金融科技对商业银行承担风险影响的实证分析

孟陶颖

【摘  要】论文首先回顾了金融科技发展的背景及其在银行业的应用，接着基于鲶鱼效应、金融中介和信息不对称理论、金融功能理论等，分析了金融科技对商业银行风险承担的直接和间接影响机制。通过对选定样本的描述性分析及模型设定，研究假设金融科技能直接降低传统风险类型，如信用风险和操作风险，同时间接增加市场风险和策略风险。实证分析结果显示，金融科技投资（XTI）在某些模型中显示对银行风险有显著降低作用，而数字服务采纳率（XDSR）、市场份额（MMS）和数字交易量（MDTV）的影响则因模型选择而异。此外，回归结果还表明，除了考虑的变量外，还有其他因素影响银行风险水平。基于此，论文提出增强金融科技投资、优化风险管理策略、细分市场和客户策略、加强监管合规和数据安全、持续监控市场动态等建议。

【关键词】金融科技；商业银行；影响机制；风险承担

【中图分类号】F832.33；F272.3                                             【文献标志码】A                                                 【文章编号】1673-1069（2023）12-0067-03

1 引言

金融科技的飞速发展正深刻改变着传统金融行业的格局。从互联网支付到利用人工智能和大数据的信贷审批，每一项创新都在扩展金融服务的界限。区块链技术更是以其去中心化和高安全性特征，成為金融交易和资产管理的新领域。这些技术加速了金融服务的数字化转型，引入了新的市场参与者，极大丰富了客户服务体验。然而，金融科技带来的并非仅是技术革新，还深刻影响了银行的风险管理体系，网络安全、数据隐私和运营风险等新问题日渐显现，对银行稳定运营构成挑战。本文通过实证研究，探讨金融科技对商业银行风险的直接和间接影响，旨在为银行决策者和监管机构提供洞见，助力应对未来挑战，制定有效策略。

2  金融科技对商业银行承担风险的影响机制

2.1 直接影响机制

金融科技对商业银行承担风险的直接影响机制，主要体现在通过技术创新提高风险管理的效率和准确性。首先，大数据分析和人工智能在信用评估领域的应用，使银行能够对客户的信用状况进行更深入、精准的分析，从而降低信用风险。其次，区块链技术在提高交易透明度和安全性方面的应用，有效减少了操作风险和欺诈风险。此外，云计算提供的高效数据处理能力和灵活的资源配置，优化了银行的资产负债管理，降低了流动性风险。同时，金融科技还促进了风险监控和合规管理的自动化，例如，通过机器学习算法自动识别潜在的非法交易模式，增强了反洗钱和反欺诈能力。然而，金融科技的应用也引入了新的风险，如技术依赖可能导致系统性风险，数据安全和隐私保护问题可能引发合规风险。

2.2 间接影响机制

金融科技对商业银行承担风险的间接影响机制，主要通过改变市场环境和客户行为来实现。首先，金融科技的发展导致银行业务数字化加速，引发了市场竞争格局的重塑。新兴的金融科技公司和非银行金融机构凭借技术优势，提供创新的金融产品和服务，挑战传统银行的市场地位，这迫使银行为保持竞争力而增加投资创新，可能导致资源配置不当和策略风险。其次，金融科技改变了客户的金融服务预期和行为模式，客户对个性化、即时服务的需求增强，这要求银行不断调整服务策略，增加了运营复杂性和市场适应性风险。此外，金融科技促进了资本市场的全球化和互联互通，加剧了市场波动性和跨境风险传导，银行在全球市场的风险暴露增加。

3 金融科技对商业银行风险承担影响的实证分析

3.1 变量选取及描述性分析

3.1.1 样本选择与数据来源

为使实证分析结果尽可能地贴合实际并保证样本容量的充足，本研究选取了中国30家商业银行的数据，时间跨度为2015年至2022年，包括6家国有银行、8家大型股份制商业银行和16家城市商业银行，覆盖了中国商业银行的主要类型，确保样本的代表性和多样性。数据来源于Bank Focus数据库、CSMAR数据库以及各银行的年度报告。Bank Focus数据库提供详细的财务数据，包括资产负债表和损益表等关键财务指标，而CSMAR数据库专注于中国市场，提供金融市场数据和宏观经济数据，有助于深入分析中国商业银行的运营环境。此外，银行年度报告是分析银行风险管理和金融科技投资的重要数据源，能够提供最直接和最新的信息。

3.1.2 变量选取

被解释变量主要关注银行风险指标，选取了信用风险和操作风险两个关键维度。信用风险通过不良贷款比率来衡量，反映了银行贷款组合中违约风险的大小，是评估银行信用风险管理能力的重要指标。操作风险则通过操作失误率来衡量，反映了银行在日常运营中出现错误和失误的频率，是评价银行内部管理和风险控制效率的关键指标。通过这两个指标，可以全面评估金融科技对银行核心风险承担能力的影响。

核心解释变量聚焦于金融科技指标，包括金融科技投资和金融科技采纳率两个方面。金融科技投资通过技术投资额（如年度金融科技相关投资总额）来衡量，反映银行在金融科技方面的资金投入程度。金融科技采纳率则以数字化服务比例（如数字化业务占银行总业务的比例）为指标，显示银行在整体业务中应用金融科技的广度和深度。这两个变量共同反映银行在金融科技领域的活跃程度和实际应用水平，对于理解金融科技如何影响银行的风险承担具有关键意义。

中介变量考虑了市场竞争度和客户行为变化两个方面。市场竞争度通过市场份额指标来衡量，反映银行在整体金融市场中的竞争地位和影响力。客户行为变化则以数字渠道交易量为指标，量化客户利用数字化服务进行交易的程度。中介变量帮助理解金融科技如何通过改变市场结构和客户偏好，间接影响银行的风险状况。通过分析市场份额和数字渠道交易量，可以揭示金融科技在市场竞争和客户行为层面对银行风险管理的影响。

控制变量包括银行规模、资产质量和管理效率，以排除这些因素对研究结果的潜在影响。银行规模通常通过总资产来衡量，反映银行的市场占有率和业务范围。资产质量则通过不良资产比例等指标评估，显示银行资产的健康状况。管理效率常用成本收入比等指标来判定，代表银行运营的效率和成本控制能力。控制变量有助于确保实证分析的准确性和可靠性，确保研究结果的有效性。

具体如表1所示。

3.1.3 描述性分析

如表2所示，YNPL均值为13.12，标准差为1.88，显示出相对中等程度的变化；最小值为9.59，最大值为21.54，表明信贷风险在不同银行之间有较大差异。YOER均值为7.12，标准差为1.63，这反映出中等水平的波动。运营风险的范围（最小值3.99至最大值12.12）进一步表明各银行间在运营风险管理上存在显著差异。XTI均值为1.53，标准差0.76，显示出相对较小的波动，这表明大多数银行在金融科技投资上持有相对一致的态度。XDSR均值2.59，标准差较小（0.13），说明大多数银行在数字服务的采纳上趋于一致。MMS均值11.72，标准差0.43，表明市场份额在不同银行间相对稳定。MDTV均值为1.54，标准差为0.38，显示出一定程度的变化，反映了不同银行在吸引数字交易方面的差异。CTA均值为2.33，最大值高达88.56，显示了巨大的差异，这可能表明一些银行的规模远大于其他银行。CAQR的波动较大（标准差17.30），表明不同银行的资产质量存在显著差异。CCIR虽然均值为8.20，但标准差为3.47且最小值为负值（-3.07），这表明银行之间在成本效率方面存在显著差异。

3.1.4 模型设定

为分析金融科技对商业银行承担风险的直接影响，构建如下面板数据回归模型：

Yit=α+β1Xit+β2Mit+β3Cit+μi+εit

其中，Yit表示第i家银行在时间t的风险指标，Xit是金融科技相关变量，Mit和Cit分别代表中介变量和控制变量。μi是银行特定的固定效应，εit而是误差项。

为探讨金融科技對银行风险的间接影响，构建如下模型：

Yit=α+β1Xit+β2Mit+β3Xit×Mit+β4Cit+μi+εit

其中，Xit×Mit是交互项，用于捕捉金融科技投资和市场/客户行为变量之间的相互作用对风险的影响。

3.2 实证分析及结果

表3显示的是金融科技对商业银行承担风险影响的基准回归结果。YOER、XTI、XDSR、MMS、MDTV在不同模型下的系数及标准误显示了金融科技与商业银行风险类型之间的关系。各变量在不同模型下表现出不同程度的显著性。XTI在混合回归模型中显示显著的负关系，暗示金融科技投资可能降低了某些类型的银行风险。相反，在系统GMM和差分GMM模型中，其影响不显著或呈现出正相关性。XDSR在混合回归模型中显示显著的负相关性，而在其他模型中影响不显著或呈现出正相关性。这表明其对风险的影响可能受到模型选择的影响。MMS、MDTV在多个模型中表现出一定的显著性，但其影响方向和程度在不同模型中有所不同。CAQR和CCIR在某些模型中显示显著性，但其影响的方向和大小在不同模型中也有所不同，这可能表明它们对风险的影响受到多种因素的影响。L1.YNPL在系统GMM和差分GMM模型中显著，表明过去的风险水平对当前风险有显著影响。常数项在多数模型中显著，表明除了模型中考虑的变量外，还有其他因素影响了银行的风险水平。模型的解释力（R方）、F检验、Hausman检验、AR（2）检验和Hansen检验的结果为模型的选择和有效性提供了额外的信息。

4 研究结论与建议

本研究通过对商业银行数据的实证分析，深入探讨了金融科技对商业银行风险承担的影响。分析结果显示，金融科技投资对降低商业银行的运营风险具有显著影响，表明金融科技的应用可以有效地优化银行的风险管理和运营效率。同时，数字服务采纳率与风险指标之间的联系在不同的模型中表现出不同的趋势，表明不同的金融科技应用和实施策略对银行风险的影响存在差异。此外，市场份额和数字交易量等变量在部分模型中显示出显著性，暗示市场环境和客户行为的变化可能是影响银行风险水平的重要因素。

基于研究结果，提出以下建议：

第一，加强金融科技投资。商业银行应持续投资于金融科技，以持续提升其综合竞争力。如投资于人工智能、大数据分析、区块链和云计算等，银行能显著提高其运营效率和风险管理能力。此外，关注并适时采用新兴技术有助于优化现有业务流程，帮助银行开发创新的金融产品和服务，从而在激烈的市场竞争中保持领先地位。

第二，优化风险管理策略。银行应利用金融科技工具，如先进的数据分析和机器学习算法来识别、评估和管理风险。此外，银行还应采用金融科技提高其对欺诈行为和洗钱活动的监测能力。总体而言，通过利用金融科技工具，银行不仅能够更有效地管理风险，还能提升其服务效率和客户体验。

第三，细分市场和客户策略，是提升银行服务质量和客户满意度的关键。通过金融科技，银行能够收集和分析大量的客户数据，从而深入理解不同客户群体的特定需求和行为模式，使得银行可以设计更加个性化和针对性的产品和服务，例如，为年轻客户提供便捷的移动银行服务，或为高净值客户设计定制化的理财方案。不仅增强了客户体验，也有助于提升客户忠诚度和银行的市场竞争力。

第四，加强监管合规和数据安全。随着金融科技的应用日益广泛，银行必须加强内部数据保护机制，采用先进的加密技术和网络安全措施来保护客户数据免遭泄露和滥用。同时，银行应持续跟踪和遵守监管机构的最新规定，确保所有金融科技应用和操作都符合法律法规要求。

第五，持续监控市场动态。银行应持续关注市场环境的变化，灵活调整策略，以应对潜在的市场风险，包括密切关注经济指标、市场趋势、政策变化和竞争对手行为。通过实时数据分析和市场情报，银行可以及时调整其业务策略和风险管理措施，以有效应对市场波动和潜在风险，灵活且前瞻性的市场监控使银行能够迅速适应环境变化，保持竞争力和财务稳健。

综上所述，金融科技的发展为商业银行带来了新的机遇和挑战。银行需在保证风险可控的前提下，积极拥抱金融科技，不断创新服务模式，以提升整体运营效率和市场竞争力。

【参考文献】

【1】王蕊，杨顺晶.数字金融对商业银行风险承担的影响研究——基于中国银行业的实证分析[J].上海立信会计金融学院学报，2022，34（01）：29-43.

【2】陈浩然.互联网金融对商业银行风险承担的影响——基于动态面板GMM模型的实证分析[J].平顶山学院学报，2021，36（05）：96-103.

【3】梁方，赵璞，黄卓.金融科技、宏观经济不确定性与商业银行主动风险承担[J].经济学（季刊），2022，22（06）：1869-1890.

【4】孙丽，於佳欢.金融科技发展与商业银行风险承担：影响机理及实证检验[J].南方金融，2022（11）：50-64.