开放数据和API接口采用研究——基于美国银行业的分析

简介

近几十年来，银行业的格局发生了转变，传统银行采用信息技术（IT），金融科技公司（FinTechs）的出现给零售银行业带来了额外的压力。此外，近年来金融服务领域也出现了推动开放数据的趋势，这体现在一些国家和司法管辖区的开放银行监管举措中，这些举措迫使银行为客户提供更多获取其数据（如交易和信用记录）的途径，并在与其他第三方提供商和金融机构共享此类数据方面拥有更多控制权。例如，欧盟国家和英国正在通过实施《欧盟支付服务指令 2》（PSD2）和开放银行倡议，努力建立一个开放的金融框架。虽然美国有关开放银行的讨论更侧重于自愿性的市场倡议，但最近的监管倡议旨在提高银行客户的数据便携性。特别是，拜登政府于 2021 年 7 月 9 日发布了一项行政命令，“鼓励消费者金融保护局（CFPB）发布允许客户下载并保存自身银行数据的规则”。

为了使银行客户数据更容易访问和携带，银行实际上采用了外部应用编程接口（API），供外部第三方访问。然而，采用 API 会对传统银行模式下银行对客户数据的信息垄断构成重大威胁，并导致来自其他银行和金融科技初创企业的更多竞争。例如，第三方供应商可以通过汇丰银行的开放银行 API 访问用户的银行账户信息。一旦用户授予权限，应用程序就可以安全地访问账户余额、交易历史等信息。此外，汇丰 API 还支持经用户同意的转账和支付处理，帮助用户更有效地管理财务。此外，采用开放式银行会带来相当大的投资成本（由于其对整个银行架构的影响以及网络安全风险和数据隐私挑战。不过，开放银行的支持者认为，采用开放银行战略所需的可用数据和数据共享的增加可能会扩大贷款和支付服务的市场。此外，银行引入API可以通过与第三方更有效的数据共享提高生产率，促进贷款流程自动化，并通过获取更多数据进行更准确的风险评估。

本文分析了美国银行采用 API 的决定因素，以及在拜登总统行政命令宣布前后，采用 API 对通过 API 传输信息和银行绩效的影响。具体而言，本文旨在回答以下问题：(1) 银行的竞争压力和信贷风险考虑如何影响 API 的采用；(2) 银行采用 API 对银行绩效和银行内部信息流有何影响；(3) 2021 年 7 月拜登行政命令公布前后的影响是否不同；(4) API 对银行绩效的影响在不同类型的 API 中是否表现出异质性？

数据和样本选择

3.1 样本选择

本文的样本包括所有公开上市的银行公司（即 SIC（标准行业分类）代码在 6020 至 6999 之间的公司），这些公司的信息来自 Compustat 和 CRSP 数据库，时间跨度为样本期所涵盖的年份（2007-2022 年），其中涵盖了银行的财务信息。

本文从 Compustat 年度文件和 BankFocus 中提取美国上市银行的财务数据。剔除年末股价低于 1 美元的公司、总资产和账面权益年度观测值为负值的公司，以及财务数据不足以计算分析中相关变量的公司后，最终样本包括 5,692 个公司年度观测值（713 家唯一的银行）。为消除异常值的潜在影响，本文对所有连续变量进行了 1%和 99%百分位数的筛选，以减轻异常值的潜在影响。

3.2 银行采用 API 的情况

API 数据从银行的官方开发者网站以及一些 API 和开放式银行集成平台（如 Programmable Web、APIdashboard、Openbanking tracker、Platformable 和 APItracker）手动收集。本文分析了银行随着时间推移采用 API 的情况，如图 1 和图 2。

图 1 显示了 2007 年至 2022 年样本期间的 API 和 API 银行的增长和累积情况。柱状图显示了 API 银行和银行 API 的累计数量，折线图显示了每年新增的 API 银行和 API 数量。在 2020 年和 2021 年，采用 API 的银行数目大幅增加，显示银行业采用 API 的趋势日益明显。图 2 显示了样本期内美国各州采用 API 的银行（API 银行）的分布情况。

3.3 描述性统计

表 2 中列出了总体样本（全样本）以及有和没有 API 的银行子样本的简要统计数据，包括全部样本和两个子样本中相关变量的平均值和标准差（SD）。统计时间为 2007 年至 2022 年，涵盖了越来越多银行采用 API 的主要时期。

表 2 中的汇总统计数字揭示了采用和未采用 API 的银行的特征，直至 2022 年，样本中只有约 3% 的美国上市银行（713 家银行中的 22 家）采用了 API。与未采用API的银行相比，采用API的银行往往拥有更大的平均总资产（银行规模）、更高的投资回报率（ROA）和非利息收入（NII）水平，以及更高的市值（MRKTV）和托宾Q值。此外，拥有 API 的银行贷款规模更大，员工数量更多，杠杆率和现金持有量更高，资本成本更低，信用风险（由不良贷款率（NPL）决定）普遍更低，运营效率（Efficiency）更高，产品相似性（Similarity）和产品流动性（Fluidity）相对更低。本文在第 4.1 节中使用逻辑回归法正式检验了采用 API 的决定因素。

实证结果

4.1 采用 API 的决定因素

研究表明，银行的盈利能力、银行规模、城市市场占有率、银行控股公司成员资格、分支机构密集度、资本资产比、不良贷款率等银行特征对采用银行网站和网上银行服务起着至关重要的作用（Furst 等，2002 年；DeYoung 等，2007 年；Hernandez-Murillo 等，2010 年）。为了根据银行的具体特征分析决定采用 API 的因素，本文采用了以下逻辑回归方法：

其中，API_banki 是一个时间不变的虚拟变量，如果𝑖 银行在样本期内采用了 API，该变量等于 1，否则等于 0。一旦一家银行在样本期内（2007-2022 年）采用了 API，那么它在整个样本期内都被定义为 API 银行。

为了研究影响 API 采用的因素，本文根据 API 采用前几年的观察结果纳入了银行特征。对于 API 银行，只保留采用 API 之前的观察结果，而对于非 API 银行，则包括 2017 年之前的观察结果，并进一步控制了年份固定效应阶梯𝑡。表 3 列出了基于 3,911 个公司年观察样本的方程（1）逻辑回归结果。

结论与假设3相一致，产品相似度（Similarity）较低的银行，在银行业内面临的竞争压力较小，更有可能采用和实施 API。银行规模（Bank Size）和运营效率（Efficiency）是采用应用程序接口的正向决定因素，因为拥有更多资源和资金的银行更有可能支付采用应用程序接口所需的巨额投资成本。此外，资本密集度较低的年轻银行更有可能采用 API 技术。在信贷方面，信贷风险管理较好（以不良贷款率、贷款损失准备金和风险加权资产衡量）的银行更有可能采用 API。此外，一级资本规模与更多采用 API 相关。

4.2 采用 API 与银行绩效

本文使用 Heckman（1976 年）提出的两步回归法来检验采用 API 后银行绩效的变化，以纠正自我选择。在第一阶段的回归中，使用 Probit 模型来估计选择方程，并生成包含在第二阶段中的反米尔斯比率（IMR）。在方程（3）所示的第二阶段回归中，将 IMR 包括在内，以考虑自我选择偏差。𝐶𝑜𝑛𝑡𝑟𝑙𝑜𝑠𝑖,𝑡 分别是一组时变企业控制变量；𝜖𝑖,𝑡 是误差项。具体来说见下表：

表4 显示了采用 API 对银行绩效的有利影响，符合假设1。第（0）列显示了 Heckman 第一阶段回归结果，第（1）-（4）列显示了采用 API 对银行绩效的第二阶段回归结果，其中包括 IMR 以考虑自选择因素。第（1）-（4）列分别报告了 API 对托宾 Q 和 ROA 的影响。其中，第(2)列和第(4)列中加入了公司和年份固定效应，而在第(1)列和第(3)列中没有加入年份固定效应。

在这一节，还进行了随时间变化的动态效应分析以及关于银行收益、成本和价值的滞后分析。

4.3 拜登总统行政命令的影响

为了检验拜登总统为实现银行客户数据可移植性而颁布行政命令前后的影响差异，本文对拜登总统行政命令颁布前后采用 API 的银行和未采用 API 的银行进行了差分分析。我们构建了一个虚拟变量 Biden_Post 来捕捉拜登总统于 2021 年 7 月颁布的行政命令的影响，其中拜登行政命令颁布前的时间段等于 0，而 2021 年及以后的行政命令颁布后的时间段等于 1。本文对以下回归模型进行了估计，通过在 API 采用率与 Biden_Post 之间加入交互项对方程 (3) 进行了扩展。

其中 i 和 t 分别表示银行和年份。基线模型中的主要变量是𝐴𝑃𝐼_𝐴𝑑𝑜𝑝𝑡𝑖,𝑡 和 Biden_Post。回归模型包括年份固定效应庣𝑡和公司固定效应𝜑𝑖。标准误差在公司层面聚类。表 7 列出分析的结果。

结果表明，虽然在拜登总统发布行政命令之前，采用 API 的银行的 ROA 有所提高，但托宾 Q 的提高和 LLP 的降低主要是在行政命令发布之后才对银行产生影响。因此，采用 API 后的积极影响至少部分来自早期采用的银行，而对 LLP 和托宾 Q 的影响似乎主要来自行政命令公布后的时期。因此，证实了现有文献强调的监管促进开放银行业务的有利影响（Babina 等人，2023 年），对于早期自愿采用者也具备有利影响。

渠道讨论：信息流

本文依据机制是，API 允许实时访问和共享数据，从而促进了数据的可移植性，提高了信息的质量和数量，这极大地服务于银行的两大业务：贷款和存款服务。

为了验证该信息流机制，本文考虑了几个变量来捕捉这一维度的变化，包括使用贷款损失准备金（LLP）来评估 API 驱动的信息整合如何降低信贷风险，以及使用存款资产比（Deposit/Asset ratio）来反映 API 整合的信息如何吸引新的存款客户，从而增加相关信息的流通。这些变量有助于捕捉 API 的影响，并通过带有公司特定固定效应和年度固定效应的信息机制模型进行分析。

本文首先研究了贷款损失准备金（LLP）的作用，该准备金是为减轻潜在违约而设立的，表明了银行对未来贷款损失的预期立场。如表 8 面板 A 第（0）列所示，API 的整合大大减少了贷款损失准备的数量，突出了信息技术在预测和管理信贷风险方面的功效。此外，本文根据银行的信贷风险对其进行了分层，采用不良贷款率（NPL）和LLP作为衡量指标。面板 A 的第(1)列、第(5)列和第(7)列中的分析表明，与高风险银行相比，NPL 和 LLP 较低的银行（即信用风险较低、筛选能力较强的银行）在采用 API 后，托宾 Q 的提升幅度明显更大。这表明，采用 API 的银行可以利用更广泛的信息和更丰富的历史数据集来完善贷款决策，从而有效地降低信贷风险，提高市场估值。这些发现阐明了应用程序接口在提高银行风险管理能力和贷款质量方面的关键作用，同时也表明了技术进步如何通过完善信息处理和决策支持框架来提高市场表现和金融稳定性。

之后，本文进行了稳健性检验和横截面差异分析。

结论

本文对采用开放银行战略的银行绩效进行了实证分析。虽然欧洲国家的监管机构要求银行开放，但实证结果揭示了美国银行大多自愿采用开放银行战略和应用程序接口的影响。采用 API 后，银行业绩有所改善，这支持了近期的文献，即银行采用 IT 和 IT 投资会对公司业绩产生积极影响，该结果也具备一定的异质性，与面临更多银行业竞争的银行相比，竞争压力较小的小型银行的业绩增长幅度更大。

本文为开放银行战略和外部应用程序接口的采用提供了新的证据，这有利于加强银行与一系列第三方之间的连接和互动，也是对以往有关开放银行、数字便携性和信息溢出的理论框架的重要补充，同时也展了关于金融科技及其对贷款行业影响的现有研究。

本研究还具有实践和政策意义，开放银行的举措和政策会对银行业的格局以及金融科技的竞争产生重大影响。与欧洲和英国采用的开放银行业务授权相比，本文研究结果为美国银行业采用开放银行业务的影响提供了启示。开放银行的采用对不同类型的银行产生了不同的影响，一些银行的业绩得到了提升，而另一些银行则可能出于竞争或合规的原因而采用应用程序接口，这可能会也可能不会带来业绩的提升。美国总统拜登于 2021 年 7 月 9 日发布行政命令，要求银行客户实现数据可移植性，本文区分了这一行政命令发布前后的时间段，说明了早期和晚期采用 API 的银行所受到的不同影响。研究结果表明，数据共享和数据可移植性的不断增加会给一些银行带来某些意想不到的后果和不利影响。考虑到拜登政府的行政命令前后的时间安排，数据可移植性和应用程序接口采用方面的监管压力在行政命令发布后有所增加，尽管较早采用的银行在行政命令发布前的投资回报率有所提高。分析表明，实施有针对性的政策可以增强监管的积极效果，而过于严格的监管则会影响银行的投资回报率。

文章转自微信公众号@人大金融科技研究所