关于互联网金融对商业银行风险影响的实证研究

1、第1章 引言大数据、人工智能、云计算等科学技术的发展为金融创新提供了丰富的土壤，加之中国资本市场层次单一，金融市场融资方式主要以直接融资为主的背景也为互联网金融在中国的发展提供了条件，因此以移动支付、P2P网络贷款、众筹、互联网理财产品、区块链金融为主的互联网金融能在中国成气候已经变成一种必然。于是如何使互联网金融与传统金融有机结合更好地支持普惠金融和实体经济的发展也成为了中国金融发展中必须思考的一个问题。然而互联网金融在弥补传统金融的缺点，解决金融需求问题的同时也对以商业银行为代表的传统金融机构带来了不小的冲击，从而对金融系统的稳定性提出了挑战。主要表现为：一方面，一些没有金融牌照的互联网企

2、业涉足金融领域，从事现金贷业务等，持有金融牌照的互联网企业进行混业经营，开展网络借贷业务等，这些企业为小微企业降低了门槛，使个人借款与贷款变得更加便捷，解决了中小企业及个人融资难问题的同时，也将风险传染至传统金融机构。因为互联网金融的网络贷款平台极易将资金贷放给传统商业银行的惜贷对象，当这些收入不稳定或投资于高风险项目的企业发生违约风险无力偿还借款时，风险就传播开来了，主要表现为违约风险的增加，不良贷款率的攀升。另一方面，互联网金融迅速发展挤走了商业银行原本的客户，使银行利润受到威胁，银行为了维持自身的稳定经营和利润状况，会对零售贷款和资产配置做出相应调整，扩大自身规模的同时，增加风险权重高，

3、减少风险权重低的资产的比例，在偏好高风险资产的同时增加了其收益，但也带来了极大的破产可能性。因此，面对互联网金融的快速发展，如何提高商业银行的风险防范能力，守住不发生系统性金融风险的底线对金融市场的发展至关重要，研究互联网金融对商业银行风险的影响具有很强的现实意义。互联网技术的迅猛发展，智能手机的普及，金融服务供给的不足都是造成互联网金融发展壮大的原因。但国内外学者对互联网金融对商业银行的影响的看法仍处于争议状态。一些学者认为互联网金融对商业银行的收入来源造成了一定程度上的冲击，一些学者认为互联网金融使商业银行的风险增加，还有一些学者认为互联网金融会倒逼传统商业银行的转型与升级，使其盈利增加。

4、本文中的互联网金融为狭义上的概念，主要指做信息技术的互联网企业持有金融牌照开展金融业务。罗今兢指出互联网金融以其快捷的支付手段、简便的操作方式以及先进的信用评估系统降低了经营成本，与商业银行争抢了客户容量。天弘基金旗下的余额宝作为一种互联网货币基金与商业银行的活期存款利息相比收益更高，而且其流动性更强，是年轻人投资理财的良好选择。另外支付宝的“蚂蚁花呗”为借款人提供贷款的门槛更低，对商业银行的信贷业务造成很大影响。总的来说他认为互联网金融对商业银行的盈利能力造成一定负面冲击。1刘志阳黄可鸿指出互联网金融中有部分业务应归为影子银行业务，透明度不高，监管不足或规避监管，造成的风险以传染至商业银行中

5、，进而引发系统性风险。2郭品、沈悦通过构建模型与实证分析得出结论互联网金融可以提高商业银行的全要素生产率，而且国有商业银行、股份制银行对技术溢出效应的反应程度不同。3邹静、王洪卫通过构建模型强调互联网金融对商业银行的系统性风险有一定影响，这一影响在短期和中长期有一定的差异。认为从期限结构的角度来看，互联网金融对商业银行的影响是先上升后下降，长期来看，互联网金融会倒逼中国传统金融机构的转型升级，会颠覆传统的金融监管框架。4谢平、邹传伟认为互联网金融模式是和商业银行间接融资模式与资本市场直接融资模式均有区别的第三种融资模式，科学技术与金融的融合会对传统融资模式造成深刻影响。5“互联网金融研讨会”指

6、出互联网金融在一定程度上反映了中国金融市场和改革是处于发展过程中的，它运用其互联网技术优势和风险管理优势更好的支持了金融服务的发展，是对传统商业银行资金收放的一种有效补充。6林雪认为互联网金融运营成本低、信息透明度高、客户体验好对传统金融造成了挑战，传统金融要擅于与互联网技术结合，处理好传统与创新，短期与长期发展之间的关系。7 K. Batu Tunay、Necla Tunay、Ilyas Akhisar认为互联网金融对商业银行绩效有影响,且影响大小与经济发展水平及客户对传统融资方式的依赖度有关。8刘忠璐指出互联网金融的发展推进了银行风险管理体系的变革，使商业银行的破产风险降低了，与此同时大型

7、国有银行、股份制银行、城商行、农村银行的风险承担能力是不同的。9阚瑀婷认为互联网金融对电子银行替代率不同的银行造成的风险大小不同。10杨芬表明互联网金融可以使银行的不良贷款风险和破产风险均上升。11吴诗伟、朱业、李拓指出互联网金融在增加商业银行风险的同时会通过促进其利率的市场化进一步抬高其风险。12郭品、沈悦用“文本挖掘法”编制了互联网金融指数，并得出结论商业银行对互联网金融的响应表现出异质性。13赵喜仓、毛茜构建了股份制银行面对互联网金融业务的风险预警模型。14为研究近几年互联网金融发展带来的影响，北京大学联合上海新金融研究院、蚂蚁金服集团编制了互联网金融指数。15以往文献大多研究和互联网金

8、融对商业银行的经营效率、盈利能力、全要素生产率等的影响，个别学者研究互联网金融对商业银行风险的影响，而这些学者考虑的互联网金融的概念也多为广义上的，即既包括了非传统金融机构运用互联技术向金融领域发展提供金融服务，又包括传统的金融机构互联网化，升级原有的的风险管理模式及流程，带来技术风险。而本文研究的是狭义上的互联网金融，指互联网技术公司从事金融业务，对商业银行风险造成的影响,并将商业银行风险具体分为的不良贷款风险与破产风险。第2章 实证分析互联网金融的网络贷款平台通常将资金贷放给中型企业和小微企业及个人，而这些贷款者通常信用等级低，收入来源不稳定，大多为商业银行不愿提供贷款的客户，且互联网金融

9、所从事的一些业务属于影子银行的范畴，资金流向不明确易导致杠杆率偏高。 当互联网金融企业将资金以比银行贷款利率低很多的利率贷给这些投资于高风险、高收益的客户时，客户所投资的项目得不到预期回报或公司发生破产时，就会使得网贷平台的另一端提供资金想获取高收益的贷款人得不到预期回报，当这些贷款人的资金来源于商业银行时，银行的坏账率就会提高。随着互联网金融企业不断蚕食银行的收入渠道，银行通过存款利率低，贷款利率高来获取利差的优势就会逐渐减弱，就会使得银行有动机不断扩大资产负债表表内和表外资产的规模，比如增加信用债和权益资产的投资，不断向影子银行业务拓展从而造成银行的破产风险升高，由此可以看出若监管不力易将

10、风险由对互联网金融领域传染至传统的商业银行中，引发系统性金融风险。基于以上理论分析，本文提出以下两个实证假说并加以验证：假说1：互联网金融发展对商业银行风险有正向影响，主要表现为增强了商业银行的不良贷款风险和破产风险。假说2：互联网金融对不同类型银行的不良贷款率产生正向冲击的程度不同，国有控股银行发生坏账时，政府会通过坏账剥离的方式降低其不良贷款率，因此所受冲击较小，而股份制银行的不良贷款率受到的冲击较明显。2.1变量选取2.1.1被解释变量本文中选取的衡量商业银行风险的变量为不良贷款率和风险加权资产占总资产比例。用不良贷款率反映商业银行信用风险，风险加权资产占总资产比例（风险加权资产/总资产

11、）反映银行的破产风险2.1.2解释变量解释变量为互联网金融发展指数。根据以往研究，本文认为测量互联网金融发展水平的方法有两种。一种为“北京大学互联网金融发展指数”。一种为中国第三方互联网支付交易规模测量互联网金融发展水平。鉴于本文研究2009年至2017年互联网金融对商业银行的影响，而若以“北京大学互联网金融发展指数”为互联网金融发展指数，则2009年至2013年数据有缺失，且我国第三方互联网支付交易规模的变化可以代表近年来互联网金融发展的变化，所以本文以第三方互联网支付交易规模的变化作为互联网金融发展指数的代理变量。图2-1 中国第三方互联网金融支付交易规模如图2-1，中国第三方互联网支付的

12、交易规模自2009年至2010年呈现出持续走高。2013年是互联网技术与金融深度融合的一年，互联网金融取得了蓬勃的发展，第三方互联网支付交易规模达53729.8亿，同比增加46.8%，近些年来表现出强劲增长的态势。因此第三方互联网支付的交易规模的在一定上可以代表互联网金融的发展水平。2.1.3控制变量控制变量为商业银行的资本充足率、资产规模。对于资本充足率，一方面银行资本充足率越高，其追求高投资高回报的动机就越小，则银行经营越稳健。另一方面，银行资本越充足，其具有更多的资本去冒险，即便风险较大若是亏损也不会破产。对于资产规模而言，从某种程度上来讲，资产规模大的银行，其专业化及风险分散的能力强，

13、因此面临风险较小。但另一方面大银行易获得政府的隐性担保，规模越大，越敢于投资于风险高的项目，因此面临风险大。表2-1 影响商业银行风险的变量变量类型变量名称符号变量设计被解释变量商业银行风险y不良贷款率加权风险资产占比关键解释变量互联网金融指数x第三方互联网支付交易规模变化控制变量银行资本充足率car银行资本充足率银行资产规模size银行资产规模2.2样本选择与数据来源本文选取了在中国A股市场上市的13家商业银行作为研究样本，包括五家大型国有商业银行和八家股份制银行，时间跨度为2009年-2016年。面板数据来源：1、各银行的不良贷款率、资产收益率、资本资产比率、资产规模、资本充足率、存贷比等

14、数据来自于wind金融资讯及各家商业银行的年度报表；2、GDP同比增长率来自国家统计年鉴；3、互联网金融发展指数来自北京大学北京大学互联网金融发展指数报告第一期及第二期。4、中国第三方互联网支付交易规模的数据来自艾瑞咨询公司的中国第三方支付行业年度监测报告。表2-2 样本银行银行类型 银行名称 股票代码 上市时间 国有控股银行 工商银行 601398 2006-10-27国有控股银行 中国银行 601988 2006-07-05国有控股银行 建设银行 601939 2007-09-25国有控股银行 农业银行 601288 2010-07-15国有控股银行 交通银行 601328 2007-05

15、-15股份制银行 浦发银行 600000 1999-11-10股份制银行 民生银行 600016 2000-12-19股份制银行 招商银行 600036 2002-04-09股份制银行 兴业银行 601166 2007-02-05股份制银行 华夏银行 600015 2003-09-12股份制银行 中信银行 601998 2007-04-27股份制银行 平安银行 000001 1991-04-03股份制银行 光大银行 601818 2010-08-092.3描述性统计分析 表2-3 各变量的描述性统计量 均值 标准差 最大值 最小值 不良贷款率（npl）加权风险资产占比（rwa）互联网金融指数(

16、lninternet)资本充足率(car)资产规模(lnsize)0.0114788 0 .004592 0 .0291 0.0038 0. 6144752 0. 06519 0.7402 0.384210.6075 1.06622 12.21 9.050.1212548 0. 012941 0.1543 0.09929.17308 0.8963913 30.814 27.643从上方的样本数据可以看出，互联网金融指数和资产规模的标准差分别是1.06622和0.8963913相对略大，表明互联网金融指数波动大，发展迅猛。资产规模波动大，不同的大型国有商业银行、股份制银行、城市商业银行的资产规模

17、差异大。不良贷款率的最大值是中国农业银行在2009年的2.91%，最小值是兴业银行在2010年的0.38%，均值是1.147%。加权风险最大值是74.02%，最小值是38.42%。资本充足率的最大值是中国建设银行在2015的15.43%，最小值是平安银行在2013年的9.9%，均值是12.12%，高于央行的监管水平。表2-4 变量相关系数矩阵1npl internet car size nplinternetcarsize1.00000.4555* 1.00000.00000.1662 0.3992* 1.00000.0918 0.00000.4789* 0.3797* 0.7666* 1.0

18、0000.0000 0.0001 0.0000从上表可以看出，互联网金融指数与商业银行信用风险的代理变量不良贷款率之间有正相关关系，且在1%的水平下显著，说明在不考虑其他因素时，互联网金融的迅猛发展提高了商业银行贷款不能如期收回的风险。与此同时，上表表明商业银行的资产规模与其不良贷款正相关，且在1%的水平下显著，表明随着银行扩张其资产规模，其增加了贷款的投放且对贷款对象信用级别的要求不再很高，因此不良贷款率随之上升。表2-5 变量相关系数矩阵2rwa internet car size rwainternetcarsize1.00000.5334* 1.00000.0000-0.0187 0.

19、3992* 1.00000.8504 0.00000.0088 0.3797* 0.7666* 1.00000.9297 0.0001 0.0000从上表可以看出互联网金融指数与商业银行破产风险的代理变量风险加权资产占比有正相关关系，相关系数为0.5334。且在1%的水平下显著。表明互联网金融的发展速度快会对银行的资产配置造成更多元化的影响，加大了其社会融资及表外非标融资的规模，从而直接或间接加强了银行的破产风险。商业银行的资本充足率与其破产风险大小呈负相关，表明银行资本金越充足，其投资于风险权重大的资产的比重就越小，银行面临的破产风险越小。另外，银行的资产规模与其破产风险大小呈正相关。综上可

20、以看出，互联网金融指数和商业银行风险的代理变量不良贷款率、风险加权资产占总资产正相关且在统计上显著，即互联网金融的发展提高了银行面临的风险。另外，随着资产规模的扩大，银行承担的风险也在加大。2.4静态面板数据模型构建 假说1表明：近年来互联网金融的发展使商业银行风险增加，为验证假说1，本文以2009年-2016年13家商业银行一系列指标及同一时间跨度的GDP增长率构成的面板数据，建立静态面板的混合回归、固定效应、随即效应估计模型： y1it=C+1xt+i=24iXit+t+ui+it(1)y2it=C+2xt+i=24iXit+t+ui+it(2)这两个回归方程中，被解释变量y1是不良贷款率

21、，y2是风险加权资产占总资产的比例。i表示商业银行样本，t表示时间（t=1,27），C是截距，由于样本量不够大，关键解释变量为xt，且xt可以随个时间而变，表示不同年份的互联网金融指数，表示随个体和时间而变的控制变量Xit，只取商业银行的资本充足率、总资产规模。不可观测的随机变量ui表示反映不同商业银行的异质性截距。it是随个体和时间而改变的扰动项。2.5一元线性回归模型构建假说2表明：互联网金融对不同类型商业银行不良贷款率有不同影响，为验证假说2，现将样本银行分为国有控股商业银行和股份制商业银行两类，并分别构建两个一元线性回归模型，以便于研究互联网金融对两种不同类型的银行的不良贷款率是否有差

22、异。 y1t=+1xt+t(1)y2t=+2xt+t(2)这两个回归方程中，由于样本量不够大，建立单因素模型，解释变量是xt可以随个时间而变，表示不同年份的互联网金融指数，被解释变量y1是国有控股商业银行的不良贷款率，y2是股份制商业银行的不良贷款率，t表示时间（t=1,27）, 是截距， t是随时间而改变的随机扰动项。2.6实证检验结果及分析2.6.1互联网金融对商业银行风险的影响（1）互联网金融对商业银行不良贷款风险的影响从回归结果表2-6可以看出，F 检验的p值为0.0000，故不能接受混合回归估计更优的假设；Hausman检验的P值为0.9928，故接受ui 与解释变量不相关的假设，而

23、要接受随机效应估计，因此认为本模型应先采用随机效应模型。表2-6 互联网金融对商业银行不良贷款率的影响变量 混合回归 固定效应 随机效应 npl internet 0.0016983 0.0016253 0.0016869 0.000 0.181 0.000 car -0.2095945 -0.1967521 -0.2021736 0.029 0.000 0.000 size 0.0040054 0.0040392 0.0039284 0.015 0.234 0.000 n 104 104 104 R2 0.4559 0.4383 0.4382 F检验 0.0000 Hausman检验 0.9

24、928根据随机效应的估计结果，得出结论：互联网金融指数每增加1，银行不良贷款率增加0.1698%，且在1%水平下显著。数据表明互联网金融发展会使银行不良贷款率有增加的影响，即是商业银行不良贷款发生风险增加，但影响极其微小，故有必要进一步分析互联网金融对不同类型商业银行的不良贷款率是否有不同的影响，即有意义进一步研究互联网金融对五大国有控股商业银行和股份制商业银行的传统贷款业务的冲击力。 商业银行的资本充足率每增加1，其不良贷款率降低20. 95%，且在1%水平下显著。数据表明商业银行的资本充足率越高，表明风险承担和吸收损失的能力越强，控制向信用水平不高企业的贷款规模，总体上看银行面临的风险更小

25、。商业银行的资产规模每增加1，其不良贷款率增加0.4%且显著。数据表明商业银行的资产规模扩张时，可能伴随着负债和信贷投放的增加，从而增加其贷款不能如期和正常收回的风险。（2）互联网金融指数与商业银行破产风险的影响从回归结果表2-7可以看出，F 检验的p值为0.0000,故强烈拒绝混合回归的估计结果，Hausman检验的P值为0.3948，接受随机效应的估计结果，因此研究互联网金融指数对商业银行加权风险资产占总资产的比例的影响这一静态面板数据回归模型应当采用随机效应模型。表2-7 互联网金融对商业银行加权风险资产占比的影响变量 混合回归 固定效应 随机效应 rwa internet 0.0418

26、469 0.0667804 0.0418469 0.000 0.000 0.000 car -1.452065 -1.96634 -1.452065 0.031 0.003 0.012 size 0.0068911 -0.0441623 -0.0068911 0.707 0.084 0.619 n 104 104 104 R2 0.4758 0.4910 0.4758 F检验 0.0000 Hausman检验 0.3948根据随机效应估计的结果，得出结论：互联网金融指数的回归系数为0.0418469，且在1%水平下显著。表明互联网金融的规模扩张，会使得商业银行加权风险资产占总资产的比例增加，即

27、银行会增加风险权重高的资产，进一步使得资产配置多元化以应应对互联网金融企业业务对传统银行利润的冲击。的确近年来，金融杠杆率不断加高的一部分原因是商业银行增加了其理财产品的规模，朝着更多元化的方向发展，除经营传统存贷款业务外，还增加对债券、非标资产和权益类资产的配置，个别银行的债券和非标资产是贷款的1.5倍以上。银行资本充足率的回归系数为-1.452065且影响显著。商业银行资本充足率越高，其破产风险的发生的概率越低，与巴塞尔协议中的规定是一致的。银行资产规模的回归系数为-0.0068911，表明当银行总的资产规模很大时，其增加传统信贷资产的同时，也会增加风险权重高的资产，比如应主动增加评级低、

28、风险高等资本消耗型资产的投放。互联网金融的发展对商业银行的风险产生了正向影响，使其不良贷款风险和破产风险均增强，这一实证结果与假说1的预期是一致的，说明无论是从风险传染角度还是利润蚕食角度，互联网金融对银行风险带来的扩大影响都是显现的。2.6.2互联网金融对国有控股银行和股份制商业银行不良贷款风险的异质性影响表2-8 互联网金融对国有控股商业银行不良贷款率的影响 变量 npl internet F检验 N R2 一元线性回归 0.0004182 0.37 5 0.0223(0.724)根据一元线性回归方程的结果，可以得出结论：互联网金融发展使中国五大国有控股银行（中国工商银行、中国建设银行、中

29、国银行、中国农业银行、中国交通银行）的不良贷款率上升，但统计上不显著。表明互联网金融对国有控股银行传统的信贷投放业务造成了正向冲击，但互联网金融的迅速发展没有明显造成大型商业银行的信用风险的显著上升。国有控股银行总资产规模大，有国家相关政策的支持，要受到金融市场的严格监管且客户群基本固定都是互联网金融对其造成的冲击不明显的原因。表2-9 互联网金融对股份制商业银行不良贷款率的影响 变量 npl internet t检验 N R2一元线性回归 0.0029221 0.0168 8 0.0223(0.017)根据一元线性回归方程的结果，可以得出结论：回归方程中互联网金融指数的回归系数为正，且在5%水平下显著。表明互联网金融指数对股份制银行（中国工商银行、中国建设银行、中国银行、中国农业银行、中国交通银行）的不良贷款率有正向影响，且统计上显著。即互联金融的迅猛发展会对股份制商业银行的传统个信贷业务造成冲击，使其贷款不能正常收回的风险显著增加，股份制银行资产规模相对较小，客户基数小，经