金融科技影響銀行體系穩定性的機制研究

■陳 柱，衣述冰

一、引言與文獻綜述

金融科技起源于20世紀90年代，在2016年后迅速成為金融行業的焦點。根據艾瑞咨詢2020年發布的報告顯示，2019年中國金融機構技術資金總投入達1770.9億元，其中銀行占比68.6%。陳雨露（2021）提出，中國作為全球金融科技發展領先國家，更應把握好金融領域發展與穩定的關系，持續做好防范風險工作，加強金融科技監管。2020年1月，首批6個金融科技創新監管試點啟動，我國的監管沙盒計劃逐步開始推進。這些表明，從國家層面，金融行業的風險防控工作和針對金融科技的監管舉措正在不斷推陳出新，并在穩步落實。

金融科技是一把“雙刃劍”，一方面，金融科技可以通過去中心化、分散投資、提升透明度、提高銀行體系及金融市場服務效率來減輕金融風險。另一方面，金融科技會加劇市場風險的順周期性、傳染性和波動性，嚴重影響并破壞金融穩定性。因此，結合中國金融市場的特征，探究信息效應對銀行體系穩定性的影響，成為亟待研究的課題。

國外對金融科技的研究主要集中在以下方面：一是研究單一因素的影響。如FSB（2017）認為去中心化可以緩解由于任何單一金融機構的失敗而造成的金融沖擊；Dastin（2017）基于金融科技的傳染性造成的系統性風險分析了2017年亞馬遜云服務的失敗，認為其破壞了訂戶和技術初創公司的運營。二是研究區塊鏈、人工智能等金融科技的子類對金融穩定的影響。如Narayan et al.（2018）研究了比特幣價格增長（BPG）導致了通貨膨脹增長、貨幣升值和貨幣流通速度下降對貨幣體系穩定的影響；Kirilenko&Lo（2013）研究了2007—2012年之間的5個案例，演示了算法交易如何破壞金融穩定性，認為算法交易可以放大股票市場的負面影響，并有助于擴大金融體系的傳遞性和脆弱性。三是研究金融科技對金融穩定性的整體影響。如Fung et al.（2020）通過實證分析發現金融科技在不同國家對具有不同市場特征的金融機構的脆弱性影響也有所差異。四是基于提高銀行體系穩定性的研究。銀行體系穩定性是指銀行體系遠離破產風險的程度，Kosmidou et al.（2017）發現信息不對稱與銀行業的股票崩盤正相關，金融科技在許多領域的大數據分析將提高信息的透明度從而提高銀行體系穩定性，這與Guerineau&Leon（2019）的發現一致，同時他們發現信用信息共享也緩解了發達國家和新興市場國家由于家庭信貸繁榮對金融穩定性的不利影響。

國內研究主要集中在以下方面：一是基于對銀行體系穩定性的影響。從互聯網金融到金融科技的發展，眾多研究關注到了其對提高商業銀行經營效率和盈利水平的重大作用，同時也有部分研究關注其對商業銀行風險管理和風險傳染的不利影響，王蕙（2019）使用了zscore模型測度銀行體系的穩定性，從不同角度分析了互聯網金融、金融科技及外商投資對銀行體系穩定性的影響；邱晗等（2018）研究發現金融科技通過影響銀行負債端結構使得資產端風險承擔偏好上升，規模越大的銀行受到金融科技沖擊越小；王升（2020）通過實證研究發現互聯網金融對我國商業銀行風險承擔的影響呈現“U”形或倒“U”形分布。二是基于對銀行業系統性風險的影響研究。如劉孟飛（2021）對金融科技與商業銀行系統性風險之間的關聯機制與影響效應分析后發現金融科技整體上提高了我國銀行業的系統性風險；方意等（2020）從內生風險框架出發，梳理分析了金融科技業務和技術兩個層面的系統性風險。三是基于金融科技對社會不同方面的不同影響進行研究。如侯層和李北偉（2020）通過實證研究表明金融科技通過提高創新能力、增強技術溢出效果以及促進產業結構轉型升級等途徑顯著提高全要素生產率。黃國平（2020）發現金融科技的新技術應用使中國居民融資結構得到了優化。四是基于金融科技的監管層面進行研究。金融科技發展拓展金融邊界的同時也帶來了一定技術和機制上的風險，增強風險管控、嚴格監管政策勢在必行（唐也然，2021；張茂軍等，2021）；李赟鵬（2021）論述了在中國推出金融科技監管沙盒的必要性，提出我國需要通過增加科技在金融監管領域使用深度與廣度、增強金融監管部門協作能力等方式進行金融科技監管改革。高翔和李珊珊（2020）總結多個國家金融科技發展的問題和經驗，提出加快數據框架研究，制定統一的國際標準。

綜上所述，現有的研究包含金融科技對銀行體系相關影響的研究，包括對商業銀行風險承擔能力的影響及異質性，但仍沒有統一的研究結論。本文使用zscore作為銀行體系穩定性的替代性指標，將數字普惠金融指數作為金融科技指數的替代性指標，探討了金融科技對銀行體系穩定性的影響，并分別從被解釋變量成分拆解和信息中介效應角度分析影響的路徑和機制。

二、理論假說

金融科技創新對銀行體系的影響主要體現在經營管理和效率以及風險承擔等方面：一是負債端，互聯網金融創新的線上普適產品促使銀行丟失“長尾”客戶群，投資產品風險偏好上升增加銀行風險，且互聯網金融加速了存款利率市場化從而壓縮了銀行存款利潤，提升風險，同時可能加速銀行體系金融科技發展。二是資產端，金融科技的發展應用降低了信息不對稱，信貸結構向數字化調整，但網貸平臺等民間融資方式頻發風險事件，銀行體系是否受益仍受監管政策及效果的影響。三是中間業務，金融科技的發展為銀行業帶來了如數字銀行、智能投顧、線上理財等產品業務的發展，但新興技術對銀行體系的中間業務依然沖擊很大，特別是線上支付業務帶動的其他互聯網金融業務的興起，加速了“金融脫媒”，銀行體系中間業務失守，眾多客戶流失。

綜上，金融科技創新對銀行體系的影響機制可概括為：一是通過影響金融市場的效率和規模來影響銀行體系的穩定性；二是由于信息技術革新可能會帶來信息效應，從而影響銀行體系穩定性。基于此，提出以下假設：

H1：金融科技的發展降低了我國銀行體系的穩定性。

我國金融科技發展仍處于上升期，金融科技有利于發揮金融的普惠性和包容性，于鳳芹和于千惠（2021）通過對中介傳導機制的研究發現金融科技發展對規模越大的銀行盈利能力的正向影響作用越強，小型金融機構正在充分享受金融科技帶來的紅利，但面對的不確定因素也最多，風險更大，而發展較快、正處于規模擴張但又面臨很多風險的發展瓶頸期的股份制商業銀行，也可稱為“規模擴張瓶頸期”商業銀行，金融科技對其穩定性影響可能較大。基于此，提出以下假設：

H2：金融科技對不同類型的銀行體系的穩定性影響存在差異，處于發展前期的中小型及“規模擴張瓶頸期”的商業銀行受到影響更大。

Fung&Lee（2020）研究發現金融科技對不同國家、不同市場的金融穩定性的影響具有差異性，金融科技的發展能增強新興金融市場的穩定性，卻會破壞發達金融市場的穩定性。本文將進一步探討金融科技的發展對中國金融市場的影響，對于我國這個特定市場而言，國家為維護金融體系穩定，防止發生系統性金融風險，銀行體系規模越大受到的監管往往越嚴格，且其自身控制風險能力也越強。基于此，提出以下假設：

H3：對于中國特定市場，金融科技發展過程中，銀行體系的規模在一定程度上影響著銀行體系整體穩定性。

對于金融機構而言，金融活動是以金融資產定價為核心的不同交易者之間的金融資產交換，金融資產形式多樣性及金融衍生品的繁榮使金融資產價格波動性加大，加劇了金融風險。同時，金融風險具有外溢效應，信息的復雜性和隱蔽性也會放大負面效應。當金融科技的發展速度與控制能力、監管措施不匹配，數據保護機制較弱時，數據易獲性更強，信息傳遞效率提高的背后隱藏著危機，數據隱私保護、數字犯罪及網絡攻擊等問題將日漸凸顯。基于此，提出以下假設：

H4：信息效應在金融科技影響銀行體系穩定性中存在中介效應。

三、研究設計

（一）數據來源

剔除所有已上市銀行中2018年之后上市的銀行，基準研究中選取36家已上市銀行2011—2020年的年度非平衡面板數據。中國宏觀數據、上市銀行相關原始數據主要來源于同花順數據庫和Wind數據庫，金融科技指數數據來源于北京大學數字金融研究中心發布的中國數字普惠金融指數的省級面板數據。股價同步性的研究中使用的個股月收益率和行業月收盤價指標分別來自CSMAR數據庫和同花順數據庫。

（二）變量選取

本文研究選取變量類別、變量名稱、變量符號及變量定義如表1所示。

表1 變量選取與定義

1.銀行體系穩定性（zscore）

表2 描述性統計

續表2

2.金融科技（fit）

在已有研究中金融科技指數指標的構建方法不一，構建出的金融科技發展水平指標各不相同，各有優缺點。北京大學數字普惠金融指數較好地反映了我國近年來金融創新帶來的變革特征和發展趨勢，并被廣泛用于金融科技領域研究。本文選取北京大學數字普惠金融指數作為金融科技總體發展水平的衡量指標，同時考慮數字普惠金融覆蓋率指數（dfc）、使用深度指數（ddf）以及數字化程度（ddfi）三個子類指標。

表3 基準模型回歸結果

3.控制變量

（1）企業特征（FC）

考慮到企業特征對銀行體系穩定性的影響，選取以下關鍵指標作為控制變量：資產增長率（agr），可以反映企業是否出現較大的貸款擴張風險；賬面市值比（bmr），能較好地反映上市公司的風險；存款與資產比率（dar），反映企業出現危機的傳染性；收入多樣性（id），有文獻顯示收入多樣性能有效降低銀行違約風險（如Lepetit et al.，2008），也有文獻顯示收入集中度高的銀行風險可能較小（如Williams，2016）；杠桿率（lev），越高的銀行在危機中風險越大；總資產（lnta），即銀行資產規模也是影響銀行風險的重要因素，在此取自然對數平滑其值；非利息收入占比（pnii），也是影響銀行的系統性風險的重要因素。

（2）市場特征（MC）

銀行體系規模（bss），即以中央銀行資產對國內生產總值（GDP）的比值來衡量，比值越高市場信用度越高；銀行體系效率（bse），即銀行體系提供金融服務的效率，這里使用凈息差作為替代指標，凈息差越高反映銀行體系效率越高；銀行體系穩健性（bsr），這里使用不良貸款撥備率作為替代指標，不良貸款的撥備越多，銀行體系應對風險能力越強。

（3）宏觀經濟因素（MF）

為了控制宏觀經濟因素對銀行體系穩定性的影響，選取實際GDP增長率（rgdp）、GDP增長波動率（gdpgv）、人均GDP的自然對數（lnpcgdp）、數字經濟增加值占GDP比重（deavr）和金融業對GDP的貢獻率（gdpccr）作為宏觀經濟因素的控制變量。

（三）模型構建

為了評估金融科技創新對銀行體系穩定性的影響，把企業特征、銀行體系市場特征和宏觀經濟因素作為控制變量，構建回歸方程式（1）：

其中，i代表銀行，t代表年份，s是時間固定效應，u是企業固定效應，e是誤差項。研究包括了時間固定效應和企業固定效應。其中，基于解釋變量和控制變量對銀行體系穩定性的滯后性影響，均使用滯后一期的數據。

四、實證分析

（一）基準檢驗分析

本文研究選取面板數據回歸模型，依次進行F檢驗和Hausman檢驗。回歸拒絕了混合回歸和個體隨機效應回歸，最后確定選擇了個體固定效應回歸（FE）。另外，由于各變量對銀行體系穩定性理論上具有滯后作用，故將所有自變量滯后一期進行回歸，并且選擇企業固定效應和時間固定效應的雙固定效應，以此構建回歸方程式（1）的基準回歸方程。按照回歸方程式（1）的構建過程逐步納入控制變量進行回歸，結果如表4所示。其中，銀行體系穩定性指標lnzscore值越大，銀行體系穩定性越高，銀行體系風險越小。

表3中列（1）未加入控制變量，列（2）與（3）都加入了企業特征因素，但列（2）加入了時間固定效應而列（3）未加入。列（2）中金融科技指標不顯著，列（3）中在1%水平下顯著，系數為負，表明金融科技發展有降低銀行體系穩定性的趨勢。分析原因，一方面，由于針對金融科技的監管滯后，出現階段性監管錯位，企業利用錯位空間逐利而增加了銀行的風險；另一方面，金融科技發展帶動銀行負債端成本上升，持幣成本上升，銀行不得不選擇部分高風險高收益的投機性投資來平衡負債端成本的增加。列（4）在列（2）的基礎上加入了市場特征因素，列（5）在列（4）的基礎上進一步加入了宏觀經濟因素，結果表明金融科技指標均在1%的水平上顯著，且系數均為負，表明在控制了市場因素和宏觀經濟政策因素后，金融科技的快速發展降低了銀行體系穩定性，初步驗證了本文的H1。

（二）內生性檢驗

雖然基準回歸方程式（1）中核心解釋變量與控制變量均使用了滯后一期的值，但是在后續穩健性檢驗和拓展性分析中用到了當期值進行回歸，故在此使用2SLS工具變量法對使用當期值對應的回歸模型進行內生性修正。本文使用網絡普及率（ipr）作為工具變量。由于網絡普及率與金融科技發展緊密聯系，且與其他控制變量明顯不存在直接相關關系，故為一個重要且有效的工具變量。數據來源于《中國互聯網絡發展狀況統計報告》。表4中列（1）和列（2）分別為第一階段（First）和第二階段（Second）的回歸結果，其中，第一階段工具變量在1%水平下顯著，且F統計量351.124大于10，表明不存在弱工具變量；第二階段回歸結果中核心解釋變量也在1%水平顯著且系數為負，與基準回歸結果一致，表明工具變量的選擇合理有效，同時也說明基準回歸結果穩健。

表4 2SLS工具變量法檢驗結果

（三）穩健性檢驗

1.平衡面板數據

基準回歸方程是基于非平衡面板數據得到的結果，在此選擇其中17家上市銀行的平衡面板數據進行穩健性檢驗。同樣逐步添加控制變量進行回歸，結果如表5所示，列（3）和列（4）中核心解釋變量依舊顯著且系數為負，表明選擇使用平衡面板數據后結果依舊顯著，基準回歸結果穩健。同時再次驗證了本文H1。

表5 平衡面板數據回歸結果

續表5

2.更換ROA標準差的計算方式

借鑒Chen&Ji（2017）的研究，將回歸方程式（1）中5年期滾動的ROA標準差更換成3年期滾動的ROA標準差，同樣將控制變量逐步納入回歸中，可得表6中列（1）—（4）的回歸結果。列（4）解釋變量金融科技指標的系數依舊均在1%水平顯著且系數為負，這與前述的基準模型回歸分析結果一致，故本文估計結果穩健可靠。

表6 穩健性檢驗結果

3.替換金融科技指數

進一步使用北京大學數字普惠金融指數覆蓋廣度、使用深度和數字化程度三個子維度指數分別作為金融科技指數替代指標，從三個不同的維度探討金融科技的發展對銀行體系穩定性的影響。這里使用fitsub表示金融科技子因素，構建回歸方程式（2）如下：

由表7可知，三個子維度指標在三個回歸結果中系數均在1%水平上顯著為負。系數符號與基準回歸模型回歸結果相同，表明提高數字普惠金融指數覆蓋廣度、使用深度和數字化程度均會顯著降低銀行體系的穩定性，證明了基準回歸結果的穩健性，并再次驗證H1。同時，覆蓋廣度系數為-3.074，使用深度的系數為-2.363，數字化程度系數為-1.286，表明三個子維度同幅度變化時，覆蓋廣度對銀行體系穩定性影響效應最大，使用深度的影響效度次之，數字化程度的影響效度最小。

表7 數字普惠金融指數的三個不同維度對銀行體系穩定性的異質性檢驗

（四）異質性檢驗和拓展分析

1.不同類型商業銀行的異質性分析

本部分分別使用36家上市銀行的非平衡面板數據和其中17家上市銀行的平衡面板數據進行分類回歸。回歸結果如表8所示，列（1）、列（3）、列（5）為使用36家上市銀行的非平衡面板數據進行回歸的結果，列（2）、列（4）、列（6）為使用17家上市銀行數據的回歸結果，其中，group1為使用我國大型商業銀行的數據進行回歸的結果，group2為使用股份制商業銀行的數據進行回歸的結果，group3為使用中小型商業銀行的數據進行回歸的結果。

表8 兩組數據異質性回歸結果

回歸結果顯示：首先，兩組數據的回歸結果中“規模擴張瓶頸期”商業銀行（即股份制商業銀行）與中小型商業銀行金融科技發展水平的替代變量回歸系數均顯著為負，表明金融科技發展對“規模擴張瓶頸期”及中小型商業銀行脆弱性具有正向顯著影響。其次，剩余一組我國大型商業銀行金融科技發展水平系數均為負但不顯著，表明大型商業銀行穩定性受到金融科技發展水平影響較小，一方面是因為大型商業銀行受到監管部門的監管較為嚴格，風險承擔能力較強，另一方面是因為受到“大而不倒”范式影響，企業的管理決策更偏謹慎原則。故H2得到了驗證。

2.金融科技對中國市場的影響分析

基于金融科技對我國銀行體系穩定性的顯著影響，本文研究針對我國金融市場的特征，金融科技與我國市場特征中哪些因素關聯性較強，從而影響金融市場，進而影響到銀行體系穩定性。故進一步探討金融科技對中國金融市場的影響因素，基于回歸方程式（1）增加了金融科技指數與市場特征的交叉項，構建回歸方程式（3）如下：

根據回歸方程式（3）將市場特征中的三個變量分別與金融科技指標構建交叉項，結果如表9所示。只有列（1）中交叉項系數顯著且金融科技指標系數顯著為負，列（1）為銀行體系規模與金融科技指標構建的交叉項，交叉項系數為-49.95，表明銀行體系規模明顯降低了金融科技發展對銀行體系穩定性的不利影響，且在列（1）中金融科技指標系數及銀行體系規模指標系數均顯著為正，表明金融科技的快速發展使得由銀行體系規模擴大而導致銀行體系穩定性提高的作用顯著。不難理解，金融科技的發展使得商業銀行得到快速發展，而銀行體系整體規模的擴大，提升了銀行體系盈利能力和穩定性，加之政策傾斜和嚴格監管，“大而不倒”范式在此也得到體現。即銀行體系規模越大，風險承擔能力越強，金融穩定性越高。H3得到了驗證。

表9 金融科技對中國市場的影響回歸結果

3.信息效應的中介效應分析

本文借鑒溫忠麟和葉寶娟（2014）的研究，使用逐步檢驗方法，構建中介效應模型，其中MV代表中介變量，構建如下模型：

進一步使用股價同步性作為信息效應的替代變量，基于數據可得性，選取前文使用過的17家上市銀行，利用方程式（6）計算得到個股的擬合系數R，再將計算得到的R根據方程式（7）計算得到股價同步性（synch）。

同樣根據方程式（6）和式（7），將使用股價同步性中介變量MV，采取逐步檢驗法，得到回歸結果如表10。步驟一中自變量金融科技指標系數在1%水平上顯著且為負，步驟二中中介變量股價同步性的系數顯著，表明金融科技能降低股價同步性，步驟三中股價同步性系數顯著，表明存在中介效應。并且列（2）的金融科技指標系數與列（3）的股價同步性指標系數乘積為負，表明股價同步性越高，信息效率越低，越會降低銀行體系的穩定性，這與本文在分析金融效率對銀行體系穩定性時得到結論一致。故H4得到驗證。

表10 股價同步性作為中介變量的逐步檢驗結果

五、研究結論與啟示

金融科技的迅猛發展代表了科技創新帶動的金融創新成績顯著，也逐漸得到中國市場的認可并不斷成為商業銀行之間競爭的重要砝碼。本文通過研究發現：第一，金融科技的快速發展為商業銀行的發展帶來紅利的同時，也帶來了風險；第二，金融科技對不同類型商業銀行的影響存在顯著差異，特別是對處于發展前期的中小型及“規模擴張瓶頸期”商業銀行，引入金融科技很容易促使其銀行體系穩定性急劇下降；第三，結合我國金融市場的特征，銀行體系規模的提升在金融科技發展對金融穩定性產生不利影響的過程中起到了較好的緩解作用；第四，金融科技發展在提升信息透明度的同時，會通過信息效應降低銀行體系的穩定性。

通過本文研究得到以下幾點啟示：第一，在商業銀行等企業層面，應根據企業自身發展的規模和特征，對金融科技的應用采取相應的積極態度，同時加強風險防范意識，加強企業內部治理，特別是處于“規模擴張瓶頸期”的企業，更應注重風險防控。第二，在中國特定的市場層面，金融科技發展放大了金融本身具有的風險屬性，但擴大銀行體系規模有利于降低金融科技發展對金融穩定性的不利影響，但要加強頂層設計，強化自上而下的監管力度，防止出現系統性金融風險。第三，在金融科技的發展層面，在加大科技帶動金融創新的過程中，應嚴格控制負面信息效應傳遞風險，特別是在大數據、區塊鏈和物聯網等技術應用過程中，更應注重防范由于信息泄露、隱私侵犯、信息詐騙、洗錢以及信息技術風險等帶來的金融風險。