互联网金融对商业银行风险承担的影响研究

2021-03-15王升李亚郜如明

金融发展研究 2021年1期

王升李亚郜如明

摘要：为了研究互联网金融对商业银行风险承担的影响，本文以2009—2018年互联网金融对中国30家典型商业银行风险承担影响的数据为基础，运用动态面板广义矩估计方法对互联网金融对我国商业银行风险承担的影响进行了研究与分析。结果表明：（1）互联网金融对我国商业银行风险承担的影响呈现倒U形分布，即互联网金融发展初期通过抢占市场份额，加剧了行业竞争，抢占了商业银行利润，进而加大了商业银行风险承担的成本;但随着商业银行对互联网前沿技术的不断融合、金融产品服务的创新以及风险管控水平的提升，商业银行风险承担的成本下降。（2）面对互联网金融的冲击，不同类型商业银行对风险承担反应具有异质性：在宏观层面，大型国有银行拥有庞大的资产规模和政策保障，对其冲击反应较为滞后;股份制银行和城市商业银行缺乏上述优势，对其冲击反映较为敏感，但股份制银行后期风险承担显著下降;农村商业银行因主要服务于乡村建设，受其影响较为有限。在微观层面，面对互联网金融的冲击，与资本充足率和流动性水平较低的大型商业银行相比，资本充足率和流动性水平较高的小规模商业银行风险承担显著增加。

关键词：互联网金融;商业银行风险承担;广义矩估计

一、引言

互联网金融作为新型金融业態，深刻影响着整个金融生态环境，尤其对传统银行业带来了全面深刻影响。随着互联网金融不断加速创新，其迅速占领市场份额，抢占传统商业银行存贷、理财等业务利润，与传统商业银行逐渐形成对峙格局，增加了银行机构风险水平。但同时，互联网金融的发展也倒逼商业银行主动拥抱互联网前沿技术进行自身改革，逐步健全自身运营机制，提升内部管理水平，创新金融产品服务，提高经营效率、风险预警和防范能力。因此，互联网金融的迅猛发展对商业银行风险承担的影响如何？是加剧了商业银行风险承担还是降低了风险承担？国有大型银行、股份制银行、城市商业银行及农村商业银行等类别相异的商业银行面对冲击的表现是否相异？解决上述问题对促进互联网金融健康发展、商业银行及时预警防范风险、维护金融系统稳定具有重要的理论价值与实践意义。

二、文献回顾

近年来，互联网金融迅速崛起，引发了国内外学者较为广泛的研究与讨论。根据既有文献，学者们对互联网金融的认识存在差异：谢平等（2012）[1]认为互联网金融既与传统商业银行的融资方式不同，也相异于资本市场融资模式，对传统金融的冲击是颠覆性的。王国刚和张扬（2015）[2]则认为互联网金融在功能上并无颠覆传统金融的可能，在机制上更多的是利用了中国金融体制机制的缺陷所进行的监管套利，在发展上具有拾遗补阙的作用，但难以成为金融业的主流运作方式。耶鲁大学教授陈志武（2014）[3]亦认为互联网金融并不是“新金融”，而是金融在销售和获取渠道上的变化。2015年7月，《关于促进互联网金融健康发展的指导意见》出台，结束了这一争议，指出互联网金融机构是传统金融机构为了实现融资、投资、创新服务产品等目标，主动与网络科技公司合作，利用互联网技术等前沿技术重塑金融业务模式。

关于互联网金融对商业银行风险承担的影响，诸多学者也密切关注。戴国强和方鹏飞（2014）[4]认为互联网金融推高了银行的资本成本，降低了银行的盈利水平，加大了银行的风险承担。郑志来（2015）[5]认为互联网金融对商业银行在负债业务、中间业务、资产业务等方面产生深刻影响，可能引起金融脱媒并危及商业银行的经营业绩、商业模式。袁博等（2013）[6]认为金融科技对传统银行机构运营的冲击程度较大，银行机构必须审时度势，通过顺势创新产品服务、加强预警体系等多种手段化解互联网金融的影响。喻微锋和周黛（2018）[7]证实互联网金融通过与银行竞争导致银行存贷款利差减小，使得银行风险承担增加，且互联网金融对商业银行的影响存在以银行规模为门槛的门槛效应，银行规模越大，互联网金融对银行影响越小。吴成颂等（2019）[8]发现互联网金融通过冲击银行资产端业务增加了银行信用风险，且通过冲击负债端业务增加了银行流动性等风险。赵保国和薛骊阳（2019）[9]认为互联网消费金融加大了银行破产风险，显著提高了银行风险承担水平，而且提升风险防控水平无法降低风险承担。

上述文献对理解互联网金融及其与商业银行风险承担的关系具有重要的借鉴意义，但仍有以下核心问题鲜少被讨论：一是商业银行风险承担的滞后性及互联网金融的动态发展鲜少被纳入研究范围;二是不同类型的商业银行在面对冲击时的风险承担程度差异性研究较少，尤其从实证层面量化差异性的研究更是屈指可数。

三、影响机制分析及模型构建

目前，我国的互联网金融业务主要包括互联网支付、网络借贷、互联网信托、互联网消费金融、股权众筹、互联网基金、互联网保险等。商业银行通过互联网金融技术架构建立金融产品销售和服务体系，使得“金融+互联网”模式高效运行。

（一）动态影响机制分析及模型构建

互联网金融发展初期对商业银行的影响机制主要体现在以下方面：一是在负债端，互联网金融提供便捷、多元化的财富管理服务，如支付宝、理财通、京东金融等平台推出多种互联网理财产品，抢占金融财富管理市场，银行业机构财富管理市场受到挤压。二是在资产端，P2P网络借贷快速崛起，以银行为导向的借贷利率及融资模式逐渐被打破，传统银行业机构失去了高利差收益的优势。三是在支付端，第三方网络支付迅速抢占支付市场份额，占比逐年提升，尤其是以支付宝、微信为首的移动支付企业，占据了市场绝对份额，银行的支付业务逐步被第三方支付替代。这导致一方面，银行的活期存款业务被严重抽取，资金流动性水平下降，易引发流动性风险;另一方面，客户消费情况等数据无法全面获取，对银行有效、准确分析客户支付、消费情况以研发更有针对性的金融产品带来阻碍。四是盈利水平方面，互联网金融分流走银行存款，银行资本成本上升，盈利能力削弱。

随着互联网金融的持续发展，商业银行充分吸纳互联网技术，创新基于互联网技术的金融产品服务，降低管理成本。其影响机制主要体现在以下方面：一是银行业金融机构运用互联网技术增设网上银行、手机银行等电子银行渠道，为客户提供便捷的支付结算、财富管理等多种金融服务，优化客户体验。二是商业银行利用大数据技术建立风险预警体系模型，加强风险预警，缓解信息不对称。三是商业银行吸收互联网金融中先进的科技及理念，改善传统经营模式，提高经营效率;与互联网金融融合，取其所长、去其所短，形成资源共享、业务互补的良好格局，从而降低银行业的风险承担水平。

因此，随着竞争压力增大、竞争成本上升，利润空间被压缩，银行风险承担也随之增加;但是随着技术更新，风险管理成本下降，则银行风险承担也会降低。

根据以上影响机制分析及模型求解，本文提出假想1：互聯网金融对商业银行风险承担的影响趋势为先升后降，互联网金融在发展初期抢占市场份额，银行利润空间收窄，风险承担水平上升;但随着商业银行的调整发展，通过提升服务水平、降低管理成本、加强稳健性等方式，商业银行的风险承担降低。

（二）不同类型商业银行异质性影响分析

我国国有大型银行受国家政策扶持力度大，成立时间早，资产规模及客户基数庞大。因此，互联网金融冲击对其盈利能力影响有限。但其管理机制相对机械、人员设置复杂、业务链条冗长，在面临竞争及威胁时反应可能相对滞后。但受自认为互联网金融对其冲击力度有限的心理影响，主动吸纳前沿科技和风险管理理念从而提升经营水平的力度亦可能较为轻缓。

与国有大型银行相比，股份制银行在面对互联网金融冲击时，前期受负面影响相对大，但其风险敏感度较高，随着互联网金融冲击加大，更可能主动迎面出击，通过互联网技术开发特色金融产品，重塑管理框架，构建稳健的风险管理体系（徐岚和徐青松，2014）[12]。

城市商业银行作为中小型银行，既没有国有大型银行雄厚的资金规模，也缺少股份制银行面临风险时较强的敏感性及强健的风险防范能力，面对互联网金融的冲击，很可能风险承担水平迅速上升;农村商业银行主要服务于网络相对欠发达的农村地区，互联网金融对其影响较小。

综上，本文提出假想2：互联网金融对不同类别商业银行风险承担的影响具有差异性，国有大型银行敏感度较差，股份制银行敏感度较强，城市商业银行风险增强，农村商业银行风险略微上升。

同时，从银行的微观特质看，国有大型银行的特点是资产规模较大，但资本充足率和流动性水平相对较低，而股份制银行和城市商业银行等规模相对较小，但资本充足率和流动性水平相对较高，因此本文认为资产规模越小，资本和流动性越充足，则面对互联网金融的冲击，其风险承担水平越高。

四、实证研究设计

（一）研究样本选取

本文收集了国内30家商业银行年度数据作为研究样本，其中包括5家国有大型银行、5家股份制银行、10家城市商业银行和10家农村商业银行①，时间跨度为2009—2018年。数据主要来源于万得数据库和艾瑞网站，缺失数据主要从各大银行年报查找获取。

（二）变量选取和定义

1. 被解释变量：商业银行风险承担。代表我国商业银行风险水平的变量主要有预期违约率、Z值、不良贷款率、贷款损失准备率等。目前我国尚未建立健全的违约数据库，因此无法获得和计算预期违约率的准确数据;Z值代表破产风险，表征风险承担的准确度较低。为此，本文采用不良贷款率衡量商业银行风险水平。同时，为保证严谨性，采用贷款损失准备率作为辅助代理变量。

2. 解释变量：互联网金融发展水平。采用第三方互联网支付交易额与我国商业银行资产比作为互联网金融发展水平（Fintech）的代理变量。

3. 控制变量。银行层面包括：（1）流动性水平。采用流动性资产与总资产比评价银行流动性水平。（2）经营效率。采用成本收入比作为代理变量。（3）盈利水平。采用存贷比作为衡量银行盈利水平的指标变量。（4）稳健水平。采用拨备覆盖率衡量银行稳健能力和风险可控水平。

宏观层面包括：（1）宏观经济水平。采用GDP值为控制变量，Gambacorta表示如果宏观经济发展较为乐观时，鼓动银行机构向企业、风险项目领域等投放更多贷款，存在不良率上升风险，商业银行面临的风险程度增强（Gambacorta，2009）[13]。（2）货币政策。采用M2增长率作为控制变量，反映国家货币供应量，M2增速较快反映投资市场较为活跃。

（三）模型设定

五、实证结果与分析

（一）平稳性检验

对银行层面的变量分别进行LLC检验、IPS检验、ADF检验、Hadri检验，均通过了显著性检验，证实各变量是平稳序列（见表2）。

（二）互联网金融对商业银行风险动态影响的实证分析

对于动态面板数据模型，为克服组内滞后变量和误差项渐进相关导致组内OLS估计量是有偏和非一致性的问题，本文采用广义矩估计方法，回归结果见表3。其中，模型1和模型2均以不良贷款率（RISKnpl）作为衡量商业银行风险承担水平的代理变量，不良贷款率的值越大，表明商业银行风险承担越大。模型3和模型4均以贷款准备损失率（RISKllr）作为辅助代理变量，贷款准备损失率越大，则银行风险承担越小。模型1和模型3未加入控制变量，模型2和模型4加入了控制变量。4个模型中，因变量滞后项回归系数显著为正，说明商业银行风险承担具有持续性影响。Sargan检验的P值大于0.1，表明工具变量不存在过度识别的问题。可知，本文采用动态面板数据模型估计具有科学性。

根据估计结果，可以得出以下结论：（1）模型1和模型2中，FI和FI2系数分别显著为正和负值，且均在1%水平下显著，验证了假想1的正确性，说明风险性影响呈倒U形的曲线型关系，即互联网金融在发展初期抢占商业银行份额，导致商业银行信贷利差减小、风险承担加大;但是随着商业银行积极采取新技术，加强产品创新，降低经营管理费用，商业银行风险承担逐渐降低。（2）流动性水平系数为正且在1%水平下显著，说明商业银行流动性水平越高，面临的风险承担亦越高。在流动性水平充足的情况下，银行乐观情绪上涨，扩大贷款规模的动机强烈，导致风险承担水平增加。（3）经营效率系数在5%水平下显著为正值，说明经营效率的提高有助于降低商业银行风险承担水平。资源配置受制于机构的具体运营情况，运营情况良好的情况下，资源配置得到优化，银行风险承担下降（江曙霞和陈玉婵，2012）[14]。（4）盈利水平系数在10%水平下显著为负，表明银行盈利水平越高，银行风险承担水平降低，减小了银行破产风险。（5）代表银行是否稳健和风险是否可控的拨备覆盖率的估计系数显著为负，表明银行具有充足的拨备覆盖水平，银行稳健性越强，风险控制能力越强，银行风险承担水平就会降低。（6）宏观经济变量GDP的估计系数显著为负，表明较好的宏观经济形势是银行发展的外部保障，助推银行快速发展，降低风险承担水平。（7）M2值显著为正，结果说明较为宽松的货币政策反而加大银行机构承担的风险水平，积极的货币政策助推乐观情绪，投资时存在一定的盲目性和乐观性，提高商业银行风险容忍度。

为保证本文研究结论的可靠性，对假想1进行稳健性检验，以贷款损失准备率（RISKllr）作为衡量银行风险水平的被解释变量，估计结果显示，FI和FI2 估计系数均分别显著为负、显著为正，亦证明互联网初期加重银行风险承担，随着其发展银行风险承担呈下降趋势。同時，相应控制变量的研究结果与模型一致，未发生改变。稳健性检验再次证实了命题1，表明不会因不同的银行风险代理变量的选择而改变研究结果。

（三）异质性分析

为探究互联网金融对不同性质商业银行冲击的异质性，本文将总样本划分为四个子样本，分别为国有大型银行数据集（panel1）、股份制银行数据集（panel2）、城市商业银行数据集（panel3）、农村商业银行数据集（panel4），分别对四个子样本运用系统广义矩估计方程进行回归，回归结果见表4。研究结果表明，互联网金融在发展初期对不同类型商业银行冲击具有差异性，四类银行风险水平均有不同程度的增加，其中，城市商业银行、股份制银行风险水平上升程度最为严重，其次是农村商业银行和国有大型银行。随着互联网金融的发展，四类商业银行所受的风险冲击程度均有所下降，仍存在差异性，其中，股份制银行风险水平下降程度最大。以上结论印证了前文的假想2。

2. 微观异质特征。在微观角度，选取银行资产规模、资本充足率和流动性比例三个指标变量，分析不同特质的商业银行对互联网金融冲击是否存在异质响应。其模型设计如下：

其中，X分别为银行资产规模（SIZE）、资本充足率（CAR）、流动性比例（LI）三项微观特质变量，表5为以上三个微观维度回归结果，其中核心解释变量FI的估计系数为正，交互项中互联网金融与银行资产规模估计系数显著为负，互联网金融与资本充足率、互联网金融与流动性比例估计系数显著为正。可知，资产规模较小、资本充足率较高和流动性较为充足的银行受到互联网金融冲击的负面影响较大，风险承担水平较高;而资产规模较大但资本充足率和流动性较低的商业银行对互联网金融的冲击反应不敏感，受到的负面影响较小。

这也印证了上文宏观特征异质性结论。相较于城市商业银行和股份制银行，国有大型银行资产规模雄厚，但平均资本充足率和流动性比例低于城市商业银行和股份制银行。国有大型银行服务对象主要集中于大客户和国家重点项目，城市商业银行和股份制银行集中于存贷款价格弹性较高的中小客户，因此互联网金融对其影响较为直接。此外，城市商业银行经营主要依赖于存贷利差，但国有大型银行业务结构相对优化，因此，面对互联网金融的冲击，中小型商业银行风险承担显著增加。

六、结论与监管建议

本文选取30家不同类别商业银行相关数据作为研究样本，通过运用广义矩估计方法进行实证分析，得到以下结论：（1）互联网金融发展与商业银行承担水平呈倒U形曲线关系。互联网金融在发展初期通过抢占市场份额、加剧市场竞争、侵蚀商业银行利润使得商业银行风险承担水平上升，随着互联网金融的发展及商业银行自身调整，商业银行通过提升管理水平、创新金融产品、优化服务模式等手段，使得风险预警体系得到完善，经营效率得到提高，风险防控能力得到加强，商业银行风险承担水平在一定程度上呈下降趋势。（2）互联网金融对不同类型商业银行风险承担影响具有异质性。国有大型银行表现较为迟缓;股份制银行和城市商业银行所受冲击较大，但股份制银行反映较灵敏，后期风险承担下降;农村商业银行主要服务于农村建设，所受冲击有限。

根据以上结论，提出以下建议：

第一，传统商业银行应充分吸纳大数据、云计算、区块链、人工智能等互联网先进技术，大力发展电子商务等互联网金融业务，升级经营模式，创新金融产品，优化内部管理流程，提高自身经营效率;充分利用自身强大的数据资源优势，通过与大数据等互联网技术的深度融合，对大数据进行深度挖掘与计算分析，精准把握客户信用风险情况，解决信息不对称问题，科学开展授信、放贷、理财等业务;实时跟进金融科技的最新发展情况，密切追踪互联网金融发展对商业银行发展模式、风险特征的影响，利用互联网技术手段，构建严密的风险防控体系，加强风险识别能力，健全风险预警及处理机制。

第二，不同类型的商业银行应根据自身特点情况采取合理策略。国有大型银行应深度剖析相对机械的管理机制、冗长的业务链条等问题，增强应对金融科技冲击的敏感度。中小型银行应发挥船小好调头的优势，积极从追求资产规模向轻资产转变，从做渠道向做平台转变，发挥好其化解中小企业融资难的作用，实现低成本、广覆盖、高黏性的获客和营销。

第三，完善监管规则，改进监管方式，确保监管有效。金融监管部门应及时识别新金融产品及新商业模式风险，修正和完善金融监管法律体系，科学、合理地对市场准入、业务范围、违法违规处罚、消费者保护等进行界定;遵循适度监管原则，既要鼓励创新也要加强规范，既要培育发展也要强化风险防控，维护好互联网金融市场竞争秩序;针对商业银行转型升级中新的业务结构和商业模式，动态调整监管框架，优化和调整监管手段。

注：

①作为研究样本的30家银行具体为：中国工商银行、中国农业银行、中国银行、中国建设银行、交通银行、华夏银行、浦发银行、招商银行、中国光大银行、中国民生银行、北京银行、常熟银行、大连银行、东营银行、莱商银行、南昌银行、南京银行、绍兴银行、西安银行、重庆银行、安徽肥西农村商业银行、鄂尔多斯农村商业银行、佛山农村商业银行、广东南海农村商业银行、杭州联合农村商业银行、江门新会农村商业银行、江苏海安农村商业银行、江苏昆山农村商业银行、天津滨海农村商业银行、浙江义乌农村商业银行。

参考文献：

[1]谢平，邹传伟，刘海二.互联网金融模式研究 [J].新金融评论，2012，（1）.

[2]王国刚，张扬.互联网金融之辨析 [J].财贸经济，2015，（1）.

[3]陈志武.互联网金融到底有多新 [J].新金融，2014，（4）.

[4]戴国强，方鹏飞.利率市场化与银行风险——基于影子银行与互联网金融视角的研究 [J].金融论坛，2014，（8）.

[5]郑志来.互联网金融对我国商业银行的影响路径——基于“互联网+”对零售业的影响视角 [J].财经科学，2015，（5）.

[6]袁博，李永刚，张逸龙.互联网金融发展对中国商业银行的影响及对策分析 [J].金融理论与实践，2013，（12）.

[7]喻微锋，周黛.互联网金融、商业银行规模与风险承担 [J].云南财经大学学报，2018，34（1）.

[8]吴成颂，王超，倪清.互联网金融对商业银行系统性风险的影响——基于沪深股市上市商业银行的证据 [J].当代经济管理，2019，41（2）.

[9]赵保国，薛骊阳.互联网消费金融对中国上市商业银行风险承担的影响研究 [J].中央财经大学学报，2019，（4）.

[10]Kishan R，Opiela T. 2000. Bank Size，Bank Capital，and the Bank Lending Channel [J].Journal of Money， Credit and Banking，32.

[11]Opiela KTP. 2000. Bank Size，Bank Capital，and theBank Lending Channel [J].Journal of Money，Credit and Banking，32（1）.