吳留鎖 吳衛(wèi)國

摘 要：良好的外部成長環(huán)境對于村鎮(zhèn)銀行增強自身核心競爭力和實現(xiàn)可持續(xù)發(fā)展具有重大的現(xiàn)實意義。本文綜合了突變級數(shù)（CPM）和徑向基函數(shù)神經(jīng)網(wǎng)絡(luò)（RBFNN）兩種模型的優(yōu)點，建立了評估村鎮(zhèn)銀行外部成長環(huán)境的CPM-RBFNN模型，并通過仿真實驗驗證了模型的有效性和準確性，得出了一套更加科學的外部成長環(huán)境評估仿真系統(tǒng)，以此來指導(dǎo)村鎮(zhèn)銀行科學選擇落戶地點。

關(guān)鍵詞： 外部成長環(huán)境；突變級數(shù)；徑向基函數(shù)神經(jīng)網(wǎng)絡(luò)；CPM-RBFNN模型；仿真系統(tǒng)

中圖分類號：F832.35 文獻標識碼：A〓 文章編號：1003-9031（2014）11-0066-06 DOI：10.3969/j.issn.1003-9031.2014.11.14

一、引言

自2006年12月，銀監(jiān)會發(fā)布了《關(guān)于調(diào)整放寬農(nóng)村地區(qū)銀行業(yè)金融機構(gòu)準入政策、更好地支持社會主義新農(nóng)村建設(shè)的若干意見》并決定在四川、青海、甘肅、內(nèi)蒙古、吉林、湖北等六?。▍^(qū)）進行村鎮(zhèn)銀行試點以來，我國邁入了村鎮(zhèn)銀行服務(wù)農(nóng)村經(jīng)濟的新時代。2007年2月8日，四川儀隴惠民村鎮(zhèn)銀行作為首家村鎮(zhèn)銀行揭開了我國村鎮(zhèn)銀行歷史的嶄新序幕。銀監(jiān)會為響應(yīng)國家扶持“三農(nóng)”和新農(nóng)村建設(shè)的政策號召，近年來又陸續(xù)出臺了一系列規(guī)范、扶持農(nóng)村金融機構(gòu)尤其是村鎮(zhèn)銀行的文件，重點對村鎮(zhèn)銀行的持股比例、資本充足率水平、選址原則、具體工作內(nèi)容、政策保障措施以及社會責任方面進行了重大部署，在這些政策的推動下，截至2013年末，我國經(jīng)銀監(jiān)會批準設(shè)立的村鎮(zhèn)銀行達到了2420家（見圖1），短短數(shù)年間，村鎮(zhèn)銀行實現(xiàn)了直線式的規(guī)模擴張。但是，農(nóng)村經(jīng)濟金融環(huán)境較為復(fù)雜，使得村鎮(zhèn)銀行出現(xiàn)了“難以進村”的落戶難問題，也與設(shè)立初衷有所偏離。本文重點對我國村鎮(zhèn)銀行的外部成長環(huán)境進行了實證分析，以期能夠為村鎮(zhèn)銀行選擇落戶地點提供參考，使其能夠按照“兼顧經(jīng)濟效益和社會責任”的原則充分發(fā)揮其扎根農(nóng)村、服務(wù)農(nóng)村的職能。

村鎮(zhèn)銀行物理網(wǎng)點的位置即決定了其成長的先天性外部環(huán)境，外部成長環(huán)境評估問題實質(zhì)上包含了網(wǎng)點選址問題。目前國外很多學者都關(guān)注了銀行選址問題的探討，如Davis（1990）傳統(tǒng)微觀經(jīng)濟學供求理論對金融機構(gòu)選址進行了研究，認為金融機構(gòu)的選址首先必須要有供給和需求[1]。Miliotisl.P（2002）等借助于先進的GIS系統(tǒng)構(gòu)建了金融機構(gòu)選址模型[2]。Turkay Dereli（2010）通過對土耳其村鎮(zhèn)銀行網(wǎng)點布局的考察，認為一個地區(qū)的經(jīng)濟因素（如所在轄區(qū)的GDP、商業(yè)區(qū)繁華程度等）和人口因素（如人口密度、農(nóng)業(yè)人口占比、人均收入等）對村鎮(zhèn)銀行選址會產(chǎn)生影響[3]。Beck T，Augusto de la Torre（2007）在Davis研究的基礎(chǔ)上進一步提出了“獲取可能性邊界”的概念，分析了最優(yōu)約束下金融服務(wù)的供求均衡，為金融機構(gòu)選址提供了進一步的微觀基礎(chǔ)[4]。上述研究都是針對國外銀行選址進行的，目前鮮有文獻針對我國銀行尤其是村鎮(zhèn)銀行選址問題進行研究。周國紅、陸立軍（2002）提出了分層遞階評價體系對中小企業(yè)的成長環(huán)境進行了評估[5]。陳學彬、葉磊（2005）使用模型探討了銀行選址問題[6]。周焱榮（2008）詳細論述了商業(yè)銀行正確選址的方法[7]。許圣道、田霖（2008）通過實證研究發(fā)現(xiàn)我國當前農(nóng)村地區(qū)金融機構(gòu)網(wǎng)點數(shù)量受社會經(jīng)濟因素和金融基礎(chǔ)設(shè)施的顯著影響[8]。梅強、吳亞東（2009）使用因子分析方法評價了中小民營企業(yè)的成長環(huán)境[9]。宋根節(jié)、婁燕強（2010）運用熵權(quán)法和灰色關(guān)聯(lián)度分析的組合方法進行研究[10]。丁建新（2012）等使用灰色關(guān)聯(lián)度分析法對建設(shè)銀行衡水市分行的部分網(wǎng)點進行了評估[11]。

本文將在前人的研究基礎(chǔ)上，從均衡經(jīng)濟效益和社會責任的角度出發(fā)，基于網(wǎng)點選址，構(gòu)建CPM-RBFNN模型，綜合評估村鎮(zhèn)銀行的外部成長環(huán)境。所使用的突變級數(shù)評價法的最大優(yōu)點是只需考慮最底層指標間的相對重要性，無需確定各評價指標的準確權(quán)重值，這免了確定各評價指標權(quán)重值的主觀性。同時，對于底層指標中定性指標在獲取數(shù)據(jù)時采用拉依達法則和均值方法過濾并綜合多位專家的意見。使用徑向基神經(jīng)函數(shù)網(wǎng)絡(luò)模型對突變級數(shù)的評價結(jié)果進行仿真實驗，進一步降低最底層指標專家打分產(chǎn)生人為主觀性。

二、CPM和RBFNN模型簡介

（一）CPM模型

突變理論是由法國數(shù)學家雷內(nèi)·托姆（Rene·Thom）于20世紀70年代所創(chuàng)設(shè)的一門新興數(shù)學分支學科。它解釋了自然界內(nèi)不連續(xù)、突變現(xiàn)象，被譽為“自牛頓和萊布尼茨以來數(shù)學界的又一次偉大的智力革命”。突變理論雖涉及拓撲學、微積分、結(jié)構(gòu)穩(wěn)定性、奇點等深奧的數(shù)學理論，但其應(yīng)用模型較為簡單，廣泛應(yīng)用于多目標評價和多目標決策問題。突變級數(shù)評價法的基本思想是：首先將最終評價目標進行多層次的矛盾分解，把突變理論與模糊數(shù)學相結(jié)合產(chǎn)生突變模糊隸屬函數(shù)，由初等突變模型的分歧集方程推導(dǎo)出歸一化公式，然后逐層次計算突變級數(shù)，最終歸為系統(tǒng)總突變級數(shù)，從而進行多目標評價和多準則決策。其步驟如下：

1.構(gòu)建突變級數(shù)評價指標系統(tǒng)。根據(jù)評價系統(tǒng)的目的，按評價系統(tǒng)的內(nèi)在作用機理，將系統(tǒng)分解為由若干評價指標組成的多層系統(tǒng)，排列成倒立樹狀目標層次結(jié)構(gòu)，由評價總指標到下層指標，逐漸分解到下層子指標。原始數(shù)據(jù)只需要知道最下層子指標的數(shù)據(jù)。因為一般突變系統(tǒng)某狀態(tài)變量的控制變量不超過4個，所以，相應(yīng)地一般各層指標（單指標的子指標）分解到不要超過4個。

2.確定指標系統(tǒng)中各層次的突變系統(tǒng)模型及歸一方程。常用的初等突變系統(tǒng)模型為：尖點突變、燕尾突變和蝴蝶突變，其特點如表2所示。

f（x）表示突變系統(tǒng)的勢函數(shù)，是狀態(tài)變量，x是狀態(tài)變量，a、b、c、d是控制變量，二者相互矛盾，共同決定系統(tǒng)所處的狀態(tài)。在模型示意圖中一般將主要控制變量寫在前面，次要控制變量寫在后面。如果一個指標僅分解為二個子指標，則該系統(tǒng)可視為尖點突變系統(tǒng)；如果一個指標僅分解為三個子指標，則該系統(tǒng)可視為燕尾突變系統(tǒng)；如果一個指標分解為四個子指標，則該系統(tǒng)可視為蝴蝶突變系統(tǒng)。歸一公式是突變系統(tǒng)的分歧集，分歧集的求法如下：

假如突變系統(tǒng)有兩個控制變量U、V和一個狀態(tài)變量x，其勢函數(shù)為F■（x），則分歧集是以下兩個微分方程的解集合。

■？圯 ■

在歸一公式中各變量均取值于（0，1），稱為突變級數(shù)。初始突變級數(shù)的絕對值必須按照“越大越好”的原則投入準則模型方可用歸一公式計算。對同一對象X各控制變量（如a、b、c、d），它們之間若不存在明顯的相互關(guān)聯(lián)作用，則稱該對象各控制變量為非互補型，對應(yīng)的按大中取小的原則取值；同一對象各控制變量之間若存在著明顯的相互關(guān)聯(lián)作用，則稱該對象X各控制變量為互補型，對應(yīng)的X按平均值法取得。

3.利用歸一公式進行評價。根據(jù)多目標模糊決策理論，對于同一方案在多種目標情況下，如D■、D■…D■設(shè)為模糊目標，則理想的策略為C=D■■■D■■…■Dn，其隸屬度函數(shù)為：U■（x）=U■（x）∧U■（x）∧…∧U■（x）。對于不同的方案C■C■…Cm，記方案C■的隸屬度函數(shù)值為U■（x），由于初始突變級數(shù)均為“越大越好”型，因此總的隸屬函數(shù)也越大越優(yōu)。因此，對方案C■和方案C■，若U■（x）>U■（x），則表示方案C■優(yōu)于方案C■。對各評價對象按其總評價指標的得分大小進行優(yōu)劣排序。

（二）RBFNN模型簡介

RBFNN即RBF神經(jīng)網(wǎng)絡(luò)，也稱徑向基函數(shù)神經(jīng)網(wǎng)絡(luò)（Radical Basis Function）。徑向基函數(shù)神經(jīng)網(wǎng)絡(luò)是一種高效的前饋式神經(jīng)網(wǎng)絡(luò)，它具有其他前向網(wǎng)絡(luò)所不具有的最佳逼近性能和全局最優(yōu)特性，并且結(jié)構(gòu)簡單，訓(xùn)練速度快。同時，它也是一種可以廣泛應(yīng)用于模式識別、非線性函數(shù)逼近等領(lǐng)域的神經(jīng)網(wǎng)絡(luò)模型。

三、構(gòu)建村鎮(zhèn)銀行外部成長環(huán)境評估的CPM-RBFNN模型

首先，從我國現(xiàn)有村鎮(zhèn)銀行中選取一定數(shù)量的樣本，使用突變級數(shù)評價法獲得樣本點的外部成長環(huán)境評價值。然后，以樣本點的特征數(shù)據(jù)作為輸入變量，以突變級數(shù)評價值為輸出變量，訓(xùn)練本文所構(gòu)建的徑向基函數(shù)神經(jīng)網(wǎng)絡(luò)模型，徑向基函數(shù)神經(jīng)網(wǎng)絡(luò)的訓(xùn)練過程實際上是一種對輸入值和輸出值之間的非線性擬合，通過不斷調(diào)整各層之間的連接權(quán)重值，使總體誤差逐漸逼近直到達到所設(shè)定的誤差目標的要求，訓(xùn)練成熟的網(wǎng)絡(luò)就像是一個“黑匣子”，里面包含了數(shù)據(jù)之間所隱含的非線性關(guān)系，這種非線性關(guān)系既蘊藏了突變級數(shù)的復(fù)雜算法，又進一步降低了人為主觀性，揭示了我國村鎮(zhèn)銀行選擇落戶地點的內(nèi)在規(guī)律。訓(xùn)練成熟的神經(jīng)網(wǎng)絡(luò)可以直接用來評估村鎮(zhèn)銀行的外部成長環(huán)境。

（一）構(gòu)建村鎮(zhèn)銀行外部成長環(huán)境評估CPM模型

1.村鎮(zhèn)銀行選址的基本原則

在銀監(jiān)會發(fā)布的一些列文件中，對我國村鎮(zhèn)銀行選址的原則做出了明確、清晰的規(guī)定 。總體來說，村鎮(zhèn)銀行作為一種新型銀行機構(gòu)，其經(jīng)營目標也是利潤最大化，其選址也必須圍繞“三性” 平衡的原則來進行。具體來看，可以從以下幾個方面歸納出村鎮(zhèn)銀行選址的基本原則和要求。

一是堅持以客戶為中心兼顧普惠的原則?？蛻趔w現(xiàn)了需求，是村鎮(zhèn)銀行盈利的來源，必須堅持以“三農(nóng)”金融服務(wù)需求為導(dǎo)向，堅持固定網(wǎng)點建設(shè)與簡易便民服務(wù)相結(jié)合，盡力向貧困落后地區(qū)和中西部地區(qū)傾斜，著力提高廣大農(nóng)村地區(qū)金融服務(wù)的覆蓋面和可得性，充分滿足廣大農(nóng)民的基礎(chǔ)金融服務(wù)需求。

二是堅持一切從實際出發(fā)原則。結(jié)合當?shù)貙嶋H，充分考慮地情、民情、行（社）情等因素，為村鎮(zhèn)銀行今后的經(jīng)營活動創(chuàng)造一個良好的環(huán)境。

三是堅持利潤最大化原則。村鎮(zhèn)銀行還處于創(chuàng)設(shè)初期，在選址時必須高度重視其可持續(xù)性發(fā)展的問題，能夠獲得不斷增長的利潤是村鎮(zhèn)銀行成長壯大的基本條件。因此，必須堅持市場化運作與政策扶持引導(dǎo)相結(jié)合，實現(xiàn)成本核算和承擔社會責任的科學平衡。

四是堅持風險分散原則。村鎮(zhèn)銀行如果能較好地分散風險，對于其實現(xiàn)利潤最大化具有重要作用。在選址時，應(yīng)充分當?shù)亟鹑诨A(chǔ)設(shè)施的完善情況，以為日后建立健全風控機制打下良好基礎(chǔ)。

2.指標選取

結(jié)合本文以上對村鎮(zhèn)銀行選址基本原則的論述，考慮經(jīng)濟效益和社會責任，將外部宏觀和微觀的成長環(huán)境分為人文經(jīng)濟、區(qū)位和競爭度三大維度，選取了所在轄區(qū)GDP（A1）、人口密度（A2）、人均收入水平（A3）、農(nóng)業(yè)人口占比（A4）、地租成本（A5）、交通便利程度（A6）、商業(yè)區(qū)繁華程度（A7）、周邊同業(yè)機構(gòu)數(shù)量（A8）、區(qū)域政策因素（A9）等9個底層指標。根據(jù)上文關(guān)于指標選取以及突變級數(shù)評價法模型的說明，本文構(gòu)建了如圖2所示的村鎮(zhèn)銀行外部成長環(huán)境評估突變級數(shù)評價的指標框架。由于人文經(jīng)濟維度的子指標有4個所以其適用于蝴蝶突變，競爭維度有2個子指標，適用于尖點突變。同理，最高層指標C和區(qū)位維度適用于燕尾突變。

（二）構(gòu)建村鎮(zhèn)銀行外部成長環(huán)境評估的CPM-RBFNN模型

根據(jù)CPM模型的特點，筆者構(gòu)建了由輸入層、隱層、輸出層三層構(gòu)成的RBFNN模型。其中，輸入層有9個輸入單元，對應(yīng)于村鎮(zhèn)銀行選址指標系統(tǒng)中A1、A2、…、A9等9個底層指標，隱層節(jié)點的個數(shù)按照經(jīng)驗法則：a=（a■+a■）■+k確定。其中a■和a■分別為輸入層、輸出層節(jié)點的個數(shù)，常數(shù)k為取值于[1，10]之間的整數(shù)。輸出層節(jié)點數(shù)為1，對應(yīng)于基于CPM的村鎮(zhèn)銀行外部成長環(huán)境的評估結(jié)果。徑向基函數(shù)采用高斯函數(shù)（見圖3），即radbas函數(shù)，radbs（n）=e■。

四、實證分析

（一）數(shù)據(jù)來源及處理

考慮到中西部地區(qū)近年來村鎮(zhèn)銀行的快速發(fā)展，本文在中西部地區(qū)選取的樣本數(shù)量稍微多于東部地區(qū)。其中，東部9家，中部20家，西南6家，東北8家。通過查閱各地統(tǒng)計年鑒，咨詢專家，并借助百度地圖以及實地調(diào)研獲取了樣本點的相關(guān)數(shù)據(jù)。

使用如下公式對底層指標的數(shù)值進行標準化處理以消除量綱。

y■=■

其中，i=1，2…9（對應(yīng)底層指標），j=1，2…43（對應(yīng)樣本）。

定性指標的數(shù)值來源于經(jīng)驗數(shù)據(jù)，對于經(jīng)驗值本文首先采用拉依達準則進行處理以消除異常值，用剩下的合理值的均值作為指標的最終值。

拉依達準則：如果X～N（？滋，？啄■），對于P（|x-？滋|>3？啄≤0.0003的集合的補集稱為異常點集。

X～N（？滋，？啄）？圯■～N（0，1），P（|x-？滋|>3？啄）=？椎（3）

P（|x-？滋|>3？啄）？蕎0.003？圯？椎（■）？蕎？椎（3）+0.0003=0.999

通過Matlab中的normcdf（）和norminv（）函數(shù)得到？椎（3）=0.9987和0.999對應(yīng)的臨界值為3.0902。

？椎（■）？蕎0.999 ？圯 ■？蕎3.0902 ？圯 |x-？滋|？蕎3.0902？啄。

也即滿足|x-？滋|>3.0902？啄的值均為異常值，應(yīng)予以刪除。

（二）使用CPM模型獲得各樣本點的評價值

由于各對象的控制變量之間存在明顯的關(guān)聯(lián)性，所以均按“互補性”原則把下層指標遞歸到上一層。使用MatlabR2013a編程實現(xiàn)對樣本村鎮(zhèn)銀行外部成長環(huán)境突變級數(shù)評價（見表2）。

（三）基于CPM評價結(jié)果訓(xùn)練RBFNN模型

為了檢驗徑向基函數(shù)神經(jīng)網(wǎng)絡(luò)對于突變級數(shù)評價結(jié)果的擬合效果，本文構(gòu)建了BP神經(jīng)網(wǎng)絡(luò)模型進行對比分析，BP網(wǎng)絡(luò)的拓撲結(jié)構(gòu)為：輸入層由9個神經(jīng)元構(gòu)成，隱層由14個神經(jīng)元構(gòu)成，輸出層由1個神經(jīng)元構(gòu)成，目標誤差也設(shè)為1e-6。運用MatlabR2013a軟件進行編程，將樣本的前38組作為訓(xùn)練組，用來訓(xùn)練網(wǎng)絡(luò)。后5組作為測試組，用來檢測網(wǎng)絡(luò)的可行性。

通過對比圖4與圖5，可以看出徑向基函數(shù)神經(jīng)網(wǎng)絡(luò)經(jīng)過35步達到誤差目標，BP神經(jīng)網(wǎng)絡(luò)經(jīng)過56步達到誤差目標；通過圖6可以看出徑向基函數(shù)神經(jīng)網(wǎng)絡(luò)的輸出值曲線和突變級數(shù)評價值曲線比較接近，而BP神經(jīng)網(wǎng)絡(luò)的輸出值曲線和突變級數(shù)評價值曲線的偏差明顯大的多。因此，徑向基函數(shù)神經(jīng)網(wǎng)絡(luò)相對于BP神經(jīng)網(wǎng)絡(luò)收斂速度更快、模擬精度更高，逼近能力更強。從表4可以發(fā)現(xiàn)，徑向基函數(shù)仿真系統(tǒng)與突變級數(shù)評價值有很強的一致性，誤差控制在了1.1%之內(nèi)，說明了該仿真系統(tǒng)具有很好的泛化能力。利用本文中訓(xùn)練好的徑向基函數(shù)網(wǎng)絡(luò)仿真系統(tǒng)來評估村鎮(zhèn)銀行的外部成長環(huán)境是科學的有效的。

五、結(jié)論及政策建議

1.針對前人的研究人為主觀性強的問題。本文構(gòu)建了三道降低主觀性的工序：首先，對于定性指標使用拉依達法則過濾掉經(jīng)驗數(shù)據(jù)中的極端值，并使用均值化結(jié)果作為終值；其次，使用更加科學的突變級數(shù)評價法獲得樣本點的評價值；最后，運用徑向基函數(shù)神經(jīng)網(wǎng)絡(luò)模型進行仿真實驗一方面進一步降低評價結(jié)果的人為主觀性，使結(jié)果更加科學可信，另一方面得到了一套可以用于指導(dǎo)村鎮(zhèn)銀行進行外部成長環(huán)境評估的仿真系統(tǒng)。

2.村鎮(zhèn)銀行的外部成長環(huán)境是銀行實現(xiàn)利潤的基礎(chǔ)。一個好的選址有利于增強銀行的持續(xù)盈利能力，在選址的過程中應(yīng)盡量避免人為主觀性決策，應(yīng)綜合考慮各種因素，使用科學的模型。從本文的實證結(jié)果看，徑向基函數(shù)神經(jīng)網(wǎng)絡(luò)模型擬合的精確度很高，預(yù)測值的相對誤差控制在1.1%的范圍之內(nèi)，突變級數(shù)—徑向基函數(shù)神經(jīng)網(wǎng)絡(luò)模型可以作為村鎮(zhèn)銀行選擇落戶地點的參考模型。

3.從徑向基函數(shù)神經(jīng)網(wǎng)絡(luò)的輸出值看。東部地區(qū)的村鎮(zhèn)銀行外部成長環(huán)境的評價值普遍高于其他地區(qū)，原因是東部地區(qū)經(jīng)濟實力較為雄厚、人流量較大、交通便利、人均收入水平較高等因素覆蓋掉了農(nóng)業(yè)人口占比不高對評價結(jié)果的影響，為村鎮(zhèn)銀行的成長提供了良好的基礎(chǔ)。從村鎮(zhèn)銀行經(jīng)營者的角度看，在追求經(jīng)濟效益的同時應(yīng)加大對農(nóng)業(yè)農(nóng)民的扶持力度，將經(jīng)營范圍適當向農(nóng)業(yè)發(fā)達地區(qū)傾斜，將經(jīng)營網(wǎng)點向經(jīng)濟基礎(chǔ)較好的村鎮(zhèn)延伸。同時，廣大的中西部農(nóng)村地區(qū)應(yīng)該加大基礎(chǔ)設(shè)施建設(shè)，以農(nóng)產(chǎn)品為依托發(fā)展農(nóng)產(chǎn)品加工業(yè)以提高農(nóng)業(yè)的經(jīng)濟效益，為村鎮(zhèn)銀行的落戶創(chuàng)造積極條件?！?/p>

（責任編輯：張恩娟）

參考文獻：

[1]Davis E.P. International financial Centers： An Industrial- Analysis[R]. Lodon，1990：51.

[2]Milioltisl.P， Dimopoulou.M， Giannikos. I. A Hierarchical Location Model for Locating Bank Branches in a Competitive Environment[J].Transactions in Operational Research，2002，9（5）：549-565.

[3] Turkay Dereli. An Empirical Model for Bank Branch Planning： the case of a Turkish Bank[Z].2010.

[4]Beck T，Augusto de la Torre. The Basic Analytics of Access to Financial Services[J].Financial Markets， Institutions and Intruments，2007，2（16）：79-117.

[5]周國紅，陸立軍. 科技型中小企業(yè)成長環(huán)境評價指標體系的構(gòu)建[J]. 數(shù)量經(jīng)濟技術(shù)經(jīng)濟研究，2002（2）：32-35.

[6]葉磊.銀行分支機構(gòu)選址分析[J].農(nóng)村金融研究，2005（10）：43-45.

[7]周焱榮.銀行優(yōu)化網(wǎng)點網(wǎng)絡(luò)布局方法初探[J].河北金融，2008（6）：20-22.

[8]許圣道，田霖.我國農(nóng)村四區(qū)金融排斥研究[J].金融研究，2008（7）：195-206.

[9]梅強，吳亞東. 基于因子分析的中小民營企業(yè)外部成長環(huán)境綜合評價[J].中國管理信息化，2009（6）：78-79.

[10]宋根節(jié)，婁燕強.基于熵權(quán)法和灰色關(guān)聯(lián)的商業(yè)銀行網(wǎng)點選址分析[J].金融經(jīng)濟，2010（3）：106-108.

[11]丁建新，刑亞楠，金浩.基于灰色關(guān)聯(lián)分析法的商業(yè)銀行網(wǎng)點選址研究—以建設(shè)銀行衡水分行為例[J].浙江金融，2012，1（1）：50-53.