商业银行发展金融科技对其经营效益影响的实证研究

王立荣WANG Li-rong；白金玉BAⅠJin-yu

（北京信息科技大学经济管理学院，北京 100192）

0 引言

在我国，“金融科技”一词于2015 年开始被业界广泛使用，于2016 年成为金融领域的大热关键词，同年，金融稳定委员会在其发布的一份关于金融科技的报告中多角度对“金融科技”一词作出解释，并首次提出了较为精准的定义。金融科技真正进入中国金融业是在2003 年，肇始于一些互联网企业在支付业务上的运用，直到中国人民银行于2018 年印发《金融科技发展规划（2019-2021 年）》，才标志着我国金融科技发展走上了正规道路。目前，我国金融科技的应用主体既包括互联网企业、新型金融中介机构，也包括传统金融企业，具体业务涉及征信调查、信贷风控、互联网支付、企业金融服务、消费金融、产业数字化等业务，并且仍然处于不断创新发展的趋势。

1 理论分析

对于商业银行而言，在面临其他企业运用金融科技带来挑战的同时，也开始主动发展自身对金融科技的运用。内外金融科技的发展和运用对商业银行经营的影响截然不同。外部金融科技的迅猛发展对商业银行传统业务造成了巨大的冲击，同时也增加了商业银行的经营风险、提高了负债成本、加剧了银行业竞争，相关的研究可见于邱晗等（2018）、杨望和王姝妤（2019）、孟娜娜等（2020）等文献中。因此，商业银行也开始谋求利用金融科技进行转型，谢治春等（2018）深入分析了商业银行发展金融科技的转型策略。近年来，我国商业银行对金融科技投入逐年增加，金融科技投入占营收的比例持续提高，各银行科技人才占比基本呈上升趋势。目前，金融科技在我国商业银行各类业务上均得到了不同程度的应用，本文主要分析商业银行内部金融科技发展对其经营效益的影响。

1.1 发展金融科技提升商业银行经营效率

科技的有效利用不仅大大减少了业务的处理时间，更缩短了传统业务的繁琐流程，提升了商业银行业务处理的效率。传统的商业银行经营过程中，由于部分业务未经过整合提升，业务在处理时流程繁琐，客户体验往往很差，这一问题随着区块链技术在商业银行的应用迎刃而解，其去中心化等特点使得银行传统业务中不必要的流程被迅速砍掉。除此之外，越来越多的商业银行在行内设置智能机器人，通过人脸识别等功能确认客户身份后，调取客户资料，精准地解决客户目前面临的问题，这在减轻银行人员成本压力的同时提升了客户体验。同时金融科技的应用将传统业务中未被重视的数据资源利用起来，以精准的数据分析进行客户画像的刻画，充分了解客户需求，对于新型产品的推出以及潜在客户的挖掘都产生了很大的促进作用。

1.2 发展金融科技降低商业银行经营成本

无人银行、自助银行等智能银行的大范围应用，在提供了90%以上的传统银行网点业务的同时将人工成本化为零。智能机柜、手机银行、网上银行迅速发展日渐取代了柜员这一角色，使得商业银行不断减少人力成本，逐渐脱离对传统网点的依赖。区块链、云计算、数据库等技术在银行的业务处理流程中广泛应用，使得原本受技术限制无法被及时处理的业务得到高效的处理。其中分布式数据库不仅能够使商业银行提供24 小时不间断的服务，更降低了商业银行的业务处理成本。商业银行利用云计算对银行现存的系统进行处理整合，帮助银行以新技术为跳板进行业务流程创新，能够对实时录入的数据进行集中分析处理，降低了商业银行的运营维护成本。

1.3 发展金融科技降低商业银行经营风险

金融科技的应用使得数据的搜集更加全面迅速，银行在信息方面的劣势得到弥补。在金融科技的支持下，商业银行的贷款业务对象可以从大中型企业拓展到小微企业，充分利用数据资源，挖掘小微贷市场，进而增加银行的营业收入，打破大银行不做小企业业务的格局。目前，大部分上市商业银行都已经建立起独立的信贷风险管理控制系统，系统数据关联性强且实时更新，经过分析计算，系统根据预先设定的阈值对高风险信贷业务进行追踪，并及时进行风险预警，大大降低了商业银行的经营风险。

2 变量选取与分析

2.1 数据来源

由于我国整体金融科技兴起较晚，部分商业银行尚未对于金融科技信息进行披露，综合考虑数据的完整性和代表性，本文选取了13 家上市商业银行2017 年-2020 年共4 年的数据进行分析。统计数据来源于各家银行2017-2020 年年报。

2.2 变量选取

2.2.1 被解释变量

商业银行的经营效益评价需要从商业银行的盈利能力、经营成本、经营风险和未来发展趋势等多方面综合进行评价。本文选取净资产收益率（ROE）为研究指标，进行模型的构建。净资产收益率能够很好地代表商业银行盈利能力的同时，也能反映出银行的经营风险以及银行未来的发展状况。

2.2.2 解释变量

对金融科技与商业银行盈利能力、经营绩效关系进行实证分析的文献，数量众多，但大多分析都从外部金融科技发展对商业银行经营影响的角度进行，使用的金融科技变量多为自行构建或引用的外部金融科技相关指标，比如张琰（2019）、熊健等（2021）的实证研究。

本文选取能够代表商业银行自身金融科技发展的指标作为实证研究中的解释变量，它们分别是商业银行科技人员占比（PTP）、科技投入占比（PTI）、手机银行用户规模（SMBU）、电子银行交易规模（SEBT）。

科技人员占比（PTP）指商业银行中从事科技研发的人员占银行员工总数的比重，一定程度上可以反映出银行的金融科技发展水平；科技投入占比（PTI）指商业银行科技投入金额占银行营收的比重，商业银行金融科技资金投入，除人员成本外，还包括研发资金、智能机柜配置、自助机具配置等方面的资金投入；手机银行用户占比（SMBU）指商业银行手机银行用户数占银行客户总数的比例，这个指标能够反映出银行对金融科技的应用成果；电子银行交易占比（SEBT）指商业银行通过网银、手机银行等方式进行金融交易涉及的资金总额占总交易规模的比例，电子银行交易比例越大，对传统实体银行交易的替代率就越高。

2.2.3 控制变量

选取资本充足率（CAR）和不良贷款率（BLR）作为控制变量。

资本充足率（CAR）指商业银行资本与加权风险资产之比，反映了商业银行抵抗风险的能力；不良贷款率（BLR）可以充分反映商业银行的资产质量以及安全状况。

2.3 变量描述性分析和相关性分析

变量描述性统计和解释变量皮尔森相关性检验分析结果分别见表1 和表2，由表2 可知，解释变量间的相关系数均小于0.5，解释变量之间没有显著的相关关系，控制变量CAR 与解释变量SEBT 相关系数为0.584518，大于0.5，小于0.6，存在弱相关关系，无需进行变量剔除。

表1 变量统计性描述

表2 解释变量的相关性检验

3 模型构建和结果分析

3.1 模型构建

在进行模型构建之前，首先需要选择适合的模型进行回归。面板数据回归模型常用的有三种，分别为固定效应模型、随机效应模型、混合效应模型。本文运用F 检验、豪斯曼检验这两种方法进行模型的选择。

首先本文运用F 检验确定个体效应是否存在，经检验F 的值为25.13068，查表值为2.87，F 值大于查表值，即拒绝原假设，在混合效应模型与固定效应模型之间，选择固定效应模型。然后运用豪斯曼检验确定模型的个体效应或者时间效应与解释变量之间是否相关，经检验得出对应的P 值为0.0027，如表3 所示，所以拒绝原假设，个体效应与解释变量无关，即固定效应模型优于随机效应模型。

表3 豪斯曼检验结果

根据上述检验结果，选择固定效应模型对面板数据进行回归模型的构建，回归结果如表4 所示。

表4 固定效应模型回归

由固定效应模型回归结果可以看出，R2的值为0.977668，对应的P 值等于0，所以认为该固定效应模型是合理的，且拟合程度较高，因此可以建立模型（1）。

其中i=1，2，3…12，13；j=2017，2018，2019，2020；ij 表示第i 家商业银行第j 年的统计数据。

3.2 模型结果说明

根据模型（1）可以看出，代表金融科技的四个指标对净资产收益率均产生负向影响。其中，科技人员占比（PTP）对净资产收益率负面影响最大，科技人员占比每增加1%，净资产收益率降低3.93%。手机银行用户占比（SMBU）的影响其次，手机银行用户规模每增加1%，净资产收益率降低2.03%。科技投入占比（PTI）与净资产收益率的负面影响相对较小，科技投入占比每增加1%，净资产收益率减少0.26%，说明在短时间内，银行的科技投入占比越高，其净资产收益率越低。电子银行交易占比（SEBT）对净资产收益率的影响最小，电子银行交易占比每增加1%，净资产收益率减少0.004%。

由此可见，实证结果与前文理论分析并不一致，即商业银行发展金融科技非但没有达到理想的效果，而且还恰恰相反。

4 结论与建议

4.1 结论

通过实证分析，发现短时间内金融科技相关指标对商业银行经营效益均起到负向作用，这一点不难理解。目前商业银行对金融科技的运用还处于初始阶段，需要投入大量的人力物力成本，而从金融科技投入到成熟应用及成果转化是需要时间的，开发转化到应用的时间越长，见效就越慢。本文使用的数据时间跨度只有4 年，而这4 年正是各个商业银行刚刚进入金融科技发展布局的时间，且外部冲击的影响还在持续，因此，要评价商业银行金融科技发展的效果还需要进行更长期地观察。另外，根据黄靖雯和陶士贵（2021）的研究，大多数商业银行金融科技投入产出效率有所提升，但银行业金融科技投入产出效率有待提升，商业银行急需变革传统粗放式的金融科技人力和财力投入。

4.2 建议

第一，目前金融科技发展并不成熟，商业银行金融科技研发投入高产出低。商业银行应加强对新科技的应用转化，缩短技术从研发到应用的时间，提升研发成本的转化效率。为此，商业银行首先要进一步加强智能银行、智能机柜的应用，不断优化业务流程，勇于打破传统限制。其次，加快商业银行数字化转型进程，建立银行自身的数据资源库，加强对银行积累的大量数据的利用。

第二，商业银行缺乏金融科技人才，目前银行的工作人员主要是金融和经济类人才，而科技研发方面只限于IT 技术，缺乏金融知识。商业银行应积极引导工作人员科学技术与金融知识相结合，建立清晰科学的培养体系，支持鼓励银行工作人员的自我提升和转型，培养复合型人才。同时，商业银行要拓宽招聘路径，广纳贤士，主动与国内外高校的合作，共享金融科技资源，定向培养更多高水平金融科技人才。

第三，商业银行目前科技创新能力不足，同时受到资金、人才等方面资源的限制，往往只能简单复制其他金融科技公司的成熟产品，与自身经营不契合，造成银行金融科技应用成熟的假象。商业银行要重视科技与自身传统业务的结合，结合区域特征开创特色产品，同时商业银行应注重金融科技的实际应用，要实用、敢用。