金融科技对普惠金融“悖论”的影响 ——基于中国银行业风险承担水平的证据

龚晓叶 李颖

(1.重庆工商大学工商管理学院，重庆 400067；2.深圳市投控资本有限公司，广东 深圳 518048)

一、引言

金融科技(FinTech)是互联网、大数据、云计算、人工智能、区块链等新兴信息技术驱动的金融创新，通过创造新的业务模式与技术应用，对金融市场、金融机构和金融服务提供造成显著影响(FSB，2016)[3]。近年来，金融科技在全球兴起，带来信息技术与金融行业的新一轮融合。金融科技的形态也从电子金融、互联网金融发展至智能金融阶段，并催生出开放银行(open bank)、财富科技(WelthTech)、保险科技(InsurTech)等新兴金融业态。在技术引领、资金推动和政策鼓励下，我国金融科技产业得到充分发展。2018年我国金融科技投融资金额达255亿美元，几乎占据全球一半份额1，金融科技成为我国金融业发展中新的制高点(郑南磊，2017)[32]。

以往相关研究聚焦于金融科技创新如何影响商业银行风险承担水平以及金融科技如何促进普惠金融发展。一方面，金融科技产业的迅猛发展对传统金融业尤其是商业银行的发展战略、客户渠道、融资方式等方面产生重大影响(宫晓林，2013)[7]。总体上看，互联网、人工智能、大数据等技术应用在提升金融机构效率、缓解信息不对称等方面发挥了积极作用，但新技术催生的新业态也导致了金融机构业务属性模糊、资金成本被动抬高、监管套利带来道德风险等诸多问题，给金融监管带来新的挑战(陈娟和熊伟，2019；王聪聪等，2018；袁康和邓阳立，2019；李敏，2019)[5][23][28][17]。另一方面，金融科技企业在传统金融难以覆盖的领域提供金融服务，通过覆盖“利基”市场，服务“长尾”人群，降低了金融服务的门槛，扩大了金融服务的边界范围，提高了金融服务的可得性。早在2016年的G20国际峰会上，我国就提出利用金融科技推动普惠金融发展的倡议。金融科技在我国被寄予了促进普惠金融发展的厚望。

但相关研究有以下问题亟待厘清：一是不同类型的金融科技创新如何影响商业银行风险承担水平。以往研究主要集中在互联网金融如何影响商业银行的风险承担行为。但随着金融科技创新内涵的不断丰富，金融科技业态逐渐分化为以互联网金融为代表的“Fin+Tech”模式，和以技术赋能为特征的“Tech+Fin”模式。基于金融功能观的视角，前者属于金融中介范畴，其作用是面向公众发挥投融资、支付清算等金融功能，并在用户体验等方面发挥独特优势；后者属于企业服务范畴，其并不直接面向公众，而是面向银行等金融机构提供服务，旨在帮助其提升效率与体验，降低成本与风险。因此，需要甄别不同类型的金融科技创新对商业银行的影响。二是金融科技是否破除普惠金融“悖论”。发展普惠金融需要同时满足金融服务的可得性(即为“普”)、可负担性(即为“惠”)以及普惠金融机构的商业可持续性(即为“金融”而非“转移支付”)。但传统普惠金融机构的商业可持续性与金融服务的普惠性存在一定矛盾，带来模式漂移等问题(赵建，2018)[30]。“普惠性”与“商业可持续性”难以兼得，是信息不对称下无差别扩大金融服务范围所致(陆磊，2014)[19]。金融科技企业相对传统金融机构在数据、信息的收集与处理方面存在优势，有利于缓解信息不对称，为破除普惠金融“悖论”提供了重要思路。

从普惠金融的角度切入，本文将分析金融科技对银行风险承担的影响；并实证检验金融科技是否真正通过破除普惠金融“悖论”降低商业银行的风险承担，还是仅仅通过监管套利将相关隐性成本转嫁给商业银行，提高了商业银行的风险承担。在普惠金融背景下，研究金融科技企业对商业银行的影响具有非常重要的理论与现实意义。

二、文献综述

(一)金融科技如何影响商业银行风险承担

传统上，商业银行风险承担行为受到银行资本(徐明东和陈学彬，2012；江曙霞和陈玉婵，2012)[26][14]、货币政策(张雪兰和何德旭，2012；方意等，2012)[29][6]、影子银行(胡利琴等，2016)[13]、利率市场化(项后军和闫玉，2017)[25]、同业监管套利(于博和吴菡虹，2020)[27]等因素的影响。近年来，随着金融科技的发展，其对商业银行风险承担的影响得到学者关注。学者们主要是从银行业竞争的角度研究上述命题，认为金融科技沿袭了互联网金融为银行业引入“鲇鱼效应”(乔海曙和李颖，2014；郭品和沈悦，2015；郭品和沈悦，2015)[20][11][12]的特点，撬动了利率市场化水平(汪可，2018)[22]，加剧银行间对优质客户的竞争，提高了银行风险承担水平。如孙旭然等(2020)[21]指出金融科技发展加剧了银行竞争，并推动银行信用结构和期限结构的调整，提升了银行的风险承担水平。但金洪飞等(2020)[15]通过筛选如“大数据风控”“反欺诈模型”等关键词，构建了商业银行金融科技运用指数，发现商业银行对金融科技的运用降低了其风险承担水平，得出了与上述文献相反的结论。

上述研究结论存在一定矛盾，主要是因为不同学者对金融科技的理解存在差异。实际上，金融科技对银行业的影响存在“双刃剑”效应。从对银行业务端的影响看，金融科技的“鲇鱼效应”更加突出；从对银行技术端的影响看，金融科技的“技术溢出”效应更明显。此外，金融科技具有第三方依赖突出、网络安全隐患加剧、法律真空与监管套利等操作性风险。从宏观层面看，其可能增强金融系统的顺周期性，造成市场过度波动、加快风险传播速度，对监管机构带来挑战(FSB，2016；李文红和蒋则沈，2017)[3][18]。金融科技企业无需申请金融牌照即可开展金融业务，在与金融机构的竞争中占据监管套利带来的优势，这也是金融科技企业早期快速发展的重要驱动因素。此外，金融科技企业低利润率、轻资产、高增长的特征(赵鹞，2016)[31]，也让信息科技风险、操作风险更为突出，造成潜在系统性风险。

综上，金融科技可能成为银行风险承担的新渠道。上述文献均是将金融科技企业作为商业性金融机构看待，忽略了其“小额、分散、普惠”的重要性质。因此，从普惠金融视角研究金融科技对商业银行风险承担的影响，是对上述相关研究的有益补充。

(二)普惠金融“悖论”与银行风险承担

1.普惠金融“悖论”

发展普惠金融旨在解决金融排斥、提高金融包容，以可负担的成本为有金融服务需求的小微企业和低收入人群提供适当、有效的金融服务(中国人民银行和中国银行保险监督管理委员会，2019)[33]。学者们主要从以下方面论证传统金融机构发展普惠金融存在“悖论”：一是资金来源与资金运用的双重“普惠”存在“悖论”。金融服务的需求方(贷款人或小微企业)希望以低成本获得金融服务，而金融服务的实际供给方(即存款人或投资者)则希望以高收益提供金融服务，即资金来源与资金运用的双重“普惠”带来的矛盾(陆磊，2014)[19]。二是普惠金融“目标偏移”带来的悖论。一方面，金融包容与商业可持续难以平衡，可能偏离普惠的目标。在偏远地区和农村地区，人均收入低，产业结构单一，基础设施落后，金融服务提供者难以盈利。在城镇地区，金融服务提供者也面临着信息不对称、抵押物缺乏、信用信息不全、服务成本高等问题(中国人民银行和中国银行保险监督管理委员会，2019)[33]。此外，相关研究也指出，受资源配置效率低下、农村贷款“精英俘获”以及金融知识匮乏等影响，银行服务包容性的提高没有反映出明显的益贫性(李建军和韩珣，2019)[16]。金融包容与商业可持续的目标存在一定冲突。另一方面，无差别扩大普惠金融的受众，可能让普惠金融异化为转移支付手段，存在成本承担者和获利者(王颖和曾康霖，2016)[24]。基于此，传统金融机构可能在发展普惠金融的过程中承担了隐性成本。

2.普惠金融与银行风险承担

国内外大部分文献论证了普惠金融在促进家庭福利和经济增长中的积极作用，但很少有文献涉及普惠金融对银行风险承担的影响。国外相关文献指出了普惠金融对于银行稳定性的影响并不确定。正面影响方面，通过接触更多客户，银行可以获得充足的廉价零售存款，同时减少对不稳定的批发融资的依赖(Demirgüç-Kunt and Huizinga，2010)[2]。增加与客户的接近程度可以帮助银行减少信息不对称，并创造更具创新性、价格合理且低成本的融资模式，降低边际成本。因此，更广泛的银行客户群将银行资产负债表扩展到新的业务领域，使其风险更加多元化，并具有抵御意外损失的弹性(Ahamed and Mallick，2019)[1]。负面影响方面，Khan(2011)[4]指出无差别地扩大金融包容范围会降低银行借贷标准。这也是次贷危机发生的重要原因之一。因此，具体到我国的情况，普惠金融如何影响银行风险承担需要进一步进行 论证。

三、理论分析与研究假设

(一)普惠金融与商业银行风险承担

商业银行针对普惠金融群体尚未建立完善的风险定价机制，制约普惠金融发展的成本收益不对称问题也尚未解决(中国人民银行和中国银行保险监督管理委员会，2019)[33]，这就凸显了扩大金融包容与维持商业可持续性之间的“悖论”，普惠金融服务可能呈现出高风险、高成本和低收益的特征。具体而言，普惠金融服务的风险定价由资金成本、运营成本和风险溢价构成(谷澍，2019)[8]。资金成本方面，商业银行开展普惠金融业务，可以接触更多客户并获得一定的零售存款，减少对不稳定的批发性融资的依赖，增强资金来源的多元性和稳定性，有利于降低资金成本。运营成本方面，商业银行通过在金融服务欠发达地区铺设物理服务网点，打通金融服务“最后一公里”，降低了交易成本，提高了金融可得性。但上述金融基础设施的搭建会耗费大量的银行资本，提高运营成本，对应的收益却存在较大不确定性和滞后性。风险溢价方面，普惠金融的服务对象具有抵押物缺乏、信用信息不全等特征，信息不对称带来的风险溢价程度较高，推高了银行的服务难度。

因此，尽管商业银行开展普惠金融业务将获得资金多元化带来的收益，但也面临较高的运营成本和风险溢价，难以从理论上判断普惠金融对商业银行风险承担的综合影响。当商业银行可以实现收益覆盖风险、保本微利的风险定价机制时，发展普惠金融有利于降低其风险承担水平；当商业银行形成高利率覆盖高风险的风险定价机制时，其不具有商业可持续性，发展普惠金融将会提高其风险承担水平。此外，银行在规模上的异质性也对其普惠金融服务的风险定价机制产生影响。表1对不同规模银行的普惠金融服务定价机制进行了分析。大型银行主要在控制运营成本方面具有相对优势，通过实施普惠金融贷款内部资金转移定价等优惠政策，可以进一步完善成本分摊和收益分享机制(中国人民银行和中国银行保险监督管理委员会，2019)[33]，提高其商业可持续性。

因此，本文提出如下假设：

假设1：整体上看，商业银行发展普惠金融对其风险承担水平的影响并不确定。当商业银行可以实现收益覆盖风险、保本微利的风险定价机制时，发展普惠金融有利于降低其风险承担水平；反之，发展普惠金融将会提高其风险承担水平。

假设2：发展普惠金融提高了银行的运营成本，这对银行风险承担产生了间接的激励。大型银行相对中小银行在控制运营成本方面具有优势，抬升运营成本对大型银行风险承担的间接激励小于中小银行。

(二)金融科技、普惠金融与商业银行风险承担

从金融科技发展的不同阶段看，其与商业银行之间大致呈现了“补充 竞争 竞合”的态势。金融科技发轫于对传统金融的“补充”。金融科技企业在传统金融难以覆盖的领域提供金融服务，通过覆盖“利基”市场，服务“长尾”人群，降低了金融服务的门槛。随着金融科技发展普惠金融的不断深入，金融科技涉足传统金融领域与其展开“竞争”的现象愈发明显。尤其是以互联网金融为代表的“Fin+Tech”模式带来的银行“存款搬家”，将金融科技对商业银行的冲击推到了顶峰。现阶段，金融科技与商业银行不仅存在竞争，越来越多基于“Tech+Fin”模式的金融科技企业选择与商业银行在数字化、信息化、智慧化等方面进行合作。

表1 商业银行普惠金融服务风险定价机制

因此，从普惠金融的视角看，金融科技对商业银行风险承担存在“双刃剑”效应(见表2)。一方面，基于“Tech+Fin”模式的金融科技企业，在和商业银行合作发展普惠金融的过程中，可以利用大数据、云计算、人工智能等技术提高商业银行风控水平、降低获客成本。其中，互联网技术的运用有利于银行减少对物理网点的依赖，降低运营成本；替代性数据的有效利用有利于控制风险溢价，进一步提高银行的商业可持续性。这就用技术来缓解了普惠金融悖论，降低了银行的风险承担水平。另一方面，“Fin+Tech”模式下的金融科技企业高定价的产品特征对银行产品定价形成压力，一定程度上带来银行存款搬家的竞争性挤出效应，倒逼银行提高其资金成本。银行资金端成本上升向资产端传导，可能提升其风险溢价水平。商业银行在“Fin+Tech”类金融科技企业开展业务的过程中可能提高了自身的风险偏好。

因此，本文提出如下假设：

假设3：整体上看，由于“双刃剑”效应的存在，金融科技是否有助于缓解普惠金融“悖论”并不确定。在技术赋能为特征的“Tech+Fin”模式下，技术溢出效应有助于缓解普惠金融“悖论”，降低商业银行的风险承担水平；在互联网金融为代表的“Fin+Tech”模式下，客户挤出效应反而会加剧普惠金融“悖论”，提高商业银行的风险承担水平。

四、研究设计

(一)样本选择

在剔除数据缺失较为严重的银行后，本文以我国173家商业银行为研究样本，包括5家国有大型商业银行、11家股份制商业银行、103家城市商业银行和54家农村商业银行，时间跨度为2010―2018年。数据来源于WIND数据库和各家银行官网公布的年报。

表2 金融科技对商业银行普惠金融服务风险定价机制的影响

(二)变量选择

1.被解释变量

银行风险承担水平可采用Z值、不良贷款率(NPL)等衡量(郭品和沈悦，2019)[10]。由于银行资产规模扩张有助于降低不良贷款率，导致不良贷款率不能真实地反映银行风险承担水平，因此，本文参考于博和吴菡虹(2020)[27]的研究，在基准模型中以贷款减值准备与贷款余额之比(LLR)来衡量商业银行风险承担水平。LLR相比NPL更能准确反映银行真实的运营状况与风险承担意愿。为确保研究结论的稳健，本文将在稳健性检验中利用NPL衡量银行风险承担水平。相关数据来源于WIND数据库。

2.解释变量

本文采用国际货币基金组织(IMF)的金融服务可得性调查数据库(Financial Access Survey，FAS)来度量普惠金融发展程度。具体而言，选择“每千人中储户数量”(Account)表征银行业在资金端的普惠金融发展水平，选择“中小企业贷款余额占GDP比例”(SME)表征银行业在资产端的普惠金融发展水平。

3.调节变量

本文按照不同的发展模式，将金融科技分为“Fin+Tech”和“Tech+Fin”两类。其中，“Fin+Tech”金融科技发展模式包括第三方支付、P2P网贷、互联网消费金融、互联网基金等典型互联网金融模式，“Tech+Fin”金融科技发展模式主要包括大数据、云计算、银行IT等技术赋能形式。本文通过因子分析方法对我国金融科技发展水平进行测度。

(1)金融科技测度指标体系设计

表3是金融科技测度指标体系，包括2个二级指标和6个三级指标。其中，Fin+Tech指数更多体现了互联网金融的烙印。根据中国人民银行等部门2015年7月发布的《关于促进互联网金融健康发展的指导意见》以及相关研究材料，互联网金融主要包括以下几种业态：互联网支付、网络借贷、股权众筹、互联网投资理财、互联网银行、互联网保险。综合考虑数据可得性和指标的代表性，本文选取P2P网贷交易规模、第三方互联网支付市场规模作为该项下的细分指标。上述数据均来自WIND数据库。Tech+Fin指数则反映目前金融科技的发展重点，覆盖了客户服务、风险防控、内部管理等多个领域，涉及IT解决方案、大数据、云计算等多种应用。本文选取银行业IT解决方案市场规模、银行业IT投资规模、云计算市场规模以及互联网数据中心(IDC)市场规模2作为该项下的细分指标。其中，云计算市场规模的数据源自前瞻产业研究院，其余数据来自WIND数据库，所有数据保留1位小数(见表4)。

表3 金融科技测度指标体系

(2)因子分析

考虑到金融科技指标体系各指标间的相关性较高，本文引入因子分析法构建金融科技发展水平测度模型3。第一步，建立因子旋转成分矩阵并提取公共因子。根据因子旋转成分矩阵，可将表3中的三级指标简化为2个公共因子。其中，第1个公共因子FinTech1在D1、D2上有较大的载荷，可称为“Fin+Tech”因子；第2个公共因子FinTech2在D3、D4、D5、D6上有较大的载荷，可称为“Tech+Fin”因子。金融科技发展综合指数(FinTech)可由以下公共因子的加权平均式来表示，s1和s2分别为各公共因子的权重：

第二步，根据因子得分矩阵计算“Fin+Tech”因子和“Tech+Fin”因子的得分，确定“Fin+Tech”指数(Fin+Tech)和“Tech+Fin”指数(Tech+Fin)的表达式：

表4 金融科技测度的三级指标(单位：亿元)

第三步，以各因子的方差贡献率作为权重，合成的金融科技发展综合指数为：

图1反映了中国金融科技指数的发展趋势，可以发现中国金融科技指数呈现逐年上涨的趋势。2010―2014年增长相对平缓，2014―2018年增速加快，这与2014年以来Fin+Tech指数的快速增长密不可分。分不同模式看，Fin+Tech模式下的金融科技在2014年之后增速明显加快，这与互联网金融的兴起密切相关，也带动金融科技综合指数在2014年之后快速上升。值得注意的是，随着P2P网贷平台在2018年出现大规模的爆雷潮，Fin+Tech指数出现明显下滑。与此同时，Tech+Fin模式下的金融科技发展较为平稳。随着银行业与金融科技公司的合作不断深入，其对于金融科技类解决方案的需求也不断攀升，Tech+Fin指数在2018年创下新高，从而带动了综合指数的上升。

4.控制变量

借鉴顾海峰和杨立翔(2018)[9]等研究，本文选择银行资产规模(Size)、净利差(NIS)、非利息收入占比(NIRR)、成本收入比(ICR)、广义货币供应量增速(M2)、经济周期(GDP)作为控制变量。其中银行资产规模(Size)、净利差(NIS)、非利息收入占比(NIRR)、成本收入比(ICR)控制了银行的微观特征，广义货币供应量增速(M2)和经济周期(GDP)控制了影响银行风险偏好的经济、金融环境等宏观因素。

5.变量定义与描述性统计结果

本文所有变量的定义和描述性统计结果分别见表5和表6。

图1 2010―2018年中国金融科技指数发展趋势

(三)模型设定

本文在基准模型中采用固定效应模型估计。采用固定效应模型可以得到变量间的结构性关系。为检验普惠金融对银行风险承担的影响(假设1)，本文对式(5)进行回归分析。Riskit为银行i在年份t的风险承担水平，用贷款减值准备与贷款余额之比(LLR)表示；IFit为普惠金融指数，用每千人储户数量(Account)和中小企业贷款余额占GDP的比例(SME)表示；Xit为系列控制变量，γi为银行固定效应，δt为时间固定效应，εit为随机误差项。同时本文将被解释变量替换为不良贷款率进行稳健性检验。

表5 变量定义

表6 变量描述性统计结果

为检验运营成本在普惠金融影响银行风险承担中的中介效应(假设2)，本文建立如下回归模型：

式(6)、式(7)、式(8)为中介效应模型，式中ICRit为银行的成本收入比。中介效应检验的具体步骤如下：第一步，对系数β1进行显著性检验，如果不显著则中止中介效应检验。第二步，对系数β4和β5进行显著性检验，如果两个系数都显著，则进一步检验β7是否显著。当β7显著则说明存在部分中介效应，当β7不显著则说明存在完全中介效应。第三步，针对系数β4和β5不能同时通过显著性检验的情况，再进行Sobel检验，只有检验通过才能断定模型中存在中介效应。

为检验金融科技在普惠金融影响银行风险承担中的调节效应(假设3)，本文建立式(9)进行回归分析。FinTechit为金融科技发展指数，分别用综合指数、Fin+Tech指数和Tech+Fin指数来衡量。交互项IFit×FinTechit刻画金融科技在普惠金融影响银行风险承担中的调节效应作用。

表7 普惠金融与银行风险承担的回归结果

五、实证结果及分析

(一)普惠金融与银行风险承担的检验结果

表7报告了普惠金融与银行风险承担的回归结果。其中，列(1)和列(2)是以贷款减值准备与贷款余额之比(LLC)作为银行风险承担代理变量的基准回归结果。其中，Account的系数为0.0254，在10%水平下显著为正。从资金端看，银行发展普惠金融显著提升了风险承担水平。SME的系数为0.126但并不显著，从资产端看，银行发展普惠金融对其风险承担水平没有显著影响。列(3)和列(4)报告了以不良贷余额占贷款余额的比例(NPL)为被解释变量的稳健性检验结果，与列(1)和列(2)的结果基本一致，上述结论仍成立。

上述结果表明，普惠金融的发展总体上会提升银行的风险承担水平。资金多元化和资产多元化带来的收益难以覆盖运营支出和风险溢价带来的成本。这说明总体上商业银行针对普惠金融群体尚未建立完善的风险定价机制，金融包容与商业逐利之间的“悖论”依然存在，假设1得到说明。

(二)运营成本在普惠金融影响银行风险承担中的中介效应检验

表8和表9报告了国有五大行和股份制银行等大型银行的运营成本在普惠金融影响银行风险承担中的中介效应。以国有五大行为例，列(1)中Account的系数在5%水平下显著，说明银行在资金端发展普惠金融会提升其风险承担水平。同时，继续进行中介效应检验，列(2)中Account的系数不显著，且进一步的Sobel检验的p值为0.4108，说明运营成本作为普惠金融(资金端)影响国有五大行风险承担的中介渠道并不显著。其次，列(4)中SME的系数并不显著，说明运营成本作为普惠金融(资产端)影响风险承担的中介渠道并不存在。同时，Sobel检验的p值为0.7394也证实了中介效应并不显著。这可能是因为国有大行通过实施普惠金融贷款内部资金转移定价等优惠政策，完善了成本分摊和收益分享机制，运营成本的抬升对其风险承担的间接激励并不明显。股份制银行呈现与国有五大行相似的情况，在此不复赘述。

表10和表11报告了城商行和农商行等中小型银行运营成本在普惠金融影响银行风险承担中的中介效应。以城商行例，列(1)中Account的系数在10%水平下显著，说明银行在资金端发展普惠金融会提升其风险承担水平。同时，继续进行中介效应检验，列(2)中Account的系数、列(3)中ICR的系数和Account的系数均显著，说明运营成本作为普惠金融(资金端)影响银行风险承担的中介渠道存在。其次，列(4)中SME的系数并不显著，说明运营成本作为普惠金融(资产端)影响风险承担的中介渠道并不存在。这说明运营成本的抬升对其风险承担的间接激励主要来源于资金端。农商行呈现与城商行相似的情况，在此不复赘述。

表8 运营成本在普惠金融影响银行风险承担中的中介效应检验(国有五大行)

表9 运营成本在普惠金融影响银行风险承担中的中介效应检验(股份制银行)

表10 运营成本在普惠金融影响银行风险承担中的中介效应检验(城商行)

表11 运营成本在普惠金融影响银行风险承担中的中介效应检验(农商行)

综上，发展普惠金融确实提高了银行的运营成本，但对银行风险承担产生的间接激励具有异质性。大型银行相对中小银行在控制运营成本方面具有相对优势，抬升运营成本对大型银行风险承担的间接激励小于中小银行。假设2得证。

(三)金融科技在普惠金融影响银行风险承担中的调节效应检验

表12 FinTech 对普惠金融影响银行风险承担的综合效应(资金端)

表13 FinTech 对普惠金融影响银行风险承担的综合效应(资产端)

表14 Tech+Fin 对普惠金融影响银行风险承担的技术溢出效应(资金端)

表12～17报告了以LLC作为银行风险承担代理变量的回归结果。

表12和表13实证检验了金融科技综合指数对商业银行风险承担的直接影响和调节效应。直接影响方面，金融科技综合指数的回归系数并不全部显著，不同类型的银行存在异质性。金融科技的发展显著降低了国有五大行和股份制银行的风险承担水平，这可能与大型银行本身金融科技发展水平较高有关。金融科技的发展对农商行和城商行风险承担水平的影响并不显著，这可能是因为金融科技在中小银行中并未广泛、有效运用。调节效应方面，交互项Fintech×Account和Fintech×SME的系数并不显著。这一结果与假设3相符，验证了由于“双刃剑”效应的存在，金融科技是否有助于缓解普惠金融“悖论”并不确定。

表15 Tech+Fin 对普惠金融影响银行风险承担的技术溢出效应(资产端)

表16 Fin+Tech 对普惠金融影响银行风险承担的客户挤出效应(资金端)

表17 Fin+Tech 对普惠金融影响银行风险承担的客户挤出效应(资产端)

表14和表15实证检验了Tech+Fin模式下的金融科技对商业银行风险承担的直接影响和调节效应。直接影响方面，全样本下Tech+Fin指数的回归系数方向与预期相符且较为显著(表15)，说明了Tech+Fin模式下的金融科技对商业银行风险承担的影响主要体现在资产端。分样本看，Tech+Fin模式下的金融科技发展显著降低了股份制银行和城商行的风险承担水平，但对国有五大行和城商行风险承担水平的影响并不显著。调节效应方面，交互项Tech+Fin×SME的系数与预期的方向相反且多不显著。究其原因，一方面可能是本文对于“Tech+Fin”指数的度量囿于数据缺乏，仅考虑相关企业的市场规模而非实际技术水平，难以衡量“Tech+Fin”模式下的技术溢出水平；另一方面，市场规模与实际技术水平并非等比例的变化，可能也意味着“Tech+Fin”模式下的金融科技企业在做大市场规模的同时也需要进一步提升科技服务能力。

表16和表17实证检验了Fin+Tech模式下的金融科技对商业银行风险承担的直接影响和调节效应。直接影响方面，Fin+Tech指数的回归系数方向与预期相符但均不显著。调节效应方面，交互项Fin+Tech×Account的系数均不显著。这说明Fin+Tech模式下金融科技对银行的客户挤出效应并不明显，在监管机构的从严监管下，监管套利的空间有限，没有损害普惠金融带来的资金多元化收益。

六、结论与启示

本文的研究证明商业银行开展普惠金融业务存在“包容性”与“商业可持续性”难以兼顾的“悖论”，加剧了其风险承担水平。当商业银行可以实现收益覆盖风险、保本微利的风险定价机制时，发展普惠金融有利于降低其风险承担水平。因此，如何通过发展金融科技来完善商业银行普惠金融风险定价机制，是问题的关键。

金融科技因其发展模式不同，对商业银行风险承担的影响机制存在差异。在技术赋能为特征的“Tech+Fin”模式下，技术溢出效应理论上有助于提高银行的风控水平，减少可能的坏账比例，降低商业银行的风险承担水平。但实证发现“Tech+Fin”模式下金融科技企业市场规模的增长并没有带来其技术水平和服务能力的显著提高。在互联网金融为代表的“Fin+Tech”模式下，客户挤出效应并不明显，其监管套利的空间有限。

本文为不同模式下金融科技企业差别化监管提供了一定的政策启示。对于“Fin+Tech”模式的金融科技企业，要充分重视其对宏观金融稳定带来的潜在影响，提高其准入门槛，继续从严监管；对于“Tech+Fin”模式的金融科技企业，在鼓励其发展的同时，要引导其提升技术输出能力，同时特别注意其变相从事金融业务的可能，防范金融科技发展可能带来的潜在风险。

注释

1. 数据来源：埃森哲，访问地址：https://newsroom.accenture.com/news/global-fintech-investments-surged-in-2018-with-investmentsin-china-taking-the-lead-accenture-analysis-finds-uk-gains-sharplydespite-brexit-doubts.htm?_ga=2.196199716.940867948.1585022016-1791195496.1585022016.

2. 由于大数据的市场规模数据在样本区间内缺失严重，本文以互联网数据中心(IDC)市场规模替代。

3. 本文利用KMO检验和Bartlett球度检验来考察变量之间的相关性。结果表明，KMO统计量值为0.706(大于0.5)，同时Bartlett球度检验p值为0.000，表明选取的指标变量之间具有较强的相关性，适合进行因子分析。受文章篇幅限制，未汇报公共因子的方差贡献率、旋转矩阵和得分矩阵等数据，感兴趣的读者可以向作者索要。