功能性金融中心的评价指标体系构建与优化

重庆“十三五”规划对重庆功能性金融中心的定位聚焦于金融结算、金融资产交易、资金融通、保险保障和金融普惠五大功能。其中，前四大功能是本课题目前关注的重点。为更好地推动功能性金融中心的建设，需要构建科学合理的评价体系，通过量化指标准确衡量重庆在打造国内重要功能性金融中心的现状和潜力、在各大功能上的优势和不足。因此，构建科学合理的评估体系就显得尤为必要。

传统的金融中心指数评价体系[如新华-道琼斯国际金融中心发展指数（简称“新华-道琼斯指数”）和伦敦金融城指数]主要聚焦于对全球重要金融中心的综合实力进行排名和评价，纽约、伦敦等综合性全球金融中心排名靠前，而各具特色的功能性金融中心排名较为靠后。而在构建功能性金融中心的评价指标体系时，需要突出功能性金融中心特点，分功能类别对金融中心进行评价，基于四大功能构建各具特色的指标体系，以实现科学评价的目的。从现有文献看，这样的尝试还未有先例。

构建功能性金融中心评价指标体系是希望通过科学的统计分析方法对重庆不同的金融功能进行量化评估，科学全面地衡量重庆功能性金融中心建设的现状和潜力，帮助决策者了解重庆金融业在不同维度的发展状况，并通过对数据的分析明确重庆的比较优势和不足之处。本课题构建的指标体系包含了动态评估机制，不仅能衡量功能性金融中心现在的发展状况，还能够对功能性金融中心建设的动态进展进行量化的估算，因此对于相关政策的制定、实施和动态调整都具有显著的现实意义。

（一）指标体系的构建方法说明

1.设计原则

系统性：强调每个指标都应能反映某个金融中心城市某一方面的特征，尽可能从各个角度全面反映功能性金融中心的发展水平。

客观性：强调对可考可查的真实运行数据进行简约化、相对化处理，通过多种赋权方法保证指数分析方法的客观性、可复制性。

科学性：变量选取参考了新华-道琼斯指数、伦敦金融城指数的构成原则，确保指标间具有代表性和可比性。权重体系则按照不同的金融功能和数据特点，对照相关文献进行了具有针对性的应用和修正。

开放性：指数中各指标的构成具备可调整性，可以根据功能性金融中心建设过程中出现的新情况、新问题、新的数据信息调整优化指标构成，持续进行补充和完善。

2.样本筛选

本课题对城市样本的选择主要结合了城市金融要素聚集标准和国家对不同城市的定位，既考虑了所选样本城市金融行业相关功能的发展现状，也考虑了该城市所在区域的政治地位和经济辐射能力。根据前述选择依据，本课题选取了国内十个主要城市：北京、上海、深圳、重庆、天津、成都、武汉、西安、广州、郑州。2015年，以上十个城市的GDP总值约占全国GDP的22%，一线城市北京、上海、深圳和广州对中国经济的重要性不言而喻，而其他城市对所在区域均具有较强的经济辐射力。天津自洋务运动以来，一直是我国重要的港口城市，天津港货物吞吐量居于全国前列，是北方重要的门户；近年来，重庆和成都的经济总量在全国所有城市中均居于前十，在整个西南地区具有较强的经济辐射作用；武汉和郑州则是我国中部地区的交通枢纽，近年来经济增长较快，并且这两个城市将建设区域金融中心作为未来的重要发展规划；西安则是连接西北地区的重要门户，制造业和军工对我国的重要性不言而喻。

3.指标无量纲化的研究

在编制指数时，需要对不同变量进行无量纲化以便于比较不同功能，大部分学者（Sarma，2008；高沛星，2011；李春宵，2012）采用了线性功效函数法，其数学形式如下：

其中：mi表示指标i的观测值，maxi为指标i所有观测值中的最大值， mini为指标i所有观测值中的最小值。线性功效函数法的优点是计算简单，含义直观，但缺点是不能反映指标的非线性变化。对于本课题研究的金融功能而言，可能存在边际递减效应，因此以线性功效函数法构建的指数衡量不同金融功能并不恰当。但彭非等（2007）提出的改进型指数功效函数具有良好的数理性质，能避免以上问题，本课题采用了这一方法对相关经济变量进行无量纲化。指数功效函数的具体形式如下所示：

其中：A=50，B=-Ln0.5，指数的取值范围为[50，100]。

4.指标权重

在编制指数时，对于指标权重的确定，学界在不同的应用场景会使用不同的方法。一些学者（Sarma，2008；王修华，2009；Rajani，2012；Yor-ulmaz，2013）采用主观赋权方法，给各个指标赋予同等权重。但这种赋权方法并不能准确地反映各个变量对指数的贡献程度，各个变量孰轻孰重也很难判断，各个地区的经济金融发展程度、社会文化乃至消费习惯均有很大的差异，采用等权重的赋权方法并不合理。因此，本课题在具体的金融功能指标构建上主要采用变异系数法和因子分析法等客观赋权方法确定权重，以实现科学客观评价的目标。确定一级指标权重时，由于各指标之间相对对立，经过与多位专家的讨论，本课题采用了层次分析法赋予二级指标权重。

5.指数合成方法的研究

目前，多数学者主要采用算术平均加权法，基本公式如下：

其中：Finance Index代表经无量纲化处理后的指标得分或维度得分， n为指标数量，但算术平均加权会突出分值较高的指标得分，易导致评价对象发展权重较大的指标，因此本课题在指标的构建中还使用了几何平均加权法。该方法具有良好的数理性质，能满足指数单调性、一致性和对称性的要求，并且可以弥补算术平均加权法的不足，其具体数学形式如下：

6.指数的编制原则

本指数的编制原则分为以下三个方面：

一是体现重庆对功能性金融中心五大功能的定位，针对不同功能构建各具特色的评价指标。同时，通过金融基础发展指标反映金融发展的基础条件情况，以求重点突出、评价全面。

二是编制功能性金融中心指数需注意各功能之间的联系。因为不同的功能仍然是整个金融中心有机整体的一部分，需要放在同一指标体系下全面综合地进行评估，因此除了分金融功能的指标之外，本课题还编制了功能性金融中心综合指数。

三是要体现功能性金融中心动态发展的特征。中国经济正在进行转型升级和经济增长方式的转变，在经济发展再平衡的过程中伴随着产业结构的变迁，相应地，金融服务行业的功能也会出现动态变化，金融中心的各个功能发展也会随之发生变化。

综上所述，功能性金融中心指数是一个多维度、多指标的综合评价指数，它的准确性和科学性依赖于指标信息是否全面。研究的难点在于为准确地评价不同金融功能，赋权规则和指标选择都应针对相应功能进行优化，这导致指标体系的构建涉及多种方法和大量数据的搜集。由于我国正处在经济快速发展的过程中，经济金融数据的统计范围和口径也在不断变化，不同变量的时间窗口不一致、一些重要数据难以获得等问题又进一步增加了指标构建的难度。而数据质量也会影响指标构建方法的选择，所以本课题将首先介绍指标构建和权重确定方法。

7.评估指标构建方法

本课题在构建指标的过程中主要使用了加权平均法、因子分析法和变异系数法。

（1）加权平均法

加权平均法将低层级变量通过加权汇总到高一级层级，经过不断汇总，将产生一个反映总体情况的评估指标。加权平均法主要分为均等赋权法和重点赋权法两种方法。

一是均等赋权法。从最基本的指标开始，对于同一层级第b组的指标进行均等赋权，即b组有nb个变量，那么每一个变量的权重为1/nb。由此，可以得到第b组的指标：

同理，可以得到第一层级第a组的指标：

最后，根据第一层级的n组指标，可以得到均等赋权法计算的评估体系的总指数：

二是重点赋权法。与均等赋权的原理一样，根据现实的需求，可以对不同层级的分指标进行权重调整，以此反映评估指标体系的特殊需求。均等赋权从第三层级开始，对于同属于第二层级第b组的指标w，b， c进行赋权。由此，可以得到第二层第b组的指标：

同理，可以得到第一层级第a组的指标：

最后，根据第一层级的n组指标，可以得到重点赋权法计算获得的评估体系指数：

（2）因子分析法

均等赋权的加权平均法假设各层级属于同一组变量的对指标的贡献是相同的，但该假设并不满足现实要求；而重点赋权的加权平均法对同一层级的变量进行主观赋权，也无法真正反映权重的客观性。建立客观科学的评估指标体系需要使用因子分析法（Factor Analysis）。因子分析法的主要意图是根据变量的相关性对变量进行分组，同组的变量相关性较高，不同组变量的相关性较低，每组变量则代表一个基本结构，这个结构称为公共因子。在本课题中，不同城市的金融功能需要多个变量进行描述，变量间存在着联系和相互影响，在构建评价指标时，就体现为不同的变量对城市的金融功能的贡献程度不同，而因子分析法则提供了一种计算变量权重的方法，为构建功能性金融中心评价体系奠定了技术基础。

在现有评价指标体系构建的文献中，因子分析法有广泛的应用，潘霞等（2013）构建了衡量地区高新技术产业竞争力的评价体系，Du等（2014）构建了衡量家庭社会关系强弱的指标体系，杨坚争（2014）则使用因子分析法实现了对跨境电子商务评价体系的构建。

一是因子分析法的基本思想。

因子分析法的基本思想是根据相关性大小把原始变量分组，使得同组内的变量之间相关性较高，而不同组的变量间的相关性较低。每个变量代表一个基本结构，并用一个不可观测的综合变量表示，这个基本结构就称为公共因子。对于项目评估指标，原始变量可以分解成两部分之和的形式，一部分是少数几个不可测的所谓公共因子的线性函数，另一部分是与公共因子无关的特殊因子。这一过程也就是从一些有错综复杂关系的经济现象中找出少数几个主要因子，每一个主要因子代表经济变量间相互依赖的一种经济作用。

二是因子分析模型。

本小节将对一般形式的因子分析模型理论进行简要介绍。假设有n个样本，每个样本观测p个指标，这p个指标之间有较强的相关性（要求p个指标相关性较强的理由是很明确的，只有相关性较强才能从原始变量中提取出公共因子）。为了便于研究，并消除由于观测量纲的差异及数量级不同所造成的影响，将样本观测数据进行标准化处理，使标准化后的变量均值为0，方差为1。为方便把原始变量及标准化后的变量向量均用X表示，用F1，F2，…Fm（m＜p）表示标准化的公共因子。

A.X=（X1，X2，…，XP）′是可观测随机变量，且均值向量E（X）=0，协方差矩COV（X）=∑，且协方差矩阵∑与相关阵R相等；

B.F=（F1，F2，…，Fm）′（m＜p）是不可观测的变量，其均值向量E（F）=0，协方差矩阵COV（F）=I，即向量F的各分量是相互独立的；

C.ε=（ε1，ε2，…，εp）′与F相互独立，且E（ε）=0，ε的协方差阵Σε是对角方阵。

即ε的各分量之间也是相互独立的，则模型称为因子模型，矩阵形式为：X=AF+ε，其中

由模型及其假设前提可知，公共因子F1，F2，…，Fm相互独立且不可测，是在原始变量的表达式中都出现的因子。ε1，ε2，…，εp叫作特殊因子，是向量X的分量Xi（i=1，2，…，p）所特有的因子。各特殊因子之间以及特殊因子与所有公共因子之间也是相互独立的。矩阵A中的元素aij称为因子载荷，aij的绝对值越大（|aij|≤1），表明Xi与Fj的相依程度越大，或称公共因子Fj对于Xi的载荷量越大，进行因子分析的目的之一，就是要求出各个因子载荷的值。

因子分析法不需要人工设定不同层级，通过原始变量之间的相关性可自动将具有共同因子的变量化为同一子指标，由此，可以通过原始数据得到评估体系的子指标s（Subindexijs），最终得到评估体系的总指标（Indexij）。

（3）变异系数法

变异系数法是一种客观赋权方法，其基本思想是根据各个指标在所有评价对象上观测值的变异程度大小，对不同的指标进行赋权，若一项指标的变异系数较大，那么说明这个指标在衡量该对象的差异方面具有较大的解释力，则这个指标就应该被赋予较大的权重。该方法的优点主要有两点：一是数据时间窗口一致性的要求较低；二是能从变量的变异程度上客观地衡量各自的贡献程度，能够准确地反映各种变量对不同金融功能的影响程度。而本课题选取的部分变量由于开始统计的时间较晚或者数据难于获得等原因，观测值较少。因此变异系数法能较好地解决以上问题。同时，变异系数法在指标体系的构建和评价的相关文献中也具有广泛的应用，肖祥、洪欣（2007）通过变异系数法构建了金融普惠指数，储纱等（2012）则利用变异系数法对安徽省节能减排的绩效进行了实证分析。

变异系数法确定各指标权重的步骤如下：

首先，计算各指标的变异系数，该值反映了各指标的绝对变异程度，其中Si为各指标标准差，Xi为各指标均值。

其次，对各个指标变异系数进行归一化处理，计算各指标权重。

（二）指标体系构建

功能性金融中心评价指标体系由两个层次的指标构成。本课题将一级指标分为金融基础发展指标和资金融通、金融结算、金融资产交易及保险保障四大功能指标。

一级指标是固定不变的。在权重确定方面，结合平均赋权法和重点赋权法构建指标以测度各城市的各金融功能的综合发展状况。金融基础发展衡量了建立金融中心的基本条件，是建设功能性金融中心的基础，参照新华-道琼斯指数和姚洋（2007）的赋权法则，本课题赋予金融基础发展指标0.4的权重，而其余四大功能性指标的权重，采取均等赋权，分别占总指数的0.15。

在二级指标层面，本课题在金融基础发展指标及金融结算、金融资产交易、资金融通、保险保障四个功能性指标下分多个变量，分别赋予其权重。对于金融普惠功能，由于能够获得的指标数据较少，而且能够获得的金融普惠指标与金融基础发展相关指标有一定的重合，因此，将金融普惠的相关指标放在了金融基础发展指标中加以体现。

针对功能性金融中心的不同特点，并考虑数据质量的因素，本课题选用了不同的统计方法确定各变量的权重。对金融资产交易、金融结算和保险保障采用了变异系数法进行赋权；而对资金融通和金融基础发展两项功能，则采用了因子分析法进行赋权。原因是金融资产交易、金融结算和保险保障的部分变量时间序列较短，不能通过回归分析或者因子分析确定权重，因此本课题对其采用了变异系数法确定权重。(www.xing528.com)

1.金融基础发展指标

根据新华-道琼斯指数和伦敦金融城指数的变量选取，在金融基础发展指标中主要考虑城市的经济发展水平、政治地位、交通运输状况、金融人力资源、科技创新能力以及金融普惠情况。这里纳入金融普惠指标的原因是金融业的基础发展与金融普惠的情况有一定的重合，金融普惠就是对金融业基础发展过程中服务群体覆盖面和金融服务使用情况提出的更高的要求，结合了金融普惠情况的金融基础发展指标更为全面。

在衡量经济发展方面，课题组选取了GDP增长率、财政收入、社会消费品零售总额、出口金额和社会固定资产投资等多个指标，这些指标涵盖了经济增长、财政、消费、投资、外贸等方面的宏观经济情况，也是新华-道琼斯指数、伦敦金融城指数等均有采用的指标；在城市政治地位方面，课题组选取了取值1至4的城市行政级别虚拟变量作为量化指标；在金融人力资源方面，课题组采用金融机构就业人数和户籍人口构建了金融人才占比指标对金融人才的储备情况进行量化；在科技创新方面，课题组则采用战略新兴行业专利授权数量作为衡量指标；在交通运输方面，课题组选取了机场旅客吞吐量、高铁通车线路数量和铁路货运量等指标；在金融普惠方面，课题组采用了每万人拥有银行网点数和农户贷款比重作为衡量指标，这也是在人总行消保局《中国普惠金融指标体系（讨论稿）》中在金融服务使用情况和可得性两方面的代表性指标。以上指标的选择体现了全面性和代表性的特征，但是有一些指标包含的信息存在一定的重合，因此需要采用主成分分析法对以上指标所包含的信息进行进一步的筛选，将重复的数据信息进行过滤，以提高指标选择和权重确定的科学性。

根据主成分分析的结果，课题组选取累积方差达到85%以上的三个主成分，利用第一主成分所对应的方差贡献率除以所提取主成分之和，然后加上第二主成分中每个指标所对应的系数乘上第二主成分所对应的贡献率再除以所提取的主成分贡献率之和，以此类推可知第三主成分的系数。综合三个主成分的系数即可得到每个指标的权重，具体如表1-1所示。

表1-1 金融基础发展指标权重系数

表1-2 主成分分析结果

确定了各指标的权重，需对数据进行标准化处理，经加权计算得到了各主要城市的金融中心不同阶段的基础发展指标，具体如图1-3至图1-5所示。对金融基础发展指数指标的测算分为三个阶段：2005年至2008年、2011年至2013年和2005年至2015年。构建不同阶段的金融基础发展指数，可以反映各主要城市金融产业在不同时期的发展状况，对金融产业的发展进行动态评估。

图1-3 2005年至2008年各主要城市金融基础发展指数

根据图1-3可知，在金融基础发展指数方面，2005年至2008年北京和上海已形成了我国“一南一北”两个全国性的金融中心。上海得益于较早的建设国际金融中心的规划和强大的经济实力，在这段时间，上海在金融产业的基础条件方面优于北京，在全国居于领先地位。而位于第三的深圳，其金融基础发展指数仅为67，与上海相差20个点。成都、重庆、武汉等中西部城市的金融基础发展指数更是不足60。在此期间，其他城市与北京和上海在金融中心的基础条件方面的差距是全方位的，建立金融中心的基础条件还相当薄弱。除去北京和上海，2005年其余八城市的平均GDP为3127.25亿元，约为上海市同期GDP的34%，八城市平均财政收入仅为232亿元，约为上海市同期财政收入的16%。在我国，政府对于经济金融具有很强的掌控能力，金融产业的发展程度依托经济规模和政府的财政状况，而在2005年，中国地区间的经济发展和基础设施建设情况差异较为明显，这也导致在金融行业的发展程度方面，其他城市与上海和北京之间的明显差距。

2005年，重庆的GDP和财政收入分别为3467亿元和256亿元，高于八城市平均水平，但由于在铁路货运量、机场旅客吞吐量等几个方面落后于天津和成都，在金融基础发展指数上，位于上海、北京、深圳、广州、天津和成都之后，居于第7位，在所考察的城市中处于中游偏下的水平。

图1-4 2011年至2013年各主要城市金融基础发展指数

对比图1-4和图1-3可知两个时期中国各主要城市的金融基础发展指数基本状况。2011年至2013年，北京和上海仍然是全国的金融中心，但经过近十年的发展，中国的金融业在区域上也展现出一些新的特征。

第一，在金融基础发展指数方面北京反超上海。2013年北京每万人（户籍人口）的金融从业人员是323人，上海是230人。在科技创新方面， 2013年北京的战略新兴行业专利授权数量为9593个，而上海仅有4372个。并且在上海长期领先的GDP总量、财政收入等基础经济指标方面，北京也逐渐缩小了与上海的差距。2005年北京的GDP总量和财政收入分别为6970亿元和919亿元，而上海则分别是9248亿元和1417亿元，以北京为基数，两者相差33%和54%。而2013年北京GDP总量和财政收入已经分别达到19801亿元和3661亿元，上海则分别为21818亿元和4110亿元，北京的GDP总量和财政收入与上海仅分别相差10%和12%。以上数据变化反映了北京在金融基础发展方面逐渐领先全国的原因：一是经济和财政收入的快速发展；二是科技创新领先全国，特别是新兴行业的创新方面具有较大优势；三是金融人力资源的快速积聚。（各项数据见表1-3）

第二，区域间金融基础发展指数差距逐渐缩小。深圳经过快速发展缩小了与北京、上海在金融行业发展的差距，正逐渐成为中国第三个全国性的金融中心。2005年至2013年，深圳的GDP、财政收入、外商直接投资（FDI）、金融就业人数均有大幅度的增长，逐渐减少了与北京、上海的差距，金融基础发展指数在此期间增长了6，而北京和上海在此期间的金融基础发展指数分别增长了5和1。对比两个阶段的金融基础发展指数（表1-4），部分二线城市与金融相关的基础指标增长快于北上广深等一线城市，其中重庆在此期间GDP飞速增长，财政收入不断增加，社会固定资产投资和金融就业人数快速提升，金融基础发展指数从2005至2008年的第7位升至2011至2013年的第5位，在中西部城市中居于领先的位置，初步具备了发展功能性金融中心的基础条件。

表1-4 金融基础发展指数动态变化

图1-5展示了金融基础发展指数在2005年至2015年的总体状况，从基础设施、政治地位、经济发展等方面综合考察，北京稳居全国的领先地位，而上海作为全国的经济中心也同样处于较高的水平，两地的金融基础发展指数都超过了85。而广州和深圳作为我国改革的前沿阵地，经济发展水平较高，位于第二梯队。天津和重庆在二线城市中位于领先地位。重庆近年来经济高速发展，GDP增速连续多个季度位于全国第一，加上财政收入的快速增长，为政府支持重庆建设功能性金融中心提供了有力保障，重庆已成为中西部金融发展的高地。

图1-5 2005年至2015年各主要城市金融基础发展指数

2.金融结算功能指标

金融结算功能是衡量金融中心的重要一环。针对这一功能，参考新加坡国际金融结算中心的建设经验，并考虑数据来源的稳定性和可得性，最终选取了跨境人民币结算金额、跨境双向人民币资金池收付总额、新增资金池专户数量、第三方支付牌照数量、涉外收支总额等五个指标（见表1-5）。其中跨境双向人民币资金池收付总额和新增资金池专户数量衡量了所在城市加工贸易结算的活跃程度和总体规模，第三方支付牌照数量则度量了电子商务结算的发展状况，而涉外收支总额则反映了跨境金融结算的总体状况。

表1-5 金融结算指标权重系数

估算中采用了变异系数法确定权重，具体如表1-5所示，并使用了指数功效函数对相应变量进行了标准化。由于跨境双向人民币资金池收付总额、新增资金池专户数量、第三方支付牌照数量的时间序列较短，故本课题只能对2014年至2015年的金融结算功能进行测算，具体如图1-6所示。

图1-6 2014年至2015年各主要城市金融结算指数

从图1-6可知，在金融结算功能方面，广州、北京和上海位于第一梯队，金融结算指数均大于70，其中广州得益于珠三角经济腹地的支持，对外贸易十分发达，在跨境结算业务方面具有较大优势，超过北京和上海，在全国处于领先地位。依托总部经济和外贸优势，北京和上海在金融结算功能方面分别居第二、三位。深圳与以上三个城市在金融结算方面有一定差距，缺乏国家层面的政策支持是主要原因之一，但依托金融创新和新兴产业的高速发展，深圳在金融结算方面仍然领先其他城市。天津、重庆、成都、郑州、武汉和西安构成了金融结算的第三梯队，各个城市间差距较小，这说明这些城市在区域金融结算中心方面的竞争十分激烈。

3.资金融通功能指标

在资金融通功能方面，参考新华-道琼斯指数金融市场和市场成长方面的变量选取，并考虑资金融通过程涉及的诸多经济因素，选取了非金融机构债券融资、银行承兑汇票余额、社会融资规模（省）、本外币贷款余额等变量作为主要的评价因素。社会融资规模（省）和本外币贷款余额衡量了资金融通的总体水平，银行承兑汇票余额、居民储蓄余额、不良贷款率则衡量了资金融通的结构性因素。各变量的权重如表1-6所示。

表1-6 资金融通指标权重系数

经过计算，本课题得到了各主要城市2005年至2008年、2011年至2013年以及2005年至2015年的资金融通指数，具体如图1-7、图1-8和图1-9所示。

图1-7 2005年至2008年各主要城市资金融通指数

由图1-7可知，在2005年至2008年，各主要城市在资金融通方面存在较大的区域差异，北京和上海在资金融通方面遥遥领先于其他城市。在非金融非机构债券融资金额方面，北京和上海与其他城市差距巨大，这是北京和上海在资金融通指数上领先的主要原因之一。从具体的数据看，在居民储蓄余额方面，北京和上海具有较大优势，2005年其储蓄余额均超过7400亿元，广州为5024亿元紧随其后，其他城市均在3500亿元以下，其中重庆为2545亿元，在中西部城市中居于首位。在贷款不良率方面，上海为3.14%，是所有城市中最低的，而郑州为17.09%，在所有城市中最高。重庆的不良贷款率为8.32%，在中西部城市中处于较低水平，武汉、成都、西安和广州的不良贷款率均在10%以上。这些因素互相叠加，导致二线城市在2005年的资金融通指数较北京、上海差距明显。

图1-8 2011年至2013年各主要城市资金融通指数

由图1-8可知，在2011年至2013年资金融通指数方面，北京、上海分别为87和84，仍然在全国处于领先位置。深圳和广州的资金融通指数不断提升，分别达到了73和72，逐渐缩小了与北京、上海的差距，这得益于在此期间社会融资规模和贷款余额的高速增长以及银行不良贷款率的降低。而重庆由于存款余额的快速增加，从2005年的3779亿元增至2013年的18005亿元，增长幅度高达476%，而不良贷款率也降至0.35%，资金融通指数升至61，在中西部城市中排名领先，成为资金融通的区域中心。

图1-9 2005年至2015年各主要城市资金融通指数

总体而言，从图1-9可知，2005年至2015年，在资金融通方面，北京在全国处于领先地位，资金融通指数超过了85，上海紧随其后，该指数也超过了80。广州和深圳构成了第二梯队。天津和重庆则在二线城市中处于领先地位。在资金融通方面，北上广深主要受益于强大的产业支持和总部经济，具有较大的优势，融资结构更加优化，不良贷款率较低，对当地经济的发展也起到了支撑作用。

4.金融资产交易功能指标

在金融资产交易指数构建方面，主要选取了上交所交易额、企业债券增量、深交所交易额、金融资产交易所注册资本和银行间市场交易总额五个变量。上交所和深交所的交易额可以从总体上衡量一个地区二级市场的活跃程度，从侧面反映了该城市个人和机构投资者的活跃度，而金融资产交易所注册资本则能反映该城市金融资产交易基础设施的建设情况和活跃程度（不使用金融资产交易量的原因是缺乏官方的数据统计，交易所自身披露的数据则有前后不一致的情况）。同时由于数据来源的限制，企业债券增量和非金融企业境内股票融资增量两个变量的观测值较少，难以使用VAR等传统宏观计量方法确定权重，针对这一状况，本课题采用变异系数法确定各变量的权重，指标权重如表1-7所示。

表1-7 金融资产交易指标权重系数

通过计算得到了各主要城市的金融资产交易指数。由于金融资产交易方面的两个关键变量——金融资产交易所注册资本和银行间市场交易总额的数据统计从2013年开始，本课题只能通过变异系数法计算2005年至2015年的指数，计算结果如图1-10所示。

图1-10 2005年至2015年各主要城市金融资产交易指数

从图1-10可知，在金融资产交易方面，北京与上海在全国处于领先地位。北京作为全国三分之二的金融机构总部所在地，在金融资产交易方面与上海差距较小。深圳和广州由于深交所的存在，在金融资产交易方面具有显著优势。其他二线城市与北上广深的差距较大，但相互间的差距较小，在金融资产交易方面，成都在二线城市中居于领先地位。

5.保险保障功能指标

为构建保险保障指标，本课题选用了保险金额、保险分支机构数量、保险机构总部数量、保险密度、保险深度以及保险金额增长率六个指标。保险金额和保险机构总部数量反映了当地保险业发展的总体状况，而保险分支机构数量则衡量了该地区保险行业的覆盖程度，而保险密度和保险深度则衡量了保险业发展的质量。在确定各变量的权重时主要采用了变异系数法。确定权重后，系数如表1-8所示。

表1-8 保险保障指标权重系数

经计算得到了各主要城市在不同阶段的保险保障指数，如图1-11、图1-12、图1-13所示。

图1-11 2005年至2008年各主要城市保险保障指数

由图1-11可知，在保险保障方面，北京、上海依然在全国处于领先地位，2005年北京的保险机构总部为10个，上海为26个。北京保险密度（人均保费）为2639元/人，上海为2975元/人。北京保险深度（保险费用占当地GDP比例）为5%，上海为3.95%。在保险深度方面，二线城市与一线城市差异相对较小，二线城市与一线城市保险保障指数的差距主要由于保险机构总部数量、保险金额以及保险密度的因素。2005年北京的保险密度为郑州的10.5倍。

图1-12 2011年至2013年各主要城市保险保障指数

2011年至2013年，各主要城市的保险保障功能指数发生了显著变化，北京在保险密度和保险深度这两个关键指标上逐渐领先全国，2013年北京的保险密度为6502元/人，居于首位，深圳为5691元/人，而上海则为4659元/人。在保险机构总部数量方面，截至2013年，北京和上海均为55个，而深圳则从2005年的36个升至2013年的70个。深圳的保险业在此期间发展十分迅速，其保险保障指数从63升至72。重庆虽然经济基础较为薄弱，但保险保障功能发展较为迅速，保险密度从294元/人，上升至1706元/人，增幅高于其他城市。

图1-13 2005年至2015年各主要城市保险保障指数

从图1-13可知，总体而言在保险保障方面，北京在全国居于领先地位，上海紧随其后，而深圳和广州构成了第二梯队，重庆、西安的保险保障指数在中西部地区居于领先地位。回顾世界各国保险业发达的金融中心，保险业的高速发展离不开实体产业的支持，而重庆和西安的制造业在全国处于较为领先的位置，为保险业的发展奠定了坚实的基础。

6.功能性金融中心指标

本课题通过多种统计方法确定了指标权重，并通过计算得到了各功能的相应指数，具体如表1-9所示。

表1-9 功能性金融中心指标

最后，本课题通过层级分析法，参照新华-道琼斯指数通过重点赋权赋予一级指标等量权重，最后加总得到了功能性金融中心综合指数，具体如图1-14所示。

图1-14 各主要城市功能性金融中心综合指数

从图1-14可知，在功能性金融中心总体建设进程中，北京、上海处于全国领先地位。北京是金融监管机构及国内四大商业银行总部所在地，是金融决策中心，加之三分之二央企总部集中于此，优势明显。而上海是国家于2009年明确定位要打造的国际金融中心，国家将众多金融交易市场布设于此，其金融基础设施建设在全国具有绝对领先优势。广州、深圳依靠珠三角地区的经济基础、贸易优势以及金融创新，在金融功能发展上处于第二梯队位置。而天津、重庆、成都以及武汉等二线城市间差距微小，各城市在金融功能的各个方面，表现出了自身独特的优势。

（三）小结

总体来看，由于投资、出口和经济总量快速增长，重庆金融发展的基础条件呈现显著提升态势，在中西部具有明显优势。重庆功能性金融中心的四大功能定位中，保险保障优势尤为明显，且在中西部的优势地位较为稳固。在金融结算和资金融通上，重庆也具有一定的优势，但在金融资产交易功能上优势尚不足。总体来说，当前重庆功能性金融中心建设已具备一定优势，成为中西部金融发展高地。但是，相对于北京及长三角、珠三角重要金融中心，重庆功能性金融中心建设还有很大的提升空间，特别是金融结算和金融资产交易功能优势需要着力进一步培育增强。

为实现建设国内重要功能性金融中心目标，重庆还需要进一步夯实金融发展基础条件，营造良好的政策环境，巩固保险保障功能优势，扎实推动金融结算功能、资金融通功能和金融资产交易功能发展，尽快缩小与国内重要金融中心相关功能上的差距，在四大功能上更好地体现重庆金融的集聚和辐射效应，促进功能性金融中心建设目标实现。