基于百度指數(shù)的中國省域金融集聚水平測度與時空演化分析

黃曉楠 張目

[摘要]通過引入百度搜索指數(shù)，從金融業(yè)、銀行業(yè)、證券業(yè)、保險業(yè)四個維度構(gòu)建省域金融集聚水平評價指標(biāo)體系;運用猶豫模糊語言TOPSIS灰色關(guān)聯(lián)投影法測度2013-2017年中國31個省城的金融集聚水平并分析時空演化特征。研究結(jié)果表明：除西藏外，我國其余30個省域的金融集聚水平都呈現(xiàn)出波動增長的態(tài)勢，其中浙江、江蘇、山東的增速位列前三位;北京、廣東、浙江的金融集聚平均水平位列前三位，并呈現(xiàn)出東部地區(qū)高于中部地區(qū)，中部地區(qū)高于西部地區(qū)的總體特征;中國金融集聚存在一定的空間正相關(guān)性，高一高集聚區(qū)主要集中在東部地區(qū)，低-低集聚區(qū)主要集中在西部地區(qū)。

[關(guān)鍵詞]金融集聚水平;百度指數(shù);猶豫模糊語言集;TOPSIS灰色關(guān)聯(lián)投影法;時空演化

[中圖分類號]F832.5

[文獻(xiàn)標(biāo)識碼]A

金融產(chǎn)業(yè)是現(xiàn)代經(jīng)濟的重要產(chǎn)業(yè)，不僅推動著經(jīng)濟快速發(fā)展，同時對產(chǎn)業(yè)結(jié)構(gòu)升級、精準(zhǔn)扶貧、鄉(xiāng)村振興等方面起到不可代替的作用。2017年7月，習(xí)近平總書記在全國金融工作會議上強調(diào)“金融是國家重要的核心競爭力”。2019年3月，第十三屆全國人民代表大會第二次會議上，國務(wù)院總理李克強在《政府工作報告》中指出要“以服務(wù)實體經(jīng)濟為導(dǎo)向，改革優(yōu)化金融體系結(jié)構(gòu)”。金融是實體經(jīng)濟的血脈，我國金融業(yè)發(fā)展對經(jīng)濟增長的貢獻(xiàn)度穩(wěn)步提高，從2010年到2018年，我國金融業(yè)增加值占GDP的比重從6.2%上升到了7.68%。由此可見，加快推動我國金融業(yè)集聚發(fā)展，充分發(fā)揮金融集聚效應(yīng)，對保持經(jīng)濟持續(xù)健康發(fā)展和社會穩(wěn)定起到重要作用。

目前金融集聚水平測度方法主要分為單一指標(biāo)法和綜合評價法。單一指標(biāo)法是使用較少的指標(biāo)進(jìn)行評價，主要運用產(chǎn)業(yè)集聚度評價金融集聚水平，主要包括：集中度、區(qū)位熵、赫芬達(dá)爾一赫希曼指數(shù)、空間基尼系數(shù)等。隨著金融集聚理論研究的深入，綜合評價法逐漸成為主流，綜合評價法是從綜合評價的角度選取衡量金融集聚水平的指標(biāo)，構(gòu)建金融集聚水平評價指標(biāo)體系，再利用不同的綜合方法計算評價值。例如，丁藝等（2009）從金融總體規(guī)模、銀行業(yè)、證券業(yè)和保險業(yè)四個方面構(gòu)建中國金融集聚程度評價指標(biāo)體系，并利用主成分分析進(jìn)行評價。茹樂峰等（2014）從金融背景、金融規(guī)模、金融密度和金融深度四個方面構(gòu)建金融水平測度指標(biāo)體系，運用因子分析研究我國中心城市金融集聚水平。盧紅光和江濤（2019）通過熵權(quán)法構(gòu)建江蘇省金融集聚水平評價指標(biāo)體系，該體系包含金融環(huán)境、金融規(guī)模、金融密度、金融深度等方面。已有的研究為考察中國金融業(yè)集聚特征奠定了良好的基礎(chǔ)，但存在一定的局限性。一是在指標(biāo)體系構(gòu)建上，已有研究評價指標(biāo)體系僅限于統(tǒng)計部門的統(tǒng)計數(shù)據(jù)指標(biāo)，忽略了互聯(lián)網(wǎng)大數(shù)據(jù)的利用，并不能全面反映中國金融業(yè)集聚程度;二是在評價方法上，已有研究評價方法主要針對實際指標(biāo)數(shù)據(jù)進(jìn)行計算，在模糊性、猶豫性問題方面具有局限性，難以面對模糊不確定信息做出科學(xué)評價。

在互聯(lián)網(wǎng)技術(shù)快速發(fā)展的背景下，搜索引擎數(shù)據(jù)逐漸成為學(xué)者用以研究某一問題的工具，而百度推出的百度指數(shù)平臺則是匯集了百度海量網(wǎng)民的搜索行為數(shù)據(jù)，是當(dāng)前互聯(lián)網(wǎng)乃至整個數(shù)據(jù)時代最重要的統(tǒng)計分析平臺之一。百度指數(shù)基于百度海量數(shù)據(jù)，一方面進(jìn)行關(guān)鍵詞搜索熱度分析，另一方面深度挖掘輿情信息、市場需求、用戶特征等多方面的數(shù)據(jù)特征。通過百度指數(shù)平臺，可以從行業(yè)的角度，分析市場的特點。目前，百度指數(shù)已廣泛應(yīng)用于旅游網(wǎng)絡(luò)關(guān)注、投資者情緒、食品安全等領(lǐng)域研究。

在多屬性決策過程中，由于決策問題的復(fù)雜性和決策者認(rèn)知的局限性，導(dǎo)致決策者對客觀對象的評價往往給出猶豫模糊的判斷，為決策過程的實施帶來了困難。針對這一問題，Rodr（guez et al（2012）提出了猶豫模糊語言集的概念和模型，通過猶豫模糊語言集模型，能夠?qū)Q策者模糊語言信息轉(zhuǎn)化為定量可計算的數(shù)學(xué)符號，為不確定語言信息的評價提供了可能。目前，猶豫模糊語言已經(jīng)廣泛應(yīng)用于川酒品牌評價、災(zāi)害風(fēng)險評估、企業(yè)績效評價等方面。

綜上所述，針對目前金融集聚水平評價指標(biāo)體系不充分和評價方法缺乏猶豫性、模糊性的局限，本文將引入百度指數(shù)，從金融業(yè)、銀行業(yè)、證券業(yè)、保險業(yè)四個維度構(gòu)建金融集聚水平評價指標(biāo)體系，然后選取2013-2017年我國31個省域的原始數(shù)據(jù)，提出并運用猶豫模糊語言TOPSIS灰色關(guān)聯(lián)投影法測度我國31個省域的金融集聚水平，并從全局和局部兩個方面分析中國省域金融集聚水平的時空演化特征。

1指標(biāo)體系與數(shù)據(jù)來源

根據(jù)金融集聚的內(nèi)涵，在現(xiàn)有文獻(xiàn)對金融集聚水平衡量指標(biāo)的研究基礎(chǔ)上，參考中國（深圳）綜合開發(fā)研究院發(fā)表的“中國金融中心指數(shù)”編制原理，結(jié)合金融產(chǎn)業(yè)的集聚特征，將百度搜索指數(shù)引入到指標(biāo)體系中，從金融業(yè)、銀行業(yè)、證券業(yè)、保險業(yè)四個方面構(gòu)建了包含4個一級指標(biāo)和20個二級指標(biāo)的金融集聚水平指標(biāo)體系。具體指標(biāo)包括：金融業(yè)影響力（X1）、金融業(yè)增加值（X2）、金融業(yè)從業(yè)人員（X3）、金融業(yè)固定資產(chǎn)投資（X4）、金融業(yè)區(qū)位熵（X5）、銀行業(yè)影響力（X6）、銀行業(yè)金融機構(gòu)存款余額（X7）、銀行業(yè)金融機構(gòu)貸款余額（X8）、居民儲蓄存款余額（X9）、銀行業(yè)區(qū)位熵（X10）、證券業(yè)影響力（X11）、境內(nèi)上市公司數(shù)（X12）、股票市價總值（X13）、上市公司股票籌資額（X14）、證券業(yè)區(qū)位熵（X15）、保險業(yè)影響力（X16）、保險費收入（X17）、保險密度（X18）、保險深度（X19）和保險業(yè)區(qū)位熵（X20）。其中區(qū)位熵的計算公式為LQij=（qij/qj）/（qi/q），其中，表示j地區(qū)i產(chǎn)業(yè)的總產(chǎn)值，qj表示j地區(qū)所有產(chǎn)業(yè)的總產(chǎn)值;qi表示全國i產(chǎn)業(yè)的總產(chǎn)值，q表示全國所有產(chǎn)業(yè)的總產(chǎn)值。

本文以我國31個省域為研究對象，選取的時間范圍為2013-2017年，采用的金融百度搜索指數(shù)、銀行百度搜索指數(shù)、證券百度搜索指數(shù)、保險百度搜索指數(shù)來自于百度指數(shù)網(wǎng)站（http：//index.baidu.com）。除百度搜索指數(shù)外，其他金融集聚水平評價指標(biāo)數(shù)據(jù)來自2013-2017年各省（自治區(qū)、直轄市）國民經(jīng)濟和社會發(fā)展統(tǒng)計公報、2014-2018年《中國統(tǒng)計年鑒》、2013-2017年各?。ㄗ灾螀^(qū)、直轄市）金融運行報告、國家統(tǒng)計局網(wǎng)站、RESSET金融研究數(shù)據(jù)庫。

2研究方法

2.1猶豫模糊語言TOPSIS灰色關(guān)聯(lián)投影法

運用猶豫模糊語言TOPSIS灰色關(guān)聯(lián)投影法評價省域金融集聚水平的計算步驟如下：

步驟1：確定由m個方案組成的方案集A={A1，A2，…，Am}，由n個屬性組成的屬性集X={X1，X2，…，Xn}。對上述決策問題用語言表達(dá)式對各個屬性Xi下的每一個方案Ai的表現(xiàn)給出定性評估，并利用轉(zhuǎn)化函數(shù)生成猶豫模糊語言集。

步驟2：正、負(fù)理想灰色關(guān)聯(lián)系數(shù)矩陣的確定。hij S表示第i個被對象在第，個評價指標(biāo)下的評價值，取第j個評價指標(biāo)下各個被評價對象的最大值作為正理想方案，最小值為負(fù)理想方案，設(shè)方案的理想序列A*={hs01*，hs02*，…h(huán)s0n*}，其中*等于“+”代表正理想方案，等于“-”代表負(fù)理想方案，則第i個被評價對象在第j個評價指標(biāo)下的關(guān)聯(lián)系數(shù)為：

步驟3：確定灰色關(guān)聯(lián)投影貼近度。采用熵權(quán)法對各個評價指標(biāo)進(jìn)行客觀賦權(quán)重，得到正、負(fù)加權(quán)灰色關(guān)聯(lián)系數(shù)矩陣F.=E.·W。待評價方案Ai與理想方案A.之間的夾角為灰色關(guān)聯(lián)投影角，計算待評價方案Ai在理想方案上的投影值為：

可證明得出結(jié)論：yi越大，可行方案距離正理想方案越近;yi越小，可行方案距離正理想方案越遠(yuǎn)。

2.2探索性空間數(shù)據(jù)分析

探索性空間數(shù)據(jù)分析是一系列空間數(shù)據(jù)分析方法和技術(shù)的集合，其核心是解釋與空間位置相關(guān)的空間依賴、空間關(guān)聯(lián)或空間自相關(guān)現(xiàn)象，包括全局空間自相關(guān)分析和局部空間自相關(guān)分析。

全局空間自相關(guān)主要是對研究對象在整體區(qū)域空間上相關(guān)性和差異性的描述，反映了檢測變量在研究區(qū)域范圍內(nèi)的整體特征，一般采用MoransI指數(shù)進(jìn)行衡量，其是判定一定區(qū)域內(nèi)空間實體相互之間是否存在相關(guān)關(guān)系，具體表達(dá)式為：

n表示空間單元數(shù)量;xi，xj表示空間單元i，j上的屬性值;x為空間整體屬性值的平均值;wi，j為空間單元i和j之間的空間權(quán)重，空間相鄰取1，空間不相鄰取0。Moran's I指數(shù)的取值范圍為[-1，1]，當(dāng)Moran's I指數(shù)大于0時表示各地區(qū)在空間上呈正相關(guān)性，值越大相關(guān)性越明顯，當(dāng)Moran's I指數(shù)等于0時表示各地區(qū)在空間上不存在相關(guān)性，當(dāng)Moran's I指數(shù)小于0時表示各地區(qū)在空間上呈負(fù)相關(guān)，值越小空間差異越大。

局部空間自相關(guān)是為了檢驗每個地區(qū)與周邊地區(qū)之間的局部相關(guān)性以及空間差異程度，本文采用Moran散點圖來分析局部空間自相關(guān)。Moran散點圖橫軸對應(yīng)的是各地區(qū)屬性值，縱軸對應(yīng)的是空間滯后值，各象限表示四種不同的局部空間關(guān)系。Moran散點圖第一象限為高一高集聚區(qū)，表示地區(qū)屬性值高的周圍地區(qū)屬性值也比較高;第二象限為低一高集聚區(qū)，表示地區(qū)屬性值低的周圍地區(qū)屬性值高;第三象限為低一低集聚區(qū)，表示地區(qū)屬性值低的周圍地區(qū)的屬性值也比較低;第四象限為高一低集聚區(qū)，表示地區(qū)自身的屬性值高的周圍地區(qū)屬性值低。

3實證結(jié)果分析

3.1省域金融集聚水平總體特征

根據(jù)猶豫模糊語言TOPSIS灰色關(guān)聯(lián)投影法，計算2013-2017年中國31個省域金融集聚水平對應(yīng)的灰色關(guān)聯(lián)投影貼近度，結(jié)果如表1所示。

從表1可知，（1） 2013-2017年排名前五位的依次為北京、廣東、浙江、江蘇和上海，說明這些地區(qū)與理想方案最為接近，金融集聚水平較高，屬于金融業(yè)高集聚區(qū)，而甘肅、海南、西藏、青海和寧夏屬于金融業(yè)低集聚區(qū)。（2）整體上我國31個省域的灰色關(guān)聯(lián)投影貼近度都隨時間的推移而逐年增加，代表從2013年至2017年期間，我國金融集聚程度在總體上呈現(xiàn)出增長的趨勢，各省金融行業(yè)的集聚發(fā)展也越來越好。其中，廣東的灰色關(guān)聯(lián)投影貼近度從2013年的0.4199增長到2017年的0.7215，增幅達(dá)0.3016，位居全國第一;西藏的灰色關(guān)聯(lián)投影貼近度從2013年的0.1225下降到2017年的0.1129，增幅達(dá)-0.0096，表示西藏2013-2017年金融業(yè)集聚發(fā)展處在下降的趨勢。

從省域增速來看，2013-2017年浙江、上海、貴州、河南、河北、陜西等6個省域的金融集聚水平呈持續(xù)上升態(tài)勢，北京、廣東、江蘇、山東、四川、福建、安徽、湖北、遼寧、湖南、內(nèi)蒙古、山西、天津、黑龍江、吉林、重慶、江西、新疆、廣西、云南、甘肅、海南、青海、寧夏等24個省域的金融集聚水平呈波動上升態(tài)勢，平均增速為29.1%;其中，浙江、江蘇、山東的金融集聚水平增速排名全國前三位，分別為86.99%、79.23%、77.34%，云南、甘肅、遼寧的金融集聚水平增速排名全國后三位，分別為1.79%、1.96%、2.21%。2013-2017年西藏的金融集聚水平呈波動下降態(tài)勢，增速為-7.82%。

3.2我國金融集聚水平時空演化特征

3.2.1我國金融集聚水平全局時空演化分析。根據(jù)中國省域金融集聚水平綜合評價值，運用GeoDal.12軟件計算2013-2017年中國金融集聚水平的Moran's I指數(shù)（見表2）。

全局空間相關(guān)性分析發(fā)現(xiàn)：（1）樣本期內(nèi)全局Moran's I指數(shù)均為正值，且總體趨勢為不斷上升（除2015年下降），各年度的全局Moran's I指數(shù)均通過了10%顯著性的檢驗;（2）中國各省域金融集聚水平存在顯著的空間自相關(guān)特征，也就是說具有相似金融集聚水平的地區(qū)存在空間集聚現(xiàn)象。同時中國省域金融集聚在不同時間呈現(xiàn)出不同的變動狀態(tài)，體現(xiàn)出金融集聚水平相似的地區(qū)在空間上的集聚情況處于變動狀態(tài)。

3.2.2我國金融集聚水平局部時空演化分析。根據(jù)局部Moran'sI指數(shù)，利用GeoDal.12軟件輸出2013-2017年中國省域金融集聚Moran散點圖，并匯總Moran散點圖中對應(yīng)的省份（見表3）。

從各個省域來看，大部分省域的金融集聚水平在五年間基本處于比較穩(wěn)定的狀態(tài)。廣東在2016年從高一低集聚區(qū)跨越到高-高集聚區(qū)，縮小了與周邊地區(qū)的空間差異程度，增強了對周邊地區(qū)的輻射能力。重慶和海南在2015年從低一低集聚區(qū)轉(zhuǎn)向低-高集聚區(qū)，說明重慶和海南本身的金融集聚水平比較低，但其周圍地區(qū)有較高的金融集聚水平，體現(xiàn)出重慶和海南周邊地區(qū)的金融業(yè)發(fā)展的速度要快于這兩個地區(qū)。四川與周邊地區(qū)在2013年金融集聚水平較為落后，但從2014年開始金融集聚水平超過周邊地區(qū)進(jìn)入高一低集聚區(qū)。

從分布地區(qū)來看，東部地區(qū)的上海、江蘇、浙江、山東四個省市具有相同的發(fā)展趨勢，說明金融集聚水平具有一定的協(xié)同機制，同時也帶動了東部地區(qū)金融集聚水平的提高;北京的金融集聚水平優(yōu)于周邊地區(qū)，而天津、福建、海南則與之相反。中部地區(qū)均處于低-高集聚區(qū)，整體金融集聚水平與東部地區(qū)省域還存在一定的差距。西部地區(qū)除四川的金融集聚水平高于周邊地區(qū)之外，其余金融集聚均處于低水平的狀態(tài)。

從各象限來看，每個象限包含的地區(qū)基本處于穩(wěn)定。Moran散點圖中的第一象限和第三象限明顯的空間分異特征體現(xiàn)空間異質(zhì)性。其中，上海、江蘇、浙江、山東等省市處于第一象限，表明金融集聚水平較高的地區(qū)集中在東部地區(qū)，對周圍地區(qū)的輻射能力也較強，而新疆、青海、西藏、甘肅、云南、貴州、寧夏等省市集中在西部地區(qū)，表明金融集聚水平較低的地區(qū)集中在西部地區(qū)，體現(xiàn)出我國金融集聚水平的分布存在兩極分化的現(xiàn)象。北京、四川屬于經(jīng)濟較為發(fā)達(dá)的地區(qū)，具有強大的金融業(yè)發(fā)展能力，但是與其相鄰的省份金融集聚水平較為落后，因此處于高一低集聚區(qū)，廣東在2016年之前也同屬于這類情形。天津、河北、福建雖然與北京、浙江、廣東等金融集聚高水平省份相鄰，但并沒有帶動其金融業(yè)的發(fā)展，這或許與其當(dāng)?shù)匕l(fā)展特點有關(guān)，因此處于低-高集聚區(qū)。

4結(jié)論與政策建議

根據(jù)2013-2017年中國31個省域金融集聚水平評價指標(biāo)的原始數(shù)據(jù)，運用猶豫模糊語言TOPSIS灰色關(guān)聯(lián)投影法和探索性空間數(shù)據(jù)分析方法，對中國省域金融集聚水平測度以及時空演化特征進(jìn)行分析，得出以下結(jié)論：

（1）從時間上來看，除西藏外，我國31個省域的金融集聚水平基本都呈現(xiàn)出波動增長的態(tài)勢，體現(xiàn)出我國2013年至2017年金融業(yè)發(fā)展整體上逐漸提高。但各地區(qū)的金融集聚發(fā)展速度存在差異，青海、寧夏等地的灰色關(guān)聯(lián)投影貼近度增幅在0.1左右，遠(yuǎn)不及北京、廣東等地區(qū)。

（2）從空間上來看，金融集聚水平排名前四位的是北京、廣東、浙江和江蘇，均分布在我國東部地區(qū)，排名后四位的是海南、西藏、青海和寧夏，處于我國西部地區(qū)，整體金融集聚水平呈現(xiàn)由東部地區(qū)到中部地區(qū)再到西部地區(qū)逐漸下降的梯度分布格局，反映出我國金融集聚水平空間差異明顯，西部地區(qū)的金融業(yè)發(fā)展有待提高。

（3）從時空演化特征來看，我國金融集聚水平存在顯著的正的空間自相關(guān)特征以及空間異質(zhì)性，即具有相似金融集聚水平的地區(qū)存在空間集聚現(xiàn)象。Moran散點圖則反映出我國金融集聚水平的空間分布相對比較穩(wěn)定，但高-高集聚區(qū)主要集中在東部地區(qū)，且省份數(shù)量較少，包含上海、浙江、江蘇、廣東、山東五個省份，而低-低集聚區(qū)主要集中在西部地區(qū)。

根據(jù)上述研究結(jié)論，結(jié)合有關(guān)部門文件精神，提出以下政策建議：

（1）對于證券業(yè)發(fā)展落后的地區(qū)，應(yīng)鼓勵當(dāng)?shù)赜袑嵙Φ钠髽I(yè)進(jìn)行上市，有意識地實行適度傾斜的證券產(chǎn)業(yè)政策。利用大數(shù)據(jù)、云計算、人工智能、區(qū)塊鏈等新技術(shù)，推動傳統(tǒng)業(yè)務(wù)轉(zhuǎn)型，創(chuàng)新業(yè)務(wù)模式，提高管理效率，促進(jìn)合規(guī)風(fēng)控、運營管理智能化，實現(xiàn)證券業(yè)快速發(fā)展。同時，在堅持從嚴(yán)審核的基礎(chǔ)上保持新股發(fā)行常態(tài)化，優(yōu)化再融資品種結(jié)構(gòu)，加大多層次資本市場建設(shè)，進(jìn)一步提升資本市場和證券行業(yè)服務(wù)實體經(jīng)濟的能力。

（2）對于銀行業(yè)發(fā)展落后的地區(qū)，應(yīng)加大銀行業(yè)金融機構(gòu)的引進(jìn)力度，同時營造良好的銀行業(yè)發(fā)展環(huán)境，提高各級銀行機構(gòu)的競爭力。推進(jìn)商業(yè)銀行經(jīng)營轉(zhuǎn)型，加強金融產(chǎn)品創(chuàng)新，提高資金獲取能力，靈活運用各類工具，推動負(fù)債、存款等業(yè)務(wù)穩(wěn)健發(fā)展。要加快銀行業(yè)金融機構(gòu)改革轉(zhuǎn)型，發(fā)揮金融科技的助推作用，為外資銀行引進(jìn)來、中資銀行走出去創(chuàng)造更大的機遇和發(fā)展空間。

（3）對于保險業(yè)發(fā)展落后的地區(qū)，應(yīng)積極引進(jìn)先進(jìn)技術(shù)和管理經(jīng)驗，探索保險業(yè)新型發(fā)展模式，積極探索和外資的合作，積極引進(jìn)各種合作模式，努力提高保險市場效率以及服務(wù)水平。應(yīng)加大培養(yǎng)人才的力度，充分利用高校資源，發(fā)揮行業(yè)協(xié)會的作用，提高保險人員的整體素質(zhì);革新人才的使用機制，把各類優(yōu)秀人才放在保險業(yè)急需和相宜的崗位上;制定靈活的人才留用政策。

[參考文獻(xiàn)]

[1]沈戰(zhàn)，金融集聚測度方法國內(nèi)外研究述評[J]，商業(yè)時代，2014（32）：93-95.

[2]丁藝，李樹丞，李林.中國金融集聚程度評價分析[J].軟科學(xué)，2009，23（06）：9-13.

[3]茹樂峰，苗長虹，王海江.我國中心城市金融集聚水平與空間格局研究[J].經(jīng)濟地理，2014，34（02）：58-66.

[4]盧紅光，蔣濤.金融集聚對區(qū)域創(chuàng)新的影響——基于江蘇省13個地級市的空間計量分析[J].經(jīng)濟研究導(dǎo)刊，2019（16）：39-45.

[5]孫燁，張宏磊，劉培學(xué)，等，基于旅游者網(wǎng)絡(luò)關(guān)注度的旅游景區(qū)日游客量預(yù)測研究——以不同客戶端百度指數(shù)為例[J].人文地理，2017，32（03）：152-160.

[6]孟雪井，孟祥蘭，胡楊洋.基于文本挖掘和百度指數(shù)的投資者情緒指數(shù)研究[J].宏觀經(jīng)濟研究，2016（01）：144-153.

[7]李清光.消費者對食品安全信息搜尋行為的特征分析——基于微博指數(shù)與百度指數(shù)的分析[J].價格理論與實踐，2018（09）：78-81.

[8]Rodr í guez R M. Mart í nez L， Herrera F.Hesitant fuzzylinguisticterms sets for decision making [J]. IEEE Transactions on FuzzySystems， 2012（20）：109-119.

[9]廖虎昌，楊竹，徐澤水，等.猶豫模糊語言PROMETHEE方法在川酒品牌評價中的應(yīng)用[J].控制與決策.2019（12）：1266-1272.

[10]徐緒堪，王京.基于猶豫模糊集的城市型水災(zāi)害風(fēng)險評估[J].統(tǒng)計與決策，2019，35（05）：51-55.

[11]高志方，劉亞楠，彭定洪.猶豫模糊語言灰色關(guān)聯(lián)決策方法在企業(yè)績效評價中的應(yīng)用[J].重慶理工大學(xué)學(xué)報（社會科學(xué)），2019，33（03）：63-73.

[12]魏翠萍，葛淑娜.猶豫模糊語言冪均算子及其在群決策中的應(yīng)用[J].系統(tǒng)科學(xué)與數(shù)學(xué)，2016，36（08）：1308-1317.

[13]柯宏發(fā)，陳永光，夏斌.一種基于逼近于理想灰關(guān)聯(lián)投影的多目標(biāo)決策算法[J].電子學(xué)報，2007（09）：1757-1761.

[收稿日期]2020-05-31

[基金項目]國家自然科學(xué)基金地區(qū)項目（71861003）;2017年度第二批貴州省基礎(chǔ)研究計劃（軟科學(xué)類別）項目（黔科合基礎(chǔ)[2017]1516-1）;貴州財經(jīng)大學(xué)2019年度在校學(xué)生科研項目（2019ZXSY05）。

[作者簡介]黃曉楠（1996-），女，河南信陽人，碩士研究生，研究方向：信用風(fēng)險管理、大數(shù)據(jù)金融;張目（1968-），男，貴州貴陽人，博士，教授，研究方向：信用風(fēng)險管理、大數(shù)據(jù)金融。