鄭才靜

摘要：文章基于金融功能觀視角選取26個指標利用因子分析方法合成互聯(lián)網(wǎng)金融指數(shù)，相對準確地刻畫了我國2006—2018年互聯(lián)網(wǎng)金融發(fā)展歷程。與此同時，通過使用三階段DEA方法測度我國57家商業(yè)銀行的技術效率。在此基礎上，通過使用系統(tǒng)廣義矩估計（SYSGMM）方法研究互聯(lián)網(wǎng)金融對商業(yè)銀行經(jīng)營效率影響情況。研究結(jié)果表明，互聯(lián)網(wǎng)金融與商業(yè)銀行之間競爭關系逐漸由零和博弈向競合博弈轉(zhuǎn)變，隨著二者合作關系的逐漸加強，商業(yè)銀行經(jīng)營效率得到有效改善;此外，成本收入比和資本結(jié)構(gòu)對商業(yè)銀行經(jīng)營效率影響顯著。

Abstract： The factor analysis method is used to synthesize the Internet financial index and depict the development process of Internet finance in China from 2006 to 2018. Meanwhile， the operational efficiency of 57 commercial banks is measured by using a three-stage DEA method. Based on these， the SYSGMM regression is used to analyse the impact of Internet finance on commercial banks' efficiency， and to find out the key factors affecting banks' efficiency. The research results show that the relationship between them has gradually changed from zero-sum game to co-opetition game; Internet finance is gradually conductive to improving commercial banks' efficiency. At the same time， we also find that the cost-to-income ratio and capital structure have a significant impact on the operational efficiency of commercial banks. The the SYSGMM regression from the perspectives of scale efficiency and pure technical efficiency separately also confirmed the previous conclusion.

關鍵詞：互聯(lián)網(wǎng)金融;商業(yè)銀行;規(guī)模效率;純技術效率

Key words： internet finance;commercial bank;scale efficiency;pure technical efficiency

中圖分類號：F832? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? 文獻標識碼：A? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? 文章編號：1006-4311（2019）29-0129-03

0? 引言

互聯(lián)網(wǎng)金融作為一種新型金融業(yè)態(tài)（吳曉求[1]，2015），其主要特征是利用互聯(lián)網(wǎng)技術開展的金融創(chuàng)新業(yè)務，實現(xiàn)了產(chǎn)業(yè)之間相互融合，促進了金融深化（李二亮[2]，2015）。效率是衡量商業(yè)銀行競爭力的集中表現(xiàn)（周逢民[3]，2010），提高商業(yè)銀行的經(jīng)營效率有利于提高商業(yè)銀行的競爭力，本文主要探討在互聯(lián)網(wǎng)金融背景下，商業(yè)銀行應該因勢利導的選擇合宜的發(fā)展方向，處理好與互聯(lián)網(wǎng)金融這一新型業(yè)態(tài)之間的關系。2013年以余額寶等互聯(lián)網(wǎng)理財工具出現(xiàn)以后，商業(yè)銀行存款規(guī)模開始逐漸下降，商業(yè)銀行盈利能力開始下滑。所以國內(nèi)針對互聯(lián)網(wǎng)金融對商業(yè)銀行不同方面影響的研究在近年來涌現(xiàn)較多。部分學者認為互聯(lián)網(wǎng)金融對傳統(tǒng)商業(yè)銀行功能進行一定程度上的替代，對傳統(tǒng)商業(yè)銀行造成沖擊，徐嵐和徐青松（2014）[4]通過借鑒國外經(jīng)驗分析發(fā)現(xiàn)互聯(lián)網(wǎng)金融與商業(yè)銀行在資產(chǎn)、負債和通道等方面存在不同程度的競爭。吳詩偉等（2015）[5]實證研究表明互聯(lián)網(wǎng)金融企業(yè)通過倒逼商業(yè)銀行利率市場化推升了銀行的風險水平。與之相反，劉忠璐（2016）[6]認為雖然互聯(lián)網(wǎng)金融從盈利方面對銀行具有不利影響，但卻有利于其經(jīng)營效率水平的提高，整體上有利于降低商業(yè)銀行破產(chǎn)風險。也有一部分學者從全要素生產(chǎn)率（TFP）角度分析互聯(lián)網(wǎng)金融對商業(yè)銀行的影響，吳曉求（2015）認為互聯(lián)網(wǎng)金融雖然與傳統(tǒng)金融存在競爭關系，但是也有助于推動金融結(jié)構(gòu)變革和金融效率提;沈悅和郭品（2015）[7]和吳海清（2017）[8]通過實證分析證實了互聯(lián)網(wǎng)金融憑借技術溢出推動了商業(yè)銀行的全要素生產(chǎn)率提高。

前面學者就互聯(lián)網(wǎng)金融對商業(yè)銀行的影響得出的結(jié)論相對具有啟示性，但是互聯(lián)網(wǎng)金融這一新型業(yè)態(tài)與商業(yè)銀行經(jīng)營效率之間的關系仍然值得做進一步的考察。首先關于互聯(lián)網(wǎng)金融這一指標的衡量，如何選擇合適的代理指標來詳細刻畫其發(fā)展特征對于我們探討互聯(lián)網(wǎng)金融對商業(yè)銀行經(jīng)營效率之間關系研究十分重要。其次關于商業(yè)銀行經(jīng)營效率的衡量，部分學者使用財務指標衡量，局限性較大，雖然也有部分學者使用DEA方法測度商業(yè)銀行的經(jīng)營效率，但是傳統(tǒng)DEA作為非參數(shù)估計無法做假設檢驗和考慮隨機因素的影響，所以為了避免了其局限性，本文則是在Fried等（2002）[9]構(gòu)造的三階段DEA模型基礎上，測度商業(yè)銀行的經(jīng)營效率。此外在面板回歸分析中，考慮商業(yè)銀行經(jīng)營的連續(xù)性特征，本文使用SYSGMM估計動態(tài)面板。

1? 互聯(lián)網(wǎng)金融對商業(yè)銀行影響機制分析

一方面互聯(lián)網(wǎng)金融打破了傳統(tǒng)銀行業(yè)在我國信貸市場上的壟斷局面。以商業(yè)銀行貸款為典型的間接融資是我國金融市場上的主要融資方式，由于資本市場發(fā)展不完全導致很多小微企業(yè)和民營企業(yè)因為不能滿足商業(yè)銀行授信要求而被排擠在信貸市場之外。互聯(lián)網(wǎng)金融應用大數(shù)據(jù)和云計算等新型技術突破傳統(tǒng)產(chǎn)業(yè)時間空間的局限性，有效緩解了因信息不對稱引發(fā)的信用風險，迅速占領了“長尾”市場，倒逼著商業(yè)銀行參與市場競爭。這正是“鲇魚效應”在中國銀行業(yè)市場上典型體現(xiàn)。只有引入競爭機制才能夠激發(fā)商業(yè)銀行提高生產(chǎn)經(jīng)營效率，真實地為實體經(jīng)濟服務。

另一方面根據(jù)“技術溢出效應”理論可知互聯(lián)網(wǎng)金融給商業(yè)銀行經(jīng)營帶來極大的不確定性同時也通過示范效應、競爭效應、人員流動效應以及聯(lián)系效應（沈悅、郭品，2015）為商業(yè)銀行提供技術上的正外部性。隨著資管新規(guī)的出臺，互聯(lián)網(wǎng)金融與商業(yè)銀行之間的競爭關系逐漸由零和博弈演變?yōu)楦偤喜┺?，雖然存在某些方面的競爭，但是二者之間的合作性也在不斷增強，例如商業(yè)銀行可以為互聯(lián)網(wǎng)金融企業(yè)提供資金劃轉(zhuǎn)和清算等相關業(yè)務支持，而互聯(lián)網(wǎng)金融依據(jù)信息優(yōu)勢為商業(yè)銀行提供大量客戶數(shù)據(jù)，有助于其進行信貸決策和風險管理。

綜上所述，互聯(lián)網(wǎng)金融作為新型的金融業(yè)態(tài)對商業(yè)銀行的影響逐漸由零和博弈向競合博弈演變，由此本文提出假說一：互聯(lián)網(wǎng)金融有助于商業(yè)銀行經(jīng)營效率的提高。

2? 模型設定與變量選取

2.1 模型設定

為了檢驗互聯(lián)網(wǎng)金融對商業(yè)銀行經(jīng)營效率的影響，本文設計回歸模型如下：

根據(jù)商業(yè)銀行經(jīng)營效率的“粘性”特征和互聯(lián)網(wǎng)金融發(fā)展趨勢的延續(xù)性特征，本文引入了被解釋變量的滯后兩期，互聯(lián)網(wǎng)金融的滯后一期作為解釋變量;控制變量主要有商業(yè)銀行的成本收入比（mq）、財務杠桿（eq）、市場勢力（ms）、利率風險（rrisk）、市場集中度（CRn）以及經(jīng)濟增長率（ggdp）和市場流動性指標（m2gdp），μi為商業(yè)銀行固定效應;εit為隨機誤差項。其中i=1，2，…，N表示銀行數(shù)目，t=1，2，…，T表示時間。

2.2 變量定義

2.2.1 被解釋變量：商業(yè)銀行經(jīng)營效率

本文綜合資產(chǎn)法與中介法，選擇客戶存款總額、固定資產(chǎn)賬面凈額、營業(yè)費用作為投入變量，選取利息凈收入，手續(xù)費及傭金凈收入作為產(chǎn)出變量，該產(chǎn)出指標相對比較全面的刻畫銀行的經(jīng)營成果。選取的環(huán)境指標主要有銀行類型、銀行成立年限、通貨膨脹率、區(qū)域GDP實際增長率、社會融資規(guī)模中表外資產(chǎn)占比、股票市場籌資額、銀行業(yè)總資產(chǎn)以及利率市場化改革這一政策因素，并對股票市場籌資額與銀行業(yè)金融機構(gòu)總資產(chǎn)等絕對量做了標準化處理①;并且將社會融資規(guī)模中表外資產(chǎn)占比做了同向化處理②。

2.2.2 核心解釋變量——互聯(lián)網(wǎng)金融指數(shù)

本文在沈悅和郭品（2015）研究的基礎上，結(jié)合當前互聯(lián)網(wǎng)金融發(fā)展態(tài)勢，利用“文本挖掘法”從金融功能觀角度選取四個維度，進而在各維度中選取相應的變量，總共篩選26個指標，數(shù)據(jù)來源于《中國重要報紙全文數(shù)據(jù)庫（CCND）》，最后根據(jù)因子分析方法合成互聯(lián)網(wǎng)金融指數(shù)，因子分析方法是主成分方法的進一步深化和拓展，是多元分析中常用的一種降維問題的一種常用統(tǒng)計方法。篩選的指標如表1所示。

2.2.3 控制變量

本文主要從微觀、中觀、宏觀三個角度選取影響商業(yè)銀行經(jīng)營效率主要因素;微觀上主要選取成本收入比（營業(yè)費用占營業(yè)收入的比值）、財務杠桿（股東權(quán)益比值）、市場勢力（單個銀行資產(chǎn)占銀行業(yè)資產(chǎn)比值）衡量商業(yè)銀行內(nèi)部影響因素;中觀上選取利率風險（銀行間同業(yè)拆借利率7天加權(quán)平均利率的年度標準差度量、市場集中度（五家大型商業(yè)銀行資產(chǎn)規(guī)模占銀行業(yè)資產(chǎn)份額的比值）衡量行業(yè)因素影響;宏觀上選取經(jīng)濟增長率ggdp和市場流動性指標（m2/gdp）衡量宏觀經(jīng)濟因素影響。

3? 實證設計

3.1 樣本選取

本文選取了中國57家商業(yè)銀行2006-2017年的經(jīng)營數(shù)據(jù)，包括5家大型商業(yè)銀行，12家股份制商業(yè)銀行，40家城市商業(yè)銀行，數(shù)據(jù)來源于商業(yè)銀行年報、中國金融年鑒、中國城市統(tǒng)計年鑒、中國統(tǒng)計年鑒和中國人民銀行官網(wǎng)數(shù)據(jù)庫。

3.2 變量設計與描述性統(tǒng)計

表2報告了各變量的描述性統(tǒng)計結(jié)果，根據(jù)商業(yè)銀行經(jīng)營效率測度結(jié)果，我們發(fā)現(xiàn)平均水平是0.437，最大值為1，最小值為0.001，說明我國商業(yè)銀行整體經(jīng)營效率相對較低，距離有效狀態(tài)“1”仍有很大距離，此外商業(yè)銀行之間效率值差距比較大，城市商業(yè)銀行效率水平值偏低。

3.3 實證分析

基于樣本面板數(shù)據(jù)特征，我們先從混合效應、固定效應以及隨機效應角度使用STATA15.0軟件做初步分析，表4報告了回歸結(jié)果。根據(jù)Hausman檢驗結(jié)果的P值為0.0002，可知固定效應優(yōu)于隨機效應。但是根據(jù)商業(yè)銀行經(jīng)營效率的粘性特征（劉忠璐，2016），所以本文引入經(jīng)營效率的滯后項以及互聯(lián)網(wǎng)金融指數(shù)的滯后項作為解釋變量，并使用GMM估計。差分GMM估計和系統(tǒng)GMM的AR（1）檢驗結(jié)果均說明擾動項差分存在一階序列相關;而AR（2）檢驗結(jié)果均表明擾動項差分不存在二階序列相關，所以滿足DiffGMM和SYSGMM估計基本條件，同時根據(jù)Sargan檢驗表明，模型使用的工具變量均有效，所以估計結(jié)果具有可靠性。根據(jù)系統(tǒng)GMM估計結(jié)果，我們可以達到下面結(jié)論：

互聯(lián)網(wǎng)金融指數(shù)及其一階滯后項的估計系數(shù)分別為0.0414和-0.0367，且分別在1%和5%顯著性水平下統(tǒng)計顯著，說明了互聯(lián)網(wǎng)金融對商業(yè)銀行經(jīng)營效率的影響經(jīng)歷了一個轉(zhuǎn)變，即逐漸從零和博弈向競合博弈方向發(fā)展，互聯(lián)網(wǎng)金融指數(shù)對商業(yè)銀行經(jīng)營效率具有正向技術技術溢出效應。所以二者之間的關系并不是簡單的促進與阻礙作用，而是存在關系的一個轉(zhuǎn)變。

成本收入比的估計系數(shù)為負，且統(tǒng)計顯著，與預期一致。財務杠桿系數(shù)為負，統(tǒng)計顯著，說明股東權(quán)益比率越高，商業(yè)銀行的經(jīng)營效率可能會下降，因為商業(yè)銀行資本結(jié)構(gòu)相對比較保守，不能夠有效發(fā)揮財務杠桿對其經(jīng)濟效益帶來的正面影響。市場勢力和市場集中度對商業(yè)銀行經(jīng)營效率影響方向不一致，但是均不顯著，說明二者并不是構(gòu)成影響商業(yè)銀行經(jīng)營效率主要因素。利率風險的估計系數(shù)為負且統(tǒng)計顯著，與預期相符，利率市場化改革完成后，利率波動更加頻繁，利率風險作為市場風險的一種類型具有不可控性，加大了商業(yè)銀行風險管理的難度，不利于其經(jīng)營效率提升。經(jīng)濟增長率的系數(shù)為正，說明宏觀經(jīng)濟狀況運行良好時，商業(yè)銀行作為順周期行業(yè)，也有利于其經(jīng)營效率的提高，但是影響并不顯著。市場流動性指標（M2gdp）的估計系數(shù)為負，影響并不顯著。

4? 結(jié)論與建議

本文通過科學構(gòu)建互聯(lián)網(wǎng)金融指數(shù)以反映我國2006-2018年以來互聯(lián)網(wǎng)金融發(fā)展態(tài)勢，并對我國57商業(yè)銀行的經(jīng)營效率進行估計，然后通過動態(tài)面板回歸進行檢驗。本文得到主要結(jié)論：互聯(lián)網(wǎng)金融指數(shù)在2006-2018年其發(fā)展特征類似于“倒U型”曲線，在2014-2015年達到最高峰以后開始出現(xiàn)轉(zhuǎn)折，與現(xiàn)實吻合;經(jīng)過SYSGMM估計，互聯(lián)網(wǎng)金融指數(shù)及其一階滯后向分別對商業(yè)銀行綜合技術效率、規(guī)模效率以及純技術效率產(chǎn)生方向相反的作用，逐漸從零和博弈方向向競合博弈方向發(fā)展。根據(jù)分析結(jié)果，我們提出以下政策建議，互聯(lián)網(wǎng)金融作為新興業(yè)態(tài)對商業(yè)銀行經(jīng)營效率正逐漸發(fā)揮著正向的促進作用，應該充分利用互聯(lián)網(wǎng)金融的技術優(yōu)勢和信息優(yōu)勢，通過對數(shù)據(jù)的加工處理，做好信貸控制和風險管理。

注釋：

①標準化處理公式。

②同向化處理公式。

參考文獻：

[1]吳曉求.互聯(lián)網(wǎng)金融：成長的邏輯[J].財貿(mào)經(jīng)濟，2015（02）：5-15.

[2]李二亮.互聯(lián)網(wǎng)金融經(jīng)濟學解析——基于阿里巴巴的案例研究[J].中央財經(jīng)大學學報，2015（02）：33-39.

[3]周逢民，張會元，周海，孫佰清.基于兩階段關聯(lián)DEA模型的我國商業(yè)銀行效率評價[J].金融研究，2010（11）：169-179.

[4]徐嵐，徐青松.從美國經(jīng)驗看“互聯(lián)網(wǎng)金融”對于國內(nèi)傳統(tǒng)銀行業(yè)的沖擊[J].上海經(jīng)濟研究，2014（07）：97-101.

[5]吳詩偉，朱業(yè)，李拓.利率市場化、互聯(lián)網(wǎng)金融與商業(yè)銀行風險——基于面板數(shù)據(jù)動態(tài)GMM方法的實證檢驗[J].金融經(jīng)濟學研究，2015（06）：29-38.

[6]劉忠璐.互聯(lián)網(wǎng)金融對商業(yè)銀行風險承擔的影響研究[J].財貿(mào)經(jīng)濟，2016（04）：71-85，115.

[7]沈悅，郭品.互聯(lián)網(wǎng)金融、技術溢出與商業(yè)銀行全要素生產(chǎn)率[J].金融研究，2015（3）：160-175.

[8]吳海清.互聯(lián)網(wǎng)金融對商業(yè)銀行效率影響的實證研究[D].廈門大學，2017：1-53.

[9]Fried，H，O.， et al. Accounting for environmental effects and statistical noise in data envelopment analysis[J]. Journal of Productivity Analysis， 2002（17）：157-174.