金融科技對商業銀行操作風險的影響研究
——基于技術溢出效應視角

李婷婷 陸晨宇

(江蘇師范大學科文學院 江蘇徐州 221132)

1 引言

操作風險是指由于流程缺陷、人為錯誤、系統故障、內部事件、外部事件等造成損失的可能性，且各種金融產品、服務、流程、系統都可能引發操作風險(Khalil F et al.，2020)[1]。近年來，金融科技的快速發展改變了傳統金融服務模式，推動金融業務創新升級。商業銀行逐漸認識到金融科技的好處，利用信息技術提供各種產品和服務。隨著金融科技在金融領域的廣泛應用，銀行在提升服務效率、豐富金融產品種類的同時，也面臨新的風險沖擊，如金融詐騙、洗錢、系統故障、內外部欺詐或操作失誤造成資金損失等，以上風險均屬于操作風險事件范疇，這說明在金融科技背景下，銀行操作風險愈加頻發和突出。金融科技復雜系統在金融機構的廣泛應用凸顯了操作風險管理的重要性。近些年來，關于操作風險的研究不斷增加，主要集中在操作風險損失計量和統計特征方面。Basak S & Buffa A M(2017)認為，當銀行從事新活動或開發新產品、進入新領域、實施新的業務流程或技術系統時，銀行的操作風險敞口增加[2]。Pena et al.(2018)認為金融科技改變了整個金融市場的運行規則，商業銀行通過有效識別金融科技觸發的操作風險損失的大小，對不同類型和級別的操作風險進行排序，能夠降低金融科技造成的操作風險損失[3]。

綜上，目前學界關于金融科技如何影響操作風險的理論研究尚未得出一致結論。此外，現有實證研究多集中在金融科技對銀行系統性風險、信用風險以及市場風險的影響上(李學峰和楊盼盼，2021；劉孟飛，2021；金洪飛等，2020)[4-6]，關于操作風險的實證研究少之又少。因此，本文基于2011—2021年16家A股上市銀行數據，從金融科技技術溢出效應角度出發，理論分析其對銀行操作風險的影響機理，并進行實證檢驗。

2 金融科技的技術溢出效應對銀行操作風險的影響機制

2.1 金融科技的技術溢出效應對銀行操作風險的影響

技術溢出效應實際上是一種技術外溢引發的外部經濟活動，表現為擁有發達技術的企業通過直接或間接的方式將創新型技術外溢到其他產業或地區，影響其產量增長或經濟發展。金融科技公司利用數字信息技術為客戶提供成本低、匹配性強、服務質量高的金融產品/服務，吸引大量銀行與金融科技公司合作，增加金融服務技術研發與應用。金融科技算法復雜，處于發展初期的金融科技在銀行業務中的應用尚不成熟，存在技術漏洞，容易因系統失靈放大操作風險損失。此外，為修復系統漏洞，管控操作風險，銀行會頻繁更新業務操作系統，難免部分員工因個人業務素質低下，因操作失誤而造成風險損失。但是，隨著金融科技水平的提升及其在商業銀行風控領域的成熟應用，銀行操作風險管理開始向智能化、模型化方向轉型。一方面，指紋、人臉等生物識別技術使銀行風控管理由人控向機控轉變，能夠強化對交易內容的真實性審核，降低無授權交易等內部欺詐行為；另一方面，通過嵌入風控預警模型，運用大數據識別違規操作，能夠強化事前預警和實時檢測，抑制操作風險。

圖1 技術溢出效應下金融科技對銀行操作風險的影響機制

假設1：初級階段金融科技的技術溢出效應加重商業銀行操作風險負擔；發達階段的技術溢出效益能夠抑制操作風險。

2.2 技術溢出效應下金融科技對不同規模銀行操作風險的影響差異

不同規模的銀行業務范圍、組織結構、員工素質、風險管控水平等方面均存在差異，金融科技的發展在不同規模銀行中的應用程度不同，其技術溢出效應對操作風險的影響也會出現差異。大型銀行資金實力雄厚，人才儲備強大，具有資源稟賦優勢，但是其分支機構覆蓋面廣，基層網點繁多，員工素質參差不齊；中小型銀行富有靈活性和創造力，但是成立時間短，資金實力弱，業務范圍小，市場認可度較低。在金融科技發展初期，大型銀行能夠利用自身資源稟賦優勢，快速實現金融科技在傳統銀行業務領域的應用，比中小銀行更早享受金融科技的技術溢出效應帶來的好處。但是，應用初期的金融科技容易出現流程缺陷和系統漏洞，操作風險多發生于基層網點。操作風險具有低頻高損失特征，由于大型銀行基層網點多，總行對分支機構“鞭長莫及”，基層網點員工受自身業務水平限制，難以及時識別和控制因技術漏洞引發的操作風險，一項操作風險事件就可能引發巨額損失。隨著金融科技水平的成熟，大型銀行雄厚的資金和人才技術儲備有助于推進金融科技與傳統金融業務的融合，提升智能化風控水平，降低操作風險。

假設2：發展初期的金融科技對大型銀行操作風險的沖擊大于中小型銀行；發達階段的金融科技對大型銀行操作風險的抑制作用大于中小型銀行。

3 變量選取與模型設計

3.1 變量定義

3.1.1 被解釋變量：操作風險

根據Basel Ⅱ和Basel Ⅲ，按照業務復雜程度和風險敏感性，可將操作風險資本計量方法分為三類，即基本指標法、標準法、高級計量法。劉睿和李金迎(2008)通過構建收入模型測量得到的操作風險資本與基本指標法得到的結果基本一致，證明基本指標法能夠適用中國銀行業風險管理現狀[7]。由于操作風險管理在我國銀行運營管理中應用較晚，缺乏損失事件積累和銀行內部數據，故采用基本指標法來衡量操作風險，即操作風險資本=15%×過去3年銀行營業收入均值。

3.1.2 核心解釋變量：金融科技水平

現有文獻關于金融科技綜合水平的測量方法有兩種，一種是利用百度指數獲取關聯詞詞頻，然后借助多元統計分析方法構建綜合指數(姚婷和宋良榮，2020)[8]。另一種是采用北京大學數字普惠金融指數(PKU-DFIIC)作為代理指標(孟娜娜和粟勤，2020；郭峰和王靖一，2020)[9-10]。金融科技應用范圍廣，構建的原始詞庫難以覆蓋所有金融科技產品和服務類型，所以通過百度指數獲得的金融科技綜合指數不能全面刻畫其發展水平。然而，從覆蓋廣度、使用深度、數字化程度3個維度(共計33個具體指標)構建得來的數字普惠金融指數，綜合性高，覆蓋面廣，更適合作為代理變量。但是，由于該指數均為地區級數據，故本文用省級指數均值來衡量我國金融科技綜合水平。

3.1.3 控制變量

本文分別選擇資產規模、激勵程度、員工素質、行業競爭水平為控制變量。其中，用銀行年末資產總額作為資產規模的代理變量；用職工平均薪酬來表示激勵程度；用大學本科以上學歷員工占比衡量員工素質；以國有銀行年末總貸款占比來量化當年行業競爭水平，總貸款占比越高，說明行業集中度越高，競爭水平越低，反之則反。

3.2 樣本選擇與數據來源

本文選用A股上市銀行為研究樣本。截至2022年末，我國共有A股上市銀行42家，由于目前只能獲得2011—2021年的金融科技代理變量(即數字普惠金融指數)，故樣本區間選為2011—2021年。除去2011年后A股上市的銀行，本文最終選擇16家銀行作為研究對象。相關數據均來自新浪財經、巨潮資訊網、各上市銀行官方年報、北京大學數字金融研究中心。

3.3 計量模型設計

基于上文理論分析，本文構建如下多元面板數據回歸模型：

其中，ORCBi,t、TASi,t、ENSi,t、EMTi,t分別表示第i家銀行t年的操作風險損失、資產規模、激勵程度、員工素質；FTIt、DICt分別表示第t年的金融科技發展水平和行業競爭程度；FTIt2用來描述FTI與ORCB之間的非線性關系，用來檢驗隨著金融科技水平的提升，其技術溢出效應對操作風險的影響是否發生改變；μi,t表示銀行隨機效應，其分布與解釋變量無關；εi,t表示隨機誤差項。

4 實證分析

本文在進行回歸分析前，需要通過Hausman檢驗來判斷應該建立固定效應模型還是建立隨機效應模型進行回歸分析。Hausman檢驗結果顯示，隨機效應回歸模型對應的P值為1，大于0.05，接受原假設，應建立隨機效應模型，結果如表1中式(1)所示：FTI的回歸系數為0.5969，FTIt2的回歸系數為-0.0013，說明FTI對ORCB的影響呈倒“U”型，即在金融科技發展初期，會因技術漏洞或者員工“素質問題”增加商業銀行操作風險承擔。但是，隨著金融科技在銀行系統的深入應用與發展，操作風險管理開始由人控轉向機控，通過剝離前臺操作環節，嵌入風控預警系統等智能化風控手段，從業務流程上降低操作風險，與假設1相符。

表1 金融科技對商業銀行操作風險影響的回歸結果

此外，由于FTI對ORCB的作用效果會受銀行規模的影響，故參照劉孟飛(2021)的做法，在式(1)的基礎上，分別引入FTIt×D和FTI2t×D，實證檢驗上述影響是否會因銀行規模的不同而出現差異，如下所示：

其中，D表示銀行規模的虛擬變量，具體表現為式(3)：

式中，將2011—2021年資產總額大于16家樣本銀行資產總額均值的銀行定義為大型銀行，其余定義為中小型銀行。

回歸結果如表1式(2)所示：FTI和FTIt2的系數分別為0.4249和-0.0012，其對操作風險的作用方向與原有結論一致；FTI t×D和FTI t2×D的估計系數分別為0.3245和-0.0015，說明FTI的技術溢出效應對ORCB的影響效果會因銀行規模不同而存在差異。具體來看，大型銀行FTI對ORCB的影響系數為0.7494，FTIt2對ORCB的影響系數為-0.0027；中小型銀行FTI對ORCB的影響系數為0.4249，FTIt2對ORCB的影響系數為-0.0012，說明在金融科技發展初期，金融科技對大型銀行操作風險的沖擊大于中小型銀行，發達階段的金融科技對大型銀行操作風險的抑制作用大于中小型銀行，與假設2相符。原因在于，金融科技發展初期，大型銀行能夠憑借資本、人才、社會資源等要素稟賦優勢在傳統金融業務中融入金融科技，但是由于應用初期的金融科技存在較多的技術漏洞和安全隱患，加上大型銀行基層網點多，基層員工風險識別和管理能力較弱，容易比中小型銀行引發更大的操作風險損失；隨著金融科技在大型銀行中的成熟應用，大數據生態體系、智能化風控手段等均能有效預警和識別前、中、后臺的操作風險，比中小銀行進一步降低操作風險損失。

在控制變量方面，式(1)、(2)中TAS的回歸系數均為正值，說明資產增量越大，銀行操作風險負擔越重。ENS的回歸系數均為負值，說明銀行對員工的激勵增幅越大，越能夠抑制操作風險發生。EMT的回歸系數均為負值，說明擁有高專業素質的員工能夠抑制操作風險。DIC的系數符號均為負，說明在不考慮金融科技等其他因素的影響下，市場集中度與操作風險負相關(即行業競爭度與操作風險正相關)，即行業競爭水平能夠沖擊銀行操作風險承擔。

5 研究結論與建議

基于金融科技的技術溢出效應對銀行操作風險的影響機理，結合2011—2021年16家上市商行的數據進行實證分析發現：(1)從金融科技技術溢出效應對銀行操作風險的影響呈倒“U”型，即金融科技起步階段的技術溢出效應容易誘發操作風險；發達階段的技術溢出效應通過驅動銀行風控手段向智能化方向轉型，能夠抑制操作風險；(2)以上影響效果會因銀行規模不同而存在差異，在金融科技應用初期，大型銀行由于“船大難調頭”，其技術溢出效應比中小型銀行更容易觸發操作風險；隨著金融科技的深入發展，大型銀行依靠雄厚的資金、技術以及人才儲備，能夠提升智能化風控管理水平，其技術溢出效應對操作風險的抑制作用大于中小型銀行。

基于以上結論，本文提出以下4點建議：第一，積極融入發展成熟的金融風控技術，構建智能風控體系。銀行在構建智慧化網點，進行數字化轉型的同時，要重點關注智能化風控體系的建設，通過嵌入風險監控模型，構建實時風險預警系統，加速風控手段從“人控”向“機控+智控”方向的轉變，降低操作風險管控負擔。第二，增加金融技術研發投入，發掘金融科技人才。及時發現和修復金融科技漏洞，升級行內金融科技業務系統。同時，變革傳統“填鴨式”培訓方式，引入情景式培訓手段，不斷提高員工業務素質，降低操作失誤損失。第三，中小銀行開辟“跟隨式創新”路徑，提升智能化風控水平。受自身資金、技術、人才等資源限制，中小銀行智能化風控技術的研發與應用于大型銀行之間存在差距，但是可以通過積極學習同行經驗，加強與第三方金融科技公司合作，合理評估自身操作風險管理水平，借外力搭建智能化風控體系，降低操作風險損失。