金融科技对证券行业效率的影响研究

刘赛飞

(聊城大学,山东 聊城 252000)

金融科技(Fintech)是在互联网大数据时代将先进的信息技术应用于传统金融行业的一种创新应用方式,利用先进的信息技术促进金融行业产品和服务升级,提高金融服务效率。目前,传统的金融行业正处于转型升级发展的历史新阶段,亟须引进金融科技来创新业务模式和提升组织管理效率,金融科技的快速发展给中国金融行业带来了深远的影响,涌现出一批全球知名的金融科技企业。其中,以移动支付为例,阿里巴巴旗下的支付宝和腾讯集团旗下的微信支付解决了现金支付的繁琐,对中国人的消费习惯产生了深远的影响,在世界范围内也得到了认可,成为一张“中国名片”。金融科技在金融行业的广泛应用重塑了传统券商行业生态,由金融科技的发展而催生出的相关产品业态已渗透至整个金融行业乃至整个社会。借助金融科技而发展起来的新兴业务对证券行业产生了巨大的影响,证券公司衍生出了新的业务模式、技术应用以及产品流程,金融科技带来的技术溢出、行业竞争也促进了传统证券行业的发展。

本文在吸取前人研究成果的基础上,以全新的视角探究金融科技对我国证券行业效率的影响。通过搜集并整理我国30家上市证券公司2010—2019年的有关指标,引入DEA模型计算样本证券公司的经营效率,利用爬虫技术得到百度新闻媒体年度关键词指数,再利用熵值法构建金融科技指数,在此基础上设计回归模型,实证分析金融科技的发展对我国证券行业效率的促进作用,并提出相关对策建议。本文的研究贡献主要有以下两点:一是在梳理文献的过程中发现，目前国内学者对于证券行业的研究多是单纯地测度证券公司的效率,金融科技对证券行业效率的影响研究鲜有涉及,本文从理论层面分析了金融科技对证券公司效率的影响机制,丰富了金融科技相关领域研究的文献；二是从实证分析的角度探究金融科技对证券公司效率的影响因素,在效率评价的指标选取方面结合证券公司券商指标,并使用熵值法构建金融科技指数,解决了金融科技指标的构建问题,为证券行业效率研究提供了新视角,拓展了现有的金融科技对证券行业效率影响的研究领域。

一、文献综述与研究假设

国内学者对金融科技领域的研究多是探讨金融科技影响商业银行效率,或是单纯地考察证券行业效率,鲜有研究金融科技影响证券行业效率的相关文献。此外,国外许多国家的金融行业实行的是混业经营,不同于我国目前实行的金融行业分业监管体系,像我国的证券公司这样专门从事证券买卖的券商机构更是少见。鉴于以上原因,在研究过程中可供参考的文献相当有限,在文献梳理方面主要是学者研究商业银行经营效率的相关成果。

随着互联网时代的到来,科技信息技术对各个行业生态产生了巨大的影响,甚至颠覆了许多业态,金融领域与金融科技的融合更是大势所趋,推动金融服务业更加方便快捷地服务于客户,迎来了行业蓬勃发展的又一春。Berger(2003)较早地探究商业银行的信息技术进步对其经营效率的影响作用,结果表明商业银行借助信息技术与金融科技使商业银行的生产力水平得到了明显提高。Shahrokhi(2008)提出，金融机构借助先进的互联网科技技术提供的金融服务是一种高效的金融业态,与传统证券业务以线下方式交易相比,借助互联网线上进行证券交易能够降低交易成本、降低信息不对称,金融机构借助互联网不仅提高了经营效率,而且提升了服务效率。谢平和邹传伟(2012)研究了我国金融机构借助互联网信息技术对其经营效率的影响,发现金融机构的资源配置效率得到了提高,交易成本明显降低,因此经营效率得到了提升。刘忠璐和林章悦(2016)通过实证分析考察了商业银行对互联网金融冲击的风险承担能力,通过对商业银行10年间的相关数据进行分析,结果表明银行的盈利能力和非利息收入因互联网金融的优势而得到显著提升。樊莉和李嘉玲(2019)引入DEA-Malmquist指数探究我国商业银行经营效率,以DEA模型测算的银行全要素生产率、技术进步指数以及技术效率指数为被解释变量,选取的主要解释变量为第三方支付额和网上银行交易额占比,实证分析得出的研究结论均为互联网金融具有正向的促进作用。

金融科技对证券公司的经营效率主要有两方面的影响。一方面,传统的证券交易是通过交易大厅柜台或者券商电话进行交易的,效率十分低下。证券公司借助金融科技逐步发展出新的交易方式与新型业务,提升了证券公司的经营业绩。另一方面,受公司发展模式与体制性等诸多因素的影响,我国不同类型证券公司的经济活动和经营环境存在较大差异,作为金融科技的受益者,不同证券公司在面对技术溢出效应时,金融科技对其经营效率的促进作用存在显著的差异。所谓技术溢出理论,是指处于技术领先地位的企业会在无意识的状况下进行技术扩散,这种技术扩散会促进同行业中相对落后的企业提高技术,技术溢出效应主要包含竞争效应和示范效应等。通过技术溢出的示范效应,企业在业务模式、管理经营等方面做出积极调整,提升自身经营效率。李文亮(2017)研究发现，金融机构借助技术溢出的示范效应,运用金融科技的先进技术思维,达到了技术改良与效率提升的目的。基于以上论述,本文提出假设1:金融科技在金融行业的应用能够对证券公司效率的提升具有正向促进作用。

国内较早对证券业经营效率进行研究的是王晓芳和程可胜(2009),他们通过引入DEA模型从实证分析的角度探究32家证券公司的经营效率并得出结论，中国证券公司的经营效率普遍处于较低水平,进一步研究表明，越来越多的证券公司规模报酬递减,中国证券公司的业务模式以及组织管理结构应当优化。谢文博(2019)利用两阶段DEA模型以及Tobit模型实证分析金融科技对商业银行效率的影响,结果表明金融科技能够促进商业银行效率的提升。芦晶晶(2019)以中国16家上市商业银行的经营数据为样本，研究互联网金融冲击的消极影响以及商业银行对该消极影响的抵御能力,结果表明现行运营模式下的商业银行很难在互联网金融的冲击下脱颖而出,商业银行需要做出相应调整以完成业务转型,提高经营效率。林彧等(2020)利用文本挖掘法得到百度新闻媒体年度关键词,再结合因子分析法构建了金融科技指数,引入DEA-Malmquist模型得出样本银行的效率值,在此基础上进行回归分析并得出结论，金融科技能够促进商业银行效率的提升,但由于银行股权分布、银行规模以及所在地域不同等因素的影响,金融科技对于效率的提升作用存在差异;通过更深层次探究发现,金融科技在一定程度上将商业银行推向了技术创新的道路,但是金融科技的作用毕竟有限,不能有效提升商业银行的组织管理水平。

为了厘清金融科技对证券行业效率的作用机制,本文引入DEA-Malmquist指数进行分析,测算我国30家上市证券公司2010—2019年的全要素生产率(TFP)、技术效率指数(EFFCH)、技术进步指数(TECH),且前者可以分解成后两者的乘积,即TFP=EFFCH×TECH。其中,EFFCH的含义为追赶效应,表示组织管理水平从基期到t+1期的变化率;TECH为前沿面移动效应,技术效率前沿面的变化衡量决策单元(DMU)技术的变化,表示技术创新的程度。在金融科技的影响下,证券公司会因为倒逼机制进行业务模式以及管理的创新,以提升其经营效率,但是整个证券业的技术效率指数受不同证券公司影响不具有显著性,证券公司更多的是抓住金融科技线上宣传、线上交易以及成本低等特点推动其业务创新,进而提高自身经营效率。由此,本文提出假设2:证券公司借助金融科技的发展能有效提升其技术创新程度和公司组织管理水平。

二、研究设计与变量定义

(一)研究样本与数据来源

在研究样本与数据的选取方面,本文考虑到数据的完整性以及可获得性,以我国证券行业2010—2019年30家上市证券公司的经营数据作为研究样本。截至2020年12月，中国上市证券公司为48家,总市值达到3.93万亿元。本文所选取样本上市证券公司的市值为3.21万亿元,占中国上市证券公司总市值的81.06%,能够反映证券行业的整体情况。本文研究所使用的数据主要来源于wind数据库,由于部分数据存在缺失,笔者手工收集整理各个证券公司年报、财经网站报表，并采取样本均值进行补充。

(二)金融科技指标的构建

本文旨在厘清金融科技对我国证券行业效率的影响,鉴于当前大多数证券公司并没有在年报中对金融科技研发投入等相关数据进行披露,且通过研究以往文献发现,目前的研究成果鲜有涉及金融科技的测度,而金融科技是本文所进行研究的核心解释变量,因此科学构建金融科技指标的代理变量是本文实证研究获得有效结果的关键因素。

互联网金融可以理解为金融机构利用互联网信息技术实现资金融通、支付、投资以及提供信息中介服务的一种不同于传统金融业务的新型金融业态。Askitas(2009)等通过研究发现,网民搜索词频以及新闻媒体发布词频数量隐含着与网民关注有关的信息。沈悦和郭品(2015)正是依据Askitas等人的研究,利用文本挖掘法获得百度新闻媒体发布的关键词频,并且结合因子分析法构建了互联网金融指数,进而探究互联网金融背景下对商业银行风险承担的影响。杨望等(2020)在沈悦和郭品研究的基础上参照金融稳定理事会(FSB)对金融科技的相关定义,将云计算、大数据、区块链、生物识别和人工智能等金融科技主要技术路径列入初始词库,合成金融科技指数。

除了上述构建金融科技指标的方法外,另有学者引入了熵值法进行研究。较早利用熵值法构建金融科技相关指数的是曹颢等(2011)，他们提出金融发展指数应当可以通过特定的算法进行度量,而且是一种多维度的指标。金融科技发展指数并没有统一的标准,学者可以根据情况自行选择研究工具和方法。左晓慧和马云(2020)也利用熵值法构建了我国30个省级行政区的科技金融发展指数,实证分析科技金融对区域性银行风险承担水平的影响。

学者普遍认为，在当今互联网快速发展的大数据时代,网民网络检索的数据是互联网大数据中最具代表性的,网络搜索的相关关键词可以反映出社会经济形势的变化。因此本文将借鉴文本挖掘法,对互联网搜索指数这一非结构数据进行定量分析。在前人研究的基础上,通过建立金融科技初始词库,手工收集原始关键词百度媒体指数数据,再运用熵值法测度金融科技指数。

1.构建金融科技指数原始词库。金融科技本质上能够促进传统金融业务改进发展,提升效率,并不改变金融体系的原始属性,本文将金融科技原始词库分成支付结算、金融信息、技术支持、资源配置等4个维度,如表1所示。

表1 金融科技原始关键词

2.借助百度指数,运用数据爬虫技术计算各个维度年度关键词词频。百度指数是基于网民的搜索行为而产生的分析指数,是目前可获得的最重要的数据分析指数,利用百度数据库搜索2011—2019 年每年各个维度关键词的新闻媒体发布总数,得出关键词词频。

3.运用熵值法合成金融科技指数。目前关于金融科技发展的相关指标在国内还没有权威的客观评价指标体系,本文基于收集的相关数据，在金融科技指数构建方面部分借鉴了周军和于海豪(2017)的做法,运用熵值法得出我国2010—2019年的金融科技指数。熵值法最早来源于信息论中对不确定性的度量,依据指标值的变异程度确定指标的权重,其优势在于不受人为因素和指标重要程度的影响,是一种客观赋权法。

熵值法的具体原理为:假设有n组数据,每组数据的指标有m个,首先对每组的指标进行标准化处理。

指标为正:

指标为负:

第j项指标的第i组数据比重为:

第j项指标的熵值为:

各子指标的权值为:

则有i组数据的综合指标为：

(三)变量定义

1.被解释变量。基于学者已有的研究文献,本文手动收集并且整理了证券公司从2010—2019年共10年的经营数据,以全要素生产率(TFP)、技术进步指数(TECH)以及技术效率指数(EFFCH)为被解释变量。

2.解释变量。由于当前缺乏对金融科技发展水平衡量的规范标准,本文利用熵值法评价2010—2019年我国金融科技发展水平,合成金融科技指数。

3.控制变量。参照以往的文献,在控制变量选取方面综合证券公司微观因素影响和宏观经济因素影响。在宏观经济因素方面,国民生产总值(GDP)增长率是衡量某一地区经济发展状况的重要指标,笔者统计出样本公司所在地区分布情况,查询统计年鉴获得该地区的历年国民生产总值,计算出GDP 增长率;又考虑到货币增速可能会对货币供给量(M2)带来一定的影响,因此选取国民生产总值增长率以及货币供给量为宏观经济因素控制变量。在证券公司异质性影响的微观层面,证券公司的经营效率会受到经营成果以及公司资产与负债的影响,因此本文选取资产总计、负债总计、销售净利率、资产周转率等为证券公司微观层面控制变量。变量名称及定义如表2所示。

表2 变量名称和定义

(四)证券公司的效率测算

在测算证券公司效率值时,运用较多的方法一般是数据包络法(DEA)和随机前沿分析法(SFA)。本文借鉴前人的研究,利用DEA-Malmquist模型得到我国上市证券公司TFP、TECH、EFFCH。该指数的优点在于把TFP分解为TECH和EFFCH,能够有效地处理对效率值纵向比较的问题。Malmquist指数是由Malmquist于1953年提出的,是一种动态的指数,R.Färe和M.Norris(1994)最早将Malmquist指数和DEA方法结合起来测算研究样本的TFP,并且将TFP分解为EFFCH和TECH。规模报酬可变的Malmquist指数原理为:

M(xt+1,yt+1,xt,yt)=

其中,(xt,yt)和(xt+1,yt+1)分别表示t期、t+1期的投入产出向量。如果得到的Malmquist指数大于1,则表示效率提高;如果Malmquist指数小于1,则表示效率降低。

在选取证券公司相应的投入以及产出指标时，参考刘宜鸿(2019)测算商业银行效率的做法,以中介法为基础选取相应的投入产出指标。本文结合券商相关指标选取的产出指标为投资收益以及营业收入，投入指标为员工人数、应付职工薪酬以及营业支出。DEA计算结果如表3所示。

表3 30家上市证券公司(2010—2019年)DEA-Malmquist指数测算结果

表3(续)

(五)模型设计

为了验证假设1，本文设计计量模型(1)。

(1)

其中,被解释变量TFP表示证券公司全要素生产效率;i代表证券公司;t表示年份;F表示“金融科技指数”;controljit代表控制变量;εit代表干扰项。

针对假设2，本文提出计量模型(2)和(3)。

(2)

(3)

由于本文所测算效率值以及控制变量均较小,为了避免证券公司资产和负债数值较大带来的影响,本文将证券公司资产和负债这2个数值较大的指标进行取对数处理,变量描述性统计如表4所示。

表4 变量描述性统计

三、实证分析及检验

(一)相关性检验

为保证实证数据的平稳性,避免回归分析结果出现伪回归,因此在进行实证分析前需要对变量进行LLC检验。从检验结果来看,数据都是平稳的,拒绝存在单位根的原假设。检验结果如表5所示。

表5 样本数据LLC检验结果

表5(续)

(二)实证分析

为了验证假设1和假设2,分别利用TFP、TECH以及EFFCH作为被解释变量对面板数据进行模型(1)(2)(3)多元回归,金融科技对证券公司效率影响的实证结果如表6所示。

表6 金融科技对证券公司效率影响回归结果

表6模型(1)的回归结果显示，金融科技水平和证券公司的全要素生产率存在显著的正相关关系,因此假设1成立,即证券公司借助金融科技在业务模式、管理经营等方面做出积极调整,提升自身经营效率。模型(2)和模型(3)的回归结果表明，金融科技对技术进步指数和技术效率指数均为正向的促进作用,但是对技术效率指数更为显著,表明金融科技对证券公司的技术层面影响要小于对公司组织管理水平的影响,借助金融科技的发展能够显著提升证券公司的组织管理水平,因此假设2得到验证。以上实证分析表明，金融科技对证券行业效率的影响虽然会受到证券公司经营模式以及经营环境等因素的异质性影响,但是证券公司异质性影响不显著,即金融科技为整个证券行业的技术进步和业务模式创新带来了正向的促进作用。

(三)稳健性检验

为了确保研究结果的稳健性,本文将衡量金融科技指标时应用的4个维度即支付结算、金融信息、资源配置、技术支持中的3个维度去除,仅保留技术支持维度作为金融科技发展的指标,运用熵值法计算得出技术支持指数作为金融科技指数的替代变量,目的是着重体现技术支持给证券行业效率带来的影响,本文进行稳健性检验，检验结果如表7所示。

表7 金融科技指数替代变量的回归结果

从替代变量的回归结果来看,当去除了衡量金融科技指标的3个维度后,技术支持指数对证券行业的效率影响依然是显著的,但是技术支持指数这个代理变量对于证券公司经营效率的促进作用相较于完整的金融科技指数对证券公司经营效率的影响,其显著性以及影响系数都有所下降,因此本文研究得出金融科技发展对我国证券行业经营效率具有正向促进作用的结论更具有一般性。

四、研究结论和对策建议

在信息技术时代,金融科技的发展给传统金融服务业插上了一双腾飞的翅膀,金融行业面临巨大变革。金融科技在中国的快速发展正颠覆着传统的券商业务,证券行业站在时代的分水岭,面临着机遇与挑战。鉴于目前国内学者对于金融科技影响证券行业效率的研究十分少见,为了探究金融科技的发展给传统证券行业带来的影响,本文收集并整理了30家上市证券公司2010—2019年的相关数据,引入DEA-Malmquis模型衡量30家上市证券公司10年间的被解释变量经营效率,利用文本挖掘法得出金融科技年度关键词词频,再运用熵值法计算得出解释变量金融科技指数,在此基础上设计实证模型进行多元回归分析。通过实证检验，本文得出以下结论:第一,证券公司利用金融科技通过金融创新、市场竞争和技术溢出效应实现全要素生产率的显著提升;第二,金融科技的发展可以显著提升证券公司技术进步指数和技术效率指数,其中金融科技指数对技术效率指数的影响更加显著,说明证券公司可以通过金融科技提升其组织管理水平。

根据研究结论，本文提出以下对策建议:

首先,监管部门需关注金融科技领域自身风险以及对传统金融业的风险外溢,健全监管体系,警惕系统性风险。金融科技同时具有金融和科技两种属性,由于金融行业复杂且敏感,而科技领域灵活且创新,因此两者的特性叠加起来就对金融科技产业的规范化和标准化有了更高的要求,亟须监管当局施行有力的规范措施来保证金融科技产业的稳定发展。从目前发展的情况来看,如果产业规范不能及时建立,形成边发展边规范的格局,金融科技发展所带来的风险会不断溢出,会影响甚至抵消金融科技本身的积极效应。因此,对金融科技的监管应当采取鼓励创新和预防风险两手抓的方式,在两者之间寻求一个平衡点,采用鼓励发展和风险控制并重相结合的方式,在金融风险长效监管机制下,金融科技有望实现健康长久发展,从而更加高效地服务于金融行业。

其次,面对金融科技迅速发展的步伐,证券行业必须迎头赶上,占领科技高地,证券公司应当坚持将技术创新与金融科技良性结合,吸收金融科技低成本、高效率等特点,推动券商业务向着方便快捷的方向发展,提升证券公司经营效率和公司组织管理能力。证券公司还应继续挖掘金融科技内在潜力,将重点放在完善金融服务、创新金融技术,推动金融交易线上化服务以及创新业务模式等方面,提升证券公司运营管理效率。

最后,随着金融科技先进技术的广泛应用,一方面，会促进数据流通,使金融领域相关数据来源更多元化,形成金融数据与其他行业数据相融合的良好局面,使金融机构的风险控制以及营销思路更加精准。另一方面,更多的跨行业应用会因为行业数据相融合而产生,适用于更多场景的金融产品会被设计出来,个人和企业的金融相关服务需求会得到更加准确的匹配,金融与实体经济的融合会越来越密切。因此,证券公司应当加强并深化与其他金融企业的合作。面对金融科技的发展带来的冲击,证券公司要克服自身技术缺陷给公司发展带来的阻碍,寻求与其他金融企业的合作无疑是最优选择,既可以快速突破技术壁垒,加快自身业务模式转型升级以及降低交易成本,又可以提升经营效率,使金融科技对证券公司效率的促进作用更加显著,实现互惠共赢、优势互补。未来,金融科技会成为证券行业的高效催化剂,更好地支撑实体经济,焕发更大的生机活力。