叶晓东 肖惠玲
摘 要：基于技术进步推动金融科技创新的现实背景，以2011—2018年中国省级面板数据为研究样本，采用中国专利数据库、Wind数据库、BankScope数据库、各个商业银行的年报、《中国金融年鉴》和《中国统计年鉴》的多重匹配数据，系统检验基于技术进步角度的金融科技创新对商业银行经营效率的影响。结果表明：基于技术层面的金融科技创新对商业银行的净资产收益率、总资产周转率、人均利润率均有正向的促进作用，这说明基于技术层面的金融科技创新能够有效地提高商业银行的经营效率。根据实证研究结果，为提升技术层面的商业银行金融科技创新能力，提出以下对策建议：大力发展基础科技技术研究带动金融科技创新、加大金融科技创新人才的培养力度、加强商业银行与金融科技企业的合作。
关键词：金融科技创新；经营效率；技术进步
一、前言
技术进步是经济社会可持续发展的主要驱动力之一，经济学界的普遍共识是生产技术的创新能够驱动整个经济社会的发展。金融科技创新就是将金融与科技相融合的创新活动，是通过技术进步推动金融创新改革的过程。金融科技创新能够满足数字经济时代的客观需求。在现阶段，金融科技创新在全球蓬勃发展，各国政府与资本也大力推动金融科技创新活动，在技术进步的基础上，金融科技在金融各个领域广泛推广。金融科技创新为数字经济时代的传统金融找到了出路，为金融发展提供了方向。
我国的金融体系是围绕银行建立的，所以金融科技创新将给银行业带来翻天覆地的变化。金融科技创新会产生鲇鱼效应，新一轮的优胜劣汰已经在进行中，哪家银行能够走在金融科技创新的前沿，就将确立自身在未来的优势地位。本文将重点研究金融科技创新对商业银行经营效率的影响，为理论界金融科技创新的研究添砖加瓦，为商业银行对金融科技创新的使用提供一定的理论支持。
二、文献回顾
有学者在研究中指出，互联网金融消除了很多金融机构之间的壁垒，同时消除了很多地域上的限制，这直接推动了银行业的技术创新，进而提高整个银行业的经营效率。Brewer和Young（2001）通过实证研究检验了互联网技术的革新如何影响商业银行的经营效率，他们在研究中指出，金融科技创新完善了商业银行的各种业务渠道，直接提高了商业银行的效率，并且在这个过程中，规模越大的商业银行优势更明显。Acharya和Yorulmazer（2004）在研究中指出，互联网金融会对传统的商业银行产生巨大的压力，这就迫使商业银行进行技术创新，进而提高商业银行的经营效率。
Louzis等（2012）在研究中指出，互联网技术的进步不断地完善了商业银行现有的服务和渠道，提高了商业银行的整体运转效率，这有利于商业银行进行金融科技创新。宫晓林（2013）在研究中指出，虽然互联网金融不可能很快成为主流，但是从长远来看，这代表了时代发展的方向，这种示范效应会引导商业银行进行金融科技创新。
饶越（2014）在研究中指出，中国的金融科技创新能够有效降低商业银行的信息处理成本，此时竞争效应发挥作用，反过来就进一步促进金融科技创新，周而复始形成良性循环，最终提高整体银行业的经营效率。褚蓬瑜和郭田勇（2014）对中国金融体系的现状进行了客观分析，他们认为科技金融创新不但不会颠覆传统金融的地位，反而会倒逼整个银行业进行技术创新，这会直接提高整个银行业的经营效率，间接提高全部金融体系的周转效率。Sherman和Gold（2014）在研究中指出，互联网金融相较于传统金融更具有比较优势，在降低银行成本的同时，还能够产生技术的溢出效应，这些都有利于提高商业银行的运营效率。
李小庆（2015）对国内商业银行的商业模式进行了系统的研究，发现金融科技创新有利于金融模式的创新，进而提高商业银行的服务效率和质量，整体来说，技术进步带来了积极的影响。彭迪云和李阳（2015）从商业银行的视角开展了研究，他们指出金融科技创新能够迫使商业银行主动开展相关技术的研究和应用，这有利于商业银行改善经营模式并提高经营效率。郭品和沈悦（2015）对国内36家商业银行进行了全要素的生产率测量，并且对互联网金融技术创新的溢出效应进行了检验，最终发现金融科技创新能够明显提升国内商业银行的生产效率，并且各个不同属性的商业银行提升的幅度不同。
巴曙松和白海峰（2016）在研究中指出，金融科技的应用场景很多，涉及的领域很广泛，在商业银行里金融科技可以在数字货币、智能投顾中被广泛应用，这可能使商业银行发生巨变。陆岷峰和虞鹏飞（2017）认为金融科技创新是生产方式的变革，这会在需求层面对金融体系产生影响，区块链、人工智能、大数据、互联网等信息技术的突破必将使商业银行发生巨变。王娜和王在金（2017）从三个方面阐述了金融科技对商业银行的影响，他们认为金融科技创新能够有效提高商业银行的竞争力，并对此提出了五种应对策略。崔子腾等（2017）在研究中指出，金融科技公司的出现能够有效地补充商业银行的不足，有利于提高商业银行的服务质量，进而提高商业银行的经营效率，但与此同时，金融科技的出现也对商业银行提出了挑战，在此基础上他们提出了商业银行的创新发展路径。
刘笑彤和杨德勇（2017）通过使用DEA指数模型对中国商业银行的全要素生产率进行了测算，然后实证分析了金融科技创新对商业银行经营效率的影响，最终指出金融科技创新会对传统的银行业务产生冲击，但是也会产生技术的溢出效应，总体上会提高商业银行的经营效率，尤其对正在并购重组的商业银行效果更加明显。曾琳等（2018）认为随着信息技术的发展，金融科技创新已经成为经济发展的重要推动力，商业银行和金融科技创新紧密相关，通过对信息技术的研发和应用，能够有效提高自身的竞争力。陈泽鹏等（2018）认为技术进步驱动了金融创新，金融科技的出现改变了整个金融体系，使我国成为最大的移动互联网市场、最大的移动支付型市场，为未来金融科技的发展指明了方向，商业银行如果能掌握金融科技的发展机遇，就能为自身发展注入新的活力。
陈国红（2019）在研究中指出，技术进步驱动思维和互联网技术进行变革，改变了整个金融业的竞争模式，商业银行在此时面临数字化改革的压力，持续不断地推进金融科技创新是唯一的出路。刘孟飞和蒋维（2020）对金融科技与商业银行效率的关系进行了实证研究，发现金融科技发展促进了商业银行盈利能力的提升。于波等（2021）对中国上市银行进行了实证研究，结果表明金融科技创新能够有效提高商业银行的盈利能力。
从上述的文献梳理可知：第一，绝大多数的国内外学者都认为金融科技创新能够有效提高商业银行的经营效率。第二，国内外学者大多通过实证研究来检验金融科技创新对商业银行经营效率的影响。第三，关于商业银行经营效率的衡量都是采用全要素生产率。综上所述，本文将通过实证研究来检验金融科技创新在现阶段对商业银行经营效率的影响，并且将通过净资产收益率、总资产周转率以及人均利润率等指标来衡量商业银行的经营效率，为金融科技创新在商业银行中发展和应用提供一定的理论支持。
三、研究假设
金融科技创新的本质就是技术创新，信息技术是金融科技技术的核心，具体可划分为控制技术、传感技术、智能技术、计算机技术、通信技术、网络技术等。这些信息技术在与金融相融合的过程就是对传统金融的赋能过程，因此金融科技创新既具有金融的属性，也具有科技的属性。现阶段，金融科技创新突飞猛进，进一步推动了社会智能化、信息化、数字化的变革，成为金融领域重要的发展方向。
金融科技创新最终服务于应用领域，对传统银行的管理、渠道、业务都会产生巨大的冲击。目前银行在管理上逐渐实现了稽核、金融审计、客户关系、风险等领域的数字化和智能化；在渠道方面更是大力发展第三方支付能力，推进了手机银行、自助银行、网络银行的发展；业务上全力发展互联网金融，在传统银行业务的基础上开展互联网银行业务，大大增加了中间业务的多样性。
金融科技创新在技术层面能够有效改变银行业的成本结构，这将大大提高商业银行的经营效率。其中，金融云服务、渠道虚拟化的应用都会降低商业银行的固定成本；干中学效应、信息不对称的减少能够降低平均成本；清算支付技术和通信技术的创新能够降低商业银行的交易成本。这些都可以提高商业银行赚取利润的能力，进而提高商业银行的经营效率。
商业银行的经营效率是可以从多角度衡量的，包括盈利能力、资产利用率、人均收益等。从任何单一角度去评价商业银行的经营效率都是不完全客观的。鉴于此，本文选择净资产收益率、总资产周转率、人均利润率三个指标，从商业银行的盈利能力、资产利用率、人均收益三个角度考量商业银行的经营效率。
综上所述，本文提出以下研究假设。
假设1：金融科技创新能够有效提高商业银行的净资产收益率。
假设2：金融科技创新能够有效提高商业银行的总资产周转率。
假设3：金融科技创新能够有效提高商业银行的人均利润率。
四、实证研究设计
（一）样本选择和数据来源
本文的数据为省级面板数据，囊括31个省（自治区、直辖市）（不包括港澳台）。样本的时间范围是2011—2018年，这么选择的主要原因就是考虑金融科技创新的发展历程，即从金融科技技术进步的角度看对商业银行经营效率的影响。根据数据的可得性，本文选取国内110家商业银行作为最终的研究样本，其中包含6家国有商业银行、12家股份制商业银行、69家城市商业银行、23家农商行。
金融科技创新数据来源于中国专利数据库，商业银行的相关数据来源于Wind数据库、BankScope数据库及各个商业银行的年报，宏观数据来源于历年《中国金融年鉴》和《中国统计年鉴》。
（二）模型设定
本文用净资产收益率、总资产周转率、人均利润率来衡量商业银行的经营效率，进而来考察金融科技创新对商业银行经营效率的影响。参考汪可等（2019）、孟娜娜等（2020）的研究，构建商业银行经营效率影响模型，如下所示：
Roa=α0+α1Ft+α2Ft*Size+α3Size+
α4Lev+α5Ldr+α6Nir+α7Gdpn+α8Fing+α9Gov+∑Year+εi，t（1）
Tat=α0+α1Ft+α2Ft*Size+α3Size+α4Lev+α5Ldr+α6Nir+α7Gdpn+
α8Fing+α9Gov+∑Year+εi，t（2）
Pcpm=α0+α1Ft+α2Ft*Size+α3Size+
α4Lev+α5Ldr+α6Nir+α7Gdpn+
α8Fing+α9Gov+∑Year+εi，t（3）
（三）变量定义
（1）被解释变量
模型（1）左边的因变量Roa代表商业银行的净资产收益率；模型（2）左边的因变量Tat代表商业银行的总资产周转率；模型（3）左边的因变量Pcpm代表商业银行的人均利润率。在进行实证回归时，为了使模型左右两端数量级能够匹配，将这三个变量进行百分化处理。
（2）解释变量
模型中Ft是商业银行的金融科技创新指数，即金融科技创新在商业银行层面所拥有的信息技术专利的数量。这个指标的计算方式主要是通过统计t期j省份的商业银行信息技术的专利数量而得。顾海峰在研究中对金融科技创新的技术层面进行过衡量，因此本文根据现有学者的研究，将商业银行信息技术的专利数据作为金融科技创新的指标。
（3）控制变量
微观控制变量包括：商业银行的资产规模（Size）、商业银行的资产负债率（Lev）、商业银行的存贷比（Ldr）、商业银行的非息收入占比（Nir）。其中，Size通过将商业银行的总资产进行对数化处理而得；Lev是通过将商业银行的总负债与总资产的比值计算得来的；Ldr是通过商业银行的总贷款除以总存款计算得来的；Nir是通过商业银行的非利息收入的中间业务收入占总收入的比例计算得来的。
宏观控制变量包括：国民生产总值增长率（Gdpn）、A股市值比率（Fing）、政府干预度（Gov）。其中，Gdpn是通过计算国民生产总值的每年增长率而得；Fing是通过将A股市值除以国民生产总值而得；Gov是通过将财政预算净支出除以国民生产总值而得。
（四）计量方法
本文的样本数据都具有不可观测的个体效应，静态实证模型可以较好地解决这一问题，所以本文将使用静态实证分析方法进行回归。静态实证模型有三种，即随机效应模型、固定效应模型、混合效应模型，通过Hausman检验和F检验，本文最终确定使用固定效应模型进行相关的回归分析。同时，模型之中有可能存在内生性的问题，所以在进行固定效应回归后，本文再进行系统GMM回归分析。
五、实证结果与分析
（一）描述性统计
表2列示出了模型（1）、模型（2）、模型（3）中各变量描述性统计结果。从表2中可以看出，商业银行净资产收益率均值为1.062，而最小值为-0.672，最大值为2.753，这表明净资产收益率的分布是向左偏移的，即只有小部分的商业银行能够达到平均水平。商业银行的总资产周转率均值为0.024，最小值为0.01，最大值为0.04，这表明商业银行的总资产周转率分布较平均。商业银行人均利润率均值为0.251，最小值为0.154，最大值为0.861，这表明人均利润率的分布是向左偏移的，即只有少部分商业银行能够达到平均水平。金融科技创新指数的均值为0.131，最小值为0，最大值为2.42，也表明了只有少部分商业银行能够达到平均水平。上述统计数据基本与事实相符，金融科技创新一般只有在较大的商业银行能够实现，同时这些商业银行也拥有更高的经营效率，从统计数据中可以看出，二者之间可能存在正相关关系。
（二）实证结果与分析
表3列出了净资产收益率的实证结果。其中，第一列和第二列为固定效应回归结果，第三列和第四列为系统GMM回归结果，并且第一列和第三列没有加入交互项。第一列Ft的估计系数为1.168，在1%统计水平上高度显着，这代表此时金融科技创新的边际价值为1.168。第二列Ft的估计系数为2.351，并且交互项的估计系数为1.563，二者均为显着，这代表金融科技创新显着受商业银行规模大小的影响，且商业银行规模越大，金融科技创新的效果越明显。第三列Ft的估计系数为1.165，在1%统计水平上高度显着，这代表此时金融科技创新的边际价值为1.165。第四列Ft的估计系数为1.892，并且交互项的估计系数为1.765，二者均为显着，同样代表金融科技创新显着受商业银行规模的影响，同样是商业银行规模越大，金融科技创新的效果越明显。
通过对比分析这四组结果可知，Ft的系数一直都是高度显着的，且系数值均为正，同样交互项的系数也都是显着的且为正，这说明在技术领域的金融科技创新能够明显地提高商业银行的净资产收益率。假设1得到验证。
另外，从表3还可以看出，各列的控制变量系数均高度显着，其中Size、Lev、Ldr、Nir、Gov的系数为正，这代表上市公司规模越大、资产负债率越低，存贷比、非息收入占比越大，政府的财政预算净支出越多，将越能提高商业银行的净资产收益率；相反，国民生产总值增长速度越快、A股市值相对国民生产总值越大，将会降低商业银行的净资产收益率。
表4列出了总资产周转率的实证结果。其中，第一列和第二列为固定效应回归结果，第三列和第四列为系统GMM回归结果，并且第一列和第三列没有加入交互项。第一列Ft的估计系数为3.188，在1%统计水平上高度显着，这代表此时金融科技创新的边际价值为3.188。第二列Ft的估计系数为3.851，并且交互项的估计系数为1.514，二者均为显着，这代表金融科技创新显着受商业银行规模大小的影响，且商业银行规模越大，金融科技创新的效果越明显。第三列Ft的估计系数为3.264，在1%统计水平上高度显着，这代表此时金融科技创新的边际价值为3.264。第四列Ft的估计系数为3.852，并且交互项的估计系数为1.825，二者均为显着，这同样代表金融科技创新显着受商业银行规模的影响，同样是商业银行规模越大，金融科技创新的效果越明显。
通过对比分析这四组结果可知，Ft的系数一直都是高度显着的，且系数值均为正，同样交互项的系数也都是显着的且为正，这说明在技术领域的金融科技创新能够明显提高商业银行的总资产周转率。假设2得到验证。
另外，从表4还可以看出，各列的控制变量系数均高度显着，其中Size、Lev、Ldr、Nir、Gov的系数为正，这代表上市公司规模越大，资产负债率越低，存贷比、非息收入占比越大，政府的财政预算净支出越多，将越能提高商业银行的总资产周转率；相反，国民生产总值增长速度越快、A股市值相对国民生产总值越大，将会降低商业银行的总资产周转率。
表5列出了人均利润率的实证结果。其中，第一列和第二列为固定效应回归结果，第三列和第四列为系统GMM回归结果，并且第一列和第三列没有加入交互项。第一列Ft的估计系数为0.362，在1%统计水平上高度显着，这代表此时金融科技创新的边际价值为0.362。第二列Ft的估计系数为0.516，并且交互项的估计系数为0.212，二者均为显着，这代表金融科技创新显着受商业银行规模大小的影响，且商业银行规模越大，金融科技创新的效果越明显。第三列Ft的估计系数为0.364，在1%统计水平上高度显着，这代表此时金融科技创新的边际价值为0.364。第四列Ft的估计系数为0.541，并且交互项的估计系数为0.268，二者均为显着，这同样代表金融科技创新显着受商业银行规模的影响，同样是商业银行规模越大，金融科技创新的效果越明显。
通过对比分析这四组结果可知，Ft的系数一直都是高度显着的，且系数值均为正，同样交互项的系数也都是显着的且为正，这说明在技术领域的金融科技创新能够明显提高商业银行的人均利润率。假设3得到验证。
另外，从表5还可以看出，各列的控制变量系数均高度显着，其中Size、Lev、Ldr、Nir、Gov的系数为正值，这代表上市公司规模越大，资产负债率越低，存贷比、非息收入占比越大，政府的财政预算净支出越多，将越能提高商业银行的人均利润率；相反，国民生产总值增长速度越快、A股市值相对国民生产总值越大，将会降低商业银行的人均利润率。
六、结论与政策建议
本研究对以往学者的研究进行了梳理，从金融科技创新影响商业银行经营效率的角度提出了三个研究假设，并采用2011—2018年我国31个省份的面板数据进行了相关的实证分析，结果表明基于技术层面的金融科技创新对商业银行的净资产收益率、总资产周转率、人均利润率均有正向的促进作用，这说明基于技术层面的金融科技创新能够有效地提高商业银行的经营效率。根据实证结果分析，为提升技术层面的商业银行金融科技创新能力，进而提高商业银行经营效率，提出以下几个政策建议：
第一，大力发展基础科技技术研究带动金融科技创新。我国商业银行的金融科技创新大多偏重于应用场景，商业银行依托场景优势，推动了新型金融服务和产品的应用及开发，但是缺少基础科技技术的研究发展。因此，我国应针对基础科技技术薄弱这一环节，出台必要的优惠政策，鼓励商业银行及金融科技企业加大基础研究的投入，做到全面发展。具体操作上，可以组织商业银行和相关企业联合成立金融科技创新研究室，集中突破一些技术瓶颈并完善相关立法，对基础科技技术研究成果进行保护，最终做到为金融科技创新保驾护航。
第二，加大金融科技创新人才的培养力度。我国商业银行正处于转型升级的关键时刻，这需要大量的高素质金融科技人才来支撑。通过建立科学的人才培养机制，才能打造专业能力强、技术过硬、层次合理的金融科技创新人才队伍，这符合我国金融服务业发展的长期规划。同时高校应该完善金融科技创新人才的培养模式，增加人工智能、区块链、大数据等新兴科技专业，为我国商业银行高质量发展培养后备人才。
第三，加强商业银行与金融科技企业的合作。商业银行和金融科技企业拥有各自的行业特点和竞争优势，通过合作能够达到共赢的目的，合作本身就是一个取长补短的过程。相对于商业银行，金融科技企业拥有更多的技术优势，这恰恰是商业银行所欠缺的，通过合作，能够加快商业银行的技术更新换代，有利于提高商业银行金融科技创新能力。
参考文献
［1］BERGER A N.DEYOUNG R.The Effects of Geographic Expansion on Bank Efficiency［J］.Journal of Financial Services Research，2001（19）：163-184.
［2］BREWER T L，YOUNG S.The US in the WTO： industry structure，firm strategy and government policy［J］.Edward Elgar，2001：128-154.
［3］ACHARYA V V，YORULMAZER T.A Theory of Procyclical Bank Herding［J］.SSRN Electronic Journal，2004：1-46.
［4］LOUZIS D P，VOULDIS A T，METAXAS V L .Macroeconomic and Bank-Specific Determinants of NonPerforming Loans in Greece： A Comparative Study of Mortgage，Business and Consumer Loan Portfolios［J］.Journal of Banking & Finance，2012，36（4）：1012-1027.
［5］宫晓林.互联网下的新金融形式［J］.中国金融，2013（24）：56-57.
［6］饶越.互联网金融的实际运行与监管体系催生［J］.改革，2014（3）：56-63.
［7］褚蓬瑜，郭田勇.互联网金融与商业银行演进研究［J］.宏观经济研究，2014（5）：19-28.
［8］SHERMAN H D，GOLD F.Bank branch operating efficiency： Evaluation with data envelopment analysis［J］.Management Science Letters，2014，9（ 2）：297-315.
［9］李小庆.“互联网+”时代，银行发展移动金融的路径［J］.金融科技时代，2015（9）：38-43.
［10］彭迪云，李阳.互联网金融与商业银行的共生关系及其互动发展对策研究［J］.经济问题探索，2015（3）：133-139.
［11］郭品，沈悦.互联网金融对商业银行风险承担的影响：理论解读与实证检验［J］.财贸经济，2015（10）：102-116.
［12］巴曙松，白海峰.金融科技的发展历程与核心技术应用场景探索［J］.清华金融评论，2016（11）：99-103.
［13］陆岷峰，虞鹏飞.金融科技与商业银行创新发展趋势［J］.银行家，2017（4）：127-130.
［14］王娜，王在全.金融科技背景下商业银行转型策略研究［J］.现代管理科学，2017（7）：24-26.
［15］崔子腾，马越，吴晗.金融科技发展对银行业的影响及对策研究［J］.中国物价，2017（6）：43-45.
［16］刘笑彤，杨德勇.互联网金融背景下商业银行并购重组选择差异的效率研究——基于商业银行异质性的Malmquist指数实证分析［J］.国际金融研究，2017（10）：65-75.
［17］曾琳，杜琳琳，李红月，等.金融科技与商业银行创新发展趋势［J］.全国流通经济，2018（15）：68-69.
［18］陈泽鹏，肖杰，李成青.新形势下商业银行发展金融科技的思考［J］.国际金融，2018（2）：37-41.
［19］陈国红.科技让金融更开放——金融科技驱动商业银行数字化转型的思考［J］.银行家，2019（1）：42-43.
［20］刘孟飞，蒋维.金融科技促进还是阻碍了商业银行效率？——基于中国银行业的实证研究［J］.当代经济科学，2020，42（3）：56-68.
［21］于波，陈红，周宁.绿色信贷，金融科技与商业银行盈利能力［J］.统计与决策，2021（14）：161-164.
［22］汪可，吴青，聂秀华.我国新金融发展与经济增长的互动关系研究［J］.西安财经学院学报，2019，32（2）：37-44.
［23］孟娜娜，粟勤，雷海波.金融科技如何影响银行业竞争［J］.财贸经济，2020，41（3）：66-79.
［24］顾海峰，杨立翔.互联网金融与银行风险承担：基于中国银行业的证据［J］.世界经济，2018，41（10）：75-100.
