互联网金融对商业银行活期存款影响的实证研究

吴芊惠

[摘 要]本文试图通过梳理互联网金融的发展模式对商业银行活期存款影响及主要特征，深入探讨互联网金融对商业银行传统业务的影响，进而提出商业银行和监管部门应对互联网金融的政策建议。

[关键词] 互聯网金融；活期存款；商业银行

1 引 言

近年来，随着电子商务的发展，互联网金融的服务范围不断变大，具有很强大的生命力。商业银行已经不能固步自封，必须直面互联网金融时代的挑战，并结合自身优势，稳住阵脚，谋求创新和发展。

2 模型构建

2.1 变量及模型的选取

本文通过建立多元线性回归模型来分析互联网金融对商业银行活期存款的影响，记为：

其中，Y为被解释变量，表征的是商业银行的活期存款情况；X1、X2、X3、X4、X5、X6为被解释变量，分别表征的是：居民消费价格指数、余额宝的七日年化收益率、第三方互联网支付、电子商务市场、网络购物市场、移动购物市场的交易规模。

2.2 模型中数据的选取

本文选取的时间序列数据均来源于国家统计局网站，并对相关数据进行了分析处理。

3 实证研究

3.1 单位根检验

根据Eviews操作结果可知，各原序列的单位根统计量都大于5%显著性水平下的ADF临界值，这就说明几个变量的原序列是不平稳的。经过一阶差分后，解释变量X3、X6的结果表明在5%的显著性水平检验下没有拒绝“存在单位根”的零假设。经过二阶差分后，X6的单位根统计量小于5%显著性水平下的ADF临界值，故拒绝“存在单位根”的原假设。因此，各序列数据中Y、X1、X2、X4、X5为一阶单整数据，X6为二阶单整数据。

3.2 协整检验

通过ADF检验，我们将所有变量调整为一阶单整（将解释变量X6进行一阶差分，使DX6=X6-X（-1）），并删去不满足时间序列单整条件的解释变量X3，进一步对时间序列数据进行格兰杰因果检验，结果显示几个变量之间存在一个长期协整关系，步骤在此略去。

3.3 模型的初步回归分析

为了研究互联网金融对商业银行活期存款的影响程度，本文通过普通最小二乘法对选取的变量进行模拟回归，以下是回归估计结果。回归结果见表1。

从整个模型来看，模型的拟合优度非常好，调整后的R^2为：0.974271，几乎接近于1，整个模型的F统计量为176.7103，表明所有的解释变量结合在一起对被解释变量的影响很显著。但与此同时，我们也可以通过查表观察出在此模型中，部分变量的回归系数不显著，且DW值为1.527860，模型中可能存在自相关性，需进一步对模型进行检验和修正。

3.4 模型的检验和修正

3.4.1 多重共线性的检验和修正

本文采用构建回归系数矩阵的方法来判断模型中各解释变量之间是否存在多重共线性问题，观察Eviews操作结果可知，本文模型中确实存在着多重共线性问题，需进一步对此问题进行修正。经过逐步回归法的修正，删去解释变量X1、DX6，保留模型如下：

3.4.2 异方差性的检验和修正

本文采用怀特检验法对模型中的异方差性问题进行了检验。观察Eviews操作结果可知，异方差检验的P值为0.521294，大于显著性水平0.05，接受原假设，即此时的模型中不存在异方差性，不需进行相关修正。

3.4.3 自相关性的检验和修正

本文采用DW检验法对模型中是否存在自相关性问题进行了检验，观察Eviews操作结果，查表可判断，模型中存在自相关性，需进一步对其进行修正。

利用对数线性回归和广义差分法对模型中的自相关问题进行修正，首先将模型中的各个变量取他们的对数，再利用广义差分法对模型进行修正。根据修正后新的Eviews操作结果可知，检验结果中DW值为1.850626，查表可判断，此时模型中不存在自相关性。

3.5 模型最终回归结果

采用普通最小二乘法对上述检验与修正后的变量进行模拟回归，可以得到以下结果，结果见表2。

从整个模型来看，模型的拟合优度非常好，调整后的R^2为0.960455，几乎接近于1。。个模型的F值统计量为207.4449，表明所有的解释变量组合在一起对被解释变量的影响比较显著。根据以上回归结果，可以看出各变量系数均在1%显著性水平下通过检验。

3.6 误差修正模型

由上述实证研究结果可知，模型中各变量之间存在一个长期均衡关系。但从短期来看，可能会出现失衡，为了增强模型的精度，可以把协整回归式中的误差项看作均衡误差，通过建立误差修正模型把互联网金融对商业银行活期存款的影响变化关系联系起来。由Eviews回归结果可知，互联网金融对商业银行活期存款的影响同时也存在一个短期的均衡关系，同时也验证了上一标题中所得结论。

4 结论

余额宝七日年化收益率和网络购物市场交易规模都对互联网金融的活期存款具有负效应，但是相对于网络购物市场交易规模，余额宝七日年化收益率的影响程度明显较低，故将结合这一研究结果提出商业银行的相关管理建议。

参考文献：

[1] 宫晓林，互联网金融模式及对传统银行业影响 [J].南方金融，2013（5）：86-88.

[2] 沈建国，沈家坤，杨赐.互联网对商业银行存款影响的实证研究 [J].哈尔滨商业大学学报，2015.

[3] 龚明华.互联网金融：特点、影响与风险防范 [J].商情，2016（20）.