劉孟飛 蔣維 王琦

摘 要：立足金融科技蓬勃發(fā)展的現(xiàn)實(shí)背景，首先從理論層面分析了金融科技對(duì)傳統(tǒng)商業(yè)銀行的影響機(jī)理，然后采用文本挖掘技術(shù)測算得到金融科技發(fā)展指數(shù)，并運(yùn)用無導(dǎo)向DEA-Malmquist模型測算樣本銀行的全要素生產(chǎn)率增長及其分解值變化情況，最后通過建立多元回歸模型，采用靜態(tài)面板與動(dòng)態(tài)面板SYSGMM估計(jì)相結(jié)合的方法對(duì)銀行業(yè)整體及其異質(zhì)性影響進(jìn)行了實(shí)證檢驗(yàn)。結(jié)果表明：研究期間，我國銀行業(yè)的全要素生產(chǎn)率整體上實(shí)現(xiàn)了一定幅度的增長，增長的源泉主要來自技術(shù)進(jìn)步。分類型來看，國有大型商業(yè)銀行的技術(shù)進(jìn)步與全要素生產(chǎn)率增長最快，農(nóng)村商業(yè)銀行最低。回歸結(jié)果顯示：整體上，金融科技發(fā)展對(duì)我國銀行業(yè)的技術(shù)進(jìn)步與全要素生產(chǎn)率增長具有顯著的促進(jìn)作用;但異質(zhì)性檢驗(yàn)結(jié)果表明，金融科技對(duì)大中型商業(yè)銀行的積極影響要明顯強(qiáng)于小型商業(yè)銀行。

關(guān)鍵詞： 金融科技;技術(shù)進(jìn)步;商業(yè)銀行;全要素生產(chǎn)率增長

中圖分類號(hào)：? F831???? 文獻(xiàn)標(biāo)志碼：A???? 文章編號(hào)：1009-055X（2021）03-0032-13

doi：10.19366/j.cnki.1009-055X.2021.03.004

一、引 言

金融科技（FinTech）是指依靠技術(shù)所產(chǎn)生的金融創(chuàng)新①，它涵蓋了從新技術(shù)開發(fā)到金融服務(wù)商業(yè)化的廣泛活動(dòng)和業(yè)務(wù)領(lǐng)域[1]。相比早期的互聯(lián)網(wǎng)金融，金融科技更加注重大數(shù)據(jù)、云計(jì)算、區(qū)塊鏈、人工智能等技術(shù)對(duì)金融效率提升與金融服務(wù)優(yōu)化的重要作用。自2015年金融科技的概念引入中國以來，其便迅速成為金融領(lǐng)域的焦點(diǎn)。據(jù)零壹數(shù)據(jù)統(tǒng)計(jì)，2018年全球金融科技領(lǐng)域發(fā)生股權(quán)融資事件1097筆，涉及融資總額4360.9億元;其中，中國發(fā)生融資事件615筆，融資額高達(dá)3256.3億元，占據(jù)全球融資總額的74.7%[2]。從規(guī)模來看，中國金融科技已處于全球領(lǐng)先水平[3]。我國政策當(dāng)局也高度重視金融科技的安全、可持續(xù)發(fā)展。2019年8月，中國人民銀行印發(fā)《金融科技（FinTech）發(fā)展規(guī)劃（2019—2021年）》，標(biāo)志著金融科技創(chuàng)新已上升至政府戰(zhàn)略高度。

從發(fā)展實(shí)踐來看，金融科技從根本上改變了現(xiàn)有金融格局，使得傳統(tǒng)金融服務(wù)業(yè)挑戰(zhàn)與機(jī)遇并存[4]。在此背景下，各大商業(yè)銀行紛紛尋求與金融科技的創(chuàng)新競合發(fā)展[5]。尤其引人注目的是，2017年11月27日，中國工商銀行聯(lián)手京東金融推出“工銀小白”，成為中國首家數(shù)字銀行。目前，中國經(jīng)濟(jì)發(fā)展進(jìn)入新常態(tài)，從政府到企業(yè)都在尋找高質(zhì)量發(fā)展，推動(dòng)傳統(tǒng)要素投入驅(qū)動(dòng)的粗放式增長向以全要素生產(chǎn)率（total factor productivity，TFP）增長為主的集約式方式轉(zhuǎn)變。理論上，新興技術(shù)是推動(dòng)金融創(chuàng)新的重要條件，“科技+金融”的融合創(chuàng)新有助于降低金融交易成本，提高資本效率，增強(qiáng)運(yùn)營彈性。

金融科技推動(dòng)不同資金實(shí)力和資產(chǎn)規(guī)模銀行機(jī)構(gòu)的戰(zhàn)略轉(zhuǎn)型與差異化發(fā)展[3]，商業(yè)銀行能否把握住與金融科技共贏發(fā)展的機(jī)遇、實(shí)現(xiàn)金融科技的有效應(yīng)用，將是銀行能否提升經(jīng)營競爭力、實(shí)現(xiàn)經(jīng)營轉(zhuǎn)型及注入經(jīng)營活力的關(guān)鍵[6]。特別是在宏觀經(jīng)濟(jì)下行、壓力加大的新常態(tài)背景下，傳統(tǒng)業(yè)務(wù)對(duì)商業(yè)銀行的貢獻(xiàn)開始減弱，銀行業(yè)整體面臨著轉(zhuǎn)型壓力;而以大數(shù)據(jù)、云計(jì)算、人工智能、區(qū)塊鏈、物聯(lián)網(wǎng)等為核心的金融科技可有效重塑金融業(yè)態(tài)，為銀行機(jī)構(gòu)轉(zhuǎn)型提供了破局之策。隨著金融科技的蓬勃發(fā)展，相關(guān)研究開始大量涌現(xiàn)。既有文獻(xiàn)對(duì)于理解金融科技內(nèi)涵與功能具有重要啟示，但鑒于金融科技出現(xiàn)時(shí)間尚短，有關(guān)商業(yè)銀行與金融科技的競合關(guān)系研究大多屬于基礎(chǔ)性的規(guī)范分析。金融科技如何作用于傳統(tǒng)銀行業(yè)仍然是一個(gè)尚未打開的黑匣子。金融科技帶來的技術(shù)進(jìn)步是否有助于提升商業(yè)銀行全要素生產(chǎn)率增長？其影響程度是否又會(huì)因銀行異質(zhì)性而有所不同？這些問題的解答對(duì)進(jìn)一步深化商業(yè)銀行改革創(chuàng)新，促進(jìn)金融科技健康發(fā)展具有重要的理論意義與現(xiàn)實(shí)價(jià)值。

有鑒于此，本文在科學(xué)計(jì)量金融科技發(fā)展指數(shù)與合理測度銀行全要素生產(chǎn)率增長及其分解的基礎(chǔ)上，從理論層面剖析金融科技對(duì)傳統(tǒng)銀行機(jī)構(gòu)的影響機(jī)理，并通過建立多元回歸計(jì)量模型，實(shí)證分析金融科技與商業(yè)銀行技術(shù)進(jìn)步、全要素生產(chǎn)率增長的作用關(guān)系以及這種關(guān)系在不同類型銀行的異質(zhì)性表現(xiàn)。這有助于客觀審視金融科技的演變過程與發(fā)展趨勢，豐富金融科技技術(shù)進(jìn)步效應(yīng)的理論研究，捕捉金融科技發(fā)展與不同類型商業(yè)銀行績效演化的互動(dòng)關(guān)系。

二、理論分析與假設(shè)提出

技術(shù)進(jìn)步是全要素生產(chǎn)率增長的重要源泉，近幾年，金融科技的廣泛應(yīng)用給我國金融生態(tài)帶來了深刻的變革性影響， 極大地推動(dòng)了銀行業(yè)的技術(shù)進(jìn)步。新興技術(shù)的示范效應(yīng)引發(fā)商業(yè)銀行的爭相效仿和學(xué)習(xí)，在促使銀行業(yè)競爭日趨激烈的同時(shí)[4]，也促進(jìn)了金融科技與商業(yè)銀行的融合創(chuàng)新發(fā)展[7]，改造了銀行傳統(tǒng)的服務(wù)和產(chǎn)品模式，開辟了觸達(dá)、營銷和服務(wù)客戶的新途徑[8]，增強(qiáng)了長尾效應(yīng)[9]。綜合來看，金融科技助力商業(yè)銀行全要素生產(chǎn)率提升主要有以下幾種路徑。

一是技術(shù)溢出效應(yīng)。根據(jù)技術(shù)溢出理論，一項(xiàng)新技術(shù)的出現(xiàn)，會(huì)促使競爭企業(yè)的爭相復(fù)制和學(xué)習(xí)，進(jìn)而完成技術(shù)的內(nèi)部轉(zhuǎn)化，最終給社會(huì)帶來外部經(jīng)濟(jì)。類似地，金融科技的崛起同樣會(huì)帶來技術(shù)溢出效應(yīng)。金融科技公司的技術(shù)思維超前，銀行機(jī)構(gòu)通過搜集新技術(shù)的基礎(chǔ)知識(shí)或者自身研發(fā)相近技術(shù)，對(duì)相關(guān)產(chǎn)品和服務(wù)進(jìn)行復(fù)制和效仿，變革原有經(jīng)營理念、服務(wù)方式與運(yùn)營模式，適應(yīng)金融科技發(fā)展趨勢，進(jìn)而實(shí)現(xiàn)技術(shù)改進(jìn)，促進(jìn)整個(gè)銀行業(yè)效率的全面提升。

二是競爭效應(yīng)。當(dāng)前，我國金融科技在移動(dòng)支付、P2P網(wǎng)貸、互聯(lián)網(wǎng)理財(cái)、大數(shù)據(jù)征信、智能投顧等領(lǐng)域的快速發(fā)展，給傳統(tǒng)商業(yè)銀行帶來了競爭壓力[10]。例如，移動(dòng)支付發(fā)展迅猛，擠壓了商業(yè)銀行支付結(jié)算業(yè)務(wù)空間[11]。金融科技對(duì)商業(yè)銀行的資產(chǎn)業(yè)務(wù)、負(fù)債業(yè)務(wù)、中間業(yè)務(wù)三大業(yè)務(wù)都造成了影響，導(dǎo)致銀行貸款業(yè)務(wù)受挫、存款業(yè)務(wù)規(guī)模下降、中間業(yè)務(wù)受到擠壓。金融科技還改變了傳統(tǒng)商業(yè)銀行的資產(chǎn)端和負(fù)債端結(jié)構(gòu)，銀行傳統(tǒng)的盈利模式受到較大的沖擊[12]。這迫使銀行機(jī)構(gòu)改變投入產(chǎn)出組合，注重技術(shù)升級(jí)，提升要素投入產(chǎn)出比率。

三是融合效應(yīng)。在金融科技的沖擊下，金融科技發(fā)展戰(zhàn)略成為商業(yè)銀行轉(zhuǎn)型創(chuàng)新的必然選擇[5]，科技公司與商業(yè)銀行的戰(zhàn)略合作不斷加強(qiáng)，線上線下相互滲透，跨界創(chuàng)新逐漸成為行業(yè)普遍現(xiàn)象[13]。金融科技在支付結(jié)算、智能投顧、客戶身份認(rèn)證、借貸平臺(tái)等方面發(fā)揮著重大作用[14]，有助于解決金融服務(wù)長尾化、碎片化與信息不對(duì)稱問題[15]，降低銀行運(yùn)營成本、提升風(fēng)險(xiǎn)管理能力和資源配置效率[16]。由此可見，傳統(tǒng)商業(yè)銀行與金融科技的融合效應(yīng)有助于商業(yè)銀行全要素生產(chǎn)率的提升。

四是長尾效應(yīng)。郭為民[9]指出，金融科技可通過推動(dòng)銀行傳統(tǒng)業(yè)務(wù)互聯(lián)網(wǎng)化，實(shí)現(xiàn)批量獲客、實(shí)施精準(zhǔn)營銷，快速占領(lǐng)長尾藍(lán)海、擴(kuò)大收入來源。由于傳統(tǒng)物理網(wǎng)點(diǎn)限制，傳統(tǒng)商業(yè)銀行服務(wù)模式更偏向于“二八定律”，主要資源集中于20%的高端客戶。但是，金融科技顛覆了“二八定律”的限制，現(xiàn)有金融科技中的網(wǎng)絡(luò)支付、借貸、投資理財(cái)?shù)戎饕獞?yīng)用場景業(yè)態(tài)，其主要服務(wù)客戶群體為低收入的長尾人群[17]。據(jù)相關(guān)數(shù)據(jù)顯示，截至2019年7月，螞蟻花唄用戶超過了3億人，其中至少8000萬人為90后[參見搜狐網(wǎng). [2019-12-24].https：//m.sohu.com/a/362493269_120459039/. ]。截至2018年底，余額寶用戶總量為5.88億人，其中來自農(nóng)村地區(qū)的低收入者達(dá)上億人[18]。金融科技助力商業(yè)銀行充分開發(fā)了長尾市場這一價(jià)值洼地，改善了對(duì)具備創(chuàng)新能力卻無法獲得融資的企業(yè)的甄別能力，進(jìn)一步強(qiáng)化了金融資源對(duì)富含技術(shù)創(chuàng)新項(xiàng)目的有效配置，促進(jìn)了全要素生產(chǎn)率增長[19]。

基于以上分析，提出假設(shè)1和假設(shè)2：

H1：金融科技通過技術(shù)溢出、競爭、融合與長尾效應(yīng)促進(jìn)商業(yè)銀行的技術(shù)進(jìn)步。

H2：金融科技帶來的技術(shù)進(jìn)步會(huì)進(jìn)一步促進(jìn)商業(yè)銀行的全要素生產(chǎn)率增長。

另外，從中國銀行業(yè)現(xiàn)實(shí)格局來看，全國性大型商業(yè)銀行與地方性小型商業(yè)銀行在規(guī)模、市場、資源等方面實(shí)力懸殊，在面臨金融科技的沖擊時(shí)表現(xiàn)可能存在差異。因此，在剖析金融科技與商業(yè)銀行全要素生產(chǎn)率增長的作用機(jī)制時(shí)，將銀行異質(zhì)性納入考量范疇是有必要的。相比于全國性大型商業(yè)銀行，地方性小型商業(yè)銀行管理層級(jí)簡單、經(jīng)營機(jī)制靈活、信息傳遞及時(shí)，能夠避免“尾大不掉”現(xiàn)象[20]，理論上，能夠迅速應(yīng)對(duì)金融科技的沖擊[21]。但是，目前小型銀行大多尚處于金融科技布局初期，在金融科技發(fā)展過程中存在固有劣勢[22]。具體表現(xiàn)在：第一，小型銀行嚴(yán)重缺乏“科技+金融”類高端復(fù)合型人才，掌握核心技術(shù)過程緩慢，技術(shù)更新速度相對(duì)落后于大型商業(yè)銀行。第二，小型銀行起步較晚，業(yè)務(wù)渠道受限，線上產(chǎn)品同質(zhì)化程度高[23];此外，品牌影響力較弱和社會(huì)信用聲譽(yù)較低也是小型商業(yè)銀行的一大劣勢，這導(dǎo)致其社會(huì)認(rèn)可度較低，線上業(yè)務(wù)推廣嚴(yán)重受阻[24]。第三，在小型商業(yè)銀行尋求與金融科技的融合發(fā)展時(shí)，也受到了一定的限制。首先，發(fā)展金融科技需要原始海量數(shù)據(jù)支持，然而小型商業(yè)銀行客戶基數(shù)較小，業(yè)務(wù)體系單薄，數(shù)據(jù)收集與數(shù)據(jù)沉淀能力相對(duì)欠缺;其次，小型商業(yè)銀行技術(shù)研發(fā)投入意識(shí)不強(qiáng)，缺乏充足的科研投入資金;最后，基于成本-效益考慮，小型商業(yè)銀行只能與相對(duì)落后的科技公司達(dá)成合作，與領(lǐng)先的科技公司黏合度不足[20]。第四，中小商業(yè)銀行地域性極強(qiáng)，在客戶集中度上具有優(yōu)勢，因而金融科技的長尾效應(yīng)反倒在小型銀行方面體現(xiàn)不明顯?？傊?，科技與金融的深度融合大大降低了金融業(yè)壁壘，加速了金融脫媒，以個(gè)人、中小企業(yè)為主要客戶定位的小型商業(yè)銀行將遭受更大的沖擊?；诖?，提出假設(shè)3：

H3：金融科技對(duì)商業(yè)銀行全要素生產(chǎn)率增長的影響程度因銀行類型而有所不同，金融科技對(duì)全國性大型商業(yè)銀行全要素生產(chǎn)率的促進(jìn)作用要強(qiáng)于地區(qū)性小型商業(yè)銀行。

三、指標(biāo)選取與研究設(shè)計(jì)

（一）關(guān)鍵解釋變量：金融科技指數(shù)（FT）

本文從金融功能角度出發(fā)，借鑒郭品等[25]、劉忠璐[26]的做法，采用文本挖掘技術(shù)和主成分分析與因子分析對(duì)金融科技發(fā)展指數(shù)進(jìn)行測度。該方法的優(yōu)勢在于：一是能夠較全面地覆蓋金融科技的各種模式，二是能夠保證各業(yè)態(tài)數(shù)據(jù)性質(zhì)的統(tǒng)一與穩(wěn)定。另外，本文同時(shí)選擇2007—2017年“金融科技”一詞的百度詞頻作為金融科技指數(shù)的對(duì)照變量。

（二）被解釋變量：全要素生產(chǎn)率增長（TFP）及其分解

在現(xiàn)有的銀行經(jīng)營績效評(píng)價(jià)研究文獻(xiàn)中，凈資產(chǎn)收益率（ROE）與總資產(chǎn)收益率（ROA）是被廣泛應(yīng)用的測度指標(biāo)。但是從生產(chǎn)經(jīng)濟(jì)學(xué)的角度看，ROE、ROA屬于單要素生產(chǎn)率指標(biāo)，難以對(duì)銀行經(jīng)營情況進(jìn)行綜合性評(píng)價(jià);而生產(chǎn)率（效率）指標(biāo)則克服了單要素生產(chǎn)率的缺陷，它通過分析銀行的所有投入與產(chǎn)出要素對(duì)其進(jìn)行更加全面、綜合地生產(chǎn)率測度。

本文參考Holod等[27]、李成等[28]的研究，通過建立存款視角下的無導(dǎo)向DEA-Malmquist模型，對(duì)銀行全要素增長、技術(shù)進(jìn)步變化進(jìn)行測度。該方法的優(yōu)勢在于能夠深入決策單元內(nèi)部，對(duì)子系統(tǒng)進(jìn)行效率評(píng)價(jià)并識(shí)別低效子決策單元[29]，將多目標(biāo)決策轉(zhuǎn)變?yōu)閱文繕?biāo)決策問題，從而避免因集結(jié)目標(biāo)帶來的效率偏差。

無導(dǎo)向DEA-Malmquist模型下商業(yè)銀行的運(yùn)作過程如圖1所示。其中，x1和x2分別是商業(yè)銀行的人力、財(cái)力投入要素;y1和y2分別是商業(yè)銀行的盈利、貸款產(chǎn)出要素;d是商業(yè)銀行的存款。此時(shí)，商業(yè)銀行的經(jīng)營目標(biāo)可表述如下：在滿足決策單元中間產(chǎn)品保持不變（即存款額一定）的前提條件下，同時(shí)追求最小投入和最大產(chǎn)出。

第s期與第s+1期之間的曼奎斯特（Malmquist）生產(chǎn)率指數(shù)可表述為：

Mk（xs，ys，xs+1，ys+1）=Dsk（xs+1，ys+1）Dsk（xs，ys）×Ds+1k（xs+1，ys+1）Ds+1k（xs，ys）12 （1）

其中，Dsk和Ds+1k分別是銀行k在第s期、第s+1期觀測點(diǎn)技術(shù)前沿面的投入距離函數(shù);（xs，ys）和（xs+1，ys+1）分別是銀行k在s時(shí)期和s+1時(shí)期的投入產(chǎn)出向量集合。當(dāng)Mk>1，銀行i全要素生產(chǎn)率實(shí)現(xiàn)增長;當(dāng)Mk<1，銀行k全要素生產(chǎn)率出現(xiàn)衰退;當(dāng)Mk=1，則銀行k全要素生產(chǎn)率未發(fā)生增減變化。

Techch=Dsk（xs+1，ys+1）Ds+1k（xs+1，ys+1）×Dsk（xs，ys）Ds+1k（xs，ys）12 （2）

式（2）為技術(shù)進(jìn)步變化指數(shù)，即從第s期到第s+1期的生產(chǎn)技術(shù)進(jìn)步或衰退情況。若技術(shù)進(jìn)步變化Techch>1，則表示實(shí)現(xiàn)了技術(shù)進(jìn)步;若Techch<1，則意味著出現(xiàn)了技術(shù)衰退。

（三）投入產(chǎn)出指標(biāo)選取

在無導(dǎo)向DEA-Malmquist模型投入產(chǎn)出指標(biāo)的選取上，本文采用“生產(chǎn)法”和“中介法”相結(jié)合的方法，參考李成等[28]、李興華等[30]、沈悅等[31]的做法，選取貸款總額（Y1）、非利息收入（Y2）作為產(chǎn)出變量，營業(yè)成本（X1）、所有者權(quán)益（X2）作為投入變量，存款總額（d）作為中間變量。表1為投入產(chǎn)出指標(biāo)及其定義，具體變量的描述性統(tǒng)計(jì)如表2所示。

（四）控制變量選取

銀行生產(chǎn)率其他影響因素選取方面，學(xué)術(shù)界一般考慮的有市場結(jié)構(gòu)[32]、治理機(jī)構(gòu)[33]、宏觀經(jīng)濟(jì)環(huán)境[34]和金融發(fā)展水平 [31]等因素。此外，Manlagit[35]、Juo[36]研究發(fā)現(xiàn)風(fēng)險(xiǎn)也是不可忽略的重要影響因素。同時(shí)，考慮到近年來我國銀行業(yè)的內(nèi)部治理機(jī)構(gòu)和外部市場環(huán)境都發(fā)生了較大改變。因此，本文共選取了包括金融科技指數(shù)、市場占有率、對(duì)外開放度、銀行資產(chǎn)規(guī)模、是否上市、宏觀經(jīng)濟(jì)環(huán)境、金融相關(guān)比和權(quán)益對(duì)負(fù)債比率[由于我國銀行不良貸款率和資本充足率數(shù)據(jù)不全，因此選取權(quán)益對(duì)負(fù)債比率作為風(fēng)險(xiǎn)承擔(dān)變量。 ]等在內(nèi)的一組控制變量。本文實(shí)證模型影響因素變量的選取定義及描述性統(tǒng)計(jì)分別如表3、表4所示。

（五）計(jì)量模型設(shè)定

通過測算2007—2017年各商業(yè)銀行全要素生產(chǎn)率增長情況，發(fā)現(xiàn)不同銀行之間存在較明顯差異，接下來，進(jìn)一步分析造成這種差異的原因。將研究期內(nèi)各銀行的全要素生產(chǎn)率增長值作為被解釋變量，考慮到技術(shù)進(jìn)步是我國銀行業(yè)全要素生產(chǎn)率增長的主要原因，因此本文對(duì)技術(shù)進(jìn)步的影響因素也進(jìn)行回歸分析。以前面測算得到的金融科技指數(shù)作為解釋變量，表4中的其他各影響因素作為控制變量，分別建立如下回歸模型：

TF·Pit=δ0+δ1FTit+δ2Shareit+δ3Openit+δ4Sizeit+δ5Listit+δ6GDPit+δ7FIRit+δ8ETDit+εit（3）

Techchit=δ0+δ1FTit+δ2Shareit+δ3Openit+δ4Sizeit+δ5Listit+δ6GDPit+δ7FIRit+δ8ETDit+εit（4）

其中，TF·P為全要素生產(chǎn)率增長;FT為核心解釋變量金融科技指數(shù);下標(biāo)i表示樣本銀行;t代表年份;δ為回歸系數(shù);εit為隨機(jī)擾動(dòng)項(xiàng);其他為各控制變量。

（六）研究樣本與數(shù)據(jù)來源

考慮到數(shù)據(jù)的可得性，本文共選取我國28家商業(yè)銀行的財(cái)務(wù)報(bào)表數(shù)據(jù)，具體包括中國銀行、中國建設(shè)銀行、中國工商銀行、交通銀行4家國有大型商業(yè)銀行，興業(yè)銀行、廣東發(fā)展銀行、上海浦東發(fā)展銀行、中國民生銀行、招商銀行、中信銀行、華夏銀行7家股份制銀行，重慶銀行、北京銀行、上海銀行、南京銀行、徽商銀行、寧波銀行、洛陽銀行、柳州銀行、寧夏銀行、桂林銀行10家規(guī)模較大的城市商業(yè)銀行，上海農(nóng)村商業(yè)銀行、北京農(nóng)村商業(yè)銀行、廣東順德農(nóng)村商業(yè)銀行、浙江蕭山農(nóng)村合作銀行、江蘇吳江農(nóng)村商業(yè)銀行、合肥科技農(nóng)村商業(yè)銀行、鄞州農(nóng)村合作銀行7家數(shù)據(jù)較全的農(nóng)村商業(yè)銀行作為研究樣本。樣本期間為2007—2017年，除金融科技指數(shù)（FT1和FT2）是由本文計(jì)算得到以外，其他數(shù)據(jù)均來自國泰安數(shù)據(jù)庫和CEIC數(shù)據(jù)庫。對(duì)于個(gè)別缺失數(shù)據(jù)，通過查詢銀行年報(bào)或采用線性插值法補(bǔ)齊。本文樣本涵蓋了除外資銀行以外的所有商業(yè)銀行類型，其總資產(chǎn)與存貸款規(guī)模占全行業(yè)70%以上，具有較好的代表性。

四、全要素生產(chǎn)率測算結(jié)果與分析

文章篇幅所限，這里并未給出每一觀測點(diǎn)的具體測算結(jié)果，表5和表6分別報(bào)告了研究期間28家樣本銀行分年度和分個(gè)體的全要素生產(chǎn)率變化（平均）及其分解情況。

（一）分年度我國銀行業(yè)全要素生產(chǎn)率變化情況

由表5可知，研究期間內(nèi)，實(shí)現(xiàn)全要素生產(chǎn)率增長的年份共有6個(gè)，即2007—2008年度、2008—2009年度、2009—2010年度、2011—2012年度、2012—2013年度和2016—2017年度，特別是在2007—2008年度和2008—2009年度的增長幅度較大，全行業(yè)全要素生產(chǎn)率分別增長了10.7%和20.6%。出現(xiàn)全要素生產(chǎn)率衰退的年份只有4個(gè)，分別是2010—2011年度、2013—2014年度、2014—2015年度和2015—2016年度。其中衰退幅度最大的是2010—2011年度和2015—2016年度，全行業(yè)全要素生產(chǎn)率分別下降了4.4%和7.9%?？傮w來看，我國銀行業(yè)全要素生產(chǎn)率年均增長為1.025，而年均技術(shù)效率變化、技術(shù)進(jìn)步、純技術(shù)效率變化以及規(guī)模效率變化分別為1.000、1.025、0.979和1.021。這說明我國銀行業(yè)的全要素生產(chǎn)率在研究期間實(shí)現(xiàn)了一定幅度的增長，年均增長率為2.5%，增長最主要的原因來自技術(shù)進(jìn)步，這一研究結(jié)果與沈悅等[31]、李成等[28]的研究基本一致。規(guī)模效率變化也存在一定的促進(jìn)作用，而純技術(shù)效率變化對(duì)我國銀行業(yè)全要素生產(chǎn)率增長則存在較明顯的負(fù)面影響。研究末期和研究初期相比，全要素生產(chǎn)率累計(jì)增長率達(dá)到了28.4%，技術(shù)進(jìn)步率累計(jì)為28.2%，純技術(shù)效率累計(jì)下降了19.6%。

（二）各商業(yè)銀行全要素生產(chǎn)率變化情況

表6報(bào)告了研究期間內(nèi)我國28家商業(yè)銀行的平均全要素生產(chǎn)率變化值及其分解情況。

由表6可知，整體來講，我國銀行業(yè)的全要素生產(chǎn)率在研究期間實(shí)現(xiàn)了一定程度的增長，年均增長率為2.5%，增長的源泉主要來自技術(shù)進(jìn)步，全行業(yè)的技術(shù)進(jìn)步率年均達(dá)到了2.5%。規(guī)模效率也存在一定的正面影響，其年均變化率為2.1%。而純技術(shù)效率則負(fù)面影響較大，其下降率達(dá)到了年均2.1%。

橫向比較來看，實(shí)現(xiàn)了全要素生產(chǎn)率增長的銀行有重慶銀行、南京銀行、交通銀行、桂林銀行等19家，特別是北京銀行、中國銀行、中信銀行、南京銀行、建設(shè)銀行、工商銀行、招商銀行、寧波銀行8家銀行的增長率最高，其全要素生產(chǎn)率年均增長率都在6%以上，其中北京銀行更是達(dá)到8.0%。出現(xiàn)衰退的只有徽商銀行、北京農(nóng)商銀行、上海農(nóng)商銀行等7家銀行，且衰退幅度較小，其中衰退最嚴(yán)重的順德農(nóng)村商業(yè)銀行也僅達(dá)到了年均2.9%。其余的鄞州銀行和華夏銀行則保持不變。技術(shù)進(jìn)步的情況相對(duì)較好，出現(xiàn)技術(shù)退步現(xiàn)象的只有吳江農(nóng)商銀行、順德農(nóng)商銀行、北京農(nóng)商銀行和重慶銀行4家。保持不變的是徽商銀行、浦發(fā)銀行、華夏銀行和鄞州銀行;其余的20家銀行則均實(shí)現(xiàn)了不同程度的技術(shù)進(jìn)步。其中表現(xiàn)較為突出的是建設(shè)銀行、工商銀行、交通銀行、招商銀行等，其年均技術(shù)進(jìn)步率都在5%以上，技術(shù)進(jìn)步最快的中國銀行為8.0%，排名其次的中信銀行也達(dá)到了7.1%。顯然，技術(shù)進(jìn)步較快的銀行，其全要素生產(chǎn)率增長也較快;相反，技術(shù)退步幅度較大的銀行，其全要素生產(chǎn)率下降也很明顯。技術(shù)進(jìn)步與生產(chǎn)率增長的變化規(guī)律基本類似，這也再次說明了技術(shù)進(jìn)步是我國銀行業(yè)全要素生產(chǎn)率增長的主要原因。

分類型來看，國有大型商業(yè)銀行的技術(shù)進(jìn)步與生產(chǎn)率增長最快，特別是中國銀行表現(xiàn)極為出色，其技術(shù)進(jìn)步率和全要素生產(chǎn)率增長分別達(dá)到了8.0%和7.6%。這與國有大型商業(yè)銀行在資源稟賦、人才儲(chǔ)備等方面的固有優(yōu)勢有關(guān)。中小銀行中，城市商業(yè)銀行和股份制銀行的表現(xiàn)較好;而農(nóng)村商業(yè)銀行最低。

五、實(shí)證結(jié)果與分析

（一）變量相關(guān)性與平穩(wěn)性檢驗(yàn)

為了避免可能存在的多重共線性問題，回歸之前首先對(duì)控制變量進(jìn)行相關(guān)性檢驗(yàn)。結(jié)果表明，變量之間的相關(guān)系數(shù)較小，這意味著變量不存在嚴(yán)重的多重共線性問題。進(jìn)一步，為防止虛假回歸問題，動(dòng)態(tài)面板模型要求數(shù)據(jù)平穩(wěn)，本文采用Hadri LM、IPS和HT三種檢驗(yàn)方法圍繞銀行層面的變量TP、Techch、FTE、Size、TD進(jìn)行面板單位根檢驗(yàn)。結(jié)果顯示，五個(gè)變量均不存在單位根。因此，回歸分析將不會(huì)出現(xiàn)虛假回歸。鑒于篇幅原因，檢驗(yàn)結(jié)果不再贅述。

（二）基礎(chǔ)模型回歸結(jié)果

對(duì)于靜態(tài)面板，常見的有混合回歸（POOL）以及控制個(gè)體特征的固定效應(yīng)（FE）和隨機(jī)效應(yīng)（RE）回歸多種方法，鑒于忽略樣本特點(diǎn)的混合效應(yīng)回歸并不可靠，本文首先采用基于Hausman檢驗(yàn)的固定效應(yīng)（FE）模型進(jìn)行估計(jì)。另外，因?yàn)楸疚牟捎玫你y行業(yè)數(shù)據(jù)呈現(xiàn)出“大N小T”的短面板特征，模型可能存在內(nèi)生性問題，故同時(shí)采用 Blundell等[37]提出的系統(tǒng)廣義矩（SYSGMM）動(dòng)態(tài)面板估計(jì)方法進(jìn)行檢驗(yàn)?；谏鲜龇治觯?為固定效應(yīng)（FE）和SYSGMM兩組估計(jì)的面板數(shù)據(jù)回歸結(jié)果。

從固定效應(yīng)（FE）估計(jì)結(jié)果看，模型1和模型2中的關(guān)鍵變量金融科技指數(shù)（FT1）的系數(shù)估計(jì)結(jié)果均為正，且分別在5%和10%的水平上通過了顯著性檢驗(yàn)，說明金融科技發(fā)展與我國銀行業(yè)全要素生產(chǎn)率增長和技術(shù)進(jìn)步存在顯著的正相關(guān)關(guān)系。引入SYSGMM估計(jì)方法，克服模型可能存在的內(nèi)生性問題后，兩個(gè)模型中的金融科技指數(shù)估計(jì)系數(shù)均在1%的水平上顯著為正，得到和固定效應(yīng)（FE）估計(jì)一致性的結(jié)論。這意味著，在研究期間內(nèi)，金融科技的快速發(fā)展有利于商業(yè)銀行的技術(shù)進(jìn)步，整體上對(duì)我國銀行業(yè)全要素生產(chǎn)率增長起到了明顯的促進(jìn)作用，本文的假設(shè)H1、假設(shè)H2得到證實(shí)。這一結(jié)論說明，在金融科技不斷深化發(fā)展的現(xiàn)實(shí)背景下，傳統(tǒng)商業(yè)銀行應(yīng)積極融入大數(shù)據(jù)、云計(jì)算、區(qū)塊鏈、人工智能、物聯(lián)網(wǎng)等金融科技重點(diǎn)技術(shù)，不斷進(jìn)行技術(shù)革新，形成新型業(yè)務(wù)模式，從而提升自身的競爭力，以應(yīng)對(duì)金融生態(tài)轉(zhuǎn)型發(fā)展帶來機(jī)遇與挑戰(zhàn)。

其他控制變量方面，宏觀經(jīng)濟(jì)發(fā)展水平系數(shù)的四個(gè)估計(jì)結(jié)果均為負(fù)且顯著，說明高速的經(jīng)濟(jì)增長不利于銀行業(yè)的技術(shù)進(jìn)步與全要素生產(chǎn)率的提高?？赡艿脑蛟谟冢诟咚僭鲩L的宏觀經(jīng)濟(jì)環(huán)境下，商業(yè)銀行往往處于相對(duì)寬松的信貸政策環(huán)境中，其面臨的競爭和盈利壓力也較小，銀行業(yè)更多的實(shí)行粗放式發(fā)展。此外，銀行業(yè)開放度系數(shù)的回歸結(jié)果全部在1%的水平上通過了顯著性檢驗(yàn)，說明我國市場對(duì)外開放度的提高對(duì)我國銀行業(yè)的技術(shù)進(jìn)步和全要素生產(chǎn)率增長存在積極的促進(jìn)作用。持續(xù)加大金融市場開放力度是我國進(jìn)一步改革發(fā)展的戰(zhàn)略方向，外資銀行的不斷涌入，一方面帶來了更多境外長期資本，另一方面有利于引進(jìn)新的經(jīng)營管理理念、業(yè)務(wù)模式，規(guī)范公司治理機(jī)制，從而促進(jìn)我國銀行業(yè)的發(fā)展。

（三）基礎(chǔ)模型穩(wěn)健性檢驗(yàn)

由于金融科技發(fā)展歷史較短，有關(guān)的量化研究方法尚不成熟，為保證研究結(jié)果的穩(wěn)健性， 本文選擇金融科技一詞的百度詞頻（FT2）替換模型1、模型2中的被解釋變量，重新進(jìn)行回歸，得到表8所示的兩組回歸結(jié)果。

由表8可見，在模型1和模型2下，固定效應(yīng)（FE）和SYSGMM兩種回歸方法估計(jì)獲得的關(guān)鍵變量金融科技指數(shù)系數(shù)大小相當(dāng)，方向和顯著性一致，其他控制變量的系數(shù)符號(hào)大多維持不變，顯著性也基本一致，本文的假設(shè)H1、假設(shè)H2再次得到支持?？傮w看來，本文的估計(jì)結(jié)果是穩(wěn)健可靠的。

（四）金融科技的異質(zhì)性影響分析

檢驗(yàn)假設(shè)H3時(shí)，本文并沒有引入代表商業(yè)銀行類型的虛擬變量，而是采用分組回歸的識(shí)別思路，分析金融科技發(fā)展對(duì)商業(yè)銀行全要素生產(chǎn)率和技術(shù)進(jìn)步的異質(zhì)性影響。具體回歸時(shí)，借鑒沈悅等[31]、Zhu[38]的思路，設(shè)計(jì)兩個(gè)子樣本。其一是剔除資產(chǎn)規(guī)模最大的4家大型商業(yè)銀行，其二是進(jìn)一步剔除資產(chǎn)規(guī)模相對(duì)最小的7家農(nóng)村商業(yè)銀行。如果子樣本回歸中核心解釋變量的系數(shù)有明顯提高，則說明金融科技對(duì)所剔除的商業(yè)銀行影響程度低于全行業(yè)平均水平;相反，則說明金融科技對(duì)所剔除商業(yè)銀行的影響程度高于全行業(yè)平均水平。依此思路檢驗(yàn)假設(shè)H3，金融科技影響的異質(zhì)性檢驗(yàn)結(jié)果如表9所示。文章篇幅所限，這里僅給出了模型1（TFP）和模型2（Techch）的固定效應(yīng)（FE）估計(jì)結(jié)果。SYSGMM回歸結(jié)果與此類似，不再贅述。

表9顯示，從估計(jì)系數(shù)的大小來看，剔除4家大型商業(yè)銀行（子樣本一）以后，模型1和模型2的金融科技指數(shù)分別為0.026和0.013，與全樣本回歸結(jié)果0.027和0.018相比，兩者的分別下降了2.1%和29.8%。進(jìn)一步剔除7家股份制銀行（中型銀行）以后，F(xiàn)T1估計(jì)系數(shù)在兩個(gè)模型中分別為0.025和0.010，與全樣本回歸結(jié)果相比，進(jìn)一步下降為全樣本回歸系數(shù)的91.6%和56.6%，下降幅度分別達(dá)到了8.4%和43.4%。這說明金融科技發(fā)展對(duì)大中型商業(yè)銀行全要素生產(chǎn)率增長和技術(shù)進(jìn)步的影響都要大于小型銀行。這一結(jié)果符合理論預(yù)期，本文的假設(shè)H3得到初步驗(yàn)證。另外，從參數(shù)估計(jì)的顯著性來看，表7顯示的全樣本回歸結(jié)果中，關(guān)鍵變量FT1估計(jì)系數(shù)全部通過了顯著性檢驗(yàn)。而表8中的回歸結(jié)果中，只有模型1下的子樣本一回歸結(jié)果通過了顯著性檢驗(yàn)，但是顯著性水平由原來的1%下降為5%。子樣本二的兩個(gè)回歸系數(shù)均未能通過顯著性檢驗(yàn)，意味著金融科技并沒有明顯促進(jìn)小型銀行的全要素生產(chǎn)率增長和技術(shù)進(jìn)步，這進(jìn)一步證實(shí)了本文的假設(shè)H3。

我們認(rèn)為其中的原因在于，以國有大型商業(yè)銀行和股份制銀行為代表的大中型銀行在人才隊(duì)伍、資源稟賦等方面具有明顯優(yōu)勢，相比地區(qū)性小型銀行，能更好地應(yīng)對(duì)金融科技的沖擊，并及時(shí)進(jìn)行技術(shù)創(chuàng)新，充分利用金融科技帶來的新的發(fā)展機(jī)遇，實(shí)現(xiàn)融合發(fā)展。而小型銀行，特別農(nóng)村商業(yè)銀行在金融科技發(fā)展方面處于明顯劣勢。具體來講，主要有以下兩點(diǎn)：一是社會(huì)信任度較低，線上業(yè)務(wù)推廣受阻;二是科技基礎(chǔ)設(shè)施落后，技術(shù)研發(fā)能力較弱。例如零售銀行、小型銀行發(fā)展就明顯晚于大型銀行，不少城市商業(yè)銀行的信用卡資質(zhì)是近幾年才獲批，加之其零售業(yè)務(wù)渠道局限在某一區(qū)域，線下渠道為主要方式，線上產(chǎn)品又同質(zhì)化嚴(yán)重，獲得客戶能力不足。地方性小型銀行如果不能抓住此輪金融科技革新的機(jī)遇，那么將會(huì)被大中型銀行攜資金成本和規(guī)模優(yōu)勢進(jìn)一步擠壓其生存空間。

遵循前述穩(wěn)健性檢驗(yàn)的思路，我們對(duì)異質(zhì)性影響用金融科技一詞的百度詞頻（FT2）重新進(jìn)行了回歸，關(guān)鍵結(jié)論沒有改變，其他控制變量估計(jì)結(jié)果也與表9類似，說明結(jié)論是穩(wěn)健的。文章篇幅所限，不再贅述。

六、結(jié)論與建議

本文基于2007—2017年中國28家代表性商業(yè)銀行的平衡面板數(shù)據(jù)，首先從理論層面分析了金融科技對(duì)傳統(tǒng)商業(yè)銀行的影響機(jī)理，然后采用文本挖掘技術(shù)測算得到金融科技指數(shù)，并運(yùn)用無導(dǎo)向DEA-Malmquist模型測算樣本銀行的全要素生產(chǎn)率及其分解值變化情況，最后通過建立多元回歸模型，采用靜態(tài)面板與動(dòng)態(tài)面板系統(tǒng)GMM估計(jì)相結(jié)合的方法對(duì)銀行業(yè)整體及其異質(zhì)性影響進(jìn)行了實(shí)證檢驗(yàn)。結(jié)果表明：研究期間，我國銀行業(yè)的全要素生產(chǎn)率整體上實(shí)現(xiàn)了一定幅度的增長，年均增長率為2.5%，增長的源泉主要來自技術(shù)進(jìn)步。分類型來看，國有大型商業(yè)銀行的技術(shù)進(jìn)步與全要素生產(chǎn)率增長最快，城市商業(yè)銀行和股份制銀行次之，而農(nóng)村商業(yè)銀行最低。面板回歸模型的估計(jì)結(jié)果顯示，整體來看，金融科技的快速發(fā)展有利于我國銀行業(yè)的技術(shù)進(jìn)步，對(duì)其全要素生產(chǎn)率增長也起到了明顯的促進(jìn)作用。但金融科技影響的異質(zhì)性檢驗(yàn)結(jié)果表明，金融科技并沒有明顯促進(jìn)小型銀行的全要素生產(chǎn)率增長與技術(shù)進(jìn)步，其對(duì)大中型商業(yè)銀行的積極影響要明顯強(qiáng)于小型銀行。如何突破自身局限，在新的金融格局中獲得轉(zhuǎn)型升級(jí)，實(shí)現(xiàn)可持續(xù)發(fā)展是地區(qū)性小型銀行亟待解決的難題。

以上結(jié)論說明，隨著金融科技技術(shù)模式的日益成熟及其行業(yè)規(guī)模的日益膨脹，科技與金融業(yè)不斷深度融合發(fā)展促使金融邊界逐漸模糊。它給商業(yè)銀行帶來新的發(fā)展機(jī)遇的同時(shí)也形成了挑戰(zhàn)，商業(yè)銀行需要調(diào)整思維，轉(zhuǎn)型發(fā)展，加強(qiáng)技術(shù)創(chuàng)新以應(yīng)對(duì)金融體系的變革。商業(yè)銀行，特別是以城市商業(yè)銀行和農(nóng)村商業(yè)銀行為代表的地區(qū)性小型銀行，由于盈利水平、人才隊(duì)伍、資源稟賦等自身?xiàng)l件限制，大多仍面臨不少困境。小型銀行應(yīng)充分借鑒國內(nèi)大型銀行和國外先進(jìn)地區(qū)的經(jīng)驗(yàn)，加快金融科技人才隊(duì)伍建設(shè)，加強(qiáng)關(guān)鍵技術(shù)自主研發(fā)，通過聯(lián)合創(chuàng)新或成立金融科技子公司等多種方式，積極融入金融科技應(yīng)用發(fā)展大潮，降低金融科技創(chuàng)新成本，提高經(jīng)營管理能力。在大數(shù)據(jù)、云計(jì)算、區(qū)塊鏈、人工智能、物聯(lián)網(wǎng)等金融科技重點(diǎn)技術(shù)方面，不斷進(jìn)行技術(shù)革新，實(shí)現(xiàn)轉(zhuǎn)型升級(jí)，以應(yīng)對(duì)金融生態(tài)深度變革帶來的機(jī)遇與挑戰(zhàn)。同時(shí)，政策當(dāng)局也應(yīng)加快監(jiān)管體制、機(jī)制改革，優(yōu)化監(jiān)管工具，為金融科技和傳統(tǒng)商業(yè)銀行的融合共生發(fā)展提供良性的制度環(huán)境。

參考文獻(xiàn)：

[1] ?BOFONDI M，GOBBI G. The big promise of fintech[J]. European economy，2017（2）：107-119.

[2] 零壹財(cái)經(jīng).2018年全球金融科技發(fā)展指數(shù)（GFI）與投融資報(bào)告[EB/OL].（2019-01-16）[2019-07-16].http：//www.01caijing.com/article/35139.htm.

[3] 謝治春，趙興廬，劉媛. 金融科技發(fā)展與商業(yè)銀行的數(shù)字化戰(zhàn)略轉(zhuǎn)型[J]. 中國軟科學(xué)，2018（8）：184-192.

[4] LEE I，SHIN Y J. Fintech：ecosystem， business models， investment decisions， and challenges[J]. Business horizons，2018，61（1）：35-46.

[5] 陸岷峰，虞鵬飛. 金融科技與商業(yè)銀行創(chuàng)新發(fā)展趨勢[J]. 銀行家，2017（4）：127-130.

[6] 陳澤鵬， 黃子譯， 謝潔華. 商業(yè)銀行發(fā)展金融科技現(xiàn)狀與策略研究[J]. 金融與經(jīng)濟(jì)， 2018， （11）：22-28.

[7] 吳朝平. 商業(yè)銀行跨界擁抱金融科技的動(dòng)因、新特征和著力點(diǎn)[J]. 上海金融，2018（6）：58-60.

[8] 劉晶，溫彬. 銀行金融科技轉(zhuǎn)型之道[J]. 中國金融，2018（24）：59-60.

[9] 郭為民. 金融科技與未來銀行[J]. 中國金融，2017（17）：23-25.

[10] 王娜， 王在全. 金融科技背景下商業(yè)銀行轉(zhuǎn)型策略研究[J]. 現(xiàn)代管理科學(xué)，2017（7）：24-26.

[11] 張德茂，蔣亮. 金融科技在傳統(tǒng)商業(yè)銀行轉(zhuǎn)型中的賦能作用與路徑[J]. 西南金融，2018（11）：13-19.

[12] 邱晗，黃益平，紀(jì)洋. 金融科技對(duì)傳統(tǒng)銀行行為的影響——基于互聯(lián)網(wǎng)理財(cái)?shù)囊暯荹J]. 金融研究，2018（11）：17-29.

[13] 吳朝平. 商業(yè)銀行與金融科技公司的聯(lián)合創(chuàng)新探討[J]. 新金融，2018（2）：54-58.

[14] 曹宇青. 金融科技時(shí)代下商業(yè)銀行私人銀行業(yè)務(wù)發(fā)展研究[J]. 新金融，2017（11）：33-37.

[15] 楊敏. 金融科技：中小銀行差異化發(fā)展的核心動(dòng)力[J]. 中國金融家，2018（2）：57-59.

[16] 朱太輝，陳璐. Fintech的潛在風(fēng)險(xiǎn)與監(jiān)管應(yīng)對(duì)研究[J]. 金融監(jiān)管研究，2016（7）：18-32.

[17] 寧小軍. Fintech時(shí)代來臨：金融科技VS傳統(tǒng)銀行——互聯(lián)網(wǎng)交易型銀行發(fā)展啟示錄[J]. 銀行家，2017（1）：118-119.

[18] 天弘基金. 天弘余額寶貨幣市場基金2018年年度報(bào)告[EB/OL].（2019-03-27）[2019-07-16].http：//cdn-thweb.tianhong jijin.com.cn/fundnotice/000198zhaiyaotihuan20190813.pdf.

[19] 唐松， 賴曉冰， 黃銳. 金融科技創(chuàng)新如何影響全要素生產(chǎn)率：促進(jìn)還是抑制？——理論分析框架與區(qū)域?qū)嵺`[J]. 中國軟科學(xué)， 2019 （7）：134-144.

[20] 陸岷峰. 金融科技與中小銀行的耦合發(fā)展[J]. 中國金融，2017（17）：35-36.

[21] SAXENIAN A， HSU J Y. The silicon valley-hsinchu connection：technical communities and industrial upgrading[J]. Industrial and corporate change， 2001， 10 （4）：893-920.

[22] 何飛. 破解銀行金融科技布局困境[J]. 中國金融，2019（3）：41-43.

[23] 李卓. 金融科技背景下中小銀行零售銀行轉(zhuǎn)型策略研究[J]. 海南金融，2019（3）：76-81.

[24] 吳方超. 中小銀行在金融科技發(fā)展中的思考[J]. 金融科技時(shí)代，2017（10）：32-35.

[25] 郭品， 沈悅. 互聯(lián)網(wǎng)金融對(duì)商業(yè)銀行風(fēng)險(xiǎn)承擔(dān)的影響：理論解讀與實(shí)證檢驗(yàn)[J]. 財(cái)貿(mào)經(jīng)濟(jì)， 2015（10）：102-116.

[26] 劉忠璐. 互聯(lián)網(wǎng)金融對(duì)商業(yè)銀行風(fēng)險(xiǎn)承擔(dān)的影響研究[J]. 財(cái)貿(mào)經(jīng)濟(jì)， 2016（4）：71-85.

[27] HOLOD D， LEWIS H F. Resolving the deposit dilemma：a new DEA bank efficiency model[J]. Journal of banking & finance， 2011， 35 （11）：2801-2810.

[28] 李成， 高智賢， 郭品. 我國商業(yè)銀行全要素生產(chǎn)率實(shí)證研究：基于無導(dǎo)向型 DEA-Malmquist 指數(shù)模型[J]. 華東經(jīng)濟(jì)管理， 2014， 28 （8）：85-90.

[29] CASTELLI L， PESENTI R， UKOVICH W. A classification of DEA models when the internal structure of the decision making units is considered[J]. Annals of operations research， 2010， 173 （1）：207-235.

[30] 李興華， 秦建群， 孫亮. 經(jīng)營環(huán)境， 治理結(jié)構(gòu)與商業(yè)銀行全要素生產(chǎn)率的動(dòng)態(tài)變化[J]. 中國工業(yè)經(jīng)濟(jì)， 2014（1）：57-68.

[31] 沈悅， 郭品. 互聯(lián)網(wǎng)金融、技術(shù)溢出與商業(yè)銀行全要素生產(chǎn)率[J]. 金融研究， 2015（3）：160-175.

[32] 侯曉輝， 李婉麗， 王青. 所有權(quán)、市場勢力與中國商業(yè)銀行的全要素生產(chǎn)率[J]. 世界經(jīng)濟(jì)， 2011， 34 （2）：135-157.

[33] 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(jì)研究， 2011， 46 （8）：4-14.

[34] 袁曉玲， 張寶山. 中國商業(yè)銀行全要素生產(chǎn)率的影響因素研究——基于 DEA 模型的 Malmquist 指數(shù)分析[J]. 數(shù)量經(jīng)濟(jì)技術(shù)經(jīng)濟(jì)研究， 2009 （4）：93-104.

[35] MANLAGIT M C V. Cost efficiency， determinants， and risk preferences in banking：a case of stochastic frontier analysis in the Philippines[J]. Journal of Asian economics， 2011， 22 （1）：23-35.

[36] JUO J-C. Decomposing the change in profit of Taiwanese banks：incorporating risk[J]. Journal of productivity analysis， 2014， 41 （2）：247-262.

[37] BLUNDELL R， BOND S. Initial conditions and moment restrictions in dynamic panel data models[J]. Journal of econometrics， 1998， 87 （1）：115-143.

[38] ZHU X. Understanding Chinas growth：past， present， and future[J]. Journal of economic perspectives， 2012， 26 （4）：103-124.

FinTech， Technological Progress and Total Factor Productivity Growth of Banking Sector

LIU Meng-fei1 JIANG Wei1 WANG Qi2

（1.International Business School， Shaanxi Normal University，Xian 710119， Shaanxi， China?? 2.School of Finance， Central University of Finance and Economics， Beijing 102206， China）

Abstract：Based on the realistic background of the rapid development of FinTech， firstly， this paper discusses the theoretical influence mechanism of FinTech on traditional commercial banks. Then， FinTech development index is calculated by text mining technology. Meanwhile， the non-directed DEA-Malmquist productivity index method is used to calculate the growth of total factor productivity of the sample banks and the change of its decomposition value. Finally， by establishing a multiple regression model and using the method of combining static panel and dynamic panel SYS GMM estimation， the impact of FinTech on the whole banking sector and its heterogeneity are empirically tested. The results show that， during the research period， the total factor productivity of the banking sector in China has achieved a certain extent of growth， the source of the growth is mainly from technological progress. In terms of different types， the technological progress and total factor productivity growth of state-owned large commercial banks are the fastest， while that of rural commercial banks is the lowest. The regression results confirm that， overall， the development of FinTech significantly promotes the technological progress of the banking industry in China and the growth of total factor productivity. However， the heterogeneity test results show that the positive impact of FinTech on large and medium-sized commercial banks is significantly stronger than that of small banks.

Key words：FinTech; technological progress; commercial banks; TFP growth

收稿日期： 2020-05-29

基金項(xiàng)目：國家社科基金后期資助項(xiàng)目（20FJYB052）;教育部科技發(fā)展中心高校產(chǎn)學(xué)研創(chuàng)新基金（2019J01009）;西安市社科基金規(guī)劃項(xiàng)目（19J31）。

作者簡介：劉孟飛（1979—），男，副教授，碩士生導(dǎo)師，主要研究方向?yàn)榻鹑跈C(jī)構(gòu)公司治理、金融科技與銀行管理。蔣維（1996—），女，碩士研究生，主要研究方向?yàn)榻鹑跈C(jī)構(gòu)公司治理。王琦（1995—），女，博士研究生，主要研究方向?yàn)榻鹑诳萍寂c銀行管理。

① Carney M. The promise of Fintech-something new under the sun[C].Wiesbaden，2017.