互联网金融对商业银行系统性风险的影响——基于沪深股市上市商业银行的证据
|
摘要
立足资产价格波动理论和长尾理论,文章阐述了互联网金融对商业银行系统性风险的影响机理,然后运用条件风险价值法测算商业银行系统性风险,并结合2007～2016年中国沪深股市14家上市商业银行的面板数据进行实证检验。研究发现,互联网金融通过冲击商业银行资产业务和负债业务,进而影响商业银行信贷风险和流动性风险,显著提高商业银行系统性风险。因此,商业银行可通过加强金融创新、增加互联网消费信贷的投放比例、积极调整利率政策等手段应对互联网金融的冲击。
Based on the theory of asset price volatility and the long tail theory,this paper illustrates the influence mechanism of Internet Finance on the systemic risk of commercial banks.Then the systemic risk of commercial banks is calculated by the method of Conditional Value at Risk.Combined with the panel data of 14 listed commercial banks in China's Shanghai and Shenzhen stock markets from 2007 to 2016,the empirical test is carried out.The research found that Internet finance affects the credit risk and liquidity risk of commercial banks through the impact on commercial bank assets business and debt business,which significantly enhanced the systemic risk of commercial banks.Therefore,commercial banks can respond to the impact of Internet finance by strengthening financial innovation,increasing the proportion of Internet consumption credit,and actively adjusting the policy of interest rate.
Based on the theory of asset price volatility and the long tail theory,this paper illustrates the influence mechanism of Internet Finance on the systemic risk of commercial banks.Then the systemic risk of commercial banks is calculated by the method of Conditional Value at Risk.Combined with the panel data of 14 listed commercial banks in China's Shanghai and Shenzhen stock markets from 2007 to 2016,the empirical test is carried out.The research found that Internet finance affects the credit risk and liquidity risk of commercial banks through the impact on commercial bank assets business and debt business,which significantly enhanced the systemic risk of commercial banks.Therefore,commercial banks can respond to the impact of Internet finance by strengthening financial innovation,increasing the proportion of Internet consumption credit,and actively adjusting the policy of interest rate.
引文
[1]Anonymous.Confront e-commerce and security issues[J].Credit U-nion Magazine,65(9):25-37.
[2]Brewer H.E-commerce and Community Banking[J].Commercial Lending Review,16(3):48.
[3]Acharya,R N&A,Kagan.Community Banks and Internet Commerce[J].Journal of Internet Commerce,2004,3(1):23-30.
[4]Shahrokhi,M.E-Finance:Status,Innovations,Resources and Future Challenges[J].Managerial Finance,2008,34(6):365-398.
[5]刘澜飚,沈鑫,郭步超.互联网金融发展及其对传统金融模式的影响探讨[J].经济学动态,2013(8):73-83.
[6]郑联盛.中国互联网金融:模式、影响、本质与风险[J].国际经济评论,2014(5):103-118,6.
[7]吴晓求.互联网金融:成长的逻辑[J].财贸经济,2015,36(2):5-15.
[8]邹静,王洪卫.互联网金融对中国商业银行系统性风险的影响--基于SVAR模型的实证研究[J].财经理论与实践,2017,38(1):17-23.
[9]吴悠悠.我国互联网金融:问题、前景和建议[J].管理世界,2015(4):170-171.
[10]莫易娴.互联网时代金融业的发展格局[J].财经科学,2014(4):1-10.
[11]曾建光.网络安全风险感知与互联网金融的资产定价[J].经济研究,2015,50(7):131-145.
[12]张宗新.金融资产价格波动与风险控制[M].上海:复旦大学出版社,2005.
[13]舒长江,胡援成,樊嫱.资产价格波动与商业银行脆弱性:理论基础与宏观实践[J].财经理论与实践,2017,38(1):2-9.
[14]李继尊.关于互联网金融的思考[J].管理世界,2015(7):1-7,16.
[15]戴国强,方鹏飞.利率市场化与银行风险---基于影子银行与互联网金融视角的研究[J].金融论坛,2014,19(8):13-19,74.
[16]牛华勇,闵德寅.互联网金融对商业银行的影响机制研究---基于新实证产业组织视角[J].河北经贸大学学报,2015,36(3):66-71.
[17]Zvi,Bodie&RC.Merton.A Conceptual Framework for Analyzing the Financial Environment[J].Social Science Electronic Publishing,1995.
[18]吴晓求.中国金融的深度变革与互联网金融[J].财贸经济,2014,35(1):14-23.
[19]沈悦,郭品.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.
[20]Anderson,C.The Long Tail:Why the Future of Business Is Selling Less of More[M].Hyperion,2006.
[21]霍兵,张延良.互联网金融发展的驱动因素和策略---基于长尾理论视角[J].宏观经济研究,2015(2):86-93,108.
[22]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.
[23]Adrian,T&M.Brunnermeier.CoVaR[R].Federal Reserve Bank of New York Staff Report No.348,2008.
[24]薛梅.我国上市银行多元化经营对系统性风险的影响研究[D].南京:东南大学,2016.
[25]吴成颂,周炜,张鹏.互联网金融对银行创新能力的影响研究---来自62家城商行的经验证据[J].贵州财经大学学报,2016(3):54-65.
[26]温忠麟,张雷,侯杰泰,刘红云.中介效应检验程序及其应用[J].心理学报,2004(5):614-620.
[27]温忠麟,叶宝娟.中介效应分析:方法和模型发展[J].心理科学进展,2014,22(5):731-745.
(1)截至2016年,国内沪深证交所上市商业银行主要有16家,由于中国农业银行、中国光大银行于2010年上市,与样本所选区间不符,故予以剔除。因此本文选取14家上市商业银行,具体包括:4家国有大型股份制商业银行:中国工商银行、中国银行、中国建设银行、交通银行,7家全国性股份制商业银行:浦东发展银行、民生银行、招商银行、华夏银行、兴业银行、中信银行、平安银行,3家城市商业银行:南京银行、北京银行、宁波银行。
(2)△CoVa Rq j/i为负值,本文为计算方便,对其进行正向化处理,值越大,表明商业银行系统性风险越高。
[2]Brewer H.E-commerce and Community Banking[J].Commercial Lending Review,16(3):48.
[3]Acharya,R N&A,Kagan.Community Banks and Internet Commerce[J].Journal of Internet Commerce,2004,3(1):23-30.
[4]Shahrokhi,M.E-Finance:Status,Innovations,Resources and Future Challenges[J].Managerial Finance,2008,34(6):365-398.
[5]刘澜飚,沈鑫,郭步超.互联网金融发展及其对传统金融模式的影响探讨[J].经济学动态,2013(8):73-83.
[6]郑联盛.中国互联网金融:模式、影响、本质与风险[J].国际经济评论,2014(5):103-118,6.
[7]吴晓求.互联网金融:成长的逻辑[J].财贸经济,2015,36(2):5-15.
[8]邹静,王洪卫.互联网金融对中国商业银行系统性风险的影响--基于SVAR模型的实证研究[J].财经理论与实践,2017,38(1):17-23.
[9]吴悠悠.我国互联网金融:问题、前景和建议[J].管理世界,2015(4):170-171.
[10]莫易娴.互联网时代金融业的发展格局[J].财经科学,2014(4):1-10.
[11]曾建光.网络安全风险感知与互联网金融的资产定价[J].经济研究,2015,50(7):131-145.
[12]张宗新.金融资产价格波动与风险控制[M].上海:复旦大学出版社,2005.
[13]舒长江,胡援成,樊嫱.资产价格波动与商业银行脆弱性:理论基础与宏观实践[J].财经理论与实践,2017,38(1):2-9.
[14]李继尊.关于互联网金融的思考[J].管理世界,2015(7):1-7,16.
[15]戴国强,方鹏飞.利率市场化与银行风险---基于影子银行与互联网金融视角的研究[J].金融论坛,2014,19(8):13-19,74.
[16]牛华勇,闵德寅.互联网金融对商业银行的影响机制研究---基于新实证产业组织视角[J].河北经贸大学学报,2015,36(3):66-71.
[17]Zvi,Bodie&RC.Merton.A Conceptual Framework for Analyzing the Financial Environment[J].Social Science Electronic Publishing,1995.
[18]吴晓求.中国金融的深度变革与互联网金融[J].财贸经济,2014,35(1):14-23.
[19]沈悦,郭品.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.
[20]Anderson,C.The Long Tail:Why the Future of Business Is Selling Less of More[M].Hyperion,2006.
[21]霍兵,张延良.互联网金融发展的驱动因素和策略---基于长尾理论视角[J].宏观经济研究,2015(2):86-93,108.
[22]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.
[23]Adrian,T&M.Brunnermeier.CoVaR[R].Federal Reserve Bank of New York Staff Report No.348,2008.
[24]薛梅.我国上市银行多元化经营对系统性风险的影响研究[D].南京:东南大学,2016.
[25]吴成颂,周炜,张鹏.互联网金融对银行创新能力的影响研究---来自62家城商行的经验证据[J].贵州财经大学学报,2016(3):54-65.
[26]温忠麟,张雷,侯杰泰,刘红云.中介效应检验程序及其应用[J].心理学报,2004(5):614-620.
[27]温忠麟,叶宝娟.中介效应分析:方法和模型发展[J].心理科学进展,2014,22(5):731-745.
(1)截至2016年,国内沪深证交所上市商业银行主要有16家,由于中国农业银行、中国光大银行于2010年上市,与样本所选区间不符,故予以剔除。因此本文选取14家上市商业银行,具体包括:4家国有大型股份制商业银行:中国工商银行、中国银行、中国建设银行、交通银行,7家全国性股份制商业银行:浦东发展银行、民生银行、招商银行、华夏银行、兴业银行、中信银行、平安银行,3家城市商业银行:南京银行、北京银行、宁波银行。
(2)△CoVa Rq j/i为负值,本文为计算方便,对其进行正向化处理,值越大,表明商业银行系统性风险越高。