互聯網金融對我國商業(yè)銀行貸款的影響分析

李麗媛

【摘要】對于商業(yè)銀行而言，其貸款業(yè)務與互聯網金融不僅具有競爭關系，也具有合作關系。伴隨互金行業(yè)的發(fā)展，銀行貸款業(yè)務受到了極大的沖擊，同時倒逼銀行不斷創(chuàng)新和升級傳統(tǒng)的開展業(yè)務的模式。對于商業(yè)銀行而言，要充分應用互聯網技術，不斷調整原有的盈利模式，對信用與法制體系進行規(guī)范與完善，同時要加強與互聯網金融平臺的合作，對信貸體系進行不斷的完善。此外，有關部門還需進一步強化對金融市場的監(jiān)管，促使其實現更好的發(fā)展。

【關鍵詞】互聯網金融 商業(yè)銀行 貸款

引言

作為一種新興的金融活動的開展模式，互聯網金融自出現后開始從各個層面變革傳統(tǒng)的金融體系。在此背景下，商業(yè)銀行的各項業(yè)務的開展都受到了非常大的影響。為實現更好的發(fā)展，積極的應對新形勢所帶來的一系列的新挑戰(zhàn)，商業(yè)銀行也開始積極的擁抱互聯網，利用互聯網改進傳統(tǒng)的開展貸款等業(yè)務的模式。實際上，從細分業(yè)務的視角來看，互金行業(yè)的客戶群體大多是不被商業(yè)銀行所接納的客戶群，二者之間所產生的影響看似并不大。但是同屬金融體系的范疇，二者之間必然存在各種各樣的影響，本文在此采用實證分析方法對其進行研究。

一、模型構建與實證檢驗

（一）構建模型

為對本課題進行量化研究，本文選取了P2P網貸發(fā)展水平相對較高的八個省市，分別是江蘇、北京、浙江、四川和湖北、山東以及上海與廣東，并選擇了全國的總量數據。其中，選擇的評價指標主要是綜合利率r與成交量d，以二者作為解釋變量，被解釋變量Y是商業(yè)銀行的貸款數據，在此基礎上構建面板數據模型。其中，r和d來自網貸之家所公布的權威數據，Y來自國泰安數據庫?？紤]到區(qū)域之間發(fā)展P2P網貸的起步以及程度的差異，一些早期的數據并不完整。因此，本文選取數據的日期區(qū)間的是2016年3月到2017年3月。對于商業(yè)銀行而言，其貸款數據受宏觀經濟因素的影響，而本文在進行研究時，其重點主要是互金行業(yè)發(fā)展對其產生的影響。并且由于模型難度與數據匹配性等因素的影響。所以，在選擇模型的解釋變量方面，只選取了與互金行業(yè)發(fā)展相關的數據作為解釋變量指標。

在構建回歸模型之前，要檢驗和處理數據。在對數據進行取對數處理時，發(fā)現擬合優(yōu)度大大降低，從0.9823下降到0.7689。為解決這一問題，本文選擇統(tǒng)一網貸成交與商業(yè)銀行貸款數據的單位，將其統(tǒng)一設置為十億元單位，而不對其進行取對數處理。先采用一階差分法處理數據以后，再檢驗其單位根，結果發(fā)現數據均能夠通過單位根檢驗，而且相對比較平穩(wěn)。并且各項數據都具有非常明顯的線性關系，并不再具有顯著的二次項趨勢。綜合多種因素考慮，本文將初始模型設定為以下形式：

Yit=C+b1dit+b2rit+eit

其中，b，和玩是解釋變量的系數，e是殘差，Y是解釋變量，d和r表示的是網貸成交量以及綜合利率等。

（二）實證檢驗

首先，對模型進行單位根檢驗。在對數據進行確認以后，所有的數據都是同階但整，還要對數據之間是否具備長期關系進行檢驗。所以，再對其進行協整檢驗。

其次，由于原來的假設并不具備協整關系，即使其中一項的結果并不滿意。然而由于ADF與其他統(tǒng)計檢驗的P值都比0.05小，甚至一些比0.01還小，所以實際上對原假設進行拒絕。通過對其進行KAO檢驗，可以發(fā)現解釋與被解釋變量之間具有協整關系。在此前提下，就要對面板模型的類型進行明確，發(fā)現其屬于何種數據類型，并對其進行確認。

再次，回歸分析與誤差修正模型。先對上述模型進行回歸分析，然后分別構建混合模型和固定模型以及隨機效應模型與變系數模型等，對回歸結構進行對比，然后對其進行檢驗。此外，由于存在的長期均衡的協整關系，對于短期關系進行模型的修正，促使其精確度的提升，得出相應的回歸結果，如表2所示。

（三）計量結果

在對模型進行修正以后，擬合優(yōu)度得以提升，其值達到了0.74。而對于未修正的模型，其擬合優(yōu)度僅有0.67。從F檢驗來看，整體顯著性是46.2917，且P值是0，所以能夠通過顯著性檢驗。對于常數C而言，其t統(tǒng)計值是39.83，P值亦為0.這也說明該模型具有非常顯著的變量。并且其系數是136.5621，這也說明其與被解釋變量具有顯著的正相關關系。在綜合利率T統(tǒng)計下，其P值僅為0.08，顯著性并不高，而且其系數是106.3987，說明其與商業(yè)銀行的貸款規(guī)模具有正比例關系。對于成交量，在T檢驗下，其P值是0，可以通過該檢驗，解釋變量具有顯著性。但是成交量的系數是-14.3874，這也說明P2P網貸的成交量與與商業(yè)銀行的貸款規(guī)模成反向變動的關系。就當前時期的系數來看，其影響程度并不顯著，但是伴隨網貸成交規(guī)模的提升，會給商業(yè)銀行帶來很多無法規(guī)避的問題。

二、我國商業(yè)銀行貸款受互聯網金融發(fā)展的影響

（一）對商業(yè)銀行貸款規(guī)模的影響

首先，分析影響的結果。根據實證分析可以看出，在剔除其他因素的影響以后，P2P網貸利率的增加，會促進商業(yè)銀行貸款規(guī)模的擴大，綜合利率系數106.3987，說明據有一定程度的影響。隨著P2P網貸綜合利率的增加，需要付出的利息更多，其優(yōu)勢也會逐漸弱化[1]。資金需求者對于商業(yè)銀行貸款也更加重視，因此擴大了商貸規(guī)模。此外，P2P規(guī)模的增長使得成交量非常高，這也說明網絡投資者對于的數量逐漸增多，而且一些商貸的潛在客戶，也逐漸將目光投向網貸市場。成為P2P網貸平臺的客戶，增加了其成交量。由此可以得出，商貸與網貸的成交量存在替換關系，二者具有負相關性。

其次，影響的原因。P2P以及互金行業(yè)的發(fā)展會逐步深化對商業(yè)銀行貸款規(guī)模所產生的影響。主要原因在于網貸平臺所具有的諸多優(yōu)勢，主要體現在審核和期限等多個方面。相對而言，網貸平臺的標準比較低，可以吸納很多不符合銀行貸款標準的客戶，比如一些個人與中小微企業(yè)等[2]。這是商業(yè)銀行為確保其風控效果和經營成本而不具備的優(yōu)勢。所以，長遠來看，伴隨互金行業(yè)的發(fā)展，商業(yè)銀行所受到的影響還會進一步深化。就筆者所調研的數據來看，一些發(fā)達地區(qū)網貸的成交規(guī)模不斷攀升，并且可以借助互聯網的優(yōu)勢，其經營不再受傳統(tǒng)的時空限制，并且開展業(yè)務的成本也非常低。相對于互金行業(yè)來說，商業(yè)銀行在經營方面投入的成本相對比較高。伴隨行業(yè)格局的初步形成，P2P網貸公司也將逐步實現規(guī)模化和規(guī)范化的發(fā)展。這也使得傳統(tǒng)信貸業(yè)務在銀行經營中的地位發(fā)生了極大的改變。