收藏本站
《西北大学》 2016年
加入收藏

互联网金融对商业银行效率影响测度研究

王焕宇  
【摘要】:近年来,互联网金融的发展速度近乎“野蛮生长”,其爆发式的发展直接带动了我国金融行业的变革。商业银行是我国金融市场中最重要的组成部分,其运行的效率直接关系到金融市场的运行效率和经济的发展。基于这样的背景,本文研究互联网金融的发展是否会给商业银行的效率带来影响并分析影响的原理。通过研究,不仅可以了解我国商业银行运营的效率状况,还可以为其应对互联网金融带来的冲击提供针对性的建议。因此,这对于我国银行业的发展有着重要的意义。结合金融学、货币银行学等相关的理论体系,以占我国银行业资产规模近百分之八十的13家上市银行8年的面板数据,运用DEA方法测度了商业银行的三个层面的效率。然后建立动态面板数据GMM模型,研究互联网金融冲击下,对商业银行效率的影响。第一章写的是绪论部分,在阐明了选题背景和研究意义之后,着重提出了本文的研究思路,最后阐述了本文在相关研究领域可能产生的贡献。第二章为文献综述部分,总结之前学者对互联网金融和商业银行效率的研究;并介绍了本文的研究方法。第三章分析了互联网金融对商业银行技术效率和全要素生产率产生影响的机理。第四章和第五章通过建立模型,测度了商业银行的综合效率、技术效率和全要素生产率,并检验了互联网金融对其的影响。第六章总结了我国商业银行效率测度的结果,以及互联网金融对其效率的影响。并针对这些影响提出了应对的建议和措施。本文的主要结论如下:第一,从静态角度测度银行效率可以得出,我国商业银行的技术效率、纯技术效率在2007到2014年间总体保持着增长的态势。四大国有商业银行中效率表现较高的是中国银行,较低的是中国农业银行。股份制银行的技术效率值整体都高于平均水平,说明他们的业务发展技术和经营管理水平都是处于前列的。第二,从动态角度测度银行的Malmquist全要素生产率可以得出,我国商业银行的全要素生产率在2007到2014期间也总体保持增长。其中,技术进步指数是影响Malmquist指数高低的主要因素。第三,经本文验证,互联网金融从支付中介层面、信用中介层面、网络渠道技术层面对商业银行的效率产生影响。第四,互联网金融发展所带来的技术溢出效应,强有力地提高了我国商业银行Malmquist全要素生产率。
【关键词】:互联网金融 商业银行效率 非参数法 GMM模型
【学位授予单位】:西北大学
【学位级别】:硕士
【学位授予年份】:2016
【分类号】:F224;F724.6;F832.33
【目录】:
  • 摘要4-6
  • ABSTRACT6-11
  • 第一章 绪论11-18
  • 1.1 选题背景及研究意义11-13
  • 1.1.1 选题背景11-12
  • 1.1.2 研究意义12-13
  • 1.2 研究内容与方法13-15
  • 1.2.1 研究内容13-14
  • 1.2.2 研究方法14-15
  • 1.3 研究思路及框架15-17
  • 1.3.1 研究思路15-16
  • 1.3.2 本文技术路线图16-17
  • 1.4 本文的主要贡献17-18
  • 第二章 文献综述与相关理论基础18-27
  • 2.1 互联网金融基本理论18-20
  • 2.1.1 互联网金融的内涵18
  • 2.1.2 互联网金融的功能18-19
  • 2.1.3 互联网金融发展的原因19-20
  • 2.2 商业银行效率相关理论20-22
  • 2.2.1 国外对银行效率测度的研究20-21
  • 2.2.2 国内对银行效率测度的研究21-22
  • 2.3 互联网金融对商业银行效率影响的研究综述22-25
  • 2.3.1 国外关于互联网金融对商业银行影响的研究22-24
  • 2.3.2 国内关于互联网金融对商业银行影响的研究24-25
  • 2.4 测度商业银行效率的方法25-26
  • 2.5 国内外文献研究评述26-27
  • 第三章 互联网金融对商业银行效率的理论分析与假设提出27-33
  • 3.1 “二元市场结构”与商业银行技术效率27-30
  • 3.1.1 第三方支付的发展及其对商业银行支付中介职能的冲击27-28
  • 3.1.2 互联网信贷发展及其对商业银行信用中介职能的影响28-30
  • 3.2 互联网金融的技术溢出效应与全要素生产率30-33
  • 3.2.1 示范效应30-31
  • 3.2.2 竞争效应31
  • 3.2.3 联系效应31-33
  • 第四章 模型构建及指标选取33-46
  • 4.1 DEA效率评价模型的设定及指标选取33-40
  • 4.1.1 DEA效率评价模型的基本原理33-37
  • 4.1.2 DEA模型导向的界定37
  • 4.1.3 投入产出指标的选取37-40
  • 4.2 动态面板数据GMM模型的构建40-45
  • 4.2.1 动态面板数据模型40-42
  • 4.2.2 模型的设定42
  • 4.2.3 变量选取42-45
  • 4.3 样本选择与数据来源45-46
  • 第五章 商业银行效率测度和互联网金融对其影响实证分析46-58
  • 5.1 基于静态视角的我国商业银行效率的测度46-51
  • 5.1.1 综合效率测度结果的分析与讨论46-48
  • 5.1.2 纯技术效率测度结果的分析与讨论48-50
  • 5.1.3 DEA超效率测度结果的分析与讨论50-51
  • 5.2 基于动态视角的我国商业银行Malmquist全要素生产率测度51-54
  • 5.3 互联网金融对商业银行效率的影响分析54-58
  • 5.3.1 互联网金融对商业银行效率的影响检验54-56
  • 5.3.2 模型稳健性检验56-58
  • 第六章 研究结论及对策建议58-61
  • 6.1 研究结论58-59
  • 6.2 政策建议59-61
  • 6.2.1 商业银行应吸取可用的技术和管理经验59
  • 6.2.2 商业银行应积极与互联网金融展开差别化竞争59
  • 6.2.3 商业银行应准确判断互联网金融发展的未来趋势59-60
  • 6.2.4 商业银行与互联网金融应融合共生与共同发展60-61
  • 参考文献61-64
  • 致谢64

【相似文献】
中国期刊全文数据库 前4条
1 王靓;;浅谈Web3.0互联网营销模式[J];科技成果纵横;2008年01期
2 秦秋莉,葛禄青,郗钊;基于电子商务的互联网营销理论研究[J];科学学与科学技术管理;2001年06期
3 李碧浩;创造营销新环境[J];发明与创新;2003年10期
4 ;[J];;年期
中国重要会议论文全文数据库 前3条
1 冯丙奇;;公共关系视野下基于互联网的关系分析[A];新媒体:竞合与共赢[C];2007年
2 段美英;鲁绍坤;许亮;孙岩;;利用互联网促进云南农产品的销售[A];云南省作物学会2000—2003年优秀论文选集[C];2004年
3 虞苏妍;;移动互联网时代电信运营商创新营销模式的思考[A];2012全国无线及移动通信学术大会论文集(下)[C];2012年
中国重要报纸全文数据库 前10条
1 陈昌成;互联网营销中小企业不容错过[N];中国企业报;2005年
2 任续烨;互联网营销 走向新世界[N];中国计算机报;2005年
3 李国敏;互联网营销:中小企业准备好了吗?[N];科技日报;2005年
4 中国红河网 卢秀丽 黄锐;借助互联网营销美丽红河[N];红河日报;2013年
5 本报记者 姜业庆;呼啸而来的互联网营销[N];中国经济时报;2013年
6 北京商报记者 王万利;汽车互联网营销模式面临新变革[N];北京商报;2014年
7 本报见习记者 张末冬;银行业借力互联网技术前行[N];金融时报;2014年
8 孙奇茹;互联网营销也得靠产品说话[N];北京日报;2014年
9 本报记者 徐晶卉;互联网思维:“点”啥都成“金”?[N];文汇报;2014年
10 上海景域旅游营销服务有限公司;从“传统营销”到“互联网营销”[N];中国旅游报;2014年
中国博士学位论文全文数据库 前2条
1 张旸;关系导向、涉网度对关系质量的影响研究[D];大连理工大学;2007年
2 向坚持;互联网环境下的中小企业客户关系管理研究[D];中南大学;2010年
中国硕士学位论文全文数据库 前10条
1 杨婷;中小企业移动互联网营销模式研究[D];安徽大学;2014年
2 郝旭卿;银行互联网金融产品的定价模型设计[D];郑州大学;2015年
3 马彦伟;快汇宝互联网金融P2P项目商业计划书[D];兰州大学;2015年
4 马静;互联网金融对中国农业银行宁夏分行业务的影响及应对策略研究[D];宁夏大学;2015年
5 王京京;互联网环境下中国保险行业发展的思考[D];对外经济贸易大学;2015年
6 赵猛;互联网环境下零售企业核心竞争力评价研究[D];沈阳理工大学;2015年
7 黄金颖;平安财产保险公司移动互联网营销策略研究[D];广西大学;2015年
8 李崇瑶;兰州盛仕教育网络营销策略研究[D];兰州大学;2015年
9 付宝坤;互联网金融背景下云南省农村信用社发展策略分析[D];云南财经大学;2015年
10 钱俊;互联网金融时代下国泰君安证券发展策略的研究[D];华东理工大学;2016年
 快捷付款方式  订购知网充值卡  订购热线  帮助中心
  • 400-819-9993
  • 010-62791813
  • 010-62985026