金融科技發展的股票市場系統性風險研究

何 劍,許 芳

(新疆財經大學 金融學院,新疆 烏魯木齊 830012)

一、引 言

股票市場作為金融市場的核心組成部分,也是宏觀經濟的“晴雨表”。中國股票市場因散戶眾多、缺乏足夠的長期資金和機構投資者、非理性投機行為多等特點,易引發高風險而備受關注,股票之間的高度關聯為風險傳染提供可能,極易導致股市系統性風險的爆發,對整個金融市場乃至整個經濟系統影響巨大。中央政府高度重視防范化解系統性金融風險、維護金融市場穩定的問題。習近平總書記反復強調“防范化解系統性金融風險”是金融工作的根本任務和永恒主題,黨的二十大報告進一步提出“牢牢把握不發生系統性風險的底線,維護好國家的金融穩定和金融安全”的要求。當前,國際金融市場動蕩不安,烏俄沖突持續升溫,而國內經濟發展面臨需求不足的壓力,給中國金融安全和金融穩定帶來嚴峻挑戰。歷次股市大幅波動的經驗教訓也表明,股市穩定作為金融穩定的一部分,對于金融穩定和經濟長期增長至關重要。在此背景下,準確衡量股票市場系統性風險水平,把握股票市場系統性風險形成規律和傳染機制,有效識別風險防范難點,進而維護股票市場穩定、國家金融穩定與安全顯得尤為重要而且迫切。

近年來,基于大數據、云計算、人工智能、區塊鏈等一系列技術創新的金融科技,在全球范圍內迅速崛起,廣泛應用于各大金融領域,在改善信息不對稱、提升企業風險承擔等方面優勢顯著,不僅能增強股票市場穩定性而且為股票市場注入了源源不斷的“活水”。金融科技在改變傳統金融業態的同時,也暴露出潛在的風險隱患,出現金融科技各業務部門間混業經營導致的風險傳染、P2P平臺“大崩盤”集中暴雷等問題。當然,金融創新具有兩面性,在暴露風險隱患的同時也助力了金融風險管理。大數據完善金融風險管理的覆蓋度,人工智能和區塊鏈提升金融風險管理的準確性和針對性,使交易雙方信息更加全面化,有利于打開股票市場價格“黑箱”,提升市場信息效率和價格發現效率,避免投資者非理性情緒、市場交易信息不透明引發的股票市場風險?？梢?隨著金融科技各業務部門混業經營并在各金融領域廣泛應用,逐漸深入股票市場,風險易發也難防范,風險沖擊后容易產生短期的過度反應行為,引發股市異常波動及風險傳染,而金融科技板塊作為最先波及的板塊,對防范股票市場系統性風險造成較大難度。因此,金融科技板塊的系統性風險問題已成為亟待重視的核心問題。

金融科技上市公司在股票市場的交易數據能直接反映中國金融科技行業市場態勢及預測行業未來發展趨勢[1],揭示金融科技板塊快速發展帶來的股票市場風險隱患與面臨的新機遇。金融科技板塊風險如果得不到及時、妥善處理,很可能迅速傳播到股票市場,引發股票市場系統性風險。為了更好地掌握金融科技發展方向,預測并未雨綢繆地防范金融科技板塊系統性風險,本文探究主營業務為金融科技的上市公司風險水平,梳理出金融科技對其股票市場系統性風險的作用機制,以期為投資者和監管方預判金融科技板塊系統性風險提供參考依據,對現階段防范化解股票市場系統性風險、維護股票市場穩定以及確保金融安全意義重大。

本文可能的貢獻:一是創新性地以金融科技業務部門分類構造金融科技上市公司樣本,將金融科技與上市公司、金融科技與股票市場緊密結合,探究金融科技板塊系統性風險。盡可能全面掌握金融科技行業在股票市場的發展態勢,把握金融科技發展方向,預測金融科技板塊系統性風險,以期為風險監管提供微觀層面的分析視角和數據支撐。二是探究金融科技對其股票市場系統性風險的影響,包括作用機制、異質性等,挖掘背后的深層次原因,豐富當前防范金融科技等新興產業的系統性風險研究成果。

二、文獻綜述與研究假設

(一)金融科技與其股票市場系統性風險

部分學者認為金融科技引發了股票市場系統性風險。從金融科技發展來看,金融科技的去中心化技術因節點太多而導致“太多而不能倒”的風險[2],并通過增加金融體系的杠桿率,導致股票市場異常波動和經濟順周期性,放大了股票市場的系統性風險。此外,金融科技的大規模運用同樣放大了股票市場風險,包括技術加深的技術性風險、交易對象分散的“長尾”風險以及金融機構關聯潛在的系統性風險[3],對整個金融體系造成巨大沖擊。對于金融科技企業而言,自動化的算法交易帶來無法預估的股票市場風險傳染,當算法關聯度較高或資產價格變動較敏感時,導致股票市場異常波動帶來股票市場系統性風險[4]。從金融科技各業務部門來看,一是以余額寶為代表的互聯網金融因監管體系不完善加劇了股票市場系統性風險[5];二是以比特幣為代表的加密數字貨幣與股票市場存在價格聯動,比特幣市場風險可以傳導至股票市場,增加股票市場系統性風險[6];三是在智能投顧的過程中,相同或類似算法和策略的程序化交易,導致交易行為趨同從眾的“羊群效應”,出現集中拋售和擠兌現象,導致“踩踏”致市場局部恐慌,此時,風險溢出迅速擴散至股票市場引發股票市場系統性風險[7]。也有部分學者意見并不一致,認為金融科技抑制了股票市場系統性風險。從金融科技整體來看,金融科技有助于矯正股票錯誤定價問題,減少股價“暴跌暴漲”現象和股市投機行為,縮小股價波動幅度[8],從而降低股票市場風險。從金融科技各業務部門來看,互聯網金融平臺的充?，F金流流入股票市場,有利于股票市場的蓬勃發展[9];數字金融能夠有效抑制股價崩盤風險[10];數字貨幣長期出現抑制股市風險波動的表征[11],從而降低股票市場系統性風險。金融科技作為不斷上升的新興產業和日益占比較重的板塊,逐步成為股票市場重要組成部分。金融科技引發或抑制的系統性風險,最先波及或助益金融科技板塊,其次才是整個股票市場。

金融市場波動來源于不同維度的信息關聯,包括宏觀政策面、經濟基本面、投資者情緒面等,當信息出現不同維度的交織、傳導時,投資者會作出相同投資決策,引起金融市場共振。其中,股票市場因風險水平較高、市場參與者眾多、投資者情緒波動以及市場內部的復雜性等特點成為系統性風險傳染源頭,而金融科技板塊創新和風險并存,以網絡融資和區塊鏈技術、互聯網和移動支付為主要風險源頭并具風險傳染性,并且,作為股票市場日益占比較重的板塊,亦成為系統性風險傳染源頭,故有效防范化解金融科技板塊、整個股票市場系統性風險是金融市場風險防范治理的重要環節[10]。就中國而言,金融科技上市公司個股價格、金融科技行業指數大幅下跌等單一風險事件發生后,風險迅速蔓延至整個金融科技板塊,引發金融科技板塊系統性風險。金融科技為降低其股票市場系統性風險提供了全新解決方案。雖然金融科技各業務部門存在風險隱患,比如2018年P2P集中“暴雷”、2020年新冠疫情后互聯網消費金融遭受沖擊等,導致風險水平出現階段性高峰,可能是新舊轉換技術未成熟時產生系統性風險的累積作用[12]。但對于金融科技整體而言,一是“去中心化”極大降低了傳統金融的集中度,避免單個金融科技上市公司或單一金融科技業務部門對金融科技板塊產生的負面沖擊;二是憑借“技術+數據”雙輪驅動的技術優勢,對股市潛在風險交易和違法違規行為進行實時監控[13],提高金融科技板塊風險治理能力;三是大數據、區塊鏈、人工智能等技術廣泛應用于各個領域,通過獲取全方位股票市場數據信息、改善銀行盡職調查以及提供個性化金融服務等手段,全面提高金融服務的覆蓋面、針對性和準確性,助力金融科技板塊風險管理。綜上所述,金融科技各業務部門雖產生風險的累積作用,但存在階段性特征。隨著技術的不斷發展和提高,在金融科技模式構建與模式轉型過程中(從1.0走到了3.0并走向4.0),更加注重防范系統性風險。而金融科技整體廣泛應用于各領域,擴大金融服務覆蓋面,提升金融資源配置效率,從而促進金融系統的穩定性。因此,金融科技對其股票市場系統性風險的抑制作用可能大于累積作用進而呈現總體抑制趨勢。故基于以上分析,提出如下假設:

假設1:金融科技抑制了其股票市場系統性風險。

(二)信息效應:金融科技、信息透明度與其股票市場系統性風險

在股票市場中,交易雙方信息不透明、不對稱是實施信息操縱的基本前提,不實、扭曲甚至虛假的信息為股票市場埋下風險隱患。代理理論很好地解釋了公司管理層信息操縱行為對股票市場系統性風險的影響。首先,公司管理層最為普遍的信息操縱手段是蓄意隱瞞壞消息,負面消息的積累加深至上限,沖擊股價,為股票市場埋下風險隱患[14]。其次,公司管理層存在夸大披露正面消息的行為,投資者高度預期公司未來發展前景,一旦公司業績達不到投資者心理預期或者夸大的正面消息被曝光,負面沖擊股價,導致股票市場風險增加[15]。最后,由于中國股市散戶眾多,金融知識素養呈差異化,大多投資者難以辨別信息的真偽,進而無法獲取與股價相關的有效信息。當股票收益暴漲造成投資者情緒高漲時,“羊群效應”使其競相購入受操縱股票,一旦情緒回落經過理性分析后,公司股價大幅下跌,股價崩盤增加了股票市場風險[16]。股票價格跌漲的核心原因是供給與需求的變化,一旦個股股價、股市行業指數大幅下跌等單一風險發生,風險迅速蔓延至整個股票市場,從而爆發股票市場系統性風險[17]。對此,金融科技基于新一代信息技術手段,全面應用于各大金融領域,一是催生出更高效的信息機制和拓展出全新的信息應用領域[18],主動捕捉信息源,提高信息獲取的精準度、真實性以及信息流的轉化率,并在降低信息成本(搜尋、交易)中發揮著重要作用,從而增強個人、企業信息獲取能力,提升股票市場的信息透明度[19],此外,金融科技改善了股票市場信息環境,使管理層無法實施信息操縱,避免負面消息導致的股票市場異常波動[10];二是金融科技擴大了股票市場的信息吸納透明度,機構投資者掌握的私有信息完全融入股價,能充分、及時反映公司、行業和市場特質信息[20],股價同步性較低,提升了股票市場信息透明度和定價效率[21],從而降低股票市場系統性風險。而金融科技抑制股票市場系統性風險的利好最先受益的應是金融科技板塊。綜上所述,金融科技在大數據、人工智能等先進技術支持下發揮信息優勢,在全新的信息應用領域和高效的信息機制下,以較低的信息成本與風險處理海量數據,增強信息獲取能力和改善信息環境,規避逆向選擇與道德風險問題,實現對管理層的有效監督,從而提升金融科技板塊市場交易信息透明度和信息吸納透明度。因此,金融科技能發揮信息效應來改善市場交易信息透明度,從而降低其股票市場系統性風險?；谝陨戏治?提出如下假設:

假設2:金融科技通過提升市場交易信息透明度,從而降低其股票市場系統性風險。

(三)風險承擔效應:金融科技、風險承擔與其股票市場系統性風險

企業風險承擔是金融科技上市公司投融資決策的綜合體現,也是企業價值、企業業績評價的重要指標,對企業發展和經濟增長產生影響。此外,在信息不對稱和代理沖突的影響下,企業風險承擔對資產定價、金融市場穩定也產生一定影響,特別是股票市場(金融科技板塊)穩定。究其原因,金融科技概念股是以金融科技為主營業務的上市公司發行上市的股票,屬于金融科技板塊,單一風險迅速蔓延至股票市場,最先波及金融科技板塊,引發金融科技板塊系統性風險。因此,金融科技上市公司風險承擔的提高是否及如何影響金融科技板塊系統性風險值得探究。有學者研究表明,企業風險承擔行為將加劇個股的崩盤風險,但會降低系統性崩盤風險[22],抑制股票市場系統性風險。一是股票流動性。股票流動性影響股價中的信息含量與正確性,金融科技上市公司股票流動性強意味著投資者能以最低成本、最優價格的絕對優勢快速完成大宗股票的交易,對股票的信息含量要求較高,促進企業特質信息融入股票價格中,提高股價信息含量,從而降低金融科技板塊系統性風險的爆發概率。并且,股票流動性影響股東監督意愿,股票流動性的上升使管理層積極履行風險承擔并提高公司治理水平,有效抑制金融科技上市公司代理沖突。這要求管理者必須對股價變動所體現的信息含量具有高度敏感性,方能理性處理未預期信息并避免“羊群效應”,企業風險承擔行為助力企業價值的提升,從而降低金融科技板塊系統性風險。二是代理沖突問題。根據代理理論,管理層趨于利己、風險規避的動機影響其投資風險的選擇以及風險承擔的行為。高風險承擔水平的金融科技上市公司資本性支出更高,能夠充分利用投資機會,降低企業自由現金流及潛在的代理沖突,并且,帶來大量創新投入和高漲的創新積極性,有助于提升金融科技上市公司資產和銷售增長、利潤、業績以及競爭優勢,帶來更好的發展前景,從而降低系統性崩盤風險,抑制金融科技板塊系統性風險。而金融科技基于大數據、云計算、人工智能、區塊鏈等一系列技術創新,發揮信息效應來緩解信息不對稱,從而提升企業風險承擔水平[23]。一是金融科技以低成本和低風險處理海量數據,弱化管理層的風險規避傾向,有意愿投資高風險、高收益投資項目,從而提升企業風險承擔水平。二是金融科技利用數據挖掘技術及時獲取、整合信息,通過信息處理、監測以及風險控制,篩選與識別投資項目相關的有效信息,降低信息獲取成本并提高數據質量,避免因信息不對稱而錯失投資機會,做出科學風險投資決策。此外,金融科技減少因信息不對稱導致的逆向選擇與道德風險問題[24],進一步提升企業風險承擔。綜上所述,金融科技在依靠前沿信息技術手段和精準識別有效信息的優勢下,減少由于信息不對稱所導致的管理層風險投資行為、逆向選擇及道德風險問題,從而提升企業風險承擔水平。在信息不對稱和代理沖突的影響下,股票流動性的上升使管理層積極承擔風險并提高公司治理水平,有效抑制金融科技上市公司代理沖突,理性處理未預期信息并避免“羊群效應”,企業風險承擔行為助力企業價值的提升,從而降低金融科技板塊系統性風險。高風險承擔水平的金融科技上市公司資本性支出更高,能夠充分利用投資機會,降低企業自由現金流及潛在的代理沖突,并且,帶來大量創新投入和高漲的創新積極性,有助于提升金融科技上市公司資產和銷售增長、利潤、業績以及競爭優勢,帶來更好的發展前景,從而降低金融科技板塊系統性風險。因此,金融科技能發揮風險承擔效應來提升企業風險承擔水平,從而降低其股票市場系統性風險?；谝陨戏治?提出如下假設:

假設3:金融科技通過提升企業風險承擔水平,從而降低其股票市場系統性風險。

基于以上分析,構建金融科技發展與股票市場系統性風險研究框架圖(見圖1)。

圖1 金融科技發展與股票市場系統性風險研究框架圖

已有研究發現金融科技對股票市場系統性風險、企業風險、銀行風險等方面的影響存在異質性,本文為了檢查研究結果是否具有可合并性,與理論結果是否相符,故在已有研究基礎上,分樣本檢驗金融科技對其股票市場系統性風險的異質性影響。

三、研究設計

(一)研究樣本與數據來源

本文使用的數據包括:(1)度量金融科技上市公司在股票市場的系統性風險的數據(公司的日收益率、行業指數收益率、滬深300指數收益率、滬深300指數波動情況)均來源于萬得數據庫(Wind);(2)金融科技發展水平運用網絡爬蟲技術(Python)爬取得到,該數據來源于百度高級搜索;(3)公司財務數據來源于國泰安數據庫(CSMAR),該數據被用于構造本文的控制變量。

本文借鑒Zheng等依據中國金融科技企業數據庫業務分類標準,把金融科技分為14個業務部門(1)金融科技14個業務部門分別為互聯網銀行、互聯網券商、互聯網保險、互聯網基金銷售、互聯網資產管理、互聯網小額商業貸款、互聯網消費金融、P2P、金融信息服務、眾籌、金融基礎設施、數字貨幣、支付及信用評估與征信。,與萬得數據庫中金融科技相關概念股板塊進行匹配,按照市值大小排序[12],最終選取2012年1月1日至2021年12月31日125家A股金融科技上市公司作為研究對象。該樣本區間可以反映金融科技飛速發展十年的變化,該階段金融和科技逐步深度融合推動金融業務提質增效,不斷涌現出新理念、新技術的金融創新。此外,金融科技發展水平與上市公司按照時間和地區匹配、股票市場數據與上市公司按照時間和公司匹配,最終完成金融科技發展水平與股票市場數據在時間和空間上的匹配性,能夠在一定程度上代表金融科技板塊。

(二)變量設計

1.被解釋變量

金融科技板塊系統性風險(CoVaR)。關于條件在險價值的風險度量方法主要有CoVaR、ΔCoVaR、MES等,由于自身魯棒性和對極端情形下尾部風險的較好捕獲,CoVaR與ΔCoVaR成為當前系統性風險的主流測度方法之一,主要包括分位數回歸法、GARCH模型法等。由于分位數回歸CoVaR法能確?；貧w模型的有效性、穩健性,對分布的假設要求低且精準刻畫分布的尾部特征等優點,可以很好地從整體上度量金融科技上市公司對其股票市場系統的風險貢獻。故本文選取金融科技上市公司的股票日收益率作為上市公司股票收益情況,以行業內各企業股票收益率加權平均值作為股票市場(金融科技板塊)系統指標,滬深300指數股票收益率和滬深300指數股票波動情況作為狀態變量,借鑒賈凱威等、羅長青等采用分位數回歸CoVaR法度量金融科技上市公司在其股票市場的系統性風險[25-26]。具體變量定義如表1所示。

2.核心解釋變量

金融科技發展水平(Fintech)。目前關于金融科技的度量主要有“文本挖掘法”構建的金融科技指數、北京大學數字普惠金融指數兩種[18,27]。本文運用網絡爬蟲技術(Python),利用百度新聞高級檢索功能,爬取地級市或直轄市層面金融科技相關關鍵詞的結果數量,以衡量上市公司所在地區的金融科技發展水平,同時,采用數字普惠金融指數(Index)對金融科技發展水平進行穩健性檢驗。

3.中介變量

一是信息透明度(SYN),借鑒王亞平等的做法,運用模型(ri,t=β0+β1rm,t+β2r1,t+εi,t,其中:ri,t、rm,t、r1,t分別表示第t周個股收益率、市場收益率以及行業收益率)估計個股的R2(擬合優度)進行對數化,得到股價同步性用以衡量市場交易信息透明度[28]。該值越大,表明難以從股價中獲取公司信息,市場交易信息透明度越差。二是企業風險承擔(Risk),借鑒余明桂等的做法,使用企業盈利波動性(即資產收益率ROA的三年(t～t+2)滾動標準差)作為衡量企業風險承擔的指標[29]。計算公式為:

4.控制變量

本文控制公司層面對股票市場收益和風險產生的影響,具體包括上市年限(Age)、股權集中度(Top5)、成長性(Growth)、機構投資者持股比例(Institution)、產權屬性(SOE)、每股收益(Eps)、公司規模(Size)以及盈利能力(ROA),還控制了年度效應和行業效應。具體變量定義如表2所示。

表2 公司層面相關變量及定義

(三)模型設計

1.基準回歸:金融科技與其股票市場系統性風險

為了驗證假設1,構建如下模型:

CoVaRi,t=α0+α1Fintechi,t+∑CVi,t+∑YEAR+∑IND+εi,t

(1)

其中,i表示第i家金融科技上市公司,t表示第t年;CoVaR為金融科技板塊系統性風險,取0.05分位;核心解釋變量Fintech為金融科技發展水平;在控制變量組CV中,包含了上述控制變量集;控制了年度和行業效應;ε為模型隨機誤差項。

2.信息效應:金融科技、信息透明度與其股票市場系統性風險

為了檢驗假設2,金融科技通過提升市場交易信息透明度,從而降低其股票市場系統性風險。在模型(1)的基礎上,構建如下中介效應模型(2)、(3):

SYNi,t=α0+α1Fintechi,t+∑CVi,t+∑YEAR+∑IND+εi,t

(2)

CoVaRi,t=α0+α1Fintechi,t+α2SYNi,t+∑CVi,t+∑YEAR+∑IND+εi,t

(3)

其中,SYN表示市場交易信息透明度。

3.風險承擔效應:金融科技、風險承擔與其股票市場系統性風險

為了檢驗假設3,金融科技通過提升企業風險承擔水平,從而降低其股票市場系統性風險。本文在模型(1)的基礎上,構建如下中介效應模型(4)、(5):

Riski,t=α0+α1Fintechi,t+∑CVi,t+∑YEAR+∑IND+εi,t

(4)

CoVaRi,t=α0+α1Fintechi,t+α2Riski,t+∑CVi,t+∑YEAR+∑IND+εi,t

(5)

其中,Risk表示企業風險承擔。

四、實證結果分析

(一)描述性統計

表3為相關變量的描述性統計。從表3的結果可以看出,0.05分位數下金融科技板塊系統性風險(CoVaR)均值為-1.190,最大值為-0.445,最小值為-1.771,標準差為0.228,說明樣本金融科技上市公司對其股票市場系統性風險貢獻差異較大;金融科技發展(Fintech)均值為4.978,最大值為7.491,最小值為0.693,標準差為1.480,說明各地區金融科技發展水平存在較大差異。

表3 描述性統計

(二)基準回歸:金融科技與其股票市場系統性風險

表4報告了金融科技對其股票市場系統性風險影響的回歸結果?？刂屏四甓刃托袠I效應。表4列1回歸結果顯示,金融科技對其股票市場系統性風險的影響系數在1%水平下顯著為負,說明金融科技降低了其股票市場系統性風險。假設1得證。

表4 金融科技與其股票市場系統性風險

(三)信息效應:金融科技、信息透明度與其股票市場系統性風險

在基準回歸基礎上,對信息透明度的中介效應進行檢驗,回歸結果如表4列2、列3所示。列2的回歸結果顯示,金融科技對信息透明度的影響系數在1%水平下顯著為正,說明金融科技提高了市場交易信息透明度;列3的回歸結果顯示,信息透明度與金融科技板塊系統性風險的系數在1%水平下顯著為負,金融科技與金融科技板塊系統性風險的系數在1%水平下顯著為負,說明信息透明度在金融科技影響其股票市場系統性風險的路徑中表現為部分中介效應。金融科技在大數據、人工智能等先進技術支持下發揮信息優勢,在全新的信息應用領域和高效的信息機制下,以較低的信息成本與風險處理海量數據,增強信息獲取能力和改善信息環境,規避逆向選擇與道德風險問題,實現對管理層的有效監督,從而提升金融科技板塊市場交易信息透明度和信息吸納透明度,因此,金融科技能發揮信息效應來改善市場交易信息透明度,從而降低其股票市場系統性風險。假設2得證。

(四)風險承擔效應:金融科技、風險承擔與其股票市場系統性風險

在基準回歸基礎上,對風險承擔這一作用渠道進行檢驗,回歸結果如表4列4、列5所示。列4的回歸結果顯示,金融科技對企業風險承擔的影響系數在5%水平下顯著為正,說明金融科技提升了企業風險承擔;列5的回歸結果顯示,企業風險承擔與金融科技板塊系統性風險的系數在10%水平下顯著為負,金融科技與與金融科技板塊系統性風險的系數在1%水平下顯著為負,說明企業風險承擔在金融科技影響其股票市場系統性風險的路徑中表現為部分中介效應。金融科技在依靠前沿信息技術手段和精準識別有效信息的信息優勢下,減少由于信息不對稱所導致的管理層風險投資行為、逆向選擇及道德風險問題,從而提升企業風險承擔水平。在信息不對稱和代理沖突的影響下,股票流動性的上升使管理層積極治理提高公司治理水平,有效抑制金融科技上市公司代理沖突,理性處理未預期信息并避免“羊群效應”,企業風險承擔行為助力企業價值的提升,從而降低金融科技板塊系統性風險。高風險承擔水平的金融科技上市公司資本性支出更高,能夠充分利用投資機會,降低企業自由現金流及潛在的代理沖突,并且,帶來大量創新投入和高漲的創新積極性,有助于金融科技上市公司資產和銷售增長,增加利潤、業績以及競爭優勢,帶來更好的發展前景,從而降低金融科技板塊系統性風險。因此,金融科技發揮風險承擔效應來提升企業風險承擔水平,從而降低其股票市場系統性風險。假設3得證。

五、穩健性檢驗

(一)替換核心解釋變量

為保證研究結果的穩健性,本文首先替換被解釋變量,選取兩個常見分位數(q=0.01、q=0.1)回歸估計值反映金融科技板塊系統性風險。結果如表5列1、列2所示,無論是在q=0.01分位數下還是q=0.1分位數下,金融科技發展(Fintech)與其股票市場系統性風險(CoVaR1、CoVaR10)的系數均顯著為負;其次,替換核心解釋變量,借鑒郭峰等根據城市采用數字普惠金融與上市公司進行匹配,衡量地級市或直轄市層面金融科技發展水平,把北京大學數字普惠金融指數作為解釋變量進行基準回歸[27]。結果如表5列3所示,數字普惠金融(Index)與金融科技板塊系統性風險(CoVaR)的系數均顯著為負。以上結果與基準回歸結果一致,說明研究結果的穩健性。

表5 穩健性檢驗

(二)滯后一期的被解釋變量

在金融科技對其股票市場系統性風險的回歸分析中,可能存在反向因果問題,導致回歸結果的有效性受到一定影響。本文選擇滯后一期的金融科技板塊系統性風險作為被解釋變量帶入基準模型,檢驗上一期金融科技對當期金融科技板塊系統性風險的影響。結果如表5列4所示,金融科技發展(Fintech)與滯后一期金融科技板塊系統性風險(l_CoVaR)的系數顯著為負,與基準回歸結果一致,說明研究結果的穩健性。

(三)工具變量

為進一步解決反向因果的內生性問題,本文選擇滯后一期金融科技發展作為當期金融科技發展水平的工具變量帶入基準模型。結果如表5列5所示,滯后一期金融科技發展(L_Fintech)與金融科技板塊系統性風險(CoVaR)的系數顯著為負,與基準回歸結果一致,說明本研究結果依然穩健。

六、異質性討論

(一)不同時間段下:2012—2015年,2016—2021年

考慮到金融科技的“兩面性”,檢驗不同時間段金融科技對其股票市場系統性風險的抑制作用是否有變化,故本文把樣本區間(2012—2021)劃分為2012—2015年、2016—2021年,其中,2012年至2015年是互聯網金融興起的年份,2016年至2021年是金融與科技強強聯合高速發展的年份,根據模型(1)進行分組回歸。結果如表6列1、列2所示,無論是2012—2015年還是2016—2021年金融科技與其股票市場系統性風險的系數均顯著為負,且2016—2021年的系數絕對值高于2012—2015年,說明金融科技對其股票市場系統性風險的抑制作用存在時間上的異質性。在2012年至2015年間,股票市場的風險時點有2012年醫藥和食品飲料行業A股頻頻爆發“黑天鵝”事件、2015年股災等,該階段為互聯網金融興起階段,金融科技上市公司風險抵御能力不強,難以有效抑制金融科技板塊系統性風險;在2016年至2021年間,股票市場的風險時點主要包括2016年A股“熔斷”事件、2018年英國脫歐“黑天鵝”事件、2020年新冠疫情等,該階段是金融與科技深度融合的階段,盡管股市異常事件沖擊股票市場,但金融科技上市公司風險抵御能力很強。例如,2020年新冠疫情造成公司股市風險,金融科技助力抗疫顯實效,疫情防控總體形勢逐步向好,降低了金融科技板塊系統性風險發生的可能性?？梢?在2012年至2015年間金融科技抑制其股票市場系統性風險的作用較弱,而2016年至2021年較強,金融科技對其股票市場系統性風險的抑制作用隨著時間的推移由弱變強,抑制作用大于累積作用進而呈現總體抑制。

表6 金融科技對其股票市場系統性風險的異質性影響

(二)不同市場態勢下:牛市年份和熊市年份

股市大盤態勢“時漲時落”,可能影響金融科技板塊系統性風險。故本文把樣本區間(2012—2021)劃分為牛市年份和熊市年份,其中2012、2014、2017以及2019年劃分為牛市年份,其余歸為熊市年份,根據模型(1)進行分組回歸。結果如表6列3、列4所示,無論是牛市年份還是熊市年份金融科技與其股票市場系統性風險的系數均顯著為負,且熊市年份的系數絕對值略高于牛市年份,說明“越牛市越危險,越熊市越安全”“站得高摔得慘”牛市的風險一向都比熊市更大,相對于牛市年份,熊市年份由于其自身風險遠遠小于牛市年份,使金融科技對其股票市場系統風險的抑制作用更強。

(三)不同市場化程度:市場化程度高和市場化程度低

金融科技是經濟社會發展到一定程度的產物,對其股票市場系統性風險的影響與企業所處的經濟環境也有一定關聯,其發展離不開良好的市場化基礎條件支撐。故本文借鑒樊綱等編制的中國市場化指數的方法,采用地級市匹配上市公司來衡量企業市場化程度[30],按照樣本中位數分為兩組,包括市場化程度較高組(大于中位數)、市場化程度較低組(小于中位數),根據模型(1)進行分組回歸。該指數越高,說明該地區市場化程度越高。結果如表6列5、列6所示,市場化程度高和市場化程度低兩組中,金融科技與其股票市場系統性風險的系數均顯著為負,且市場化程度較高組的系數絕對值略高于市場化程度較低組,說明相對于市場化程度較低組,市場化程度高的金融科技上市公司自身內部監管系統完善,管理層難以隱匿企業負面信息以及躲避外部監管機構的治理,抑制了金融科技板塊系統性風險。

七、結論和建議

(一)結論

本文以2012—2021年金融科技上市公司數據作為研究樣本,實證檢驗金融科技對其股票市場系統性風險的影響以及作用機制,得出以下結論:第一,金融科技有效抑制其股票市場系統性風險。金融科技各業務部門雖產生風險的累積作用,但存在階段性特征,隨著技術的不斷發展和提高,金融科技模式與模式轉型過程中,更加注重在推動金融科技發展中防風險。而金融科技整體廣泛應用于各領域,擴大金融服務覆蓋面,提升金融資源配置效率,從而增強了金融系統的穩定性,因此,金融科技對其股票市場系統性風險的抑制作用大于累積作用進而呈現總體抑制趨勢;第二,金融科技通過提高市場交易信息透明度、提升企業風險承擔水平兩條路徑,降低其股票市場系統性風險。一是金融科技在大數據、人工智能等先進技術支持下發揮信息優勢,以較低的信息成本與風險處理海量數據,增強信息獲取能力和改善信息環境,規避逆向選擇與道德風險問題,實現對管理層的有效監督,發揮信息效應來改善市場交易信息透明度,從而降低金融科技板塊系統性風險;二是在股票流動性和代理沖突問題的影響下,金融科技發揮風險承擔效應來提升企業風險承擔水平,從而降低金融科技板塊系統性風險;第三,基于異質性討論,不同時間段、市場態勢、市場化程度下金融科技抑制其股票市場系統性風險的程度不同。金融科技抑制其股票市場系統性風險存在時間上的異質性,金融科技雖產生風險的累積作用,但存在階段性特征,在樣本期間隨著時間的推移抑制作用由弱變強大于累積作用進而呈現總體抑制,亦可見中國金融科技監管實行的有效性。金融科技對股票市場中市場化程度較高的企業風險抑制作用較強,并在“熊市”表現更為明顯。

(二)建議

為防范化解金融科技板塊系統性風險、維護股票市場穩定具體對策建議如下。

第一,從投資者、公司、監管機構各方出發,防范金融科技板塊系統性風險。對于股市投資者而言,應加強金融知識儲備,提高金融素養,做到不盲從、不跟風,情緒不過度樂觀和悲觀,準確判斷股市“冷”和“熱”后理性投資;對于金融科技上市公司而言,無序發展積累經營風險導致集中“暴雷”,應完善其市場準入制度,規范業務原則,加強內部自治和外部評估的風險管理,激勵金融科技創新并引導公司之間良性競爭,才能有效防控金融科技板塊系統性風險。同時,不斷提升企業自身風險承擔水平,為金融科技創新奠定堅實基礎;對于金融監管機構而言,及時監管不實信息和信息操縱行為,防止股市動蕩和局部投機泡沫。

第二,政策支持金融科技企業,推動股票市場穩定發展。政府部門應出臺相關政策鼓勵金融與科技、科技與股票市場相互融合,提升市場交易信息透明度,提高股票市場信息效率,充分發揮股票市場資源優化配置作用。針對熊市年份、市場化程度高企業給予政策傾斜,發揮金融科技助力防控股市系統性風險和穩定股票市場的作用。此外,制定金融科技專項扶持政策,將財政資金精準投放實體企業,為完善金融科技底層架構、健全金融科技載體建設提供充裕資金保障,也為實體企業創新發展不間斷地輸入創新動能。

第三,把握中國金融科技發展特點,完善金融科技板塊信息的披露和監管。金融科技發展依靠信息技術優勢完善企業信息披露制度并加強股票市場監管。首先,健全以信息披露為中心的股票發行注冊制,切實把好“入關口”,加大金融科技上市公司信息披露違法、操縱市場等犯罪行為的刑罰力度;其次,構建中國金融科技監管體系,明確金融科技監管界限和各金融科技業務部門的職責定位,實現監管主體和監管行為的協調配合,提高監管效能形成強大合力;最后,借鑒發達國家經驗,引入監管科技,運用數據挖掘、人工智能等先進技術,提高信息共享效率,監測資金流向、融資利率以及潛在風險。