鄭浦陽，牛 君

(1.華東交通大學(xué)經(jīng)濟(jì)管理學(xué)院，江西 南昌 330100；2.甘肅政法大學(xué)經(jīng)濟(jì)管理學(xué)院，甘肅 蘭州 730070)

經(jīng)濟(jì)全球化的今天，金融領(lǐng)域已成為全球經(jīng)濟(jì)活動(dòng)的中心。區(qū)域范圍內(nèi)主要城市的金融集聚能力和整合能力，對(duì)于衡量區(qū)域城市間競(jìng)爭(zhēng)力，促進(jìn)區(qū)域整體發(fā)展具有重要的意義。珠三角地區(qū)是粵港澳大灣區(qū)的重要組成部分，涵蓋了大灣區(qū)城市群中的9個(gè)城市，因此，對(duì)珠三角地區(qū)金融競(jìng)爭(zhēng)力的分析，將有助于對(duì)大灣區(qū)的認(rèn)識(shí)。

聚類分析是數(shù)理統(tǒng)計(jì)中研究 “物以類聚”的一種方法，是將一批樣品或變量，按照它們性質(zhì)上的親疏程度進(jìn)行分類。傳統(tǒng)的聚類分析有非常明確的劃分依據(jù)，但從實(shí)際情況來說，大多數(shù)的研究對(duì)象沒有嚴(yán)格的屬性，在性態(tài)和類屬上存在中介性，具有“亦此亦彼”的特點(diǎn)。1965年，Zadeh教授在FuzzySet一文中提出了模糊集理論[1]，它一誕生就顯示出強(qiáng)大的影響力，并很快應(yīng)用到多個(gè)領(lǐng)域。在傳統(tǒng)聚類分析的基礎(chǔ)上，對(duì)模糊集理論的應(yīng)用建立起了樣品對(duì)于類別的不確定性描述，可以客觀反映現(xiàn)實(shí)世界的問題。當(dāng)前，利用模糊聚類分析方法衡量區(qū)域金融競(jìng)爭(zhēng)力的研究主要集中在長(zhǎng)三角和京津冀地區(qū)，對(duì)于珠三角地區(qū)金融競(jìng)爭(zhēng)力的研究尚缺乏這一方法的應(yīng)用。本文提出了衡量區(qū)域金融競(jìng)爭(zhēng)力的7個(gè)指標(biāo)，通過7個(gè)指標(biāo)的數(shù)據(jù)提取、分析，對(duì)9個(gè)珠三角城市的金融競(jìng)爭(zhēng)力進(jìn)行模糊聚類處理，旨在對(duì)珠三角地區(qū)城市金融競(jìng)爭(zhēng)力劃分層次，為區(qū)域的整體發(fā)展和粵港澳大灣區(qū)的建設(shè)提供幫助。

一、指標(biāo)體系的提出及依據(jù)

對(duì)于各城市金融競(jìng)爭(zhēng)力的研究，本文參考了張一帆[2]的指標(biāo)體系，在此基礎(chǔ)上進(jìn)行了一定程度的修改，確定將固定資產(chǎn)投資額、全市全年銀行存款額、全市全年銀行貸款額、金融從業(yè)人員人數(shù)、原保險(xiǎn)保費(fèi)收入、外貿(mào)出口總額、實(shí)際吸收外商投資作為衡量一個(gè)城市金融競(jìng)爭(zhēng)力的評(píng)價(jià)指標(biāo)。固定資產(chǎn)投資額，作為表征一個(gè)城市金融發(fā)展環(huán)境的客觀指標(biāo)，在各類金融競(jìng)爭(zhēng)力的研究中都被放在首要位置，外商投資和外貿(mào)出口總額，是表征區(qū)域金融活力的重要外部因素。而存款額、貸款額、金融從業(yè)人員、原保險(xiǎn)保費(fèi)收入等指標(biāo)往往被作為衡量區(qū)域金融競(jìng)爭(zhēng)力的常規(guī)因素，在諸多研究中都有所體現(xiàn)。以下對(duì)本文指標(biāo)的建立依據(jù)做一個(gè)系統(tǒng)的介紹。

第一個(gè)指標(biāo)是固定資產(chǎn)投資額。覃東海等[3]指出：固定資產(chǎn)投資能夠很好地反映區(qū)域上金融發(fā)展、金融自由化的進(jìn)程，是區(qū)域上經(jīng)濟(jì)發(fā)展的重要指標(biāo)。金融競(jìng)爭(zhēng)力的重要表現(xiàn)在于金融市場(chǎng)的自由化程度及其發(fā)展趨勢(shì)。經(jīng)濟(jì)增長(zhǎng)需要資本投入的增加和使用效率的提升，具有豐富來源的固定資產(chǎn)投資不僅能夠襯托一個(gè)區(qū)域的經(jīng)濟(jì)發(fā)展形勢(shì)，還能夠體現(xiàn)這一區(qū)域的金融產(chǎn)業(yè)、金融服務(wù)力以及金融競(jìng)爭(zhēng)力的發(fā)展趨勢(shì)。鑒于固定資產(chǎn)投資來源、投資行為、資本周轉(zhuǎn)回流的復(fù)雜性，對(duì)區(qū)域上金融能力的考驗(yàn)巨大。但考驗(yàn)越大，金融行業(yè)所獲得的機(jī)遇和發(fā)展動(dòng)能也就越大，金融服務(wù)費(fèi)用在整個(gè)固定資產(chǎn)投資流動(dòng)過程中占據(jù)了重要比例，一般在4%～6%左右。固定資產(chǎn)投資高的區(qū)域，金融服務(wù)費(fèi)用的產(chǎn)出以及金融產(chǎn)業(yè)的興盛程度也會(huì)隨之水漲船高。因此，固定資產(chǎn)投資額對(duì)于一個(gè)區(qū)域金融競(jìng)爭(zhēng)力的衡量具有至關(guān)重要的作用，需要作為一個(gè)非常關(guān)鍵的指標(biāo)存在。

第二個(gè)指標(biāo)是全市銀行存款額。存款是銀行負(fù)債的重要組成部分，在開展銀行資產(chǎn)業(yè)務(wù)、中間業(yè)務(wù)中起到基礎(chǔ)作用。當(dāng)前，存款是銀行信貸資金和利潤(rùn)的主要來源，具有穩(wěn)定性強(qiáng)、成本低的特點(diǎn)，可以匹配中、長(zhǎng)期貸款。不同城市，銀行存款額的不同，實(shí)際上反映了區(qū)域上金融業(yè)務(wù)開展能力的差異，是金融競(jìng)爭(zhēng)力不可忽視的一個(gè)環(huán)節(jié)。

第三個(gè)指標(biāo)是全市銀行貸款額。銀行貸款作為銀行金融服務(wù)最主要的盈利來源，是支撐一個(gè)地區(qū)金融服務(wù)體系的給養(yǎng)。較高的銀行貸款額盡管會(huì)對(duì)區(qū)域上金融業(yè)帶來一定的風(fēng)險(xiǎn)，但更多的是增強(qiáng)了區(qū)域上金融體系的盈利能力和發(fā)展空間，對(duì)判斷一個(gè)區(qū)域金融行業(yè)的競(jìng)爭(zhēng)力具有關(guān)鍵性作用。

第四個(gè)指標(biāo)是金融從業(yè)人員人數(shù)。這是一個(gè)地區(qū)金融行業(yè)發(fā)展情況的指針和晴雨表，是一個(gè)地區(qū)金融行業(yè)是否繁盛的重要判別依據(jù)。發(fā)達(dá)的金融體系和繁盛的金融行業(yè)形勢(shì)會(huì)促使一個(gè)區(qū)域內(nèi)金融從業(yè)人員的增加；金融從業(yè)人員的增加反過來又提升了區(qū)域上開展金融業(yè)務(wù)的能力，增加了金融業(yè)的人才儲(chǔ)備。因此，金融從業(yè)人員人數(shù)不僅是反映一個(gè)區(qū)域金融競(jìng)爭(zhēng)力狀況的指標(biāo)，也是直接作用于區(qū)域金融競(jìng)爭(zhēng)力，增加區(qū)域金融競(jìng)爭(zhēng)力的指標(biāo)。

第五個(gè)指標(biāo)是原保險(xiǎn)保費(fèi)收入。原保險(xiǎn)保費(fèi)收入作為保險(xiǎn)公司的直接收入來源，是區(qū)域上除銀行之外，金融服務(wù)行業(yè)的又一大作用領(lǐng)域。保險(xiǎn)行業(yè)由于業(yè)務(wù)覆蓋面廣，種類繁多，在區(qū)域上的金融體系中具有重要的作用，是除銀行存、貸款業(yè)務(wù)之外，金融服務(wù)行業(yè)的主要作用領(lǐng)域和盈利渠道，是區(qū)域上金融競(jìng)爭(zhēng)力重要的表現(xiàn)因素。

第六個(gè)指標(biāo)是外貿(mào)出口總額。白當(dāng)偉[4]以金融機(jī)構(gòu)的流動(dòng)性負(fù)債占GDP比例作為指標(biāo)，以私人信息占總信貸比重作為金融發(fā)展指標(biāo)，采用1965—2000年間77個(gè)國(guó)家的截面數(shù)據(jù)做截面回歸分析，得出金融發(fā)展是影響對(duì)外貿(mào)易的重要因素。同構(gòu)金融發(fā)展與對(duì)外貿(mào)易指標(biāo)格蘭杰因果關(guān)系檢驗(yàn)，得出金融發(fā)展規(guī)模與對(duì)外貿(mào)易之間的相關(guān)性。一般說來，一個(gè)區(qū)域金融發(fā)展規(guī)模越大，對(duì)外貿(mào)易規(guī)模越大。對(duì)外貿(mào)易作為反映區(qū)域上金融發(fā)展規(guī)模的指標(biāo)，在衡量區(qū)域金融競(jìng)爭(zhēng)力上具有重要意義。

第七個(gè)指標(biāo)是實(shí)際吸收外商投資指標(biāo)。這一指標(biāo)本身和前述固定資產(chǎn)投資指標(biāo)有一定的相關(guān)性，因?yàn)楣潭ㄙY產(chǎn)投資的一個(gè)重要來源就是外商投資。外商投資一方面反映了一個(gè)區(qū)域的經(jīng)濟(jì)發(fā)展活力以及金融服務(wù)環(huán)境，另一方面，外商投資數(shù)量的高低，實(shí)際上反映了一個(gè)區(qū)域金融資本結(jié)構(gòu)，較高的外商投資使得一個(gè)區(qū)域的金融服務(wù)能力延展性提高，客觀上提高了區(qū)域上的金融服務(wù)能力，也為金融行業(yè)的發(fā)展注入了資本和動(dòng)能[5-8]。

綜上，本文采用的7個(gè)指標(biāo)，均有前人的理論研究作為支撐，既有金融競(jìng)爭(zhēng)力的主動(dòng)因素，即客觀上提上金融競(jìng)爭(zhēng)力的指標(biāo)，亦有金融競(jìng)爭(zhēng)力的被動(dòng)因素，即反映金融競(jìng)爭(zhēng)力水平的“晴雨表”指針性指標(biāo)，從“作用層面”和“被作用層面”兩個(gè)角度衡量區(qū)域金融競(jìng)爭(zhēng)力，考慮更加全面。本文的研究對(duì)象是珠江三角洲的9個(gè)城市，同時(shí)也是納入粵港澳大灣區(qū)城市群的9個(gè)城市，即廣州、深圳、珠海、佛山、惠州、東莞、中山、江門、肇慶。

二、數(shù)據(jù)的標(biāo)準(zhǔn)化

本文數(shù)據(jù)來源于2019年9個(gè)城市的統(tǒng)計(jì)局年鑒，統(tǒng)計(jì)的是2018年的城市數(shù)據(jù)，表1為原始數(shù)據(jù)。為排除量綱的差異及指標(biāo)屬性差異的影響，對(duì)原始數(shù)據(jù)依據(jù)指標(biāo)進(jìn)行了標(biāo)準(zhǔn)化(表2)。

表2中X1，X2，…，X7分別對(duì)應(yīng)上述7個(gè)指標(biāo)。標(biāo)準(zhǔn)化方法采用最大值法：Xi′=Xi/Ximax。其中，Xi′為標(biāo)準(zhǔn)化后的數(shù)據(jù)，Xi為對(duì)應(yīng)指標(biāo)在第i個(gè)城市的數(shù)據(jù)，Ximax為對(duì)應(yīng)指標(biāo)在全部城市中的最大值。通過這種處理方式，使所有數(shù)據(jù)值在0～1之間。

表1 2018年全年9個(gè)研究城市7個(gè)指標(biāo)的表現(xiàn)(原始數(shù)據(jù))

表2 2018年全年9個(gè)研究城市7個(gè)指標(biāo)的表現(xiàn)(標(biāo)準(zhǔn)化)

三、數(shù)據(jù)處理原理及方案

目前共有3種模糊聚類分析方法，分別為基于模糊等價(jià)關(guān)系的傳遞閉包法、基于模糊相似關(guān)系的直接聚類法以及基于模糊劃分的模糊聚類法。本文采用其中聚類效率最高的基于模糊劃分的模糊聚類分析方法，即模糊c-均值算法。首先，定義目標(biāo)函數(shù)：

(1)

式(1)中r≥1，是一個(gè)加權(quán)指數(shù)。u,v為模糊聚類矩陣的行和列。模糊c-均值算法的目標(biāo)在于找到A=(aij)∈Mfc和V=(V1，V2,V3，…，Vn)(Vi∈Rm)，使得Jm(A，V)最小。

令U={u1,u2，…，un}，uj={xj1,xj2，…，xjm}∈Rm為一給定數(shù)據(jù)集，設(shè)定c∈{2，3，…，n-1}和r∈(1，∞)，假設(shè)對(duì)所有1≤k≤n，和1≤i≤c，有‖uj-ui‖≠0，則僅當(dāng)：

(2)

和

(3)

(1≤i≤c)時(shí)，a=aij和V=(V1,V2,…,Vn)才是jm(A,V)的局部最小值。

本文在實(shí)際編程計(jì)算中，采用ISODATA方法，利用迭代算法找尋最優(yōu)聚類方案。共分為4個(gè)步驟：

步驟一：給定數(shù)據(jù)集U={u1,u2,…,un}，uj={xj1,xj2,…,xjm}∈Rm,設(shè)定c∈{2，3,…,n-1}和r∈(1，∞),初始化A(0)∈Mc。

步驟二：當(dāng)?shù)螖?shù)為l(l=0,1,2…)時(shí)，計(jì)算聚類中心向量:

(4)

步驟三：將A(l)=(aij(l))更新為A(l+1)=(aij(l+1))

(5)

步驟四：若‖A(l+1)-A(l)‖<ε，則停止算法，否則令l=l+1，返回步驟二。

四、數(shù)據(jù)處理結(jié)果

對(duì)標(biāo)準(zhǔn)化的數(shù)據(jù)采用ISODATA方法進(jìn)行處理，在處理過程中，首先要初始設(shè)定一個(gè)聚類中心的數(shù)量值，根據(jù)算法計(jì)算在這以聚類中心數(shù)量下的最優(yōu)分類方案。

當(dāng)初始聚類中心設(shè)置為2時(shí)，初始迭代計(jì)算的U矩陣為：

[[0.6644210437718343, 0.33557895622816564],

[0.4540510649305213, 0.5459489350694786],

[0.601787125752343, 0.398212874247657],

[0.1796968535236536, 0.8203031464763464],

[0.22726127156074372, 0.7727387284392563],

[0.24217994833882006, 0.7578200516611799],

[0.2128276727902061, 0.7871723272097939],

[0.24304586503030726, 0.7569541349696928],

[0.32998502488356296, 0.670014975116437]]。

經(jīng)過14次迭代，得到最優(yōu)情況下U矩陣：

[[0.9335159015767952, 0.0664840984232048],

[0.0918657586578093, 0.9081342413421908],

[0.9646635658126329, 0.03533643418736698],

[0.004253975793395642,0.9957460242066043],

[0.07120798192791655, 0.9287920180720836],

[0.021288994516180514, 0.9787110054838195],

[0.006477028617581049, 0.9935229713824189],

[0.02069924634089102, 0.979300753659109],

[0.05503348583923694, 0.944966514160763]]。

標(biāo)準(zhǔn)化后，矩陣為：[[1, 0] [1, 0] [0, 1] [0, 1] [0, 1] [0, 1] [0, 1] [0, 1] [0, 1]]，分別對(duì)應(yīng)9個(gè)城市，即模糊聚類分析結(jié)果為：當(dāng)聚類中心為2時(shí)，廣州、深圳為一個(gè)類別，其余7個(gè)城市從屬于另一個(gè)類別(表3)。

表3 聚類中心數(shù)量為2時(shí)城市的類別劃分結(jié)果

當(dāng)初始聚類中心設(shè)置為3時(shí)，初始迭代計(jì)算的U矩陣為：

[[0.48007117108070485, 0.24577314655975452, 0.2741556823595407],

[0.2914483330378844, 0.37101545940964653, 0.337536207552469],

[0.4064781837332497, 0.2861456628202468, 0.30737615344650354],

[0.14747016721388598, 0.5038374053103634, 0.34869242747575063],

[0.1417267600719959, 0.4668418962602549, 0.3914313436677492],

[0.181746651730615, 0.46001513360821117, 0.3582382146611739],

[0.16573416591058882, 0.47661675619748195, 0.35764907789192923],

[0.16668177413940158, 0.48865304966858597, 0.3446651761920125],

[0.1999803774848166, 0.3989237282352233, 0.4010958942799601]]。

經(jīng)過53次迭代，得到最優(yōu)情況下U矩陣：

[[0.8341289887743676, 0.06483776534668342, 0.10103324587894894],

[0.029788580143248075, 0.21922014365845077, 0.7509912761983012],

[0.9394419684946392, 0.02494638599063689, 0.0356116455147238],

[0.0036357440393703327, 0.9060845918970453, 0.09027966406358431],

[0.017305507805821293, 0.15022701188113574, 0.8324674803130429],

[0.00982706037481318, 0.8632835538390484, 0.12688938578613843],

[0.001622818513555778, 0.9675158169099404, 0.030861364576503857],

[0.010608309769314518, 0.8420023377156189, 0.14738935251506652],

[0.03547927344064694, 0.6056204789259841, 0.35890024763336886]]。

標(biāo)準(zhǔn)化后，矩陣為：[[1, 0, 0] [1, 0, 0] [0, 1, 0] [0, 0, 1] [0, 1, 0] [0, 0, 1] [0, 1, 0] [0, 1, 0] [0, 1, 0]]，分別對(duì)應(yīng)9個(gè)城市，即模糊聚類分析結(jié)果為：當(dāng)聚類中心為3時(shí)，廣州為一類，深圳為一類，其余城市為一類(表4)。

表4 聚類中心數(shù)量為3時(shí)城市的類別劃分結(jié)果

當(dāng)初始聚類中心為4時(shí)(表5)，初始迭代計(jì)算的U矩陣為：

[[0.33258630219178287, 0.17942287738138107, 0.30055933277916813, 0.18743148764766784],

[0.1725476627537421, 0.2543416695265481, 0.1448291119508008, 0.4282815557689091],

[0.29423154433344867, 0.19637036037092448, 0.3022368868569286, 0.20716120843869817],

[0.09120454757497125, 0.4815298924860567, 0.08611696435081605, 0.341148595588156],

[0.15382526199077878, 0.21685255494475023, 0.25820512649050026, 0.37111705657397076],

[0.14635618486977303, 0.39598020752049157, 0.14160824648314912, 0.3160553611265862],

[0.10746674416688375, 0.46248811606449314, 0.10157306570925578, 0.3284720740593673],

[0.13779289124330812, 0.4571297422960912, 0.11957470713015779, 0.2855026593304429],

[0.15246037341418328, 0.3610496891469036, 0.18028691043429193, 0.30620302700462115]]。

經(jīng)過48次迭代得到最優(yōu)的U矩陣為：

[[0.999839060597809, 2.469327180179199e-05, 9.89597993172778e-05, 3.7286331072012655e-05],

[0.05242829428846769, 0.24204736211124914, 0.02308436382767871, 0.6824399797726045],

[1.4042252093911791e-05, 1.9164714129519535e-06, 0.9999813437206534, 2.697555839765711e-06],

[0.0049085504511973185, 0.9062861836207492, 0.002567598330769729, 0.08623766759728371],

[0.019898302563247854, 0.12280387848774071, 0.010657837732133258, 0.8466399812168782],

[0.013502759841646022, 0.8455047744118079, 0.007570772111616057, 0.13342169363493],

[0.0021118220612844065, 0.9679190118879483, 0.0011212694419689788, 0.02884789660879859],

[0.014627627682411208, 0.8342302783331632, 0.007668182246319069, 0.14347391173810645],

[0.04576152650752469, 0.5640152172257681, 0.026666351991585253, 0.363556904275122]]。

表5 聚類中心數(shù)量為4時(shí)城市的類別劃分結(jié)果

標(biāo)準(zhǔn)化后結(jié)果為：[[[1, 0, 0, 0] [0, 0, 1, 0] [0, 1, 0, 0] [0, 0, 0, 1] [0, 1, 0, 0] [0, 0, 0, 1] [0, 1, 0, 0] [0, 1, 0, 0] [0, 1, 0, 0]]。模糊聚類分析結(jié)果為：廣州為一個(gè)類別，深圳為一類，肇慶和中山為一類，其余城市為一類。

以此類推，當(dāng)聚類中心數(shù)量為5時(shí)，分類結(jié)果為：廣州為一類，深圳為一類，東莞為一類，佛山為一類，其余為一類(表6)。

表6 聚類中心數(shù)量為5時(shí)城市的類別劃分結(jié)果

五、結(jié)論與分析

本文不是單純地比較城市金融競(jìng)爭(zhēng)力的優(yōu)劣，而是通過模糊聚類獨(dú)有的全局視角優(yōu)勢(shì)，全方位地比較不同城市之間金融競(jìng)爭(zhēng)力指標(biāo)各個(gè)單項(xiàng)的差異，從而得出相對(duì)可靠的類群分析。一般來說，采用的聚類中心數(shù)量越多，對(duì)于城市金融競(jìng)爭(zhēng)力的劃分就越精細(xì)，采用的聚類中心數(shù)量越少，對(duì)于城市金融競(jìng)爭(zhēng)力的劃分就越宏觀。本文將從宏觀的視角出發(fā)，從聚類中心數(shù)量為2處起步，逐漸增加聚類中心數(shù)量，抽絲剝繭地將不同金融競(jìng)爭(zhēng)力的城市提取出來。

(一)不同聚類中心數(shù)量下的城市金融競(jìng)爭(zhēng)力聚類分析

通過對(duì)珠三角9個(gè)同屬于粵港澳城市群的城市進(jìn)行了基于金融競(jìng)爭(zhēng)力的模糊聚類分析(圖1)，可以看出，采用不同數(shù)量的聚類中心，聚類的結(jié)果有一定的差異。當(dāng)兩個(gè)聚類中心的時(shí)候，廣州和深圳劃分為一類，其他城市為一類。通過關(guān)注本文的金融競(jìng)爭(zhēng)力評(píng)價(jià)指標(biāo)可以看出，廣州和深圳兩座城市在眾多指標(biāo)數(shù)據(jù)上遠(yuǎn)遠(yuǎn)領(lǐng)先其他城市。這與前人的研究成果，即粵港澳大灣區(qū)中，廣東省金融競(jìng)爭(zhēng)力和輻射力最有影響力的兩個(gè)城市為深圳和廣州[2]一致。

圖1 珠三角城市群的模糊聚類分析結(jié)果圖示Fig.1 Results of fuzzy cluster analysis of Pearl River Delta Urban Agglomeration

當(dāng)聚類中心為3時(shí)，除廣州、深圳外，其他7個(gè)城市仍為一類，但廣州和深圳各自分開為一類。這說明廣州和深圳盡管在金融競(jìng)爭(zhēng)力層面遠(yuǎn)遠(yuǎn)領(lǐng)先其他城市，但二者之間仍然存在差異，深圳的金融競(jìng)爭(zhēng)力更為突出，在前人關(guān)于大灣區(qū)城市金融輻射力的研究中，深圳的金融輻射半徑高達(dá)120 km，幾乎覆蓋了粵港澳大灣區(qū)的絕大部分地區(qū)。但廣州市的金融輻射半徑僅有60 km，僅能影響到佛山、東莞、中山、惠州等中小城市[2]，這反映了二者金融輻射半徑的較大差異，與前人研究成果的對(duì)比，反映了本文模糊聚類分析結(jié)果的可靠性。

隨著聚類中心數(shù)量的增加，當(dāng)聚類中心數(shù)量增加到4時(shí)，除深圳和廣州繼續(xù)扮演著珠三角金融競(jìng)爭(zhēng)力“狀元”和“榜眼”的位置以外，肇慶和中山兩座城市從其他城市中脫離出來，單獨(dú)成為一類。通過查閱本文的金融競(jìng)爭(zhēng)力指標(biāo)體系以及對(duì)應(yīng)的數(shù)據(jù)，可以看出，肇慶和中山兩座城市的金融競(jìng)爭(zhēng)力明顯低于其他城市，在7個(gè)指標(biāo)的表現(xiàn)上完全占據(jù)下風(fēng)，可以看作是發(fā)展相對(duì)弱勢(shì)的一個(gè)類群。

當(dāng)聚類中心數(shù)量增加到5時(shí)，一個(gè)有趣的現(xiàn)象是，佛山、東莞、廣州、深圳各為一類，剩余5個(gè)城市為一類，深圳和廣州的領(lǐng)先地位前面已經(jīng)討論，通過對(duì)數(shù)據(jù)的進(jìn)一步觀察，可以得出，佛山和東莞在金融競(jìng)爭(zhēng)力各項(xiàng)指標(biāo)的綜合表現(xiàn)上，超越了其他5個(gè)城市。佛山和東莞成為兩個(gè)獨(dú)立的類群，與兩者在金融競(jìng)爭(zhēng)力的表現(xiàn)差異有關(guān)，在固定資產(chǎn)投資方面，佛山遠(yuǎn)遠(yuǎn)領(lǐng)先于東莞，其余各指標(biāo)佛山仍有一定的優(yōu)勢(shì)，但在外貿(mào)表現(xiàn)上，以及外商投資方面，東莞有自身突出的優(yōu)勢(shì)。兩者優(yōu)勢(shì)的體現(xiàn)不同，互有優(yōu)劣，這最終導(dǎo)致了兩者成為獨(dú)立的兩個(gè)類群。

(二)城市金融競(jìng)爭(zhēng)力聚類結(jié)果分析

深圳和廣州市作為珠三角地區(qū)金融競(jìng)爭(zhēng)力的領(lǐng)軍城市，在各方面指標(biāo)上都表現(xiàn)突出，處于珠三角地區(qū)金融競(jìng)爭(zhēng)力的頭部位置。其中，深圳市相較于廣州市，金融競(jìng)爭(zhēng)力更高。2018年全年，深圳金融業(yè)實(shí)現(xiàn)增加值3 067.21億元，同比增長(zhǎng)3.6%，占GDP的比重為12.7%；金融業(yè)實(shí)現(xiàn)稅收1 314.8億元，同比增長(zhǎng)17.5%，占全市總稅收的22.37%，金融業(yè)對(duì)全市稅收的貢獻(xiàn)超過制造業(yè)(20.30%)，成為全市納稅第一的產(chǎn)業(yè)。2018年以來，全市新引進(jìn)分行級(jí)以上持牌金融機(jī)構(gòu)26家，其中法人持牌金融機(jī)構(gòu)8家。截至2018年年底，全市持牌金融機(jī)構(gòu)總數(shù)465家，其中法人金融機(jī)構(gòu)196家。在2018年9月英國(guó)智庫Z/yen集團(tuán)發(fā)布的第24期“全球金融中心指數(shù)”排名中，深圳由上期的18位上升至第12位，在國(guó)內(nèi)城市中僅次于香港(第3位)、上海(第5位)和北京(第8位)?？梢钥闯?，深圳的金融業(yè)發(fā)展?fàn)顩r在珠三角地區(qū)首屈一指，得到了廣泛的認(rèn)可。

根據(jù)統(tǒng)計(jì)局所獲得的數(shù)據(jù)，最新追溯到2018年全年，廣州作為珠三角區(qū)域金融競(jìng)爭(zhēng)力排名第二的城市，在金融從業(yè)人員、外商投資以及對(duì)外貿(mào)易層面上仍有很大的發(fā)展空間。但2019年以來，廣州的金融業(yè)得到了廣泛的發(fā)展，存貸款余額增速居五大城市(北京、上海、廣州、深圳、天津)之首，僅前三季度，廣州金融業(yè)實(shí)現(xiàn)增加值1 619.53億元，同比增長(zhǎng)7.8%，占同期GDP的比重為9.1%，拉升0.7個(gè)百分點(diǎn)。全市實(shí)現(xiàn)金融業(yè)稅收342.4億元，同比增長(zhǎng)2.6%，占總稅收比重的7.96%。廣州境內(nèi)外上市公司174家，累計(jì)融資接近4 177.80億元。廣州金融競(jìng)爭(zhēng)力未來有顯著的提升趨勢(shì)，值得觀望。

佛山的金融競(jìng)爭(zhēng)力各項(xiàng)指標(biāo)在珠三角地區(qū)十分突出，僅次于深圳和廣州。佛山市在固定資產(chǎn)投資、存款額、貸款額都穩(wěn)居前三名。盡管對(duì)外貿(mào)易這一方面表現(xiàn)優(yōu)秀，但在外商投資這一項(xiàng)上，佛山表現(xiàn)較一般，吸引外商投資是佛山金融競(jìng)爭(zhēng)力未來發(fā)展的一個(gè)方向。

江門市、惠州市、東莞市的表現(xiàn)在整個(gè)珠三角地區(qū)中規(guī)中矩，三者在固定資產(chǎn)投資方面表現(xiàn)相近，但東莞市在外商投資，對(duì)外貿(mào)易，存款額，貸款額等表征金融活力的指標(biāo)方面表現(xiàn)突出，江門市和惠州市也應(yīng)該利用自己良好的政府投資支持情況，大力提升區(qū)域金融競(jìng)爭(zhēng)力，尤其是主要金融指標(biāo)的表現(xiàn)情況。

在城市金融競(jìng)爭(zhēng)力層次上，珠海市處于比較靠后的位置，但需要注意的是，珠海的面積和人口在珠三角經(jīng)濟(jì)帶本身處于劣勢(shì)，金融競(jìng)爭(zhēng)力較弱的主要原因是體量問題。作為粵港澳大灣區(qū)重要的連接點(diǎn)，珠海在外商投資方面表現(xiàn)強(qiáng)勢(shì)，較自身其他指標(biāo)明顯突出，這是珠海金融競(jìng)爭(zhēng)力的優(yōu)勢(shì)點(diǎn)。

相對(duì)整個(gè)珠三角地區(qū)而言，肇慶和中山兩座城市的金融競(jìng)爭(zhēng)力水平較低，盡管肇慶擁有較多的金融從業(yè)人員，但固定資產(chǎn)投資，外商投資等硬性指標(biāo)表現(xiàn)一般。作為粵港澳大灣區(qū)的重要節(jié)點(diǎn)城市，肇慶具有良好的交通條件，但這個(gè)交通條件并沒有帶來對(duì)外貿(mào)易和外商投資的良好表現(xiàn)，肇慶應(yīng)當(dāng)積極尋求固定資產(chǎn)投資，吸引外商投資，利用好自己的金融從業(yè)人員的數(shù)量?jī)?yōu)勢(shì)，大力提升區(qū)域金融競(jìng)爭(zhēng)力。中山市各方面指標(biāo)的表現(xiàn)比較平均，但其金融競(jìng)爭(zhēng)力水平在珠三角地區(qū)仍有很大的提升空間，并且這種提升空間是全方位的。

綜上，通過模糊聚類分析，筆者對(duì)珠三角地區(qū)城市群的金融競(jìng)爭(zhēng)力進(jìn)行了聚類，根據(jù)不同的聚類中心數(shù)量，聚類的結(jié)果有所不同，其中體現(xiàn)的規(guī)律，有助于增加對(duì)珠三角城市群金融競(jìng)爭(zhēng)力發(fā)展的認(rèn)識(shí)，為每個(gè)城市的發(fā)展提供個(gè)性化的方案和建議。