金融科技加重还是减轻了商业银行风险承担

刘孟飞 蒋维

内容提要： 从金融科技快速发展现实出发构建金融科技约束下异质性银行风险承担行为的局部均衡模型，从理论层面剖析金融科技对商业银行风险承担倾向的影响机理;采用文本挖掘技术测算得到金融科技发展指数，在此基础上选取2007—2017 年中国130 家商业银行面板数据，通过构建多元回归模型，就金融科技对银行业风险承担的整体及其异质性影响进行经验分析。 结果表明：（1）金融科技对商业银行风险承担的影响呈现出先升后降的倒“U”形关系，即早期金融科技发展提高了银行的风险承担水平，但随着金融科技相关技术发展成熟，在后期有利于降低管理成本，增强风险控制能力，转而降低银行风险承担。（2）面对金融科技的冲击，不同类型商业银行的响应具有异质性，相对地方性小型商业银行，大中型银行的响应相对更为稳健。

关键词： 金融科技;商业银行;风险承担;经验研究

中图分类号：F830  文献标识码：A  文章编号：1001-148X（2021）05-0063-12

一、引言

近年来，金融科技（FinTech）取得了突飞猛进的发展，迅速成为金融领域的焦点。云计算、大数据、人工智能和区块链等新兴技术在传统金融领域被广泛应用，主要应用场景如图1所示。金融科技正在深刻改变金融生态，重塑金融格局，“无科技不金融”已成行业共识，在带来新业态、新模式的同时也带来新的风险。在金融科技相关生态蓬勃发展的同时，政策当局也高度重视，制定了一系列政策确保金融科技的高效、安全、可控发展。2017年5月中国人民银行成立金融科技委员会，旨在加强金融科技工作的研究规划和统筹协调。2019年8月中国人民银行印发《金融科技（FinTech）发展规划（2019-2021年）》，明确提出未来三年金融科技工作的指导思想、基本原则、发展目标、重点任务和保障措施，标志着金融科技创新正式上升到政府战略层面。金融科技产业相关生态在中国已形成自上而下的良好发展态势。在此背景下，对金融科技与银行风险之间的关联机制及具体影响效应展开研究具有重要的理论与现实意义。

金融科技促使金融市场中的金融创新愈发活跃，然而金融创新也可能模糊现有行业界限，颠覆现存行业格局，加速金融脱媒，诱发新的金融风险。特别是2018年以来，美国最大的P2P网络借贷平台Lending Club违规出售贷款;比特币交易所Bitfinex遭受黑客攻击，近12万单位的比特币丢失;中国很多P2P公司挪用客户资金，虚假融资、“卷款”、“跑路”、非法集资等现象时有发生;如何管控好FinTech的潜在风险并实施有效监管显得日益迫切。有关机构和学者也开始探讨金融科技带来的风险与监管相关议题。2017年全国“两会”期间中国人民银行时任行长周小川特别强调央行高度鼓励发展金融科技，鼓励科技类企业向普惠金融方向发展，但既鼓励发展，也要防范风险，对于发展过程中遇到的不健康行为要不断规范。世界银行副行长兼首席风险官拉克茜米·希亚姆-桑德也指出，目前金融科技存在三大风险：一是利用金融科技手段进行金融诈骗;二是操作风险，由于金融从业人员和消费者对金融科技设计的复杂技术缺乏了解，容易发生操作失误并造成资金损失的风险;三是客户隐私泄漏风险[1]。

杨涛（2019）[2]认为金融科技使得金融机构的风险来源更加复杂，加重了风险的传染与放大效应，一旦出现风险问题便会影响整个金融系统，形成真正的系统性风险。FinTech业务增加了金融服务便捷性与可获得性的同时，也降低了客户的准入门槛，引入了大量资质水平参差不齐的高风险客户[3]，加上我国征信体系存在信用数据不完整、征信体制不健全、征信监管不完善等问题，极易爆发信用风险。李展和叶蜀君（2019）[4]也指出金融科技创新发展会带来风险种类或者风险特征的变化，会出现各类新的风险隐患。新的金融科技风险具体包括：信息技术风险（数据泄露、技术失控、技术变革）、操作风险、业务风险和系统性风险[5]。信息技术具有跨界经营、业务模式复杂等特性，在提高金融服务质量和效率的同时，往往也会导致金融风险表现形式和内涵不断翻新，增加了风险识别难度和风险传播速度[6]。俞勇（2019）[7]认为金融科技应用所伴生的运营风险、操作风险、合规风险、技术风险及模型算法风险正突破现有监管架构、体制等。甄别金融科技潜在风险，实现金融创新与金融安全的平衡，有利于金融行业持续、健康、稳步发展[2]。金融科技不仅具有科技性风险还具有金融性风险，甚至还可能强化金融风险[9]。汪可和吴青（2018）[9]从行动者网络理论视角归纳出金融科技银行业系统性风险的影响机制并实证检验影响程度大小，得出金融科技在一定程度上加重了银行业系统性风险的结论。杨东（2017）[10]指出金融科技发展带来的风险与挑战有：科学技术的不当应用造成的数据安全与信息科技风险， 信息披露的缺失导致信息不对称而产生的信用风险，金融创新对传统立法的冲击进而引起的合规性风险，以及全球范围内互联互通带来的跨行业、跨国境金融波动、传染风险。要想实现金融科技的健康发展就要分析甄别金融科技存在的风险，在金融科技领域把握好创新与安全的平衡[2]。

针对金融科技风险的担忧，有部分学者试图对其产生根源进行探究。易宪容等（2019）[5]指出，在算法货币下的金融科技，其本质特征是用区块链技术给信用风险定价，以此来代替传统的信用关系，但区块链前置化预设规则信用的不确定性，正是引发金融科技风险的根源。金融科技创新导致了金融风险泛化，使金融跨业风险的来源更加分散、多样[11]。朱太辉和陈璐（2016）[12]认为FinTech使得金融风险更加隐蔽，信息科技风险和操作风险问题更为突出，潜在的系统性、周期性风险更加复杂。以系统性风险为例：第一，金融科技强化了数据和业务的多机构联通和传递，增加了金融业各环节的关联性，提高了风险传播的可能性;第二，金融科技降低了金融业的进入门槛，强化了风险的波及面和外溢效应;第三，金融科技所具有的普惠属性增加了金融产品的可得性，金融消费者数量增加，更容易引起金融市场的“羊群行为”和市场共振[13]。李敏（2019）[14]也认为金融科技的系统性风险诱因包括对不利的经济波动更为敏感，以及信息不对称与金融科技企业规模的急剧膨胀等。汪可等（2017）[15]实证检验了FinTech对商业银行风险承担的影响大小，结果表明：两者呈倒U型关系，其中非系统性重要银行风险承担能力较为出色。通过大数据分析、人工智能等关键技术的应用，可以改变“从历史看未来”的方法，商业银行要构建“从数据/信息看当下，从特征看未来”的方法论，打造覆盖风险识别、计量、决策、实施全流程的风险管理体系[16]。袁康和邓阳立（2019）[17]指出金融科技在金融市场广泛运用的过程中也存在新型道德风险隐患，金融科技的自动化、代码化和隐蔽性等特点导致了在金融科技应用过程中产生道德风险的便利性和不可控性。為抢占市场份额，部分金融科技公司可能通过简化开户流程、减少审核环节等方式提升用户体验，甚至降低客户门槛，带来经营和违规风险隐患[6]。综合来看，金融科技的潜在风险既有信用风险、流动性风险、操作风险、法律合规风险等传统金融风险，又有底层信息技术等非金融因素引致的风险，还可能引发系统性金融风险。

还有部分学者探讨了金融科技在风险管理方面的应用。例如人工智能技术可按照合规要求优化资产组合，为不同风险偏好客户提供差异化服务，并为风险管理部门提供精确测算，为风险识别、预警和处置提供多元化方案[18]。区块链具有分布式、可追溯性、可拓展性、不可篡改等特点，能大幅提升融资效率并控制了风险[7，19]。计算通过整合金融机构多个信息系统，在满足中立性、监管合规、数据隔离和信息安全的前提下，消除信息孤岛，有助于金融机构解决海量异构信息处理和提供多样化复杂应用，实现业务创新和风险管控[20]。以大数据为基础的量化模型使得风险管理的数据范围得以拓展，整体流程得以优化，风险數据分析的方法得以丰富[21]。目前，人工智能、大数据、区块链、云计算等技术已在商业银行得到广泛运用，使金融科技在支付结算、借贷平台、智能投顾、客户身份认证等方面发挥越来越重要的作用[22]，是解决金融服务碎片化、长尾化、信息不对称的有力工具[23];可推动传统业务互联网化，改造升级原有经营模式，实施精准营销、实现批量获客，快速进军长尾蓝海、扩大利息收入来源[24];有助于降低商业银行的运营成本，提升商业风险防控水平，提升金融服务场景化的能力[25];通过大数据、云计算、分布式账本技术的应用等，FinTech可以促进金融机构提高资源配置效率、提升风险管理能力、降低风险集中度[12]。有关监管部门运用监管沙箱、监管科技等新理念、新方式优化现有监管手段，最终实现数字化监管[26]。通过穿透式监管理念路径，将资金来源、最终流向穿透联结起来，可以使金融监管和风险排查跟上金融创新的步伐[10]。

总之，国内外学者有关金融科技及其在银行业的应用与影响方面的文献为我们的研究奠定了基础，但由于金融科技是一个较新的研究领域，具体观点与研究结论目前仍然众说纷纭，备受争议。一是研究内容上，现有文献大多集中于内涵功能、经验总结介绍，鲜有文献从理论层面揭示金融科技对商业银行风险承担的影响机理;二是研究方法上，以往学者大多侧重规范分析，相关实证研究屈指可数;三是研究对象上，现有研究大多是针对全国性大型银行的综合性研究，而缺少对不同类型银行的比较研究。对此，本文的主要贡献在于：通过构建金融科技约束下异质性银行风险承担行为的局部均衡模型，从理论上分析金融科技对银行风险承担的影响机理， 并运用文本挖掘技术结合因子分析法测度中国金融科技综合发展水平，在此基础上选取2007～2017 年中国130家不同类型商业银行的非平衡面板数据，构建多元面板回归模型，就金融科技对银行业风险承担的整体及其异质性影响进行经验分析，并给出相关政策建议。

二、理论分析与研究命题

（一）理论基础

随着大数据、云计算、区块链、人工智能和物联网等新兴技术对传统银行业务的逐步渗透融合，金融科技在运营成本、经营效率、数据分析、传播介质等多个维度对商业银行形成了巨大的冲击[27-28]。根据既有文献的研究，金融科技对商业银行风险承担的影响机理可简化为如下两个方向：其一是金融科技在移动支付、互联网理财与互联网信贷等领域趋于成熟，与商业银行形成竞争格局，挤压了银行传统存贷款业务，提高了资金成本，导致风险承担程度加强;其二是大数据、云计算、区块链、等金融科技重点技术与商业银行的融合发展，提升了银行服务效率，改善了运营管理，降低了管理成本，从而使得风险承担水平减弱。此外，银行风险承担倾向还受到银行经营策略、资产规模等个体特征以及宏观经济环境、市场结构、货币政策等外部因素的影响[29-30]。综上，将金融科技对商业银行风险承担的影响机理绘制于图2，并以此为基础，构建刻画二者关联的数理模型。

（二）理论模型框架

本文将“金融科技”与“银行类型”约束条件加入Kishan and Opiela（2012）[31]的理论框架模型，以探讨金融科技对商业银行风险承担的影响。该模型的基本假设如下：

1.前提条件设定：现有一个追求利润最大化的代表性商业银行，其资产不包括银行贷款以外的其他资产，资产负债恒等式简化为：R+L=D+K。其中，D为银行存款，R为法定存款准备金，银行超额准备金持有量和准备金收益率为零，R=ρD，ρ为存款准备金率（0<ρ<1）;L为银行贷款;K为银行资本。

2.存款市场假设：我国存款利率尚未完全市场化，长期处于管制状态，存款利率上限被有效约束，实际利率小于均衡利率。因此，商业银行吸收存款规模与市场均衡利率rD高于银行存款基准利率rD的程度呈负相关关系，有D=D0+D1（rD-rD），D1<0，D0 为rD和rD相等时银行吸收的存款规模。金融科技FinTech带来的冲击会降低均衡利率与基准利率的差异，提高资金成本，收窄存贷款利差，rD-rD=d（FT）且d/（FT）<0。

3. 贷款市场假设：我国贷款利率已完成市场化进程，贷款利率下限约束失效，商业银行贷款规模与信贷市场均衡利率rL高于银行信贷定价利率rL的程度呈正相关关系，有L=L0+L1（rL-rL），L1>0，L0为固定贷款规模;信贷市场均衡利率rL围绕存款均衡利率rD浮动，rL=rD+τL，浮动项τL为常数。

4.资本市场假设：商业银行筹资规模与市场均衡利率rK高于银行资本回报率rK的程度呈负相关关系，有K=K0+K1（rK-rK），K1<0，K0 为rK和rK相等时银行筹集的资本规模;资本市场均衡利率rK围绕存款均衡利率rD浮动，rK=rD+τK，浮动项τK为常数。

5.管理成本假设：借鉴顾海峰和杨立翔（2018）[32]的做法，假设商业银行在日常运营中仅存在贷款业务相关的管理成本，且一般贷款规模越大，成本越高。依据成本函数的严格凸性与二阶连续可导特征，将管理成本函数设定为：C=（λ/2）L2，λ>0，λ代表边际管理成本系数。金融科技FinTech的发展能提升银行经营效率，降低边际管理成本λ，λ=λ（FT）且λ（FT）/（FT）<0。

因此，商业银行的利润函数和约束条件设定如下：

max Π=rLL-rDD-rKK-C （1）

s.t.  R+L=D+K，R=ρD，0<ρ<1

D=D0+D1（rD-rD），D1<0，rD-rD=d（FT），d/（FT）<0

L=L0+L1（rL-rL），L1>0，rL=rD+τL

K=K0+K1（rK-rK），K1<0，rK=rD+τK

C=（λ/2）L2，λ=λ（FT），λ（FT）/（FT）<0   （2）

（三）模型求解與命题提出

将约束条件代入利润函数，将（1）式整理为Π关于贷款变量L的函数，并将Π对贷款变量L进行一阶求导，令一阶导数： F=Π/L=0 。

F=rL-rK- 2L-L0 L1 + 2 L-（1-ρ）D -K0 K1 -λ（FT）L=0 （3）

则代表性商业银行最优贷款需求函数为：

L - = Φ1+Φ2D Φ3-Φ4λ（FT）  （4）

其中，Φ1=L1K0-L0K1+（τK-τL）L1K1>0，Φ2=2L1（1-ρ）>0，Φ3=2（L1-K1）>0，Φ4=L1K1<0。

商业银行风险承担变量RISK关于金融科技FinTech的函数为①：

RISK= R+L K = Φ1+Φ2D+ρD Φ3-Φ4λ（FT）  Φ1+Φ2D-（1-ρ）D Φ3-Φ4λ（FT）   （5）

接下来，引入金融科技FinTech约束探析其对银行风险承担水平的作用机理。

（1）金融科技与资金成本。结合（5）式，将RISK经由d（FT）对FT求导，有：

RISKFT  d= Φ1D1 Φ3-Φ4λ（FT）   Φ1+ Φ5+Φ6λ（FT）  D0+D1d（FT）  2 ×d（FT）FT >0  （6）

其中，Φ5=2K1（1-ρ）<0，Φ6=L1K1（1-ρ）<0。金融科技提高了银行资金成本，存贷利差收窄，传统利差收入业务盈利能力受创，利润空间收缩，银行风险承担倾向增加。换言之，金融科技借由资金成本路径加重了银行的风险承担。

（2）金融科技与管理成本。结合（5）式，将RISK经由λ（FT）对=FT求导，有：

RISKFT  λ= -Φ1Φ4 D0+D1d（FT） -Φ7 D0+D1d（FT） 2  Φ1+ Φ5+Φ6λ（FT）  D0+D1d（FT）  2 ×λ（FT）FT <0  （7）

其中，Φ7=2L12K1（1-ρ）<0。金融科技在银行中的应用发展提升了银行运营效率与盈利能力，降低了管理成本，进而削弱了银行过度承担风险的动机。也即是，金融科技借由管理成本路径减轻了银行的风险承担。

由此可见金融科技对银行风险承担水平的影响机理可归纳为提高资金成本和降低管理成本双重渠道，其综合影响方向取决于两种渠道的相对作用强度，即 RISKFT = RISKFT  d+ RISKFT  λ 的符号可能大于零、小于零，也可能等于零。

另外，结合金融科技的发展现实历程判断，在以互联网金融为主的早期阶段，金融科技通过第三方支付、P2P网络借贷、互联网理财等多方面对商业银行的资产端、负债端、支付结算端业务造成明显冲击，降低银行利息收入与非利息收入，挤压其盈利空间，从而加重了商业银行的风险承担。随着金融科技相关业态逐渐发展成熟，大数据、云计算、人工智能、区块链等金融科技重点技术在商业银行的日常经营与风险管理等方面得到广泛应用，大大提升了银行的服务水平、提高了资源配置效率、增强了风险管理能力，并降低了管理成本。同時有关监管部门运用监管沙箱、监管科技等新理念、新方式优化现有监管手段，降低了金融科技潜在风险。 基于此，提出本文的命题1：金融科技对商业银行风险承担的影响表现为先升后降的倒“U”形趋势。即发展初期，金融科技的作用主要是抬高资金成本，从而加重了银行风险承担;随着商业银行与金融科技不断融合发展，金融科技将降低管理成本，转而降低银行风险承担。

（3）不同类型商业银行风险承担对金融科技响应的异质性。由上可知式（6）和式（7）中的Φ1均包含了银行规模L0变量，为探析不同类型商业银行对金融科技冲击的响应是否具有异质性，将式（6）和式（7）分别对变量L0求导：

RISK/FT dL0 = Φ8K1D1 Φ3-D4λ（FT）  Φ93 ×d（FT）FT <0  （8）

RISK/FT λL0 = -Φ4Φ8K1D2-2Φ7K1D3 Φ93 ×λ（FT）FT >0  （9）

其中，Φ8=Φ1-D Φ5+Φ6λ（FT） >0，Φ9=Φ1+D Φ5+Φ6λ（FT） >0。式（8）和 式（9）表明金融科技对商业银行风险承担水平的影响随着银行规模变量L0的增加而降低，即大中型商业银行在面对金融科技冲击时响应不那么强烈，风险承担水平变动程度低于地方性小型商业银行。

基于此，提出本文的命题2：不同类型商业银行对金融科技冲击的响应具有异质性，相对于地方性小型商业银行，大中型商业银行的风险承担行为更加谨慎。

三、变量选取与研究设计

（一）样本与数据来源

数据主要来源于Bankscope数据库，该数据库缺失的有关员工人数和费用数据，手工摘录自各银行历年年报。本文共收集了130家中国商业银行的财务数据，其中包括中、农、工、建、交等5家大型商业银行，兴业、广发、浦发、平安、民生、招商等12家股份制银行，北京、上海、天津、南京、广州等76家规模相对较大的城市商业银行，以及上海农商、天津农商、北京农商、广州农商等37家数据较全的农村商业银行。样本期间为2007到2017年，数据主要来源与Bankscope、CEIC等数据库。

（二）变量选取与定义

1.核心解释变量：金融科技指数（FT）

鉴于金融科技业态形式多样且发展时间尚短，有关的量化方法尚不成熟，本文借鉴顾海峰和杨立翔（2018）[32]、郭品和沈悦（2019）[33]的文本挖掘技术对金融高科技发展指数（FT）进行测度。

2.被解释变量：银行风险承担（RISK）

关于商业银行风险承担的衡量，常用的有加权风险资产比例[34]、不良贷款率[35]、资本充足率[32]、贷款损失准备率[36-37]、资本资产比率[36]、权益对负债比率、预期违约概率[38]、股市波动率和股价波动率[39]，等等。鉴于加权风险资产比例和资本充足率缺失数据较多，预期违约概率和股市波动率计算需要股票交易数据，而我国大部分银行并未上市;同时，为适应理论模型的设定，本文采取资产资本比（ACra）作为风险承担变量，银行资产资本比越高意味着其风险承担倾向越明显。为保证研究结论可靠，选取权益负债比（ETD）、不良贷款率（NPLra）作为替代变量。其中，不良贷款率越高表示商业银行风险承担越高，而权益负债比越高说明银行风险承担越低。为保证实证分析符号的一致性，在具体回归时对权益负债比指标取负值处理。

3.控制变量

基于对既有文献的分析，本文从微观、中观和宏观三个方面选取模型控制变量，其中银行微观层面影响银行风险承担的因素主要包括：（1）经营效率，选取银行成本收入比作为代理变量。一般而言，经营效率越高，银行风险承担水平越低。（2）流动性水平，选取存贷比作为代理变量，也有文献选取流动资产与总资产之比反映银行流动性水平[40]。中观层面，考虑到近年来我国银行业的主要变化是通过对外开放使得其外部竞争环境发生了较大变化，故选取银行业集中度（前4大银行资产占比）和银行业开放度（外资银行从业人数占全行业比重）作为控制变量。此外，宏观层面上的控制变量主要有：（1）宏观经济发展，选取实际国内生产总值GDP增速。（2）金融相关比，选取货币供应量（ M2）与GDP的比值。（3）货币政策，选取M2增速作为代理变量。

上述各变量定义及描述性统计情况如表1、表2所示。

（三）计量模型设计

基于上述数据和变量设置，同时考虑到金融科技对商业银行风险承担影响的滞后作用，加入风险变量的一期滞后项，最终建立如下以非平衡面板数据为基础的一组多元面板回归模型：

模型（1）：ACrai，t=β0+β1ACrai，t-1+β2FTIt+β3FTI2t+∑ 7 j=1 γjControlj，it+ui+εit

模型（2）：ETDi，t=β0+β1ETDi，t-1+β2FTIt+β3FTI2t+∑ 7 j=1 γjControlj，it+ui+εit

模型（3）：NPLrai，t=β0+β1NPLrai，t-1+β2FTIt+β3FTI2t+∑ 7 j=1 γjControlj，it+ui+εit

模型（1）、模型（2）和模型（3）中的ACra、ETD、NPLra分别为风险承担变量资产资本比、权益负债比率和不良贷款率，FTI为核心解释变量金融科技发展指数，FTI2t用来刻画金融科技与银行风险承担之间的非线性关系;下标i表示样本银行，t代表年份，β、γ为回归系数，Control为本文考虑的一组控制变量，ui为银行固定效应，εit为随机扰动项。

（四）估计方法选择

为了避免可能存在的多重共线性问题，回归之前首先对控制变量进行相关性检验。结果表明变量之间的相关系数较小，这意味着变量不存在严重的多重共线性问题。

另外，对于静态面板，常见的有混合回归（POOL）以及控制个体特征的固定效应（FE）和随机效应（RE）回归多种方法。鉴于忽略样本特点的混合效应回归并不可靠，如表3所示，本文首先对模型进行F检验，以判断是选择混合回归模型还是个体固定效应模型，检验结果表明模型（1）、模型（2）和模型（3）的F检验的P值为都为0.000，故强烈拒绝原假设，即认为个体固定效应模型明显优于混合回归;其次，进行LM检验，以判断是选择个体随机效应模型还是混合回归;最后，进行Hausman检验，检验结果显示，原假设“个体效应与回归变量无关”对应的P值为0.000，因此应使用个体固定效应模型而非个体随机效应模型。

（五）面板单位根（平稳性）检验

对于动态面板，为防止“虚假回归”问题，动态面板模型要求数据序列平稳，本文采用Fisher-ADF、Phillips-Perron Test、KPSS Test等检验方法，围绕银行个体层面的变量ACra、ETD、NPLra、CRra、LDR进行面板单位根检验。这三种检验方法的原假设均为“H0：所有个体都是非平稳的”。其中，IPS尤其适合非平衡面板数据的单位根检验，只要有一种方法拒绝原假设则说明变量数据系列平稳。

表4的检验结果显示模型所考虑的五个微观变量均在全部三种检验方法下拒绝原假设，说明以上各个变量都不存在单位根，均为平稳序列，回归分析将不会出现虚假回归问题。

四、模型估计结果与分析

（一）模型回歸结果

基于上述分析，表5同时报告了模型（1）、模型（2）和模型（3）的固定效应（FE）估计结果。表5的回归结果表明模型（1）、模型（2）和模型（3）金融科技指数的一次项FTI和二次项FTI* FTI估计系数获得了高度一致的结果。其中，一次项FTI在3个模型中均为正且显著，二次项FTI2均为负且显著，说明金融科技对商业银行风险承担的影响呈现出先升后降的倒“U”型关系。这说明早期金融科技发展提高了商业银行的风险承担水平，随着金融科技的深化发展，两者的关系逐渐发生逆转，在后期转而降低了商业银行的风险承担水平。其中的原因在于：在以互联网金融为主的早期阶段，金融科技通过第三方支付、P2P网络借贷、智能投顾、互联网理财等多方面对商业银行的资产端、负债端、支付结算端业务造成明显冲击，收窄存贷款利差，抬高资金成本，降低银行利息收入与非利息收入，挤压其盈利空间，从而加重了商业银行的风险承担。随着金融科技相关业态发展成熟，一批互联网金融企业逐渐向金融科技公司转型，为金融机构输出科技解决方案;同时，商业银行也开始将金融科技上升至战略高度，纷纷成立金融科技子公司，并向开放银行模式全面转型，借助新兴技术全面升级对外服务方式和服务水平，产业生态逐步从竞争演变为竞合。大数据、云计算、人工智能、区块链等金融科技重点技术在商业银行的日常经营与风险管理等方面得到广泛应用，大幅度提升了传统商业银行运营效率，优化资源配置，降低管理成本，增强风险控制能力。有关监管部门也开始运用监管沙箱、监管科技等新理念、新方式优化现有监管手段，降低了金融科技潜在风险。最终，金融科技对商业银行的影响总体表现为降低了其风险承担水平，本文的命题1得到证实。

其他控制变量方面，银行存贷比（流动性水平）系数的6个估计结果均显著为正，意味着流动性越高的银行风险承担倾向越明显。其中的原因在于：在本文研究的样本期间内，中国银行业一直存在较明显的流动性过剩问题，根据DeYoung et al.（2013）[41]的观点，流动性越充足，银行高管扩大贷款规模的动机越强烈，这一估计结果也与郭品和沈悦（2015）[30]论文结论一致。行业对开放程度变量（OPEN）显著为负，主要的原因在于业务模式、风险管理机制更完善的外资银行进入中国市场后会带来先进的风控措施和经营管理理念，促进国内商业银行稳健发展，进而降低其风险承担水平，这一结果符合理论预期。货币政策变量（M2增速）系数显著为正意味着宽松的货币政策环境会推导商业银行的乐观情绪，鼓励其承担更多风险。

（二）稳健性检验

本文借鉴邱晗等（2018）[42]的做法，通过缩短样本时间以及动态风险承担变量滞后2期两个方面重新构建面板数据进行稳健性检验，基于Hausman检验选取的固定效应（FE）估计结果报告于表6。

在风险变量滞后2期和时间改为2009-2017年两种情形下，由表6可见三个模型估计获得的关键解释变量金融科技发展指数系数大小相当，方向相同，显著性也基本一致。尽管模型（3）在2009-2017年期间的估计系数显著性有所下降，但系数符号方向并没有任何改变。其他控制变量的系数符号大多维持不变，显著性也基本一致。总体看来，本文的估计结果是稳健可靠的，本文的命题1得到进一步证实。篇幅所限，这里仅针对选取FTI1作为金融科技发展指数下的模型（1）、模型（2）和模型（3）进行了稳健性检验，基于FTI2的检验结果与此类似，不再赘述。

（三）进一步的讨论

检验金融科技对银行风险承担的异质性影响时，参考郭品和沈悦（2015）[30]的做法，引入代表商业银行类型的虚拟变量TY，大中型银行赋值“1”，小型银行赋值为“0”。在模型（1）、模型（2）和模型（3）的基础上引入金融科技指数与银行类型的交乘项，建立式（12）所示的非线性多元回归模型。

ACrai，t=β0+β1ACrai，t-1+β2FTIt+β3FTIt×TYi+β4FTI2t+β5FTI2t×TYi+∑ 8 j=1 γjControl？jit+ui+εit （12）

关于银行的分类标准，以往文献的通常做法是按资产规模[43]或将股份制银行定义为中型银行，城商行和农商行定义为小型银行[44]的做法，按资产规模对样本银行进行分类，鉴于样本银行2017年末资产总额的中位数为1937.69亿元，可将2017年末資产总计在2000亿以上的银行定义为大中型银行（子面板13），一共有包括5家大型银行，12家股份制银行在内的64家银行;将其余66家2017年末资产总计在2000亿以下的银行定义为小型银行（子面板14），其中包括36家城商行和30家农商行。表7同时报告了基于金融科技指数FTI1、FTI2的混合回归（Pool）、固定效应（FE）和随机效应（RE）估计结果②。

表7显示模型的交乘项FTI*TY的回归系数显著为正，FTI2*TY的回归系数显著为负，且除了面板14的固定效应（FE）以外，其他的估计结果全部通过了显著性检验，说明面对金融科技的冲击，不同类型银行风险承担倾向响应具有明显差异，本文的命题2得到证实。在具有高风险特征，以互联网金融为主的金融科技发展早期阶段，大中型银行由于其客户相对固定、规模庞大和监管严厉等方面的因素，对第三方支付、网络借贷、互联网理财等新型业务模式的反应较为谨慎。在云计算、大数据、人工智能和区块链等金融科技重点技术发展趋于成熟的后期阶段，大中型银行利用其资金实力、盈利水平、人才储备、资源禀赋等方面的优势，更容易通过自主研发或外延并购、跨界合作等方式，积极融合金融科技，充分利用金融科技带来的新的发展机遇，实现转型创新发展。

相对地区性小型银行而言，大中型银行对金融科技的响应总体上表现得更为稳健;同时，加入银行类型虚拟变量后，模型基本结论没有任何改变，关键变量金融科技发展指数平方项FTI2在所有回归结果中仍然显著为负，一次项FTI仍然为正，这说明整体上金融科技对商业银行风险承担的影响仍然呈现为倒“U”型关系。即在金融科技发展前期，金融科技加重了银行的风险承担，而在后期转而降低银行的风险承担，这一估计结果进一步验证了命题1。控制变量的回归系数大小、符号方向和显著性水平与表5的结果基本一致，不再赘述。

五、结论与启示

本文收集了2007-2017年间中国130家商业银行的非平衡面板数据，通过构建金融科技约束下银行风险承担行为的局部均衡模型，从理论层面剖析金融科技对商业银行风险承担倾向的影响机理，因子分析等方法测算得到金融科技发展指数，并构建多元面板回归模型，就金融科技对银行业风险承担的整体及其异质性影响进行经验分析。结果表明：（1）在整体上，金融科技对商业银行风险承担的影响呈现出先升后降的倒“U”形关系，即早期金融科技发展提高了商业银行的风险承担水平，但随着金融科技重点技术发展成熟，在后期有利于降低管理成本，增强风险控制能力，转而降低商业银行的风险承担水平。（2）其他控制变量方面，银行流动性水平、行业对开放程度以及货币政策等因素也从不同程度对商业银行风险承担行为存在重要影响。（3）面对金融科技的冲击，金融科技的异质性影响检验结果表明不同类型商业银行的响应是具有明显差异的，相对地方性小型商业银行，大中型银行的响应相对更为稳健。

随着金融科技相关技术的逐渐成熟及其行业规模的日益膨胀，以上结论说明科技与金融业不断深度融合发展促使金融边界逐渐模糊。它给商业银行带来新的发展机遇的同时也形成了挑战，迫使商业银行特别是地方性小型银行需要调整思维，加快技术创新，积极融合金融科技，谋求转型发展以应对金融体系的变革。对此，本文提出以下建议：第一，积极促进信贷业务的转型与创新，依托市场和客户需求创新产品、建立综合性的网络信贷服务平台、运用大数据、云计算、区块链、人工智能、物联网等关键技术，实现经营管理网络化，最终提高经营稳健性。第二，商业银行应积极寻求与互联网金融企业深度合作，利用其业务规模优势强化互联网支付结算、理财、销售等业务的创新和渠道建设，减少利差缩窄的单方面影响，获取新的利润增长点。第三，加快金融科技人才队伍建设，加强关键技术自主研发，积极融入金融科技应用发展大潮，降低金融科技创新成本。第四，充分发挥大数据、云计算、区块链、人工智能等新兴技术在风险控制方面的应用优势，加强风险管理能力;第五，政策当局应当加快监管体制、机制改革，优化监管工具，为金融科技与传统商业银行的融合共生发展打造良好的制度环境，做到金融创新与风险防范的有效平衡。

注释：

①  已有研究采用Z值、资产收益波动性、股票收益波动性、不良贷款率、风险加权资产比例、资产资本比率作为风险承担代理变量，但为适应理论模型的设定，采取资产资本比率进行机理分析。

② 文章篇幅所限，模型（2）和模型（3）的检验结果不再赘述。

参考文献：

[1]  张林. 金融科技有助于全球经济持续发展——访世界银行副行长兼首席风险官拉克茜米·希亚姆-桑德[J].中国金融， 2018（17）： 14-16.

[2] 杨涛. 警惕金融科技风险[J].人民论坛， 2019（17）： 78-79.

[3] 姜增明， 陈剑锋， 张超. 金融科技赋能商业银行风险管理转型[J].当代经济管理， 2019，41（1）： 85-90.

[4] 李展， 叶蜀君. 中国金融科技发展现状及监管对策研究[J].江淮论坛， 2019（3）： 54-59.

[5] 易宪容， 郑丽雅， 何人可. 金融科技合约关系的实质、运行机理及风险防范——基于现代金融理论的一般分析[J].社会科学， 2019（5）： 40-49.

[6] 程军， 何军， 袁慧萍，等. 金融科技风险与监管对策[J].中国金融， 2017（24）： 70-71.

[7] 俞勇. 金融科技与金融机构风险管理[J].上海金融， 2019（7）： 73-78.

[8] 钟慧安. 金融科技发展与风险防范研究[J].金融发展研究， 2018（3）： 81-84.

[9] 汪可， 吴青. 金融科技对我国银行业系统性风险影响研究[J].管理现代化， 2018， 38（3）： 112-116.

[10] 杨东. 防范金融科技带来的金融风险[J].红旗文稿， 2017（16）： 23-25.

[11] 周仲飞， 李敬伟. 金融科技背景下金融监管范式的转变[J].法学研究， 2018，40（5）： 3-19.

[12] 朱太辉，陈璐. Fintech的潜在风险与监管应对研究[J].金融监管研究，2016（7）：30-34.

[13] 靳文辉. 法权理论视角下的金融科技及風险防范[J].厦门大学学报（哲学社会科学版）， 2019（2）： 1-11.

[14] 李敏. 金融科技的系统性风险：监管挑战及应对[J].证券市场导报， 2019（2）： 69-78.

[15]  汪可， 吴青， 李计. 金融科技与商业银行风险承担——基于中国银行业的实证分析[J].管理现代化， 2017（6）： 100-104.

[16] 袁媛. 金融科技与银行信用风险管理[J].中国金融， 2018（9）： 67-68.

[17]  袁康， 邓阳立. 道德风险视域下的金融科技应用及其规制——以证券市场为例[J].证券市场导报， 2019（7）： 13-19，40.

[18] 李佳珂. 人工智能对金融创新的积极影响[J].人民论坛， 2018（25）： 78-79.

[19] 马理， 朱硕. 区块链技术在支付结算领域的应用与风险[J].金融评论， 2018，10（4）： 83-94，121.

[20] 金中夏， 黎江. 云计算与金融创新[J].中国金融， 2012（21）： 79-80.

[21] 卢小宾， 徐超. 面向风险管理的银行大数据分析系统架构研究[J].信息资源管理学报， 2018，8（2）： 4-12.

[22] 曹宇青. 金融科技时代下商业银行私人银行业务发展研究[J].新金融， 2017（11）： 33-37.

[23] 杨敏. 金融科技：中小银行差异化发展的核心动力[J].中国金融家， 2018（2）： 57-59.

[24] 郭为民. 金融科技与未来银行[J].中国金融， 2017（17）： 23-25.

[25] 张德茂， 蒋亮. 金融科技在传统商业银行转型中的赋能作用与路径[J].西南金融， 2018（11）： 13-19.

[26] 王雯， 李滨， 陈春秀. 金融科技与风险监管协同发展研究[J].新金融， 2018（2）： 43-46.

[27] 李岩玉. 金融科技对商业银行影响[J].中国金融， 2017（17）： 13-19.

[28] Lee I， Shin YJ. FinTech： Ecosystem， business models， investment decisions， and challenges[J].Business Horizons， 2018，61（1）： 35-46.

[29] Ariss RT. On the implications of market power in banking： Evidence from developing countries[J].Journal of Banking and Finance， 2010，34（4）： 765-775.

[30] 郭品， 沈悦. 互联网金融加重了商业银行的风险承担吗？——来自中国银行业的经验证据[J].南开经济研究， 2015（4）： 80-97.

[31] Kishan RP， Opiela TP. Monetary Policy， Bank Lending， and the Risk‐Pricing Channel[J].Journal of Money， Credit and Banking， 2012，44（4）： 573-602.

[32] 顾海峰， 杨立翔. 互联网金融与银行风险承担：基于中国银行业的证据[J].世界经济， 2018，41（10）： 75-100.

[33] 郭品，沈悦. 互联网金融， 存款竞争与银行风险承担[J].金融研究. 2019，470（8）：58-76.

[34] 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）： 59-69.

[35] 王兵， 朱宁. 不良贷款约束下的中国银行业全要素生产率增长研究[J].经济研究， 2011（5）： 32-45.

[36] 姚树洁， 姜春霞， 冯根福. 中国银行业的改革与效率：1995—2008[J].经济研究， 2011， 46（8）： 4-14.

[37] 汪可. 金融科技、价格竞争与银行风险承担[J].哈尔滨商业大学学报（社会科学版）， 2018（1）： 40-48.

[38] 牛晓健， 裘翔. 利率与银行风险承担——基于中国上市银行的实证研究[J].金融研究， 2013（4）： 15-28.

[39] 刘忠璐. 互联网金融对商业银行风险承担的影响研究[J].财贸经济， 2016（4）： 71-85，115.

[40] 汪可. 金融科技、利率市場化与商业银行风险承担[J].上海经济， 2018（2）： 108-116.

[41] DeYoung R， Peng EY， Yan M. Executive compensation and business policy choices atUS commercial banks[J].Journal of financial and Quantitative Analysis， 2013， 48（1）： 165-196.

[42] 邱晗，黄益平，纪洋. 金融科技对传统银行行为的影响——基于互联网理财的视角[J].金融研究，2018（11）：17-29.

[43] 张桥云， 王宁. 我国商业银行存款利率浮动幅度影响因素实证研究——基于全国124家银行的数据[J].国际金融研究， 2013（5）： 63-75.

[44] 马喜立. 以金融科技提升中型银行金融风险管理水平的路径研究[J].金融理论与教学， 2019（4）： 7-9，18.

Does FinTech Increase or Reduce Commercial Banks′ Risk-taking？

Evidence from China′s Banking Sector

LIU Meng-fei，JIANG Wei

（International Business School of Shaanxi Normal University， Xi′an 710119，China）

Abstract： Starting from the reality of the rapid development of financial technology， this paper constructs a local equilibrium model of heterogeneous banks′ risk-taking behavior under the constraint of financial technology， and analyzes the influence mechanism of financial technology on commercial banks′ risk-taking tendency from the theoretical level;Based on the financial technology development index calculated by text mining technology， this paper selects the panel data of 130 commercial banks in China from 2007 to 2017， and constructs a multiple regression model to empirically analyze the overall and heterogeneous impact of financial technology on banking risk-taking.The results show that：（1）The impact of financial technology on commercial banks′ risk-taking shows an inverted “U”-shaped relationship， that is， in the early stage， the development of financial technology improves the level of banks′ risk-taking， but in the later stage， with the development and maturity of financial technology related technologies， it is conducive to reducing management costs， enhancing risk control ability and reducing banks′ risk-taking.（2） Facing the impact of financial technology， the response of different types of commercial banks is heterogeneous. Compared with local small-sized commercial banks， the response of large and medium-sized banks is relatively more robust.

Key words： FinTech; Commercial Banks; risk-taking; empirical research

（责任编辑：关立新）