郭品 程茂勇 沈悅

摘要：金融科技既為金融發(fā)展增添了新動力，也給金融安全帶來了新挑戰(zhàn)。將金融科技與風(fēng)險傳染約束納入經(jīng)典的銀行道德風(fēng)險模型，揭示了金融科技發(fā)展影響銀行系統(tǒng)性風(fēng)險的理論機制。在此基礎(chǔ)上，構(gòu)建GRJGARCHCouplaCoVaR模型測算銀行系統(tǒng)性風(fēng)險水平，采用文本挖掘法衡量金融科技發(fā)展走勢，并基于2011—2020年中國36家上市商業(yè)銀行的季度面板數(shù)據(jù)進行實證檢驗。研究發(fā)現(xiàn)，金融科技發(fā)展顯著提高了銀行系統(tǒng)性風(fēng)險。機制檢驗表明，快速發(fā)展的金融科技，一方面會增加銀行個體的風(fēng)險水平，從“源頭”上提升銀行系統(tǒng)性風(fēng)險的生成概率，另一方面會加深銀行之間的關(guān)聯(lián)程度，從“渠道”上放大銀行系統(tǒng)性風(fēng)險的溢出效應(yīng)。異質(zhì)性分析發(fā)現(xiàn)，相對于技術(shù)投入，金融科技創(chuàng)新產(chǎn)出對銀行系統(tǒng)性風(fēng)險的驅(qū)動效應(yīng)更為顯著；相對于非國有銀行，國有銀行的系統(tǒng)性風(fēng)險水平受金融科技發(fā)展的影響更為強烈。據(jù)此提出加強金融科技持續(xù)性、穿透性和規(guī)范性監(jiān)管，建立健全金融科技風(fēng)險防范機制的政策建議。

關(guān)鍵詞：金融科技；商業(yè)銀行；系統(tǒng)性風(fēng)險；風(fēng)險生成；風(fēng)險溢出

文獻標(biāo)識碼：A???文章編號：100228482023（05）001515

一、問題提出

近年來，隨著金融服務(wù)和信息技術(shù)的相互滲透、深度融合與加速創(chuàng)新，金融科技已逐漸成為推動中國金融轉(zhuǎn)型升級的新引擎。金融科技有助于提升金融服務(wù)效率、豐富金融產(chǎn)品供給、增強金融核心競爭力，但不能忽視的是，蓬勃發(fā)展的金融科技也重塑了金融行業(yè)的競爭格局，加重了金融機構(gòu)的風(fēng)險偏好，并提高了銀行體系的系統(tǒng)性風(fēng)險隱患［1］。2019年8月22日，中國人民銀行印發(fā)《金融科技（FinTech）發(fā)展規(guī)劃（2019—2021年）》，明確指出“正確處理安全與發(fā)展的關(guān)系，做好新技術(shù)應(yīng)用風(fēng)險防范，堅決守住不發(fā)生系統(tǒng)性金融風(fēng)險的底線”。2021年12月31日，中國人民銀行發(fā)布《宏觀審慎政策指引（試行）》，強調(diào)“要防止系統(tǒng)性金融風(fēng)險順周期累積以及跨機構(gòu)、跨行業(yè)、跨市場和跨境傳染，提高金融體系韌性和穩(wěn)健性”。這既體現(xiàn)了監(jiān)管當(dāng)局嚴(yán)控金融風(fēng)險的堅定決心，也為金融科技發(fā)展下銀行業(yè)的風(fēng)險管理提出了基本要求。在此背景下，剖釋金融科技發(fā)展對銀行系統(tǒng)性風(fēng)險的影響效應(yīng)及其作用機制，對于防范化解金融風(fēng)險、維護金融穩(wěn)健運行具有重要的理論價值與現(xiàn)實意義。

銀行系統(tǒng)性風(fēng)險是指單個銀行遭遇困境、陷入危機時給其他市場主體或整個金融系統(tǒng)和實體經(jīng)濟帶來的負外部性［2］。2008年全球金融危機的爆發(fā)引起了監(jiān)管層和學(xué)術(shù)界對銀行系統(tǒng)性風(fēng)險問題的高度關(guān)注。從眾多相關(guān)研究中不難概括出關(guān)于銀行系統(tǒng)性風(fēng)險生成和傳染的兩個關(guān)鍵特征。其一，銀行個體的風(fēng)險積累是系統(tǒng)性風(fēng)險的“導(dǎo)火索”，即銀行個體風(fēng)險越高，在突發(fā)沖擊時越脆弱，越容易誘發(fā)系統(tǒng)性風(fēng)險［3］。其二，銀行之間的業(yè)務(wù)關(guān)聯(lián)是系統(tǒng)性風(fēng)險的“放大劑”，即銀行業(yè)務(wù)聯(lián)系越緊密，系統(tǒng)性風(fēng)險越容易在不同部門之間傳染和溢出［4］。金融科技作為技術(shù)驅(qū)動的金融創(chuàng)新，不但會分流銀行存貸業(yè)務(wù)，擴大銀行風(fēng)險來源，還會抬升銀行攬儲難度，促進銀行同業(yè)關(guān)聯(lián)。據(jù)此，本文預(yù)期快速發(fā)展的金融科技可能會強化銀行個體的風(fēng)險偏好和銀行之間的業(yè)務(wù)關(guān)聯(lián)，進而增加銀行系統(tǒng)性風(fēng)險的生成概率和溢出效應(yīng)，提高銀行系統(tǒng)性風(fēng)險水平。然而遺憾的是，鮮有文獻對這一問題進行全面深入的理論剖釋與實證分析。

基于上述背景，本文將重點考察金融科技發(fā)展對銀行系統(tǒng)性風(fēng)險的影響效應(yīng)及其作用機制。首先，將金融科技與風(fēng)險傳染約束引入經(jīng)典的銀行道德風(fēng)險模型，從個體風(fēng)險和業(yè)務(wù)關(guān)聯(lián)兩個層面剖釋金融科技發(fā)展影響銀行系統(tǒng)性風(fēng)險的理論機制。其次，構(gòu)建GRJGARCHCouplaCoVaR模型測算銀行系統(tǒng)性風(fēng)險水平，采用文本挖掘法衡量金融科技發(fā)展走勢，并利用2011—2020年中國36家上市商業(yè)銀行的季度面板數(shù)據(jù)進行實證檢驗。

本文的邊際貢獻主要體現(xiàn)于以下三方面。第一，研究內(nèi)容上，現(xiàn)有文獻主要關(guān)注金融科技發(fā)展對銀行經(jīng)營績效和風(fēng)險承擔(dān)的影響，缺乏對金融科技發(fā)展與銀行系統(tǒng)性風(fēng)險之間關(guān)系的深入探討。本文通過構(gòu)建納入金融科技與風(fēng)險傳染約束的銀行道德風(fēng)險模型，厘清了金融科技發(fā)展對銀行系統(tǒng)性風(fēng)險的影響機制，由此豐富了關(guān)于金融科技與商業(yè)銀行競合關(guān)系的研究體系。第二，研究方法上，既有文獻多采用僅能描述變量線性相關(guān)關(guān)系的分位數(shù)回歸法測算金融機構(gòu)的條件在險價值（CoVaR），忽視了對變量非線性相依結(jié)構(gòu)的刻畫。本文通過構(gòu)建能夠捕捉金融風(fēng)險非線性和非對稱性聯(lián)動特征的GRJGARCHCouplaCoVaR模型，測度了中國36家上市商業(yè)銀行的系統(tǒng)性風(fēng)險水平，從而拓寬了關(guān)于系統(tǒng)性風(fēng)險的測算思路。第三，研究意義上，在金融科技迅猛發(fā)展的背景下，本文從多個角度考察了金融科技發(fā)展對銀行系統(tǒng)性風(fēng)險的影響機制與異質(zhì)效應(yīng)，為監(jiān)管當(dāng)局和商業(yè)銀行更好地平衡金融科技發(fā)展帶來的機遇與挑戰(zhàn)提供了思路借鑒。

二、文獻綜述與理論分析

（一）文獻綜述

關(guān)于金融科技的研究可追溯至學(xué)者對電子金融的討論。近年來，隨著移動支付、智能投顧等業(yè)態(tài)興起，理論界和實踐界對金融科技的關(guān)注增加，并先后從內(nèi)涵界定、風(fēng)險監(jiān)管與影響作用三方面展開討論。內(nèi)涵界定方面，主流觀點認(rèn)為金融科技是將大數(shù)據(jù)、云計算、區(qū)塊鏈、人工智能等技術(shù)應(yīng)用于支付結(jié)算、資源配置、風(fēng)險管理、市場設(shè)施等領(lǐng)域的金融創(chuàng)新［5］。風(fēng)險監(jiān)管方面，由于金融科技在提高金融效率、豐富金融產(chǎn)品的同時也帶來了新增的技術(shù)風(fēng)險、法律風(fēng)險以及監(jiān)管風(fēng)險，因而，有必要從監(jiān)管體制、監(jiān)管科技、行業(yè)自律、企業(yè)內(nèi)控等維度，加強關(guān)于金融科技的監(jiān)管［1］。影響作用方面，金融科技利弊相依。觀其利好，金融科技不僅能夠緩解企業(yè)融資約束，提高企業(yè)創(chuàng)新活力［6］，而且可以降低市場信息不對稱，暢通貨幣政策傳導(dǎo)機制［7］，亦有助于優(yōu)化產(chǎn)業(yè)結(jié)構(gòu)，促進經(jīng)濟包容性增長［8］?？雌浔锥?，金融科技既未擺脫傳統(tǒng)的“金融創(chuàng)新悖論”困境，其存在的結(jié)構(gòu)性問題也會造成居民信息落差，甚或提升居民貧困概率，加深多維貧困程度［9］。

銀行系統(tǒng)性風(fēng)險自2008年全球金融危機爆發(fā)后迅速成為監(jiān)管層和學(xué)術(shù)界關(guān)注的焦點。致力于打開銀行系統(tǒng)性風(fēng)險“黑箱”的學(xué)者，主要從生成機理、傳染渠道與度量模型三個方面開展了研究。生成機理方面，Cont等［10］認(rèn)為金融體系固有的脆弱性、復(fù)雜性和順周期性是系統(tǒng)性風(fēng)險產(chǎn)生的根源，而單個銀行的償付危機或破產(chǎn)事件通常是系統(tǒng)性風(fēng)險爆發(fā)的起點。傳導(dǎo)渠道方面，Benoit等［4］強調(diào)金融機構(gòu)之間的業(yè)務(wù)關(guān)聯(lián)性、資產(chǎn)趨同性與信息傳染性為系統(tǒng)性風(fēng)險的擴散和外溢提供了渠道。度量模型方面，相比于關(guān)注特質(zhì)成因風(fēng)險的網(wǎng)絡(luò)模型法，市場模型法考慮的風(fēng)險更為全面，依賴的數(shù)據(jù)更易獲得。其中，Adrian等［11］提出的CoVaR法由于能直接估算單個金融機構(gòu)對系統(tǒng)性風(fēng)險的貢獻程度，因而在實證研究和監(jiān)管實踐中得到了廣泛應(yīng)用。但值得注意的是，現(xiàn)有文獻多采用分位數(shù)回歸法測算CoVaR，主要關(guān)注風(fēng)險之間的線性和對稱性相關(guān)關(guān)系，而忽視了尾部風(fēng)險的非線性、非對稱性相依結(jié)構(gòu)，致使風(fēng)險測算結(jié)果的準(zhǔn)確性有待提高［12］。

蓬勃發(fā)展的金融科技打破了傳統(tǒng)金融藩籬，給銀行體系帶來了全新的機遇與挑戰(zhàn)。在此背景下，關(guān)于金融科技發(fā)展對傳統(tǒng)金融體系的影響受到學(xué)術(shù)界廣泛重視，目前研究主要落腳于兩方面。其一，定性剖釋金融科技與傳統(tǒng)金融之間的競合互動關(guān)系。以謝平等［13］為代表的“替代論”觀點主張，發(fā)展?jié)摿薮蟮慕鹑诳萍紝⑷骖嵏矀鹘y(tǒng)金融。與之不同，以Murinde等［14］為代表的“互補論”觀點強調(diào)，金融科技與傳統(tǒng)金融在資金空間再匹配和時間再匹配等方面各有優(yōu)勢，未來必將會形成互有交集的共生格局。其二，定量考察金融科技發(fā)展對銀行經(jīng)營績效與風(fēng)險的影響。從技術(shù)溢出視角來看，沈悅等［15］發(fā)現(xiàn)金融科技發(fā)展通過學(xué)習(xí)效應(yīng)、競爭效應(yīng)、人才流動效應(yīng)與業(yè)務(wù)聯(lián)系效應(yīng)，顯著改善銀行了全要素生產(chǎn)率。Zhao等［16］亦證實金融科技發(fā)展雖然會侵蝕銀行盈利能力，但有助于提高銀行資本充足率和管理效率。從市場競爭視角來看，劉孟飛等［1718］認(rèn)為金融科技發(fā)展會加重銀行風(fēng)險承擔(dān)和風(fēng)險傳染，從而導(dǎo)致系統(tǒng)性風(fēng)險在銀行體系積累。

總體來看，既有文獻關(guān)于金融科技發(fā)展對銀行系統(tǒng)性風(fēng)險影響的分析相對匱乏。具體表現(xiàn)于以下方面：金融科技發(fā)展影響銀行系統(tǒng)性風(fēng)險的內(nèi)在機制尚未透徹，金融科技發(fā)展背景下銀行系統(tǒng)性風(fēng)險的測算方法仍待完善，各類金融科技發(fā)展模式對銀行系統(tǒng)性風(fēng)險的異質(zhì)影響暫未涉足，不同銀行對金融科技發(fā)展的差異響應(yīng)還需厘清。

（二）理論機制

根據(jù)文獻梳理可知，銀行系統(tǒng)性風(fēng)險的生成、傳染與銀行個體的風(fēng)險水平和銀行之間的業(yè)務(wù)關(guān)聯(lián)息息相關(guān)［4，10］。因此，本文通過闡述金融科技發(fā)展對銀行個體風(fēng)險和業(yè)務(wù)關(guān)聯(lián)的影響，揭示金融科技發(fā)展與銀行系統(tǒng)性風(fēng)險之間的聯(lián)系機理。

第一，金融科技發(fā)展會加劇銀行個體風(fēng)險，提高銀行系統(tǒng)性風(fēng)險的生成可能。銀行個體風(fēng)險的增加不僅源于銀行主觀風(fēng)險偏好的提升，也源于銀行被動風(fēng)險承擔(dān)的增多。其中，主觀風(fēng)險偏好上升體現(xiàn)在銀行為了維持目標(biāo)盈利或擴大市場份額，主動選擇放松信貸標(biāo)準(zhǔn)，提高風(fēng)險容忍度；被動風(fēng)險承擔(dān)增加則表現(xiàn)為由于經(jīng)濟、金融或技術(shù)等因素發(fā)生不利變化而導(dǎo)致銀行面臨和承擔(dān)的風(fēng)險加?。?9］。金融科技發(fā)展會通過下述渠道影響銀行主觀風(fēng)險偏好和被動風(fēng)險承擔(dān)。首先，金融科技發(fā)展壓縮了銀行紅利空間，推升了銀行主動風(fēng)險偏好。從體制紅利來看，金融科技會打破銀行市場壟斷地位，惡化銀行存款結(jié)構(gòu)，分流銀行信貸業(yè)務(wù)，并侵蝕銀行非利息收入。從價格紅利來看，金融科技會助推存貸利率的市場化，抬高銀行攬儲成本，擠壓銀行利差空間［20］。面對體制紅利與價格紅利的消失，追求黏性目標(biāo)收益率的商業(yè)銀行會提高風(fēng)險容忍程度，降低信貸門檻，擴張杠桿水平［18］。其次，金融科技發(fā)展擴大了金融風(fēng)險來源，增加了銀行被動風(fēng)險承擔(dān)。金融科技迅速發(fā)展的背景下，金融風(fēng)險來源更為復(fù)雜，分布更為泛化，形式更為多樣［21］。這致使銀行不僅面臨著傳統(tǒng)的信用風(fēng)險、市場風(fēng)險與流動性風(fēng)險，還會遭遇新型的信息風(fēng)險、技術(shù)風(fēng)險與合規(guī)風(fēng)險。由此可知，金融科技發(fā)展通過增加銀行個體風(fēng)險提高了銀行系統(tǒng)性風(fēng)險的爆發(fā)概率。

第二，金融科技發(fā)展會強化銀行業(yè)務(wù)關(guān)聯(lián)，擴大銀行系統(tǒng)性風(fēng)險的傳染效應(yīng)。銀行間業(yè)務(wù)關(guān)聯(lián)的加深既包括直接關(guān)聯(lián)的強化，也涵蓋間接關(guān)聯(lián)的增多。其中，直接關(guān)聯(lián)是由銀行間同業(yè)拆借業(yè)務(wù)、支付結(jié)算業(yè)務(wù)形成的直接關(guān)聯(lián)網(wǎng)絡(luò)；間接關(guān)聯(lián)則是由資產(chǎn)結(jié)構(gòu)相似、風(fēng)險預(yù)期相近或市場信息傳染而形成的間接關(guān)聯(lián)網(wǎng)絡(luò)［19］。金融科技發(fā)展會經(jīng)由多種路徑影響銀行之間的直接關(guān)聯(lián)和間接關(guān)聯(lián)。首先，金融科技抬高了銀行攬儲難度，促進了銀行之間的直接關(guān)聯(lián)。相對于傳統(tǒng)銀行服務(wù)，金融科技服務(wù)由于具有便捷性、普惠性、定制性等優(yōu)勢而迅速吸引了大量客戶［20］。客戶流失導(dǎo)致銀行資金來源受限，為滿足流動性需求，銀行同業(yè)拆借頻繁發(fā)生。在此情形下，若某家銀行遭遇極端風(fēng)險或陷入危機，則與其存在債權(quán)債務(wù)聯(lián)系的其他銀行不可避免地會受到流動性沖擊或資金損失。其次，金融科技強化了銀行行為的同質(zhì)性，提高了銀行之間的間接關(guān)聯(lián)。鑒于基礎(chǔ)數(shù)據(jù)和底層算法趨同，大數(shù)據(jù)、人工智能等技術(shù)的發(fā)展和應(yīng)用會使不同的銀行產(chǎn)生相近的風(fēng)險預(yù)期，持有類似的風(fēng)險資產(chǎn)，或采用相同的風(fēng)險管理模式，從而容易引起市場的“同頻共振”［17］。再者，金融科技多主體、多節(jié)點、多網(wǎng)絡(luò)的特性也會造成金融業(yè)務(wù)跨界融合，交易鏈條相互交織。這不僅會加深金融產(chǎn)品之間、金融機構(gòu)之間以及金融市場之間的關(guān)聯(lián)性，促使銀行風(fēng)險沿著資金鏈、信用鏈擴散，還會導(dǎo)致業(yè)務(wù)流轉(zhuǎn)變?yōu)閿?shù)據(jù)流、信息流，提升銀行風(fēng)險跨行業(yè)、跨市場和跨地域的傳染?？梢?，金融科技發(fā)展帶來的銀行業(yè)務(wù)關(guān)聯(lián)提升會放大銀行系統(tǒng)性風(fēng)險的溢出效應(yīng)。

綜上所述，金融科技發(fā)展經(jīng)由加劇銀行個體風(fēng)險和促進銀行業(yè)務(wù)關(guān)聯(lián)兩條機制，提高了銀行系統(tǒng)性風(fēng)險的生成概率與溢出效應(yīng)，由此顯著增加了銀行系統(tǒng)性風(fēng)險。金融科技發(fā)展對銀行系統(tǒng)性風(fēng)險的影響機制如圖1所示。

圖1?金融科技發(fā)展對銀行系統(tǒng)性風(fēng)險的影響機制

（三）模型推演

1．模型設(shè)定

為驗證前述分析的科學(xué)性，本文在Dell’Ariccia等［2223］研究成果的基礎(chǔ)上，將金融科技與風(fēng)險傳染引入經(jīng)典的銀行道德風(fēng)險模型框架，通過構(gòu)建內(nèi)生的系統(tǒng)性風(fēng)險變量，推演金融科技發(fā)展對銀行系統(tǒng)性風(fēng)險的影響機制。模型的基本假設(shè)條件如下：

（1）銀行體系假設(shè)。銀行部門由n家風(fēng)險中性、有限責(zé)任的同質(zhì)銀行組成。代表性銀行i通過從資本市場和家庭部門籌集資金，并將這些資金分配至信貸資產(chǎn)與同業(yè)資產(chǎn)的過程中，實現(xiàn)利潤最大化。為提高經(jīng)營穩(wěn)定性，降低投資違約率，銀行i需要付出一定的監(jiān)督努力［22］。單位資產(chǎn)的監(jiān)督成本可表述為cp2i/2，其中，c為監(jiān)督成本系數(shù)，pi為銀行i的監(jiān)督努力程度。

（2）資金來源假設(shè)。銀行i的資金規(guī)模標(biāo)準(zhǔn)化為1單位，其中，存款占比為1-k，資本占比為k。杠桿水平越高，銀行i轉(zhuǎn)嫁風(fēng)險的動機越強，因此，杠桿水平1/k可用于衡量銀行i的道德風(fēng)險。隨著存款保險制度的建立和完善，中國存款保險基本上可以覆蓋商業(yè)銀行的絕大多數(shù)存款。鑒于此，可將存款利率rDi視為無風(fēng)險利率r。此外，在資本成本高于存款利率的情況下，資本的資金成本可寫為rKi=（r+ε）/pi，其中，ε為股權(quán)風(fēng)險溢價，ε≥0。

（3）資金流向假設(shè)。銀行i的資產(chǎn)包括信貸資產(chǎn)與其持有的關(guān)于銀行j的同業(yè)資產(chǎn)，其中，信貸資產(chǎn)占比為1-α，收益率為rL，同業(yè)資產(chǎn)占比為α，收益率為rI。需要強調(diào)的是，銀行同業(yè)資產(chǎn)占比主要是由外部環(huán)境如監(jiān)管政策約束和市場競爭強度等因素決定。監(jiān)管政策越嚴(yán)格，市場競爭越激烈，銀行對同業(yè)業(yè)務(wù)的依賴程度越高，銀行間的業(yè)務(wù)關(guān)聯(lián)越緊密［24］。據(jù)此，借鑒陳國進等［24］的做法，假定對于銀行i而言，同業(yè)資產(chǎn)占比α外生。

（4）風(fēng)險傳染假設(shè)。銀行i面臨信貸違約和同業(yè)違約兩類風(fēng)險。與Dell’Ariccia等［23］的做法相近，為刻畫由業(yè)務(wù)關(guān)聯(lián)導(dǎo)致的風(fēng)險傳染和系統(tǒng)性風(fēng)險，單位信貸資產(chǎn)和單位同業(yè)資產(chǎn)的收益分別為pi［1－δ（1－pj）］rL和pj［1－δ（1－pi）］rI。其中，δ為風(fēng)險傳染概率，δ/α≥0，表示業(yè)務(wù)關(guān)聯(lián)越緊密，風(fēng)險傳染概率越高

陳國進等［24］指出，同業(yè)業(yè)務(wù)雖有助于緩解銀行流動性約束，但也造成同業(yè)機構(gòu)的過度關(guān)聯(lián)和資產(chǎn)趨同，成為風(fēng)險傳染的重要渠道。；pj為銀行j的監(jiān)督努力程度；δ（1－pj）為銀行j投資失敗并將且風(fēng)險傳染至銀行i的概率；δ（1－pi）為銀行i投資失敗并將風(fēng)險傳染至銀行j的概率。由此可知，銀行i在選擇監(jiān)督努力程度pi時，會關(guān)注其他銀行的風(fēng)險高低及銀行之間的風(fēng)險傳染。因此，考慮業(yè)務(wù)關(guān)聯(lián)與風(fēng)險傳染的情形下，pi實質(zhì)上反映了銀行i對系統(tǒng)性風(fēng)險的監(jiān)督努力程度，pi越高，銀行i的系統(tǒng)性風(fēng)險水平越低。

（5）金融科技假設(shè)。理論分析顯示，金融科技不僅會提高銀行個體的道德風(fēng)險，還會強化銀行之間的業(yè)務(wù)關(guān)聯(lián)。為展現(xiàn)金融科技的影響，參照戰(zhàn)明華等［7］的處理辦法，假定銀行個體的道德風(fēng)險與金融科技發(fā)展（FT）正相關(guān)，即1/k=γ（FT），滿足γ（FT）/FT≥0。同時，假定銀行之間的同業(yè)關(guān)聯(lián)與金融科技發(fā)展正相關(guān)，即α=α（FT），滿足α（FT）/FT≥0。這一設(shè)定有助于清晰地捕捉金融科技發(fā)展通過銀行個體風(fēng)險和業(yè)務(wù)關(guān)聯(lián)對銀行系統(tǒng)性風(fēng)險的影響機制。

2．模型求解

在有限責(zé)任制度保護下，代表性銀行i僅在投資成功時償付資金成本，但無論投資是否成功，其都需要承擔(dān)相應(yīng)的監(jiān)督成本［22］。據(jù)此，將代表性銀行i的最優(yōu)化問題描述為

maxπpi=（1－α）pi［1－δ（1－pj）］rL+αpj［1－δ（1－pi）］rI－（1－k）pirDi－kpirKi－cpi2/2（1）

前述假設(shè)的系列約束條件代入目標(biāo)函數(shù)式（1）后，將銀行預(yù)期利潤π對決策變量監(jiān)督努力程度pi求一階條件，可得

［1－α（FT）］［1－δ（1－pj）］rL+α（FT）pjδrI－［1－1/γ（FT）］r=cpi（2）

式（2）表示監(jiān)督努力的預(yù)期邊際凈收益與預(yù)期邊際成本相等時，可以確定模型最優(yōu)解。進一步，結(jié)合納什均衡的對稱條件，可以求得代表性銀行對系統(tǒng)性風(fēng)險的監(jiān)督努力程度p：

p={［1－α（FT）］（1－δ）rL－［1－1/γ（FT）］r}/{c－［1－α（FT）］δrL－α（FT）δrI}（3）

根據(jù)式（3）可知，銀行的系統(tǒng)性風(fēng)險主要來源于兩部分，一是銀行有限責(zé)任導(dǎo)致的道德風(fēng)險，二是銀行業(yè)務(wù)關(guān)聯(lián)導(dǎo)致的外溢風(fēng)險。在此基礎(chǔ)上，為刻畫金融科技發(fā)展對銀行系統(tǒng)性風(fēng)險的影響，令式（3）對FT求一階偏導(dǎo)，可得

p/FT=［p/γ（FT）］［γ（FT）/FT］+［p/α（FT）］［α（FT）/FT］≤0（4）

具體而言，式（4）中，p/γ（FT）=-r/［Δ1γ（FT）2］＜0，Δ1=c－［1－α（FT）］δrL－α（FT）δrI>

0；p/α（FT）=［（1－δ）rL（δrL－c）－Δ2δ（rI－rL）］/Δ21+δ/α（FT）{［1－α（FT）］rL（Δ3－c）－Δ2Δ3}/Δ21＜0，Δ2=［1－1/γ（FT）］r>0，Δ3=rL+α（FT）（rI－rL）>0

根據(jù)不考慮風(fēng)險傳染的銀行道德風(fēng)險模型可知c>（1－α）rL+αrI－γ（1－β）r，由此可推出等式中的第二項為負。。

由式（4）可以看出，金融科技發(fā)展會降低銀行對系統(tǒng)性風(fēng)險的監(jiān)督努力程度，提高銀行系統(tǒng)性風(fēng)險水平。其中，等式右端第一項為“個體風(fēng)險加劇效應(yīng)”，意味著金融科技發(fā)展通過加重銀行個體經(jīng)營風(fēng)險，提升了銀行體系的內(nèi)在脆弱性，進而從“源頭”上增加了銀行系統(tǒng)性風(fēng)險的生成概率。等式右端第二項為“業(yè)務(wù)關(guān)聯(lián)增多效應(yīng)”，表明金融科技發(fā)展通過強化銀行業(yè)務(wù)聯(lián)系，拓寬了風(fēng)險在銀行間的傳染路徑，由此從“渠道”上放大了銀行系統(tǒng)性風(fēng)險的溢出效應(yīng)。

綜合前述理論分析與模型推演，本文提出如下研究假說：

假說1：金融科技發(fā)展會顯著提高銀行系統(tǒng)性風(fēng)險。

假說2：金融科技發(fā)展主要經(jīng)由加劇個體風(fēng)險與強化業(yè)務(wù)關(guān)聯(lián)兩條機制提高銀行系統(tǒng)性風(fēng)險。

三、實證研究設(shè)計

（一）樣本選擇與數(shù)據(jù)來源

本文以2011年第一季度—2020年第四季度中國主板上市的36家商業(yè)銀行為研究樣本。銀行股價波動和財務(wù)狀況的數(shù)據(jù)主要來源于Wind數(shù)據(jù)庫，少數(shù)缺失數(shù)據(jù)由銀行季報信息予以補充。城市金融科技發(fā)展水平的基礎(chǔ)數(shù)據(jù)源于百度網(wǎng)頁源代碼列示的新聞數(shù)量。

（二）實證模型與估計策略

1．實證模型

本文實證分析的核心在于驗證金融科技發(fā)展對銀行系統(tǒng)性風(fēng)險的影響及其作用機制。因此，構(gòu)建如下遞進方程組成的中介效應(yīng)模型：

SRit=α0+α1FTit+α2Xit－1+ui+st+εit?（5）

MEit=β0+β1FTit+β2Xit－1+ui+st+εit（6）

SRit=γ0+γ1FTit+γ2MEit+γ3Xit－1+ui+st+εit?（7）

其中，被解釋變量SRit表示銀行i在時期t的系統(tǒng)性風(fēng)險水平；核心解釋變量FTit表示銀行i總部所在城市在時期t的金融科技發(fā)展水平；中介變量MEit包括銀行i的個體經(jīng)營風(fēng)險IRit以及銀行i的同業(yè)業(yè)務(wù)占比INit；Xit－1表示銀行層面的系列控制變量；εit表示隨機誤差項。此外，為減弱銀行層面和時間層面不可觀測因素的影響，本文還在計量方程中加入了銀行固定效應(yīng)ui和季度固定效應(yīng)st。需要強調(diào)的是，為控制變量內(nèi)生造成的實證偏誤，本文對控制變量進行了滯后一期處理。

2．估計策略

考慮到銀行各項經(jīng)營管理活動存在相互聯(lián)系，因此，以銀行系統(tǒng)性風(fēng)險、銀行個體風(fēng)險、銀行同業(yè)規(guī)模占比為被解釋變量的實證模型之間可能具有擾動項相關(guān)性問題。在此情況下，基于可行廣義最小二乘法（FGLS）的似不相關(guān)估計量不但可以充分利用擾動項之間的相關(guān)性，提高估計效率，還能夠通過不斷迭代使實證結(jié)果收斂。為此，后文將采用迭代似不相關(guān)回歸技術(shù)（SURi）進行機制檢驗。

（三）變量定義與描述性統(tǒng)計

1．銀行系統(tǒng)性風(fēng)險：GRJGARCHCouplaCoVaR模型

根據(jù)Adrian等［11］的定義，CoVaR指當(dāng)某一金融機構(gòu)遭受損失時，其他金融機構(gòu)或整個金融體系可能遭遇的最大損失。在1－α的置信水平下，當(dāng)金融機構(gòu)i遭受損失VaRiα?xí)r，金融體系（sys）的條件在險價值（CoVaRsysiα）可表述為

Pr（rsys≤CoVaRsysiαri=VaRiα）=α（8）

其中，Pr（·）表示條件概率函數(shù)；rsys表示金融體系的收益率；ri表示金融機構(gòu)i的收益率。根據(jù)式（8）可依次求出金融機構(gòu)i對系統(tǒng)性風(fēng)險的絕對貢獻值（ASRi）和相對貢獻率（BSRi）：

ASRi=CoVaRsysiα－VaRsysα（9）

BSRi=（CoVaRsysiα－VaRsysα）/VaRsysα×100%?（10）

其中，VaRsysα表示金融體系的無條件在險價值。

由上述定義可知，CoVaR本質(zhì)上是變量rsys關(guān)于變量ri條件分布函數(shù)的α分位數(shù)，因此，求解CoVaR的前提在于擬合變量的邊緣分布函數(shù)以及條件分布函數(shù)。文獻中常見的擬合方法包括分位數(shù)回歸法與Coupla連接函數(shù)法。為有效捕捉尾部風(fēng)險的非線性和非對稱相關(guān)關(guān)系，借鑒王輝等［12］的思路，將GRJGARCH模型和二元Coupla連接函數(shù)引入條件在險價值框架，通過構(gòu)建GRJGARCHCouplaCoVaR模型衡量銀行系統(tǒng)性風(fēng)險水平，具體構(gòu)建步驟如下：

（1）基于GRJGARCH模型，擬合變量的邊緣分布函數(shù)。為刻畫好信息和壞信息對資產(chǎn)價格的非對稱沖擊，學(xué)者在GARCH模型的基礎(chǔ)上，提出了如下的GRJGARCH模型：

rt=μt+εt?，εt=σtξt

σ2t=α0+αε2t－1+λε2t－1I（εt－1＜0）+βσ2t－1（11）

其中，rt、μt、εt和σ2t依次表示資產(chǎn)收益率及其均值、殘差、殘差的條件方差。ξt為與σ2t相互獨立的白噪聲；ε2t－1I（εt－1＜0）為GRJGARCH項，I（·）為示性函數(shù)，εt－1＜0時取1，εt－1≥0時取0。

采用式（11）所示的GRJGARCH模型擬合變量ri和rsys，得到白噪聲序列的邊緣分布函數(shù)Tdi（ξi）和Tdsys（ξsys）

由于金融資產(chǎn)收益率具有“尖峰厚尾”特點，因而，實際研究中通常假定ξt服從T分布而不是正態(tài)分布。。

以此為基礎(chǔ)，可求解變量ri和rsys的無條件在險價值VaRiα和VaRsysα。

（2）基于二元Coupla技術(shù)，擬合變量的聯(lián)合分布函數(shù)。根據(jù)Coupla函數(shù)定義與Sklar定理可知，若邊緣分布函數(shù)Tdi（ξi）和Tdsys（ξsys）的聯(lián)合分布函數(shù)為T（ξi，ξsys），則存在唯一的Coupla函數(shù)C（·）使下式成立：

T（ξi，ξsys）=C［Tdi（ξi），Tdsys（ξsys）］（12）

對聯(lián)合分布函數(shù)求密度函數(shù)，則可將式（12）變換為

t（ξi，ξsys）=c［Tdi（ξi），Tdsys（ξsys）］ti（ξi）tsys（ξsys）（13）

其中，t（ξi，ξsys）、c［Tdi（ξi），Tdsys（ξsys）］、ti（ξi）和tsys（ξsys）依次表示聯(lián)合分布函數(shù)T（ξi，ξsys）、Coupla函數(shù)、邊緣分布函數(shù)Tdi（ξi）與Tdsys（ξsys）的密度函數(shù)。

由此可知，在邊緣分布函數(shù)和密度函數(shù)已知的情況下，通過選擇合適的二元Coupla連接函數(shù)，便可推出聯(lián)合分布函數(shù)T（ξi，ξsys）和聯(lián)合密度函數(shù)t（ξi，ξsys）。

（3）基于條件分布函數(shù)，推導(dǎo)求解CoVaR的數(shù)值。由密度函數(shù)的定義可知，ξsys關(guān)于ξi的條件密度函數(shù)可表示為tsysi（ξsysξi）=t（ξi，ξsys）/ti（ξi）。將其代入式（13），化簡可得

tsysi（ξsysξi）=c［Tdi（ξi），Tdsys（ξsys）］tsys（ξsys）（14）

對式（14）求積分，得到白噪聲序列ξsys關(guān)于ξi如下的條件分布函數(shù)：

Tsysi（ξsysξi）=∫ξsys－∞c［Tdi（ξi），Tdsys（ξsys）］tsys（ξsys）dξsys（15）

根據(jù)CoVaR的定義，當(dāng)Tdi（ξi）=α且Tsysi（ξsysξi）=α?xí)r，式（15）中白噪聲序列ξsys所對應(yīng)的收益率rsys即為CoVaRsysiα。進一步，將CoVaRsysiα代回式（9）（10），便可求得銀行i對系統(tǒng)性風(fēng)險的絕對貢獻值A(chǔ)SR和相對貢獻率BSR。需要說明的是，直接計算出的ASR和BSR通常為負數(shù)。為便于分析，采用文獻常見的做法，對二者取絕對值，其值越大表示銀行系統(tǒng)性風(fēng)險水平越高。

圖2?2011—2020年中國上市商業(yè)銀行系統(tǒng)性風(fēng)險的歷史走勢

注：將樣本銀行四個季度的系統(tǒng)性風(fēng)險水平進行平均，得到銀行系統(tǒng)性風(fēng)險的年度數(shù)據(jù)。

以此為基礎(chǔ)，運用Matlab?R2018b軟件編程測算中國36家上市商業(yè)銀行的系統(tǒng)性風(fēng)險水平。從圖2的結(jié)果可以看出，樣本銀行的系統(tǒng)性風(fēng)險水平具有顯著的時變性。2013年市場流動性緊張之際，樣本銀行的系統(tǒng)性風(fēng)險水平顯著提升。2015年股價大幅下跌時期，樣本銀行的系統(tǒng)性風(fēng)險水平增長至歷史高位。2016年以后，在中央銀行宏觀審慎評估體系的約束下，銀行系統(tǒng)性風(fēng)險上升的勢頭得到有效遏制。然而，受2018年中美貿(mào)易摩擦的影響，樣本銀行的系統(tǒng)性風(fēng)險又有回升的趨勢?？梢姡贕RJGARCHCouplaCoVaR模型估測的銀行系統(tǒng)性風(fēng)險走勢，與中國現(xiàn)實吻合。

2．金融科技

本文采用文本挖掘方法和Python爬蟲技術(shù)，通過如下四個步驟構(gòu)建季度層面的城市金融科技發(fā)展指數(shù)。

（1）文本分詞：立足投入產(chǎn)出視域，劃分發(fā)展維度，建立初始詞庫。金融穩(wěn)定理事會（FSB）［5］指出，金

融科技作為技術(shù)驅(qū)動的金融創(chuàng)新，其發(fā)展既離不開大數(shù)據(jù)、人工智能等技術(shù)投入，亦離不開移動支付、網(wǎng)絡(luò)借貸等創(chuàng)新產(chǎn)出。為此，本文將城市金融科技劃分為技術(shù)投入和創(chuàng)新產(chǎn)出兩個維度，通過閱讀《金融科技（FinTech）發(fā)展規(guī)劃（2019—2021）》、歷年《中國金融科技運行報告》、《“十三五”國家科技創(chuàng)新規(guī)劃》、《大數(shù)據(jù)產(chǎn)業(yè)發(fā)展規(guī)劃（2016—2020）》，確立如表1所示的金融科技關(guān)鍵詞庫。

（2）文本抽?。哼\用網(wǎng)絡(luò)爬蟲技術(shù)，搜索新聞數(shù)量，量化初始詞庫。編寫Python腳本語言，爬蟲百度搜索引擎的網(wǎng)頁源代碼，分季度分城市地統(tǒng)計每一關(guān)鍵詞的新聞發(fā)布數(shù)，將其作為指數(shù)構(gòu)建的基礎(chǔ)。比如，確立2020年第一季度的時間區(qū)間，鍵入“北京”+“大數(shù)據(jù)”，便可爬取到該季度內(nèi)容包含北京大數(shù)據(jù)的新聞數(shù)。

（3）文本合成：使用熵值法確定權(quán)重，構(gòu)建城市金融科技發(fā)展指數(shù)。首先，加總每個城市技術(shù)投入維度和創(chuàng)新產(chǎn)出維度內(nèi)各關(guān)鍵詞的新聞數(shù)，同時為降低數(shù)據(jù)右偏分布帶來的干擾，參考Guo等［25］的做法，對上述加總后的新聞數(shù)進行對數(shù)變換。其次，為保證指數(shù)的可比性，應(yīng)用最大最小化處理將上述數(shù)據(jù)標(biāo)準(zhǔn)化至0～100之間，依次得到城市金融科技技術(shù)投入指數(shù)（FTI）以及金融科技創(chuàng)新產(chǎn)出指數(shù)（FTO）。最后，按照熵值法確定的權(quán)重，對技術(shù)投入指數(shù)和創(chuàng)新產(chǎn)出指數(shù)進行求和，得到城市金融科技發(fā)展總指數(shù)（FT）。FTI、FTO與FT的數(shù)值越大，表示城市金融科技技術(shù)投入、創(chuàng)新產(chǎn)出和整體發(fā)展水平越高。

（4）文本評價：基于縱向演進與橫向比較維度，評價城市金融科技發(fā)展指數(shù)的測度結(jié)果。依據(jù)文本挖掘法測算的金融科技發(fā)展走勢結(jié)果如圖3所示。從縱向演進維度來看，金融科技發(fā)展總指數(shù)從2011年的9.665增加至2020年的53.703，年均增速高達20.99%，意味著近年來中國金融科技發(fā)展水平整體較快。從橫向比較維度來看，2011—2017年金融科技技術(shù)投入指數(shù)的數(shù)值高于金融科技創(chuàng)新產(chǎn)出指數(shù)，表明該期間基礎(chǔ)技術(shù)投入是金融科技發(fā)展的主要驅(qū)動力；2018—2020年金融科技創(chuàng)新產(chǎn)出指數(shù)迅速提升，逐漸超出金融科技技術(shù)投入指數(shù)，說明在前期技術(shù)投入的基礎(chǔ)上，中國金融科技創(chuàng)新產(chǎn)出的效率有所改善。

3．中介變量

根據(jù)理論推演，實證分析的中介變量包括銀行個體風(fēng)險與銀行業(yè)務(wù)關(guān)聯(lián)。對于銀行個體風(fēng)險，本文首先選擇杠桿水平（IRL）作為代理變量。穩(wěn)健性檢驗中，進一步采用Z值（IRZ）作為替代變量。具體計算時，參考郭品等［20］的做法，對Z值進行取倒數(shù)與取對數(shù)調(diào)整以直觀反映銀行個體風(fēng)險的高低。IRL和IRZ的數(shù)值越大，銀行個體風(fēng)險越高。

對于銀行業(yè)務(wù)關(guān)聯(lián)，本文借鑒潘彬等［27］的做法，首先選擇同業(yè)資產(chǎn)占比（INA）表征資產(chǎn)配置過程中銀行之間的關(guān)聯(lián)性。INA由買入返售與存放同業(yè)總規(guī)模占資產(chǎn)總額的比重衡量。穩(wěn)健性檢驗中，進一步使用同業(yè)負債占比（INL）反映資金來源過程中銀行之間的業(yè)務(wù)關(guān)聯(lián)。INL由賣出返售與同業(yè)存放總規(guī)模占負債總額的比重衡量。INA與INL的數(shù)值越大，某家銀行與其他銀行之間的關(guān)聯(lián)性越緊密。

4．控制變量

已有研究表明，銀行自身的資產(chǎn)負債特征會顯著驅(qū)動銀行對金融體系的系統(tǒng)性風(fēng)險溢出［18，28］。為此，實證模型引入如下四個控制變量：以資產(chǎn)總額的自然對數(shù)衡量的銀行資產(chǎn)規(guī)模（LNA），以凈利潤與總資產(chǎn)之比反映的銀行盈利能力（ROA），以貸款總額與存款總額之比衡量的銀行流動性（LDR），以非利息收入與總營業(yè)收入之比表示的銀行業(yè)務(wù)復(fù)雜程度（NII）

由于時間固定效應(yīng)模型有助于控制不隨銀行個體而變的宏觀經(jīng)濟變量的影響，因此，實證模型未納入宏觀層面的控制變量。。主要變量的描述性統(tǒng)計結(jié)果見表2。

四、實證分析結(jié)果

（一）基準(zhǔn)檢驗

金融科技發(fā)展對銀行系統(tǒng)性風(fēng)險影響的基準(zhǔn)回歸結(jié)果見表3。首先，對數(shù)據(jù)進行Wald異方差檢驗和Wooldridge自相關(guān)檢驗，結(jié)果顯示數(shù)據(jù)存在異方差與自相關(guān)。因此，回歸結(jié)果使用經(jīng)過異方差和自相關(guān)調(diào)整的面板校正標(biāo)準(zhǔn)誤。第（1）（2）列僅控制了季度固定效應(yīng)與銀行固定效應(yīng)，第（3）（4）列進一步添加了銀行層面的資產(chǎn)負債特征變量。可以看出，核心解釋變量FT的估計系數(shù)均為正，且具備統(tǒng)計意義和經(jīng)濟意義上的顯著性。具體而言，金融科技發(fā)展總指數(shù)每增加1個標(biāo)準(zhǔn)差，上市商業(yè)銀行對系統(tǒng)性風(fēng)險的貢獻值將提高157～226個單位，對系統(tǒng)性風(fēng)險的貢獻率將提高1377～1848個百分點。這些結(jié)果與假說1預(yù)期一致，證實了金融科技發(fā)展會加重銀行系統(tǒng)性風(fēng)險的觀點。金融科技發(fā)展帶來的市場競爭和技術(shù)創(chuàng)新會加劇銀行個體風(fēng)險并強化銀行之間的業(yè)務(wù)關(guān)聯(lián)，由此提高銀行系統(tǒng)性風(fēng)險的生成概率與溢出效應(yīng)，最終顯著增加銀行系統(tǒng)性風(fēng)險水平?？刂谱兞康幕貧w結(jié)果與已有研究基本一致，此處不予贅述。

（二）內(nèi)生性檢驗

1．考慮反向因果聯(lián)系帶來的內(nèi)生性

為緩解反向因果識別問題，本文首先使用金融科技發(fā)展總指數(shù)的一期滯后值替代當(dāng)期值重估式（5）。其次，參考Guo等［25］的處理思路，使用銀行總部所在城市的互聯(lián)網(wǎng)普及率和信息行業(yè)從業(yè)人員比重作為城市金融科技發(fā)展的工具變量，采用兩階段最小二乘法回歸式（5）城市互聯(lián)網(wǎng)普及率采用每萬人互聯(lián)網(wǎng)寬帶接入用戶數(shù)衡量；信息行業(yè)從業(yè)人員比重采用信息傳輸、計算機服務(wù)和軟件業(yè)從業(yè)人員數(shù)占城鎮(zhèn)單位從業(yè)人員期末人數(shù)的比重衡量；數(shù)據(jù)來源于歷年《中國城市統(tǒng)計年鑒》。。再者，借鑒Ding等［6］的做法，采用傾向得分匹配法（PSM）為處于金融科技發(fā)展水平良好地區(qū)的樣本銀行尋找與其相配比的其他銀行，隨后基于匹配樣本進行回歸?；貧w結(jié)果表明，在控制反向因果帶來的實證偏誤后，金融科技發(fā)展對銀行系統(tǒng)性風(fēng)險的驅(qū)動效應(yīng)仍舊存在囿于篇幅，未詳細列示內(nèi)生性和穩(wěn)健性檢驗結(jié)果，如有需要請與筆者聯(lián)系。。

2．考慮遺漏變量帶來的內(nèi)生性

為降低缺失變量引發(fā)的內(nèi)生性，本文首先設(shè)定并重估包含“季度—銀行類型”的高階聯(lián)合固定效應(yīng)模型，以減弱隨時間和銀行而變且無法直接觀測的其他因素的影響。其次，參考李雙建等［26］的做法，采用金融科技發(fā)展總指數(shù)的一階滯后項、二階滯后項與一階差分項作為工具變量，使用兩步系統(tǒng)廣義矩估計方法展開檢驗?；貧w結(jié)果與基準(zhǔn)檢驗結(jié)果相吻合，反映出不可觀測的缺失變量對本文基本研究結(jié)論的干擾較小。

（三）穩(wěn)健性檢驗

1．針對核心解釋變量的穩(wěn)健性檢驗

首先，經(jīng)濟發(fā)展較快的城市可能會由于媒體關(guān)注程度較高而出現(xiàn)重復(fù)新聞報道，導(dǎo)致該城市金融科技發(fā)展指數(shù)的數(shù)值較高。為減弱重復(fù)新聞報道的影響，采用城市金融科技總指數(shù)與城市人均GDP的比值替代原值進行回歸。其次，相對于業(yè)務(wù)集中在特定地區(qū)的城市商業(yè)銀行和農(nóng)村商業(yè)銀行而言，國有商業(yè)銀行和股份制商業(yè)銀行的經(jīng)營地域遍布全國。為降低銀行經(jīng)營地域的影響，參考李雙建等［26］的處理辦法，使用金融科技總指數(shù)的全國均值與國有商業(yè)銀行和股份制商業(yè)銀行匹配，使用總部注冊地所在城市的金融科技總指數(shù)與城市商業(yè)銀行和農(nóng)村商業(yè)銀行匹配，并重新回歸式（5）。

2．針對被解釋變量的穩(wěn)健性檢驗

首先，為降低系統(tǒng)性風(fēng)險時變走勢對實證發(fā)現(xiàn)的干擾，本文借鑒Hasan等［29］的實證思路，構(gòu)建并重估了包含年份虛擬變量D與金融科技發(fā)展總指數(shù)FT交互項的實證模型當(dāng)觀測值處于2013、2015、2016或2018年，虛擬變量D取值為1，否則為0。。此外，參考張琳等［28］的思路，剔除銀行系統(tǒng)性風(fēng)險異常波動的2013、2015、2016和2018年的樣本后重估式（5）。其次，為減弱系統(tǒng)性風(fēng)險極端值引發(fā)的擾動，本文對銀行層面的變量進行了1%與99%分位數(shù)上的Winsorize處理。同時，將GRJGARCHCouplaCoVaR模型觀測的時間跨度延長至半年和一年，即分別基于2011—2020年上市商業(yè)銀行的半年度和年度數(shù)據(jù)，測算系統(tǒng)性風(fēng)險水平與金融科技發(fā)展總指數(shù)。

3．針對研究樣本的穩(wěn)健性檢驗

首先，新股上市初期，股價可能會出現(xiàn)異常波動。為緩解股價異常波動對實證結(jié)果的干擾，本文在刪除上市當(dāng)季的銀行樣本后重新估計了式（5）。其次，為避免潛在的樣本選擇問題，本文剔除了連續(xù)觀測數(shù)值少于6個季度的銀行樣本?；貧w結(jié)果表明，在控制重復(fù)新聞報道、銀行經(jīng)營地域、系統(tǒng)性風(fēng)險時變特征、系統(tǒng)性風(fēng)險極端數(shù)值、當(dāng)季上市樣本以及連續(xù)觀測數(shù)值不足樣本的潛在影響后，本文研究結(jié)論依舊穩(wěn)健。

五、機制檢驗與異質(zhì)性分析

（一）機制檢驗

首先，檢驗銀行個體風(fēng)險的中介效應(yīng)，結(jié)果見表4。第（1）（4）列中，核心解釋變量FT的估計系數(shù)為正，且在1%的水平上顯著。這與預(yù)期一致，表明金融科技發(fā)展會顯著增加銀行個體的杠桿風(fēng)險與破產(chǎn)風(fēng)險。第（2）（3）（5）（6）列中，中介變量IRL與IRZ的系數(shù)均顯著為正，說明隨著銀行個體風(fēng)險積累，銀行系統(tǒng)性風(fēng)險水平將顯著提高。與此同時，核心解釋變量FT的系數(shù)大小及顯著程度相比于表3第（3）（4）列有所下降，意味著在控制銀行個體風(fēng)險的影響后，金融科技發(fā)展對銀行系統(tǒng)性風(fēng)險的邊際驅(qū)動效應(yīng)變?nèi)?。整體來看，上述結(jié)果支持了假說2的觀點，證實金融科技發(fā)展會加重銀行個體經(jīng)營風(fēng)險，提升銀行體系的內(nèi)在脆弱性，進而從“源頭”上增加銀行系統(tǒng)性風(fēng)險的生成概率。

其次，檢驗銀行業(yè)務(wù)關(guān)聯(lián)的中介效應(yīng)，結(jié)果見表5。從第（1）（4）列結(jié)果不難發(fā)現(xiàn)，核心解釋變量FT的

估計系數(shù)在1%的水平上顯著為正，說明快速發(fā)展的金融科技確實會強化銀行之間的資產(chǎn)負債業(yè)務(wù)聯(lián)系。第（2）（5）（6）列中，中介變量INA與INL的估計系數(shù)顯著大于0，而核心解釋變量FT的系數(shù)大小及顯著程度相比于表3第（3）（4）列明顯降低。這些結(jié)果表明，以銀行業(yè)務(wù)關(guān)聯(lián)為傳導(dǎo)變量的中介效應(yīng)存在，即金融科技發(fā)展會通過促進銀行之間的業(yè)務(wù)關(guān)聯(lián)，提高銀行系統(tǒng)性風(fēng)險水平。此外還需注意的是，雖然變量INA的估計系數(shù)在第（3）列中不顯著，但其Sobel檢驗Z統(tǒng)計量的數(shù)值為1.01，超出了5%顯著性水平上的臨界值0.97Sobel檢驗的統(tǒng)計量Z值并不遵循標(biāo)準(zhǔn)的正態(tài)分布，其在5%顯著性水平上的臨界值約為0.97。。因此，變量INA的中介傳導(dǎo)效應(yīng)也具備統(tǒng)計顯著性。上述結(jié)果符合假說2的預(yù)期，表明金融科技發(fā)展通過強化銀行業(yè)務(wù)聯(lián)系，拓寬了風(fēng)險在銀行間的傳染路徑，繼而從“渠道”上放大了銀行系統(tǒng)性風(fēng)險的溢出效應(yīng)。

（二）異質(zhì)性分析

1．基于金融科技技術(shù)投入與創(chuàng)新產(chǎn)出的異質(zhì)性分析

為檢驗金融科技技術(shù)投入與創(chuàng)新產(chǎn)出的異質(zhì)影響，本部分將以金融科技技術(shù)投入指數(shù)（FTI）與金融科技創(chuàng)新產(chǎn)出指數(shù)（FTO）為核心解釋變量重估式（5），并借鑒Acquaah［30］的思路，采用組間差異T檢驗方法判斷系數(shù)差異的顯著性。

根據(jù)表6的結(jié)果可以看出，首先，變量FTI與FTO的回歸系數(shù)均為正，且具備統(tǒng)計顯著性。這意味著無論是增加技術(shù)投入還是提高創(chuàng)新產(chǎn)出，金融科技發(fā)展均會顯著加重銀行系統(tǒng)性風(fēng)險。其次，組間差

異T檢驗結(jié)果顯示，當(dāng)被解釋變量為ASR時，F(xiàn)TI的估計系數(shù)比FTO的估計系數(shù)低0.031，

該系數(shù)差異在1%的水平上顯著。同樣，當(dāng)被解釋變量為BSR時，F(xiàn)TI的回歸系數(shù)比FTO的回歸系數(shù)低0.256，該系數(shù)差異在5%的水平上顯著。可見，相對于技術(shù)投入，金融科技創(chuàng)新產(chǎn)出對銀行系統(tǒng)性風(fēng)險的驅(qū)動效應(yīng)更為強烈。造成該結(jié)果的可能原因是，與大數(shù)據(jù)、人工智能等技術(shù)相比，移動支付、智能投顧等創(chuàng)新業(yè)務(wù)會更為直接地分流銀行客戶并強化銀行同業(yè)關(guān)聯(lián)，從而更加顯著地加重銀行系統(tǒng)性風(fēng)險。

2．基于銀行產(chǎn)權(quán)類型的異質(zhì)性檢驗

為探究金融科技的影響在不同產(chǎn)權(quán)的銀行之間是否具有差異，本部分將金融科技發(fā)展指數(shù)與銀行產(chǎn)權(quán)類型虛擬變量（S）的交互項引入實證方程（5），并重新進行回歸。當(dāng)樣本銀行為國有商業(yè)銀行時，虛擬變量S取值為1；當(dāng)樣本銀行為非國有商業(yè)銀行時，S取值為0。

表7依次列示了以金融科技發(fā)展總指數(shù)FT、金融科技技術(shù)投入指數(shù)FTI以及金融科技創(chuàng)新產(chǎn)出指數(shù)FTO為核心解釋變量的估計結(jié)果?？梢钥闯?，金融科技發(fā)展指數(shù)與銀行產(chǎn)權(quán)類型虛擬變量交互項的估計系數(shù)均為正，且至少通過了5%水平下的顯著性檢驗。這些結(jié)果說明金融科技發(fā)展對銀行系統(tǒng)性風(fēng)險的驅(qū)動效應(yīng)在國有商業(yè)銀行中表現(xiàn)更強。一方面，與非國有商業(yè)銀行相比，國有商業(yè)銀行擁有更多的政府隱性擔(dān)保和市場勢力［3］，享有更多的體制紅利和價格紅利。因此，金融科技發(fā)展帶來的市場競爭會更為強烈地觸動國有商業(yè)銀行的紅利空間，增加國有商業(yè)銀行的個體風(fēng)險和業(yè)務(wù)關(guān)聯(lián)。另一方面，與非國有商業(yè)銀行相比，國有商業(yè)銀行的技術(shù)實力和人才儲備更雄厚［26］，適應(yīng)、運用金融科技創(chuàng)新技術(shù)的速度更敏捷。因而，金融科技發(fā)展帶來的新興技術(shù)和數(shù)據(jù)算法會導(dǎo)致國有商業(yè)銀行之間的風(fēng)險管理行為更加趨同，風(fēng)險資產(chǎn)聯(lián)系更為緊密。

六、結(jié)論與啟示

在技術(shù)進步與市場競爭的共同推動下，金融服務(wù)與信息科技相互交織、深度融合。金融科技行業(yè)前沿日新月異，業(yè)態(tài)創(chuàng)新層見疊出，既為中國金融發(fā)展增添了新動力，亦給金融安全帶來了新挑戰(zhàn)。目前，學(xué)術(shù)界已涌現(xiàn)出一批關(guān)于金融科技發(fā)展對傳統(tǒng)商業(yè)銀行影響的研究成果，但針對金融科技發(fā)展與銀行系統(tǒng)性風(fēng)險之間關(guān)系的探討還相對匱乏。有鑒于此，本文將金融科技與風(fēng)險傳染約束納入經(jīng)典的銀行道德風(fēng)險模型框架，厘清了金融科技發(fā)展影響銀行系統(tǒng)性風(fēng)險的理論機制。在此基礎(chǔ)上，構(gòu)建GRJGARCHCouplaCoVaR模型測算銀行系統(tǒng)性風(fēng)險水平，采用文本挖掘法衡量金融科技發(fā)展走勢，并基于2011—2020年中國36家上市商業(yè)銀行的季度面板數(shù)據(jù)進行實證檢驗。研究得出如下三點結(jié)論：第一，金融科技發(fā)展顯著提高了銀行系統(tǒng)性風(fēng)險，該結(jié)論在一系列內(nèi)生性和穩(wěn)健性檢驗后依舊成立。第二，快速發(fā)展的金融科技，一方面會增加銀行個體的風(fēng)險水平，從“源頭”上提升銀行系統(tǒng)性風(fēng)險的生成概率；另一方面會強化銀行之間的業(yè)務(wù)關(guān)聯(lián)，從“渠道”上放大銀行系統(tǒng)性風(fēng)險的溢出效應(yīng)。第三，相對于技術(shù)投入，金融科技創(chuàng)新產(chǎn)出對銀行系統(tǒng)性風(fēng)險的驅(qū)動效應(yīng)更為顯著；相對于非國有銀行，國有銀行的系統(tǒng)性風(fēng)險水平受金融科技發(fā)展的影響更為強烈。本文研究不僅有助于全面理解金融科技與商業(yè)銀行之間的競合互動關(guān)系，而且對于平衡金融科技發(fā)展帶來的機遇與挑戰(zhàn)、維護金融穩(wěn)健運行具有重要的政策啟示。

首先，對于監(jiān)管當(dāng)局而言，應(yīng)加強金融科技審慎監(jiān)管，嚴(yán)防金融科技發(fā)展可能引發(fā)的系統(tǒng)性金融風(fēng)險。金融科技尤其是金融科技創(chuàng)新業(yè)務(wù)在推動金融轉(zhuǎn)型升級的同時，顯著提高了金融行業(yè)的系統(tǒng)性風(fēng)險。因而，監(jiān)管機構(gòu)應(yīng)加大金融科技監(jiān)管力度，建立健全金融科技風(fēng)險防范長效機制。一是強化持續(xù)性監(jiān)管。圍繞基礎(chǔ)通用的技術(shù)應(yīng)用，應(yīng)明確交易安全、信息保護、信息披露等監(jiān)管規(guī)則，實現(xiàn)技術(shù)風(fēng)險、信息風(fēng)險以及網(wǎng)絡(luò)風(fēng)險的全面監(jiān)管，增強金融科技監(jiān)管的持續(xù)性與覆蓋性。二是提升穿透式監(jiān)管。針對動態(tài)復(fù)雜的創(chuàng)新業(yè)務(wù)，應(yīng)盡早厘清業(yè)務(wù)背后的數(shù)據(jù)算法和主體結(jié)構(gòu)，有效連接各類業(yè)務(wù)的資金來源、中間環(huán)節(jié)與最終流向，根據(jù)業(yè)務(wù)性質(zhì)制定市場準(zhǔn)入、資本補充、風(fēng)險準(zhǔn)備、風(fēng)險補償、市場退出等專項監(jiān)管要求，確保金融科技監(jiān)管的針對性與穿透性。三是注重規(guī)范性監(jiān)管。借助人工智能、數(shù)據(jù)挖掘等監(jiān)管科技，實時收集、整理、共享金融科技業(yè)務(wù)的數(shù)據(jù)流、信息流和資金流，并據(jù)此展開強度適宜、類型規(guī)范、規(guī)則簡明的監(jiān)管行為，實現(xiàn)金融科技創(chuàng)新與維護金融穩(wěn)健的有機平衡。

其次，對于商業(yè)銀行而言，在強化金融科技賦能的同時，應(yīng)做好新技術(shù)應(yīng)用風(fēng)險防范。快速發(fā)展的金融科技不僅會增加銀行個體風(fēng)險水平，還會提升銀行系統(tǒng)性風(fēng)險隱患。因此，在金融科技發(fā)展呈現(xiàn)業(yè)態(tài)多樣、關(guān)聯(lián)增強、創(chuàng)新加速、風(fēng)險顯現(xiàn)等特征的情況下，商業(yè)銀行應(yīng)盡快適應(yīng)市場環(huán)境的變化，鞏固擴大競爭優(yōu)勢，增強風(fēng)險抵御能力。一是夯實發(fā)展基礎(chǔ)。商業(yè)銀行應(yīng)緊密關(guān)注金融科技行業(yè)的動態(tài)變化，充分了解金融科技的前沿技術(shù)，提前布局發(fā)展金融科技的技術(shù)基礎(chǔ)、數(shù)據(jù)儲備與人才隊伍。二是突破創(chuàng)新重點。商業(yè)銀行特別是中小型銀行應(yīng)結(jié)合市場需求和自身稟賦，穩(wěn)步開展業(yè)務(wù)創(chuàng)新、場景建設(shè)與技術(shù)研發(fā)，有序推進產(chǎn)品矩陣、客戶細分與風(fēng)險管理的數(shù)字化轉(zhuǎn)型。三是守住風(fēng)險底線。商業(yè)銀行應(yīng)制定關(guān)于金融科技發(fā)展應(yīng)用風(fēng)險的識別、預(yù)警與隔離機制，增強金融科技與內(nèi)部控制、組織流程等管理要素的有機互補，嚴(yán)防微觀、個體風(fēng)險向宏觀、系統(tǒng)性風(fēng)險轉(zhuǎn)化。

參考文獻：

［1］?BUCHAK?G，?MATVOS?G，?PISKORSKI?T，?et?al.FinTech，?regulatory?arbitrage，?and?the?rise?of?shadow?banks［J］.?Journal?of?Financial?Economics，?2018，?130：453483.

［2］?BUSHMAN?R?M，?WILLIAMS?C?D.?Delayed?expected?loss?recognition?and?the?risk?profile?of?banks［J］.?Journal?of?Accounting?Research，?2015，?53（3）：511553.

［3］?童中文，解曉洋，鄧熳利.?中國銀行業(yè)系統(tǒng)性風(fēng)險的“社會性消化”機制研究［J］.?經(jīng)濟研究，2018（2）：124139.

［4］?BENOIT?S，?COLLIARD?J?E，?HURLIN?C，?et?al.?Where?the?risks?lie：a?survey?on?systemic?risk［J］.?Review?of?Finance，?2017，?21（1）：109152．

［5］?Financial?Stability?Board.?Financialstability?implications?from?FinTech：supervisory?and?regulatory?issues?that?merit?authorities’?attention［R］.?Financial?Stability?Board?Research?Report，?2017.

［6］?DING?N，?GU?L?L，?PENG?Y?C.?Fintech，?financial?constraints?and?innovation：evidence?from?China［J］.?Journal?of?Corporate?Finance，?2022，?73：102194.

［7］?戰(zhàn)明華，湯顏菲，李帥.?數(shù)字金融發(fā)展、渠道效應(yīng)差異和貨幣政策傳導(dǎo)效果［J］.?經(jīng)濟研究，2020（6）：2238.

［8］?唐紅梅，趙軍.?數(shù)字普惠金融、產(chǎn)業(yè)結(jié)構(gòu)與包容性增長［J］.?當(dāng)代經(jīng)濟科學(xué)，2022（10）：115.

［9］?何宗樾，張勛，萬廣華.?數(shù)字金融、數(shù)字鴻溝與多維貧困［J］.?統(tǒng)計研究，2020（10）：7989.

［10］CONT?R，?MOUSSA?A，?SANTOS?E?B.?Network?structure?and?systemic?risk?in?banking?systems［M］//Handbook?on?systemic?risk.?Cambridge：Cambridge?University?Press，?2013：327368.

［11］ADRIAN?T，?BRUNNERMEIER?M?K.CoVaR［J］.?American?Economic?Review，?2016，?106（7）：17051741.

［12］王輝，梁俊豪.?基于動態(tài)因子Copula模型的我國銀行系統(tǒng)性風(fēng)險度量［J］.?金融研究，2020（11）：5875.

［13］謝平，鄒傳偉.?互聯(lián)網(wǎng)金融模式研究［J］.?金融研究，2012（12）：1122.

［14］MURINDE?V，?RIZOPOULOS?E，?ZACHARIADIS?M.?The?impact?of?the?FinTech?revolution?on?the?future?of?banking：opportunities?and?risks［J］.?International?Review?of?Financial?Analysis，?2022，?81（3）：127.

［15］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）：160175.

［16］ZHAO?J?S，?LI?X?H，?YU?CH，?et?al.?Riding?the?FinTech?innovation?wave：FinTech，?patents?and?bank?performance［J］.?Journal?of?International?Money?and?Finance，?2022，?122：102552.

［17］劉孟飛，羅小偉.?金融科技、風(fēng)險傳染與銀行業(yè)系統(tǒng)性風(fēng)險［J］.?經(jīng)濟社會體制比較，2022（3）：7287.

［18］王道平，劉楊婧卓，徐宇軒，等.?金融科技、宏觀審慎監(jiān)管與我國銀行系統(tǒng)性風(fēng)險［J］.?財貿(mào)經(jīng)濟，2022（4）：7184.

［19］方意，荊中博，吳姬，等.?非核心負債、尾部依賴與中國銀行業(yè)系統(tǒng)性風(fēng)險［J］.?世界經(jīng)濟，2020（4）：123144.

［20］郭品，沈悅.?互聯(lián)網(wǎng)金融、存款競爭與銀行風(fēng)險承擔(dān)［J］.?金融研究，2019（8）：5876.

［21］劉孟飛，奉潔，羅小偉.?監(jiān)管科技：技術(shù)驅(qū)動型金融監(jiān)管的理論邏輯與國際實踐［J］.?深圳社會科學(xué)，2021（5）：4960.

［22］DELL’ARICCIA?G，?LAEVEN?L，?SUAREZ?G?A.?Bank?leverage?and?monetary?policy’s?risktaking?channel：evidence?from?the?United?States［J］.?Journal?of?Finance，?2017，?72（2）：613654.

［23］DELL’ARICCIA?G，?RATNOVSKI?L.?Bailouts?and?systemic?insurance［J］.?Journal?of?Banking?and?Finance，?2019，?105（8）：166177.

［24］陳國進，蔣曉宇，劉彥臻，等.?資產(chǎn)透明度、監(jiān)管套利與銀行系統(tǒng)性風(fēng)險［J］.?金融研究，2021（3）：1837.

［25］GUO?P，?CHENG?M?Y，?SHEN?Y.FinTech?adoption?and?bank?risktaking：evidence?from?China［J］.?Applied?Economics?Letters，?2022，?29（10）：19.

［26］李雙建，田國強.?銀行競爭與貨幣政策銀行風(fēng)險承擔(dān)渠道：理論與實證［J］.?管理世界，2020（4）：149167.

［27］潘彬，王去非，易振華.?同業(yè)業(yè)務(wù)、流動性波動與中央銀行流動性管理［J］.?經(jīng)濟研究，2018（6）：2135.

［28］張琳，廉永輝，方意.?政策連續(xù)性與商業(yè)銀行系統(tǒng)性風(fēng)險［J］.?金融研究，2022（5）：95113.

［29］HASAN?I，?LIU?L?L，?SAUNDERS?A，?et?al.?Explicit?deposit?insurance?design：international?effects?on?bank?lending?during?the?global?financial?crisis［J］.?Journal?of?Financial?Intermediation，?2022，?51：100958.

［30］ACQUAAH?M.?Socialnetworking?relationships，?firmspecific?managerial?experience?and?firm?performance?in?a?transition?economy：a?comparative?of?family?owned?and?nonfamily?firms［J］.?Strategic?Management?Journal，?2012，?33（10）：12151228.

編輯：鄭雅妮，高原

Vol.?45No.?5Sept.?2023

The?Impact?of?FinTech?on?Bank?Systemic?Risk：?Theoretical?Mechanism?and?Empirical?Evidence

GUO?Pin，?CHENG?Maoyong，?SHEN?Yue

School?of?Economics?and?Finance，?Xi’an?Jiaotong?University，?Xi’an?710061，?China

Summary?Driven?by?technological?progress?and?market?competition，?financial?services?and?information?technology?are?deeply?intertwined?and?integrated.?The?rapidly?changing?FinTech?not?only?brings?a?new?impetus?to?financial?development?but?also?adds?new?challenges?to?financial?security.?In?this?context，?fastgrowing?literature?investigates?the?economic?consequences?of?FinTech?on?traditional?commercial?banks.?However，?to?the?best?of?our?knowledge，?research?considering?the?implications?of?FinTech?on?banks’?systemic?risk?is?scarce.

This?paper?addresses?this?gap?by?incorporating?FinTech?and?risk?contagion?constraints?into?the?classic?moral?hazard?model，?revealing?the?theoretical?mechanisms?through?which?FinTech?development?affects?banks’?systemic?risk.?Building?on?this?foundation，?we?employ?the?GRJGARCHCouplaCoVaR?model?to?quantify?banks’?systemic?risk?levels，?utilize?text?mining?methods?to?measure?FinTech’s?development，?and?conduct?empirical?tests?using?quarterly?data?from?listed?commercial?banks?in?China?from?2011?to?2020.?Our?findings?indicate?that?the?growth?of?FinTech?significantly?amplifies?banks’?systemic?risk?in?two?ways.?On?the?one?hand，?FinTech?increases?banks’?individual?risk，?therefore?improving?the?likelihood?of?the?occurrence?of?banks’?systemic?risk.?On?the?other?hand，?FinTech?strengthens?the?business?linkages?between?banks，?thus?amplifying?the?spillover?effects?of?banks’?systemic?risk.?Moreover，?we?demonstrate?that?the?innovation?output?of?FinTech?has?a?more?pronounced?effect?on?banks’?systemic?risk?compared?to?technology?input.?In?addition，?we?observe?that?stateowned?banks?are?more?susceptible?to?the?impact?of?FinTech?development?on?systemic?risk?compared?to?nonstateowned?banks.

This?study?makes?several?contributions?to?the?existing?literature.?First，?it?sheds?light?on?the?underexplored?association?between?FinTech?and?banks’?systemic?risk?by?incorporating?FinTech?into?a?bank?moral?hazard?model.?This?enrichment?of?research?provides?insights?into?the?competition?and?cooperation?dynamics?between?FinTech?and?commercial?banks.?Second，?we?extend?the?conventional?quantile?regression?method?by?proposing?the?GRJGARCHCouplaCoVaR?model?to?assess?systemic?risk.?This?approach?captures?the?nonlinear?and?asymmetric?relations?of?financial?risk，?thereby?enhancing?the?understanding?and?calculation?of?systemic?risk.

Through?an?indepth?examination?of?the?impact?mechanisms?and?heterogeneous?effects?of?FinTech?development?on?banks’?systemic?risk，?this?paper?offers?valuable?insights?to?regulatory?authorities?seeking?to?balance?opportunities?and?challenges?posed?by?FinTech?while?maintaining?financial?stability.?Furthermore，?commercial?banks?can?benefit?from?the?practical?guidance?on?strategically?integrating?FinTech?and?promoting?digital?transformation.

Keywords?FinTech;?commercial?bank;?systemic?risk;?risk?generation;?risk?spillover