收入结构多元化对银行风险承担水平的影响研究——基于金融科技的调节作用

陈燕玲，杨 晨

(安徽大学 经济学院，安徽 合肥 230601)

随着我国社会经济的发展，居民财富积累达到了一定水平，公众对金融产品的需求更加多元化、个性化[1]。息差不断收窄，资产增速放缓，互联网金融产品凭借简便的流程和低门槛特性分流部分优质客户，市场竞争加剧，给银行带来了巨大压力。“重规模，轻质量”的时代离去，如何高质量发展已经成为银行未来规划的核心问题。面对多重挑战，商业银行主动选择借助多元化转型来突围，积极开展投资收益业务、手续费及佣金收入等非利息收入业务。2020年初大多数银行的非利息收入占比已达到20%～30%，股份制商业银行的平均占比高达35%[2]。开辟新型业务引导利润持续增长，减轻对传统存贷款业务的高度依赖，积极改善现有的业务结构，提升专业化程度，打造特色化产品，已经成为各大银行的共识。招商银行的“一体两翼”和交通银行的“两化一行”战略，体现出多元化的经营理念并取得不错的成效，中小银行积极布局理财子公司、金融租赁等，拓宽自身收入来源，有序推进业务结构调整[3]。随着多元化战略的不断推进，收入结构多元化对商业银行的风险有何影响，已成为银行业和学术界十分关心的问题。

随着新一代信息技术在金融领域深度应用，金融科技在提高商业银行风控能力、加强智慧服务等方面的作用日益凸显。目前金融科技已经嵌入许多应用场景，如贷前的反欺诈建模、信用卡评分，贷中的实时监测以及风险预警等。在数据存储、处理上的卓越性为银行多元化转型保驾护航，精确识别新业务的风险，加强贷中贷后的风险监督，缓解银企之间的信息不对称问题，让银行在有效控制自身风险的同时开展新型业务来拓宽服务深度。截至2021年底，已有16家商业银行设立了金融科技子公司，将发展金融科技提升到战略层面，其中平安银行打造的“星云物联平台”[4]，招商银行的“招行云”等，均建立了智能风控体系来保障多元化转型的平稳运行。

本文从收入结构多元化对银行风险承担水平的影响视角出发，探究在互联网金融背景下，金融科技对收入结构多元化与银行风险之间关系的调节作用，并分析调节效应在不同类型银行之间的异质性影响，以期为收入结构多元化、金融科技与银行风险三者之间的内在作用机制提供实证依据。

1 文献综述与研究假设

1.1 收入结构多元化对银行风险的影响

支持收入结构多元化降低银行风险的研究主要从投资组合理论和范围经济理论的角度出发，非利息业务与利息业务之间负相关或不相关，收入组合有利于分散和降低风险[5-6]。同时，银行通过多元化收入来源带来规模经济和范围经济；通过扩大时间和空间上的服务范围，提高资产的利用效率，带来更多的利润，分散了经营风险。但更多研究持相反观点，新业务之间相关性过高带来的风险要大于多元化所分散的风险，银行多元化经营过程错综复杂，不能简单的以组合投资来类比[7]。收入结构多元化会在一定程度上规避监管机构对于中间业务的监管力度，削弱资本充足率对银行风险的约束效果[8]。曾智[9]依据内部资本市场理论进行分析，认为多元化经营的银行内部会出现低效益部门和高效益部门，效益高的部门会分出部分资源来帮助效益低的部门，降低了动力，导致银行整体风险上升。此外，大部分学者从非利息收入角度出发论证了收入结构多元化会抬高银行风险。首先，非利息收入业务缺乏人才储备和相关管理经验，多元化的业务会增加商业银行的固定成本，导致经营风险的增加。其次，非利息收入业务缺乏监管以及必要的缓冲机制，银行为了追求更高的盈利倾向于采用更高的财务杠杆，财务风险上升[10-11]。最后，非利息收入业务的波动性较强[12]，加剧了银行的净利润波动性。该部分业务的客户粘性远低于贷款客户，客户的转换成本较低，降低了银行资产的流动性[13-14]。

梳理文献可以看出，学者们关于收入结构多元化对银行风险影响的观点尚有分歧，但越来越多的倾向于支持收入结构多元化会提高银行风险。综上所述，收入结构多元化降低了银行的效率，放大了经营过程中的不确定性[15]，数据和管理经验上的缺失加大了管理层的管理难度。投资收益业务本身的波动性较强，削弱了风险分散作用，进一步提高了银行风险承担水平。基于此，本文提出如下假设：

H1 收入结构多元化会提高商业银行风险承担水平。

1.2 金融科技对收入结构多元化与银行风险之间的关系具有调节作用

大数据、云计算的存储运算能力以及物联网的跟踪识别技术在一定程度上缓解银行开展新型业务方面的专业性不足问题，人工智能和开放银行等技术的运用则扩大了银行的获客范围，在理财业务和代销咨询类业务中的使用为客户带来了良好的体验[16]。商业银行在收入结构多元化转型过程中为了提升效率，加大了对金融科技的研发支出，极大推动了金融科技的发展。综合来看，金融科技可以在以下几个方面作用于收入结构多元化转型从而影响银行风险承担水平：

第一、金融科技的应用降低了银行收入结构多元化的成本，缓解了银企信息不对称的问题[17]。新型业务获取客户信息和贷中监督需要付出大量人力成本，物联网等技术的应用能够通过终端实时核查客户的资产状况并上传云端进行数据比对和分析，既减少了成本的支出又提升了信息获取的速度和质量。在分布式架构模式下，银行充分发挥区块链共享数据库的传输优势[18]，对企业数据进行及时整合，与之信息披露数据相比较，检验拟合程度，并将拟合度低的企业报送至管理层以进一步研究[19]。如平安银行的“星云物联平台”，在供应链金融模式下及时获取上下游企业的数据，大大降低了成本和风险。

第二、金融科技在风险识别和管控方面具有巨大优势。目前银行采用强化学习和知识图谱等新兴技术来改进传统风控模式，对客户违约概率进行预测，效率有了明显提升。同时，随着算法的不断更新升级，从GBDT算法到XGBoost算法再到LGBM算法，风险识别的精确度不断提升，尤其在企业反欺诈方面效率大幅提升。银行搭建智慧风控体系，简化了申请与发放流程，并采用智能预警系统将贷中发生的异常信息及时反馈，极大降低了收入结构多元化转型过程中的风险。

第三、提升管理者的管理水平。收入结构多元化转型过程中银行规模进一步加大，管理者在新型业务开展方面经验不足，专业性欠缺，管理缺失等隐藏了巨大风险。而知识图谱等技术的应用协助管理者厘清各种业务之间的关系，借助图推理等工具预测可能发生违约的企业，对筛选出的企业进一步分析。其次，金融科技对数据价值的进一步挖掘和整合提升了管理者在新型业务分析方面的效率，区块链等技术简化了尽职调查和授信审批等流程，新型业务能够快速实施并给予管理层反馈，提高了战略决策的精度。基于以上分析，本文提出如下假设：

H2 金融科技显著抑制收入结构多元化对银行风险承担水平的正向作用。

2 研究设计

2.1 数据选择

2013年余额宝上线以后我国金融科技开始飞速发展，大多数学者把2013年定义为金融科技发展的元年。因此本文选择2013—2020年我国21家商业银行为研究样本，包括中国银行、中国建设银行、中国工商银行、中国农业银行、交通银行等5家大型商业银行；招商银行、兴业银行、广发银行、浦发银行、平安银行、民生银行、中信银行、光大银行、华夏银行、浙商银行、渤海银行等11家股份制商业银行；北京银行、上海银行、南京银行、宁波银行、广州银行等5家城市商业银行。样本数据来源于国泰安数据库和Wind数据库，手工整理缺失部分数据，宏观数据来源于国家统计局。

2.2 模型设定

2.2.1 静态面板模型忽略个体和时间层面的变量可能带来内生性问题，因此本文选用双固定效应模型来检验假设：

Nplrai,t=α0+α1HHI+α2∑Controli,t+ωi+ψi+εi

(1)

2.2.2 动态面板模型商业银行风险承担水平具有持续性。为解决风险承担水平在时间上的自相关性，本文将被解释变量的滞后一期纳入构建动态面板模型，采用GMM(广义矩估计模型)进行实证分析。基于此，为了进一步验证假设H1，本文构建计量模型：

Nlprai,t=α0+α1Nlprai,t-1+α2HHIi,t+α3∑Controlsi,t+ωi+ψi+εi,t

(2)

为验证假设H2，本文在模型(2)的基础上加入金融科技以及金融科技与收入结构多元化的交乘项，即：

Nlprai,t=α0+α1Nlprai,t-1+α2Fini,t+α3HHIi,t+α4F_Hi,t+α5∑Controlsi,t+εi,t

(3)

其中i表示银行样本，t表示年份。Nplra为被解释变量，表示银行的风险承担水平。HHI为核心解释变量，表示银行的收入结构多元化水平。Fin表示金融科技水平，F_H为金融科技与收入结构多元化水平的交乘项，控制变量包括资产总额的对数(lnsize)，GDP增长率(GDP)，净资产收益率(ROE)，拨备覆盖率(Pvcra)，资本充足率(CapAd)，成本收入比(Cti)，ω和ψ分别表示银行个体和时间的固定效应，表示随机扰动项。

2.3 变量定义

被解释变量 商业银行风险承担水平(Nplra) 现有文献通常用不良贷款率、Z值、风险加权资产比例等来衡量商业银行的风险承担水平。本文选取不良贷款率(Nplra)来衡量，并用风险加权资产比率(TA)替换不良贷款率来做稳健性检验。

解释变量 收入结构多元化水平(HHI) 以往文献大多数采用非利息收入占比或者赫芬达尔—赫希曼指数(HHI)来衡量收入结构多元化水平，而赫芬达尔指数能更好地反映收入结构的集中度，因此本文选择基于赫芬达尔—赫希曼指数来构造收入结构多元化指标。

其中，TI表示净营业总收入，INI表示净利息收入，NINI表示净非利息收入，HHI的值越大，则商业银行的收入结构多元化水平就越高。

调节变量 银行金融科技发展水平(Fin) 借鉴李春涛[20]等构建金融科技指标的方法，本文选取与银行金融科技相关的关键词，包括人工智能、大数据、云计算、物联网、区块链、第三方支付、移动支付、数字货币、消费金融、互联网理财、网银、手机银行、开放银行等13个关键词，涉及支付清算、新兴技术和风险管理等方面。将关键词与样本银行进行匹配，在百度新闻中搜索2013—2020年各年度的新闻数量。为避免搜索返回大量无关新闻，因此采取高级搜索将关键词设置为“仅网页标题中”。再运用Python爬虫方法爬取上述设置后的所有新闻，并作去重处理。最后，将各个银行每年关键词下的新闻数量汇总并取对数，来衡量该银行在不同年份的金融科技发展水平。

控制变量 为提高结论的准确性，本文在以往研究的基础上，选择以下变量进行控制：反映银行资产规模的资产总额的对数(lnSize)，反映运营效率的指标成本收入比(Cti)，反映贷款质量的指标拨备覆盖率(Pvcra)，反映盈利能力的指标净资产收益率(ROE)，反映资本水平的指标资本充足率(CapAd)，反映宏观经济的指标GDP增长率(GDP)。具体变量定义及描述见表1。

表1 主要变量的定义和描述性统计结果

3 实证结果分析

3.1 基准回归结果及异质性检验

由于忽略个体和时间层面的变量可能会带来内生性问题，本文采用双向固定效应的OLS回归对模型(1)进行实证分析。考虑到银行风险承担水平具有持续性，为了解决风险承担水平在时间上的高度自相关并防止出现弱工具变量问题，采用系统动态面板广义矩估计(SYS-GMM模型)对模型(2)进行实证分析。从表2回归结果可以看出，AR(2)检验和Sargan检验对应的P值分别为0.389和0.299，均大于0.1，说明模型不存在二阶自相关问题，也不存在工具变量过度识别的问题。

表2 收入结构多元化对银行风险承担水平的影响

如表2所示，银行收入结构多元化水平(HHI)的系数分别为0.566和1.400，且分别在5%和1%水平下显著，表明收入结构多元化程度越高，则银行风险承担水平越高，即收入多元化程度的提高会显著增加商业银行的风险承担水平，验证了假设H1。收入结构多元化转型过程中，开展新型业务初期投入大，专业人才缺乏，都会给银行带来风险；其次，新型业务发展周期长，缺乏管理经验和相关技术，管理难度提高。另外，新型业务本身收入波动性较强，导致银行净利润波动加剧，风险分散效应被弱化，进一步抬高了银行的风险承担水平。

对于不同类型的银行，由于在人才储备、资源配置、技术水平等多方面的不同，可能导致影响也不同。所以本文把总样本分为三个子样本，样本一为5家大型商业银行，样本二为11家股份制商业银行，样本三为5家城市商业银行，采用系统GMM回归进行检验，回归结果见表2。三个样本的AR(2)检验对应的P值分别为0.372，0.239，0.259，Sargan检验对应的P值分别为0.873，0.150，0.355，均显著大于0.1，说明异质性检验的三个样本不存在扰动项差分二阶自相关问题和工具变量过度识别问题。从不同类型商业银行收入结构多元化水平(HHI)的系数可知，大型商业银行收入结构多元化水平的提高会提高风险且效果不显著，股份制商业银行收入结构多元化水平的提高会显著降低风险，而城市商业银行收入结构多元化水平的提高会显著提高风险，与整体回归结果相同。

3.2 调节效应结果

本文采用系统广义矩估计(GMM)模型对模型(3)进行回归，所有样本的回归结果见表3。进一步检验金融科技赋能的调节作用对于不同类型银行是否相同，表3的后两列表示金融科技赋能在股份制商业银行和城市商业银行与其风险之间的调节作用。

表3 调节效应结果

所有样本列结果显示交乘项(F_H)的系数为-0.746，且在1%的置信水平上显著，说明金融科技显著抑制了收入结构多元化转型对银行风险的正向作用，验证了假设H2。金融科技的创新成果产生大量先进的设备和技术，有效缓解了收入结构多元化转型过程中专业性不足的问题，改善了中间业务的劣势。同时，加强了对于风险的识别和控制能力，在精度和速度上显著提升，简化了业务流程，让管理者对于新型业务能够及时作出判断和调整，引导内部资源更加合理地配置。

由于上一步检验中大型商业银行收入结构多元化(HHI)系数不显著，因此进一步的调节效应检验中去除了关于大型商业银行的研究，股份制商业银行和城市商业银行的回归结果中，两者的交乘项(F_H)系数分别为-1.312和-0.746，且在10%和1%水平上显著，说明发展金融科技可以显著增强股份制银行收入结构多元化转型对风险承担水平的负向影响，显著削弱城市商业银行收入结构多元化转型对风险承担水平的正向影响。股份制商业银行大量引进金融科技人才，成立专门的金融科技子公司，金融科技赋能带来的正向调节作用较为显著。而城市商业银行在应用金融科技方面效果更加显著，原因在于：第一，城市商业银行这种中小银行的风控问题一直以来都饱受诟病，存在重贷前、轻贷后的问题[21]。金融科技的应用让银行在收入多元化转型过程中全程实时对风险进行监测，并不断优化自身的风控策略。第二，在金融科技赋能下，城市商业银行可以对区域内客户尤其是“小微企业”的信息进一步挖掘，缓解银企信息不对称问题，巩固区域内的客户和资源优势，为多元化业务的开展奠定基础，降低信贷风险。

3.3 稳健性检验

上文使用了不良贷款率作为被解释变量，为防止单一指标无法准确反映银行风险水平而导致实证结果不稳健，选取风险加权资产比率(TA)作为被解释变量来检验收入结构多元化对于银行风险的影响以及金融科技的调节效应。因为将表内资产与表外资产通过一定转化系数得到的风险加权资产总额，不仅能够反映信用风险，还能反映市场风险和操作风险，因此选择风险加权资产比率替换被解释变量具有一定的合理性。

稳健性检验回归结果见表4所示，列一和列二分别表示OLS模型和系统GMM模型对整体回归的结果，异质性检验结果见列三、列四和列五，调节效应结果见列六。采用风险加权资产比率的回归结果与不良资产率作核心解释变量的回归结果一致，且都通过了AR(2)检验和Sargan检验，说明了回归结果的稳健性，进一步证实了假设H1与H2。

表4 稳健性检验结果

4 结论与建议

本文基于2013—2020年我国21家商业银行的面板数据，通过构建金融科技发展指标，分析了金融科技、收入结构多元化与商业银行风险承担水平之间的关系。实证结果表明：商业银行的收入结构多元化转型会提高风险承担水平，这种影响在不同类型银行之间存在异质性；金融科技显著抑制了收入结构多元化转型对银行风险承担水平的正向作用，且对城市商业银行的效果更加显著。因此，本文提出建议：

其一，银行应该高度重视收入结构多元化转型过程中可能带来的风险问题，不能盲目扩大非利息业务规模，注意收入波动性与业务增速相匹配。加深对新型业务的理解，大力引进相关人才，提升管理层的管理能力，不同类型的银行要根据自身特点巩固多元化转型的成果并加强风险管理能力。

其二，银行尤其是城市商业银行要加快金融科技布局的进程，这对于传统业务的转型升级具有重要意义。收入结构多元化转型过程中要充分利用金融科技的正外部性，推动金融科技与新业务深度融合，借助物联网技术对新业务数据及时获取，再通过机器学习、深度学习对数据进行挖掘，对风险进行度量和识别，做好风险预警，并借助知识图谱等技术厘清各个部门之间的风险关系，加强部门之间的协同效应，建立更加有效的风险防控体系。