2. 河南大学 环境与规划学院, 开封 475004;
3. 南京师范大学 金陵女子学院, 南京 210097
2. College of Environment & Planning, Henan University, Kaifeng 475004, China;
3. Jinling College, Nanjing Normal University, Nanjing 210097, China
金融资本作为生产的核心要素之一,由于自身的非物质性和工业社会初期的财富增长主要源于工业生产的积累[1],所以早期的经济地理研究中较少关注金融资本[2-4]。伴随着全球化过程中金融波动的频繁化和虚拟经济的快速化,金融资源逐渐成为现代经济发展和增长的关键因素,在现代经济发展中处于核心地位[5],并且跨国经营现象越来越明显,扩张规模和速度引起了各国(地区)广泛关注并产生了一定影响。在中欧和东欧,外资银行已经成为该地区银行业的主导力量,在拉美地区外资银行资产所占比重也远远超过了50%[6]。西方经济地理学者发现并研究了这一现象,特别是20世纪80年代出现的金融地理学,在丰富和扩展了相关研究同时,还强调了地理因素对金融发展的重要性。西方金融地理的研究主要关注全球或国际金融问题,如货币、金融机构、基金[7]、养老金[8]、海外上市[9]、跨国风险投资和股票投资[10]和社保基金众多领域,而国内的研究更关注区域和城市间金融联系问题[11-14],国内外研究差异明显。
2015年英国召开的第四届全球经济地理大会上,金融地理及相关研究成为大会关注的焦点[15]。同时通过对1983—2017年Web of Science核心合集数据库国际金融地理学研究热点分析发现,金融网络逐渐成为研究热点之一[16]。国外的Rossi等人分析了在巴西经营的31家国内外大型银行的全球金融网络[17],Bassens等人研究了伊斯兰金融机构的全球金融网络[18]。此类研究主要关注金融网络中金融机构行为[19]、金融活动[20]和金融联系[21],也有学者建议将金融网络融于全球生产网络框架[22]。国内对金融网络的研究主要集中在经济学领域,围绕着金融网络中的金融风险[23, 24]、金融网络模型[25, 26]展开。地理学界对金融网络的研究主要涵盖不同尺度上的金融网络结构特征[27-29]、金融网络空间格局[30, 31]及影响因素[32]等几方面。
伴随着中国针对外资银行政策的逐步放开,中国外资银行规模不断扩大,己成为中国金融业重要组成部分之一。学界对外资银行在中国的空间分布格局及影响因素也开展了一定研究[33-37],但都未从网络的视角进行研究。综上,基于国际金融地理的研究热点,以中国外资银行为研究对象,分析金融网络演化的结构特征及其影响因素,一方面补充和丰富了中国金融地理的相关研究,另一方面为银行监管者规范和引导外资银行在中国有序和理性发展提供相应的指导方针,也为我国商业银行在“一带一路”中更好地走出去提供参考。
1 理论基础与研究方法 1.1 理论基础(1)从城市网络到金融网络
20世纪90年代以来,随着通讯和交通的发展,城市之间的各种联系日益频繁,城市网络化趋势日益明显。金融网络就是在城市网络的基础上,以金融机构为媒介的特殊网络。图 1中,城市系统在城市等级体系作用下,不同城市之间形成了城市网络体系。金融系统内金融机构可以拥有一个或多个机构网点,而这些机构网点可以集中分布在一个城市也可以分散分布在多个城市。将金融系统与城市系统结合起来考虑,形成了本文的金融网络。
![]() |
图 1 金融系统与城市系统 Fig.1 Financial Systems and Urban Systems 注:A、B、C、D为金融机构;1、2、3、4为城市。 |
(2)金融网络中节点间的相互作用
金融网络中节点间的相互作用是指金融系统内金融资源在不同金融等级金融节点间的相互作用。图 2中,金融等级较低的金融节点金融产业发展缓慢,规模相对较小,金融资源和金融产出能力有限,在区域内,与其他金融节点的金融联系相对较弱,金融资源流动较差,节点间的外部关联程度较弱。反之,金融等级较高的城市金融产业质量高规模大,相当于区域增长极,外部关联程度和空间相互作用强大较大。
![]() |
图 2 金融网络中节点间的相互作用 Fig.2 Interaction Between Nodes of Financial Network 注:节点大小表示不同金融等级;线条粗细表示联系强弱。 |
外资银行空间网络的构建参考连锁型网络模型[38],若外资银行j在金融节点a设立有Taj家分支机构,在金融节点b设有Tbj家分支机构,不考虑分支机构的等级差异,则基于外资银行j的金融节点之间的金融联系(Qabj)的计算方法如下:
![]() |
(1) |
若有n家外资银行同时在金融节点a和b设立有分支机构,则金融节点a和b的之间的金融联系为:
![]() |
(2) |
选择平均度、平均路径长度、集聚系数、结构熵和核心—边缘特征参数度量外资银行空间网络特征,特征参数和含义参考学者有关的著作对其进行界定[39]。
(1)平均度。平均度(d)指外资银行空间网络中所有金融节点度的平均值,运用平均度(d)对网络中金融流的可达性和连接度进行测度,平均度(d)越大,网络中金融流的可达性和连接度越强。
![]() |
(3) |
式中:N为外资银行拓扑网络节点总数。
(2)平均路径长度。平均路径长度(L)指外资银行空间网络中任意两节点之间距离(Lij)的平均值,衡量网络的传输效率和性能,平均路径长度(L)越小,网络的易达性越好,传输效率和组织效率越高。
![]() |
(4) |
(3)集聚系数。集聚系数(C)反映外资银行空间网络中金融节点的集聚程度,表征网络的集聚性,即网络向外辐射状态。集聚系数(C)越大,说明网络中局部金融节点集聚程度越明显,网络整体的辐射程度越明显,当集聚系数(C)等于1时,形成完全网络。
![]() |
(5) |
![]() |
(6) |
式中:di是节点i的度,Ei与节点i相邻的节点间实际产生的边数。
(4)结构熵。结构熵(Q)反映的是外资银行空间网络的有序性和非同质性,结构熵(Q)值越小,网络的有序性特征越明显,选择介数(Bi)计算结构熵(Q)。
![]() |
(7) |
(5)核心—边缘。核心—边缘刻画的是外资银行空间网络中节点的分异特征与规律,体现的是空间组织规律及其相互关系。通过计算核心—边缘[40],判断网络中的核心金融节点和边缘金融节点,以及它们之间的连接密度。
1.2.3 条件Logit模型参考有关学者的研究[33],选择条件Logit模型分析我国外资银行空间分布的影响因素。条件Logit模型中,备选空间单元i对外资银行j的预期效用φij包括决定项μij和随机项εij两部分,前者受环境因素影响,后者受不能直接被观察到的因素影响。因此,各备选空间单元对外资银行选址的效用函数为:
![]() |
(8) |
如果φij > φlj,i ≠l,外资银行最终会选择备选空间单元i。
假设备选空间单元i对外资银行j的预期效用φij是环境因素特征函数,则预期效用φij可写成:
![]() |
(9) |
式中:Xij为外资银行所选空间单元i自身的地区特征向量;β为变量系数的估计值,在条件Logit模型中,采用极大似然估计法进行估计。
条件Logit模型的重要前提是独立不相关性,外资银行随机选择空间单元,外资银行j选择空间单元i的概率为:
![]() |
(10) |
条件Logit模型中系数不能直接反映解释变量对于被解释变量影响的边际效应,借鉴Cheng等所用的平均概率弹性来解释自变量对因变量的影响[41]。因此,外资银行j选择空间单元i的概率弹性为:
![]() |
(11) |
因此,各空间单元对外资银行空间分布的影响因素的Xk平均概率为上式中所有外资银行空间单元的总和。
![]() |
(12) |
外资银行网点数据来源于《中国金融年鉴》的外资金融机构在华机构名录、中国银行保险监督管理委员会网站金融许可查询和《中国银行业监督管理委员会年报》。社会经济数据来自《中国城市统计年鉴》、《中国区域经济统计年鉴》及各具体分析单元的统计年鉴。考虑到中国对外资银行采取的是逐渐开放过程以及外资银行历史网点数据的可获取性,选择1990年表示改革开放初期外资银行的发展,2001年表示本世纪初外资银行的发展,2015年表示当前外资银行的发展。
2 外资银行空间网络演化的结构特征 2.1 外资银行网点规模20世纪90年代初期,中国在个别城市试点吸引外资银行的进入,掀开了外资银行在中国发展的新篇章。1998年7月全面取消了外资银行在中国设立机构的地域限制,2006年11月全面取消了外资银行经营人民币业务的地域和客户限制。伴随着改革开放,中国对外资银行采取的政策经历了由限制到逐步放开,开放程度日益加深。外资银行数量不断增加,外资银行网点规模由1985年的27家增加到2015年的1044家,增加了30多倍,平均增长率为12.9%,且呈现出稳定增长态势(图 3)。
![]() |
图 3 中国外资银行网点规模 Fig.3 Size of Foreign Banks in China |
根据连锁型网络模型,经过多次筛选和试验,绘制出1990年,2001年和2015年中国外资银行空间网络(图 4)。图中,节点数表示网络规模,网络中连线的疏密程度表示网络的复杂程度。
![]() |
图 4 中国外资银行空间网络 Fig.4 Spatial Network of Foreign Banks in China 注:行政边界底图来源于国家测绘地理信息局1:3200万标准中国地图(审图号GS(2016)1570)。 |
对上述特征参数进行测算(表 1)。结合图(4)和表 1发现,总体上,中国外资银行空间网络具有较大的集聚系数和和较小的平均路径长度,显示出较强的连通能力,小世界网络特征明显。具体结构特征分析如下:
![]() |
表 1 中国外资银行空间网络特征参数 Tab.1 Characteristic Parameters of Spatial Network of Foreign Banks in China |
(1)空间网络中金融连接度和外资金融可达性增加,网络拓展呈现出平稳增长态势。平均度由1990年的8.7上升到2015年的47.5,增加了3.4倍,年均增长率为11.9%,呈现出明显增长态势。说明随着我国金融业的逐步改革,外资金融可达性和外资银行金融联系的辐射范围有所扩大,网络连接度增强,2015年外资银行空间网络已覆盖了全国除西藏、青海、甘肃、宁夏和海南等以外的26个省份,比1990年的11个省份明显增加。随着我国“一带一路”的推进、雄安新区和粤港澳大湾区的建设以及海南自由贸易港的成立,外资银行在我国的发展会再进入快速时期,外资金融可达性和外资金融连接度也会稳步增长。
(2)空间网络的平均路径长度整体都偏小,网络中金融传输效率较高,网络具有较高的组织效率。具体而言,平均路径长度都小于2,整体在1.2—1.5之间波动,表明金融节点可以通过不超过两次中转就可以与网络中其他所有金融节点产生金融联系,并且平均路径长度还呈现出缩小趋势,由1990年的1.34减少到2015年的1.2,说明网络中的金融传输效率和组织效率会进一步提高,也佐证了网络中金融连接度和金融可达性增加的态势。
在利润和市场的驱动下,外资银行在我国不断寻求增强自身核心竞争力的金融新资源,随着外资银行空间网络中金融节点的增加,网络中的金融扩散及流通效率逐渐提升,金融节点之间的联系和交流日益增多。同时,网络中原有信息不对称现象逐步被新增加金融节点之间的连接关系所淡化,因此网络的平均路径长度不断缩短。
(3)空间网络中大部分金融节点与相邻金融节点存在金融联系,具有局域小集团网络化特征,网络集聚效应明显。具体而言,聚集系数都超过0.8,2015年达到了0.95,比1990年增加了14.4%,增长幅度明显,越来越接近完全网络,说明网络在局部形成小集团网络的同时逐渐向外辐射,与空间网络拓展的结论相似。网络中比较高的聚集系数有利于局域小集团之间的相互信任避免了市场机会主义。
(4)空间网络有序性经历了先减弱后增加的变化过程,但整体呈现出增强的趋势。结构熵由1990年的1.07增加到2001年的1.43,2015年减少到0.97。说明上世纪90年代初,受国家金融政策的影响,特别是对外资银行设立机构和开展人民币业务的地域限制,使得外资银行更多的倾向于在已设立金融机构的城市发展,在先进入外资银行的示范效应和空间锁定及路径依赖作用下,中国外资银行空间分布市场规律不明显,网络的有序性减弱。但随着中国金融业改革的推进,先后取消了外资银行设立机构和开展人民币业务的地域限制,外资银行对我国的投资环境和金融市场也日益熟悉,同时网络中各金融节点之间的金融联系和交流也日益频繁,网络中的金融信息不对称现象有所缓解,外资银行的空间分布呈现出一定的市场规律性。
(5)空间网络中核心—边缘结构明显,并且核心—边缘结构现象整体有所加剧,构成核心区和边缘区的金融节点发生了变化和重组,整体规模都有所增加,但核心区增长比边缘区明显。核心区金融节点之间一直保持着较高的金融联系(表 2),而边缘区的金融联系有所降低,核心区的辐射带动作用不明显,甚至出现弱化的趋势,但始终大于边缘区金融联系密度。
![]() |
表 2 中国外资银行空间网络核心—边缘结构参数 Tab.2 Core-edge Structural Parameters of Network of Foreign Banks in China |
核心—边缘结构金融节点的构成上(表 3),1990年核心区主要由沿海城市构成,边缘区主要由内陆行政级别较高的城市和沿海城开放市构成,随着空间网络覆盖范围的扩张,构成核心区和边缘区的金融节点也发生变化,边缘区金融节点进一步向中西部延伸,早期处在边缘区的金融节点在核心区金融节点的金融辐射带动作用下逐步演化成核心区成员。核心—边缘结构金融联系方面,核心区金融节点之间的金融联系占主导,其次是核心—边缘区之间的金融联系强度,但与边缘区内部金融联系强度一样,核心—边缘区之间的金融联系强度整体偏小,核心区的辐射带动作用还不是很明显,呈现出略微下降趋势。
![]() |
表 3 中国外资银行空间网络核心—边缘结构构成 Tab.3 Core-edge Structure of Network of Foreign Banks in China |
研究表明,一方面空间网络中边缘区金融节点之间较少直接发生金融联系,各种金融信息大多是通过核心区金融节点进行传递,这一现象与前面研究结论基本吻合。另一方面空间网络中核心区金融节点的示范带动效应潜力巨大,在后续的发展过程中,除了空间扩张之外,还应进一步挖掘核心区金融节点的发展潜力,充分发挥辐射带动作用,促进外资银行空间网络整体的金融联系和各种金融信息的传递和流通。
3 外资银行空间分布的影响因素 3.1 变量选择选取外资银行网点规模为被解释变量。基于内部化资源、市场机会、集聚态势和区位条件等几方面(图 5),同时考虑数据的可获得性及相关学者研究[33, 42, 43]选择解释变量。
![]() |
图 5 中国外资银行空间分布的影响因素理论框架 Fig.5 Theoretical Framework of Influencing Factors on Spatial Distribution of Foreign Banks in China |
第一,内部化资源。内部化资源指外资银行为了进一步维持和巩固母国已有客户的金融服务关系,伴随着母国已有客户的海外投资实现跨国经营。这种跟随其母国已有客户而实现跨国经营称为跟随客户,所以选择跟随客户为内部化资源的替代变量,指标选择地区进出口总额(TIE)和外商直接投资(FDI)。
第二,市场机会。市场机会是区位论中市场导向区位论的具体表现,外资银行为了实现利润最大化,一般会在选择在市场优势或者资源优势较明显的区域布局网点,最终达到扩大全球市场范围。从某种程度上讲,市场机会与区域经济发展相联系,区域经济发展越好,对外资银行的吸引力也越强。指标选择人均地区生产总值(PGDP)和城镇人均可支配收入(UPDI)。
第三,集聚态势。集聚态势源于区位论中的韦伯工业区位论,指经济活动在某一特定地理位置上的集聚而形成集聚经济效应。金融资源集聚程度越高,越有利于提供各种金融业务,区域对外资银行的吸引力也越强。因此,选择金融集聚作为集聚态势的替代变量,具体指标选择金融机构存贷款总额(TDLF)和金融机构从业人员(EFI)。
第四,区位条件。区位条件涵盖经济活动本身以外的交通基础设施、制度文化和社会关系等所有外部环境。已有研究表明,区位条件是外资银行对外扩张的一个必要条件,也是解释外资银行区位选择的关键变量。
考虑到我国对外资银行施行的逐步开放的政策,选择区位政策和区位效应作为区位条件的替代变量。区位政策选择地域限制和业务限制两个政策变量,具体取值为研究单元在分析年份允许建立外资金融机构的时间长度(AOFT)和允许外资银行经营人民币业务的时间长度(AFBT)两个政策变量。区位效应选择全国金融中心和央行总部所在地(NFCHL)和区域分行所在地(RBL)两个虚拟变量表征。
允许建立经营性外资金融机构的时间长度(AOFT)和允许外资银行经营人民币业务的时间长度(AFBT)按照国家政策进行计算。1998年7月宣布全面取消了外资银行在我国设立机构的地域限制,2006年11月全面取消了外资银行经营人民币业务的地域和客户限制,由于1990年没有外资银行取得经营人民币业务,故在1990年的模型中,指标允许外资银行经营人民币业务的时间长度(AFBT)缺失。
虚拟变量方面,北京和上海的虚拟变量全国金融中心和央行总部所在地(NFCHL)赋值为1,其他城市为0。天津、沈阳、南京、济南、武汉、上海、广州、成都和西安9个城市的虚拟变量区域分行所在地(RBL)赋值为1,其它城市为0。具体指标选取见表 4,同时对自变量进行了取对数和选择上一期数据的处理。
![]() |
表 4 中国外资银行空间分布影响因素的指标选取 Tab.4 The Index Selection of Influencing Factors on Spatial Distribution of Foreign Banks in China |
通常情况下,一般用伪R2反映计量模型的拟合优度,但条件Logit模型为非线性模型,导致条件Logit模型中的伪R2比较小。Cheng等认为若R2值为0.2—0.4表示条件Logit模型具有较好的拟合程度[43]。以此为依据,本文只分析拟合程度较好的模型。
考虑到变量类型和外资银行在我国的实际发展情况,模型1考虑跟随客户,模型2考虑市场机会,模型3考虑金融集聚,模型4考虑政策效应,模型5选择跟随客户、市场机会、金融集聚和政策效用中影响概率大的自变量进行整体分析。根据表 5—表 7具体分析如下:
![]() |
表 5 1990年外资银行空间分布影响因素回归结果 Tab.5 Regression Results of Influencing Factors of Vacancy Distribution of Foreign Banks in 1990 |
![]() |
表 6 2001年外资银行空间分布影响因素回归结果 Tab.6 Regression Results of Influencing Factors of Vacancy Distribution of Foreign Banks in 2001 |
![]() |
表 7 2015年外资银行空间分布影响因素回归结果 Tab.7 Regression Results of Influencing Factors of Vacancy Distribution of Foreign Banks in 2015 |
(1)模型1中,外资银行的空间分布受跟随客户的影响显著,不同年份影响概率存在差异。总体上,1990年的影响概率大于2015年,具体指标中,进出口总额(TIE)的影响概率大于外商直接投资(FDI)的影响概率。这也很好的诠释了进出口总额和外商直接投资优势明显的东部城市分布着大量外资银行,随着外资银行业逐步向内陆区域的扩张,指标影响概率也随之减小。
模型1的研究结论说明早期外资银行在对中国金融信息、金融市场和金融政策等因素不是很熟悉的情况下,为了降低经营风险,选择跟随进出口企业进入中国,为企业提供金融产品和服务,通过服务于进出口贸易而获得市场盈利空间,进而决定外资银行的空间区位选择偏好贸易型区域。
(2)模型2中,外资银行的空间分布受市场机会的影响显著,但拟合程度不是很好,指标在不同年份的影响概率存在差异。总体上,2015年的影响概率大于1990年,具体指标中,城镇居民人均可支配收入(UPDI)的影响概率大于人均GDP(PGDP)的影响概率。
模型2的研究结论说明随着改革开放的深入,一方面外资银行对我国金融投资经验及金融环境逐渐熟悉,另一方面我国针对外资银行的政策逐步放开,特别是1998年全面取消外资银行设立机构的地域限制和2006年全面取消外资银行经营人民币业务的地域和客户限制,加上市场化和信息化也得到大力发展,市场同质性也越来越明显,外资银行在空间上的选择更加注重经济效益的市场化。
(3)模型3中,外资银行的空间分布受金融集聚的影响明显,不同年份的影响概率存在差异。金融机构存贷款总额(TDLF)的影响概率一直为正显著,且大小相对较稳定,而金融业从业人员(EFI)的影响概率并不显著。
模型3的研究结论说明外资银行的空间分布偏好于金融机构存贷款总额较大的城市,大规模的金融机构存贷款总额表明金融业市场规模较大,外资银行选择金融业市场较大的区域有利于获取各种信息,更好的服务于客户,有效降低风险的同时还缩减了业务成本,从而实现金融集聚经济。与此同时,由于外资银行的运作特点,对地方金融业中一般的从业人员依赖不是很明显,在另一层面也解释了导致模型3中的部分结论。
(4)模型4中,外资银行的空间分布受政策效应的影响比较显著,不同年份的影响概率存在差异。总体上2001年最为明显,具体指标中,全国金融中心及央行总部所在地(NFCHL)对外资银行空间分布的影响概率最为明显。
模型4的研究结论说明外资银行在对中国金融投资经验不足以及金融环境不熟悉的情况下,空间分布偏好于对外资银行管制和限制相对较少的允许外资银行进入的金融改革试点城市,再通过示范效应和信息溢出效应吸引着更多的外资银行进入。外资银行在全国金融中心及央行总部所在地集聚明显,这种空间布局使得外资银行比较容易接触中国金融政策制定者的同时也有利于地方化的金融网络构建,进而通过外部规模经济帮助外资银行降低金融商业风险。在集聚效应和规模效应的作用下,区域分行所在地(RBL)对外资银行空间分布的影响概率不是很明显。允许经营人民币业务对外资银行空间分布的影响概率可能与外资银行机构设置和构成有关,比如代表处与营业性机构之间的转变。
(5)模型5中,影响外资银行空间分布的主导因素在不同时期不一样,整体上金融集聚的影响概率比较显著。1990年,外资银行空间分布的主要看重城镇居民人均可支配收入(UPDI)和全国金融中心及央行总部所在地(NFCHL)。两者的影响概率分别达3.38和1.94,其次金融机构存贷款总额(TDLF)的影响概率也呈显著正相关,而外商直接投资(FDI)则表现出不显著负相关。说明改革开放初期,外资银行在对我国金融投资经验不足以及金融环境不熟悉的情况下,为了降低其金融商业风险,外资银行主要跟随进出口企业进入中国,具体的区位选择主要考虑微观层面的市场机会和区位效应。
2001年,外资银行空间分布的主导因素由1990年的城镇居民人均可支配收入(UPDI)演化成金融机构存贷款总额(TDLF),城镇居民人均可支配收入(UPDI)和全国金融中心及央行总部所在地(NFCHL)的影响概率差别不大,而进出口总额(TIE)则表现出不显著负相关。说明随着改革开放的深入,外资银行在对我国金融投资经验及金融环境逐渐熟悉的情况下,特别是1998年7月我国宣布全面取消了外资银行设立机构的地域限制,区位选择更注重金融集聚。
2015年,外资银行空间分布的主导因素还是金融机构存贷款总额(TDLF),只不过影响概率有所减小。除全国金融中心及央行总部所在地(NFCHL)的影响概率变化不明显外,其他指标的影响概率都发生了比较明显的变化。说明在全面取消外资银行的地域限制和人民币业务限制后,外资银行在空间上的选择更加注重经济效益的理性化,特别是经历国际金融危机和国内经济新常态以后,部分外资银行也纷纷调整了在华经营政策。为了应对国际国内的经济金融发展形势,降低其金融商业风险,在先前已进入外资银行的示范带动作用下,外资银行在空间的分布偏好于相对成熟的客户市场和金融市场。
4 结论基于外资银行网点数据,借鉴连锁型网络模型,构建了1990年、2001年和2015年中国外资银行空间网络,利用网络分析软件分析了平均度、平均路径长度、集聚系数、结构熵和核心—边缘结构等特征参数,借助条件logit模型对影响因素进行了实证分析。总结全文得以下主要结论:
(1)中国外资银行空间网络小世界网络特征明显,具有较大的集聚系数和和较小的平均路径长度,显示出较强的连通能力和较高的组织效率,同时,网络中局域小集团网络化特征和核心—边缘结构明显。
(2)随着中国外资银行空间网络规模的平稳增长,网络中金融连接度和外资金融可达性增加,金融传输效率和组织效率进一步提高。在形成小集团网络的同时逐渐向外辐射,但核心—边缘结构现象有所加剧,网络的有序性经历了先增加后减弱的变化过程,但整体呈现出增强的趋势。
(3)中国外资银行空间分布的主导因素在不同时期不一样,整体上受金融集聚的影响概率比较显著。1990年空间分布的主导因素是市场机会和区位效应,2001年主导因素演变成金融集聚,2015年主导因素没有发生变化还是金融集聚,但指标的具体影响概率比2001年有所降低。
在取得以上结论的同时,也注意到基于整体外资银行网点构建的空间网络可能掩盖了个体差异,同时与实际资本流的空间网络还有一定差别。在影响因素分析部分,理论框架的普适性还有待进一步补充和完善。
[1] |
武巍, 刘卫东, 刘毅. 西方金融地理学研究进展及其启示[J]. 地理科学进展, 2005, 24(4): 19-27. [Wu Wei, Liu Weidong, Liu Yi. Progress in financial geography in western countries and its implications for Chinese geographers[J]. Progress in Geography, 2005, 24(4): 19-27. DOI:10.3969/j.issn.1007-6301.2005.04.003] |
[2] |
Leyshon A. Geographies of money and finance Ⅰ[J]. Progress in Human Geography, 1995, 19(4): 531-543. DOI:10.1177/030913259501900406 |
[3] |
Leyshon A. Geographies of money and finance Ⅱ[J]. Progress in Human Geography, 1997, 21(3): 381-392. DOI:10.1191/030913297671200325 |
[4] |
Leyshon A. Geographies of money and finance Ⅲ[J]. Progress in Human Geography, 1998, 22(3): 433-446. DOI:10.1191/030913298671523993 |
[5] |
刘辉, 申玉铭, 柳坤. 中国城市群金融服务业发展水平及空间格局[J]. 地理学报, 2013, 68(2): 186-198. [Liu Hui, Shen Yumin, Liu Kun. The financial services industry development level and spatial pattern of urban agglomeration in China[J]. Acta Geographica Sinica, 2013, 68(2): 186-198.] |
[6] |
夏辉, 苏立峰. 入世后外资银行在华发展及其进入路径的国际比较研究[J]. 中国软科学, 2009(9): 47-53, 59. [Xia Hui, Su Lifeng. Research on the development of foreign banks in China after China's entry into WTO and the international comparison of their entry path[J]. China Soft Science, 2009(9): 47-53, 59. DOI:10.3969/j.issn.1002-9753.2009.09.007] |
[7] |
Haberly D. White knights from the Gulf:Sovereign wealth fund investment and the evolution of German industrial finance[J]. Eco-nomic Geography, 2014, 90(3): 293-320. DOI:10.1111/ecge.12047 |
[8] |
Clark G L, Monk A H B. State and local pension fund governance and the process of contracting for investment services:The scope of diversity and the problem of embeddedness[J]. Territory Politics Governance, 2014, 2(2): 150-172. DOI:10.1080/21622671.2014.893836 |
[9] |
Pan F, Brooker D. Going global? Examining the geography of Chinese firms' overseas listings on international stock exchanges[J]. Geoforum, 2014, 52: 1-11. DOI:10.1016/j.geoforum.2013.12.003 |
[10] |
Halbert L, Rouanet H. Filtering risk away:Global finance capital, transcalarterritorial networks and the (Un)making of city-regions:An analysis of business property development in Bangalore, India[J]. Regional Studies, 2014, 48(3): 471-484. DOI:10.1080/00343404.2013.779658 |
[11] |
李小建. 金融地理学理论视角及中国金融地理研究[J]. 经济地理, 2006, 26(5): 721-725. [Li Xiaojian. A theoretical review of financial geography and study of financial geography in China[J]. Economic Geography, 2006, 26(5): 721-725. DOI:10.3969/j.issn.1000-8462.2006.05.001] |
[12] |
潘峰华, 徐晓红, 夏亚博, 等. 境外金融地理学研究进展及启示[J]. 地理科学进展, 2014, 33(9): 1231-1240. [Pan Fenghua, Xu Xiaohong, Xia Yabo, et al. Progresses of financial geography and implications[J]. Progress in Geography, 2014, 33(9): 1231-1240.] |
[13] |
彭宝玉, 谢桂珍, 魏雪燕, 等. 中国区域经济、金融发展差异分析[J]. 地域研究与开发, 2016, 35(4): 1-5, 11. [Peng Baoyu, Xie Guizhen, Wei Xueyan, et al. Regional disparity comparisons between economic and financial development in China[J]. Areal Research and Development, 2016, 35(4): 1-5, 11. DOI:10.3969/j.issn.1003-2363.2016.04.001] |
[14] |
武巍, 刘卫东, 刘毅. 中国地区银行业金融系统的区域差异[J]. 地理学报, 2007, 62(12): 1235-1243. [Wu Wei, Liu Weidong, Liu Yi. Regional differences of local banking systems in China[J]. Acta Geographica Sinica, 2007, 62(12): 1235-1243.] |
[15] |
潘峰华, 胡晓辉, 梅丽霞, 等. 第四届全球经济地理大会观察[J]. 地理学报, 2015, 70(12): 2034-2039. [Pan Fenghua, Hu Xiaohui, Mei Lixia, et al. Observation of the fourth global economic geographic congress[J]. Acta Geographica Sinica, 2015, 70(12): 2034-2039.] |
[16] |
李振发, 徐梦冉, 贺灿飞, 等. 金融地理学研究综述与展望[J]. 经济地理, 2018, 38(7): 7-15. [Li Zhenfa, Xu Mengran, He Canfei, et al. Review and prospects on financial geography[J]. Economic Geography, 2018, 38(7): 7-15.] |
[17] |
Rossi E C, Taylor P J. Banking networks across Brazilian cities:Interlocking cities within and beyond Brazil[J]. Cities, 2005, 22(5): 381-393. DOI:10.1016/j.cities.2005.07.002 |
[18] |
Bassens D, Derudder B, Witlox F. Searching for the Mecca of finance:Islamic financial services and the world city network[J]. Area, 2010, 42(1): 35-46. DOI:10.1111/j.1475-4762.2009.00894.x |
[19] |
Aymanns C, Georg C P. Contagious synchronization and endogenous network formation in financial networks[J]. Journal of Banking & Finance, 2014, 50: 273-285. |
[20] |
Jääskeläinen M, Maula M. Do networks of financial intermediaries help reduce local bias? Evidence from cross-border venture capital exits[J]. Journal of Business Venturing, 2014, 29(5): 704-721. DOI:10.1016/j.jbusvent.2013.09.001 |
[21] |
Craig B, Peter G V. Interbank tiering and money center banks[J]. Journal of Financial Intermediation, 2014, 23(3): 322-347. DOI:10.1016/j.jfi.2014.02.003 |
[22] |
Coe N M, Lai K P, Wójcik D. Integrating finance into global production networks[J]. Regional Studies, 2014, 48(5): 761-777. DOI:10.1080/00343404.2014.886772 |
[23] |
胡志浩, 李晓花. 复杂金融网络中的风险传染与救助策略——基于中国金融无标度网络上的SIRS模型[J]. 财贸经济, 2017, 38(4): 101-114. [Hu Zhihao, Li Xiaohua. Contagion and bailout strategy in complex financial network:SIRS model on the Chinese scalefree financial network[J]. Finance & Trade Economics, 2017, 38(4): 101-114.] |
[24] |
林砚, 陈志新. 基于复杂网络理论的金融网络风险传染性评估模型[J]. 南方金融, 2018(5): 16-26. [Lin Yan, Chen Zhixin. Risk contagion assessment model of financial network based on complex network theory[J]. South China Finance, 2018(5): 16-26. DOI:10.3969/j.issn.1007-9041.2018.05.003] |
[25] |
韩华, 吴翎燕, 宋宁宁. 基于随机矩阵的金融网络模型[J]. 物理学报, 2014, 63(13): 439-448. [Han Hua, Wu Lingyan, Song Ningning. Financial networks model based on random matrix[J]. Acta Physica. Sinica, 2014, 63(13): 439-448.] |
[26] |
穆秀清, 何华, 王金环. 基于加权局域世界的金融网络演化模型研究[J]. 系统科学与数学, 2017, 37(5): 1272-1286. [Mu Xiuqing, He Hua, Wang Jinhuan. Research on the model of the financial network evolution based on the weighted local-world[J]. Journal of Systems Science and Mathematical Sciences, 2017, 37(5): 1272-1286.] |
[27] |
马学广, 李鲁奇. 中国城市网络化空间联系结构——基于银行网点数据的研究[J]. 地理科学进展, 2017, 36(4): 393-403. [Ma Xueguang, Li Luqi. Network spatial connection structure of Chinese cities based on bank branches data[J]. Progress in Geography, 2017, 36(4): 393-403.] |
[28] |
程玉鸿, 陈利静. 城市网络发育特征及其对城市竞争力的影响——基于珠三角主要金融行业148家企业选址数据[J]. 产经评论, 2014(4): 117-127. [Cheng Yuhong, Chen Lijing. Development characteristics of city network and its influence on urban competitiveness:Based on location data of 148 major financial firms on Pearl River Delta[J]. Industrial Economic Review, 2014(4): 117-127. DOI:10.3969/j.issn.1674-8298.2014.04.012] |
[29] |
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. [Zhao Jinli, Sheng Yanwen, Zhang Lulu, et al. Evolution of urban agglomeration financial network in China based on subdivision industry[J]. Acta Geographica Sinica, 2019, 74(4): 723-736.] |
[30] |
任会明, 叶明确. 上海银行产业的网络结构特征和空间格局演化[J]. 经济地理, 2018, 38(9): 147-157. [Ren Huiming, Ye Mingque. Network structure characteristics and spatial pattern evolution of Shanghai banking industry[J]. Economic Geography, 2018, 38(9): 147-157.] |
[31] |
刘丙章, 彭宝玉, 高建华. 基于银行网点布局的河南省金融网络格局及结构特征[J]. 地域研究与开发, 2017, 36(1): 29-34, 54. [Liu Bingzhang, Peng Baoyu, Gao Jianhua. Pattern and structure of financial network in Henan province based on layout of bank branches[J]. Areal Research and Development, 2017, 36(1): 29-34, 54. DOI:10.3969/j.issn.1003-2363.2017.01.006] |
[32] |
赵金丽, 王曼曼, 张璐璐, 等. 中国城市群金融联系网络时空格局演化及影响因素[J]. 经济地理, 2018, 38(4): 91-99. [Zhao Jinli, Wang Manman, Zhang Lulu, et al. Evolution and influencing factors of spatio-temporal patterns of financial linkage networks of urban agglomerations in China[J]. Economic Geography, 2018, 38(4): 91-99.] |
[33] |
贺灿飞, 傅蓉. 外资银行在中国的区位选择[J]. 地理学报, 2009, 64(6): 701-712. [He Canfei, Fu Rong. An empirical study on the locational choices of foreign banks in China[J]. Acta Geographica Sinica, 2009, 64(6): 701-712. DOI:10.3321/j.issn:0375-5444.2009.06.007] |
[34] |
李爱喜. 外资银行在华区位选择行为及实证分析[J]. 国际贸易问题, 2009(3): 118-124. [Li Aixi. Empirical research on the location distribution behavior of foreign-funded banks in China[J]. Journal of International Trade, 2009(3): 118-124.] |
[35] |
郑伯红, 汤建中. 跨国银行在华发展区位研究[J]. 世界地理研究, 2001, 10(4): 21-28. [Zheng Bohong, Tang Jianzhong. Study on the location of multinational banks in China abstract[J]. World Regional Studies, 2001, 10(4): 21-28. DOI:10.3969/j.issn.1004-9479.2001.04.004] |
[36] |
张红军, 杨朝军. 外资银行进入中国市场的区位选择及动因研究[J]. 金融研究, 2007(9): 160-172. [Zhang Hongjun, Yang Chaojun. Study on location selection and motivation of foreign banks entry into China market[J]. Journal of Financial Research, 2007(9): 160-172.] |
[37] |
谢守红, 汪明峰. 外资金融机构在中国的区位分布研究[J]. 人文地理, 2004, 19(3): 50-55. [Xie Shouhong, Wang Mingfeng. A study on the location of foreign financial institutions in China[J]. Human Geography, 2004, 19(3): 50-55. DOI:10.3969/j.issn.1003-2398.2004.03.011] |
[38] |
Taylor P J, Derudder B, Faulconbridge J, et al. Advanced producer service firms as strategic networks, global cities as strategic places[J]. Economic Geography, 2014, 90(3): 267-291. DOI:10.1111/ecge.12040 |
[39] |
郭世泽, 陆哲明. 复杂网络基础理论[M]. 北京: 科学出版社, 2013: 39-41, 71. [Guo Shize, Lu Zheming. Basic Theory of Complex Networks[M]. Beijing: Science Press, 2013: 39-41, 71.]
|
[40] |
钟业喜, 冯兴华, 文玉钊. 长江经济带经济网络结构演变及其驱动机制研究[J]. 地理科学, 2016, 36(1): 10-19. [Zhong Yexi, Feng Xinghua, Wen Yuzhao. The evolvement and driving mechanism of economic network structure in the Changjiang River Economic Zone[J]. Scientia Geographica Sinica, 2016, 36(1): 10-19.] |
[41] |
Cheng S. The role of labour cost in the location choices of Japanese investors in China[J]. Papers in Regional Science, 2010, 85(1): 121-138. |
[42] |
张满银, 韩大海, 温世辉. 外资银行在两岸投资区位选择影响因子分析[J]. 财经问题研究, 2011(6): 69-75. [Zhang Manyin, Han Dahai, Wen Shihui. Influencing factor analysis on location selection of foreign banks in cross-strait investment[J]. Research on Financial and Economic Issues, 2011(6): 69-75. DOI:10.3969/j.issn.1000-176X.2011.06.011] |
[43] |
Yamori N. A note on the location choice of multinational banks:The case of Japanese financial institutions[J]. Journal of Banking & Finance, 1998, 22(1): 109-120. |