论文部分内容阅读
摘 要：金融科技在最近几年发展迅速，商业银行的经营绩效也可能受到影响。选取15家商业银行2016Q1-2019Q3的数据作为研究样本，将金融科技指标作为宏观变量，分析其对商业银行经营绩效的影响。研究表明，商业银行的经营绩效并不受金融科技的影响，主要受内部因素影响。
关键词：商业银行;金融科技;经营绩效;影响因素
中图分类号：F724.6;F832.33 文献标志码：A 文章编号：1673-291X（2020）26-0099-04
竞争激烈的金融市场环境使我国商业银行面对重大的挑战。如何在金融体系中继续发挥主要作用，提高银行的经营绩效，成为现代银行家普遍关心的问题。而面对金融科技的冲击商业银行该如何调整经营结构，是否应该顺应时势的发展改变传统单一的经营模式，成为现代银行业的焦点。同时，我们还关注如何提高商业银行自身条件，从而实现利润最大化。基于此，本文选取15家上市商业银行2016Q1-2019Q3的财务数据，构建商业银行经营绩效指标，选取代表性变量作为核心变量、金融科技发展指数作为控制变量，利用Spass25和Stata15软件，通过面板模型，分析商业银行经营绩效的影响因素，并给出相关建议。
一、文献综述
关于金融科技的相关研究。大多数人认为，金融科技是互联网金融更进一步的发展，所以大部分研究还是停留在了互联网金融时代。Bons et al.（2012）认为，互联网金融促进了商业银行的发展，为商业银行带来了利润[1]。申创和刘笑天（2017）做了101家商业银行2005—2015年的数据，发现国有商业银行受到互联网金融的冲击最小[2]。张晨和董晓君（2018）认为，互联网金融使得银行贷款减少，从而商业银行的绿色信贷在发展前期呈下降趋势[3]。
有关银行经营绩效的文献叙述。孟令余（2013）运用随机效应模型研究发现，净利润比总资产促进了商业银行经营绩效[4]。袁朝阳（2013）模型使用固定效应面板，研究2007—2011年总资产负债率等对商业银行盈利产生的作用[5]。刘莹（2015）认为，银行盈利2003年以前主要是由于产权因素，之后是由于宏观因素的影响[6]。刘闽浙（2017）解释变量为10家商业银行2007—2016年的资本充足率、资产规模等，分析商业银行的利润[7]。孙永春（2019）运用Meta-Frontier模型研究，变量为不良贷款率、总资产规模、贷款比率[8]。
关于商业银行经营绩效的指标，冯金兰和陈亮（2013）运用因子分析法，选取了15个变量作为评价绩效的因子，包含了五个方面[9]。吴媚和闫子薇（2019）运用因子分析法和Spass软件，选取了9个相关变量作为依据[10]。
根据上述学者的研究结果，提出本文的相关假设。
1.金融科技作为市场大背景，不会影响商业银行的经营绩效。
2.银行资产规模、资产回报率、拨备覆盖率对商业银行的经营绩效有正向作用。
3.不良貸款率对商业银行的经营绩效有负向作用。
二、实证研究
（一）样本选择
本文样本为工商银行、建设银行、农业银行、中国银行、交通银行、招商银行、中信银行、浦发银行、民生银行、兴业银行、光大银行、华夏银行、平安银行、北京银行、宁波银行共15家银行，样本时间区间为2016年第一季度到2019年第三季度。
（二）变量选取和样本来源
1.被解释变量
依据CAMEL评级法，从五个方面构建经营绩效指标，衡量指标的相关变量见表1。数据来源于商业银行的季度报告。
接着利用Spass25软件对15家商业银行15个季度的相关数据进行因子分析，计算每家商业银行每个季度的评分。作为评价商业银行经营绩效的指标，用Y表示，同时根据做出的KMO和巴特利特检验（如图1所示），KMO值为0.617>0.5，说明以上9个变量适合做因子分析。
2.解释变量
解释变量分为核心变量和控制变量，核心变量来源于商业银行的季度报告，控制变量Fintech来源于零壹智库。相关解释变量见表2。
（三）样本描述性统计与相关性分析
1.描述性统计
利用Stata15做出的样本描述性统计见表3。
由表3的统计结果可知，资产规模（ASS）、资产回报率（ROA）、不良贷款率（BLR）是相对稳定的，拨备覆盖率（NPL）和Fintech指数波动较大。
2.相关性分析
为了考察变量之间的相关性，本文利用Stata15软件对变量做了相关性分析，见表4。由表4可知，除了Fintech指数，其余变量的P值均小于0.01，说明变量之间是显著的;而Fintech指数的P值为0.763 4，说明Fintech指数和商业银行的经营绩效Y是不显著的。再来观察各个变量的相关性系数，发现资产回报率（ROA）的相关性系数最大为0.705 1，表示当商业银行的资产收益率越高时，商业银行的经营绩效越好。
（四）模型构建和回归结果
1.模型构建
基于以上的分析，本文构建如下模型：
Yit=α+β1ASSit+β2BLRit+β3NPLit+β4ROAit+β5Fintecht+εit
上式中，α为常数，βi为回归系数，εit为误差，i=1，2……15，t=1，2……15
2.回归结果
利用Stata15和混合效应面板模型，结果见表5。
模型结果显示，R2=0.938 3，F值为42.52，P值为0.000，说明拟合优度较好，模型回归结果显示，模型总体较为显著。 三、结论与建议
（一）结论
实证分析得出结论如下：
1.银行经营绩效的提高依赖于商业银行内部体系的完善
传统的盈利模式即使受到宏观环境的冲击，也不会削弱其在商业银行经营绩效中的地位。Fintech指数对商业银行Y是不显著的，而且其回归系数为负，说明金融科技没有很大程度上影响商业银行经营绩效，而且是负的影响。
2.衡量商业银行内部环境的变量最显著
总资产（ASS）、资产回报率（ROA）、拨备覆盖率（NPL）系数为正，说明越大规模的银行，净利润越多，越有利于提高盈利水平。拨备覆盖率大，银行可以有效克制风险，对提高利润有好处。不良贷款率（BLR）系数为负，说明银行的不良贷款越多，银行放贷就会越少，从而降低了利息收入，使得银行利润降低。
（二）建议
1.加强内部管理，注重传统盈利模式
商业银行的经营绩效虽然在一定程度上受到金融科技的冲击，但是商业银行的盈利模式还是利息收入占大部分。银行应该更加注重传统盈利模式，将金融科技慢慢融入到传统盈利模式中。
2.建立健全风险体系，做好风险控制
商业银行在进行贷款的时候，一定要多方面考察贷款人的基本信息，将不良贷款率控制在合理的范围内;同时，银行要合理控制规模，不能盲目扩大。
3.加强政府监管，规范银行行为
政府应该制定相应的制度，建立健全相应的法律法规，保护银行的基本权益，提高银行的治理能力。
参考文献：
[1] Bons R W H，Alt R，Lee H G.Banking in the Internetand Mobile Era[J].Electronic Markets，2012，22（4）：197-202.
[2] 申创，刘笑天.互联网金融、市场势力与商业银行绩效[J].当代经济科学，2017，（5）.
[3] 张晨，董晓君.绿色信贷对银行绩效的动态影响——兼论互联网金融的调节效应[J].金融经济学研究，2018，33（6）：56-66.
[4] 孟令余.我国商业银行经营绩效影响因素的实证分析[J].金融与经济，2013，（2）：55-58.
[5] 袁朝阳.中国中小银行绩效影响因素的实证分析——基于2007～2011年中国中小上市银行的面板数据[J].探索，2013，（1）：109-113.
[6] 刘莹.中国商业银行经营绩效的影响因素分析[J].山西财经大学学报，2015，37（S1）：37-39.
[7] 刘闽浙.我国中小上市银行经营绩效的影响因素——基于面板数据的实证研究[J].金融理论与实践，2017，（11）：62-66.
[8] 孙永春.我国商业银行绩效及影响因素研究[J].重庆文理学院学报，2019，38（3）：32-41.
[9] 馮金兰，陈亮.基于因子分析的上市商业银行经营绩效实证研究[J].财会通讯，2013，（6）：16-18.
[10] 吴媚，闫子薇.基于因子分析法对商业银行经营绩效的评价[J].淮阴工学院学报，2019，28（3）：75-79.
关键词：商业银行;金融科技;经营绩效;影响因素
中图分类号：F724.6;F832.33 文献标志码：A 文章编号：1673-291X（2020）26-0099-04
竞争激烈的金融市场环境使我国商业银行面对重大的挑战。如何在金融体系中继续发挥主要作用，提高银行的经营绩效，成为现代银行家普遍关心的问题。而面对金融科技的冲击商业银行该如何调整经营结构，是否应该顺应时势的发展改变传统单一的经营模式，成为现代银行业的焦点。同时，我们还关注如何提高商业银行自身条件，从而实现利润最大化。基于此，本文选取15家上市商业银行2016Q1-2019Q3的财务数据，构建商业银行经营绩效指标，选取代表性变量作为核心变量、金融科技发展指数作为控制变量，利用Spass25和Stata15软件，通过面板模型，分析商业银行经营绩效的影响因素，并给出相关建议。
一、文献综述
关于金融科技的相关研究。大多数人认为，金融科技是互联网金融更进一步的发展，所以大部分研究还是停留在了互联网金融时代。Bons et al.（2012）认为，互联网金融促进了商业银行的发展，为商业银行带来了利润[1]。申创和刘笑天（2017）做了101家商业银行2005—2015年的数据，发现国有商业银行受到互联网金融的冲击最小[2]。张晨和董晓君（2018）认为，互联网金融使得银行贷款减少，从而商业银行的绿色信贷在发展前期呈下降趋势[3]。
有关银行经营绩效的文献叙述。孟令余（2013）运用随机效应模型研究发现，净利润比总资产促进了商业银行经营绩效[4]。袁朝阳（2013）模型使用固定效应面板，研究2007—2011年总资产负债率等对商业银行盈利产生的作用[5]。刘莹（2015）认为，银行盈利2003年以前主要是由于产权因素，之后是由于宏观因素的影响[6]。刘闽浙（2017）解释变量为10家商业银行2007—2016年的资本充足率、资产规模等，分析商业银行的利润[7]。孙永春（2019）运用Meta-Frontier模型研究，变量为不良贷款率、总资产规模、贷款比率[8]。
关于商业银行经营绩效的指标，冯金兰和陈亮（2013）运用因子分析法，选取了15个变量作为评价绩效的因子，包含了五个方面[9]。吴媚和闫子薇（2019）运用因子分析法和Spass软件，选取了9个相关变量作为依据[10]。
根据上述学者的研究结果，提出本文的相关假设。
1.金融科技作为市场大背景，不会影响商业银行的经营绩效。
2.银行资产规模、资产回报率、拨备覆盖率对商业银行的经营绩效有正向作用。
3.不良貸款率对商业银行的经营绩效有负向作用。
二、实证研究
（一）样本选择
本文样本为工商银行、建设银行、农业银行、中国银行、交通银行、招商银行、中信银行、浦发银行、民生银行、兴业银行、光大银行、华夏银行、平安银行、北京银行、宁波银行共15家银行，样本时间区间为2016年第一季度到2019年第三季度。
（二）变量选取和样本来源
1.被解释变量
依据CAMEL评级法，从五个方面构建经营绩效指标，衡量指标的相关变量见表1。数据来源于商业银行的季度报告。
接着利用Spass25软件对15家商业银行15个季度的相关数据进行因子分析，计算每家商业银行每个季度的评分。作为评价商业银行经营绩效的指标，用Y表示，同时根据做出的KMO和巴特利特检验（如图1所示），KMO值为0.617>0.5，说明以上9个变量适合做因子分析。
2.解释变量
解释变量分为核心变量和控制变量，核心变量来源于商业银行的季度报告，控制变量Fintech来源于零壹智库。相关解释变量见表2。
（三）样本描述性统计与相关性分析
1.描述性统计
利用Stata15做出的样本描述性统计见表3。
由表3的统计结果可知，资产规模（ASS）、资产回报率（ROA）、不良贷款率（BLR）是相对稳定的，拨备覆盖率（NPL）和Fintech指数波动较大。
2.相关性分析
为了考察变量之间的相关性，本文利用Stata15软件对变量做了相关性分析，见表4。由表4可知，除了Fintech指数，其余变量的P值均小于0.01，说明变量之间是显著的;而Fintech指数的P值为0.763 4，说明Fintech指数和商业银行的经营绩效Y是不显著的。再来观察各个变量的相关性系数，发现资产回报率（ROA）的相关性系数最大为0.705 1，表示当商业银行的资产收益率越高时，商业银行的经营绩效越好。
（四）模型构建和回归结果
1.模型构建
基于以上的分析，本文构建如下模型：
Yit=α+β1ASSit+β2BLRit+β3NPLit+β4ROAit+β5Fintecht+εit
上式中，α为常数，βi为回归系数，εit为误差，i=1，2……15，t=1，2……15
2.回归结果
利用Stata15和混合效应面板模型，结果见表5。
模型结果显示，R2=0.938 3，F值为42.52，P值为0.000，说明拟合优度较好，模型回归结果显示，模型总体较为显著。 三、结论与建议
（一）结论
实证分析得出结论如下：
1.银行经营绩效的提高依赖于商业银行内部体系的完善
传统的盈利模式即使受到宏观环境的冲击，也不会削弱其在商业银行经营绩效中的地位。Fintech指数对商业银行Y是不显著的，而且其回归系数为负，说明金融科技没有很大程度上影响商业银行经营绩效，而且是负的影响。
2.衡量商业银行内部环境的变量最显著
总资产（ASS）、资产回报率（ROA）、拨备覆盖率（NPL）系数为正，说明越大规模的银行，净利润越多，越有利于提高盈利水平。拨备覆盖率大，银行可以有效克制风险，对提高利润有好处。不良贷款率（BLR）系数为负，说明银行的不良贷款越多，银行放贷就会越少，从而降低了利息收入，使得银行利润降低。
（二）建议
1.加强内部管理，注重传统盈利模式
商业银行的经营绩效虽然在一定程度上受到金融科技的冲击，但是商业银行的盈利模式还是利息收入占大部分。银行应该更加注重传统盈利模式，将金融科技慢慢融入到传统盈利模式中。
2.建立健全风险体系，做好风险控制
商业银行在进行贷款的时候，一定要多方面考察贷款人的基本信息，将不良贷款率控制在合理的范围内;同时，银行要合理控制规模，不能盲目扩大。
3.加强政府监管，规范银行行为
政府应该制定相应的制度，建立健全相应的法律法规，保护银行的基本权益，提高银行的治理能力。
参考文献：
[1] Bons R W H，Alt R，Lee H G.Banking in the Internetand Mobile Era[J].Electronic Markets，2012，22（4）：197-202.
[2] 申创，刘笑天.互联网金融、市场势力与商业银行绩效[J].当代经济科学，2017，（5）.
[3] 张晨，董晓君.绿色信贷对银行绩效的动态影响——兼论互联网金融的调节效应[J].金融经济学研究，2018，33（6）：56-66.
[4] 孟令余.我国商业银行经营绩效影响因素的实证分析[J].金融与经济，2013，（2）：55-58.
[5] 袁朝阳.中国中小银行绩效影响因素的实证分析——基于2007～2011年中国中小上市银行的面板数据[J].探索，2013，（1）：109-113.
[6] 刘莹.中国商业银行经营绩效的影响因素分析[J].山西财经大学学报，2015，37（S1）：37-39.
[7] 刘闽浙.我国中小上市银行经营绩效的影响因素——基于面板数据的实证研究[J].金融理论与实践，2017，（11）：62-66.
[8] 孙永春.我国商业银行绩效及影响因素研究[J].重庆文理学院学报，2019，38（3）：32-41.
[9] 馮金兰，陈亮.基于因子分析的上市商业银行经营绩效实证研究[J].财会通讯，2013，（6）：16-18.
[10] 吴媚，闫子薇.基于因子分析法对商业银行经营绩效的评价[J].淮阴工学院学报，2019，28（3）：75-79.