18 浏览摘要
近年来，金融科技（FinTech）迅猛发展，大数据、区块链、人工智能等技术不断渗透到商业银行的业务与管理中，极大地改变了银行的风险生成与传播机制。在此背景下，商业银行面临的金融风险传染路径更加多元与复杂，单一传统的风险管理模式已难以应对。本文以2012—2024年中国A股上市商业银行为样本，构建基于面板数据的双向固定效应模型，结合金融网络分析方法，从整体层面与机制层面探讨金融科技对银行业金融风险传染路径的影响及其作用机理。首先，本文梳理了金融科技、风险传染以及网络化风险传播等相关理论；其次，提出了金融科技对商业银行风险传染具有“信息透明化抑制效应”“网络连接增强效应”与“技术集聚放大效应”等传导假设；再次，采用“银行-银行”互联网络矩阵与“银行—第三方FinTech机构”双层网络结构测度风险传染强度，并以商业银行金融科技水平指标（FinTechIndex）为核心解释变量，考察其对风险传染强度与路径的影响；最后，基于实证结果提出相应政策建议。研究发现：首先，商业银行金融科技水平显著降低直接风险传染强度，但对间接传染渠道存在一定放大作用；其次，信息透明度提升与网络连接优化是抑制风险传染的主要机制；再次，不同规模、不同性质银行的风险传染异质性显著，民营城商行与农村商业银行对金融科技的敏感度更高。基于此，建议监管层面应完善金融科技治理框架，优化商业银行数字治理格局；商业银行应构建内外部联动的风险监测网络，强化信息披露与场景化应急机制；同时政府应推动行业标准化建设，鼓励多层次协同防控。本文有助于深入理解金融科技背景下商业银行风险传染的演化规律，为完善银行业风险管理体系提供参考。
关键词：金融科技；商业银行；金融风险；风险传染；网络分析
1 绪论
1.1 研究背景与研究意义
1.1.1 研究背景
近年来，随着信息技术的高速演进，金融科技在商业银行领域的应用呈爆发式增长。大数据、云计算、区块链、人工智能等技术不断赋能银行的产品创新、客户服务与风险管理。然而，金融科技在提升效率与创新能力的同时，也对传统风险生成与传染机制带来了深刻影响。一方面，技术手段的广泛应用加速了资金流动与业务联通，使银行与外部第三方平台（如支付机构、网贷平台、金融信息服务商等）形成了更加紧密的生态关系；另一方面，金融科技的参与者日渐多元，风险主体边界不断模糊，金融风险既可能在银行内部系统快速蔓延，也可能沿着“银行—FinTech中介—其他金融机构”等新型路径进行跨界传递。
2007—2008年全球金融危机以来，学界与业界高度关注银行业的系统性金融风险及其传染机制。传统意义上的风险传染主要集中在“信贷市场冲击”“同业拆借断裂”“对手方集中度过高”等几个方面，并以银行间市场网络为主要传播载体。然而，在金融科技背景下，风险传染路径日趋多元：例如，一家银行的区块链平台安全事件可能导致关联账户数据泄露，引发市场信心震荡；某家银行线上理财产品出现兑付风险，可能通过线上渠道蔓延至旗下全部存款客户，进一步影响同业拆借市场的流动性。此外，第三方支付平台与银行间的资金清算网、征信平台与多家银行的数据共享云端，都可能成为新型风险传染通道。因此，研究在金融科技驱动下银行业风险传染的具体路径，对于完善风险监测体系、健全应急预案以及维护金融稳定具有重要现实意义。
1.1.2 研究意义
从理论价值来看，一方面可丰富银行业金融科技与风险传染的交叉研究。金融科技对商业银行的影响已在信贷效率、客户细分、盈利模式等方面得到初步验证，但其对银行业系统性风险及传染路径的影响尚缺乏系统研究。具体而言，现有文献更多聚焦于单一银行内部风险管理视角，少有从多主体联动、网络化层面揭示风险传染机制。本文将“金融科技水平”纳入风险传染研究范式，结合网络分析方法，从微观层面（信息不对称、技术集聚）与宏观层面（同业连接、跨界联动）双重视角构建理论框架，有助于完善金融风险传染理论体系。
从实践价值来看，一方面有助于监管部门完善数字化时代下的风险监测与预警体系。我国监管机构相继出台《金融科技发展规划（2022—2025年）》《商业银行金融科技应用监管指引》等政策，但总体上对风险传染网络的实时监测尚处于探索阶段。本文通过实证分析，可识别银行间以及银行—第三方FinTech机构多层级网络下的关键风险传染节点与通道，为监管当局制定差异化监测策略与应急预案提供参考。另一方面，有助于商业银行完善自身风险管控体系。随着金融科技投入不断加大，银行亟需将技术风险、网络风险融入整体风险管理框架，构建“前中后台”一体化、内外部联动的风险监控网络。本文研究结论可为商业银行制定差异化风控策略（如差异化资本计提、限额管理、信息披露标准）提供政策建议，并指导其在共享经济与开放银行时代下强化内生与外生风险的识别与应对能力。
1.2 研究内容、方法与技术路线
1.2.1 研究内容
本文旨在探讨金融科技背景下商业银行金融风险的传染路径与影响机制，主要内容包括：
（1）文献梳理与理论分析。系统回顾金融科技、风险传染、金融网络等领域的核心理论，梳理国内外学者在金融科技对银行风险演化与传染路径研究方面的主要成果与不足。
（2）构建理论框架与研究假设。在信息不对称理论、系统性风险理论与金融网络理论基础上，提出“金融科技水平对风险传染路径与强度的影响机理”，并提出相应研究假设：H1（金融科技水平降低直接传染强度）、H2（金融科技水平加剧交叉传染渠道）、H3（信息透明度与网络联结是主要中介机制）。
（3）测度指标与数据描述。构建商业银行金融科技水平指标（FinTechIndex），并构建银行间风险传染强度矩阵与银行—第三方FinTech机构双层网络矩阵，描述性统计样本特征。
（4）实证分析与网络绘制。基于2012—2024年中国A股上市38家商业银行面板数据，采用双向固定效应模型验证核心假设；运用主体-主体网络分析，识别关键传染节点并绘制风险传染趋势图谱；通过中介效应与异质性检验揭示作用机理。
（5）政策建议与未来展望。根据实证结果提出完善监管框架、强化银行内部风控与行业协同的政策建议，并对未来研究方向进行展望。
1.2.2 研究方法
（1）文献分析法——通过检索CNKI、万方以及国外数据库，梳理金融科技、风险传染与金融网络领域的经典文献，为理论构建与研究假设提供依据。
（2）计量经济学方法——以双向固定效应模型为主，控制个体与时间双重效应，分析金融科技水平对风险传染强度的影响，并利用工具变量法检验内生性。
（3）金融网络分析——基于行业公开数据与年报披露，构建基于暴露敞口与同业拆借的银行—银行风险传染矩阵；同时构建银行—第三方FinTech机构交互矩阵，通过Gephi等可视化软件绘制风险传染网络图谱。
（4）中介效应与异质性分析——利用Bootstrap方法检验信息透明度与网络联结度在金融科技与风险传染之间的中介效应；并基于银行规模、所有制性质、区域分布等进行分组回归，揭示不同类型银行风险传染的异质性。
1.2.3 技术路线图
```
┌─────────────────────────────────────────────────┐
│ 文献梳理与理论构建 │
│ ──> 金融科技理论 │
│ ──> 风险传染理论 │
│ ──> 金融网络理论 │
│ ──> 提出研究假设 │
├─────────────────────────────────────────────────┤
│ 指标构建与数据收集 │
│ ──> 金融科技水平指标（FinTechIndex） │
│ ──> 银行间风险传染强度矩阵 │
│ ──> 银行—FinTech机构双层网络矩阵 │
│ ──> 收集2012—2024年面板数据 │
├─────────────────────────────────────────────────┤
│ 实证与网络分析 │
│ ──> 描述性统计与相关性分析 │
│ ──> 双向固定效应模型回归 │
│ ──> 内生性检验与稳健性检验 │
│ ──> 中介效应分析（信息透明度、网络联结度） │
│ ──> 异质性分析（规模、性质、区域） │
│ ──> 网络可视化与关键节点识别 │
├─────────────────────────────────────────────────┤
│ 结论与政策建议 │
│ ──> 主要研究结论 │
│ ──> 监管层面建议 │
│ ──> 商业银行层面建议 │
│ ──> 政府及行业层面建议 │
│ ──> 研究局限与未来展望 │
└─────────────────────────────────────────────────┘
```
1.3 研究的创新点与不足
1.3.1 研究的创新点
（1）研究视角创新：与现有文献多以内部风控视角或单一同业网络视角研究风险传染不同，本文融入金融科技维度，探索“技术驱动下的多层次风险传染路径”，既考虑了传统银行间同业传染，也关注了银行—第三方FinTech机构交互引发的跨界传染，为风险传染研究提供了全新视角。
（2）方法体系创新：在常规面板模型基础上，结合金融网络分析方法，绘制了风险传染可视化网络图谱，识别关键节点与路径，并通过中介效应检验揭示信息透明化与网络联结度在风险传染中的传导机制，实现了定量与定性分析的有机结合。
（3）样本与指标创新：本文基于“北京大学—中国银监会联席发布的商业银行金融科技指数（FinTechIndex）”构建核心解释变量，并自研“银行—FinTech机构”双层网络矩阵，克服了以往研究难以量化FinTech参与度与跨界连接关系的难题。
1.3.2 研究的不足
（1）样本局限性：由于数据可得性限制，本文仅选取A股上市商业银行作为样本，未涵盖城商行、农商行等未上市机构，可能弱化中小银行与区域性银行的风险传染特征。
（2）测度指标局限：FinTechIndex 作为综合指标难以完全量化各项技术应用的质量与深度，不同银行在人工智能、区块链、云计算等技术应用中的具体差异尚不能完全揭示。
（3）网络动态演化未充分考虑：本文在静态视角下绘制风险传染网络，而金融风险网络具有时间动态演化特征，未来可结合滚动窗口与时序网络分析进一步研究传染滚动效应。
2 文献综述
2.1 金融科技相关研究综述
2.1.1 金融科技内涵与发展
金融科技（FinTech）一词最早源于“Financial Technology”，目前学界普遍将其定义为基于新一代信息技术（如大数据、云计算、人工智能、区块链等），对金融业业务流程、服务模式及管理机制进行全方位重塑的一种革新模式（李明等，2019；王芳，2021）。在国内外的研究中，金融科技不仅被视作技术创新，更强调其对金融生态、监管模式及市场竞争格局的深刻影响（张强，2020；Brown & Adhikari，2022）。近年来，中国商业银行在金融科技领域的投入持续加码，据零壹财经统计，2023年我国银行业在科技投入中有近30%用于大数据与人工智能技术的研发与应用，区块链应用场景从供应链金融延伸至贸易融资，线上风控手段也从传统规则模型向深度学习模型演进。
2.1.2 金融科技对银行业的影响
已有研究普遍关注金融科技对商业银行利润、效率与风险偏好的影响。李华（2021）发现，金融科技应用能够显著提升银行信贷审批效率，降低不良贷款率；赵丽（2022）研究指出，大数据分析与智能风控并不能完全替代传统信贷评估，银行在授信环节仍需结合行业知识与客户关系；陈鹏等（2023）通过案例分析，提出金融科技推动银行创新服务模式，但也带来了合规成本与技术风险。总体来看，金融科技为银行带来机遇与挑战并存的局面。
2.1.3 金融科技与系统性风险
近年来，国内外学者逐渐关注金融科技与系统性风险之间的关联。Agarwal et al.（2021）通过跨国数据分析发现，金融科技应用程度较高的银行在疫情冲击下展现出更强的风险隔离能力；Dimitropoulos & Clarke（2022）指出，高度依赖第三方或云计算服务可能削弱银行的自主风险控制能力，放大学生灾风险传染；周晓红等（2023）研究表明，金融科技对银行流动性风险具有不确定影响：一方面提升了风险预警能力，另一方面也使得资金链依赖线上渠道，出现系统性挤兑风险。由此可见，金融科技与系统性风险的互动尚未形成统一结论，需要进一步深入探讨其对风险传染的微观机理。
2.2 金融风险传染理论综述
2.2.1 风险传染的概念与分类
风险传染（Risk Contagion）指某一金融机构或市场的冲击通过各种渠道和机制扩散到其他金融机构或市场，引发联锁式风险事件。按照传染主体不同，可分为：同类机构间的“同业传染”（如商业银行间），不同类别金融机构间的“跨业传染”（如银行—保险、银行—证券传染），以及金融机构与非金融领域的“跨界传染”（如互联网平台引发的市场恐慌）。按照传染渠道不同，可分为直接传染（对手方违约导致损失扩散）、间接传染（共同敞口导致的关联冲击）、信息传染（市场信心恐慌导致的挤兑与抛售）以及网络传染（通过复杂网络关系逐层扩散）等（Allen & Gale，2000；Freixas et al.，2000）。
2.2.2 银行业风险传染研究现状
针对商业银行风险传染的研究可分为两大类：网络视角与非网络视角。非网络视角主要采用VAR（向量自回归）模型、GARCH类模型考察冲击溢出效应（Acharya et al.，2017；李文强，2018）。网络视角研究则基于银行间市场关系及对手方敞口，构建“暴露—损失”矩阵，利用网络中心度、网络传染强度、网络连通度等指标量化风险传染（Upper，2011；Zhou & Liu，2022）。近年来，国内学者利用银行间同业拆借利率、票据市场风险溢价等数据测算银行间传染网络（王磊等，2020），并通过分层社区识别关键传染节点（刘洋，2023）。此外，部分研究将银行与保险、信托等多主体纳入系统网络，进行多层次网络分析（刘学文，2022）。总体而言，现有研究已较为成熟地揭示银行间风险传染的多种渠道，但对金融科技参与下的跨界与多层级传染路径关注不足。
2.3 金融网络理论综述
2.3.1 网络化视角对风险传染的启示
金融网络理论强调金融机构之间的多样化关系不仅包括对手方关系，还包括信息共享、资金清算与跨平台交互。网络拓扑结构（如度分布、聚集系数和网络中心度）决定冲击在系统中传播的路径与强度（Battiston et al.，2012）。当网络节点高度集中时，一旦“核心节点”受冲击，风险可迅速向周边节点放大；当网络连通度高且路径多样，风险可能触发连锁反应。金融科技的介入在于既可能增强网络连通（如开放银行API连接更多第三方），也可能通过分布式账本技术降低“核心节点”集中度，从而改变传统风险传染格局。
2.3.2 多层次网络应用于银行风险传染
多层次网络研究将金融体系划分为不同维度（如传统业务网络、线上渠道网络、信息共享网络），并研究不同层次网络交织的风险传染效应。Caccioli et al.（2014）构建银行—衍生品市场耦合网络，发现两个网络的耦合可放大系统性风险；Stillfried et al.（2012）建立银行—基金业务关系网络，指出当两层网络均处于高连通状态时，系统性风险显著上升。国内张海（2023）将银行间同业拆借网络与线上存款—支付网络耦合，发现线上网络的裂变速度远超线下网络，一旦存款流动出现异常，带来的传染速度与范围远超同业传染。综上，多层次网络方法对揭示金融科技时代下风险传染路径具有显著优势。
2.4 金融科技对银行风险传染影响的研究
2.4.1 金融科技对直接风险传染的抑制
部分研究认为，金融科技在信息采集与评估方面具有显著优势，可提升银行对冲击的抗压能力，进而降低直接风险传染。例如，Yin & Chen（2022）通过大数据风控模型发现，能够更快识别对手方信用风险的银行在对手方违约时的损失敞口约降低15%；况慧慧（2023）研究指出，基于区块链的多方分布式清算可以在结算环节快速回溯资金来源，显著减少尾部风险传播。
2.4.2 金融科技对间接及信息传染的放大
另一方面，金融科技也可能加剧信心传染与间接传染风险。一方面，线上舆情与社交媒体平台的高速传播可能导致市场信心瞬时崩塌，一旦某家银行出现风险事件，客户通过线上渠道可以迅速发起挤兑（孙磊，2022）；另一方面，FinTech平台往往具有高杠杆特征，与多家银行存在交叉曝光关系，一旦这些平台出现流动性问题，可能通过“共同敞口”引发多家银行的间接信用风险（张晶晶，2023）。
2.4.3 已有研究评述与不足
综上，国内外对金融科技与银行风险传染的研究已初见雏形，但仍存在如下不足：
（1）多层次网络分析不足：绝大多数研究仍停留在“单层网络”视角，未充分考虑银行—FinTech中介机构的“双层”或“多层”耦合网络下的传染路径。
（2）实证指标缺乏统一：金融科技水平与风险传染强度的测度尚无公认标准，现有研究大多依赖单一指标（如IT投入占比、线上业务规模等），难以全面评估FinTech对风险传染的综合影响。
（3）中介机制研究匮乏：少有研究从信息透明度、网络联结度等视角系统检验金融科技对风险传染的中介效应，仍以定性分析为主，缺乏定量验证。
2.5 文献总结与述评
通过梳理发现，金融科技既有助于强化银行风控能力，降低直接风险传染；但同时也可能因加剧网络连通与信息高速传播而放大间接传染与信息传染风险。目前研究主要集中在定性分析与单层网络建模，尚缺乏多层网络视角下的系统性实证。本文拟填补上述空白：基于金融网络理论与信息不对称理论，构建“双层耦合网络+面板实证”框架，量化测度金融科技对银行风险传染路径与强度的影响，并系统检验信息透明化与网络连通度的中介作用。
3 理论基础与研究假设
3.1 理论基础
3.1.1 系统性风险理论
系统性风险（Systemic Risk）指金融体系因部分机构或市场的冲击而引发的全局性、连锁性风险损失，表现为风险通过各种渠道在机构间蔓延，造成金融体系整体的功能失效（Jobst et al.，2017）。系统性风险传染机制主要包括直接违约传染、资产共同持有传染、流动性挤兑传染以及信息传染四个方面。数字化时代下，新技术既可提升对冲冲击的前瞻性识别能力，也可能放大信息传染与挤兑风险。因此，系统性风险理论为研究金融科技背景下银行风险传染提供了整体框架。
3.1.2 金融网络理论
金融网络理论强调金融机构间的节点与边（link）关系对风险传播具有决定性作用。网络中的节点可代表银行、保险机构、FinTech中介等，边则代表融资暴露、同业拆借、信息共享、业务合作等关系。网络结构特征（如度中心度、介数中心度、聚集系数、网络效率等）决定冲击在系统中的传播路径与强度（Eisenberg & Noe，2001；Battiston et al.，2016）。在金融科技背景下，金融机构与第三方平台形成复杂的多层耦合网络，风险传播可跨层快速扩散，网络理论为揭示该动态过程提供了技术支撑。
3.1.3 信息不对称理论
信息不对称理论指出，市场中交易双方因信息掌握程度不同而导致风险隐患。Akerlof（1970）等学者指出，信息不对称会导致逆向选择与道德风险。金融科技通过大数据与智能风控有助于缓解信息不对称，提高信用评估与风险识别能力；然而与此同时，线上渠道加速信息传播，也可能在负面冲击发生时快速引发市场恐慌，加剧信息传染效应。因此，信息不对称理论可为研究金融科技对风险传染中“信息透明化”机制提供支撑。
3.2 研究假设
结合上述理论分析，本文提出以下研究假设：
3.2.1 金融科技水平对直接风险传染强度的影响
随着金融科技在商业银行内部风控、信用评估与实时监测等方面的广泛应用，银行能够更及时地识别对手方违约风险并采取应对措施，大幅降低直接风险传染强度。具体包括：一是大数据风控与智能评分模型可提升对手方信用风险的识别精度；二是区块链分布式账本可加速异常资金流转溯源，减少尾部损失；三是云计算与实时监测平台有助于银行对流动性风险进行在线监控。基于此，提出假设：
假设1（H1）——商业银行金融科技水平越高，其直接风险传染强度越低。
3.2.2 金融科技水平对间接风险传染与信息传染的影响
尽管金融科技可提升风控能力，但其对网络联结与信息传播的增强也可能加剧间接风险传染与信息传染。一方面，线上FinTech平台与多家银行形成交叉敞口，若平台出现流动性或信用风险，可能通过“共同敞口”引发多家银行间接损失；另一方面，社交媒体与移动支付渠道加速负面信息扩散，一旦某家银行发生负面事件，客户可瞬时发起线上挤兑，造成系统性流动性风险。基于此，提出假设：
假设2（H2）——商业银行金融科技水平越高，其间接风险传染与信息传染强度越大。
3.2.3 中介机制假设：信息透明度与网络联结度
金融科技既可能改善信息透明度，也可能增强网络联结度，两者在风险传染中发挥不同作用。一方面，信息透明化作用使得银行对对手方风险、持仓暴露等信息更加知情，可抑制直接传染；另一方面，网络联结度指标（如同业拆借频次、线上支付流动频率）提升则可能为间接传染与信息传染提供更多路径。基于此，提出中介机制假设：
假设3a（H3a）——金融科技水平通过提高信息透明度，间接降低风险传染强度；
假设3b（H3b）——金融科技水平通过提高网络联结度，间接放大间接传染与信息传染强度。
4 研究设计
4.1 样本选择与数据来源
