《互联网金融对商业银行盈利影响的实证分析》5300字

互联网金融对商业银行盈利影响的实证分析综述目录TOC\o"1-3"\h\u26548互联网金融对商业银行盈利影响的实证分析综述 199951.1指标体系的构建 179911.1.1互联网金融发展水平指标 1162071.1.2商业银行盈利水平指标 19291.2数据来源 4198531.3模型构建 4238221.4稳定性检验与相关性分析 543341.1.1平稳性检验 539931.1.2描述性统计 7164851.1.3相关分析 8298301.5面板模型设定检验 10240061.6实证结果及分析 101.1指标体系的构建1.1.1互联网金融发展水平指标本文所从外部互联网金融企业和商业银行自身的互联网化两个方面，展开分析互联网金融对商业银行盈利水平影响。目前，国际层面或国家层面未对互联网金融业务进行定义与界定，无法对互联网金融业务的总体规模进行衡量，故互联网金融的发展水平无法通过整体规模来进行衡量。而目前第三方支付是互联网金融业务规模较大的业务之一，且可能对商业银行盈利造成影响。因此，本文将选择以第三方支付（TP）交易规模为指标，衡量目前我国互联网金融企业的发展水平。而商业银行通过研发定制化金融产品，并为客户提供良好的金融服务等，不断发展线上业务渠道及自身互联网化，商业银行网上银行规模能较好体现出银行线上服务的规模水平，故本文用商业银行网上银行业务交易规模（IBOP）代表商业银行自身互联网化的发展水平。1.1.2商业银行盈利水平指标总资产收益率（ROA）和净资产收益率（ROE）通常被学者们用来衡量商业银行盈利情况。净资产收益率（ROE）是净利润与平均股东权益的比值，主要用来衡量公司股东投入资本的收益水平，投资可行性可以透过该指标来判断。总资产收益率（ROA）是净利润与公司总资产的比值，主要用来衡量公司通过资产获取多少利润的指标。从反映内容来看，ROE是股东权益的收益水平，是股东投入公司资本的角度，ROA是运用其全部资金获取利润能力的集中体现，是股东和债权人对公司投资的角度。ROE更多注重的是股东的权益，而忽视公司债权人。所以，本文认为总资产收益率ROA更能体现公司运用全部资金（包括股东和债权人）获利能力或运用全部资本的效率。比如，公司在没有负债的情况下，公司的所有资产都来自于股东，ROE与ROA是相同的。但是对于长期亏损的公司，所有者权益接近零，那么其ROE很大，ROA却非常小，故ROA比ROE更能衡量公司获利能力，本文将总资产收益率作为因变量，来分析商业银行的盈利能力。商业银行盈利能力的影响因素有两个方面，从宏观层面来看，国家金融政策及宏观调控都会影响商业银行的盈利，从微观层面来看，影响因素包括自身风险承担能力、运营效率等。故本文从资产规模、资产配置、产权结构、业务收益及宏观经济发展情况五个方面，选取以下指标来作为衡量商业银行盈利能力的评判指标。（1）总资产规模（SIZE）商业银行的总资产规模能够体现银行在网点、客户、资产上的优势，也会影响着商业银行的业务定位。总资产的高低会导致规模经济、规模不经济，同时增加流动性风险和信用风险，还会影响盈利能力的高低。因此，本文使用商业银行资产负债表中的总资产来反映资产规模。（2）存贷比（LRD）银行贷款余额与存款余额的比率是存贷比，如果银行的存贷比很低，就意味着成本高收入少，银行的盈利能力就较差。反之，如果银行的存贷比很高，就意味着收入多成本低，银行的盈利能力就不错。为了自身获取更多利润，商业银行更趋于高的存贷比。但是为了防控业务风险，确保能够满足日常的客户结算需求和中央银行存款准备制度要求，商业银行又不得不压制过高的存贷比。故本文将运用存贷比来反映商业银行资产配置情况。（3）资产负债率（DAR）资产负债率＝负债总额／资产总额，是用来反映企业有效利用债权人提供的资金开展经营活动能力的指标。《巴塞尔协议》规定，商业银行资本核心充足率为8%，那么推断出银行的资产负债率应在92%左右。过高的资产负债率会引发商业银行的挤兑风险，如果出现不良贷款时，商业银行可能会因为负债过高，导致无法满足其他客户日常结算需求，引发银行破产，所以银行负债一定要保持在合适的范围内。本文选择资产负债率来作为产权结构有关的指标。（4）净息差（NIM）商业银行主要依靠存贷款盈利，故其最主要的利润就是利差收入。本文选取了净息差用来衡量商业银行业务收益情况。银行的净息差是利息收入与利息费用之差占总资产的比例。在目前的形势下政府推行利率市场化，为维持银行正常经营，适当的利差可以保证银行正常经营。（5）国内生产总值（GDP）金融作为国民经济发展的重要命脉，必然会受到国家宏观经济调控的影响，故本文选取国内生产总值作为衡量宏观经济发展情况指标。当经济处于上行和稳定期时，居民收入增加，公众存款相应增加，企业经营良好且资金需求增大，同时不良率下降，银行利润得以提升。但是当经济处于衰退期，企业对资金需求下降，部分企业难以在恶劣的经济环境下生存导致银行不良增加，从而影响银行的盈利。综上所述，互联网金融对商业银行盈利影响指标如下表所示：变量类别变量名称变量符号变量定义被解释变量盈利能力ROA资产收益率解释变量互联网金融企业发展规模TP第三方支付交易规模商业银行自身互联网化发展程度IBOP样本网银交易规模控制变量资产规模SIZE 总资产的规模资产配置能力LDR存贷比产权结构DAR资产负债率业务收益能力NIM净息差宏观经济发展水平GDP国内生产总值表1.1互联网金融对商业银行盈利影响指标1.2数据来源本文选取的分析样本是2013年第一季度-2018年第四季度10家上市银行的相关数据，包括5家国有银行和5家股份制银行。采集数据的渠道包括中国人民银行官网、中国银保监局官网、上市银行年报、wind数据库、易观数据分析、艾瑞咨询、《中国网上银行年度监测报告》及《中国统计年鉴》。第三方支付的数据来自易观数据分析、艾瑞咨询发布的相关业务的季度报告。实证分析过程中，主要运用了EXCEL进行数据的初步处理以及STATA软件进行变截距面板模型的回归与检验。1.3模型构建本文探究互联网金融对商业银行盈利水平的影响，采用资产收益率作为变量衡量银行盈利，第三方交易规模、样本网银交易规模作为自变量，同时考虑企业规模、存贷比、资产负债率、净息差、国内生产总值对银行资产收益率的影响，将其作为控制变量。在考虑截面和时间变动的情况下，面板数据既能扩大样本的自由度，又能减少变量之间的共线性，使得其更为准确衡量变量的变化特征和规律。另外，由于个体异质性也会对银行的盈利能力造成影响，故建立变截距面板模型： 其中，为固定截距项，表示银行盈利的个体效应，表示因银行和年份变化而变化的随机扰动项。1.4稳定性检验与相关性分析1.1.1平稳性检验（1）单位根检验为避免出现虚假回归现象，确保序列不会因时间变化而变化，故本文首先使用单位根检验法对序列进行平稳性检验，若为平稳序列则不含单位根，若为非平稳序列则含有单位根。为分析资产收益率、第三方交易规模、样本网银交易规模、企业规模、存贷比、资产负债率、净息差、国内生产总值的平稳性，本文采用常用的ADF单位根检验法对ROA、TP、IBOP、SIZE、LDR、DAR、NIM、GDP序列及其一阶差分序列进行平稳性检验。零假设为非平稳序列，即存在一个单位根，对立假设为平稳序列，即不存在单位根。变量ADF-FisherChi-squareP-value判断ROA

22.2666

0.3262非平稳TP

11.8405

0.9215非平稳IBOP

22.6692

0.3053非平稳SIZE

9.02923

0.9826非平稳LDR

9.02923

0.9826非平稳DAR

26.1486

0.1610非平稳NIM

8.00745

0.9918非平稳GDP

1.58713

1.0000非平稳表1.2原序列的ADF检验结果原序列的ADF检验结果表明，ROA、TP、IBOP、SIZE、LDR、DAR、NIM、GDP序列的ADF统计量P值均大于5%的显著性水平，无法拒绝原假设，即ROA、TP、IBOP、SIZE、LDR、DAR、NIM、GDP序列均存在单位根过程，为非平稳序列。基于非平稳的情况，不能使用原序列进行回归分析，故使用一阶差分序列进行检验。变量ADF-FisherChi-squareP-value判断D(ROA)

255.082

0.0000平稳D(TP)

111.508

0.0000平稳D(IBOP)

156.920

0.0000平稳D(SIZE)

56.6583

0.0000平稳D(LDR)

116.890

0.0000平稳D(DAR)

138.645

0.0000平稳D(NIM)

85.7838

0.0000平稳D(GDP)

147.019

0.0000平稳表1.3一阶差分序列的ADF检验结果一阶差分序列的ADF检验结果表明，ROA、TP、IBOP、SIZE、LDR、DAR、NIM、GDP一阶差分序列的ADF统计量P值均小于5%的显著性水平，原假设被拒绝，均不存在单位根，为平稳序列。综上所述，资产收益率、第三方交易规模、样本网银交易规模、企业规模、存贷比、资产负债率、净息差、国内生产总值是非平稳序列，一阶差分后为平稳序列，故对各个变量检验协整关系。（2）协整分析采用KAO检验对ROA、TP、IBOP、SIZE、LDR、DAR、NIM、GDP进行协整关系检验。t-StatisticProb.ADF-9.5334300.0000Residualvariance0.021846HACvariance0.017031表1.4模型的KAO检验结果零假设为不存在协整关系。由上图可知，P值为0.0000，这表明在5%的水平下拒绝零假设。故该模型中ROA、TP、IBOP、SIZE、LDR、DAR、NIM、GDP存在协整关系，原序列可以开展回归分析。1.1.2描述性统计对2013年第一季度-2018年第四季度的10家商业银行的资产收益率、第三方交易规模、样本网银交易规模、企业规模、存贷比、资产负债率、净息差、国内生产总值做描述性统计，对各变量的最小值、最大值、均值和标准差波动情况进行观察，结果如下表所示。ROATPIBOPSIZELDRDARNIMGDPMean0.721031.115041.820529.767875.408893.08752.304118.4296Median0.70127.8531.3527829.4973.8920593.149752.3218.11Maximum1.466655152.660330.9799.778591.92183.654825.88Minimum0.19513.092.91628.5149.591.42391.412.94Std.Dev.0.319516.151536.47060.71569.17930.76710.38963.2647Observations240240240240240240240240表1.5变量描述性统计分析以上表格可以看出，2013年第一季度-2018年第四季度的10家商业银行的资产收益率的最小值是0.195%，最大值是1.4666%，均值是0.7210%。第三方交易规模的最小值是13.09，最大值是55，均值是31.1150，即各季度的平均第三方交易规模为31.1150。各银行的样本网银交易规模的最小值是2.916，最大值是152.6603，均值是41.8205。在控制变量中，企业规模的最小值是28.51，最大值是30.97，各银行的平均企业规模是29.7678。存贷比的最小值是49.5%，最大值是99.7785%，均值是75.4088%。资产负债率的最小值是91.4239%，最大值是91.9218%，均值是93.0875%。净息差的最小值是1.4，最大值是3.6548，均值是2.3041。国内生产总值的最小值是12.94，最大值是25.88，均值是18.4296，即各季度的平均国内生产总值为18.4296。1.1.3相关分析为探究变量间的相关关系，本文采用Pearson相关系数进行检验。相关系数在-1和1之间波动，系数大于0即为正相关关系，相关系数小于0即为负相关关系。当系数的绝对值趋于1时，说明变量之间具有高相关性；当系数的绝对值越趋于0时，说明变量之间具有低相关性。对资产收益率、第三方交易规模、样本网银交易规模、企业规模、存贷比、资产负债率、净息差、国内生产总值做相关分析，得到Pearson相关系数及显著性。结果如下所示。CorrelationProbabilityROA

TP

IBOP

SIZE

LDR

DAR

NIM

GDP

ROA

1.000000

TP

-0.217242***1.0000000.0007

IBOP

0.1033150.191110***1.0000000.11040.0030

SIZE

0.114778*0.201913***0.758999***1.0000000.07590.00170.0000

LDR

-0.143583**0.405302***-0.264961***-0.339269***1.0000000.02610.00000.00000.0000

DAR

-0.095866-0.359176***-0.550296***-0.599193***-0.259396***1.0000000.13870.00000.00000.00000.0000

NIM

0.209110***-0.527301***0.035660-0.006496-0.560396***0.332352***1.0000000.00110.00000.58250.92030.00000.0000

GDP

0.256693***0.572540***0.149260**0.221005***0.500598***-0.511193***-0.564446***1.0000000.00010.00000.02070.00060.00000.00000.0000

表1.6各变量相关分析表注：第一行为pearson相关系数，第二行为系数的显著性。***、**、*分别表示在1%、5%、10%水平上显著。如上表所示，第三方交易规模与资产收益率的相关系数是负的，其在1%水平上显著；存贷比与资产收益率的相关系数也是负的，其在5%水平上显著；这说明第三方交易规模、存贷比与资产收益率有负相关关系，即第三方交易规模、存贷比越高，资产收益率则越低。资产规模、净息差、国内生产总值与资产收益率的相关系数都是正的，其中企业规模在10%水平上显著，净息差、国内生产总值在1%水平上显著，这表明资产规模、净息差、国内生产总值与资产收益率有正相关关系，即资产规模、净息差、国内生产总值越大，资产收益率越高。样本网银交易规模、资产负债率与资产收益率的相关系数没有通过显著性检验，这说明样本网银交易规模、资产负债率和资产收益率的相关关系不显著。1.5面板模型设定检验在回归前，需要确定个体效应与解释变量之间的相关性。本文采用的检验方法为Hausman，零假设是随机效应。TestSummaryChi-Sq.StatisticChi-Sq.d.f.Prob.

Cross-sectionrandom0.00000071.0000表1.7Hausman检验结果表从上表可以看出，Chi-Sq统计量为0.0000，伴随概率p值是1.0000，大于5%，在5%的显著性水平下接受零假设，即个体效应与解释变量无相关性，故最终采用随机效应模型。1.6实证结果及分析对随机效应模型进行回归分析。VariableCoefficientStd.Errort-StatisticProb.

C0.0362473.4828220.0104070.9917TP-0.0072360.001036-6.9861840.0000IBOP0.0001940.0006970.2778760.7814SIZE-0.0659470.040901-1.6123420.1082LDR-0.0108850.002364-1.6040150.0000DAR0.0158970.0294960.5389560.5904NIM0.2805550.0497315.6414660.0000GDP0.0846200.00594011.245050.0000EffectsSpecificationS.D.

Rho

Cross-sectionrandom0.0424960.0477Idiosyncraticrandom0.1898100.9523WeightedStatisticsR-squared0.398923

Meandependentvar0.485777AdjustedR-squared0.380787

S.D.dependentvar0.313238S.E.ofregression0.246488

Sumsquaredresid11.09542F-statistic21.99628

Durbin-Watsonstat1.488570Prob(F-statistic)0.0