金融科技发展的股票市场系统性风险研究

何 剑,许 芳

(新疆财经大学 金融学院,新疆 乌鲁木齐 830012)

一、引 言

股票市场作为金融市场的核心组成部分,也是宏观经济的“晴雨表”。中国股票市场因散户众多、缺乏足够的长期资金和机构投资者、非理性投机行为多等特点,易引发高风险而备受关注,股票之间的高度关联为风险传染提供可能,极易导致股市系统性风险的爆发,对整个金融市场乃至整个经济系统影响巨大。中央政府高度重视防范化解系统性金融风险、维护金融市场稳定的问题。习近平总书记反复强调“防范化解系统性金融风险”是金融工作的根本任务和永恒主题,党的二十大报告进一步提出“牢牢把握不发生系统性风险的底线,维护好国家的金融稳定和金融安全”的要求。当前,国际金融市场动荡不安,乌俄冲突持续升温,而国内经济发展面临需求不足的压力,给中国金融安全和金融稳定带来严峻挑战。历次股市大幅波动的经验教训也表明,股市稳定作为金融稳定的一部分,对于金融稳定和经济长期增长至关重要。在此背景下,准确衡量股票市场系统性风险水平,把握股票市场系统性风险形成规律和传染机制,有效识别风险防范难点,进而维护股票市场稳定、国家金融稳定与安全显得尤为重要而且迫切。

近年来,基于大数据、云计算、人工智能、区块链等一系列技术创新的金融科技,在全球范围内迅速崛起,广泛应用于各大金融领域,在改善信息不对称、提升企业风险承担等方面优势显著,不仅能增强股票市场稳定性而且为股票市场注入了源源不断的“活水”。金融科技在改变传统金融业态的同时,也暴露出潜在的风险隐患,出现金融科技各业务部门间混业经营导致的风险传染、P2P平台“大崩盘”集中暴雷等问题。当然,金融创新具有两面性,在暴露风险隐患的同时也助力了金融风险管理。大数据完善金融风险管理的覆盖度,人工智能和区块链提升金融风险管理的准确性和针对性,使交易双方信息更加全面化,有利于打开股票市场价格“黑箱”,提升市场信息效率和价格发现效率,避免投资者非理性情绪、市场交易信息不透明引发的股票市场风险。可见,随着金融科技各业务部门混业经营并在各金融领域广泛应用,逐渐深入股票市场,风险易发也难防范,风险冲击后容易产生短期的过度反应行为,引发股市异常波动及风险传染,而金融科技板块作为最先波及的板块,对防范股票市场系统性风险造成较大难度。因此,金融科技板块的系统性风险问题已成为亟待重视的核心问题。

金融科技上市公司在股票市场的交易数据能直接反映中国金融科技行业市场态势及预测行业未来发展趋势[1],揭示金融科技板块快速发展带来的股票市场风险隐患与面临的新机遇。金融科技板块风险如果得不到及时、妥善处理,很可能迅速传播到股票市场,引发股票市场系统性风险。为了更好地掌握金融科技发展方向,预测并未雨绸缪地防范金融科技板块系统性风险,本文探究主营业务为金融科技的上市公司风险水平,梳理出金融科技对其股票市场系统性风险的作用机制,以期为投资者和监管方预判金融科技板块系统性风险提供参考依据,对现阶段防范化解股票市场系统性风险、维护股票市场稳定以及确保金融安全意义重大。

本文可能的贡献:一是创新性地以金融科技业务部门分类构造金融科技上市公司样本,将金融科技与上市公司、金融科技与股票市场紧密结合,探究金融科技板块系统性风险。尽可能全面掌握金融科技行业在股票市场的发展态势,把握金融科技发展方向,预测金融科技板块系统性风险,以期为风险监管提供微观层面的分析视角和数据支撑。二是探究金融科技对其股票市场系统性风险的影响,包括作用机制、异质性等,挖掘背后的深层次原因,丰富当前防范金融科技等新兴产业的系统性风险研究成果。

二、文献综述与研究假设

(一)金融科技与其股票市场系统性风险

部分学者认为金融科技引发了股票市场系统性风险。从金融科技发展来看,金融科技的去中心化技术因节点太多而导致“太多而不能倒”的风险[2],并通过增加金融体系的杠杆率,导致股票市场异常波动和经济顺周期性,放大了股票市场的系统性风险。此外,金融科技的大规模运用同样放大了股票市场风险,包括技术加深的技术性风险、交易对象分散的“长尾”风险以及金融机构关联潜在的系统性风险[3],对整个金融体系造成巨大冲击。对于金融科技企业而言,自动化的算法交易带来无法预估的股票市场风险传染,当算法关联度较高或资产价格变动较敏感时,导致股票市场异常波动带来股票市场系统性风险[4]。从金融科技各业务部门来看,一是以余额宝为代表的互联网金融因监管体系不完善加剧了股票市场系统性风险[5];二是以比特币为代表的加密数字货币与股票市场存在价格联动,比特币市场风险可以传导至股票市场,增加股票市场系统性风险[6];三是在智能投顾的过程中,相同或类似算法和策略的程序化交易,导致交易行为趋同从众的“羊群效应”,出现集中抛售和挤兑现象,导致“踩踏”致市场局部恐慌,此时,风险溢出迅速扩散至股票市场引发股票市场系统性风险[7]。也有部分学者意见并不一致,认为金融科技抑制了股票市场系统性风险。从金融科技整体来看,金融科技有助于矫正股票错误定价问题,减少股价“暴跌暴涨”现象和股市投机行为,缩小股价波动幅度[8],从而降低股票市场风险。从金融科技各业务部门来看,互联网金融平台的充裕现金流流入股票市场,有利于股票市场的蓬勃发展[9];数字金融能够有效抑制股价崩盘风险[10];数字货币长期出现抑制股市风险波动的表征[11],从而降低股票市场系统性风险。金融科技作为不断上升的新兴产业和日益占比较重的板块,逐步成为股票市场重要组成部分。金融科技引发或抑制的系统性风险,最先波及或助益金融科技板块,其次才是整个股票市场。

金融市场波动来源于不同维度的信息关联,包括宏观政策面、经济基本面、投资者情绪面等,当信息出现不同维度的交织、传导时,投资者会作出相同投资决策,引起金融市场共振。其中,股票市场因风险水平较高、市场参与者众多、投资者情绪波动以及市场内部的复杂性等特点成为系统性风险传染源头,而金融科技板块创新和风险并存,以网络融资和区块链技术、互联网和移动支付为主要风险源头并具风险传染性,并且,作为股票市场日益占比较重的板块,亦成为系统性风险传染源头,故有效防范化解金融科技板块、整个股票市场系统性风险是金融市场风险防范治理的重要环节[10]。就中国而言,金融科技上市公司个股价格、金融科技行业指数大幅下跌等单一风险事件发生后,风险迅速蔓延至整个金融科技板块,引发金融科技板块系统性风险。金融科技为降低其股票市场系统性风险提供了全新解决方案。虽然金融科技各业务部门存在风险隐患,比如2018年P2P集中“暴雷”、2020年新冠疫情后互联网消费金融遭受冲击等,导致风险水平出现阶段性高峰,可能是新旧转换技术未成熟时产生系统性风险的累积作用[12]。但对于金融科技整体而言,一是“去中心化”极大降低了传统金融的集中度,避免单个金融科技上市公司或单一金融科技业务部门对金融科技板块产生的负面冲击;二是凭借“技术+数据”双轮驱动的技术优势,对股市潜在风险交易和违法违规行为进行实时监控[13],提高金融科技板块风险治理能力;三是大数据、区块链、人工智能等技术广泛应用于各个领域,通过获取全方位股票市场数据信息、改善银行尽职调查以及提供个性化金融服务等手段,全面提高金融服务的覆盖面、针对性和准确性,助力金融科技板块风险管理。综上所述,金融科技各业务部门虽产生风险的累积作用,但存在阶段性特征。随着技术的不断发展和提高,在金融科技模式构建与模式转型过程中(从1.0走到了3.0并走向4.0),更加注重防范系统性风险。而金融科技整体广泛应用于各领域,扩大金融服务覆盖面,提升金融资源配置效率,从而促进金融系统的稳定性。因此,金融科技对其股票市场系统性风险的抑制作用可能大于累积作用进而呈现总体抑制趋势。故基于以上分析,提出如下假设:

假设1:金融科技抑制了其股票市场系统性风险。

(二)信息效应:金融科技、信息透明度与其股票市场系统性风险

在股票市场中,交易双方信息不透明、不对称是实施信息操纵的基本前提,不实、扭曲甚至虚假的信息为股票市场埋下风险隐患。代理理论很好地解释了公司管理层信息操纵行为对股票市场系统性风险的影响。首先,公司管理层最为普遍的信息操纵手段是蓄意隐瞒坏消息,负面消息的积累加深至上限,冲击股价,为股票市场埋下风险隐患[14]。其次,公司管理层存在夸大披露正面消息的行为,投资者高度预期公司未来发展前景,一旦公司业绩达不到投资者心理预期或者夸大的正面消息被曝光,负面冲击股价,导致股票市场风险增加[15]。最后,由于中国股市散户众多,金融知识素养呈差异化,大多投资者难以辨别信息的真伪,进而无法获取与股价相关的有效信息。当股票收益暴涨造成投资者情绪高涨时,“羊群效应”使其竞相购入受操纵股票,一旦情绪回落经过理性分析后,公司股价大幅下跌,股价崩盘增加了股票市场风险[16]。股票价格跌涨的核心原因是供给与需求的变化,一旦个股股价、股市行业指数大幅下跌等单一风险发生,风险迅速蔓延至整个股票市场,从而爆发股票市场系统性风险[17]。对此,金融科技基于新一代信息技术手段,全面应用于各大金融领域,一是催生出更高效的信息机制和拓展出全新的信息应用领域[18],主动捕捉信息源,提高信息获取的精准度、真实性以及信息流的转化率,并在降低信息成本(搜寻、交易)中发挥着重要作用,从而增强个人、企业信息获取能力,提升股票市场的信息透明度[19],此外,金融科技改善了股票市场信息环境,使管理层无法实施信息操纵,避免负面消息导致的股票市场异常波动[10];二是金融科技扩大了股票市场的信息吸纳透明度,机构投资者掌握的私有信息完全融入股价,能充分、及时反映公司、行业和市场特质信息[20],股价同步性较低,提升了股票市场信息透明度和定价效率[21],从而降低股票市场系统性风险。而金融科技抑制股票市场系统性风险的利好最先受益的应是金融科技板块。综上所述,金融科技在大数据、人工智能等先进技术支持下发挥信息优势,在全新的信息应用领域和高效的信息机制下,以较低的信息成本与风险处理海量数据,增强信息获取能力和改善信息环境,规避逆向选择与道德风险问题,实现对管理层的有效监督,从而提升金融科技板块市场交易信息透明度和信息吸纳透明度。因此,金融科技能发挥信息效应来改善市场交易信息透明度,从而降低其股票市场系统性风险。基于以上分析,提出如下假设:

假设2:金融科技通过提升市场交易信息透明度,从而降低其股票市场系统性风险。

(三)风险承担效应:金融科技、风险承担与其股票市场系统性风险

企业风险承担是金融科技上市公司投融资决策的综合体现,也是企业价值、企业业绩评价的重要指标,对企业发展和经济增长产生影响。此外,在信息不对称和代理冲突的影响下,企业风险承担对资产定价、金融市场稳定也产生一定影响,特别是股票市场(金融科技板块)稳定。究其原因,金融科技概念股是以金融科技为主营业务的上市公司发行上市的股票,属于金融科技板块,单一风险迅速蔓延至股票市场,最先波及金融科技板块,引发金融科技板块系统性风险。因此,金融科技上市公司风险承担的提高是否及如何影响金融科技板块系统性风险值得探究。有学者研究表明,企业风险承担行为将加剧个股的崩盘风险,但会降低系统性崩盘风险[22],抑制股票市场系统性风险。一是股票流动性。股票流动性影响股价中的信息含量与正确性,金融科技上市公司股票流动性强意味着投资者能以最低成本、最优价格的绝对优势快速完成大宗股票的交易,对股票的信息含量要求较高,促进企业特质信息融入股票价格中,提高股价信息含量,从而降低金融科技板块系统性风险的爆发概率。并且,股票流动性影响股东监督意愿,股票流动性的上升使管理层积极履行风险承担并提高公司治理水平,有效抑制金融科技上市公司代理冲突。这要求管理者必须对股价变动所体现的信息含量具有高度敏感性,方能理性处理未预期信息并避免“羊群效应”,企业风险承担行为助力企业价值的提升,从而降低金融科技板块系统性风险。二是代理冲突问题。根据代理理论,管理层趋于利己、风险规避的动机影响其投资风险的选择以及风险承担的行为。高风险承担水平的金融科技上市公司资本性支出更高,能够充分利用投资机会,降低企业自由现金流及潜在的代理冲突,并且,带来大量创新投入和高涨的创新积极性,有助于提升金融科技上市公司资产和销售增长、利润、业绩以及竞争优势,带来更好的发展前景,从而降低系统性崩盘风险,抑制金融科技板块系统性风险。而金融科技基于大数据、云计算、人工智能、区块链等一系列技术创新,发挥信息效应来缓解信息不对称,从而提升企业风险承担水平[23]。一是金融科技以低成本和低风险处理海量数据,弱化管理层的风险规避倾向,有意愿投资高风险、高收益投资项目,从而提升企业风险承担水平。二是金融科技利用数据挖掘技术及时获取、整合信息,通过信息处理、监测以及风险控制,筛选与识别投资项目相关的有效信息,降低信息获取成本并提高数据质量,避免因信息不对称而错失投资机会,做出科学风险投资决策。此外,金融科技减少因信息不对称导致的逆向选择与道德风险问题[24],进一步提升企业风险承担。综上所述,金融科技在依靠前沿信息技术手段和精准识别有效信息的优势下,减少由于信息不对称所导致的管理层风险投资行为、逆向选择及道德风险问题,从而提升企业风险承担水平。在信息不对称和代理冲突的影响下,股票流动性的上升使管理层积极承担风险并提高公司治理水平,有效抑制金融科技上市公司代理冲突,理性处理未预期信息并避免“羊群效应”,企业风险承担行为助力企业价值的提升,从而降低金融科技板块系统性风险。高风险承担水平的金融科技上市公司资本性支出更高,能够充分利用投资机会,降低企业自由现金流及潜在的代理冲突,并且,带来大量创新投入和高涨的创新积极性,有助于提升金融科技上市公司资产和销售增长、利润、业绩以及竞争优势,带来更好的发展前景,从而降低金融科技板块系统性风险。因此,金融科技能发挥风险承担效应来提升企业风险承担水平,从而降低其股票市场系统性风险。基于以上分析,提出如下假设:

假设3:金融科技通过提升企业风险承担水平,从而降低其股票市场系统性风险。

基于以上分析,构建金融科技发展与股票市场系统性风险研究框架图(见图1)。

图1 金融科技发展与股票市场系统性风险研究框架图

已有研究发现金融科技对股票市场系统性风险、企业风险、银行风险等方面的影响存在异质性,本文为了检查研究结果是否具有可合并性,与理论结果是否相符,故在已有研究基础上,分样本检验金融科技对其股票市场系统性风险的异质性影响。

三、研究设计

(一)研究样本与数据来源

本文使用的数据包括:(1)度量金融科技上市公司在股票市场的系统性风险的数据(公司的日收益率、行业指数收益率、沪深300指数收益率、沪深300指数波动情况)均来源于万得数据库(Wind);(2)金融科技发展水平运用网络爬虫技术(Python)爬取得到,该数据来源于百度高级搜索;(3)公司财务数据来源于国泰安数据库(CSMAR),该数据被用于构造本文的控制变量。

本文借鉴Zheng等依据中国金融科技企业数据库业务分类标准,把金融科技分为14个业务部门(1)金融科技14个业务部门分别为互联网银行、互联网券商、互联网保险、互联网基金销售、互联网资产管理、互联网小额商业贷款、互联网消费金融、P2P、金融信息服务、众筹、金融基础设施、数字货币、支付及信用评估与征信。,与万得数据库中金融科技相关概念股板块进行匹配,按照市值大小排序[12],最终选取2012年1月1日至2021年12月31日125家A股金融科技上市公司作为研究对象。该样本区间可以反映金融科技飞速发展十年的变化,该阶段金融和科技逐步深度融合推动金融业务提质增效,不断涌现出新理念、新技术的金融创新。此外,金融科技发展水平与上市公司按照时间和地区匹配、股票市场数据与上市公司按照时间和公司匹配,最终完成金融科技发展水平与股票市场数据在时间和空间上的匹配性,能够在一定程度上代表金融科技板块。

(二)变量设计

1.被解释变量

金融科技板块系统性风险(CoVaR)。关于条件在险价值的风险度量方法主要有CoVaR、ΔCoVaR、MES等,由于自身鲁棒性和对极端情形下尾部风险的较好捕获,CoVaR与ΔCoVaR成为当前系统性风险的主流测度方法之一,主要包括分位数回归法、GARCH模型法等。由于分位数回归CoVaR法能确保回归模型的有效性、稳健性,对分布的假设要求低且精准刻画分布的尾部特征等优点,可以很好地从整体上度量金融科技上市公司对其股票市场系统的风险贡献。故本文选取金融科技上市公司的股票日收益率作为上市公司股票收益情况,以行业内各企业股票收益率加权平均值作为股票市场(金融科技板块)系统指标,沪深300指数股票收益率和沪深300指数股票波动情况作为状态变量,借鉴贾凯威等、罗长青等采用分位数回归CoVaR法度量金融科技上市公司在其股票市场的系统性风险[25-26]。具体变量定义如表1所示。

2.核心解释变量

金融科技发展水平(Fintech)。目前关于金融科技的度量主要有“文本挖掘法”构建的金融科技指数、北京大学数字普惠金融指数两种[18,27]。本文运用网络爬虫技术(Python),利用百度新闻高级检索功能,爬取地级市或直辖市层面金融科技相关关键词的结果数量,以衡量上市公司所在地区的金融科技发展水平,同时,采用数字普惠金融指数(Index)对金融科技发展水平进行稳健性检验。

3.中介变量

一是信息透明度(SYN),借鉴王亚平等的做法,运用模型(ri,t=β0+β1rm,t+β2r1,t+εi,t,其中:ri,t、rm,t、r1,t分别表示第t周个股收益率、市场收益率以及行业收益率)估计个股的R2(拟合优度)进行对数化,得到股价同步性用以衡量市场交易信息透明度[28]。该值越大,表明难以从股价中获取公司信息,市场交易信息透明度越差。二是企业风险承担(Risk),借鉴余明桂等的做法,使用企业盈利波动性(即资产收益率ROA的三年(t～t+2)滚动标准差)作为衡量企业风险承担的指标[29]。计算公式为:

4.控制变量

本文控制公司层面对股票市场收益和风险产生的影响,具体包括上市年限(Age)、股权集中度(Top5)、成长性(Growth)、机构投资者持股比例(Institution)、产权属性(SOE)、每股收益(Eps)、公司规模(Size)以及盈利能力(ROA),还控制了年度效应和行业效应。具体变量定义如表2所示。

表2 公司层面相关变量及定义

(三)模型设计

1.基准回归:金融科技与其股票市场系统性风险

为了验证假设1,构建如下模型:

CoVaRi,t=α0+α1Fintechi,t+∑CVi,t+∑YEAR+∑IND+εi,t

(1)

其中,i表示第i家金融科技上市公司,t表示第t年;CoVaR为金融科技板块系统性风险,取0.05分位;核心解释变量Fintech为金融科技发展水平;在控制变量组CV中,包含了上述控制变量集;控制了年度和行业效应;ε为模型随机误差项。

2.信息效应:金融科技、信息透明度与其股票市场系统性风险

为了检验假设2,金融科技通过提升市场交易信息透明度,从而降低其股票市场系统性风险。在模型(1)的基础上,构建如下中介效应模型(2)、(3):

SYNi,t=α0+α1Fintechi,t+∑CVi,t+∑YEAR+∑IND+εi,t

(2)

CoVaRi,t=α0+α1Fintechi,t+α2SYNi,t+∑CVi,t+∑YEAR+∑IND+εi,t

(3)

其中,SYN表示市场交易信息透明度。

3.风险承担效应:金融科技、风险承担与其股票市场系统性风险

为了检验假设3,金融科技通过提升企业风险承担水平,从而降低其股票市场系统性风险。本文在模型(1)的基础上,构建如下中介效应模型(4)、(5):

Riski,t=α0+α1Fintechi,t+∑CVi,t+∑YEAR+∑IND+εi,t

(4)

CoVaRi,t=α0+α1Fintechi,t+α2Riski,t+∑CVi,t+∑YEAR+∑IND+εi,t

(5)

其中,Risk表示企业风险承担。

四、实证结果分析

(一)描述性统计

表3为相关变量的描述性统计。从表3的结果可以看出,0.05分位数下金融科技板块系统性风险(CoVaR)均值为-1.190,最大值为-0.445,最小值为-1.771,标准差为0.228,说明样本金融科技上市公司对其股票市场系统性风险贡献差异较大;金融科技发展(Fintech)均值为4.978,最大值为7.491,最小值为0.693,标准差为1.480,说明各地区金融科技发展水平存在较大差异。

表3 描述性统计

(二)基准回归:金融科技与其股票市场系统性风险

表4报告了金融科技对其股票市场系统性风险影响的回归结果。控制了年度效应和行业效应。表4列1回归结果显示,金融科技对其股票市场系统性风险的影响系数在1%水平下显著为负,说明金融科技降低了其股票市场系统性风险。假设1得证。

表4 金融科技与其股票市场系统性风险

(三)信息效应:金融科技、信息透明度与其股票市场系统性风险

在基准回归基础上,对信息透明度的中介效应进行检验,回归结果如表4列2、列3所示。列2的回归结果显示,金融科技对信息透明度的影响系数在1%水平下显著为正,说明金融科技提高了市场交易信息透明度;列3的回归结果显示,信息透明度与金融科技板块系统性风险的系数在1%水平下显著为负,金融科技与金融科技板块系统性风险的系数在1%水平下显著为负,说明信息透明度在金融科技影响其股票市场系统性风险的路径中表现为部分中介效应。金融科技在大数据、人工智能等先进技术支持下发挥信息优势,在全新的信息应用领域和高效的信息机制下,以较低的信息成本与风险处理海量数据,增强信息获取能力和改善信息环境,规避逆向选择与道德风险问题,实现对管理层的有效监督,从而提升金融科技板块市场交易信息透明度和信息吸纳透明度,因此,金融科技能发挥信息效应来改善市场交易信息透明度,从而降低其股票市场系统性风险。假设2得证。

(四)风险承担效应:金融科技、风险承担与其股票市场系统性风险

在基准回归基础上,对风险承担这一作用渠道进行检验,回归结果如表4列4、列5所示。列4的回归结果显示,金融科技对企业风险承担的影响系数在5%水平下显著为正,说明金融科技提升了企业风险承担;列5的回归结果显示,企业风险承担与金融科技板块系统性风险的系数在10%水平下显著为负,金融科技与与金融科技板块系统性风险的系数在1%水平下显著为负,说明企业风险承担在金融科技影响其股票市场系统性风险的路径中表现为部分中介效应。金融科技在依靠前沿信息技术手段和精准识别有效信息的信息优势下,减少由于信息不对称所导致的管理层风险投资行为、逆向选择及道德风险问题,从而提升企业风险承担水平。在信息不对称和代理冲突的影响下,股票流动性的上升使管理层积极治理提高公司治理水平,有效抑制金融科技上市公司代理冲突,理性处理未预期信息并避免“羊群效应”,企业风险承担行为助力企业价值的提升,从而降低金融科技板块系统性风险。高风险承担水平的金融科技上市公司资本性支出更高,能够充分利用投资机会,降低企业自由现金流及潜在的代理冲突,并且,带来大量创新投入和高涨的创新积极性,有助于金融科技上市公司资产和销售增长,增加利润、业绩以及竞争优势,带来更好的发展前景,从而降低金融科技板块系统性风险。因此,金融科技发挥风险承担效应来提升企业风险承担水平,从而降低其股票市场系统性风险。假设3得证。

五、稳健性检验

(一)替换核心解释变量

为保证研究结果的稳健性,本文首先替换被解释变量,选取两个常见分位数(q=0.01、q=0.1)回归估计值反映金融科技板块系统性风险。结果如表5列1、列2所示,无论是在q=0.01分位数下还是q=0.1分位数下,金融科技发展(Fintech)与其股票市场系统性风险(CoVaR1、CoVaR10)的系数均显著为负;其次,替换核心解释变量,借鉴郭峰等根据城市采用数字普惠金融与上市公司进行匹配,衡量地级市或直辖市层面金融科技发展水平,把北京大学数字普惠金融指数作为解释变量进行基准回归[27]。结果如表5列3所示,数字普惠金融(Index)与金融科技板块系统性风险(CoVaR)的系数均显著为负。以上结果与基准回归结果一致,说明研究结果的稳健性。

表5 稳健性检验

(二)滞后一期的被解释变量

在金融科技对其股票市场系统性风险的回归分析中,可能存在反向因果问题,导致回归结果的有效性受到一定影响。本文选择滞后一期的金融科技板块系统性风险作为被解释变量带入基准模型,检验上一期金融科技对当期金融科技板块系统性风险的影响。结果如表5列4所示,金融科技发展(Fintech)与滞后一期金融科技板块系统性风险(l_CoVaR)的系数显著为负,与基准回归结果一致,说明研究结果的稳健性。

(三)工具变量

为进一步解决反向因果的内生性问题,本文选择滞后一期金融科技发展作为当期金融科技发展水平的工具变量带入基准模型。结果如表5列5所示,滞后一期金融科技发展(L_Fintech)与金融科技板块系统性风险(CoVaR)的系数显著为负,与基准回归结果一致,说明本研究结果依然稳健。

六、异质性讨论

(一)不同时间段下:2012—2015年,2016—2021年

考虑到金融科技的“两面性”,检验不同时间段金融科技对其股票市场系统性风险的抑制作用是否有变化,故本文把样本区间(2012—2021)划分为2012—2015年、2016—2021年,其中,2012年至2015年是互联网金融兴起的年份,2016年至2021年是金融与科技强强联合高速发展的年份,根据模型(1)进行分组回归。结果如表6列1、列2所示,无论是2012—2015年还是2016—2021年金融科技与其股票市场系统性风险的系数均显著为负,且2016—2021年的系数绝对值高于2012—2015年,说明金融科技对其股票市场系统性风险的抑制作用存在时间上的异质性。在2012年至2015年间,股票市场的风险时点有2012年医药和食品饮料行业A股频频爆发“黑天鹅”事件、2015年股灾等,该阶段为互联网金融兴起阶段,金融科技上市公司风险抵御能力不强,难以有效抑制金融科技板块系统性风险;在2016年至2021年间,股票市场的风险时点主要包括2016年A股“熔断”事件、2018年英国脱欧“黑天鹅”事件、2020年新冠疫情等,该阶段是金融与科技深度融合的阶段,尽管股市异常事件冲击股票市场,但金融科技上市公司风险抵御能力很强。例如,2020年新冠疫情造成公司股市风险,金融科技助力抗疫显实效,疫情防控总体形势逐步向好,降低了金融科技板块系统性风险发生的可能性。可见,在2012年至2015年间金融科技抑制其股票市场系统性风险的作用较弱,而2016年至2021年较强,金融科技对其股票市场系统性风险的抑制作用随着时间的推移由弱变强,抑制作用大于累积作用进而呈现总体抑制。

表6 金融科技对其股票市场系统性风险的异质性影响

(二)不同市场态势下:牛市年份和熊市年份

股市大盘态势“时涨时落”,可能影响金融科技板块系统性风险。故本文把样本区间(2012—2021)划分为牛市年份和熊市年份,其中2012、2014、2017以及2019年划分为牛市年份,其余归为熊市年份,根据模型(1)进行分组回归。结果如表6列3、列4所示,无论是牛市年份还是熊市年份金融科技与其股票市场系统性风险的系数均显著为负,且熊市年份的系数绝对值略高于牛市年份,说明“越牛市越危险,越熊市越安全”“站得高摔得惨”牛市的风险一向都比熊市更大,相对于牛市年份,熊市年份由于其自身风险远远小于牛市年份,使金融科技对其股票市场系统风险的抑制作用更强。

(三)不同市场化程度:市场化程度高和市场化程度低

金融科技是经济社会发展到一定程度的产物,对其股票市场系统性风险的影响与企业所处的经济环境也有一定关联,其发展离不开良好的市场化基础条件支撑。故本文借鉴樊纲等编制的中国市场化指数的方法,采用地级市匹配上市公司来衡量企业市场化程度[30],按照样本中位数分为两组,包括市场化程度较高组(大于中位数)、市场化程度较低组(小于中位数),根据模型(1)进行分组回归。该指数越高,说明该地区市场化程度越高。结果如表6列5、列6所示,市场化程度高和市场化程度低两组中,金融科技与其股票市场系统性风险的系数均显著为负,且市场化程度较高组的系数绝对值略高于市场化程度较低组,说明相对于市场化程度较低组,市场化程度高的金融科技上市公司自身内部监管系统完善,管理层难以隐匿企业负面信息以及躲避外部监管机构的治理,抑制了金融科技板块系统性风险。

七、结论和建议

(一)结论

本文以2012—2021年金融科技上市公司数据作为研究样本,实证检验金融科技对其股票市场系统性风险的影响以及作用机制,得出以下结论:第一,金融科技有效抑制其股票市场系统性风险。金融科技各业务部门虽产生风险的累积作用,但存在阶段性特征,随着技术的不断发展和提高,金融科技模式与模式转型过程中,更加注重在推动金融科技发展中防风险。而金融科技整体广泛应用于各领域,扩大金融服务覆盖面,提升金融资源配置效率,从而增强了金融系统的稳定性,因此,金融科技对其股票市场系统性风险的抑制作用大于累积作用进而呈现总体抑制趋势;第二,金融科技通过提高市场交易信息透明度、提升企业风险承担水平两条路径,降低其股票市场系统性风险。一是金融科技在大数据、人工智能等先进技术支持下发挥信息优势,以较低的信息成本与风险处理海量数据,增强信息获取能力和改善信息环境,规避逆向选择与道德风险问题,实现对管理层的有效监督,发挥信息效应来改善市场交易信息透明度,从而降低金融科技板块系统性风险;二是在股票流动性和代理冲突问题的影响下,金融科技发挥风险承担效应来提升企业风险承担水平,从而降低金融科技板块系统性风险;第三,基于异质性讨论,不同时间段、市场态势、市场化程度下金融科技抑制其股票市场系统性风险的程度不同。金融科技抑制其股票市场系统性风险存在时间上的异质性,金融科技虽产生风险的累积作用,但存在阶段性特征,在样本期间随着时间的推移抑制作用由弱变强大于累积作用进而呈现总体抑制,亦可见中国金融科技监管实行的有效性。金融科技对股票市场中市场化程度较高的企业风险抑制作用较强,并在“熊市”表现更为明显。

(二)建议

为防范化解金融科技板块系统性风险、维护股票市场稳定具体对策建议如下。

第一,从投资者、公司、监管机构各方出发,防范金融科技板块系统性风险。对于股市投资者而言,应加强金融知识储备,提高金融素养,做到不盲从、不跟风,情绪不过度乐观和悲观,准确判断股市“冷”和“热”后理性投资;对于金融科技上市公司而言,无序发展积累经营风险导致集中“暴雷”,应完善其市场准入制度,规范业务原则,加强内部自治和外部评估的风险管理,激励金融科技创新并引导公司之间良性竞争,才能有效防控金融科技板块系统性风险。同时,不断提升企业自身风险承担水平,为金融科技创新奠定坚实基础;对于金融监管机构而言,及时监管不实信息和信息操纵行为,防止股市动荡和局部投机泡沫。

第二,政策支持金融科技企业,推动股票市场稳定发展。政府部门应出台相关政策鼓励金融与科技、科技与股票市场相互融合,提升市场交易信息透明度,提高股票市场信息效率,充分发挥股票市场资源优化配置作用。针对熊市年份、市场化程度高企业给予政策倾斜,发挥金融科技助力防控股市系统性风险和稳定股票市场的作用。此外,制定金融科技专项扶持政策,将财政资金精准投放实体企业,为完善金融科技底层架构、健全金融科技载体建设提供充裕资金保障,也为实体企业创新发展不间断地输入创新动能。

第三,把握中国金融科技发展特点,完善金融科技板块信息的披露和监管。金融科技发展依靠信息技术优势完善企业信息披露制度并加强股票市场监管。首先,健全以信息披露为中心的股票发行注册制,切实把好“入关口”,加大金融科技上市公司信息披露违法、操纵市场等犯罪行为的刑罚力度;其次,构建中国金融科技监管体系,明确金融科技监管界限和各金融科技业务部门的职责定位,实现监管主体和监管行为的协调配合,提高监管效能形成强大合力;最后,借鉴发达国家经验,引入监管科技,运用数据挖掘、人工智能等先进技术,提高信息共享效率,监测资金流向、融资利率以及潜在风险。