APP下载

上海国际金融中心金融集聚能力的探讨

2019-12-17江凌文米晋宏

科技视界 2019年34期
关键词:金融集聚

江凌文 米晋宏

【摘 要】进入新时代,上海确定了迈向卓越全球城市的建设目标。为了建成卓越全球城市,需要建成国际经济中心、国际金融中心、国际贸易中心、国际航运中心、全球科创中心。如何建成这五大中心,需要未雨绸缪。本文展开上海迈向卓越全球城市过程中国际金融中心的研究。首先,从资本市场入手对国际金融中心的全球性金融资源集聚与配置功能进行了实证分析;其次,从全球性金融资源集聚维度,定量比较分析上海和纽约、东京、伦敦三座全球城市的国际金融中心现状,找出上海的差距和短板。本文研究的目的是为上海迈向卓越全球城市过程中国际金融中心建设领域的路径提供参考。

【关键词】全球城市;国际金融中心;金融集聚

中图分类号: F832.7 文献标识码: A 文章编号: 2095-2457(2019)34-0001-004

DOI:10.19694/j.cnki.issn2095-2457.2019.34.001

0 引言

2001年国务院批准的《上海市城市总体规划(1999-2020年)》将上海发展目标明确为:2020年,把上海初步建成国际经济、金融、贸易中心之一,基本确立上海国际经济中心城市的地位,基本建成上海国际航运中心。2016年上海市第十届委员会第十三次全体会议审议了《上海市城市总体规划(2016—2040)(送审稿)》,首次将上海建设成国际经济、金融、贸易、航运、科技创新中心“五大中心”写入规划。2017年获国务院批复原则同意的《上海市城市总体规划(2017-2035年)》提及将上海建设成卓越全球城市和具有世界影响力的社会主义现代化国际大都市的发展战略目标,规划明确上海的目标为:到2035年,基本建成卓越的全球城市;到2050年,全面建成卓越的全球城市。实现该发展目标,需要分析全球城市的定义。

关于全球城市的概念。在城市研究领域,存在两种广泛使用的城市等级和类型划分方法,即“世界城市”和“全球城市”方法。最早Patrick Geddes (1915)和Peter Hall(1966)使用了“世界城市”一词,后Friedmann&Wolff(1982)在上世纪八十年代初提出“世界城市假说”,指出:就城市在全球经济体系中的影响力和控制力而言,世界城市处于此城市等级体系中的顶端,世界城市具备以下七个特征:国际金融中心、第三产业发达、跨国公司总部所在地、政治权力中心、人口集中地、主要制造业中心、主要交通枢纽。Saskia Sassen(1991;1996)创造了“全球城市”的概念,旨在描述世界经济在二十世纪八十年代的一个显著特征:全球经济要素的组织结构日益跨国化。Sassen(2001)指出“全球城市”因其特有的跨国商业联系的特征而不等同于“世界城市”。也有学者将“世界城市”和“全球城市”交替使用(Brenner,1998)。Sassen指出“全球城市是为国际贸易、投资和总部运营提供服务和融资的中心”。促进建成卓越全球城市需通盘考虑,统筹协调,但也应该有的放矢,而非走马观花,浅尝辄止。在全球城市演进过程,金融体系的构建是重要一环。本文立足于金融视角,研究上海如何建设金融体系,提升国际金融中心金融资源集聚和配置能力,发挥“金融中心”功能,为现阶段实现上海建成卓越的全球城市的各阶段发展目标提供经济学研究的支持。

本文创新点和研究意义在于:利用上海、东京、纽约、伦敦四座城市2001-2017年在資本市场的非平衡面板数据,聚焦全球城市作为国际金融中心的全球性金融资源集聚功能,采用区位熵模型对比上海同其他三座代表性全球城市的金融聚集能力,为上海补足短板,建成卓越的全球城市提供了经验证据。

1 文献综述

国外学者从金融视角已经展开的研究值得我们借鉴。关于全球城市国际金融中心的相关文献主要集中在国际金融中心的定义、成因、特性三个方面。

首先,关于国际金融中心的定义。Jao(1997)将“国际金融中心”定义为银行和其他金融机构高度集中的地方,金融交易活动在这样一个金融市场可以比任何其他地方更有效地进行。Moosa et al.(2016)将国际金融中心定义为“国际金融交易大规模进行的地方”,该定义基本形成了广泛共识。

其次,关于国际金融中心的成因。Walter Christaller(1972)指出金融中心的成因是金融聚集提高了经济收益,减少了交易成本,导致信息对称和知识经济。Gehrig(1998)认为金融交易对信息较为敏感,因此金融交易更可能集中在少数信息交流充分的中心地区,进而金融中心形成。

再次,关于国际金融中心的特性。金融集聚能力高为其一特性。在经济全球化和信息技术的推动下,国际金融市场不断发展,由于相互依存的产业集聚可产生知识外溢,越来越多的国际资本流动到少数城市,金融机构、金融人才和金融资源集中在这些城市,增强了其综合服务功能,金融集聚能力高成为国际金融中心的一大特性。此外,金融配置能力高也是国际金融中心的特性之一(Taylor et al. ,2003),虽然有的国家外商直接投资从该国国际金融中心流出的份额较少,但国际金融中心依然是国内国际资本最重要的来源,管理着一国金融资源。本文主要抓住金融集聚能力这一特性进行研究。

基于以上文献,建立卓越全球城市的关键在于向外连接全球城市网络和向内辐射区域腹地,在于提升国际金融中心的地位。Eichengreen & Shah(2019)指出经济系统的灵活性、稳定性、透明度以及社会环境是金融中心的决定因素。卓越的全球城市对国际交易活动和国际资本流动具控制力,而资本良好流动依赖于一个良好的金融网络体系,分别包括:(1)健全的银行系统;(2)健全的公共债务体系;(3)稳定的货币体系,包括平稳运行的外汇市场;(4)运行良好的证券市场;(5)一个可以良好协调货币财政政策和其他政策的央行。鉴于此,本文从资本市场方面,建立全球金融中心金融聚集度动态演化模型;再实证比较分析上海与东京、伦敦和纽约在国际金融中心方面的现状并找出上海的差距和短板。

长期以来,学术界十分关注寻找可准确衡量集聚程度及其与经济发展水平相关联的指数。由于计算简单、数据要求低,定位熵(LQ)应用于区域经济影响和经济基础分析,且具有灵活性(Tian, 2013)。“区位熵”最早在国外文献中被应用,用于区位分析中,可以衡量某一区域要素的空间分布情况,后被广泛应用于经济学研究,Mattila& Thompson(1955)构建了一个地方专业化指数来衡量某一行业对所在地区的重要性相对于一个行业对于国家的重要性,该相对指标有效反映了地方对产业的影响程度。Isserman(1977)指出利用区位熵衡量区域经济影响乘数是有效合理的,并基于以往学者的理论基础对该指标进行修正,极大提高了该估计乘数的准确性。国内学者也往往用区位熵衡量地区产业的集聚度。夏飞(2012)和唐红祥(2017)利用区位熵衡量西部地区制造业集聚程度,研究交通基础设施对西部地区制造业聚集的影响。区位熵也可用于测度一座城市的金融聚集情况,Sassen(2001)利用区位熵(location quotients)衡量了上世纪九十年代跨国金融部门的集中度。本文采用的区位熵模型借鉴Isserman(1977)的研究,具体模型构建步骤如下:

LQi是区位熵指数,指的是一个产业在被研究经济体的经济活动中所占份额占另一个产业在另一个经济体中所占份额的比率。以上模型中,r表示地区,n表示国家,i表示产业,E表示就业人数(有时考虑数据可得性,直接用人口代替就业人数)。

本文拟构建这一动态演化模型并运用这一模型对上海迈向卓越全球城市的现状进行实证研究,在实证中展开对全球城市的国际金融中心的具体运作模式、功能和作用的动态演化研究,需要进行理论分析和构建动态演化模型并运用这一模型对上海迈向卓越全球城市的现状进行实证和预测研究。在实证和预测研究基础上再对标全球公认的全球城市(伦敦、纽约和东京)找出上海的差距所在,在找准差距基础上,明晰上海追赶其他全球城市的方向和目标。

2 特征事实

为了展开上海国际金融中心的现状和趋势暨上海与纽约、伦敦、东京国际金融中心现状的对比分析,本文搜集了四座城市及其所在国的股票成交金额、股票市值、财富500强企业的数量、GDP、上海金融机构本外币贷款余额数据主要来源于国际清算银行;OECD;wind;《财富》官网;美国人口普查局(U.S.Census Bureau);联邦储备经济数据(FRED);《中国金融年鉴》;慧博智能策略终端。总人口、常住人口、保费收入、股票总股本数据来源于美國人口普查局;东京总务局;英国国家统计局;联合国人口署;大伦敦当局官网;世界人口审查官网;国际保险协会;纽交所和纳斯达克交易所、伦敦证交所、东京证交所;英格兰银行数据库。按照最新的英镑兑美元、美元兑日元、美元兑人民币的汇率处理数据,统一了单位。为了保证数据的可得性和指标数据的可对比性,日元兑美国的年末汇率通过日元兑美元的月末汇率计算得到。

首先,一座城市的金融市场规模和经济发展水平长期相适应。表1与图1显示,上海经济体量远不及世界公认的全球城市水平,不过从增量看,上海仍处于高速增长期,纽约、伦敦、东京已迈入稳定期。

其次,从财富500强企业聚集情况来分析。全球城市作为世界经济的指挥中心,大公司的总部数量多少对全球城市区域经济的发展至关重要。表2说明,在优秀企业总部的集聚度上,迈向卓越全球城市的上海与伦敦、纽约、东京比差距显著。上海的城市资源网络还不够完整,企业总部关键资源不够集中,上海企业成长速度和盈利能力上急需提升。

3 上海与纽约、伦敦、东京区位熵模型实证分析

3.1 在资本市场对金融资源集聚的测度

基于刘瑞波(2014)采用蓝色经济区的名义GDP和区位熵来衡量经济增长与金融产业集聚程度。本文采用区位熵对上海金融资源集聚程度进行量化分析,从证券业和保险业两个金融领域考察上海金融集聚度。

首先,上海证券业集聚区位熵:

式中Ci为上海发行股票总股本数(考虑数据可得性,本文选择上证所国内股票市值替代上海发行股票总股本数,纽约、伦敦、东京同上),Pi为上海的人口数,C为全国发行股票总股本(考虑数据可得性,本文选择中国上市公司总市值,美国、英国、日本同上),P为全国人口数。

由表3和图2可知,2010-2017年,上海证券业的区位熵指数高于纽约、伦敦、东京,上海的金融集聚度明显更高。主要原因有:国内股票市场集中在深沪两市,且沪市主板多为大盘股,因此国内丰裕的金融资源大多集中在上海。而纽约、伦敦、东京所在国对国际投资开放度较高,公司对上市地点的选择更多样化。

其次,上海保险业集聚区位熵:

式中Li为上海地区保费收入,Pi为上海地区的人口数[20],L为全国保费收入[21]总额,P为全国人口数。

保险业是地区经济体系的重要组成部分,也是风险管理的重要手段,一般从保险深度和保险密度衡量保险业发展水平,本文关注保险密度。由以上图表可知:在2010-2017年,与伦敦相比,上海保险业聚集度更高。可能原因是:相对而言,英国的城市网络化和多层次特征更为明显,而总体而言中国低收入、欠发达城市较多,上海高收入群体较多,对保险需求更旺盛,因此中国保险业发展主要集中在上海。

4 结论和建议

本文从金融体系出发,使用区位熵模型,研究發现,上海在经济体量、优秀企业总部的集聚度、跨境国际资本流动规模远不及世界公认的全球城市水平。从增量看,上海仍处于高速增长期,且上海保险业、证券业聚集度较高。这说明上海的城市资源网络还不够完整,上海国际金融中心的地位提升作用尚未真正体现。本文的实证结果能为上海迈向卓越全球城市的路径提供一些建议。首先,在人民币国际化和资本账户开放不断推进的背景下,上海作为跨境资本流动的枢纽,面临其他城市“抢金饭碗”的挑战,需加速提升上海企业成长速度和盈利能力,应不断加快中国金融资源往上海迁移的步伐,进一步集中企业总部这类关键资源;其次,赶超世界公认的全球城市水平,上海仍需在今后保持各项金融要素指标较为稳健的增长率,因此需要从各方面提高金融配置效率,挖掘促进资本市场发展的新动力,实现可持续增长。

【参考文献】

[1]Brenner,N.(1998).Global Cities,Glocal States:Global City Formation and State Territorial Restructuring in Contemporary Europe. Review of International Political Economy, pp. 1-37.

[2]Christaller, W. (1972). How I discovered the theory of central places:A report about the origin of central places. New York: Oxford University Press.

[3]Eichengreen, B., & Shah, N.(2019). The correlates of international financial-center status. Review of International Economics.

[4]Friedmann, John and Wolff, Goetz(1982)‘World city formation: an agenda for research and action, International Journal of Urban and Regional Research 6:309-44.

[5]Geddes, Patrick (1915) Cities in Evolution, London.

[6]Gehrig, T. (1998). Cities and the geography of financial centres(CEPR Discussion Paper No. 1894). London, UK: Centre for Economic Policy Research.

[7]Jao, Y.(1997). Hong Kong as an international financial centre: Evolution, prospects and policies. Hong Kong:City.University of Hong Kong Press.

[8]Hall, Peter(1966) The World Cities, London: Weidenfeld & Nicolson.

[9]Isserman,Andrew M. (1977). The location quotient approach to estimating regional economic impacts. Journal of the American Institute of Planners, 43, pp.33-41.

[10]Mattila, J. M., & Thompson, W. R. (1955). The measurement of the economic base of the metropolitan area. Land Economics, 31, pp. 215-228.

[11]Moosa, I., Li, L., & Jiang, R. (2016). Determinants of the status of an international financial centre. World Economy, 39(12), 2074-2096.

[12]Sassen, Saskia (1991) The Global City: New York, London, Tokyo, Princeton, NJ:Princeton University Press

——(1996)Losing Control? Sovereignty in an Age of Globalization, New York:Columbia University Press.

——(2001). The global city. new york, london, tokyo.?Political Science Quarterly,107(2).

[13]Taylor, A. J., Beaverstock, J. V., Cook, G., Pandit, N., & Pain, K.(2003). Financial Services Clustering and its Significance for London. London: Corporation of London.

[14]Tian, Z.(2013). Measuring Agglomeration Using the Standardized Location Quotient with a Bootstrap Method. Journal of Regional Analysis and Policy, 43, pp. 186-197.

[15]劉瑞波,张仁钊,崔凤龙.金融产业集聚与经济增长关系研究:以蓝色经济区为例[J].东岳论丛.2014.35(10):137-142.

[16]唐红祥.交通基础设施视角下西部地区制造业集聚的区位熵分析[J].管理世界,2017(06):178-179.

[17]夏飞,袁洁.中国—东盟自由贸易区交通运输发展的区位熵分析[J].管理世界,2012(01):180-181.

[18]东京2016-2018年GDP、纽约2018年GDP数据wind未披露,根据历史年均增长率计算得出。

[19]伦敦2015-2016年由于数据不可得,暂不讨论。

[20]根据美國人口普查局数据;东京人口数据来源于东京总务局Statistics Division, Bureau of General Affairs;伦敦人口数据来源于英国统计局ONS:https://www.ons.gov.uk/peoplepopulationandcommunity/populationandmigration/populationesti-

mates/datasets/populationestimatesforukenglandandwalesscotlandandno-

rthernireland; 联合国人口署:https://population.un.org/wup/;大伦敦当局官网;2012-2014年伦敦人口数、据不可得因此用2011年到2015年每年以平均1.45%的增长率的方法进行补全.

[21]美国保费收入用美国财险公司净承保保费收入加上美国寿险保费收入之和,其中净承保保费是扣除再保险保费后的原保险保费总和;伦敦保费收入来源于国际保险协会IUA的《伦敦公司市场统计报告》(London Company Statistics Report)公布的伦敦公司市场的保费收入,http://www.iua.co.uk/IUA_Member/Document_Library/Circulars_2014/London_Compa-

ny_Market_Statistics_Report_2014.aspx

猜你喜欢

金融集聚
政府干预、金融集聚与地区技术进步
金融集聚对城乡居民收入差距的影响