本站小編為你精心準備了互聯網金融在商業銀行的影響研究參考范文，愿這些范文能點燃您思維的火花，激發您的寫作靈感。歡迎深入閱讀并收藏。

摘要：文章基于我國75家商業銀行2014—2016年的數據，結合北京大學互聯網金融發展指數，實證檢驗了互聯網金融發展對城市商業銀行和農村商業銀行的盈利能力、盈利結構及經營風險的影響。研究發現互聯網金融發展對商業銀行盈利能力的影響呈現先降后升的“U”型趨勢，目前對商業銀行盈利能力的主流影響仍然是消極；同時，互聯網金融發展對商業銀行盈利能力的不利沖擊倒逼商業銀行提高非利息收入，互聯網金融的發展顯著提高了商業銀行的非利息收入水平；互聯網金融發展對商業銀行經營風險的線性關系并不顯著，但呈現先升后降的倒“U”型非線性關聯。

關鍵詞：互聯網金融；商業銀行；盈利能力；盈利結構；經營風險

一、引言

1995年，美國出現了“安全第一網絡銀行”，標志著互聯網金融的誕生，此后互聯網金融迅速在全球范圍內發展。我國互聯網金融主要經歷了3個發展階段。首先是2005年以前的萌芽階段，這個時期的互聯網金融主要是傳統的金融機構直接將一些線下業務轉變成了網絡操作的線上業務，業務形態并沒有發生變化。其次是2005年至2012年的起步階段，以2005年上線的第三方支付“支付寶”為代表，互聯網不再僅僅是一個操作平臺，金融與互聯網相結合催生了一系列新金融業務形態，如P2P網貸、眾籌等，但監管的不足使許多業務仍處于“灰色地帶”。最后是從2013年延續至今的高速發展期，以“余額寶”上線為代表，第三方支付、眾籌等業務逐步地走向正軌，互聯網與保險、證券等相結合使一批新業務不斷誕生，監管政策逐漸出臺，互聯網金融日益受到國家的重視。互聯網金融逐漸在我國金融業中占據越來越重要的地位，它對銀行業的傳統業務模式造成了巨大的影響。從積極方面看，互聯網金融降低了商業銀行的營業成本，提高了商業銀行的經營效率，產生了一定的技術溢出效應，從消極方面看，互聯網金融在很大程度上與商業銀行的傳統業務存在競爭關系，會對商業銀行的傳統存貸業務與利差產生一定的沖擊。那么在技術溢出效應與競爭效應的共同作用下，商業銀行的盈利能力、盈利結構和經營風險到底受到何種影響？互聯網金融發展影響商業銀行的內在原因有哪些？面對互聯網金融發展的沖擊，商業銀行應該如何應對？通過對接地方互聯網金融發展程度和對應城商行、農商行的數據，本文通過實證研究解答上述問題。

二、相關研究評述

雖然從業界視角來看互聯網金融的發展對商業銀行的經營模式產生較大的沖擊，但從已有研究來看，互聯網金融的影響并非完全是負面的，商業銀行也能夠在互聯網金融時代尋找到發展的機遇。例如劉瀾飚等（2013）研究表明，互聯網金融模式與傳統金融模式之間并不僅是競爭關系，兩者之間存在較大的融合空間。通過進一步發揮互聯網的技術優勢與組織模式，傳統金融中介機構可提升自身服務能力與效率、擴大服務領域與受眾。關于互聯網金融對商業銀行盈利能力和盈利結構的影響方面，王錦虹（2015）采用德爾菲法問卷調查與模糊層次分析法為基礎構建測度指標體系，發現互聯網金融對商業銀行負債影響較大，因而對商業銀行盈利產生較大影響，對資產類和中間業務的影響較小，因而對商業銀行盈利所產生的影響也較小；劉忠璐，林章悅（2016）運用中國145家商業銀行的數據通過實證檢驗表明，互聯網金融發展顯著降低了商業銀行的盈利能力；申創，劉笑天（2017）的研究結果表明，總體來說，互聯網金融的發展對商業銀行的績效水平產生了顯著的負向影響，但市場勢力越強的商業銀行受到的互聯網金融的沖擊越小，市場勢力超過一定水平時，互聯網金融的發展甚至會提升銀行的績效水平；趙勝民，劉笑天（2018）的分析結果表明互聯網金融的發展顯著降低了商業銀行的總體非利息收入水平，其中互聯網金融的發展程度與商業銀行的手續費及傭金收入之間存在顯著的負相關關系，對商業銀行交易性收入所造成的技術溢出效應和競爭效應大致相當，競爭效應略占優勢。關于互聯網金融對商業銀行經營風險的影響方面，國外學者對互聯網金融如何影響商業銀行風險的早期研究主要集中于兩個不同層面：正方認為互聯網金融帶來的技術創新有助于降低信息不對稱問題，從而優化銀行的風險管理（例如：Lapavitsas和DosSantos（2008））；反方則認為互聯網金融推動商業銀行業務轉型，這一轉變過程會加重銀行的風險承擔（例如：Roger（1999）；劉忠璐（2016））。郭品，沈悅（2015）首先建立理論模型，然后運用中國36家商業銀行的微觀面板數據進行實證檢驗，研究發現：從動態演進視角來看，互聯網金融對商業銀行風險承擔的影響呈現先降后升的“U”型趨勢；劉忠璐（2016）認為互聯網金融的發展降低了商業銀行的風險承擔，但對不同類型的商業銀行風險行為的影響具有差異性；鄒靜，王洪衛（2017）運用突變分析和SVAR模型等計量方法實證互聯網金融對銀行系統性風險的影響存在“期限結構效應”，即互聯網金融在短期內會增加銀行系統性風險，但從中長期來看，對銀行系統性風險的影響并不大。喻微鋒，周黛（2018）證實了互聯網金融對銀行風險的影響存在以銀行規模為特征的門檻效應，隨著銀行規模的逐漸增大，互聯網金融對銀行風險的影響表現為“沒有影響－顯著提高銀行風險－沒有影響”。綜合已有研究文獻可發現，第一，選取的商業銀行樣本多為股份制商業銀行和大型商業銀行，或者所有類型的銀行共同分析，缺乏專門針對城市商業銀行和農村商業銀行的研究，第二，實證分析多是從經營效率、盈利能力及風險管理等角度只選其一分析商業銀行受到的影響，第三，已有文獻基本是借鑒郭品、沈悅（2015）的研究成果，采用“文本挖掘法”構建互聯網金融指數，缺乏官方權威認證的數據。鑒于此，本文將著重分析互聯網金融對中國城市商業銀行、農村商業銀行盈利能力、盈利結構與經營風險的影響。本文將對現有文獻進行如下拓展：（1）選取中國75家城市商業銀行與農村商業銀行作為研究樣本；（2）從盈利能力、盈利結構、經營風險三個角度共同分析互聯網金融對商業銀行的影響，且針對盈利能力與結構，分別選取凈權益平均收益率與非利息收入率這兩個指標來衡量，針對經營風險，選取不良貸款率來衡量；（3）原有方法構建的互聯網金融指數是全國性的，忽略了不同省份間的差異，本文利用北京大學互聯網金融發展指數中的分省互聯網金融發展指數，與相應省份的城市商業銀行、農村商業銀行指標進行分析，分析結果更加精確。

三、研究模型和數據

（一）研究樣本與數據來源考慮數據的可得性以及本文研究的時期需要，本文選取了75家商業銀行的數據，包括55家城市商業銀行和20家農村商業銀行，樣本區間為2014~2016年，數據來源于BVD數據庫；互聯網金融發展指數來自于北京大學互聯網金融研究中心；宏觀數據來源于中國統計年鑒。

（二）變量定義1.被解釋變量。（1）商業銀行盈利能力：衡量商業銀行盈利能力的指標主要有總資產收益率、凈資產收益率、成本收入比、經營利潤率和市盈率等，本文采用凈資產平均收益率（Roae）來衡量商業銀行盈利能力。（2）商業銀行盈利結構：本文采用非利息收入占營業收入的比重非利息收入率（Niir）來刻畫商業銀行的盈利結構。銀行的非利息收入主要包括中間業務收入和咨詢、投資等活動產生的收入，具體有服務費用及傭金收入、投資及匯兌損益、融資租賃收入及信托收入等。（3）商業銀行經營風險：衡量商業銀行經營風險的指標主要有撥備覆蓋率、資本充足率、存貸比、不良貸款率、流動性比率等，本文采用不良貸款率（Npl）來衡量商業銀行經營風險。2.核心解釋變量：互聯網金融指數。本文利用北京大學互聯網金融發展指數中的分省互聯網金融發展指數（Index）作為核心解釋變量。由于北京大學互聯網金融發展指數按照月度，因此本文采用12個月平均數據作為年度數據。3.控制變量。在控制變量的選取方面，借鑒相關文獻的研究（趙勝民和劉笑天，2018），本文主要從銀行內部層面和宏觀經濟層面進行選擇。從銀行內部層面考慮，首先，資本充足率是保證商業銀行正常運營和發展所必需的資本比率，資本充足率越高，銀行抵御風險的能力越強，貸存比是衡量商業銀行流動性風險的指標之一，因此，本文選取資本充足率（Capital）與貸存比（Ldr）作為控制變量。其次，非利息費用衡量了商業銀行的業務結構，所以本文使用非利息費用占商業銀行總資產的比重非利息費用率（Nier）作為控制變量，其中非利息費用包含手續費及傭金支出、職工費用和其他管理費用。再次，貸款增長率衡量了商業銀行的經營狀況，對商業銀行的經營風險和盈利能力均有影響，鑒于此，本文選取貸款增長率（Lgrowth）作為控制變量。最后，商業銀行的資產規模對其業務結構和盈利結構都具有很大影響，因此本文使用商業銀行總資產的自然對數值（Lnsize）作為資產規模的變量。

（三）模型設定考慮到以上提到的商業銀行盈利能力、盈利結構與經營風險存在著一定的內生相關性，在進行方程組估計時需克服各方程殘差之間的相關性，因此本文采用Zellner提出的Seeminglyunrelatedregression（SUR）方法進行估計，并通過Breusch-Pagan檢驗來驗證本研究的四個被解釋變量之間是否具有顯著的關聯性，以判斷SUR方法是否適當。

四、實證結果與分析

本文采用SUR（似不相關回歸）對方程組系統進行回歸估計；采用Winsorization的方法對異常值（outliner）進行了處理。變量相關性檢驗結果顯示解釋變量之間沒有顯著的相關性，囿于篇幅，相關結果沒有進行報告。

（一）SUR基本模型回歸結果回歸Ⅰ是不包含宏觀控制變量的線性回歸，回歸Ⅱ是包含宏觀控制變量的線性回歸。表2中Breusch-Pagan檢驗值拒絕原假設，這表明銀行的盈利能力（Roae）、盈利結構（Niir）、經營風險（Npl）三個變量存在著顯著的關聯性，因此本研究使用SUR的回歸方法是適合的，有效地避免了各方程間殘差的相關性對估計結果的影響。加入宏觀控制變量后，R2均有所提高，擬合效果更好。對商業銀行的盈利能力而言，從表2回歸Ⅱ第一列的結果可看出，Roae與Index存在負線性關系，Index的系數在1%的顯著性水平下為負，說明互聯網金融的發展對商業銀行的盈利能力產生了沖擊，競爭效應的效果更為明顯，競爭效應帶來的消極影響主要體現在以下兩個方面：從資產端來看，由于互聯網金融相比于傳統商業銀行能夠提供價格更低、交易手續更方便的貸款服務，使得互聯網金融在一定程度上對銀行的貸款業務造成沖擊，降低銀行貸款規模。同時，由于傳統商業銀行業務一般側重于資信良好的大企業貸款，而對中小企業和個人貸款業務有較高的門檻限制，導致中小企業和個人融資困難。互聯網金融以其更低的服務門檻、更加具有針對性的產品設計，解決了中小企業和個人的貸款問題。但應注意到互聯網金融與商業銀行的貸款對象是互補的，互聯網金融的貸款對象大多達不到銀行的貸款門檻，從這個角度看互聯網金融對商業銀行資產端的影響相對輕微。從負債端來看，互聯網貨幣基金類產品的出現對商業銀行的存款業務造成了較大的沖擊，以“余額寶”為例，從收益率方面來看，目前“余額寶”的收益率在4.2%左右，而商業銀行一年期定期整存整取存款利率僅僅在1.75%左右，活期存款利率更是低達0.3%；從便捷程度來看，“余額寶”的購買門檻僅為1元，可以隨時取出轉入，而商業銀行定期存款的最低起存金額為50元，整存整取的定期存款只能在固定時間取出固定的金額，雖然活期存款的最低起存金額也是1元，但對于低于一定額度的活期存款要收取管理費。基于以上原因，以“余額寶”為代表的互聯網貨幣基金類產品以其低門檻和便利性對客戶有極大的吸引力，吸收了大量存款，對商業銀行的存款業務產生了負面影響。同時還要考慮到，許多互聯網貨幣基金吸收居民的存款后又投資于同業拆借，將原本一年期約3%的存款利率提高了1.5個百分點，雖然部分被互聯網金融分流的存款回流，但這提高了銀行的籌資成本，這使得商業銀行原本依靠單一存貸利差的盈利模式難以為繼。在控制變量方面：銀行資產規模的估計系數在1%的顯著性水平下為正，表明銀行存在規模效應，銀行的資產規模擴大，經濟效益增加；國民生產總值的估計系數在10%的顯著性水平下為正，表明社會經濟發展越繁榮，銀行的凈資產平均收益率越高；貸款增長率、貸存比的系數為負，資本充足率、非利息費用率、金融業增加值的系數為正，但各項在統計上皆不顯著。對商業銀行的盈利結構而言，從表2回歸Ⅱ第二列的結果可看出，Niir與Index存在顯著的正線性關系，Index的系數在1%的顯著性水平下為正。互聯網金融的發展對商業銀行非利息收入的技術溢出效應的效果更為明顯。互聯網金融發展對以凈息差收入為主的傳統盈利模式的沖擊，倒逼商業銀行提高非利息收入，積極開拓非貸款類盈利項目，從而維持和提高盈利水平。互聯網金融發展對商業銀行盈利結構的積極影響主要體現在以下幾個方面：首先，互聯網金融的主要優勢在于低廉的交易成本，商業銀行可運用互聯網金融平臺開展業務，降低業務成本，拓展業務范圍，增加收入來源。其次，與商業銀行傳統的信息收集方式相比較，互聯網金融的發展降低了商業銀行的信息收集成本，商業銀行可利用“大數據”技術更好地收集相關信息，更精準地把握客戶需求，為其金融服務的精準定位和市場營銷提供了更好的基礎。最后，借鑒融合互聯網金融技術，商業銀行可以更好地進行市場分析和產品分析，從而在投資過程中對項目收益和風險水平擁有更充分的了解，投資能力因此得到提升。在控制變量方面：貸款增長率的估計系數在1%的顯著性水平下為正，這表明處于市場快速擴張期的銀行其非利息收入占比也是較高的；國民生產總值、資本充足率、資產規模、貸存比、非利息費用率的估計系數為正，金融業增加值的估計系數為負，但各項在統計上皆不顯著。由回歸Ⅰ與回歸Ⅱ第三列結果可知，Npl與Index不存在顯著的線性關系。互聯網金融的發展和銀行不良貸款率風險沒有顯著的線性關系。資本充足率與商業銀行經營風險在1%的顯著性水平下呈負相關關系，這與劉忠璐（2016）以及喻微鋒（2018）的研究結果一致，隨著商業銀行資本充足率的提高，商業銀行的道德風險下降，抵御風險的能力增強；資產規模的估計系數在1%的顯著性水平下為負，表明銀行存在規模效應，銀行的資產規模擴大，經營風險降低。而貸款增長率在5%的顯著性水平下同Npl負相關，這說明快速擴張會引致不良的升高，加大銀行經營的風險。貸存比的估計系數為正，非利息費用率、國民生產總值、金融業增加值的估計系數為負，但各項在統計上皆不顯著。

（二）基于互聯網金融非線性影響的進一步檢驗回歸Ⅰ是不包含宏觀控制變量的線性回歸，回歸Ⅱ是包含宏觀控制變量的線性回歸。加入宏觀控制變量后，R2均有所提高。對商業銀行的盈利能力而言，從表3回歸Ⅱ第一列的結果可看出，Roae與Index存在微弱的非線性關系，Index的系數在1%的顯著性水平下為負，Index2的系數在10%的顯著性水平下為正，說明互聯網金融的發展對商業銀行的盈利能力最先產生了沖擊，但隨著互聯網金融發展程度的提高，技術溢出效應的效果逐漸變得明顯。由回歸結果可知二次函數的拐點為661，該值大于目前大部分省份的互聯網金融發展指數，因此目前互聯網金融對商業銀行盈利能力的影響仍處于消極階段。但未來隨著互聯網金融的不斷發展，其對商業銀行盈利能力的技術溢出效應有：首先，商業銀行可利用互聯網技術提升其經營效率，降低業務與管理成本，如商業銀行利用互聯網平臺辦理業務、銷售理財產品等；其次，由上文分析知，互聯網金融發展將倒逼商業銀行提高非利息收入，如提高投資業務的收入，從而提高商業銀行總的盈利水平。由表3第二列結果可知商業銀行的盈利結構Niir與Index不存在顯著的非線性關系。對商業銀行的經營風險而言，從表3第三列的結果可看出，Npl與Index存在顯著的“倒U型”的非線性關系，由回歸Ⅱ第三列的結果可知二次函數的拐點為415，該值大于目前大部分省份的互聯網金融發展指數，因此目前互聯網金融對大部分商業銀行經營風險的影響仍處于消極階段，但隨著溢出效應的不斷增強，互聯網金融對商業銀行經營風險的影響將處于積極階段。首先，隨著互聯網金融與商業銀行融合程度的加深，互聯網金融一些特有的風險將逐漸傳染給商業銀行，一是技術風險，相比于傳統商業銀行獨立的通信網絡，互聯網金融企業處于開放的通信網絡中，當商業銀行也使用開放的通信網絡時，安全易受到計算機病毒以及網絡黑客等的威脅，導致客戶信息的泄露、篡改及盜用；其次是法律風險，由于互聯網金融方面監管政策的不足，部分互聯網金融產品處于“灰色地帶”，很可能演變成變相的“非法集資”；最后是流動性風險，互聯網金融產品一般投資于長期穩定的資產，而負債期限通常變化大，容易產生期限錯配，且互聯網金融大多具有T+0的交易特點，容易出現擠兌和大規模資金轉移，產生流動性風險，這會迅速傳染給銀行體系。其次，一方面，盈利的增加會降低銀行風險轉移動機，另一方面，盈利的增加會提高銀行特許權價值，激勵銀行采取更加穩健的經營策略，反之，銀行盈利的降低則會激勵銀行采取激進的經營策略，進而激勵銀行承擔更多風險。由上文分析可知，目前互聯網金融對商業銀行盈利能力的影響仍處于消極階段，盈利降低，加劇了商業銀行的市場競爭，激勵了商業銀行冒風險的動機。從長遠來看，互聯網“大數據＋云計算”技術可以增加商業銀行風險管理數據變量及觀測視角，升級和優化商業銀行內部評級體系，打破傳統商業銀行信息孤立、部門推諉的現狀，打通信息平臺前后環節，緩解信息不對稱問題，經營風險可以得到有效降低。

五、結論與建議

本文選取我國75家商業銀行2014—2016年的數據，利用北京大學互聯網金融發展指數，分析了互聯網金融發展程度對城市商業銀行和農村商業銀行的盈利能力、盈利結構和經營風險的影響。實證分析結果表明：（1）互聯網金融發展程度與商業銀行盈利能力存在微弱的“正U型”非線性關系，互聯網金融的發展對商業銀行的盈利能力首先產生了沖擊，競爭效應的效果更為明顯，但隨著互聯網金融發展程度的提高，技術溢出效應的效果逐漸加強。（2）對商業銀行的盈利結構而言，互聯網金融發展程度與非利息收入率存在顯著的正線性關系，表明互聯網金融的發展對商業銀行的非利息收入同時產生的技術溢出效應和競爭效應中，技術溢出效應的效果更為明顯，互聯網金融發展倒逼商業銀行提高非利息收入，積極開拓非貸款類盈利項目。（3）商業銀行的經營風險與互聯網金融發展程度存在顯著的“倒U型”的非線性關系，目前互聯網金融對大部分商業銀行經營風險的影響仍處于消極階段，但隨著溢出效應的不斷增強，互聯網金融對商業銀行經營風險的影響將處于積極階段。基于上述結論，本文提出以下建議：第一，一方面，國家應加強對互聯網金融行業的監管，互聯網金融在我國發展時間不長，尚未建立健全相關監管體系，增加了金融業的整體風險，應加快針對互聯網金融的立法進程，消除監管的灰色地帶；另一方面，加強硬件投入，以保障互聯網金融安全運行，如加大對計算機安全保護的研發投入，防范計算機病毒與網絡黑客；同時互聯網金融本身也可以運用大數據評估流動性風險，減輕資金的“期限錯配”。第二，互聯網金融的發展雖然對商業銀行盈利能力造成沖擊，但對商業銀行的非利息收入產生了有利影響。商業銀行應把握住機遇，拋棄對以往存貸利差單一業務模式的依賴，積極進行盈利結構轉型，努力使盈利結構由單一化轉變為多元化，拓展業務范圍，提高投資能力，加快精準面向客戶需求的金融產品的創新。第三，面對互聯網金融的發展對商業銀行經營風險的沖擊，商業銀行除了提高盈利能力，減少冒風險的動機，還應主動與互聯網金融逐步融合，利用互聯網的“大數據”和“云計算”技術，增加風險管理數據變量及觀測視角，打通信息平臺前后環節，緩解信息不對稱問題，以有效降低商業銀行的經營風險。

作者：王雪竹