區域科技金融發展評價指標體系
——基于投影尋蹤模型分析

楊建輝，黎綺熳，謝潔儀

(華南理工大學工商管理學院，廣東廣州 510640)

重視科技金融工作，鼓勵金融創新，如何更好地促進科技與金融結合已經成為新常態下經濟發展的重要課題。建立有效的科技金融評估監測機制，可以促進科技金融對中小微企業發展的支持，助推產業的升級。目前，國內缺少專門衡量科技金融發展的統計體系，這對于及時發現科技金融發展過程中出現的問題極其不利。要推動科技金融的發展，就有必要建立科學、合理且及時的科技發展評價體系，通過合理及時的評估，及時發現科技金融發展過程中出現的問題并改進。

1 科技金融概念及主要研究概述

科技金融一般來說是指促進科技開發、成果轉化和產業化的一系列金融政策、金融制度、金融工具和金融服務的系統性、創新性安排，是由向科技創新活動提供金融資源的各種主體（包括政府、企業、市場、社會）及其行為活動共同組成的體系［1］。科技金融主要是圍繞以下兩種形式來開展的：一是政府主導的通過直接注資或者建立為引導民間資本進入科技型企業的母基金；第二種則是多元化的科技型企業融資渠道，具體包括多層次資本市場、科技信貸與科技保險、創業風險投資、互聯網金融等。

“科技金融”為我國專有名詞，國外鮮少有學者建立指標體系對其進行動態評價，但是在金融對于科技創新的促進作用上，國外大多數學者都已經達成共識。對于銀行、資本市場、風險投資等對科技創新的重要促進作用有大批學者進行研究，如，約瑟夫·熊彼特［2］認為信貸是現代工業體系建立的前提，現代工業體系只有依靠創新才能建立，而信貸對于實現創新又是至關重要的，銀行信用在創新中的重要作用就在于為生產要素的重新組合提供必需的購買力；Levine等［3］采用實證方法驗證了股票市場的發展和經濟增長有顯著的正向關系；Kaplan等［4］指出，風險投資不僅能夠在一定程度上緩解科技型中小企業的融資需求，而且還能夠為科技型中小企業提供全方位增值服務，比如引入先進的管理經驗、提供技術或客戶資源等等，同時，由于風險投資機構介入企業經營，向企業注入先進管理經驗能夠有效降低科技型中小企業的融資成本。

國內對于如何建立評價科技金融發展狀況的指標體系，在指標選取、評價方法上有一些研究。總體上看，相較于我國業已形成的以金融中介主導，風險投資、多層次資本市場等充當重要補充的多元化科技金融體系，量化金融對科技創新活動支持力度的統計體系處于相對滯后水平［5］。在評價指標選取方面，李文森［5］提出科技金融統計體系不僅有總量指標，還要有一系列結構性指標；楊曉麗［7］提出應該分層次多角度構建科技金融統計指標核心體系及支撐指標，在準確測定及劃分科技、金融、政府層次的基礎上，提煉構建簡潔且完備的科技金融支撐體系，并透析各方在科技金融發展中的角色定位；梁偉真等［8］從科技金融結構、科技金融發展程度、科技金融效果以及科技金融環境這4個方面構建科技金融的綜合評價指標體系等。在評價方法上，數據包絡分析法（DEA）、BP神經網絡模型在評價金融與科技融合效益上常被運用，但是數據包絡分析法存在無法依據指定參考集提供評價信息，不利于決策者根據評價結果進行有效改進；BP神經網絡要求訓練樣本大，分類結果會因為不同閾值的設定出現差異，泛化能力差。基于此，本文考慮采用模型結構簡單、數學意義清晰，便于后續應用的投影尋蹤方法，從科技產出、投融資體系和支撐體系3個維度出發來實現對科技金融發展的評價與分析［9-10］。

2 科技金融發展評價指標體系構建

2.1 指標選取

科技金融指標的設計既具有一般發展指標體系的特點，又存在其獨特性。在指標的選取上，本文從科技產出、投融資體系和支撐體系3個維度出發，用比型指標、不用總量等規模指標以消除總量或規模的差異性影響，同時盡可能使用能夠量化的指標，并按可操作性的原則選取指標。指標體系在構建的過程中，以獲取容易、可度量性、可比性以及多維度評價作為選取指標的出發點，最終選取18個三級指標涵蓋科技產出、投融資體系和支撐體系3個維度，具體計算方法見表1所示。

表1 我國區域科技金融發展評價指標體系

2.2 研究對象和數據來源

本文以廣東省科技金融發展情況為主要研究對象，以北京、上海、江蘇、浙江等19個省份為對標省份，對科技金融相關方面進行統計。在實證部分，搜集了該20個省份（以下簡稱樣本省份）2015年的18個三級指標（如表1）數據。本文指標數據均來自公開權威資料。其中，互聯網金融資料來自網貸之家和眾籌家；知識產權質押融資金額數據搜集方面，由于各地知識產權局沒有專門對知識產權質押情況進行統計，本文主要從各地知識產權局發布的消息中搜集；涉及創業板的數據來自深圳證券交易所，新三板的融資數據來源于我國中小企業股份轉讓系統發布的快報；科技企業孵化器數據來自科學技術部火炬高技術產業開發中心；其他數據均來自《中國科技統計年鑒》以及萬得資訊（Wind）數據庫。

3 建模及實證結果

投影尋蹤聚類分析的實質是一種降維處理技術，具體思路是通過尋找最能反映待評價問題綜合指標特性的投影方向，將多個影響因素線性投影進而得到相對應的投影特征值，然后再建立其與因變量之間的映射關系，最后將高維問題轉換為一維問題進行分析研究［11-12］。

3.1 指標數據歸一化預處理

根據上述構建的評價指標體系，為擴大指標體系的適用性，本文搜集20個樣本省份2015年關于以上指標體系的18個指標（相對值）的數據，得到以下結果：設各指標值的數據集為{x(i,j)|i=1,2,…,20;j=1,2,…,18}，其中x(i,j)為第i個省份第j個指標值；為消除各指標值的量綱和統一各指標值的變化范圍，采用下式進行極值歸一化處理（指標都是正向指標）：

經過處理，得到結果分別如表2至表4所示。

表2 樣本省份科技金融發展評價指標數據的歸一化預處理結果（之一）

表2 （續）

表3 樣本省份科技金融發展評價指標數據的歸一化預處理結果（之二）

表4 樣本省份科技金融發展評價指標數據的歸一化預處理結果（之三）

3.2 一維投影指標函數構建

令向量a=(a1, a2,…, a18)為p維單位投影，則第i個樣本的（綜合）投影值為一維投影指標函數為其中Sz為投影值z(i)的標準差，Dz為投影值z(i)的局部密度，其值為：

式（2）（3）中：E(z)為序列 {z(i)|i=1,2,…,20}的平均值；R為局部密度的窗口半徑；r(i,k)為樣本i和k之間的距離；u(t)為單位階躍函數，當R≥r（i，k）取1，否則取0。

3.3 最佳投影向量及其系數

通過求解一維投影指標函數的最大值，就可以得到模型的最佳投影向量及其系數，即：

借助MATLAB工具運行RAGA最優化算法進行求解，得到Q(a)=1.132 5，最優函數值迭代變化趨勢如圖1所示，對應的a向量為（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，投影向量系數越大的指標越重要。在本文評價指標體系的18個指標中，權重大于0.30的指標有新三板掛牌比例（0.38）、R&D投入強度（0.36）、財政支持力度（0.34）、小額貸款公司貸款占比（0.33），前4個指標的權重占總權重約36%；權重大于0.20小于0.30的指標有科技研發資源（0.29）、新三板支持力度（0.25）、對公共技術服務平臺投資指數（0.24）、知識產權質押融資力度（0.22）、創業板交易活躍程度（0.21）、創業板支持力度（0.20）；權重大于0.10小于0.20的指標有專利產出指數（0.19）、高新技術企業產出指數（0.18）、科技人力資源指數（0.17）、創投對每個案例平均投資額（0.14）、R&D市場化程度（0.14）、孵化器管理機構從業人員資源指數（0.14）；權重小于0.10的指標有技術市場成交指數（0.07）、孵化器創業導師資源指數（0.06）。

圖1 樣本省份科技金融發展評價指標數據的最優函數值變化趨勢

3.4 科技金融發展指數

表5 樣本省份科技金融綜合發展指數排名

表5 （續）

表5 （續）

3.5 投影尋蹤模型分析結果

本文采用投影尋蹤模型對樣本各評價指標進行賦權，得到結果顯示：新三板掛牌比例、R&D投入強度、財政支持力度對于科技金融的發展具有突出影響作用，且廣東省的科技金融發展指數排名在樣本省份中排名第三。為了更加直觀地體現廣東省目前科技金融發展整體狀況，本文將科技金融綜合發展指數排名前五的樣本省份2015年的各指標排名情況進行匯總，見表6所示。科技金融產出方面，廣東省的技術市場成交指數靠后，專利產出指數排名中間，而高新技術企業的科技金融產出指數排名靠前，說明廣東省的高新技術企業將科研支出轉化為凈利潤的能力較高；風險投資方面，廣東省在5個省市中排名靠中后，即平均每項投資案例所獲得的資金支持相對較少；科技貸款方面，廣東省民間貸款的活躍程度排名靠中后，而專利質押融資排名第一，說明廣東省專利權質押工作取得了較好的成效；科技資本市場方面，創業板和新三板對廣東省科技型中小企業的支持力度較大；科技金融資源方面，廣東省高新技術企業的科研人員占比較少，研發機構比例也較低；科技金融經費方面，廣東省的財政支持力度靠后，而企業自主投入研發的經費比例較高；科技企業孵化器方面，廣東省的創業導師資源以及孵化器管理水平較高。

表6 2015年樣本省份科技金融綜合發展指數前五排名單位：位

表6 （續）

4 結論與建議

通過比較2015年我國20個省份的科技金融綜合發展指數值可知，北京、江蘇、廣東、浙江、上海5個省市的科技金融綜合指數遠遠高于其他省份；此外通過投影向量系數大小比較發現，本文構建的科技金融發展評價指標體系中新三板掛牌比例、R&D投入強度、財政支持力度這3個指標對于科技金融的發展具有更突出影響。基于以上結論，對廣東省提高科技金融發展水平建議可以從如下幾個方面入手：

（1）目前廣東省技術市場呈現活躍度不足且成交量有所下降的趨勢。從2007—2016年科技金融綜合發展指數排名前五的樣本各地技術市場成交指數數據中發現，北京市的技術市場成交指數最高，且高于其他省市0.5%～2.5%，也就意味著高新技術企業投入相等的科研經費，在北京市將會產生高于其他省市0.5%～2.5%的技術市場合同金額；而其他4個省市的技術市場成交指數低于1.00%，且都比較接近。廣東省的技術成交指數在2015年達到最大值，之后呈現一個波動下降的趨勢， 2016年技術市場成交額排名第四。因此，建議廣東省進一步完善技術市場交易體制，積極鼓勵更多的技術買賣方進入交易市場，同時建立公開透明程度高的交易市場，充分發揮市場能動性，為科技型企業技術交易服務平臺注入活力。

（2）進一步加強引進創新型、專業型科研人員。。從統計的2007—2016樣本省份科技人力資源指數發現，上海市和北京市的科技人力資源指數始終保持在前兩位，廣東省的指數則波動較大，在2009年達到峰值，之后回落，2016年為24.12%，排名第三，意味著在廣東省高新技術企業的每100個從業人員中，會有約24個科研活動人員，這一比例遠低于上海市的33.21%和北京市的32.69%。這意味著加大對教育、科研的投入，包括引進海內外優秀人才，建立更多具有高質量、高標準、高要求的研究機構可以有效地縮小廣東省與先進地區的科技金融發展水平。高端研發人才是各地稀缺爭奪資源，因此，建議廣東省對于創新型、專業性人才引入可以加大支持經費投入和提供更大的優惠政策傾斜。

（3）充分發揮廣東省獨有的優勢，助力科技金融發展。首先廣東省作為我國移動互聯網應用的起源地，政策環境、市場競爭較為自由，這使得其發展互聯網金融具有得天獨厚的優勢。對于廣東省金融高新區而言，互聯網金融產業既是探索區域金融、科技、產業創新融合發展的強大推手，也是盤活民間資本、支持科技型企業發展的直接方式。因此，建議廣東省在吸取之前互聯網平臺運營存在的剛性兌付、資金池管理不當等造成經營不善的教訓基礎上，進一步淘汰問題平臺，規范準入門檻標準，不斷提高活躍運營平臺的透明度和合規程度，為科技金融的發展創造更為有友好的互聯網金融環境。

（4）借力粵港澳大灣區建設、科創板設立等利好政策，促進科技與金融充分融合。粵港澳大灣區建設的推進必定加快廣東省金融服務的自由化、一體化、國際化和法制化，因此，建議廣東省進一步推進金融服務的多元化、差異化發展，加速金融組織體系建設，提升廣州市金融總部的集聚力和輻射力；通過推動產業轉型升級來加強經濟對金融的基礎作用，鼓勵高端人才從事金融業，借助人才的力量帶動金融行業的發展；做好風險監管和征信體系的建設工作，營造誠信有序的金融生態環境。此外，科創板作為獨立于主板的板塊，是提升服務科技創新企業能力、增強市場包容性、強化市場功能的一項資本市場重大改革舉措，同時也是科技型企業融資途徑的重要補充，預示著我國金融體系完備程度又上了一個新的臺階，有利于提高科技金融發展，因此，建議廣東省積極響應科創板注冊制，鼓勵資質好、潛力大的科技型企業積極準備申報，并為其上市提供輔導資源。