本站小編為你精心準備了城市科技金融發展評價參考范文，愿這些范文能點燃您思維的火花，激發您的寫作靈感。歡迎深入閱讀并收藏。

［提要］科技金融是我國金融創新一個重要方向。近年來，我國出臺一系列相關政策促進科技金融的發展。本文基于一定準則選取金融業發展較好的11個城市，通過建立BP神經網絡模型，對樣本城市的科技金融發展水平進行評價。結果表明：北京、上海、深圳三個城市科技金融發展狀況較好，其他城市較弱。最后提出促進我國科技金融發展的政策建議。

關鍵詞：BP神經網絡模型；科技金融；科技創新

一、引言

近年來，隨著我國經濟發展進入新常態，科技創新成為促進經濟轉型與健康發展的重要推動力；而實現金融與科技的結合，以金融發展促進科技發展，成為轉變社會經濟發展方式的必然選擇，也是構建創新型國家的重要戰略舉措。為了促進科技創新的不斷發展，中央與地方政府近年來出臺大量相關的政策和文件。2011年《“十二五”國家科技創新規劃》提出要創新科技創新投入方式，構建多元化、多渠道的科技創新投入體系，吸引更多的社會資金投向科技創新活動，完善科技創新和金融結合機制，加強科技融資體系建設。2016年《“十三五”國家科技創新規劃》再次明確強調，要不斷完善科技與金融結合機制，大力發展創業投資和多層次資本市場，為我國邁進創新型國家行列，實現綜合創新能力世界排名前15位打下堅實基礎。對科技金融的研究源于科技發展和金融發展之間相互關系的研究。近年來，許多學者對科技金融的發展狀況予以關注，科技金融發展效率問題是一個重要的切入點。如黃瑞芬等運用DEA-Malmquist指數法和SFA模型對2006～2014年我國30個省市區全要素生產率變動和科技金融效率值進行評價；甘星等運用DEA方法對2006～2014年環渤海、長三角、珠三角三大經濟圈十個省市的科技金融相對效率進行實證研究；薛曄等運用熵權法和貝葉斯隨機前沿模型對2001～2014年內地30個省市區科技金融發展效率進行了測算，并分析了不同金融投入對中國科技金融發展效率的影響。還有學者關注科技金融的發展模式及發展方向等問題，如洪銀興認為科技創新需要足夠的資金投入，科技金融是當前金融創新的一個重要方向；季菲菲等以中國科技金融創新的主要發源地之一的無錫國家級高新區為例，通過實地調查，對科技金融體系的產生、發展及其空間效應進行實證研究；張興旺等就國內外科技金融創新發展模式進行了比較研究。綜合來看，現有關于科技金融的研究大多從科技金融本身的性質出發，研究科技金融的運行機制、作用效果或創新水平；而針對區域方面的研究往往集中于省級區域層面，從城市角度進行研究的并不多見。考慮到省域層面覆蓋的區域較廣泛，許多省份包括廣大農村地區，金融業發展較落后，導致不同省份之間可比性較差。本文則著眼于城市層面的比較，經過一定的標準篩選出若干具備較強可比性的城市進行對比分析，能夠更加有效地說明城市之間的金融業發展狀況。

二、比較基準城市的選取

本文主要就我國城市科技金融發展狀況進行比較分析，考慮到我國城市眾多，不同城市之間科技金融發展程度差距較大，簡單將所有城市放在一起比較缺乏可比性，因此要采用一定的標準對城市進行篩選，將選出的若干具有可比性的城市進行比較?？紤]到指標數據的重要性與可得性，本文主要采用城市2016年金融業增加值占地區生產總值比重（γ）和金融業增加值增長率（r）這兩個指標進行樣本城市的篩選。在進行篩選時，采用的具體指標及標準如表1所示。（表1）篩選出的城市符合下列兩個標準之一：（1）金融業增加值占地區生產總值比重大于8%。符合此條件的城市，金融業往往已形成較大規模，金融市場發達，金融交易活躍；（2）金融業增加值占地區生產總值比重介于5%～8%之間，且金融業增加值增長率達到或超過10%。符合此條件的城市，金融業往往已初步形成規模，發展速度較快，可持續發展能力較強?；谝陨显瓌t，本文最終選擇的樣本城市有11個，分別是北京、上海、廣州、深圳、天津、重慶、南京、武漢、蘇州、杭州、青島。各城市具體指標情況見表2。（表2）從數據可看出，除青島外其余10個城市金融業增加值占GDP比重均超過了8%，金融業發展水平較高；青島市雖然金融業占比僅為6.68%，但2016年增長率達到13.69%，也符合擬定的標準。就增加值增長率看，杭州的增長率相對較低，僅為4.91%；北京、天津增長率比8%略高；其余城市增長率均超過10%。整體看，這些城市金融業規模較大，城市經濟基礎較高，金融業較發達，具備較強的可比性。本文分別從政府角度和科技金融市場角度出發對廣州科技金融發展狀況進行比較分析。研究內容涵蓋了政府對11個城市科技金融發展的引導方向和扶持力度，以及科技金融資本市場發展狀況，并對這些城市的科技金融現狀進行簡單評述。

三、資本市場融資分析

（一）新三板市場融資分析。新三板市場主要針對中小微型企業在資本市場融資的交易平臺，是眾多中小型科技企業獲取融資的重要渠道，使得高新技術企業的融資不再僅僅依賴于政府資金補助和銀行貸款，增強科技類中小微型企業增長后勁。鑒于數據的公布結構與本文所需數據有一定的差異，因此對于我國各主要城市新三板市場科技類掛牌公司數量進行了適當的估算。該部分以證監會行業分類為基準，選取了科學研究和技術服務業以及信息傳輸、軟件和信息技術服務業兩類行業代表科技類企業，Wind數據庫公布了我國各省份科技類企業在新三板市場掛牌的公司數量以及各市的新三板掛牌公司數量在該省份中所占比例，該部分將各市新三板掛牌公司數量占比引申為該市科技類企業在新三板市場掛牌數量占比，從而計算得到該城市科技類公司在新三板掛牌公司數量。該結果如表3和圖1所示，結合兩個圖表來看，我國北京科技類企業在新三板市場掛牌的公司有729家，是上海的兩倍之多，且明顯多于其他幾個城市的數量。上海的科技類企業在新三板掛牌公司數量達337家，排名第二位；深圳有175家，排名第三位；廣州的擁有數量較之北京、上海、深圳3個城市則最少，僅有91家，且與3個城市的落差較大；不過與武漢、天津相比，廣州也有一定的數量優勢，是武漢和天津兩個城市的兩倍左右。

四、BP神經網絡模型的構建

（一）BP神經網絡模型基本原理。BP神經網絡是一種具有三層或三層以上結構的神經網絡，包括輸入層、隱含層和輸出層，每一層均由若干神經元（指標）構成。在利用BP神經網絡進行分析時，往往需要利用一定的樣本進行訓練，以確定系統各參數的最佳取值。當一組訓練樣本提供給BP神經網絡后，數據從輸入層經過隱含層向后傳播，最終到達輸出層；然后，沿著誤差減小的方向，從輸出層經隱含層向前修正網絡的連接權值。BP神經網絡隨著誤差反向傳播不斷修正，從而不斷提高對輸入模式識別的正確率，是一種誤差函數按梯度下降的學習方法。經過反復學習的過程，使得最終誤差越來越小。在輸出層方面，如果設定神經元（輸出指標）數量為1，則能夠得到被評價對象的單一得分值，可以對評價對象發展水平進行綜合評價。

（二）指標建立與數據來源。本文應用MATLAB中神經網絡工具箱對我國11個城市科技金融發展狀況進行實證評價研究，建立包括輸入層、隱含層和輸出層的三層神經網絡。各層的具體指標選擇如下：1、輸入層的確定。衡量科技金融的發展狀態是一個系統科學的過程，在進行科技金融競爭力評價的研究時，不僅要分析各城市的具體科技金融指標，還要對該城市的科技發展和金融業發展有一定了解，只有在綜合對比科技金融各個方面的基礎上，才能準確把握其科技金融競爭力的意義。在收集國家、省、部門有關文件及查閱相關文獻的基礎上，并考慮到數據的一致性、完整性和可操作性，經過篩選確定科技金融發展狀況的評價指標體系包括3個一級指標和12個二級指標，具體指標如表5所示。所需數據來源于各市統計年鑒、Wind數據庫及同花順財經網。（表5）具體來講，該評價指標體系的3個一級指標包括：科技發展指標、金融業發展指標、科技金融發展指標。從大的角度來講，科技金融首選是科技發展與金融業發展的結合，因此科技發展狀況及金融業發展狀況是反映科技金融的基礎性指標；而科技金融發展指標是具體反映科技金融作為一個特定金融業態發展狀況的指標。從二級指標看，科技發展指標包括專利申請量、專利授權量、R&D經費內部支出、R&D人員量等4個，能夠反映所在城市的科技發展狀況。金融業發展指標包括存款余額、貸款余額、保費收入、賠付支出等4個，考慮到數據可得性，主要是從傳統金融業發展角度反映金融業發展狀況?？萍既谫Y指標更加貼近科技金融這個新興金融業態，考慮到高科技行業技術發展特點、融資渠道以及數據可得性，選擇科學技術支出、上中小板上市公司總股本以及創業板上市公司總股本等指標進行分析。2、隱含層。隱含層神經元的個數對BP神經網絡的性能有很大影響。一般較多的隱含層神經元個數可以帶來更好的性能，但可能導致訓練時間過長。目前還沒有確定隱含層神經元個數的合理公式，因此通常采用經驗公式來進行估計，本文當中，根據樣本11個城市的數據經過反復試驗，我們發現當隱含層神經元的個數為4時，誤差最小。3、輸出層。由于本文的研究目的是評價科技金融競爭力的水平，要得到科技金融的綜合評分，因此輸出層神經元的個數設為1。

（三）評價結果。根據上述評價指標體系，以2012～2015年11個城市的數據作為訓練樣本，以12個二級指標作為輸入層神經元個數，對科技金融競爭力的評價過程進行訓練，得到BP神經網絡模型。在對2016年我國11個城市的科技金融競爭力進行綜合評價時，只需要將相應的標準化后的評價樣本數據輸入該BP神經網絡模型，即可得到對應的綜合評價得分。

五、政策建議

上述分析表明，各城市的科技金融發展水平相差較大，北京、上海、深圳科技金融較發達，其余城市發展較落后。為了進一步推進創新型國家建設，應進一步采取措施，促進各城市科技金融的發展，推進各地區科技創新水平的提升。

（一）加強政府引導與扶持。對于科技金融發展水平較低的城市，如武漢、青島等城市，首先要加強政府的引導與扶持，相關政府部門重視科技與金融的結合與發展。充分發揮政府科技專項資金投入的杠桿拉動作用，降低資金扶持門檻，鼓勵中小微企業加入到科技創新的行列，引導非高新技術企業轉型為高新技術企業。通過制定相應的科學技術獎勵政策，提高科技公司和科研機構的創新熱情。同時，國家也要不斷完善相應的法律體系，充分發揮立法指引金融支持科技創新的作用，為建設創新型國家提供有力保障。

（二）搭建有效網絡平臺。對于廣州、杭州等科技金融處于中等水平且經濟較活躍的城市而言，僅僅依靠政府的引導與扶持并不能解決當前的問題，有效的互聯網支持，會大大提高這類城市的科技金融發展水平。這類城市需要借助互聯網交易平臺，實現城市內部或城市之間的信息技術交流活動?；谛畔⒓夹g、互聯網、移動互聯技術的滲透發展，通過運用大數據中海量數據分析和數據挖掘，加強科技金融服務于社交網絡的結合，幫助企業和個人完成資本市場投融資活動，降低傳統金融交易成本，提升交易效率，促進城市科技金融快速發展。

（三）強化科技金融風險監控。由于科技產業的創新性較強，更新換代的速度較快，因此不論科技金融發展水平的高低，都需要進行適當的風險監控，才能使得科技金融良性發展。在具體的實施方案中，政府應將各商業銀行、保險公司、證券公司以及獨立第三方機構聯合起來，定期對金融風險狀況進行評估，對合法經營的金融機構和企業予以支持和獎勵，對違法操作的機構和企業予以適當懲罰。加強金融風險控制，保障科技型融資的安全性，不僅是每個機構或企業的要求，更是促進我國科技金融健康發展的選擇。

主要參考文獻：

［1］黃瑞芬，邱夢圓.基于Malmquist指數和SFA模型的我國科技金融效率評價［J］.科技管理研究，2016（20）.

［2］甘星，甘偉.環渤海、長三角、珠三角三大經濟圈科技金融效率差異實證研究［J］.宏觀經濟研究，2017（11）.

［3］薛曄，藺琦珠，高曉艷.中國科技金融發展效率測算及影響因素分析［J］.科技進步與對策，2017（4）.

［4］洪銀興.科技金融及其培育［J］.經濟學家，2011（6）.

［5］季菲菲，陳雯，袁豐，孫偉.高新區科技金融發展過程及其空間效應——以無錫新區為例［J］.地理研究，2013（10）.作

者：王孟欣1；王猛2；張軍茹2 單位：1.廣州大學金融研究院，2.河北大學經濟學院