互联网金融技术溢出对商业银行效率提升的影响研究

杨傲 王力

(安徽财经大学金融学院，安徽蚌埠233000)

一、引言

互联网技术的出现和蓬勃发展催生了互联网金融的发展。互联网金融在2013—2017年间市盈率也翻了一番，并带动了商业银行的技术变革，衍生出以传统商业银行金融技术升级为代表的金融互联网。从表面来看，互联网金融导致技术脱媒、信息脱媒、客户关系脱媒，加剧了传统商业银行中介功能的边缘化，银行业面临经济下行、利率市场化、金融脱媒等多重挑战。但是，互联网金融促进了市场竞争机制的进步，在某种程度上，互联网金融科技的普及改变了商业银行原有的经营模式，降低了成本，且商业银行凭借信息搜集、大数据处理等技术为客户提供了更加个性化的服务，有助于挖掘深层次的客户潜在需求。

目前，国内外学者也针对互联网金融与商业银行发展间的作用关系展开了深入的研究。部分学者认为，金融体系业务本质就是信息处理，能够降低交易与信息交流成本［1］，提升经营效率［2］和金融交易范围［3］。随后，一些学者认为互联网金融的出现对商业银行存在竞争作用，迫使商业银行进行技术、业务与模式的创新及转型［4］，进一步推动了金融体系的改革［5］。学者们对互联网金融积极效应的研究主要体现在鲶鱼效应［6］与技术溢出效应。此外，这种技术溢出效应也存在于外资银行与本土商业银行的正向作用关系中［7］，主要表现在人力和固定资产利用效率方面［8］，且对不同类型的商业银行的影响存在一定的异质性［9］。然而，在面对这些积极影响时，我们也需要客观看待互联网金融的发展，时刻警惕互联网金融风险，加强互联网金融管制［10］。

互联网金融技术溢出对商业银行存在显著的有利影响，那么其作用机制又是什么？尽管我国关于银行溢出效应的研究最早起源于刘亚、杨大强和张曙东关于外资银行对本土银行影响的面板分析，研究认为外资银行能够促进本土银行效率的提升［11］，但关于外资银行对本土银行效率的作用机制研究甚少。类比我国研究外资银行对本土商业银行效率的影响，互联网金融作为技术先进主体，也具有溢出作用，商业银行作为技术落后主体，也具备吸收能力。故本文参照外资银行对本土银行效率的作用机制及技术溢出理论，探寻互联网金融对商业银行技术溢出的作用机制，为商业银行效率的提升提供技术改革创新之参考。

鉴于此，本文主要创新之处包括以下几个方面：一是本文结合吴晓求对互联网与金融基因耦合特点的研究［12］，借鉴文本挖掘法，从互联网金融的四项功能出发，选取关键词构造了互联网金融发展指数，丰富了互联网金融方面的量化研究；二是引入了外商直接投资的技术溢出效应机制，丰富了互联网金融理论的研究层析；三是将全要素生产率指标进行分解、多元化，加强了互联网金融技术溢出对商业银行效率提升路径的分析。

二、理论机制与研究假设

互联网金融作为一种新生事物，势必会对传统银行体系产生影响，进而影响银行全要素生产率。根据技术溢出理论，溢出主体会对吸收主体的技术进步产生促进作用，本文认为互联网金融的技术溢出主要通过以下四个途径作用于银行的全要素生产率：

第一是示范效应。商业银行通过对互联网金融企业的模仿和学习，能够实现“干中学”式的技术进步。商业银行消化、吸收互联网金融较高的技术水平、产品生产和经营管理方式，并加以创新，进而不断缩短和互联网金融企业的技术差距，提升效率。

第二是联系效应。互联网金融企业与商业银行携手办理业务，两者在合作过程中各取所长。一方面，商业银行能够为互联网金融公司提供资金划拨与清算等业务支持；另一方面，互联网金融公司能够为传统银行提供海量的前台客户流与线上大数据。在合作过程中，商业银行与互联网金融企业实现了业务优势互补和客户资源共享，进而提高了商业银行的生产率。

第三是竞争效应。互联网金融企业会凭借先进的技术水平、管理经验、雄厚的资金链条等优势，通过价格和质量竞争来占领商业银行的市场份额，迫使商业银行提升技术效率、提高资源利用率。而互联网金融凭借互联网技术打入商业银行的利基市场，并逐步将利基市场转变为主流市场。

第四是人员流动效应。互联网技术人员投身于商业银行，有助于商业银行的技术进步，从而提升了银行效率。同时，基于对互联网技术的渴望，商业银行员工流向互联网金融企业寻求发展，也会对商业银行产生负向效用。具体的技术溢出过程参见图1。

图1 国际技术溢出过程

基于此，本文提出假设1：互联网金融的发展对商业银行全要素生产率的提升有影响。互联网金融已经具备了先进技术溢出能力，商业银行也在不断学习，努力提升效率。

作为互联网技术溢出的潜在受益者，不同类型的银行之间，无论是在经营方式、经营规模或者公司组织结构等方面都存在很大差异，这就会对企业的吸收能力产生差异［13］，进而影响了技术溢出对不同种类银行的作用程度。因此，我们认为大型商业银行、股份制银行和城市商业银行等不同类型的银行在互联网金融技术溢出效应方面存在显著差异，在研究过程中十分有必要对其进行区分。

基于此，本文提出假设2：若互联网金融对银行存在技术溢出，那么不同类型的商业银行对互联网金融技术溢出的吸收能力存在差异。吸收能力是技术溢出的充要条件，在同一先进技术主体技术溢出条件下，吸收主体的吸收能力不同，所产生的技术溢出效果也不同。

最后，基于Zahra和Geogro“两部分四维度”法，笔者认为，在技术溢出过程中，吸收能力对技术溢出具有反馈机制，并根据Kokko提出的技术溢出效应的四个途径，构建了技术溢出、吸收能力与全要素生产率（TFP）的框架分析，如图2［14］。

图2 技术溢出、吸收能力与全要素生产率作用机制分析图

三、模型设定、指标构建及数据来源

（一）模型的设定

由于截面数据无法测度时间维度上的变化，无法通过横截面比较单个决策单元时序数据，而面板数据具有截面数据与时序数据的特征，且兼具两类数据的优点。故本文选取22家银行①5个大型国有商业银行：中国银行、建设银行、工商银行、农业银行、交通银行；8个股份制商业银行：中信银行、光大银行、民生银行、华夏银行、浦发银行、平安银行、兴业银行、招商银行；9个城市商业银行：宁波银行、江阴银行、张家港银行、杭州银行、南京银行、上海银行、成都银行、贵阳银行、北京银行。十年的数据来做静态面板回归，N＞T，常称为长面板数据。静态面板分为随机效应面板与固定效应面板。为了确定究竟该使用哪种形式，本文参考陈强的《计量经济学及stata应用》［15］， 运用 Hausman检验来确定具体的影响形式，为此设计如下计量方程：

其中，Mit代表用Malmquist指数测算出的商业银行全要素生产率(TFP)、技术进步指数(Techch)、纯技术效率(Pech)和规模效率(Sech)，α0为常数项，ε为随机误差项，i和t分别代表样本银行和年份。

（二）变量选取与说明

表1 变量及定义

1.被解释变量

本文需要测算出商业银行效率样本期限内的所有数据，并进行时序上的比较分析，而静态的CCR、BCC模型在样本年份较少的情况下不能进行数据时序分析，因此本文选取Malmquist生产率指数法作为衡量商业银行生产率的效率指标，该指数定义式如下所示：

商业银行作为决策单元，其中产出与投入指标分别用x和y表示，t代表时间，Dt和Dt+1分别表示技术前沿下的距离函数。在不变规模报酬假设下，全要素生产率（TFP）可以分解为技术效率(Effch)和技术进步率(Techch)，新的TFP表达式如下：

下文在对商业银行效率进行分析时，也将参照本节对效率内涵以及经济理论来源的研究，选取Malmquist指数测算全要素生产率（TFP）、技术进步效率（Techch）、技术效率（Effch）、纯技术效率（Pech）和规模效率（Sech）。

其中，投入指标选择方面：固定资产净值主要是指各银行为扩大经营规模以及服务效率增加的门店设备投入；考虑到数据的完整性，人力资本数据方面选取人员职工薪酬指标代替，存款作为银行最重要的外来资金投入，是银行正常运行业务的保障；业务及管理费用体现了商业银行对管理的投入情况，也能从侧面反映银行的经营管理绩效状况。产出指标选择方面：存贷差目前仍然是商业银行的重要收入，因此将利息净收入作为产出指标；互联网技术对商业银行手续费及佣金业务产生了一定影响，手续费及佣金业务收入也反映了商业银行的创新业务情况；净利润作为评价企业经营效率与管理绩效乃至偿债能力的基本工具，产出指标可选取该指标来衡量商业银行的竞争力。

2.核心解释变量

在方法与步骤上，本文首先借鉴与金融功能相关的四个维度对所需的指标数据进行获取，然后利用Pearson相关性分析，通过关联度剔除冗余的数据，以熵值法合成互联网金融指数。

其中，在利用Pearson相关分析法检验16个关键词与商业银行全要素生产率之间的相关性时，参考Larson和Larber对原始词频与DEA-Malmquist指数的计算标准［16］，以二者之间相关度的值0.3作为弱相关的边界值，当相关度小于0.3时，对该关键词进行剔除，最终保留14个关键词。

表2 互联网金融关键词与商业银行全要素生产率Pearson相关分析

3.控制变量

（1）外部因素

国内生产总值增长率，即GDP增长率，是衡量我国经济发展状况的主要指标之一。袁晓玲、张宝山通过实证研究，发现国内生产总值的增长率与商业银行效率的提升之间存在明显的正相关性［17］。

广义货币的增长率，即M2增长率。一方面，M2的增加会导致银行可贷资金的增加，因此会增加银行在利息方面的收入；另一方面，随着M2的增加，贷款利率会相应减少，因此会减少银行的利息收入。因此M2增长率与银行的存贷利差有着巨大的关联度。

（2）内部因素

风控能力。银行作为金融企业，风控能力代表银行的稳定性，是银行能力的主要表现之一。2010年的巴塞尔协议Ⅲ①巴塞尔协议Ⅲ于2010年在瑞士巴塞尔出炉，是全球银行业监管的标杆。将不良贷款率与风控能力联系起来，商业银行的风控能力越高，不良贷款率越小，除此之外，核心资本充足率也是银行风控能力的具体量化数据之一。因此，本文将不良贷款率与核心资本充足率作为风险控制能力量化指标。

配置能力。商业银行除了主要业务之外，在市场上还有另一大重要职能——优化资源配置，尤其目前在我国市场经济条件下，商业银行在优化资源配置中发挥的作用越来越大，能够有序且高效地对社会资金进行配置，当商业银行的配置能力越强、效率越高，其带来的利润也就越高，因此本文将商业银行的存贷比配置反应的能力作为控制变量。

创新率。该变量一般是用非利息收入占比来表示。郑录军、王芳认为，在互联网金融快速发展的大背景下，商业银行发展中间业务会影响商业银行的经营效率［18］［19］。

发展能力。该变量用营业收入增长率来表示。该指标通过银行当年的营收增长数额与上一年的营收数额之比计算得到。徐倩、李放的研究认为，如果银行的营业收入不断增长，则说明银行具有较强的创收能力以及较好的发展势头和发展前景［20］。

（三）数据来源与描述性统计

由于百度引擎关键词搜索功能最早只开放到2006年6月，故本文样本指标年限为2006—2016年，样本选取22家商业银行。其中外部因素的数据来源于2016年《国家统计年鉴》，银行内部因素数据来源于Choice金融终端与各银行年报。

1.商业银行全要素生产率纵向统计比较分析

表3 2006—2016年我国商业银行全要素生产率及分解效率的纵向比较

样本期间内全要素生产率总体呈波动性增长，2006—2016年我国商业银行全要素生产率的年平均增长率为4.7%，技术进步效率的年平均增长率为4.8%，技术效率均值小于1，为0.999，技术效率并没有很好地发挥价值，帮助技术水平提高。技术效率的降低主要是规模效率降低所致，由此可见，商业银行体制臃肿，不够精炼，仍然是商业银行提升效率的一大阻碍，银行采用的高新技术设备、开发金融产品等产生的技术进步是推动全要素生产率提升的关键。

表4 2006—2016年我国商业银行全要素生产率及分解效率的横向比较

2.商业银行全要素生产率横向统计比较分析

文本选取的样本中共有5个大型国有商业银行、8个股份制商业银行和9个城市商业银行。从全要素生产率纵向变化上来看，技术进步仍是全要素生产率提升的主力军，近两年技术进步效率略微有所下降，可能是因为商业银行在技术吸收过程中出现了规模报酬递降。从全要素生产率的横向变化来看，不同类型的商业银行面对新技术的发展，其全要素生产率具有异质性，绝大多数企业都表现出了技术进步，但仍有8家银行的技术效率小于1，由此也侧面验证了纵向变化的结论，技术进步是全要素生产率提升的关键，技术效率提升是之后商业银行发展的重点。通过对商业银行效率进行分解，商业银行主要是依靠技术进步提升效率，但究竟是否由于互联网金融技术溢出作用，将在下文中进行实证检验。

3.核心解释变量的统计性描述

图3 互联网金融指数发展情况

不难发现，本文所构建的互联网金融发展指数自2007—2016年间总体不断增长如图3所示，与互联网金融近年来的发展情况基本相同。

4.控制变量的描述性统计

表5 描述性统计

四、实证分析

（一）技术溢出对商业银行整体效率的影响分析通过State12.0软件的处理得出了四个模型的Hausman检验值，根据检验结果，选用随机效应模型，下表6得出互联网金融发展指数对商业银行全要素生产率、技术进步效率、纯技术效率、规模效率的回归结果。

表6 对总样本全要素生产率及其分解效率的回归结果

互联网金融发展指数（Jr）对全要生产率（TFP）在5%水平下显著相关，互联网金融发展指数（Jr）每提高一个单位，全要素生产率（TFP）就提高0.174个单位，证明假说1成立。从外部环境对商业银行效率的影响来看，GDP对全要素生产率（TFP）的影响显著为正，能有效促进商业银行技术进步效率的提高，这说明经济水平的提升有助于人民生活水平的提升，进而又刺激人民投资理财多样化需求，导致商业银行利基市场需求扩大，这又反过来促进商业银行技术水平的提升和全要素生产率的增长。M2对全要素生产率（TFP）的影响显著为负，主要是在互联网金融行业异军突起的时代背景下，虽然商业银行在积极学习互联网技术，且不断开发创新业务，但由于其互联网业务起步晚、互联网技术薄弱等原因，商业银行的业务在一定程度上受到了互联网金融的冲击，由于P2P、支付宝、余额宝的出现，商业银行的业务出现了分流，所以M2的增长不再是商业银行全要素（TFP）提升的助燃剂。通过对商业银行内部控制变量进行分析，创新率与营业收入增长率对全要素生产率（TFP）、技术进步率（Effech）的影响系数显著为正，也说明技术进步能够促进商业银行效率的提升。

对全要素生产率进一步分解可知，互联网金融发展指数（Jr）对技术进步效率（Techch）的影响系数显著为正，对纯技术效率（Pech）与规模效率（Sech）的影响显著为负，这说明互联网金融技术溢出对商业银行效率的影响路径是先通过技术溢出提高商业银行技术水平，进而商业银行的技术进步促进了商业银行效率的提升。虽然互联网金融的技术溢出与商业银行的规模效率、纯技术规模效率之间的关系显著为负，但并没有完全阻碍商业银行全要素生产率的提升。

（二）技术溢出对各类商业银行效率分解的影响分析

本文主要借鉴Zhu的商业银行分组策略［21］，针对本文所研究的22家商业银行，分别剔除大型国有商业银行、股份制商业银行以及城市商业银行，从而分别得到了子样本一、子样本二和子样本三。其中对总样本的商业银行全要素生产率及其分解效率与互联网金融发展指数面板回归分析结果如表7所示：

表7 互联网金融对子样本全要素生产率的影响分析

结果显示：总样本系数在5%水平下显著为正，影响系数为0.174；子样本一、子样本二的影响系数在10%水平下显著影响，系数为0.198、0.164；子样本三在剔除城市商业银行后在1%水平下显著，且影响系数变化最大，为0.242。由此可见，面对互联网金融的技术溢出，由于商业银行的吸收能力不同，技术溢出为商业银行带来的效率进步有明显差异，初步验证了假说2。

表8 互联网金融对子样本技术进步率的影响分析

从技术进步效率（Techch）结果分析来看，互联网金融发展指数（Jr）对总样本的影响系数在1%水平下显著为正，系数为0.235；子样本一在5%水平下的影响系数为0.253；子样本二、子样本三在1%水平下显著为正，影响系数分别为0.344、0.177。通过与总样本的对比，可以发现在子样本一、子样本二和子样本三中，互联网金融指数对技术进步效率（Techch）变化的影响程度分别为7.66%、46.38%和-24.68%。增长幅度越大，代表子样本中剔除的商业银行的技术进步效率对互联网金融技术溢出的吸收能力越弱。通过结果可以发现，城市商业银行对互联网技术溢出的吸收能力最强，国有商业银行次之，股份制商业银行则最弱。

表9 互联网金融对子样本技术效率的影响分析

从技术效率（Effch）的分析结果来看，总样本中互联网金融发展指数（Jr）对商业银行技术效率（Effch）的影响系数在5%水平下为-0.0738，而在剔除不同类型商业银行数据后发现，互联网金融发展指数对商业银行技术效率水平的提升都显著为正。子样本一、子样本二、子样本三的核心解释变量影响系数依次为-0.0668、-0.192、0.0436。根据影响系数增幅越大，被剔除的银行吸收能力越差的规律得出，面临互联网金融的技术溢出，城市商业银行的吸收能力最差，明显低于平均水平。

剔除城商行的样本三的互联网金融指数（Jr）为正，说明互联网金融技术溢出有助于大型国有银行与股份制银行技术效率（Effch）的提升。剔除股份制商业银行后，互联网金融指数的影响系数与总样本相比变小，说明面对互联网金融技术溢出，股份制商业银行的技术效率（Effch）吸收能力水平明显高于总样本。虽然剔除大型国有商业银行后，互联网金融指数的影响系数变大，但增长幅度小于城商行的增幅，则说明城市商业银行、大型国有银行面对互联网金融技术溢出，其技术效率（Effch）的吸收能力低于平均水平，且城市商业银行的吸收能力最差。

针对剔除城市商业银行的样本三，其技术效率（Effch）的提升主要得益于股份制商业银行对互联网金融技术溢出较强的吸收能力，主要原因是股份制银行相较于其他类型银行，其盈利性目的更强、受地理位置以及国家政策导向的影响较小、产权清晰，这些都是有利于对互联网金融技术以及创新产品吸收的因素。大型国有商业银行的规模过大，管理结构繁琐，审批环节繁琐，会阻碍其技术效率的进步。城市商业银行资本薄弱，面对互联网金融技术溢出以及创新业务的冲击，城市商业银行很难消化互联网金融技术溢出所带来的好处。

五、结论与政策建议

内生增长理论告诉我们，企业技术进步一方面是由于企业内部研发水平的提升作用，另一方面是先进技术的溢出效应的结果。而针对互联网金融技术远远高于商业银行技术水平这一现实，后者无疑是商业银行技术进步的最优选择。此外，互联网金融技术溢出能否被商业银行有效消化利用还取决于商业银行吸收能力的强弱。一方面，互联网金融技术溢出对商业银行效率提升有影响。另一方面，不同类型的商业银行对互联网金融技术溢出的吸收能力存在差异：从全要素生产率结果来看，股份制商业银行增幅最大，大型国有商业银行次之；从技术进步效率结果来看，股份制商业银行技术水平提升较快，城市商业银行提升幅度最慢；从技术效率结果来看，只有股份制商业银行的技术效率为正，其他商业银行的效率水平为负，技术效率并没有很好地配合技术水平的提高，以促进商业银行全要素生产率的提高。

进一步对全要素生产率及其分解效率进行横纵向比较分析可知，技术进步效率的提升虽然是现阶段商业银行全要素生产率提升的主力军，但技术进步效率的提高趋于饱和，已呈现边际规模报酬递减规律。与此同时，商业银行纯技术效率与规模效率的提升速度并不能与快速增长的技术进步效率相匹配。因此，商业银行现阶段改革的重点是提高纯技术效率与规模效率，从而促进商业银行对互联网金融技术进步的有效吸收。

为有效促进互联网金融技术溢出对商业银行效率的提升，首先，我国商业银行需要优化网点布局，精简基层员工，促使各地区商业银行网点数量、布局等均达到帕累托最优。其次，积极吸引技术性人才，加强商业银行内部的技术性研发投入，努力提升人力资本水平，优化投资结构。最后，互联网金融技术外溢带来的技术溢出效应并不是对商业银行的自动输入，政府应促进市场竞争、鼓励人员流动。