李林漢韓景旺

(1.中央民族大學(xué)經(jīng)濟學(xué)院，北京 100081；2.河北金融學(xué)院河北省科技金融重點實驗室，河北 保定 071051)

一、引言

隨著經(jīng)濟全球化的持續(xù)深入和金融科技、金融創(chuàng)新的飛速發(fā)展，金融風(fēng)險的傳染性、市場機制的復(fù)雜性以及國家之間的關(guān)聯(lián)性導(dǎo)致金融風(fēng)險破壞性也在不斷加大。中共中央、國務(wù)院高度重視區(qū)域金融風(fēng)險的化解與防范，防范化解金融風(fēng)險已經(jīng)成為我國經(jīng)濟長期穩(wěn)定健康發(fā)展的重要目標(biāo)，也是關(guān)乎社會和諧穩(wěn)定的關(guān)鍵。2020年3月國務(wù)院發(fā)布“十四五”規(guī)劃，將金融安全與糧食安全、能源資源安全一同提升到國家安全戰(zhàn)略層次，強調(diào)“守住不發(fā)生系統(tǒng)性金融風(fēng)險的底線”的重要性。

金融創(chuàng)新是指變更現(xiàn)有的金融體制和增加新的金融工具，以獲取現(xiàn)有的金融體制和工具無法取得的潛在利益，是一個為了經(jīng)濟發(fā)展而緩慢進行與持續(xù)不斷的動態(tài)發(fā)展過程(Schumpeter，1934)[16]。金融創(chuàng)新的出現(xiàn)便捷了金融服務(wù)的獲得性(Amos and Wingender，1993)[3]，克服了傳統(tǒng)金融的一些缺點，通過加速創(chuàng)新與金融深化推動經(jīng)濟增長，進而演化為經(jīng)濟發(fā)展的動力之一(Ireland，1995)[11]。但是，也有學(xué)者指出，金融創(chuàng)新促進經(jīng)濟增長需要適度的金融監(jiān)管，不受監(jiān)管的金融創(chuàng)新會導(dǎo)致經(jīng)濟發(fā)展虛擬化過重，進而產(chǎn)生金融危機。以Henderson and Pearson(2011)[9]、Chiu et al.(2017)[6]以及Beck et al.(2012)[4]為代表的學(xué)者們提出了金融創(chuàng)新的黑暗面與光明面的概念，莊雷和王燁(2019)[42]從正反兩方面分析了科技金融創(chuàng)新對經(jīng)濟發(fā)展的促進與抑制效應(yīng)。

分析已有文獻發(fā)現(xiàn)，現(xiàn)有成果更多是關(guān)注金融創(chuàng)新對經(jīng)濟增長的影響效應(yīng)，關(guān)于金融創(chuàng)新的風(fēng)險效應(yīng)量化研究較少。鑒于此，本文利用我國31個省份的面板數(shù)據(jù)構(gòu)造區(qū)域金融風(fēng)險指數(shù)水平，采用社會網(wǎng)絡(luò)分析研究區(qū)域金融風(fēng)險的空間關(guān)聯(lián)網(wǎng)絡(luò)特征；然后實證檢驗金融創(chuàng)新是否加劇了區(qū)域金融風(fēng)險，二者之間是否存在非線性效應(yīng)；接著基于空間網(wǎng)絡(luò)關(guān)聯(lián)性的新角度，檢驗金融創(chuàng)新能否通過區(qū)域金融風(fēng)險的空間關(guān)聯(lián)網(wǎng)絡(luò)特征來影響區(qū)域金融風(fēng)險；最后探究金融監(jiān)管在金融創(chuàng)新影響區(qū)域金融風(fēng)險過程中是否產(chǎn)生了調(diào)節(jié)效應(yīng)。明晰上述問題的結(jié)論，可以為防范區(qū)域金融風(fēng)險提供理論依據(jù)，為區(qū)域金融創(chuàng)新的發(fā)展提供指導(dǎo)意見，有利于經(jīng)濟高質(zhì)量發(fā)展。

二、文獻綜述和研究假設(shè)

(一)區(qū)域金融風(fēng)險水平的測度與空間關(guān)聯(lián)性

區(qū)域金融風(fēng)險測度主要有以下三類方法。一是早期預(yù)警指標(biāo)體系法(章曦，2016)[39]，采用類比相似國的方法，研究出一套預(yù)測本國發(fā)生金融風(fēng)險的閾值。二是研究金融機構(gòu)和金融子市場傳染性的計量方法，包括DIP模型(Huang et al.，2009)[10]、Shapley Value模型(Tarashev et al.，2009)[18]、條件在險價值(CoVaR)模型(Adrian and Brunnermeier，2014)[2]、SES模型(Acharya et al.，2017)[1]和SRISK模型(Christian and Robert，2017)[5]。三是宏觀金融風(fēng)險的計量方法，主要包括金融壓力指數(shù)法、災(zāi)難保險指數(shù)法等。

區(qū)域金融風(fēng)險的空間關(guān)聯(lián)性研究上，榮夢杰和李剛(2020)[31]、劉瑩(2021)[27]基于社會網(wǎng)絡(luò)分析法對金融風(fēng)險的空間關(guān)聯(lián)度進行分析，譚中明等(2020)[33]、陳守東等(2020)[20]采用空間Moran’s I指數(shù)方法進行區(qū)域金融風(fēng)險的空間性測量。隨著經(jīng)濟全球化的深入，區(qū)域經(jīng)濟發(fā)展的聯(lián)系越來越緊密，地理位置、環(huán)境資源以及政策實施的影響導(dǎo)致區(qū)域金融的發(fā)展呈現(xiàn)互相聯(lián)動的關(guān)系，區(qū)域金融風(fēng)險也相應(yīng)地必然存在空間上的關(guān)聯(lián)。社會網(wǎng)絡(luò)分析法能夠測算出相關(guān)的空間特征以及空間關(guān)聯(lián)，彌補傳統(tǒng)空間計量的缺陷，因此，本文運用社會網(wǎng)絡(luò)分析法，測算區(qū)域金融風(fēng)險的空間特征指標(biāo)以及空間關(guān)聯(lián)度，同時分析此種空間關(guān)聯(lián)對區(qū)域金融風(fēng)險的效應(yīng)。由此提出如下假設(shè)：

H1a：我國各省份之間的區(qū)域金融風(fēng)險水平存在空間關(guān)聯(lián)特征。

H1b：區(qū)域金融風(fēng)險的空間特征指標(biāo)促進區(qū)域金融風(fēng)險擴散。

(二)金融創(chuàng)新對區(qū)域金融風(fēng)險的影響

眾多學(xué)者對于金融創(chuàng)新影響區(qū)域金融風(fēng)險的效應(yīng)觀點不一致。第一種觀點為金融創(chuàng)新水平的提升會加劇區(qū)域金融風(fēng)險。陸磊和楊駿(2016)[28]認為金融創(chuàng)新與金融穩(wěn)定是不可能同時出現(xiàn)的。冉芳和張紅偉(2016)[30]認為過度的金融創(chuàng)新會偏離實體經(jīng)濟發(fā)展軌道，導(dǎo)致資金在金融系統(tǒng)空轉(zhuǎn)，從而產(chǎn)生金融風(fēng)險。王德凡(2018)[34]提出金融創(chuàng)新加劇了金融機構(gòu)自身脆弱性，會導(dǎo)致金融風(fēng)險的擴散效應(yīng)。第二種觀點為金融創(chuàng)新水平的提升不會加劇區(qū)域金融風(fēng)險。Miller(1986)[14]認為金融創(chuàng)新提供了投資的多元性選擇，促進金融資源配置，降低融資的風(fēng)險性。Finnerty and John(2010)[7]認為技術(shù)更新增加了金融資源的流動性，緩解了區(qū)域金融風(fēng)險。Ross(2012)[15]認為金融創(chuàng)新具有緩解信息不對稱的優(yōu)勢，可以保障資金的流通與金融整體的穩(wěn)定性。楊鵬(2019)[38]探究了A股上市商業(yè)銀行金融創(chuàng)新與股票崩盤風(fēng)險之間的關(guān)系，認為二者之間存在負相關(guān)，金融風(fēng)險的出現(xiàn)主要歸結(jié)于公允價值計量，而非金融創(chuàng)新本身。第三種觀點為金融創(chuàng)新水平與區(qū)域金融風(fēng)險之間有非線性關(guān)系。即金融創(chuàng)新水平低于一定數(shù)值時，不會加劇區(qū)域金融風(fēng)險；而當(dāng)金融創(chuàng)新水平高于某數(shù)值后，金融創(chuàng)新則會加劇區(qū)域金融風(fēng)險(Torna and Deyoung，2012)[19]。胡文濤等(2018)[22]發(fā)現(xiàn)商業(yè)銀行的金融創(chuàng)新水平會對商業(yè)銀行盈利能力產(chǎn)生倒U型影響。潘敏和袁歌騁(2019)[29]認為適度的金融創(chuàng)新會帶來正向影響，不會造成風(fēng)險，但也要防止過度的金融創(chuàng)新產(chǎn)生的抑制作用。

金融創(chuàng)新可以通過技術(shù)創(chuàng)新構(gòu)建更加有效的監(jiān)管體系，排除人為因素的主觀桎梏，從而更加有效地管控風(fēng)險，降低區(qū)域金融風(fēng)險。此外，金融創(chuàng)新還可以通過降低企業(yè)成本，緩解融資信息不對稱，保障金融資產(chǎn)的有效流動，維持金融穩(wěn)定。但金融創(chuàng)新水平的進一步提升可能會加劇區(qū)域金融風(fēng)險。這是因為，金融創(chuàng)新不僅增加了金融體系整體的脆弱性，而且增加了金融體系整體的非監(jiān)管性風(fēng)險；同時，金融創(chuàng)新下的金融衍生品名目繁多，在為個人和機構(gòu)提供利潤的同時，產(chǎn)生的風(fēng)險越來越大?；诖?，提出如下假設(shè)：

H2：金融創(chuàng)新水平對區(qū)域金融風(fēng)險的影響呈現(xiàn)U型非線性關(guān)系。

目前，我國區(qū)域之間的聯(lián)系日趨緊密，經(jīng)濟合作與交流逐步增多，跨區(qū)域的金融發(fā)展得以實現(xiàn)。作為傳統(tǒng)金融的補充，金融創(chuàng)新的空間聯(lián)系和時間聯(lián)系更加顯著，金融創(chuàng)新不僅大大便利了本地金融服務(wù)的可得性，也為相鄰地區(qū)的金融創(chuàng)新提供發(fā)展模板，各地區(qū)可能會采取相鄰地區(qū)相似的經(jīng)濟政策來制定本地的發(fā)展計劃，加速本地的金融創(chuàng)新發(fā)展。在此過程中，金融創(chuàng)新誘發(fā)區(qū)域金融風(fēng)險的機制通過空間溢出效應(yīng)進行傳播。考慮到各省份之間的地理位置與經(jīng)濟發(fā)展情況差異性，金融風(fēng)險的空間關(guān)聯(lián)結(jié)構(gòu)也有所不同。尤其對于那些位于金融風(fēng)險中心，且與各地聯(lián)系緊密的省份，金融創(chuàng)新影響區(qū)域金融風(fēng)險水平的程度較明顯?；诖耍岢鋈缦录僭O(shè)：

H3：區(qū)域金融風(fēng)險水平的空間特征指標(biāo)在金融創(chuàng)新影響區(qū)域金融風(fēng)險水平的過程中起到中介效應(yīng)。

(三)金融監(jiān)管在金融創(chuàng)新影響區(qū)域金融風(fēng)險過程中的作用

金融創(chuàng)新的風(fēng)險程度與金融監(jiān)管力度有關(guān)(李澤廣和王剛，2014)[25]，金融監(jiān)管一定程度上阻止了金融市場的創(chuàng)新活動，減緩了金融創(chuàng)新的擴散程度，但金融監(jiān)管的激勵功能也會摒棄不合理的金融創(chuàng)新，避免金融創(chuàng)新產(chǎn)品和制度的濫用(周孟亮和李明賢，2016)[41]。在金融監(jiān)管的約束下，企業(yè)必須遵守金融監(jiān)管規(guī)則，違背金融監(jiān)管的企業(yè)會遭受懲罰，導(dǎo)致企業(yè)面臨更加嚴峻的投融資約束(James et al.，2013)[12]。金融監(jiān)管不到位的金融創(chuàng)新加劇了金融風(fēng)險的積累和金融脆弱性的惡化。Kane(2012)[13]認為金融創(chuàng)新與金融監(jiān)管的關(guān)系是一個互相博弈、動態(tài)演化的過程。李文泓(2009)[23]認為應(yīng)該將宏觀審慎監(jiān)管和微觀審慎監(jiān)管有機結(jié)合，形成維護金融穩(wěn)定的方法。李妍(2010)[24]分析了金融監(jiān)管對金融風(fēng)險和金融穩(wěn)定的影響，提出金融監(jiān)管要兼顧金融穩(wěn)定性。綜上，金融創(chuàng)新促進經(jīng)濟增長需要適度的金融監(jiān)管，不受監(jiān)管的金融創(chuàng)新容易引起金融危機和經(jīng)濟過度虛擬化，進而爆發(fā)金融風(fēng)險。基于此，提出如下假設(shè)：

H4：金融監(jiān)管在金融創(chuàng)新加劇區(qū)域金融風(fēng)險的過程中起到調(diào)節(jié)作用，會削弱金融創(chuàng)新加劇區(qū)域金融風(fēng)險水平的程度。

三、研究設(shè)計

(一)數(shù)據(jù)來源與變量定義

1.被解釋變量：區(qū)域金融風(fēng)險(Jrfx)

金融風(fēng)險是一個多維度的復(fù)雜概念，本文參考章曦(2016)[39]、王營和曹廷求(2017)[35]、沈麗等(2019)[32]的研究，基于金融市場與金融風(fēng)險理論，兼顧研究的科學(xué)性與完備性，構(gòu)建區(qū)域金融風(fēng)險水平指標(biāo)體系，具體如表1所示。

依據(jù)各指標(biāo)與金融風(fēng)險的關(guān)系，可以將相應(yīng)指標(biāo)劃分為正向指標(biāo)、適度指標(biāo)與負向指標(biāo)。其中，正向指標(biāo)與區(qū)域金融風(fēng)險正相關(guān)，該指標(biāo)越大，區(qū)域金融風(fēng)險越大；負向指標(biāo)與區(qū)域金融風(fēng)險負相關(guān)，即該指標(biāo)越小，區(qū)域金融風(fēng)險越大；而適度指標(biāo)表示與該適度指標(biāo)的偏離度越大，區(qū)域金融風(fēng)險越大。

在確定各指標(biāo)后，本文利用SPSS軟件對各指標(biāo)進行主成分分析，最后確定區(qū)域金融風(fēng)險指數(shù)，具體過程如下：

(1)數(shù)據(jù)的標(biāo)準化處理

采用SPSS對金融風(fēng)險的各指標(biāo)進行標(biāo)準化處理。

(2)主成分分析降維

利用SPSS軟件進行主成分分析。以2011年的數(shù)據(jù)為例，首先，通過降維分析可以得到Kaiser-Meyer-Olkin的檢驗值為0.522，大于臨界值0.5；Bartlett球形檢驗值為138.959，且Sig值為0.00，即在1%水平下顯著，這些數(shù)值均表明拒絕原假設(shè)，金融風(fēng)險的各指標(biāo)可以進行主成分分析降維。然后利用SPSS軟件計算出主成分特征值與方差貢獻率，如表2所示。前四個主成分分析的累計貢獻率達到77.505%，且前四個主成分的特征值均大于1，基本上保留了原始指標(biāo)信息，因此，2011年的金融風(fēng)險指標(biāo)選擇前四個主成分進行分析。

表3展示了主成分表達式的成分矩陣，結(jié)合表2的特征值和累計貢獻率，可得2011年的前四個主成分表達式如下：

表2 2011年金融風(fēng)險指標(biāo)主成分分析特征值與貢獻率

表3 2011年金融風(fēng)險指標(biāo)主成分分析成分矩陣

再結(jié)合貢獻率的權(quán)重，最后形成2011年各地的金融風(fēng)險指標(biāo)：

式(1)～(5)中，f1,f2,f3,f4代表前四個主成分，而x1,x2,x3,x4,x5,x6,x7,x8,x9,x10代表標(biāo)準化以后的金融風(fēng)險分指標(biāo)。

(3)歸一化處理

主成分分析得到的數(shù)據(jù)有正有負，不利于數(shù)據(jù)描述與處理，因此將得到的各數(shù)據(jù)進行歸一化處理，方法如式(6)所示，得到2011年我國31個省份的金融風(fēng)險指數(shù)。

最后，依據(jù)相同方法計算其余各年份的金融風(fēng)險指數(shù)，得到的2011―2020年各地金融風(fēng)險指標(biāo)如表4所示。

表4 2011―2020年各地金融風(fēng)險指數(shù)

2.核心解釋變量

(1)金融創(chuàng)新(Jrcx)

兼顧研究視角全面性與適用性原則，本文選擇了北京大學(xué)數(shù)字金融研究中心編制的數(shù)字普惠金融指數(shù)衡量金融創(chuàng)新(郭峰等，2020)[21]。該指數(shù)從“技術(shù)-金融”角度出發(fā)，依托云技術(shù)等智能算法，利用數(shù)以億計的微觀數(shù)據(jù)計算得出，具有較強的可信度。數(shù)字普惠金融是數(shù)字技術(shù)與普惠金融的有機結(jié)合，是指在數(shù)字技術(shù)的支持下通過金融服務(wù)促進金融的行動。數(shù)字技術(shù)與普惠金融結(jié)合下的數(shù)字普惠金融既增大了金融服務(wù)的覆蓋范圍、完善了金融服務(wù)網(wǎng)絡(luò)，又降低了金融服務(wù)的風(fēng)險和成本、提高了個體層面金融服務(wù)的可獲得性，能夠較好地體現(xiàn)區(qū)域金融創(chuàng)新水平。該套指數(shù)包含覆蓋廣度(Jrcx_fg)、使用深度(Jrcx_sd)和數(shù)字化程度(Jrcx_sz)3個一級指標(biāo)，包含支付、保險、貨幣基金、信用服務(wù)等33個二級指標(biāo)。

(2)區(qū)域金融風(fēng)險水平空間特征指標(biāo)

借鑒張曾蓮和方娜(2021)[40]的方法，本文采用社會網(wǎng)絡(luò)分析法計算得到的區(qū)域金融風(fēng)險點度中心度(Didu)、接近中心度(Jjin)和中介中心度(Zjie)衡量區(qū)域金融風(fēng)險水平空間特征。根據(jù)社會網(wǎng)絡(luò)分析法的定義，點度中心度(Didu)依據(jù)空間網(wǎng)絡(luò)中的關(guān)聯(lián)數(shù)來表示各地在金融風(fēng)險空間關(guān)聯(lián)網(wǎng)絡(luò)中位于中心位置的程度，此值越大，表明該省份在金融風(fēng)險的空間關(guān)聯(lián)網(wǎng)絡(luò)中與其他省的聯(lián)系就越多，越能表明該省份的中心地位。接近中心度(Jjin)描述了空間網(wǎng)絡(luò)中某省份在金融風(fēng)險的互相聯(lián)系過程中“不受其他省份影響”的程度，此值越大，表明該省份金融風(fēng)險水平與其他省份之間存在更多的直接關(guān)聯(lián)度，那么該省份就是空間網(wǎng)絡(luò)關(guān)系的中心行動者。中介中心度(Zjie)表明了該省份在多大程度上影響其他省份之間的關(guān)聯(lián)性，此值越大，表明該省份就越能影響其他省份金融風(fēng)險之間的相互行動，該省份就位于空間關(guān)聯(lián)網(wǎng)絡(luò)的中介位置。

3.調(diào)節(jié)變量：金融監(jiān)管(Jrjg)

金融監(jiān)管是指各地政府為了維護好金融穩(wěn)定，充分發(fā)揮金融市場的有效服務(wù)性，進一步促進區(qū)域經(jīng)濟健康有序發(fā)展的監(jiān)管手段(徐諾金，2005)[37]。本文選用各地的地方政府金融監(jiān)管支出衡量金融監(jiān)管，為了與其他指標(biāo)保持一致，采用了無量綱的標(biāo)準化處理。

4.控制變量

參考已有的相關(guān)研究文獻，本文控制了以下變量：(1)經(jīng)濟發(fā)展水平(Jjfz)，采用人均國民生產(chǎn)總值的增長率進行衡量；(2)人力資本水平(Rlzb)，采用各地就業(yè)人員人數(shù)進行衡量，為了與其他指標(biāo)保持一致，采用了無量綱的標(biāo)準化處理；(3)產(chǎn)業(yè)結(jié)構(gòu)水平(Cyjg)，采用第三產(chǎn)業(yè)產(chǎn)值與國民生產(chǎn)總值之比進行衡量；(4)對外開放程度(Dwkf)，采用外商投資企業(yè)投資總額與國民生產(chǎn)總值之比進行衡量；(5)科技創(chuàng)新水平(Kjcx)，采用國內(nèi)專利申請受理量的對數(shù)值進行衡量；(6)城鎮(zhèn)化水平(Czsp)，采用城鎮(zhèn)人口數(shù)量與總?cè)丝跀?shù)量之比進行衡量。此外，為初步檢驗衡量金融創(chuàng)新的非線性效應(yīng)，還引入了金融創(chuàng)新的平方項(Jrcx2)。

本文的數(shù)據(jù)樣本選取2011―2020年為時間區(qū)間，由于港澳臺地區(qū)的數(shù)據(jù)缺失，選取我國31個省、市、自治區(qū)為研究對象。以上各數(shù)據(jù)主要來源于萬得數(shù)據(jù)庫、《中國統(tǒng)計年鑒》《中國金融年鑒》、中國人民銀行官網(wǎng)、國家統(tǒng)計局官網(wǎng)、各地統(tǒng)計局官網(wǎng)、各地每年的統(tǒng)計公報以及各地每年的金融運行報告。主要變量的描述性統(tǒng)計結(jié)果如表5所示。

(二)模型構(gòu)建

為了分析金融風(fēng)險的空間網(wǎng)絡(luò)特性，本文借鑒沈麗等(2019)[32]的做法，采用擴展后的引力模型(gravity model)來確定金融風(fēng)險空間網(wǎng)絡(luò)矩陣，具體模型如下所示：

其中，模型(7)中，kij表示i省份在i、j省份之間金融風(fēng)險關(guān)聯(lián)中的貢獻度，Jrfxi表示i省份的區(qū)域金融風(fēng)險指數(shù)；模型(8)中，yij表示矩陣中的i行j列數(shù)值，Gdpi和pGdpi分別表示i省份的國內(nèi)生產(chǎn)總值與人均國內(nèi)生產(chǎn)總值，Rksi表示i省份的年末人口總數(shù)，Dij表示i，j兩個省份之間省會城市的距離。根據(jù)模型(7)和(8)可以計算出省份間的金融風(fēng)險關(guān)聯(lián)網(wǎng)絡(luò)矩陣，然后將其二值化，取每一行的平均數(shù)為所在行的臨界值，如果yij大于平均值，則定為1，表示i、j省份之間存在互相影響；否則取0，表示i、j省份之間不存在互相影響。依據(jù)上述操作，每一年份均生成一個31行31列的0-1矩陣。

各省份的金融創(chuàng)新、區(qū)域金融風(fēng)險的空間特征與區(qū)域金融風(fēng)險水平三者之間的影響效應(yīng)檢驗，按照如下步驟進行逐步分析：第一步，建立普通的平衡面板回歸模型(9)，檢驗金融創(chuàng)新對區(qū)域金融風(fēng)險的影響，同時在模型(9)中加入金融創(chuàng)新變量的平方項檢驗金融創(chuàng)新與區(qū)域金融風(fēng)險之間是否存在非線性關(guān)系；第二步，構(gòu)建模型(10)來檢驗各省份金融風(fēng)險的點度中心度、接近中心度和中介中心度與模型(9)中的解釋變量金融創(chuàng)新之間是否存在顯著性的影響關(guān)系；第三步，構(gòu)建模型(11)，將各省份的金融創(chuàng)新水平、金融風(fēng)險的空間特征與金融風(fēng)險一起納入，驗證各省份金融風(fēng)險的空間特征是否發(fā)揮中介效應(yīng)。模型(9)～(11)具體如下：

模型(9)中Xit為其他控制變量；i代表省份，t代表時間，μi用來控制地區(qū)固定效應(yīng)，λt用來控制時間固定效應(yīng)，εit為隨機擾動項。模型(10)中，Cit表示通過社會網(wǎng)絡(luò)分析法計算出的各省份金融風(fēng)險的點度中心度、接近中心度和中介中心度。模型(10)和(11)中的其他變量同模型(9)一致。此外，在模型(9)驗證金融創(chuàng)新與金融風(fēng)險的非線性關(guān)系后，為了繼續(xù)深入驗證這種關(guān)系，本文在Hansen(1999)[8]提出的靜態(tài)面板門檻模型的基礎(chǔ)上，選用Seo and Shin(2016)等[17]提出的動態(tài)面板門檻模型進行模型構(gòu)建。動態(tài)面板門檻模型能夠克服靜態(tài)面板門檻模型的固定效應(yīng)要求協(xié)變量嚴格外生的限制，允許模型中存在因變量滯后項和內(nèi)生協(xié)變量。具體模型如下：

模型(12)為單門檻的動態(tài)面板模型，雙門檻的動態(tài)面板模型類似，不再贅述。模型(12)中q為待估的區(qū)域金融創(chuàng)新門檻值，I(?)為指標(biāo)函數(shù)，當(dāng)括號中的條件滿足時，該函數(shù)的值取1，否則取0。

四、實證結(jié)果與分析

(一)中國區(qū)域金融風(fēng)險水平空間關(guān)聯(lián)的網(wǎng)絡(luò)結(jié)構(gòu)

基于模型(7)和(8)構(gòu)建的引力模型，利用UCINET可視化工具，繪制2011―2020年各省份金融風(fēng)險水平的空間網(wǎng)絡(luò)關(guān)系(限于篇幅，圖1僅展示了2020年各省份的空間網(wǎng)絡(luò)關(guān)系)。可以看出，我國的區(qū)域金融風(fēng)險水平空間關(guān)聯(lián)呈現(xiàn)典型的網(wǎng)絡(luò)結(jié)構(gòu)，空間聯(lián)系顯著且嚴密。

2020年中國31個省份的金融風(fēng)險中心度結(jié)果如表6所示。綜合金融風(fēng)險點度中心度、接近中心度和中介中心度三個中心度的數(shù)值和排名看，上海、江蘇、北京、浙江和廣東的排名均靠前，表明這些區(qū)域在金融風(fēng)險水平的空間關(guān)聯(lián)網(wǎng)絡(luò)中占據(jù)著重要地位。因此，這些地區(qū)要繼續(xù)發(fā)揮其在空間網(wǎng)絡(luò)中的重要作用，在利用自身優(yōu)勢持續(xù)發(fā)展金融、帶動相關(guān)省份金融發(fā)展的前提下，更要保持金融系統(tǒng)的穩(wěn)定性，以免發(fā)生金融風(fēng)險的迅速傳播。具體來說：

第一，點度中心度方面，由表6的測算結(jié)果可知，點度中心度的平均值為28.387，大于均值的省份有8個，按照順序從高到低分別是江蘇、上海、北京、浙江、福建、甘肅、廣東和天津，表明這些省份與其他地區(qū)省份的空間關(guān)聯(lián)較高。其中江蘇、上海、北京跟20個以上的省份存在金融風(fēng)險傳染的關(guān)聯(lián)效應(yīng)，說明這些省份位于金融風(fēng)險空間網(wǎng)絡(luò)關(guān)聯(lián)的中心地位。另外，位于點度中心度前五的省份中，上海是我國的金融中心，北京是我國的政治和經(jīng)濟中心，其他省份均位于東南部經(jīng)濟發(fā)達地區(qū)，這些地區(qū)的金融發(fā)展也位于全國前列。而點度中心度的后三位為內(nèi)蒙古、青海和西藏，這些省份為我國的少數(shù)民族地區(qū)，經(jīng)濟發(fā)展水平落后，金融化水平較低，因此金融風(fēng)險的整體中心度地位較低。

第二，接近中心度方面，平均值為18.320，大于均值的省份有18個，按照順序從高到低分別是江蘇、上海、北京、浙江、天津等，表明這些省份的金融風(fēng)險水平與其他省份之間存在更多的直接關(guān)聯(lián)度，與網(wǎng)絡(luò)中其他省份之間的空間距離較近，更居于網(wǎng)絡(luò)的中心位置。究其原因，就在于上述各省份無論是經(jīng)濟增長還是政策引領(lǐng)都具有巨大優(yōu)勢，與其他省份的資本流動交換率也高，同時發(fā)揮著外引內(nèi)聯(lián)的重要作用，與之對應(yīng)也更能體現(xiàn)出區(qū)域金融風(fēng)險的空間傳染和關(guān)聯(lián)性。位于后十位的省份為云南、陜西、黑龍江、西藏、內(nèi)蒙古等，說明這些地區(qū)的金融風(fēng)險外溢性弱，金融發(fā)展屬于被動型。

第三，中介中心度方面，高于均值的省份有11個，按照順序從高到低分別是江西、上海、廣東、重慶、北京、福建等，表明這些省份能影響剩余省份金融風(fēng)險之間的相互行動，這些省份不僅在空間網(wǎng)絡(luò)關(guān)系中起到中心作用，還能發(fā)揮中介的橋梁作用，對于金融風(fēng)險的傳染起著較強的控制和支配作用。

綜合圖1及上述分析，假設(shè)H1a得到驗證。

(二)金融創(chuàng)新對區(qū)域金融風(fēng)險的非線性作用分析

本部分將上文測算的區(qū)域金融風(fēng)險空間特征加入回歸模型中，檢驗金融創(chuàng)新水平與區(qū)域金融風(fēng)險之間的非線性關(guān)系，同時通過模型(9)～(11)檢驗各地的區(qū)域金融風(fēng)險空間特征是否在金融創(chuàng)新水平與區(qū)域金融風(fēng)險之間起到了中介作用。

在對模型(9)進行估計時，即中介效應(yīng)第一步回歸，需要注意三個問題：一是考慮到解釋變量選取的不完備性，可能會因某些未觀測的效應(yīng)而產(chǎn)生模型結(jié)果偏差，因此對模型(9)采用固定效應(yīng)面板；二是金融風(fēng)險與金融創(chuàng)新之間的雙向因果關(guān)系，因此本文在估計時均加入被解釋變量的一階滯后項以緩解因果關(guān)系；三是內(nèi)生性問題，在估計時采用系統(tǒng)GMM法，將被解釋變量的一階滯后作為工具變量。

具體結(jié)果如表7所示。其中第(1)列是沒有加入控制變量的固定效應(yīng)模型，第(2)列是加入控制變量的固定效應(yīng)模型，第(3)列是采用系統(tǒng)GMM估計的結(jié)果。對比這三列回歸結(jié)果可以發(fā)現(xiàn)，金融創(chuàng)新與金融創(chuàng)新二次項的系數(shù)大小有所不同，但系數(shù)的正負和顯著性沒有變化，驗證了本文所用模型的穩(wěn)健性。

表7 中介效應(yīng)第一步回歸結(jié)果

表7第(3)列顯示，Sargan檢驗值為0.101，拒絕工具變量存在過度識別的假設(shè)；同時AR(2)檢驗得到的p值為0.185，即不存在二階序列相關(guān)，說明系統(tǒng)GMM估計結(jié)果是有效的。從回歸結(jié)果可以看出，金融創(chuàng)新(Jrcx)的回歸系數(shù)為-3.778，且在1%水平下顯著。考慮平方項(Jrcx2)，其系數(shù)為1.031，且在1%水平下顯著，表明金融創(chuàng)新(Jrcx)與區(qū)域金融風(fēng)險之間存在著U型關(guān)系，驗證了前文的假設(shè)H2。

表8為區(qū)域金融風(fēng)險的各空間特征與金融創(chuàng)新的回歸結(jié)果，即中介效應(yīng)的第二步回歸。為解決內(nèi)生性問題，表8采用了系統(tǒng)GMM估計的方法，同時加入了被解釋變量的滯后項以緩解雙向因果關(guān)系。估計結(jié)果顯示，Sargan的檢驗值分別為0.129、0.100和0.100，拒絕工具變量存在過度識別的假設(shè)；同時AR(2)檢驗得到的p值分別為0.170、0.118和0.101，即不存在二階序列相關(guān)，說明系統(tǒng)GMM估計結(jié)果是有效的。同時可以看出，點度中心度(Didu)、接近中心度(Jjin)和中介中心度(Zjie)與金融創(chuàng)新(Jrcx)的回歸系數(shù)均顯著為負，說明金融創(chuàng)新可以抑制區(qū)域金融風(fēng)險的空間關(guān)聯(lián)度。金融創(chuàng)新回歸系數(shù)的顯著性表明中介效應(yīng)通過了第二步檢驗。

表8 中介效應(yīng)第二步回歸結(jié)果

表9為區(qū)域金融風(fēng)險(Jrfx)為被解釋變量，金融創(chuàng)新以及其平方項、金融風(fēng)險的各空間網(wǎng)絡(luò)特征為核心解釋變量的回歸結(jié)果，即中介效應(yīng)的第三步回歸結(jié)果。此處采用雙向固定效應(yīng)模型進行分析?；貧w結(jié)果顯示，金融風(fēng)險的各空間網(wǎng)絡(luò)特征點度中心度(Didu)、接近中心度(Jjin)和中介中心度(Zjie)的回歸系數(shù)均顯著為正，說明在區(qū)域金融風(fēng)險的空間關(guān)聯(lián)網(wǎng)絡(luò)中，處于空間網(wǎng)絡(luò)中心位置的省份，其區(qū)域金融風(fēng)險水平的傳播性也越高，驗證了假設(shè)H1b。金融創(chuàng)新(Jrcx)回歸系數(shù)均顯著為負，金融風(fēng)險的各空間網(wǎng)絡(luò)特征顯著為正，由溫忠麟等(2004)[36]的中介效應(yīng)檢驗理論可知，區(qū)域金融風(fēng)險的空間網(wǎng)絡(luò)特征存在部分中介效應(yīng)，即金融創(chuàng)新可以影響區(qū)域金融風(fēng)險水平的空間關(guān)聯(lián)特征，進而影響我國區(qū)域金融風(fēng)險的傳播，驗證了假設(shè)H3。

表9 中介效應(yīng)第三步回歸結(jié)果

上文分析顯示，金融創(chuàng)新對區(qū)域金融風(fēng)險水平的影響呈現(xiàn)U型非線性關(guān)系。為進一步明晰這種非線性關(guān)系，依據(jù)模型(12)，建立動態(tài)面板門檻模型。同時，為了檢驗門檻模型的穩(wěn)健性，按照北京大學(xué)數(shù)字普惠金融指數(shù)的分類，將金融創(chuàng)新指數(shù)細化為覆蓋廣度(Jrcx_fg)、使用深度(Jrcx_sd)、和數(shù)字化程度(Jrcx_sz)3個維度。

表10報告了門檻效應(yīng)存在顯著性的檢驗結(jié)果，可以看出，金融創(chuàng)新覆蓋廣度(Jrcx_fg)、使用深度(Jrcx_sd)、數(shù)字化程度(Jrcx_sz)均存在單門檻效應(yīng)。其中，金融創(chuàng)新覆蓋廣度的單門檻效應(yīng)在10%水平下顯著，而雙門檻效應(yīng)沒有通過10%的顯著性檢驗；金融創(chuàng)新使用深度的單門檻效應(yīng)在5%水平下顯著，而雙門檻效應(yīng)沒有通過10%的顯著性檢驗；金融創(chuàng)新數(shù)字化程度的單門檻效應(yīng)在1%水平下顯著，而雙門檻效應(yīng)沒有通過10%的顯著性檢驗。此外，根據(jù)圖2的覆蓋廣度、使用深度、數(shù)字化程度分別為門檻變量的門檻值與置信區(qū)間也可以看出，單一門檻效應(yīng)是顯著存在的。

表10 門檻存在性檢驗結(jié)果

在圖2的基礎(chǔ)上，將各門檻估計值匯報在表11?？梢钥闯?，金融創(chuàng)新覆蓋廣度的單門檻值為2.333，在全部的310個觀測值中，超過金融創(chuàng)新覆蓋廣度單門檻值的觀測值為140個，低于金融創(chuàng)新覆蓋廣度單門檻值的觀測值有170個，而這170個觀測值集中出現(xiàn)在2011―2016年。金融創(chuàng)新使用深度的單門檻值為2.251，在全部的310個觀測值中，超過金融創(chuàng)新使用深度單門檻值的觀測值有183個，低于金融創(chuàng)新使用深度單門檻值的觀測值有127個，這127個觀測值集中出現(xiàn)在2011―2013年。金融創(chuàng)新數(shù)字化程度的單門檻值為2.547，在全部的310個觀測值中，超過金融創(chuàng)新數(shù)字化程度單門檻值的觀測值有125個，低于金融創(chuàng)新數(shù)字化程度單門檻值的觀測值有185個，這185個觀測值集中出現(xiàn)在2011―2017年。

圖2 金融創(chuàng)新覆蓋廣度、使用深度、數(shù)字化程度的門檻值與置信區(qū)間

表11 門檻估計值及置信區(qū)間

以金融風(fēng)險為被解釋變量，金融創(chuàng)新的覆蓋廣度(Jrcx_fg)、使用深度(Jrcx_sd)、和數(shù)字化程度(Jrcx_sz)作為門檻變量與核心解釋變量，區(qū)域金融風(fēng)險的空間特征為解釋變量構(gòu)造的動態(tài)面板單門檻模型的回歸結(jié)果如表12所示。第(1)列為以金融創(chuàng)新覆蓋廣度作為門檻變量的回歸結(jié)果，可以看出金融創(chuàng)新覆蓋廣度在位于門檻值(2.333)的兩側(cè)時，系數(shù)均通過1%水平的顯著性檢驗，而且在低于門檻值的時候，金融創(chuàng)新覆蓋廣度抑制了金融風(fēng)險水平，在高于門檻值的時候，金融創(chuàng)新覆蓋廣度加劇了金融風(fēng)險水平。第(2)列為以金融創(chuàng)新使用深度作為門檻變量的回歸結(jié)果，可以看出在位于金融創(chuàng)新使用深度門檻值(2.251)的兩側(cè)時，回歸系數(shù)通過了1%水平的顯著性檢驗，而且在低于門檻值的時候，金融創(chuàng)新使用深度抑制了金融風(fēng)險水平，在高于門檻值的時候，金融創(chuàng)新使用深度加劇了金融風(fēng)險水平。第(3)列為以金融創(chuàng)新數(shù)字化程度作為門檻變量的回歸結(jié)果，可以看出在位于金融創(chuàng)新數(shù)字化程度門檻值(2.547)的兩側(cè)時，系數(shù)均通過1%水平的顯著性檢驗，而且在低于門檻值的時候，金融創(chuàng)新數(shù)字化程度抑制了金融風(fēng)險水平，在高于門檻值的時候，金融創(chuàng)新數(shù)字化程度加劇了金融風(fēng)險水平，假設(shè)H2再次得到驗證。

表12 門檻效應(yīng)的估計結(jié)果

(三)金融監(jiān)管的調(diào)節(jié)作用

借鑒連燕玲等(2019)[26]的做法，本文建立調(diào)節(jié)效應(yīng)模型，檢驗金融監(jiān)管調(diào)節(jié)效應(yīng)，即驗證假設(shè)H4。金融監(jiān)管調(diào)節(jié)效應(yīng)模型如下：

模型(13)和(14)中Jrjg代表各地的金融監(jiān)管強度，Jrcx×Jrjg表示金融監(jiān)管與金融創(chuàng)新的交乘項，其他變量同前。若α1、β1的系數(shù)同號且通過顯著性檢驗，則說明金融創(chuàng)新對區(qū)域金融風(fēng)險的主效應(yīng)存在，同時若β3的系數(shù)通過顯著性檢驗，則說明金融監(jiān)管的調(diào)節(jié)效應(yīng)存在。在調(diào)節(jié)效應(yīng)存在的前提下，若α1、β3同號，則金融監(jiān)管會加強金融創(chuàng)新對區(qū)域金融風(fēng)險的主效應(yīng)，若α1、β3異號，則金融監(jiān)管會削弱金融創(chuàng)新對區(qū)域金融風(fēng)險的主效應(yīng)。結(jié)合表14的門檻效應(yīng)回歸結(jié)果可知，金融創(chuàng)新對于區(qū)域金融風(fēng)險存在U型非線性效應(yīng)，則在進行調(diào)節(jié)效應(yīng)分析時，從門檻值的兩側(cè)進行異質(zhì)性分析，具體來說，將樣本按照門檻值進行分類，分別探討金融監(jiān)管在金融創(chuàng)新抑制金融風(fēng)險和金融創(chuàng)新加劇金融風(fēng)險不同階段的調(diào)節(jié)效應(yīng)。此外，為檢驗所假設(shè)調(diào)節(jié)效應(yīng)模型的穩(wěn)健性，按照北京大學(xué)數(shù)字普惠金融指數(shù)的分類，將金融創(chuàng)新指數(shù)細化為覆蓋廣度、使用深度、數(shù)字化程度三個維度，以求得到更為穩(wěn)健的實證結(jié)果?；貧w結(jié)果見表13和表14。其中表13是低于門檻值的回歸結(jié)果，表14是高于門檻值的回歸結(jié)果。

表14 調(diào)節(jié)效應(yīng)的估計結(jié)果(高于門檻值)

表13第(1)(2)列檢驗金融監(jiān)管在金融創(chuàng)新覆蓋廣度(低于門檻值2.333)抑制區(qū)域金融風(fēng)險過程中的調(diào)節(jié)作用，由結(jié)果可知α1、β3的系數(shù)同負且通過顯著性檢驗，說明金融創(chuàng)新覆蓋廣度抑制區(qū)域金融風(fēng)險的主效應(yīng)存在，但交叉項系數(shù)β3沒有通過顯著性檢驗，說明金融監(jiān)管在金融創(chuàng)新覆蓋廣度(低于門檻值2.333)抑制區(qū)域金融風(fēng)險過程中的調(diào)節(jié)作用不存在。表13第(3)(4)列檢驗金融監(jiān)管在金融創(chuàng)新使用深度(低于門檻值2.251)抑制區(qū)域金融風(fēng)險過程中的調(diào)節(jié)作用，由結(jié)果可知α1、β1的系數(shù)同負且通過顯著性檢驗，說明金融創(chuàng)新使用深度抑制區(qū)域金融風(fēng)險的主效應(yīng)存在，但交叉項系數(shù)β3沒有通過顯著性檢驗，說明金融監(jiān)管在金融創(chuàng)新使用深度(低于門檻值2.333)抑制區(qū)域金融風(fēng)險過程中的調(diào)節(jié)作用不存在。表13第(5)(6)列檢驗金融監(jiān)管在金融創(chuàng)新數(shù)字化程度(低于門檻值2.547)抑制區(qū)域金融風(fēng)險過程的調(diào)節(jié)作用，與第(3)(4)列的結(jié)果類似，金融監(jiān)管在金融創(chuàng)新數(shù)字化程度抑制區(qū)域金融風(fēng)險的過程中沒有起到調(diào)節(jié)作用。

表13 調(diào)節(jié)效應(yīng)的估計結(jié)果(低于門檻值)

表14第(1)(2)列檢驗金融監(jiān)管在金融創(chuàng)新覆蓋廣度(高于門檻值2.333)加劇區(qū)域金融風(fēng)險過程中的調(diào)節(jié)作用，由結(jié)果可知α1、β1的系數(shù)同正號且通過顯著性檢驗，說明金融創(chuàng)新覆蓋廣度加劇區(qū)域金融風(fēng)險的主效應(yīng)存在，同時β3的系數(shù)通過顯著性檢驗，說明金融監(jiān)管的調(diào)節(jié)效應(yīng)存在，但α1、β3異號，說明金融監(jiān)管削弱了金融創(chuàng)新覆蓋廣度對區(qū)域金融風(fēng)險的加劇，能夠起到監(jiān)管的目的。表14第(3)(4)列檢驗金融監(jiān)管在金融創(chuàng)新使用深度(高于門檻值2.251)加劇區(qū)域金融風(fēng)險過程中的調(diào)節(jié)作用，由結(jié)果可知α1、β1的系數(shù)同正號且通過顯著性檢驗，說明金融創(chuàng)新使用深度加劇區(qū)域金融風(fēng)險的主效應(yīng)存在，同時β3的系數(shù)通過顯著性檢驗，說明金融監(jiān)管的調(diào)節(jié)效應(yīng)存在，但α1、β3異號，說明金融監(jiān)管削弱了金融創(chuàng)新使用深度對區(qū)域金融風(fēng)險的加劇，能夠起到監(jiān)管的目的。表14第(5)(6)列檢驗金融監(jiān)管在金融創(chuàng)新數(shù)字化程度(高于門檻值2.547)加劇區(qū)域金融風(fēng)險過程的調(diào)節(jié)作用，與第(3)(4)列的結(jié)果類似，金融監(jiān)管在金融創(chuàng)新數(shù)字化程度加劇區(qū)域金融風(fēng)險的過程中起到調(diào)節(jié)作用。本文假設(shè)H4得到驗證。

五、結(jié)論與建議

本文基于我國2011―2020年我國31個省份的面板數(shù)據(jù)，運用主成分分析法構(gòu)建各省份金融風(fēng)險指標(biāo)，基于社會網(wǎng)絡(luò)分析法從空間角度探究金融風(fēng)險指數(shù)的空間關(guān)聯(lián)網(wǎng)絡(luò)特征，著重分析金融風(fēng)險指數(shù)的空間關(guān)聯(lián)表現(xiàn)下金融創(chuàng)新對金融風(fēng)險的非線性效應(yīng)與影響途徑，探究了金融監(jiān)管在金融創(chuàng)新影響區(qū)域金融風(fēng)險中的調(diào)節(jié)作用。分析結(jié)果表明：我國的區(qū)域金融風(fēng)險水平的空間關(guān)聯(lián)呈現(xiàn)典型的網(wǎng)絡(luò)結(jié)構(gòu)，無孤立點，空間聯(lián)系顯著且嚴密；區(qū)域金融風(fēng)險的空間特征指標(biāo)對于區(qū)域金融風(fēng)險的加劇存在著正向影響；金融創(chuàng)新水平對區(qū)域金融風(fēng)險的影響是U型的，即低于門檻值時金融創(chuàng)新水平不會加劇區(qū)域金融風(fēng)險，但越過門檻值時金融創(chuàng)新水平會加劇區(qū)域金融風(fēng)險；區(qū)域金融風(fēng)險水平的空間關(guān)聯(lián)指標(biāo)在金融創(chuàng)新與區(qū)域金融風(fēng)險水平的關(guān)系中起到中介效應(yīng)，即金融創(chuàng)新能夠影響到區(qū)域金融風(fēng)險水平的空間關(guān)聯(lián)結(jié)構(gòu)，從而影響區(qū)域金融風(fēng)險水平；金融監(jiān)管在金融創(chuàng)新加劇區(qū)域金融風(fēng)險的過程中起到調(diào)節(jié)作用，削弱了金融創(chuàng)新加劇區(qū)域金融風(fēng)險水平的程度。

基于上述結(jié)論，本文提出以下建議：

第一，要充分重視我國區(qū)域金融風(fēng)險的空間關(guān)聯(lián)和網(wǎng)絡(luò)特征，在促進各地金融協(xié)調(diào)發(fā)展的同時，防范區(qū)域金融風(fēng)險的空間關(guān)聯(lián)帶來的系統(tǒng)性金融風(fēng)險傳染和爆發(fā)。本文得到的結(jié)果顯示，我國區(qū)域金融風(fēng)險水平的空間關(guān)聯(lián)呈現(xiàn)典型的網(wǎng)絡(luò)結(jié)構(gòu)，無孤立點，空間聯(lián)系顯著且嚴密。因此，在面對諸如互聯(lián)網(wǎng)金融風(fēng)險、高杠桿危機等類似的金融問題時，應(yīng)防止發(fā)生空間和區(qū)域之間的傳播現(xiàn)象。從空間關(guān)聯(lián)數(shù)據(jù)看，北京、上海、廣東、江蘇與浙江等省份在中心性方面均起到主導(dǎo)作用，一旦上述各地發(fā)生金融風(fēng)險，便會迅速發(fā)生擴散。因此，各地在加強區(qū)域間經(jīng)濟交往和合作時，要通力互助，為防范區(qū)域金融風(fēng)險的傳播創(chuàng)造更加有利的先決條件。此外，在制定金融政策時，既要考慮到各地的金融水平，也要充分參考各地的實際經(jīng)濟水平，不搞一刀切，采取差異化的地區(qū)金融經(jīng)濟政策。

第二，辯證看待金融創(chuàng)新與區(qū)域金融風(fēng)險之間的關(guān)系。雖然隨著金融創(chuàng)新的深入發(fā)展，區(qū)域金融風(fēng)險也會隨之加劇，但金融創(chuàng)新的正面效應(yīng)亦需肯定，金融創(chuàng)新不僅便利了金融服務(wù)的可得性，也為中小微企業(yè)解決了融資困難問題。但是，過度的金融創(chuàng)新往往因為缺乏有效監(jiān)管而陷入危險境地。因此，在守住不發(fā)生系統(tǒng)性金融風(fēng)險的前提下，配套和完善相關(guān)金融產(chǎn)業(yè)的發(fā)展，推進信息技術(shù)能力的進步，以人工智能、大數(shù)據(jù)高端核心技術(shù)合法破解當(dāng)前數(shù)據(jù)困境，助力金融創(chuàng)新。應(yīng)通過先進的核心技術(shù)為金融創(chuàng)新提供精準服務(wù)、實行有效甄別，對那些具有創(chuàng)新發(fā)展能力、資金短缺嚴重的企業(yè)給予足夠的金融支持，從而發(fā)揮出金融創(chuàng)新驅(qū)動經(jīng)濟發(fā)展的正面作用。傳統(tǒng)的金融機構(gòu)也應(yīng)該積極擁抱金融創(chuàng)新的數(shù)字化技術(shù)優(yōu)勢，為傳統(tǒng)金融的事前識別企業(yè)、事中金融服務(wù)、事后風(fēng)險控制提供有力支撐，助力實體經(jīng)濟發(fā)展。

第三，加強中央和地方金融監(jiān)管機構(gòu)之間的協(xié)作，積極推進中央與地方的信息共享，提高金融監(jiān)管的整體水平。提高監(jiān)管機構(gòu)的監(jiān)管水平，緊跟互聯(lián)網(wǎng)、云計算、大數(shù)據(jù)等先進技術(shù)的發(fā)展，不斷充實監(jiān)管隊伍的科技水平，發(fā)揮智能監(jiān)管的積極作用。在充分考慮地區(qū)經(jīng)濟發(fā)展?fàn)顩r的同時，構(gòu)建出適合國情與地方特色的金融創(chuàng)新水平控制機制與風(fēng)險預(yù)警措施，盡量消除金融創(chuàng)新加劇區(qū)域金融風(fēng)險的不利因素，為金融高質(zhì)量發(fā)展保駕護航。