行價(jià)格偏低，銀行市場(chǎng)競(jìng)爭(zhēng)程度一般。

表5 描述性分析表

（二）相關(guān)性分析

表6所示為自變量和控制變量之間的相關(guān)系數(shù)，金融科技指數(shù)與其子指數(shù)的相關(guān)系數(shù)超過0.7，因此本研究將金融科技指標(biāo)分開建模：金融科技指數(shù)與Lerner指數(shù)的模型為模型1-1；支付結(jié)算指數(shù)與Lerner指數(shù)的模型為模型1-2；風(fēng)險(xiǎn)管理指數(shù)與Lerner指數(shù)的模型為模型1-3；技術(shù)基礎(chǔ)指數(shù)與Lerner指數(shù)的模型為模型1-4。而其他變量均未超過0.7，表明變量之間系列相關(guān)程度較弱，每一個(gè)自變量和控制變量都可以獨(dú)立解釋因變量的關(guān)聯(lián)程度。

表6 變量相關(guān)性分析表

（三）最適效應(yīng)模型的選取

本研究采用Hausman檢驗(yàn)，進(jìn)行隨機(jī)效應(yīng)模型(Random Effect Model)或固定效應(yīng)模型(Fixed Effect Model)的選取。若檢定結(jié)果為接受，則應(yīng)采用隨機(jī)效應(yīng)模型；若拒絕，則應(yīng)采用固定效應(yīng)模型。

本研究經(jīng)Hausman檢定(見表7)，所有模型概率為0.000，在0.01水平下顯著拒絕，應(yīng)采用固定效應(yīng)模型。

表7 Hausman檢驗(yàn)結(jié)果表

（四）實(shí)證分析結(jié)果

本研究使用EVIEWS軟件進(jìn)行面板數(shù)據(jù)分析(panel data analysis)，經(jīng)實(shí)證分析結(jié)果如表8所示。進(jìn)一步論述實(shí)證分析結(jié)果如下。

1．金融科技指數(shù)與Lerner指數(shù)的模型回歸分析結(jié)果

本研究模型1-1為金融科技指數(shù)與Lerner指數(shù)對(duì)銀行風(fēng)險(xiǎn)承擔(dān)的研究模型。模型1-1的判定系數(shù)(R2)為0.558，顯示模型擬合度較好。F統(tǒng)計(jì)值為6.791，在p=0.01水平下顯著，說明模型解釋度良好。FI的估計(jì)系數(shù)為0.148，對(duì)PL有正向影響，且在p=0.05的水平下顯著，支持研究假設(shè)一。LN的估計(jì)系數(shù)為5.315，對(duì)PL有正向影響，且在p=0.01的水平下顯著，支持研究假設(shè)二。

2．支付結(jié)算指數(shù)與Lerner指數(shù)的模型回歸分析結(jié)果

本研究模型1-2支付結(jié)算指數(shù)與Lerner指數(shù)對(duì)銀行風(fēng)險(xiǎn)承擔(dān)的研究模型。支付結(jié)算模型1-2的判定系數(shù)(R2)為0.576，顯示模型擬合度較好。F統(tǒng)計(jì)值為7.236，在p=0.01水平下顯著，說明模型解釋度良好。FI1的估計(jì)系數(shù)為0.362，對(duì)PL有正向影響，且在p=0.01的水平下顯著，支持研究假設(shè)一。LN的估計(jì)系數(shù)為6.541，對(duì)PL有正向影響，且在p=0.01的水平下顯著，支持研究假設(shè)二。

3．風(fēng)險(xiǎn)管理指數(shù)與Lerner指數(shù)的模型回歸分析結(jié)果

本研究模型1-3風(fēng)險(xiǎn)管理指數(shù)與Lerner指數(shù)對(duì)銀行風(fēng)險(xiǎn)承擔(dān)的研究模型。模型1-3的判定系數(shù)(R2)為0.577，顯示模型擬合度較好。F統(tǒng)計(jì)值為7.256，在p=0.01水平下顯著，說明模型解釋度良好。FI2的估計(jì)系數(shù)為0.177，對(duì)PL有正向影響，且在p=0.01的水平下顯著，支持研究假設(shè)一。LN的估計(jì)系數(shù)為4.985，對(duì)PL有正向影響，且在p=0.01的水平下顯著，支持研究假設(shè)二。

4．技術(shù)基礎(chǔ)指數(shù)與Lerner指數(shù)的模型回歸分析結(jié)果

表8 金融科技指數(shù)及其子指數(shù)與Lerner指數(shù)回歸分析結(jié)果表

本研究模型1-4技術(shù)基礎(chǔ)指數(shù)與Lerner指數(shù)對(duì)銀行風(fēng)險(xiǎn)承擔(dān)的研究模型。模型1-4的判定系數(shù)(R2)為0.546，顯示模型擬合度較好。F統(tǒng)計(jì)值為6.501，在p=0.01水平下顯著，說明模型解釋度良好。FI3的估計(jì)系數(shù)為-0.015，對(duì)PL有負(fù)向影響，但在p=0.1的水平下不顯著，不支持研究假設(shè)一。LN的估計(jì)系數(shù)為5.975，對(duì)PL有正向影響，且在p=0.01的水平下顯著，支持研究假設(shè)二。

（五）實(shí)證結(jié)果之討論

經(jīng)實(shí)證分析結(jié)果，本研究進(jìn)一步討論實(shí)證分析結(jié)果的可能原因。

1．就金融科技指數(shù)而言

本研究實(shí)證分析結(jié)果顯示，金融科技指數(shù)對(duì)貸款損失準(zhǔn)備計(jì)提率有顯著正向影響。

金融科技的發(fā)展給傳統(tǒng)商業(yè)銀行帶來了機(jī)遇和挑戰(zhàn)。金融科技的應(yīng)用給商業(yè)銀行的服務(wù)提供了更多的渠道，降低了操作的風(fēng)險(xiǎn)，降低了交易的成本，在一定程度上降低了銀行的風(fēng)險(xiǎn)承擔(dān)。但是，金融科技的發(fā)展提高了銀行的資金成本，加大了商業(yè)銀行對(duì)技術(shù)的依賴。眾多金融科技公司的誕生，“蠶食”了商業(yè)銀行利潤(rùn)、加劇了價(jià)格競(jìng)爭(zhēng)，讓商業(yè)銀行受到了來自銀行外部的潛在挑戰(zhàn)。在監(jiān)管尚未到位的情況下，銀行為了維持或提高業(yè)績(jī)，降低資產(chǎn)的選擇標(biāo)準(zhǔn)，導(dǎo)致風(fēng)險(xiǎn)資產(chǎn)的增加，進(jìn)而使得銀行的信用風(fēng)險(xiǎn)提高。

2．就市場(chǎng)競(jìng)爭(zhēng)而言

經(jīng)實(shí)證分析結(jié)果顯示，市場(chǎng)競(jìng)爭(zhēng)程度對(duì)貸款損失準(zhǔn)備計(jì)提率有顯著正向影響。

個(gè)別銀行的市場(chǎng)競(jìng)爭(zhēng)力增強(qiáng)會(huì)使得銀行的定價(jià)能力提高，從而可以維持一定的業(yè)績(jī)，最終導(dǎo)致銀行的市場(chǎng)業(yè)務(wù)快速擴(kuò)張。隨著市場(chǎng)的拓展，各銀行為了在同業(yè)競(jìng)爭(zhēng)中保持或擴(kuò)大優(yōu)勢(shì)，就會(huì)放寬貸款的標(biāo)準(zhǔn)，選擇較高風(fēng)險(xiǎn)的資產(chǎn)，使得銀行的信用風(fēng)險(xiǎn)升高，信用風(fēng)險(xiǎn)的升高，也符合了銀行競(jìng)爭(zhēng)脆弱假說。

五、結(jié)論與建議

（一）研究結(jié)論

根據(jù)實(shí)證研究表明，金融科技、市場(chǎng)競(jìng)爭(zhēng)與銀行風(fēng)險(xiǎn)呈正相關(guān)關(guān)系，即金融科技的發(fā)展和市場(chǎng)競(jìng)爭(zhēng)的提高會(huì)在一定程度上導(dǎo)致銀行風(fēng)險(xiǎn)的增加。

（二）相關(guān)建議

本研究通過面板數(shù)據(jù)固定效應(yīng)模型分析，實(shí)證金融科技與市場(chǎng)競(jìng)爭(zhēng)對(duì)銀行風(fēng)險(xiǎn)承擔(dān)的影響結(jié)果，對(duì)金融監(jiān)管機(jī)構(gòu)及銀行經(jīng)營(yíng)者提出以下具體建議。

1．銀行應(yīng)重視金融科技風(fēng)險(xiǎn)控制，拓寬經(jīng)營(yíng)模式

銀行在金融科技發(fā)展的大趨勢(shì)下，要正視金融科技帶來的機(jī)遇和挑戰(zhàn)，分清當(dāng)前市場(chǎng)的變化。根據(jù)實(shí)證分析表明，銀行在短期內(nèi)金融科技的迅速崛起會(huì)弊大于利。風(fēng)險(xiǎn)不容忽視。但是，當(dāng)前銀行采用大數(shù)據(jù)分析系統(tǒng)，可提升營(yíng)運(yùn)績(jī)效約20%—30%左右。因此，銀行需要憑借自身的財(cái)富累積、金融管理經(jīng)驗(yàn)和眾多合作顧客等優(yōu)勢(shì)，主動(dòng)融合互聯(lián)網(wǎng)技術(shù)，打造全面的數(shù)據(jù)生態(tài)系統(tǒng)，建立強(qiáng)大的數(shù)據(jù)分析基礎(chǔ)設(shè)施。并且在業(yè)務(wù)上改變策略，拓寬經(jīng)營(yíng)模式，例如推廣區(qū)塊鏈優(yōu)化支付和清算流程、數(shù)字貨幣、網(wǎng)絡(luò)借貸等。

2．銀行加深金融科技合作，進(jìn)行優(yōu)勢(shì)互補(bǔ)

商業(yè)銀行與金融科技公司既存在競(jìng)爭(zhēng)，也存在著合作。不論在負(fù)債端還是在資產(chǎn)端，金融科技公司對(duì)銀行業(yè)都具有重要影響。不斷流通周轉(zhuǎn)的商業(yè)銀行資金與金融科技公司資金，有利于創(chuàng)新產(chǎn)品的研發(fā)，更加高效地滿足市場(chǎng)需求，致使商業(yè)銀行存款資產(chǎn)的流動(dòng)性逐漸增加。因此，商業(yè)銀行應(yīng)該與金融科技企業(yè)開展合作，進(jìn)行優(yōu)勢(shì)互補(bǔ)。商業(yè)銀行學(xué)習(xí)金融科技公司的運(yùn)營(yíng)模式，通過深化合作、合資或者并購，相互分享金融科技成果，建立和諧的金融環(huán)境。

3．監(jiān)管機(jī)構(gòu)強(qiáng)化監(jiān)管科技應(yīng)用

近年來我國(guó)金融科技發(fā)展迅速，金融監(jiān)管者應(yīng)該強(qiáng)化金融監(jiān)管科技(RegTech)制度，利用大數(shù)據(jù)、人工智能等科技對(duì)銀行業(yè)進(jìn)行深入監(jiān)管，控管銀行業(yè)風(fēng)險(xiǎn)，從而維護(hù)中國(guó)金融系統(tǒng)穩(wěn)定；同時(shí)，應(yīng)設(shè)立監(jiān)理沙盒(regulatory sandboxes)、金融創(chuàng)新中心(innovation hubs)與創(chuàng)新加速器(innovation accelerator)，由政府機(jī)構(gòu)與金融科技公司及銀行共建金融監(jiān)管科技制度[2]。