研究目標(biāo):構(gòu)造金融業(yè)高質(zhì)量發(fā)展指數(shù),并分析其時空分布特征,多維度綜合評價我國金融業(yè)高質(zhì)量發(fā)展水平。研究方法:SBM-DEA模型、分布動態(tài)學(xué)方法、空間計量方法等。研究發(fā)現(xiàn):在效率維度上,金融業(yè)發(fā)展質(zhì)量不斷提高,產(chǎn)出效率持續(xù)上升,但投入效率相對偏低;在公平維度上,金融業(yè)發(fā)展的區(qū)域差異逐步縮小,普惠發(fā)展態(tài)勢初顯,但不平衡不充分發(fā)展仍是常態(tài);在可持續(xù)維度上,金融業(yè)發(fā)展的穩(wěn)定性總體改善,但實現(xiàn)可持續(xù)發(fā)展仍面臨較多挑戰(zhàn)。2013年后金融業(yè)已從高速發(fā)展進(jìn)入高質(zhì)量發(fā)展階段。研究創(chuàng)新:歸納提出金融業(yè)高質(zhì)量發(fā)展的多維度內(nèi)涵,并從效率、公平、可持續(xù)三個維度測度了我國金融業(yè)高質(zhì)量發(fā)展水平。研究價值:測度我國金融業(yè)高質(zhì)量發(fā)展水平,為"十四五"金融業(yè)發(fā)展規(guī)劃制定和差異化金融政策制定提供依據(jù)和參考。 

【文章來源】：數(shù)量經(jīng)濟(jì)技術(shù)經(jīng)濟(jì)研究. 2020,37(10)北大核心CSSCICSCD

【文章頁數(shù)】：20 頁

【部分圖文】：

2005～2018年我國金融業(yè)高質(zhì)量發(fā)展總指數(shù)及分項指數(shù)

其中,f(·)為高質(zhì)量發(fā)展指數(shù)的分布函數(shù),x為高質(zhì)量發(fā)展指數(shù)的取值,K(·)為標(biāo)準(zhǔn)正態(tài)分布核函數(shù),h為核估計的帶寬,最優(yōu)帶寬h(opt)根據(jù)“拇指法則”來選擇,IQR為樣本四分位距,σ為樣本標(biāo)準(zhǔn)差;w為權(quán)重,使用各省份歷年金融業(yè)增加值來加權(quán)。i和t分別為地區(qū)和時間下標(biāo)。根據(jù)式(4)計算出歷年我國金融業(yè)高質(zhì)量發(fā)展指數(shù)的概率分布如圖2所示。指數(shù)在時間維度上呈現(xiàn)以下特征:第一,分布形態(tài)上,大多數(shù)省份金融業(yè)發(fā)展質(zhì)量相對較低(分布函數(shù)低側(cè)高峰),少數(shù)省份金融業(yè)發(fā)展質(zhì)量較高(分布函數(shù)高側(cè)第二峰以及長尾),金融業(yè)發(fā)展質(zhì)量呈現(xiàn)一定兩極分化。第二,集中趨勢上,分布函數(shù)雙峰之間呈現(xiàn)先靠近后分離趨勢,而分布的最高值(眾數(shù)對應(yīng)的概率密度)呈先增大再縮小態(tài)勢,都表明各省份金融業(yè)發(fā)展質(zhì)量的差距呈現(xiàn)先縮小再擴(kuò)大的態(tài)勢。第三,分位點(diǎn)變化趨勢上,上四分位點(diǎn)先下降后回升;中位數(shù)變化趨勢與上四分位點(diǎn)類似,但波動幅度較小;下四分位點(diǎn)2009年之前波動幅度較大,之后上行趨勢不太明顯,以小幅水平波動為主。表明金融業(yè)發(fā)展質(zhì)量存在區(qū)域差異,高水平地區(qū)存在先發(fā)優(yōu)勢,中低水平地區(qū)質(zhì)量提升相對緩慢;但高水平地區(qū)發(fā)展質(zhì)量穩(wěn)定性較弱,在2008年危機(jī)期間和2016年去杠桿期間的下行幅度要明顯大于中低水平地區(qū)。

從圖3可以發(fā)現(xiàn):第一,金融業(yè)發(fā)展質(zhì)量的聚集效應(yīng),特別是低水平聚集效應(yīng)非常明顯。表現(xiàn)為大部分地區(qū)的金融業(yè)發(fā)展質(zhì)量較低(等高線密集區(qū)域接近原點(diǎn)),且變化不大,以在自身初始發(fā)展水平附近小幅變化為主(原點(diǎn)附近概率密度函數(shù)出現(xiàn)高峰,而其他區(qū)域相對平坦,且較高的概率密度出現(xiàn)在對角線附近)。第二,不同時間跨度下,金融業(yè)發(fā)展質(zhì)量的轉(zhuǎn)移模式存在區(qū)別。從圖3(a)～(d)可以看出,隨著時間跨度k的增加,概率密度函數(shù)有向?qū)蔷�“回歸”的傾向(等高線圖中遠(yuǎn)離對角線的成片連續(xù)等高線逐漸變成“孤島”,以及概率密度圖中遠(yuǎn)離對角線的“小山丘” 高度有所下降),當(dāng)時間較長時(k≥3),聯(lián)合分布函數(shù)對角線上方的概率密度明顯大于對角線下方,表明我國金融業(yè)發(fā)展質(zhì)量長期向好的趨勢并未發(fā)生改變,與圖1的結(jié)果是一致的。第三,不同初始發(fā)展水平下,金融業(yè)發(fā)展質(zhì)量轉(zhuǎn)移模式存在差別。其中低水平主體仍傾向于繼續(xù)保持低水平,即陷入穩(wěn)定的“低水平陷阱”(體現(xiàn)為原點(diǎn)附近的概率密度在對角線附近高度集中),而高水平主體的未來發(fā)展水平較大出現(xiàn)分化(體現(xiàn)為遠(yuǎn)離原點(diǎn)處的概率密度更為發(fā)散),即不穩(wěn)定的金融業(yè)“高質(zhì)量發(fā)展極”。二維概率密度估計主要考慮金融業(yè)發(fā)展質(zhì)量絕對數(shù)值隨時間變化的可能性,進(jìn)一步地,使用馬爾科夫狀態(tài)轉(zhuǎn)移矩陣分析金融業(yè)發(fā)展質(zhì)量相對水平發(fā)生轉(zhuǎn)移的概率,根據(jù)i省份t年金融業(yè)高質(zhì)量發(fā)展指數(shù)xit在其分布函數(shù)ft(x)中的位置,將其發(fā)展質(zhì)量分為“低”“中”“高”三個區(qū)制,分位點(diǎn)使用核密度分布函數(shù)ft(x)估算。當(dāng)時間跨度為k年時,金融業(yè)高質(zhì)量發(fā)展水平從區(qū)制m轉(zhuǎn)移至區(qū)制n(m,n=1,2,3)的概率P mn (k) 為式(6),I為示性函數(shù):

【參考文獻(xiàn)】：
期刊論文
[1]中國工業(yè)化進(jìn)程中的產(chǎn)業(yè)發(fā)展質(zhì)量測度與評價[J]. 付晨玉,楊艷琳.  數(shù)量經(jīng)濟(jì)技術(shù)經(jīng)濟(jì)研究. 2020(03)
[2]數(shù)字普惠金融發(fā)展緩解了中小企業(yè)融資約束嗎[J]. 喻平,豆俊霞.  財會月刊. 2020(03)
[3]中國高質(zhì)量發(fā)展的測度及省際現(xiàn)狀的分析比較[J]. 聶長飛,簡新華.  數(shù)量經(jīng)濟(jì)技術(shù)經(jīng)濟(jì)研究. 2020(02)
[4]數(shù)字普惠金融減貧:理論邏輯、模式構(gòu)建與推進(jìn)路徑[J]. 董玉峰,陳俊興,杜崇東.  南方金融. 2020(02)
[5]以金融創(chuàng)新支持經(jīng)濟(jì)高質(zhì)量發(fā)展[J]. 黃益平.  新金融評論. 2019(04)
[6]新時代我國金融高質(zhì)量發(fā)展問題探討——基于金融關(guān)系及其治理的視角[J]. 劉新剛.  理論探索. 2019(03)
[7]新時代背景下金融高質(zhì)量發(fā)展的內(nèi)涵與評價——基于省際面板數(shù)據(jù)的實證研究[J]. 李俊玲,戴朝忠,呂斌,胥愛歡,張景智.  金融監(jiān)管研究. 2019(01)
[8]金融發(fā)展質(zhì)量及其評價指標(biāo)體系構(gòu)建研究[J]. 徐璋勇.  武漢科技大學(xué)學(xué)報(社會科學(xué)版). 2018(05)
[9]財政分權(quán)與中國金融高質(zhì)量發(fā)展——基于資源配置效率視角[J]. 林春,孫英杰,劉融冰.  學(xué)習(xí)與實踐. 2018(08)
[10]地方政府債務(wù)風(fēng)險對金融系統(tǒng)的空間外溢效應(yīng)[J]. 伏潤民,繆小林,高躍光.  財貿(mào)經(jīng)濟(jì). 2017(09)



本文編號：3502934