我国互联网金融发展影响因素实证分析

互联网金融作为知识与技术密集型的新型金融业务模式，抓住了互联网技术在产业创新、效率提升以及全新客户定位等方面的优势，弥补了在利率化市场进程中传统金融的市场空白，既能顺应国家普惠金融改革创新政策导向的战略要求，为金融活动参与者特别是中小微型企业提供发展契机，又能加大国内金融竞争力度，迫使传统金融模式进行自身思考，为我国经济与产业的发展结构调整注入新的增长极[1]。然而在缺乏有效行业监管、准入门槛低、参与者资质参差不齐等大背景下，互联网金融的发展面临着严峻考验[2]，因此研究互联网金融发展的影响因素意义重大。谢平等[3]首次提出了我国互联网金融模式，认为其大大提高了资源的配置效率；刘澜飚等[4]基于金融机构的视角,分析了国际互联网金融的研究现状和趋势及其对传统金融模式的影响；谢平等[5]对互联网金融监管的必要性与核心原则进行研究,认为互联网金融要在加强监管的同时鼓励创新；郑联盛[6]从互联网金融的模式、影响、本质与风险4个方面分析中国互联网金融；尹海员等[7]总结了我国互联网金融监管现状及发展模式，并提出要借鉴美国互联网金融监管经验。总体来说在互联网金融的影响作用、风险管理和监管机制等方面的研究成果比较丰富，而对于互联网金融发展影响因素的研究较少，且多停留在定性层面，缺乏定量研究。本文参照已有研究[8]，选取2006—2015年间的数据，构建包括5个层次、17项指标的互联网金融发展影响因素指标体系并进行实证分析，以期为互联网金融的发展提供借鉴。

一、指标选择

互联网发展水平、网民特征、金融活动的影响、宏观经济状况、政策环境是互联网金融发展五大层次影响因素[8]，本文拟从这5个方面对互联网金融影响因素进行评价。由于政策环境因素无法选用特定指标量化，特采用模糊数学方法对其进行赋值，其余四大影响因素采用熵值法确定权重。

11月22日下午，由《中国烹饪》杂志社、科隆展览（北京）有限公司联合主办的“中国烹饪·食享会：第十席：从原产地到餐桌”在北京世界食品博览会上举行，来自中国各地的餐饮品牌创始人、名厨、美食家、媒体人、原产地食材供应商等百余人汇聚于此，专业餐饮人与原产地风味面对面，分享、交流关于从原产地到餐桌的经验和痛点。

(一)互联网发展水平

选取互联网普及率、网站数量、国际出口带宽增长率、网页数增长率4个指标反映互联网发展水平。其值越高，表示互联网发展水平越高，网民也更易于接受互联网金融模式。

(二)网民特征

选取网民规模、月收入1 000～5 000元网民比例、大专及以上网民人数比例、网购使用率4个指标反映网民特征。据资料分析，具备中低收入、中等教育程度、中青年人等特征的网民更易接受互联网金融模式。网民规模越大，网购使用率越高，越有利于互联网金融的发展。因此，上述指标为正向指标。

根据动力学边界条件可推导出气液交界面相位差角及量纲一形式的色散准则关系式（norm dispersion relations）。气液交界面相位差角可由下式确定：

(三)金融活动

选取货币供应量同比增长率、金融机构人民币活期存款基准利率、M2/GDP、人民币贷款总额等4个指标反映金融活动因素。货币供应量主要包括流通中的货币、单位活期与定期存款、个人存款及其他存款。货币供应量同比增长率、金融机构人民币活期存款基准利率越高，人民币贷款总额越多，说明更多资金投入到传统金融而不是互联网金融之中，升高的存款基准利率降低了互联网金融对资金持有者的吸引力，因此上述3个指标是互联网金融发展的负向指标。M2/GDP值反映了金融资源的配置效率，其比值越大，意味着效率越低，经济主体无法获得资金转向互联网金融寻求融资机会，由此可见M2/GDP为正项指标。

在价值趋近化策略中，IDC积极价值构建多于ODC消极价值，彰显了中国政府以积极、正义、负责的态度应对外来威胁，增强了民众信心。

(四)宏观经济活动

ZX=0.035 0X1+0.030 7X2+0.070 4X3+0.056 9X4+0.035 6X5+0.028 9X6+0.105 3X7+0.063 5X8+0.076 2X9+0.124 6X10+0.066 5X11+0.040 1X12+0.042 8X13+0.045 3X14+0.030 0X15+0.036 2X16+0.112 7X17

(五)政策环境

为反映政策环境变化对互联网金融发展的影响，采用模糊数学方法对其进行量化，{松，严}={1,2}。2010年，国家出台《非金融机构支付服务管理办法》[9]，此前可以视为监管较松，此后，政策趋紧可以视为监管较严。政策环境宽松意味着互联网金融发展不受约束，在没有出现重大危机之前，将扩大互联网金融规模；反之，则不利于其规模的扩大。

表1　互联网金融评价指标体系

影响因素衡量指标性质互联网发展水平Y1互联网普及率X1/%正网站数量X2/万正国际出口带宽增长率X3/%正网页数增长率X4/%正网民特征Y2网民规模X5/万人正月收入1000～5000元网民比例X6/%正大专及以上网民人数比例X7/%正网购使用率X8/%正金融活动Y3货币供应量同比增长率X9/%负金融机构人民币活期存款基准利率X10/%负M2/GDPX11/%正人民币贷款总额X12/亿元负宏观经济活动Y4人均国内生产总值X13/元正城镇居民人均可支配收入X14/元正居民消费价格指数X15/%负社会融资规模增量X16/亿元正政策环境Y5政策环境X17负

二、实证分析

(一)数据来源

1.影响因素权重分析

(二)数据处理

第一，数据预处理。运用公式(1)对各个指标的数据进行标准化处理。

(1)

2.互联网金融发展指数分析

第二，计算第j项评价指标的信息熵值。

(2)

式中，如果Pij=0，则

由表3可知，影响因素Y3的权重最高，Y5的最低。指标权重最大的前三位是X10、X17、X7，最小的后三位是X6、X15、X2。权重大小与因素及指标对评价目标总体影响程度高低成正比，以此得出互联网金融发展影响程度最高的是金融活动因素，影响程度最小的是政策环境因素。需要指出的是，影响因素中“环境政策”因素对互联网金融发展影响程度最小与衡量指标中“环境政策”指标对互联网金融影响较大两者并无矛盾，“环境政策”衡量指标单一是其在五大层次影响因素最小的主要原因。

(3)

式中，Wi表示第i个指标的权重，Ei表示第i个指标的信息熵。

3.影响因素贡献度分析

4）胸骨固定的钢丝以及一些特殊设计的、记忆合金的胸骨柄固定器：胸骨固定钢丝是钢制的，但胸骨固定以后，是非常牢固的，不易发生移位，因此1.5T以下磁共振检查是安全的。特殊类型的胸骨柄固定器，大多都是钛金属制造，所以磁共振检查不受限制。

表2　互联网金融评价衡量指标标准化值

年份Y1Y2Y3Y4Y5Y6Y7Y8Y9Y10Y11Y12Y13Y14Y15Y16Y1720060.000.001.000.400.000.001.000.040.291.000.010.000.000.000.330.000.0020070.140.190.340.520.130.210.520.000.281.000.000.060.110.100.830.130.0020080.300.600.781.000.290.410.350.070.340.030.680.220.220.201.000.210.0020090.460.710.210.650.450.440.150.161.000.301.000.790.290.270.000.740.0020100.600.320.090.450.580.700.110.340.460.030.810.590.430.370.610.750.0020110.700.430.080.220.680.600.090.410.090.410.100.530.590.500.920.661.0020120.790.540.230.200.770.730.050.550.100.000.420.620.700.640.500.881.0020130.890.700.860.070.870.570.040.710.090.300.160.710.820.760.501.001.0020140.940.740.000.100.931.000.060.890.000.000.300.820.920.880.410.931.0020151.001.000.150.001.000.820.001.000.070.000.381.001.001.000.320.851.00求和5.825.233.743.615.715.482.364.172.713.053.875.345.074.725.426.155.00

第四，确定互联网金融发展指数。根据表3中各指标的权重，可以确定互联网金融发展与影响因素、衡量指标关系的等式，即互联网金融发展指数[8]。

ZY=0.193 0Y1+0.233 3Y2+0.307 4Y3+0.154 3Y4+0.112 7Y5

(4)

选取人均国内生产总值、城镇居民人均可支配收入、居民消费价格指数、社会融资规模增量等4个指标反映宏观经济活动。人均国内生产总值和城镇居民人均可支配收入与理财需求呈正相关，融资规模越大，融资需求越旺盛，对互联网金融发展越有利，因此上述3个指标为互联网金融发展的正向指标。而居民消费价格指数越高会影响经济的正常运行，打击投资者信心，也会对互联网金融发展产生不利影响，所以居民消费价格指数是负项指标。

(5)

式中，Z表示互联网金融发展指数，Yi(i=1,2,3,4,5)表示影响因素，Xi(i=1,2,3……17)表示衡量指标[8]。

(三)结果分析

数据来源于第19、21、23、25、27、29、33、35、37次《中国互联网络发展状况统计报告》*自1997 年以来，国家主管部门研究决定由中国互联网络信息中心(CNNIC)牵头组织有关互联网单位共同开展互联网行业发展状况调查，发布全国互联网发展统计报告。和2007—2016年《中国统计年鉴》，选取2006—2015年间数据，并统一选取年底数据。

第三，确定各指标权重。

表3　互联网金融发展影响因素指标熵值与权重

影响因素权重衡量指标信息熵权重Y10.1930X10.90670.0350X20.91800.0307X30.81200.0704X40.84800.0569Y20.2333X50.90500.0356X60.92290.0289X70.71900.1053X80.83060.0635Y30.3074X90.79660.0762X100.66720.1246X110.82230.0665X120.89280.0401Y40.1543X130.88560.0428X140.87910.0453X150.91990.0300X160.90330.0362Y50.1127X170.69900.1127

式中，Yi表示第i个指标标准化后的值；xi为第i个指标的实际值。

图1　互联网金融发展状况

将标准化处理后的数据代入式(4)、(5)中即可得到互联网金融发展指数、影响因素与衡量指标的分值(如图1)，通过对实证结果的分析发现，互联网金融得分从2006年的0.358 2 上升到2015年的0.510 9。其中，2006—2007年，互联网金融得分下降0.041 8，这可能是由收入水平较低，理财需求不足导致的；2007—2009年，互联网金融得分由0.316 4上升到0.406 8，原因可能在于互联网发展水平快速提升和居民收入的增加；2009—2010年，互联网金融得分从0.406 8降为0.333 1，政策环境趋紧是其主要原因。2010年，第三方机构支付被纳入监管体系，互联网金融进入调整时期；2010—2013年，互联网金融得分0.333 1上升到0.529 9，这一时期互联网金融发展水平保持较长稳定的增长，主要得益于谢平教授在2012年首次提出“互联网金融模式”[3]，互联网金融逐渐大放异彩。2013—2014年，互联网金融得分从0.529 9降为0.475 9，这可能是由于互联网金融平台资质参差不齐且杂糅非纯粹信息中介性质、政府机构监管无法可依[10]等复杂情况导致互联网金融得分降低；2014年至今，互联网金融得分从2014年的0.475 9上升为0.510 9，主要得益于网民特征和宏观经济活动趋向有利于互联网金融发展的方向变化。

运用公式(2)与公式(3)计算指标的熵值与权重，其中影响因素的权重是衡量该影响因素的每个指标权重的累加，具体详见表3。

影响因素大小反映了其对互联网金融发展的贡献程度，结合图1与计算结果易知不同年份影响因素得分次序不尽相同，表4反映了不同年份影响因素得分的次序。由表5可知，2011年以前金融活动、互联网发展水平是推动互联网金融发展的最关键因素，2011年之后网民特征成为影响互联网金融发展的首要因素，而政策环境的影响因素从始至终都是影响最小。2014年后，各影响因素对互联网金融得分的贡献度次序未发生变化，依次为网民特征、宏观经济状况、金融活动、互联网发展水平、政策环境。

第一部分是评估函数，确定局部最优情况，最终确定的评估函数算法有两种：一是局部进行评分的算法，在此称为局部最优得分算法；一是尽量贴近最优情况阵型的算法，称为局部最优矩阵算法。

4.衡量指标贡献度分析

由表4可看出，基于13个形态指标划分的缺齿蓑藓8个聚类群枝叶均为长条形，先端渐尖至锐尖，少数钝尖，枝叶中上部疣发达，基部光滑无疣。但方差分析结果显示，各聚类群在叶片长度、叶形、上中部细胞疣的发达程度、基部细胞是否微疣、中肋是否突出叶尖等方面存在明显分化(P < 0.01)。

首先，建立档案收集部门，对收集的档案进行甄别。其次，建立档案分析部门，将类别不同的档案分别归档，分类出重要的档案，单独进行管理，并进行多重加密，重点保护。最后，建立档案管理部门，按照国家法律规定制定出切实有效的档案保护技术，从而实现档案保护技术的规范化和标准化。当档案管理出现问题时，要能够迅速找出问题点，并针对问题点找到相关责任人，使其为出现的问题负责。这样更能促进我国档案管理及保护工作的顺利开展，使档案始终处于被安全保护的状态。

作为影响因素的具体衡量指标，指标得分的高低与其在不同年份对互联网金融发展贡献度的大小成正比，通过分析易知不同年份衡量指标得分次序差异明显。表5反映了不同年份衡量指标得分的前五名次序。由表5可知，2011年之后，政策环境是推动互联网金融发展的首要因素，互联网金融从政策红利中获得巨大收益。且2012年之后网购使用率基本居于次重要因素，网络购物成为互联网金融发展新的增长极，反映了互联网金融相关密切产业对互联网金融的推动作用。

表4　互联网金融影响因素得分次序

年份第一第二第三第四第五2006Y3Y1Y2Y4Y52007Y3Y1Y2Y4Y52008Y1Y3Y2Y4Y52009Y3Y1Y2Y4Y52010Y3Y2Y4Y1Y52011Y2Y4Y3Y1Y52012Y2Y4Y3Y1Y52013Y2Y1Y4Y3Y52014Y2Y4Y3Y1Y52015Y2Y4Y3Y1Y5

表5　互联网金融衡量指标得分次序

年份第一第二第三第四第五2006X10X7X3X4X92007X10X7X4X15X32008X4X3X11X7X152009X9X11X10X4X122010X11X9X16X4X122011X17X10X15X8X132012X17X8X16X13X142013X17X3X8X10X162014X17X8X14X13X162015X17X8X14X13X12

三、结论与展望

通过选取2006—2015共10年数据、5大层次影响因素17项指标构建我国互联网金融发展影响因素指标体系，并在此基础上对十年来互联网金融发展状况、各影响因素与衡量指标的贡献度进行了量化。结果表明：

第一，近十年来，互联网金融总体处于上升趋势，仅2007年、2010年2014年出现下滑，且其发展速度加快，互联网金融得分年均上升1.53%，2010年之后年均上升2.96%。这说明近十年互联网金融作为知识与技术密集型的新型金融业务模式，凭借自身的优势发展态势良好，弥补了在利率化市场进程中传统金融的市场空白，为我国经济与产业的发展结构调整注入新的增长极。然而其发展也会出现一定的波动，缺乏有效行业监管、准入门槛低、参与者资质参差不齐等问题依然是其发展面临的严峻考验，需要进一步改革创新。

腾挪普惠金融专项贷款额度、开拓场景生态合作模式、对接百姓日常金融需求……今年以来，恒丰银行昆明分行积极探索创新，打造普惠金融差异化优势，推动小微、涉农、扶贫、双创等普惠金融各项工作的开展，同时为更广泛的普通人群提供可承受和可得性金融服务，使普惠金融真正实现由“普”及“惠”，让广大人民群众守好财富。截至2018年9月末，恒丰银行昆明分行小微贷款增幅较年初提升59.46%，同比增速高于全行贷款同比增速。

第二，从各影响因素的权重分析，互联网金融发展影响程度最高的是金融活动因素，影响程度最小的是政策环境因素；从不同年份影响因素贡献度角度分析，各影响因素贡献度不同年份相差甚远，但近年网民特征因素的影响程度后来居上。金融活动包含传统金融和互联网金融，在传统金融和互联网金融相互激荡浪潮中，政府及企业要善于抓住机遇，互补两种金融的优势创新自身金融发展模式，促进两者的融合发展[11]。据资料分析，中低收入、中等教育程度、中青年人等网民特征更易接受互联网金融模式，在中国互联网的发展过程中，新网民的不断增长，奠定了互联网与经济社会更加坚实的深度融合基础。

第三，从各衡量指标权重分析，金融机构人民币活期存款基准利率、政策环境、大专及以上网民人数比例对互联网金融影响最大，网站数量、居民消费价格指数、月收入1 000～5 000元网民比例对互联网金融影响较小。从不同年份指标的贡献度角度分析，2011年之后逐渐呈现一定规律性，环境政策和网购使用率发挥着重要作用。近年，网络购物成为互联网金融发展新的增长极，反映了互联网金融相关密切产业的推动作用，为此要利用社交网络衍生出互联网金融需求，提高用户使用紧密性，促进互联网金融与相关消费产业的良性互动。此外研究表明，虽然短期内政策出台会使互联网金融发展面临趋紧，但从长远发展来看，互联网金融企业只要在法律法规允许范围内不断改革创新产品，充分发挥互联网金融的优势，重视信息泄露和信息安全问题，那么互联网金融的发展前景将是一片蓝图[12]。

招聘需求人数规模度指标用来表征岗位的人数需求紧缺度，即岗位在同行业中的人数需求紧缺情况。计算方法是先对招聘需求实际人数进行修正，修正值为招聘需求人数和发布频率的比值。招聘需求人数规模度指标为岗位招聘需求人数修正值和岗位所在细分领域内招聘需求人数修正值总和的比值。发布频率指标用于表征岗位招聘需求在时间上的紧缺程度，意思是平均每家公司每天发布的岗位需求情况，计算方法是招聘发布公司数量和发布天数的乘积比招聘发布条数。

参考文献

[1]霍兵,张延良.互联网金融发展的驱动因素和策略——基于长尾理论视角[J].宏观经济研究,2015(2):86-93.

[2]谢清河.我国互联网金融发展问题研究[J].经济研究参考,2013(9):29-36.

[3]谢平,邹传伟.互联网金融模式研究[J].金融研究,2012(12):11-22.

[4]刘澜飚,沈鑫,郭步超.互联网金融发展及其对传统金融模式的影响探讨[J].经济学动态,2013(8):73-83.

[5]谢平,邹传伟,刘海二.互联网金融监管的必要性与核心原则[J].国际金融研究,2014(8):3-9.

[6]郑联盛.中国互联网金融:模式、影响、本质与风险[J].国际经济评论,2014(5):103-118.

[7]尹海员,王盼盼.我国互联网金融监管现状及体系构建[J].财经科学,2015(9):12-24.

[8]龚遥,顾晓安.互联网金融发展影响因素实证分析[J].经济经纬,2016(6):143-148.

[9]刘红良.浅析《非金融机构支付服务管理办法》对第三方支付的影响[J].江苏广播电视大学学报,2010(6):74-77.

[10]王佼,刘艳春.互联网金融信用风险及其影响分析[J].技术经济与管理研究,2016(7):75-79.

[11]王赛芳.我国互联网金融发展水平及空间分异研究[J].农村金融研究,2016(11):33-37.

[12]唐细宗.“互联网+”时代众筹融资法律监管之探析[J].常州大学学报(社会科学版),2017,18(4):43-49.