互联网金融在商业银行的影响研究范文

本站小编为你精心准备了互联网金融在商业银行的影响研究参考范文，愿这些范文能点燃您思维的火花，激发您的写作灵感。欢迎深入阅读并收藏。

摘要：文章基于我国75家商业银行2014—2016年的数据，结合北京大学互联网金融发展指数，实证检验了互联网金融发展对城市商业银行和农村商业银行的盈利能力、盈利结构及经营风险的影响。研究发现互联网金融发展对商业银行盈利能力的影响呈现先降后升的“U”型趋势，目前对商业银行盈利能力的主流影响仍然是消极；同时，互联网金融发展对商业银行盈利能力的不利冲击倒逼商业银行提高非利息收入，互联网金融的发展显著提高了商业银行的非利息收入水平；互联网金融发展对商业银行经营风险的线性关系并不显著，但呈现先升后降的倒“U”型非线性关联。

关键词：互联网金融；商业银行；盈利能力；盈利结构；经营风险

一、引言

1995年，美国出现了“安全第一网络银行”，标志着互联网金融的诞生，此后互联网金融迅速在全球范围内发展。我国互联网金融主要经历了3个发展阶段。首先是2005年以前的萌芽阶段，这个时期的互联网金融主要是传统的金融机构直接将一些线下业务转变成了网络操作的线上业务，业务形态并没有发生变化。其次是2005年至2012年的起步阶段，以2005年上线的第三方支付“支付宝”为代表，互联网不再仅仅是一个操作平台，金融与互联网相结合催生了一系列新金融业务形态，如P2P网贷、众筹等，但监管的不足使许多业务仍处于“灰色地带”。最后是从2013年延续至今的高速发展期，以“余额宝”上线为代表，第三方支付、众筹等业务逐步地走向正轨，互联网与保险、证券等相结合使一批新业务不断诞生，监管政策逐渐出台，互联网金融日益受到国家的重视。互联网金融逐渐在我国金融业中占据越来越重要的地位，它对银行业的传统业务模式造成了巨大的影响。从积极方面看，互联网金融降低了商业银行的营业成本，提高了商业银行的经营效率，产生了一定的技术溢出效应，从消极方面看，互联网金融在很大程度上与商业银行的传统业务存在竞争关系，会对商业银行的传统存贷业务与利差产生一定的冲击。那么在技术溢出效应与竞争效应的共同作用下，商业银行的盈利能力、盈利结构和经营风险到底受到何种影响？互联网金融发展影响商业银行的内在原因有哪些？面对互联网金融发展的冲击，商业银行应该如何应对？通过对接地方互联网金融发展程度和对应城商行、农商行的数据，本文通过实证研究解答上述问题。

二、相关研究评述

虽然从业界视角来看互联网金融的发展对商业银行的经营模式产生较大的冲击，但从已有研究来看，互联网金融的影响并非完全是负面的，商业银行也能够在互联网金融时代寻找到发展的机遇。例如刘澜飚等（2013）研究表明，互联网金融模式与传统金融模式之间并不仅是竞争关系，两者之间存在较大的融合空间。通过进一步发挥互联网的技术优势与组织模式，传统金融中介机构可提升自身服务能力与效率、扩大服务领域与受众。关于互联网金融对商业银行盈利能力和盈利结构的影响方面，王锦虹（2015）采用德尔菲法问卷调查与模糊层次分析法为基础构建测度指标体系，发现互联网金融对商业银行负债影响较大，因而对商业银行盈利产生较大影响，对资产类和中间业务的影响较小，因而对商业银行盈利所产生的影响也较小；刘忠璐，林章悦（2016）运用中国145家商业银行的数据通过实证检验表明，互联网金融发展显著降低了商业银行的盈利能力；申创，刘笑天（2017）的研究结果表明，总体来说，互联网金融的发展对商业银行的绩效水平产生了显著的负向影响，但市场势力越强的商业银行受到的互联网金融的冲击越小，市场势力超过一定水平时，互联网金融的发展甚至会提升银行的绩效水平；赵胜民，刘笑天（2018）的分析结果表明互联网金融的发展显著降低了商业银行的总体非利息收入水平，其中互联网金融的发展程度与商业银行的手续费及佣金收入之间存在显著的负相关关系，对商业银行交易性收入所造成的技术溢出效应和竞争效应大致相当，竞争效应略占优势。关于互联网金融对商业银行经营风险的影响方面，国外学者对互联网金融如何影响商业银行风险的早期研究主要集中于两个不同层面：正方认为互联网金融带来的技术创新有助于降低信息不对称问题，从而优化银行的风险管理（例如：Lapavitsas和DosSantos（2008））；反方则认为互联网金融推动商业银行业务转型，这一转变过程会加重银行的风险承担（例如：Roger（1999）；刘忠璐（2016））。郭品，沈悦（2015）首先建立理论模型，然后运用中国36家商业银行的微观面板数据进行实证检验，研究发现：从动态演进视角来看，互联网金融对商业银行风险承担的影响呈现先降后升的“U”型趋势；刘忠璐（2016）认为互联网金融的发展降低了商业银行的风险承担，但对不同类型的商业银行风险行为的影响具有差异性；邹静，王洪卫（2017）运用突变分析和SVAR模型等计量方法实证互联网金融对银行系统性风险的影响存在“期限结构效应”，即互联网金融在短期内会增加银行系统性风险，但从中长期来看，对银行系统性风险的影响并不大。喻微锋，周黛（2018）证实了互联网金融对银行风险的影响存在以银行规模为特征的门槛效应，随着银行规模的逐渐增大，互联网金融对银行风险的影响表现为“没有影响－显著提高银行风险－没有影响”。综合已有研究文献可发现，第一，选取的商业银行样本多为股份制商业银行和大型商业银行，或者所有类型的银行共同分析，缺乏专门针对城市商业银行和农村商业银行的研究，第二，实证分析多是从经营效率、盈利能力及风险管理等角度只选其一分析商业银行受到的影响，第三，已有文献基本是借鉴郭品、沈悦（2015）的研究成果，采用“文本挖掘法”构建互联网金融指数，缺乏官方权威认证的数据。鉴于此，本文将着重分析互联网金融对中国城市商业银行、农村商业银行盈利能力、盈利结构与经营风险的影响。本文将对现有文献进行如下拓展：（1）选取中国75家城市商业银行与农村商业银行作为研究样本；（2）从盈利能力、盈利结构、经营风险三个角度共同分析互联网金融对商业银行的影响，且针对盈利能力与结构，分别选取净权益平均收益率与非利息收入率这两个指标来衡量，针对经营风险，选取不良贷款率来衡量；（3）原有方法构建的互联网金融指数是全国性的，忽略了不同省份间的差异，本文利用北京大学互联网金融发展指数中的分省互联网金融发展指数，与相应省份的城市商业银行、农村商业银行指标进行分析，分析结果更加精确。

三、研究模型和数据

（一）研究样本与数据来源考虑数据的可得性以及本文研究的时期需要，本文选取了75家商业银行的数据，包括55家城市商业银行和20家农村商业银行，样本区间为2014~2016年，数据来源于BVD数据库；互联网金融发展指数来自于北京大学互联网金融研究中心；宏观数据来源于中国统计年鉴。

（二）变量定义1.被解释变量。（1）商业银行盈利能力：衡量商业银行盈利能力的指标主要有总资产收益率、净资产收益率、成本收入比、经营利润率和市盈率等，本文采用净资产平均收益率（Roae）来衡量商业银行盈利能力。（2）商业银行盈利结构：本文采用非利息收入占营业收入的比重非利息收入率（Niir）来刻画商业银行的盈利结构。银行的非利息收入主要包括中间业务收入和咨询、投资等活动产生的收入，具体有服务费用及佣金收入、投资及汇兑损益、融资租赁收入及信托收入等。（3）商业银行经营风险：衡量商业银行经营风险的指标主要有拨备覆盖率、资本充足率、存贷比、不良贷款率、流动性比率等，本文采用不良贷款率（Npl）来衡量商业银行经营风险。2.核心解释变量：互联网金融指数。本文利用北京大学互联网金融发展指数中的分省互联网金融发展指数（Index）作为核心解释变量。由于北京大学互联网金融发展指数按照月度，因此本文采用12个月平均数据作为年度数据。3.控制变量。在控制变量的选取方面，借鉴相关文献的研究（赵胜民和刘笑天，2018），本文主要从银行内部层面和宏观经济层面进行选择。从银行内部层面考虑，首先，资本充足率是保证商业银行正常运营和发展所必需的资本比率，资本充足率越高，银行抵御风险的能力越强，贷存比是衡量商业银行流动性风险的指标之一，因此，本文选取资本充足率（Capital）与贷存比（Ldr）作为控制变量。其次，非利息费用衡量了商业银行的业务结构，所以本文使用非利息费用占商业银行总资产的比重非利息费用率（Nier）作为控制变量，其中非利息费用包含手续费及佣金支出、职工费用和其他管理费用。再次，贷款增长率衡量了商业银行的经营状况，对商业银行的经营风险和盈利能力均有影响，鉴于此，本文选取贷款增长率（Lgrowth）作为控制变量。最后，商业银行的资产规模对其业务结构和盈利结构都具有很大影响，因此本文使用商业银行总资产的自然对数值（Lnsize）作为资产规模的变量。

（三）模型设定考虑到以上提到的商业银行盈利能力、盈利结构与经营风险存在着一定的内生相关性，在进行方程组估计时需克服各方程残差之间的相关性，因此本文采用Zellner提出的Seeminglyunrelatedregression（SUR）方法进行估计，并通过Breusch-Pagan检验来验证本研究的四个被解释变量之间是否具有显著的关联性，以判断SUR方法是否适当。

四、实证结果与分析

本文采用SUR（似不相关回归）对方程组系统进行回归估计；采用Winsorization的方法对异常值（outliner）进行了处理。变量相关性检验结果显示解释变量之间没有显著的相关性，囿于篇幅，相关结果没有进行报告。

（一）SUR基本模型回归结果回归Ⅰ是不包含宏观控制变量的线性回归，回归Ⅱ是包含宏观控制变量的线性回归。表2中Breusch-Pagan检验值拒绝原假设，这表明银行的盈利能力（Roae）、盈利结构（Niir）、经营风险（Npl）三个变量存在着显著的关联性，因此本研究使用SUR的回归方法是适合的，有效地避免了各方程间残差的相关性对估计结果的影响。加入宏观控制变量后，R2均有所提高，拟合效果更好。对商业银行的盈利能力而言，从表2回归Ⅱ第一列的结果可看出，Roae与Index存在负线性关系，Index的系数在1%的显著性水平下为负，说明互联网金融的发展对商业银行的盈利能力产生了冲击，竞争效应的效果更为明显，竞争效应带来的消极影响主要体现在以下两个方面：从资产端来看，由于互联网金融相比于传统商业银行能够提供价格更低、交易手续更方便的贷款服务，使得互联网金融在一定程度上对银行的贷款业务造成冲击，降低银行贷款规模。同时，由于传统商业银行业务一般侧重于资信良好的大企业贷款，而对中小企业和个人贷款业务有较高的门槛限制，导致中小企业和个人融资困难。互联网金融以其更低的服务门槛、更加具有针对性的产品设计，解决了中小企业和个人的贷款问题。但应注意到互联网金融与商业银行的贷款对象是互补的，互联网金融的贷款对象大多达不到银行的贷款门槛，从这个角度看互联网金融对商业银行资产端的影响相对轻微。从负债端来看，互联网货币基金类产品的出现对商业银行的存款业务造成了较大的冲击，以“余额宝”为例，从收益率方面来看，目前“余额宝”的收益率在4.2%左右，而商业银行一年期定期整存整取存款利率仅仅在1.75%左右，活期存款利率更是低达0.3%；从便捷程度来看，“余额宝”的购买门槛仅为1元，可以随时取出转入，而商业银行定期存款的最低起存金额为50元，整存整取的定期存款只能在固定时间取出固定的金额，虽然活期存款的最低起存金额也是1元，但对于低于一定额度的活期存款要收取管理费。基于以上原因，以“余额宝”为代表的互联网货币基金类产品以其低门槛和便利性对客户有极大的吸引力，吸收了大量存款，对商业银行的存款业务产生了负面影响。同时还要考虑到，许多互联网货币基金吸收居民的存款后又投资于同业拆借，将原本一年期约3%的存款利率提高了1.5个百分点，虽然部分被互联网金融分流的存款回流，但这提高了银行的筹资成本，这使得商业银行原本依靠单一存贷利差的盈利模式难以为继。在控制变量方面：银行资产规模的估计系数在1%的显著性水平下为正，表明银行存在规模效应，银行的资产规模扩大，经济效益增加；国民生产总值的估计系数在10%的显著性水平下为正，表明社会经济发展越繁荣，银行的净资产平均收益率越高；贷款增长率、贷存比的系数为负，资本充足率、非利息费用率、金融业增加值的系数为正，但各项在统计上皆不显著。对商业银行的盈利结构而言，从表2回归Ⅱ第二列的结果可看出，Niir与Index存在显著的正线性关系，Index的系数在1%的显著性水平下为正。互联网金融的发展对商业银行非利息收入的技术溢出效应的效果更为明显。互联网金融发展对以净息差收入为主的传统盈利模式的冲击，倒逼商业银行提高非利息收入，积极开拓非贷款类盈利项目，从而维持和提高盈利水平。互联网金融发展对商业银行盈利结构的积极影响主要体现在以下几个方面：首先，互联网金融的主要优势在于低廉的交易成本，商业银行可运用互联网金融平台开展业务，降低业务成本，拓展业务范围，增加收入来源。其次，与商业银行传统的信息收集方式相比较，互联网金融的发展降低了商业银行的信息收集成本，商业银行可利用“大数据”技术更好地收集相关信息，更精准地把握客户需求，为其金融服务的精准定位和市场营销提供了更好的基础。最后，借鉴融合互联网金融技术，商业银行可以更好地进行市场分析和产品分析，从而在投资过程中对项目收益和风险水平拥有更充分的了解，投资能力因此得到提升。在控制变量方面：贷款增长率的估计系数在1%的显著性水平下为正，这表明处于市场快速扩张期的银行其非利息收入占比也是较高的；国民生产总值、资本充足率、资产规模、贷存比、非利息费用率的估计系数为正，金融业增加值的估计系数为负，但各项在统计上皆不显著。由回归Ⅰ与回归Ⅱ第三列结果可知，Npl与Index不存在显著的线性关系。互联网金融的发展和银行不良贷款率风险没有显著的线性关系。资本充足率与商业银行经营风险在1%的显著性水平下呈负相关关系，这与刘忠璐（2016）以及喻微锋（2018）的研究结果一致，随着商业银行资本充足率的提高，商业银行的道德风险下降，抵御风险的能力增强；资产规模的估计系数在1%的显著性水平下为负，表明银行存在规模效应，银行的资产规模扩大，经营风险降低。而贷款增长率在5%的显著性水平下同Npl负相关，这说明快速扩张会引致不良的升高，加大银行经营的风险。贷存比的估计系数为正，非利息费用率、国民生产总值、金融业增加值的估计系数为负，但各项在统计上皆不显著。

（二）基于互联网金融非线性影响的进一步检验回归Ⅰ是不包含宏观控制变量的线性回归，回归Ⅱ是包含宏观控制变量的线性回归。加入宏观控制变量后，R2均有所提高。对商业银行的盈利能力而言，从表3回归Ⅱ第一列的结果可看出，Roae与Index存在微弱的非线性关系，Index的系数在1%的显著性水平下为负，Index2的系数在10%的显著性水平下为正，说明互联网金融的发展对商业银行的盈利能力最先产生了冲击，但随着互联网金融发展程度的提高，技术溢出效应的效果逐渐变得明显。由回归结果可知二次函数的拐点为661，该值大于目前大部分省份的互联网金融发展指数，因此目前互联网金融对商业银行盈利能力的影响仍处于消极阶段。但未来随着互联网金融的不断发展，其对商业银行盈利能力的技术溢出效应有：首先，商业银行可利用互联网技术提升其经营效率，降低业务与管理成本，如商业银行利用互联网平台办理业务、销售理财产品等；其次，由上文分析知，互联网金融发展将倒逼商业银行提高非利息收入，如提高投资业务的收入，从而提高商业银行总的盈利水平。由表3第二列结果可知商业银行的盈利结构Niir与Index不存在显著的非线性关系。对商业银行的经营风险而言，从表3第三列的结果可看出，Npl与Index存在显著的“倒U型”的非线性关系，由回归Ⅱ第三列的结果可知二次函数的拐点为415，该值大于目前大部分省份的互联网金融发展指数，因此目前互联网金融对大部分商业银行经营风险的影响仍处于消极阶段，但随着溢出效应的不断增强，互联网金融对商业银行经营风险的影响将处于积极阶段。首先，随着互联网金融与商业银行融合程度的加深，互联网金融一些特有的风险将逐渐传染给商业银行，一是技术风险，相比于传统商业银行独立的通信网络，互联网金融企业处于开放的通信网络中，当商业银行也使用开放的通信网络时，安全易受到计算机病毒以及网络黑客等的威胁，导致客户信息的泄露、篡改及盗用；其次是法律风险，由于互联网金融方面监管政策的不足，部分互联网金融产品处于“灰色地带”，很可能演变成变相的“非法集资”；最后是流动性风险，互联网金融产品一般投资于长期稳定的资产，而负债期限通常变化大，容易产生期限错配，且互联网金融大多具有T+0的交易特点，容易出现挤兑和大规模资金转移，产生流动性风险，这会迅速传染给银行体系。其次，一方面，盈利的增加会降低银行风险转移动机，另一方面，盈利的增加会提高银行特许权价值，激励银行采取更加稳健的经营策略，反之，银行盈利的降低则会激励银行采取激进的经营策略，进而激励银行承担更多风险。由上文分析可知，目前互联网金融对商业银行盈利能力的影响仍处于消极阶段，盈利降低，加剧了商业银行的市场竞争，激励了商业银行冒风险的动机。从长远来看，互联网“大数据＋云计算”技术可以增加商业银行风险管理数据变量及观测视角，升级和优化商业银行内部评级体系，打破传统商业银行信息孤立、部门推诿的现状，打通信息平台前后环节，缓解信息不对称问题，经营风险可以得到有效降低。

五、结论与建议

本文选取我国75家商业银行2014—2016年的数据，利用北京大学互联网金融发展指数，分析了互联网金融发展程度对城市商业银行和农村商业银行的盈利能力、盈利结构和经营风险的影响。实证分析结果表明：（1）互联网金融发展程度与商业银行盈利能力存在微弱的“正U型”非线性关系，互联网金融的发展对商业银行的盈利能力首先产生了冲击，竞争效应的效果更为明显，但随着互联网金融发展程度的提高，技术溢出效应的效果逐渐加强。（2）对商业银行的盈利结构而言，互联网金融发展程度与非利息收入率存在显著的正线性关系，表明互联网金融的发展对商业银行的非利息收入同时产生的技术溢出效应和竞争效应中，技术溢出效应的效果更为明显，互联网金融发展倒逼商业银行提高非利息收入，积极开拓非贷款类盈利项目。（3）商业银行的经营风险与互联网金融发展程度存在显著的“倒U型”的非线性关系，目前互联网金融对大部分商业银行经营风险的影响仍处于消极阶段，但随着溢出效应的不断增强，互联网金融对商业银行经营风险的影响将处于积极阶段。基于上述结论，本文提出以下建议：第一，一方面，国家应加强对互联网金融行业的监管，互联网金融在我国发展时间不长，尚未建立健全相关监管体系，增加了金融业的整体风险，应加快针对互联网金融的立法进程，消除监管的灰色地带；另一方面，加强硬件投入，以保障互联网金融安全运行，如加大对计算机安全保护的研发投入，防范计算机病毒与网络黑客；同时互联网金融本身也可以运用大数据评估流动性风险，减轻资金的“期限错配”。第二，互联网金融的发展虽然对商业银行盈利能力造成冲击，但对商业银行的非利息收入产生了有利影响。商业银行应把握住机遇，抛弃对以往存贷利差单一业务模式的依赖，积极进行盈利结构转型，努力使盈利结构由单一化转变为多元化，拓展业务范围，提高投资能力，加快精准面向客户需求的金融产品的创新。第三，面对互联网金融的发展对商业银行经营风险的冲击，商业银行除了提高盈利能力，减少冒风险的动机，还应主动与互联网金融逐步融合，利用互联网的“大数据”和“云计算”技术，增加风险管理数据变量及观测视角，打通信息平台前后环节，缓解信息不对称问题，以有效降低商业银行的经营风险。

作者：王雪竹