李婷婷 陆晨宇
(江苏师范大学科文学院 江苏徐州 221132)
1 引言操作风险是指由于流程缺陷、人为错误、系统故障、内部事件、外部事件等造成损失的可能性，且各种金融产品、服务、流程、系统都可能引发操作风险(Khalil F et al.，2020)[1]。近年来，金融科技的快速发展改变了传统金融服务模式，推动金融业务创新升级。商业银行逐渐认识到金融科技的好处，利用信息技术提供各种产品和服务。随着金融科技在金融领域的广泛应用，银行在提升服务效率、丰富金融产品种类的同时，也面临新的风险冲击，如金融诈骗、洗钱、系统故障、内外部欺诈或操作失误造成资金损失等，以上风险均属于操作风险事件范畴，这说明在金融科技背景下，银行操作风险愈加频发和突出。金融科技复杂系统在金融机构的广泛应用凸显了操作风险管理的重要性。近些年来，关于操作风险的研究不断增加，主要集中在操作风险损失计量和统计特征方面。Basak S & Buffa A M(2017)认为，当银行从事新活动或开发新产品、进入新领域、实施新的业务流程或技术系统时，银行的操作风险敞口增加[2]。Pena et al.(2018)认为金融科技改变了整个金融市场的运行规则，商业银行通过有效识别金融科技触发的操作风险损失的大小，对不同类型和级别的操作风险进行排序，能够降低金融科技造成的操作风险损失[3]。
综上，目前学界关于金融科技如何影响操作风险的理论研究尚未得出一致结论。此外，现有实证研究多集中在金融科技对银行系统性风险、信用风险以及市场风险的影响上(李学峰和杨盼盼，2021；刘孟飞，2021；金洪飞等，2020)[4-6]，关于操作风险的实证研究少之又少。因此，本文基于2011—2021年16家A股上市银行数据，从金融科技技术溢出效应角度出发，理论分析其对银行操作风险的影响机理，并进行实证检验。
2 金融科技的技术溢出效应对银行操作风险的影响机制2.1 金融科技的技术溢出效应对银行操作风险的影响技术溢出效应实际上是一种技术外溢引发的外部经济活动，表现为拥有发达技术的企业通过直接或间接的方式将创新型技术外溢到其他产业或地区，影响其产量增长或经济发展。金融科技公司利用数字信息技术为客户提供成本低、匹配性强、服务质量高的金融产品/服务，吸引大量银行与金融科技公司合作，增加金融服务技术研发与应用。金融科技算法复杂，处于发展初期的金融科技在银行业务中的应用尚不成熟，存在技术漏洞，容易因系统失灵放大操作风险损失。此外，为修复系统漏洞，管控操作风险，银行会频繁更新业务操作系统，难免部分员工因个人业务素质低下，因操作失误而造成风险损失。但是，随着金融科技水平的提升及其在商业银行风控领域的成熟应用，银行操作风险管理开始向智能化、模型化方向转型。一方面，指纹、人脸等生物识别技术使银行风控管理由人控向机控转变，能够强化对交易内容的真实性审核，降低无授权交易等内部欺诈行为；另一方面，通过嵌入风控预警模型，运用大数据识别违规操作，能够强化事前预警和实时检测，抑制操作风险。
图1 技术溢出效应下金融科技对银行操作风险的影响机制
假设1：初级阶段金融科技的技术溢出效应加重商业银行操作风险负担；发达阶段的技术溢出效益能够抑制操作风险。
2.2 技术溢出效应下金融科技对不同规模银行操作风险的影响差异不同规模的银行业务范围、组织结构、员工素质、风险管控水平等方面均存在差异，金融科技的发展在不同规模银行中的应用程度不同，其技术溢出效应对操作风险的影响也会出现差异。大型银行资金实力雄厚，人才储备强大，具有资源禀赋优势，但是其分支机构覆盖面广，基层网点繁多，员工素质参差不齐；中小型银行富有灵活性和创造力，但是成立时间短，资金实力弱，业务范围小，市场认可度较低。在金融科技发展初期，大型银行能够利用自身资源禀赋优势，快速实现金融科技在传统银行业务领域的应用，比中小银行更早享受金融科技的技术溢出效应带来的好处。但是，应用初期的金融科技容易出现流程缺陷和系统漏洞，操作风险多发生于基层网点。操作风险具有低频高损失特征，由于大型银行基层网点多，总行对分支机构“鞭长莫及”，基层网点员工受自身业务水平限制，难以及时识别和控制因技术漏洞引发的操作风险，一项操作风险事件就可能引发巨额损失。随着金融科技水平的成熟，大型银行雄厚的资金和人才技术储备有助于推进金融科技与传统金融业务的融合，提升智能化风控水平，降低操作风险。
假设2：发展初期的金融科技对大型银行操作风险的冲击大于中小型银行；发达阶段的金融科技对大型银行操作风险的抑制作用大于中小型银行。
3 变量选取与模型设计3.1 变量定义3.1.1 被解释变量：操作风险
根据Basel Ⅱ和Basel Ⅲ，按照业务复杂程度和风险敏感性，可将操作风险资本计量方法分为三类，即基本指标法、标准法、高级计量法。刘睿和李金迎(2008)通过构建收入模型测量得到的操作风险资本与基本指标法得到的结果基本一致，证明基本指标法能够适用中国银行业风险管理现状[7]。由于操作风险管理在我国银行运营管理中应用较晚，缺乏损失事件积累和银行内部数据，故采用基本指标法来衡量操作风险，即操作风险资本=15%×过去3年银行营业收入均值。
3.1.2 核心解释变量：金融科技水平
现有文献关于金融科技综合水平的测量方法有两种，一种是利用百度指数获取关联词词频，然后借助多元统计分析方法构建综合指数(姚婷和宋良荣，2020)[8]。另一种是采用北京大学数字普惠金融指数(PKU-DFIIC)作为代理指标(孟娜娜和粟勤，2020；郭峰和王靖一，2020)[9-10]。金融科技应用范围广，构建的原始词库难以覆盖所有金融科技产品和服务类型，所以通过百度指数获得的金融科技综合指数不能全面刻画其发展水平。然而，从覆盖广度、使用深度、数字化程度3个维度(共计33个具体指标)构建得来的数字普惠金融指数，综合性高，覆盖面广，更适合作为代理变量。但是，由于该指数均为地区级数据，故本文用省级指数均值来衡量我国金融科技综合水平。
3.1.3 控制变量
本文分别选择资产规模、激励程度、员工素质、行业竞争水平为控制变量。其中，用银行年末资产总额作为资产规模的代理变量；用职工平均薪酬来表示激励程度；用大学本科以上学历员工占比衡量员工素质；以国有银行年末总贷款占比来量化当年行业竞争水平，总贷款占比越高，说明行业集中度越高，竞争水平越低，反之则反。
3.2 样本选择与数据来源本文选用A股上市银行为研究样本。截至2022年末，我国共有A股上市银行42家，由于目前只能获得2011—2021年的金融科技代理变量(即数字普惠金融指数)，故样本区间选为2011—2021年。除去2011年后A股上市的银行，本文最终选择16家银行作为研究对象。相关数据均来自新浪财经、巨潮资讯网、各上市银行官方年报、北京大学数字金融研究中心。
3.3 计量模型设计基于上文理论分析，本文构建如下多元面板数据回归模型：
其中，ORCBi,t、TASi,t、ENSi,t、EMTi,t分别表示第i家银行t年的操作风险损失、资产规模、激励程度、员工素质；FTIt、DICt分别表示第t年的金融科技发展水平和行业竞争程度；FTIt2用来描述FTI与ORCB之间的非线性关系，用来检验随着金融科技水平的提升，其技术溢出效应对操作风险的影响是否发生改变；µi,t表示银行随机效应，其分布与解释变量无关；εi,t表示随机误差项。
4 实证分析本文在进行回归分析前，需要通过Hausman检验来判断应该建立固定效应模型还是建立随机效应模型进行回归分析。Hausman检验结果显示，随机效应回归模型对应的P值为1，大于0.05，接受原假设，应建立随机效应模型，结果如表1中式(1)所示：FTI的回归系数为0.5969，FTIt2的回归系数为-0.0013，说明FTI对ORCB的影响呈倒“U”型，即在金融科技发展初期，会因技术漏洞或者员工“素质问题”增加商业银行操作风险承担。但是，随着金融科技在银行系统的深入应用与发展，操作风险管理开始由人控转向机控，通过剥离前台操作环节，嵌入风控预警系统等智能化风控手段，从业务流程上降低操作风险，与假设1相符。
表1 金融科技对商业银行操作风险影响的回归结果
此外，由于FTI对ORCB的作用效果会受银行规模的影响，故参照刘孟飞(2021)的做法，在式(1)的基础上，分别引入FTIt×D和FTI2t×D，实证检验上述影响是否会因银行规模的不同而出现差异，如下所示：
其中，D表示银行规模的虚拟变量，具体表现为式(3)：
式中，将2011—2021年资产总额大于16家样本银行资产总额均值的银行定义为大型银行，其余定义为中小型银行。
回归结果如表1式(2)所示：FTI和FTIt2的系数分别为0.4249和-0.0012，其对操作风险的作用方向与原有结论一致；FTI t×D和FTI t2×D的估计系数分别为0.3245和-0.0015，说明FTI的技术溢出效应对ORCB的影响效果会因银行规模不同而存在差异。具体来看，大型银行FTI对ORCB的影响系数为0.7494，FTIt2对ORCB的影响系数为-0.0027；中小型银行FTI对ORCB的影响系数为0.4249，FTIt2对ORCB的影响系数为-0.0012，说明在金融科技发展初期，金融科技对大型银行操作风险的冲击大于中小型银行，发达阶段的金融科技对大型银行操作风险的抑制作用大于中小型银行，与假设2相符。原因在于，金融科技发展初期，大型银行能够凭借资本、人才、社会资源等要素禀赋优势在传统金融业务中融入金融科技，但是由于应用初期的金融科技存在较多的技术漏洞和安全隐患，加上大型银行基层网点多，基层员工风险识别和管理能力较弱，容易比中小型银行引发更大的操作风险损失；随着金融科技在大型银行中的成熟应用，大数据生态体系、智能化风控手段等均能有效预警和识别前、中、后台的操作风险，比中小银行进一步降低操作风险损失。
在控制变量方面，式(1)、(2)中TAS的回归系数均为正值，说明资产增量越大，银行操作风险负担越重。ENS的回归系数均为负值，说明银行对员工的激励增幅越大，越能够抑制操作风险发生。EMT的回归系数均为负值，说明拥有高专业素质的员工能够抑制操作风险。DIC的系数符号均为负，说明在不考虑金融科技等其他因素的影响下，市场集中度与操作风险负相关(即行业竞争度与操作风险正相关)，即行业竞争水平能够冲击银行操作风险承担。
5 研究结论与建议基于金融科技的技术溢出效应对银行操作风险的影响机理，结合2011—2021年16家上市商行的数据进行实证分析发现：(1)从金融科技技术溢出效应对银行操作风险的影响呈倒“U”型，即金融科技起步阶段的技术溢出效应容易诱发操作风险；发达阶段的技术溢出效应通过驱动银行风控手段向智能化方向转型，能够抑制操作风险；(2)以上影响效果会因银行规模不同而存在差异，在金融科技应用初期，大型银行由于“船大难调头”，其技术溢出效应比中小型银行更容易触发操作风险；随着金融科技的深入发展，大型银行依靠雄厚的资金、技术以及人才储备，能够提升智能化风控管理水平，其技术溢出效应对操作风险的抑制作用大于中小型银行。
基于以上结论，本文提出以下4点建议：第一，积极融入发展成熟的金融风控技术，构建智能风控体系。银行在构建智慧化网点，进行数字化转型的同时，要重点关注智能化风控体系的建设，通过嵌入风险监控模型，构建实时风险预警系统，加速风控手段从“人控”向“机控+智控”方向的转变，降低操作风险管控负担。第二，增加金融技术研发投入，发掘金融科技人才。及时发现和修复金融科技漏洞，升级行内金融科技业务系统。同时，变革传统“填鸭式”培训方式，引入情景式培训手段，不断提高员工业务素质，降低操作失误损失。第三，中小银行开辟“跟随式创新”路径，提升智能化风控水平。受自身资金、技术、人才等资源限制，中小银行智能化风控技术的研发与应用于大型银行之间存在差距，但是可以通过积极学习同行经验，加强与第三方金融科技公司合作，合理评估自身操作风险管理水平，借外力搭建智能化风控体系，降低操作风险损失。
