金融科技發展對商業銀行風險防控的影響

董曉林 吳之偉 陳秋月

內容提要 商業銀行是中國金融最重要的組成部分，其風險防控對維護我國金融體系的穩定性具有舉足輕重的作用。在當前數字經濟的背景下，深入研究金融科技發展對商業銀行風險的影響效應及其作用機制，對促進商業銀行數字化轉型、完善風險監管政策、防范整體金融風險具有重要的理論和現實意義。基于2010—2020年176家商業銀行的非平衡面板數據，運用Python網絡爬蟲技術構建商業銀行金融科技指數，實證分析金融科技發展對我國商業銀行個體風險與系統性風險的影響。研究表明，金融科技既能顯著降低商業銀行自身個體風險，又能抑制系統性風險。此外，金融科技對商業銀行風險的影響存在異質性，金融科技發展降低了非系統重要性銀行的系統性風險，增加了系統重要性銀行系統性風險。機制分析發現，金融科技對銀行個體風險的影響通過杠桿率渠道和風險承擔渠道產生作用，而對銀行系統性風險的影響僅通過杠桿率渠道傳導，風險承擔渠道機制的作用效果不顯著。

關鍵詞 金融科技 個體風險 系統性風險 系統重要性銀行

董曉林，南京農業大學金融學院教授，江蘇農村金融發展研究中心主任

吳之偉，南京農業大學金融學院博士研究生

陳秋月，南京審計大學政府審計學院講師

本文為國家自然科學基金面上項目“金融科技背景下農村金融機構數字化發展機制與普惠效應研究”（72073067）、“中國農村數字金融的發展機制和效應：基于實驗經濟的研究”（71973064）的階段性成果。

一、研究背景

習近平總書記在黨的二十大報告中強調，“防范金融風險還須解決許多重大問題”，“要加強和完善現代金融監管，強化金融穩定保障體系，依法將各類金融活動全部納入監管，守住不發生系統性風險底線”。2017年的全國金融工作會議就提出打好防范化解重大風險攻堅戰，重點是防控金融風險。隨后，黨的十九大報告進一步將防范和化解系統性金融風險提到了更為重要的歷史性高度，各級金融監管部門相繼制定實施方案并開展專項整治計劃。2019年中國人民銀行金融穩定工作會議將“防范化解金融風險，特別是防止發生系統性金融風險”確定為今后金融工作的根本性任務。新冠肺炎疫情暴發后，伴隨著全球貿易受阻和經濟下行壓力加劇，我國防范控制金融風險面臨更加嚴峻的考驗。

銀行業作為我國金融體系的主體，其資產規模占我國金融資產總量的80%以上，在集中大部分金融資源的同時亦聚集了大量金融風險，在金融發展與風險防控中的地位舉足輕重。即使是規模較小的非系統重要性銀行，其風險一旦具備涉眾性或傳染性，在內外沖擊的作用下就可能導致個體風險系統化[1]，并引發連鎖反應和同業恐慌，嚴重影響金融市場的安全與穩定。因此，在當前全球經濟發展不確定性增加與國內金融深化改革的現實背景下，如何有效防控商業銀行金融風險顯得尤為重要。隨著技術驅動的金融創新不斷涌現，金融科技與傳統金融服務交叉融合，深刻影響了傳統銀行業的業態。近年來，為應對急劇變化的市場競爭環境，商業銀行紛紛強化金融科技應用、推進銀行數字化轉型。金融科技發展對商業銀行的影響成為現階段金融監管部門、學術界乃至整個社會關注的熱點問題。大數據、云計算、人工智能和區塊鏈等創新科技與金融深度融合，金融科技在降低交易成本、減少信息不對稱方面具有天然優勢，有助于提高銀行經營績效[2]。然而，金融科技帶來的不僅是機遇和發展，還伴隨銀行數字化轉型蘊含的金融科技新風險。

關于金融科技發展對銀行風險防控的影響研究存在一些爭議。一方面，已有研究普遍認為外部金融科技發展給傳統銀行的資產端、中間業務及負債端帶來了全面的沖擊，其通過惡化存款結構和抬高付息成本，顯著提高了銀行個體風險[3]。劉孟飛等[4]的研究顯示外部金融科技增強銀行間風險傳染效應，從而加劇我國銀行業的系統性風險。另一方面，受限于相關數據的不完整，對銀行內部金融科技與銀行風險關系定量研究不多。Cheng等[5]實證分析發現新興技術的應用有助于提高銀行風險管理效率，從而降低其信貸風險。金洪飛等[6]認為金融科技應用降低商業銀行的個體風險，但對于中小銀行作用相對較弱。王道平等[7]認為上市銀行應用金融科技通過增加銀行風險承擔、加深銀行間關聯程度，進而加劇系統性風險。綜上，關于金融科技發展對銀行風險影響的研究有待進一步深入：第一，已有研究大多從外部金融科技視角出發，鮮有文獻定量研究銀行內部金融科技發展對其風險防控的影響；第二，已有研究大多集中于銀行個體風險層面，或分別探究個體風險和系統性風險的影響因素，綜合考慮銀行個體風險和系統性風險的研究仍不多見；第三，受到數據可獲得性條件的限制，現有的金融科技發展對銀行系統性風險影響的研究大多以上市銀行為樣本，沒有涵蓋大多數的非上市中小銀行。

本文以2010—2020年176家商業銀行為樣本進行實證分析，具體運用Python網絡爬蟲技術構建金融科技指數，深入分析金融科技發展對商業銀行個體風險和系統性風險的影響、作用機制以及該影響的異質性，研究目的在于以下幾個方面：第一，實證分析金融科技對商業銀行自身的個體風險和系統性風險的影響及其作用機制；第二，運用SVM算法，模擬非上市銀行的系統性風險，更加全面準確地分析我國銀行業的金融風險；第三，按照系統重要性程度對商業銀行進行分組，檢驗金融科技對銀行個體風險和系統性風險影響的異質性，為我國金融風險的防范化解以及監管部門對銀行實施差異化動態監管政策提供理論依據和實證檢驗。

二、理論分析與研究假設

1.金融科技與銀行個體風險

根據金融中介理論，金融交易成本和信息成本推動了金融中介的產生，而信息不對稱限制了傳統商業銀行的進一步發展[1]。大數據、人工智能等創新科技與金融的深度融合，不僅能夠促使商業銀行實現金融業務和客戶活躍行為的有效綁定、實現批量化獲客，而且能夠收集更多維度的客戶信息，描繪更完備、動態的客戶畫像，從而緩解傳統銀行業面臨的信息不對稱難題[2]，提高商業銀行的信息甄別能力和信息處理效率，進而減少不良貸款，降低商業銀行風險承擔水平。同時，商業銀行依靠自身客戶基礎，應用金融科技推進的智能化運營模式[3]，建立符合當下技術快速迭代、場景快速更新的、靈活的數字化風控體系，對于提高銀行自身經營效率和降低風險承擔水平均有立竿見影的效果[4]。

基于金融功能視角，金融科技可以大大縮短銀行與客戶之間的時空距離，擴大客戶覆蓋面，同時配合商業銀行多元化的業務、渠道以及產品創新，充分整合金融資源，顛覆傳統“存貸匯”經營模式，加快發展中間業務，從而提高銀行經營績效。除了可以挖掘長尾客戶帶來營業收入的增加，金融科技也大大降低了銀行網點布局成本、運營成本以及交易成本。相比于傳統業務，銀行應用金融科技會有收益加成[5]，能夠減少收益搜尋動機，抑制對高風險資產的需求，進而導致風險偏好下降。同時，由于銀行經營績效上升而帶來的利潤分配是銀行增加資本的重要途徑[6]，資本的積累和擴張能夠降低破產風險并提高銀行的風險吸收能力，從而降低銀行個體風險[7]。

基于此，本文提出研究假設1：金融科技發展顯著降低了商業銀行個體風險。

2.金融科技與銀行系統性風險

理論角度而言，金融科技對銀行系統性風險的影響途徑有以下兩個方面：

第一，內外沖擊導致銀行系統性風險，表現為外部實體經濟下行帶來的信貸風險和內部經營不善導致的破產風險對銀行業的沖擊。金融科技促進了信息流動，通過數據搜集、信息共享實現信息相互傳遞，提高商業銀行的信息甄別能力和信息處理效率。在信號傳遞作用下，對存在較高聲譽風險或有惡意違約傾向的企業形成有效約束，減少了銀行因外部實體企業經營不善而導致的信貸風險。同時，銀行信息甄別能力的提升有助于促進信貸資源的優化配置，推進實體企業去杠桿，將錯配的信貸資源從僵尸企業中釋放出來[1]，能夠有效減少由內外沖擊引起的信貸風險和破產風險，降低銀行風險承擔水平，從而抑制銀行系統性風險。

第二，沖擊后的風險傳染和擴散效應導致銀行系統性風險與銀行結構性特征密切相關。如銀行財務杠桿、期限錯配以及相互關聯性等過高會助推風險的傳染和擴散，導致更大的系統性風險[2]。銀行應用金融科技實現的財務績效和利潤的增長能有效促進資本增長。資本積累形成的“風險緩沖墊”緩解了個體損失對銀行業整體的沖擊，降低了風險傳染和擴散效應，抑制了銀行系統性風險[3]。同時，資本增加可以緩解來自央行的宏觀審慎監管壓力，遏制銀行在遭遇外生沖擊后通過賣出資產來達到監管目標的傾向，有效減少去杠桿機制在銀行關聯性作用下帶來的估值踩踏和傳染損失[4]，有助于緩釋潛在的系統性風險。

基于此，本文提出研究假設2：金融科技發展顯著降低了商業銀行系統性風險。

3.金融科技對銀行個體風險、系統性風險的異質性影響

由于自身資源稟賦、組織架構和市場勢力的不同，不同銀行的金融科技發展處在不同的階段，對銀行風險影響存在差異。由于銀行“太大而不能倒”和“太關聯而不能倒”，銀行規模越大，自身承擔的風險和系統性風險越高。金融穩定委員會（FSB）將規模較大、復雜程度高、一旦發生風險事件將給地區或全球金融體系帶來沖擊的金融機構定義為系統重要性金融機構（SIFIs）。

國有大型銀行為代表的系統重要性銀行率先結合自身實際制定金融科技發展戰略，大多選擇成立金融科技子公司或與其他金融科技公司進行戰略合作等方式自行構建金融科技生態圈，可以極大降低風險活動的運營成本，并且應用數字技術可以在短期內獲得高額收益。這些行為激勵銀行減持高風險資產，減少高風險投資行為，降低了銀行個體風險。然而，由于以上銀行本身業務規模較大，分支機構遍布全國，跨地區、跨銀行資金往來頻繁，業務聯系緊密，金融科技水平的提升加深了系統重要性銀行的相互關聯性。在面臨內部和外部沖擊時，銀行間的相互關聯性加快風險的多渠道傳染，在尾部事件發生時會遭受更大的損失，從而加劇系統性風險，金融科技對銀行系統性風險的促進作用大于抑制作用。相反，非系統重要性銀行大多是城商行和農商行等區域性中小銀行，以經營傳統信貸業務為主，其自身資源稟賦有限，金融科技發展布局僅停留在技術層面，缺乏組織架構和人才培養方面的規劃，金融科技降低個體風險的程度有限。由于經營區域范圍主要集中在當地，銀行間相互關聯緊密程度低，風險傳染和擴散效應不顯著，金融科技對非系統重要性銀行系統性風險的抑制作用大于促進作用。

基于上述分析，本文提出研究假設3：金融科技發展對銀行個體風險的影響，無論是對系統重要性銀行還是非系統重要性銀行均有降低風險的作用；而從對銀行系統性風險的影響來看，金融科技發展對非系統重要性銀行是降低了風險，而對系統重要性銀行是增加了風險。

三、數據、變量與模型設計

1.樣本選擇與數據來源

本文選取國內176家商業銀行作為樣本，構建2010—2020年的非平衡面板數據。銀行的財務數據來源于ORBIS Bank Focus數據庫，并結合Wind數據庫和CSMAR數據庫相關數據進行補充，宏觀經濟數據來自國家統計局數據庫；上市銀行股票價格數據來自Choice金融終端；銀行金融科技指數是基于Google搜索引擎，采用網絡爬蟲技術構建所得，用于衡量微觀層面的銀行金融科技水平。

2.變量選取

（1）被解釋變量：銀行個體風險和系統性風險

①個體風險

②系統性風險

借鑒Adrian等[2]的方法，本文使用條件在險價值之差（ΔCoVaR）衡量金融機構的系統性風險，采用分位數回歸方法計算ΔCoVaR[3]。為保證分析結果的穩健性，將邊際期望損失（MES）作為系統性風險輔助考察變量[4]，該指標將更為極端情況下的潛在損失考慮在內，一定程度可彌補ΔCoVaR的缺陷。

現階段國內文獻在研究銀行系統性風險時的研究對象多為上市銀行，樣本容量大多不超過35家，然而，最新研究表明也要重視中小銀行的系統性風險防控[5]。因此，參考張琳等[6]的方法，本文使用SVM算法模擬出非上市銀行的系統性風險，對系統性風險展開更加全面的分析。計算得到的ΔCoVaR和MES為負值，取絕對值后，其數值越大代表系統性風險越大。

（2）解釋變量

本文構建銀行金融科技指數（BankFintech）以衡量銀行金融科技的發展水平，參考Cheng[7]、李春濤等[1]的做法，運用網絡爬蟲技術結合文本挖掘建立銀行金融科技指數。具體步驟如下：首先，從金融科技應用領域確定了大數據、數據集、云計算、云服務、人工智能、人臉識別、指紋識別、區塊鏈、移動、互聯網、網上、線上共12個關鍵詞[2]；其次，將每個關鍵詞與樣本商業銀行進行匹配，并在Google新聞中進行分年度搜索，如搜索“工商銀行”AND“大數據”，對關鍵詞加以雙引號，確保呈現的新聞與關鍵詞精確匹配，再過濾掉與主題無關的新聞；最后，將每年每個銀行層面的所有關鍵詞搜索的新聞數量除以每年有關銀行的新聞總量，再用變異系數法計算該銀行在該年度的金融科技發展水平（BankFintech）指標。

（3）控制變量

借鑒劉忠璐[3]、史仕新[4]的分析，本文選取銀行規模（SIZE）、盈利能力（ROA）、流動性水平（DPR）、多樣化經營（NII）、銀行間關聯度（WS）作為銀行特征的控制變量；引入貨幣政策環境（M2）和銀行總部所在地級市經濟發展水平（GDP）宏觀經濟變量控制貨幣政策和宏觀經濟周期性的影響。變量的符號和定義見表1。

表2報告了主要變量的描述性統計結果。為了避免極端值的影響，對連續型變量進行了1%的縮尾處理。銀行金融科技水平（BankFintech）最小值為0，對應著對某家銀行搜索關鍵詞得出年度新聞數目均為0的情況。商業銀行系統性風險（ΔCoVaR、MES）均值分別為2.690、2.439，與張肖飛和徐龍炳[5]計算結果相比偏小，主要原因是本文樣本包含中小銀行拉低了系統性風險的均值。總體來看，銀行金融科技發展水平、個體風險和系統性風險均存在一定差異。

3.模型設定

本文建立如下基準回歸模型以檢驗上文假設：

其中，被解釋變量RISKi，t包括兩個層次風險指標，即銀行個體風險和系統性風險；核心解釋變量BankFintechi，t表示銀行金融科技水平；Controls為系列控制變量；ui和vt控制個體固定效應和時間效應來消除個體和時間差異；εi，t表示隨機誤差項。β1反映了金融科技發展對個體風險和系統性風險的影響。為檢驗銀行金融科技對個體風險和系統風險溢出的異質性影響，加入交叉項BankFintechi，t×Si得到式（3）。其中，若為系統重要性銀行則S取1，非系統重要性銀行則S取0[1]。

四、實證結果與分析

1.金融科技、銀行個體風險與系統性風險

表3顯示金融科技對銀行個體風險與系統性風險影響的基準回歸結果。列（1）至列（3）中金融科技BankFintech系數均在1%的水平上顯著為正，說明金融科技能夠顯著降低個體風險。表3的列（5）和列（6）報告了金融科技與銀行系統性風險的回歸結果，列（5）和列（6）中BankFintech系數均在1%的水平上顯著為負，表明金融科技能夠有效降低系統性風險，減弱個體銀行對銀行業系統性風險的溢出效應。綜上所述，金融科技不但降低了銀行個體風險，提升了銀行個體的穩健性，而且抑制了銀行系統性風險，降低銀行系統的脆弱性。

2.異質性分析

在上文基礎上，本文進一步分析金融科技對銀行個體風險和系統性風險的異質性影響。現階段，監管當局重點考察的對象是具有系統重要性且系統性風險大的銀行，即“大而不能倒”的銀行。根據《系統重要性銀行評估辦法》，將樣本分為系統重要性銀行和非系統重要性銀行，基于式（2）和式（3）的模型檢驗金融科技對銀行個體風險和系統性風險的異質性影響，回歸結果分別見表4的Panel A、Panel B。

Panel A中列（1）資本充足率（CAR）作為被解釋變量時的交叉項系數不顯著，所以在列（4）至列（7）中僅呈現ARWA、CAP為被解釋變量的分組回歸結果。列（1）中BankFintech系數在1%水平上顯著為正，BankFintech×S交叉項的系數為正但是不顯著，說明金融科技降低個體風險的影響沒有呈現異質性。列（2）BankFintech×S系數顯著為負，列（3）BankFintech×S系數顯著為正，說明不同類型銀行金融科技在降低ARWA和CAP方面呈現出異質性。列（4）至列（7）的分組回歸也顯示出類似的檢驗結果：當主體是系統重要性銀行時，金融科技能顯著降低銀行風險承擔水平，但不能顯著提高銀行杠桿率；反之，非系統重要性銀行應用金融科技能顯著提高銀行杠桿率，但不能降低風險承擔水平。由此得出以下結論：隨著自身金融科技水平的提升，系統重要性銀行更傾向于通過降低風險承擔水平來降低個體風險，而非系統重要性銀行傾向于通過增加銀行杠桿率來降低個體風險。可能的原因是：系統重要性銀行在金融科技戰略規劃、科技人才儲備和資金投入方面具有優勢，金融科技應用能夠迅速提升系統重要性銀行的風險識別能力，降低表內外風險權重較高資產的持有，改善風險治理結構，減少銀行主動風險承擔行為[1]。而非系統重要性銀行的金融科技發展水平較低，主要經營傳統金融業務，主動承擔風險的意識弱。金融科技應用降低銀行主動風險承擔的效果有限，更多是刺激非系統重要性銀行存貸款和資本的籌集，通過增加銀行杠桿率提高其自身抵御風險能力。

Panel B中列（1）和列（2）的BankFintech系數在1%水平上顯著為負，交叉項BankFintech×S系數顯著為正，說明金融科技降低系統性風險的作用存在異質性，當主體是系統重要性銀行時，金融科技降低系統風險溢出的效果不明顯。列（3）和列（4）中BankFintech估計系數均為正，列（5）和列（6）中BankFintech估計系數均在1%水平上顯著為負，以上截然相反的兩個結果表明，金融科技降低了非系統重要性銀行的系統性風險，而提高了系統重要性銀行的系統性風險，后者與王道平等[2]的研究結論一致。

綜上所述，金融科技對個體風險和系統性風險的影響存在異質性。結合表3的實證結果分析可知，金融科技既能夠降低非系統重要性銀行的個體風險，又能抑制其系統性風險；而對于系統重要性銀行，金融科技水平能夠有效降低銀行個體風險，卻增加了其系統性風險。

3.穩健性檢驗和內生性處理

為了提高研究結論的可信度，本文做了如下穩健性檢驗：一是替換變量，使用事后風險承擔Z值代替風險加權資產占比ARWA作為銀行個體風險指標，綜合反映銀行風險承擔水平；二是更換非上市銀行的系統性風險預測模型，用K近鄰算法（K-Nearest Neighbor，KNN）和隨機森林算法（Random Forest）代替支持向量機算法（SVM）重新模擬非上市銀行的ΔCoVaR和MES；三是改變分組標準，根據銀行是否上市將樣本分為系統重要性銀行和非系統重要性銀行，再次檢驗金融科技對銀行個體風險和系統性風險的異質性影響。以上穩健性檢驗的回歸結果均與上文一致，說明研究結論是穩健的[1]。

為解決銀行金融科技和個體風險、系統性風險之間可能存在反向因果關系導致的內生性問題，首先，選取滯后一期的銀行金融科技L. BankFintech和控制變量代替當期值，重新估計金融科技對銀行個體風險、系統性風險的影響。回歸結果見表5 Panel A。其次，用工具變量法解決內生性問題。參考李建軍和姜世超[2]的作法，采用總行所在省份的互聯網普及率和移動電話普及率的平均值作為工具變量，采用兩階段最小二乘法2SLS進行估計。該工具變量與銀行金融科技發展高度正相關，與銀行風險無直接關聯，滿足工具變量的外生性。第一階段回歸[3]中工具變量的估計系數在1%水平上顯著，且F值大于10，說明不存在弱工具變量問題。回歸結果見表5 Panel B。第二階段回歸結果均與上文基本一致，說明研究結論依然穩健。

五、金融科技對銀行風險的影響機制分析

為了進一步探究金融科技對銀行個體風險和系統性風險的影響機制，本文借鑒蘇帆等[4]的方法，將資本充足率分解為銀行杠桿率（CAP）和風險加權資產占比倒數（ARWA），從杠桿率渠道和風險承擔渠道[5]出發，實證檢驗金融科技如何通過以上兩種渠道影響銀行個體風險和系統性風險。

1.金融科技對銀行個體風險的作用機制檢驗

根據銀行資本渠道理論[1]，銀行資本面臨負面沖擊時，過低的銀行杠桿率將傳遞不利的市場信號導致籌資成本大幅提高，加大了銀行風險。Kim等[2]認為在外部環境惡化時，為了提高收益率水平，銀行可能配置風險水平更高的資產來主動承擔風險。因此，本文在式（2）的基礎上引入銀行CAP和ARWA指標，構建金融科技對銀行個體風險的作用機制模型[3]。

表6中列（1）和列（2）的BankFintech的估計系數顯著為正，其中列（1）中ARWA的估計系數和列（2）中CAP的估計系數均顯著為正，表明金融科技既能通過杠桿率渠道，又能通過風險承擔渠道降低銀行個體風險。

2.金融科技對銀行系統性風險的作用機制檢驗

由于監管中的資本要求在進行風險加權權重的選取上不一定客觀，所以巴塞爾協議Ⅲ將杠桿率指標作為補充，這有助于抑制銀行資產負債表的過度擴張，能夠兼顧微觀審慎和宏觀審慎監管[4]。本文在式（2）的基礎上，引入ΔCoVaR和MES指標，構建金融科技對銀行系統性風險的作用機制模型。

表6列（3）中ARWA顯著為正，列（4）中ARWA的估計系數卻不顯著，表明金融科技通過風險承擔渠道對銀行系統性風險的降低作用無效，甚至可能加劇系統性風險，與田嬌等[5]的研究結果相一致。列（5）和列（6）中BankFintech和CAP的估計系數均顯著為負，反映出杠桿率渠道的傳導是顯著的。提高銀行杠桿率能夠抑制風險轉移效應，降低銀行系統性風險[6]。金融科技通過杠桿率渠道對系統性風險產生顯著的抑制效果，體現了杠桿率抵御外生沖擊的能力[7]。

總體而言，金融科技通過杠桿率渠道或風險承擔渠道降低了銀行個體風險和系統性風險，對銀行個體風險的影響通過杠桿率渠道和風險承擔渠道產生作用，而對銀行系統性風險的影響僅通過杠桿率渠道傳導，風險承擔渠道機制的作用效果不顯著。

六、結論與政策建議

在數字技術發展與金融風險防控的雙重背景下，本文基于2010—2020年176家商業銀行的數據，采用Python網絡爬蟲技術構建銀行金融科技指數，運用SVM模型模擬構建非上市銀行系統性風險指標，實證分析金融科技發展對銀行個體風險及系統性風險的影響及其關聯機制。研究結論如下：第一，總體上來看，金融科技能夠降低銀行自身個體風險，同時也有效抑制了系統性風險。第二，不同類型銀行的金融科技對風險的影響具有異質性。對于個體風險，金融科技對系統重要性與非系統重要性銀行均有降低作用，區別在于系統重要性銀行傾向于通過風險承擔渠道降低個體風險，而非系統重要性銀行傾向于通過杠桿率渠道降低個體風險。對于系統性風險，金融科技顯著降低了非系統重要性銀行系統性風險，而提高了系統重要性銀行系統性風險。第三，金融科技對銀行系統性風險的影響主要通過杠桿率渠道進行傳導，風險承擔渠道機制的作用效果并不顯著。對金融科技影響銀行風險的總體效應、異質性以及作用路徑的分析，有助于我們把握金融科技的發展方向、改進金融科技發展策略、防控銀行個體風險以及系統性風險、阻斷銀行風險發生的路徑。以上研究結論的政策啟示如下：

第一，在鼓勵和支持商業銀行發展金融科技的同時，高度重視金融風險的防范，守住不發生系統性風險的底線。銀行發展金融科技首先要優化戰略布局、創新組織架構、夯實數據基礎，同時精準把握技術和業務的價值，結合傳統風險控制經驗，充分挖掘大數據、云計算等信息技術在降本增效和風險控制方面的發展潛力，提高自身風險識別和風險抵御能力，定期開展壓力測試，防范潛在的系統性風險。

第二，商業銀行結合自身的發展情況及風控體系，在數字化轉型的過程中不斷探索防控金融風險的有效路徑。商業銀行結合自身需求和特色，“因行而異、因時而異”地發展金融科技，不可追隨互聯網大潮求快冒進，一味求大求全，結合自身資源稟賦、發展特色、政策監管等因素，合理規劃金融科技特色化發展戰略，確定清晰的數字化方向，扎實推進精細化管理。

第三，監管部門密切關注系統重要性銀行的金融科技發展與風險防控，重點監控其風險溢出。引導系統重要性銀行穩步發展金融科技，嚴防因金融科技發展導致的系統性風險外溢，在系統重要性和非系統重要性銀行之間建立有效的風險隔離機制，減少系統重要性銀行對整體銀行業系統性風險的作用，降低風險傳染和擴散效應。同時，運用數字技術創新監管手段和監管模式，提高監管能力，建立風險識別、預警與處理機制，提高監管的適配性、及時性和有效性。

第四，持續深化銀行體系改革，構建多維度、多層次的銀行風險防范體系以應對金融科技對銀行風險帶來的不利影響。監管部門將金融科技納入宏觀審慎和微觀審慎監管框架中，持續開展金融科技業務的風險防范工作，遏制各類風險反彈回潮，充分發揮資本監管和杠桿率監管等審慎監管工具在風險防范方面的作用。進一步強化宏觀審慎政策與微觀審慎監管的協調配合，充分發揮兩者的互補性。

〔責任編輯：吳玲〕

[1]S. Benoit， J. E. Colliard， C. Hurlin， C. Pérignon， "Where the Risks Lie： A Survey on Systemic Risk"， Review of Finance， 2017， 21（1）， pp.109-152.

[2]喬海曙、李穎：《余額寶的鲇魚效應、存款利率市場化及其應對》，《當代財經》2014年第8期；孫旭然、王康仕、王鳳榮：《金融科技、競爭與銀行信貸結構——基于中小企業融資視角》，《山西財經大學學報》2020年第6期。

[3]郭品、沈悅：《互聯網金融、存款競爭與銀行風險承擔》，《金融研究》2019年第8期。

[4]劉孟飛、羅小偉：《金融科技、風險傳染與銀行業系統性風險》，《經濟社會體制比較》2022年第3期。

[5]M. Cheng， Y. Qu， "Does Bank Fintech Reduce Credit Risk？ Evidence from China"， Pacific-Basin Finance Journal， 2020， 63： 101398.

[6]金洪飛、李弘基、劉音露：《金融科技、銀行風險與市場擠出效應》，《財經研究》2020年第5期。

[7]王道平、劉楊婧卓、徐宇軒、劉琳琳：《金融科技、宏觀審慎監管與我國銀行系統性風險》，《財貿經濟》2022年第4期。

[1]皮天雷、趙鐵：《互聯網金融：范疇、革新與展望》，《財經科學》2014年第6期。

[2]M. Lin， N. R. Prabhala， S. Viswanathan， "Judging Borrowers by the Company They Keep： Friendship Networks and Information Asymmetry in Online Peer-to-Peer Lending"， Management Science， 2013， 59（1）， pp.17-35； T. Berg， V. Burg， A. Gombovic， M. Puri， "On the Rise of Fintechs： Credit Scoring Using Digital Footprints"， The Review of Financial Studies， 2020， 33（7）， pp.2845-2897.

[3]李昊驊、肖斌卿、龔樂：《商業銀行成本收入比與員工效率——基于我國銀行業特殊情境的實證》，《江蘇社會科學》2018年第5期。

[4]楊東：《監管科技：金融科技的監管挑戰與維度建構》，《中國社會科學》2018年第5期。

[5]盛天翔、范從來：《金融科技、最優銀行業市場結構與小微企業信貸供給》，《金融研究》2020年第6期。

[6]鐘永紅：《商業銀行核心資本充足率影響因素實證分析》，《國際金融研究》2014年第1期。

[7]F. T. Furlong， M. C. Keeley， "Capital Regulation and Bank Risk-taking： A Note"， Journal of Banking & Finance， 1989， 13（6）， pp.883-891.

[1]張金清、李柯樂、張劍宇：《銀行金融科技如何影響企業結構性去杠桿？》，《財經研究》2022年第1期。

[2]R. Engle， E. Jondeau， M. Rockinger， "Systemic Risk in Europe"， Review of Finance， 2015， 19（1）， pp.145-190；吳迪：《貨幣政策與金融穩定——基于異質性商業銀行的宏觀經濟模型研究》，《江蘇社會科學》2018年第1期。

[3]楊子暉、李東承：《我國銀行系統性金融風險研究——基于“去一法”的應用分析》，《經濟研究》2018第8期。

[4]方意、荊中博：《外部沖擊下系統性金融風險的生成機制》，《管理世界》2022年第5期。

[1]顧海峰、張亞楠：《金融創新、信貸環境與銀行風險承擔——來自2006—2016年中國銀行業的證據》，《國際金融研究》2018年第9期。

[2]T. Adrian， M. K. Brunnermeier， "CoVaR"， The American Economic Review， 2016， 106（7）， pp.1705-1741.

[3]L. Laeven， L. Ratnovski， H. Tong， "Bank Size， Capital， and Systemic Risk： Some International Evidence"， Journal of Banking & Finance， 2016， 69， pp.25-34；限于篇幅，ΔCoVaR、MES具體計算過程以及公式推導未予展示，備索。

[4]V. V. Acharya， L. H. Pedersen， T. Philippon， M. Richardson， "Measuring Systemic Risk"， The Review of Financial Studies， 2017， 30（1）， pp.2-47.

[5]S. Benoit， J. E. Colliard， C. Hurlin， C. Pérignon， "Where the Risks Lie： A Survey on Systemic Risk"， Review of Finance， 2017， 21（1）， pp.109-152.

[6]張琳、湯薇、林曉婕、周媛：《基于SVM-SRISK的非上市保險公司系統性風險度量》，《保險研究》2018年第6期；郭桂霞、于麗潔、張堯：《我國商業銀行系統性風險影響因素及作用機制——以或有資本債券為例》，《中國軟科學》2021年第10期。

[7]M. Cheng， Y. Qu， "Does Bank FinTech Reduce Credit Risk？ Evidence from China"， Pacific-Basin Finance Journal， 2020， 63： 101398.

[1]李春濤、閆續文、宋敏、楊威：《金融科技與企業創新——新三板上市公司的證據》，《中國工業經濟》2020年第1期。

[2]關鍵詞的選取依據中國信息通信研究院發布的《中國金融科技生態白皮書》中對金融科技的賦予的內涵。

[3]劉忠璐：《互聯網金融對商業銀行風險承擔的影響研究》，《財貿經濟》2016年第4期。

[4]史仕新：《商業銀行中間業務的系統性風險效應》，《財經科學》2019年第3期。

[5]張肖飛、徐龍炳：《金融衍生工具與銀行系統性風險》，《國際金融研究》2020年第1期。

[1]系統重要性銀行的劃分參考人行和銀保監印發的《系統重要性銀行評估辦法》（銀發〔2020〕289號）。

[1]方意：《貨幣政策與房地產價格沖擊下的銀行風險承擔分析》，《世界經濟》2015年第7期。

[2]王道平、劉楊婧卓、徐宇軒、劉琳琳：《金融科技、宏觀審慎監管與我國銀行系統性風險》，《財貿經濟》2022第4期。

[1]限于篇幅，穩健性檢驗的回歸結果未予展示，備索。

[2]李建軍、姜世超：《銀行金融科技與普惠金融的商業可持續性——財務增進效應的微觀證據》，《經濟學（季刊）》2021第3期。

[3]限于篇幅，2SLS的第一階段回歸結果省略。

[4]蘇帆、于寄語、熊劼：《更高資本充足率要求能夠有效防范金融風險嗎？——基于雙重差分法的再檢驗》，《國際金融研究》2019年第9期。

[5]本文只討論銀行資本結構中的杠桿率（等于資本/資產，即銀行杠桿率或資本資產率），不討論其他杠桿率指標。

[1]S. J. Van den Heuvel， "Banking Conditions and the Effects of Monetary Policy： Evidence from US States"， The BE Journal of Macroeconomics， 2012， 12（2）， pp.1-29.

[2]D. Kim， A. M. Santomero， "Risk in Banking and Capital Regulation"， The Journal of Finance， 1988， 43（5）， pp.1219-1233.

[3]限于篇幅，金融科技對銀行個體風險、系統性風險的作用機制模型省略。

[4]謝平、鄒傳偉：《金融危機后有關金融監管改革的理論綜述》，《金融研究》2010年第2期；范小云、王道平、方意：《我國金融機構的系統性風險貢獻測度與監管——基于邊際風險貢獻與杠桿率的研究》，《南開經濟研究》2011年第4期。

[5]田嬌、王擎：《銀行資本約束、銀行風險外溢與宏觀金融風險》，《財貿經濟》2015年第8期。

[6]方意：《貨幣政策與房地產價格沖擊下的銀行風險承擔分析》，《世界經濟》2015年第7期。

[7]方意：《系統性風險的傳染渠道與度量研究——兼論宏觀審慎政策實施》，《管理世界》2016年第8期。