写论文没有思路的时候，经常查阅一些论文范文，小编为此精心准备了《金融科技论文(精选5篇)》，欢迎大家借鉴与参考，希望对大家有所帮助！编者按：党的十九大报告指出：“深化金融体制改革，增强金融服务实体经济能力，健全货币政策和宏观审慎政策双支柱调控框架，健全金融监管体系，守住不发生系统性金融风险的底线。”这是做好新时代金融工作的基本要求。与此同时，信息技术和金融的深层融合不断打破现有金融行业的边界，金融科技正在以迅猛的势头重塑金融产业生态。
金融科技、科技金融与区域研发创新
摘 要：基于2012-2018年中国省际面板数据，实证分析统一框架下金融科技、科技金融与区域研发创新之间的关系，结果发现：金融科技和科技金融对区域研发创新效率提升有促进作用，其中金融科技通过金融资源配置效率的中介作用影响区域研发创新，科技金融通过资本回报率影响区域创新研发;金融科技的提升作用更侧重于研发产出和成果转化阶段，并随着创新流程的深入不断上升，而科技金融更聚焦于研发投入，并在研发产出阶段展现了一定抑制作用;金融科技和科技金融的交互效应对全国和东部地区的创新发展具有积极影响，而对中、西地区的影响不显著。
关键词： 金融科技;科技金融;区域研发创新;中介效应;调节效应
一、引 言
研发创新作为一种周期性较长、风险性较高、结果不确定性较大的经济活动对资本需求较大，但由于资本逐利动机的驱使和金融发展的限制，企业始终面临严重的融资困境，所以，挖掘金融服务实体的潜力，对技术研发创新有重大影响[1]。随着数字经济和互联网金融的不断发展，当前金融发展主要呈现数字化、生态化的特征，并在需求拉动、技术驱动和制度保障下形成了金融科技(Fintech)和科技金融(Techfin)两种主要发展业态[2]。其中，金融科技是以大数据、云计算、人工智能、区块链以及移动互联为引领的新技术革命对金融领域边界的拓宽和重构，其参与主体主要为互联网企业、科技企业等技术性驱动企业，金融科技的应用重塑了传统金融业务场景，优化了金融生态，极大拓宽了金融服务的广度和深度 [3]。而科技金融是政府引导下，为促进金融机构及创业投资等各类资本进入科技创新领域内的一种财政科技投入方式的创新，它以实现科技创新链条与金融资本链条的有机结合为目的，以金融产品及服务模式的创新为手段，是一项向科技企业提供融资支持和金融服务的系统安排[4]。整体来看，两种金融业态都属于金融与科技的深度融合，并给区域研发创新带来了新的活力，但市场主导的金融科技立足于科技，而政府主导的科技金融立足于金融，两种模式显然是存在差异的。那么，两者作用于研发创新活动的影响是否也存在差异;两者对区域研发创新的具体影响路径是怎样的;在金融和科技融合的统一框架下，两者自身之间又存在怎样的关联。只有辨明这些问题才能更清晰地阐释金融发展的创新激励机理，并深刻理解金融业态与研发创新之间的关系，这对于挖掘金融潜力，推动金融“脱虚向实”，加速我国高质量转型发展具有重大现实意义。
二、文献综述
(一)金融科技与区域创新的关系
金融科技颠覆了传统金融业态，其区别于传统金融最明显的特征就是“技术化”。在大数据、云计算、人工智能、区块链等数字技术的驱动下，金融交易模式打破了时空限制，交易成本不断降低，信息沟通效率也得到了巨大提升[5]。因此，现有研究基于金融生态环境、企业融资约束、风险管理以及要素流动视角等，对金融科技与区域研发创新的关系进行了广泛探讨。有研究认为区域金融科技的发展不仅可以有效促进金融生态中金融市场规模的扩大和效率的提升，还有利于提高区域投资开放度和贸易开放度;在高效、开放的金融生态环境下，金融服务实体的潜力得到了释放，这为区域研发机构的科学决策提供了技术保障， 并进一步提高了区域创新研发的效率[6]。同时，金融科技所带来的数字信息技术，不仅打破了传统金融的边界约束，降低了银企之间的信息不对称程度，还能加快信贷审批的程序，进而降低企业融资成本，这对于缓解创新型企业融资困境具有重大意义[7];并且金融科技还能为技术企业提供更丰富的融资渠道和方式，这也为企业研发創新的发展提供了坚实保障[8]。另外，部分学者基于风险管理视角提出金融科技蕴含的大数据、云计算、分布式账本技术，有利于更加精准地刻画企业创新潜在的价值，从而有利于创新流程中风险的识别与管理，保证研发活动得以顺利开展[9]。从传导路径和结果来看，金融科技的应用打破了创新要素流动的地理限制，提高了区域创新要素的流动配置效率;随着金融科技的不断发展，其创新溢出的边际效应呈现递增的趋势[10，11]。
(二)科技金融与区域创新的关系
科技金融是促进科技开发、成果转化和高新技术产业发展的一系列金融工具、金融制度、金融政策与金融服务的系统性、创新性安排，其本质是科创活动与金融政策或工具的融合[12]。因此，科技金融主要通过融资需求、项目筛选、风险转移和信息归集等路径作用于技术创新活动[13]。有研究认为，我国科技金融政策实现了政府财税补贴和金融信贷资源与企业融资需求的直接对接，银行类金融机构依靠科技金融的政策扶持，创造了投贷联动、科技保险、科技信贷、知识产权证券化、股权众筹等一系列的金融产品，这极大缓解了企业外部融资需求[4]。同时，由于政府在科技金融政策中起到了主导作用，依靠政府的信用背书可以缓解银企之间的信息不对称困境，并降低了金融资本的投资风险，进而有利于引导市场金融资本向区域创新领域流动，缓解区域创新活动的融资难题[14]。另外，科技金融主要通过增加科技创新的财政投入、建立科技创新的风险分散机制、建立科创企业的筛选机制三条路径影响区域创新效率[15]。但在科技金融对区域创新的实际效果上，科技金融虽然增加了研发创新的投入，但政府的干预抑制了创新效率，所以，科技金融的创新效应实际上不明显[16]。也有研究认为我国科技金融投入极大推动了区域创新效率，并呈现长久上升趋势[17]。
整体来看，现有研究成果基本肯定了金融科技和科技金融对区域研发创新的影响，但结合金融功能理论和创新价值链理论来看，现有研究存在一定的局限性：首先，金融科技和科技金融作为金融发展的两种主要发展方向，金融科技立足于科技，科技金融立足于金融，两者共存在统一框架内，但现有研究只是分别研究了两者与创新的关系，而忽视了两者的对比分析。其次，金融科技作为科技跨界金融的产物，而科技金融作为金融在技术的跨界，两者对区域研发创新的路径具体是怎样的，现有文献都只是从融资约束、信息不对称等角度讨论两者对创新的作用，并没有对它们的影响路径进行合理区分。最后，考虑到创新流程复杂性和我国区域异质性的现实状况，现有研究缺乏统一框架内对金融科技和科技金融在不同地区和不同创新阶段与研发创新之间关系的对比探讨。鉴此，本文基于中国2012-2018年30个省份的面板数据(除西藏外)，在构建金融科技和科技金融指标的基础上，把金融科技、科技金融放在同一框架内去研究它们与区域研发创新之间的关系，以明确金融科技和科技金融对区域研发创新的影响路径差异，以期有助于更深刻地理解金融发展对区域创新的影响，进而充分发挥金融服务实体创新的潜力，提高区域创新效率;明确金融科技和科技金融创新效应的阶段差异，以期有利于个性化地制定我国区域创新的金融发展战略，进而提高创新资源利用效率;明确区域研发创新框架内金融科技和科技金融之间的联系，以期有助于辨明金融与科技融合趋势下我国金融发展的形态特征，进而为金融供给侧结构性改革和创新要素市场化改革提供理论依据。
三、理论分析与实证假设
区域研发创新是一项复杂的系统工程。从金融发展的视角探讨金融科技和科技金融与区域研发创新之间的关系，实际上是对金融功能的拓展分析[18-20]。金融发展主要包括金融产品服务创新、金融中介创新以及市场机制创新三个方面[21]，金融发展对区域创新的作用可以分为融资渠道效应和非融资渠道效应，其中融资渠道效应体现在金融资本的高溢价回报上，而非融资渠道效应体现在金融资源的配置效率[13]。因此，本文试图基于金融科技和科技金融所蕴含的金融功能特质，并结合区域创新的主要影响因素，对两者的创新效应及路径进行分析。
(一)金融科技与区域研发创新
金融科技作为大数据、云计算、人工智能、区块链等技术在金融领域的融合创新，最显著的作用就是颠覆了传统金融环境，所以，从金融功能角度分析它与区域研发创新之间的影响，就需要从金融科技特征、金融生态环境与研发创新的关系入手[22]。首先，金融科技信息化的特质表明，它在解决信息沟通难题方面具有天然优势，它可以通过大数据、区块链等技术对创新主体的信用资质、经营能力、发展空间、市场潜力、风险管理能力进行精准定位，这些信息的公开有助于缓解投资主体与融资主体间的信息不对称困境，降低金融市场筛选有效信息的时间和成本，投资主体还能根据信息化的计算结果选取优质的创新项目进行投资，这对于降低交易成本，提高金融资源在研发创新活动的配置效率有重大意义[23]。其次，智能化技术的应用可以更科学地预测投资和研发的结果，并能精准识别创新流程中的风险。这对于解决创新不确定性风险、投资收益风险和构建高效的退出机制具有重大意义[24]。最后，去中心化的技术应用不仅简化了传统业务流程，降低了创新主体对传统信贷资源和研、产、销渠道的依赖性，还打破了市场创新要素流动的地域限制，提高了金融创新要素的流动范围和效率[10]。通过对金融科技的特征分析不难发现，金融科技影响区域实体部门创新的路径为：金融科技通过数据化、信息化、智能化等技术手段优化了金融生态环境，提高了金融服务创新的范围和效率，让投资者和创新主体可以更科学地作出资源配置决策，进而影响实体经济。换言之，金融科技是技术扩散中的金融协同，金融科技凭借技术优势提高了创新要素的供需匹配度，降低了研发创新流程的投资风险和成本，并为创新成果的转化提供了良好的市场环境，这种技术型手段大大提高了创新决策的科学性和创新市场中金融资源的利用效率，激发了金融服务创新的潜能，进而影响区域创新效率。基于此，提出研究假设1。
假设1 金融科技有利于提高区域创新效率，金融资源配置效率在金融科技的区域创新效应中具有中介作用。
(二)科技金融与区域研发创新
科技金融作为财政科技投入方式的重大革新，是政府职能、企业需求、金融机构供给的融合产物。在科技金融的影响下，政府财税补贴和银行业、证券业、保险业及创业投资等各类资本可以更好地满足企业融资需求，并通过创新金融产品、改进服务模式来实现科技创新链条与金融资本链条的有机结合。当前科技金融作用于研发创新的途径主要分为：(1)政府资金建立基金或者母基金引导民间资本进入科技企业;(2)创新金融产品，如科技信贷、科技保险、知识产权质押融资、股权众筹等融资方式，塑造了多元化科技企业股权融资体系[25]。科技金融的直接目的就是为技术创新提供匹配的资本支持，它依靠政府背书引导金融资本流动，通过财政补贴和金融产品创新等手段提高资本回报溢价率。一方面，满足了研发创新的资本需求;另一方面，给予金融资本较高的溢价回报率，吸引市场资本进入区域研發创新领域，所以，科技金融实际上是通过调节金融资本要素回报率来影响研发创新活动的[26]。另外，与传统金融相比，科技金融具有专业化和规模化优势，专业的人力投入可以提高投资项目筛选、资金管理、风险管控等决策效率，筹集小、散社会资本到专业投资机构的手中也可以更好地发挥出资本的规模效应，这极大地提高了金融资本的溢价回报[13]。因此，科技金融就是为缓解研发创新融资约束并直接服务于科技进步的一项多方参与的金融政策，它为研发创新活动提供资本支持和专业化、规模化的金融服务，它以金融为手段，通过提高金融资本溢价回报率调动市场资本参与的积极性，进而作用于区域技术创新。基于此，提出研究假设2。
假设2 科技金融有利于提高区域创新效率，金融资本回报率在科技金融的区域创新效应中具有中介作用。
四、计量模型、变量与数据
(一)计量模型
其中，ω3表示统一的区域创新框架内，科技金融与金融科技的交互变量的系数，其大小、方向反映金融科技和科技金融对区域创新效应的协同效应。
(二)变量设定
1.被解释变量。选取区域研发创新效率作为被解释变量。参考白俊红等(2015)对两种方法①的对比分析结果[27]，为避免结果受主观设置生产函数的影响，借鉴余泳泽等(2013)的做法，采用DEA-Malmquist指数法来测算各省的研发创新效率[28]。因此，基于创新价值链视角选取投入产出指标。其中，投入指标主要包括资本、人力两大类要素;产出指标主要包括专利类科研成果的产出和技术应用带来的社会经济效益。因此，选取的投入指标主要为：研发资金投入指标，用各省R&D经费支出表示;科研人员投入指标用各省R&D从业人员表示;在产出指标上用专利申请授权数、新产品销售收入、新产品出口额来表示。同时，利用所选的投入产出指标通过DEAP 2.1软件进行测算，得出区域研发创新效率。在分阶段回归时，依照各阶段主要特征，选取研发投入强度(rd)、有效专利产出(op)、新产品销售收入(trans)分别作为研发投入阶段、研发产出阶段、创新成果转化阶段的度量指标。
2.解释变量。金融科技指标和科技金融指标为主要解释变量。目前，学者们对金融科技的度量方法主要有：(1)文本挖掘法。以金融科技、大数据、人工智能、区块链、数字货币、数字经济、量化金融等为关键词，对网络新闻、政府及企业公告等进行文本数据挖掘，并在结构化分析基础上得出金融科技发展水平指数[29]。(2)依照金融科技结构功能构建多层次指标体系，然后，利用金融科技企业交易账户的底层数据进行测算[10]。由于文本挖掘法的测量可能存在过多金融科技和科技金融的交合信息，所以，通过构建金融科技指标体系来对金融科技进行量化。依照金融功能理论，金融科技的作用主要体现在资源配置、信息处理、风险管控、支付清算、用户体验、金融自由化等方面，因此，从企业、用户、政府三个市场参与主体出发，参考浙江大学互联网金融研究院课题组的指标体系(见表1)，对指标数据进行Bartlett球形检验和KMO检验后，利用主成分分析法(PCA)来测算和衡量金融科技水平指标。
科技金融发展水平指标参考徐玉莲(2017)[26]的做法，把我国科技金融资金来源分为以政府为主体的公共科技金融和以企业、金融机构等为主体的市场科技金融两大类，依照不同主体对科技金融的支持力度设置指标体系(见表1)。
通过观察表2主成分分析结果，考虑到特征值和累计方差贡献度的影响，金融科技指数选取前三个主成分测算，科技金融指数选取第一个主成分测算。
3.中介变量。 为进一步阐释金融科技和科技金融影响区域创新效率的路径，分别引入金融资源配置效率、资本回报率作为中介变量，考察两者对区域创新效率的影响路径。其中，金融资源配置效率指标(fra)利用区域金融投入产出指标，并通过DEA方法测算得到③[30]。资本回报率指标(roic)用科技金融投资绩效综合指数来表示④[31]。
4.控制变量。为了更加客观、准确地分析金融科技和科技金融对区域研发创新的影响，还控制了以下变量：(1)经济发展水平(regdp)。研发创新作为一项经济活动，与区域经济发展密切相关，良好的经济状况可以为研发创新提供稳定的基础保障。利用各地区人均GDP取对数来衡量宏观经济发展水平。(2)区域开放水平(open)。区域开放度影响区域创新要素的流动性，利用地区外贸依存度来衡量区域开放水平，具体计算为区域进出口总额与区域GDP的比值。(3)市场化水平(market)。无论是创新要素流动还是创新成果转化都离不开市场的调节，用区域市场化指数来衡量区域市场化水平[32]。(4)教育发展水平(edu)。创新发展对人力资本要素的要求较高，选取区域高等教育人数与总人口比值来衡量区域社会教育水平。(5)城市化水平(urb)。较高的城市化水平为区域创新发展提供良好的资源禀赋结构和基础设施支持，对于提高创新效率具有重要影响，用区域内年末城镇人口与总人口之比来反映。(6)互联网发展水平。互联网发展对区域创新能力和创新要素的共享具有积极作用，用各省互联网行业规模与地区GDP的比值衡量(各变量及定义说明见表3)。
(三)数据说明
以2012-2018年全国30个省市(西藏数据缺失严重，故剔除)为研究对象，选取区域经济发展、金融发展等相关数据⑤。为避免极端值影响，用Winsorize对变量进行1%分位及99%分位的缩尾处理;为避免多重共线性问题，进行了方差膨胀因子(VIF)检验，结果表明，解释变量的VIF<10，说明不存在明显的多重共线性问题。变量的描述性统计结果见表4。
五、实证结果分析
(一)金融科技、科技金融对区域创新效率影响的效应分析
在进行回归分析前对模型进行Hausman检验，结果显示，Prob>chi2=0.0001，拒绝了原假设，所以，选取固定效应进行回归分析(结果见表5)。其中，模型(1)(4)为金融科技、科技金融对区域创新的直接影响，模型(1)(2)(3)为以金融资源配置效率(fra)为中介变量的金融科技的中介效应分析结果;模型(4)(5)(6)为以资本回报率(roic)为中介变量的科技金融的中介效应分析结果。
表5回归结果显示，金融科技(fintech)、科技金融(techfin)都对区域研发创新效率(inv)的提升起到了正向激励作用。模型(1)(4)显示fintech影响系数为0.036，科技金融影响系数为1.129，两者分别在10%、5%水平下显著。表明金融和科技的融合发展都显著提升了区域研发创新效率，并且科技金融对区域创新的边际影响力要大于金融科技，这主要是由两种金融发展方式的特质所决定的。科技金融立足于金融，其布局的根本目的就在于利用金融来推动技术创新发展，所以，它直接影响了技术研发创新活动;而金融科技立足科技，它注重技术在金融领域的应用，所以，它产生的影响更多集中在优化金融生態环境、改变市场交易模式、提高金融效率等方面。因此，科技金融对区域创新的直接影响要强于金融科技。同时，观察中介效应结果发现，模型(1)中fintech系数显著为正，表明可以进一步进行中介效应分析;模型(2)中fintech系数为0.130;模型(3)中fra系数为0.164，fintech系数为0.028，并都通过了显著性检验，表明金融资源配置效率在金融科技的区域创新影响中存在部分中介效应，且中介效应占比约42.86%。同理，由模型(4)(5)(6)结果可知，tencfin的系数和roic的系数都通过了显著性检验，表明资本回报率在科技金融的区域创新影响中也存在部分中介效应，且中介效应占比为27.67%。因此，金融科技通过提高区域金融资源配置效率影响了区域创新效率，科技金融则通过提高资本回报率来影响区域创新效率，假设1、假设2得以证实。
另外，从控制变量回归结果来看区域经济水平(regdp)、市场化程度(market)、区域教育水平(edu)、城市化水平(urb)、互联网水平(internet)都在一定置信水平下展现了积极影响，表明区域经济发展、市场化程度、教育水平、城市化程度以及互联网的发展都可以提升区域研发创新效率。但是区域开放水平(open)在一定程度上抑制了区域研发创新效率的提升，这主要是由于我国科研基础和创新竞争力仍旧较弱，自主的研发创新容易受到外部冲击。
(二)基于研发创新阶段的异质性分析
考虑到区域研发创新是一个复杂多阶段的系统。因此，在确定了金融科技、科技金融对区域研发创新效率的整体影响后，为明确两者对区域研发创新的异质性影响，基于创新价值链理论，进一步考察它们对区域创新不同阶段的影响(回归结果见表6)。
表6显示，在分阶段回归结果(2)(4)(6)中，金融科技(fintech)对研发投入(rd)、研发产出(op)、成果转化(trans)的影响系数分别为0.037、0.069、0.147，其中在研发产出阶段和成果转化阶段都表现出显著的正向提升作用，这表明金融科技发展对研发专利成果的产出和社会经济转化都有正向影响，但在研发投入(rd)阶段显著性不强。结合上文对金融资源配置效率(fra)中介变量的作用分析，可以更进一步明确金融科技对区域创新研发的作用路径：金融科技并没有直接为区域研发创新活动提供创新要素投入，而是通过提高金融资源在研发创新流程中的配置效率来激励研发创新活动的展开，所以假设1得到更进一步证实。从回归结果(1)(3)(5)可以看出，科技金融(fintech)在研发创新不同阶段展现的作用也有差异，在研发投入阶段(rd)和成果转化阶段(trans)都表现出显著的提升作用，尤其是在研发投入阶段，科技金融(fintech)的影响系数达到了33.161，这表明科技金融极大提升了研发创新的金融资源投入。但在研发成果转化阶段，科技金融对研发专利产出(op)等产生了抑制作用，这是因为科技金融主要是靠政府引导推动的创新政策，相比市场筛选机制，其仍旧缺乏效率，所以，在区域研发创新中会存在一定比例的投机现象，这种投机行为会降低研发产出质量。另外，对比两者整体流程效应，金融科技始终对区域研发创新有着正向激励作用，并随着流程的不断深入激励效应越来越大;而科技金融在研发创新流程中体现了正负相间的关系，并且边际系数越来越小，表明金融科技、科技金融对区域创新的影响存在阶段异质性。
(三)统一框架下金融科技与科技金融的协同创新效应
为进一步明确金融科技和科技金融对区域创新的共同作用，引入金融科技和科技金融的交互变量(techfin×fintech)，分析统一研发创新框架下不同区域内交互效应对区域创新效率的影响(具体结果见表7)。
表7显示，在分样本回归下，金融科技和科技金融对区域研发创新绩效产生了不同影响：金融科技(fintech)在东、中、西各区域都产生了显著的正向激励作用，并且对东部地区的影响系数略大于中、西部，表明金融科技的研发创新激励效应受区域影响不明显。但科技金融(techfin)对区域创新影响具有较大差异，具体来看，东部地区的科技金融对研发创新效率表现出正向的激励效应，而中部地区和西部地区的科技金融表现出抑制作用，区域异质性极大地影响了科技金融与研发创新之间的关系。进一步分析交互变量系数发现，东部地区交互变量(techfin×fintech)系数显著为正，表明在金融科技和科技金融的共同作用下，东部地区的创新效率得到了提升;而中部、西部区域的交互变量系数为负，未通过显著性检验，表明金融科技和科技金融的协同作用并未在中、西部地区体现出来。但从全国范围来看，金融科技和科技金融共同促进了区域创新效率的提升。
六、稳健性检验
为保证实证结果的可靠性和稳健性，进行稳健性检验：考虑到估计结果可能受到内生性问题的影响，采用系统GMM模型引入解释变量的滞后一期项(techfin(t-1) ， fintech(t-1))作为工具变量对方程进行分析;考虑到变量测度指标选择对估计结果的潜在影响，用北京大学数字金融研究中心编制的中国省级数字金融指数(fintech1)表示金融科技指标[10]，用省级科技系统和金融系统的耦合度来代表科技金融指标(techfin1)[13]，重新进行分析;改变区域创新效率的测度方法，用随机前沿分析法(SFA)重新对区域创新效率(inv1)进行计算。通过回归检验发现(具体结果略)，研究结果并未发生重大变化，与前文结论整体一致。
七、结论与启示
金融和科技的融合对区域创新发展具有重大現实意义。以上研究显示：(1)金融科技、科技金融都对区域研发创新效率具有正向激励作用，其中金融科技通过提升金融资源配置效率影响区域研发创新，科技金融通过提高资本回报率影响区域研发创新。(2)金融科技和科技金融对创新流程不同阶段的作用具有异质性。其中，金融科技在研发投入、研发产出和成果转化阶段都具有促进作用，但其影响更显著体现在研发产出和成果转化阶段;科技金融在研发投入和成果转化阶段具有正向影响，尤其是研发投入阶段的激励效应十分显著，但在研发产出阶段表现出一定的抑制作用。(3)在统一框架下，金融科技和科技金融整体的协同效应对区域创新效率的提升具有积极作用，但在不同区域内存在差异，两者的交互项与东部创新效率呈正向关系，而与中、西部地区的创新效率呈负相关。
通过以上研究结论可以得到以下政策启示：(1)重视金融和科技“融合共生”的作用，构建多层次的金融体系。金融科技和科技金融对区域创新的发展具有积极作用，因此，鼓励科技与金融资本市场融合，有助于拓宽金融服务实体经济的广度和深度。为此，可以依托金融科技塑造的良好金融生态，充分发挥科技金融的政策支持，构建多层次的金融体系，实现政府资源、信贷资源与市场资源的有机结合。具体来说，政府要构建专门服务于科技型企业的融资体系，加大对创新企业的扶持力度;金融机构要加强数字技术的应用，不断创新金融产品及服务，降低市场化融资门槛。另外，还要充分利用互联网技术，提高市场创新要素的流动性，提高金融资源配置效率和资本回报率，最终推动区域创新效率提升。(2)提高金融科技和科技金融与创新系统的契合度，建立个性化匹配机制。研发创新是一个多阶段的复杂系统，而金融服务研发创新的基础就在于满足研发创新多阶段的不同需求。提高金融服务与研发创新不同阶段的需求间的契合度，不仅可以充分发挥金融科技和科技金融对区域创新的激励作用，提高金融发展的边际贡献，还可以降低研发创新活动中低价值或无价值的低效率投入。为此，可以构建个性化匹配机制，依据不同创新阶段和创新主体属性具体分析，进而为区域研发创新活动的顺利开展提供基础保障。(3)重视金融科技和科技金融的协同作用，推动区域创新协调发展。金融科技和科技金融作为两种金融业态共同影响区域创新发展，两者的协同作用对区域创新效率的提升具有积极作用。因此，在关注两者差异的同时，还要重视两者间的联系，一方面，要发挥科技金融对金融科技发展的要素支持作用;另一方面，要发挥金融科技对科技金融的功能优化作用，然后把两者有机地结合起来，推动区域创新的协调发展。
注释：
① 目前测算区域研发创新效率的方法主要有参数法(以随机前沿分析为代表，SFA)和非参数法(以数据包络分析为代表，DEA)两大类。
② 借鉴浙江大学《2018金融科技中心指数报告》。
③ 具体来说，就是依照中国金融业发展特点，将金融业固定资产投资总额、贷款总额和区域金融业从业人员作为投入指标，将区域金融业增加值作为产出指标，测算中国30个省份的金融资源配置效率。
④ 即用政府财政科技投入投资绩效、商业银行科技信贷利润率与科技资本市场投资回报率的加权平均数来衡量，其中政府财政科技投入投资绩效等于科技创新利税与政府财政科技投入的比值，商业银行科技信贷利润率等于商业银行科技信贷利润与科技信贷总额的比值，科技资本市场投资回报率等于区域内科技型上市公司股票投资回报率与债券投资回报率之和。
⑤ 其中，各变量原始数据主要来自《中国科技统计年鉴》、国家统计局、WIND金融数据库、EPS数据库、《中国金融科技运行报告》;区域创新效率、金融科技、科技金融部分指标的测量则借鉴现有研究方法测算得到。
参考文献：
[1] 解维敏，方红星.金融发展、融资约束与企业研发投入[J].金融研究，2011(5)：171-183.
[2] 陆岷峰.金融科技与科技金融：相互赋能与共生发展策略研究——基于科技、金融、经济生态圈视角[J].金融教育研究，2020(1)：17-23.
[3] 李春涛，闫续文，宋敏.金融科技与企业创新——新三板上市公司的证据[J].中国工业经济，2020(1)：81-98.
[4] 张玉喜，赵丽丽.中国科技金融投入对科技创新的作用效果[J].科学学研究，2015(2)：177-184.
[5] 粟勤，魏星.金融科技的金融包容效应与创新驱动路径[J].理论探索，2017(5)：91-97，103.
[6] 王栋，赵志宏.金融科技发展对区域创新绩效的作用研究[J].科学学研究，2019(2)：45-56.
[7] Huang Y，Lin C，Sheng Z，et al.Fintech credit and service quality[R].Working Paper of the University of Hong Kong，2018.
[8] 唐松，伍旭川，祝佳.数字金融与企业技术创新——结构特征、机制识别与金融监管下的效应差异[J].管理世界，2020(5)：52-66，9.
[9] 朱太辉.我国Fintech发展演进的综合分析框架[J].金融监管研究，2018(1)：55-67.
[10] 唐松，赖晓冰，黄锐.金融科技创新如何影响全要素生产率：促进还是抑制?——理论分析框架与区域实践[J].中国软科学，2019(7)：134-144.
[11] 韩先锋，宋文飞，李勃昕.互联网能成为中国区域创新效率提升的新动能吗? [J].中国工业经济，2019(7)：119-136.
[12] 王海芸，刘杨.基于波士顿矩阵的科技金融发展分类策略研究[J].科学学研究，2020(6)：1018-1027.
[13] 钱水土，张宇.科技金融发展对企业研发投入的影响研究[J].科学学研究，2017(9)：1320-1325.
[14] 王宇伟，范从来.科技金融的实现方式选择[J].南京社会科学，2012(10)：28-35.
[15] 马凌远，李晓敏.科技金融政策促进了地区创新水平提升吗?——基于促进科技和金融结合试点的准自然实验[J].中国软科学，2019(12)：30-42.
[16] 芦锋，韩尚容.我国科技金融對科技创新的影响研究[J].中国软科学，2015(6)：139-147.
[17] 潘娟，张玉喜.政府、企业、金融机构科技金融投入的创新绩效[J].科学学研究，2018(5)：831-846.
[18] Laeven L， Levine R， Michalopoulos S. Financial innovation and endogenous growth [J]. Journal of Financial Intermediation，2015(1)：1-24.
[19] Beck T， Chen T， Lin C，et al. Financial innovation：The bright and the dark sides[J]. Journal of Banking & Finance，2016(11)：28-51.
[20] Sokol M. Financialisation， financial chains and uneven geographical development： Towards a research agenda[J].Research in International Business and Finance，2017(39)：678-685.
[21] 潘敏，袁歌骋.金融中介创新对企业技术创新的影响[J].中国工业经济，2019(6)：117-135.
[22] Jedidia K B， Boujelbene T， Helali K. Financial development and economic growth： new evidence from tunisia[J].Journal of Policy Modeling，2014，36(5)：883-898.
[23] Demertzis M，Merler S. Capital markets union and the fintech opportunity[J].Journal of Financial Regulation，2018(4)：157-165.
[24] Gomber P，Kauffman R J， Parker C. On the fintech revolution： interpreting the forces of innovation， disruption and transformation in financial services[J].Journal of Management Information Systems，2018(35)：220-265.
[25] 李俊霞，温小霓.中国科技金融资源配置效率与影响因素关系研究[J].中国软科学，2019(1)：164-174.
[26] 徐玉莲，赵文洋，张涛.科技金融成熟度评价指标体系构建与应用[J].科技进步与对策，2017，34(11)：118-124.
[27] 白俊红，蒋伏心.协同创新、空间关联与区域创新绩效[J].经济研究，2015(7)：174-187.
[28] 余泳泽，刘大勇.我国区域创新效率的空间外溢效应与价值链外溢效应——创新价值链视角下的多维空间面板模型研究[J].管理世界，2013(7)：6-20，70，187.
[29] Li G，Dai J S，Park E M，et al. A study on the service and trend of fintech security based on text-mining： Focused on the data of Korean online news[J].Journal of Computer Virology and Hacking Techniques，2017，13(4) ： 249-255.
[30] 杨友才，王希，孙亚男.金融资源配置效率、TFP增长与中国经济发展的演进——基于面板数据的PVAR研究[J].管理评论，2019(6)：36-48.
[31] 徐玉莲，王玉冬，林艳.区域科技创新与科技金融耦合协调度评价研究[J].科学学与科学技术管理，2011(12)：116-122.
[32] 王小鲁，樊纲.中国分省份市场化指数报告(2018)[M].北京：社会科学文献出版社，2018.
(责任编辑：宁晓青)
作者：侯世英 宋良荣
摘 要：“科技金融”与“金融科技”起源于含义不同，但在新经济模式下，二者相互交融，成为推动“双创”的有生力量，有助于解决好创新发展中的“长线”与“短线”关系问题和风险控制问题。
关键词：科技金融 金融科技 新经济
在“大众创业，万众创新”的背景下，“科技金融”与“金融科技”无疑成为“点击率”很高的两个词汇，特别是当人们接触的金融产品与金融服务被贴上越来越多的科技标签，这两个概念似乎与每个人都搭上了界。单从字面上看，两个词汇都是“科技”加“金融”，除了构词的顺序略有差异之外，似乎并无本质区别，以致很多人把它们当成一回事儿。其实，两者的差异还是很大的，即便是说没有天壤之别，起码两者的起源与基本释义是不一样的。
一、“科技金融”与“金融科技”的差异
一般认为，在国内“科技金融”的诞生要早于“金融科技”(这里说的不是两种活动出现的顺序，而是指概念)。“科技金融”是一个中国人“自主创新”的概念，在西文中并无与之直接对应的说法。这一概念在国内最早见于原四川大学赵昌文教授的《科技金融》一书之中，该论著对“科技金融”做了如是界定：“科技金融是促进科技开发、成果转化和高新技术产业发展的一系列金融工具、金融制度、金融政策与金融服务的系统性、创新性安排，是由向科学与技术创新活动提供融资资源的政府、企业、市场、社会中介机构等各种主体及其在科技创新融资过程中的行为活动共同组成的一个体系，是国家科技创新体系和金融体系的重要组成部分”。根据研究者的这一释义，科技金融应当是市场经济下的整个社会经济运行中的一个体系、一种制度安排。正是因为有这样的理论研究先导，2014年科技部会同中国人民银行等六部门联合印发《关于大力推进体制机制创新，扎实做好科技金融服务的意见》，意见称：“促进科技和金融结合，是深化科技体制改革，推動实施创新驱动发展战略，实现科技立国战略部署的重要举措。”此后，服务于高科技项目、高科技产业特别是中小高科技企业的创投体系、信贷体系、金融市场体系(老三板，新三板等)应运而生，逐步繁荣。毋庸置疑，在“双创”活动中，科技金融发挥着至关重要的作用。而金融科技是伴随“互联网金融”的发展产生的一个新概念，从某种意义上说，“金融科技”就是“互联网金融”的另一种说法，因为互联网金融本身就是现代信息技术与金融活动叠加在一起，二者是具有密不可分“血缘关系”的孪生姊妹。受国外互联网金融发展的影响，“金融科技”是有其英文对应概念的，即“Fintech”。也正是因为“金融科技”就是互联网金融的另外一种更加时髦的说法，所以在公众之中，“金融科技”似乎要比“科技金融”更加“接地气”，因为互联网金融时代的来临，不仅改变了许多传统产业的业态，而且对人类的生活方式也产生着巨大的影响。
二、新经济运行的新特征
时下大家都在讨论新经济，尽管理论界对新经济还没有形成统一的看法，人们纷纷从不同的角度、不同的视域诠释新经济的含义，但毋庸置疑的是人类社会正在大踏步地迈向新经济时代(吴爱华，2017)。虽然各界对新经济的说法莫衷一是，但这并不妨碍我们观察到“新经济”运行的种种新特征，这些新特征不仅改变了既往传统经济的运行模式与轨迹，也颠覆着人们经济运行规律的认识套路，这里试举一些：
供给创造需求不是神话。传统观念认为，需求拉动消费，进而带动生产，从而形成经济增长的源动力。其推论是厂商不按需求生产就是犯了大忌。但在新经济时代，这种思维模式被颠覆。试问，一代又一代的智能手机是按“需求”来生产的吗?如何解释新一代手机或类似产品上市时人们连夜排队抢购的现象，如何解释很大一部分群体手头都拥有一部以上的智能手机?事实上，这些都是源源不断的供给激发出来的巨大需求。
资源约束并非经济发展不可逾越的障碍。传统观念认为，资源禀赋是影响经济发展的重要因素。一个国家、一个地区如果资源要素匮乏，不仅难有发展契机，连生存都是问题。以往经济学中的绝对优势和相对优势理论都是建立在此基础上的。但在新经济条件下，前述命题也被推翻。我国的深圳在改革开放之前不过是个小渔村，没有任何资源禀赋方面的优势可言，但这并不能阻止深圳后来“特区”建设过程中一跃成为全国改革开放的排头兵，成为我国最年轻最有活力的城市之一。解释只有一个：义无反顾的创新弥补了资源禀赋的种种“先天不足”。
金融资本成为主导社会经济发展的中坚力量。这一点经典的马恩论著中早有精彩论述，只不过随着时代的推移，我们没有从新的视野来观察分析这一问题，而是过分专注于金融自身的“深化”。其实金融自身发展如果不能与社会经济发展捆绑在一起，双方都不能很好的发展。以共享单车在短短几迅速红遍大江南北并向供给市场挺进，离开了金融资本的驱动(亦即老百姓说的“烧钱”)，根本是不可思议的。同理，无论是传统产业的升级改造还是新产业、新业态的诞生，都离不开金融资本的引领和驱动。这样的特征还很多，兹不一一列举。
三、“科技金融”与“金融科技”有机结合将成为创新发展的重要推手
至此，我们可以对“科技金融”与“金融科技”的融合发展做一些推论。尽管“科技金融”与“金融科技”起源不同，含义各异，但在新经济条件下，无论“科技金融”抑或是“金融科技”都将走向融合发展，这是不以人们意志为转移的客观规律。我们只有顺应这个不可抗拒的潮流，“科技金融”与“金融科技”才能有更多、更大的成长空间，才能健康地发展(李正新，2016)。
其一，两者有机融合，才能解决好创新发展中的“长线”与“短线”关系问题。常常有人讨论，科技金融当中孰轻孰重?其实，从系统论的角度，两者等量齐观，缺一不可。科技金融作为一种制度安排，就是要解决一个国家、一个民族创新发展的路径(例如美国硅谷那样的发展模式)。在这一过程中，科技创新是长线，解决诸如经济发展转型、资源约束、环境保护等一列技术问题。金融创新是短线，解决科技创新的“第一推动力”与“持续推动力”问题。换言之，经济发展转型、技术改造、节能减排都需要花钱，如果解决不了“钱怎么来”，的关键问题，科技创新带动社会进步就永远是一个梦而已。而新经济条件下解决“钱怎么来”，“金融科技”就可以并且能够大有作为。
其二，两者有机融合，才能解决好创新发展中的风险控制问题。金融支持科技创新，一个不可回避的问题是风险可控，即便出现了风险，也能找到稀释、化解风险的有效通道。一个时期以来，我国通过“投改贷”、“创业板”、“新三板”等方式来解决科技创新的驱动问题，效果不甚理想，其主要原因就是风险控制问题(李正新，2016)。风险控制如果解决不好，金融支持科技创新的力度越大，就越容易造成金融风险暴露，甚至引发信用危机。而金融科技在在这方面已取得了很好的成效，有了很好的开端。以阿里巴巴的金融服务为例，在各金融机构都在为小额信贷业务的风险控制大为头痛的时候，阿里小贷却能做得有声有色，这正是“金融科技”的魅力所在。阿里集团通过大数据分析、云计算等技术手段，成功地解决了小额信贷的征信、信用评估、贷款风险管理等环节，使原来认为不透明、不可测、不可控的风险变成了透明、可测、可控的风险。同理，这种“金融科技”的创新也可以用于科技金融体系建设的各个环节当中。
参考文献：
[1]加快发展和建设新工科主动适应和引领新经济[J].吴爱华等.高等工程教育研究2017(01).
[2]“双创教育”研究项目的价值及其实现路径[J].李正新.中国高教研究2016(10).
作者简介：王桂堂(1959—)男。副教授。河南开封人。研究方向：金融发展与创新。张钰(1988—)女。助教。河南商丘人。研究方向：投资项目评估。
作者：王桂堂 张钰
编者按：党的十九大报告指出：“深化金融体制改革，增强金融服务实体经济能力，健全货币政策和宏观审慎政策双支柱调控框架，健全金融监管体系，守住不发生系统性金融风险的底线。”这是做好新时代金融工作的基本要求。与此同时，信息技术和金融的深层融合不断打破现有金融行业的边界，金融科技正在以迅猛的势头重塑金融产业生态。为此，2018中国金融创新论坛特设“金融科技与金融风险防范”圆桌论坛，邀请业内专家共聚一堂，探讨金融科技在银行风险管理中的运用，以及监管如何借助科技的力量为金融业健康发展赋能。现将精彩发言予以摘登，以飨读者。
主持人致辞
欧阳日辉：监管科技与金融科技比翼双飞
目前，金融行业处于强监管的态势下，我们应该积极拥抱监管。司马迁、孙膑等古人在人生最低谷的时候写出了最伟大的思想著作，新时代最好的金融模式一定也是在最艰难的时期产生的。最艰难的时候才会把人的智慧发挥到极限，业界抛弃短视的行为方式，锻造出金融服务实体经济的理念，打造出符合国情、适应经济形势和满足监管要求的金融模式和金融新业态。
融资难、融资贵的问题是世界性的难题，解决这个问题需要新技术和新思路。政府和监管层针对融资难、融资贵的问题也进行了许多努力。为什么解决不了小微企业融资难融资贵的问题?这是小微企业本身的特性和金融体系固有的管理方式落后等诸多原因造成的。解决这一问题，要依靠网络信息技术的应用，新技术创造出新业态，新产业催生新模式。金融是为商业服务的，新经济需要新金融。数字经济是未来新的经济形态，新的经济形态需要新的金融业态、新的金融生态来匹配。运用新技术发展金融科技，重塑金融生态系统，需要大家一起努力，贡献智慧，共同推动新金融的发展，探索解决融资难融资贵的新模式。
金融科技发展的核心在于风控。与五年前相比，风险控制的场景已经发生了很大变化，这时候我们讲金融风控，更多地侧重于如何运用金融科技，特别是人工智能和大数据，这两项技术可能是我们以后进行金融风控的标配。人工智能和大数据的结合，将掀起金融风险控制的一场革命。两年以前，做互联网金融的平台可以假装自己在应用大数据做业务;今天开始，经过专项整治之后留存下来的平台，不运用人工智能和大数据来进行业务设计和风险控制，肯定走不远。未来的金融就是互联网金融或金融科技，传统金融机构也必须运用网络信息技术，进行数字化转型。我们希望金融机构与互联网金融企业加强风险的自控和自律，大家把风险控制在自己的范围之内。
金融风险防控需要制度和技术并重。监管层在制度建设方面做了很多工作，监管科技来了，从技术角度，监管层需要构建基于大数据的“四个体系一个机制”联动的数字化监管系统：监测预警体系、信息披露体系、大数据征信体系和社会评价体系，加上数据共享机制。建立数字化监管系统，改变目前“人工报数”的被动监管、事后监管格局，实现实时监管、行为监管和功能监管。由于数据实时更新，造假成本增加，将极大地提高监管有效性。构建数字化监管系统之后，实行行业自律管理为主的监管体系，才能既做到监管到位，又为金融创新留下空间。
我们积极拥抱科技，我们既要发展金融科技，也希望监管层发展监管科技。
(欧阳日辉系中央财经大学互联网经济研究院副院长)
嘉宾发言
吴震：监管科技助力互联网金融健康发展
互联网金融风险可以从以下角度进行区分，第一是跑路风险，第二是社会风险。比如现金贷、网络催收等，虽然会改善企业的经营状况，但会造成较大的社会负面情绪和较大的社会不稳定因素，属于社会风险。第三是宏观风险。宏观风险即宏观调控政策可能不一致的风险。比如说国家淘汰落后产能，然后资金流向落后产能，等等。
最初，我们关注较多的是跑路风险，所以我们也做了很多的监测预警，特别是2018年以来，我们预警了多家存在严重问题或者风险隐患的平台，并提供相关部门。目前已有很多得到验证。总的来说，我们感觉这方面成效比较显著，也需要进一步汇聚数据，进一步提高。
此外，关于监管科技，一方面，对于新金融或者类金融而言，现在的监管科技还是处于比较早期的阶段。现在也有一些企业从事这方面的研究或者开发。我觉得从无到有比较容易的，但是从有到好非常难。做个初步系统是相对比较容易，但是打磨好，做到准确全面，还有很多的工作需要做。另一方面，数据越来越多，但还是不够全面，存在一些拿不到的特殊数据，数据源还是不充分。
监管科技也有几个难点。第一个难点是获取真实数据的难点。有些数据的真实性难以保证，数据是由企业控制的，如何避免有意无
意的漏报错报是个难点。第二难点是综合业务比较难判断。现在有的平台比如P2P平台，还是有很多相关的指标可以监测。但这个表面看起来安全的平台和其他的平台存在关联，如果其他平台出了问题，这个平台也有出现问题的可能性。
总体来说，监管科技和技术监测对于未来互联网金融健康发展是非常必要的。同时我们认为，监管科技的发展现在的确处在比较初期的阶段，能发挥很大作用，但是也有一些难点需要解决。从长期的互联网治理经验来说，互联网的治理一直是管理和技术相结合的过程。管理和技术都不可或缺，有了管理没有技术，会事倍功半;技术也需要对管理上的一些热点、难点积极跟进。
(吴震系国家互联网金融安全技术专家委员会秘书长)
孙磊：互联网金融监管要保持一致性
近年来，金融科技发展迅速。一是技术迭代非常快，以信用卡为例，我们用了几年的时间，就超过了美国这么多年的信用卡发展水平。二是业务模式创新快。包括支付结算领域、P2P、消费信贷、助贷、联合贷在内的各种各样的类型模式创新之快超乎想象。三是擴展得快。以往一种新业态从创新、认可到大面积推广是非常艰苦和漫长的过程，而借助互联网，一些新的业态能够在半年、一年内拓展到全国。
为什么互联网金融能这么快地发展起来?除了技术本身带来的成果以外，我认为还有一些别的原因。以P2P为例，基于中国人投资风险观，很难想象会将大额资金投入到一个完全不熟悉的机构。这种业态能够这么快发展起来，很大程度上是由于金融体系的信任。广大群体认为所有的金融机构都是可靠的，所有投资是有保障的，甚至是没风险。但事实上出现了大量的问题机构，也导致了很大的损失。通过这一波打击，我觉得人们对金融体系的认识会更加成熟，相关业态发展速度会有所下降，但也会更加稳健和可持续。
其次，监管规则一定程度上存在空白。以消费信贷为例，现在很多机构的信贷模式和放贷标准是不符合银行业监管规则。但由于这些监管要求不适用于新兴机构，就形成了不对称的监管。对同样一种业务，银行需要一套非常复杂的程序，面临一套非常严格的监管规则，需要进行严格的资产分类、计提充足的拨备和资本，还需要接受严现场检查和非现场监测管理。而一些机构不需要承担这些监管成本，这就使得一些不可能的业务变为可能，但同时也加大了潜在风险。
最后，对于风险防控，需要厘清互联网金融到底是不是独立业态这一问题。它是不是金融?是互联网业做金融，还是创造一种新的互联网金融业态?如果认为科技是一种工具，是金融业务中的一种工具，是帮助金融提高水平的一种方法，那么在监管上就要保持一致性，对同类产品、同类业务实行一致性监管。这一导向和原则在新近发布的资管新规中有明确的体现，资管新规的核心就在于监管要求的一致性，不管券商、信托还是保险发行资管产品，都要适用统一的监管规则。回到互联网金融业务，不管是怎样的业态，怎样的模式，只要是金融业务，都要分门别类放纳入监管体系，实行相应的监管。
(孙磊系中国银保监会审慎规制局处长)
黄劲尧：以区块链技术解决金融场景痛点
近年来，随着区块链技术的发展，企业应用区块链技术的项目也在迅速增加，许多人认为今年将会是区块链技术与实体经济结合并爆发的一年。尽管如此，目前大家一谈到区块链技术就会想到比特币与虚拟货币筹资，并且把焦点聚集在加密货币投机炒作上。然而我认为，利用区块链技术解决实体经济产业的各种问题与痛点才是区块链技术最大的意义。尤其是金融领域，区块链技术能够有效地解决当下金融领域面临的问题。
自2016年起，我国的金融机构陆续加入区块链技术的行列。传统金融机构以民生银行、招商银行为代表，金融科技企业则以蚂蚁金服、京东金融和百度金融为代表。涉及多项应用场景，如供应链金融、贸易金融、保险防诈欺，等等。这些金融场景普遍存在如下问题：一是节点多，且参与主体众多;二是由于涉及金钱的交易，各节点缺乏信任，往往需要第三方增信机构;三是过于中心化，一个节点若出现错误，将影响整个系统运作;四是场景内节点资料存在安全疑虑。区块链技术具有去中心化、信任共识机制、交易公开透明及不可轻易篡改等特性，能够有效解决金融场景面临的诸多难题。
供应链金融的参与主体众多，包括商业银行、商业保理公司、上下游供应商、承销商与核心企业等。主要涉及应收账款融资、货权质押融资、预付账款融资等业务。目前，由于参与主体众多，供应链上下游间难以实现联动，增加了融资周期和融资成本。且供应链上各种凭证往往需要人工验证，真伪难辨，提高了增信机构的审核风险。透过区块链技术的去中心化、信任共识机制和无法轻易篡改的特征，将供应链上所有的交易行为放入区块链中，使得供应链金融摆脱繁杂的人工审核，第三方增信机构也无需耗费时间去验证凭证的真实性，大大提升了融资效率。
贸易金融的处理流程主要包含销售、运输和交货，都记录在提单中。传统贸易金融中，每笔国际运输交易也同样涉及到多个主体，包括发货人、银行、保险公司、港口和政府海关检查部门等。由于各参与主体的交易记录与作业系统彼此间不同步，导致在贸易金融中涉及的相关方越多，运营风险越大，容易带来法律纠纷。贸易金融里的出口商、进口商、银行、保险公司、港口和政府海关检查部门等各节点可以借助区块链技术的数字签名技术来达成共识，分布式实时更新技术可以保证上述各方的通信直接相互进行，智能合约技术可以保证相关指令自动执行，无需借助每个环节中的中心实体，可以提升流程效率和执行力。
欺诈是困扰保险业的棘手问题。传统保险业务流程中，任何一步发生错误(如投保人信息丢失、保单条款随意解读、理赔周期过于冗长)，都有可能牵一发而动全身。区块链的分布式储存特性能确保投保人信息的安全性，而智能合约则不用投保人申请理赔，也无需保险公司批准理赔，只要触发理赔条件，保单自动理赔，减少了重复理赔的风险，也提升了理赔效率。反欺诈将是区块链在保险行业最有意义的应用案例，区块链能为保险公司和投保人提供一个永久可查询的理赔审查账单，所有人都可以查询和评估被记录过的理赔数据。
展望未来，区块链行业需要站在更高的维度去思考布局，将区块链与实体经济结合，与行业应用结合，提升生产效率，优化生产关系，从而在全球区块链领域占得一席之地。
(黄劲尧系北京大学大数据研究院研究员)
陈平：金融的本质是对风险的有效管控
金融科技给整个社会尤其是金融行业带来了深远的影响。移动互联网、人工智能、大数据、云计算等科学技术与金融的融合，实现了金融服务的创新，提高了金融服务便利性和效率。金融科技的发展也降低了金融服务准入的门槛，给客户提供更多接受金融服务的机会，使得金融服务更具普惠性，能够覆盖更多的社会大众。
金融的本质是对风险的有效管控。金融服务给社会大众带来良好体验的同时，也带来了风险管理方面的问题，我们做银行也好，做其他金融服务也好，不能只看短期的经营业绩，而是要看一场“马拉松式”的长跑的结果，历史上出现的“百年老店”，无不是风险管控出色的机构。經营银行或其他金融机构，我们要永远对风险存有敬畏之心，警惕过于追求短期利益而忽视对风险的把控，要把风险管控好才能再谋求进一步发展。
风险管理是一个古老的话题，包括风险识别、评估、计量、监测、报告、控制与缓释等管理流程。首先，需要识别机构内部有哪些风险，评估风险的大小，然后在数据的基础上把风险计量出来，再根据关键风险指标和限额进行监测和报告，最后还需要对风险进行有效控制并进行缓释，降低风险发生的可能性，这是风险管理的一套基本流程。
银行的风险管控越来越依靠金融科技的发展。银行是较早运用金融科技来加强风险管控的金融机构。如在信用风险管控方面，工商银行十年前就运用基于大数据的信用风险评分模型进行决策。又如，在欺诈风险管控方面，工商银行已经在研究和运用基于大数据和云计算的人工智能技术在反欺诈领域的创新应用。目前，工商银行已建立了企业级人工智能反欺诈平台，该平台将分散在全行反欺诈信息按客户维度进行整合，达到共享共用，同时研发了神经网络、机器学习模型和复杂关系网络等AI模型，建立了高效实时处理系统，可在毫秒实时计算。
未来，银行要不断加强金融科技研究和应用，一方面，做好基础数据积累和整合，不断补充和丰富自身的数据资产;另一方面，加大专业化人才的培养，不断引入和运用业界新技术，积极探索新兴技术领域。
(陈平系中国工商银行风险管理部处长)
贾凤军：银行业应拥抱金融科技、掌握大数据、积极转型
首先，大数据、金融科技对金融风险的防范起的作用非常重大，在这个进程中，银行已经落在后面了。如果银行再不在这个时候发力，充分运用大数据技术防范金融风险的话，可能会真的成为二十一世纪的恐龙。支付是银行最不可替代的作用，因为只有支付清算网络是别的金融机构代替不了的，只有银行系统来承担，但是银行错失了发展良机，在金融风险防控上运用新技术，银行也已经落在了后面，比如说互联网贷款，由于缺少数据，缺少技术手段，银行没有能力判断客户风险，只有心甘情愿的排队争当互联网放贷机构的资金源。大数据技术在风险防范的作用非常大，银行落在了后面。
其次，金融科技、大数据的未来不可限量，现在互联网金融多数是面向个人客户，针对企业客户相对少。如果这些互联网金融机构，他们把已经运用得炉火纯青的技术运用在大企业身上，也可能会取得让银行意想不到的结果。银行业应积极转型，脚踏实地拥抱金融科技，在各领域大胆使用新技术。
最后，要理解金融科技并不能消除风险，风险是未来的不确定性，产生的根源是信息不对称，因此风险不可能消除，这是超出了技术范畴。但大规模、正确地运用金融科技，可以最大程度减少不确定性，减少信息不对称产生的风险。
(贾凤军系中国民生银行直销银行事业部副总经理)
杨贵院：金融科技与农商银行全面风险管理
目前，全国已设立农商银行1200余家，总资产规模突破20万亿元，重庆、张家港、常熟、江阴等农商银行已率先在海内外上市，农商银行已成为国内一支举足轻重的金融生力军。但由于其前身是农村信用社，个体规模相对偏小，金融科技基础较弱，其业务经营中的风险防控更多是依赖传统手段。面对大数据、云计算等金融科技发展的日新月异，我想结合农商银行的实际，从全面风险管理的视角，谈谈如何看待金融科技在风险管理中的应用。
根据原银监会2016年9月发布的《银行业金融机构全面风险管理指引》，银行业金融机构应当建立全面风险管理体系，采取定性和定量相结合的方法，识别、计量、评估、监测、报告、控制或缓释所承担的各类风险。银行业金融机构应当具备完善的风险管理信息系统，能够在集团和法人层面计量、评估、展示、报告所有风险类别、产品和交易对手风险暴露的规模和构成。银行业金融机构应当建立与业务规模、风险状况等相匹配的信息科技基础设施。银行业金融机构应当建立健全数据质量控制机制，积累真实、准确、连续、完整的内部和外部数据，用于风险识别、计量、评估、监测、报告，以及资本和流动性充足情况的评估。由此，我认为，对农商银行而言：
第一，强化金融科技在风险防控中应用是一项合规要求。强监管下，银行最大的压力是合规压力，但在金融科技应用方面，应该成为动力。除前面提到的《全面风险管理指引》外，银保监会近年来发布的监管指引，大量的内容涉及金融科技对银行风险防控的硬性要求。对银行面临的各类风险而言，每种风险都需要金融科技的支撑。比如，银保监会近期修订发布的《商业银行账簿利率风险管理指引》中，第三章“风险计量和压力测试”、第四章“计量系统与模型管理”所规定的主要就是金融科技手段对账簿利率风险管理的应用。
第二，农商银行使用金融科技防控风险应量力而行，循序渐进。鉴于农商银行底子薄、体量小、财力有限等特点，在金融科技应用上不宜盲目赶潮流，应结合自身战略定位，重点突破。上海农商银行从2008年开始和澳新银行合作，开发小微企业的自动化审批系统。系统于2010年上线，当时我们主要考虑两个方面的因素。一是审批手势的问题，因为小微企业信贷的审批权多数在支行，尤其是二支行审批。如果全部由人工审批，会有成百上千人負责小微企业贷款的审批。再系统化的培训也很难解决审批手势的完全一致。其次是流程优化和审批效率提高，将原来一笔贷款经过十几个环节、一周以上的审批时间缩短为两个环节和几秒钟。到目前为止，经过不断优化和升级，自动化审批的不良率一直稳定地低于人工审批贷款的不良率。为此，该项目还获得了上海市政府颁发的“金融创新奖”。
第三，在金融科技应用方面，相对于中大型银行，农商银行由于自身数据有限，在数据获取银行上还面临安全压力。如果从数据公司购买数据，无法确定数据获取是否合法。如果源头存在问题，将来用到审批系统里面会存在隐患，甚至会引发较严重的声誉风险。
第四，数据本身具有价值，背后的流程、制度的配套和优化才更为关键。如果流程制度不配套，只是技术先进了，可能会引发新的风险。比如有的银行柜面做集中的授权，原来都是以网点为单位分散授权，后来专门建立一个远程集中授权中心，但是复核时候看不到客户的脸，依靠柜员自己去判断。所以有一段时间，集中授权引发另外一个问题，即客户冒用他人身份证到银行办业务。初审看不出来，集中复核更无法判断。这就需要配套引入公安机关的身份核实机制。
(杨贵院系上海农商银行总法律顾问、合规内控部总经理)
邱智聪：强监管下如何回归风控本源
随着金融监管的加强，对银行业总体来说是有好处的，在强有力的监管之下，整个市场的竞争会更加公平。随着监管的加强，大数据将更加回归技术，如IT技术、分析智能、风控模型、反欺诈技术等等，更容易从大数据回归到我们对小数据的分析、挖掘和应用。
对于风控或者欺诈防控，银行拥有的数据更有价值，体现在数据的质量、数据的有效性，以及在数据采集过程中的真实性上。所以，我们需要更多的投入去挖掘它的价值。外部的数据肯定有所补充，但是我们同时也要看到，互联网采集数据的纯净度、指向性和整齐程度，或者对我们预测目标的能力，其实不尽人意。所以，在分析智能或者技术应用方面，我们提倡金融机构特别是银行采用本地化部署，然后在本地进行实施，帮助银行提升自身分析和风控能力，对银行拥有的小数据的价值进行充分的挖掘。
大家都在谈论大数据，不停引用外部数据，而银行内部数据的价值挖掘尚未有做到尽善尽美。我们现在也在给一些银行提供信用风险和欺诈防控方面的应用。过去，我们数据的应用更多是单一指向，我们要看客户、看账户、债项，只针对借款本身或者客户本身。现在，我们则更多地引入复杂网络，看人和人之间的各种关系。这种关系是区别于现在所谓的社交网络，因为社交网络虽然关系很丰富，但是关系不稳定、不纯净。这种不纯净的信息过多也会对风控造成干扰。我们也跟一些银行交流过，拿那么多外部数据后该怎么用。不同的数据源其信息指向可能是不一致，甚至相矛盾的，反而造成了更大的困扰。处理大量的信息、数据要投入大量的资源，可能也要消耗大量的时间。我们需要给客户更好的体验，让客户在尽可能短的时间内获得金融服务。所以，在信息的获取和选择上，并不是越多越好，而在于我们如何能够有效筛选出有价值的信息和数据。
这也是我们在分析智能和金融科技需要真正着力的地方，不是把数据都汇总在一起，关联在一起，呈现出来就结束了。把这些信息抓取到以后，更需要去做的是如何剔除一些不重要的、没有价值的、低价值的信息;或者是针对我们风险的指向目标，把对风险区分度小的信息剔除掉，呈现给业务人员有明显指向意义的信息。在这种情况，我们的分析和产出才是有价值。
特别是针对反欺诈，反欺诈的特点是各种的手段层出不穷，欺诈很多时候是一个对抗赛，大家可能是相互之间在赛跑，看谁跑得慢一点，或者谁家的墙矮一点。大家都想把自己的墙比别人家高一点。这种动态竞争环境本身就说明一个问题，没有一个单一的反欺诈手段能包打天下。一个单一手段如果真的很有效，那整个生态环境就会慢慢让它失效掉。因为欺诈是一个动态的过程，黑产也好，欺诈的团伙也好，具有很强的主动性。一旦一个防控手段非常有效，一般很快会研发出有针对性的措施与手段。所以，我们的整个防控体系任务艰巨，不是单单建立一个单点防控或者是单一手段防控就能够生效的。所有风险防控的手段，包括前端的防控策略、后端的侦测规则也好，模型也好，网络关系也好，需要构建一个有机的组合，互相融合。一旦出现新的风险特征，随时都能有相匹配的手段和策略去防御。在整个防御体系之下，分析智能非常关键。只有通过分析能力，才可以及时发现一些新的风险趋势。毕竟敌暗我明，如果没有挖掘风险的新特征，我们很难及时响应。
在强监管之下，我们对数据的精耕细作，反而会更好地回归到风控的本原。单一的欺诈防控模式需要进行组合，这些方法背后的支撑能力就是分析智能。分析防控手段也需要通过分析能力逐渐叠加，不断循环，得到提升。
(邱智聪系中科聚信信息技术(北京)有限公司副总裁)
雷涛：未来AI发展更注重规模化生产能力
时下，关于AI讨论的热点很多，比如人脸识别、聊天机器人、人机交互场景等。这些都是应用场景而非AI的核心。AI的核心支撑技术，是围绕机器学习构建的技术框架。在成熟的金融机构里，尤其是风控、策略等部门，一直在关注和使用AI、ML。因此，并不是随着这波AI热潮起来后，AI才进入了金融领域，它早在十几年之前就已在风险、定价方面发挥作用。
在数据层面，今天的机器学习相较于传统的机器学习发了很大变化，主要体现在流动性上。如何去把一个流动性数据，比如每天被标注违约的人群，进行线上化训练，给到审批端，对以前的数据挖掘模型提出很大挑战。因为以前的数据挖掘是离线的，是抽样的。从生产转到数据分析系统、数据仓库系统，再转到挖掘系统，都需要数据能够在一个在线的环境下、流动的环境下去做模型生产。这也就意味着生产和模型是耦合在一起。就像淘宝选择商品的推荐引擎一样，点击流就决定着推荐内容。所以算法开始进入到生产系统，机器学习并不是一个离线挖掘的分析型系统，而是深入生产环节、在线环节。
数据本身的关联也开始变得非常显著。比如，把账务系统的回单数据连接起来，会形成一个资金网络。通过量化分析企业的资金往来，不用看三张报表，就可以识别这个企业的资金流动效率和资金利用率。同样，对一些宏观风险，我们为银行制作了6500万节点的关联，将集团子母关系、控制人关系、配偶关系等等十幾种关系连接起来，抽取出复杂的链、循环嵌套的闭环。由于只能看到两两关系，传统的、平面的数据结构无法厘清这些复杂的链条。所以，所谓的降维打击，就是用升维的手段去表达这些量化内容，这也对底层数据基础设施提出了新的挑战。
在2017年的一个项目中，我们利用行为数据信息，构建了一个百亿节点规模的网络，能够做很多上层的业务应用，如一致行为的识别、供应链金融、黑名单的预测。由于黑名单是非常有限的，哪怕用一些机器学习的方法，也只能基于昨天的数据，去训练今天的价值。而要用到图网络后，可以把当日的变化反馈到模型里。
AI的特征表达能力可以将海量沉睡数据盘活。深度学习的核心并不是构建推理机制，而是蒙特卡洛计算。它能够把棋风、大局观反馈在一个非线性的隐含层的神经网络里，这些是人类语言和规则无法去穷尽和描述的。如何应用到金融中呢?以申请反欺诈为例，要想知道申请人的更多信息，往往要靠数据的交叉验证，补充更多的外围数据。而AI模型并不依赖于更多维度的数据，而是简单数据的大规模重复。机器可以通过十多万次的学习过程，将其中的映射关系用非线性方法表达。这种特征表达能力能够将银行已有的很多数据盘活。
如今，AI可以替代很多规则和流程来表达商业事实、重塑商业流程，从而更本质地表达商业逻辑。所以，算法和数据无疑能够服务于更多个性化场景。天云大数据是一个赋能者，我们现在要回答的不是在银行里能找到哪些人工智能场景的问题，而是如何将人工智能规模化的问题。将这种能力规模化地应用到数据端、场景端，来降低门槛，这是我们在这个行业里所希望能够付出的价值。
(雷涛系天云大数据CEO)
汪德嘉：以新科技提升金融风险防范能力
我之前一直在国外，任职于ORACLE、IBM、VISA等公司。2011年看到国内金融科技发展趋势，回国创立通付盾，专注于金融科技安全。对于金融科技与金融风险防范，我想分享三点：
第一点是为什么金融科技现在这么火?金融科技这一概念在国内外很早就有，并不是一个新概念。金融科技之所以这么火，是与时代密切相关的。新时代是鼓励金融创新的时代，有了新金融，科技才有用武之地。科技要助力金融发展、服务实体经济，催化了新金融科技的誕生。金融科技在中国如此活跃，中国的金融科技也在世界领先，这是我想与大家分享的第一点。
我想分享的第二点是关于金融风险防范。金融科技加速了业务风险的外溢，移动化、数字化、智能化等新科技都已经应用于实践，如账号虚拟化、身份验证远程化、交易线上化、资金流转实时化，等等。金融科技将整个金融服务的链条向外延展，随之而来的是业务风险外溢。新技术产生新问题，需要新方法来解决，这是我想与大家分享的第二点。
我想分享的第三点是，目前金融业需要建设一个能处理综合复杂业务的智能化第二核心系统平台。第二核心系统是以新技术安全为切入点，包括移动互联网安全、业务安全、区块链安全等;依托身份技术、画像技术、复杂网络分析技术，建设智能分析平台，提高金融机构KYC能力。了解客户，既可以保证用户账号安全，也可以实现获客与风控。通付盾有一套完整的KYC解决方案。据波士顿咨询报告，金融机构的数据使用率不足34%。这是目前金融行业的一个痛点，一是缺乏技术，二是缺少数据，尤其缺少互联网数据。金融机构需要先进的技术，通过安全入口可以获得更真实外部数据，把业务数据与外部数据结合起来使用，例如给客户做画像。黑名单其实是非常有限的，如何把有限的黑名单用好?欺诈分子是团伙性的，通过多维度关联分析，挖掘出欺诈团伙，从而提高风险防控的能力。这是我分享的第三点。
(汪德嘉系江苏通付盾科技有限公司董事长)
张宇：互联网金融监管要回归其金融本质
互联网金融本质上是从事金融业务，因此要按金融来分析。以P2P为例，如果注册资本只有几百万，而应收有几十甚至上百亿，便会存在系统性风险。从这个角度来看，按照金融来监管是一个比较合适的做法。但是，监管思路需要转变。对传统金融机构来说，监管可能希望把一切风险都杜绝。但风险是客观存在的，无论如何进行防控，坏账总会产生。在个人借贷业务中，由于其服务对象是小额分散的个人用户，未来的还款能力和还款意愿会随着时间而发生变化。即便在贷前投入大量成本来对个人进行尽调，仍然无法杜绝坏账的产生。在个人借贷业务发达的国家，在进行风控的时候，并不是要把所有的坏账都杜绝，而是通过统计方法把风险控制在可预期的概率内。
我刚回国在消费金融公司做一项业务的时候，坏账约为2%，同事颇为紧张。但是实际上，相较于收益，2%的坏账水平并不是很高，这个坏账水平是完全可以接受的。回想以前在Capital One的时候，有好几年我们的风险目标是把整个资产组合风险控制在个位数，那些年也是Capital One发展非常迅速的几年。当时我觉得很奇怪，不知道为什么坏账2%就感到很紧张。后来发现，监管方面确实有这样的要求。当然，我们必须制定体现金融业务实际风险水平的指标，不然风险管理就是自欺欺人了。2017年，在工薪贷很热门，业务飞速增长的时候，很多工薪贷企业都声称自己的坏账率不到1%，但真实的坏账水平可能远远不止。
一方面，对于从事金融业务的互联网企业来说，我们要按照其金融本质来进行分析管理;另一方面，风险评估、管控理念也要与时俱进。随着互联网金融的发展，我们会有更好的方式来看待这个问题，也能够对风险做出更好的管控。
(张宇系易宝支付有限公司首席风控官)
陈欢：金融科技提升风险防范水平
宜信自2006年成立，至今已走过12年。从网络借贷平台业务做起，现已覆盖借贷服务和财富管理服务，以服务个人和小微企业主，整体借贷客户超过300万户，在贷余额达700多亿，财富管理为客户管理的资产也超过1000亿。针对今天的主题，我想分享几个观点。
其一，金融科技让金融服务更加简单、更加方便、更加普惠，效率更高、成本更低、风险更加可控。以农村金融为例，我们通过开展农机租赁，让原本负担不起农机的农户们采用分期方式购买农机。在这一过程中，我们采用了农机经销商这种方式，还加入了物联网技术，以便更好地去了解农机的使用率等情况。通过这些信息去判断它的开工率、使用率，能够更好地把控农户的还款能力，提升风险防控水平。
其二，金融科技、互联网金融的快速发展离不开需求的驱动。过去许多未被充分满足的需求，因为科技的创新、科技的发展，获得了新的可能性。中国的金融科技起到了填补市场空白的作用，之前这个市场可能并不存在，或者没有被服务得更好，通过金融科技满足了这样的需求，这种需求驱动是金融科技和互联网金融在过去几年发展迅速的重要原因，也是中国的金融科技发展区别于美国等其他市场的重要特点。
其三，金融科技是否颠覆了传统金融业态呢?我认为，金融科技是对传统金融业态的补充。以借贷为例，一个健康的借贷市场应该是一个多层次的借贷市场，不同的机构满足不同人群的服务。银行或者金融机构可能只接受2%的风险，其他风险表现的客户就需要其他风险偏好的机构去服务。所以，应该形成一个多层次的信贷市场，不同机构相互补充，而非相互颠覆。科技是一个工具，并没有创造新的金融业态，也没有改变金融服务的本质，它带来的是对金融服务更好的补充，让金融服务能够更好地服务客户。金融科技领域的各种创新要围绕着金融的本质，围绕金融的规律去开展。
其四，金融科技的发展非常重视数据，而数据的合规性是非常重要的考量因素。我们会考虑这个数据的可持续性。如果数据存在合规隐患，我们利用了这些数据，甚至在模型中依赖了这些数据，一旦这些数据停止提供，业务就会受到很大影响。所以，即便从业务的可持续性角度，也需要考虑数据的合规隐患，考虑数据能否实现长期的稳定。此外，还要注重对已有数据的充分利用，银行本身有很多数据可以去挖掘，在与银行的合作实践中，我们提供零售金融业务处理技术，利用银行本身的数据进行再挖掘、再利用之后，针对他们的小微客户进行营销，提供信贷服务。在这一过程中，可能并没有接入太多的外部数据，而是把银行内部的数据更充分地利用起来。
最后，金融科技的发展的确带来一些传统业务中没有的风险。对于这些风险的防范，我们可以更多借助科技的力量，发展监管科技。以网络借贷平台为例，按照现在的监管规定，所有的网络借贷平台都需要有银行存管体系，这样就要求资金都在这里面运转;同时，大家也都有电子签约的要求。从监管的角度来说，可以不只在宏观统计层面监管，完全有可能深入微观层面进行数据归集、数据处理、数据分析。所有的数据都是在存管银行体系运作，再加上对于电子合同的存托管，完全可以在微观层面通过分析数据，预先发现风险，进行风险预警。相较于过去依靠企业上报统计数据，再进行分析和处理的监管方式，监管与科技的结合将大大提升监管效率。所以，随着金融科技的发展，风险防范也可以更多地借助科技手段去开展。
(陈欢系宜信公司高级副总裁、首席战略官)
陈鹏：金融风险防控已进入大数据时代
我们正从三个方面推动金融科技在农村金融领域的应用创新：一是传统零售信贷产品、线下业务的线上化创新。就是把部分流程线上化，这个做的比较快，今年已经实现400多亿元。二是对已有客户数据的挖掘，今年刚好开发了一个纯线上产品，目前正在开展系统建设，刚好完成，马上要投入试点。三是切入一些场景，把整个农业产业链做起来，一般情况下，跟互联网金融公司自由场景嵌入式服务不同，我们更多地通过核心企业的一批和二批系统的对接来做，对场景的嵌入也需要进行更多的探索。
金融监管创新在降低成本、形成社会信用链条方面起着非常大的作用。
一是成本和信用链条。信用链应该是判断科技金融还是金融科技应用创新的最基本的逻辑起点。从经济学上来讲，金融要素是可以不进入一般模型里的，为什么有金融存在呢?因为有交易成本。
二是信用。在信贷业务的开发上，每一个环节，在采取合作态度的时候，一定有约束措施。应该把信贷，特别是零售信贷、普惠金融看作是能够形成循环制约的闭环，形成合作与约束紧扣的链条，形成一个信用链。当前，金融科技创新赋予我们监管科技的创新。信用发展的过程是从熟人信用到财产信用，再到商业信用，最后到社会信用的发展过程。很大程度上，我们的监管已经走入了大数据时代，是大力发展社会信用的监管创新时代。一方面，通过大数据的监管模式，可以弥补现在监管的法规或者监管手段上的不足;另一方面，在监管创新方面需要形成新的标准，如纯互联网模式下的信贷流程和标准，等等。实际上这些确实滞后，对银行金融机构来说，借鉴金融科技公司的创新要有一个新的行业标准和贷款通则。
三是建立行业标准。无论是大数据风控还是数据治理，从开始就需要在宏观层和公司治理、银行治理结合在一起。在具体技术标准环节，应该深化、细化G20杭州会议上形成的数字化普惠金融行动准则，在整个信贷流程方面，线上和线下的标准是不一样的。渠道之间无缝对接、无缝切换，应该逐步形成行業技术标准。所以，从以上三点来看，监管创新在降低成本、形成社会信用链条方面起着非常大的作用。
(陈鹏系中国邮政储蓄银行三农金融事业部总经理助理)
陈枫：金融风险防范需要关注隐私保护、合作共赢
这是一个最好的时代，也是一个最坏的时代。作为一个网络金融从业人员，同时作为一个用户，感触很深刻。小孩刚出生，可能父母还不完全清楚他需要什么，奶粉、尿片一应所需已经有商家上门无缝对接了，在感受到方便的同时，也感受到隐私泄露的无力。
客户对隐私的担忧，也应该是金融风险防范需要关注的问题。2017年《网络安全法》实施，把个人信息安全保护放在了重要位置;今年欧盟《通用数据保护条例》生效，更是制定了堪称严苛的要求和惩罚措施。我们作为互联网业界从业人员，直接面向公众、面向客户，对于欧盟甚至其他国家的相关监管要求，我们可能都要被动地去满足。但是要做到哪些方面、何种程度才算是符合要求?各家机构各有各的理解，各有各的作法。如果互金协会、监管方面能够给予指引，把满足法规、条例要求变成可操作的流程、规范指导，帮助大家实施合规改造，将大大降低合规成本。
不管作为从业者还是用户，隐私保护已经上升到国家标准，个人隐私已经写入网络安全法。这也是我们面对的监管风险、政策风险之一。今天大家可能更关注的是如何降低客户的风险，但是实际上，我们面对的不仅仅是这方面的风险，还有政策、法律上的风险。
此外，随着科技发展，大家都在谈API经济，通过相互开放实现互相赋能。各种服务接口无处不在，随时随地为我们的客户提供服务，所有的潜在客户都能够很方便地成为我们的客户。在获得便利的同时风险也随之而来，因此我们既要开放，风险防范也要跟上，但是这也是双刃剑。
比如网络交易反欺诈，能有效提升安全，但是要成立专业的团队，要做规则，需要有业务方面的专家;要做模型，需要有模型方面的人才;要建机器学习，引进有监督、无监督的相关技术，又要有专业的人才，不论是系统还是人员，都需要大量的投入。如何才能做到位?比如像腾讯、阿里资金充足，可以把墙建的很高，那么最终中小金融机构就变成短板，大家都面向互联网，这个墙是要靠钱来建立的，就算客户很少，但是如果建造这个系统，就要承担大量的成本。我们行在风险防控方面同样也做了大量工作，投入大量人力、物力，建立起一套集团级的风险防控系统，把集团内部的网络金融应用都纳入风险监控体系，成立了一个专业团队，做了许多机器和人结合、专家规则和机器模型结合的工作。
我们一直在思考，如何更有效地开展风险防控，如何利用金融科技的工具、手段，从更广泛、更科学的角度把这方面的风险控制住，发挥出综合效应?建立联防联控的风控系统是一个思路，在确保用户的隐私数据被合理合规使用的基础上，通过合理的案例分享、资源共担、团队共建、合作共盈，实现整体效益最大化，把共同的风险降下来。一方面，从自身角度，我们要充分地了解自己的客户，把我们和客户的风险管控好;另一方面，我们希望互金协会、监管部门给予相应的指导，加强同业之间的合作，内外结合，把金融风险控制好，这对整体的金融风险防控很有价值。
(陈枫系兴业银行网络金融部处长)
摘 要：科技创新与科技金融相结合，是建设自主创新型国家战略规划的需求，是提升科技创新水平和深化金融改革的必要选择。利用索洛余值法测算山东省科技创新水平，实证分析科技金融对科技创新的支持力度，结果表明，山东省是银行主导型科技金融模式，政府财政科技投入与商业银行信贷资金是科技创新能力提升的原因，而资本市场资金并不是科技创水平提升的原因，据此提出完善山东省科技金融体系的相关政策建议。
关键词：科技金融;科技创新;索洛余值法
一、引言
1993年，中国科技金融促进会成立，科技金融开始作为一个独立的词汇出现，其理论内涵日益丰富。赵昌文、陈春发(2009)指出，科技金融是促进科技开发、成果转化和高新技术产业发展的一系列金融工具、金融制度、金融政策与金融服务的系统性、创新型安排，是由向科学和技术创新活动提供金融资源的政府、企业、市场、社会中介机构等各种主体及其在科技创新融资过程中的行为活动共同组成的一个体系[1～7]。根据科技金融运行机制的不同，科技金融的模式可以分为市场主导型科技金融模式和政府主导型科技金融模式。其中，市场主动型科技金融模式按金融市场的发展程度及重要性分为资本市场主导型科技金融模式和银行主导型科技金融模式。
随着经济全球化进程的加快，未来世界各主要经济体之间的竞争将更依赖于科技进步和科技创新能力。2006年党中央、国务院提出了“提高自主创新能力，建设创新型国家”的发展战略，十八大会议又将这一战略上升到“国家发展战略的核心”和“提高综合国力的关键”的高度，此需要构建有利于提升科技自主创新能力的科技金融体系。基于山东省科技型企业普遍存在的融资难问题，本文选择山东省科技金融与科技创新之间的作用关系做实证分析，紧密结合科技金融促进科技创新的发展现状，构建山东省科技金融支持体系具有现实指导意义。
二、山东省科技金融支持科技创新力度的实证研究
(一)山东省科技创新水平的测定
本文选用山东省科技创新产出衡量科技创新水平，并用索洛余值法基于生产函数总量测算全要素生产率，并以此来衡量科技创新水平。
假设经济增长符合传统的 C-D 生产函数，yt=A0eλtKα
tLβ
t，其中α+β=1。我们用K表示不含技术进步的纯粹资本投入，引入中间投入M表示与资本融合在一起的体现式技术进步的所有投入。
生产函数可以表示为：yt=A0eλtKα
tLβ
tMγ
t (A表示技术进步系数) (1)
对(1)式两边取自然对数，得出线性生产函数：
lnY=lnA0+λt+αlnKt+βlnLt+γlnMt+εt (2)
对(2)式两边微分可得：
=-α-β-γ (3)
令a=，y=，k=，l=，m=
则(3)式变为：a=y-αk-βl-γm (4)
其中A为技术进步增长率，y为总产出增长率(地区GDP增长率)，k为资本增长率(固定资产投资增长率)，l为劳动增长率(城镇就业人数增长率)，m为中间投入增长率。对(2)式全微分，可得出改进后的增长函数与技术进步水平模型：?lnYt=lnA0+λt+α?lnKt+β?lnLt+γ?lnMt+εt (5)
该模型在希克斯中型和规模报酬不变假设条件下，可以简化为索洛余值法的全要素生产率估计模型：lnYt=lnA0+?Tt+?KlnKt+?LlnLt+εt (6)
其中?T和?K分别资本和劳动的产出弹性。全要素生产率计算公式如下：TFPt= (7)
文章选取山东省2000—2012年的数据，Y即为山东省GDP，K为山东省固定资产投资，L为年末城镇从业人数，数据来源山东省统计年鉴。由于索洛余值法的全要素生产率估计模型涉及到的指标数据单位不统一，首先对数据进行标准化处理以消除量纲的影响。然后利用Eview6.0对模型进行参数估计并检验，模型估计结果(如表1所示)：
参数估计方程式如下：
GDP=0.0745205801738+0.498367301455*K(-1)+0.506177750827*L(-1)，
所以得?K为0.4984，?L为0.5062。
其中调整后的R^2=0.997425，DW=2.173846大于2小于4，说明模型检验是平稳性的，即模型拟合效果比较理想。将?K为0.4984，?L为0.5062带入公式(7)，计算山东省每年的科技创新产出值即科技创新水平，其结果(如图1所示)：
(二)山东省科技金融支持科技创新力度的测度
科技活动经费筹集包括政府资金、企业资金、事业单位资金、金融机构贷款、国外资金和其他资金等。由于官方数据统计口径的原因和数据的可获得性，本文科技金融支持资金来源主要分为政府资金、金融市场资金和资本市场资金。
本文用山东省政府财政支出中科学技术支出(GF)作为支持科技创新的政府资金指标。采用山东省金融机构科技贷款额(KF)反映银行科技信贷情况。选用山东省上市公司境内融资额(CF)作为衡量资本市场科技创新的金融支持指标。文章选取山东省2000—2012年的数据，数据来源山东省统计年鉴、中国科技统计年鉴。
1.线性回归分析
对科技创新水平和政府科学技术支出进行OLS线性回归，得到回归方程：TFP=0.5311lnGF+2.354，回归方程中的各项系数均是显著的，F值为98.82，伴随概率为0，整个回归方程是显著的，R2=0.89，拟合度较高。
对科技创新水平和上市公司境内融资额进行OLS线性回归，得方程：TFP=0.3044nCF+2.9669，回归方程中的各项系数均是显著的，F值为64.187，伴随概率为0，整个回归方程是显著的，R2=0.85，拟合度较高。
对科技创新水平和山东省金融机构科技贷款额进行OLS线性回归，得方程：TFP=0.865lnKF-10.13，回归方程中的各项系数均是显著的，F值为15.82，伴随概率为0.004，整个回归方程是显著的，R2=0.76，拟合度较高。
对科技创新水平(TFP)分别与政府资金(lnGF)、资本市场资金(lnCF)、商业银行信贷资金(lnKF)进行回归，三个回归方程解释变量前面的系数均为正数，说明金融三大市场资金支持对科技创新水平的提升均起正向促进作用，系数的大小可以代表金融支持科技创新的力度，具体而言，政府资金、资本市场资金和商业银行信贷资金依次独立变动1个单位分别引起科技创新水平0.5311个、0.3044个和0.865个单位的改善，可见政府资金的贡献程度居中，资本市场最小，金融支持科技创新商业银行信贷最大。 山东省是银行主导型科技金融模式。银行主导型科技金融模式最大的缺点在于银行债权融资收益模式与科技创新企业的不相宜性。科技创新企业的风险主要集中在企业生命周期的早期，从而造成科技型中小企业贷款市场的失灵现象。银行在企业其提供融资时，承担了风险却难以享受到企业后期成长的收益，风险和收益分布不对称性。因而，银行主导型科技金融模式有风险，不利于金融稳定的风险。对于这种困境，一种解决方式是政府提供政策性银行科技贷款，从而导致银行主导型科技金融模式带有较强的政府干预色彩;二是构建银行科技信贷风险分散机制。
2.格兰杰因果检验
C.W.J.Granger于1969年对变量之间的因果关系作如下定义：如果x是引起y变化的原因，则x应该有助于预测y，即在y关于y过去之的回归中，添加x的过去值作为独立的解释变量，应该显著增加回归的解释能力。
TFP与金融支持中的政府资金的格兰杰关系检验(如表2所示)。在lnGF不是TFP变化的原因假设中，p值0.01523，小于10%，所以拒绝假设，lnGF是TFP变化的原因，也就是说政府财政科技投入是科技创新能力提升的原因。同理，商业银行信贷资金是科技创新能力提升的原因。在lnCF不是TFP变化的原因假设中，p值为0.13069，大于10%，所以接受假设，资本市场资金不是科技创新能力提升的原因。
政府财政科技投入(lnGF)是科技创新能力提升的原因。结果表明，科研经费支出作为政府财政支出中用于支持科技创新的资金来源，在促进山东省科技创新方面发挥着重要作用。资本市场资金(lnCF)支持并不是科技创水平提升的原因，并且对科技创新水平提升的贡献度最小。这说明山东省目前发展态势处于不成熟阶段的资本市场并不能满足上市公司的融资要求，故不能成为山东省科技创新水平改善的推动力，对科技创新的支持力度仍处于低水平。商业银行信贷资金(lnKF)是科技创水平提升的原因，并且对科技创新水平提升的贡献度最大，说明科技信贷资金当前促进科技创新型企业繁荣发展的重要支柱，并且，科技创新成果也可作为贷款抵押从而增加商业性信贷额度。
三、实证结论与政策建议
(一)实证结论
综合上述实证分析的结果，得出本文的主要结论：(1)科技金融体系框架中的政府财政科技投入、科技资本市场与商业银行信贷资金对技术创新具有促进作用，支持力度分别为0.5311、0.3044和0.865，是银行主导型科技金融模式。(2)政府财政科技投入与商业银行信贷资金是科技创新能力提升的原因。(3)资本市场资金支持并不是科技创水平提升的原因，资本市场发展不够成熟。
(二)政策建议
1.构建银行科技信贷风险分散机制
把中小企业主的个人信用和资产情况纳入评价体系中，为信贷投放提供更具安全的依据。推进科技担保体系建设，通过商业银行与担保机构合作，降低银行科技信贷风险;加快科技保险发展，开发科技信贷保险产品，分散银行风险;鼓励银行开展知识产权质押贷款、集合委托贷款等新型科技贷款业务;借鉴美国硅谷银行的经验，组建科技银行，与风险投资公司紧密合作，专门针对创新型企业提供融资服务。
2.构建政府投资引导基金
政府通过建立相关的种子基金和投资引导基金，采取参股和跟进投资等形式，吸引民间投资对种子期和初创期的科技创新企业进行投资，政府资金发挥放大作用和引导作用，这样既有利于扩大投资规模，又能引导更多资金投资于种子期和初创期的企业。目前山东省高科技企业在种子期融资难问题尤为迫切，建议通过设立产业发展种子基金，对符合条件的种子期的科技企业给予资金支持或贷款贴息。
3.加强多层次资本市场融资
首先，鼓励相关高科技企业利用债券市场融资。支持企业灵活运用短期融资券、中期票据、集合票据、集合债券、高收益债券等工具，扩大融资规模。支持符合条件的企业通过发行企业债、集合债、公司债等多种方式融资。对于运作比较成熟、未来现金流较稳定的项目，可以优质资产的未来现金流和收益权等为基础，探索开展创新产业项目的资产证券化试点。
其次，大力发展科技型中小企业股权投资市场，为科技成果流通和科技型中小企业通过非公开方式进行股权融资提供服务。一是强化交易服务功能，提供交易场地、交易信息、交易鉴证和交易结算等服务;二是强化交易组织功能，与各股权投资企业加强对接，畅通风险投资、私募股权投资与高新技术企业、项目结合的渠道;三是强化金融产品和服务创新组织协调功能，有计划、有组织地推进金融产品和服务的协同创新。
参考文献：
[1] 赵昌文，陈春发，唐英凯.科技金融SCI-TECH FINANCE[M].北京：科学出版社，2009：26.
[2] Brian J.Henderson，Neil D.Pearson.The dark side of financial innovation：A case study of the pricing of a retail financial product.
Journal of Financial Economics.2011(5)：227-247.
[3] George Hondroyiannis，Sarantis Lolos，Evangelia Papapetrou.Financial Markets and Economic Growth in Greece，1986-1999[J].
Journal of International Financial Markets，Institutions and Money，2005(15)：173-188.
[4] 杨晓丽.金融支持科技创新的多角度思考：徐州案例[J].科学管理研究，2013，(5)：92-95.
[5] 束兰根.科技金融融合模式与中小科技企业发展研究[J].金融纵横，2011，(5)：9-13.
[6] 步国旬，陈君君.金融支持科技创新的路径及策略研究——以资本市场为例[J].金融纵横，2013，(4)：19-25.
[7] 陈敏，南爱华，刘国华.山东科技金融发展的制约因素及对策研究[J].山东社会科学，2013，(12)：157-161.
[责任编辑 吴明宇]
作者：提凯博
摘 要：本文从供需角度出发，根据科技创新、金融创新以及科技金融各自参与主体要素的共同性，分析科技创新、金融创新以及科技金融三者之间协同发展的机理。构建科技创新、金融创新和科技金融子系统模型及复合系统协同度模型，选取2001—2012的年度数据进行实证分析，并提出相应对策建议，以期为实现科技金融体系目标设立的明晰性、运行机制长效性提供理论支持。
关键词：科技创新;金融创新;科技金融;子序度;协同度
一、引言
在知识经济迅猛发展的今天，科技与金融已经成为影响世界各国生产力发展速度及水平的重要因素。作为服务于科技企业以及科技成果发展创新的资源体系，科技金融在我国当前转变经济发展方式的过程中，发挥着不可或缺的科技支撑引领作用。“提高自主创新能力，建立创新型国家”的国家发展战略提出后，科技部、银监会、中国人民银行等联合召开“促进科技和金融结合试点启动会”，会同财政部制定并出台《关于促进科技和金融结合加快实施自主创新战略的若干意见》等相关措施，探索适合我国国情的科技金融合作机制及发展模式，从而建立更为合理完善的科技金融体系。
国内外学者对于科技创新以及金融创新之间的关系进行了多方面研究，科技创新与金融创新的相互作用以及对科技金融的影响是其中的重点内容。Revilla、唐智鑫和管勇等学者，分别从金融服务创新及金融产品创新方面，研究了科技创新对于金融创新的促进作用[1-2]。曹东勃、秦茗以技术—经济范式的演进模式为基础，以技术创新为金融创新——及金融创新为技术创新提供资金支持为出发点，指出金融创新与技术创新始终相互依存的事实[3]。而提及科技金融对科技创新的影响，从资金供给方面来说，Aerts和Schmidt认为政府公共科技金融投资对企业R&D强度具有促进作用[4]。Hall和Maffioli验证了政府公共科技金融投资对于私人投资所可能产生的挤出效应[5]。Benfratello、Ang以及Popov和Roosenboom等学者针对金融体系中银行、资本市场以及风险资本投资在企业等进行科技创新时所产生的推动作用进行了研究[6-8]。国内对于科技金融的研究则更多是在理论层面，如赵昌文(2009)、房汉廷(2010)、洪银兴(2011)、胡援成和吴江涛(2012)等，分别从科技金融的内涵、特征、制度安排以及运行机制等多方面进行了理论探讨[9-12]。相比之下，国内学者对科技创新、金融创新以及科技金融之间相互作用机理及效果的量化分析并不多见。事实上，科技金融作为一个新型平台，有效收纳了金融创新与科技创新，形成了三方紧密联系的复杂系统。基于此，本文从三者协同发展的机理出发，以复合系统协调度模型为基础模型反映三者协同发展的有效性，并为实现科技金融体系目标设立的明晰性、运行机制长效性提供理论支持。
二、区域科技创新、金融创新与科技金融协同机理分析
“协同(Synergetics)”是物理学概念，作为一种具有较广运动范围的现代横断学科，由德国物理学家Haken首次提出。协同学将大量以复杂方式相互作用而构成的复合系统作为研究对象，探究其在自发形成空间的有序结构时，子系统之间的协同作用方式及机理。视科技创新、金融创新、科技金融作为三个子系统，拥有政府、科研机构、企业、中介机构等相同的主体要素构成，在产业与空间发展不平衡的条件下，这些元素相互作用，由无序状态向有序状态转变，形成了三个子系统之间的协同效应。
图1展示了金融创新、科技创新与科技金融两两作用的协同机理。对于金融创新与科技创新之间的协同过程，一方面，科技创新为金融创新带来必要的技术支撑及不断扩大化的盈利空间。另一方面，金融机构通过金融创新不断完善金融服务体系，进一步助推科技研发并促进成果产业化。
科技创新带来的信息技术优势，促进金融创新要素的发展，提高金融系统内部的信息透明化程度。技术支持下的金融机构通过降低交易成本、便捷交易以及不断推陈出新金融工具，使得更为高效、优质的金融服务成为可能，为金融创新确立新的增长点。由于高科技企业易被传统的金融服务所排斥，金融创新能够整合大量资本，不断改进金融工具、金融服务理念及方式，拓宽科研机构及企业的融资渠道，满足其金融需要。
对于金融创新与科技金融的协同过程，金融机构通过金融创新保证科技金融主体投资力度，而科技金融通过制定政策、制度及法律法规，为金融机构开展金融创新活动提供必要支持。
金融机构通过金融创新活动推动金融市场的发展，促进投资理念、投资组合方式以及金融中介结构的完善，使得科技金融主体在投资过程中以低风险获取较高利润：市场科技金融供给主体通过对投资项目的预期收益成本评估，利用多样化金融产品和工具，择最优方案实现利润最大化的目的;对于公共科技金融主体而言，大量金融资本得以集聚，政府财政投入增加，金融支持力度得到提升。科技金融是对于金融工具、金融政策与金融服务所进行的创新性的系统安排[13]。因此，科技金融能够为金融创新开辟一条涵盖政策支持、运营监管的发展道路，不仅在最大程度上为金融机构提供创新活动所需资源，并且对金融机构的创新活动进行监督管理，为其营造良好的金融环境，协调经济社会中的资源要素促进金融创新的发展。
对于科技创新与科技金融之间的协同作用，一方面，科技金融引导资金流向高科技企业，并对科技创新进行筛选监督;另一方面，科技创新活动为科技金融的发展带来了技术上的支撑以及深远影响。依据科技创新过程的时间逻辑顺序，不同类型科技创新项目存在不同的收益性、风险性及外部性，科技金融能够引导参与主体通过各种投资方式使得资金流向科技创新企业，并且对科技创新活动进行有效评估筛选，合理监管配置资金。科技创新活动带来的技术影响，能够提高研发效率及科研水平，扩大科技金融主体的投资利润及金融机构的创新收益空间，保证政府资源的有效配置。
基于上述分析可以发现，从供给角度看，科技金融子系统通过政府、科研管理机构等部门的政策、制度及相应资金支持，以及商业银行等市场科技金融主体的投资，向科技创新子系统提供良好的投融资监管体系及资金支持。科技创新主体在科技金融支持下，选择高质量的项目进行研发，提高项目成功率并进行产业化，由此带来的技术进步推动了金融机构在进行理念、服务等创新时的步伐，拓展其发展空间。蓬勃的金融创新发展激发金融机构为科技金融主体提供更为匹配的投资方式，扩大其资本集聚。反之，从需求角度，科技金融的发展需要科技创新活动的拉动，科技创新主体进行科研活动需要金融机构提供相应的金融服务，这就需要科技金融提供一定的政策支持以及有效监管。也就是说：科技创新、金融创新以及科技金融子系统之间具有相互拉动、相互促进和相互完善的关系，只有三者彼此匹配、适应，实现协同发展，才能发挥“1+1+1>3”的协同效应。否则，任意一个或者两个子系统处于滞后态势，都会减缓其他子系统的发展速度，继而影响整个复合系统的良好发展。
四、研究结论及启示
本文根据协同学原理，利用复合系统协同度模型，以2001—2012年为研究区间，对于我国金融创新、科技创新以及科技金融的协同发展状况进行了测度分析。结果显示，复合系统协同度数值偏低，我国尚未形成一个完善的金融创新、科技创新与科技金融协同发展机制，金融创新子系统有序度最高，自2006年后其波动区间为[0.7，0.95]，而科技金融子系统有序度最低，始终波动于区间[0.3，0.6]。为此，本文从系统参与主体出发，提出促进该复合系统良好发展的对策建议。
首先，进一步提高对科技创新主体的支持力度，并且大力发展我国科技金融。本文结果显示，我国科技创新及科技金融发展明显滞后，尤其是科技金融。而政策支持上的滞后是二者发展落后于金融创新的重要原因。因此，我国应当建立一个较完善的政策体系，为科技创新及科技金融营造良好的发展环境，从政策层面上激发各个参与主体的热情，从而实现金融创新、科技创新与科技金融的协同发展。
其次，加强政府与金融机构、企业等之间的合作，相互配合，彼此协调发展。子系统发展不均衡，会直接影响整个复合系统的协同发展状况。金融创新、科技创新及科技金融间的发展存在较大差距，尤其是后两者与金融创新的差距。鉴于此，政府应以市场为导向，督促金融机构推陈出新，并积极引导民间金融健康发展。而金融机构等应主动建立与各类企业的沟通渠道。一方面，金融机构以新产品、新工具向企业提供更好的金融支持;另一方面，科技企业在充裕资金的支持下，要努力开发新技术，以技术支持提高科技金融主体投资回报，并完善科技金融信用体系，促进科技金融的发展。
最后，应当建立金融创新、科技创新及科技金融协同机制的综合管理平台。结合我国银监会、证监会、保监会等监管部门以及财政部、中央银行、科技部等，通过信息交流，有效统筹金融创新、科技创新及科技金融的资源优势。以科技创新与科技金融发展为目标，以金融创新作为中坚力量，实现三者相互促进、相互推动的协同良好发展，继而推动我国经济快速健康发展。
(责任编辑：张恩娟)
参考文献：
[1]Revilla A J，Fern?ndezZ. The Relation between Firm Size and R&D Productivity in Different Technological Regimes[J]. Technovation，2012，32(11)：609-623.
[2]唐智鑫，管勇.互联网技术与我国银行业的金融创新[J].金融科技时代，2011(9)：80-81.
[3]曹东勃，秦茗.金融创新与技术创新的耦合—兼论金融危机的深层原因[J]，财经科学，2009(1)：8-14.
[4]AertsK，SchmidtT. Two for the Price of One Additionality Effects of R&D Subsidies： A comparison between Flanders and Germany[J]. Research Policy，2008，37(5)：806-822.
[5]Hall B H，MaffioliA. Evaluating the Impact of Technology Development Funds in Emerging Economies：Evidence from Latin America[J]. European Journal of Development Rearch，2008，20(2)：172-198.
[6]Benfratello L，Schiantarelli F，SembenelliA. Banks and Innovation：Micro Econometric Evidence on Italian Firms[J]. Journal of Financial Economics，2008，90(2)：197-217.
[7]Ang J B.Research，Technological Change and Financial Liberalization in South Korea[J]. Journal of Macroeconomics，2010，32(1)：457-468.
[8]Popov A，RoosenboomP. Venture Capital and Patented Innovation：Evidence from Europe[J]. Economic Policy，2012，27(7)：447-482.
[9]赵昌文，陈春发，唐英凯.科技金融[M].北京：科学出版社，2009.
[10]房汉廷.关于科技金融理论、实践与政策的思考[J].中国科技论坛，2010(11)：5-11.
[11]洪银兴.科技金融及其培育[J].经济学家，2011(6)：22-27.
[12]胡援成，吴江涛.科技金融的运行机制及金融创新探讨[J].科技进步与对策，2012，29(23)：10-13.
[13]王宏起，徐玉莲.科技创新与科技金融协同度模型及其应用研究[J].中国软科学，2012(6)：129-137.
[14]吴大进，曹力，陈丽华.协同学原理和应用[M].武汉：华中理工大学出版社，1990.
作者：郑慧 李雪慧
