金融科技对区域性银行竞争力的影响研究

陈燕玲，贺沁雪

（安徽大学，安徽 合肥 230039）

一、引言

在全球经济动荡及我国经济增速放缓的背景下，竞争力相对较弱的区域性银行①区域性银行指分支机构和业务范围只覆盖局部地区的商业银行，一般包括城商行、农商行和村镇银行等。本文的区域性银行研究范围主要包括城商行和农商行。因在兼顾自身稳定经营、防范金融风险的同时，还肩负着让利实体经济、帮助中小微企业顺利渡过难关的重要责任，其生存压力更大［1］。截至2021年底，我国城商行、农商行、村镇银行数量分别为128家、1596家、1651家，约占银行业金融机构总数的73%，但市场份额却仅占27%②数据来源于中国银行保险监督管理委员会官方网站。。相较于全国性银行，区域性银行长期以来囿于资产规模和质量、产品及业务创新能力等短板，在竞争中往往处于劣势地位。同时由于经营地域受到严格限制，区域性银行发展更加依赖本地经济发展，对外部环境变化也更加敏感［2］。2020年新冠肺炎疫情暴发以来，国内银行业普遍受到不同程度的影响，城商行和农商行资产收益率分别下降至0.55%和0.62%，远低于大型银行（0.89%）和股份制银行（0.75%）③数据来源于中国银行保险监督管理委员会官方网站。，银行间差距进一步扩大。另从不良贷款率、资本充足率等财务指标上看，区域性银行的表现同样不容乐观，银行竞争力受到严重威胁。因此，区域性银行亟待发掘新的发展机遇、谋求新的发展道路，以提升核心竞争力。

2019年8月中国人民银行印发的《金融科技（FinTech）发展规划（2019-2021年）》中明确指出金融科技是技术驱动的金融创新，应秉持“守正创新、安全可控、普惠民生、开放共赢”的原则，充分发挥金融科技赋能作用，推动我国金融业高质量发展。因此，金融科技可以成为银行业发展新的突破口，进一步推动金融业整体变革。然而，金融科技本身兼具信息技术属性和产业发展特性，在盈利能力［3］、风险承担［4］、信贷结构［5］等多个微观维度可能会对不同类型的银行产生异质性影响［6］，从而进一步改变市场竞争格局。面广量大的区域性银行作为我国金融体系的重要组成，能否产生科技赋能所带来的积极效应将成为其提升核心竞争力的关键。

本文运用网络爬虫技术和因子分析法，探讨金融科技应用对区域性银行竞争力的影响，研究可能的边际贡献在于：一是将研究视角聚焦于区域性银行，揭示金融科技与区域性银行间的耦合性，同时从金融科技角度对提升银行竞争力提出建议，丰富相关领域的研究。二是利用网络爬虫技术和因子分析法分别构建金融科技指数和竞争力指数，并采用实际经营数据进行研究，可为金融科技与商业银行竞争力的作用机制研究提供经验证据。

二、理论分析与研究假说

商业银行竞争力即在特定经济结构、金融政策、监管框架下，通过财务绩效表现出的显性竞争力与反映企业潜在或未来成长可能的隐性竞争力的结合［7-8］。在评价区域性银行竞争力时，除考虑安全性、流动性、盈利性之外，还需纳入银行规模与成长性指标，以全面反映银行竞争力水平。

区域性银行与金融科技具有天然的耦合性，其能够与金融科技形成良性互动，进而提升自身竞争力［9］。区域性银行能够利用科技赋能提高生产效率、改善经营状况，提升综合实力；而金融科技应用能够突破区域性银行的内生瓶颈，打破银行业务同质化僵局，成为实现创新发展的着力点。概括来讲，金融科技应用对区域性银行竞争力的影响主要体现在以下方面：一是金融科技应用有利于降低区域性银行经营成本、提高盈利能力。金融科技改变了银行传统经营模式，通过创新与改进既有金融产品和服务降低营运成本［10］，实现从“重资产”模式向“轻资产”模式的转变［11］。尽管区域性银行的经营地域受到严格限制，但随着商业银行互联网、大数据信息技术的运用，其服务边界得到了有效延伸［12］，能为更多长尾客户群提供优质产品和服务，进而拓展盈利空间。二是金融科技应用有利于保障区域性银行稳定运营、降低风险水平。金融科技应用能够显著降低大银行与中小银行间的信息不对称，缩小银行间信息捕获能力差距，从而降低区域性银行的风险水平［13］。同时，区域性银行长期面临不良贷款清收、处置难题，通过应用金融科技能够进行风险量化，帮助银行描绘“客户画像”，准确识别风险，从源头上减少不良贷款损失［14］。三是金融科技应用有利于发挥区域性银行天然优势，纾解发展困局。一方面，金融科技通过大数据、云计算、人工智能等核心技术对银行经营模式进行创新，将产品和服务嵌入社会公众的网络生活场景，进而延伸金融服务领域，更广泛地覆盖本地客户群［3］。另一方面，区域性银行的组织结构和业务程序相对扁平和集中化［6］，通过独特的人缘、地缘优势并加大金融科技应用，能以较低成本把握市场动向并挖掘客户需求。因此，金融科技应用促进了银行、客户与产品服务间的互联互通［15］。基于以上分析，本文提出研究假说1，即金融科技应用能够显著提升区域性银行竞争力。

另外，考虑到目前区域性银行间城商行和农商行在银行定位、发展现状上差距显著，金融科技应用可能会对其产生差异化影响，因而本文提出研究假说2，即在不同类型的区域性银行中，金融科技的运用效果存在显著差异，相较于农商行，城商行应用金融科技所带来的竞争力提升效应更为显著。

三、研究设计

（一）数据来源

基于数据的可得性，本研究选取28家①样本包括北京银行、常熟银行、成都银行、贵阳银行、哈尔滨银行、杭州银行、沪农商行、徽商银行、江苏银行、江阴银行、南京银行、齐鲁银行、青岛银行、青农商行、瑞丰银行、厦门银行、上海银行、苏农银行、苏州银行、天津银行、无锡银行、西安银行、渝农商行、张家港行、长沙银行、郑州银行、重庆银行和紫金银行，共28家A股或H股上市的区域性银行。上市区域性银行（18家城商行和10家农商行）2013年—2020年财务数据，共获得224个平衡面板数据，数据主要来自iFind数据库、Wind数据库和各银行年报。

（二）变量选取及描述

1.被解释变量。本研究的被解释变量为区域性银行竞争力（score）。因评估银行竞争力不仅需测度银行当前水平，还需衡量未来的发展潜力，涉及对银行多维度指标的考察，故本研究采用多指标复合方式确定区域性银行竞争力。以往的文献主要采用因子分析法与客观综合定权法，本研究参考既有文献并结合研究主题，采用因子分析法同时参照郭翠荣［16］、汪炜［8］、高晓燕［17］的做法，选取20个银行财务指标构建区域性银行竞争力指标，涵盖了安全性、流动性、盈利性、银行规模、成长性5个维度，并对部分指标进行特殊处理，具体如表1所示。指标构建完成后，再运用SPSS23.0软件对样本银行2013年—2020年的面板数据进行因子分析。

表1 区域性银行竞争力指标构建

2.核心解释变量。本研究的核心解释变量为区域性银行金融科技应用水平（fintech）。目前国内学者在构建金融科技指标时多采用文本挖掘法，或者直接使用北大数字普惠金融指数作为金融科技的替代变量。由于本研究重点讨论金融科技对区域性银行的赋能作用，因此采用文本挖掘法更为合适。

具体而言：首先，基于金融科技对商业银行的赋能作用，并结合目前区域性银行的主要科技应用领域，将金融科技分为基础技术和应用场景两个维度建立关键词词库，共选取14个关键词。其中：基础技术维度的关键词为人工智能、大数据、云计算、物联网、区块链、数字货币、数字化，应用场景维度的关键词为第三方支付、移动支付、消费金融、互联网理财、网银、手机银行、智慧银行。其次，计算各银行各年度关键词词频，利用因子分析法构建各银行自主应用金融科技水平指标。本研究借鉴金洪飞［13］的做法，将银行名称与各技术关键词搭配（如“北京银行”+“人工智能”）进行搜索，利用网络爬虫技术获取各银行在新浪财经2013年—2020年间各年度的新闻搜索结果，共得到7810条数据。在进行相关新闻搜索时发现，百度搜索引擎中新闻重复率较高，并且无实际意义的标题网页数量较多，因此使用相对权威的新浪财经网站作为新闻搜索站点，以使构建的指标更为合理。在获得各银行各年度关键词词频后，利用因子分析法即可合成区域性银行金融科技应用水平综合指标。

3.控制变量。参考既有文献，本研究控制了总资产增长率（g）、总资产回报率（roa）、资产规模（size）、资产负债率（dar）和资本充足率（car），并引入宏观经济变量——广义货币增长率（m2）进行研究。

（三）模型构建

为验证前文的研究假说，本文构建了模型（1）进行回归分析，所有连续型变量均经标准化处理：

模型（1）中，Scoreit为i银行t年的竞争力得分，fintechit为i银行t年的金融科技应用水平，Xit为控制变量，μt为时间固定效应，ui为个体固定效应，εit为随机扰动项。

（四）变量的描述性统计分析

表2汇报了主要变量的描述性统计结果。由表2可知：样本银行金融科技应用水平（fintech）最小值为-0.358，最大值为3.687，表明样本银行中少数银行金融科技应用优势显著，多数银行金融科技应用水平处于平均水平附近，甚至低于平均水平。区域性银行竞争力（score）最小值为-1.589，远低于平均水平，表明样本银行间竞争力水平存在较大差异。另外，进一步分析发现，资产总额、存款总额、贷款及垫款总额的标准差显著高于其他变量，且波动幅度较大，其中贷款及垫款总额差距尤为明显，说明样本银行间的竞争较为激烈，银行业务发展存在不平衡现象。

表2 主要变量的描述性统计结果

四、实证分析

（一）区域性银行竞争力评价

在因子分析前需进行KMO检验和Bartlett球形检验以检验变量间的相关关系，结果显示KMO统计值为0.820，Bartlett检验P值为0.000，可以认为选取的指标间存在显著的相关性，采用因子分析法构建银行竞争力指标具有可行性。此外，分析过程中提取了规模因子F1、成长因子F2、盈利因子F3、流动因子F4、安全因子F5，经过7次旋转后因子方差贡献率分别为31.614%、14.394%、11.978%、8.908%、7.281%，累计方差贡献率达74.175%，基本可以体现原始数据的整体水平。根据表3成分得分系数矩阵可计算出5个因子的评分，并以描述性统计顺序对参与构建银行竞争力指标的20个变量进行编号。

表3 成分得分系数矩阵

根据各因子得分再结合方差贡献率可以得到综合因子区域性银行竞争力（score）的得分，计算公式为：score=(31.614F1+14.394F2+11.978F3+8.908F4+7.281F5)/74.175，进一步可以得到如图1所示的各银行2013年—2020年竞争力得分情况。研究发现，规模因子、成长因子、盈利因子在区域性银行竞争力评估中有重要作用，因而适度扩大银行规模、提高银行成长力和盈利水平是区域性银行提升竞争力的努力方向。由图1可知，样本银行总体竞争力水平在2013年—2020年间变动较大，其中2013年—2015年变动不大，2016年—2019年一直保持上升态势，但新冠肺炎疫情的暴发造成2020年样本银行出现不同程度的竞争力下降，区域性银行风险抵御能力受到冲击。此外，得益于普惠金融政策与乡村振兴战略的实施，自2016年起农商行竞争力显著提升，与城商行之间的差距逐渐缩小，但囿于内生发展动力不足，2019年农商行竞争力增速明显放缓。总体来看，城商行和农商行仍存在较大发展差距，农商行竞争力远低于城商行。

图1 样本银行竞争力水平

（二）金融科技应用水平分析

图2展示了2013年—2020年样本银行金融科技应用水平情况。由图2可知：2019年起区域性银行金融科技应用迎来跨越式发展，整体金融科技应用水平显著提高。但近年来城商行和农商行金融科技应用水平差距显著扩大，原因可能在于：一是城商行对金融科技的顶层设计普遍优于农商行，拥有更长远的视角及更为精细的科技发展规划；二是农商行迫于资金实力不足，难以支撑科技研发的持续性投入，借助“外部智慧”发展金融科技进程较为缓慢；三是农商行贷款业务中对公贷款占比较高，集中投放在经营区域内的企业，其与经济周期关联度高，对外部经济环境变化更为敏感，一旦外部环境恶化就可能使其金融科技应用处于停滞状态。

图2 样本银行金融科技应用水平

（三）金融科技应用对区域性银行竞争力的影响

1.基准回归分析。本研究采用Stata软件对模型（1）进行Hausman检验，结果显示适合用固定效应模型进行分析。基准回归结果如表4列（1）所示，金融科技应用（fintech）与银行竞争力（score）回归系数在5%水平上显著为正，说明金融科技应用能够提升区域性银行竞争力，由此验证了研究假说1。

2.分组分析。因城商行和农商行无论在盈利能力、成长性还是银行规模等方面都存在较大差距，故本研究将样本银行分为城商行（a）和农商行（b）两组进行分组分析，被解释变量分别为score1和score2。表4结果显示，金融科技应用能显著提升城商行竞争力，但对农商行未产生显著影响，由此验证了研究假说2。金融科技应用对不同类型银行表现出异质性影响的原因可能在于：一是农商行规模普遍较小，难以产生规模效应，金融科技应用难以明显提高其经营效率。二是农商行可能存在更严重的“重资本轻人才”观念，难以支撑金融科技稳定应用，并可能对先进理念和发展潮流缺乏敏感性，难以作出符合实际的科技战略规划。三是农商行组织架构相对落后，内部科技研发与传统业务部门分割较严重，存在信息沟通障碍，难以在内部可控的情况下实现科技与传统业务的协调发展。

表4 回归分析结果

续表4

（四）稳健性检验

1.改变被解释变量测量方法。前文构建竞争力指标采用了因子分析法，可能忽略部分有用信息。不同于降维分析的因子分析法，熵值法可根据指标的变异程度，利用信息熵计算各指标权重，为多指标综合评价提供依据。因此，本研究尝试利用熵值法对竞争力指标进行客观定权［18］，以对前文结论进行进一步验证，结果如表5列（1）所示，核心解释变量结果与前文基本一致，研究结论稳健。

2.增加控制变量。考虑到宏观经济环境、资产质量都是影响银行经营发展的重要因素，本研究在保证其他指标不变的情况下，增加国民生产总值增长率（GDP）、不良贷款率（NPL）作为控制变量重新进行检验，结果如表5列（2）所示，核心解释变量结果同样支持前文结论，研究结论稳健。

3.内生性问题。考虑到区域性银行竞争力与金融科技应用之间可能存在双向因果关系，银行可能选择应用金融科技来提升竞争力，也可能根据竞争力水平决定金融科技应用程度，故而可能存在内生性问题。由于区域性银行当期竞争力对前一期金融科技水平影响较小，故本研究选择金融科技应用滞后一期变量构建新的模型进行检验，表5列（3）中核心解释变量结果与前文基本一致，研究结论稳健。

表5 稳健性检验结果

另外，商业银行竞争力评价涉及多方面信息，本研究在构建综合竞争力指标时考虑了5个维度的重要信息，因而银行竞争力可能存在时间上的自相关性。为解决模型中因被解释变量而引起的自相关问题，本研究选择区域性银行竞争力滞后一期变量，引入两步系统GMM模型进行估计检验，结果如表6所示，核心解释变量检验结果仍与前文基本保持一致，研究结论稳健。

表6 系统GMM检验结果

五、进一步讨论

区域性银行深植于特定区域，其金融科技应用发展更依赖地方科技力量，因此区域创新水平可能直接影响区域性银行金融科技的发展及应用效果，进而影响其综合竞争力。一方面，区域创新水平的提升不仅能够向区域性银行传递积极的科技发展信号，这种“外部智慧”的集中还能为银行金融科技的发展提供更充分的保障，有利于进一步缩短银行金融科技发展周期，加速科技成果应用，促进银行竞争力水平提升。另一方面，区域创新水平的提升能够吸引更多的专业人才，为区域性银行的产品和服务创新提供智力支持，同时也有利于降低银行试错成本，进一步扩大金融服务边界和盈利空间，最终提升区域性银行竞争力。为验证上述分析，本研究将地区研发投入强度（RD）作为区域创新水平的替代变量进行调节效应检验，结果如表7所示。检验结果显示，金融科技应用与地区研发投入强度的交乘项（interact）系数显著为正，由此可知高区域创新水平强化了金融科技应用对提升区域性银行竞争力的正向效应。

表7 调节效应检验结果

续表7

六、结论与启示

本文基于2013年—2020年我国28家上市区域性银行面板数据，通过构建区域性银行竞争力指数和金融科技应用指数，考察金融科技应用对提升区域性银行竞争力的影响。研究表明：金融科技应用能够提升区域性银行竞争力，同时高区域创新水平会强化这一积极效应，但金融科技应用对提升不同类型区域性银行竞争力的效应会表现出一定的异质性。总体而言，依靠基础技术的支撑，金融科技应用能够帮助区域性银行在降本增效、风险控制、充分发挥自身优势等方面取得显著成效，从而提升区域性银行整体竞争力，但金融科技应用对提升城商行竞争力的正向效应更显著，农商行囿于自身条件等原因而未表现出显著的正向提升效应。

依据上述结论，可以得到如下启示：第一，区域性银行应制定金融科技发展长期规划，在内部可控的情况下实现金融科技的稳步发展，依托科技力量提升核心竞争力；充分考虑金融科技基础技术与银行业务的适配性，实现重点技术快速攻破、辅助技术稳步推进，同时利用区域创新优势，最大程度地发挥金融科技赋能作用。在降本增效上，应用金融科技搭建与其他银行的信息数据共享平台，降低信息获取成本和交易成本，改变“数据荒岛”局面；开发“定点定向”式创新产品服务，吸引包括银发客户在内的长尾客户群，提高经济效益。在风险控制上，应用大数据等技术进行“客户画像”，降低不良资产风险，同时完善银行风险预警机制，提高风险量化与识别能力。在自身优势发挥上，区域性银行需加快数字化转型，联通多元化的线上线下场景，构建良好的金融科技生态圈；还可加强与地方政府部门在金融科技领域的合作，扩大区域性银行在人缘、地缘方面的优势。第二，不同类型的区域性银行应结合自身实际，突破发展瓶颈，寻求切实可行的金融科技发展模式。城商行可立足于打造区域生态，最大程度地将金融科技嵌入更丰富的生活服务场景，在借助“外部智慧”的同时，加大金融科技持续性投入，掌握金融科技核心技术。农商行则可以特色金融服务为突破口拓展银发客户群，进一步扩大市场规模。同时重视复合型人才的引进，建立科学的组织架构，破除科技部门与传统业务部门间的壁垒，最大程度地发挥金融科技应用对提升区域性银行竞争力的积极效应。另外，目前农商行发展金融科技时仍需以合作为主，“巧借外力”继续推进数字化转型，逐步构建完善的区域生态圈。