金融科技何以成为货币政策的稳定器？

　　——基于银行风险承担的视角

　　赵江山佟孟华

　　内容提要：货币政策会通过风险承担渠道传导导致金融体系内的风险积累，需要构建有助于稳定货币预期的内在稳定器。金融科技的兴起既为银行业创新发展提供了新的驱动力，也对传统银行经营模式形成巨大冲击。本文将金融科技纳入银行道德风险（DLM）理论模型，考察金融科技影响货币政策银行风险承担渠道的微观机理，并利用2011—2022年我国商业银行数据对理论结果进行验证。研究发现，金融科技能够缓解货币政策对银行风险承担造成的波动影响，表明金融科技对货币政策冲击具有稳定器作用。机制分析结果表明，金融科技发展一方面通过降低银行利差依赖来减缓逐利效应，另一方面通过转变银行抵押思维来减轻估值效应，进而缓解货币政策的风险冲击效应。异质性分析结果发现，在银行资本监管压力较小、地区金融监管较弱、金融科技被纳入监管体系后以及宏观审慎政策收紧时，金融科技具有更显著的风险稳定效果。本文研究深化了金融科技与货币政策传导之间内在逻辑关系的理论认知，为金融科技监管以及货币调控的政策设计提供实证依据。

　　关键词：金融科技；货币政策；银行风险承担渠道；异质性金融监管

　　一

　　引言与文献综述

　　货币政策调整引发的银行风险冲击效应会加剧金融体系的脆弱性，影响货币政策的最终成效。由风险承担渠道理论可知，货币政策在调控宏观经济的同时，也可能导致金融机构风险感知的剧烈波动（马勇和姚弛，2021），而过热或过冷的风险预期均不利于货币政策工具的稳健实施。2023年中央金融工作会议指出，要营造良好的货币环境、提供优质的金融服务，并全面加强金融监管、有效防范化解金融风险。党的二十届三中全会再次强调，“畅通货币政策传导机制”“筑牢有效防控系统性风险的金融稳定保障体系”。在当前外部形势严峻复杂，内部有效需求不足、社会预期偏弱的背景下，如何利用货币政策精准调控经济、引导金融机构满足实体经济融资需求，同时维持金融系统稳定，已成为金融工作的重中之重。因此，探究如何缓解货币政策的风险冲击效应，具有重要的学术和现实意义。

　　商业银行通常面临信息不对称问题，使得银行在发放贷款时难以有效掌握借款企业的经营状况，造成商业银行对传统存贷利差与抵押经营模式的过度依赖。货币政策冲击会通过估值效应导致抵押资产价值波动，以及逐利效应改变银行的利益追逐行为，从而影响银行风险承担行为（王晋斌和李博，2017）。金融科技的快速发展，有效提升了商业银行的信息收集水平、风险评估能力以及业务处理效率（高昊宇等，2022），有助于缓解信息不对称问题，从而减少银行风险承担的剧烈波动。金融科技的发展还拓宽了银行的收入渠道与盈利空间（李建军和姜世超，2021），改善了银行对利差业务过分关注的逐利动机，同时减缓了银行信贷决策对企业抵押物价值的过度依赖（王红建等，2023），降低货币政策变化引发的资产估值波动对银行风险承担的影响。

　　2022年，中国人民银行发布《金融科技发展规划（2022—2025年）》，明确提出要“稳妥发展金融科技，加快金融机构数字化转型”。现阶段，我国银行业正大力推进数字化建设，以数字技术应用增强金融服务效能，金融科技发展对银行业的原有商业模式形成颠覆性创新。这表明，金融科技在银行业的深入应用已成为赋能金融高质量发展和稳定金融环境的关键驱动力。在此背景下，本文试图从理论和实证两方面探讨金融科技如何缓解银行风险承担剧烈波动，探寻稳定货币政策预期的实施路径。

　　在货币政策领域，学者们的研究视角聚焦于“互联网金融冲击”层面，考察互联网金融对于货币政策有效性及传导渠道的影响。从货币政策有效性角度来看，刘澜飚等（2016）发现互联网金融对不同货币政策存在影响差异，能够强化价格型货币政策有效性，但减弱了数量型货币政策的效果。从货币政策传导渠道角度来看，战明华等（2018）发现互联网金融能够缓解信贷渠道的金融摩擦，对货币政策有效性起到抑制作用。战明华等（2020）还统筹考虑利率与信贷两个传导渠道，研究发现互联网金融提高了货币政策实施的总体效果，其影响机理是互联网金融对利率渠道的增强作用大于对信贷渠道的削弱效应。喻微锋和郑建峡（2022）研究发现，互联网金融发展对于货币政策的银行风险传导渠道起到抑制作用。事实上，有别于互联网金融的外生冲击视角，学术界开始注意到金融科技与商业银行由竞争走向深入融合的新形势（Cheng和Qu，2020；晏景瑞和朱诗怡，2024；李茂林等，2024）。然而，现有文献对银行金融科技内生化应用的影响研究尚未拓展到货币政策领域。

　　关于货币政策对银行风险承担影响的理论研究，大多基于Dell’Ariccia等（2010）构建的银行道德风险（DLM）模型，围绕当前金融结构的典型特征展开讨论。学者们分别将银行竞争、流动性水平、负债端风险、互联网金融（李双建和田国强，2020；蒋海等，2021；张嘉明，2022；喻微锋和郑建峡，2022）等影响变量引入DLM分析框架，从理论层面揭示货币政策影响银行风险承担的作用机制。但对于当前影响风险传导渠道的重要因素，即银行业推行的金融科技内生化应用，现有文献鲜有关注。仅有喻微锋和郑建峡（2022）从互联网金融视角探究宏观层面的数字技术对于银行风险承担渠道的影响，然而每家银行的金融科技内生化程度存在明显差异，宏观互联网金融无法充分反映金融科技发展的微观个体差异。而且，使用宏观层面的互联网金融数据进行实证分析，也难以深入探究金融科技的微观作用机制。

　　有鉴于此，本文从金融科技内生化应用的微观视角出发，通过理论与实证相结合的方法，深入考察金融科技缓解货币政策银行风险冲击效应的影响路径。与已有文献相比，本文的边际贡献主要体现在以下三个方面。第一，在理论模型上，将金融科技内生化设定引入DLM模型中，论证微观金融科技稳定货币政策风险传导渠道的作用机理，从理论角度探究金融科技的货币政策稳定器作用。第二，在研究视角上，将既有研究深化至可直接观察的银行内部微观业务层面，从利差渠道和抵押渠道两方面，剖析金融科技缓解货币政策风险冲击效应的内在影响机制。第三，在研究内容上，基于我国多层次的金融监管实践，从银行资本监管、区域金融监管、金融科技监管以及宏观审慎监管4个维度，系统探究异质性金融监管对金融科技的差异化作用效果，为制定并优化金融科技监管政策提供实证依据。

　　二

　　理论模型与研究假设

　　为考察金融科技影响货币政策银行风险冲击效应的微观机理，本文在参考Dell’Ariccia等（2010）研究的基础上，借鉴已有文献（郭品和沈悦，2019；喻微锋和郑建峡，2022）关于互联网金融外生冲击的相关设定，基于当前我国银行业金融科技应用不断深化的典型事实，通过引入金融科技作用于利率渠道和抵押渠道的内生化设定，拓展建立金融科技内生化应用下不同货币政策环境对于银行风险承担影响的理论模型，对原模型进行更贴合现实的改进。

　　（一）模型设定

　　1.基础设定

　　首先，假设银行资产包含债券B 、贷款L和准备金R三大类，负债与权益包含吸收存款D和权益资本K两类。相应地，分别设债券收益率为rB、贷款利率为rL、法定存款准备金率为e、存款利率为rD、股权回报率为rK。因商业银行主要持有政策性银行债券及政府债券，其债券风险远小于贷款风险，故与喻微锋和郑建峡（2022）的做法一致，假定债券收益率rB为外生变量，且有rB<rL。假定银行不持有超额准备金，且准备金不付息。此外，由于存款保险制度的存在，设存款利率rD等于政策利率r*，而股权收益率rK等于政策利率 r*加上风险溢价ε（ε> 0 ）。

　　其次，假定贷款投放L有且仅有3种类型——抵押业务M 、信用业务C和非利差业务N，而抵押业务和信用业务共同构成了利差业务I。其中，在贷款投放中，利差业务和非利差业务的占比分别为θ和1θ（0<θ<1），且由于在收益相同时非利差业务对于资金的占用较低，故非利差业务利率rN大于利差业务利率rI。在利差业务中，抵押业务和信用业务的占比分别为和1（0<<1），且由于无抵押担保的信用业务会要求更高的收益作为风险补偿，故信用业务利率rC应大于抵押业务利率rM。

　　最后，假定银行发放的贷款存在违约风险，银行对贷款组合的监督可以提高贷款回收率。因此，银行贷款监督努力程度q等价于贷款收回率，也代表了银行的风险承担水平，q取值越大，贷款收回越多，即银行风险承担越少。同时，假设银行的经营管理成本CBANK可表示为CBANK=cLL2/2+cDD2/2+cKK2/2，其中cL、cD和cK是取值为正的常数，代表商业银行的经营管理成本系数。

　　2.金融科技的内生化设定

　　金融科技的内生化通过利差渠道和抵押渠道改变商业银行的经营模式。一是利差渠道，金融科技FT通过推动金融服务产品创新，拓宽银行的盈利来源与业务空间，使得非利差业务N占比上升，而传统利差业务I占比下降，即利差业务占比θ满足：θ=θ（FT），dθ/dFT<0且rI<rN。二是抵押渠道，金融科技发展会提高银行信息收集能力，丰富风险评估手段，从而使得信用业务C占比上升，而抵押业务M占比下降，即抵押业务占比满足：=（FT），d/dFT<0且rM<rC。因此，将考虑金融科技内生化的商业银行预期利润的最优化问题描述如下：

　　

　　（二）模型求解

　　1.未引入金融科技前货币政策的银行风险冲击效应

　　在未引入金融科技的内生化设定前，本文首先探究货币政策对银行风险承担的影响。式（1）的约束条件B+L+R=D+K可以改写为B=（1e）D+KL，并将其代入式（1）的利润函数π中，则π的表达式可重述为π=q[rB[（1e）D+KL]+rLLrDD]rKKCBANK，再将其分别对L、D、K、q求一阶偏导数，得到如下一阶条件方程组：

　　

　　

　　将银行经营成本函数CBANK代入式（2）的方程组并求解后，得到贷款L、存款D以及资本K的函数表达式，并将其全部代入式（3），可以得到最优银行贷款监督努力程度q的表达式如下：

　　

　　由于存款保险制度的存在，故存款利率rD即为政策利率r*，而股权收益率rK等于政策利率加上风险溢价ε，即有rD=r、rK=r+ε，代入式（4）可得：

　　

　　为探究货币政策的银行风险冲击效应，本文将货币政策分为价格型和数量型两类进行考察（喻微锋和郑建峡，2022）。其中，价格型货币政策和数量型货币政策分别选择政策利率r和法定存款准备金率e进行分析。

　　首先，为分析价格型货币政策的银行风险冲击效应，将式（5）对政策利率r*求导：

　　

　　其中，考虑到存款准备金的存在，银行实际存款利率为rD/（1e），而根据盈利性原则可知，债券收益率rB大于实际存款利率rD/（1e），且由于rD=r，故rB（1e）r>0。因此，式（6）的结论q/r*>0成立，即银行贷款监督努力程度q与政策利率r*正相关，表明政策利率越低（越高），银行对于贷款项目监督的努力程度就越低（越高）。

　　其次，为分析数量型货币政策的银行风险冲击效应，将式（5）对存款准备金率e求导：

　　

　　由式（7）的结论q/e>0可知，银行贷款监督努力程度q与存款准备金率e正相关，表明存款准备金率越低（越高），银行对于贷款项目监督的努力程度就越低（越高）。

　　综上，结合式（6）和式（7）的结论，本文得到命题1。

　　命题1：宽松的（紧缩的）价格型货币政策或者是数量型货币政策，都会加剧（抑制）商业银行的风险承担，即货币政策会通过银行传导渠道形成风险冲击效应。

　　2.引入金融科技后对于货币政策银行风险冲击效应的影响

　　为探究金融科技对于货币政策银行风险冲击效应的影响机理，将金融科技通过利差渠道θ和抵押渠道的两种影响设定引入到模型中。

　　一是利差渠道：金融科技与银行利差业务。为探究金融科技对于价格型货币政策银行风险冲击效应的影响，将式（6）经由利差渠道θ对金融科技FT求导：

　　

　　

　　结合式（6）和式（9）可知，随着金融科技FT的发展，政策利率降低（升高）造成的贷款监督努力程度的下降（提高）幅度变小，即金融科技的利差影响渠道缓解了价格型货币政策对银行风险承担的冲击效应。

　　同理，为探讨金融科技对于数量型货币政策银行风险冲击效应的影响，将式（7）经由利差渠道θ对金融科技 FT 求导：

　　

　　结合式（7）和式（10）可知，随着金融科技 FT 的发展，存款准备金率降低（升高）造成的贷款监督努力程度的下降（提高）幅度也变小，即金融科技的利差影响渠道缓解了数量型货币政策对银行风险承担的冲击效应。至此，本文得到命题2。

　　命题2：金融科技发展会通过减弱银行存贷利差依赖的利差渠道，进而缓解价格型和数量型货币政策对银行风险承担的冲击效应。

　　二是抵押渠道：金融科技与银行抵押业务。为探究金融科技对价格型货币政策银行风险冲击效应的影响，将式（6）经由抵押渠道对金融科技FT求导：

　　

　　结合式（6）和式（12）可知，随着金融科技 FT 的发展，政策利率降低（升高）造成的贷款监督努力程度的下降（提高）幅度变小，即金融科技的抵押影响渠道缓解了价格型货币政策对银行风险承担的冲击效应。

　　同理，为探讨金融科技对于数量型货币政策银行风险冲击效应的影响，将式（7）经由抵押渠道对金融科技FT求导：

　　

　　结合式（7）和式（13）可知，随着金融科技 FT 的发展，存款准备金率降低（升高）造成的贷款监督努力程度的下降（提高）幅度也变小，即金融科技的抵押影响渠道缓解了数量型货币政策对银行风险承担的冲击效应。至此，本文得到命题3。

　　命题3：金融科技发展会通过降低银行抵押物依赖的抵押渠道，进而缓解价格型和数量型货币政策对银行风险承担的冲击效应。

　　（三）研究假设

　　以上理论分析表明，提升银行金融科技水平可以缓解货币政策冲击造成的银行风险承担大幅波动。从信息不对称引致委托–代理问题的角度，众多学者对银行风险承担渠道的产生原因进行了解释。一方面，信息不对称导致存款者无法有效掌握银行监督努力状况（BrandaoMarques，2013），为覆盖因存款争夺而增加的利率成本支出，银行往往有强烈的激励和动机参与到更高收益的风险项目当中；另一方面，信息不对称也会使得商业银行无法有效掌握企业的经营状况，为避免信贷资产的风险暴露，银行通常会选择进行去杠杆操作，并主动削减自身的风险承担。因此，商业银行会在货币政策周期中不断调整自身的风险感知与偏好预期，并且存在的委托–代理问题越严重，货币政策调整所造成的风险冲击效应会越强烈。理论上，限制了委托–代理问题就可以缓解货币政策的风险冲击效应，而金融科技发展可以降低商业银行面临的内外部信息不对称问题，以信息技术手段改善其所面临的委托–代理问题（Lapavitsas和DosSantos，2008），从而缓解货币政策冲击所导致的银行风险承担的剧烈波动问题。鉴于此，并结合上述命题1，本文提出假设1。

　　假设1：货币政策的变动会对银行风险承担产生冲击效应，而金融科技发展能够缓解货币政策的风险冲击效应。

　　货币政策变动主要通过逐利效应机制和估值效应机制对商业银行的风险承担行为产生冲击效应（马勇和姚弛，2021）。第一，货币政策通过逐利效应影响银行风险承担的作用机理如下，即货币政策调整造成的利率变化会引发银行资产收益率的波动，市场利率与目标收益率间差距的扩大会引发商业银行的逐利行为（王晋斌和李博，2017），迫使银行为提高收益而追逐高风险资产（Borio和Zhu，2012）。此外，市场利率与目标收益率间差距的缩小也会通过逐利效应使得银行主动削减自身风险承担水平。第二，货币政策通过估值效应对银行风险承担的影响机理如下，即利率环境的变化会导致银行资产与抵押物价值的波动，由此造成银行收入和利润的变动。抵押物估值的变化也会使银行相应改变对待风险项目的敏感性（Altunbas等，2010），进而导致商业银行不断调整自身的风险承担水平。

　　金融科技发展可以通过弱化上述两个机制来缓解货币政策对商业银行风险承担的冲击效应。对于逐利效应机制，商业银行受限于产品同质化、获客手段匮乏、盈利模式单一等情况，以至于在经营中过度依赖传统利差收益。金融科技发展能够使银行获得以往难以覆盖的众多长尾客户，并利用大数据等信息手段挖掘出更多新型信用类业务（Fuster等，2019），获取到风险更低、更优质的普惠金融等业务，不断拓宽银行的收入渠道与盈利空间（赵江山等，2025）。因此，商业银行应用金融科技可以扩大金融服务覆盖范围，丰富业务种类与收入来源，缓解过度依赖利差业务而造成的逐利效应。鉴于此，并结合命题2，本文提出假设2。

　　假设2：面临货币政策变动，银行金融科技能够通过利差渠道减轻逐利效应，缓解货币政策对银行风险承担的冲击效应。

　　对于估值效应机制，信贷市场中广泛存在着的信息不对称，导致商业银行过度依赖企业抵押物，原因在于，银行无法对借款者的还款能力进行准确评估，尤其是中小微企业的信贷评估更依赖于非结构化数据组成的软信息（Liberti和Petersen，2019）。金融科技发展能够改善银企之间存在的信息不对称、增加资产透明度，提高软信息的“硬化”程度（高昊宇等，2022），实现银行信贷结构的调整，缓解银行经营对于抵押资产过度依赖的困境（王红建等，2023）。因此，银行运用金融科技技术可以创新信贷评价模式，提高信用评估精准性，减轻抵押思维模式所导致的估值效应。鉴于此，并结合命题3，本文提出假设3。

　　假设3：面临货币政策变动，银行金融科技能够通过抵押渠道减轻估值效应，缓解货币政策对银行风险承担的冲击效应。

　　三

　　实证研究设计

　　（一）样本选择与数据来源

　　考虑到金融科技发展历程与数据的可获得性，本文使用2011—2022年我国160家商业银行作为研究样本，包括国有银行5家、股份制银行12家、城商行106家以及农商行37家。银行数据来自Wind数据库、CSMAR数据库以及ORBISBankFocus数据库，缺失数据查阅银行年报补充，并剔除国家政策性银行、中国邮政储蓄银行和外资法人银行，删除连续期少于3年的银行样本。宏观数据来自中国人民银行官网和历年《中国统计年鉴》。金融科技指标采用Python爬虫技术抓取网络新闻数据进行构建。为避免异常值的影响，对本文连续变量进行上下1%的缩尾处理。

　　（二）计量模型

　　为验证宽松的（紧缩的）货币政策会加剧（抑制）商业银行的风险承担行为，而银行金融科技水平的提升会对该货币政策的风险冲击效应起到缓解作用。本文借鉴李双建和田国强（2020）的做法，构建以下基准计量模型：

　　

　　其中，RISKit为银行风险承担水平；MPt为货币政策，FTit为银行金融科技指数，交互项MPt×FTit是本文重点关注的核心解释变量。Controls为控制变量集合；μi为银行固定效应；εit为随机扰动项。若金融科技发展会对上述风险承担渠道起到缓解作用的推测成立，则应当有：第一，货币政策变量的估计系数α1显著为负，表明银行风险承担随着货币环境的放松（紧缩）而增加（降低），即货币政策会对银行风险造成冲击效应；第二，核心解释变量MPt×FTit的估计系数α2显著为正，表明金融科技会缓解并减弱货币政策的风险冲击效应。

　　（三）变量定义

　　1.被解释变量

　　银行风险承担水平（RISK）。本文采用风险加权资产占总资产的比值衡量银行风险承担水平，因为该比值契合本文研究的商业银行受货币政策环境变化影响，调整自身的风险感知与资产组合后，主动承担投资风险的举动（马勇和姚弛，2021）。其中，风险加权资产中的风险系数是按照银行的资产充足率管理办法中各类表内资产的风险权重所确定。风险加权资产的占比越大，则表明银行风险承担水平越高。

　　2.核心解释变量

　　银行金融科技指数（FT）。本文基于Python爬虫技术进行文本挖掘，构建每家银行的金融科技水平指数。借鉴Cheng和Qu（2020）的做法，先选取人工智能、区块链、云计算、大数据和物联网作为金融科技关键词，再将各技术关键词与银行名称相匹配（如“区块链”+“建设银行”），利用爬虫技术抓取2011—2022年分年度分银行的新闻搜索结果。然后，利用熵权法合成每家银行的金融科技指数，取对数处理后作为银行金融科技水平的衡量指标。另外，本文还以谢绚丽和王诗卉（2022）构建的“银行数字化转型指数”作为替代变量，并参考已有研究的做法，分别以银行总部所在城市的互联网普及率（IPR）和移动电话用户数（MOBILE）作为金融科技的工具变量（喻微锋和郑建峡，2022；梁方等，2022）。

　　货币政策（MP）。为反映我国货币政策采用价格型和数量型相结合的现实，本文参考已有研究做法（李双建和田国强，2020；喻微锋和郑建峡，2022），采用银行间7天同业拆借利率（IRL）衡量价格型货币政策；采用法定存款准备金率（DRR）衡量数量型货币政策，数据方面以货币政策实施的实际时间段加权平均计算获得。

　　3.机制变量

　　本文的机制变量为利差渠道和抵押渠道。具体地，对于利差渠道，采用利差业务规模（IIR）和非利差业务规模（NIR）度量银行业务层面的利差渠道影响，采用逐利效应（TGAP）度量货币政策层面的利差渠道影响。对于抵押渠道，采用抵押业务规模（MLR）和信用业务规模（CLR）度量银行业务层面的抵押渠道影响，采用估值效应（FA）度量货币政策层面的抵押渠道影响。

　　4.控制变量

　　为避免其他遗漏因素导致估计结果偏误，本文根据研究主题并参考以往银行风险承担研究（项后军等，2018；李双建和田国强，2020），在模型中控制以下变量：资产规模（SIZE）、成本收入比（CIR）、存贷比（LDR）、资产收益率（ROA）、资本充足率（CAR）、拨备覆盖率（PCR）、国内生产总值（GDP）增速（GDPR）和金融市场结构（FS）。表1报告了本文主要的变量符号、定义及描述性统计结果。

　　

　　四

　　基准回归结果

　　（一）基准回归结果分析

　　本文利用式（14）检验金融科技能否缓解货币政策的银行风险冲击效应，表2报告了基准回归结果。列（1）~（2）为银行间同业拆借利率（IRL）代表的价格型货币政策回归结果；列（3）~（4）为法定存款准备金（DRR）代表的数量型货币政策回归结果。根据表2可知，无论是否加入控制变量，银行风险承担关于货币政策（MP）的估计值均在1%水平上显著为负，说明宽松（紧缩）的价格型和数量型货币政策会显著加剧（抑制）银行的风险承担行为，即货币政策的变动会对银行风险承担造成冲击效应，这与理论部分命题1的结论相符，证实我国货币政策银行风险承担渠道的存在性。

　　表2列（1）~（4）的回归结果显示，交互项MP×FT的系数估计值均在1%的水平上显著为正，其与上述货币政策（MP）的估计系数符号全部相反，这一结果表明金融科技通过缓冲货币政策对银行风险承担的冲击影响而产生了稳定作用。在经济效应方面，由表2列（2）可知，银行的金融科技水平每提高1%，对价格型货币政策冲击的缓解作用为0.0090，大致可缓解34.22%的货币政策的边际负面影响；在列（4）中，银行的金融科技水平每提高1%，对数量型货币政策冲击的缓解作用为0.0018，大致可缓解28.57%的货币政策的边际负面影响。可见，从统计意义和经济意义上来看，金融科技均能够显著地缓冲货币政策带给银行风险承担的冲击影响，从而可以发挥出货币政策冲击稳定器的作用。上述实证结论验证了本文的假设1。

　　

　　（二）稳健性检验

　　1.内生性处理

　　为解决遗漏变量或反向因果所导致的内生性问题，以避免基准模型的估计系数有偏。本文利用工具变量法和动态面板模型重新检验式（14）。首先，分别利用互联网普及率（IPR）和移动电话用户数（MOBILE）进行工具变量估计。工具变量两阶段最小二乘法的检验结果显示，Kleibergen-PaaprkLM统计量的p值均接近0，表明工具变量选择合理。其次，利用系统GMM动态面板估计的方法重新进行实证检验，以期处理潜在的内生性。系统GMM的估计结果表明，模型通过了Hansen与Arelleno-Bond序列相关等检验。以上两种方法的估计结果与基准回归结论均保持一致。

　　2.更换核心变量

　　本文对银行风险承担、金融科技以及货币政策三个核心变量进行替换，并重新对式（14）进行检验。首先，利用间接法计算获得银行风险承担指标，先由资本净额除以资本充足率得到风险加权资产，再除以银行总资产，并将该指标记为RWAA。其次，更换银行金融科技指标，使用谢绚丽和王诗卉（2022）构建的北京大学商业银行数字化转型指数（TRANS）作为银行金融科技水平的替换变量。最后，以存款基准利率（DER）和贷款基准利率（LOR）来重新度量货币政策。以上三种更换核心变量的估计结果与本文基准结论基本一致。

　　五

　　机制检验

　　前文理论分析表明，金融科技一方面通过利差渠道缓解逐利效应，另一方面通过抵押渠道减缓估值效应，进而对货币政策的冲击效应起到缓解与稳定的作用。为验证上述两种渠道的影响机制，本文分别基于利差渠道和抵押渠道进行机制检验。

　　（一）利差渠道

　　理论分析表明，商业银行可以利用金融科技的技术手段增加新的盈利来源，减少对单一利差业务的依赖，通过弱化利差渠道而减轻银行面临的逐利效应，进而缓解银行风险承担的波动。接下来，本文考察金融科技和货币政策对商业银行利差业务和非利差业务的影响，以及对于逐利效应的缓解作用，以检验金融科技对货币政策冲击效应影响的利差渠道。

　　表3汇报了基于利差渠道的机制检验结果。首先以商业银行的利差业务规模（IIR）和非利差业务规模（NIR）衡量利差渠道，并将其分别作为式（14）的被解释变量进行回归。可以看到，列（1）~（2）中货币政策与金融科技的交互系数显著为负，这一结果表明，金融科技发展抑制了货币政策冲击对银行利差业务的影响作用；列（3）~（4）中交互项MP×FT的估计系数显著为正，表明金融科技发展通过缓冲货币政策对银行非利差业务的冲击效应而产生业务提升作用。进一步地，将逐利效应（TGAP）及其交互项引入式（14），列（5）~（6）中TGAP交互项的估计系数都显著为负，且与TGAP符号相反，该结论表明金融科技的发展能够显著缓解银行面临的逐利效应对于银行风险承担的冲击影响。

　　上述回归结果说明，银行发展金融科技能够利用大数据等信息手段挖掘更多的新型信用类业务，拓宽银行的收入来源渠道，从而降低银行对单一利差业务的依赖，增加中间业务收入等非利差业务收益。可见，银行金融科技能够通过利差渠道发挥作用，减轻货币政策逐利效应的影响，进而缓解货币政策变动所导致的银行风险承担大幅波动问题。至此，证实了本文的假设2。

　　

　　（二）抵押渠道

　　理论分析表明，商业银行能够应用金融科技获取更多维度的客户信息数据，信用风险的评估能力得以提升，减少了对传统抵押业务的依赖，通过弱化抵押渠道而减轻银行面临的估值效应，进而缓解银行风险承担的波动。接下来，本文考察金融科技和货币政策对商业银行抵押业务和信用业务的影响，以及对于估值效应的缓解作用，以检验金融科技对货币政策冲击效应影响的抵押渠道。

　　表4汇报了基于抵押渠道的机制检验结果。首先以商业银行的抵押业务规模（MLR）和信用业务规模（CLR）衡量抵押渠道，并将其分别作为式（14）的被解释变量进行回归。可以看到，列（1）~（2）中货币政策与金融科技的交互系数显著为负，这一结果表明，金融科技发展抑制了货币政策冲击对银行抵押业务的影响作用；列（3）~（4）中交互项MP×FT的估计系数显著为正，表明金融科技发展通过缓冲货币政策对银行信用业务的冲击效应而产生了业务提升作用。进一步将估值效应（FA）及其交互项引入式（14），列（5）~（6）中FA交互项的估计系数都显著为负，且与FA符号相反，该结论表明金融科技的发展能够显著缓解银行面临的估值效应对于银行风险承担的冲击影响。

　　

　　上述回归结果说明，金融科技发展能够提升商业银行的数据获取与信贷评估水平，以及对于贷款项目的监督管理能力，从而降低银行对传统抵押业务的依赖，增加信用业务的规模。可见，银行金融科技可以通过抵押渠道发挥作用，减轻货币政策估值效应的影响，进而缓解货币政策周期所导致的银行风险承担高波动状况。至此，证实了本文的假设3。

　　五

　　金融监管的异质性分析

　　在国家不断完善和健全金融监管体系的现实背景下，金融科技的风险稳定效果受到多维度金融监管政策的不同程度影响。然而，不同类型金融监管对金融科技的异质性影响却经常被忽视。本文分别从银行资本监管、区域金融监管、金融科技监管和宏观审慎监管4个维度出发，探究不同类型金融监管之下金融科技风险稳定效应的异质性作用。

　　（一）银行资本监管异质性

　　我国商业银行的资本充足率差异较大，面临不同程度的资本监管压力，资本金补充压力较大的银行金融科技发展建设迟缓，故金融科技的风险稳定作用在这类银行中体现不明显。基于此，本文利用绝对缓冲带指标ABF度量银行资本监管压力（顾海峰和于家珺，2023），并将样本划分为高监管压力（ABF小于0）和低监管压力（ABF大于0）两组。在不同监管压力的两组中，交互项MP×FT的估计系数均显著为正，且在低监管压力组中的系数值和显著性都更大，并通过了组间差异检验。结果表明，金融科技的风险稳定效应在高监管压力组银行中受到抑制，而在低资本监管压力的银行中能够发挥出更显著更强的风险稳定效应。

　　（二）区域金融监管异质性

　　我国地区间金融监管强度存在显著差异，在不同金融监管强度下金融科技的应用情况也有所差别，金融科技的风险稳定效果不尽相同。鉴于此，本文利用各省份金融监管支出与金融业增加值的比值衡量区域金融监管强度（唐松等，2020），并按照区域金融监管强度的年度中位数为临界值，将样本区分为强监管地区和弱监管地区。可以看出，在不同监管强度的两组中，交互项MP×FT的估计系数均显著为正，且在高监管强度组中的影响系数值更大，并通过了组间差异检验。回归结果表明，良好的金融监管环境有助于促进金融科技风险缓解作用的发挥，金融科技的风险稳定效应因而在金融监管强度较大地区中会得到更充分的展现。

　　（三）金融科技监管异质性

　　2015年7月，中国人民银行等10部委联合发布《关于促进互联网金融健康发展的指导意见》，国家监管层面陆续出台大量关于金融科技的监管与规范性文件。金融科技纳入监管对银行风险的稳定效应产生显著影响。鉴于此，本文以2015年国家开始加大规范力度、建立金融科技监管规范体系为分界点，探究金融科技纳入监管前后的异质性作用。估计结果表明，在纳入监管后交互项MP×FT的估计系数均显著为正，而在纳入监管之前则都不显著。这表明，纳入监管框架后，金融科技所面临的监管环境更加完善，从而更有利于金融科技风险稳定效应的发挥。

　　（四）宏观审慎监管异质性

　　宏观审慎政策与货币政策组成的“双支柱”调控框架，是目前用于维护金融稳定最重要的政策手段，在不同宏观审慎政策环境下金融科技的风险稳定效应存在差异。此外，金融科技在“双支柱”调控框架下的风险稳定效果也有待考察。鉴于此，本文构建我国宏观审慎政策指数MPI（Cerutti等，2017），并将其与货币政策和金融科技变量交互后纳入基准模型（14），以检验宏观审慎监管的异质性作用，以及金融科技对于“双支柱”调控政策的影响效应。

　　回归结果显示，无论是否加入控制变量，均可以得到如下两方面结论。一方面，货币政策与金融科技交互项MP×FT的回归系数均显著为正，而加入MPI的影响后三项交乘MP×MPI×FT的系数也均显著为正，这表明收紧的宏观审慎监管环境（MPI数值较大时）更有利于金融科技风险稳定作用的发挥。另一方面，MP×MPI系数的估计值均显著为负，且与MP符号相同，表明“双支柱”调控政策对银行风险承担具有相互叠加的增强冲击影响。同时，上述“双支柱”调控政策（MP×MPI）与加入金融科技FT后的三项交乘MP×MPI×FT的估计系数符号完全相反，这表明银行金融科技水平的提升同样能够缓解“双支柱”调控政策的相互强化震荡激励作用，稳定“双支柱”调控政策对于银行风险承担的叠加冲击影响。

　　七

　　研究结论与政策启示

　　本文构建理论模型推导金融科技通过利差渠道和抵押渠道传导至银行风险承担的微观机理，并对理论分析结果进行实证检验，揭示金融科技如何影响货币政策风险冲击效应及其作用机制。研究发现，金融科技能够缓解货币政策对银行风险承担造成的波动影响，表明金融科技具有货币政策稳定器的作用。机制识别发现，金融科技不仅会通过利差渠道来减缓逐利效应，也会通过抵押渠道来减轻估值效应，从而缓解货币政策的风险冲击效应。异质性研究表明，金融科技的风险稳定作用在银行资本监管压力较小、地区金融监管较弱、金融科技被纳入监管体系后以及宏观审慎政策收紧时的效果更强。

　　根据上述研究结论，可以得到以下政策启示。第一，应充分发挥金融科技对货币政策的风险稳定作用，实施更加精准的货币调控政策。从银行风险承担渠道视角来看，金融科技与货币政策存在相互协调配合的潜力。应充分考虑金融科技对货币调控政策的逆周期影响作用，强化金融科技的稳定器效用，提高货币政策调控的实施效果。第二，将金融科技发展的着力点放在转变商业银行传统业务模式上，以数字技术推动业务场景的应用创新。引导商业银行主动利用金融科技创新完善自身信用风险评估手段、拓宽收入渠道与盈利空间，开发数字化金融产品与信贷工具。以金融科技为依托持续创新金融服务供给，实现“科技–金融–产业”的高水平循环机制。第三，灵活制定差异化的金融监管政策，实现金融科技、货币政策与金融监管之间的协同配合。关注银行资本监管与区域金融监管的协同配合，守住风险底线的基础上给予银行金融科技充足的发展空间。优化与完善金融科技的监管框架与规范体系，并注重金融科技与宏观审慎政策之间的交互效果，实现防范化解金融风险与实体经济高质量发展的双重战略目标。