金融集聚測度方法國內(nèi)外研究述評金融集聚測度辦法國內(nèi)外研究述評

引言

金融集聚既可以定義為一個過程，也可以定義為一個狀態(tài)或結(jié)果。前者指通過金融資源與地域條件協(xié)調(diào)、配置、組合的時空動態(tài)變化，促進(jìn)金融產(chǎn)業(yè)成長、開展，進(jìn)而在一定地域空間生成金融地域密集系統(tǒng)的變化過程。也可以看作是金融運動的地域選擇和落實，金融效率的空間調(diào)整和提高的過程。后者那么指經(jīng)過上述過程，到達(dá)一定規(guī)模和密集程度的金融產(chǎn)品、工具、機構(gòu)、制度、法規(guī)、政策文化在一定地域空間有機組合的現(xiàn)象和狀態(tài)〔黃解宇等，2022〕。D.KEEBLE指出，金融集聚是金融開展到高級階段的標(biāo)志?，F(xiàn)如今，金融集聚儼然成為最具代表性的現(xiàn)代金融組織形式。紐約、倫敦及東京構(gòu)成世界范圍內(nèi)的三大金融集聚區(qū)，同時局部經(jīng)濟后起步國家及地區(qū)也出現(xiàn)金融機構(gòu)集聚趨勢。

通過文獻(xiàn)檢索并進(jìn)行總結(jié)分析，當(dāng)前對金融集聚水平測度辦法的研究主要從兩方面展開：一是依托于特定區(qū)域的金融集聚水平測度法，主要有金融集中度以及基尼系數(shù)等；二是依托于距離的金融集聚水平測度，主要有K函數(shù)和L函數(shù)、SP指數(shù)等。本文的綜述也是由此展開的，并在縱向比擬代表性辦法的原理后，圍繞其共同存在的問題做一簡要橫向評析，以期為相關(guān)領(lǐng)域的進(jìn)一步研究提供借鑒。

基于區(qū)域的金融集聚水平測度

此類測度辦法分為行業(yè)集中度、赫芬達(dá)爾指數(shù)、區(qū)位基尼系數(shù)、產(chǎn)業(yè)集群指數(shù)和哈萊-克依指數(shù)等五種。

〔一〕行業(yè)集中度

行業(yè)集中度是所有金融集聚水平測度辦法當(dāng)中難度最低、應(yīng)用最為廣泛的一種，實踐中常用行業(yè)集中度這一指標(biāo)作為對某一領(lǐng)域中競爭劇烈程度進(jìn)行判斷和評價的規(guī)范。所謂行業(yè)集中度〔ConcentrationRatio〕，也叫行業(yè)集中率或者市場集中度，具體指的是一個行業(yè)各個有關(guān)市場當(dāng)中最具實力的幾家企業(yè)的產(chǎn)值、產(chǎn)量、銷售額、銷售量、在職人員以及資產(chǎn)總額等在市場中所占比重的綜合。高雅靜〔2022〕指出，用行業(yè)集中度來測量金融業(yè)市場結(jié)構(gòu)集中程度，明確行業(yè)內(nèi)企業(yè)數(shù)量及各自所擁有的實力，在此根底之上對金融業(yè)競爭劇烈程度做出判斷。

行業(yè)集中度對應(yīng)的計算公式：

在上述公式當(dāng)中，字母CRn表示金融領(lǐng)域中最具實力的n家企業(yè)的市場集中度，Xi表示金融業(yè)當(dāng)中實力排名第i的企業(yè)所對應(yīng)的生產(chǎn)額、銷售額以及所擁有的在職員工數(shù)量，N表示金融業(yè)當(dāng)中所擁有的所有機構(gòu)數(shù)量總和。葉耀明〔2022〕指出，金融業(yè)市場集中水平主要通過行業(yè)集中度指標(biāo)得以展示，通過行業(yè)集中度還可以對金融業(yè)中實力較為雄厚的企業(yè)對應(yīng)的市場壟斷程度做出判斷。利用上述公式計算金融業(yè)行業(yè)集中度就是將金融業(yè)實力較雄厚的幾家企業(yè)各自所占市場份額進(jìn)行簡單相加即可。

黃永興〔2022〕等人提出，采用行業(yè)集中度公式進(jìn)行金融集聚測算的優(yōu)勢在于能夠更加準(zhǔn)確、及時的顯示金融業(yè)中實力較為雄厚的幾家企業(yè)各自份額的變動情況，操作簡單；但同時也存在自身的缺乏，主要是：首先，金融業(yè)當(dāng)中的企業(yè)數(shù)量以及各自的市場分布狀況兩大因素均會在一定程度上影響金融業(yè)集中度，而行業(yè)集中度公式只是對金融業(yè)當(dāng)中最具規(guī)模和實力的前幾家機構(gòu)予以考慮，沒有對金融業(yè)中企業(yè)數(shù)量及分布的變動情況予以綜合全面考慮；其次，所選擇的企業(yè)數(shù)量也會對行業(yè)集中度造成一定影響，也就是說，所選擇的最具實力的企業(yè)的數(shù)量不同，所計算出來的集中度水平也存在一定差別，這勢必會對產(chǎn)業(yè)集中度指標(biāo)橫向比照造成一定影響，換言之，借助該公式所得出的計算結(jié)果是不確定的。

〔二〕赫芬達(dá)爾指數(shù)

對金融業(yè)行業(yè)結(jié)構(gòu)進(jìn)行判斷的另外一個關(guān)鍵指標(biāo)就是赫芬達(dá)爾指數(shù)，1950年O.C.Herfirida最先提出用于對行業(yè)集中度進(jìn)行測算的赫芬達(dá)爾指數(shù)，王偉〔2022〕等人指出，具體到金融業(yè)中，赫芬達(dá)爾指數(shù)就是全部企業(yè)所擁有的市場份額平方和。

赫芬達(dá)爾指數(shù)計算公式：

，

在上述公式當(dāng)中，字母Xi表示金融業(yè)各個機構(gòu)相關(guān)數(shù)值，T表示金融業(yè)規(guī)模，Si表示在金融業(yè)當(dāng)中排名第i的機構(gòu)所擁有的市場份額，n那么表示金融業(yè)當(dāng)中所擁有的機構(gòu)數(shù)量總和。原立勛〔2022〕等人總結(jié)認(rèn)為通常情況下，赫芬達(dá)爾指數(shù)系數(shù)與金融業(yè)集中度之間具有正相關(guān)關(guān)系，也就是說，該系數(shù)越大，行業(yè)集中度也就越高，反之亦然。

一般情況下，在金融業(yè)集中度研究、金融業(yè)結(jié)構(gòu)研究當(dāng)中常常會波及赫芬達(dá)爾指數(shù)，利用赫芬達(dá)爾指數(shù)對金融業(yè)集聚水平進(jìn)行測算的原因主要有：第一，通過赫芬達(dá)爾指數(shù)能夠了解金融業(yè)的集中度狀況；第二，赫芬達(dá)爾指數(shù)對金融業(yè)集聚度進(jìn)行測算主要是通過金融業(yè)相對規(guī)模平方得以實現(xiàn)，這就意味著該指數(shù)能夠?qū)鹑跇I(yè)中優(yōu)勢機構(gòu)所占據(jù)的壟斷地位及競爭劇烈程度的變動情況及時做出反饋；最后，從具體的操作應(yīng)用角度分析，赫芬達(dá)爾指數(shù)能夠更加靈活、準(zhǔn)確的反饋金融業(yè)當(dāng)中企業(yè)合并及分解狀況，且應(yīng)用難度系數(shù)低。與此同時，利用赫芬達(dá)爾指數(shù)對金融業(yè)集聚度進(jìn)行測算也存在缺點，主要有：第一，赫芬達(dá)爾指數(shù)屬于絕對集中度指標(biāo)，無視了金融業(yè)中其余部門空間分布情況，所以無法將其應(yīng)用于行業(yè)間的比照分析；第二，赫芬達(dá)爾指數(shù)沒有將不同地理單元面積差別納入考量范圍。

〔三〕區(qū)位基尼系數(shù)

區(qū)位基尼系數(shù)可以有效彌補上文所列舉的赫芬達(dá)爾指數(shù)所存在的缺點，相比擬而言，區(qū)位基尼系數(shù)的應(yīng)用范圍更加廣泛。1912年，意大利經(jīng)濟學(xué)家拉多基尼最先提出了基尼系數(shù)概念，當(dāng)時主要是在國家之間或者區(qū)域之間在收入方面不平等程度測算過程中使用到基尼系數(shù)；直到1986年，Keeble等人最先將基尼系數(shù)引入行業(yè)區(qū)域間分布集中度測算領(lǐng)域，這就是在此所探討的區(qū)位基尼系數(shù)。

區(qū)位基尼系數(shù)計算公式為：在上述公式當(dāng)中，xi表示在i這一區(qū)域當(dāng)中，已經(jīng)就業(yè)的人數(shù)在全國就業(yè)總?cè)藬?shù)中所占比例，si表示的是i這一區(qū)域范圍內(nèi)，金融業(yè)中就業(yè)人數(shù)在全國范圍內(nèi)金融業(yè)就業(yè)總數(shù)中所占比例。

李偉軍〔2022〕等人總結(jié)出將區(qū)位基尼系數(shù)應(yīng)用于金融領(lǐng)域匯集度計算的理由主要有：第一，從區(qū)位基尼系數(shù)計算公式中我們可以得知，次級地理單元就業(yè)人數(shù)與該區(qū)域范圍中全部就業(yè)人數(shù)之比充當(dāng)?shù)氖亲兞?，這也就說明，該公式對區(qū)域面積對集中度計算結(jié)果的影響予以綜合分析，從地理集中度角度分析，所得出的結(jié)果要比赫芬達(dá)爾指標(biāo)更加精確；第二，該公式中以所有行業(yè)地理分布為基準(zhǔn)進(jìn)行比照，從而確保了最終計算結(jié)果是能夠用于對各個行業(yè)進(jìn)行比照的，應(yīng)用范圍更加普遍。同樣，區(qū)位基尼系數(shù)在計算金融集聚度方面也具有自身的缺乏，主要體現(xiàn)在對不同產(chǎn)業(yè)集聚度進(jìn)行比照分析時，受產(chǎn)業(yè)組織或者區(qū)域差別等因素的影響，會使得最終計算出的結(jié)果準(zhǔn)確性受到影響。

〔四〕產(chǎn)業(yè)集群指數(shù)

產(chǎn)業(yè)集群指數(shù)，即EG指數(shù)，最早是Ellison及Glaeser于1997年所提出的，Ellison及Glaeser構(gòu)建起標(biāo)靶模型，在所構(gòu)建的企業(yè)區(qū)位選擇模型的根底之上，對產(chǎn)業(yè)組織之間的區(qū)別予以了綜合考慮，同時將利用空間基尼系數(shù)及赫芬達(dá)爾指數(shù)所計算出的結(jié)果納入其中，具體是：若企業(yè)相互間在區(qū)位選擇方面存在聯(lián)系，企業(yè)將會更加傾向集中在擁有自然優(yōu)勢或者可以從行業(yè)內(nèi)其他企業(yè)得到溢出效應(yīng)的區(qū)域。任英華〔2022〕等指出，產(chǎn)業(yè)集群指數(shù)最突出的特點就是對區(qū)位基尼系數(shù)所反映出的區(qū)域差別以及赫芬達(dá)爾指數(shù)所關(guān)注的金融領(lǐng)域當(dāng)中機構(gòu)實力對集聚度的影響予以了全面綜合考慮。

產(chǎn)業(yè)集群指數(shù)對應(yīng)的計算公式為：

在上述公式當(dāng)中，字母Xi代表的是在i這一區(qū)域范圍之中所有就業(yè)人數(shù)在經(jīng)濟體就業(yè)人數(shù)當(dāng)中所占的比例，H表示前文所討論的赫芬達(dá)爾指標(biāo)，G表示基尼指數(shù)。

在金融集聚度測算當(dāng)中采用產(chǎn)業(yè)集群指數(shù)的原因在于：產(chǎn)業(yè)集群指數(shù)對金融領(lǐng)域中各個機構(gòu)相互間因?qū)ν獠啃曰蜃匀粌?yōu)勢進(jìn)行共享的集中以及隨機集中進(jìn)行了區(qū)別對待，相比擬于基尼系數(shù)而言，基尼系數(shù)沒有對金融業(yè)當(dāng)中各個機構(gòu)的要求予以綜合考慮，所以產(chǎn)業(yè)集群指數(shù)具有更加突出的地理意義；除此之外，借助產(chǎn)業(yè)集群指數(shù)進(jìn)行比照分析可以突破國家、產(chǎn)業(yè)以及時間方面的限制。在金融業(yè)集聚測度過程中采取產(chǎn)業(yè)集群指數(shù)進(jìn)行分析，產(chǎn)業(yè)規(guī)模、機構(gòu)所處的具體位置以及地理數(shù)據(jù)精準(zhǔn)性等因素并不會對最終判斷結(jié)果造成實質(zhì)性影響。

姜冉〔2022〕等指出，在應(yīng)用產(chǎn)業(yè)集群指數(shù)公式對金融集聚測度進(jìn)行計算分析的過程中，所得出的產(chǎn)業(yè)集群指數(shù)越大，說明金融業(yè)存在額外集中，也就是說，相比擬于隨機集中而言，其能夠產(chǎn)生更加明顯的集中。產(chǎn)業(yè)集群指數(shù)在進(jìn)行金融集聚測算方面也存在自身的缺乏，主要是對能夠給金融機構(gòu)規(guī)模分布地理集中產(chǎn)生控制性影響的因素進(jìn)行判斷，通過產(chǎn)業(yè)集群指數(shù)指標(biāo)，無法對導(dǎo)致金融業(yè)所存在的額外集中的原因做出準(zhǔn)確判斷。

盡管產(chǎn)業(yè)集群指數(shù)對于金融產(chǎn)業(yè)集中影響主要是通過赫芬達(dá)爾指數(shù)予以控制，但并不意味著產(chǎn)業(yè)集群指數(shù)可以抵抗金融業(yè)中機構(gòu)規(guī)模所導(dǎo)致的影響。

〔五〕哈萊-克依指數(shù)

L.Hannah與J.Kay二人提出的哈萊-克依指數(shù)，是一個依托于赫芬達(dá)爾指標(biāo)、利用復(fù)雜數(shù)學(xué)辦法對產(chǎn)業(yè)集聚程度進(jìn)行測算的更加常規(guī)的指數(shù)簇。

定義，那么對應(yīng)的哈萊-克依指數(shù)敘述公式為：

通過上述哈萊-克依指數(shù)敘述式可知，哈萊-克依指數(shù)與產(chǎn)業(yè)經(jīng)濟學(xué)領(lǐng)域中的集中曲線之間存在密切聯(lián)系，將哈萊-克依指數(shù)應(yīng)用到金融領(lǐng)域當(dāng)中，將金融業(yè)當(dāng)中的機構(gòu)數(shù)量按照由大到小的順序進(jìn)行排列構(gòu)成橫軸，金融機構(gòu)所占市場份額的總和構(gòu)成縱軸，哈萊-克依指數(shù)曲線向上凸出的程度意味著金融業(yè)機構(gòu)大小分布的不均衡程度，哈萊-克依指數(shù)曲線與100%水平線相交點對應(yīng)的數(shù)值就是金融業(yè)中機構(gòu)的總數(shù)量。

石沛〔2022〕等認(rèn)為，從某種意義上講，赫芬達(dá)爾指數(shù)就是哈萊-克依指數(shù)的一種特殊情況，即R在α取值2的情況下的哈萊-克依指數(shù)。依據(jù)哈萊-克依指數(shù)公式所得出的結(jié)果與常規(guī)情況不同，換言之，哈萊-克依指數(shù)數(shù)值與集聚度之間具有負(fù)相關(guān)關(guān)系，具體到金融行業(yè)當(dāng)中，哈萊-克依指數(shù)數(shù)值越大，意味著金融業(yè)集聚度越低，相反，如果哈萊-克依指數(shù)數(shù)值越小，那么意味著金融業(yè)集聚度越高。

依托于距離的金融集聚度測算

當(dāng)前在進(jìn)行金融集聚度測算過程中所采用的辦法大多是建立在行政單元根底之上的，這種金融集聚度測算辦法所得出的結(jié)果只能對金融領(lǐng)域某一空間尺度的集聚度做出反映，但實際上，金融業(yè)不同單元相互間存在明顯差距，這一點突出體現(xiàn)在區(qū)域空間范圍方面，如我國的--、內(nèi)蒙等省份在地理范圍方面遠(yuǎn)遠(yuǎn)超出安徽、江西等省份。所以，依托于行政單元進(jìn)行金融地理集中或集聚度測算所得出的結(jié)果有可能會對金融空間模式判斷造成一定的負(fù)面影響。針對傳統(tǒng)金融集聚度測算辦法中所存在的缺乏，March、Puech以及Duranton及Overman將依托于距離的測算辦法引入到金融集聚度測算過程中。

〔一〕K函數(shù)及L函數(shù)

所謂K函數(shù)，即March、Puech所提出的建立在Ripley根底之上的函數(shù)，該函數(shù)的存在需要設(shè)定下列若條件：

第一，將既定區(qū)域當(dāng)中所波及的機構(gòu)均視為一個點，將以i點為中心，以r為半徑畫圓，處于該圓輻射領(lǐng)域當(dāng)中的所有點的數(shù)量總和記作f，f充當(dāng)i的鄰居，即N〔i，r〕，全部點對應(yīng)的鄰居數(shù)的平均值記作：N〔r〕；第二，若各個機構(gòu)相互間彼此獨立存在，同時在圓圈各個點分布的幾率無異，那么該區(qū)域當(dāng)中機構(gòu)平均密度可以記作一個常數(shù)λ，那么上一步驟所確定的圓圈區(qū)域當(dāng)中所波及的金融機構(gòu)數(shù)量可以記作λπr2，這就是完全空間隨機分布情況，一般情況下會將這種隨機分布作為基準(zhǔn)展開比照分析；第三，某一區(qū)域范圍內(nèi)的金融機構(gòu)相互間存在緊密聯(lián)系，而事實上的分布情況可能與完全空間隨機分布相一致，要么偏向于集中，要么偏向于分散，對于事實上與理論上之間必然存在的偏離可以用K函數(shù)進(jìn)行衡量；所謂K函數(shù)，即散布于r距離中全部點鄰居數(shù)的平均值與隨機獨立分布情況下的密度之比，將其記作K〔r〕，那么有公式：在上述公式當(dāng)中，g〔ρ〕表示徑向分布函數(shù)，如果確保不變動方向，那么該徑向分布函數(shù)只受點之間的距離因素影響，可將其記作g〔r〕。因為r在取值范圍上并無特殊限制，所以，利用K函數(shù)便可以對在不同空間范圍內(nèi)的經(jīng)濟活動集聚狀況進(jìn)行分析。當(dāng)然，應(yīng)用K函數(shù)對金融集聚度進(jìn)行測算也存在一定的缺乏，主要表現(xiàn)為要比照分析每次測算值與πr2上。

鑒于K函數(shù)存在的缺乏，Besag進(jìn)行了完善，其比擬基準(zhǔn)選定為0，由此推導(dǎo)出L函數(shù)，對應(yīng)的敘述公式為：

在上述公式當(dāng)中，L〔r〕意味著分布在r范圍當(dāng)中的各點對應(yīng)的區(qū)域平均分布密度取λ的情況下，實際分布范圍與理論分布范圍之間的差值。舉例來講，在L〔10〕=5的情況下，意味著在半徑為10km的范圍之內(nèi)實際點數(shù)量完全隨機分布情況下與15km范圍之內(nèi)的點的數(shù)量并無差別。將L函數(shù)應(yīng)用于金融領(lǐng)域當(dāng)中，如果根據(jù)L函數(shù)所得出的數(shù)值為正，意味著于r范圍之內(nèi)金融地理分布集中；相反，如果根據(jù)L函數(shù)所得出的數(shù)值為負(fù)，意味著于r范圍之內(nèi)金融地理分布分散。

徐玲〔2022〕等通過對L函數(shù)當(dāng)中的半徑賦予不同的數(shù)值進(jìn)行計算便可以總結(jié)出金融領(lǐng)域當(dāng)中各個尺度地理區(qū)域范圍當(dāng)中在分布上的規(guī)律。對于傳統(tǒng)金融集聚測度辦法在實際應(yīng)用中所暴露出的缺點，借助K函數(shù)及L函數(shù)可以進(jìn)行有效彌補，但在有關(guān)研究過程中也面臨一系列的缺乏，具體體現(xiàn)在下列幾方面：第一，實踐研究過程中所針對的研究對象所處區(qū)域展現(xiàn)出較為復(fù)雜的地理特征，簡單的設(shè)定區(qū)域當(dāng)中點是均勻且隨機分布顯然是不科學(xué)的；第二，Ripley在研究過程中將各企業(yè)均視為一個點，無視了對金融機構(gòu)自身規(guī)模因素的考慮，而實際上，既定地理區(qū)域范圍當(dāng)中的金融機構(gòu)的規(guī)模會或多或少影響到金融集聚測度結(jié)果；第三，將處于研究區(qū)邊界周邊、不屬于研究區(qū)但處于r范圍當(dāng)中的點涵蓋其中的可能性客觀存在，而防止此種現(xiàn)象的難度相當(dāng)大，由此也決定了在相對復(fù)雜的空間運算當(dāng)中引入該辦法并不現(xiàn)實；最后，該函數(shù)設(shè)定完全隨機空間分布為基準(zhǔn)進(jìn)行比照，密度設(shè)定為常數(shù)，采取此種計劃并無實際意義，原因在于通過地圖可以較為清晰的對此種集聚進(jìn)行展示，鑒于此，以所有行業(yè)為基準(zhǔn)進(jìn)行比照分析更具科學(xué)性和可行性。

〔二〕SP指數(shù)

SP指數(shù)是由克魯格曼及米德法特-納維克所提出的，該指數(shù)主要是對實踐應(yīng)用當(dāng)中空間基尼系數(shù)及赫芬達(dá)爾指數(shù)所存在