监管科技与银行流动性风险：来自中国上市银行的证据7份

余飞 Xia，许燕 Lu，郝子明 Hao & 石惠仪 Shi 引用本文：虞飞霞，陆旭艳，郝子明 & 石会意（2024年9月9日）：内部监管科技（RegTech）与银行流动性风险：来自中国上市银行的证据，应用经济学 Letters，DOI: 10.1080/13504851.2024.2400310 链接至本文：https://doi.org/10.1080/13504851.2024.2400310 内部监管科技（RegTech）与银行流动性风险：来自中国上市银行的证据 余飞霞一个徐燕路b, 郑铭豪b和 荆宜石一个 一个商学院，江苏师范大学，徐州，江苏，中华人民共和国b中国-俄罗斯学院，江苏师范大学，徐州，江苏，中华人民共和国 摘要我们研究了内部监管科技（RegTech）对银行流动性风险的影响。基于2015年至2022年中国 关键词监管科技；银行；流动性风险；文本-采矿 JEL 分类G21; G28; O14 上市银行的数据库，我们最初采用文本挖掘方法从银行的年度报告中构建内部RegTech指数。随后，我们发现内部RegTech对银行流动性风险具有显著的缓解作用。在解决内生性问题以及在不同因变量代理和不同样本时期下，这一发现仍然稳健。可能的渠道是内部RegTech提升了监管能力，并减轻了银行的冒险行为。此外，我们的结果表明RegTech子指数之间存在一定的异质性。合规和技术基础子指数在影响银行流动性风险方面更为显著。这些发现为金融监管机构关于RegTech采用提供了有价值的启示。 I. 引言 博蒂丘，和塞尔吉2023（）并改善风险管理（Chao等）2022). 银行流动性风险指的是银行在负债到期时无法履行其支付义务的情况。传统银行理论强调，期限转换增强了银行的盈利能力，但同时也使银行面临流动性风险和银行挤兑的威胁。硅谷银行的倒闭震惊了全球金融体系，其中一个主要原因是流动性管理不善。当前的研究突出了流动性风险的决定因素，包括银行层面的因素（Abdul-Rahman, Sulaiman, 和 Mohd Said）。2018（）和货币政策（Nguyen, Nguyen,和 Duong）2023）。此外，金融监管是解决银行流动性风险的一个直接方法（Raz，McGowan，和Zhao）。2022). RegTech 可以由监管机构驱动，称为外部RegTech，这意味着采用技术来提高金融监管的效率和能力。内部和外部RegTech之间存在潜在的联系。从理论上讲，内部RegTech可以通过两种方式缓解流动性风险。监控和了解客户（Know-Your-Customer）系统可以直接识别潜在的风险并提供早期预警。间接地，内部RegTech建立了高效的信息和报告系统，这促进了自动和及时的监管。然而，关于内部RegTech对银行流动性风险作用的实证研究存在明显的空白。因此，本文旨在填补这一知识空白。本文的边际贡献有三： 严格的监管标准和传统监管模式给银行带来了诸多合规成本，由于监管滞后和不一致性而长期受到争议，这促使了监管科技（RegTech）的兴起。监管科技描述了在监管、监测、报告和合规中的技术使用（Buckley et al.）。2020). 定义属于由监管实体推动的内部RegTech，旨在提高合规有效性（Teichmann， 折叠。首先，我们参与关于金融监管与银行流动性风险之间联系的辩论，并提供了关于内部RegTech风险缓解效果的坚实证据。其次，我们是第一个对银行层面的RegTech进行测量并实证探讨其联系的研究。实证结果可以 补充RegTech在风险管理方面的丰富理论分析（Buckley等）。2020; 赵等2022). 最后，我们分析内部监管科技如何影响银行流动性风险。 内部银行年报中的RegTech指数。简要来说，我们选择一系列与RegTech相关的关键词，并统计这些关键词的词频。这些关键词的频率的自然对数被用作内部RegTech（lnRegTech)(详见附录A)。 第二部分 数据与变量 样本 控制变量 我们遵循Abdul-Rahman、Sulaiman和MohdSaid的研究。2018（）和 Raz、McGowan以及 Zhao（2022（）采用资产回报率（投资回报率), 银行规模 (尺寸括号内内容，资本充足率（ ）CAR)，净利息收益率（净利息收入（Net Interest Income）), 非利息收入比率 (NIIR），收入净利率（NPGOI)，营业收入行政费用（AEGOI)，以及总资产周转率（TAT). 摘要统计量和定义显示在表1. 我们选取了2015年至2022年在中国A股市场上市的41家商业银行作为样本。这些银行在2022年占据了整个中国银行业约84%的总资产。数据集从CSMAR数据库、商业银行年报以及国家金融监管局网站收集而来。 变量 因变量 计量经济模型 我们遵循Ghenimi、Chaibi和Omri的研究。2017）采用流动性比率（LDR以银行流动性风险指标（)作为代理，该指标计算如下： 为了检验内部监管科技对银行流动性风险的影响，我们构建以下双向固定效应模型： 在哪里LA并且LL表示流动资产和流动负债，分别。我们取其自然对数。LDR(LnLDR). 在哪里i并且t表示i-第银行和-t-年，分别。 The控制指出控制变量。δ并 且μ表示银行和年份固定效应，分别。ε（不能翻译）误差项。 核心解释变量 内部监管技术指数被用来衡量银行中监管技术的应用。我们采用文本挖掘方法来构建 第三部分结果 稳健性检验 结果：基线回归 内生性 我们最初遵循Borusyak和Hull（2023使用工具变量（IV）方法并构建Bartik IV（或Shift-Share IV），它是滞后一阶内部RegTech指数的乘积lnRegTechi;t在1（市场份额）以及内部RegTech指数的一阶时间差，Δ对RegTech的自然对数t;t在1(Bartik IV). 巴特克四号（Bartik IV）本质上使用份额和位移的加权平均数来创建预测。线性回归技术对于每个观测值。Bartik IV 潜在有效，因为它与残差不相关，因为 Bartik IV 中的初始份额和共同冲击是外生变量，不由当前银行的决策驱动，这符合独立性假设。此外，作为预测项，线性回归技术；Bartik IV 与内部 RegTech 水平高度相关，符合相关性假设。表3显示了两阶段最小二乘法的成果。 表 2显示基线估计的结果。系数为线性回归技术在所有列中，在5%的显著性水平上均显著为正，表明采用内部合规科技可以显著降低银行流动性风险。第（2）列指出，如果在其他条件不变的情况下，线性回归技术增加一个标准差，即：LnLDR 将增加26.45%，大约构成平均值的5.58%（=0.373 × 0.709/4.737）。LnLDR. 列 (3) 到 (6) 的结果显示，我们的发现对不同的聚类标准误差不敏感，这在一定程度上显示了我们结论的稳健性。结果与刘、王和张（Liu, Wang, and Zhang, ）的研究一致。2024尽管一些前期研究表明，金融科技降低了银行的流动性（唐，胡等）。2024) 并激发了企业风险承担 (Tang, Hou, et al.)2024), 我们的研究支持使用RegTech来缓解FinTech对金融不稳定可能产生的影响。 平方回归。列（1）显示 Bartik IV 在1%的水平上显著为正。同时，二阶段回归结果为： 事件观察。采用交错的双重差分（DID）方法来缓解内生性偏差，具体如下： 在哪里EAST时间是处理变量的交互项。表4建议EAST系数对于所有模型规格都具有显著的正值。从经济学的角度来看，LnLDR增加了5.83%（¼ 0:276 � 1=4:7 37) 在采用EAST后，如在第（2）列所示。结果再次与基线回归中的发现一致。我们进一步进行了平行趋势和安慰剂测试以进行稳健性检查（见附录C）。结果支持我们结论的一致性。 与...一致表 2确认了我们的预期。C统计量表明，银行级别的RegTech不应被视为外生变量。此外，Kleibergen-Paap rk LM统计量和Cragg-Donald Wald F统计量表明不存在识别不足或弱内生性担忧，这显示了工具变量方法的稳健性。 银行流动性风险的替代代理 我们采用流动性覆盖率比的自然对数（LnLCR) 作为因变量的代理，遵循巴塞尔III的要求。估计系数显示在（5）列中。表 4表明内部监管科技（RegTech）可以显著降低流动性风险。结果再次证实了实证研究的稳健性。 我们随后采用了一种与监管科技相关的准实验，即推广检查与分析系统技术（EAST）。1探讨内部合规技术（RegTech）在银行流动性风险中的作用。我们确定样本期从2012年至2022年，以确保有足够的预先— 横截面分析 备选样本周期 2015年6月，中国A股市场经历了历史性的下跌。巨大的市场波动可能蔓延至银行业，导致流动性危机。因此，我们删除了异常下跌的时期（即2015年），并在第（6）列展示了结果。表 4. 显著的正内部RegTech系数再次证实了我们的结果的稳健性。 内部合规科技（RegTech）在银行业不同的应用场景中可能扮演多种角色，并产生不同的影响。我们进一步将内部RegTech指数根据应用场景分为三个子指数：合规应用、监管应用和技术基础。列（4）至（6）中表5展示RegTech子指数的结果，揭示合规和技术 基础在影响银行流动性风险方面更为深远。一个可能的解释是，与监管机构的使用相比，它们在相对成熟和广泛的应用中发挥着更大的作用。 潜在渠道 内部与外部监管科技之间的联系表明，前者可以促进银行行为的自动和及时监管，从而增强监管能力。严格的监管和制裁可能进一步规范银行的风险承担（高锐等）。2020). IV. 结论 本文探讨了内部监管科技（RegTech）对银行流动性风险的因果效应。基于2015年至2022年中国上市银行的数据库，我们发现内部RegTech对银行流动性风险具有显著的缓解作用。在缓解内生性问题、采用不同的因变量代理和不同的样本期间后，这一发现依然稳健。可能的途径是，内部RegTech提升了监管能力并缓解了银行的冒险行为。 为了验证我们的假设，我们考察了内部监管科技对监管能力的影响，该影响由行政罚款的自然对数（ ）代理。LnAAP在列（1）-（3）中：（）表 5. 结果表明，内部合规科技（RegTech） 显著降低了LnAAP在5%的水平上，所有列的系数均为-0.570。一个可能的原因是内部监管科技可以帮助监管者准确识别银行的违规行为，并遏制银行的风险行为。2 合规与技术基础子指数对银行流动性风险的影响更为深刻。我们的研究提供了宝贵的启示。 巴克莱，R. P.，阿纳，D. W.，泽奇，D. A.，韦伯，R.H.2020《迈向监管科技之路：欧盟的（惊人）例子》《银行业监管杂志》21 (1): 26–36.https://doi.org/10.1057/s41261-019-00104-1赵，X.，冉，Q.，陈，J.，李，T.，钱，Q.，尔古，D.2022《金融稳定性监管中的监管科技（Reg-Tech）：分类、关键方法、应用与未来方向》《国际金融分析评论》80:102023.https://doi. org/10.1016/j.irfa.2022.102023高，J.，克莱纳，K.，帕采利，J.，和戈德斯坦，I.2020信用与惩罚：公司银行家因冒险行为受到处罚吗？《金融研究评论》33 (12): 5706–5749.https://doi.org/10.1093/rfs/ hhaa046Ghenimi, A., Chaibi, H.,Omri, M.A.B.2017《流动性风险和信用风险对银行稳定性的影响：来自中东和北非地区的证据》伊斯坦布尔证券交易所评论17 (4): 238–248.https://doi.org/1