金融科技对商业银行系统性风险溢出效应研究

王志宏，孙鹏

（辽宁工程技术大学 工商管理学院，辽宁 葫芦岛 125105）

一、问题的提出

近年来，随着科技和互联网的快速发展，金融科技（FinTech）在全球范围内受到了广泛关注和研究。云计算、人工智能、区块链和大数据技术作为互联网四大核心技术日渐成熟和广泛应用，对传统金融模式进行颠覆性变革，使金融科技成为推动现代金融创新的核心动力，体现出互联网科技与金融行业结合的巨大能量。但金融科技并没有因技术创新而有任何的例外和特殊，仍然属于金融范畴，在本质上依然具有传统金融的功能和风险属性[1]。与此同时，金融科技在一定程度上增加了金融跨领域风险和交叉传染，尤其是互联网信息传播的广泛性特点又将金融风险进一步放大，对整个金融行业的冲击和影响不容忽视。商业银行作为传统金融机构的主体，纷纷开启战略转型，积极布局金融科技，以此来增强自身竞争力，增加市场占有额，提高利润水平。但在此过程中，商业银行、投资者、金融市场之间的关系愈趋复杂，金融科技风险也对商业银行进行传染，加大了商业银行发生系统性风险的可能性。2017年，习近平总书记在中共中央政治局就维护国家金融安全进行第四十次集体学习时强调，“金融安全是国家安全的重要组成部分，是经济平稳健康发展的重要基础”[2]。党的十九大报告强调要“健全金融监管体系，守住不发生系统性金融风险的底线”，并把防范化解重大风险摆在三大攻坚战的首位[3]。党的十九届五中全会对风险防控问题作出重大战略安排，在提出发展原则时，要求“坚持系统观念”“注重防范化解重大风险挑战”；在设定发展目标时，要求“防范化解重大风险体制机制不断健全”，为严控金融风险的产生与传染奠定了基调[4]。因此，在金融科技逐步发展的过程中，深入分析金融科技风险对商业银行系统性风险的传导机制，测算金融科技对商业银行系统性风险的溢出效应，并据此提出相应的防范策略，对于维护我国金融体系稳定和实现金融高质量发展具有重要的现实意义。

二、文献综述

（一）金融科技

国际组织中第一次对金融科技作出初步定义的是金融稳定理事会，其将金融科技定义为技术带来的金融创新，形成的业务模式、产品和流程以及技术应用并对金融服务、金融机构和金融市场产生重大影响[5]。廖岷认为目前我国流行的互联网金融与国际上的金融科技在概念上并不相同，后者指移动通信和互联网的运用与发展所遵循的金融规律，为金融行业提供的技术手段[6]。庄雷认为金融科技主要包括人工智能、区块链、云计算、大数据四大技术[7]。Lee和Shin认为金融科技包括保险服务、资本市场、借融资贷、财富管理、支付经济五种商业模式[8]。

（二）系统性风险

对银行系统性风险进行的研究可追溯到1802年，当年Thornton认为一家银行破产将会对其他银行产生一定的溢出效应，进而引发银行业危机，即整个银行业出现系统性风险[9]。FSB认为系统性风险指的是金融服务大范围瘫痪并给实体经济带来严重负面后果的风险[10]。陈尾虹和唐振鹏认为系统性风险是宏观经济和整个金融体系发生危机的可能性，会给金融稳定性带来巨大风险[11]。Drehmann和Tarashev运用银行数据构建网络结构并分析风险在银行间的传播，研究结果表明，在不考虑银行彼此相互关联比考虑相互关联时的系统性风险的贡献度要小[12]。Louzis和Vouldis拓展了投资组合理论，利用资产负债表数据结合多元GARCH-BEKK模型来刻画不同细分市场的动态性关联，并基于复合系统性压力指标（CISS）建立金融系统性风险指数，诊断希腊债务危机期间的压力水平[13]。蒋海和张锦意利用中国上市银行的股票数据，基于分位数回归和LASSO算法构建网络动态模型，同时使用滚动时间窗口法来考察银行系统性风险，实证结果表明银行尾部风险网络关联性与系统性风险呈显著正相关[14]。李政等利用系统性风险度量新方法——TENET来构建我国行业间系统性风险溢出网络，以此研究行业间的风险溢出水平以及传导结构[15]。

（三）金融科技对系统性风险的影响

杨东认为金融科技快速发展所带来的风险已不能被传统监管体系监管，导致系统性金融风险发生的可能性极大提高[16]。汪可认为金融科技的发展推动利率市场化进程，加剧银行价格竞争，降低银行利润水平，最终提高银行风险水平[17]。吴成颂等认为商业银行资产业务和负债业务受到互联网金融冲击，从而加大了商业银行的信贷风险和流动性风险，导致商业银行系统性风险提高[18]。金洪飞等利用Python网络爬虫技术构建商业银行的金融科技运用程度指标，以考察金融科技的运用对不同类型商业银行风险的异质性影响。研究结果表明，大银行运用金融科技的行为刺激了中小银行风险水平的上升[19]。方意等通过案例分析表明P2P平台通过资金渠道和预期渠道等使得内生风险放大并对传统金融领域造成风险溢出，金融部门广泛使用人工智能会导致投资决策过程的“合成谬误”，最终加剧内生风险，私人数字货币会加大央行实行最后贷款人功能进行流动性救助的难度[20]。

由此可以看出，国内外学者对金融科技和商业银行系统性风险进行了深入的研究，包括金融科技的内涵、系统性风险的内涵和度量以及金融科技对商业银行的影响，为本文的研究打下了良好的基础。但他们并没有深入分析金融科技风险对商业银行系统性风险的传导机制，以及测算金融科技对商业银行系统性风险的溢出效应。

三、金融科技对商业银行系统性风险的影响机制

（一）金融科技影响商业银行盈利水平

金融科技企业利用大数据和云计算技术很容易挖掘和识别企业和个人的信息，能够准确及时了解企业和个人的服务需求并培养客户使用第三方支付平台支付的习惯。例如，“支付宝”通过“淘宝”等来提高客户的使用感受并不定期地推出活动，以此吸引更多的客户使用第三方支付平台。而第三方支付平台不仅为客户提供支付服务，同时也成立了自己的投资平台或者理财P2P平台，涉及信贷、基金、保险等多个金融领域。客户可以不完全依赖商业银行获取金融服务，这在很大程度上对商业银行的收入来源构成了巨大威胁，进一步加速了金融脱媒的进程，使商业银行失去较大的市场份额，降低其盈利水平。同时，部分金融科技企业为了抢占市场份额而降低客户门槛、减少审核环节、简化必要的开户环节，在一定程度上对商业银行形成竞争压力，给商业银行带来存款搬家的竞争挤出效应，提高了商业银行筹措资金的成本，增加了商业银行的负债成本，降低了商业银行的盈利能力，进而弱化商业银行抵御风险的能力，加大商业银行发生系统性风险的可能性。

（二）金融科技加大商业银行技术风险和操作风险

商业银行依靠人工智能、云计算、大数据等信息技术（金融科技）来布局综合服务平台，将基金购买、证券交易、金融投融资服务等业务植入网上平台，在很大程度上提高了服务效率，打通了银政保业务界限，降低了交易成本，增强了客户黏性。然而，这些金融科技的技术风险的隐蔽性较强，银行难以及时发现，例如，当信息系统出现失误或者漏洞时，不法分子通过植入病毒、扫取二维码等方式对数据库进行恶意攻击会导致数据泄露，使客户的账户资金面临被盗刷的风险。如此一来，原本的科技风险就演变为商业银行风险，银行将面临巨大的损失，其监管难度越来越大并且风险管理也受到很大的威胁。又如，商业银行布局金融科技平台时，出于节约成本考虑将一定的业务进行外包，当新技术被应用，如人工智能系统应用环境脱离可控范围、生物识别技术被冒用，第三方服务商因为技术问题出现运营中断，也会导致技术风险出现。同时，操作程序设计不当或者业务交叉导致内部控制不当，会造成投资者身份信息泄露或资金受到损失；此外，投资者刚在网上开户而未受到一定的入门教育，也容易引发操作风险，最终传染到商业银行。

（三）金融科技加大商业银行流动性风险

商业银行在给机构或者客户提供资产建议时，如果利用智能化系统可能会采取相似的交易策略或者风险指标，对于机构或者个人来说是理性的。但是，所有的机构和个人都按照人工智能根据给定的数据集得出的最优解决方案进行金融风险管理和投资活动的行为，将会导致金融市场参与者的行为趋同，就会形成“合成谬误”导致市场中出现“同涨同跌、同买同卖”的现象，由此加剧资产价格剧烈波动。商业银行的资产负债表、资本金以及抵押品也会受到资产价格的影响，当经济下行时，资产价格下跌，企业的资产将贬值，在银行抵押品的价值降低，银行将会选择紧缩信贷来应对资本充足率的监管，并启动市场中的多个反馈机制，导致情况进一步恶化，这增加了商业银行流动性风险。同时，当资产价格下降时，由于在商业银行存款的客户大多属于风险厌恶型，对风险资产也持悲观态度，在其预计资产价格将进一步下降、资产的预期收益减少时，将会从商业银行大量收回资本。经过网络信息的快速传播，大量客户对商业银行进行挤兑，商业银行间的拆借利率飙升，市场流动性急剧下降，商业银行可能会出现流动性危机。

（四）金融科技加大商业银行信用风险

虽然金融机构或者金融科技公司可利用大数据等科技手段来进行风险管理以及提高资源配置效率，但难以完全获取信用相关方面的数据，因而并没有完全解决信息不对称的问题，并且较难获取完整的信用周期数据，造成以现有数据和算法为基础设定的信用风险模型不够准确，进行金融产品开发时运用这些模型就可能会积累潜在的信用风险。互联网金融，如P2P的业务主要是在电子信息构成的虚拟空间中进行，交易的双方只需要通过网络就能够进行交易，不需要面对面地接触，撇开了对交易真实性和交易者身份的核实，这就会造成交易双方在财务状况、信用评级以及身份认证方面的信息不对称。同时，P2P等金融科技平台的服务对象是商业银行不能或者不愿意提供金融服务的尾部客户，而这些客户往往是风险承受能力较弱以及风险意识较差的客户，进一步导致信息不对称，从而加大了金融科技的信用风险。商业银行为P2P等金融科技平台提供资金托管服务，当P2P等金融科技平台出现信用风险，投资者的合法权益得不到保障时，很容易出现投资者追究商业银行责任的情况，进而加大商业银行的风险。

四、实证研究

（一）研究方法

众多文献表明，对金融风险溢出效应的研究主要是利用VaR模型或其变形来进行测算[21]。一般地，利用来测定金融机构i在分位数q的在险价值，ri表示金融机构i的资产收益率。当金融机构i的资产收益率等于它的在险价值时，定义金融系统或者机构j的条件在险价值为，则。由的定义可知，假设j表示银行系统，i表示金融科技，当金融科技产生风险时，对银行系统j的风险溢出效应可以用式（1）表示，其中Ryh和Rjrkj分别代表银行系统和金融科技的收益率，和分别表示金融科技和银行系统在0.05分位数下的超额收益的估计值，通过分位数回归可以得到式（2）和式（3）。然后利用式（4）和式（5）就可以测算出金融科技对商业银行系统性风险溢出效应。

（二）样本选取与数据处理

本文基于股票市场数据进行研究，可以从时间上及时反映商业银行系统性风险的变化情况，有利于金融监管部门及时监测和管理系统性风险，因此具有时效性。股票市场数据公开易得，对系统性风险的测度具有较强的实用性和可操作性。金融科技板块和商业银行的资产价格变化可以反映出股票市场对其未来表现的预期，具有一定的前瞻性。缘于此，与金融科技相关的企业才会入选金融科技板块，其涉及产业以及覆盖范围主要包括互联网金融（网络借贷）、互联网技术（电子及网络支付）、分布式技术（云计算、区块链）以及数字货币等领域。因此，本文以板块收益率或股价收益率来研究金融科技对商业银行系统性风险的溢出效应。

区块链、人工智能以及大数据等技术越来越多地应用在金融科技领域，业界人士将2017年称作“金融科技元年”。截至2021年7月11日，在上海证券交易所和深圳证券交易所上市的商业银行共有37家，为了以金融科技做实证研究，剔除晚于2017年上市的商业银行，并按控股股东以及股权结构将商业银行划分为三类，具体划分结果如表1所示。以2017年1月3日为起始日，以2020年11月12日为结算日，采用前复权方式处理的股票收盘价，以日数据进行收取，在此段时间共获得943个数据。

表1 商业银行类型划分

与简单的收益率相比，对数收益率在一定程度上能够避免数据存在的异方差性和共线性，同时具有可加性的优点，因此在计算日收益率时采用对数收益率。为了使数据更加直观清晰，在不改变研究结论的前提下，将运用对数收益率方法计算的结果乘以100，具体算式如下：

（三）描述性统计与平稳性检验

本文运用描述性分析度量数据所表现的一般的特征，着重运用偏度S、峰度K以及J-B统计量对数据的分布特征进行评价，利用EVIEWS9.0得到的描述性分析结果如表2所示。

表2 各变量日收益率的描述性统计结果

由表2可以看出，银行系统板块的收益率要大于金融科技板块的收益率，银行系统板块中的国有商业银行的收益率要高于股份制商业银行和区域性商业银行，表现较好。就波动情况而言，金融科技板块的波动程度最大，标准差为1.987686，在银行系统板块中，国有商业银行收益率波动程度较小，说明国有商业银行的收益较稳定。金融科技的偏度S小于0，说明金融科技板块收益率的分布呈现出左偏的态势，而银行系统板块以及国有商业银行、股份制商业银行、区域性商业银行的偏度S均大于0，说明它们的分布表现为右尾长于左尾，即收益率的分布不是对称的。同时，各个收益率序列的峰度K大于3，说明所有收益率序列均出现了“尖峰厚尾”的特征，并且特征较明显。J-B统计量所伴随的P值均为0.000000，小于给定的显著性水平（α=0.05），所以拒绝“金融科技、商业银行体系、国有商业银行、股份制商业银行、区域性商业银行的收益率序列服从正态分布”这一原假设。

在运用分位数回归方法对参数进行估计前，需要对各个收益率的原始序列进行平稳性检验，以防止出现伪回归的现象。ADF单位根检验是检验数据是否平稳的方法之一，ADF单位根检验是在DF检验的基础上放宽干扰项的约束条件，能够解决高阶滞后相关下干扰项的自相关，对金融时间序列数据的平稳性检验更有效。因此，本文运用ADF方法进行平稳性检验，具体结果如表3所示。

表3 各变量日收益率平稳性检验结果

由表3可以看出，各收益率序列ADF统计量所伴随的P值均小于给定的显著性水平5%，因此可以拒绝存在单位根的原假设，即各个收益率序列均是平稳时间序列，可以进行下一步的实证研究。

（四）实证结果

以银行系统、金融科技指数为例，运用分位数回归法来构建置信度为95%时的风险溢出效应模型，分位数回归结果如表4和表5所示。

表4 银行系统对金融科技分位数回归结果

表5 金融科技对银行系统分位数回归结果

由表4和表5可知，所有的参数均通过了显著性检验，待估参数分别为：

将银行系统和金融科技的收益率及待估参数带入式（2）至式（5）中，得到的具体结果如下：

因为银行系统和金融科技的无条件风险价值VaR相差较大，同时和没有充分反映出金融科技和银行系统的风险溢出程度，所以需要对二者进行标准化处理，具体过程以及结果如下：

由以上实证结果可知，β的估计值都为正数，说明金融科技和银行体系二者中只要有一方产生风险都会导致另一方的风险增加，且二者风险的变化方向一致。当金融科技处于极端不利情况时，其对银行体系的CoVaR值大于银行体系自身的VaR值；同样，当银行体系出现危机时，其对金融科技的CoVaR值大于金融科技自身的VaR值。说明VaR测度时对风险的估计偏小，将会低估银行体系以及金融科技所面临的风险，原因在于VaR未考虑二者的联系。相比之下，CoVaR能够较好地反映我国商业银行系统性风险和金融科技风险的真实水平，是一种更为全面的风险测量方法。银行体系的ΔCoVaR为负数，说明金融科技产生风险会提高商业银行体系的系统性风险水平，增加商业银行体系的风险损失。与分别反映了金融科技对商业银行系统性风险与商业银行系统性风险对金融科技的溢出效应。从取值来看，24.42%大于9.13%，说明金融科技产生风险时对商业银行系统性风险的溢出效应大于商业银行系统性风险对金融科技的溢出效应，因而商业银行在防范系统性风险时要重点防范金融科技风险对其的溢出效应。

利用上述研究方法计算金融科技与国有商业银行、金融科技与股份制商业银行、金融科技与区域性商业银行之间的风险溢出效应，得到的具体结果如表6、表7、表8所示。

表6 金融科技与国有商业银行之间的风险溢出效应

表7 金融科技与股份制商业银行之间的风险溢出效应

表8 金融科技与区域性商业银行之间的风险溢出效应

由表6、表7和表8可知，6个分位数回归方程中的所有待估参数均通过了显著性检验。用CoVaR方法对金融科技、国有商业银行、股份制商业银行和区域性商业银行的风险估计值均大于用VaR方法对风险的估计值，再一次表明了运用VaR方法测量风险时风险可能会被低估，运用CoVaR方法对风险进行测度是一种较为全面和有效的方法。金融科技对三种类型商业银行的系统性风险溢出效应均大于三种类型商业银行对金融科技的溢出效应。金融科技对区域性商业银行系统性风险的溢出效应最大，溢出效应值为18.12%；对国有商业银行和股份制商业银行的系统性风险溢出效应相差不大，溢出效应值分别为15.73%、15.70%，均小于对商业银行体系的系统性风险的溢出效应（24.42%）。以上分析说明，在今后的发展过程中，区域性商业银行应重点防范金融科技对其系统性风险的溢出，避免因金融科技产生风险而提高本行的系统性风险水平，区域性商业银行也应提升自身金融科技应用能力和提高金融科技风险管理水平。同时，金融监管当局也要重点加强对区域性商业银行应用金融科技方面的监管，防止金融科技对区域性商业银行系统性风险产生更大的溢出效应，然后对商业银行体系内的其他银行进行传染。股份制商业银行系统性风险对金融科技的溢出效应最小，溢出效应值为8.97%，而国有商业银行和区域性商业银行对金融科技的溢出效应均大于银行体系系统性风险对金融科技的溢出效应（9.13%），其中区域性商业银行系统性风险对金融科技的溢出效应最大，溢出值为16.96%。

五、结论与建议

本文选取金融科技板块指数、银行指数以及上市商业银行股价，计算出日收益率，基于条件在险价值（CoVaR）方法来分析金融科技对商业银行系统性风险的溢出效应，得出如下结论：其一，VaR测度时对风险的估计偏小，将会低估银行体系、各类商业银行以及金融科技所面临的风险，原因在于VaR未考虑二者的联系。相比之下，CoVaR能够较好地反映我国商业银行系统性风险和金融科技风险的真实水平，是一种更为全面的风险测量方法。其二，金融科技对银行系统、国有商业银行、股份制商业银行、区域性商业银行的系统性风险溢出效应均大于它们对金融科技的溢出效应。其三，金融科技对区域性商业银行系统性风险的溢出效应最大，对国有商业银行和股份制商业银行的系统性风险溢出效应相差不大，均小于金融科技对商业银行体系的系统性风险的溢出效应。其四，国有商业银行和区域性商业银行对金融科技的溢出效应均大于银行体系系统性风险对金融科技的溢出效应，其中区域性商业银行系统性风险对金融科技的溢出效应最大。对此，本文从国家层面、监管层面、银行层面三个维度对防范金融科技对商业银行系统性风险溢出效应提出相应对策。

就国家层面而言。目前，《中华人民共和国中国人民银行法》《中华人民共和国公司法》等法律文件已经难以满足金融科技发展的需要，金融科技领域主要以地方或部门规章为主，立法层级较低，建议国家相关部门尽快推动金融科技立法工作，对涉及金融科技的条款进行修订和补充。我国在信息技术方面还处于一定的被动局面，这就需要突破相关技术的制约，进行协同攻关为金融科技发展提供信息技术安全的保障。金融科技对人才素质要求较高，需要国家挑选一批科研院所或高校，增设科技与金融交叉的课程以及开设金融科技相关专业，培养既熟悉金融业务又懂现代科学技术的高素质复合型人才，储备金融科技人才，为金融科技发展提供人才支持。

就监管层面而言。在金融科技快速发展的时代背景下，涌现出了大量的新的业务模式，逐级上报的监管模式已经滞后于金融科技发展的需求，这就要求监管部门紧随金融科技发展的潮流，不断进行自我更新，构建金融科技的宏观监管框架。新加坡、澳大利亚、英国等国家针对金融科技发展潜在的系统性风险、操作风险和科技风险建立了较为成熟的“监管沙盒”机制，我国监管部门可以借鉴这些国家的成熟经验，建立起适合我国国情的金融科技“监管沙盒”机制，对金融科技企业进行测试，将资金实力、保护消费者能力、技术创新性、企业规模等因素纳入早期的入箱考核标准中，对通过入箱考核的金融企业发放牌照，这样可以将风险锁在箱子里，实现风险防控的前置化和流程化。

就银行层面而言。商业银行在金融科技的助力下，使得金融服务突破了空间和时间的限制，但商业银行体系内以及商业银行与金融科技的关联性也愈发错综复杂，风险的传导速度变得更快，风险的外溢范围变得更广。所以，商业银行在利用技术驱动创新时，需要反复论证金融科技创新的各个环节，分析潜在的技术风险、运营风险、操作风险，确保金融创新风险可控。同时，商业银行需要健全金融科技专项应急预案，特别是区域性商业银行，因为金融科技风险对其溢出效应要比其他类型的商业银行大很多。区域性商业银行需要及时排查风险漏洞，可以运用压力测试、情景分析、敏感性分析等方法定期对风险进行评估，并对系统性风险进行预警和测度，将金融科技相关指标纳入预警指标中。同时，制定风险应急预案，这样有利于筑牢商业银行与金融科技风险交叉渗透相互溢出的防火墙。