基于综合评价模型对国际金融中心影响力的研究
金融集聚、金融风险对区域经济发展的空间效应研究——基于空间计量模型的实证分析
财经理论研究２０２３年 第５期［收稿日期］２０２３－０５－１６［基金项目］国家社会科学基金一般项目（２２ＢＴＪ０７１）［作者简介］赵峰（１９７８－），女，山东莘县人，山东科技大学经济管理学院教授，博士，硕士生导师，从事金融集聚、区域经济、绿色技术创新研究。
［通讯作者］邹悦（１９９６－），女，山东泰安人，山东科技大学经济管理学院硕士研究生，从事金融集聚、区域经济、绿色技术创新研究。
金融集聚、金融风险对区域经济发展的空间效应研究———基于空间计量模型的实证分析赵 峰，邹 悦（山东科技大学 经济管理学院，山东 青岛 ２６６５９０）［摘 要］金融集聚主要通过集聚与扩散两个效应促进区域经济发展水平的提升，而我国的外源性金融风险和内生性金融风险也会对区域经济发展进程产生重要影响。
基于此，本文收集了２００７年至２０１９年我国各个省区的面板数据并依照地理方位将各省份划分成四个区域，通过构建空间计量模型探究了金融集聚和金融风险对区域经济发展所产生的空间效应以及金融集聚对金融风险的非线性影响。
研究表明：各区域的经济发展水平在空间层面上具有比较明显的正相关性；总体而言，金融集聚总体上会助推区域经济的向好发展，但更多地表现为对本区域的促进作用，而为相邻地区带来的经济效应是有限的；金融风险总体上会阻碍区域的经济发展进程，但更多地表现为对周边地区的抑制效应。
因此，要重点关注金融风险在不同区域的空间依赖性。
此外，我国四个区域的金融集聚和金融风险所产生的经济效应具有区域异质性，金融集聚对金融风险存在先抑制后促进的非线性影响。
［关键词］金融集聚；金融风险；区域经济；区位熵；熵值法［中图分类号］Ｆ８３２ ［文献标识码］Ａ ［文章编号］２０９５－５８６３（２０２３）０５－００３０－１３ 一、引言金融集聚可以通过集聚效应强化本区域的经济实力，并在扩散效应的作用下带动邻近区域的经济发展，金融集聚也会促使金融集聚区内和区外产生经济发展差距，提高金融集聚风险的发生概率，进而阻碍本区域和邻近区域的经济发展进程。
我国金融中心综合评价分析及发展战略目标定位
１评 价指 标 体 系 ： ． 区域 金 融 中 心 的综 合 实 力 主 要 影 响因素 为经济 实力 、金融 实力 和区位 优势 等［ ３ １ 。 借 鉴 国内其他 研究 的经验 ，我 们设计 了一套评 价指 标 体 系。 由于有 些评价 指标 缺乏 法定统 计数据 ， 以 所 对 指标 的选 取必须 进行 取舍 。我们设 计 了 四级 指标 体 系来进 行评 价 ，其 中二 级指 标 ３个 ，三 级指 标 ９ 个， 四级指标 ２ 个 ＿ ８ ４ １ 。如下 的评 价指标 体系表 １ ： ２评 价模 型 。设 Ｘ （ｉ 代表 原 始数据 阵 ， ． ＝ｘ） ｊ 一 ｎ为 评 价对 象个 数 ， ｍ为 指标个 数 。＝ ，， ；＝ ， …ｍ。 ｉｌ …ｎ ｊ １ ， ２ ２ 主要 步 骤如 下 ： １ 规 范化 处 理 ： 了 消 除量纲 的 影 （） 为
ｏ ｒ ｃ ｕ ｔｙ ｕ ｏ ｎｒ．
Ｋｅ ｏｒ ：Ｆｉ ａ ｃ ａ ｎ ｅ ｓ ｙＷ ｄｓ ｎ ｎ ｉｌＣｅ ｔ ｒ；Ｒｅ ｉ ｎ ｌＦｉ ａ ｃ ；Ｅｖ ｌ ａ ｉｎ Ｉ ｄｉｅ ｙ ｔｍ ｇｏ ａ ｎ ｎ ｅ ａ ｕ ｔｏ ｎ ｃ ｓＳ ｓｅ
金 融是经济 的核 心 ， 融与经 济发 展互 为 因果 、 金 互为基 础 、 为动力【 互 １ 。重要 的区域 性经 济 中心城市
ｃ ｎ ｅ ｔａｅ ｎ ｃ ａ ｔ ｌａ ｅ ｓ ｗｈ ｌ ｈ ｄ ｌ ｎ ｅ ｔｒ ｎ ｎ ｉ ｌｃ ｎ ｅ ｓ ａ ｅ ｄ ｖ ｌｐ ｄ ｒ ｐ ｄ ｙ ｏ ｃ ｎ ｒ ｔ ｄ ｏ ｏ ｓ ｒ ａ ， ｉ ｔ ｅ ｍｉ ｄｅ ａ ｄ ｗ ｓｅ ｎ ｆ ａ ｃａ ｅ ｔ ｒ ｒ ｅ ｅ ｏ ｅ ａ ｉ ｌ ａ ｅ ｉ
多指标综合评价理论与方法问题研究
多指标综合评价理论与方法问题研究一、本文概述在现代社会，随着科技的快速发展和全球化的深入推进，我们面临着越来越多的复杂问题，这些问题往往涉及多个指标、多个维度和多个利益相关者。
因此，如何有效地对这些问题进行综合评价，成为了一个重要的研究课题。
本文旨在探讨多指标综合评价的理论与方法问题，通过深入研究和分析，提出一套科学、合理、实用的综合评价模型和方法，为解决实际问题提供理论支持和实践指导。
本文将对多指标综合评价的基本概念进行界定，明确其研究范围和对象。
然后，我们将回顾和评价现有的多指标综合评价方法，分析它们的优点和不足，为构建新的评价模型和方法提供借鉴和参考。
接着，本文将深入探讨多指标综合评价的理论基础，包括综合评价的基本原理、评价指标体系的构建原则和方法、评价方法的选择和优化等。
在此基础上，我们将提出一种基于多维度分析和多方法集成的综合评价模型，该模型能够充分考虑问题的多个方面和多个利益相关者，提高评价的准确性和可靠性。
我们将通过案例分析和实证研究，对所提出的综合评价模型和方法进行验证和应用，探讨其在解决实际问题中的效果和价值。
本文的研究不仅具有重要的理论意义，也具有广泛的应用价值。
通过深入研究多指标综合评价的理论与方法问题，我们可以为政府决策、企业管理、社会评价等领域提供更加科学、合理、实用的评价工具和方法，推动社会经济的可持续发展和人类的全面进步。
二、多指标综合评价理论基础多指标综合评价理论与方法问题研究的核心在于构建一个全面、科学、有效的评价框架，用以处理复杂系统中的多个指标。
这一理论框架不仅要求我们能够理解和量化各个指标，而且需要研究指标之间的关系，以及如何将这些关系整合到一个综合的评价体系中。
多指标综合评价的理论基础建立在系统科学之上。
系统科学强调整体性和关联性，认为一个系统是由多个相互关联、相互作用的要素所组成。
在多指标综合评价中，这些“要素”就是各个评价指标，而“整体性”和“关联性”则要求我们在评价过程中，不仅要考虑单个指标的表现，更要关注指标之间的内在联系和相互影响。
我国区域金融中心建设问题研究述评
中心 相应 地服 务于 ：它的直接腹 地 ，腹地
内容 摘 要 ： 本 文 对 我 国建 设 金 融 中 心
融竞争力进行综合评价 ，根据评价排序建
议把北京和上海归 为 “ 国家 级 金 融 中心 ” ， 把 深圳 和广 州 归为 “ 发 展 型 区 域 金 融 中 心” ， 把 天 津 和南 京 归 为 “ 成 长 型 区域 金 融
地 以外 国 内 的一 定 区域 ，可 以称 为 区域 级
而进行 整体规划布局安排 ，并根据量化 指 标对中国金融 中心 的整体 布局 和建设步 骤
提 出合 理 化 建 议 。
关键 词 ：金 融 中心 研 究 综述 政 府
主 导型 评 估 指 标 体 系
从 以上 的研 究来 看 ，对上 海和北 京的 发展定位基本明确 ，而国内其他城 市的发 展缺乏统一定论。其 中一些邻近城市竞争
范 围 法 、 目标 法 和 频 度 统计 法 相 结 合 的 方
法 ，构建指标体系对区域金融 中心城市金
我 国 区 域 金 融 中 心 建 设 问 题
研究 述评
■ 房朝君 （ 重庆 Ｚ － 商大学融智 学院 重庆 ４ ０ ｛ ） ０ ３ ３） ▲ 本文是 重庆 市科委 ２ （ ） ｉ ２ 年 度软科 学项 目 “ 重庆 国际结 算型金 融 中心
异 常 激 烈 ，资 源 争 夺 、浪 费 很 难避 免 。 为
自我 国 提 出要 建 设 自 己 的 国 际金 融 中
心后， 国 内的学者从金融 中心的界定开始 ， 借鉴其他 国家和地 区经验 ，构建评价指标 体系对 国内城市进行 比对分析 ，从政 府的 角度出发思考我国金融 中心的定位和布局 ，
国外企业绩效评价发展综述及比较研究共3篇
国外企业绩效评价发展综述及比较研究共3篇国外企业绩效评价发展综述及比较研究1随着全球经济的快速发展和全球化的不断推进，企业绩效评价在企业管理中扮演着越来越重要的角色。
在当前国际贸易竞争中，企业需要在复杂的市场环境中迅速做出反应，提高产品质量、降低成本、加强竞争力，因此，绩效评价已成为企业管理的关键因素之一。
本文将从国外企业绩效评价发展的角度进行综述和比较研究。
国外企业绩效评价的发展历程可以追溯到上世纪60年代和70年代，当时企业开始使用了“利润中心”等管理工具。
之后，评价模型逐渐演化为基于目标制定的方法，并特别关注了金融指标。
20世纪80年代和90年代，企业绩效评价向着更加全面的方向发展，不仅包括财务指标，还包括非财务因素，如客户满意度、产品质量、员工满意度、创新能力等。
绩效管理工具也有所增加，如平衡计分卡、绩效管理、关键绩效指标等。
平衡计分卡是绩效评价中最广泛使用的方法之一。
该方法是基于四个方面的指标进行评价，包括财务、客户、内部流程和学习与成长。
这使得企业能够从不同的角度全面评价企业的绩效，并不断优化和改进自身的运营。
绩效管理是对企业绩效情况进行长期监控的方法，使得企业能够更好地掌握自身运营情况，及时发现可能存在的问题，并迅速采取措施解决。
关键绩效指标是企业绩效管理的一种方法，它重点关注影响企业绩效的主要因素，使企业能够精细化管理，并更加有效地制定决策。
当前国外企业绩效评价更加注重多维度的评价方法，通过制定各项指标并进行全面评价，使企业更好地了解自身运营情况，从而采取更加合理的经营决策并及时修改原有的经营方案。
当前国外企业绩效评价已经转向非财务指标为主，并注重企业绩效监控的长期性和全面性。
相比之下，国内企业绩效评价的发展时间较短。
随着中国市场经济的逐渐发展，企业对于评价自身绩效的需求开始加强。
在上世纪80年代和90年代，国内企业逐渐借鉴国外的企业绩效评价模型，并引入了关键绩效指标、平衡计分卡等评价方法。
武汉区域金融中心建设路径研究基于组合评价法金磊
第9卷第6期2012年6月Journal of Hubei University of Economics(Humanities and Social Sciences)湖北经济学院学报（人文社会科学版）Jun.2012Vol.9No.6一、武汉建设区域金融中心的现实意义（一）促进国家中心城市功能的全面转变城市作为资源要素的集中地，其经济的繁荣和文明程度直接决定和影响着国家与区域经济的整体发展。
当今经济社会的复杂程度越来越大，赋予现代城市的功能也越来越多元化，总体来看，现代城市功能主要体现在五个方面：产业基地功能、贸易基地功能、金融中心功能、政治中心功能和服务中心功能。
中国当前正面临人类历史上最大的城市化进程，城市化和武汉的发展息息相关。
武汉“十二五”规划中明确提出要打造“国家中心城市”的战略，而GDP 、服务业、金融、研发占比四大指标是建设国家中心城市的基本条件。
从某种意义上讲，区域金融中心体系的建设对武汉城市功能的转变产生重要的推动作用。
（二）促进“两型社会”改革的全面实施“两型社会”试验区建设的最核心问题是实行制度创新，体现在金融领域，就是金融创新的先行先试权。
“两型社会”试验区建设必须依托雄厚的产业基础，必须大力发展满足“资源节约、环境友好”要求的现代产业，这就要求我们必须重点加快发展银行、保险、证券、信托等金融行业，扩大金融产业规模，实现武汉金融业的跨越式发展。
通过金融大发展促进武汉经济大发展，以区域金融中心地位强化武汉在区域经济发展的战略支点地位，充分发挥武汉金融在资源优化配置、产业结构升级、城市功能强化等方面的作用，最大程度的满足“两型社会”试验区建设对金融服务的需求。
（三）促进武汉“城市圈”协调持续发展金融对城市圈中经济发展具有引致效应，发展城市圈经济需要发挥金融市场的资金调节和疏导效应，同时，金融在城市圈产业结构调整过程中有一定导向作用。
武汉区域金融中心的建设，有利于充分发挥武汉金融服务对周边城市的辐射功能，打破武汉及八个卫星城市之间金融市场方面长期存在的、已经固化的各种界限，形成城市圈内统一的金融市场体系，促进金融资源在圈内自由转移、快速流动和合理配置，使区域性金融差距在一定时期之内缩小，从而达到城市圈内社会经济各个层面和谐发展的目标。
伦敦建设国际金融中心的比较优势及发展现状分析
伦敦建设国际金融中心的比较优势及发展现状分析［摘要］本文对伦敦国际金融中心的建设发展进行案例分析,通过翔实的事实与数据,在产生原因、经济基础、经济腹地、辐射作用等方面比较分析伦敦进行金融中心建设的特点和经验,进而从国际金融中心的建设发展的战略角度出发,对上海建设国际金融中心的综合态势进行分析评价,并提出相关建议。
［关键词］国际金融中心；建设；发展［中图分类号］F832［1 伦敦的比较优势及发展现状1.1 独特的基础(1)雄厚的贸易基础。
17~18世纪随着英国成为世界经济贸易的中心,伦敦成为贸易中心被逐渐凸显。
世界殖民地范围内大量结算、融资、汇款等业务的需要催生了银行间货币业务,大小银行相继产生并有很大的发展。
伦敦,正是利用国际汇票这一机制,迅速从起初仅仅服务于贸易融资的低级中心,发展为世界上最主要的国际金融中心。
这种商业金融服务,针对贸易中最重要的一个环节——汇款,大大缩短了商业资本主义的交易成本,不断加快财富创造,消费信息传递的速度,必然推动和催生大量复杂货币流和货币业务的集聚,在特定的时空和特定的区域形成国际性的金融中心。
伦敦,基于其雄厚的贸易基础,是发展为国际金融中心的关键。
(2)坚实的实力后盾。
作为一个国家和地区经济金融龙头者的国际金融中心,其发展的潜力和动力势必与所在国家的综合实力有很大的关系。
英国工业革命之后,其急速发展的机器工业生产出大量物美价廉的工业品,随着工业品输往海外殖民地和其他国家地区,英镑就成为全球经济贸易业务中被最普遍使用的支付工具,作为英国首都和中心城市的伦敦自然拥有巨大的资金需求流与供给流和大量的金融业务需求,这正是一个城市发展为金融中心的市场驱动力。
英国综合国力的不断提升以及其在国际经济贸易实务中主导权的不断强化为伦敦发展为国际金融中心奠定了坚实基础和后盾。
1.2 突出的优势(1)集聚优势。
上文分析的贸易基础和综合国力基础使得伦敦具有自然集聚的优越条件,集聚了充足的金融优势资本。
我国金融效率评价指标体系及影响因素分析
第四 上内 提出 章总结以 容， 提高中国金融效率的对策建议。提高中国 金融效率的关键 还是要加快金融体制改 积极推动国有企业制度改 促进金融和经济的和谐持续发展． 革， 革， 总之， 研究 本文的 表明：我国的 金融发展具有粗放型数量扩张特征， 增长在很大 金融 程度上只是金融数量的 低效率地简单快速扩张。 提高我国的金融效率， 将极大地促进我国 金融和经济的 和谐快速发展。 但是， 影响和制约我国金融的因素也很多，为了 促进整个国 民 经济的 发展，必须加快金融和经济体制改 革的步伐， 提高我国的金融效率水平．
ｅ ｃ ｙｈｏｇ 咖 打 ｓ ｇ ｔｌｅ ｖ犷 。 Ｐ ｉ ｄ ． ｉ 眼 ｔｔ ｈ ｆｉ ｕ ａ， ｗｈ ｂ ｏｅ 哪 ｎｉ 加ｉ ５ ｒ ａ 加Ｉｔ
Ｃ ａｔ ： ｓ比ａ ｃ ｌ ｓｔ Ｔｉ Ｐｔ ｎａ ｅ ｈ ｃ ｉ 恤ｃ ｇＣ ｉ ｓ ｉａ ｉ 币ｃｎｙ ｈＰ 已 ｈ ｅ ｒａ ｙ ｓ ｅ加 ｔ ｄｕ 加 ｈ ｎ ｏｆｎ ａ 明 ｅ ｎｃ ｌｅ ｉ ｅ ｃ ａ ｄ 协５ ｎ 比叩比 ｏ ｒ ｄ 卯０ ５ ｉ ｓ 川 ｓ ｔ ａａ 时ｔ 几 Ｉｓ ｉ ｃ ｉ 印ｒｎ 助 ｄ ｇ ｒ 以 ｉ ５ 血ｄ ｇ Ｒ ｅ ｉ ｎ！ ｈ Ｃ ｗ ｃ ｆ ． １ ｈ． ｃｏ ｎ ｚ ｙ 。 班 ｈｈ ｈ ｅ ｆｃ ａ 卿 Ｐ 五却 ｅ ｃ ｙ ．ｂｓ ｎ ｓ １ ， ｇ ｔ ｂ ｋ ｒ 翎川 ， ｖ ｅ 比ｍ ｒ ｉ ｎ ｃ 街 俪ｃ Ｔｅｅ ｄ Ｃ０ ｔ ａ ａｌ ｃ ｏ ｃ ｅ ｏ ｃ ｅ 幻 由ｎ ｈ 胡 ｆ 既 ｔ ｅ ｏ 。 ａ习 ｅ ｔ ｆ ｔｓ ｉ ａｅ 目ｃ ｄ ｉ ， Ｐ ｆ ｃ ｅ ｃ ｎｙ ｏ ｏ ｒｓ ｃ ａｏｔ ｎ ｙ ｄｈ ａ ｏ ｗ 比ｈ ａ沁ｔ ｍｃ ｃｉ ｉ ｅ ｆｉ ｃ ｆ ｍｆ ａ ｅ吐 ｂｕ ｚ ｅｃ ｂ ｒ ｖ ｏ ｒ ｏ ｃ撇 ｏ ｉ ｏ ｒ ｕ Ｐ ｓ ｂｎ Ｐ Ｐ 行ｈｓ 傲 ，田 ｅｙ ｕ】 ，ａ ｓ ｌ ｂｍ ｎ ａ ｔ ａ ｉ 峨ｙ ｇｔ ｅ ｐ Ｐｒ ｑ． ｙ 幻 ｃ。 ｕ ａ ｃ ｉ ｋｏ ｓ ｙ功 ｔ 鱿 ｂ ｋ ａ 叨ｄ Ｐ吐 ｈ Ｐｅ ： Ｃ ａｔ ４ｈ ｓ ｈＰ ｒ ｒ ｌ ｃ“ｓ ｉ ｅ ｕ ｓ ｍ ｒ ｅ ｅ ｈ ｅ ｎ Ｔｉｃａｔ Ｐ ｖ ｓ ｏ ｅ 皿ｄ ｍ ａ ｒ ｔ ｉＰ ｖ ｔ Ｃ ｉ ｓ 五 朋邝 ｒ ｅ Ｏｄ ｓ Ｐ ｎ ｇ ｓｅ ｏ ｏ ｈ ｎｅ ｃ ｏｃ 比ｏｇ 阳 ｍ 吨 ａｏ ｃｎ ， 田ｄ ｙ 了 ｈ ｍ 如２ ｂ代 ｏｉ ｕ 呱 功ｅ如ｙｏ 加Ｐ ｉ ｔ ｈ ｉ ｃ五ａ ｆ 卿 ｎｈ ｇ ．Ｃ ｎ ｓ ｅ ｎ ｅ ｃ ｎ ｅ ｅ ｙｓ ｓ ｅ ｕ ｔ ｍ ｔｙ邓ｅ ｆ ，ｏ ｉ ｙｍ ｅｔ ｓｔ。 ｌ ｅ ｅ ６ｅ 价ｄ习 ｉ ｏ ｅ Ｐｈ 叻ｅｒｓ ｔ ｏ ｐｓ ｖ ｉＰ ｈ ｔｅ ｗｌ ｎ ｒ ｓ ｃ ｔＰ ｄ ｅ ａ ｍ此 ｒ ｍ ｔｌ ｉｅ ｌ ｏ ａ一 ｅ ｔ ｄ ｐ ｓｓ ｎｒ 浏 明ｄ ｎ ｌＰｏ 叭 ａ ａ １ ｄ ｌ 功 ｏ６ “朋ｄ坛ｅｏｏ 弘 ｙ沈 ｌ ｆ ｅ ｏ ６ ａ ｒ ｃ ｈＪ 朋ｙ ｅ ｏ 朋ｔ 呱 ｌ ｙ ｍ 口 ｖ ｐ ｆ ｔ ｃ幻ｍ
上市公司收益质量综合评价方法及测度模型检验——基于综合评分指标的考察
为 出现上述三种情况中的一种或几种现象就轻易地 得｝该企业 的 ｊ Ｊ 收益质量低肯定是错误的。 只有从整个评价体 系考虑 ， 才能克 服以 偏概全 的缺点 ， 才能得 出合理的结论 。 三 ， 第 还要考 虑上市公 司对 会计制度的选择和运用情况 ， 会计人员 的业务素质等等 。 （ ） 二 定量模型分析步骤 第一 步， 收集权威机构对上市公 司各 年度财 务报告 给 出的综 合评分 指标 的得分 。 也可 以用其 他数据 （
益的持续 、 收益 的成长性 、 收益的变现性 、 收益的结构性 ）第二步 ， 。 对收集到的数据进行归一化处理。 第三步 ， 运用层次分析法确定综 合评分指标各部分 的权 重 。 第四步 ， 根据第 三步确定 的权重 ， 建立 反映上市公司收益质量的综合评分公 式。 第五步 ， 运用 该公式对 目
一
昀、 王安武 （０ ０ 认为 ， ２０ ） 收益质量的高低主要看盈利是否伴随着
相 应 的 现 金 流 人 。 就 是 说 收 益 如 果 有 现 金 的 同步 增 加 ， 盈 利 是 也 则
有现金保障 的， 收益质量 就好 ； 否则 收益 质量就坏 。 陈剑（０ ５ 认 ２０ ）
为 对 上 司 公 司 收益 质 量 的评 价 应 涉及 对交 易操 纵 的分 析 、对 收 益
燕 伟
（ ） 一 定性 分析 首先 ， 应进 行环境和 行业 分析 ， 主要包括 对社
会 环 境 、经 济 环 境 和 行 业 环 境 的 分 析 。 和 谐 的 社会 环境 是 企业 健
余的可靠性和持续 性程度的高低。 其二 ， 收益质量指报告收益与企 业创造经济价值之 间的离差程度 ， 包含两层含 义 ： １ 与真 实收 （）
价利率 ， 还应考虑外 币的预期 汇率 。在进行长期筹资决策时 ， 如何 选择外 币， 国际企业也必须根据所需资金数量 、 证券销售 价格预测 其拟发证 券的票面货币汇率的变化 ， 综合确定筹资的有效 成本 。 另 外国际企业在进行外 币筹资时 ， 了综合考虑汇率与利率变化外 ， 除 外币选择还应做到以下几点 ： 其一 ， 资货 币 与用款及还款货币尽 筹
基于综合评价模型对国际金融中心影响力的研究
的探讨 。
１ 综合评价模 型 。
综合 评价 模 型是 一 种 较 好 地 利 用 模 糊 集 理论 来 进行决 策制 定 的例 子 。综 合 评价 模 型 的 目的是 ： 在 具有 多个 因子 的模 糊决 策 环 境 中 ， 给与 另 一个 对 象 相关 的某个 对象 提供综 合 的评价 。
一
个 国际金 融 中心 的影 响 力是 有 连续 性 的 ， 会在 不
瞬 间产生 ， 不会 瞬 间 消 失 ， 以本 文 考 虑 了较 长 也 所 的一个 时 间序列 ， 以期对 主要 的 国 际金融 中心 在某
段 时间 的影响力进 行 比较研 究 。
者也从各种角度进行关于金融 中心的研究 ， 但关于
图 １ 综合评价模型 的计算过程
类 的一种方法 ， 即将那些 相似 的样 品归为一类 ， 不 相似的样 品分别归 到各 自不容 的类别 中。聚类分 析根据不同情 况有多种计算方 法 ， 如层 次方法、 基 于密度 的方法 、 于 网格 法、 于模 型方法 等等。 基 基
本 文 中之所 以使 用 到 聚类 分 析 法 ， 主要 目的是 为 了
CFB：金融领域大模型评估方法
CFB：金融领域大模型评估方法目录一、内容概要 (2)1.1 背景与意义 (2)1.2 文献综述 (4)1.3 研究目标与方法 (5)二、金融领域大模型的概述 (6)2.1 大模型的定义与特点 (8)2.2 金融领域大模型的应用场景 (10)2.3 金融领域大模型的挑战与机遇 (11)三、CFB评估方法的理论基础 (12)3.1 评估方法的选择依据 (13)3.2 评估指标体系的构建原则 (14)3.3 评估流程的设计 (15)四、CFB评估方法的具体实施 (17)4.1 数据收集与预处理 (18)4.2 评估指标的计算与分析 (19)4.3 评估结果的解释与应用 (20)五、CFB评估方法的实践应用 (22)5.1 案例选择与数据来源 (23)5.2 实证分析与结果讨论 (25)5.3 对金融领域大模型发展的启示与建议 (26)六、结论与展望 (27)6.1 研究成果总结 (28)6.2 研究不足与局限 (29)6.3 未来研究方向展望 (30)一、内容概要金融领域大模型概述：介绍金融领域大模型的基本概念、特点以及在金融行业中的应用场景。
评估方法与指标：详细介绍评估金融领域大模型的常用方法和指标，包括性能评估、稳定性评估和风险评估等方面。
CFB大模型评估案例研究：通过分析实际金融领域的案例，展示如何应用评估方法和指标对CFB大模型进行评估。
评估流程与实施步骤：阐述金融领域大模型评估的完整流程，包括前期准备、模型评估、结果分析与报告撰写等步骤。
挑战与对策：探讨在评估金融领域大模型过程中可能遇到的挑战和问题，并提出相应的对策和建议。
结论与展望：总结本文档的主要内容和成果，展望金融领域大模型评估方法的未来发展趋势。
本文档旨在为金融领域大模型的评估提供一套系统、科学的方法论，帮助金融机构和相关从业人员更好地理解和应用金融领域大模型，提高金融业务的效率和风险管理水平。
1.1 背景与意义随着人工智能技术的飞速发展，金融领域正经历着前所未有的变革。
基于熵权法的金融风险综合评价模型研究
基于熵权法的金融风险综合评价模型研究随着经济全球化的深入发展和金融市场的日益复杂化，金融风险成为影响经济发展的关键因素之一。
针对这一问题，熵权法是一种比较有效的评价方法，可以帮助投资人和银行等金融机构实现风险控制和风险管理。
本文将探讨基于熵权法的金融风险综合评价模型，为助力金融风险管理提供一些启示。
一、熵权法概述熵权法是一种综合评价方法，可以用于多指标、多层次、多因素的决策问题。
其主要思想是将各评价指标的信息熵作为权重，从而得到各指标的综合得分。
在金融风险评价中，各指标的信息熵表示了该指标所包含的信息量大小，信息熵越大则说明该指标在评价中的重要性越大。
因此，通过熵权法可以避免主观因素对权重的影响，从而提高评价结果的可靠性和科学性。
二、金融风险综合评价模型的构建1. 选取评价指标在金融风险综合评价中，涉及的评价指标比较多，如市场风险、信用风险、流动性风险等。
为了保证评价结果可靠，需要从多个角度选取评价指标。
一般而言，可以按照金融风险的分类，从市场风险、信用风险和操作风险等维度选择相应的指标。
2. 构建指标体系选取评价指标之后，需要构建评价指标体系。
评价指标体系应该按照权重大小分为不同层次，以避免不同层次指标之间存在无序性，并提高整体评价结果的可靠性。
例如，在市场风险评价中，可以将市场波动率、股票收益率、股票价格等指标作为第一层，将股票、债券、货币基金等投资品种作为第二层。
3. 计算权重和综合得分计算权重和综合得分是金融风险综合评价模型的核心。
具体而言，可以按照以下步骤进行计算：（1）计算各指标的信息熵，并将其归一化；（2）计算各指标的权重，即各指标的归一化信息熵之比；（3）计算各指标的得分，即各指标得分与权重的乘积之和。
最后，根据各指标得分的加权平均值，得到整个金融风险综合评价的结果。
三、熵权法在金融风险管理中的应用熵权法在金融风险管理中的应用是非常广泛的。
通过熵权法，可以实现动态风险管理、分散投资和投资组合优化等目标。
金融市场影响因素分析及预测模型构建
金融市场影响因素分析及预测模型构建金融市场作为全球经济的核心，在现代经济体系中发挥着重要作用。
了解和预测金融市场的走势对个体投资者、金融机构以及整个经济体系都具有重要意义。
本文将探讨金融市场的影响因素分析以及预测模型的构建。
首先，我们需要了解金融市场的影响因素。
金融市场受多种因素的影响，包括宏观经济因素、政治因素、社会因素以及市场自身因素等。
其中，宏观经济因素是影响金融市场的重要因素之一。
宏观经济因素包括国内生产总值（GDP）、通货膨胀率、利率、汇率等。
这些因素的变化将会直接影响到金融市场的波动。
其次，我们需要分析各种影响因素对金融市场的具体影响。
以GDP为例，它是衡量一个国家经济总体状况的重要指标。
当一个国家的经济增长率高，GDP增长稳定，通常会吸引更多投资者的关注，股市和债市等金融市场也会呈现出积极的表现。
相反，如果经济增长率放缓或者负增长，金融市场可能会出现下跌的趋势。
类似地，通货膨胀率的变化也会对金融市场产生影响。
高通胀可能导致货币贬值，进而影响金融市场的稳定性。
与宏观经济因素相伴随的是政治因素。
政治因素涵盖政府政策、法律法规等方面的改变。
政府政策的调整通常会直接或间接地影响金融市场。
例如，财政政策的宽松与收紧、货币政策的改变、税收政策的调整等都会对金融市场带来影响。
此外，地区和全球政治事件，如贸易战、地缘政治紧张局势等也会对金融市场产生重要影响。
社会因素也是金融市场的影响因素之一。
社会因素包括人口变动、社会心理等因素。
人口结构的变化会引起金融市场的需求变化，如老龄化社会可能导致保险产品需求增加。
此外，社会心理也会对金融市场产生重要影响，人们对未来经济发展的预期会影响他们在金融市场的投资行为。
除此之外，金融市场自身因素也是影响金融市场的重要因素之一。
市场供求关系、交易活动、资金流动等因素都会对价格形成和市场波动产生影响。
特别是在股票市场中，交易行为、市场情绪等因素对股票价格起着重要作用。
信用评级模型在金融领域中的应用
信用评级模型在金融领域中的应用随着金融业的逐步发展，信用评级模型成为了金融领域中最重要的工具之一。
信用评级模型主要是针对企业或个人的信用风险进行评估，帮助金融机构做出有效的风险控制和决策。
本文将从信用评级模型的重要性、应用场景、模型发展以及未来发展趋势等方面进行详细的探讨。
一、信用评级模型的重要性在金融业中，信用评级模型扮演着不可替代的角色。
首先，信用评级模型可以帮助金融机构更加全面、准确地了解企业或个人的信用情况，定期对客户的信用状况进行监测和评价。
其次，信用评级模型可以有效降低金融机构的信用风险，通过对客户的风险评估来确保客户信用健康度，从而降低不良资产的风险。
最后，信用评级模型可以帮助金融机构做出科学决策，对信用评级较高的客户提供更有针对性的、更具创新的金融服务，从而提高客户的满意度和忠诚度。
二、信用评级模型的应用场景信用评级模型的应用场景非常广泛，主要包括以下几个方面：1、信贷风险管理：信用评级模型可以帮助银行或其他金融机构完善自己的信贷管理制度，根据不同的客户群体，开展风险控制，力求将风险不良率降至最低。
2、投资决策：投资领域的风险管理更加复杂。
信用评级模型可以帮助投资者了解需要投资的企业或项目的信用状况，进而对投资做出更为有效的决策。
3、信用卡授信：信用评级模型可以帮助银行对信用卡申请人进行风险评估，决定是否向其发放信用卡，同时可以决定卡的额度、利率等具体措施。
4、债券评级：债券评级在金融市场中扮演着非常关键的角色。
信用评级模型被广泛应用在债券评级中，可以更加准确地评估债券发行人的信用风险，保护投资者的利益。
三、信用评级模型的发展历程信用评级模型经历了从定性到定量、从手动到自动化的漫长发展历程。
早期的信用评估主要通过分析经验数据来判断客户的信用状况，这种方法存在数据来源单一、误判率高等问题。
到了上世纪八十年代，基于信用满意度调查、财务分析、市场分析等多因素的定性分析方法得到了广泛应用，这种方法虽然比早期方法要精准一些，但仍带有主观性，误判率仍然很高。
基于集成学习的信用评级模型研究
基于集成学习的信用评级模型研究1. 绪论随着金融市场的发展和金融风险的增加，信用评级已经成为金融行业中一个至关重要的领域。
信用评级模型是通过对信用评级数据的建模和分析，预测违约风险等，为投资者提供投资决策和风险管理指导的工具。
2. 传统信用评级模型传统的信用评级模型涉及到线性回归、决策树以及神经网络等机器学习方法。
这些方法使用单个模型学习借款人的数据以及其他因素，以此预测借款人的信用违约风险。
然而，这些模型都存在一些局限性，如对异样数据的过拟合，对特定类型的借款人数据处理不佳，以及易受数据不平衡的影响等。
3. 集成学习方法为了提高信用评级模型的准确性和稳定性，研究者通常采用集成学习方法。
集成学习通过结合多个独立的分类器来改善单个模型的表现，从而提高模型的精度和鲁棒性。
此外，数据挖掘领域的专家们还增加了交叉验证、包外误差等方法来进一步提高集成学习的效果。
4. 基于集成学习的信用评级模型基于集成学习的信用评级模型主要包括Boosting、Bagging、Stacking等方法。
Boosting方法通过训练多个不同的分类器，将分类器集合起来，串联成一个分类器，有效提高了模型的准确性。
Bagging方法则通过集成多个互相独立的分类器，结合分类器所得出的结果来对借款人进行评级，降低了单个分类器因为过拟合或欠拟合而存在的偏差。
而Stacking方法则利用了多层分类器的结构，以模块化的方式构建不同训练样本的最优分类器。
5. 实验结果在对基于集成学习的信用评级模型进行实验测试时，我们选择了UCI机器学习库的借贷违约数据集，以此评估模型的准确性。
实验结果表明，相对于传统的信用评级模型，基于集成学习的信用评级模型获得了更高的准确性和稳定性。
6. 结论本文对于基于集成学习的信用评级模型进行了深入的研究和分析。
通过实验测试发现，基于集成学习的信用评级模型相对于传统的信用评级模型具有优异的表现，提高了我们对借款人信用违约风险的预测准确性和可靠性。
金融风险评估模型研究
金融风险评估模型研究第一章研究背景随着金融市场的发展，金融风险也随之增加，金融风险评估模型成为了银行、券商、保险公司等金融机构不可或缺的一个重要工具。
随着金融市场的不断创新和金融产品的不断推出，金融市场中的风险也不断增加，如信用风险、市场风险、流动性风险、操作风险等。
因此，建立一个完善的金融风险评估模型，对于金融机构来说至关重要。
第二章研究内容金融风险评估模型是一个复杂的系统，涉及到金融学、数学、统计学等多个领域，其中包括了定量分析和定性分析等多个环节。
定量分析通常是通过建立模型，将数据转化为风险指标，从而对风险进行评估。
而定性分析通常是评估企业的管理水平、企业自身的风险防范措施等方面的因素。
第三章常见的金融风险评估模型1. VaR模型：VaR是Value at Risk的缩写，即价值风险，是一种通过建立数学模型来确定一个金融机构在未来一段时间内可能面临的最大可能损失的风险评估方法。
2. CFaR模型：CFaR是Conditional Value at Risk的缩写，又称为Expected Shortfall模型。
与VaR模型不同的是，CFaR模型在计算风险损失时，将超过VaR的部分也考虑在内。
3. Stress Testing模型：Stress Testing是一种通过人为创造多种不同的风险情景，来测试一个金融机构的承受能力的评估方法。
第四章应用案例以国内某商业银行为例，对其进行金融风险评估。
该商业银行采用了VaR和CFaR模型来评估市场风险、信用风险和流动性风险，同时采用Stress Testing模型来评估风险承受能力。
通过对各种风险因素进行模拟和评估，该银行能够提高风险管理水平，保证资产负债表的安全性。
第五章综述金融风险评估模型是金融机构风险管理的重要组成部分。
不同的金融风险评估模型有着各自的优缺点，需要在实际应用中进行选择和改进。
随着金融市场的不断发展，对金融风险评估模型的需求和要求越来越高，需要不断进行研究和创新，以适应不同的风险管理需求。
互联网金融下的多维度信用评估模型研究
互联网金融下的多维度信用评估模型研究一、背景介绍伴随着互联网金融行业的不断发展，信用评估模型也成为了越来越受到关注和重视的话题。
信用评估模型作为金融业的核心之一，其准确性和合理性直接关系到金融行业的发展和稳定。
因此，在互联网金融行业中，多维度信用评估模型的研究也变得尤为重要和必要。
二、多维度信用评估模型的概念及意义多维度信用评估模型是指基于不同的指标和数据，对被评估的个体或公司进行综合性评估的一种信用评估模型方法。
多维度信用评估模型的主要意义在于，通过综合各种指标和数据，客观、全面地评估被评估个体或公司的信用状况，从而为金融机构提供更准确、更全面的参考。
三、多维度信用评估模型的研究现状目前，国内外学者和金融机构对多维度信用评估模型的研究已经取得了不少进展。
其中，国外普遍采用机器学习和人工智能等技术，建立了基于大数据的信用评估模型，如FICO（Fair Isaac Corporation）模型、VantageScore模型等。
而国内则主要涉及到特定领域的多维度信用评估模型及其算法，如个人信用评估、企业信用评估、网络借贷平台信用评估等。
四、多维度信用评估模型研究的思路和方法多维度信用评估模型的建立需要采用什么方法和思路呢？下面，将结合个人信用评估为例，来详细介绍具体的方法和思路：（1）确定数据来源：可通过企业、个人、第三方机构等多种途径获取评估所需的数据。
其中，企业和个人的个人基本信息、工作收入、社会关系、资产负债、信用历史等数据是最基础、最为重要的数据。
（2）构建特征库：即将需要评估的数据抽象成一个个特征，例如婚姻状况、借贷历史等。
在构建特征库时，需要注意选择可靠、相关性强的特征，避免过多无用的数据。
（3）建立模型框架：根据特征库中的特征，确定模型的属性指标，即所需要评估的维度有哪些，如“收入情况”、“偿还能力”等。
（4）训练评估模型：通过机器学习、数据挖掘、数理统计等方法，对模型进行训练，从而得到可用的效果很好的多维度信用评估模型。
商业银行社会责任评价体系
04
商业银行社会责任评价的实施
数据收集与整理
收集数据
01
通过问卷调查、实地访谈、公开资料等多种方式，全面收集商
业银行履行社会责任的相关数据。
数据筛选
02
对收集到的数据进行筛选，确保数据的真实性和准确性，剔除
异常值和重复数据。
数据分类与编码
03
将收集到的数据按照社会责任评价指标进行分类和编码，便于
评价结果呈现
将评价结果以量化的形式呈现， 便于直观了解商业银行履行社会 责任的情况。
原因分析
02
03
提出建议
对评价结果进行深入分析，找出 商业银行履行社会责任的不足之 处和原因。
根据评价结果和分析结果，提出 针对性的改进建议，促进商业银 行更好地履行社会责任。
05
案例分析
国内商业银行社会责任评价案例
后续分析。
评价过程与方法
确定评价标准
根据商业银行的特点和行业标准 ，制定社会责任评价指标体系和 评价标准。
权重分配
根据各指标的重要程度，合理分 配权重，确保评价结果的客观性 和公正性。
综合评价
采用综合评价法、层次分析法、 模糊评价法等多种方法，对商业 银行社会责任进行评价。
评价结果的分析与解读
01
社会责任的内涵
社会责任不仅要求企业关注自身的经济利益，还要关注社会、环境和员工的利 益，积极履行企业公民的责任。
商业银行社会责任的特点
金融稳定
商业银行作为金融中介，应积极维护 金融市场的稳定，防范金融风险，保 障客户的资金安全。
服务实体经济
商业银行应积极服务实体经济，为小 微企业、农业、制造业等提供金融服 务，支持国家经济发展。
探索AI大模型在金融风险评估中的应用
探索AI大模型在金融风险评估中的应用随着人工智能技术的不断发展和普及，AI大模型在金融领域的应用也日益受到关注。
特别是在金融风险评估方面，AI大模型具有独特的优势和潜力。
本文将探讨AI大模型在金融风险评估中的应用，并分析其影响和挑战。
一、AI大模型在金融风险评估中的优势1.数据处理能力强大：AI大模型可以处理海量的数据，挖掘数据之间的潜在联系，从而更准确地评估金融风险。
2.分析能力高效：AI大模型具有强大的学习和分析能力，可以及时监测市场波动和风险趋势，提前应对风险事件。
3.智能决策支持：AI大模型能够为金融机构提供智能决策支持，帮助其制定更科学的风险管理策略，降低损失风险。
二、AI大模型在金融风险评估中的应用案例1.风险预警系统：AI大模型可以建立完善的风险预警系统，实时监测市场风险，提醒金融机构及时采取措施。
2.信用评估模型：AI大模型可以根据大数据分析客户的信用风险，为金融机构提供更准确的信用评估结果，提高信贷审批效率。
3.投资组合优化：AI大模型可以帮助金融机构优化投资组合，降低风险暴露度，提高投资回报率。
三、AI大模型在金融风险评估中面临的挑战1.数据隐私保护：AI大模型需要大量的数据支撑，但如何保护客户的隐私数据成为一个重要问题。
2.模型解释性不足：AI大模型往往具有较强的黑箱性，难以解释其中的决策过程，增加了风险管理的不确定性。
3.模型稳定性和鲁棒性：AI大模型的稳定性和鲁棒性还有待提高，需要不断进行模型更新和修正。
综上所述，AI大模型在金融风险评估中具有巨大的潜力和优势，可以帮助金融机构更有效地识别、评估和管理风险。
但同时也面临一些挑战和问题，需要进一步完善和改进。
相信随着技术的不断进步和发展，AI大模型将在金融领域发挥越来越重要的作用，为金融市场的稳定和健康发展提供有力支持。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
第9卷 第7期 2009年4月167121819(2009)722008205 科 学 技 术 与 工 程Science Technol ogy and Engineering Vol 19 No 17 Ap r .2009Ζ 2009 Sci 1Tech 1Engng 1基于综合评价模型对国际金融中心影响力的研究倪权生(上海交通大学安泰经济与管理学院,上海200030)摘 要 综合评价模型广泛应用于对多变量对象进行综合评价,但大多数都用于主观评价的情形。
将评价对象进行时间上的拓展,获得类似于多次评价的数据,从而对伦敦、纽约等六个金融中心城市的国际影响力进行实证分析,最终发现伦敦的国际影响力最大,其次是纽约和香港,而上海的影响力与其他金融中心之间仍存在一定差距。
关键词 综合评价模型 国际金融中心 影响力中图法分类号 F831.5; 文献标志码 B2008年12月18日收到 随着我国经济的快速发展,整个社会对金融服务的需求越来越多,走在国内金融建设前沿的上海也打出了建设成为国际金融中心的口号。
国内学者也从各种角度进行关于金融中心的研究,但关于国际金融中心的地位或影响力作定量研究的较少,国外少数学者如Reed (1981)[1]使用聚类分析和辨别分析,从银行分布的角度对亚洲17个城市的国际金融中心地位做了比较;Poon (2003)[2]使用层次分析方法对全球主要金融中心的地位做了分层。
国内关于国际金融中心的研究大多集中于对金融中心形成和发展,以及上海如何建设国际金融中心等的探讨。
综合评价模型是模糊数学中应用的比较广泛的一种方法。
在对某一事务进行评价时常会遇到这样一类问题,由于评价事务是由多方面的因素所决定的,因而要对每一因素进行评价。
在每一因素做出一个单独评价的基础上,如何考虑所有因素而做出一个综合评价,这就是一个综合评价问题。
综合评价模型使用过程中,首先要对被评价对象的各种属性建立一个直观的评判度,而各金融中心不同变量的数值变化范围较大,这就需要首先对这些变量进行标准化处理。
因此,本文还使用了聚类分析方法来建立评判度,以利于得出直观有效的结果。
一个国际金融中心的影响力是有连续性的,不会在瞬间产生,也不会瞬间消失,所以本文考虑了较长的一个时间序列,以期对主要的国际金融中心在某段时间的影响力进行比较研究。
1 综合评价模型[3]综合评价模型是一种较好地利用模糊集理论来进行决策制定的例子。
综合评价模型的目的是:在具有多个因子的模糊决策环境中,给与另一个对象相关的某个对象提供综合的评价。
设U ={u 1,u 2,u 3,…,u n }是一组用来评价的对象,F ={f 1,f 2,…,f m }是在评价过程中用到的一组基本的因子,E ={e 1,e 2,…,e p }是用于评价的一组评判度或者定性度。
这是对每个对象u ∈U 都会有一个m ×p 的单因子评价矩阵R (u ),R (u )=(r ij )m ×p ,其中r ij 表示f i 和e j 的隶属程度,它通常是一次评判的结果。
这个矩阵可以解释和用作模糊关系F ×E 的一个二维隶属函数。
有了F,E 和R 这3个因素,就可以用模糊处理过程得到给定对象u ∈U 的评价结果D (u )了,这个模糊处理过程就是通过max 2m in 合成得到的模糊关系的成绩,如图1所示。
除了刚刚描述的单因子评价矩阵R (u ),另外一个输入就是评价因子的权重向量W (u ),记为W (u )={w 1,w 2,…,w m }。
图1 综合评价模型的计算过程为更进一步说明此计算过程,不妨设m =3,p =4。
即有F ={f 1,f 2,f 3},W (u )={w 1,w 2,w 3},E ={e 1,e 2,e 3,e 4},则R (u )=r 11r 12r 13r 14r 21r 22r 23r 24r 31r 32r 33r 34。
其中r ij 是由评判者对f i “打分”决定的。
如有k 个评判者,每个评判者对{e 1,e 2,e 3,e 4}做一次判断,即选中e 1,e 2,e 3,e 4中的某一个。
设k 个评判者中选中e j (j =1,2,3,4)的有c ij 个,则r ij =c ij k,不难看出∑4j =1rij=1。
求得R (u )后,最重要的就是对W (u )3R (u )的计算。
W (u )表示F 中各项的权重,所以有∑3i =1wi=1。
D (u )={w 1,w 2,w 3}3r 11r 12r 13r 14r 21r 22r 23r 24r 31r 32r 33r 34={d 1,d 2,d 3,d 4}。
需要注意的是这里的“3”并不是普通的矩阵乘法运算符,而是我们前面提到的max 2m in 合成,即有d 1=max{m in (w 1,r 11),m in (w 2,r 21),m in (w 3,r 31)};d 2,d 3,d 4依此类推。
对于最大的d i ,则对整个u 的综合评价就是e i 。
2 聚类分析法聚类的样本是用度量指标的一个向量表示,或者更正式的说法是,用多维空间的一个点来表示,同类中的样本比不属于同类的样本彼此有更高的相似性。
聚类方法适用于探讨样本间的互相关联关系,从而对一个样本结构做一个初步的评价。
每一种样品都具有自己的特性,可以是一种或多种变量。
聚类分析是基于变量数据,对n 个样品进行分类的一种方法,即将那些相似的样品归为一类,不相似的样品分别归到各自不容的类别中。
聚类分析根据不同情况有多种计算方法,如层次方法、基于密度的方法、基于网格法、基于模型方法等等。
本文中之所以使用到聚类分析法,主要目的是为了把国际金融中心的指标变量规范化、标准化,且使得原先由差异很大的数据表示的变量特性,变为统一由评价指标表示,以此减少由于量级的差异等引起计算结果误差太大。
聚类分析直接在SPSS 上运行获得结果。
3 实证计算3.1 数据来源及变量选择本次对国际金融影响力的研究主要选择对我国影响较大的国际金融中心,即公认的三大全球金融中心———伦敦、纽约和东京,以及亚洲地区金融中心———香港和新加坡。
另外,我们还把上海加入作为比较。
可以用来表示国际金融中心地位或影响力的因素较多,但是对全球各大金融中心来说,银行无疑是金融市场上最重要、最有代表性的机构。
因此,我们也主要以银行的分布作为研究变量。
Reed(1981)、Choi (1996)[4]均使用银行的分布数据来衡量国际金融中心的地位。
而我们此次研究主要是衡量国际金融中心的影响力,因而不仅仅是看各中心的规模,更重要的是看该中心对外国银行的吸引力,以及该中心的银行在其他金融中心的影响力。
鉴于资料的可操作性,我们以全球最大的500家银行的分布为样本研究。
采用三个指标,即全球500强银行中以本中心为总部的银行数(以LB H 表示)、全球500强银行中的外国银行在本中心开设的分支90027期倪权生:基于综合评价模型对国际金融中心影响力的研究 数量(以FBDL表示)、总部在本中心的银行在其他金融中心的分支数量(以LBDL表示)。
所取时间的跨度为1981—2005年的25年,以期反映最近四分之一世纪上述金融中心的总体影响力。
数据是根据1981—2005年英国“银行家”杂志每年公布的全球数千家主要大银行的详细资料整理而来。
3.2 实证数据及结果表1 东京金融市场主要参数值年份LBH LBHS F BDL F BDLS LBDL LBDLS 1981208124815619822081208177198319811581871984229124818719852181178167198621813381871987239121820819882710118813619892910141827101990261013782391991249135822919922391238198199325912182081994259122820819952391228187199625911981981997229121819819981881048167199917793714620001778471362001177817136200216769712620031267575320041267371052005157737115 数据来源:英国《银行家》杂志年鉴(The BankersπA l m anac)首先,上述三个变量LB H、FBDL、LBDL的范围差异较大。
以东京为例,如表1所示,东京1981—2005年期间,总部在东京的全球500强银行数量在12至29家之间,而外国银行在东京分支数量最高达到141家,这两个变量在数量级上存在差异,因此我们把不同城市、不同年份的数据汇总后采用聚类分析方法,对三个变量进行分类,分别用LB HS、FB2 DLS、LBDLS表示。
每个变量从小到大分为10类,1表示最小规模档次,10表示是所有城市和年份中最大规模的档次。
聚类方法能够将最接近的样本放在一起,从而比平均等分十份更为合理。
从表1我们也能看出,在6个城市25年共计150个样本中,东京的总部数量相对比较高,特别是在1988至1990年间,东京的500强银行总部数处于最高一级,被评以10。
相比之下,这些银行在其他5个中心的分支规模就相对较小了,2003年的评分只有3分,处于非常低的水平。
根据前面的综合评价模型,评价对象U={伦敦(LD)、纽约(NY)、东京(TK)、香港(HK)、新加坡(SG)、上海(SH)},评价因子F={总部数量(LB H),外国银行在本中心分支数(FBDL),本地银行在其他中心分支数(DBDL)},评判度E={1,2, 3,4,5,6,7,8,9,10},数字越大表示规模越大,即“评价越高”。
根据整理的数据,可以获得每个金融中心的评价矩阵R(u)如下:R(HK)=0.480.040.080.020.0400.080.0400 00000000.160.520.32 0.480.040.120.20.040.080.04000,矩阵第一行的数据分布偏左,说明总部在香港的500强银行较少,实际上20世纪80年代香港只有汇丰银行一家进入前500强银行之列。
第二行数据分布偏右说明香港是一个外国大银行集中的金融中心,外国银行在次设立分支机构的很多。
R(LD)=0000.240.280.240.120.1200 000000000.240.76 00.040.080.440.20.240000, Z伦敦同样是一个外国银行集中的金融中心,不过相比较香港,总部在本地的大银行稍多一些。
R(N Y)=0102科 学 技 术 与 工 程9卷0000.240.720.0400000000000.080.480.44000.280.320.4,总部在纽约的银行规模比香港、伦敦要多,同时纽约的银行其他金融中心设立的分支也要多一些,总体来说,纽约更是因为自身实力的强劲才演变为全球金融中心。