论文部分内容阅读
摘 要：本文选取2010年12月到2017年12月为研究的时间区间，通过多元线性回归模型探索P2P网络借贷对宁波银行中间业务的影响程度，并对中间业务的发展提出建议。
关键词：P2P网络借贷；中间业务；宁波银行
一、研究背景
2010至2017年年底，我国P2P网络借贷的累计成交额从6.14亿上升到了62339.03亿，年均增长率高达316.83%。P2P网络借贷平台的风生水起，导致宁波银行的中间业务受到极大威胁。
本文以宁波银行为例，研究P2P网络借贷对宁波银行中间业务影响，进而提出宁波银行应对P2P网络借贷发展的对策。
二、研究设计
本文选取了2010年12月到2017年12月为研究的时间区间，样本数据选用季度数据。本文涉及宁波银行的相关财务数据来自宁波银行官网报告，其他变量均来自wind资讯和中国统计年鉴。
本文选取中间业务的收入为被解释变量；选取资产负债率、净资产收益率、P2P累计成交量、国内生产总值GDP、货币供给量M2、居民消费价格指数CPI的同比增长率作为解释变量。鉴于变量的单位与量级上存在较大差别，为避免波动性干扰，故对中间业务收入、P2P累计成交量、GDP与货币供给量M2取自然对数，而资产负债率、净资产收益率与CPI指数的同比增长率本身为百分比存在，故保持不变。
根据宁波银行中间业务影响因素的理论分析，将模型设定为：
LNIB=β1TDR+β2ROE+β3LNP2P+β4LNGDP+β5M2+β6CPIR+ε
三、实证分析
拟合优度检验中，R2=0.882，而调整后的R2为0.879，均大于0.7，表明该模型有较好的质量。
模型的显著性分析中，F=226.171，远大于3.84，表明该模型很好的表达解释变量与被解释变量之间存在线性关系。
共线性检验中TDR、ROE、LNM2、CPIS的容差与方差膨胀因子VIF均在可容许的范围，不存在多元共线性。而LNP2P、LNGDP容差接近于0，且VIF远大于10，其存在高度相关，采用SPSS的逐步回归法解决多重共线性问题。
利用逐步回归排除多重共线性影响后，模型常量及各变量所对应显著性值皆小于0.05，同时其|t|值都大于1.96。故回归方程为：
Y=-0.2TDR+0.16ROE-0.146LNP2P+4.465LNM2+0.011CPIS-46.471
四、结论及建议
上述的分析表明，P2P网络借贷的发展状况与宁波银行中间业务的发展成负相关，两者之间存在着一定的竞争关系。为此，P2P网络借贷的发展对宁波银行中间业务带来的冲击，宁波银行应该提高对中间业务的重视，明确其战略性地位。传统的中间业务，可以扩宽客户资源渠道；而对于新兴的中间业务，应提升服务质量，牢牢把握消费产业的发展趋势。
此外，宁波银行可与P2P平台开展合作，其资金为P2P网贷平台运营做支持，而P2P网贷平台又可利用自身优势开展便捷的服务。故宁波银行的中间业务在介入P2P网络借贷这一块需要在各方面条件皆具备的情况下，合适的时机开展，方可在竞争中占据有利位置。其他商业银行也应及时改变中间业务的发展形态，将中间业务从模块中分离出来。用多元化創新业务拉动市场内需，以吸引更多客户从而达到一个良性循环。
参考文献：
[1]谢雅琴.我国商业银行盈利能力与中间业务动态关系的实证分析[D].江西财经大学，2014.22-25.
[2]陈梦婷.P2P平台的兴起对商业银行的冲击——以平安集团陆金所为例[J].现代经济信息，2017，（06）：281-282.
[3]吴卫明.商业银行引入P2P网贷分析[J].大众理财顾问，2015，（07）：66-67.
[4]陶文妹，吴东，管皖鑫.互联网金融时代商业银业SWOT分析[J].合作经济与科技，2017，（09）：42-44.
[5]郑长娟，郝新蓉，程少锋，蒋天颖.知识密集型服务业的空间关联性及其影响因素——以浙江省69个县市为例[J].经济地理，2017，37（03）：121-128+173.
[6]Man-Li Lin，Eun-Teak Oh，Ren-JyeLiu，Po-Kai Hsu. An Intermediary’s Learning Business System： A Case Study of Gore-Tex[J]. Long Range Planning，2016，49（3）：.
[7]Berkovich， E.， 2011. Search and herding effects in peer-to-peer lending： Evidencefrom prosper.com. [J]. Ann. Finance 7 （3）， 389–405.
作者简介：殷加林（1994—），男，浙江苍南人，本科，主要研究方向：金融工程。
黄春芳（1989—），女，河南濮阳人，硕士，助教，主要研究方向：计量模型。
关键词：P2P网络借贷；中间业务；宁波银行
一、研究背景
2010至2017年年底，我国P2P网络借贷的累计成交额从6.14亿上升到了62339.03亿，年均增长率高达316.83%。P2P网络借贷平台的风生水起，导致宁波银行的中间业务受到极大威胁。
本文以宁波银行为例，研究P2P网络借贷对宁波银行中间业务影响，进而提出宁波银行应对P2P网络借贷发展的对策。
二、研究设计
本文选取了2010年12月到2017年12月为研究的时间区间，样本数据选用季度数据。本文涉及宁波银行的相关财务数据来自宁波银行官网报告，其他变量均来自wind资讯和中国统计年鉴。
本文选取中间业务的收入为被解释变量；选取资产负债率、净资产收益率、P2P累计成交量、国内生产总值GDP、货币供给量M2、居民消费价格指数CPI的同比增长率作为解释变量。鉴于变量的单位与量级上存在较大差别，为避免波动性干扰，故对中间业务收入、P2P累计成交量、GDP与货币供给量M2取自然对数，而资产负债率、净资产收益率与CPI指数的同比增长率本身为百分比存在，故保持不变。
根据宁波银行中间业务影响因素的理论分析，将模型设定为：
LNIB=β1TDR+β2ROE+β3LNP2P+β4LNGDP+β5M2+β6CPIR+ε
三、实证分析
拟合优度检验中，R2=0.882，而调整后的R2为0.879，均大于0.7，表明该模型有较好的质量。
模型的显著性分析中，F=226.171，远大于3.84，表明该模型很好的表达解释变量与被解释变量之间存在线性关系。
共线性检验中TDR、ROE、LNM2、CPIS的容差与方差膨胀因子VIF均在可容许的范围，不存在多元共线性。而LNP2P、LNGDP容差接近于0，且VIF远大于10，其存在高度相关，采用SPSS的逐步回归法解决多重共线性问题。
利用逐步回归排除多重共线性影响后，模型常量及各变量所对应显著性值皆小于0.05，同时其|t|值都大于1.96。故回归方程为：
Y=-0.2TDR+0.16ROE-0.146LNP2P+4.465LNM2+0.011CPIS-46.471
四、结论及建议
上述的分析表明，P2P网络借贷的发展状况与宁波银行中间业务的发展成负相关，两者之间存在着一定的竞争关系。为此，P2P网络借贷的发展对宁波银行中间业务带来的冲击，宁波银行应该提高对中间业务的重视，明确其战略性地位。传统的中间业务，可以扩宽客户资源渠道；而对于新兴的中间业务，应提升服务质量，牢牢把握消费产业的发展趋势。
此外，宁波银行可与P2P平台开展合作，其资金为P2P网贷平台运营做支持，而P2P网贷平台又可利用自身优势开展便捷的服务。故宁波银行的中间业务在介入P2P网络借贷这一块需要在各方面条件皆具备的情况下，合适的时机开展，方可在竞争中占据有利位置。其他商业银行也应及时改变中间业务的发展形态，将中间业务从模块中分离出来。用多元化創新业务拉动市场内需，以吸引更多客户从而达到一个良性循环。
参考文献：
[1]谢雅琴.我国商业银行盈利能力与中间业务动态关系的实证分析[D].江西财经大学，2014.22-25.
[2]陈梦婷.P2P平台的兴起对商业银行的冲击——以平安集团陆金所为例[J].现代经济信息，2017，（06）：281-282.
[3]吴卫明.商业银行引入P2P网贷分析[J].大众理财顾问，2015，（07）：66-67.
[4]陶文妹，吴东，管皖鑫.互联网金融时代商业银业SWOT分析[J].合作经济与科技，2017，（09）：42-44.
[5]郑长娟，郝新蓉，程少锋，蒋天颖.知识密集型服务业的空间关联性及其影响因素——以浙江省69个县市为例[J].经济地理，2017，37（03）：121-128+173.
[6]Man-Li Lin，Eun-Teak Oh，Ren-JyeLiu，Po-Kai Hsu. An Intermediary’s Learning Business System： A Case Study of Gore-Tex[J]. Long Range Planning，2016，49（3）：.
[7]Berkovich， E.， 2011. Search and herding effects in peer-to-peer lending： Evidencefrom prosper.com. [J]. Ann. Finance 7 （3）， 389–405.
作者简介：殷加林（1994—），男，浙江苍南人，本科，主要研究方向：金融工程。
黄春芳（1989—），女，河南濮阳人，硕士，助教，主要研究方向：计量模型。