中国金融科技关联网络的时空演变及影响因素分析

Spatio-temporal evolution and influencing factors of FinTech correlation network in China

摘要

基于中国285个地级市的面板数据,采用修正引力模型和社会网络分析等方法,研究中国城市金融科技关联网络的时空演变及其影响因素.研究发现:中国金融科技发展水平的空间集聚程度逐渐增强,节点城市呈现出“大集聚、小分散”的分布特点,北京、上海、深圳等城市处于金融科技关联网络的绝对核心位置,并起到中枢作用;中国金融科技关联网络骨干结构的网络化趋势日益凸显,网络结构由单一松散型转变为多向密集型,形成了“小团体、极核式扩散”的空间结构特征,菱形骨干结构明显;经济发展水平、金融发展水平、科技创新水平、产业结构水平和地理位置等因素对金融科技关联网络的形成具有显著的正向促进作用.上述结果从城市尺度揭示了金融科技关联网络的时空演化规律,为优化区域金融科技资源配置、推动金融行业高质量发展提供了实证依据.

Abstract

Based on panel data from 285 prefecture-level cities in China, this study employed methods such as the modified gravity model and social network analysis to investigate the spatio-temporal evolution and influencing factors of China's urban FinTech correlation network. The findings revealed that: 1) The spatial agglomeration of China's FinTech development level had gradually intensified, with node cities exhibiting a pattern of large agglomeration with small dispersion. Beijing, Shanghai, Shenzhen, and other cities occupied absolutely central positions within the FinTech correlation network and served as pivotal hubs. 2) The networking trend of the backbone structure of China's FinTech correlation network was increasingly evident, with the network structure transitioning from a single, loose type to a multi-directional, dense type, forming a spatial structure characterized by small clusters and polar diffusion, alongside a distinct rhombus-shaped backbone structure. 3) Factors such as the level of economic development, financial development, technological innovation, industrial structure, and geographic spatial location exerted significant positive effects on the formation of the FinTech correlation network. These findings reveal the spatio-temporal evolution patterns of the FinTech correlation network at the urban scale, providing empirical evidence for optimizing the allocation of regional FinTech resources and promoting high-quality development within the financial industry.

关键词

金融科技 / 关联网络 / 社会网络分析 / 时空演变

Key words

FinTech / correlation network / social network analysis / spatio-temporal evolution

参考文献

[1] ARJUNWADKAR P Y. FinTech: the technology driving disruption in the financial services industry[M]. Boca Raton: CRC Press, Taylor & Francis Group, 2018.

[2] 董昀, 李鑫. 中国金融科技思想的发展脉络与前沿动态:文献述评[J]. 金融经济学研究, 2019, 34(5): 38-52.

[3] 侯层, 李北伟. 金融科技是否提高了全要素生产率:来自北京大学数字普惠金融指数的经验证据[J]. 财经科学, 2020(12): 1-12.

[4] 唐松, 伍旭川, 祝佳. 数字金融与企业技术创新:结构特征、机制识别与金融监管下的效应差异[J]. 管理世界, 2020, 36(5): 52-66.

[5] 李春涛, 闫续文, 宋敏, 等. 金融科技与企业创新:新三板上市公司的证据[J]. 中国工业经济, 2020(1): 81-98.

[6] 潘峰华, 刘宇帆. 全球金融科技产业的分布及其影响因素研究进展[J]. 世界地理研究, 2021, 30(4): 696-707.

[7] 陈红霞, 雷佳. 中国省际金融科技发展的空间关联网络及影响因素分析[J]. 城市发展研究, 2023, 30(1): 112-122.

[8] 刘程军, 陈亦婷, 陈秋驹, 等. 企业投资视角下金融科技的空间联系网络演化与影响因素[J]. 经济地理, 2023, 43(2): 136-146.

[9] 王小华, 周海洋, 程琳. 中国金融科技发展:指数编制、总体态势及时空特征[J]. 当代经济科学, 2023, 45(1): 46-60.

[10] 金洪飞, 李弘基, 刘音露. 金融科技、银行风险与市场挤出效应[J]. 财经研究, 2020, 46(5): 52-65.

[11] LEE C C, LI X R, YU C H, et al. Does FinTech innovation improve bank efficiency? Evidence from China's banking industry[J]. International Review of Economics & Finance, 2021, 74: 468-483.

[12] 侯世英, 宋良荣. 金融科技、科技金融与区域研发创新[J]. 财经理论与实践, 2020, 41(5): 11-19.

[13] 郭峰, 王靖一, 王芳, 等. 测度中国数字普惠金融发展:指数编制与空间特征[J]. 经济学(季刊), 2020, 20(4): 1401-1418.

[14] 盛科荣, 杨雨, 张红霞. 中国城市网络的凝聚子群及影响因素研究[J]. 地理研究, 2019, 38(11): 2639-2652.

[15] 赵金丽, 盛彦文, 张璐璐, 等. 基于细分行业的中国城市群金融网络演化[J]. 地理学报, 2019, 74(4): 723-736.

[16] 张杰, 盛科荣, 王传阳. 中国城市间金融网络的空间演化及其影响因素[J]. 热带地理, 2022, 42(6): 928-938.

[17] 任会明, 叶明确, 余运江. 中国三大城市群金融网络空间结构与演化特征[J]. 经济地理, 2021, 41(12): 63-73.

[18] 章屹祯, 汪涛, 张晗. 基于金融细分行业的长三角城市网络的组织模式及驱动因素[J]. 地理科学进展, 2022, 41(4): 567-581.

[19] 李敬, 陈澍, 万广华, 等. 中国区域经济增长的空间关联及其解释:基于网络分析方法[J]. 经济研究, 2014, 49(11): 4-16.

[20] 武文杰, 董正斌, 张文忠, 等. 中国城市空间关联网络结构的时空演变[J]. 地理学报, 2011, 66(4): 435-445.

[21] 刘华军, 刘传明, 孙亚男. 中国能源消费的空间关联网络结构特征及其效应研究[J]. 中国工业经济, 2015(5): 83-95.

[22] 张正峰, 张栋. 基于社会网络分析的京津冀地区碳排放空间关联与碳平衡分区[J]. 中国环境科学, 2023, 43(4): 2057-2068.

[23] 张艺川, 胡萌, 李红. 基于CiteSpace的引力模型研究进展及其热点问题综述:经济地理视角下的文献对比分析[J]. 世界地理研究, 2023, 32(1): 130-140.

[24] 徐辉, 彭萍. 基于引力模型的江西省经济区划与协调发展研究[J]. 地理科学, 2008, 28(2): 169-172.

[25] 管靖, 宋周莺, 刘卫东. 全球粮食贸易网络演变及其驱动因素解析[J]. 地理科学进展, 2022, 41(5): 755-769.

[26] 苗长虹, 王海江. 河南省城市的经济联系方向与强度:兼论中原城市群的形成与对外联系[J]. 地理研究, 2006, 25(2): 222-232.

[27] ZIPF G K. The P ₁P ₂/D hypothesis: on the intercity movement of persons [J]. American Sociological Review, 1946, 11(6): 677-686.

[28] 李梦程, 王成新, 刘海猛, 等. 黄河流域城市发展质量评价与空间联系网络特征[J]. 经济地理, 2021, 41(12): 84-93.

[29] 刘承良, 管明明, 段德忠. 中国城际技术转移网络的空间格局及影响因素[J]. 地理学报, 2018, 73(8): 1462-1477.

[30] 戴靓, 曹湛, 张维阳, 等. 多重空间流视角下长三角城市网络特征分析[J]. 长江流域资源与环境, 2020, 29(6): 1280-1289.

[31] 吕延方, 方若楠, 王冬. 全球数字服务贸易网络的拓扑结构特征及影响机制[J]. 数量经济技术经济研究, 2021, 38(10): 128-147.

[32] 邱晗, 黄益平, 纪洋. 金融科技对传统银行行为的影响:基于互联网理财的视角[J]. 金融研究, 2018(11): 17-29.

[33] 盛天翔, 范从来. 金融科技、最优银行业市场结构与小微企业信贷供给[J]. 金融研究, 2020(6): 114-132.

[34] 杨光艺, 李向阳. 金融科技、融资渠道与企业创新:基于外部发展环境和内在发展水平的双重视角[J]. 工业技术经济, 2024, 43(3): 65-75.

[35] 傅巧灵, 杨泽云, 武建辉. 互联网环境下京津冀地区普惠金融减贫效应研究[J]. 中国软科学, 2020(Suppl.1): 187-195.

基金资助

杭州市余杭区哲学社会科学常规研究课题(Yhsk26C05)

国家自然科学基金项目(41901145)