基于CRITIC-TOPSIS模型的中国金融集聚程度评价分析

摘 要：本文基于CRITIC-TOPSIS模型的金融集聚程度评价指标体系选择了13个指标，旨在对我国各省及直辖市的金融集聚程度进行综合评价。通过该模型，我们可以深入了解金融业在不同地区的集聚情况，并对其与区域经济发展之间的联系进行实证分析。为确保分析的准确性和可靠性，本文采用2019年的数据，以排除疫情对金融集聚程度和区域经济发展的潜在影响。通过实证分析，本文将为各区域提供有关金融集聚程度的详细数据，并探讨其对经济发展的影响。这将有助于制定更加精确和有效的政策，以期推动金融业的健康发展，促进区域经济的繁荣。

关键词：金融集聚；CRITIC-TOPSIS模型；区域经济；综合评价；经济发展

本文索引：刘广生.<变量 2>[J].中国商论，2023（14）：-108.

中图分类号：F832.2 文献标识码：A 文章编号：2096-0298（2023）07（b）--04

1 引言

金融集聚是指在一个特定的地理区域或城市，聚集了大量的金融机构、金融从业者以及相关服务供应商和配套设施。其中包括银行、证券公司、保险公司等，在这个区域内形成了一个完整的金融生态系统，已成为全球金融发展的普遍趋势。

金融集聚的形成原因有多个方面，包括经济发展需要、政策因素、人才和资源集聚效应以及良性竞争效应等。首先经济发展需要以足够的金融支持為基础，因此在经济发展比较快的地区，金融机构和从业人员数量也会相应增加；为促进本区域的金融经济发展，该地政府在金融领域出台一系列政策措施，旨在吸引更多的金融机构和从业人员进入该地区；随着一个地区的金融机构和从业人员的逐渐增加，该地将吸引更多的人才和资源进入，从而形成了一种集聚现象。在同个地区，不同金融机构之间的良性竞争程度不断深化，能够促进金融产品和服务的创新和优化，提升整个地区的金融服务水平，进而吸引更多的机构和从业人员进入。

金融业和经济发展是金融集聚的形成原因，同时金融集聚对金融业和经济发展具有重要意义：促进金融市场的深度和广度；促进金融业的协同合作；带动相关产业的发展和就业机会的增加。

随着经济的高速增长，中国的一些区域也出现了金融活动与金融资源的集聚现象。中国的金融中心主要集中在上海、北京和深圳等大城市。其中，上海作为中国的金融中心，是全国最大的金融聚集地之一，拥有数量众多的金融机构和人才。截至2019年底，上海境内金融机构总数已经超过1.2万家，金融从业人员超过39万人。

综上所述，金融集聚程度的评价分析对于经济的发展具有重要意义，然而目前并没有一种明确的用于衡量一区域金融集聚程度的指标。本文基于CIRTIC-TOPSIS模型选取13个指标建立了金融集聚程度评价指标体系，对我国各省及直辖市的金融集聚程度进行评价，最后基于2019年的数据，对我国新冠疫情前各区域的金融集聚程度进行评价分析。

2 构建评价指标体系

2.1 CRITIC-TOPSIS模型

综合评价模型[1]可以分为主观赋权模型和客观赋权模型两类，相比主观赋权模型，客观赋权模型是从指标的统计性质出发，根据数据自身特点计算出指标权重，不需征求专家的意见，更具有科学性。因此本文选择客观赋权模型构建评价模型。

常见的客观赋权方法主要有变异系数法、相关系数法、熵权法、CRITIC评价方法，TOPSIS法。相比其他客观赋权方法，CRITIC评价方法同时考虑了指标变异性和指标冲突性两大因素，能够综合反映各指标相互之间的比较强度与冲突程度在评价模型构建更具有全面性和合理性。但是，CRITIC评价方法由于赋分方法采取按权重直接计算的方式，无法反映各指标下样本的离散程度，而TOPSIS评价法则能够充分利用原始数据的信息，其结果能精确反映各评价样本之间的差距，能够更好地解决CRITIC无法反映样本离散程度的问题。因此，本文构建CRITIC-TOPSIS评价模型[2-3]来衡量我国各区域金融集聚程度。

（1）CRITIC-TOPSIS评价模型的具体步骤如下：

假设有k个评价对象及l个评价指标，数据预处理：考虑到不同评价指标的量纲差异所带来的不科学性，首先对评价指标进行归一化处理，其次基于指标对评价目标的影响进行正向负向处理，并形成数据矩阵如下：

（2）计算各指标的变异性以及指标与指标之间的矛盾性（矛盾性反映的是不同指标之间的相关程度，若呈现显著正相关性，则矛盾性数值越小）。

其中，σj和fj分别为k个评价对象中第j个指标的变异性与矛盾性系数；rij为第i个指标与第j个指标的相关系数。

（3）计算各指标的信息承载量，进而算出各指标的权重w=（w1，…，wl），相应公式如下：

其中，CJ分别为n个样本第j个指标的信息承载量，WJ为第i个指标的权重。

（4）通过critic方法得出的指标权重更新数据矩阵，具体公式如下：

（5）确定正理想解和负理想解，分别用更新矩阵中各指标的最大值和最小值表示正理想和负理想。

（6）计算评价对象对正、负理想解的距离。

（7）计算第i个评价对象与理想解的相对贴近度，以确定各样本的综合得分值：

其中，分别表示评价对象i到正、负理想的距离。

2.2 选取评价指标

本文基于相关参考文献金融总体规模、银行业、证券业及保险业4个维度来构建评价指标体系。将金融集聚程度评价指标体系划分为三个层次：目标层、一级指标和二级指标。其中，目标层为金融集聚程度，一级指标层层包括金融业总体规模、银行业集聚程度、证券行业集聚程度、保险行业集聚程度4个方面，每个一级指标包括若干个二级指标总共13个[4-5]，需要补充的是所有的二级指标均为正向指标（见表2）。

3 实证分析

本文选取2019年的经济金融数据，基于CRITIC-TOPSIS模型使用python对我国各省、直辖市金融集聚程度进行评价分析。数据来源于2019年《中国统计年鉴》，2019年《中国金融年鉴》及中国人民银行统计季报，由于浙江省的部分数据存在缺失，因此将其剔除，不对其进行分析。

3.1 金融业总体规模集聚程度结果分析

根据2019年发布的《广东省统计年鉴》，2019年广东省金融业总规模为37.32万亿元，同比增长8.4%。其中，金融机构存款余额为88.45万亿元，同比增长9.1%；金融机构贷款余额为59.85万亿元，同比增长8.4%。另外，2019年广东省金融业利润总额为657.2亿元，同比增长1.9%，结合上述数据以及表3结果可以得出，2019年广东省的金融业总规模庞大且增速较快，金融机构存款余额和贷款余额均有不错的增长，说明广东省的金融市场具有广泛的需求和巨大潜力。然而广东与北京、上海相比，虽然表3的结果显示广东的表现优于北京和上海，但根据《中国金融信息中心2019年中国金融中心城市指数报告》，上海和北京分别位列全国金融中心城市的前两名，而广东省则包括广州、深圳、珠海、佛山、中山、东莞、惠州、汕头、湛江等城市入选金融中心城市排名前十。在金融业总规模方面，2019年上海市金融业总规模为35.85万亿元，同比增长8.4%；北京市金融业总规模为21.58万亿元，同比增长8.1%。上述数据表明从城市的维度出发，上海和北京的金融业总规模在全国处于领先地位，规模和增速均优于广东省各城市。但由于广东省金融中心城市数量多，覆盖面广，具有较强的综合竞争力，故在金融业总体规模集聚程度上的表现会优于上海和北京。

3.2 银行业集聚程度结果分析

本文从银行集聚程度指标的角度出发，北京、广东、上海、江苏位列前茅，且五个城市在综合得分上差距微小。基于表4的所有结果可以发现，银行业的集聚程度在地理位置上呈现东强西弱的局面，造成该局面的原因主要是中国东西部的经济发展差距较为悬殊。

3.3 证券行业集聚程度结果分析

在证券行业集聚程度指标上，北京是全国排名第一的城市，而广东、上海以及江苏则是紧随其后。基于表5所示的结果，本文从地理区域上进行分析，不难发现证券行业主要集聚在长三角地区以及珠三角地区。

3.4 保险业集聚程度结果分析

本文基于表6结果，对比前面各一级指标的结果，可较为明显地发现，在保险业集聚程度的地理分布上，并未如前面的一级指标呈现出显著的东强西弱的局面，相比之下分布较为均衡。

3.5 金融集聚程度结果分析

本文结合前文各一级指标的结果，以及表7中的金融集聚程度评价结果，不难发现广东、北京、上海、江苏始终位列前茅，且与排名相对靠后的几个省份在综合得分上的差距十分悬殊。根据《中国金融信息中心2019年城市指数报告》，上海、北京、广东、江苏等地金融集聚水平较高。上海和北京是全国金融中心城市，金融业总规模和金融业增速均处于领先地位；广东省金融中心城市数量多，综合竞争力较强；江苏省有南京、苏州、无锡等城市入选金融中心城市排名前十。除少数地区外，大多数省份的金融集聚水平相对较低。例如，云南、广西、甘肃等省份的金融中心城市数量较少，金融业总规模和金融业增速相对较低。

4 结语

4.1 实证结果总结

综上所述，中国的金融集聚状况存在较大的区域差异，主要集中在少数地区，且大多数省份的金融集聚水平相对较低。随着国家政策的不断调整和各地金融市场的不断发展，未来中国各地的金融集聚状况也可能发生较大变化，例如国家对于金融市场的监管政策逐渐放松，金融科技、互联网金融等新型金融业态的快速发展将对金融集聚状况产生影响。因此，各地可以结合自身的优势和发展需求，制定相应的金融政策和措施，以促进本地金融业的发展，提升金融集聚水平。

参考文献

罗珍.上市公司绩效动态综合评价方法研究[D].长沙：湖南大学，2009.

陈如丽，方玲，王凯弟，等.基于CRITIC法與TOPSIS的军事基础体能综合评价[J].软件，2021，42（12）：12-14.

吴季钊.基于CRITIC-熵权法和TOPSIS法的内河港口竞争力研究[D].重庆：重庆交通大学，2022.

丁艺，李树丞，李林.中国金融集聚程度评价分析[J].软科学，2009，23（6）：9-13.

孙晶，李涵硕.金融集聚与产业结构升级：来自2003—2007年省际经济数据的实证分析[J].经济学家，2012（3）：80-86.