我国数字普惠金融生态环境监测指标体系构建及评价

来源:用户上传      作者:

　　摘 要：本文选取我国2013-2018年6年数据，通过构建我国数字普惠金融生态环境监测指标体系并利用因子分析法计算近6年来我国数字普惠金融生态环境得分，结果表示我国数字普惠金融生态环境逐年改善，呈稳步上升趋势。最后根据数字普惠金融发展现状对我国数字普惠金融进一步发展提供了相关建议。
　　关键词：数字普惠;金融生态;指标体系
　　中图分类号：F2 文献标识码：A doi：10.19311/j.cnki.1672-3198.2020.29.014
　　1 文献综述
　　金融服务的增加会增加社会各阶层财富。普惠金融一词最早由中国小额信贷联盟引入国内金融体系，在数十年的时间内得到普及和发展。普惠金融颠覆了金融只为富人提供服务这一概念，为中小微企业以及贫困人群提供了有效的金融服务。普惠金融的发展，是服务中国实体经济，各阶层人民群众生活的重要落脚点，也是金融供给侧改革的重要出发点。近年来，随着互联网数字技术的不断成熟，数字化技术与金融服务的联系不断加深，进一步提高了普惠金融服务的可得性，数字普惠金融在成本可控，模式可持续前提下，以数字技术为依托，将更低成本，更高效率的金融服务提供给各阶层人民群众，成为推动政策落实，实现普惠金融可持续发展的重要方向，对金融服务供给双方以及经济高质量发展有重要作用。A.Mckenzie首次将生态一词引入到经济学中，强调经济发展应注重生态环境建设。到20世纪60年代，K正式将经济发展和生态学结合起来，提出生态经济学的概念。金融生态环境是指包括政策、经济等一切能影响金融系统运作的外部环境的总和，良好的金融生态环境可以促进金融系统健康高效发展，从而吸引资本聚集，压缩运行成本，提升金融服务效率，建立良好的金融生态环境评估体系有利于区域金融资源的合理有效分配。本文旨在利用2013-2018年市场数据，从政策支持，数字化工具支持，社会基础条件支持三个方面选取14个数字普惠金融生态环境相关指标，利用因子分析法对我国数字普惠金融生态环境进行初步评析以建立我国数字普惠金融生态环境监测指标基础体系。
　　2 数字普惠金融生态环境监测指标选取及数据分析方法确定
　　2.1 指标的选取
　　根据我国数字普惠金融发展白皮书以及现实数据的可得性，从政策支持，数字化工具支持，社会基础条件支持三个方面来构建数字普惠金融体系的目标层，相应准则层包括货币及产业政策;数字化工具，数字普惠金融服务对象，技术支持;金融征信三个层面，相应指标层包括全国支农再贷款余额、全国支小再贷款余额、全国农户贷款余额、全国中小微企业贷款余额，大数据核心产业市场规模，人工智能产业规模;移动电话普及率，智能手机普及率，网民数量，互联网普及率，4G基站数量，4G用户渗透率;以及全国累计为中小微企业建立信用档案数，全国累计建立农户信用档案数共14个指标，根据其金融特性归类，构成了本文的数字普惠金融生态环境监测指标体系。我国数字普惠金融发展尚处于初期，除必须技术层面支持外，目前受政策因素影响较大，因此本文监测指标的选取受到较大相关政策因素影响。
　　2.2 数据分析方法
　　本文选取因子分析法，基本思想是将观测变量进行分类，将相关度较高，联系比较紧密的分在同一类中，而不同类变量之间的相关度则较低，每一类变量代表了一个基本结构，即公共因子。这样将原始的数個变量合成较少的综合指标，大大降低参与建模的变量维数，也较大程度的保留原始数据信息。
　　2.3 样本说明及数据来源
　　2013年起，国家大力推行发展普惠金融，随着数字化程度的不断加深，数字普惠金融成为发展重点，本文选取2013-2018年为研究区间，共6年。本文所选取的相关指标数据均来源于中国农村金融发展报告，中国互联网发展报告、人民银行年报、中国信通院。数字普惠金融尚处于发展阶段，政策出台较晚，2013年政策相关初始数据个别为0。
　　3 实证过程及结果分析
　　3.1 相关性检验
　　首先进行变量间的相关系数检验，验证选取的变量是否适合做因子分析，经过验证，选取变量大部分相关系数较高，各变量具有较强的相关关系，能够提取公共因子。
　　3.2 共同度检验
　　共同度是指一个测验条目在所有因子上的因子载荷平方和，它代表了所有因子合起来对该条目的变异解释量，共同度高即代表某个变量与其他变量相关性高。经过验证，除X2外所有变量的共同度均达到95%以上，可能由于X2在2013年初始数据缺失，但X2共同度仍为90%以上，证明适合做因子分析。
　　3.3 提取因子
　　由表2第三项方差极大值转换后最终因子解情况得，第一个因子的特征值为7.3，解释原有14个变量总方差为52.16%，对解释原有变量的贡献最大;第二个因子的特征值为6.4，累计方差贡献率为97.78%，在第二个因子后的因子特征值都较小，对解释原有变量的贡献很小，因此提取两个因子较为合适。
　　3.4 因子命名解释
　　利用spss得出旋转成分矩阵并对比成分1和成分2数值，旋转后的第一个公共因子F1包括X1，X2，X3，X5，X6，X7，X9，X10，X14，其主要代表货币政策因素和产业政策因素，因此把F1命名为货币及产业政策因子，根据旋转后的解释总方差，F1能解释总方差的52.16%，因此货币及产业政策因子是构成我国数字普惠金融生态环境指标体系的主要部分，是最重要的影响因子。旋转后的第二个公共因子F2包括X4，X8，X11，X12，X13，其主要代表数字技术支持，因此把F2命名为数字技术支持因子，F2能解释总方差的45.63%，是第二重要的影响因子。
　　3.5 计算因子得分
　　根据因子得分系数矩阵写出因子得分函数：
　　F1=0.319X1+0.235X2+0.055X3-0.156X4+0.136X5+0.191X6+0.23X7-0.153X8+0.044X9+0.212X10-0.071X11-0.274X12-0.274X13+0.076X14 　　F2=-0.244X1-0.149X2+0.058X3+0.277X4-0.031X5-0.093X6-0.137X7+0.275X8+0.096X9-0.117X10+0.191X11+0.216X12+0.394X13+0.034X14
　　得出2个公共因子的得分后，根据公共因子的方差贡献率加权计算出综合得分
　　F=（52.157%F1+42.63%F2）/97.782%
　　由表3可知，2013-2018年，我国数字普惠金融生态环境第一个公共因子F1货币政策和产业政策因子，第二个公共因子F2数字技术支持因子，以及总得分F均呈现逐年稳步上升趋势，说明我国数字普惠金融生态环境在逐年提升。
　　4 结论及建议
　　通过本文实证分析，我国数字普惠金融生态环境近年来逐步优化和提升，在政策方面，国家通过出台一系列货币、财政、产业政策如对普惠金融实施定向降准，建立普惠金融发展专项基金，印发数字化技术发展规划，推动数字化与金融融合，建立数字化金融提升服务效率;在技术基础支持方面，大力推进建设数字基础设施，光纤宽带入户，提升互联网覆盖率，降低金融服务的成本和可获得性，使数字技术和实体经济深度融合。
　　數字普惠金融发展中仍存在一些问题。首先，数字普惠金融主要服务对象金融素养有待提高，数字金融产品多依赖于数字化工具，数字普惠实施中存在数字工具普及率低操作性差，数字金融产品宣传力度小，数字普惠知识知晓程度低等问题。因此，从供需两方来看，一方面，应加强金融工作者业务水平和职业道德建设，另一方面，应加强服务对象金融素养教育，提高公众对于数字普惠金融的认识度和接受度，使数字普惠金融走进千家万户。其次，数字普惠金融产品作为一种新型金融工具存在数字欺诈，用户隐私数据泄露等风险问题，因此应建立数字普惠金融风险监测及预警体系，实时对数字普惠金融发展进行检测调控。同时加强社会监管体系建设，从普惠金融供应链的供方入手，严格把控市场准入和退出制度，对提供数字普惠金融服务平台实施严格监管并推进建立信用评级。最后，由于数字普惠金融属于新兴金融体系，各方法律制度还不够健全，应加强完善数字普惠金融法律法规制度，根据数字普惠金融发展进程及时更新出台相关规章制度，加强数字普惠金融违法违规行为惩处力度，做到有法可依、违法必究。
　　参考文献
　　[1]焦瑾璞.构建普惠金融体系让更多人享受现代金融[J].今日财富（金融发展与监管），2010，（09）：6-9.
　　[2]周孟亮，李明贤.普惠金融与“中国梦”：思想联结与发展框架[J].财经科学，2015，（06）：11-20.
　　[3]李海峰，彭家生，何微，等.数字金融服务对普惠金融发展的影响研究：理论基础与经验证据[J].西南民族大学学报（人文社科版），2019，40（06）：139-145.
　　[4]邓淇中，李鑫，陈瑞.区域金融生态环境指标体系构建及竞争力评价研究[J].湖南科技大学学报（社会科学版），2012，15（06）：75-80.
　　[5]金欣雪，谢邦昌.区域金融生态环境评价与实证[J].统计与决策，2014，（15）：160-162.
转载注明来源:https://www.xzbu.com/2/view-15307377.htm