金融科技对银行盈利状况的影响及作用机制研究

李明贤 聂一哲

[摘要]基于技术溢出理论、梅特卡夫法则和里德法则，从存贷业务、中间业务和表外业务4个角度出发，探究了金融科技对商业银行盈利状况的作用机理。以银行年度在各地级市网点数量为权重，对北京大学数字普惠金融总指数进行加权平均处理，构建地区金融科技发展水平指数，并利用2011—2020年我国298家商业银行的面板数据，采用双向固定效应模型进行实证检验。研究发现，金融科技显著提高了国有银行的盈利水平，降低了股份制银行、城商行和农商行的盈利水平，总体上显著降低了银行的盈利水平。从非线性角度出发，随着地区金融科技分位数水平的提高，金融科技对商业银行盈利水平的影响主要以“竞争效应”为主，呈现出负向影响。

[关键词]金融科技；商业银行；盈利能力

一、 引言

在金融科技迅速发展的背景下，2022年1月，中国人民银行印发《金融科技发展规划（2022—2025年）》（简称《规划》）1，明确了金融科技发展的方向、任务和路径，指出要坚持“数字驱动、智慧为民、绿色低碳、公平普惠”4个基本原则，更加充分发挥金融科技赋能作用。如今，金融科技成为金融变革的重要动力，对金融业态、产品和服务产生了深远影响，同时金融科技的发展也对商业银行的盈利水平造成了冲击。

根据麦肯锡调查报告2，全球银行业的业绩出现了两极分化，2015年头部银行的ROE（净资产收益率）为17.9%，尾部银行的ROE为3.2%；到2021年，头部银行的ROE提高到了32.4%，尾部银行的ROE降低到2.5%。麦肯锡将这一现象的原因归于头部银行卓越的运营，而关键性的因素则是数字化程度的提高。在过去的十年里，科技巨头逐渐介入支付领域，并对银行的“支付中介”功能产生了替代效应。调查发现，在美国，接近90%的人正在使用数字支付，30%左右的美国消费者喜欢将“先买后付（BNPL）”的消費金融服务与自身财务管理结合起来，这一比例还在持续增长。科技巨头凭借大数据、云计算、人工智能、区块链等先进技术，推出兼具灵活性与高收益率的理财产品，并提供便捷、快速的融资服务，迅速地与银行在金融市场展开了激烈的竞争，冲击着银行盈利状况。这一局面也在中国上演，新兴金融科技公司抢占了传统商业银行在存款和贷款市场的市场份额，压缩了银行的利润空间，加剧银行的价格竞争，进而削弱了银行的业绩表现[1]。同时，考虑到利率市场化进程提速和金融监管日趋严格，银行的运营和监管成本提高，银行的盈利水平被进一步削弱。传统的银行经营管理方式已然无法适应新的经济形势和竞争格局，金融科技成为银行业新的转型方向。在这样的时代背景下，本文聚焦于金融科技对商业银行盈利状况的影响，探讨金融科技对商业银行的盈利水平产生了怎样的影响？其作用机制是什么？对于不同类型的商业银行，其影响是否存在异质性？

二、 文献综述

关于金融科技的概念界定。目前学界广泛认可的是金融稳定理事会（FSB）提出的定义，即金融科技是基于大数据、云计算、人工智能、区块链等一系列技术所带来的金融创新，全面应用于支付清算、借贷融资、财富管理、零售银行、保险、交易结算等六大金融领域。有学者认为金融科技主要是一种去中介化的力量，是旨在与传统金融方式在金融服务交付上展开竞争的新技术[2]。也有学者把金融科技界定为在金融监管机构监管下，由新兴科技（大数据、人工智能、区块链、云计算）推动的、传统金融机构（银行、证券、保险、信托）和新兴金融业态（金融科技公司）等市场主体参与的、对传统金融业务进行改革的创新活动[3]。总而言之，金融科技是由先进的信息技术驱动的金融服务和产品创新，并对金融市场、金融机构和金融服务造成了颠覆性的冲击。

对金融科技与商业银行盈利水平之间关系的探讨。主流观点认为，金融科技对商业银行盈利状况产生了“竞争效应”和“技术溢出效应”。

第一类观点侧重于研究金融科技的竞争效应。在金融科技发展初期（业界一般认为2013年是我国金融科技元年），金融科技公司主要在存款市场、信贷市场和支付领域与商业银行展开竞争[4]。首先，存款竞争降低了银行的吸储能力，并抬高了其付息成本[5]。另外，存款竞争使得银行越发依赖同业拆借等批发性资金，使得银行资金成本上升[6]。其次，金融科技事实上动摇了商业银行的“金融中介”地位。前期巨大的金融科技投入也给银行的盈利水平带来负面影响。竞争环境的恶化使得银行加大对金融科技的投入力度，但前期高昂的投入降低了银行的盈利水平[7]。同时银行对于金融科技基础设施和配套软件的布设也需要消耗大量人力物力[8]。总而言之，金融科技加剧了银行竞争，从负债端抬高了银行的资金成本，对银行盈利状况产生了消极的“竞争效应”[9-13]。

另一类观点认为，随着金融科技发展水平的提高，金融科技将对商业银行盈利状况产生净正向影响[14]。一方面，拥有先进技术的金融科技公司在与商业银行的合作中，或被动或主动地传播自身技术和先进经验，对银行绩效产生积极影响。商业银行与金融科技公司的合作产生了“联系效应”，使得金融科技的发展对商业银行经营绩效产生了正向的“技术溢出效应”[15]。与第三方支付机构的竞合关系显著提升了商业银行财务绩效[16]。银行通过与金融科技公司开展合作，借助先进技术精准筛选出优质的贷款客户，提高了盈利水平[17]。另一方面，许多传统银行陆续成立金融科技子公司，建立金融科技实验室，并增加对金融科技的投入，使得新兴科技与传统金融业务深度融合，同时创新了业务模式，进而提高了自身盈利水平。金融科技通过影响银行资产负债管理能力、风险管理水平和经营效率水平，提高了银行的盈利水平[18]。商业银行进行金融科技数字化转型从优化产品创新、渠道创新和流程创新3个维度促进其中间业务创新，提高自身盈利水平[19]。总而言之，随着商业银行逐渐深化金融科技改革，金融科技发展能够为商业银行盈利水平带来积极影响[20-22]。

也有部分学者认为金融科技与商业银行盈利水平呈现出倒“U”形关系，表现为先促进后抑制作用的特征[23]。

总之，现有文献主要侧重于从竞争效应或者技术溢出效应层面探究金融科技对商业银行盈利水平的影响，较少有文献综合探究两种效应的影响和作用机制。金融科技对商业银行盈利水平的整体影响如何？随着金融科技发展水平的提高，这种影响是否会发生改变？在金融科技发展水平不同的地区这种影响是否不同？金融科技对不同类型的商业银行盈利水平的影响是否具有异质性？这些问题亟待厘清。已有研究主要基于银行总部所在城市的数字普惠金融总指数来衡量地区金融科技发展水平，并未考虑到许多银行的网点遍布多个城市和银行网点数量的变化。

基于此，本文的边际贡献如下：

一是从竞争效应、技术溢出效应和门槛效应3个方面厘清金融科技影响银行盈利水平的作用机理。并建立计量模型，实证研究金融科技对商业银行盈利水平的整体影响。

二是从非线性的角度探究随着地区金融科技分位数水平的变化，在金融科技发展水平不同的地区，金融科技对银行盈利水平究竟呈现出何种影响。

三是完善金融科技水平衡量指标。将银行每年度在各地级市的网点数量作为权重，计算北京大学数字普惠金融总指数加权平均值用以衡量地区金融科技发展水平，同时对地区经济指标进行同样的加权处理，使得结论更加精细化。

四是将银行划分为四类，探究金融科技对不同类型商业银行盈利状况的异质性影响，并结合时代背景对实证结果进行合理解读，提出针对性建议，给相关金融政策的制定和经营管理的创新以启迪。

三、 理论分析及研究假设

1. 金融科技对商业银行盈利水平的整体影响

金融科技加剧了商业银行外部市场的竞争，进而冲击银行的盈利水平。这种竞争既是金融科技公司与传统银行的竞争，也是银行之间的竞争。首先，金融科技公司依托大数据、云计算等先进技术，对传统金融业务进行创新，开发出新的金融产品，进而挤压银行的业务空间，最终对银行的盈利水平带来冲击，其次，率先运用金融科技的银行必然对其他银行产生挤出效应。

从存款市场的角度出发，依托云计算、大数据、人工智能等新兴信息技术的金融科技公司开发了大量理财产品，与传统银行在存款市场展开了激烈的竞争。在财富管理方面，金融科技公司具有低成本、低门槛、高效率等特征，满足了客户关于财富管理多元化的需求，同时，在利率市场化的背景下，金融科技公司开发的高收益率的理财产品受到用户的青睐，在存款竞争中处于优势地位，恶化了银行的资金来源结构，使得银行更加依赖于同业资金，显著地提高了银行整体的资金成本。为应对来自金融科技公司的竞争，一些银行采取了激进的理财产品定价策略，使得存款大量流失[5]。整体来看，金融科技对银行盈利水平产生了不利影响。

从贷款市场的角度出发，银行更加青睐于大中型优质企业，而忽视小微企业等尾部客户群体的融资需求。相较于传统金融，金融科技可以更好地收集客户的软信息，而不過分依赖硬信息，对于缺乏抵押品和信息相对不透明的小微企业，金融科技可以提供更多的资金支持。根据长尾理论，金融科技公司先进的征信技术和风控技术，缓解了融资双方的信息不对称问题，进而抢夺了许多优质的长尾客户。特别是在消费金融领域，蚂蚁金服开发出的“花呗+借呗”和京东开发出的“白条”，与线上交易平台“淘宝”“京东”实现了金融与消费场景的镶嵌，实质上造成银行贷款客户的分流。对于银行而言，损失的这部分优质客户使得银行的利息收入增速放缓，降低了银行的盈利水平。

从中间业务市场的角度出发，基于风险考虑，银行需要寻找新的利润增长点，且不用占用太多的经济资本，因此发展前景良好的非利息业务成了银行转型的方向。然而，根据金融中介理论，金融科技的出现动摇了传统银行的金融“中介”地位，加速了金融脱媒，挤压了银行的中介业务空间，减少了银行的非利息收入来源。特别是微信、支付宝通过不同的方式转账汇款、扫码支付、支付水电煤费用等，分流了原本属于银行的支付结算业务。总的来说，金融科技一定程度上对银行的中介地位产生了替代效应，给银行的盈利水平带来冲击。

从表外业务市场的角度出发，随着人工智能、物联网、区块链等先进技术应用于供应链金融领域，金融科技公司对产业供应链的结构、流程有了长足的了解，可以通过区块链技术挖掘出供应链某一环节的资金信息和风险状况，根据具体的供应链运营活动和场景，提供定制化的金融产品和服务。例如京东物流，以资金流为担保，利用大数据、区块链等技术获取上下游企业的资金状况和物流信息，并为上下游企业提供供应链融资、ABS等融资服务，冲击了银行的应收账款融资、票仓单质押、票据承兑及保理业务，进而给银行盈利水平带来冲击[24]。

2. 金融科技对银行盈利水平的非线性影响

技术溢出理论认为，先进的技术具有显著的正外部性，拥有先进信息技术的金融科技公司在与银行的业务竞争，将促进银行数字化转型。一方面，对外合作的银行提高了金融科技应用水平，促进了自身的技术革新和数字化转型。另一方面，在金融监管趋严的背景下，与银行开展合作对于缺乏金融牌照的金融科技公司也是一种补强。可以预见的是，在未来新的金融业态下，金融科技公司与银行的合作将更加紧密。

根据梅特卡夫法则和里德法则，网络的价值和对应的用户群体呈现出非线性关系，即客户数量的增长对应网络价值幂指数的变化。对于国有银行和股份制银行而言，其金融科技布局在前期产生了巨大的投入成本，在短时间内可能无法扭亏为盈，但是当金融科技的发展达到一定门槛时，金融科技赋能银行的收益将覆盖其投入成本和竞争带来的损失，使得银行的盈利呈现出正向变化，并且随着时间的推移，银行的盈利将呈现爆发式增长。因此，金融科技发展到某一阶段时，金融科技的门槛效应会超越竞争效应，最终对银行的盈利水平产生正外部性。

现实中，在最早一批成立的金融科技子公司里，平安银行旗下的金融壹账通2020年亏损了13.54亿元1，兴业银行旗下的兴业数金2019年上半年净亏损1.67亿元2，可见金融科技对银行盈利水平的影响仍然以竞争效应为主。故本文认为：当下金融科技对银行盈利水平的影响以竞争效应为主，主要呈现出负向影响。

3. 金融科技对银行盈利水平影响的异质性分析

从资金规模、资本充足率的角度出发，规模越大、资本充足率越高的银行凭借其资金和人才方面的优势，可以有效抵御风险，相较于城商行和农商行，国有银行和股份制银行拥有足够的自有资金应付“竞争效应”带来的不利影响。

从客户群体的角度出发，大型银行更加青睐大型企业和高净值客户，相反中小银行的客户主要是中小微企业和农户等长尾客户，相比之下中小银行对金融科技造成的冲击更加敏感。进一步考虑，金融科技的运用帮助大型银行抢占了中小银行的优质客户，对中小银行产生了挤出效应[25]。

在短期融资方面，金融科技公司推出的金融产品所具备的高效率的特点极大程度上满足了中小微企业和农户对周转资金的需求，而中小银行因为授信制度相对严格，最终在短期融资领域处于劣势地位，所以金融科技往往对中小银行的盈利水平造成更加显著的负面影响。

从收入结构的角度出发，大型银行的业务种类丰富，收入来源更加多元化，大部分的业务收入来源于对公贷款利息收入、个人贷款利息收入、债券利息收入等，个别银行，例如平安银行非利息收入甚至占到了总营收的30%左右3。而中小银行的收入结构较为单一，主要依赖存款和贷款业务，所以中小银行对 “竞争效应”更加敏感。

考虑金融科技转型情况，国有银行和股份制银行拥有足够的资金实力布设金融科技设备、引进金融科技人才并建立金融科技部门，同时与金融科技公司展开合作，两条线路齐头并进，对金融科技的应用能力要远远强于城商行和农商行等中小银行。故金融科技对大型银行的影响可能表现为正向影响。

由以上分析，本文提出以下命题：

假设1：金融科技总体上给银行盈利水平带来负面影响。

假设2：随着金融科技发展，技术溢出效应和门槛效应逐渐增强。但在跨越门槛值之前，金融科技对银行盈利水平的影响仍然以“竞争效应”为主。

假设3：金融科技对不同类型银行盈利水平的影响存在异质性。

四、 研究设计

1. 样本与数据来源

本文剔除了政策性银行、外资银行等银行业金融机构，选取中国298家商业银行作为研究样本，样本期为2011—2020年。其中银行个体特征数据主要来源于锐思（RESSET）金融研究数据库和马克数据网，宏观数据取自于EPS数据平台，同时本文通过银行年报对数据查漏补缺。

2. 变量选取

（1）被解释变量。被解释变量旨在衡量银行的盈利水平，考虑到银行业收入来源以利息收入为主，故本文选择净息差（NIM）作为银行盈利水平的代理变量。出于稳健性考虑，选取资产利润率（ROA）和净资产收益率（ROE）作为银行盈利水平的次要代理变量。

（2）核心解释变量。核心解释变量用来衡量金融科技发展水平。学术界常用的衡量金融科技发展水平的指标主要有采用蚂蚁金服的交易账户底层数据构建的北京大学数字普惠金融总指数，其从多个维度刻画了中国各省市的金融科技发展水平[26]。

为缓解内生性问题，本文主要从地级市层面考虑金融科技对银行盈利水平产生的影响，因此采用地级市层面北京大学数字普惠金融总指数加权平均值作为金融科技发展水平的代理变量，具体以银行每年度在各个城市的网点数量为权重，同时对该指数作对数平滑处理。出于稳健性考虑，参考邱晗等[6]的做法，采用覆盖广度（Coverage）、使用深度（Usage）、数字化程度（Digitization）3個指标作为金融科技发展水平的次要代理指标，同样对3个指标做加权处理。

（3）控制变量。银行盈利水平受到自身特征的影响。本文控制以下银行特征变量：总资产（ASSET）、存贷比（LDR）、成本收入比（CIR）、不良贷款率（NPL）、资本充足率（CAR）。银行盈利水平也受到地方经济发展和金融市场发展的影响。参考邱晗等[6]的做法，本文控制以下地区变量：地区生产总值增长率和人均地区生产总值、金融机构年末存款余额/地区生产总值和金融机构年末各项贷款余额/地区生产总值，同时对地区变量作与上文相同的加权处理。

变量定义见表1。

表1 变量定义

[变量类型 变量名称 变量符号 变量定义 被解释变量 净息差

资产利润率

净资产利润率 NIM

ROA

ROE 净利息收入/生息资产

税后净利润/总资产

净利润/净资产 核心解释变量 金融科技发展水平 Fintech 地级市层面北京大学数字普惠金融总指数加权平均值取自然对数 控制变量 银行特征变量 总资产 ASSET 总资产取自然对数 资本充足率 CAR 资本净额/风险资产 不良贷款率 NPL 期末不良贷款余额/总贷款余额 成本收入比 CIR （业务管理费+其他营业支出）/总营收 存贷比 LDR 发放贷款/吸收存款 宏观经济变量 地区经济发展水平 RGDP 地区生产总值增长率 PGDP 地区生产总值/人口 金融市场发展水平 DGDP 年末金融机构存款余额/地区生产总值 LGDP 年末金融机构各项贷款余额/地区生产总值 ]

表2报告了各变量的描述性统计结果。为查漏补缺，本文对大约5%的缺失值采取线性插值法处理，并对连续性变量进行了上下1%的缩尾处理以避免极端值的影响。从表2列示结果可以看出，银行盈利水平测度指标NIM最大值为0.064，最小值为0.0045，均值为0.0293，可见不同银行间盈利水平相差较大。地区金融科技发展水平（Fintech）的最大值为5.7116，最小值为3.8308，均值为5.1894，标准差为0.4041，说明不同地区之间金融科技发展水平差异较大。

表2 描述性统计

[变量 观测数 平均值 标准差 最小值 最大值 ROA 2465 0.0102 0.0043 0.0006 0.0223 ROE 2465 0.1366 0.0578 0.0075 0.3069 NIM 2465 0.0293 0.0117 0.0045 0.0640 Fintech 2465 5.1894 0.4041 3.8308 5.7116 Coverage 2465 5.1506 0.3981 3.7780 5.7022 Usage 2465 5.1837 0.4076 3.9332 5.7263 Digitization 2465 5.2800 0.5396 3.1698 5.7723 ASSET 2465 25.0672 1.7084 22.3670 30.5097 CIR 2465 0.3504 0.0744 0.1933 0.5973 NPL 2465 0.0172 0.0098 0.0013 0.0635 LDR 2465 0.6634 0.1126 0.3440 0.9809 CAR 2465 0.1370 0.0221 0.0948 0.2263 RGDP 2465 0.0780 0.0285 -0.0113 0.1530 PGDP 2465 11.0462 0.5256 9.7988 12.1200 DGDP 2465 1.6467 0.6665 0.6763 4.0015 LGDP 2465 1.1539 0.4395 0.4286 2.2230 ]

3. 模型设定

为检验假设1和假设3，本文构建如下模型（1）。其中，[i]表示银行，[t]表示年份，[α]、[β]和[γ]代表参数估计值，[NIM]表示银行盈利水平，[Fintech]表示地区金融科技发展水平，[∑Control]表示包括银行个体特征变量和宏观变量的控制变量，[ui]表示个体异质性，[νt]表示时间固定效应，[εit]表示随机扰动项。同时，本文将[NIM]替换成[ROA]和[ROE]、[Fintech]替换成[Coverage]、[Usage]和[Digitization]进行稳健性检验。

[NIMit=α+β1Fintechit+γ∑Controlit+ui+νt+εit] （1）

為检验假设2，本文参考熊健等[15]的做法，构建模型（2）。

[NIMit=α+β1H_Fintechit+β2L_Fintechit+γ∑Controlit+ui+νt+εit] （2）

[H_Fintechit=Fintechit    if Fintechit

[L_Fintechit=0                           if Fintechit

上述模型中，[H_Fintechit]表示金融科技发展水平较高的地区，[L_Fintechit]表示金融科技发展水平较低的地区，[St]为第[t]年地区金融科技分位数水平。

五、 实证分析

1. 金融科技对银行盈利水平的整体影响

本文首先对式（1）进行混合回归（OLS），并采用聚类稳健标准误，结果见表3。由于银行存在个体异质性，可能对估计结果产生偏误，故考虑使用固定效应模型（FE）。列（3）中F检验的p值为0.0000，强烈拒绝所有银行个体异质性为零的假设，即固定效应模型优于混合回归。考虑到个体异质性可能以随机效应（RE）的形式存在，故本文对模型进行随机效应估计，并进行Hausman检验，结果拒绝了原假设“不存在固定效应”。最后在固定效应模型中引入年份虚拟变量，并检验所有时间变量的联合显著性，结果p值为0.0000，强烈拒绝不存在时间效应的原假设。因此，本文主要使用控制了个体固定效应和时间固定效应的双向固定效应模型来分析金融科技对银行盈利水平的影响，列（4）为采用了聚类标准误的固定效应模型，列（5）为采用了聚类标准误的双向固定效应模型。列（5）报告了Fintech的估计系数为-0.0179，在1%的水平上显著为负，列（1）至列（4）的结果基本一致。列（5）报告CIR系数显著为负，说明成本控制较好的银行整体盈利水平更加突出；LDR和CAR系数显著为正，说明充足的自有资金和贷款扩张可以显著提高银行的净息差。这与现实情况相符，说明本文银行个体控制变量的选取相对准确。

上述结果表明金融科技对商业银行盈利水平主要产生负面影响，本文的假设1成立。

表3 金融科技对银行盈利水平的整体影响

[变量 （1）

OLS （2）

FE （3）

RE （4）

FE_robust （5）

FE_TW Fintech -0.0101*** -0.0038*** -0.0102*** -0.0038*** -0.0179*** （0.0000） （0.0001） （0.0000） （0.0061） （0.0004） ASSET -0.0027*** -0.0100*** -0.0037*** -0.0100*** -0.0046*** （0.0000） （0.0000） （0.0000） （0.0000） （0.0007） CIR -0.0224*** -0.0377*** -0.0326*** -0.0377*** -0.0334*** （0.0008） （0.0000） （0.0000） （0.0000） （0.0000） NPL -0.0887** -0.0893*** -0.1020*** -0.0893*** -0.0437 （0.0225） （0.0000） （0.0000） （0.0055） （0.1542） LDR 0.0234*** 0.0166*** 0.0188*** 0.0166*** 0.0193*** （0.0000） （0.0000） （0.0000） （0.0000） （0.0000） CAR 0.0517*** 0.0054 0.0170** 0.0054 0.0235* （0.0013） （0.5091） （0.0350） （0.7011） （0.0946） RGDP 0.0325** -0.0046 0.0094 -0.0046 -0.0114 （0.0179） （0.6016） （0.2628） （0.6979） （0.3933） PGDP -0.0009 -0.0026** -0.0007 -0.0026 0.0012 （0.2810） （0.0221） （0.3606） （0.1091） （0.4498） DGDP -0.0021** -0.0017* -0.0005 -0.0017 0.0003 （0.0233） （0.0887） （0.5647） （0.2391） （0.8476） LGDP 0.0054*** 0.0029** 0.0025** 0.0029 0.0042** （0.0006） （0.0250） （0.0271） （0.1885） （0.0462） （0.0000） （0.0000） （0.0000） （0.0000） （0.0000） N 2465 2465 2465 2465 2465 adj.R2 0.3587 0.3756 0.4512 0.5132 F检验 0.0000 Hausman检验 0.0000 ]

注：回归系数下方的圆括号内数值为估计值的P值，*、**、***分别表示10%、5%、1%的显著性水平，常数项和时间虚拟变量回归结果省略，下表同。列（2）采用普通标准误，其他列回归采用聚类标准误

2. 金融科技对银行盈利水平的线性影响研究

在加剧银行外部竞争的同时，金融科技也可能提高银行的盈利水平。在新的金融业态下，新主体的出现不可避免地蚕食了银行的利润空间，从而对银行盈利水平产生负面的“竞争效应”。同时，利润的低迷也给银行提供了金融科技转型的动力，一部分银行寻求与金融科技公司合作，一部分银行成立自身的金融科技子公司。由此，金融科技改善了银行的盈利水平，对银行产生了积极的“技术溢出效应”和“门槛效应”。那么，伴随着金融科技发展水平的提高，金融科技对银行盈利水平的影响会呈现出非线性变化吗？本文利用模型（2）对假设2进行了检验，主要使用双向固定效应模型进行回归，表4列示了回归结果。

表4报告了不同百分比分位数对应的金融科技发展水平与银行盈利水平的回归结果。从表4可知，从统计显著性上来讲，在高金融科技发展水平的地区，随着金融科技分位数水平的提高，H_Fintech的系数从不显著、到10%水平显著和5%水平显著、最后在1%的水平上显著，且整体表现为负的外部性。相对而言，在低金融科技水平地区，L_Fintech系数的显著性有所下降，但同样表现为负的外部性。从经济显著性上看，随着分位数水平的提高，H_Fintech对应的系数从-0.0092到-0.0173，整体上先升后降并趋于平稳（考虑绝对值）；L_Fintech对应的系数由-0.0195到-0.0522，整体上先降后升。在90%的分位数水平上，高金融科技水平地区的系数为-0.0173，在1%的水平上显著，这意味着，金融科技水平每提高1%银行的盈利水平下降0.0173%；低金融科技水平地区的系数为-0.0522，在5%的水平上显著，这意味着金融科技水平每提高1%银行的盈利水平下降0.0522%。故表5的报告显示，随着地区金融科技发展水平的提高，金融科技对银行盈利水平的影响以负面的竞争效应为主，假设2成立。

表4 金融科技对银行盈利水平的非线性影响研究

[变量 10%分位数 30%分位数 50%分位数 70%分位数 90%分位数 H_Fintech -0.0092 -0.0198* -0.0180** -0.0171*** -0.0173*** （0.3854） （0.0792） （0.0405） （0.0008） （0.0007） L_Fintech -0.0195*** -0.0170*** -0.0178** -0.0288** -0.0522** （0.0002） （0.0055） （0.0356） （0.0280） （0.0269） 控制变量

个体效应

时间效应 控制

控制

控制 控制

控制

控制 控制

控制

控制 控制

控制

控制 控制

控制

控制 N 2465 2465 2465 2465 2465 adj.R2 0.5133 0.5130 0.5130 0.5132 0.5134 ]

3. 异质性分析

本文将样本区分为国有银行、股份制银行、城市商业银行和农村商业银行四类，采用双向固定效应模型估计，通过模型（1）检验金融科技对不同类型银行盈利水平的异质性影响。回归结果如表5，金融科技对国有银行、股份制银行、城市商业银行和农村商业银行四类银行NIM的系数分别是0.0239、-0.0588、-0.0130和-0.0227，且至少在10%的水平上显著。首先，金融科技对农商行和城商行盈利水平的影响比国有银行和股份制银行更加显著。其次，金融科技对国有银行NIM的系数显著为正。由上文可知，金融科技对商业银行盈利状况整体呈现出负面影响，但是并不说明金融科技对所有银行盈利状况只存在负面影响，金融科技可以延伸银行的服务半径，并运用大数据等技术精准匹配供需双方，把长尾客户嵌套进规模庞大的金融平台，实现利润的边际增长。银行可以借助金融科技大力发展非利息业务，一定程度上避开传统金融市场资本充足率、不良贷款率、信贷投放等监管约束，实现监管套利和新的利润增长点。由表5的结果可知，金融科技事实上提高了國有银行的盈利水平，降低了其他银行的盈利水平，出现这一结果的缘由可能是：（1）国有银行规模较大，资金实力雄厚，并且受到政策面的青睐，因此具有极强的抵御风险的能力。同时，国有银行普遍成立了金融科技子公司并且广泛地与金融科技公司展开合作，故金融科技对国有银行的盈利水平产生了正的外部性。（2）股份制商业银行极其依赖同业市场，但是金融科技的推进使得同业业务收缩，抬高了资金成本。此外，股份制商业银行主要采取自负盈亏的经营模式，发生信用危机时没有政府背书，因此需要保持充足的资本金以抵御风险。并且，部分股份制银行存在内控管理问题。以上可能是股份制商业银行的盈利水平下降的原因。（3）城商行和农商行规模较小，缺乏足够的资本金抵御风险，同时优质客户被金融科技公司和大型银行所抢夺，故金融科技对城商行和农商行存在负面影响。由上文可知，金融科技对不同类型商业银行盈利水平的影响存在异质性，假设3成立。

表5 金融科技对银行盈利水平的异质性分析

[变量 国有银行

NIM 股份制银行

NIM 城商行

NIM 农商行

NIM Fintech 0.0239* -0.0588* -0.0130** -0.0227*** （0.0799） （0.0959） （0.0316） （0.0091） 控制变量

个体效应

时间效应 控制

控制

控制 控制

控制

控制 控制

控制

控制 控制

控制

控制 N 60 119 1012 1274 adj.R2 0.8869 0.8076 0.5267 0.5707 ]

4. 稳健性检验

（1）内生性问题。考虑到地方银行进行金融科技转型可能带动地区金融科技发展，故本文在模型中引入滞后一阶的净息差作为解释变量，构建动态方程，同时采用两步系统GMM方法进行估计，以解决反向因果造成的内生性问题。回归结果见表6，核心解释变量的估计结果与上文基本一致，研究结论保持稳健。

表6 稳健性检验：两步系统GMM模型

[变量 两步系统GMM模型 双向固定效应模型 L.NIM 0.5985*** 0.4742*** （0.0000） （0.0000） Fintech -0.0137*** -0.0105*** （0.0476） （0.0400） 控制变量 控制 控制 个体效应 控制 控制 时间效应 控制 控制 N 1847 2153 Adj.R2 0.6305 AR（2） 0.130 Hansen检验 0.196 ]

注：双向固定效应模型回归结果作为对比

（2）改变测度方式。本文使用ROE和ROA指标替换净息差作为银行盈利水平的代理变量，使用双向固定效应模型进行估计。结果如表7。

表7中Fintech指标对ROA以及Digitization指标对NIM的系数不显著，故仿照上文引入ROA和NIM的滞后一阶作为解释变量，进行两步系统GMM估计。最终实证回归结果与前文基本一致1。

表7  稳健性检验：改变测度方式

[变量 ROA ROE NIM NIM NIM Fintech -0.0018 -0.0559** （0.2722） （0.0224） Coverage -0.0087** （0.0147） Usage -0.0153*** （0.0002） Digitization -0.0022 （0.2187） 控制变量 控制 控制 控制 控制 控制 个体效应 控制 控制 控制 控制 控制 时间效应 控制 控制 控制 控制 控制 N 2465 2465 2465 2465 2465 adj.R2 0.6236 0.6320 0.5091 0.5145 0.5064 ]

注：该表采用双向固定效应模型

（3）调整样本期。学术界普遍认为2013年（余额宝上线）是我国金融科技的元年，故本文综合考虑选择2013—2019年作为样本期对模型进行稳健性检验，以排除金融科技年份的异质性。结果见表8，Fintech的回归结果与上文基本一致。

表8 稳健性检验：调整样本期

[变量 NIM Fintech -0.0255*** （0.0076） 控制变量

个体效应

时间效应 控制

控制

控制 N 1989 adj.R2 0.4799 ]

六、 结论与启示

本文以各地级市银行网点为权重，计算地级市层面北京大学数字普惠金融总指数加权平均值，来衡量地区金融科技发展水平，并基于2011—2020年我国298家商业银行的面板数据和双向固定效应模型，实证研究了金融科技对银行盈利水平的影响及作用机制。研究表明：第一，金融科技促进了国有银行的盈利水平，降低了股份制商业银行、城商行和农商行的盈利水平，对银行盈利水平整体上呈现出负面影响。第二，随着金融科技发展水平的提高，金融科技对银行盈利水平的影响仍然以“竞争效应”为主。在高金融科技水平地区，该影响统计上逐渐显著，经济显著性趋于平缓；在低金融科技水平地区，该影响统计显著性下降，经济显著性上升。

从本文研究结论得出以下启示：（1）我国传统银行业应该正视新的金融业态下自身处于不利地位的局面，提高自身金融科技应用水平，将金融科技的“技术溢出效应”和“门槛效应”发挥到极致，以摆脱“竞争效应”带来的负面影响。（2）金融科技转型不仅仅是被动的防守反击，更应是对新金融业态下商业模式的探索。对于国有银行和股份制商业银行等大型银行而言，“自负盈亏”的经营模式使得股份制银行在提高金融科技水平的过程中盈利状况表现不佳，相对而言，国有银行受到政策青睐，拥有充足的资金发展金融科技。对于股份制银行而言，进行经营模式的改革以适应新金融业态下的竞争形势，已然成为当务之急。对于城商行和农商行，随着金融科技水平的提高，可以凭借其本地化优势，立足于某一细分业务市场，带动各项业务全面发展，如MachBank采取品牌年轻化策略，精准定位年轻人群体，针对年轻人的兴趣爱好开发各类金融产品和服务，并和年轻人群体实现多元互动，成功出圈，带动其他业务蓬勃发展，最终改善盈利状况。（3）深化金融科技改革。要最大化发挥金融科技的赋能优势必须解决“普及”和“创新”两个问题。在北上广等经济发达地区，银行网点数量较多，所以金融科技普及工作取得了卓越的成效，但是在经济欠发达的地区，银行网点数量较少，金融科技的普及相对缓慢。另外，在金融科技发展的最前沿，金融创新工作难以开展，例如许多新涌现的新型理财产品只是旧金融产品套上了互联网金融的外皮，并未體现“金融创新”这一理念。故深化金融科技改革，提高金融科技的普及程度和应用深度，成为银行业利润增长的重要驱动力。（4）政府鼓励银行全面应用金融科技的同时也应该警惕可能出现的风险。P2P网贷落下历史帷幕给监管部门敲响了警钟，传统的监管体系在面对层出不穷、日新月异的金融产品和服务时明显力有不逮，故实现对新金融业态中损害公众利益行为的有效监管成了当前一大难题。

参考文献：

[1] 汪可.金融科技、价格竞争与银行风险承担[J].哈尔滨商业大学学报（社会科学版），2018（1）：40-48.

[2] Das S R. The Future of Fintech[J].Financial Management，2019，48（4）：981-1007.

[3] 李志辉，陈海龙，张旭东.金融科技对商业银行盈利能力的影响[J].中南财经政法大学学报，2022（5）：56-68.

[4] Thakor A V.Fintech and Banking：What Do We Know？[J].Journal of Financial Intermediation，2020，41（1）：100833.

[5] 郭品，沈悦.互联网金融、存款竞争与银行风险承担[J].金融研究，2019（8）：58-76.

[6] 邱晗，黄益平，纪洋.金融科技对传统银行行为的影响——基于互联网理财的视角[J].金融研究，2018（11）：17-29.

[7] Dahl D， Meyer A P，Wiggins N.How Fsat Will Banks Adopt New Technology This Time？[J].The Regional Economist，2017，25（4）：1-2.

[8] Gupta S D，Raychaudhuri A，Haldar S K.Information Technology and Profitability：Evidence from Indian Banking Sector[J].International Journal of Emerging Markets，2018，13（5）：1070-1087.

[9] 于波，陈红，周宁.绿色信贷、金融科技与商业银行盈利能力[J].统计与决策，2021，37（14）：161-164.

[10] 郑霄鹏，刘文栋.互联网金融对商业银行的冲击及其对策[J].现代管理科学，2014（2）：78-80.

[11] 王娜，王在全.金融科技背景下商业银行转型策略研究[J].现代管理科学，2017（7）：3.

[12] Lee I，Shin Y J.Fintech：Ecosystem， Business Models，Investment Decisions， and Challenges[J].Business Horizons，2018，21（1）：35-46.

[13] Thakora V.Fintech and Banking：What Do We Know？[J].Journal of Financial Intermedia tion，2018，32（5）：1-12.

[14] Lin C C，Song F M.Financial Innovation： The Bright and the Dark Sides[J].Journal of Banking ＆ Finance，2016，72（11）：28－51．

[15] 熊健，张晔，董曉林.金融科技对商业银行经营绩效的影响：挤出效应还是技术溢出效应？[J].经济评论，2021（3）：89-104.

[16] 罗暘洋，李存金，罗斌.与第三方支付机构“竞合”是否提升了银行绩效[J].金融经济学研究，2020，35（4）：108-118.

[17] 郭丽虹，朱柯达.金融科技、银行风险与经营业绩——基于普惠金融的视角[J].国际金融研究，2021（7）：56-65.

[18] 于凤芹，于千惠.金融科技影响商业银行盈利能力的机制分析[J].金融与经济，2021（2）：45-52.

[19] 李琴，裴平.数字化转型、中间业务创新与银行盈利能力[J].山西财经大学学报，2022，44（8）：30-42.

[20] 郭品，沈悦.互联网金融对商业银行风险承担的影响：理论解读与实证检验[J].财贸经济，2015（10）：102-116．

[21] 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）：16-29．

[22] 张锦程.金融科技对银行盈利能力影响的实证检验[J].统计与决策，2022，38（13）：179-183.

[23] 王奕婷，罗双成.金融科技与商业银行经营绩效——基于风险承担的中介效应分析[J].金融论坛，2022，27（4）：19-30.

[24] 刘孟飞，王琦.互联网金融降低了商业银行盈利能力吗？——基于收入来源与结构的视角[J].北京理工大学学报（社会科学版），2021，23（6）：96-109.

[25] 金洪飞，李弘基，刘音露.金融科技、银行风险与市场挤出效应[J].财经研究，2020，46（5）：52-65.

[26] 郭峰，王靖一，王芳，等.测度中国数字普惠金融发展：指数编制与空间特征[J].经济学（季刊），2020，19（4）：1401-1418.

基金项目：湖南省研究阐释党的十九届六中全会精神和省第十二次党代会精神重大招标项目“以农村产业高质量发展推进湖南省乡村全面振兴研究”（项目编号：22ZDA020）。

作者简介：李明贤（1968-），女，湖南农业大学经济学院教授，博士生导师，研究方向为农村经济；聂一哲（1999-），男，湖南农业大学经济学院硕士研究生，研究方向为金融科技。

（收稿日期：2022-12-28  责任编辑：殷 俊）