湖南大学经济与贸易学院 湖南 长沙 410000
摘 要:如何指导商业银行发展数字普惠金融业务来提升其经营绩效,是目前我国推动普惠金融发展亟需要解决的一个现实问题。以我国16家上市商业银行2011—2021年的面板数据为研究样本,采用系统GMM估计方法,研究数字普惠金融业务对上市商业银行绩效影响。结果表明,数字普惠金融业务对上市商业银行综合绩效存在“先降后升”的“U”型作用,且对不同类型的商业银行绩效产生异质性影响。
关键词:数字普惠金融;银行绩效;系统GMM估计
1 引言
后疫情时代下,持续推动数字普惠金融发展,能够有效增加对中小企业以及低收入人群的金融服务支持,对我国经济复苏和发展有着重要作用和深远影响。商业银行作为普惠金融服务主要供给方之一,通过研究数字普惠金融业务对其绩效的影响,进而指导其高质量发展数字普惠金融业务,具有一定的现实意义。
现阶段,学术界有限的研究集中在数字普惠金融的宏观测度与影响因素分析方面,大部分学者编制的数字普惠金融指数多用于衡量非银行金融机构(如京东金融、阿里金融等)的数字普惠金融服务发展程度,如郭峰(2020)[[1]]编制的“北京大学数字普惠金融指数”,而从商业银行角度测度数字普惠金融业务发展水平并研究其对商业银行绩效的影响较少。本研究选择商业银行自身业务指标构建商业银行数字普惠金融发展指数,从而避免了直接选用北京大学数字普惠金融指数难以适应商业银行的局限,将上市商业银行数字普惠金融发展指数及其绩效联系起来进行实证研究,不仅具有较好的视角创新性,而且提高了实证分析结论的可靠性。
2 理论分析与研究假设
在数字普惠金融业务发展早期,由于回报周期存在,商业银行前期固定投资在短时期内难以实现预期收益,影响业务效益发挥;同时国内数字普惠金融业务基础发展体系(如信用体系等)尚未建立或完善,商业银行发展数字普惠金融业务会扩宽自身风险敞口,累加业务风险。虽然商业银行发展数字普惠金融业务会促进商业银行实现长远发展,但是由于发展早期成本增加和风险产出等占据主效应,盈利的减低以及业务风险的增加会导致商业银行绩效降低,此时对商业银行绩效的负面影响强于正面影响,故该阶段数字普惠金融业务不利于商业银行绩效提升,该结论与范存英(2021)[[2]]等学者研究相符。
而随着数字普惠金融业务发展深化,一方面手机银行、在线支付等业态满足边际效益递增和边际成本递减规律,故商业银行盈利能力将明显提升。另一方面,随着客户信用体系的不断完善,商业银行数字普惠金融业务带来的风险抑制效应将强于风险产出效应,导致业务风险水平不断降低,从而更利于商业银行绩效提升,故随着业务发展成熟和深化,数字普惠金融业务将全方位提升商业银行综合绩效。
基于上述分析,同时借鉴刘孟飞(2021)[[3]]等学者思路,数字普惠金融业务对上市商业银行综合绩效的影响在理论上并非单调,在不同发展阶段,应有不同影响规律。本研究提出假设:数字普惠金融业务对上市商业银行综合绩效的影响呈现“先降后升”的“U”型关系。在现阶段(数字普惠金融业务发展早期),数字普惠金融业务对上市商业银行综合绩效具有显著负向影响,而当数字普惠金融业务成熟到一定阶段后,数字普惠金融业务对上市商业银行综合绩效将具有显著正向作用。
3 研究设计
3.1数据来源
本研究A股16家上市商业银行分别包括国有商业银行5家、股份制商业银行8家和城商行3家,相关数据通过《中国统计年鉴》、中国人民银行官网、商业银行2011~2021年报、《中国金融年鉴》、商业银行官网、中国电子银行网、Wind数据等直接查询或通过定义、拟合公式计算得到。
3.2 变量选取
3.2.1 被解释变量:商业银行综合绩效()
本研究借鉴Abbott等(2020)[[4]]观点,采用因子分析法从盈利性、风险性和成长性三个维度构建商业银行综合绩效(),作为被解释变量,选择的商业银行财务指标包括:资产收益率、净资产收益率、收入利润率、不良贷款率、关注类贷款占比、拨备覆盖率、非利息收入占比、手续费及佣金收入占比等8项。
3.2.2核心解释变量:数字普惠金融发展指数()
本研究主要是借鉴IFI法基本原理构建数字普惠金融发展指数()用于测度数字普惠金融业务发展指数。首先,借鉴冯兴元等(2021)[[5]]所提出数字普惠金融发展测度指标体系构建方法,选择如表1所示银行数字普惠金融业务发展测度指标。然后,基于上述银行数字普惠金融业务发展测度指标,利用变异系数法进行权重计算。其次,确定各指标权重后,再计算商业银行各指标观测值与理想值的欧氏距离,获得商业银行数字普惠金融历年评分。最后,根据数字普惠金融历年评分,计算当年数字普惠金融评分较上年数字普惠金融评分的增幅,计算的增幅结果作为数字普惠金融发展指数(
)。据此构建的数字普惠金融发展指数走势如图1所示,总体来看,2011—2021年的数字普惠金融指数呈上升趋势。
表1 银行数字普惠金融业务发展测度指标体系
维度 | 指标 |
覆盖广度 | 平均每万客户拥有自助设备数量(台) |
平均每万客户开通电子银行账户数量(户) | |
使用深度 | 个人贷款余额(万元) |
小微企业贷款余额(万元) | |
数字化程度 | 电子银行交易笔数占总交易笔数比例(%) |
电子银行交易金额(亿元) |
图1 数字普惠金融业务发展指数走势图
3.2.3 控制变量
本研究分别从宏观因素、中观因素和微观因素等三个方面选取指标作为控制变量,以更具说服力地得出解释变量对被解释变量的作用。控制变量的具体定义如表2所示。
表2 控制变量
所属类别 | 变量名称 | 实际代理变量 | 代理变量符号 |
宏观因素 | 宏观经济发展水平 | 国民生产总值增长率 | |
宏观经济政策 | 广义货币供应量增长率 | ||
中观因素 | 银行业集中度 | 前4大商业银行资产占比 | |
银行业开放度 | 利率市场化 | ||
微观因素 | 银行规模 | 资产规模对数 | |
银行资产结构 | 存贷比率 |
3.3 模型设定
为了验证上市商业银行数字普惠金融业务对其绩效的非线性作用,借鉴魏凯(2020)[[6]]等学者的做法,以此建立动态面板模型:
下标表示所选样本银行;
表示时间窗口,本研究取2011~2021年;
表示滞后项;
表示截距项;
表示待估计参数;
是指表2中的控制变量集合;
+
表示模型扰动项,其中,
代表样本个体效应,
表示随机干扰项。
4 实证分析
4.1 描述性统计
如表3所示,上市商业银行数字普惠金融业务发展指数()均值为0.056,说明整体来看国内上市商业银行数字普惠金融业务发展尚浅,符合数字普惠金融提出时间较短,商业银行数字普惠金融业务尚处于早期发展阶段事实。
表3 描述性统计(观测量n=176)
变量符号 | 平均值 | 标准差 | 最大值 | 最小值 |
-0.105 | 0.640 | 1.463 | -1.906 | |
0.056 | 0.029 | 0.253 | -0.101 | |
6.945 | 1.756 | 9.600 | 2.300 | |
11.073 | 2.243 | 13.800 | 8.100 | |
0.562 | 0.029 | 0.621 | 0.535 | |
0.818 | 0.387 | 1.000 | 0.000 | |
10.803 | 1.094 | 12.771 | 7.865 | |
78.345 | 13.832 | 116.235 | 47.430 |
4.2平稳性检验
如表4所示,本研究通过当前主流的IPS检验、Fisher-ADF检验以及Fisher-PP检验三种检验以检验所有研究变量的平稳性检验,大部分变量通过了单位根检验,部分研究变量(如宏观经济发展水平等)在三种检验方法中未通过单位根检验,但由于未平稳变量均是宏观层面或中观层面的辅助变量,未涉及核心解释变量与被解释变量,故本研究认为原始数据基本达到平稳条件。
表4 平稳性检验结果
变量符号 | IPS | ADF | PP |
-4.581*** | 162.088*** | 97.645*** | |
-8.873*** | 191.701*** | 377.409*** | |
3.634 | 74.381 | 15.213 | |
-6.430*** | 72.907 | 253.669*** | |
-0.543 | 85.311** | 33.341 | |
18.187 | 27.066 | 0.363 | |
-6.314** | 125.073*** | 106.196*** | |
6.828** | 97.053*** | 153.251*** |
注:***、**、*分别表示在1%、5%、10%的水平显著,下同。
4.3实证结果分析
对全样本总体数据进行系统GMM动态回归,回归结果如表5所示。
从动态面板GGM估计结果来看,数字普惠金融指数()一项系数为负,符合假设中:在现阶段(数字普惠金融业务发展早期),数字普惠金融业务对上市商业银行综合绩效具有显著负向影响的猜想,主要原因为本研究时间窗口选择在国内数字普惠金融业务发展早期,同时当前商业银行数字普惠金融业务发展程度较浅,此时发展数字普惠金融业务对盈利的降低以及风险的增加占主导效应,导致对全体上市商业银行综合绩效产生负向影响。
表5 全样本模型估计结果
解释变量 | 全样本 |
| 0.311***(0.110) |
-1.549***(0.444) | |
1.162(0.578) | |
-0.147**(0.417) | |
-0.104**(0.172) | |
0.195**(0.432) | |
0.097**(0.511) | |
-0.061***(0.109) | |
-0.290***(0.332) | |
AR(2) | -1.638[0.235] |
Sargan | 41.578[0.661] |
注:圆括号内为稳健性标准误,方括号内为P值,下同。
为检验数字普惠金融对商业银行绩效的异质性影响,本研究将全样本分为三个子样本进行系统GMM回归,分别是国有商业银行、股份制商业银行和城市商业银行,回归结果如表6所示。
与全样本估计结果进行对比,可以发现,分样本中的国有商业银行、股份制商业银行数字普惠金融业务发展指数的二次项()分别在10%、5%显著性水平下对商业银行绩效具有正向作用(系数为正),因此可知,当数字普惠金融业务成熟到一定阶段后,数字普惠金融业务对上市商业银行综合绩效将具有显著正向作用,表现为“先降后升”的非线性影响,主要原因为:一方面,虽然国有商业银行目前数字普惠金融业务发展程度也不深,但其凭借资金规模、客户基础、市场声誉、业务体系、风控能力等综合资源禀赋更能削弱发展数字普惠金融业务对其盈利以及业务风险带来的不利影响,从而加快数字普惠金融业务对其综合绩效影响拐点的到来,因而其同当前业务发展程度最深的股份制商业银行均体现出综合绩效受到数字普惠金融业务发展的“先降后升”的“U”型影响,另一方面本研究时间窗口选择在国内数字普惠金融业务发展早期,同时当前城市商业银行数字普惠金融业务发展程度最浅,此时发展数字普惠金融业务对盈利的降低以及风险的增加占主导效应,导致对全体上市商业银行以及城市商业银行综合绩效产生不利影响。
表6 分样本模型估计结果
解释变量 | 分样本 | ||
国有商业银行 | 股份制商业银行 | 城市商业银行 | |
| 0.365***(0.112) | 0.278***(0.122) | 0.324***(0.071) |
-0.622***(0.743) | -1.337***(0.874) | -1.800***(0.802) | |
1.170*(0.660) | 1.310**(0.519) | 1.062(0.647) | |
-0.085*(0.315) | -0.088*(0.225) | -0.213**(0.497) | |
-0.122***(0.191) | -0.363**(0.237) | -0.045*(0.331) | |
0.170**(0.558) | -0.152*(0.822) | -0.107**(0.133) | |
0.123**(0.227) | 0.070**(0.675) | -0.038*(0.261) | |
-0.241**(0.572) | 0.100**(0.253) | 0.124*(0.088) | |
-0.264**(0.201) | -0.400***(0.419) | 0.080**(0.162) | |
AR(2) | -1.794[0.401] | -1.277[0.548] | -2.155[0.115] |
4.4稳健性检验
本研究借鉴孟大伟(2018)[[7]]、熊颖(2019)[[8]]等学者做法,一方面将表数字普惠金融业务发展指数二次项()剔除,另一方面将国民经济总产值增长率(
)替换为通货膨胀率(
),如表7所示,所得模型估计结果与表5中估计结果具有良好一致性,系数大小、方向以及显著性水平均未产生明显变异,因此本研究所得模型估计结果是稳健的,形成的实证结论是可靠的。
表7 稳健性检验结果
解释变量 | 综合绩效模型 |
| 0.314***(0.112) |
-1.283***(0.512) | |
-0.141**(0.590) | |
-0.111***(0.186) | |
0.177**(0.442) | |
0.103**(0.492) | |
-0.052**(0.114) | |
-0.277***(0.309) | |
AR(2) | -1.876[0.261] |
Sargan | 43.200[0.769] |
5 结论
本研究从实证的角度研究数字普惠金融对商业银行绩效的影响,研究结果表明:第一,数字普惠金融与我国商业银行绩效存在先降后升的“U”型关系,即数字普惠金融业务在发展初期对商业银行产生不利影响,但是随着数字普惠金融的快速发展,对商业银行会转变为有利影响。第二,数字普惠金融对不同类型的商业银行绩效具有异质性影响。其中,数字普惠金融业务发展最浅的城市商业银行受到业务发展的显著负向影响,而数字普惠金融业务发展更深以及具备更强资源禀赋(更能抵抗前期不利影响,引起拐点前移)的国有商业银行、股份制商业银行受到数字普惠金融业务发展的“先降后升”的非线性影响。
参考文献
[[1]]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.经济学(季刊),2020,19(04):1401-1418.
[[2]]范存英,刁节文.数字普惠金融及创新能力对上市银行绩效影响研究.改革与开放,2021(22):29-38.
[[3]]刘孟飞,王琦.金融科技对商业银行绩效的影响——理论与实证研究[J].金融论坛,2021,26(03):60-70.
[[4]]Abbott M, Wu S, Wang W C. The productivity and performance of Australias major banks since deregulation. Journal of Economics and Finance, 2020, 3(37):122-135.
[[5]]冯兴元,孙同全,董翀等.中国县域数字普惠金融发展:内涵、指数构建与测度结果分析.中国农村经济,2021(10):84-105.
[[6]]魏凯. 利率市场化对我国不同类型银行绩效影响的比较分析[D].云南财经大学,2021.
[[7]]孟大伟. 科技金融对传统商业银行绩效的影响研究[D].浙江理工大学,2018.
[[8]]熊颖. 普惠金融业务对商业银行绩效的影响研究[D].南京审计大学,2019.