郭 品 沈 悅

一、引 言

1999 年，隨著電子商務的興起，網(wǎng)絡金融便逐漸進入消費大眾的視野(狄衛(wèi)平和梁洪澤，2000)?；ヂ?lián)網(wǎng)金融的快速發(fā)展打翻了傳統(tǒng)銀行的“奶酪”(李海艦等，2014)，迫使商業(yè)銀行改變管理策略，加快轉(zhuǎn)型升級以應對競爭壓力。但互聯(lián)網(wǎng)金融如何作用于商業(yè)銀行風險承擔仍是一個尚未打開的“黑盒”，互聯(lián)網(wǎng)金融的日益壯大是否加劇了商業(yè)銀行的風險承擔？系統(tǒng)重要性程度不同的商業(yè)銀行對互聯(lián)網(wǎng)金融的響應又是否具有異質(zhì)性？這些關鍵設問的回答對促進互聯(lián)網(wǎng)金融健康發(fā)展，深化金融改革開放，守住不發(fā)生系統(tǒng)性風險的底線具有重要的理論價值與現(xiàn)實意義。

作為金融改革的催化劑和經(jīng)濟發(fā)展的助推器，互聯(lián)網(wǎng)金融受到了國內(nèi)外學者的廣泛關注，但已有研究多是討論互聯(lián)網(wǎng)金融的本質(zhì)界定與類型劃分。積極的觀點認為，互聯(lián)網(wǎng)金融作為互聯(lián)網(wǎng)技術與金融業(yè)務的有機結合(Allen 等，2002)，是一種既不同于商業(yè)銀行間接融資也有別于資本市場直接融資的第三種金融融資模式(Shahrokhi，2008；謝平和鄒傳偉，2012)?；诖?，皮天雷和趙鐵(2014)依據(jù)互聯(lián)網(wǎng)技術的應用程度與影響深度，將互聯(lián)網(wǎng)金融劃分互聯(lián)網(wǎng)渠道金融、互聯(lián)網(wǎng)小微金融和純互聯(lián)網(wǎng)金融。李鑫和徐唯 燊(2015)則認為互聯(lián)網(wǎng)金融囊括支付類和脫媒類兩種模式。反之，質(zhì)疑的觀點則指出，互聯(lián)網(wǎng)金融只是拓寬了金融銷售渠道和獲取渠道，并沒有改變金融實質(zhì)、金融功能與金融精神，其在中國快速發(fā)展的根本原因是“監(jiān)管套利”而不是“金融創(chuàng)新”(王國剛和張揚，2015)，因而當前我國互聯(lián)網(wǎng)金融的亢奮狀態(tài)不會長久，熱潮終將冷卻(陳志武，2014)。針對互聯(lián)網(wǎng)金融的風險防范與監(jiān)管治理亦是多年研究的重點。國內(nèi)學 者聞 岳春和陳 翀(1999)、謝平和尹龍(2001)與張玉喜(2002)等較早地討論了我國網(wǎng)絡金融的發(fā)展現(xiàn)狀、監(jiān)管協(xié)調(diào)與風險管理。近年來，隨著“黑客、拆標與跑路”等事件頻發(fā)，互聯(lián)網(wǎng)金融引發(fā)的技術失敗、監(jiān)管失效和消費者保護風險日益凸顯(鄭聯(lián)盛，2014)，相關研究一日千里。祁明和肖林(2014)指出，作為新的金融風險點，互聯(lián)網(wǎng)金融和虛擬貨幣面臨信用風險、技術風險、貶值風險與非法交易風險，需要引入“云管理”和“大數(shù)據(jù)”的技術進行防范治理。洪娟等(2014)進一步剖析了互聯(lián)網(wǎng)金融的技術裝備依賴、安全系統(tǒng)欠缺以及法律監(jiān)管缺失等問題。關于互聯(lián)網(wǎng)金融對傳統(tǒng)金融體系的影響也是學者研究的焦點。國外學者對于互聯(lián)網(wǎng)金融的作用存在一定爭論，主流觀點表明互聯(lián)網(wǎng)金融將會對金融市場(Petter 和Geoff，2009)、金融中介(Syed 和Nida，2013)以及貨幣政策和金融穩(wěn)定(Krueger，2012)造成沖擊。 赟國內(nèi)學者王 祥等(2014)、沈悅和郭品(2015)也分別立足金融業(yè)務、金融功能和技術溢出視角，剖析了互聯(lián)網(wǎng)金融如何作用于商業(yè)銀行。

毋庸置疑，已有研究對理解互聯(lián)網(wǎng)金融富有啟迪意義和借鑒價值，但針對互聯(lián)網(wǎng)金融與傳統(tǒng)金融競爭融合關系的討論剛剛起步，特別是以下三個核心問題尚未深入展開。第一，現(xiàn)有研究多是泛泛談及互聯(lián)網(wǎng)金融帶給商業(yè)銀行的沖擊和風險，從理論層面系統(tǒng)剖釋互聯(lián)網(wǎng)金融加劇商業(yè)銀行風險承擔的文獻尚付闕如。第二，當前研究對銀行風險承擔行為異質(zhì)性特征的關注不足，從實證層面定量考察互聯(lián)網(wǎng)金融對不同類型商業(yè)銀行風險承擔差異影響的文獻鳳毛麟角。第三，目前研究較少涉及互聯(lián)網(wǎng)金融發(fā)展趨勢的科學量化，客觀測度互聯(lián)網(wǎng)金融成長水平的文獻屈指可數(shù)。

有鑒于此，本文的研究目標是探究互聯(lián)網(wǎng)金融對商業(yè)銀行風險承擔的影響，以及該影響在系統(tǒng)重要性程度不同的銀行中的異質(zhì)性表現(xiàn)，力圖為前述問題提供理論解讀與經(jīng)驗回答。本文對已有研究進行了如下拓展：第一，構建植入互聯(lián)網(wǎng)金融的商業(yè)銀行風險承擔模型，不僅刻畫出互聯(lián)網(wǎng)金融對商業(yè)銀行風險承擔的加劇效應，而且描述了該效應在不同銀行中的差異表現(xiàn)，豐富了互聯(lián)網(wǎng)金融風險的剖析視角，深化了銀行風險承擔的理論研究。第二，選用源于BankScope 數(shù)據(jù)庫2003—2013 年5 家系統(tǒng)重要性銀行、31 家非系統(tǒng)重要性銀行的微觀數(shù)據(jù)進行動態(tài)面板系統(tǒng)廣義矩估計(SYSGMM)，驗證了互聯(lián)網(wǎng)金融對商業(yè)銀行風險承擔的加劇效應和異質(zhì)效應，為防范互聯(lián)網(wǎng)金融風險傳染、完善金融監(jiān)管協(xié)調(diào)機制提供實證參考。第三，立足金融功能觀，根據(jù)“文本挖掘法”，通過對WEB 網(wǎng)頁中新聞措辭的篩選與分析，合成互聯(lián)網(wǎng)金融指數(shù)，擴展了互聯(lián)網(wǎng)金融發(fā)展水平的測度思路。

二、模型構建與命題提出

（一）基本假設與模型構建

互聯(lián)網(wǎng)金融的概念界定有助于完善本文的邏輯推演。借鑒已有研究，筆者認為謝平和鄒傳偉(2012)對互聯(lián)網(wǎng)金融的認識更為科學合理，即互聯(lián)網(wǎng)金融是利用移動支付、社交網(wǎng)絡、搜索引擎和云計算等工具，實現(xiàn)諸如資金融通、支付結算和信息交換業(yè)務的一種新型金融模式。作為全新的金融業(yè)態(tài)，互聯(lián)網(wǎng)金融提高了資金的使用效率，加快了資金的流轉(zhuǎn)速度，使利率更及時準確地反映資金供求關系(吳曉求，2015)。王國剛和張揚(2015)進一步指出，以余額寶為代表的互聯(lián)網(wǎng)投資平臺，將銷售貨幣市場基金獲得的資金集中用于協(xié)議存款，并利用商業(yè)銀行對巨額存款的饑渴需求和存款市場的競爭機制，抬高利率。因此，互聯(lián)網(wǎng)金融并不能在數(shù)量規(guī)模上對傳統(tǒng)金融造成沖擊，但其發(fā)揮的“鯰魚效應”正在觸動商業(yè)銀行享有的“體制紅利”與“價格紅利”，有效地推動了我國利率市場化進程(夏政，2015)。事實上，在與互聯(lián)網(wǎng)金融的激烈競爭中，我國商業(yè)銀行也加快了利率市場化的步伐，余額現(xiàn)金管理產(chǎn)品不斷“進場”①據(jù)筆者統(tǒng)計，截止2014 年10 月，已有4 家大型商業(yè)銀行、6 家股份制銀行與6 家地方性商業(yè)銀行共推出了17類余額現(xiàn)金管理產(chǎn)品。。由是，本文認為互聯(lián)網(wǎng)金融的蓬勃興起將加劇市場競爭，減小利率扭曲，使得名義利率迅速接近實際利率(Nautz 和Schmidt，2009；Nautz 和Scheithauer，2011)。

據(jù)此，通過對Kishan 和Opiela(2012)的模型進行拓展，構建本文的理論分析框架。首先，將市場均衡利率與存款基準利率的差異表示為互聯(lián)網(wǎng)金融的函數(shù)，借助該做法引入互聯(lián)網(wǎng)金融，以探討互聯(lián)網(wǎng)金融如何影響商業(yè)銀行風險承擔。其次，將系統(tǒng)重要性程度表示為銀行固定貸款規(guī)模的函數(shù)，通過此做法引入商業(yè)銀行的結構差異，以剖析互聯(lián)網(wǎng)金融對系統(tǒng)重要性銀行風險承擔的特質(zhì)性影響。根據(jù)國際貨幣基金組織與巴塞爾委員會的研究，貸款規(guī)模與資產(chǎn)規(guī)模是決定銀行系統(tǒng)重要性程度的首要因素。同時，危機過后的全球金融改革顯著強調(diào)了對系統(tǒng)性重要性銀行的監(jiān)管(FSB，2011)，因而這一改進更具合理性和現(xiàn)實意義。模型的基本假設如下。

假設1：存在一個代表性商業(yè)銀行，該銀行追求利潤最大化，其資產(chǎn)負債恒等式為：R+B+L=D+K。其中，R 為存款準備金，B 為政府債券，L 為銀行貸款，D 為銀行存款，K 為銀行資本。

假設2：法定存款準備金率為ρ，且商業(yè)銀行不持有超額存款準備金，即R = ρD，0 ＜ ρ＜ 1。商業(yè)銀行持有的政府債券具有高度備付流動性，即 B = b1D - R ，0 ＜ b1＜ 1。

假設3：鑒于貸款利率已市場化，因而商業(yè)銀行貸款規(guī)模與銀行貸款定價高于信貸市場均衡利率的程度負相關，即。同時，令系統(tǒng)重要性程度SI 為商業(yè)銀行固定貸款規(guī)模 l0的函數(shù)，即 S I = S（I l0）且 ? S I / ?l0＞ 0。

假設4：由于存款利率尚未市場化，因而商業(yè)銀行存款規(guī)模與市場均衡利率高于存款基準利率的程度( r*- rD)負相關，即 D = d0- d（1r*-rD），d1＞ 0。互聯(lián)網(wǎng)金融IF 的沖擊將逐漸縮小市場均衡利率與存款基準利率的差異，即 r*- rD=（y I F） 且 ?y / ?I F ＜ 0。

假設5：商業(yè)銀行資本規(guī)模與銀行權益資本回報率高于資本市場均衡利率的程度正相關，即

假設6：政府債券市場、信貸市場與資本市場的均衡利率圍繞市場均衡利率上下浮動，且浮動程度為一常數(shù)，即

假設7：借鑒Kopecky 和Vanhoose(2004)的做法，代表性銀行管理資產(chǎn)負債表項目時，存在二次型成本函數(shù)C，C =（ b /2） B2+（ l /2） L2+（ d /2） D2+（ k /2） K2。其中，常數(shù)b、l、d 和k 分別表示各項目的單位管理成本系數(shù)。

根據(jù)前述假設，代表性商業(yè)銀行的目標函數(shù)與約束條件如下：

（二）模型求解與命題提出

進一步，求得商業(yè)銀行風險承擔水平RISK 關于互聯(lián)網(wǎng)金融IF 的函數(shù)①已有研究基本采用Z 值、股票收益率方差和資本資產(chǎn)比率等衡量商業(yè)銀行風險承擔。由于我國商業(yè)銀行存在政府隱性擔保，破產(chǎn)風險微乎其微，所以Z 值并不適用。加之我國銀行未完全上市，受樣本限制，股票收益率方差也不可行。綜合考量，理論模型選取資產(chǎn)資本比率作為銀行風險承擔的衡量指標。。

式(5)表明，商業(yè)銀行的風險承擔與互聯(lián)網(wǎng)金融的發(fā)展水平正相關。即互聯(lián)網(wǎng)金融的迅猛發(fā)展通過糾正利率扭曲，縮減了市場均衡利率與存款基準利率的差異，迫使追求利潤最大化的商業(yè)銀行提高風險承擔水平。進一步，式(5)中的 Δ1包含對商業(yè)銀行系統(tǒng)重要性程度SI 的考量，這是否意味著系統(tǒng)重要性程度的差異會引發(fā)不同類型商業(yè)銀行對互聯(lián)網(wǎng)金融沖擊的響應具有異質(zhì)性呢？因此，為具體剖析商業(yè)銀行的異質(zhì)性反應，將式(5)對SI 求交叉偏導：

以是，根據(jù)前述模型求解結果與分析，提出本文的兩個命題。

命題1：互聯(lián)網(wǎng)金融的沖擊會使追求利潤最大化的商業(yè)銀行增加風險承擔水平。

命題2：不同類型商業(yè)銀行對互聯(lián)網(wǎng)金融沖擊的反應具有異質(zhì)性，相對非系統(tǒng)重要性銀行而言，系統(tǒng)重要性銀行的響應更為穩(wěn)健與審慎。

三、變量定義與研究設計

（一）研究樣本與數(shù)據(jù)來源

Hale 和Long(2011)指出，采用面板數(shù)據(jù)實證分析不僅能夠捕捉樣本的動態(tài)變化，而且可以保證信息的充分完整。因此，依據(jù)中國銀監(jiān)會的界定，考慮數(shù)據(jù)的可得性，本文選擇2003—2013 年5 家系統(tǒng)重要性銀行和31 家非系統(tǒng)重要性銀行的面板數(shù)據(jù)作為研究樣本①5 家系統(tǒng)重要性銀行包括工商銀行、農(nóng)業(yè)銀行、中國銀行、建設銀行、交通銀行。31 家非系統(tǒng)重要性銀行包括渤海銀行、成都銀行、大連銀行、東莞銀行、富滇銀行、光大銀行、廣東順德銀行、廣發(fā)銀行、廣州銀行、貴陽銀行、漢口銀行、恒豐銀行、華夏銀行、徽商銀行、民生銀行、南昌銀行、寧波銀行、寧夏銀行、平安銀行、浦發(fā)銀行、齊魯銀行、齊商銀行、青島銀行、泉州銀行、廈門銀行、溫州銀行、興業(yè)銀行、招商銀行、浙商銀行、中信銀行、重慶銀行。。按照2013 年第4 季度數(shù)據(jù)估算，這36 家銀行的資產(chǎn)規(guī)模占銀行業(yè)金融機構總資產(chǎn)規(guī)模的70.25%,,，基本能夠代表中國銀行業(yè)的整體情況。數(shù)據(jù)來源于BankScope 數(shù)據(jù)庫、CEIC 數(shù)據(jù)庫、中宏網(wǎng)數(shù)據(jù)庫以及《中國金融統(tǒng)計年鑒》。

（二）變量定義

1. 被解釋變量

關于商業(yè)銀行風險承擔的衡量，已有研究主要采用以下三種方法。一是基于公司治理理論，從銀行破產(chǎn)視角出發(fā)，使用Z 值、資產(chǎn)收益率方差等(Laeven 和Levine，2009)；二是基于資產(chǎn)定價理論，從市場投資者視角出發(fā)，選擇貝塔系數(shù)、預期違約概率、股票收益率方差等(Pathan，2009)；三是基于巴塞爾協(xié)議，從監(jiān)管當局視角出發(fā)，采用資本資產(chǎn)比率、資本充足率等(Francis 和Osborne，2012)。由于Z 值等僅代表破產(chǎn)風險而非風險承擔，加之我國商業(yè)銀行存在政府隱性擔保，銀行破產(chǎn)風險微乎其微，所以，第一類方法并不適用。同時，貝塔系數(shù)等指標的計算需要完善的股票交易數(shù)據(jù)，而我國銀行并未完全上市，因此，受樣本限制，第二類方法也不可行。綜合考量上述因素，實證部分將遵循第三種方法，選取資產(chǎn)資本比率(RISKAE)作為商業(yè)銀行風險承擔的基準衡量指標，為保證分析結果的穩(wěn)健性，進一步選擇貸款損失準備率(RISKDL)作為輔助考察變量。

扭轉(zhuǎn)沖擊工具啟動器順時針轉(zhuǎn)動狀態(tài)如圖3c所示。啟動器借助著順時針轉(zhuǎn)動的慣性繼續(xù)轉(zhuǎn)動，當上啟動腔稍有開啟時，由導流蓋分流來的液流立刻進入上啟動器與沖擊錘環(huán)空，促進啟動器繼續(xù)轉(zhuǎn)動，直至完成換向動作。

2. 核心解釋變量

科學構建互聯(lián)網(wǎng)金融指數(shù)是實證分析得出有效結果的關鍵，但現(xiàn)有文獻較少關注互聯(lián)網(wǎng)金融的測度。因此，遵循全面性、客觀性、導向性、可行性等原則，本文借鑒“文本挖掘法”構建互聯(lián)網(wǎng)金融指數(shù)?！拔谋就诰蚍ā笔腔谥悄芩惴ǎ瑥拇笠?guī)模的非結構化文本集(如WEB 網(wǎng)頁)中提取有效知識的信息處理方法。隨著大數(shù)據(jù)與云計算時代的到來，文本挖掘在經(jīng)濟金融領域的應用潛力不斷提升(趙麗麗等，2012)。其具體步驟如下。

第一，依據(jù)金融功能觀，建立初始詞庫。這不僅可以有效劃分互聯(lián)網(wǎng)金融的創(chuàng)新模式，而且能夠全面囊括涉及到互聯(lián)網(wǎng)金融的重要文本。按照現(xiàn)代金融功能論的劃分，金融系統(tǒng)具有支付結算、資源配置、風險管理、信息傳遞、資源儲備和激勵創(chuàng)造六項基本功能(Merton 和Bodie，1995)。吳曉求(2014)也認為互聯(lián)網(wǎng)金融優(yōu)化完善了傳統(tǒng)金融的支付清算、資源配置、風險管理與提供價格信息四大功能。首先，第三方支付與銀聯(lián)支付等均可為商品、服務和資產(chǎn)交易提供支付、結算和清算服務，且形式更靈活，操作更便捷，領域更廣范，拓展補充了原有支付渠道。其次，P2P、眾籌等互聯(lián)網(wǎng)融資模式能夠幫助經(jīng)濟體進行網(wǎng)絡投資或籌資，實現(xiàn)資金跨期、跨地域和跨行業(yè)的轉(zhuǎn)移，優(yōu)化社會資源的時空配置。再次，網(wǎng)上保險、網(wǎng)上期貨等互聯(lián)網(wǎng)理財方式不僅通過個性化產(chǎn)品豐富了風險管理需求者的結構，而且憑借便利的營銷網(wǎng)絡擴大了風險管理需求者的規(guī)模，這二者都有利于互聯(lián)網(wǎng)金融風險管理功能的實現(xiàn)。最后，加工信息、構建渠道更是互聯(lián)網(wǎng)金融的強項(吳曉靈，2014)。目前，各商業(yè)銀行通過在線銀行、電子銀行等網(wǎng)絡渠道傳遞價格信息，提升交互效率，這便是信息功能的最佳體現(xiàn)。由是，本文從金融功能視角出發(fā)，確定如下四個維度的初始詞庫(見表1)。

表1 互聯(lián)網(wǎng)金融指數(shù)初始詞庫

第二，借助百度搜索引擎，計算關鍵詞的年度詞頻。利用百度數(shù)據(jù)庫，搜索2003—2013 年各個關鍵詞在每一年的新聞發(fā)布次數(shù)以及該年的新聞發(fā)布總數(shù)，計算得出關鍵詞的年度頻率①鑒于百度數(shù)據(jù)庫沒有公布年份新聞總數(shù)，本文以出現(xiàn)十大常用成語的新聞數(shù)目作為新聞總數(shù)的代理變量，數(shù)據(jù)源于教育部發(fā)布的《中國語言生活狀況報告(2009)》。。這一處理方法的理論依據(jù)在于：新聞發(fā)布數(shù)據(jù)與諸多社會經(jīng)濟現(xiàn)象具有很高的相關性(Askitas 和Zimmermann，2009)。互聯(lián)網(wǎng)金融新聞發(fā)布的多寡一方面與互聯(lián)網(wǎng)金融企業(yè)的投入程度正相關，另一方面與網(wǎng)民對互聯(lián)網(wǎng)金融的關注程度正相關，而企業(yè)投入與網(wǎng)民關注則從供給與需求兩個側(cè)面折射了互聯(lián)網(wǎng)金融發(fā)展態(tài)勢。

第三，應用因子分析法，合成互聯(lián)網(wǎng)金融指數(shù)。(1)基于全部關鍵詞，進行綜合因子分析，計算互聯(lián)網(wǎng)金融指數(shù)(IF)，將其作為計量分析的基準指標。首先，對變量進行KMO 和Bartlett 球度檢驗，由表2 可知，KMO 值大于0.6，Bartlett 球度檢驗的近似卡方值也很顯著，因此這些關鍵詞適合進行因子分析；其次，基于主成分分析法，按照特征值大于1 的原則提取公因子，結果顯示公因子的方差貢獻率超過85%,,，說明提取的因子基本可以反映關鍵詞所包含的信息；再次，對載荷矩陣進行方差最大化正交旋轉(zhuǎn)，計算因子得分；最后，為保證數(shù)據(jù)為正值，通過Max-Min 處理將數(shù)據(jù)標準化至0—100之間，得到最終指標。(2)由于前述理論模型主觀關注互聯(lián)網(wǎng)金融在資源配置方面對商業(yè)銀行的影響。因此，基于資源配置功能的關鍵詞，進行分層次因子分析，計算互聯(lián)網(wǎng)借貸指數(shù)(IC)，將其作為穩(wěn)健性檢驗的輔助指標，分析步驟與(1)相同，不予贅述。

表2 互聯(lián)網(wǎng)金融指數(shù)因子分析

據(jù)此構建的互聯(lián)網(wǎng)金融與互聯(lián)網(wǎng)借貸指數(shù)走勢如圖1 所示。這與我國現(xiàn)實高度一致，2003—2007 年，我國互聯(lián)網(wǎng)金融處于破殼狀態(tài)，兩指數(shù)平穩(wěn)增長；2008 年，受金融危機的影響，兩指數(shù)略微下跌；2009—2013 年，互聯(lián)網(wǎng)金融呈現(xiàn)井噴式上漲，兩指數(shù)增幅迅猛。

圖1 2003—2013年我國互聯(lián)網(wǎng)金融走勢

3. 控制變量

已有文獻表明，銀行風險承擔受到宏觀經(jīng)濟、貨幣政策、行業(yè)競爭與銀行特征的顯著影響(Laeven 和Levine，2009；Barrell 等，2010)。因此，為防止遺漏變量偏差，實證模型共引入了以下四個層面的控制變量。首先，選擇GDP 增速(GDP)、股票總市值與GDP 之比(GS)控制宏觀經(jīng)濟和金融深化的影響。其次，使用廣義貨幣供應量增速(M2)、虛擬變量(XD)表示貨幣政策與信貸政策，在通脹高漲的2008 年與2010 年，央行重拾取消多年的信貸規(guī)模管理工具。因此，令2008、2010 年的XD 取1，其余年份取0。再次，采用前4 大銀行資產(chǎn)占比增速(CR4)、在華外資機構數(shù)目增速(FR)控制行業(yè)集中度與開放度的影響。最后，選取流動資產(chǎn)占比(LI)與虛擬變量(SI)控制銀行個體特征，樣本銀行為系統(tǒng)重要性銀行時，SI 取1，其余取0。變量定義與描述性統(tǒng)計情況如表3、表4 所示。

表3 變量定義與變量設計

表4 變量描述性統(tǒng)計

（三）研究設計

命題1 表明互聯(lián)網(wǎng)金融會加劇商業(yè)銀行風險承擔水平。為了檢驗命題1，設計如下方程：

式(7)中，第i 家銀行第t 期的風險承擔水平RISKit被表示為前期風險承擔水平RISKi,t-1、互聯(lián)網(wǎng)金融IFt、控制變量Controljit、商業(yè)銀行固定效應 ui以及隨機誤差項 εit的函數(shù)①由于銀行風險承擔具有持續(xù)性，構建帶有因變量滯后項的動態(tài)方程是合理且必要的；控制變量Controljit 為除系統(tǒng)重要性虛擬變量外的其他7 個變量。。β2刻畫了互聯(lián)網(wǎng)金融對商業(yè)銀行風險承擔的影響，根據(jù)理論剖析，我們預期β2顯著為正。

命題2 表明系統(tǒng)重要性程度不同的商業(yè)銀行對互聯(lián)網(wǎng)金融的響應具有異質(zhì)性。為了檢驗命題2，在式(7)的基礎上，進一步引入互聯(lián)網(wǎng)金融與系統(tǒng)重要性虛擬變量的交叉項①為削弱多重共線性，對互聯(lián)網(wǎng)金融與系統(tǒng)重要性虛擬變量進行去中心化處理后，合成交互項。，設計如下計量方程：

式(8)中，β3度量了互聯(lián)網(wǎng)金融對商業(yè)銀行風險承擔的影響如何隨銀行系統(tǒng)重要性程度的變化而變化，我們預期回歸結果中系數(shù) β3顯著為負。

四、實證分析

（一）變量平穩(wěn)性檢驗與協(xié)整檢驗

為防止“謬誤回歸”，圍繞銀行層面的變量RISKAE與LI 開展平穩(wěn)性檢驗。(1)判斷截面獨立性。由表5 可知，兩個變量的CD 檢驗統(tǒng)計量均在1%,,的顯著性水平下大于臨界值，這表明變量RISKAE與LI 均具有截面依存性。(2)考察變量平穩(wěn)性。檢驗截面依存變量時，采用Pesaran 和Pick(2007)根據(jù)ADF 模型構造的二代面板單位根CIPS 方法，結果顯示，變量RISKAE存在單位根。(3)檢驗均衡關系②在變量存在單位根時，若希望運用原始序列進行回歸，變量之間需要存在長期均衡關系。?；谡`差修正模型，展開抽樣次數(shù)為300 的協(xié)整檢驗，結果表明，除Ga 統(tǒng)計量外，其余統(tǒng)計量均通過了1%,,水平下的顯著性檢驗。根據(jù)Baltagi(2013)，面板協(xié)整檢驗中若存在三個統(tǒng)計值大于相應的臨界值，便能夠說明變量之間存在長期均衡。依據(jù)上述分析，運用原始序列進行實證不會出現(xiàn)“偽回歸”。

表5 變量平穩(wěn)性檢驗與協(xié)整檢驗

（二）互聯(lián)網(wǎng)金融加劇商業(yè)銀行風險承擔的實證檢驗

表6 與表7 報告了命題1 的相關檢驗和回歸結果。其中，模型1——模型3 分別為混合效應(POOL)、固定效應(FE)和隨機效應(SE)的結果，綜合F 檢驗、LM 檢驗與Hausman 檢驗，本文初步認為方程(7)應采用固定效應。但是，由于該方程引入了因變量的滯后項作為解釋變量，且銀行層面的控制變量并沒有滿足Simar 和Wilson(2007)提出的分離假設，流動水平與商業(yè)銀行風險承擔存在互為因果的聯(lián)立關系，因而方程(7)具有內(nèi)生性。為此，繼續(xù)采用Blundell 和Bond(1998)提出的動態(tài)面板廣義矩估計進行實證。模型4、模型5 分別為差分廣義矩(DIFFGMM)與系統(tǒng)廣義矩(SYSGMM)的結果，AR(2)檢驗和Sargan 檢驗顯示計量分析依據(jù)的動態(tài)模型具備合理性。鑒于DIFFGMM 存在弱工具變量等問題，相較而言，SYSGMM 更為穩(wěn)健。因此，根據(jù)SYSGMM 的估計結果展開分析。

表6 命題1的相關檢驗

表7 命題1的回歸結果

首先，互聯(lián)網(wǎng)金融的回歸系數(shù)顯著為正，這與命題1 預期一致，表明互聯(lián)網(wǎng)金融的沖擊確實會迫使追求利潤最大化的商業(yè)銀行增加風險承擔水平。換言之，互聯(lián)網(wǎng)金融的迅猛發(fā)展日漸觸動了傳統(tǒng)金融體系享有的“價格紅利”，迫使商業(yè)銀行改變管理策略，激進經(jīng)營行為，加重風險承擔。同時，其他四類估計方法中，解釋變量IF 的估計結果也均為正數(shù)，雖然有些顯著性略差，但仍能間接證實命題1。其次，考察宏觀層面的控制變量。名義GDP 增速的回歸系數(shù)為正，且在1%,,水平下顯著，該結果與Gambacota(2009)的研究吻合，說明良好的經(jīng)濟環(huán)境會助推商業(yè)銀行的風險承擔。股票市值占比GS 的正向系數(shù)意味隨著資本市場的壯大、融資渠道的豐富和金融結構的深化，商業(yè)銀行將放松信貸標準，提高風險容忍度，以維持盈利(Larrain，2006)。再者，政策層面的控制變量貨幣供應量M2增速與信貸規(guī)模管理虛擬變量XD 的估計系數(shù)一正一負，且在統(tǒng)計上高度顯著。這印證了我國貨幣政策風險承擔渠道的存在，表明寬松的貨幣政策會推動商業(yè)銀行的樂觀情緒，鼓勵其承擔更多風險。值得注意的是，銀行風險承擔對信貸規(guī)模管理的反映更加敏感，原因在于信貸規(guī)模作為中國貨幣政策實際上的中間目標(盛松成和吳培新，2008)，能夠直接有效調(diào)控銀行信貸與風險承擔。最后，剖釋行業(yè)與個體層面的控制變量。市場集中度CR4 的估計結果高度為正，根據(jù)Maddaloni 和Peydro(2011)的研究，競爭加劇會削弱銀行的市場勢力，繼而導致商業(yè)銀行風險暴露增加。行業(yè)開放度FR 的回歸系數(shù)為負，且通過了1%,,水平下的顯著檢驗，姚樹潔等(2011)曾指出，由于“比較優(yōu)勢”和“選摘效應”的存在①“比較優(yōu)勢”是指與內(nèi)資銀行相比，外資銀行在產(chǎn)品創(chuàng)新與管理技術等方面處于領先地位?！斑x摘效應”強調(diào)外國投資者在參股國內(nèi)銀行時，一般選擇盈利能力強、運營效率高的銀行。因此，在管理經(jīng)驗、創(chuàng)新技術等方面具有“軟實力”的外資銀行，與在業(yè)務規(guī)模和營業(yè)網(wǎng)點等方面具有“硬實力”的內(nèi)資銀行強強結合，會增強國內(nèi)銀行的競爭實力。，外資銀行進入中國后，會帶來先進的管理理念和風控措施，促使國內(nèi)銀行規(guī)范穩(wěn)健運營，進而降低風險承擔水平。流動水平LI 的正系數(shù)意味著流動性越高的商業(yè)銀行風險承擔行為越積極。原因在于，本文考察的樣本區(qū)間內(nèi)，中國商業(yè)銀行一直面臨著嚴峻的流動性過剩問題，且由于銀行高管薪酬與貸款規(guī)模息息相關，在流動性充足的背景下，高管擴大貸款規(guī)模的動機強烈(Deyoung 等，2013)，因而導致了我國商業(yè)銀行流動水平與風險承擔之間正向關聯(lián)。

為確保研究結論的可靠性，對命題1 展開穩(wěn)健性檢驗，結果如表8 所示。首先，模型(6)采用互聯(lián)網(wǎng)借貸指數(shù)作為互聯(lián)網(wǎng)金融指數(shù)的替代變量進行SYSGMM 回歸，結果表明，核心解釋變量IC 的系數(shù)顯著為正，但控制變量XD 的符號發(fā)生了逆轉(zhuǎn)，且顯著程度大幅下降。對此可能的解釋是，互聯(lián)網(wǎng)借貸指數(shù)主要反映互聯(lián)網(wǎng)金融的資源配置功能，與信貸規(guī)模管理變量具有一定程度的多重共線性。其次，模型(7)以貸款損失準備率替代因變量資產(chǎn)資本比率，回歸結果顯示，互聯(lián)網(wǎng)金融指數(shù)保持了與貸款損失準備率的高度正向關系。最后，模型(8)在對樣本進行5%,,水平的異常值縮尾調(diào)整后進行回歸，結果表明，解釋變量IF 與商業(yè)銀行風險承擔的正向關聯(lián)依舊存在。穩(wěn)健性檢驗的結果再次支持了互聯(lián)網(wǎng)金融會加劇商業(yè)銀行風險承擔的命題，證實本文的研究結論并不依賴于互聯(lián)網(wǎng)金融變量、銀行風險承擔變量與實證樣本容量的選擇。

表8 命題1的穩(wěn)健性檢驗

（三）互聯(lián)網(wǎng)金融對商業(yè)銀行風險承擔異質(zhì)影響的實證檢驗

表9 報告了命題2 的相關回歸結果，AR(2)檢驗和Sargan 檢驗均顯示計量分析依據(jù)的動態(tài)模型與選擇的工具變量具有合理性。模型(9)是以互聯(lián)網(wǎng)金融指數(shù)IF 為解釋變量、資產(chǎn)資本比率RISKAE為被解釋變量的基準分析。其中，交叉項IF*SI 的回歸系數(shù)顯著為負，與命題2 預期相符，意味著系統(tǒng)重要性商業(yè)銀行確實由于組織體系龐大、產(chǎn)權性質(zhì)國有、經(jīng)營策略保守與政策監(jiān)管嚴厲等因素，對互聯(lián)網(wǎng)金融的響應較為穩(wěn)健審慎。需要關注的是，系統(tǒng)重要性虛擬變量SI 的估計結果為正，且通過了1%,,水平下的顯著檢驗。該結果與“大而不倒(too big to fail)”的范式吻合，表明我國系統(tǒng)重要性銀行存在政府救助的心理依賴，導致其風險承擔水平高出一般性銀行。其余控制變量的回歸結果與方程(7)相一致。

進一步，為確保結論的穩(wěn)健性與可靠性，繼續(xù)展開對命題2 的檢驗。其中，模型(10)以互聯(lián)網(wǎng)借貸指數(shù)作為替代解釋變量，模型(11)以貸款損失準備率作為替代被解釋變量，模型(12)對樣本進行5%,,的極端值縮尾處理。三個模型的SYSGMM 回歸結果均呈現(xiàn)交叉項的估計系數(shù)顯著為負，這支持了命題2 的觀點，表明不同類型商業(yè)銀行對互聯(lián)網(wǎng)金融沖擊的響應具有異質(zhì)性，相對于非系統(tǒng)重要性銀行，系統(tǒng)重要性銀行的反應更為審慎與穩(wěn)健。

表9 命題2的回歸結果與穩(wěn)健性檢驗

五、研究結論與政策建議

信息技術的發(fā)展給全球經(jīng)濟插上了一雙嶄新的翅膀，幾乎每個行業(yè)都在經(jīng)歷深刻變革。作為萬業(yè)之母的金融也必然難逃浩浩湯湯之趨勢，互聯(lián)網(wǎng)金融遍地開花，迅猛壯大。但泡沫式的膨脹潛藏著巨大風險，尤其是互聯(lián)網(wǎng)金融侵蝕了原有的金融版圖，擠占了傳統(tǒng)金融的市場份額，影響了商業(yè)銀行的經(jīng)營行為和風控決策。在此背景下，剖析互聯(lián)網(wǎng)金融如何作用于商業(yè)銀行風險承擔成為題中應有之義。

有鑒于此，本文首先構建了引入互聯(lián)網(wǎng)金融的商業(yè)銀行風險承擔模型，然后采用2003—2013 年我國5 家系統(tǒng)重要性銀行、31 家非系統(tǒng)重要性銀行的數(shù)據(jù)，運用系統(tǒng)廣義矩估計方法，考察了互聯(lián)網(wǎng)金融對商業(yè)銀行風險承擔的影響。在設計互聯(lián)網(wǎng)金融這一核心解釋變量時，我們立足金融功能，根據(jù)“文本挖掘法”，通過對WEB 網(wǎng)頁中新聞措辭的篩選與分析，合成互聯(lián)網(wǎng)金融指數(shù)，科學測度了互聯(lián)網(wǎng)金融的發(fā)展水平。研究得出以下結論：(1)互聯(lián)網(wǎng)金融的沖擊加劇了商業(yè)銀行的風險承擔水平，且該效應不依賴于互聯(lián)網(wǎng)金融變量、銀行風險承擔變量與樣本容量的選擇。(2)不同類型商業(yè)銀行對互聯(lián)網(wǎng)金融沖擊的反應具有異質(zhì)性，相對非系統(tǒng)重要性銀行而言，系統(tǒng)重要性銀行的響應更為審慎與穩(wěn)健。根據(jù)研究結論提出如下政策建議。

首先，監(jiān)管部門應密切關注互聯(lián)網(wǎng)金融自身的風險以及其對傳統(tǒng)金融體系外溢的風險，守住不發(fā)生系統(tǒng)性風險的底線。一方面，應盡快完善互聯(lián)網(wǎng)金融行業(yè)監(jiān)管條例，制定準入、運營與退出方面的規(guī)則，建立風險識別、預警與處理機制，加強對互聯(lián)網(wǎng)金融企業(yè)日常風險的控制與防范，同時應明確監(jiān)管主體、監(jiān)管對象與監(jiān)管范圍，嚴防監(jiān)管泛化與監(jiān)管真空。另一方面，應設置針對互聯(lián)網(wǎng)金融機構的統(tǒng)計調(diào)查系統(tǒng)，強化對網(wǎng)絡借貸資金價格、規(guī)模和流向的動態(tài)監(jiān)測，建造有效的市場防火墻，避免風險外溢引發(fā)的“多米諾骨牌效應”。

再者，監(jiān)管當局應繼續(xù)深化銀行業(yè)改革，重塑商業(yè)銀行的服務體系和經(jīng)營模式?；ヂ?lián)網(wǎng)金融通過引入競爭機制，改變了間接融資為主的金融市場結構，打破了利息收入為主的銀行贏利格局，給傳統(tǒng)商業(yè)銀行帶來了嚴峻挑戰(zhàn)。因此，為更好地維護金融穩(wěn)定，監(jiān)管當局應繼續(xù)深化銀行業(yè)改革。一是健全商業(yè)銀行的經(jīng)理人制度，增強其憂患意識，以有效隔離互聯(lián)網(wǎng)金融外溢的風險；二是建立商業(yè)銀行的退出機制，讓風險控制能力差、運營效率低的銀行自動被市場淘汰，讓積極吸收先進技術、努力迎接互聯(lián)網(wǎng)金融挑戰(zhàn)的銀行有上升空間；三是降低系統(tǒng)重要性銀行的“公有性”，提高其“市場性”，強化對系統(tǒng)重要性銀行的審慎監(jiān)管，稀釋單個銀行對系統(tǒng)性風險的貢獻。

最后，中央政府應全面推進金融體制改革，逐步理順金融市場規(guī)則。互聯(lián)網(wǎng)金融的突飛猛進反映了中國金融體制的制度弊病，包括金融市場行政壁壘過高、金融要素定價機制缺乏、金融資金配置中銀行獨大、金融投資工具和渠道狹窄等。正是這些制度漏洞才導致互聯(lián)網(wǎng)金融在中國的超速發(fā)展，因而政府應全面深化中國金融體制改革，減少行政干預、降低市場準入壁壘、健全信用評估體系、完善消費者保護機制等，使金融成為一池活水，更好地澆灌實體經(jīng)濟之樹。

［1］ 陳志武. 互聯(lián)網(wǎng)金融到底有多新[J]. 新金融，2014(4)：9-13.

［2］ 狄衛(wèi)平，梁洪澤. 網(wǎng)絡金融研究[J]. 金融研究，2000(11)：27-33.

［3］ 高智賢，李 成，劉生福. 貨幣政策與審慎監(jiān)管的配合機制研究[J]. 當代經(jīng)濟科學，2015(1)：56-66+126.

［4］ 洪 娟，曹 彬，李 鑫. 互聯(lián)網(wǎng)金融風險的特殊性及其監(jiān)管策略研究[J]. 中央財經(jīng)大學學報，2014(9)：42-46.

［5］ 李海艦，田躍新，李文杰. 互聯(lián)網(wǎng)思維與傳統(tǒng)企業(yè)再造[J]. 中國工業(yè)經(jīng)濟，2014(10)：135-146.

［6］ 李 燊鑫，徐唯 . 對當前我國互聯(lián)網(wǎng)金融若干問題的辨析[J]. 財經(jīng)科學，2015(9)：1-9.

［7］ 馬草原，李 成. 國有經(jīng)濟效率、增長目標硬約束與貨幣政策超調(diào)[J]. 經(jīng)濟研究，2013(7)：76-89.

［8］ 皮天雷，趙 鐵. 互聯(lián)網(wǎng)金融：邏輯、比較與機制[J]. 中國經(jīng)濟問題，2014(4)：98-108.

［9］ 祁 明，肖 林. 虛擬貨幣：運行機制、交易體系與治理策略[J]. 中國工業(yè)經(jīng)濟，2014(4)：110-122.

［10］ 沈 悅，郭 品. 互聯(lián)網(wǎng)金融、技術溢出與商業(yè)銀行全要素生產(chǎn)率[J]. 金融研究，2015(3)：160-175.

［11］ 盛松成，吳培新. 中國貨幣政策的二元傳導機制——“兩中介目標，兩調(diào)控對象”模式研究[J]. 經(jīng)濟研究，2008(10)：37-51.

［12］ 王國剛，張 揚. 互聯(lián)網(wǎng)金融之辨析[J]. 財貿(mào)經(jīng)濟，2015(1)：5-16.

［13］ 赟

王 祥，樊曉華，李 瑋. 商業(yè)銀行與互聯(lián)網(wǎng)金融個人金融業(yè)務競爭實力比較[J]. 統(tǒng)計與管理，2014(1)：62-63.

［14］ 聞岳春，陳 翀. 我國網(wǎng)絡銀行發(fā)展探討[J]. 金融研究，1999(10)：67-70.

［15］ 吳曉靈. 互聯(lián)網(wǎng)金融監(jiān)管爭議根源在制度不完善[N]. 人民政協(xié)報，2014-3-9.

［16］ 吳曉求. 中國金融的深度變革與互聯(lián)網(wǎng)金融[J]. 財貿(mào)經(jīng)濟，2014(1)：14-23.

［17］ 吳曉求. 互聯(lián)網(wǎng)金融：成長的邏輯[J]. 財貿(mào)經(jīng)濟，2015(2)：5-15.

［18］ 夏 政. 基于系統(tǒng)論的互聯(lián)網(wǎng)金融生態(tài)建設[J]. 財經(jīng)科學，2015(1)：1-10.

［19］ 謝 平，尹 龍. 網(wǎng)絡經(jīng)濟下的金融理論與金融治理[J]. 經(jīng)濟研究，2001(4)：24-31+95.

［20］ 謝 平，鄒傳偉. 互聯(lián)網(wǎng)金融模式研究[J]. 金融研究，2012(12)：11-22.

［21］ 姚樹潔，姜春霞，馮根福. 中國銀行業(yè)的改革與效率：1995—2008[J]. 經(jīng)濟研究，2011(8)：4-14.

［22］ 張玉喜. 網(wǎng)絡金融的風險管理研究[J]. 管理世界，2002(10)：139-140.

［23］ 趙麗麗，趙茜倩，楊 娟，王鐵軍，李 慶. 財經(jīng)新聞對中國股市影響的定量分析[J]. 山東大學學報(理學版)，2012(7)：70-75+80.

［24］ 鄭聯(lián)盛. 中國互聯(lián)網(wǎng)金融：模式、影響、本質(zhì)與風險[J]. 國際經(jīng)濟評論，2014(5)：103-118.

［25］ Agrawal A.，Jaffe J. F.，Mandelker G. N. The Post-merger Performance of Acquiring Firms：A Re-examination of an Anomaly [J]. Journal of Finance，1992，47(4)：1605-21.

［26］ Allen F.，Mcandrews J.，Strahan P. E-finance：An Introduction [J]. Journal of Financial Services Research，2002，22(1)：5-27.

［27］ Askitas N.，Zimmermann K. F. Google Econometrics and Unemployment Forecasting [J]. Applied Economics Quarterly，2009，55(2)：107-20.

［28］ Baltagi B. Econometric Analysis of Panel Data [M]. America：John Wiley & Sons，2013.

［29］ Barrell R.，Davis E. P.，Karim D.，Liadze I. Bank Regulation，Property Prices and Early Warning Systems for Banking Crises in OECD Countries [J]. Journal of Banking and Finance，2010，34(9)：2255-64.

［30］ Beltratti A.，Stultz R. M. The Credit Crisis around the Globe：Why Did Some Banks Perform Better? [J]. Journal of Financial Economics，2012，105(1)：1-17.

［31］ Blundell R.，Bond S. Initial Conditions and Moment Restrictions in Dynamic Panel Data Models[J]. Journal of Econometrics，1998，87(1)：115-43.

［32］ Deyoung R.，Peng E. Y.，Yan M. Executive Compensation and Business Policy Choices at US Commercial Banks [J]. Journal of Financial and Quantitative Analysis，2013，48(1)：165-96.

［33］ Financial Stability Board. Intensity and Effectiveness of SIFI Supervision：Progress Report on Implementing the Recommendations on Enhanced Supervision [EB/OL]. http://www. financialstability board. org/2011，2011.

［34］ Francis W. B.，Osborne M. Capital Requirements and Bank Behavior in the UK：Are There Lessons for International Capital Standards? [J]. Journal of Banking and Finance，2012，36(3)：803-16.

［35］ Gambacota L. Monetary Policy and the Risk-taking Channel [J]. BIS Quarterly Review，2009，12(1)：43-53.

［36］ Hale G.，Long C. Are There Productivity Spillovers From Foreign Direct Investment In China?[J]. Pacific Economic Review，2011，16(2)：135-53.

［37］ Kishan R. P.，Opiela T. P. Monetary Policy，Bank Lending，and the Risk-Pricing Channel [J].Journal of Money，Credit and Banking，2012，44(4)：573-602.

［38］ Kopecky K. J.，Vanhoose D. A. Model of the Monetary Sector with and without Binding Capital Requirements [J]. Journal of Banking and Finance，2004，28(3)：633-46.

［39］ Krueger M. Money：A Market Microstructure Approach [J]. Journal of Money，Credit and Banking，2012，44(6)：1245-58.

［40］ Laeven L.，Levine R. Bank Governance，Regulation and Risk Taking [J]. Journal of Financial Economics，2009，93(2)：259-75.

［41］ Larrain B. Do Banks Affect the Level and Composition of Industrial Volatility? [J]. Journal of Finance，2006，4(8)：1897-925.

［42］ Maddaloni A.，Peydro J. L. Bank Risk-taking，Securitization，Supervision，and Low Interest Rates：Evidence from the Euro-area and the U. S. Lending Standards [J]. Review of Financial Studies，2011，24(6)：2121-65.

［43］ Merton R. C.，Bodie Z. A Conceptual Framework for Analyzing the Financial Environment [M].Cambridge：Harvard Business School Press，1995.

［44］ Nautz D.，Scheithauer J. Monetary Policy Implementation and Overnight Rate Persistence [J].Journal of International Money and Finance，2011，30(7)：1375-86.

［45］ Nautz D.，Schmidt S. Monetary Policy Implementation and The Federal Funds Rate [J]. Journal of Banking and Finance，2009，33(7)：1274-84.

［46］ Pathan S. Strong Boards，CEO Power and Bank Risk-taking [J]. Journal of Banking and Finance，2009，33(7)：1340-50.

［47］ Pesaran M. H.，Pick A. Econometric Issues in the Analysis of Contagion [J]. Journal of Economic Dynamics and Control，2007，31(4)：1245-77.

［48］ Petter G.，Geoff D. A Review of Organised Crime in Electronic Finance [J]. Journal of Electronic Finance，2009，3(1)：46-63.

［49］ Shahrokhi M. E-finance：Status，Innovations，Resources and Future Challenges [J]. Managerial Finance，2008，34(6)：365-98.

［50］ Simar L.，Wilson P. W. Estimation and Inference in Two-stage，Semi-parametric Models of Production Processes [J]. Journal of Econometrics，2007，136(1)：31-64.

［51］ Syed A. R.，Nida H. Factors Affecting Internet Banking Adoption among Internal and External Customers：A Case of Pakistan [J]. Journal of Electronic Finance，2013，7(1)：82-96.