我省金融業(yè)已經(jīng)進(jìn)入FinTechs3.0階段，但于既有文獻(xiàn)中，尚未同時探討非金融機構(gòu)與金融機構(gòu)本身發(fā)展金融數(shù)字化對銀行財務(wù)績效影響，因此本文搜集我省31家銀行之季資料，以普通最小平方法（OrdinaryLeastSquares,OLS）及分量回歸法進(jìn)行實證分析結(jié)果顯示：在其他條件不變下，金融科技公司進(jìn)入金融市場，使銀行財務(wù)績效愈差，但若銀行同時強化發(fā)展自身金融數(shù)字化，則使銀行財務(wù)績效愈好；另外，當(dāng)銀行面臨金融科技公司進(jìn)入金融市場時，同時強化自身金融數(shù)字化，則績效好的銀行受到金融科技公司影響程度較大，達(dá)到顯著負(fù)相關(guān)，但也刺激銀行積極發(fā)展金融數(shù)字化，并使其獲利更好；最后，透過跨分量檢定得知，績效好及績效差之銀行在受到外來金融科技公司影響時，本身是否發(fā)展金融數(shù)字化，產(chǎn)生顯著差異。關(guān)鍵詞：金融數(shù)字化、數(shù)字賬戶、金融科技公司、銀行財務(wù)績效TheInfluenceofFinancialTechnologyDevelopmentonBankPerformance:AQuantileRegressionApproachThedevelopmentofFinTechsinTaiwanhasenteredtheFinTechs3.0stage.Butintheexistingliterature,theimpactofthedevelopmentoffinancialdigitizationofnon-financialinstitutionsandfnancialinstitutionsonbankperformancehasnotbeendiscussedatthesametime.Therefore,wecollectthequarterlydataof31banksinTaiwan,andusestheordinaryleastsquaremethodandquantileregressiontoconductempiricalanalysis.Theempiricalresultsshowthattheentryoffinancialtechnologyfrmswillworsentheperformanceofbanks(ROEandROA),butifbanksalsostrengthentheirownfinancialdigitalization,theywillincreasebankfinancialperformance.Inaddition,whenbanksfacefnancialtechnologyfrmsenteringthefnancialmarketandatthesametimestrengthentheirownfinancialdigitization,bankswithgoodperformancewillbemoreaffectedbyfinancialtechnologyfrms,reachingasignificantnegativecorrelation.Butitalsostimulatesbankstoactivelydevelopfinancialdigitization,thebettertheycanmakeprofits;Finally,throughtheInter-quantiletest,itisknownthatwhetherbankswithgoodandpoorperformanceareaffectedbythefinancialtechnologyfrmsthemselvesdevelopfnancialdigitization,whichhasproducedasignificantdiference.Keywords:Financialdigitization,Digitalaccount,FinTechs,BankFinancialperformance在現(xiàn)今全球社會，人們透過3C產(chǎn)品滿足在食、衣、住、行、育、樂等方面需求，因此帶動整體與數(shù)字產(chǎn)品相關(guān)的商機；省內(nèi)外政府機構(gòu)開放多項金融業(yè)務(wù)數(shù)字化運用及松綁調(diào)整法規(guī)，象是我省政府于2015年建立金融科技發(fā)展白皮書行動計劃與修正相關(guān)措施及法規(guī)；各家金融業(yè)者漸漸朝向FinTechs3.0的數(shù)字化發(fā)展，無論是創(chuàng)立在線數(shù)字存款賬戶、智能客服、第三方支付或是AI分行、智慧理財?shù)鹊?，與此同時，越來越多非金融業(yè)之科技業(yè)者紛紛進(jìn)入數(shù)字發(fā)展剛起步的金融市場，與銀行業(yè)、保險業(yè)及證券業(yè)合作及分一杯羹。FinTechs3.0時代科技業(yè)爭相進(jìn)入金融市場，根據(jù)2017年KPMG報告指出，2015年全球在金融科技（FinTechs）的投資總額達(dá)470億美元，進(jìn)入金融市場的科技公司主要分成FinTechs及BigTechs，F(xiàn)inTechs涵蓋業(yè)務(wù)包括技術(shù)支援（如：數(shù)據(jù)探勘）、金融服務(wù)（如：銷售商品）及加值服務(wù)（如：金融商品比價），其主導(dǎo)市場能力較低，主要與銀行合作，例如Grab、Ola、OakNorth等企業(yè)；BigTechs多屬資金雄厚及知名度高之科技公司，例如Google、Apple等企業(yè)，易產(chǎn)生侵蝕傳統(tǒng)銀行業(yè)務(wù)，主要業(yè)務(wù)為運用先進(jìn)科技與廣大客戶網(wǎng)絡(luò)、客制化服務(wù)的金融服務(wù)。先進(jìn)國家的金融業(yè)與金融科技公司合作約有二至三年了，象是中國發(fā)展數(shù)字金融使得第三方支付在2013年底創(chuàng)造高達(dá)238億人民幣的交易數(shù)，不但改善人民交易方式、增加融資覆蓋率，也促進(jìn)金融包容性，完善的普惠金融讓一般客戶也能被金融業(yè)重視及尊重（Tang,Zhang,&He,2014）；歐洲經(jīng)濟(jì)穩(wěn)定之國家發(fā)展金融數(shù)字化后，使當(dāng)?shù)亟?jīng)濟(jì)發(fā)展水平更高，估計歐洲銀行業(yè)在未來五年會僅剩3％的分支機構(gòu)據(jù)點，未來大多數(shù)銀行轉(zhuǎn)向在線金融服務(wù)，銀行增加資本與金融科技公司合作，引入ICT（網(wǎng)絡(luò)、行動裝置及其他通信或信息技術(shù)）技術(shù)及提高ATM覆蓋率以提升銀行業(yè)績效、穩(wěn)定性及降低違約情況，除此之外，金融機構(gòu)之監(jiān)控系統(tǒng)也會進(jìn)行改善，避免因科技發(fā)展太快速而產(chǎn)生的風(fēng)險（DelGaudio,Porzio,Sampagnaro,&Verdoliva,2020;Druhov,Druhova,&Pakhenko,2019）；美國紐約身為全球第二金融中心，于1998年金融機構(gòu)開始與金融科技公司合作，發(fā)展基礎(chǔ)支付、理財、小額貸款、金融犯罪預(yù)防等功能，再加上2020年受到疫情影響，銀行業(yè)轉(zhuǎn)型并優(yōu)化分支機構(gòu)網(wǎng)絡(luò)和人員配置水平來節(jié)省開支，例如：創(chuàng)立新團(tuán)隊優(yōu)化搜索引擎結(jié)果及大數(shù)據(jù)分析改善在線目標(biāo)，使得銀行在績效及自然搜索流量等領(lǐng)域正向成長（Ashwin,Aditya,Saptarshi,Marukel,&Mateen,2020）；印度當(dāng)?shù)劂y行業(yè)認(rèn)為發(fā)展數(shù)字化使得內(nèi)部提高服務(wù)質(zhì)量、傳輸信息便利性提高、輕松訪問賬戶及提高員工的服務(wù)效率，而客戶可獲得比手動服務(wù)更便宜的服務(wù)及節(jié)省時間，例如在線支付轉(zhuǎn)帳、電子錢包等（Joshi&Parihar,2017）。50000004,00000030000002000000我省地區(qū)金融數(shù)字轉(zhuǎn)型較晚，政府于2015年才開放金融控股公司、銀行業(yè)、證券期貨業(yè)、及保險業(yè)可100％轉(zhuǎn)投資與金融科技公司合作，從事包括大數(shù)據(jù)分析應(yīng)用、云端科技、機器學(xué)習(xí)、生物辨識、自動化投資理財顧問、區(qū)塊鏈等技術(shù)；各銀行于2016年前后紛紛推出銀行數(shù)字賬戶，以優(yōu)惠的數(shù)字活儲賬戶存款利率及定存利率吸引消費者，至今數(shù)字賬戶開戶數(shù)呈現(xiàn)遞增成長，透過圖1所示，截至2020年第一季，銀行數(shù)字存款賬戶的開戶數(shù)已達(dá)415萬戶，較2019年底大幅成長22.65％；第二50000004,000000300000020000004,921,2404,150,2863,383,721115084880,4733919602016Q42017Q42018Q42019Q42020Q12020Q2現(xiàn)今社會慢慢走向智慧科技及無現(xiàn)金化，再加上2020年全球面臨疫情影響，帶動企業(yè)營運模式改變，金融業(yè)也漸漸打破傳統(tǒng)的經(jīng)營方式，越來越科技化。有鑒于既有文獻(xiàn)中，尚未同時探討非金融機構(gòu)與金融機構(gòu)本身強化發(fā)展金融數(shù)字化對銀行財務(wù)績效影響，故本研究欲探討我省地區(qū)銀行業(yè)強化金融數(shù)字化，對自身銀行財務(wù)績效影響及金融科技公司進(jìn)入金融市場對銀行財務(wù)績效影響為何？透過金融相關(guān)數(shù)據(jù)探討影響銀行財務(wù)績效變量的因子，判斷在我省目前發(fā)展的金融數(shù)字化是什么樣的局面，其結(jié)果將可提供我省各銀行及金融科技企業(yè)參考，提升業(yè)界競爭力。首先，本研究主要使用資產(chǎn)報酬率（ROA）及權(quán)益報酬率（ROE）作為被解釋變量，藉由資產(chǎn)報酬率（ROA）及權(quán)益報酬率（ROE）檢視銀行在強化數(shù)字化下及面臨金融科技公司進(jìn)入后，對其公司的績效影響程度。為一段期間內(nèi)公司運用總資產(chǎn)為股東創(chuàng)造出的利潤，期間為季資料，單位為百分比，可用于衡量銀行財務(wù)績效之指標(biāo)。公式如下：資產(chǎn)報酬率（ROA）=稅后損益／平均資產(chǎn)總額（二）權(quán)益報酬率（ROE）為一段期間內(nèi)公司運用股東權(quán)益為股東創(chuàng)造出的利潤，期間為季資料，單位為百分比，可用于衡量銀行財務(wù)績效之指標(biāo)，通常銀行的負(fù)債、資產(chǎn)太高較不適用，須搭配其他指標(biāo)象是資產(chǎn)報酬率使用。公式如下：權(quán)益報酬率（ROE）＝稅后損益／平均股東權(quán)益全球開始重視金融服務(wù)型態(tài)的改變，例如支付改以手機付款、存取款采用無卡輸入帳戶或是手機號碼存入ATM以及無須前往銀行即可辦理開戶等等，數(shù)字技術(shù)對金融業(yè)的重要性日益提高，如何更有人性化的貼近客戶、提供方便服務(wù)以及降低成本提高效益，故許多國家金融業(yè)及學(xué)者開始思考此問題。指金融機構(gòu)于我省地區(qū)所設(shè)置自動化柜員機服務(wù)機器，客戶透過磁條卡或芯片卡于機器辦理自助提款、存款、轉(zhuǎn)帳等金融服務(wù)，為FinTechs1.0時代誕生之產(chǎn)物，Akhisar,Tunay,andTunay（2015）及Rega（2017）的研究指出增加自動化柜員機服務(wù)機器設(shè)立，可降低柜臺作業(yè)成本、提升作業(yè)效率及服務(wù)質(zhì)量，其收集自金管會銀行局統(tǒng)計資料，單位為百臺。（二）電子票證消費金額（ECARD）指先行儲值再進(jìn)行電子支付多種消費的電子錢包，采用非接觸式芯片對應(yīng)兼容的讀卡裝機或裝置，即可靠卡感應(yīng)進(jìn)行電子支付扣款，單位為千萬元。電子票證特色為便利與易用性，讓人們交易方式省去攜帶現(xiàn)金或是找零的麻煩，目前種類包含悠游卡、一卡通、icash、有錢卡4種系統(tǒng)，現(xiàn)今省內(nèi)多家銀行與電子票證公司合作，對于銀行來說，連結(jié)電子票證可拓展其業(yè)務(wù)，讓更多潛在客戶及既有客戶愿意使用其商品，不但有助于提升信用卡市場的交易金額，也可降低銀行人事成本，銀行業(yè)應(yīng)該重視此功能對其獲利的影響（李詩黎，2020；林妤洵，2019）。（三）信用卡各產(chǎn)業(yè)網(wǎng)購交易金額成長率（EBU透過聯(lián)合信用卡處理中心收集全我省信用卡消費樣態(tài)，將公開資料分類成六大產(chǎn)業(yè)（食品餐飲、服飾、住宿、交通、文教康樂及百貨等），并加總計算國民各季度所有產(chǎn)業(yè)網(wǎng)購消費金額之成長率，單位為百分比。王鑫源（2020）的研究指出顯示我省使用信用卡進(jìn)行網(wǎng)絡(luò)購物非常盛行，且信用卡消費金額創(chuàng)新高，尤其偏好食品餐飲類，但網(wǎng)購易受到物價指數(shù)影響；失業(yè)率越高則會減少網(wǎng)購及實體文教康樂類的消費支出；其建議銀行應(yīng)與電商平臺合作，發(fā)行具有特色之信用卡。陸芊螢（2017）及周千華（2017）的研究指出近年來我省之銀行發(fā)展金融科技（FinTechs）之服務(wù)效率與獲利效率，發(fā)現(xiàn)行動銀行APP下載量和跨境網(wǎng)購支付系統(tǒng)皆與FinTechs整體效率呈顯著正相關(guān)，故得知銀行業(yè)應(yīng)認(rèn)真看待金融科技的影響。（四）流通金融卡數(shù)（CARDS）由于流通金融卡為FinTechs2.0銀行發(fā)展數(shù)字化之盛行產(chǎn)品，根據(jù)金管會銀行局2017年統(tǒng)計，單位為百萬張。我省平均每人擁有4.2張金融卡，且平均每張金融卡每筆交易金額為1.2萬元，除了信用卡外，銀行也重視客戶持有之金融卡數(shù)，在林一峰（2020）的研究指出我省FinTechs2.0銀行發(fā)展數(shù)字化之產(chǎn)品對銀行手續(xù)費凈收益之影響中，發(fā)現(xiàn)信用卡有效卡數(shù)與金融卡流通卡數(shù)對銀行手續(xù)費凈收益皆呈現(xiàn)顯著正向影響。（五）銀行業(yè)發(fā)展數(shù)字賬戶（EACCOUNT）數(shù)字賬戶為銀行提供透過網(wǎng)絡(luò)及手機應(yīng)用程序即可在線開戶、交易及理財?shù)确?wù)，其為FinTechs3.0時期銀行發(fā)展數(shù)字化之產(chǎn)物。由于金管會無法提供完整之歷年各家數(shù)字賬戶數(shù)，故本研究改以搜集各家公布創(chuàng)立在線數(shù)字賬戶之時間，并以本研究期間基期（2016年4月）進(jìn)行成立時間長短統(tǒng)計轉(zhuǎn)換成數(shù)值，例如，臺北富邦銀行于2016年4月29日創(chuàng)立數(shù)字賬戶，自研究基期2016年4月1日至2016年4月29日共29天，換算成數(shù)值則占了一年當(dāng)中的0.0216天，故在2016年第二季為成立了0.0216年。簡單來說，數(shù)字賬戶讓部分的銀行服務(wù)數(shù)字化、無紙化，使銀行節(jié)省人力成本，另一方面提升銀行獲利面（Abaenewe,Ogbulu,&Ndugbu,2013;Alghusain,Alsmadi,&Al-Qirem,2018;Rauf,Rauf,Mehmood,&Kamboh,2018;Yang,Li,Ma,&Chen,2018）。假說一：在其他條件不變下，銀行強化金融數(shù)字化（發(fā)展數(shù)字賬戶），則可使銀行財務(wù)績效（ROE及ROA）愈佳。當(dāng)前金融科技公司通過數(shù)字化優(yōu)化以及對新技術(shù)突破，與傳統(tǒng)銀行構(gòu)成了挑戰(zhàn)及合作，再加上2020年全球皆受到疫情影響，加快企業(yè)營運數(shù)字科技化，使得提供科技技術(shù)的金融科技公司蓬勃發(fā)展，未來銀行及金融科技公司極有可能為競爭關(guān)系，因為金融科技公司可在關(guān)鍵功能上提供銀行更高效的服務(wù)（Brandl&Hornuf,2017;Navaretti,Calzolari,Mansilla-Fernandez,&Pozzolo,2018），故選定金融科技公司相關(guān)變量作為分析。金融科技公司目前提供與銀行系統(tǒng)并行的服務(wù)，但由于多數(shù)金融科技公司不具銀行執(zhí)照，故從事些許銀行業(yè)務(wù)受到限制，例如發(fā)放貸款，未來法規(guī)更加松綁后，將可能達(dá)到擁有自給自足的系統(tǒng)及客群，因此可能取代傳統(tǒng)銀行（Brandl&Hornuf,2017），產(chǎn)生相互競爭的情形，Phan,Narayan,Rahman,andHutabarat（2020）也認(rèn)為金融科技公司增長對印尼41家銀行財務(wù)績效（ROA.ROE.YEA）產(chǎn)生負(fù)面影響，具替代效果，且得出金融科技公司對高市值、成熟及公營銀行的負(fù)面影響相對更大。由于目前我省無金融科技指數(shù)或指標(biāo)，故本研究搜集經(jīng)濟(jì)部商業(yè)司網(wǎng)站商工登記公示資料查詢服務(wù)中，篩選營業(yè)項目具有I301010信息軟件服務(wù)業(yè)、I301020資料處理服務(wù)業(yè)、I301030電子信息供應(yīng)服務(wù)業(yè)及I301040第三方支付服務(wù)業(yè)之金融科技公司，并統(tǒng)計實收資本額成長率，單位為百分比。假說二：在其他條件不變下，金融科技公司進(jìn)入金融市場，則使銀行財務(wù)績效（ROE及ROA）愈差。另外，Al-Dmour,Asfour,Al-Dmour,andAl-Dmour（2020）及Omarini（2018）的研究指出銀行在面臨金融科技公司進(jìn)入金融市場時，銀行發(fā)展數(shù)字化對銀行財務(wù)績效的影響，其中Al-Dmouretal.（2020）的研究指出東非共同體（EAC）中五個伙伴國家（布隆迪、肯尼亞、盧旺達(dá)、坦桑尼亞和烏干達(dá)）的銀行與金融科技公司一同參與移動貨幣創(chuàng)新（如同第三方支付），銀行會更加積極參與金融數(shù)字化且強化自身數(shù)字金融服務(wù)；Omarini（2018）的研究指出巴西外商銀行透過并購小型銀行并創(chuàng)建良好的內(nèi)部組織團(tuán)隊，快速整合不同客戶，并且對提升金融科技之基礎(chǔ)技術(shù)設(shè)施，因其意識到金融科技公司進(jìn)入在未來是具競爭性的，目前先采取與金融科技公司合作進(jìn)入新領(lǐng)域，同時也積極強化內(nèi)部團(tuán)隊、開發(fā)豐富數(shù)字化金融產(chǎn)品與API平臺，試圖與客戶產(chǎn)生積極互動來增加服務(wù)收入。假說三：在其他條件不變下，銀行在面臨金融科技公司進(jìn)入時，同時強化發(fā)展金融數(shù)字化，則使銀行財務(wù)績效（ROE及ROA）愈好。除了上述變量外，本研究加入銀行規(guī)模、銀行市值及營業(yè)費用，測試金融數(shù)字化對銀行財務(wù)績效的影響是否因銀行特征的不同而有所影響，銀行的績效是否會隨著不同的控制變量而不同；另外，根據(jù)多數(shù)文獻(xiàn)探討衡量銀行財務(wù)績效的指標(biāo)當(dāng)中，資產(chǎn)報酬率（ROA）及權(quán)益報酬率（ROE）最為被常使用及穩(wěn)定，故本研究選用為應(yīng)變數(shù)。根據(jù)所選取各家銀行之總資產(chǎn)取自然對數(shù)進(jìn)行衡量。FriederandApilado（1983）、LoandLu（2006）、RegehrandSengupta（2016）、黃兆銘（2017）等人的研究指出當(dāng)企業(yè)的規(guī)模越大越可獲得規(guī)模經(jīng)濟(jì)或范疇經(jīng)濟(jì)，其營運也較有效率，本研究預(yù)期銀行規(guī)模越大，績效越好。（二）營業(yè)費用率（OC）根據(jù)所選取各家銀行從事營業(yè)活動所需花費的各項費用占營業(yè)收入中的比重，單位為百分比。當(dāng)營業(yè)費用率越低，代表銀行費用支出越小，則績效水平越高（周千華，2017）。根據(jù)所選取各家銀行之凈值除以總資產(chǎn)進(jìn)行衡量銀行自償能力之大小，也就是說銀行市值越高，表示銀行資產(chǎn)質(zhì)量越好，風(fēng)險承擔(dān)能力越強，越有能力打銷呆帳，對銀行財務(wù)績效呈現(xiàn)正向影響，且對市值大的銀行財務(wù)績效呈現(xiàn)正向顯著影響（何其鈞，2019）。普惠金融、金融數(shù)字化及金融科技一直是這幾年各國金融市場積極探討的議題，Demir,Pesqué-Cela,Altunbas,andMurinde（2020）的研究指出透過分量回歸分析140個收入不同程度的國家在面對普惠金融是否存在差異，最終盡管金融包容性顯著減少了所有不平等分布的不平等現(xiàn)象，但僅對高收入國家產(chǎn)生顯著影響，而缺乏良好的基礎(chǔ)設(shè)施、金融知識及適當(dāng)法規(guī)保護(hù)的低收入國家則不顯著，故其認(rèn)為低收入國家政府的政策努力朝向創(chuàng)造金融科技和金融包容性創(chuàng)造有利環(huán)境，并服務(wù)于低收入群體。高晧榮（2017）的研究指出ATM增加對金控銀行當(dāng)中績效較佳及規(guī)模較大者可以達(dá)到正向影響，由于其擁有較多的資金可進(jìn)行設(shè)備上的提升、技術(shù)上的研發(fā)，再加上得到領(lǐng)先的信息，故能提早與金融科技相關(guān)產(chǎn)業(yè)合作，且經(jīng)營績效上得到較佳的表現(xiàn)。綜合上述得知，透過分量回歸可以提供更多不同分位數(shù)的估計結(jié)果，因此更能清楚的闡述被解釋變量的整個分配及是否產(chǎn)生顯著差異。假說四：在其他條件不變，銀行發(fā)展金融數(shù)字化下，則金融科技公司進(jìn)入會因銀行財務(wù)績效高低不同而產(chǎn)生差異的影響效果。本研究著重探討我省金融市場中的銀行業(yè)于2016年第二季至2020年第二季在強化銀行金融數(shù)字化及受到金融科技公司進(jìn)入，對銀行財務(wù)績效之影響。首先，排除了外國及大陸銀行29家與本省銀行38家當(dāng)中資料不齊全的大眾銀行、中國輸出入銀行、全省農(nóng)業(yè)金庫、渣打國際商業(yè)銀行、花旗（我?。┥虡I(yè)銀行、滙豐（我?。┥虡I(yè)銀行、星展（我?。┥虡I(yè)銀行，最終選用共31家銀行作為銀行樣本數(shù)。根據(jù)過去的文獻(xiàn)及目前社會走向數(shù)字化的趨勢，故本研究搜集各相關(guān)變量資料且建構(gòu)與應(yīng)變數(shù)間之預(yù)期影響，如表1所示：1+2-3+4+5+6+7+8-9+本研究為縱橫資料（PanelData）研究，根據(jù)過去文獻(xiàn)探討后篩選FinTechs1.0至FinTechs3.0之產(chǎn)物作為樣本，并以Stata軟件中普通最小平方法進(jìn)行初次回歸分析；并以分量回歸觀察銀行不同的績效是否會受到金融科技的影響以及受影響之程度是否不同。本研究主要采用復(fù)回歸分析，因有一個以上自變數(shù)，故首先我們須確認(rèn)與應(yīng)變數(shù)之間的關(guān)系，了解當(dāng)自變數(shù)為某一數(shù)量單位時，應(yīng)變數(shù)會產(chǎn)生之變化情形為何；第二，確認(rèn)其影響程度與方向；最后，利用自變數(shù)及估計出的方程式來推測應(yīng)變數(shù)之值，并使樣本觀察值與估計值的差異計算出平方和。復(fù)回歸方程式表示方式為：yit=Xi't+εit;i=1,2,…,N;t=1,2,…,T（1）其中，yit：為應(yīng)變數(shù)；Xit：為自變數(shù)；為估計參數(shù)矢量。接著，以極小化誤差平方法來估計，表達(dá)為：MinΣ(yit-Xi't)2上式可以求得一估計值。（二）分量回歸法（QuantileRegr針對一般最小平方法只能在平均值下觀察解釋變量對被解釋變量的影響，往往忽略被解釋變量分配兩端的情形，而且容易受到極端分配的影響，造成估計偏誤。KoenkerandBassett（1978）提出分量回歸模型，使用最小化加權(quán)誤差絕對值總和求出估計參數(shù)。經(jīng)由不同分量權(quán)重進(jìn)行估計，可以描繪出被解釋變量完整的條件分配，而且估計出的參數(shù)也較不易受到樣本極端值的影響。有關(guān)分量回歸目標(biāo)函數(shù)可以表示為： ·τ=argmin[Σ≥τ|yit-Xi'tβ|+Σ<(1-τ)|yit-Xi'tβ|]（2）其中0<τ<1，將上式非對稱加權(quán)誤差絕對值總和極小化，則可得出分量回歸參數(shù)估計值iτ。而此極小化估計過程一般式采用線性規(guī)劃方法求解最有效。此外，在實證結(jié)果中，我們也將進(jìn)行跨分量（inter-quantile）F檢定，分析變量在分量τ與分量（1-τ)的邊際效果是否存在顯著的差異，此F檢定是在模型估計完參數(shù)后，可以得到參數(shù)的變異數(shù)，則可以計算出F統(tǒng)計量。ROA(%)ROE(%)FINTECHS(%)EBUY(%)OC(%)MV(%)注：ROA（資產(chǎn)報酬率）=稅后損益／平均資產(chǎn)總額×100％；ROE（權(quán)益報酬率）＝稅后損益／平均股東權(quán)益×100％；FINTECHS（金融科技公司實收資本額成長率）=（當(dāng)期所有金融科技公司實收資本額之加總-上一期所有金融科技公司實收資本額之加總）／上一期所有金融科技公司實收資本額之加總×100％；EACCOUNT（銀行業(yè)發(fā)展數(shù)字賬戶）=（銀行數(shù)字賬戶成立時間-2016年4月1日）／365×100％；ATM（自動化柜員機服務(wù)機器）=當(dāng)期自動化柜員機服務(wù)機器之實際數(shù)量累計；ECARD（電子票證消費金額）=當(dāng)期使用電子票證消費之實際累計金額；EBUY（信用卡各產(chǎn)業(yè)網(wǎng)購交易金額成長率）=（當(dāng)期信用卡各產(chǎn)業(yè)網(wǎng)購交易金額-上一期信用卡各產(chǎn)業(yè)網(wǎng)購交易金額）／上一期信用卡各產(chǎn)業(yè)網(wǎng)購交易金額）×100％；CARDS（流通金融卡數(shù)）=當(dāng)期流通金融卡之實際數(shù)量累計；SIZE（銀行規(guī)模）=總資產(chǎn)取ln；OC（營業(yè)費用率）=營業(yè)費用／營業(yè)收入×100％；MV（銀行市值）=凈值／資產(chǎn)×100%本研究相關(guān)變量之?dāng)⑹鼋y(tǒng)計量匯整如表2所示，就整體而言，資產(chǎn)報酬率（ROA）的平均值為37.4％，其中最大值279％及最小值-153％皆為京城銀行，其差異極大，顯示此銀行經(jīng)營績效很極端。權(quán)益報酬率（ROE）的平均值為4.94％，最大值為20.68％，最小值為-11.45％。金融科技公司實收資本額成長率（FinTechs）平均值為58.07％，最大值為268.94％，最小值為2.16％，皆為正成長，可以得知近年來金融科技公司是穩(wěn)定且積極發(fā)展中。從銀行業(yè)發(fā)展數(shù)字賬戶（EACCOUNT）中可以得知，平均值為1.06，平均約在2017年開始越來越多人使用銀行開發(fā)之?dāng)?shù)字帳戶；中國信托銀行設(shè)立了63.1臺的自動化柜員機服務(wù)機器（ATM），為全臺據(jù)點最多的銀行，王道銀行則并無在我省設(shè)立自動化柜員機服務(wù)機器（ATM）。本研究采用皮爾森相關(guān)系數(shù)檢測兩兩變量間之相關(guān)程度，且判斷兩兩變量間是否有高度相關(guān)的問題，由相關(guān)系數(shù)分析表3得知，銀行資產(chǎn)報酬率（ROA）及權(quán)益報酬率（ROE）與金融科技公司實收資本成長率（FinTechs）、信用卡各產(chǎn)業(yè)網(wǎng)購交易金額成長率（EBUY）、營業(yè)費用率（OC）與銀行資產(chǎn)報酬率（ROA）及權(quán)益報酬率（ROE）呈現(xiàn)負(fù)向顯著；與銀行發(fā)展數(shù)字賬戶（EACCOUNT）、自動化柜員機服務(wù)機器（ATM）、電子票證消費金額（ECARD）、銀行規(guī)模（SIZE）呈現(xiàn)正向顯著相關(guān)；流通金融卡數(shù)（CARDS）與銀行資產(chǎn)報酬率（ROA）及權(quán)益報酬率（ROE）呈現(xiàn)正相關(guān)，但僅與權(quán)益報酬率（ROE）達(dá)到正向顯著相關(guān)；銀行市值與（MV）與銀行資產(chǎn)報酬率（ROA）及權(quán)益報酬率（ROE）呈現(xiàn)正相關(guān)但不顯著。由于多數(shù)研究設(shè)定0.5以下相關(guān)為較佳，本研究相關(guān)性分析中，除了金融卡流通卡數(shù)（CARDS）與銀行規(guī)模（SIZE）相關(guān)性達(dá)0.819顯著正相關(guān)外，絕大多數(shù)變量間相關(guān)性為0.5以下。1111-0.0000.22110.0070.001-0.11注：ROA（資產(chǎn)報酬率）=稅后損益／平均資產(chǎn)總額×100％；ROE（權(quán)益報酬率）＝稅后損益／平均股東權(quán)益×100％；FINTECHS（金融科技公司實收資本額成長率）=（當(dāng)期所有金融科技公司實收資本額之加總-上一期所有金融科技公司實收資本額之加總）／上一期所有金融科技公司實收資本額之加總×100％；EACCOUNT（銀行業(yè)發(fā)展數(shù)字賬戶）=（銀行數(shù)字賬戶成立時間-2016年4月1日）／365×100％；ATM（自動化柜員機服務(wù)機器）=當(dāng)期自動化柜員機服務(wù)機器之實際數(shù)量累計；ECARD（電子票證消費金額）=當(dāng)期使用電子票證消費之實際累計金額；EBUY（信用卡各產(chǎn)業(yè)網(wǎng)購交易金額成長率）=（當(dāng)期信用卡各產(chǎn)業(yè)網(wǎng)購交易金額-上一期信用卡各產(chǎn)業(yè)網(wǎng)購交易金額）／上一期信用卡各產(chǎn)業(yè)網(wǎng)購交易金額）×100％；CARDS（流通金融卡數(shù)）=當(dāng)期流通金融卡之實際數(shù)量累計；SIZE（銀行規(guī)模）=總資產(chǎn)取ln；OC（營業(yè)費用率）=營業(yè)費用／營業(yè)收入×100％；MV（銀行市值）=凈值／資產(chǎn)×100%首先，透過統(tǒng)計軟件STATA14進(jìn)行普通最小平方法（OLS）回歸分析六種模型下式（1）至式（6）對銀行財務(wù)績效（ROA及ROE）的影響，實證結(jié)果如表4所示，其中，式（1）及式（2）主要驗證假說一，銀行強化金融數(shù)字化（發(fā)展數(shù)字帳戶），是否可提升銀行財務(wù)績效；式（3）及式（4）驗證假說二，銀行面臨金融科技公司進(jìn)入對銀行財務(wù)績效的影響程度；式（5）及式（6）驗證假說三，當(dāng)銀行面臨金融科技公司進(jìn)入市場時，銀行也強化金融數(shù)字化（發(fā)展數(shù)字賬戶），是否可提升銀行財務(wù)績效。（0.000）（0.000）（0.000）（0.000）（0.330）（0.005）（0.093）（0.648）（0.052）（0.051）（0.063）（0.080）（0.085）（0.087）（0.000）（0.000）（0.000）（0.000）（0.000）（0.000）（0.000）（0.000）（0.000）（0.000）（0.000）（0.000）（0.399）（0.564）（0.350）（0.591）（0.441）（0.623）（0.000）（0.000）（0.001）（0.000）（0.001）（0.87）（0.004）（0.927）（0.022）（0.536）（0.043）（0.000）（0.000）（0.000）（0.000）（0.000）（0.000）（0.293）（0.506）（0.276）（0.444）（0.245）（0.433） （0.564）（0.000）（0.874）（0.002）（0.577）（0.007）AdjustedR2Numberofobs注：***代表1％顯著水平；**代表5％顯著水首先，普通最小平方法（OLS）回歸分析模型分析表的AdjustedR2解釋能力介于28%至37.71%之間，式（1）及式（2）實證結(jié)果中得出銀行強化金融數(shù)字化成立數(shù)字賬戶成立（EACCOUNT）對銀行財務(wù)績效資產(chǎn)報酬率（ROA）為負(fù)向不顯著影響；對銀行財務(wù)績效權(quán)益報酬率（ROE）則為顯著負(fù)向影響，故先否決假說一?，F(xiàn)階段進(jìn)入了FinTechs3.0，我省政府開放金融科技公司進(jìn)入金融市場，藉由式（3）及式（4）實證結(jié)果得知金融科技公司進(jìn)入對銀行財務(wù)績效資產(chǎn)報酬率（ROA）及權(quán)益報酬率（ROE）皆呈現(xiàn)負(fù)向顯著影響。雖然目前銀行在數(shù)字轉(zhuǎn)型上仍然不成熟及需要金融科技公司與之互相合作才能創(chuàng)造雙贏的局面，但依照結(jié)果顯示為負(fù)相關(guān)，代表金融科技公司的出現(xiàn)可能會造成銀行業(yè)績效產(chǎn)生不佳的成果；國外也有學(xué)者認(rèn)為金融科技公司增長對銀行財務(wù)績效（ROA.ROE.YEA）產(chǎn)生負(fù)面影響，具替代效果，而且金融科技公司對高市值、成熟及公營銀行的負(fù)面影響相對更大，年輕銀行更愿意嘗試金融創(chuàng)新技術(shù)（Phanetal.,2020），故支持假說二。緊接著，透過式（5）及式（6）實證結(jié)果得知，銀行面臨金融科技公司進(jìn)入金融市場，同時加強發(fā)展金融數(shù)字化，則對銀行財務(wù)績效資產(chǎn)報酬率（ROA）及權(quán)益報酬率（ROE）為正向影響。金融科技公司實收資本額成長率（FinTechs）在這段研究期間內(nèi)，對銀行財務(wù)績效資產(chǎn)報酬率（ROA）及權(quán)益報酬率（ROE）仍然是負(fù)向顯著影響。也就是說，銀行會受到金融科技公司影響，更加積極發(fā)展金融數(shù)字化，來提升銀行財務(wù)績效的獲利（Al-Dmouretal.,2020;Omarini,2018）。故得知金融科技公司進(jìn)入金融市場時，銀行同時強化金融數(shù)字化對銀行財務(wù)績效可達(dá)到由負(fù)轉(zhuǎn)正向影響，支持假說三。另外，藉由PanelDate檢定而設(shè)置Dummy檢測出這5年間臺灣31家銀行當(dāng)中，民營銀行面對金融科技公司進(jìn)入及自身發(fā)展金融數(shù)字化較公股及泛公股銀行積極且受到的刺激較大，皆呈現(xiàn)顯著負(fù)相關(guān)。緊接著，透過分量回歸分析分量于0.05、0.1、0.15、0.2、0.25、0.3、0.35、0.4、0.45、0.5、0.55、0.6、0.65、0.7、0.75、0.8、0.85、0.9、0.95的估計結(jié)果，估計變異數(shù)自體重復(fù)抽樣100次，我們也曾嘗試重復(fù)抽樣1000次及5000次，正負(fù)方向并無差異，故以重復(fù)抽樣100次結(jié)果呈現(xiàn)；另外，進(jìn)行跨分量（Inter-quantile）F檢定，分析變量在分量τ與分量（1-τ)的邊際效果是否存在顯著差異。（0.098）（0.388）（0.087）（0.142）（0.192）（0.177）（0.487）（0.635）（0.710）（0.396）（0.704）（0.673）（0.896）（0.877）（0.402）（0.098）（0.087）（0.142）（0.192）（0.487）（0.396）（0.673）（0.877）表5及表6分量回歸結(jié)果著重銀行強化金融數(shù)字化（發(fā)展數(shù)字賬戶）的變化程度，資產(chǎn)報酬率（ROA）較佳者本身發(fā)展數(shù)字賬戶（EACCOUNT）時間越長，則對其銀行財務(wù)績效資產(chǎn)報酬率（ROA）越好，對權(quán)益報酬率（ROE）較佳者也是如此，但對于本身績效已經(jīng)很好者（95分位）則強化金融數(shù)字化對其績效沒有帶來正向效果；故對于銀行財務(wù)績效較好者（80分位至90分位）越早發(fā)展數(shù)字賬戶對績效好的銀行是正面影響，表示績效較優(yōu)的銀行發(fā)展在線數(shù)字賬戶或其他金融數(shù)字化功能，金融電子化、數(shù)字化將為銀行帶來競爭優(yōu)勢，此與學(xué)者Raufetal.（2018）、Alghusainetal.（2018）及Yangetal.（2018）等研究有一致的發(fā)現(xiàn)。而透過跨分量F檢定結(jié)果看出僅對資產(chǎn)報酬率（ROA）的15分位及85分位跨分量F檢定具有顯著差異，亦即兩端分量較顯著，其他分位差異較不顯著。先前透過普通最小平方法（OLS）分析結(jié)果發(fā)現(xiàn)，金融科技公司進(jìn)入金融市場，對我省地區(qū)銀行財務(wù)績效是負(fù)向顯著的影響，也就是說會產(chǎn)生競爭的情形發(fā)生，使銀行獲利出現(xiàn)負(fù)成長。再根據(jù)分量回歸結(jié)果表7及表8所示，對于銀行財務(wù)績效資產(chǎn)報酬率（ROA）及權(quán)益報酬率（ROE）而言，銀行財務(wù)績效較好者，受到金融科技公司進(jìn)入之金融科技公司實收資本額成長率（FinTechs）皆為負(fù)向顯著影響，而績效較差者則是受到金融科技公司的影響程度較低而且不顯著，此結(jié)果與Phanetal.（2020）、Li,Spigt,andSwinkels（2017）、BrandlandHornuf（2017）之研究相符，表示金融科技的發(fā)展極有可能對銀行業(yè)產(chǎn)生競爭關(guān)系。而跨分量（Inter-quantile）F檢定則對此二者績效在極端值沒有產(chǎn)生顯著的差異。（三）同時考量金融科技公司進(jìn)入銀行業(yè)與銀行自身強化金融數(shù)字化發(fā)展對銀從表9及表11中，在金融科技公司進(jìn)入金融市場時，銀行同時強化自身金融數(shù)字化發(fā)展，無論對銀行財務(wù)績效資產(chǎn)報酬率（ROA）及權(quán)益報酬率（ROE）皆可看出績效好的銀行受到金融科技公司的發(fā)展影響程度很大，達(dá)到顯著負(fù)相關(guān)；跨分量檢定而言，資產(chǎn)報酬率（ROA）在95%及5%、90%及10%之分量有達(dá)到5%顯著水平差異，其他分位則部分是達(dá)10%顯著水平；權(quán)益報酬率（ROE）則是跨分量在90%及5%、85%及15%、80%及20%與60%及40%之分量有達(dá)到1%顯著水平差異。表示極端值在面對金融科技公司進(jìn)入，兩端所產(chǎn)生的影響是有不同。所以金融科技公司的發(fā)展對銀行而言，仍是處于競爭狀態(tài)。表10及表12中受到金融科技公司影響下，也刺激績效資產(chǎn)報酬率（ROA）及權(quán)益報酬率（ROE）較佳者積極發(fā)展金融數(shù)字化，而成立數(shù)字賬戶越久，使其獲利更好；對于績效差的銀行來說，積極強化金融數(shù)字化（發(fā)展數(shù)字賬戶）帶來的仍是負(fù)向的影響，但效果并不顯著；所以實時考量金融科技公司的影響下，銀行本身數(shù)字化發(fā)展還是會影響到銀行財務(wù)績效。（0.000）（0.001）（0.000）（0.000）（0.050）（0.83）（0.034）（0.257）（0.820）（0.153）（0.000）（0.383）（0.000）（0.164）（0.000）（0.167）（0.000）（0.220）（0.000）（0.049）（0.000）（0.000）（0.001）（0.000）（0.001）（0.000）（0.000）（0.126）（0.329）（0.058）（0.105）（0.132）（0.080）（0.097）（0.108）（0.065）（0.464）（0.075）（0.747）（0.026）（0.763）（0.028）（0.799）（0.030）（0.381）經(jīng)過分量回歸分析后，本研究亦將各分量回歸及普通最小平方法（OLS）回歸估計系數(shù)之95％信賴區(qū)間描繪于圖2當(dāng)中，橫軸為各分量以Quantilelevel表之，縱軸為估計系數(shù)以Estimate表之；其中，三條曲線為各分量回歸估計值及相對應(yīng)之95％信賴區(qū)間。于圖2-1分位圖顯示回歸系數(shù)隨著銀行財務(wù)績效分量增加而遞增，表示銀行財務(wù)績效越好，銀行強化金融數(shù)字化（發(fā)展數(shù)字賬戶）對銀行的邊際貢獻(xiàn)越高，也就是說，對于績效好的銀行，強化金融數(shù)字化（發(fā)展數(shù)字賬戶）則可以讓銀行達(dá)到正向效果；而圖2-2中對權(quán)益報酬率（ROE）的影響中，僅績效于80-90分位達(dá)到正向效果；透過圖2-3及圖2-4所示，中間分量較為平坦，且分位回歸估計系數(shù)呈現(xiàn)遞減的趨19圖2分量回歸分位圖勢；另外，面對金融科技公司進(jìn)入，銀行強化金融數(shù)字化對銀行財務(wù)績效分量回歸分位圖可藉由圖2-5至圖2-8所示，金融科技公司的進(jìn)入對銀行財務(wù)績效資產(chǎn)報酬率（ROA）不同，其影響較幅度較明顯，資產(chǎn)報酬率（ROA）較佳的銀行比權(quán)益報酬率（ROE）較佳的銀行，當(dāng)受到金融科技公司進(jìn)入而造成的負(fù)向影響更加顯著；與此同時，銀行強化金融數(shù)字化則是資產(chǎn)報酬率（ROA）較佳的銀行又比權(quán)益報酬率（ROE）較佳的銀行積極發(fā)展數(shù)字賬戶，更能使其獲利由負(fù)轉(zhuǎn)正，且為正向顯著影響。整體而言，我們的實證結(jié)果發(fā)現(xiàn)銀行在受到金融科技公司進(jìn)入的影響之下，積極強化金融數(shù)字化發(fā)展數(shù)字賬戶（EACCOUNT）能夠使銀行財務(wù)績效，無論是對銀行財務(wù)績效資產(chǎn)報酬率（ROA）或權(quán)益報酬率（ROE）較佳者，獲利能夠有更好的表現(xiàn)，由于外來的金融科技公司使得銀行業(yè)在競爭環(huán)境下，必須更加謹(jǐn)慎及認(rèn)真看待金融數(shù)字化的發(fā)展，故支持假說四。發(fā)展金融數(shù)字化與銀行財務(wù)績效之研究一直存在許多分歧之結(jié)果，迄今未能獲得一致之結(jié)論。我們認(rèn)為銀行財務(wù)績效不同在發(fā)展金融數(shù)字化上存在相當(dāng)程度的差異，因此各家銀行業(yè)在面臨績效卡關(guān)時，應(yīng)重新審視當(dāng)現(xiàn)今金融數(shù)字化來臨時，銀行本身應(yīng)該朝什么方向進(jìn)行運作較能創(chuàng)造利潤最大化的效果。有鑒于既有文獻(xiàn)探討銀行金融數(shù)字化及金融科技多著重于消費者行為、認(rèn)知程度、顧客滿意度、經(jīng)營策略等等質(zhì)性研究以及利用二階段資料包絡(luò)法、效率矩陣、BCG矩陣及差額變量分析探討獲利與服務(wù)效率，較少以分量回歸模型進(jìn)行探討績效受到金融數(shù)字化的影響，績效極好與極差之銀行在面對金融數(shù)字化會產(chǎn)生極大差異。運用分量回歸估計，能夠檢驗自變數(shù)對應(yīng)變量在某分量時的邊際效果，故可以檢視不同績效的銀行在強化金融數(shù)字化時，無論是否受到金融科技公司進(jìn)入的影響，而對其績效影響的效果，并能完整的描述發(fā)展金融數(shù)字化與銀行財務(wù)績效間的關(guān)系。透過普通最小平方法（OLS）回歸分析檢定支持本研究所設(shè)立之假設(shè)包含：（1）在其他條件不變下，金融科技公司進(jìn)入金融市場，則使銀行財務(wù)