利率市场化与金融科技发展降低了商业银行风险吗?
王依婷 王世文 周雷
摘 ? 要：运用2011—2018年166家区域性商业银行年报数据和北京大学数字金融研究中心基于蚂蚁集团用户数据构建的数字金融普惠指数，实证研究利率市场化、金融科技对商业银行资产风险的影响，结果表明：利率市场化会增加商业银行不良资产风险;金融科技发展会导致商业银行不良资产风险上升;金融科技在利率市场化和商业银行资产风险之间发挥负向调节作用，即金融科技的发展会削弱利率市场化对银行资产质量的不良影响。在使用工具变量法进一步检验后，上述实证结果依然稳健。最后，根据研究结论，提出了商业银行要转变经营模式，完善风险管理机制，充分发挥金融科技的赋能作用，实现多元化经营，提升差异化竞争能力等建议。
关 ?键 ?词：利率市场化;金融科技;商业银行风险;数字普惠金融
中图分类号：F832.1 ? ? ?文献标识码：A ? ? ? 文章编号：2096-2517（2021）01-0029-12
DOI：10.16620/j.cnki.jrjy.2021.01.004
一、引言
近年来，金融科技在我国迅速发展，微信支付、余额宝、零钱通等一批新兴的金融科技产品正在潜移默化地改变人们的支付与理财方式。金融科技产品相比于受利率管制的传统银行来说， 具有便捷、利率市场化等優势，分流了传统银行的优质客户和储蓄存款。以支付宝为例，自2004年成立支付宝公司始， 发展不到10年已成为世界上顶级移动支付公司。经过长达16年的发展，其已服务超14亿的全球用户， 并覆盖全球超38个国家和地区。 其旗下公司产品余额宝从2013年诞生之日起， 用了不到4年的时间，便发展成为全球货币基金中规模最大的产品。 根据2018年支付宝公司年报数据显示，其旗下余额宝的6支货币基金的总体价值已近2万亿元。黄益平等（2018）认为我国金融科技正经历“野蛮式增长”[1]。
利率市场化与金融科技的发展是科技、 经济、社会三者共同进步的必然结果。战明华等（2018）认为互联网金融发展对深化金融市场改革、优化资源配置和促进实体健康发展具有积极作用，但是给传统银行的发展带来了威胁[2]。首先，利率市场化促使利差收窄，商业银行利润减少，并且利率市场化改革给传统银行吸储和放贷能力带来威胁，加剧了银行间竞争，进而增加商业银行资产风险。其次，金融科技产品凭借其便捷、成本低、技术高和政府大力支持等优势，正逐步对传统银行中间业务和存贷等利润进行分流， 这也直接加剧了传统银行间竞争，传统银行不得不增加风险偏好水平，增加资产风险。最后，金融科技的发展，如余额宝等金融科技产品通过其自身优势将获取的资金以协议方式投入到银行间市场， 推动了我国利率市场化进程，给银行发展带来了压力。银行为了提升自身发展优势，也必须充分利用互联网技术增强自身信息优势，提升风险管理水平，并通过线上销售平台来改变线下获取客户成本高、效果差的现象，降低成本，降低自身资产风险承担。因此探究金融科技、利率市场化对银行资产风险的影响， 对于防范商业银行金融风险、维护金融稳定具有重要的意义。
本文旨在探讨利率市场化、金融科技发展对传统商业银行资产风险的影响。在先前学者研究的基础上，针对区域性商业银行进行剖析，研究对象更聚焦，并且选用北京大学数字金融研究中心基于蚂蚁集团用户数据构建的数字金融普惠指数，指标更科学和具有代表性。文章主要分为五部分，第一部分引言， 介绍金融科技发展背景以及研究利率市场化、金融科技与银行资产风险关系的理论意义和现实意义。第二部分为文献综述，归纳梳理利率市场化、金融科技发展与银行资产风险关系的国内外相关文献。第三部分为理论分析，从利率市场化与商业银行资产风险关系、金融科技发展水平与商业银行资产风险关系以及金融科技在利率市场化和商业银行资产风险之间的调节作用等方面进行理论分析并据此提出三个假设。 第四部分实证分析，采用固定效应模型对面板数据进行实证分析并进行稳健性检验。 第五部分在前文研究基础上得出结论，并从金融科技发展、利率市场化等方面提出防范商业银行风险、维护金融稳定等对策建议。
二、文献综述
关于利率市场化对商业银行风险影响的研究文献较为丰富， 但并没有得出一致的结论。Marcus（1984）对二者关系进行探究，提出了“特许权价值假设”， 认为利率市场化会导致银行间市场竞争力加剧，将降低银行的特许权价值，为了增加利润，银行会提升自己的风险偏好[3]。除此之外，Delis等（2010）以欧元区银行为研究对象，研究发现利率市场化大幅度提升了银行的风险偏好，并且表外业务占比较高的银行更倾向于承担风险[4]。同时，刘生福等（2018）以我国115家银行为研究对象，认为利率市场化增加了商业银行的破产风险[5]。Ariss（2010） 通过对60个发展中国家银行进行研究， 却得出相反的结论[6]。Angkinand等（2010）研究发现利率市场化和银行风险之间存在倒U型关系， 并且政府对资本的有效监管有助于将这种影响弱化[7]。对于国内学者来说，张宗益等（2012）认为，利率市场化水平的提高会提升商业银行的经营风险，并不能直接对银行信贷风险调整行为产生影响[8]。同样，王道平等（2014）的研究表明利率市场化不一定提高银行风险水平，与利率市场化改革效果有关系[9]。可以看出，在利率市场化对商业银行资产风险的影响方面并没有得出一致的结论。本文以我国166家区域性银行为研究对象构建指标体系，收集2011—2018年数据进行分析，时间跨度更久，可以对已有研究进行弥补和拓展。
从金融科技发展对商业银行资产风险影响的研究来看，由于受数据的限制，早期大多以理论分析和统计分析为主。例如，戴国强等（2014）指出互联网金融将冲击中国存款利率市场化进程，影响银行利润[10]。郑志来（2015）利用全国层面的互联网发展与银行业务总量数据概述了互联网金融对存款业务的挤压效应[11]。在随后的研究中，沈悦等（2015）基于媒体词汇统计，利用“文本挖掘法”构建全国层面的互联网指数， 并整合36家商业银行的信息研究二者之间的关系，发现互联网金融将提升银行资金成本，加剧银行风险承担[12]。同样，沈珊珊等（2019）也通过文本挖掘方法对互联网指数进行构建，以18家商业银行为研究对象，研究发现金融科技发展程度会直接对商业银行资产风险产生影响[13]。这些文献均采用了全国层面的指标，且银行数量较为有限，本文将利用北京大学数字金融研究中心基于蚂蚁集团数据编制的数字普惠金融指数来衡量金融科技发展的程度，从用户数据的层面衡量地市级层面金融科技发展的差异，提供更为细致可靠的金融科技发展指标。另外，在银行数据方面， 本文整理了中国166家区域性商业银行数据，结论更具普遍性。
从影响途径来看，本文认为金融科技发展在利率市场化和商业银行资产风险之间发挥负向调节作用。早期来看，鲜有学者针对三者关系进行理论探讨和实证检验。近年来，金洪飞等（2020）用Python网络爬虫分析法构建金融科技指数，以261家银行2010—2018年数据为样本， 研究发现金融科技发展通过作用于利率市场化， 增加了传统银行经营压力，倒逼传统银行借助互联网来降低银行经营成本和提升风险管理水平，降低银行资产风险[14]。汪可（2018）、陈昆等（2019）研究发现，金融科技的发展增加了传统银行的资产风险，但通过作用于利率市场化，商业银行在压力下必然走向全面虚拟化、 网络化和数字化，在一定程度上降低了传统银行资产风险承担[15-16]。关于金融科技发展通过作用利率市场化的现有研究来看，研究对象主要集中在上市银行，并且数量少，研究年限也在2016之前， 而我国利率管制放松在2014年，研究跨度不够，可能难以完整刻画我国利率市场化的历史进程。
本文以2011—2018年的数据为研究样本，探究利率市场化和金融科技发展水平对传统商业银行的影响。 通过数字金融发展指数和银行年报数据，以166家区域性银行为研究对象，不仅可以研究利率市场化和金融科技发展水平对传统银行资产风险的影响，还可以进一步分析金融科技发展在利率市场化和商业银行资产风险之间的调节作用，为我国商业银行防范风险提出政策建议。
三、相关理论与研究假设
（一）利率市场化与商业银行资产风险
利率市场化会给银行资产带来风险。在利率市场化条件下， 商业银行的存款利率低于实际利率水平，使得居民更愿意将资金存储在收益更高的互联网金融产品中。银行吸储能力降低，对资金需求上升，不得不从银行间市场中获取，增加了获取资金的成本， 利润水平降低。 为了提高收益， 银行不得不对那些经营状况好、还贷能力强的企业以低于市场利率水平进行放贷，来获取与这些优质企业的长期合作关系。银行以利润损失来维持与优质客户的关系，为增加利润，不得不增加自身风险的偏好，为次级贷款客户提供贷款，这种现象的循环使得银行的不良资产风险上升。基于此，可提出理论假设1。
假设1：利率市场化推高商业银行资产风险。
（二）金融科技与商业银行资产风险
金融科技的发展将会导致商业银行资产风险上升。金融科技是以科技创新来服务金融，主体是科技。金融科技公司凭借信息以及成本优势正逐步向传统银行业务入侵，从整体上来看，推高了银行资产的风险。首先，金融科技产品拥有支付便捷、利率高等优势， 分流了商业银行的优质客户和储蓄存款，银行业绩水平受到压缩，利润降低，风险上升。其次，余额宝、零钱通等金融科技产品将吸收的资金以协议的方式转到银行间市场，来满足银行对资金的需求。相对于储蓄成本来说，银行增加了获取资金的成本，为了弥补成本上升带来的损失，风险偏好水平上升，不得不吸收次级贷款客户，使得银行资产风险上升。最后，商业银行相比于金融科技产品来说，处于信息劣势，增加了商业银行信息的不透明性，信用风险上升，银行资产风险上升。由此得出假设2。
假设2：金融科技发展会推高商业银行资产风险。
（三）利率市场化、金融科技与商业银行资产风险
诚然，单独考虑利率市场化和金融科技对商业银行资产风险的影响， 均会导致银行资产风险上升。然而，金融科技的发展对资产风险的影响有多重影响途径， 单独考虑利率市场化会导致风险上升，但是金融科技在一定程度上会削弱利率市场化对商业银行资产风险的影响。 随着金融科技的发展，余额宝、财付通等金融科技产品大幅度分流了传统银行揽储能力，增加银行对资金的需求。这些产品会利用商业银行对资金的需求，将部分资金以协议方式投入到银行间市场， 不仅为居民获得更高、更稳健的收益，还有助于推动我国利率市场化进程，使名义利率更接近实际利率，但同时也增加了银行获取资金的成本，给传统银行的经营带来了一定的冲击，倒逼传统银行改革，降低其风险。在双重压力下，银行为获取更高的收益，不得不利用互联网，发掘自身的信息资源优势和风险管控的技术水平，在平衡传统与新兴中间业务基础上，开展更具特色的金融功能与服务，优化业务结构。如大数据征信可以帮助提升商业银行风险管理水平，降低自身资产风险承担。互联网线上销售平台可以改变商业银行线下获取客户成本高、 效果差的现象，提升商业银行利润，而不必吸收次级贷款，一定程度上降低了自身的资产风险。由此可得出理论假设3。
假设3：金融科技在利率市场化和商业银行资产风险之间发挥负向调节作用。
四、研究设计
（一）变量定义
1.被解释变量
银行资产风险作为本文被解释变量，选用银行不良贷款率指标进行替代。不良贷款率是指不良贷款占总贷款的比重，该数值越大，表明银行资产所承担的风险越大。
2.解释变量与调节变量
本文的主要解释变量为金融科技发展和利率市场化，以研究金融科技发展水平和利率市场化对银行资产风险的影响程度。利率市场化采用虚拟变量形式进行量化，在2015年，我国商业银行继贷款利率市场化后，存款利率的浮动上限也不再受人民银行管控，由此正式实現了利率市场化。根据这一政策变化， 将利率市场化虚拟变量在2015年及以后赋值为1，其余时间赋值为0。另一主要解释变量为金融科技发展，考虑数据的可得性，本文采用北京大学数字金融研究中心编制的数字普惠金融指数作为衡量金融科技发展水平的代理变量。该指数根据蚂蚁集团交易账户的相关数据， 从互联网金融服务覆盖度、使用率、数字支付三个层次描述我国数字普惠金融的发展程度，并在此基础上进行了扩展，不仅涵盖支付、信贷等互联网金融业态，还包括货币基金、投资、保险、信用等金融科技新业态，数据覆盖31个省级行政区， 为衡量现阶段我国金融科技发展水平提供了工具性的基础数据[17]。由于该数据仅统计了2011—2018年期间数值， 因此本文所研究期间设为2011—2018年。 金融科技与利率市场化交互变量为调节变量，用以表示金融科技在利率市场化和商业银行资产风险之间的调节作用。
3.控制变量
本文控制了银行个体层面的因素，包括银行的净息差、资產收益率、资本充足率、银行存贷比、资产规模、利息收入比、同业净负债比。其中资产规模用样本银行的资产与商业银行总资产的比值进行计算， 由于商业银行总资产规模无法获取数据，本文以五大行的资产总额以及166家区域性商业银行资产总额之和作为商业银行总资产的代理变量;利息收入比用银行的利息收入与资产的比值计算;银行存贷比用银行存款与贷款的比值进行计算;资产收益率为银行净利润与平均资产的比值;净息差为银行净利息收入与银行全部生息资产的比值;同业净负债比为银行同业负债与同业资产的差额与资产总额的比值。同时还加入了通货膨胀率作为宏观经济的控制变量。 各变量定义如表1所示。
（二）模型设定
针对提出的利率市场化、金融科技发展水平与商业银行资产风险的关系假设，本文通过构建双向固定效应模型进行实证检验。首先分别分析利率市场化、金融科技与商业银行风险的关系，即商业银行风险（ln credit）作为因变量，利率市场化（in_rate）与金融科技（ln fin_tech）为自变量，同时考虑银行个体层面因素。银行个体层面包括资产端变量：银行资产规模（asset）、银行存贷比（ln lode_ratio）和银行资本充足率（CAR）;负债端变量：银行同业净负债比（NIL）;盈利能力指标：净息差（NIM）、资产收益率（ROA）和利息收入比（ln inter_ratio）。另外还有宏观因素：通货膨胀率（ln flation）。假设1和假设2的检验公式如模型Ⅰ所示。
模型Ⅰ：
针对金融科技是否在利率市场化和银行资产风险之间发挥调节作用，用交互变量ln fin×rate来检验。同时考虑银行个体层面因素，包括资产端变量：银行资产规模（asset）、银行存贷比（ln lode_ratio）和银行资本充足率（CAR）;负债端变量：银行同业净负债比（NIL）;盈利能力指标：净息差（NIM）、资产收益率（ROA）和利息收入比（ln inter_ratio）。另外还有宏观因素：通货膨胀率（ln flation）。检验公式如模型Ⅱ所示。
模型Ⅱ：
其中，下标i表示银行，t表示年份;？茁为待估计参数向量;？姿为银行个体虚拟变量，？啄为年度虚拟变量，分别控制了样本中不随时间变化且不可观测的银行个体效应和不随个体变化的年份效应;？着为随机误差项。
对于面板数据的处理需要在OLS混合回归、固定效应模型和随机效应模型中选择最适合的模型形式。OLS混合回归针对不同的截面， 截距与系数均相同;固定效应模型认为随机误差项与解释变量相关，因此需要“固定”相关的时间或个体因素才能得到一致的估计结果;而随机效应模型认为随机误差项与解释变量不相关。 本文实证检验均使用Stata15.1软件完成。首先，通过F检验和Hausman检验来选择具体的面板回归模型类型， 检验结果如表2所示。根据结果，模型Ⅰ与模型Ⅱ在F检验下，其P值均小于万分之一，也就是说应拒绝“真实模型为OLS混合回归模型”的原假设，选择固定效应模型或随机效应模型。接着，从Hausman检验结果来看，两个模型的P值也均满足应拒绝“真实模型为随机效应模型”的原假设，选择“真实模型为固定效应模型”的备择假设。同时，考虑到本文所采集的数据为全样本微观面板数据， 涉及到30个省级行政区域内所有符合条件的区域性商业银行，不存在从总体中随机抽样的问题，因此建立同时控制个体效应与年份效应的双向固定效应模型。 此外，对除虚拟变量之外的被解释变量和解释变量取对数处理， 主要目的是为了更方便地解释双向固定效应面板模型中回归系数的经济意义。
五、实证过程与结果
（一）数据来源与描述性统计
本文实证研究数据来源于国泰安数据库和相关银行年报。纳入国泰安数据库统计的区域性银行共269家，其中城市商业银行134家，农村商业银行135家。考虑到面板数据的平衡性以及数据统计口径的一致性， 对上述区域性银行进行了样本筛选， 剔除了2011—2018年存在部分变量数据缺失的银行和进行重组导致统计数据口径不一致的银行。最终，本文选取上海农商行、重庆银行、北京银行、上海银行、天津银行、南京银行等166家区域性银行作为研究对象，其中城市商业银行53家，农村商业银行113家，共涉及30个省级行政区域。在估计面板回归模型之前，先对相关变量进行统计量的描述，再根据特征进行观察。各变量的描述性统计结果如表3所示。
从表3可以看出，所整理获取的166家区域性商业银行8年间的观测值共有1328个， 对于缺失值本文采用了平均值方法进行填补。被解释变量银行资产风险的平均值为1.525%， 与整个银行业的资产风险水平相比处于一个中等的标准，波动幅度较小，表明这166家区域性商业银行的不良贷款率波动总体较为平稳。金融科技指标最小值为18.33，最大值为377.73， 说明各个区域金融科技在2011—2018年差距较为明显。 另在所有观测变量中，银行同业净负债比差距较大，标准差为10.73，说明不同银行之间对于融资依赖程度差距较明显。对于资本充足率、资产收益率、利息收入比、净息差、资产规模、存贷比来说，方差较小，说明离散程度较低。
（二）面板模型回归结果
根据模型Ⅰ的设定，分别选择了不同的解释变量进行了6次回归， 均控制了年份效应和省份效应。其中，回归（1）对利率市场化、金融科技与商业银行不良资产做回归;回归（2）是在回归（1）的基础上增加了银行负债端的控制变量即银行同业净负债比（NIL）;回归（3）是在回归（1）的基础上增加银行资产端的变量作为控制变量，主要为银行资产规模（asset）、银行存贷比（ln lode_ratio）和银行资本充足率（CAR）;回归（4）是在回归（1）的基础上增加银行盈利能力指标作为控制变量，主要为净息差（NIM）、资产收益率（ROA）和利息收入比（ln inter_ratio）;回归（5）是将银行个体层面的因素全部考虑在内后的结果;回归（6）是考虑了银行所有个体层面因素后，加入宏观变量通货膨胀率（inflation）后的结果。表4汇报了模型Ⅰ的实证结果。
由表4可知，在回归（1）中，利率市场化的系数为0.995，并且在1%水平上显著，表明利率市場化水平提高1%，银行不良贷款率将提升0.995%，这说明利率市场化水平越高， 银行不良资产风险水平越高。（2）（3）（4）三个回归结果中，利率市场化的系数均在1%水平上显著。回归（5）中，利率市场化对银行资产风险的影响也通过了1%水平下的显著性检验， 回归系数为1.182。回归（6）综合考虑了银行个体层面和宏观层面因素，利率市场化对银行资产风险的影响也通过了1%水平下的显著性检验。
回归（1）显示，金融科技对银行不良资产风险的影响在5%水平上显著，表明金融科技发展水平增加1%，银行不良资产率提升0.072%，金融科技的发展会给银行不良资产带来正向效应，增加银行资产风险。（2）（3）（4）回归结果发现，金融科技发展水平均在5%水平上显著， 并且对银行不良资产的风险产生正向影响， 即金融科技发展水平越高，银行不良资产风险越高。回归（5）中，金融科技显著性水平有所降低，但是仍对银行不良资产风险带来了正向影响。回归（6） 综合考虑了银行个体层面因素和宏观层面因素，从回归结果中可以发现，通货膨胀率对于银行不良资产风险具有负向影响， 并且在1%水平上显著; 金融科技发展水平对不良资产风险仍正向影响，并且在10%水平上显著，表明金融科技发展水平每增加1%， 银行不良资产风险上升0.064%。
从6个回归结果中可以看出，利率市场化会提升银行不良资产风险。其主要原因在于，在利率市场化水平提高的背景下， 银行间竞争压力逐渐增大， 为了降低由利率压力而导致的日益增高的吸储成本，商业银行不得不通过降低自身贷款要求来增加自身收益，进而增大了银行不良资产风险。金融科技的发展增加了商业银行不良资产的风险，其主要原因在于，金融科技的发展使得网络借贷相比于银行借贷来说具有灵活性高、手续简洁、审批快、信息共享等优点， 分流了商业银行优质客户的贷款资源，导致银行次级贷款比例上升，增加了银行的不良资产风险。在样本数据范围内，假设1和假设2得到了证实。
（三）调节效应检验结果
根据模型Ⅱ的设定，金融科技在利率市场化和银行不良资产风险之间的调节作用用金融科技和利率市场化的交叉项即ln fin×rate表示。 分别选择了不同的解释变量进行了6次回归，均控制了年份效应和省份效应。其中，回归（1）仅考虑了交叉项的影响;回归（2）是在回归（1）的基础上增加了银行负债端的控制变量即银行同业净负债比;回归（3）是在回归（1）的基础上增加银行资产端的变量作为控制变量，主要为银行资产规模（asset）、银行存贷比（ln lode_ratio）和银行资本充足率（CAR）;回归（4）是在回归（1）的基础上增加银行盈利能力指标作为控制变量，主要为净息差（NIM）、资产收益率（ROA）和利息收入比（ln inter_ratio）;回归（5）是将银行个体层面的因素全部考虑在内后的回归结果;回归（6）是考虑了银行所有个体层面因素后， 加入宏观变量通货膨胀率（inflation）后的结果。表5汇报了模型Ⅱ的实证结果。
在回归（1）的结果中，ln fin×rate系数为-2.268，并在10%水平上显著，表明金融科技的发展促进了利率市场化，降低了商业银行不良资产风险。其他几个回归虽然加入了不同变量， 但ln fin×rate系数均显著为负。
通过6个回归结果可以发现，金融科技在利率市场化和商业银行资产风险之间发挥负向调节作用， 金融科技会削弱利率市场化对银行资产质量的影响。 主要是因为金融科技发展促进利率市场化进程， 在银行资产风险水平承担不断上升的情况下，传统商业银行不得不实现自身的改革，提升自己的互联网技术水平，发掘自身信息资源获取和风险管控的技术水平， 在平衡传统业务和新兴业务基础上，开展更具特色的服务价值和金融功能，优化业务结构。 在金融科技促进利率市场化的背景下，传统银行与互联网金融融合，新型的业务结构促使商业银行利润上升， 不必因弥补利润降低而吸收次级贷款，降低自身不良资产风险。因此，在样本数据范围内，假设3得到了证实。
（四）稳健性检验
表5的回归结果在样本范围内证实了金融科技、 利率市场化会对银行不良资产风险产生影响。但是， 金融科技发展可能存在反向因果内生性问题， 因此要进一步进行稳健性检验。 参考邱晗等（2018）的研究成果[18]，本文选取互联网普及率（internet）和人均GDP对数（ln agdp）作为金融科技发展水平的工具变量进行稳健性检验，结果如表6所示。其中，回归（1）仅考虑了金融科技对银行不良资产风险的影响;回归（2）是在回归（1）的结果上增加了通货膨胀率;回归（3）考虑了利率市场化和金融科技发展水平对银行不良资产的影响;回归（4）是在回归（3）的基础上增加了通货膨胀率的影响;回归（5）是考虑了利率市场化、金融科技发展水平和二者的交互变量对银行不良资产的影响; 回归（6）是在回归（5）的基础上增加了通货膨胀率。各个回归均考虑了银行个体层面的控制变量， 即NIL、asset、ln lode_ratio、CAR、NIM、ROA和ln inter_ratio，并且加入了个体效应和年份效应。对工具变量进行检验时， 互联网普及率和人均GDP均满足工具变量的有效性检验， 两者结合时C-D F值均大于15%偏误容忍度临界值，说明所选取的工具变量为强工具变量， 与内生变量ln fin_tech是高度相关的。 单独对每一个工具变量进行检验时， 工具变量ln agdp和internet均是有效的工具变量。在加入了工具变量后的双向固定效应模型各个回归结果中，核心解释变量in_rate和ln fin_tech的回归系数仍显著为正，并且ln fin_tech显著性有所提高，交互项ln fin×rate显著为负。稳健性检验结果与基准回归相比不存在显著差异，支持了假设1、假设2和假设3。
六、结论与建议
基于2011—2018年中国166家区域性商业银行数据，以不良资产率来衡量传统商业银行资产风险，并使用面板模型固定效应回归方法实证研究利率市场化和金融科技发展水平对商业银行资产风险的影响。研究结果表明：第一，金融科技发展通过灵活性高、手续简洁、审批快、信息共享等优点，分流了商业银行优质客户的贷款资源，导致银行次级贷款比例上升， 增加了银行的不良资产风险;第二，在利率管制背景下，利率市场化通过提升银行间竞争，使银行为了提高收益不得不增加自身风险偏好，为次级贷款客户提供贷款，增加了商业银行资产风险;第三，金融科技在利率市场化和商业银行资产风险之间发挥负向调节作用，金融科技会削弱利率市场化对资产质量的负向影响。利率市场化发展增加了传统银行经营风险， 倒逼银行互联网化， 发掘自身信息资源获取和风险管控的技术水平，降低运营成本和增加风险防控能力，降低自身资产风险承担。
根据本文的研究结果，针对我国商业银行发展所面临的风险问题，提出以下对策建议。
第一， 随着我国进一步深化利率市场化改革， 完善LPR利率形成机制， 商业银行必须转变经营模式， 主动摆脱过度依赖资产负债业务的局面， 积极发展中间业务，实现多元化经营，降低对利息收入的依赖，弱化利率市场化改革对传统商业银行资产的不利影响。
第二，根据实证结果，金融科技的发展也会推高商业银行的资产风险，但是可以削弱利率市场化对商业银行资产的影响。虽然金融科技企业在资产规模和市场占有率方面与传统商业银行仍有一定的差距， 但是随着金融科技创新监管试点的推进，第三方支付机构、金融科技平台、金融控股集团等新型金融科技企业已逐渐成为商业银行的强大竞争对手。为应对这一局面，商业银行应发挥自身的规模和声誉优势， 将传统业务与互联网业务相结合，大力拓展网上银行和电子银行等互联网业务，加大对人工智能、区块链等前沿技术的投入，加速自身数字化转型步伐，以差异化的方式与金融科技企业竞争， 减少金融科技发展对自身利润的侵蚀，降低不良资产风险，提高银行的经营效益。
第三，根据银行个体层面控制变量在面板模型中的回归系数，资产规模、负债质量和盈利能力的提高，也有利于商业银行增加拨备，提高不良资产处置能力，降低资产风险。因此，商业银行要构建数据驱动的全面风险管理体系，增强应对经济不确定性和抵御外部风险冲击的能力，推动金融更好地服务“双循环”新发展格局。
参考文献：
[1]黄益平，黄卓.中国的数字金融发展：现在与未来[J].经济学（季刊），2018（4）：1489-1502.
[2]战明华，张成瑞，沈娟.互联网金融发展与货币政策的银行信贷渠道传导[J].经济研究，2018（4）：63-76.
[3]MARCUS A J.Deregulation and Bank Financial Policy[J]. Journal of Banking and Finance，1984，8（4）：557-565.
[4]DELIS M D，KOURETAS G P.Interest Rates and Bank Risk-taking[J].Journal of Banking and Finance，2010，35（4）：840-855.
[5]刘生福，杨兴哲，韩雍.利率市场化、货币政策与银行风险承担[J].经济经纬，2018（4）：150-157.
[6]ARISS R T.On the Implications of Market Power in Ban-king：Evidence from Developing Countries[J].Journal of Banking and Finance，2010，34（4）：765-775.
[7]ANGKINAND A P，SAWANGNGNOENYUANG W，WIHL-BORG C.Financial Liberalization and Bank Crisis：A Cross-county Analysis[J].International Review of Finance，2010（10）：263-292.
[8]張宗益，吴恒宇，吴俊.商业银行价格竞争与风险行为关系：基于贷款利率市场化的经验研究[J].金融研究，2012（7）：1-3，5-14.
[9]王道平，杨骏.利率市场化、存款保险制度与银行风险[J].南开学报（哲学社会科学版），2014（6）：117-128.
[10]戴国强，方鹏飞.监管创新、利率市场化与互联网金融[J].现代经济探讨，2014（7）：64-67，82.
[11]郑志来.互联网金融对我国商业银行的影响路径：基于“互联网+”对零售业的影响视角[J].财经科学，2015（5）：34-43.
[12]沈悦，郭晶.互联网金融、技术溢出与商业银行全要素生产率[J].金融研究，2015（3）：160-175.
[13]沈珊珊，张莹.互联网金融发展对我国商业银行流动性风险的影响[J].经营与管理，2019（8）：18-22.
[14]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（5）：52-65.
[15]汪可.金融科技、利率市场化与商业银行风险承担[J].上海经济，2018（2）：108-116.
[16]陈昆，陆云蕾，陈海忆.利率市场化对商业银行风险影响分析[J].金融理论探索，2019（5）：26-35.
[17]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（4）：1401-1418.
[18]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.
Will Interest Rate Marketization and Fintech Reduce Asset Risk of Commercial Banks？
Wang Yiting1， Wang Shiwen1， Zhou Lei2
（1. School of Business， Suzhou University of Science and Technology， Suzhou 215000， China;
2. School of Business， Suzhou Vocational University， Suzhou 215104， China）
Abstract： Based on the annual report data of 166 regional commercial banks from 2011 to 2018 and the inclusive index of digital finance constructed by Peking University Digital Finance Research Center based on ant group user data， this paper empirically studies the impact of interest rate marketization and Fintech on the asset risk of commercial banks. The results show that interest rate marketization will increase the risk of non-performing assets of commercial banks. The development of Fintech will lead to the risk of commercial banks. The development of Fintech will weaken the negative impact of interest rate liberalization on the quality of bank assets. After further testing with instrumental variable method， the above empirical results are still robust. Finally， according to the research conclusions， the paper puts forward the suggestions that commercial banks should change the business model， improve the risk management mechanism， give full play to the enabling role of Fintech， realize diversified operation， and enhance the differentiated competitiveness.
Key words： interest rate liberalization; Fintech; commercial bank risk; digital financial inclusion
（責任编辑：卢艳茹;校对：龙会芳）
收稿日期：2021-03-08
基金项目：教育部人文社会科学研究青年基金项目“新时代大学生互联网金融风险认知、风险偏好与投资行为研究”（19YJCZH272）;江苏省研究生科研与实践创新计划项目“基于文本舆情的股票量化投资策略研究”（SJCX20_1084）;江苏省高职院校青年教师企业实践培训资助项目（2020QYSJ032）
作者简介：王依婷，女，江苏连云港人，研究方向为公司金融与投融资管理;王世文，男，山西宁武人，教授，研究方向为产业经济学;周雷（本文通讯作者），男，江苏苏州人，研究员，注册会计师，中国技术经济学会金融科技专委会理事，教育部科技发展中心特聘专家，研究方向为金融科技与互联网金融。
