○何 理冯 科刘雨峰

1.北京大学经济学院 北京 100871

2.中国农业银行总行 北京 100005

引言

2021年3月，“十四五”规划发布，其第五篇对中国数字经济的发展进行了指导，要求从数字产业化和产业数字化两条路径推动数字化转型。在此基础上，《金融科技发展规划（2022—2025年）》与《关于银行业保险业数字化转型的指导意见》相继出台，对新时代下银行业金融科技的发展做出了规划与指导，提出力争2025年实现整体水平与核心竞争力的跨越式提升。在中国，以蚂蚁金服为代表，金融科技在支付、理财、保险、投资、征信、信贷等领域呈现出了多种表现形式，金融科技公司与传统金融机构的互动过程中，充满了竞争与合作。商业银行、科技公司及金融监管机构等主体在金融科技领域的协同对中国金融行业产生了重大影响。本文聚焦金融科技对商业银行的影响，将具体探讨以下问题：第一，金融科技的发展对商业银行风险承担产生影响的潜在机制是什么？第二，商业银行内部与外部金融科技的发展对其风险承担分别产生怎样的影响？第三，针对不同的银行规模、银行类型、股权结构，上述影响是否存在异质性？

现有研究普遍采用金融稳定委员会对金融科技的定义——金融服务中的技术驱动创新。本文认为金融科技既包括商业银行等传统金融企业的金融科技研发与金融科技转型，也包括传统金融企业以外的互联网与科技企业及其产品，即商业银行内部金融科技与外部金融科技。金融科技是动态发展的，李文红、蒋则沈（2017）认为电子信息、网络技术与金融业务结合代表了最初的形态，移动互联网推动了金融科技的进一步发展；巴曙松、白海峰（2016）认为随着人工智能等最新科技手段赋能金融，金融科技进入了更高的发展阶段。

现有研究大体上可归纳为从商业银行的存、贷、汇业务三个渠道出发，探究金融科技对商业银行风险承担的影响机制。基于银行存款的视角，邱晗等（2018）指出，随着金融科技的发展，余额宝等货币市场基金产品带来了银行资金来源上激烈的市场竞争，商业银行被迫增加银行理财及同业负债，实质上形成了变相的利率市场化。随着负债端成本上升，同时商业银行并没有向下游贷款客户转嫁相关成本，商业银行选择投资更高风险的资产以维持其盈利水平。基于银行贷款的视角，Demertzis et al.（2018）认为金融科技赋能传统金融机构，可以降低金融机构与企业间的信息不对称；Berg et al.（2020）认为金融科技的使用还可以补充传统的征信系统，多维度提升贷款质量，降低商业银行的风险承担；此外，盛天翔、范从来（2020）研究了银行业的最优市场结构，发现金融科技有助于推动银行小微企业信贷供给，因此认为金融科技是减少信贷不平等的一个有效途径，可实现服务长尾客户的数字普惠金融。基于银行中间业务的视角，李向前、贺卓异（2021）发现随着金融科技发展水平的提高，国有大行与股份制银行的非利息收入增加，一定程度上金融科技有利于商业银行开展中间业务。因此，金融科技在存款渠道主要产生负面影响，而在贷款、中间业务方面产生正面影响。

一些学者发现金融科技的发展会增加商业银行的风险承担。邱晗等（2018）研究发现，金融科技可以加速利率市场化，从而加剧资金来源的竞争；郭品、沈悦（2019）研究发现，金融科技可以通过改变负债结构、抬高付息成本增加商业银行的风险承担；李苍舒、沈艳（2019）研究发现，规模较大和利率异常的互联网借贷平台会对银行业系统性金融风险形成溢出效应。另一类文献提供了不同的观点，认为金融科技的发展降低了银行的风险承担。Chen et al.（2019）提出区块链、物联网与智能投顾等给商业银行带来了创新价值；Cheng and Qu（2020）提出金融科技产生了信用风险缓解效应；顾海峰、杨立翔（2018）认为金融科技导致管理成本下降，可以弥补存贷利差的缩小。金融科技对商业银行的影响既有积极的一面，也有消极的一面，两者的相对关系决定了当前金融科技的发展是增加了还是减少了商业银行的风险承担，目前已有文献尚未对这一问题形成一致的结论。

本文在以下方面可能取得一些学术贡献：（1）现有研究大多对金融科技概念的界定不够明晰，对金融科技的度量不够全面，只涉及商业银行内部数字化转型成果或商业银行外部金融科技公司发展水平的其中一方面，本文尝试将商业银行内部与外部金融科技对其风险承担的影响一并纳入讨论范畴；（2）现有研究大多针对商业银行的信贷业务研究其风险承担，本文从商业银行存、贷、汇等各项业务出发，总结了商业银行内部金融科技与外部金融科技通过各细分渠道的影响及其综合影响，试图在一定程度上将金融科技对商业银行风险承担的影响机制系统化；（3）现有研究普遍关注商业银行外部金融科技的发展带来的竞争，对金融科技与传统金融协同合作的影响有所忽视，本文突出强调了银行规模等因素对银行风险控制的重要性，银行既要重视与金融科技公司的合作，也要重视金融科技手段与传统信贷风险识别手段的协同，通过多条路径实现数字化转型。

一、理论分析及假设提出

（一）基于存、贷、汇视角的综合影响效应

负债端的影响主要涉及商业银行外部金融科技的冲击，如邱晗等（2018）研究发现余额宝等货币市场基金挤占原本属于银行存款的市场份额，银行被动采用银行理财参与竞争，银行存款流失的渠道得到加强，银行越发依赖同业负债的资金来源，总体负债成本上升，结合近年来各种类型商业银行净息差普遍下降的趋势，银行并没有将成本向贷款客户转移，而是转而配置了更高风险的资产。王敏成（2014）研究发现P2P网络借贷业务可以吸引具有较高风险偏好的投资者，从而对商业银行负债产生影响。同时，银行也积极渗透互联网理财产品参与竞争，在资管新规施行后理财业务净值化转型的背景下，银行为数不多的保本理财产品仍存在于资产负债表内，一定程度上抵消外部金融科技的部分冲击。总体而言，在负债端金融科技的影响主要体现为外部金融科技公司的竞争带来的资产负债表传递效应，具有加大商业银行风险承担的趋势；商业银行内部金融科技则至少不会增加其风险承担。

从资产端看，无论是商业银行与金融科技公司合作，还是商业银行自研的信息科技成果，其带来的各项底层技术可以有效处理传统银行的海量交易数据，使银行实现精准营销和集中管理。谢平、邹传伟（2012）提出社交网络、搜索引擎、云计算协同发力有助于降低信息不对称，通过信息共享加强商业银行的征信系统建设，有助于更有效地识别信贷风险，优化信贷流程，强化风险的全流程管控，降低商业银行的风险承担水平；金融科技也可以帮助银行更好地使用内部模型法管控市场风险，更加审慎和精确地控制风险敞口暴露。但金融科技带来的负面影响也不容忽视。金融科技公司在普惠金融、消费金融等贷款领域展开竞争，其负面影响是否传导至风险承担还取决于信用卡发放及额度审批的审慎性是否会因为市场竞争而降低。姜增明等（2019）认为商业银行在后发的数字化转型背景下可能会面临传统风控优势的逐渐丧失。总体而言，金融科技对商业银行资产端的直接影响途径是最为明晰的，正面影响中相关内部风控模型与征信系统需要一定的时间与数据积累，由业务竞争导致的负面影响相对较为微弱。

从中间业务来看，金融科技可以在信用卡、代销等领域产生规模效应，进而降低银行的风险承担。根据最新会计准则，信用卡分期收入已划分至信贷范畴，但手续费仍属于中间业务收入，银行将新技术手段用于信用卡的审批，相对于传统方式，可以降低风险承担。谢平等（2015）认为金融科技具有边际成本递减和网络效应的特征，商业银行可以通过自研或引入金融科技手段实现互联网代销基金及保险产品，或利用金融科技进行差异化竞争，打造多元场景服务平台，以广大客户资源实现规模加持，同时不会对风险承担产生负面影响。第三方支付对支付业务领域竞争带来的负面影响不容忽视，而顾海峰、闫君（2019）注意到第三方支付对商业银行存款结构、客户拓展方面的正向影响，二者对营业收入产生综合影响，最终影响银行的风险控制能力。综合来看，第三方支付的总体影响可能是正向的，同时互联网投资也有利于银行的业务拓展，这构成银行外部金融科技的影响；银行内部金融科技中，信用卡审批与资产端产生联动，加上各类代销及新型拓展业务，可能间接降低银行的风险承担。

表1对各细分渠道的影响及总体影响效应进行了汇总。综合存、贷、汇三个视角来看，商业银行外部金融科技对银行风险承担的影响，存在负债端增加、资产端与中间业务降低风险承担三个途径。负债端的影响属于间接的资产负债表传递效应，资产端的影响主要是风控模型效应，中间业务的影响更多体现在经营效益层面的轻资产转型效应，总体上会降低商业银行的风险承担。商业银行内部金融科技对银行风险承担的影响主要体现在资产端与中间业务渠道，将会降低其风险承担。因此，本文提出以下假设：

表1 基于存、贷、汇视角的综合影响效应

H1：金融科技的发展可以降低商业银行的风险承担。

（二）商业银行类型的影响

国有大行、股份制银行、城市商业银行、农村商业银行是中国银行业的主体，不同的银行类别常表现出不同的特性，如国有大行具有较大的规模、遍布全国的网点和较好的国家资源支持；股份制银行有着更多的活力与创新基因，往往具有相对更高的经营效率；城商行往往具有地域优势，同时业务的区域也相对集中，风险不容易分散；农商行聚焦农村与普惠金融，触及长尾客户，风险相对不易控制。Beltratti and Stulz（2012）认为国有大行和股份制银行等系统重要性银行面临更为严格的监管资本标准，风险行为相对更加审慎，风险吸收效应占主流。王露璐、代军勋（2011）认为城市商业银行与农村商业银行的经营范围限制在特定区域内，金融脆弱——挤出效应占上风。因此，商业银行类型不同带来企业文化、业务、客户的不同，对商业银行的风险承担在跨期内展现出连续影响。金融科技发展水平在不同的商业银行类别中具有明显的差异，最终金融科技的影响也不尽相同，作用到风险承担上，也在不同渠道呈现出各异的影响结果。具体而言，具有更强综合实力的银行，其抵御外部金融科技冲击的能力更强，进行金融科技研发的能力也更强，受益于金融科技的可能性及效果相对更大；此外，国有大行、股份制银行及上市的城商行与农商行，通常具有较大的规模，也具有更好地应对金融科技公司冲击的能力、与金融科技公司展开合作的优势、更强大的资金实力与人才储备来进行内部金融科技的研发，因此银行规模也会对金融科技发展水平影响风险承担的程度产生影响。所以，本文提出以下假设：

H2：不同的银行类型，金融科技降低商业银行风险承担的效果存在差异。

（三）股权结构的影响

中国商业银行规模的扩张伴随经济的持续高增长。20世纪80年代到90年代初中国银行业积累了大量不良贷款，对商业银行的资本金产生了巨大的侵蚀。沃尔特、豪伊（2013）提出商业银行为了满足《巴塞尔协议III》的资本充足率要求，每隔一段时间进行融资成为不可避免的行为，叠加分红派息行为，即使在IPO后，其资本金仍面临阶段性补充问题。除了对于资本金的需求，中国商业银行也需要进行股份制改革，IPO上市，进而受到更加严格的监管与信息披露标准和会计准则约束，成为真正的市场化经营主体。潘功胜（2012）认为商业银行上市后，经营理念、发展战略、激励约束等方面都会得到显著改善，逐渐抛弃过去粗放发展模式，更加注重对质量、效益、稳健性和可持续发展的追求。上市银行更容易接受和适应新的经营理念、新的商业模式和技术形态，在企业创新方面有着更强的活力。相对于非上市银行，上市银行对于新技术的运用具有资本和成本优势，在公众和更广泛的市场中也有更好的信任度。这些因素都有利于上市银行利用金融科技改善金融服务，提升用户服务体验，提高经营效率，提高风险识别和管理能力，从而更好地降低风险承担。基于此，本文提出以下假设：

H3：商业银行上市之后，金融科技降低商业银行风险承担的效果更显著。

二、研究设计

（一）变量测度与数据来源

按CSMAR数据库分类，以国有大行、股份制银行、城商行、农商行口径为准，中国目前有375家商业银行。本文剔除掉不可获取的部分年份数据，以及缺乏关键变量的数据，最终形成了包含263家商业银行的2011—2020年非平衡面板数据（样本量为1573个）。

本文的实证模型涉及以下变量：商业银行风险承担水平（Risk_taking），金融科技发展水平（Fintech），商业银行规模（Asset），拨备覆盖率（PCR），资本充足率（CAR），净息差（NIM），成本收入比（CIR），地级市人均GDP对数值（GDP），年度M2同比增长率（M2），商业银行类型（Type），商业银行上市情况（IPO）。具体见表2。

表2 变量选择及定义

1.被解释变量。本文的被解释变量商业银行风险承担，是指商业银行主动承担的风险，需凭借内部资源以弥补损失，是商业银行基于利润最大化而进行业务选择的结果。关于其衡量指标，目前主流有以下几类：张健华、王鹏（2012）等学者使用的Z值是衡量商业银行风险承担的最常用指标之一，但Z值仅反映银行破产风险而非全部风险，用Z值的变化衡量风险承担的变化实践意义较弱；任碧云、郑宗杰（2021）基于事后风险度量的视角，利用不良贷款率衡量银行的风险承担，其不足之处在于对商业银行风险管控的指导意义较为欠缺；预期违约率是度量银行事前风险承担行为的指标，然而由于信用评级尚不完善、违约数据库缺乏，限制了预期违约率的应用；邱晗等（2018）使用风险加权资产占总资产的比例衡量银行的风险承担，该度量手段较为全面，兼顾了事前风险管控与监管资本两方面含义。本文选择风险加权资产占总资产比例作为银行风险承担的指标，度量银行事前风险承担。在稳健性检验中，将被解释变量替换为不良贷款率，从事后风险承担的角度检验结果的稳健性。被解释变量数据来源于CSMAR数据库。

2.解释变量。对于金融科技发展水平的度量，目前主流的做法有两类：在早期的一些研究中，如郭品、沈悦（2015）建立互联网金融相关词库，利用文本分析法构建指数以度量金融科技；另一种是郭峰等（2020）构建的北京大学数字普惠金融指数，该指数基于蚂蚁金服内部数据编制，具有较好的代表性和可靠性，但没有考虑商业银行数字化转型的成果；吴非等（2021）在方法一的基础上建立金融科技赋能银行业的关键词库，基于爬虫技术和Java PDF-box库的文本提取功能，构建了衡量企业数字化转型的指标。

基于商业银行外部金融科技衡量的角度，本文在实证模型中采用北京大学数字金融研究中心利用蚂蚁金服的海量用户数据编制的数字普惠金融指数。该指数基于数字金融覆盖广度、使用深度、数字化程度等维度构建，其中深度指数中还包含支付、投资等细分业务分类指数。由于金融科技产品在中国的推广和发展主要体现在覆盖广度上，因此本文将数字普惠金融广度指数作为核心解释变量，对该指数通过对数功效函数进行了无量纲化处理，本文实证模型中使用时将指数除以100。该指标体系包括省、地级市、县三级数据，本文使用商业银行注册地的地级市层面的数据进行实证分析，可以缓解内生性问题。具体的样本量涉及31个省级、337个地级市以及约2800个县级行政单位，时间跨度从2011年至2020年，该时间段正好刻画了金融科技从萌芽阶段到最近一期有完整统计数据的年份。该指数可以较好地反映各地区的银行外部金融科技发展水平。

基于商业银行内部金融科技衡量的角度，本文的实证模型中借鉴郭品、沈悦（2015）通过文本挖掘法建立关键词库并统计词频的方法，自建指数刻画各家上市银行自主运用金融科技的程度。根据金融科技在商业银行中的各项技术应用，结合吴非等（2021）的词库设计逻辑，建立商业银行数字化转型指数词库（见表3），包括数字信息技术、互联网、人工智能、区块链、云计算和大数据六个维度。针对117家总资产规模达到1000亿元以上的上市银行与非上市银行2011—2020年有披露的年度报告，利用微词云的文本词频统计功能得到对应的年报词频，结合北京大学数字金融研究中心的数据，构建得到商业银行数字化转型指数，表征银行内部的金融科技发展水平。

表3 商业银行数字化转型指数词库

3.控制变量。参考唐朝（2017）总结的银行财报的关注重点，基于经营效益与资产质量两个角度，选取拨备覆盖率、资本充足率、净息差、成本收入比等指标作为银行层面的控制变量，同时在城市层面引入了人均GDP（回归时取对数处理），在宏观货币形势层面引入了M2增长率等指标。其中，银行层面的控制变量来自CSMAR数据库，个别数据根据商业银行报表进行了补充及修正；城市层面的人均GDP来自Wind数据库及各地统计年鉴；宏观货币形势层面的M2增长率来自Wind数据库。部分控制变量将作为调节变量，包括商业银行总资产对数值、商业银行类型、资本市场IPO情况，分别表征商业银行的规模、银行性质、股权结构，其中商业银行类型与资本市场IPO情况仅用于异质性检验中的分样本回归，不直接进入回归模型中。总资产与商业银行类型来源于CSMAR数据库，各商业银行上市时间来自Wind数据库。

（二）模型设定

1.主回归模型。针对商业银行面板数据，本文在进行回归模型选择时，豪斯曼检验表明应采用固定效应模型。由于相同银行不同年份间的扰动项通常存在自相关，本文使用了聚类稳健标准误。本文构建了以下双向固定效应回归模型：

上式中，i，t分别代表银行个体和年份，Risk_takingit代表银行i在第t年的风险承担水平，FinTechit表示银行i在第t年的金融科技发展水平，通过商业银行外部金融科技指标与内部金融科技指标分别进行测度。Controls代表一系列银行层面与城市层面的控制变量。银行个体固定效应和时间固定效应分别用δi和θt表示，εit表示不可观测的随机误差项。使用商业银行外部金融科技指标进行测度时，将银行与注册地所在地级市进行匹配，进而在控制银行个体固定效应时同步控制了城市固定效应。系数β1衡量金融科技发展水平对商业银行风险承担的影响。

2.规模调节效应模型。金融科技作用于商业银行风险承担，在银行个体层面的异质性影响不容忽视。银行规模一方面可能会直接增强商业银行的风险控制能力，另一方面也可能对金融科技的影响存在调节效应。规模较大的银行，可利用其在传统金融领域与技术领域的双重优势，与金融科技公司积极展开合作，或自行研发相关金融科技技术、基础设施与应用，更好地管控风险。因此在主回归模型的基础上，本文继续探究银行规模的调节效应，加入调节变量商业银行规模与金融科技指标交乘项后的双向固定效应回归模型如下：

Assetit表示银行i在第t年的规模，FinTechitAssetit表示商业银行规模与金融科技发展水平的交乘项。系数β2衡量商业银行规模对商业银行风险承担的影响，β3衡量商业银行规模与金融科技发展水平的交乘项影响的大小。除增加的两项外，其余设定与主回归模型一致。

三、实证分析

（一）描述性统计

为了排除异常值的影响，本文对部分连续变量数据进行了双边缩尾处理（1%），处理后的非平衡面板数据的描述性统计见表4。从风险加权资产比例来看，不同银行间风险承担差异较大，不同银行的风险配置策略与战略转型步伐差异明显；从不良贷款率来看亦是如此，事前风险承担的不同策略加上风险管理水平、客户行业、客户类型等方面的差异，事后的风险承担水平差距更大，部分银行较高的不良贷款率拉高了平均值。从商业银行外部金融科技的发展来看，其平均值小于中位数，说明在样本内商业银行注册地所在的地级市中，地区间数字普惠金融的发展存在显著差异，部分地区较为落后拉低了平均数；从商业银行内部金融科技的发展来看，其平均值大于中位数，说明不同银行间数字化程度差异明显，部分银行发展较好拉高了平均值。从资产质量来看，银行普遍满足了监管要求，平均资本充足率与拨备覆盖率都大幅超过标准；从经营效益来看，净息差水平与成本收入比差异较大，不同银行间传统业务盈利能力与经营效率差距明显。

表4 描述性统计结果

（二）主回归结果

根据主回归模型的回归结果（见表5）。模型（1）和模型（2）对商业银行外部金融科技的影响进行测度，引入一系列控制变量前后，回归结果保持稳健，相应金融科技指标的系数分别在5%、10%的显著性水平下显著为负，即随着银行外部金融科技发展水平的提升，其风险承担呈现出下降的趋势。结合前文中基于存、贷、汇视角综合分析框架来看，风控模型、轻资产转型与科技合作外溢抵消了负债成本上升与资产业务竞争的负面影响，10年的数据积累与风控模型的训练迭代，已经足够降低商业银行的风险承担。模型（3）和模型（4）针对银行内部金融科技，引入控制变量前后，在1%的显著性水平下，金融科技对其风险承担的影响均显著为负，同外部金融科技的影响相似，随着银行内部金融科技水平的提高，其风险承担逐渐下降。随着时间的推移，金融科技手段识别信贷风险的能力逐渐增强，实现对传统方法的超越，金融科技手段被更多地引入征信、风控等领域；同时，中间业务占比持续扩大，银行呈现轻资产转型趋势，金融服务的质量和多样性得到提高并呈现出规模效应，风险承担得以降低。综上所述，无论是从商业银行外部金融科技还是内部金融科技的影响来看，金融科技的发展均可以降低商业银行的风险承担，H1得到验证。

表5 主回归结果

（三）异质性分析

1.商业银行规模的调节效应。表6中模型（1）和模型（2）考察商业银行外部金融科技的影响，模型（3）和模型（4）则考察商业银行内部金融科技的影响，其中模型（1）、模型（3）即为主回归模型中的结果。模型（2）中引入交乘项后，银行规模与商业银行外部金融科技发展水平交乘项的系数在5%的显著性水平下显著为负，而金融科技指标的系数受到影响不再显著，其影响通过交乘项而展现。模型（4）中引入交乘项后，在5%的显著性水平下，银行规模与商业银行内部金融科技发展水平交乘项的系数显著为负，而金融科技指标的系数受交乘项影响后虽然显著为正，但纳入模型（4）的银行规模能保证金融科技对银行风险承担的最终直接影响为负。以上结果说明，随着商业银行内、外部金融科技的发展，商业银行的风险承担在降低，且银行规模越大，风险降低得越多。从外部金融科技的竞争来看，大银行抵御冲击的能力更强，具有更强的议价能力，负债端成本上升的影响相对较小，因而较大规模的银行增加较高风险资产配置比例的动力相对较弱；从内部金融科技研发来看，规模更大的银行具有更多的营业收入，因而可以将更多的资金投入金融科技的研发，小银行更多只能依赖于与金融科技公司或大银行的合作提升数字化水平。

表6 商业银行规模的调节效应

以上结果再次验证了H1，并探究了金融科技影响其风险承担的两条路径。具体而言，第一，银行外部金融科技影响的合作性胜过竞争性，银行内部金融科技的影响依赖于一定的综合研发实力，考虑到银行规模的调节效应后，二者仍可以直接降低商业银行的风险承担。第二，较大规模银行相对于较小规模银行有着更好的风险管控能力，能加强银行内外部金融科技的影响，进一步降低风险承担。基于上述分析，当商业银行综合实力达到一定层次后，其金融科技的研发投入在风险管控领域能起到更好的成效。对中小型银行来说，与金融科技公司或其他大银行合作，利用现成技术是其应用金融科技推动数字化的更合理的选择。

2.不同的商业银行类型。除了银行规模，不同的商业银行类型对金融科技影响商业银行风险承担的效应也不容忽视。如前文所述，商业银行类型的不同带来企业文化、业务、客户的不同，对商业银行的风险承担在跨期内有连续影响。因此，下面基于不同商业银行类型，按国有大行、股份制银行、城市商业银行、农村商业银行进行分组回归。从银行外部金融科技角度，回归结果见表7。模型（1）针对国有大行，银行外部金融科技发展水平的影响不显著。对于国有大行而言，作为国民经济命脉和支柱，在普惠金融领域有着更多的使命与担当，其风险承担行为的作用机制是复杂的，外部金融科技的发展未能对其风险承担产生直接的影响。模型（2）针对股份制银行，商业银行外部金融科技发展水平对其风险承担的影响在10%的显著性水平下显著为负。由于股份制银行普遍市场化程度较高，且具有较为强大的综合实力，一方面抵御外部金融科技公司竞争的能力较强，另一方面也可以在更大范围与金融科技公司等科技型企业开展合作，银行外部金融科技对于该类银行风险承担形成降低的总效应。模型（3）针对城市商业银行，模型（4）针对农村商业银行，其中商业银行外部金融科技发展水平对城市商业银行风险承担的影响不显著，而对农村商业银行风险承担的影响在10%的显著性水平下显著为正，结合农商行净息差拥有更大的降低幅度，其资产负债表传递效应可能更为显著；此外，农商行在小微贷款领域与金融科技公司的竞争较为激烈，资产端的互联网信贷竞争也增加了其风险承担。如Deng et al.（2021）所述，对于城市商业银行而言，虽然其净息差缩减幅度也较大，但普遍相较农商行有着更大的规模、更集中的客户群体，互联网信贷竞争对其影响相对没有农村商业银行那么剧烈，因此金融科技对其影响也并不显著。

表7 商业银行类型的异质性分析——以银行外部金融科技指标测度

表8从银行内部金融科技角度进行探究。金融科技对国有大行的效果依然不显著，而对于股份制银行，金融科技对风险承担的影响在5%的显著性水平下显著为负。股份制银行普遍具有较强的综合实力，资金、技术、人才、管理方面的优势使其可以高效进行金融科技研发并投入业务中，最终降低风险承担。对于城商行与农商行，金融科技的影响同样不显著，总体上这类银行综合实力相对较弱，其内部金融科技仍处于学习阶段，较为集中的经营区域带来更难以分散的风险，以金融科技的合作带动研发更为合理。

表8 商业银行类型的异质性分析——以银行内部金融科技指标测度

综上所述，H2得到验证。不同类型的商业银行，金融科技降低商业银行风险承担的效果存在差异，无论是内部还是外部金融科技，对于股份制银行的风险缓释效果较好；而外部金融科技的发展会加剧农村商业银行的风险承担。

3.不同的股权结构。利用Wind统计各上市银行的A股与港股上市时间，设置关于IPO的虚拟变量，如果某银行在当年A股或港股任意一个资本市场上市，则下一年及以后年份IPO=1，当年及之前年份IPO=0；非上市银行的所有样本均取IPO=0。以此标准将商业银行的样本分为两组，即未上市的商业银行和已上市的商业银行，回归结果见表9。模型（1）和模型（2）研究商业银行上市前后，外部金融科技对其风险承担的影响；模型（3）和模型（4）研究商业银行上市前后，内部金融科技对其风险承担的影响。研究发现，无论是内部还是外部金融科技，在银行未上市年份中，金融科技的影响均不显著；而在银行上市后，在5%的显著性水平下，相应金融科技发展水平的系数均显著为负。即当商业银行上市后，商业银行外部金融科技与内部金融科技降低其风险承担的效果是显著的。以上结果印证了Berger and Mester（1997）关于银行上市后经营效率提高的观点，上市银行间接受惠于金融科技的发展，风控能力得到提高。

由于国际资本市场与国内资本市场在会计准则、上市要求等诸多方面存在差异，本文针对商业银行在港股市场上市的影响做了稳健性检验，主要结果与表9的结果保持一致，限于篇幅不再展示。商业银行在港股市场上市前，银行内、外部金融科技对其风险承担的影响均不显著；而当银行在港股上市后，外部金融科技与内部金融科技的系数分别在10%与5%的显著性水平下显著为负。

表9 股权结构的异质性分析

以上结果验证了H3，商业银行上市后，金融科技降低商业银行风险承担的效果更显著。具体而言，第一，商业银行内、外部金融科技均不能在商业银行上市前产生显著的降低商业银行风险承担的效果；第二，在商业银行上市后，商业银行内部与外部金融科技的发展降低其风险承担的效果对所有银行均成立；第三，即使考虑到国际会计准则、监管机构与国内会计准则、监管机构约束的差异，单纯基于港股市场的上市情况，以上结论依然成立。

（四）稳健性检验

1.主回归的稳健性。为了探究主回归结果的稳健性，本文从两个角度对商业银行外部金融科技的影响进行探讨：一是对解释变量进行替换，采用数字普惠金融总指数与深度分指数衡量商业银行外部金融科技；二是对被解释变量进行替换，采用不良贷款率衡量商业银行的风险承担。同样地，针对商业银行内部金融科技的影响，本文采用不良贷款率替换原被解释变量进行检验。其他设定与主回归模型一致。检验结果见表10，模型（1）、模型（2）使用不良贷款率衡量商业银行的风险承担，分别检验商业银行外部与内部金融科技影响的稳健性，在10%的显著性水平下，相应的金融科技指标的系数均显著为负。因此，无论是使用风险加权资产比例衡量事前的风险承担，还是使用不良贷款率衡量事后的风险承担，商业银行内部与外部金融科技的发展均可以显著降低其风险承担。针对商业银行外部金融科技，本研究替换主回归模型中的解释变量进行了检验。模型（3）使用数字普惠金融深度分指数表征商业银行外部金融科技发展水平，其系数在5%的显著性水平下显著为负；模型（4）则使用数字普惠金融总指数表征商业银行外部金融科技发展水平，此时系数在1%的显著性水平下显著为负。以上结果显示，H1依然成立，金融科技的发展可以降低商业银行的风险承担，替换被解释变量与解释变量并不影响主回归结果的稳健性。即无论从金融科技的技术前提（广度指数），还是从金融科技的实际应用情况（深度指数）来看，或将表征金融科技服务的移动化、实惠化、信用化与便利化的数字化程度也纳入考虑使用总指数，均能够得出金融科技的发展可显著降低商业银行风险承担的结论。

表10 主回归的稳健性

2.影响机制探讨。由于北京大学数字普惠金融深度分指数包括信贷、支付、投资等细分领域，分别代表互联网个人消费与小微经营贷款、第三方支付与互联网投资理财的发展水平，以上指标可用于验证商业银行资产端与中间业务渠道的影响机制。本文用这三个细分指标替代数字普惠金融广度指数，从三种不同的机制分别验证资产端由于互联网信贷竞争带来的影响、中间业务端由于第三方支付发展带来的外溢科技合作的影响、中间业务端由于投资业务扩张导致的轻资产转型的影响。结果见表11，模型（1）、模型（2）、模型（3）分别表示以信贷分指数、支付分指数、投资分指数测度银行外部金融科技的回归结果。模型（1）中金融科技指标的系数在5%的显著性水平下显著为正，模型（2）、模型（3）中金融科技指标的系数在1%的显著性水平下显著为负。从实证分析的角度，对前文基于存、贷、汇视角提出的不同渠道的影响效应，针对信贷、支付、投资进行了验证。从互联网信贷的影响来看，如蚂蚁花呗、京东白条、微粒贷、美团月付、携程先住后付等个人消费贷款产品对银行信用卡业务造成了冲击，网商贷、微业贷等产品与商业银行的小微经营贷款业务同步竞争，挤占商业银行信用卡分期收入与普惠金融收入，并削弱商业银行维持存贷利差的能力，推动商业银行投资较高风险资产以维持盈利能力，从而间接增加其风险承担。从第三方支付的影响来看，如支付宝、财付通等平台对商业银行的支付业务产生了竞争，一定程度上对其非利息收入产生压力，此外还可能导致资金沉淀与占用，影响银行的货币派生能力；但第三方支付平台及其母公司（腾讯、阿里等）可以利用集团资金、技术优势，在金融科技领域推动研发，并积极与商业银行合作，反哺商业银行，提高其风险控制能力，最终降低其风险承担。从互联网投资理财的影响来看，金融科技公司通过社交平台或支付、生活平台引流，进行基金代销活动，抢占基金申购费，通过竞争对中间业务收入产生负面影响；但互联网投资理财是个蓝海市场，商业银行可以在与互联网平台的合作中赚取托管费，总体上有利于银行中间业务收入的增加，进而削弱其投资高风险资产动机，降低风险承担。

表11 影响机制探讨

2.内生性问题。金融科技发展水平的度量本身会存在测量误差，同时其发展水平也非外生变量，可能会存在反向因果及遗漏变量等问题，因而可能存在内生性问题。参考邱晗等（2018）的研究，本文采用系统GMM方法减轻商业银行外部金融科技发展水平内生性问题，并选取互联网宽带普及率作为商业银行内部金融科技发展水平的工具变量，进行两阶段最小二乘法回归，以减轻内生性问题，由于Kleibergen-Paap rk LM统计量的P值为0.013，Hansen J统计量的P值为0.583，模型通过了不可识别检验与过度识别检验。回归结果见表12，减轻内生性问题后，在10%的显著性水平下，本文的主要研究结果依然能够保持稳健，商业银行外部金融科技与内部金融科技的发展能够降低商业银行的风险承担。

表12 内生性问题

四、研究结论及理论启示

（一）研究结论

本研究考察了金融科技的发展对商业银行风险承担的影响，基于商业银行存、贷、汇业务视角，提出了商业银行内、外部金融科技对其风险承担的综合影响效应框架，利用从CSMAR数据库、北京大学数字金融研究中心、商业银行报表、Wind数据库、银保监会、各地统计年鉴等搜集的相关数据，通过实证方法对研究假设及部分影响渠道进行了验证，得出以下研究结论：（1）金融科技的发展有利于降低商业银行的风险承担；（2）商业银行规模对于金融科技影响其风险承担的效果具有调节效应，银行规模越大，则金融科技的风险缓释效应越明显；（3）不同的商业银行类别中，金融科技的影响存在差异性，对于股份制银行，外部与内部金融科技的发展可以降低其风险承担，对于农村商业银行，外部金融科技可能会增加其风险承担；（4）不同的股权结构也会对金融科技影响商业银行风险承担的效应造成不同的影响，当商业银行上市后，金融科技的发展能显著降低其风险承担。

（二）政策建议

本文基于现实背景及相关研究结论提出以下政策性建议：

第一，政府应积极推动金融科技发展和应用，为金融科技公司提供政策支持，从政策与技术两个维度引领行业发展，鼓励金融科技公司与传统金融机构合作。

第二，商业银行应通过积极合作、自行研发等方式运用金融科技，提升其风险控制能力，响应国家普惠金融政策号召，降低金融服务的门槛和成本，助力小微企业发展，满足居民日益增长的金融需求，同时将风险承担控制在合理范围内。

第三，针对中小型商业银行，政府应该为其提供更多的政策支持，让更多的机构能够为中小型银行提供技术方面的支持与合作，帮助其更好地进行风险管理，同时鼓励中小型银行积极与同业及金融科技公司合作，通过多种途径提升其数字化能力；此外，未上市的中小型银行应积极寻求公开的资本市场融资，从资本金与监督两个层面放大金融科技的正向影响。

第四，监管部门应继续探索与新时代下更加市场化的金融行业相适宜的监管体制，通过研发与合作提升监管科技水平；商业银行也应该积极提高自身合规意识与能力，既要防止由于技术与业务创新带来的信息科技风险，也要着力防止系统性金融风险的蔓延。