互联网金融对金融机构信用风险的影响效应——基于PTR模型的非线性分析

冯冠华

(东北财经大学 金融学院，辽宁 大连 116025)

一、引 言

网络信息技术最早发源于美国，20世纪70年代至90年代开始在西方进行商业化的应用，对中国的影响则最初出现于1995年。1997年中国互联网网络信息中心(CNNIC)正式成立，此后中国的互联网产业快速发展，形成了强大的生产力[1]。尤其是2007年以来，中国的互联网信息技术趋于成熟，大数据、云计算等新技术开始逐渐应用于金融、医疗和教育等领域。

互联网在经济活动中通过有效发挥对生产要素的配置作用，不仅给传统企业带来了全新的机遇，也催生了新的商业模式[2]。如阿里巴巴旗下的第三方支付公司支付宝，2005—2014年，支付宝的交易规模从25亿元发展到了39 000亿元，交易规模从2005年占GDP的万分之一增加至2014年占GDP的百分之六。互联网金融将传统金融机构与互联网企业紧密结合起来，依托互联网技术、ICT(Information Communications Technology)和互联网行业的创新思维，在一定程度上改造并发展了资金融通、支付、投资和信息中介服务等业务流程。互联网金融以快速、便捷、低成本等优势，迅速发展形成了第三方支付清算、个人P2P借贷、众筹融资和网络理财等新型金融形态，拓展了传统金融服务业未曾触及到的领域，给飞速发展的中国经济来了深远的影响。然而，近年来互联网金融企业在获得成功的同时，也给人们带来了担忧，作为一种以技术为主导推动型的金融创新，其自身存在的风险因素，以及对整个金融体系的风险冲击是不可回避的问题。杨东[3]认为依托于ICT与互联网发展起来的互联网金融创新业务，逐渐朝着复杂化、关联化的趋势发展，存在着业务边界模糊、法律定位不准、客户资金第三方存管制度缺失和风险控制不健全等问题，也为银行等金融机构风险控制与管理带来了难题。特别是近年来P2P网贷市场竞争激烈，一些互联网金融企业为了抢占客户资源，不顾风险管理，导致平台倒闭、跑路和涉嫌刑事犯罪等问题的爆发。社会也在反思，如果说互联网金融是互联网与金融融合的产物，那么互联网金融的风险会不会是二者风险的叠加，其业务风险是否会传导至金融机构，使得风险加倍放大。

现有研究中，对金融机构信用风险的分析较多，重点考察了金融风险的来源与影响因素。邢天才和袁野[4]基于美国147家大型金融机构的面板数据，实证检验了影响美国金融机构融资流动性风险变化的主要因素。肖曼君等[5]采用排序选择模型，基于excelVBA数据挖掘技术截取多个P2P网站数据，对平台信用风险的影响因素进行实证分析。研究发现，特征、信用变量、历史表现、借款信息分别对网络借贷信用风险存在正向影响，而网站提供的信息对投资者避免信用风险没有起到实质作用。孔丹凤等[6]利用美国35家上市银行的季度面板数据，检验信用风险转移工具(CRT)能否有效转移银行个体风险。研究结果表明，在正常时期，CRT保护头寸能够有效地降低银行中客户的个体风险，但在次贷危机时期，由于CRT增加了系统风险的暴露，使得拥有更多CRT保护头寸的金融机构反而遭受了更多的个体风险。宋光辉等[7]选取余额宝作为风险度量的样例，研究了在90%和95%置信水平下的最优GARCH-VaR和GARCH-CVaR模型，作为对应置信水平下的VaR和CVaR的度量，结果表明CVaR模型能够很好地度量互联网金融风险，并且风险也处于可控的范围内。李明选和孟赞[8]认为随着互联网金融的发展，以“金融线上化”为代表的互联网金融模式在对传统生活方式产生影响的同时，也对金融机构的信用风险造成了一定冲击，但这种影响并不是线性的。就长远看，在互联网金融发展低级阶段，政府对互联网金融的监管会相对较弱，而当互联网金融进入野蛮生长阶段，风险、违约等事件大量出现时，金融监管部门的监管程度会随之加强。而在现有研究中，这种非线性的影响并没有涉及。因此，本文基于中国的107家金融机构2008—2014年的面板数据，利用面板门限回归方法，就互联网金融风险是否会传导至金融机构进行了实证检验。

二、中国互联网金融生长与监管的路径分析

(一)互联网金融产生的中国情境

互联网通信、云计算和大数据分析等现代信息技术的发展，有效缩短了经济活动交易的时间，显著降低了交易的成本，扩大了金融服务覆盖的领域。中国互联网金融行业的迅猛发展，还受惠于中国的特殊国情，即中国长期存在金融压抑、金融去管制化等条件[9]。中国的互联网金融于20世纪90年代以来得到了较快的成长，大致可以分为三个阶段：

第一个阶段是萌芽阶段(20世纪90年代至2000年)。这个阶段实现了传统金融行业的信息化、网络化发展。互联网技术的应用主要体现在信息通讯技术与传统金融业务的融合程度不断加深，实现了银行业务流程在技术层面的改造升级，整体效率得以提升[10]。继1997年中国银行成为第一家在网上开展业务的银行后，各大金融机构均在本阶段逐步实现了金融业务互联网化的过程。在此背景下，中国银行业互联网化程度不断加深，纷纷建立并开展了网上银行服务，手机银行、手机证券等线上服务不断完善。

第二个阶段是第三方支付实现爆发式增长的阶段(2000年至2011年)。支付是整个金融业生态环境的底层基础，也成为了中国互联网金融最先冲击的基础设施。随着电子商务(Electronic Commerce)这种商业模式在中国开始应用，第三方支付也通过立足解决交易中的资金安全和流动性问题，逐渐找准了自己的定位，抓住机遇在夹缝中实现了快速发展，同时倒逼银行业开始进行“综合支付+金融服务”的改革，从而提高了社会资金整体的流动速率，间接影响了实体经济的发展和运行，提升了中国支付清算体系的效率[11]。中国电子商务的兴起与第三方支付业务的发展相辅相成，1999年易趣网、当当网相继建立，同年中国首家第三方支付公司首信易支付成立，2004年阿里巴巴设立支付宝公司，2005年腾讯旗下的“财付通”问世。之后的数年间，伴随现代网络技术的发展，以及企业信息化进程的推进，第三方支付向传统行业不断渗透，拓展其支付清算版图，2011年中国互联网支付市场交易规模达到22 000亿元，第三方支付企业也达百余家。

第三阶段是互联网金融实质性业务实现稳步发展的阶段(2011年至今)。在这个阶段互联网金融开始涉足实质性金融业务，其业务模式已经相对固定，特别是网络贷款、众筹和电子货币等的业务发展，使得互联网金融成为典型的金融脱媒的载体，表现为互联网金融与传统金融竞争加剧，互联网金融在一定程度上改变了金融中介存在的基础价值，即信息不对称和交易成本[12]。在此阶段除了第三方支付快速发展外，第三方网络借贷业务也开始大范围推行，个人信贷、“电商+信贷”蓬勃发展，基金网络直销和第三方网站销售也相继出现，传统的保险渠道开始变革，电商化趋势明显，并尝试进行保险产品的重要创新。2012年互联网金融集中发力，一年后余额宝等“宝宝类”货币基金的横空出世，使得2013年被业界公认为是互联网金融元年。P2P网贷平台也在这个阶段实现了爆发式增长，截至2014年，国内网贷平台已有1 500余家，成交总额达三千多亿元。在该阶段，互联网金融强烈地冲击了严格管制中的中国金融版图。

(二)金融监管对互联网金融挑战的应对之策

2005—2014年这10年间，中国互联网网民规模从11 100万人增加到64 875万人(如图1所示)，高居世界第一，互联网普及率则从8.5%提升到50.3%。

图1 2005—2014年中国网民规模、互联网普及率

数据来源：作者整理。下同。

2014年，中国台式电脑接入率达到70.8%，笔记本电脑、手机、平台电脑的接入率分别为43.2%、85.8%和34.8%(如图2所示)。大规模的互联网网民基础与互联网接入设备的大量使用，使得传统行业开始与互联网进行结合，并进一步延伸到了金融业务领域。

图2 互联网接入设备发展情况

尽管当前舆论对于互联网金融的作用和影响有夸大其词之处，但不可否认的是互联网金融作为一种综合高效的现代金融运行模式，是一种成功的跨界金融创新。互联网的特点是便捷，而金融业更强调稳健，目前互联网金融监管的难点也是如何把握好创新和稳健的平衡，从风险防范的角度看，互联网金融的参与者多为普通民众，由于个人及企业的风险意识均有待提高，在发展之初很容易触碰到监管制度的红线，特别是P2P等互联网金融业务模式具有一定民商事法律的法理基础，但许多业务又没有被涵盖在现有监管体系中，并且，互联网金融业务往往混杂着多种金融业务，复杂程度较高，难以界定具体的业务边界及监管归属。如何兼顾发展与稳定，正确处理监管与创新的关系，寻求适度监管与保护消费者之间的平衡，是中国互联网金融监管需要面临的难题。

近年来，中国金融监管机构也进行了初步的探索和尝试，出台了多部法律法规，用以规范互联网背景下的金融业务。例如，2010年中国人民银行出台了《非金融机构支付服务管理办法》、2011年银监会发布《人人贷有关风险提示的通知》、2012年出台了利率市场化等去管制倾向的政策措施。特别是2014年以来，在《政府工作报告》中多次提到“互联网金融”，重点关注互联网金融，中国陆续发布了《关于手机支付业务发展的指导意见》《支付机构网络支付业务管理办法》《互联网保险业务监管暂行办法(征求意见稿)》《私募股权众筹融资管理办法(试行)(征求意见稿)》《关于进一步加强比特币风险防范工作的通知》等文件。

(三)中国互联网金融去监管化之路

在西方发达国家没有“互联网金融”概念的具体定义，而更多提及的是FinTech，即金融科技，除了西方国家人口总数少，市场规模缺乏人口红利支持外，主要原因是这些国家传统金融和商业机构发展相当成熟，产业环节和信用体系较完备，当互联网信息技术出现时，这些传统金融机构会率先应用。在互联网与金融结合方面，更为普遍的现象是金融机构自身功能在互联网覆盖范畴内的延伸和拓展，原有的业务运行结构没有发生根本变化。总体上看，国外互联网金融的监管以现有的立法为基础，将互联网金融业务一步步纳入现有金融监管体系框架之内或对相关金融制度进行补充完善。各国监管机关普遍强调，应以信息披露为核心监管原则，以保护消费者及投资者利益为核心宗旨，突出行业协会和行业组织等自律管理机构的作用，互联网金融业务须严格遵守已有各项法律法规，在监管层面，统一标准，加强协调，避免监管套利。

中国互联网金融的发展较美国等西方发达国家更为迅猛，大有夹缝中爆发的态势。除了信息技术实现了飞速发展，成功地将互联网的自由平等、网格化的思想融入金融领域外，还有一个重要原因是中国金融管制导致大量小微企业融资困难，而大量民间资本及个人的金融需求又得不到满足，即由金融压抑导致的“信贷歧视”，利率受到管制，资金由银行进行配置。如果说美国的互联网金融是由技术(去中心化)单轮驱动而产生的，那么在中国，互联网金融改革则是由去中心化和去监管化双轮驱动的。美国的金融去监管化改革从19世纪70年代开始，到2008年金融危机结束，金融机构之间高度竞争、金融产品种类丰富，居民杠杆率较高，互联网技术仅在提升传统金融效率方面作用显著。而中国正处于金融改革启动和互联网技术兴起的重叠时期，传统金融机构效率低下，中产阶级崛起等因素，共同促成了互联网金融在中国的爆发态势。互联网金融的发展一方面倒逼了传统金融机构效率的提升；另一方面也提高了中国金融市场资金的使用效率，优化了资源配置效率，助推了利率市场化改革。

中国金融领域长期以来施行的是“分业经营，分业监管”的管理体制，而互联网金融发展的模式多是混业的，互联网的虚拟性使得金融交易可以轻易地突破时空的约束，增加监管的难度，现有监管框架又难以适应监管的实际需求，如单纯的银行、证券和保险等法律法规都不能满足互联网金融监管的实际需要，可以说中国互联网金融的爆发式增长在一定程度上是通过借助互联网的创新和普惠等理念突破金融行业的准入门槛而实现的，是传统金融市场需求无法满足而出现的金融溢出，是一种“监管套利”行为。由于中国金融产业发展不完备，更多的是一些非传统的金融机构，如互联网公司和电子商务公司等率先采用互联网信息技术开展业务，凭借其巨大的数据、流量优势，通过各种方式涉足支付结算、融资借贷和产品销售等金融业务。尽管这些企业具有很强的创新发展意识，但由于其历来忽视风险管理，容易在高速发展阶段出现风险事件，引发连锁反应。有效监管的缺失加之企业自身对于风险问题的忽视，容易导致互联网金融潜在风险的累积[13]。

传统金融与互联网金融的发展是一个不断博弈、融合、促进的过程，“去中介化”“普惠金融”“去中心化”这些新的理念给传统的金融机构带来了新的挑战，催生了自下而上的金融平民化力量。2014年，“互联网金融”的概念首次出现在《政府工作报告》中；2015年又推出“互联网+”的概念，并将其放在国家战略的高度上。随着互联网金融的概念正式得到国家层面的认可，在监管制度的设计上也体现出了适当的容忍度，为其发展留有一定的试错空间。互联网金融相较于传统金融机构，对风险的预测和控制能力均有待验证，而对这些风险的控制又是金融的核心问题。对于中国这样一个金融外生化的国家来说，金融监管的重要目标一方面是要保护金融消费者的权益；另一方面就是要防范金融领域的系统性风险。但从目前互联网金融野蛮生长的局面来看，其信用风险更加复杂也更加难以防范，因此，分析其风险及风险的传导机制，对于如何制定监管政策，有效兼顾规范发展和支持创新十分必要。

三、互联网金融对金融机构信用风险的影响作用机理

纵观互联网金融的发展历程，可以说互联网并没有改变各方对信用的跨期交易，即金融的本质没有变。金融是经营风险和追求风险溢价的行业，核心问题还是信用与风险的管理，股权、债券、保险和信托等经济活动契约的内涵也没有发生变化。互联网作为一种技术手段，并没有催生“新金融”的产生，仅是提供了一种快捷、高效的手段，体现在互联网精神，以及技术与金融领域业务的融合与改造。像银行等传统金融机构提供间接融资服务的基础风险是信用风险，传统金融机构往往基于完善的信用机制、严格的风险管理，直接面对现实的客户提供金融服务。而互联网金融则基于虚拟的互联网空间开展金融业务，业务范围并不受地域的限制，客户可以来自于世界各地，大多采取线上方式，根据借款人提供的身份证明、资产证明和缴费记录等资料评价其信用。由于不是面对面的现实客户，且各种材料极易造假，导致借款人违约成本较低，恶意拖延、拒绝还款和违法使用贷款等事件时有发生，使得信用风险增加[14]。风险从来不是孤立的，互联网虚拟介质增加了风险的不确定性，使得传统金融机构在借助网络开展金融业务时面临更大的信用风险。信用风险在互联网业务与传统金融机构之间的传导，主要通过以下五个路径进行：

(一)社会心理因素渠道

社会心理因素会影响客户自身对风险的偏好。第一，征信意识淡薄。在“互联网+”的环境下，个人和企业可以有机会借助互联网的“杠杆”效应来影响信用状况。例如，大多数互联网金融企业仅依据个人的注册信息、买卖记录来判断单个消费者的信用风险，没有对线下信用交易的准确评估，在消费者未来的市场风险及内部风险防控方面也很少触及，这也会扭曲金融客户对信用风险所持的态度，放大了人的贪婪和恐惧，间接影响金融机构的信用风险。第二，财富价值观不正确。由于互联网金融业的市场准入条件较低，导致差异性较大的淘金客进入到这个行业。而在互联网金融监管政策并不完善的前提下，加之舆论的炒作，“一夜暴富”的赌徒心理与示范效应容易导致金融机构的信用风险随之加大。

(二)政治法律因素渠道

在中国，政治与社会稳定的理念根深蒂固，这也体现在经济领域。金融行业非常重视风险管控，使得经济社会领域存在着金融需求被压抑的现象，这也导致金融产品的价格信号被扭曲，不能体现其真实价值，更难以实现资源的优化、合理配置。而互联网金融的出现，则击穿了现有传统金融机构的制度天窗，弥补了现有金融市场的功能缺陷，引爆了长期被压抑的金融市场需求[15]。这也给金融市场监管造成了巨大压力：若监管不力，则会导致金融机构的信用风险，虽然网络信贷P2P是最能体现金融民主化和普惠化的互联网金融模式，但从近年来不断爆发的P2P案件就可以看出其中存在的巨大风险。

(三)内控机制因素渠道

互联网金融是对现有市场中产品和服务领域的补充和拓展，也给传统金融机构单一的经营模式提出了极大的挑战，进而形成倒逼机制，促使金融机构进行革新。千禧一代的崛起，带来了这一庞大消费群全新的感受价值和体验诉求，银行面临的挑战已不单单是技术脱媒，更是金融消费者服务体验的变迁，这也成了传统金融机构需要面对的主要任务。在面对“互联网+金融”这种新业态时，传统金融机构出现了内控机制的新问题，包括部门之间的权力划分和责任承担等，推高了金融机构的信用风险。由于缺乏完善的内控机制，互联网金融业务在实际运行中容易导致授信管理部门、风控部门和具体的实施业务部门之间的矛盾激化。而互联网金融行业的虚拟特性和广泛特征，使得授信部门需要掌握更多的信息，这也客观上导致了信用风险的增加。

(四)技术部门管理体制渠道

传统金融机构的技术部门往往被商业银行认定为难以在信用风险规避方面起到作用，这导致技术部门在实际工作中沦落为软硬件技术提供方。而在互联网金融下，各种虚拟交易都需要以外部互联网为基础，这使得技术部门的现有定位必须要做出改变，传统金融风险识别的技术环境是远远不够的。在互联网金融下，客户基于互联网进行交易，并提供多种授信信息。在这一过程中，如何有效地对客户信息进行识别与核实，建立面向互联网市场的有效风险识别方法，显得至关重要。而现阶段银行等金融机构技术部门的职能与功能，明显不能满足互联网金融业务快速发展的需要。这可能导致不能进行有效的信息甄别，进而导致银行部门的信用决策失误，增加了信用风险。

(五)经济传导机制

经济传导机制的存在，使得互联网金融能够影响金融机构的信用风险，具体表现为互联网金融的“信用创造”和“杠杆效应”[16]。以第三方支付为例，第三方支付渠道的涌现加快了货币流转和货币电子化比率的速度，但本身对M0和M1的供应量影响不大，也即信用创造效应，这会对正常的货币供应机制造成干扰。特别是随着以余额宝为首的碎片化理财产品的出现，导致出现流动性风险，间接引发信用风险。以中国的个人借贷和众筹融资平台为例，由于国内信用体系不健全，有相当一部分平台为促成交易，吸引更多的投资者，承担了一定的担保职能，通过建立资金的信用审批系统，为客户提供资金支持。随着互联网金融创新链条的加长，产品结构的复杂性也增加，相应的信用链条也会加长，进而放大了隐含的信用问题，即杠杆效应，加大了信用风险的外部性。

四、实证分析

相比于线性关系，社会经济活动中存在着更多的非线性效用。互联网金融对传统金融机构的风险传导，很可能并不是简单的线性关系，这使得传统的线性回归模型的估计结果可能是有偏的。对于这种新兴的互联网金融模式，在发展初期由于其业务模式、监管难度和政策鼓励等因素，受到监管部门的监管力度会相对较小，而在互联网金融风险及违约事件相继爆发的情况下，“一行三会”监管机构对其监管力度会不断加大。因此，本文利用面板门限模型，分析互联网金融风险对金融机构信用风险的非线性传导效应。

(一)PTR模型设定

设定存在一个门限参数(两部制)的面板门限回归模型，如式(1)所示：

(1)

可以表示为分段函数的形式，如式(2)所示：

(2)

对于存在两个门限参数(三部制)的面板门限回归模型，如式(3)所示：

(3)

其中，xit表示受到外部冲击(制度)影响的解释变量，qit表示门限变量，εit表示随机扰动项，μi表示个体固定效应。

(4)

此时，门限参数λ可以通过最小化S1(γ)得到，如式(5)所示：

(5)

在门限模型的估计中，存在着两个问题：第一个问题是检验门限的个数，第二个问题是选择合适的门限变量。假设门限变量是已知的，如果检验单一门限回归模型中的门限效应是否在统计上是显著的，原假设则可以表示为，H0:β1=β2。当原假设成立时，表示不存在门限效应。定义S0为线性模型的残差平方和，H0的似然比检验可以表示为式(6)：

(6)

(7)

因此，互联网金融影响金融机构信用风险的计量模型的设定如式(8)所示：

lnLRit=α0+α1IFt+α2lnLAit+α3EAit+α4lnOBit+μit

(8)

其中，LRit表示金融机构在第t年的信用风险，IFt表示互联网金融在第t年的风险，lnLAit表示金融机构资产负债表期限的不匹配性，EAit表示金融机构i在第t年的资产负债表效应，lnOBit表示金融机构i在第t年的资产负债表外业务，μit表示随机扰动项，服从均值为0、方差为σ2的正态分布。

(二)数据与变量选取

中国互联网金融出现的时间并不长，2004年支付宝的出现意味着其承载的信用中介规模不断扩大，直到2008年，中国第三方支付模式的信用中介功能才得到强化，清算服务功能也逐渐凸显，融资特性亦开始浮出水面，互联网金融业才开始发展壮大起来。直至2014年左右，第三方支付、P2P借贷和网络众筹融资等代表性的互联网金融模式趋于稳定，企业细分初步达成，整个业态发展到了更高级的阶段。

因此，本文选取了2008—2014年的数据。数据来源于国泰安银行与金融机构分析数据库，包括了中国的107家金融机构2008—2014年财务报表的年度数据。在去掉缺失值和财务数据为零的样本之后，共得到时间跨度为6年共计630个样本点的面板数据。

IFit使用余额宝天弘增利宝基金的收益风险进行衡量，如表1所示。选择天弘增利宝基金是因为其在基金公司中具有很大的代表性。2014年，天弘基金管理有限公司以5 898亿元的规模蝉联基金领域首位的殊荣，比排名第二的华夏基金多出约2 559亿元。考虑到样本数据的有效性，本文选取了2008—2014年基金每万份收益数据进行考察分析，数据取自于聚源数据库，包括289个样本数据。本文使用基金的每日万份收益对数值的方差来衡量波动水平，即IFt=Var(lnRit)。

表1 2008—2014年余额宝对数收益率的描述性统计

注:***表示在1%的统计性水平上显著。

金融机构的信用风险(LRit)使用金融机构的短期融资数量来衡量，资产负债表期限不匹配(lnLAit)使用金融机构的长期资产价值来衡量，资产负债表效应(EAit)使用金融机构杠杆率的倒数来衡量，金融机构的资产负债表外业务则用表外业务数量的对数(lnOBit)来衡量。此外，为了模型估计结果的稳健性，本文还使用金融机构的坏债率来衡量金融机构的信用风险。

(三)实证结果

基于PTR模型的估计结果如表2所示。表2中的模型(1)和模型(2)是用金融机构的短期融资数量作为信用风险的代理变量的估计结果，模型(3)和模型(4)是用金融机构的坏债率作为信用风险的代理变量的估计结果。其中，模型(1)和模型(3)仅仅引入了互联网金融风险这一解释变量，而没有引入其他控制变量。对于表2中的四个模型，都使用互联网金融风险(IF)作为门限变量。对于门限效应检验，H0为无门限的假设都被拒绝了，而H1为1个门限的假设都被接受，这意味着门限的数量是1，存在明显的门限效应。

表2 基于PTR模型的估计结果

注：括号中为t值，[]内为Bootstrap仿真得到的p值，*、**和***分别表示在10%、5%和1%的统计性水平上显著。

在表2中，对于本文的核心解释变量互联网金融风险，在模型(1)—模型(4)中，对于区制1，在模型(1)—模型(4)中的参数估计值也都显著为负，其值介于-0.066到-0.086之间，都在10%及以上的统计性水平上显著。这说明互联网金融风险的增加，反而降低了金融机构的信用风险，两者是典型的竞争关系。对于区制2的估计结果，都在1%的统计性水平上显著。以模型(2)为例，估计结果为-0.108，t值为-3.430，这意味着当互联网金融对金融机构信用风险的影响处于区制1时，两者是显著的竞争关系：当互联网金融风险较大时，金融机构信用风险反而是降低的。相对于区制1而言，当这一作用机理转换到区制2时，这种作用变得更加明显。

随着近年来互联网金融风险的加大，社会公众对金融机构信用风险的担忧也在增加。但根据本文的结论，互联网金融风险并没有提升金融机构的信用风险，反而起到了拉低作用。这背后的逻辑是：当互联网金融风险变大时，这会相对有效地甄别出风险异质的金融服务需求者。风险偏好较大的金融服务需求者将偏好于互联网金融，而风险偏好较弱的消费者将转而向传统金融机构寻求提供金融服务。这一内在甄别机制，是导致互联网金融与传统金融机构两者在风险上呈现为“竞争”角色的重要原因。

资产负债表期限不匹配(lnLAit)的估计结果显著为正，表明资产负债表期限不匹配其变化会影响金融机构信用风险的变化。随着中国的利率不断下调、房地产泡沫不断扩大，投资者预期资产价格持续上涨且利率不会上升，金融机构为了获得更大的利润而不断掠夺贷款，客观上增加了信用风险。而金融机构把这些长期抵押贷款转售给投资银行，由后者对贷款进行证券化，并不断拆分为抵押贷款债权并进行信用评级。进一步的，这些信用评级后的抵押贷款债权被转移到了影子银行，由影子银行将这些长期证券化资产作为抵押予以融资[17]。金融机构的上述金融业务流程，正是资产负债表期限不匹配(lnLAit)为正的原因。

资产负债表效应(EAit)的参数估计值显著为负。这说明金融机构的杠杆率对自身的信用风险有较大的影响。具体的原因在于：当评级机构对证券化的抵押贷款债权的评级较高时，以及信誉、规模较大金融机构出售证券化产品时，投资者往往会忽略证券化产品存在的违约风险。而企业通常偏好于资产负债表外融资，这在客观上导致许多风险信息不但不能及时披露，反而被隐藏了。因此，杠杆率越高，金融机构选取短期融资的可能性也就越高。此外，对于金融机构的资产负债表外业务(lnOBit)，参数估计值为正，但显著性并不高。

五、结 论

本文基于中国107家金融机构6年的面板数据，对互联网金融的高风险会不会传导到传统金融机构这一问题进行了研究。研究发现，互联网金融对金融机构信用风险存在着显著的负向作用，同时这种负向作用表现为显著的“两区制”。具体来讲，当互联网金融对金融机构信用风险的影响处于区制1时，两者是显著的竞争关系；处于区制2时，这种作用变得更加明显。总体来讲，互联网金融风险并没有提升传统金融机构的信用风险，反而起到了拉低作用。具体原因在于，互联网金融风险的出现，导致金融市场能够相对有效地甄别出风险异质的金融服务需求者，将其自动区分开。风险偏好较高的金融服务需求者将偏好于互联网金融，追求高风险和高利润，而风险偏好较低的消费者将转而向传统金融机构寻求稳健的金融服务，享受低风险带来的稳定收益。本研究为更好地理解互联网金融对传统金融机构信用风险的传导效应，提供了有力的经验证据，为国家监管层面制定更加有效、积极的监管政策提供了依据。

回顾中国整个互联网金融的发展历程，经过了萌芽阶段、爆发式增长阶段和稳步发展阶段，整个行业目前正在走向理性平稳期。事实证明，短期内，中国互联网金融在民生支付、理财业务、标准化金融产品销售等普惠、小额、高频的场景应用方面对于传统银行业的冲击较大，但互联网金融从事复杂金融业务的能力，尤其是从事个性化金融服务(如资产管理、投融资服务、个性化金融产品设计)方面，由于专业门槛较高，加之受到安全、资金实力等多方限制将难以对传统银行业造成实质性冲击。虽然互联网金融和传统金融的跨界实践不断增多，但二者也将继续在各自的领域发挥着独特的优势。在经过2016年互联网金融监管政策的收紧后，2017年互联网金融行业逐步进入了合规发展期，未来行业监管将进一步趋严，各业态监管细则将进一步完善。银行、保险和证券等传统金融将继续加快与互联网的融合步伐，运用金融科技创新产品和模式，提高运行效率。此外，随着互联网在金融业和社会各个领域的渗透率不断提高，互联网金融业务被越来越多的投资人接受，涉及的资产端种类增加，互联网金融和传统金融的合作也将变得更加频繁。未来，二者的融合与借鉴将使中国的金融生态系统更加多元、丰满。互联网金融对传统金融体系在理念、标准、运行模式和风险管理等方面都会提出挑战，互联网金融也将实现其身份逐渐从“搅局者”向“推动者”的转变。

参考文献：

[1] 方兴东，张静.中国特色的网络治理演进历程和治网之道——中国网络治理史纲要和中国路径模式的选择[J].汕头大学学报，2016，(2):5-18.

[2] 赵增明.传统企业的互联网化探究[J].郑州轻工业学院学报，2017，(2):74-79.

[3] 杨东.互联网金融的法律规制——基于信息工具的视角[J].中国社会科学，2015，(4)：107-126.

[4] 邢天才，袁野.美国金融机构融资流动性风险变化的影响因素——基于金融机构面板数据的实证分析[J].社会科学战线，2012，(9)：39-43.

[5] 肖曼君，欧缘媛，李颖.我国P2P网络借贷信用风险影响因素研究——基于排序选择模型的实证分析[J].财经理论与实践，2015，(1)：2-6.

[6] 孔丹凤，孙宇辰，马驰骋，等.用风险转移工具真的转移了风险吗？——基于美国上市银行面板数据的实证研究[J].金融研究，2015，(2)：160-174.

[7] 宋光辉，吴超，吴栩.互联网金融风险度量模型选择研究[J].金融理论与实践，2014，(12)：16-19.

[8] 李明选，孟赞.互联网金融对我国金融机构信用风险影响的实证研究[J].企业经济，2014，(11)：165-170.

[9] 夏郑.基于系统论的互联网金融生态建设[J].财经科学，2015，(1)：1-10.

[10] 王锦虹.基于逆向选择的互联网金融P2P模式风险防范研究[J].财经问题研究，2015，(5)：61-68.

[11] 吴晓求.互联网金融的逻辑[J].财贸经济，2015，(2)：5-15.

[12] 张鑫.互联网金融创新的三大争议[J].探索与争鸣，2014，(12)：19-21.

[13] 何文虎.我国互联网金融风险监管研究[J].南方金融，2014，(10)：45-49.

[14] 王锦虹.互联网金融对商业银行盈利影响测度研究——基于测度指标体系的构建与分析[J].财经理论与实践，2015，(1)：7-12.

[15] 王海军，许一航.互联网金融理论建构：本质、缘起与逻辑[J].中国矿业大学学报，2015，(6)：43-50.

[16] 李宏瑾，苏乃芳.金融创新、金融脱媒与信用货币创造[J].财经问题研究，2017，(10)：40-50.

[17] 魏永芬，赵桂娟.我国影子银行发展问题研究[J].东北财经大学学报，2013，(5)：34-37.