数字金融、资产规模与商业银行风险承担
2022-08-06韦颜秋邱立成
韦颜秋 邱立成
(1.天津商业大学，天津 300134；2.燕山大学，河北 秦皇岛 066000)
一、引言
近年来，互联网技术与金融相结合推动了数字金融快速发展，在机遇与挑战中，传统商业银行不断调整与数字金融的关系。商业银行在经历数字金融冲击后，主动借鉴数字金融经验并加快金融科技的战略制定。作为一种新型金融模式，数字金融核心是利用现代科技对金融产品进行优化创新并借助大数据、云计算等智能数据技术，为商业银行转型升级集聚能量。[1]
面对发展迅猛的数字金融，金融市场正在从被动适应向积极调整转变，商业银行竞争格局发生着巨大的变化，风险控制也面临着新的挑战。[2]不可否认，金融风险攀升将波及实体企业的融资稳定性及可持续性。因此，深入研讨数字金融与商业银行风险承担的机理和作用效果，对商业银行稳健发展及为监管部门提供经验证据具有重大意义。
本文选取中国106家不同规模的商业银行，利用可获得的2013—2020年数据，检验了数字金融与商业银行风险承担的关系，并探究其影响机理。本文主要贡献有：(1)从金融功能观出发，在四个功能层面选取十八个相关指标，创新性地将熵值法与因子分析两种方法相结合，构建出数字金融指标体系，以便于科学客观地进行分析。(2)改变以往文献中仅依据资产规模作为单一指标对商业银行规模进行粗略划分的做法，运用门槛效应模型求出门槛值，为不同规模商业银行划分提供合理依据，以便科学研究数字金融对商业银行风险承担的异质性影响。(3)数字金融通过替代效应与技术溢出效应两条路径对商业银行风险承担产生影响，而且两条路径影响方向相反，本研究对现有理论成果进行了扩展和补充。
二、文献综述
(一)数字金融发展及其影响
界定数字金融的概念和内涵是研究的前提。数字金融概念提出较晚，国内外学者并没有形成统一的定义，与“互联网金融”“金融科技”等概念既存在联系又有所区别。较早的“互联网金融”是集移动支付、信息处理和资源配置为一体的新型模式，既不是直接融资，又不属于间接融资。而金融科技更侧重于技术创新和发展，金融或非金融部门应用大数据、云计算、人工智能等，以较低成本、超高效率为客户提供优质产品及服务。[3]数字金融则是传统金融机构与互联网企业运用数字技术更好地提供金融服务，既强调了科技属性，又强调了金融属性。[4]综合各方观点，本文认为数字金融既涵盖互联网金融强调的交易功能，又包括金融科技的技术导向，是将数字技术与传统金融业态相融合的一种新型金融模式，数字技术是手段，金融服务是本质。
数字金融本质上仍属金融，并未脱离金融风险负外部性和顺周期性，在先进技术与网络化传输的双重作用下，加之现行金融监管滞后，数字金融的快速发展极可能大幅增加风险传染的突发概率与波动幅度。[5]商业银行身处其间难免受到数字金融的影响，会通过商业银行特有的信用创造功能作用于其风险承担。[6]
(二)商业银行风险承担及其影响因素
商业银行风险承担是指商业银行通过不同经营决策平衡风险和收益以期获得自身利益最大化，并主动承担这种经营决策所带来的风险。[7]大概率造成商业银行风险承担的主要原因有两个方面：
一是政策环境与宏观经济层面，一般来说宽松货币政策会通过提高资产评估降低风险预判而诱使商业银行承担更多的风险；同时低利率环境会促使银行追求利润，提高风险承担；[8]存款保险制度被视为一种看跌期权，一般来说，会产生道德风险，使银行风险承担增加，且与经济发展程度密切相关；经济政策不确定性反向影响银行主动风险承担；[9]金融创新会降低银行风险承担且不具时滞性，宏观经济增长水平则会加剧银行风险承担同时存在顺周期性。[10]
二是商业银行微观运营层面，随着业务结构趋向多样化商业银行所开展的风险管控工作难以将其完全覆盖，同时会增加商业银行风险水平；而资本充足率监管要求同样会提高商业银行风险承担水平，与之相反的是特许权价值上涨会降低风险承担，同时股权结构与风险承担存在非线性关系；公司治理方面对银行风险承担的影响错综复杂，股东集权度、自有资本率以及独立董事规模的提高都会加剧风险承担，而董监会规模则与之相反。[11]
(三)文献述评
目前，国内外对于数字金融与商业银行风险承担问题的研究尚不深入，对数字金融影响商业银行风险承担机理的剖析还不系统，二者间的关系需要进一步的实证检验。因此，本文选取新的研究视角，深入探究数字金融影响商业银行风险承担的理论机制，进而对其非线性特征与资产规模异质性进行实证检验，力图对该领域既有文献提供有益扩展与补充。
三、理论分析与研究假设
(一)数字金融影响商业银行风险承担的机理
一方面，数字金融的金融本质决定了其与商业银行存在竞争关系：在资金配置方面具有替代效应，可以缩小银行贷款规模并降低其资金配置效率；数字金融凭借其低成本、快捷优势引发客户脱媒，致使商业银行存款产生分流；[12]同时，数字金融使客户足不出户便可享受服务，替代效应降低商业银行收入水平，使银行在经营策略上趋于冒险，导致其风险承担意愿提高。[13]另一方面，数字金融具有的技术属性必然存在溢出效应，有助于商业银行提升资金配置效率，降低过多承担风险的意愿。数字金融技术提高传统商业银行数据准确性，对海量碎片信息进行有机整合与高效处理，有效缓解贷前信息不对称问题，风险管理效率得到提升，并主动降低风险承担水平；数字金融促进银行利用新一代信息技术丰富产品结构，优化商业银行服务质量，提高客户好感度和忠诚度，增加客户粘度。[14]
综合以上分析，提出如下研究假设：
假设H1：数字金融对商业银行的风险承担具有增强和降低两方面的影响，其综合效应取决于二者力量对比。具体而言，数字金融通过降低商业银行收入水平加剧其风险承担，通过提高商业银行技术水平降低其风险承担水平。
(二)数字金融对商业银行风险承担影响的总体趋势
通过对数字金融影响商业银行风险承担机理分析可知，数字金融通过替代效应和溢出效应，对商业银行风险承担产生方向相反的影响。但在总体趋势上，有的观点认为，初期数字金融通过技术溢出效应降低银行管理成本减轻风险承担，后期通过推高银行资金成本加重其风险水平。[15]数字金融发展初期通过提升商业银行技术水平带来收益增长，可能弥补商业银行收入减少带来的不利影响；随着数字金融不断发展，商业银行技术水平提升带来的收益不足以弥补收入收窄带来的缺口。那么，在不同发展阶段数字金融对商业银行的替代效应和溢出效应相叠加，可能会产生不同的总体影响，据此提出如下假设：
假设H2：数字金融对商业银行风险承担水平的整体影响存在U型走势。
(三)数字金融对商业银行风险承担存在规模异质性影响
大规模商业银行与时俱进积极与金融科技相结合，两者进行优势互换实现共赢，使其凭借优质客户资源以较低成本获取高额回报；大规模商业银行可利用规模优势有效进行分散化投资，可以从容应对数字金融冲击。而对于小规模商业银行来说，数字金融的示范效应仍在外围，很难利用数字金融优势改善其风险管理，缺乏规避数字金融引发新型金融风险的能力。因此，面对数字金融冲击时，其风险承担水平会有较大波动。同时资产规模小的商业银行可以灵活转变经营策略，最大限度避免数字金融造成商业银行过度的风险承担，及时调整其风险承担意愿。综合以上分析，提出如下研究假设：
假设H3：数字金融对不同规模商业银行风险承担影响具有异质性。
四、研究设计
(一)样本选择与数据来源
在研究样本选取上尽可能全面覆盖，兼顾上市公司及非上市公司、不同资产规模的商业银行。本文拟采用106家商业银行平衡面板数据进行研究(1)包括5家国有大型银行、12家股份制商业银行、71家城市商业银行和18家农村商业银行。，数据主要来源于国家统计局、Bank-scope数据库以及年报。数字金融发展指标相关数据来源于艾瑞咨询、网贷之家、中国互联网中心以及前瞻产业研究院等。
(二)模型设计与变量定义
1. 商业银行风险承担(Z)。商业银行风险承担是为其获取超额利润而愿意在其他方面做出牺牲，是一种自愿的理性或非理性行为。商业银行风险水平会随这种行为改变发生变化，可据此来衡量风险承担意愿。现有研究中，商业银行风险承担的代理变量主要有加权风险资产占比[16]、预期违约率、不良贷款率、破产概率Z值等。[17]针对以上商业银行风险承担的代理变量，由于本文选择的样本不局限于上市银行，股价波动率不适用；鉴于目前还没有建立银行业违约数据库，预期违约率也不适用；不良贷款率主要反映的是商业银行信贷风险，也不适用；风险加权资产主要用信用风险暴露进行加权，体现的是风险资产的概念；而Z值则能综合反映商业银行的财务状况、盈利能力以及经营的稳定性，是衡量风险承担的较为理想指标。Z值计算公式为：
其中ROA代表资产收益率，CAR代表资本资产比率，it代表第i家银行第t年的CAR值，σ(ROA)为资产收益率的标准差，衡量商业银行收益的波动性，波动越大，风险承担水平越高，故Z值越小，商业银行稳定性越差，商业银行的风险承担越大。由于Z值偏度较大，为避免其特性影响实证结果，对其采用对数化处理。另外，在本文中选用加权风险资产占比(RISK)这一指标作为稳健性检验的辅助代理变量。
2.数字金融指数(DF)。学者大都使用北京大学数字金融研究中心编制的中国数字普惠金融指数作为数字金融发展代理变量[18]，这种方法主要针对普惠金融发展问题，并不能很好地体现数字技术在数字金融中的作用；有的学者使用文本挖掘法，从金融功能观出发构建基础词库，依据关键词在百度数据库和新闻中出现的频率用因子分析法合成指数，这种方法使用的数据庞杂而不准确；[19]有的学者直接使用第三方支付市场交易额作为数字金融发展的代理变量，这种方法存在一定片面性。本文从数字金融视角出发，兼顾金融和技术双重属性，选取支付结算、资源配置、风险管理和信息处理四大功能作为一级指标，并分别用可观测且具代表性的二级指标具体刻画，之后合成的数字金融发展指数更具实际意义。具体而言，支付结算从新兴支付方式的规模以及普及程度两个方面选取；资源配置从体现资源配置效率的资金、产品和潜在风险三个方面选取；风险管理指标从互联网金融产品规模、平均损失等方面选取；信息处理从信息处理工具规模、信息化发展程度、普及程度和安全稳定程度方面选取，指标体系详见表1。
表1 数字金融发展的指标体系
为了检验方便，对各指标进行同向化处理，正向指标保持不变，逆向指标通过(1)式进行处理，P为处理后数值，Q为处理前数值。本文的逆向指标有问题网贷平台数量和网络侵权人均损失，对各指标进行无量纲化处理。[20]
(1)
对这四个维度内二级指标依次进行因子分析，如表2所示，每个因子分析的KMO值都大于0.50，Bartlet检验结果也均显著，说明指标之间存在贡献因素的假设均成立。
表2 因子分析检验结果
最后，对一级指标进行熵值法综合赋权，计算出各一级指标权重，合成数字金融发展指数。变量名称符号及定义见附表3。
DF=S1·X1+S2·X2+S3·X3+S4·X4
(2)
其中，Xi(i=1，2，3，4)为各一级指标，Sj(j=1，2，3，4)为各一级指标所占的权重，将计算得出的数字金融发展指数绘制成如图1所示的趋势图。
图1 数字金融发展趋势图
3.门槛变量(SIZE)。通常采用银行年末总资产的自然对数衡量银行规模。一般在资产规模划分上，将国有商业银行视为规模较大，股份制商业银行视为中等规模，而城商行和农商行则为规模较小。为准确检验数字金融对不同规模商业银行风险承担的异质性影响，本文以资产规模作为门槛变量来准确区分规模大小。
4.控制变量。为控制商业银行风险承担的影响因素，在模型中加入包括资本充足率、盈利能力、经营效率和流动水平等商业银行微观特征变量，包括经济发展和货币环境等宏观变量。
表3 变量名称、符号及定义
(三)描述性统计
表4 变量描述性统计
表4给出前述变量样本数据的描述性统计结果。商业银行资产规模标准差1.4610，说明样本银行之间的资产规模相差较大，其余变量标准差均小于1，则说明相关变量较平稳，分布相对集中。资本充足率的均值为12.86%，满足大于8%的监管要求；成本收入比均值为36.85%，满足小于45%的监管要求；存贷比均值为67.67%，满足小于75%的监管要求。
(四)计量模型设定
为检验数字金融对商业银行风险承担的整体影响，构建如下模型来验证假设H1：
(3)
由于商业银行风险承担具有高度持续性，需要将其代理变量的滞后项作为自变量。Z值为商业银行风险承担的代理变量，DF为数字金融发展指数。数字金融对商业银行风险承担的影响可能是非线性的，因此，加入二次项来研究其非线性关系，SIZE、CAR、ROA、CIR、DLR为商业银行微观变量，GDP、M2为宏观经济变量，详细说明见表3，ε为残差项，i为第i家银行，t为年份。
为检验假设H2即数字金融对不同规模商业银行风险承担是否存在异质性影响，构建门槛面板回归模型，以确定门槛值，准确划分资产规模：
(4)
其中，SIZE为门槛变量，使用商业银行资产总额自然对数(SIZE)以缓解异方差产生。γ代表特定的门槛值，I表示示性函数，Controls为控制变量。
为检验数字金融对商业银行风险承担影响效应是否成立，借鉴 Baron 和 Kenny中介因子检验方法，建立如下中介效应模型分别检验收入水平和技术水平路径对风险承担的影响。
(5)
上述模型中PATH分别代表两方面影响效应，用净资产收益率ROA衡量商业银行收入水平来检验替代效应；用收入成本比CIR衡量技术水平检验溢出效应。若α1、β1、γ2均显著但γ1不显著，且Sobel Z值显著，则完全中介效应成立；若α1、β1、γ1、γ2均显著，且Sobel Z值显著，则部分中介效应成立。
五、实证结果与分析
(一)数字金融对商业银行风险承担的总体影响分析
通过使用GMM方法进行总体检验，为了更好地进行过度识别检验和序列相关性检验以解决内生性问题，使用了Hansen检验方法。总体检验结果在表5中列示出，可以看出：Z值一阶滞后项系数在1%的显著性水平下表现为显著。系统GMM模型的回归结果中AR(2)与Hansen值均超过了0.1，这说明二阶扰动项不存在自相关而且不存在工具变量过度识别的问题。
表5 数字金融对商业银行风险承担的回归结果
根据表5 GMM估计结果，得到以下结论：
数字金融指数DF一次项显著为正，二次项显著为负。说明数字金融发展对商业银行风险承担的影响具有非线性的U型趋势，与假设2预期一致。各控制变量系数估计结果符合预期：从商业银行微观层面来看，资本充足率系数显著为正，说明商业银行风险承担水平随资本充足率的提高而降低。盈利能力系数显著为正，则其与商业银行风险承担显著负相关，说明盈利水平越高的商业银行所选用的经营策略越是激进，从而承担较大的风险；资产规模系数为正，说明商业银行风险承担随资产规模的提高而降低。
(二)资产规模异质下数字金融对商业银行风险承担的影响分析
对模型4进行门槛值检验和估计，采用Bootstrap自抽样300次，得到F值、P值以及门槛估计值γ，如表6所示。
表6 门槛值估计结果
图2 对Z回归的门槛值似然比函数图
由表6中的P值、F值可知，单一门槛以及双重门槛均通过显著性检验，统计学意义上认为应建立双重门槛模型。为更清晰反映门槛值的特征，本文画出门槛值估计的似然比(LR)函数图，如图2所示，在16.3322、16.5679左右发生结构性变化。结合表6的检验结果，可知存在两个门槛值分别为16.3322(802.09亿元)和16.5679(1015.28亿元)。基于上述检验结果，将商业银行按照门槛值划分为大、中、小三种类型。然后将门槛值代入模型中，为了防止模型的内生性问题，继续采用系统GMM方法对模型进行估计，结果见表7。
表7 数字金融对不同规模商业银行风险承担的GMM回归结果
通过回归结果可看出中、小型商业银行的一次项系数显著为正，二次项系数显著为负，呈现出U型趋势，且中型商业银行二次项绝对值小于小型银行，则中型商业银行面对数字金融冲击的敏感性强于小型银行。而大型商业银行的一次项与二次项系数均不显著，说明数字金融对大规模商业银行无甚影响。因此，随着资产规模的扩大，商业银行风险承担的敏感度逐渐降低，验证了假设3。
为检验上述结果的稳健性，按照银行资产规模的平均数将样本分为两组，小型银行Size
(三)影响机理的实证检验分析
数字金融对商业银行存在替代效应，通过改变银行的利润情况，使其收入水平降低，改变其风险偏好。替代效应的检验链条为：数字金融(DF)——银行收入水平(ROA)——风险承担(Z)，表8显示了其检验结果。前两列DF与第三列ROA均在1%的水平下显著，Soble Z值也是显著的，验证了数字金融通过替代效应，降低商业银行收入水平，加剧其风险承担。
表8 替代效应检验
数字金融在业务经营过程中对传统商业银行所产生的技术溢出效应，会提高商业银行的经营效率，改变其风险承担意愿。技术溢出效应的检验链条为：数字金融(DF)——银行技术水平(CIR)——风险承担(Z)，表9显示了其检验结果。三个回归中的DF与CIR均显著，Soble Z值也是显著的，验证了数字金融通过提升商业银行技术水平降低其风险承担这一结论。
表9 技术溢出效应检验
(四)稳健性检验
为保证回归结果的可靠性和稳健性，本文采用几种方法进行稳健性检验：
1.替换变量
用加权风险资产占比(RISK)代替破产风险Z值，加权风险资产的占比可以反映商业银行所承担的风险，因此，用加权风险资产作为替代变量具有合理性，其检验结果如表10所示，全样本中一次项系数显著为负，二次项系数显著为正，说明数字金融对商业银行风险承担的影响呈现U型趋势，由分样本回归结果可看出随着资产规模扩大，商业银行对数字金融冲击的敏感性逐渐降低。
表10 替换变量回归结果
2.固定效应回归
本文的基准回归是采用动态面板数据，考虑到本文构建的模型可能存在遗漏变量所产生的内生性问题，为了检验结果的可靠性，利用固定效应模型对静态面板数据进行回归分析并在模型中放入被解释变量的一阶滞后项，检验结果如表11所示。检验结果估计系数在绝对值上有所差异，但是在显著水平及符号意义上基本与本文所得结果一致。检验结果仍然支持研究假设，本文研究结论未发生改变。
3.工具变量法
考虑到模型中变量可能存在一定的反向因果关系，选择互联网普及率(INT)作为数字金融发展指数的工具变量，以减轻内生性问题。作为数字金融的基础设施，发现互联网覆盖程度与数字金融的发展密切相关，在控制一系列经济水平、银行状况等变量后，发现互联网普及率与商业银行风险承担不存在直接的关联渠道，因此互联网普及率是有效的工具变量。检验结果见表12，在加入工具变量后，本文主要研究结论未发生改变。
表12 工具变量法回归结果
综上可见，基准回归所得结果具有很强的稳健性，原有研究结论仍然成立。
六、研究结论与政策建议
本文选用不同规模的106家商业银行2013-2020年度数据，使用GMM模型及异质性检验实证分析了数字金融对商业银行风险承担的影响，实证结果表明：(1)数字金融对商业银行风险承担存在替代效应和技术溢出效应，两种效应在不同方向上影响商业银行的风险承担。(2)数字金融对商业银行风险承担的影响主要呈现U型特征，在发展初期，数字金融促使商业银行技术水平提升带来的收益足以弥补商业银行业务竞争的不利影响；随着数字金融不断发展，商业银行技术与经营效率的提升所带来的收益不足以弥补存贷利差收窄所带来的缺口，数字金融加重商业银行的过度风险承担。(3)数字金融对商业银行风险承担的影响具有异质性，大型商业银行面对数字金融冲击时风险承担敏感度最差，中型与小型商业银行的敏感度则逐步提升。数字金融的冲击对商业银行风险承担的影响程度随着资产规模扩大而逐渐降低。
根据本文的研究结论，提出以下建议：(1)商业银行要积极应对数字金融的挑战，在发展初期，充分发挥数字金融技术溢出效应带来的积极作用，在后期推动与数字金融的进一步融合，为客户打造高附加值的服务，增加客户粘性以及竞争优势，降低商业银行业务竞争带来的消极影响。(2)商业银行依据资产规模采取差异化数字金融发展策略，中小规模商业银行要加强信息技术方面的投资以提高数字化程度，服务好长尾客户；大规模商业银行要充分利用互联网技术，着力打造外部信息的采集，实现内外信息资源整合，打通全流程的业务链条，优化业务流程。(3)商业银行要平衡好风险承担，持续做好稳健经营，妥善协调好宏观政策与微观特征之间的关系，找到最优的经营模式和风险管理体系。(4)基于本研究结论，建议监管部门加强对数字金融的监管，尤其针对数字金融存在的替代效应和技术溢出效应，结合数字金融虚拟化、技术化等特点，建立科学合理的监管措施，制定前瞻性的风险监督机制，完善数字金融行业的监管条例，实行实时动态监管，注重对数字金融风险外溢效应的防范，以便更好地监管商业银行风险承担。
