商业银行网络银行业务发展影响因素的实证研究

牟胜东，田益祥

（电子科技大学经济与管理学院，成都 614100）

商业银行网络银行业务发展影响因素的实证研究

牟胜东，田益祥

（电子科技大学经济与管理学院，成都 614100）

采用自组织数据挖掘方法（GMDH），客观、自动地筛选影响商业银行网络银行业务发展的主要因素。利用2000—2011年我国10家商业银行的季度数据，实证分析网络银行业务发展与其影响因素之间的非线性关系。研究结果表明：政策因素、电子商务发展、网络营销和安全性是影响商业银行网络银行业务发展的主要因素；政策因素和网络营销对网络银行业务发展的影响较小，电子商务发展和安全性对网络银行业务发展的影响较大；这些影响因素与网络银行业务发展之间不仅存在线性关系，而且存在非线性关系。

商业银行；网络银行；网上银行；自组织数据挖掘

随着计算机技术和互联网的飞速发展，各大商业银行利用互联网陆续推出了网络银行业务。网络银行具有很多优势，如使用方便、操作不受时间限制、无地理障碍、服务成本低等。网络银行业务增长迅速，改变了银行的传统竞争模式、格局和做法［1］。目前商业银行之间的市场竞争日益加剧，商业银行要在激烈的市场竞争中站稳脚跟，加快发展网络银行业务尤为重要。研究商业银行网络银行业务发展的影响因素，可为商业银行开展网络银行业务提供有益的参考，帮助商业银行的管理者更好地管理网络银行业务，进而促进商业银行网络银行业务的发展，拓展商业银行的利润来源，增加商业银行的收益。

1 文献回顾

鉴于网络银行业务对于商业银行发展的重要性，国内外学者对网络银行业务发展的影响因素进行了广泛而深入的探讨。Eriksson、Kerem和Nilsson修正了技术接受模型（technology acceptance model，TAM），研究了爱沙尼亚网络银行的技术接受问题，结果表明客户对网络银行的使用主要取决于客户对网络银行有用性的感知［2］。Gerrand、Cunninghan和Devlin采用问卷调查方式，研究了客户为何不使用网络银行，结果发现客户不使用网络银行的主要因素包括风险感知、知识缺乏、不可接近性、偏好面对面办理业务、网络银行收费等［3］。Cheng、Lam和Yeung扩展了技术接受模型，采用结构方程模型（structured equation modeling，SEM）实证分析了香港网络银行使用的影响因素，实证结果表明，有用性感知和网络安全性感知对网络银行使用具有直接影响，使用便捷性对网络银行使用具有间接影响［4］。Singhal和Padhmanabhan采用因子分析法，研究了影响客户对网络银行感知的主要因素，分析结果表明实用性、安全性、订票服务和资金划拨的便利性等是主要因素［5］。Lee将感知风险和感知利益融入技术接受模型和计划行为理论（Theory of Planned Behavior，TPB）模型，提出了一个理论模型来解释客户使用网络银行的原因，结果表明安全风险和金融风险对网络银行的使用具有不利影响，感知利益、态度和感知有用性对网络银行的使用具有积极影响［6］。Suki实证分析了马来西亚网络银行发展的影响因素，实证结果显示网络银行与客户生活方式的兼容性、系统使用便利性等显著影响网络银行的使用［7］。Safeena和Date认为，感知有用性（perceived usefulness，PU）、感知使用便利性（perceived easy of use，PEU）是影响客户使用网络银行的决定因素［8］。Clemes、Gan和Du采用Logistic回归方法研究了新西兰网络银行业务发展的影响因素，结果显示营销传播、感知风险、网络银行服务费用和网络熟悉性对网络银行业务的发展具有显著影响，年轻客户和高收入群体更喜欢使用网络银行［9］。

国内学者也采用了多种研究方法深入分析了我国商业银行网络银行发展的影响因素。例如，黄京华和李静婷修正了电子商务关键成功因素模型（E-commerce critical success factor，ECCSF），采用回归分析方法实证研究了网络银行业务发展的关键成功因素，结果表明领导、战略、管理、组织、技术和客户因素对网络银行业务的成功有显著影响［10］。邵兵家和杨霖华采用结构方程模型实证研究了影响我国不同群体对网上银行使用意向的因素，实证结果表明电子渠道信任因子对网络银行使用意向的总效应明显高于其他因子［11］。吴晓云和焦勇兵利用结构方程模型研究了顾客使用网络银行的影响因素，研究发现信任、感知风险、便利条件和自我效能对网络银行使用具有显著的积极作用，而感知娱乐性对网络银行使用不具有积极影响［12］。孙旖使用VAR模型研究了网上银行发展的影响因素，VAR模型的回归结果显示，电子商务发展水平、银行整体规模、网上银行交易种类、网络普及程度和人们受教育水平均会影响网上银行的发展［13］。王小燕以理性行为理论为基础，应用结构方程方法实证分析了隐私协议和隐私印章对顾客对网络银行的信任及使用意向的影响，实证结果发现，隐私协议和隐私印章既会直接正向影响顾客对网络银行的信任和使用意向，又会通过信任对顾客的使用意向产生间接正向影响［］。

分析以上学者的研究成果可以发现，国内外学者采用了不同方法研究了网络银行发展的影响因素。但是，不同学者在选择网络银行发展的影响因素时具有主观性，由于选择的影响因素不同，因此所得的网络银行发展的影响因素亦不同。在建立的研究模型方面，大多数学者也只采用线性模型分析了网络银行发展与其影响因素之间的线性关系，未反映它们之间的非线性关系，未分析各影响因素对网络银行发展的非线性影响。

为了更客观地挖掘商业银行网络银行业务发展的影响因素，反映网络银行发展与其影响因素之间的非线性关系，并分析这些影响因素对网络银行业务发展的非线性影响，本文引入一种全新的研究方法——自组织数据挖掘方法（group method of data handling，GMDH），自动、客观地选择商业银行网络银行业务发展的影响因素，以避免人为主观性对网络银行业务发展影响因素选择的影响，进而实证研究我国商业银行网络银行业务发展的影响因素，分析这些影响因素与网络银行业务发展的线性和非线性关系，探讨这些影响因素对网络银行发展的线性影响和非线性影响。与现有研究不同之处在于，利用GMDH算法可以自动、客观地挖掘影响商业银行网络银行业务发展的因素，能分析这些影响因素与网络银行业务发展的线性关系和非线性关系。

下文的结构安排如下：综述现有网络银行业务发展影响因素的研究成果；介绍本文采用的GMDH算法及其优点、特点；实证分析网络银行业务发展的影响因素，自动、客观地挖掘网络银行业务发展的影响因素，分析这些影响因素与网络银行发展的线性与非线性关系；对本文的研究结果进行总结，并提出促进我国商业银行网络银行业务发展的政策建议。

2 研究方法

2.1 GMDH算法简介

本文采用GDMH算法实证分析商业银行网络银行发展的影响因素。GMDH算法是由乌克兰科学院Ivakhnenko院士于1967年首次提出的。Ivakhnenko运用多层神经网络原理和生物控制论中的自组织原理提出了GMDH算法［15］。经过40多年的发展，GMDH算法已发展成为一族自组织算法。在计算机快速发展的过程中，GMDH算法被广泛地应用于数据挖掘和知识发现。GMDH算法应用自组织原理，可以最大限度地避免人们在数据挖掘中的主观性。目前GMDH算法已成为研究复杂系统模拟预测和分析问题的有效工具［16］。GMDH算法是基于“进化-遗传-变异-选择”原理的“遗传算法”，强烈地体现了由简单到复杂的客观事物演化过程、竞争及优胜劣汰的生物进化过程、中间模型不断重组的模型自组织过程，能客观、自动地选择出对研究对象有重要影响的因素。GMDH算法是一种模拟生物进化的方法，其特点是数据分组和整个建模过程中同时使用内准则和外准则。它将观测样本数据分为训练集和测试集，从参考函数构成的初始模型集合出发，在训练集上利用内准则（最小二乘法）进行参数估计来得到中间待选模型（遗传、变异），在测试集上利用外准则进行中间候选模型的选留（或选择）。重复这样一个进化、遗传、变异和选择的过程，不断增加中间选择模型的复杂度，最终得到一个用于分析的最优复杂度模型。

2.2 基于GMDH算法的建模步骤［17］

1）将研究样本的数据集分为训练集A和测试集B。

2）建立输出变量和输入变量之间的一般关系，作为“参考函数”。通常选取K-G多项式作为参考函数，其表达式如下：式（1）中：y为输出变量；x1、x2、…、xm为输入变量；a为系数或权值向量。

如果自变量的数量为3，则二次K-G多项式可设为：

可得GMDH算法下建模网络结构的初始模型集合：

3）从具有外补充性质的选择准则中选出一个（或若干个）作为目标函数（体系）或称外准则（体系）。外准则主要包括精度准则、相容性准则、相关性准则、组合准则、交叉确认准则和变量平衡准则等。外准则作为模型选择的标准和规则，直接影响最优模型的选择和质量。建模者选择外准则时需要根据具体问题进行分析。

4）产生第一层中间模型。传递函数yk=f（vi，vj）（v=1，2，…，10）为第一层中间模型。这些模型经过自组织过程自适应产生，所含变量个数和函数结构均不同。在训练集A上估计传递函数yk的参数。

5）筛选第一层中间模型。根据外准则，在测试集B上对第一层中间模型进行筛选，选出的中间模型wk为网络第二层的输入变量。

6）输出最优复杂度网络结构。重复步骤3和步骤4，可依次产生第二层、第三层等的中间模型。如此不断进行选择和筛选，最终输出可用于分析的最优复杂度模型。

基于GMDH算法的建模过程如图1所示。

2.3 GMDH算法的优点和特点

根据经济系统和研究对象样本数据的真实状况，采用GMDH算法能够建立非线性模型。非线性模型的形式也是客观形成的，不依赖于建模者的主观意愿。GMDH算法的优点和特点主要体现在以下方面：

1）智能化建模程度高。在建模过程中尽可能地限制建模者的参与，充分赋予计算机选择的自由。建模者需要做的工作仅仅是提供样本数据和外准则。建模结果完全不依赖建模者的主观想象，从而保证了模型建立和输出的客观性，而这些是传统的统计模型方法（包括经济计量模型方法）无法做到的。

2）能得到显示表达模型，有利于人们对研究对象的影响因素进行深入研究。

3）具有很强的抗干扰性，能够进行高精度预测。它从数据驱动的角度出发，通过选择并运用准则使网络结构具有最优复杂性①最优复杂性即当数据噪声存在时已学习过数据集合上的拟合精度和未经学习数据的预测分类能力之间的最优平衡点。，从而避免了模型的过拟合及不足拟合，使算法即使在一定数据噪声干扰的情况下也能确定符合系统内在规律的真实模型。

3 实证分析

3.1 变量选取

本文以我国商业银行的网络银行业务为研究对象，实证分析网络银行业务发展的影响因素，所选取的网络银行业务发展影响因素既包括经济、政策和电子业务发展等宏观因素，也包括产品规划、网络营销和安全性等微观因素。

1）网络银行交易额增长率（X1）。

随着我国商业银行的发展，商业银行开展的业务越来越多，其中网络银行业务是商业银行提供的一项重要业务。由于网络银行使用非常便捷、用户使用不受时间和空间的限制，因此越来越多的企业客户和个人客户通过网络银行办理各种业务，使得商业银行的网络银行业务交易额不断增长。本文选取电子银行交易额增长率反映网络银行业务的发展。

2）经济因素（X2）。

宏观经济环境良好、经济发展较快会促进各行业和企业的业务增长。企业用户和个人用户使用网络银行进行交易的规模也会增长。宏观经济的变化会影响网络银行的使用，进而影响商业银行网络银行业务的发展。本文选取GDP增长率反映宏观经济环境的变化。

3）政策因素（X3）。

为了促进我国网络银行业务规范发展、提高网络银行的安全性，政府出台了有关网络银行业务发展的政策法规。这些政策法规将促进网络银行业务的发展。政策法规的出台一般会推动网络银行业务向前发展。2000年以后我国政府出台的网络银行相关政策法规的基本情况如表1所示。

表1 2000年以后我国政府出台的网络银行相关政策法规基本情况

本文引入虚拟变量反映政策因素对网络银行业务发展的影响。对政策因素虚拟变量（X3）的定义如下：

即如果本年或本季度政府出台了有关网络银行发展的相关政策法规，则X3等于1，否则X3等于0。

4）电子商务发展（X4）。

根据孙旖［13］的研究，随着我国电子商务的不断深化和发展以及电子商务与居民生活的不断融合，越来越多的消费者使用网上支付。作为网上支付主要渠道和信用中介的网上银行，消费者对其需求不断增长。电子商务的发展促进了网络银行的发展。本文选取电子商务交易额增长率衡量电子商务的发展。

5）网络基础设施建设（X5）。

由于网络银行的服务提供依赖于互联网，因此互联网的良好发展能促进网络银行的使用以及网络银行业务的开展。随着我国经济的发展，政府加大了网络基础设施建设，推动了互联网的发展。Sohail和Shanmugham［18］以及Gerrand、Cunninghan和Devlin［3］的研究也表明，用户无法方便地接入网络会阻碍用户使用网络银行。随着我国网络基础设施建设的不断加强，用户可以方便地接入网络，这有利于商业银行网络银行业务的开展。本文选取互联网普及率反映网络基础设施建设。

6）产品规划（X6）。

商业银行的网络银行产品规划能够改善用户的使用体验，如优化使用流程、增加个性化设置、升级服务品质等，能够提供更好的服务，如网上银行理财服务、转账服务等，还能够满足客户的个性化需求。本文选取我国主要的10家商业银行推出的网络银行产品数量反映商业银行的网络银行产品规划①根据艾瑞咨询集团的研究，我国主要的10家商业银行包括工商银行、农业银行、建设银行、中国银行、交通银行、招商银行、兴业银行、中信银行、光大银行和民生银行。。

7）网络营销（X7）。

网络营销具有一些独特的优势，如传播范围广、交互性较强和宣传速度快等。商业银行使用网络营销能够降低营销成本、减少营销环节、提高效率，以更低的成本促使更多的企业客户和个人客户了解和使用网络银行，增加网络银行的业务量和扩大交易规模。本文采用商业银行投放的网络广告数量衡量商业银行的网络营销力度。

8）安全性（X8）。

网络银行的兴起和发展不断降低了商业银行的成本、提高了服务效率，也使居民的金融生活更加便捷化、人性化。但是，安全问题一直是商业银行发展网络银行业务过程中需要重点关注和解决的问题。Jaruwachirathanakul和Fink［19］以及陈岸清［20］的研究结果都显示，安全性是影响客户使用网络银行的重要因素。安全因素是客户使用网络银行时重点考虑的因素。夏永和、池亚平和方勇等在分析网上银行安全性时认为，用户所拥有的USB-Key数字证书可以有效地保证网上交易的安全［21］。因此，本文采用商业银行开通的USB-Key数字证书数量衡量网络银行的安全性。

3.2 数据来源及处理

根据所选择的变量，本文选取其数据时间区间为2000—2011年，所选取的数据为10家商业银行的季度数据。本文所用数据来源于《中国网上支付市场季度监测报告》《中国网上银行年度监测报告》《中国电子银行业前景预测与投资战略分析报告》《中国网上银行调查报告》和《中国电子商务市场数据监测报告》以及我国商业银行网站。

利用GMDH算法进行建模时，需要将原始数据进行无量纲化处理。数据无量纲化处理的公式如下：

在建模过程中，将相关关系不明显的变量从模型中剔除。将无量纲化处理后的变量数据带入GMDH算法中进行训练，进而滤掉那些影响程度较低甚至根本不具有影响的变量，给出一个线性模型或非线性模型，最终得到输入输出模型。

3.3 实证结果分析

3.3.1 模型输出

本文的网络银行业务发展影响因素模型是由软件自动输出的。将样本数据输入自组织数据挖掘软件Knowledgeminer5.0软件，建立GMDH网络模型，输出结果如下：

其中：Z11和Z12是由计算机自主给出的2个中间变量。

将式（7）～式（10）代入式（6），整理可得网络银行业务发展影响因素的最优复杂度模型：

3.3.2 输出结果分析

从最优复杂度模型即式（11）可以看出，采用GMDH算法筛选出的影响商业银行网络银行业务发展的主要因素有政策因素、电子商务发展、网络营销和安全性。同时，输出的最优复杂度模型是一个非线性模型，即使用GDMH算法得到的网络银行业务发展影响因素模型是非线性模型。这表明，网络银行业务的发展与其影响因素之间存在非线性关系。从非线性模型可以看出，在本文所得出的网络银行业务发展影响因素不仅包括以往研究发现的影响网络银行业务的线性因素，而且包括非线性因素。

4 结论与建议

本文实证分析了商业银行网络银行业务发展的影响因素，采用GMDH算法挖掘了影响商业银行网络银行业务发展的主要因素，探讨了这些主要因素对网络银行业务的影响。实证结果显示：政策因素、电子商务发展、网络营销和安全性是网络银行业务的主要影响因素；这些影响因素与网络银行业务的发展之间具有线性关系，而且具有非线性关系；政策因素和网络营销对网络银行业务发展的影响较小，电子商务发展和安全性对网络银行业务发展的影响较大。

根据本文的研究结果，本文提出如下促进我国商业银行网络银行发展的政策建议：

1）制定更有效的网络银行发展政策。我国政府在2001年6月发布的《网上银行业务管理暂行办法》中的许多条款已过时，目前已停止实施。政府应制定针对网络银行的法律制度和具体的行业标准，通过实施有效的政策促进商业银行网络银行的发展。

2）加强与电子商务企业的合作。首先，电子商务的快速发展需要大量资金，商业银行通过网络银行可为电子商务企业构建网络融资服务平台、提供在线融资服务。其次，完整的电子商务需要实现物流、信息流与资金流的统一，而物流、信息流和资金流都尽可能地通过网络进行。商业银行要加强电子商务平台建设，确保物流、信息流和资金流的顺畅流动。最后，商业银行要为电子商务交易提供刷卡业务，为客户网上购物提供便利条件，增加商业银行的盈利来源。

3）加大网络银行的网络营销力度。商业银行要采用多种网络营销方式提高自己的网络银行知名度，如利用网站上的广告横幅、文本链接和多媒体等网络广告工具、搜索引擎广告以及友情链接等来增加用户对网络银行的了解，吸引潜在客户。

4）提高网络银行的安全性。第一，完善入侵检测系统，快速发现网络攻击，提高安全管理；第二，提升防火墙技术、数字证书技术、加密技术和电子签名技术等网络银行安全技术，确保网络银行使用安全；第三，加强网络银行风险教育，增强客户的风险意识。

参考文献

［1］ GONZALEZ M E，MULLER R D，MACK R W.An alternative approach in service quality：an E-banking case study［J］.Quality Manage，2008，15（1）：41-48.

［2］ ERIKSSONK，KEREM K，NILSSON D.Customer acceptance of Internet banking in estonia［J］.International Journal of Bank Marketing，2005，23（2）：200-216.

［3］ GERRANDP，CUNNINGHAN J B，DEVLIN J F.Why consumers are not using internet banking：a qualitative study［J］.Journal of Services Marketing，2006，20（3）：160-168.

［4］ CHENGT，LAM D，YEUNG A.Adoption of internet banking：an empirical study in Hong Kong［J］.Decision Support Systems，2006，42（3）：1558-1572.

［5］ SINGHALD，PADHMANABHAN V.A study on customer perception towards Internet banking：identifying major contributing factors［J］.Journal of Nepalese Business Studies，2008，5（1）：101-111.

［6］ LEEM.Factors influencing the adoption of internet banking：an integration of TAM and TPB with perceived risk and perceived benefit［J］.Electronic Commerce Research and Applications，2009，8（3）：130-141.

［7］ SUKIN M.An empirical study of factors affecting the Internet banking adoption among Malaysian consumers［J］. Journal of Internet Banking and Commerce，2010，15（2）：1-11.

［8］ SAFEENAR，DATE H，KAMMANI A.Internet banking adoption in an emerging economy：Indian consumer′s perspective［J］.International Arab Journal of e-Technology，2011，2（1）：56-64.

［9］ CLEMESM D，GAN C，DU J.The factors impacting on customers′decisions to adopt Internet banking［J］.Banks and Bank Systems，2012，7（3）：33-50.

［10］ 黄京华，李静婷.中国商业银行网上银行关键成功因素实证研究［J］.系统工程理论与实践，2008（30）：16-24.

［11］ 邵兵家，杨霖华.不同群体网上银行使用意向影响因素的比较研究［J］.管理工程学报，2008，22（1）：86-92.

［12］ 吴晓云，焦勇兵.顾客采用网络银行的影响因素研究［J］.南开管理评论，2008，11（6）：18-27.

［13］ 孙旖.我国网上银行发展影响因素的分析与实证［D］.上海：复旦大学，2011，65-71.

［14］ 王小燕.隐私协议、隐私印章对网络银行顾客信任及使用意向影响研究［J］.预测，2012，31（1）：14-19.

［15］ MADALAR，IVAKHNENKO A G.Inductive Learning Algorithms for Complex Systems Modeling［M］.Florida：CRC Press Inc.，1994：69-86.

［16］ MUELLERA，LEMKE F.Self-organizing Data Mining［M］.Herstellung Berlin：Libri Books on Demand，2000：63-83.

［17］ 贺昌政.自组织数据挖掘与经济预测［M］.北京：科学出版社，2005：42-43.

［18］ SOHAIL M S，SHANMUGHAM B.E-banking and customer preferences in Malaysia：an empirical investigation［J］.Information Sciences，2003，150（3/4）：207-217.

［19］ JARUWACHIRATHANAKUL B，FINK D.Internet banking adoption strategies for a developing country：the case of Thailand［J］.Internet Research，2005，15（3）：295-311.

［20］ 陈岸清.个人网上银行顾客忠诚影响因素研究［D］.厦门：厦门大学，2009，51-55.

［21］ 夏永和，池亚平，方勇，等.网上银行客户端安全性分析与解决方案［J］.信息安全与通信保密，2007（9）：137-142.

Empirical Study on Influencing Factor of Internet Banking Business of Commercial Bank

Mou Shengdong，Tian Yixiang
（School of Economics and Management，University of Electronic Science and Technology of China，Chengdu 614100，China）

This paper uses Grouped Method of Data Mining（GMDH）to screen the main influencing factors of Internet banking business of commercial bank objectively and automatically.Then it empirically studies the non-linear relationship between the development of Internet banking business and its main influencing factors by using the quarterly data of 10 commercial banks from 2000 to 2011.The results show as follows：policy factor，E-commerce development，Internet marketing and security are the main factors influencing the development of Internet banking business；policy factor and network marketing have less impacts on the development of Internet banking business；E-commerce development and security have bigger impacts on the development of Internet banking business；there is not only the linear relationship but also the nonlinear relationship between these influencing factors and the development of Internet banking business.

commercial bank；Internet banking；E-banking；self-organizing data mining

F832.3

A

1002-980X（2014）03-0097-06

2013-11-18

教育部人文社会科学研究规划基金项目“主权信用评级下调冲击全球经济的原因、内在机理的挖掘及对策”（12YJA790125）

牟胜东（1981—），男，四川成都人，电子科技大学经济与管理学院博士研究生，研究方向：金融市场计量经济分析与风险管理；田益祥（1963—），男，土家族，重庆石柱人，电子科技大学经济与管理学院教授，博士生导师，研究方向：金融市场计量经济分析与风险管理。