论文部分内容阅读
摘 要：为深入了解互联网金融发展给商业银行风险承担带来的影响，从利率与技术外溢两个方面构建其作用机制，并提出相应的研究假说。采用中国16家上市商业银行2007—2017年度数据，实证检验互联网金融发展对商业银行风险承担的影响。研究发现，互联网金融发展带来的利率效应高于技术外溢效应，加剧了中国商业银行的风险承担，不利于中国宏观金融稳定。此外，互联网金融对上市商业银行风险承担的影响具有异质性，资本充足率高的银行面临的冲击相对较小。这启示政策制定者进行宏观金融调控时，应充分考虑互联网金融对传统商业银行的冲击。
关键词：互联网金融指数;银行风险承担;GMM模型
中图分类号：F832 文獻标志码：A 文章编号：1673-291X（2019）27-0067-03
引言
互联网技术起源于20世纪70年代的美国并在90年代开始广泛地进行商业化应用，在将近三十年的高速发展过程中，互联网给传统金融行业带来的冲击和影响最终促成互联网金融这一颇具争议性的概念在我国被提出。2006年以来，互联网企业大量涉足金融领域，大力开展第三方支付业务、互联网理财业务、P2P借贷等业务，传统金融行业尤其是商业银行的市场份额逐渐被侵蚀。互联网与金融深度融合是大势所趋，这迫使商业银行改变管理策略。虽然是一种新的金融业务模式，但其本质仍然是金融，而金融领域风险的隐蔽性、传染性、广泛性和突发性并未被改变。
商业银行本质上是经营风险的企业，商业银行经营的最基本要求是确保资金的安全性、流动性和盈利性，简单说来就是承担和管理风险。互联网金融发展给商业银行风险承担带来正向亦或是负向影响？影响的理论机理是什么？这种影响在不同的银行间存在异质性吗？这些关键问题的回答，有利于中国系统性金融风险防范，有利于监管机构科学制定监管规则，使得互联网金融机构有序合理发展。因此，本研究具有重要的理论意义与现实意义。
一、文献回顾
互联网金融作为新的金融业务模式，与传统的商业银行模式竞争融合受到了学界的广泛关注，已有研究大致可分为两种视角：外部视角和内部视角，外部视角是指非银行互联网金融企业，内部视角是指商业银行本身的互联网化。
外部视角方面，戴国强和方鹏飞（2014）指出，互联网金融推高银行资金成本，加剧了银行风险承担水平。Berger（2009）认为，互联网金融发展促进了银行部门的技术水平，改善了商业银行交易效率，并且这种外溢效应是跨区域性的。此外，郭品和沈悦（2015）也基于技术溢出，分析了互联网金融对商业银行全要素生产率的促进机制;Syed & Nida（2013）从金融功能理论出发，认为互联网金融与传统金融尤其是商业银行在功能方面具有各自的比较优势，应该促进两者的合作与竞争;郑志来（2015）认为，互联网金融对商业银行的各个业务环节都造成冲击，并且在商业模式上与传统商业银行形成分庭抗礼的竞争局面。魏鹏（2014）则指出，互联网金融与传统商业银行是互补关系，传统商业银行应充分吸收互联网金融机构的技术。
内部研究视角亦即传统金融本身的互联网化，是指商业银行自身也利用互联网金融技术提供金融服务。杨才然和王宁（2015）认为，互联网金融本质仍然是金融，也就不会产生新的风险种类，只是形成了新的风险表现形式;彭迪云和李阳（2015）指出，商业银行在面对互联网金融的冲击时，能够主动更新自身管理技术，并形成以大平台信息为基础的风险管理框架。樊志刚等（2014）则认为，商业银行应充分学习互联网金融企业的客户管理模式，将银行自有平台与客户进一步密切联系起来。
综上所述，互联网金融对银行风险承担的研究仍处于起步阶段，第一，虽然国家出台了《指导意见》明确了互联网金融的内涵，但现有研究的界定仍然是模糊的，体现在未对银行体系外的互联网金融与银行体系的互联网化进行区分;第二，从理论上对两者关系进行系统性探讨的研究尚付阙如;第三，对银行的异质性特征仅停留在银行规模等讨论上，而未对互联网金融发展过程中商业银行的业务创新等进行考虑;第四，采用的风险承担代理变量单一，指标的有效性存在争议。主要的边际贡献为：首先，从利率效应与技术外溢效应构建互联网金融影响商业银行风险承担的理论机制;其次，指标设计上区分了商业银行主动承担与被动承担的风险。
二、机制分析和假说提出
作为全新的金融业态，互联网金融提高了资金的使用效率，加快了资金的流转速度，使利率更及时准确地反映资金供求关系，以蚂蚁金融公司开发的余额宝产品为例，方便快捷以及大型互联网企业的背书使得以往的货币市场基金成为集中式的协议存款，此类产品大量抢占商业银行的存款源，存款市场竞争变得越发激烈，在我国利率市场化的改革进程中，此种竞争机制无疑会抬高利率，迫使商业银行增加风险承担。
作为一种新的金融业态，除了竞争还应有融合。融合效应则是互联网金融企业与商业银行互相吸收彼此比较优势，基于本文研究目的，两者的融合是指互联网金融给商业银行带来的技术溢出效应。技术溢出是指行业内技术领先的行业，其技术会无意识地扩散到同行其他企业甚至是其他行业的企业，并且对吸收技术的企业带来正面的影响。
基于以上分析，作者认为互联网金融对商业银行的风险承担的影响取决于利率效应与技术溢出效应两者大小，若利率效应大于技术溢出效应，则增加商业银行风险承担，反之则减少银行风险承担。据此，提出本文的研究假说：
H1：互联网金融通过利率效应能够加剧银行风险承担，通过技术效应会减缓银行风险承担，因此，最终的作用方向取决于两种效应的比较。
三、实证检验
（一）样本选择及数据来源
鉴于数据的可获取性，研究样本最终确定为我国16家上市银行，分别是招商银行、南京银行华夏银行、民生银行、兴业银行、北京银行、工商银行、光大银行、建设银行、平安银行、宁波银行、浦发银行、中国银行、中信银行农业银行和交通银行，样本时间段为2007—2017年。所用数据主要来源于Wind数据库、国泰安CSMAR数据库、和讯网及百度指数。 （二）模型设计
为实现研究目的，科学设定实证模型尤为重要，考虑到商业银行风险承担具有内生性，故选取动态GMM（广义矩估计）方法对研究假说进行实证检验，模型设定如下：
模型中，下标i为银行代码，t为样本时间，RISKit代表商业银行风险承担水平，且分别用主动承担的风险加权资产比率和被动承担的风险不良贷款率表示，IFIt作为互联网金融发展水平的代理变量、controljit表示控制变量，？滋i为个体固定效应，？着it为随机误差项。
（三）变量选取
1.被解释变量：商业银行风险承担RISK。作为巴塞尔协议重点关注的指标之一，资本充足率更多地表现银行抵抗风险的能力，本文选取资本充足法下的风险加权资产比和不良贷款率来作为商业银行的风险承担变量。风险加权资产不仅考虑信用风险，还考虑了其他风险種类，并且事前可以对各类风险权重加以确定，体现了商业银行主动承担的风险，故选用风险资产比率指代银行主动承担的风险，不良贷款率作为一种事后指标，更多地反映银行被动承担的风险。
2.核心解释变量：互联网金融发展指数IFI。借鉴文本挖掘的思路，利用词库构造的方式来形成互联网金融发展指数，用来表征互联网金融发展水平，具体步骤如下：
第一步，构造词库，根据Merton & Bodie（1992）的金融功能观构建互联网金融原始词库（如表1所示）。
第二步，量化词库，利用百度指数搜集每年度词库平均值作为词库量化结果。
第三步，合成指数，借用主层次分析法对数据进行降维，共提取3个主成分，累积方差高达93.76%，提取的主成分能够很好且较为精确地提取到互联网金融发展趋势。
由上页图可以看出，我国互联网金融从2007—2017年大体呈不断增长的趋势，尤其是从2013年开始，当年余额宝产品开始发行，我国互联网金融发展速度迅速加快，各类互联网金融机构遍地林立，因此，2013年被称为我国互联网金融的元年。但由于监管的滞后，某些互联网金融机构无序竞争，2015年大量P2P平台跑路，监管机构开始进入整顿，相关监管措施逐一颁布，开始引领我国互联网金融健康发展，故2016年指数开始下滑。由以上分析可知，构建的互联网金融发展指数大体上能够刻画互联网金融发展状况。
3.控制变量。前人研究表明，货币政策变化及银行微观特征等均会影响银行的风险承担。因此，本文选择一下几个层次的控制变量：宏观经济层面选择GDP增速（GDP）来代表宏观经济变化，货币政策层面用广义货币量M2来代表货币政策变化，银行微观特征层面，选取资产对数作为商业银行规模（lnSize）的代理变量，资本充足率（CAR）表示应对风险能力，总资产收益率（ROA）作为银行盈利性指标。
四、实证分析结果
相比其他面板模型如随机效应模型、固定效应模型以及混合效应模型，差分GMM估计方法得到的结果更加稳健，即使存在单位根，模型仍然是有效的。因此，采用差分GMM估计方法对研究假说进行实证检验，检验结果（如表2所示）。两个模型的Sagan检验值分别为0.19和0.15，均大于0.1，说明模型的设定是合理的。此外，模型2中用不良贷款率作为被解释变量对模型做稳健性检验，发现模型结论仍然是稳健的，说明模型结论并未因为替代指标的选取导致结论发生偏误。
由回归结果可知：
第一，互联网金融加剧了商业银行的风险承担。无论是利用风险资产比率还是不良贷款比例，ifi的系数均在5%的显著性水平下为正，亦即互联网金融发展指数与商业银行风险承担水平存在正相关关系。这进一步证明在互联网金融发展过程中，商业银行变得更加激进，为了追求利润亦即保持自身市场地位，倾向于开展高风险业务，对风险的容忍度逐渐走高。因此，互联网金融加剧了商业银行风险承担。
第二，商业银行风险承担水平具有动态连续性。尽管风险加权资产比例未能通过T检验，但不良贷款率系数在1%的显著性水平下为负，这是由于商业银行在进行风险承担决策时，往往倾向于根据历史风险承担水平。
第三，货币政策与商业银行风险承担水平之间存在正相关关系。货币政策M2的系数在两个模型均在10%的显著性水平下为正，说明商业银行的风险承担水平具有明显的顺周期性，货币政策宽松时，商业银行亦会增加自身风险承担水平，反之则会降低风险承担水平。这表明，商业银行对货币政策具有灵敏的感知能力，能够配合货币政策实施。
第四，资本充足率与银行资产规模均与商业银行风险承担水平存在正相关关系。资本充足率反映的是商业银行应对风险能力，是发生极端风险时间时能够补偿客户的最终资本，银行资产规模越大，“大而不能倒”现象就愈加显著，越能够得到国家的隐性担保。因此，两者值越大，银行越倾向于增加自身风险承担水平，或者借助自身“多业务”优势，通过风险在业务链条之间转嫁来分散风险。
参考文献：
[1] 戴国强，方鹏飞.利率市场化与银行风险——基于影子银行与互联网金融视角的研究[J].金融论坛，2014，（8）.
[2] Berger A.N.，Klapper.I.F. & R Turk-Ariss，Bank Competition And Financial Stability[J].Journal of Financial Service Research，2009，（35）.
[3] 沈悦，郭品.互联网金融、技术溢出与商业银行全要素生产率[J].金融研究，2015，（3）.
[4] Syed A.， Rm Nida H.Factors Affecting Internet Banking Adoption Among Internal and External Customers：A Case of Pakistan[J].Journal of Electronic Finance，2013，（7）.
[5] 郑志来.互联网金融对我国商业银行的影响路径———基于“互联网+”对零售业的影响视角[J].财经科学，2015，（5）.
[6] 刘忠璐，林章悦，魏鹏.货币国际化、热钱与金融安全问题研究——基于面板VAR的实证分析[J].金融与经济，2014，（3）.
[7] 杨才然，王宁.互联网金融风险的银行视角[J].中国金融，2015，（7）.
[8] 彭迪云，李阳.互联网金融与商业银行的共生关系及其互动发展对策研究[J].经济探索，2015，（7）.
[9] 樊志刚.互联网时代的银行变革[J].中国金融，2014，（12）.
[10] 郭品，沈悦.互联网金融加重了商业银行的风险承担吗？——来自中国银行业的经验证据[J].南开经济研究，2015，（4）.
[11] 刘忠璐.互联网金融对商业银行风险承担的影响研究[J].财贸经济，2016，（4）.
[12] 喻微锋，周黛.互联网金融、商业银行规模与风险承担[J].云南财经大学学报，2018，（1）.
[13] 吴晓求.互联网金融：成长的逻辑[J].财贸经济，2015，（2）.
关键词：互联网金融指数;银行风险承担;GMM模型
中图分类号：F832 文獻标志码：A 文章编号：1673-291X（2019）27-0067-03
引言
互联网技术起源于20世纪70年代的美国并在90年代开始广泛地进行商业化应用，在将近三十年的高速发展过程中，互联网给传统金融行业带来的冲击和影响最终促成互联网金融这一颇具争议性的概念在我国被提出。2006年以来，互联网企业大量涉足金融领域，大力开展第三方支付业务、互联网理财业务、P2P借贷等业务，传统金融行业尤其是商业银行的市场份额逐渐被侵蚀。互联网与金融深度融合是大势所趋，这迫使商业银行改变管理策略。虽然是一种新的金融业务模式，但其本质仍然是金融，而金融领域风险的隐蔽性、传染性、广泛性和突发性并未被改变。
商业银行本质上是经营风险的企业，商业银行经营的最基本要求是确保资金的安全性、流动性和盈利性，简单说来就是承担和管理风险。互联网金融发展给商业银行风险承担带来正向亦或是负向影响？影响的理论机理是什么？这种影响在不同的银行间存在异质性吗？这些关键问题的回答，有利于中国系统性金融风险防范，有利于监管机构科学制定监管规则，使得互联网金融机构有序合理发展。因此，本研究具有重要的理论意义与现实意义。
一、文献回顾
互联网金融作为新的金融业务模式，与传统的商业银行模式竞争融合受到了学界的广泛关注，已有研究大致可分为两种视角：外部视角和内部视角，外部视角是指非银行互联网金融企业，内部视角是指商业银行本身的互联网化。
外部视角方面，戴国强和方鹏飞（2014）指出，互联网金融推高银行资金成本，加剧了银行风险承担水平。Berger（2009）认为，互联网金融发展促进了银行部门的技术水平，改善了商业银行交易效率，并且这种外溢效应是跨区域性的。此外，郭品和沈悦（2015）也基于技术溢出，分析了互联网金融对商业银行全要素生产率的促进机制;Syed & Nida（2013）从金融功能理论出发，认为互联网金融与传统金融尤其是商业银行在功能方面具有各自的比较优势，应该促进两者的合作与竞争;郑志来（2015）认为，互联网金融对商业银行的各个业务环节都造成冲击，并且在商业模式上与传统商业银行形成分庭抗礼的竞争局面。魏鹏（2014）则指出，互联网金融与传统商业银行是互补关系，传统商业银行应充分吸收互联网金融机构的技术。
内部研究视角亦即传统金融本身的互联网化，是指商业银行自身也利用互联网金融技术提供金融服务。杨才然和王宁（2015）认为，互联网金融本质仍然是金融，也就不会产生新的风险种类，只是形成了新的风险表现形式;彭迪云和李阳（2015）指出，商业银行在面对互联网金融的冲击时，能够主动更新自身管理技术，并形成以大平台信息为基础的风险管理框架。樊志刚等（2014）则认为，商业银行应充分学习互联网金融企业的客户管理模式，将银行自有平台与客户进一步密切联系起来。
综上所述，互联网金融对银行风险承担的研究仍处于起步阶段，第一，虽然国家出台了《指导意见》明确了互联网金融的内涵，但现有研究的界定仍然是模糊的，体现在未对银行体系外的互联网金融与银行体系的互联网化进行区分;第二，从理论上对两者关系进行系统性探讨的研究尚付阙如;第三，对银行的异质性特征仅停留在银行规模等讨论上，而未对互联网金融发展过程中商业银行的业务创新等进行考虑;第四，采用的风险承担代理变量单一，指标的有效性存在争议。主要的边际贡献为：首先，从利率效应与技术外溢效应构建互联网金融影响商业银行风险承担的理论机制;其次，指标设计上区分了商业银行主动承担与被动承担的风险。
二、机制分析和假说提出
作为全新的金融业态，互联网金融提高了资金的使用效率，加快了资金的流转速度，使利率更及时准确地反映资金供求关系，以蚂蚁金融公司开发的余额宝产品为例，方便快捷以及大型互联网企业的背书使得以往的货币市场基金成为集中式的协议存款，此类产品大量抢占商业银行的存款源，存款市场竞争变得越发激烈，在我国利率市场化的改革进程中，此种竞争机制无疑会抬高利率，迫使商业银行增加风险承担。
作为一种新的金融业态，除了竞争还应有融合。融合效应则是互联网金融企业与商业银行互相吸收彼此比较优势，基于本文研究目的，两者的融合是指互联网金融给商业银行带来的技术溢出效应。技术溢出是指行业内技术领先的行业，其技术会无意识地扩散到同行其他企业甚至是其他行业的企业，并且对吸收技术的企业带来正面的影响。
基于以上分析，作者认为互联网金融对商业银行的风险承担的影响取决于利率效应与技术溢出效应两者大小，若利率效应大于技术溢出效应，则增加商业银行风险承担，反之则减少银行风险承担。据此，提出本文的研究假说：
H1：互联网金融通过利率效应能够加剧银行风险承担，通过技术效应会减缓银行风险承担，因此，最终的作用方向取决于两种效应的比较。
三、实证检验
（一）样本选择及数据来源
鉴于数据的可获取性，研究样本最终确定为我国16家上市银行，分别是招商银行、南京银行华夏银行、民生银行、兴业银行、北京银行、工商银行、光大银行、建设银行、平安银行、宁波银行、浦发银行、中国银行、中信银行农业银行和交通银行，样本时间段为2007—2017年。所用数据主要来源于Wind数据库、国泰安CSMAR数据库、和讯网及百度指数。 （二）模型设计
为实现研究目的，科学设定实证模型尤为重要，考虑到商业银行风险承担具有内生性，故选取动态GMM（广义矩估计）方法对研究假说进行实证检验，模型设定如下：
模型中，下标i为银行代码，t为样本时间，RISKit代表商业银行风险承担水平，且分别用主动承担的风险加权资产比率和被动承担的风险不良贷款率表示，IFIt作为互联网金融发展水平的代理变量、controljit表示控制变量，？滋i为个体固定效应，？着it为随机误差项。
（三）变量选取
1.被解释变量：商业银行风险承担RISK。作为巴塞尔协议重点关注的指标之一，资本充足率更多地表现银行抵抗风险的能力，本文选取资本充足法下的风险加权资产比和不良贷款率来作为商业银行的风险承担变量。风险加权资产不仅考虑信用风险，还考虑了其他风险種类，并且事前可以对各类风险权重加以确定，体现了商业银行主动承担的风险，故选用风险资产比率指代银行主动承担的风险，不良贷款率作为一种事后指标，更多地反映银行被动承担的风险。
2.核心解释变量：互联网金融发展指数IFI。借鉴文本挖掘的思路，利用词库构造的方式来形成互联网金融发展指数，用来表征互联网金融发展水平，具体步骤如下：
第一步，构造词库，根据Merton & Bodie（1992）的金融功能观构建互联网金融原始词库（如表1所示）。
第二步，量化词库，利用百度指数搜集每年度词库平均值作为词库量化结果。
第三步，合成指数，借用主层次分析法对数据进行降维，共提取3个主成分，累积方差高达93.76%，提取的主成分能够很好且较为精确地提取到互联网金融发展趋势。
由上页图可以看出，我国互联网金融从2007—2017年大体呈不断增长的趋势，尤其是从2013年开始，当年余额宝产品开始发行，我国互联网金融发展速度迅速加快，各类互联网金融机构遍地林立，因此，2013年被称为我国互联网金融的元年。但由于监管的滞后，某些互联网金融机构无序竞争，2015年大量P2P平台跑路，监管机构开始进入整顿，相关监管措施逐一颁布，开始引领我国互联网金融健康发展，故2016年指数开始下滑。由以上分析可知，构建的互联网金融发展指数大体上能够刻画互联网金融发展状况。
3.控制变量。前人研究表明，货币政策变化及银行微观特征等均会影响银行的风险承担。因此，本文选择一下几个层次的控制变量：宏观经济层面选择GDP增速（GDP）来代表宏观经济变化，货币政策层面用广义货币量M2来代表货币政策变化，银行微观特征层面，选取资产对数作为商业银行规模（lnSize）的代理变量，资本充足率（CAR）表示应对风险能力，总资产收益率（ROA）作为银行盈利性指标。
四、实证分析结果
相比其他面板模型如随机效应模型、固定效应模型以及混合效应模型，差分GMM估计方法得到的结果更加稳健，即使存在单位根，模型仍然是有效的。因此，采用差分GMM估计方法对研究假说进行实证检验，检验结果（如表2所示）。两个模型的Sagan检验值分别为0.19和0.15，均大于0.1，说明模型的设定是合理的。此外，模型2中用不良贷款率作为被解释变量对模型做稳健性检验，发现模型结论仍然是稳健的，说明模型结论并未因为替代指标的选取导致结论发生偏误。
由回归结果可知：
第一，互联网金融加剧了商业银行的风险承担。无论是利用风险资产比率还是不良贷款比例，ifi的系数均在5%的显著性水平下为正，亦即互联网金融发展指数与商业银行风险承担水平存在正相关关系。这进一步证明在互联网金融发展过程中，商业银行变得更加激进，为了追求利润亦即保持自身市场地位，倾向于开展高风险业务，对风险的容忍度逐渐走高。因此，互联网金融加剧了商业银行风险承担。
第二，商业银行风险承担水平具有动态连续性。尽管风险加权资产比例未能通过T检验，但不良贷款率系数在1%的显著性水平下为负，这是由于商业银行在进行风险承担决策时，往往倾向于根据历史风险承担水平。
第三，货币政策与商业银行风险承担水平之间存在正相关关系。货币政策M2的系数在两个模型均在10%的显著性水平下为正，说明商业银行的风险承担水平具有明显的顺周期性，货币政策宽松时，商业银行亦会增加自身风险承担水平，反之则会降低风险承担水平。这表明，商业银行对货币政策具有灵敏的感知能力，能够配合货币政策实施。
第四，资本充足率与银行资产规模均与商业银行风险承担水平存在正相关关系。资本充足率反映的是商业银行应对风险能力，是发生极端风险时间时能够补偿客户的最终资本，银行资产规模越大，“大而不能倒”现象就愈加显著，越能够得到国家的隐性担保。因此，两者值越大，银行越倾向于增加自身风险承担水平，或者借助自身“多业务”优势，通过风险在业务链条之间转嫁来分散风险。
参考文献：
[1] 戴国强，方鹏飞.利率市场化与银行风险——基于影子银行与互联网金融视角的研究[J].金融论坛，2014，（8）.
[2] Berger A.N.，Klapper.I.F. & R Turk-Ariss，Bank Competition And Financial Stability[J].Journal of Financial Service Research，2009，（35）.
[3] 沈悦，郭品.互联网金融、技术溢出与商业银行全要素生产率[J].金融研究，2015，（3）.
[4] Syed A.， Rm Nida H.Factors Affecting Internet Banking Adoption Among Internal and External Customers：A Case of Pakistan[J].Journal of Electronic Finance，2013，（7）.
[5] 郑志来.互联网金融对我国商业银行的影响路径———基于“互联网+”对零售业的影响视角[J].财经科学，2015，（5）.
[6] 刘忠璐，林章悦，魏鹏.货币国际化、热钱与金融安全问题研究——基于面板VAR的实证分析[J].金融与经济，2014，（3）.
[7] 杨才然，王宁.互联网金融风险的银行视角[J].中国金融，2015，（7）.
[8] 彭迪云，李阳.互联网金融与商业银行的共生关系及其互动发展对策研究[J].经济探索，2015，（7）.
[9] 樊志刚.互联网时代的银行变革[J].中国金融，2014，（12）.
[10] 郭品，沈悦.互联网金融加重了商业银行的风险承担吗？——来自中国银行业的经验证据[J].南开经济研究，2015，（4）.
[11] 刘忠璐.互联网金融对商业银行风险承担的影响研究[J].财贸经济，2016，（4）.
[12] 喻微锋，周黛.互联网金融、商业银行规模与风险承担[J].云南财经大学学报，2018，（1）.
[13] 吴晓求.互联网金融：成长的逻辑[J].财贸经济，2015，（2）.