■陈 柱，衣述冰

一、引言与文献综述

金融科技起源于20世纪90年代，在2016年后迅速成为金融行业的焦点。根据艾瑞咨询2020年发布的报告显示，2019年中国金融机构技术资金总投入达1770.9亿元，其中银行占比68.6%。陈雨露（2021）提出，中国作为全球金融科技发展领先国家，更应把握好金融领域发展与稳定的关系，持续做好防范风险工作，加强金融科技监管。2020年1月，首批6个金融科技创新监管试点启动，我国的监管沙盒计划逐步开始推进。这些表明，从国家层面，金融行业的风险防控工作和针对金融科技的监管举措正在不断推陈出新，并在稳步落实。

金融科技是一把“双刃剑”，一方面，金融科技可以通过去中心化、分散投资、提升透明度、提高银行体系及金融市场服务效率来减轻金融风险。另一方面，金融科技会加剧市场风险的顺周期性、传染性和波动性，严重影响并破坏金融稳定性。因此，结合中国金融市场的特征，探究信息效应对银行体系稳定性的影响，成为亟待研究的课题。

国外对金融科技的研究主要集中在以下方面：一是研究单一因素的影响。如FSB（2017）认为去中心化可以缓解由于任何单一金融机构的失败而造成的金融冲击；Dastin（2017）基于金融科技的传染性造成的系统性风险分析了2017年亚马逊云服务的失败，认为其破坏了订户和技术初创公司的运营。二是研究区块链、人工智能等金融科技的子类对金融稳定的影响。如Narayan et al.（2018）研究了比特币价格增长（BPG）导致了通货膨胀增长、货币升值和货币流通速度下降对货币体系稳定的影响；Kirilenko&Lo（2013）研究了2007—2012年之间的5个案例，演示了算法交易如何破坏金融稳定性，认为算法交易可以放大股票市场的负面影响，并有助于扩大金融体系的传递性和脆弱性。三是研究金融科技对金融稳定性的整体影响。如Fung et al.（2020）通过实证分析发现金融科技在不同国家对具有不同市场特征的金融机构的脆弱性影响也有所差异。四是基于提高银行体系稳定性的研究。银行体系稳定性是指银行体系远离破产风险的程度，Kosmidou et al.（2017）发现信息不对称与银行业的股票崩盘正相关，金融科技在许多领域的大数据分析将提高信息的透明度从而提高银行体系稳定性，这与Guerineau&Leon（2019）的发现一致，同时他们发现信用信息共享也缓解了发达国家和新兴市场国家由于家庭信贷繁荣对金融稳定性的不利影响。

国内研究主要集中在以下方面：一是基于对银行体系稳定性的影响。从互联网金融到金融科技的发展，众多研究关注到了其对提高商业银行经营效率和盈利水平的重大作用，同时也有部分研究关注其对商业银行风险管理和风险传染的不利影响，王蕙（2019）使用了zscore模型测度银行体系的稳定性，从不同角度分析了互联网金融、金融科技及外商投资对银行体系稳定性的影响；邱晗等（2018）研究发现金融科技通过影响银行负债端结构使得资产端风险承担偏好上升，规模越大的银行受到金融科技冲击越小；王升（2020）通过实证研究发现互联网金融对我国商业银行风险承担的影响呈现“U”形或倒“U”形分布。二是基于对银行业系统性风险的影响研究。如刘孟飞（2021）对金融科技与商业银行系统性风险之间的关联机制与影响效应分析后发现金融科技整体上提高了我国银行业的系统性风险；方意等（2020）从内生风险框架出发，梳理分析了金融科技业务和技术两个层面的系统性风险。三是基于金融科技对社会不同方面的不同影响进行研究。如侯层和李北伟（2020）通过实证研究表明金融科技通过提高创新能力、增强技术溢出效果以及促进产业结构转型升级等途径显著提高全要素生产率。黄国平（2020）发现金融科技的新技术应用使中国居民融资结构得到了优化。四是基于金融科技的监管层面进行研究。金融科技发展拓展金融边界的同时也带来了一定技术和机制上的风险，增强风险管控、严格监管政策势在必行（唐也然，2021；张茂军等，2021）；李赟鹏（2021）论述了在中国推出金融科技监管沙盒的必要性，提出我国需要通过增加科技在金融监管领域使用深度与广度、增强金融监管部门协作能力等方式进行金融科技监管改革。高翔和李珊珊（2020）总结多个国家金融科技发展的问题和经验，提出加快数据框架研究，制定统一的国际标准。

综上所述，现有的研究包含金融科技对银行体系相关影响的研究，包括对商业银行风险承担能力的影响及异质性，但仍没有统一的研究结论。本文使用zscore作为银行体系稳定性的替代性指标，将数字普惠金融指数作为金融科技指数的替代性指标，探讨了金融科技对银行体系稳定性的影响，并分别从被解释变量成分拆解和信息中介效应角度分析影响的路径和机制。

二、理论假说

金融科技创新对银行体系的影响主要体现在经营管理和效率以及风险承担等方面：一是负债端，互联网金融创新的线上普适产品促使银行丢失“长尾”客户群，投资产品风险偏好上升增加银行风险，且互联网金融加速了存款利率市场化从而压缩了银行存款利润，提升风险，同时可能加速银行体系金融科技发展。二是资产端，金融科技的发展应用降低了信息不对称，信贷结构向数字化调整，但网贷平台等民间融资方式频发风险事件，银行体系是否受益仍受监管政策及效果的影响。三是中间业务，金融科技的发展为银行业带来了如数字银行、智能投顾、线上理财等产品业务的发展，但新兴技术对银行体系的中间业务依然冲击很大，特别是线上支付业务带动的其他互联网金融业务的兴起，加速了“金融脱媒”，银行体系中间业务失守，众多客户流失。

综上，金融科技创新对银行体系的影响机制可概括为：一是通过影响金融市场的效率和规模来影响银行体系的稳定性；二是由于信息技术革新可能会带来信息效应，从而影响银行体系稳定性。基于此，提出以下假设：

H1：金融科技的发展降低了我国银行体系的稳定性。

我国金融科技发展仍处于上升期，金融科技有利于发挥金融的普惠性和包容性，于凤芹和于千惠（2021）通过对中介传导机制的研究发现金融科技发展对规模越大的银行盈利能力的正向影响作用越强，小型金融机构正在充分享受金融科技带来的红利，但面对的不确定因素也最多，风险更大，而发展较快、正处于规模扩张但又面临很多风险的发展瓶颈期的股份制商业银行，也可称为“规模扩张瓶颈期”商业银行，金融科技对其稳定性影响可能较大。基于此，提出以下假设：

H2：金融科技对不同类型的银行体系的稳定性影响存在差异，处于发展前期的中小型及“规模扩张瓶颈期”的商业银行受到影响更大。

Fung&Lee（2020）研究发现金融科技对不同国家、不同市场的金融稳定性的影响具有差异性，金融科技的发展能增强新兴金融市场的稳定性，却会破坏发达金融市场的稳定性。本文将进一步探讨金融科技的发展对中国金融市场的影响，对于我国这个特定市场而言，国家为维护金融体系稳定，防止发生系统性金融风险，银行体系规模越大受到的监管往往越严格，且其自身控制风险能力也越强。基于此，提出以下假设：

H3：对于中国特定市场，金融科技发展过程中，银行体系的规模在一定程度上影响着银行体系整体稳定性。

对于金融机构而言，金融活动是以金融资产定价为核心的不同交易者之间的金融资产交换，金融资产形式多样性及金融衍生品的繁荣使金融资产价格波动性加大，加剧了金融风险。同时，金融风险具有外溢效应，信息的复杂性和隐蔽性也会放大负面效应。当金融科技的发展速度与控制能力、监管措施不匹配，数据保护机制较弱时，数据易获性更强，信息传递效率提高的背后隐藏着危机，数据隐私保护、数字犯罪及网络攻击等问题将日渐凸显。基于此，提出以下假设：

H4：信息效应在金融科技影响银行体系稳定性中存在中介效应。

三、研究设计

（一）数据来源

剔除所有已上市银行中2018年之后上市的银行，基准研究中选取36家已上市银行2011—2020年的年度非平衡面板数据。中国宏观数据、上市银行相关原始数据主要来源于同花顺数据库和Wind数据库，金融科技指数数据来源于北京大学数字金融研究中心发布的中国数字普惠金融指数的省级面板数据。股价同步性的研究中使用的个股月收益率和行业月收盘价指标分别来自CSMAR数据库和同花顺数据库。

（二）变量选取

本文研究选取变量类别、变量名称、变量符号及变量定义如表1所示。

表1 变量选取与定义

1.银行体系稳定性（zscore）

表2 描述性统计

续表2

2.金融科技（fit）

在已有研究中金融科技指数指标的构建方法不一，构建出的金融科技发展水平指标各不相同，各有优缺点。北京大学数字普惠金融指数较好地反映了我国近年来金融创新带来的变革特征和发展趋势，并被广泛用于金融科技领域研究。本文选取北京大学数字普惠金融指数作为金融科技总体发展水平的衡量指标，同时考虑数字普惠金融覆盖率指数（dfc）、使用深度指数（ddf）以及数字化程度（ddfi）三个子类指标。

表3 基准模型回归结果

3.控制变量

（1）企业特征（FC）

考虑到企业特征对银行体系稳定性的影响，选取以下关键指标作为控制变量：资产增长率（agr），可以反映企业是否出现较大的贷款扩张风险；账面市值比（bmr），能较好地反映上市公司的风险；存款与资产比率（dar），反映企业出现危机的传染性；收入多样性（id），有文献显示收入多样性能有效降低银行违约风险（如Lepetit et al.，2008），也有文献显示收入集中度高的银行风险可能较小（如Williams，2016）；杠杆率（lev），越高的银行在危机中风险越大；总资产（lnta），即银行资产规模也是影响银行风险的重要因素，在此取自然对数平滑其值；非利息收入占比（pnii），也是影响银行的系统性风险的重要因素。

（2）市场特征（MC）

银行体系规模（bss），即以中央银行资产对国内生产总值（GDP）的比值来衡量，比值越高市场信用度越高；银行体系效率（bse），即银行体系提供金融服务的效率，这里使用净息差作为替代指标，净息差越高反映银行体系效率越高；银行体系稳健性（bsr），这里使用不良贷款拨备率作为替代指标，不良贷款的拨备越多，银行体系应对风险能力越强。

（3）宏观经济因素（MF）

为了控制宏观经济因素对银行体系稳定性的影响，选取实际GDP增长率（rgdp）、GDP增长波动率（gdpgv）、人均GDP的自然对数（lnpcgdp）、数字经济增加值占GDP比重（deavr）和金融业对GDP的贡献率（gdpccr）作为宏观经济因素的控制变量。

（三）模型构建

为了评估金融科技创新对银行体系稳定性的影响，把企业特征、银行体系市场特征和宏观经济因素作为控制变量，构建回归方程式（1）：

其中，i代表银行，t代表年份，s是时间固定效应，u是企业固定效应，e是误差项。研究包括了时间固定效应和企业固定效应。其中，基于解释变量和控制变量对银行体系稳定性的滞后性影响，均使用滞后一期的数据。

四、实证分析

（一）基准检验分析

本文研究选取面板数据回归模型，依次进行F检验和Hausman检验。回归拒绝了混合回归和个体随机效应回归，最后确定选择了个体固定效应回归（FE）。另外，由于各变量对银行体系稳定性理论上具有滞后作用，故将所有自变量滞后一期进行回归，并且选择企业固定效应和时间固定效应的双固定效应，以此构建回归方程式（1）的基准回归方程。按照回归方程式（1）的构建过程逐步纳入控制变量进行回归，结果如表4所示。其中，银行体系稳定性指标lnzscore值越大，银行体系稳定性越高，银行体系风险越小。

表3中列（1）未加入控制变量，列（2）与（3）都加入了企业特征因素，但列（2）加入了时间固定效应而列（3）未加入。列（2）中金融科技指标不显著，列（3）中在1%水平下显著，系数为负，表明金融科技发展有降低银行体系稳定性的趋势。分析原因，一方面，由于针对金融科技的监管滞后，出现阶段性监管错位，企业利用错位空间逐利而增加了银行的风险；另一方面，金融科技发展带动银行负债端成本上升，持币成本上升，银行不得不选择部分高风险高收益的投机性投资来平衡负债端成本的增加。列（4）在列（2）的基础上加入了市场特征因素，列（5）在列（4）的基础上进一步加入了宏观经济因素，结果表明金融科技指标均在1%的水平上显著，且系数均为负，表明在控制了市场因素和宏观经济政策因素后，金融科技的快速发展降低了银行体系稳定性，初步验证了本文的H1。

（二）内生性检验

虽然基准回归方程式（1）中核心解释变量与控制变量均使用了滞后一期的值，但是在后续稳健性检验和拓展性分析中用到了当期值进行回归，故在此使用2SLS工具变量法对使用当期值对应的回归模型进行内生性修正。本文使用网络普及率（ipr）作为工具变量。由于网络普及率与金融科技发展紧密联系，且与其他控制变量明显不存在直接相关关系，故为一个重要且有效的工具变量。数据来源于《中国互联网络发展状况统计报告》。表4中列（1）和列（2）分别为第一阶段（First）和第二阶段（Second）的回归结果，其中，第一阶段工具变量在1%水平下显著，且F统计量351.124大于10，表明不存在弱工具变量；第二阶段回归结果中核心解释变量也在1%水平显著且系数为负，与基准回归结果一致，表明工具变量的选择合理有效，同时也说明基准回归结果稳健。

表4 2SLS工具变量法检验结果

（三）稳健性检验

1.平衡面板数据

基准回归方程是基于非平衡面板数据得到的结果，在此选择其中17家上市银行的平衡面板数据进行稳健性检验。同样逐步添加控制变量进行回归，结果如表5所示，列（3）和列（4）中核心解释变量依旧显著且系数为负，表明选择使用平衡面板数据后结果依旧显著，基准回归结果稳健。同时再次验证了本文H1。

表5 平衡面板数据回归结果

续表5

2.更换ROA标准差的计算方式

借鉴Chen&Ji（2017）的研究，将回归方程式（1）中5年期滚动的ROA标准差更换成3年期滚动的ROA标准差，同样将控制变量逐步纳入回归中，可得表6中列（1）—（4）的回归结果。列（4）解释变量金融科技指标的系数依旧均在1%水平显著且系数为负，这与前述的基准模型回归分析结果一致，故本文估计结果稳健可靠。

表6 稳健性检验结果

3.替换金融科技指数

进一步使用北京大学数字普惠金融指数覆盖广度、使用深度和数字化程度三个子维度指数分别作为金融科技指数替代指标，从三个不同的维度探讨金融科技的发展对银行体系稳定性的影响。这里使用fitsub表示金融科技子因素，构建回归方程式（2）如下：

由表7可知，三个子维度指标在三个回归结果中系数均在1%水平上显著为负。系数符号与基准回归模型回归结果相同，表明提高数字普惠金融指数覆盖广度、使用深度和数字化程度均会显著降低银行体系的稳定性，证明了基准回归结果的稳健性，并再次验证H1。同时，覆盖广度系数为-3.074，使用深度的系数为-2.363，数字化程度系数为-1.286，表明三个子维度同幅度变化时，覆盖广度对银行体系稳定性影响效应最大，使用深度的影响效度次之，数字化程度的影响效度最小。

表7 数字普惠金融指数的三个不同维度对银行体系稳定性的异质性检验

（四）异质性检验和拓展分析

1.不同类型商业银行的异质性分析

本部分分别使用36家上市银行的非平衡面板数据和其中17家上市银行的平衡面板数据进行分类回归。回归结果如表8所示，列（1）、列（3）、列（5）为使用36家上市银行的非平衡面板数据进行回归的结果，列（2）、列（4）、列（6）为使用17家上市银行数据的回归结果，其中，group1为使用我国大型商业银行的数据进行回归的结果，group2为使用股份制商业银行的数据进行回归的结果，group3为使用中小型商业银行的数据进行回归的结果。

表8 两组数据异质性回归结果

回归结果显示：首先，两组数据的回归结果中“规模扩张瓶颈期”商业银行（即股份制商业银行）与中小型商业银行金融科技发展水平的替代变量回归系数均显著为负，表明金融科技发展对“规模扩张瓶颈期”及中小型商业银行脆弱性具有正向显著影响。其次，剩余一组我国大型商业银行金融科技发展水平系数均为负但不显著，表明大型商业银行稳定性受到金融科技发展水平影响较小，一方面是因为大型商业银行受到监管部门的监管较为严格，风险承担能力较强，另一方面是因为受到“大而不倒”范式影响，企业的管理决策更偏谨慎原则。故H2得到了验证。

2.金融科技对中国市场的影响分析

基于金融科技对我国银行体系稳定性的显著影响，本文研究针对我国金融市场的特征，金融科技与我国市场特征中哪些因素关联性较强，从而影响金融市场，进而影响到银行体系稳定性。故进一步探讨金融科技对中国金融市场的影响因素，基于回归方程式（1）增加了金融科技指数与市场特征的交叉项，构建回归方程式（3）如下：

根据回归方程式（3）将市场特征中的三个变量分别与金融科技指标构建交叉项，结果如表9所示。只有列（1）中交叉项系数显著且金融科技指标系数显著为负，列（1）为银行体系规模与金融科技指标构建的交叉项，交叉项系数为-49.95，表明银行体系规模明显降低了金融科技发展对银行体系稳定性的不利影响，且在列（1）中金融科技指标系数及银行体系规模指标系数均显著为正，表明金融科技的快速发展使得由银行体系规模扩大而导致银行体系稳定性提高的作用显著。不难理解，金融科技的发展使得商业银行得到快速发展，而银行体系整体规模的扩大，提升了银行体系盈利能力和稳定性，加之政策倾斜和严格监管，“大而不倒”范式在此也得到体现。即银行体系规模越大，风险承担能力越强，金融稳定性越高。H3得到了验证。

表9 金融科技对中国市场的影响回归结果

3.信息效应的中介效应分析

本文借鉴温忠麟和叶宝娟（2014）的研究，使用逐步检验方法，构建中介效应模型，其中MV代表中介变量，构建如下模型：

进一步使用股价同步性作为信息效应的替代变量，基于数据可得性，选取前文使用过的17家上市银行，利用方程式（6）计算得到个股的拟合系数R，再将计算得到的R根据方程式（7）计算得到股价同步性（synch）。

同样根据方程式（6）和式（7），将使用股价同步性中介变量MV，采取逐步检验法，得到回归结果如表10。步骤一中自变量金融科技指标系数在1%水平上显著且为负，步骤二中中介变量股价同步性的系数显著，表明金融科技能降低股价同步性，步骤三中股价同步性系数显著，表明存在中介效应。并且列（2）的金融科技指标系数与列（3）的股价同步性指标系数乘积为负，表明股价同步性越高，信息效率越低，越会降低银行体系的稳定性，这与本文在分析金融效率对银行体系稳定性时得到结论一致。故H4得到验证。

表10 股价同步性作为中介变量的逐步检验结果

五、研究结论与启示

金融科技的迅猛发展代表了科技创新带动的金融创新成绩显著，也逐渐得到中国市场的认可并不断成为商业银行之间竞争的重要砝码。本文通过研究发现：第一，金融科技的快速发展为商业银行的发展带来红利的同时，也带来了风险；第二，金融科技对不同类型商业银行的影响存在显著差异，特别是对处于发展前期的中小型及“规模扩张瓶颈期”商业银行，引入金融科技很容易促使其银行体系稳定性急剧下降；第三，结合我国金融市场的特征，银行体系规模的提升在金融科技发展对金融稳定性产生不利影响的过程中起到了较好的缓解作用；第四，金融科技发展在提升信息透明度的同时，会通过信息效应降低银行体系的稳定性。

通过本文研究得到以下几点启示：第一，在商业银行等企业层面，应根据企业自身发展的规模和特征，对金融科技的应用采取相应的积极态度，同时加强风险防范意识，加强企业内部治理，特别是处于“规模扩张瓶颈期”的企业，更应注重风险防控。第二，在中国特定的市场层面，金融科技发展放大了金融本身具有的风险属性，但扩大银行体系规模有利于降低金融科技发展对金融稳定性的不利影响，但要加强顶层设计，强化自上而下的监管力度，防止出现系统性金融风险。第三，在金融科技的发展层面，在加大科技带动金融创新的过程中，应严格控制负面信息效应传递风险，特别是在大数据、区块链和物联网等技术应用过程中，更应注重防范由于信息泄露、隐私侵犯、信息诈骗、洗钱以及信息技术风险等带来的金融风险。