金融科技對券商盈利能力增長的影響

陳健 張鎮宇

摘要：本文運用2015—2019年中國44家上市券商的數據，實證檢驗金融科技對券商盈利能力增長的影響。研究結果表明，金融科技對企業盈利能力增長有積極影響，并且企業的較大規模，更強的競爭能力也對盈利能力產生積極影響，而單一的收入結構以及低效的管理對企業盈利具有負面影響。券商企業應通過加快金融科技布局、促進智能技術與券商業務深度融合、聚焦財富管理業務、利用數據分析完善服務與產品設計、加強金融科技人才引進與培養以及制定人才長期發展戰略等金融科技與業務相結合的方式，提升企業競爭力，豐富收入結構以及提高管理效率，進而促進企業盈利能力增長。

關鍵詞：金融科技;證券公司;回歸模型

一、研究背景及意義

20世紀90年代，金融科技（Fintech）的概念由歸屬于花旗銀行的研究項目“金融服務技術聯盟”首次提出，而根據央行2019年8月出臺的《金融科技（FinTech）發展規劃（2019-2021年）》對金融科技的定義可知，金融科技是指運用人工智能、大數據、區塊鏈、物聯網等信息技術實現金融產品、業務流程以及經營模式等的改造與創新。隨著金融行業的蓬勃發展，國內傳統券商行業如今面臨其他傳統金融企業、互聯網金融公司以及外資金融機構的多重沖擊。與此同時，大部分券商公司目前也在積極加大金融科技的投入研發，通過金融科技同自身業務結合來保持核心競爭力。如何更好地利用金融科技促進自身服務實現更好的轉型，提高產品質量以及提高經營效率，以此來促進企業盈利更快地增長是目前上市券商急需解決的問題。

二、文獻綜述

金融科技通常被理解為運用科技工具推動金融系統的變革與創新。有關學者圍繞金融科技的內涵與技術特點進行了深入探討。

2016年金融穩定委員會（FSB）首次對金融科技概念進行界定：金融科技是指通過技術進行金融創新，對金融產品、服務、金融機構以及金融市場帶來變化的新產品服務、新技術應用以及新業務模式。而英國金融行為監管局（FCA）則界定金融科技是一種利用創新技術對公司目前的金融服務去中介化的進程。

國內有關研究中，易憲容（2017）認為金融科技同互聯網金融以及科技金融有所區別。金融科技具體是將新技術用于金融行業，通過降低金融成本并提升金融效率的有效手段。需要重點區分的是，互聯網金融強調的是傳統金融服務與互聯網技術相融合，本質上仍然屬于金融。但金融科技主要強調科技，是服務于金融的科技產業。而周代數、張立超以及譚璐（2020）運用金融脫媒以及金融排斥理論分析券商金融科技發展動因，認為金融脫媒會促使金融服務更加線上化、數字化、虛擬化，而金融科技也會逐步緩解券商長期存在的金融排斥現象。

具體層面上，韓書成（2013）從券商經營效率出發，認為傳統證券公司效率低下，需要通過創新以及科技人才培養提升經營效率。時分、時秒（2014）通過DEA方法針對29家不同規模券商做實證研究，結論認為，規模是影響經營效率重要因素，投入過多會造成規模報酬遞減，但相比其他券商具有良好的競爭優勢。而夏仕亮（2015）運用2009—2014年的數據進行實證分析，引入成本費用比作為變量，發現成本控制對獲利影響顯著。與此同時，王佳惠（2018）通過實證分析中信證券的收入結構發現券商要發展多元化收入以提高風險應對能力。

本文創新之處在于根據其他學者研究成果選擇實證研究控制變量的同時，加入金融科技因素作為新的解釋變量，并收集中國44家上市券商2015年至2019年的相關數據進行分析，然后采用相關性檢驗、KMO檢驗等分析方法對影響因素作進一步檢驗，最后建立多元回歸模型對其影響因子作實證分析。

三、研究設計及實證分析

（一）模型建立

基于盈利能力分析相關理論，建立如下回歸模型：

上述公式中，為盈利能力增長率，為該模型的被解釋變量。表示金融科技投入情況，該變量作為模型的解釋變量。到表示其他能夠影響盈利能力變化的控制變量，表示企業規模變化影響，表示企業管理能力變化情況，表示企業主營業務收入結構變化情況，表示宏觀經濟環境變化，為模型的誤差項。

（二）變量選取

1.被解釋變量

本文研究金融科技對券商盈利能力增長的影響，所以券商盈利能力增長作為本文實證研究的因變量，盈利能力通常選取成本費用利潤率、營業利潤率、凈資產收益率、總資產收益率以及資本收益率等指標，本文選取總資產凈利率作為因變量研究對象，通過計算總資產凈利率（ROA）增長率來分析企業盈利能力的變化情況。總資產凈利率（ROA）增長率=（公司本年總資產凈利率-公司上年總資產凈利率）/公司上年總資產凈利率。

2.解釋變量

由于金融科技主要用于提升券商的管理能力、促進企業服務轉型以及豐富企業的收入來源，研究比較難從數據端直觀反映，而科研人員作為科技提升的主要因素，科研人員的數量占比能夠很大程度反映一家公司的科研實力，故本文選擇企業金融科技從業人員占員工總數的增長率作為自變量，用于解釋企業金融科技投入程度以及水平高低。企業金融科技從業人員占員工總數的增長率=（公司本年金融科技從業人員占員工總數-公司上年金融科技從業人員占員工總數）/公司上年金融科技從業人員占員工總數。

3.控制變量

目前學界對券商盈利能力增長因素仍有諸多觀點，不僅僅科研投入會對企業盈利能力造成影響，券商規模及業內競爭情況、管理能力、業務收入結構以及宏觀環境因素也會影響券商的盈利增長。因此，為剔除影響上市券商盈利增長的其他因素，讓模型結果更加精確，同時降低同一模塊不同數據多重共線性影響，本文從每個模塊中選出代表性數據即總資產規模占比增長率、成本收入比增長率、代理買賣證券業務凈收入占比增長率以及GDP增長率（以年為單位）作為控制變量。

（1）總資產規模占比增長率

通常認為，企業總資產規模占市場總資產規模比重增長率能夠反映一家企業的整體競爭力以及市場格局動態變化情況。因此本文選擇總資產規模占比增長率作為控制變量之一。總資產規模占比增長率=（公司本年總資產占券商上市公司資產規模比例-公司上年總資產占券商上市公司資產規模比例）/公司上年總資產占券商上市公司資產規模比例。

（2）成本收入比增長率

一般來說，在估計券商盈利能力增長時，不能只考慮收入增長，而忽略成本對盈利能力增長的影響。一家公司成本費用高低一定程度上反映了管理水平的高低以及財務健康狀況，而成本收入比增長率則反映企業成本控制能力的變化情況，所以，本文選擇成本收入比增長率作為第二個控制變量。成本收入比增長率=（公司本年管理費用占營業收入的比例-公司上年管理費用占營業收入的比例）/公司上年管理費用占營業收入的比例。

（3）代理買賣證券業務凈收入占比增長率

通常券商的主營業務收入主要包括代理買賣證券業務收入、手續費及傭金收入、證券承銷業務收入、受托客戶資產管理業務收入以及利息收入。而代理買賣證券業務凈收入作為當前券商最重要的收入來源，在企業主營業務收入中占比最大，對企業的業務收入結構具有重要影響，而代理買賣證券業務凈收入占比增長率則能反映企業收入結構變化情況。因此選擇代理買賣證券業務凈收入占比增長率作為文本的第三個控制變量。代理買賣證券業務凈收入占比增長率=（公司本年代理買賣證券業務凈收入占比-公司上年代理買賣證券業務凈收入占比）/公司上年代理買賣證券業務凈收入占比。

（4）GDP增長率

通常來說，金融行業較容易受宏觀經濟因素的影響，而券商作為金融行業中重要組成部分，當經濟形勢好時，券商盈利增長較快。而GDP增長率客觀反映了宏觀經濟環境因素的變化狀況，故選擇GDP增長率（以年為單位）作為第四個控制變量。GDP增長率（以年為單位）的數據直接來源國家統計局。

（三）樣本的選取及數據整理

金融科技首次引起中國市場關注是2015年，所以本文研究對象為2015年到2019年44家上市券商。本文數據主要來源于Wind數據庫、銳思數據庫、國家統計局。由于各券商公司上市時間，數據公布程度不同，為保證實驗的準確性和數據的代表性，對數據公布不完整的，采取搜索公司年報補齊的方式，最后得到128個有效樣本。關于自變量占比的計算和數據的匯總整理使用Excel工作表完成。所有計算過程均通過Stata14統計軟件完成。本文數據樣本涵蓋大中小券商，其中已有券商資產規模占上市券商公司比重在2015到2019年分別為69%、69%、69%、76.6%和82%，具有較好的代表性。

（四）統計分析

為了便于對數據進行分析，用ROAG表示總資產收益率增長率，TEPG表示企業金融科技從業人員占員工總數的增長率，TAG表示總資產規模占比增長率，CIG表示成本收入比增長率，BSG表示代理買賣證券業務凈收入占比增長率，GDPG表示GDP增長率。

1.描述性統計分析

被解釋變量、解釋變量和控制變量的描述性統計分析如表1所示。

從表1可知，金融科技從業人員占比變化率（TEPG）的標準差最大，為1.275 191，并且極差較大，為15.141 782，說明不同證券公司對于金融科技的投入程度存在巨大的差異，通常來說位于頭部的券商公司財力較強，能夠更好地投資科技產業，而其他小公司由于財務收入不穩定，甚至可能出現減少科研投入的情況，進而導致不同公司的科研規模增長速度不同。而總資產凈利率增長率（ROAG）和總資產規模占比增長率（TAG）平均值大于0說明近幾年券商行業處于增長的態勢，且總資產規模在不斷擴大。同時總資產規模占比增長率（TAG）最大值遠大于最小值絕對值，而通常中小券商增長速度高于頭部券商增長速度，則該數據主要說明資產規模增長主要是由市場中小券商迅速發展引起的。與此同時，成本收入比增長率（CIG）平均值為正說明企業的管理能力不能滿足目前市場的發展，并且變量極差數值為3.439 209，處于最高水平，說明不同公司的管理水平存在較大區別，并且企業需要積極尋找新的途徑來提升公司整體的管理能力，以提升企業經營效率。最后，從企業收入結構出發，由于中國證券交易主要集中于散戶交易，且其他業務不夠完善，代理買賣證券在很長一段時間都作為券商公司主要的收入來源而代理買賣證券業務凈收入占比增長率（BSG）為負說明當前單一的收入結構已不能滿足企業的發展需求，券商行業正通過完善其他業務來拓寬收入渠道。

2.相關性統計分析

本文對自變量與控制變量進行相關性統計分析，結果如表2。

按照通用標準，通常認為相關系數絕對值在0—0.3表示不存在相關性，0.3—0.6表示弱相關，0.6—0.8表示中等相關，而0.8—1.0表示強相關，從表2可知，所有相關系數絕對值均小于0.5，表示整體相關性不存在或僅有極弱的相關性。

（五）實證檢驗

1.多重共線性檢驗

為分析變量間是否存在多重共線性，本文對數據進行多重共線性檢驗，結果如表3所示。

可以用方差膨脹因子VIF來檢驗變量之間是否存在多重共線性，通常認為VIF越大，代表多重共線性越嚴重，會對回歸分析結果造成顯著影響。而一個經驗規則認為，每一個變量對應一個VIF，當最大的VIF值都小于10時，可以認為不存在明顯的多重共線性。而根據表3可知，自變量及控制變量的方差膨脹因子都遠小于10，最大僅為2.13，因此可以認為該模型多重共線性程度不嚴重。

2.KMO檢測

為進行更全面的變量相關性分析，檢驗數據是否存在公共因子，通過計算KMO值判斷原始數據內部是否存在明顯的公共因子，結果如表4所示。

通常認為，如果原始變量之間存在公共因子，則需要進行主成分分析和因子分析。根據Stata14計算可知原始數據的KMO值為0.304 0，通常KMO值大于0.5才能進行主成分分析和因子分析，該檢驗說明原始數據不適合作這兩種分析。結合表3多重共線性檢驗結果說明該模型原始數據不存在明顯的多重共線性、相互獨立性較強，并且原始數據能較好地解釋變量的變化。

（六）回歸結果及分析

本文對44家上市券商2015年至2019年的相關數據建立多元回歸模型，回歸結果如表5所示。

從多元回歸模型的回歸結果來看，金融科技從業人員占員工總數的增長率（TEPG）、總資產規模增長率（TAG）、成本收入比增長率（CIG）和手續費及傭金凈收入占比增長率（BSG）在0.05的水平上顯著，且系數分別為0.228 735 2、0.593 602 3、-2.197 767 0和-1.254 088 0，該系數說明金融科技從業人員占員工總數的增長率（TEPG）和總資產規模占比增長率（TAG）會對企業總資產收益率增長率（ROAG）造成顯著的積極影響。與此同時，該數據說明成本收入比增長率（CIG）和代理買賣證券業務凈收入占比增長率（BSG）對企業總資產收益率增長率（ROAG）會造成明顯的負面影響。而GDP增長率（GDPG）未通過顯著性檢驗，不能說明該指標對企業總資產收益率增長率（ROAG）有顯著關聯。

以上數據結合全文可以說明，首先，券商行業受管理水平的影響非常明顯，管理水平低的公司通常來說盈利能力較差。其次，代理買賣證券業務之所以會對企業盈利能力造成顯著影響是由于中國目前的證券交易市場還是以散戶交易為主的市場，在該市場中券商主要通過代理買賣證券進而收取費用，而中國散戶的大量交易導致代理買賣證券業務收入成為大多數券商行業最主要的收入來源，該系數為負說明過多依賴代理買賣證券業務的券商收入結構過于單一，受經濟周期和市場風險影響明顯，不利于券商的利潤增長。再者，總資產規模占比增長率與利潤同方向增長則說明隨著企業競爭力不斷增強，公司逐漸搶奪原有券商公司的市場份額。隨著公司占領的市場份額越來越多，話語權增大，抗風險能力更出色，規模效應導致在一定程度上大公司相較小公司經營成本更低并且效率更高，這會對企業長期盈利能力增長造成正面影響。而金融科技從業人員占員工總數的增長率的系數為正則說明金融科技對企業的利潤增長的主要動因之一，主要原因是金融科技能夠為券商財富管理業務轉型提供強力助推劑，豐富券商的業務收入結構，而大數據分析能夠提升企業的管理效率，進而提高企業同其他券商企業的競爭力，從而促進券商企業的盈利能力增長。

四、對策及建議

根據實證結果可知，金融科技對券商盈利增長具有積極作用。而金融科技主要從提高管理效率及簡化業務流程、改善企業收入及財務結構、豐富已有產品種類等方面提升企業競爭力，進而促進企業資產規模擴張、盈利能力增長。本文將從以上幾個方面對券商金融科技的實際運用提出具體建議。

（一）加快金融科技布局，促進智能技術與券商業務深度融合

首先，為迅速提高金融科技水平，券商可以通過注資、收購已有金融科技企業等方式獲取核心技術以彌補自身短板。與此同時，針對關鍵共性技術，券商可自發組建行業聯盟，開展深度合作，共同進行投入研發。其次，通過引入人工智能、大數據等新興科技手段，促使券商前中后臺部門業務流程自動化，以此減少處理數據、報告生成、對賬以及結算等重復性高，模糊性低的工作所占用的企業資源。最后，企業應專門設立科技研發部門或者子公司，搶占技術制高點。并通過深入研究金融科技在公司整體層面的運用模式，不斷優化現有業務流程，提升企業管理效率。

（二）聚焦財富管理業務，利用數據分析完善服務與產品設計

當前，券商金融科技業務布局已從之前機構保代業務、投資者交易業務逐漸轉向財富管理業務，券商可以通過完善財富管理業務來擴寬原有收入渠道，豐富收入結構。具體表現為證券公司可以通過精準化、多維度的大數據分析方式生成用戶畫像并分析用戶類別，以此挖掘潛在客戶和聚焦存量客戶深度開發，并根據用戶畫像運用差異化營銷完成產品銷售。與此同時，券商應加速智能投顧平臺落地，該平臺可以通過數據分析自動為客戶提供決策建議并定制合適的產品組合，保證產品服務輕型化、敏捷化的同時，實現業務模式的創新。

（三）加強金融科技人才引進與培養，制定人才長期發展戰略

金融科技人才作為金融科技發展重要因素之一，人才缺口已成為阻礙金融科技發展的巨大瓶頸。券商為更快搶占科技制高點，應加大金融人才引進與培養，最大程度填補金融科技現有的大量人才缺口。但從長期來看，當前市場的金融科技人才供給數量增長速度并不足以滿足券商日漸增長的高端科技人才需求。因此，券商應主動制定人才長期發展規劃，把人才培養放在金融科技投入的優先位置。與此同時，證券公司可以利用高校優質的學術資源及充足的生源，同高校開展金融科技人才聯合培養，按照業界要求對學生進行實踐授課，以此來培養和篩選優質人才，豐富企業金融科技人才后備庫的同時，也能降低員工入職培養成本。

五、結語

本文通過對2015—2019年中國44家上市券商的數進行描述性分析，并經過多重共線性檢驗與KMO檢驗后，建立回歸模型，進而實證檢驗金融科技及其他控制變量增長率對ROA增長率的影響。結論表明金融科技對企業盈利能力增長有積極影響，并且企業的較大規模、更強的競爭能力也對盈利能力產生積極影響，而單一的收入結構以及低效的管理對企業盈利具有負面影響。建議企業通過加強金融科技人才引進與培養、利用數據分析完善服務與產品設計以及促進智能技術與券商業務深度融合等方式，提升企業盈利能力水平。

參考文獻：

[1]周代數，張立超，譚璐.券商金融科技發展的動因、風險與對策[J].海南金融，2020（3）.

[2]劉孟飛，蔣維.金融科技促進還是阻礙了商業銀行效率？——基于中國銀行業的實證研究[J/OL].當代經濟科學.http：//kns.cnki.net/kcms/detail/61.1400.f.20200221.0931.002.html.

[3]趙旭.區塊鏈技術對證券業發展的挑戰及路徑策略分析[J].武漢金融，2018（12）.

[4]趙鷂.Fintech的特征、興起、功能及風險研究[J].金融監管研究，2016（9）.

[5]易憲容.金融科技的內涵、實質及未來發展——基于金融理論的一般性分析[J].江海學刊，2017（2）.

[6]皮天雷，劉垚森，吳鴻燕.金融科技：內涵、邏輯與風險監管[J].財經科學，2018（9）.

[7]韓書成，張帆，陳思琴，馬浩然.證券公司經紀業務創新模式及其全面風險管理機理研究[J].金融經濟，2013（18）.

[8]夏仕亮.券商收入結構與盈利能力關系實證檢驗[J].財會月刊，2015（32）.

[9]時分，時秒.基于DEA的創新類證券公司經營效率實證分析[J].金融經濟，2014（24）.

基金項目：廣東省研究生教育創新計劃資助項目 （2019JGXM46）;2020 年廣東省大學生創新創業計劃項目。