互联网金融对我国商业银行贷款规模的影响研究.docx

互联网金融对我国商业银行贷款规模的影响研究

石万红+张晶
摘要：随着互联网金融模式的迅速崛起，互联网金融模式与商业银行的关系成为学术界探讨的热门话题。本文从理论和实证两方面分析了互联网金融成交量对商业银行贷款规模的影响机制和关系，最终为商业银行和互联网金融行业未来健康发展提供建议。
关键词：互联网金融；商业银行；贷款规模
1.绪论
近些年来，互联网金融的迅猛发展与商业银行的平淡现状形成了鲜明的对比。商业银行紧张的形势与以余额宝、P2P为代表的互联网金融的快速发展不无关系。虽然互联网金融模式就目前的规模来看，跟商业银行的规模难以抗衡，但是其发展极其迅速，就其模式的优势来看，未来必将对商业银行传统模式产生深刻影响。互联网金融的出现在很大程度上是因为我国中小企业通过银行渠道融资难，所以研究此课题有利于解决中小企业融资难的问题，促进商业银行的经营管理与业务产品的转型以及资本市场的健康发展。
2.互联网金融对商业银行贷款规模影响的相关理论
2.1 金融脱媒理论
金融脱煤是指资金绕过传统的商业银行媒介，通过网络或者直接在资金的供给者和需求者之间流动，实现资本融通的现象。金融脱媒的成因理论主要有：1、金融监管成因论。即金融脱煤的原因在于监管当局对金融市场过于严格的管制。监管当局对金融中介机构进行非常严格的管制，包括投资的领域、资金的用途、融资的渠道等方面的管制，那么第三方中介机构的活力被大大限制，其收益降低。那么资金的需求方和供求方不能通过中介提高收益或者降低成本，就会脱离中介，实现直接融资。反之，如果监管当局对金融中介的管制较松，那么金融中介的活力增强，成本降低，收益增加，资本就会通过中介进行融通。
2.2 长尾理论
长尾理论最早提出是用来描述向亚马逊这类网络的商业模式，它实际上是统计学中幂率和帕累托分布特征的一个口语化的表达。长尾理论实际上揭示的是一个现象：人们普遍习惯关注比较重要的人或者事，如果用正态分布来描述这些人或者事，人们只会关注曲线的“头部”，而往往忽略 “尾部”。例如商业银行在进行贷款业务时，只关注大企业，而忽视中小企业的贷款需求。在网络时代来临之前，人们要想得到处于“尾部”的信息要付出比“头部”更多的成本，但是随着科技的发展，网络信息时代到来，人们获得“尾部”的信息成本大大降低，甚至低于“头部”的成本。这就使得长长的“尾部”获得的整体收益甚至能够超过“头部”。
根据金融脱煤理论、长尾理论分析，随着互联网金融模式的发展，其贷款成交量不但攀升，对于稳定的资本需求市场来讲，互联网金融模式的贷款成交量增加，那么商业银行的贷款规模就会降低，即两者成反比关系。
3.互联网金融发展对商业银行贷款规模影响的实证分析
文章实证方面主要通过实证结果的数据分析我国互联网金融发展对商业银行贷款规模的影响及作用机制。本文数据来源于《中国金融统计年鉴》、中国第一网贷网及中国统计局网站。
3.1 模型的选择与构建
本文采用混合回归模型进行样本估计，根据已有商业银行贷款余额的影响因素研究，本文采取以下模型：
Yit=c+α1CPIit+α2GDPIit+α3Lit+eit
其中，Yit为被解释变量，表示在t期i地区的商业银行货款余额，单位万元，用此变量来衡量商业银行贷款业务的规模；解释变量为CPIit，GDPit，Lit分别表示i地区第t期物价水平即CPI，单位是%，此变量用来衡量通货膨胀水平，通货膨胀越高，商业银行的贷款利率的名义水平越高，因此此变量与商业银行贷款规模呈反比；i地区第t期的实际GDP，单位万元，实际GDP水平越高，经济运行越好，信贷需求也会越大，因此此变量与商业银行贷款规模呈正比；t期i地区的P2P成交量L，单位万元，由于一定时期内货币供给量一定，若P2P成交量L增加，那么商业银行贷款余额Y就会减少，则P2P成交量L与被解释变量Y成反比；c为常数项；eit为随机误差项。
3.2 模型的检验
为避免产生虚假回归，保证本文实证模型中时间序列数据的平稳性，需要对面板数据进行平稳性检验，因此本文进行了单位根检验。本文需要采用LLC检验和Fisher-ADF检验这两种方法。经过检验，所有样本统计量均在95%显著水平上通过平方根检验，不存在单位根。
3.3 实证结果与分析
1、常数项C的系数为31.04230，P值为0.0074<0.01，说明常数项通过99%显著性检验。
2、CPI回归估计系数为-5.484517，P值为0.0285<0.05，说明CPI与被解释变量商业银行贷款余额Y成反比，即物价水平CPI越高，商业银行贷款的名义利率越大，商业银行贷款规模越小。同时回归统计结果在95%水平上显著。
3、GDP回归估计系数为0.323910，P值为0，说明GDP统计量与被解释变量商业银行贷款余额Y成正比，且回归结果在99%水平下显著。即GDP水平越高，经济发展越快，商业银行贷款规模越大。
4、L（P2P成交量）回归估计系数为0.153044，P值为0，说明P2P成交量L 统计量与被解释变量商业银行贷款余额Y成正相关，即P2P成交量越高，商业银行贷款规模越大。且回归结果在99%水平上显著。
4.结论与建议
商业银行贷款规模与互联网金融成交量成正比关系。根据资本的需求和资本供给量不变的前提假设，得出商业银行贷款规模与互联网金融成交量成反比。但是实证的结果与此预测截然相反。这是因为在现实中，资本的需求不是不变的，经济是发展的，国民收入不断提高，居民的消费需求是不断增加，为迎合不断增加的居民消费需求，生产者为了实现自身利益最大化，必然会增加投资，那么资本的需求是不断增加的。互联网金融模式能够提供低门槛、便捷、低成本的贷款，使得资本市场带来了贷款的引致需求。此外，资本的供给也不是不变的，因为中国人民银行为了经济和资本市场的稳定，频繁的进行资本市场调控，资本市场的供给会随中国人民银行的政策和操作不断变化。
商业银行与互联网金融模式是非竞争的关系，甚至在有些互联网模式下，两者是合作的关系，这就使得两者在业务规模上是呈正比的，共同发挥资本融通职能，统一于资本市场中。商业银行应积极通过一定途径与互联网金融模式合作，引入新型信贷模式，促进自身发展。互联网金融掌握的大量客户需求信息，例如对社会的资金需求、投资通道等有基本的认知，这些信息对商业银行来说价值巨大。商业银行和互联网金融模式在信息上互通有无，将使商业银行业务能力大大提升。
参考文献
[1]Franklin Allen，James Mc Andrews and Philip Strahan. E-Finance：An Introduction[J].Journal of Financial Services Research.2002，22： 5-27.
[2]D.Agrawal，et a1.Challenges and Opportunities with Big Data.Cyber Center Technical Reports，2012：34-52.
[3]邱峰.互联网金融对商业银行的冲击和挑战分析[J].吉林金融研究，2013（08）：44-50.
[4]谢清河.我国互联网金融发展问题研究[J].经济研究参考，2013：2-5.
[5]巴曙松.互动与融合—互联网金融时代的竞争新格局[J].中国农村金融，2014（12）：15-17.
[6]姚平.互聯网金融[M].中信出版社，2016：1-58.endprint

-全文完-