互联网金融、利率市场化与银行期限错配

■张 博

一、引言

1999年美国贝宝（PayPal）公司首次将第三方支付与互联网货币基金相连接，从此开启了互联网金融的世纪元年。而我国互联网金融的发展直到2013年才进入实质性发展阶段，同年6月支付宝和天弘基金共同推出余额宝货币基金，截至2018年底该基金募集资金规模已达到1.13万亿元，用户数量超过5.88亿户。相较于银行存款，余额宝的收益率更接近于市场利率，其间接推动了存款利率市场化的进程。与此同时，中国人民银行分别于2013年和2015年放开了最低贷款利率和最高存款利率，尽管存贷款利率依然受到“窗口指导”的影响没有发生很大的波动（陈礼清和类承曜，2019），但我国利率市场化的改革应该说已经基本实现（吴晓求，2015）。此外，已有数据表明互联网金融产品导致商业银行存款搬家，作为商业银行传统的负债来源，存款竞争愈演愈烈（邱晗等，2018）。余额宝推出一年后，2014年底人民币存款增加9.48万亿元，同比少增3.08万亿元。与此同时，我国货币基金总额上升明显，2014年底货币基金总额为2.09万亿元，在一年多的发展时间里增长了将近7倍。截至2018年12月，各种理财产品市值占GDP的41.16%（战明华等，2020）。互联网金融的发展一方面改变着人们金融生活的习惯，同时也对原有的金融生态造成了冲击，特别是对银行的负债业务、中间业务和资产业务影响深刻，进而改变了银行的资产负债结构（郑志来，2015）。在深入探讨互联网金融、利率市场化与银行期限错配程度之间的内在关联的基础上，笔者将样本按照上市与非上市银行进行分类，进一步分析互联网金融与期限错配程度之间的关系。这一研究对制定互联网金融监管政策，推动互联网金融与传统金融优势互补，充分参与市场竞争，促进金融更好地服务实体经济具有参考价值。同时，也为商业银行更好地改善资产负债管理，监管部门根据不同类型银行因地制宜，有针对性的制定政策提供了理论指导。

二、互联网金融、利率市场化与银行期限错配之间的传导关系

（一）内在传导关系

1.互联网金融与利率市场化

欧美国家较早就实现了利率市场化进程，互联网金融发展的内容实质也与我国不尽相同，因此关于本文所探讨主题的研究文献主要集中在国内。目前我国的互联网金融大体可归于以下四类：网络融资、网络投资、第三方支付和网络货币（吴晓求，2015）。其中，网络融资和网络投资是对利率市场化影响最直接的，以余额宝为代表的互联网货币基金就是这两方面最好的代表。凭借较高且稳定的回报率，余额宝等互联网金融产品赢得了居民储蓄存款的青睐（郑志来，2015）。王国刚和张扬（2015）认为余额宝等互联网金融产品会利用商业银行对大额存款的需求，将主要资金以协议存款的方式投向银行间市场。一方面，为居民提供了投资银行间市场的渠道，可以获得更高更稳健的收益；另一方面，有助于纠正市场利率扭曲，使名义利率接近实际利率，但同时也抬升了银行的负债成本。互联网金融发挥的“鲶鱼效应”有效地推动了我国存款利率市场化的进程（夏政，2015）。吴诗伟等（2015）梳理了我国2005-2014年13家商业银行的面板数据，运用广义矩估计实证分析了利率市场化、互联网金融与商业银行风险之间的关系。研究结果表明，利率市场化直接推高商业银行破产风险，同时互联网金融进一步推动了商业银行利率市场化进程。由于该文发表的时间较早，研究的时间区间主要处于互联网金融发展的第二阶段（2005-2012），即第三方支付蓬勃发展阶段（郑联盛，2014），而互联网金融实质性的业务发展阶段是2013年以后，中国人民银行分别于2013年和2015年放开了最低贷款利率和最高存款利率。由于时间的局限性从而存在信息遗漏的可能，笔者从研究的时间和样本数量做了完善补充，更好地说明互联网金融同利率市场化之间的关系。

2.利率市场化与银行期限错配

一些国外学者认为，在传统金融服务网络延伸阶段，互联网金融可以有效地提升商业银行的技术水平、改善其工作效率，并显著降低管理成本。根据“委托代理理论”，当管理成本下降、盈利水平提高时，商业银行将风险转嫁给存款人的动机减弱（Repullo，2004），银行存在期限错配的可能性也相应下降。但随着互联网金融的发展，间接推动了存贷款利率市场化的进程，导致商业银行存款搬家，再以大额存单的方式进入银行系统，竞争加剧的同时抬高了银行的资金成本，进而收窄银行利差。根据“竞争脆弱性理论”指出，竞争加剧会导致银行特许权价值（Franchise Value）下降，进而激励其承担更多风险（Allen&Gale，2000）。为了补偿利差损失，银行倾向于选择长周期、高风险的业务，特别是大量经过创新的同业业务，进而导致银行资产负债期限错配程度的加深，在这个过程中银行资产负债结构发生了显著的变化。

对于该问题，国内学者也做了大量的研究，裘翔（2015）在银行净利差决定模型中加入期限错配的特征，对2005-2012年我国100余家银行进行实证检验，研究结论表明银行净利差与期限错配呈反向关系，由于期限错配的风险得不到充分补偿，随着利率市场化进程的推进，银行系统稳健性受到挑战。郭品和沈悦（2015）利用银行风险承担模型，以2003-2013年我国36家商业银行为研究样本，探讨了互联网金融与商业银行风险承担之间的关系，研究表明互联网金融发展初期有利于银行降低管理费用，风险下降，但随后互联网金融会增加银行运营成本，风险上升。邱晗等（2018）的研究也得出了类似的结论：金融科技的发展间接推动了利率市场化的发展，改变了银行负债端的结构组成。以上三篇文章的结论支撑了笔者的核心观点，考虑发表的时间较早，笔者对研究的时间区间和数据做了补充更新，并对研究方法进行了完善。

（二）异质性的分析

公司治理的现代理论起源于Berle&Means（1932）的开创性研究，他们关注企业的契约性质和委托代理问题，研究认为相较股东利益最大化，公司管理者往往将追求个人利益最大化放在首位。在此研究的基础上，推动了经济学中代理理论的发展（白重恩等，2005）。委托代理理论的现实意义主要在于：对上市银行而言，信息充分公开透明，作为委托人的投资者在整个过程中扮演了监督者的角色，以确保作为受托人的经营管理者有效规避道德风险，为上市银行创造最大价值的同时，确保银行运营的稳健。尽管利率市场化导致银行利差缩窄，商业银行有动机寻求增加利润的方式，但监管机构要求上市银行及时、充分和准确的提供银行经营状况、财务状况和外部环境的相关信息，有效的信息披露制度便于投资者的监督，公开透明的方式也规避了银行为了高额利润的诱惑而加深资产负债期限错配的可能；此外，非上市银行受监管程度低于上市银行，故有更大的动机配置长周期高风险的资产，产生期限错配。

国内外已有文献极大地丰富了互联网金融、利率市场化与银行期限错配的研究，为后人继续开展相关工作奠定了坚实的基础。但对于数据的补充、三者之间内在的传导关系以及实证分析，仍有深化分析的空间。另外，互联网金融和利率市场化对不同类型商业银行期限错配影响的差异还需更明晰。基于以上考虑，对互联网金融、利率市场和银行期限错配的内在传导关系进行了梳理，并放在一个体系框架内开展实证分析。

三、研究设计

（一）基本假设

根据前文传导关系分析，提出以下三个假设。

假设1：互联网金融对利率市场化发展进程有正向的推动作用。

假设2：从动态视角来看，互联网金融对商业银行期限错配的影响呈现先升后降的倒“U”型趋势①本文采用流动性错配指数作为银行期限错配的代理变量，指数越小表示银行错配程度越大。。即发展初期互联网金融主要通过“提升技术水平、改善工作效率、降低管理成本”渠道作用于商业银行，但随着互联网金融的发展，间接推动了存贷款利率市场化的进程，竞争加剧并抬高了银行的资金成本，由于经营利差缩小，银行倾向于选择长周期、高风险的业务，进而导致银行资产负债期限错配程度的加深。

假设3：从横向来看，互联网金融和利率市场化对不同类型（上市、非上市）商业银行期限错配的影响具有异质性。相比于上市银行，互联网金融和利率市场化对非上市银行期限错配的程度影响更加显著。

（二）计量模型

为验证假设1，设定如式（1）所示的计量模型。

式（1）中，IRLt为年份t的利率市场化指数，IFt为年份t的互联网金融指数，Xit为系列控制变量，α2表示相应的系数，λi为银行的个体效应，νt表示时间效应，εit为随即干扰项。

为验证假设2，设定如式（2）所示的计量模型：

综合国内外文献内容，考虑到银行期限错配有惯性，存在路径依赖。因此，加入银行期限错配的一阶滞后项，以控制模型可能存在的动态效应。其中，下标i表示各家银行，下标t表示年份。CBLMIit是被解释变量，表示商业银行的期限错配程度；IFt和IRLt为本文的核心解释变量，分别表示互联网金融指数和利率市场化指数；Xit代表其他一系列控制变量，β5表示相应的系数，λi为银行的个体效应，νt表示时间效应，εit为随即干扰项。

为验证假设3，设定如式（3）和（4）所示的计量模型，分别用来分析互联网金融对上市和非上市银行的影响。

根据前述分析，预期γ3和δ3显著为正，γ4和δ4显著为负，且δ3＜γ3；此外，预期δ2对被解释变量的影响程度显著高于γ2。

由于式（2）、（3）和（4）包含了被解释变量滞后项作为解释变量。因此，实证方程可能存在变量内生性的问题，传统面板数据估计方法会使结果出现偏差。采用广义矩估计（GMM）方法，该方法不需要知道随机误差项的准确分布信息，而且允许数据存在异方差和序列相关，可借助合适的工具变量有效解决内生性问题，使估计系数偏误性显著降低。

（三）变量定义

1.商业银行期限错配程度的度量

关于银行期限错配程度指标的测算，国外一些学者开展了很有价值的研究。采用Brunnermeier et al.（2011）、Bai et al.（2018）提出的流动性错配指数（LMI）作为银行期限错配程度的代理变量，并在此基础上，结合我国商业银行的实际情况，构建模型中的核心解释变量CBLMIit。当CBLMIit＜0时，商业银行处于流动性不足状态；当CBLMIit＞0时，商业银行处于流动性充盈状态。流动性错配指数与期限错配程度负相关，流动性错配指数越大，意味着银行流动性风险越小，期限错配的程度越低。

表1 银行业务科目流动性划分及权重

具体而言，Bai et al.（2018）在前人的研究基础上进一步提出了流动性错配指数（LMI）的计算过程，他对银行报表中每一个会计科目赋予一个流动性敏感系数，而不同资产或负债的流动性敏感系数与其自身的期限密切相关，因此流动性错配指数可以用来测度商业银行期限错配程度，它是一个非常适合的代理变量，使得流动性错配指数（LMI）更具合理性。参考Berger&Bouwman（2009）提出银行资产负债表中的科目按流动性程度分为不流动、半流动性和高流动性三类，并赋予相对应的权重（见表1）。然后通过公式将其加总计算，就可以得出流动性错配指数，衡量商业银行资产负债期限错配的程度。假设商业银行资产科目的权重分别为λt，ak。其中，t表示年份，ak表示商业银行资产科目；同样，商业银行负债科目的权重分别为λt，1k′。其中，t表示年份，lk′表示商业银行负债科目。王然（2017）指出每家商业银行的流动性错配指数（LMI）会受到银行规模大小的影响，所以要剔除银行总资产的影响，得到LMI′=LMI/总资产。

商业银行流动性错配指数计算公式如下：

2.利率市场化指数的度量

关于利率市场化程度指标的测算，国内外一些学者开展了很有价值的研究。为了更好地反映我国利率市场化程度，采用王舒军和彭建刚（2014）的方法，首先从存贷款利率、货币市场利率、债券市场利率和理财产品收益率四个方面，建立由12项指标构成的测度利率市场化水平的指标体系，然后对中国利率市场化改革历程按照时间进行梳理，从1986年允许四大行相互拆借资金，资金拆借期限和利率由借贷双方协商决定开始，到2019年全国银行间同业拆借中心发布贷款基础利率（LPR），按每项政策①限于篇幅，本文没有将中国利率市场化改革历程（1986～2019）列出，感兴趣的读者可向作者索取。对利率的市场化影响的程度给予赋值（见表2），最后对数据进行加权汇总（见表3），从而构建中国利率市场化指数（见表4）。

从计算结果来看，利率市场化程度已经处于较高水平，从2011年始，我国的利率市场化指数逐年增加，2017年达到近8年的峰值，但近几年由于受金融监管政策的影响，利率市场化指数在2018年出现小幅下降。尽管受政策调整出现过阶段性波动的情况，但我国利率市场化整体上呈现快速发展的趋势。

表2 各指标赋值规则

表3 指标及指标权重

3.互联网金融指数的度量

笔者运用北京大学数字金融研究中心基于蚂蚁金服用户数据，构建的地市级数字金融普惠指数作为互联网金融发展指标的代理变量。该指数采用了蚂蚁金服的交易账户底层数据，包括覆盖广度、使用深度和数字支持服务程度三方面，具有相当的代表性和可靠性。覆盖广度主要通过电子账户数等来体现；使用深度依据实际使用互联网金融服务的情况来衡量；数字支持服务方面，便利性和成本是影响用户使用金融服务的主因。

4.控制变量

表5 控制变量的说明与定义

现有文献表明，互联网金融的发展、宏观经济发展、微观行业特征等因素均不可避免地影响了商业银行期限错配的产生。因此，关于控制变量选择，笔者考虑了微观和宏观两个层面的因素。银行微观个体层面的因素包括：资产收益率（ROA），资本充足率（CAR）和银行取对数后的资产规模（SIZE）。宏观控制层面的因素包括：各银行总行所在地市的人均GDP（RGDP）、宏观经济水平（GDP）、货币供应量（M2）和股市发展状况（STOCK）。

（四）数据来源

文中重点研究互联网金融、利率市场化和银行期限错配三者之间的传导关系。考虑相关数据的可得性，本文选择了95家已经披露完整财务信息的内地银行作为样本。其中，包括36家已经上市的商业银行、59家非上市的股份制商业银行和城市商业银行。样本选取的时间跨度从2009年12月31日至2018年12月31日，均使用年度数据。数据来源为中国经济社会大数据研究平台、Wind数据库、各银行公开的年报和北京大学数字普惠金融指数。

四、实证分析

（一）变量描述性统计

从表6的描述性统计结果可知，我国商业银行期限错配程度的平均值为0.342434，95家样本中的最大值和最小值分别为0.58和0.09，银行之间存在较大差异。其中，非上市银行期限错配程度较高，平均值为0.338962，高于银行业的平均水平；已上市银行期限错配程度的平均值为0.348125，略低于行业平均值。

（二）实证回归结果与分析

表6 变量描述性统计

1.变量平稳性检验

为了确保回归结果的有效性，需要对动态面板模型的数据的平稳性进行单位根检验，因此对银行层面的变量进行LLC和PP检验。结果显示互联网金融指数和与银行相关的变量均显著，排除模型存在“伪回归”的可能。

2.互联网金融对利率市场化影响的实证分析

因采用的是平衡面板数据，考虑到个体效应的存在，故采用固定效应模型进行回归分析，并进行相应检验。表7报告了假设1的回归结果。在所有回归变量中，互联网金融指数、银行规模、资产收益率、资本充足率、人均GDP、宏观经济水平和股市发展状况对利率市场化都有较为显著的影响。其中，互联网金融指数的系数为0.0019，且在1%的水平下显著，说明随着互联网金融的发展，市场利率越发接近实际利率，对利率市场化的进程具有积极推动作用。银行规模的系数为-0.0418，且在1%的水平下显著，说明随着资产规模的增大，利率市场化会带来银行收益的不确定性，银行缺乏改革的动力。资产收益率的系数为0.0394，且在1%的水平下显著，表明资产收益率越高的银行，有实力和动力进行改革。资本充足率的系数为0.0394，且在1%的水平下显著，该指标用于监测银行抵御风险的能力，资本充足率高说明银行的运营更加稳健，有能力推动利率市场化。人均GDP和宏观经济水平与利率市场化均负相关，且在1%的水平下显著，表明地方政府在经济发展较好时期，倾向于保持稳定，缺乏推动银行变革的动力。股市发展状况与利率市场化正相关，且在1%的水平下显著，股市繁荣期间说明上市银行盈利能力强，不良贷款率低，有空间和实力推动利率市场化改革。为了保证结果的稳健性，用宏观变量货币供应量（M2）替代宏观经济水平（GDP）再次进行分析。从回归结果来看，核心解释变量互联网金融指数系数为0.0022，在1%的水平下仍然显著。除银行规模外，其余控制变量均显著且方向不变。

表7 互联网金融对利率市场化的影响分析

3.互联网金融和利率市场化共同影响银行期限错配的实证分析

表8报告了假设2的回归结果。考虑到银行期限错配可能存在一定的惯性，在模型中加入被解释变量的一阶滞后项后，采用DIFF-GMM对模型（2）进行估计。GMM有助于解决内生性问题，其成立的前提为差分方程中不存在二阶和以上的自相关，工具变量符合严格的外生性，因此需要进行Arellano-Bond序列相关检验和Sargan检验。表8的结果表明，GMM的前提条件成立，互联网金融指数（IF）对商业银行流动性错配指数（CBLMI）的影响，以及一阶滞后项的估计系数均显著为正。此外，发现互联网金融指数的二次项（IF2）系数在1%水平下显著为负，这一结果验证了互联网金融指数与商业银行期限错配呈现倒“U”型关系。因为银行期限错配程度用流动性错配指数表示，数值越小表示期限错配程度越大，所以互联网金融发展初期能够减弱银行期限错配程度，但随着互联网金融的发展，银行期限错配程度上升。在更换控制变量后，互联网金融一次项和二次项系数均未发生变化，模型结果依然稳健，进一步证实了假设2。

根据模型（2）可知互联网金融二次函数的最大值为238.878327，该值略大于2016年的互联网金融指数均值，但小于2017年的均值。由于模型（2）是一条开口向下的抛物线。本文初步判定，2011-2016年这一时期的互联网金融通过网上银行这一在线渠道帮助商业银行突破时空限制、提高办事效率、降低服务成本，减弱了商业银行产生期限错配的意愿。但2016-2018年，互联网金融通过分流活期存款并以协议存款的方式重新进入银行，抬高了银行负债端的成本，利差的收窄迫使商业银行增加长周期高风险业务的配置以维持利润，在这一时期，互联网金融的冲击加剧了商业银行期限错配程度。传导关系和实证分析均表明，互联网金融对商业银行期限错配的影响并非简单的线性关系，而是呈现出先升后降的倒“U”型走势。另一个核心解释变量利率市场化水平（IRL）的系数显著为负，结果弱相关，这与李宏瑾（2015）的研究一致，利率市场化后导致银行利差收窄，商业银行有充分的动机扩大信贷投放规模，特别是长周期、高风险、高收益的信贷类资产，“抬高资金成本”效应会增加商业银行期限错配程度。

表8 95家商业银行实证分析结果

控制变量的回归结果也基本符合已有研究。货币供应量增速（M2）系数结果显著为负，意味着我国货币政策并非中性，积极的货币政策会提高商业银行的期限错配程度。资产收益率（ROA）的回归结果系数为负但不显著，原因可能在于资产收益率是比率指标，不能充分反映资产和收益对银行期限错配的影响。银行规模（SIZE）系数在1%的水平下显著为负，原因可能在于随着商业银行资产规模的增长，特别是大型银行更容易在短期内积聚风险，形成的期限错配程度要远高于小型银行。资本充足率（CAR）的回归结果显著为正，资本充足率是按照《巴塞尔协议Ⅲ》的要求，目的是监测银行抵御风险的能力，结果说明该指标可以有效降低商业银行期限错配的程度。人均国内生产总值（RGDP）和国内生产总值增长率（GDP）结果均不显著，可能的解释是整个银行体系越来越独立于宏观经济，2013年连续发生由于银行系统期限错配严重导致的“钱荒事件”，但我国宏观经济状况运行良好，因此传统的从宏观经济层面来解释银行稳健性问题随着环境的变化需要重新审视。

为进一步检验结论的稳健性，采用股市发展状况（STOCK）替换原有的宏观控制变量人均国内生产总值（RGPC）。结果显示，互联网金融和利率市场化对银行期限错配的影响结果依然显著，且模型通过了Arellano-Bond序列相关检验和Sargan检验，表明GMM的估计结果是有效的。

五、异质性分析

调整样本范围进行异质性检验，基准模型的样本包括国有商业银行、股份制商业银行和城市商业银行等在内的95家商业银行，按照商业银行是否已经成为上市公司作为调整样本范围的标准，对模型进行重新估计并进行稳健性检验，即未上市的59家商业银行和已经上市的36家商业银行。表9和表10报告了假设3的回归结果。结果显示，核心解释变量互联网金融指数（IF）系数在1%的水平下均显著为正，互联网金融指数的二次项（IF2）系数在1%的水平下均显著为负，说明样本分类调整后的回归结果与假设2的结果保持一致，验证了互联网金融与商业银行期限错配的倒“U”型关系。将两类样本相比较的结果表明，相较于上市银行，互联网金融对非上市银行产生的期限错配程度更为显著，这与假设3的预期相一致。此外，另一个核心解释变量利率市场化指数（IRL）在59家非上市银行的实证分析结果中显著为负，但在36家上市银行的实证分析结果并不显著，这也从另一个侧面验证了假设3。以上回归分析在更换控制变量后，核心解释变量的结果依然稳健。

表9 36家上市商业银行实证分析结果

表10 59家非上市商业银行实证分析结果

六、结论与政策建议

从互联网金融的视角出发，基于我国95家商业银行从2011年末到2018年末的平衡面板数据，分析了互联网金融、利率市场化和银行期限错配三者之间的传导关系，在此基础上按照上市银行和非上市银行进行了样本区分，并作异质性分析。结论包括以下三个方面。

第一，互联网金融的发展实质上推动了一种变相的利率市场化，并推动政府出台相关利率市场化政策，导致负债端的零售型存款比例下降，由于我国商业银行资产负债的手段相对单一，使得银行负债端越来越依赖于同业拆借等批发性资金，成本上升的同时借贷利率和净息差都有所下降，进而改变了银行的资产负债结构。负债端结构的改变导致银行资产端风险承担偏好上升，即银行选择了周期更长，风险更高的资产来弥补负债端成本上升所造成的损失，导致银行期限错配程度的加深。第二，2011-2016年这一时期的互联网金融通过提高技术水平、提高办事效率、降低服务成本，减弱了商业银行产生期限错配的意愿。但2016-2018年，互联网金融通过分流活期存款并以协议存款的方式重新进入银行，抬高了银行负债端的成本，利差的缩窄迫使商业银行增加长周期高风险业务的配置以维持利润，互联网金融的冲击加剧了商业银行期限错配程度。影响机制和实证分析均表明，从动态的角度来看，互联网金融对商业银行期限错配的影响并非简单的线性关系，而是呈现出先升后降的倒“U”型走势。第三，通过异质性研究得出结论：相较于上市银行，互联网金融和利率市场化对非上市银行产生的期限错配程度更为显著。原因在于对上市银行而言，监管部门要求更严格的财务信息披露规则和公司治理的强制性法令，信息公开透明。作为委托人的投资者在整个过程中扮演了监督者的角色，以确保作为受托代理人的经营管理者有效规避道德风险。而非上市银行受外部监管程度低于上市银行，故有更大的动机去配置长周期、高风险的资产，进而产生期限错配。

根据上述结论，提出以下政策建议：第一，政府应该鼓励互联网金融发展，深入研究互联网金融如何服务好资金价值链的上下游客户，充分发挥其“鲶鱼效应”，间接推动银行业的改革创新。严防各类风险的同时，将互联网金融纳入到金融监管体系，并提出明确的监管思路、规则和框架。第二，要合理引导现有商业银行转型升级，将互联网金融与传统金融优势互补，建议商业银行大力发展网上银行和电子银行等互联网业务，利用自身网点覆盖范围广，客户认可度高的特点，推动银行线上线下融合，充分参与市场竞争。第三，规范银行同业业务。对于银行同业业务的管理需要建立完整的管理机制，对以套利为目的，资金在体系内空转的业务进行严格限制。引导同业非标业务逐步向标准化业务转变，增加标准化信贷资产的比例，为商业银行主动调节资产结构创造条件。第四，完善银行业监督机制。应根据不同类型的商业银行采取差异化管理策略。鉴于上市银行经营的稳健性和治理水平更高，应将上市银行严格的财务信息披露规则和公司治理的强制性法令广泛推广，使商业银行普遍接受投资者的监督，有效规避道德风险。第五，推进金融体制改革。过度依赖批发性融资会增加商业银行的潜在风险，这就需要我国逐步推进真正的利率市场化改革，使存款重新具有竞争力，让资金从银行间市场回流传统的存款市场。加快利率市场化的改革，给予金融机构完全市场化的地位，促进金融更好地为实体经济服务，使金融真正回归本源。