论文部分内容阅读
摘要：近年来，随着网络技术的不断发展，相关产品已逐步进入大众的视野，比如：大数据、人工智能、互联网等。其在金融领域的应用日益广泛，形成了金融科技的模式。
关键词：金融科技;经营绩效;VECM模型
金融科技是近年来宏观经济发展的战略重点，银行业开启数字化转型、顺应经济发展，在金融科技的影响下，促进银行业发展，其已成为银行服务实体经济的必然选择。现有研究往往聚焦于外部互联网金融发展对银行的冲击。有关银行经营绩效的研究忽略了金融科技的影响。少数涉及银行金融科技下经营绩效绩效研究的文献也仅限单一指标，对数字经济发展背景下的银行绩效研究尚不成熟。
一、变量选择及数据来源
本文将通过收集数据、建立模型，运用Eviews 10 软件进行分析VECM模型中互联网发展水平;不良贷款率;成本收入比;净利差与被解释变量资产收益率之间的关系。
（一）变量选择
本文的研究对象主要是国内15家上市商业银行，其原因是上市商业银行信息披露正常，数据公开透明;且其在市场上所占份额较大，具有一定的代表性。
1.被解释变量的选取
结合国内外的相关研究显示，银行经营绩效的衡量可有以下三个指标：资产收益率、资本收益率和利润率。本文将用资产收益率作为被解释变量。资产收益率是用来衡量每单位资产创造多少净利润的指标。资产收益率主要是为了衡量商业银行创造经营绩效的能力的强弱。如果资产收益率的比率越高，表示商业银行的资产创造的利润较高，其银行的盈利能力越强。
2.解释变量的选取
互联网金融发展水平主要反映了商业银行随着互联网技术的发展其自身互联网化程度。指的是银行网银交易额占总资产的比重，比值越高说明商业银行网银交易规模越大，互联网金融发展水平越高。
不良贷款率指的是金融机构不良贷款占总贷款的比重，是评价商业银行信贷资产安全状况的重要指标之一。该比率的值越小说明商业银行盈利能力越强，信用状况越好;反之，则说明商业银行面临的信贷风险很大。
成本收入比指的是银行营业费用与营业收入的比率，反映的是商业银行每获得一个单位的收入所要付出多少成本。该比值越低，说明该银行获取收入的能力越強;反之则越弱。
净利差指的是商业银行的净利息收入除以银行的总资产。净利差的比值越大，则表明商业银行系统效率越高。
（二）数据来源
本文将选取2010-2019年的数据。其相关解释变量均来自WIND数据库，各大商业银行官网。互联网发展水平、净利差、不良贷款率、成本收入比与资产收益率由中国银行、农业银行、工商银行、建设银行、交通银行等15家上市商业银行按照时间取其加权平均中位数得到代表值，进行实证分析。
二、实证研究
（一）平稳性检验
本文运用Eviews软件进行检验，对文章中出现的变量是否存在单位根进行证实证分析。检验结果表明：在5%的显著性水平下，BID、NIM、NPL、ROA、CIR的序列在不进行处理的情况下，都存在单位根。其次进行一阶差分检验，BID、NIM、NPL、ROA、CIR的一阶差分结果在5%的显著性水平均平稳。因此，本文主要分析BID、NIM、NPL、ROA、CIR这五个变量间的相互关系。
（二）协整分析
在上一步的研究结果之下，根据上一步的条件，可以得知五个变量在一阶差分之后都为平稳数列。因此，我们可以进行协整检验。根据协整秩的检验，我们可以得到模型的滞后阶数为4阶，因此可以在5%的水平上拒绝原假设，并可以确定滞后期为3期。因为所有变量有协整关系，所以可以构建VECM模型。
（三）格兰杰因果检验
Granger因果关系检验适用于分析经济变量之间的关系。在本文进行格兰杰检验之前，已经进行了单位根检验，并保证个变量之间具有平稳性。各变量之间的关系在进行格兰杰检验之后，互联网金融发展水平（BID）、成本收入比（CIR）、净利差（NIM）、不良贷款率（NPL）的P值都小于5%，由此可得知这五个变量通过了格兰杰检验。下面将构建VECM模型。
（四）VECM模型的构建
为了使原始数据不发生变化且得到长期序列关系，可建立VECM模型检验时间序列变量之间的长期均衡关系。因此，本文将建立模型滞后期为3 期的VECM模型。本文将采用EG-ADF两步法估计VECM模型，能够得到下列协整方程：
PROA=0.33+0.98PBID-0.08PCIR+0.001PNIM-3.14PNPL
经过以上调整之后，方程P中被解释变量与其他解释变量的值均在5%的显著性水平上拒绝原假设，所以该VECM模型的解释能力较强。
（五）VECM模型检验
VECM模型的检验可以分为两种：一阶差分的平稳性检验和残差的独立性检验。本篇论文首先采用的是残差检验;其次是平稳性检验，结果表明该系统的所有根都在单位圆上，满足平稳性条件。
（六）脉冲响应函数分析
对上述协整方程中的所有变量进行脉冲相应分析，我们可以得出以下相关结论：
互联网的发展水平（BID）对于商业银行的资产报酬率呈正相关。其原因是互联网技术的发展促进了互联网金融产业的发展，使商业银行拥有更多的提高盈利能力的方法。因此。商业银行的互联网发展水平越高，越有助于提升商业银行的资产收益率。
成本收入比（CIR）对于商业银行资产报酬率的影响为短期正向影响再到长期负向影响。其原因可能是在我国数字金融发展的初期，商业银行对于互联网技术的发展投入力度较大。虽然增加相关的成本，但商业银行拥有了相关金融科技的技术，这些技术使得商业银行拥有较强的盈利能力，增加了利润。因此，虽然短时期之间成本收入比与资产收益呈正相关，但是从长远发展的角度来看，其成本收入比与资产收益率将会呈负增长的趋势。 净利差（NIM）与商业银行的资产收益率是正向的影响。净利差越大表明平均生息资产收益和平均计息负债差距越大，利润回报越大，银行资产收益率就越高，同时也能够说明商业银行的盈利能力更强。
不良贷款率（NPL）与商业银行的资产收益率是负向的影响，表明不良贷款率的上升会对银行产生不良影响，使得商业银行的不良贷款贷款增多，从而导致盈利能力变弱。
（七）实证结论分析
本文选取了2010到 2019年的数据，利用 VECM 模型分析了金融科技背景下互联网发展水平（ BID） 、成本收入比（CIR）、净利差（NIM）、不良贷款率（ NPL） 对于商业银行资产收益率的影响。其经过实证分析后，可以得出以下结论： （1）互联网发展水平对于商业银行资产收益率呈正相关影响。（2）在商业银行内部的因素中，成本收入比对于商业银行资产收益率的影响为短期正向影响再到长期负向影响，净利差与商业银行资产收益率呈现正相关影响，不良贷款率对商业银行资产收益率的影响呈现负相关。
三、应对对策及建议
本文利用2010-2019年十五家商业银行经营绩效的相关数据，对商业银行经营绩效与金融科技之间的关系进行实证分析。基于此，为商业银行盈利能力的提升提出相关对策及建议：
（一）调整战略定位
如今互联网发展水平的提高，使得相关金融科技企业招揽了大量的客户，因此，互联网的发展对传统商业银行的发展起到了不良影响，而客户越来越依赖便捷的在线和移动服务。如果商业银行不主动创新，只依赖物理网络服务，其盈利能力就会下降。因此，商业银行应主动服务于客户，不仅仅是优质客户，应该对小微企业进行主动服务，并主动调整战略定位。
（二）积极探索利用金融科技
金融科技给金融行业带来了积极的影响。我国商业银行应注重金融科技的发展，寻求专业人才，加大对金融科技在商业银行的方面的投入力度。同时，商业银行应充分利用其拥有的数据。建立大量大数据搜集和挖掘服务。目前商业银行收集的数据大多是结构化的。商业银行不应局限于结构化数据，应从语音文本等相关信息中寻找有信息。通过对大数据的应用，能够为客户提供更好的服务，且银行的金融产品也能进一步的创新。
（三）加强对金融科技的监管
金融科技的发展对商业银行的经营绩效产生积极的影响，但同时，也会给金融体系带来一定的风险，应该加强监督。目前，针对金融科技的监管，提出以下建议：
1.分清监管责任，建立和完善监管框架
針对当下的金融科技的状态，应坚守监管原则，逐渐建立和完善监管的框架。
2.利用科技手段提高监管能力
因为现在金融科技发展十分迅速，其机制和原理与原有的金融方式也有着很多大的区别，所以传统的监管方法已经不适用。相应的监管方法要及时变更，充分利用先进的技术手段进行监管。
参考文献：
[1]Richard Busulwa， Nina Evans.Digital Transformation in Accounting. 2020.
[2]李佳峰.中小企业如何把握数字化转型机遇[N].经济日报，2020-10-09（011）.
[3]郝身永，陈辉.互联网金融对传统商业银行的短期冲击与深远影响[J].上海行政学院学报，2015（02）： 96-104.
关键词：金融科技;经营绩效;VECM模型
金融科技是近年来宏观经济发展的战略重点，银行业开启数字化转型、顺应经济发展，在金融科技的影响下，促进银行业发展，其已成为银行服务实体经济的必然选择。现有研究往往聚焦于外部互联网金融发展对银行的冲击。有关银行经营绩效的研究忽略了金融科技的影响。少数涉及银行金融科技下经营绩效绩效研究的文献也仅限单一指标，对数字经济发展背景下的银行绩效研究尚不成熟。
一、变量选择及数据来源
本文将通过收集数据、建立模型，运用Eviews 10 软件进行分析VECM模型中互联网发展水平;不良贷款率;成本收入比;净利差与被解释变量资产收益率之间的关系。
（一）变量选择
本文的研究对象主要是国内15家上市商业银行，其原因是上市商业银行信息披露正常，数据公开透明;且其在市场上所占份额较大，具有一定的代表性。
1.被解释变量的选取
结合国内外的相关研究显示，银行经营绩效的衡量可有以下三个指标：资产收益率、资本收益率和利润率。本文将用资产收益率作为被解释变量。资产收益率是用来衡量每单位资产创造多少净利润的指标。资产收益率主要是为了衡量商业银行创造经营绩效的能力的强弱。如果资产收益率的比率越高，表示商业银行的资产创造的利润较高，其银行的盈利能力越强。
2.解释变量的选取
互联网金融发展水平主要反映了商业银行随着互联网技术的发展其自身互联网化程度。指的是银行网银交易额占总资产的比重，比值越高说明商业银行网银交易规模越大，互联网金融发展水平越高。
不良贷款率指的是金融机构不良贷款占总贷款的比重，是评价商业银行信贷资产安全状况的重要指标之一。该比率的值越小说明商业银行盈利能力越强，信用状况越好;反之，则说明商业银行面临的信贷风险很大。
成本收入比指的是银行营业费用与营业收入的比率，反映的是商业银行每获得一个单位的收入所要付出多少成本。该比值越低，说明该银行获取收入的能力越強;反之则越弱。
净利差指的是商业银行的净利息收入除以银行的总资产。净利差的比值越大，则表明商业银行系统效率越高。
（二）数据来源
本文将选取2010-2019年的数据。其相关解释变量均来自WIND数据库，各大商业银行官网。互联网发展水平、净利差、不良贷款率、成本收入比与资产收益率由中国银行、农业银行、工商银行、建设银行、交通银行等15家上市商业银行按照时间取其加权平均中位数得到代表值，进行实证分析。
二、实证研究
（一）平稳性检验
本文运用Eviews软件进行检验，对文章中出现的变量是否存在单位根进行证实证分析。检验结果表明：在5%的显著性水平下，BID、NIM、NPL、ROA、CIR的序列在不进行处理的情况下，都存在单位根。其次进行一阶差分检验，BID、NIM、NPL、ROA、CIR的一阶差分结果在5%的显著性水平均平稳。因此，本文主要分析BID、NIM、NPL、ROA、CIR这五个变量间的相互关系。
（二）协整分析
在上一步的研究结果之下，根据上一步的条件，可以得知五个变量在一阶差分之后都为平稳数列。因此，我们可以进行协整检验。根据协整秩的检验，我们可以得到模型的滞后阶数为4阶，因此可以在5%的水平上拒绝原假设，并可以确定滞后期为3期。因为所有变量有协整关系，所以可以构建VECM模型。
（三）格兰杰因果检验
Granger因果关系检验适用于分析经济变量之间的关系。在本文进行格兰杰检验之前，已经进行了单位根检验，并保证个变量之间具有平稳性。各变量之间的关系在进行格兰杰检验之后，互联网金融发展水平（BID）、成本收入比（CIR）、净利差（NIM）、不良贷款率（NPL）的P值都小于5%，由此可得知这五个变量通过了格兰杰检验。下面将构建VECM模型。
（四）VECM模型的构建
为了使原始数据不发生变化且得到长期序列关系，可建立VECM模型检验时间序列变量之间的长期均衡关系。因此，本文将建立模型滞后期为3 期的VECM模型。本文将采用EG-ADF两步法估计VECM模型，能够得到下列协整方程：
PROA=0.33+0.98PBID-0.08PCIR+0.001PNIM-3.14PNPL
经过以上调整之后，方程P中被解释变量与其他解释变量的值均在5%的显著性水平上拒绝原假设，所以该VECM模型的解释能力较强。
（五）VECM模型检验
VECM模型的检验可以分为两种：一阶差分的平稳性检验和残差的独立性检验。本篇论文首先采用的是残差检验;其次是平稳性检验，结果表明该系统的所有根都在单位圆上，满足平稳性条件。
（六）脉冲响应函数分析
对上述协整方程中的所有变量进行脉冲相应分析，我们可以得出以下相关结论：
互联网的发展水平（BID）对于商业银行的资产报酬率呈正相关。其原因是互联网技术的发展促进了互联网金融产业的发展，使商业银行拥有更多的提高盈利能力的方法。因此。商业银行的互联网发展水平越高，越有助于提升商业银行的资产收益率。
成本收入比（CIR）对于商业银行资产报酬率的影响为短期正向影响再到长期负向影响。其原因可能是在我国数字金融发展的初期，商业银行对于互联网技术的发展投入力度较大。虽然增加相关的成本，但商业银行拥有了相关金融科技的技术，这些技术使得商业银行拥有较强的盈利能力，增加了利润。因此，虽然短时期之间成本收入比与资产收益呈正相关，但是从长远发展的角度来看，其成本收入比与资产收益率将会呈负增长的趋势。 净利差（NIM）与商业银行的资产收益率是正向的影响。净利差越大表明平均生息资产收益和平均计息负债差距越大，利润回报越大，银行资产收益率就越高，同时也能够说明商业银行的盈利能力更强。
不良贷款率（NPL）与商业银行的资产收益率是负向的影响，表明不良贷款率的上升会对银行产生不良影响，使得商业银行的不良贷款贷款增多，从而导致盈利能力变弱。
（七）实证结论分析
本文选取了2010到 2019年的数据，利用 VECM 模型分析了金融科技背景下互联网发展水平（ BID） 、成本收入比（CIR）、净利差（NIM）、不良贷款率（ NPL） 对于商业银行资产收益率的影响。其经过实证分析后，可以得出以下结论： （1）互联网发展水平对于商业银行资产收益率呈正相关影响。（2）在商业银行内部的因素中，成本收入比对于商业银行资产收益率的影响为短期正向影响再到长期负向影响，净利差与商业银行资产收益率呈现正相关影响，不良贷款率对商业银行资产收益率的影响呈现负相关。
三、应对对策及建议
本文利用2010-2019年十五家商业银行经营绩效的相关数据，对商业银行经营绩效与金融科技之间的关系进行实证分析。基于此，为商业银行盈利能力的提升提出相关对策及建议：
（一）调整战略定位
如今互联网发展水平的提高，使得相关金融科技企业招揽了大量的客户，因此，互联网的发展对传统商业银行的发展起到了不良影响，而客户越来越依赖便捷的在线和移动服务。如果商业银行不主动创新，只依赖物理网络服务，其盈利能力就会下降。因此，商业银行应主动服务于客户，不仅仅是优质客户，应该对小微企业进行主动服务，并主动调整战略定位。
（二）积极探索利用金融科技
金融科技给金融行业带来了积极的影响。我国商业银行应注重金融科技的发展，寻求专业人才，加大对金融科技在商业银行的方面的投入力度。同时，商业银行应充分利用其拥有的数据。建立大量大数据搜集和挖掘服务。目前商业银行收集的数据大多是结构化的。商业银行不应局限于结构化数据，应从语音文本等相关信息中寻找有信息。通过对大数据的应用，能够为客户提供更好的服务，且银行的金融产品也能进一步的创新。
（三）加强对金融科技的监管
金融科技的发展对商业银行的经营绩效产生积极的影响，但同时，也会给金融体系带来一定的风险，应该加强监督。目前，针对金融科技的监管，提出以下建议：
1.分清监管责任，建立和完善监管框架
針对当下的金融科技的状态，应坚守监管原则，逐渐建立和完善监管的框架。
2.利用科技手段提高监管能力
因为现在金融科技发展十分迅速，其机制和原理与原有的金融方式也有着很多大的区别，所以传统的监管方法已经不适用。相应的监管方法要及时变更，充分利用先进的技术手段进行监管。
参考文献：
[1]Richard Busulwa， Nina Evans.Digital Transformation in Accounting. 2020.
[2]李佳峰.中小企业如何把握数字化转型机遇[N].经济日报，2020-10-09（011）.
[3]郝身永，陈辉.互联网金融对传统商业银行的短期冲击与深远影响[J].上海行政学院学报，2015（02）： 96-104.