金融百度指数创建

2020年第6期(总第480期)No6,2020GeneralNo480114收稿日期:2019-08-26作者简介:盛天翔(通讯作者),经济学博士,讲师,南京农业大学金融学院,Email:shengtx@njaueducn范从来,经济学博士,教授,南京大学长江三角洲经济社会发展研究中心,Email:fancl@njueducn本文感谢国家自然科学基金青年项目(71803081)、教育部人文社会科学研究青年基金项目(18YJC790134)、教育部"创新团队发展计划"滚动支持项目(IRT_17R52)和南京农业大学中央高校基本科研业务费专项资金(SKYZ2018026、KJQN201953)的资助.
特别感谢中国银行江苏省分行项、华南师范大学经济管理学院张勇教授、南京大学经济学院王宇伟副教授、周耿副教授及匿名审稿专家的宝贵意见,文责自负.
金融科技、最优银行业市场结构与小微企业信贷供给盛天翔范从来(南京农业大学金融学院,江苏南京210095;南京大学长江三角洲经济社会发展研究中心,江苏南京210093)摘要:小微企业融资问题一直备受各界关注,金融科技的发展或许会带来新变化,但相关研究尚不充分.
本文构建包含贷款技术和银行业市场结构的理论模型,提出金融科技、银行业市场结构与小微企业信贷供给的关系假说.
在此基础上,手工收集百度搜索指数数据,建立与银行小微企业信贷业务相关的各省金融科技发展水平指数,并利用2011-2018年省级面板数据进行相应的实证检验.
研究结果表明:针对整个银行业体系,金融科技有助于促进银行小微企业信贷供给;银行业市场结构与小微企业信贷供给之间呈现"倒U"型关系,即推动银行增加小微企业信贷供给时,存在最优银行业市场结构;与此同时,金融科技发展水平将影响银行业最优市场结构,金融科技发展水平越高,促进小微企业信贷供给的最优银行业竞争程度越高.
本文的研究结论能够进一步丰富小微企业信贷理论,补充中国经验证据,为促进银行小微企业信贷供给提供重要启示.
关键词:金融科技;银行业市场结构;小微企业信贷;信贷环境JEL分类号:G21,G28,L11文献标识码:A文章编号:1002-7246(2020)06-0114-19一、引言小微企业在中国经济发展中发挥着重要作用,其融资问题一直是党中央和国务院高度关心的问题.
从国内外的实践情况来看,商业银行信贷供给是小微企业最主要的外部融资渠道.
针对如何提高商业银行对小微企业支持力度形成了一系列研究成果,但银行小微企业信贷供给问题始终未能得到根本性解决.
2020年第6期金融科技、最优银行业市场结构与小微企业信贷供给115近几年,金融科技(Fintech)获得各界的高度关注,正在深刻地影响着金融领域.
金融科技一词最早起源于20世纪90年代,根据全球金融治理核心机构金融稳定理事会(FinancialStabilityBoard,FSB)的定义:"金融科技是指由科技引发的金融创新,它能够创造新的业务模式、应用、流程或产品,从而对金融市场、金融机构或提供金融服务的方式造成实质性影响.
"金融科技在银行小微企业信贷领域的综合技术运用主要包括互联网信息技术、大数据、区块链和人工智能等技术.
从金融业实践情况看,在驱动商业银行小微企业信贷供给方面,金融科技被寄予厚望.
但从学术角度出发,以下问题仍有待深入研究.
金融科技究竟会对银行小微企业信贷供给产生何种作用特别是其对现有的小微企业信贷理论影响如何只有深刻理解金融科技对银行小微企业信贷供给的影响机制和实际效果,才能更好地保障金融科技服务于银行小微企业信贷业务.
要分析金融科技对银行小微企业信贷供给的影响,可基于已有小微企业信贷理论的范式展开.
一是贷款技术,侧重于不同类型贷款技术带来的影响;二是银行业市场结构,侧重于不同竞争环境带来的影响.
金融科技的逐步运用,很可能会对两大研究视角的具体内容产生重要影响.
一方面,金融科技的发展可能会影响银行信息收集和处理的方式,推动贷款技术的变化;另一方面,中国银行业的市场结构已发生显著变化,银行业竞争环境的改变可为小微企业信贷供给带来新局面.
与此同时,金融科技的发展是否会影响银行业市场结构,进而对小微企业信贷供给产生联动作用,也需要进一步研究.
基于此,本文将贷款技术区分为传统方式贷款和金融科技方式贷款,构建考虑银行业市场结构的理论模型,分析金融科技、银行业市场结构和银行小微企业信贷供给的关系.
在此基础上,手工收集百度搜索指数数据,建立各省金融科技发展水平指数,并利用2011-2018年省级面板数据对理论假说进行相应的实证检验.
最终结果表明:从整个银行体系来看,金融科技改变了贷款技术,能够促进银行小微企业信贷供给;无论是否考虑金融科技,银行业市场结构与小微企业信贷供给之间都呈现"倒U"型关系,即存在最优银行业市场结构,可推动银行小微企业信贷供给最大化;而金融科技发展水平将调节银行业最优市场结构,金融科技发展水平越高,促进小微企业信贷供给的最优银行业竞争程度越高.
经过更换计量检验模型、对核心解释变量使用替代变量以及缓解内生性问题等稳健性检验以后,上述研究结论依然成立.
与以往文献相比,本文可能的创新与贡献主要有三个方面.
第一,目前关于金融科技推动银行小微企业信贷供给的研究主要集中于理论性分析和规范性分析,并且金融科技的衡量问题也是难点之一.
本文借助百度搜索指数,专门针对银行小微企业信贷业务,建立与其关联性更强的金融科技发展水平指数,实证检验金融科技对银行小微企业信贷供给的影响效果,为分析中国的现实情况补充经验证据.
第二,现有研究鲜有将贷款技术和银行业市场结构两大视角进行融合,也未考虑金融科技推动贷款技术变化造成的影响与银行业市场结构变动造成的影响之间的关联效应.
本文将金融科技与银行业市场结构相结合,研究金融科技对最优银行业市场结构的影响,丰富了银行小微企业信贷供给的相关理论,为金融科技与银行业市场结构的配合提供了理论参考和经验支持.
第三,以往对银116总第480期行业市场结构影响的研究,主要使用小微企业个体层面的数据进行检验.
本文借助省级面板数据,对整个银行业体系的小微企业信贷供给进行分析,与基于微观层面数据的现有研究形成互补,有助于更细致地分析银行业市场结构的影响,提高决策支持的有效性.
本文剩余部分安排如下:第二节为文献综述;第三节为理论模型与研究假说;第四节为实证模型;第五节为实证结果分析;第六节为稳健性检验;第七节为研究结论与启示.
二、文献综述(一)金融科技对银行小微企业信贷供给的影响不少学者关注了金融科技对金融机构小微企业信贷供给的影响,认为其产生了积极作用.
虽然部分研究并非仅针对商业银行,但也具备较好的借鉴意义.
整体而言,相应的基础理论主要可以概括为两个方面.
一是金融科技帮助识别小微企业信贷需求,控制信贷供给过程中的成本.
小微企业是资金需求的长尾客户群体,信息质量参差不齐.
金融科技通过对各类数据的整合和处理,有助于获得以前无法描述的细节信息,从而更容易甄别小微企业的信贷需求(王馨,2015).
与此同时,Gomberetal(2018)强调,金融科技能够通过大数据创造新产品和服务,降低银行获取客户的成本.
金融科技主要通过外部经济、规模经济和范围经济作用于小微企业融资需求市场,提升客户效用,并且降低资金供给者的平均成本,最终促进金融资源的合理配置(王馨,2015).
二是金融科技有助于缓解信息不对称,提高风险管理能力.
从信息获取角度,金融科技可通过社会网络、搜索引擎以及云计算等增加更多的信息渠道来源,获取传统方式无法取得的客户信息,提高信息的准确性(谢平和邹传伟,2012).
从信息共享角度,金融科技使信贷市场信息共享范围扩大,丰富的贷款信息集可降低筛选和监控成本,约束借款人的行为,降低贷款风险(Sutherland,2018).
从信息处理角度,金融科技有利于贷款机构建立小微企业信用评估模型,提高处理风险信息的能力,降低风险评估成本(Livshitsetal,2016).
然而随着研究的不断深入,也有部分学者提出其他观点,认为金融科技在影响银行小微企业信贷供给的具体实施过程中依然面临一些问题.
在信息获取和处理方面,LibertiandPetersen(2018)指出,数据信息收集过程中还有相当多数据并不暴露,且在将"软"信息转化为"硬"信息时,会导致部分信息丢失;JaksicandMarinc(2019)认为,虽然有大量可用的"硬"信息,但是其可信度正变得越来越难以核实,可能无法正确捕捉借款人的动机.
在风险管理能力提升效果方面,DiLorenzo(2018)指出,金融科技采用了非传统的信用评一些学者将金融科技与国内较热门的"互联网金融"概念进行了比较.
李扬等(2017)指出,在监管、成本与技术的共同推动下,金融科技成为互联网金融的高级阶段;黄益平和黄卓(2018)认为,数字金融、互联网金融和金融科技基本相似,只是直观理解上的侧重点不同.
本文认为,从未来发展看,金融科技的概念使用很可能会成为主流,逐步取代互联网金融,因此本文用"金融科技"统一归纳已有的研究观点.
2020年第6期金融科技、最优银行业市场结构与小微企业信贷供给117估方法,对违约风险的影响效果还缺乏足够的证据验证.
(二)银行业市场结构对小微企业信贷供给的影响关于银行业市场结构与小微企业信贷供给的关系,学者们围绕着银行业竞争问题,形成不同的观点.
第一类是信息假说,认为信贷市场越垄断,小微企业越容易获得贷款.
当信贷市场处于垄断状态时,银行发现挖掘小微企业的潜力是有价值的,并且可以通过设计灵活的贷款条约获取高额利润(Dell'AricciaandMarquez,2004).
第二类是市场力量假说,认为信贷市场的竞争程度越高则小微企业更容易获得贷款.
竞争性压力会促使银行更加重视贷款项目的选择,对申请者的分析也会更加深入,有助于小微企业获得贷款(边文龙等,2017;Ryanetal,2014).
第三类观点认为银行业竞争与小微企业信贷之间呈现"U型"等非线性关系,其理论基础主要是上述两类观点之间的平衡问题(张晓玫和潘玲,2013;刘晓光和苟琴,2016).
另一些学者在研究银行业市场结构时,主要侧重于不同规模银行带来的影响.
该类研究一般认为大型银行难以有效甄别小微企业的软信息,而中小型银行在软信息的获取、识别和处理方面具备优势,更能缓解小微企业的融资约束(林毅夫和李永军,2001).
因此,上述研究认为改善银行业市场结构关键在于发展中小型银行,其理论基础是不同规模银行擅长的小微企业贷款技术不同.
(三)金融科技影响银行小微企业信贷供给的重要环节1金融科技对贷款技术的影响金融科技在影响银行小微企业信贷供给时,往往以贷款技术作为推动载体.
一般而言,商业银行的小微企业贷款技术分为交易型贷款和关系型贷款(BergerandUdell,2006),交易型贷款主要基于企业可定量测量的"硬"信息,关系型贷款主要依据不可定量测量的有关企业的"软"信息.
一方面,金融科技帮助银行将"软"信息转化为"硬"信息,提高信息传递的便利性,减少人工的数据收集和决策过程(Cennietal,2015);另一方面,金融科技帮助银行更好地获取"软"信息(Mocettietal,2017),一些银行加大金融科技投资的同时,将更多权力委托给当地分行经理,额外的授权又使当地分行经理增加获取"软"信息的投入力度(Liberti,2018).
随着金融科技的不断发展,交易型贷款和关系型贷款从技术上越来越难以划清界限.
交易型贷款可以依赖"软""硬"信息的组合,关系型贷款也不会排除任何可量化信息的使用(JaksicandMarinc,2019).
因此,金融科技的发展进一步促进了两类贷款技术的融合应用,与传统的两类贷款技术存在明显不同.
2金融科技对银行业市场结构的影响围绕金融科技与银行业市场结构变化的研究初步形成了一些观点.
部分研究没有直接针对小微企业信贷,主要认为金融科技可能会提高银行业集中度.
例如,FengandSerletis(2010)指出,金融科技的发展将驱动银行业产生规模经济和范围经济;Marinc(2013)提出,技术发展可能更有利于交易型银行的发展,从而推动银行业的整合.
部分针对小微企业信贷的研究则指出,金融科技推动贷款技术发展,可能导致不同规模银行的贷款技术差异缩小.
贷款技术的发展很可能使得原先从贷款技术角度强调中小银行重要性的118总第480期立足点发生变化(李华民和吴非,2015;Filipetal,2017).
基于该类文献推测,随着金融科技的发展,或许会有更多大型银行进入小微企业信贷供给市场,从而将改变市场竞争格局.
综上所述,现有文献围绕金融科技与小微企业信贷供给已经取得不少成果,但依然存在一些问题值得研究.
一是目前围绕金融科技对银行小微企业信贷供给影响的研究,主要以理论性分析和规范性分析为主,并且对于金融科技发挥作用的基础也存在争议,因此金融科技的实际影响效果还有待更多数据验证.
二是现有文献分析银行业市场结构对小微企业信贷供给的影响时,鲜有将市场竞争问题与贷款技术两大视角融合起来,而随着金融科技的发展,贷款技术出现了明显变化,两者如何共同产生作用,需要更多理论机制分析和实证检验.
三是在实证数据运用方面,目前对金融科技的衡量相对宽泛,没有专门针对小微企业信贷的研究,同时银行业市场结构变化数据的跨度相对不够.
三、理论模型与研究假说基于上一节的文献梳理,结合银行信贷业务实践情况,中国的商业银行为小微企业提供信贷资金时,主要面临银行业之间的竞争,同时随着金融科技的不断发展,贷款技术发生改变,银行信贷供给行为可能会发生一定变化.
部分学者曾从理论视角研究过金融业竞争、贷款技术运用与银行信贷业务边界的关系,这为本文的研究提供了一些参考.
为深入研究金融科技、银行业市场结构对商业银行小微企业信贷供给行为的影响机制,本文借鉴BootandThakor(2000)、黄宪等(2016)的模型设置思路,构建理论模型.
(一)主体和市场结构环境设定1商业银行主体假设每家银行可以采用两种贷款技术提供小微企业贷款,一种基于传统方式(包括传统的交易型贷款和关系型贷款,以下简称"传统方式贷款");另一种基于金融科技方式(以下简称"金融科技方式贷款"),并假设γ为银行的金融科技运用能力,γ∈(0,1),银行金融科技运用能力服从标准均匀分布,其概率密度函数为f(γ).
2小微企业借款者主体假定借款企业需要一笔1元的贷款来为项目进行融资,如果企业通过传统方式贷款获得资金,则项目报酬R为:R=Y,θ0,1-{θ,θ∈(0,1)(1)其中,θ表示借款者的信用状况.
假设在传统方式贷款的情况下,小微企业的信用状况越高,其获取贷款的概率也越高,因此可以直接用θ表示获得贷款的概率.
如果借款者通过金融科技方式贷款,则项目报酬R为:R=Y,θ+ν(1-θ)0,(1-θ)(1-ν{),ν∈(0,1)(2)其中,ν反映银行采用金融科技方式贷款对借款者获得贷款概率的影响.
对于2020年第6期金融科技、最优银行业市场结构与小微企业信贷供给119R=0,其概率调整为(1-θ)(1-ν);对于R=Y,其概率调整为1-(1-θ)(1-ν)=θ+ν(1-θ).
另外,ν的值与银行金融科技运用能力γ相关,进一步假设ν=νL+γ(νH-νL),νH>νL,即金融科技运用能力越强,对借款者贷款获得概率的提升作用越大.
3银行业市场结构环境除了金融科技的影响以外,本文还同时考虑银行业市场结构的影响,因此继续引入银行间的竞争机制.
假设总共有n家商业银行,银行间竞争主要从以下两方面展开:第一,银行的数量将影响单家银行和借款者发生贷款交易的概率;第二,已经获得一家银行贷款的借款者,同时还可以从其他银行获得贷款,这将影响单家银行的贷款收益.
(二)商业银行信贷决策分析1假设商业银行没有面临竞争环境如果借款者获得的是传统方式贷款,必须支付给银行的费用为TR(θ)(即银行传统方式贷款的收益),那么,获得传统方式贷款的借款者预期收益RT为:RT=θY-TR(θ)(3)如果借款者获得的是金融科技方式贷款,必须支付给银行的费用为FR(θ,γ)(即银行金融科技方式贷款的收益),那么,获得金融科技方式贷款的借款者预期收益FT为:FT=θY+ν(1-θ)Y-FR(θ,γ)(4)假设借款者知道银行的贷款方式,并且选择相应方式获得贷款,要使借款者在传统方式贷款和金融科技方式贷款之间的选择无差异,则均衡条件为RT=FT,即:θY-TR(θ)=θY+ν(1-θ)Y-FR(θ,γ)(5)从而得到银行的传统方式贷款和金融科技方式贷款收益关系:FR(θ,γ)=TR(θ)+ν(1-θ)Y(6)2考虑商业银行处于竞争环境的情况银行业的竞争程度是描述银行业市场结构的一种较为常见的方法(林毅夫和姜烨,2006),因此本文假设银行业的竞争程度为q,以其反映银行业市场结构环境.
设定q=(n-1)/(n+m),其中n为银行个数,m为大于1的正常数,即随着银行个数n的增加,竞争程度越激烈,并且q∈(0,1).
在传统方式贷款的情况下,当银行业竞争程度为q时,多家银行可能会提供贷款支持.
考虑到竞争程度提高时,小微企业最终选择从某一家银行提取全部贷款的概率下降,所以设定单家银行获得贷款收益的概率为1-q,同时相应的收益下降为(1-q)TR(θ).
单家银行最终从传统方式贷款中获得的收益TR(θ,q)为:νH代表银行采用金融科技方式贷款时,对借款者获得贷款概率影响的最高值;νL代表银行采用金融科技方式贷款时,对借款者获得贷款概率影响的最低值.
基于已有研究和银行实践,金融科技很可能驱动银行成本降低,从而提高小微企业贷款获得概率,考虑到模型的简约性,成本变化带来的影响可以融入公式(2)的假设,不再单独体现.
因此,传统方式贷款和金融科技方式贷款的成本设为相同.
为简化处理,假设发放1元贷款时,银行的成本为固定值.
由于单位成本为固定值,可以直接将借款者支付给银行的费用全部作为银行收益,银行成本不予以体现,不影响最终分析结果.
120总第480期TR(θ,q)=(1-q)TR(θ),1-q0,{q(7)即,TR(θ,q)=(1-q)2TR(θ)(8)那么,整个银行体系从传统方式贷款中获得的收益TTR(θ,q)为:TTR(θ,q)=n*TR(θ,q)=mq+11-q*(1-q)2TR(θ)(9)即,TTR(θ,q)=[-mq2+(m-1)q+1]TR(θ)(10)在金融科技方式贷款的情况下,结合中国的现实情景,商业银行的小微企业信贷环境其实也在不断优化.
《中国小微企业金融服务报告(2018)》全面梳理了中国小微企业金融服务相关情况,除政策直接支持以外,该报告专门强调社会信用体系、营商环境、银行业金融机构服务能力以及小微企业自身素质等信贷环境的重要作用,要坚持市场化和商业可持续原则,而这些都是金融科技发挥作用的重要基础.
因此引入银行业竞争后,虽然商业银行从金融科技方式贷款中获得的收益也会下降,但由于金融科技方式能够帮助商业银行提高信贷需求甄别能力和风险管理能力(王馨,2015;Gomberetal,2018),所以贷款收益受到的影响会小于传统方式贷款.
结合ν=νL+γ(νH-νL),重写公式(6),得到:FR(θ,γ)=TR(θ)+νL(1-θ)Y+γ(νH-νL)(1-θ)Y(11)在竞争环境下,如果借款者找到第二家银行能够提供贷款,而第一家银行金融科技运用能力为γ0,则在竞争程度为q时,第一家银行贷款收益FR(θ,γ)中[TR(θ)+νL(1-θ)Y]的部分由于竞争而损失,但第一家银行仍可保留的收益为:∫γ00γ0(νH-νL)(1-θ)Yf(γ)dγ-∫γ00γ(νH-νL)(1-θ)Yf(γ)dγ=γ20(νH-νL)(1-θ)Y/2(12)所以,在银行业竞争环境下,单家银行提供金融科技方式贷款获得的收益FR(θ,γ,q)为:FR(θ,γ,q)=(1-q)FR(θ,γ),1-qγ2(νH-νL)(1-θ)Y/2,{q(13)其中,对于(1-q)概率部分,整个银行体系收益为n*(1-q)FR(θ,γ)=(mq+1)FR(θ,γ);而对于q概率部分,将每家银行的保留收益加总,得到整个银行体系的保留收益为:∫γ00γ0(νH-νL)(1-θ)Yf(γ)dγ=γ20(νH-νL)(1-θ)Y.
该报告由中国人民银行、中国银行保险监督管理委员会编写,中国金融出版社2019年6月出版.
考虑如果有n家银行,第1家银行的金融科技运用能力为γ0,第2家为γ1,…,第n-1家为γn-2,假设γ0>γ1>…>γn-2,则整个银行体系的保留收益为:∑n-3i=0(∫γi0γi(νH-νL)(1-θ)Yf(γ)dγ-∫γi+10γi+1(νH-νL)(1-θ)Yf(γ)dγ)+(∫γn-20γn-2(νH-νL)(1-θ)Yf(γ)dγ-∫γn-20γ(νH-νL)(1-θ)Yf(γ)dγ)+∫γn-20γ(νH-νL)(1-θ)Yf(γ)dγ=∫γ00γ0(νH-νL)(1-θ)Yf(γ)dγ2020年第6期金融科技、最优银行业市场结构与小微企业信贷供给121因此,最终整个银行体系从金融科技方式贷款中获得的收益TFR(θ,γ,q)为:TFR(θ,γ,q)=(1-q)(mq+1)FR(θ,γ)+qγ2(νH-νL)(1-θ)Y(14)即,TFR(θ,γ,q)=-mFR(θ,γ)q2+[(m-1)FR(θ,γ)+γ2(νH-νL)(1-θ)Y]q+FR(θ,γ)(15)或者将公式(11)代入公式(14),结合公式(10),整理为:TFR(θ,γ,q)=TTR(θ,q)+[-mq2+(m-1)q+1][νL(1-θ)Y]+[-mq2+(m+γ-1)q+1]γ(νH-νL)(1-θ)Y(16)(三)模型推导结论与研究假说小微企业的信贷可得性问题对理论研究和商业银行实践都是关键.
为重点研究信贷供给数量问题,本文进行简化处理,假设上述模型中的小微企业借款者贷款利率为固定值.
由于"贷款收益=贷款利率*贷款数量",则可将银行贷款收益TTR(θ,q)和TFR(θ,γ,q)的变动等同于银行信贷供给数量的变动,以便于进行后续分析.
1金融科技与银行小微企业信贷供给根据公式(16),TFR(θ,γ,q)相较于TTR(θ,q)的增加值为:[-mq2+(m-1)q+1][νL(1-θ)Y]+[-mq2+(m+γ-1)q+1]γ(νH-νL)(1-θ)Y.
可以发现,由于γ∈(0,1),银行的金融科技运用能力γ越高时,该增加值越高.
因此,本文提出:假说1:从整个银行体系来看,金融科技能够促进银行小微企业信贷供给.
2银行业市场结构与小微企业信贷供给本文借助银行业市场竞争程度q,分析银行业市场结构对整个银行体系小微企业信贷供给的影响情况.
根据公式(10)和公式(15),可以发现无论是采用传统方式贷款还是金融科技方式贷款,银行业市场结构与小微企业信贷供给TTR(θ,q)、TFR(θ,γ,q)之间都为"倒U"型关系.
因此,本文提出:假说2:从整个银行体系来看,银行业市场结构与小微企业信贷供给之间呈现"倒U"型关系,即存在最优银行业市场结构,可推动银行小微企业信贷供给最大化.
3金融科技对最优银行业市场结构的影响根据公式(10),在使用传统方式贷款的情况下,银行业市场最优结构为q=m-12m,此时整个银行体系的TTR(θ,q)最高;根据公式(15),在使用金融科技方式贷款的情况下,银行业市场最优结构为q=m-12m+γ2(νH-νL)(1-θ)Y2mFR(θ,γ),此时整个银行体系的TFR(θ,γ,q)最高.
由于d[γ2(νH-νL)(1-θ)Y2mFR(θ,γ)]/dγ=(νH-νL)(1-θ)Y[2γTR(θ)+2γνL(1-θ)Y+γ2(νH-νL)(1-θ)Y]2m[FR(θ,γ)]2>0,可以发现,在使用金融科技方式贷款的情况下,银行的金融科技运用能力γ越高时,q的最优值越大.
因此,本文提出:122总第480期假说3:从整个银行体系来看,银行业市场结构影响小微企业信贷供给的过程中,金融科技发展水平将调节银行业最优市场结构,即金融科技发展水平越高,最优银行业竞争程度越高.
图1金融科技、银行业市场结构与小微企业信贷供给关系注:该图仅作为示意图,不与精确的函数值相对应.
为更加直观地展现理论模型结论,本文将假说1、2和3的含义统一以图1表示,实线表示传统方式贷款,虚线表示金融科技方式贷款.
无论采用何种贷款技术,银行业市场结构与小微企业信贷供给之间都呈现"倒U型"关系;随着金融科技的发展,金融科技方式贷款的小微企业供给曲线出现整体上移,同时,最优银行业市场结构也发生移动,最优银行业竞争程度提高.
四、实证模型设计(一)计量模型设定由于理论分析是针对整个银行体系,因此可以采用省级面板数据进行相应检验.
基于上一节的理论模型推导,为实证分析金融科技、银行业市场结构和商业银行小微企业信贷供给的关系,检验假说1、2和3,本文构建的基本计量模型如下:SMEPit=β0+β1FINTECHit-1+β2FINTECHit-1*CRLit-1+β3CRLit-1+β4CRLit-1*CRLit-1+βcCONit-1+εit(17)其中,i代表省份,t代表年份,β为模型待估计参数.
SMEP表示小微企业信贷供给情况,FINTECH表示金融科技发展水平,CRL表示银行业市场结构,CON为控制变量,εit为随机误差项.
从商业银行的信贷业务实践来看,小微企业信贷供给受到其他因素影响感谢中国银行江苏省分行项对本图的建设性意见.
2020年第6期金融科技、最优银行业市场结构与小微企业信贷供给123时,往往具有一定的滞后性,因此核心解释变量与其他控制变量均使用一阶滞后项.
(二)变量选择1被解释变量本文的被解释变量为各省小微企业信贷供给情况(SMEP),用每个省份小微企业贷款余额在其总贷款余额中的占比表示.
2核心解释变量目前对中国金融科技发展水平的衡量,主要采用了两类方法:一类是依据沈悦和郭品(2015)的方式,采用"文本挖掘法",通过统计与金融科技相关的关键词在新闻中的发布次数,合成构建金融科技指数,但这类方法主要用于分析全国层面的金融科技发展情况,无法将指数分解到每个省份.
另一类是郭峰等(2019)编制的北京大学数字普惠金融指数,该指数运用了蚂蚁金融服务集团的微观数据,从互联网金融服务的覆盖广度、使用深度和数字化程度三个维度进行测度,一些学者(邱晗等,2018)以该指数来衡量金融科技发展水平,该指数能够跨省级、城市和县域.
本文在衡量各省金融科技发展水平(FINTECH)时采用两种方式.
一是直接使用郭峰等(2019)编制的北京大学数字普惠金融指数(INDEX),用来表示金融科技情况,但由于该指数并不是专门围绕小微企业信贷相关的金融科技而编制,可能存在一定的局限性.
二是借鉴沈悦和郭品(2015)的设计思路,直接构建每个省份的金融科技发展水平指数(SmeFINTECH).
但与之不同的是,本文借助金融科技相关关键词的百度搜索指数,而非关键词在新闻中的发布次数.
主要理由如下:第一,金融科技相关的关键词搜索指数能够一定程度上反映金融科技的发展情况.
Eysenbach(2009)、Ripberger(2011)指出,人们在网络上搜索的数据是基于需求的数据,可以用于进行现状追踪和趋势预测;刘涛雄和徐晓飞(2015)认为互联网搜索行为是网络大数据中比较有代表性的信息,能够帮助进行宏观经济预测.
第二,与关键词在新闻中的发布次数不同,关键词的百度搜索指数能够统计到各省份和年份层面,从而满足本研究对省级面板数据的要求.
本文手工整理了2011-2017年金融科技相关关键词在各个省份的百度搜索指数,并汇总成金融科技指数.
具体步骤如下.
首先,基于商业银行小微企业信贷业务实践,参考一些学者(沈悦和郭品,2015;JagtianiandLemieux,2017)的研究成果,同时结合百度搜索指数的数据可得性,确定专门针对银行小微企业信贷业务,与金融科技相关的主要关键词.
基本技术角度包括"大数据、云计算、人工智能、区块链、生物识别";资金支付角度包括"在线支付、移动支付、第三方支付";金融科技中介服务模式角度包括"网贷、网上融资、网络融资、网络小额贷款、网络贷款、网银、网络银行、电子银行、在线银行、开放银行、互联网银行、直销银行";金融科技的直接称呼角度包括"互联网金融、金融科技".
其次,根据百度指数网站的介绍,"根据数据来源的不同,百度搜索指数分为PC搜索指数和移动搜索指数.
"本文采用的是"PC+移动"搜索指数.
可能还存在其他一些与金融科技相关的关键词,但百度搜索指数并未收录,因此无法纳入统计.
124总第480期将上述各关键词的百度搜索指数全部采集后,按照技术角度、资金支付角度、中介服务模式角度和直接称呼角度进行汇总,并采用熵值法确定权重,将多个指数合成为综合指数.
最后,以熵值法合成的指数除以各省常住人口数,以此衡量各省小微企业信贷相关的金融科技发展水平.
在银行业市场结构方面,根据产业组织理论,银行业集中度是衡量银行业市场结构的常用指标,可用于反映整个银行体系的市场结构和竞争度(林毅夫和姜烨,2006).
因此,结合数据可获得性,本文参考林毅夫和姜烨(2006)的做法,对银行业市场结构(CRL),以四大国有银行在各省的贷款余额占该省总贷款余额的比例来表示,该值越小意味着银行业竞争度越高.
3其他控制变量参考已有研究对控制变量的设置,结合宏观变量之间的相关性以尽量减少多重共线性问题,本文选择以下控制变量:各省城镇化率(CITY),主要控制经济发展过程中的结构性变化对小微企业发展及其贷款的影响;各省不良贷款率(NPL),主要控制外部风险环境对小微企业贷款的影响;各省金融业发展(FGDP),主要控制金融机构的整体经营发展情况对小微企业贷款的影响;各省信贷环境(MARKET),主要控制小微企业面临的各类营商环境对小微企业贷款的影响.
所有变量的定义和说明汇总如表1所示.
表1变量定义和说明变量名称变量符号变量说明银行小微企业信贷供给SMEP该省小微企业贷款余额/总贷款余额金融科技发展水平(FINTECH)SmeFINTECHINDEX本文构建的该省金融科技发展水平指数该省的北京大学数字普惠金融指数银行业市场结构CRL该省四大国有银行贷款余额/总贷款余额城镇化率CITY该省城镇人口占比不良贷款率NPL该省银行不良贷款率金融业发展FGDP该省金融业增加值在GDP中占比信贷环境MARKET以王小鲁等(2019)编制的分省份市场化指数衡量(三)样本来源本文以中国大陆的31个省市自治区(文中简称为"省")为研究对象,总样本区间为百度搜索指数对单个关键词的数据检索存在波动性,即每次搜索出的指数都有一定差异.
为尽可能减少数据波动带来的影响,本文对每个关键词都搜索三次,取最终的平均值.
将多个指标综合成一个指标时,可以通过主观法和客观法确定各指标权重.
熵值法属于客观赋值法,主要通过信息熵值的大小来确定权重,指标的信息量越大,信息熵值越小,则指标的权重越大.
中国市场化指数只统计至2016年,因此本文以2014-2016年市场化指数的平均增长率,作为2017年市场化指数的增长率,从而推算2017年的市场化指数.
2020年第6期金融科技、最优银行业市场结构与小微企业信贷供给1252011-2018年.
由于核心解释变量与其他控制变量均使用一阶滞后项,所以其相应数据时间段为2011-2017年,而被解释变量的数据时间段为2012-2018年.
各省小微企业贷款余额来源于中国人民银行内部统计数据,各省四大国有银行贷款情况来源于某国有银行内部统计数据,其他数据来源于Wind数据库以及百度指数网站.
五、实证结果分析(一)描述性统计本文主要变量的描述性统计结果如表2所示,所有变量的样本数量均为217.
从表2可以看出,不同省份和年份的银行小微企业信贷供给、金融科技发展水平以及银行业市场结构等均表现出较大差异,各变量基本处于合理的范围之内,能够为基于面板数据的研究提供良好的样本分布基础.
表2主要变量的描述性统计变量均值标准差最小值最大值SMEP01812004030072303298SmeFINTECH01305010120020206903INDEX1710273778363162233665CRL03975008770248809587CITY05558013380227108960NPL1364007178023397FGDP00642002910019601740MARKET6318521529-031023(二)对核心研究假说的检验根据公式(17)检验假说1、2和3.
经过Hausman检验,本文全部采用省份年份双固定效应模型进行估计,回归结果如表3所示.
列(1)和列(3)未加入控制变量,列(2)和列(4)加入控制变量,结果显示核心解释变量的回归符号未发生变化,显著性基本保持不变,回归系数变动值也不大,说明回归结果具备较好的稳定性.
无论以本文构建的金融科技发展水平指数(SmeFINTECH)还是北京大学数字普惠金融指数(INDEX)来衡量金融银行业市场结构指标存在4个样本数值较高(CRL>075)的情况,但在后续实证检验中,无论是否剔除,对回归结果没有产生实质性影响,因此予以保留.
该指数的数值相对较大,其很多内部细项指标是绝对数值,而其他变量基本属于比值型,因此对该指数采用对数化处理.
126总第480期科技发展水平(FINTECH),其回归系数均为正,表明金融科技发展水平能够促进小微企业信贷供给,假说1得到验证.
这可能说明金融科技的发展能够帮助银行缓解信息不对称、提高信贷需求甄别能力和风险管理能力,从而推动银行增加小微企业信贷投放,与理论模型分析保持一致.
列(1)至(4)中,银行业市场结构(CRLt-1)一次项系数全部为正,二次项系数全部为负,表明银行业市场结构与小微企业信贷供给之间呈现"倒U"型关系,即存在促进银行小微企业信贷供给最大化的最优银行业市场结构,假说2得到验证.
这可能意味着银行业竞争程度会改变银行提供小微企业信贷时的收益,整个银行体系处于最优市场结构时收益最高,也使得银行小微企业信贷供给能力最大化,与理论模型分析保持一致.
基于列(2)结果,将FINTECHt-1*CRLt-1的回归系数与CRLt-1、CRLt-1*CRLt-1的回归系数相结合,发现最优银行业市场结构受金融科技发展水平影响,金融科技发展水平越高,最优银行业竞争程度越高.
类似地,基于列(1)、(3)和(4)结果都可得出相同结论.
因此可以认为,银行业市场结构影响小微企业信贷供给的同时,金融科技发展水平将推动最优银行业市场结构发生改变,即金融科技发展水平越高,促进小微企业信贷供给的最优银行业竞争度将提高,假说3得到验证.
这可能说明金融科技能够缓解银行业竞争压力,减少传统贷款模式下的收益损失,从而最优银行业竞争程度可以较传统贷款模式更激烈一些,与理论模型分析保持一致.
表3金融科技、银行业结构与小微企业信贷供给(1)SmeFINTECH(2)SmeFINTECH(3)INDEX(4)INDEXFINTECHt-102179(00668)02758(00747)00653(00214)00545(00164)FINTECHt-1*CRLt-1-05539(02117)-06762(02034)-00954(00179)-00723(00120)CRLt-102762(02151)04426(01546)10669(02538)09669(01444)CRLt-1*CRLt-1-04430(01350)-05458(01017)-07894(01285)-07761(00884)CITYt-103634(01767)01415(01762)NPLt-100077(00035)00078(00033)FGDPt-107836(01807)05725(01757)MARKETt-100080(00044)00091(00048)续表2020年第6期金融科技、最优银行业市场结构与小微企业信贷供给127(1)SmeFINTECH(2)SmeFINTECH(3)INDEX(4)INDEX省份效应控制控制控制控制年份效应控制控制控制控制样本数217217217217注:表中第一行的变量符号表示以何种变量指标来衡量金融科技发展水平.
括号中标注的为稳健标准差,表示10%水平显著,表示5%水平显著,表示1%水平显著.
下同.
(三)对理论机制中重要设定的检验本文在理论分析金融科技影响最优银行业市场结构时,其重要设定是金融科技与信贷环境的好转相结合,更能帮助商业银行缓解信贷过程中的信息不对称,提高识别小微企业信贷需求和风险管理的能力.
例如,社会信用体系和营商环境越好,金融科技方式贷款获取的信息将越全面和准确,成本也会降低;银行业金融机构服务能力越强,金融科技方式贷款的战略布局和专业运用能力将越高;小微企业自身素质越高,金融科技方式贷款运用的审批模式适用性将越强.
也就是说,信贷环境越好,金融科技的影响作用会更明显,进一步减轻传统方式贷款面临的竞争压力,推动最优银行业市场结构的变化.
因此,理论机制传导中的重要环节是,信贷环境在金融科技影响最优银行业市场结构过程中,可以发挥一定的调节作用.
本文将通过构建以下模型进行相应验证.
SMEPit=β0+β1FINTECHit-1+β2FINTECHit-1*CRLit-1+β3MARKETit-1*FINTECHit-1*CRLit-1+β4CRLit-1+β5CRLit-1*CRLit-1+β6MARKETit-1+βcCONit-1+εit(18)其中,CON为控制变量,包括各省城镇化率(CITY),各省不良贷款率(NPL),各省金融业发展(FGDP),涉及到的变量含义均与表1中保持一致.
当β3与β2、β4、β5结合考虑时,如果β3显著为负,则表示金融科技推动最优银行业市场结构时,信贷环境越好,最优银行业竞争程度会更高,意味着信贷环境越好,金融科技方式贷款越能进一步帮助商业银行缓解竞争压力.
经过Hausman检验,采用年份省份双固定效应模型进行相应估计,最终回归结果见表4,MARKETt-1*FINTECHt-1*CRLt-1前的系数显著为负,验证了本文的设定.
因此,金融科技推动最优银行业市场结构变动的过程中,信贷环境确实发挥了调节作用,本文理论机制分析过程中的重要假设得到验证,能够为前期理论模型的合理性提供相应的支撑.
相关判断主要来源于对多家商业银行小微企业信贷业务相关人员、监管机构相关人员的调研和交流.
虽然以北京大学数字普惠金融指数(INDEX)来衡量金融科技发展水平时,MARKETt-1*FINTECHt-1*CRLt-1前的系数未能在10%水平上显著,但是将其与FINTECHt-1*CRLt-1进行联合显著性检验时,F值在1%水平上显著,因此本文认为其系数依然具备较好的参考性.
128总第480期表4信贷环境对金融科技影响最优银行业市场结构的调节作用(1)SmeFINTECH(2)INDEXFINTECHt-104556(00956)00536(00168)FINTECHt-1*CRLt-1-07777(01672)-00705(00175)MARKETt-1*FINTECHt-1*CRLt-1-00711(00191)-00007(00034)CRLt-106229(01676)09147(03148)CRLt-1*CRLt-1-06063(01032)-07459(01792)MARKETt-100128(00046)00075(00042)控制变量控制控制样本数217217六、稳健性检验为了使得本文核心假说的实证结果尽可能稳定,本文考虑从三个方面进行稳健性检验.
第一,考虑被解释变量的数据特征,采用分数响应模型(FractionalResponseModel)进行估计.
被解释变量银行小微企业信贷供给(SMEP)的值为比例值,数值分布范围在0-1之间,针对该类情形,PapkeandWooldridge(2008)认为常规的线性面板模型可能不准确,因此专门提出分数响应模型,采用准极大似然法(Quasi-maximumlikelihood,QML)进行相应估计.
本文分数响应模型的回归结果再次支持假说1-3.
第二,对核心解释变量使用替代指标.
一是采用简单算数平均的方式合成金融科技发展水平指数.
考虑到熵值法根据指标波动情况来确定权重,一些指标虽然波动小,但对金融科技发展水平状况的反映程度可能较高.
本文设定的金融科技发展水平指数主要从四个角度检索关键词,结合与相关专家讨论情况,认为这四个角度的关键词权重可能比较接近,因此采用简单算数平均的方式,汇总得到金融科技发展水平指数(NSmeFINTECH).
相关结果继续支持假说1-3.
二是使用数字化程度分类指数(TINDEX)衡量金融科技发限于篇幅,此处省略了稳健性检验的回归表格.
读者如有需要,可以向作者索取.
2020年第6期金融科技、最优银行业市场结构与小微企业信贷供给129展水平.
考虑到北京大学数字普惠金融指数(INDEX)包括互联网金融服务的覆盖广度、使用深度和数字化程度三个维度,其中数字化程度涵盖了移动化、实惠化、信用化和便利化,对银行小微企业信贷供给的影响可能更有针对性.
因此,本文使用数字化程度分类指数(TINDEX)作为衡量金融科技发展水平的指标,进行稳健性检验,相关结果继续支持假说1-3.
三是使用存款数据衡量银行业市场结构.
林毅夫和姜烨(2006)认为银行业存贷款情况都可以用于测度银行业集中度,因此本文同时使用"该省四大行存款/总存款"(CRD)衡量银行业市场结构,假说1-3再次得到支持.
第三,考虑内生性问题,使用动态面板模型进行估计.
为进一步缓解可能的内生性,同时也考虑到银行小微企业信贷投放具有一定的动态效应,即前一期信贷余额可能对下一期余额产生影响,本文将被解释变量的滞后一期(SMEPt-1)作为解释变量之一,其他解释变量和控制变量不变,构建相应的动态面板模型,采用系统广义矩(SystemGMM)估计方法进行分析.
回归模型通过了Sargan检验和Arelleno-Bond序列相关检验,结果显示假说1-3再次得到支持.
七、结论与启示本文构建理论模型分析金融科技、银行业市场结构和小微企业信贷供给的关系,并基于2011-2018年省级面板数据进行实证检验.
研究结果表明:针对整个银行体系,金融科技有助于推动银行小微企业信贷供给;银行业市场结构与小微企业信贷供给之间呈现"倒U"型关系,即存在最优银行业市场结构;而金融科技发展水平影响银行业最优市场结构.
基于上述结论,得到如下政策启示.
第一,金融科技改变传统的贷款技术,是解决整个银行体系小微企业信贷供给问题的重要工具.
面对金融科技的迅猛发展,中国的商业银行都在加快转型步伐,既有自己独立发展金融科技的模式,也有与金融科技公司展开战略合作的模式.
整体而言,目前商业银行的金融科技发展仍处于探索阶段,未来要进一步提高金融科技的运用水平,注重金融科技发挥效用的微观基础,持续提升小微企业信贷投放效率.
第二,加快金融科技发展的同时也要关注银行业市场结构问题,两者须形成合力.
中国各省份的银行业市场结构存在较大差异,要适度推动银行业竞争,不宜在全国范围内一刀切.
对于竞争程度已经较为激烈的省份,应避免银行业之间的恶性竞争;而对于市场垄断性仍较强的省份,应进一步促进各类银行业金融机构的竞争发展.
讨论如何调整竞争格局的同时,要考虑当地银行金融科技运用状况,对于金融科技发展较快的省份,可适当鼓励设立更多银行业金融机构.
第三,进一步优化信贷环境,更为市场化地推动银行小微企业信贷供给.
金融科技能否发挥更有效的作用,商业银行和小微企业的信贷环境尤其重要.
应避免简单的行政性指令,坚持商业可持续的原则,政府部门、银行业金融机构和小微企业共同致力于完善外部市场环境.
小微企业不断提高自身发展规范,政府部门提供平等的市场待遇,征信体系130总第480期不断完备,银行金融科技运用能力持续提升,才能最大程度解决小微企业融资难题.
本文还存在一些不足之处.
风险管理能力是银行小微企业信贷业务中的重要因素,但受限于理论分析能力和数据可得性,未能直接对其进行量化分析,可作为未来研究方向之一.
参考文献[1]边文龙、沈艳和沈明高,2017,《银行业竞争度、政策激励与中小企业贷款———来自14省90县金融机构的证据》,《金融研究》第1期,第114~129页.
[2]郭峰、王靖一、王芳、孔涛、张勋和程志云,2019,《测度中国数字普惠金融发展:指数编制与空间特征》,北京大学数字金融研究中心工作论文.
[3]黄宪、叶晨和杜雪,2016,《竞争、微金融技术与银行信贷业务边界的移动》,《金融监管研究》第9期,第1~24页.
[4]黄益平和黄卓,2018,《中国的数字金融发展:现在与未来》,《经济学(季刊)》第4期,第1489~1502页.
[5]李华民和吴非,2015,《谁在为小微企业融资:一个经济解释》,《财贸经济》第5期,第48~58页.
[6]李扬、孙国峰、朱烨东和伍旭川,2017,《中国金融科技发展报告(2017)》,社会科学文献出版社2017年11月第一版.
[7]林毅夫和姜烨,2006,《发展战略、经济结构与银行业结构:来自中国的经验》,《管理世界》第1期,第29~40页.
[8]林毅夫和李永军,2001,《中小金融机构发展与中小企业融资》,《经济研究》第1期,第10~18页.
[9]刘涛雄和徐晓飞,2015,《互联网搜索行为能帮助我们预测宏观经济吗》,《经济研究》第12期,第68~83页.
[10]刘晓光和苟琴,2016,《银行业结构对中小企业融资的影响》,《经济理论与经济管理》第6期,第58~71页.
[11]邱晗、黄益平和纪洋,2018,《金融科技对传统银行行为的影响———基于互联网理财的视角》,《金融研究》第11期,第17~29页.
[12]沈悦和郭品,2015,《互联网金融、技术溢出与商业银行全要素生产率》,《金融研究》第3期,第160~175页.
[13]王小鲁、樊纲和胡李鹏,2019,《中国分省份市场化指数报告(2018)》,社会科学文献出版社2019年2月第一版.
[14]王馨,2015,《互联网金融助解"长尾"小微企业融资难问题研究》,《金融研究》第9期,第128~139页.
[15]谢平和邹传伟,2012,《互联网金融模式研究》,《金融研究》第12期,第11~22页.
[16]张晓玫和潘玲,2013,《我国银行业市场结构与中小企业关系型贷款》,《金融研究》第6期,第133~145页.
[17]Berger,ANandGFUdell,2006,"AMoreCompleteConceptualFrameworkforSMEFinance",JournalofBanking&Finance,30(11),pp2945~2966.
[18]Boot,AWAandAVThakor,2000,"CanRelationshipBankingSurviveCompetition",JournalofFinance,55(2),pp679~713.
[19]Cenni,S,SMonferra,VSalotti,MSangiorgiandGTorluccio,2015,"CreditRationingandRelationshipLendingDoesfirmsizematter",JournalofBanking&Finance,53(4),pp249~265.
[20]Dell'Ariccia,GandRMarquez,2004,"InformationandBankCreditAllocation",JournalofFinancialEconomics,72(1),pp185~214.
[21]DiLorenzo,V,2018,"FintechLending:AStudyofExpectationsVersusMarketOutcomes",ForthcominginReviewofBanking&FinancialLaw[22]Eysenbach,G,2009,"InfodemiologyandInfoveillance:FrameworkforanEmergingSetofPublicHealthInformaticsMethodstoAnalyzeSearch,CommunicationandPublicationBehaviorontheInternet",JournalofMedicalInternetResearch,11(1),ppe11.
[23]Feng,GandASerletis,2010,"Efficiency,TechnicalChange,andReturnstoScaleinLargeUSBanks:PanelDataEvidencefromanOutputDistanceFunctionSatisfyingTheoreticalRegularity",JournalofBanking&Finance,34(1),pp127~138.
2020年第6期金融科技、最优银行业市场结构与小微企业信贷供给131[24]Filip,D,KJackowiczandLKozlowski,2017,"InfluenceofInternetandSocialMediaPresenceonSmall,LocalBanksMarketPower",BalticJournalofEconomics,17(2),pp190~214.
[25]Gomber,P,RJKauffman,CParkerandBWWeber,2018,"OntheFintechRevolution:InterpretingtheForcesofInnovation,Disruption,andTransformationinFinancialServices",JournalofManagementInformationSystems,35(1),pp220~265.
[26]Jagtiani,JandCLemieux,2017,"FintechLending:FinancialInclusion,RiskPricing,andAlternativeInformation",FederalReserveBankofPhiladelphiaWorkingPaper,No17-17.
[27]Jaksic,MandMMarinc,2019,"RelationshipBankingandInformationTechnology:TheRoleofArtificialIntelligenceandFinTech",RiskManagement,21(1),pp1~18.
[28]Liberti,JM,2018,"Initiative,Incentives,andSoftInformation",ManagementScience,64(8),pp3714~3734.
[29]Liberti,JMandMAPetersen,2018,"Information:HardandSoft",NBERWorkingPaper,No25075.
[30]Livshits,I,JCMacGeeandMTertilt,2016,"TheDemocratizationofCreditandtheRiseinConsumerBankruptcies",ReviewofEconomicStudies,83(4),pp1673~1710.
[31]Marinc,M,2013,"BanksandInformationTechnology:MarketabilityvsRelationships",ElectronicCommerceResearch,13(1),pp71~101.
[32]Mocetti,SMPagniniandESette,2017,"InformationTechnologyandBankingOrganization",JournalofFinancialServicesResearch,51(3),pp313~338.
[33]Papke,LEandJMWooldridge,2008,"PanelDataMethodsforFractionalResponseVariableswithanApplicationtoTestPassRates",JournalofEconometrics,145,pp121~133.
[34]Ripberger,JT,2011,"CapturingCuriosity:UsingInternetSearchTrendstoMeasurePublicAttentiveness",PolicyStudiesJournal,39(2),pp239~259.
[35]Ryan,RM,CMO'TooleandFMcCann,2014,"DoesBankMarketPowerAffectSMEFinancingConstraints",JournalofBanking&Finance,49,pp495~505.
[36]Sutherland,A,2018,"DoesCreditReportingLeadtoADeclineinRelationshipLendingEvidencefromInformationSharingTechnology",JournalofAccounting&Economics,66(1),pp123~141.
Fintech,OptimalBankingMarketStructure,andCreditSupplyforSMEsSHENGTianxiangFANConglai(CollegeofFinance,NanjingAgriculturalUniversity;YangtzeRiverDeltaEconomicsandSocialDevelopmentResearchCenter,NanjingUniversity)Summary:Smallandmicroenterprises(SMEs)playanimportantroleinChinaseconomicdevelopment,andtheirfinancingproblemsarethusofgreatconcerntoChinesesocietyHowever,thelackofbankssupplyofcredittoSMEshasneverbeenfundamentallyresolvedInrecentyears,financialtechnology(Fintech)hasdeeplyaffectedthefinancialsectorFintechisexpectedtodrivethesupplyofcredittoSMEsincommercialbanks.
OnlybyunderstandingtheinfluenceofFintechonthebankssupplyofcredittoSMEscanweguaranteethatitbestservesbothSMEsandthebankscreditbusinessSuchananalysiscanbecarriedoutbasedonthewell-establishedcredittheoryofSMEsThistheoryemphasizestwoperspectives:lendingtechnologyandbankingmarketstructureTheapplicationofFintechislikelytohaveamajorimpactonthesetwoperspectives.
132总第480期ThispaperaccordinglydistinguishesbetweentraditionalandFintechlendingtechnology,constructsatheoreticalmodelofbankingmarketstructure,andanalyzestherelationshipsbetweenFintech,bankingmarketstructure,andbankssupplyofcredittoSMEsItcreatesaprovincialFintechdevelopmentlevelindexbymanuallycollectingBaidusearchindexdataandusesprovincialpaneldatafrom2011to2018toconductempiricaltestsofitstheoreticalhypotheses.
Theresultsareasfollows(1)Fintechhaschangedlendingtechnology,anditpromotesbankssupplyofcredittoSMEsfromtheperspectiveoftheentirebankingsystem(2)ThereisaninvertedU-shapedrelationshipbetweenbankingmarketstructureandbankssupplyofcredittoSMEs,whichprovesthatthereexistsanoptimalbankingmarketstructurethatcanpromotethemaximumcreditsupplytoSMEs(3)ThedevelopmentlevelofFintechregulatestheoptimalbankingmarketstructureThatis,thehigherthelevelofFintechdevelopment,thehighertheoptimaldegreeofcompetitioninthebankingindustry,whichpromotescreditsupplytoSMEs.
TheseresultshavethreeconsequencesforbankssupplyofcredittoSMEsFirst,FintechisimportantforpromotingtheentirebankingsystemssupplyofcredittoSMEsToincreasetheapplicationofFintechinthefuture,banksofallsizesshouldpayattentiontothemicrobasisfortheeffectivenessofFintechSecond,asthedevelopmentofFintechaccelerates,weneedtopayattentiontothebankingmarketstructure,asthetwomustworktogetherThird,theeffectivenessofFintechdependsonthecreditenvironmentforcommercialbanksandSMEsGovernmentdepartments,bankinginstitutions,andSMEsshouldworktogethertoimprovetheexternalmarketenvironment.
ThecontributionsofthispaperarethreefoldFirst,theliteratureonFintechandbankssupplyofcredittoSMEsfocusesontheoreticalandnormativeanalysis,andthemeasurementofFintechremainsdifficultThispaperestablishestheFintechdevelopmentlevelindexusingtheBaidusearchindex,whichismorerelevanttothebankssupplyofcredittoSMEsTheempiricaltestsupplementstheevidenceonthecurrentstateofaffairsinChina.
Second,priorresearchrarelyintegratesthetwoperspectivesoflendingtechnologyandbankingmarketstructureanddoesnotconsiderwhetherthereisacorrelationbetweentheimpactofchangesinlendingtechnologydrivenbyFintechandofchangesinbankingmarketstructureThispaperstudiestheimpactofFintechontheoptimalbankingmarketstructureandthusenrichestheoriesaboutbankssupplyofcredittoSMEs.
Third,inthepast,theimpactofbankingmarketstructurewasmainlytestedattheindividuallevelofSMEsThispaperanalyzestheentirebankingsystemssupplyofcredittoSMEsusingprovincialpaneldataItcomplementsresearchbasedonmicro-leveldataandismoreconducivetoanalyzingtheimpactofbankingmarketstructure.
ThispaperhassomeshortcomingsRiskmanagementisanimportantelementofbankssupplyofcredittoSMEsHowever,itcannotbedirectlyquantifiedandanalyzedduetolimitationsoftheoreticalanalysisanddataavailabilityFutureresearchshouldexplorethisarea.
Keywords:Fintech,OptimalBankingMarketStructure,CreditSupplyforSME,CreditEnvironmentJELClassification:G21,G28,L11(责任编辑:林梦瑶)(校对:ZL)