大型科技公司金融科技與銀行信用風險研究

作者簡介："王仁曾（1964—），男，甘肅舟曲人，華南理工大學經濟與金融學院教授，博士生導師，研究方向：金融科技、銀行信用風險管理；郭峰（1989—），男，湖南郴州人，華南理工大學經濟與金融學院博士研究生，研究方向：量化投資、信用風險；通信作者：莊旭東（1996—），男，廣東汕頭人，華南理工大學經濟與金融學院博士研究生，研究方向：金融科技、公司金融。

摘"要：通過構建理論模型并進行實證檢驗，研究了大型科技公司的金融科技對商業銀行信用風險承擔水平的影響。研究表明，大型科技公司的金融科技提升了理財產品的便利性，分流了商業銀行的存款業務，削弱了銀行的“特許權價值”，從而推升了商業銀行的信用風險承擔水平。大型科技公司的金融科技對銀行信用風險的沖擊存在規模效應和城鄉差異，進一步研究發現，其規模效應和城鄉差異主要來源于大型科技公司金融科技對銀行存款分流沖擊的客觀作用效果差異，面對存款分流壓力時不同規模和城鄉屬性的銀行自身的行為差異并不是產生異質性影響的原因?；诖?，對于金融科技發展的規劃，需要建立適當的防火墻，防止金融科技相關業態引發金融風險跨市場、跨部門傳播。

關鍵詞： 大型科技公司；金融科技；信用風險；銀行負債結構

中圖分類號：F832.4；F832.59""文獻標識碼："A""""文章編號：1003.7217（2024）03.0019.08

一、引"言

近年來，新一代信息技術迅速發展并深度滲透到金融活動中，創造出許多新的產品、業務流程和商業模式，進而對金融市場、金融機構以及金融服務的運行方式產生重大影響。這一輪由技術賦能、涉及多領域的金融創新浪潮，稱為“金融科技”（FinTech）。在金融科技的發展過程中，互聯網大型科技公司（Big Tech，以下簡稱“大型科技公司”）憑借平臺和數據優勢，成為最早驅動金融科技對金融服務商業模式進行顛覆式創新的市場勢力。

大型科技公司作為商業銀行外部競爭者，其互聯網理財產品是金融科技影響銀行信用風險的重要體現。大型科技公司的互聯網理財產品依托互聯網媒介，極大地提升了居民購買理財產品的便利性，并與傳統商業銀行負債端的存款業務形成競爭關系，對銀行負債端資金的穩定性造成劇烈沖擊。2013年，標桿性大型科技公司螞蟻金服推出“余額寶”標志著互聯網理財產品的誕生[1]，由于“余額寶”與銀行負債端存款存在激烈的競爭關系，其規模的快速擴張對銀行業乃至金融市場的穩定性產生了巨大沖擊，引發監管者和銀行業的高度關注。

現有學者認為金融科技便于銀行等金融機構提取互聯網上殘留的數字足跡，大數據技術通過客戶在網上殘留的各類信息進行風險監控和評估，能夠提高銀行對其信用風險的控制能力，降低銀行的風險承擔水平[2]。也有學者認為，金融科技發展初期增加了銀行的自信效應，從而推升了其風險承擔水平，但是金融科技高度發達的背景下，金融科技能夠通過改善借貸市場的信息不對稱問題來抑制銀行的信用風險水平[3]，劉孟飛和蔣維的研究也得出類似的結論[4]。這類研究同時兼顧了金融科技對銀行風險承擔水平正、反兩方面的影響，認為金融科技對銀行風險承擔水平的沖擊一般為倒U形關系。還有少數學者注意到了金融科技對銀行信用風險產生的負面沖擊。劉孟飛和王琦發現金融科技通過抬高銀行的管理成本從而提升了銀行的風險承擔水平[5]。李學峰和楊盼盼則認為金融科技加劇了銀行業不同銀行之間的競爭，通過擠出效應提升了中小銀行以及農村商業銀行的風險承擔水平[6]。雖然邱晗等已經注意到，金融科技的“跨界入侵”會通過促進外部競爭者的發展加劇資金脫媒，從而影響銀行業的風險承擔水平[1]，但目前已有的文獻較多地停留在實證研究層面，鮮有學者建立相應的理論模型來推導分析大型科技公司的金融科技影響商業銀行信用風險的作用機制，而且對金融科技外部競爭者影響商業銀行信用風險存在的規模效應和城鄉差異尚未進行充分研究。同時現有研究往往只進行了基于分樣本回歸的異質性探討，缺乏對這兩類異質性沖擊作用機制方面的實證研究。

基于現有研究，本文一方面，通過建立理論模型研究了大型科技公司的金融科技對銀行信用風險產生影響的作用機制，并進行了實證檢驗，豐富了該領域的研究內容；另一方面，針對大型科技公司的金融科技對銀行信用風險產生沖擊這一現象，考慮了風險沖擊下的規模效應和城鄉差異因素，使用有調節的中介效應模型，從實證層面探索了這種規模效應和城鄉差異產生的深層機理，有助于銀行在金融科技背景下根據自身的業務狀況制定有針對性和個性化的風險管理策略，為銀行業高質量發展提供實踐參考。

二、理論基礎

（一）理論模型

1. 模型基礎設定。

隨著金融科技的發展，大型科技公司跨界“入侵”金融領域，使用科技手段大大提升了互聯網理財產品的便利性，降低了居民接觸互聯網理財產品的顯性成本和隱性成本。用如下方程來刻畫：

在式（1）中，F代表互聯網理財產品的便利性，E代表與互聯網理財平臺發展相關的大型科技公司的金融科技水平，η代表其他外生因素。

一般而言，互聯網理財產品便利性的提升會促進其購買量的增長。用如下方程來刻畫這個關系：

C=θ+δ（B－R）F，θgt;0，δgt;0，Bgt;R （2）

在式（2）中，C代表居民購買互聯網理財產品的數量，B代表互聯網理財產品的收益率，R代表銀行存款的利率，θ與δ為外生參數。由于風險和收益的均衡關系，在現實中，B總是大于持有期限相同的R。

在經濟生活中，居民可能會劃出一部分資金用于低風險投資。假定居民低風險投資項目只限于互聯網理財產品和銀行存款兩項，則居民投資低風險金融產品的資金分配方程為：

T=C+S，Sgt;0（3）

在式（3）中，S代表居民用于銀行存款的資金總額；T代表居民用于低風險投資的資金總額，它由其他外生因素確定。

假定銀行對貸款的定價是在存款利率基礎上進行加成，則貸款利率K是由存款利率R和加成ξ兩部分構成的，即有：

K=R+ξ，ξgt;0（4）

在式（4）中，加成參數ξ是外生的。

銀行信貸資產的收益率與風險呈現正相關，這個關系由如下方程來刻畫：

P=α+λK，αgt;0，λgt;0 （5）

在式（5）中，P為信用風險水平；α與λ皆為外生參數。

為簡化模型，假設銀行將吸收的存款全部用于信用貸款，銀行遭遇信貸違約事件時，平均損失率β是一個外生參數，則銀行的收益π由如下方程決定：

π=（K－R）S－βPS，βgt;0（6）

而且，銀行只有在存貸款業務產生正的收益時才會考慮吸收居民存款。另外，一旦銀行給出的存款利息為零，則無法吸收到存款，因此得到兩個約束條件：

πgt;0 （7）

S|R=0=0 （8）

2. 調整存款利率模型推導。

在利率市場化的金融體系中，銀行試圖通過對存款利率R進行調整，來吸收一定量的存款并將其用于發放貸款。銀行為了追求利潤最大化，就必須尋找利潤函數π（R）的極大值。在調整R的過程中，變量R、C、S、K、P、π會隨著R發生相應的變化，而外生變量F、B、E、T則不受影響，它們的變化由外部因素決定。所以將式（2）～式（5）代入式（6）消去S、K、P：

式（9）是一個開口向下的拋物線，將π（R）對R求導并進行化簡，再結合前面的約束條件式（7）和式（8）進行推導，得到：

式（10）說明，拋物線π（R）開口向下時，其對稱軸在R的正半軸，因此，可以確定π（R）的最大值不在R=0處，而π（R）的最大值應該為：

因此，銀行決策方程為：

將式（12）具體化，有：

3. 調整存款量模型推導。

假定盯住的是存款量S，銀行通過優化存款量實現收益最大化。建立如下目標函數：

4. 模型推導結果。

基于上述推導可見，銀行通過調整存款量或調整存款利率來最大化收益，得到的結果式（16）與式（14）完全一致。利用式（14），對F求導，由式（2）和式（3）可知T－θgt;0，因此得：

式（19）為本模型推導的最終結果。根據模型推導結果可以得出，不論銀行盯住存款利率R還是存款量S來最大化收益，大型科技公司金融科技的發展都提升了銀行的信用風險水平（即P/Egt;0）。從式（19）的鏈式求導過程來看，大型科技公司金融科技的發展促進了互聯網理財產品的便利性（即F/Egt;0），而互聯網理財產品便利性的提升會增加商業銀行的信用風險（即P/Fgt;0），這主要是由于互聯網理財產品對銀行存款具有分流作用。下文對具體影響機制做進一步的梳理并提出研究假說。

（二）研究假說

前文理論模型及其推導出的式（19）表明，大型科技公司的金融科技通過提升互聯網理財平臺的便利性推升了銀行的信用風險水平。下面結合現有研究與經濟現實梳理這種影響的中間具體作用環節。

金融市場供求關系的變化是金融行業吸收和利用技術創新最重要的推動力量，客戶需求往往能引導逐利資本對其訴求進行迎合。從客戶需求看，消費者希望得到更便利、更多樣化、隨時隨地接入的金融產品與服務[7]。大型科技公司金融科技的發展正好滿足了這種需求，降低了客戶接觸非存款類互聯網理財產品的成本，還拓寬了所能觸達的產品種類?？蛻魞H僅憑借手機等移動通信工具就能隨時隨地了解這類理財產品的信息并進行購買，這導致了銀行的部分存款向非存款類理財產品轉移[8]。因此，大型科技公司的金融科技促進了互聯網理財平臺的便利性，削弱了銀行的“特許權價值”，對商業銀行的存款業務產生了較大的分流作用。

值得注意的是，銀行存款被分流會導致銀行存款獲取難度增大。為了吸收足夠的存款，銀行可能被迫提升存款利率，使得存款資金成本上升，進而對銀行信用風險產生影響：一方面，存款資金成本上升會壓縮銀行的收益率。由于銀行的經營具有很強的外部性，一旦爆發影響其持續經營的風險往往由央行來“買單” [9]，但是當銀行業績良好時卻是自身受益，銀行承擔的風險責任與經濟收益并不對稱。因此，銀行為了追求自身的業績，可能具有主動提高風險承擔水平來增加自身收益的強烈動機。另一方面，銀行存款資金成本提高將引起貸款利率上升，高利率的貸款迫使借款人在投資決策中，更傾向于選擇高風險高收益的投資策略來應對借款資金成本的上升，使得銀行被動地承擔了更高的信用風險。

綜合上述分析，提出如下研究假說：

假說"互聯網理財平臺視角下，大型科技公司的金融科技對銀行負債結構造成了沖擊，分流了銀行的存款業務，進而提高了銀行的信用風險承擔水平。

三、研究設計

（一）變量定義

1. 被解釋變量。

現有研究主要采用商業銀行的不良貸款率、撥備覆蓋率以及貸款撥備率測度銀行信用風險水平[10，11]。因此，本文綜合考慮這三個常見的指標，合成測度銀行信用風險，具體做法是，將銀行的不良貸款率、撥備覆蓋率和貸款撥備率標準化后使用熵值法賦予權重合成指標并進行縮放，得到衡量銀行信用風險的第一個被解釋變量Risk1，以及將上述三個變量標準化后賦予相同的權重合成指標并進行縮放，得到衡量銀行信用風險的第二個被解釋變量Risk2。

2. 解釋變量?，F有文獻廣泛采用北京大學數字普惠金融指數來衡量各地金融科技發展水平[12，13]。該指數綜合了多項分指數進行合成，各自的側重點有所不同，而且各個維度下的分項指數具體地衡量了特定視角下的金融科技。本文基于互聯網理財平臺視角研究金融科技對銀行信用風險的影響，選擇使用深度維度下的貨幣基金分項指數來體現這一特定視角。具體而言，采用北京大學數字普惠金融指數的貨幣基金分項指數市級面板數據衡量互聯網理財平臺視角下各地受到大型科技公司金融科技的影響程度。其合理性主要出于以下考慮：首先，該數據源于中國標桿性大型科技公司螞蟻金服的余額寶數據，其受眾用戶之廣使其具有很強的代表性；其次，余額寶是螞蟻金服利用新興技術跨界向金融領域滲透的重要載體，作為全國最大的貨幣型互聯網理財產品，其數據能夠充分代表大型科技公司將科技應用于金融領域的情況，即大型科技公司金融科技水平；最后，貨幣基金分項指數綜合考慮的指標包括全社會人均購買余額寶筆數、全社會人均購買余額寶金額以及每萬支付寶用戶購買余額寶的人數，這三項指標能夠較好地衡量大型科技公司金融科技對各地區居民的影響和滲透程度[14]。基于以上考量，使用北京大學數字普惠金融指數的貨幣基金分項指數衡量解釋變量大型科技公司金融科技（FT_fund）；考慮到反向因果的內生性問題，使用解釋變量上一期的值進行測度。

3. 中介變量。

參考有關文獻[15]，選擇商業銀行負債結構（Depo）作為中介變量，并使用商業銀行的存款余額占總負債的比率進行衡量。由于解釋變量（FT_fund）使用了上一期的值，而且大型科技公司的金融科技對銀行負債結構的沖擊引發銀行資產端的信用風險需要經過較長時間的傳導，因此中介變量也選擇使用上一期的值進行測度。

4. 控制變量。

參考現有的同類研究，引入如下控制變量：資產結構（Loa），用各銀行年末貸款余額與年末資產總額的比值來度量；銀行規模（Size），用各銀行期末資產總額取自然對數來表示；盈利能力（Roa），用各銀行當年凈利潤與總資產的比值來表示；貸款集中度（Cot），用各銀行最大十家客戶貸款余額與凈資產的比值來代表；杠桿倍數（Tdr），用銀行資產負債率的期末值衡量；人民幣存貸比（Lode），用各銀行人民幣貸款余額與存款余額的比值來衡量；收入支出比（Inou），用各銀行各年度營業收入與營業支出的比值來表示；資本充足率（Car），用各銀行資本總額與加權風險資產的比值來度量。

（二）計量模型

大型科技公司的金融科技通過影響銀行負債端的存款業務，進而對商業銀行的信用風險水平產生沖擊，構建如下中介效應模型來進行實證檢驗。其中，X代表所有控制變量集，Banki和Yeart分別代表控制了個體效應和時間效應。

金融科技對銀行信用風險的影響存在兩種相反的作用勢力：在初始階段，金融科技跨界“入侵”金融領域，跨界“入侵者”（比如支付寶等大型科技公司）通過金融科技搶占了原屬于銀行的部分金融業務，引發的過度競爭增加了銀行的信用風險；經過較長時間后，金融科技發展帶來的技術溢出效應增強，降低了借貸市場的信息不對稱，有助于抑制銀行信用風險。在上述兩種相反的影響勢力作用下，金融科技發展與銀行風險可能會呈現出倒U形關系?；谇拔牡睦碚撌崂?，本文研究的是上述第一種影響勢力的效應。因此，上述計量模型并沒有加入（FT_fund）二次項對倒U形關系進行研究。

（三）數據來源

選取2014—2019年中國103家商業銀行為初始研究樣本。鑒于所考量的關鍵解釋變量使用的是地區層面的數據，因此剔除了18家全國性商業銀行，最終樣本包括77家城市商業銀行和26家農村商業銀行。另外，從國泰安數據庫以及各銀行官方網站手工搜集整理了中國商業銀行微觀財務數據。后續實證研究過程中對所有的連續變量進行了雙側1%的縮尾處理。

四、實證結果與分析

（一）變量的描述性統計

表1報告了主要變量的描述性統計結果。相關研究變量的統計結果分布情況與同類研究基本一致[16]，體現了數據的可靠性與嚴謹性。

（二）基準模型估計結果

表2為式（20）的基準模型估計結果，從表中可以看出，解釋變量（FT_fund）對被解釋變量銀行信用風險（Risk1、Risk2）的估計系數都在1%的水平上顯著為正，說明大型科技公司的金融科技確實會提高銀行的信用風險承擔水平。

（三）中介效應模型估計結果

表3報告了式（21）和式（22）的中介效應估計結果。其中，列（1）顯示解釋變量（FT_fund）對中介變量商業銀行負債結構（Depo）影響的參數估計值顯著為負，說明大型科技公司的金融科技會對銀行的負債結構產生不利沖擊，分流銀行的存款業務。再結合列（2）和列（3）可以看出，商業銀行負債結構（Depo）的估計系數顯著為負，說明大型科技公司的金融科技對銀行負債端存款的分流作用會推升銀行的信用風險承擔水平，前文提出的研究假說得到驗證。

（四）內生性與穩健性檢驗

銀行的信用風險本身可能存在一定的序列相關關系，參考相關研究[6]，在基準模型的控制變量中加入被解釋變量Risk1和Risk2滯后一期的值，使用系統GMM動態面板估計來緩解內生性問題，發現實證結果與前文保持一致。

另外，進行了如下四項穩健性檢驗：一是將大型科技公司金融科技由前文使用的市級面板數據替換為省級面板數據。二是加入地區宏觀控制變量（省級層面）進行實證檢驗，分別為GPD增長率、固定資產投資增長率，以及用貸款余額與GDP的比值衡量的信貸規模。三是參考相關研究 [10，11]，分別使用不良貸款率、撥備覆蓋率和貸款撥備率作為被解釋變量信用風險的代理變量進行實證。四是考慮到直轄市在經濟上和政治上可能具有一定的特殊性，剔除總部位于直轄市的銀行對基準模型進行實證。上述各項穩健性檢驗結果與前文的基準結論保持一致，證明前文的實證是穩健的①。

五、進一步研究

（一）規模效應研究

為了研究大型科技公司金融科技對商業銀行信用風險的沖擊是否存在規模效應，構建門檻面板模型如下：

式（23）為單門檻模型，將研究樣本根據總資產規模門檻值φ劃分為大型和中小型商業銀行兩類。其中，I（·）是示性函數。對門檻效應進行檢驗，發現門檻效應高度顯著，因此，對式（23）的參數進行了估計，實證結果如表4的列（1）和列（2）所示。從表4中列（1）和列（2）可以看出，低于門檻側FT_fund的系數在估計值和顯著性水平方面明顯大于高于門檻值側，而且門檻兩側系數的符號相同，都為正數，這說明大型科技公司金融科技對中小型銀行信用風險的沖擊比大型銀行更大。

（二）城鄉差異研究

對城市商業銀行和農村商業銀行進行分組檢驗，從表4的列（3）～列（6）可以看出，不管是Risk1還是Risk2視角，基于城市商業銀行樣本組FT_fund的系數估計值以及顯著性水平明顯大于基于農村商業銀行的樣本組，說明大型科技公司金融科技對城市商業銀行信用風險的沖擊明顯大于農村商業銀行，即這種沖擊存在城鄉異質性。

（三）規模效應與城鄉差異作用路徑分析

下面將銀行規模大小和城鄉屬性作為調節變量加入中介效應的影響渠道中進一步進行研究，前半程銀行規模大小和城鄉屬性主要調節大型科技公司的金融科技對銀行存款業務分流沖擊的客觀作用效果；后半程主要是銀行面對存款分流沖擊時，不同規模和城鄉屬性的銀行是否會有不同的冒險傾向，產生不同的風險決策行為來應對存款獲取難度的上升，最終體現在信用風險沖擊的差異上。下文通過有調節的中介效應模型來討論關于規模效應與城鄉差異產生的作用機理。

1. 銀行規模大小對中介效應的調節。

參考相關文獻[17]，構建如下模型組進行檢驗。

從表5可以看出，列（1）和列（2）中交叉項Size×FT_fund的估計系數顯著為負，表明銀行規模Size在大型科技公司金融科技影響銀行信用風險的過程中產生了調節效應，隨著規模的增大，銀行信用風險受到的不利沖擊變小。列（3）中交叉項Size×FT_fund的系數顯著為正，說明隨著銀行規模的增大，大型科技公司金融科技對存款分流的沖擊被削弱，因此，中介效應前半程的調節效應顯著。列（4）和列（5）顯示中介效應后半程交叉項Size×Depo的系數并不顯著，說明中介效應的后半程不存在調節效應，即大型和中小型銀行面對存款分流壓力時，冒險動機、風險決策等行為差異并不是產生規模效應的原因。因此，綜合來看大型科技公司金融科技對銀行信用風險沖擊的規模效應僅僅來源于中介效應的前半程。

2. 銀行城鄉屬性對中介效應的調節。

同上，下文引入表示銀行城鄉屬性的虛擬變量D，構建如下模型組進行檢驗。其中，銀行城鄉屬性（D）為當觀察值是農村商業銀行時取值為0，當觀察值是城市商業銀行時取值為1的虛擬變量。

從表6可以看出，列（1）和列（2）中交叉項D×FT_fund的系數顯著為正，說明相較于農村商業銀行，大型科技公司的金融科技對城市商業銀行信用風險的不利沖擊更加明顯。列（3）中交叉項D×FT_fund的系數顯著為負，表明大型科技公司金融科技對城市商業銀行負債端的存款分流作用比農村商業銀行更加明顯，即銀行城鄉屬性D調節了中介效應的前半程。列（4）和列（5）顯示中介效應后半程交叉項D×Depo的系數不顯著，說明中介效應的后半程不存在調節效應，即城市商業銀行和農村商業銀行面對存款分流壓力時，冒險動機、風險決策等行為差異并不是產生城鄉異質性的原因。因此，綜合來看大型科技公司金融科技對銀行信用風險沖擊的城鄉差異也僅僅來源于中介效應的前半程。

六、結論與政策建議

（一）研究結論

從互聯網理財平臺視角，研究表明，大型科技公司金融科技的快速發展對傳統商業銀行的信用風險產生了明顯的負面沖擊。首先，大型科技公司的金融科技提升了互聯網理財產品的便利性，從而分流了商業銀行的存款業務，迫使銀行在資產端選擇更高信用風險的貸款項目，來應對存款獲取難度和成本的上升。其次，大型科技公司金融科技的發展對中小型商業銀行信用風險的不利沖擊明顯大于大型銀行；對城市商業銀行信用風險的不利沖擊顯著大于農村商業銀行。另外，通過有調節的中介效應模型實證，發現這種信用風險沖擊的規模效應和城鄉差異主要來源于大型科技公司的金融科技對銀行負債端存款分流沖擊的客觀作用效果差異，而面對存款分流壓力時不同規模和城鄉屬性的銀行自身的行為差異并不是產生異質性影響的原因。

（二）政策建議

基于上述研究結論，提出如下政策建議：第一，研究表明，對于銀行而言，大型科技公司金融科技的發展對其負債業務產生了巨大沖擊，由此引發了銀行信用風險承擔水平的上升，威脅到了銀行業的穩定性。金融作為特許行業，必須持牌經營，包括互聯網大型科技公司理財平臺在內的新興金融業態也都應遵循“同樣業務，同樣監管”原則，防止由監管套利引發的金融科技相關業態對金融領域的跨界 “入侵”過于繁榮，從而增加傳統金融業態的金融風險以及威脅金融市場的整體安全。第二，研究揭示出金融科技跨界“入侵”引發了銀行業的風險承擔水平上升。在金融科技高速發展的背景下，政府監管機構應該引導市場參與主體建立適當的防火墻，避免不同業態間的跨界融合引發金融風險跨部門、跨行業傳播，大型科技公司頭部平臺在同一個平臺下提供理財、信貸、保險等金融服務的規模應該受到嚴格的控制，避免其放大金融風險的跨產品、跨市場傳染的可能性。第三，研究還發現大型科技公司的金融科技對于中小型銀行和城市商業銀行負債業務的沖擊更加強烈。中小銀行在應對外部金融科技競爭者的沖擊時，受限于自身研發實力的制約，其進行數字化轉型的效果并不理想，因此，中小銀行應該努力尋求外部技術勢力的支持，加強與外部金融科技服務商的深度合作以提升其數字化轉型效果，提升自身抵抗金融科技競爭者競爭性沖擊的能力。城市商業銀行由于客戶群體對金融科技相關產品的接受程度更高，因此受到大型科技公司金融科技的沖擊更加嚴重。但同時這也意味著在金融科技產品的消費觀念上，城市商業銀行具有天然的客戶基礎。因此，城市商業銀行可以針對客戶特點進行數字化轉型，為客戶提供多元化、個性化的產品和服務，以增加營業利潤和客戶黏性。

注釋：

① 限于篇幅原因，內生性和穩健性檢驗結果不進行展示，作者保留備索。

參考文獻：

［1］"邱晗，黃益平，紀洋.金融科技對傳統銀行行為的影響——基于互聯網理財的視角[J].金融研究，2018（11）：17-29.

[2] 趙清波，卜林.銀行發展金融科技能否提高經營績效？——來自我國92家銀行的經驗證據[J].財經理論與實踐，2022，43（5）：19-26.

[3] 朱小能，李雄一.金融科技與銀行信用風險：加劇還是降低[J].山西財經大學學報，2022，44（11）：39-52.

[4] 劉孟飛，蔣維.金融科技加重還是減輕了商業銀行風險承擔——來自中國銀行業的經驗證據[J].商業研究，2021（5）：63-74.

[5] 劉孟飛，王琦.數字金融對商業銀行風險承擔的影響機制研究[J].會計與經濟研究，2022，36（1）：86-104.

[6] 李學峰，楊盼盼.金融科技、市場勢力與銀行風險[J].當代經濟科學，2021，43（1）：45-57.

[7] 王靜.全球金融科技發展動因及監管科技發展趨勢[J].證券市場導報，2018（2）：10-16.

[8] 陳嘉欣，王健康.互聯網金融理財產品余額寶對商業銀行業務的影響——基于事件分析法的研究[J].經濟問題探索，2016（1）：167-173.

[9] Marcus A J. Deregulation and bank financial policy [J]. Journal of Banking amp; Finance，1984， 8（4）： 557-565.

[10]郭麗虹，朱柯達.金融科技、銀行風險與經營業績——基于普惠金融的視角[J].國際金融研究，2021（7）：56-65.

[11]昂昊，吳成頌.內生環境如何決定商業銀行綠色信貸發展——基于NCA與fsQCA方法[J].金融經濟學研究，2024，39（2）：42-57.

[12]姚德權，劉潤坤.金融科技對金融體系結構的影響研究[J].財經理論與實踐，2023，44（6）：2-12.

[13]鄧瀏睿，趙伊雯.融資約束下金融科技對投資和公司價值的影響[J].湖南大學學報（社會科學版），2022，36（4）：68-76.

[14]郭峰，王靖一，王芳，等.測度中國數字普惠金融發展：指數編制與空間特征[J].經濟學（季刊）， 2020，19（4）：1401-1418.

[15]趙勝民，屠堃泰.金融科技降低了銀行風險嗎？——基于規模異質的視角[J].中央財經大學學報，2022（10）：35-49.

[16]李志輝，陳海龍，張旭東.金融科技對商業銀行盈利能力的影響[J].中南財經政法大學學報，2022（5）：56-68.

[17]李耘耕，孟筱筱.平臺使用、污名與認同：平臺化二次元沉迷機制研究[J].湖南師范大學社會科學學報，2023，52（4）：126-134.

（責任編輯：厲亞，李沁憶）