利率市場(chǎng)化與金融科技發(fā)展降低了商業(yè)銀行風(fēng)險(xiǎn)嗎?

王依婷 王世文 周雷

摘 ? 要：運(yùn)用2011—2018年166家區(qū)域性商業(yè)銀行年報(bào)數(shù)據(jù)和北京大學(xué)數(shù)字金融研究中心基于螞蟻集團(tuán)用戶數(shù)據(jù)構(gòu)建的數(shù)字金融普惠指數(shù)，實(shí)證研究利率市場(chǎng)化、金融科技對(duì)商業(yè)銀行資產(chǎn)風(fēng)險(xiǎn)的影響，結(jié)果表明：利率市場(chǎng)化會(huì)增加商業(yè)銀行不良資產(chǎn)風(fēng)險(xiǎn);金融科技發(fā)展會(huì)導(dǎo)致商業(yè)銀行不良資產(chǎn)風(fēng)險(xiǎn)上升;金融科技在利率市場(chǎng)化和商業(yè)銀行資產(chǎn)風(fēng)險(xiǎn)之間發(fā)揮負(fù)向調(diào)節(jié)作用，即金融科技的發(fā)展會(huì)削弱利率市場(chǎng)化對(duì)銀行資產(chǎn)質(zhì)量的不良影響。在使用工具變量法進(jìn)一步檢驗(yàn)后，上述實(shí)證結(jié)果依然穩(wěn)健。最后，根據(jù)研究結(jié)論，提出了商業(yè)銀行要轉(zhuǎn)變經(jīng)營(yíng)模式，完善風(fēng)險(xiǎn)管理機(jī)制，充分發(fā)揮金融科技的賦能作用，實(shí)現(xiàn)多元化經(jīng)營(yíng)，提升差異化競(jìng)爭(zhēng)能力等建議。

關(guān) ?鍵 ?詞：利率市場(chǎng)化;金融科技;商業(yè)銀行風(fēng)險(xiǎn);數(shù)字普惠金融

中圖分類號(hào)：F832.1 ? ? ?文獻(xiàn)標(biāo)識(shí)碼：A ? ? ? 文章編號(hào)：2096-2517（2021）01-0029-12

DOI：10.16620/j.cnki.jrjy.2021.01.004

一、引言

近年來(lái)，金融科技在我國(guó)迅速發(fā)展，微信支付、余額寶、零錢通等一批新興的金融科技產(chǎn)品正在潛移默化地改變?nèi)藗兊闹Ц杜c理財(cái)方式。金融科技產(chǎn)品相比于受利率管制的傳統(tǒng)銀行來(lái)說(shuō)， 具有便捷、利率市場(chǎng)化等優(yōu)勢(shì)，分流了傳統(tǒng)銀行的優(yōu)質(zhì)客戶和儲(chǔ)蓄存款。以支付寶為例，自2004年成立支付寶公司始， 發(fā)展不到10年已成為世界上頂級(jí)移動(dòng)支付公司。經(jīng)過(guò)長(zhǎng)達(dá)16年的發(fā)展，其已服務(wù)超14億的全球用戶， 并覆蓋全球超38個(gè)國(guó)家和地區(qū)。 其旗下公司產(chǎn)品余額寶從2013年誕生之日起， 用了不到4年的時(shí)間，便發(fā)展成為全球貨幣基金中規(guī)模最大的產(chǎn)品。 根據(jù)2018年支付寶公司年報(bào)數(shù)據(jù)顯示，其旗下余額寶的6支貨幣基金的總體價(jià)值已近2萬(wàn)億元。黃益平等（2018）認(rèn)為我國(guó)金融科技正經(jīng)歷“野蠻式增長(zhǎng)”[1]。

利率市場(chǎng)化與金融科技的發(fā)展是科技、 經(jīng)濟(jì)、社會(huì)三者共同進(jìn)步的必然結(jié)果。戰(zhàn)明華等（2018）認(rèn)為互聯(lián)網(wǎng)金融發(fā)展對(duì)深化金融市場(chǎng)改革、優(yōu)化資源配置和促進(jìn)實(shí)體健康發(fā)展具有積極作用，但是給傳統(tǒng)銀行的發(fā)展帶來(lái)了威脅[2]。首先，利率市場(chǎng)化促使利差收窄，商業(yè)銀行利潤(rùn)減少，并且利率市場(chǎng)化改革給傳統(tǒng)銀行吸儲(chǔ)和放貸能力帶來(lái)威脅，加劇了銀行間競(jìng)爭(zhēng)，進(jìn)而增加商業(yè)銀行資產(chǎn)風(fēng)險(xiǎn)。其次，金融科技產(chǎn)品憑借其便捷、成本低、技術(shù)高和政府大力支持等優(yōu)勢(shì)，正逐步對(duì)傳統(tǒng)銀行中間業(yè)務(wù)和存貸等利潤(rùn)進(jìn)行分流， 這也直接加劇了傳統(tǒng)銀行間競(jìng)爭(zhēng)，傳統(tǒng)銀行不得不增加風(fēng)險(xiǎn)偏好水平，增加資產(chǎn)風(fēng)險(xiǎn)。最后，金融科技的發(fā)展，如余額寶等金融科技產(chǎn)品通過(guò)其自身優(yōu)勢(shì)將獲取的資金以協(xié)議方式投入到銀行間市場(chǎng)， 推動(dòng)了我國(guó)利率市場(chǎng)化進(jìn)程，給銀行發(fā)展帶來(lái)了壓力。銀行為了提升自身發(fā)展優(yōu)勢(shì)，也必須充分利用互聯(lián)網(wǎng)技術(shù)增強(qiáng)自身信息優(yōu)勢(shì)，提升風(fēng)險(xiǎn)管理水平，并通過(guò)線上銷售平臺(tái)來(lái)改變線下獲取客戶成本高、效果差的現(xiàn)象，降低成本，降低自身資產(chǎn)風(fēng)險(xiǎn)承擔(dān)。因此探究金融科技、利率市場(chǎng)化對(duì)銀行資產(chǎn)風(fēng)險(xiǎn)的影響， 對(duì)于防范商業(yè)銀行金融風(fēng)險(xiǎn)、維護(hù)金融穩(wěn)定具有重要的意義。

本文旨在探討利率市場(chǎng)化、金融科技發(fā)展對(duì)傳統(tǒng)商業(yè)銀行資產(chǎn)風(fēng)險(xiǎn)的影響。在先前學(xué)者研究的基礎(chǔ)上，針對(duì)區(qū)域性商業(yè)銀行進(jìn)行剖析，研究對(duì)象更聚焦，并且選用北京大學(xué)數(shù)字金融研究中心基于螞蟻集團(tuán)用戶數(shù)據(jù)構(gòu)建的數(shù)字金融普惠指數(shù)，指標(biāo)更科學(xué)和具有代表性。文章主要分為五部分，第一部分引言， 介紹金融科技發(fā)展背景以及研究利率市場(chǎng)化、金融科技與銀行資產(chǎn)風(fēng)險(xiǎn)關(guān)系的理論意義和現(xiàn)實(shí)意義。第二部分為文獻(xiàn)綜述，歸納梳理利率市場(chǎng)化、金融科技發(fā)展與銀行資產(chǎn)風(fēng)險(xiǎn)關(guān)系的國(guó)內(nèi)外相關(guān)文獻(xiàn)。第三部分為理論分析，從利率市場(chǎng)化與商業(yè)銀行資產(chǎn)風(fēng)險(xiǎn)關(guān)系、金融科技發(fā)展水平與商業(yè)銀行資產(chǎn)風(fēng)險(xiǎn)關(guān)系以及金融科技在利率市場(chǎng)化和商業(yè)銀行資產(chǎn)風(fēng)險(xiǎn)之間的調(diào)節(jié)作用等方面進(jìn)行理論分析并據(jù)此提出三個(gè)假設(shè)。 第四部分實(shí)證分析，采用固定效應(yīng)模型對(duì)面板數(shù)據(jù)進(jìn)行實(shí)證分析并進(jìn)行穩(wěn)健性檢驗(yàn)。 第五部分在前文研究基礎(chǔ)上得出結(jié)論，并從金融科技發(fā)展、利率市場(chǎng)化等方面提出防范商業(yè)銀行風(fēng)險(xiǎn)、維護(hù)金融穩(wěn)定等對(duì)策建議。

二、文獻(xiàn)綜述

關(guān)于利率市場(chǎng)化對(duì)商業(yè)銀行風(fēng)險(xiǎn)影響的研究文獻(xiàn)較為豐富， 但并沒(méi)有得出一致的結(jié)論。Marcus（1984）對(duì)二者關(guān)系進(jìn)行探究，提出了“特許權(quán)價(jià)值假設(shè)”， 認(rèn)為利率市場(chǎng)化會(huì)導(dǎo)致銀行間市場(chǎng)競(jìng)爭(zhēng)力加劇，將降低銀行的特許權(quán)價(jià)值，為了增加利潤(rùn)，銀行會(huì)提升自己的風(fēng)險(xiǎn)偏好[3]。除此之外，Delis等（2010）以歐元區(qū)銀行為研究對(duì)象，研究發(fā)現(xiàn)利率市場(chǎng)化大幅度提升了銀行的風(fēng)險(xiǎn)偏好，并且表外業(yè)務(wù)占比較高的銀行更傾向于承擔(dān)風(fēng)險(xiǎn)[4]。同時(shí)，劉生福等（2018）以我國(guó)115家銀行為研究對(duì)象，認(rèn)為利率市場(chǎng)化增加了商業(yè)銀行的破產(chǎn)風(fēng)險(xiǎn)[5]。Ariss（2010） 通過(guò)對(duì)60個(gè)發(fā)展中國(guó)家銀行進(jìn)行研究， 卻得出相反的結(jié)論[6]。Angkinand等（2010）研究發(fā)現(xiàn)利率市場(chǎng)化和銀行風(fēng)險(xiǎn)之間存在倒U型關(guān)系， 并且政府對(duì)資本的有效監(jiān)管有助于將這種影響弱化[7]。對(duì)于國(guó)內(nèi)學(xué)者來(lái)說(shuō)，張宗益等（2012）認(rèn)為，利率市場(chǎng)化水平的提高會(huì)提升商業(yè)銀行的經(jīng)營(yíng)風(fēng)險(xiǎn)，并不能直接對(duì)銀行信貸風(fēng)險(xiǎn)調(diào)整行為產(chǎn)生影響[8]。同樣，王道平等（2014）的研究表明利率市場(chǎng)化不一定提高銀行風(fēng)險(xiǎn)水平，與利率市場(chǎng)化改革效果有關(guān)系[9]。可以看出，在利率市場(chǎng)化對(duì)商業(yè)銀行資產(chǎn)風(fēng)險(xiǎn)的影響方面并沒(méi)有得出一致的結(jié)論。本文以我國(guó)166家區(qū)域性銀行為研究對(duì)象構(gòu)建指標(biāo)體系，收集2011—2018年數(shù)據(jù)進(jìn)行分析，時(shí)間跨度更久，可以對(duì)已有研究進(jìn)行彌補(bǔ)和拓展。

從金融科技發(fā)展對(duì)商業(yè)銀行資產(chǎn)風(fēng)險(xiǎn)影響的研究來(lái)看，由于受數(shù)據(jù)的限制，早期大多以理論分析和統(tǒng)計(jì)分析為主。例如，戴國(guó)強(qiáng)等（2014）指出互聯(lián)網(wǎng)金融將沖擊中國(guó)存款利率市場(chǎng)化進(jìn)程，影響銀行利潤(rùn)[10]。鄭志來(lái)（2015）利用全國(guó)層面的互聯(lián)網(wǎng)發(fā)展與銀行業(yè)務(wù)總量數(shù)據(jù)概述了互聯(lián)網(wǎng)金融對(duì)存款業(yè)務(wù)的擠壓效應(yīng)[11]。在隨后的研究中，沈悅等（2015）基于媒體詞匯統(tǒng)計(jì)，利用“文本挖掘法”構(gòu)建全國(guó)層面的互聯(lián)網(wǎng)指數(shù)， 并整合36家商業(yè)銀行的信息研究二者之間的關(guān)系，發(fā)現(xiàn)互聯(lián)網(wǎng)金融將提升銀行資金成本，加劇銀行風(fēng)險(xiǎn)承擔(dān)[12]。同樣，沈珊珊等（2019）也通過(guò)文本挖掘方法對(duì)互聯(lián)網(wǎng)指數(shù)進(jìn)行構(gòu)建，以18家商業(yè)銀行為研究對(duì)象，研究發(fā)現(xiàn)金融科技發(fā)展程度會(huì)直接對(duì)商業(yè)銀行資產(chǎn)風(fēng)險(xiǎn)產(chǎn)生影響[13]。這些文獻(xiàn)均采用了全國(guó)層面的指標(biāo)，且銀行數(shù)量較為有限，本文將利用北京大學(xué)數(shù)字金融研究中心基于螞蟻集團(tuán)數(shù)據(jù)編制的數(shù)字普惠金融指數(shù)來(lái)衡量金融科技發(fā)展的程度，從用戶數(shù)據(jù)的層面衡量地市級(jí)層面金融科技發(fā)展的差異，提供更為細(xì)致可靠的金融科技發(fā)展指標(biāo)。另外，在銀行數(shù)據(jù)方面， 本文整理了中國(guó)166家區(qū)域性商業(yè)銀行數(shù)據(jù)，結(jié)論更具普遍性。

從影響途徑來(lái)看，本文認(rèn)為金融科技發(fā)展在利率市場(chǎng)化和商業(yè)銀行資產(chǎn)風(fēng)險(xiǎn)之間發(fā)揮負(fù)向調(diào)節(jié)作用。早期來(lái)看，鮮有學(xué)者針對(duì)三者關(guān)系進(jìn)行理論探討和實(shí)證檢驗(yàn)。近年來(lái)，金洪飛等（2020）用Python網(wǎng)絡(luò)爬蟲(chóng)分析法構(gòu)建金融科技指數(shù)，以261家銀行2010—2018年數(shù)據(jù)為樣本， 研究發(fā)現(xiàn)金融科技發(fā)展通過(guò)作用于利率市場(chǎng)化， 增加了傳統(tǒng)銀行經(jīng)營(yíng)壓力，倒逼傳統(tǒng)銀行借助互聯(lián)網(wǎng)來(lái)降低銀行經(jīng)營(yíng)成本和提升風(fēng)險(xiǎn)管理水平，降低銀行資產(chǎn)風(fēng)險(xiǎn)[14]。汪可（2018）、陳昆等（2019）研究發(fā)現(xiàn)，金融科技的發(fā)展增加了傳統(tǒng)銀行的資產(chǎn)風(fēng)險(xiǎn)，但通過(guò)作用于利率市場(chǎng)化，商業(yè)銀行在壓力下必然走向全面虛擬化、 網(wǎng)絡(luò)化和數(shù)字化，在一定程度上降低了傳統(tǒng)銀行資產(chǎn)風(fēng)險(xiǎn)承擔(dān)[15-16]。關(guān)于金融科技發(fā)展通過(guò)作用利率市場(chǎng)化的現(xiàn)有研究來(lái)看，研究對(duì)象主要集中在上市銀行，并且數(shù)量少，研究年限也在2016之前， 而我國(guó)利率管制放松在2014年，研究跨度不夠，可能難以完整刻畫我國(guó)利率市場(chǎng)化的歷史進(jìn)程。

本文以2011—2018年的數(shù)據(jù)為研究樣本，探究利率市場(chǎng)化和金融科技發(fā)展水平對(duì)傳統(tǒng)商業(yè)銀行的影響。 通過(guò)數(shù)字金融發(fā)展指數(shù)和銀行年報(bào)數(shù)據(jù)，以166家區(qū)域性銀行為研究對(duì)象，不僅可以研究利率市場(chǎng)化和金融科技發(fā)展水平對(duì)傳統(tǒng)銀行資產(chǎn)風(fēng)險(xiǎn)的影響，還可以進(jìn)一步分析金融科技發(fā)展在利率市場(chǎng)化和商業(yè)銀行資產(chǎn)風(fēng)險(xiǎn)之間的調(diào)節(jié)作用，為我國(guó)商業(yè)銀行防范風(fēng)險(xiǎn)提出政策建議。

三、相關(guān)理論與研究假設(shè)

（一）利率市場(chǎng)化與商業(yè)銀行資產(chǎn)風(fēng)險(xiǎn)

利率市場(chǎng)化會(huì)給銀行資產(chǎn)帶來(lái)風(fēng)險(xiǎn)。在利率市場(chǎng)化條件下， 商業(yè)銀行的存款利率低于實(shí)際利率水平，使得居民更愿意將資金存儲(chǔ)在收益更高的互聯(lián)網(wǎng)金融產(chǎn)品中。銀行吸儲(chǔ)能力降低，對(duì)資金需求上升，不得不從銀行間市場(chǎng)中獲取，增加了獲取資金的成本， 利潤(rùn)水平降低。 為了提高收益， 銀行不得不對(duì)那些經(jīng)營(yíng)狀況好、還貸能力強(qiáng)的企業(yè)以低于市場(chǎng)利率水平進(jìn)行放貸，來(lái)獲取與這些優(yōu)質(zhì)企業(yè)的長(zhǎng)期合作關(guān)系。銀行以利潤(rùn)損失來(lái)維持與優(yōu)質(zhì)客戶的關(guān)系，為增加利潤(rùn)，不得不增加自身風(fēng)險(xiǎn)的偏好，為次級(jí)貸款客戶提供貸款，這種現(xiàn)象的循環(huán)使得銀行的不良資產(chǎn)風(fēng)險(xiǎn)上升?；诖耍商岢隼碚摷僭O(shè)1。

假設(shè)1：利率市場(chǎng)化推高商業(yè)銀行資產(chǎn)風(fēng)險(xiǎn)。

（二）金融科技與商業(yè)銀行資產(chǎn)風(fēng)險(xiǎn)

金融科技的發(fā)展將會(huì)導(dǎo)致商業(yè)銀行資產(chǎn)風(fēng)險(xiǎn)上升。金融科技是以科技創(chuàng)新來(lái)服務(wù)金融，主體是科技。金融科技公司憑借信息以及成本優(yōu)勢(shì)正逐步向傳統(tǒng)銀行業(yè)務(wù)入侵，從整體上來(lái)看，推高了銀行資產(chǎn)的風(fēng)險(xiǎn)。首先，金融科技產(chǎn)品擁有支付便捷、利率高等優(yōu)勢(shì)， 分流了商業(yè)銀行的優(yōu)質(zhì)客戶和儲(chǔ)蓄存款，銀行業(yè)績(jī)水平受到壓縮，利潤(rùn)降低，風(fēng)險(xiǎn)上升。其次，余額寶、零錢通等金融科技產(chǎn)品將吸收的資金以協(xié)議的方式轉(zhuǎn)到銀行間市場(chǎng)，來(lái)滿足銀行對(duì)資金的需求。相對(duì)于儲(chǔ)蓄成本來(lái)說(shuō)，銀行增加了獲取資金的成本，為了彌補(bǔ)成本上升帶來(lái)的損失，風(fēng)險(xiǎn)偏好水平上升，不得不吸收次級(jí)貸款客戶，使得銀行資產(chǎn)風(fēng)險(xiǎn)上升。最后，商業(yè)銀行相比于金融科技產(chǎn)品來(lái)說(shuō)，處于信息劣勢(shì)，增加了商業(yè)銀行信息的不透明性，信用風(fēng)險(xiǎn)上升，銀行資產(chǎn)風(fēng)險(xiǎn)上升。由此得出假設(shè)2。

假設(shè)2：金融科技發(fā)展會(huì)推高商業(yè)銀行資產(chǎn)風(fēng)險(xiǎn)。

（三）利率市場(chǎng)化、金融科技與商業(yè)銀行資產(chǎn)風(fēng)險(xiǎn)

誠(chéng)然，單獨(dú)考慮利率市場(chǎng)化和金融科技對(duì)商業(yè)銀行資產(chǎn)風(fēng)險(xiǎn)的影響， 均會(huì)導(dǎo)致銀行資產(chǎn)風(fēng)險(xiǎn)上升。然而，金融科技的發(fā)展對(duì)資產(chǎn)風(fēng)險(xiǎn)的影響有多重影響途徑， 單獨(dú)考慮利率市場(chǎng)化會(huì)導(dǎo)致風(fēng)險(xiǎn)上升，但是金融科技在一定程度上會(huì)削弱利率市場(chǎng)化對(duì)商業(yè)銀行資產(chǎn)風(fēng)險(xiǎn)的影響。 隨著金融科技的發(fā)展，余額寶、財(cái)付通等金融科技產(chǎn)品大幅度分流了傳統(tǒng)銀行攬儲(chǔ)能力，增加銀行對(duì)資金的需求。這些產(chǎn)品會(huì)利用商業(yè)銀行對(duì)資金的需求，將部分資金以協(xié)議方式投入到銀行間市場(chǎng)， 不僅為居民獲得更高、更穩(wěn)健的收益，還有助于推動(dòng)我國(guó)利率市場(chǎng)化進(jìn)程，使名義利率更接近實(shí)際利率，但同時(shí)也增加了銀行獲取資金的成本，給傳統(tǒng)銀行的經(jīng)營(yíng)帶來(lái)了一定的沖擊，倒逼傳統(tǒng)銀行改革，降低其風(fēng)險(xiǎn)。在雙重壓力下，銀行為獲取更高的收益，不得不利用互聯(lián)網(wǎng)，發(fā)掘自身的信息資源優(yōu)勢(shì)和風(fēng)險(xiǎn)管控的技術(shù)水平，在平衡傳統(tǒng)與新興中間業(yè)務(wù)基礎(chǔ)上，開(kāi)展更具特色的金融功能與服務(wù)，優(yōu)化業(yè)務(wù)結(jié)構(gòu)。如大數(shù)據(jù)征信可以幫助提升商業(yè)銀行風(fēng)險(xiǎn)管理水平，降低自身資產(chǎn)風(fēng)險(xiǎn)承擔(dān)?；ヂ?lián)網(wǎng)線上銷售平臺(tái)可以改變商業(yè)銀行線下獲取客戶成本高、 效果差的現(xiàn)象，提升商業(yè)銀行利潤(rùn)，而不必吸收次級(jí)貸款，一定程度上降低了自身的資產(chǎn)風(fēng)險(xiǎn)。由此可得出理論假設(shè)3。

假設(shè)3：金融科技在利率市場(chǎng)化和商業(yè)銀行資產(chǎn)風(fēng)險(xiǎn)之間發(fā)揮負(fù)向調(diào)節(jié)作用。

四、研究設(shè)計(jì)

（一）變量定義

1.被解釋變量

銀行資產(chǎn)風(fēng)險(xiǎn)作為本文被解釋變量，選用銀行不良貸款率指標(biāo)進(jìn)行替代。不良貸款率是指不良貸款占總貸款的比重，該數(shù)值越大，表明銀行資產(chǎn)所承擔(dān)的風(fēng)險(xiǎn)越大。

2.解釋變量與調(diào)節(jié)變量

本文的主要解釋變量為金融科技發(fā)展和利率市場(chǎng)化，以研究金融科技發(fā)展水平和利率市場(chǎng)化對(duì)銀行資產(chǎn)風(fēng)險(xiǎn)的影響程度。利率市場(chǎng)化采用虛擬變量形式進(jìn)行量化，在2015年，我國(guó)商業(yè)銀行繼貸款利率市場(chǎng)化后，存款利率的浮動(dòng)上限也不再受人民銀行管控，由此正式實(shí)現(xiàn)了利率市場(chǎng)化。根據(jù)這一政策變化， 將利率市場(chǎng)化虛擬變量在2015年及以后賦值為1，其余時(shí)間賦值為0。另一主要解釋變量為金融科技發(fā)展，考慮數(shù)據(jù)的可得性，本文采用北京大學(xué)數(shù)字金融研究中心編制的數(shù)字普惠金融指數(shù)作為衡量金融科技發(fā)展水平的代理變量。該指數(shù)根據(jù)螞蟻集團(tuán)交易賬戶的相關(guān)數(shù)據(jù)， 從互聯(lián)網(wǎng)金融服務(wù)覆蓋度、使用率、數(shù)字支付三個(gè)層次描述我國(guó)數(shù)字普惠金融的發(fā)展程度，并在此基礎(chǔ)上進(jìn)行了擴(kuò)展，不僅涵蓋支付、信貸等互聯(lián)網(wǎng)金融業(yè)態(tài)，還包括貨幣基金、投資、保險(xiǎn)、信用等金融科技新業(yè)態(tài)，數(shù)據(jù)覆蓋31個(gè)省級(jí)行政區(qū)， 為衡量現(xiàn)階段我國(guó)金融科技發(fā)展水平提供了工具性的基礎(chǔ)數(shù)據(jù)[17]。由于該數(shù)據(jù)僅統(tǒng)計(jì)了2011—2018年期間數(shù)值， 因此本文所研究期間設(shè)為2011—2018年。 金融科技與利率市場(chǎng)化交互變量為調(diào)節(jié)變量，用以表示金融科技在利率市場(chǎng)化和商業(yè)銀行資產(chǎn)風(fēng)險(xiǎn)之間的調(diào)節(jié)作用。

3.控制變量

本文控制了銀行個(gè)體層面的因素，包括銀行的凈息差、資產(chǎn)收益率、資本充足率、銀行存貸比、資產(chǎn)規(guī)模、利息收入比、同業(yè)凈負(fù)債比。其中資產(chǎn)規(guī)模用樣本銀行的資產(chǎn)與商業(yè)銀行總資產(chǎn)的比值進(jìn)行計(jì)算， 由于商業(yè)銀行總資產(chǎn)規(guī)模無(wú)法獲取數(shù)據(jù)，本文以五大行的資產(chǎn)總額以及166家區(qū)域性商業(yè)銀行資產(chǎn)總額之和作為商業(yè)銀行總資產(chǎn)的代理變量;利息收入比用銀行的利息收入與資產(chǎn)的比值計(jì)算;銀行存貸比用銀行存款與貸款的比值進(jìn)行計(jì)算;資產(chǎn)收益率為銀行凈利潤(rùn)與平均資產(chǎn)的比值;凈息差為銀行凈利息收入與銀行全部生息資產(chǎn)的比值;同業(yè)凈負(fù)債比為銀行同業(yè)負(fù)債與同業(yè)資產(chǎn)的差額與資產(chǎn)總額的比值。同時(shí)還加入了通貨膨脹率作為宏觀經(jīng)濟(jì)的控制變量。 各變量定義如表1所示。

（二）模型設(shè)定

針對(duì)提出的利率市場(chǎng)化、金融科技發(fā)展水平與商業(yè)銀行資產(chǎn)風(fēng)險(xiǎn)的關(guān)系假設(shè)，本文通過(guò)構(gòu)建雙向固定效應(yīng)模型進(jìn)行實(shí)證檢驗(yàn)。首先分別分析利率市場(chǎng)化、金融科技與商業(yè)銀行風(fēng)險(xiǎn)的關(guān)系，即商業(yè)銀行風(fēng)險(xiǎn)（ln credit）作為因變量，利率市場(chǎng)化（in_rate）與金融科技（ln fin_tech）為自變量，同時(shí)考慮銀行個(gè)體層面因素。銀行個(gè)體層面包括資產(chǎn)端變量：銀行資產(chǎn)規(guī)模（asset）、銀行存貸比（ln lode_ratio）和銀行資本充足率（CAR）;負(fù)債端變量：銀行同業(yè)凈負(fù)債比（NIL）;盈利能力指標(biāo)：凈息差（NIM）、資產(chǎn)收益率（ROA）和利息收入比（ln inter_ratio）。另外還有宏觀因素：通貨膨脹率（ln flation）。假設(shè)1和假設(shè)2的檢驗(yàn)公式如模型Ⅰ所示。

模型Ⅰ：

針對(duì)金融科技是否在利率市場(chǎng)化和銀行資產(chǎn)風(fēng)險(xiǎn)之間發(fā)揮調(diào)節(jié)作用，用交互變量ln fin×rate來(lái)檢驗(yàn)。同時(shí)考慮銀行個(gè)體層面因素，包括資產(chǎn)端變量：銀行資產(chǎn)規(guī)模（asset）、銀行存貸比（ln lode_ratio）和銀行資本充足率（CAR）;負(fù)債端變量：銀行同業(yè)凈負(fù)債比（NIL）;盈利能力指標(biāo)：凈息差（NIM）、資產(chǎn)收益率（ROA）和利息收入比（ln inter_ratio）。另外還有宏觀因素：通貨膨脹率（ln flation）。檢驗(yàn)公式如模型Ⅱ所示。

模型Ⅱ：

其中，下標(biāo)i表示銀行，t表示年份;？茁為待估計(jì)參數(shù)向量;？姿為銀行個(gè)體虛擬變量，？啄為年度虛擬變量，分別控制了樣本中不隨時(shí)間變化且不可觀測(cè)的銀行個(gè)體效應(yīng)和不隨個(gè)體變化的年份效應(yīng);？著為隨機(jī)誤差項(xiàng)。

對(duì)于面板數(shù)據(jù)的處理需要在OLS混合回歸、固定效應(yīng)模型和隨機(jī)效應(yīng)模型中選擇最適合的模型形式。OLS混合回歸針對(duì)不同的截面， 截距與系數(shù)均相同;固定效應(yīng)模型認(rèn)為隨機(jī)誤差項(xiàng)與解釋變量相關(guān)，因此需要“固定”相關(guān)的時(shí)間或個(gè)體因素才能得到一致的估計(jì)結(jié)果;而隨機(jī)效應(yīng)模型認(rèn)為隨機(jī)誤差項(xiàng)與解釋變量不相關(guān)。 本文實(shí)證檢驗(yàn)均使用Stata15.1軟件完成。首先，通過(guò)F檢驗(yàn)和Hausman檢驗(yàn)來(lái)選擇具體的面板回歸模型類型， 檢驗(yàn)結(jié)果如表2所示。根據(jù)結(jié)果，模型Ⅰ與模型Ⅱ在F檢驗(yàn)下，其P值均小于萬(wàn)分之一，也就是說(shuō)應(yīng)拒絕“真實(shí)模型為OLS混合回歸模型”的原假設(shè)，選擇固定效應(yīng)模型或隨機(jī)效應(yīng)模型。接著，從Hausman檢驗(yàn)結(jié)果來(lái)看，兩個(gè)模型的P值也均滿足應(yīng)拒絕“真實(shí)模型為隨機(jī)效應(yīng)模型”的原假設(shè)，選擇“真實(shí)模型為固定效應(yīng)模型”的備擇假設(shè)。同時(shí)，考慮到本文所采集的數(shù)據(jù)為全樣本微觀面板數(shù)據(jù)， 涉及到30個(gè)省級(jí)行政區(qū)域內(nèi)所有符合條件的區(qū)域性商業(yè)銀行，不存在從總體中隨機(jī)抽樣的問(wèn)題，因此建立同時(shí)控制個(gè)體效應(yīng)與年份效應(yīng)的雙向固定效應(yīng)模型。 此外，對(duì)除虛擬變量之外的被解釋變量和解釋變量取對(duì)數(shù)處理， 主要目的是為了更方便地解釋雙向固定效應(yīng)面板模型中回歸系數(shù)的經(jīng)濟(jì)意義。

五、實(shí)證過(guò)程與結(jié)果

（一）數(shù)據(jù)來(lái)源與描述性統(tǒng)計(jì)

本文實(shí)證研究數(shù)據(jù)來(lái)源于國(guó)泰安數(shù)據(jù)庫(kù)和相關(guān)銀行年報(bào)。納入國(guó)泰安數(shù)據(jù)庫(kù)統(tǒng)計(jì)的區(qū)域性銀行共269家，其中城市商業(yè)銀行134家，農(nóng)村商業(yè)銀行135家?？紤]到面板數(shù)據(jù)的平衡性以及數(shù)據(jù)統(tǒng)計(jì)口徑的一致性， 對(duì)上述區(qū)域性銀行進(jìn)行了樣本篩選， 剔除了2011—2018年存在部分變量數(shù)據(jù)缺失的銀行和進(jìn)行重組導(dǎo)致統(tǒng)計(jì)數(shù)據(jù)口徑不一致的銀行。最終，本文選取上海農(nóng)商行、重慶銀行、北京銀行、上海銀行、天津銀行、南京銀行等166家區(qū)域性銀行作為研究對(duì)象，其中城市商業(yè)銀行53家，農(nóng)村商業(yè)銀行113家，共涉及30個(gè)省級(jí)行政區(qū)域。在估計(jì)面板回歸模型之前，先對(duì)相關(guān)變量進(jìn)行統(tǒng)計(jì)量的描述，再根據(jù)特征進(jìn)行觀察。各變量的描述性統(tǒng)計(jì)結(jié)果如表3所示。

從表3可以看出，所整理獲取的166家區(qū)域性商業(yè)銀行8年間的觀測(cè)值共有1328個(gè)， 對(duì)于缺失值本文采用了平均值方法進(jìn)行填補(bǔ)。被解釋變量銀行資產(chǎn)風(fēng)險(xiǎn)的平均值為1.525%， 與整個(gè)銀行業(yè)的資產(chǎn)風(fēng)險(xiǎn)水平相比處于一個(gè)中等的標(biāo)準(zhǔn)，波動(dòng)幅度較小，表明這166家區(qū)域性商業(yè)銀行的不良貸款率波動(dòng)總體較為平穩(wěn)。金融科技指標(biāo)最小值為18.33，最大值為377.73， 說(shuō)明各個(gè)區(qū)域金融科技在2011—2018年差距較為明顯。 另在所有觀測(cè)變量中，銀行同業(yè)凈負(fù)債比差距較大，標(biāo)準(zhǔn)差為10.73，說(shuō)明不同銀行之間對(duì)于融資依賴程度差距較明顯。對(duì)于資本充足率、資產(chǎn)收益率、利息收入比、凈息差、資產(chǎn)規(guī)模、存貸比來(lái)說(shuō)，方差較小，說(shuō)明離散程度較低。

（二）面板模型回歸結(jié)果

根據(jù)模型Ⅰ的設(shè)定，分別選擇了不同的解釋變量進(jìn)行了6次回歸， 均控制了年份效應(yīng)和省份效應(yīng)。其中，回歸（1）對(duì)利率市場(chǎng)化、金融科技與商業(yè)銀行不良資產(chǎn)做回歸;回歸（2）是在回歸（1）的基礎(chǔ)上增加了銀行負(fù)債端的控制變量即銀行同業(yè)凈負(fù)債比（NIL）;回歸（3）是在回歸（1）的基礎(chǔ)上增加銀行資產(chǎn)端的變量作為控制變量，主要為銀行資產(chǎn)規(guī)模（asset）、銀行存貸比（ln lode_ratio）和銀行資本充足率（CAR）;回歸（4）是在回歸（1）的基礎(chǔ)上增加銀行盈利能力指標(biāo)作為控制變量，主要為凈息差（NIM）、資產(chǎn)收益率（ROA）和利息收入比（ln inter_ratio）;回歸（5）是將銀行個(gè)體層面的因素全部考慮在內(nèi)后的結(jié)果;回歸（6）是考慮了銀行所有個(gè)體層面因素后，加入宏觀變量通貨膨脹率（inflation）后的結(jié)果。表4匯報(bào)了模型Ⅰ的實(shí)證結(jié)果。

由表4可知，在回歸（1）中，利率市場(chǎng)化的系數(shù)為0.995，并且在1%水平上顯著，表明利率市場(chǎng)化水平提高1%，銀行不良貸款率將提升0.995%，這說(shuō)明利率市場(chǎng)化水平越高， 銀行不良資產(chǎn)風(fēng)險(xiǎn)水平越高。（2）（3）（4）三個(gè)回歸結(jié)果中，利率市場(chǎng)化的系數(shù)均在1%水平上顯著?；貧w（5）中，利率市場(chǎng)化對(duì)銀行資產(chǎn)風(fēng)險(xiǎn)的影響也通過(guò)了1%水平下的顯著性檢驗(yàn)， 回歸系數(shù)為1.182。回歸（6）綜合考慮了銀行個(gè)體層面和宏觀層面因素，利率市場(chǎng)化對(duì)銀行資產(chǎn)風(fēng)險(xiǎn)的影響也通過(guò)了1%水平下的顯著性檢驗(yàn)。

回歸（1）顯示，金融科技對(duì)銀行不良資產(chǎn)風(fēng)險(xiǎn)的影響在5%水平上顯著，表明金融科技發(fā)展水平增加1%，銀行不良資產(chǎn)率提升0.072%，金融科技的發(fā)展會(huì)給銀行不良資產(chǎn)帶來(lái)正向效應(yīng)，增加銀行資產(chǎn)風(fēng)險(xiǎn)。（2）（3）（4）回歸結(jié)果發(fā)現(xiàn)，金融科技發(fā)展水平均在5%水平上顯著， 并且對(duì)銀行不良資產(chǎn)的風(fēng)險(xiǎn)產(chǎn)生正向影響， 即金融科技發(fā)展水平越高，銀行不良資產(chǎn)風(fēng)險(xiǎn)越高。回歸（5）中，金融科技顯著性水平有所降低，但是仍對(duì)銀行不良資產(chǎn)風(fēng)險(xiǎn)帶來(lái)了正向影響?；貧w（6） 綜合考慮了銀行個(gè)體層面因素和宏觀層面因素，從回歸結(jié)果中可以發(fā)現(xiàn)，通貨膨脹率對(duì)于銀行不良資產(chǎn)風(fēng)險(xiǎn)具有負(fù)向影響， 并且在1%水平上顯著; 金融科技發(fā)展水平對(duì)不良資產(chǎn)風(fēng)險(xiǎn)仍正向影響，并且在10%水平上顯著，表明金融科技發(fā)展水平每增加1%， 銀行不良資產(chǎn)風(fēng)險(xiǎn)上升0.064%。

從6個(gè)回歸結(jié)果中可以看出，利率市場(chǎng)化會(huì)提升銀行不良資產(chǎn)風(fēng)險(xiǎn)。其主要原因在于，在利率市場(chǎng)化水平提高的背景下， 銀行間競(jìng)爭(zhēng)壓力逐漸增大， 為了降低由利率壓力而導(dǎo)致的日益增高的吸儲(chǔ)成本，商業(yè)銀行不得不通過(guò)降低自身貸款要求來(lái)增加自身收益，進(jìn)而增大了銀行不良資產(chǎn)風(fēng)險(xiǎn)。金融科技的發(fā)展增加了商業(yè)銀行不良資產(chǎn)的風(fēng)險(xiǎn)，其主要原因在于，金融科技的發(fā)展使得網(wǎng)絡(luò)借貸相比于銀行借貸來(lái)說(shuō)具有靈活性高、手續(xù)簡(jiǎn)潔、審批快、信息共享等優(yōu)點(diǎn)， 分流了商業(yè)銀行優(yōu)質(zhì)客戶的貸款資源，導(dǎo)致銀行次級(jí)貸款比例上升，增加了銀行的不良資產(chǎn)風(fēng)險(xiǎn)。在樣本數(shù)據(jù)范圍內(nèi)，假設(shè)1和假設(shè)2得到了證實(shí)。

（三）調(diào)節(jié)效應(yīng)檢驗(yàn)結(jié)果

根據(jù)模型Ⅱ的設(shè)定，金融科技在利率市場(chǎng)化和銀行不良資產(chǎn)風(fēng)險(xiǎn)之間的調(diào)節(jié)作用用金融科技和利率市場(chǎng)化的交叉項(xiàng)即ln fin×rate表示。 分別選擇了不同的解釋變量進(jìn)行了6次回歸，均控制了年份效應(yīng)和省份效應(yīng)。其中，回歸（1）僅考慮了交叉項(xiàng)的影響;回歸（2）是在回歸（1）的基礎(chǔ)上增加了銀行負(fù)債端的控制變量即銀行同業(yè)凈負(fù)債比;回歸（3）是在回歸（1）的基礎(chǔ)上增加銀行資產(chǎn)端的變量作為控制變量，主要為銀行資產(chǎn)規(guī)模（asset）、銀行存貸比（ln lode_ratio）和銀行資本充足率（CAR）;回歸（4）是在回歸（1）的基礎(chǔ)上增加銀行盈利能力指標(biāo)作為控制變量，主要為凈息差（NIM）、資產(chǎn)收益率（ROA）和利息收入比（ln inter_ratio）;回歸（5）是將銀行個(gè)體層面的因素全部考慮在內(nèi)后的回歸結(jié)果;回歸（6）是考慮了銀行所有個(gè)體層面因素后， 加入宏觀變量通貨膨脹率（inflation）后的結(jié)果。表5匯報(bào)了模型Ⅱ的實(shí)證結(jié)果。

在回歸（1）的結(jié)果中，ln fin×rate系數(shù)為-2.268，并在10%水平上顯著，表明金融科技的發(fā)展促進(jìn)了利率市場(chǎng)化，降低了商業(yè)銀行不良資產(chǎn)風(fēng)險(xiǎn)。其他幾個(gè)回歸雖然加入了不同變量， 但ln fin×rate系數(shù)均顯著為負(fù)。

通過(guò)6個(gè)回歸結(jié)果可以發(fā)現(xiàn)，金融科技在利率市場(chǎng)化和商業(yè)銀行資產(chǎn)風(fēng)險(xiǎn)之間發(fā)揮負(fù)向調(diào)節(jié)作用， 金融科技會(huì)削弱利率市場(chǎng)化對(duì)銀行資產(chǎn)質(zhì)量的影響。 主要是因?yàn)榻鹑诳萍及l(fā)展促進(jìn)利率市場(chǎng)化進(jìn)程， 在銀行資產(chǎn)風(fēng)險(xiǎn)水平承擔(dān)不斷上升的情況下，傳統(tǒng)商業(yè)銀行不得不實(shí)現(xiàn)自身的改革，提升自己的互聯(lián)網(wǎng)技術(shù)水平，發(fā)掘自身信息資源獲取和風(fēng)險(xiǎn)管控的技術(shù)水平， 在平衡傳統(tǒng)業(yè)務(wù)和新興業(yè)務(wù)基礎(chǔ)上，開(kāi)展更具特色的服務(wù)價(jià)值和金融功能，優(yōu)化業(yè)務(wù)結(jié)構(gòu)。 在金融科技促進(jìn)利率市場(chǎng)化的背景下，傳統(tǒng)銀行與互聯(lián)網(wǎng)金融融合，新型的業(yè)務(wù)結(jié)構(gòu)促使商業(yè)銀行利潤(rùn)上升， 不必因彌補(bǔ)利潤(rùn)降低而吸收次級(jí)貸款，降低自身不良資產(chǎn)風(fēng)險(xiǎn)。因此，在樣本數(shù)據(jù)范圍內(nèi)，假設(shè)3得到了證實(shí)。

（四）穩(wěn)健性檢驗(yàn)

表5的回歸結(jié)果在樣本范圍內(nèi)證實(shí)了金融科技、 利率市場(chǎng)化會(huì)對(duì)銀行不良資產(chǎn)風(fēng)險(xiǎn)產(chǎn)生影響。但是， 金融科技發(fā)展可能存在反向因果內(nèi)生性問(wèn)題， 因此要進(jìn)一步進(jìn)行穩(wěn)健性檢驗(yàn)。 參考邱晗等（2018）的研究成果[18]，本文選取互聯(lián)網(wǎng)普及率（internet）和人均GDP對(duì)數(shù)（ln agdp）作為金融科技發(fā)展水平的工具變量進(jìn)行穩(wěn)健性檢驗(yàn)，結(jié)果如表6所示。其中，回歸（1）僅考慮了金融科技對(duì)銀行不良資產(chǎn)風(fēng)險(xiǎn)的影響;回歸（2）是在回歸（1）的結(jié)果上增加了通貨膨脹率;回歸（3）考慮了利率市場(chǎng)化和金融科技發(fā)展水平對(duì)銀行不良資產(chǎn)的影響;回歸（4）是在回歸（3）的基礎(chǔ)上增加了通貨膨脹率的影響;回歸（5）是考慮了利率市場(chǎng)化、金融科技發(fā)展水平和二者的交互變量對(duì)銀行不良資產(chǎn)的影響; 回歸（6）是在回歸（5）的基礎(chǔ)上增加了通貨膨脹率。各個(gè)回歸均考慮了銀行個(gè)體層面的控制變量， 即NIL、asset、ln lode_ratio、CAR、NIM、ROA和ln inter_ratio，并且加入了個(gè)體效應(yīng)和年份效應(yīng)。對(duì)工具變量進(jìn)行檢驗(yàn)時(shí)， 互聯(lián)網(wǎng)普及率和人均GDP均滿足工具變量的有效性檢驗(yàn)， 兩者結(jié)合時(shí)C-D F值均大于15%偏誤容忍度臨界值，說(shuō)明所選取的工具變量為強(qiáng)工具變量， 與內(nèi)生變量ln fin_tech是高度相關(guān)的。 單獨(dú)對(duì)每一個(gè)工具變量進(jìn)行檢驗(yàn)時(shí)， 工具變量ln agdp和internet均是有效的工具變量。在加入了工具變量后的雙向固定效應(yīng)模型各個(gè)回歸結(jié)果中，核心解釋變量in_rate和ln fin_tech的回歸系數(shù)仍顯著為正，并且ln fin_tech顯著性有所提高，交互項(xiàng)ln fin×rate顯著為負(fù)。穩(wěn)健性檢驗(yàn)結(jié)果與基準(zhǔn)回歸相比不存在顯著差異，支持了假設(shè)1、假設(shè)2和假設(shè)3。

六、結(jié)論與建議

基于2011—2018年中國(guó)166家區(qū)域性商業(yè)銀行數(shù)據(jù)，以不良資產(chǎn)率來(lái)衡量傳統(tǒng)商業(yè)銀行資產(chǎn)風(fēng)險(xiǎn)，并使用面板模型固定效應(yīng)回歸方法實(shí)證研究利率市場(chǎng)化和金融科技發(fā)展水平對(duì)商業(yè)銀行資產(chǎn)風(fēng)險(xiǎn)的影響。研究結(jié)果表明：第一，金融科技發(fā)展通過(guò)靈活性高、手續(xù)簡(jiǎn)潔、審批快、信息共享等優(yōu)點(diǎn)，分流了商業(yè)銀行優(yōu)質(zhì)客戶的貸款資源，導(dǎo)致銀行次級(jí)貸款比例上升， 增加了銀行的不良資產(chǎn)風(fēng)險(xiǎn);第二，在利率管制背景下，利率市場(chǎng)化通過(guò)提升銀行間競(jìng)爭(zhēng)，使銀行為了提高收益不得不增加自身風(fēng)險(xiǎn)偏好，為次級(jí)貸款客戶提供貸款，增加了商業(yè)銀行資產(chǎn)風(fēng)險(xiǎn);第三，金融科技在利率市場(chǎng)化和商業(yè)銀行資產(chǎn)風(fēng)險(xiǎn)之間發(fā)揮負(fù)向調(diào)節(jié)作用，金融科技會(huì)削弱利率市場(chǎng)化對(duì)資產(chǎn)質(zhì)量的負(fù)向影響。利率市場(chǎng)化發(fā)展增加了傳統(tǒng)銀行經(jīng)營(yíng)風(fēng)險(xiǎn)， 倒逼銀行互聯(lián)網(wǎng)化， 發(fā)掘自身信息資源獲取和風(fēng)險(xiǎn)管控的技術(shù)水平，降低運(yùn)營(yíng)成本和增加風(fēng)險(xiǎn)防控能力，降低自身資產(chǎn)風(fēng)險(xiǎn)承擔(dān)。

根據(jù)本文的研究結(jié)果，針對(duì)我國(guó)商業(yè)銀行發(fā)展所面臨的風(fēng)險(xiǎn)問(wèn)題，提出以下對(duì)策建議。

第一， 隨著我國(guó)進(jìn)一步深化利率市場(chǎng)化改革， 完善LPR利率形成機(jī)制， 商業(yè)銀行必須轉(zhuǎn)變經(jīng)營(yíng)模式， 主動(dòng)擺脫過(guò)度依賴資產(chǎn)負(fù)債業(yè)務(wù)的局面， 積極發(fā)展中間業(yè)務(wù)，實(shí)現(xiàn)多元化經(jīng)營(yíng)，降低對(duì)利息收入的依賴，弱化利率市場(chǎng)化改革對(duì)傳統(tǒng)商業(yè)銀行資產(chǎn)的不利影響。

第二，根據(jù)實(shí)證結(jié)果，金融科技的發(fā)展也會(huì)推高商業(yè)銀行的資產(chǎn)風(fēng)險(xiǎn)，但是可以削弱利率市場(chǎng)化對(duì)商業(yè)銀行資產(chǎn)的影響。雖然金融科技企業(yè)在資產(chǎn)規(guī)模和市場(chǎng)占有率方面與傳統(tǒng)商業(yè)銀行仍有一定的差距， 但是隨著金融科技創(chuàng)新監(jiān)管試點(diǎn)的推進(jìn)，第三方支付機(jī)構(gòu)、金融科技平臺(tái)、金融控股集團(tuán)等新型金融科技企業(yè)已逐漸成為商業(yè)銀行的強(qiáng)大競(jìng)爭(zhēng)對(duì)手。為應(yīng)對(duì)這一局面，商業(yè)銀行應(yīng)發(fā)揮自身的規(guī)模和聲譽(yù)優(yōu)勢(shì)， 將傳統(tǒng)業(yè)務(wù)與互聯(lián)網(wǎng)業(yè)務(wù)相結(jié)合，大力拓展網(wǎng)上銀行和電子銀行等互聯(lián)網(wǎng)業(yè)務(wù)，加大對(duì)人工智能、區(qū)塊鏈等前沿技術(shù)的投入，加速自身數(shù)字化轉(zhuǎn)型步伐，以差異化的方式與金融科技企業(yè)競(jìng)爭(zhēng)， 減少金融科技發(fā)展對(duì)自身利潤(rùn)的侵蝕，降低不良資產(chǎn)風(fēng)險(xiǎn)，提高銀行的經(jīng)營(yíng)效益。

第三，根據(jù)銀行個(gè)體層面控制變量在面板模型中的回歸系數(shù)，資產(chǎn)規(guī)模、負(fù)債質(zhì)量和盈利能力的提高，也有利于商業(yè)銀行增加撥備，提高不良資產(chǎn)處置能力，降低資產(chǎn)風(fēng)險(xiǎn)。因此，商業(yè)銀行要構(gòu)建數(shù)據(jù)驅(qū)動(dòng)的全面風(fēng)險(xiǎn)管理體系，增強(qiáng)應(yīng)對(duì)經(jīng)濟(jì)不確定性和抵御外部風(fēng)險(xiǎn)沖擊的能力，推動(dòng)金融更好地服務(wù)“雙循環(huán)”新發(fā)展格局。

參考文獻(xiàn)：

[1]黃益平，黃卓.中國(guó)的數(shù)字金融發(fā)展：現(xiàn)在與未來(lái)[J].經(jīng)濟(jì)學(xué)（季刊），2018（4）：1489-1502.

[2]戰(zhàn)明華，張成瑞，沈娟.互聯(lián)網(wǎng)金融發(fā)展與貨幣政策的銀行信貸渠道傳導(dǎo)[J].經(jīng)濟(jì)研究，2018（4）：63-76.

[3]MARCUS A J.Deregulation and Bank Financial Policy[J]. Journal of Banking and Finance，1984，8（4）：557-565.

[4]DELIS M D，KOURETAS G P.Interest Rates and Bank Risk-taking[J].Journal of Banking and Finance，2010，35（4）：840-855.

[5]劉生福，楊興哲，韓雍.利率市場(chǎng)化、貨幣政策與銀行風(fēng)險(xiǎn)承擔(dān)[J].經(jīng)濟(jì)經(jīng)緯，2018（4）：150-157.

[6]ARISS R T.On the Implications of Market Power in Ban-king：Evidence from Developing Countries[J].Journal of Banking and Finance，2010，34（4）：765-775.

[7]ANGKINAND A P，SAWANGNGNOENYUANG W，WIHL-BORG C.Financial Liberalization and Bank Crisis：A Cross-county Analysis[J].International Review of Finance，2010（10）：263-292.

[8]張宗益，吳恒宇，吳俊.商業(yè)銀行價(jià)格競(jìng)爭(zhēng)與風(fēng)險(xiǎn)行為關(guān)系：基于貸款利率市場(chǎng)化的經(jīng)驗(yàn)研究[J].金融研究，2012（7）：1-3，5-14.

[9]王道平，楊駿.利率市場(chǎng)化、存款保險(xiǎn)制度與銀行風(fēng)險(xiǎn)[J].南開(kāi)學(xué)報(bào)（哲學(xué)社會(huì)科學(xué)版），2014（6）：117-128.

[10]戴國(guó)強(qiáng)，方鵬飛.監(jiān)管創(chuàng)新、利率市場(chǎng)化與互聯(lián)網(wǎng)金融[J].現(xiàn)代經(jīng)濟(jì)探討，2014（7）：64-67，82.

[11]鄭志來(lái).互聯(lián)網(wǎng)金融對(duì)我國(guó)商業(yè)銀行的影響路徑：基于“互聯(lián)網(wǎng)+”對(duì)零售業(yè)的影響視角[J].財(cái)經(jīng)科學(xué)，2015（5）：34-43.

[12]沈悅，郭晶.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.

[13]沈珊珊，張瑩.互聯(lián)網(wǎng)金融發(fā)展對(duì)我國(guó)商業(yè)銀行流動(dòng)性風(fēng)險(xiǎn)的影響[J].經(jīng)營(yíng)與管理，2019（8）：18-22.

[14]金洪飛，李弘基，劉音露.金融科技、銀行風(fēng)險(xiǎn)與市場(chǎng)擠出效應(yīng)[J].財(cái)經(jīng)研究，2020（5）：52-65.

[15]汪可.金融科技、利率市場(chǎng)化與商業(yè)銀行風(fēng)險(xiǎn)承擔(dān)[J].上海經(jīng)濟(jì)，2018（2）：108-116.

[16]陳昆，陸云蕾，陳海憶.利率市場(chǎng)化對(duì)商業(yè)銀行風(fēng)險(xiǎn)影響分析[J].金融理論探索，2019（5）：26-35.

[17]郭峰，王靖一，王芳，等.測(cè)度中國(guó)數(shù)字普惠金融發(fā)展：指數(shù)編制與空間特征[J].經(jīng)濟(jì)學(xué)（季刊），2020（4）：1401-1418.

[18]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.

Will Interest Rate Marketization and Fintech Reduce Asset Risk of Commercial Banks？

Wang Yiting1， Wang Shiwen1， Zhou Lei2

（1. School of Business， Suzhou University of Science and Technology， Suzhou 215000， China;

2. School of Business， Suzhou Vocational University， Suzhou 215104， China）

Abstract： Based on the annual report data of 166 regional commercial banks from 2011 to 2018 and the inclusive index of digital finance constructed by Peking University Digital Finance Research Center based on ant group user data， this paper empirically studies the impact of interest rate marketization and Fintech on the asset risk of commercial banks. The results show that interest rate marketization will increase the risk of non-performing assets of commercial banks. The development of Fintech will lead to the risk of commercial banks. The development of Fintech will weaken the negative impact of interest rate liberalization on the quality of bank assets. After further testing with instrumental variable method， the above empirical results are still robust. Finally， according to the research conclusions， the paper puts forward the suggestions that commercial banks should change the business model， improve the risk management mechanism， give full play to the enabling role of Fintech， realize diversified operation， and enhance the differentiated competitiveness.

Key words： interest rate liberalization; Fintech; commercial bank risk; digital financial inclusion

（責(zé)任編輯：盧艷茹;校對(duì)：龍會(huì)芳）

收稿日期：2021-03-08

基金項(xiàng)目：教育部人文社會(huì)科學(xué)研究青年基金項(xiàng)目“新時(shí)代大學(xué)生互聯(lián)網(wǎng)金融風(fēng)險(xiǎn)認(rèn)知、風(fēng)險(xiǎn)偏好與投資行為研究”（19YJCZH272）;江蘇省研究生科研與實(shí)踐創(chuàng)新計(jì)劃項(xiàng)目“基于文本輿情的股票量化投資策略研究”（SJCX20_1084）;江蘇省高職院校青年教師企業(yè)實(shí)踐培訓(xùn)資助項(xiàng)目（2020QYSJ032）

作者簡(jiǎn)介：王依婷，女，江蘇連云港人，研究方向?yàn)楣窘鹑谂c投融資管理;王世文，男，山西寧武人，教授，研究方向?yàn)楫a(chǎn)業(yè)經(jīng)濟(jì)學(xué);周雷（本文通訊作者），男，江蘇蘇州人，研究員，注冊(cè)會(huì)計(jì)師，中國(guó)技術(shù)經(jīng)濟(jì)學(xué)會(huì)金融科技專委會(huì)理事，教育部科技發(fā)展中心特聘專家，研究方向?yàn)榻鹑诳萍寂c互聯(lián)網(wǎng)金融。