2024年7月，Finance Research Letters发布了“Can the development of Fintech mitigate non-performing loan risk?”一文，本文研究了商业银行的金融科技发展如何减轻不良贷款（NPL）风险。本研究采用了双固定效应模型，数据来源于2011年至2022年的上市商业银行。研究结果表明，金融科技的发展可以通过降低贷前和贷后成本以及增加收入来减轻不良贷款风险。本研究为商业银行在推动增长的同时维护金融系统稳定性的理论和实践提供了贡献。
来源 | FRL
作者 | Yuanzhe Chai, Suchao Sun
金融稳定委员会将金融科技定义为一种迅速演变的技术革新，它将新信息技术整合到金融活动中。它创造了新的商业模式、应用、流程和产品，对金融市场、机构和服务产生了重大影响。金融科技在信息挖掘方面的优势与商业银行管理不良贷款的需求相契合。这使得信贷风险管理成为金融科技的关键应用领域（Wang和Tang，2024；Lan，2024；Si等人，2022）。研究尚未调查金融科技增长如何从商业银行的角度影响NPL风险。因此，本研究探讨了商业银行金融科技的发展对NPL风险的影响。
研究表明，金融科技提高了银行收集和分析客户信息的能力，通过解决信息不对称问题来降低NPL风险。Ni等人（2023）指出，金融科技可以通过分析用户的数字足迹（例如，在线活动、日常支出）来评估信用风险并跟踪借款人的行为，从而降低NPL风险。金融科技可以从微信和支付宝等数字平台收集详细的消费者数据，进行贷款审核，使银行能够全面分析借款人的信用状况，同时力求降低信用风险（Bollaert等人，2021）。大数据技术是使用金融科技的基础。它可以整合多样化的用户信息，创建更精确的客户画像，从而减少金融机构与客户之间的信息差距（Feng等人，2024），同时降低信用风险（Li等人，2022）。数字信贷收集系统与传统方法相比，提高了信息获取的深度和广度。研究表明，金融科技有助于建立数字信贷系统并减少金融领域的信息不对称（Murinde等人，2022）。基于先进的信息技术，金融科技可以通过互联网高效获取行为数据，发展更可靠的信用收集系统（Li等人，2023）。因此，它在金融领域解决了信息不对称问题，同时为银行提供了充足的信息来管理NPL风险。
已有研究侧重于金融科技对公司绩效的经济后果，对银行绩效的定量实证分析有限。因此，本研究探讨了金融科技的发展与银行NPL风险之间的关系。本研究在两个维度上扩展了现有文献。首先，本文考察了金融科技对中国上市商业银行NPL风险的影响，重点关注金融科技的发展过程，以扩展对这一主题的理解。其次，本文使用银行名称和关键词收集百度搜索结果。每个关键词的词频进行了统计分析，并将数据通过因子分析合并成指数，与以前的金融科技发展指数不同。这种方法更准确地代表了银行层面的金融科技发展，与研究主题一致。
本文采用双向固定效应模型来研究商业银行金融科技的发展对不良贷款（NPL）风险的影响，如下所示：![]()
本文通过城市级别的聚类稳健标准误差来解决潜在的异方差和自相关问题。![]()
变量Mit表示机制指标。本文关注信贷资源，包括信贷成本和收入。其余变量与基线回归中使用的变量一致。不良贷款风险由 loan表示。现有研究主要采用不良贷款比率来衡量银行信贷风险的程度，忽视了各种资产固有的不同风险属性。本研究采用信贷风险加权资产，为多个资产类别分配不同的权重。
本研究的主要关注点是基于三种主要方法评估的金融科技发展水平fintech：（1）特定指标，（2）研究机构创建的金融科技指数，以及（3）通过文本挖掘开发金融科技指数。这些策略有不同的优缺点。仅使用P2P贷款周转和第三方支付规模来量化金融科技过于简单且有偏见。此外，金融研究机构可以生成表明当地金融科技发展的指数。从成本降低的角度来看，金融科技通过大数据、人工智能等技术将知识引入传统金融行业，从而在借贷前后减少银行与企业之间的信息不对称。因此，金融科技为企业执行多维和智能的收集、处理和决策，提供对运营和信用状况的更深入了解。贷前审计成本由财务费用比率fr来表征，反映了公司的融资成本。这是贷前信息不对称的主要指标。控制资源的“有效分配”或资金是否用于“尖端”技术，由财务错配mismatch的程度来决定，它由贷后信息不对称来说明。通过提高预期市场回报，金融科技为绿色技术创新创造了金融激励。本研究使用滞后一期的收入增长率growth来表达预期的情况。本研究增加了以下公司层面特征作为控制变量：（1）公司规模SIZE表示总资产的自然对数；（2）资产回报率ROA表示税后净利润对总资产的比例；（3）资本充足率CAR表示银行总资本对分配给不同风险等级的资产的比例；（4）净利息差NIM表示银行净利息收入对其总利息收入资产的比例。这表明使用资金产生利润的效率，这对于确定盈利能力至关重要。净利息差可以表明市场上的货币流动性、借款需求的差异和经济趋势；（5）宏观层面因素，包括省级经济发展GDP和CPI指数。基于数据的可用性和完整性，本研究选择了2022年3月23日中国银监会提供的银行金融机构法人名单中的43家A股上市商业银行。样本包括6家大型国有商业银行、11家股份制、18家城市和8家农村商业银行，涵盖了中国银行业主要类型的商业银行。这些银行的总资产占行业总资产的很大一部分，提供了全面和代表性的样本。本研究考察了2011年至2022年的A股上市商业银行。本文筛选了初始样本中的公司，排除了具有ST、ST*和PT状态的公司，剔除了超过五年财务数据缺失的退市企业，并在连续变量的1%和99%百分位值处应用了winsorization。最终样本包括504个观察值。本研究的数据来源于中国股市与会计研究数据库（https://cn.gtadata.com/）。表1汇报了描述性统计。表2展示了基准回归分析的结果。估计的系数无论是否包含控制变量，在1%的水平上都是显著为负的。这表明商业银行发展金融科技可以减轻不良贷款（NPL）风险。第（2）列包含了回归中的微观成分。第（3）列展示了包含宏观因素的回归结果。结果与经济原理和商业银行的运营实践一致。![]()
首先，本文使用了工具变量方法来减轻内生性问题。本文使用了商业银行金融科技的一阶滞后代理作为回归分析中的工具变量，如表3的第（1）列所示。其次，本文使用了Z值作为稳健性测试的替代变量。Z值是总资产回报与资本资产回报之和与总资产回报标准差的比率。较低的Z值表明，经营条件较不稳定的银行更倾向于实施更积极的贷款方式，增加其信用风险暴露。表3的第（2）列展示了结果，验证了基准回归。第三，本文排除了2020-2022年的样本以减轻COVID-19的影响，如表3的第（3）列所示。因此，确认了基准回归结果。![]()
表4展示了机制分析的结果。第（1）和（3）列中估计的系数在5%的水平上为负，表明商业银行的金融科技发展可以有效减轻贷款成本。第（2）和（4）列中估计的系数在10%的水平上统计显著。这表明商业银行的金融科技发展可以通过成本降低效应，包括贷前和贷后贷款，来减轻不良贷款风险。第（5）和（6）列展示了收入增长的预期影响，表明金融科技的发展可以通过提高银行收入来减轻不良贷款风险。通过先进的信息技术，金融科技可以使用企业和个人的行为数据来开发一个更可靠的信用收集系统。据本文所知，目前还没有实证研究探讨这一关系。本研究考察了商业银行金融科技的发展如何减轻不良贷款（NPL）风险。基于2011年至2022年的上市公司，本文采用了双固定效应模型来探索效应和潜在机制。研究结果表明，商业银行发展金融科技可以通过贷前和贷后成本降低效应以及收入增长效应来减轻NPL风险。基于这些发现，本文提出以下政策建议。本文建议上市公司将金融科技整合到他们的风险管理流程中，他们应该利用全部能力来改进信用风险管理系统。面对新的商业模式，上市公司必须彻底改革他们的信用风险管理系统。这涉及到重新制定风险管理，改进信用风险管理流程，并加强所有层面的信用风险控制的数据支持。通过使用大数据技术，商业银行可以分析结构化和非结构化数据，生成个性化的客户画像，同时根据多个属性对客户进行分类。这使得银行能够识别具有强大偿还能力和高信用度的客户群体。商业银行可以在贷后管理中实施区块链技术来减轻信用风险，建立一个标准化的系统来识别和解决算法缺陷，并进行全面的交易监控。商业银行可以增强风险管理能力，以更好地管理潜在风险，减少损失，并更有效地最大化资本使用。因此，他们可以将更多资本分配给推进金融科技，刺激金融科技产业的扩张。本研究的局限性和未来研究的建议如下。首先，本文根据数据的可用性和代表性选择了40家A股上市公司来确定样本的广度。结论有一定的局限性，需要进一步调查。其次，学术界缺乏衡量金融科技发展的标准化方法。本文使用文本挖掘来衡量对金融科技的关注和上市公司的发展。然而，这种方法没有考虑到上市公司对金融科技的投资及其应用，这应该在未来的研究中进行探索。
![]()
……
获取完整文章
请后台回复“金融科技与不良贷款风险”
获取下载链接
