题目：Does FinTech Innovation Improve Traditional Banks' Efficiency and Risk Measures? A New Methodology and New Machine-Learning-Based Evidence from Patent Filings（金融科技创新可以改善传统银行的效率和风险吗？一种新方法和来自专利文本的纯机器学习的新证据）
时间：2023.4.21（周五）16:30-18：00
地点：院系楼401会议室
报告人：方立兵 副教授（南京大学）
主持人：刘 浩 博士
报告摘要
We develop a new methodology that goes all-in machine learning to identify FinTech innovation, and, in turn, to construct a bank-specific proxy of such innovation in China. Since China stringently separates commercial (traditional) and investment banking services, this allows us to study the effects of FinTech innovation on the efficiency and risks of traditional banking. After mitigating endogeneity via propensity score matching and difference-in-differences, we show that FinTech innovation significantly improves banks’ efficiency in terms of profit, cost, interest income, and noninterest income. FinTech innovation also improves banks’ risk measures—including the overall risk (Z score), capital asset ratio, liquidity ratio, and the nonperforming loan ratio. Heterogeneity analysis further shows that FinTech has a greater positive impact on efficiency and risk measures for banks with greater labor intensity and higher managerial ability.
我们开发了一种新的、纯机器学习识别金融科技创新的方法，进而构建中国商业银行层面的金融科技创新代理变量。中国金融机构的严格分业经营，为我们研究金融科技创新如何影响传统商业银行经营效率和风险提供了独特的场景。通过倾向性得分匹配和双重差分法缓解内生性之后，我们发现金融科技创新显著提高了银行的利润、成本、利息收入和非利息收入效率。金融科技创新也改善了银行的风险指标，包括整体风险（Z评分）、资本充足率、流动性比率和不良率。异质性分析进一步表明，对于劳动强度大、管理能力强的银行来说，金融科技对效率和风险指标的正面影响更大。
报告人简介
方立兵 副教授
男，管理学博士，南京大学工程管理学院副教授
主要研究兴趣为资本市场和商业银行领域的金融大数据与智能风控，主持国家自然科学基金课题4项，主持教育部人文社科、中国证券业协会和上海期货交易所课题6项，在《管理科学学报》《数量经济技术经济研究》《中国管理科学》《Journal of Futures Markets》《Emerging Markets Review》等高水平期刊发表论文40余篇，出版专著1部，相关研究成果曾获省级科学技术进步二等奖。此外，作为主要成员参与编写“全国金融硕士核心课程规划教材”和“‘十二五’江苏省高等学校重点教材”各一部，担任中国系统工程学会金融系统工程专业委员会委员，国家自然科学基金项目通讯评审专家，《管理科学学报》《Journal of Futures Markets》《Emerging Markets Review》等期刊匿名审稿人等。
