互联网金融对银行盈利的影响以招商银行为例Word文件下载.docx

互联网金融对银行盈利的影响以招商银行为例Word文件下载.docx

《互联网金融对银行盈利的影响以招商银行为例Word文件下载.docx》由会员分享，可在线阅读，更多相关《互联网金融对银行盈利的影响以招商银行为例Word文件下载.docx（16页珍藏版）》请在冰豆网上搜索。

1.1研究背景

2012年底以阿里小贷为代表的网络借贷和2013年6月末“钱荒”催生的余额宝等互联网货币基金，使得互联网金融迅速崛起。

“互联网+金融”的新业态蚕食了商业银行以贷款利息和支付结算为主要盈利来源的收益。

中国商业银行的存款增速从2014年开始下降，到2015年一些商业银行存款已出现负增长。

存款流失使得贷款增速相应放缓，再加上互联网货币基金的冲击，商业银行的息差收入被进一步压缩。

中国商业银行利润来源主要是存贷利差，利息收入占比在金融危机之前超过85%，平均3%的利差使得商业银行缺乏推动盈利结构转型的动力。

经济新常态以来，中央银行为应对增速减缓采取了降低指导利率、放宽浮动区间的做法，而互联网金融在其中起到了推波助澜的作用。

以互联网货币基金为例，其通过吸收居民的存款投资于同业拆借，将原本一年期约3%的存款利率提高了1.5个百分点，这使得商业银行原本依靠单一存贷利差的盈利模式难以为继。

互联网金融的发展大大推进了利率市场化进程，根据日本和韩国的经验，商业银行在利率市场化以后的存贷利差将由原本的3%缩减到1%。

盈利能力是商业银行可持续发展的重要保证，而盈利能力不但取决于自身的公司治理因素和整个宏观环境的状况，更被盈利结构所决定。

从2015年中国12家全国性商业银行公布的年报分析可知，除中国农业银行非利息收入占比在17.74%以外，其余各大银行非利息收入占比均在30%左右，其中招商银行最高，已达到32.13%。

尽管非利息收入占比在稳步提升，但仍远低于发达国家银行业平均40%的水平。

供给侧结构性改革带来的不良贷款率飙升，利率市场化进程对利差的压缩，互联网金融对传统业务的冲击等，从客观上倒逼商业银行进行盈利模式调整，由以利差收入为主的单一模式向多元化渠道转型。

1.2研究意义

互联网金融加速了金融改革和推进经济发展，受到了国内外学者的广泛关注，互联网金融与商业银行之间关系的讨论愈来愈受到重视。

但已有研究多是从定性角度讨论互联网金融的定义、商业模式、盈利模式以及互联网金融与传统商业银行之间的关系，大部分学者认为互联网金融颠覆了传统金融的生态链，中国的金融交易结构、金融架构都在发生深刻变革，商业银行需要积极转型来应对这种迅速的市场变化。

但互联网金融对商业银行的影响到底如何？

互联网金融带给银行盈利能力积极影响多还是消极影响多？

互联网金誕的迅猛发展是否加剧了商业银行的风险性？

送些问题仍是未打开的＂黑盒＂。

实证研究互联网金融对商业银行盈利性、风险性的影响，对探讨互联网金融与银行的关系是一个值得研究的话题。

本文将以招商银行为例进行深入探究。

1.3研究内容

第一，首先，通过归纳总结互联网金融发展的理论基础、相关文献综述以及互联网金融的商业模式和盈利模式；

然后，分别从互联网金融对商业银斤资产项、负债项、中间业务这几个方面具体分析其对银行业务产生的影响；

最后，从理论角度分析互联网金融对招商银行的风险承担产生的影响。

第二，通过实证研究，分析现阶段我国互联网金敲的发展是否给商业银行的盈利能力、风险性带来了一定程度的冲击和影响。

第三，互联网金融的快速发展对于商业银行是一把双刃剑，实证研究互联网金融对招商银行的影响，对招商银行的改革创新具有一定的理论价值。

同时招商银行的转型升级也能促进互联网金融的进一步发展，实现资源的最优化配置，对我国金融业的改革推进以及金融理论的创新具有一定的推动作用。

1.4研究方法

本文采取理论与实证相结合的分析方法，在理论研究基础之上，结合随机效应变截距模型研究，从互联网金融模式——第Ｈ方支付、Ｐ２Ｐ网贷、众筹融资角度出发，论述了互联网金融究竟对招商银行盈利产生了哪些冲击，又有哪些方式帮助了招商银行取得更大盈利，其中商业银行盈利能力指标为用因子分析方法测得的各相关指标的综合得分，最后在此基础上得出相关结论并提出对策建议。

2互联网金融概述

2.1互联网金融的概念

互联网金融是依靠互联网技术实现的资金转移与融通行为，主要表现为新兴的小型贷款公司、第三方支付平台以及金融中介等三种基本的企业组成形式。

互联网金融基本上已经实现了足不出户进行划款、理财及借贷等各项金融行为。

2.2与传统金融的区别

互联网金融是一种具有鲜红生命力的金融形式，随着互联网技术的发展，互联网企业并没有将发展的目光停留在基本的业务及技术层面，而是将长期积累的数据进行系统的总结分析，同时应用到金融业务中来，从而建立了互联网与金融资本结合的新途径，而传统金融模式在客户资料整理、客户信息维护上存在很大问题。

另外，互联网金融的融资突破传统银行的间接融资及资本市场直接融资的形式，以互联网直接融资为主，同时依托网络支持，有着信息量大、交易成本低、利润高等特征。

再次，互联网金融依靠一种滚雪球效应，其当今吸纳的还是以小额资本为主、其贷款与支付也是以小额资金为主，因此互联网金融在短时间内不会彻底摧毁传统金融，而成为传统金融的一种有效补充。

最后，互联网金融的发展有赖于互联网技术，因此其金融特征有着典型的互联网特征，比如公益性与公立性等，互联网金融借助互联网信息的匹配，风险控制能力更强，且中介性与平台性特征明显。

3互联网金融发展及业务模式

与传统金融业相比，互联网金融发展时间极短，其源于金融业运用互联网工具，正是因为金融业与互联网的这种高度融合，促使金融业成为应用互联网最早的少数产业之一。

3.1互联网金融的发展

迄今为止，互联网金融的发展可以分为三个阶段：

第一阶段是准备阶段，期间互联网诞生，金融业服务人员希望借助互联网实现工作效率的提升，可以通过MSN、E-mail的方式给客户提供资料；

之后随着互联网的发展，互联网金融开始进入融合阶段，一些专业的互联网金融业态开始出现，比如阿里巴巴、E-bay等；

随着网络的进一步发展，加上受众的普遍接受，在2010年后，互联网金融进入了井喷阶段，一大批企业涌入互联网金融领域，互联网金融对传统金融的影响也日益呈现出来。

3.2互联网金融的业务模式

根据业态不同，互联网金融可分为以下三种：

以传统金融为基础的业务网络化、互联网发展起来的新金融及电子商务金融生态圈。

3.2.1传统金融为基础的业务网络化

借助互联网，各行各业都可以有效提高生产率，降低运营成本等，因此在互联网诞生不久，传统金融行业便开始学习利用互联网技术，各银行开始陆续引入网上银行，网上银行就是借助互联网实现基本业务的办理，不仅可以有效降低经营成本，还能更好地提高服务质量，同时银行还可以借助客户的个人信息、交易记录等进行针对性的交叉营销。

手机银行是以网络银行模式为基础，借助当今手机智能化的前提，通过APP建立手机营业厅，同时客户自助完成一些基本的存款、转账等操作的业务，手机银行相比网上银行客户定位更为准确，而且可以更好的满足客户的个性化需求，是未来互联网金融发展的一大趋势。

3.2.2互联网为基础发展起来的新金融

互联网为基础发展起来的新金融形式多样，其中以P2P借贷较为典型，其在中文官方的翻译为人人贷，这是在互联网环境下建立起的一种特定的借贷关系，互联网每个参与者都可以发起，而他们需要的是一个具有足够公信力的机构进行集中约束，从而保证其合法权益。

当今的P2P借贷主要由以下几种模式：

第一种，担保机构担保交易模式，这种模式相对较为安全，因为有小贷公司和担保机构的双重保护，采用的一对多的方式，多个出资人共同满足一个借款者的需求；

第二种是债券合同转让模式，这种方式优化了第一种人难凑齐、借贷种类匮乏的缺点，是先利用资金形成债券合同，在通过互联网转让给其他人；

第三种是第三方担保的P2P借贷模式，这是建立在第三方担保平台或者实力型实体企业担保为基础的借贷模式。

3.2.3众筹模式

众筹是采用大众筹资的方式，然后借贷者会议实物、作品、服务等方式进行回报，通过互联网平台或者特定公众进行项目资金筹款的行为。

这种方式类似于实体经济的集资，但是比集资的受众面广，成效好。

4互联网金融给商业银行带来的影响

互联网金融不仅给人们带来了便利，同时也更加充分的利用起社会小额闲散资金，在一定程度上对金融行业发展有很大的促进作用，但是同时也会对传统的商业银行造成一定的影响。

4.1交易成本不断降低

互联网金融可以依靠一台可上网电话，让客户自助完成诸多业务办理，相比招商银行有着极强的成本优势。

首先，互联网金融机构不需要像银行那样支付大额店铺租赁费用，减少网店开支；

其次，随着科技的发展，一台网络终端的价格不断降低，一台几百块钱的手机就能进行大部分银行基本操作；

再次，银行排队问题一直是个公众关系的焦点问题，而互联网金融可以有效缓解这种压力，降低隐性成本。

互联网金融交易成本的降低，必然会带动其价格的下调，这就会给招商银行造成一定的困扰，招商银行也不得不推出同样等值产品与之抗衡。

4.2大数据时代数据分析

金融离不开数据的支撑，传统数据统计一般采用抽样调查、汇总分析、地区试点、修整优化，最后才能推出市场，当今快餐式的消费文化已经不再适用这种方式，这种方式正在被互联网科技逐步取代。

大数据时代，金融机构可以汇总来自与之相关的各行各业数据，然后进行分析，对其消费水平、资金储备、家庭情况等一清二楚，从而量身定制相适应的整套服务方案，同时这套方案的制定主要借助计算机智能技术的分析，并不会浪费太大的人力成本及资金成本。

显然，这给传统商业银行带来了巨大压力，比如余额宝的出现，虽然看似仅仅是吸纳了一小部分小额款项，但是这也使得招商银行的流动资金些许吃紧，而且这仅仅是互联网金融与传统金融机构瓜分市场的宣战而已。

5互联网金融对商业银行盈利能力影晌的实证分析

本章的目的是借助实证研究，检验互联网金融对招商银行盈利能力的影响，用面板数据变截距模型检验分析互联网金融模式中哪些对招商银行盈利起促进作用，哪些起抑制作用。

5.1样本及指标的选取

结合之前章节商业银行盈利能力测算样本及指标选取原则，再综合考虑数据的易得性，本章将继续选用招商银行作为样本。

样本中各指标数据均为年度数据，时间区间为2009-2014年。

为了保证实证研究能够得出理想的结果，首先我们需要为模型选取合适的因变量。

参照以往文献研究惯例，同时依据科学、客观、全面准确的原则，本文选用标准化处理后的招商银行盈利能力综合得分作为模型的因变量，标准化的方法为＂最小一最大标准化＂法，我们相信这一指标更能反映商业银行的整体盈利能力。

为了验证互联网金融模式究竟是如何影响我国商业银行盈利能力的，本文将互联网金融模式中的第三方支付规模的自然对数、P2P网贷规模的自然对数和众筹融资规模自然对数作为模型的自变量，此来量化互联网金融规模，并结合实证结果进行解释说明，数据来源于艾瑞市场咨询。

5.2模型的构建

5.2.1面板数据模型的形式

同时包含时间序列和截面维度的数据被称为面板数据，面板数据模型一般可分为三类；

混合回归模型、变截距模型以及变参数模型。

本文的研究模型中既包含时间序列，又包含不同商业银行这一截面维度，所Ｗ适用面板数据模型。

面板数据模型一般可表示为:

其中，ｙｉt，表示第ｉ个个体在第ｔ期的观测值，ａｉｔ‘表示截距项，Ｐｉ，表示第ｈ个解释变量的待估参数，Ｘｈｉｔ表示第ｈ个解释变量对于个体ｉ在ｔ时刻的观测值，ｅｉｔ表示随机误差项。

注：

因为本文只研究招商银行，只有招商银行一个样本，因此i=1。

如果模型中的截距项ａ和解释变量系数Ｐ是常数，即不随个体和时间的变化而变化，则称该模型为混合回归模型，可表示为：

如果模型中的解释变量系数ｅ是常数，即不随个体和时间的变化而变化，则称该模型为变截距模型，可表示为：

变截距模型又可分为固定效应模型和随机效应模型。

若模型中的截距项ａ是随个体的变化而变化的，个体间所有的差异均可通过截距项加以刻画，且随机误差项ｅｉｔ满足：

则称该模型为固定效应模型，截距ａｉ为固定效应。

若模型（３．３）中的截距项ａ被看成是随机变量，且模型满足：

则称该模型为随机效应模型。

如果模型中解释变量的系数６随着时间和个体的变化而变化，则称该模型为变系数模型，可表示为：

根据本文选取的变量，下面将建立如下实证模型：

式中，ｅｉ（ｉ＝1，２，３）是估计系数，ｅｕ是随机扰动项，Ｃ是常数。

模型中其他变量及其定义如下表1所示：

表1模型中的变量及定义

针对本文的实际情况，由于文中所选的数据同时具有横截面——招商银行和时间序列——６个会计年度这两个维度，同时考虑到样本容量的问题，我们建立面板数据模型，如模型所示，因为这个模型可以包括更多的个体信息。

从另一方面来看，本文采用的数据时间跨度较短，因此只有使用面板数据模型才能合理处理样本容量不足的情况，使估计结果更准确。

纵观时间序列和横截面这两个维度，时间维度小于横截面维度，因此我们的模型是一个短面板数据模型，而且是非平衡的。

对于时间维度相对巧小的短面板数据模型而言，无论随机扰动项是否存在自相关，我们都不必考虑自相关的问题。

此外，本文中关于互联网金融规模的相关数据均来自艾瑞市场咨询和中国互联网金融报告。

5.2.2面板数据模型的估计方法

面板数据模型参数估计方法有很多，每种方法都有各自不同的适用对象，本文选用广义最小二乘估计法。

广义最小二乘法适用于随机效应模型的估计，面板数据随机效应模型的基本形式可表示为：

式中Ｖｉ为个体的随机影响，表示截距中不同个体的差异部分。

为了方便分析，下面我们将模型进一步改写成如下形式：

其中，

于是，我们有：

模型的协方差矩阵可以表示为：

于是，当方差

己知时，可得模型的广义最小二乘估计量

5.2.3面板数据模型的设定检验

前文己经介绍了面板数据模型的各种形式，那么一篇文章究竟适用于哪种模型，送就需要我们在建亞模型之前对模型进行设定检验。

通常情况下，面板数据模型的检验可分为两步，第一步是Ｆ检验，目的是确定究竟应该选择混合回归模型还是变参数模型或者变截距模型，常用的方法为协方差分析法；

第二步是Hausman检验，目的是判断本文究竟是适用固定效应模型还是随机效应模型。

（1）Ｆ检验

Ｆ检验是用来判定究竟是选变参数还是变截距形式的一种方法，上述假设的判定标准为，先检验假设１，若接受Ｈ0，则选不变参数模型，检验结束；

若拒绝Ｈ0，继续检验假设2，如果接受Ｈ0＇，则选变截距模型，如果拒绝Ｈ0＇，则选变参数模型。

首先我们需要计算出Ｈ种模型（变参数模型、变截距模型、不变参数模型）的残差平方和Ｓｉ、Ｓ２、Ｓ３，然后根据残差平方和计算Ｆ统计量Ｆｉ、Ｆ２，并通过查找临界值，将Ｆ统计量分别与对应的临界值进行比较做出判定。

（2）Hausman检验

Hausman检验是用于确定应选随机效应模型还是固定效应模型的方法，检验的假设为：

假设随机效应模型的广义最小二乘估计量为

固定效应模型的估计量为

组间估计量为

于是有

接着构造统计量

当统计量mｉ服从自由度为Ｋ的ｘ２分布时，零假设成立。

如果拒绝零假设，那么将选择固定效应模型；

如果不能拒绝零假设，那么将选择随机效应模型。

在本文中，首先我们会用Ｆ检验确定本文是适用于变截距模型还是变系数模型，接着再判定应选固定效应模型还是随机效应模型。

随机效应模型忽略了个体间的差异，模型中的所有参数都不随个体和时间的变化而变化；

固定效应模型对随机效应模型的约束条件进行了适当的修正，承认个体间存在差异，且送种差异可以通过模型中的截距项加Ｗ刻画。

关于面板数据这两种模型的选择问题，主要有两种方法，一种是从实际应用的角度来看，若研究样本中不同个体之间的效应，应该选固定效应模型；

如果是想通过样本推断总体特征的，应该选随机效应模型。

另一种方法是用Hausman检验方法。

本文从实际应用的角度来看，应该选择随机效应模型，为使模型选择更加科学合理有说服力，下面我们也将进一步用Hausman检验来验证究竟该选何种模型。

5.3实证分析

为确定本文数据到底适用哪一类面板模型，首先对模型进行Ｆ检验，判别模型是变截距还是变系数的，接着再通过Hausman检验，判定究竟应选随机效应模型还是固定效应模型。

5.3.1Ｆ检验

首先我们需要计算出Ｈ种模型（变参数模型、变截距模型、不变参数模型）的残差平方和Ｓｉ、Ｓ２、Ｓ３，然后根据残差平方和计算Ｆ统计量Ｆ1、Ｆ２，并通过查找临界值，将Ｆ统计量分别与对应的临界值进行比较做出判定。

表2给出了三种模型的残差平方和。

表2三种模型的残差平方和

通过计算可得Ｆｉ和Ｆ２的统计值如下：

在ａ=0.05的显著性水平下，利用函数FINV（ｐ，ｋ1，ｋ２）在excel中求出Ｆ分布的临界值，其中Ｐ为显著性水平0.05，ｋ1、ｋ２为自由度，于是可得相应的临界值为：

由于Ｆ２＞1.8284，所Ｗ拒绝假设1中的Ｈ0；

由由于Ｆ1＜１1.8695，所以接受假设2中的Ｈ0，因此，本文应选择变截距模型。

下面需要继续检验模型是随机效应还是固定效应，用到的检验方法为Hausman检验。

5.3.2Hausman检验

假设：

Ｈ0：

个化影响与解釋变量不相关（选用随机效应模型）

Ｈ1：

个体影响与解释变量相关（选用固定效应模型）

Hausman检验结果如下表3所示，结果显示Prob．＝0.9992＞0.05，表示拒绝原假设所犯错误的概率很大，因此不能拒绝原假设，选择随机效应模型比固定效应模型更有效，于是本文将选用随机效应模型对样本进行估计。

表3Hausman检验结果

综合以上两个检验的结果，最终可将本文的模型确定为个体随机效应变截距模型，模型的估计结果如下表４所示：

表4随机效应模型估计结果

RandomEffects（Cross）

说明：

*表示在５％显著性水平下通过检验，**表示在１０％显著性水平下通过检验

通过对表4进行分析，可知自变量第王方支付规模和众筹融资规模对商业银行盈利能力能力指标（商业银行盈利能力综合得分）的影响为正向影响，而P2P网贷平台规模对商业银行盈利能力指标（商业银行盈利能力综合得分）的影响为负向影响，第Ｈ方支付规模通过了５％显著性水平下的检验，P2P网贷通过了10%显著性水平下的检验，而众筹融资的影响并不显著。

模型统计结果中的Ｒ２为0.960366，说明模型拟合优度的效果达到了96.0366%，拟合效果很好，Ｆ统计量的概率通过了５％显著性水平下的检验，模型有效。

同时根据回归结果，可得如下随机效应模型方程:

由随机效应模型可Ｗ看出，第Ｈ方支付和众筹融资对商业银行盈利能力存在正向影响，其中第＝方支付每增加1个单位，商业银行盈利会增加0.067796个单位，且影响效果显著；

众筹融资每增加1个单位，商业银行盈利会增加化0.065586个单位，但影响效果并不显著，这可能是因为众筹融资起步较晚，属于新兴事物，目前仍处于发展初期，且缺乏系统性，所Ｗ目前并未对各大银行造成明显冲击。

而P2P网贷对银行盈利能力存在负向影响，P2P网贷规模每增加1个单位，商业银行盈利会减少0.049760个单位，且影响效果显著。

随机效应变截距面板数据模型包括时间序列数据和截面数据，观测的结果不仅可以推断出整体影响，而且还可得出个体效应的估计和时间效应的估计，估计结果如下表3-5、3-6所示。

表5个体效应的估计

Bank

CrossEffects

招商银行

-0.127677

从个体效应估计结果能发现，互联网金融对招商银行存在消极影响较小。

这是因为招商银行一方面拥有庞大的资产规模、客户群体和业务量，抵抗互联网冲击能力较强；

另一方面招商银行也在积极进行进军互联网金敲战略布局，采取创新支付体系、上线电商购物平台、创新理财产品等措施。

同时，招商银行可以凭借自身的条件和特点，扬长避短，接轨大数据，打造个性化互联网金融创新服务，在互联网金融影响下找到一条属于自己的生存之道。

表6时效应的估计

从时间效应估计结果可以看出，在2009年众筹融资进入我国的初期，互联网金融对我国招商银行盈利能力存在负面影响，但随着时间的推移，招商银行凭借自身经营方式的转变，逐渐减弱了互联网金融对其传统服务的影响，并将互联网因素融入到自身经营战略当中，将互联网金融的影响变负为正。

但是2012年是互联网企业向金融领域发展的一年，以苏宁、阿里巴巴、京东为代表的传统电商企业纷纷开展供应链融资业务，向金融行业进军；

2012年同时也是金融企业互联网化发展的一年，以招商银行为代表的商业银行纷纷建立电商平台，利用互联网这一渠道创新自身业务模式。

2013年是互联网金融元年，以腾讯、XX、京东、阿里巴巴为代表的传统互联网巨头试图在银行业构建自己的帝国，开辟出自己的金融业务发展模式，对招商银行等传统金敲机构带来了巨大的威胁，所以这两年互联网金融对招商银行盈利能力存在负面的影响。

而面对此情此景，招商银行也并未坐待毙，积极与互联网企业合作，创新业务服务模式，将互联网元素融入自身业务发展中来，将电子银行部升级为互联网金融部，这些举措都给传统金融业务转型带来了新的契机，开辟了新的路径，因此2014年后互联网金融的繁荣为我国商业银行带来了新的盈利增长点。

6互联网金融冲击下招商银行应对策略分析

在计算机发明之初，没有人想到互联网会覆盖这么全面，20世纪90年代，招商银行利用互联网仅仅是为了增加劳动效率，但是无足轻重；

21世纪初，互联网金融初见雏形，而很多大型商业银行仍不以为然，十几年过去了，互联网金融的影响已经波及到各行各业，招商银行不得不苏醒过来，探寻自身发展策略。

6.1正视冲击、从容应对

互联网金融冲击招商银行的事实是不可避免的，但是并非招商银行与互联网金融隔缘，银行高管不仅需要意识到互联网金融的冲击，还能大力发展本银行的互联网金融体系，将其从增值业务逐步转化为核心竞争力。

招商银行应当积极以客户为中心、以市场为导向，增强与客户之间的沟通，实现无缝对接。

6.2商业银行应积极调整战略部署

面对互联网金融带来的冲击，商业银行应当积极调整战略部署，不可一味回避，而应当在互联网中寻找适合自我的发展模式，借助互联网思维及经营模式改变自身的传统经营方式。

首先，可以进行战略规划分析，采用STOW分析法，找出自身的优势、劣势、机遇与威胁；

其次，根据自身发展需要调整战略定位，互联网金融已经打破了传统商业银行的操作模式，因此不可因循守旧，应当积极进取，做好用户体验；

再次，建立适合的战略联盟体系，企业的发展不再是靠一己之力，而需要联盟的构建，联盟各方取其所长、补己之短，这才是行业发展之道，也是为了金融业发展的必然选择。

6.3积极搭建一站式金融服务平台

金融涉及到各行各业，与每个人息息相关，未来社会金融业不