数字普惠金融与银行信用贷款关系.docx
- 文档编号:26931864
- 上传时间:2023-06-24
- 格式:DOCX
- 页数:11
- 大小:24.44KB
数字普惠金融与银行信用贷款关系.docx
《数字普惠金融与银行信用贷款关系.docx》由会员分享,可在线阅读,更多相关《数字普惠金融与银行信用贷款关系.docx(11页珍藏版)》请在冰豆网上搜索。
数字普惠金融与银行信用贷款关系
数字普惠金融与银行信用贷款关系
我国商业银行信用贷款和城市发展数据为研究对象,探索数字普惠金融与银行信用贷款投放的内在关系。
实证发现:
一是数字普惠金融显著促进银行信用贷款投放规模和占比。
二是数字普惠金融与银行信用贷款的正向关系,因城市发展水平不同存在差异,目前对东部城市银行信用贷款促进作用更明显。
三是数字普惠金融对银行信用贷款的作用存在结构效应,覆盖广度和数字化程度的作用相对更重要。
四是是否为农商银行在数字普惠金融和信用贷款的正向关系间起着负向调节作用。
因此,为更好地发挥数字普惠金融的积极作用,提升银行信用贷款占比,需要政府、监管部门、银行和企业居民共同努力,群策群力营造良好信用环境、夯实信用贷款基础。
一、引言
中美贸易战和新冠肺炎疫情双重冲击下,小微企业融资难、居民就业难等问题格外突出,为帮助小微企业复工复产、居民就业,落实“六保、六稳”工作任务,推进国内国际“双循环”战略,银行信用贷款被国家寄予厚望。
如2020年6月《中国人民银行、银保监会、财政部、发展改革委、工业和信息化部关于加大小微企业信用贷款支持力度的通知》中提出“确保2020年普惠小微信用贷款占比明显提高”,国家“十四五”规划也提到要推动信用贷款占比提高。
然而一直以来,监管部门的政策呼吁、指导或强制规定等带来的效果不佳,难以根本扭转银行投放抵(质)押贷款的固有偏好,银行信用贷款占比提升慢。
其重要原因在于,当前我国仍是以银行间接融资处于绝对主导地位的金融体系,大多数银行囿于“抵押物崇拜”的经营惯性、风险控制水平、激励约束机制和信用体系不完善的发展环境等内外因素,不愿或不敢大规模投放信用贷款,特别是小微企业类信用贷款发展缓慢、不容乐观。
当前,我国信用贷款具有线上消费类信用贷款发展迅速,小微企业类场景单一、产品缺乏、引进积极性较低,全国性股份制银行信用贷款偏好高于区域性中小银行的特征。
这由于全国性股份制银行产品体系完善、风控能力更强,客户遍布全国有利于分散风险,因此其信用贷款规模较大、占比更高。
而区域性城商银行和农商银行风险控制能力较弱,主要面向某个区域农户或小微企业发放小额信用贷款,规模较小,风险相对较大,因此信用贷款规模小、占比更小。
据博瞻智库数据,我国银行信用贷款占比由高至低分别为股份银行(28.85%)、国有大型银行(27.47%)、城商银行(16.35%)和农商银行(9.78%)[1],即地方性银行更加依赖于担保类贷款,其信用贷款占比较低。
近年,数字经济如火如荼、新基建加速推进,大数据、云计算、人工智能、移动互联网等技术日新月异,金融科技在银行的作用由后台支撑逐渐变为前台引领,越发占据核心地位,赋能信用体系建设和银行风险管控等成为首要功能,数字化有望成为改善银行怯于发放信用贷款困境的重要助力,信用贷款大发展时机来临。
同时,在此背景下,共享、成本低、广覆盖、使用便捷的数字普惠金融蓬勃发展,新冠疫情的暴发蔓延更凸显了数字普惠金融价值、加速了其发展。
数字普惠金融拓宽了传统金融服务的边界,丰富了金融服务主体和手段,延伸了金融服务触角,提高了市场竞争性,对居民创收、扶贫以及缓解小微企业融资难融资贵问题等领域发挥着愈发积极的作用,较为有效地解决了普惠金融发展“服务可获得”“商业可持续”“成本可负担”三大难题。
可以推测,促进信用贷款投放是数字普惠金融发挥作用的关键路径之一。
那么,数字普惠金融如何促进银行信用贷款投放?
城市发展水平是否是影响数字普惠金融作用于信用贷款的重要因素?
覆盖广度、使用深度和数字支持服务程度等三种数字普惠金融维度与信用贷款间是否存在不同作用关系?
解答以上问题,在国内大循环为主体、国内国际“双循环”相互促进的新发展格局下,对促进国内消费、缓解小微企业融资困境、支持实体经济发展等具有重要参考价值,对落实监管部门信用贷款方面政策等具有重要现实意义。
同时,也是数字普惠金融和信贷管理研究领域文献的有益补充。
二、文献回顾及研究假设
从2005年普惠金融概念被联合国初次提出,到如今数字普惠金融常听于街头巷尾、频见于书刊杂志,学术界关注的焦点从普惠金融的内涵、风险、发展模式等基本理论问题,逐渐转移至数字普惠金融的现实效应,并形成较广泛的共识。
数字普惠金融作为普惠金融和金融科技的结合体,具有覆盖广泛、触达便捷、政策靶向性、边际成本近乎为零等独特优势,可从规模、速度和准度这三个维度显著降低融资成本和提高风控能力,对减贫扶贫[2-3]、缩小城乡收入差距[4-5]、促进消费[6-9]、缓解小微企业融资约束[10-12]、居民创业增收[13-17]、提升社会保障水平[18]、经济增长[4]等社会经济发展形成积极而深远的影响。
数字普惠金融产生了大量研究文献。
基于现有研究,数字普惠金融的作用机制和理论基础,结合信用贷款原理,可推测数字普惠金融与信用贷款关系密切,前者可能通过多渠道、多效应作用于后者。
然而,仔细梳理相关文献仍鲜见实证研究数字普惠金融和信用贷款關系的成果。
(一)数字普惠金融促进信用贷款
一方面,数字普惠金融促进个人消费信用贷款。
一是数字普惠金融有利于完善征信体系,提升银行风控水平,银行有信用贷款产品供给,消费者能使用信用贷款。
傅秋子和黄益平[11]研究指出数字金融整体水平的提升减少了农村生产性正规信贷需求概率,增加了农村消费性正规信贷需求概率。
二是数字普惠金融有利于消费者就业、增收以及提升社会保障水平,使得消费者敢使用信用贷款。
如方观富和许嘉怡[16]发现数字普惠金融的发展显著促进了居民的就业,增加了工作收入。
三是数字普惠金融覆盖面广、使用便捷、嵌入消费场景丰富,促使消费者愿使用、容易使用信用贷款。
易行健和周利[8]、邹新月和王旺[9]等认为数字普惠金融的发展能够有效促进居民消费水平的提高,通过对内部机制的疏导发现数字普惠金融可以通过收入、移动支付、消费信贷和保险促进消费,且对西部地区影响大于东部。
另一方面,数字普惠金融促进中小微企业信用贷款。
一是银行利用大数据、云计算、人工智能、区块链等技术优势,降低获客和风控成本,逐渐有能力为小微企业提供更多无抵押、无担保的纯信用贷款。
二是随着数字普惠金融发展,银行越发表现为一种服务,而不是物理场所,跨界竞争日益激烈,信用贷款成为争夺重点,叠加监管部门推动,银行信用贷款供给增加。
三是数字普惠金融有利于降低小微企业融资成本,从而促进小微企业扩大信用贷款需求。
Manyikaetal.[13]发现数字普惠金融发展为因缺乏信贷获取渠道而受阻的小型企业注入了新的活力。
廖婧琳等[12]实证检验了数字普惠金融发展对企业融资约束的缓解效应。
四是数字普惠金融促进居民创业、企业创新,增加信用贷款需求。
王博等[19]研究表明网络借贷通过信用认证机制、信息披露机制以及多次借贷积累的声誉软信息可以降低信息不对称、信息搜寻成本和交易成本,从而为企业创新提供资金支持。
此外,数字普惠金融促进经济增长、提高城乡居民收入和消费,间接推动企业扩大生产,从而增加融资需求。
杨伟明等[4]认为数字普惠金融通过促进经济增长和创业行为显著提高了我国城乡居民收入。
张林和温涛[17]发现数字普惠金融对居民创业具有显著的促进作用,其一方面直接促进居民创业,另一方面通过带动居民收入增长和服务业发展促进居民创业。
因此,提出假设1。
假设1:
地方城市数字普惠金融发展可显著提升银行信用贷款投放。
(二)银行所处城市区域的异质性
银行信用贷款与经营所在区域的城市发展水平息息相关,各城市数字普惠金融与信用贷款间的关系不可能千城一面。
现有研究也较一致指出数字普惠金融发挥的各种效应都或多或少存在某种明显的异质性,特别是区域、地理带来的异质性被论证最多。
方观富和许嘉怡认为数字普惠金融对城市地区和中西部地区居民的就业促进作用更大。
汪亚楠等认为数字普惠金融能够显著地提升社会保障水平,从区域上看,数字普惠金融对各地区社会保障的促进效应为中部最强、西部其次、东部最弱。
杨伟明等指出数字普惠金融对东部居民人均可支配收入的提升效果显著大于中部和西部。
张林和温涛数字普惠金融发展对居民创业的影响存在基于自身发展水平、地区市场化程度和地区创新能力的单门槛效应。
我国各城市间经济水平、城镇化水平、信用环境、金融发展水平、民营经济规模、居民金融知识水平、消费习惯等差异大,而这些可能都是影响信用贷款的重要因素。
同时,我国东中西部的区域划分最能代表城市群体间差异,现状显示东部城市整体经济相对发达、城镇化水平高、信用环境好、金融业发展水平高、民营经济活跃、居民消费能力强,更有利于信用贷款发展,学术界也存在诸多证实其差异的证据,因此,提出假设2。
假设2:
相比中西部地区,数字普惠金融在东部地区对银行信用贷款的促进作用更明显。
(三)不同数字普惠金融维度作用的异质性
从已有数字普惠金融实证研究可发现,大多实证论文所采用的数字普惠金融数据,都来自北京大学数字金融研究中心和蚂蚁金服集团联合发布的中国数字普惠金融数据。
该数据包括覆盖广度、使用深度、数字化程度三个维度,包含内容差异明显,因此其对信用贷款发挥作用机制时,定然存在结构化差异。
具体而言,覆盖广度代表着数字普惠金融的用户数量、用户比例以及用户绑卡情况;使用深度则反映了数字普惠金融的实际使用情况,各个细分业务的使用活跃程度;数字化程度表示获取数字普惠金融服务的便利性和贷款利率成本。
如汪亚楠等认为数字普惠金融能够显著地提升社会保障水平,从结构上看,覆盖广度和使用深度对社会保障水平产生了显著的促进效应,但数字化程度的效应不显著。
杨伟明等认为覆盖广度、使用深度和数字化程度对城镇和农村居民人均可支配收入产生差异化影响。
因此,提出假设3。
假设3:
数字普惠金融的覆盖广度、使用深度、数字化程度三个维度对银行信用贷款的影响存在显著差异。
(四)不同类型银行的异质性
统计口径上,我国商业银行业一般分为大型国有商业银行、全国性股份制商业银行、城商银行和农商银行等四大类型。
各类型银行金融科技和数字金融水平迥异,总体上全国性大银行资产规模更大、基础好、科技人才足、数据资产丰富,金融科技实力更强,数字金融水平高,而中小性或地方性商业银行数字金融普遍起步晚、动作小、投入少、信心不足,因此数字化水平低。
从信用贷款现状看,几大类型的商业银行信用贷款规模和占比差异明显,占比上从股份银行、国有大型银行、城商银行至农商银行依次降低。
随着数字普惠金融的快速发展和普遍应用,部分金融科技技术或利用门槛降低,或发展遭遇瓶颈、迭代困难,或积累了足够成功经验、试错成本趋于零,小银行可充分利用金融科技“后发优势”,不断缩小与大型银行在数字金融某一领域运用的差距,如信用贷款风控,但短期内数字普惠金融对大银行的信用贷款促进作用更大。
因此,提出假设4。
假设4:
相比其他银行,数字普惠金融发展对农商银行信用贷款的促进作用更小,即在数字普惠金融和信用贷款关系间,是否对农商银行起显著负向调节作用。
三、变量、数据及模型
(一)樣本选择和数据来源
研究样本时间范围为2015年至2019年,各变量数据主要来自三大数据库:
一是我国各城市各银行信用贷款数据、基本资料和财务数据等来自Wind数据库;二是各地级市经济社会发展统计指标来自EPS数据库中国城市数据库;三是数字普惠金融指数来自北京大学数字金融研究中心和蚂蚁金服集团联合发布的中国数字普惠金融数据(该数据仅到2018年)。
且对样本做以下处理:
删除国有商业银行、外资银行和住房储蓄银行数据,删除数据缺失严重的样本数据,对连续变量做缩尾处理以排除异常值影响(1%—99%)。
(二)变量选取和模型构建
1.被解释变量(Credit)
一是信用贷款余额(CreditS),是Wind数据库中各银行信贷结构数据的信用贷款余额数据。
二是信用贷款占比(CreditR),以银行信用贷款余额除以贷款总额。
2.解释变量——数字普惠金融(DIF)
本文選择各地级市层面的数字普惠金融总指标(DIF)以及三个子指标——覆盖广度(Width)、使用深度(Depth)、数字支持(Digital)。
在控制内生性时,参考梁双陆和刘培培[20]等研究,以互联网普及率(INF,互联网用户数/总人口数)作为数字普惠金融总指标的工具变量。
3.控制变量(Control)
银行财务数据类控制变量。
具体有:
存款规模(Deposit,元,取自然对数);成本收入比(CTI,%);净利差(NIM,%);管理费用(ME,亿元,取自然对数);利润率(PR,%);不良贷款率(NPL,%)。
各城市经济社会发展类控制变量。
具体有:
经济总量(GDP,亿元,取自然对数);第二产业占比(IndustryD,工业产值除以总产值,%);总人口(Pop,万人,取自然对数);法人金融机构数(NumF,个,取自然对数);营业网点数(NumNet,个,取自然对数);规模以上企业数(NumCom,个,取自然对数)。
此外,控制年度效应(year)为年度虚拟变量。
表1列出了主要变量的描述性统计信息。
从中可知,信用贷款余额、信用贷款占比、数字普惠金融指数等变量在样本间差异显著,样本数据能为实证研究提供较好的数据支持。
4.模型构建
基于上述分析及已有研究基础,构建基准回归模型如下:
Creditit=β0+β1DIFit+βXControlit+βYyear+εit
(1)
(1)式中,下标i表示各银行样本,下标t表示年份,Creditit为第t年i银行信用贷款情况。
εit为随机扰动项。
鉴于不同类型银行信用贷款差异显著,为进一步考察数字普惠金融对银行信用贷款的影响是否显著受商业银行类型影响,在
(1)式中加入商业银行类型虚拟变量(BankT,如为农村商业银行取1,否则为0)与数字普惠金融交乘项BankT×DIF,检验交互项是否显著非0,以反映可能存在的调节效应。
具体模型如下:
Creditit=β0+β1DIFit+β2DIFit×BankTit+β3BankTit+βXControlit+βYyear+εit
(2)
此外,考虑到监管部门要求银行信用贷款占比一直提升,银行经营战略不会突然逆转,且数字普惠金融对信用贷款的影响可能存在滞后效应,因此在
(1)式中加入数字普惠金融指数的滞后一期,构建动态面板模型。
具体模型如下:
Creditit=β0+β1DIFit+β2Creditit-1+βXControlit+βYyear+εit(3)
四、实证研究结果
(一)信用贷款分布基本分析
1.不同类型银行信用贷款分布
出于自身产品策略、风控能力、市场定位、经营惯性等原因,不同类型的银行对信用贷款的偏好不同,实际投放呈现明显差异。
如图1列示了2015—2019年五大类型银行的信用贷款占比情况。
从中可知,第一,各类型银行信用贷款占比整体呈上升趋势,但民营银行例外,这因为2015年有信用贷款数据的民营银行中仅天津金城银行和浙江网商银行2家,规模基数小。
第二,民营银行的信用贷款占比一直最高,其次基本是股份制银行、城商银行、农商银行和村镇银行,如2019年民营银行信用贷款占比最高,均值达42.51%,这可能主要因为新设立的17家民营银行主要通过线上渠道开展业务,面对客群主要为中小微企业和个体消费者,如网商银行和微众银行等,信用贷款为主打产品。
2.不同地区银行信用贷款分布
一般地方经济发达程度决定了银行信用贷款规模空间,但对信用贷款占贷款总额的比重影响存在不确定性,这也与银行经营风格、战略定位息息相关。
表2列出了我国31个省(自治区、直辖市)的银行信用贷款占比均值情况,图2展示了2019年银行信用贷款平均占比前10位的城市。
可以发现以下特征:
第一,大部分省份的银行信用贷款平均占比逐年上升。
第二,从东中西部区域分布看,各年度西部省份的银行信用贷款平均占比最高,其后是东部、中部。
其中,青海增幅最大、宁夏增速最快,如青海从2015年的5.84%升至2019年的35.76%,背后原因可能有二:
一是离不开国家西部大开发战略和扶贫战略的加速推进,中部地区受到的政策照顾相对较少但经济总量又不如东部地区。
二是西部省份的银行业不发达、样本总量少。
如贵州共11家样本银行,信用贷款占比均值一直高于20%,毕节、大方、普安、清镇、修文农村商业银行信用贷款占比都超过30%。
第三,总体上经济发达且增速较快省份的银行信用贷款占比相对较高,如2019年,省级区域中上海、北京、天津、浙江等省份的银行信用贷款占比超过20%。
地市比较时,银行信用贷款占比前10位城市中东部地区的占6个。
(二)实证结果
1.基准模型总体效应分析
表3列出了数字普惠金融对银行信用贷款影响的实证结果。
从中可知:
第一,(A1)—(A6)各方程总体拟合良好,除方程(A4)、(A5)外变量DIF系数至少在5%的水平显著为正,这表明各城市数字普惠金融发展的确可以促进银行信用贷款投放,假设1成立。
第二,被解释变量为信用贷款占比(CreditR)时各方程的拟合优度(R-squared)比信用贷款规模(CreditS)更高,这可能因为数字普惠金融可能对信用贷款余额的促进作用更明显,或银行财务指标或城市发展指标等控制变量对信用贷款余额解释力更强,对银行其他贷款余额影响较大。
第三,被解释变量(Credit)的滞后一期对信用贷款余额和占比都有显著正影响。
这一方面说明信用贷款存在滞后效应或经营惯性,另一方面也符合监管部门对银行信用贷款占比一直上升的监管导向和要求。
2.考虑银行所在城市区域差异的分析
與经济发展状况一致,我国东部省份数字普惠金融发展水平高于中部,中部又高于西部,因此按各银行所在地市将样本分成东、中、西部三组,以横截面稳健回归模型估计结果如表4,从中可知:
第一,从样本分布看,东部银行样本数远多于中部和西部,这也说明东部地区城市金融发展水平远高于中西部。
第二,仅在东部地区,数字普惠金融与银行信用贷款规模和占比间存在显著正向影响,表明数字普惠金融对银行信用贷款的影响存在显著地域效应,受到银行所在城市社会经济发展情况影响,假设2成立。
因此,在中部、西部地区数字普惠金融对银行信用贷款存在积极作用,但需要积极改善经济、信用环境,提高城镇化和市场化水平,促进银行敢供应纯信用贷款,企业居民愿意和能够使用信用贷款。
3.考虑数字普惠金融结构效应的分析
普惠金融本身是内涵较广的概念,数字普惠金融指数也是一个综合指标,存在较多细分指标,第二级指标主要包括覆盖广度、使用深度和数字化程度。
因此,以此三个维度探索其对银行信用贷款的影响,估计结果如表5。
从中可知:
第一,当被解释变量为银行信用贷款规模(CreditS)时,变量数字普惠金融覆盖广度(Width)和数字化程度(Digital)系数分别在10%和5%的水平下显著为正,使用深度系数为正但不显著。
第二,当被解释变量为银行信用贷款占比(CreditR)时,变量数字普惠金融数字化程度(Digital)系数在10%的水平下显著为正。
这表明数字普惠金融的用户数量、用户比例以及用户绑卡,便利性和贷款利率成本是影响银行信用贷款的关键因素,特别是便利性和成本起到举足轻重的作用,这十分契合普惠金融诞生之日起身负的解决金融服务“可获得、可承担”的使命。
同时,证明数字普惠金融的覆盖广度、使用深度、数字化程度三个维度对银行信用贷款的影响存在显著差异,假设3成立。
4.考虑银行类型的分析
上文数据分析显示因商业银行类型不同,银行信用贷款投放规模和占比明显不同,考虑农商银行是普惠金融的生力军,且经营特征明显,一般限于城市区域经营,数量较多,规模偏小,信用贷款占比偏低。
因此,将样本以是否为农商银行分成两组,加入交乘项DIF×BankT,实证结果列示如表6。
从中可知:
第一,不管是加入是否为农商银行的虚拟变量BankT,还是交乘项DIF×BankT,方程(D1)—(D6)中解释变量DIF的系数至少在10%的水平下显著为正,这再次论证了数字普惠金融对银行信用贷款规模和占比的正向影响。
第二,方程(D1)和(D2)中,虚拟变量BankT的系数在10%的水平下显著为负。
这说明相比非农商银行,农商银行信用贷款显著更少。
同时,方程(D3)—(D5)中交乘项DIF×BankT系数至少在10%的水平下显著为负,这充分说明了是否为农商银行在数字普惠金融和信用贷款之间起到负向调节作用,在农商银行中数字普惠金融的促进作用受到抑制,假设4成立。
(三)稳健性检验说明
为保证实证结果的稳健可信,本文采用了以下方法做稳健性验证:
一是对连续变量做缩尾处理以控制极端值影响;二是采用了不同的实证方法,如横截面OLS稳健回归、面板固定效应模型,动态面板模型、两阶段OLS模型等;三是删除四大直辖市的银行样本,删除了国有商业银行、外资银行和住房储蓄银行样本数据。
总体看,通过以上不同方法的实证结果较为一致(见表7),说明研究结论是稳健的,数字普惠金融对银行信用贷款投放有显著积极作用。
五、研究结论及建议
“当铺”思维在我国银行业特别是中小银行中根深蒂固,屡被人诟病,这是导致中小微企业融资难、融资贵的重要原因之一,信用贷款占比不断提高是此思维改变的直接表现。
在数字经济时代,大数据、云计算、区块链等技术日新月异且被迅速应用在银行业,数字普惠金融快速发展,征信环境大幅改善,信息不对称程度显著降低、风控技术快速提升等,为银行发放信用贷款创造了最佳条件。
为探索数字普惠金融发展与银行信用贷款投放之间的内在关系,本文实证发现:
一是数字普惠金融显著促进银行信用贷款投放规模和占比。
二是数字普惠金融与银行信用贷款的正向关系,因城市发展水平不同存在差异,目前对东部城市银行信用贷款促进作用更明显。
三是数字普惠金融对银行信用贷款的作用存在结构效应,覆盖广度和数字化程度的作用相对更重要。
四是是否为农商银行在数字普惠金融和信用贷款的正向关系间起着负向调节作用。
要不断提高我国银行信用贷款占比,需要多方主体持续共同努力。
首先,政府部门需营造良好的信用环境和加强数字经济基础设施建设,做好数据管理,打破政务数据部门间藩篱,降低银行获取信用信息的成本和难度,做好金融知识普及教育工作。
其次,监管部门改变信用贷款监管导向,改善当前约束银行信用贷款投放的政策,如过于重视抵押担保在风险防范和缓释中的作用、信用贷款较其他担保贷款占用了更多的经济资本。
再次,银行应提高信用贷款认识、创新信贷思维,积极利用金融科技技术,不断提高风险控制能力,加强数据挖掘,不断优化信用贷款产品和服务体系、审批流程、考核制度,加强贷后管理。
同时,善借外部资源,加强与政府部门、金融科技公司、担保机构等合作,改进信用贷款风控模型,降低信用贷款风险。
最后,企业居民需维护经营自身信用,重视信用数据积累,降低信息不对称程度。
同时,相互监督、共同营造良好的信用环境,共同创建“心诚万里无阻,无信寸步难行”的信用社会。
- 配套讲稿:
如PPT文件的首页显示word图标,表示该PPT已包含配套word讲稿。双击word图标可打开word文档。
- 特殊限制:
部分文档作品中含有的国旗、国徽等图片,仅作为作品整体效果示例展示,禁止商用。设计者仅对作品中独创性部分享有著作权。
- 关 键 词:
- 数字 金融 银行信用 贷款 关系