金融科技发展对商业银行风险防控的影响

董晓林 吴之伟 陈秋月

内容提要 商业银行是中国金融最重要的组成部分，其风险防控对维护我国金融体系的稳定性具有举足轻重的作用。在当前数字经济的背景下，深入研究金融科技发展对商业银行风险的影响效应及其作用机制，对促进商业銀行数字化转型、完善风险监管政策、防范整体金融风险具有重要的理论和现实意义。基于2010—2020年176家商业银行的非平衡面板数据，运用Python网络爬虫技术构建商业银行金融科技指数，实证分析金融科技发展对我国商业银行个体风险与系统性风险的影响。研究表明，金融科技既能显著降低商业银行自身个体风险，又能抑制系统性风险。此外，金融科技对商业银行风险的影响存在异质性，金融科技发展降低了非系统重要性银行的系统性风险，增加了系统重要性银行系统性风险。机制分析发现，金融科技对银行个体风险的影响通过杠杆率渠道和风险承担渠道产生作用，而对银行系统性风险的影响仅通过杠杆率渠道传导，风险承担渠道机制的作用效果不显著。

关键词 金融科技 个体风险 系统性风险 系统重要性银行

董晓林，南京农业大学金融学院教授，江苏农村金融发展研究中心主任

吴之伟，南京农业大学金融学院博士研究生

陈秋月，南京审计大学政府审计学院讲师

本文为国家自然科学基金面上项目“金融科技背景下农村金融机构数字化发展机制与普惠效应研究”（72073067）、“中国农村数字金融的发展机制和效应：基于实验经济的研究”（71973064）的阶段性成果。

一、研究背景

习近平总书记在党的二十大报告中强调，“防范金融风险还须解决许多重大问题”，“要加强和完善现代金融监管，强化金融稳定保障体系，依法将各类金融活动全部纳入监管，守住不发生系统性风险底线”。2017年的全国金融工作会议就提出打好防范化解重大风险攻坚战，重点是防控金融风险。随后，党的十九大报告进一步将防范和化解系统性金融风险提到了更为重要的历史性高度，各级金融监管部门相继制定实施方案并开展专项整治计划。2019年中国人民银行金融稳定工作会议将“防范化解金融风险，特别是防止发生系统性金融风险”确定为今后金融工作的根本性任务。新冠肺炎疫情暴发后，伴随着全球贸易受阻和经济下行压力加剧，我国防范控制金融风险面临更加严峻的考验。

银行业作为我国金融体系的主体，其资产规模占我国金融资产总量的80%以上，在集中大部分金融资源的同时亦聚集了大量金融风险，在金融发展与风险防控中的地位举足轻重。即使是规模较小的非系统重要性银行，其风险一旦具备涉众性或传染性，在内外冲击的作用下就可能导致个体风险系统化[1]，并引发连锁反应和同业恐慌，严重影响金融市场的安全与稳定。因此，在当前全球经济发展不确定性增加与国内金融深化改革的现实背景下，如何有效防控商业银行金融风险显得尤为重要。随着技术驱动的金融创新不断涌现，金融科技与传统金融服务交叉融合，深刻影响了传统银行业的业态。近年来，为应对急剧变化的市场竞争环境，商业银行纷纷强化金融科技应用、推进银行数字化转型。金融科技发展对商业银行的影响成为现阶段金融监管部门、学术界乃至整个社会关注的热点问题。大数据、云计算、人工智能和区块链等创新科技与金融深度融合，金融科技在降低交易成本、减少信息不对称方面具有天然优势，有助于提高银行经营绩效[2]。然而，金融科技带来的不仅是机遇和发展，还伴随银行数字化转型蕴含的金融科技新风险。

关于金融科技发展对银行风险防控的影响研究存在一些争议。一方面，已有研究普遍认为外部金融科技发展给传统银行的资产端、中间业务及负债端带来了全面的冲击，其通过恶化存款结构和抬高付息成本，显著提高了银行个体风险[3]。刘孟飞等[4]的研究显示外部金融科技增强银行间风险传染效应，从而加剧我国银行业的系统性风险。另一方面，受限于相关数据的不完整，对银行内部金融科技与银行风险关系定量研究不多。Cheng等[5]实证分析发现新兴技术的应用有助于提高银行风险管理效率，从而降低其信贷风险。金洪飞等[6]认为金融科技应用降低商业银行的个体风险，但对于中小银行作用相对较弱。王道平等[7]认为上市银行应用金融科技通过增加银行风险承担、加深银行间关联程度，进而加剧系统性风险。综上，关于金融科技发展对银行风险影响的研究有待进一步深入：第一，已有研究大多从外部金融科技视角出发，鲜有文献定量研究银行内部金融科技发展对其风险防控的影响；第二，已有研究大多集中于银行个体风险层面，或分别探究个体风险和系统性风险的影响因素，综合考虑银行个体风险和系统性风险的研究仍不多见；第三，受到数据可获得性条件的限制，现有的金融科技发展对银行系统性风险影响的研究大多以上市银行为样本，没有涵盖大多数的非上市中小银行。

本文以2010—2020年176家商业银行为样本进行实证分析，具体运用Python网络爬虫技术构建金融科技指数，深入分析金融科技发展对商业银行个体风险和系统性风险的影响、作用机制以及该影响的异质性，研究目的在于以下几个方面：第一，实证分析金融科技对商业银行自身的个体风险和系统性风险的影响及其作用机制；第二，运用SVM算法，模拟非上市银行的系统性风险，更加全面准确地分析我国银行业的金融风险；第三，按照系统重要性程度对商业银行进行分组，检验金融科技对银行个体风险和系统性风险影响的异质性，为我国金融风险的防范化解以及监管部门对银行实施差异化动态监管政策提供理论依据和实证检验。

二、理论分析与研究假设

1.金融科技与银行个体风险

根据金融中介理论，金融交易成本和信息成本推动了金融中介的产生，而信息不对称限制了传统商业银行的进一步发展[1]。大数据、人工智能等创新科技与金融的深度融合，不仅能够促使商业银行实现金融业务和客户活跃行为的有效绑定、实现批量化获客，而且能够收集更多维度的客户信息，描绘更完备、动态的客户画像，从而缓解传统银行业面临的信息不对称难题[2]，提高商业银行的信息甄别能力和信息处理效率，进而减少不良贷款，降低商业银行风险承担水平。同时，商业银行依靠自身客户基础，应用金融科技推进的智能化运营模式[3]，建立符合当下技术快速迭代、场景快速更新的、灵活的数字化风控体系，对于提高银行自身经营效率和降低风险承担水平均有立竿见影的效果[4]。

基于金融功能视角，金融科技可以大大缩短银行与客户之间的时空距离，扩大客户覆盖面，同时配合商业银行多元化的业务、渠道以及产品创新，充分整合金融资源，颠覆传统“存贷汇”经营模式，加快发展中间业務，从而提高银行经营绩效。除了可以挖掘长尾客户带来营业收入的增加，金融科技也大大降低了银行网点布局成本、运营成本以及交易成本。相比于传统业务，银行应用金融科技会有收益加成[5]，能够减少收益搜寻动机，抑制对高风险资产的需求，进而导致风险偏好下降。同时，由于银行经营绩效上升而带来的利润分配是银行增加资本的重要途径[6]，资本的积累和扩张能够降低破产风险并提高银行的风险吸收能力，从而降低银行个体风险[7]。

基于此，本文提出研究假设1：金融科技发展显著降低了商业银行个体风险。

2.金融科技与银行系统性风险

理论角度而言，金融科技对银行系统性风险的影响途径有以下两个方面：

第一，内外冲击导致银行系统性风险，表现为外部实体经济下行带来的信贷风险和内部经营不善导致的破产风险对银行业的冲击。金融科技促进了信息流动，通过数据搜集、信息共享实现信息相互传递，提高商业银行的信息甄别能力和信息处理效率。在信号传递作用下，对存在较高声誉风险或有恶意违约倾向的企业形成有效约束，减少了银行因外部实体企业经营不善而导致的信贷风险。同时，银行信息甄别能力的提升有助于促进信贷资源的优化配置，推进实体企业去杠杆，将错配的信贷资源从僵尸企业中释放出来[1]，能够有效减少由内外冲击引起的信贷风险和破产风险，降低银行风险承担水平，从而抑制银行系统性风险。

第二，冲击后的风险传染和扩散效应导致银行系统性风险与银行结构性特征密切相关。如银行财务杠杆、期限错配以及相互关联性等过高会助推风险的传染和扩散，导致更大的系统性风险[2]。银行应用金融科技实现的财务绩效和利润的增长能有效促进资本增长。资本积累形成的“风险缓冲垫”缓解了个体损失对银行业整体的冲击，降低了风险传染和扩散效应，抑制了银行系统性风险[3]。同时，资本增加可以缓解来自央行的宏观审慎监管压力，遏制银行在遭遇外生冲击后通过卖出资产来达到监管目标的倾向，有效减少去杠杆机制在银行关联性作用下带来的估值踩踏和传染损失[4]，有助于缓释潜在的系统性风险。

基于此，本文提出研究假设2：金融科技发展显著降低了商业银行系统性风险。

3.金融科技对银行个体风险、系统性风险的异质性影响

由于自身资源禀赋、组织架构和市场势力的不同，不同银行的金融科技发展处在不同的阶段，对银行风险影响存在差异。由于银行“太大而不能倒”和“太关联而不能倒”，银行规模越大，自身承担的风险和系统性风险越高。金融稳定委员会（FSB）将规模较大、复杂程度高、一旦发生风险事件将给地区或全球金融体系带来冲击的金融机构定义为系统重要性金融机构（SIFIs）。

国有大型银行为代表的系统重要性银行率先结合自身实际制定金融科技发展战略，大多选择成立金融科技子公司或与其他金融科技公司进行战略合作等方式自行构建金融科技生态圈，可以极大降低风险活动的运营成本，并且应用数字技术可以在短期内获得高额收益。这些行为激励银行减持高风险资产，减少高风险投资行为，降低了银行个体风险。然而，由于以上银行本身业务规模较大，分支机构遍布全国，跨地区、跨银行资金往来频繁，业务联系紧密，金融科技水平的提升加深了系统重要性银行的相互关联性。在面临内部和外部冲击时，银行间的相互关联性加快风险的多渠道传染，在尾部事件发生时会遭受更大的损失，从而加剧系统性风险，金融科技对银行系统性风险的促进作用大于抑制作用。相反，非系统重要性银行大多是城商行和农商行等区域性中小银行，以经营传统信贷业务为主，其自身资源禀赋有限，金融科技发展布局仅停留在技术层面，缺乏组织架构和人才培养方面的规划，金融科技降低个体风险的程度有限。由于经营区域范围主要集中在当地，银行间相互关联紧密程度低，风险传染和扩散效应不显著，金融科技对非系统重要性银行系统性风险的抑制作用大于促进作用。

基于上述分析，本文提出研究假设3：金融科技发展对银行个体风险的影响，无论是对系统重要性银行还是非系统重要性银行均有降低风险的作用；而从对银行系统性风险的影响来看，金融科技发展对非系统重要性银行是降低了风险，而对系统重要性银行是增加了风险。

三、数据、变量与模型设计

1.样本选择与数据来源

本文选取国内176家商业银行作为样本，构建2010—2020年的非平衡面板数据。银行的财务数据来源于ORBIS Bank Focus数据库，并结合Wind数据库和CSMAR数据库相关数据进行补充，宏观经济数据来自国家统计局数据库；上市银行股票价格数据来自Choice金融终端；银行金融科技指数是基于Google搜索引擎，采用网络爬虫技术构建所得，用于衡量微观层面的银行金融科技水平。

2.变量选取

（1）被解释变量：银行个体风险和系统性风险

①个体风险

②系统性风险

借鉴Adrian等[2]的方法，本文使用条件在险价值之差（ΔCoVaR）衡量金融机构的系统性风险，采用分位数回归方法计算ΔCoVaR[3]。为保证分析结果的稳健性，将边际期望损失（MES）作为系统性风险辅助考察变量[4]，该指标将更为极端情况下的潜在损失考虑在内，一定程度可弥补ΔCoVaR的缺陷。

现阶段国内文献在研究银行系统性风险时的研究对象多为上市银行，样本容量大多不超过35家，然而，最新研究表明也要重视中小银行的系统性风险防控[5]。因此，参考张琳等[6]的方法，本文使用SVM算法模拟出非上市银行的系统性风险，对系统性风险展开更加全面的分析。计算得到的ΔCoVaR和MES为负值，取绝对值后，其数值越大代表系统性风险越大。

（2）解释变量

本文构建银行金融科技指数（BankFintech）以衡量银行金融科技的发展水平，参考Cheng[7]、李春涛等[1]的做法，运用网络爬虫技术结合文本挖掘建立银行金融科技指数。具体步骤如下：首先，从金融科技应用领域确定了大数据、数据集、云计算、云服务、人工智能、人脸识别、指纹识别、区块链、移动、互联网、网上、线上共12个关键词[2]；其次，将每个关键词与样本商业银行进行匹配，并在Google新闻中进行分年度搜索，如搜索“工商银行”AND“大数据”，对关键词加以双引号，确保呈现的新闻与关键词精确匹配，再过滤掉与主题无关的新闻；最后，将每年每个银行层面的所有关键词搜索的新闻数量除以每年有关银行的新闻总量，再用变异系数法计算该银行在该年度的金融科技发展水平（BankFintech）指标。

（3）控制变量

借鉴刘忠璐[3]、史仕新[4]的分析，本文选取银行规模（SIZE）、盈利能力（ROA）、流动性水平（DPR）、多样化经营（NII）、银行间关联度（WS）作为银行特征的控制变量；引入货币政策环境（M2）和银行总部所在地级市经济发展水平（GDP）宏觀经济变量控制货币政策和宏观经济周期性的影响。变量的符号和定义见表1。

表2报告了主要变量的描述性统计结果。为了避免极端值的影响，对连续型变量进行了1%的缩尾处理。银行金融科技水平（BankFintech）最小值为0，对应着对某家银行搜索关键词得出年度新闻数目均为0的情况。商业银行系统性风险（ΔCoVaR、MES）均值分别为2.690、2.439，与张肖飞和徐龙炳[5]计算结果相比偏小，主要原因是本文样本包含中小银行拉低了系统性风险的均值。总体来看，银行金融科技发展水平、个体风险和系统性风险均存在一定差异。

3.模型设定

本文建立如下基准回归模型以检验上文假设：

其中，被解释变量RISKi，t包括两个层次风险指标，即银行个体风险和系统性风险；核心解释变量BankFintechi，t表示银行金融科技水平；Controls为系列控制变量；ui和vt控制个体固定效应和时间效应来消除个体和时间差异；εi，t表示随机误差项。β1反映了金融科技发展对个体风险和系统性风险的影响。为检验银行金融科技对个体风险和系统风险溢出的异质性影响，加入交叉项BankFintechi，t×Si得到式（3）。其中，若为系统重要性银行则S取1，非系统重要性银行则S取0[1]。

四、实证结果与分析

1.金融科技、银行个体风险与系统性风险

表3显示金融科技对银行个体风险与系统性风险影响的基准回归结果。列（1）至列（3）中金融科技BankFintech系数均在1%的水平上显著为正，说明金融科技能够显著降低个体风险。表3的列（5）和列（6）报告了金融科技与银行系统性风险的回归结果，列（5）和列（6）中BankFintech系数均在1%的水平上显著为负，表明金融科技能够有效降低系统性风险，减弱个体银行对银行业系统性风险的溢出效应。综上所述，金融科技不但降低了银行个体风险，提升了银行个体的稳健性，而且抑制了银行系统性风险，降低银行系统的脆弱性。

2.异质性分析

在上文基础上，本文进一步分析金融科技对银行个体风险和系统性风险的异质性影响。现阶段，监管当局重点考察的对象是具有系统重要性且系统性风险大的银行，即“大而不能倒”的银行。根据《系统重要性银行评估办法》，将样本分为系统重要性银行和非系统重要性银行，基于式（2）和式（3）的模型检验金融科技对银行个体风险和系统性风险的异质性影响，回归结果分别见表4的Panel A、Panel B。

Panel A中列（1）资本充足率（CAR）作为被解释变量时的交叉项系数不显著，所以在列（4）至列（7）中仅呈现ARWA、CAP为被解释变量的分组回归结果。列（1）中BankFintech系数在1%水平上显著为正，BankFintech×S交叉项的系数为正但是不显著，说明金融科技降低个体风险的影响没有呈现异质性。列（2）BankFintech×S系数显著为负，列（3）BankFintech×S系数显著为正，说明不同类型银行金融科技在降低ARWA和CAP方面呈现出异质性。列（4）至列（7）的分组回归也显示出类似的检验结果：当主体是系统重要性银行时，金融科技能显著降低银行风险承担水平，但不能显著提高银行杠杆率；反之，非系统重要性银行应用金融科技能显著提高银行杠杆率，但不能降低风险承担水平。由此得出以下结论：随着自身金融科技水平的提升，系统重要性银行更倾向于通过降低风险承担水平来降低个体风险，而非系统重要性银行倾向于通过增加银行杠杆率来降低个体风险。可能的原因是：系统重要性银行在金融科技战略规划、科技人才储备和资金投入方面具有优势，金融科技应用能够迅速提升系统重要性银行的风险识别能力，降低表内外风险权重较高资产的持有，改善风险治理结构，减少银行主动风险承担行为[1]。而非系统重要性银行的金融科技发展水平较低，主要经营传统金融业务，主动承担风险的意识弱。金融科技应用降低银行主动风险承担的效果有限，更多是刺激非系统重要性银行存贷款和资本的筹集，通过增加银行杠杆率提高其自身抵御风险能力。

Panel B中列（1）和列（2）的BankFintech系数在1%水平上显著为负，交叉项BankFintech×S系数显著为正，说明金融科技降低系统性风险的作用存在异质性，当主体是系统重要性银行时，金融科技降低系统风险溢出的效果不明显。列（3）和列（4）中BankFintech估计系数均为正，列（5）和列（6）中BankFintech估计系数均在1%水平上显著为负，以上截然相反的两个结果表明，金融科技降低了非系统重要性银行的系统性风险，而提高了系统重要性银行的系统性风险，后者与王道平等[2]的研究结论一致。

综上所述，金融科技对个体风险和系统性风险的影响存在异质性。结合表3的实证结果分析可知，金融科技既能够降低非系统重要性银行的个体风险，又能抑制其系统性风险；而对于系统重要性银行，金融科技水平能够有效降低银行个体风险，却增加了其系统性风险。

3.稳健性检验和内生性处理

为了提高研究结论的可信度，本文做了如下稳健性检验：一是替换变量，使用事后风险承担Z值代替风险加权资产占比ARWA作为银行个体风险指标，综合反映银行风险承担水平；二是更换非上市银行的系统性风险预测模型，用K近邻算法（K-Nearest Neighbor，KNN）和随机森林算法（Random Forest）代替支持向量机算法（SVM）重新模拟非上市银行的ΔCoVaR和MES；三是改变分组标准，根据银行是否上市将样本分为系统重要性银行和非系统重要性银行，再次检验金融科技对银行个体风险和系统性风险的异质性影响。以上稳健性检验的回归结果均与上文一致，说明研究结论是稳健的[1]。

为解决银行金融科技和个体风险、系统性风险之间可能存在反向因果关系导致的内生性问题，首先，选取滞后一期的银行金融科技L. BankFintech和控制变量代替当期值，重新估计金融科技对银行个体风险、系统性风险的影响。回归结果见表5 Panel A。其次，用工具变量法解决内生性问题。参考李建军和姜世超[2]的作法，采用总行所在省份的互联网普及率和移动电话普及率的平均值作为工具变量，采用两阶段最小二乘法2SLS进行估计。该工具变量与银行金融科技发展高度正相关，与银行风险无直接关联，满足工具变量的外生性。第一阶段回归[3]中工具变量的估计系数在1%水平上显著，且F值大于10，说明不存在弱工具变量问题。回归结果见表5 Panel B。第二阶段回归结果均与上文基本一致，说明研究结论依然稳健。

五、金融科技对银行风险的影响机制分析

为了进一步探究金融科技对银行个体风险和系统性风险的影响机制，本文借鉴苏帆等[4]的方法，将资本充足率分解为银行杠杆率（CAP）和风险加权资产占比倒数（ARWA），从杠杆率渠道和风险承担渠道[5]出发，实证检验金融科技如何通过以上两种渠道影响银行个体风险和系统性风险。

1.金融科技对银行个体风险的作用机制检验

根据银行资本渠道理论[1]，银行资本面临负面冲击时，过低的银行杠杆率将传递不利的市场信号导致筹资成本大幅提高，加大了银行风险。Kim等[2]认为在外部环境恶化时，为了提高收益率水平，银行可能配置风险水平更高的资产来主动承担风险。因此，本文在式（2）的基础上引入银行CAP和ARWA指标，构建金融科技对银行个体风险的作用机制模型[3]。

表6中列（1）和列（2）的BankFintech的估计系数显著为正，其中列（1）中ARWA的估计系数和列（2）中CAP的估计系数均显著为正，表明金融科技既能通过杠杆率渠道，又能通过风险承担渠道降低银行个体风险。

2.金融科技对银行系统性风险的作用机制检验

由于监管中的资本要求在进行风险加权权重的选取上不一定客观，所以巴塞尔协议Ⅲ将杠杆率指标作为补充，这有助于抑制银行资产负债表的过度扩张，能够兼顾微观审慎和宏观审慎监管[4]。本文在式（2）的基础上，引入ΔCoVaR和MES指标，构建金融科技对银行系统性风险的作用机制模型。

表6列（3）中ARWA显著为正，列（4）中ARWA的估计系数却不显著，表明金融科技通过风险承担渠道对银行系统性风险的降低作用无效，甚至可能加剧系统性风险，与田娇等[5]的研究结果相一致。列（5）和列（6）中BankFintech和CAP的估计系数均显著为负，反映出杠杆率渠道的传导是显著的。提高银行杠杆率能够抑制风险转移效应，降低银行系统性风险[6]。金融科技通过杠杆率渠道对系统性风险产生显著的抑制效果，体现了杠杆率抵御外生冲击的能力[7]。

总体而言，金融科技通过杠杆率渠道或风险承担渠道降低了银行个体风险和系统性风险，对银行个体风险的影响通过杠杆率渠道和风险承担渠道产生作用，而对银行系统性风险的影响仅通过杠杆率渠道传导，风险承担渠道机制的作用效果不显著。

六、结论与政策建议

在数字技术发展与金融风险防控的双重背景下，本文基于2010—2020年176家商业银行的数据，采用Python网絡爬虫技术构建银行金融科技指数，运用SVM模型模拟构建非上市银行系统性风险指标，实证分析金融科技发展对银行个体风险及系统性风险的影响及其关联机制。研究结论如下：第一，总体上来看，金融科技能够降低银行自身个体风险，同时也有效抑制了系统性风险。第二，不同类型银行的金融科技对风险的影响具有异质性。对于个体风险，金融科技对系统重要性与非系统重要性银行均有降低作用，区别在于系统重要性银行倾向于通过风险承担渠道降低个体风险，而非系统重要性银行倾向于通过杠杆率渠道降低个体风险。对于系统性风险，金融科技显著降低了非系统重要性银行系统性风险，而提高了系统重要性银行系统性风险。第三，金融科技对银行系统性风险的影响主要通过杠杆率渠道进行传导，风险承担渠道机制的作用效果并不显著。对金融科技影响银行风险的总体效应、异质性以及作用路径的分析，有助于我们把握金融科技的发展方向、改进金融科技发展策略、防控银行个体风险以及系统性风险、阻断银行风险发生的路径。以上研究结论的政策启示如下：

第一，在鼓励和支持商业银行发展金融科技的同时，高度重视金融风险的防范，守住不发生系统性风险的底线。银行发展金融科技首先要优化战略布局、创新组织架构、夯实数据基础，同时精准把握技术和业务的价值，结合传统风险控制经验，充分挖掘大数据、云计算等信息技术在降本增效和风险控制方面的发展潜力，提高自身风险识别和风险抵御能力，定期开展压力测试，防范潜在的系统性风险。

第二，商业银行结合自身的发展情况及风控体系，在数字化转型的过程中不断探索防控金融风险的有效路径。商业银行结合自身需求和特色，“因行而异、因时而异”地发展金融科技，不可追随互联网大潮求快冒进，一味求大求全，结合自身资源禀赋、发展特色、政策监管等因素，合理规划金融科技特色化发展战略，确定清晰的数字化方向，扎实推进精细化管理。

第三，监管部门密切关注系统重要性银行的金融科技发展与风险防控，重点监控其风险溢出。引导系统重要性银行稳步发展金融科技，严防因金融科技发展导致的系统性风险外溢，在系统重要性和非系统重要性银行之间建立有效的风险隔离机制，减少系统重要性银行对整体银行业系统性风险的作用，降低风险传染和扩散效应。同时，运用数字技术创新监管手段和监管模式，提高监管能力，建立风险识别、预警与处理机制，提高监管的适配性、及时性和有效性。

第四，持续深化银行体系改革，构建多维度、多层次的银行风险防范体系以应对金融科技对银行风险带来的不利影响。监管部门将金融科技纳入宏观审慎和微观审慎监管框架中，持续开展金融科技业务的风险防范工作，遏制各类风险反弹回潮，充分发挥资本监管和杠杆率监管等审慎监管工具在风险防范方面的作用。进一步强化宏观审慎政策与微观审慎监管的协调配合，充分发挥两者的互补性。

〔责任编辑：吴玲〕

[1]S. Benoit， J. E. Colliard， C. Hurlin， C. Pérignon， "Where the Risks Lie： A Survey on Systemic Risk"， Review of Finance， 2017， 21（1）， pp.109-152.

[2]乔海曙、李颖：《余额宝的鲇鱼效应、存款利率市场化及其应对》，《当代财经》2014年第8期；孙旭然、王康仕、王凤荣：《金融科技、竞争与银行信贷结构——基于中小企业融资视角》，《山西财经大学学报》2020年第6期。

[3]郭品、沈悦：《互联网金融、存款竞争与银行风险承担》，《金融研究》2019年第8期。

[4]刘孟飞、罗小伟：《金融科技、风险传染与银行业系统性风险》，《经济社会体制比较》2022年第3期。

[5]M. Cheng， Y. Qu， "Does Bank Fintech Reduce Credit Risk？ Evidence from China"， Pacific-Basin Finance Journal， 2020， 63： 101398.

[6]金洪飞、李弘基、刘音露：《金融科技、银行风险与市场挤出效应》，《财经研究》2020年第5期。

[7]王道平、刘杨婧卓、徐宇轩、刘琳琳：《金融科技、宏观审慎监管与我国银行系统性风险》，《财贸经济》2022年第4期。

[1]皮天雷、赵铁：《互联网金融：范畴、革新与展望》，《财经科学》2014年第6期。

[2]M. Lin， N. R. Prabhala， S. Viswanathan， "Judging Borrowers by the Company They Keep： Friendship Networks and Information Asymmetry in Online Peer-to-Peer Lending"， Management Science， 2013， 59（1）， pp.17-35； T. Berg， V. Burg， A. Gombovic， M. Puri， "On the Rise of Fintechs： Credit Scoring Using Digital Footprints"， The Review of Financial Studies， 2020， 33（7）， pp.2845-2897.

[3]李昊骅、肖斌卿、龚乐：《商业银行成本收入比与员工效率——基于我国银行业特殊情境的实证》，《江苏社会科学》2018年第5期。

[4]杨东：《监管科技：金融科技的监管挑战与维度建构》，《中国社会科学》2018年第5期。

[5]盛天翔、范从来：《金融科技、最优银行业市场结构与小微企业信贷供给》，《金融研究》2020年第6期。

[6]钟永红：《商业银行核心资本充足率影响因素实证分析》，《国际金融研究》2014年第1期。

[7]F. T. Furlong， M. C. Keeley， "Capital Regulation and Bank Risk-taking： A Note"， Journal of Banking & Finance， 1989， 13（6）， pp.883-891.

[1]張金清、李柯乐、张剑宇：《银行金融科技如何影响企业结构性去杠杆？》，《财经研究》2022年第1期。

[2]R. Engle， E. Jondeau， M. Rockinger， "Systemic Risk in Europe"， Review of Finance， 2015， 19（1）， pp.145-190；吴迪：《货币政策与金融稳定——基于异质性商业银行的宏观经济模型研究》，《江苏社会科学》2018年第1期。

[3]杨子晖、李东承：《我国银行系统性金融风险研究——基于“去一法”的应用分析》，《经济研究》2018第8期。

[4]方意、荆中博：《外部沖击下系统性金融风险的生成机制》，《管理世界》2022年第5期。

[1]顾海峰、张亚楠：《金融创新、信贷环境与银行风险承担——来自2006—2016年中国银行业的证据》，《国际金融研究》2018年第9期。

[2]T. Adrian， M. K. Brunnermeier， "CoVaR"， The American Economic Review， 2016， 106（7）， pp.1705-1741.

[3]L. Laeven， L. Ratnovski， H. Tong， "Bank Size， Capital， and Systemic Risk： Some International Evidence"， Journal of Banking & Finance， 2016， 69， pp.25-34；限于篇幅，ΔCoVaR、MES具体计算过程以及公式推导未予展示，备索。

[4]V. V. Acharya， L. H. Pedersen， T. Philippon， M. Richardson， "Measuring Systemic Risk"， The Review of Financial Studies， 2017， 30（1）， pp.2-47.

[5]S. Benoit， J. E. Colliard， C. Hurlin， C. Pérignon， "Where the Risks Lie： A Survey on Systemic Risk"， Review of Finance， 2017， 21（1）， pp.109-152.

[6]张琳、汤薇、林晓婕、周媛：《基于SVM-SRISK的非上市保险公司系统性风险度量》，《保险研究》2018年第6期；郭桂霞、于丽洁、张尧：《我国商业银行系统性风险影响因素及作用机制——以或有资本债券为例》，《中国软科学》2021年第10期。

[7]M. Cheng， Y. Qu， "Does Bank FinTech Reduce Credit Risk？ Evidence from China"， Pacific-Basin Finance Journal， 2020， 63： 101398.

[1]李春涛、闫续文、宋敏、杨威：《金融科技与企业创新——新三板上市公司的证据》，《中国工业经济》2020年第1期。

[2]关键词的选取依据中国信息通信研究院发布的《中国金融科技生态白皮书》中对金融科技的赋予的内涵。

[3]刘忠璐：《互联网金融对商业银行风险承担的影响研究》，《财贸经济》2016年第4期。

[4]史仕新：《商业银行中间业务的系统性风险效应》，《财经科学》2019年第3期。

[5]张肖飞、徐龙炳：《金融衍生工具与银行系统性风险》，《国际金融研究》2020年第1期。

[1]系统重要性银行的划分参考人行和银保监印发的《系统重要性银行评估办法》（银发〔2020〕289号）。

[1]方意：《货币政策与房地产价格冲击下的银行风险承担分析》，《世界经济》2015年第7期。

[2]王道平、刘杨婧卓、徐宇轩、刘琳琳：《金融科技、宏观审慎监管与我国银行系统性风险》，《财贸经济》2022第4期。

[1]限于篇幅，稳健性检验的回归结果未予展示，备索。

[2]李建军、姜世超：《银行金融科技与普惠金融的商业可持续性——财务增进效应的微观证据》，《经济学（季刊）》2021第3期。

[3]限于篇幅，2SLS的第一阶段回归结果省略。

[4]苏帆、于寄语、熊劼：《更高资本充足率要求能够有效防范金融风险吗？——基于双重差分法的再检验》，《国际金融研究》2019年第9期。

[5]本文只讨论银行资本结构中的杠杆率（等于资本/资产，即银行杠杆率或资本资产率），不讨论其他杠杆率指标。

[1]S. J. Van den Heuvel， "Banking Conditions and the Effects of Monetary Policy： Evidence from US States"， The BE Journal of Macroeconomics， 2012， 12（2）， pp.1-29.

[2]D. Kim， A. M. Santomero， "Risk in Banking and Capital Regulation"， The Journal of Finance， 1988， 43（5）， pp.1219-1233.

[3]限于篇幅，金融科技对银行个体风险、系统性风险的作用机制模型省略。

[4]谢平、邹传伟：《金融危机后有关金融监管改革的理论综述》，《金融研究》2010年第2期；范小云、王道平、方意：《我国金融机构的系统性风险贡献测度与监管——基于边际风险贡献与杠杆率的研究》，《南开经济研究》2011年第4期。

[5]田娇、王擎：《银行资本约束、银行风险外溢与宏观金融风险》，《财贸经济》2015年第8期。

[6]方意：《货币政策与房地产价格冲击下的银行风险承担分析》，《世界经济》2015年第7期。

[7]方意：《系统性风险的传染渠道与度量研究——兼论宏观审慎政策实施》，《管理世界》2016年第8期。