大数据金融论文篇（1）

中图分类号：F830文献标识码：A文章编号：1003-4161(2008)01-0137-04

1.引言

金融作为现代经济的核心，对国民经济的长期稳定增长起着重要的“杠杆效应”和“中枢效应”。而金融市场量的扩张和质的改善离不开其所处环境的支持，所以，金融生态就成为金融市场存在和发展的基础和前提。就西部地区而言，金融生态的改善不仅可以优化西部金融体系的筹资用资功能、资产流动与重组功能、企业融资的风险约束功能[1]，而且可以很好地促进西部地区的资本形成，缓解西部地区发展的资金约束，改善西部产业结构，从而进一步提高西部企业在规模经济、产业结构、技术层次、内部运行机制等方面的发展水平。

本文首先拟对金融生态水平的衡量建立评估指标体系，然后对1997～2005年西部十二省区的金融生态状况进行面板数据分析，最后对西部地区金融生态水平进行实证分析，并提出针对性的政策建议。

2.文献回顾和研究目的

金融生态理论的形成与发展来自于金融现实的发展，随着全球范围内经济货币金融化的迅猛发展，国内外学术界对金融生态理论日益关注，在这一理论的形成过程中，产生了一系列有影响的成果。

2.1 西方学者对金融生态理论形成的贡献

金融生态是一个仿生概念,它的理论来源是生态经济学。英国生态学家A.G.Tansley于1935年生态系统学，极大地丰富了生态学的内容，为后来生态经济学的产生奠定了自然科学方面的理论基础. 20世纪20年代中期，美国科学家Mekenzie首次把首次把植物生态的概念与动物生态学的概念运用到人类群落和社会的研究，提出了经济生态学的名词，主张经济分析不能不考虑生态学过程。在此基础上，美国经济学家Kenneth.Boulding在其重要论文《一门科学―――生态经济学》中，正式提出了生态经济学的概念[2]。

1973年，美国经济学家Ronal McKinnon和Edward S・Shaw提出了金融深化理论[3]，其主导思想是取消政府对金融系统的一切干预和管制，让货币金融系统按照市场机制自发运行。金融深化理论纠正了传统经济理论中对货币金融因素的忽视，更加注重金融系统的内在机制运行，从而形成了金融生态学的萌芽。

20世纪末, 演化经济学获得了里程碑式的发展。演化经济学把经济系统的演化看作一个渐进的变化和发展过程, 认为选择机制是演化机制的一个关键性部分[4]。金融体系作为经济系统的一个重要组成部分,其发展也会经历一个由低级到高级不断优化的演进过程。不断深化的生态经济学为我们从生态角度透视金融环境问题奠定了理论基础。

2.2 国内学者对金融生态理论的研究成果

胡章宏（1998）采用系统论的研究方法, 将金融体系视为有机系统, 提出了金融质性发展和良性发展的概念。这些观点跳出了传统经济学对金融内生发展研究的理论范式, 开始用系统学的观点审视我国金融体系存在的问题, 并注意到金融业的可持续发展是多种因素综合作用的结果, 从而为金融生态环境理论的提出提供了较为明确的目标指引。白钦先教授（2001）较早注意到金融生态环境对金融业发展的约束作用, 首先提出 “金融生态环境”这一概念。他当时所刻画的金融生态环境, 是特定的金融生态环境以其环境容量和 “净化”能力对经济活动会产生的约束性影响。兰州大学高新才教授（2004）针对西部落后地区如何谋求经济发展，如何缩小与发达地区的差距的问题，提出营造良好金融生态环境的问题[5]。

2004年11月，央行行长周小川博士在经济学50 人论坛上将生态学概念系统地引申到金融领域，强调用生态学的方法来考察金融发展问题，通过完善法律制度等改进金融生态环境的途径来支持和推动整个金融系统的改革和发展[6]。随后，其他学者也进行了相应的研究，苏宁（2005）研究认为, 金融生态是一个比喻, 它不是指金融业内部的运作, 而是借用生态学的概念, 来比喻金融业运部环境。韩平（2005）认为, 金融生态是指影响金融业生存和发展的各种因素的总和。徐诺金（2005）把金融生态概括为各种金融组织为了生存和发展, 与其生存环境之间及内部金融组织之间在长期的密切联系和相互作用过程中, 通过分工、合作所形成的具有一定结构特征, 执行一定功能作用的动态平衡系统。

通过比较以上中外学者的研究成果，我们可以看出，由于研究者的学术背景差异和所考察对象空间纬度和时间跨度的不同，其对金融生态的研究侧重点也不尽相同。总体而言，笔者认为，目前的学术界对金融生态理论的研究还有以下三点不足之处：一是缺乏对金融生态水平的评估指标的研究；二是对金融生态的定量化实证研究不足；三是对金融生态的作进一步的区域化考察较少。正是本着弥补上述不足，本文试图结合西部十二省区的面板数据，对西部地区的金融生态水平进行定量化的实证研究。

3.金融生态水平评估指标体系的构建

金融生态是一个复杂而又庞大的系统，它由许多子系统构成。各个子系统均从不同方面对金融市场中的经济主体产生影响。一般而言，这些子系统包括经济发展水平、金融市场孕育水平、法制健全水平、信用体系建设水平、市场服务和监管水平等五大部分。

为了方便建立面板数据模型，我们将本着数据的可得性、易量化性和简洁性等原则来选取相关的评估指标。本文中，笔者选取金融生态系统内的五大部分共16个评估指标来衡量某一区域的金融生态水平。具体指标如下：

3.1 经济发展水平指标

①GDP增长率

②金融业投资比例＝金融业投资额／全行业固定资产投资额

3.2 金融市场孕育水平指标

①经济的货币化程度＝M2／GDP

②金融业内主要金融机构的资产总额

③金融从业率＝金融业从业人数／全部就业人数

④本地金融机构资金流入与流出状况

3.3 法制健全水平指标

①金融案件结案率＝金融案件结案数量／金融案件案发数量

②金融相关法律法规出台数量

③金融交易规范化程度

3.4 信用体系建设水平指标

①金融市场交易主体诚信意识、诚信文化的文明程度

②本地金融机构的不良贷款比例＝本地不良贷款额／全国不良贷款总额

③企业的资产负债率＝负债总额／资产总额

④本地间接融资比例＝本地贷款总额／全国国内贷款总额

3.5 市场服务和监管水平指标

①金融中介总数量（包括会计和律师事务所、仲裁机构、信用担保和资信评估机构）

②政府相关部门的行政效率和监管效率

③金融机构风险控制机制和市场退出机制的完善

当然，经济体系内还有其他指标对金融生态系统起着作用，但是考虑到建立模型的需要和指标的重要程度，其他因素不予考察。尽管上述各项指标可以很好的在总体上反映某一区域的金融生态水平，但是对其中的一些难以量化但是对金融生态有着重要影响的指标，如金融交易规范化程度、政府相关部门的行政效率和监管效率等，我们在建立模型时对其进行虚拟变量的等级量化。还有一些可以量化但是数据却很难获得的指标，如金融案件结案率、金融中介总数量等，我们将其进行剔除。这不会对整个评估体系产生根本上的影响。简化后的指标体系如图1所示：

图1 修正后的金融生态评估指标体系

4.基于面板数据的实证分析

4.1 计量经济模型的建立

我们对西部金融生态的研究使之所以选用Panel Data的分析方法,主要是因为影响金融生态的因素非常多,再加上数据的限制,我们无法将有关变量纳入到计量经济模型中来，而Panel Data可以很好的避免造成遗漏变量所导致的误差（omitted variable bias）[7]。

在模型中，我们把西部金融生态的状况作为模型的因变量，用Y表示，将其划分为三个等级：较差、一般和良好。同样，我们也把法制健全水平和市场服务监管水平两个虚拟变量指标划分为上面的三个等级。金融生态的各个评估指标：GDP增长率、金融业投资比、经济货币化程度、金融从业率法制健全水平、企业资产负债率、本地市场主体间接融资比、市场服务监管水平等分别用GDP、INVEST、MONEY、JOB、LAW、DEBT、LOAN、SERVICE来表示。从而，根据经济理论和Panel Data的分析方法，我们建立如下的初始计量经济模型：

其中，Y、LAW、SERVICE都是虚拟变量，它们的取值如下：

Y、LAW、SERVICE ＝ 1 较差2 一般3良好

4.2 模型框架的说明和数据的来源

模型(1)中μit表示随时间变化，不可观测到的因素对金融生态水平的影响，也即随即扰动项。αi 则表示在时间上恒定的条件下，不可观测到的因素对金融生态水平的影响。根据Panel Data的相关理论，αi假设的不同，初始模型(1)又可分为混合估计模型；固定效应模型和随机效应模型三种情况。如果各个截面的αi 都相等为α0，模型(1)为混合估计模型；如果αi 与其他自变量存在相关性，即Cov(Xitj, αi )≠0，t=1,2,...T,j=1,2,...K。则模型(1)为固定效应模型；反之，如果αi 与其他自变量不存在相关性，模型则为随机效应模型。由于不同的模型具有不同的估计方法和估计值，我们首先应用统计结果作Hausman检验，来确定应该选用固定效应模型还是随机效应模型。然后，再应用相关的F统计量检验，来分析混合估计模型和固定效应模型[8]。

数据来源：根据1997～2005各年《中国统计年鉴》、《中国金融年鉴》测算得出。部分数据根据各省区国民经济和社会发展公报测算得出。

注：MONEY＝M2/GDP指标中的各省份的M2数据较难获得，这里用城乡居民储蓄存款余额来代替。为了保持统计口径的一致性，JOB指标中的金融从业人员数量用各年末金融业从业职工数量来表示。同时为了更好地衡量各地的信用状况，DEBT指标用“三资”企业的资产负债率来表示。

为了使模型更具一般性和代表性，也为了便于比较，我们在选取西部十二省数据的基础上，又选取了北京、上海、天津三个金融生态较好的东部地区作为样本数据。本文所选用的数据大部分来自《中国统计年鉴》、《中国金融年鉴》。为了保证各年省级层面数据统计口径的一致性和准确性，我们对相关指标数据作了变通处理，但这并不影响对评估指标的解释能力。对于模型中虚拟变量具体值的选取，我们是根据相关材料和各省份具体的经济表现而确定的。表1提供了样本中各省份的自变量平均值（mean）的时序变动情况。

4.3 估计结果和模型检验

我们对模型(1)分别进行了混合估计模型估计；固定效应模型估计和随机效应模型估计。具体估计结果见表2.

针对上表中的三个模型的分析结果，我们首先进行Hausman检验。利用Eviews5.1可以直接进行Hausman检验。检验结果Hausman统计量H＝34.758364 >x20.01(8)＝20.09。所以模型存在固定效应，应该建立固定效应模型。其实在Panel data分析中，随机效应模型是针对当个体成员单位是随机地抽自一个很大的总体时来考察总体的情况而设立的，由于本文是考察全部西部十二省的金融生态状况，所以固定效应模型更为合适。再来比较混合估计模型和固定效应模型的情况。我们根据F统计量的取值来分析：

F＝[(SSEr-SSEu)/(T+k-2)]/[ SSEu/(NT-T-k)] （2）

其中，SSEr，SSEu分别表示混合估计模型和固定效应模型的残差平方和（Sum squared resid）。N为截面数，T为年数，K为解释变量。根据面板数据的分析结果知：SSEr＝14.0057，SSEu＝3.142874，带入（2）式可得，统计量F＝27.18983725 >F0.01(8,118)＝2.66。所以拒绝原假设，应该建立固定效应模型。从以上分析可以得出，我们最终选择固定效应模型作为我们分析的依据，着重用固定效应模型来测度西部各省份的金融生态水平。

5.西部地区金融生态水平的评估分析

随着我国经济的快速发展，西部地区的经济水平实现了大幅度的提高，同时在资本市场的建设与完善、金融制度的创新、金融环境的改善等方面也取得了可喜的成绩。但是，西部各省区的金融生态水平到底在什么样的水平上？与东部发达地区相比，西部地区金融生态建设的差距又在哪里？通过对这些问题的考察，可以得出西部地区未来进一步加强金融生态水平建设的着力点。本文将根据前文中论述的金融生态评估指标体系，利用西部各省区在1998～2006年的评估指标的平均值来，测度各省区的金融生态水平，然后我们再进行各省区的比较分析。

从上表可以看出，重庆、四川、陕西三省市的金融生态水平Y值介于2和3之间，说明这三个省份的金融生态状况比较良好。2007年第三届中国金融（专家）年会将西安评价为西部金融生态城市高速发展的引擎[9]。另外，2007年重庆市政府提出要用13年时间把重庆打造成西部金融中心[10]。本文的数据比较好的支持了这两种观点。甘肃、内蒙古、广西、新疆的金融生态水平Y介于1和2之间，但接近于2，说明金融生态状况正由一般向良好发展，具有很好的发展潜力。而宁夏、云南、贵州、青海、几省的金融生态指标值Y较接近于1。这些省份的金融生态状况不容乐观，必须予以重视，应大力加强金融生态水平的构建与优化。从固定效应模型的系数值和西部金融生态的差距来看，西部地区金融生态水平建设应该从以下两点加以考虑：一是要大力强化法制健全水平的建设，因为法制水平的作用在模型中表现特别突出，同时也是西部金融生态水平的软肋。二是要优化本地区的信用体系水平，加强金融市场的中介服务建设，以吸引金融人才和金融资本的大量进入。三是要着力培育金融在经济发展中的深化度，特别是要加强资本市场的建设，注意用金融的杠杆作用推动经济的快速发展。

参考文献：

[1]谢丽霜.西部开发中的金融支持与金融发展[M].大连：东北财经大学出版社,2003：2－18.

[2]为经济可持续发展创造良好的金融生态[N].上海证券报,2005-10-11.

[3]张莉萍,衣长军.海峡西岸经济区金融生态环境分析[J].中国科技信息,2007，(2)：7－8.

[4]代金奎,腾春强.金融生态问题研究综述[J].济南金融,2007，(2)：11－16.

[5]张新记.构建西部地区金融生态环境的理性分析[J].社科纵横,2007，(2)：4－5.

[6]周小川.完善法律制度,改进金融生态[EB/OL]. pbc.省略/detail.asp?col=5110&ID=46.

[7]Irvine.Eviews 5 User Guide、Version、Quantitative Microsoftware[M].california.USA.2004：46.

[8] Aazrul Islam.Growth Empirics:A Panel Data Approach[J].Quarterly Journal of Economics,1995, Vol.110：1127-1170.

[9]中国金融大典[EB/OL]. news.省略/zhuanti/2007032201.

[10]重庆金融宏图：13年建成西部金融中心[N].第一财经日报,2007.4.9.

［作者简介］宁文娟(1982- )，女，西北工业大学硕士研究生，主要研究领域：现代西方金融发展理论、西方金融结构理论。

大数据金融论文篇（2）

 

一、引言

随着西方经济增长与金融发展理论的引入，金融发展与经济增长的关系已成为我国当代经济学界的一个重要研究领域,厘清两者之间的关系对于加快我国经济发展具有重要的政策意义。我国学者利用国内数据对两者之间的关系进行的大量实证研究，由于方法和指标体系的不同，研究结论各有差异。全国层面谈儒勇(1999)利用普通最小二乘法发现我国金融中介发展与经济增长显著正相关；王志强和孙刚(2003)采用带有控制变量的向量误差修正模型和Granger因果检验方法，发现1990年以来我国金融发展与经济增长之间存在着显著的双向因果关系。区域层面周立、王子明的研究表明：中国各地区的金融发展与经济增长都密切相关, 促进金融发展有利于经济的长期增长；冉光和、李敬等分别对我国东部和西部金融发展与经济增长的长期关系和短期关系进行了比较研究后认为:西部地区金融发展与经济增长之间具有金融发展引导经济增长的单向长期因果关系, 而无明显的短期因果关系，东部地区金融发展与经济增长之间具有明显的双向长期因果关系和双向短期因果关系。此外张兵、胡俊伟( 2003)、孙涌( 2003)、胡金焱、朱明星( 2005) 分别对江苏、贵州和山东三省的金融发展和经济增长的关系进行了实证分析。目前，国内理论界关于金融发展与经济增长关系的实证分析很多论文网，但是大部分是对我国的整体情况做分析，对于省际情况的研究较少。我国是一个具有区域性特点的大国,经济在地域间的发展是不平衡的,金融发展的差异也很大, 因此研究一个区域金融发展与经济增长的关系对于该区域的经济发展更具有指导意义。基于这一认识，本文对重庆市金融发展与经济增长之间的关系进行了实证研究。

二、变量选择、分析方法与数据说明

根据数据的可收集性和经济政策的连续性，论文选取了两组指标: 一是反映经济增长的指标，二是反映金融发展状况的指标。（一）经济增长指标。通常一国或一地区综合经济发展水平用国内生产总值(GDP)来衡量，考虑到人均GDP 数据比总GDP 数据更能反映经济发展水平，并为剔除物价因素和人口因素的影响，本文采用了实际人均GDP的环比增长率( G) 作为衡量经济增长的指标。实际人均GDP 是通过重庆市GDP缩减指数( 以1978 年为基期) 加以调整得到的。（二）金融发展状况指标。本文选取两个指标来反映金融发展状况: 一是衡量金融规模的金融相关比率指标( FIR)。FIR指某一时点上现存金融资产总额与国民财富之比。通常,人们将其简化为金融资产总额与GDP之比。限于数据的可获得性, 本文的金融资产总额包括金融机构各项存款余额、贷款余额、国家债券发行额和企业债券发行额。二是反映金融结构的指标( BANK) , 即金融机构贷款余额在金融总资产中的比重, 可以衡量金融中介( 银行系统) 在金融体系中的相对规模和作用。

在分析方法上，为了避免模型出现伪回归现象，本文首先利用ADF 单位根检验检验变量的平稳性，并对非平稳性变量进行处理使之成为平稳时间序列。为进一步检验二者的因果关系，分析金融发展对经济增长的影响程度，本文采用Granger 因果关系检验对数据进行检验和分析。如果各变量均是单整的，我们将对其进行协整检验以确定金融产业成长与经济增长之间的是否存在长期稳定的关系。

本文样本区间为1997—2009年, 所有数据均来源于《重庆统计年鉴》, 除以上说明外 数据未作其他处理。本文应用Eviews5.0对数据进行分析和检验。

三、实证分析

（一） 单位根检验

采用ADF法对对变量G、FIR、BANK进行单位根检验论文网，根据检验结果(表1)可见各序列一阶差分的ADF 检验值均小于5%的显著水平下的临界值，即G、FIR、BANK都是一阶差分平稳的, 即三者都是I(1)，即一阶单整。所以这三个变量具备了协整关系的必要条件，由此可以进行协整分析和因果检验。

表1 变量单位根检验结果

 

变量

检验类型( C, T, K)

ADF 检验值

临界值

显著水平

G

（c，t，2）

-3.76

-3.93

5%

G

（c，0，2）

-3.83

-3.21

5%

BANK

（c，t，2）

-1.01

-3.88

5%

BANK

（0，0，2）

-2.33

-1.98

5%

FIR

（c，t，2）

-2.43

-3.88

5%

FIR

（0论文网，0，2）

大数据金融论文篇（3）

文章编号：1003-4625(2010)12-0003-05　中图分类号：F830　文献标识码：A

一、金融深化理论的发展背景

金融深化理论从开始提出至今已经30多年了，从金融深化理论到金融自由化理论到金融约束理论再到20世纪90年代之后引入内生增长模型的计量研究，有很多文献已经研究了一个国家金融的发展与一国经济增长之间的关系。

(一)研究背景

国际上金融发展理论主要分为两个阶段：第一阶段为古典方法的研究时期，从最早的20世纪60年代的理论到70年代麦金农和肖的金融自由化理论，以及后来斯蒂格利茨提出的金融约束论。这一阶段主要是从一些数量的指标和简单的计量回归模型来研究金融发展和经济发展之间的关系。第二阶段是20世纪90年代之后金融发展理论的新的发展，主要使用内生经济增长模型，使理论的研究有了微观的基础。并运用了大量的计量分析的方法，对多个国家之间的数据进行检验，试图发现金融发展和经济增长之间的关系。

雷蒙德・W・戈德史密斯作为金融发展理论的最早提出者，首次建立了一个研究金融发展的新的理论框架，并提出了衡量一国金融发展水平的五个数量化的指标。但是他只是提出了问题，并没有找到金融发展与经济增长之间相互影响的确定的关系。麦金农利用了当时的一些计量分析，在实证检验方面，主要是对利率和经济增长之间的相关关系的分析，没有特别关注金融机构的发展与经济增长之间相关关系。斯蒂格利茨和韦斯从信息不完全的角度提出了金融约束论，所用的计量模型也只是用来说明政府的作用，而不是说明金融的发展与经济发展之间的相关关系。总体来说，在古典的金融发展理论阶段，计量的检验虽然较多，但却没有集中研究金融机构与经济增长的关系。20世纪70年代之后的成果主要集中在三个方面：一是实际利率对经济增长影响的研究，二是通货膨胀对经济增长的影响，三是金融自由化对金融中介效率的影响。

20世纪90年代之后内生经济增长理论的发展给金融发展理论注入了新的活力，试图为这一理论建立微观基础，也注重讨论金融体系内生性、金融的发展对经济增长的传导机制以及金融发展与经济增长之间的因果关系的研究。在影响机制的研究方面，马尔科・帕加诺(Pagano,1993)运用AK模型对金融自由化后的金融发展对实际经济增长的影响机制进行了研究，指出利率的管制必然导致金融中介的低效率，不利于经济增长。对金融中介与经济增长关系的实证检验方面，金和莱文(Levine and King，1993)的文献是很经典的。通过使用80个国家的1960-1989年的数据，他们研究了金融中介与经济增长之间是否有稳定的正相关以及金融中介通过何种渠道与经济增长相关联，通过定义四个金融中介指标(LLY，BANK，PRIVATE，PRIVY)和四个衡量经济增长的指标(GYP-人均实际GDP增长率；GK-物质资本积累率；INV-国内总投资与GDP的比率，即投资率；EFF-生产率增长率的增加)进行分析，得出金融中介和经济增长之间的联系不仅仅是一种同时期联系，并且金融中介还会对经济增长起着先导作用的结论。金和莱文(Levine and King，1998)的文章中把股票市场也考虑到金融中介中来，回归的结果为：在考虑了其他影响因素的条件下，金融中介和经济发展的正向相关关系也非常明显，支持了原先的结论。莱文等(Levine Loayza和Beck，2000)主要考察外生因素如政策因素对金融中介影响经济发展结果的影响，采用了1960-1995年74个国家的数据。实证分析的结果为：对于政策而言，如果金融中介对经济发展有巨大的影响的话，那么以提高金融中介发展的相关法律发挥和政策改革的紧迫性就大大提高。

然而，国际上学者基本没有对中国金融发展与经济增长之间的相关关系进行过实证检验。国内一些学者在这方面也做过一些实证研究，但研究结论却各不相同。如谈儒勇(1999)运用1993-1998年有关中国金融发展和经济增长的季度数据进行实证检验，得出中国金融中介和经济增长之间有显著的相关关系，且独立于其他影响经济增长的因素。金融中介体的总体规模DEPTH指标和季节增长之间有显著的负相关关系。然而，张祖香(2002)运用了1994年到2001年的时间序列季度数据进行了检验，回归发现长期的金融深度指标(DEPTH)和经济增长有显著的正相关关系，国有商业银行相对于银行体系的规模的比例和经济增长有不显著的关系。

(二)问题的提出

虽然金融深化理论已经发展了30多年，但真正对中国的金融发展与经济增长的研究文献还是比较少的。国外的学者在做东亚国家或者发展中国家的经济增长和金融增长之间的关系的时候，都没有使用中国的数据。国内的一些研究更多的是把金融中介体的内涵扩展为包括银行系统、股票和债券市场在内的广义的资本市场。

而我们只是对中国银行体系的发展变化与经济增长之间的关系感兴趣，也就是把金融中介体限定在狭义的银行体系之内来研究，这方面的实证研究成果并不多，分析的方法多参照了金和莱文。本文主要也是采用金和莱文(Levine and King 1993)的分析方法，参考了谈儒勇(1999)中的分析框架，用1994年到2008年新的季度数据来检验两者的相关关系。针对谈儒勇(1999)中提到的由于数据太少而无法对各变量的8期滞后变量进行估计的不足，我们分别计算了4期和8期的滞后变量，并根据数据的调整状况加入了虚拟变量REFORM，这是本文在利用以前成果基础上的创新之处。

二、变量的选取和数据来源

本文需要选取反映金融深度的两个指标，反应经济增长的指标，以及其他的一些控制变量，下文将逐一介绍。

(一)金融深度指标DEPTH

本模型中，我们选取两个金融中介指标作为解释变量，来证实金融中介的发展和经济增长之间的关系。第一是传统的金融深度指标(DEPTH)，它反映了金融中介的总体规模，等于全部金融中介的流动负债与当季GDP的比率，即DEPTH在数量上等于

(M2／GDP)。这一指标在金和莱文(Levine and King，1993)的实证研究中表示为LLY。在戈德史密斯的《金融结构与金融发展》一书，这一指标被称作货币化比率。全部金融中介体的流动负债实际上就是M3，但由于中国缺乏以前年度M3的统计数据，因此采用与谈儒勇文章中相同的做法，用M2替代。本模型运用1994-2008年M2，GDP的季度数据，两者相除得到当季度的DEPTH，两者均来自《中国人民银行统计季报》(1996.1-2009.2)。从《中国人民银行统计季报》上得到的M2值是已经经过季节调整后的数据，而季度GDP数据并没有经过季节调整。为此，本文采用国际上通用的X-12-ARIMA方法，运用Eviews软件，对季度GDP数据进行了季节调整。图1显示了1994年到2008年经过季节调整后的DEPTH季度数据。

从总体规模来看，这一指标在过去15年里先是缓慢上升，从1994年的3.48缓慢上升到2003年的6.25，之后又缓慢下降到2008年的5.86。自1997年亚洲金融危机爆发以后，为了度过这次危机，中国政府启动了积极的财政政策和宽松的货币政策。其中宽松的货币政策主要包括降低存贷款利率、法定准备金和超额准备金率。1998年中国政府连续三次降低存贷款利率、法定准备金率和超额准备金率，1999年又再次降低存贷款利率、法定准备金率和超额准备金率。这些宽松的货币政策一共持续了六年，直到2003年。因此，我们可以看到金融深度指标(DEPTH)在1994年之后一直呈现出上升趋势，直到2003年达到峰值后，才出现了缓慢的下降趋势。

(二)金融深度指标BANK

本模型中用到的第二个金融中介指标是金和莱文(Levine and King，1993)提出的BANK，即指存款货币银行国内资产与存款货币银行国内资产加上中央银行国内资产的比率。由于2002年起中国人民银行按照国际货币基金组织《货币与金融统计手册》对货币金融统计制度进行了修订，所以2002年前后BANK的计算有些小差异。在2002年以前，BANK等于存款货币银行资产负债表上五个资产类账户(储备资产、中央银行债券、对中央政府债权、对其他部门债权和对非货币金融机构债权)的季末余额之和除以存款货币银行资产负债表上五个资产类账户以及货币当局资产负债表上四个资产类账户(对政府债权、对存款货币银行债权、对非货币金融机构债权和对非金融部门债权)的季末余额之和。2002年以后，存款货币银行的国内总资产分为六个账户(储备资产、中央银行债券、对政府债权、对非金融机构债权、对特定存款机构债权、对其他金融机构债权和其他资产)。因此，BANK指标中存款货币银行国内资产变成上述六项之和。数据来自《中国人民银行统计季报》(1996.1-2009.2)。图2显示了1994年到2008年BANK的季度数据，BANK值在过去15年内缓慢上升，从1996年的0.78上升到2008年的0.93。存款货币银行的国内资产所占比例逐渐上升，表明近年来政策性银行、商业银行以及股份制银行得到了长足的发展。

(三)经济增长指标

此外我们还需选取一个经济增长指标作为模型的因变量：每季度的GDP环比增长率。首先，我们从《中国人民银行统计季报》(1996.1-2006.1)获取了1994-2008年每季度的名义GDP，并采用国际上通用的X-12-ARIMA方法，对其进行季节调整；其次，运用从Wind咨训数据库取得GDP季度同比增长率，计算出以1993年为基期的季度实际GDP；最后运用经过季节调整的季度实际GDP数据，算出每季度的GDP环比增长率。图3显示了1994年到2008年每季度GDP的环比增长率数据。可以看出，在1997年和2008年金融危机时，GDP环比增长率有一个较大的下降。

(四)控制变量

在现实世界中，经济增长还可能受其他因素的影响。为了检验金融中介和经济增长之间的关系是否独立于其他变量，有必要对这些变量进行控制。在谈儒勇的文章中，加入了当季进出口贸易总额与当季GDP的比率(TRADE)。考虑到政府积极(紧缩)财政政策对国民生产总值的刺激(收缩)作用，我们选取了另一个变量政府支出(EXPEND)，即政府购买加上转移支付。数据也来自中国经济信息网数据库(http：//db.cei.省略/)。同时，我们也运用X-12-ARIMA方法对进出口贸易总额和政府支出的季度数据进行了季节调整。

1997年初，中国人民银行对金融统计制度进行了调整。一是扩大了统计范围，将各商业银行所属的房地产信贷部、国际业务部和信用卡等部门、机构数据并入表中；二是对统计数据项目的设置进行了细化，对有关误差与遗漏作了重新修订。因此，自1997年一季度起数据与历史数据不完全可比，为解决数据的可比性问题，我们加入了虚拟变量(RE-FORM)，规定1996年4季度及以前的虚拟变量取值为0，从1997年1季度开始都取值为1。

三、回归的结果及分析

我们先对模型中的所有变量进行了一次回归以计算出各变量之间的相关系数。从回归结果的相关矩阵表知，BANK和DEPTH的相关系数是0.8416，说明两者存在相关性，但这两个指标所包含的信息又有所不同的，是不可以相互替代的，它们分别从不同的侧面反映金融中介体的发达程度。

我们使用了最小二乘法，运用1994-2008年的各季度数据对我国金融中介和经济增长关系进行线性回归，如表1、表2所示。表1反映的是经济增长与金融中介指标及其滞后四期(即上年同季度)变量之间的关系；表2反映的是经济增长与金融中介指标及其滞后八期变量(前年同季度)之间的关系。

注：被解释变量为GY：实际GDP的环比增长率，1994年第一季度到2008年第四季度。GY4，GY8分别是GY滞后四期和八期的GDP环比增长率。观测值个数为60个。每项后面的两个值分别是系数。T检验值。解释变量注释如下：

DEPTH：金融深度指标，等于每季平均M2除以李度的GDP。DEPTH4，DEPTH8分别是滞后四期和八期的金融深度指标。

BANK：存款货币银行相对于中央银行的重要性指标。BANK4，BANK8分别是滞后四期和八期的存款货币银行相对于中央银行的重要性指标。

TRADE：每季贸易总额除以季度GDP。TRADE4，TRADE8分别是滞后四期和八期的每季贸易总额除以季度GDP。

EXPEND：每季度政府的财政支出，包括政府购买和转移支付。EXPEND4，EXPEND8分别是滞后四期和八期的每季度政府的财政支出。

REFORM：一个虚拟变量，在1997年前取值为零，从1997年第一季度开始取值为壹。

从以上两个表可以看出，中国金融中介和经济增长之间有显著的相关关系。金融深度指标DEPTH较显著地进入模型，这说明本季DEPTH和本季度GDP环比增长率GY之间有显著的相关关系。同时，DEPTH4，DEPTH8的显著性也比较高，这说明货币政策同样具有时滞性。并且DEPTH 4，DEPTH8的系数相差很小，这证明了货币政策的时滞较长，在两年之内没有太大的改变。

值得注意的是，本文的实证研究结果并不支持货币当局的逆周期操作。在谈儒勇(1999)一文中解释DEPTH及其滞后变量的估计系数为负时，提到货币当局逆周期操作方面的原因――“货币政策之所以逆周期操作，是为了通过货币政策来熨平经济波动。在经济处于高涨期，货币当局通常减少货币供应量M3，加之此时GDP较高，所以金融深度MJGDP较低；而在经济处于衰退期，货币当局通常增加货币供应量M2，加之此时GDP较低，所以金融深度M2/GDP较高”。本文的实证研究结果显示，不管是DEPTH还是其滞后变量的估计系数都是正的，DEPTH对经济有促进作用。

存款货币银行相对于中央银行的重要性指标BANK，或其滞后变量单独进入模型是不显著的，这一结论与谈儒勇的结论相反，但当BANK4和DEPTH4同时进入回归模型中，两者的T检验值都得到显著提高(虽然此时BANK的T检验值还不是特别高)，且此时BANK4，BANK8的估计系数都为负。这表明，如果存款货币银行的相对重要性和经济增长之间存在一定的关系，那么一定是负相关关系。但因为T值不是特别大，对此负相关关系的作用我们仍然不能十分确定。　在加入新的变量TRADE,EXPEND后，DEPTH的仍然非常显著，这说明金融深度发展和经济增长的关系独立于其他影响经济增长的因素(如进出口总额，政府支出)。此外，BANK及其滞后项的显著性水平也明显提高，如表1第7列显示BANK4的P值达到2.2％，且此时的估计系数为负。这说明经济增长在一定程度上还是受中央银行的拉动。

四、结论

金融深化理论从提出开始已经30多年了，从金融深化理论到金融自由化理论到金融约束理论再到20世纪90年代之后引入内生增长模型的计量研究，国外有很多文献已经研究了一个国家金融的发展与一国经济增长之间的关系。本文运用中国1994年至2008年的宏观季度数据对中国金融中介对经济增长的影响进行实证分析，主要结论如下。

首先，两个金融深度指标在过去15年的变化，都反映了中国金融中介在过去15年里得到了发展。传统的金融深度指标(DEPTH)，它反映了金融中介的总体规模，这一指标在过去15年里先是缓慢上升，从1994年的3.48缓慢上升到2003年的6.25，之后又缓慢下降到2008年的5.86。第二个指标BANK，即指存款货币银行国内资产与存款货币银行国内资产加上中央银行国内资产的比率在过去15年里逐步上升，从1996年的0.78上升到2008年的0.93。

其次，本文运用实证研究，回归分析了中国的金融发展与经济增长之间的关系。结果表明，总的货币发行规模与经济增长之间有比较显著的正相关关系，银行体系内部的结构与经济增长之间存在比较显著的负相关关系。因此，货币发行总规模对经济增长有促进作用，并且这种促进作用具有时滞性。同时，存款货币银行相对于中央银行的重要性对经济增长没有显著的促进作用，甚至存款货币银行相对于中央银行重要性的滞后性指标和经济增长存在负向的相关关系，中央银行仍然对经济增长具有拉动作用，且这种拉动作用具有时滞性，在当期表现得并不明显。

最后，本文的回归结果不但验证了货币政策的时滞性，还体现了货币政策的时滞较长。回归结果显示四阶滞后项和八阶滞后项的系数相差很小，在两年之内并没有太大的改变。

参考文献：

[1]戈德史密斯，金融结构与金融发展[M]，上海：上海三联书店，上海人民出版社,1994.

[2]麦金农，经济发展中的货币与资本[M]_上海：上海三联书店，上海人民出版社,1997.

[3]麦金农，经济市场化的次序――向市场经济过渡时期的金融控制[M]，上海：上海三联书店，上海人民出版社,1997.

[4]李丹红，发展中国家金融自由化研究[N]，北京：经济日报出版社,2003.

[5]彭兴韵，金融发展的路径依赖与金融自由化[M]，上海：上海三联书店，上海人民出版社,2002.

[6]雷达，金融发展与金融自由化[M]，北京：中国青年出版社,2005.

[7]马君潞，金融自由化[M]，北京：中国金融出版社,1999.

[8]张荔，金融自由化效应分析[M]，北京：中国金融出版社,2003.

[9]王曙光，金融自由化与经济发展[M]，北京：北京大学出版社,2004.

[10]谈儒勇，中国金融发展和经济增长关系的实证研究[J]，经济研究，1999,(10).

大数据金融论文篇（4）

1960；Patrick，1966；Porter，1966；Khatkhate，1972；Mckinnon，1973），大多数经济学家认为，金融发展与经济增长之间存在着高度的正相关关系（Goldsmith，1966；King，Robert.G. & Levine，Ross，1993，2003；周立、胡鞍钢，2002；李雪琴，方先明，2010；邓向荣，杨彩丽，2011）。金融发展对经济增长具有促进作用，这一点已经达成了共识，但是是什么因素引起金融体系本身的发展，理论界尚无统一的定论。

从上世纪九十年代末期开始，理论界分别从法学、政治学、社会学以及经济学等不同方面探讨了不同地区间金融发展水平存在着差异的原因，试图用多种理论来阐明金融发展的决定因素。La Porta，Lopez-de-silanes，Shleifer 和Vishny（LLSV，1997，1998，2000）认为不同的法律框架会影响到外部融资以及资源在不同类型的资产之间的配置情况，只有当金融体系处于健全的制度框架之下时，金融发展才会对经济增长产生巨大的影响。Rajan和Zingales（2002，2003）从政治学的角度分析了金融发展的决定因素，他们认为既得利益集团会出于维护既得利益的目的而采取一些阻扰金融发展的措施，而这些措施会使得各国的金融发展呈现出显著的差异。Coffee（2001）指出一国金融发展是由社会规范而不是由法律规则来塑造和决定的，社会凝聚和同质会使更多的人遵守社会规范，从而形成良好的公司行为习惯，这种行为习惯会使得金融体系得到良好的发展。而Putnam（1993），Guiso，Sapienza和Zingales（2001）则认为社会资本才是促进金融发展的内在原因，社会资本可以增进信任水平，有助于形成道德观念，从而使得融资更加有效，这样社会资本的高低自然而然就会影响到金融发展水平。Stulz和Williamson（2003）的研究认为，文化和宗教差异是导致各国金融发展水平产生差异的一个重要因素，文化和宗教会影响各国对投资者权利的保护，从而在一定程度上影响到金融发展。Allen（2000，2005）等人对中国的研究认为，作为正式制度的补充，非正式融资渠道和治理机制对中国经济发展发挥着重要的作用。

上述学者的工作虽然有助于我们正确认识中国经济高速增长之谜的背后原因，但是他们的研究仅仅提出了一种理论假说，结论的信服力有限，对于我国金融发展的真正原因还有待进一步深入探究。吴敬琏（2004）和何小星（2005）等的研究表明，政府在地区金融发展与经济增长中扮演着重要的角色。Leuz and Oberholzer-Gee（2006）、Fan（2009，2011）以及Jiang（2010）等人的研究都表明地方政府质量会对企业的投入和产出决策产生显著的影响，从而影响到地区的金融发展和经济增长。金融发展在一定程度上会受到地方政府的影响，因此在中国的制度背景下，考察政府质量对于金融发展的影响具有重大的理论和现实意义。现有文献对政府质量的研究主要集中在政府质量与宏观经济增长之间的关系上（如李稻葵，2002；周黎安，2004，2005，2007），关于政府质量对金融发展影响的研究较少。

政府质量究竟是不是金融发展的一个决定因素，依然值得深入的探讨。在上述已有研究的基础上，本文试图考察政府质量对金融发展的影响。首先从理论角度分析政府质量对于金融发展的作用，对已有的研究进行归纳探讨，试图寻求理论依据；然后从实证分析的角度，分析政府质量与金融发展的关系。

二、理论分析与研究假设

LLSV等认为一国对投资者权利的法律保护力度会影响该国的金融发展水平。投资者受到的赋予其收回资金的权利的法律保护力度越大，则该国的金融发展水平较高。LLSV（1998）对不同法律渊源的国家投资者保护进行研究之后提供的证据表明，对投资者的法律保护力度越大，则资本市场发展越完善、企业公开上市的速度越快、所有权结构会更加分散，从而金融发展水平越高。在LLSV（1998）之后，许多经济学家（Demirguc-Kunt和Levine，2001；Friedman，Johnson和Mitton，2003；La Porta等2000，2002）的经验证据进一步支持了金融发展的法律渊源理论所持的法律渊源与投资者保护、金融发展之间存在着相关性的观点。尽管LLSV等的研究只是揭示了法律渊源与金融发展之间的相关关系，但是对于处于法律体系中心的政府来说，政府质量无疑会影响到一个国家的法律执行，从而对金融发展产生作用。Guiso，Sapienza和Zingales（2004）等认为高质量的政府可以增进信任水平，不遵守规范的人受到惩罚的概率比较大，因而人们更愿意遵守规范，从而使得人们彼此更加信任。另外，高质量的政府有助于道德观念的形成，政府质量越高，对公民的教育和引导越多，越容易形成良好的道德观念，信任的增加又会促进地区金融往来的增加，从而促进金融发展。基于上述分析，我们预期高质量的地方政府能够促进投资，吸引外部融资，从而促进金融发展。

由此提出假设1：地方政府质量与金融发展存在着正相关关系，高质量的政府能够促进金融发展。

Rajan和Zingales（2002，2003）等提出的金融发展的利益集团理论认为，既得利益集团出于维护既得利益的考虑，会通过一些非生产的经济活动对政府决策产生影响，阻挠金融发展。Olson（1965）和Becker（1983）从公共选择的视角分析了利益集团的游说对政府决策的选择所产生的影响。为了换取利益集团手中的选票和捐款，追求私利的政府官员会给这些利益集团一些有利的资源再分配的方式。Pagano、Marco和PaoloVolpin（2001）的研究认为，政府对经济的干预在一定程度上替代了金融市场自身的调节作用，因而政府干预力度越大，则金融发展水平越低，即政府干预力度与金融发展水平呈负相关关系。Rajan和Zingales（2002，2003）指出，尽管利益集团的政治压力会影响政府决策，从而对金融发展产生影响，但全方位的贸易市场开放会带来国内和国外的竞争，既得利益者由于竞争导致的利润下降和新投资需求，需要外部融资，同时跨国资本的自由流动限制了当地政府向既得利益集团提供信贷补贴的可能，政府对既得利益集团的信贷扩张得到限制，从而使既得利益者有激励推动金融发展。由此我们预期，贸易开放和资本流动会削弱利益集团对政府的政治压力，政府的信贷补贴和干预能力受到限 制。因此，在贸易市场开放的情况下，高质量的政府越不容易受到利益集团的干扰，从而政府质量对金融发展的作用会增强。

由此提出假设2：贸易开放会增强政府质量与金融发展之间的正相关关系。

三、实证研究设计

1、样本选取与数据来源

本文选取了1999—2007年我国省际的面板数据作为样本来源。考虑到西藏自治区统计数据存在缺失，所以本文剔除了西藏自治区的数据，只选择了其他30个省、自治区、直辖市的数据。本文所使用的数据包括政府质量数据、地区金融发展水平数据、贸易开放数据和其他一些控制变量的数据。其中政府质量数据和地区金融发展水平数据来自樊纲、王小鲁、朱恒鹏等编制的《中国市场化指数——各省区市场化相对进程2011年度报告》，该报告中的“金融市场化程度”是本文地区金融发展水平的替代变量。贸易开放的数据是根据2000—2008年的中国统计年鉴中的数据计算得出的。控制变量包括人均GDP、教育程度以及法律，其中人均GDP和教育水平的数据也是根据2000—2008年中国统计年鉴中的数据计算得出的，法律的数据来自樊纲等编制的《中国市场化指数——各省区市场化相对进程2011年度报告》，以樊纲等（2011）的市场化指数中的“中介组织发育和法律”作为法律的替代变量。

2、研究变量的定义

本文主要研究政府质量对金融发展的影响，被解释变量为金融发展，解释变量为政府质量、贸易开放，控制变量主要包括人均GDP、教育水平和法律。

对政府质量的评价是本文研究的前提，参照La Porta等（1999）对政府质量的界定，高质量的政府应该具备以下几个条件：提供良好的产权保护，保持较低的税负，即政府是非干预者；廉洁和办事高效；提供良好的公共服务。La Porta等选取了产权保护指数、腐败指数、官僚延误等指标来评价政府质量。陈德球、李思飞和王丛（2011）根据世界银行（2006）的调研数据，选取了产权保护水平、当地企业对法庭的信心、企业娱乐开支和企业跟政府打交道的时间维度来测度地方政府质量。根据上述对政府质量的界定和相关研究，本文以樊纲等（2011）的市场化指数中的“减少政府对企业干预”（Int）、“减少企业对外税费负担”（Tax）以及“缩小政府规模”（Scale）来度量政府质量。

以往对地区金融发展水平的评价往往采用金融相关率、M2/GDP以及银行金融资产/GDP等来测度，张军和金煜（2005）等的研究表明，这些指标会高估金融发展水平。因此，本文没有采用上述指标来衡量地区金融发展水平，而是利用樊纲等（2011）编制的《中国市场化指数——各省区市场化相对进程2011年度报告》中的数据，以该报告中的“金融市场化程度”作为本文地区金融发展水平的替代变量，该指数值越大代表地区金融发展水平越高（解维敏等，2011；Wang等，2008；朱红军等，2006；李涛等，2005）。

借鉴Rajan和Zingales（2003b）的研究，我们以进出口贸易总额占GDP的比例来衡量贸易开发水平，即贸易开发（Trade）=进出口总额/GDP。

为了消除地区经济发展水平差异、教育水平差异以及法律对金融发展水平的影响，本文将人均GDP、教育水平和法律作为控制变量。人均GDP（Lngdp）采用的是名义量，并对其取对数处理。教育水平借鉴陈晖（2008）的方法，其计算针对6岁及6岁以上的人口，计算方法为：教育水平（Edu）=未上过学的人口比例×0+小学人口比例×6+初中人口比例×9+高中或者中专人口比例×12+大专以上人口比例×16。前文已经详细讨论过已有文献对法律与金融发展水平之间关系的研究，本文以樊纲等（2011）的市场化指数中的“中介组织发育和法律”（Law）作为法律的替代变量。

四、实证结果及分析

为了避免伪回归现象的出现，需要对数据进行单位根检验，以检验数据的平稳性。应用Eviews6.0对各个变量的平稳性进行检验，发现作为评价政府质量的三个指标的减少政府对企业干预（Int）、减少企业对外税费负担（Tax）和缩小政府规模（Scale），金融发展（Findex），贸易开发（Trade），教育水平（Edu）以及法律（Law）这些变量的一阶差分形式都不存在单位根。同时对变量间的协整关系进行检验发现，Pedroni检验的Panel v统计量、Panel rho统计量以及Group rho统计量的p值都趋于或者等于1，说明金融发展（Findex）与政府质量的三个衡量指标（Int，Tax，Scale）、贸易开放（Trade）和各控制变量（Lngdp，Edu，Law）之间存在明显的协整关系。

表1给出了静态面板的回归结果，从表1中可以看出，在加入控制变量之前和之后大部分回归结果都显示出衡量政府质量的三个指标的系数值为正，而且系数普遍都在5%的水平下显著，因而可以认为政府质量对金融发展具有显著的促进作用。从总体上看，大部分回归系数都至少通过了5%水平下的显著性检验。从模型的拟合程度看，各回归模型调整的R2都达到了57%以上，这说明模型的拟合效果非常好。另外，各回归模型的F统计量都比较大，且在1%水平下都是显著的。因此，三个模型的拟合效果非常好，能够真实地反映政府质量与金融发展水平之间的关系。政府质量的提高对金融发展具有显著的促进作用，验证了假设1的正确性，即政府质量与金融发展存在着正相关关系，地方政府质量越高，地区金融发展水平也越高。

加入贸易开放后，（III）中三个模型的回归结果与之前没有引入贸易开放的（II）中的回归结果相比，三个变量的回归系数都明显增大，这充分说明了贸易开放使得政府质量与金融发展的正相关关系增强，验证了假设2的正确性。

由于静态面板模型中解释变量与被解释变量间可能存在双向因果关系，解释变量与随机扰动项之间可能存在相关性，而静态面板模型没法消除解释变量的这种潜在内生性。为了得到更加稳健有效的估计结果，本文加入被解释变量的滞后项作为解释变量，采用差分GMM和系统GMM方法进行动态面板回归，回归结果如表2所示。可以看出，动态面板与静态面板的估计结果基本一致。政府质量与金融发 展存在着正相关关系，地方政府质量越高，地区金融发展水平也越高，而且贸易开放使得政府质量与金融发展的正相关关系增强。从Arellano-Bond检验结果来看，扰动项的差分存在显著的一阶自相关，但不存在二阶自相关。Sargan检验结果则说明所有模型均不存在工具变量过度识别的问题，因此工具变量的构造总体上是合理有效的。

综合上文的分析，可以得出在控制了其他相关变量的情况下，政府质量与金融发展存在着正相关关系，地方政府质量越高，地区金融发展水平也越高，而且贸易开放会增强政府质量与金融发展的正相关关系。

五、结论及启示

本文以1999—2007年间我国除西藏外的30个省、自治区、直辖市的面板数据为样本，考察了地方政府质量与金融发展之间的关系。研究发现，地方政府质量越高，则地区金融发展水平越高，地方政府质量与金融发展之间存在着正相关关系。进一步的研究还发现，贸易开放会增强政府质量与金融发展之间的正相关关系，贸易开放程度越大的地方，政府质量对于金融发展的促进作用越大。

本文通过考察地方政府质量对地区金融发展的影响，为研究转型经济背景下我国地区金融发展的决定因素提供了新的借鉴，也为探索政府质量与金融发展之间的关系提供了新的经验证据。本文的政策启示是地区金融发展需要地方政府提高服务质量，为金融发展提供良好的政策环境，只有地方政府的质量提高了，才能促进金融体系更好的发展；同时地方政府应该加大贸易开放程度，增加资本的流动性，这样地方政府质量的提高才能够促进地区金融体系更好的发展。

【参考文献】

[1] 陈德球、李思飞、王丛：政府质量、终极产权与公司现金持有[J].管理世界（月刊），2011（11）.

.华东师范大学，2008.

.经济学（季刊），2002（1）.

[4] 何晓星：再论中国地方政府主导型市场经济[J].中国工业经济，2005（1）.

[5] 李稻葵：官僚体制的改革理论[J].比较，2002（7）.

[6] 吴敬琏：当代中国经济改革[M].上海远东出版社，2004.

.财经研究，2005（4）.

[8] 张亚兰、孔祥毅：从山西票号看信任半径、信誉均衡与金融发展的关系[J].金融研究，2006（8）.

大数据金融论文篇（5）

0 引言

从现实来看，自上世纪80年代以来，金融业的动荡与重整成为一个全球性的重要问题。由于我国金融业受到严格监管，对外开放度较低，受到的外部冲击较小，但是制约金融可持续发展的风险和隐患普遍存在。从理论来看，目前理论界对金融可持续发展问题的理论研究较为丰富。但是，对金融可持续发展问题的实证研究仍然偏少。因此，研究金融可持续发展问题具有重大的理论和实践价值。

本文旨在构建金融可持续发展的评价指标体系，对我国四大地区的金融可持续发展相对程度进行测度与比较，并据此提出提升我国金融可持续发展水平的政策建议。

1 金融可持续发展的评价标准

在构建适合我国国情的科学的金融可持续发展的评价指标体系之前，首先需要确立金融可持续发展的评价标准，否则，评价指标体系的涉及便无依据，定量分析亦缺乏规范性。本文从金融可持续发展的理论出发来确定金融可持续发展的评价角度与判定标准，在此基础上来选取合适的单项指标。

根据金融可持续发展理论，金融可持续发展必须兼顾量性金融发展和质性金融发展。金融可持续发展对量性金融发展的基本要求是与经济金融发展水平相适应的金融业规模的扩张，对质性金融发展的基本要求是金融结构的优化、金融效率的提升以及金融外部环境的改善。因此，本文认为全面的金融可持续发展应该包括四个方面：金融规模方面、金融结构方面、金融效率方面以及金融外部环境方面，而且我国区域金融可持续发展的总体水平应该是由这四个方面有机构成。

2 金融可持续发展评价指标的选取

确定了金融可持续发展的评价标准后，也就确定了金融可持续发展评价指标体系的框架结构，接下来就可以选取金融可持续发展四个方面各自的单项指标。

2.1 金融规模方面

根据白钦先（1998），本文选取金融相关比率、金融机构存贷款、金融市场交易额、保险深度、保险密度等五个指标来衡量金融规模的发展程度。

2.2 金融结构方面

根据吴晓求等（2006），本文选择金融市场交易额占金融机构存贷款的比重来衡量金融结构的发展程度。

2.3 金融效率方面

根据李扬（2007），本文采用储蓄率来衡量金融效率的发展程度。

2.4 金融外部环境方面

根据R.La Porta等人（1998），本文采用人均地区生产总值、进出口总额占地区生产总值比重、每万人三种专利授权数量等三个指标来衡量金融外部环境的发展程度。

3 我国各地区金融可持续发展的测度与比较

3.1 测度方法介绍

本文中使用的计算金融可持续发展单项指标的计算方法参考了樊纲等（2006）。下面给出具体的计算公式。

为了使各地区的指数指数可以同以前年份相比，从而反映金融可可持续发展的进展情况，本文设定2000年为基期，对于各年份的单项指数得分的计算，具体公式如下（适用于正向指标）：

第i个指标年得分

其中脚标（t）代表所计算的年份，脚标（0）表示基期年份。

对于各年份负向指标的计算，具体公式如下：

第i个指标t年得分

形成金融可持续发展各单项指数为各方面指数和总指数提供了基础。而形成方面指数和总指数的关键在于如何为各单项指数选取权重。本文采用算术平均法来确定各单项指数在方面指数中的权重，用这些权重来相加得到方面指数；并用相同的方法确定金融可持续发展各方面指数在总指数中的权重，以合成总指数。

3.2 研究结果分析

3.2.1 总体进展比较

金融可持续发展的总体进展上，从2010年与2000年总体评分的变化幅度来看，四大区域的总体评分都有显著提高，变化幅度由高到低分别是：东部、中部、西部、东北。从各年间四大区域间总体评分差距来看，东部与其它三大区域总体评分的差距有扩大，说明东部地区与其它地区金融可持续发展进展差距越来越大，发展不平衡性更加显著。

3.2.2 四个方面进展比较

我国四大区域金融可持续发展四个方面的进展上，金融规模方面，四大区域的评分都稳步上升，总体上在所有年份呈一种梯度：东部最高，东北第二、中部第三，西部最后，说明金融规模方面的进展也呈东最好、东北第二、中部第三和西部最后的态势；金融结构方面，四大区域的2010年比2000年评分增幅较小，各年间起伏较大，东部地区虽然在所有年份均要高于其它地区但差距较小，说明四大区域在金融结构方面进展较小，而且不够稳定，东部地区的优势不明显，四大区域呈现一种低水平的平衡格局；金融效率方面，四大区域的2010年与2000年评分增幅较小，各年间有所起伏，东中西由高到低呈一种梯度，东北地区评分波动最大，在2007年以前要高于东部地区，之后低于东部，但四大区域差距较小，说明四大区域在金融效率方面进展较小，而且不够稳定，尤其是东北地区起伏最大，差距较小，呈现一种低水平的平衡格局；金融外部环境方面，四大区域的评分都稳步上升，总体上在所有年份呈一种梯度：东部最高、东北第二、中部第三、西部最后，说明金融规模方面也呈东部最好、东北第二、中部第三，西部最后的态势。

4 提升我国金融可持续发展水平的政策建议

根据实证研究的结果，在金融结构和金融效率两方面有待加强，因此从这两方面提出政策建议。

4.1 优化金融结构

大力发展资本市场， 使其成为中国金融体系中最有活力的核心， 发挥其对现代经济体系的杠杆推动作用；大力发展创新银行业务，通过提供收取费用的金融产品或服务扩大银行利润；

4.2 提升金融效率

强化金融机构内部管理，提供金融机构素质，金融效率的提高，其基础作用的是金融机构的高效率；加强金融监管，改善金融调控方式，加强金融监管，积极创造条件，逐步实现与国际接轨。

参考文献：

[1] La Porta， R.， Lopez-de-Silanes， F.， Shleifer， A.， Vishny， R

.1998.Law and finance[J]. Journal of Political Economy 106， 1113-1155.

[2] 白钦先.再论金融可持续发展[J].中国金融，1998（7）：19-20.

[3] 樊纲，王小鲁，朱恒鹏.中国市场化指数——各省区市场化相对进程2006年度报告[M].北京：经济科学出版社，2006.

大数据金融论文篇（6）

中图分类号：F83 文献标识码：A 文章编号：1003-9082（2014）05-0069-03

一、引言

金融危机的到来让人们惊慌失措，而由于金融市场之间错综复杂的联系使得当一个经济体发生金融危机时其危险因素会迅速波及到其他经济体。金融波动溢出效应（transmission或volatility spillover）是指是指金融市场作为一个整体、一个系统，其各部分或各个子系统之间必然存在着相关联系或者相互影响，其波动会从一个市场传导到另一市场。研究、判别金融市场之间是否存在波动溢出效应能够很好地甄别金融市场之间的波动关系，对于加强金融市场风险管理意义重大。

MEM模型是目前公认的描述高频数据条件下波动特征的数学模型，而从高频数据的角度去研究金融市场之间的波动溢出效应将使我们从市场微观结构的角度更加深刻地认识危机的传导机制，挖掘出更多有效的市场信息用以金融风险管理。

本文即是在MEM模型的基础上开展对金融市场波动溢出效应的研究。首先给出MEM模型的基本形式及其参数估计方法，其次介绍金融市场波动溢出的基本概念和基于MEM模型的金融市场波动溢出分析的理论架构，同时从测量误差的角度介绍了“已实现”波动的一种改进方法――调整“已实现”波动率，然后以上海和深圳股市综合指数的高频数据为原始数据，采用调整“已实现”波动率，结合MEM模型进行实证建模，并判断在高频数据下上海和深圳股市之间是否存在波动溢出效应。

二、乘积误差模型（MEM）及其参数估计

乘积误差模型（MEM）模型的基本形式如下：

通过最大化似然函数运用伪极大似然估计法解决MEM模型的参数估计问题。而对于求解似然函数极大值的迭代处理现在多采用BHHH算法或BFGS算法等，可通过Winrats、Matlab等软件解决其参数估计问题。

三、基于MEM模型的金融市场波动溢出分析的理论架构

金融市场波动溢出效应（volatility spillover）是指不同金融市场的波动之间可能存在相互影响，波动会从一个市场传递到另一个市场。MEM模型已被公认为刻画高频数据波动的有效模型，从MEM模型的角度出发便可以建立研究高频数据下金融市场波动溢出效应的模型框架。Ray Yeutien Chou、Chih-Chiang Wu、Sin-Yun Yang（2010）在研究高频数据下美国和欧洲金融市场之间的波动溢出效应时，将其他金融资产的波动变量的一阶滞后项引入到原金融资产的MEM模型的条件均值方程中，其基本模型形式为

可以看出调整“已实现”波动率和“已实现”波动率的期望值相等，因为由（7）式可知“已实现”波动是积分波动的一致估计，所以调整“已实现”波动也是积分波动的一致估计。下面说明调整“已实现”波动率比“已实现”波动更有效。因为（10）式右边的第一项为常数，其方差为0，所以得出

五、基于MEM模型的中国金融市场建模与波动溢出分析的实证研究

1.数据描述

本研究选取样本的时间跨度为2005年1月4日至2008年12月31日，共涉及970个交易日，上海与深圳证券交易所每天的交易时间为上午9：30至11：30和下午13：00至15：00，以该期间的上海综合指数和深圳成份指数的高频数据作为样本对象。同时由于9：30至9：35的交易价格受开盘前集中竞价的影响，而13：00至13：05的交易价格受午间闭市的影响，受干扰较多，这些交易带有很大的“杂音”，所以研究中剔除掉这两段时间的收益率。然后分别根据“已实现”波动率和调整“已实现”波动率的测算方法，分别计算得到上海综合指数和深圳成份指数样本期间内每日的“已实现”波动率和调整“已实现”波动率，分别为970个数据。

2.“已实现”波动率和调整“已实现”波动率的统计特征概述

表1列出了上海综合指数和深圳成份指数在整个样本期间以5分钟作为抽样频率的每日“已实现”波动率的描述性统计量，包括最大值、最小值、样本均值、标准差、偏度、峰度、J-B统计量等。从表中可以看出，在整个样本期间内，深圳成指相比上证综指的“已实现”波动率的均值和标准差都较大，而最大值与最小值之差也相对较大；两个股市的“已实现”波动率都存在明显的偏度，深市相对更高；两个股市的“已实现”波动率的峰度均明显大于3而且两市“已实现”波动率的J-B统计量的值都非常大，这均表明两大股市的已实现波动率为非高斯分布且有很高的峰度特性，而且沪市的非高斯分布的特征更加明显。从描述性统计量中可以明显看出，样本的描述性统计量特征与已实现波动率的理论特征是相符的，同时也表明我国沪深两大股市在高频数据下存在着非常大的波动特征，这也与我国现阶段金融市场的实际情况是相吻合的。

根据4.2小节的结论，我们已经得出调整“已实现”波动率是一种相比“已实现”波动率更加有效的针对高频数据波动的测算方法，所以我们利用式（9）计算了上海综合指数和深圳成份指数同样基于5分钟抽样频率的调整“已实现”波动率。

表2列出了上海综合指数和深圳成份指数在整个样本期间以5分钟作为抽样频率的每日调整“已实现”波动率的描述性统计量，同样包括最大值、最小值、样本均值、标准差、偏度、峰度、J-B统计量等。通过表2并与表1进行比较，可以看出两个股票市场的调整

上述分析结果与事实是相符的，这说明了乘积误差模型（MEM）可以有效地刻画中国金融市场在高频数据下的波动特征，均值方程中无常数项的标准的MEM（1，1）能够很好地拟合中国两大股票市场指数的调整“已实现”波动率，很好地解决了中国金融市场高频数据波动建模问题，同时也进一步证实了MEM模型可以很好地反映出金融市场间存在的波动溢出效应。

六、小结

乘积误差模型（MEM）已被公认为刻画高频数据波动特征的模型，利用MEM模型进行金融市场间的波动溢出效应的分析将从市场微观结构的角度进行有效的研究与判别。本文采用“已实现”波动率的一种改进形式――调整“已实现”波动率估计中国沪深两大股市的波动，并采用MEM模型对沪深两大股市的波动溢出效应进行研究。实证结果表明乘积误差模型（MEM）可以有效地刻画沪深两大股市在高频数据下的波动特征，同时也进一步证实了沪深两大股市之间存在波动溢出效应。

参考文献

[1]张瑞锋.金融市场波动溢出研究[D].天津大学博士学位论文，2007.

[2]黄杰琨.电子指令驱动市场上的交易持续期与知情交易的相关性研究[D].厦门大学硕士学位论文，2003.

大数据金融论文篇（7）

Abstract： Base on the panel data of 29 provinces from 2001 to 2013 in China， this paper measures the technology finance and technology innovation. Meanwhile， using Spatial Durbin Model （SDM） in the condition of spatial distance weights and spatial economic weight， it empirically tests whether technology finance could promote technology innovation， and whether the regional technology innovation is affected by the development of other provinces technology finance. Results show that， the technology innovation in space is not randomly distributed， but has a significant spatial autocorrelation， and the development of technology finance can significantly improve the regional technological innovation ability. In the features of spatial geographical and social economic， technology finance has a significant positive effect on technology innovation， and the development of provinces technology finance can influence the other provinces technology innovation.

Key words：technology finance； technology innovation； spatial autocorrelation； SDM

科技是第一生产力，科技创新是促进结构调整、产业升级和经济发展的第一推动力。党的十八大明确指出，科技创新是提高社会生产力和综合国力的战略支撑，必须摆在国家发展全局的核心位置。科技创新离不开金融的支持，金融发展需要科技的助推，科技创新必须与金融创新有机结合，相互作用，相互推动。因此，如何利用科技金融推动科技创新能力的提升和增强国家核心竞争力，是经济新常态下的重要热点问题。

1 文献综述

关于科技金融和科技创新的相关问题，学者们从不同视角进行了研究。国外学者对“科技金融”的解释接近于“科技与金融”，强调的是科技与金融的互动关系，并没有对科技金融进行定义。大多数研究侧重从不同角度分析金融如何影响科技创新，King和Levine通过构建内生增长模型，以企业创新活动为纽带，把金融与经济增长联系起来，认为金融系统能够促进创新，主要通过评估筛选潜在的项目、筹集资金、评估创新活动风险和预估未来利润来实现，金融与科技的协同是促进经济增长的重要原因[1]。Neff指出，金融与科技创新相互影响，没有金融支持，企业的科技创新就非常困难[2]。Atanassov等采用计量实证分析方法对1974～2000年美国上市公司融资与科技创新关系进行了研究，结论显示：拥有更多创新项目的公司更容易通过多种方式（如公债和股权）获得融资，能够在未来获得更多的创新产出，导致未来价值增加20%以上；而创新项目较少的公司一般通过银行贷款融资，未来的创新产出较少[3]。也就是说，拥有多种融资方式自由权公司的科技创新能力优势更加显著。

相对国外学者从科技与金融相结合的视角研究而言，国内学者从不同角度对科技金融进行了研究。赵昌文等最早对“科技金融”的概念进行了界定[4]。之后，国内学者在微观和宏观层面上对科技金融进行了诸多研究。叶莉等以我国322家科技型上市中小企业（2006～2014年）为样本，运用计量分析方法的实证结果显示：政策性、自主型资金对科技创新具有显著的积极推动作用，特别是政策性融资对科技创新表现出极强的正向作用[5]。张玉喜和赵丽丽采用2004～2012年中国30个省（市、自治区）的面板数据，结合静态和动态面板数据模型方法，实证分析了科技金融投入对科技创新的作用，结果表明在短期内，科技金融投入对科技创新具有显著正向作用，而长期并不显著[6]。徐玉莲等在分析区域科技创新与科技金融系统协同发展的基础上，通过构建区域科技创新与科技金融系统协同发展的系统动力学模型，揭示了系统协同发展的运行机理，提出了实现系统协同发展的方略[7]。尹志超等采用2013年中国家庭金融调查数据，研究了金融知识对家庭创业决策和创业动机的影响，结果发现金融知识水平越高，家庭参与创业活动的积极性就越高，家庭就会越主动??业[8]。基于协同学理论，和瑞亚和张玉喜构建了耦合协调度模型，对我国28个省级区域的耦合协调度进行了评价，研究结果显示，我国各省级区域科技创新与公共金融的耦合协调程度整体较低，大部分区域公共金融滞后于科技创新[9]。王任祥和杨曼利用两阶段GMM回归模型，从最优化视角论证了科技创新与金融创新最佳耦合协调的存在性，认为科技创新与金融创新耦合协调度对经济效率的提升具有显著正向作用[10]。

尽管国内外学者对科技金融和科技创新的有关问题从不同角度进行了研究，但仍然有不足之处，主要表现在：①多数学者在现有经济理论基础上，分别研究了金融发展、科技创新对经济增长等层面的影响，但忽略了科技金融对科技创新的影响。事实上，科技金融对科技创新会产生直接或间接的影响。②现有研究对科技金融和科技创新的评价表现为两种极端：大多数研究采用单一指标来评价科技金融和科技创新，与当前科技金融和科技创新日益复杂化的现状不协调；有些研究采用很多分析指标，使得某些指标之间高度相关，造成研究结果偏误。③现有研究很少考虑空间面板数据的空间依赖性和空间相关性。实际上，科技金融和科技创新数据具有很强的空间关联性，Tobler和Anselin认为，一个地区某一属性与邻近地区同一属性是相关的[11，12]。因此，如果理论和实证研究忽略空间相关性，就会使得相关研究的结论缺乏解释力和说服力。针对以上不足，本文的贡献在于：①从理论和实证双重层面分析科技金融对科技创新的影响。②通过构建多指标评价体系对科技金融和科技创新进行评价。③运用空间杜宾计量模型，分析科技金融是否显著地提升了科技创新能力，各地区科技创新是否具有空间依赖性。

2 指标构建及数据来源

本文通过构建空间计量模型对科技金融是否促进科技创新进行实证研究，需要解决以下问题：①科技创新的测度问题。目前，国内外文献普遍采用专利授权量作为科技创新的变量，忽略了科技创新能力的多指标特性。于此，本文从科技创新投入、科技创新产出、科技创新扩散和科技创新环境四个方面评价科技创新能力。②科技金融的评价问题。本文根据科技金融的界定，选取能够代表各省市区发展状况和现实情况的科技金融评价指标。

2.1 科技创新能力（inno_tech）的评价

为了能够全面地评价各地区科技创新能力，本文基于徐玉莲、宋跃刚和杜江等提出的有关思想[7，13]，主要从科技创新投入、科技创新产出、科技创新扩散和科技创新环境四个方面评价科技创新能力，表1显示的是科技创新能力指标体系和权重。

2.2 科技金融（fina_tech）的测度

国内外文献关于科技金融的研究较少，对于科技金融的评价指标更是没有统一的标准和体系。本文基于徐玉莲等度量科技金融的基本思想[7]，从科技信贷额、科技信贷占GDP比重、风险机构投资总额、风险投资机构数量、科技型上市公司总市值和科技型上市公司数六个方面来衡量科技金融，表2显示的是科技金融指标体系和权重。

2.3 控制变量

事实上，尽管科技创新受到科技金融的影响，但也受到其他因素的约束。本文借鉴宋跃刚、张林等采用的方法[13，14]，对一些可能影响科技创新的主要因素进行控制，这些因素包括：产业的集聚程度用集中化指数（hhi）和专业化指数（sli）衡量①；产业结构（stru_indu）用第三产业产值占GDP比重度量；金融深化程度（deep_fina）用信贷总额占GDP的比重衡量；对外开放程度（openess）通常用进出口总额占GDP的比重度量；人力资本投入（human）用Barro和Lee提出的劳动力平均受教育年限近似表示[15]；城镇化水平（urban）选用城镇人口占总人口的比重度量。

2.4 数据来源及其处理

为了保证研究的客观和真实，充分考虑数据的易得性和可行性，本文选取的样本是除西藏自治区和海南省外的29个省（市、自治区）2001～2013年期间的省际面板数据①。以上变量的数据来源于《中国统计年鉴》《中国科技统计年鉴》《中国教育年鉴》《中国高技术产业统计年鉴》、国泰安数据库和WIND资讯金融数据库。在指标的计算过程中，为了保证各指标跨年度可比性，对各项指标进行无量纲化处理②，然后通过熵权法算出每个指标的权重和综合值。对于部分年度缺失的数据，通过线性插值法填补。

3 空间计量模型的构建

3.1 空间矩阵构建及空间相关性检验

关于空间计量模型的问题，一般通过空间依赖性检验比较LMLAG和LMERR的显著性来选择[17]，但是适用于截面数据而非面板数据。对于面板数据而言，本文依据宋跃刚和吴耀国的检验方法[13]，结果显示应该选择空间杜宾模型③。然后，对空间杜宾模型进行Hausman检验，卡方统计量为36.39，对应的P值几乎为0，在1%的显著水平下，拒绝随机效应的原假设，选择固定效应模型。

4 实证结果和分析

4.1 空间相关性检验

为了判断各省（市、自治区）科技创新能力在空间上是否存在策略性互动的可能，本文选取我国29个省（市、自治区）2001～2013年科技创新面板数据作为空间单元观测值，对被解释变量科技创新（lninno_tech）进行了Morans I检验，如表3所示。根据Morans I检验值，各地区科技创新能力的Morans I统计值总是大于期望值-0.036，在1%的显著性水平下，存在显著的正向相关性，表明科技创新能力在空间上并非呈现随机分布状态，而与具有相似空间特征地区的科技创新能力密切相关。

4.2 回归结果及其分析

本文运用中国29个省（市、自治区）2001～2013年科技创新和科技金融的相关数据，共377个观测值，分别进行了普通面板模型和空间杜宾模型回归①，结果见表4。

根据表4模型（1）至模型（5）的回归结果可以看出，无论是否考虑其他因素的影响，各地区科技金融能够显著地促进区域科技创新能力提升。

（1）通过普通面板回归结果（1）显示，在1%的显著性水平下，解释变量科技金融系数显著为正，科技金融水平每提高1%，区域科技创新能力就会提高0.19%。表明科技金融??科技创新有着明显的正向促进作用，在一定程度上说明科技金融能够显著地提升区域科技创新能力。

（2）由地理权重和经济权重的空间杜宾模型回归结果（2）至回归结果（5）显示，在1%的显著性水平下，空间自回归系数（ρ）全部为正，说明各地区科技创新存在显著的正向相关性，即每个地区科技创新受其他相似空间特征地区科技创新和科技金融的影响。

（3）从系数值大小看，与地理特征权重模型（3）的相关系数相比，当模型中引入了专业化指数、集中化指数、产业结构水平、开放水平、金融深化程度和城镇化水平等控制变量后，社会经济特征权重模型（5）的相关系数相对较高，即在空间经济权重下，各地区科技金融水平每提高1%，科技创新能力就会提高0.155%，高于空间地理权重下的0.129%。说明社会经济因素对科技创新的影响更加明显。

（4）就其他控制变量而言，考虑空间地理权重模型（3）和空间经济权重模型（5），在5%的显著水平下，集中化指数、产业结构、金融深化程度和人力资本对各地区科技创新能力有显著正向作用，说明一个经济体的产业集中化程度、产业结构特征、金融深化程度和人力资本在一定程度上都能够促进科技创新能力的提升，但是产业专业化指数、开放程度和城镇化水平对各地区科技创新能力的影响并不显著。

5 主要结论和政策启示

本文考虑了区域科技创新的空间依赖性，采用空间杜宾模型对科技金融是否促进科技创新进行了实证检验，得到如下结论：

（1）科技金融能够显著地促进区域科技创新。无论是采用普通面板回归，还是采用空间杜宾模型回归，都显著地支持科技金融促进区域科技创新的理论。

大数据金融论文篇（8）

中图分类号：F127文献标志码：A文章编号：1673-291X（2011）12-0130-04

一、文献综述

现代金融发展理论的主流观点认为，金融对经济发展的影响显著且意义重大。20世纪60年代，雷蒙德・W.戈德史密斯（Raymond W.Goldsmith，1969）对这方面做了开创性的研究，他在金融系统规模与金融服务供给和服务质量正相关的假定下，用金融中介资产与国民财富的比值表示金融发展水平，应用35个国家1960―1963年的数据进行实证研究表明：金融发展和经济增长存在很强的平行关系，在数据比较充分的发达国家，金融发展平均速度的增长时期同时伴随着经济的快速增长。罗伯特・G.金和罗斯・列文（Robert G.King and Ross Levine，1993）针对戈德史密斯研究的不足，研究了77个国家1960―1989年的数据，发现金融发展与经济增长存在统计意义上的显著的正相关关系，即拥有发达金融系统的国家经济增长较快，反之，经济增长较快的国家金融系统通常也较为发达。

20 世纪70年代，麦金农和肖（Mckinnon and Shaw，1973）以发展中国家的金融问题为研究对象，提出了金融深化理论和金融抑制理论，认为在发展中国家存在着严重的金融约束和金融压抑现象。这既削弱了金融体系聚集金融资源的能力，又使金融体系发展陷入停滞甚至倒退的局面。他们认为，发展中国家之所以资金短缺，并不是因为缺乏能用于积累的资金，而是因为金融抑制造成了融资渠道堵塞和资金成本的扭曲，在金融深化的条件下，发展中国家经济建设资金不足的问题可以缓解。金融深化理论和金融抑制理论突出了金融因素在经济发展中的作用，为发展中国家制定货币金融政策，推行金融改革提供了理论依据。

国内在对金融发展和经济增长关系问题理论这方面的研究起步相对较晚，在借鉴国外既有相关理论和方法的基础上，国内学者也进行了大量的实证研究。谈儒勇（1999）采用1993―1998年相关数据，运用普通最小二乘法（OLS）对中国金融发展与经济增长关系进行了实证检验，结果表明，金融中介发展和经济增长之间有显著的正相关关系，股票市场发展和经济增长之间存在不显著的负相关关系，金融中介发展和股票市场发展之间有显著的正相关关系。单俏颖（2003）应用协整和格兰杰因果检验等计量方法，分析中国金融发展和经济增长的关系，结果表明，中国在现阶段金融发展与经济增长之间的关系表现为经济增长带动金融发展。

近些年，有关区域金融和经济发展的研究在国内成为研究热点。周立、王子明（2002）采用1978―2002年的数据，对中国各地区（省区层面）金融发展与经济增长关系进行了实证分析，发现各地区金融发展与经济增长密切相关，金融发展差距可以部分解释各地区经济增长差距。王景武（2005）通过研究发现，区域金融发展与经济增长关系之间存在密切关系，东部存在正向因果关系，而西部则为互相抑制。岑树田（2008）选取了1978―2006年的相关数据，对广西金融发展与经济增长的关系进行了实证研究，得出了金融发展与经济增长之间具有紧密关系，广西的金融发展能有效地促进经济增长但广西的经济增长促进金融发展的效应并不明显的结论。鉴于理论界对西部欠发达地区金融与经济的关系方面研究较少，本研究以甘肃省为例，选取1994―2008年的数据，对欠发达地区的金融对经济发展的影响进行实证研究并得出结论，以期为政府制定经济政策提供具有现实意义的决策参考。

二、实证分析

（一）衡量指标

1.金融发展指标。由于国内外大部分研究通常都采用戈德史密斯（1969）提出的金融相关比率（FIR）作为衡量金融发展的指标。为了解释甘肃金融发展对经济增长的影响，本文亦采用FIR作为金融发展程度的指标，根据戈德史密斯提出的FIR计算方法，即FIR等于某一时点上现存金融资产总量与国民财富的比值。考虑到本地区经济体所能吸纳的金融资产的能力和数据的可获得性，本文采用（存款+贷款+保费收入+股票市场筹资额）/GDP作为反映金融发展的FIR指标。

2.经济增长指标。根据现有研究结果，认为最能充分反映一个地区的经济发展水平的指标就是GDP，因此选取甘肃GDP环比增长率为衡量经济增长指标，具体为本年度GDP与上年度GDP之比，记为GDPR。

（二）样本数据来源及指标特征描述

1.样本数据来源。样本数据来源于《甘肃年鉴》各期、《中国金融统计年鉴》各期、《新中国五十五年统计资料汇编》和甘肃统计信息网，考虑到数据的可得性和统计口径的一致性，选取了1994―2008年相关数据，并按上述定义计算出FIR和GDPR作为分析的两个变量，为减少异方差对回归带来的不利影响，分别对FIR和GDPR取对数（见表1）：

2.指标特征描述。在实证分析前，先对金融发展指标和经济增长指标的变动趋势特征作一个直观的比较（见图1）：

从上页图1可以看出，甘肃省金融发展指标FIR与经济增长指标GDPR二者在数值上基本保持不变，接近一条与横轴平行的直线，这表明甘肃省金融发展和经济增长都保持着稳定的发展速度。从短期来看，金融发展指标与经济增长指标在大部分年限里保持此消彼长的相反的变化趋势；从长期来看，两条线几乎平行，说明二者保持着长期相对稳定的变化趋势。

（三）回归分析

1.单位根检验。由于时间序列数据通常都是非平稳的，直接对两个变量进行回归可能引起虚假回归，因此，有必要对金融发展指标FIR和经济增长指标GDPR进行平稳性检验。通常平稳性检验的方法是单位根检验，本文采取ADF检验法。

从表2可以看出，金融发展指标FIR和经济增长指标GDPR的水平序列都是不平稳的，但经过一阶差分后在各显著水平下都通过了检验，序列平稳，两个变量均为一阶单整，因此符合进行下一步协整检验的前提条件。

2.协整检验。在ADF检验的基础上，对金融发展指标FIR和经济增长指标GDPR进行协整检验，看两个变量之间是否具有协整关系。根据协整理论，如果一组两个序列满足单整阶数相同且之间存在协整关系，则这两个非平稳序列之间就存在长期稳定的关系，从而有效避免伪回归问题。检验结果（见表3）：

可以看出，在1%的显著水平下没有通过协整检验，在5%和10%的显著水平下通过了协整检验，协整方程为：

lnGDPR = 7.46095331962 - 0.492289021863*lnFIR

这说明金融发展指标FIR和经济增长指标GDPR之间存在长期稳定的负相关关系。这个结果与上文通过指标特征描述得到的结论是一致的。

3.格兰杰因果检验。格兰杰因果检验是考察一对变量之间因果关系时采用的方法。在这里，分别选择滞后1~4期，对甘肃金融发展指标FIR和经济增长指标GDPR进行格兰杰因果检验，检验结果（见表4）：

结果表明，在10%的显著水平下，在滞后1、2和4期的情况下，所有原假设发生的概率均大于0.1，是接受原假设的，即金融发展FIR与经济增长GDPR之间不存在因果关系；而在滞后3期的情况下，原假设“金融发展FIR不是经济增长GDPR的原因”发生的概率为0.0997，略小于0.1，可以认为拒绝原假设，即金融发展指标FIR与经济增长指标GDPR之间存在不显著的正向因果关系。

三、结论与讨论

由于经过单位根检验得出金融发展FIR与经济增长GDPR均为一阶单整，两个时间序列为非平稳序列，因此不能用传统的计量经济学建模的结构法进行分析，从而运用了协整检验和格兰杰因果检验等非传统计量方法，对甘肃区域金融发展与区域经济增长的关系进行了实证分析，得出以下结论：

1.甘肃省金融发展与经济增长之间存在长期稳定的关系。根据协整检验结果，在5%的显著水平下，金融发展指标FIR和经济增长指标GDPR之间存在长期稳定的关系。这说明，在研究期内甘肃省金融资产增长与GDP增长保持了相对稳定变化趋势，并且二者保持一种长期稳定的关系。原因可能是：（1）研究期内金融与经济政策平稳，金融政策的制定和执行随着经济增长而变化，始终使经济增长保持一个相对稳定的发展态势。（2）金融发展和经济增长都保持了相对稳定的增长速度（见P131图1），这对二者之间在这一研究期内保持相对稳定的关系提供了可能。

2.甘肃省金融发展与经济增长存在负的相关关系。导致该结果的原因可能是：（1）由于金融资产的运用效率不高造成资金浪费，金融存在“高投入、低产出”的问题。由于近年来投资工具日益增多和民间金融的大范围产生，以及所选取的指标数据如股票筹资额等存在很多问题，如上市公司质量较低、投机性很强，资金被大股东占用而未能投入到经济体中促进自身发展。（2）货币当局逆周期操作，运用货币信贷政策熨平经济波动，在经济处于高涨时期，货币当局通常减少信贷资金供应量来防止经济过热。（3）存贷之间的差额逐年扩大。在FIR指标选取的数据中存贷占有绝大部分比重，而且在欠发达地区，金融业主要以国有商业银行为主，从安全性和盈利性的角度考虑，当上存资金利率高于同期存款利率时，国有商业银行将富裕资金上存至上级行。这实质上是资金的外流，这部分资金并没有回流利用到甘肃的经济体中。

3.甘肃省金融发展与经济增长存在不显著的正向因果关系。通过格兰杰因果关系检验，在10%的显著水平下，分别在1、2和4滞后期的情况下，金融发展指标FIR与经济增长指标GDPR不存在因果关系；只有在滞后3期的情况下，金融发展指标FIR是经济增长指标GDPR的原因，但这种因果关系并不显著，并不能有力说明金融是经济增长的制约因素。

参考文献：

[1]Goldsmith，Raymond W.，1969，Financial Structure and Development ，New Haven，Yale University Press.

[2]King，Robert G.and Levine，Ross，1993，“Finance and Growth： Schumpeter Might Be Right”，the Quarterly Journal of Economics，108，

38-717.

[3]Levine，Ross and Zervos，Sara，1998，“Stock Markets，Banks，and Economic Growth”，American Economic Review，88(3)，537-558.

[4]谈儒勇.中国金融发展和经济增长关系的实证研究[J].经济研究，1999，(10)：53-61.

[5]单俏颖.中国金融发展与经济增长关系的实证研究[J].统计与信息论坛，2003，(6)：72-76.

[6]周立.中国地区金融发展与经济增长[M].北京：清华大学出版社，2004.

[7]缪小眉，贺刻奋.区域金融发展与经济增长的实证分析――以宁波为例[J].经济丛刊，2008，(5)：45-48.

[8]岑树田.新时期区域金融发展与经济增长的关系研究――基于广西壮族自治区的实证分析[J].广西金融研究，2008，(9)：45-48.

An Empirical Analysis of the Relationship Between Gansu Financial Development and Economic Growth

FEI He

大数据金融论文篇（9）

中图分类号：F831.1 文献标识码：A 文章编号：1006－3544（2012）01－0019－05

美国是世界第一经济强国，国内金融机构众多，金融市场规模很大，相应地，美国也建立了较完善的金融监管体制。 美国的金融监管堪称是世界上最为复杂的监管体系，其监管机构众多，监管法律纷繁复杂。1999年通过的《美国金融服务现代化法案》，正式宣告美国实行混业经营， 但美国的金融监管组织架构却没有太大的调整， 美国进入了混业经营分业监管的时期。2007年美国次贷危机发生以后，美国最终于2009年通过了《多德弗兰克法案》，根据该法案除了出台一些限制金融业混业经营的条例之外，还设立了金融稳定监管委员会， 增加了金融监管机构之间的协调和沟通， 在一定程度上顺应了美国金融业混业经营的局面。那么，2000年以来，美国的金融监管有效性如何？ 金融监管质量是提高了还是降低了？ 本文通过总结既有理论提出了一种衡量金融监管有效性的新方法――金融监管指数分析方法，并基于这种方法对美国金融监管的有效性进行总体的衡量和判断。

一、研究背景

研究背景之一来自于目前世界各国正在进行的金融监管改革。针对2008年发生的世界金融危机，世界各国都正在或即将进行金融监管体制改革。 但现有理论对金融监管体制的比较多采用定性的分析框架， 其基本思路是通过不同监管体制之间的优缺点比较来做出评价。 但定性比较很难做出有说服力的结论，且很难对金融监管改革的效果进行评价，而且缺乏前瞻性， 使得各国金融监管往往滞后于金融业的发展，从而使金融监管改革呈现“危机导向型”的特征。 本文想通过构建金融监管指数对金融监管体制进行定量研究， 进而为金融监管改革提供理论依据。另外，本文还希望通过金融监管指数的构建动态监测各国的金融监管质量， 并希望在金融监管水平大幅下降的时候提出预警， 进而使得金融监管改革更具有前瞻性。

研究背景之二来自于对美国金融监管改革进行评价的需要。2000年至2007年，美国金融监管方面没有做出很大调整，进而引致了席卷全球的金融危机。2009年美国通过了《多德弗兰克法案》，该法案是否起到了大家所期待的效果， 目前还没有一个有效的定量评价方法。

鉴于以上两点， 本文依据各国金融监管的目标构建了金融监管指数分析框架， 并利用这一分析框架对2000～2008年美国的金融监管有效性进行衡量与评价。

二、 金融监管有效性及其衡量问题的理论综述

所谓有效，按照《现代汉语词典》的解释，就是“能实现预期目的”，以此，我们可以将金融监管的有效定义为：“能实现预期的金融监管目的”。关于金融监管有效性及其衡量主要包括两个问题： 第一是金融监管是否有效；第二是金融监管有效性如何衡量。

关于监管是否有效存在着两种截然相反的理论：监管有效说和监管失灵论。监管有效说以金融监管的公共利益理论为代表， 监管失灵论以监管俘获说为代表。

金融监管的公共利益理论（Stigler，1971；Becker和Stigler，1974）建立在政府拥有充分信息、为社会整体福利服务以及具有完全信用三个假设基础上，认为金融业高负债经营的行业特点决定其脆弱性，且由于市场存在信息不对称、交易成本、不完全竞争和搭便车行为等， 私人不可能去监管那些实力雄厚的金融机构，只有通过政府对金融机构的监管，才能够克服市场失灵所带来的负面影响， 改善金融机构的治理水平，从而提高金融运行的效率，维护金融体系的稳定。 金融监管公共利益理论的基本思想主要体现在以下两个方面： 一方面积极鼓励政府参与银行的经营和管理，实现对金融的直接控制，另一方面通过增强政府金融监管的权力， 发挥政府在金融监管中的作用，可以弥补市场失灵所带来的问题。

监管俘获说（Becker，1983；Tullock，1967；陆磊，2000）认为监管与公共利益无关，监管机构不过是被监管者俘获的猎物或俘虏而已。 这派理论的主要观点是： 政府作为一个拥有自己独立利益的特殊市场主体，它并不能最大化社会的福利。一方面，政府的金融监管政策往往会被少数既得利益集团所左右，因为利益集团为了自己的利益必然有积极性采取各种手段影响政府的金融监管政策，这样，金融监管机构最后常常被俘获。另一方面，政府对金融机构的过多管制行为进一步增加了市场中寻租的机会，破坏了市场的正常竞争秩序，这就不利于金融的长期发展。因此，要充分发挥竞争和开放机制在金融监管中的作用， 防止既得利益集团对金融发展的抑制。

虽然在理论上存在着监管有效说和监管失灵论，但从实践上来看，目前各国对金融监管的必要性基本达成了共识， 且各国基本都建立起了金融监管机构。根据统计 [1] ，世界共有192个国家建立了金融监管机构。

既然金融监管是必要的， 那么金融监管的效果如何呢？这就引出了另一个问题，金融监管有效性的衡量问题。目前理论界较为常用的衡量金融监管有效性的模型主要有两个： 金融监管成本-收益模型和成本有效性分析模型。

金融监管成本-收益模型（秦宛顺、靳云汇、刘明志，1999）的主要思想是：金融监管都存在着一个有效边界的问题， 如果金融监管位于有效边界上或附近的一个区域内， 那么它就可以产生正的综合效应；如果金融监管超过了有效边界或区域，或者离边界很远， 那么它就很有可能会产生负的综合效应。 长期以来人们一直在努力寻找能够有效分析金融监管效率，界定金融监管有效边界的量化方法。成本-收益分析法是目前理论界研究这一问题运用得最多的方法。 金融监管的成本-收益分析其结果实际上就是一个金融监管的效率问题， 即用最低成本实现监管收益的最大化。但它存在的较大问题是：在现实中要计算监管的收益和由于没有实施监管而造成的损失是徒劳的， 因为这种收益和损失是假想中的，只具有理论上的意义，而难以量化。同时，各国的金融还受到其他因素的影响， 无法全部由监管的成本和收益来反映。 成本收益分析只是在理论上论证了如何寻找优化本国的金融监管， 在实际操作中缺乏执行性。

鉴于成本-收益模型的缺陷性， 成本有效性分析模型（刘宇飞，1999）随即替代产生了。这种方法的基本思想就是在无法确定监管项目的具体收益大小时，可以用目标的完成程度取而代之，并计算出该收益与付出的成本之间的比例。 如果能够同样有效地完成目标，成本较小的方案要优于成本较高的方案。因此， 可以用有效程度与成本之比的最大化替代原有的成本-收益分析下收益与成本的最大化目标。在这种分析方法下， 虽然金融监管的收益仍难以量化，但由于其运用目标完成的程度（即监管的有效程度）替代了金融监管的收益，因此较为巧妙地避免了金融监管收益难以确定的难点， 从而在总体上能运用其来判断金融监管是否有效。但它存在的问题是：一个国家金融监管目标往往是多重的， 目标的完成程度的测度较为困难， 目前还没有较为成熟的量化分析方法。

鉴于以上两种方法的固有缺陷， 本文在成本有效性分析的基础上， 提出金融监管有效性衡量的新方法：金融监管指数分析方法。

三、金融监管指数分析框架的构造及建立

从监管目标来看， 世界三大监管组织都制定了各自领域的监管规则，具体如表1所示。

从表1可以看出，银行监管过程较为强调安全性和公平性；证券监管强调安全性、效率性和稳定性；保险监管强调安全性和公平性。 之所以银行监管和保险监管不加入效率性指标， 主要因为效率性和安全性存在矛盾，特别对于银行业来说，由于存在系统性风险的传染主要载体， 所以各国一般较为避讳提金融效率问题。但由于发展经济是各国的首要目标，而一个有效率的金融体系是经济发展的必要因素，所以，总结起来，金融监管的目标总体应该包含三个：稳定性、效率性和公平性（蒂米奇・威塔斯，2000）。 安全性是指金融监管要确保金融系统的安全，避免金融风险的集聚、扩散和蔓延；效率性是指金融监管要确保金融系统的效率， 促进金融系统的发展； 公平性是指金融监管过程中要强调对金融消费者的保护，确保公平对待金融消费者。这三个目标主要针对金融市场不完备性的三个方面，如表2所示。

虽然金融监管主要有三个目标，但本文认为，公平性目标从属于安全性目标和效率性目标，因为公平性目标涵盖于安全性和效率性目标之内，假如一国金融业未实现公平性，则从长期来看，该国金融业的安全性和效率性都会受到损害。

根据金融监管的安全性和效率性这两个目标， 我们构建了一套金融监管的指标体系，具体如表3所示。

一般来说， 金融体系的安全性将直接影响宏观经济的稳定， 所以本文在指标体系的设计中引入了代表宏观经济稳定的三个指标，即通货膨胀率、CPI、银行不良资产比率来代表金融体系的安全与稳定性。而金融业效率主要包括银行的效率和股票市场的效率，所以，本文引入了4个金融效率指标：银行存贷比、银行一般管理成本、银行收入成本比和股票市场交易额占GDP比重，由此来代表金融业效率。

由于安全性目标和效率性目标存在替代关系，且这两方面的因素受各个经济或金融指标的影响，而这些指标由于单位和性质的不同， 无法直接进行横向比较， 所以我们需要将这些不同质的指标进行标准化处理， 然后采用主成分分析法挑选出对金融监管指数影响最大的几个主要因素， 并确定这些因素在金融监管指数中所占的权重， 计算出金融监管指数。 最后通过比较金融监管指数的变化来进行金融监管有效性的衡量。

四、 美国金融监管指数的建立及金融监管有效性的衡量

为了计算金融监管指数， 必须对其所包含指标的基本数据进行收集和整理。 我们选取了美国2000～2008年的金融业安全性和效率性指标相关数据（见表4），各数据计算方法及来源如表5所示。

由于主成分分析需要各指标之间同向， 所以给通货膨胀率、CPI、银行不良资产率、银行一般管理成本、收入成本比加上负号，并将数据进行标准化，如表6所示。

运用SPSS软件进行主成分分析，得到方差解释程度表和成分矩阵，如表7、表8所示。

根据前一部分对金融监管指数各影响因素的分析， 运用主成分分析法确定各影响因素的权重。通过方差解释程度表（表7）我们可以看到，前2个因子对于总方差解释程度达到87.401%， 根据累计方差大于75%的原则， 故选取前2个因子代替所有7个因子进行估计。以前两个因子反映金融监管的总体情况，用Y1、Y2表示，每个主成分变量都是7个标准化变量的线性组合，其表达式为：

Y1=（-0.689）×Z’1+0.662×Z’2+0.989×Z’3+0.564×Z’4+0.916×Z’5+0.915×Z’6+（-0.874）×Z’7

Y2=0.419×Z’1+0.732×Z’2+（-0.039）×Z’3+（-0.766）×Z’4+0.065×Z’5+0.377×Z’6+0.149×Z’7

然后将标准化的原始数据矩阵与贡献程度向量相乘得到各主成分得分， 最后将各主成分得分按照其方差贡献率加权平均得到综合得分（即金融监管指数），如表9所示。

则美国2000～2009年金融监管指数的变化情况如图1所示。

五、研究结论及政策建议

如图1所示，2000~2009年， 美国的金融监管指数总体呈现下降趋势，其中2000～2006年，美国金融监管指数呈现区间震荡格局，2006年以后，美国金融监管指数呈现大幅下降趋势。2001～2002年，美国的金融监管指数较低， 主要是受到2001年网络股泡沫破灭，加之后来的安然公司财务造假、世界通信公司财务欺诈、施乐公司财务虚报案件，极大地打击了美国投资者的信心， 影响了美国的金融监管质量。2002年美国通过的《萨班斯-奥克斯利法》加强了对上市公司的监管，并强化了美国证监会的监管职能，使得美国的金融监管指数有所提高。2007年，由于受到次贷危机的影响，美国的金融监管指数不断下滑，说明美国的金融监管已经完全不能适应其金融业的发展要求，于是2009年美国通过了《多德弗兰克法案》，希望能够加强和改善美国的金融监管，但从目前的数据来看，还没有见到明显的效果。

综合本文得到的理论和实证研究结论， 结合当前的形势和美国金融监管的现状， 我们提出如下政策建议:

1． 美国应该密切关注其金融监管指数的变化，在金融监管指数出现拐点并呈现下降趋势时， 应该立即采取措施，加强其金融监管力度，确保金融业的稳定，防范金融危机。2001～2002年，美国金融监管指数呈现下降趋势，美国立即出台了《萨班斯-奥克斯利法》加强了对上市公司的监管，致使美国的金融监管指数止跌回稳， 并逐步呈现上升趋势。 但2005年，美国金融监管指数出现拐点，并逐步呈现下降趋势的时候，并未引起美国政府足够的重视，且并未采取有效措施改善其金融监管， 最终导致了2007年的次贷危机。虽然美国于2009年通过了《多德弗兰克法案》，希望加强并改善其金融监管，但为时已晚。

2． 金融监管要与金融业发展相适应， 在金融业经营体制发生变化的时候， 金融监管也要做出相应调整，否则将会制约金融业的长远发展。美国于1999年11月通过了《金融服务现代化法案》，正式确立了混业经营制度，但在同期，美国的金融监管并未做出相应调整，致使金融监管与金融业发展不匹配，致使过去十年来，美国的金融监管指数总体呈现下降趋势，其金融监管质量不断下降，最终导致了次贷危机。

3． 在金融监管发展的过程中， 要注重金融安全性和效率性的平衡，不能顾此失彼，而应该尽量做到协调、均衡。2000年以来，美国金融业实现了混业经营，而其金融监管主要强调效率优先的原则，而忽视了金融业的安全与稳定， 这导致了美国金融企业的高杠杆性经营，并最终引起了次贷危机。

参考文献：

［1］Robert Pringle，2010. How countries supervise their banks，insurers and securities markets 2010［M］. Central banking publications.

［2］蒂米奇・威塔斯. 金融规管――变化中的游戏规则［M］． 上海：上海财经大学出版社，2000．

［3］秦宛顺，靳云汇，刘明志. 金融监管的收益成本分析［J］．金融研究，1999（10）.

［4］叶永刚，张培. 中国金融监管指标体系构建研究［J］．金融研究，2009（4）.

［5］江春，许立成. 金融监管与金融发展：理论框架与实证检验［J］．金融研究，2005（4）.

［6］陆磊. 信息结构、利益集团与公共政策：当前金融监管制度选择中的理论问题［J］． 经济研究，2000（12） .

［7］刘宇飞. 国际金融监管的新发展［M］. 北京：经济科学出版社，1999.

［8］Becker，G. and G. Stigler，1974. Lawenforcement，malfeasance，and the compensation of enforcers［J］． Journal of Legal Studies，3（Mar）：1-18.

大数据金融论文篇（10）

[中图分类号] F275 [文献标识码] B

一、引言

自从Modigliani与Miller（1958）提出MM理论以来，现代资本结构理论大致经过了57年的发展，在这个过程中形成了各自不同的理论与流派，比如权衡理论、成本理论、信息不对称理论、控制权理论、产品和要素市场理论等等。虽然新的学说层出不穷，但纵观所有理论，其中最能涉及资本结构决策核心利弊的莫过于权衡理论（trade-off theory），这也是本文选取理论视角和问题研究突破点的原因。

权衡理论是对MM理论的进一步完善。MM理论允许企业破产，但并没有考虑破产成本，因此MM理论中的情况在现实生活中很难达到，而权衡理论不仅考虑了包括破产成本在内的财务危机成本，还考虑了成本。根据权衡理论，企业债务在一定程度上会给企业带来抵税方面的收益，但是如果企业使用过多的债务，这势必会让企业陷入各种困境，比如财务困境，从而使企业的财务成本，破产成本以及成本都会明显升高，以致于达不到最初的目的，降低了税盾的效果。所以最优资本结构是存在的，而且可以准确地测算到，那就是要在平衡债务的抵税收益及财务困境成本的基础之上，充分利用财务杠杆优势，实现企业价值最大化。

企业融资是指以企业为主体融通资金，使企业及其内部各环节之间资金供求由不平衡到平衡的运动过程。企业在面对资金短缺问题时，要做到以付出最小的代价筹集到合适的资金以及合适的还款期限；而当企业出现资金盈余时，就要利用这盈余的资金，以最低的风险和适当的期限将这些资金投放出去，从而使企业获得最大的收益，已达到企业在资金方面的供需平衡。按筹集资金的来源可分为内部融资和外部融资。内部融资是利用企业的自有资金，主要是留存收益。外部融资主要是通过权益融资和债务融资来筹集。然而，由于企业的自有资金有限，因此当需要大量的资金时，企业一般需要通过外部融资的方式。那么，权益融资和债务融资的杠杆比例达到多少才能使企业价值最大化，从而吸引更多的融资？在对近年来文献资料的研究中发现，国内外学者在针对企业资本结构的研究方向大致分为两个方面，首先是通过研究多因子模型，来探究影响企业资本结构的各项因素；另一方面主要集中于资本结构的理论研究方面。但是将两者结合起来从函数关系上推理出资本结构的最优值方法上面还是没有明确的定论。因此，笔者试图通过函数的形式即利用多元二次模型在企业价值以及资本结构中的运用，解释是否存在最优资本结构，从而为中小企业在融资过程中在调整融资的结构比例来使资本机构达到或趋于最优的过程中指明方向。

二、实证研究

（一）研究假设

因此根据以上分析在资本结构权衡理论的基础上提出如下假设

假设l

上市的中小企业的企业价值与资本结构之间呈二次曲线关系

ROA=αi+βijTDR+βijTDR2+εi

其中，ROA为总资产收益率，TDR为总资产负债率，αi为常数项的系数，βij为自变量的系数；εi随机误差项。

假设2

假设上市768家中小企业，将这些企业视为一个整体，并且将这一整体视为可以拥有最优资本结构的大型企业，该企业的每年的资产负债率和最优资本结构是存在线性关系。即本文假设的这些上市768家中小企业中都具有同质性，即每个企业的生产经营目标都是实现该企业股东的财富最大化。

假设3

企业的资本结构受到宏观经济本身融资能力的影响，但有向目标资本结构的调整行为，为此建立“滞后调整模型”

TDRt+1=β0+β1TDR1t+β2TDR2t+ε1

其中TDRt+1为t+1时刻的总资产负债率，TDRt为t时刻的总资产负债率，βi代表企业向目标资本结构调整的速率。

（二）结果分析

1.样本的选取及数据的来源

本文选用2007年至2012年的中小企业板上市公司作为研究数据样本。选择2007年的以后的数据作为论文研究的数据，基于两个原因，首先是因为2007年爆发了全球范围内的国际金融危机，这势必会给我国的上市中小企业造成很大的影响。通过调查得到的数据针对性的对2007年-2012年的上市中小企业的融资结构及其变化及对公司绩效的影响，分析出结果，并试图来帮助上市中小企业选择合理的融资结构，从而达到提高公司绩效的目的；第二，选择中小企业板快企业的数据是基于论文写作的需要，并排除了许多创业板块的中小企业作为研究的对象，主要是因为创业板块上的企业在成长模式上属于成长期，虽然该板块上的企业具有创新性强，成长性高的特点，但是其自身有着规模小，商业模式不稳定，经营方式独特性，各个企业的数据差异较大，在研究问题上数据的代表行不强，财务数据不具有明显的代表性，所以选择在进行数据选择时，明确的消除异样数据对数据结果的影响以及对论文结果的正确性重视，为了使在进行多元二次非线性回归研究时为保证数据的有效性和连续性，本文根据以下的方法来筛选出符合要求额样本公司：

（1）为了保证数据的代表性以及数据的稳定性，去除掉中小企业板中2007年12月31日以前上市的公司的。

（2）因为本文主要是对企业的融资结构的实证分析，所以以稳定、正常经营的企业做为选取研究的样本，从中试图找出具有通用价值的规律，在大数据中剔除ST（特别处理股票）、PT（特别转让股票）公司的样本数据。

（3）在选取的大数据中去除金融行业以及房地产行业公司的数据。因为在现行准则中，金融行业会计准则与其它行业会计准则具有较大差异，相关指标在金融行业与非金融行业之间不具有可比性，本文遵从研究惯例，予以剔除；房地产行业的资本来源主要是银行贷款，从而导致了房地产行业与其他行业在债务融资比重方面存在很大的不同，因此会拉高整体债务融资的比例。综上所述，本文将金融行业及房地产行业的数据剔除，以保证文章内容的科学性和研究的有效性。

（4）在众多数据中要剔除掉财务指标数据不全以及公司治理信息披露不全的企业，以保证研究数据的完整性以及及时性。

基于上述原因和目的，本文最终得到768家公司作为研究样本。文中所需数据来源于CSMAR数据库、中华工商上市公司财务指标指数、中国证券期货统计年鉴以及深圳证券交易所。本文以上市768家中小企业作为研究对象，以2007-2012年的季报中的ROE和资产负债率TDR作为样本，下表为分行业统计的研究样本。

表1 分行业统计的研究样本

2.实证检验

（1）描述性统计分析。本文首先对768家上市中小企业2007年到2012的数据进行了描述性统计分析。

表2 描述性统计单位%

根据上表2对样本公司的描述性统计结果，我们可以看出：

一是本文选择了中小企业板上市768家公司连续6年的财务数据为研究的样本，共768个样本；二是根据表2对所有样本的描述性统计结果，样本公司的净资产收益率ROE的均值为19.34，其中最大值为86.789，而最小值为-6.567，二者之间的差距比较大，分布比较集中，而且标准差为0.27，波动性也比较小，可以看出，所选样本公司的总资产收益率基本呈正态分布。另外样本公司的每股收益EPS的均值为0.453，其中最大值为5.13，而最小值为-1.52，二者之间的差距比较大，分布也比较集中，而且标准差为0.51，数据的波动性较小，所以，本文所选样本公司的每股收益大致上呈现正态分布。

（2）相关性分析。根据2007年到2012的相关数据，利用spss相关性检验得到各个变量数据之间的相关系数矩阵，如表3所示。

表3 ROA和EPS相关性分析

从表3可以看出，在0.05水平（双侧）上总资产收益率与每股收益之间不具备显著相关性。从表3中可以看出总资产收益率与资产负债率的平方、债务期限结构呈现出负相关关系，解释变量以及各控制变量之间虽然部分有明显的相关关系，但相关系数均小于0.5，因此各解释变量以及，控制变量之间的相关性比较弱，不存在多重共线性问题。

表4 加权回归模型统计分析

本文运用spss21.0对选取的上市中小企业的样本进行企业净资产收益率（ROE）与资产负债率（TDR）的描述性分析与OLS回归分析的基础上，所得到的结果显示了OLS加权多元回归进行分资产负债率与资产负债率的二次方在显著水平α=0.01下两者都在一定程度上具有显著性，其次二次回归模型的解释能力为R2=0.7129可以看出，加权回归后整体模型解释力相对较高。因此可以推出上市的这些中小企业的资本结构与企业价值（企业资产负债率）之间存在解释力更高的非线性二次函数关系。

上图为模型的二次曲线实证图形，从图形的走向以及数据可以得出，该公司的资产负债率随着负债的增加而上升，当资产负债率达到某一程度时，这时企业价值最大化，但如果负债比例进一步增加时，企业价值随着负债的增加而下降，此结果也验证了本文假设即上市中小企业的企业价值与资本结构两者之间呈二次曲线非线性关系。另外，根据二次函数的数学性质，我们可以看出，将企业价值（ROE）对资产负债率（TDR）进行一次偏导数计算，当结果等于O时，就可推导出使企业价值最大化时的最优资本结构，这在一定程度上也说明了我们刚才的假设，即如果将样本中的全部的中小企业作为一家企业时，这家公司也是存在最优的资本结构和股东权益最大化的，同时在次基础上可以算出这时的股东权益报酬率。因此，经回归分析所得出的二次模型可以发现选取的这些中小企业在一定程度上是存在最优的资产负债率，换句话说也就是最优资本结构可能存在于中小企业的融资财务决策中。

三、结论建议

我国上市中小企业的公司价值及资本结构的构建与企业融资是有一定关系，推导出企业价值与资本结构存在非线性抛物线凹向下关系。资本结构静态权衡理论在考虑税收效应、破产成本、财务困境成本、成本的基础上，通过人为的静态地分析的基础上，我们是可以通过考察该企业的资本融资决策以及该企业资本最优结构，从而告诉企业管理者在进行融资选择时注意事项，并通过合理的安排权益融资和债务融资的比例来达到企业运营的价值最大化，形成最优的企业资本结构。在达到最优资本结构的基础上，企业也应该注意到合理的降低财务风险，科学利用财务杠杆，从而避免负债过度而发生经营困境。

[参 考 文 献]

[1]黄孟复.小企业融资状况调查[M].北京：中国财政经济出版社，2010：162

[2]李.后金融危机时代我国中小企业融资问题研究[J].河南城建学院学报，2012（1）：86-88