论文部分内容阅读
【摘 要】 本文基于2008-2017年我国16家商业银行的数据，构建包含金融科技指数的静态面板模型并进行实证检验。结果表明：金融科技通过技术溢出效应，提升了商业银行的盈利能力;改善了商业银行的经营增长状况;但同时也增加商业银行流动性风险。
【关键词】 金融科技指数 商业银行 银行绩效
一、实证分析
（一）变量与样本银行的选择
1.变量选取
对被解释变量——商业银行绩效，现有研究一般从盈利性、流动性、安全性、成长性、市场占有能力等五个维度衡量，本文从盈利性，风险性和成长性三个角度考察商业银行绩效。首先，选取影响银行稳健运行的指标。其中，体现盈利性的指标选取资产利润率;体现风险性的指标选取流动性比例;体现成长性的指标选取利润增长率。
对解释变量——金融科技指数，本文借鉴沈悦和郭品（2015）的互联网金融指数构造方法。第一，检验数据。变量的KMO值为0.574，巴特利特值为261.783，因此这些关键词存在共享因素。第二，提取公因子。基于主成分分析法提取特征值大于1的公因子，结果表明公因子方差贡献率为96.573%，能够反映大部分原始信息。第三，计算因子得分。依据方差最大化原则对载荷矩阵进行正交旋转后，利用回归分析法估计因子的得分系数矩阵。第四，合成指数。以因子得分为权重将公因子表示为原始变量的线性组合，同时，应用min-max处理将数据标准至0-1之间，得到金融科技指数：KMO值为0.574，巴特利特值为261.783。
除了核心解释变量外，本文还选择其他可能影响商业银行绩效的变量作为控制变量，包括银行资产规模（各年末银行总资產的自然对数）（size）、资本充足率（car）、不良贷款率（npl）、成本收入比（cir）;宏观环境变化对商业银行经营绩效会产生较大影响，本文选择GDP作为影响商业银行经营绩效的控制变量。
2.样本银行的选取
本文选取的2008年至2017年16家上市银行数据，其资产总规模占银行业的七成左右，且公司治理完善，财务数据比较真实可靠，能很好地代表中国银行业的总体情况。
（二）实证分析
1.实证分析过程
（1）资产收益率
本文通过hausman检验来判断是使用固定效应还是随机效应模型。传统的hausman检验假定，在H0成立的情况下，随机效应模型是最有效率。
hausman检验结果Prob>chi2=0.6041，接受原假设，即应当采用随机效应模型，即每增加1个单位的金融科技指标，将会增加约2.89个单位的资产收益率，回归结果显著。
（2）流动性比例
hausman检验结果Prob>chi2=0.9285，表明接受原假设，即应当采用随机效应模型。即每增加1个单位的金融科技指标，将会减少约0.22个单位的流动性比例，回归结果显著。
（3）利润增长率
hausman检验结果Prob>chi2=0.7091，表明接受原假设，即应当采用随机效应模型。即每增加1个单位的金融科技指标，将会增加约0.52个单位的流动性比例，回归结果在10%水平上效果显著。
（三）实证结果解释
在ROA模型中，金融科技指数FI的系数为正且显著。表明金融科技的发展对商业银行盈利具有积极作用。因此，金融科技的快速发展能够为我国商业银行摆脱低效的现状提供动力，为银行业转型升级注入活力，为金融体系变革创造良机。
在CR模型中，金融科技指数FI的系数为负且显著。这表明金融科技会加大商业银行风险。这说明金融科技既带来机会，也可能加大业务转型风险。在存取款业务方面，对于没有充足资金头寸的银行来说，数字货币会提高居民存取款的随机性，如果商业银行无法满足取款需求，则会带来流动性风险。
在gProfit模型中，金融科技指数FI的系数为正数且较为显著。这表明金融科技的发展有利于商业银行经营水平的持续提高。
四、结论与建议
（一）研究结论
本文构建金融科技指数为核心解释变量的模型，针对金融科技对商业银行经营绩效的影响进行了研究，得出以下结论：（1）金融科技通过技术溢出效应，提升了我国商业银行的盈利能力;（2）金融科技创新提高了银行的风险水平;（3）金融科技创新有利于提高商业银行经营增长水平。
（二）相关建议
在盈利模式方面，商业银行应以积极的姿态应对利率市场化，充分运用金融科技提升盈利能力。银行应尽快利用互联网思维，重点发展以客户为核心，以供应链融资、国际结算及贸易融资、现金管理等业务为对象的交易银行。
在风险防控方面，商业银行要在风险管理中有效运用大数据技术，加强风控意识、完善应急机制，减少操作风险、技术风险，降低金融科技对商业银行风险水平的影响。政府应利用技术为金融科技成果提供安全的测试环境，在投放市场前进行风险规避，例如借鉴英国“监管沙箱”。
【参考文献】
[1] 上海新金融研究院课题组，钟伟，宋静.数字货币与金融技术监管的崛起[J].新金融评论，2017（06）：1-26.
[2] 汪可.金融科技、价格竞争与银行风险承担[J].哈尔滨商业大学学报（社会科学版），2018（01）：40-48.
[3] 宁方国.金融科技与金融风险[J].时代金融，2017（36）：19-20+27.
[4] 莱尔·布雷纳德，王潇靓.金融科技与监管科技并行之道[J].金融市场研究，2017（12）：30-36.
[5] 陈升苗.金融科技监管的国际经验借鉴[J].经贸实践，2017（23）：133.
作者简介：王嘉欣（1995—），女，汉族，江苏南京人，金融学硕士，单位：苏州大学东吴商学院，研究方向：证券与投资实务。
【关键词】 金融科技指数 商业银行 银行绩效
一、实证分析
（一）变量与样本银行的选择
1.变量选取
对被解释变量——商业银行绩效，现有研究一般从盈利性、流动性、安全性、成长性、市场占有能力等五个维度衡量，本文从盈利性，风险性和成长性三个角度考察商业银行绩效。首先，选取影响银行稳健运行的指标。其中，体现盈利性的指标选取资产利润率;体现风险性的指标选取流动性比例;体现成长性的指标选取利润增长率。
对解释变量——金融科技指数，本文借鉴沈悦和郭品（2015）的互联网金融指数构造方法。第一，检验数据。变量的KMO值为0.574，巴特利特值为261.783，因此这些关键词存在共享因素。第二，提取公因子。基于主成分分析法提取特征值大于1的公因子，结果表明公因子方差贡献率为96.573%，能够反映大部分原始信息。第三，计算因子得分。依据方差最大化原则对载荷矩阵进行正交旋转后，利用回归分析法估计因子的得分系数矩阵。第四，合成指数。以因子得分为权重将公因子表示为原始变量的线性组合，同时，应用min-max处理将数据标准至0-1之间，得到金融科技指数：KMO值为0.574，巴特利特值为261.783。
除了核心解释变量外，本文还选择其他可能影响商业银行绩效的变量作为控制变量，包括银行资产规模（各年末银行总资產的自然对数）（size）、资本充足率（car）、不良贷款率（npl）、成本收入比（cir）;宏观环境变化对商业银行经营绩效会产生较大影响，本文选择GDP作为影响商业银行经营绩效的控制变量。
2.样本银行的选取
本文选取的2008年至2017年16家上市银行数据，其资产总规模占银行业的七成左右，且公司治理完善，财务数据比较真实可靠，能很好地代表中国银行业的总体情况。
（二）实证分析
1.实证分析过程
（1）资产收益率
本文通过hausman检验来判断是使用固定效应还是随机效应模型。传统的hausman检验假定，在H0成立的情况下，随机效应模型是最有效率。
hausman检验结果Prob>chi2=0.6041，接受原假设，即应当采用随机效应模型，即每增加1个单位的金融科技指标，将会增加约2.89个单位的资产收益率，回归结果显著。
（2）流动性比例
hausman检验结果Prob>chi2=0.9285，表明接受原假设，即应当采用随机效应模型。即每增加1个单位的金融科技指标，将会减少约0.22个单位的流动性比例，回归结果显著。
（3）利润增长率
hausman检验结果Prob>chi2=0.7091，表明接受原假设，即应当采用随机效应模型。即每增加1个单位的金融科技指标，将会增加约0.52个单位的流动性比例，回归结果在10%水平上效果显著。
（三）实证结果解释
在ROA模型中，金融科技指数FI的系数为正且显著。表明金融科技的发展对商业银行盈利具有积极作用。因此，金融科技的快速发展能够为我国商业银行摆脱低效的现状提供动力，为银行业转型升级注入活力，为金融体系变革创造良机。
在CR模型中，金融科技指数FI的系数为负且显著。这表明金融科技会加大商业银行风险。这说明金融科技既带来机会，也可能加大业务转型风险。在存取款业务方面，对于没有充足资金头寸的银行来说，数字货币会提高居民存取款的随机性，如果商业银行无法满足取款需求，则会带来流动性风险。
在gProfit模型中，金融科技指数FI的系数为正数且较为显著。这表明金融科技的发展有利于商业银行经营水平的持续提高。
四、结论与建议
（一）研究结论
本文构建金融科技指数为核心解释变量的模型，针对金融科技对商业银行经营绩效的影响进行了研究，得出以下结论：（1）金融科技通过技术溢出效应，提升了我国商业银行的盈利能力;（2）金融科技创新提高了银行的风险水平;（3）金融科技创新有利于提高商业银行经营增长水平。
（二）相关建议
在盈利模式方面，商业银行应以积极的姿态应对利率市场化，充分运用金融科技提升盈利能力。银行应尽快利用互联网思维，重点发展以客户为核心，以供应链融资、国际结算及贸易融资、现金管理等业务为对象的交易银行。
在风险防控方面，商业银行要在风险管理中有效运用大数据技术，加强风控意识、完善应急机制，减少操作风险、技术风险，降低金融科技对商业银行风险水平的影响。政府应利用技术为金融科技成果提供安全的测试环境，在投放市场前进行风险规避，例如借鉴英国“监管沙箱”。
【参考文献】
[1] 上海新金融研究院课题组，钟伟，宋静.数字货币与金融技术监管的崛起[J].新金融评论，2017（06）：1-26.
[2] 汪可.金融科技、价格竞争与银行风险承担[J].哈尔滨商业大学学报（社会科学版），2018（01）：40-48.
[3] 宁方国.金融科技与金融风险[J].时代金融，2017（36）：19-20+27.
[4] 莱尔·布雷纳德，王潇靓.金融科技与监管科技并行之道[J].金融市场研究，2017（12）：30-36.
[5] 陈升苗.金融科技监管的国际经验借鉴[J].经贸实践，2017（23）：133.
作者简介：王嘉欣（1995—），女，汉族，江苏南京人，金融学硕士，单位：苏州大学东吴商学院，研究方向：证券与投资实务。