NIFD：数字经济背景下科技服务商对商业银行的异质性影响研究_12页_1mb

数字经济背景下科技服务商对商业银行的异质性影响研究总结

核心内容

本文研究了在数字经济背景下，银行科技服务商对商业银行在要素投入、要素产出和经营效率等方面的影响。研究采用54家商业银行和22家银行科技服务商上市公司作为样本，分析了科技服务商对商业银行的异质性影响，并通过门限回归模型探讨了主体特征和制度环境对协同创新效果的非线性影响。

主要观点

• 劳动力生产要素：银行科技服务商对商业银行劳动力生产要素的影响经历了从“促进”到“替代”的转变，2016年之前主要促进劳动力需求，之后则开始替代部分岗位，导致员工数量减少。
• 投入产出效率：在金融科技前阶段，科技服务商对商业银行投入产出效率影响不显著；2016年之后，其影响显著为正，表明科技服务商有助于提高商业银行的规模效率，但对技术效率和纯技术效率影响不明显。
• 信贷业务：2016年之后，科技服务商显著促进了商业银行贷款余额的增长，但同时也增加了不良贷款率，表明信用风险上升。
• 技术创新：科技服务商促进了商业银行研发投入，但对自主创新能力的影响减弱，表明技术溢出效应逐渐减弱。
• 风险承担：科技服务商在不同阶段对操作风险和信用风险有不同的影响，2016年前操作风险上升，之后信用风险增加，且风险承担水平未显著降低。

关键信息

1. 研究样本与方法

• 样本选择：54家连续发布2010—2020年年度报告的商业银行和22家银行科技服务商上市公司。
• 研究方法：采用双向固定效应模型和门限回归模型进行实证分析。

2. 技术解决方案的影响

• 金融科技前阶段（2010—2015）：科技服务商主要提供传统IT基础设施，对商业银行的影响以促进为主。
• 金融科技后阶段（2016—2020）：科技服务商提供更复杂的数字技术产品，开始对商业银行产生替代作用，并显著提升贷款余额，但同时增加信用风险。

3. 技术投入与产出分析

• 劳动力生产要素：科技服务商的发展导致商业银行员工数量减少，对劳动力具有替代作用。
• 信贷业务：贷款余额显著增加，但不良贷款率也显著上升。
• 技术创新：研发投入增加，但自主创新能力不足，技术溢出效应减弱。

4. 风险承担水平

• 操作风险：2016年前显著增加，之后影响减弱。
• 信用风险：2016年后显著增加，且负面影响逐渐加深。
• 技术应用风险：技术应用存在不确定性，且高风险技术产品应用可能导致预算软约束问题。

5. 门限回归模型分析

• 门限变量：选取银行科技服务商总营业收入、商业银行资本充足率、国家知识产权保护强度作为门限变量。
• 门限值：根据回归结果，不同被解释变量存在不同的门限值，如贷款余额的门限值为24.4373，净利润的门限值为24.1363。
• 非线性影响：主体特征和制度环境对商业银行的经营绩效和风险承担存在非线性影响，表明协同创新效果具有异质性。

影响机制

• 技术替代：随着科技服务商提供更复杂的技术产品，其对商业银行劳动力的替代作用逐渐显现。
• 技术促进：科技服务商通过提供技术解决方案，促进了商业银行的业务拓展和研发投入。
• 风险传递：技术产品和解决方案在提升效率的同时，也增加了商业银行的操作风险和信用风险，存在技术应用风险的传递问题。

结论与建议

• 结论：银行科技服务商对商业银行的影响具有时间异质性，2016年是一个重要转折点，从促进转向替代。
• 建议：商业银行在采用科技服务商技术产品时，需注意技术应用的风险管理，加强自主创新能力，同时优化技术产品选择，以平衡效率提升与风险控制。

关键变量与模型

• 核心解释变量：
  • $ITProvider_{it}$：银行科技服务商总营业收入
  • $Spillover_{it}$：银行科技服务商研发投入
  • $ITMarket_{it}$：银行IT解决方案市场规模
• 被解释变量：
  • $TFP_{it}$：投入产出效率
  • $Loan_{it}$：贷款余额
  • $Profit_{it}$：净利润
  • $NPL_{it}$：不良贷款率
  • $Operating_{it}$：操作风险
• 控制变量：包括存款余额、固定资产规模、研发投入、资产规模、资产负债率、股权集中度、GDP、CPI、同业拆借利率、M2增速等。

门限效应分析

• 单门限效应：存在于部分变量，如贷款余额和净利润。
• 双门限效应：存在在不良贷款率和净利润等变量中。
• 门限值：不同变量对应不同的门限值，表明影响机制的非线性特征。

综上所述，银行科技服务商在数字经济背景下对商业银行的影响是复杂的，既有助于提升效率和业务规模，也带来了新的风险挑战。因此，商业银行在采用科技服务商技术产品时，需综合考虑技术发展水平、自身风险承受能力和制度环境等因素，以实现协同创新的最优效果。