金融创新与技术进步协同演进及金融中介效率

周志刚 刘惠好

中南财经政法大学 金融学院，湖北 武汉 430073

一、引言

金融创新泛指新金融工具、金融技术、金融机构和金融市场的创生与扩散，一般分为金融产品创新和金融流程创新两大类(Tufano，2003)［1］。技术进步则是指实体经济部门生产方式、工具、技能、流程、工艺、要素投入与产出以及管理与服务体系等方面的革新与改进;广义上，技术进步泛指各种形式的知识积累与改进。虽然分别处于虚拟经济和实体经济部门，但金融创新与技术进步都是对各自部门既有知识水平的创新或改进，二者具有诸多相似特征。首先，从演进形式上考察，技术进步与金融创新存在共同之处。Llewellyu(1992)［2］认为改进或者创新只能从效率的改善程度进行度量。无论是技术进步还是金融创新，从形式上都可以归为三种基本效率改进方式:新产品或新流程的创生、对既有产品或流程的改进以及对既有产品或流程的组合。其次，从演进机制上看，技术进步与金融创新都存在很强的正溢出效应。已有技术或金融产品存量作为研发或者创新的要素投入，新的技术和创新产品层出不穷，甚至在很多情形下呈现出爆发增长状态——这正是Merton(1992)［3］所描述的“创新螺旋”(Innovation Spiral)。此外，在对经济体系的影响方式上，金融创新和技术进步都具有很强的正外部性，在某种程度上二者不仅都具有非竞用性，而且也都不存在完全的排他性。

从发展历程来看，金融创新和技术进步具有明显的协同性。自工业革命以来，每次重大技术进步都伴随着众多金融创新的涌现。Hicks(1969)［4］认为，工业革命之所以发轫于英国，得益于18世纪前半叶英格兰新兴金融市场的高速发展。19世纪，股份公司、股票市场和金融会计制度的创新为蒸汽机车和铁路技术的研发以及铁路系统的兴建提供了巨额资金(Neal，1993)［5］。一般而言，金融中介效率与经济体系中既有金融产品存量和服务水平正相关，而后者的提升则依赖于金融创新的能力。在金融创新与技术进步协同发展、甚至是金融——技术一体化创新的趋势下，金融中介效率还会受到技术进步的显著影响。

在大部分研究金融创新和技术进步的理论模型中，金融变量，如金融合约、金融市场或金融中介等，被认为是既定的或者外生的。在Greenwood and Jovanovic(1990)［6］的模型中，金融中介对投资项目进行评估并提供信息从而改善资本分配效率。Bencivenga and Smith(1991)［7］则认为金融创新会对高回报率研发项目的风险产生影响从而决定技术进步和经济增长的长期增长率。King and Levine(1993)［8］给出的模型中，金融体系通过决定最优研发企业资金分配频率来影响技术进步。Greenwood et al．(2010)［9］研究了金融中介对公司的监督投入，他们认为随着金融机构的监督投入增加，资金分配效率和技术进步都会得到改善。

阳佳余和赖明勇(2007)［10］的内生增长模型中引入了金融部门，但没有考虑技术进步对金融创新影响，并忽略资本要素投入，认为金融部门产出效率的增长会推动实体经济增长。Laeven et al．(2011)［11］建立一个金融创新的内生增长模型:企业家进行技术研发，金融中介则对技术研发者进行筛选;二者在获取最大化利润的同时保证了金融创新和技术进步的高效率，从而持续推动经济增长。

与现有研究相比，本文有如下几点不同:(1)模型不仅同时将金融创新和技术进步内生化，而且考虑到它们之间的相互依赖和影响，重点突出了二者发展演进过程中的协同性。(2)本文认为金融创新和技术进步都会对金融中介效率产生重要影响，并且技术进步总体上会提升金融中介效率。(3)根据理论模型的求解，本文推导出影响金融中介效率的重要变量和相关表达式，并在此基础上对中国金融效率进行了实证分析。

二、包含金融创新和技术进步的内生增长模型

本文模型以Cobb－Douglas生产函数描述宏观经济体系;实体经济生产部门以资本(K)和人力资源(L)作为要素投入，产出商品和服务(Y)。除了实体经济生产部门，还引入技术研发部门和金融创新部门，各自以资本、人力资源、现有技术水平(A)和现有金融产品存量(F)作为要素投入，研发新的技术或创设新的金融产品和服务。技术研发和金融创新相互影响，协同演进。

模型中，资本和人力资源为外生要素，而技术水平和和金融产品存量为内生要素。设aY、aA和aF以及uY、uA和uF分别表示资本与人力资源在产品生产、技术研发和金融部门的投入份额，在Harrod技术中性和产出规模报酬不变条件下，产出、技术进步和金融创新可以分别表示为:

其中，B和E分别为研发和创新的转移参数。考虑到技术研发与金融创新部门产出规模报酬递增或递减的可能性都存在，在此不对方程(2)、(3)中各要素投入的弹性系数进行限制。一般而言，技术或金融产品存量总体上具有正溢出性，因此，设定上述外生参数具有如下性质:B，E，H，β，σ，θ，λ，ψ，ε，δ＞0 ，0＜α＜1 。显然，在模型中除了资本和人力资源投入外，金融创新和技术进步都受金融产品存量和技术水平的影响;而创新和研发又会最终改变金融产品存量和技术水平，形成螺旋式上升的协同效应。金融产品存量和技术水平都具有正的外部性。这些特征在方程(2)、(3)中通过内生要素水平变量的弹性影响得到体现。

本文以金融中介将储蓄转化为生产性投资的比率来衡量其运营效率。通常的宏观经济模型假设储蓄自动全部转化为生产性投资，在本文模型中不采用这一简化假设，而是认为储蓄转化为投资需要依靠金融中介的参与，只有通过金融部门的产出——金融产品和金融服务——才能最终将私人部门消费结余转化为可供实体经济生产部门可利用的实物资本并用于投资。一般情形下，储蓄并不能完全转化为最终的投资，其转化率受到金融中介效率的约束，实际储蓄投资转化率介于0和1之间。总体而言，金融中介效率与现有金融产品及服务的存量成正比，与人均产出正相关，并且技术水平具有正的外部性，因此，金融中介效率η可以表示为:

其中，H为转移系数，ω和j分别为金融中介效率关于技术水平和人均产出的弹性系数。基于上述设想，这里设H，ω＞0。考虑到金融产品及服务的非完全竞用性，即其边际使用或服务成本较小却又不为零，可以设0＜j＜1。

资本增量由储蓄转化成为为实物资本部分减去折旧部分决定，可以由如下方程描述:

其中，c和δ分别为边际消费倾向和折旧率，0＜c，δ＜1。如果考察消费给定的情形，可以简单地把c当作外生变量或者是外生参数。如果需要考察消费的内生性，则需要引入代表性经济参与者的效用函数。

三、平衡增长路径下协同效应分析

模型求解从增长动态学分析入手，首先推导资本、技术和金融水平的平衡增长路径，并分析平衡增长路径下模型参数的约束范围;然后在此基础上分析参数改变或者状态变量水平变动对金融创新和技术进步的影响。本文模型中已经将金融创新和技术进步内生化，如果同时考虑内生化消费，需要引入代表性家庭效用函数，并增加相对风险厌恶系数和效用贴现率作为模型参数。这两个参数的估计具有一定的随意性，并且会使模型的数学分析更为繁杂;因此，本文将边际消费倾向作为外生参数，不仅可以简化数学分析，突出关键变量特征，而且模型的应用并不失一般性。为了便于在三维相空间中对平衡增长路径较为直观地分析，下文将资本和人力资源分配视为既定的，同样的推导方法很容易扩充到高维相空间分析。

由方程(2)、(3)和(5)可以推出资本、技术进步和金融创新的增长率(分别用gK、gA和gF表示)，如方程(6)～(8)所示:

为了便于表述，方程中隐含了关于时间函数的自变量t。在各变量非零的情形下，对方程(6)－(8)和(1)取自然对数并对时间t求导，然后将方程(4)代入，整理可得:

其中，gY和n分别为产出增长率和人力资源增长率。将方程(12)代入(9)，并由一阶条件，令(9)－(11)等于零，可以推出:

D、g和b分别为系数矩阵和列向量。显然，非齐次方程(13)的解就是平衡增长路径下各变量的均衡值g*=

模型的一般形式解存在三种情形:(1)当rank(D)＜rank(D|b)或D－1b＜0时，经济体系不存在平衡增长路径;(2)当rank(D)=rank(D|b)＜3时，平衡增长路径不确定;(3)当且仅当rank(D)=rank(D|b)=3，即det(D)不等于0，且D－1b ＞0时，经济体系存在着唯一确定的平衡增长路径:

矩阵(D|b)中有12个模型参数，对这些参数的一般情形进行代数解析讨论分析过于繁杂，在［gKgAgF］三维相空间进行讨论将大大简化分析。在给定gK的情形下，模型所描述的经济体系在相空间内最终必然收敛到直线当模型参数发生变化时，经济体系对应的相点只能在该直线上移动;在这条直线上，金融创新和技术进步相互影响，协同演进，可以称这条直线为协同约束线。因此，平衡路径解可以看作是相平面=0和协同约束线==0的交点。对于一个稳定增长的经济体系必须位于第I或第II象限;如果金融部门也是稳定增长的则必须位于第I象限。考虑到0＜α＜1，j，ω＞0，因此相平面=0在gK轴上的截距必须大于等于0，根据方程(13)可以推出:

这表明在一个处于增长平衡路径上的经济体系中，金融中介效率关于人均产出的弹性存在一个上限值，金融产品或服务既不是非竞用性的，也不是完全竞用性的。

下面考虑金融创新和技术进步过程中资本既定的情形。这种情形中，技术研发部门和金融创新部门以人力资源投入和内生技术或金融要素投入为主，资本投入不变或者投入份额相对较低，可以忽略。这在高科技行业(如互联网、软件和生物科技等行业)的研发和高度发达的金融体系(如美国的华尔街)创新中是非常普遍的。在这种情形下，技术进步和金融创新的相互影响可以简化为:

只有在0＜ ψ，φ≤1，βτ＜(1－φ)(1－ψ)的条件下，才存在唯一确定的增长路径。相平面中，在=0直线的上方＜0，直线下方＞0;与此相反=0直线的上方＞0，直线下方＜0，如图1所示。经济体系在相平面第I象限内任意一点的变动方向也标识在图1中。金融创新和技术进步的相互影响最终将使经济体系收敛到两条直线的交点所对应的平衡增长路径之上。由方程(16)和(17)可以求出解析解如下:

根据上述分析，可以得出如下推论:(1)当金融创新对技术依赖程度降低，对技术水平弹性减小，即τ减小时，金融创新和技术进步的将相互影响，其增速同步持续下降，最终收敛至增长水平较低的新平衡路径。特别地，τ减小至0时，技术水平对金融创新完全没有影响，金融创新增速与技术进步增速完全无关，但是技术进步受到金融创新增速的制约，如图2所示。(2)金融创新不能过度依赖技术投入。金融创新对技术水平的弹性系数存在一个上限，当τ＞(1－φ)(1－ψ)时，＜0。这表明金融创新对技术水平过度依赖时，创新活动将终止甚至出现负面创新或者金融泡沫(参考方程18)。(3)技术进步不能过度依赖金融工具。技术进步对金融产品存量的弹性系数也存在一个上限，当 β＞(1－ φ)(1－ ψ)/τ时，＜0。这表明金融创新对技术水平过度依赖时，技术进步同样将终止甚至出现技术倒退(参考方程19)。(4)现有金融产品存量和技术水平对金融创新和技术进步必须各自产生正面影响，但其正影响的规模报酬必须递减或者不变，否则会导致负面创新或者技术倒退;即必须对参数ψ和φ进行约束:0＜ψ，φ≤1。这种情形常常发生在新技术暴涨和过度金融创新时期，例如2000年前后的互联网泡沫和2007年美国次贷危机。

四、金融中介效率实证分析

(一)实证模型和数据来源

根据本文金融创新和技术进步的协同演进模型，可以证明，在确定性增长路径存在的情形下，金融中介效率是金融创新和技术进步人力资源投入份额、人力资源总量及其增长率等变量的幂函数。将各状态变量平衡增长率g*代入方程(4)和(6)－(8)，并取自然对数，可以得到关于变量g*和η*，外生变量L和n，以及参数uF和uA对数形式的线性方程组，并可求得一阶必要条件下金融中介效率的均衡解:

其中，ck(k=0－4)为各外生参数的函数:

金融中介效率的均衡值与人力资源总量及其增长率相关，这反映了金融产品和服务具有一定的竞用性。

可以依据方程(20)对金融中介效率进行实证分析。为了方便回归分析，将方程(9)中η*改写为ETA，并引入存款准备金率RR作为控制变量:

实证分析的原始数据来源于1996～2012年期的《中国统计年鉴》，各变量数据都为1978～2011年度时间序列。储蓄投资转化率以新增实物资本占储蓄比例度量，人力资源总量以全国总就业人口总数度量。金融部门和研发部门人力资源比例由历年各自部门从业人数除以就业人口总数计算获得。存款准备金率数据根据中国人民银行历次调整准备金率的时间进行了年化平均。

(二)变量平稳性与协整检验

为避免谬误回归，在进行回归分析前必须对各变量的自然对数时间序列平稳性进行检验。如果时间序列不平稳，则需进一步对各个变量进行协整检验。采用ADF方法，对ETA、L、n、uF、uA和RR的自然对数时间序列和一阶差分序列进行单位根检验的结果如表1所示。单位根检验中，最大滞后期的选取采用Akaike和Schwartz信息准则(AIC和SIC)。5个对数原序列在10%的显著水平上都不能拒绝存在单位根的原假设，因此都是非平稳序列。而各时间序列对应的一阶差分序列至少在5%的显著水平上拒绝了单位根假设，都是平稳的。这表明6个对数时间序列都是I(1)一阶单整过程。

表1 各变量对数序列单位根检验

可以采用AEG方法对上述五个时间序列进行协整检验，结果如表2所示。其中Mackinnon临界值由响应面函数计算得出;ADF统计量值小于临界值表明协整关系存在，可以采用OLS对式(22)进行回归分析。

表2 各变量对数序列AEG协整检验

(三)实证分析结果

OLS回归分析结果如表3所示，除技术研发人力资源投入在10%的水平上显著外，其余各解释变量估计系数至少在5%的水平上通过了显著性检验，调整后拟合优度达到0．93。F－statistic为64．08，Dubin－watson 为 1．60，但 Durbin－Watson 统计值介于上下界临界值之间，无法判断回归分析是否存在序列相关。进一步采用Breush－Godfrey检验和Q检验再次对回归式(22)的残差序列进行自相关检验，结果两种方法在10%的水平上都不能拒绝无自相关的原假设，表明不存在序列相关，OLS估计结果同时具有有效性和无偏性。自相关检验结果如表4所示，BG检验和Q检验滞后阶数选择采用AIC和SIC信息准则，都确定为1阶滞后。

表3 回归分析结果

表4 自相关检验

上述回归分析表明模型较好地描述了金融创新与技术研发人力资源投入对中国宏观经济储蓄投资转化率的影响，并且各解释变量解释能力较强，模型拟合效果较好。

五、结论与政策含义

金融创新和技术进步推动经济稳定增长的过程中，相互影响，相互依赖，呈现出协同演进态势。一方面，金融创新对技术水平的弹性适度增加时，不仅金融创新加速，而且技术进步加快，经济体系将处于较高水平的平衡增长路径之上。而另一方面，金融创新和技术进步都不能无限制地过度依赖对方，否则将会导致负面过度金融创新或者技术倒退。此外，金融产品存量和技术水平作为创新和研发的内生要素，其规模报酬不能递增，否则也将导致负面效应，影响金融体系和宏观经济的稳定性。

金融创新的人力资源投入与中国金融中介效率显著正相关，但技术研发人力资源投入对金融中介效率具有显著的负面影响，金融中介效率与人力资源总水平和人力资源增长率负相关。此外，中国金融中介效率与法定存款准备金率负相关。

中国金融中介效率有待进一步提升，同时储蓄率也长期保持较高的水平。这需要政策决策者加强鼓励金融创新，重视人力资源在金融创新中的重要作用，增加金融创新人力资源投入，对金融学人才教育培养给予政策支持，从而更有效地将高额储蓄转化为推动国民经济高速可持续发展的实物资本。

［1］Tufano，P．，2003．Financial Innovation，In Handbook of the Economics of Finance，ed．G．M．Constantinides，M．Harris and R．M．Stulz，307－335．Amsterdam:Elsevier North－Holland．

［2］Llewellyn，D．T．，1992．Financial Innovation:A Basic Analysis，In Financial Innovation，ed．H．Cavanna，14－51．London:Routledge．

［3］Merton，R．C．，1992．Financial Innovation and Economic Performance，Journal of Applied Corporate Finance，Vol．4，No．4:12－22．

［4］Hicks，J．R．，1969．A Theory of Economic History，Oxford:Clarendon Press．

［5］Neal，L．，1993．The Rise of Financial Capitalism:International Capital Markets in the Age of Reason，Cambridge:Cambridge University Press．

［6］Greenwood，J．，and B．Jovanovic，1990．Financial Development，Growth，and the Distribution of Income，The Journal of Political Economy，Vol．98，No．5 Part 1:1076－1107．

［7］Bencivenga，V．R．，and B．D．Smith，1991．Financial Intermediation and Endogenous Growth，The Review of Economic Studies，Vol．58，No．2:195－209．

［8］King，R．G．，and R．Levine，1993．Finance，Entrepreneurship and Growth，Journal of Monetary economics，Vol．32，No．3:513－542．

［9］Greenwood，J．，J．M．Sanchez，and C．Wang，2010．Financing Development:The Role of Information Costs，American Economic Review，Vol．100，No．4:1875－1891．

［10］阳佳余，赖明勇．金融发展与基于水平创新的内生增长模型［J］．中国管理科学，2007(2)．

［11］Laeven，L．，R．Levine，and S．Michalopoulos，2011．Financial Innovation and Endogenous Growth，CEPR Discussion Papers 7465．