曹承洲

【摘要】文章利用12家股份制銀行中的貸款數(shù)據(jù)，基于數(shù)據(jù)普惠金融對股份制銀行的不良貸款風(fēng)險影響進(jìn)行研究。首先利用假設(shè)中提出數(shù)據(jù)普惠金融在不同因素下對股份制銀行貸款風(fēng)險與異質(zhì)性研究問題；其次建立被解釋變量、核心解釋變量與控制變量模型，針對研究狀況通過Hausman模型效應(yīng)進(jìn)行相應(yīng)的分析，其分析內(nèi)容為貸款風(fēng)險的穩(wěn)定性與異質(zhì)性；利用Bootstrap與Sobel進(jìn)行檢驗不良風(fēng)險貸款（NLRK）與銀行內(nèi)部特征（ICB）、法規(guī)政策（CRP）中介效應(yīng)之間的關(guān)系；進(jìn)而得出結(jié)論即數(shù)據(jù)普惠金融對股份制銀行的不良貸款經(jīng)營影響顯著降低，而不受異質(zhì)性影響，但受機制的影響；最后，根據(jù)數(shù)據(jù)得出的結(jié)論提出相關(guān)建議，有利于降低不良貸款的風(fēng)險，提升金融服務(wù)質(zhì)量。

【關(guān)鍵詞】數(shù)據(jù)普惠金融；不良貸款風(fēng)險；Hausman模型；Bootstrap與Sobel檢驗

【中圖分類號】F83

一、引言

數(shù)據(jù)普惠金融（Inclusive Data Finance）是一種金融服務(wù)模式，旨在通過數(shù)據(jù)和技術(shù)的創(chuàng)新，為更廣泛的人群提供金融服務(wù)，尤其對傳統(tǒng)金融體系中難以獲得服務(wù)的人。數(shù)據(jù)普惠金融通過整合和分析大量非傳統(tǒng)數(shù)據(jù)，如移動電話記錄、社交媒體活動、互聯(lián)網(wǎng)瀏覽歷史、消費習(xí)慣等，來更好地評估個人或企業(yè)的信用風(fēng)險，以提供更多金融服務(wù)的機會。

徐松濤（2022）以2010—2020年18家上市銀行經(jīng)營數(shù)據(jù)為樣本，實證分析普惠金融業(yè)務(wù)對上市銀行貸款風(fēng)險的影響機理。李文靜（2023）指出金融科技的出現(xiàn)不僅提高了金融服務(wù)效率，還顛覆了傳統(tǒng)金融行業(yè)的運行模式，商業(yè)銀行作為傳統(tǒng)金融行業(yè)的主要參與者，必然會受到金融科技的影響。丁曉雪（2023）闡明了中間業(yè)務(wù)發(fā)展現(xiàn)狀，對金融科技在商業(yè)銀行中間業(yè)務(wù)中的作用進(jìn)行理論分析，同時，對我國股份制商業(yè)銀行中間業(yè)務(wù)發(fā)展現(xiàn)狀進(jìn)行了具體剖析，分析金融科技在股份制商業(yè)銀行中間業(yè)務(wù)中的作用，并以此為依據(jù)，提出了研究假設(shè)。高旭（2021）基于數(shù)字金融的發(fā)展對商業(yè)銀行而言機遇與挑戰(zhàn)并存。首先采用全局主成分分析法和DEA-Malmquist模型測度商業(yè)銀行的經(jīng)營效率，其次利用16家上市銀行2011—2018年的面板數(shù)據(jù)實證檢驗數(shù)字金融對商業(yè)銀行經(jīng)營效率的影響，并針對商業(yè)銀行股權(quán)結(jié)構(gòu)異質(zhì)性進(jìn)行分樣本回歸。王小華（2022）采用文本數(shù)據(jù)挖掘法合成了金融科技發(fā)展指數(shù)，使用2013—2018年118家商業(yè)銀行的年報數(shù)據(jù)，選取不良貸款率和資產(chǎn)收益率分別衡量商業(yè)銀行經(jīng)營風(fēng)險和盈利水平，據(jù)此考察金融科技對商業(yè)銀行經(jīng)營績效的影響效應(yīng)、傳導(dǎo)機制及其異質(zhì)。劉蕭（2021）認(rèn)為普惠金融業(yè)務(wù)通過資源共享機制、風(fēng)險分散機制以及市場競爭機制三方面作用于商業(yè)銀行經(jīng)營績效。朱柯達(dá)（2021）運用金融科技開展數(shù)字普惠金融，以數(shù)字銀行為轉(zhuǎn)型方向，不斷通過大數(shù)據(jù)等新興技術(shù)，實現(xiàn)普惠貸款“增量、擴(kuò)面、降價、控險”均衡發(fā)展，優(yōu)化金融資源在市場主體之間的配置。邱偉松（2022）基于不同的微觀企業(yè)調(diào)查數(shù)據(jù)，對我國小微企業(yè)融資問題及其解決對策進(jìn)行了分析，在豐富小微企業(yè)融資現(xiàn)狀理解的同時，也為進(jìn)一步制定小微企業(yè)金融扶持政策提供經(jīng)驗數(shù)據(jù)支持。王家華（2022）基于2011—2020年中國17家代表性商業(yè)銀行的數(shù)據(jù)，采用北京大學(xué)數(shù)字普惠金融指數(shù)中的信貸指數(shù)作為數(shù)字化消費信貸的代理變量，構(gòu)建p-var模型分析數(shù)字化消費信貸對商業(yè)銀行的風(fēng)險傳染效應(yīng)。謝諾青（2021）基于普惠金融對商業(yè)銀行盈利能力的影響效應(yīng)進(jìn)行研究，為我國發(fā)展普惠金融，推進(jìn)金融供給側(cè)結(jié)構(gòu)性改革與強化金融服務(wù)功能提供新的研究視角，為商業(yè)銀行提高盈利能力與金融科技發(fā)展水平提供經(jīng)驗證據(jù)。Liu Hua（2022）利用中國銀行的數(shù)據(jù)，考察了中國金融機構(gòu)可持續(xù)融資與金融風(fēng)險管理之間的關(guān)系。財務(wù)風(fēng)險管理是對經(jīng)營業(yè)績、資產(chǎn)質(zhì)量和資本充足率的綜合衡量標(biāo)準(zhǔn)。

假設(shè)1：數(shù)據(jù)普惠金融在不同因素下對股份制銀行貸款風(fēng)險的影響。

假設(shè)2：數(shù)據(jù)普惠金融在銀行內(nèi)部特征（ICB）、法規(guī)政策（CRP）中介效應(yīng)的影響機制檢驗。

假設(shè)3：數(shù)據(jù)普惠金融在不同因素下對股份制銀行貸款風(fēng)險異質(zhì)性研究。

二、數(shù)據(jù)普惠金融數(shù)據(jù)統(tǒng)計與模型設(shè)計

（一）變量設(shè)計

1.被釋變量

在研究數(shù)據(jù)普惠金融對銀行的經(jīng)營影響時，“被解釋變量”通常是要研究銀行的經(jīng)營績效指標(biāo)或特定方面的數(shù)據(jù)，而不是解釋變量。以下是一些可能作為被解釋變量的經(jīng)營績效指標(biāo)或特定方面的數(shù)據(jù)：

（1）不良貸款率：不良貸款率是指銀行的壞賬或違約貸款與總貸款的比例。這是一個關(guān)鍵的風(fēng)險指標(biāo)，可以研究數(shù)據(jù)普惠金融政策是否影響銀行的不良貸款率。

（2）資產(chǎn)規(guī)模：資產(chǎn)規(guī)模表示銀行的規(guī)模和業(yè)務(wù)規(guī)模。由于股份制銀行受前期客戶數(shù)量的影響很大，導(dǎo)致股份制銀行的經(jīng)營風(fēng)險變大，針對此類持續(xù)性影響情況，本文利用廣義矩陣模型進(jìn)行檢驗。

2.核心解釋變量

核心解釋變量是最有可能直接影響銀行經(jīng)營績效的自變量或因素。以下是一些可能作為核心解釋變量的因素：

（1）數(shù)據(jù)普惠金融政策指標(biāo)：包括政府的數(shù)據(jù)普惠金融政策措施，如貸款利率政策、金融支持計劃、補貼政策、法規(guī)和監(jiān)管要求等。這些政策可能對銀行的經(jīng)營產(chǎn)生直接影響。

（2）貸款組合：數(shù)據(jù)普惠金融銀行的貸款組合結(jié)構(gòu)，包括小微企業(yè)貸款、農(nóng)村貸款、消費者貸款等，是一個關(guān)鍵的核心解釋變量。

（3）數(shù)字技術(shù)采用：銀行采用的數(shù)字技術(shù)、在線銀行服務(wù)、移動應(yīng)用程序和電子支付方式可能對銀行的經(jīng)營產(chǎn)生直接影響。

3.控制變量

在研究數(shù)據(jù)普惠金融銀行的經(jīng)營影響時，控制變量是可能影響被解釋變量（例如，銀行的經(jīng)營績效）的因素，但研究者想要將其保持不變，以便更準(zhǔn)確地評估核心解釋變量（例如，數(shù)據(jù)普惠金融政策）與被解釋變量之間的關(guān)系。

（1）宏觀經(jīng)濟(jì)因素：包括國家或地區(qū)的經(jīng)濟(jì)狀況，如國內(nèi)生產(chǎn)總值（GDP）、通貨膨脹率、失業(yè)率等。這些因素可能對銀行的經(jīng)營績效產(chǎn)生影響，因此需要進(jìn)行控制。

（2）市場環(huán)境：市場競爭、市場利率、市場需求等因素可能會對銀行的經(jīng)營產(chǎn)生影響，因此需要加以控制。

（3）銀行內(nèi)部特征：銀行的規(guī)模、資本充足度、治理結(jié)構(gòu)、風(fēng)險管理體系和戰(zhàn)略定位等內(nèi)部因素可能對其經(jīng)營績效產(chǎn)生影響，需要加以控制。

（4）法規(guī)和政策變化：除了數(shù)據(jù)普惠金融政策，其他法規(guī)和政策變化（如稅收政策、金融監(jiān)管政策等）也可能對銀行經(jīng)營產(chǎn)生影響，需要控制這些變量。

（5）人力資源：員工素質(zhì)、培訓(xùn)水平和員工滿意度可能對銀行的服務(wù)質(zhì)量和效率產(chǎn)生影響，需要進(jìn)行控制。

（6）地理因素：銀行的地理分布和服務(wù)覆蓋范圍可能對其業(yè)務(wù)和客戶構(gòu)成產(chǎn)生影響，需要進(jìn)行控制。

（7）市場風(fēng)險：市場波動和風(fēng)險可能對銀行的資產(chǎn)負(fù)債表和盈利能力產(chǎn)生影響，需要進(jìn)行控制。

控制變量的目的是確保研究結(jié)果能夠更準(zhǔn)確地反映出核心解釋變量（數(shù)據(jù)普惠金融政策）與被解釋變量（銀行的經(jīng)營績效）之間的因果關(guān)系，而不會受到其他混雜因素的干擾。通過統(tǒng)計方法，你可以分析這些控制變量與核心解釋變量之間的相互關(guān)系，以更全面地理解數(shù)據(jù)普惠金融銀行的經(jīng)營影響。變量名稱見表1。

（二）數(shù)據(jù)來源統(tǒng)計

本文數(shù)據(jù)的來源主要通過社科院統(tǒng)計源、銀保監(jiān)會進(jìn)行統(tǒng)計，為了保證數(shù)據(jù)的真實性，選取12家股份制商業(yè)銀行年度數(shù)據(jù)進(jìn)行統(tǒng)計，主要選取2016—2022年的樣本數(shù)據(jù)進(jìn)行統(tǒng)計。描述性統(tǒng)計數(shù)據(jù)見表2。

（三）模型設(shè)計

其中i表示各個股份制銀行，t表示股份制銀行的第幾年，Ci，t表示股份制銀行的控制變量，β0為截距項，β2為5%以下估計系數(shù)，η為個體固定效應(yīng)，a為時間固定效應(yīng)，ε為回歸殘差，DFIi，t -1為滯后一年數(shù)據(jù)普惠金融指數(shù)。

第二，數(shù)據(jù)普惠金融在不同因素下對股份制銀行貸款風(fēng)險異質(zhì)性研究檢驗。

其中i表示各個股份制銀行，t表示股份制銀行的第幾年，Ci，t表示股份制銀行的控制變量，β0為截距項，β為估計系數(shù)，η為個體固定效應(yīng)，a為時間固定效應(yīng)，ε為回歸殘差，DFIi，t為數(shù)據(jù)普惠金融指數(shù)。

由于固定效應(yīng)、隨機效應(yīng)、混合效應(yīng)會產(chǎn)生一定的誤差，所以加入廣義矩陣和差分矩陣進(jìn)行數(shù)據(jù)模型的分析，此方法能很好地控制系數(shù)的擾動，使得實證研究變得更為精確。

三、數(shù)據(jù)普惠金融實證模型的分析

（一）平穩(wěn)性檢驗

本文通過Hausman模型進(jìn)行選擇固定回歸模型來對其異質(zhì)性分析與穩(wěn)定性分析，通過選擇聚類穩(wěn)定性方差來進(jìn)行穩(wěn)定判斷，本文主要通過LLC與IPS進(jìn)行檢驗，取值控制在10%顯著水平下可以看到是平穩(wěn)的。平穩(wěn)性檢驗見表3。

（二）Hausman模型回歸結(jié)果檢驗

本文通過Hausman模型回歸結(jié)果檢驗的目的在于判斷數(shù)據(jù)普惠金融在不同因素下與不良貸款風(fēng)險的關(guān)系，通過列舉不同因素下其產(chǎn)生的正比例與反比例關(guān)系，同時也通過廣義矩陣與差分矩陣模型進(jìn)行合理化驗證?；貧w性檢驗表4。

通過表4可以看出數(shù)據(jù)普惠金融指數(shù)是-0.218，其在1%的顯著性水平，說明數(shù)據(jù)普惠金融對股份制銀行的不良貸款經(jīng)營影響顯著降低，驗證了假設(shè)1，由于是負(fù)數(shù)表明數(shù)據(jù)普惠運用技術(shù)手段可以降低不良貸款經(jīng)營的風(fēng)險，數(shù)字普惠金融不但便利于居民貸款，同時也降低了不良貸款的利率。

第一，宏觀經(jīng)濟(jì)因素（MF）與數(shù)據(jù)普惠金融不良貸款風(fēng)險成正相關(guān)關(guān)系，表明國家宏觀經(jīng)濟(jì)政策調(diào)整對其數(shù)據(jù)普惠金融不良貸款風(fēng)險較大，貸款政策調(diào)整，居民貸款多則不良風(fēng)險增加；貸款政策不調(diào)整，居民貸款少則不良風(fēng)險降低。

第二，市場環(huán)境（ME）與數(shù)據(jù)普惠金融不良貸款風(fēng)險成負(fù)相關(guān)關(guān)系，表明如果市場環(huán)境越好，居民越有錢，貸款人數(shù)減少，則不良貸款風(fēng)險越低，反之越高。

第三，銀行內(nèi)部特征（ICB）與人力資源（HR）與數(shù)據(jù)普惠金融不良貸款風(fēng)險在1%水平上負(fù)相關(guān)。

第四，法規(guī)與政策的變化（CRP）與數(shù)據(jù)普惠金融不良貸款風(fēng)險成正相關(guān)關(guān)系，銀行法規(guī)與政策越好，則貸款人數(shù)增多，則其貸款風(fēng)險增高，反之越低。

第五，地理因素（GF）與數(shù)據(jù)普惠金融不良貸款風(fēng)險成正相關(guān)關(guān)系，越發(fā)達(dá)地區(qū)貸款越多，隨之貸款風(fēng)險增加，欠發(fā)達(dá)地區(qū)貸款越少，則風(fēng)險越低。

第六，市場風(fēng)險（MR）與數(shù)據(jù)普惠金融不良貸款風(fēng)險成正相關(guān)關(guān)系，市場風(fēng)險越大，則貸款風(fēng)險越大，反之越低。

（三）影響機制檢驗

股份制的發(fā)展對金融發(fā)展機制會產(chǎn)生一定的影響，其市場內(nèi)部特征與政策法規(guī)機制對其金融數(shù)據(jù)發(fā)展的影響巨大，本文主要研究內(nèi)容包括不良風(fēng)險貸款（NLRK）與銀行內(nèi)部特征（ICB）、法規(guī)政策（CRP）中介效應(yīng)之間的關(guān)系，逐步回歸法在驗證時可能忽略掉實際存在的中介變量，本文還需進(jìn)行Sobel驗證中介效應(yīng)，利用Bootstrap與Sobel進(jìn)行檢驗中介效應(yīng)。表5為Bootstrap與Sobel檢驗。

從表5可以看出其不良風(fēng)險貸款（NLRK）與銀行內(nèi)部特征（ICB）、法規(guī)政策（CRP）中介效應(yīng)之間的關(guān)系密切。說明機制檢驗內(nèi)部對不良風(fēng)險影響較大。驗證了假設(shè)2。

（四）異質(zhì)性檢驗

本文認(rèn)為數(shù)據(jù)金融發(fā)展對其股份制銀行的穩(wěn)定性可能存在異質(zhì)性影響，文中引入數(shù)據(jù)金融指標(biāo)DFI，法規(guī)與政策交互DFI*CRP，市場風(fēng)險交互DFI*MR，地理因素交互DFI*GF，市場環(huán)境交互DFI*ME。表6為異質(zhì)性檢驗。

從表6可以看出，交互數(shù)據(jù)都是為正值且遠(yuǎn)大于0.05，數(shù)據(jù)金融指標(biāo)對法規(guī)與政策交互、市場風(fēng)險交互、地理因素交互、市場環(huán)境交互影響較小，說明股份制銀行在受到數(shù)據(jù)普惠金融沖擊時，可以通過自身情況來解決業(yè)務(wù)穩(wěn)定性影響，進(jìn)而驗證了假設(shè)3提出的異質(zhì)性問題。

（五）穩(wěn)定性檢驗

穩(wěn)定性關(guān)系主要針對數(shù)據(jù)普惠金融在不同因素下對股份制銀行的不良貸款影響的關(guān)系，從結(jié)論中尋找建議與政策，降低股份制銀行的貸款風(fēng)險。表7為穩(wěn)定性檢驗。

從表7可以看出宏觀經(jīng)濟(jì)因素（MF）、地理因素（GF）、市場風(fēng)險（MR）與數(shù)據(jù)普惠金融不良貸款風(fēng)險呈正相關(guān)關(guān)系，市場環(huán)境（ME）與數(shù)據(jù)普惠金融不良貸款風(fēng)險呈負(fù)相關(guān)關(guān)系；不管負(fù)相關(guān)與正相關(guān)都有很好的穩(wěn)定性，出現(xiàn)正相關(guān)則說明有一定的正向慣性，負(fù)相關(guān)則有一定的負(fù)向慣性。但是銀行內(nèi)部特征（ICB）與人力資源（HR）與數(shù)據(jù)普惠金融不良貸款風(fēng)險呈負(fù)相關(guān)關(guān)系，有一定負(fù)向慣性。

通過以上分析說明股份制銀行的經(jīng)營穩(wěn)健性具有路徑慣性，揭示了商業(yè)銀行經(jīng)營穩(wěn)健性狀況是一個動態(tài)調(diào)整過程，上期的經(jīng)營穩(wěn)健性狀況會對本期產(chǎn)生持續(xù)影響。

四、結(jié)論

本文利用12家股份制銀行2016—2022年的數(shù)據(jù)，從理論與實證兩個方面得出以下研究結(jié)論：

一是本文通過Hausman模型進(jìn)行選擇固定回歸模型來對其異質(zhì)性分析與穩(wěn)定性分析，通過選擇聚類穩(wěn)定性方差來進(jìn)行穩(wěn)定判斷，本文主要通過LLC與IPS進(jìn)行檢驗，取值控制在10%顯著水平下可以看到是平穩(wěn)的。

二是本文對Bootstrap與Sobel進(jìn)行檢驗，可以得出不良風(fēng)險貸款（NLRK）與銀行內(nèi)部特征（ICB）、法規(guī)政策（CRP）中介效應(yīng)之間的關(guān)系密切。

三是數(shù)據(jù)普惠金融對其股份制銀行的不良貸款經(jīng)營影響顯著降低，驗證了假設(shè)1，由于是負(fù)數(shù)表明數(shù)據(jù)普惠運用技術(shù)手段可以降低不良貸款經(jīng)營的風(fēng)險，數(shù)字普惠金融不但便利于居民貸款，同時也降低了不良貸款的利率。

四是數(shù)據(jù)金融指標(biāo)對法規(guī)與政策交互、市場風(fēng)險交互、地理因素交互、市場環(huán)境交互影響較小，說明股份制銀行在受到數(shù)據(jù)普惠金融沖擊時，可以通過自身情況來解決業(yè)務(wù)穩(wěn)定性影響，進(jìn)而驗證了假設(shè)2提出的異質(zhì)性問題。

主要參考文獻(xiàn)：

[1]徐松濤，曹源芳.上市銀行業(yè)務(wù)風(fēng)險控制研究——基于普惠金融視角[J].區(qū)域金融研究，2022（1）：51-58.

[2]李文靜.金融科技對商業(yè)銀行經(jīng)營績效影響的異質(zhì)性研究[D].內(nèi)蒙古財經(jīng)大學(xué)，2023.

[3]丁曉雪.金融科技對股份制商業(yè)銀行中間業(yè)務(wù)的影響研究[D].內(nèi)蒙古財經(jīng)大學(xué)，2023.

[4]高旭，高建斌.數(shù)字金融對商業(yè)銀行經(jīng)營效率的影響——基于16家上市銀行的實證研究[J].井岡山大學(xué)學(xué)報（社會科學(xué)版），2021，42（4）：85-95.

[5]王小華，鄧曉雯，周海洋.金融科技對商業(yè)銀行經(jīng)營績效的影響：促進(jìn)還是抑制 [J].改革，2022（8）：141-155.

[6]劉蕭.普惠金融業(yè)務(wù)對商業(yè)銀行經(jīng)營績效的影響研究[D].山西：山西財經(jīng)大學(xué)，2021.

[7]朱柯達(dá).普惠金融、金融科技對銀行績效的影響研究[D].上海：上海財經(jīng)大學(xué)，2021.

[8]邱偉松.中國小微企業(yè)融資問題研究及其對策分析——基于金融市場發(fā)展的視角[D].四川：西南財經(jīng)大學(xué)，2020.

[9]王家華，婁雨軒，丁文彬.數(shù)字化消費信貸對我國商業(yè)銀行風(fēng)險承擔(dān)的影響研究[J].浙江金融，2022（5）：26-35.

[10]謝婼青，李世奇，張美星.金融科技背景下普惠金融對商業(yè)銀行盈利能力的影響研究[J].數(shù)量經(jīng)濟(jì)技術(shù)經(jīng)濟(jì)研究，2021，38（8）：145-163.

[11]王思睿.互聯(lián)網(wǎng)金融背景下中小商業(yè)銀行轉(zhuǎn)型的困境與策略[J].國際商務(wù)財會，2021（16）：60-62+66.

[12]Liu Hua，Huang Wen.Sustainable Financing and Financial Risk Management in Financial institutions：A case study of Bank of China[J]. Sustainable development.2022， （15） ：86-97.

[13]Duan Yi，Liu Yi，Chen Yi，et al.Study on the impact of knowledge Sharing on Rural financial inclusion risk control in the post-epidemic era [J]. Journal of Knowledge Management，2021（3）：134-176.

責(zé)編：吳迪