创新系统协调发展测度及其对经营绩效的影响——基于农村合作金融机构的分析

钟凯扬

创新是一个复杂系统，既有内部系统，也有内部系统与外部系统之间的联系与互动，既有能力与资源等状态的表征，也有生产或经营过程效率的表征。其中创新能力和创新效率是创新系统的两个基础方面，其他的创新联系可以运用这两者的评价变量做进一步分析。但目前研究大多只针对创新能力或者创新效率的其中一方面进行分析，忽视了两者是否协调发展。创新系统协调发展如何评价？其失衡是否对经营绩效造成影响？农村合作金融机构则提供了很好的研究样本。

近年来，我国高度重视农村金融创新，习近平总书记在2017 年12 月中央农村工作会议上指出，要健全适合农业农村特点的农村金融体系，强化金融服务方式创新，提升金融服务乡村振兴能力和水平。[1]农村合作金融机构（包括农商行、农信社和农村合作银行）在金融支持我国“三农”发展和实现乡村振兴战略方面，发挥着重要作用，是农村金融创新的主力军。截至2019 年12 月，全国农村合作金融机构法人达2228 家，其中：农商行1478 家、农信社722 家、农村合作银行28 家，在银行业法人金融机构中占比48.36%；总资产总额达35.51万亿元，在银行业金融机构占比12.24%。加强推动农村合作金融机构创新，加大其支农支小力度，是当前做好农村金融工作的重点任务。

目前研究农村合作金融机构金融创新的文献基本为理论、政策或者实务分析方面，[2][3][4]实证分析的研究较少，其中钟凯扬采用农商行和农信社的面板数据实证研究了监管约束、金融创新与经营绩效的关系，[5]王硕等（2020）实证分析了农商行的核心微观特征对金融创新的异质性影响。[6]如何系统、科学地评价创新水平，是当前比较迫切的研究任务，因为对创新水平的科学评价是研究金融创新与其他变量之间关系的基础。

本文将提出对农村合作金融机构创新的评价分析框架，并以广东省农村合作金融机构为例进行实证分析。第一，从系统科学研究的视角出发，引入二象对偶论，将农村合作金融机构创新系统划分为以创新能力表征的状态子系统和以创新效率为表征的过程子系统两个二象子系统，对两个子系统发展水平进行测度。其中：运用生产函数理论，建立同一套投入产出指标；在创新能力测度方面，结合聚类算法和信息增益率，在测度创新能力的同时对机构进行分类；在创新效率方面，运用超效率SBM模型进行评价。第二，对创新能力和创新效率的协调发展进行测度和分析。第三，研究创新能力、创新效率及其协调发展对机构经营绩效的影响。通过以上分析框架，从定性和定量两个层面，深入揭示农村合作金融机构创新系统的特征和运行状况，为推动农村合作金融机构创新发展、提高其支农支小效能提供参考。

一、农村合作金融机构创新系统的二象对偶性

（一）二象对偶理论及其在创新系统研究的运用

二象的概念源于物理学理论中的“波、粒”二象性，“对偶”源于数学的对偶空间。徐飞和高隆昌将二象对偶理论应用于系统研究。[7]二象可视为系统的一种结构式展示，对偶可以看作是二象系统的内在机制。任何系统都是处于不断演化状态中，演变的动力来源于二象的对立，通过不断动态演变，实现系统的发展和统一。[8]

一些学者将该理论应用于创新系统研究。陈伟等人将该理论引入我国省份的区域创新系统研究，将区域创新系统分解为以创新能力为表征的状态子系统以及以创新效率为表征的过程子系统，并对子系统及其协调性进行了测度和评价。[9]此后，学者们基本遵循了“将创新能力作为创新状态的表征，将创新效率作为创新过程的表征”的研究思路，对制造、林木加工、旅游等产业的技术创新系统二象性进行了理论和实证分析。[10][11][12]

（二）农村合作金融机构创新系统的二象对偶特征

农村合作金融机构在创新过程中也有状态性与过程性两种特征。“状态”是针对系统的静态反映，而“过程”侧重于系统的动态反映。其创新系统可分为状态子系统和过程子系统。其中：状态子系统发展水平可用创新能力来衡量（即“实像”），过程子系统发展水平可用创新效率衡量（即“虚像”）。从农村合作金融机构创新过程看，系统中产生系列的自组织与他组织演化活动，不断推动系统向前演化。获取较高的系统创新绩效成为农村金融合作机构追求的重要目标。农村合作金融机构创新系统的演化水平在很大程度上取决于两个子系统的发展水平，则创新系统演化可表示为创新能力与创新效率的一种函数关系：

农村合作金融机构创新系统演化=f（状态子系统，过程子系统)=f（创新能力，创新效率）。

（三）农村合作金融机构创新系统的协调发展

农村合作金融机构创新系统的状态子系统和过程子系统，相互关联、相互作用，共同组成一个完整、不可分割的系统。状态、过程子系统，与创新系统形成正负反馈作用，其中正反馈后果将推动创新系统不断优化升级，负反馈作用则对创新产生负面阻碍。在内外因素的错综复杂影响下，在虚实二象系统演化过程中，会呈现出显著的复杂性和动态性（见图1）。

图1 基于二象对偶理论的创新系统演化

综上，创新能力与创新效率，是评价农村合作金融机构创新系统绩效的两个决定因素，它们两者的协调发展，有利于整个创新系统的稳定与优化。本文将在上述定性分析的基础上，对创新能力、创新效率及其协调度进行测算，为提升农村合作金融机构创新发展水平提供定量分析。

二、研究方法

（一）创新能力的测度

目前对于创新能力的评价方法主要是统计方法，这些方法有以下不足之处：首先，它们过于依赖信息，却忽视了指标的理论性，例如熵权法等。其次，部分方法在处理多指标、大样本数据时弊端明显，例如，因子分析方法需要降维处理，选择少数因子，不利于对所有指标的分析；再次，有些方法在确定权重时具有主观性，需要事先确定或依靠专家评价，如AHP层次分析法和TOPSIS方法等。

为克服以上问题，本文将参考Pei 和Zhong，采取“聚类算法+信息增益率”的组合模型对创新能力进行评价：[13]首先，运用聚类方法进行分类。聚类方法是一种无监督的机器学习方法，对于最初缺乏类别属性的数据集，实际上就是无监督方式的数据挖掘方法，通过充分挖掘数据样本信息，“以样本特征说话”，而不是人为主观地判断。这样聚类出来的分类，反映了相似样本的特征。但这并不能得到各个样本的创新能力水平高低，需要进一步求得权重。其次，运用信息增益率对指标进行客观赋权。相对信息熵和信息增益，信息增益率可以实现对指标分支过多的情况进行惩罚，从而更加客观地分析各随机变量，减少对结果的影响。“聚类算法+信息增益率”组合模型的优势在于，一方面既能实现对评价单位进行分类，提取分类信息，另一方面可以围绕分类信息进行客观赋权，减少了人为干扰。下面对信息熵、信息增益和信息增益率的概念做介绍。

对于信息熵，设X 为一个随机变量，则X 的信息熵为：

对于信息增益，为以某个随机变量划分另一个随机变量前后熵的差值，有：

对于信息增益率，为随机变量X带来的信息增益与该随机变量信息熵的比值，有：

（二）创新效率的测度

创新效率评价方法主要包括数据包络分析（DEA）和随机前沿分析（SFA）。其中DEA 属于非参数法，相比SFA 模型，DEA 应用更为广泛。国内学者主要是用DEA 的CCR 模型对银行的创新效率进行评价。[14][15][16]但基于CCR模型的DEA模型是径向的，不能完全考虑松弛变量对效率的影响，为解决DEA 模型中松弛改进在效率测量中未能得到体现的问题，Tone 提出了SBM 和超效率SBM 模型，基于松弛进行量度，是一种非径向方法，适用于在输入和输出可能以非比例方式变化时测量效率。[17]SBM 得到的效率值最大为1；超效率SBM 模型对SBM 得到的同为1 的效率值进行重新评价，得到的效率值可大于1。

超效率非径向模型的公式为：

（三）创新能力和创新效率协调发展的测度

对协调度的测度将采用耦合协调模型。该模型分别对耦合度（C）、协调度（T）、协调发展度（D）进行计算，其中协调发展度（D）由耦合度（C）和协调度（T）计算而来，是最终的协调发展水平。耦合协调模型中，耦合度C 是该模型的基础部分，对耦合度公式的修正是耦合协调度模型的重点研究内容。[18]借鉴王淑佳等的研究，[19]本文建立如下耦合协调度模型：

首先，进行数据标准化：

对于正向型指标，有：

其中：Xij表示指标数据原值，Yij表示标准化后的新值，min（Xj）为此指标数据里面的最小值，max（Xj）为此指标数据里的最大值。

其次，构建综合评价指数：

其中：Ui是第i个系统的综合评价指数。

再次，建立修正耦合协调模型：

假定MAX(Ui)为U2，则耦合度C计算公式为：

协调度T的计算公式为：

取a=b=0.5，创新能力和创新效率视为同等重要。

最后，求协调发展度D：

对于协调发展度及其等级的划分标准，学者们有不同划分标准，本研究参考王淑佳等的做法[19]，对协调发展度D进行十级划分，如表1。

表1 协调等级及协调发展度的划分标准

三、样本和评价指标选择

（一）样本选择

本文以广东省农村合作金融机构为样本进行研究。2016年底，全省有97家农商行，包括33家农商行、64家农信社。2017年9月，广东省政府启动全面组建农商行工作，推动将64家农信社全部改制为农商行，并将部分城区农商行进行合并。经过两年多改革，全省农村合作金融机构法人的数量减少至81家。由于合并机构的数量较多，对机构截面影响较大，期间的经营管理也发生较大变化。因此，样本的时间选取为2011—2018年，机构数量为95家。

（二）评价指标选择

结合前述研究文献，目前关于银行创新的投入变量主要分三类：一是固定资产净值，二是员工人数；三是费用（中间业务成本或者管理费用、营业支出等）；产出变量一般为一个，以中间业务收入（主要为城商行）或非利息收入、手续费及佣金支出（主要是上市银行）来衡量。结合广东省农村合作金融机构实际，对选取投入产出指标进行讨论：1.从作为投入指标的固定资产净值来看，该指标包括了房产等资产，与创新并不是直接关联，而广东省农村合作金融机构可采集的数据有电子设备，电子设备是信息技术、网银业务、电子银行发展的基础，与创新关联更为直接，因此，本文将以电子设备替代固定资产净值这个指标；2.从作为投入指标的员工人数看，农村合作金融机构的高学历、高职称人群较少，其创新更多是对传统业务的创新，涉及大部分员工，因此，本文保留员工人数这个变量；3.对于产出指标，由于农村合作金融机构与城商行同属中小银行，相对上市银行，业务发展相对单一，创新水平层次相对较低，根据数据可获得性，采用中间业务收入衡量创新产出；4.对于投入指标的费用成本，一方面管理费用、营业支出等涵盖较广，另一方面产出指标选取了中间业务收入，对应地，该指标选取中间业务成本。

因此，广东省农村合作金融机构创新投入指标为员工人数（用Staff表示）、电子设备（用Equipment表示）、中间业务成本（用Cost表示），创新产出指标为中间业务收入（用Income表示）。

四、实证结果分析

（一）创新能力的测度结果

首先，采用聚类算法对样本进行聚类。对于聚类算法来说，其所要解决的一个核心问题就是聚成几类的问题，亦即K值的选取问题。本文对于创新能力的评价的等级分类的区间的最小值为3，最大值为10。为了确定一种合适的聚类算法以及确定K 值，本章选取了机器学习中较为常用的Affinity Propagation、Spectral Clustering、Mean Shift Clustering、K-Means等四种经典聚类算法进行对比。为了定量地比较各个算法的聚类效果，通常要采用内部评价结合外部评价的方法，包括Silhouette Coefficient（SC）、Calinski-Harabasz（CH）、Davies-Bouldin Index（DBI）等三个指标。在不同的K的取值下对每个算法做了30 次实验，从而求得SC、CH、DBI 的平均值，通过比较，K-Means 算法的聚类效果相对最稳定。下一步，需确定K 值，采用Silhouette 指数进行选取，通过比较，最终确定K=5，即样本分为5 类（用A、B、C、D、E表示）。

在上述计算中，聚类方法已经为每个样本依据各个指标的特征相似度不带偏见地打上标签，将原本样本集分成了5 类。对这5 类属性的描述，即是确定评价指标权重的过程。采用信息增益率进行确定，最终结果如表2。

表2 各指标的权重

用表2的指标权重代入计算可得到每个样本的创新能力指数，如图2。从图2可看到，前80个样本（主要是珠三角地区）的创新能力远高于其他地区。

图2 760个样本的创新能力分布

结合算法的5 个分类，C 类有2 个（平均得分为93，全部为广州农商行），D 类有7 个（平均得分为71，包括广州、东莞农商行），B类有11个（平均得分49，包括广州、东莞、顺德农商行），E 类有43 个（平均得分15，包括广州、东莞、顺德、南海、中山、珠海、佛山、江门农商行），A类有697个（平均得分为1.9，主要为非珠三角地区农商行）。因此，广东省农村合作金融机构大致可以分为如下梯队：

1.第一梯队为广州农商行、东莞农商行。这两家农商行也是广东省资产规模最大的农商行。广州、东莞地区的经济和金融业比较发达，市场化程度高，客户群比较成熟，市场竞争更为激烈，在很大程度上驱动了农商行的创新发展。

2.第二梯队为中山、珠海、顺德、南海、佛山、江门的农商行。这6家农商行资产规模仅次于广州、东莞，地处粤港澳大湾区，制造业等产业基础较好，中小企业客户群较多，农商行的创新意识相对较强，创新能力相对较高。

3.第三梯队为第一、二梯队以外的87家农商行和农信社，主要分布在粤东西北。这些农商行和农信社资产规模均在500 亿元以下，最小的资产规模约22亿元。这些机构创新得分普遍较低，主要原因为：第一，这些机构规模较小，创新资源投入有限；第二，这些机构缺乏技术开发能力，主要依赖于省联社的信息技术和系统开发平台；第三，这些机构的经营管理、创新管理、法人治理等机制不完善，缺乏制度支持；第四，这些机构地处粤东西北县域，创新人才较为匮乏；第五，这些机构所在县域的金融机构较少，面临竞争没那么大，机构市场竞争意识不强，缺乏创新动力。随着近年国有银行下沉县域、村镇银行和各类小额贷款机构的增加、数字金融的兴起、城乡居民和“三农”金融需求多样化等，这些农商行和农信社的经营压力也在不断增加，亟须通过创新来推动机构改革发展。

（二）创新效率的测度结果

超效率SBM 模型的效率评价结果如图3，最大的创新效率为3.3，最小的创新效率为0.02，平均值为0.18，差异比较大。虽然前80 个样本（主要为珠三角地区）的创新效率总体上高于其余样本，但是对于非珠三角地区，部分样本的创新效率也出现了高分值。这说明作为状态过程的创新效率差异与创新能力差异并不完全一致。

图3 760个样本的创新效率分布

（三）创新能力和创新效率的协调发展度结果

耦合协调模型的结果如表3。协调发展度D值介于[0.5-1）之间的数据仅有2个，最大值为0.5383，为勉强协调。其余协调发展度值处于[0-0.5）的区间，即极度失调与濒临失调之间，其中协调发展度D 值位于极度失调的数据有178 个，占整体数据的23%；处于严重失调的数据有490 个，占总数的65%；处于中度失调的数据有62 个，占整体的8%；处于轻度失调的数据有23个，占整体数据的3%；处于濒临失调的数据有5个，占整体数据约0.7%。从截面上看，广东省农村合作金融机构创新能力和创新效率间的协调发展度大体上处于失调状态，其中2011年极度失调的数据有29个，2018年，处于极度失调的数据为23个，有一定程度的下降。从时间上看，2012—2017年，极度失调的机构有所减少，总体失调情况有所改善，但到了2018 年，极度失调的机构又再度增加，总体情况变差。总体上，创新能力和创新效率间在低水平上相互制约，协调发展状况较差，协调发展水平亟须提升。

表3 协调发展度区间段的机构数量

再结合空间分布图进行分析，如图4-1、4-2、4-3。地区协调发展度的趋势相对稳定，总体格局仍以珠三角为核心地区，向周边辐射。珠三角地区机构的协调发展度最高，其次是粤北的清远、粤西的茂名及粤东的揭阳地区。

图4-1 2011年协调发展度的空间分布

五、创新能力、效率及协调发展对经营绩效的影响

创新是组织获取资源、转化资源和塑造资源差异性的一种有效途径，是影响核心能力的重要因素，是组织获取竞争优势、提升绩效的基础。[20]当一个银行的创新能力提升时，整个银行的治理水平、管理模式、创新文化、组织架构和流程等都会有较大改善，在多方因素的综合作用下，创新将对银行的经营绩效产生积极影响。[21]农商行的创新行为，有利于银行自身拓展业务，可以获得更多的资源，也可以解决各地区中小企业以及地区性金融发展存在的瓶颈。[22]钟凯扬实证分析表明，金融创新和不良贷款率之间的交互作用对农村信用社的经营绩效存在影响。[5]因此，本节将对创新能力、效率及协调发展、不良贷款率如何影响农村合作金融机构的经营绩效进行实证分析。

模型设计如下：

图4-2 2014年协调发展度的空间分布

图4-3 2018年协调发展度的空间分布

其中：

1.被解释变量Y 为经营绩效，用ROA 衡量，即净利润与平均总资产的比值。

2.解释变量innovation代表金融创新，分别用创新能力、创新效率和创新协调发展指数表示。其中创新能力指数的差异较大，取自然对数ln以降低差异性。

3.解释变量NPL 代表不良贷款率，为进一步分析风险约束与金融创新的交互作用，这里引入金融创新和不良贷款率的交互项Innovation*NPL。

4.解释变量ln asset、loan_deposit 为控制变量。综合已有文献研究，[5][23][24]控制变量选取总资产规模（为了降低规模的差异程度，取资产总额的自然对数，用lnasset 表示）、贷存比（贷款余额与存款余额的比值，用loan_deposit表示）。

模型的实证结果如表4。

从表4的回归结果来看：

表4 不良贷款约束下金融创新影响经营绩效的回归结果

1.innovation 的系数显著为正，说明创新能力、创新效率及其协调性均显著促进农村合作金融机构的经营绩效。创新的协调发展度提升有助于促进经营绩效，反之，协调发展度降低则成为发展障碍。

2.不良贷款率（NPL）系数为负，说明不良贷款率的提高显著降低了经营绩效，这与钟凯扬的研究结果一致。[5]对于innovation和不良贷款率（NPL）的交互项，系数为负而且显著，说明不良贷款率在金融创新对经营绩效的影响中起负向调节作用。

3.对于控制变量：首先，资产规模（lnasset）的系数为正，但不显著，说明资产规模的扩张促进了经营绩效提升。这与李志辉等的研究结果基本一致。[23]在我国银行业，“大而不倒”的观念较为流行，即资产规模越大，抵御风险的能力相应越强，也会被社会公众认为“更安全”，从结果来看，广东省农村合作金融机构符合这种情况。其次，贷存比（loan_deposit）的系数为正，说明存款资金的贷款发放效率越高，经营绩效就越高，这与李志辉等的研究结果一致。[23]

六、结论与建议

（一）结论

本文引入二象对偶理论，分析了农村合作金融机构创新活动的二象性，提出农村合作金融机构状态子系统（对应创新能力）和过程子系统（对应创新效率），对农村合作金融机构创新系统的存在方式和运行效能进行了探究。我们得到以下结论和启示：

第一，农村合作金融机构的创新能力、创新效率总体水平较低，区域差异较大。其中：创新能力可分为三个梯队，资产规模和创新能力差异很大，例如广州农商行和东莞农商行的得分是部分小机构的数十倍。因此对农商行的管理和考核，应实施分类管理，不宜采用一刀切的管理方式；个别规模较小的机构也可能有较高的创新效率，创新效率与创新能力没有必然的关联。

第二，机构的创新能力、创新效率并不完全一致，总体上在低水平上相互制约，协调发展状况较差。以广东为例，从空间分布看，珠三角协调发展度相对较高，向周边辐射；从时间上看，协调发展水平发展有一定反复，2018 年前几年有提升，但到了2018年又有所下降。因此，协调发展水平并不必然随着创新投入和产出规模提升而提升，创新能力也不必然与创新效率相一致。在追求投入和产出规模的同时，也要注重提升效率。

第三，从金融创新指标（创新能力、创新效率及其协调发展）对经营绩效的影响看，金融创新指标均显著促进农村合作金融机构的经营绩效。尤其对于创新的协调发展度，提升有助于促进经营绩效，反之，降低则成为发展障碍，从而削弱创新能力和创新效率的正效应。但同时不良贷款率在金融创新对经营绩效的影响中起负向调节作用。因此，风险约束对农村合作金融机构金融创新的影响不容忽视，在创新过程中，要切实提升风控管理水平，为推动金融创新创造良好条件。

（二）对策建议

结合本文分析，提出以下对策建议：

1.省农村信用社联合社层面

第一，全面科学评价。在评价农村合作金融机构创新绩效的时候，既要考虑机构的创新资源能力，也要考虑机构的创新运营效率，静态和动态相结合。对于具有较好创新资源能力但创新效率较低的机构，要及时给予关注，分析其内部的管理问题，及时发现经营管理的堵塞问题，做好金融风险防控；对于创新资源能力一般但创新效率较高的机构，要及时予以分析，看是否在个别年份突击性地发展业务，实际上掩盖了存在的问题，还是说其自身在当年及时调整业务发展得力，实际上是良性发展。作为评价主体，结合创新能力和创新效率的二象对偶性，进行科学评价、剖析问题。而且还可将创新能力和创新效率的评价方法推广至经营绩效等绩效评价，将二象对偶性的系统管理融入日常管理和考核，强化资源管理和过程管理，提升经营管理质量。

第二，实施分类管理。从广东省农村合作金融机构的例子可以看到，珠三角地区机构的创新能力和创新效率总体上均高于粤东西北地区，广州、佛山、东莞等地区的创新水平大大高于粤东西北地区的机构，粤东西北地区的机构有些长期处于低水平的创新发展。由于农村合作金融服务区域的先天性特征，各区发展可能不平衡，这种差异现象在全国都很可能普遍存在。因此，对于省农村信用社联合社来说，做好分类管理和指导，十分重要。

第三，发挥“大平台”优势。从样本研究看，农村合作金融机构中，除了规模较大的农村合作金融机构（广东主要是广州、东莞、佛山地区的农商行，规模基本相当于一个城商行），大部分小机构的创新能力和创新效率都比较低，相差很大。随着新时代互联网技术、贷款业务发展以及客户日益多样化的金融需求，线上平台的竞争越来越激烈，靠人力资本投入推动创新的“人海战术”方式已不再适用，更多是对技术更新迭代的竞争。省农村信用社联合社要集中辖内机构的资源，加强搭建“大农信”信息技术开发平台，开发各类金融科技系统，更好为农村合作金融机构提供金融科技服务，推动其创新发展。

第四，推动先进带后进。小机构地处县域，由于机制相对不完善、人员素质相对不高、风险水平更弱等原因，单靠其自身力量较难发展。因此，需要省农村信用社联合社推动辖内先进农商行帮扶后进机构，通过“注资、注智、注制”，不仅是注资帮扶，更要向后进机构输入经营管理机制、经营理念、产业业务甚至是管理团队，支持后进机构创新发展。

2.农村合作金融机构层面

第一，提升技术投入效率。农村合作金融机构要摒弃过去的“人海战术”方式，加强运用金融科技力量推动创新发展。针对本地实际，科学部署网点、电子设备等，结合本地特色行业创新开发特色产品，提高技术投入的效率，从而持续提升金融服务“三农”和小微实体的质量。

第二，提升员工队伍素质。金融创新离不开优秀的团队支持，农村合作金融机构要加强提升干部员工队伍素质；高管层面，有条件的可配置具有金融科技背景或者线上业务背景的高管；员工层面，加强IT、电子金融、网络金融等部门的人员配备，结合内外环境变化和客户需求，制定短期和中长期业务创新计划，加强金融科技技术开发力度，提升金融创新能力。

第三，厘定自身市场定位。农村合作金融机构应坚守支农支小的市场定位，逐步转变过去主要依靠利息收入、“垒大户”等盈利模式，贴近“三农”和小微需求，切实加强业务创新能力，推动业务多元化发展和社区金融业务发展，努力提升经营质量。

第四，提升风险管理水平。贷款风险是农村合作金融机构的主要风险。区县农村合作金融机构由于历史包袱重、业务发展受地域限制等原因，风险管理能力较低，贷款风险相对较高，机构疲于应付风险处置，而且受到监管也更强，从而抑制了机构的金融创新。同时，新的业务创新自身也要加强风险防控。这些都需要农村合作金融机构提升自身风险管控能力，通过完善相关管理机制，改进风险管理技术，为创新发展奠定良好基础。