金融科技對上市金融機構風險影響研究

摘要：金融科技能夠顯著提高金融機構服務效率，但也給金融機構帶來了更多的不確定性和潛在風險。文章基于TENET網絡模型構建上市金融機構風險網絡，從風險輸入和溢出兩個層面探究金融科技對上市金融機構的影響及作用機制。研究發現，金融機構間風險輸入和溢出強度存在時變特征，金融機構風險網絡具有時變特征。金融科技可以抑制機構間風險輸入，金融機構發展金融科技可以幫助其抵御外來風險，但發展金融科技也會增加機構間的風險溢出。金融機構間C2B、分布式計算、金融科技、網貸等發展水平差距的擴大可以減少機構間風險傳染，機構間C2C、人工智能和網上支付等發展水平差距的擴大則會增加機構間風險傳染。此外，機構的關聯交易差距擴大也會增加機構間風險傳染。

關鍵詞：金融科技；TENET；QAP回歸；金融機構風險

中圖分類號：F832.3" " " " " " " " 文獻標志碼：A" " " " " " " " 文章編號：1671-9840（2024）03-0040-13

DOI：10.16713/j.cnki.65-1269/c.2024.03.005

Abstract： Fintech can significantly improve the efficiency of financial services， but it also brings more uncertainty and potential risks. This paper constructs a risk network of listed financial institutions based on the TENET network model， and explores the impact of fintech on it from the two aspects of risk input and output intensity of institutions， and explores the impact mechanism of specific aspects of fintech on inter-institutional risk contagion. The research found that the risk input and output intensity between institutions have time-varying characteristics， which also shows that the risk network of financial institutions has time-varying characteristics. Fintech can curb the risk input between financial institutions， that is， the development of fintech can help institutions resist external risks. However， at the same time， the development of fintech also increases the risk spill-over between institutions. The widening development gap of C2B， distributed computing， fintech， and online lending between institutions can reduce the risk contagion between institutions. On the other hand， the widening development gap of C2C， artificial intelligence， and online payments between institutions will increase the risk contagion between institutions. In addition， the difference in affiliated transactions between institutions will also increase the risk contagion between institutions.

Key words： fintech; TENET; QAP regression; financial institution risk

金融科技起源于金融與科技的融合，數字技術的廣泛應用使得金融領域的技術發展以及其對金融市場的影響成為相關領域的研究重點。金融科技即通過技術帶來金融創新理念，包括改變傳統金融服務，產生新的商業模式、應用、流程和產品［1］，其給金融行業帶來了巨大變革。金融與科技的深度融合可以刺激傳統金融領域變革，促進金融服務創新，提高資源配置效率，實現金融產品多樣化，優化傳統金融經營管理模式，進一步推動金融業數字化發展。金融科技在支付結算、存貸業務、資本投融資等融資服務中有廣泛運用。金融科技帶來的創新實踐，不僅能夠與傳統金融服務形成競爭，還能與銀行、保險、支付等服務的核心功能形成互補，大數據、區塊鏈、云計算、人工智能等金融科技的發展，深刻影響了傳統金融機構和金融市場體系［2］。

由此可見，系統研究金融科技對金融機構風險的影響有很強的現實意義，不僅有助于平衡金融科技發展需求，減少金融科技給金融業帶來的潛在風險，還有助于監管機構準確把握金融科技的影響和潛在風險，制定更有針對性的監管政策，更好維護金融體系穩定。本文基于2012—2022年宏觀數據和上市金融機構特征數據，基于TENET網絡模型［3］構建我國上市金融機構間的風險溢出網絡，探究金融科技對金融機構間風險的影響及作用機制。本文從風險輸入和溢出兩個角度綜合探討金融科技對金融機構風險的影響，并采用文本挖掘方法，運用爬蟲技術統計各機構年報中金融科技相關關鍵詞詞頻進而構造差距矩陣，以此衡量金融機構間金融科技具體層面的發展差異，同時利用QAP回歸方法揭示金融科技發展差異對金融機構風險溢出網絡的作用機制。

一、文獻綜述

金融科技的發展不僅改變了傳統金融機構的經營方式，還產生了重要的社會效益和經濟效益。Guo［4］進行的實證檢驗表明，金融科技發展水平較高的銀行為公眾創造了更大的流動性，這種效應通過存款流入、風險管理等渠道發揮了積極作用。Muganyi［5］實證檢驗了金融科技對金融業發展的影響，研究發現金融科技通過增加中國金融機構的貸款、存款等進而推動金融部門發展，金融科技在金融監管領域的運用可以顯著改善金融發展成果。Wang［6］評估了金融科技對銀行業的潛在影響，發現通過發展金融科技，商業銀行可以降低銀行運營成本，提高服務效率，增強風險控制能力，進而優化傳統業務模式，提高綜合競爭力。金融科技能夠憑借技術優勢，在一定程度上解決跨平臺數據共享問題，更有利于企業的投資決策［7］。金融科技還可以減少銀行與借款人之間的信息不對稱［8］，促進企業數字化轉型，提升企業財務資源配置質效，提升數字技術創新活躍度［9］。當金融領域出現過度投資時，加強金融科技創新成果的推廣應用，不僅能夠進一步強化金融科技外溢效應，還能夠有效提高金融效率，促進經濟高質量發展［10］。

然而，金融科技的發展也給金融行業帶來了更多的風險挑戰。安起光［11］基于TVP-VAR模型研究了金融科技對金融機構系統性風險的動態時變影響，研究發現，在金融科技發展初期，金融科技會增大金融機構的系統性風險，但隨著金融科技的進一步發展，其會降低金融機構的系統性風險。劉孟飛［12］研究發現，金融科技的發展增大了我國銀行業系統性風險，隨著金融科技的高速發展，金融機構間的風險傳染效應會進一步強化，進而加劇系統性風險。王道平［13］深入分析了發展金融科技對我國銀行系統性風險的影響及作用機制，研究表明，微觀銀行金融科技水平的提升會增大銀行風險承擔傾向，加深銀行間的關聯程度，進而導致系統性金融風險顯著放大，且這種影響具有時滯性和持續性。從短期來看，金融科技的發展可增強銀行吸儲能力，提升銀行流動性，但從長期來看，金融科技將在業務領域與銀行展開競爭，導致銀行融資成本上升，增加銀行的流動性風險［14］。還有研究表明，金融科技能夠通過減少信息不對稱、促進業務邊際拓展、增強風險應對能力等進而降低銀行風險［15］。董曉林［16］運用爬蟲技術構建了商業銀行金融科技指數，實證分析金融科技對我國商業銀行個體風險與系統性風險的影響，研究發現，發展金融科技既能顯著降低商業銀行個體風險，又能抑制系統性風險。

通過梳理文獻可以發現，既有研究大多選用CoVaR方法衡量金融機構的系統性風險，且大多只考慮了機構間的靜態關聯關系。同時，既有研究主要關注金融科技對銀行系統性風險的影響，而對于其他金融機構系統性風險的研究較少。實踐中，金融機構間具有高度關聯性，因而由金融科技引發的系統性風險可以跨部門流動，導致風險跨部門傳染。本文選取TENET方法深入研究金融科技對上市金融機構風險的影響，該方法不僅能夠捕捉機構間的非線性交互關系，還能夠利用LASSO方法進行變量選取，解決高維變量問題，對機構的尾部風險識別也更為可靠。本文通過TENET方法構建上市金融機構風險溢出關聯網絡，衡量金融機構間風險輸入和溢出水平，探究金融科技發展對金融機構風險輸入和溢出的影響，并通過QAP回歸揭示金融科技對風險溢出網絡的作用機制。

二、研究方法與設計

（一）構建機構風險網絡模型

首先，估計金融機構的風險價值（VaR）。本文借鑒Adrian［17］的研究通過線性分位數回歸估計金融機構的風險價值，計算公式如下：

式中[τ]表示分位數水平，[Xi，t]表示金融機構[i]在時間[t]的對數收益率，[Mt-1]為宏觀狀態變量。

其次，基于SIM分位數變量構建回歸模型，以捕捉金融機構間的非線性依賴關系。模型和相關計算公式如下：

式（4）中函數[g（?）]表達了機構[j]與其他金融機構之間的非線性交互關系，且包含了信息集[Rj，t]，[Rj，t=def{X-j，t，Mt-1，Bj，t-1}]，[X-j，t]表示除機構[j]以外的其他金融機構的對數收益率，[Bj，t-1]為金融機構特征變量。系統性風險溢出強度[CoVaR]由式（3）計算得出的[VaR]值再進行5%分位數回歸后代入式（4）得到。

最后，測算金融機構間系統性風險溢出強度[Dj|Rj]，構建有向加權風險網絡。風險溢出強度[Dj|Rj]計算公式如下：

式中[Dj|Rj=def{Dj|-j，Dj|M，Dj|Bj}T]，[Dj|Rj]為協變量對機構[j]的邊際效應。

本文通過滾動窗口方法進行參數估計，以[k]個金融機構為節點，以風險溢出強度[Dj|Rj]為連接邊，在窗口[s]下構建[k×k]階加權鄰接矩陣[As]，該矩陣的行對應風險輸入強度，列對應風險輸出強度。[As]矩陣形式如下：

（二）金融機構間風險輸入和溢出

本文的研究樣本為我國于2012年前上市的68家金融機構，為刻畫各機構的風險水平，分別定義了機構間風險輸入強度（[IILINn，t]）和風險溢出強度（[IOLOUTn，t]），具體計算公式如下：

式中：[k]代表上市金融機構；[n]為金融機構個數，其最大取值為68。

（三）面板數據回歸

為揭示金融科技發展對金融機構風險的影響，本文構建了面板數據模型來探討金融科技對機構間風險輸入強度和風險溢出強度的影響。基準回歸模型如下：

模型中，[k]、[t]分別表示金融機構和時間，[h]為控制變量個數，[FT]為核心解釋變量金融科技，[col1]、[col2]為控制變量。

（四）QAP回歸

QAP回歸方法是一種確定性算法，常用于度量兩個矩陣之間的相似性，尋找給定的兩個方陣之間的最優排列。在社會科學研究中，這種方法還可以用于比較兩個社會網絡中的節點或社區之間的相似性、結構空間排列差異等。QAP回歸通過隨機檢驗方法對相關系數進行非參數檢驗，使其在矩陣值之間存在依賴關系的情況下仍然能夠進行參數估計和統計檢驗［18］。本文選用QAP回歸方法研究金融科技對金融機構間風險傳染的影響。

三、實證分析

（一）數據說明

本文依據中國證券監督管理委員會2012版行業分類原則，選取2012年前上市的68家金融機構，涉及貨幣金融服務業、資本市場服務業、保險業和其他金融業；同時采用滾動時間窗口法，窗口大小設置為51（約為一年內的交易周數），分位數設置為5%，時間范圍選擇為2012年1月6日至2022年12月30日，以交易日收盤價的周頻股價數據作為分析樣本，共得到566個樣本觀測值。

（二）變量選取

本研究主要涉及3類變量，即宏觀狀態變量、機構特征變量和控制變量，具體如表1所示。宏觀狀態變量主要選取TED利差、短期收益率、期限結構和短期流動利差，統計頻率為日，并對日數據進行周平均處理以得到周頻數據，最后對這4個變量進行標準化處理得到無量綱數據。機構特征變量選取所有者權益比率、資產負債率、總資產增長率、總資產周轉率、總資產凈利潤率和賬面市值比這6個指標，通過三次樣條插值法將6個指標的季度數據轉化為周頻數據并進行標準化處理以得到無量綱數據。

（三）金融機構間風險輸入強度和風險溢出強度

本文實際測算了2013—2022年機構間風險輸入和溢出強度，并列示了2013年、2015年、2017年、2019年和2021年的測算結果，具體如表2、表3所示。由表2、表3可知，金融機構間風險輸入和溢出強度存在時變特征，金融機構間風險網絡具有時變特征。國海證券在2013年的風險輸入和溢出強度均最高，說明2013年的“錢荒”事件對國海證券影響較大，對系統風險的貢獻度最高。光大證券在2015年和2021年的風險溢出強度均最高，其與光大銀行、同花順均為2015年“股災”事件中的主要風險輸出者。同花順、哈投股份和建元信托在2019年是主要風險溢出者，對系統風險的貢獻度較高。

（四）面板數據混合回歸分析

1.描述性統計分析。研究中的金融科技數據是在借鑒李春濤［19］構建金融科技指數方法的基礎上，運用爬蟲技術爬取百度新聞高級檢索頁面的網頁源代碼并提取搜索的結果數量，再對同一地級市或直轄市層面的所有關鍵詞搜索結果數量加總并進行對數變換得到的。本文以各機構注冊地金融科技指數代表各機構金融科技發展水平，由表4數據可知，金融科技均值為5.075，最大值、最小值分別為7.491和1.386，方差為1.411，說明各機構金融科技發展水平存在一定差異。另外，各變量的VIF值均小于10，可以認為變量之間不存在多重共線性。

2.混合回歸結果分析。表5列示了金融機構間風險輸入的混合回歸結果。由表5可知，金融科技、總營業成本率、籌資活動債權人現金凈流量、固定資產周轉率、股東權益周轉率和有形資產負債率至少通過5%水平的顯著性檢驗，金融活動利潤占比未通過顯著性檢驗。金融科技發展水平、籌資活動債權人現金凈流量、固定資產周轉率和股東權益周轉率的提高抑制了機構間風險輸入。原因可能在于：其一，金融科技通過大數據、人工智能等新技術，可以提供更準確、實時、全面的風險控制和管理工具，從而有效抑制機構間風險輸入。監管部門也可以通過數字化監管平臺、數據分析等，對金融機構風險進行監控和防范。其二，在金融機構間的融資交易中，籌資活動債權人現金凈流量增加可提升機構償債能力，降低機構間信用風險；籌資活動債權人現金凈流量增加，可降低機構融資成本和債務負擔，保護機構經濟利益，也可提高機構現金儲備水平，增強對突發事件的應對能力，提升機構穩健性，減少機構間風險輸入。其三，固定資產周轉率的提高意味著機構能夠更快地將固定資產轉化為現金流，并有效利用資本，減輕機構投資壓力，減輕機構的債務負擔，減少對資本市場的依賴。其四，股東權益周轉率的提高意味著機構能夠更高效地利用股東權益資金來獲取更多收益，提高資金使用效率，減少股東權益閑置浪費，降低機構資本風險。另外，總營業成本率和有形資產負債率的提高促進了金融機構間風險輸入。這可能是因為提高總營業成本率將增大機構經營壓力，降低盈利能力，并增加企業對外部資金的需求，增加機構面臨的財務、經營、聲譽、市場等方面的風險，從而增大機構間風險輸入；而有形資產負債率上升意味著機構承擔了較大規模的債務，可能導致償債壓力增大，進而增大機構間風險輸入。

表6列示了金融機構間風險溢出的混合回歸結果。由表6可知，金融科技、籌資活動股東現金凈流量、現金滿足投資比率、固定支出償付倍數、現金資產比率、權益乘數、負債與權益市價比率均通過了顯著性檢驗，資產負債率未通過顯著性檢驗。金融科技發展水平、籌資活動股東現金凈流量、現金資產比率和權益乘數的提升增大了機構間風險溢出。原因可能在于：第一，金融科技發展帶來了新的風險，若一個機構在新興領域承受了較大的風險或損失，可能引發市場對該機構的擔憂，從而導致機構間風險溢出；同時，金融科技的快速發展也給監管機構帶來了嚴峻挑戰，監管滯后或監管漏洞均可能導致金融機構在風險控制方面存在不足，進而使整個金融體系受到影響，引發機構間風險傳染。第二，籌資活動股東現金凈流量反映了機構的融資活動和金融狀況，籌資活動股東現金凈流量增加會對市場造成一定影響，若市場機制不夠健全或投資者情緒波動較大，則很可能促使機構間風險溢出。第三，現金資產比率增大可能增大機構間關聯風險，金融機構可能通過貸款、融資和交易等相互關聯，若一個機構持有過多現金，則可能導致機構間關聯風險增大。第四，權益乘數增大意味著金融機構使用了更多的債務來融資，從而擴大了資產收益率的波動范圍；權益乘數的增大還意味著金融機構使用了較少的股東權益來支撐其資產，當市場出現劇烈波動時，機構資本的緩沖能力會降低，機構將面臨更大的資金流動性風險和財務風險，進而導致風險溢出。現金滿足投資比率、固定支出償付倍數、負債與權益市價比率的提高會抑制金融機構間風險溢出。這可能是因為提高現金滿足投資比率可增強流動性，當機構持有足夠現金來滿足投資比率時，其流動性更強，在市場壓力下更易滿足短期債務需求，從而減少了其他機構面臨的違約風險。固定支出償付倍數是衡量金融機構償還債務能力的指標，其可反映機構在固定支出方面的支付能力，若機構有足夠的固定支出償付倍數，則其更有能力承擔債務償還壓力，提升資本充足性。較高的負債與權益市價比率意味著金融機構更依賴借入資金來支持業務運營和投資，若市場條件惡化或債務成本上升，機構可能面臨債務償還困難，增加其他機構面臨的違約風險。此外，當負債與權益市價比率較高的金融機構遭遇困境時，與其有關聯和受其影響的其他機構很可能受到波及。

（五）QAP回歸分析

1.QAP相關性分析。本研究先通過爬蟲技術統計2013—2022年金融機構年報中與金融科技相關的關鍵詞詞頻，除去全0值關鍵詞后，共得到24個關鍵詞進而構造差距矩陣；再利用UCINET軟件進行QAP相關性分析和QAP回歸分析，剔除部分不顯著變量后共保留C2B、C2C、金融科技、分布式計算、網貸、網上支付、人工智能、數據挖掘8個變量。表7中顯示了QAP相關性分析的P值，其中控制變量關聯交易表示機構間在研究期內關聯交易的次數，數據來源于國泰安數據庫。

2.QAP回歸分析。表8列示了QAP回歸結果。由表8可知，C2B、金融科技、分布式計算和網貸等變量的標準化系數均顯著為負，表明金融機構間C2B、金融科技、分布式計算和網貸等發展水平差距的擴大可以減少機構間風險傳染。原因可能是：C2B模式主要依賴消費者的創新能力和技術水平，而企業需要具備相應的技術和能力來適應并滿足消費者需求，如果不同機構之間的技術能力存在較大差異，那么風險傳染的概率就會降低。不同機構的技術實力和創新能力存在差異，一些機構可能在金融科技前沿領域有著突出的技術優勢，而另一些機構則相對落后，技術創新差異可能使風險在不同機構之間的傳播速度和范圍受到一定影響。分布式計算涉及多個計算機之間的數據傳輸和共享，其對安全性的要求較高，如果不同機構在安全保障能力方面存在顯著差異，那么風險傳播可能受到限制，具備更強安全保障能力的機構能夠更好地防范風險擴散并保護數據安全。網貸平臺的風險評估能力對正確識別和評估借款人信用風險至關重要，若一些平臺具備更為科學、全面的風險評估能力，而其他平臺相對欠缺，那么風險就難以通過整個行業快速傳遞。

由表8還可以看出，C2C、人工智能、關聯交易、網上支付等變量的標準化系數均顯著為正，表明機構間C2C、人工智能、關聯交易和網上支付等發展差距的擴大會提高機構間風險傳染的可能性。原因可能是：其一，C2C平臺涉及復雜的金融衍生產品交易，不同平臺對于金融衍生產品的監管和風險控制能力存在一定差異，且C2C交易中的信息不對稱也可能增加風險傳染的隱患。其二，人工智能的發展依賴大量的高質量數據，發展水平差距擴大可能意味著一些機構無法獲得足夠規模和質量的數據，從而影響人工智能模型的準確性和穩定性，進而增加了風險傳染的可能性。其三，關聯交易差距擴大時，某些機構風險可能集中于特定的合作伙伴，一旦合作伙伴出現問題也易導致風險向其他機構傳遞。此外，較為發達的機構與較為落后的機構進行關聯交易，可能出現控制權不對等等情況，使得較為落后的機構面臨較大的風險。其四，不同機構在支付安全方面采取的防范措施存在一定差異，一旦機構未能及時采取更新、更有效的支付安全技術和措施，就很容易成為攻擊目標，從而增加了風險傳染的可能性。數據挖掘變量的標準化系數為負但未通過顯著性檢驗，表明機構間數據挖掘技術發展水平的差距并未顯著影響機構間風險傳染。

四、穩健性檢驗及異質性分析

（一）面板回歸穩健性檢驗

由于本文主要基于窗口滑動方法構建風險網絡，因而參數選取可能對網絡結構造成一定影響。為避免因參數選取不同而造成結果不同，本文從改變分位數選擇和滾動窗口長度兩個方面檢驗基準回歸結論的穩健性。表9、表10分別列示了金融機構間風險輸入和風險溢出的穩健性檢驗結果。由表9、表10可以看出，與基準回歸結果相比，核心變量金融科技回歸系數的正負性和顯著性未發生太大變化，金融科技可以抑制金融機構間風險輸入，增加機構間風險溢出。由此可以表明，前文結論較為穩健。

（二）QAP回歸穩健性檢驗

為驗證QAP回歸結果的穩健性，本文采用多種方法進行穩健性檢驗。首先，與面板回歸穩健性檢驗相同，從改變分位數和窗口長度兩個方面進行檢驗；其次，通過改變QAP回歸過程中的隨機置換次數和隨機種子數進行檢驗。由如表11所示的QAP回歸穩健性檢驗結果可知，變量回歸系數的正負性和顯著性未發生太大變化，說明前文結論較為穩健。

（三）異質性分析

本文選取了我國于2012年前上市的68家金融機構，不同金融機構的金融科技發展水平不同，因而金融科技對上市金融機構風險的影響也可能存在一定的異質性。為進一步探究上市金融機構間的具體情況，本文將68家上市金融機構劃分為貨幣金融服務業、資本市場服務業、保險業和其他金融業并進行異質性分析，結果如表12、表13所示。

結合表12和表13的檢驗結果可知，金融科技發展促進了貨幣金融服務業、保險業和其他金融業金融機構的風險輸入和溢出。這可能是因為金融科技發展引入了新的金融產品和服務，例如點對點借貸、眾籌、數字貨幣等，這些新的金融產品和服務帶來了新的風險。金融科技發展抑制了資本市場服務業金融機構的風險輸入和溢出。可能的原因是：金融科技提供的交易和投資工具更智能、更高效，更有助于抑制資本市場服務業金融機構的風險輸入；同時，金融科技通過提供更好的風險管理工具和數據分析技術，可減少資本市場服務業金融機構的風險溢出。

五、結論與建議

（一）研究結論

本文基于復雜網絡，通過TENET網絡模型捕捉上市金融機構間的網絡風險關聯關系，探究金融科技發展對該類金融機構風險輸入和溢出強度的影響，并從金融機構年報中統計金融科技相關關鍵詞詞頻，以此構造差距矩陣，利用UCINET軟件進行QAP回歸分析以揭示金融科技對網絡風險的作用機制。本文主要得到以下結論：一是金融機構間風險輸入和溢出存在時變特征，金融機構風險網絡具有時變特征。二是整體上看，金融科技可以抑制金融機構間風險輸入，金融機構發展金融科技可以幫助其提高抵御外來風險的能力，但發展金融科技也會增加金融機構間風險溢出。三是QAP回歸分析發現，金融機構間C2B、金融科技、分布式計算和網貸等發展差距的擴大可以減少機構間風險傳染，金融機構間C2C、人工智能和網上支付等發展差距的擴大會增加機構間風險傳染的可能性。此外，金融機構關聯交易差距的擴大也會增加機構間風險傳染的可能性。進一步的異質性分析表明，金融科技發展可以促進貨幣金融服務業、保險業和其他金融業金融機構間的風險輸入和溢出，抑制資本市場服務業金融機構的風險輸入和溢出。

（二）政策建議

基于以上研究結論，本文提出如下政策建議：第一，加強監管，完善內部控制。隨著金融科技的快速發展，監管機構需及時調整監管策略，確保金融科技企業和創新項目在合規的環境中運作，減少機構風險。金融機構應進一步加強內部控制體系建設，確保風險管理和監控機制的有效運作。強化內部控制有助于降低金融機構內部脆弱性，防止風險溢出。第二，加強創新，強化合規意識。應著力培育創新文化和創業精神，鼓勵員工提出創新性金融科技解決方案。建立創新機制和平臺，促進內部創新和外部合作，及時推動創新項目落地。在發展金融科技的過程中，金融機構應始終保持對法規和合規要求的高度關注，及時了解并應對監管政策變化，確保金融科技的合規性和穩定性。第三，加強數據安全與隱私保護，注重采用多元化合作模式。金融科技涉及大量的用戶數據，金融機構需要進一步加強對數據的保護和對隱私的尊重。應采用先進的數據加密和隱私保護技術，確保用戶數據安全，并遵循公開、透明的數據使用與共享規則。此外，發展金融科技需要跨行業和跨領域合作，金融機構應與金融科技企業、科技公司、學術機構等單位建立廣泛的合作關系，共同制定和推廣金融科技解決方案，努力實現共贏和共同發展。第四，加強風險評估與管理，持續監測、及時調整。在推廣金融科技項目時，金融機構應科學評估和管理可能涉及的風險，如技術風險、操作風險、市場風險等，建立更為全面的風險管理框架，包括風險識別、評估、監測和控制等。同時，金融科技發展迅速，金融機構應定期監測和評估風險，并根據市場需求和技術發展及時作出調整，保持靈活性，更好地應對各種風險和變化。

參考文獻：

［1］PUSCHMANN T.Fintech［J］.Business amp; information systems engineering，2017（1）：69-76.

［2］GOETZ M R.Competition and bank stability［J］.Journal of financial intermediation，2017（35）：57-69.

［3］HARDLE W K，WANG W N，YU L N.TENET：tail-event driven NET work risk［J］.Journal of econometrics，2016（2）：499-513.

［4］GUO P，ZHANG C.The impact of bank FinTech on liquidity creation：evidence from China［J］.Research in international" business and finance，2023（64）：1-25.

［5］MUGANYI T，YAN L N，YIN Y K，et al.Fintech，regtech，and financial development：evidence from China［J］.Finan-" cial innovation，2022（1）：268-287.

［6］WANG Y，SUI X P，ZHANG Q.Can fintech improve the efficiency of commercial banks？：an analysis based on big data ［J］.Research in international business and finance，2021，55：1-9.

［7］孫繼國.金融科技、主業投資與企業影子銀行化［J］.中南財經政法大學學報，2023（6）：66-75.

［8］GOMBER P，KOCH J，SIERING M.Digital finance and FinTech：current research and future research directions［J］." " " " Journal of business economics，2017（5）：537-580.

［9］吳非，丁子家，車德欣.金融科技、市場化程度與企業數字化轉型［J］.證券市場導報，2023（11）：15-31.

［10］劉丹陽，黃志剛. 金融科技、OFDI與經濟高質量發展：基于“雙循環”相互促進的視角［J］.中國管理科學，2023" " " " " " " " " " " （11）：151-164.

［11］安起光，徐偉棟，李青召.金融科技發展對金融機構系統性風險的影響：基于時變視角的實證研究［J］.數理統計 與管理，2023（3）：556-570.

［12］劉孟飛，羅小偉.金融科技、風險傳染與銀行業系統性風險［J］.經濟社會體制比較，2022（3）：72-87.

［13］王道平，劉楊婧卓，徐宇軒，等.金融科技、宏觀審慎監管與我國銀行系統性風險［J］.財貿經濟，2022（4）：71-84.

［14］王亞君，邢樂成，李國祥.互聯網金融發展對銀行流動性的影響［J］.金融論壇，2016（8）：42-50.

［15］高昊宇，方錦程，李夢.金融科技的風險管理賦能：基于中國銀行業的經驗研究［J］.系統工程理論與實踐，2022（12）：3201-3215.

［16］董曉林，吳之偉，陳秋月.金融科技發展對商業銀行風險防控的影響：基于中國176家商業銀行的實證分析［J］.江蘇社會科學，2023（1）：84-94+242-243.

［17］ADRIAN T， BRUNNERMEIER M K. CoVaR［J］.American economic review，2016（7）：1705-1741.

［18］ZAGENCZYK T J，PURVIS R L，SHOSS M K，et al. Social influence and leader perceptions：multiplex social network" " " ties and similarity in leader-member exchange［J］.Journal of business and psychology，2015（1）：105-117.

［19］李春濤，閆續文，宋敏，等. 金融科技與企業創新：新三板上市公司的證據［J］.中國工業經濟，2020（1）：81-98.

【責任編輯：甘海燕】

收稿日期：2023-12-26

基金項目：國家社會科學基金青年項目“‘行政記錄人口普查’的數據質量評估框架研究”（21CTJ005）

作者簡介：楊晴晴（1998—），女，安徽工程大學數理與金融學院碩士研究生，研究方向為金融科技；何幫強（1974—），男，安徽工程大學數理與金融學院副教授，研究方向為經濟統計。