- 主办单位:
- ISSN:
- 期刊分类:
- 出版周期:
- 投稿量:
- 浏览量:
相关文章
暂无数据
金融科技对我国银行风险承担的影响研究
Research on the Impact of Fintech technology on Risk-Taking in Chinese Banks
引言
近年来，大数据、人工智能、区块链等核心金融科技技术快速发展，深刻改变了金融行业业态。银行业作为金融体系的核心，其信用风险管控能力直接影响金融体系稳定与实体经济健康发展。传统中小银行受技术水平、数据资源等限制，在信用风险的识别、评估与管控中存在明显短板，而金融科技赋能为其突破发展瓶颈、优化风险管控模式提供了新路径。目前，智能投顾、大数据风控等应用已逐步渗透到银行经营各环节，对银行信用风险承担产生了显著影响。
在此背景下，系统分析金融科技发展对银行信用风险承担的作用效果、内在机制及异质性，具有重要理论与实践价值。但现有研究尚未形成统一结论，金融科技究竟如何影响银行信用风险承担？其内在作用路径与传导机制是什么？这种影响在不同类型银行中是否存在显著差异？基于此，本文聚焦上述核心疑问，展开针对性研究，试图厘清金融科技与银行信用风险承担的内在关联，丰富现有研究。
文献综述
金融科技相关研究
1. 金融科技的内涵界定
金融科技的核心特征是“数字技术与金融服务的深度融合”，其技术底座主要包括人工智能、大数据、云计算、区块链、物联网等新一代信息技术。与传统金融创新不同，金融科技并非对金融产品或服务的简单改良，而是通过技术赋能重构金融交易流程、风险控制模式与资源配置机制，实现金融服务的智能化、高效化与普惠化。
新发展阶段的金融科技已从单一技术应用演进为“技术-金融-产业”协同的生态系统。其生态内涵包括：金融机构与科技企业的跨界合作深化，形成“金融+科技”的服务共同体；金融服务嵌入产业生产、研发、销售全流程，构建“金融赋能产业”的融合模式。
2. 金融科技的测度
现有测度方法主要有用金融科技相关融资规模/融资笔数,反映市场对金融科技产业的认可程度与资本投入力度。另外还有数字金融服务使用率。
银行信用风险承担相关研究
银行信用风险承担的形成是内外部多种因素共同作用的结果，现有研究已从多维度展开系统探讨并积累了较为丰富的成果。资本充足率是影响信用风险的核心变量之一，充足的资本储备能够增强银行的风险抵御能力，降低过度风险承担的动机。也有学者认为资产规模与信用风险承担存在密切关联，规模较大的银行通常具备更完善的风控体系和多元化的资产配置能力，风险分散效应更显著，信用风险水平相对更低。此外，银行的内部管理水平，也直接决定了信用风险的管控效果，管理效率越高的银行，信用风险识别与处置能力越强。
金融科技对银行信用风险承担影响的相关研究
在金融科技与银行信用风险关联关系这一核心议题上，学术界尚未形成共识，相关研究呈现出两种截然不同的学术观点。第一种观点认为金融科技的深度应用能够有效缓释银行信用风险。金融科技凭借大数据、人工智能等核心技术优势，可实现对借款人多维度信息的整合与深度挖掘，从源头降低逆向选择与道德风险发生概率。第二种观认为金融科技发展可能会推高银行信用风险水平。在追求智能化风控效率的过程中弱化甚至忽视传统风控流程中的审慎性原则，导致风险识别存在盲区。同时，金融科技领域的创新速度远超监管政策的更新节奏，监管滞后性使得金融科技与银行融合过程中容易滋生新型风险点。
理论分析和研究假设
金融科技发展对银行信用风险的影响机制
在数字技术与金融服务深度融合的背景下，金融科技的风控应用与服务模式持续优化创新。这种技术赋能可通过提升风险研判精度与动态监控效能，降低银行信用风险承担水平。其核心作用机制体现在：通过整合借款人结构化财务数据与非结构化行为数据构建立体信用画像，依托机器学习算法优化信贷审批模型，结合实时资金流向追踪与经营状况预警等创新方式，精准识别潜在违约风险，同时依托动态风险评估体系抑制高风险信贷投放。另外，大数据技术破解了传统信贷的信息不对称困境，这不仅减少了逆向选择与道德风险引发的信用风险损失，也促使银行形成更为审慎的信贷投放策略。进而降低整体信用风险承担水平。这一金融科技与银行信用风险管控之间的互动关系，实质上构建了“数据整合—模型优化—精准风控—风险降低”的良性循环机制。基于上述分析框架，本研究提出核心假设：
H1：金融科技发展显著降低银行信用风险承担水平。
金融科技发展对银行风险承担的路径机制
金融科技企业的跨界竞争导致银行资产端收益被压缩，依托大数据精准定价压缩风险溢价空间，多样化的互联网理财推高了银行负债端成本，多维度共同作用导致银行净息差收窄；而净息差收窄又会倒逼银行优化信贷资源配置，主动规避高违约率的高风险信贷项目，转而投向低风险、稳回报的资产，进而降低信用风险承担水平。基于上述分析框架，本研究提出中介效应假设：
H2：金融科技发展能够通过收窄银行净息差，间接降低银行信用风险承担水平。
金融科技发展对银行风险承担影响的区域异质性
从区域经济与金融基础来看，东部经济发达地区金融市场成熟度高，数字基础设施完备，银行在技术研发、人才储备与数据资源方面具备先天优势，能够更高效地吸收和应用金融科技成果。在这类地区，金融科技可通过构建精细化风控模型、搭建实时风险监控体系等方式深度融入银行信用风险管理流程，精准识别和处置潜在风险，因此对信用风险承担的抑制效应更为显著。与之相对，中西部经济发展相对滞后地区，金融基础设施薄弱，银行技术投入能力有限，且区域内小微企业占比高、信用信息更零散，金融科技赋能风控的场景拓展与技术落地面临较多约束。在此背景下，金融科技更多聚焦于基础金融服务的普惠延伸，其对银行信用风险的管控效能难以充分释放，抑制效应相对较弱。基于此提出研究假设：
H3：金融科技对银行信用风险承担的抑制作用存在区域异质性，东部地区抑制效应更为显著。
研究设计
指标构建
被解释变量
解释变量:银行风险承担（BR）。由于很难直接观察银行的冒险行为和Fintech发展水平的程度，鉴于数据的可获得性，本文选取Z-score作为银行风险暴露的基准代理变量。
核心解释变量
采用北京大学编制的城市数字金融普惠发展指数衡量金融科技发展水平（FINTECH）。该指数度全面反映了各城市的金融科技发展状况。考虑到银行经营所在城市的金融科技环境对其影响更为直接，本文采用银行注册地所在城市的数字金融普惠发展指数作为核心解释变量。为进行稳健性检验，采用该指数的一级指标“数字金融使用深度”作为替代变量。
中介变量
本文选取银行内部利差（SP），采用净息差衡量，即净利息收入与平均生息资产余额的比值。
控制变量
本文选取了以下控制变量：经济发展（ED）、对外开放程度（FDI）、人力资本（HC）,研发强度（RD）具体的变量说明见表1。
| 变量类型 | 变量名称 | 符号 | 衡量方式 |
|---|---|---|---|
| 解释变量 | 金融科技发展水平 | FINTECH | 七大金融科技指标综合指数 |
| 中介变量 | 净息差 | SP | 净利息收入与平均生息资产余额的比值 |
| 被解释变量 | 银行风险承担 | BR | 第三产业/第二产业比值 |
| 控制变量 | 经济发展 | ED | GDP总量 |
| 对外开放程度 | FDI | 所在地进出口总额（千美元）*0.1 | |
| 人力资本 | HC | 普通、职业本专科学生人数/10000 | |
| 研发强度 | RD | 经费内部支出/GDP |
基准回归模型
其中i为相应的省份，t为相应的年份。𝜶0表示截距项。𝑖𝑡表示i省t年的金融科技水平。B𝑅𝑖𝑡表示i省t年的银行风险承担。𝐗𝑖𝑡为控制变量。𝛃1、𝛄𝒊为变量的待估系数。𝛜𝑖𝑡为随机扰动项。𝛍𝑖为个体效应项。𝛌𝑡为时点效应项。
中介效应检验
其中i为相应的省份，t为相应的年份。𝜶0表示截距项。𝑖𝑡表示i省t年的金融科技水平。B𝑅𝑖𝑡表示i省t年的银行风险承担。S𝑃𝑖𝑡表示净息差，作为中介变量。𝐗𝑖𝑡为控制变量。𝛃1、𝛃2、𝛄𝒊为变量的待估系数。𝛍𝑖为个体效应项。𝛌𝑡为时点效应项。
实证结果与分析
基准回归结果
| 变量 | (1) BR | (2) BR |
|---|---|---|
| FINTECH | -3.347*** | -4.572*** |
| (23.002) | (14.251) | |
| ED | 0.000*** | |
| (4.893) | ||
| HC | -25.987*** | |
| (-9.893) | ||
| FDI | -0.383*** | |
| (-4.819) | ||
| RD | 1.252 | |
| (0.388) | ||
| _cons | 0.316*** | 0.239*** |
| (7.700) | (3.867) | |
| N | 155 | 155 |
| R2 | 0.426 | 0.566 |
| F | 529.099 | 184.918 |
注：***p<0.01, **p<0.05, *p<0.10。
回归结果如表2所示。从实证结果来看，无论模型是否纳入控制变量，金融科技与银行信用风险承担之间均呈现1%统计水平下的显著负相关关系，表明二者的负向关联具有较强稳健性。在加入控制变量后的基准回归中，金融科技对银行信用风险承担的回归系数为-4.5472，这意味着金融科技发展水平每提升1个单位，将推动银行信用风险承担显著降低4.572个单位，该结果有力验证了金融科技对银行信用风险承担的抑制效应，与研究假设H1的预期一致。
稳健性检验
考虑到直辖市可能与其他城市间存在系统性差异，参考钱海章等相关研究，使用剔除北京、上海、天津、重庆这4个直辖市的样本进行基准回归。由表3估计结果可知在剔除直辖市地区样本后，金融科技发展水平每提升1个单位，银行风险承担将显著降低3.523，在1%的水平下显著。说明金融科技对于银行风险承担的回归结果依旧为正且显著，回归结果稳健。
| 变量 | (1) BR | (2) BR |
|---|---|---|
| ED | -0.000*** | -0.000*** |
| (-8.995) | (-9.603) | |
| HC | 24.570*** | -0.532 |
| (10.169) | (-0.171) | |
| FDI | -0.497*** | -0.261*** |
| (-4.991) | (-2.800) | |
| RD | 20.388*** | 6.298** |
| (6.689) | (2.071) | |
| FINTECH | -3.523*** | |
| (11.334) | ||
| _cons | 1.296*** | 0.853*** |
| (20.497) | (12.251) | |
| N | 648 | 648 |
| R2 | 0.381 | 0.488 |
| F | 94.817 | 117.214 |
注：***p<0.01, **p<0.05, *p<0.10。
异质性分析
受地理区位条件的客观影响，我国区域间经济发展呈现出显著的不均衡特征。依据政策层面的标准划分，全国省份被划分为东部、中部与西部三大区域。本文将按东、中、西三大区域分组开展回归检验。
| 变量 | (1) 东部BR | (2) 中部BR | (3) 西部BR |
|---|---|---|---|
| FINTECH | -6.721*** | -4.520*** | -0.000 |
| (13.507) | (4.992) | (-7.042) | |
| ED | 0.000*** | -0.000*** | 8.780 |
| (6.507) | (-5.711) | (1.600) | |
| HC | -27.567*** | 3.393 | -0.910*** |
| (-6.676) | (0.497) | (-4.144) | |
| FDI | -0.315*** | -1.108 | 25.829*** |
| (-3.424) | (-1.584) | (4.866) | |
| RD | -25.387*** | 5.108 | 2.211*** |
| (-5.133) | (0.614) | (4.889) | |
| _cons | -0.319*** | 0.852*** | 1.119*** |
| (-2.670) | (6.362) | (12.724) | |
| N | 312 | 144 | 288 |
| R2 | 0.155 | 0.408 | 0.393 |
| F | 170.702 | 18.321 | 35.031 |
注：***p<0.01, **p<0.05, *p<0.10。
中介变量回归结果
| 变量 | (1) SP | (2) BR |
|---|---|---|
| FINTECH | -5.515*** | -4.928*** |
| (6.504) | (15.135) | |
| ED | 0.000*** | 0.000*** |
| (9.452) | (6.219) | |
| HC | 119.563*** | -18.261*** |
| (17.219) | (-5.919) | |
| FDI | -0.908*** | -0.441*** |
| (-4.324) | (-5.563) | |
| RD | 33.553*** | 3.420 |
| (3.935) | (1.064) | |
| SP | 0.065*** | |
| (4.610) | ||
| _cons | 1.548*** | 0.339*** |
| (9.459) | (5.239) | |
| N | 744 | 744 |
| R2 | 0.852 | 0.579 |
| F | 814.942 | 162.047 |
注：***p<0.01, **p<0.05, *p<0.10。
表5结果表明，金融科技发展水平每提升1个单位，净息差将显著降低5.515个单位，且在1%显著性水平下通过检验。这验证了理论假设H2的预期。
结论和对策建议
本文利用155家地方中小银行2011-2023年的面板数据，实证检验了金融科技发展与银行风险承担之间的因果关系、传导机制及异质性特征。本研究的主要结论如下：
第一，金融科技发展水平与银行风险承担之间存在显著的负相关关系，即金融科技发展能够降低银行风险承担水平，提升银行经营的整体稳定性。
第二，金融科技对银行风险承担的影响具有异质性。东、西部地区金融科技降低银行风险的效果优于中部地区；金融科技发展对中小银行的影响更为显著。
第三，金融科技影响银行风险承担的传导路径主要包括银行内部渠道与外部渠道。银行内部的净息差和管理成本是金融科技影响银行风险的部分中介变量。
基于上述研究结论，本文提出以下对策建议：
首先，加快金融科技与信用风险管理的深度融合，加大技术研发投入，重点提升大数据、人工智能等技术在信贷审批、风险监控等环节的应用水平，增强风控精准度。同时积极发展中间业务与数字金融产品，降低对传统利息收入的过度依赖。
其次，加强跨区域金融科技合作平台建设，鼓励东部地区先进金融科技企业与技术成果向中西部地区转移，带动当地银行风控能力升级。加大中西部地区数字基础设施投入，提升数字金融覆盖范围与服务质量。
参考文献：
- [1] 任碧云,郑宗杰.金融科技对商业银行风险承担的影响——基于商业银行信贷结构的视角[J].贵州财经大学学报,2021(05):61-69.
- [2] 应倩倩.金融科技下商业银行风险承担异质性研究[D].西南财经大学,2019.
- [3] 王靖一，黄益平．金融科技媒体情绪的刻画与对网贷市场的影响［J］．经济学(季刊)，2018(04) :1623-1650．
- [4] 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(03) :160-175．
- [5] 盛天翔，范从来．金融科技、最优银行业市场结构与小微企业信贷供给［J］．金融研究，2020(06) :114-132．
- [6] 金鸿飞，李弘基，刘音露．金融科技、银行风险与市场挤出效应［J］．财经研究，2020(05) :52-65．
- [7] 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(04) :71-85．
- [8] 孙旭然，王康仕，王凤荣．金融科技、竞争与银行信贷结构———基于中小企业融资视角［J］．山西财经大学学报，2020(06): 59 -72.
- [9] 郭品，沈悦．互联网金融对商业银行风险承担的影响:理论解读与实证检验［J］．财贸经济，2015(10) :102-116．
- [10] 刘莉亚，余晶晶，杨金强，等．竞争之于银行信贷结构调整是双刃剑吗? ——中国利率市场化进程的微观证据［J］． 经济研究，2017(05) :131-145.
- [11] 吴秋华.金融科技对商业银行风险承担的影响研究[J].区域金融研究,2021(08):47-55.