区域科技金融系统稳定性质量及其测度基于天津2008—2015年的经验数据

赖迪辉,b,赵 凡

(天津城建大学 a.经济与管理学院;b.天津城镇化与新农村建设研究中心,天津300384)

1 引言

科技金融系统是促进科技创新与科技产业发展的相关工具、政策、服务、制度的有机集合,包括科技金融创新机构、政府部门、从事科技金融业务的商业银行、科技金融中介服务机构等行为主体,离不开科技创新活动的外界环境,是国家金融体系和国家科技创新体系的重要组成部分。随着金融自由化、区域一体化和全球化进程的不断推进,维护科技金融系统的稳定受到各国政府和理论界的普遍关注。科技金融系统稳定性是指科技金融系统有效抵御内外部冲击,维护自身功能特性和恢复到平衡状态的性能。随着金融市场形态的多元化和危机爆发的潜在风险增大,运用传统的经济理论解释科技金融系统稳定性逐渐缺乏说服力,稳定性概念只有不断演进才能为学术研究提供可靠的理论基础。在广义概念的基础上,敏感性、脆弱性和适用性既是系统稳定性的核心内涵,也是系统稳定性质量研究的范畴。“质量”是可度量的,可用于评估科技金融系统的稳定性状态。同时,“质量”也是可比较的,可用于讨论科技金融系统稳定性的治理状况。稳定性质量概念促进了科技金融系统稳定性理论的扩展和应用,有较高的应用价值。科技金融系统作为开放式自适应复杂系统,系统表现出内部各要素之间的非线性关系,从而导致科技金融系统发展前景的不确定性。笔者认为,科技金融系统稳定性质量的基本内涵可界定为一个系统在发展效益、增长潜力、稳定性、竞争能力、人民生活等多个方面表现出与经济数量扩张路径的一致性。科技金融系统稳定性质量是一个多维的矢量,它表征了科技金融系统能维持长期协调稳定,科技金融投入—产出效率较高,能更好地发挥科技创新和人力资本的作用,提高科技金融发展效益,不断满足经济发展的需要,因此关注科技金融系统稳定性质量意义重大。

学术界对已有科技金融问题从不同角度开展了相应的研究与探讨,多集中在科技金融内涵、机制与体系、路径与运行模式、效益与风险、我国科技金融现状与问题等五个方面[1],而有关科技金融系统稳定性质量研究几乎没有涉及,定量化研究鲜见。然而,纵观国内外学者对各地区科技金融的测定结果来看,虽然各地区科技金融发展水平在不断提高,但区域间的差距在不断拉大[2],呈现出区域不平衡状态。从科技金融发展水平来看,我国中部地区与西部地区相比,西部地区科技金融发展水平虽然远远落后于东部地区,但略胜于中部地区;从增长速度来看,东部地区科技金融发展水平增长趋势比中部地区和西部地区快,中部地区和西部地区的增长部分基本相同。可见,在提高我国科技金融整体水平的同时,应关注区域间科技金融的协同发展。因此,以区域发展总体战略为基础,研究区域科技金融系统稳定性质量,对实现区域间科技金融的协同发展具有重要意义。

本文以天津为例,测度天津科技金融系统稳定性质量,使可度量的标准成为未来区域科技金融系统发展水平的参照,避免提升科技金融系统稳定性质量对策与实际实施过程发生重大偏离。由此可见,全面、多维度地评价科技金融系统稳定性质量是极具前瞻性的。

2 运行机理分析

科技金融系统是具有动态行为的高阶次非线性复杂系统,包含政府、企业、金融机构、高校、科研院所、技术中介机构等多个主体[3],这些主体要素间存在相互联系、相互制约的多重反馈关系。同时,科技金融发展也离不开经济环境的影响,良好的经济环境是科技金融发展的重要支撑和保障。科技金融系统稳定性质量的高低是由各子系统发展质量综合作用的结果,具有整体性特征。本文揭示了科技金融系统稳定性质量的运行机理(图1)。鉴于科技金融系统的复杂性,使该系统的多结构多层次性表现得更明显、系统组成要素更加多样。如企业并不是科技创新的唯一主体,在一定时间内随着知识的产生、扩散和应用,创新主体会出现多样化,金融机构、中介机构等也会在创新体系中扮演主体角色,共同为科技金融系统的持续发展提供有力支撑。

注:作者自绘,下同。

图1科技金融系统的各子系统关联

基于科技金融系统稳定性质量的运行机理,本文运用驱动力—状态—影响(Driving Force-State-Response,DSR)模型来体现科技金融系统稳定性质量的形成过程。科技金融发展受到多方面驱动力的作用,从而达成一种发展状态,可能是均衡的稳定状态,这种状态的变化反过来又影响科技金融发展过程中的各类行为活动，如此循环往复,构成了科技金融系统稳定性质量的DSR关系模型。该模型以“驱动力、状态、影响”为准则层,其中驱动力指标表征经济和社会活动对科技金融系统的驱动作用;状态指标描述科技金融系统运行过程中达到的发展状态;影响指标则反映在科技金融系统运行状态下对科技金融系统稳定性质量产生影响的各类指标。三者之间相互促进、互为因果,形成有机的反馈循环关系。“驱动力”是整个科技金融系统运行的动力,控制着状态;“状态”是支撑科技金融系统稳定运行的基础;而“影响”通过科技金融环境、经济环境和政策环境等对驱动力、状态产生影响。

3 模型构建

3.1 指标选取与数据来源

为了尽早有效控制科技金融风险,防范科技金融系统整体稳定性波动加剧,甚至对实体经济造成冲击,构建全面评价科技金融系统稳定性质量的指标体系是关键[4]。结合相关文献经验和科技金融自身发展的特点,选择企业创新投入、政府支持、金融机构的服务功能和风险状况作为科技金融指标依据。依据DSR模型的三个准则层,构建了以科技金融系统稳定性质量指数为目标层,以驱动力、状态、影响分别为主题层、要素层和指标层,以22个具体评价指标为指标层的综合评价指标体系(图2)。

图2 科技金融系统稳定性质量的综合评价指标体系

本文的数据来源于2016年的《天津统计年鉴》、《天津科技统计年鉴》、国家数据、中经网统计数据库、国研网统计数据库和其他各大数据网站的搜索平台,各指标样本区间为天津2008—2015年的数据,极少数缺失的数据采用插值法进行补全。

科技创新驱动力指标:本文从投资力度、投资效率、创新产出和创新效率四个方面来衡量科技创新驱动力。科技创新投资力度可用地方财政投入增速和R&D经费投入增长率来反映,地方政府科技投入能促进整个区域开展科研投入和科技创新活动[5],R&D经费投入增长率代表了该地区在科技创新方面努力程度的重要指标[6]。科技创新投资效率体现了科技产出效果,用科技成果转化应用率和高新技术产业化率来衡量。科技成果转化应用率揭示了科技创新最终对经济社会发展产生效率影响的转化过程[7],而高新技术产业的产业化率是衡量科技成果产业化效果的重要指标。科技创新产出反映了科技创新成果,选取技术市场成交额和高新技术产品出口额作为衡量指标。科技创新效率可选取科技论文数量和专利授权量来衡量,其中科技论文数量是投入人力和资本进行科技研发的直接结果,表现为一个地区创新主体素质的提升[8],代表创新主体的基础科研水平的高低。由于科技创新成果是对经济发展有实际价值的成果,因此这些科技创新的主体往往会通过申请专利获取对该项成果的法律保障,拥有对该项科技创新的专有权,这对推动生产力发展更具有实质性作用,采用专利授权量作为衡量创新效率的重要指标是值得认同的[9]。

金融公共服务能力指标:金融公共服务能力是指金融能够支撑科技发展的能力,主要从金融保障和金融资本流动性两个方面来评价。首先,金融保障表现为金融市场对科技发展的保障能力,充分发挥金融引导作用,可从金融深化程度和金融从业率两方面来考察。金融深化程度说明经济的金融深化程度,反映金融机构提供市场流动性的能力和货币化进程,但比率过快上升容易引发通货膨胀[10],用金融业增加值来表示;金融市场的金融从业率用一个地区金融业人员在该地区就业人员的比率代表,是衡量金融保障能力的主要指标之一。金融资本流动性能有效评价金融机构的中长期流动性水平,本文选取商业银行资本充足率和流动性比率两个指标来衡量[11],能预测微观经济体的偿债能力,流动性过低意味着容易引发金融危机,影响金融市场的稳定性。

金融—经济互动能力指标:金融—经济互动能力反映了金融与经济的互动状态,本文将经济与金融发展的互动能力看作是经济发展和金融中介机构发展与股票市场发展之间的互动[12]。金融发展状况指标用证券化率表示,即股票市值占GDP的比例,反映我国证券市场的成熟程度和发展规模;信贷总额占GDP的比例代表金融机构信贷资本的边际效率[13],展现信贷投放增速与实际GDP增长的平衡状态。经济发展指标则包括产出增速、内生发展能力、居民消费价格指数和科技与金融发展协调度等。产出增速反映了一个地区的经济基础状况[14],内生发展能力是经济自身发展的动力,与科技固定资产投资占GDP的比重成反比。居民消费价格指数是通过物价波动来反映宏观经济状况,而科技与金融的协调度是指科技与金融的协调发展程度,揭示科技发展与金融市场发展的协同发展状态,影响经济增长[15]。

风险防范能力指标:近几年,金融风险逐渐凸显,因此做好风险分担、转移与风险预警工作,为提高风险防范能力具有重要作用。本文选取的风险分担与转移指标包括实际赔付率和外贸依存度,保险业的实际赔付率是通过事后控制措施分担风险,而外贸依存度代表了经济增长的结构风险,反映抵御经济风险的应变能力,用地区进出口总额与地区GDP之比来表示[16]。风险预警是对未来能预测的风险进行分析与预控,将风险造成的损失降至最低限度的有效手段。本文从利差和商业银行不良贷款率两个维度来监控风险状态,有效提前做好风险预警分析。利差有助于金融部门吸引可持续存款的能力,用贷款利率和存款利率之间的差额来表示,比率越小意味着金融机构产生流动性的风险越高[17]。金融机构的不良贷款率代表信贷质量,比率越大,经济债务风险问题越突出,科技金融市场稳健性变弱。

3.2 模型建立

复合熵权法被定义为对数据进行客观赋权的一种方法,即主成分分析与熵权法的复合法,结合两种方法的优势,充分利用原始数据提供的信息,对科技金融系统稳定性质量进行测度。分析结果较科学和客观,能全面衡量总指标的质量水平,使分析结果更真实可靠,提高了研究的价值和意义。主成分分析法使用较普遍,计算方法不再赘述,仅对熵权法进行介绍。

由于各指标值的量纲不同,为了消除指标间的量纲关系,需要对部分指标进行量纲化处理,得到无量纲数值,具体公式为:

X*=Xj-XminXmax-Xmin

(1)

式中,X*为无量纲值;Xj为第j个有量纲指标值;X*为一个0—1的数值。

将标准化的数据构建为判断矩阵R:

R=(rij)m×ni=1,2，…,m;j=1,2,…,n

(2)

计算i年评价指标j的指标值比重Pij,构建概率矩阵,可得Pij:

Pij=rijΣnj=1rij

(3)

计算评价指标j的熵值uj:

uj=-ΣmiPij×InPijInm

(4)

显然，当Pij=0或为负时,InPij无意义。修正式(3),依此计算得:

Pij=(1+rij)/Σnj=1(1+rij)

(5)

计算评价指标j的熵权wj:

wj=1-ujn-Σnj=1uj

(6)

(7)

式中,η为倾向性系数,选取η=0.4表示客观赋权受倾向性与受重视的程度,即复合权重为算术平均值。最后,采用加权求和公式:

(8)

4 科技金融系统稳定性质量的测度

4.1 ADF平稳性检验

在进行复合熵权法测度之前,为了避免因变量非平稳的问题,必须进行指标的平稳性检验。即采用ADF检验法对各指标变量进行平稳性检验,保证数据的平稳性。为了简化各评价指标的结果,我们将所有指标按顺序排列,用Xj表示第j个基础指标,j=1,2,…，22,研究结果见表1。检验结果表明,各指标经过几次差分后均在1%和5%的显著水平上存在单位根,说明所选指标都是平稳序列,符合测度要求。

表1 ADF检验结果

注:(C,T,K)代表ADF检验时是否包含截距项、时间趋势项和滞后阶数;I(1)表示变量差分后在1%的显著水平上通过ADF平稳性检验。数据为作者计算所得,下同。

4.2 测度结果分析

鉴于所有指标都通过了ADF平稳性检验,证明了选取指标的平稳性。依据复合熵权法对评价模型中各指标进行权重确定,获得天津市科技金融系统稳定性质量的各指标权重(表2),从而得到影响科技金融系统稳定性质量的关键因素,依次是利差(0.1072)、金融从业率(0.1063)、科技成果转化应用率(0.1045)、R&D经费投入增长率(0.0946)、专利授权量(0.0885)、外贸依存度(0.0873)、产出增速(0.0842)、高新技术产品出口额(0.0815)、商业银行不良贷款率(0.0806)等。基于复合熵权法得出天津科技金融系统稳定性质量指数(表3),结果发现天津科技金融系统稳定性质量指数呈现不规则的波动状态。

表2 基于复合熵权法的天津科技金融系统稳定性质量权重

表3 基于复合熵权法的天津科技金融系统稳定性质量指数

由表3可见,2008年天津市科技金融系统的稳定性质量指数较高,但2009年的稳定性质量指数急剧下降,主要原因可能是R&D经费投入增长率从2008年的35.77%下降到2009年的14.61%,专利授权量从2008年的21.52%下降到2009年的9.03%,同时产出增速从2008年的27.91%下降到2009年的11.95%,对科技金融系统的稳定性质量产生了不利影响。2009年和2011年的稳定性质量指数出现先上升后下降的趋势,2010年的稳定性指数达到最高,主要原因是2009—2010年我国出台了相关政策,提出多项有效措施,使金融创新子系统、科技创新有序度得到大幅提高。从2012—2014年的结果来看,稳定性质量指数逐渐下降,科技金融系统稳定性有所减弱,说明2012—2014年在经济增长不断下降的大趋势下,高新技术产业化率和金融深化程度的不断下降对稳定性质量指数有较大影响。2015年稳定性质量指数明显上升,但升势有限,可见科技金融系统稳定性质量仍有提升空间。2015年稳定性质量指数与2014年相比有明显上升,从侧面反映了2015年科技金融相关政策和供给侧改革战略部署推出后,增加了科技创新和经济发展的动力,为科技金融发展营造了良好的发展条件,促进了科技金融系统的稳定性。基于2008—2015年天津科技金融系统稳定性质量的指数,绘制了稳定性质量指数趋势图(图3),可更清楚地观察到天津科技金融系统稳定性质量显现“W”型的变化趋势。

图3 2008—2015年天津科技金融系统稳定性质量指数趋势

由表3可知,2008—2015年稳定性质量指数的均值E为0.172,超过稳定性质量指数均值的有4个,分别是2008年的0.232、2010年的0.244、2011年的0.195和2012年的0.201；稳定性质量在2010年达到最高,说明2008—2015年有50%的天津科技金融系统的稳定性质量指数很理想。而其结果的标准差σ为0.051,标准差的水平代表了科技金融系统稳定性质量指数的离散程度。即稳定性质量指数偏离稳态值的程度,反映了科技金融系统内部各子系统对稳定性质量影响造成的冲击大小,为采取针对应对性措施提供了依据。

通过稳定性质量指数,可从宏观层面监测分析天津科技金融系统稳定性质量的状况,但还无法具体分析天津科技金融系统稳定性所处的发展阶段。为了进一步将稳定性质量反映的稳定性状态细化,可设定均值E减去标准差σ为低稳定性质量阈值,再设定均值E加上标准差σ为高稳定性质量阈值,这样就可评定出天津科技金融系统三段稳定性的状态(表4)。由表4可判定天津科技金融系统的稳定性状态为:2009年和2014年处于低稳定性状态,2011—2013年、2015年处于中度稳定性状态，2008年和2010年处于高稳定状态。整体来看,近年来天津科技金融系统稳定性质量较好,大致处于中度稳定状态,但仍有提升的空间,说明科技金融系统稳定性逐渐向理想状态发展。尤其是在2010年,科技金融发展平稳,稳定性质量提高明显,实现了从低稳定性状态逐渐向高稳定性状态的转变。

表4 天津科技金融系统的稳定性状态划分

注:根据资料整理所得。

5 结论与讨论

5.1 结论

本文利用复合熵权法对天津2008—2015年科技金融系统稳定性质量进行了测度,并在此基础上分析了天津科技金融系统稳定性所处的状态,得出以下结论:①2008—2015年天津科技金融系统稳定性质量指数呈“W”型变化,虽然稳定性质量有明显差异,但整体看天津科技金融系统仍处于中度稳定状态,反映了目前区域科技金融系统的稳定性处于较理想阶段,但仍有待进一步提高稳定性质量。②通过分析复合熵权法获得的各指标权重,得出利差、金融从业率、科技成果转化应用率、R&D经费投入增长率、专利授权量、外贸依存度、产出增速、高新技术产品出口额和商业银行不良贷款率是影响稳定性质量的最主要因素。综合来看,稳定性质量提升不力可能与科技金融创新能力不足、金融稳定政策不完善和经济风险较大等有关。

5.2 讨论

本文的创新之处:首先,本文从质量视角出发研究科技金融系统的稳定性问题,创新性地给出科技金融系统稳定性质量的基本内涵,具有重要的理论意义。其次,本文创新性地引入DSR模型,以“驱动力、状态、影响”为准则层,尝试构建符合区域发展特点的科技金融系统稳定性质量综合评价指标体系,丰富了该领域的理论研究成果。第三,探索性地测度科技金融系统稳定性质量指数,揭示了近年来科技金融系统的稳定性状态。由于包含了反映未来科技金融运行状况和宏观经济状况的相关信息,所以还能作为预测和判断未来科技金融系统稳定状态的先行指标,为政府进行有效的宏观调控，为监管当局制定和实施科技金融相关政策，为投资者和消费者判断未来金融和经济走势提供有益的借鉴和参考。

本文虽然取得了显著性的成果,但仍有待进一步研究:①在构建综合评价指标时,考虑到数据的可得性与准确性,选取的指标数量不多,可能造成计算结果偏误。②依据测度结果,找出影响稳定性质量的主要因素,这些影响因素对稳定性质量的动态和区域差异有什么限制和促进有待进一步研究。

6 对策建议

加快推进科技金融创新:首先,健全政府资金支持机制,在加大基础科学研究投入力度的基础上,制定新的创新体系,完善激励和保护机制,引导民间资本参与技术创新,提高科技成果转化能力。其次,深化金融改革创新,提高金融服务力度。鼓励银行扩大“科技金融合作创新示范区”的建设,为创新能力强的科技型中小企业提供宽松的授信额度和多元化的金融服务,如引入专业担保公司为第二抵押权人,增加保证方式的融资;发展新型金融业态模式,形成聚集效应,打造服务“三北”的金融高地。

逐步优化金融稳定政策:首先,调整债券市场融资机制,加强管理后降低准入门槛,使大部分实体企业能够通过债券方式融资,提高债券利率市场化水平;其次,央行应着力推动各监管机构的协调,扩大投资者基数,增加权益市场与债券市场的深度和流动性,诸如可探索债转股的融资模式;第三,通过维持金融机构存贷款超额利差来消化经济运行的风险成本,维护科技金融系统稳定。长期来看，还需要在不断优化科技金融融资结构基础上,完善市场化交易机制,推进利率和汇率市场化改革。

增强金融风险管控能力:一是要加强金融监管协调,引导规范金融创新。对银行来说,要健全风险管理的长效机制,化解和处置当前风险。二是努力建立有效的风险监测系统,完善风险管控体系,加强与金融监管模式的协同运行,形成风险管理的上下贯通；推进各层级工作之间的协作配合,形成多方参与、多部门协调的合作模式。三是防范周边省市区域金融风险的跨区传染,包括区域内的风险传导。首先要统计监测本区域与周边省市在国内贸易、产业上下游交易规模、原料供应或终端产品市场销售规模的分布结构;其次识别出集中度占比较高的交易领域和区域,开展重点异常交易监测,定期评估脆弱性风险,及时进行提示和预警,提出维护稳定的应急处置政策,有效减缓风险传染冲击,守住不发生系统性金融风险的底线。

明确政府职能及行为:一方面,优化政府在资源配置中的作用,政府要从一般竞争性的领域退出,减少政府在竞争性领域的干涉,把有限的政府财力投入到公共服务领域;另一方面,明确政府在科技金融市场的定位与作用,作为规则制定者,政府有责任建立一套完整、全面、行之有效的规范金融机构的法律和监管制度,完善科技金融市场的运行环境。政府要配合其他监管部门实行有效监管,做出合理有效的制度安排,做到有效预防、及时控制和应对危机。此外,建立工作沟通和协调制度,搞好对金融部门监管的协调,共同制定标准化和合规化的操作流程、风险防控措施和快速反馈机制。

充分发挥社会参与的作用:社会参与是对市场调节和政府调控的有效补充,因此在科技金融发展过程中,要充分发挥社会参与的作用,增加社会参与度。充分重视社会资本对区域科技创新的较大作用效果,鼓励提高科技金融投入中民间资本的比例,并注重相关风险的防范和控制。同时要发挥社会监督的作用,一是发挥社会中介机构(如会计事务所、审计事务所、资产评估事务所)的审计监督作用,提高信息披露和资产评估的真实性和权威性;二是加强媒体监督,鼓励和利用媒体的曝光功能,进行监督和揭露违规违法及腐败行为;三是发挥投资人、债权人等市场参与者的监督约束作用。

参考文献:

[1]徐玉莲,王玉冬,林艳.区域科技创新与科技金融耦合协调度评价研究[J].科学学与科学技术管理,2011,32(12)∶116-122.

[2]曹颢,尤建新,卢锐,等.我国科技金融发展指数实证研究[J].中国管理科学,2011,19(3)∶134-140.

[3]高广春.创新型城市支持体系评价研究——四维框架下的财政金融视角[J].城市发展研究,2013,20(6)∶94-100.

[4]郭红兵,杜金岷.中国金融稳定状况指数的构建[J].数量经济技术经济研究,2014,(5)∶100-161.

[5]张玉喜,赵丽丽.中国科技金融投入对科技创新的作用效果——基于静态和动态面板数据模型的实证研究[J].科学学研究,2015,33(2)∶177-214.

[6]许汝俊,龙子午,姚逍遥.基于DEA-Malmquist指数法的科技金融发展效率评价研究——以长江经济带为例[J].科技管理研究,2015,35(13)∶188-191.

[7]杨武,杨淼.基于科技创新驱动的我国经济发展与结构优化测度研究[J].软科学,2016,30(4)∶1-12.

[8]郭淡泊,雷家马肃,张俊芳,等.国家创新体系效率及影响因素研究——基于DEA-Tobit两步法的分析[J].清华大学学报(哲学社会科学版),2012,27(2)∶142-160.

[9]Cullmann A,Zloczysti P.R&D Efficiency and Barriers to Entry：A Two Stage Semi-parametric DEA Approach[J].Oxford Economic Papers,2012,64(1)∶176-196.

[10]Wachtel P.What is Happening to the Impact of Financial Deepening on Economic Growth?[J].Vanderbilt University Department of Economics Working Papers,2009,49(1)∶276-288.

[11]杨立勋,周之奇.基于金融稳健指数FSI的金融稳定性分析[J].统计与决策,2015,(6)∶172-174.

[12]陶春生.金融发展测度方法的优化路径分析[J].管理世界,2015,(12)∶176-177.

[13]王晓博,徐晨豪,辛飞飞.基于TVP-FAVAR模型的中国金融稳定状态指数构建[J].系统工程,2016,(10)∶19-26.

[14]马勇,田拓,阮卓阳,等.金融杠杆、经济增长与金融稳定[J].金融研究,2016,(6)∶37-51.

[15]张媛媛,袁奋强,刘东皇,等.区域科技创新与科技金融的协同发展研究——基于系统耦合理论的分析[J].技术经济与管理研究,2017,(6)∶71-76.

[16]宋耀辉.陕西省经济发展质量评价[J].资源开发与市场,2017,33(4)∶456-461.

[17]Gorton G, Metrick A.Securitized Banking and the Run on Repo[J].Journal of Financial Economics, 2012,104(3)∶425-451.