中部六省金融成熟度的测度与效应研究

穆 澜，郭树华，沈 辉

（1.巢湖学院经济与法学学院，安徽合肥，230000；2.云南大学经济学院，云南昆明，650000）

2021—2025年的“十四五”是中国经济构建现代化经济体，推进经济高质量发展的关键时期。中国经济所处发展阶段的特征与形势的转变倒逼金融改革的加速。“十三五”期间我国金融业发展取得了一定成绩，金融定位得以明确，部分金融风险有效化解，金融监管体系逐步完善，但依然存在亟待解决的问题。这些问题成为制约“十四五”金融业高质量发展的门槛。2019年12月，中央经济工作会议明确指出，要深化金融供给侧结构性改革，支持实体经济发展。2020年两会，关于进一步深化金融供给侧结构性改革成为热议话题，中央银行明确了金融支持稳企业、保就业政策落实的重要使命。中部六省在国内经济中的地位举足轻重，如何在明确区域金融功能定位的基础上，推进“十四五”期间中部六省金融业高质量发展，助推中部六省金融业对区域经济的正向效应已成为学者们迫切关注的问题。因此，从区域金融成熟度角度测量中部六省金融发展水平，并对其经济增长效应展开研究具有重大现实意义，可为推进中部六省金融业高质量发展提供研究基础。

一、文献综述

“成熟度”一词最早由Humphrey于1987年提出，其所构建的SW-CMM模型用来描述软件机构的成熟度层级及其改进途径。SW-CMM模型设计了一种对现有软件层级进行改进的途径，使“成熟度”的概念在不同领域得到推广和使用。诸如，“项目管理成熟度模型”“人力资源管理成熟度模型”“区域创新成熟度模型”“农村金融成熟度”“金融成熟度”“保险成熟度”等。不同学者基于不同的研究领域围绕“成熟度”取得了一定的研究成果。但整体来看，国内外关于“成熟度”在金融领域的研究成果相对薄弱，尚处于研究的初期阶段。高新才、李阳于2009年将“成熟度”的概念引入到金融领域，形成“金融成熟度”指标体系和测算体系，以中国九个省份的农村为研究对象，借助主成分分析方法刻画测量农村金融成熟度并进行排序。刘云生（2009）对金融成熟度进行了理论分析，精准刻画了金融成熟度概念，并依据金融成熟度的理论设计了较为全面、客观的金融成熟度评价指标体系，并指出金融成熟度的指标体系主要涵盖金融总量指标、金融结构指标和金融效率指标三大层面。任兆璋等（2010）采用主成分分析法构建了广东金融成熟度综合指数，刻画了广东省金融发展水平的趋势特征。杨霞（2018）、袁娅敏（2014）、蒲勇健（2013）、张建军（2012）等学者以区域金融为研究对象，通过刻画区域金融成熟度得出了提升区域金融发展水平的路径。蒲勇健、魏亚敏于2013年基于空间面板数据模型，选择标准B收敛模型、空间滞后模型和空间误差模型对我国区域金融发展的B收敛进行了分阶段探索。张建军和陈晨（2012）从东中西部不同区域的金融市场发展视角切入，对比测算了东中西部的区域金融成熟度，根据排序结果显示，我国区域金融发展呈现由东向西的明显梯度差异。综上所述，目前国内关于金融成熟度的理论研究与实证研究相对不足，主要围绕区域金融、农村金融展开金融成熟度的测量，关于省域金融成熟度之间的对比研究成果较少。中部六省的经济金融发展是实现中部区域持续稳定发展的关键，鉴于此，本文通过考察中部六省金融发展水平，对比研究中部六省在金融规模、金融结构和金融效率等不同层面的差异，探讨中部六省金融成熟度综合指数与经济增长水平之间的关系，进而得出推进中部六省经济金融协同发展的机制体系。

二、金融成熟度及指标体系

关于“金融成熟度”的定义及其指标体系，目前学者们主要借鉴使用的是刘云生在《金融成熟度及其评价研究》一文中提出的观点。从生态学的视角，根据金融本身所具备的特征集合与金融成长的状态和过程，金融成熟度可理解为：衡量一个国家或地区金融成长能力与金融运行效率程度高低的指标，反映了一个国家或地区的金融发展能力和轨迹。金融成熟度涵盖了金融总量的增长程度、金融结构的合理程度和金融效率的优化程度。据此，测算金融成熟度的指标体系可划分为金融规模指标、金融结构指标和金融效率指标。金融成熟度的测算是把握一个国家或地区金融发展水平和金融成长程度的一个关键、有效、客观的指标。本文借鉴刘云生（2009）的金融成熟度指标体系，从金融规模指标、金融结构指标和金融效率指标三个维度在银行业、证券业、保险业选择15个指标构建省域金融成熟度指标体系，如表1所示。

表1 城市金融成熟度指标体系

三、金融成熟度综合指数的构建

根据金融成熟度的定义和衡量指标，采用一定的统计方法对指标体系进行整合，构成一个能反映金融成长能力和效率的综合指标，即金融成熟度综合指数。处理具有一定相关性的多个指标常用的统计方法主要是主成分分析法、因子分析法等。在对比了多种统计方法的优势的基础上，本文选择主成分分析法。在金融成熟度综合指数的构建中，首先以安徽省为例，详细描述安徽省金融综合指数的构建过程与趋势图；而后描述其它五省的金融成熟度综合指数的结果与趋势图，进而整合中部六省的金融成熟度综合指数趋势图并进行对比分析；最后对中部六省金融成熟度综合指数的经济增长效应进行验证。

（一）模型选择

主成分分析法是通过降维思想将具有内在结构关系的指标体系转化为能包含多数指标信息的少数几个相互独立指标的统计方法。该统计方法所得到的综合指标建立在分析指标间的内在结构关系而确定的权数，确保了分析结果的客观性。

主成分分析的基本思想是将原有随机变量中相关的分量通过正交变换转化成其不相关的新随机变量：

X=(x1,x2,…,xP)T⇒C=(y1,y2,…,yp)T

使之指向样本点散布最开的p个正交方向，之后对多维变量系统降维处理，使之能以一个较高的维度转换成较低维度系统。

（二）定义变量与数据预处理

本文以中部六省（安徽、河南、山西、江西、湖北、湖南）为研究区域，采用2008—2018年的相关数据来测算城市金融成熟度。数据来源于历年的《中国统计年鉴》《中国金融统计年鉴》《同花顺iFind》《前瞻数据库》各省统计年鉴及各省证监会、银监会、保监会官网数据。为了剔除不同省份各类原始统计数据在统计口径上的差异对最终结果可能带来的影响，先对所有变量指标取对数，将取对后的变量指标分别命名为Xi。由于各个指标之间的单位不一致，故在进行成熟度的构建之前先将指标值进行无钢化处理，无钢化以后的安徽省区域的指标变量的均值和方差如表2所示。

表2 指标变量的均值和方差

（三）安徽省金融成熟度综合指数的测算过程与结果

1.计算过程与结果

结合标准化的数据借助SPSS19.0进行主成分分析，得到总方差解释表（见表3）。观察表3可知，前两个主成分特征值均大于1，且累计贡献率占到总方差的88.87%，根据主成分分析法提取主成分个数的原则，主成分对应的特征值大于且累计贡献率达到85%以上，说明前两个主成分满足主成分分析的提取原则，表示提取前两个主成分基本能较好地反应整组数据。故可以选择前两个主成分来构建金融成熟度综合指数。

表3 总的方差解释

借助初始因子载荷矩阵（见表4），用初始因子载荷矩阵除去主成分对应的特征值开平方根，将得到主成分中各个指标相对应的系数，分别记为S1、S2。将金融成熟度综合指数的总的系数记为TS，S1、S2、TS的值可见表5。

表4 初始因子载荷矩阵

表5 系数矩阵

利用计算公式

根据金融成熟度指数（IFS）计算公式

可得到安徽省金融成熟度综合指数（见表6）。其中，a、b、c、d、e、f分别代表安徽、河南、山西、江西、湖北、湖南六省份。

表6 安徽省金融成熟度综合指数

据表6可知，安徽省2008—2018年的金融成熟度综合指数呈现持续性稳步增长的趋势，但增幅区间波动不大。2014年、2016年相对其它年份增幅较大。纵观安徽省金融规模、金融结构、金融效率的发展数据，金融结构与金融效率均在稳步小幅提升，而金融规模的扩张速度较快，可见金融规模的扩张对金融成熟度有促进作用但影响系数偏低。2014年与2016年金融相关比、证券化程度与保险密度增幅较大是刺激金融成熟度提升较快的重要成因。因此可以得出，金融规模、金融结构、金融效率对金融成熟度均有正向作用，但金融结构与金融效率对金融成熟度的影响作用更显著。

（四）中部六省金融成熟度综合指数对比

根据公式（1）（2）并结合各指标的原始数据，可依次计算得到河南、山西、江西、湖北、湖南五省的金融成熟度综合指数（见表7）。在河南、山西、江西、湖北、湖南五个省份的金融成熟度的构建过程中，提取的主成分严格按照主成分对应的特征值大于且累计贡献率达到85%以上的基本原则，最终提取的主成分个数不同，根据总的方差解释、初始因子载荷矩阵与系数矩阵，及成熟度综合指数计算公式最终得到河南、山西、江西、湖北、湖南五省的金融成熟度综合指数。

表7 中部六省金融成熟度综合指数

横向对比中部六省的金融成熟度综合指数（表7）及趋势图（图1）可以发现，安徽省IFS最高，湖南省IFS最低，河南与江西的IFS较为接近，湖北省IFS明显优于湖南省IFS，山西与湖南的IFS较为接近。中部六省的金融成熟度综合指数均呈现出缓慢稳步上升趋势。六省的金融规模迅速扩张，但金融成熟度指数变动不显著，说明金融规模扩张对金融成熟度的贡献不强。中部六省中转折点的出现基本均是由证券业的规模和结构发生较大调整引起，说明在银行业作为传统金融发展的主要力量时，均衡发展证券业、保险业对提高区域金融成熟度十分必要，要形成银行业、证券业与保险业全面高质量发展的格局。纵向对比中部六省金融成熟度综合指数可以发现，金融规模、金融结构和金融效率指标对六省金融成熟度的提升影响程度不同，计算过程和计算结果显示：2008—2018年期间，总量指标对六省金融成熟度的影响较大，金融结构指标和金融效率指标的影响作用尚存在较大空间。

图1 中部六省金融成熟度趋势图

结合所选指标对应的实际数据可以发现安徽省在金融规模、金融效率、金融结构方面明显优于湖南省。2017年六省的IFS均呈不同程度的下降，其中河南与江西降幅最大。两省IFS指数下降均和证券业债券筹资规模大幅下滑、证券化程度弱化及存贷比下降有直接关系。安徽省2016年IFS降幅较大主要是由于证券业债券筹资规模下降及证券化程度减弱。湖北省2009年由于保险赔付及存贷比的下降导致IFS降幅较大。综上可知，金融规模、金融结构与金融效率的指标层所选指标的变动均会对金融成熟度产生一定影响，且金融规模的扩张，金融结构的优化及金融效率的提升对金融成熟度均产生正向的积极影响。

四、中部六省金融成熟度综合指数的效应检验

金融成熟度综合指数的提升意味着金融结构、金融规模、金融效率某一指标层或多指标层发生了变化。优化金融结构、扩大金融规模、提升金融效率均会对金融成熟度综合指数产生向好的影响，而这些层面的积极变化必将对区域经济的增长带来促进。金融结构的优化会促进金融资源的优化配置从而促进经济增长；金融规模的扩大有助于金融资本的加速聚集和积累，进而为经济增长提供动力；金融效率的改进则会提高区域投资总量，是区域经济增长的源泉。基于以上作用机制，展开中部六省金融成熟度综合指数IFSj对经济增长QGDPj效应检验。借助VAR模型挖掘中部六省金融成熟度对其经济增长的作用方向和程度。VAR模型构建的第一步是确定最优滞后阶数，在确定好最优阶数基础上对VAR模型的稳定进行检验，在满足模型稳定性的条件后方可对VAR模型进行格兰杰因果检验、方差分解和脉冲响应分析。金融成熟度综合指数与经济增长效应检验主要借助脉冲响应分析来实现。在数据处理上，对中部六省金融成熟度综合指数与经济总量均采取自然取对处理。由于河南、山西两个省份数据不满足模型平稳性检验的条件，而安徽、江西、湖北、湖南四省数据指标满足数据指标平稳性检验的条件，故主要针对这四省展开检验。

借助信息准则与LR检验法对VAR模型的最优滞后阶数进行确定，得出关于四省所选变量VAR模型的最优阶数i（见表8）及相应的VAR模型（见表9）。从而对VAR（i）进行特征根检验，检验结果显示：中部四省所对应的VAR模型特征根均在单位圆内，表明其VAR稳定，可展开脉冲响应分析。

表8 VAR模型最优滞后阶数的判定结果

表9 VAR（i）的构建

依次对安徽、江西、湖北、湖南四省的VAR展开脉冲响应分析，从而得到脉冲响应图2～5，图2的安徽省VAR（2）模型的脉冲响应说明：金融成熟度对经济增长有滞后2期的循环正向效应，滞后5期达到首次峰值，滞后9期达到二次峰值，且二次峰值高于一次峰值。出现循环峰值的原因一方面很可能是安徽省金融规模、金融结构与金融效率发生调整后对经济增长的影响过程在时间上不同步，一方面可能是金融成熟度刺激经济增长，经济增长又反过来作用于金融规模、金融结构与金融效率，从而形成金融规模扩张、金融结构优化、金融效率提升与经济增长的良性循环效用。图3中的江西省VAR（3）模型的脉冲响应图说明：金融成熟度对经济增长有滞后1期的正向影响，并在第3期达到峰值，而后影响程度随时间减弱。图4中的湖北省VAR（2）模型的脉冲响应说明：金融成熟度对该省经济增长有滞后1期的正向循环影响，首次峰值出现在3期，高于出现在9期的二次峰值。图5中的湖南省VAR（2）模型的脉冲响应图同样说明：当给金融成熟度一个冲击时，会给经济增长带来正向影响，并在滞后4期达到最大影响，而后随时间减弱。

图2 脉冲响应分析——安徽

图3 脉冲响应分析——江西

图4 脉冲响应分析——湖北

图5 脉冲响应分析——湖南

综上可知，当对FSIj实施一定的冲击后，4个VAR模型均会对QGDPj产生正的刺激，即FSIj的冲击会对区域经济增长产生有利影响，并存在区域经济不同特征下的循环正向效用，故经济增长速度的稳定性离不开金融规模的扩张、金融结构的优化与金融效率的提升，经济增长又反过来刺激金融规模的扩张、金融结构的优化与金融效率的提升，形成经济增长与金融发展的互动循环。

五、结论与建议

本文研究表明，金融规模、金融结构与金融效率三个维度对金融成熟度均有影响，金融成熟度综合指数与区域金融的总体运行情况吻合，能够较好地反映中部六省金融运行的规律、差异、问题以及各省的金融发展趋势。

结合文中分析结果，在中部六省金融发展的过程中，要从金融规模、金融结构与金融效率三个不同的维度进行调整升级，走内涵式质量型金融发展之路，侧重金融供给侧结构性改革。

第一，区域金融发展要坚持协调可持续。不能盲目进行金融规模的扩张，银行业、证券业与保险业要控制行业扩张的速度，追求行业规模效用，走质量型发展路径，注重金融服务、金融科技、金融创新，落实金融发展助推实体经济高质量发展。金融服务要以实体经济运行中的需求为导向，坚持金融对企业发展、社会就业的政策落实，金融机构对企业融资要因企业需求而异，提升对中小微企业的融资支持力度，引导投资转化率，提升金融成熟度，助力实体经济增长。金融科技用科技助力金融产品、金融模式的升级提质，增加金融服务经济的效果，深度融合科技与金融业务各个领域，从而驱动银行业务、证券业务、保险业务的高质发展。

第二，区域金融发展要优化金融结构。深入区域经济发展实际，增强金融结构的市场主导性，深化证券化深度，提升保险密度。形成政府引导、金融机构参与市场机制相结合的金融结构优化机制，发挥政府部门的引领作用，赋予金融机构更大的自主权利空间，进一步挖掘金融潜力，遵循资本市场运行的基本规律，提升金融机构的抗风险能力，有效促进产融结合。丰富金融多样性，通过金融结构的优化更好地发挥金融发展的规模效应，促进区域实体产业结构的调整升级。

第三，区域金融效率要逐步提升。金融效率的提升离不开良好的金融生态环境、高效的金融资源配置和适度的金融开放。区域经济要加快转型升级，不断提升经济质量，健全社会信用体系，借助多种渠道和手段降低金融机构不良资产的规模，从而净化金融生态环境。合理优质地配置金融资源，借助大数据、互联网、区块链技术等合理高效配置金融。省域内部或省级之间依托国家金融区域战略打造具有一定资源整合能力的大型金融机构，发挥其金融供给能力。逐步形成具有创新能力的金融试验区，培育区域金融创新项目。推动区域金融聚集，发挥金融聚集对区域产业的动力作用及区域产业对区域经济的增长作用。依托互联网、区块链技术建设区域金融网格，增强区域金融资源配置能力。