金融指標體系模型的構建概述
論文關鍵詞：國際金融中心,金融指標模型,發(fā)展模式,定量分析
引言
2009年3月國務院通過了有關將上海建設成為國際金融中心和國際航運中心的有關意見，這無疑使得經濟正在高速發(fā)展的上海更加明確了它的發(fā)展目標和方向。自1992年以來,依靠其自身得天獨厚的基礎優(yōu)勢以及國家的大力支持，上海在金融中心建設方面已經取得了令人可喜的成績，已經初步建成了比較完善的金融市場體系和金融機構體系。進入新世紀以來，上海證券交易所的市值顯著提高,并于2007年超越香港,列為全球證券交易所聯(lián)會所有會員的第六位。[1]雖然上海是我國內地最有可能成為國際金融中心的城市,但是，不可否認的是想要成為一個名副其實的國際金融中心，差距還是很大。雖然我們國家的金融市場已經有了一定的規(guī)模，可是它的價格發(fā)現功能被扭曲、同時多數金融機構盈利能力不強,整個金融市場在不斷對外開放中，仍然顯得十分脆弱。特別是在這次席卷全球的金融危機背景之下，如果不是我國資本賬戶以及資本市場并未完全開放，我們的金融市場能否抵御住這次危機帶來的巨大沖擊還是個問題。
可以說，上海正處于建設國際金融中心的十字路口。接下來上海應該選擇什么樣的路徑進行發(fā)展已經是一個亟待解決的問題。構建金融中心的評估模型可以較為客觀地度量和評估現有的國際金融中心的運作方向和發(fā)展模式。對現有國際金融中心的各方面有個定量的分析和總結，對于上海建設新的國際金融中心將是非常有益的。不過，國內學術界目前在這方面的研究數量還是較為有限的,許多文獻還是從定性的角度提出成為國際金融中心的充分必要條件。有的學者即便是建立了相關的模型，例如馮德連的“輪式模型”，胡堅的“國際金融中心評估指標體系”，但是模型的說服力以及解釋現實的能力并不高，主要還是以定性的敘述來解釋模型的借鑒意義。
本文則從另一個角度出發(fā)來分析這個問題。首先對影響國際金融中心形成和運行的因素和指標進行說明,并且對于當今最主要的兩種發(fā)展模式進行解釋。然后以新加坡和香港兩大金融中心為考察對象，建立金融中心金融指標模型。隨后通過回歸和參數檢驗的方法,從實證和統(tǒng)計的角度檢驗這些指標對這兩大金融中心發(fā)展的顯著性。最后利用得到的回歸模型以及檢驗結果對上海如何進一步建設國際金融中心提出意見和建議。
一.形成國際金融中心的重要因素及其指標
從廣義上來說，金融中心就是一個銀行與其他金融機構高度集中、各類金融市場能自由生存和發(fā)展、金融活動與交易較其他地方更有效率的城市。影響一個地區(qū)能否成為國際金融中心的因素有很多,但是一般而言,影響一個地區(qū)能否成為國際金融中心的最主要的因素有三個：經濟因素、金融因素和政治及外部環(huán)境因素。每個因素都有其相應的指標來反應，通過這些指標我們可以比較直觀地觀察出某一地區(qū)在這些方面的發(fā)展程度。本文主要研究的是金融因素和金融指標，雖然外部環(huán)境因素同樣非常重要，但是由于其本身很難量化的特點在這里就不進行詳細的贅述了。
1.1經濟因素
根據國際金融中心創(chuàng)立條件的理論，一個金融中心首先應當是一個經濟中心，它不但擁有雄厚的經濟實力和還要有較強的經濟集聚和擴散能力。一個地區(qū)如果有強勁增長的本地經濟，就會產生旺盛的資金需求，從而擁有高的投資回報率來吸引國際資本的流入。另外，經濟增長越快，企業(yè)對外部資金的需求也就越大，對金融中介的需求也就越大，金融中介在不同部門之間資金轉移的作用就越發(fā)重要。1999年,英國牛津能源研究所專家波德曼設計了23項被認為是對國際金融中心的形成起重要作用的指標，本文則以易量化、數據較易獲得和與國際金融中心的形成和運行具有較高相關度的原則根據該體系選擇了相關的經濟和金融指標。
(1)真實的GDP增長率
該指標可以直觀地表示一國的經濟實力和發(fā)展程度
(2)投資回報率
該指標反正的是該地區(qū)利用資本產生利率的效率
(3)償債比率
一國在一定時期內應該償還外債本金及利息與出口收入間的比率。償債金額應當與該地區(qū)的償債能力相適應，并非是越小越好。過小的數字說明該地區(qū)還不能充分利用信用來獲得足夠多的資本。[2]
1.2金融因素
對于一個國際金融中心而言，毫無疑問金融因素當然是影響該地區(qū)成為國際金融中心最重要，最不可缺少的因素。從國際金融中心的職能看,它是一個國際資金籌集和供給的聚集地，許多國際資金被吸引到該地區(qū)的原因無非是在這里資金的使用成本較低、效率卻較高，能獲得較高回報。相應地，這對金融市場的發(fā)展水平、國際化水平和運行的效率就會有較高的要求,否則就無法實現資金使用的低成本和高效率的目標。所以一個地區(qū)要想成為國際金融中心必須具備較高的金融發(fā)展水平。[3]本文著重研究的就是金融指標，所以將金融指標細化為三個方面：金融發(fā)展指標，金融國際化指標以及金融業(yè)技術設備指標。
(1)金融發(fā)展指標：
a.金融部門產值占GDP的比重
這個指標不僅反映了一個城市的金融部門對經濟的貢獻程度，而且非常直觀的看出該地區(qū)的金融實力，就像衡量一個國家的經濟實力，雖然GDP有這樣那樣的缺點但是在目前，它仍舊是一個最有公信力的指標。 只有金融部門產值的不斷增加，才能看出該地區(qū)作為金融中心對國內和國際資金的吸引程度和受關注程度。所以在下文中將這個指標定為被解釋變量。
b.金融業(yè)從業(yè)人員的數量:
現在社會是人才競爭無比激烈的社會，人才已經成為最不可或缺的資源。一個地區(qū)作為金融中心，它必須擁有大量的金融頂尖人才來管理和發(fā)展這個龐大的金融市場。各大金融中心的背后必然會有培育金融人才的頂尖高校給予強有力的支持，全球著名的金融集團高盛就把它的人才儲備列為該公司最重要的發(fā)展和競爭資源。
c.金融產品的豐富和交易的活躍：
金融產品的齊全給予投資者更多的選擇，可以使他們更好的優(yōu)化配置自己的資產。同時也給募集資金者帶來了更多的募集資金渠道。世界三大國際金融中心倫敦，紐約，東京每日的金融交易量都非常巨大，世界各地的資本都要通過這些樞紐來進行資本的流動和投資。
(2)金融國際化指標:
a.外資銀行等外資資金金融機構的總數
外資銀行等外資金融機構的總數實際反映了一個城市或地區(qū)金融方面的活力，也反映了一個金融中心城市所輻射地區(qū)的制造業(yè)等行業(yè)對外資的吸引力.
b.外商對該地區(qū)的投資(FDI)
這個指標與經濟十分相關，說明了該中心在國際上吸引外資的能力，從一個側面反映出了該地區(qū)的國際化程度。FDI一方面增加了總量資本的供給，提高了一國資本形成的水平；另一方面，通過競爭環(huán)境的改善、正面的技術引進、外部經濟和溢出效應的加速，提高了資本生產的效率。
(3)金融業(yè)技術設備指標
a.該地區(qū)硬件設施發(fā)展水平相關指標
作為國際金融中心的城市，它的通訊、網絡設備必須十分發(fā)達，因特網網必須非常普及。例如,倫敦金融城有四條光纜,可以確保信息傳遞的速度、信息密集程度以及準確度。
二.國際金融中心兩大發(fā)展模式的比較
回顧金融中心，特別是國際金融中心的形成和發(fā)展過程，大致存在兩種不同的發(fā)展模式：自然漸進模式以及政府推進模式。
2.1紐約，自然漸進模式的代表
自然漸進性的國際金融中心主要產生于經濟比較發(fā)達的資本主義國家，是市場經濟長期自由發(fā)展的結果。紐約國際金融中心的地位就是以美國的實體經濟發(fā)展作為強有力的后盾而建立起來的。通過第二次工業(yè)革命，美國經濟取得了很大的發(fā)展，而兩次世界大戰(zhàn)又徹底改變了世界各個方面的格局，特別是經濟格局，美國超過英國等老牌資本主義國家一躍成為了頭號經濟強國，紐約金融市場在國際金融市場領域中的地位也逐步加強。在此之后，美國又以國際協(xié)議方式構筑了以美元為中心的國際貨幣體系，使得美元成為獨一無二的國際硬通貨。這就更加鞏固了紐約的國際金融中心地位。目前，紐約金融中心外匯交易量占全球16%，衍生金融工具成交量占全球14%，外國債券發(fā)行量的市場份額占34%，包括外國銀行在內的設200多家金融機構在紐約擁有分支機構。
2.2新加坡，政府推進模式的代表
政府推進模式一般指的是經濟發(fā)展尚未達到非常高的水平，但是抓住了國際金融市場變化的某一機遇，利用相應城市或地區(qū)在地理位置和經濟環(huán)境等方面的某些優(yōu)勢，加上政府的大力推進和扶持，在較短時間內超前發(fā)展并最后成為在國際上具有一定地位的國際金融中心，或者是區(qū)域性金融中心。
在新加坡剛剛獨立之時，國內存在著經濟低迷，金融發(fā)展水平落后，金融管理法規(guī)陳舊等問題。可以看見那時它并不具備形成金融中心的基本條件。但是，當時新加坡政府利用美國要在亞洲建立離岸金融中心的機會，毅然決定開放離岸金融業(yè)務，并宣布廢除離岸外幣存款利息稅等稅收限制，鼓勵外資銀行在新加坡營業(yè)。同時新加坡政府還采取政府主導的推進模式，積極加強國內金融市場建設，逐漸放松黃金和外匯管制，在新加坡建立了亞洲美元市場。目前新加坡的外匯日均交易量占全球的7%，衍生金融工具日成交量占全球7%，銀行外匯結存余額達到5%，成為世界上特別是亞洲地區(qū)非常重要的金融中心。
2.3兩種發(fā)展模式的比較
兩種發(fā)展模式的特點我們可以從下面的表1中看得很清楚,而對于我們上海而言，目前正是在國家的大力支持下進行國際金融中心的建設。雖然上海在地理位置，氣候環(huán)境，歷史背景方面具有一定的先天優(yōu)勢和基礎，但是從金融發(fā)展水平來看，還不能完全具備成為國際金融中心或者亞洲金融中心的條件。所以，新加坡的這種政府推動性的模式正是我們所要借鑒的發(fā)展模式。所以在下文的模型建立時，將新加坡作為主要的分析對象，希望能對上海的發(fā)展有所參考。
表1[4]兩種發(fā)展模式的特點比較
|
產生方式 特點對比 |
自然漸進 |
政府推進 |
|
目標任務 |
與經濟發(fā)展相伴相隨 |
帶動經濟以及金融發(fā)展 |
|
作用發(fā)揮 |
被動式的反作用 |
主動，積極，目標明確 |
|
政策取向 |
自由度和開放度高 |
干預程度高 |
|
發(fā)展動力 |
自然漸進的原動力 |
人為產生推動力 |
3.1數據和變量的選擇
根據上文對于各項與金融中心建設相關指標的分析，以及對兩種發(fā)展模式的考量，本文選擇了以新加坡作為考察對象，根據它在1999年到2007年間的相關數據建立金融指標體系模型。選取上市公司總市值占國內生產總值的比重作為被解釋變量，選取股票交易額占國內生產總值的比重、金融從業(yè)人員數量、國際互相網用戶數量、外商直接投資、教育，衛(wèi)生社會工作的產出作為解釋變量。 從金融發(fā)展指標，金融國際化指標，金融業(yè)技術設備指標三大方面進行建模。附表2為新加坡1999年-2007年間時間序列數據[5]。
3.2模型的建立與分析
是被解釋變量，
是解釋變量，其中j代表了不同解釋變量X的數量，
是待估參數，
為隨機干擾項我們先從中選取了3個相關指標建立了簡化的金融中心金融指標模型，然后進一步拓展為5個指標的簡化模型，這樣可以得到更好的擬合優(yōu)度。
金融業(yè)產出=
(金融發(fā)展指標，金融國際化指標，技術指標,其他因素)即：
FP:上市公司總市值占國內生產總值的比重(%)
ST:股票交易額占國內生產總值的比重%
EOF:金融從業(yè)人員數量（萬人）
UOI:國際互相網用戶數量（%）
FDI:外商直接投資（億美元）
EP:教育，衛(wèi)生社會工作的產出（億當地貨幣單位）
我們使用的估計方法是最為普遍的最小二乘估計：
即：使得估計方程的殘差平方和最�。�
其中
根據微積分，要使得Q最小，要讓Q對于
求偏導，并令其值為零利用計算機的計量計算包對該方程進行計算表3為統(tǒng)計結果：
表3方程統(tǒng)計結果
|
|
|
|
|
|
|
|
|
|
|
|
|
Variable |
Coefficient |
Std. Error |
t-Statistic |
Prob. |
|
|
|
|
|
|
|
|
|
|
|
|
|
C |
0.835041 |
0.473423 |
1.763835 |
0.3283 |
|
ST |
0.007477 |
0.001109 |
6.744638 |
0.0937 |
|
EOF |
0.296766 |
0.048864 |
6.073358 |
0.1039 |
|
UOI |
0.007264 |
0.002693 |
2.697135 |
0.2260 |
|
|
|
|
|
|
|
|
|
|
|
|
|
R-squared |
0.993323 |
Mean dependent var |
4.919645 |
|
|
Adjusted R-squared |
0.973290 |
S.D. dependent var |
0.216938 |
|
|
Log likelihood |
13.62642 |
F-statistic |
49.58589 |
|
|
Durbin-Watson stat |
2.866614 |
Prob(F-statistic) |
0.103928 |
|
，
的值我們可以看出總體擬合程度很高，對于單個變量的t檢驗也沒有什么問題，但是我們發(fā)現它的D.W值很高，超出2很多，估計該模型具有序列相關性，根據數據的散點圖也可以發(fā)現它很有可能具有較弱負的序列相關性。需要加入新的變量進行進一步解釋。引入新的變量FDI由于FDI為絕對數量，所以用Log以增加擬合程度
對該回歸方程進行統(tǒng)計，結果如表5
表5方程統(tǒng)計結果
|
|
|
|
|
|
|
|
|
|
|
|
|
Variable |
Coefficient |
Std. Error |
t-Statistic |
Prob. |
|
|
|
|
|
|
|
|
|
|
|
|
|
C |
-1.617686 |
2.544475 |
-0.635764 |
0.5701 |
|
ST |
0.002663 |
0.002321 |
1.147183 |
0.3345 |
|
EOFL |
2.330630 |
1.117851 |
2.084921 |
0.1284 |
|
UOI |
0.004718 |
0.003638 |
1.296817 |
0.2854 |
|
FDIL |
0.131535 |
0.217283 |
0.605364 |
0.5877 |
|
|
|
|
|
|
|
|
|
|
|
|
|
R-squared |
0.923700 |
Mean dependent var |
5.026228 |
|
|
Adjusted R-squared |
0.821967 |
S.D. dependent var |
0.260358 |
|
|
Log likelihood |
10.24055 |
F-statistic |
9.079666 |
|
|
Durbin-Watson stat |
1.659404 |
Prob(F-statistic) |
0.050277 |
|
對引進差分后的回歸方程進行計算，結果如表6：
表6統(tǒng)計結果
|
|
|
|
|
|
|
|
|
|
|
|
|
Variable |
Coefficient |
Std. Error |
t-Statistic |
Prob. |
|
|
|
|
|
|
|
|
|
|
|
|
|
C |
-1.775994 |
1.247280 |
-1.423893 |
0.2497 |
|
ST |
0.002899 |
0.000727 |
3.988457 |
0.0282 |
|
EOFL |
2.646107 |
0.551818 |
4.795254 |
0.0173 |
|
UOI |
0.004904 |
0.001738 |
2.821325 |
0.0667 |
|
DFDI |
0.001679 |
0.000513 |
3.275207 |
0.0466 |
|
|
|
|
|
|
|
|
|
|
|
|
|
R-squared |
0.981288 |
Mean dependent var |
5.026228 |
|
|
Adjusted R-squared |
0.956339 |
S.D. dependent var |
0.260358 |
|
|
Log likelihood |
15.86255 |
F-statistic |
39.33109 |
|
|
Durbin-Watson stat |
1.616562 |
Prob(F-statistic) |
0.006327 |
|
|
|
|
|
|
|
|
|
|
|
|
|
再引入一個變量EP,經過計算如果單個引入EP序列相關性以及共線性很強，所以我們引入的差分的
。
統(tǒng)計結果如下表7表7統(tǒng)計結果
|
|
|
|
|
|
|
|
|
|
|
|
|
Variable |
Coefficient |
Std. Error |
t-Statistic |
Prob. |
|
|
|
|
|
|
|
|
|
|
|
|
|
C |
0.656872 |
0.835788 |
0.785931 |
0.5142 |
|
ST |
0.002444 |
0.000218 |
11.21191 |
0.0079 |
|
EOFL |
0.013307 |
0.002325 |
5.724323 |
0.0292 |
|
UOI |
1.445529 |
0.402111 |
3.594847 |
0.0694 |
|
DFDI |
0.001126 |
0.000298 |
3.772273 |
0.0636 |
|
DEPL |
0.453868 |
0.261985 |
1.732418 |
0.2253 |
|
R-squared |
0.999044 |
Mean dependent var |
5.059304 |
|
|
Adjusted R-squared |
0.996656 |
S.D. dependent var |
0.261736 |
|
|
Log likelihood |
27.71882 |
F-statistic |
418.2027 |
|
|
Durbin-Watson stat |
2.182335 |
Prob(F-statistic) |
0.002387 |
|
|
|
|
|
|
|
對該方程進行詳細的檢驗：
=0.999，
=0.996擬合優(yōu)度非常好F整體擬合優(yōu)度檢驗：取置信度95%則靈界值F=9.01,而我們模型的F值遠大于它，說明整體擬合優(yōu)度很好
t值單個變量檢驗：除DEPL外，其余變量的置信度都可以取到95%，臨界值為3.182；而DEPL可以達到80%置信度，臨界值為1.638
由于我們選擇的時間序列模型，所以一般不具有異方差性
D.W值非常接近于2，說明模型基本也沒有序列相關性
根據上述分析，我們得出結論：
以金融中心新加坡建立起來的該金融指標模型從數據上來說應當是可行的。我們來看一下它的含義：變量以及系數的含義：ST變化一個單位，FP大約會變化0.24%
EOF變化一個單位，FP變化0.013個單位
UOI變化一個單位，FP大約變化144%（但是UOI的變化一般很小）
變化一個單位，FP大約變化0.11%變化一個單位，FP變化0.45單位從中我們可以發(fā)現：UOI與EP與金融產業(yè)的產量變化有較為明顯的關系。
3.3模型的檢驗
香港是亞太地區(qū)重要的國際金融中心。亞太地區(qū)經濟發(fā)展迅速，促使香港金融市場的形成和發(fā)展。香港的發(fā)展模式可以說是自然漸進式與政府推進式的結合，一方面它在20世紀60年代就已經是亞太地區(qū)的一個重要的轉口貿易中心，香港具有一定的國際交易規(guī)模。在70年代，香港便逐漸發(fā)展成為了離岸的金融中心。20世紀90年代，特別是在亞洲金融風暴以后，中國政府給予了香港強有力的政策和資金支持，使得香港能夠順利度過亞洲金融風暴并且鞏固了他的金融中心地位。目前，香港金融市場面向內地不斷開放，這也是政府主導的結果，它的發(fā)展?jié)摿Σ豢晒懒�。這個金融指標模型對于香港這個亞洲金融中心而言是否可行呢？將香港1999年-2007年的數據[6]代入其中進行檢驗下。具體數據見附表8
統(tǒng)計數據如表9：
表9統(tǒng)計結果
|
|
|
|
|
|
|
|
|
|
|
|
|
Variable |
Coefficient |
Std. Error |
t-Statistic |
Prob. |
|
|
|
|
|
|
|
|
|
|
|
|
|
C |
-0.920570 |
3.141382 |
-0.293046 |
0.7841 |
|
ST |
0.000935 |
0.001256 |
0.743868 |
0.4983 |
|
UOI |
1.611266 |
0.788383 |
2.043759 |
0.1105 |
|
EOFL |
0.015015 |
0.009961 |
1.507436 |
0.2062 |
|
DFDI |
-0.000711 |
0.001528 |
-0.465068 |
0.6661 |
|
|
|
|
|
|
|
|
|
|
|
|
|
R-squared |
0.937025 |
Mean dependent var |
6.034854 |
|
|
Adjusted R-squared |
0.874050 |
S.D. dependent var |
0.272894 |
|
|
Log likelihood |
11.89023 |
F-statistic |
14.87937 |
|
|
Durbin-Watson stat |
0.946745 |
Prob(F-statistic) |
0.011398 |
|
將上式改寫為:
統(tǒng)計結果如下表10表10統(tǒng)計結果
|
|
|
|
|
|
|
|
|
|
|
|
|
Variable |
Coefficient |
Std. Error |
t-Statistic |
Prob. |
|
|
|
|
|
|
|
|
|
|
|
|
|
C |
-6.323589 |
2.777465 |
-2.276749 |
0.1505 |
|
ST |
0.001724 |
0.000695 |
2.481686 |
0.1312 |
|
EOFL |
0.029771 |
0.010981 |
2.711189 |
0.1134 |
|
UOI |
2.851116 |
0.650290 |
4.384378 |
0.0483 |
|
DFDI |
0.004116 |
0.001688 |
1.438067 |
0.1350 |
|
AR(1) |
-0.534418 |
0.292900 |
-1.824576 |
0.2096 |
|
|
|
|
|
|
|
|
|
|
|
|
|
R-squared |
0.987392 |
Mean dependent var |
6.071095 |
|
|
Adjusted R-squared |
0.955872 |
S.D. dependent var |
0.267582 |
|
|
Log likelihood |
17.22296 |
F-statistic |
31.32596 |
|
|
Durbin-Watson stat |
2.312261 |
Prob(F-statistic) |
0.031223 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
對該方程進行具體的檢驗：
F整體擬合優(yōu)度檢驗：取置信度95%則靈界值F=9.01,而我們模型的F值遠大于它，說明整體擬合優(yōu)度很好
t值單個變量檢驗：該方程中單個變量的置信度要比新加坡例子中的模型變量要差一些，我們可以看到只有UOI可以達到95%的置信度，而ST,EOFL都只有90%的置信度，最差的DFDI只有70%置信度。
D.W值較為接近于2，但是仍舊可能具有弱的負序列相關性。不過整體上來說，模型也基本上模擬出了香港金融中心的相關因素
變量以及系數的含義：ST變化一個單位，FP大約會變化0.17%EOF變化一個單位，FP變化0.0029個單位
UOI變化一個單位，FP大約變化285%（但是UOI的單位是一般很不大）
變化一個單位，FP大約變化0.41%從中我們可以發(fā)現：UOI仍舊與金融產業(yè)的產量變化有較為明顯的關系，而FDI也較為明顯
四.上海建設國際金融中心的路徑
1992年，黨的“十四大”報告明確提出：“盡快把上海建成國際經濟、金融、貿易中心之一，帶動長江三角洲和整個長江流域地區(qū)經濟的新飛躍”。2009年3月25日，國務院常務會議通過了《國務院關于推進上海加快發(fā)展現代服務業(yè)和先進制造業(yè)，建設國際金融中心和國際航運中心的意見》。上海作為中國經濟的標志性城市正在加大邁向國際金融中心的步伐。改革開放以來，上海初步建成了比較完善的金融市場體系和金融機構體系,在國際金融中心建設方面取得了有目共睹的成就。
但是上海與世界金融中心這樣一個目標仍舊存在比較大的差距，與亞洲另外兩個金融中心新加坡和香港相比，上海還有很多地方需要努力。通過上文的金融指標模型分析，上海未來建設國際金融中心的路徑基本有以下四條：
(1)大量培養(yǎng)金融業(yè)頂尖人才
從模型中我們可以看出
與金融業(yè)的產量是顯著相關的。所以我們應該大力加強教育投入，特別是在培育金融專業(yè)方面高精尖人才的投入。雖然近年來上海金融方面人才不斷增加，也引入了一些中高級金融人才但是與建立一個金融中心的人才儲備來說仍舊有很大的差距，上海擁有國際水準的金融人才不足1萬人。作為國際金融中心的紐約,擁有77萬金融人才,香港的數字是35萬。人才是各個行業(yè)發(fā)展的最關鍵因素，只有擁有最頂尖的人才，才能擁有領先于世界的思想，技術和水平。(2)加大金融市場的開放程度
從
變化對于FP的顯著程度我們可以看出，上海要想成為國際性的金融中心，資本市場必須更加自由化，更加開放，并且將國際金融資源引來,使我們的金融市場不斷升級，在國際上具有一定的地位。雖然說這我們對于開放資本市場要謹慎為之，不能操之過急，但是如果要成為金融中心，特別是國際金融中心的話，金融市場的國際化是必不可少的。我們應該大力開拓金融業(yè)務的創(chuàng)新和發(fā)展，給投資者更多的選擇和避險工具，當然我們也要密切關注金融安全問題，只有不斷吸引國際資本的流入和關注，才能使得一個地區(qū)成為具有國際影響力的金融中心。(3)升級基礎設備，降低交易費用
從模型中我們看到UOI對于金融業(yè)產出的影響是最顯著的，但是在我們數據中也可以看到，UOI的變動相對來說不是很大，所以我們在金融技術方面的創(chuàng)新也能極大地提高金融業(yè)的產出。隨著交易制度和電子交易系統(tǒng)不斷改善和提高,世界各交易所均采取措施降低交易成本,以增加市場對投資者的吸引力從而提高其交易所市場績效。隨著我們越來越多的交易是通過電腦直接成交，我們的傭金費用，場地費用等都大大降低了，這就極大地提高了市場的活躍程度和交易效率。目前，手機成交軟件已經較為普及，但是成交速度還是比較慢，這與我們國家3G網絡的這類的相關建設有很大關系，如果這些硬件設施能夠進一步完善的話，我們金融也產出將會不斷地擴大。
(4)不斷完善金融制度，金融產品不斷創(chuàng)新
模型中雖然ST對于金融產出的影響并沒有我們想象的那么大，但是由于它的變化程度較大，所以對于我們金融市場的產出仍舊有著舉足輕重的作用。上海的金融市場在總量規(guī)模上雖然已經趕超了香港，但是在透明度和成熟程度上面我們仍舊還有很大的差距。首先，我們要從制度上解決股票市場發(fā)行上的“同股不同價”“同股不同權”的問題。其次，我們要解決“存款利率不能上浮、貸款利率無法進一步下浮”的老問題，有效地降低社會資金的平均成本。[7]最后，我們要在金融市場的準入和退出上建立起統(tǒng)一公正的標準，使上市公司能夠優(yōu)勝劣汰，給投資者創(chuàng)建一個良好的投資環(huán)境。
五.小結
對于金融中心的建設，國內學術界似乎存在著一種偏向樂觀的看法,認為上海現在已經毫無疑問是國內金融中心,相關的基礎已經比較牢固了,下一步就是大踏步地趕超包括香港在內的一些亞洲金融中心了。這種觀點其實既忽略了國內金融市場的轉軌特征,同時他們也沒有找到支撐國際金融中心的重心支點。因此,其結果是感覺什么地方都應該發(fā)展，不知道哪里是重點哪里是關鍵點，只能盲目的平均用力，阻滯了國際金融中心建設的速度與進程。通過本文所建立的這個簡化的金融指標模型，我們可以看到我們所需要切實加強的四個方面，只有在這四個方面完善制度，加大發(fā)展力度才能使我們上海能夠成為在世界金融領域具有一席之地的金融中心。
附表2新加坡1999-2007年統(tǒng)計數據
|
新加坡 |
FP % |
ST % |
EOF 萬人 |
UOI % |
FDI 億美元 |
EP億當地貨幣單位 |
|
1999 |
137 |
74 |
10.5 |
30.5 |
97.9 |
149 |
|
2000 |
104.8 |
98.7 |
9.6 |
32.357 |
124.6 |
158 |
|
2001 |
138.3 |
74.7 |
10.9 |
41.15 |
142.2 |
186 |
|
2002 |
117.2 |
64.5 |
10.4 |
50.436 |
76.6 |
176 |
|
2003 |
158.9 |
96.2 |
10.5 |
50.877 |
114.1 |
197 |
|
2005 |
178.5 |
102.7 |
10.8 |
58.606 |
150.04 |
201 |
|
2006 |
202.3 |
135 |
10.6 |
59.072 |
242.07 |
217 |
|
2007 |
219.1 |
238.1 |
11.2 |
58.841 |
241.37 |
234 |
|
香港 |
FP % |
ST % |
EOF 萬人 |
UOI % |
FDI 億美元 |
|
1999 |
312.6 |
121.3 |
43.8 |
24.3 |
463 |
|
2000 |
368.6 |
223.4 |
45.3 |
27.835 |
593 |
|
2001 |
310.8 |
130.6 |
47.8 |
38.682 |
228.3 |
|
2002 |
289.5 |
131.7 |
46.5 |
43.011 |
137.2 |
|
2003 |
456.1 |
211.7 |
47 |
47.1 |
235.6 |
|
2005 |
556 |
258.8 |
48 |
50.783 |
336.18 |
|
2006 |
471.2 |
212.6 |
46.8 |
54.986 |
449.79 |
|
2007 |
562.4 |
443.6 |
48.5 |
57.97 |
531.87 |
—
參考文獻
1 俞肇熊,云麗虹. 香港國際金融中心的比較優(yōu)勢.[J]. 世界經濟研究 2009,(1):80
2 高長春.戰(zhàn)略金融.[M].上海:機械工業(yè)出版社 2007
3 胡堅,楊素蘭. 國際金融中心評估指標體系的構建.[J]. 北京大學學報2003,(5):42
4 王力,黃育華. 國際金融中心研究.[M].北京:中國財經經濟出版社 2004
5 張塞. 國際統(tǒng)計年鑒2009[R].中國統(tǒng)計出版社,2010
6 張塞. 國際統(tǒng)計年鑒2009[R].中國統(tǒng)計出版社,2010
7 楊咸月. 上海與國際金融中心的差距及其縮短思路.[J].上海經濟研究 2006,(3):67
下一篇:我國土地征收制度概述
