中國金融科技發展的區域差異、分布動態及收斂特征

呂承超 何加豪

[摘 要：本文在把握金融科技內涵的基礎上構建中國金融科技發展水平指標體系，采用時空極差熵權法測算2016—2021年中國30個省份的金融科技發展水平，并運用Dagum基尼系數、核密度估計、馬爾可夫鏈、σ收斂和時空β收斂等方法分別對中國金融科技發展水平的區域差異、分布動態及收斂特征進行研究。研究結果表明，中國金融科技發展水平總體呈逐漸上升趨勢，四大區域金融科技發展水平呈東部、中部、東北和西部逐漸走低趨勢；金融科技發展水平總體差異主要來源于區域間差異；全國及四大區域金融科技發展水平呈上升趨勢，絕對差異呈逐漸縮小趨勢；金融科技發展水平較高省份呈自我強化態勢；全國及四大區域金融科技發展水平呈σ收斂特征；四大區域金融科技發展水平的時空β收斂存在明顯差異，東北呈發散特征，西部、東部和中部的收斂速度高于全國收斂速度，隨著時間推移，各區域金融科技發展水平差異逐漸縮小。

關鍵詞：金融科技發展；指標體系；區域差異；分布動態；收斂特征

中圖分類號：F832文獻標識碼：A文章編號：1000?176X（2023）04?0043?15 ]

一、問題的提出

《中華人民共和國國民經濟和社會發展第十四個五年規劃和2035年遠景目標綱要》明確提出：“穩妥發展金融科技，加快金融機構數字化轉型”。2021年12月31日，中國人民銀行印發的《金融科技發展規劃（2022—2025年）》（以下簡稱《規劃》）指出，我國金融科技發展同時面臨諸多挑戰，發展不平衡不充分的問題不容忽視；金融科技逐步邁入高質量發展的新階段，力爭到2025年，整體水平與核心競爭力實現跨越式提升?，F階段區域間金融發展不平衡問題依然存在，《規劃》重在解決金融科技發展不平衡不充分等問題。因此，在加快構建新發展格局的背景下，研究中國金融科技發展水平的區域差異、分布動態及收斂特征，對在充分把握中國金融科技發展空間演變規律的基礎上采取有差別的金融科技發展措施具有一定參考作用。

關于金融科技的概念，目前在學術界尚未有統一界定。Gomber等［1］提出，金融科技是現代化技術與金融服務行業的融合；易憲容等［2］則指出，金融科技的本質是技術信息的去信用化。被大多數學者所認可的是2016年由金融穩定委員會（Financial Stability Board）提出的定義，“金融科技”主要是指由大數據、區塊鏈、云計算和人工智能等新興前沿技術帶動，對金融市場以及金融服務業務供給產生重大影響的新興業務模式、新技術應用、新產品服務等。

金融科技的快速發展將重塑金融市場結構和金融生態，影響范圍持續擴大?，F有研究表明，金融科技能促進金融服務行業生態系統創新［3］，推動普惠金融廣泛應用［4］，進而帶動產業結構轉型和經濟發展［5］。此外，信息技術不斷發展可以促進金融科技可持續發展［6］，同時提升金融效能，推動數字經濟高質量發展?；诖?，本文將重點研究以下三個問題：一是在數字經濟背景下如何選取合適的指標科學全面地衡量金融科技發展水平？二是全國各區域金融科技發展水平具有怎樣的變動趨勢，變動存在一致性還是具有明顯差異？如果具有明顯差異，那么差異來源主要是區域內差異還是區域間差異？三是在時間和空間維度下中國金融科技發展水平的分布動態演進趨勢如何，各區域存在怎樣的收斂特征？

目前關于金融科技發展的研究主要集中在三個方面：一是金融科技發展對商業銀行的影響研究。金融科技對商業銀行可持續發展和信用風險管理有顯著正向影響［7］；Jarunee［8］發現，金融科技能促進銀行業系統性創新；Virginia等［9］認為，金融科技發展促使銀行業開始加快數字化轉型；商業銀行應利用金融科技降低信息不對稱成本［10］，規范銀行信用監管體制［11］，從而提升整體經濟效益。二是金融科技發展對企業創新發展的影響研究。金融科技能促進企業［12］和地區層面的創新發展［13］，要縮小區域間金融科技發展水平差異，需要提升金融科技企業發展水平［14］，加大幫扶力度，以推動地區金融科技發展產生合力［15］。三是金融科技發展對金融風險監管的影響研究。Muganyi等［16］發現，金融科技在金融監管領域得以應用能明顯改善金融發展成果；金融科技促使金融領域數字化標準和規則不斷完善［17］，從而進一步推動金融風險防范和強化金融監管；金融科技在提高金融服務效率的同時會帶來一定的系統性風險［18］，需要不斷優化升級金融監管手段［19］，保證金融科技行業平穩有效運行。

隨著金融科技的蓬勃發展，如何衡量金融科技發展水平成為學術界和業界關注的焦點。國外學者主要采用全球普惠金融數據庫中移動支付賬戶或銀行賬戶下的金融交易數據作為金融科技發展水平的代理變量［20］。Haddad和Hornuf［21］采用金融科技初創企業數量衡量金融科技發展水平。國內關于金融科技發展水平的衡量方式主要分為三類：一是郭品和沈悅［22］通過搜索引擎查找金融科技相關關鍵詞［23］，再統計詞匯構建金融科技指數［24］。楊松令等［25］基于巨靈財經資訊系統，運用Python網絡爬蟲技術構建金融科技發展水平指標。二是基于北京大學數字金融研究中心發布的數字普惠金融指數衡量金融科技發展水平。邱晗等［26］為避免內生性影響，只選擇覆蓋廣度衡量地區金融科技發展水平，其他大部分學者都直接選取其中部分指標來衡量金融科技發展水平［27］。三是基于金融科技相關領域的指標衡量金融科技發展水平。張紅偉等［28］綜合考慮研究目標和可操作性，選用各省級地區P2P網貸年成交量和P2P網貸資金年末余額來衡量地區金融科技發展水平。

綜上所述，本文在把握金融科技內涵的基礎上構建金融科技發展水平指標體系，采用時空極差熵權法測算2016—2021年中國30個省份（不含西藏和港澳臺地區）的金融科技發展水平，并從時空維度分析金融科技發展水平的區域差異、分布動態和收斂特征。本文的邊際貢獻主要在于：一是根據金融科技發展基本內涵和中國現階段對金融科技發展的要求，構建金融科技發展水平指標體系并進行測算。二是采用Dagum基尼系數、核密度估計、馬爾可夫鏈、σ收斂和時空β收斂等方法，探究中國金融科技發展水平的區域差異、分布動態及收斂特征。

二、中國金融科技發展水平指標體系構建及測度方法

（一）金融科技發展水平指標體系構建

1.指標體系遴選依據

本文構建的指標體系主要遵循以下三個遴選依據：現實依據、理論依據和政策依據?，F實依據是指數據的獨立性、可得性和代表性，主要用于具體衡量指標的遴選。2020年10月22日，中國人民銀行發布的《金融科技發展指標》中提到金融科技發展區域指標，該指標所涉及數據的可得性和代表性有待檢驗，但為學術界提供了借鑒。理論依據是指金融科技發展水平指標體系構建的理論成果，其研究對象主要集中在國際層面、金融科技中心城市層面和企業層面，對于從多維度構建省際金融科技發展水平指標體系的研究相對較少。政策依據是指中國人民銀行印發的《金融科技（FinTech）發展規劃（2019—2021年）》《規劃》中關于金融科技發展的相關闡釋。

2.指標體系構建詳情

（1）指標體系構成。本文遵循指標體系三大遴選依據，構建金融科技發展水平指標體系。具體而言，金融科技發展水平是目標層，共設立金融科技產業、金融科技應用和金融科技生態3個一級指標（子系統），其中金融科技產業和金融科技應用子系統分別包括兩個二級指標，金融科技生態子系統包括7個二級指標，共包括20個具體衡量指標，力求全面、客觀和系統地反映不同省份金融科技發展水平，如表1所示。

（2）數據來源。金融科技發展水平指標體系共包括20個具體衡量指標，考慮到2016年金融科技產業才正式成為國家政策引導方向，同時部分指標數據缺失較為嚴重，本文選取2016—2021年中國30個省份（不含西藏和港澳臺地區）的數據進行研究。金融科技產業維度的數據來自CSMAR數據庫；金融科技應用維度的數據來自北京大學數字金融研究中心發布的《北京大學數字普惠金融指數（2011—2021年）》［29］；金融科技生態維度的數據來自EPS數據庫、《中國統計年鑒》、《中國科技統計年鑒》、《中國人口與就業統計年鑒》、《國家知識產權局統計年鑒》和國家統計局及各省份統計局門戶網站。對于部分省份的缺失數據，本文采用線性插值法進行補充完善，同時對指標進行標準化處理，確保數據具有可比性。

（二）金融科技發展水平指標體系測度方法

金融科技發展水平指標體系具有多維度、多層次特征，且各指標單位、性質均有差異，不能通過簡單加總進行評價。目前，金融科技發展水平的測度方法主要包括主成分分析法［30］、因子分析法［31］和變異系數賦權法［32］。主成分分析法和變異系數賦權法過于客觀，對于指標實際意義的衡量不夠，在指標測度時存在一定的誤差；因子分析法是將大部分信息濃縮到比較少的指標中，但其中因子的意義無法完全確定，誤差較大，衡量層面較為單一?；诖耍疚慕梃b張友國等［33］與毛冰［34］的時空極差熵權法為金融科技發展水平各級指標賦權，該方法的優勢在于充分利用指標在時間和空間雙重維度上的信息，從而更加全面地反映出指標在時空維度對評價目標的區分度，而且時空極差熵權法能夠動態更新各指標的權重。具體方法如下：

首先，對各指標數據進行標準化處理，通過極差法消除指標之間因量綱和數量級不同而帶來的影響，分別得到正向指標[Xpdz=xpdz-min （xpdz）maxxpdz-min （xpdz）]和負向指標[Xpdz=maxxpdz-xpdzmaxxpdz-min（xpdz）]，其中，p表示省份，d表示年份，z表示指標；[xpdz]和[Xpdz]分別表示初始指標值和標準化后的指標值，max（[xpdz]）和min（[xpdz]）分別表示[xpdz]的最大值和最小值。其次，計算各指標所占比重[Ypdz]，并得出各指標的信息熵[Oz]，具體可表示為：[Oz=-1ln （a×b）p=1ad=1bYpdz×ln （Ypdz）]。其中，a表示指標數，b表示評價年數。再次，算出各指標的差異性系數[Hz]，并據此得到各指標權重[Qz]，具體可表示為：[Qz=Hz（z=1b×Hz）]。最后，計算綜合評價得分，如式（1）所示。其中，綜合評價得分介于0—1之間，[Upd]的數值越大，說明第p省份在第d年的金融科技發展水平越高；反之，則越低。

[Upd=z=1b（Hz×Xpdz）]? ? ? ? ? ? ? ? ? ? ? ? ?（1）

（三）金融科技發展水平區域差異、分布動態及收斂特征的測度方法

1.Dagum基尼系數及其分解

為解釋中國金融科技發展水平差異及來源，本文采用Dagum基尼系數及其分解法，將30個省份劃分為東部、中部、西部和東北四大區域進行研究。不同于傳統基尼系數，Dagum基尼系數將總體基尼系數（G）劃分為區域間差異（[Gw]）、區域內差異（[Gn]）和超變密度（[Gt]），且[G=Gw+Gn+Gt]。該方法能夠充分體現出子樣本的分布形式，避免子樣本數據集之間的信息交叉問題［35］，因而諸多學者在分析區域差異問題時采用該方法［36-37］。

2.核密度估計

為了進一步考察全國和四大區域金融科技發展水平差異的分布動態演進趨勢，本文采用核密度估計對金融科技發展水平分布位置、形態和延展性等方面進行深入分析。假設隨機變量X的密度函數為f（x），則在x這一點的概率密度可表示為[fx=c=1NK（Xc-xl）Nl]。其中，N表示樣本觀測值個數，l表示帶寬，K（?）表示核函數，[Xc]表示獨立分布的觀測值，[x]表示樣本均值。核密度估計帶寬越小，精度越高，因而本文選用高斯核函數對金融科技發展水平進行分布估計，具體表達式為：[Kx=（12π）exp（-x22][）]。

3.馬爾可夫鏈分析

本文采用傳統馬爾可夫鏈分析法深入分析各省份金融科技發展水平的動態轉移特征及轉移概率，將各省份按金融科技發展水平高低劃分為高水平、中高水平、中低水平和低水平四個等級，據此描繪出金融科技發展水平的動態演進特征。馬爾可夫鏈分析是一個隨機過程{[X（t），t∈T]}，該隨機過程的指數集合T對應每個時期，則在這個隨機過程中，全部時期t和隨機變量X所有可能發生的狀態j、i和ik（k=0，1，2，3，…，t-1，t-2），滿足[PX（t）=j|X（t-1）=i，X（t-2）=it-2，···，X（0）=i0=X（t）=j|X（t-1）=i]。這表明隨機變量X在t時期表現出的狀態j由t-1時期的狀態決定，與其他時期狀態無關。隨機變量X從一種狀態向另一種狀態轉變就是狀態轉移，若將金融科技發展水平劃分為R種狀態，則可得到一個R×R的轉移概率矩陣。[Pij]表示某省份金融科技發展水平從狀態i轉移到狀態j的概率，由所有[Pij]概率組合而成的R維矩陣就是金融科技發展水平轉移矩陣P。該矩陣可以直觀反映出不同區域金融科技發展水平的分布動態演進趨勢。

4.收斂特征分析

（1）σ收斂分析。σ收斂反映了在時間序列上不同區域金融科技發展水平的離差隨著時間變化呈逐漸降低趨勢。一般使用變異系數和標準差來測度σ收斂系數，并判斷是否存在σ收斂特征，若σ收斂系數隨時間不斷減小，則說明金融科技發展水平存在σ收斂特征。本文基于可比性原則，選用變異系數來衡量，具體表達式為：[σ=pnq（Finpq-Finpq）2/LρFinpq]。其中，q表示區域；p表示省份；[nq]表示各區域內的省份數；[Finpq]表示區域q金融科技發展水平的標準差；[Finpq]表示區域q金融科技發展水平的均值。

（2）時空β收斂分析。Barro和Sala?I?Martin［38］基于新古典增長模型構造了檢驗經濟增長收斂性的計量模型，劉明和王思文［39］在此基礎之上進一步研究了空間收斂模型，本文構建了考慮時間因素的空間收斂模型，并用于探究中國金融科技發展水平的收斂問題。為方便后續表述，本文將考慮時間因素的空間收斂模型稱為時空β收斂模型，該模型可以同時展現出樣本區域在時間和空間雙維度上的依賴關系。

只考慮時間因素的β收斂模型為：

[1T-tlogyqTyqt=?-1-e-βT-tT-tlogyqt+μqt]? ? ? ? ? ? ? ?（2）

其中，q表示樣本選擇區域；t和T分別表示樣本考察期初和樣本考察期末，T-t表示時間跨度；y表示金融科技發展水平；[?]表示常數項；β表示收斂速度，[μ]表示模型在符合經典假定下的隨機誤差項。當T-t=1時，引入空間地理矩陣J，得到一階空間對數增長率[vt+1=log（ytJyt）]，顯示出研究區域范圍與其相鄰區域的差異，同時就可將考慮時間因素的β收斂模型進而轉化為空間維度下的β收斂，矩陣表示如下：

[vt+1=?-1-e-βlogJyt+μt]? ? ? ? ? ? ? ? ? （3）

其中，[yt]表示t時間上樣本范圍內觀察值在空間上形成的向量，J[yt]為利用空間距離權重矩陣構造得到的樣本區域內觀察值的平均值。

將式（3）兩端同乘J，再減去式（3），令[φ=（E-J）?]，[εt=（E-J）μt]，可得：

[（E-J）vt+1=φ-1-e-β（E-J）logJyt+εt]? ? ? ? ? ? ? （4）

式（4）為考慮時間和空間因素的時空β收斂模型，能夠體現出金融科技發展水平差異與對應增長率差異在時空維度下的關系特征。如果β大于零，則表明金融科技發展水平呈時空收斂特征，β越大，則表示金融科技發展水平收斂速度越快；反之，如果β小于零，則表明金融科技發展水平呈時空發散特征。

三、中國金融科技發展水平的測算結果及區域差異分析

（一）中國各省份金融科技發展水平測算結果分析

本文采用時空極差熵權法測算了2016—2021年中國各省份金融科技發展水平，結果如表2所示。

從表2可以看出，整體來看，全國金融科技發展水平由2016年的0.2382增加至2021年的0.4011，2016—2021年全國金融科技發展水平均值為0.3136，年均增長率為9.07%，表明在考察期內金融科技發展水平逐年穩步提升。從具體數值分析來看，按照不同省份金融科技發展水平的平均得分進行排序，可以將各省份劃分為四個梯隊。北京、浙江、上海、廣東和江蘇的共5個省份金融科技發展水平均值高于0.5000，在所有省份中位列前五位，排在“第一梯隊”；福建、安徽、山東、湖南、天津、四川、河南、遼寧、云南、重慶、湖北、河北和江西共13個省份的金融科技發展水平均值高于0.2000低于0.5000，位列“第二梯隊”；吉林、山西、海南、陜西、廣西和新疆共6個省份的金融科技發展水平均值處于0.1500—0.2000，位于“第三梯隊”；平均得分低于0.1500的省份位于“第四梯隊”，具體包括黑龍江、內蒙古、貴州、甘肅、青海和寧夏6個省份，其中絕大部分省份位于西部區域。

從具體年份來看，2016年排在前三位的北京、浙江和上海的金融科技發展水平分別是排在末位的寧夏的13.8133倍、11.3589倍和10.6203倍；而2021年排在前三位的北京、上海和浙江的金融科技發展水平分別是排在末位的寧夏的8.0833倍、6.3323倍和6.1249倍。這表明雖然考察期內不同省份之間金融科技發展水平差異明顯，金融科技發展較快的省份與金融科技發展較為落后的省份差異較大，但隨著時間進一步推移，各省份金融科技發展水平均得以提升，不同省份之間的金融科技發展水平差異呈縮小趨勢。

為了進一步分析金融科技發展水平在不同區域的發展現狀，本文按照國家統計局的標準對不同省份進行劃分，具體分為東部、中部、西部和東北四大區域，各區域金融科技發展水平的描述性統計結果如表3所示。從表3可以看出，金融科技發展水平最大值是2021年的北京，最小值是2016年的寧夏，同時在樣本考察期內東部金融科技發展水平明顯高于其他三大區域，其均值為0.5020，標準差為0.2234。中部和東北金融科技發展水平的均值均超過0.2000，表明其金融科技發展相對較好，而西部金融科技發展水平最低，均值僅為0.1783。這表明金融科技發展水平在不同區域之間呈現非均衡現象，四大區域的金融科技發展水平存在差異。

（二）中國金融科技發展水平的區域差異及分解

本文采用Dagum基尼系數法測算2016—2021年中國金融科技發展水平的區域差異，并對區域差異進行分解，以深入探究同一區域內不同省份之間、不同區域之間金融科技發展水平的差異來源，結果如表4所示。

從表4可以看出，中國金融科技發展水平總體差異較大，基尼系數由2016年的0.3763下降至2021年的0.2992，下降幅度為20.49%，表明總體上中國金融科技發展水平非均衡現象逐漸減弱，區域差異呈縮小趨勢。這與近幾年來各省份聚焦金融科技發展密切相關，金融科技發展水平落后省份不斷追趕發達省份，力爭實現跨越式發展。

從金融科技發展水平區域內基尼系數來看，西部區域內基尼系數均值最大，為0.2417，表明西部區域內金融科技發展水平差異最大。這主要因為考察期內寧夏和青海的金融科技發展水平一直處于末位，雖然區域內基尼系數呈持續下降趨勢，各省份差異不斷縮小，但落后省份與重慶、四川和貴州等發展較快省份金融科技發展水平相比差異仍然較大。東部區域內基尼系數均值為0.2326，表明東部區域內金融科技發展水平差異也較大，區域內基尼系數由2016年的0.2482增加至2018年的0.2510，然后又下降至2021年的0.2064，呈先上升后下降趨勢?？傮w來看，東部各省份金融科技發展水平差異在縮小，其內部差異較大的主要原因是北京、上海和浙江等省份金融科技發展較早，而海南等省份雖然金融科技發展水平不斷提高，但與發達省份相比仍相距甚遠。與東部和西部不同，中部區域內基尼系數呈先下降后上升再下降趨勢，2016年基尼系數最大為0.2240，然后下降至2018年的0.1678，2019年又上升至0.1723，最后2021年達到最低值0.1646，表明中部區域內差異總體上呈先擴大后縮小趨勢。東北區域內基尼系數與中部趨同，但總體來說不斷下降，由2016年的0.2492降至2021年的0.1162，下降幅度為53.37%，表明東北在東北振興戰略中抓住機遇，不斷發展完善金融科技體系，區域內金融科技發展水平提升較快。綜合來看，雖然四大區域內基尼系數均值波動起伏，有高有低，區域內差異仍然存在，但區域內基尼系數在大趨勢上逐漸降低。

從金融科技發展水平區域間基尼系數來看，東部與中部區域間基尼系數在2017年達到最大值0.3787，之后呈持續下降趨勢。東部與西部區域間基尼系數總體呈先下降后上升趨勢，2019年降至0.4674，而在2021年又上升至0.4786。東部與西部區域間差異雖然總體上減弱，但東部與西部區域間基尼系數明顯大于其他區域。東部與東北區域間基尼系數從2016年的0.4728下降至2021年的0.3896，在波動中呈下降趨勢。在考察后期，中部與西部以及中部與東北的區域間基尼系數有所上升，但總體呈下降趨勢。從下降幅度來看，東部與中部、西部、東北的區域間基尼系數在波動中均呈遞減趨勢，但東部與中部的下降幅度最大，為29.96%，表明中部金融科技發展快于西部和東北。西部與東北區域間基尼系數持續下降，2021年達到最小值0.2011，下降幅度為33.48%，表明隨著國家重大戰略實施和產業結構調整，西部與東北之間的差異逐漸縮小。

從金融科技發展水平的差異來源及貢獻率來看，區域間差異貢獻率始終高于區域內差異貢獻率和超變密度貢獻率，表明區域間差異是導致中國金融科技發展水平出現差異的主要原因。金融科技發展水平的區域間差異平均貢獻率高達71.12%，而區域內差異平均貢獻率和超變密度平均貢獻率分別為19.84%和9.04%。從演變趨勢來看，區域間差異貢獻率呈逐年上升趨勢，由2016年的65.27%上升至2021年的78.37%，其上升幅度為20.07；超變密度能識別區域間交叉重疊情況，超變密度貢獻率則呈逐年下降趨勢，由2016年的14.04%下降至2021年的4.05%，其下降幅度為71.15%，表明四大區域之間的交叉重疊現象不斷減弱；區域內金融科技發展水平呈先下降后上升再下降的趨勢，區域內差異貢獻率表現出波動下降趨勢，由2016年的20.69%下降至2021年的17.58%，其下降幅度為15.03%。

四、中國金融科技發展水平的分布動態分析

（一）基于核密度估計的中國金融科技發展水平分布動態演進

采用核密度估計考察中國金融科技發展水平的分布動態演進，可以刻畫出金融科技發展水平的整體形態，通過對不同時間的對比分析，能夠綜合考察金融科技發展水平的分布動態演進特征。本文使用Matlab2020a軟件繪制了2016—2021年全國及四大區域金融科技發展水平核密度估計三維透視圖，結果如圖1和圖2所示。

從圖1可以看出，全國金融科技發展水平的分布動態演進具有以下特征：考察期內，波峰整體存在右偏趨勢，表明國金融科技發展水平總體不斷提升；波峰呈現“一主一側”分布格局，表明全國金融科技發展水平不均衡，存在多極化趨勢，但隨著時間推移，主側峰形態減弱，表明極化現象在逐漸減弱；波峰垂直高度提高，波峰數量減少，表明金融科技發展水平區域差異呈縮小趨勢，存在動態收斂特征。

從圖2（a）可以看出，東部金融科技發展水平的分布曲線中心右移，表明東部金融科技發展水平不斷提高；“一主一側”的波峰形態明顯可見，表明金融科技發展水平呈現兩極分化趨勢，各省份之間金融科技發展水平差異較大；但隨著時間推移，主側峰形態在不斷減弱，表明內部極化現象呈縮小趨勢；同時右拖尾存在逐年縮短現象，表明東部區域內部金融科技發展水平差異逐漸縮小。從圖2（b）可以看出，中部金融科技發展水平的分布曲線隨時間呈向右移動趨勢，表明中部金融科技發展水平逐年提高；波峰從主側峰形態向單峰形態轉變，表明中部兩極分化現象減弱；右拖尾現象隨著時間逐漸減弱，表明中部各省份金融科技發展水平差異也在不斷縮小。從圖2（c）可以看出，西部金融科技發展水平的分布曲線整體呈右移趨勢，表明西部金融科技發展水平不斷提高；波峰的垂直高度不斷上升，水平寬度收窄，表明核密度向數值減小方向移動，即西部區域內金融科技發展水平差異不斷縮小；右拖尾現象不明顯，曲線延展性較好，呈收斂趨勢，表明西部金融科技發展水平總體較為均衡。從圖2（d）可以看出，東北金融科技發展水平的分布曲線中心呈右移趨勢，表明東北金融科技發展水平逐年提高；波峰形態呈“雙峰—單峰”的變化趨勢，表明東北區域內部極化現象減弱，在部分省份高度集聚；波峰寬度輕微擴大后又有所收窄，存在明顯右拖尾現象，表明東北各省份之間金融科技發展水平差異仍然存在，但總體呈縮小趨勢。

（二）基于馬爾可夫鏈的中國金融科技發展水平演進預測

核密度估計能夠從整體上描述中國金融科技發展水平的演進趨勢并展現不同區域之間的差異，但不能呈現中國各省份之間金融科技發展水平的轉移規律。因此，本文按照金融科技發展水平指數將各省份劃分為低水平、中低水平、中高水平和高水平四個類別，并設定時間跨度分別為1年、2年、3年和4年，進一步利用馬爾可夫鏈測算2016—2021年中國金融科技發展水平的轉移概率矩陣，結果如表5所示。

從表5可以看出，整體上對角線上的轉移概率并非全都大于非對角線上的轉移概率，表明很少有省份能維持穩定的金融科技發展水平；從不同的時間跨度來看，低水平、中低水平省份都有向中高水平、高水平省份轉移的傾向。從具體數據分析來看，某一省份如果一開始處于低水平或中低水平金融科技發展類別，經過時間跨度為1年（T=1）的轉移后，該省份繼續保持低水平的概率為53%，上升為中低水平（即向上一個類別轉移）的概率則為43%，中低水平轉移至中高水平的概率達到50%；而在經過時間跨度為3年（T=3）的轉移后，低水平上升到中低水平和中低水平上升至中高水平的概率分別為63%和83%，表明各省份金融科技水平隨時間變化不斷提高，向更高水平類別移動。這與前文中國金融科技發展水平區域差異不斷縮小這一研究結果一致，表明當前各省份都極力推動金融科技發展，加強大數據、人工智能和區塊鏈等金融科技相關基礎設施建設，以提高金融科技發展水平。

金融科技處于中高水平和高水平階段的省份向中低水平省份轉移的概率為零，高水平省份的轉移概率一直為1，表明中高水平和高水平省份的金融科技發展水平在考察期內始終處于上升狀態，呈自我強化態勢。同時反映出高水平省份一直處于金融科技發展前列，金融科技發展水平相對穩定，與其他省份金融科技發展水平差異較大。但金融科技發展水平較低省份并非停滯不前，而是努力完善金融科技發展體系，加快向中高水平類別轉移。

五、中國金融科技發展水平的收斂特征分析

（一）中國金融科技發展水平的σ收斂分析

本文采用變異系數作為σ收斂衡量方法，2016—2021年全國及四大區域金融科技發展水平的σ收斂系數如表6所示。

從表6可以看出，從全國視角來看，2016—2021年全國σ收斂系數從0.6910下降至0.4931，呈先上升后持續下降趨勢，存在明顯收斂特征，表明在全國范圍內各區域金融科技發展水平差異基本呈逐年縮小趨勢。從區域視角來看，四大區域σ收斂系數總體也呈下降趨勢，分別從2016年的0.4497、0.4014、0.5643和0.4863下降至2021年的0.3403、0.2514 、0.3622 和0.3160，降幅達到24.33%、37.37%、35.81%和35.07%，均呈明顯σ收斂特征。具體來看，東部和西部σ收斂系數總體呈降低趨勢，區域內部金融科技發展水平差異逐步縮??；中部和東北σ收斂系數從2016年逐年降低，分別在2019年、2019—2020年出現上升趨勢，此后又呈下降趨勢。這可能是由于2019年《金融科技（FinTech）發展規劃（2019—2021年）》印發，部分省份快速發展金融科技，導致差異擴大，但其他省份也加快追趕，不斷完善金融科技基礎設施，推動新興技術進步，因而中部和東北總體呈σ收斂特征。綜上所述，無論是全國還是四大區域，金融科技發展水平均呈σ收斂特征，金融科技發展水平差異逐步縮小。

（二）中國金融科技發展水平的時空[β]收斂分析

時間相關性和空間依賴性是探究金融科技發展水平變動的兩大視角，隨著時間推移，區域金融科技發展水平不斷變化，透過空間演進特征能清晰反映出不同區域金融科技發展趨勢。本文在考慮到地理因素對不同省份金融科技發展水平影響的基礎上，通過引入空間地理權重矩陣建立空間收斂模型來進一步論證中國金融科技發展水平在時間和空間雙維度的演進趨勢和收斂特征。由于《金融科技（FinTech）發展規劃（2019—2021年）》是中國金融科技第一份科學、全面的規劃，本文將樣本區間分為2016—2018年和2019—2021年兩個子區間加以研究。表7是中國金融科技發展水平時空收斂參數估計結果。

從表7可以看出，從全國視角來看，金融科技發展水平呈明顯時空β收斂特征，β值均大于0，表明金融科技發展水平較高區域（中心區域）與金融科技發展水平較低區域（邊緣區域）存在較大差異，但邊緣區域發展較快，在下一個時期金融科技發展水平差異會縮小，存在金融科技發展水平落后區域追趕發展水平較快區域這一現象。β值在2019年后明顯增大，金融科技發展水平的收斂速度逐步提升，表明加強網絡信息通信基礎設施建設、積極推動數字化技術在金融領域的應用、深入開展產融合作和信息平臺建設，以及協同推動行業監管等一系列政策措施得到了有效實施且效果顯著。

從區域視角來看，四大區域分布位置不同造成金融科技發展水平的收斂特征和收斂速度也不盡相同?？傮w來看，東部、中部和西部在兩個子區間內的β值均為正，金融科技發展水平呈收斂特征，但東北在兩個子區間的β值為負，金融科技發展水平呈發散特征。東部在兩個子區間的β值分別為1.5100和1.8793，均大于全國的β值，這意味著東部金融科技發展水平的收斂速度高于全國金融科技發展水平的收斂速度。與東部類似，中部金融科技發展水平在兩個子區間都是收斂的，β值大于全國，但小于東部。西部金融科技發展水平在兩個子區間均呈收斂特征，且收斂速度位居全國和四大區域首位，說明西部中心區域對邊緣區域的帶動作用最強，這可能與近年來中央對西部的扶持政策密切相關。東北金融科技發展水平在兩個子區間的β值均小于0，呈發散特征，表明東北中心地帶金融科技發展速度快于邊緣地帶，兩者金融科技發展差異不斷擴大，兩極分化趨勢明顯。但東北在2019—2021年的發散特征與2016—2018年相比具有明顯下降趨勢，表明東北金融科技發展內部差異逐步縮小，東北振興戰略的實施和國家金融科技發展規劃推動了東北金融科技基礎設施建設和金融科技產業鏈的形成。

六、研究結論與政策建議

（一）研究結論

本文首先構建金融科技發展水平指標體系，采用時空極差熵權法測算了2016—2021年中國30個省份的金融科技發展水平，其次利用Dagum基尼系數分解法識別出金融科技發展水平的總體差異來源，然后采用核密度估計分析金融科技發展水平分布動態演進趨勢，再次借鑒馬爾可夫鏈分析處于不同金融科技發展階段省份的轉移概率特征，最后引入σ收斂和時空β收斂模型對全國和四大區域金融科技發展水平的收斂特征進行分析，主要得出以下研究結論：

第一，中國金融科技發展水平總體呈逐漸上升趨勢，均值由2016年的0.2382上升至2021年的0.4011，年平均增長率為9.07%。四大區域金融科技發展水平存在明顯差異，呈東部、中部、東北和西部逐漸走低趨勢。

第二，中國金融科技發展水平總體差異主要來源于區域間差異，呈逐漸縮減趨勢。全國金融科技發展水平基尼系數由2016年的0.3763下降至2021年的0.2992，下降幅度為20.49%。從四大區域內基尼系數來看，西部區域內差異最大，中部和東北區域內基尼系數呈波動遞減趨勢。從四大區域間基尼系數來看，大部分區域間基尼系數呈下降趨勢，中部與西部以及中部與東北的區域間基尼系數先下降后上升，但總體仍呈縮小趨勢。

第三，全國及四大區域金融科技發展水平呈上升趨勢，絕對差異呈逐漸縮小趨勢，大部分無極化現象。從四大區域核密度估計結果來看，東部金融科技發展水平總體上升，區域內差異逐漸縮??；中部、西部和東北金融科技發展水平整體上升，波峰高度逐年升高，區域內各省份之間差異呈縮小趨勢。根據馬爾可夫鏈分析發現，低水平、中低水平省份金融科技發展水平轉移概率較大，中高水平和高水平省份自我強化趨勢明顯。

第四，中國金融科技發展水平存在明顯空間收斂特征，全國及四大區域金融科技發展水平呈明顯σ收斂特征，區域間金融科技發展水平差異呈縮小趨勢。四大區域金融科技發展水平的時空β收斂存在差異。從全國視角來看，金融科技發展水平呈現時空β收斂特征，金融科技發展水平高的區域發展速度緩慢，金融科技發展水平低的區域發展速度則愈發加快，金融科技發展水平差異逐漸縮小。從四大區域視角來看，東部、中部和西部收斂速度均高于全國，中心區域對邊緣區域帶動作用不斷增強；東北在兩個子區間內均呈發散特征，但在考察后期發散特征有所減弱，表明東北區域內金融科技發展差異呈縮小趨勢。

（二）政策建議

為縮小各區域金融科技發展水平差異，促進金融科技發展向高質量發展階段轉變，根據上述研究結論，筆者提出如下政策建議：

第一，實施區域協同發展戰略。東部應重視區域內部均衡化發展，幫扶推動金融科技發展相對滯后省份，逐步形成內部促進機制；中西部應積極響應國家政策，把握發展機遇，利用先進的金融科技資源建設金融基礎設施；東北應加強統籌規劃，推進產業升級，加大金融和互聯網行業投入，開展金融科技方面的創新項目，不斷擴大區域發展優勢。

第二，加快培育金融科技產業鏈。應從頂層設計出發，加大政府宏觀調控作用，從供給側理順價值鏈，破解金融科技企業融資難、融資貴問題，促進金融科技產業與關聯產業協同發展；延長金融科技產業鏈，提升產業附加值和產業鏈整體水平；鼓勵金融科技企業向大規模、高層次發展，更好地參與市場競爭，從而加快建立高效協同發展的金融科技產業鏈。

第三，優化金融科技基礎設施?；ヂ摼W、大數據、云計算等基礎設施的建設和維護成本偏高，在一定程度上限制了金融科技的發展，應加強政府財政資金投入，積極拓寬多樣化融資渠道，加大偏遠區域數字化基礎設施建設的覆蓋范圍；注重對數字化人才和金融科技人才等專業型人才的培養；在基礎設施建設方面，堅持政府引導與市場主導相結合的原則，鼓勵民營資本投入，逐步夯實金融科技基礎設施建設。

第四，營造優良的金融科技生態環境。推動數據要素市場建設，利用大數據、人工智能和5G等金融科技手段提升數據共享能力，從而為金融科技企業創造經濟效益提供技術支撐；加強金融科技相關法律法規宣傳教育和政策解讀，增強金融科技用戶的法制觀念和合規意識；完善金融科技政策扶持體系，為金融科技發展落后區域提供項目支持、企業扶持和產業規劃；增強金融科技行業內生性發展動力，補齊基礎性制度建設滯后短板；持續推動金融科技生態建設，為金融科技長期高效發展創造條件。

參考文獻：

［1］ GOMBER P，KOCH J A，SIERING M. Digital finance and FinTech：current research and future research directions［J］．Journal of business economics，2017，87（5）：537-580.

［2］ 易憲容，鄭麗雅，何人可. 金融科技合約關系的實質、運行機理及風險防范——基于現代金融理論的一般分析［J］．社會科學，2019（5）：40-49.

［3］ BERMAN A，CANO-KOLLMANN M，MUDAMBI R. Innovation and entrepreneurial ecosystems：fintech in the financial services industry［J］．Review of managerial science，2022，16（1）：45-64.

［4］ HENDERSHOTT T，ZHANG X M，ZHAO J L，et al. FinTech as a game changer：overview of research frontiers［J］．Information systems research，2021，32（1）：1-17.

［5］ 巴曙松，白海峰，胡文韜. 金融科技創新、企業全要素生產率與經濟增長——基于新結構經濟學視角［J］．財經問題研究，2020（1）：46-53.

［6］ RYU H S，KO K S. Sustainable development of FinTech：focused on uncertainty and perceived quality issues［J］．Sustainability，2020，12（18）：1-18.

［7］ 謝治春，趙興廬，劉媛. 金融科技發展與商業銀行的數字化戰略轉型［J］．中國軟科學，2018（8）：184-192.

［8］ JARUNEE W. FinTech banking industry：a systemic approach［J］．Foresight，2017，19（6）：590-603.

［9］ VIRGINIA M，OONA V，EMIL S. The digital transformation and disruption in business models of the banks under the impact of FinTech and BigTech［J］．Proceedings of the international conference on business excellence，2020，14（1）：294-305.

［10］ BUCHAK G，MATVOS G，PISKORSKI T，et al. Fintech，regulatory arbitrage，and the rise of shadow banks［J］．Journal of financial economics，2018，130（3）：453-483.

［11］ 王奕婷，羅雙成. 金融科技與商業銀行經營績效——基于風險承擔的中介效應分析［J］．金融論壇，2022，27（4）：19-30.

［12］ 李春濤，閆續文，宋敏，等. 金融科技與企業創新——新三板上市公司的證據［J］．中國工業經濟，2020（1）：81-98.

［13］ 王棟，趙志宏. 金融科技發展對區域創新績效的作用研究［J］．科學學研究，2019，37（1）：45-56.

［14］ 徐璐，盧小賓，盧瑤. 金融科技產業創新發展與建議研究［J］．中國軟科學，2022（1）：31-39.

［15］ 葉莉，王榮. 金融科技、銀行業競爭與企業技術創新［J］．現代經濟探討，2021（6）：49-57.

［16］ MUGANYI T，YAN L N，YIN Y K，et al. Fintech，regtech，and financial development：evidence from China［J］．Financial innovation，2022，8（1）：268-287.

［17］ 楊東. 監管科技：金融科技的監管挑戰與維度建構［J］．中國社會科學，2018（5）：69-91+205-206.

［18］ 郭麗虹，朱柯達. 金融科技、銀行風險與經營業績——基于普惠金融的視角［J］．國際金融研究，2021（7）：56-65.

［19］ 王博，劉時雨，羅榮華，等. 金融科技監管與銀行高息攬“儲”——基于理財產品視角［J］．財貿經濟， 2021，42（11）：52-67.

［20］ DEMIR A，PESQU?-CELA V，ALTUNBAS Y，et al. Fintech，financial inclusion and income inequality：a quantile regression approach［J］．The European journal of finance，2020，28（1）：86-107.

［21］ HADDAD C，HORNUF L. The emergence of the global fintech market：economic and technological determinants［J］．CESifo Working Paper No.6131，2016.

［22］ 郭品，沈悅. 互聯網金融對商業銀行風險承擔的影響：理論解讀與實證檢驗［J］．財貿經濟，2015（10）：102-116.

［23］ 劉心怡，金山，張偉. 金融科技對農村居民的收入增長效應及其傳導機制［J］．財貿研究，2020，31（8）：65-76.

［24］ 楊望，徐慧琳，譚小芬，等. 金融科技與商業銀行效率——基于DEA-Malmquist模型的實證研究［J］．國際金融研究，2020（7）：56-65.

［25］ 楊松令，劉夢偉，張秋月. 中國金融科技發展對資本市場信息效率的影響研究［J］．數量經濟技術經濟研究，2021，38（8）：125-144.

［26］ 邱晗，黃益平，紀洋. 金融科技對傳統銀行行為的影響——基于互聯網理財的視角［J］．金融研究，2018（11）：17-29.

［27］ 孟娜娜，粟勤，雷海波. 金融科技如何影響銀行業競爭［J］．財貿經濟，2020，41（3）：66-79.

［28］ 張紅偉，林晨，陳小輝. 金融科技能影響金融分權嗎？——來自金融科技信貸的證據［J］．經濟與管理研究，2020，41（11）：77-91.

［29］ 郭峰，王靖一，王芳. 測度中國數字普惠金融發展：指數編制與空間特征［J］．經濟學（季刊），2020，19（4）：1401-1418.

［30］ 龔曉葉，李穎．金融科技對普惠金融“悖論”的影響——基于中國銀行業風險承擔水平的證據［J］．證券市場導報，2020（9）：33-43．

［31］ 肖翔，丁洋洋，王思純．金融科技發展指數的國際比較研究［J］．金融理論與實踐，2021（10）：12-21．

［32］ 侯世英，宋良榮．金融科技、科技金融與地區研發創新［J］．財經理論與實踐，2020，41（5）：11-19．

［33］ 張友國，竇若愚，白羽潔.中國綠色低碳循環發展經濟體系建設水平測度［J］．數量經濟技術經濟研究，2020，37（8）：83-102.

［34］ 毛冰.中國產業鏈現代化水平指標體系構建與綜合測度［J］．經濟體制改革，2022（2）：114-120.

［35］ DAGUM C. A new approach to the decomposition of the Gini income inequality ratio［J］．Empirical economics，1997，22（4）：515-531.

［36］ 劉華軍，鮑振，楊騫. 中國農業碳排放的區域差距及其分布動態演進——基于Dagum基尼系數分解與非參數估計方法的實證研究［J］．農業技術經濟，2013（3）：72-81.

［37］ 劉華軍，趙浩．中國二氧化碳排放強度的地區差異分析［J］．統計研究，2012，29（6）：46-50．

［38］ BARRO R J，SALA?I?MARTIN X. Convergence across states and regions［J］．Brookings papers on economic activity，1991，22（1）：107-182.

［39］ 劉明，王思文. β收斂、空間依賴與中國制造業發展［J］．數量經濟技術經濟研究，2018，35（2）：3-23.

Regional Differences， Distribution Dynamics and

Convergence Characteristics of FinTech Development in China

LYU Cheng?chao，HE Jia?hao

（College of Economics and Management，Qingdao University of Science & Technology，Qingdao 266061，China）

Summary：In recent years， the global financial services industry has been transformed by technology?driven FinTech， a disruptive technology that is reshaping the concept of financial products， business models and business process. In this context， Chinas FinTech is experiencing rapid development， and digital technologies such as artificial intelligence， cloud computing and blockchain are becoming increasingly mature. However， there is little research on the development of FinTech in China， especially the in?depth research on the development of FinTech from the perspective of index system construction.

This paper， based on the data of CSMAR database， EPS database， National Bureau of Statistics， and Institute of Digital Finance of Peking University， adopts the improved time?space range entropy weigh to measure the development level of FinTech in Chinas 30 provincial regions （excluding Tibet， Hong Kong， Macao and Taiwan） from 2016 to 2021. Moreover， it uses Dagum Gini coefficient， Kernel density estimation， Markov transition matrix， σ convergence， and spatio?temporal β convergence to analyze the regional differences， distribution dynamics and convergence characteristics of FinTech development. According to the results， the overall development of Chinas FinTech showed an upward trend. However， due to inter?regional inequalities， it showed a downward trend from the eastern， central， northeastern regions to the western region. The polarization of FinTech development level between the overall and eastern regions showed a downward trend. Provincial regions with high?level FinTech development showed a trend of self?reinforcing. The overall FinTech development in China was generally characterized by σ convergence and spatio?temporal β convergence， but there were significant differences in the spatio?temporal β convergence of the four major regions. The entire period of the northeastern region presented the state of dispersing. The convergence rate of the eastern region was higher than that of the whole country， and the convergence rate of western region was the fastest， showing a catch?up phenomenon between backward regions and developed regions.

This paper makes innovation mainly in the following two aspects. First， according to the basic connotation of the development level of FinTech and Chinas current requirements for FinTech development， this paper constructs an index system of the development level of FinTech and makes the corresponding measurement. Second， it analyzes the regional differences， distribution dynamics， and convergence characteristics of FinTech development by means of Dagum Gini coefficient， Kernel density estimation， Markov transition matrix， σ convergence， and spatio?temporal β convergence.

This paper reveals the FinTech development in China and its various regions to some extent， which is of great significance for the strategic planning of FinTech development at the macro level. It helps to deeply understand the advantages and disadvantages of FinTech development， and provides a basis for government departments to formulate targeted development policies. At the same time， it can provide reference for the continuous optimization and balanced development of Chinas FinTech development layout.

Key words：FinTech development；index system；regional differences；distribution dynamics；covergence characteristics

（責任編輯：孫 艷）

［DOI］10.19654/j.cnki.cjwtyj.2023.04.004

［引用格式］呂承超，何加豪.中國金融科技發展的區域差異、分布動態及收斂特征［J］．財經問題研究，2023（4）：43-57.

收稿日期：2023?01?07

基金項目：國家社會科學基金一般項目“金融高水平開放下我國跨境資本異常流動分類識別與監管研究”（22BJY040）

作者簡介：呂承超（1983-），男，山東青島人，教授，博士，博士生導師，主要從事經濟高質量發展、社會保障理論與實踐和品牌經濟等方面的研究。E?mail：chengchao0532@163.com

何加豪（1999-），男，江蘇淮安人，碩士研究生，主要從事金融學研究。E?mail：hjh18362998298@163.com