李易懋

(長沙理工大學(xué)經(jīng)濟(jì)與管理學(xué)院，湖南 長沙 410076)

金融科技(Fintech)作為跨界金融創(chuàng)新，近些年來取得了迅猛發(fā)展。在我國，隨著金融科技的資金投放額呈指數(shù)級(jí)增長，其整體發(fā)展水平躍居世界第二，在支付市場領(lǐng)域更是摘得世界第一(1)據(jù)零壹財(cái)經(jīng)發(fā)布的《2019年全球金融科技融資報(bào)告》和美國國際貿(mào)易署(ITA)發(fā)布的《2016頂級(jí)市場報(bào)告》，中國金融科技投融資共285筆，占全球24.4%，融資數(shù)量居全球第一，公開披露融資總額656億元，位居全球第二位；其中支付市場領(lǐng)域居全球第一位。。相較于傳統(tǒng)銀行業(yè)，金融科技擁有更強(qiáng)的數(shù)字化分析功能和智能化處理功能，故其對(duì)上市商業(yè)銀行盈利能力的影響也成為學(xué)術(shù)界、實(shí)業(yè)界乃至政策界的重大議題[1-4]。

目前，理論界關(guān)于金融科技及其在對(duì)銀行業(yè)的影響等相關(guān)問題的研究成果主要有以下3個(gè)方面。(1)闡述金融科技的定義與發(fā)展。金融科技作為結(jié)構(gòu)的革新，是一種全新的范式，從機(jī)構(gòu)論、業(yè)態(tài)論、技術(shù)論、生態(tài)論[5]等角度都有所定義。其中生態(tài)論綜合前幾項(xiàng)定義，將金融科技概括為“技術(shù)驅(qū)動(dòng)的金融創(chuàng)新”[6]。它既包括前端行業(yè)，也包括后端技術(shù)(金融穩(wěn)定理事會(huì)(FSB))。隨著互聯(lián)網(wǎng)與數(shù)字化進(jìn)程的加快，在公司數(shù)量、發(fā)展前景、投融資[7]等方面都催生了金融科技的爆發(fā)式增長；從資本要素、地域、行業(yè)分析、公司存續(xù)時(shí)間[8]等角度來看，金融科技也已初具規(guī)模。(2)探討金融科技在商業(yè)銀行的應(yīng)用現(xiàn)狀。截至目前，我國已成立了10家銀行系金融科技公司，以促進(jìn)商業(yè)銀行與新興技術(shù)的融合，并取得了一定發(fā)展成效。各大商業(yè)銀行通過神經(jīng)網(wǎng)絡(luò)、專家系統(tǒng)以及支持向量機(jī)等人工智能模型的應(yīng)用，有效地加劇了處理數(shù)據(jù)的速度和分析數(shù)據(jù)的深度。區(qū)塊鏈中的客戶信息和交易記錄有利于幫助銀行識(shí)別異常交易行為，防止交易欺詐。而生物識(shí)別技術(shù)的普及，如指紋識(shí)別、人臉識(shí)別、虹膜識(shí)別、靜脈識(shí)別等技術(shù)則為客戶節(jié)省了大量的時(shí)間成本的同時(shí)也使得銀行的內(nèi)控安全得到了提高[9-11]。(3)分析金融科技對(duì)商業(yè)銀行的影響因素。在全球化浪潮的推動(dòng)下，金融科技為商業(yè)銀行的可持續(xù)發(fā)展帶來了新的挑戰(zhàn)。從風(fēng)險(xiǎn)和穩(wěn)定的因素來看，金融科技擁有開放性、互通性和高科技性等特點(diǎn)，不但對(duì)于銀行業(yè)務(wù)的風(fēng)險(xiǎn)屬性不構(gòu)成影響，反而加劇了其隱秘性和潛伏性[12]。而從使用意識(shí)和網(wǎng)絡(luò)經(jīng)驗(yàn)的因素來看，金融科技弱化了商業(yè)銀行扮演的中介角色，導(dǎo)致銀行的中間收入減少，客戶資源流失嚴(yán)重，制約了潛在市場的發(fā)掘和拓展[13]。從產(chǎn)品因素來看，商業(yè)銀行融合應(yīng)用金融科技具有一定的金融風(fēng)險(xiǎn)，應(yīng)選取適當(dāng)?shù)牟呗赃M(jìn)行應(yīng)對(duì)[14]。P2P網(wǎng)絡(luò)貸款和眾籌融資因兩者分別服務(wù)于不同的客戶層，業(yè)務(wù)上實(shí)為互補(bǔ)關(guān)系，競爭較弱，故對(duì)商業(yè)銀行帶來的沖擊有限[15，16]。機(jī)遇往往伴隨著挑戰(zhàn)而來，如果商業(yè)銀行將金融科技運(yùn)用得當(dāng)，也能夠變成吸引客戶、拓展業(yè)務(wù)的有利工具。特別是在去柜臺(tái)化、降成本化和金融脫媒等方面，金融科技均具有顯著優(yōu)勢[17]；在大數(shù)據(jù)抓取和客戶場景體驗(yàn)等方面也擁有較為明顯的競爭力[18]。不僅如此，金融科技憑借現(xiàn)代信息技術(shù)手段賦能金融“惠民利企”，增加了社會(huì)金融服務(wù)的供給，提升了資源配置的成效，使普惠金融的可得性得到了進(jìn)一步的提升[19]。

綜上可見，目前國內(nèi)外的相關(guān)文獻(xiàn)中關(guān)于金融科技對(duì)傳統(tǒng)商業(yè)銀行的影響尤其是對(duì)其盈利能力的影響研究多集中于定性分析，并取得了定義規(guī)范化、運(yùn)用市場化、影響理論化、監(jiān)督系統(tǒng)化等理論進(jìn)展。但對(duì)金融科技對(duì)商業(yè)銀行影響方向和影響程度的測度方面的研究文獻(xiàn)較少，尤其是針對(duì)金融科技對(duì)商業(yè)銀行盈利能力的定量分析仍不多見。基于此，本文基于13家國內(nèi)上市商業(yè)銀行2012—2018年間的數(shù)據(jù)，主要運(yùn)用固定效應(yīng)模型和系統(tǒng)GMM模型，試圖就金融科技對(duì)我國上市商業(yè)銀行盈利能力的影響進(jìn)行實(shí)證研究，探索其影響因素、影響方向以及影響的程度。

1 研究方法與數(shù)據(jù)來源

1.1 模型設(shè)定

本文設(shè)計(jì)了兩個(gè)回歸模型來探索研究的問題。第一個(gè)是金融科技對(duì)銀行盈利能力影響的主回歸分析模型。探究金融科技的發(fā)展是否使得銀行盈利能力受到影響，影響的方向如何，影響的程度多大。根據(jù)論文對(duì)指標(biāo)變量的選取，建立實(shí)證模型如下：

yjt=αijtFTijt+βijtXijt+ut+εjt。

(1)

第二個(gè)回歸模型主要是處理內(nèi)生性問題。因?yàn)橛袨榈臅r(shí)間平滑屬性，所以本文加入了滯后一期的因變量ROE，并采用系統(tǒng) GMM 方法。參照模型(1)，加入被解釋變量ROE的滯后一階項(xiàng)作為解釋變量，5個(gè)金融科技解釋變量的滯后項(xiàng)作為工具變量，且控制變量保持一致，處理了內(nèi)生性問題。

yjt=yjt-1+αijtFTijt-1+βijtXijt+ut+εjt，

(2)

其中，ut為個(gè)體異質(zhì)性，不可觀測。βijt為估計(jì)系數(shù)，εjt為服從正態(tài)分布的隨機(jī)擾動(dòng)項(xiàng)。j代表的是樣本中的各家銀行，t代表時(shí)間，yjt代表銀行j在第t年的凈資產(chǎn)收益率；FTi代表金融科技相關(guān)因素，Xi表示影響銀行盈利能力的控制因素。

1.2樣本選取與變量選取

1.2.1 樣本選取 本文選擇的研究樣本為我國13家上市商業(yè)銀行。包括中、農(nóng)、工、建、交行5大國有銀行；8家股份制商業(yè)銀行,分別為招商銀行、平安銀行、浦發(fā)銀行、興業(yè)銀行、光大銀行、民生銀行、中信銀行、華夏銀行。數(shù)據(jù)來源于銀行2012—2018年的年報(bào)，樣本數(shù)據(jù)為年度數(shù)據(jù)。金融科技的數(shù)據(jù)來源于艾瑞咨詢，易觀智庫，2012—2018年中國互聯(lián)網(wǎng)金融行業(yè)發(fā)展報(bào)告，2018年金融科技發(fā)展報(bào)告和2018年中國支付清算行業(yè)社會(huì)責(zé)任報(bào)告等。

1.2.2 變量選取 (1)解釋變量 論文將衡量商業(yè)銀行盈利能力的指標(biāo)作為被解釋變量，銀行凈資產(chǎn)收益率(ROE)、資產(chǎn)收益率(ROA)、凈利潤等都是能反映銀行盈利能力的良好指標(biāo)，其中凈資產(chǎn)收益率(ROE)是管理者為股東創(chuàng)造的權(quán)益，更為貼切，故本文選用凈資產(chǎn)收益率(ROE)作為因變量進(jìn)行分析。為了避免指標(biāo)選擇的偏誤，本文也用資產(chǎn)收益率(ROA)做穩(wěn)定性檢驗(yàn)。

(2)被解釋變量 本文研究的是金融科技的發(fā)展對(duì)商業(yè)銀行盈利能力的影響?，F(xiàn)有機(jī)構(gòu)公布的金融科技指數(shù)不多，且權(quán)威性不足，而現(xiàn)有學(xué)界文獻(xiàn)中少有對(duì)金融科技指數(shù)的考量構(gòu)建。目前多位學(xué)者多是參考郭品[20]采用的文本挖掘法構(gòu)建了互聯(lián)網(wǎng)金融指數(shù)，而互聯(lián)網(wǎng)金融僅為金融科技發(fā)展過程中的一個(gè)過渡階段。已構(gòu)建的互聯(lián)網(wǎng)金融指數(shù)未能較好涵蓋金融科技中移動(dòng)支付、人工智能、云計(jì)算、大數(shù)據(jù)等新興技術(shù)的滲透影響情況。因此，本文在其基礎(chǔ)上借鑒目前學(xué)術(shù)界較為廣泛認(rèn)同的劉園等[21，22]對(duì)技術(shù)支持的劃分構(gòu)建，同時(shí)根據(jù)國內(nèi)外學(xué)者的研究考量，選取無爭議交集部分——5大細(xì)分的技術(shù)支持進(jìn)行建立。2012至2018年的金融科技指標(biāo)，實(shí)現(xiàn)了將移動(dòng)支付、大數(shù)據(jù)、人工智能、云計(jì)算等新興技術(shù)反映在金融科技指數(shù)中。而這5大細(xì)分技術(shù)的影響程度和趨勢可以通過其市場規(guī)模反映，因此采用金融科技5項(xiàng)細(xì)分核心數(shù)字技術(shù)的市場規(guī)模作為自變量來衡量其規(guī)模發(fā)展的變化情況。金融科技的核心市場規(guī)模由互聯(lián)網(wǎng)支付規(guī)模、移動(dòng)支付規(guī)模、大數(shù)據(jù)規(guī)模、云計(jì)算規(guī)模和人工智能規(guī)模組成，同時(shí)，本文選取被解釋變量ROE的滯后一階項(xiàng)作為解釋變量，解釋變量的滯后項(xiàng)作為工具變量緩解處理了內(nèi)生性問題。

(3)控制變量 控制變量包括影響銀行盈利能力的兩種因素：外部因素和影響銀行內(nèi)部的因素。一般而言，商業(yè)銀行的盈利能力主要受內(nèi)部因素影響，因此在模型中僅將內(nèi)部因素用作控制變量。在模型中，選擇反映商業(yè)銀行流動(dòng)性狀況的指標(biāo)存貸比(LDR)；衡量資產(chǎn)質(zhì)量的指標(biāo)資本充足率(CAR)和衡量銀行信貸風(fēng)險(xiǎn)的指標(biāo)撥備充足率(PROV)；反映了存款人的收入和銀行的經(jīng)營效率的資本充足率(CAR)；銀行的債務(wù)指標(biāo)股東權(quán)益比率(SER)。同時(shí)，本文也控制了個(gè)體效應(yīng)，來控制資金體量、政策層面等因素的變化。

2 金融科技對(duì)商業(yè)銀行經(jīng)營效率影響的實(shí)證結(jié)果分析

2.1 模型選擇

實(shí)證檢驗(yàn)金融科技與商業(yè)銀行盈利能力之間的關(guān)系，收集2012—2018年間13家國內(nèi)商業(yè)銀行的年度數(shù)據(jù)，包括ROE，LDR，CAR，PROV和SER。首先進(jìn)行F檢驗(yàn)(H0:模型不存在個(gè)體效應(yīng))，若拒絕原假設(shè)，則排除混合效應(yīng)模型，選擇固定效應(yīng)模型或隨機(jī)效應(yīng)模型，反之則選擇混合效應(yīng)模型。然后進(jìn)行Hausman檢驗(yàn)(H0：模型存在隨機(jī)效應(yīng))，若拒絕原假設(shè)，則選擇固定效應(yīng)模型，排除隨機(jī)效應(yīng)模型。對(duì)5個(gè)模型進(jìn)行F檢驗(yàn)，均通過了1%水平的顯著性檢驗(yàn)，表明拒絕不存在個(gè)體效應(yīng)的原假設(shè)，排除混合效應(yīng)模型。然后進(jìn)行Hausman檢驗(yàn)，結(jié)果均通過了顯著性檢驗(yàn)，表明拒絕隨機(jī)效應(yīng)原假設(shè)，即選擇固定效應(yīng)模型。

2.2 實(shí)證結(jié)果

接下來研究金融科技對(duì)商業(yè)銀行盈利能力的影響。采用固定效應(yīng)模型對(duì)各個(gè)模型進(jìn)行回歸，回歸結(jié)果如下表所示。列(fe1)是以IP為解釋變量的回歸結(jié)果，IP的系數(shù)為0.159，對(duì)應(yīng)的t檢驗(yàn)值為4.207，通過了1%水平的顯著性檢驗(yàn)，表明IP對(duì)ROE有顯著的正向影響。同理MP和CC對(duì)ROE有顯著的正向影響，BD和AI對(duì)ROE均有顯著的負(fù)向影響。

表1 F檢驗(yàn)和Hausman檢驗(yàn)結(jié)果

表2總結(jié)了隨機(jī)效應(yīng)和固定效應(yīng)的回歸結(jié)果，從表2的結(jié)果可以看出，R2值較大，說明模型的解釋力較高?？傮w而言，所有模型在5%水平上顯著。因此，我們可以拒絕原假設(shè)，即所有的斜率系數(shù)為零，表明銀行盈利能力和選定的變量(互聯(lián)網(wǎng)支付規(guī)模，移動(dòng)支付規(guī)模，大數(shù)據(jù)規(guī)模，云計(jì)算規(guī)模，人工智能規(guī)模，存貸比，資本充足率，撥備充足率，股東權(quán)益比)之間有線性關(guān)系。各變量的系數(shù)說明了這些自變量與銀行盈利能力凈資產(chǎn)收益率之間線性關(guān)系的強(qiáng)度，具體結(jié)果如表2所示。

表2 回歸結(jié)果

第一，互聯(lián)網(wǎng)支付(IP)拓展了商業(yè)銀行支付業(yè)務(wù)范圍，增加銀行盈利。固定效應(yīng)模型(fe1)的結(jié)果表明，互聯(lián)網(wǎng)支付規(guī)模系數(shù)為0.159，說明互聯(lián)網(wǎng)支付與銀行凈資產(chǎn)收益率之間存在正相關(guān)關(guān)系。因此，互聯(lián)網(wǎng)支付(IP)對(duì)凈資產(chǎn)收益率(ROE)衡量的銀行盈利能力有正向影響，在1%顯著水平上顯著。這意味著當(dāng)互聯(lián)網(wǎng)支付市場規(guī)模增加10%，銀行的凈資產(chǎn)收益率可能減少約1.59個(gè)百分點(diǎn)。

第二，移動(dòng)支付(MP)利于商業(yè)銀行客戶離柜支付業(yè)務(wù)，增加銀行盈利。固定效應(yīng)模型(fe2)的結(jié)果表明，移動(dòng)支付系數(shù)為0.012，說明移動(dòng)支付與銀行凈資產(chǎn)收益率之間存在正相關(guān)的關(guān)系。因此，移動(dòng)支付(MP)對(duì)凈資產(chǎn)收益率(ROE)衡量的銀行盈利能力有正向影響，在1%顯著水平上顯著。意味著當(dāng)移動(dòng)支付市場規(guī)模增10%，銀行的凈資產(chǎn)收益率可能增加約0.12個(gè)百分點(diǎn)。

第三，大數(shù)據(jù)(BD)透明化信息，減少商業(yè)銀行獨(dú)有信息帶來的盈利。固定效應(yīng)模型(fe3)的結(jié)果表明，大數(shù)據(jù)系數(shù)為-0.003 69，說明大數(shù)據(jù)與銀行凈資產(chǎn)收益率之間存在負(fù)相關(guān)的關(guān)系。因此，大數(shù)據(jù)(BD)對(duì)凈資產(chǎn)收益率(ROE)衡量的銀行盈利能力有負(fù)向影響，在5%顯著水平上顯著。當(dāng)大數(shù)據(jù)市場規(guī)模增加1%，銀行的凈資產(chǎn)收益率可能減少約0.37百分點(diǎn)(-0.003 69≈-0.003 7)。大數(shù)據(jù)技術(shù)的發(fā)展與推行，讓信息更加透明，大量的金融科技公司利用大數(shù)據(jù)技術(shù)推出的平臺(tái)與服務(wù)，讓很多客服降低了進(jìn)入金融服務(wù)的門檻，讓他們不局限于只能依托于銀行來選擇金融服務(wù)。

第四，云計(jì)算(CC)發(fā)力，提升銀行運(yùn)營效率，銀行盈利增加。固定效應(yīng)模型(fe4)的結(jié)果表明，云計(jì)算系數(shù)為0.004 51，說明云計(jì)算與銀行凈資產(chǎn)收益率之間存在正相關(guān)的關(guān)系。因此，云計(jì)算(CC)對(duì)凈資產(chǎn)收益率(ROE)衡量的銀行盈利能力有正向影響，在1%顯著水平上顯著。當(dāng)云計(jì)算市場規(guī)模增加1%，銀行的凈資產(chǎn)收益率可能增加約0.45百分點(diǎn)(0.004 51≈0.004 5)。銀行運(yùn)用云計(jì)算技術(shù)，提升銀行運(yùn)營效率，增加盈利。

表3 國有銀行回歸結(jié)果

第五，人工智能(AI)分流銀行理財(cái)投資等業(yè)務(wù)利潤。固定效應(yīng)模型(fe5)的結(jié)果表明，人工智能系數(shù)為-0.003 68，說明人工智能與銀行凈資產(chǎn)收益率之間存在負(fù)相關(guān)的關(guān)系。因此，研究人工智能(AI)對(duì)凈資產(chǎn)收益率(ROE)衡量的銀行盈利能力有負(fù)向影響，在10%顯著水平上顯著。當(dāng)人工智能市場規(guī)模增加1%，銀行的凈資產(chǎn)收益率可能減少約0.37百分點(diǎn)(-0.003 68≈-0.003 7)。這可能是因各大金融科技公司推出的智能理財(cái)智能投顧產(chǎn)品和業(yè)務(wù)，分流銀行相關(guān)業(yè)務(wù)的利潤導(dǎo)致。

為了分析金融科技對(duì)不同類型銀行的影響差異，本文將國有銀行與非國有銀行進(jìn)行分組回歸分析，結(jié)果如下，國有銀行中，IP，BD，CC和AI對(duì)ROE均有顯著的影響，而MP對(duì)ROE沒有顯著影響。

在股份制銀行中，只有IP對(duì)ROE有顯著的正向影響，且影響系數(shù)小于IP對(duì)國有企業(yè)ROE的回歸系數(shù)，表明相比于股份制銀行，IP對(duì)國有銀行的ROE影響更大。MP，BD，CC和AI對(duì)股份制銀行ROE的影響均未通過顯著性檢驗(yàn)，表明這幾個(gè)變量對(duì)股份制銀行的盈利能力影響不顯著。

考慮到模型存在的內(nèi)生性問題，本文采用系統(tǒng)廣義矩陣估計(jì)(系統(tǒng)GMM)方法進(jìn)行變量關(guān)系的估計(jì)，將被解釋變量ROE的滯后一階項(xiàng)作為解釋變量，分別以解釋變量的滯后項(xiàng)為工具變量，系統(tǒng)GMM模型回歸結(jié)果如下表所示。IP的系數(shù)為正，均通過了5%水平的顯著性檢驗(yàn)，表明IP對(duì)ROE有顯著的正向影響，同理，MP和CC對(duì)ROE有顯著的正向影響、BD和AI對(duì)ROE有顯著的負(fù)向影響，與前文固定效應(yīng)模型主回歸結(jié)論一致。

表4 股份制銀行回歸結(jié)果

3 政策建議

基于本文研究結(jié)果，為使各項(xiàng)技術(shù)充分發(fā)揮協(xié)同效力，實(shí)現(xiàn)金融科技賦能銀行發(fā)展，提出以下推動(dòng)金融科技促進(jìn)商業(yè)銀行盈利能力的對(duì)策建議。

首先，應(yīng)正視數(shù)字時(shí)代的挑戰(zhàn)，將雙向影響轉(zhuǎn)變?yōu)檎蜃饔?。在?dāng)前金融科技迅猛發(fā)展的背景下，商業(yè)銀行不僅需要積極應(yīng)對(duì)金融科技相關(guān)企業(yè)瓜分市場的威脅，也應(yīng)努力尋求與金融科技部門的戰(zhàn)略合作，利用前沿技術(shù)手段，共享信息資源，實(shí)現(xiàn)交叉銷售；依靠自身獨(dú)特的性能優(yōu)勢和業(yè)務(wù)模式，開發(fā)符合客戶使用習(xí)慣的金融工具；通過對(duì)客戶資源差異性的智能識(shí)別，輸送有針對(duì)性的產(chǎn)品和服務(wù)；甚至還可以同金融科技機(jī)構(gòu)聯(lián)手創(chuàng)建中小型公司線上集資平臺(tái)，不僅能夠收獲利差效益，還能挖掘“獲客”和“活客”渠道，通過雙方的互利共贏營造更好的商業(yè)發(fā)展契機(jī)。

其次，提高信息技術(shù)水平和綜合服務(wù)能力，將雙刃劍變成宰牛刀。商業(yè)、金融、社交、消費(fèi)順應(yīng)環(huán)境變化，逐漸加深了彼此之間依賴。2010年，中國人民銀行就出具了《非金融機(jī)構(gòu)支付服務(wù)管理辦法》，其中明確規(guī)定，支付機(jī)構(gòu)間存在的貨幣資金流通轉(zhuǎn)移需要由委托代理銀行進(jìn)行處理，不能夠利用支付機(jī)構(gòu)來儲(chǔ)存貨幣資金以及委托別的支付機(jī)構(gòu)等部門進(jìn)行處理，且支付機(jī)構(gòu)無法對(duì)銀行間貨幣資金流通轉(zhuǎn)移進(jìn)行處理。這一文件的出臺(tái)為商業(yè)銀行帶來了巨大的政策優(yōu)勢。故作為銀行方面，更應(yīng)審時(shí)度勢，從實(shí)際出發(fā)，大力拓展金融科技業(yè)務(wù)，保持移動(dòng)支付優(yōu)勢，將核心支付業(yè)務(wù)與新興信息技術(shù)相結(jié)合，將實(shí)體網(wǎng)點(diǎn)與虛擬網(wǎng)絡(luò)服務(wù)相聯(lián)系，構(gòu)建更具社會(huì)互動(dòng)性和服務(wù)友好性的數(shù)字平臺(tái)，實(shí)現(xiàn)各項(xiàng)數(shù)字技術(shù)服務(wù)協(xié)同發(fā)展[3，4]。