组稿人联盟网
欢迎来到组稿人联盟网
客服电话:400-6735-660 客服在线时间:09:00~22:30(节假日不休息) 客服邮箱:dufu2614@126.com在线投稿:非工作时间点此在线提交您的稿件

互联网金融对我国金融效率影响的实证研究

时间:2018/12/29 20:00:04来源: 作者: 点击:

   【摘要】本文为研究互联网金融对传统金融业的影响,在采用基于DEA的Malmquist指数法测算出金融效率的基础上,构建向量自回归模型并进行脉冲响应分析。结果表明,互联网金融对整体金融综合效率有轻微的负向影响,对金融业的技术进步有正向影响,对纯技术效率和规模效率有负向影响。

  【关键词】互联网金融 金融效率 向量自回归模型

  一、引言

  互联网金融的飞速发展,在引起社会各界关注的同时也吸引大量学者对其展开探讨和研究。互联网金融的发展依托于大数据、云计算、移动支付等技术的诞生与进步,它在给人们的生活带来便利的同时,也降低了交易成本、大幅缓解了信息不对称,越来越受到广大金融消费者的青睐。这种互联网金融与传统金融并存的局面势必会对我国金融运行效率产生影响,但影响程度到底如何,并没有太多定量研究给出答案。因此,量化研究互联网金融对金融效率的影响,可以为金融业未来的发展与转型提供有价值的建议与参考。

  二、互联网金融对金融效率的实证分析

  本文定量研究互联网金融的发展对金融效率的影响的思路是:首先,利用我国银行数据测算出金融综合效率,再分离出其他分解效率指标。然后,构建互联网金融与金融综合效率及其分解效率的VAR模型,并通过脉冲响应分析来研究互联网金融对金融综合效率及其分解效率的影响关系。

  (一)金融效率测算与变量选择

  为了具体研究互联网金融对我国金融效率的影响,我们首先对我国金融效率进行测算。由于银行业在我国金融市场份额最大、影响最强,因此本文对银行数据采用基于DEA的Malmquist指数法来测算金融效率。在指标的选择上,本文结合我国银行自身的发展特点,借鉴生产法,选取固定资产净值、人力资源、股东权益以及银行存款作为投入指标,利息收入与非利息收入则是产出指标。运用DEAP2.1,可得到2006~2015年这10年间我国金融效率的变化情况:总体看来,金融效率整体有所下降,具体表现为这一期间的全要素生产率即金融综合效率(TF)均值为0.960。此外,分解出的纯技术效率(PE)、规模效率(SE)、技术进步指数(TE)在这10年间皆有所下降。

  在本文互联网金融和我国金融效率的动态相互作用研究中,内生变量包括:可以衡量金融综合发展水平的全要素生产率即金融综合效率(TF)、金融业技术进步水平的技术进步指数(TE)、金融管理水平的纯技术效率(PE)以及金融业规模经济水平的规模效率(SE);衡量当前互联网金融发展水平的第三方支付交易额(INT)。

  (二)变量平稳性检验

  要构造VAR模型,建模数据要通过平稳性检验。本文运用Eviews7.2对数据进行ADF单位根检验,并根据AIC小准则确定序列最优滞后期。

  

 

  注:***、**、*分别表示在1%、5%、10%水平下显著。为避免时间序列数据可能存在的伪回归现象和除异方差问题,本文对各数据序列进行对数化处理。表1显示,LNTF和LNTE在1%显著性水平下为平稳序列,LNINT和LNSE在5%显著性水平下为平稳序列,LNPE在10%显著性水平下为平稳序列。因此,对数化后的序列均是平稳的。

  (三)模型稳定性检验

  本文使用AR(Auto-regressive)单位根对VAR模型进行稳定性检验。在AR根图中,当模型所有特征根小于1,认为该模型稳定。

 

  (四)VAR模型估计结果

  为研究互联网金融发展水平与金融综合效率及其分解指标之间相互影响,分别建立了互联网金融发展水平与金融综合效率及其分解效率之间的VAR模型。

  模型1是研究互联网金融发展水平与金融综合效率之间相互影响的VAR模型,其参数估计结果为:

  

 

  

 

  模型2是研究互联网金融发展水平与技术进步指数之间相互影响的VAR模型,其参数估计结果为:

  

 

  模型3是研究互联网金融水平与规模效率之间相互影响的VAR模型,其参数估计结果为:

  

 

  模型4实研究互联网金融发展水平与纯技术效率之间相互影响的VAR模型,其参数估计结果为:

  

 

  可知,模型1、2、3、4的F检验的p值都显示模型是显著的。从拟合优度来说,前两个模型的整体拟合度较高,后两个模型中以LNSE、LNPE为因变量的方程拟合度不甚理想。通过脉冲响应分析,本文将进一步研究模型中因变量对自变量的响应。

  (五)脉冲响应分析

  脉冲响应函数(Impulse Response Function,IRF)分析方法可以用来刻画一个内生变量对由误差项所带来的冲击反应。本文运用Eviews软件来获得金融综合效率(TF)和分解出的技术进步指数(TE)、纯技术效率(PE)、规模效率(SE)面对来自互联网金融冲击时的脉冲响应轨迹。

  

 

  图2-5分别为金融综合效率、技术进步指数、纯技术效率以及规模效率基于VAR模型对互联网金融发展的脉冲响应曲线。首先,本文分析金融综合效率对互联网金融的脉冲响应情况和响应路径。由图5可知,金融综合效率对来自互联网金融的一个标准差新息的响应在前10期中一直是正、负交互更替,并且随着时间推移趋于稳定的收敛。具体的响应轨迹:面对来自互联网金融的冲击,金融综合效率在期初表现为一个负向响应。随后有一个快速上升的趋势并在第3期达到正向响应的最大值。此后,金融综合效率在第四期出现明显的负向响应,可以认为金融综合效率增长开始减缓。在随后的5到9期,互联网金融发展对金融综合效率的冲击一直在正负交替中逐渐减弱,并在第10期左右减弱为零。进一步考察追踪期期间的互联网金融发展对金融综合效率的累积冲击效应,可以发现在前3期和前10期的累积冲击响应分别为-0.0025和-0.005。

  

 

  根据以上分析本文认为:互联网金融发展在整个考察期内对金融综合效率有负向的影响,虽然在个别时期表现为正向影响,但时滞较短,并迅速在下一时期转负。出现这种情况的原因可能是:目前互联网金融正处于高速发展阶段,这也推动我国传统金融机构不断学习新技术、完善自身经营过程中的不足,进而推动传统金融的进步。虽然互联网金融目前只是在渠道上超越传统金融,但随着互联网技术的不断进步,以及其在产品设计、风险控制等方面能力的不断提升,长远看来互联网金融会给我国现有金融体系造成一定挑战。

  其次,本文分析技术进步指数(TE)、纯技术效率(PE)、规模效率(SE)对互联网金融发展的脉冲响应情况与响应路径。通过比较发现,三者对互联网金融的脉冲响应模式皆与金融综合效率类似:面对来自互联网金融的冲击,技术进步指数、纯技术效率和规模效率的响应在前10期一直处于正负响应交互更替的波动阶段,期间冲击力度逐渐减弱且趋于稳定的收敛。再看互联网金融对三者的累积冲击效应发现,技术进步指数对互联网金融的前10期累积效应为正,与此相反的是纯技术效率与规模效率对互联网金融发展在前10期累积效应为负。出现这种情况的原因可能是:一方面,随着信息网络技术蓬勃发展,国内各大商业银行也纷纷进行相应的技术革新与业务创新、积极构建自己的电子商务平台。新技术的应用与新产品的发明大力推动了传统金融的技术进步。另一方面,在过去几十年,传统金融机构本身存在着人员臃肿、体制固化、成本管理混乱等经营管理问题。相比互联网金融的灵活多变,传统金融机构不能及时调整经营理念与经营方式来应对不断变化的市场,过去依靠增设网点、大量投入人力财力的扩张方式变得不再那么有效。具体表现为传统金融业的纯技术效率、规模效率均表现为受到互联网金融负向影响。

  三、结论

  本文使用我国2006-2015年的样本数据,首先采用基于DEA的Malmquist指数法测算出金融效率,然后构建向量自回归模型并进行脉冲响应分析。分析显示,总体上互联网金融发展对金融综合效率有轻微的负向影响,但是对传统金融业的技术进步指数、纯技术效率和规模效率影响有正有负。

  首先,互联网金融发展在整个考察期内对金融综合效率正、负影响相互交替,累积效应是负向影响。其原因可能是,目前互联网金融发展势头迅猛,推动着传统金融机构不断完善自身经营过程中的不足。但随着互联网技术的不断进步,以及其在产品设计、风险控制等能力的不断提升,长远看来互联网金融将对传统金融体系形成一定的冲击。

  其次,互联网金融对传统金融业的技术进步指数、纯技术效率和规模效率正、负影响相互交替,但技术进步指数的长期累积效应为正,纯技术效率和规模效率的长期累积效应则为负。其原因可能是,面对互联网金融的不断进步和扩张,传统金融机构也纷纷推动技术革新与产品创新,从而推动整个行业的技术进步。但由于传统金融机构自身存在的一些经营管理问题,以及不能及时随着市场调整经营理念,面对互联网金融发展带来的冲击,纯技术效率和规模效率均受到负向影响。

  互联网金融带给我国传统金融业的既有机遇也有挑战。机遇是互联网技术的进步大力推动了金融机构的技术革新,为产品创新提供新思路,加快经营结构的调整与升级。随之而来的挑战是传统金融机构的业务受到冲击、盈利空间受到挤压。因此,传统金融机构应在与互联网金融竞争的同时积极合作,利用互联网金融的优势不断推动技术进步、改善经营模式,从而提高自身的运行效率与盈利能力。

  作者简介:蒋雅婷(1993-),女,汉族,浙江义乌人,杭州电子科技大学硕士生在读,研究方向:经济统计。


如对职称晋升论文要求,如有疑问立即咨询本站客服,为您提供专业级服务

在线投稿