金融科技對商業(yè)銀行信貸風(fēng)險的影響及其機制研究

楊 馥 洪 昆

（西安財經(jīng)大學(xué)經(jīng)濟學(xué)院，陜西 西安 710100）

一、引言

“十四五”規(guī)劃及《金融科技發(fā)展規(guī)劃（2022—2025年）》等國家重要發(fā)展規(guī)劃均強調(diào)提升金融科技水平，將金融機構(gòu)應(yīng)用科技的能力轉(zhuǎn)化為金融市場上的競爭力，有效支持實體經(jīng)濟發(fā)展。現(xiàn)階段，商業(yè)銀行對金融科技的投入逐年增加并成為發(fā)展金融科技的“主力軍”。《中國金融科技報告2021》指出，2021年國有五大行金融科技平均投入超過200 億元。商業(yè)銀行等傳統(tǒng)金融機構(gòu)原有的商業(yè)模式與運行邏輯因金融與科技的深度結(jié)合而發(fā)生了深刻變化，其經(jīng)營管理、產(chǎn)品設(shè)計、戰(zhàn)略布局、營銷渠道和風(fēng)險控制等環(huán)節(jié)也因此而被重構(gòu)（盛天翔和范從來，2020）。其中，商業(yè)銀行尤為關(guān)注風(fēng)險防控環(huán)節(jié)。金融科技通過提高商業(yè)銀行在風(fēng)險控制全環(huán)節(jié)的管控能力，實現(xiàn)信貸全流程的數(shù)字化，有效控制風(fēng)險（易綱，2021），進而提高商業(yè)銀行盈利能力，降低融資成本，改善資本水平，促進其健康平穩(wěn)發(fā)展（陳天鑫和李軍帥，2021；林勝等，2020）。當(dāng)前信貸風(fēng)險仍是商業(yè)銀行面臨的主要風(fēng)險之一，2021年末我國銀行業(yè)不良貸款余額達2.8 萬億元，關(guān)注類貸款余額3.8 萬億元，商業(yè)銀行信貸風(fēng)險管理亟須關(guān)注和改善。因此，金融科技能否以及通過何種機制改善商業(yè)銀行信貸風(fēng)險管理仍是值得探究的問題。

本文的邊際貢獻可能在于：（1）區(qū)別于以單一指標度量金融科技的研究，在基準分析時使用文本分析法建立商業(yè)銀行金融科技指數(shù)；（2）從商業(yè)銀行貸款集中度和信貸規(guī)模角度，拓展分析金融科技影響商業(yè)銀行信貸風(fēng)險的機制，豐富了相關(guān)領(lǐng)域的研究；（3）探究金融科技對不同類型商業(yè)銀行信貸風(fēng)險的影響，重點關(guān)注全國性商業(yè)銀行對區(qū)域性商業(yè)銀行的擠出效應(yīng)，對商業(yè)銀行因地制宜利用金融科技管控信貸風(fēng)險具有指導(dǎo)借鑒意義。

二、文獻綜述

回顧已有文獻，關(guān)于金融科技對信貸風(fēng)險影響的研究并未得到一致結(jié)論，主要分為三種觀點。第一種觀點認為金融科技可能提高信貸風(fēng)險，并從市場化及競爭角度進行了解釋。當(dāng)商業(yè)銀行集體運用金融科技時會促進利率市場化（邱晗等，2018；汪可，2018）和加劇商業(yè)銀行競爭（楊文捷等，2020），商業(yè)銀行為保持經(jīng)營業(yè)績穩(wěn)定或提高業(yè)績可能會調(diào)整信貸客戶準入和資產(chǎn)選擇的標準，導(dǎo)致信貸風(fēng)險增加。第二種觀點基于信息不對稱角度，提出金融科技能夠降低信貸風(fēng)險。商業(yè)銀行能通過大數(shù)據(jù)、云計算等科技手段減少甄別優(yōu)質(zhì)信貸客戶的成本，從而提升篩選優(yōu)質(zhì)信貸客戶和風(fēng)險控制的能力，提升資產(chǎn)質(zhì)量，降低風(fēng)險水平（金洪飛等，2020；姚婷和宋良榮，2021；唐也然，2021；Deng等，2021；郭麗虹和朱柯達，2021）。第三種觀點考慮了金融科技對商業(yè)銀行經(jīng)營成本和銀行間競爭的影響，認為金融科技對商業(yè)銀行信貸風(fēng)險具有非線性影響。郭品和沈悅（2019）認為，商業(yè)銀行在初始運用金融科技階段能降低運營管理費用，成本下降能促使風(fēng)險承擔(dān)降低，但金融科技的進一步發(fā)展卻會加劇商業(yè)銀行競爭，提高資金成本，促使商業(yè)銀行信貸風(fēng)險增加，因而金融科技與商業(yè)銀行信貸風(fēng)險呈早期正相關(guān)、后期負相關(guān)的正U 形關(guān)系。劉孟飛（2021）、喻平和張敬佩（2021）則認為，在金融科技發(fā)展早期，互聯(lián)網(wǎng)金融機構(gòu)運用金融科技會對商業(yè)銀行的資產(chǎn)和負債業(yè)務(wù)產(chǎn)生影響，從而提高資金成本，加劇信貸風(fēng)險；金融科技成熟后，既能提升經(jīng)營管理和風(fēng)險控制效率，又能優(yōu)化信貸資產(chǎn)與信貸客戶的結(jié)構(gòu)，使信貸風(fēng)險得到緩解，故金融科技與商業(yè)銀行信貸風(fēng)險呈早期正相關(guān)、后期負相關(guān)的倒U形的關(guān)系。

已有文獻從不同維度就金融科技對信貸風(fēng)險的影響進行了具體闡述，但進一步利用實證研究方法探究金融科技對商業(yè)銀行信貸風(fēng)險影響的傳導(dǎo)機制的文獻仍然較少。其中，孫旭然等（2020）發(fā)現(xiàn)金融科技的發(fā)展能提高信用貸款比例和延長信貸期限結(jié)構(gòu)，進而提高商業(yè)銀行信貸風(fēng)險。任碧云和鄭宗杰（2021）則認為金融科技對不同商業(yè)銀行的信貸結(jié)構(gòu)產(chǎn)生不同的影響，金融科技有助于調(diào)節(jié)國有商業(yè)銀行貸款擔(dān)保結(jié)構(gòu)以緩釋信貸風(fēng)險，并可能使非國有商業(yè)銀行偏好調(diào)整貸款期限結(jié)構(gòu)來緩釋信貸風(fēng)險。孫旭然等（2021）的研究還表明金融科技可以抑制商業(yè)銀行分支機構(gòu)的擴張，進而緩解銀行信貸風(fēng)險。此外，Deng 等（2021）的研究顯示，金融科技的發(fā)展將影響商業(yè)銀行的內(nèi)部息差、管理能力、外部競爭強度和居民的儲蓄意愿，從而對商業(yè)銀行的信貸風(fēng)險產(chǎn)生影響。

綜上，商業(yè)銀行發(fā)展金融科技已對其信貸風(fēng)險管理產(chǎn)生了影響，但就影響效應(yīng)與作用機制，相關(guān)研究并未形成共識。此外，金融科技對信貸風(fēng)險影響機制的現(xiàn)有研究主要關(guān)注信貸結(jié)構(gòu)和業(yè)務(wù)擴張等方面，而貸款集中度、貸款增長率等其他傳導(dǎo)機制尚有待探索和驗證。因此，進一步研究金融科技對信貸風(fēng)險的影響效應(yīng)并探討可能的傳導(dǎo)機制，可為商業(yè)銀行利用金融科技緩釋信貸風(fēng)險提供借鑒。

三、理論分析與假設(shè)提出

（一）金融科技與信貸風(fēng)險

商業(yè)銀行信貸風(fēng)險主要來源于借款人按時或全額還款的不確定性，具有客觀性、聚集性與可控性的特征。不確定性又主要分為橫向與縱向兩類因素：縱向不確定性由外部宏觀經(jīng)濟環(huán)境所決定；橫向不確定性主要來自商業(yè)銀行向企業(yè)貸款時的信息不對稱（王蕾等，2019）。依據(jù)信號理論，信息不對稱可以通過信息的搜集與處理得到緩解。信號理論認為，商業(yè)銀行是否向借款人發(fā)放貸款是由借款人實際信用質(zhì)量所傳遞出來的信用信號所決定的，而信號的載體是可以傳達借款人經(jīng)營狀況的信息（徐曉萍等，2021）。過去商業(yè)銀行主要通過借款企業(yè)所提供財務(wù)報表中的硬信息傳遞的信用信號判斷借款企業(yè)信用質(zhì)量，但企業(yè)所提供的信息在可靠性方面存在疑慮（李學(xué)峰和楊盼盼，2021）。而商業(yè)銀行運用金融科技能降低信貸過程中的信息不對稱，提高信息獲取、數(shù)據(jù)處理以及客戶管理的效率（邱晗等，2018；金洪飛等，2020；張金清等，2021），更好地應(yīng)對貸款的逆向選擇風(fēng)險。此外，金融科技還有助于商業(yè)銀行將原本無法指標化的軟信息指標化，識別借款人的細節(jié)信息，從而更容易辨別信貸需求，更好地應(yīng)對信息不對稱導(dǎo)致的道德風(fēng)險（盛天翔和范從來，2020）。綜上，商業(yè)銀行利用金融科技能降低銀企間信息不對稱，減少信貸過程中的不確定性，降低信貸風(fēng)險。依據(jù)上述分析，本文提出如下基本假設(shè)：

假設(shè)1：商業(yè)銀行金融科技發(fā)展水平與信貸風(fēng)險負相關(guān)。

（二）貸款集中度、金融科技與信貸風(fēng)險

商業(yè)銀行貸款集中度是指貸款集中于某一個行業(yè)、集團或者客戶（王博格，2018）。根據(jù)長尾理論和信號理論，貸款具有聚集性是因為傳統(tǒng)商業(yè)銀行關(guān)注信息處理成本較低的前20%的客戶，如會計信息完備以及易于從市場獲得相關(guān)信息的大企業(yè)，而忽略了信息挖掘成本較高的尾部客戶，從而導(dǎo)致商業(yè)銀行貸款集中度較高。然而，貸款的客戶集中現(xiàn)象會顯著提高貸款風(fēng)險（Gordy 和Lutkebohmert，2006；Düllmann 和Masschelein，2007），即商業(yè)銀行貸款集中度對信貸風(fēng)險具有正向影響（周春喜和毛悅，2018；顧海峰和戴云龍，2019），因此，分散貸款客戶是商業(yè)銀行控制信貸風(fēng)險的重要手段，而金融科技將在其中發(fā)揮積極作用。一方面，商業(yè)銀行利用金融科技擴大客戶人群覆蓋面，提高金融服務(wù)可得性，從而增加了發(fā)放普惠貸款的意愿（郭麗虹和朱柯達，2021）；另一方面，金融科技可以提高商業(yè)銀行獲取和處理中小微企業(yè)信息的能力，拓展了小微貸款業(yè)務(wù)（金洪飛等，2020）。在將潛在的長尾客戶群體納入信貸服務(wù)范圍后，商業(yè)銀行信貸總規(guī)模擴大，零售貸款和信用貸款規(guī)模及占比上升，商業(yè)銀行信貸的信用結(jié)構(gòu)和客戶結(jié)構(gòu)得到優(yōu)化（孫旭然等，2020；徐曉萍等，2021），最終達到分散貸款客戶、降低信貸風(fēng)險的效果。依據(jù)上述分析，本文提出如下假設(shè)：

假設(shè)2：金融科技的應(yīng)用降低了商業(yè)銀行貸款集中度。

假設(shè)3：金融科技可以通過降低貸款集中度的方式緩解商業(yè)銀行信貸風(fēng)險。

（三）信貸增長率、金融科技與信貸風(fēng)險

為了應(yīng)對同業(yè)競爭，商業(yè)銀行在盈利以及生存壓力下會加快擴大信貸投放（郭品和沈悅，2019）。進行過度信貸投放的商業(yè)銀行，一般會降低信貸標準，傾向于接受那些信用等級較低客戶的貸款申請，導(dǎo)致不良貸款增加，進而使得信貸風(fēng)險增大（辛兵海，2018）。由于商業(yè)銀行需要保證整體經(jīng)營安全、風(fēng)險可控，金融科技相關(guān)技術(shù)逐漸被商業(yè)銀行使用在對資金需求者個人信息的獲取、處理程序，于是借貸雙方的信息不對稱在貸款前被降低，拒絕高風(fēng)險貸款，接受低風(fēng)險貸款，從而提高商業(yè)銀行信貸質(zhì)量，降低商業(yè)銀行信貸過快增長，保持商業(yè)銀行經(jīng)營穩(wěn)定。在金融科技成熟并廣泛運用于商業(yè)銀行內(nèi)部后，提高了關(guān)于個人或企業(yè)信貸的數(shù)據(jù)獲取、數(shù)據(jù)處理以及客戶管理的效率，信貸質(zhì)量提升后信貸風(fēng)險得以緩解（孫旭然等，2020）。金融科技有助于商業(yè)銀行獲取貸款客戶的個人信用數(shù)據(jù)，并利用大數(shù)據(jù)、云計算等方式進行儲存與分析，既有助于增強對個人貸款的定價能力，也能有效識別貸款前的信貸風(fēng)險，降低因行業(yè)競爭產(chǎn)生的信貸擴張速度，提高信用貸款質(zhì)量并達到緩解商業(yè)銀行信貸風(fēng)險的目的（金洪飛等，2020）。基于以上分析，提出如下假設(shè)：

假設(shè)4：金融科技的應(yīng)用降低了商業(yè)銀行信貸增長率。

假設(shè)5：金融科技可以通過降低信貸增長率的方式緩解商業(yè)銀行信貸風(fēng)險。

四、研究設(shè)計

（一）樣本與數(shù)據(jù)

首先，本文在樣本選擇中剔除了3 家政策性銀行；其次，由于業(yè)務(wù)范圍較窄、規(guī)模不大的小型商業(yè)銀行難以承擔(dān)自建金融科技平臺的巨額支出，大多數(shù)中小銀行選擇與外部金融科技公司合作，因而難以考察中小銀行的金融科技運用程度，在樣本選擇時剔除了農(nóng)村商業(yè)銀行、村鎮(zhèn)銀行等規(guī)模較小的銀行；最后，本文基于數(shù)據(jù)的完整性和可得性選取2011—2019年國內(nèi)40 家商業(yè)銀行作為研究樣本，包括6 家國有商業(yè)銀行、9家股份制商業(yè)銀行以及25家城市商業(yè)銀行。商業(yè)銀行數(shù)據(jù)主要來自東方財富網(wǎng)、統(tǒng)計年鑒、萬得數(shù)據(jù)庫、各家商業(yè)銀行年報以及中國人民銀行統(tǒng)計數(shù)據(jù)。

（二）變量定義

1.解釋變量。目前，國內(nèi)對于金融科技尚未建立統(tǒng)一的測度指數(shù)，已有研究主要利用三類指標衡量商業(yè)銀行金融科技發(fā)展水平：一是自主構(gòu)建金融科技指數(shù)，主要采用文本挖掘法、主成分分析法或因子分析法，從商業(yè)銀行內(nèi)部投入及運用金融科技主要技術(shù)來衡量金融科技發(fā)展水平；二是研究機構(gòu)與金融科技企業(yè)合作構(gòu)建的互聯(lián)網(wǎng)金融指數(shù)，其中認可度最高的是北京大學(xué)數(shù)字金融研究中心發(fā)布的普惠金融指數(shù)，主要衡量商業(yè)銀行所處外部經(jīng)營環(huán)境的整體金融科技發(fā)展程度；三是根據(jù)上市商業(yè)銀行金融科技投入資金，衡量金融科技發(fā)展水平。由于普惠金融指數(shù)主要衡量整體金融科技發(fā)展程度，而非上市商業(yè)銀行金融科技投入又難以考察，因此，后兩類指標都不能直接觀察本文所選擇樣本商業(yè)銀行的金融科技發(fā)展水平。

本文借鑒郭品和沈悅（2019）、金洪飛等（2020）的方法建立金融科技指數(shù)。具體過程如下：首先，根據(jù)金融科技的運用領(lǐng)域建立原始詞庫（見表1）；其次，分銀行分年度計算關(guān)鍵詞詞頻，鎖定銀行與關(guān)鍵詞進行搜索，利用爬蟲軟件爬取并記錄各家商業(yè)銀行在2011—2019年各年度的新聞條目，將獲得的數(shù)據(jù)作為構(gòu)建金融科技指數(shù)的量化基礎(chǔ)；最后，運用主成分分析法構(gòu)建綜合指標，即金融科技指數(shù)（Fi），該指數(shù)越大，則意味著金融科技運用程度越高。Kmo 檢驗及Bartlett's 檢驗結(jié)果見表2，表明適合主成分分析。

表1：金融科技指數(shù)基礎(chǔ)詞庫

表2：KMO 檢驗和Bartlett's檢驗

2.被解釋變量。商業(yè)銀行信貸風(fēng)險度量多以不良貸款率表示，但信貸風(fēng)險本質(zhì)是指借款人預(yù)期違約所造成的損失，而不良貸款率代表已發(fā)生的實際損失。貸款減值準備是商業(yè)銀行基于所掌握的信息對貸款企業(yè)或個人的還款違約概率進行判斷，再依據(jù)風(fēng)險計量模型計算得出的預(yù)期損失，更能反映商業(yè)銀行真實的信貸風(fēng)險。因此，本文選擇貸款減值準備率（Ril）衡量商業(yè)銀行信貸風(fēng)險，貸款減值準備率越高，信貸風(fēng)險越大。

3.中介變量。銀行貸款集中度的代理變量一是貸款集中度（Lc），參考張文靜和馬喜立（2020），選用前十大客戶貸款占比來表示，這也是金融監(jiān)管部門普遍采用的測度方法。該指標數(shù)值越大，表示商業(yè)銀行貸款越集中，其潛在的信貸風(fēng)險越大。二是貸款增長率（Grl），參考劉音露等（2021），將新增總貸款額與上期總貸款額比值作為貸款增長率的代理變量，反映信貸資源規(guī)模變化。該指標數(shù)值越小，表示新增貸款越少。

4.控制變量。商業(yè)銀行信貸風(fēng)險既受到宏觀經(jīng)濟形勢變化的影響，也受到銀行個體特征的影響。本文選擇的商業(yè)銀行個體層面控制變量包括：盈利能力（Roa），反映商業(yè)銀行盈利狀況的重要指標，由于高收益往往伴隨著高風(fēng)險，較高的盈利水平可能意味著承擔(dān)了較大風(fēng)險；商業(yè)銀行規(guī)模（S），銀行規(guī)模越大內(nèi)部風(fēng)險管理體系越完善，對信貸風(fēng)險控制和管理的效率可能越高，信貸風(fēng)險越低；經(jīng)營效率（Cir），代表商業(yè)銀行經(jīng)營與管理水平，指標數(shù)值與經(jīng)營效率反向變動，經(jīng)營效率越高信貸風(fēng)險越低；流動性水平（Ldr），是商業(yè)銀行貸款與存款的比值，該指標數(shù)值越高表明銀行信貸風(fēng)險越高；資本充足率（Car），資本充足率越高的商業(yè)銀行往往具有較強的融資優(yōu)勢和市場競爭力，追求高風(fēng)險收益的傾向較低，因而信貸風(fēng)險可能較低。宏觀控制變量包括：經(jīng)濟增長（GrGDP），表示宏觀經(jīng)濟運行狀況，經(jīng)濟的繁榮與衰退會直接影響銀行的信貸行為；貨幣政策（GrM2）以及物價水平（Cpi），刻畫政府的貨幣政策立場，貨幣政策寬松會使得銀行調(diào)整放貸標準，導(dǎo)致信貸規(guī)模擴張和信貸風(fēng)險上升。

（三）計量模型

為檢驗假設(shè)1、假設(shè)2與假設(shè)4，本文分別建立模型（1）、（2）和（3）進行回歸分析。其中，i 表示銀行數(shù)，t 表示時間，Control 表示一組控制變量，ε為隨機擾動項。

為檢驗假設(shè)3 與假設(shè)5，首先，利用模型（4）檢驗金融科技與信貸風(fēng)險的關(guān)系；其次，借助模型（5）檢驗金融科技與中介變量的關(guān)系，其中M表示中介變量，分別選用貸款集中度（Lc）和貸款增長率（Grl）；最后，建立模型（6）檢驗金融科技與中介變量對信貸風(fēng)險的影響。具體判定規(guī)則如下：模型（4）的回歸結(jié)果中，若γ顯著，則檢驗?zāi)Ｐ停?），否則停止檢驗；模型（5）中若θ顯著，則檢驗?zāi)Ｐ停?），否則停止檢驗；模型（6）中若μ顯著而μ不顯著，說明中介變量在金融科技改善商業(yè)銀行信貸風(fēng)險中承擔(dān)了完全中介的角色，若μ與μ都顯著，則說明中介變量僅具有部分中介效應(yīng)。

表3：變量說明

五、實證結(jié)果分析

（一）描述性統(tǒng)計

主要變量的描述性統(tǒng)計見表4。表4 中金融科技指數(shù)（Fi）最高為6.694，最小為-0.838，標準差為0.988，表明商業(yè)銀行個體間金融科技發(fā)展水平差距較大；銀行貸款減值準備率（Ril）表示的信貸風(fēng)險最高為8.86，最小值為0.725，標準差為0.725，表明銀行個體間的信貸風(fēng)險水平差距不大，但均值為2.89說明商業(yè)銀行間都面臨著信貸風(fēng)險問題。

表4：主要變量描述性統(tǒng)計

（二）金融科技與信貸風(fēng)險的基準回歸

進行基礎(chǔ)的F 檢驗、LM 檢驗及Hausman 檢驗后，本文選擇固定效應(yīng)模型進行回歸分析。表5 報告了模型（1）、模型（2）和模型（3）的實證結(jié)果。模型（1）為金融科技對信貸風(fēng)險的回歸模型，結(jié)果顯示，金融科技（Fi）的系數(shù)為-0.0018，且在1%的水平下顯著負相關(guān)，說明金融科技拓寬了商業(yè)銀行信息來源渠道，通過對海量數(shù)據(jù)的整合和深度處理幫助商業(yè)銀行甄別長尾客戶的信貸需求，完善信用評估和風(fēng)控系統(tǒng)，緩解銀企間的信息不對稱，從而降低信貸風(fēng)險。假設(shè)1得到驗證。

表5：基準回歸結(jié)果

模型（1）控制變量中的商業(yè)銀行規(guī)模（S）、資本充足率（Car） 和經(jīng)營效率（Cir） 與信貸風(fēng)險（Ril）負相關(guān)，表明規(guī)模越大、資本充足率越高、經(jīng)營效率越高的商業(yè)銀行具有較強的融資優(yōu)勢和市場競爭力，追求高風(fēng)險收益的傾向較低。資產(chǎn)收益率（Roa）與信貸風(fēng)險（Ril）負相關(guān)，可能原因是商業(yè)銀行在以間接融資為主的資金借貸市場上占據(jù)壟斷性地位，在不追求高風(fēng)險的情況下就能獲得較高收益。宏觀控制變量方面，GDP 增長率（GrGdp）與信貸風(fēng)險顯著負相關(guān)，說明經(jīng)濟形勢越好，商業(yè)銀行預(yù)期面臨的信貸風(fēng)險可能越低；貨幣供應(yīng)量增長水平（GrM2）和物價指數(shù)（Cpi）與信貸風(fēng)險分別在5%與10%的顯著性水平下正相關(guān)，說明寬松的貨幣政策會提高貨幣供應(yīng)量以及物價水平，降低商業(yè)銀行放貸門檻，導(dǎo)致銀行信貸風(fēng)險增加。

模型（2）為金融科技對貸款集中度的回歸模型，根據(jù)實證結(jié)果，金融科技（Fi）在5%的顯著性水平下與貸款集中度（Lc）負相關(guān)，系數(shù)為-0.0154。這說明金融科技發(fā)展水平的提高能有效降低貸款集中度，驗證了假設(shè)2。

模型（3）為金融科技對貸款增長率的回歸模型，根據(jù)實證結(jié)果，金融科技（Fi）在5%的顯著性水平下與貸款增長率（Grl）負相關(guān)，系數(shù)為-0.0165。這說明金融科技發(fā)展水平的提高能有效降低貸款增長率，驗證了假設(shè)4。

（三）金融科技與信貸風(fēng)險的機制檢驗

表6 顯示的是中介模型實證結(jié)果。在以貸款集中度為中介變量的實證結(jié)果中，依據(jù)中介變量的標準判斷程序，首先，模型（4）檢驗金融科技是否會對信貸風(fēng)險產(chǎn)生影響，回歸結(jié)果中金融科技系數(shù)為-0.0014，且在1%的水平下顯著，說明金融科技與信貸風(fēng)險負相關(guān)，與上文假設(shè)1 結(jié)論相吻合。其次，模型（5）檢驗金融科技與中介變量的關(guān)系，回歸結(jié)果顯示，金融科技在1%的水平下與貸款集中度負相關(guān)，回歸系數(shù)為-0.0237，與上文假設(shè)2 結(jié)論一致。最后，通過模型（6）檢驗金融科技與中介變量對信貸風(fēng)險的影響，模型（6）估計結(jié)果中，金融科技指數(shù)與貸款集中度對信貸風(fēng)險的影響分別在1%與5%水平下顯著，回歸系數(shù)分別為-0.0015 與-0.0031，說明貸款集中度在金融科技對于信貸風(fēng)險的影響中存在部分中介作用，中介效應(yīng)占比為5.25%。驗證了上文假設(shè)3。

表6：中介效應(yīng)模型估計結(jié)果

在以貸款增長率為中介變量的實證結(jié)果中，模型（5）檢驗金融科技對貸款增長率的影響，結(jié)果顯示金融科技在1%的水平下與貸款增長率負相關(guān)，回歸系數(shù)為-0.0184，與上文假設(shè)4 結(jié)論一致。模型（6）檢驗金融科技與貸款增長率對信貸風(fēng)險的影響，結(jié)果顯示金融科技與貸款增長率對信貸風(fēng)險的影響分別在1%與10%水平下顯著，回歸系數(shù)分別為-0.0016 與0.0082，說明貸款集中度在金融科技對信貸風(fēng)險的影響中存在部分中介作用，中介效應(yīng)占比為10.78%，這一結(jié)果驗證了假設(shè)5。

（四）穩(wěn)健性檢驗

1.更換模型估計方法。由于樣本商業(yè)銀行之間存在較大差異，既有大型國有商業(yè)銀行，也有規(guī)模較小的農(nóng)村商業(yè)銀行，且銀行對外貸款的信貸風(fēng)險存在持續(xù)性，即可能存在自相關(guān)性。同時，銀行可能會基于風(fēng)險控制的目的主動引入、應(yīng)用并發(fā)展金融科技，因此，金融科技與信貸風(fēng)險可能存在雙向因果的關(guān)系。為解決可能存在的內(nèi)生性問題，本文采用GMM 方法重新進行回歸估計。表7 中的估計結(jié)果顯示，金融科技發(fā)展水平對貸款集中度、貸款增長率及銀行信貸風(fēng)險均有顯著作用，估計結(jié)果與上文基本一致，結(jié)論保持穩(wěn)健。

表7：穩(wěn)健性檢驗：更換模型估計方法

2.替換金融科技發(fā)展水平的衡量指標。商業(yè)銀行金融科技發(fā)展水平提高會促進地區(qū)金融科技發(fā)展，因此，也有研究用地區(qū)金融科技發(fā)展程度來衡量商業(yè)銀行金融科技發(fā)展水平。本文參考熊健等（2021）的做法，采用地區(qū)數(shù)字普惠金融指數(shù)衡量商業(yè)銀行金融科技發(fā)展程度，并以商業(yè)銀行貸款占當(dāng)年全部樣本銀行貸款總額的比例為權(quán)重對普惠金融指數(shù)進行處理，對模型重新進行估計，結(jié)果如表8 所示，核心解釋變量的結(jié)果與上文基本一致，本文的結(jié)論仍保持穩(wěn)健。

表8：穩(wěn)健性檢驗：替換解釋變量

（五）異質(zhì)性分析

考慮到我國商業(yè)銀行規(guī)模以及資金成本等存在差異，不同類型商業(yè)銀行的金融科技發(fā)展程度具有一定差異，這會對商業(yè)銀行信貸風(fēng)險產(chǎn)生影響。因此，本文將總樣本分為全國性商業(yè)銀行和區(qū)域性商業(yè)銀行，對模型（1）重新進行了回歸分析，結(jié)果如表9所示。兩類銀行金融科技（Fi）系數(shù)分別在10%與1%的顯著性水平下為負，且全國性商業(yè)銀行的影響系數(shù)（-0.241）小于區(qū)域性商業(yè)銀行（-0.205），說明發(fā)展金融科技對兩類商業(yè)銀行緩解信貸風(fēng)險都有積極作用，但相較于區(qū)域性商業(yè)銀行，金融科技對全國性商業(yè)銀行信貸風(fēng)險的影響更大。這一結(jié)果也證實了金融科技發(fā)展水平對商業(yè)銀行信貸風(fēng)險的影響具有顯著異質(zhì)性。全國性商業(yè)銀行可利用金融科技獲取更多的信息，發(fā)現(xiàn)和挖掘更多的長尾客戶，并憑借資金成本優(yōu)勢將這部分客戶從區(qū)域性的城市商業(yè)銀行與農(nóng)村商業(yè)銀行吸引過來，降低自身貸款集中度，進而緩解信貸風(fēng)險。

表9：異質(zhì)性檢驗

六、結(jié)論和建議

本文利用網(wǎng)絡(luò)爬蟲技術(shù)進行文本挖掘合成商業(yè)銀行金融科技指數(shù)，從應(yīng)用、投入等多個維度評估商業(yè)銀行金融科技發(fā)展程度，并基于2011—2019年國內(nèi)40家商業(yè)銀行的數(shù)據(jù)，探究了金融科技對商業(yè)銀行信貸風(fēng)險的影響及其傳導(dǎo)機制。研究結(jié)果表明：第一，金融科技能有效緩解商業(yè)銀行整體信貸風(fēng)險。商業(yè)銀行運用金融科技可以有效緩解信貸中的信息不對稱，更容易甄別借款客戶釋放出的信用信號，并據(jù)此評價借款客戶的信用優(yōu)劣，有利于提高信貸質(zhì)量和降低信貸風(fēng)險。第二，在金融科技與信貸風(fēng)險的關(guān)系中，貸款集中度和貸款增長率具有部分中介作用。商業(yè)銀行通過金融科技提高信息獲取、數(shù)據(jù)處理以及客戶管理的效率，以更低的信息搜集成本吸納優(yōu)質(zhì)客戶，在增加貸款規(guī)模的同時提升貸款質(zhì)量，商業(yè)銀行信貸風(fēng)險得到分散和降低。第三，金融科技對商業(yè)銀行信貸風(fēng)險的影響存在異質(zhì)性，金融科技對全國性商業(yè)銀行信貸風(fēng)險的緩釋作用大于區(qū)域性商業(yè)銀行。商業(yè)銀行運用金融科技能顯著降低銀企間的信息不對稱，全國性商業(yè)銀行與區(qū)域性商業(yè)銀行獲取軟信息能力的差距被縮小，全國性商業(yè)銀行憑借相對低廉的資金成本優(yōu)勢將原屬于區(qū)域性商業(yè)銀行的低風(fēng)險優(yōu)質(zhì)客戶吸引過來，促使信貸質(zhì)量上升和信貸風(fēng)險下降，而區(qū)域性商業(yè)銀行只能通過進一步下沉市場挖掘優(yōu)質(zhì)的潛在客戶。

本文的研究結(jié)論具有以下政策啟示：第一，鼓勵商業(yè)銀行運用金融科技拓展服務(wù)深度。銀企間的信息不對稱程度在運用金融科技后能夠被降低，因此，商業(yè)銀行應(yīng)關(guān)注金融科技對風(fēng)險管控的正面影響，將金融科技新興技術(shù)應(yīng)用在信貸流程中，降低信貸風(fēng)險。第二，應(yīng)加強對商業(yè)銀行運用金融科技的監(jiān)管。金融科技在賦能商業(yè)銀行信貸風(fēng)險管理的同時，也可能帶來新的風(fēng)險。監(jiān)管部門應(yīng)健全金融科技監(jiān)管體系，對商業(yè)銀行應(yīng)用金融科技帶來的變化進行監(jiān)測，防止發(fā)生金融科技導(dǎo)致的風(fēng)險事件，打好防范化解金融風(fēng)險攻堅戰(zhàn)。第三，區(qū)域性商業(yè)銀行與外部科技公司應(yīng)加強合作。對于中小商業(yè)銀行而言，在缺乏足夠的資金發(fā)展金融科技時可積極與外部科技公司進行合作，達到借船出海的目的，充分利用金融科技促進自身發(fā)展，緩解信貸風(fēng)險。

①數(shù)據(jù)來源：中國銀保監(jiān)會副主席梁濤在國新辦就銀行業(yè)保險業(yè)2020年改革發(fā)展情況新聞發(fā)布會的講話。

②2020年新冠肺炎疫情導(dǎo)致大量企業(yè)生產(chǎn)經(jīng)營停滯，銀行計提的貸款減值準備大幅增加，這一數(shù)據(jù)波動無法準確反映金融科技對信貸風(fēng)險的影響，因此，未考慮2020年的數(shù)據(jù)。

③負值對應(yīng)的情況是關(guān)鍵詞搜索結(jié)果中新聞條目為0。

④參考2019年《中國金融年鑒》，根據(jù)覆蓋范圍將銀行分為全國性銀行和區(qū)域性銀行。