綠色金融背景下金融科技對銀行的影響分析

陳茹云，寇曼翎

（泉州經(jīng)貿(mào)職業(yè)技術學院，福建 泉州 362000）

一、引言

2017年，經(jīng)國務院第176次常務會議審定，五個省份的部分地區(qū)將建設具有地方特色的綠色金融改革創(chuàng)新實驗區(qū)，積極探索金融產(chǎn)品的服務創(chuàng)新、機制創(chuàng)新等，經(jīng)過不懈努力，取得了階段性成果。其中，商業(yè)銀行利用大數(shù)據(jù)、云計算、人工智能等各種新時代的科技手段，有效解決了發(fā)展綠色金融過程遇到的困難，其中最為突出的是信息不對稱、經(jīng)營成本高、客戶粘性差、客戶體驗差、精細管理程度低、智能業(yè)務水平低、風險技術創(chuàng)新弱、風險管理效率低。除了國有銀行，其他各類的股份制商業(yè)銀行，甚至是城市商業(yè)銀行，為了適應銀行客戶需求的不斷變化，以及金融市場日益激烈的競爭局面，都開始重視金融科技的投入與研發(fā)。因此，這幾年各方對于金融科技的發(fā)展與商業(yè)銀行盈利的關系都展開了較為深入的研究。

目前，學者們對于金融科技與銀行盈利關系的研究已經(jīng)取得一定的成果，主要分為兩個部分：第一，從理論方面討論金融科技與銀行的盈利關系。劉文康（2021）分析了在科技金融背景下從以下四個方面提升商業(yè)銀行的盈利能力，分別是強化金融科技認識、打造科技賦能金融、明確發(fā)展責任主體、加大金融人才培養(yǎng)。宋傳福（2020）說明了商業(yè)銀行的信息發(fā)展、建立數(shù)字化管理模式、更新應用銀行系統(tǒng)、優(yōu)化風險管理模式能夠使得金融服務更加全面、高效，有助于實現(xiàn)商業(yè)銀行的科技化與信息化發(fā)展建設。第二，從實證方面論證金融科技與銀行的盈利關系。于鳳芹等（2021）借助動態(tài)面板模型和多重中介效應模型，分析商業(yè)銀行發(fā)展金融科技是有利于提升盈利能力，其自身的資產(chǎn)負債管理能力、風險管理水平和經(jīng)營效率的作用對盈利能力也有中介傳導機制。謝婼青等（2021）通過構(gòu)建面板模型得出金融科技對商業(yè)銀行盈利能力有正向效應，并且從國家層面和銀行層面分別給予不同的政策建議。

本研究基于已有的研究成果，不僅論證了金融科技與銀行的盈利關系，而且根據(jù)中國人民銀行聯(lián)合七部委發(fā)布的《關于構(gòu)建綠色金融體系的指導意見》和中國銀行業(yè)協(xié)會印發(fā)的《中國銀行業(yè)綠色銀行評價實施方案（試行）》，為商業(yè)銀行長期、穩(wěn)定的發(fā)展提供可行性的意見和建議。

二、研究設計與實證檢驗

（一）樣本選取與數(shù)據(jù)來源

本研究選取13家上市銀行2017年第三季度至2021年第三季度的數(shù)據(jù)，包括中國建設銀行（JH）、中國銀行（ZH）、中國工商銀行（GH）、中國農(nóng)業(yè)銀行（NH）、中國交通銀行（JT）、中國光大銀行（GD）、華夏銀行（HX）、平安銀行（PA）、上海浦發(fā)銀行（PF）、興業(yè)銀行（XY）、招商銀行（ZS）、中國民生銀行（MS）、中信銀行（ZX）。數(shù)據(jù)主要來源于各銀行2017年至2021年公開發(fā)布季度財務報告及國泰安數(shù)據(jù)庫。

（二）變量選取

1.被解釋變量

本研究選取的被解釋變量是凈資產(chǎn)收益率（ROE），又被稱為股東權(quán)益的報酬率，這是銀行經(jīng)常用來衡量盈利水平的一個指標。凈資產(chǎn)收益率等于利潤額除以平均股東權(quán)益的比值。從目前研究的文獻中發(fā)現(xiàn)，大部分學者以總資產(chǎn)收益率（ROA）作為被解釋變量，這個指標主要用于衡量銀行債權(quán)人與股東所擁有的共同資金產(chǎn)生的總利潤，能夠呈現(xiàn)銀行所有的負資產(chǎn)，主要反映過去的情況。但是，本研究選擇的被解釋變量是凈資產(chǎn)收益率，主要是為了通用比較不同銀行之間現(xiàn)有資產(chǎn)的盈利情況，即橫向比較不同銀行利用現(xiàn)有的金融科技資產(chǎn)創(chuàng)造的不同財富水平。

2.解釋變量

對于解釋變量的選擇，本研究綜合銀行目前使用的科技終端，借鑒于鳳芹等（2021）學者的研究，選取金融科技指數(shù)的變動情況（Y）作為解釋變量。

3.控制變量

銀行的盈利能力不僅受到金融科技這一新興技術的影響，還受銀行自身運營能力、償債能力等多方面因素的影響。因此，本研究選取了6個變量作為控制變量，分別是基本每股收益（BEPS），體現(xiàn)銀行的營運能力；資本充足率（CAR）和資產(chǎn)負債率（DAR），體現(xiàn)銀行的償還能力；成本收入比（CIR），主要體現(xiàn)銀行自身成本控制的能力；不良貸款率（NPL），體現(xiàn)銀行的風險管理能力；固定資產(chǎn)（FA），體現(xiàn)銀行的總體規(guī)模。

（三）模型構(gòu)建與檢驗

1.變量描述性統(tǒng)計

本研究選取13家上市銀行2017年至2021年的季度數(shù)據(jù)，共219個觀測值，建立面板數(shù)據(jù)模型。利用Eviews等統(tǒng)計軟件，對采集的數(shù)據(jù)樣本進行描述性統(tǒng)計分析（結(jié)果如表1所示）。

表1 變量的描述統(tǒng)計結(jié)果表

我國上市銀行的凈資產(chǎn)收益率的波動范圍在1.77-15.19，說明所有銀行的盈利能力均為正，且標準差為3.34，比較小，說明各大銀行之間的盈利能力差距不大?？刂谱兞坎涣假J款率是影響綠色金融發(fā)展最大的指標，從表1的數(shù)據(jù)可知，13家銀行的不良貸款率的平均值為1.56%，最大值也只有2.44%，均在監(jiān)管機構(gòu)5%的規(guī)定范圍內(nèi)。另外，可以發(fā)現(xiàn)固定資產(chǎn)的平均值與其他控制變量的數(shù)值區(qū)間不在一個階梯范圍內(nèi)，因此，本研究對固定資產(chǎn)進行了對數(shù)處理，以此來保證大部分數(shù)據(jù)的一致性。

2.Pearson相關分析

表2中顯示，凈資產(chǎn)收益率與基本每股收益的關系為0.63，兩個變量之間呈現(xiàn)正相關的關系。其他變量兩兩之間的相關系數(shù)的絕對值都在0.5以下，甚至有些變量的相關系數(shù)的絕對值是在0.1以下?？梢?，本研究如果利用這些變量數(shù)據(jù)構(gòu)建面板數(shù)據(jù)的回歸模型，那么變量之間一定不會存在多重共線性的問題。

表2 Pearson相關系數(shù)

3.平穩(wěn)性檢驗

為了預防出現(xiàn)面板模型的偽回歸，必須保證面板數(shù)據(jù)的所有序列都是平穩(wěn)序列。因此，本研究對所有變量數(shù)據(jù)均進行了單位根LLC檢驗（結(jié)果如表3所示）。若按0.10水平下的顯著性要求，只有不良貸款率的數(shù)值-0.84，P值0.20，超過0.10，為非平穩(wěn)序列。由于采用的是季度數(shù)據(jù)，可能存在季度波動的持續(xù)性問題，為進一步確保模型結(jié)果的準確性，對變量不良貸款率進行一階差分。結(jié)果顯示，即使按0.01水平下的顯著性要求，該序列的平穩(wěn)性都是穩(wěn)定的。

表3 單位根檢驗

4.模型設計及hausman檢驗

面板數(shù)據(jù)的變量關系一般有兩種：一種是個體呈現(xiàn)隨機變化，即把回歸模型的系數(shù)視作隨機變量，這樣的模型叫作隨機效應模型；另一種則是個體的變化與自變量存在一定的關系，一般是指模型的斜率系數(shù)是固定不變的，只有模型的截距項會發(fā)生變量，我們把這樣的模型叫作固定效應模型。本研究利用統(tǒng)計軟件，對解釋變量與被解釋變量構(gòu)建隨機效應模型（其結(jié)果如表4所示）。

表4 hausman檢驗結(jié)果

從上述的模型結(jié)果來看，除了資產(chǎn)負債率DAR

變量的T檢驗的概率值大于0.1，其他變量的檢驗概率均為0，表明大部分的變量對于被解釋變量產(chǎn)生比較明顯的影響。因此，為了進一步確認該模型是否真的適合隨機效應模型，本研究選用hausman檢驗進行進一步論證。

從表4結(jié)果可知，該模型的檢驗結(jié)果P值為0，小于0.1，拒絕原假設，即上述隨機效應模型整體的數(shù)據(jù)雖然結(jié)果良好，但是，相對于隨機效應模型，本研究的面板數(shù)據(jù)由于其自身的季度性，可能更適合固定效應模型，因此，最終確定選用固定效應模型。鑒于此，本研究重構(gòu)固定效應模型，模型結(jié)果顯示如下：

三、實證結(jié)果分析

首先，通過上述的數(shù)據(jù)清洗、數(shù)據(jù)加工以及模型構(gòu)建、結(jié)果檢測，本研究構(gòu)建了金融科技與銀行盈利關系的面板數(shù)據(jù)的固定效應模型。從公式（2）的結(jié)果數(shù)據(jù)來看，本模型的擬合優(yōu)度系數(shù)從隨機效應模型公式（1）的0.7上升到0.8，擬合效果比之前提升了0.1，進一步表明了利用固定效應模型，解釋變量對于被解釋變量的解釋更充分。

其次，金融科技指數(shù)的變動對于商業(yè)銀行的盈利能力影響系數(shù)是0.19，雖然比在隨機效應模型狀態(tài)的回歸系數(shù)要小一點，但是，足以證明兩者之間呈現(xiàn)正相關的關系。這也就進一步論證了若要全面實現(xiàn)綠色金融，促進國內(nèi)各類產(chǎn)業(yè)的全面升級，開展金融科技的業(yè)務提升勢在必行。

再次，控制變量基本每股收益、資產(chǎn)負債率以及成本收入比和不良貸款率，均與銀行的盈利能力呈現(xiàn)正相關的關系。其中，基本每股收益與盈利能力關系緊密，呈現(xiàn)正相關不足為奇。但是，其他三個指標也呈現(xiàn)正相關，成本、負債、貸款等指標是影響綠色金融落地的關鍵指標，回歸系數(shù)均為正值，即都在可控制的范圍，進一步表明了目前的中國銀行業(yè)綠色金融正在慢慢步入正軌。可見，適當?shù)呢搨①J款，不僅不會對綠色金融造成負面影響，而且在一定程度上，還有助于盈利能力的提升。

最后，本研究由于數(shù)據(jù)采集的局限性，選擇固定資產(chǎn)作為銀行規(guī)模的指標。固定資產(chǎn)的回歸系數(shù)為-1.17，表明固定資產(chǎn)與銀行的盈利能力呈現(xiàn)負相關。即現(xiàn)在銀行對于固定資產(chǎn)的投入雖然都比較大，但巨額的投入并無法給自身帶來巨大的收益，投入與產(chǎn)出并不成正比。因此，現(xiàn)在很多銀行選擇逐步擴大金融科技這類無形資產(chǎn)的研發(fā)投入，有些甚至將研發(fā)轉(zhuǎn)化，走在金融科技發(fā)展的前沿。

四、政策建議

人工智能背景下，金融科技的發(fā)展勢不可擋，如何實現(xiàn)金融科技賦能傳統(tǒng)銀行業(yè)務的發(fā)展變得尤為重要。基于本研究，提出以下金融科技助力銀行全面發(fā)展的政策意見：

（一）扎實開展金融科技的銀行內(nèi)外宣傳活動

第一，銀行內(nèi)部要培育在崗職員樹立科技金融的新理念，鼓勵、引導基層員工利用科技手段助力銀行業(yè)務的開展，提升業(yè)務辦理的效率；第二，銀行對外要安排員工深入群眾，讓客戶了解銀行最新金融服務在社會民生方面取得的科技成果，讓客戶認識到金融科技給生活帶來的便利，讓客戶慢慢接納新的科技手段，與銀行的發(fā)展同向同行。

（二）打造創(chuàng)新研發(fā)綠色產(chǎn)品的科技金融機制

從研究成果可知，綠色金融業(yè)務的發(fā)展只要控制在有效的范圍內(nèi)，是可以快速提升銀行的綜合實力的。因此，在這樣的金融環(huán)境背景下，我們只需要保證金融科技的創(chuàng)新與傳統(tǒng)金融的運作協(xié)同發(fā)展，必將為銀行開創(chuàng)一個高速前進的新局面：第一，可以繼續(xù)加大金融科技綠色產(chǎn)品的研發(fā)力度，滿足當前金融市場的投融資需要，服務區(qū)域經(jīng)濟的發(fā)展需求；第二，可以加快綠色金融產(chǎn)品中間運轉(zhuǎn)的速度，通過金融科技的賦能，規(guī)避綠色資金期限過長，實現(xiàn)銀行的資本結(jié)構(gòu)再優(yōu)化，落實銀行流動性風險度的再降低。

（三）培養(yǎng)引進新時代的金融科技創(chuàng)新人才

本研究變量中缺乏關于人才的數(shù)據(jù)引入，主要是因為早期行業(yè)對于金融科技的人才并沒有給予應有的重視。但是，從2020年的統(tǒng)計數(shù)據(jù)來看，全國的大中小型銀行金融科技人員占比明顯提高，全面推進了專業(yè)化金融科技隊伍的建設?？梢?，銀行與金融科技要實現(xiàn)深度融合，人才是關鍵。第一，政府可以通過政策引領的形式，鼓勵金融行業(yè)不斷引進金融科技的高層次人才，通過團隊建設的形式，在短期內(nèi)形成高水平的創(chuàng)新研發(fā)隊伍；第二，銀行業(yè)可以充分利用產(chǎn)教融合的平臺，與高校共同制定新時代的人才培養(yǎng)體系，為金融行業(yè)的長久發(fā)展，提供可持續(xù)的創(chuàng)新人才。