Diterjemahkan dari bahasa Inggris ke bahasa Indonesia - www.onlinedoctranslator.

com

Prakiraan Teknologi & Perubahan Sosial 135 (2018) 199–207

Daftar isi tersedia diScienceDirect

Peramalan Teknologi & Perubahan Sosial

halaman utama jurnal:www.elsevier.com/locate/techfore

Dampak inovasi teknologi pembayaran pada industri keuangan

tradisional: Fokus pada China
Yao MeifangA, Di HeA,⁎,Zheng XianrongB, Xu XiaoboC
ASekolah Manajemen, Universitas Jilin, 5988 Renmin Avenue, Changchun, Cina
BDepartemen Teknologi Informasi & Ilmu Keputusan, Old Dominion University, Norfolk, VA 23529, USA
CSekolah Administrasi Bisnis, American University of Sharjah, PO Box 26666, Sharjah, Uni Emirat Arab

INFO ARTIKEL ABSTRAK

Kata kunci: Dengan kemajuan pesat e-commerce di Cina, inovasi teknologi pembayaran pihak ketiga telah mengalami pertumbuhan yang
Inovasi teknologi eksplosif. Inovasi teknologi yang penting ini, yang diprakarsai oleh perusahaan Internet yang sedang berkembang,
Pembayaran pihak ketiga membantu bisnis pembayaran industri keuangan tradisional—yang diwakili oleh bank komersial—berkembang secara
Evolusi industri
mendalam dan luas. Sementara itu, ada juga tingkat substitusi, kompetisi dan crowding out yang besar di antara bank-bank
Nilai Tambah Ekonomis (EVA)
ini dalam hal fungsi pembayaran dan penyelesaian dasar industri keuangan tradisional, pelanggan potensial, layanan
simpanan dan pinjaman dan bisnis perantara tradisional. Makalah ini mengeksplorasi dampak (kondisi mapan episodik dan
jangka panjang) dari inovasi teknologi pembayaran pada bank komersial. Ini juga mempertimbangkan dampaknya
dari teknologi inovasi nologis pada evolusi industri untuk memperjelas apakah teknologi industri
inovasi mengimbangi kemajuanantage tradisional atau mendorong perkembangan industri. Penelitian ini mengadopsi model
Vector Auto-Regressi pada (VA R) impulse response untuk menganalisis dampak Internet Third-Party
Pembayaran (TPP) pada industri keuangan tradisional dari tahun 2007 hingga 2014. Hasil empiris menunjukkan
bahwa di Cina, pembayaran pihak ketiga memiliki korelasi positif yang signifikan dengan kemampuan penciptaan
nilai industri keuangan tradisional, dan hubungan ini cenderung tetap dalam kondisi stabil dalam jangka panjang.
Berdasarkan temuan tersebut, makalah ini menegaskan bahwa inovasi teknologi metode pembayaran di negara
berkembang, seperti China, telah mendorong perkembangan industri keuangan dan mempercepat proses evolusi
industri. Kami menyimpulkan kertas dengan saran kebijakan yang layak.

1. Perkenalan
Teknologi informasi baru, khususnya Internet, telah mengubah aktivitas
komersial modern (Gu et al., 2016; Zhao et al., 2016). Dalam dua dekade
terakhir, pasar e-commerce tumbuh pesat dengan pertumbuhan Internet di
seluruh dunia (Wang et al., 2008).E- commerce memiliki keunggulan, seperti
ketersediaan sepanjang waktu, kecepatan akses, pilihan barang dan jasa
yang lebih luas, aksesibilitas, dan jangkauan internasional (Xiang dan Jing,
2014). Baru-baru ini, Internet of Things (IoT) dan komputasi awan telah
banyak diterapkan dalam rantai pasokan, logistik, dan transportasi (Bi et al.,
2014; Cai et al., 2014; Gorkhali dan Xu, 2016; Fang et al., 2014; Jiang et al.,
2014; Kim, 2017; Li et al., 2013; Liu et al., 2016, 2017; Whitmore et al., 2015;
Xie et al., 2017; Xu, 2011; B. Xu et al., 2014; L. Xu et al., 2014; Yang et al.,
2018; Yin et al., 2016). Teknologi ini semakin mendorong perkembangan e-
commerce. Khususnya, mobile Internet memungkinkan konsumen untuk
melakukan pembelian kapan saja dari mana saja (Linck et al., 2006). Namun,
metode pembayaran tradisional tidak cocok untuk e-commerce.
Misalnya, pembeli khawatir kualitas produk mungkin tidak seperti yang
diharapkan, sedangkan penjual khawatir mereka mungkin tidak menerima
pembayaran setelah mengirimkan produk. Risiko kredit antara pembeli dan
penjual, pencurian identitas, penipuan kartu, dan penipuan internet adalah
hambatan utama e-commerce (Cheng et al., 2017).
Dikenal sebagai layanan pembayaran non-lembaga keuangan, pembayaran
pihak ketiga Internet (TPP) mengacu pada layanan pembayaran yang disediakan
pada platform pembayaran netral oleh lembaga non-keuangan; layanan ini
terhubung ke sistem pembayaran dan penyelesaian bank dari perusahaan e-niaga
dan bank komersial. Platform ini memungkinkan fungsi pembayaran dan
penyelesaian online, termasuk transfer online dan penerimaan kartu bank, dll. (
Bank Rakyat Tiongkok, 2010). TPP muncul sebagai cara untuk menyelesaikan
masalah kepercayaan dan keamanan transaksi keuangan antara pembeli dan
penjual (Cheng et al., 2017). Ini dapat secara efektif mempromosikan kenyamanan
dan penerapan pembayaran tunai tradisional, transfer uang, dan pembayaran
kartu bank dengan memanfaatkan teknologi pembayaran inovatif yang didukung
oleh internet. Pertama kali diperkenalkan di AS pada tahun 1998, PayPal adalah
perusahaan perintis yang berkomitmen untuk menyediakan secara online

⁎Penulis
yang sesuai.
Alamat email:yaomf@jlu.edu.cn (M.Yao),dihe@jptic.com.cn (H.Di),x1zheng@odu.edu (X.Zheng),xiaobo@aus.edu (X.Xu).

https://doi.org/10.1016/j.techfore.2017.12.023
Diterima 21 Februari 2017; Diterima dalam bentuk revisi 29 Desember 2017; Diterima 30 Desember 2017
Tersedia online 01 Februari 2018
0040-1625/ © 2018 Penulis. Diterbitkan oleh Elsevier Inc. Ini adalah artikel akses terbuka di bawah lisensi CC BY-NC-ND (http://
creativecommons.org/licenses/BY-NC-ND/4.0/).
M. Yao dkk.
layanan pembayaran. Platform pembayaran pihak ketiganya menjamin
keamanan transaksi pembeli dan penjual di lingkungan e-commerce (
Micu dan Miku, 2016). Di Cina, risiko kredit merupakan kendala utama
dalam pengembangan pasar e-commerce (Yan dan Chang, 2007). Oleh
karena itu, Alipay (juga dikenal dengan nama China ZhiFuBao) adalah
perantara pembayaran online pertama yang diperkenalkan ke China
dan sekarang menjadi sistem pembayaran online pihak ketiga yang
paling umum digunakan di China. Tencent, penyedia layanan jejaring
sosial terkemuka, telah mengembangkan pembayaran WeChat. Karena
kurangnya infrastruktur keuangan untuk kartu kredit dan debit di
China, TPP menjadi metode pembayaran utama di kalangan konsumen
China (Cheng et al., 2017). Pola operasi, volume perdagangan, dan
ruang lingkup bisnis TPP telah berubah secara dramatis selama satu
dekade terakhir. BerdasarkaniResearch (2017), Volume Barang
Dagangan Kotor (GMV) pasar TPP sebesar RMB2,3 triliun (US$0,35
triliun) pada tahun 2011 dan mencapai RMB24,1 triliun (US$3,65 triliun)
pada tahun 2015. Pesatnya perkembangan teknologi informasi dan
Internet telah mengubah model pembayaran konsumen Cina. Selain
itu, faktor-faktor yang memengaruhi inovasi teknologi pembayaran
dan mekanisme inovasi teknologi mendorong evolusi industri
keuangan menjadi semakin kompleks. Oleh karena itu, perlu diteliti
mekanisme yang ada antara inovasi teknologi dan evolusi industri
keuangan tradisional dari perspektif baru.
Makalah ini mengkaji permasalahan berikut melalui analisis teoritis
dan penelitian empiris: a) Apakah pengaruh inovasi teknologi TPP pada
industri keuangan tradisional positif atau negatif? b) Bagaimana
mekanisme pengaruh dan keadaan setimbangnya? c) Apa dampak TPP
terhadap proses evolusi industri, sinergi industri, dan diferensiasi
industri? Makalah ini memberikan referensi untuk pengambilan
keputusan tentang inovasi teknologi pembayaran, pengembangan
industri dan penelitian terkait di negara berkembang.
2. Kerangka teoritis
Inovasi teknologi adalah kekuatan pendorong mendasar dari
evolusi industri.Schumpeter (1912)membangun teori inovasi
berdasarkan kombinasi teknologi dan ekonomi. Dia mengusulkan
konsep inovasi untuk berpendapat bahwa perubahan teknologi
menyebabkan pertumbuhan ekonomi yang tidak seimbang dan
pembangunan sosial yang tidak stabil. Dia percaya bahwa inovasi
adalah kekuatan pendorong di belakang pembangunan ekonomi dan
mendorong perubahan industri dan perubahan struktural ekonomi.
Dia meminjam terminologi biologis untuk merujuk pada proses
reformasi struktur ekonomi secara terus-menerus dari dalam; yaitu,
terus-menerus menghancurkan struktur lama dan menciptakan yang
baru melalui mutasi industri. Kemudian sarjana memperluas teori
inovasi Schumpeter untuk membahas hubungan antara inovasi
teknologi dan evolusi industri. Dalam beberapa tahun terakhir, dengan
perkembangan ekonomi evolusioner, beberapa sarjana telah mulai
mengeksplorasi proses dan mekanisme inovasi teknologi yang
mendorong evolusi industri dari perspektif yang dinamis. Diantaranya,
hasil penelitian yang paling representatif adalahAbernathy dan
Utterback's (1978)model proses dinamis inovasi industri—model AU.
Model ini menunjukkan bahwa inovasi produk perusahaan dan inovasi
teknologi berkorelasi. Jenis dan frekuensi inovasi bergantung pada
tahap pertumbuhan industri. Pada tahap awal pengembangan industri,
perusahaan fokus pada inovasi produk. Dengan munculnya desain
terdepan, industri memasuki fase transisi, di mana fokus inovasi
beralih ke inovasi teknologi. Ketika suatu industri berkembang menjadi
tahap yang stabil, kegiatan inovasi perusahaan dikonsentrasikan pada
inovasi produk tambahan dan inovasi teknologi.
200
Prakiraan Teknologi & Perubahan Sosial 135 (2018) 199–207
2.1. Inovasi teknologi pembayaran dan evolusi industri dari
perspektif pasokan
Inovasi teknologi dari sisi supply, khususnya inovasi financial technology,
berasal dari spillover dan pengembangan technical knowledge (Kauffman et
al., 2014). Dengan menghasilkan teknologi baru atau mengatur ulang
teknologi yang ada, perusahaan dapat menyediakan aplikasi baru kepada
konsumen di industri keuangan (Tornatzky dan Fleischer, 1990).Currie dan
Seltsikas (2001)berpendapat bahwa upaya kewirausahaan untuk
menciptakan teknologi baru mendorong transformasi dan adopsi teknologi
organisasi. Inovasi teknologi di pasar keuangan telah mempengaruhi
proposisi nilai yang diberikan oleh perusahaan kepada pelanggan. Sangat
penting untuk memahami sumber inovasi teknologi dan memanfaatkan
peluang investasi dan pasar. Inovasi teknologi menguntungkan inovator dan
pengadopsi dan juga menguntungkan pasar secara keseluruhan (Bingkai
dan Putih, 2004). Kemudahan yang dibawa oleh inovasi teknologi
mendukung inovasi keuangan dari sisi permintaan (Lerner dan Tufano,
2011; Lyytinen dan Rose, 2003). Apakah perspektif penawaran berlaku untuk
inovasi teknologi pembayaran? Mengapa perkembangan kecepatan dan
popularitas pembayaran pihak ketiga di Tiongkok lebih signifikan daripada
negara maju dengan pasokan teknologi yang lebih kaya, seperti Amerika
Serikat? Dapat dilihat bahwa inovasi teknologi pembayaran lebih mungkin
terjadi di negara berkembang seperti China karena sistem kredit China
relatif lemah, dan konsumen lebih membutuhkan agen pihak ketiga sebagai
jaminan kredit untuk pembayaran. Inovasi teknologi pembayaran di negara
berkembang kemungkinan didorong oleh permintaan.
2.2. Inovasi teknologi pembayaran dan evolusi industri dari
perspektif permintaan
Dalam beberapa tahun terakhir, beberapa sarjana telah menyadari
pentingnya permintaan akan inovasi teknologi dan menganalisis hubungan
antara inovasi teknologi dan evolusi industri dari aspek ruang permintaan,
heterogenitas permintaan, kondisi permintaan, dan kendala permintaan.
Adner dan Levinthal (2001)menguraikan proses inovasi teknologi dinamis
dari perspektif ruang permintaan dan menjelaskan hubungan antara
perkembangan teknologi dan lingkungan permintaan dengan
menggunakan konsep ambang batas heterogen. Ambang batas heterogen
adalah standar minimum yang harus dipenuhi oleh teknologi atau produk
saat mengadopsi teknologi atau membeli produk. Dengan melakukan riset
teoritis,Matahari dan Zheng (2010)berpendapat bahwa kesimpulan dari
hubungan antara inovasi teknologi dan evolusi industri didasarkan pada
permintaan pasar yang heterogen (Adner dan Levinthal, 2001) pada
dasarnya konsisten dengan model AU. Pilihan konsumen seringkali
bergantung pada tingkat dan preferensi kebutuhan individu. Perbedaan
permintaan yang dihasilkan akan mempengaruhi kecepatan inovasi
teknologi perusahaan, dan dengan demikian mempengaruhi proses evolusi
industri.Saviotti (2001)berpendapat bahwa diferensiasi persepsi konsumen
terhadap produk merupakan faktor penting dalam evolusi industri.
Konsumen tidak akan membentuk preferensi untuk produk baru dalam
waktu singkat—bahkan untuk produk baru dengan penerapan yang tinggi.
Hanya ketika kondisinya matang, konsumen akan menerima produk baru.
Dalam kasus skala permintaan yang identik, jika persaingan dalam kategori
produk lebih ketat daripada persaingan lintas produk, produk baru dan lama
dapat hidup berdampingan di pasar dan produk akan cenderung
terdiversifikasi. Alasannya adalah meskipun kinerja produk baru lebih baik
daripada produk lama, produk dengan kinerja buruk tidak akan tergantikan
karena diferensiasi kognitif pelanggan. Namun, ketika perbedaan antara
produk baru dan lama terlalu besar untuk satu menggantikan yang lain,
kedua produk dapat hidup berdampingan di pasar. Dapat disimpulkan
bahwa diferensiasi persepsi konsumen dan diferensiasi produk akan
melemahkan persaingan, dan manfaat dari melemahnya persaingan pasar
adalah meningkatnya derajat diversifikasi produk. Bisa dibayangkan jika
produk baru benar-benar menggantikan produk lama,
M. Yao dkk.
produk dengan penerapan yang lebih baik akan menghilangkan produk lain
di pasar, mengakibatkan penurunan diversifikasi produk dan dengan
demikian menghambat pembangunan ekonomi. Oleh karena itu, menurut
Saviotti (2001), diferensiasi persepsi konsumen dalam hal permintaan
memfasilitasi perkembangan industri yang sehat dan berkelanjutan melalui
inovasi teknologi.Windrum dkk. (2009)telah mencapai kesimpulan serupa
dengan mempelajari pertukaran konsumen dan pengembangan teknologi
ramah lingkungan.
2.3. Dua jalur evolusi industri yang dihasilkan dari inovasi pembayaran
Arthur (1989)berpendapat bahwa inovasi teknologi dapat membawa
manfaat ekonomi bagi perusahaan dan mendorong mekanisme
pengembalian tambahan. Teknologi memainkan peran kunci dalam proses
evolusi industri: dalam proses evolusi bersama teknologi dan industri,
perilaku yang beragam menyebabkan persaingan pasar. Dengan
mekanisme pemilihan pasar, beberapa teknologi dihilangkan sementara
beberapa bertahan dan secara bertahap menjadi dominan, sehingga terjadi
diferensiasi industri. Namun beberapa teknologi mempromosikan
pengembangan industri yang terkoordinasi karena kohesi industri, yang
mengarah pada ketergantungan pada jalur inovasi teknologi industri secara
keseluruhan.Pavitt (1984)meneliti hubungan antara inovasi teknologi dan
evolusi industri dengan membangun model yang bergantung pada industri
berdasarkan inovasi teknologi. Penelitian menunjukkan bahwa ada
perbedaan signifikan dalam inovasi teknologi di antara berbagai industri:
beberapa inovasi teknologi mengarah pada diferensiasi industri sementara
yang lain mendorong sinergi industri.Antonelli (2003)Namun, mengambil
industri TI sebagai contoh dan menemukan bahwa inovasi permintaan
pengguna adalah motif inovasi teknologi. Inovasi permintaan mengarah
pada diferensiasi sistem industri asli; yaitu, resesi industri lama dan
munculnya industri baru, yang mengarah pada evolusi industri yang
berkelanjutan.
Permintaan dari usaha kecil dan menengah (UKM) untuk layanan
keuangan semakin beragam di Cina. Lembaga keuangan konvensional
mungkin tidak memenuhi kebutuhan ini (Lin dan Li, 2001). SafarziNska
dan Van den Bergh (2016)melakukan penelitian tentang pemodelan
makroevolusi teknologi, keuangan dan interaksi energi. Pekerjaan
mereka menangkap interaksi antara sistem teknologi, keuangan dan
energi. Interaksi antara sistem teknologi dan keuangan menunjukkan
pengaruh positif teknologi energi terhadap stabilitas keuangan.Nicita
dan Pagano (2016)membuat perpanjangan dari pendekatan ekuilibria
organisasi untuk analisis pelengkap kelembagaan.Ibu (2005)
memanfaatkan Nash Equilibrium untuk mengeksplorasi apakah
perusahaan TPP dan bank dapat mencapai pola kerjasama. Secara
khusus, dia mengusulkan agar mereka memilih untuk bersaing satu
sama lain, daripada berkolaborasi, untuk memaksimalkan keuntungan.
Berkat teknologi Internet dan layanan Internet seluler, platform TPP
Internet memberikan layanan kliring uang yang lebih nyaman
dibandingkan dengan bank. Perusahaan TPP telah menjadi platform
multidimensi yang memberikan layanan kepada perusahaan hulu dan
hilir. Perusahaan TPP ini menarik banyak pelanggan sasaran dengan
biaya lebih rendah dan layanan yang lebih fleksibel. Oleh karena itu,
platform TPP Internet telah menimbulkan tantangan dan ancaman bagi
bank tradisional dalam hal pinjaman dan simpanan, bisnis perantara,
dan perbankan internet.Bei, 2011).
2.4. Penelitian kualitatif tentang evolusi industri dari perspektif sisa
pendapatan
Profitabilitas merupakan salah satu metode yang paling umum
digunakan untuk menilai kinerja bank. Banyak penelitian telah dilakukan
untuk membandingkan profitabilitas TPP dan bank umum (Bei, 2011; Deng,
2009; Bu, 2005). Ada dua kategori profitabilitas bank: faktor internal dan
faktor eksternal. Faktor internal mengacu pada faktor penentu di dalam
bank itu sendiri. Penelitian faktor internal meliputi ukuran,
201
Prakiraan Teknologi & Perubahan Sosial 135 (2018) 199–207
permodalan, dan manajemen risiko.Akhavein et al. (1997)DanSmirlock (1985)
menemukan bahwa ukuran bank berpengaruh positif dan signifikan terhadap
keuntungan bank. Selain itu, bank besar cenderung meningkatkan modal lebih
murah, menghasilkan lebih banyak keuntungan (Bikker dan Hu, 2002; Bourke,
1989; Singkat, 1979). Namun,Berger dkk. (1987)berpendapat bahwa bank besar
tidak dapat menghemat banyak dengan meningkatkan ukurannya. Dengan risiko
kredit yang tinggi, lebih banyak pinjaman yang tidak terbayar sehingga laba bank
akan turun.Miller dan Noulas (1997)menyatakan bahwa ada hubungan negatif
antara risiko kredit dan keuntungan bank. Di sisi lain, faktor eksternal mengacu
pada variabel lingkungan eksternal bank (Athanasoglou et al., 2005). Faktor
eksternal dapat diringkas sebagai lingkungan ekonomi makro, konsentrasi pasar,
ukuran industri, dan status kepemilikan. Inflasi dapat memiliki efek positif pada
keuntungan hanya ketika manajemen bank secara memadai menyesuaikan
ekspektasi inflasi, serta mengelola pengeluaran dengan cara yang efisien.Perry,
1992; Revell, 1979).Bourke (1989) DanMolyneux dan Thorton (1992)berpendapat
bahwa konsentrasi pasar berhubungan positif dengan keuntungan bank. Namun,
peneliti lain menemukan bahwa konsentrasi pasar mungkin tidak terkait dengan
profitabilitas bank (Berger, 1995). Hasilnya kontroversial untuk status kepemilikan.
Beberapa peneliti berpendapat bahwa ada hubungan yang lemah antara status
kepemilikan dan profitabilitas (Bourke, 1989; Molyneux dan Thorton, 1992). Tetapi,
Barth dkk. (2004)mengklaim bahwa bank-bank milik negara menunjukkan
profitabilitas yang rendah.
Kelemahan mengevaluasi bank menggunakan profitabilitas dapat dikurangi
dengan menggunakan nilai bank. Pertama, indikator profit yang banyak
digunakan seperti ROE dan ROA (Athanasoglou et al., 2005; Gul et al., 2011; Olson
dan Zoubi, 2011) mengabaikan biaya ekuitas. Mereka hanya memberikan berapa
banyak aset/ekuitas dapat diperoleh selama periode tertentu, tetapi tidak
mempertimbangkan bahwa ada biaya terkait dengan ekuitas yang diberikan.
Hanya pengembalian yang melebihi biaya ekuitas yang bermanfaat bagi
pemegang saham (Kyriazis dan Anastassis, 2007). Kedua, data perhitungan
profitabilitas berasal dari pengumuman publik emiten. Manajemen puncak
cenderung untuk memperbaiki laba karena masalah keagenan (Atik, 2009; Bikker
dan Metzemakers, 2002;). Ketiga, rasio laba seperti ROE dan ROA hanya dapat
mencerminkan status quo perusahaan terkait dengan kegiatan operasionalnya (
Elton, 1999). Penelitian tentang nilai bank menunjukkan bahwa indikator penilaian
seperti Economic Value Added (EVA) dapat mengatasi kekurangan yang terkait
dengan rasio keuntungan (Perancis dan Cooper, 2000). Dengan demikian, secara
umum dimungkinkan untuk menilai secara objektif dampak inovasi teknologi
pada industri keuangan tradisional dengan menggunakan indikator sisa
pendapatan - EVA. EVA juga berguna untuk menentukan apakah dampak yang
terdeteksi adalah diferensiasi industri atau sinergi industri.
Singkatnya, penelitian saat ini dari China dan negara lain lebih
condong ke argumen bahwa pembayaran pihak ketiga menantang
industri keuangan tradisional. Ada sedikit data untuk mendukung
penelitian empiris dalam literatur yang relevan. Implikasi teoretis dari
asumsi teoretis tidak divalidasi secara luas. Eksplorasi lebih lanjut
diperlukan di bidang ini. Makalah ini memberikan kontribusi dalam
aspek-aspek berikut: a) mengeksplorasi dampak inovasi teknologi pada
peningkatan industri keuangan di negara berkembang melalui
perspektif baru penelitian empiris; b) itu melengkapi dan
menyempurnakan teori inovasi teknologi dan evolusi industri dan
memberikan penelitian dan analisis empiris di bidang terkait; c)
memberikan ekonomi baru mekanisme dampak inovasi teknologi
pembayaran pihak ketiga pada evolusi industri, yang inovatif terhadap
objek penelitian; d) memberikan saran kebijakan untuk inovasi
teknologi dan integrasi industri. Berdasarkan pembahasan di atas,
kami merumuskan hipotesis berikut:
H1.Volume perdagangan TPP berdampak positif pada AES di industri
keuangan.
M. Yao dkk. Prakiraan Teknologi & Perubahan Sosial 135 (2018) 199–207

3. Metode Tabel 1
Augmented Dickey-Fuller Unit Root Test pada AES dan TPP.

3.1. Sampel
Augmented Dickey-Fuller Unit Root Test pada AES

Mengenai industri keuangan, sampel terdiri dari tujuh puluh tiga Hipotesis nol: AES memiliki akar unit
perusahaan terdaftar yang dikategorikan sebagai lembaga keuangan
Eksogen: konstan, tren linier
di bursa saham Shanghai dan Shenzhen. Periode delapan tahun (2007–
2014) digunakan untuk memastikan keandalan dan ketersediaan Panjang lag: 1 (otomatis - berdasarkan SIC, maxlag = 7)
rekaman data. Kami menggunakan data triwulanan untuk jumlah
sampel yang diperlukan untuk studi empiris. Data terkait EVA diambil t-Statistik Masalah.A

dari China Stock Market & Accounting Research (CSMAR) Database -

Statistik uji Augmented Dickey-Fuller − 0,024939 0,9939
salah satu database paling otoritatif di bidang ekonomi dan keuangan
di China. Informasi tentang volume perdagangan TPP dikumpulkan Uji nilai kritis tingkat 1%. - 4.296729
dari iResearch Consulting Group. Kumpulan data akhir menghasilkan tingkat 5%. - 3.568379
2336 pengamatan, yang mencakup semua 73 perusahaan yang tingkat 10%. − 3.218382

terdaftar di industri keuangan China. Perangkat lunak penelitian

empiris yang digunakan adalah EViews 8.0. Dalam penelitian ini,
Augmented Dickey-Fuller Unit Root Test di TPP

Hipotesis Null: TPP memiliki akar unit

3.2. Variabel independen Eksogen: Konstan, Tren Linear

Lag Length: 7 (otomatis - berdasarkan SIC, maxlag = 7)

3.2.1. Volume perdagangan TPP
Perusahaan TPP menawarkan semua jenis layanan pembayaran t-Statistik Masalah.A

menggunakan teknologi Internet dan teknologi komunikasi seluler. Mereka

menyediakan produk yang terdiversifikasi dan dipersonalisasi, dan Statistik uji Augmented Dickey-Fuller 3.729503 1.0000

memungkinkan jenis pembayaran yang tidak ditawarkan oleh bank komersial. TPP
Uji nilai kritis tingkat 1%. - 4.394309
telah menjadi bagian penting dari sistem pembayaran modern. Istilah TPP yang tingkat 5%. − 3.612199
digunakan dalam makalah ini mengacu pada jumlah total dana yang dikeluarkan tingkat 10%. − 3.243079
oleh pengguna melalui platform transaksi pembayaran, termasuk pembayaran
AMacKinnon (1996)nilai-p satu sisi.
rekening, pembayaran gateway, dan transfer antar rekening.

3.4.2. Interval lag

3.3. Variabel dependen
Baik fungsi respons impuls dan uji kointegrasi masuk akal untuk
jumlah interval lag. Interval lag yang berbeda dapat menyebabkan
3.3.1. EVA rata-rata per saham
perbedaan yang signifikan dalam tes kointegrasi. Menurut Kriteria Lag
Banyak sarjana menggunakan rasio profitabilitas seperti ROE dan ROA untuk
Length, kami memilih 3 sebagai jumlah interval lag berdasarkan prinsip
mewakili keseluruhan profitabilitas perusahaan keuangan (Athanasoglou et al.,
minimalisasi AIC & SC.
2005; Gul et al., 2011; Olson dan Zoubi, 2011). Namun, kami mengadopsi EVA,
yang juga merupakan ukuran kinerja, untuk mengukur nilai perusahaan di
industri keuangan (Shil, 2009). EVA dikembangkan oleh perusahaan konsultan
4. Hasil
bernama Stren Stewart & Co. di Amerika Serikat. Ini adalah ukuran untuk menilai
seberapa banyak perusahaan telah menghasilkan bagi pemegang sahamnya.
4.1. Uji akar unit dan uji kointegrasi
Karena EVA berfokus pada arus kas operasi daripada laba, yang dapat
dimanipulasi oleh akuntan (Jakson, 1996), banyak sarjana telah mengadopsi EVA
Karena fungsi respon impuls tergantung pada asumsi bahwa deret
untuk mengevaluasi kinerja dan nilai perusahaan (Heffernana dan Fu, 2010;
waktu stasioner, pertama-tama kami menguji stasioneritas TPP dan AES
O'Byrne, 1996; Zheng, 2014). Dengan mempertimbangkan skala perusahaan, EVA
dengan menggunakan metode uji Augmented Dickey-Fuller (ADF) (Dickey
per saham digunakan dalam makalah ini. Ini dapat mencerminkan hasil operasi
dan Fuller, 1979). Hasil pengujian menunjukkan bahwa deret TPPSA dan
secara lebih efektif dan mengukur profitabilitas dan risiko investasi saham biasa.
EVASA tidak stasioner dengan tingkat signifikansi 5%, seperti tergambar
Ini adalah salah satu indikator keuangan terpenting yang digunakan oleh
padaTabel 1. Namun, barisan diferensial orde pertama mereka stasioner,
pemegang saham dan pemangku kepentingan untuk mengevaluasi profitabilitas
seperti yang ditunjukkan padaMeja 2. Oleh karena itu, studi empiris berikut
perusahaan, untuk memprediksi potensi pertumbuhan perusahaan, dan untuk
didasarkan pada urutan diferensial urutan pertama dari TPP dan AES—yaitu,
membuat keputusan ekonomi yang relevan. Oleh karena itu, rata-rata EVA per
DTPP dan AES—untuk menetapkan model VAR. Sementara itu, untuk
saham (AES) industri keuangan digunakan dalam makalah ini sebagai variabel
mengetahui apakah terdapat hubungan jangka panjang antar variabel,
dependen.
makalah ini menggunakan metode uji Johansen untuk melakukan analisis
kointegrasi terhadap hubungan linier kedua deret waktu tersebut.Tabel 3
3.4. Spesifikasi model
mempresentasikan hasil kointegrasi dengan menggunakan uji Trace and
Maximum Eigenvalue dari DTPP dan DAES.
3.4.1. Model Vector Auto-Regression (VAR).
Seperti yang ditunjukkan diTabel 3, hasil Trace Test dan Maximum
YT=AY AES⎤ Eigenvalue Test konsisten. Pada tingkat signifikansi 0,05, kami menolak nol
1 t-1 2 t-2+…+Ap-1+ PY
+ AY εT;Y T=⎡
⎣TPP⎦ (1) hipotesis, yang menunjukkan tidak ada hubungan kointegrasi. Oleh karena itu,

YTmewakili vektor variabel endogen dua dimensi yang terdiri dari dapat disimpulkan bahwa terdapat satu rangkaian hubungan kointegrasi antara

AES dan TPP dalam model VAR. A menunjukkan matriks koefisien 2 × 2 DTPP dan DAES.

yang sesuai. P menunjukkan urutan tertinggal dari variabel endogen. ε

Tadalah vektor sisa dari 2 × 1 yang memenuhi E (εT) = 0 dan E(εT, εT′) = Ω.

202
M. Yao dkk. Prakiraan Teknologi & Perubahan Sosial 135 (2018) 199–207

Meja 2
Augmented Dickey-Fuller Unit Root Test pada DAES dan DTPP.

Augmented Dickey-Fuller Unit Root Test pada DAES

Hipotesis Null: DAES memiliki akar unit

Eksogen: Konstan, Tren Linear

Lag Length: 0 (Otomatis - berdasarkan SIC, maxlag = 7)

t-Statistik Masalah.A

Statistik uji Augmented Dickey-Fuller − 6.588708 0,0000

Uji nilai kritis tingkat 1%. - 4.296729

tingkat 5%. - 3.568379
tingkat 10%. − 3.218382

Augmented Dickey-Fuller Unit Root Test pada DTPP

Hipotesis Null: DTPP memiliki akar unit

Eksogen: Konstan, Tren Linear

Lag Length: 1 (Otomatis - berdasarkan SIC, maxlag = 7)

t-Statistik Masalah.A

Statistik uji Augmented Dickey-Fuller − 4.690709 0,0041 Gambar 1.Invers akar polinomial karakteristik AR.

Uji nilai kritis tingkat 1%. − 4.309824

tingkat 5%. - 3,574244 lingkaran. Oleh karena itu, model VAR lolos uji stabilitas.
tingkat 10%. − 3.221728

AMacKinnon (1996)berat sebelahP-nilai-nilai.

4.2.2. Spesifikasi model
Kami mengambil 32 set data dari kuartal pertama 2007 hingga
Tabel 3 kuartal keempat 2014 sebagai sampel dan membangun model dengan
uji kointegrasi Johansen.
variabel penjelas adalah TPP dan variabel yang dijelaskan adalah AES.
uji kointegrasi Johansen Kami juga memperoleh urutan diferensial urutan pertama dari data asli
dengan pertimbangan stasioneritas data. Hasil model VAR ditunjukkan
Contoh (disesuaikan): 2008Q2 2014Q4 padaTabel 4.
DariTabel 4, ekspresi model berikut dapat diturunkan:
Termasuk pengamatan: 27 setelah penyesuaian

Asumsi tren: tren deterministik linier Tabel 4

Perkiraan autoregresi vektor.
Seri: DAES DTPP
Perkiraan autoregresi vektor
Interval kelambatan (pada perbedaan pertama): 1 hingga 3

Contoh (disesuaikan): 2008Q1 2014Q4

Uji peringkat kointegrasi tak terbatas (jejak)
Dihipotesiskan Jejak 0,05 Termasuk pengamatan: 28 setelah penyesuaian
Jumlah CE Nilai Eigen Statistik Nilai kritis Masalah.B

Tidak adaA 0,661570 29.52729 15.49471 0,0002 DAES DTPP

Paling banyak 1 0,010114 0,274467 3.841466 0,6003
DAES(-1) - 0,488050 − 6374.334
Uji peringkat kointegrasi tak terbatas (nilai eigen maksimum)
(0,23151) (10.181,1)
Dihipotesiskan Max-Eigen 0,05
[-2.10813] [-0,62609]
Jumlah CE Nilai Eigen Statistik Nilai kritis Masalah.B
DAES(-2) - 0,119940 2567.851
Tidak adaA 0,661570 29.25283 14.26460 0,0001
(0,24571) (10.805,8)
Paling banyak 1 0,010114 0,274467 3.841466 0,6003
[-0,48813] [0,23764]
DAES(-3) - 0,337663 3361.259
Uji nilai eigen maksimum menunjukkan 1 persamaan kointegrasi pada tingkat 0,05.
(0,22463) (9878.63)
AMenunjukkan penolakan hipotesis pada tingkat 0,05. [-1,50319] [0,34026]
BMacKinnon dkk. (1999)P-nilai-nilai. DTPP(-1) 1.48E−05 0,758612
(4.7E−06) (0,20570)
4.2. Model VAR dan fungsi respons impuls [3.16571] [3,68799]
DTPP(-2) − 1.41E−05 − 0,546825
(5.9E−06) (0,25875)
4.2.1. Uji stasioner model VAR [-2.40276] [-2.11335]
Validitas jangka panjang hubungan antara variabel endogen dalam DTPP(-3) 1.93E−05 0,509585
model VAR bergantung pada stabilitas model. Karena ada dua variabel (5.6E−06) (0,24830)
endogen, dan interval lag adalah 3, ada enam akar. Gambar 1menunjukkan [3,42225] [2,05227]
C − 0,018917 545.3878
lingkaran satuan dari akar-akar invers. Dapat diketahui bahwa nilai absolut
(0,01126) (495.174)
dari semua akar invers kurang dari 1 dan termasuk dalam satuan [-1,68004] [1,10141]

203
M. Yao dkk. Prakiraan Teknologi & Perubahan Sosial 135 (2018) 199–207

Tabel 5 Tabel 6
Pengaruh Cholesky (df disesuaikan) Inovasi Satu SD DTPP pada DAES. Uji Kausalitas Granger Berpasangan.

Periode Uji Kausalitas Granger Berpasangan

1 0,000000 17 - 0,001104 Contoh: 2007Q1 2014Q4

(0,00000) (0,00636)
2 0,029787 18 − 8.18E−05 Kelambatan: 3

(0,01022) (0,00573)
3 − 0,020379 19 0,001653 Hipotesis nol Ob F-Statistik Masalah.

(0,01287) (0,00551)
4 0,021712 20 0,001061 DTPP tidak Granger Menyebabkan DAES 28 6.76266 0,0023
(0,01514) (0,00429) DAES tidak Granger Menyebabkan DTPP 0,23329 0,8721
5 0,017540 21 − 0,000776
(0,01460) (0,00420)
6 0,003544 22 0,000531 hubungan ada. Hasil di atas menunjukkan bahwa DTPP sebagai variabel
(0,01580) (0,00367)
independen dan DAES sebagai variabel dependen memiliki hubungan kausal
7 − 0,013535 23 0,000872
(0,01502) (0,00307) yang signifikan. Dengan demikian, penelitian empiris kami memiliki
8 0,013821 24 6.17E−05 signifikansi ekonomi.
(0,01415) (0,00259)
9 0,007784 25 − 0,000251
(0,01233) (0,00252)
10 − 0,000793 26 0,000537
4.2.5. Fungsi respons impuls
(0,01383) (0,00234) Berdasarkan uji kointegrasi di atas dapat disimpulkan bahwa vektor
11 − 0,002275 27 0,000290 deret waktu pada model VAR ini terkointegrasi. Dengan kata lain, variabel
(0,01267) (0,00157) dapat mencapai ekuilibrium jangka panjang dalam model ini. Untuk
12 0,007699 28 − 0,000122
mencerminkan hubungan jangka panjang antara variabel secara lebih
(0,01169) (0,00158)
13 0,000553 29 3.66E−05 intuitif, kami memilih metode respons terakumulasi untuk mengungkapkan
(0,00905) (0,00145) efek impuls akumulasi DTPP ke DAES, karena kami menggunakan deret
14 - 0,001073 30 0,000316 waktu sebagai sampel kami. Gambar 2menunjukkan respon akumulasi DAES
(0,00944) (0,00131)
terhadap satu standar deviasi DTPP. Sumbu X menunjukkan jumlah interval
15 0,001641 31 2.68E−05
waktu. Sumbu Y mewakili tingkat perubahan DAES. Kurva singkatan dari
(0,00888) (0,00090)
16 0,003558 32 − 5.99E−05 fungsi respons impuls akumulasi, yang mewakili respons dinamis yang
(0,00758) (0,00091) disebabkan oleh variabel independen (DTPP). Garis putus-putus di kedua sisi
adalah nilai fungsi respons impuls plus atau minus dua standar deviasi, yang
Pemesanan Cholesky: DAES DTPP.
menunjukkan rentang respons impuls yang mungkin (interval kepercayaan).
Kesalahan Standar: Analitis.

Seperti yang bisa dilihat dariGambar 2, DAES menghasilkan respon

- 0,49 1.48e-05
YT=⎡ positif, karena fase 0,5 di bawah satu unit informasi baru merupakan
⎣ - 6374.33 0,76⎦ ⎤YT−1
dampak dari DTPP. Efek positif ini berfluktuasi secara keseluruhan, tetapi
+ ⎡ ‐0,12 - 1.41e-05⎤Y
T−2 meningkat secara bertahap dan mendekati kondisi mapan dimulai dengan
⎣2567.85 - 0,55⎦
fase 12. Dari sudut pandang korelasi dinamis antara kedua variabel,
+ ⎡ ‐0,34 1.93e-05⎤Y terdapat hubungan positif di antara keduanya secara umum. Hasil empiris di
T−3+εT;
⎣3361.26 0,51 ⎦
atas mengakui adanya dampak positif pembayaran pihak ketiga terhadap
YT=⎡DAES⎤ rata-rata EVA per saham di industri keuangan. Dampak ini
⎣DTPP⎦ (2) mencapai puncaknya setelah tiga tahun (fase ke-12) dan tetap stabil. Ini
di mana D adalah urutan diferensial urutan pertama dari urutan asli. diverifikasiH1; yaitu, bahwa pembayaran pihak ketiga memengaruhi industri
keuangan dengan cara positif yang signifikan.

4.2.3. Uji signifikansi model VAR

4.3. Mekanisme - dekomposisi varian dinamis
Untuk menguji signifikansi korelasi antar variabel dalam model VAR,
kami melakukan uji signifikansi. Hasilnya ditampilkan diTabel 5.
Fungsi respons impuls menangkap jalur respons dinamis dari dampak
satu variabel pada variabel lain. Dekomposisi varians dapat menguraikan
Seperti yang ditunjukkan diTabel 5, dampak DTPP terhadap DAES signifikan
varians satu variabel dalam sistem model VAR ke dalam setiap item
pada tingkat signifikansi 5%. Dengan demikian, kami menolak hipotesis nol. Ada
gangguan. Oleh karena itu, variance decomposition memberikan efek relatif
hubungan yang signifikan antara volume perdagangan pembayaran pihak ketiga
dari masing-masing faktor interferensi terhadap setiap variabel dalam
dan EVA per saham di industri keuangan.
model VAR dan selanjutnya menjelaskan sejauh mana variabel penjelas
mempengaruhi variabel dependen.
4.2.4. Uji kausalitas model VAR
Seperti yang diilustrasikan diGambar 3, kurva masing-masing adalah
Variabel yang terkait secara signifikan tidak selalu menunjukkan
persentase varians DAES karena DAES itu sendiri, dan persentase varians
hubungan kausalitas (Suppe, 1970). Untuk memastikan nilai ekonomi dari
DAES karena DTPP. Dengan meningkatnya interval waktu, kekuatan penjelas
hipotesis bahwa TPP berdampak pada AES, perlu untuk menentukan
persentase perubahan varians DAES karena itu sendiri berkurang, dan
hubungan kausal antara variabel independen dan variabel dependen
kekuatan penjelas persentase perubahan varians DAES karena DTPP
daripada menggunakan korelasi kuantitatif sederhana. Kami mengadopsi Uji
meningkat. Hasil ini menunjukkan bahwa pengaruh DTPP terhadap DAES
Kausalitas Granger dalam penelitian ini, dengan DTPP sebagai variabel
semakin kuat, mencapai puncaknya pada fase 10 dan konvergen hingga
independen dan DAES sebagai variabel dependen.
50%. Artinya, dalam model ini, 50% varian nilai industri keuangan dijelaskan
Seperti yang ditunjukkan diTabel 6, hasil pengujian menunjukkan bahwa DTPP
oleh volume perdagangan pembayaran pihak ketiga, dan pengaruhnya
dan DAES adalah hubungan kausal Granger pada tingkat signifikansi 5%, dan kami
cukup signifikan.
menolak hipotesis nol yang menunjukkan bahwa regresi palsu

204
M. Yao dkk. Prakiraan Teknologi & Perubahan Sosial 135 (2018) 199–207

Gambar 2.Akumulasi respons DAES terhadap inovasi Cholesky

One SD DTPP.

perdagangan, keuangan online telah berkembang pesat dalam beberapa tahun

terakhir di Cina, yang secara dramatis memfasilitasi e-commerce (Qin, 2016).
Namun, metode pembayaran tradisional tidak cocok untuk e-commerce. Dengan
demikian, TPP menjadi metode pembayaran utama untuk e-commerce. IoT dan
cloud computing semakin mendorong adopsi TPP dalam e-commerce. Studi ini
mengkaji hubungan antara volume perdagangan TPP dan nilai industri keuangan.
Hubungan tersebut positif secara signifikan dan mendekati kondisi mapan dalam
jangka panjang. Masih ada ruang untuk pembayaran pihak ketiga untuk
mempengaruhi profitabilitas lembaga keuangan. Hasil empiris mendukung
hipotesis kami. Secara spesifik, terdapat dua fase dalam hubungan tersebut: 1)
dalam jangka pendek, terdapat bukti bahwa TPP mendorong Economic Value
Added kepada lembaga keuangan secara bertahap; 2) dalam jangka panjang, TPP
berpengaruh positif signifikan dan berkelanjutan terhadap Economic Value Added
industri keuangan. Hal ini mungkin disebabkan oleh fakta bahwa pengaruh
pembayaran pihak ketiga terhadap manfaat tidak langsung dari industri
keuangan menjadi sorotan. Ada hubungan simbiosis primer dan efek sinergi
industri di antara mereka.
Pertama, pengguna perlu menjadi klien di bank dan mengaktifkan layanan
perbankan online untuk menggunakan platform TPP. Hal ini memperluas basis
klien bank komersial dan penggunaan perbankan online secara luas, yang
kemudian meningkatkan pendapatan bank melalui biaya administrasi kartu bank
dan biaya keterlambatan kartu kredit. Selanjutnya, platform TPP perlu membayar
biaya gateway ke bank setiap kali pengguna membayar melalui platform ini. Selain
itu, dana moneter TPP (misalnya, Yu'ebao) harus menyetorkan dananya ke dalam
rekening penitipan bank dengan mengikuti undang-undang dan peraturan yang
relevan. Misalnya, Yu'ebao, dengan skala RMB500 miliar (US$75,8 miliar), harus
membayar biaya penitipan kepada bank sebesar RMB 1 miliar (US$151,5 juta) (
Alipay, 2016). Hal ini meningkatkan pendapatan bank. Akhirnya, efek percepatan
pengembalian uang ke bank bahkan lebih signifikan. Uang yang ditransaksikan
melalui platform TPP mengalir kembali ke lembaga keuangan, termasuk bank,
dana, dan perwalian melalui berbagai cara. Dan omset dalam proses ini jauh lebih
tinggi daripada proses konsumsi tradisional di China. Ini meningkatkan likuiditas
di sektor keuangan sampai batas tertentu, karena dana moneter TPP dapat dibeli
dan ditebus dengan cara yang relatif sederhana, yang membantu bank menyerap
dana yang tersebar.

Gambar 3.Dekomposisi varians DAES.

Secara umum, TPP tidak menimbulkan risiko likuiditas, melainkan
meningkatkan perputaran uang. Pengaruh ini berkontribusi pada pertumbuhan
5. Pembahasan dan kesimpulan
pendapatan lembaga keuangan, menghasilkan lebih banyak hasil investasi,
menciptakan nilai, dan memaksimalkan kekayaan pemegang saham. Hasil
Kombinasi Internet dan keuangan tradisional menghasilkan
penelitian empiris menunjukkan bahwa di Tiongkok, inovasi teknologi
keuangan online. Dengan berkembangnya infrastruktur internet dan e-
pembayaran berperan sebagai sinergi industri dalam evolusi industri keuangan.

205
M. Yao dkk.
5.1. Implikasi praktis dan pembuatan kebijakan
Studi kami menggunakan metode penelitian empiris baru, memilih
ekonomi baru (China) sebagai sampel baru, berfokus pada perspektif baru
inovasi teknologi pembayaran dan evolusi industri keuangan, dan mencapai
kesimpulan yang menunjukkan hubungan positif yang signifikan. Hasilnya
memberikan wawasan yang berguna untuk mencegah persaingan irasional,
mempromosikan simbiosis keuangan, dan pengembangan win-win serta
sinergi industri antara perusahaan pembayaran pihak ketiga dan industri
keuangan konvensional. Pada saat yang sama, makalah kami memberikan
data eksperimen objektif dan penelitian empiris menggunakan penelitian
teoretis yang relevan, dan penelitian akademis terkait dilengkapi.
Berdasarkan kesimpulan di atas, dikombinasikan dengan situasi aktual
China, makalah ini mengusulkan rekomendasi kebijakan berikut.
Pertama, China harus menetapkan status hukum dan sistem peraturan yang
jelas untuk platform pembayaran pihak ketiga. Mengenai pembayaran pihak
ketiga, masalah pertama adalah menentukan identitas dan konten bisnisnya.
Hanya identitas yang sah dan ruang lingkup bisnis yang sah yang akan memberi
perusahaan pembayaran pihak ketiga lebih percaya diri untuk berinovasi,
mengembangkan, dan berkontribusi pada pembangunan ekonomi ke tingkat
yang lebih besar. Setelah perusahaan-perusahaan ini memiliki identitas dan ruang
lingkup bisnis yang sah, regulator harus diidentifikasi. Karena platform
pembayaran pihak ketiga memiliki identitas ganda dengan keuangan dan
teknologi informasi, penting untuk menerapkan pengaturan bersama
multisektoral untuk mencegah celah peraturan. Mempertimbangkan kompleksitas
pengoperasian agen pembayaran pihak ketiga, pemerintah dan otoritas regulasi
terkait harus memantau dan mengawasi proses evolusi TPP secara dinamis dari
beberapa aspek, termasuk margin pelanggan, keamanan dana, anti pencucian
uang, penipuan, dan kejahatan keuangan lainnya. Penetapan mekanisme izin
yang ketat untuk memasuki pasar ini juga diperlukan. Dengan cara ini, peraturan
dapat mendorong perkembangan yang sejahtera dari seluruh industri keuangan.
Kedua, China harus mematuhi prinsip orientasi pasar dan dorongan
inovasi serta meningkatkan dukungan pemerintah untuk platform
pembayaran pihak ketiga yang mematuhi peraturan. Fitur pembayaran
pihak ketiga yang paling menonjol adalah inovasi teknologi. Oleh karena itu,
pemerintah harus berpegang pada kebijakan yang berorientasi pada pasar
dan dorongan inovasi untuk menjaga vitalitas operasional inovasi teknologi
pembayaran. Inovasi teknologi pembayaran responsif terhadap kebutuhan
pasar. Langkah-langkah pengaturan harus didasarkan pada pasar keuangan
untuk mempromosikan alokasi sumber daya pasar yang rasional. Regulator
harus menjadi katalis untuk pengembangan platform pembayaran pihak
ketiga, menghindari tindakan regulasi yang belum matang yang
menghambat perluasan inovasi dan eksperimen, dan menyisakan ruang
untuk pengembangan di masa depan. Apalagi pada tahap ini, pembayaran
pihak ketiga masih dalam posisi lemah dan tahap awal dibandingkan
dengan lembaga keuangan tradisional. Dari perspektif mendorong
perkembangan pasar negara berkembang, pemerintah dapat menerapkan
peraturan pemerintah yang ketat dan pada saat yang sama memberikan
dukungan kebijakan yang tepat.
Terakhir, Tiongkok harus memperkuat kerja sama rantai industri antara
lembaga pembayaran dan keuangan pihak ketiga. Lembaga keuangan
tradisional, sebagai pelaksana dan terminal pembayaran online,
menyediakan gateway dan platform pembayaran kepada agen pembayaran
pihak ketiga. Perlu untuk meningkatkan kerja sama rantai industri di antara
mereka, terus berinovasi dalam aspek teknologi, hubungan dan layanan
pelanggan, dan memperkuat keunggulan mereka sendiri. Ini akan
menciptakan pola win-win untuk keuangan internet dan keuangan
konvensional untuk mendorong pengembangan sinergi industri dan untuk
mencegah terjadinya persaingan yang kejam di dalam industri. Pemerintah
harus secara aktif membimbing lembaga keuangan untuk secara tepat
mendekati perkembangan inovatif teknologi pembayaran, sehingga
lembaga keuangan tradisional memahami keuntungan dan perlunya
melengkapi industri pembayaran pihak ketiga. Ini akan membantu menjaga
stabilitas seluruh rantai industri keuangan. Pada
206
Prakiraan Teknologi & Perubahan Sosial 135 (2018) 199–207
pada saat yang sama, lembaga pembayaran pihak ketiga dapat menggunakan catatan
evaluasi kredit yang kuat dan mekanisme pengungkapan kredit untuk meningkatkan
kerja sama dengan industri keuangan. Perusahaan pembayaran pihak ketiga juga dapat
mendorong lembaga keuangan untuk meningkatkan layanan pelanggan mereka dengan
menawarkan antarmuka pengguna yang lebih ramah, pengalaman pengguna yang lebih
nyaman, dan layanan yang lebih nyaman, serta membantu menciptakan lingkungan
pengembangan simbiosis untuk seluruh rantai industri.
5.2. Keterbatasan dan penelitian masa depan
Studi kami mengambil perspektif penelitian inovatif dan sampel
eksperimental yang representatif, dan penelitian empiris telah mencapai
hasil tertentu. Namun demikian, makalah ini masih memiliki beberapa
keterbatasan. Studi lebih lanjut diperlukan untuk melengkapi bidang ini.
Keterbatasan makalah ini tercermin dalam dua aspek berikut.
Pertama, paper ini mengalami beberapa kesulitan dalam proses
pengumpulan data. Karena kurangnya pengungkapan informasi yang relevan,
data triwulanan mengenai pembayaran pihak ketiga sebelum tahun 2007 tidak
tersedia. Sementara itu, karena keterbatasan sumber daya database CSRAR, studi
ini gagal mendapatkan data rata-rata industri EVA per saham untuk tahun 2015
dan sesudahnya. Faktor-faktor di atas menyebabkan rentang waktu sampel
delapan tahun (2007–2014), yang gagal untuk sepenuhnya mencakup seluruh
rentang waktu pembayaran pihak ketiga telah ada. Pada penelitian selanjutnya,
laporan tahunan dan survei kuesioner dapat dimanfaatkan untuk mendapatkan
data dan informasi yang lebih komprehensif.
Kedua, kami mengambil industri keuangan di China sebagai obyek penelitian.
Namun, China memiliki skala konsumsi yang lebih besar, lebih banyak dividen
demografis, dan sistem e-commerce yang lebih canggih daripada negara
berkembang lainnya. Oleh karena itu, di negara berkembang yang berbeda, motif
strategis, permintaan pasar, dan lingkungan ekonomi makro dari inovasi
teknologi dapat bervariasi dan sulit untuk diukur secara akurat. Oleh karena itu,
kesimpulan empiris dari makalah ini dapat menjelaskan pengaruh inovasi
teknologi pada evolusi industri hanya sampai batas tertentu. Kekuatan penjelas
dan penerapannya masih perlu ditingkatkan lebih lanjut. Penelitian di masa depan
dapat dilakukan untuk mengevaluasi negara berkembang lainnya dibandingkan
dengan China dan dapat memeriksa lebih lanjut ruang lingkup yang berlaku dari
penelitian ini.
Pengakuan
Pekerjaan ini didukung oleh National Science Science Foundation of
China (nomor hibah: 71372977, 71372077, 71472071).
Referensi
Abernathy, WJ, Utterback, JM, 1978. Pola inovasi dalam teknologi. Technol.
Wahyu 80 (7), 40–47.
Adner, R., Levinthal, D., 2001. Menuntut heterogenitas dan evolusi teknologi: penting
aplikasi untuk inovasi produk dan proses. Kelola. Sains. 47 (5), 611–628. Akhavein,
JD, Berger, AN, Humphrey, DB, 1997. Pengaruh megamerger pada efek-
efisiensi dan harga: bukti dari fungsi laba bank. Dalam: Seri Diskusi Keuangan dan
Ekonomi 9. Gubernur Federal Reserve System, Board of. Alipay, 2016. Apa itu
Yuebao. Diakses 06/18, 2016, dari.https://yebprod.alipay.
com/yeb/index.htm.
Antonelli, C., 2003. Kesenjangan digital: memahami ekonomi informasi baru
dan teknologi komunikasi dalam ekonomi global. Inf. Ekon. Kebijakan 15 (2),
173–199.
Arthur, WB, 1989. Teknologi yang bersaing, hasil yang meningkat, dan terikat oleh sejarah
acara. Ekon. J.99 (394), 116–131.
Athanasoglou, PP, Brissimis, SN, Delis, MD, 2005. Bank-spesifik, industri-spesifik dan
makroekonomi penentu profitabilitas bank. J.Int. Keuangan Tanda. Inst. Uang 18 (18),
121–136.
Atik, A., 2009. Mendeteksi perilaku perataan pendapatan perusahaan yang terdaftar di Turki
melalui tes empiris menggunakan perubahan akuntansi diskresioner. Kritik. Perspektif.
Akun. 20 (5), 591–613.
Barth, JR, Caprio, G., Levine, R., 2004. Pengawasan dan regulasi bank: apa yang berhasil
terbaik? J. Financ. Intermed. 13 (2), 205–248.
Bei, W., 2011. Dampak Platform TPP Terhadap Manajemen Bank Umum. J. Financ.
Res. 1, 40–44.
Berger, AN, 1995. Hubungan profit-struktur di perbankan: ujian kekuatan pasar
dan hipotesis struktur efisien. J. Uang Kredit Bank. 27, 404–431. Berger, AN,
Hanweck, GA, Humphrey, DB, 1987. Daya saing perbankan:
skala, ruang lingkup dan ekonomi bauran produk. J.Monet. Ekon. 20, 501–520.
M. Yao dkk.
Bi, Z., Xu, L., Wang, C., 2014. Internet of Things untuk sistem perusahaan modern
manufaktur. Trans IEEE. Ind.Inf. 10 (2), 1537–1546.http://dx.doi.org/10.1109/
TII.2014.2300338.
Bikker, JA, Hu, H., 2002. Pola siklus laba, provisi dan pinjaman bank
dan prosiklikalitas persyaratan modal Basel yang baru. BNL Q.Rev.221, 143–175.
Bikker, JA, Metzemakers, P., 2002. Perilaku penyediaan bank dan prosiklikalitas. J.Int.
Keuangan Tanda. Inst. Uang 15 (2), 141–157.
Bourke, P., 1989. Konsentrasi dan determinan profitabilitas bank lainnya di Eropa,
Amerika Utara dan Australia. J.Bank. Keuangan 13, 65–79.
Cai, H., Xu, L., Xu, B., Xie, C., Qin, S., Jiang, L., 2014. Informasi yang dapat dikonfigurasi berbasis IoT
platform layanan untuk manajemen siklus hidup produk. Trans IEEE. Ind.Inf. 10
(2), 1558–1567.http://dx.doi.org/10.1109/TII.2014.2306391.
Cheng, YW, Hsu, SY, Lo, CP, 2017. Inovasi dan peniruan: persaingan antara
AS dan China pada teknologi pembayaran pihak ketiga. J.Chin. Ekon. Stud Perdagangan Luar Negeri.
10 (3), 252–258.
Currie, WL, Seltsikas, P., 2001. Menjelajahi sisi suplai out-sourcing TI: mengevaluasi
peran yang muncul dari penyedia layanan aplikasi. eur. J.Inf. Sistem. 10 (3), 123–134.
Deng, L., 2009. Penelitian Perkembangan TPP dan Perbankan. Des. Kelola. J.6,
183–190.
Dickey, DA, Fuller, WA, 1979. Distribusi estimator untuk waktu autoregresif
seri dengan akar unit. Selai. Stat. Asosiasi 74 (366), 427–431.
Elton, EJ, 1999. Pengembalian yang diharapkan, pengembalian yang direalisasikan, dan pengujian penetapan harga aset. J. Financ. 54
(4), 1199–1220.
Fang, S., Xu, L., Zhu, Y., Ahati, J., Pei, H., Yan, J., Liu, Z., 2014. Sistem terintegrasi untuk
pemantauan dan pengelolaan lingkungan hidup daerah berbasis internet of
things. Trans IEEE. Ind.Inf. 10 (2), 1596–1605.http://dx.doi.org/10.1109/TII.2014.
2302638.
Frame, S., White, L., 2004. Studi empiris inovasi keuangan: banyak bicara, sedikit
tindakan. J.Econ. Menyala. 42 (1), 116–144.
French, N., Cooper, R., 2000. Model penilaian investasi: setiap tahun tunggakan data di
triwulanan di muka arus kas. J. Prop.Invest. Keuangan 18 (2), 225–238. Gorkhali, A.,
Xu, L., 2016. Integrasi aplikasi perusahaan dalam integrasi industri—a
Tinjauan Literatur. J.Ind.Integr. Kelola. 1 (4), 1650014.http://dx.doi.org/10.1142/
S2424862216500147.
Gu, B., Jiang, W., Tan, C., 2016. Tema: merangkul Internet of Things untuk menggerakkan data-
keputusan yang didorong. J.manag. Anal. 3 (1), 112–113.http://dx.doi.org/10.1080/
23270012.2016.1140597.
Gul, S., Irshad, F., Zaman, K., 2011. Faktor-faktor yang mempengaruhi profitabilitas bank di Pakistan.
Rumania J. Econ. Prakiraan 14 (39), 61–87.
Heffernana, SA, Fu, X., 2010. Penentu kinerja keuangan di perbankan Cina.
Aplikasi Keuangan Ekon. 20 (20), 1585–1600.
Jackson, A., 1996. Bagaimana dan mengapa EVA di CS First Boston. J.Appl. Keuangan Corp. 9
(1), 98–103.
Jiang, L., Xu, L., Cai, H., Jiang, Z., Bu, F., Xu, B., 2014. Penyimpanan data berorientasi IoT
kerangka kerja dalam platform komputasi awan. Trans IEEE. Ind.Inf. 10 (2), 1443–1451.
http://dx.doi.org/10.1109/TII.2014.2306384.
Kauffman, RJ, Liu, J., Ma, D., 2014. Inovasi dalam IS keuangan dan eko-teknologi
sistem: perdagangan frekuensi tinggi di pasar ekuitas. Technol. Ramalan. Soc. Chang. 99,
339–354.
Kim, J., 2017. Tinjauan penelitian sistem siber-fisik yang relevan dengan TI yang sedang berkembang
tren: industri 4.0, IoT, data besar, dan komputasi awan. J.Ind.Integr. Kelola. 2 (3).
http://dx.doi.org/10.1142/S2424862217500117.
Kyriazis, D., Anastassis, C., 2007. Validitas pendekatan nilai tambah ekonomi: sebuah
aplikasi empiris. eur. Keuangan Kelola. 13 (1), 71–100.
Lerner, J., Tufano, P., 2011. Konsekuensi inovasi keuangan: kontrafaktual
agenda penelitian. Tahun. Pendeta Financ. Ekon. 3 (1).
Li, S., Xu, L., Wang, C., 2013. Sinyal penginderaan terkompresi dan akuisisi data dalam nirkabel
jaringan sensor dan Internet of Things. Trans IEEE. Ind.Inf. 9 (4), 2177–2186.
http://dx.doi.org/10.1109/TII.2012.2189222.
Lin, Y., Li, Y., 2001. Mempromosikan pertumbuhan usaha menengah dan kecil melalui
pengembangan lembaga keuangan menengah dan kecil. Ekon. Res. J.1, 10–18.
Linck, K., Pousttchi, K., Wiedemann, DG, 2006. Masalah Keamanan dalam Pembayaran Seluler dari
Sudut Pandang Pelanggan.
Liu, Y., Han, W., Zhang, Y., Li, L., Wang, J., Zheng, L., 2016. Internet-of-Thing so-
solusi untuk keamanan pangan dan kontrol kualitas: proyek percontohan di Cina.
J.Ind.Inform. Integral 3, 1–7.http://dx.doi.org/10.1016/j.jii.2016.06.001.
Liu, F., Tan, C., Lim, E., Choi, B., 2017. Melintasi jaringan pengetahuan: algoritmik
historiografi literatur yang masih ada di Internet of Things (IoT). J.manag. Anal. 4 (1),
3–34.http://dx.doi.org/10.1080/23270012.2016.1214540.
Lyytinen, K., Rose, GM, 2003. Sifat mengganggu teknologi informasi di-
novations: kasus komputasi internet dalam organisasi pengembangan sistem. MIS
Q.27 (4), 557–596.
Ma, Z., 2005. Penelitian Pola Kerjasama Antara Perusahaan TPP Dengan Perusahaan Lain
Bisnis (Disertasi doktoral). Universitas Modal Ekonomi dan Bisnis. MacKinnon, JG,
1996. Fungsi distribusi numerik untuk akar unit dan kointegrasi
tes. J.Appl. Ekon. 11, 601–618.
Mackinnon, JG, Haug, AA, Michelis, L., 1999. Fungsi distribusi numerik dari
tes rasio kemungkinan untuk kointegrasi. J.Appl. Ekon. 14 (5), 563–577.
Micu, AE, Micu, AE, 2016. Pemodelan sistem fuzzy untuk membantu penargetan pelanggan
keputusan di perusahaan ritel. 24(3).
Miller, SM, Noulas, AG, 1997. Campuran portofolio dan profitabilitas bank besar di AS.
Aplikasi Ekon. 29 (4), 505–512.
Molyneux, P., Thorton, J., 1992. Penentu profitabilitas bank Eropa: sebuah catatan. J.
Bank. Keuangan 16, 1173–1178.
Nicita, A., Pagano, U., 2016. Komplementaritas teknologi keuangan: sebuah organisasi
pendekatan kesetimbangan. Struktur. Chang. Ekon. Din. 37, 43–51.
O'Byrne, S., 1996. EVA dan nilai pasar. J.Appl. Keuangan Corp. 9 (1), 116–125. Olson, D.,
Zoubi, TA, 2011. Efisiensi dan profitabilitas bank di negara-negara MENA. Muncul.
Tanda. Wahyu 12 (2), 94–110.
207
Prakiraan Teknologi & Perubahan Sosial 135 (2018) 199–207
Pavitt, K., 1984. Pola perubahan teknis sektoral: menuju taksonomi dan teori.
Res. Kebijakan 13 (6), 343–373.
People's Bank of China, 2010. Administrasi Layanan Pembayaran Non Lembaga Keuangan
Regulasi (Publikasi PBC No. 2010-2). Bank Rakyat China, Beijing. Perry, P., 1992.
Apakah bank untung atau rugi dari inflasi. J. Ritel. Bank. 14 (2), 25–30. Qin, Y., 2016.
Investasi infrastruktur transportasi Tiongkok: dulu, sekarang, dan masa depan. Asia
Ekon. Policy Rev. 11 (2), 199–217.
iResearch Consulting Group, 2017. Laporan industri TPP China, 2017. Diakses 18/08,
2017, dari.http://report.iresearch.cn/report_pdf.aspx?id=3035. Revell, J., 1979. Inflasi
dan Lembaga Keuangan. Financial Times, London. SafarziNska, K., Van den Bergh, JCJM,
2016. Kebijakan krisis-energi terintegrasi: makro-
pemodelan evolusi interaksi teknologi, keuangan dan energi. Technol. Ramalan.
Soc. Chang. 114, 119–137.
Saviotti, PP, 2001. Variasi, pertumbuhan dan permintaan. J.Evol. Ekon. 11 (1), 119–142.
Schumpeter, JA, 1912. Fenomena fundamental pembangunan ekonomi. Saya. J.
Ekon. Sosial. 61 (2), 405–437.
Shil, NC, 2009. Ukuran kinerja: penerapan nilai tambah ekonomi. Int. J.
Bis. Kelola. 4 (3), 169–177.
Short, BK, 1979. Hubungan antara tingkat keuntungan bank umum dan perbankan
konsentrasi di Kanada, Eropa Barat dan Jepang. J.Bank. Keuangan 3, 209–219.
Smirlock, M., 1985. Bukti hubungan antara konsentrasi dan profitabilitas
di perbankan. J. Uang, Kredit, Bank. 17, 69–83.
Sun, X., Zheng, H., 2010. Penelitian inovasi teknologi dan evolusi industri
dan prospeknya. Ekonomi Asing. Kelola. 32 (10), 20–26.
Suppes, P., 1970. Tata bahasa probabilistik untuk bahasa alami. Sintesis 22 (1), 95–116.
Tornatzky, L., Fleischer, M., 1990. Proses Inovasi Teknologi. Lexington
Buku, Lexington.
Wang, S., Zheng, S., Xu, L., Li, D., Meng, H., 2008. Tinjauan literatur elektronik
penelitian pasar: tema, teori, dan kerangka kerja integratif. Inf. Sistem. Depan. 10 (5),
555–571.http://dx.doi.org/10.1007/s10796-008-9115-2. Whitmore, A., Agarwal, A., Xu,
LD, 2015. Internet of Things-survei topik dan
tren. Inf. Sistem. Depan. 17 (2), 261–274.
Windrum, P., Ciarli, T., Birchenhall, C., 2009. Dampak lingkungan, kualitas, dan harga:
trade-off konsumen dan pengembangan teknologi ramah lingkungan. Technol.
Ramalan. Soc. Chang. 76 (4), 552–566.
Xiang, JY, Jing, LB, 2014. Perdagangan elektronik di Tiongkok: status saat ini, perkembangan
strategi, dan tren baru. Sains Shanxi. Technol. 3, 71–94.
Xie, C., Cai, H., Xu, L., Jiang, L., Bu, F., 2017. Model semantik tertaut untuk informasi
sumber daya menuju manufaktur cloud. Trans IEEE. Ind.Inf. 13 (6), 3338–3349.
http://dx.doi.org/10.1109/TII.2017.2723501.
Xu, L., 2011. Sistem perusahaan: tren mutakhir dan masa depan. Trans IEEE. Ind.Inf. 7
(4), 630–640.
Xu, L., He, W., Li, S., 2014. Internet of things in industries: a survey. Trans IEEE. Ind.Inf.
10 (4), 2233–2243.
Xu, B., Xu, L., Cai, H., Xie, C., Hu, J., Bu, F., 2014. Metode pengaksesan data di mana-mana di
Sistem informasi berbasis IoT untuk layanan medis darurat. Trans IEEE. Ind.Inf. 10
(2), 1578–1586.http://dx.doi.org/10.1109/TII.2014.2306382.
Yan, SK, Chang, SN, 2007. Cara pembayaran dan penerapan pembayaran pihak ketiga
dalam perdagangan elektronik. Mod Pasar. 10 (502), 94–95.
Yang, B., Stankevicius, D., Marozas, V., Deng, Z., Liu, E., Lukosevicius, A., Dong, F., Xu,
L., Min, G., 2018. Model validasi data lifelogging untuk sistem layanan kesehatan berkemampuan
internet of things. Trans IEEE. Sistem. Man Cybern. Bagian A Sistem. Bersenandung. 48 (1), 50–64.
http://dx.doi.org/10.1109/TSMC.2016.2586075.
Yin, Y., Zeng, Y., Chen, X., Fan, Y., 2016. Internet of things dalam perawatan kesehatan: over-
melihat. J.Ind.Inform. Integral 1, 3–13.http://dx.doi.org/10.1016/j.jii.2016.03.004.
Zhao, Q., Li, Y., Xue, J., 2016. Penelitian Faktor Pengaruh Internet Financial
konsumsi produk berdasarkan teori difusi inovasi. Dalam: WHICEB, hlm. 35. Zheng,
X., 2014. Penerapan Economic Value Added pada Evaluasi Kinerja PT
bank yang terdaftar di Cina. J.Acad. Res. Ekon. 6 (1), 103–118.
Yao Meifangadalah Profesor di Sekolah Manajemen, Universitas Jilin di Cina. Dia menerima gelar
PhD dari Jilin University pada tahun 2007. Dia pernah menjadi sarjana tamu di California State
University, Northridge. Bidang keahlian utamanya adalah Manajemen Kewirausahaan dan Tata
Kelola Perusahaan. Dia telah menyelenggarakan lebih dari dua puluh proyek penelitian yang
didukung oleh National Science Science Foundation of China dan dana penelitian di Provinsi Jilin.
Dia juga telah menerbitkan tiga buku dan lebih dari lima puluh jurnal.
Di Diaadalah Kandidat PhD di School of Management, Universitas Jilin. Dia menerima
gelar master dari Universitas Nasional Australia pada tahun 2012. Minat penelitian
utamanya adalah Manajemen Wirausaha, Tata Kelola Perusahaan dan perusahaan
“Internet Plus” yang terdaftar di Bursa Shanghai dan Shenzhen.
Zheng Xianrongadalah Asisten Profesor di Departemen Teknologi Informasi dan Ilmu
Keputusan, Old Dominion University, AS. Ia menerima gelar PhD di bidang Ilmu
Komputer dari Queen's University, Kanada. Bidang penelitiannya meliputi Komputasi dan
Informatika, yang melibatkan Ilmu Komputer, Teknik Komputer, dan Teknologi
Informasi. Ia juga tertarik dengan penelitian di bidang manajemen bisnis, termasuk Data
Science (Cloud Computing dan Big Data) dan Electronic Commerce (Recommender
Systems and Mobile Commerce). Dia adalah anggota ACM, IEEE, dan AIS.
Xu Xiaoboadalah Associate Professor di School of Business Administration, American University of
Sharjah. Ia menerima gelar PhD di MIS, University of Mississippi, USA. Sebelum program PhD-
nya, dia bekerja selama dua tahun sebagai manajer proyek dan manajer departemen di
perusahaan publik pertama di China. Dia saat ini melakukan penelitian di bidang kesuksesan
proyek IS, tim virtual dan dunia virtual, adopsi dan kesuksesan e-commerce, manajemen rantai
pasokan, dan jaringan sosial. Makalah penelitiannya telah dipublikasikan di jurnal yang
direferensikan antara lain PMJ, DATABASE, IT&M, IJITDM dan EIS.