第 1 章 绪论
1.2 国内外文献综述
（2）金融集聚的测算方法
通过查阅文献可以发现金融集聚水平的衡量指标多样，包含了因子分析法、DEA、行业集中度、空间基尼系数、产业集群指数等一系列测算方法。这里整理后将其分为单一指标法和综合指标法。
单一指标法通常是以金融业区位熵、空间基尼系数、赫芬达尔指数 HI 指数等作为单一指标来测算金融集聚程度。徐沈（2011）引入空间基尼系数、HI 指数和行业集中度三种测度方法分析了我国的金融集聚水平现状[12 ]；区位熵是最常用的测算方法，但使用区位熵这一模型所使用的具体参数也不尽相同。（1）从业人员区位熵：任英华等（2010）、李正辉等(2012)、于斌斌（2017）、龙云安等（2019）、施本植等（2018）以各区域的金融部门从业人数占该地区总就业人数的比例与全国金融部门就业人数占全国总就业人数的比例之比这一形式表征了各区域的金融集聚程度[8][9][13][14][15]；（2）人均金融占有量区位熵：黎杰生等（2017）、丁艺等（2010）对 Haggett 的产业集聚区位熵指数进行扩展，以某地区的人均金融占有量与全国人均金融占有量的区位熵比值分别测算了银行业、保险、证券三大金融代表性行业的金融集聚水平[16][17]。（3）金融业总产值区位熵：王锋等（2017）以地区的金融业总产值占比与全国金融业总产值占比的区位熵作为衡量金融集聚的指标[18]。
综合指标法则主要涉及构建赋权法和构建金融集聚的指标体系。前者如王如玉等（2019）通过对各城市市辖区存贷款占全国的比重、金融机构就业人员占全国金融总就业人员的比重、各城市市辖区在Ａ股市场发行 IPO 的公司个数占全国所有 IPO 公司个数的比重和证券公司个数占比等指标赋予不同权重计算金融集聚[1]。此外，还有一些学者构建了金融集聚的评价指标体系。比如李伟军等（2011）认为单纯采用从业人员占比这种单一指标难以反映出金融集聚水平，故使用了多元化指标综合评价及主成分分析法测出长三角城市群的金融集聚水平[3]。丁艺等（2009）选取 23 个指标建立金融集聚程度评价指标体系，并以主成分分析法评价分析了中国 31 个省市的金融集聚水平[19]；马丹（2007）从金融规模、经济总量、金融基础这三个大指标 18 个细分指标创新地构建了金融产业集聚程度的评价指标体系[20]；梁颖（2006）则从金融产业运营评价、环境评价、制度评价三个角度总结出金融产业集聚的宏观评价指标体系[21]；茹乐峰等（2014）基于金融发展背景、金融活动规模、金融活动密度及金融服务活跃程度等四个方面构建金融集聚水平测度指标体系[22]。
金融本科毕业论文目录
第 3 章金融集聚对城市经济效率的作用机制分析
3.1 金融集聚的动因分析 通过文献的阅读和梳理，大多学者对金融集聚的动因已经有较为成熟的理论，本文在前人研究的基础上将其总结为内在动因和外部因素。
3.1.1 金融集聚的内在动因
（1）金融发展阶段性
在金融发展的前期阶段，产业集聚于经济发展较快的地区，金融资源再随之流向产业集聚地区，带动金融行业的发展，故在此阶段金融行业是属于依附其他产业发展的行业。但随着金融行业在第三产业中的占比逐渐升高，金融行业成为主导产业, 地区金融规模反过来可以推动本地的经济发展水平。因此，由于金融行业的迅速发展，金融不仅是加强地区经济发展的核心产业，也是信息文化交流中心，金融的高水平职能层级吸引了地区外围的金融资源，扩大了金融集聚的规模。
（2）金融业自身特性
随着生产水平和科学技术的提高与进步，金融产品呈现从传统单一向多元综合的特性转变。过去传统的金融产品不能满足现代企业的金融需求，产生了期货、期权、互换等金融衍生工具，金融行业愈发多元复杂。而金融工具的特点是流动性、安全性、收益性。一方面，近年来互联网技术应用和大数据普及，金融资源在各地区之间的流动性进一步加快，加快了金融集聚的产生速率，但同时也会增加金融资本的风险性；故一些单一的金融机构为了分散风险要加强与其他金融机构的业务合作，呈现出金融产品复合式的发展趋势，而这一趋势必然会进一步带动金融集聚。另一方面，金融行业的逐利性也会带动金融资源向城市中心集中，而金融产业的集聚可以发挥金融企业的规模效应。当大量金融企业集中时非标准信息传播迅速且准确率提高、信息交换成本减少；此外，金融集聚地区的高人才市场、信息公开程度也会降低经营成本。
......................
第 5 章 金融集聚对城市经济效率的空间实证研究
5.1 空间计量模型选取
5.1.1 空间计量模型介绍
空间计量经济学( Anselin ,1988)认为一个地区空间单元上的某种经济地理现象或某一属性值与邻近地区空间单元上同一现象或属性值是相关的。Tobeler(1979)地理学认为：事物之间存在普遍的相关性，这种相关性的强弱与空间距离相关，并且空间距离越近相关性越强，反之相关性越弱。但传统的计量方法可能会忽略地理空间对数据空间的影响性，而空间经济计量模型则可以解决回归模型中复杂的空间相互作用与空间依存性结构问题。因此为了能够准确地反映空间关联性与空间依赖性，需要选择恰当的空间计量模型，空间计量模型设为如（5.1）。
关于选用哪种空间权重矩阵有以下考虑：基于地理位置相邻的空间权重矩阵在地级市层次上赋权复杂，且未考虑到地理距离和经济水平差异的处理；而经济距离矩阵在采用面板数据会存在时间差距的问题，由于经济距离随着时间变化随之变化，因此经济距离变化强度较于地理距离较大。故本文选取基于地理距离的空间矩阵。
.表 5.1 金融集聚、城市经济效率的空间相关性（莫兰指数检验）
第 6 章 结论与建议
.2 政策建议
（1）立足于不同城市群金融集聚水平差异，制定差异化的政策支持
政府宏观调控是实现我国经济增长的重要驱动力，因此政府要制定支持金融政策制度，推进区域金融中心建设，引导金融业集聚。我国许多地区发育出了城市群形态，但各个城市群所处区域发展格局不同，故城市群呈现出发育阶段化、多样化态势，不同城市群承担的任务不同，因此治理方式也应有所不同。要依据城市群的不同自然地理条件、发展阶段、层级规模、职能类型等方面制定出精准治理城市群的政策，发挥出各城市、各区域的比较优势。
对于金融集聚水平较低的城市群，政府可以制定优惠政策，吸引金融机构向“中心地带”汇集，带动本地金融服务区域；受政府政策扶持的地区也能够吸引金融人才以及投资，进而促进本地金融的发展。如长江中游、关中、海峡两岸、辽中南、山东半岛等区域城市群可以出台相关优惠政策扶持，培育出新兴国家级中心城市，增加城市的金融资源集聚能力，进而提高本地区的城市经济效率及对周边地区城市经济效率的辐射带动能力。
对于金融集聚水平较高的城市群，应注意城市群内部的战略调整以达到均衡发展，避免出现因金融集聚过高导致的资源分布不均衡，金融机构过度竞争等现象，否则有可能因此出现城市经济效率降低的逆向挤出现象。如政府可以引导京津冀等金融集聚水平较高的城市群的资源向周边地区转移，发挥京津冀等金融集聚水平高的城市群的优势，带动周边城市群的发展。
（2）重视金融集聚带来的科技创新，加强金融与科技的深度融合
创新是实现经济增长，效率提升的有效途径。金融集聚可以产生内部创新效应以及外部创新效应，应该注重创新与成果的转换，推动产业升级，以此推动城市群的经济增长。
数字信息技术的快速发展支持和驱动了各个行业的发展，而金融行业市场特征、竞争现状也会被金融科技重新定义。科技金融是未来发展大趋势，因此金融行业要将 5G 网络、人工智能、区块链、云计算、大数据、物联网等新兴技术与金融业务融合，促进金融产品创新、优化金融服务体验、减少信息不对称，防范化解金融风险，这将为金融发展提供新机遇。金融机构对前沿金融科技的探索能够在数字经济浪潮中抢占先机，降低企业运营成本，提高经济运行效率，进而提高金融集聚程度，推进经济高质量发展。
参考文献（略）
