非银行金融部门崛起对商业银行盈利水平冲击的测度——基于聚类稳健标准误的面板数据的实证

沈子杰，余 珂

(澳门城市大学 金融学院，澳门 999078)

引言

伴随着经济持续增长，我国家庭财富总额自本世纪初的30.63万亿元增长至2018年末的422.14万亿元，居民收入水平的显著提高加之居民对投资品类需求的日益高涨，使得家庭金融需求随之发生改变，居民金融资产投资日趋多样化(1)数据来源：瑞士信贷研究所发布2019年《全球财富报告》。。其中银行存款占家庭总资产比重已由2000年的87.5%锐减至2018年的42.9%。在家庭金融资产配置当中，除去占比最高的银行存款和现金之外，大量的资金流向了保险(17%)、理财(13.4%)、股票(8.1%)等领域。在家庭投资资产大类下，股票类、债券类资产配置与居民收入水平显著地正相关，而货币类则与之相反。同时，我国银行理财发展仍然较不充分，资管收入占银行总收入的比重过低(工行7.13%，富国银行14.83%)，处于美国上世纪八九十年代的发展水平。在财富管理投资产品当中，随着信托产品(22%)、公募基金(13%)、私募基金(12%)、券商资管计划(11%)等产品加速培育,银行理财产品的市场规模(31%)被不断压缩，银行业所面临的竞争压力与日剧增，给经营业绩带来了负面影响(2)数据来源：中国家庭金融调查与研究中心与西南财经大学联合发布《中国家庭金融调查报告》。。

居民金融需求的迅速变化意味着银行和非银行金融部门必须适应这种变化，努力提高自身的金融服务能力。很显然，非银行金融部门在这点上做得更好，随着近年来的迅速崛起，一方面，既推动了多层次资本市场建设，提高了市场交易的活跃性；另一方面，多部门凭借先进的金融科技优势，逐步侵入银行的核心业务，在金融体系当中的资产份额持续提升，传统商业银行存款份额被不断蚕食，加剧了银行业盈利能力波动，弱化了商业银行的流动性创造能力，使得内生脆弱性逐步凸显。当下银行如果不做出改变，就可能面临被淘汰的危机。鉴于此，本文通过量化非银行金融部门对上市商业银行盈利水平冲击的力度，探讨在金融科技大潮下，商业银行应该如何变革来应对非银行金融部门的挑战。

一、文献综述

针对商业银行盈利水平的外部影响因素研究，多数学者着眼点不尽相同。当下的研究热点多集中在互联网金融发展(3)吴刘星:《互联网金融对我国商业银行盈利影响的研究》，山东大学硕士论文，2019年。、第三方支付(4)谢太峰等：《第三方支付对我国商业银行盈利水平影响的实证研究》，《金融理论与实践》,2019年第10期。、信贷证券化(5)郭江山等：《信贷资产证券化对银行盈利能力的影响——基于双重差分法的分析》，《武汉金融》，2019年第9期。、非利息收入(6)李琼等：《非利息收入对我国上市银行经营绩效的影响研究》，《武汉金融》,2019年第9期。，及中间业务收入(7)何伟等：《中间业务收入与城市商业银行经营绩效——对10家城市商业银行面板数据的分析》，《财会月刊》，2019年第16期。变化等领域。而基于非银行金融部门视阈，研究非银行金融机构及资产管理业对商业银行盈利能力影响程度的相关文献却较为匮乏。非银行金融部门的发展是替代了银行业金融机构的功能还是对其进行了功能上的补充完善？在既有的研究文献当中，学者们展开了细致的讨论。

在理论研究层面，王应贵等认为非银行金融部门的持续扩张必然会对商业银行经营业绩带来负面影响，所带来的虹吸效应正在对商业银行价值链发起冲击(8)王应贵等：《我国商业银行盈利模式、脆弱性及创新模式探讨》，《新金融》,2019年第1期。。殷剑峰认为非银行金融部门的加速培育替代了银行的功能，不仅对货币政策、分业监管发起挑战，更使得银行自身资产负债表在结构上发生重大变化(9)殷剑峰：《 非银行金融部门的崛起》，《中国金融》,2017年第7期。。郭祎认为虽然非银行金融部门在资金投向和规模上更为灵活，但是却带来了更高的市场风险，加剧了银行业经营管理的内生脆弱性(10)郭祎等：《中国非金融企业金融化的异质性研究——兼议金融发展与美英日等国的“逆向而行”》，《产经评论》，2018年第4期。。而路易吉·费代里科·西尼奥里尼等却认为，虽然非银行金融部门使得银行业遭遇“脱媒”危机，但提高了银行业金融服务效率，互补性表现得更为显著(11)路易吉·费代里科·西尼奥里尼等：《非银行金融的机遇与风险》，《中国金融》，2019年第18期。。在实证类分析层面，针对非银行金融部门的相关文献却较为稀少，这主要是由于非银行金融部门覆盖范围广、业务模式复杂、类别难以划分、数据获取难度较大等多因素共同导致的。针对在此研究领域的空白，本文针对非银行金融部门的发展过程、行业特点进行了详细的梳理，通过实证分析的方法量化其对我国商业银行经营业绩的冲击力度，力求全面。在金融供给侧结构性改革和金融科技蓬勃发展的背景下，针对商业银行在激烈的市场竞争当中如何发力的方法论层面，进行了详尽梳理。

二、非银行金融部门的崛起与竞争力分析

本文在参考了FSAP评估团分类方法的基础之上，进行了一定的调整，将非银行金融部门划分为非银行金融机构和资产管理业两个部分，前者包括保险公司、证券公司、养老金、公募基金和消费金融公司；后者包括特定客户资管计划、银行表外理财产品在管资产、信托公司、证券公司、期货公司、私募基金。近年来，非银行金融部门的发展使得商业银行经营业绩承压，以发展速度最快的资产管理业为例，大量业务资金近年来通过各种渠道流向了中小型企业部门、基建长期项目和房地产开发企业，少量资金通过债券融资方式流向了政府部门、包括城建投资、开发和资产经营公司在内的地方政府融资平台、基建项目、地方国企和私企，抬高了资金期限错配风险，成为银行体系之外的重要资金来源，加剧了银行业内生脆弱性。

(一)商业银行金融体系占比趋势下滑明显

相关数据显示，银行业金融机构占金融体系总资产份额自2013年来持续下滑，市场份额从2013年的72%下滑至2018年的68%，其中大型商业银行下滑最为明显，五年间下降6%，股份制商业银行较为平稳，仅城市商业银行份额略有提升。反观非银行金融部门，其市场份额增长不可忽视，由2013年的28%跃升至2018年的32%，其中非银行金融机构市场份额由2013年的10%提升至2018年的12%，资产管理业市场份额由2013年的18%提升至2018年的20%。

表1 金融机构资产规模及金融体系占比(单位：万亿；%)

(二)商业银行经营业绩面临重压

衡量商业银行的经营业绩离不开总资产收益率(ROA)这一重要指标。在过去9年里，我国商业银行资产收益率大体呈现下降趋势。五大国有银行当中，交通银行下滑最为明显，中国银行次之，在2018年的总资产收益率(ROA)分别为0.8%和0.94%，较2010年下降了0.28和0.4个百分点。城市商业银行的下滑趋势大于国有银行和股份制商业银行，资产收益率波动最大。造成我国商业银行总资产收益率(ROA)下滑的原因主要集中在两方面：其一，非银行金融部门的崛起抬高了商业银行的存款利息费用，银行业在资金争夺当中失去了一些竞争优势，使得经营成本上扬；其二，银行业自身的盈利模式难以应对利息收入的下滑所带来的压力。两因素共同导致了银行业金融机构总体成本上浮，使得总资产收益率(ROA)在近年来持续下滑。

图1 36家上市商业银行总资产收益率2010—2018年变化趋势

非银行金融机构近年来通过差异化战略得到快速发育，与银行业金融机构形成了直接竞争，市场规模由2013年的21.04万亿元增长至2018年的45.28万亿元，实现翻番。其中保险、公募基金及证券公司市场规模扩张迅速，分别从2013年的10.16万亿元、4.54万亿元、4.03万亿元增长至2018年的19.96万亿元、13.84万亿元和7.10万亿元，消费金融公司更是迅速崛起，消费金融贷款规模已由2010年的0.38万亿元增长至2019年的17.28万亿元，增长四十五倍之多，市场渗透率已由2010年的9.27%攀升至2018年的34.65%，为更多细分市场客户提供优质的投资和融资服务(13)数据来源：https://www.useit.com.cn/thread-25938-1-1.html。。鉴于非银行金融机构与传统商业银行的差异在于信用业务形式的不同，其出现更好地降低了投资成本，通过对期限结构的灵活调整最大限度地缩小了市场流动性危机产生的可能性。同时，满足了中小企业资金快速融通的需求，业务服务范围不断扩大，使得资金供需双方市场融资借贷活动关系更为密切。便捷的手续办理模式、多样化的红利分配形式以及高回报的资产回报率等相关策略吸引了大量资本涌入，小微企业客户群体加速集聚，在金融体系中的资产规模迅速膨胀，使得“金融脱媒”现象愈发突出。新平台、新业务模式的推陈出新抑制了商业银行支付结算和零售信贷业务的发展，分流了商业银行中间业务市场，削弱了行业净息差收入，使得银行业存款结构承压，推高了商业银行的负债成本。

资产管理机构作为资本市场当中最为专业的金融机构投资者，目前已形成模式极为成熟的行业市场体系，投资品种目前已几乎涵盖全部可估值标的，提高了资本市场活跃度，是提高资金匹配效率、优化金融市场体系、调整社会资源错配的利器。据统计，资产管理业总规模已由2013年的38.7万亿元跃升至2018的79.36万亿元，其中私募基金的表现最为亮眼，由2013年的2.13万亿元跃升至2018年的13.33万亿元。虽然受强监管的影响，基金、期货、证券行业的资产管理业务规模增速放缓，但资产管理业在金融体系当中的占比5年间仍提高了2个百分点。2019年，在基金及证券资产管理业务机构当中，中信证券(11580.8亿元)、中银国际(5614.3亿元)、建信基金(4861.3亿元)表现亮眼，其发展前景不可估量(14)数据来源：https://xueqiu.com/7872144979/133194065。。

此外，伴随着非银行金融部门在金融体系当中的资产占比持续增加、针对外资银行准入限制的不断放宽，蚕食了银行金融机构的市场份额。2019年银监会相继发布了银行保险业12条对外开放新举措，给予外资银行国民待遇，重点提出取消外国来华设立外资法人银行及分行的资金要求和资产规模限制，未来银行业的竞争将会更加激烈，对我国商业银行经营业绩产生深远影响。与此同时，严监管形势下先后出台并落实的《关于进一步规范商业银行结构性存款业务的通知》《关于规范金融机构资产管理业务的指导意见》《中国银监会关于进一步深化整治银行业市场乱象的通知》《商业银行理财业务监督管理办法》《商业银行服务价格管理办法》等监管文件，标志着银行通过结构性存款、同业、理财等业务快速扩张的时代终结，在一定程度上加速了我国商业银行的资本消耗。

三、数据来源、变量选择与模型构建

(一)数据来源及预处理

截止2019年底，我国A股上市商业银行共计36家，信息披露规范符合实证数据要求，具有行业代表性，因此选取这36家上市商业银行为样本；时间维度上选取2010年度至2018年度共计9年数据，通过定量分析的方式开展本研究。

在被解释变量的选取上，考虑到行业的特殊性，总资产收益率ROA作为反映商业银行总体盈利水平指标当中较好的一个，能够反应商业银行资产总额的获利能力及行业发展的变动趋势，所以本处选取该指标。

在核心解释变量的选取上，鉴于非银行金融部门与银行金融机构在金融体系当中的市场份额存在着此消彼长的博弈关系，在金融体系当中该比重的增减直接反映了各部门近年来的行业体量和发展趋势，因此选取非银行金融机构总资产占金融体系总资产的比例NBFS来测度非银行金融机构的发展对商业银行经营业绩的冲击；选取资产管理业总资产占金融体系总资产的比例AMFS来测度资产管理业对商业银行经营业绩的冲击。

在控制变量的选取上，除了非银行金融机构和资产管理业的发展会影响到商业银行的盈利水平，其他因素也会对被解释变量造成影响，因此本文引入以下控制变量来提高研究结果的准确性，并将控制变量分为内部微观控制变量和外部宏观控制变量两部分。考虑到目前宏观经济形势，将外部宏观控制变量设定为GDP增长率、广义货币供应量增速M2，从经营效率、资产质量、风险管理、发展能力四个维度着手，选取成本收益率 CBR、不良贷款率 NPLR、净利差NIM、银行资产规模BSIZE作为控制变量，为了消除量纲对数据回归造成的影响，此处对银行资产规模进行对数化处理。

(二)描述性统计

样本商业银行总资产收益率近年来呈现下滑态势，行业资产规模持续增长，各商业银行之间成本收益率，不良贷款率和净利差极差较大，侧面反映出了不同商业银行在经营效率、资产质量、风险管理层面差异化程度较为明显。非银行金融机构及资产管理业发展迅速，在金融体系当中的市场份额呈现波动增长趋势。

表2 变量简述

表3 样本变量描述性统计表

(三)模型的构建

本数据涵盖了36家上市商业银行9个年度的数据，共计9个变量。鉴于既包括时间序列数据又包括横截面数据，因此本文选取面板数据建模，为了更精准地描述非银行金融部门对上市商业银行的冲击程度，设定如下模型：

模型1：

模型2：

各符号的意义为：α0、β0为截距项，α1、α2、α3、α4、α5、α6、α7代表模型(1)各变量待估计参数，β1、β2、β3、β4、β5、β6、β7分别为模型(2)各变量待估计参数，字母i(i=1,2,...,36)为选取出的三十六家上市商业银行，t(t=2010,2011,...,2018)为年度，此处时间维度为9年，εit为两模型各自的随机误差项，服从白噪声过程。

四、实证分析

(一)面板数据相关性与平稳性检验

首先，对两模型进行VIF检验,经计算各变量VIF值均小于5，因此不存在复共线性问题。其次，通过Pearson相关系数检验对变量间相关性进行分析。经计算发现自变量与因变量之间的相关系数较低，虽然NBFS与AMFS两者之间的Pearson相关系数检验值为0.697，在1%的显著性水平下显著，属于强相关，但本文在研究分析非银行金融机构与资产管理业对商业银行经营业绩的影响研究是通过分别建立模型来开展，因此并不影响模型估计结果。

数据的平稳性检验是面板数据分析的基石，为了避免伪回归及虚假回归的出现，保证数据分析具有实际的经济意义，对面板数据各序列进行单位根检验。经检验，原序列通过了LLC检验，在10%的显著性水平下，商业银行整体、国有商业银行、股份制商业银行和城市商业银行均不存在单位根过程，原序列均为零阶单整序列，不再进行协整检验。

表4 面板数据单位根检验

(二)非银行金融部门崛起对商业银行整体盈利水平的影响

本文使用以商业银行个体为聚类变量的聚类稳健标准误，一方面是由于该方法对模型中可能存在的异方差和自相关问题不敏感，提高估计准确性；另一方面由于同一个体在不同年份的随机扰动项存在相关性，使用聚类稳健的标准误可以更好地捕捉组内相关性的特征，从而获得真实标准误的一致估计。在Hausman检验过程中协方差矩阵的差异性是甄别固定效应模型和随机效应模型的判定要点，此处设定Ffixed为固定效应模型估计斜率，Rrandom为随机效应模型估计斜率，Var(Ffixed) 和Var(Rrandom)分别作为固定效应模型和随机效应模型的协方差矩阵估计，并且本统计量服从自由度为斜率参数个数的卡方分布。经计算两模型传统的Hausman检验结果均拒绝原假设，证实采用固定效应最有效率。但为避免异方差情况下检验失效，此处使用稳健的Hausman检验进行过度识别检验，具体模型选择过程见下表5所示。

表5 模型选择

鉴于上市商业银行整体回归模型已经证明，采用聚类稳健标准误的固定效应模型是最为有效的，因此以FE-R模型分析结果为准，并以采用聚类稳健标准误的随机效应模型和混合效应模型作为对照组。模型回归结果见下表6，将数据代入模型公式(1)(2)可以得到两个使用聚类稳健标准误的固定效应模型的回归表达式：

表6 聚类稳健标准误下模型回归结果

模型回归表达式1：

模型回归表达式2：

首先，对核心解释变量的回归结果进行分析。非银行金融机构和资产管理业对36家上市商业银行经营业绩的冲击均在1%的水平上显著为负，回归结果与现实预期结果基本吻合。综合对比，资产管理业的冲击力度弱于非银行金融机构，这是由于资产管理业务的开展有银行业金融机构的参与，存在业务重叠，构成了商业银行经营业绩。随着国内商业银行拥抱综合经营，开始贯彻大资产管理策略(15)黄陈等：《资产管理与银行综合化经营研究——贝莱德经验对我国银行综合化经营的启示》， 《金融论坛》,2009年第11期。，致力于打造全方位价值链资管体系，当下已初步建立起了资产管理业务全牌照布局。各银行通过申设、并购的方式持续优化资产管理业务运作，目前已基本覆盖证券、基金、保险、信托、私募等能够从事资产管理全线业务的金融牌照。与此同时，银行理财子公司的快速成长和牌照获批数量增加，使得银行自身在资产管理业务中的占比不断推高，多因素导致资产管理业对银行经营业绩的冲击力度弱于非银行金融机构。

其次，在宏观控制变量上，GDP增速与被解释变量ROA在两个模型当中均在1%的显著性水平上显著正相关，GDP增速的提高意味着资源配置效率的优化、经济状况的改善。居民可支配收入的增加可以间接推动企业资金周转率提速，降低债务违约和信贷风险，激发商业银行的创新动能与经营活力，推动了银行业收入结构的多元化，对经营业绩带来正面影响；M2增速能够体现投资与中间市场的发展现状和信贷控制程度的松紧，实证结果显示不论是对非银行金融机构还是资产管理业，投资、信贷和中间市场的扩张程度与商业银行盈利能力呈现出正向相关性。

最后，在微观控制变量上，资产规模与被解释变量ROA在模型(1)和模型(2)当中均在1%的显著性水平上呈现显著地负相关。当下我国银行业已经出现规模不经济现象，重资产对资本的占用率过高进而影响行业转型升级，加重了银行的经营负担，间接拖累商业银行的经营业绩。当下我国银行业亟待调整资产结构，整合多业态物理网点的同时利用金融科技发力线上业务，走上内生资本积累的创新发展道路；成本收益比与被解释变量ROA在两模型当中均在1%的显著水平上显著负相关，成本收益比作为反映经营绩效的逆指标，单位收入支出成本越高则其获利能力越差，成本收益比的增大必然会蚕食商业银行经营业绩，而对管理成本进行有效地控制则对盈利能力的提升具有积极作用；不良贷款率与被解释变量ROA在两个模型当中均在1%的显著性水平上存在负相关，近年来伴随着我国银行业信贷资产不良贷款规模的扩张、资产质量的下滑以及债务违约率增加，拉低了银行利息收益的同时推高了经营风险，银行通过调整资产减值损失，利用利润来弥补坏账，随之带来的是经营业绩的降低；净利差既能反应银行在资金博弈中的价格行为，更是体现自身经营效率的重要指标，净利差与被解释变量ROA在两个模型当中均在1%的显著性水平上显著为正，再次证实了净利差作为我国银行业最根本的收入来源，净利息收入的提升必然会为经营业绩增效，保持存贷利差的持续稳定，对于提升我国商业银行的盈利能力、维护行业的稳健发展意义重大。

(三)非银行金融部门崛起对不同类型的商业银行盈利水平的影响

回归结果见表7，非银行金融机构的扩张对国有商业银行、股份制商业银行和城市商业银行的经营业绩的影响分别在10%、5%和1%的显著性水平上显著为负，对股份制商业银行的冲击最小，而对城市商业银行的冲击较大；资产管理业的扩张对国有商业银行和城市商业银行造成了冲击，而对股份制银行而言冲击效果不显著。尽管国有银行拥有更大的规模体量和客户资源优势，但受制于体制内因素使得内部经营效率及灵动性弱于模型内的股份制商业银行，改革创新阻力偏大，使其对非银行金融部门的壮大较为敏感；鉴于城市商业银行多是地方政府为扶持地方经济、中小企业而设立，在金融功能上相较于其他类型商业银行而言有所欠缺，因此也受到了非银行金融部门的冲击。相较于国有银行和城市商业银行，股份制商业银行更为重视金融科技及数字化运营方案，近年来通过财务顾问、财富管理等特色业务，依托其快速调整的创新发展模式，开发出具有高功效的电子银行渠道，持续缓解客户痛点，通过科技升级实现业务转型。以招行为例，近年来通过搭建金融平台衍生出多元化金融服务业务的同时，主动引进先进支付技术实现业务端的迭代升级；将摩羯智投(Machine Gene Investment)接入业务端口布局财富管理，成为我国首家推出智能投顾的商业银行；办理了我国首个区块链跨境领域项目，与JP摩根、芝商所等组织加入Hyperledger项目推动区块链数字技术的发展与合作平台建设，搭建商业应用场景，推动了场景端深度融合。在非银行金融部门的冲击下，股份制商业银行相较于国有银行和城市商业银行而言，仍保有一定的优势。

表7 聚类稳健标准误下模型回归结果

在控制变量当中，分组模型反馈结果显示无论是大型国有银行、股份制商业银行还是城市商业银行，良好的宏观经济环境、松紧适度的信贷控制程度、不断提高的净利差对商业银行的经营业绩具有正向促进作用；而银行资产规模、存贷比、不良贷款率与商业银行经营业绩均呈现出负相关关系，与未分组模型得出结论一致,后续不再进行稳健性检验。

五、我国商业银行应对竞争与冲击的相关建议

(一)产品创新与精准营销相结合，增强客户关系管理能力

金融生态环境瞬息万变，客户新旧消费观念迭代，新型技术手段层出不穷，商业银行应加快向科技化、数字化、智慧化的方式转变，提升银行业金融计算能力，将大数据、云计算、人工智能、区块链等互联网前沿科技贯穿于创新产品研发与推广层面，分析了解客户意见，采用高效的数据算法对客户情绪、认知维度、市场细分和行为预测等相关要素进行分析，及时将信息反馈至研发部门，实现对客户消费行为的精准把控，降低客户流失率。还可以利用金融科技对客户进行多维度精准画像，提供具有针对性的营销策略，实现精准化营销，满足客户多层次的，如全资产负债管理、投融资服务、产业孵化、财务顾问服务以及项目数据分析服务等金融和非金融的需求(16)CB Insights, Fintech Trends Report，http://www.cbinsghts.com.。针对于用户画像的结果，既可以将其作为一个基础的数据资源又可以直接作为数据管理平台的构成要素，通过客户情绪分析、客户分类及行为预测，在第三方DMP(Date Management Platform)平台抓取所需要的客户标签，满足自身获得新客户的需求，提前实现营销触达。最后从盈利模式角度探讨，商业银行要打造科技型、高效型服务平台和“可托付资产管理”，打破银行业传统的盈利模式思维，实现产业链与服务链之间的互联互通。

(二)发力数字化运营模式，增强商业银行营运能力

传统的银行运营模式为简单直接的线条模式，强调物理网点的作用，但在金融科技快速发展的背景下，银行拥抱线上运营模式，形成综合型、交叉型模式，使客户足不出户就能办理业务，打破了客户群体在业务办理过程中空间与时间上的限制，进一步收窄客户获得成本，更好地探索新环境下的金融需求，建立起信息套利优势。随着金融生态化趋势愈发明显，各行业门类间的生态圈接入银行生态必然会带来更为多元化的金融产品。未来，商业银行将全方位切入到客群生活场景金融服务需求链当中。

当下，开放银行(Openbank)发展模式已成为传统银行业数字化转型的必经之路，以API技术作为连接触点，通过搭建覆盖各类交易场景的数字化生态圈的发展模式日趋明朗。首先，银行业应打造应用基础框架助推银行数字化进程，建立完善的金融服务平台、大数据服务平台及云平台，强化数据采集、清洗及行业内外结构化、非结构化数据的PB级处理与整合能力，加速合作方App快速接入，提升基础设施资源利用效率以及管理流程的自动化，助力人工智能、区块链、安全技术、生物识别等新技术手段的达成，取得数字化转型成效。其次，金融科技重塑了IT系统能力，创新赋能银行智慧化、数字化转型。因此，我国银行业应从单一接口转变为IT框架，持续加大平台标准化应用接口API开放,加强金融与场景的深度融合，发展场景应用，构建完善的移动金融生活交互圈和线上线下一体化的支付生态圈，延伸服务触点，持续提升金融资源配置效率。

(三)拥抱大数据技术，增强信用风险防范能力

大数据技术持续升级，Apriori关联规则挖掘、神经网络、集群(LINGO clustering)、合并决策树、向量机网络及随机森林装袋等先进算法的出现，为调整产品结构，减少金融资源滥用和风险管理等问题上提供了解决思路(17)Evry, Big data in banking for marketers How to derive value from big data, http://evry.com.。第一，商业银行应加速企业级IT系统架构的搭建，强化数据预处理及数据库匹配能力。与此同时，传统的数据仓库和商业智能统计分析方案已难以应对结构化数据的整合分析，当下业界广泛使用的开源式海量数据处理系统为商业银行快速构建大数据系统提供了实验平台支持。第二，商业银行具有非银行金融机构及资产管理机构所难以获取的海量客户数据，应充分利用相关金融手段及数据挖掘方法，降低行业金融成本稳定杠杆率。第三，建立实时监控系统，强化银行业在风险识别、风险预警和风险估计等环节的能力，强化授信审批以及贷款的投放管理，降低贷款损失率，开发出实用性强的风险检测计量模型。行业目前通用的反欺诈算法包括诓骗识别(FM，Fraud Miner)，KNN邻近算法，似然因子聚类(FC, Fuzzy clustering)等(18)McKinsey，“Digital/McKinsey:Insights winning in digital ecosystems”，http://www.mckinsey.com.。在征信技术层面，在传统金融信息和征信数据的基础上引入互联网大数据金融信息和征信数据，对于质量较高的金融数据直接的纳入央行征信中心金融基础数据库，对于价值密度不高的庞杂数据利用大数据技术，深度分析挖掘混乱数据，分离信号与噪音，打造高效的金融信息服务和征信产品，提升对金融创业群体、微型企业、新型经济的金融服务能力。

(四)人才驱动行业转型升级，增强自身竞争实力

由于金融体系分工门类日益复杂，金融科技的发展增加了对于“金融+技术”的复合型人才的需求，对拥有金融学知识，又精通软件应用与开发、数字营销、分析技术的专业性、高素质人才需求增加，以期为金融行业数据的分析挖掘提供技术和服务支持。当前银行业要加快人才驱动向“人才+科技”双轮驱动转型，合理配置科技人才、金融人才以及复合型人才，打破传统的人才配置，重视科技人才的培养，将其从技术端调整至业务端，使其成为银行金融科技发展道路上的中坚力量。根据金融科技行业的特点，银行业应加大业务部门与技术人员之间的交流合作，有针对性的优化考核制度及晋升通道，调整原有的薪酬体系，提高员工的幸福感，吸引更多的金融加技术人才加入。此外也可以通过把“金融+科技”人才引进来调整人员组织结构，构建人力资源支持保障体系，改革现行人力资源管理制度，构建出灵活性强、合作能力高的管理体制，更好地对客户的需求与市场的变化两者间的矛盾进行协调。银行管理模式也应向瑞银集团所采用的高效便捷化、垂直化的组织框架调整，持续优化行业内部营销单元的资源要素配置，制定科学的激励制度，以此来构建高效的行业管理机制，打造出可靠的金融支持保障系统，增强行业竞争实力。

结语

对商业银行来说，加强客户关系管理对提高商业银行经营业绩而言至关重要，伴随着非银行金融部门不断扩张，银行业既要拥抱以大数据技术为代表的金融科技，加强对资管市场监测和分析，全面推进托管业务，完善和提升信用风险评价体系和反欺诈能力提前实现营销触达；同时又要积极开辟稳健的银行理财市场，提升银行业金融机构服务实体经济质效。最后，如何加大对“金融+科技”型人才的培养，是未来商业银行稳中求胜的关键所在。