4.1 变量选取 .................................. 27
4.1.1 被解释变量 ................................ 27
4.1.2 解释变量 ...................................... 27
第 5 章 结论与建议 ..................................... 44
5.1 结论 ....................................... 44
5.2 建议 ..................................... 44
第 4 章 互联网金融影响商业银行风险承担的实证分析
4.1 变量选取
4.1.1 被解释变量
根据对现有文献的总结,在衡量银行风险承担的指标选取方面,主要有以下几种,分别是:Z 值、不良贷款率、预期违约率和风险加权资产占比。Z 值代表的是银行的破产风险,而我国对于商业银行的破产法律并不存在,因而用 Z 值来作为衡量指标并不合理;预期违约率的计算要有一系列条件的限制,而在我国由于种种限制原因的存在导致无法满足其计算的条件,因而该指标缺乏一定的可行性。所以相比之下,用不良贷款率作为衡量指标更具有可行性,同时由于我国商业银行面临的主要风险为信用风险,因此该指标的选取也具有一定的合理性。与此同时本文将风险加权资产占比作为稳健性检验指标来保证结果的可靠性。
4.1.2 解释变量
科学的构建互联网金融指数是实证分析的关键,所以选取合适的衡量方法更成为重中之重。本文在归纳总结了学者们的衡量方法后,发现可以将其归为两大类:
第一类是直接指标法。此方法首先是将互联网金融定位到与之相关性强的某一特定领域,比如定位到第三方支付领域;其次在该领域内选取能够代表其发展水平的指标,比如选取第三方支付规模来代表第三方支付的发展水平;最后用选取的指标来代表互联网金融水平。它的优点是操作简单、容易理解,且可以较快获得数据。
第二类是综合法。该方法的特点是用指数形式来进行衡量。目前现成编制好的互联网金融指数有两种,一种是北大指数,是由北京大学与蚂蚁金服基于互联网企业的真实数据编制而成;另一种是中证互联网金融指数,是中证指数公司基于其股价的变动情况而进行编制的。此外,还有一种互联网金融指数是利用文本挖掘法来构建的。国内学者郭品和沈悦[53](2015)首次结合金融功能论,从功能角度实现维度分类,也就是信息渠道、资源配置、支付清算、保险理财四种不同形式,然后确立相应词库,并通过文本挖掘法进行指数的构建。
图 3.1 2009-2019 年互联网金融指数发展趋势
...........................
第 5 章 结论与建议
5.1 结论
本文对互联网金融和商业银行风险承担的关系进行了理论分析,并构建相关模型进行了实证检验,主要得出以下结论:
(1)互联网金融与商业银行风险承担之间具有显著的正相关性。其影响渠道有三条:一是负债端抬高了银行的资金成本,二是资产端加剧了价格竞争,三是中间端挤占了其业务收入,这三方面的影响进一步降低了商业银行的盈利水平,商业银行为达到业绩要求,会改变自身风险偏好,提升其风险承担。
(2)互联网金融对不同类型商业银行风险承担的影响具有异质性,其中对城商行的风险承担影响程度最大。
(3)互联网金融功能的不同会对银行风险承担的影响有所不同,尽管在现在,支付结算、资源配置和财富管理功能均提升了银行的风险承担,但是资源配置功能对商业银行的风险承担影响程度最大。
参考文献(略)