城市金融竞争力研究

2014-07-12贾中正李伟平丁焕强

金融理论与实践 2014年2期

贾中正，李伟平，隋佳，丁焕强

（1.中国社会科学院世界经济与政治研究所，北京 100732；2.中国农业银行资产负债管理部，北京100005；3.中国民航管理干部学院，北京 100102；4.国网英大国际控股集团有限公司投资管理部，北京 100005）

城市金融竞争力研究

贾中正1，李伟平2，隋佳3，丁焕强4

基于中国直辖市2006—2010年的面板数据，采用主成分法提取公共因子的因子分析法，构造了包含金融环境、金融基础投资、金融服务和金融发展的城市金融竞争力评价指标体系，对直辖市的金融竞争力进行了评价和对比研究。研究发现：北京的金融竞争力最强，上海次之，天津第三，重庆最后。金融发展和金融服务是北京的强项，而金融环境始终是其“短板”。上海的竞争优势主要体现在金融服务领域，天津的优势体现在金融环境方面，而重庆则在金融基础投资方面具有比较优势。

金融竞争力；金融中心；金融发展；金融服务

一、引言

2013年3月26日，The City ofLondon（2013）[1]发布的“全球金融中心指数(Global FinancialCenter Index,GFCI)”显示，在全球79个金融中心中，中国的上海（674分）、深圳（650分）和北京（622分）分别位列第24、第38和第58位，比上期下滑了5位、6位和15位。中国城市金融竞争力的下滑与中国经济的快速增长不相适应，这一现象引起广泛关注。有观点认为近期国内经济增速减缓是重要原因，但有学者（严晨，2013[2]；许少强，2013[3]）对此并不认同，认为经济实力仅是基础因素而非最重要的条件，经济发展程度不构成影响城市金融竞争力的绝对因素，国家的支持和干预程度才是关键，并认为造成该结果的主因在于金融开放度不高，因此应加快金融开放。吴晓求（2010）从宏观视角进行研究也发现，提升金融竞争力，人民币国际化是前提，发展金融市场特别是资本市场是关键。提升产业核心竞争力、发展民主法制、提升市场透明度、良好的社会信用体系、相匹配的军事实力等亦是不可或缺的因素。

学者对此问题如此关切，因于城市金融竞争力水平与国际金融中心建设密切相关，二者相辅相成，互为补充。城市金融竞争力的提升有赖于城市金融中心的形成，各种金融资源及要素向一个国家或地区不断积聚形成金融中心，会增强城市金融竞争力；反过来，一个城市或区域的金融中心地位得以确立会对该区域的经济活动产生积极的影响，实现金融资源的优化配置，提升金融竞争力，促进国家和地区的经济增长，进而形成经济增长与金融发展相互促进的良性循环。因此，正是基于对城市金融竞争力重要性认识的不断深化，国内各主要经济中心城市纷纷提出了建设城市金融中心的目标与构想。但城市金融竞争力的提升是一个动态变化的过程，如何对现有城市金融竞争力水平进行科学合理的评价，是摆在大家面前的现实课题。

本文将努力构建科学合理的城市金融竞争力评价指标体系，深入研究影响城市金融竞争力的主要因素，以为提升城市金融竞争力提供参考。文章余下结构安排为：第二部分是文献回顾与评价；第三部分是金融竞争力评价指标体系的构建；第四部分是经验研究；最后是结论。

二、文献回顾

基于量化数据建立城市金融竞争力评价指标体系，可明确影响城市金融竞争力的主导因素，有利于判断城市金融中心所处地位并估计其发展潜力。全球最权威的发布来自GFCI，其通过因素评价模型计算出的全球金融中心排名，对研究城市金融竞争力具有重要参考价值。学术界对此的研究始于20世纪80年代。Reed（1981）于1900—1980年76个城市的9个指标变量，利用聚类分析法对金融中心进行排名，发现这些金融中心具有明显的层级结构特征。Liu和Strange（1997）在Reed（1981）的基础上利用层次成簇和主成分分析对亚太地区的城市金融竞争力进行排名，并试图寻找其中的主要影响因素。

国内有学者从城市金融竞争力视角对国内金融中心进行了研究。李虹和陈文仪（2002）[4]构建的国际金融中心指标体系包括金融规模、效率、安全指标和金融国际化指标。但该指标体系过分强调国际化因素对金融中心发展的影响，且各项指标因素多为定性描述，无法进行经验论证。张泽慧（2006）建立的国内金融中心指标体系包括外国银行和金融机构数量、证券市场交易量、银行存款和金融从业人数，其认为国际金融中心形成的前提是先成为国内金融中心。姚洋和高印朝（2007）对影响金融中心形成和运行的因素进行研究，构建包括经济环境、金融市场、金融机构和金融制度的评价指标体系。

学者们对城市金融竞争力的研究方法可大致分为三类：一是回归分析法。该法是早期评价城市金融竞争力较为流行的一种方法。Choi等（1986）利用非线性加权最小方差回归对全球最大的300家银行在14个金融中心不同类型的办事处数量以及这些金融中心吸引办事处的理由进行排名，发现城市吸引力主要由经济规模与经济活动、银行总数、股市规模、贸易关系等决定，这些因素对提升城市金融竞争力至关重要。胡坚和杨素兰（2003）[5]采用1998—2000年8个国内外城市的数据回归发现，上海与国际金融中心存在的差距与不足（贺瑛，2011[6]；严晨，2013；许少强，2013），金融业快速发展、提高金融业产值占GDP的比重及进一步完善金融市场是提升上海金融竞争力的关键。二是层次分析和模糊判断。杨再斌和匡霞（2004）[7]运用层次分析法对上海和新加坡的金融竞争力进行了量化比较。其构建的指标体系包括了二级和三级指标，并认为上海与新加坡存在不少差距，急需通过加快离岸金融市场建设、资产证券化、完善市场结构等来提升自身金融实力。王仁祥和石丹（2005）[8]运用模糊综合评价与层次分析法，从经济发展、金融发展、城市发展和法律政治环境等方面对区域金融竞争力进行了综合评价，认为提升区域竞争力需要政府支持、优良制度以及金融创新等。三是因子分析和聚类分析。陆红军（2007）[9]采用6个国内外大城市数据，通过调研、问卷调查、电话访问构建了包括金融规模、金融环境、金融聚集度、金融国际化、金融风险防御、金融创新、金融效率、金融人才、金融科技、金融制度10个一级指标和56个基础指标的指标体系，经过因子分析和聚类分析，得出各城市的相对实力及差距，揭示了提升金融中心竞争力的关键要素。

有关城市金融竞争力评价指标体系构建的研究虽在不断完善和改进，但同时也存在一些问题：一是评价指标以偏概全。如仅用外国银行数量作为排序指标，经济指标用GDP增长率和投资率等。二是评价指标不够全面，难以充分反映城市金融竞争力水平。三是对影响城市软实力的指标有所忽视，如法制和监管环境、会计及税收制度等。为此，本文将在努力克服以上不足的基础上，结合中国城市自身特点，构建相对科学合理的城市金融竞争力评价指标体系，以研究影响中国城市金融竞争力的主要因素。

三、金融竞争力评价指标体系的构建

（一）指标设计与相关检验

1.数据来源

本文所用数据主要来自于四大直辖市2006—2010年的《统计年鉴》《国民经济和社会发展统计公报》《金融运行报告》《金融稳定报告》以及中国人民银行、银监会、证监会、保监会、商务部和外汇管理局等各部委官网公布数据。数据处理采用Stata 12.0软件。

2.选取原则

一是多元化原则。城市金融竞争力的形成和发展受到多种因素影响，地区在培育和发展城市金融竞争力过程中不能过分依赖某一类或某一组指标，应更加注重多元化。二是层次性原则。一个城市要成为国际金融中心，首先要超越其他城市成为国内规则的参与者和制定者，其次成为区域金融中心，最后才会成为国际金融中心（黄运成和杨再斌，2003[10]）。三是权威性原则。构建城市金融竞争力评价指标体系，必须坚持国际通行的会计准则和市场准则，数据应选自权威机构如国际清算银行、世界银行、所在国或地区政府专业统计机构等。

3.指标设计

（1）标准化处理所有数据。对所有指标进行标准中心化处理，以消除指标量纲不同带来的影响。（2）囿于数据的可得性，对部分指标（如城市人均可支配收入）做变换替代处理。（3）尽量降低通胀、汇率波动等其他因素的不利影响。如社会劳动生产率、人均地区生产总值等按可比价格计算，用调整后的GDP除以当年常住人口数量。对外贸易依存度则采用每年最后一个交易日的中间汇率价换算进出口总额与GDP的比值。

4.相关性、拟合度和残差检验

对标准化后的变量做Spearman（1904）[11]秩相关系数的非参数检验，一般认为，相关系数大于0.3即可，为保证本研究的严谨性和科学性，本文对变量间相关系数的显著性水平（P≤10%）标注*号后发现，各指标间的相关性非常强，说明适合做因子分析。为进一步检验研究样本的合理性，对相关指标的拟合度和残差做检验后发现①因篇幅所限，指标间相关系数、拟合度和残差检验结果未报告，结果备索。，各拟合度较好且残差较小，适合进行因子分析。

（二）评价体系的构建

表1 评价指标体系

金融竞争力强的城市具有资金使用成本低、效率高、收益高等特征，许多国际资金更趋向于聚集于此，形成国际资金供需的聚集地。而为了实现高效低成本的资金运用、提高城市金融竞争力，就必须对区域内的金融生态环境、金融市场发展水平、市场运行效率等加以改善和提升。因而，良好的金融环境、金融基础投资、金融服务和健康的金融发展是提升城市金融竞争力不可或缺的必要因素。据此，本文构造了包含这四大方面，以及人均GDP、金融业固定资产投资、经济金融开放度、金融机构体系、金融规模、金融人才等22个基础指标的指标评价体系（详见表1）②在构建该评价体系初始，本文选取了56个基础指标变量，但经相关性检验和多次替换后发现，有些变量与其他变量间的相关性很低，并不适合进行主成分因子分析，因而，在构建该评价体系时予以剔除，最终保留22个基础指标。。

金融环境指影响城市金融竞争力的环境因素，包括政府的支持和推动、提升人民生活水平、改善投资环境、吸引和利用外资能力等。本文采用人均国内生产总值（GDP）、城市居民人均可支配收入和实际利用外资额加以衡量。金融基础投资是为提升自身金融竞争力，通过对基础设施和第三产业等的投资，努力改善本地区内的软件设施和硬件设施，以提升金融服务的质量和水平。本文以金融业固定投资和交通运输、仓储和邮政投资加以衡量。金融服务由经济金融开放度和金融机构体系两部分组成，反映了该地区金融业对区域内经济增长的推动力。其中，经济金融开放度包含了对外贸易依存度、外资银行法人机构数及境内上市公司数量；金融机构体系包含证券、保险、基金、期货的总部数量。金融发展包含金融规模和金融人才两部分，用以衡量地区已取得的金融发展程度。其中，金融规模主要指金融要素市场的规模，综合实力强的金融中心必然积聚大量自由资金，这为区域发展提供极大便利，包括金融业产值占国内生产总值的比、资本市场筹资额、金融机构存贷款余额等指标。金融人才是实现金融创新、推动现代金融中心可持续发展必不可少的重要因素，采用金融从业人数、在岗职工熟练度（以在岗职工平均工资衡量）、律师事务所、高等教育机构数和每万人大学生数来衡量。

四、经验研究

本部分将基于构建的城市金融竞争力评价指标体系，采取2006—2010年四大直辖市的面板数据进行经验研究，以对比其金融竞争力的优劣。

（一）基于主成分法提取公共因子

确定因子载荷矩阵的方法一般有主成分法和主轴因子法，本文采用了较为常用的前者③为保证研究结论的稳健性和科学性，本文还运用主轴因子法提取了公共因子，发现两种方法的结果基本一致，因篇幅所限，主轴因子法不再赘述。，得公共因子的方差贡献率（见表2）如下：

由图1可见，前四个公共因子的特征值均大于1，此后其走势逐渐平缓，也即去掉第五个至第二十二个因子并不会对本研究造成严重偏误。

表2 方差贡献率表

一般认为，当提取公共因子的累积方差贡献率超过85%时，可以确定出公共因子的个数。由表2可知，前四个因子的累积方差贡献率已经达到94%以上，也即前四个公共因子包含了原有变量94%的信息，基本可以代表整个指标体系进行因子分析。为更直观地展现公共因子的方差贡献率，对其特征值做碎石图（见图1）如下：

图1 因子特征值碎石图

（二）计算因子载荷矩阵

基于这四个公共因子计算因子载荷矩阵（见表3）如下：

基于表3，做所有变量基于因子1与因子2的载荷图（见图2）如下①限于篇幅，其他各因子间的因子载荷图不再罗列。：

无论从残差检验结果还是图2可以发现，各指标对因子1和因子2的载荷效果并不理想，换言之，因子1与因子2对各指标的因子贡献不明显。在残差检验中表现为很多变量的载荷值并非趋向零或远离零，在图2中则表现为大多变量分布散乱，很多指标变量并未表现出明显的更靠近于某个因子轴远侧（尤其是因子1）的情况。

（三）对因子载荷进行方差最大化正交旋转

对原载荷矩阵做因子旋转的目的是为了得到在统计上和经济上意义更加显著的公因子。经过旋转后的公共因子对指标变量的共同度没有影响，但载荷矩阵发生变化，因而，公共因子本身也会发生变化，也即新因子载荷矩阵中的每个公共因子对原始变量的方差贡献发生改变。本文采用Kaiser（1958）[12]提出的应用最为普遍的方差最大化正交旋转法得新因子载荷矩阵如表4。

表3 因子载荷矩阵

图2 因子载荷图

据此，所有指标基于方差最大化正交旋转后因子1与因子2的载荷图（见图3）如下：

表4 方差最大化正交旋转后的因子载荷表

图3 基于方差最大化正交旋转后的因子载荷图①限于篇幅，其他各因子间的载荷图不再列出。

相对于方差最大化正交旋转前的因子载荷矩阵，旋转后的因子载荷系数趋向零或远离零的趋势明显，基于旋转后提取的因子1和因子2载荷图中，各指标变量的载荷分布也更为明显。为保证因子分析的准确科学，因子分析要求公共因子间相互独立，为此，我们对新获取的四个公因子做相关性检验（见表5）如下：

由表5可见，四个公共因子彼此相互独立，说明本研究提取的公共因子实际意义更易确定，是非常合理的②为保证本研究的严谨性和科学性，本文还对其做了斜交旋转，并对斜交旋转后的因子载荷进行回归并预测各因子得分，发现其与依据方差最大化正交旋转后的结果基本一致，篇幅所限，此处不再报告。。

表5 因子相关性检验

（四）因子命名

（1）金融业产值占GDP的比（z7）、国内A股筹资额（z10）、金融机构存贷款（z11,z12）、金融业从业人数（z13）等指标对因子1的载荷较大，其中，我们将金融业产值占GDP的比、证券市场A股日均成交额、国内A股筹资额、金融机构(含外资)存贷款余额并称为金融规模，将金融业从业人数、金融业在岗职工熟练程度、普通高等教育机构数、每万人在校大学生、律师事务所并称为金融人才，进而将因子1（Factor1）命名为“金融发展”。

（2）对外贸易依存度（z3）、境内上市公司数（z8）、外资银行法人机构数（z15）、保险公司总部数量（z16）、证券公司总部数量（z17）、基金公司总部数量（z18）、期货公司总部数量（z19）对因子2的载荷较大，我们将前三个指标并称为经济金融开放度，后四个指标并称为金融机构体系，并据此将因子2（Factor2）命名为“金融服务”。

（3）人均GDP（z1）、城市居民人均可支配收入（z2）和实际利用外资额（z4）对因子3（Factor3）的载荷较大，因此，我们将其称为“金融环境”。

（4）交通运输、仓储和邮政业投资（z5）和金融业固定资产投资（z6）对因子4（Factor4）的载荷较大，据此我们将其称为“金融基础投资”。

（五）计算因子得分

对因子载荷矩阵做回归预测分析，得到各指标与公共因子的得分系数（见表6）如下：

根据表6，四个公共因子得分计算公式如下：

表6 得分系数表

基于以上公式，计算四大直辖市对应的因子得分（见表7和表8）如下：

由表7可见，2006—2010年北京在金融发展方面始终稳居第一，上海则在金融服务方面更胜一筹。除了2006年，天津主要在金融环境方面优势明显。重庆的强项则主要体现在金融基础投资方面。

由表8可见，2006—2010年北京在金融发展和金融基础投资方面进步明显。除了2009年，上海在金融服务方面进步较大。重庆在金融发展和金融环境方面稳步推进，金融服务方面却呈下降趋势。天津则在金融环境和金融基础投资方面步步提升，在金融发展和金融服务方面却倒退明显。

表7 2006—2010年四大直辖市对应的各因子得分横向对比表

表8 2006—2010年四大直辖市对应的各因子得分纵向对比表

（六）计算因子综合得分

根据以上各因子得分，得到因子综合得分公式如下：

据此，计算2006—2010年四大直辖市因子综合得分及排名（见表9）如下：

表9 2006—2010年四大直辖市因子综合得分及排名

由表9可见，2006—2010年四大直辖市的排名始终保持一致，即北京第一，上海第二，天津第三，重庆第四。北京排名超过上海的结论与部分研究文献（戚裔彬等，2010[13]）不同，这可能与研究样本期间北京市在金融发展和金融服务两方面的优异表现相关，也可能与选取指标中金融机构总部占比较大有关。

（1）基于横截面数据的横向排名来看，2006—2010年北京综合实力稳居首位，不仅远超天津和重庆，更是在上海之上，这既得益于其得天独厚的作为国家首都、政治中心和文化中心的天然优势，也与近年来北京市政府大力发展第三产业，出台一系列支持金融发展的政策密不可分。基于时间序列数据的纵向排名来看，2006年和2007年的综合得分分别为0.78和1.35，呈上升状态；但在2008年综合得分下降至0.95，随后的2009年和2010年又回升至1.16和 1.51。这可能因为始于2008年前后席卷全球的金融危机，在重创全球金融体系和经济发展的同时，也对北京地区带来诸多负面影响。尤其在世界经济联系日益紧密的今天，北京作为全球金融体系中具有重要影响力的城市之一，综合实力受危机拖累而下降在所难免。但随着中央和北京市政府相关救市政策和措施的陆续出台，北京市金融综合实力开始逐步恢复，到2010年其综合得分已超过危机爆发前的1.35，这不仅反映了国家相关政策及时得当，救市有方，也体现出北京市良好的金融生态环境和巨大的金融发展潜力。

（2）从综合排名来看，在五年样本区间北京市的金融竞争力综合得分都远超其他三大直辖市，综合实力始终稳居第一，上海紧随其后，天津排名第三，重庆最后。以2010年为例，北京市得分为1.51，上海为0.2，天津为-0.51，而重庆为-0.58。并且这种差距有继续拉大的趋势，在2008年金融危机以前，北京与上海的差距从0.94扩大至1.25，金融危机的爆发对二者都有严重负面影响，北京和上海的综合得分都有所下降，2008年二者差距缩小至1.07，但自此以后，又逐步扩大至2010年1.31。因子综合得分分析的结果显示出北京在国内四大直辖市中的绝对领先地位。

（3）从各因子得分来看，金融发展和金融服务是北京市作为现代金融中心的强项，尤其是金融发展因子得分始终遥遥领先其他三大直辖市，金融发展稳居第一。尽管如此，但北京市也有不足之处，金融环境和金融基础投资始终是其“短板”，金融环境因子得分在2006—2009年排名第三，2010年得分甚至倒数第一；金融基础投资因子得分在2006—2009年也排名第三，但在2010年得分第一，有大幅改善，说明北京市政府针对自身不足，加大了对金融基础投入的力度。

（七）原因分析

（1）北京在金融发展方面优势明显，可能的原因在于其上市公司数量虽不占优势，但大型上市国企众多，总市值规模和A股筹资额数量都遥遥领先；北京具备投行业务资格的证券公司较多，律师事务所、会计师事务所也承接大量项目；北京大项目资源和投行业务以大项目为主的特点相匹配，也显示了北京在大项目上的优势。此外，北京在金融业就业人员数量和质量，后备储蓄人才和科研机构（如高等教育机构）等方面，也具有国内其他城市不可比拟的优势，这些都是其在金融发展方面夺得头筹的重要因素。

（2）北京在金融服务方面得分较高，首先得益于其既是国家金融监管机构所在地，又是大型中资金融机构总部和最大的国内公司总部所在地（吴念鲁和杨海平，2008），已发展成为名副其实的国内金融决策、管理、信息、服务四大中心。金融机构高度聚集是国际金融中心建设的必备条件。北京的金融资产总量占全国金融资产总量40%以上。此外，北京以金融中介、文化创意、科研设计等为代表的高端现代服务业发达，整体产业层次和综合经济实力较高，众多大企业、大财团和大机构的聚集，产生强烈的金融服务需求。以上这些优势是北京市金融服务因子得分较为靠前的重要原因。

（3）与北京相比，上海市在其他年份的各因子得分基本稳定在第二。原因可能在于上海具有全球影响力的金融机构只有交通银行，国内主要的大型金融机构和中央企业总部均设在北京，中国金融监管机构“一行三会”的决策中心也都在北京，上海金融机构大都是一些规模较小的法人机构、大型金融机构或中央企业的分支机构，国际影响力不大（王家辉，2012）。此外，不完善的金融市场、金融规模较小等，都会影响其整体金融竞争力水平。

（4）天津在金融服务和金融基础投资方面得分较低，这与其拥有的金融机构总部数量较少且金融产业基础性投资数额较低有关。重庆在金融发展、金融服务和金融环境方面得分均很低，尤其在金融发展方面得分最低，原因是与其他三大直辖市相比，其无论人均GDP和吸引外资数量还是金融机构数量都很少，且金融产业的规模也很低，金融人才数量不多且储备不足等。

五、结论

本文选取中国四大直辖市2006—2010年的面板数据，采用主成分法提取公共因子的因子分析构造了包含金融环境、金融基础投资、金融服务和金融发展的城市金融竞争力评价指标体系，对四大直辖市的金融竞争力进行了分项和综合评价，并对其做了对比研究。研究发现：无论是横向还是纵向排名，北京的金融竞争力最强，上海次之，天津第三，重庆最后。从各因子得分来看，金融发展和金融服务是北京的强项，而金融环境始终是其“短板”。上海的竞争优势主要体现在金融服务领域，天津的优势体现在金融环境方面，而重庆则在金融基础投资方面具有比较优势。

究其原因，北京得分最高的主因在于其庞大的国企数量和市场规模、金融机构服务能力、从业人员数量和质量、金融监管机构和企业总部聚集地以及信息获取便利等方面的优势。上海市排名第二的原因在于其拥有的金融机构大都是一些规模较小的法人机构或大型金融机构和中央企业的分支机构，国际影响力不大，且金融市场不完善、金融规模较小等，这都影响了其整体的金融竞争力水平。天津排名第三因于其拥有的金融机构总部数量较少且金融产业基础性投资数额较低。重庆排名最低因于其人均GDP、吸引外资数量、金融机构数量都很少，且金融产业规模也很低，金融人才数量不多且储备不足等。

[1]The City ofLondon.The Global Financial Centres Index 13[R].London:the City ofLondon,2013,3.

[2]严晨.国际金融中心建设的历史比较分析[J].上海经济研究，2013，（6）：33-38.

[3]许少强.国际金融中心建设的决定因素：经济实力抑或金融政策——基于历史的思考[J].上海金融，2013，（6）：14-16.

[4]李虹，陈文仪.建立国际金融中心的条件和指标体系[J].经济纵横，2002，（2）：35-38.

[5]胡坚，杨素兰.国际金融中心评估指标体系的构建——兼及上海成为国际金融中心的可能性分析[J].北京大学学报(哲学社会科学版)，2003，（5）：40-47.

[6]贺瑛.基于IFCD指标体系的国际金融中心发展研究[J].上海金融，2011，（12）：51-54.

[7]杨再斌，匡霞.上海国际金融中心建设条件的量化研究[J].华东理工大学学报(社会科学版)，2004，（1）：27-32.

[8]王仁祥，石丹.区域金融中心指标体系的构建与模糊综合评判[J].统计与决策，2005，（9）：14-16.

[9]陆红军.国际金融中心竞争力评估研究[J].财经研究，2007，（3）：47-56.

[10]黄运成，杨再斌.关于上海建设国际金融中心的基本设想[J].管理世界，2003，（11）：103-110.

[11]Spearman C.The Proof and Measurement of Association between Two Things[J].The American JournalofPsychology,1904,Vol15,No 1,pp 72-101.

[12]KaiserH F.The Varimax Criterion forAnalytic Rotation in FactorAnalysis[J].Psychometrika,1958, Vol 23,No 3,pp.187-200.