劉孟飛 蔣維

內(nèi)容提要： 從金融科技快速發(fā)展現(xiàn)實出發(fā)構(gòu)建金融科技約束下異質(zhì)性銀行風(fēng)險承擔行為的局部均衡模型，從理論層面剖析金融科技對商業(yè)銀行風(fēng)險承擔傾向的影響機理;采用文本挖掘技術(shù)測算得到金融科技發(fā)展指數(shù)，在此基礎(chǔ)上選取2007—2017 年中國130 家商業(yè)銀行面板數(shù)據(jù)，通過構(gòu)建多元回歸模型，就金融科技對銀行業(yè)風(fēng)險承擔的整體及其異質(zhì)性影響進行經(jīng)驗分析。 結(jié)果表明：（1）金融科技對商業(yè)銀行風(fēng)險承擔的影響呈現(xiàn)出先升后降的倒“U”形關(guān)系，即早期金融科技發(fā)展提高了銀行的風(fēng)險承擔水平，但隨著金融科技相關(guān)技術(shù)發(fā)展成熟，在后期有利于降低管理成本，增強風(fēng)險控制能力，轉(zhuǎn)而降低銀行風(fēng)險承擔。（2）面對金融科技的沖擊，不同類型商業(yè)銀行的響應(yīng)具有異質(zhì)性，相對地方性小型商業(yè)銀行，大中型銀行的響應(yīng)相對更為穩(wěn)健。

關(guān)鍵詞： 金融科技;商業(yè)銀行;風(fēng)險承擔;經(jīng)驗研究

中圖分類號：F830? 文獻標識碼：A? 文章編號：1001-148X（2021）05-0063-12

一、引言

近年來，金融科技（FinTech）取得了突飛猛進的發(fā)展，迅速成為金融領(lǐng)域的焦點。云計算、大數(shù)據(jù)、人工智能和區(qū)塊鏈等新興技術(shù)在傳統(tǒng)金融領(lǐng)域被廣泛應(yīng)用，主要應(yīng)用場景如圖1所示。金融科技正在深刻改變金融生態(tài)，重塑金融格局，“無科技不金融”已成行業(yè)共識，在帶來新業(yè)態(tài)、新模式的同時也帶來新的風(fēng)險。在金融科技相關(guān)生態(tài)蓬勃發(fā)展的同時，政策當局也高度重視，制定了一系列政策確保金融科技的高效、安全、可控發(fā)展。2017年5月中國人民銀行成立金融科技委員會，旨在加強金融科技工作的研究規(guī)劃和統(tǒng)籌協(xié)調(diào)。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）》，明確提出未來三年金融科技工作的指導(dǎo)思想、基本原則、發(fā)展目標、重點任務(wù)和保障措施，標志著金融科技創(chuàng)新正式上升到政府戰(zhàn)略層面。金融科技產(chǎn)業(yè)相關(guān)生態(tài)在中國已形成自上而下的良好發(fā)展態(tài)勢。在此背景下，對金融科技與銀行風(fēng)險之間的關(guān)聯(lián)機制及具體影響效應(yīng)展開研究具有重要的理論與現(xiàn)實意義。

金融科技促使金融市場中的金融創(chuàng)新愈發(fā)活躍，然而金融創(chuàng)新也可能模糊現(xiàn)有行業(yè)界限，顛覆現(xiàn)存行業(yè)格局，加速金融脫媒，誘發(fā)新的金融風(fēng)險。特別是2018年以來，美國最大的P2P網(wǎng)絡(luò)借貸平臺Lending Club違規(guī)出售貸款;比特幣交易所Bitfinex遭受黑客攻擊，近12萬單位的比特幣丟失;中國很多P2P公司挪用客戶資金，虛假融資、“卷款”、“跑路”、非法集資等現(xiàn)象時有發(fā)生;如何管控好FinTech的潛在風(fēng)險并實施有效監(jiān)管顯得日益迫切。有關(guān)機構(gòu)和學(xué)者也開始探討金融科技帶來的風(fēng)險與監(jiān)管相關(guān)議題。2017年全國“兩會”期間中國人民銀行時任行長周小川特別強調(diào)央行高度鼓勵發(fā)展金融科技，鼓勵科技類企業(yè)向普惠金融方向發(fā)展，但既鼓勵發(fā)展，也要防范風(fēng)險，對于發(fā)展過程中遇到的不健康行為要不斷規(guī)范。世界銀行副行長兼首席風(fēng)險官拉克茜米·希亞姆-桑德也指出，目前金融科技存在三大風(fēng)險：一是利用金融科技手段進行金融詐騙;二是操作風(fēng)險，由于金融從業(yè)人員和消費者對金融科技設(shè)計的復(fù)雜技術(shù)缺乏了解，容易發(fā)生操作失誤并造成資金損失的風(fēng)險;三是客戶隱私泄漏風(fēng)險[1]。

楊濤（2019）[2]認為金融科技使得金融機構(gòu)的風(fēng)險來源更加復(fù)雜，加重了風(fēng)險的傳染與放大效應(yīng)，一旦出現(xiàn)風(fēng)險問題便會影響整個金融系統(tǒng)，形成真正的系統(tǒng)性風(fēng)險。FinTech業(yè)務(wù)增加了金融服務(wù)便捷性與可獲得性的同時，也降低了客戶的準入門檻，引入了大量資質(zhì)水平參差不齊的高風(fēng)險客戶[3]，加上我國征信體系存在信用數(shù)據(jù)不完整、征信體制不健全、征信監(jiān)管不完善等問題，極易爆發(fā)信用風(fēng)險。李展和葉蜀君（2019）[4]也指出金融科技創(chuàng)新發(fā)展會帶來風(fēng)險種類或者風(fēng)險特征的變化，會出現(xiàn)各類新的風(fēng)險隱患。新的金融科技風(fēng)險具體包括：信息技術(shù)風(fēng)險（數(shù)據(jù)泄露、技術(shù)失控、技術(shù)變革）、操作風(fēng)險、業(yè)務(wù)風(fēng)險和系統(tǒng)性風(fēng)險[5]。信息技術(shù)具有跨界經(jīng)營、業(yè)務(wù)模式復(fù)雜等特性，在提高金融服務(wù)質(zhì)量和效率的同時，往往也會導(dǎo)致金融風(fēng)險表現(xiàn)形式和內(nèi)涵不斷翻新，增加了風(fēng)險識別難度和風(fēng)險傳播速度[6]。俞勇（2019）[7]認為金融科技應(yīng)用所伴生的運營風(fēng)險、操作風(fēng)險、合規(guī)風(fēng)險、技術(shù)風(fēng)險及模型算法風(fēng)險正突破現(xiàn)有監(jiān)管架構(gòu)、體制等。甄別金融科技潛在風(fēng)險，實現(xiàn)金融創(chuàng)新與金融安全的平衡，有利于金融行業(yè)持續(xù)、健康、穩(wěn)步發(fā)展[2]。金融科技不僅具有科技性風(fēng)險還具有金融性風(fēng)險，甚至還可能強化金融風(fēng)險[9]。汪可和吳青（2018）[9]從行動者網(wǎng)絡(luò)理論視角歸納出金融科技銀行業(yè)系統(tǒng)性風(fēng)險的影響機制并實證檢驗影響程度大小，得出金融科技在一定程度上加重了銀行業(yè)系統(tǒng)性風(fēng)險的結(jié)論。楊東（2017）[10]指出金融科技發(fā)展帶來的風(fēng)險與挑戰(zhàn)有：科學(xué)技術(shù)的不當應(yīng)用造成的數(shù)據(jù)安全與信息科技風(fēng)險， 信息披露的缺失導(dǎo)致信息不對稱而產(chǎn)生的信用風(fēng)險，金融創(chuàng)新對傳統(tǒng)立法的沖擊進而引起的合規(guī)性風(fēng)險，以及全球范圍內(nèi)互聯(lián)互通帶來的跨行業(yè)、跨國境金融波動、傳染風(fēng)險。要想實現(xiàn)金融科技的健康發(fā)展就要分析甄別金融科技存在的風(fēng)險，在金融科技領(lǐng)域把握好創(chuàng)新與安全的平衡[2]。

針對金融科技風(fēng)險的擔憂，有部分學(xué)者試圖對其產(chǎn)生根源進行探究。易憲容等（2019）[5]指出，在算法貨幣下的金融科技，其本質(zhì)特征是用區(qū)塊鏈技術(shù)給信用風(fēng)險定價，以此來代替?zhèn)鹘y(tǒng)的信用關(guān)系，但區(qū)塊鏈前置化預(yù)設(shè)規(guī)則信用的不確定性，正是引發(fā)金融科技風(fēng)險的根源。金融科技創(chuàng)新導(dǎo)致了金融風(fēng)險泛化，使金融跨業(yè)風(fēng)險的來源更加分散、多樣[11]。朱太輝和陳璐（2016）[12]認為FinTech使得金融風(fēng)險更加隱蔽，信息科技風(fēng)險和操作風(fēng)險問題更為突出，潛在的系統(tǒng)性、周期性風(fēng)險更加復(fù)雜。以系統(tǒng)性風(fēng)險為例：第一，金融科技強化了數(shù)據(jù)和業(yè)務(wù)的多機構(gòu)聯(lián)通和傳遞，增加了金融業(yè)各環(huán)節(jié)的關(guān)聯(lián)性，提高了風(fēng)險傳播的可能性;第二，金融科技降低了金融業(yè)的進入門檻，強化了風(fēng)險的波及面和外溢效應(yīng);第三，金融科技所具有的普惠屬性增加了金融產(chǎn)品的可得性，金融消費者數(shù)量增加，更容易引起金融市場的“羊群行為”和市場共振[13]。李敏（2019）[14]也認為金融科技的系統(tǒng)性風(fēng)險誘因包括對不利的經(jīng)濟波動更為敏感，以及信息不對稱與金融科技企業(yè)規(guī)模的急劇膨脹等。汪可等（2017）[15]實證檢驗了FinTech對商業(yè)銀行風(fēng)險承擔的影響大小，結(jié)果表明：兩者呈倒U型關(guān)系，其中非系統(tǒng)性重要銀行風(fēng)險承擔能力較為出色。通過大數(shù)據(jù)分析、人工智能等關(guān)鍵技術(shù)的應(yīng)用，可以改變“從歷史看未來”的方法，商業(yè)銀行要構(gòu)建“從數(shù)據(jù)/信息看當下，從特征看未來”的方法論，打造覆蓋風(fēng)險識別、計量、決策、實施全流程的風(fēng)險管理體系[16]。袁康和鄧陽立（2019）[17]指出金融科技在金融市場廣泛運用的過程中也存在新型道德風(fēng)險隱患，金融科技的自動化、代碼化和隱蔽性等特點導(dǎo)致了在金融科技應(yīng)用過程中產(chǎn)生道德風(fēng)險的便利性和不可控性。為搶占市場份額，部分金融科技公司可能通過簡化開戶流程、減少審核環(huán)節(jié)等方式提升用戶體驗，甚至降低客戶門檻，帶來經(jīng)營和違規(guī)風(fēng)險隱患[6]。綜合來看，金融科技的潛在風(fēng)險既有信用風(fēng)險、流動性風(fēng)險、操作風(fēng)險、法律合規(guī)風(fēng)險等傳統(tǒng)金融風(fēng)險，又有底層信息技術(shù)等非金融因素引致的風(fēng)險，還可能引發(fā)系統(tǒng)性金融風(fēng)險。

還有部分學(xué)者探討了金融科技在風(fēng)險管理方面的應(yīng)用。例如人工智能技術(shù)可按照合規(guī)要求優(yōu)化資產(chǎn)組合，為不同風(fēng)險偏好客戶提供差異化服務(wù)，并為風(fēng)險管理部門提供精確測算，為風(fēng)險識別、預(yù)警和處置提供多元化方案[18]。區(qū)塊鏈具有分布式、可追溯性、可拓展性、不可篡改等特點，能大幅提升融資效率并控制了風(fēng)險[7，19]。計算通過整合金融機構(gòu)多個信息系統(tǒng)，在滿足中立性、監(jiān)管合規(guī)、數(shù)據(jù)隔離和信息安全的前提下，消除信息孤島，有助于金融機構(gòu)解決海量異構(gòu)信息處理和提供多樣化復(fù)雜應(yīng)用，實現(xiàn)業(yè)務(wù)創(chuàng)新和風(fēng)險管控[20]。以大數(shù)據(jù)為基礎(chǔ)的量化模型使得風(fēng)險管理的數(shù)據(jù)范圍得以拓展，整體流程得以優(yōu)化，風(fēng)險數(shù)據(jù)分析的方法得以豐富[21]。目前，人工智能、大數(shù)據(jù)、區(qū)塊鏈、云計算等技術(shù)已在商業(yè)銀行得到廣泛運用，使金融科技在支付結(jié)算、借貸平臺、智能投顧、客戶身份認證等方面發(fā)揮越來越重要的作用[22]，是解決金融服務(wù)碎片化、長尾化、信息不對稱的有力工具[23];可推動傳統(tǒng)業(yè)務(wù)互聯(lián)網(wǎng)化，改造升級原有經(jīng)營模式，實施精準營銷、實現(xiàn)批量獲客，快速進軍長尾藍海、擴大利息收入來源[24];有助于降低商業(yè)銀行的運營成本，提升商業(yè)風(fēng)險防控水平，提升金融服務(wù)場景化的能力[25];通過大數(shù)據(jù)、云計算、分布式賬本技術(shù)的應(yīng)用等，F(xiàn)inTech可以促進金融機構(gòu)提高資源配置效率、提升風(fēng)險管理能力、降低風(fēng)險集中度[12]。有關(guān)監(jiān)管部門運用監(jiān)管沙箱、監(jiān)管科技等新理念、新方式優(yōu)化現(xiàn)有監(jiān)管手段，最終實現(xiàn)數(shù)字化監(jiān)管[26]。通過穿透式監(jiān)管理念路徑，將資金來源、最終流向穿透聯(lián)結(jié)起來，可以使金融監(jiān)管和風(fēng)險排查跟上金融創(chuàng)新的步伐[10]。

總之，國內(nèi)外學(xué)者有關(guān)金融科技及其在銀行業(yè)的應(yīng)用與影響方面的文獻為我們的研究奠定了基礎(chǔ)，但由于金融科技是一個較新的研究領(lǐng)域，具體觀點與研究結(jié)論目前仍然眾說紛紜，備受爭議。一是研究內(nèi)容上，現(xiàn)有文獻大多集中于內(nèi)涵功能、經(jīng)驗總結(jié)介紹，鮮有文獻從理論層面揭示金融科技對商業(yè)銀行風(fēng)險承擔的影響機理;二是研究方法上，以往學(xué)者大多側(cè)重規(guī)范分析，相關(guān)實證研究屈指可數(shù);三是研究對象上，現(xiàn)有研究大多是針對全國性大型銀行的綜合性研究，而缺少對不同類型銀行的比較研究。對此，本文的主要貢獻在于：通過構(gòu)建金融科技約束下異質(zhì)性銀行風(fēng)險承擔行為的局部均衡模型，從理論上分析金融科技對銀行風(fēng)險承擔的影響機理， 并運用文本挖掘技術(shù)結(jié)合因子分析法測度中國金融科技綜合發(fā)展水平，在此基礎(chǔ)上選取2007～2017 年中國130家不同類型商業(yè)銀行的非平衡面板數(shù)據(jù)，構(gòu)建多元面板回歸模型，就金融科技對銀行業(yè)風(fēng)險承擔的整體及其異質(zhì)性影響進行經(jīng)驗分析，并給出相關(guān)政策建議。

二、理論分析與研究命題

（一）理論基礎(chǔ)

隨著大數(shù)據(jù)、云計算、區(qū)塊鏈、人工智能和物聯(lián)網(wǎng)等新興技術(shù)對傳統(tǒng)銀行業(yè)務(wù)的逐步滲透融合，金融科技在運營成本、經(jīng)營效率、數(shù)據(jù)分析、傳播介質(zhì)等多個維度對商業(yè)銀行形成了巨大的沖擊[27-28]。根據(jù)既有文獻的研究，金融科技對商業(yè)銀行風(fēng)險承擔的影響機理可簡化為如下兩個方向：其一是金融科技在移動支付、互聯(lián)網(wǎng)理財與互聯(lián)網(wǎng)信貸等領(lǐng)域趨于成熟，與商業(yè)銀行形成競爭格局，擠壓了銀行傳統(tǒng)存貸款業(yè)務(wù)，提高了資金成本，導(dǎo)致風(fēng)險承擔程度加強;其二是大數(shù)據(jù)、云計算、區(qū)塊鏈、等金融科技重點技術(shù)與商業(yè)銀行的融合發(fā)展，提升了銀行服務(wù)效率，改善了運營管理，降低了管理成本，從而使得風(fēng)險承擔水平減弱。此外，銀行風(fēng)險承擔傾向還受到銀行經(jīng)營策略、資產(chǎn)規(guī)模等個體特征以及宏觀經(jīng)濟環(huán)境、市場結(jié)構(gòu)、貨幣政策等外部因素的影響[29-30]。綜上，將金融科技對商業(yè)銀行風(fēng)險承擔的影響機理繪制于圖2，并以此為基礎(chǔ)，構(gòu)建刻畫二者關(guān)聯(lián)的數(shù)理模型。

（二）理論模型框架

本文將“金融科技”與“銀行類型”約束條件加入Kishan and Opiela（2012）[31]的理論框架模型，以探討金融科技對商業(yè)銀行風(fēng)險承擔的影響。該模型的基本假設(shè)如下：

1.前提條件設(shè)定：現(xiàn)有一個追求利潤最大化的代表性商業(yè)銀行，其資產(chǎn)不包括銀行貸款以外的其他資產(chǎn)，資產(chǎn)負債恒等式簡化為：R+L=D+K。其中，D為銀行存款，R為法定存款準備金，銀行超額準備金持有量和準備金收益率為零，R=ρD，ρ為存款準備金率（0<ρ<1）;L為銀行貸款;K為銀行資本。

2.存款市場假設(shè)：我國存款利率尚未完全市場化，長期處于管制狀態(tài)，存款利率上限被有效約束，實際利率小于均衡利率。因此，商業(yè)銀行吸收存款規(guī)模與市場均衡利率rD高于銀行存款基準利率rD的程度呈負相關(guān)關(guān)系，有D=D0+D1（rD-rD），D1<0，D0 為rD和rD相等時銀行吸收的存款規(guī)模。金融科技FinTech帶來的沖擊會降低均衡利率與基準利率的差異，提高資金成本，收窄存貸款利差，rD-rD=d（FT）且d/（FT）<0。

3. 貸款市場假設(shè)：我國貸款利率已完成市場化進程，貸款利率下限約束失效，商業(yè)銀行貸款規(guī)模與信貸市場均衡利率rL高于銀行信貸定價利率rL的程度呈正相關(guān)關(guān)系，有L=L0+L1（rL-rL），L1>0，L0為固定貸款規(guī)模;信貸市場均衡利率rL圍繞存款均衡利率rD浮動，rL=rD+τL，浮動項τL為常數(shù)。

4.資本市場假設(shè)：商業(yè)銀行籌資規(guī)模與市場均衡利率rK高于銀行資本回報率rK的程度呈負相關(guān)關(guān)系，有K=K0+K1（rK-rK），K1<0，K0 為rK和rK相等時銀行籌集的資本規(guī)模;資本市場均衡利率rK圍繞存款均衡利率rD浮動，rK=rD+τK，浮動項τK為常數(shù)。

5.管理成本假設(shè)：借鑒顧海峰和楊立翔（2018）[32]的做法，假設(shè)商業(yè)銀行在日常運營中僅存在貸款業(yè)務(wù)相關(guān)的管理成本，且一般貸款規(guī)模越大，成本越高。依據(jù)成本函數(shù)的嚴格凸性與二階連續(xù)可導(dǎo)特征，將管理成本函數(shù)設(shè)定為：C=（λ/2）L2，λ>0，λ代表邊際管理成本系數(shù)。金融科技FinTech的發(fā)展能提升銀行經(jīng)營效率，降低邊際管理成本λ，λ=λ（FT）且λ（FT）/（FT）<0。

因此，商業(yè)銀行的利潤函數(shù)和約束條件設(shè)定如下：

max Π=rLL-rDD-rKK-C （1）

s.t. ?R+L=D+K，R=ρD，0<ρ<1

D=D0+D1（rD-rD），D1<0，rD-rD=d（FT），d/（FT）<0

L=L0+L1（rL-rL），L1>0，rL=rD+τL

K=K0+K1（rK-rK），K1<0，rK=rD+τK

C=（λ/2）L2，λ=λ（FT），λ（FT）/（FT）<0? ?（2）

（三）模型求解與命題提出

將約束條件代入利潤函數(shù)，將（1）式整理為Π關(guān)于貸款變量L的函數(shù)，并將Π對貸款變量L進行一階求導(dǎo)，令一階導(dǎo)數(shù)： F=Π/L=0 。

F=rL-rK- 2L-L0 L1 + 2 L-（1-ρ）D -K0 K1 -λ（FT）L=0 （3）

則代表性商業(yè)銀行最優(yōu)貸款需求函數(shù)為：

L - = Φ1+Φ2D Φ3-Φ4λ（FT） ?（4）

其中，Φ1=L1K0-L0K1+（τK-τL）L1K1>0，Φ2=2L1（1-ρ）>0，Φ3=2（L1-K1）>0，Φ4=L1K1<0。

商業(yè)銀行風(fēng)險承擔變量RISK關(guān)于金融科技FinTech的函數(shù)為①：

RISK= R+L K = Φ1+Φ2D+ρD Φ3-Φ4λ（FT）? Φ1+Φ2D-（1-ρ）D Φ3-Φ4λ（FT）? ?（5）

接下來，引入金融科技FinTech約束探析其對銀行風(fēng)險承擔水平的作用機理。

（1）金融科技與資金成本。結(jié)合（5）式，將RISK經(jīng)由d（FT）對FT求導(dǎo)，有：

RISKFT? d= Φ1D1 Φ3-Φ4λ（FT）? ?Φ1+ Φ5+Φ6λ（FT）? D0+D1d（FT）? 2 ×d（FT）FT >0 ?（6）

其中，Φ5=2K1（1-ρ）<0，Φ6=L1K1（1-ρ）<0。金融科技提高了銀行資金成本，存貸利差收窄，傳統(tǒng)利差收入業(yè)務(wù)盈利能力受創(chuàng)，利潤空間收縮，銀行風(fēng)險承擔傾向增加。換言之，金融科技借由資金成本路徑加重了銀行的風(fēng)險承擔。

（2）金融科技與管理成本。結(jié)合（5）式，將RISK經(jīng)由λ（FT）對=FT求導(dǎo)，有：

RISKFT? λ= -Φ1Φ4 D0+D1d（FT） -Φ7 D0+D1d（FT） 2 ?Φ1+ Φ5+Φ6λ（FT）? D0+D1d（FT）? 2 ×λ（FT）FT <0 ?（7）

其中，Φ7=2L12K1（1-ρ）<0。金融科技在銀行中的應(yīng)用發(fā)展提升了銀行運營效率與盈利能力，降低了管理成本，進而削弱了銀行過度承擔風(fēng)險的動機。也即是，金融科技借由管理成本路徑減輕了銀行的風(fēng)險承擔。

由此可見金融科技對銀行風(fēng)險承擔水平的影響機理可歸納為提高資金成本和降低管理成本雙重渠道，其綜合影響方向取決于兩種渠道的相對作用強度，即 RISKFT = RISKFT? d+ RISKFT? λ 的符號可能大于零、小于零，也可能等于零。

另外，結(jié)合金融科技的發(fā)展現(xiàn)實歷程判斷，在以互聯(lián)網(wǎng)金融為主的早期階段，金融科技通過第三方支付、P2P網(wǎng)絡(luò)借貸、互聯(lián)網(wǎng)理財?shù)榷喾矫鎸ι虡I(yè)銀行的資產(chǎn)端、負債端、支付結(jié)算端業(yè)務(wù)造成明顯沖擊，降低銀行利息收入與非利息收入，擠壓其盈利空間，從而加重了商業(yè)銀行的風(fēng)險承擔。隨著金融科技相關(guān)業(yè)態(tài)逐漸發(fā)展成熟，大數(shù)據(jù)、云計算、人工智能、區(qū)塊鏈等金融科技重點技術(shù)在商業(yè)銀行的日常經(jīng)營與風(fēng)險管理等方面得到廣泛應(yīng)用，大大提升了銀行的服務(wù)水平、提高了資源配置效率、增強了風(fēng)險管理能力，并降低了管理成本。同時有關(guān)監(jiān)管部門運用監(jiān)管沙箱、監(jiān)管科技等新理念、新方式優(yōu)化現(xiàn)有監(jiān)管手段，降低了金融科技潛在風(fēng)險。 基于此，提出本文的命題1：金融科技對商業(yè)銀行風(fēng)險承擔的影響表現(xiàn)為先升后降的倒“U”形趨勢。即發(fā)展初期，金融科技的作用主要是抬高資金成本，從而加重了銀行風(fēng)險承擔;隨著商業(yè)銀行與金融科技不斷融合發(fā)展，金融科技將降低管理成本，轉(zhuǎn)而降低銀行風(fēng)險承擔。

（3）不同類型商業(yè)銀行風(fēng)險承擔對金融科技響應(yīng)的異質(zhì)性。由上可知式（6）和式（7）中的Φ1均包含了銀行規(guī)模L0變量，為探析不同類型商業(yè)銀行對金融科技沖擊的響應(yīng)是否具有異質(zhì)性，將式（6）和式（7）分別對變量L0求導(dǎo)：

RISK/FT dL0 = Φ8K1D1 Φ3-D4λ（FT）? Φ93 ×d（FT）FT <0 ?（8）

RISK/FT λL0 = -Φ4Φ8K1D2-2Φ7K1D3 Φ93 ×λ（FT）FT >0 ?（9）

其中，Φ8=Φ1-D Φ5+Φ6λ（FT） >0，Φ9=Φ1+D Φ5+Φ6λ（FT） >0。式（8）和 式（9）表明金融科技對商業(yè)銀行風(fēng)險承擔水平的影響隨著銀行規(guī)模變量L0的增加而降低，即大中型商業(yè)銀行在面對金融科技沖擊時響應(yīng)不那么強烈，風(fēng)險承擔水平變動程度低于地方性小型商業(yè)銀行。

基于此，提出本文的命題2：不同類型商業(yè)銀行對金融科技沖擊的響應(yīng)具有異質(zhì)性，相對于地方性小型商業(yè)銀行，大中型商業(yè)銀行的風(fēng)險承擔行為更加謹慎。

三、變量選取與研究設(shè)計

（一）樣本與數(shù)據(jù)來源

數(shù)據(jù)主要來源于Bankscope數(shù)據(jù)庫，該數(shù)據(jù)庫缺失的有關(guān)員工人數(shù)和費用數(shù)據(jù)，手工摘錄自各銀行歷年年報。本文共收集了130家中國商業(yè)銀行的財務(wù)數(shù)據(jù)，其中包括中、農(nóng)、工、建、交等5家大型商業(yè)銀行，興業(yè)、廣發(fā)、浦發(fā)、平安、民生、招商等12家股份制銀行，北京、上海、天津、南京、廣州等76家規(guī)模相對較大的城市商業(yè)銀行，以及上海農(nóng)商、天津農(nóng)商、北京農(nóng)商、廣州農(nóng)商等37家數(shù)據(jù)較全的農(nóng)村商業(yè)銀行。樣本期間為2007到2017年，數(shù)據(jù)主要來源與Bankscope、CEIC等數(shù)據(jù)庫。

（二）變量選取與定義

1.核心解釋變量：金融科技指數(shù)（FT）

鑒于金融科技業(yè)態(tài)形式多樣且發(fā)展時間尚短，有關(guān)的量化方法尚不成熟，本文借鑒顧海峰和楊立翔（2018）[32]、郭品和沈悅（2019）[33]的文本挖掘技術(shù)對金融高科技發(fā)展指數(shù)（FT）進行測度。

2.被解釋變量：銀行風(fēng)險承擔（RISK）

關(guān)于商業(yè)銀行風(fēng)險承擔的衡量，常用的有加權(quán)風(fēng)險資產(chǎn)比例[34]、不良貸款率[35]、資本充足率[32]、貸款損失準備率[36-37]、資本資產(chǎn)比率[36]、權(quán)益對負債比率、預(yù)期違約概率[38]、股市波動率和股價波動率[39]，等等。鑒于加權(quán)風(fēng)險資產(chǎn)比例和資本充足率缺失數(shù)據(jù)較多，預(yù)期違約概率和股市波動率計算需要股票交易數(shù)據(jù)，而我國大部分銀行并未上市;同時，為適應(yīng)理論模型的設(shè)定，本文采取資產(chǎn)資本比（ACra）作為風(fēng)險承擔變量，銀行資產(chǎn)資本比越高意味著其風(fēng)險承擔傾向越明顯。為保證研究結(jié)論可靠，選取權(quán)益負債比（ETD）、不良貸款率（NPLra）作為替代變量。其中，不良貸款率越高表示商業(yè)銀行風(fēng)險承擔越高，而權(quán)益負債比越高說明銀行風(fēng)險承擔越低。為保證實證分析符號的一致性，在具體回歸時對權(quán)益負債比指標取負值處理。

3.控制變量

基于對既有文獻的分析，本文從微觀、中觀和宏觀三個方面選取模型控制變量，其中銀行微觀層面影響銀行風(fēng)險承擔的因素主要包括：（1）經(jīng)營效率，選取銀行成本收入比作為代理變量。一般而言，經(jīng)營效率越高，銀行風(fēng)險承擔水平越低。（2）流動性水平，選取存貸比作為代理變量，也有文獻選取流動資產(chǎn)與總資產(chǎn)之比反映銀行流動性水平[40]。中觀層面，考慮到近年來我國銀行業(yè)的主要變化是通過對外開放使得其外部競爭環(huán)境發(fā)生了較大變化，故選取銀行業(yè)集中度（前4大銀行資產(chǎn)占比）和銀行業(yè)開放度（外資銀行從業(yè)人數(shù)占全行業(yè)比重）作為控制變量。此外，宏觀層面上的控制變量主要有：（1）宏觀經(jīng)濟發(fā)展，選取實際國內(nèi)生產(chǎn)總值GDP增速。（2）金融相關(guān)比，選取貨幣供應(yīng)量（ M2）與GDP的比值。（3）貨幣政策，選取M2增速作為代理變量。

上述各變量定義及描述性統(tǒng)計情況如表1、表2所示。

（三）計量模型設(shè)計

基于上述數(shù)據(jù)和變量設(shè)置，同時考慮到金融科技對商業(yè)銀行風(fēng)險承擔影響的滯后作用，加入風(fēng)險變量的一期滯后項，最終建立如下以非平衡面板數(shù)據(jù)為基礎(chǔ)的一組多元面板回歸模型：

模型（1）：ACrai，t=β0+β1ACrai，t-1+β2FTIt+β3FTI2t+∑ 7 j=1 γjControlj，it+ui+εit

模型（2）：ETDi，t=β0+β1ETDi，t-1+β2FTIt+β3FTI2t+∑ 7 j=1 γjControlj，it+ui+εit

模型（3）：NPLrai，t=β0+β1NPLrai，t-1+β2FTIt+β3FTI2t+∑ 7 j=1 γjControlj，it+ui+εit

模型（1）、模型（2）和模型（3）中的ACra、ETD、NPLra分別為風(fēng)險承擔變量資產(chǎn)資本比、權(quán)益負債比率和不良貸款率，F(xiàn)TI為核心解釋變量金融科技發(fā)展指數(shù)，F(xiàn)TI2t用來刻畫金融科技與銀行風(fēng)險承擔之間的非線性關(guān)系;下標i表示樣本銀行，t代表年份，β、γ為回歸系數(shù)，Control為本文考慮的一組控制變量，ui為銀行固定效應(yīng)，εit為隨機擾動項。

（四）估計方法選擇

為了避免可能存在的多重共線性問題，回歸之前首先對控制變量進行相關(guān)性檢驗。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重的多重共線性問題。

另外，對于靜態(tài)面板，常見的有混合回歸（POOL）以及控制個體特征的固定效應(yīng)（FE）和隨機效應(yīng)（RE）回歸多種方法。鑒于忽略樣本特點的混合效應(yīng)回歸并不可靠，如表3所示，本文首先對模型進行F檢驗，以判斷是選擇混合回歸模型還是個體固定效應(yīng)模型，檢驗結(jié)果表明模型（1）、模型（2）和模型（3）的F檢驗的P值為都為0.000，故強烈拒絕原假設(shè)，即認為個體固定效應(yīng)模型明顯優(yōu)于混合回歸;其次，進行LM檢驗，以判斷是選擇個體隨機效應(yīng)模型還是混合回歸;最后，進行Hausman檢驗，檢驗結(jié)果顯示，原假設(shè)“個體效應(yīng)與回歸變量無關(guān)”對應(yīng)的P值為0.000，因此應(yīng)使用個體固定效應(yīng)模型而非個體隨機效應(yīng)模型。

（五）面板單位根（平穩(wěn)性）檢驗

對于動態(tài)面板，為防止“虛假回歸”問題，動態(tài)面板模型要求數(shù)據(jù)序列平穩(wěn)，本文采用Fisher-ADF、Phillips-Perron Test、KPSS Test等檢驗方法，圍繞銀行個體層面的變量ACra、ETD、NPLra、CRra、LDR進行面板單位根檢驗。這三種檢驗方法的原假設(shè)均為“H0：所有個體都是非平穩(wěn)的”。其中，IPS尤其適合非平衡面板數(shù)據(jù)的單位根檢驗，只要有一種方法拒絕原假設(shè)則說明變量數(shù)據(jù)系列平穩(wěn)。

表4的檢驗結(jié)果顯示模型所考慮的五個微觀變量均在全部三種檢驗方法下拒絕原假設(shè)，說明以上各個變量都不存在單位根，均為平穩(wěn)序列，回歸分析將不會出現(xiàn)虛假回歸問題。

四、模型估計結(jié)果與分析

（一）模型回歸結(jié)果

基于上述分析，表5同時報告了模型（1）、模型（2）和模型（3）的固定效應(yīng)（FE）估計結(jié)果。表5的回歸結(jié)果表明模型（1）、模型（2）和模型（3）金融科技指數(shù)的一次項FTI和二次項FTI* FTI估計系數(shù)獲得了高度一致的結(jié)果。其中，一次項FTI在3個模型中均為正且顯著，二次項FTI2均為負且顯著，說明金融科技對商業(yè)銀行風(fēng)險承擔的影響呈現(xiàn)出先升后降的倒“U”型關(guān)系。這說明早期金融科技發(fā)展提高了商業(yè)銀行的風(fēng)險承擔水平，隨著金融科技的深化發(fā)展，兩者的關(guān)系逐漸發(fā)生逆轉(zhuǎn)，在后期轉(zhuǎn)而降低了商業(yè)銀行的風(fēng)險承擔水平。其中的原因在于：在以互聯(lián)網(wǎng)金融為主的早期階段，金融科技通過第三方支付、P2P網(wǎng)絡(luò)借貸、智能投顧、互聯(lián)網(wǎng)理財?shù)榷喾矫鎸ι虡I(yè)銀行的資產(chǎn)端、負債端、支付結(jié)算端業(yè)務(wù)造成明顯沖擊，收窄存貸款利差，抬高資金成本，降低銀行利息收入與非利息收入，擠壓其盈利空間，從而加重了商業(yè)銀行的風(fēng)險承擔。隨著金融科技相關(guān)業(yè)態(tài)發(fā)展成熟，一批互聯(lián)網(wǎng)金融企業(yè)逐漸向金融科技公司轉(zhuǎn)型，為金融機構(gòu)輸出科技解決方案;同時，商業(yè)銀行也開始將金融科技上升至戰(zhàn)略高度，紛紛成立金融科技子公司，并向開放銀行模式全面轉(zhuǎn)型，借助新興技術(shù)全面升級對外服務(wù)方式和服務(wù)水平，產(chǎn)業(yè)生態(tài)逐步從競爭演變?yōu)楦偤?。大?shù)據(jù)、云計算、人工智能、區(qū)塊鏈等金融科技重點技術(shù)在商業(yè)銀行的日常經(jīng)營與風(fēng)險管理等方面得到廣泛應(yīng)用，大幅度提升了傳統(tǒng)商業(yè)銀行運營效率，優(yōu)化資源配置，降低管理成本，增強風(fēng)險控制能力。有關(guān)監(jiān)管部門也開始運用監(jiān)管沙箱、監(jiān)管科技等新理念、新方式優(yōu)化現(xiàn)有監(jiān)管手段，降低了金融科技潛在風(fēng)險。最終，金融科技對商業(yè)銀行的影響總體表現(xiàn)為降低了其風(fēng)險承擔水平，本文的命題1得到證實。

其他控制變量方面，銀行存貸比（流動性水平）系數(shù)的6個估計結(jié)果均顯著為正，意味著流動性越高的銀行風(fēng)險承擔傾向越明顯。其中的原因在于：在本文研究的樣本期間內(nèi)，中國銀行業(yè)一直存在較明顯的流動性過剩問題，根據(jù)DeYoung et al.（2013）[41]的觀點，流動性越充足，銀行高管擴大貸款規(guī)模的動機越強烈，這一估計結(jié)果也與郭品和沈悅（2015）[30]論文結(jié)論一致。行業(yè)對開放程度變量（OPEN）顯著為負，主要的原因在于業(yè)務(wù)模式、風(fēng)險管理機制更完善的外資銀行進入中國市場后會帶來先進的風(fēng)控措施和經(jīng)營管理理念，促進國內(nèi)商業(yè)銀行穩(wěn)健發(fā)展，進而降低其風(fēng)險承擔水平，這一結(jié)果符合理論預(yù)期。貨幣政策變量（M2增速）系數(shù)顯著為正意味著寬松的貨幣政策環(huán)境會推導(dǎo)商業(yè)銀行的樂觀情緒，鼓勵其承擔更多風(fēng)險。

（二）穩(wěn)健性檢驗

本文借鑒邱晗等（2018）[42]的做法，通過縮短樣本時間以及動態(tài)風(fēng)險承擔變量滯后2期兩個方面重新構(gòu)建面板數(shù)據(jù)進行穩(wěn)健性檢驗，基于Hausman檢驗選取的固定效應(yīng)（FE）估計結(jié)果報告于表6。

在風(fēng)險變量滯后2期和時間改為2009-2017年兩種情形下，由表6可見三個模型估計獲得的關(guān)鍵解釋變量金融科技發(fā)展指數(shù)系數(shù)大小相當，方向相同，顯著性也基本一致。盡管模型（3）在2009-2017年期間的估計系數(shù)顯著性有所下降，但系數(shù)符號方向并沒有任何改變。其他控制變量的系數(shù)符號大多維持不變，顯著性也基本一致?？傮w看來，本文的估計結(jié)果是穩(wěn)健可靠的，本文的命題1得到進一步證實。篇幅所限，這里僅針對選取FTI1作為金融科技發(fā)展指數(shù)下的模型（1）、模型（2）和模型（3）進行了穩(wěn)健性檢驗，基于FTI2的檢驗結(jié)果與此類似，不再贅述。

（三）進一步的討論

檢驗金融科技對銀行風(fēng)險承擔的異質(zhì)性影響時，參考郭品和沈悅（2015）[30]的做法，引入代表商業(yè)銀行類型的虛擬變量TY，大中型銀行賦值“1”，小型銀行賦值為“0”。在模型（1）、模型（2）和模型（3）的基礎(chǔ)上引入金融科技指數(shù)與銀行類型的交乘項，建立式（12）所示的非線性多元回歸模型。

ACrai，t=β0+β1ACrai，t-1+β2FTIt+β3FTIt×TYi+β4FTI2t+β5FTI2t×TYi+∑ 8 j=1 γjControl？jit+ui+εit （12）

關(guān)于銀行的分類標準，以往文獻的通常做法是按資產(chǎn)規(guī)模[43]或?qū)⒐煞葜沏y行定義為中型銀行，城商行和農(nóng)商行定義為小型銀行[44]的做法，按資產(chǎn)規(guī)模對樣本銀行進行分類，鑒于樣本銀行2017年末資產(chǎn)總額的中位數(shù)為1937.69億元，可將2017年末資產(chǎn)總計在2000億以上的銀行定義為大中型銀行（子面板13），一共有包括5家大型銀行，12家股份制銀行在內(nèi)的64家銀行;將其余66家2017年末資產(chǎn)總計在2000億以下的銀行定義為小型銀行（子面板14），其中包括36家城商行和30家農(nóng)商行。表7同時報告了基于金融科技指數(shù)FTI1、FTI2的混合回歸（Pool）、固定效應(yīng)（FE）和隨機效應(yīng)（RE）估計結(jié)果②。

表7顯示模型的交乘項FTI*TY的回歸系數(shù)顯著為正，F(xiàn)TI2*TY的回歸系數(shù)顯著為負，且除了面板14的固定效應(yīng)（FE）以外，其他的估計結(jié)果全部通過了顯著性檢驗，說明面對金融科技的沖擊，不同類型銀行風(fēng)險承擔傾向響應(yīng)具有明顯差異，本文的命題2得到證實。在具有高風(fēng)險特征，以互聯(lián)網(wǎng)金融為主的金融科技發(fā)展早期階段，大中型銀行由于其客戶相對固定、規(guī)模龐大和監(jiān)管嚴厲等方面的因素，對第三方支付、網(wǎng)絡(luò)借貸、互聯(lián)網(wǎng)理財?shù)刃滦蜆I(yè)務(wù)模式的反應(yīng)較為謹慎。在云計算、大數(shù)據(jù)、人工智能和區(qū)塊鏈等金融科技重點技術(shù)發(fā)展趨于成熟的后期階段，大中型銀行利用其資金實力、盈利水平、人才儲備、資源稟賦等方面的優(yōu)勢，更容易通過自主研發(fā)或外延并購、跨界合作等方式，積極融合金融科技，充分利用金融科技帶來的新的發(fā)展機遇，實現(xiàn)轉(zhuǎn)型創(chuàng)新發(fā)展。

相對地區(qū)性小型銀行而言，大中型銀行對金融科技的響應(yīng)總體上表現(xiàn)得更為穩(wěn)健;同時，加入銀行類型虛擬變量后，模型基本結(jié)論沒有任何改變，關(guān)鍵變量金融科技發(fā)展指數(shù)平方項FTI2在所有回歸結(jié)果中仍然顯著為負，一次項FTI仍然為正，這說明整體上金融科技對商業(yè)銀行風(fēng)險承擔的影響仍然呈現(xiàn)為倒“U”型關(guān)系。即在金融科技發(fā)展前期，金融科技加重了銀行的風(fēng)險承擔，而在后期轉(zhuǎn)而降低銀行的風(fēng)險承擔，這一估計結(jié)果進一步驗證了命題1?？刂谱兞康幕貧w系數(shù)大小、符號方向和顯著性水平與表5的結(jié)果基本一致，不再贅述。

五、結(jié)論與啟示

本文收集了2007-2017年間中國130家商業(yè)銀行的非平衡面板數(shù)據(jù)，通過構(gòu)建金融科技約束下銀行風(fēng)險承擔行為的局部均衡模型，從理論層面剖析金融科技對商業(yè)銀行風(fēng)險承擔傾向的影響機理，因子分析等方法測算得到金融科技發(fā)展指數(shù)，并構(gòu)建多元面板回歸模型，就金融科技對銀行業(yè)風(fēng)險承擔的整體及其異質(zhì)性影響進行經(jīng)驗分析。結(jié)果表明：（1）在整體上，金融科技對商業(yè)銀行風(fēng)險承擔的影響呈現(xiàn)出先升后降的倒“U”形關(guān)系，即早期金融科技發(fā)展提高了商業(yè)銀行的風(fēng)險承擔水平，但隨著金融科技重點技術(shù)發(fā)展成熟，在后期有利于降低管理成本，增強風(fēng)險控制能力，轉(zhuǎn)而降低商業(yè)銀行的風(fēng)險承擔水平。（2）其他控制變量方面，銀行流動性水平、行業(yè)對開放程度以及貨幣政策等因素也從不同程度對商業(yè)銀行風(fēng)險承擔行為存在重要影響。（3）面對金融科技的沖擊，金融科技的異質(zhì)性影響檢驗結(jié)果表明不同類型商業(yè)銀行的響應(yīng)是具有明顯差異的，相對地方性小型商業(yè)銀行，大中型銀行的響應(yīng)相對更為穩(wěn)健。

隨著金融科技相關(guān)技術(shù)的逐漸成熟及其行業(yè)規(guī)模的日益膨脹，以上結(jié)論說明科技與金融業(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)展機遇的同時也形成了挑戰(zhàn)，迫使商業(yè)銀行特別是地方性小型銀行需要調(diào)整思維，加快技術(shù)創(chuàng)新，積極融合金融科技，謀求轉(zhuǎn)型發(fā)展以應(yīng)對金融體系的變革。對此，本文提出以下建議：第一，積極促進信貸業(yè)務(wù)的轉(zhuǎn)型與創(chuàng)新，依托市場和客戶需求創(chuàng)新產(chǎn)品、建立綜合性的網(wǎng)絡(luò)信貸服務(wù)平臺、運用大數(shù)據(jù)、云計算、區(qū)塊鏈、人工智能、物聯(lián)網(wǎng)等關(guān)鍵技術(shù)，實現(xiàn)經(jīng)營管理網(wǎng)絡(luò)化，最終提高經(jīng)營穩(wěn)健性。第二，商業(yè)銀行應(yīng)積極尋求與互聯(lián)網(wǎng)金融企業(yè)深度合作，利用其業(yè)務(wù)規(guī)模優(yōu)勢強化互聯(lián)網(wǎng)支付結(jié)算、理財、銷售等業(yè)務(wù)的創(chuàng)新和渠道建設(shè)，減少利差縮窄的單方面影響，獲取新的利潤增長點。第三，加快金融科技人才隊伍建設(shè)，加強關(guān)鍵技術(shù)自主研發(fā)，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。第四，充分發(fā)揮大數(shù)據(jù)、云計算、區(qū)塊鏈、人工智能等新興技術(shù)在風(fēng)險控制方面的應(yīng)用優(yōu)勢，加強風(fēng)險管理能力;第五，政策當局應(yīng)當加快監(jiān)管體制、機制改革，優(yōu)化監(jiān)管工具，為金融科技與傳統(tǒng)商業(yè)銀行的融合共生發(fā)展打造良好的制度環(huán)境，做到金融創(chuàng)新與風(fēng)險防范的有效平衡。

注釋：

①? 已有研究采用Z值、資產(chǎn)收益波動性、股票收益波動性、不良貸款率、風(fēng)險加權(quán)資產(chǎn)比例、資產(chǎn)資本比率作為風(fēng)險承擔代理變量，但為適應(yīng)理論模型的設(shè)定，采取資產(chǎn)資本比率進行機理分析。

② 文章篇幅所限，模型（2）和模型（3）的檢驗結(jié)果不再贅述。

參考文獻：

[1]? 張林. 金融科技有助于全球經(jīng)濟持續(xù)發(fā)展——訪世界銀行副行長兼首席風(fēng)險官拉克茜米·希亞姆-桑德[J].中國金融， 2018（17）： 14-16.

[2] 楊濤. 警惕金融科技風(fēng)險[J].人民論壇， 2019（17）： 78-79.

[3] 姜增明， 陳劍鋒， 張超. 金融科技賦能商業(yè)銀行風(fēng)險管理轉(zhuǎn)型[J].當代經(jīng)濟管理， 2019，41（1）： 85-90.

[4] 李展， 葉蜀君. 中國金融科技發(fā)展現(xiàn)狀及監(jiān)管對策研究[J].江淮論壇， 2019（3）： 54-59.

[5] 易憲容， 鄭麗雅， 何人可. 金融科技合約關(guān)系的實質(zhì)、運行機理及風(fēng)險防范——基于現(xiàn)代金融理論的一般分析[J].社會科學(xué)， 2019（5）： 40-49.

[6] 程軍， 何軍， 袁慧萍，等. 金融科技風(fēng)險與監(jiān)管對策[J].中國金融， 2017（24）： 70-71.

[7] 俞勇. 金融科技與金融機構(gòu)風(fēng)險管理[J].上海金融， 2019（7）： 73-78.

[8] 鐘慧安. 金融科技發(fā)展與風(fēng)險防范研究[J].金融發(fā)展研究， 2018（3）： 81-84.

[9] 汪可， 吳青. 金融科技對我國銀行業(yè)系統(tǒng)性風(fēng)險影響研究[J].管理現(xiàn)代化， 2018， 38（3）： 112-116.

[10] 楊東. 防范金融科技帶來的金融風(fēng)險[J].紅旗文稿， 2017（16）： 23-25.

[11] 周仲飛， 李敬偉. 金融科技背景下金融監(jiān)管范式的轉(zhuǎn)變[J].法學(xué)研究， 2018，40（5）： 3-19.

[12] 朱太輝，陳璐. Fintech的潛在風(fēng)險與監(jiān)管應(yīng)對研究[J].金融監(jiān)管研究，2016（7）：30-34.

[13] 靳文輝. 法權(quán)理論視角下的金融科技及風(fēng)險防范[J].廈門大學(xué)學(xué)報（哲學(xué)社會科學(xué)版）， 2019（2）： 1-11.

[14] 李敏. 金融科技的系統(tǒng)性風(fēng)險：監(jiān)管挑戰(zhàn)及應(yīng)對[J].證券市場導(dǎo)報， 2019（2）： 69-78.

[15]? 汪可， 吳青， 李計. 金融科技與商業(yè)銀行風(fēng)險承擔——基于中國銀行業(yè)的實證分析[J].管理現(xiàn)代化， 2017（6）： 100-104.

[16] 袁媛. 金融科技與銀行信用風(fēng)險管理[J].中國金融， 2018（9）： 67-68.

[17]? 袁康， 鄧陽立. 道德風(fēng)險視域下的金融科技應(yīng)用及其規(guī)制——以證券市場為例[J].證券市場導(dǎo)報， 2019（7）： 13-19，40.

[18] 李佳珂. 人工智能對金融創(chuàng)新的積極影響[J].人民論壇， 2018（25）： 78-79.

[19] 馬理， 朱碩. 區(qū)塊鏈技術(shù)在支付結(jié)算領(lǐng)域的應(yīng)用與風(fēng)險[J].金融評論， 2018，10（4）： 83-94，121.

[20] 金中夏， 黎江. 云計算與金融創(chuàng)新[J].中國金融， 2012（21）： 79-80.

[21] 盧小賓， 徐超. 面向風(fēng)險管理的銀行大數(shù)據(jù)分析系統(tǒng)架構(gòu)研究[J].信息資源管理學(xué)報， 2018，8（2）： 4-12.

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

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

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

[25] 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.

[26] 王雯， 李濱， 陳春秀. 金融科技與風(fēng)險監(jiān)管協(xié)同發(fā)展研究[J].新金融， 2018（2）： 43-46.

[27] 李巖玉. 金融科技對商業(yè)銀行影響[J].中國金融， 2017（17）： 13-19.

[28] Lee I， Shin YJ. FinTech： Ecosystem， business models， investment decisions， and challenges[J].Business Horizons， 2018，61（1）： 35-46.

[29] Ariss RT. On the implications of market power in banking： Evidence from developing countries[J].Journal of Banking and Finance， 2010，34（4）： 765-775.

[30] 郭品， 沈悅. 互聯(lián)網(wǎng)金融加重了商業(yè)銀行的風(fēng)險承擔嗎？——來自中國銀行業(yè)的經(jīng)驗證據(jù)[J].南開經(jīng)濟研究， 2015（4）： 80-97.

[31] Kishan RP， Opiela TP. Monetary Policy， Bank Lending， and the Risk‐Pricing Channel[J].Journal of Money， Credit and Banking， 2012，44（4）： 573-602.

[32] 顧海峰， 楊立翔. 互聯(lián)網(wǎng)金融與銀行風(fēng)險承擔：基于中國銀行業(yè)的證據(jù)[J].世界經(jīng)濟， 2018，41（10）： 75-100.

[33] 郭品，沈悅. 互聯(lián)網(wǎng)金融， 存款競爭與銀行風(fēng)險承擔[J].金融研究. 2019，470（8）：58-76.

[34] 喻微鋒， 周黛. 互聯(lián)網(wǎng)金融、商業(yè)銀行規(guī)模與風(fēng)險承擔[J].云南財經(jīng)大學(xué)學(xué)報， 2018， 34（1）： 59-69.

[35] 王兵， 朱寧. 不良貸款約束下的中國銀行業(yè)全要素生產(chǎn)率增長研究[J].經(jīng)濟研究， 2011（5）： 32-45.

[36] 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， 46（8）： 4-14.

[37] 汪可. 金融科技、價格競爭與銀行風(fēng)險承擔[J].哈爾濱商業(yè)大學(xué)學(xué)報（社會科學(xué)版）， 2018（1）： 40-48.

[38] 牛曉健， 裘翔. 利率與銀行風(fēng)險承擔——基于中國上市銀行的實證研究[J].金融研究， 2013（4）： 15-28.

[39] 劉忠璐. 互聯(lián)網(wǎng)金融對商業(yè)銀行風(fēng)險承擔的影響研究[J].財貿(mào)經(jīng)濟， 2016（4）： 71-85，115.

[40] 汪可. 金融科技、利率市場化與商業(yè)銀行風(fēng)險承擔[J].上海經(jīng)濟， 2018（2）： 108-116.

[41] DeYoung R， Peng EY， Yan M. Executive compensation and business policy choices atUS commercial banks[J].Journal of financial and Quantitative Analysis， 2013， 48（1）： 165-196.

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

[43] 張橋云， 王寧. 我國商業(yè)銀行存款利率浮動幅度影響因素實證研究——基于全國124家銀行的數(shù)據(jù)[J].國際金融研究， 2013（5）： 63-75.

[44] 馬喜立. 以金融科技提升中型銀行金融風(fēng)險管理水平的路徑研究[J].金融理論與教學(xué)， 2019（4）： 7-9，18.

Does FinTech Increase or Reduce Commercial Banks′ Risk-taking？

Evidence from China′s Banking Sector

LIU Meng-fei，JIANG Wei

（International Business School of Shaanxi Normal University， Xi′an 710119，China）

Abstract： Starting from the reality of the rapid development of financial technology， this paper constructs a local equilibrium model of heterogeneous banks′ risk-taking behavior under the constraint of financial technology， and analyzes the influence mechanism of financial technology on commercial banks′ risk-taking tendency from the theoretical level;Based on the financial technology development index calculated by text mining technology， this paper selects the panel data of 130 commercial banks in China from 2007 to 2017， and constructs a multiple regression model to empirically analyze the overall and heterogeneous impact of financial technology on banking risk-taking.The results show that：（1）The impact of financial technology on commercial banks′ risk-taking shows an inverted “U”-shaped relationship， that is， in the early stage， the development of financial technology improves the level of banks′ risk-taking， but in the later stage， with the development and maturity of financial technology related technologies， it is conducive to reducing management costs， enhancing risk control ability and reducing banks′ risk-taking.（2） Facing the impact of financial technology， the response of different types of commercial banks is heterogeneous. Compared with local small-sized commercial banks， the response of large and medium-sized banks is relatively more robust.

Key words： FinTech; Commercial Banks; risk-taking; empirical research

（責(zé)任編輯：關(guān)立新）