互联网金融发展与区域金融效率<br/>——基于VAR脉冲响应方法的实证分析

互联网金融发展与区域金融效率
——基于VAR脉冲响应方法的实证分析

2018-03-16赵丹妮

中国流通经济 2018年3期

李镔，赵丹妮

（广东金融学院行为金融与区域实验室，广东广州510521）

一、引言

P2P网贷行业2014年的“野蛮生长”和2015年的乱象频发作为近年来互联网金融发展进程中最具鲜明特征的事件，引起了决策层、监管层、学界等社会各界的广泛关注。从2015年7月中国人民银行等十部委发布《关于促进互联网金融健康发展的指导意见》到2016年8月中国银行业监督管理委员会、工业和信息化部、公安部、国家互联网信息办公室发布《网络借贷信息中介机构业务活动管理暂行办法》，中共中央以及中国人民银行、中国银行业监督管理委员会、中国证券监督管理委员会、中国保险监督管理委员会等部委对互联网金融发展和监管问题给予了极大关注。《网络借贷信息中介机构业务活动管理暂行办法》中透露的监管与扶持并重的思路既反映了决策中稳定与创新的博弈，也体现了决策层对互联网金融等新业态发展倒逼利率市场化等金融体制改革的默许。金融发展理论认为，金融行业内的创新和改革会集聚风险，提高风险爆发的概率，但也会加速直接融资市场对间接融资市场的替代，引致金融效率的提高，而效率的提高正是我国社会经济发展进入新常态这个阶段的核心驱动力。[1]金融在资源配置中居于核心地位，并因此成为供给侧结构性改革中矫正要素不合理配置、实现从要素驱动向效率驱动转变的重要推手。[2]然而，互联网金融作为近几年我国所特有的爆发性发展新业态，对于其在现阶段我国金融效率提高和金融生态构建中所起的效用具体为正还是为负，学界尚未取得一致的结论。

鉴于此，本文试图从金融效率的视角出发，采用VAR模型脉冲响应方法实证分析互联网金融发展对金融效率的影响和冲击。

二、文献回顾

（一）金融效率研究

有关金融效率的研究主要可分为内涵界定和层次探讨两大类。在内涵界定方面，王广谦[3]、沈军等[4]、孔祥毅[5]基于麦金农（McKinnon R I）的金融深化论和赫尔曼（Heilmann T）的金融约束论，分别提出了具有不同内涵的金融效率。本文对金融可持续发展理论[4]表示赞同。该理论认为，金融效率应主要反映金融资源在宏观经济系统内的配置和协调水平，特别是其在金融系统内部的协调程度，即主要着眼于金融对经济的作用。而金融体系是一个庞大的复杂系统，这决定了金融效率必然是一个内容丰富的体系。王振山[6]、沈军[7]、周国富等[8]、谢家智等[9]分别对金融效率进行了概念外延的划分。其中，普遍金融效率可进一步分解为微观金融效率和宏观金融效率两类，同时基于金融功能观的视角，也可将之分解为金融部门效率和金融功能效率。沈军[7]认为，金融效率可分为微观效率和宏观效率。其中，宏观效率又可进一步分为适应效率和配置效率，分别对应金融的系统和资源两大属性，而适应效率把区域金融系统看成区域经济系统的子系统，主要度量金融子系统产出对经济系统的贡献程度。正如斯诺所言，经济增长的关键是适应效率而非配置效率。可见，金融适应效率与本文研究目的切合度很高，因此下文提到的金融效率均指金融适应效率。

在实证研究领域，与金融微观效率研究规范的方法和众多的成果相比，其宏观层次的实证研究方法尚处于发展过程中，不过近年来也有部分学者借鉴其他领域的效率研究和测算方法进行了相关研究。其中，沈军[7]运用因子分析和GA-BP法对我国金融适应效率进行了测算；黎翠梅等[10]根据周国富等[8]提出的指标体系，运用因子分析法对我国农村金融效率的区域差异进行了测算；孟兆娟[11]以各省贷存比和存贷差作为各省金融效率的代表性指标，通过计算泰尔指数来反映我国区域金融效率的差异；谢家智等[9]使用基于数据包络分析方法（DEA）的曼奎斯特（Malmquist）生产率指数方法测度了宏观金融效率的数值和变动情况；温红梅等[12]运用四阶段数据包络分析方法测算了县域农村金融效率。基于此，本文采用谢家智等[9]的方法构造区域金融效率测算模型，并进一步利用BCC模型将金融效率分解为金融规模效率和金融创新效率。其中，金融创新效率实际上衡量的是模型中单位投入的产出效益，而规模效率衡量的是投入规模是否达到最佳。在DEA测算中，以我国31个省市区作为决策单元，利用区域均值分别测算我国东中西部三个地区的金融效率及其创新效率和规模效率。

（二）互联网金融研究

与金融效率的研究相反，互联网金融并非一个基于理论研究而诞生的概念，因此学者们在互联网金融对传统金融的影响方面给出了不同的解释。谢平等[13]认为，互联网金融带来了金融业态的彻底革新，通过创新支付方式、加速信息处理、优化资源配置等三条路径来提高资源配置效率，降低交易成本，进而对传统金融行业产生冲击，倒逼金融结构改革，促进经济增长。吴晓求[14]认为，互联网金融仅仅是金融业务模式与互联网技术的融合，主要是金融服务获得和销售方面的创新，而随着技术的进一步发展，将出现互联网金融与传统金融行业相互融合的状态。陈志武[15]认为，从本质上看，互联网金融产品与银行、资本市场等经营的产品并没有区别，仍然是交易各方跨期价值和信用的交换，而互联网金融产品在交易安排上存在期限错配、流动性错配、信用风险等潜在问题，需要予以高度关注。基于此，许多学者还从中外比较、风险集聚机制、监管模式等方面入手对互联网金融发展的影响因素及其对我国金融系统的冲击进行了研究[16-18]。不过，由于现有研究缺乏互联网金融与宏观金融体系之间互动的实证研究，尚无法回答互联网金融在现阶段我国金融生态构建与金融结构改进中所起效应为正还是为负的问题。本文将从金融效率的视角出发，分析互联网金融发展对金融效率的影响和冲击，对互联网金融与我国传统金融部门之间的关系作出明确的回答，为探讨和改进我国金融结构、转换经济增长驱动模式提供有效路径。

三、互联网金融对金融效率的影响机制

由文献回顾部分可知，近年来诸多学者围绕互联网金融的本质和发展模式问题进行了深入而细致的研究。接下来，本文试图从传导机制入手，对互联网金融发展与金融效率提升之间的关联性进行分析，为后面的实证分析提供合理的理论基础与验证假设。具体而言，信息不对称、交易成本和金融创新是直接影响金融效率的最重要因素，因此可从上述三个角度着手进行分析。

（一）互联网金融是否降低了金融市场供需双方的信息不对称程度

从本质上看，金融行业的核心资源是由各类信息构成的异构化数据集合，而众多信息在金融资源配置中起决定性作用。互联网金融利用云计算、云存储、大数据等技术，可以确保市场信息的可达性和有效性，同时市场交易主体通过搜索引擎、社交网络等信息获取新渠道，可以提高信息获取的可能性和准确性。可以预见，随着互联网金融的不断发展，金融市场上信息不完全和信息不对称的程度将得到很大程度的降低，从而提高金融系统的效率。不过，也有部分学者认为，金融市场上的信息不对称并不会随着互联网金融的发展而自行降低，反而会随着金融服务获取渠道的增加，使得市场交易主体的平均信息获取能力和识别能力出现下降，更容易产生“羊群效应”，并最终导致信息不对称程度提高。现有研究还缺乏有关这一问题的全面而深入的理论研究，加之在传统金融业务中微观数据难以获取，因此暂时无法实证比较两种金融环境下市场主体的情况。

（二）互联网金融是否降低了金融市场的交易成本

交易成本的概念自阿罗（Arrow K J）[19]正式提出并使用以来，在企业行为、市场深化、制度建设等领域的研究中发挥了非常重要的作用。而在互联网金融领域，交易成本可分为外部成本和制度成本两部分。学者们普遍认为，基于技术进步，互联网金融可改进金融产品（服务）交易模式，扩大交易可能性集合，让潜在的金融需求因交易成本的降低而得以显化，同时使原有金融系统中过高的交易外部性得到约束，进而提高金融资源的配置效率。不过，关于互联网金融与制度成本的相关研究还比较少。有学者认为，互联网金融将发挥“鲶鱼效应”，倒逼利率市场化与金融市场制度改革。也有学者认为，以P2P网贷为代表的互联网金融的多种业态均存在游走于法律监管灰色地带的嫌疑，而我国监管层一向是安全重于创新，类似打擦边球的创新是否会延缓制度改革、无益于降低制度成本还需要进一步探讨。

互联网金融的金融创新是否增加了金融风险爆发的概率呢？毋庸置疑，互联网金融在诞生和发展过程中，对传统金融的运营模式和风险管控模式均作出了颠覆性的改变，但至于这种创新是降低了原有金融系统的风险还是增加了风险，学者们持不同态度。有部分学者认为，由于互联网时代信息传播速度很快，信用风险在信息传导过程中被分散，从而使得个体风险能够得以充分化解。此外，互联网技术的发展能够缓解信息不对称问题，不易出现由风险导致的极端损失。也有部分学者认为，由于互联网金融超越了时空的限制，在风险放大效应下风险扩散的速度会更快。金融相关法律法规不完善、金融监管体系不健全、弱势金融群体保护不周，以及互联网技术安全性有待提高等一系列问题，对现行风险控制体系提出了比较严峻的挑战，而现实情况为两者均提供了例证。

综上所述，基于互联网金融体系的复杂性和分析视角的丰富性，互联网金融与金融效率之间的关系并不是确定的、静态的，而是恰恰相反，应该是不确定的、动态的。此外，还有部分学者认为，互联网金融由于体量太小，对金融体系的影响不大，只是原有金融系统的有益补充。总之，在对两者间关系的认识方面，还缺乏严谨证明，且暂未形成统一观点，上述每一个视角都值得我们深入探讨。本文受篇幅和水平所限，仅尝试从宏观和实证的角度出发对该问题进行分析。

四、研究方法和模型

互联网金融对传统金融的影响已经得到了现实例证的支持，但由于发展时间较短，学界尚无统一的理论或模型对此进行描述。因此，基于实证的角度来研究互联网金融对金融效率的影响，需要解决金融效率测算、互联网金融发展水平度量以及如何定量衡量两者的影响程度这样三个问题。接下来分别予以阐述。

（一）金融效率测算方法

在效率测度和评价的实证方法上，目前应用比较广泛且比较规范的方法是综合评价法和前沿分析法。综合评价法以因子分析法最受广大研究者欢迎。而前沿分析法可进一步分为参数法和非参数法。其中，参数法以随机前沿法（SFA）、自由分布法（DFA）为主，但与其他参数法一样，随机前沿法、自由分布法等同样要求数据对总体和残差等估计量服从某些特定的分布，即生产前沿面需要通过特定的函数形式来构造，因此本文选用非参数法中的数据包络分析方法。

综观各种数据包络分析模型，它们都有一个共同之处，即计算所得的效率值是相对值，或者说是某个决策单元（DMU）技术效率与前沿面技术效率的比值，从而可以得到对投入量或产出量的投影变量。而它们的主要区别，一是前沿规模报酬是否可变。比如，CCR模型是规模不变的，而BCC模型是可变的。二是属于径向模型还是非径向模型。如果属于径向模型，需要考虑产出导向和投入导向两种情况；如果属于非径向模型，需要考虑采用何种方法计算距离函数，如最小距离法等。三是在计算中参比单元是否改变。比如，在CCR模型和BCC模型中，在计算所有决策单元的相对效率时，是利用所有的单元共同计算前沿面，而在某些模型（如超效率模型）中，在计算相对效率时，构筑前沿面的单元是不包含被测算单元的。本文借鉴谢家智等[9]的方法，选择目前应用最广泛的BCC模型来测算我国的金融效率，并将金融效率分解为创新效率和规模效率。在指标选取上，本文借鉴任晓怡[20]的指标体系，以年度全社会固定资产（K）表征资本投入，以年度就业人口总数（L）代表人力投入，以年度区域各项贷款余额表征金融业对经济系统的投入，以区域GDP总量表征产出。上述数据主要来自于各年度的《中国统计年鉴》和中国经济信息网数据库。效率计算主要利用DEAP2.1软件完成。

（二）互联网金融发展水平测算和衡量模型

互联网金融发展水平测算是互联网金融发展状况实证研究的核心内容。但是，由于互联网金融这个概念涵盖范围较广，部分通过文本搜索、互联网用户数量等指标来度量其发展水平的研究尚未得到学界的认可。在公开可查的文献和资料中，北京大学2015年首次发布的互联网指数是目前最具权威性的对互联网发展水平的度量。但由于出现时间太短，数据时间长度不足，无法用来进行计量分析。因此，本文借鉴管仁荣等[21]的方法，以占互联网金融比重较大、统计较为规范的2003—2013年第三方互联网支付规模数据作为衡量互联网金融发展水平的指标。

（三）向量自回归模型及脉冲响应

如前所述，学界尚无相关理论或模型对互联网金融与金融效率进行描述，因此传统的计量模型既没有办法也不足以对两者间的动态变化规律进行严格的理论阐释。即使建立了相应的回归模型，也会因内生性问题的存在而导致估计有效性降低。此外，也对工具变量的选择提出了更加严格的要求。基于此，本文采用西姆斯（Sims C A）[22]提出的向量自回归模型（VAR）通过所有变量的滞后变量来构造模型，以有效降低内生性问题对模型估计的影响，使最小二乘估计变得可行。基于对我国金融效率的测算和分解，本文尝试通过建立VAR模型来估计互联网金融对金融效率的影响。其中所运用的主要是脉冲响应方法，该方法使用一个发生变化的误差项来模拟模型受到冲击时对系统的动态影响。因此，可以利用这个方法去分析来自互联网金融（第三方网络支付规模）的一个冲击对金融效率、规模效率以及创新效率的影响，并比较对我国东中西部各地区影响的差异。若上述效率对互联网金融冲击的反应为正，说明两者之间存在正向影响，且该反应的系数值越大，表示冲击越强。反之亦然。

五、实证结果描述及分析

（一）金融效率描述分析

本文在前人研究的基础上，以我国31个省级区域作为效率测算的决策单元，且为了避免行政区域划分变化而造成的数据缺失，选择2005—2016年共12年的数据分别进行测算。相关数据来自各年份的《中国统计年鉴》，其中劳动力投入并无相应指标，本文根据年鉴中第一、第二、第三产业的就业人口之和计算得到。利用DEAP2.1软件，可以测算省级区域金融效率及其规模效率和创新效率。受篇幅所限，原始结果不再列示，仅列示各年份分区域（东部、中部、西部地区）的效率均值。关于东中西部地区的划分，依据国家统计局2013年的标准。其中，东北地区由于样本单元数目较少（仅辽宁、黑龙江、吉林），特根据地理位置以及经济发展水平和结构将辽宁省划归东部地区，将黑龙江和吉林划归中部地区。

区域金融效率反映的是金融部门对区域国民经济整体的协调程度与金融资源配置效率的高低。由于本文所采用的是数据包络分析方法中的BCC方法，因此效率值最大为1，其数值越接近1，说明该地区金融部门对区域经济的作用越大，金融资源配置的效率越高。表1表明，从全国各省份平均来看，金融效率达到0.85，且各年份基本稳定，说明各省市区之间金融效率的差异变动较小，但仍然存在一定程度的资源浪费。相比较而言，12年间，西部地区的金融效率平均为0.70，与东部和中部地区的效率值差距较大且没有出现缩小的迹象。这说明，在要素禀赋、产业结构等经济基础条件差距较大的前提下，金融效率仍然是导致西部地区与其他地区经济增长存在较大差距的主要原因。

区域金融创新效率所反映的更多是剔除规模效应后各省级区域单位金融投入的产出效率，与金融效率一样，其数值越接近1，说明金融部门的贡献越大，金融资源配置效率越高。表2中的结果表明，各省市区金融创新效率平均达到0.87，对金融资源的配置和运用仍然存在一定的缺陷，尚有进一步提高的空间。与金融效率一致，西部地区的平均效率只有0.78，说明西部地区金融系统的发展并非仅仅存在投入不足的问题，更多的是制度缺失和人才匮乏所导致的效率低下。

表1 2005—2016年我国分区域金融效率

表2 2005—2016年我国分区域金融创新效率

表3表明，区域金融规模效率2005—2016年的均值为0.96，说明全国各省市区金融资源投入规模都很大，接近最佳投入规模。从规模上看，金融系统与经济增长的协调度是比较高的。但分区域看，西部地区的效率值只有0.92左右，且近年来有下降趋势，说明金融资源有向经济发达地区集聚的趋势，值得后续制定政策时注意。

综上所述，我国区域金融效率、创新效率、规模效率呈现出以下方面的规律：从纵向看，三类效率无论是在全国范围内还是在各区域范围内，其变动幅度均不大，说明近年来我国金融效率稳中有进；从横向看，三类效率的区际差异十分显著，特别是西部地区，其各个年份的效率值均显著低于东部和中部地区。据此，本文将引入互联网金融发展这个因素，进一步分析导致效率值变动和差异的原因。

（二）互联网金融影响的实证分析

本文使用艾瑞咨询发布的第三方支付年度报告中的第三方互联网支付年度交易金额作为互联网金融的代表指标，不再列示。由于互联网金融发展迅速，其年均增速超过50%，显然是非平稳数据，因此采用对数化方法来平抑波动，指数化后的变量设为lnif。

表3 2005—2016年我国分区域金融规模效率

构建VAR模型首先需要指定模型的构成变量以及内生变量的滞后阶数。在研究互联网金融对各区域的动态影响时，首先需要构建互联网金融变量（lnif）与全国或各地区各类效率值的两变量VAR模型，然后再通过单位根检验和似然比检验等方法确定变量间的协整关系和滞后阶数。利用Eviews7软件进行检验，结果发现互联网金融指标和各类效率值的时间序列均是一阶平稳，具有协整关系，同时最佳滞后阶数均是二阶，因此本文可建立12（即3×4）个两变量向量自回归滞后二阶模型。分别对每个模型中的互联网金融变量（lnif）施加一个标准差的脉冲，并选取滞后一期至十期的累积响应系数，所得到的结果分别参见图1、图2、图3。具体数值不再列示。

实证结果表明，脉冲响应各时期的系数最终稳定在0的附近，说明VAR模型是稳定的。总体而言，互联网金融对全国和各地区金融效率、规模效率、创新效率的影响程度均不高，各时期的系数普遍在10的负三次方以下，有时甚至达到10的负五次方。其可能原因在于，在本文所研究的时期（2005—2016年），互联网金融的各个业态均处于诞生或萌芽阶段。尽管第三方支付、P2P网贷等行业增长较快，扩张迅速，并通过互联网这一新兴技术引起了政府、学界等社会各阶层的关注，但其体量与传统金融相比仍然较小，因此尚无法对区域金融效率产生更大的影响。比如，有数据显示，2015年我国第三方互联网支付规模为24万亿元，而同一时期商业银行和支付机构所处理的互联网支付业务金额达到2 042万亿元，相差近百倍，而P2P、众筹等行业的总体规模还远远小于第三方支付。

尽管从系数的大小看，各模型脉冲响应所得到的结果基本一致，但从符号的正负上看，各模型却表现出了不同的趋势。接下来将分别予以分析。

如图1所示，对于互联网金融的一个正向冲击，无论对全国范围还是对各地区而言，其金融效率累积系数均为负。由此可见，在我国目前的金融结构和制度供给条件下，互联网金融的发展并不能对金融效率的提高产生正向影响。但是，随着时间的推移，其累积系数逐渐趋近于0。这说明，从长期来看，互联网金融的发展并不一定永远都起反作用，随着我国金融体制改革以及新的经济政策的调整，互联网金融将迫使现有金融部门提高资源配置效率，提高投入产出率，并最终提高传统金融行业的市场竞争力和可持续发展能力。分区域看，互联网金融的一个正向冲击对东部地区金融效率的负向影响最大，对中部地区的影响次之，对西部地区的影响最小，这与互联网金融行业的空间分布格局是相符的。

互联网金融的正向冲击对区域金融规模效率的影响与对金融效率的影响基本一致。根据图2，无论是从全国范围看还是分区域看，其影响基本都是负的。从全国范围看，全国整体金融系统资本规模总量相对于实体经济较大，偏离最优规模，而互联网金融的发展会在一定程度上加剧这种趋势。而分区域看，很显然这种影响对东部地区而言更加严重，这与金融资源主要聚集在东部地区的现实相符，在互联网金融的冲击下，这种聚集更多地显示出了一种规模递减效应，而对中部和西部地区的负面影响则可理解为因投入不足而导致其未达到最优规模。

与前面两者相比，互联网金融对金融创新效率的影响则呈现出一定的差异性。根据图3，从全国来看，第一期到第十期的累积系数同样为负，但从第二期起，负的程度逐渐减小；分区域看，这种影响有所分化且差异显著，对中西部地区而言是负向的，而对东部地区而言，这个冲击带来的影响是正向的，且最高达到了0.009 8，是12个VAR模型脉冲响应中累积系数绝对值最大的。由此可见，互联网金融的出现使传统金融行业运营能力低下的问题进一步暴露，受此影响，传统金融行业需要逐步提高单位资源配置效率，重视长尾客户以应对互联网金融的竞争。而之所以会出现这样的结果，可能同东部地区传统金融行业互联网技术运用得较为充分、与互联网金融的发展更加匹配、运营效率更高，而中西部地区金融管理体制改革滞后于市场需求、无法较好地应对互联网金融发展有关。

图1 互联网金融对金融效率冲击的响应

图2 互联网金融对金融规模效率冲击的响应

图3 互联网金融对金融创新效率冲击的响应

六、结论与启示

通过实证分析，本文对互联网金融与区域金融效率之间的关系进行了初步分析，主要得到了三个结论：一是从静态来看，互联网金融对区域金融效率的影响平均并不显著，对一个冲击的平均响应只有0.000 8；二是从动态来看，尽管互联网金融对区域金融效率的影响大部分都是负向的，但负向影响随着时间的推移有所缩小；三是分区域看，互联网金融对东部地区金融效率的影响程度和方向与中部和西部地区的不同。

基于此，本文认为，传统金融部门和监管当局需要在系统和动态认识互联网金融发展趋势及两者间关系的基础上，积极主动迎接新生事物，提升自身资源配置效率以及与经济增长间的适应效率，助力中国经济早日完成从要素驱动向创新驱动的转变。具体而言，提出以下三条建议：

（一）应着重处理金融创新与金融风险之间的关系

本文实证分析发现，从全国来看，由于体量不大，互联网金融对传统金融的影响十分有限，但其影响力增长迅速。由此可以预测，互联网金融未来发展趋势上行时，可以达到与传统金融互融共生的状态，形成新的稳定的金融生态并由此提高金融效率；而下行时，则可能出现破坏性创新，成为系统金融风险新的爆发点并因此遭到来自政策层面的抑制。未来究竟会出现哪种结果，取决于两个方面的因素：一是互联网金融发展与传统金融发展的协调程度；二是监管层如何平衡创新与风险之间的关系。尽管防范系统性风险已经成为2016年以来主流的政策建议，但面对增长速度换档期、结构调整阵痛期、前期刺激政策消化期三期叠加与经济增长趋缓的大形势，我们仍然认为应当进一步推动金融体系的改革和优化，以改革促发展，以开放促改革，只有如此才能充分提高各区域金融效率，优化资金配置，扭转资金脱实向虚的趋势。互联网金融的迅速发展尽管带来了一定的潜在风险，但仍然不失为倒逼金融开放和金融改革的有效推手。

（二）应着重协调金融创新与审慎监管之间的关系

结合当前我国政策层面在应对金融“不可能三角”时所采取的组合是金融创新和零道德风险，本文认为，监管层面对互联网金融这一新业态的监管不宜采用静态、稳定的监管策略，而应根据互联网金融发展态势和水平、系统风险聚集程度、空间分布差异采用动态和差异化的监管策略。所谓动态，即根据互联网技术的发展和行业模式的变化来制定监管策略；所谓差异化，即根据不同地区具体情况制定差异化的细则和要求。只有如此，才能充分发挥互联网金融对我国金融体系的积极作用，削弱它的消极作用，使之与我国金融稳定和经济增长的目标相符。

（三）应着重化解互联网金融发展的区域路径依赖

与众多研究相同，本文的实证分析也得到了我国互联网金融对传统金融体系影响较小的结论。但与此同时，在较发达地区，互联网金融发展对当地金融创新效率的提高是有正向作用的。其原因在于，互联网金融发展对传统金融基础依赖性很强，甚至形成了路径依赖，因而东部地区互联网金融对金融效率有显著促进作用。不过我们也要看到，在中西部传统金融欠发达地区，互联网金融的发展仍然具有市场空间广阔的比较优势。因此，互联网金融的冲击能否对我国经济产生正向影响不仅取决于其本身，也与其能否适应区域传统金融需要并实现协调发展有关。化解路径依赖，推动不同区域互联网金融有序发展的主要推手是，进一步完善对互联网金融的动态和差异化监管体制，着力完善互联网金融信息披露、征信及风险提示制度，加强金融消费者权益保护，消解金融风险微观聚集渠道。而这需要政府层面进一步采取利率市场化等金融体制改革措施，发挥有为政府调节作用，这样才能真正促使互联网金融在有效市场引导下与现有金融体系形成竞合关系，提供差异化服务，提高宏观金融效率。

[1]杨锦英，温庭海，刘朋.“新常态”下中国经济发展之路的选择：从要素驱动向效率驱动转型[J].当代经济研究，2016（1）：53-62+97.

[2]沈军.金融效率理论框架与我国金融效率实证考察[J].金融论坛，2003（7）：2-7.

[3]王广谦.真正把金融业作为现代产业来发展[J].金融信息参考，1997（1）：32.

[4]沈军，白钦先.金融结构、金融功能与金融效率——一个基于系统科学的新视角[J].财贸经济，2006（1）：22-28、96.

[5]孔祥毅.金融协调的若干理论问题[J].经济学动态，2003（10）：36-38.

[6]王振山.银行规模与中国商业银行的运行效率研究[J].财贸经济，2000（5）：19-22.

[7]沈军.金融效率研究综述[J].生产力研究，2007（6）：139-140、145.

[8]周国富，胡慧敏.金融效率评价指标体系研究[J].金融理论与实践，2007（8）：15-18.

[9]谢家智，王文涛.金融发展的经济增长效率：影响因素与传递机理[J].财贸经济，2013（7）：59-67.

[10]黎翠梅，曹建珍.中国农村金融效率区域差异的动态分析与综合评价[J].农业技术经济，2012（3）：4-12.

[11]孟兆娟.中国农村金融效率的区域差异研究[J].南方农村，2013（11）：59-63.

[12]温红梅，姚凤阁，常晶.基于四阶段DEA的农村金融效率评价——来自中国县域数据的实证分析[J].苏州大学学报（哲学社会科学版），2014（1）：107-112.