关键词：创新扩散 元胞自动机 稳定结构 金融创新 一、引言
美国著名传播学学者埃弗雷特罗杰斯(Everett M、Rogers)教授在其成名作《创新的扩散》中给出了创新扩散的定义，即为一种新的观点、思想、技术经过一段时间，通过特定的渠道，进入一个社会系统后，在整个社会系统中从一个决策单位作用于下一个决策单位的传播过程。企业将社会系统中的新观点与技术在适当的实施条件下进行商业化创新，同时依据外界环境与自身特点选择创新推出的速度和时机。创新传播过程的差异使得各企业在生产经营活动中推出创新产品的周期产生了区别，从纵向看，正是企业的这种行为影响了消费者的选择。通过实证观察，消费者在接纳创新产品的过程中受到外界他人的影响，这种影响主要来源于不同的创新扩散结构。
二、创新扩散模型
学者对于扩散模型的深入研究开始于20世纪60年代，并将研究成果应用于生物、经济等社会生活等各个领域。通过研究，扩散模型可分为两类：一类是在宏观层面上对于潜在采纳者总体统计行为的数学模型，其主要代表是Bass模型及其扩展型（统称Bass模型族）； 一类是微观层面上对于潜在采纳者个体采纳决策行为的仿真模型，其主要代表是Agent模型与元胞自动机模型。
（一）BASS模型
宏观层面上的数学模型是学者研究最为广泛同时也是最为成熟的扩散模型。作为最早研究创新时间扩散的基础模型Bass模型。将创新扩散看成“传染的过程”，而后学者针对Bass模型的缺陷提出了包含市场变量、供给约束、竞争效应、互补产品、技术升级、时变参数、允许置换和多重购买等Bass衍生模型。
Bass模型的衍生模型放宽了Bass模型的一些假设，更加符合现实因素，提高了模型准确度。宏观的总体行为其本身是有众多微观个体组成的，因此学者对于创新扩散的研究逐渐从宏观层面转到微观个体。尽管Bass模型在理论上比较完善，但是Bass模型只关注创新的宏观变量，不能解释导致创新扩散的微观机制, 使得Bass 模型存在局限性。
（二）元胞自动机模型
随着研究的不断深入，学者将微观仿真模型纳入到创新扩散的研究中，因为信息通信技术的发展，潜在消费者在进行采纳行为时，其决定不仅仅取决于其本身的个体行为，同时受到消费者网络的重大影响。在基于微观层面创新扩散的研究中，仿真模型中元胞自动机（CA）模型的应用最为广泛。CA模型在一定的假设条件下（区域中只有一种创新在扩散，区域中潜在采纳者总数不变，不论是创新的已采纳者还是潜在采纳者都具有重新选择的权力），模型规定中心元胞的邻居中接受创新的元胞数量，多于未接受创新的元胞数量时，该中心元胞接受创新，反之则放弃创新，如果邻居中二者数量相等则保持原状态。即：
（S=1）-（S=0）≥2，则=1；
（S=0）-（S=1）≥2，则=0；
（S=0）-（S=1）= 0，则各自状态保持不变。
CA模型描述的现实传播现象为，个体状态的决定取决于其相邻的其他个体的状态，部分个体状态的改变将引起现有环境下的状态传播及扩散。因此，在对于创新扩散的研究中CA模型具有重要的意义与价值。
1、CA模型中的稳定结构
通过研究发现有一些创新接受群体虽然元胞个数很少，但是在其周围元胞都为采纳创新仍然保持这创新的接受状态。这里定义为稳定性结构。如图1、图2。
图1 图2
图1的结构在演化中会衰退变化到图2的结构，但是图2的结构在演化中保持不变。将结构外层的点用直线连接起来形成多边形，会发现图2形成的多边形是正八边形，每个角都是135°，而图1中退化的两个点处的多边形的角是90°。所以图1的结构只有处于网格区域的边缘才具有稳定性，当图1中的结构不位于区域的边缘是会退化为图3的结构。
下面证明，对于实心的结构，结构稳定的充分必要条件是结构所对应的多边形内角都大于等于135°。
充分性显然成立。必要性，对结构外层的某一点分析（这个点是接受创新的）。由于所考虑的结构是实心的，所以该点邻域的8个点中状态是接受创新的点是紧挨在一起的。如果邻域内有5个点的状态是接受创新的，那么用直线连起来的话，这个点不会成为多边形的顶点。如果邻域内有4（6）个点的状态时接受创新的，那么用直线连起来的话，这个点所对应的多边形的角是135°（225°）。这就证明了如果一个实心的结构是稳定的，那么该结构所对应的多边形内角都大于等于135°。因此也可以得到如下结论，图2是最小的稳定结构。
稳定结构的重要意义在于，创新的推广者可应用结构的优势用最小的成本，使市场中更多的潜在采纳者接受创新，已达到利益最大化的目的。
2、利用稳定结构的O型结构模拟
为探讨稳定结构在现有传播结构中的应用，引入O型信息传播机构进行模拟。
O型社会结构，又称为“有核系统”。与之对应的信息传播（流动）模式则是双向的单层次流动，即从圆上的各点流向圆心，又从圆心流向圆上各个点。模型抽象如图3所示。
在O型结构中使用稳定结构来优化创新扩散，使用初始创新占有率R = 0、464下，在105个时间周期后达到稳定状态。最终创新占有率R’= 0、901。在同样的初始创新占有率下的随机分布情况，30次实验平均最终创新占有率R’仅为0、302。
两种情况的统计图如图4所示。
图4 使用”O”型传播结构和相同初始占有率下的比较
由此可知，利用稳定结构对创新进行传播可以提高其速度，快速占领市场同时也可减少创新传播者的成本，使得利润最大化。
三、稳定结构的发现对我国金融领域的重要意义
市场经济的核心是金融，其在一国经济发展中处于举足轻重的地位，大力发展我国金融业，是提高经济竞争力的内在要求。
（一）金融创新存在的必要性
金融业的快速发展不能离开金融工具的快速创新。学者将影响金融创新的因素分为外生因素（导致创新的初始引入的外生因素）与内生因素（半壁压力和网络外部性，与采纳创新的企业数量有关）。在我国金融机构进行金融创新的原因也分为内外两种。内部动因是由于金融体制改革的不断深化引起的，其根本在于我国不断削弱“计划金融”，打破金融机构的垄断，形成激烈的市场竞争。外部动因由于我国加入WTO后，中国向外国全面开放金融市场，使得外国金融机构的大量涌入，外国跨国金融机构具有雄厚的资金和成熟的市场运作模式，使我国本土金融机构面临着前所未有的竞争，我国金融机构如不在入世后的国度期内进行金融创新，必将遭到市场淘汰。
（二）金融创新扩散模式的改进对我国金融领域的影响
技术创新理论强调一项创新的真正意义不在于创新本身，而在于创新成果在经济社会中广泛的传播和扩散。金融创新也不例外，金融是现代经济的核心，推动金融发展的动力在于金融创新。而金融创新的成果如果不能在金融市场上进行有效扩散，那么它就不会对经济社会产生任何形式的影响，一项金融创新潜在的经济效益，也只有通过扩散才能充分的发挥出来。初始刺激推动了创新，新的金融工具被更多金融机构采纳，表现为金融工具在金融业的扩散，这是金融创新扩散的整个过程。在对金融创扩散新进行静态分析时，发现扩散条件是该项创新能够满足潜在使用者的需求并能为其带来可观的利润。金融机构进行金融创新进行有两种方式：一是依靠自身的力量研究并开发，即研发方式；二是依靠引进，吸引外界的创新成果，即扩散方式。
金融创新的供给主体，一般是规模大、信誉好的商业银行，他们具有良好的硬件设施和一流的软件环境，同时他们需要处在经济发达、金融设施齐全的地区。我国的金融机构因自身组织结构不够完善、外部市场机制不够完善等因素，在研发性金融创新领域上竞争力薄弱。因此，利用在国内推行扩散性金融创新是提高我国金融机构竞争力的根本途径。
扩散性金融创新包含五大元素，分别为创新的供给者、需求者、环境、动因、媒介。从金融创新的供给方面来看，一项创新能否被更多的潜在使用者接受，首先与它带给供给者的直接净收益有关。“稳定性结构”的发现提高了金融创新扩散媒介的效率，使得金融创新产品从供给者手中流向需求者手中的成本更低，即由原来利用公众传播媒体向所有金融市场中的金融中介机构传播转向向形成稳定结构的金融中介机构传播。这样，成功的降低了扩散的成本，增强了创新供给者的利润，使得创新的供给者主动打破行业垄断向行业中提供标准化的金融产品以求或得跟多的利润。对“稳定结构”的传播链条进行进一步的分析，可得中间的采纳者在向外扩散创新产品是，有时并不是将其所接受的创新均按照原有形式出去，而是进行部分的改进或修改再进行传播。因此，利用“稳定结构”进行扩散最终达到的扩散范围取决于创新采纳者可在该创新中可获得的总效用的多少，即总效用等于总成本。
在我国金融领域运用“稳定结构”将提高金融创新工具的传播速度，从而可使得金融机构有更多的金融商品投放到市场，在取得利润的同时，积累更多市场经验。通过大量的市场回馈，我国金融机构可以依靠自己的力量进行金融创新，从而在根本上提高自身竞争力，在与外资金融机构进行博弈时立于不败之地。
四、结论
本文通过用元胞自动机对创新扩散问题深入研究，提出稳定结构并利用O型模型进行验证。验证结果证明稳定结构对最终创新占有率进行了优化。同时，将稳定结构应用于金融领域，阐述其现实中的重要作用，这也是本文研究的意义所在。
参考文献：
[1]Rogers EM、 Diffusion of innovations (4th edition) [M]、New York: The Free Press, 1995
[2]基于消费者网络的金融创新扩散研究
[3]Mahajan V , Muller E, Bass FM、 Diffusion of new products: empirical generalizations and managerial uses[J]、 M ar2keting Science, 1995, 14 (3) : G79
[4]、Rajkumar V; Trichy V K;Kumar V Evolutionary Estimation of Macro-Level Diffusion Models Using Genetic Algorithms: An Alternative to Nonlinear Least Squares
[5]Bass F M，Krishnan T V，Jain D C、ly the Bass model fits without decision variables[J]、Marketing Science，1994，13(3)：203—223
[6]Ho T H，Savin S，Terwiesch C、Managing demand and sales dynamics in new product diffusion under supply constraint[J]、Management Science。2002，48(2)：187—206
[7]Krishnan T V，Bass F M，Kumar V、Impact ofa late entrant on the diffusion of a 11ew product／service[J]、Journal of Marketing Research，2000，37(2)：269—-278
[8]Bucklin L P，Sengupta S、The co-diffusion of plementary innovations：Supermarket scamlers and UPC symbols[J]、Jourhal of Product Innovation Management，1993，10(2)：148—160
[9]Kim N、Chang D R，Shocker A D、Modeling inter—category and generational dynamics for a growing information technology industry[J]、Management Science，2000，46(4)：496--512
[10]Sharma P，Bhargava S C、A non、homogeneous non—uniform influence model of innovation diffusion[J]、Technological Fore—casting and Social Change，1994，46(3)：279--288
[11]Paul R，SteffensA、Amodel
[12]张廷、高宝俊、宣慧玉、 创新扩散中广告投放效果的元胞自动机仿真[J]、科技进步与对策,2009,26(1)
目前国内外信息挖掘的研究主要是以知识发现的任务描述、知识评价与知识呈现为主线，以基于各种理论的有效知识发现算法研究为中心，以及更加广泛的应用研究为主要特点。
结构化数据挖掘技术的研究较为成熟，主要集中在算法的适应性、扩展性和鲁棒性的研究上。围绕统计学方法的数据挖掘算法的研究一直受到关注，用于在具有先验知识的情况下的不确定知识发现。关联规则知识发现算法是众多的应用研究的基础，研究工作集中在算法的改造以及可扩展性和普适性的研究上。序贯模式是R、Agrawal提出的重要的数据挖掘方法。包括单一的概念层次，多概念层次的序贯模式的研究。在不同的概念层次发现序贯模式是十分有价值的。
神经网络是目前常用的数据挖掘技术，广泛应用于分类、聚类、预测建模和混沌模式的知识发现。基于概念格理论的知识发现的理论研究和应用近年来受到重视。复杂类型数据的知识发现是目前国内外知识发现领域的研究热点。空间数据是指同占有一定空间的对象的相关联的数据。空间数据挖掘方法主要包括空间分类和空间趋势分析。
文本挖掘用于基于文本信息的知识发现。文本挖掘是利用智能算法，并结合文字处理技术，分析大量的非结构化文本源，抽取或标记关键字概念，文字间的关系，获取有用的知识和信息。其关键在于文本内容的量化表征。多媒体数据的知识发现的研究主要是特征的抽取。在音频数据挖掘中Fourie变换等用于抽取不变性特征。相应的知识发现方法包括学习矢量量化和多层感知器等神经网络方法。
信息挖掘的理论研究表现出多学科的交叉和多种技术方法的融合及信息挖掘的泛化和统一的特征。知识发现技术逐渐渗透到复杂非线性系统，如社会科学、生物信息科学、商业与金融领域、地震和气象学等领域的信息处理之中。复杂性系统的信息过程表现出显著的非线性动力学特征。
3信息挖掘是商业信息处理技术的关键
商业领域中的海量历史数据与实时数据和广泛的应用需求为信息挖掘的应用和发展提供了一个广阔的空间。信息挖掘与已有信息系统和人工智能技术相结合，为商业与金融数据的分析处理提供了重要的工具和理论方法。这些理论和工具已经被用于解决金融与商业领域的以下各类问题：信用等级的评估；金融和经济预测；证券价格变动的预测；破产和银行倒闭预测；恶性透支和商业欺诈甄别；证券的投资选择和分类；商业行为分析以及销售与客户关系分析等。
在金融与商业领域中，信息挖掘技术的应用表现为范围上的延拓和层次上的深化以及多种技术方法的整合。利用文本挖掘，可以从Internet上的成千上万的与金融相关的Web网页中获取全球金融市场的实时数据、与金融市场相关的市场、宏观经济环境、政策和法规等消息、进行金融分析报告等。利用数据挖掘技术对分布于全球的市场消息和信息的处理来预测全球市场的主要股票指数,并对全球主要外汇交易市场货币交易率的未来走势进行预测和决策分析。
从细微和难懂的数据中识别、发现和抽取各类知识和规律。这样的商业分析每天都在发生：营销管理人员需要为某种产品进行目标市场分析；同时他们要求知道购买竞争对手产品的客户规模、潜在客户对优惠券的相对接受能力、竞争对手的产品在零售商店中陈设的位置、下一个商业周期中对自己的及竞争对手的产品需求预测，等等。基于信息挖掘的商业与金融信息处理技术的价值在于能够为使用者提供从数据集合中发现新关系的能力。极大地加强战术和战略决策以及决策过程的精确性。
关键词：金融发展；产业升级；广东省
文章编号：2095-5960（2014）01-00081-08
中图分类号：F830、9
文献标识码：A
自1978年中国实施改革开放以来，中国经济经历了高速发展并实现了转型升级，基本实现了从贫穷国家到发展中国家的蜕变，逐步缩小了与发达国家间的差距。特别是作为改革开放前沿地带的广东，在现代化建设中创造了经济持续快速增长的历史性成就，一跃成为我国经济发展的领头军。然而，伴随着中国经济和广东经济进入新的发展阶段，“土地告急、资源短缺、用工紧张、环境污染、成本飞涨”等矛盾凸显，尤其是在金融海啸之后，广东传统粗放型的发展模式和产业结构面临着诸多严峻的问题与挑战。因此，为了实现经济的集约式可持续发展，广东省必须加快产业结构的调整和升级，向高附加值导向的产出结构和高技术导向的技术结构迈进，从资源密集型和劳动密集型的产业结构向技术密集型和资本密集型的产业结构转变。而金融发展通过在产业间合理配置金融资源对产业升级起着重要作用，因此，研究广东省金融发展对产业升级的影响具有现实意义。
一、文献综述
Bagehot（1873）是最早对金融在产业发展和经济增长中的作用进行考察的学者之一，他认为金融体系可以为大型工业项目提供必要的资金，从而促进工业发展，金融体系为英国工业革命的成功起到了重要作用。而Schumpeter（1934）则从创新的角度对金融发展与经济增长之间的关系进行了研究，发现银行的信用工具为资金流向创新领域提供了条件，而创新活动的活跃加快了经济增长和产业发展。早期学者的研究为金融与产业结构调整之间关系的研究奠定了基础，但直到20世纪中期，学者们才开始了对金融与产业结构调整之间关系进行了较为系统的研究。Hicks（1969）认为，英国工业革命的基础是18世纪的英国金融革命，金融革命的实施为工业技术创新提供了必要的资金，从而为工业革命的成功提供了保障。革新性技术是在工业革命发生前就已经发明的。故此工业革命的产生并不是由技术的革新而引起，而是由于英国金融革命而促使的。
近几十年来，国外学者对金融与产业结构调整互动关系的研究视角越来越多样化。Wurgler （2000）对1963-1995年间 65个国家制造业总投资及产业增加值的数据进行了实证分析，结果表明，金融市场化程度较高的国家将大部分资金投入成长性产业，而对于夕阳产业的金融支持力度较弱，资金流向的差异化促使各个国家金融市场的发展程度有所差异，金融市场化程度较高的国家在金融市场资本配置效率方面也处于领先地位。Beck et al、（2004）利用多国家样本进行了论证，发现在整体金融发展水平较高和拥有有效法律系统的国家，产业发展速度较快，并伴随着有效的合约约束机制，资金配置渠道也更为通畅。
一、 国内外金融科技发展现状和趋势
1、 金融科技的定义和发展现状。
（1）金融科技的定义。Fintech（金融科技） 是 Fi- nancial Tech-nology 的缩写，可以简单理解成为Fi-nance（金融）+Technology（科技），但是又不是两者的简单组合，指通过利用各类科技手段创新传统金融行业所提供的产品和服务，提升效率并有效降低运营成本。金融科技服务当前在国内外的应用，可以看成是传统金融服务和信息科技的结合，覆盖了储蓄、支付、投资、融资等业务场景和领域，在近些年来成为工程界和学术界的应用热点，根据谷歌趋势的数据显示，全球当前对于金融科技的关注度是3年前的10倍。
（2）金融科技的应用方向。从应用层面来看，金融科技覆盖了目前几乎所有的行业领域，包括银行、证券、保险、基金、消费金融，以及围绕满足监管层面的需求专门衍生出了监管科技。具体对这些行业和场景的渗透体现在以下方面，在银行领域主要体现在零售业务、网络借贷与融资、风控和电子支付，在证券领域主要体现在资产管理、智能投顾，保险领域主要体现在风控和线上业务，基金领域包括资产管理、量化交易等，比如大家常见的量化XX号基金，实际上就是程序化交易，消费金融领域更是和金融科技密不可分，由于其小额分散的特点，从获客到风控、催收，都离不开金融科技的支持。对于监管部门，金融科技手段也成为常规化手段，衍生出了监管科技，除此之外，包括现在央行在研究的数字货币，还有大家日常息息相关的电子支付，都是金融科技的具体应用。总而言之，随着现阶段金融科技的不断发展，金融和实际生活结合得更加紧密;金融科技实现对金融行业的影响体现在：对现有金融业态进行重构、对金融场景丰富度的提升、对金融业务覆盖对象的扩充。
（3）金融科技的支撑技术。金融科技应用场景背后的支撑，是日益成熟的前沿信息技术。目前这些技术在业界通常被称为ABCD或BASIC。其中，A代表Artificial Intelligence（人工智能），B代表Block Chain（区块链），C代表Cloud Computing（云计算），D代表Big Data（大数据），Basic和其类似，B代表big data，A代表AI，S代表Social Network，I代表Internet，C代表Cloud Computing。这些技术其实构成了目前金融科技的主要技术框架。比如，云计算提供了硬件的载体，很多模型、算法和应用是部署在云计算平台上的，大数据则提供了数据层的能力支持，对金融活动中产生的数据进行收集、整理，便于被其他应用调用，移动互联网则是产生数据的主要途径，也是应用部署的基础设施，比如支付宝、手机银行等都是在移动互联网上部署的金融科技应用。因为我们日常生活中移动互联网的事件是每时每刻都在发生的，人工智能和区块链则是针对风控、支付清算、数字货币等场景下具体的应用技术。
在以上应用技术的支持下，目前在国际上涌现出了很多金融科技公司，有的是新兴的金融科技公司，有的是传统的金融机构朝着金融科技方向的转型。全球金融科技业务应用领域涵盖：支付清算、借贷融资、零售银行、财富管理、保险、交易结算（数字货币）六大金融领域，全面融入传统金融各板块。
总结起来，当前全球金融科技发展呈现出以下特点：
一是在國际上，欧美等老牌发达国家无论是技术上，还是应用场景上都领先于发展中国家。由于开展金融产业时间长，产业链相对完善，在金融产业和信息科技的碰撞、交叉过程中更容易发现新的业务机会和场景，北美、欧洲整体发展水平稳健且相对均衡，老牌金融强国-英国的金融科技生态圈被积极扶植，有着良好的运营策略，也有业界领先的金融科技政治环境。
二是北美、欧洲的金融科技公司涉及业务种类多样;中国主要涉及支付、借贷、保险、财富管理领域，拥有新兴的金融科技支付及电商交易系统，市场潜力巨大。2016年全球金融科技前100强中，前十名有五家来自中国，而这一百家企业中，上榜企业主要分布在借贷、支付、监管科技、数字货币、数据分析、保险、资本市场、财富管理、众筹、区块链和会计核算。
2、 中国金融科技的演进。与国外相比，我国金融科技发展演进的过程起步较晚，最早是在2014年之前，以有效提高工作效率为目的，传统金融机构开始构建自身的信息系统，比较有代表性的是工商銀行，从20世纪80年代开始购买当时最先进的IBM中大型机。2014年开始，支付领域开始逐渐发力，金融科技的应用从传统的金融后台支持转移到了前端，电子银行等开始普及，2007年拍拍贷的成立成为国内金融科技发展的标志性事件，拍拍贷开始利用数据驱动的方式，构建个人信贷业务的信贷工厂，机器学习模型开始真正参与金融的信贷审批决策，2013年余额宝的出现对银行零售业务产生了冲击，令传统金融倍感压力，同时，也是各大传统金融机构开始发展互联网战略的开端。但是在这个阶段，前期有一定技术积累的金融科技企业，无论是技术上还是在经验上，优势都较为明显。2016年后，金融科技的发展已经渗透到国计民生的各个领域，随着前沿信息科技手段的不断发展、成熟，金融领域开始了利用技术手段“脱媒”的浪潮，有专家认为，在这种趋势下，未来将会发展成为无金融社会。
整个演进过程，按照目前金融科技界的划分，可以分为三个阶段，第一阶段为金融科技1、0阶段，也是金融信息化建设的阶段，这一阶段的主要特征是政策主导、资本扶持。政策层面该阶段的标志是于1993年的科学技术进步法，明确指出要发展科技在金融领域中的应用。第二阶段金融科技2、0阶段，也是互联网金融蓬勃发展的阶段，金融业搭建在线业务平台，实现金融业务中的资产端、交易端、支付端和资金端的互联互通，通过对传统金融渠道的变革，实现了信息共享和业务融合。该阶段的特点是科技推动了金融创新，驱动各项监管政策完善。第三阶段是金融科技快速发展的阶段，通过大数据、云计算、人工智能等新技术来改变传统的金融信息采集来源，风险定价、投资决策过程，代替金融机构信用中介的角色，大幅提高了传统金融的效率，因此实现了科技与金融的深度融合，释放产能。目前我国金融科技发展演进过程非常迅速，在某些方面实现了跨越式的发展，主要得益于国内庞大的客户群体产生的海量数据，且数据监管，尤其是信息安全目前还存在一定的盲区。在技术上，与发达国家仍存在一定的差距，但是这种差距正在逐步缩小。例如互联网支付，美国的贝宝公司在1998年已经开展业务，而国内最早的支付宝则是在6年后才出现，微信支付更是2016年后才开始。而基于大数据风控的网络借贷，我们只比英国和美国晚了2年。因此，目前我国金融科技的发展正处于一个快速追赶的过程。
从监管和市场规模层面也可以看出当前我国金融科技发展的演进程度。其中2015年是金融科技市场规模井喷的一年，以现有增长速度预测，2020年金融科技市场规模有望达到万亿。与此同时，监管部门也越来越重视金融科技的发展，2017年5月，中国人民银行专门成立金融科技委员会，加强金融科技工作的研究规划和统筹协调，金融科技的快速发展倒逼监管部门的创新，金融科技的监管也从原来的无序监管，走向规范化。
二、 同业金融科技发展现状
在以上大背景下，为了找准金融科技研发的方向和发展模式，本文对同业金融机构，主要是国有AMCs还有众多银保监会直属金融企业进行了调研。银行业金融机构的金融科技研发工作起步较早，非银机构对于金融科技的创新还处于起步阶段，信托、证券、消费金融等走在了前列。大部分同业开展金融科技的研发是从2015年开始，原因是2014年银保监会了39号文，指出2015年起，银行业金融机构应安排不低于5%的年度信息化预算，专门用于支持本机构围绕安全可控信息系统开展前瞻性、创新性和规划性研究。并且随着社会环境、经济环境以及政策环境的变革，外部环境在近些年有力推进了这些金融机构的金融科技研发工作。
虽然金融机构开展金融科技研发的工作较晚，但是涉足技术领域比较前沿。新的前沿信息科技技术在金融领域的转化速度加快，追踪前沿科技并利用其资金、人才优势快速落地，已逐渐成为各大金融机构在金融科技领域中的常规操作，如知识图谱、复杂网络等在其他领域中尚未得到广泛应用的技术，在金融领域中已有部分银行和金融机构开始用于反欺诈、风险识别等垂直业务场景，前沿技术在金融领域中的渗透速度明显加快。通过统计今年银保监会风险应用课题的申报情况，目前最热的仍是金融大数据应用相关课题，信托、互联网金融的入围课题数量领先于其他公司，不良资产经营领域的课题入围数量仅有2个。对于银行来说，由于起步较早，在金融科技领域已经有了比较系统的积累，本文统计了近三十年来各大银行获得的专利数量，其中中国工商银行、建设银行专利数量均超过了900件，并且有超过一半的专利是2011年以后获得的。
总而言之，金融科技的研发工作在国内的金融领域目前还处于起步阶段，虽然从技术上已经达到了金融科技3、0的要求，但是在普及程度上以及应用场景的覆盖上，还存在不均衡发展的现象，尤其是包括AMCs在内的非银机构，金融科技的研发和应用还处于非常初级的阶段。
三、 AMCs金融科技研发模式建议
通过在作者工作单位调研，AMCs金融科技的发展目前还处于金融科技2、0到3、0的过渡阶段，主要致力于传统金融IT系统建设、运维，数据治理正在逐步完善，大数据平台等金融科技的基础设施建设还在进行当中，金融科技的应用尚处于起步阶段。为提升AMCs精细化管理水平，更好服务不良资产经营主业，由“业务引导技术应用”转变为“技术驱动业务”，使金融科技成为AMCs做强主业、服务实体经济的强劲引擎，当前AMCs金融科技开展亟需解决以下问题：
第一，信息科技基础设施建设亟待加强，尤其是数据基础设施。金融企业作为传统的资本、人力密集型企业，发展到现在，已经成为数据密集型企业。每天的经营活动中都会产生大量的数据，这些数据关系到企业各项业务的正常开展，更是企业发展的脉搏，能够实时反映出企业的经营、风险状况。如何利用好这些数据，是防化风险、提升精细化管理水平的关键所在。大数据技术发展至今，已经成为各行各业都在关注并应用的“传统新兴技术”，能够为企业带来管理水平的提升、经营决策的辅助和业务市场的拓展，而开展大数据应用的土壤就是完备、安全的信息科技基础设施。具体来说，应该包括两方面的内容：一是需要建立完善的物理设施，包括服务器集群、灾备等系统，从物理条件上满足数据应用的需求;二是需要建立完备的数据治理体系，保证产生的数据真实、可信、可用，满足各项数据应用的需求。
第二，大数据智能应用能力亟待提升。当前阶段，随着机器学习、人工智能等技术的发展，大数据应用已经蜕变为大數据智能应用技术。从传统的数据存储、分析过渡到了利用数据中抽象出的信息辅助决策、防化风险、挖掘客户。不良资产经营是AMCs的主业，在不良资产经营活动中，尽调、定价、风控、客户管理等各个关键环节目前仍然依赖于业务人员的行业经验。随着业务的增长，单纯靠人工经验不仅为业务人员带来过多的重复性工作，降低了工作效率，而且容易产生操作性风险。而大数据应用技术则可以通过分析、自学习过往的业务案例，结合人工经验的介入，解决效率和操作性风险问题，为决策提供更为有力的支持。同时在数据层面，所有操作是透明的，也有助于降低操作性风险，帮助管理层实时了解公司各项业务的经营状况，从数据应用层面实现扁平化的高效管理。
第三，金融科技自主前沿探索势在必行。从趋势分析可以看出，金融科技的发展、更新频率已经逐渐站在了信息技术领域前沿，在某些方面甚至引领了新兴信息技术的发展。在这种情况下，金融科技的发展水平构成了大公司和小公司之间的“数字鸿沟”和“智能鸿沟”。如不能及时掌握前沿金融科技的应用，在科技催生新业务场景时迎头赶上，势必会丧失先手优势，技术的更新迭代速度日新月异，在金融科技领域，要跨越“鸿沟”所要付出的时间和资源成本，会随着技术代差的扩大而呈指数级增长。传统金融机构在这一波金融科技浪潮中的沉浮也揭示了这一规律，在金融科技逐渐占据金融领域业务比重的过程中，所有的金融企业都处于“黑森林法则”下，快速产生的科技力量会在短时间内从不同维度对传统金融行业造成巨大的冲击，甚至对某一行业的经营模式造成颠覆性的影响，而当金融科技成为一家金融企业“护城河”时，将极大加强企业在“黑森林法则”体系中的生存能力。因此，为了巩固行业地位，加大金融科技研发投入，促进自主掌握前沿金融科技并形成生产力，构建“技术护城河”，是AMCs未来健康蓬勃发展的助力条件之一。
在西方经济学理论研究中，对经济效率的研究比较早，并且研究分析较为深入，研究成果颇为丰富，而对金融效率的研究相对较少。对金融效率的关注源于金融发展理论的研究，金融发展理论是20世纪70年代逐步发展起来的，研究的重点是发展中国家的金融发展问题。
经过短短30年的演进，金融发展理论形成了三个有代表性的成果：一是1973年的麦金农·肖的“金融抑制论”和“金融深化论”，学术界简称为“金融深化论”；二是20世纪90年代赫尔曼等人提出的“金融约束论”；三是20世纪90年代末由中国学者提出的“金融可持续发展理论”。前两种理论对“金融效率”没有提出明确的概念，而中国的学者则对“金融效率”提出了明确的界定。
关于“金融效率”的内涵国内学者有不同的看法，王广谦（1997）认为，金融效率是指金融运作的能力；杨德勇（1999）认为，金融效率是指一国金融整体在国民经济运行中所发挥的效率，即把金融要素（人力、物力、各类金融资产的存量和流量）的投入与国民经济运行的结果进行比较分析；王振山（2000）、李木祥、钟子明、冯宗茂（2004）认为，金融效率就是资金融通的效率；白钦先（2000）认为，金融效率为金融资源在经济系统与金融系统以及金融系统的内部系统之间配置的协调度；郑旭（2005）认为，金融效率就是金融资源（货币和货币资本）的配置达到帕累托最优状态。
二、金融效率内涵的认识和分析
我们认为，金融体系是一个庞大复杂的系统，金融效率也包含丰富的内容，所以在实证研究中，国内学者对金融效率涵义的不同理解是无可非议的，对金融效率作不同的分解、分成不同的层次来研究是完全必要的。由于我国学者对于金融效率这一领域的研究起步较晚，对金融效率这个概念还没有达成一个统一的认识。但是，通过对前人研究成果的考察，我们认为：金融效率是指资金融通和运用的效率。我们把金融效率划分为“宏观金融效率”和“微观金融效率”两个层次。宏观金融效率是指金融体系资金融通状况对国民经济整体运行的促进效率；微观金融效率是指资金在微观经济主体之间的融通和运用效率。这也就是本文主张的基本内涵。按照这一思路，宏观金融效率主要包括储蓄向投资的转化效率、金融对社会资源的配置效率；微观金融效率主要包括金融机构的运行效率、企业的融资效率。本文将重点对国内宏观金融效率的现状进行分析和研究。
三、数据采集的相关说明
从我国的实际情况看，银行贷款和发行股票是企业融资的两个重要途径，图1对比了这两种渠道的比重。从1991年到2008年，除了2000年外，通过发行股票筹集的资金占比都在20%以下，说明我国资本市场的发展还存在一个艰难的旅程，而通过银行贷款筹集的资金在80%以上，客观说明银行贷款是国内企业尤为重要的融资渠道。鉴于银行在金融体系中占绝对优势，在下面的分析中所用到的数据将主要以银行的数据为主。
四、宏观金融效率评价指标体系的构建
根据金融效率的基本内涵，我们认为宏观金融效率的评价指标应该包括融资率、储蓄投资转化率、存贷比、新增贷款生产率。鉴于宏观经济学上也有这样的概念和指标，本文以下将宏观经济学上的储蓄率、投资率称为国民储蓄率、国民投资率。为了明确两者之间的区别，我们作一下说明。
1、融资率。等于新增存款/GDP，它综合反映金融体系的资金（储蓄）动员能力，表明GDP中通过金融机构转化为储蓄资金的比例。
2、储蓄投资转化率。等于资本形成总额中来源于贷款的资金/存款增加额，该指标用于近似反映整个金融体系的储蓄转化为生产领域投资的效率。
3、存贷比。等于贷款额/存款额，反映间接融资渠道的储蓄投资转化效率。与上一个指标相比，这个指标从总体反映银行体系的储蓄投资转化效率。
4、新增贷款生产率。等于新增GDP/新增贷款，这个指标反映每新增一个单位的贷款带来多少单位的GDP增量，反映新增贷款的生产能力。
5、私营企业获贷比。等于私营企业所获贷款额/贷款总额，它反映了在银行体系的贷款中有多大的比例流向私营企业。
以上几个指标的选取与资金的流向是一致的，分别与资金的筹集、资金的使用、资金的使用效率和资金的流向相对应。通过量化的指标可以对宏观金融效率的现状有直观的认识，以下是我们对这些指标的考察和分析。
五、我国宏观金融效率的分析与考察
1、储蓄投资转化率。根据《2009年中国统计年鉴》的计算，在1991—2008年共18年间，融资率、储蓄投资转化率、存贷比、新增贷款生产率、国民储蓄率的均值分别为20、42%、37、94%、85、66%、102、35%、42、6%，前四个指标的变化趋势则如图2所示。
（1）融资率的经济意义是一个单位的GDP中有多少单位转化为金融机构资金来源（存款），均值为20、42%的融资率意味着一个单位的GDP中有0、2042单位的GDP成为金融机构的资金来源。在趋势图上，金融机构的融资率表现为在20%上下波动。与国民储蓄率的均值42、6%相比，金融机构的融资率为20、42%，表明国民储蓄中有一半是以金融机构的负债形式存在。
金融机构的一个最基本功能就是促使资金从资金供给方向需求方流动，使国民经济的运行顺畅进行，金融机构的储蓄投资转化率和存贷比是反映这一功能的指标。
（2）金融机构的储蓄投资转化率的经济意义是指每一单位的新增存款转化为多少单位的资本。资本是实体经济运行的基础，统计上包括固定资产和存货的投资，金融机构融资来的储蓄只有转化为资本，进入生产领域运行才能带来价值的增值。从图2看，该指标以37、94%为均值上下波动的变动趋势，而且其波峰和波谷与融资率恰好相反，表明每一新增的存款中，有0、3794单位转化为资本进入生产领域。
关键词：城镇化 金融支持 研究综述
目前，我国城镇化正处于快速发展阶段，但是这其中困难重重。近些年中国政府提出“统筹城乡经济社会发展”、把促进城镇化建设作为一项重大战略和紧迫任务，理论界与学术界对该领域的研究更加宽广、角度也更加多元。其中，从金融支持视角探讨农村城镇化发展是近几年的研究热点。本文试图对这些研究文献进行梳理，筛选出较近时期一些具有代表性的论文以及著作，希望对未来的研究能有所帮助和借鉴。
一、介绍国外金融支持城镇化情况的研究
陆岷峰、马艳（2009）分析了国外城镇化进程中加强金融支持作用的有关经验及特点。国外经验主要有：在法国，城镇基础设施建设资金来源主要有：市镇税收、经营开发与分摊税、城乡规划税和开发税、国家拨款、银行贷款、企业投资、发行机构投资、发行长期债券以及保险公司、老年保险等基金投资，城镇基础设施建设资金利用了一切可能的途径；日本政府主要用两种方式以自身投资引导民间资本投向：一种是“筑巢引凤式”，即用小量投资为民间资本创造投资条件，吸引民问投资；另一种是“联合投资式”，即将民间的资本和经营能力引入政府的投资事业，由中央政府、地方公共团体和民间企业共同投资建设基础设施；韩国通过设立国民投资基金，有效地把民间资本用于基础设施建设，制定吸引民间资本的政策法规。同时，由全球著名的经济学家T、贝克、埃斯里·德米尔古克·肯特和罗斯·莱文（2006）所领导的研究小组专门针对全球金融发展和经济增长问题所作的系列研究报告中明确指出，正是金融的总体发展水平以及有效的金融支持，而不是金融结构，促进了经济增长，并且，政治和法律制度的差异也会影响到金融发展与经济增长之间的关系。从以上国外城镇化过程中资金筹集的各种方式，可以得到这样的启示：国外城镇化建设的成功， 关键在于有效地运用了各种金融支持手段，而且充分实现了金融支持中资金主体多元化、资金来源多渠道及投资方式多样化，从而保证了资金的有效供应。
二、介绍我国城镇化与金融支持问题研究
（1）研究城镇化进程中金融支持的具体方式。张迎春（2006）在《统筹城乡发展与金融支持体系构建研究》一书中指出：涉农行业是统筹城乡发展中金融支持的重点领域，市场金融和政策金融是统筹城乡发展中金融支持农村的长效机制，统筹城乡发展中金融支持体系构建具体构想：构建以金融机构为主体的农村间接融资体系、拓展农村直接融资渠道。统筹城乡发展中金融支持体系构建的着力点一：我国农村金融机构体系的重构，改革和完善原有的农村金融机构、新建农村中小金融机构。统筹城乡发展中金融支持体系构建的着力点二：农村直接融资渠道的拓展，大力发展农村票据市场、着重推进农业经营企业（特别是农业产业化中的龙头企业），通过资本市场融资。胡斌（2002）分析指出政策性金融是支持城市基础设施建设的有效手段，提出增强政策性金融对我国城镇建设的支持作用、促进我国城镇化水平的提高的措施：明确发展战略、提高规划水平是城镇化发展的基础；加大投融资体制改革力度是解决资金短缺、提高融资效率的基础；完善信用结构等。张正斌（2008）对宁夏民族地区的金融发展与城镇化发展的关系进行分析，其主要研究结论是：金融在城镇化中的作用可能更多地是通过收入在起作用，即金融通过支持当地经济发展，增加农民收入带动城镇化的发展，而不是通过使人口向城镇集聚起作用，人口向城镇聚集仅仅是表象或收入变化的结果；在衡量城镇化水平时，以收入作为衡量标准，可能更能说明问题。丁敏哲（2013）在“城镇化与区域金融改革”报告中指出：城镇化的重心在县域，与之相适应的金融体制重点则在微观金融、民间金融，在普惠制、均等化金融服务上实现突破。他认为，城镇化金融支持要形成“五大体系”：一是构建城镇化差异化的金融组织体系。二是构建微观金融组织、产品和服务创新体系。三是构建地方性的直接融资体系。四是构建区域信用与交易体系。同时，积极引入农村土地、农民住房等各类抵（质）押物的市场化定价机制，让它们变成标准化、可交易的产品，进行有序流通。五是构建法律政策支持体系。研究出台包括加大支持小微企业、“三农”，引导和规范民间融资，探索建立中央和地方分层管理体制等方面的法律政策，为金融支持城镇化的推进提供更有效的法律法规和政策制度保障。刘澄（2013）指出：一定要找准新型城镇化的金融切入点，农村金融机构应当围绕城镇化金融需求特征，研究城镇化金融结构、需求层次和需求动机，本着“政府规划、银行支持、全程服务、重点跟进、突出特色”的策略，选择重点服务区域，设计有针对性的金融产品，有计划地进行组织机构重构和业务流程重组，以提高组织机构的反应能力和服务效率，以精心的准备、特色的服务，完成城镇化金融大课题。
（2）金融支持对促进城镇化发展的关系问题的研究。研究的主流结论是城镇化与金融支持相关变量显著正相关。郑长德（2007）认为金融中介的发展与城镇化进程间内含着一种互动机制，一方面，金融中介发展可以促进城镇化的发展；另一方面，城镇化水平的提高又可以通过生产要素的不断集聚，使市场规模得以扩大，从需求和供给两个方面促进金融中介的发展。作者的实证分析表明，中国城镇化水平与经济金融化水平存在高度的正相关性。黄勇、谢朝华（2008）采用非结构化的向量自回归（VAR）模型检验发现，我国银行贷款和城镇化建设之间存在着直接的因果关系。银行贷款对城镇化建设具有重要的支持效应，但金融部门对城镇化建设的资金需求的兴趣在降低。研究认为，为了更好地满足城镇化建设中的资金需求，可以通过建立多元化的投融资体制、完善城镇金融服务体系、完善信贷管理体系和规范政府与金融部门之间的关系等途径，强化金融支持效应。
总的来看，这些文献对城镇化过程中的金融支持的相关研究有了比较充分的论述，详细分析了城镇化进程中金融支持的具体方式，但对城镇化水平与金融的关系以及对城镇化过程中的金融抑制现象研究过于笼统和宽泛，缺乏对金融资本的细分和各类金融资本对城镇居民的影响的具体分析。
参考文献：
[1]陆岷峰，马艳、以金融支持推进中国城镇化进程的新思考[N]、苏州教育学院学报，2009-1、
[2]肯特·莱文、金融结构和经济增长：银行、市场和发展的跨国比较[M]、中国人民大学出版社，2006-11、
[3]张迎春、统筹城乡发展与金融支持体系构建研究[M]、西南财经大学出版社，2006-11、
[4]胡斌、政策性金融与我国城镇化发展战略[J]、中国金融，2002-10、
作者简介：
1、什么是金融
金融，顾名思义，“金”是黄金、资金，“融”是融通，即“资金融通”。金银的易携带、易分割及价值大等特性使之成为充当货币的一般等价物――价值的代表，因此，金融是价值的流通。而随着经济社会的日益发展，金融的内涵也进一步拓展，不再局限于价值的流通，更多的倾向于经营的资本化、信用化以及杠杆化，更符合现代金融的发展要求。
2、什么是宏观金融
根据金融主体行为的不同可以划分为微观金融和宏观金融两大类。一般地，企事业单位及个人的金融行为被归类为微观金融的范畴，主要包括资本的直接融资与间接融资。而政府和货币当局的金融行为被归类为宏观金融的范畴，主要包括货币和金融制度的安排。宏观金融是以宏观平衡人类整体经济利益关系为目的的社会金融行为，是人类的社会性金融活动。
3、什么是宏观金融理论研究的方法论
宏观金融理论研究的方法论是指关于研究宏观金融领域的一般方法的总称，它为我们准确、有效地研究宏观金融理论提供了组织、计划、设计和实施研究的基本原则。
二、 宏观金融理论研究方法论的重要性
联系的普遍性――世界万事万物都是普遍联系的，金融理论的发展过程也不是独立存在于人类社会的发展变化当中，而是与人类社会发展的诸多领域密切相关。在二十一世纪之前，金融理论的发展是杂乱无章的，学者们仅从自身出发进行研究，各方向的金融理论研究层出不穷，宏观金融理论的研究缺乏系统的理论体系和方法论，从而一定程度上制约着宏观金融理论的发展。
宏观金融理论的发展从始至终都是建立在实践基础上的研究，并未形成完备、系统、科学的理论研究方法。当代宏观金融理论研究不需要经过科学的检验和检测就能成功的观点明显违背客观世界的发展规律，在当代宏观金融理论的研究中，若要持续有效地发展就必须使之上升到理性高度，并形成一套系统、科学的行为准则，在不断发展过程中进而形成科学的“方法论”，以此来指导我们有效地进行当代宏观金融理论的研究。因此，在当代宏观金融理论的研究领域中，形成一套系统的、科学的方法论十分重要，它关系到研究结果是否有效的问题。
三、 当代宏观金融理论研究中存在的问题
1、形式主义倾向严重
宏观金融理论研究在其发展过程中产生的一系列理论方法和工具，如规范分析与实证分析、数量模型分析、计量经济学模型分析等，促使着宏观金融理论的研究向科学化、严谨化发展。20世纪20年代之前，学者们较为关注运用金融理论的知识去科学有效地解释社会生活中的一些经济现象，通过案例分析来实现金融理论知识的合理运用。20世纪90年代之后，随着计量经济学学科的出现，论文就更倾向于应用数学模型来解释经济现象，以此来彰显其理论研究的准确性和严谨性。然而研究者们对于这些数学模型并未深刻认知，有时过于追求模型论证而忽略其现实经济意义。目前论文撰写过程中，研究者大多未能正确认识金融工具与金融理论的关系，忽略金融工具的服务性作用，过于追求数学模型等工具而忽略金融理论。
2、研究成果普遍缺乏创新性
研究的创新性是为了通过研究者分析问题，提出观点来推动金融理论的发展。而目前多数研究者忽略理论的探究，在广泛阅读大量现有成果的基础上，自身的思考和研究略有欠缺，从而难以实现理论的创新。
四、 宏观金融理论研究的一些方法
行为金融理论与大数据的结合
世界首家基于社交媒体Twitter的对冲基金Derwent Capital Markets创始人保罗・赫汀（Paul Hawtin）曾说：“长期以来，投资者已经广泛地认可金融市场由恐惧和贪婪驱使，但我们从未有一种技术或数据来量化人们的情感。”
一直被金融市场非理性举动所困惑的投资者，现在终于有了一扇可以了解心灵世界的门户――“南方新浪财经大数据策略指数”，在大数据时代，行为金融理论终于可以在投资领域有了更具操作性的应用。
据了解，2013年底，南方基金即与新浪财经讨论双方在上述领域合作的可能性并达成合作意向，拟充分挖掘双方在各自领域的专业优势，在股票量化研究及合作开发指数方面展开方向性合作。
新浪财经作为国内领先的财经数据平台，其股票频道、财经新闻、股吧论坛、尤其是新浪微博相关财经账号，对上市公司有着更及时全面的资讯覆盖、其财经数据的互动信息来自专业的投资者，较普通的互联网媒体有着更具有价值的信息。其体现的市场情绪变化涵盖了宏观经济、行业动向、个股关注、财经新闻报道曝光度、股票论坛用户参与度，全方位地展现了投资者与股票间的互动情况，隐含了海量的投资辅助信息。
“互联网经济造就了大数据时代，唯有那些在数据获取、形成洞察力和将洞察力转化为行动方面表现优秀的企业才能有持续的绩效表现，基于此，我们选择了在此领域积累了资深经验的南方基金合作。”新浪网副总编辑、财经中心总监邓庆旭表示。
南方基金数量化投资部总监刘治平介绍道，从目前国内量化投资现状来看，传统的基于财务数据、估值成长因子、技术指标因子的多因子模型研究框架已经非常成熟，越来越难以获得超额收益，因此近几年新闻事件、公司事件对于股价的影响成为量化投资者研究热点，但传统的量化投资者由于数据获取局限，研究更多的止于事件本身对于股价的影响，数据量极其有限，对于新闻事件所带来的互动信息数据研究更是严重缺位。
南方基金数量化投资部资深研究员雷俊表示，前期南方数量化投资部通过对财经大数据的分析，发现追踪市场热点变化，结合南方量化研究成果，挑选出更具有投资价值股票作为投资组合，日前已经完成了综合宽基指数、主题行业指数的历史模拟业绩测算。内部测算结果显示，该指数具有较好的市场代表性、收益性和流动性。
打造互联网金融版图新坐标
互联网金融创新浪潮来袭，其对基金业的影响最初体现在销售层面。余额宝的成功让基金公司开始跟风，热衷于包装各类“宝宝”。事实上，互联网的价值并非仅仅体现在用户的购买行为上，南方基金以敏锐的视角将眼光投向了互联网平台之下的宝藏――大数据应用。
南方基金新闻发言人、董秘常克川表示，公司自去年便组织相关部门研讨，如何更深度地将互联网行业信息优势与传统金融机构的研发优势相结合这一新的课题，南方新浪财经大数据策略指数的推出将填补国内在互联网大数据投资应用领域的空白。“公司未来或将开发跟踪该类指数的系列基金产品，为基金投资者提供多元化、专业化的投资工具，不遗余力地为客户捕捉市场机会，创造价值。”
通过对不同方案的可行性分析和筛选，南方基金与新浪财经双方敲定拟先期充分利用新浪在财经领域的大数据，结合南方基金数量化投资领域专业分析，深度研究挖掘网民关注度、新闻点击率等数据与证券市场潜在的趋势性联动信息，为指数编制提供决策参考依据，从而确定了“财经大数据策略指数”的合作方向。