Chinese Journal of Management Science ›› 2024, Vol. 32 ›› Issue (1): 31-41.doi: 10.16381/j.cnki.issn1003-207x.2021.1714
Previous Articles Next Articles
Jun Hu1,Qiang Li2(),Jiacheng Dai2,Yong Zeng2
Received:
2021-08-26
Revised:
2022-02-28
Online:
2024-01-25
Published:
2024-02-08
Contact:
Qiang Li
E-mail:liq@uestc.edu.cn
CLC Number:
Jun Hu,Qiang Li,Jiacheng Dai,Yong Zeng. Textual Analysis-based Measurement of Fintech and tests of Enabling Effect for Commercial Banks[J]. Chinese Journal of Management Science, 2024, 32(1): 31-41.
"
指数类型 | 数据来源 | 关键词/指标 | 测度方法 | 频率与范围 | 文献出处 |
---|---|---|---|---|---|
金融科技或互联网金融发展水平 | 百度搜索引擎 | 支付结算、资源配置、风险管理和网络渠道四个维度共20个关键词 | 利用搜索引擎检索关键词的新闻条数,并采用因子分析法合成综合指数 | 全国层面2003-2016年间的年度互联网金融指数 | 沈悦和郭品[ 郭品和沈悦[ |
艾瑞网、零壹数据等 | 第三方支付业务量 | 第三方支付业务总量占支付体系业务总量的比例 | 全国层面2009-2015年间的季度互联网金融指数 | 战明华等[ | |
4家互联网金融机构和2家三方数据机构 | 支付、基金、信贷、保险、投资、征信等六个维度的17指标 | 采用主观和客观相结合的方式确定各级指标的权重,并逐级加权求和 | 省级和地级市层面2014年1月-2016年3月的月度互联网金融发展指数 | 北京大学数字金融研究中心:郭峰等[ | |
百度搜索指数 | 技术、支付、服务、直接称呼等四类共22个关键词 | 统计每个关键词的百度搜索指数,利用熵值法确定权重后加权求和 | 省级层面2011-2018年间的年度金融科技发展指数 | 盛天翔和范从来[ | |
百度搜索引擎 | 48个关键词 | 利用百度检索“地区+关键词”,对各地区的48个关键词网页数量求和并取自然对数 | 省级层面2011-2016年间的年度金融科技发展指数 | 李春涛等[ | |
普惠金融发展水平 | 蚂蚁金服 | 覆盖广度、使用深度、数字化程度三个维度共计33个指标 | 对各指标进行无量纲处理,并采用主观和客观相结合的方式确定权重后逐级加权求和 | 省级、市级和县级层面2011-2018年间的年度数字普惠金融指数 | 北京大学数字金融研究中心:郭峰等[ |
统计局、人民银行、银保监会等官方数据 | 广泛包容性、特定化配比程度、商业可持续性三个维度共20个指标 | 对各指标进行标准化处理,并采用主成分分析法合成综合指数 | 省级层面2009-2016年间的年度普惠金融发展指数 | 李建军等[ | |
情绪与风险感知 | “和讯网”新闻文本 | 正向情感和负向情感的词频数 | 在构建“情感词词典”的基础上,利用主题模型对新闻文本进行过滤,进而统计情感词词频合成综合指数 | 全国层面2013年1月-2017年7月间的月度金融科技情绪指数 | 北京大学数字金融研究中心:王靖一和黄益平[ |
Wind数据库和网贷之家 | 类股市和基于互联网金融特征的10个指标 | 对每个指标进行标准化处理,并利用主成分分析合成综合指数 | 全国层面2014年3月-2017年12月间的月度互联网金融投资者情绪指数 | 陈荣达等[ | |
百度搜索指数 | “余额宝被盗”的百度搜索指数 | 移动端、PC端和总体的百度搜索指数 | 全国层面2013年7月-2015年2月的日度网络安全风险指数 | 曾建光[ |
"
变量 | 观测值 | 均值 | 标准差 | 最小值 | 最大值 |
---|---|---|---|---|---|
COSTIN | 2068 | 0.3513 | 0.0737 | 0.1880 | 0.5737 |
FEEIN | 2068 | 0.0441 | 0.0594 | -0.0563 | 0.2609 |
NPL | 2068 | 0.0190 | 0.0141 | 0.0014 | 0.0987 |
ROA | 2068 | 0.0132 | 0.0054 | 0.0016 | 0.0289 |
INTERST | 2068 | 0.0258 | 0.0111 | 0.0019 | 0.0562 |
FEE | 2068 | 0.0013 | 0.0016 | -0.0018 | 0.0071 |
LSZ | 2065 | 0.4642 | 0.0989 | 0.2185 | 0.6755 |
LRET | 2025 | 0.1135 | 0.0351 | 0.0622 | 0.2427 |
FT | 2068 | 0.2754 | 0.7035 | 0.0000 | 8.7413 |
SIZE | 2068 | 24.6751 | 1.6285 | 22.1253 | 30.4020 |
LRD | 2068 | 0.6427 | 0.1037 | 0.3314 | 0.8941 |
EA | 2068 | 0.0778 | 0.0204 | 0.0409 | 0.1479 |
LIQ | 2068 | 0.5624 | 0.1977 | 0.2836 | 1.3842 |
CAR | 2068 | 0.1371 | 0.0243 | 0.0884 | 0.2360 |
"
变量 | (1) | (2) | (3) | (4) | (5) | (6) | (7) | (8) | (9) | (10) | (11) | (12) |
---|---|---|---|---|---|---|---|---|---|---|---|---|
成本收入比 | 中间收入占比 | 不良贷款率 | ||||||||||
总指数 | 战略理念 | 底层技术 | 产品服务 | 总指数 | 战略理念 | 底层技术 | 产品服务 | 总指数 | 战略理念 | 底层技术 | 产品服务 | |
FT | -0.0033* | -0.0080*** | -0.0080** | -0.0031 | 0.0023** | 0.0051** | 0.0031 | 0.0034** | -0.0002 | -0.0008*** | -0.0007* | 0.0000 |
(-1.9534) | (-2.5932) | (-2.1400) | (-0.9987) | (2.2000) | (2.1322) | (0.9200) | (2.0512) | (-1.2248) | (-2.6264) | (-1.8134) | (0.0065) | |
SIZE | -0.0467*** | -0.0461*** | -0.0466*** | -0.0471*** | 0.0229*** | 0.0226*** | 0.0230*** | 0.0233*** | -0.0038** | -0.0037** | -0.0037** | -0.0038** |
(-3.9382) | (-3.8765) | (-3.9182) | (-3.9565) | (3.1660) | (3.0926) | (3.1680) | (3.2193) | (-2.2350) | (-2.1945) | (-2.2231) | (-2.2506) | |
LRD | 0.0560* | 0.0572* | 0.0562* | 0.0551* | -0.0194 | -0.0201 | -0.0192 | -0.0187 | 0.0149*** | 0.0150*** | 0.0149*** | 0.0149*** |
(1.7848) | (1.8193) | (1.7892) | (1.7562) | (-0.7467) | (-0.7702) | (-0.7360) | (-0.7199) | (3.4681) | (3.4899) | (3.4758) | (3.4574) | |
EA | -0.3251* | -0.3241* | -0.3279* | -0.3288* | 0.1144 | 0.1142 | 0.1174 | 0.1163 | 0.0444 | 0.0447 | 0.0443 | 0.0440 |
(-1.7677) | (-1.7665) | (-1.7862) | (-1.7818) | (0.9421) | (0.9381) | (0.9635) | (0.9573) | (1.4613) | (1.4705) | (1.4580) | (1.4486) | |
LIQ | 0.0048 | 0.0051 | 0.0048 | 0.0047 | 0.0103* | 0.0101* | 0.0104* | 0.0103* | 0.0006 | 0.0006 | 0.0006 | 0.0006 |
(0.4930) | (0.5266) | (0.4943) | (0.4805) | (1.7137) | (1.6810) | (1.7213) | (1.7159) | (0.2287) | (0.2431) | (0.2318) | (0.2217) | |
CAR | -0.1063 | -0.1056 | -0.1037 | -0.1042 | -0.0055 | -0.0061 | -0.0078 | -0.0061 | -0.1202*** | -0.1202*** | -0.1200*** | -0.1199*** |
(-0.9594) | (-0.9554) | (-0.9374) | (-0.9392) | (-0.0927) | (-0.1046) | (-0.1322) | (-0.1028) | (-4.5032) | (-4.5096) | (-4.5022) | (-4.4911) | |
常数项 | 1.5133*** | 1.4977*** | 1.5104*** | 1.5247*** | -0.5345*** | -0.5251*** | -0.5366*** | -0.5430*** | 0.1187*** | 0.1170*** | 0.1182*** | 0.1194*** |
(5.0315) | (4.9634) | (5.0067) | (5.0447) | (-2.8972) | (-2.8217) | (-2.8981) | (-2.9497) | (2.7066) | (2.6652) | (2.6941) | (2.7198) | |
个体效应 | 控制 | 控制 | 控制 | 控制 | 控制 | 控制 | 控制 | 控制 | 控制 | 控制 | 控制 | 控制 |
年度效应 | 控制 | 控制 | 控制 | 控制 | 控制 | 控制 | 控制 | 控制 | 控制 | 控制 | 控制 | 控制 |
观测值 | 2068 | 2068 | 2068 | 2068 | 2068 | 2068 | 2068 | 2068 | 2068 | 2068 | 2068 | 2068 |
调整R2 | 0.0645 | 0.0658 | 0.0645 | 0.0631 | 0.1460 | 0.1468 | 0.1444 | 0.1455 | 0.1837 | 0.1842 | 0.1839 | 0.1835 |
"
变量 | (1) | (2) | (3) | (4) | (5) |
---|---|---|---|---|---|
FT | 0.0003** | 0.0002 | 0.0002* | 0.0002** | 0.0001 |
(2.2285) | (1.4422) | (1.9005) | (2.0617) | (1.1343) | |
COSTIN | -0.0338*** | -0.0309*** | |||
(-12.9863) | (-12.9776) | ||||
FEEIN | 0.0194*** | 0.0094*** | |||
(5.0434) | (3.0792) | ||||
NPL | -0.1311*** | -0.1147*** | |||
(-9.1505) | (-8.3769) | ||||
控制变量 | 控制 | 控制 | 控制 | 控制 | 控制 |
个体效应 | 控制 | 控制 | 控制 | 控制 | 控制 |
年度效应 | 控制 | 控制 | 控制 | 控制 | 控制 |
观测值 | 2068 | 2068 | 2068 | 2068 | 2068 |
调整R2 | 0.4552 | 0.5727 | 0.4715 | 0.5240 | 0.6308 |
"
变量 | (1) | (2) | (3) | (4) | (5) | (6) | (7) | (8) | (9) | (10) | (11) |
---|---|---|---|---|---|---|---|---|---|---|---|
贷款规模 | 不良贷款率 | 贷款利率 | |||||||||
总指数 | 战略理念 | 底层技术 | 产品服务 | 总指数 | 总指数 | 战略理念 | 底层技术 | 产品服务 | 总指数 | ||
FT | 0.0032** | 0.0056** | 0.0066** | 0.0030 | 0.0017 | 0.0014 | 0.0027* | 0.0034* | 0.0024** | 0.0020** | |
(2.2575) | (2.1403) | (2.0409) | (1.3234) | (1.5045) | (1.6320) | (1.6788) | (1.7900) | (2.0372) | (2.5297) | ||
LSZ | 0.0217** | 0.0223*** | -0.1947*** | ||||||||
(2.5447) | (2.5895) | (-10.4191) | |||||||||
LSZ×FT | -0.0041* | ||||||||||
(-1.7889) | |||||||||||
控制变量 | 控制 | 控制 | 控制 | 控制 | 控制 | 控制 | 控制 | 控制 | 控制 | 控制 | 控制 |
个体效应 | 控制 | 控制 | 控制 | 控制 | 控制 | 控制 | 控制 | 控制 | 控制 | 控制 | 控制 |
年度效应 | 控制 | 控制 | 控制 | 控制 | 控制 | 控制 | 控制 | 控制 | 控制 | 控制 | 控制 |
观测值 | 2065 | 2065 | 2065 | 2065 | 1508 | 1508 | 2025 | 2025 | 2025 | 2025 | 2025 |
调整R2 | 0.6342 | 0.6340 | 0.6338 | 0.6334 | 0.1844 | 0.1844 | 0.3541 | 0.3543 | 0.3542 | 0.3543 | 0.4241 |
1 | Goldstein I, Jiang W, Karolyi G A. To Fintech and beyond[J]. Review of Financial Studies, 2019, 32(5): 1647-1661. |
2 | 傅秋子, 黄益平. 数字金融对农村金融需求的异质性影响——来自中国家庭金融调查与北京大学数字普惠金融指数的证据[J]. 金融研究, 2018(11): 68-84. |
Fu Q Z, Huang Y P. Digital finance's heterogeneous effects on rural financial demand: evidence from China household finance survey and inclusive digital finance index[J]. Journal of Financial Research, 2018(11): 68-84. | |
3 | 易行健, 周利. 数字普惠金融发展是否显著影响了居民消费——来自中国家庭的微观证据[J]. 金融研究, 2018(11): 47-67. |
Yi X J, Zhou L. Does digital financial inclusion significantly influence household consumption:evidence from household survey data in China[J]. Journal of Financial Research, 2018(11): 47-67. | |
4 | 张勋, 万广华, 张佳佳, 等. 数字经济、普惠金融与包容性增长[J]. 经济研究, 2019, 54(8): 71-86. |
Zhang X, Wan G H, Zhang J J, et al. Digital economy, financial inclusion, and inclusive growth[J]. Economic Research Journal, 2019, 54(8): 71-86. | |
5 | 谢绚丽, 沈艳, 张皓星, 等. 数字金融能促进创业吗?——来自中国的证据[J]. 经济学(季刊), 2018, 17(4): 1557-1580. |
Xie X L, Shen Y, Zhang H X, et al. Can digital finance promote entrepreneurship?Evidence from China[J]. China Economic Quarterly, 2018, 17(4): 1557-1580. | |
6 | Sheng T X. The effect of Fintech on banks’ credit provision to SMEs: evidence from China[J]. Finance Research Letters, 2021, 39: 101558. |
7 | 唐松, 伍旭川, 祝佳. 数字金融与企业技术创新——结构特征、机制识别与金融监管下的效应差异[J]. 管理世界, 2020, 36(5): 52-66. |
Tang S, Wu X H, Zhu J. Digital finance and enterprise technology innovation:structural feature, mechanism identification and effect difference under financial supervision[J]. Management World, 2020, 36(5): 52-66. | |
8 | 唐松, 赖晓冰, 黄锐. 金融科技创新如何影响全要素生产率: 促进还是抑制?——理论分析框架与区域实践[J]. 中国软科学, 2019(7): 134-144. |
Tang S, Lai X B, Huang R. How can Fintech innovation affect TFP: facilitating or inhibiting?Theoretical analysis framework and regional practice[J]. China Soft Science, 2019(7): 134-144. | |
9 | 沈悦, 郭品. 互联网金融、技术溢出与商业银行全要素生产率[J]. 金融研究, 2015(3): 160-175. |
Shen Y, Guo P. Internet finance, technology spillover and commercial banks TFP[J]. Journal of Financial Research, 2015(3): 160-175. | |
10 | 战明华,汤颜菲,李帅.数字金融发展、渠道效应差异和货币政策传导效果[J].经济研究,2020,55(6): 22-38. |
Zhan M H, Tang Y F, Li S. Digital finance, channel effect differentiation and the effects of monetary policy[J].Economic Research Journal, 2020, 55(6): 22-38. | |
11 | 邱晗, 黄益平, 纪洋. 金融科技对传统银行行为的影响——基于互联网理财的视角[J]. 金融研究, 2018(11): 17-29. |
Qiu H, Huang Y P, Ji Y. How does Fintech development affect traditional banking in China: the perspective of online wealth management products[J]. Journal of Financial Research, 2018(11): 17-29. | |
12 | 郭品, 沈悦. 互联网金融、存款竞争与银行风险承担[J]. 金融研究, 2019(8): 58-76. |
Guo P, Shen Y. Internet finance, deposit competition, and bank risk-taking[J]. Journal of Financial Research, 2019(8): 58-76. | |
13 | 盛天翔, 范从来. 金融科技、最优银行业市场结构与小微企业信贷供给[J]. 金融研究, 2020(6): 114-132. |
Sheng T X, Fan C L. Fintech, optimal banking market structure, and credit supply for SMEs[J]. Journal of Financial Research, 2020(6): 114-132. | |
14 | Bartlett R, Morse A, Stanton R, et al. Consumer-lending discrimination in the Fintech era[J]. Journal of Financial Economics, 2022, 143(1): 30-56. |
15 | Fuster A, Plosser M, Schnabl P, et al. The role of technology in mortgage lending[J]. Review of Financial Studies, 2019, 32(5): 1854-1899. |
16 | Iyer R, Khwaja A I, Luttmer E F P, et al. Screening peers softly: inferring the quality of small borrowers[J]. Management Science, 2016, 62(6): 1554-1577. |
17 | Gambacorta L, Huang Y P, Qiu H, et al. How do machine learning and non-traditional data affect credit scoring? New evidence from a Chinese Fintech firm[R]. Working Paper, Social Science Research Network, 2019. |
18 | Berg T, Burg V, Gombović A, et al. On the rise of Fintechs: credit scoring using digital footprints[J]. Review of Financial Studies, 2020, 33(7): 2845-2897. |
19 | Jiang J L, Liao L, Lu X, et al. Deciphering big data in consumer credit evaluation[J].Journal of Empirical Finance, 2021, 62: 28-45. |
20 | Buchak G, Matvos G, Piskorski T, et al. Fintech, regulatory arbitrage, and the rise of shadow banks[J]. Journal of Financial Economics, 2018, 130(3): 453-483. |
21 | Tang H. Peer-to-peer lenders versus banks: substitutes or complements?[J].Review of Financial Studies, 2019, 32(5): 1900-1938. |
22 | 柏亮. 商业银行正成为金融科技创新“主力军”[J]. 清华金融评论, 2021(1): 65-67. |
Bai L. Commercial banks are becoming the “main force” of Fintech[J]. Tsinghua Financial Review, 2021(1): 65-67. | |
23 | Baker S R, Bloom N, Davis S J. Measuring economic policy uncertainty[J]. Quarterly Journal of Economics, 2016, 131(4): 1593-1636. |
24 | 姜富伟, 孟令超, 唐国豪. 媒体文本情绪与股票回报预测[J]. 经济学(季刊), 2021, 21(4): 1323-1344. |
Jiang F W, Meng L C, Tang G H. Media textual sentiment and Chinese stock return predictability[J]. China Economic Quarterly, 2021, 21(4): 1323-1344. | |
25 | Calomiris C W, Mamaysky H. How news and its context drive risk and returns around the world[J]. Journal of Financial Economics, 2019, 133(2): 299-336. |
26 | Carlini F, Cucinelli D, Previtali D, et al. Don't talk too bad! Stock market reactions to bank corporate governance news[J]. Journal of Banking & Finance, 2020, 121: 105962. |
27 | 郭峰, 王靖一, 王芳, 等. 测度中国数字普惠金融发展: 指数编制与空间特征[J]. 经济学(季刊), 2020, 19(4): 1401-1418. |
Guo F, Wang J Y, Wang F, et al. Measuring China's digital financial inclusion: index compilation and spatial characteristics[J].China Economic Quarterly,2020, 19(4): 1401-1418. | |
28 | 金洪飞, 李弘基, 刘音露. 金融科技、银行风险与市场挤出效应[J]. 财经研究, 2020, 46(5): 52-65. |
Jin H F, Li H J, Liu Y L. Fintech, banking risks and market crowding-out effect[J].Journal of Finance and Economics, 2020, 46(5): 52-65. | |
29 | Branzoli N, Supino I. Fintech credit: a critical review of empirical research literature[R].Working Paper,Social Science Research Network, 2020. |
30 | 郭峰, 孔涛, 王靖一. 互联网金融空间集聚效应分析——来自互联网金融发展指数的证据[J]. 国际金融研究, 2017(8): 75-85. |
Guo F, Kong T, Wang J Y. Analysis of the spatial agglomeration effect of Internet finance: evidence from the internet finance development index[J]. Studies of International Finance, 2017(8): 75-85. | |
31 | 李春涛, 闫续文,宋敏,等.金融科技与企业创新——新三板上市公司的证据[J].中国工业经济, 2020(1): 81-98. |
Li C T, Yan X W, Song M, et al. Fintech and corporate innovation: evidence from Chinese NEEQ-listed companies[J]. China Industrial Economics, 2020(1): 81-98. | |
32 | 李建军, 彭俞超, 马思超. 普惠金融与中国经济发展:多维度内涵与实证分析[J]. 经济研究, 2020, 55(4): 37-52. |
Li J J, Peng Y C, Ma S C. Inclusive finance and economic development in China: multidimensional connotation and empirical analysis[J].Economic Research Journal, 2020, 55(4): 37-52. | |
33 | 王靖一,黄益平.金融科技媒体情绪的刻画与对网贷市场的影响[J].经济学(季刊),2018, 17(4): 1623-1650. |
Wang J Y, Huang Y P. Characterizing the media sentiment on Fintech and its impact on online lending market[J]. China Economic Quarterly, 2018, 17(4): 1623-1650. | |
34 | 陈荣达, 林博, 何诚颖, 等. 互联网金融特征、投资者情绪与互联网理财产品回报[J]. 经济研究, 2019, 54(7): 78-93. |
Chen R D, Lin B, He C Y, et al. Internet finance characteristics, internet finance investor sentiment and the return of internet financial products[J]. Economic Research Journal, 2019, 54(7): 78-93. | |
35 | 曾建光. 网络安全风险感知与互联网金融的资产定价[J]. 经济研究, 2015, 50(7): 131-145. |
Zeng J G. Network security risk perception and asset pricing of internet finance[J]. Economic Research Journal, 2015, 50(7): 131-145. | |
36 | 郭晔, 黄振, 姚若琪. 战略投资者选择与银行效率——来自城商行的经验证据[J]. 经济研究, 2020, 55(1): 181-197. |
Guo Y, Huang Z, Yao R Q. The selection of strategic investors and bank efficiency: empirical evidence from city commercial banks[J].Economic Research Journal, 2020, 55(1): 181-197. | |
37 | 祝继高, 岳衡, 饶品贵. 地方政府财政压力与银行信贷资源配置效率——基于我国城市商业银行的研究证据[J]. 金融研究, 2020(1): 88-109. |
Zhu J G, Yue H, Rao P G. Local governments fiscal pressure and bank credit resource allocation efficiency: evidence from Chinese city commercial banks[J]. Journal of Financial Research, 2020(1): 88-109. | |
38 | Berger A N, Frame W S, Miller N H, et al. Credit scoring and the availability, price, and risk of small business credit[J]. Journal of Money, Credit and Banking, 2005, 37(2): 191-222. |
39 | Philippon T. Has the US finance industry become less efficient? On the theory and measurement of financial intermediation[J]. American Economic Review, 2015, 105(4): 1408-1438. |
40 | Cheng M Y, Qu Y. Does operational risk management benefit from Fintech?[J]. Emerging Markets Finance and Trade, 2023,59(14): 4012-4027. |
Viewed | ||||||
Full text |
|
|||||
Abstract |
|
|||||
|