银行金融科技能降低信贷风险吗？

银行金融科技发展迅速，发表于Pacific-Basin Finance Journal的论文Does bank FinTech reduce credit risk? Evidence from China探讨了银行金融科技对信贷风险的影响。

摘要

本文使用2008年至2017年中国商业银行的数据，探索了银行金融科技对信贷风险的影响。我们首先使用网络搜寻器技术和词频分析来构建和测量银行金融科技指数。结果表明，国有银行的金融科技发展要快于其他银行。此外，在金融科技银行的五个子领域中，互联网技术的发展领先于人工智能技术，区块链技术，云计算技术和大数据技术。然后，研究了银行金融科技对信用风险的影响。我们发现，银行金融科技大大降低了中国商业银行的信用风险，进一步的分析表明，银行金融科技对信用风险的负面影响在大型银行，国有银行和上市银行中相对较弱。

引言

我们研究的目的是研究银行金融科技如何影响信用风险。利用手工收集的数据，我们构建了银行金融科技指数，并研究了银行金融科技对信用风险的影响，该风险通过不良资产的比率来衡量。与现有文献相反，本文不仅关注银行金融科技的发展及其对信贷风险的影响，还质疑银行异质性是否会缓和这些影响。

通常，金融科技是指金融和技术的结合，这是一个新兴的行业，利用技术来改善金融业的活动。在过去的十年中，金融科技已在全球金融市场中脱颖而出，金融科技企业激增。金融科技的飞速发展引起了学术界的广泛关注。许多研究欢迎金融科技的兴起，它们声称新兴技术可以通过使交易成本更低，更方便，更安全来从根本上改变金融服务。

随着金融科技的飞速发展，银行业也受到金融科技的影响。通常，金融科技对银行业的影响来自两个方面，即金融科技外部和银行金融科技。金融科技外部是指银行业以外的金融科技，例如金融科技公司。金融科技外部影响商业银行的主要途径是竞争效应和技术溢出效应。一些研究探索了外部金融科技对银行业的影响。

银行金融科技是指新兴技术在银行业中的应用，包括人工智能技术，区块链技术，云计算技术，大数据技术和互联网技术。近年来，金融科技银行的发展一直是金融科技行业的大趋势。越来越多的商业银行在其运营过程中采用了金融科技银行。例如，中国工商银行在2015年提出了一项基于大数据技术和互联网技术的名为E-ICBC2.0的新发展战略。在人工智能技术的帮助下，中国建设银行（CCB）开始在2016年推动机器人顾问的应用。此外，中国银行（BOC）和腾讯技术公司于2017年成立了一个以人工智能技术，区块链技术和大数据技术为基础的金融科技联合实验室，以促进其金融科技的发展。在这种背景下，这些应用程序如何影响银行信用风险成为一个有趣的问题，同时促使我们探索这一问题。此外，政策方面的考虑也推动了这项研究。尽管银行金融科技在中国银行业中越来越受欢迎，但有关银行金融科技的法律法规仍然匮乏。缺乏银行金融科技法规不仅会导致法规效率低下，还会带来许多风险。因此，对于金融科技监管机构和政策制定者来说，改善与金融科技相关的法规是当务之急。在本文中，我们探索了银行金融科技对信贷风险的影响，这可以为决策者提供经验证据。最后，现有研究进一步激励了本文。尽管一些论文研究了金融科技对银行业的影响，但这些研究主要侧重于外部金融科技的影响。据我们所知，很少有研究能够分析银行金融科技的影响。因此，我们的研究集中在这一学术空白上，并对现有文献进行了补充。

我们认为，银行金融科技会从以下两个方面影响信贷风险。一方面，银行金融科技可以降低信贷风险。首先，采用新兴技术的银行有助于提高银行风险管理效率，从而降低银行信贷风险。其次，银行金融科技改善了银行的内部治理和内部控制，从而降低了银行信贷风险。最后，银行金融科技可以增加银行的多元化并产生多元化的效果，这有助于降低银行信贷风险。另一方面，银行金融科技带来技术风险和监管风险，这可能会增加银行信贷风险。我们使用从2008年到2017年间中国手工收集的数据，构建了银行金融科技指数，并探讨了其对信用风险的影响，我们得出以下结果。首先，从2008年到2017年，银行金融科技及其子区域的发展呈增长趋势。此外，国有银行的银行金融科技的发展比其他银行要快。在金融科技银行的子区域中，互联网技术是增长最快的，而人工智能技术是增长最快的。其次，我们的基本结果表明，银行金融科技和银行金融科技子区域都与银行信用风险负相关，这表明银行金融科技的发展降低了信用风险。第三，我们还发现，在大型银行，国有银行和上市银行中，金融科技银行对信贷风险的负面影响较弱。

本文对现有文献做出了两个主要贡献。首先，它建立了一个银行金融科技指数，用以衡量金融业在银行业中的发展。尽管一些论文研究了金融科技的发展，但这些研究主要从宏观角度探讨了这个问题。他们主要考察一个国家或地区的金融科技发展。据我们所知，很少有研究能够衡量银行金融技术水平在银行的水平。因此，本文利用网络爬虫技术和词频分析技术来构建银行金融科技指标。其次，本文探讨了银行金融科技对信贷风险的影响，并研究了这些影响在不同银行中是否有所不同。尽管一些论文研究了金融科技对银行业的影响，但这些研究主要集中在外部金融科技的影响上，鲜有研究调查银行金融科技的影响。

金融科技的定义

在过去的十年中，金融科技受到了越来越多的全球关注，并已成为全球性话题。但是，对金融科技没有统一的定义。例如，2016年，金融稳定委员会（FSB）将金融科技定义为技术驱动的金融创新，而Navaretti等人将金融科技定义为金融科技公司，并根据业务类型对FinTech进行了分类，例如FinTech付款公司和金融科技贷款公司。在中国，邱等人认为金融科技是指金融科技的新产品，而杨等人则认为金融科技是在传统金融体系之外形成的一种新的金融生态。此外，中国人民银行（PBOC）于2019年8月发布的《金融科技发展计划（2019-2021）》将金融科技定义为新兴技术的应用。对于银行金融科技的定义，迄今为止在学术研究中还没有明确的陈述。在本文中，我们遵循《金融科技发展计划（2019-2021）》来定义银行金融科技。具体来说，我们将银行金融科技定义为新兴技术在银行业中的应用，包括人工智能技术，区块链技术，云计算技术，大数据技术和互联网技术。

假设

本部分从以下两个方面提出了关于银行金融科技对信用风险影响的研究假设。一方面，我们认为银行金融科技可以降低信贷风险。首先，银行金融科技通过溢出效应降低了信贷风险。有研究表明，商业银行在使用新兴技术时会获得技术溢出效应，这有助于提高银行风险管理效率，从而降低银行信贷风险。例如，工行在2018年4月利用新兴技术拦截了约90万笔风险交易，大大降低了工行的信贷风险。银行金融科技借助区块链技术、云计算技术等新兴技术，实现了对数据隔离和资源分散的实时、系统管理，提高了银行风险管理效率，从而降低了信贷风险。其次，银行金融科技改善了银行的内部治理和内部控制，从而降低了银行信贷风险。中国银行保险监督管理委员会还强调，银行业金融机构应将大数据应用嵌入业务运营、风险管理和内部控制过程中，以有效捕捉风险。最后，银行金融科技可以改善银行的业务模式，增加银行多样化，从而降低银行信贷风险。另一方面，银行金融科技可能会增加信贷风险。首先，银行金融科技带来的技术风险，如数据安全风险、隐私保护风险、交易安全风险、身份认证风险等，都可能增加银行信用风险。此外，银行金融科技增加了监管风险。虽然银行金融科技在中国银行业发展迅速，但相关的银行金融科技监管却发展缓慢。这种情况可能会导致银行利用银行金融科技进行非法活动，例如监管套利，从而增加银行信贷风险。此外，我们还通过改进的DLM模型分析了金融科技对信贷风险的影响(该模型的细节见附录A)。DLM模型还对银行金融科技与信贷风险之间的关系提供了两种相反的预测。基于以上讨论，我们提出假设1(H1)。如果我们拒绝H1，本文认为银行金融科技的发展增加了中国经济环境下的信用风险。

H1:银行金融科技的发展降低了信贷风险。

样本、变量和方法论

我们的样本包含从2008年到2017年的60家商业银行的数据。我们在2008年开始样本期，因为银行金融科技应用程序（例如大数据，人工智能，云计算和区块链）于2008年之后进入市场。这些银行，包括国有商业银行6家，股份制商业银行12家，城市商业银行33家，农村商业银行9家，占全部中国商业银行总资产的90％以上。对于财务数据，我们使用2008年至2017年ORBIS银行关注数据库中这些银行的损益表和资产负债表数据。一些缺失的财务数据来自《中国金融年鉴》和CSMAR数据库。我们从中国最受欢迎的搜索引擎百度搜索引擎（www.baidu.com）手动收集用于构建金融科技指数的数据。

第一个变量是信用风险，我们的信用风险是指银行贷款的违约风险。根据Festi'c等人的现有研究，我们在实证模型中采用了中国银行信用风险的不良贷款率（NPLit）度量。不良贷款率是由t年中银行i的不良贷款与总贷款之比来衡量的。NPLit值越大，信用风险越高。

第二个变量是银行金融科技，衡量银行金融科技的应用状况是我们研究的前提。但是，现有研究很少讨论银行金融科技的量化方法。在本文中，我们构建了银行金融科技指数来衡量银行金融科技的应用状况。更具体地说，我们遵循文本挖掘的一般思路来建立银行金融科技指数。基于智能算法，文本挖掘通过应用数据挖掘方法和技术从大量非结构化和异构文本中提取有效信息。常见的文本挖掘技术包括词频统计，文本聚类，文本分类等。本文采用了文本挖掘的词频统计。银行金融科技指数（FTit）的具体实施步骤在附录中进行了描述。此外，我们还测量了子区域的银行金融科技指数，包括人工智能技术指数（FTAit），区块链技术指数（FTBit），云计算附录B中第t年中银行i的技术指数（FTCit），大数据技术指数（FTDit）和互联网技术指数（FTIit）。

根据Gambacorta和Mistrulli，Laeven和Levine的现有研究，我们选择Sizeit，Liquidityit，Overheadit，CIRit，NIMit，ownership和list来控制银行特征的影响。Sizeit是第t年中银行i的总规模的对数。Liquidityit是第t年银行i的总银行贷款与总存款的比率。Overheadit是第i年银行i的间接费用的对数。CIRit是t年中银行i的总银行成本与总收入的比率。NIMit是第i年银行i的净利息收入与赚取利息资产的平均规模之比。ownership是一个虚拟变量，如果银行是国有银行，则等于1，否则等于0。List是一个虚拟变量，如果银行已公开，则等于1，否则为0。表1提供了我们的经验研究中包含的变量的定义。

其中i索引银行，t索引时间。NPLit表示第i年银行i的银行信用风险。FinTechit反映了t年内银行对i银行内部金融科技的发展，以FTit，FTAit，FTBit，FTCit，FTDit和FTIit来衡量。Controlit是其他银行控制的矩阵，其中包括银行规模（Sizeit），流动性比率（Liquidityit），银行间接费用（Overheadit），成本收入比（CIRit），净利率（NIMit），银行所有权结构（所有权）和列出的状态（列表）。Banki和Yeart分别是银行和年份固定效应，并且ε表示误差项。表1列出了所有变量。

表一：变量定义

表二：描述性统计

实证结果

（1）描述性统计

表2报告了回归分析中使用的变量的描述性统计量。平均不良贷款率为1.1474％，标准偏差为0.7258％。平均FTit为0.2646，而金融科技（0.3438）的波动率在样本期内变化很大。有关其他统计信息，请参见表2。另外，图1和图2显示了金融科技银行在2008-2017年期间的发展趋势。FT-State是指国有银行中的Fintech银行。FT-Joint指股份制银行中的金融科技银行，而FT-Other指城市和乡村银行中的金融科技银行。从图1中可以看出，金融科技银行在2008-2017年期间经历了快速发展。此外，互联网技术的发展领先于人工智能技术，区块链技术，云计算技术和大数据技术。根据图2，我们发现，无论是在银行金融科技的整体水平还是在银行金融科技的子区域水平上，国有银行都是银行金融科技发展最早和最高的，其次是股份制银行和其他商业银行。

（2）银行金融科技对信贷风险的影响

在执行回归分析之前，我们首先测试解释变量的多重共线性。方差膨胀因子（VIF）均表明不存在高多重共线性。其次，我们首先采用CD检验和Fisher检验来确定我们的数据是否需要利用面板估计或汇总估计技术。结果（为简便起见，没有列出表格）使我们使用面板数据估计。此外，大多数面板数据模型是在固定效应或随机效应假设下估计的。我们执行Hausman检验以在这两个基本模型之间进行选择。Hausman检验（为简便起见，没有列出表格）表明，固定效应模型比随机效应模型更有效。

图一：银行金融科技的发展

图二：不同银行金融科技的发展

表3报告了结果，这些结果是通过双向固定效应面板数据估计（银行和年度固定效应）获得的。同时，我们在估计方程时使用White方法处理可能的异方差性。表3显示，金融科技变量的系数都显着为负，这表明如果银行采用更多的银行金融科技，其信用风险将大大降低。该结果与我们的H1一致，表明银行FinTech的有利影响克服了其对中国商业银行的不利影响。

表三：银行金融科技对信用风险的影响

结论

近年来，金融科技的应用在全球金融市场（尤其是在中国）中变得日益重要，并在银行业中发挥了重要作用。这种现象引起了学术界的广泛关注。但是，现有研究大多集中在外部金融科技对银行业的影响上，很少有研究检验银行金融科技的影响。因此，本文探讨了这个问题。我们使用2008年至2017年间从中国手工收集的数据来构建和衡量银行金融科技，并研究银行金融科技对信贷风险的影响。主要发现如下：首先，从2008年到2017年，银行金融科技和银行金融科技的分支区域呈增长趋势。此外，国有银行的银行金融科技发展比其他银行更快。在金融科技银行的分区中，互联网技术是增长最快的分区，而人工智能技术是增长最快的分区。其次，我们的基本结果表明，银行金融科技和银行金融科技子区域都与银行信用风险负相关，这表明银行金融科技的发展降低了信用风险。第三，我们还发现，在大型银行，国有银行和上市银行中，金融科技银行对信贷风险的负面影响较弱。尽管本文显示出商业银行受益于银行金融科技，但银行金融科技对商业银行也有一些负面影响，例如技术风险和监管风险。我们还建议采取一些措施来防范和控制银行金融科技的潜在风险。一方面，政府在监管银行金融科技时，应引入全面的监管法律，包括出入境原则，信息披露要求，风险监控指标，风险准备要求以及其他措施。另一方面，商业银行应通过加强员工培训，规范员工行为，检查技术应用缺陷和制定应急计划，有效监控和隔离新的金融科技风险。