摘要
作為一種新型的金融業態，近年來互聯網金融在中國發展迅速，對傳統商業銀行的經營模式、盈利能力和其在經濟活動中的地位產生深刻的影響，同時也在全方位地改變公眾的生活方式和消費習慣。本文收集了2012-2020年31家上市商業銀行的年報數據，將銀行對同業資金等批發性融資的依賴程度作為銀行負債端結構考察的變量，選取互聯網金融的兩種主流業態“第三方支付”和“P2P網絡借貸”作為互聯網金融的代理變量，采用系統GMM估計方法對互聯網金融和商業銀行負債結構的關系進行了實證研究。研究發現：（1）第三方支付使得商業銀行的負債結構中批發型融資的占比上升，而P2P網貸使得這一比例下降，且前者的影響大于后者。（2）第三方支付對城農商行的負債結構影響最大，股份制銀行次之，國有控股大型商業銀行最??；P2P網貸對股份制銀行的負債結構影響最大，而對國有控股大型銀行和城農商銀行的負債結構影響均不顯著。
關鍵詞：互聯網金融，商業銀行，負債結構，批發性融資
一、引言
在互聯網蓬勃發展的背景下，互聯網金融相比于傳統銀行業可以更大限度地降低資金流通中的交易成本、改善信息不對稱等問題。加上其收益更高、支付方式更多元化、交易更為便捷、更加貼近客戶需求等特點，無可避免地正在擠壓著傳統商業銀行的生存空間，這在很大程度上影響著商業銀行未來發展的地位和經營理念。本文選取該背景進行研究，以研究結果提出合理建議，科學應對互聯網金融出現給商業銀行帶來的沖擊。
本文選擇商業銀行的負債結構作為研究主體，是因為負債業務既為商業銀行運行模式的基礎，同時也是三大商業銀行的業務基礎，致使其在互聯網金融的驚濤駭浪中首當其沖。同時，在這股浪潮中，最主要的兩種商業模式便是“第三方支付”和“P2P網絡貸款”。以“第三方支付”這個角度研究論題：一邊，“第三方支付”平臺具有獨特的延遲支付功能，其形成的沉淀資金會轉移商業銀行的儲蓄存款；另一邊，“第三方支付”平臺的業務內容拓展出了代理保險和基金，這進一步加大了商業銀行從傳統存款市場獲取資金的難度。截至2018年底，我國貨幣基金規模達8.15萬億元，其中對接螞蟻金服的貨幣基金規模為1.9萬億元，對接理財通的貨幣基金規模為0.77萬億元，兩者合計為2.67萬億元。如果剔除貨幣基金中的機構客戶，估計兩大互聯網平臺個人客戶數量占比整個貨幣基金市場個人客戶數量的五成以上。雖然“P2P網絡貸款”相對于“第三方支付”來說規模還很小，但也對商業銀行資產和負債業務產生了一定的影響。由于P2P融資平臺可以給資金供給方提供比商業銀行存款利率更高的預期收益率，出借人將資金投入P2P平臺，在一定程度上引發商業銀行存款資金分流。P2P融資平臺憑借著云計算和大數據的優勢，直接聯通了資金鏈的上下游，引發金融脫媒。
根據本文所選取的31家中國商業銀行數據顯示（如下表1），在2013年余額寶上線以來到2014年這一貨幣基金的飛速發展時期，存款增長率下降了約20%，表明商業銀行的存款業務受到了顯著影響。雖而后幾年存款增長率呈現著上下輕微波動的狀態，但相比于2012年余額寶上線以前，總體較為下降趨勢。
并且，除了商業銀行的負債規模有所縮小之外，其負債結構也相應發生了變化。早在2015年10月，央行宣布取消利率浮動限制，標志著中國利率市場化已取得重大進展。但此后實行的存款自律定價機制和MPA考核制度表明存款利率還未實現完全市場化。余額寶等互聯網金融工具推動了一種變相的利率市場化，在中國存款利率仍被壓低的背景下，吸引了大批居民儲蓄存款。余額寶等互聯網理財產品的大部分資金都會投向銀行間市場，這種模式的發展勢必造成資金源源不斷地從傳統的存款渠道向銀行間市場轉移，再以市場化的利率重新進入銀行體系。因此，銀行從傳統的存款渠道獲取資金變得困難，而從銀行間市場獲取資金較為容易。這一變化會使銀行負債端愈發依賴于批發型融資，尤其是中小型銀行。另外，商業銀行負債的期限結構也發生了變化，存款呈現活期化的趨勢，負債結構的改變從而影響商業銀行的盈利能力以及風險承擔。
所以，從負債結構的維度探究互聯網金融對商業銀行的影響，對于中國商業銀行優化負債結構具有重要的理論和實踐意義。下面第二部分將進行文獻綜述；第三部分介紹數據、變量和模型的設置；第四部分顯示實證分析結果和進行穩健性檢驗；第五部分得出結論和提出建議。
二、文獻綜述
?。ㄒ唬┊斍皣鴥汝P于互聯網金融研究的主要方向
一，互聯網金融發展的原因和動力。章連標和楊小淵在2013年發表的文獻中提出互聯網金融的出現是為了滿足客戶的需求，即最終目的是服務于電子商務。戴國強和方鵬飛在2014年發表的文獻中指出：推進互聯網發展的根本原因是由存款利率管制導致的存款利率與貨幣市場利率之間的差異，而互聯網技術的突飛猛進與證監會的監管創新屬于直接原因。
二，互聯網金融的屬性。謝平和鄒傳偉在2012年發表的文獻中將互聯網金融認定為第三種金融模式，即不同于資本市場直接融資和商業銀行間接融資。戴國強和方鵬飛在2014年的研究表明互聯網金融具有貨幣屬性，互聯網金融的本質變成活期存款的利率市場化，成為了銀行活期存款的替代品。吳曉求在2015年的文獻中也認同互聯網金融作為一種新的金融業態，有互聯網精神、依托互聯網平臺、以云數據整合為基礎而構建、具備相應金融功能鏈的第三種金融業態。
三，互聯網金融會影響銀行的風險承擔。郭品和沈悅在2015年發表的文獻中使用“文本挖掘法”構建了互聯網金融指數。根據中國36家銀行的信息，他們發現，互聯網金融的發展呈現出先降低后增加商業銀行風險承擔的趨勢。也就是說，在發展的早期，互聯網金融幫助商業銀行降低管理成本和風險承擔，但隨后互聯網金融會提高資本成本，加劇銀行風險承擔。然后，郭品和沈悅在2019年發表的文獻中構建了一個包含互聯網金融的銀行環城模型，整合了83家商業銀行的數據，發現互聯網金融的發展通過兩個明顯加重了銀行風險承擔水平：惡化存款結構和提高利息支付成本。
四，互聯網金融會影響銀行的盈利水平。2015年，王錦紅在研究中發現互聯網金融對商業銀行資產的影響較小，對商業銀行利潤的影響也隨之較??；但互聯網金融對商業銀行的負債有很大影響，因而對商業銀行的盈利也隨之產生了較大的影響。顧海峰和閆君基于2019年盈利能力和盈利能力的非平衡面板回歸模型，分析了互聯網金融與商業銀行盈利能力的關系。研究結果表明，“第三方支付”大大提高了商業銀行非利息收入的比例，而“P2P網絡貸款”對這一比例沒有顯著影響。
?。ǘ┊斍皣怅P于互聯網金融研究的主要方向
國外對互聯網金融的研究起步較早，但在互聯網金融對商業銀行的影響這一方面，以數據為基礎的實證研究較少。Franklin在2002年的研究中發現互聯網金融會使銀行作為金融中介的功能被削弱，引起“金融脫媒”；同時互聯網金融還可以降低資金流通中的信息成本和交易成本，提升銀行的規模效應，促進銀行合并和業務拓展。David等人在2014年提出：互聯網金融與商業銀行的融合，使銀行得以與其客戶直接接觸，為客戶提供更多個性化、方便快捷的產品和服務。Lars Norden等人在2014年的研究中認為金融創新對銀行的存貸款利差有顯著的負面影響，互聯網金融作為金融創新的一種形式，將會沖擊銀行這一重要收入來源。
而從互聯網金融對商業銀行負債結構的影響途徑這一方面來看，國外的文獻也提供了不少的研究基礎。關于批發性融資對銀行產生的影響，外國學者有較多的討論，但結論不一。金融科技的發展會推動一種變相的利率市場化，使銀行對非存款負債的依賴增強，從而改變其負債結構。Dinger and Hagan在2007年發表的文獻中提出銀行同業借貸會大大降低借款銀行的風險，因為貸款銀行會監控借款銀行，然后對失信可能性高的銀行進行約束并對優質借款銀行進行再貸款。而Demirgüc—Kunt et al.在2010年的研究中發現有相當一部分的銀行以提升風險和脆弱性為代價吸收批發性融資作為其短期融資的一種方式，同時它們的資產回報率也會降低。Huang and Ratnovski在2010年發表的文獻中也提出了批發性融資會加重銀行的風險承擔，因為其期限較短，在遇到市場不利信號時會迅速撤離。
（三）本文研究及實證的立足點
綜合上述國內外現有的研究文獻作為借鑒，本文發現多數文獻在討論互聯網金融對商業銀行行為的影響時是采用理論分析或統計描述，且除此之外，對于互聯網金融如何影響商業銀行負債結構又該如何應對等問題的討論也少之又少。本文將以這個研究缺口作為切入點和立足點，對已有的研究文獻進行擴充和延伸。
基于參考文獻的數據選擇及研究方式，本文選取中國31家上市商業銀行2012-2020年度的財務數據，基于系統GMM方法去探討互聯網金融對商業銀行負債結構的影響，通過實證分析推理結論。根據研究結果顯示：商業銀行的負債端會隨著互聯網金融的發展愈發依賴同業負債，而且規模越大的銀行受到互聯網金融帶來的沖擊會越小。
三、實證研究設計
(一)數據及其來源
自2013年余額寶推出以來，我國互聯網金融正式進入迅速發展的時期，同時為了確保數據的質量和提升分析有效性，本文主要選取了中國31家上市商業銀行2012-2019年的年度數據作為樣本數據。此樣本數據的來源主要有Wind數據庫、國泰安數據庫、艾瑞咨詢以及各樣本銀行年報。（在2020年初，突如其來的全球疫情對我國經濟發展產生了巨大的影響，同時在相關政策的引導下，我國商業銀行的資產收益率和負債成本都有所下降，可以看出：2020年期間不僅有互聯網金融對商業銀行的負債結構產生影響，疫情也對商業銀行的負債端造成了一定的影響。綜合考慮認為選用2020年的年度數據將不利于本文整體的實驗研究，為了文章的嚴謹性，本文的實驗部分選擇2012-2019年的年度數據，以討論疫情前互聯網金融對商業銀行負債結構的影響為主。）
(二)變量的選擇與分析
1.被解釋變量
對于銀行而言，高度依賴批發性融資將使其暴露在資產與負債期限錯配、資金鏈中斷的高風險中。而批發性融資在國內一般是指銀行機構間的同業資金融通，銀行將批發性融資這類得到的短期資金長期借出用于貸款、應收賬款等投資，會增加銀行資產負債表的風險。以此為據，本文選取銀行負債端結構的考察變量是銀行對批發性融資的依賴程度。參考邱晗等的做法，選擇銀行凈同業負債（NIL）作為銀行負債端結構的衡量指標。銀行凈同業負債是指用銀行的同業負債減去銀行的同業資產然后除以銀行的總資產得到的一串數值，該指標的結果顯示越大，說明銀行對同業資金的依賴程度越大。同時我們也把被解釋變量的一階滯后項引入模型分析當中來改善內生性問題。為了確保指標選擇的準確性，本文之后也用了同業負債占總負債的比重（IL）和非存款負債占總負債的比重（NDL）這兩個指標進行穩定性檢驗。
2.解釋變量
因為互聯網金融主要分為“第三方支付”和“P2P網絡借貸”兩種主流業態，所以本文將“第三方支付”和“P2P網絡貸款”作為互聯網金融的代理變量。同時要使得變量更具可分析性，本文采用“第三方支付”規模（億元）的自然對數（lnTPP）和“P2P網絡貸款”規模（億元）的自然對數（lnP2P）兩個自變量來測度互聯網金融規模。為了進一步處理內生性問題，本文將兩個解釋變量的一階滯后項替代原來的解釋變量。
3.控制變量
在選擇控制變量上，本文從兩個層面的因素出發：
第一個層面是以微觀視角在銀行個體上，本文選取資產回報率（ROA）、資本充足率（CAR）和資產規模對數(lnSIZE)作為控制變量。資產回報率是用銀行凈利潤對總資產比率來反應銀行的盈利能力；資本充足率是用銀行資本對風險加權資本的比率衡量銀行的風險承擔水平；而資產規模對數是用銀行以億元為單位的總資產的自然對數控制銀行的規模。
第二個層面是在宏觀經濟發展水平上，本文選取宏觀經濟發展水平的衡量指標國內生產總值GDP增長率（GGDP）作為控制變量。
4.變量分析
變量定義及描述性統計結果見表2。
表2變量描述性統計結果
從表2中可以看出，凈同業負債（NIL）的均值為0.0604，最小值有-0.1600，而最大值卻有0.3252，說明不同樣本的商業銀行之間差異較大。同業負債占比（IL）的均值為0.1080，意思即為所有樣本銀行里平均同業負債占到總負債的10.8%。非存款負債占比（NDL）的最小值為-9.15%，最大值為52.98%，可以看出其不同樣本銀行之間的差異很大。資本充足率（CAR）的均值約為13.22%，最小值為9.88%，最大值為17.53%，得出不同樣本銀行之間的資本充足率差異較大。資本回報率（ROA）均值接近1%，說明平均來說樣本銀行的凈利潤占總資產的比值接近1%。而資產規模對數（lnSIZE）是以億元為單位的資產規模取對數之后得到的，其最小值為6.2357，最大值為12.6151，可見樣本中16家上市銀行的平均規模較大，并且不同類型商業銀行的資產規模差異比較大。最后由表得出的國內生產總值增長率（GGDP）均值為7.01%，表明中國經濟處于中高速平穩發展狀態。
(三)實證模型構建
面板數據模型是一種集成了橫截面數據和時間序列數據的數據類型，是個體在橫截面上不同時間點的重復觀察數據。與用于經濟分析的一維橫截面數據和時間序列數據相比，面板數據模型可以建立和檢驗更復雜的行為模型，可以從多個方面更全面地解釋同一經濟現象。由于經濟個體行為受連續性、慣性和偏好等影響，是一個動態變化的過程，適合使用動態模型來研究經濟關系。本文根據所要研究的論題，構建了一個動態面板數據模型。
然后，為了改善模型的內生性問題，本文對于負債結構的回歸加入了被解釋變量的一階滯后項，同時用解釋變量的一階滯后項代替其本身，并采用系統GMM的方法進行分析。本文將研究互聯網金融的發展是否使商業銀行吸收存款的能力下降，從而更加依賴同業資金等批發性融資。后續本文進行了過度識別檢驗和干擾項序列相關的檢驗，以驗證滯后變量選擇的合理性。
四、實證檢驗與結果分析
本文采用動態面板模型，將“第三方支付”規模與“P2P網絡貸款”規模為解釋變量用來反映互聯網金融發展，將凈同業負債比為被解釋變量用來反映銀行負債結構，同時選擇銀行的資本充足率、資本回報率、資產規模以及GDP增速作為控制變量，對互聯網金融對商業銀行負債結構進行實證檢驗。
（一）全樣本面板回歸分析
廣義矩估計方法在分析動態面板數據時有很好的優勢，本文采用系統GMM方法對模型進行估計的原因是：相對于差分GMM方法來說，使用系統GMM方法可以尋求到更佳的工具變量，處理被解釋變量與部分解釋變量之間的內生性問題從而提高分析的效率。運行結果如表3所示：模型的檢驗值都較小，無法拒絕工具變量合理的原假設，表示工具變量的使用是較為合理的。同時在模型中，AR(1)的檢驗拒絕原假設，而AR(2)的檢驗接受原假設，表明差分后的干擾項雖然存在一階序列相關，但是不存在二階（或更高階）的序列相關。
從表3中可以看出，“第三方支付”規模對數（lnTPP）對凈同業負債（NIL)的數據結果為正，即“第三方支付”對商業銀行的凈同業負債有顯著的正向影響。這表明隨著“第三方支付”規模的擴大，商業銀行對同業資金等批發性融資依賴程度更高。而互聯網金融的另一種主流業態“P2P網絡貸款”規模對數（lnP2P）對凈同業負債（NIL）的數據結果為負，即“P2P網絡貸款”對商業銀行的凈同業負債有較為顯著的負面影響，這表明隨著“P2P網絡貸款”規模的擴大，商業銀行對同業資金等批發性融資依賴程度反而更低。
從控制變量來看，資本充足率（CAR）、資產回報率（ROA）、資產規模對數（lnSIZE）均通過了10%的顯著性水平檢驗，說明以上三者均對商業銀行負債結構產生了較為顯著的影響，其中資本充足率和資本回報率對商業銀行凈同業負債存在沖擊效應，資產規模對商業銀行凈同業負債存在推動作用。而GDP增速的影響則不顯著。資本充足率衡量的是銀行能以自有資本承擔損失的程度，對于資本充足率高的銀行來說，它也可能受到更嚴格的風險管控，因此會更加審慎；而資本充足率低的銀行可能由于道德風險而更加激進，對批發性融資等成本相對較高的資金更加依賴。資產回報率對銀行負債結構的影響機理與之相似，資產回報率低的銀行可能會更加冒險。一般來說，規模越大的商業銀行資金更為雄厚，且資金借貸更為保守，對同業資金的依賴程度更低，而回歸結果顯示規模越大的銀行凈同業負債的數值越大，這其中的原因有待進一步探討。銀行間市場的利率高于活期存款利率，因此如果商業銀行更加依賴同業負債，其資金成本會上升，風險也會隨之增加，反之亦是。
為了使得估計結果更加穩健，本文也采用了同業負債占總負債的比重和非存款負債占總負債的比重作為商業銀行負債結構的衡量指標，得到了相似的結果，即隨著第三方支付的規模擴大，同業負債占比上升，非存款比重也呈現上升趨勢，P2P網絡借貸規模對這兩個指標的影響則相反。各解釋變量的系數都較為顯著，回歸也通過了工具變量合理性和干擾項序列相關檢驗，這表明本文實證分析的結果有較好的穩健性和可靠性。
表3全樣本面板回歸分析結果
注：***,**和*分別表示1%，5%和10%的顯著性水平。（）里是t值。
（二）異質性分析
本文把樣本銀行分為三類：股份制銀行、國有控股大型銀行、城農商銀行，以進一步研究互聯網金融對不同類型商業銀行負債結構的影響。通過研究分析，本文發現此影響存在異質性特征，分樣本回歸結果見表4。
從表4中可以看出，“第三方支付”規模的系數都通過了10%的穩定性檢驗，表明其對于三種類型商業銀行的負債結構都有較為顯著的影響。進一步從系數絕對值來看，國有控股大型商業銀行的系數最小，接下來是股份制銀行，而城農商銀行對應的系數絕對值最大。這說明“第三方支付”對商業銀行負債結構影響的程度從小到大分別為：國有大型商業銀行、股份制銀行、城農商銀行。而P2P網貸規模的系數的顯著程度總體不高，只有股份制商業銀行的網絡貸款規模系數通過了10%的顯著性檢驗，從系數的絕對值來看，國有控股大型銀行最小，接下來是城農商銀行，而股份制銀行的系數絕對值最大。這說明P2P網貸規模對股份制銀行負債結構的影響顯著，而對國有控股大型商業銀行和城農商銀行的影響較為有限。
總體來說，“第三方支付”對商業銀行負債結構的影響比“P2P網絡貸款”對商業銀行的負債結構的影響更為強烈，這主要是由“P2P網絡貸款”的放貸規模過小導致的。
表4異質性分析結果
注：***,**和*分別表示1%，5%和10%的顯著性水平。（）里是t值。
五、結論和建議
?。ㄒ唬┙Y論
互聯網金融借助著信息和資配配置的優勢彌補了傳統金融服務的空缺，便捷了居民的消費支付，拓展了居民投資理財的渠道，滿足了小微企業的借貸需求，推動了金融的普惠化。金融科技公司根據其客戶粘性和金融創新持續性吸收用戶的閑散資金，給資金提供者帶來堪比銀行間市場的收益，造成了銀行存款的流失，進而改變銀行的負債結構。
本文根據2012-2020年31家上市銀行的年度數據，以及采用系統GMM模型研究得出的結果分析進一步總結。從粗略上看，“第三方支付”對商業銀行負債結構的影響要強于“P2P網絡貸款”對商業銀行負債結構的影響，并且互聯網金融對不同類型商業銀行的影響程度不同。從詳細上看，具體結論分為以下幾點：
第一，“第三方支付“對商業銀行負債結構的影響：隨著“第三方支付”規模的擴大，銀行的凈同業負債占比上升，這意味著銀行對同業負債的依賴程度增強。一方面“第三方支付”平臺的功能逐漸向保險和基金代理領域拓展。另一方面，由于“第三方支付”平臺的延遲支付功能，顧客用于結算的資金會在其中沉淀下來，分流銀行活期存款和儲蓄存款。以螞蟻金服旗下產品的綜合化產品余額寶為例，其創造性地將理財、消費、支付等功能融為一體，為居民提供了低門檻、便捷、收益可觀的投資渠道，吸引了大量的儲蓄存款。這是因為我國的存款利率并未完全市場化，仍然受到管制，且居民普遍缺乏投資渠道，而銀行間市場利率的管制則相對較少，居民可以通過余額寶等金融產品將資金投入銀行間市場，從而獲得更高的回報，這導致了銀行儲蓄存款流失。在此影響下，各大商業銀行爭先恐后地推出類余額寶產品以應對挑戰，但是這些產品的資金來源是銀行原有的客戶存款，從而加劇了存款流失。由于商業銀行獲得零售型存款愈來愈難，不得不尋求銀行間市場等批發性融資。
第二，“P2P網絡貸款”對商業銀行負債結構的影響：“P2P網絡貸款”規模擴大的同時，銀行的凈同業負債占比反而下降。這與預期的結果有所不同?；蛟S這是因為“P2P網絡貸款”規模相較于“第三方支付”來說還很小，雖然分流了商業銀行一定數量的存款，但其分流的存款數額可能過??；在商業銀行負債結構多樣化的今天，這部分的存款缺口很快被同業以外的資金彌補，商業銀行對同業資金的依賴反而下降。再者，“P2P網絡貸款”在我國的發展還不完善，借款人的信息披露不夠充分是其最大的風險來源，而且近年來網貸平臺倒閉事件頻發，挫傷資金出借人的信心，雖然商業銀行推出的理財產品收益率較低，但安全性更高，出借人出于風險考慮將資金投入銀行。除此之外，隨著“P2P行業”的自查和整頓工作的進行，行業的規范性有所上升，銀行等金融機構也紛紛涉足網絡貸款行業，憑借著強大的背景和優勢，獲得投資者的青睞，這反而會使得“P2P網絡貸款”對商業銀行存款的分流作用被抵消，更多的資金流入銀行，其對同業存款的依賴減輕?？偠灾?，“P2P網絡貸款”對于商業銀行發揮的更多是補充者的作用而不是競爭者。同時本文的不足之處，選取的樣本商業銀行規模都比較大，因此能夠更好地抵御來自“P2P網絡貸款”的影響。
第三，“第三方支付”對城農商銀行的影響最為顯著，股份制商業銀行次之，國有大型商業銀行最小。由于國有大型商業銀行規模較大，自有資本較為充足，低成本的政府和企業存款更多，吸收儲蓄的能力更強，因此對批發性融資的依賴性??；同時由于其規模較大，受到更為嚴格的風險管控，行為相對保守，傾向于保持更加穩健的負債結構。而城農商行的規模較小，吸儲能力較差，受到“第三方支付”的影響更大。
第四，“P2P網絡貸款”對股份制商業銀行的影響最為顯著，城農商銀行次之，國有大型商業銀行最小。我國P2P借貸市場發展不完善，機構投資者尚處于起步階段，而由于投資渠道的缺乏，個人投資者青睞P2P網貸。因為股份制銀行的企業存款占比比居民存款占比高，相對于居民存款來說，P2P貸款平臺對企業存款的分流較不顯著，且股份制銀行的負債結構多樣化程度更優，股份制銀行可以相對容易地取得同業以外來源的資金來彌補被分流的居民存款，對同業資金的依賴程度不增反減。除此之外，P2P網貸風險高，平臺倒閉事件頻發，實際運營的網貸機構數量不斷減少。相對而言通過銀行進行投資理財更為穩健，這有利于存款的回流，使得銀行對批發性融資的依賴程度降低。
（一）建議
針對以上結論，本文提出一些可行建議：（1）商業銀行應加強與互聯網科技企業在技術、信息資源共享和小微貸款等方面的合作，同時發揮自身優勢，形成協同效應，逐漸拓展客戶群體，提升競爭力。（2）商業銀行要減少對物理網點和傳統路徑的依賴，創新運營、盈利和服務的模式，構造線下和線上并行的業務流程；準確評估客戶的消費習慣和投資需求，推出個性化且收益可觀的金融產品，減少互聯網金融對商業銀行理財資金的分流。（3）商業銀行存應當適度授予存款人一定的議價權，特別是對于大額定期存款的客戶可適當提高其存款收益，減少互聯網金融對商業銀行存款資金的分流。除此之外，銀行可以通過創新存款產品，比如將存款久期與存款利率直接掛鉤和進行定期存款收益權轉讓，提高存款收益，以此來減少存款的流失。（4）監管局應當加強對互聯網金融的監管、填補監管漏洞和空白的同時，合理引導商業銀行進行轉型升級、結構優化和經營范圍有序拓展，以應對和減少互聯網金融對負債結構的影響。
由于數據的限制，本文選取的樣本數量較小，缺少對小型銀行的考察；P2P網貸的放貸規模過小，關于P2P網貸的實證分析結果存在一定缺陷，本文對P2P網貸的影響的考察有待進一步驗證。另外，本文還有許多不足之處，可能存在其他問題及遺漏信息，暫時沒有能力考慮到更全面的信息而導致本文結論與建議有效性降低等各類風險。
參考文獻
[1]邱晗、黃益平和紀洋2018《金融科技對傳統銀行行為的影響——基于互聯網理財的視角》，《金融研究》第11期，第17-29頁。
[2]艾瑞咨詢：2021年中國第三方支付行業研究報告.file:///C:/Users/lenovo/Desktop/.pdf
[3]戴國強和方鵬飛《監管創新、利率市場化與互聯網金融》，《現代經濟探討》第7期，第64-67頁
[4]鄭志來，2015《互聯網金融對我國商業銀行的影響路徑——基于“互聯網+”對零售業的影響視角》，《財經科學》第5期，第34-43頁。
[5]郭品和沈悅，2019《互聯網金融、存款競爭和銀行風險承擔》，《金融研究》第8期，第58-76頁。
[6]郭品和沈悅，2015《互聯網金融對商業銀行風險承擔的影響：理論解讀與實證檢驗》，《財貿經濟》第10期，第102-116頁。
[7]郭品和沈悅，《互聯網金融加重了商業銀行的風險承擔嗎?——來自中國銀行業的經驗證據》，《南開經濟研究》第4期，第80-97頁。
[8]王錦虹，《互聯網金融對商業銀行盈利影響測度研究——基于測度指標體系的構建與分析》，《財經理論與實踐》第1期，第7-12頁。
[9]吳曉求，《互聯網金融：成長的邏輯》，財貿經濟第2期，第5-15頁。
[10]謝平和鄒傳偉，《互聯網金融模式研究》，《金融研究》第12期，第11-22頁。
[11]章連標和楊小淵，《互聯網金融對我國商業銀行的影響及應對策略研究》，《商業銀行》第10期，第31-33頁。
[12]四川銀監局課題組,王筠權,王國成,金強,《互聯網金融對商業銀行傳統業務的影響研究》，《西南金融》第12期，第3-5頁。
[13]陳嘉欣，王健康，《互聯網金融理財產品余額寶對商業銀行業務的影響———基于事件分析法的研究》，《經濟問題探索》第1期，第167-173頁。
[14]戰明華,張成瑞和沈娟，《互聯網金融發展與貨幣政策的銀行信貸渠道傳導經濟研究》，《經濟研究》第4期，第63-76頁。
[15]顧海峰和閆君《互聯網金融與商業銀行盈利：沖擊抑或助推——基于盈利能力與盈利結構的雙重視角》，《當代經濟科學》第4期，第100-108頁。
[16]David C.Chou,Amy Y.Chou.A Guide to the Internet Revolution in Banking[J].Information Systems Management,2000,17(2).
[17]Lars Norden,Consuelo Silva Buston,Wolf Wagner.Financial innovation and bank behavior:Evidence from credit markets[J].Journal of Economic Dynamics and Control,2014,43.
[18]Asli Demirgü?-Kunt,Harry Huizinga.Bank activity and funding strategies:The impact on risk and returns[J].Journal of Financial Economics,2010,98(3).
[19]Rocco Huang,Lev Ratnovski.The dark side of bank wholesale funding[J].Journal of Financial Intermediation,2010,20(2).
[20]Dinger V,Hagen J V.Does Interbank Borrowing Reduce Bank Risk?[J].Journal of Money Credit&Banking,2009,41(2-3):491-506.
致謝
本文的完成是在老師的悉心指導下完成的。感謝老師在我論文撰寫的過程中給予了我很多寶貴的意見，從選題時的迷茫困惑到開題時的茅塞頓開，再到論文正式寫作時的坎坷艱辛和論文即將完成時的喜出望外，這一路都有老師相伴。讓我敬佩的不僅是老師淵博的學識，更是老師嚴謹的治學精神和對學生的關心與關懷。其次要感謝本文所引用的文獻的作者，如果沒有他們的幫助，論文也將很難順利完成。
時間猶如白駒過隙，轉眼間四年大學生活即將過去，留戀和不舍之余，我想要在此感謝所有教導過我的老師，所有給予過我幫助的同學和朋友，還有辛勤養育和栽培我的父母。謝謝你們。
1、如文檔侵犯商業秘密、侵犯著作權、侵犯人身權等，請點擊“文章版權申述”（推薦），也可以打舉報電話：18735597641(電話支持時間：9:00-18:30)。
2、網站文檔一經付費（服務費），不意味著購買了該文檔的版權，僅供個人/單位學習、研究之用，不得用于商業用途，未經授權，嚴禁復制、發行、匯編、翻譯或者網絡傳播等，侵權必究。
3、本站所有內容均由合作方或網友投稿，本站不對文檔的完整性、權威性及其觀點立場正確性做任何保證或承諾！文檔內容僅供研究參考，付費前請自行鑒別。如您付費，意味著您自己接受本站規則且自行承擔風險，本站不退款、不進行額外附加服務。
原創文章，作者：1158，如若轉載，請注明出處：http://www.jerryandcynthia.com/chachong/180267.html,