互聯(lián)網(wǎng)金融對傳統(tǒng)金融影響的實證研究

戴澤興 關(guān)凱強 董春麗

摘要：選取2012年一季度至2017年一季度15家A股上市銀行的面板數(shù)據(jù)，通過主成分分析法分析商業(yè)銀行系統(tǒng)性風(fēng)險的影響要因素，并運用突變分析和向量自回歸模型（VAR）進(jìn)行單根檢驗、格蘭特檢驗、脈沖響應(yīng)函數(shù)和方差分解對互聯(lián)網(wǎng)金融對商業(yè)銀行系統(tǒng)性風(fēng)險具體影響機(jī)制進(jìn)行實證研究。得出結(jié)論：互聯(lián)網(wǎng)金融與傳統(tǒng)商業(yè)銀行業(yè)務(wù)之間既互相競爭又互利互補，互聯(lián)網(wǎng)金融的存在對中國傳統(tǒng)金融改革具有強制倒逼作用，促使了中國傳統(tǒng)金融機(jī)構(gòu)服務(wù)方式和業(yè)務(wù)模式日趨完善。

關(guān)鍵詞：互聯(lián)網(wǎng)金融；VAR模型；主成分分析法

一、引言

隨著信息技術(shù)的興起和電子商務(wù)的不斷發(fā)展，產(chǎn)生了新型金融業(yè)態(tài)模型——互聯(lián)網(wǎng)金融。新興的互聯(lián)網(wǎng)金融促進(jìn)了金融市場的優(yōu)化改革、增加了金融資源的優(yōu)化配置方式，也對傳統(tǒng)金融行業(yè)造成了一定的市場沖擊。傳統(tǒng)商業(yè)銀行主要通過吸收存款、發(fā)放貸款實行業(yè)務(wù)規(guī)模擴(kuò)張而投資獲利，而互聯(lián)網(wǎng)金融企業(yè)憑借其在成本、技術(shù)優(yōu)勢以及政府政策的支持和相對寬松的監(jiān)管優(yōu)勢，使傳統(tǒng)商業(yè)銀行在存貸方面及中間業(yè)務(wù)層面的利潤空間逐漸被侵蝕，間接地加大了傳統(tǒng)商業(yè)銀行操作性風(fēng)險。

近些年，國內(nèi)外諸多學(xué)者對于互聯(lián)網(wǎng)金融的展開了大量的研究，Berger（2003）研究了互聯(lián)網(wǎng)金融技術(shù)的進(jìn)步對金融業(yè)的影響，技術(shù)的進(jìn)步不僅提高了銀行服務(wù)質(zhì)量和多樣性，而且有助于促進(jìn)銀行業(yè)的整合。Lehar（2005）以監(jiān)管機(jī)構(gòu)對銀行的個人負(fù)債和對銀行資產(chǎn)的債權(quán)為標(biāo)的進(jìn)行建模，構(gòu)造了一種新的銀行系統(tǒng)風(fēng)險度量方法。Goodhart（2006）基于多國模型研究了系統(tǒng)性風(fēng)險的度量方法。李雪凈（2017）指出學(xué)互聯(lián)網(wǎng)金融對商業(yè)銀行的盈利存在門限效應(yīng)。楊敏等（2013）指出為避免因金融指標(biāo)選擇造成模型測量偏差，提出了包括外部沖擊指標(biāo)與銀行內(nèi)部經(jīng)營指標(biāo)，運用主成分分析法來測出整體銀行系統(tǒng)性風(fēng)險。戴國強（2014）通過數(shù)值模擬和模型分析，從影子銀行的角度研究，發(fā)現(xiàn)互聯(lián)網(wǎng)金融會增加銀行風(fēng)險。牛華勇（2015）認(rèn)為互聯(lián)網(wǎng)金融對國有銀行壟斷地位的沖擊非常有限，但對股份制銀行的影響效果卻非常明顯。吳詩偉等（2015）實證分析了，利率市場化和互聯(lián)網(wǎng)金融對商業(yè)銀行破產(chǎn)風(fēng)險及不良資產(chǎn)風(fēng)險的影響。

二、中美互聯(lián)網(wǎng)金融對傳統(tǒng)商業(yè)銀行影響的對比

目前，美國已經(jīng)建立起了相對成熟的三個獨立互聯(lián)網(wǎng)金融業(yè)務(wù)。一是傳統(tǒng)金融業(yè)務(wù)互聯(lián)網(wǎng)化；二是傳統(tǒng)金融支付體系的互聯(lián)網(wǎng)化；三是互聯(lián)網(wǎng)信用業(yè)務(wù)。21世紀(jì)隨著電子商務(wù)、互聯(lián)網(wǎng)技術(shù)的迅猛發(fā)展，新型互聯(lián)網(wǎng)金融應(yīng)運而生，第三方支付、網(wǎng)絡(luò)在線支付等新型支付體系在移動終端智能化的支持下飛速發(fā)展，目前主要流行的互聯(lián)網(wǎng)金融信用業(yè)務(wù)包含互聯(lián)網(wǎng)貨幣基金（如余額寶）、P2P、眾籌等。

近年來，在經(jīng)濟(jì)全球化、資產(chǎn)證券化等因素的影響下，我國的互聯(lián)網(wǎng)金融發(fā)展迅速，在提升金融行業(yè)服務(wù)質(zhì)量和效率、滿足多元化理財需求等方面展現(xiàn)出了很大的市場空間和發(fā)展?jié)摿Α?jù)中國互聯(lián)網(wǎng)金融協(xié)會統(tǒng)計數(shù)據(jù)顯示，目前我國互聯(lián)網(wǎng)金融發(fā)展主要有以下特點。

一是從快速發(fā)展轉(zhuǎn)入穩(wěn)定發(fā)展階段。二是金融業(yè)務(wù)較多，但行業(yè)占金融總量比較低，業(yè)態(tài)縱深分化發(fā)展趨勢日漸凸顯。三是互聯(lián)網(wǎng)金融“鯰魚效應(yīng)”明顯。以第三方支付交易規(guī)模增長為例，根據(jù)央行數(shù)據(jù)調(diào)查研究，從2012年起我國移動支付筆數(shù)增長超過20%且大幅呈上升趨勢。自2016年第三方支付交易規(guī)模高達(dá)近80萬億元，同比增長率接近300%，2016年移動支付占據(jù)第三方支付交易規(guī)模的74.7%；與此同時掃碼支付也迅速增長，2017年第一季度我國掃碼支付市場規(guī)模超過5800億元，同比增長606.8%，同時第三方支付從貨幣基金出發(fā)，逐漸向其他金融產(chǎn)品延伸，新的互聯(lián)網(wǎng)金融模式迅速崛起。

同美國相比，我國互聯(lián)網(wǎng)金融服務(wù)的發(fā)展對象相對比較單一。西方資本主義的特有屬性，使得美國銀行發(fā)展呈現(xiàn)多元化、縱深遠(yuǎn)的特點，不僅有資本雄厚的大銀行，也有規(guī)模較小的社區(qū)銀行和一些僅具備核心銀行業(yè)務(wù)服務(wù)功能的非銀行金融機(jī)構(gòu)，甚至目前還出現(xiàn)了一種沒有實體，主要通過互聯(lián)網(wǎng)拓展業(yè)務(wù)的新型純網(wǎng)絡(luò)銀行。但我國互聯(lián)網(wǎng)金融產(chǎn)業(yè)發(fā)展后發(fā)制人，呈現(xiàn)業(yè)態(tài)健康良好的發(fā)展趨勢，并逐漸由單一向多元化過渡，且市場潛力巨大。

三、互聯(lián)網(wǎng)金融對傳統(tǒng)商業(yè)銀行系統(tǒng)風(fēng)險的實證分析

（一）基于VAR模型下的實證分析

首先，互聯(lián)網(wǎng)金融產(chǎn)品包括中小企業(yè)在線融資、P2P網(wǎng)絡(luò)貸款等各種新興金融業(yè)務(wù)，但就資產(chǎn)端來說銀行的替代性融資規(guī)模尚小，特別是在面向中小企業(yè)等不同受眾人群時，互聯(lián)網(wǎng)金融產(chǎn)品的競爭力都較弱的，所以互聯(lián)網(wǎng)金融對銀行的資產(chǎn)端的影響并不是太明顯。其次，在負(fù)債端，大批互聯(lián)網(wǎng)金融產(chǎn)品的發(fā)展，以支付寶為例，它吸收了商業(yè)銀行的部分存款，從而影響了商業(yè)銀行的存貸比，增加了系統(tǒng)性風(fēng)險，但隨著利率市場化的推進(jìn)，互聯(lián)網(wǎng)金融不斷沖擊著銀行的利率，商業(yè)銀行為了更多吸引存貸款，不得不盡可能的降息降準(zhǔn)，因此資金獲取渠道的增加，使得投機(jī)者數(shù)量也隨之增加。最后利潤方面，第三方支付、理財產(chǎn)品等又進(jìn)一步蠶食了商業(yè)銀行的部分中間業(yè)務(wù)利潤?；ヂ?lián)網(wǎng)金融從根本上打破了銀行在交易和結(jié)算上的壟斷地位，改變了銀行與支付平臺之間的利潤分配比例，對銀行的系統(tǒng)性風(fēng)險有一定的影響。

模型數(shù)據(jù)的分析主要運用EVIEWS軟件，因代表性的變量指標(biāo)較多，為避免因指標(biāo)錯誤選擇而導(dǎo)致預(yù)測誤差估計，文章遵循楊敏等的理論，即選取外部沖擊指標(biāo)和內(nèi)部經(jīng)營指標(biāo)。通過主成分分析方法，得出整個銀行系統(tǒng)風(fēng)險主要的貢獻(xiàn)指標(biāo)。下面是具體指標(biāo)體系和數(shù)據(jù)源，如表1所示。

（二）銀行系統(tǒng)性風(fēng)險的測算與突變分析

1. 銀行系統(tǒng)性風(fēng)險的測算指標(biāo)提取

各指標(biāo)依次用Xi（x1，x2，…，xi）（i=1，2，…，10）表示。取得各指標(biāo)的季度數(shù)據(jù)（互聯(lián)網(wǎng)第三方支付比采用年度數(shù)據(jù)）

為了消除變量間的影響，先對數(shù)據(jù)進(jìn)行標(biāo)準(zhǔn)化。原始變量經(jīng)過標(biāo)準(zhǔn)化處理后變?yōu)閆X1、ZX2，…，Zp，特征向量用a1i、a2i，…，api （i=1，2，…，m）來表示。A=（aii）p×m，Rai=λiai，其中，特征值為λi，單位特征向量為ai，相關(guān)系數(shù)矩陣為R，最后求解出相關(guān)的系數(shù)。運用主成分分析法篩選后，保留下（1）（4）（5）（6）這四個指標(biāo)。同時為了分析其適應(yīng)性，通過SPSS軟件進(jìn)行檢驗，其KMO值為0.872，其大于0.8，而Bartlett檢驗的顯著性小于0.05，表明具有結(jié)構(gòu)效度，適合進(jìn)行主成分分析。下面是主成分分析結(jié)果，如表2所示。

如表2所示，基本主成分累計貢獻(xiàn)率在85%以上，應(yīng)保留上述指標(biāo)。在每個指標(biāo)中計算主成分權(quán)重系數(shù)，根據(jù)主成分矩陣，得到四個主成分權(quán)重系數(shù)，依次是互聯(lián)網(wǎng)第三方支付比、凈資產(chǎn)收益率、不良貸款率的增長率、銀行存款增長率。

2. 面板單位根P檢驗及Granger因果檢驗

由于樣本數(shù)據(jù)的時間較長，故需檢驗面板數(shù)據(jù)相關(guān)變量數(shù)據(jù)的平穩(wěn)性。文章主要采用Fisher-ADF法以及Fisher-PP法，以5%為臨界條件，對變量進(jìn)行單位根檢驗，檢驗結(jié)果如表3所示。

3. 模型估計

在進(jìn)行脈沖響應(yīng)函數(shù)分析之前，先進(jìn)行穩(wěn)定性試驗，其結(jié)果如圖1所示。

根據(jù)表3和圖1顯示，模型中單位根模的倒數(shù)都在單位圓內(nèi)，即該模型相對穩(wěn)定，可以進(jìn)一步應(yīng)用于脈沖響應(yīng)動力沖擊反應(yīng)分析。面板數(shù)據(jù)變量檢驗的結(jié)果表明npl、存款增長率（dgr）、凈資產(chǎn)收益率的增長率（Droe）、不良貸款率的增長率（Dnpl）四個變量在各截面上的時間序列是平穩(wěn)的，故可建立關(guān)于這四個變量的PVAR模型。由于EVIEWS不適用面板數(shù)據(jù)的VAR，故先用主成分分析進(jìn)行分類，然后對每一類進(jìn)行VAR操作，通過STATA混合模型修正。首先，通過軟件選擇相關(guān)的決定因素，建立模型并代入數(shù)據(jù)檢驗排出干擾因素，保留模型的合適系數(shù)和最優(yōu)的滯后階數(shù)，為防止偽回歸現(xiàn)象，通過單位根檢驗判斷變量序列的平穩(wěn)性，若平穩(wěn)則進(jìn)行Granger因果檢驗來確定變量之間的因果關(guān)系，否則采用EG兩步法和JJ檢驗進(jìn)行協(xié)整檢驗（非平穩(wěn)序列的因果關(guān)系檢驗）。單根的檢驗結(jié)果表明，其不存在單位根即所建立的模型是穩(wěn)定的，Granger因果檢驗結(jié)果表明，在5%的顯著性水平下，互聯(lián)網(wǎng)第三方支付比（ifr）與Dnpl、Droe存在Granger因果原因，但不是dgr的Granger原因，Dnpl是付比ifr的Granger因果原因。

在進(jìn)行模型的估計時，已知分組變量之間存在固定、隨機(jī)、混合效應(yīng)，故先使用組內(nèi)均值差分法去除時間效應(yīng)，然后用向前均值差分法去除個體效應(yīng)。鑒于不同類型的銀行資產(chǎn)規(guī)模和業(yè)務(wù)特點的差異會導(dǎo)致其受到第三方互聯(lián)網(wǎng)金融的影響不同，故文章分別依據(jù)大型商業(yè)銀行、中小股份制商業(yè)銀行的樣本數(shù)據(jù)重新構(gòu)建新的PVAR模型。重復(fù)上述操作，結(jié)果顯示模型依舊穩(wěn)定。大型商業(yè)銀行PVAR模型的Granger因果檢驗結(jié)果顯示，ifr不是其他三個變量的Granger原因，而只有Dnpl是ifr的Granger原因；而中小股份制商業(yè)銀行PVAR模型的Granger因果檢驗結(jié)果顯示，ifr是Dnpl、 Droe的格蘭杰原因，但不是dgr的Granger原因，其他三個變量都不是ifr的Granger原因。以下是兩個模型估計結(jié)果，如表4所示。

通過表4兩個模型第一方程（對Dnpl的著水平影響）的估計結(jié)果來看，其他幾個因素變量對大型商業(yè)銀行Dnpl的影響不顯著，最大不過其自身滯后1階Dnpl（-1）的0.461，即客觀地反映了互聯(lián)網(wǎng)金融對大型商業(yè)銀行不良貸款的增長影響可能性關(guān)聯(lián)并不是很大；而相反的是所有因素變量對中小股份制銀行的Dnpl的影響普遍顯著，尤其是以Dnpl（-1）和ifr（-1），即兩者的滯后1期水平影響最甚，分別為0.308、0.080。這兩個因素變量Dnpl（-1）和ifr（-1）與本期Dnpl呈現(xiàn)正相關(guān)關(guān)系，即客觀地反映了中小股份制銀行不良貸款的增長也受到了來自互聯(lián)網(wǎng)金融的較大影響，其中也考慮到自身慣性的影響。綜上所述，互聯(lián)網(wǎng)金融的發(fā)展的確對傳統(tǒng)商業(yè)銀行體系產(chǎn)生了一定的影響，特別是對于中小型股份制銀行而言，其自身貸款損失風(fēng)險增加。通過第二方程（對Droe的顯著水平影響）的估計結(jié)果來看，與上述相反的是，影響大型商業(yè)銀行Droe最顯著的因素變量是其自身滯后1 期的水平Droe（-1），為-0.435，且兩者之間呈現(xiàn)負(fù)相關(guān)關(guān)系。而其他幾個因素變量對其的影響卻不顯著，且其中ifr（-1）的影響僅0.031，影響系數(shù)最低，即表明了聯(lián)網(wǎng)金融的發(fā)展在對大型商業(yè)銀行盈利能力這方面的影響還是較弱的。影響中小股份制銀行Droe最顯著的變量是Droe（-1）和ifr（-1），即兩者的滯后1期水平影響最甚，分別為-0.222、-0.061，且兩者與本期Droe均呈現(xiàn)負(fù)相關(guān)關(guān)系。其中，ifr（-1），即滯后1期的ifr的影響系數(shù)約為-0.061，表明互聯(lián)網(wǎng)金融對中小股份制銀行盈利能力的沖擊較大型商業(yè)銀行更大，但仍較微弱。通過第三方程模型的估計結(jié)果來看，所有變量對兩類銀行dgr的影響顯著水平都較低，即表明互聯(lián)網(wǎng)金融的發(fā)展對傳統(tǒng)商業(yè)銀行體系存款業(yè)務(wù)影響并不是太大。通過第四方程模型的估計結(jié)果來看，對互聯(lián)網(wǎng)金融影響最大的除了自身ifr和滯后1階ifr（-1）外就是大型商業(yè)銀行Dnpl的1.064，表明大型商業(yè)銀行貸款業(yè)務(wù)行為的不規(guī)范可能是導(dǎo)致互聯(lián)網(wǎng)金融指數(shù)式增長的充分條件。

4. 脈沖響應(yīng)分析

選取ifr作為脈沖響應(yīng)分析沖擊響應(yīng)變量，并構(gòu)建以dgr、Dnpl、Droe為響應(yīng)變量的脈沖響應(yīng)函數(shù)，用以衡量三者在受到ifr的一個標(biāo)準(zhǔn)差沖擊后，系統(tǒng)特性的時域影響程度，然后描述出互聯(lián)網(wǎng)金融對傳統(tǒng)商業(yè)銀行影響的動態(tài)變化過程。圖 2和圖 3是ifr對三者所代表的各類型成分增長率影響的動態(tài)時間序列模型結(jié)果的可視化描述。數(shù)據(jù)時間期間為2012Q1至2017Q1。其中，橫軸表示以季度為時間單位的沖擊發(fā)生期數(shù)，共有21期（21個季度）；縱軸為是dgr、Dnpl、Droe在受到ifr的一個標(biāo)準(zhǔn)差沖擊后的響應(yīng)程度，如圖2和圖3所示。

從圖2和圖3可看出，兩類銀行各響應(yīng)變量的脈沖響應(yīng)程度在系統(tǒng)特性的時域中表現(xiàn)出的差異較為顯著。第一，從兩類銀行的dgr、Dnpl脈沖響應(yīng)值來看，二者隨時間推移變動軌跡和波動幅度都近似相同，但仔細(xì)對比會發(fā)現(xiàn)中小股份制銀行的脈沖響應(yīng)值的波動幅度較之更大，近似0.005，這表明了大型商業(yè)銀行在存款分流和貸款損失風(fēng)險較中小股份制銀行受互聯(lián)網(wǎng)金融沖擊的影響程度較小。第二，從兩類銀行Droe的脈沖響應(yīng)值來看，大型商業(yè)銀行在第二季度的脈沖響應(yīng)值呈現(xiàn)上升趨勢，在第四季度期間轉(zhuǎn)為下降并隨之降到0值以下，且在第四季度末下滑至最低點，之后呈現(xiàn)平穩(wěn)回升并趨近于0值；相較之，中小股份制銀行指標(biāo)對應(yīng)的脈沖響應(yīng)值便呈現(xiàn)急劇下降態(tài)勢且到第二季度末達(dá)到期間最低點，隨之在第二季度與第四季度期間內(nèi)呈現(xiàn)緩慢回升并且于第四季度后增大了回升速度，這表明此時互聯(lián)網(wǎng)金融對商業(yè)銀行的盈利能力開始產(chǎn)生不利的沖擊，其中對中小股份制銀行盈利能力不利沖擊較大，可能原因是新興互聯(lián)網(wǎng)金融剛開始對傳統(tǒng)金融市場業(yè)務(wù)進(jìn)行了沖擊，但是隨著政策制度的制定，而逐漸回緩。響應(yīng)曲線圖可以看出因素變量脈沖數(shù)值處于0以下，依舊反映了目前中國金融市場兩者之間還未找到平衡點，但是根據(jù)對未來值的預(yù)測，最終市場兩者之間會走向互利互補。

綜合分析脈沖響應(yīng)曲線圖（圖2和圖3），互聯(lián)網(wǎng)金融的發(fā)展在短期內(nèi)的確會增加商業(yè)銀行系統(tǒng)性風(fēng)險，但是從中長期來看，整體影響并不大，后期繼續(xù)估測可能會產(chǎn)生促進(jìn)作用。結(jié)合數(shù)據(jù)分析，可能原因是由于互聯(lián)網(wǎng)金融出現(xiàn)前期與傳統(tǒng)商業(yè)銀行之間未能找到平衡點，產(chǎn)生了相互抑制和替代關(guān)系。然而，互聯(lián)網(wǎng)金融在商業(yè)功能上并不能完全取代商業(yè)銀行的地位，兩者逐漸尋找平衡點，產(chǎn)生了互利共生，共同發(fā)展的良性關(guān)系。因此，互聯(lián)網(wǎng)金融的出現(xiàn)對金融改革有著良好的倒逼作用，優(yōu)化了中國金融行業(yè)組織，同時在一定程度上促進(jìn)了金融監(jiān)管的創(chuàng)新，而并非是對傳統(tǒng)商業(yè)銀行造成顛覆性的影響。

5. 方差分解

為進(jìn)一步論證變量之間的內(nèi)在影響機(jī)制關(guān)系，進(jìn)一步進(jìn)行分析，同樣以ifr作為影響變量，Dnpl、Droe、dgr作為反應(yīng)變量，考慮三者方差變動的貢獻(xiàn)度。大型商業(yè)銀行、中小股份制商業(yè)銀行的相關(guān)變量在受到ifr沖擊后的第10、20個預(yù)測期內(nèi)的方差分解結(jié)果如表5所示。

由表5可得，各因素變量的方差分解中，兩類銀行表現(xiàn)出明顯差異： ifr對大型商業(yè)銀行相應(yīng)變量的方差變動的貢獻(xiàn)度隨著預(yù)測期時間的延長呈現(xiàn)平穩(wěn)態(tài)勢，而對比中小股份制銀行的Dnpl方差變動的貢獻(xiàn)度而言，其隨著預(yù)測期時間的延長而快速增長。兩者的差異顯示出中小股份制銀行Dnpl對互聯(lián)網(wǎng)金融的響應(yīng)沖擊反應(yīng)更加敏感。通過對各因素變量的方差貢獻(xiàn)度的研究， ifr對大型商業(yè)銀行Dnpl、 Droe、dgr方差變動的貢獻(xiàn)度均在0.029以下；而ifr對中小股份制銀行Dnpl、Droe、dgr方差變動的貢獻(xiàn)度均在0.044以下。相比之下，ifr對大型商業(yè)銀行各因素變量方差變動的貢獻(xiàn)度相較于中小股份制銀行對應(yīng)的貢獻(xiàn)度較小，進(jìn)一步論證了中小股份制銀行總體上受互聯(lián)網(wǎng)金融沖擊的影響程度更大。

不良貸款率的貢獻(xiàn)率是銀行系統(tǒng)性風(fēng)險的最大貢獻(xiàn)源，但其貢獻(xiàn)隨時間逐漸減少。不良貸款率指標(biāo)是衡量金融機(jī)構(gòu)信貸資產(chǎn)安全狀況的重要指標(biāo)之一。不良貸款率高，金融機(jī)構(gòu)收回貸款風(fēng)險的就大；不良貸款率低，說明中小金融機(jī)構(gòu)不收回貸款的風(fēng)險小。銀行存款增長率的貢獻(xiàn)率是次要的，主要反映了銀行吸收存款的能力，較強的能力，相應(yīng)的資本成本可能較低。但其貢獻(xiàn)隨著時間的推移而減少，可能是由于增加了成本貢獻(xiàn)。成本增加，吸收存款的能力下降，進(jìn)而成本收入會變大。第三是資產(chǎn)收益率的增長，反映了銀行業(yè)務(wù)能力的強弱。從表5來看，其貢獻(xiàn)在逐漸增加。這表明，隨著時間的推移，互聯(lián)網(wǎng)金融的發(fā)展對商業(yè)銀行業(yè)務(wù)的發(fā)展起到了積極的推動作用。

6. 模型驗證

結(jié)果模型簡單得到，互聯(lián)網(wǎng)金融對商業(yè)銀行整體的沖擊具有“期限結(jié)構(gòu)效應(yīng)”，即初期影響較大，但是從中長期來看隨著時間的推移而逐漸減小，且更傾向于加劇中小股份制銀行的貸款損失風(fēng)險。而新興互聯(lián)網(wǎng)金融業(yè)務(wù)如支付寶第三方支付、P2P網(wǎng)絡(luò)貸款等在資產(chǎn)端和負(fù)債端都對傳統(tǒng)商業(yè)銀行的中間業(yè)務(wù)層面造成了影響，逐漸蠶食了商業(yè)銀行的市場勢力。綜上分析，數(shù)據(jù)結(jié)果驗證了目前主流的互聯(lián)網(wǎng)金融對于商業(yè)銀行系統(tǒng)性風(fēng)險影響的路徑為“互聯(lián)網(wǎng)金融—商業(yè)銀行資產(chǎn)負(fù)債結(jié)構(gòu)（特別是中小股份制銀行的影響）—商業(yè)銀行成本收入比—商業(yè)銀行系統(tǒng)性風(fēng)險”。即兩者有逐漸互補的趨勢，且互聯(lián)網(wǎng)金融對于傳統(tǒng)金融行業(yè)的改革有著很好的倒逼作用，在一定程度上促進(jìn)了金融監(jiān)管的創(chuàng)新和新型融資方式、投資項目及其產(chǎn)業(yè)分布、項目經(jīng)營的盈利性等的改革。

互聯(lián)網(wǎng)金融與商業(yè)銀行傳統(tǒng)業(yè)務(wù)的環(huán)境容量因為受到對方種群密度及外界影響而改變，是隨時間變化的序列曲線。環(huán)境容量曲線，可看作是時間分成許多均等且短小的時間段后再積分的過程，任何時間區(qū)內(nèi)，互聯(lián)網(wǎng)金融和商業(yè)銀行傳統(tǒng)業(yè)務(wù)的環(huán)境容量可近似看作為一個固定值。因而當(dāng)時，在時間內(nèi)，兩者高密度的增長環(huán)境符合Logistic方程。當(dāng)前，互聯(lián)網(wǎng)金融規(guī)模的增長趨勢已逐漸趨近于平滑曲線，即逐漸邁入成熟發(fā)展期，兩者均處于增長狀態(tài)，互聯(lián)網(wǎng)金融與商業(yè)銀行傳統(tǒng)業(yè)務(wù)的種群密度分別對應(yīng)著Logistic增長模型S曲線的兩個階段，表現(xiàn)出類似的發(fā)展變化形態(tài)，從側(cè)面反映出兩者間具有共生發(fā)展的聯(lián)系。

經(jīng)過驗證，接受原假設(shè)，即兩者之間均為正面影響，并且存在著非對稱的正向共生關(guān)系。進(jìn)而可論證，由于互聯(lián)網(wǎng)金融種群密度小于商業(yè)銀行業(yè)務(wù)的種群密度，在兩者逐漸的適應(yīng)和融合發(fā)展中，共生體系出現(xiàn)了新的共生能量，符合產(chǎn)生共生新能量的判據(jù)，體現(xiàn)了互聯(lián)網(wǎng)金融與傳統(tǒng)商業(yè)銀行存在著互利共生的關(guān)系。

四、結(jié)論

互聯(lián)網(wǎng)金融的發(fā)展背景下，商業(yè)銀行可采取的對策：1.改進(jìn)經(jīng)營模式，建立共生體系；2.實現(xiàn)信息共享，提高客戶黏性；3.明確內(nèi)部機(jī)制與發(fā)展規(guī)范；4.優(yōu)化政策與法律環(huán)境；5.征信系統(tǒng)的完善。

互聯(lián)網(wǎng)金融在本質(zhì)上屬于虛擬影子銀行的一種，對傳統(tǒng)商業(yè)銀行的傳統(tǒng)業(yè)務(wù)形成了諸多方面的挑戰(zhàn)，對銀行市場勢力產(chǎn)生了嚴(yán)重威脅。本文通過向量自回歸模型（VAR），分析對商業(yè)銀行造成影響的主成分因素，同時對系統(tǒng)風(fēng)險的產(chǎn)生機(jī)制進(jìn)行了實證分析。得出結(jié)論：互聯(lián)網(wǎng)金融行業(yè)與傳統(tǒng)商業(yè)銀行業(yè)務(wù)之間互相競爭但又互利互補，新興互聯(lián)網(wǎng)金融的存在對中國傳統(tǒng)金融改革具有強制倒逼作用，促使了中國傳統(tǒng)金融機(jī)構(gòu)服務(wù)方式和業(yè)務(wù)模式的日趨完善。相信，隨著中國互聯(lián)網(wǎng)金融理念、技術(shù)和模式等方面的不斷更新和進(jìn)步，傳統(tǒng)金融機(jī)構(gòu)的改革發(fā)展必然邁入新的臺階。合作關(guān)系終究會成為網(wǎng)絡(luò)金融發(fā)展的路徑與傳統(tǒng)金融選擇。

參考文獻(xiàn)：

[1]Berger A N.The economic effects of technological progress：evidence from the banking industry[J].Journal of Money Credit&Banking;，2003（35）.

[2]Lehar A.Measuring systemic risk：a risk management approach[J].Ssrm Electronic Journal，2005（10）.

[3]Goodhart C，Schonemarker D.Burden sharing in a banking crisis in Europe[J].Fmg Special Papers，2006（05）.

[4]李雪凈.互聯(lián)網(wǎng)金融對商業(yè)銀行盈利的門限效應(yīng)分析[J].經(jīng)濟(jì)論壇，2016（09）.

[5]楊敏，伍艷.我國信貸周期與銀行系統(tǒng)性風(fēng)險關(guān)系的實證研究[J].北京郵電大學(xué)學(xué)報（社會科學(xué)版），2013（03）.

[6]戴國強，方鵬飛.利率市場化與銀行風(fēng)險——基于影子銀行與互聯(lián)網(wǎng)金融視角的研究[J].金融論壇，2014（08）.

[7]牛華勇，閔德寅.互聯(lián)網(wǎng)金融對商業(yè)銀行的影響機(jī)制研究——基于新實證產(chǎn)業(yè)組織視角[J].河北經(jīng)貿(mào)大學(xué)學(xué)報，2015（03）.

[8]吳詩偉，朱業(yè)，李拓.利率市場化、互聯(lián)網(wǎng)金融與銀行——基于面板數(shù)據(jù)動態(tài)GMM方法的實證檢驗[J].金融經(jīng)濟(jì)學(xué)研究，2015（06）.

[9]艾瑞咨詢：2017年中國第三方支付市場監(jiān)測報告[R].http：//www.useit.com.cn/thread-16202-1-1.html.2017-08-16.

（作者單位：滁州學(xué)院數(shù)學(xué)與金融學(xué)院）