区域科技金融发展评价指标体系——基于投影寻踪模型分析

杨建辉，黎绮熳，谢洁仪

(华南理工大学工商管理学院，广东广州 510640)

重视科技金融工作，鼓励金融创新，如何更好地促进科技与金融结合已经成为新常态下经济发展的重要课题。建立有效的科技金融评估监测机制，可以促进科技金融对中小微企业发展的支持，助推产业的升级。目前，国内缺少专门衡量科技金融发展的统计体系，这对于及时发现科技金融发展过程中出现的问题极其不利。要推动科技金融的发展，就有必要建立科学、合理且及时的科技发展评价体系，通过合理及时的评估，及时发现科技金融发展过程中出现的问题并改进。

1 科技金融概念及主要研究概述

科技金融一般来说是指促进科技开发、成果转化和产业化的一系列金融政策、金融制度、金融工具和金融服务的系统性、创新性安排，是由向科技创新活动提供金融资源的各种主体（包括政府、企业、市场、社会）及其行为活动共同组成的体系［1］。科技金融主要是围绕以下两种形式来开展的：一是政府主导的通过直接注资或者建立为引导民间资本进入科技型企业的母基金；第二种则是多元化的科技型企业融资渠道，具体包括多层次资本市场、科技信贷与科技保险、创业风险投资、互联网金融等。

“科技金融”为我国专有名词，国外鲜少有学者建立指标体系对其进行动态评价，但是在金融对于科技创新的促进作用上，国外大多数学者都已经达成共识。对于银行、资本市场、风险投资等对科技创新的重要促进作用有大批学者进行研究，如，约瑟夫·熊彼特［2］认为信贷是现代工业体系建立的前提，现代工业体系只有依靠创新才能建立，而信贷对于实现创新又是至关重要的，银行信用在创新中的重要作用就在于为生产要素的重新组合提供必需的购买力；Levine等［3］采用实证方法验证了股票市场的发展和经济增长有显著的正向关系；Kaplan等［4］指出，风险投资不仅能够在一定程度上缓解科技型中小企业的融资需求，而且还能够为科技型中小企业提供全方位增值服务，比如引入先进的管理经验、提供技术或客户资源等等，同时，由于风险投资机构介入企业经营，向企业注入先进管理经验能够有效降低科技型中小企业的融资成本。

国内对于如何建立评价科技金融发展状况的指标体系，在指标选取、评价方法上有一些研究。总体上看，相较于我国业已形成的以金融中介主导，风险投资、多层次资本市场等充当重要补充的多元化科技金融体系，量化金融对科技创新活动支持力度的统计体系处于相对滞后水平［5］。在评价指标选取方面，李文森［5］提出科技金融统计体系不仅有总量指标，还要有一系列结构性指标；杨晓丽［7］提出应该分层次多角度构建科技金融统计指标核心体系及支撑指标，在准确测定及划分科技、金融、政府层次的基础上，提炼构建简洁且完备的科技金融支撑体系，并透析各方在科技金融发展中的角色定位；梁伟真等［8］从科技金融结构、科技金融发展程度、科技金融效果以及科技金融环境这4个方面构建科技金融的综合评价指标体系等。在评价方法上，数据包络分析法（DEA）、BP神经网络模型在评价金融与科技融合效益上常被运用，但是数据包络分析法存在无法依据指定参考集提供评价信息，不利于决策者根据评价结果进行有效改进；BP神经网络要求训练样本大，分类结果会因为不同阈值的设定出现差异，泛化能力差。基于此，本文考虑采用模型结构简单、数学意义清晰，便于后续应用的投影寻踪方法，从科技产出、投融资体系和支撑体系3个维度出发来实现对科技金融发展的评价与分析［9-10］。

2 科技金融发展评价指标体系构建

2.1 指标选取

科技金融指标的设计既具有一般发展指标体系的特点，又存在其独特性。在指标的选取上，本文从科技产出、投融资体系和支撑体系3个维度出发，用比型指标、不用总量等规模指标以消除总量或规模的差异性影响，同时尽可能使用能够量化的指标，并按可操作性的原则选取指标。指标体系在构建的过程中，以获取容易、可度量性、可比性以及多维度评价作为选取指标的出发点，最终选取18个三级指标涵盖科技产出、投融资体系和支撑体系3个维度，具体计算方法见表1所示。

表1 我国区域科技金融发展评价指标体系

2.2 研究对象和数据来源

本文以广东省科技金融发展情况为主要研究对象，以北京、上海、江苏、浙江等19个省份为对标省份，对科技金融相关方面进行统计。在实证部分，搜集了该20个省份（以下简称样本省份）2015年的18个三级指标（如表1）数据。本文指标数据均来自公开权威资料。其中，互联网金融资料来自网贷之家和众筹家；知识产权质押融资金额数据搜集方面，由于各地知识产权局没有专门对知识产权质押情况进行统计，本文主要从各地知识产权局发布的消息中搜集；涉及创业板的数据来自深圳证券交易所，新三板的融资数据来源于我国中小企业股份转让系统发布的快报；科技企业孵化器数据来自科学技术部火炬高技术产业开发中心；其他数据均来自《中国科技统计年鉴》以及万得资讯（Wind）数据库。

3 建模及实证结果

投影寻踪聚类分析的实质是一种降维处理技术，具体思路是通过寻找最能反映待评价问题综合指标特性的投影方向，将多个影响因素线性投影进而得到相对应的投影特征值，然后再建立其与因变量之间的映射关系，最后将高维问题转换为一维问题进行分析研究［11-12］。

3.1 指标数据归一化预处理

根据上述构建的评价指标体系，为扩大指标体系的适用性，本文搜集20个样本省份2015年关于以上指标体系的18个指标（相对值）的数据，得到以下结果：设各指标值的数据集为{x(i,j)|i=1,2,…,20;j=1,2,…,18}，其中x(i,j)为第i个省份第j个指标值；为消除各指标值的量纲和统一各指标值的变化范围，采用下式进行极值归一化处理（指标都是正向指标）：

经过处理，得到结果分别如表2至表4所示。

表2 样本省份科技金融发展评价指标数据的归一化预处理结果（之一）

表2 （续）

表3 样本省份科技金融发展评价指标数据的归一化预处理结果（之二）

表4 样本省份科技金融发展评价指标数据的归一化预处理结果（之三）

3.2 一维投影指标函数构建

令向量a=(a1, a2,…, a18)为p维单位投影，则第i个样本的（综合）投影值为一维投影指标函数为其中Sz为投影值z(i)的标准差，Dz为投影值z(i)的局部密度，其值为：

式（2）（3）中：E(z)为序列 {z(i)|i=1,2,…,20}的平均值；R为局部密度的窗口半径；r(i,k)为样本i和k之间的距离；u(t)为单位阶跃函数，当R≥r（i，k）取1，否则取0。

3.3 最佳投影向量及其系数

通过求解一维投影指标函数的最大值，就可以得到模型的最佳投影向量及其系数，即：

借助MATLAB工具运行RAGA最优化算法进行求解，得到Q(a)=1.132 5，最优函数值迭代变化趋势如图1所示，对应的a向量为（0.070 5, 0.189 4, 0.183 7,0.335 1,0.358 7,0.135 8,0.174 4, 0.286 9, 0.140 6,0.332 7, 0.224 5, 0.211 7,0.196 0,0.248 9, 0.381 1,0.137 4, 0.063 0,0.240 0）。其中，投影向量系数越大的指标越重要。在本文评价指标体系的18个指标中，权重大于0.30的指标有新三板挂牌比例（0.38）、R&D投入强度（0.36）、财政支持力度（0.34）、小额贷款公司贷款占比（0.33），前4个指标的权重占总权重约36%；权重大于0.20小于0.30的指标有科技研发资源（0.29）、新三板支持力度（0.25）、对公共技术服务平台投资指数（0.24）、知识产权质押融资力度（0.22）、创业板交易活跃程度（0.21）、创业板支持力度（0.20）；权重大于0.10小于0.20的指标有专利产出指数（0.19）、高新技术企业产出指数（0.18）、科技人力资源指数（0.17）、创投对每个案例平均投资额（0.14）、R&D市场化程度（0.14）、孵化器管理机构从业人员资源指数（0.14）；权重小于0.10的指标有技术市场成交指数（0.07）、孵化器创业导师资源指数（0.06）。

图1 样本省份科技金融发展评价指标数据的最优函数值变化趋势

3.4 科技金融发展指数

表5 样本省份科技金融综合发展指数排名

表5 （续）

表5 （续）

3.5 投影寻踪模型分析结果

本文采用投影寻踪模型对样本各评价指标进行赋权，得到结果显示：新三板挂牌比例、R&D投入强度、财政支持力度对于科技金融的发展具有突出影响作用，且广东省的科技金融发展指数排名在样本省份中排名第三。为了更加直观地体现广东省目前科技金融发展整体状况，本文将科技金融综合发展指数排名前五的样本省份2015年的各指标排名情况进行汇总，见表6所示。科技金融产出方面，广东省的技术市场成交指数靠后，专利产出指数排名中间，而高新技术企业的科技金融产出指数排名靠前，说明广东省的高新技术企业将科研支出转化为净利润的能力较高；风险投资方面，广东省在5个省市中排名靠中后，即平均每项投资案例所获得的资金支持相对较少；科技贷款方面，广东省民间贷款的活跃程度排名靠中后，而专利质押融资排名第一，说明广东省专利权质押工作取得了较好的成效；科技资本市场方面，创业板和新三板对广东省科技型中小企业的支持力度较大；科技金融资源方面，广东省高新技术企业的科研人员占比较少，研发机构比例也较低；科技金融经费方面，广东省的财政支持力度靠后，而企业自主投入研发的经费比例较高；科技企业孵化器方面，广东省的创业导师资源以及孵化器管理水平较高。

表6 2015年样本省份科技金融综合发展指数前五排名单位：位

表6 （续）

4 结论与建议

通过比较2015年我国20个省份的科技金融综合发展指数值可知，北京、江苏、广东、浙江、上海5个省市的科技金融综合指数远远高于其他省份；此外通过投影向量系数大小比较发现，本文构建的科技金融发展评价指标体系中新三板挂牌比例、R&D投入强度、财政支持力度这3个指标对于科技金融的发展具有更突出影响。基于以上结论，对广东省提高科技金融发展水平建议可以从如下几个方面入手：

（1）目前广东省技术市场呈现活跃度不足且成交量有所下降的趋势。从2007—2016年科技金融综合发展指数排名前五的样本各地技术市场成交指数数据中发现，北京市的技术市场成交指数最高，且高于其他省市0.5%～2.5%，也就意味着高新技术企业投入相等的科研经费，在北京市将会产生高于其他省市0.5%～2.5%的技术市场合同金额；而其他4个省市的技术市场成交指数低于1.00%，且都比较接近。广东省的技术成交指数在2015年达到最大值，之后呈现一个波动下降的趋势， 2016年技术市场成交额排名第四。因此，建议广东省进一步完善技术市场交易体制，积极鼓励更多的技术买卖方进入交易市场，同时建立公开透明程度高的交易市场，充分发挥市场能动性，为科技型企业技术交易服务平台注入活力。

（2）进一步加强引进创新型、专业型科研人员。。从统计的2007—2016样本省份科技人力资源指数发现，上海市和北京市的科技人力资源指数始终保持在前两位，广东省的指数则波动较大，在2009年达到峰值，之后回落，2016年为24.12%，排名第三，意味着在广东省高新技术企业的每100个从业人员中，会有约24个科研活动人员，这一比例远低于上海市的33.21%和北京市的32.69%。这意味着加大对教育、科研的投入，包括引进海内外优秀人才，建立更多具有高质量、高标准、高要求的研究机构可以有效地缩小广东省与先进地区的科技金融发展水平。高端研发人才是各地稀缺争夺资源，因此，建议广东省对于创新型、专业性人才引入可以加大支持经费投入和提供更大的优惠政策倾斜。

（3）充分发挥广东省独有的优势，助力科技金融发展。首先广东省作为我国移动互联网应用的起源地，政策环境、市场竞争较为自由，这使得其发展互联网金融具有得天独厚的优势。对于广东省金融高新区而言，互联网金融产业既是探索区域金融、科技、产业创新融合发展的强大推手，也是盘活民间资本、支持科技型企业发展的直接方式。因此，建议广东省在吸取之前互联网平台运营存在的刚性兑付、资金池管理不当等造成经营不善的教训基础上，进一步淘汰问题平台，规范准入门槛标准，不断提高活跃运营平台的透明度和合规程度，为科技金融的发展创造更为有友好的互联网金融环境。

（4）借力粤港澳大湾区建设、科创板设立等利好政策，促进科技与金融充分融合。粤港澳大湾区建设的推进必定加快广东省金融服务的自由化、一体化、国际化和法制化，因此，建议广东省进一步推进金融服务的多元化、差异化发展，加速金融组织体系建设，提升广州市金融总部的集聚力和辐射力；通过推动产业转型升级来加强经济对金融的基础作用，鼓励高端人才从事金融业，借助人才的力量带动金融行业的发展；做好风险监管和征信体系的建设工作，营造诚信有序的金融生态环境。此外，科创板作为独立于主板的板块，是提升服务科技创新企业能力、增强市场包容性、强化市场功能的一项资本市场重大改革举措，同时也是科技型企业融资途径的重要补充，预示着我国金融体系完备程度又上了一个新的台阶，有利于提高科技金融发展，因此，建议广东省积极响应科创板注册制，鼓励资质好、潜力大的科技型企业积极准备申报，并为其上市提供辅导资源。