李哲來(lái),朱家明
(安徽財(cái)經(jīng)大學(xué))
近幾年,基于互聯(lián)網(wǎng)平臺(tái)的金融業(yè)態(tài)發(fā)展迅猛,尤其是第三方支付模式,其交易規(guī)模大幅度的增長(zhǎng),在不斷努力下扮演著中國(guó)支付體系中重要的角色[1].iResearch數(shù)據(jù)顯示[2],中國(guó)第三方支付平臺(tái)的交易規(guī)模在2019年達(dá)到226.2萬(wàn)億元,同比增長(zhǎng)18.7%.隨著第三方支付平臺(tái)規(guī)模的日益擴(kuò)大,對(duì)商業(yè)銀行中間業(yè)務(wù)的部分結(jié)算業(yè)務(wù)產(chǎn)生了巨大的沖擊,也對(duì)其存貸款業(yè)務(wù)產(chǎn)生了一定的分流.而商業(yè)銀行作為支付體系中的重要一環(huán),對(duì)中國(guó)經(jīng)濟(jì)起著調(diào)控作用,并長(zhǎng)期起著支配的地位,在經(jīng)濟(jì)尋求轉(zhuǎn)型和改革的新形勢(shì)下,商業(yè)銀行也需要積極尋找合作,突破變化,彌補(bǔ)行業(yè)的短板,逐漸發(fā)展新型的商業(yè)形態(tài)模式[3].該文以國(guó)內(nèi)15家商業(yè)銀行為例,進(jìn)行面板數(shù)據(jù)分析,以期更加科學(xué)客觀地分析第三方支付與商業(yè)銀行盈利能力之間的關(guān)系,并提出相應(yīng)的政策措施.第三方支付正處在蓬勃發(fā)展時(shí)期,對(duì)銀行產(chǎn)生了倒退機(jī)制,但是在一定程度上,也促進(jìn)了銀行尋找新的發(fā)展方向、創(chuàng)新空間.
李玉怡認(rèn)為商業(yè)銀行可以全面進(jìn)入電子支付市場(chǎng),并針對(duì)高校零售的業(yè)務(wù)積極開展第三方支付,強(qiáng)化網(wǎng)上銀行的綜合競(jìng)爭(zhēng)力[4].張鮮麗闡述了第三方支付平臺(tái)對(duì)商業(yè)銀行的存款、貸款、中間業(yè)務(wù)、經(jīng)營(yíng)風(fēng)險(xiǎn)等方面帶來(lái)的沖擊,指出商業(yè)銀行應(yīng)該打造自己的金融生態(tài)圈[5].王璟通過(guò)時(shí)間序列數(shù)據(jù)、面板數(shù)據(jù)建立固定效應(yīng)模型,分析在第三方支付影響下,商業(yè)銀行流動(dòng)性需求的變化[6].陳希卓認(rèn)為,第三方平臺(tái)在總體上對(duì)商業(yè)銀行產(chǎn)生了較大的一致,但是從局部來(lái)看,對(duì)全國(guó)性商業(yè)銀行有積極作用,但對(duì)地方性商業(yè)銀行產(chǎn)生了消極影響.
由此可以看出,國(guó)內(nèi)眾多學(xué)者對(duì)于第三方支付的研究已有一定的成果,部分學(xué)者針對(duì)第三方平臺(tái)監(jiān)管、信用等多方面展開了詳細(xì)的研究.商業(yè)銀行因受第三方支付影響而出現(xiàn)轉(zhuǎn)變的研究,大多學(xué)者選擇對(duì)商業(yè)銀行某一方面的業(yè)務(wù)進(jìn)行定量研究,并未將商業(yè)銀行的業(yè)務(wù)看成一個(gè)整體,進(jìn)而分析對(duì)綜合績(jī)效的整體影響.因此,該文從整體業(yè)務(wù)出發(fā),分析第三方支付規(guī)模對(duì)商業(yè)銀行的影響.
該文選擇的研究對(duì)象為中國(guó)的15家商業(yè)銀行.其中4家是國(guó)有銀行,分別為中國(guó)工商銀行、中國(guó)農(nóng)業(yè)銀行、中國(guó)銀行、中國(guó)建設(shè)銀行;11家是股份制商業(yè)銀行,分別為光大銀行、杭州銀行、北京銀行、江蘇銀行、民生銀行、寧波銀行、平安銀行、交通銀行、上海銀行、興業(yè)銀行、中信銀行.數(shù)據(jù)來(lái)源于Data Stream數(shù)據(jù)庫(kù)中各銀行2009~2019年的年報(bào).因變量中的外部影響因素——國(guó)內(nèi)生產(chǎn)總值GDP的數(shù)據(jù)來(lái)源于國(guó)泰安數(shù)據(jù)庫(kù).2009~2019年第三方支付交易規(guī)模的數(shù)據(jù)來(lái)源于艾瑞咨詢報(bào)告.
(1)被解釋變量
該文主要探究第三方支付平臺(tái)對(duì)商業(yè)銀行盈利水平的影響,代表商業(yè)銀行盈利水平的指標(biāo)有總資產(chǎn)回報(bào)率和凈資產(chǎn)收益率.但是,由于選取的年份以及商業(yè)銀行總資產(chǎn)回報(bào)率的數(shù)據(jù)集合不完整,有過(guò)多的缺失數(shù)據(jù).因此,該文只選取凈資產(chǎn)收益率(ROE)作為被解釋變量.
(2)解釋變量
該文研究第三方支付的規(guī)模對(duì)商業(yè)銀行的影響,因此,解釋變量將選擇第三方支付規(guī)模這一指標(biāo)來(lái)衡量其規(guī)模的變化情況.表1列出了2009~2019年第三方支付規(guī)模的數(shù)據(jù).
表1 2009~2019年第三方支付規(guī)模
此外,其他變量也會(huì)影響商業(yè)銀行的盈利水平,研究時(shí)不能忽視這些變量,否則將導(dǎo)致擾動(dòng)項(xiàng)的方差增大,降低模型結(jié)果的準(zhǔn)確性和可信性.在參考了前人的研究后,該文選取了凈利潤(rùn)率(Net margin)、資本充足率(CAR)、撥貸比(PROV)這三個(gè)指標(biāo)來(lái)反映商業(yè)銀行的盈利能力,見表2.
表2 模型中的變量及計(jì)算公式
該文選取中國(guó)15家商業(yè)銀行2009~2019年的面板數(shù)據(jù),建立計(jì)量模型驗(yàn)證第三方支付平臺(tái)交易規(guī)模的擴(kuò)大對(duì)商業(yè)銀行盈利水平的具體影響.為消除異方差對(duì)模型的影響,對(duì)變量進(jìn)行自然對(duì)數(shù)變換.
ROEit=α+β1GRTDt+β2Netnarginit+β3CARit+β4PROWit+ε
在上式中,ROEit指的是第i家商業(yè)銀行第t年的凈資產(chǎn)收益率;α代表常數(shù)項(xiàng);β1、β2、β3、β4代表選取指標(biāo)的回歸系數(shù);GRTDt代表第t年互聯(lián)網(wǎng)第三方支付平臺(tái)規(guī)模的對(duì)數(shù);Netmarginit指的是第i家商業(yè)銀行第t年的凈利潤(rùn)率;CARit指的是第i家銀行第t年的資本充足率;PROVit代表第i家銀行第t年的撥貸比.ε表示模型引入的隨機(jī)擾動(dòng)項(xiàng).
該文研究數(shù)據(jù)來(lái)自2009~2019年各銀行的財(cái)務(wù)報(bào)表.在數(shù)據(jù)處理過(guò)程中,為防止部分銀行、部分年份的數(shù)據(jù)缺失導(dǎo)致樣本自由度降低的情況,采取了線性插值的方式,補(bǔ)齊缺失的數(shù)據(jù).
表3可以看出,選取的指標(biāo)序列基本接近正態(tài)分布.對(duì)于峰度系數(shù),這些變量均小于臨界值3.
表3 自變量和因變量的描述性統(tǒng)計(jì)分析值
由于選擇的影響因素過(guò)多,應(yīng)先分析各指標(biāo)與被解釋變量?jī)糍Y產(chǎn)收益率的相關(guān)性,以及因素之間的相關(guān)程度,利用Stata中的COR命令進(jìn)行相關(guān)系數(shù)檢驗(yàn),得到相關(guān)系數(shù)矩陣,見表4.
表4 各指標(biāo)的相關(guān)系數(shù)矩陣表
可以看出,凈資產(chǎn)收益率與其他變量之間的相關(guān)性比較弱,相關(guān)系數(shù)均小于0.5,各自變量之間的相關(guān)性也相對(duì)較弱.因此,該文選取的指標(biāo)和數(shù)據(jù)可以進(jìn)行后續(xù)的面板數(shù)據(jù)回歸模型,并且不存在多重共線性的問(wèn)題.
該文采用LLC、Fisher-ADF、Fisher-PP等方法對(duì)選取的數(shù)據(jù)進(jìn)行整體的單位根檢驗(yàn),以驗(yàn)證數(shù)據(jù)的穩(wěn)定性.從表5看,各個(gè)變量的原值均通過(guò)顯著性檢驗(yàn),序列平穩(wěn),不存在單位根.
表5 面板數(shù)據(jù)單位根檢驗(yàn)結(jié)果
上述的單位根檢驗(yàn),結(jié)果顯示選取的指標(biāo)和數(shù)據(jù)通過(guò)了顯著性檢驗(yàn).為避免模型出現(xiàn)“偽回歸”現(xiàn)象,進(jìn)一步對(duì)面板數(shù)據(jù)進(jìn)行協(xié)整檢驗(yàn).通過(guò)選取Kao檢驗(yàn)、Fisher檢驗(yàn)、Pedroni檢驗(yàn)三種方式進(jìn)行協(xié)整分析,見表6.
表6 面板數(shù)據(jù)協(xié)整檢驗(yàn)結(jié)果
最后,該文通過(guò)豪斯曼檢驗(yàn)對(duì)固定效應(yīng)模型和隨機(jī)效應(yīng)模型的選擇進(jìn)一步檢驗(yàn).豪斯曼檢驗(yàn)的原假設(shè)H0:個(gè)體效應(yīng)與回歸變量之間是不相關(guān)的,選擇隨機(jī)效應(yīng)回歸模型.該檢驗(yàn)的備擇假設(shè)H1:個(gè)體效應(yīng)與回歸變量是具有相關(guān)性的,選擇固定效應(yīng)模型.對(duì)模型進(jìn)行豪斯曼檢驗(yàn)后顯示,P值為0.4999,超過(guò)10%.實(shí)證結(jié)果表明,在10%的顯著性水平下,原假設(shè)不能被拒絕,因此,該文研究選取隨機(jī)效應(yīng)模型比固定效應(yīng)模型更為有效.最終得到2009~2019年中國(guó)15家商業(yè)銀行的盈利水平與第三方支付平臺(tái)規(guī)模關(guān)系的實(shí)證分析,結(jié)果見表7.
表7 模型估計(jì)結(jié)果
整理數(shù)據(jù)后,可以得到如下的隨機(jī)效應(yīng)回歸方程:
ROE=1.726343-0.1126679GRTD+
0.6468002Netmargin-0.291218CAR+
0.15088541PROV
最終結(jié)果顯示:第三方平臺(tái)支付規(guī)模的增長(zhǎng)與商業(yè)銀行盈利水平之間存在顯著的負(fù)相關(guān)關(guān)系.這說(shuō)明當(dāng)?shù)谌街Ц兜慕灰滓?guī)模增加10%時(shí),商業(yè)銀行的盈利能力降低約1.13%.
根據(jù)上文對(duì)商業(yè)銀行進(jìn)行的回歸分析結(jié)果來(lái)看,回歸效果較明顯,第三方支付的規(guī)模與商業(yè)銀行凈資產(chǎn)收益率、撥貸比等主要盈利指標(biāo)呈負(fù)相關(guān)關(guān)系,與總體結(jié)果保持一致.第三方支付搶占了部分商業(yè)銀行的市場(chǎng),通過(guò)嚴(yán)格的審核機(jī)制等增加了商業(yè)銀行面臨的信用風(fēng)險(xiǎn).現(xiàn)階段而言,第三方支付平臺(tái)對(duì)商業(yè)銀行的影響弊大于利.
商業(yè)銀行如何應(yīng)對(duì)第三方支付平臺(tái)的沖擊,該文有以下建議.
(1)加大技術(shù)投入
互聯(lián)網(wǎng)金融能夠迅速發(fā)展,在一定程度上得力于其高效、便捷的技術(shù)優(yōu)勢(shì),針對(duì)性地滿足客戶的需求,商業(yè)銀行需要進(jìn)一步挖掘互聯(lián)網(wǎng)金融的特點(diǎn),將此運(yùn)用到業(yè)務(wù)中.傳統(tǒng)商業(yè)銀行可以通過(guò)引進(jìn)專業(yè)性人才、加大科技創(chuàng)新力度,了解并高效運(yùn)用已有的科技成果,如物聯(lián)網(wǎng),大數(shù)據(jù)等.以服務(wù)實(shí)體經(jīng)濟(jì)為契機(jī),推廣創(chuàng)新性技術(shù)服務(wù),并加速創(chuàng)新科技的商業(yè)化落地,加大對(duì)傳統(tǒng)業(yè)務(wù)的技術(shù)投入.
(2)發(fā)揮商業(yè)銀行的風(fēng)險(xiǎn)控制優(yōu)勢(shì)
傳統(tǒng)的商業(yè)銀行在風(fēng)險(xiǎn)控制方面有一套較為成熟的系統(tǒng),安全性較高.而第三方支付平臺(tái),其媒介為互聯(lián)網(wǎng),在信息極度不對(duì)稱的情況下會(huì)使信息安全性面臨巨大挑戰(zhàn).在當(dāng)前形勢(shì)下,商業(yè)銀行更應(yīng)該充分發(fā)揮其完備的資金預(yù)警方案,保持較高程度的安全水平.
(3)與互聯(lián)網(wǎng)實(shí)現(xiàn)合作共贏
在互聯(lián)網(wǎng)金融大背景下,兩者也可以成為戰(zhàn)略合作關(guān)系,在長(zhǎng)期的競(jìng)爭(zhēng)中實(shí)現(xiàn)可持續(xù)發(fā)展,最終合作共贏.商業(yè)銀行應(yīng)充分利用自身業(yè)務(wù)模式的優(yōu)勢(shì),積極主動(dòng)與第三方支付平臺(tái)進(jìn)行合作,例如提高網(wǎng)絡(luò)交易的安全性,規(guī)定在第三方支付平臺(tái)的客戶信息驗(yàn)證需要與銀行保持一致,并通過(guò)互聯(lián)網(wǎng)平臺(tái)的交易數(shù)據(jù),對(duì)潛在客戶進(jìn)行商業(yè)分析,提高消費(fèi)與金融的粘合度,提高商業(yè)銀行的盈利能力.