□ 李鴻翔

(中國(guó)人民大學(xué) 財(cái)政金融學(xué)院, 北京 100872)

一、引言及文獻(xiàn)綜述

隨著互聯(lián)網(wǎng)和金融科技的發(fā)展,互聯(lián)網(wǎng)消費(fèi)信貸迅速興起,使得消費(fèi)信貸覆蓋到更廣泛的群體,極大地促進(jìn)了我國(guó)消費(fèi)信貸市場(chǎng)的發(fā)展,對(duì)我國(guó)擴(kuò)大內(nèi)需、推進(jìn)消費(fèi)升級(jí)起到重要支撐作用。截至2018年底,我國(guó)互聯(lián)網(wǎng)消費(fèi)信貸在服務(wù)人數(shù)上占使用消費(fèi)信貸總?cè)藬?shù)的42.9%,遠(yuǎn)遠(yuǎn)超出傳統(tǒng)銀行消費(fèi)信貸的服務(wù)人數(shù)?；ヂ?lián)網(wǎng)消費(fèi)信貸利用金融科技平臺(tái)的規(guī)模優(yōu)勢(shì)和大數(shù)據(jù)技術(shù)下更高的風(fēng)險(xiǎn)識(shí)別準(zhǔn)確率[1],將傳統(tǒng)金融無(wú)法覆蓋的長(zhǎng)尾人群納入到了金融服務(wù)體系之中,體現(xiàn)了普惠金融的理念。

在我國(guó)經(jīng)濟(jì)轉(zhuǎn)型的背景下,互聯(lián)網(wǎng)消費(fèi)信貸作為金融科技創(chuàng)新的一個(gè)特定子集,在金融科技的應(yīng)用中有著重要地位。因此,研究互聯(lián)網(wǎng)消費(fèi)信貸與傳統(tǒng)銀行信貸之間的關(guān)系具有重要的理論意義和實(shí)踐價(jià)值。對(duì)于該問(wèn)題的研究,不少學(xué)者認(rèn)為二者具有互補(bǔ)性。Navaretti等[2]認(rèn)為，金融科技帶來(lái)了新的金融服務(wù)模式,能夠提供傳統(tǒng)銀行無(wú)法提供的服務(wù),但它在關(guān)鍵功能上不會(huì)取代銀行,更多地表現(xiàn)為互補(bǔ)作用。Boot[3]認(rèn)為,隨著金融科技平臺(tái)的興起,盡管市場(chǎng)競(jìng)爭(zhēng)的加劇促進(jìn)了傳統(tǒng)銀行的數(shù)字化轉(zhuǎn)型,但金融科技平臺(tái)和傳統(tǒng)銀行在金融服務(wù)上發(fā)揮出互補(bǔ)作用,實(shí)現(xiàn)共同發(fā)展。有研究發(fā)現(xiàn)，互聯(lián)網(wǎng)信貸為企業(yè)和消費(fèi)者提供了另一種資金來(lái)源,改善了傳統(tǒng)金融服務(wù)不足群體的信貸渠道,提高了金融中介的效率[4]。王國(guó)剛和張楊[5]認(rèn)為，互聯(lián)網(wǎng)消費(fèi)信貸的發(fā)展能拓展銀行信貸的服務(wù)領(lǐng)域,更好地滿足不同人群的信貸需求,改善金融服務(wù)供給的區(qū)域不平衡性,提高金融體系效率。姚耀軍和施丹燕[6]發(fā)現(xiàn)，傳統(tǒng)金融服務(wù)供給不足為互聯(lián)網(wǎng)金融發(fā)展留下廣闊的市場(chǎng)空間,互聯(lián)網(wǎng)金融是對(duì)傳統(tǒng)金融的延續(xù)而非破壞性創(chuàng)新,能夠有力彌補(bǔ)傳統(tǒng)金融的不足。

在區(qū)域?qū)用嫔?傳統(tǒng)銀行信貸服務(wù)存在較強(qiáng)的區(qū)域差異性,這對(duì)新興互聯(lián)網(wǎng)消費(fèi)信貸的發(fā)展有著很大影響:從供給角度,對(duì)于經(jīng)濟(jì)欠發(fā)達(dá)地區(qū),傳統(tǒng)銀行信貸的發(fā)展也相對(duì)欠缺,從而使得消費(fèi)信貸市場(chǎng)進(jìn)入門檻更低;從需求角度,傳統(tǒng)銀行信貸服務(wù)薄弱地區(qū)的信貸需求者面臨更強(qiáng)的信貸約束,為互聯(lián)網(wǎng)消費(fèi)信貸的發(fā)展提供了更廣闊的市場(chǎng)空間。Jagtiani和Lemieux[7]發(fā)現(xiàn)，全球最大P2P平臺(tái)LendingClub的消費(fèi)貸款活動(dòng)已經(jīng)滲透到傳統(tǒng)銀行服務(wù)水平低的地區(qū),互聯(lián)網(wǎng)消費(fèi)信貸在經(jīng)濟(jì)表現(xiàn)不佳的地區(qū)有著更大的市場(chǎng)份額,與傳統(tǒng)銀行信貸表現(xiàn)出互補(bǔ)性。有學(xué)者從國(guó)家層面進(jìn)行分析,發(fā)現(xiàn)銀行分支機(jī)構(gòu)分布密度越低,BigTech信貸發(fā)展越快[8]。

雖然國(guó)內(nèi)已有大量文獻(xiàn)研究互聯(lián)網(wǎng)金融的發(fā)展趨勢(shì)及其對(duì)我國(guó)經(jīng)濟(jì)金融的影響[9-11],但對(duì)于互聯(lián)網(wǎng)消費(fèi)信貸的實(shí)證研究卻相對(duì)缺乏。本文使用2013—2018年中國(guó)31個(gè)省份的面板數(shù)據(jù),圍繞互聯(lián)網(wǎng)消費(fèi)信貸的發(fā)展路徑,從區(qū)域?qū)用嫜芯炕ヂ?lián)網(wǎng)消費(fèi)信貸與傳統(tǒng)銀行信貸的關(guān)系,揭示了消費(fèi)信貸區(qū)域差異的背后邏輯,為進(jìn)一步發(fā)揮金融科技的應(yīng)用價(jià)值、推動(dòng)互聯(lián)網(wǎng)消費(fèi)信貸實(shí)現(xiàn)普惠金融目標(biāo)提供了有益的政策建議。

二、研究設(shè)計(jì)

(一)變量選擇

1.被解釋變量

本文的被解釋變量為互聯(lián)網(wǎng)消費(fèi)信貸的發(fā)展程度,本文使用北京大學(xué)數(shù)字金融研究中心編制的省級(jí)層面數(shù)字普惠金融指數(shù),以該指數(shù)二級(jí)維度的信貸使用指數(shù)作為代理變量。該指數(shù)主要基于螞蟻金服的個(gè)人消費(fèi)貸款數(shù)據(jù)進(jìn)行構(gòu)建,包括每萬(wàn)支付寶成年用戶中互聯(lián)網(wǎng)消費(fèi)信貸的用戶數(shù)、使用筆數(shù)、使用金額等,全面刻畫了互聯(lián)網(wǎng)消費(fèi)信貸的發(fā)展情況[12]。螞蟻金服作為我國(guó)最具影響力的數(shù)字金融公司之一,其旗下的花唄、借唄等是我國(guó)互聯(lián)網(wǎng)消費(fèi)信貸的代表性產(chǎn)品。利用螞蟻金服數(shù)據(jù)構(gòu)建的信貸使用指數(shù)能夠很好地反映各省互聯(lián)網(wǎng)消費(fèi)信貸的發(fā)展水平,具有很強(qiáng)的代表性和說(shuō)服力。

2.解釋變量

本文的解釋變量為傳統(tǒng)銀行消費(fèi)信貸的發(fā)展程度。Carbo-Valverde和Perez-Saiz[13]發(fā)現(xiàn)，如果在距家庭10公里的范圍內(nèi)銀行設(shè)有分支機(jī)構(gòu),則獲得銀行信貸服務(wù)的可能性將增加60%。參考前人研究[7,14],本文選取省級(jí)層面的銀行分支機(jī)構(gòu)數(shù)量作為代理變量,并使用各省銀行類金融機(jī)構(gòu)的相關(guān)數(shù)據(jù)作為替代變量(詳見表1)。

3.控制變量

借鑒Jagtiani和Lemieux[7],本文控制了省級(jí)層面的因素,包括人均可支配收入、城鎮(zhèn)登記失業(yè)率、居民消費(fèi)價(jià)格指數(shù)(CPI)增長(zhǎng)率,以此控制不同省份的宏觀經(jīng)濟(jì)差異。此外,本文還控制了年度效應(yīng)和省份效應(yīng),以此控制各省政策因素等方面的差異。

(二)樣本選擇

本文使用2013—2018年中國(guó)31個(gè)省份的面板數(shù)據(jù)作為研究樣本,數(shù)據(jù)來(lái)源于Wind數(shù)據(jù)庫(kù)、中國(guó)研究數(shù)據(jù)服務(wù)平臺(tái)(CNRDS)和北京大學(xué)數(shù)字金融研究中心。對(duì)少數(shù)缺失值使用插值法或增長(zhǎng)率法進(jìn)行插補(bǔ)。表1是變量的描述性統(tǒng)計(jì)。

表1 描述性統(tǒng)計(jì)

(三)模型設(shè)定

為研究互聯(lián)網(wǎng)消費(fèi)信貸與傳統(tǒng)銀行消費(fèi)信貸之間的關(guān)系,本文從省級(jí)層面構(gòu)建如下基準(zhǔn)回歸模型:

Net_Loanit=α0+α1Bank_Loanit+

γControlsit+δt+μi+εit

(1)

其中,下標(biāo)i表示第i個(gè)省份,t表示第t年,Net_Loan表示互聯(lián)網(wǎng)消費(fèi)信貸的發(fā)展程度,Bank_Loan表示傳統(tǒng)銀行消費(fèi)信貸的發(fā)展程度,本文的基準(zhǔn)模型使用銀行分支機(jī)構(gòu)數(shù)量作為核心自變量,另外使用銀行類金融機(jī)構(gòu)的相關(guān)數(shù)據(jù)作為替代變量以進(jìn)行穩(wěn)健性檢驗(yàn)。Controls代表控制變量,包括人均可支配收入、失業(yè)率、居民消費(fèi)價(jià)格指數(shù)增長(zhǎng)率等變量,α0為截距項(xiàng),δt為年度效應(yīng),μi為省份效應(yīng),εit為殘差項(xiàng)。

由于互聯(lián)網(wǎng)消費(fèi)信貸的發(fā)展存在某種慣性,上一期互聯(lián)網(wǎng)消費(fèi)信貸的發(fā)展程度會(huì)對(duì)當(dāng)期產(chǎn)生影響,使用靜態(tài)面板模型可能會(huì)產(chǎn)生偏差,動(dòng)態(tài)面板模型則可以解決此問(wèn)題。本文使用系統(tǒng)GMM模型[15-16]檢驗(yàn)了互聯(lián)網(wǎng)消費(fèi)信貸和傳統(tǒng)銀行消費(fèi)信貸的關(guān)系,進(jìn)一步解決了方程(1)可能存在的內(nèi)生性問(wèn)題。具體回歸方程如下:

Net_Loanit=α0+β0Net_Loani,t-1+α1Bank_Loanit+

γControlsit+δt+μi+εit

(2)

其中,等式右邊增加了互聯(lián)網(wǎng)消費(fèi)信貸發(fā)展程度的一階滯后項(xiàng)(Net_Loani,t-1),其他變量與方程(1)一致。本文使用的系統(tǒng)GMM模型能夠有效控制互聯(lián)網(wǎng)消費(fèi)信貸發(fā)展程度的前期值與誤差項(xiàng)之間可能存在的內(nèi)生關(guān)聯(lián)。

三、實(shí)證分析

(一)基準(zhǔn)模型

本文首先使用面板固定效應(yīng)法對(duì)模型進(jìn)行估計(jì)。表2中模型(1)的回歸結(jié)果顯示,銀行分支機(jī)構(gòu)數(shù)量的回歸系數(shù)為-2.603,在1%水平上顯著,銀行分支機(jī)構(gòu)數(shù)量的回歸系數(shù)顯著為負(fù),說(shuō)明在其他條件不變的情況下,銀行分支機(jī)構(gòu)數(shù)量越少的省份,其互聯(lián)網(wǎng)消費(fèi)信貸的發(fā)展水平越高。這一結(jié)果表明,傳統(tǒng)銀行信貸服務(wù)不足的地區(qū),消費(fèi)者面臨信貸約束的可能性越大、程度越深,互聯(lián)網(wǎng)消費(fèi)信貸在這些地區(qū)高速發(fā)展,服務(wù)到了更多有信貸需求的消費(fèi)者,對(duì)傳統(tǒng)銀行信貸服務(wù)起到補(bǔ)充作用,體現(xiàn)了二者的互補(bǔ)關(guān)系。由模型(2)到(6),本文使用替代變量仍得到顯著為負(fù)的回歸系數(shù),與模型(1)的結(jié)論一致。

表2 基準(zhǔn)模型

(二)內(nèi)生性檢驗(yàn)

為進(jìn)一步減輕可能存在的內(nèi)生性問(wèn)題,本文使用系統(tǒng)GMM模型檢驗(yàn)互聯(lián)網(wǎng)消費(fèi)信貸和傳統(tǒng)銀行消費(fèi)信貸的關(guān)系。由表3,核心自變量的回歸系數(shù)均在1%水平上顯著為負(fù),與基準(zhǔn)模型結(jié)果一致,互聯(lián)網(wǎng)消費(fèi)信貸發(fā)展程度滯后一期的回歸系數(shù)均顯著為正,說(shuō)明目前互聯(lián)網(wǎng)消費(fèi)信貸在我國(guó)處于業(yè)務(wù)推廣和快速發(fā)展時(shí)期,金融科技平臺(tái)在互聯(lián)網(wǎng)消費(fèi)信貸發(fā)展好的地區(qū)投入更多資源。此外,本文對(duì)系統(tǒng)GMM模型進(jìn)行了AR(2)檢驗(yàn)和Sargan檢驗(yàn),結(jié)果表明誤差項(xiàng)不存在二階序列自相關(guān)問(wèn)題和過(guò)度識(shí)別問(wèn)題,因此所得回歸結(jié)果是可靠、有效的。

表3 系統(tǒng)GMM模型

(三)異質(zhì)性分析

為驗(yàn)證不同區(qū)域可能存在的差異,本文根據(jù)各省所在區(qū)域(東部、中部、西部)進(jìn)行異質(zhì)性分析。由表4可以看到,當(dāng)樣本為西部地區(qū)的省份時(shí),核心自變量的回歸系數(shù)均為負(fù)數(shù),且在1%水平上顯著,而樣本為東部或中部地區(qū)的省份時(shí),核心自變量的回歸系數(shù)基本不顯著。這表明,互聯(lián)網(wǎng)消費(fèi)信貸和傳統(tǒng)銀行消費(fèi)信貸的互補(bǔ)性主要表現(xiàn)在西部地區(qū)。西部地區(qū)經(jīng)濟(jì)相對(duì)欠發(fā)達(dá),銀行信貸服務(wù)程度較低,但長(zhǎng)尾人群更加集中,有更多面臨信貸約束的消費(fèi)者,從而促進(jìn)了互聯(lián)網(wǎng)消費(fèi)信貸在西部地區(qū)的迅猛發(fā)展,因此更能體現(xiàn)出互聯(lián)網(wǎng)消費(fèi)信貸與傳統(tǒng)銀行信貸的互補(bǔ)性。

表4 異質(zhì)性分析

四、結(jié)論與建議

本文使用2013—2018年中國(guó)31個(gè)省份的面板數(shù)據(jù),以北京大學(xué)數(shù)字普惠金融指數(shù)的二級(jí)維度信貸使用指數(shù)作為互聯(lián)網(wǎng)消費(fèi)信貸發(fā)展程度的代理變量,以銀行分支機(jī)構(gòu)數(shù)量作為傳統(tǒng)銀行消費(fèi)信貸發(fā)展程度的代理變量,實(shí)證分析了互聯(lián)網(wǎng)消費(fèi)信貸與傳統(tǒng)銀行消費(fèi)信貸之間的關(guān)系。研究發(fā)現(xiàn):互聯(lián)網(wǎng)消費(fèi)信貸與傳統(tǒng)銀行消費(fèi)信貸在區(qū)域?qū)用婢哂酗@著的互補(bǔ)關(guān)系。在傳統(tǒng)銀行消費(fèi)信貸發(fā)展水平較低的地區(qū),互聯(lián)網(wǎng)消費(fèi)信貸發(fā)展得更加迅速,傳統(tǒng)銀行信貸服務(wù)不足推動(dòng)了互聯(lián)網(wǎng)消費(fèi)信貸的發(fā)展。

通過(guò)異質(zhì)性分析,本文發(fā)現(xiàn)二者的互補(bǔ)性主要集中在西部地區(qū),進(jìn)一步印證了互聯(lián)網(wǎng)消費(fèi)信貸能夠觸達(dá)更多傳統(tǒng)金融服務(wù)不到的長(zhǎng)尾人群,體現(xiàn)出互聯(lián)網(wǎng)消費(fèi)信貸的普惠金融性質(zhì)。

基于上述結(jié)論,本文提出以下幾點(diǎn)政策建議:(1)鼓勵(lì)互聯(lián)網(wǎng)消費(fèi)信貸發(fā)展,突出普惠金融性質(zhì)。監(jiān)管部門應(yīng)以市場(chǎng)為導(dǎo)向,在控制好風(fēng)險(xiǎn)的前提下,鼓勵(lì)互聯(lián)網(wǎng)消費(fèi)信貸健康適度發(fā)展,服務(wù)更多長(zhǎng)尾人群,實(shí)現(xiàn)普惠金融目標(biāo)。(2)促進(jìn)消費(fèi)信貸市場(chǎng)協(xié)同發(fā)展,實(shí)現(xiàn)優(yōu)勢(shì)互補(bǔ)。根據(jù)各地區(qū)實(shí)際情況,促進(jìn)互聯(lián)網(wǎng)消費(fèi)信貸與傳統(tǒng)銀行消費(fèi)信貸的協(xié)同發(fā)展,構(gòu)建全方位、多層次、廣覆蓋的普惠金融服務(wù)體系,實(shí)現(xiàn)二者的優(yōu)勢(shì)互補(bǔ)。(3)加快推進(jìn)銀行數(shù)字化轉(zhuǎn)型,實(shí)施傳統(tǒng)技術(shù)與新興技術(shù)相融合戰(zhàn)略。監(jiān)管部門應(yīng)支持銀行的數(shù)字化轉(zhuǎn)型,積極應(yīng)用人工智能、大數(shù)據(jù)、云計(jì)算等新興技術(shù),不斷提高銀行服務(wù)實(shí)體經(jīng)濟(jì)的水平和應(yīng)對(duì)外部沖擊的能力,促進(jìn)消費(fèi)信貸市場(chǎng)良性發(fā)展。(4)加強(qiáng)信貸市場(chǎng)監(jiān)管,謹(jǐn)防新型金融風(fēng)險(xiǎn)。金融科技平臺(tái)利用技術(shù)優(yōu)勢(shì)和規(guī)模效應(yīng),降低了獲客成本,形成了一套完整的貸前貸中貸后風(fēng)控體系,但與此同時(shí)也帶了前所未有的挑戰(zhàn),面對(duì)數(shù)字技術(shù)與金融創(chuàng)新的結(jié)合,監(jiān)管部門應(yīng)加強(qiáng)對(duì)信貸市場(chǎng)的監(jiān)管,設(shè)立風(fēng)險(xiǎn)防控預(yù)警機(jī)制,預(yù)防新型金融風(fēng)險(xiǎn)?！?/p>