金融科技對商業銀行承擔風險影響的實證分析

孟陶穎

【摘? 要】論文首先回顧了金融科技發展的背景及其在銀行業的應用，接著基于鯰魚效應、金融中介和信息不對稱理論、金融功能理論等，分析了金融科技對商業銀行風險承擔的直接和間接影響機制。通過對選定樣本的描述性分析及模型設定，研究假設金融科技能直接降低傳統風險類型，如信用風險和操作風險，同時間接增加市場風險和策略風險。實證分析結果顯示，金融科技投資（XTI）在某些模型中顯示對銀行風險有顯著降低作用，而數字服務采納率（XDSR）、市場份額（MMS）和數字交易量（MDTV）的影響則因模型選擇而異。此外，回歸結果還表明，除了考慮的變量外，還有其他因素影響銀行風險水平。基于此，論文提出增強金融科技投資、優化風險管理策略、細分市場和客戶策略、加強監管合規和數據安全、持續監控市場動態等建議。

【關鍵詞】金融科技；商業銀行；影響機制；風險承擔

【中圖分類號】F832.33；F272.3? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ?【文獻標志碼】A? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ?【文章編號】1673-1069（2023）12-0067-03

1 引言

金融科技的飛速發展正深刻改變著傳統金融行業的格局。從互聯網支付到利用人工智能和大數據的信貸審批，每一項創新都在擴展金融服務的界限。區塊鏈技術更是以其去中心化和高安全性特征，成為金融交易和資產管理的新領域。這些技術加速了金融服務的數字化轉型，引入了新的市場參與者，極大豐富了客戶服務體驗。然而，金融科技帶來的并非僅是技術革新，還深刻影響了銀行的風險管理體系，網絡安全、數據隱私和運營風險等新問題日漸顯現，對銀行穩定運營構成挑戰。本文通過實證研究，探討金融科技對商業銀行風險的直接和間接影響，旨在為銀行決策者和監管機構提供洞見，助力應對未來挑戰，制定有效策略。

2? 金融科技對商業銀行承擔風險的影響機制

2.1 直接影響機制

金融科技對商業銀行承擔風險的直接影響機制，主要體現在通過技術創新提高風險管理的效率和準確性。首先，大數據分析和人工智能在信用評估領域的應用，使銀行能夠對客戶的信用狀況進行更深入、精準的分析，從而降低信用風險。其次，區塊鏈技術在提高交易透明度和安全性方面的應用，有效減少了操作風險和欺詐風險。此外，云計算提供的高效數據處理能力和靈活的資源配置，優化了銀行的資產負債管理，降低了流動性風險。同時，金融科技還促進了風險監控和合規管理的自動化，例如，通過機器學習算法自動識別潛在的非法交易模式，增強了反洗錢和反欺詐能力。然而，金融科技的應用也引入了新的風險，如技術依賴可能導致系統性風險，數據安全和隱私保護問題可能引發合規風險。

2.2 間接影響機制

金融科技對商業銀行承擔風險的間接影響機制，主要通過改變市場環境和客戶行為來實現。首先，金融科技的發展導致銀行業務數字化加速，引發了市場競爭格局的重塑。新興的金融科技公司和非銀行金融機構憑借技術優勢，提供創新的金融產品和服務，挑戰傳統銀行的市場地位，這迫使銀行為保持競爭力而增加投資創新，可能導致資源配置不當和策略風險。其次，金融科技改變了客戶的金融服務預期和行為模式，客戶對個性化、即時服務的需求增強，這要求銀行不斷調整服務策略，增加了運營復雜性和市場適應性風險。此外，金融科技促進了資本市場的全球化和互聯互通，加劇了市場波動性和跨境風險傳導，銀行在全球市場的風險暴露增加。

3 金融科技對商業銀行風險承擔影響的實證分析

3.1 變量選取及描述性分析

3.1.1 樣本選擇與數據來源

為使實證分析結果盡可能地貼合實際并保證樣本容量的充足，本研究選取了中國30家商業銀行的數據，時間跨度為2015年至2022年，包括6家國有銀行、8家大型股份制商業銀行和16家城市商業銀行，覆蓋了中國商業銀行的主要類型，確保樣本的代表性和多樣性。數據來源于Bank Focus數據庫、CSMAR數據庫以及各銀行的年度報告。Bank Focus數據庫提供詳細的財務數據，包括資產負債表和損益表等關鍵財務指標，而CSMAR數據庫專注于中國市場，提供金融市場數據和宏觀經濟數據，有助于深入分析中國商業銀行的運營環境。此外，銀行年度報告是分析銀行風險管理和金融科技投資的重要數據源，能夠提供最直接和最新的信息。

3.1.2 變量選取

被解釋變量主要關注銀行風險指標，選取了信用風險和操作風險兩個關鍵維度。信用風險通過不良貸款比率來衡量，反映了銀行貸款組合中違約風險的大小，是評估銀行信用風險管理能力的重要指標。操作風險則通過操作失誤率來衡量，反映了銀行在日常運營中出現錯誤和失誤的頻率，是評價銀行內部管理和風險控制效率的關鍵指標。通過這兩個指標，可以全面評估金融科技對銀行核心風險承擔能力的影響。

核心解釋變量聚焦于金融科技指標，包括金融科技投資和金融科技采納率兩個方面。金融科技投資通過技術投資額（如年度金融科技相關投資總額）來衡量，反映銀行在金融科技方面的資金投入程度。金融科技采納率則以數字化服務比例（如數字化業務占銀行總業務的比例）為指標，顯示銀行在整體業務中應用金融科技的廣度和深度。這兩個變量共同反映銀行在金融科技領域的活躍程度和實際應用水平，對于理解金融科技如何影響銀行的風險承擔具有關鍵意義。

中介變量考慮了市場競爭度和客戶行為變化兩個方面。市場競爭度通過市場份額指標來衡量，反映銀行在整體金融市場中的競爭地位和影響力。客戶行為變化則以數字渠道交易量為指標，量化客戶利用數字化服務進行交易的程度。中介變量幫助理解金融科技如何通過改變市場結構和客戶偏好，間接影響銀行的風險狀況。通過分析市場份額和數字渠道交易量，可以揭示金融科技在市場競爭和客戶行為層面對銀行風險管理的影響。

控制變量包括銀行規模、資產質量和管理效率，以排除這些因素對研究結果的潛在影響。銀行規模通常通過總資產來衡量，反映銀行的市場占有率和業務范圍。資產質量則通過不良資產比例等指標評估，顯示銀行資產的健康狀況。管理效率常用成本收入比等指標來判定，代表銀行運營的效率和成本控制能力。控制變量有助于確保實證分析的準確性和可靠性，確保研究結果的有效性。

具體如表1所示。

3.1.3 描述性分析

如表2所示，YNPL均值為13.12，標準差為1.88，顯示出相對中等程度的變化；最小值為9.59，最大值為21.54，表明信貸風險在不同銀行之間有較大差異。YOER均值為7.12，標準差為1.63，這反映出中等水平的波動。運營風險的范圍（最小值3.99至最大值12.12）進一步表明各銀行間在運營風險管理上存在顯著差異。XTI均值為1.53，標準差0.76，顯示出相對較小的波動，這表明大多數銀行在金融科技投資上持有相對一致的態度。XDSR均值2.59，標準差較小（0.13），說明大多數銀行在數字服務的采納上趨于一致。MMS均值11.72，標準差0.43，表明市場份額在不同銀行間相對穩定。MDTV均值為1.54，標準差為0.38，顯示出一定程度的變化，反映了不同銀行在吸引數字交易方面的差異。CTA均值為2.33，最大值高達88.56，顯示了巨大的差異，這可能表明一些銀行的規模遠大于其他銀行。CAQR的波動較大（標準差17.30），表明不同銀行的資產質量存在顯著差異。CCIR雖然均值為8.20，但標準差為3.47且最小值為負值（-3.07），這表明銀行之間在成本效率方面存在顯著差異。

3.1.4 模型設定

為分析金融科技對商業銀行承擔風險的直接影響，構建如下面板數據回歸模型：

Yit=α+β1Xit+β2Mit+β3Cit+μi+εit

其中，Yit表示第i家銀行在時間t的風險指標，Xit是金融科技相關變量，Mit和Cit分別代表中介變量和控制變量。μi是銀行特定的固定效應，εit而是誤差項。

為探討金融科技對銀行風險的間接影響，構建如下模型：

Yit=α+β1Xit+β2Mit+β3Xit×Mit+β4Cit+μi+εit

其中，Xit×Mit是交互項，用于捕捉金融科技投資和市場/客戶行為變量之間的相互作用對風險的影響。

3.2 實證分析及結果

表3顯示的是金融科技對商業銀行承擔風險影響的基準回歸結果。YOER、XTI、XDSR、MMS、MDTV在不同模型下的系數及標準誤顯示了金融科技與商業銀行風險類型之間的關系。各變量在不同模型下表現出不同程度的顯著性。XTI在混合回歸模型中顯示顯著的負關系，暗示金融科技投資可能降低了某些類型的銀行風險。相反，在系統GMM和差分GMM模型中，其影響不顯著或呈現出正相關性。XDSR在混合回歸模型中顯示顯著的負相關性，而在其他模型中影響不顯著或呈現出正相關性。這表明其對風險的影響可能受到模型選擇的影響。MMS、MDTV在多個模型中表現出一定的顯著性，但其影響方向和程度在不同模型中有所不同。CAQR和CCIR在某些模型中顯示顯著性，但其影響的方向和大小在不同模型中也有所不同，這可能表明它們對風險的影響受到多種因素的影響。L1.YNPL在系統GMM和差分GMM模型中顯著，表明過去的風險水平對當前風險有顯著影響。常數項在多數模型中顯著，表明除了模型中考慮的變量外，還有其他因素影響了銀行的風險水平。模型的解釋力（R方）、F檢驗、Hausman檢驗、AR（2）檢驗和Hansen檢驗的結果為模型的選擇和有效性提供了額外的信息。

4 研究結論與建議

本研究通過對商業銀行數據的實證分析，深入探討了金融科技對商業銀行風險承擔的影響。分析結果顯示，金融科技投資對降低商業銀行的運營風險具有顯著影響，表明金融科技的應用可以有效地優化銀行的風險管理和運營效率。同時，數字服務采納率與風險指標之間的聯系在不同的模型中表現出不同的趨勢，表明不同的金融科技應用和實施策略對銀行風險的影響存在差異。此外，市場份額和數字交易量等變量在部分模型中顯示出顯著性，暗示市場環境和客戶行為的變化可能是影響銀行風險水平的重要因素。

基于研究結果，提出以下建議：

第一，加強金融科技投資。商業銀行應持續投資于金融科技，以持續提升其綜合競爭力。如投資于人工智能、大數據分析、區塊鏈和云計算等，銀行能顯著提高其運營效率和風險管理能力。此外，關注并適時采用新興技術有助于優化現有業務流程，幫助銀行開發創新的金融產品和服務，從而在激烈的市場競爭中保持領先地位。

第二，優化風險管理策略。銀行應利用金融科技工具，如先進的數據分析和機器學習算法來識別、評估和管理風險。此外，銀行還應采用金融科技提高其對欺詐行為和洗錢活動的監測能力。總體而言，通過利用金融科技工具，銀行不僅能夠更有效地管理風險，還能提升其服務效率和客戶體驗。

第三，細分市場和客戶策略，是提升銀行服務質量和客戶滿意度的關鍵。通過金融科技，銀行能夠收集和分析大量的客戶數據，從而深入理解不同客戶群體的特定需求和行為模式，使得銀行可以設計更加個性化和針對性的產品和服務，例如，為年輕客戶提供便捷的移動銀行服務，或為高凈值客戶設計定制化的理財方案。不僅增強了客戶體驗，也有助于提升客戶忠誠度和銀行的市場競爭力。

第四，加強監管合規和數據安全。隨著金融科技的應用日益廣泛，銀行必須加強內部數據保護機制，采用先進的加密技術和網絡安全措施來保護客戶數據免遭泄露和濫用。同時，銀行應持續跟蹤和遵守監管機構的最新規定，確保所有金融科技應用和操作都符合法律法規要求。

第五，持續監控市場動態。銀行應持續關注市場環境的變化，靈活調整策略，以應對潛在的市場風險，包括密切關注經濟指標、市場趨勢、政策變化和競爭對手行為。通過實時數據分析和市場情報，銀行可以及時調整其業務策略和風險管理措施，以有效應對市場波動和潛在風險，靈活且前瞻性的市場監控使銀行能夠迅速適應環境變化，保持競爭力和財務穩健。

綜上所述，金融科技的發展為商業銀行帶來了新的機遇和挑戰。銀行需在保證風險可控的前提下，積極擁抱金融科技，不斷創新服務模式，以提升整體運營效率和市場競爭力。

【參考文獻】

【1】王蕊，楊順晶.數字金融對商業銀行風險承擔的影響研究——基于中國銀行業的實證分析[J].上海立信會計金融學院學報，2022，34（01）：29-43.

【2】陳浩然.互聯網金融對商業銀行風險承擔的影響——基于動態面板GMM模型的實證分析[J].平頂山學院學報，2021，36（05）：96-103.

【3】梁方，趙璞，黃卓.金融科技、宏觀經濟不確定性與商業銀行主動風險承擔[J].經濟學（季刊），2022，22（06）：1869-1890.

【4】孫麗，於佳歡.金融科技發展與商業銀行風險承擔：影響機理及實證檢驗[J].南方金融，2022（11）：50-64.