金融科技与商业银行风险承担 ——基于中国银行业的实证分析-汪可.pdf

《金融科技与商业银行风险承担 ——基于中国银行业的实证分析-汪可.pdf》由会员分享，可在线阅读，更多相关《金融科技与商业银行风险承担 ——基于中国银行业的实证分析-汪可.pdf（5页珍藏版）》请在淘文阁 - 分享文档赚钱的网站上搜索。

1、风险管理Risk M anagement1 00 管理现代化DOI: 10. 3969/ j. issn. 1003- 1154. 2017. 06. 027金融科技与商业银行风险承担基于中国银行业的实证分析 汪 可 吴 青 李 计(对外经济贸易大学国际经济贸易学院,北京 100029)摘要以中国34家2003 2016年商业银行数据为样本,实证检验Fintech对商业银行风险承担的影响大小,以及不同类型商业银行的响应程度。结果表明: ( 1) Fintech发展与商业银行风险承担呈现倒U型曲线关系; ( 2)非系统性重要银行风险承担能力较为出色。关键词商业银行;金融科技;风险承担; Fint

2、ech;系统广义矩估计中图分类号 F832. 29 文献标识码 A 文章编号 1003- 1154( 2017) 06- 0100- 05基金项目北京市自然科学基金项目“科技金融网络的结构、演化及创新机制研究” ( 9142006) 。一、引 言在政策号召、技术进步和市场竞争的推动下,越来越多的商业银行开始选择与金融科技( Fintech)合作,互补优势,积极谋求转型。如建行与蚂蚁金融、工行与京东、农行与百度、中行与腾讯都宣布展开深度合作。而在此之前, Fintech的技术体系、数据环境以及场景渗透给商业银行带来了全面冲击。在此背景下,探讨Fintech与商业银行之间关系的重要性愈显突出。国内

3、外学者从定义、动因、特征、作用以及风险等角度对Fintech进行了讨论。全球金融科技报告 1认为, Fintech是金融服务和科技手段的动态交集。Puschmann 2把Fintech看作是金融创新过程。 Alt和Puschmann 3认为,信息技术的发展、消费者行为习惯的改变、传统银行业的危机,以及监管方面的变化等因素,促进了Fintech的兴起。赵鹞 4指出,Fintech具有典型互联网科技行业低利润率、轻资产、高创新、增长快等特征,扩充了互联网金融的定义边界,无论是互联网金融,还是Fintech,作为金融中介的这一金融本质都没有改变,这就决定了Fintech将在投融资、运营和风险管理、支

4、付清算、数据安全和用户体验等方面发挥独特的金融功能。总体而言,Fintech本质上是云计算、大数据、人工智能、区块链等科技手段在支付清算、借贷融资、财富管理、零售银行、交易结算等金融领域的应用,促使金融服务更加丰富、更有效率的一种技术能力。从很大程度上说,Fintech都是在不断减少人为运作过程中主观或客观的行为错误。但是与传统金融相比较,赵鹞 4认为Fintech可能会强化金融的固有风险,并改变风险的分布常态,产生金融风险的“黑天鹅” 。孙国峰 5指出, Fintech的发展涉及金融机构、监管当局、消费者等多方主体,要实现各主体良性互动、共融发展,是一项系统工程。因此,需要平衡好Fintec

5、h发展、潜在风险以及监管之间的关系。现有文献大多在理论层面上阐述Fintech的兴起以及银行业面临的机遇和挑战,关于其与商业银行竞合互动关系的讨论尚未深入展开。第一,缺乏从实证层面定量考察Fintech与商业银行之间的互动关系。第二,目前很少研究涉及Fintech发展水平的量化测度。基于此,本文先通过阐述Fintech对商业银行风险承担的影响机制,然后借鉴郭品和沈悦 6的文本挖掘法构建Fintech指数,最后运用中国34家20032016年商业银行的微观面板数据进行动态面板系统广义据估计,实证检验Fintech对商业银行风险承担的影响以及影响的异质性。二、影响机制和猜想过于简单化的储蓄、借贷和

6、商业服务等银行产品和流程已经将个人银行业务推向被颠覆的边缘,来自Fintech的威胁将从市场份额、利润、信息安全和客户流失的增加等方面冲击现有的业务。 Fintech发展期万方数据Risk M anagement风险管理201 7年第6期 1 01 初对商业银行风险承担的影响机制可以从以下几个角度进行归纳: ( 1)支付端格局。当前第三方支付占整体支付市场的份额持续增加,并且覆盖了绝大多数消费场景,如电商及线下购物、餐饮、酒店、出行、缴费充值等。过去银行可以通过POS机的消费记录对客户的消费行为进行分析,进而为金融企业的服务、产品和决策提供依据和支持。而第三方支付的出现改变了这些消费行为的轨迹

7、,使得银行无法获得完整的消费记录等重要数据,这将会在很大程度上影响银行进一步深入了解和分析客户行为的有效性,以及金融服务和产品的研发。 ( 2)财富管理。互联网理财渠道正在成为理财的主要渠道,支付宝、理财通等这些触网的金融产品也从基金逐渐扩散到其他各个方面,占领着传统金融财富管理的市场。在互联网理财这个领域, Fintech将接管网络理财创新,同时越来越走向前台,接触客户,运用软件和运算方法为客户提供适合的投资服务即智能投顾,并帮助客户进行理财规划。基于自动化分析的智能投顾,还能降低开户、客户转化以及获取客户资金的成本。而商业银行则越来越走向后台,将精力和资源投放在产品设计和风险管理方面。 (

8、 3)大数据挖掘。在数字化时代,激烈的市场竞争正在颠覆逐渐分散化的商业银行业务、过时的定价技术以及低效的风控模式。大数据挖掘是Fintech的核心技术创新。以大数据征信为例,通过先进的数据采集及建模技术,使得对过去在商业银行服务体系中难以被覆盖的客户群体的征信成为可能。在量化投资领域中,数据提供商的数据多样化性、稳定性等特点决定着整个量化策略产品的有效性,比如通过高频交易和算法交易等挖掘大数据给交易及研究人员提供及时准确的预测,助其获取超额收益。可以看出,大数据在分析风险定价、风险控制、客户需求、量化投资等诸多领域,给出针对性的创新金融服务方面具有极大优势,并且随着海量数据的扩充,大数据应用能

9、力将变得越来越关键。 ( 4)金融中介角色。 Fintech将商业银行能够提供的所有服务完全打散,并通过其庞大复杂的产业链体系借助最终产品化服务的出口向用户输出,简化基础结构,减少中间费用。例如, Fintech中迅速成长的消费金融市场,若消费金融公司打包其资产端,开发出一些可靠的金融产品并控制好风险,其ABS将可以在资本市场获得更加低廉的资金,这将会削弱银行体系在金融行业的功能。除此之外,区块链去中心化的特点、不断创新的网络借贷、高效透明的互联网金融信息服务等都会降低银行承担金融中介的职能。1包括的商业银行有:工商银行、农业银行、中国银行、建设银行、交通银行、招商银行、兴业银行、中信银行、浦

10、发银行、民生银行、光大银行、华夏银行、广发银行、平安银行、重庆银行、哈尔滨银行、杭州银行、锦州银行、南京银行、宁波银行、青岛银行、上海银行、天津银行、长沙银行、成都银行、大连银行、东莞银行、汉口银行、江西银行、齐商银行、绍兴银行、温州银行、厦门银行、广东顺德银行。根据上述分析, Fintech发展初期通过蚕食商业银行利润、加剧价格竞争、改善技术水平、减少中间费用来增加商业银行风险承担水平。然而,随着国内商业银行对Fintech的重视与布局,商业银行与外部机构的合作趋势愈发明显。传统商业银行有着庞大的客户资源、最长历史的金融数据沉淀、雄厚的资金实力以及完备的业务优势,而科技公司在技术、场景、产品

11、体验与创新上更胜一筹,因此商业银行与外部机构的合作或能在提高Fintech效率的同时,降低自身风险承担水平。另一方面,政府监管的不断趋严以及不变的控风险补短板方向,使得监管框架逐步明晰,更加注重行业间的协调监管,从而有助于Fintech与银行之间协调发展,有效改善银行效率,降低风险。由此提出本文有待验证的第一个猜想:从动态演进视角来看, Fintech对商业银行风险承担的影响呈现先升后降的倒U型趋势,即发展初期Fintech加剧银行风险承担,但随着监管的加强以及银行的转型调整,转而降低银行风险承担。根据中国银监会的界定,工、农、中、建、交五家大型商业银行为我国系统性重要银行。复杂的组织体系和人

12、员结构,使得系统性重要银行在信息传递与决策传导中难免出现滞后性。在企业战略管理方面,规模过大容易反应迟钝,在应对危机时难以迅速做出判断。而非系统性重要银行(股份制商业银行、城市商业银行、农村商业银行)的规模相对来说比较小, “船小好调头”的特点使得面对Fintech冲击可以迅速调整。另一方面,股份制商业银行清晰的产权、灵活的制度,以及在业务创新与多元化经营方面的不断突破、加上城市商业银行在地缘和客户粘性方面的优势等,使得这些非系统性商业银行对Fintech的吸收消化能力较为出色。由此,提出本文的第二个猜想:对于Fintech的冲击,不同类型的商业银行风险承担不同,非系统性重要银行风险承担能力较

13、为出色,而系统性重要银行风险承担能力相对较差。三、模型研究设计(一)样本与数据来源考虑数据的可得性,本文手工搜集了中国34家商业银行( 5家大型商业银行, 29家中小型商业银行)年度数据作为样本,时间跨度为2003 2016年1 。数据来源于BankScope数据库、 W ind数据库、 CEIC数据库、 中国金融统计年鉴以及商业银行年报。万方数据风险管理Risk M anagement1 02 管理现代化(二)变量说明1.被解释变量本文使用Z值来衡量银行风险承担。该指标定义如下: Z= ( ROA+ E/ A) / ( ROA) ,其中ROA为资产收益率, E/ A为资本资产比, ( ROA

14、)代表资产收益率的标准差。 Z值越大,银行整体稳定性越强,风险承担就越小。考虑到Z值尖峰后尾的特点,因此在应用中取其对数进行回归,同时采用ln( 1+ Z)而非lnZ来避免Z值为零时截断的情形。为保证分析结果的稳健性,采用贷款损失准备率作为辅助考察变量,贷款损失准备率越高,风险承担就越小。2.核心解释变量本文采用郭品和沈悦 6的文本挖掘法构建Fintech指数,具体步骤为:第一,结合金融功能和技术路径,建立Fintech初始词库。一方面,现代金融具有支付结算、资源配置、风险管理和信息传递功能。另一方面, Fintech技术基础包括大数据、云计算、人工智能、区块链、生物识别。因此结合金融功能和技

15、术路径确定如下词库(表1) 。第二,借助百度搜索引擎,计算关键词的年度词频。统计出以上各个关键词2003 2016年间每一年的新闻发布总数,新闻发布数量与网民和企业的关注度正相关,可以从侧面反应出Fintech的发展势头。第三,运用因子分析法结合上述关键词,合成Fintech指数。表1 Fintech指数词库维度关键词支付结算第三方支付在线支付移动支付网上支付电脑支付资源配置网上融资网上投资网贷网络融资网络投资风险管理互联网理财互联网保险在线理财网络理财网上车险信息传递电子银行在线银行网银网上银行网络银行技术基础大数据云计算人工智能区块链生物识别3.控制变量对已有文献分析,银行层面方面影响银行

16、风险的因素主要体现为这四方面: ( 1)成长能力,本文用资产规模增速作代理变量。 ( 2)盈利能力,本文用资产收益率作代理变量。盈利能力差的银行一方面可能为了提高盈利水平而去承担更高风险,另一方面也可能保守经营而降低其风险承担。 ( 3)经营效率,这里用成本收入比作为代理变量。一般而言,银行经营效率越高,其所承担的风险就越低。 ( 4)流动性水平,本文选取流动资产与总资产的比率作为代理变量。巴塞尔协议要求银行增加流动资产以抵御金融危机,从这个角度看,流动性越好,风险承担就越低。另一方面,也有研究发现高流动性会破坏银行体系的稳定性,产生外部性,从而增加风险。除此之外,宏观层面上的控制变量主要有:

17、 ( 1)宏观经济水平,选取名义GDP增速。 ( 2)金融深化水平,选取股票总市值与GDP之比。 ( 3)货币政策,选取M 2增速。 ( 4)行业集中度,选取系统性银行资产占比增速。一般而言,集中度越低,市场竞争就越激烈。激烈的竞争一方面会降低银行的特许权价值,容易产生道德风险,从而增加银行风险;另一方面会使银行更加重视风险管理,有效改善经营效率,从而降低风险承担。上述各变量定义与描述性统计情况如表2所示。(三)研究设计为了检验猜想1,设计回归方程一:RISKit = 0 + 1 RISKi, t- 1 + 2 RISKi, t- 2 + 3 FI+ 4 FI2 + j Controljit

18、+ ui + it式中考虑到银行风险的持续性,加入了风险承担的滞后项, RISKit为第i家银行第t期的风险承担水平,被表示为前期风险承担水平、 Fintech指数、控制变量、商业银行固定效应以及随机扰动项的函数。表2 变量设计及统计性描述变量类型变量名称符号变量设计均值标准差最小值最大值被解释变量Z值RISKZ ( ROA+ E/ A) / ( ROA) 1. 313 0. 460 - 0. 603 2. 308贷款损失准备率RISKLLR贷款损失准备/贷款总额* 100 2. 690 1. 674 0. 001 22. 019核心解释变量Fintech FI Fintech指数0. 251

19、 0. 308 0. 000 1. 000控制变量成长能力AG资产规模增速* 100 22. 642 13. 672 - 24. 088 87. 064盈利能力ROA资产收益率* 100 89. 778 38. 622 - 20. 100 182. 000经营效率CI成本收入比* 100 38. 252 11. 136 14. 830 93. 980流动性水平LI流动资产占比* 100 18. 944 8. 242 0. 028 62. 298宏观经济水平GDP名义GDP增速* 100 13. 911 4. 914 7. 000 23. 147金融深化程度GS股市总值/ GDP* 100 52

20、. 401 25. 819 17. 313 121. 059货币政策M 2货币供应量增速* 100 16. 318 4. 067 11. 300 0 27. 680 0行业集中度CR5五大行资产占比增速* 100 - 3. 092 1. 826 - 5. 417 0. 683系统重要性SI虚拟变量0. 143 0. 350 0. 000 1. 000 0根据理论分析,预期 3显著为负, 4显著为正。为验证猜想2,引入Fintech指数与银行类型虚拟变量的交互项,设计回归方程二:RISKit = 0 + 1 RISKi, t- 1 + 2 RISKi, t- 2 + 3 FI+ 4 FI* SI

21、+ 5 FI2 + 6 FI2 * SI+ j Controljit + ui + it式中当样本银行为系统性重要银行时SI取1,其余情况取0。根据理论分析,预期 4显著为正, 6显著为负。万方数据Risk M anagement风险管理201 7年第6期 1 03 四、实证结果分析及检验(一)平稳性检验围绕银行层面的变量进行平稳性检验,所有统计变量均通过显著性检验,排除了实证过程中出现“伪回归”的可能(表3) 。表3 平稳性检验变量Hadri检验LLC检验IPS检验统计量(P值)统计量( P值)统计量( P值)RISKZ 22. 310* * * ( 0. 00) - 9. 058* * *

22、 ( 0. 00) - 5. 045* * * ( 0. 00)RISKLLR 9. 799* * * ( 0. 00) - 38. 438* * * ( 0. 00) - 10. 892* * * ( 0. 00)AG 1. 312* ( 0. 095) - 5. 823* * * ( 0. 00) - 4. 530* * * ( 0. 00)ROA 20. 986* * * ( 0. 00) - 6. 735* * * ( 0. 00) - 3. 462* * * ( 0. 00)CI 28. 323* * * ( 0. 00) - 9. 804* * * ( 0. 00) - 4. 48

23、7* * * ( 0. 00)LI 9. 926* * * ( 0. 00) - 2. 897* * * ( 0. 002) - 1. 288* ( 0. 099)(二)猜想1实证分析表4中模型( 1)模型( 4)报告了猜想1的回归结果,考虑到内生性问题,借助动态面板广义据估计来进行实证,动态面板的差分广义矩估计( DIFFGM M )和系统广义矩估计( SYSGM M )相比较而言后者更为稳健,因此根据SYSGM M展开讨论。模型( 1)是以Z值作为银行风险承担代理变量的基准回归结果。结果显示因变量滞后项的回归系数显著为正,表明银行风险承担确实具有持续性。Fintech的一次项( FI)和二

24、次项( FI2 )系数分别显著为负和正,并且二次函数的拐点在( 0, 1)区间内,这一结果与猜想相符,验证了Fintech发展与商业银行风险承担的倒U型关系,表明Fintech发展初期会加剧银行风险承担,随后减弱。控制变量回归结果也基本符合事实预期。成长能力回归系数为负,表明银行成长能力和抗风险能力存在负方向的关系,从侧面反映出成长能力较高的银行背后可能采取了激进的资产扩张策略或是承担了较高的道德风险,从而增加了其风险。盈利水平与其风险承担代理变量显著负相关,按照高风险高收益的逻辑,银行可能会为了提高盈利水平而去追求高风险项目。银行经营效率的估计系数为负,表明银行经营效率的提高有助于改善风险承

25、担水平。商业银行的经营效率越好,越能有效地配置资源,进而风险承担水平越低。流动性水平系数为正,说明拥有充裕流动性的银行将会降低其风险承担水平。名义GDP增速的负向系数表明良好的经济环境会助推商业银行的乐观情绪,鼓励其承担风险。 M 2增速估计系数显著为负,表明宽松的货币政策会提高商业银行的风险容忍度。市场集中度回归系数为负,表4 猜想的回归结果变量模型1模型2模型3模型4模型5模型6模型7模型8L1. RISK 0. 471 4* * *( 0. 072 3)0. 426 1* * *( 0. 065 8)0. 200 6*( 0. 104 9)0. 203 0* *( 0. 105 6)0.

26、 470 2* * *( 0. 073 1)0. 424 8* * *( 0. 066 8)0. 197 6*( 0. 107 3)0. 530 8* * *( 0. 084)L2. RISK 0. 217 3* * *( 0. 048 4)0. 245 2* * *( 0. 029 9)0. 071( 0. 050 3)0. 069 2( 0. 050 6)0. 216 3* * *( 0. 048 7)0. 244 3* * *( 0. 030 2)0. 070 2( 0. 048 9)0. 077 2( 0. 065 7)FI - 1. 040 6* * *( 0. 196 1)- 1.

27、 049 4* * *( 0. 186 8)- 0. 545 9( 1. 133 3)- 0. 431 6( 1. 166 5)- 1. 065 4* * *( 0. 201 5)- 1. 054 5* * *( 0. 190 1)- 0. 825 2( 1. 281)- 0. 080 4( 0. 666 1)FI2 0. 700 6* * *( 0. 149 1)0. 728 3* * *( 0. 144 7)0. 548 7( 0. 694 7)0. 402 2( 0. 717 3)0. 728 7* * *( 0. 157 1)0. 730 8* * *( 0. 146 1)0. 922

28、 3( 0. 830 2)0. 322 3( 0. 482 7)FI* SI 0. 203 5( 0. 227 4) 0. 231 4( 0. 500 1) 1. 395( 1. 758 2) 0. 521 2( 0. 836 9)FI2 * SI - 0. 216 4( 0. 157 1) - 0. 621 6( 1. 448 9) - 2. 062 3( 1. 724 1) - 0. 984 8( 0. 828 4)AG - 0. 000 7( 0. 000 7) - 0. 000 8( 0. 000 8) - 0. 0211* * *( 0. 010 2)- 0. 022 0* *( 0

29、. 011 5)- 0. 000 6( 0. 000 8)- 0. 000 6( 0. 000 8)- 0. 021 1* * *( 0. 009 2)- 0. 011 8* * *( 0. 004)ROA - 0. 004 2* * *( 0. 000 8)- 0. 004 4* * *( 0. 000 8)- 0. 003 6( 0. 002 6)- 0. 004 4( 0. 002 9)0. 004 2* * *( 0. 000 8)0. 004 5* * *( 0. 000 8)- 0. 003 5( 0. 002 8)- 0. 001 8( 0. 001 7)CI - 0. 002

30、6*( 0. 001 5)- 0. 002 2*( 0. 001 7)- 0. 008 8( 0. 013)- 0. 008( 0. 015 7)- 0. 002 6*( 0. 001 5)- 0. 002 2( 0. 001 7)- 0. 008 3( 0. 012 8)- 0. 001 8( 0. 009 1)LI 0. 001 1( 0. 001 2) 0. 000 4( 0. 001 2) 0. 017 6* * *( 0. 007)0. 016 8* * *( 0. 007 7)0. 001 4( 0. 001 3)0. 000 6( 0. 001 3)0. 019 7* * *(

31、0. 008 7)0. 010 7* *( 0. 005 4)GDP - 0. 003 1( 0. 002 6) - 0. 003 4( 0. 002 6) - 0. 001 5* * *( 0. 012 5)- 0. 000 9* *( 0. 012 7)- 0. 003 3( 0. 002 7)- 0. 003 7( 0. 002 8)- 0. 000 4( 0. 013)- 0. 007 6( 0. 009 5)GS 0. 002 8* * *( 0. 000 7)0. 002 3* * *( 0. 000 6)0. 009 2( 0. 006 3)0. 009 6( 0. 006 7)

32、0. 002 9* * *( 0. 000 7)0. 002 4* * *( 0. 000 6)0. 009 5( 0. 006 8)0. 003 6( 0. 002 8)M 2 - 0. 019 0* * *( 0. 003 8)- 0. 017 3* * *( 0. 003 5)- 0. 030 3( 0. 022 3)- 0. 034( 0. 022 9)- 0. 019 4* * *( 0. 003 8)- 0. 017 8* * *( 0. 004)- 0. 033 1( 0. 024 1)- 0. 029( 0. 017 1)CR5 0. 022 6* *( 0. 010 5)0.

33、 020 7* * *( 0. 009 4)0. 016 5( 0. 047 7)0. 019 4( 0. 047 5)0. 023 3* * *( 0. 010 5)0. 021 5* * *( 0. 009 5)0. 021 3( 0. 045 9)0. 019 5( 0. 046)个体固定效应控制控制控制控制控制控制控制控制时间固定效应控制控制控制控制控制控制控制控制AR( 2) 0. 111 0. 198 0. 562 0. 468 0. 109 0. 192 0. 565 0. 116Sargan检验0. 336 0. 292 0. 163 0. 682 0. 295 0. 256

34、0. 159 0. 128注: ( 1)括号内为回归的标准差; ( 2) * 、 * * 、 * * *分别表示在10% 、 5% 、 1%显著性水平下显著; ( 3)检验结果为相应的P值; ( 4)回归结果省略了常数项。万方数据风险管理Risk M anagement1 04 管理现代化即Z值随集中度的降低而增大,意味着商业银行风险承担水平随着竞争的加剧而降低。市场竞争会提高银行风险管理能力,降低银行的破产风险。模型( 2)对样本进行5%水平的异常值缩尾调整后回归进行稳健性检验,结果表明, Fintech和商业银行风险的关联依旧没变。模型( 3)以贷款损失准备率替代Z值,回归结果显示, Fi

35、ntech的一次项( FI)和二次项( FI2 )系数仍旧分别为负和正,且控制变量的结果也未发生变化,进一步佐证了猜想1。同理模型( 4)在模型( 3)基础上对样本5%水平下缩尾处理后进行回归,再次证实了研究结论不会因银行风险承担变量的改变而出现偏倚。(三)猜想2实证分析表4中模型( 5)模型( 8)列出了猜想2的回归结果,模型( 5)是以Z值为被解释变量的基准分析,交叉项FI* SI的回归系数为正, FI2 * SI的回归系数为负,表明在同样的Fintech发展水平下,系统性重要银行所对应的Z值变得更小,即风险承担更多了,这一结果与预期一致。模型( 6)对模型( 5)中的样本进行5%水平的异

36、常值缩尾调整后进行回归,回归结果与模型( 5)的结果基本一致。为确保结论的可靠性,模型( 7)以贷款损失准备率作为银行风险承担的替代指标对猜想2进行稳健性检验,结果发现交叉项FI* SI的回归系数仍为正, FI2 * SI的回归系数仍为负。同理模型( 8)对模型( 7)中的样本进行5%水平异常值缩尾调整后进行回归,回归结果与模型( 7)结果基本一致,再次证实了猜想2。五、结论与建议本文首先阐述了Fintech对商业银行业的影响机制,其次借鉴沈悦和郭品 6的文本挖掘法,从五个维度选取关键词,并运用因子分析合成Fintech指数。最后选取34家商业银行2003 2016年的数据,实证检验了Fint

37、ech发展对商业银行风险承担的影响。结果表明: ( 1) Fintech的发展初期,通过蚕食商业银行利润、加剧价格竞争、改善技术水平、减少中间费用来增加商业银行风险承担水平,随着商业银行自身的调整以及监管的规范化,商业银行风险承担水平得到有效抑制。即Fintech发展与商业银行风险承担呈现倒U型曲线关系; ( 2) Fintech对不同类型的商业银行风险行为影响具有异质性:相对于系统性重要银行而言,非系统性重要银行风险承担能力较为出色。据此,本文提出如下建议: ( 1)商业银行应积极面对Fintech冲击,合理与Fintech结合。首先,商业银行需加速自身电子化变革,利用区块链优化支付和清算流

38、程,低价、迅速实现价值存储和资产转移,以更低的费率为用户提供更优异的服务体验。其次,提高对数据的应用能力,既包括输入建模也包括输出应用。其关键在于转变数据思维,探寻多维度数据间的相关性,充分挖掘数据的价值。商业银行需要打造全面的数据生态系统,建立强大的数据分析基础设施;将各类数字化渠道整合成全方位客户体验。在保持资本、产品、风险管控等领域优势的同时,加大在渠道、场景端的创新力度。最后,商业银行应综合化经营培育中间业务新的增长点,投行与并购、金融市场交易、资产托管,以及多元金融子公司,都将成为银行未来重要的中间业务收入来源。同时,持续强化“内建平台、流量经营”理念推进模式转型和Fintech运用

39、,深挖业务价值。商业银行发展平台业务要从战略层面出发,战略目标在于构建一个便捷的、信息相对透明的、有稳定利润输出的、能够升级进化的商业生态系统。 ( 2)政府应进一步加强Fintech规范化监管,实现平衡长效发展。既要有短期治理和应对危机的策略,也要有长期内在的稳定器建设。第一,主动监管。监管机构应主动经常性介入金融机构与Fintech企业之间的跨界对话,从而更好地理解行业格局和相关的监管需求及环境。第二,动态监管。 Fintech改变了传统金融风险固有的正态分布特征,转向极值分布为主,增大了金融市场的波动性。这使得监管机构需实时密切跟踪市场风险特征,不断完善现有的监管模式,和市场融为一体。第

40、三,科技监管( RegTech) 。以技术驱动型监管思路应对Fintech风险管理,从宏观层面上看,能有效促进监管机构、 Fintech企业、金融机构、消费者等多方主体的良性互动,探索出更高效的监管措施,有效解决传统金融模式下无法解决的信息不对称、高风险、高成本等问题,进一步提升监管能力,为建立稳定的金融发展环境打下良好基础;从微观层面上看,把新技术与金融产品和服务进行深度融合,能够更加有效优化资源配置,形成金融市场、金融产品、金融服务三位一体,达到更好地服务实体经济、保护金融消费者、防范系统性金融风险的效果。 参考文献 1 PW C. Blurred Lines: How Fintech i

41、s ShapingFinancial Services R . Global Fintech Report, 2016. 2 Thomas Puschman. Fintech J . Business andInformation Systems Engineering, 2017, 59( 01) : 6976. 3 Alt R, Puschmann T. The Rise of Customer-oriented Banking: Electronic M arkets are Paving theW ay for Change in the Financial Industry J .Electron M ark, 2012, 22( 04) : 203- 215. 4赵鹞. Fintech的特征、兴起、功能及风险研究 J .金融监管研究, 2016( 09) . 5孙国峰.共建金融科技新生态 J .中国金融, 2017( 13) . 6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) .万方数据