Impact of Fintech on Bank Risk-Taking: Evidence from China

(1)

Z-Score

(2)

Fintech 1

(3)

Z-Score

Innovation

−

0.0000258

0.0019945 ***

(

−

0.77)

(5.94)

Fintech 1_hat

−

0.0169861 **

(

−

2.11)

observations

846

846

846

R2

0.487

0.623

0.115

Note: all regression models include other control variables and constants in the benchmark model (both here and

below); *** and ** mean significant at the level of 1% and 5%, respectively. Source: own calculations. Software: Stata.

6.3. Robustness Test

In order to further verify the robustness of benchmark regression, three robustness

tests are performed in this paper. Please refer to Appendix

C

for the specific method

description of the robustness test. In the first test, select the standard deviation of the aver-

age return on total assets (SDROA) instead of Z-Score as the proxy variable for bank risk

exposure. Regression on the above replacement index, the results are shown in Table

6

. As

can be seen from the table, the four models all show that there is a significant negative cor-

relation between Fintech 1 (regional financial technology development level) and SDROA.

The results of this robustness test support the basic conclusion of baseline regression.

---

Risks

2021

,

9

, 99

17 of 27

Table 6.

Robustness test: replace the explanatory variable with SDROA.