呂承超 何加豪

[摘 要：本文在把握金融科技內(nèi)涵的基礎(chǔ)上構(gòu)建中國金融科技發(fā)展水平指標體系，采用時空極差熵權(quán)法測算2016—2021年中國30個省份的金融科技發(fā)展水平，并運用Dagum基尼系數(shù)、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(fā)展水平的區(qū)域差異、分布動態(tài)及收斂特征進行研究。研究結(jié)果表明，中國金融科技發(fā)展水平總體呈逐漸上升趨勢，四大區(qū)域金融科技發(fā)展水平呈東部、中部、東北和西部逐漸走低趨勢；金融科技發(fā)展水平總體差異主要來源于區(qū)域間差異；全國及四大區(qū)域金融科技發(fā)展水平呈上升趨勢，絕對差異呈逐漸縮小趨勢；金融科技發(fā)展水平較高省份呈自我強化態(tài)勢；全國及四大區(qū)域金融科技發(fā)展水平呈σ收斂特征；四大區(qū)域金融科技發(fā)展水平的時空β收斂存在明顯差異，東北呈發(fā)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(qū)域金融科技發(fā)展水平差異逐漸縮小。

關(guān)鍵詞：金融科技發(fā)展；指標體系；區(qū)域差異；分布動態(tài)；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(jīng)濟和社會發(fā)展第十四個五年規(guī)劃和2035年遠景目標綱要》明確提出：“穩(wěn)妥發(fā)展金融科技，加快金融機構(gòu)數(shù)字化轉(zhuǎn)型”。2021年12月31日，中國人民銀行印發(fā)的《金融科技發(fā)展規(guī)劃（2022—2025年）》（以下簡稱《規(guī)劃》）指出，我國金融科技發(fā)展同時面臨諸多挑戰(zhàn)，發(fā)展不平衡不充分的問題不容忽視；金融科技逐步邁入高質(zhì)量發(fā)展的新階段，力爭到2025年，整體水平與核心競爭力實現(xiàn)跨越式提升?，F(xiàn)階段區(qū)域間金融發(fā)展不平衡問題依然存在，《規(guī)劃》重在解決金融科技發(fā)展不平衡不充分等問題。因此，在加快構(gòu)建新發(fā)展格局的背景下，研究中國金融科技發(fā)展水平的區(qū)域差異、分布動態(tài)及收斂特征，對在充分把握中國金融科技發(fā)展空間演變規(guī)律的基礎(chǔ)上采取有差別的金融科技發(fā)展措施具有一定參考作用。

關(guān)于金融科技的概念，目前在學術(shù)界尚未有統(tǒng)一界定。Gomber等［1］提出，金融科技是現(xiàn)代化技術(shù)與金融服務(wù)行業(yè)的融合；易憲容等［2］則指出，金融科技的本質(zhì)是技術(shù)信息的去信用化。被大多數(shù)學者所認可的是2016年由金融穩(wěn)定委員會（Financial Stability Board）提出的定義，“金融科技”主要是指由大數(shù)據(jù)、區(qū)塊鏈、云計算和人工智能等新興前沿技術(shù)帶動，對金融市場以及金融服務(wù)業(yè)務(wù)供給產(chǎn)生重大影響的新興業(yè)務(wù)模式、新技術(shù)應(yīng)用、新產(chǎn)品服務(wù)等。

金融科技的快速發(fā)展將重塑金融市場結(jié)構(gòu)和金融生態(tài)，影響范圍持續(xù)擴大?，F(xiàn)有研究表明，金融科技能促進金融服務(wù)行業(yè)生態(tài)系統(tǒng)創(chuàng)新［3］，推動普惠金融廣泛應(yīng)用［4］，進而帶動產(chǎn)業(yè)結(jié)構(gòu)轉(zhuǎn)型和經(jīng)濟發(fā)展［5］。此外，信息技術(shù)不斷發(fā)展可以促進金融科技可持續(xù)發(fā)展［6］，同時提升金融效能，推動數(shù)字經(jīng)濟高質(zhì)量發(fā)展?；诖耍疚膶⒅攸c研究以下三個問題：一是在數(shù)字經(jīng)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(fā)展水平？二是全國各區(qū)域金融科技發(fā)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(qū)域內(nèi)差異還是區(qū)域間差異？三是在時間和空間維度下中國金融科技發(fā)展水平的分布動態(tài)演進趨勢如何，各區(qū)域存在怎樣的收斂特征？

目前關(guān)于金融科技發(fā)展的研究主要集中在三個方面：一是金融科技發(fā)展對商業(yè)銀行的影響研究。金融科技對商業(yè)銀行可持續(xù)發(fā)展和信用風險管理有顯著正向影響［7］；Jarunee［8］發(fā)現(xiàn)，金融科技能促進銀行業(yè)系統(tǒng)性創(chuàng)新；Virginia等［9］認為，金融科技發(fā)展促使銀行業(yè)開始加快數(shù)字化轉(zhuǎn)型；商業(yè)銀行應(yīng)利用金融科技降低信息不對稱成本［10］，規(guī)范銀行信用監(jiān)管體制［11］，從而提升整體經(jīng)濟效益。二是金融科技發(fā)展對企業(yè)創(chuàng)新發(fā)展的影響研究。金融科技能促進企業(yè)［12］和地區(qū)層面的創(chuàng)新發(fā)展［13］，要縮小區(qū)域間金融科技發(fā)展水平差異，需要提升金融科技企業(yè)發(fā)展水平［14］，加大幫扶力度，以推動地區(qū)金融科技發(fā)展產(chǎn)生合力［15］。三是金融科技發(fā)展對金融風險監(jiān)管的影響研究。Muganyi等［16］發(fā)現(xiàn)，金融科技在金融監(jiān)管領(lǐng)域得以應(yīng)用能明顯改善金融發(fā)展成果；金融科技促使金融領(lǐng)域數(shù)字化標準和規(guī)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(jiān)管；金融科技在提高金融服務(wù)效率的同時會帶來一定的系統(tǒng)性風險［18］，需要不斷優(yōu)化升級金融監(jiān)管手段［19］，保證金融科技行業(yè)平穩(wěn)有效運行。

隨著金融科技的蓬勃發(fā)展，如何衡量金融科技發(fā)展水平成為學術(shù)界和業(yè)界關(guān)注的焦點。國外學者主要采用全球普惠金融數(shù)據(jù)庫中移動支付賬戶或銀行賬戶下的金融交易數(shù)據(jù)作為金融科技發(fā)展水平的代理變量［20］。Haddad和Hornuf［21］采用金融科技初創(chuàng)企業(yè)數(shù)量衡量金融科技發(fā)展水平。國內(nèi)關(guān)于金融科技發(fā)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(guān)關(guān)鍵詞［23］，再統(tǒng)計詞匯構(gòu)建金融科技指數(shù)［24］。楊松令等［25］基于巨靈財經(jīng)資訊系統(tǒng)，運用Python網(wǎng)絡(luò)爬蟲技術(shù)構(gòu)建金融科技發(fā)展水平指標。二是基于北京大學數(shù)字金融研究中心發(fā)布的數(shù)字普惠金融指數(shù)衡量金融科技發(fā)展水平。邱晗等［26］為避免內(nèi)生性影響，只選擇覆蓋廣度衡量地區(qū)金融科技發(fā)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(fā)展水平［27］。三是基于金融科技相關(guān)領(lǐng)域的指標衡量金融科技發(fā)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(qū)P2P網(wǎng)貸年成交量和P2P網(wǎng)貸資金年末余額來衡量地區(qū)金融科技發(fā)展水平。

綜上所述，本文在把握金融科技內(nèi)涵的基礎(chǔ)上構(gòu)建金融科技發(fā)展水平指標體系，采用時空極差熵權(quán)法測算2016—2021年中國30個省份（不含西藏和港澳臺地區(qū)）的金融科技發(fā)展水平，并從時空維度分析金融科技發(fā)展水平的區(qū)域差異、分布動態(tài)和收斂特征。本文的邊際貢獻主要在于：一是根據(jù)金融科技發(fā)展基本內(nèi)涵和中國現(xiàn)階段對金融科技發(fā)展的要求，構(gòu)建金融科技發(fā)展水平指標體系并進行測算。二是采用Dagum基尼系數(shù)、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(fā)展水平的區(qū)域差異、分布動態(tài)及收斂特征。

二、中國金融科技發(fā)展水平指標體系構(gòu)建及測度方法

（一）金融科技發(fā)展水平指標體系構(gòu)建

1.指標體系遴選依據(jù)

本文構(gòu)建的指標體系主要遵循以下三個遴選依據(jù)：現(xiàn)實依據(jù)、理論依據(jù)和政策依據(jù)?，F(xiàn)實依據(jù)是指數(shù)據(jù)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(fā)布的《金融科技發(fā)展指標》中提到金融科技發(fā)展區(qū)域指標，該指標所涉及數(shù)據(jù)的可得性和代表性有待檢驗，但為學術(shù)界提供了借鑒。理論依據(jù)是指金融科技發(fā)展水平指標體系構(gòu)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(yè)層面，對于從多維度構(gòu)建省際金融科技發(fā)展水平指標體系的研究相對較少。政策依據(jù)是指中國人民銀行印發(fā)的《金融科技（FinTech）發(fā)展規(guī)劃（2019—2021年）》《規(guī)劃》中關(guān)于金融科技發(fā)展的相關(guān)闡釋。

2.指標體系構(gòu)建詳情

（1）指標體系構(gòu)成。本文遵循指標體系三大遴選依據(jù)，構(gòu)建金融科技發(fā)展水平指標體系。具體而言，金融科技發(fā)展水平是目標層，共設(shè)立金融科技產(chǎn)業(yè)、金融科技應(yīng)用和金融科技生態(tài)3個一級指標（子系統(tǒng)），其中金融科技產(chǎn)業(yè)和金融科技應(yīng)用子系統(tǒng)分別包括兩個二級指標，金融科技生態(tài)子系統(tǒng)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(tǒng)地反映不同省份金融科技發(fā)展水平，如表1所示。

（2）數(shù)據(jù)來源。金融科技發(fā)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(chǎn)業(yè)才正式成為國家政策引導(dǎo)方向，同時部分指標數(shù)據(jù)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(qū)）的數(shù)據(jù)進行研究。金融科技產(chǎn)業(yè)維度的數(shù)據(jù)來自CSMAR數(shù)據(jù)庫；金融科技應(yīng)用維度的數(shù)據(jù)來自北京大學數(shù)字金融研究中心發(fā)布的《北京大學數(shù)字普惠金融指數(shù)（2011—2021年）》［29］；金融科技生態(tài)維度的數(shù)據(jù)來自EPS數(shù)據(jù)庫、《中國統(tǒng)計年鑒》、《中國科技統(tǒng)計年鑒》、《中國人口與就業(yè)統(tǒng)計年鑒》、《國家知識產(chǎn)權(quán)局統(tǒng)計年鑒》和國家統(tǒng)計局及各省份統(tǒng)計局門戶網(wǎng)站。對于部分省份的缺失數(shù)據(jù)，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(shù)據(jù)具有可比性。

（二）金融科技發(fā)展水平指標體系測度方法

金融科技發(fā)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(zhì)均有差異，不能通過簡單加總進行評價。目前，金融科技發(fā)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(shù)賦權(quán)法［32］。主成分分析法和變異系數(shù)賦權(quán)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?，本文借鑒張友國等［33］與毛冰［34］的時空極差熵權(quán)法為金融科技發(fā)展水平各級指標賦權(quán)，該方法的優(yōu)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(qū)分度，而且時空極差熵權(quán)法能夠動態(tài)更新各指標的權(quán)重。具體方法如下：

首先，對各指標數(shù)據(jù)進行標準化處理，通過極差法消除指標之間因量綱和數(shù)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(shù)，b表示評價年數(shù)。再次，算出各指標的差異性系數(shù)[Hz]，并據(jù)此得到各指標權(quán)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(shù)值越大，說明第p省份在第d年的金融科技發(fā)展水平越高；反之，則越低。

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

（三）金融科技發(fā)展水平區(qū)域差異、分布動態(tài)及收斂特征的測度方法

1.Dagum基尼系數(shù)及其分解

為解釋中國金融科技發(fā)展水平差異及來源，本文采用Dagum基尼系數(shù)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(qū)域進行研究。不同于傳統(tǒng)基尼系數(shù)，Dagum基尼系數(shù)將總體基尼系數(shù)（G）劃分為區(qū)域間差異（[Gw]）、區(qū)域內(nèi)差異（[Gn]）和超變密度（[Gt]），且[G=Gw+Gn+Gt]。該方法能夠充分體現(xiàn)出子樣本的分布形式，避免子樣本數(shù)據(jù)集之間的信息交叉問題［35］，因而諸多學者在分析區(qū)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(qū)域金融科技發(fā)展水平差異的分布動態(tài)演進趨勢，本文采用核密度估計對金融科技發(fā)展水平分布位置、形態(tài)和延展性等方面進行深入分析。假設(shè)隨機變量X的密度函數(shù)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(shù)，l表示帶寬，K（?）表示核函數(shù)，[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(shù)對金融科技發(fā)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(tǒng)馬爾可夫鏈分析法深入分析各省份金融科技發(fā)展水平的動態(tài)轉(zhuǎn)移特征及轉(zhuǎn)移概率，將各省份按金融科技發(fā)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(jù)此描繪出金融科技發(fā)展水平的動態(tài)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(shù)集合T對應(yīng)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(fā)生的狀態(tài)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(xiàn)出的狀態(tài)j由t-1時期的狀態(tài)決定，與其他時期狀態(tài)無關(guān)。隨機變量X從一種狀態(tài)向另一種狀態(tài)轉(zhuǎn)變就是狀態(tài)轉(zhuǎn)移，若將金融科技發(fā)展水平劃分為R種狀態(tài)，則可得到一個R×R的轉(zhuǎn)移概率矩陣。[Pij]表示某省份金融科技發(fā)展水平從狀態(tài)i轉(zhuǎn)移到狀態(tài)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(fā)展水平轉(zhuǎn)移矩陣P。該矩陣可以直觀反映出不同區(qū)域金融科技發(fā)展水平的分布動態(tài)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(qū)域金融科技發(fā)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(shù)和標準差來測度σ收斂系數(shù)，并判斷是否存在σ收斂特征，若σ收斂系數(shù)隨時間不斷減小，則說明金融科技發(fā)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(shù)來衡量，具體表達式為：[σ=pnq（Finpq-Finpq）2/LρFinpq]。其中，q表示區(qū)域；p表示省份；[nq]表示各區(qū)域內(nèi)的省份數(shù)；[Finpq]表示區(qū)域q金融科技發(fā)展水平的標準差；[Finpq]表示區(qū)域q金融科技發(fā)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(gòu)造了檢驗經(jīng)濟增長收斂性的計量模型，劉明和王思文［39］在此基礎(chǔ)之上進一步研究了空間收斂模型，本文構(gòu)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(fā)展水平的收斂問題。為方便后續(xù)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(xiàn)出樣本區(qū)域在時間和空間雙維度上的依賴關(guān)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(qū)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(fā)展水平；[?]表示常數(shù)項；β表示收斂速度，[μ]表示模型在符合經(jīng)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(shù)增長率[vt+1=log（ytJyt）]，顯示出研究區(qū)域范圍與其相鄰區(qū)域的差異，同時就可將考慮時間因素的β收斂模型進而轉(zhuǎn)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(nèi)觀察值在空間上形成的向量，J[yt]為利用空間距離權(quán)重矩陣構(gòu)造得到的樣本區(qū)域內(nèi)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(xiàn)出金融科技發(fā)展水平差異與對應(yīng)增長率差異在時空維度下的關(guān)系特征。如果β大于零，則表明金融科技發(fā)展水平呈時空收斂特征，β越大，則表示金融科技發(fā)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(fā)展水平呈時空發(fā)散特征。

三、中國金融科技發(fā)展水平的測算結(jié)果及區(qū)域差異分析

（一）中國各省份金融科技發(fā)展水平測算結(jié)果分析

本文采用時空極差熵權(quán)法測算了2016—2021年中國各省份金融科技發(fā)展水平，結(jié)果如表2所示。

從表2可以看出，整體來看，全國金融科技發(fā)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(fā)展水平均值為0.3136，年均增長率為9.07%，表明在考察期內(nèi)金融科技發(fā)展水平逐年穩(wěn)步提升。從具體數(shù)值分析來看，按照不同省份金融科技發(fā)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(fā)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(fā)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(fā)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(nèi)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(qū)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(fā)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(fā)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(nèi)不同省份之間金融科技發(fā)展水平差異明顯，金融科技發(fā)展較快的省份與金融科技發(fā)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(fā)展水平均得以提升，不同省份之間的金融科技發(fā)展水平差異呈縮小趨勢。

為了進一步分析金融科技發(fā)展水平在不同區(qū)域的發(fā)展現(xiàn)狀，本文按照國家統(tǒng)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(qū)域，各區(qū)域金融科技發(fā)展水平的描述性統(tǒng)計結(jié)果如表3所示。從表3可以看出，金融科技發(fā)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(nèi)東部金融科技發(fā)展水平明顯高于其他三大區(qū)域，其均值為0.5020，標準差為0.2234。中部和東北金融科技發(fā)展水平的均值均超過0.2000，表明其金融科技發(fā)展相對較好，而西部金融科技發(fā)展水平最低，均值僅為0.1783。這表明金融科技發(fā)展水平在不同區(qū)域之間呈現(xiàn)非均衡現(xiàn)象，四大區(qū)域的金融科技發(fā)展水平存在差異。

（二）中國金融科技發(fā)展水平的區(qū)域差異及分解

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

從表4可以看出，中國金融科技發(fā)展水平總體差異較大，基尼系數(shù)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(fā)展水平非均衡現(xiàn)象逐漸減弱，區(qū)域差異呈縮小趨勢。這與近幾年來各省份聚焦金融科技發(fā)展密切相關(guān)，金融科技發(fā)展水平落后省份不斷追趕發(fā)達省份，力爭實現(xiàn)跨越式發(fā)展。

從金融科技發(fā)展水平區(qū)域內(nèi)基尼系數(shù)來看，西部區(qū)域內(nèi)基尼系數(shù)均值最大，為0.2417，表明西部區(qū)域內(nèi)金融科技發(fā)展水平差異最大。這主要因為考察期內(nèi)寧夏和青海的金融科技發(fā)展水平一直處于末位，雖然區(qū)域內(nèi)基尼系數(shù)呈持續(xù)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(fā)展較快省份金融科技發(fā)展水平相比差異仍然較大。東部區(qū)域內(nèi)基尼系數(shù)均值為0.2326，表明東部區(qū)域內(nèi)金融科技發(fā)展水平差異也較大，區(qū)域內(nèi)基尼系數(shù)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(fā)展水平差異在縮小，其內(nèi)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(fā)展較早，而海南等省份雖然金融科技發(fā)展水平不斷提高，但與發(fā)達省份相比仍相距甚遠。與東部和西部不同，中部區(qū)域內(nèi)基尼系數(shù)呈先下降后上升再下降趨勢，2016年基尼系數(shù)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(qū)域內(nèi)差異總體上呈先擴大后縮小趨勢。東北區(qū)域內(nèi)基尼系數(shù)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(zhàn)略中抓住機遇，不斷發(fā)展完善金融科技體系，區(qū)域內(nèi)金融科技發(fā)展水平提升較快。綜合來看，雖然四大區(qū)域內(nèi)基尼系數(shù)均值波動起伏，有高有低，區(qū)域內(nèi)差異仍然存在，但區(qū)域內(nèi)基尼系數(shù)在大趨勢上逐漸降低。

從金融科技發(fā)展水平區(qū)域間基尼系數(shù)來看，東部與中部區(qū)域間基尼系數(shù)在2017年達到最大值0.3787，之后呈持續(xù)下降趨勢。東部與西部區(qū)域間基尼系數(shù)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(qū)域間差異雖然總體上減弱，但東部與西部區(qū)域間基尼系數(shù)明顯大于其他區(qū)域。東部與東北區(qū)域間基尼系數(shù)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(qū)域間基尼系數(shù)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(qū)域間基尼系數(shù)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(fā)展快于西部和東北。西部與東北區(qū)域間基尼系數(shù)持續(xù)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(zhàn)略實施和產(chǎn)業(yè)結(jié)構(gòu)調(diào)整，西部與東北之間的差異逐漸縮小。

從金融科技發(fā)展水平的差異來源及貢獻率來看，區(qū)域間差異貢獻率始終高于區(qū)域內(nèi)差異貢獻率和超變密度貢獻率，表明區(qū)域間差異是導(dǎo)致中國金融科技發(fā)展水平出現(xiàn)差異的主要原因。金融科技發(fā)展水平的區(qū)域間差異平均貢獻率高達71.12%，而區(qū)域內(nèi)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(qū)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(qū)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(qū)域之間的交叉重疊現(xiàn)象不斷減弱；區(qū)域內(nèi)金融科技發(fā)展水平呈先下降后上升再下降的趨勢，區(qū)域內(nèi)差異貢獻率表現(xiàn)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(fā)展水平的分布動態(tài)分析

（一）基于核密度估計的中國金融科技發(fā)展水平分布動態(tài)演進

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

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

從圖2（a）可以看出，東部金融科技發(fā)展水平的分布曲線中心右移，表明東部金融科技發(fā)展水平不斷提高；“一主一側(cè)”的波峰形態(tài)明顯可見，表明金融科技發(fā)展水平呈現(xiàn)兩極分化趨勢，各省份之間金融科技發(fā)展水平差異較大；但隨著時間推移，主側(cè)峰形態(tài)在不斷減弱，表明內(nèi)部極化現(xiàn)象呈縮小趨勢；同時右拖尾存在逐年縮短現(xiàn)象，表明東部區(qū)域內(nèi)部金融科技發(fā)展水平差異逐漸縮小。從圖2（b）可以看出，中部金融科技發(fā)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(fā)展水平逐年提高；波峰從主側(cè)峰形態(tài)向單峰形態(tài)轉(zhuǎn)變，表明中部兩極分化現(xiàn)象減弱；右拖尾現(xiàn)象隨著時間逐漸減弱，表明中部各省份金融科技發(fā)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(fā)展水平的分布曲線整體呈右移趨勢，表明西部金融科技發(fā)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(shù)值減小方向移動，即西部區(qū)域內(nèi)金融科技發(fā)展水平差異不斷縮?。挥彝衔铂F(xiàn)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(fā)展水平總體較為均衡。從圖2（d）可以看出，東北金融科技發(fā)展水平的分布曲線中心呈右移趨勢，表明東北金融科技發(fā)展水平逐年提高；波峰形態(tài)呈“雙峰—單峰”的變化趨勢，表明東北區(qū)域內(nèi)部極化現(xiàn)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(xiàn)象，表明東北各省份之間金融科技發(fā)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(fā)展水平演進預(yù)測

核密度估計能夠從整體上描述中國金融科技發(fā)展水平的演進趨勢并展現(xiàn)不同區(qū)域之間的差異，但不能呈現(xiàn)中國各省份之間金融科技發(fā)展水平的轉(zhuǎn)移規(guī)律。因此，本文按照金融科技發(fā)展水平指數(shù)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(shè)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(fā)展水平的轉(zhuǎn)移概率矩陣，結(jié)果如表5所示。

從表5可以看出，整體上對角線上的轉(zhuǎn)移概率并非全都大于非對角線上的轉(zhuǎn)移概率，表明很少有省份能維持穩(wěn)定的金融科技發(fā)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(zhuǎn)移的傾向。從具體數(shù)據(jù)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(fā)展類別，經(jīng)過時間跨度為1年（T=1）的轉(zhuǎn)移后，該省份繼續(xù)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(zhuǎn)移）的概率則為43%，中低水平轉(zhuǎn)移至中高水平的概率達到50%；而在經(jīng)過時間跨度為3年（T=3）的轉(zhuǎn)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(fā)展水平區(qū)域差異不斷縮小這一研究結(jié)果一致，表明當前各省份都極力推動金融科技發(fā)展，加強大數(shù)據(jù)、人工智能和區(qū)塊鏈等金融科技相關(guān)基礎(chǔ)設(shè)施建設(shè)，以提高金融科技發(fā)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(zhuǎn)移的概率為零，高水平省份的轉(zhuǎn)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(fā)展水平在考察期內(nèi)始終處于上升狀態(tài)，呈自我強化態(tài)勢。同時反映出高水平省份一直處于金融科技發(fā)展前列，金融科技發(fā)展水平相對穩(wěn)定，與其他省份金融科技發(fā)展水平差異較大。但金融科技發(fā)展水平較低省份并非停滯不前，而是努力完善金融科技發(fā)展體系，加快向中高水平類別轉(zhuǎn)移。

五、中國金融科技發(fā)展水平的收斂特征分析

（一）中國金融科技發(fā)展水平的σ收斂分析

本文采用變異系數(shù)作為σ收斂衡量方法，2016—2021年全國及四大區(qū)域金融科技發(fā)展水平的σ收斂系數(shù)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(shù)從0.6910下降至0.4931，呈先上升后持續(xù)下降趨勢，存在明顯收斂特征，表明在全國范圍內(nèi)各區(qū)域金融科技發(fā)展水平差異基本呈逐年縮小趨勢。從區(qū)域視角來看，四大區(qū)域σ收斂系數(shù)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(shù)總體呈降低趨勢，區(qū)域內(nèi)部金融科技發(fā)展水平差異逐步縮??；中部和東北σ收斂系數(shù)從2016年逐年降低，分別在2019年、2019—2020年出現(xiàn)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(fā)展規(guī)劃（2019—2021年）》印發(fā)，部分省份快速發(fā)展金融科技，導(dǎo)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(chǔ)設(shè)施，推動新興技術(shù)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(qū)域，金融科技發(fā)展水平均呈σ收斂特征，金融科技發(fā)展水平差異逐步縮小。

（二）中國金融科技發(fā)展水平的時空[β]收斂分析

時間相關(guān)性和空間依賴性是探究金融科技發(fā)展水平變動的兩大視角，隨著時間推移，區(qū)域金融科技發(fā)展水平不斷變化，透過空間演進特征能清晰反映出不同區(qū)域金融科技發(fā)展趨勢。本文在考慮到地理因素對不同省份金融科技發(fā)展水平影響的基礎(chǔ)上，通過引入空間地理權(quán)重矩陣建立空間收斂模型來進一步論證中國金融科技發(fā)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(fā)展規(guī)劃（2019—2021年）》是中國金融科技第一份科學、全面的規(guī)劃，本文將樣本區(qū)間分為2016—2018年和2019—2021年兩個子區(qū)間加以研究。表7是中國金融科技發(fā)展水平時空收斂參數(shù)估計結(jié)果。

從表7可以看出，從全國視角來看，金融科技發(fā)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(fā)展水平較高區(qū)域（中心區(qū)域）與金融科技發(fā)展水平較低區(qū)域（邊緣區(qū)域）存在較大差異，但邊緣區(qū)域發(fā)展較快，在下一個時期金融科技發(fā)展水平差異會縮小，存在金融科技發(fā)展水平落后區(qū)域追趕發(fā)展水平較快區(qū)域這一現(xiàn)象。β值在2019年后明顯增大，金融科技發(fā)展水平的收斂速度逐步提升，表明加強網(wǎng)絡(luò)信息通信基礎(chǔ)設(shè)施建設(shè)、積極推動數(shù)字化技術(shù)在金融領(lǐng)域的應(yīng)用、深入開展產(chǎn)融合作和信息平臺建設(shè)，以及協(xié)同推動行業(yè)監(jiān)管等一系列政策措施得到了有效實施且效果顯著。

從區(qū)域視角來看，四大區(qū)域分布位置不同造成金融科技發(fā)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(qū)間內(nèi)的β值均為正，金融科技發(fā)展水平呈收斂特征，但東北在兩個子區(qū)間的β值為負，金融科技發(fā)展水平呈發(fā)散特征。東部在兩個子區(qū)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(fā)展水平的收斂速度高于全國金融科技發(fā)展水平的收斂速度。與東部類似，中部金融科技發(fā)展水平在兩個子區(qū)間都是收斂的，β值大于全國，但小于東部。西部金融科技發(fā)展水平在兩個子區(qū)間均呈收斂特征，且收斂速度位居全國和四大區(qū)域首位，說明西部中心區(qū)域?qū)吘墔^(qū)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(guān)。東北金融科技發(fā)展水平在兩個子區(qū)間的β值均小于0，呈發(fā)散特征，表明東北中心地帶金融科技發(fā)展速度快于邊緣地帶，兩者金融科技發(fā)展差異不斷擴大，兩極分化趨勢明顯。但東北在2019—2021年的發(fā)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(fā)展內(nèi)部差異逐步縮小，東北振興戰(zhàn)略的實施和國家金融科技發(fā)展規(guī)劃推動了東北金融科技基礎(chǔ)設(shè)施建設(shè)和金融科技產(chǎn)業(yè)鏈的形成。

六、研究結(jié)論與政策建議

（一）研究結(jié)論

本文首先構(gòu)建金融科技發(fā)展水平指標體系，采用時空極差熵權(quán)法測算了2016—2021年中國30個省份的金融科技發(fā)展水平，其次利用Dagum基尼系數(shù)分解法識別出金融科技發(fā)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(fā)展水平分布動態(tài)演進趨勢，再次借鑒馬爾可夫鏈分析處于不同金融科技發(fā)展階段省份的轉(zhuǎn)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(qū)域金融科技發(fā)展水平的收斂特征進行分析，主要得出以下研究結(jié)論：

第一，中國金融科技發(fā)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(qū)域金融科技發(fā)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(fā)展水平總體差異主要來源于區(qū)域間差異，呈逐漸縮減趨勢。全國金融科技發(fā)展水平基尼系數(shù)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(qū)域內(nèi)基尼系數(shù)來看，西部區(qū)域內(nèi)差異最大，中部和東北區(qū)域內(nèi)基尼系數(shù)呈波動遞減趨勢。從四大區(qū)域間基尼系數(shù)來看，大部分區(qū)域間基尼系數(shù)呈下降趨勢，中部與西部以及中部與東北的區(qū)域間基尼系數(shù)先下降后上升，但總體仍呈縮小趨勢。

第三，全國及四大區(qū)域金融科技發(fā)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(xiàn)象。從四大區(qū)域核密度估計結(jié)果來看，東部金融科技發(fā)展水平總體上升，區(qū)域內(nèi)差異逐漸縮小；中部、西部和東北金融科技發(fā)展水平整體上升，波峰高度逐年升高，區(qū)域內(nèi)各省份之間差異呈縮小趨勢。根據(jù)馬爾可夫鏈分析發(fā)現(xiàn)，低水平、中低水平省份金融科技發(fā)展水平轉(zhuǎn)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(fā)展水平存在明顯空間收斂特征，全國及四大區(qū)域金融科技發(fā)展水平呈明顯σ收斂特征，區(qū)域間金融科技發(fā)展水平差異呈縮小趨勢。四大區(qū)域金融科技發(fā)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(fā)展水平呈現(xiàn)時空β收斂特征，金融科技發(fā)展水平高的區(qū)域發(fā)展速度緩慢，金融科技發(fā)展水平低的區(qū)域發(fā)展速度則愈發(fā)加快，金融科技發(fā)展水平差異逐漸縮小。從四大區(qū)域視角來看，東部、中部和西部收斂速度均高于全國，中心區(qū)域?qū)吘墔^(qū)域帶動作用不斷增強；東北在兩個子區(qū)間內(nèi)均呈發(fā)散特征，但在考察后期發(fā)散特征有所減弱，表明東北區(qū)域內(nèi)金融科技發(fā)展差異呈縮小趨勢。

（二）政策建議

為縮小各區(qū)域金融科技發(fā)展水平差異，促進金融科技發(fā)展向高質(zhì)量發(fā)展階段轉(zhuǎn)變，根據(jù)上述研究結(jié)論，筆者提出如下政策建議：

第一，實施區(qū)域協(xié)同發(fā)展戰(zhàn)略。東部應(yīng)重視區(qū)域內(nèi)部均衡化發(fā)展，幫扶推動金融科技發(fā)展相對滯后省份，逐步形成內(nèi)部促進機制；中西部應(yīng)積極響應(yīng)國家政策，把握發(fā)展機遇，利用先進的金融科技資源建設(shè)金融基礎(chǔ)設(shè)施；東北應(yīng)加強統(tǒng)籌規(guī)劃，推進產(chǎn)業(yè)升級，加大金融和互聯(lián)網(wǎng)行業(yè)投入，開展金融科技方面的創(chuàng)新項目，不斷擴大區(qū)域發(fā)展優(yōu)勢。

第二，加快培育金融科技產(chǎn)業(yè)鏈。應(yīng)從頂層設(shè)計出發(fā)，加大政府宏觀調(diào)控作用，從供給側(cè)理順價值鏈，破解金融科技企業(yè)融資難、融資貴問題，促進金融科技產(chǎn)業(yè)與關(guān)聯(lián)產(chǎn)業(yè)協(xié)同發(fā)展；延長金融科技產(chǎn)業(yè)鏈，提升產(chǎn)業(yè)附加值和產(chǎn)業(yè)鏈整體水平；鼓勵金融科技企業(yè)向大規(guī)模、高層次發(fā)展，更好地參與市場競爭，從而加快建立高效協(xié)同發(fā)展的金融科技產(chǎn)業(yè)鏈。

第三，優(yōu)化金融科技基礎(chǔ)設(shè)施。互聯(lián)網(wǎng)、大數(shù)據(jù)、云計算等基礎(chǔ)設(shè)施的建設(shè)和維護成本偏高，在一定程度上限制了金融科技的發(fā)展，應(yīng)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(qū)域數(shù)字化基礎(chǔ)設(shè)施建設(shè)的覆蓋范圍；注重對數(shù)字化人才和金融科技人才等專業(yè)型人才的培養(yǎng)；在基礎(chǔ)設(shè)施建設(shè)方面，堅持政府引導(dǎo)與市場主導(dǎo)相結(jié)合的原則，鼓勵民營資本投入，逐步夯實金融科技基礎(chǔ)設(shè)施建設(shè)。

第四，營造優(yōu)良的金融科技生態(tài)環(huán)境。推動數(shù)據(jù)要素市場建設(shè)，利用大數(shù)據(jù)、人工智能和5G等金融科技手段提升數(shù)據(jù)共享能力，從而為金融科技企業(yè)創(chuàng)造經(jīng)濟效益提供技術(shù)支撐；加強金融科技相關(guān)法律法規(guī)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(guī)意識；完善金融科技政策扶持體系，為金融科技發(fā)展落后區(qū)域提供項目支持、企業(yè)扶持和產(chǎn)業(yè)規(guī)劃；增強金融科技行業(yè)內(nèi)生性發(fā)展動力，補齊基礎(chǔ)性制度建設(shè)滯后短板；持續(xù)推動金融科技生態(tài)建設(shè)，為金融科技長期高效發(fā)展創(chuàng)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(guān)系的實質(zhì)、運行機理及風險防范——基于現(xiàn)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(chuàng)新、企業(yè)全要素生產(chǎn)率與經(jīng)濟增長——基于新結(jié)構(gòu)經(jīng)濟學視角［J］．財經(jīng)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(fā)展與商業(yè)銀行的數(shù)字化戰(zhàn)略轉(zhuǎn)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(yè)銀行經(jīng)營績效——基于風險承擔的中介效應(yīng)分析［J］．金融論壇，2022，27（4）：19-30.

［12］ 李春濤，閆續(xù)文，宋敏，等. 金融科技與企業(yè)創(chuàng)新——新三板上市公司的證據(jù)［J］．中國工業(yè)經(jīng)濟，2020（1）：81-98.

［13］ 王棟，趙志宏. 金融科技發(fā)展對區(qū)域創(chuàng)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(chǎn)業(yè)創(chuàng)新發(fā)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(yè)競爭與企業(yè)技術(shù)創(chuàng)新［J］．現(xiàn)代經(jīng)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(jiān)管科技：金融科技的監(jiān)管挑戰(zhàn)與維度建構(gòu)［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(jīng)營業(yè)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(jiān)管與銀行高息攬“儲”——基于理財產(chǎn)品視角［J］．財貿(mào)經(jīng)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(lián)網(wǎng)金融對商業(yè)銀行風險承擔的影響：理論解讀與實證檢驗［J］．財貿(mào)經(jīng)濟，2015（10）：102-116.

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

［24］ 楊望，徐慧琳，譚小芬，等. 金融科技與商業(yè)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(fā)展對資本市場信息效率的影響研究［J］．數(shù)量經(jīng)濟技術(shù)經(jīng)濟研究，2021，38（8）：125-144.

［26］ 邱晗，黃益平，紀洋. 金融科技對傳統(tǒng)銀行行為的影響——基于互聯(lián)網(wǎng)理財?shù)囊暯牵跩］．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(yè)競爭［J］．財貿(mào)經(jīng)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(quán)嗎？——來自金融科技信貸的證據(jù)［J］．經(jīng)濟與管理研究，2020，41（11）：77-91.

［29］ 郭峰，王靖一，王芳. 測度中國數(shù)字普惠金融發(fā)展：指數(shù)編制與空間特征［J］．經(jīng)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(yè)風險承擔水平的證據(jù)［J］．證券市場導(dǎo)報，2020（9）：33-43．

［31］ 肖翔，丁洋洋，王思純．金融科技發(fā)展指數(shù)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(qū)研發(fā)創(chuàng)新［J］．財經(jīng)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(huán)發(fā)展經(jīng)濟體系建設(shè)水平測度［J］．數(shù)量經(jīng)濟技術(shù)經(jīng)濟研究，2020，37（8）：83-102.

［34］ 毛冰.中國產(chǎn)業(yè)鏈現(xiàn)代化水平指標體系構(gòu)建與綜合測度［J］．經(jīng)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(nóng)業(yè)碳排放的區(qū)域差距及其分布動態(tài)演進——基于Dagum基尼系數(shù)分解與非參數(shù)估計方法的實證研究［J］．農(nóng)業(yè)技術(shù)經(jīng)濟，2013（3）：72-81.

［37］ 劉華軍，趙浩．中國二氧化碳排放強度的地區(qū)差異分析［J］．統(tǒng)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(yè)發(fā)展［J］．數(shù)量經(jīng)濟技術(shù)經(jīng)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(fā)展的區(qū)域差異、分布動態(tài)及收斂特征［J］．財經(jīng)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(jiān)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(dǎo)師，主要從事經(jīng)濟高質(zhì)量發(fā)展、社會保障理論與實踐和品牌經(jīng)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