金融虛擬集聚平臺的區(qū)位選擇*

王如玉，王志高

一、引 言

數(shù)字經(jīng)濟(jì)時(shí)代，隨著新一代信息技術(shù)的突破式發(fā)展，產(chǎn)業(yè)空間組織出現(xiàn)了基于虛擬網(wǎng)絡(luò)空間的“虛擬集聚”形態(tài)（王如玉等，2018）。而金融與數(shù)字具備共同的基因——虛擬性，使得金融更早地與數(shù)字科技緊密結(jié)合，產(chǎn)生了大量創(chuàng)新的金融模式，蓬勃發(fā)展，形成了數(shù)字金融這一新型金融業(yè)態(tài)。然而，雖然對互聯(lián)網(wǎng)金融、數(shù)字金融的研究文獻(xiàn)汗牛充棟，但以往的研究較少從金融的空間組織結(jié)構(gòu)視角出發(fā)。數(shù)字經(jīng)濟(jì)時(shí)代，金融的資源空間配置形態(tài)也呈現(xiàn)物理空間和虛擬空間雙重集聚的新形態(tài)。金融資源在物理空間的集聚主要是金融機(jī)構(gòu)、金融人才等的集聚；在虛擬空間的虛擬集聚主要是資金、金融信息、金融數(shù)據(jù)等的集聚。

本文關(guān)注金融的雙空間集聚具有怎樣的特征，又是如何互相影響的。具體而言，本文將回答以下問題：金融虛擬集聚的空間格局呈現(xiàn)哪些新特點(diǎn)？是更趨于集中還是更趨于分散？其集中與分散受到何種因素的影響？

金融虛擬集聚的載體是各類金融虛擬集聚平臺。例如網(wǎng)絡(luò)支付與結(jié)算平臺、大數(shù)據(jù)金融平臺、虛擬金融服務(wù)平臺、新型融資平臺等。其中，P2P平臺是創(chuàng)新金融模式的一個(gè)典型代表。自P2P模式出現(xiàn)以來，網(wǎng)貸平臺經(jīng)過了一段時(shí)間的爆發(fā)式增長，據(jù)不完全統(tǒng)計(jì)，2014年底登記運(yùn)營平臺總數(shù)為2 595家，全年網(wǎng)貸成交量9 823.04億元，累計(jì)成交量13 652億元①數(shù)據(jù)來自網(wǎng)貸之家，https：//www.wdzj.com。。但同時(shí)，由于一度缺乏監(jiān)管，亂象叢生，風(fēng)險(xiǎn)事件頻發(fā)，行業(yè)經(jīng)過多次洗牌，各類P2P平臺不是暴雷，就是退出或轉(zhuǎn)型。直到2020年11月中旬，我國實(shí)際運(yùn)營的P2P平臺數(shù)量清零①歐陽劍環(huán)、彭揚(yáng)：《劉福壽：全國實(shí)際運(yùn)營P2P網(wǎng)貸機(jī)構(gòu)11月中旬完全歸零》，（2021—11—57），http：//www.cs.com.cn/sylm/jsbd/202011/t20201127_6115473.html。。盡管如此，P2P平臺具有金融資源在虛擬和物理雙空間集聚的典型性，是一個(gè)很好的研究對象，特別是大量P2P平臺在短期內(nèi)迅速出現(xiàn)，其地理區(qū)位選擇，能夠有效反應(yīng)金融虛擬集聚空間格局分布的內(nèi)在機(jī)制，因此，本文的實(shí)證部分以網(wǎng)貸平臺作為代表驗(yàn)證理論模型提出的結(jié)論。

相關(guān)的文獻(xiàn)涉及地理距離因素和互聯(lián)網(wǎng)金融方面的研究。許多文獻(xiàn)探討了互聯(lián)網(wǎng)和信息技術(shù)如何改變距離因素對金融集聚的重要影響，但文獻(xiàn)未能獲得一致性結(jié)論。O'brien（1992）較早地提出金融的全球一體化將導(dǎo)致地理的終結(jié)。Cairncross（1997）也提出信息技術(shù)的革新導(dǎo)致“距離死亡”。許多研究發(fā)現(xiàn)互聯(lián)網(wǎng)和信息技術(shù)去除了金融機(jī)構(gòu)物理網(wǎng)點(diǎn)和地理距離的限制，降低了交易成本，提高了金融效率，降低了金融產(chǎn)品的邊際成本。而另一些研究則指出距離因素雖然弱化了，卻依然重要。原因主要為：其一，金融產(chǎn)品的多樣性、復(fù)雜性離不開面對面的交流與服務(wù)（Parr和Budd，2000），在P2P平臺的案例中，許多貸款的審批依然需要線下審批，特別是大額貸款。其二，信息流作為金融的關(guān)鍵資源，會在某些區(qū)域集聚，成為“本地化知識”（Saxenian，1994），因此在不同地域的金融交易雙方存在信息不對稱。本地銀行和線下機(jī)構(gòu)與借款人的距離越遠(yuǎn)，貸款合同的限制越高（Hollander和Verriest，2016）。其三，知識的溢出需要社會網(wǎng)絡(luò)，而社會網(wǎng)絡(luò)則具有很強(qiáng)的本地化特征（Hampton和Wellman，2003），位于同一地方的金融消費(fèi)者具有相同的人文特征和地域偏好（廖理等，2014a）。Lin和Viswanathan（2016）通過眾籌網(wǎng)站的數(shù)據(jù)實(shí)證發(fā)現(xiàn)，即使在互聯(lián)網(wǎng)金融平臺上，交易仍傾向于在地理位置接近的雙方發(fā)生，這種“本土偏好”不能完全用理性解釋。

針對網(wǎng)貸平臺的研究，主要有：其一，我國學(xué)者的大量文獻(xiàn)從風(fēng)險(xiǎn)防范和風(fēng)險(xiǎn)監(jiān)管的角度進(jìn)行探討，并對我國網(wǎng)貸行業(yè)的經(jīng)驗(yàn)與教訓(xùn)進(jìn)行總結(jié)與反思；其二，探討借款人的信息如何影響借款的可獲得性和違約率，這些信息包括借款人的能力、借款意愿、相貌、社會關(guān)系等（Herzenstein et al.，2008；李悅雷等，2013；王會娟和廖理，2014；郭峰，2017）；其三，對出借人的投資行為進(jìn)行分析，從信息識別能力、學(xué)習(xí)能力、風(fēng)險(xiǎn)厭惡、本地偏好、羊群行為等角度（Freedman et al.，2011；廖理等，2014b；封思賢和那晉領(lǐng)，2020）；其四，基于網(wǎng)絡(luò)和雙邊市場理論，研究網(wǎng)貸平臺自身的網(wǎng)絡(luò)外部性及雙邊市場特性（崔婷等，2019）；其五，探討我國互聯(lián)網(wǎng)金融的空間分布，發(fā)現(xiàn)在我國人口與區(qū)域經(jīng)濟(jì)發(fā)展不平衡的情況下，互聯(lián)網(wǎng)金融發(fā)展存在較大的東西部差異，且仍然呈現(xiàn)較強(qiáng)的空間集聚（郭峰等，2017；粟芳等，2020）。

但以往的研究首先未考慮作為數(shù)字金融形態(tài)代表的網(wǎng)貸平臺的空間分布和區(qū)位選擇，且未深入研究其驅(qū)動機(jī)制；其次未將其與傳統(tǒng)金融行業(yè)進(jìn)行對比，分析數(shù)字金融在地理和虛擬空間雙重集聚的特性及相互影響的機(jī)制；再次是未分析數(shù)字經(jīng)濟(jì)時(shí)代，信息技術(shù)行業(yè)集聚對數(shù)字金融空間格局的影響。數(shù)字金融是金融科技創(chuàng)新的體現(xiàn)，基于此本文在含有創(chuàng)新與技術(shù)溢出的空間經(jīng)濟(jì)學(xué)理論基礎(chǔ)上，發(fā)展出一城市兩區(qū)域的金融與科技創(chuàng)新的空間溢出模型，試圖解釋上述問題。本文余下內(nèi)容安排如下：第二部分是理論分析并提出經(jīng)驗(yàn)假設(shè)，第三部分建立數(shù)學(xué)模型，第四部分進(jìn)行實(shí)證檢驗(yàn)，第五部分是結(jié)論與啟示。

二、理論分析與經(jīng)驗(yàn)假設(shè)

本文涉及的理論主要有信息不對稱、匹配理論、聲譽(yù)理論、金融中介創(chuàng)新、產(chǎn)業(yè)組織、產(chǎn)業(yè)關(guān)聯(lián)及技術(shù)溢出效應(yīng)、網(wǎng)絡(luò)及雙邊市場理論。本文基于以上理論著重提出以下三個(gè)方面的問題。

（一）數(shù)字金融的地理集聚和虛擬集聚水平

一方面數(shù)字金融較傳統(tǒng)金融體現(xiàn)了更大的規(guī)模經(jīng)濟(jì)效應(yīng)、范圍經(jīng)濟(jì)效應(yīng)、知識溢出效應(yīng)、信息溢出效應(yīng)、長尾效應(yīng)。具體體現(xiàn)在數(shù)字金融的交易成本更低，對用戶需求的匹配效率更高，服務(wù)提供方能夠根據(jù)用戶信息與數(shù)據(jù)提供更多樣化的金融產(chǎn)品，能夠?yàn)楦蠓秶娜后w提供低成本金融服務(wù)，信息技術(shù)發(fā)展推動加速金融創(chuàng)新，增加金融服務(wù)實(shí)體的效率和輸血管道。交易成本越低的服務(wù)與產(chǎn)品（即高等級商品）將越集中于高等級城市（中心城市）（Fujita et al.，1999）。同時(shí)，金融虛擬集聚平臺的地理集聚將帶來金融人才、金融機(jī)構(gòu)等資源的集中，也會產(chǎn)生傳統(tǒng)的集聚經(jīng)濟(jì)性，例如：降低數(shù)字基礎(chǔ)設(shè)施的成本、擴(kuò)大數(shù)字金融專業(yè)勞動力池、信息技術(shù)溢出與知識溢出促進(jìn)創(chuàng)新等等。因此，金融虛擬集聚平臺的地理集中度更高。

另一方面，金融虛擬集聚平臺是雙邊平臺，具有網(wǎng)絡(luò)正外部性。它的效率越高，用戶數(shù)越多，規(guī)模經(jīng)濟(jì)效應(yīng)越強(qiáng)，交易成本更低，產(chǎn)品更多樣化，盈利水平更高，則核心競爭力更強(qiáng)，更能夠提升其服務(wù)水平和金融服務(wù)實(shí)體的能力，對用戶的集聚力更強(qiáng)，從而形成正反饋機(jī)制。雖然金融虛擬集聚平臺也存在擁塞效應(yīng)，例如增加的競爭、用戶篩選成本提高、虛假信息增多等，但其正向網(wǎng)絡(luò)效應(yīng)更顯著，因而行業(yè)集中度也更高。

經(jīng)驗(yàn)假設(shè)1：數(shù)字金融比傳統(tǒng)金融企業(yè)的虛擬集聚與地理集聚水平更高。

（二）信息技術(shù)對金融虛擬集聚平臺區(qū)位選擇的影響

基于互聯(lián)網(wǎng)、大數(shù)據(jù)、云計(jì)算等信息技術(shù)，金融虛擬集聚受地理空間距離的限制減弱，與更傾向于面對面交流、獲得軟信息的傳統(tǒng)金融業(yè)務(wù)相比，數(shù)字金融對本地因素的依賴度降低。Petersen和Rajan（2002）指出信息技術(shù)允許貸款人收集，存儲和分發(fā)更多不同的信息，獲得更及時(shí)的有關(guān)借款者信譽(yù)的硬信息，從而可以對貸款進(jìn)行頻繁的事后監(jiān)督和快速干預(yù)，及時(shí)控制貸款風(fēng)險(xiǎn)，是信息技術(shù)讓遠(yuǎn)程貸款成為可能。Blasio（2008，2009）的研究表明信息技術(shù)可以作為城市群的替代品，電商服務(wù)基本不受家庭所在城市規(guī)模的影響。

經(jīng)驗(yàn)假設(shè)2：信息技術(shù)弱化了本地因素對金融虛擬集聚平臺的區(qū)位選擇的影響。

（三）信息技術(shù)與數(shù)字金融的協(xié)同集聚

金融功能與信息技術(shù)特性在基因?qū)用嫔系钠ヅ涫菙?shù)字金融生存和發(fā)展的充分條件和邏輯基礎(chǔ)（吳曉求，2015），謝平等（2015）認(rèn)為互聯(lián)網(wǎng)本身就可以定義為金融市場。信息技術(shù)企業(yè)是數(shù)字金融企業(yè)的上游，對數(shù)字金融存在技術(shù)知識溢出，且二者雇傭的人才技能存在重合；數(shù)字金融具有較強(qiáng)的技術(shù)粘性，對新知識、新技術(shù)有較強(qiáng)需求。因此，信息技術(shù)與數(shù)字金融的溢出與上下游關(guān)聯(lián)更強(qiáng)，金融虛擬聚集平臺將與信息技術(shù)行業(yè)的企業(yè)產(chǎn)生協(xié)同集聚效應(yīng)。同時(shí)，新興技術(shù)往往都在大城市產(chǎn)生并提升城市競爭力（Glaeser，2011）。因此，城市信息技術(shù)發(fā)展水平高、創(chuàng)新能力高，數(shù)字金融也發(fā)展得更好。

經(jīng)驗(yàn)假設(shè)3：金融虛擬集聚平臺將與信息技術(shù)企業(yè)進(jìn)行協(xié)同區(qū)位選擇。

三、數(shù)理模型

按照Martin和Ottaviano（1999）以及NEGG模型的技術(shù)分析路線，在此提出一個(gè)城市內(nèi)部的兩區(qū)域模型。假定一個(gè)城市存在東城區(qū)和西城區(qū)兩區(qū)域，三個(gè)部門，分別為同質(zhì)化的最終產(chǎn)品部門；提供差異化的金融產(chǎn)品與服務(wù)的傳統(tǒng)金融部門，該部門市場為壟斷競爭市場；以及為傳統(tǒng)金融部門服務(wù)的金融創(chuàng)新部門（創(chuàng)新型金融科技、數(shù)字金融等）。西城區(qū)的金融創(chuàng)新部門的知識資本存量K(0)多于東城區(qū)的知識資本存量K*(0)，即有K(0)＞K*(0)（上標(biāo)有星號代表東城區(qū)，下標(biāo)Z表示東西兩城區(qū)總量）。初期東城區(qū)與西城區(qū)的勞動力總量為L，勞動力增長率為0。同質(zhì)化的最終產(chǎn)品部門以及知識資本的流動都無交易成本，但是差異化的金融產(chǎn)品D則按照薩繆爾森“冰山”形式的交易成本進(jìn)行買賣，即τ單位的金融產(chǎn)品與服務(wù)從西城區(qū)的金融企業(yè)提供至東城區(qū)，實(shí)際只有1個(gè)單位到達(dá)，或者需要支付τ-1單位的成本。

（一）消費(fèi)者選擇

假定代表性家庭擁有相同的柯布—道格拉斯型偏好并最大化之下效用函數(shù)：

其中ρ是主觀貼現(xiàn)率或時(shí)間偏好率，0＜α＜1，H是同質(zhì)化的最終產(chǎn)品部門提供的產(chǎn)品；Q是一個(gè)復(fù)合的傳統(tǒng)金融部門的產(chǎn)品與服務(wù)商品，它由大量的差異化金融產(chǎn)品與服務(wù)構(gòu)成，其可以表示成：

在式（2）中，N=n+n*為東城區(qū)與西城區(qū)的傳統(tǒng)金融部門的產(chǎn)品品種總數(shù)，Qz是產(chǎn)品z的消費(fèi)量，σ＞1是任何兩種傳統(tǒng)金融部門產(chǎn)品之間的不變替代彈性系數(shù)。

用E(t)表示西城區(qū)的代表性消費(fèi)者在第t期的預(yù)算約束：

其中pi(t)是西城區(qū)提供的金融產(chǎn)品與服務(wù)Qi(t)在第t期的價(jià)格，p*i(t)是東城區(qū)提供的金融產(chǎn)品與服務(wù)在第t期的價(jià)格。

通過拉格朗日最優(yōu)化方法，求解消費(fèi)支出約束條件下的效用最大化，可以得到西城區(qū)的消費(fèi)者對西城區(qū)提供的差異化傳統(tǒng)金融產(chǎn)品i及東城區(qū)提供的差異化傳統(tǒng)金融產(chǎn)品j的需求分別等于：

當(dāng)pi=p*j=p時(shí)，由式（4）有：

以及有：

相應(yīng)地，

其中i∈n，j∈n*。

每個(gè)代表性家庭都面臨最大化其生命周期效用（公式（1））的跨期優(yōu)化問題，其跨期預(yù)算約束條件為：

其中A（t）是代表性家庭在第t期的資產(chǎn)，w（t）是第t期的勞動工資率，r（t）是t期的市場利率。

在跨期預(yù)算約束條件下，通過使用Hamilton函數(shù)并動態(tài)優(yōu)化公式（1），可以得到歐拉方程為：

式（6）表明：當(dāng)且僅當(dāng)市場利率r超過主觀貼現(xiàn)率ρ時(shí)，支出E才會增長。

（二）傳統(tǒng)金融企業(yè)行為

傳統(tǒng)金融部門每提供x單位金融產(chǎn)品與服務(wù)需要一個(gè)單位的知識資本和c單位的勞動力。且其中變動成本c與x的數(shù)量關(guān)系為c=βx，且x=1+c，這里β是邊際生產(chǎn)成本。

知識資本總存量Kz決定了兩個(gè)經(jīng)濟(jì)體中可生產(chǎn)的差異化金融產(chǎn)品與服務(wù)的品種總數(shù)。在平衡狀態(tài)下，每一種金融產(chǎn)品與服務(wù)都僅由一家傳統(tǒng)金融企業(yè)提供，因而Kz也決定了傳統(tǒng)金融企業(yè)的總數(shù)，即有：

就金融的技術(shù)知識資本流動性而言，按照Martin和Ottaviano（1999）假設(shè)知識資本將是自由流動的，即便知識資本所有者不是自由流動。因此，利潤將會匯回至擁有知識資本的地區(qū)。這進(jìn)而意味著，位于西城區(qū)的傳統(tǒng)金融企業(yè)的數(shù)量份額（以Sn表示）可能與位于西城區(qū)的技術(shù)知識資本份額（以Tn表示）不同。

（三）傳統(tǒng)金融產(chǎn)品與服務(wù)的市場空間分布

在給定總支出和其他金融企業(yè)的價(jià)格情況下，每個(gè)傳統(tǒng)的金融產(chǎn)品與服務(wù)提供商都選擇一個(gè)利潤最大化的價(jià)格，且西城區(qū)和東城區(qū)都面臨相同的邊際生產(chǎn)成本β和相同的需求價(jià)格彈性系數(shù)σ。因此，無論位于何處的金融企業(yè)都會使用利潤最大化時(shí)的價(jià)格水平，即：

利潤為：

其中x代表傳統(tǒng)金融企業(yè)規(guī)模。

在總需求與總供給相等的市場均衡條件下，西城區(qū)與東城區(qū)的傳統(tǒng)金融企業(yè)的生產(chǎn)規(guī)模x與x*：

市場均衡同時(shí)也意味著x=x*。根據(jù)式（10）還得到：

由此得到：

繼而可得到位于西城區(qū)的傳統(tǒng)金融企業(yè)數(shù)量所占比例：

最后，通過將式（11）代入式（10），可得到位于東城區(qū)和西城區(qū)的傳統(tǒng)金融企業(yè)的規(guī)模：

其中EZ=E+E*。

（四）金融創(chuàng)新的知識資本

金融企業(yè)為了積累數(shù)字金融、金融科技的知識資本，必須將資源投入到金融創(chuàng)新的研發(fā)上。與Romer（1990）一樣，知識資本是一種準(zhǔn)公共物品，可供所有潛在的創(chuàng)新者免費(fèi)使用。根據(jù)NEGG模型對于創(chuàng)新部門知識資本生產(chǎn)函數(shù)的設(shè)定，可以假設(shè)部門I創(chuàng)造一單位的資本需要bI單位的勞動力。在均衡時(shí)創(chuàng)造的資本產(chǎn)量即資本存量的增量，即有對西城區(qū)的金融創(chuàng)新的研發(fā)工作進(jìn)行具體討論，得到西城區(qū)的創(chuàng)新部門開發(fā)的金融新產(chǎn)品的增速為：

把東城區(qū)和西城區(qū)看成一個(gè)整體，則有：

由于新創(chuàng)造的知識會產(chǎn)生空間溢出，即東城區(qū)會從西城區(qū)創(chuàng)造的新知識中獲得啟發(fā)等，而知識創(chuàng)造過程中也具有一定的擁塞效應(yīng)。按照Romer（1990），可設(shè)以下函數(shù)關(guān)系成立：

其中

因?yàn)橐粋€(gè)企業(yè)將使用一單位的知識資本，因此Sn也代表實(shí)際使用知識資本的份額；而λ代表金融創(chuàng)新技術(shù)空間溢出程度，λ越大，資本生產(chǎn)的成本越低；D代表距離因素的影響。B(t)和B*(t)是考慮了距離因素的兩城區(qū)技術(shù)溢出水平，距離研究中心越靠近，金融創(chuàng)新的技術(shù)溢出水平越大，距離越遠(yuǎn)，金融創(chuàng)新的技術(shù)溢出水平越小。這也即是創(chuàng)新部門同樣也存在擁塞效應(yīng)，即創(chuàng)新效率與創(chuàng)新部門所使用的勞動者數(shù)量之間存在倒U型關(guān)系。為簡化研究，假設(shè)西城區(qū)與東城區(qū)都處于倒U型右側(cè)，這將使得金融創(chuàng)新在東城區(qū)與西城區(qū)都存在，而不是所有金融創(chuàng)新都集中于一個(gè)城區(qū)，且在均衡時(shí)，有B(t)=B*(t)=BZ(t)。

（五）均衡

當(dāng)處于均衡時(shí)，進(jìn)行金融創(chuàng)新與以無風(fēng)險(xiǎn)利率形成的借貸之間的套利機(jī)會是不存在的。以v(t)表示傳統(tǒng)金融企業(yè)的股票市值，那么該值將等于金融企業(yè)的稅后運(yùn)營利潤的貼現(xiàn)值，即有：

同時(shí)v(t)也代表單位的新創(chuàng)知識資本的市場價(jià)格。因此在工資率等于1的情況下，金融創(chuàng)新部門新創(chuàng)造的知識資本的成本為b。因此在均衡時(shí)有以下等式：

在穩(wěn)定狀態(tài)下，B是常數(shù)。因此可計(jì)算出金融企業(yè)的價(jià)值增長率為：

金融企業(yè)的價(jià)值以與增長率相等的速度下降，其原因在于更多的金融企業(yè)進(jìn)入金融市場，增加了傳統(tǒng)金融部門的競爭。而使用式（19），式（16）以及關(guān)系KZ=N代替式（13）中的相應(yīng)值，可得到無套利方程為：

移項(xiàng)后可得：

將式（20）中的g對λ、D分別進(jìn)行求導(dǎo)，則有：

結(jié)論1：為使得企業(yè)價(jià)值更快的增長，金融企業(yè)在地理上需盡量地靠近金融創(chuàng)新中心，以獲得更大的知識溢出。

由于兩城區(qū)的代表性消費(fèi)者在0期的工資率為1，同時(shí)西城區(qū)的代表性消費(fèi)者投資收益為，東城區(qū)的投資收益為遵循Martin等（1999）的技術(shù)路線，可將代表性消費(fèi)者的收入表達(dá)成以下式子：

從式（22）可以得出以下結(jié)論：

結(jié)論2：金融創(chuàng)新部門（即數(shù)字金融、互聯(lián)網(wǎng)金融、金融科技企業(yè)等）所創(chuàng)造的知識資本份額（Tn）與傳統(tǒng)金融部門企業(yè)數(shù)份額（Sn）之間存在正向相關(guān)關(guān)系。但金融創(chuàng)新部門是否比傳統(tǒng)金融部門更集中，即是否有，則取決于城市的人口規(guī)模（L）、技術(shù)溢出（λ）、無風(fēng)險(xiǎn)收益率（r）、交易成本（τ）及金融產(chǎn)品間的替代彈性（σ）因素的影響。

利用式（22）與式（12），也可直接給出下面的表達(dá)式：

在式（23）中，當(dāng)δ趨近于1，則該式趨近于0。故可得出以下結(jié)論：

結(jié)論3：當(dāng)金融創(chuàng)新增加金融交易的自由度（δ），則能夠弱化本地因素（城市人口規(guī)模、距離因素等）對金融創(chuàng)新部門集中度的影響。

四、實(shí)證檢驗(yàn)

（一）計(jì)量模型

根據(jù)公式（19）、（20），對兩邊取對數(shù)后可變成以下形式：

上式表明，金融虛擬集聚平臺的價(jià)值增長率lng與城市的人口規(guī)模lnL，技術(shù)溢出的水平lnB，規(guī)模經(jīng)濟(jì)因素相關(guān)，因此可將上述式子變化成以下計(jì)量模型形式：

其中i代表第i個(gè)互聯(lián)網(wǎng)金融或數(shù)字金融企業(yè)，t代表時(shí)期。Pop_city代表第i個(gè)企業(yè)所在的城市的人口規(guī)模，B代表所在城市的技術(shù)及技術(shù)溢出的水平，scale代表規(guī)模經(jīng)濟(jì)的變量。εit為隨機(jī)誤差項(xiàng)，服從N(0，σ2)的標(biāo)準(zhǔn)正態(tài)分布。本文采用網(wǎng)貸平臺的貸款余額代表互聯(lián)網(wǎng)金融或數(shù)字金融企業(yè)的市場價(jià)值。同時(shí)結(jié)合假設(shè)，按照金融虛擬集聚平臺維度，及各平臺所在的城市進(jìn)行加總后的城市維度，因此，本文提出以下計(jì)量模型：

（二）數(shù)據(jù)來源與變量選擇

本文的主要數(shù)據(jù)來源之一為網(wǎng)貸天眼（http：//www.p2peye.com/）上的636家對接平臺數(shù)據(jù)7日交易數(shù)據(jù)與30天交易數(shù)據(jù)資料，已涵蓋我國大部分網(wǎng)貸平臺①據(jù)網(wǎng)站介紹，其已與中國社會科學(xué)院金融研究所、清華大學(xué)經(jīng)濟(jì)管理學(xué)院、湖南大學(xué)互聯(lián)網(wǎng)金融研究所等建立數(shù)據(jù)合作關(guān)系。《中國網(wǎng)絡(luò)信貸行業(yè)發(fā)展報(bào)告（2014-2015）——P2P網(wǎng)貸平臺風(fēng)險(xiǎn)評級與分析》，《中國互聯(lián)網(wǎng)金融行業(yè)分析與評估（2016-2017）》等報(bào)告由網(wǎng)貸天眼提供數(shù)據(jù)支持。。由于2018年起，P2P平臺發(fā)生嚴(yán)重的“暴雷潮”，大量平臺關(guān)停，這一行業(yè)逐漸消失。因此為了本文的研究目的，選取了“暴雷潮”發(fā)生前，行業(yè)活躍期的數(shù)據(jù)。平臺數(shù)據(jù)中的7天與30天交易數(shù)據(jù)包括的指標(biāo)有各網(wǎng)貸平臺的排序、平臺名稱、成交額、綜合利率、投資人數(shù)、借款周期、借款人數(shù)、滿標(biāo)速度、累計(jì)貸款余額、資金凈流入，本研究主要截取使用的指標(biāo)有平臺名稱、成交額、綜合利率、投資人數(shù)、借款人數(shù)、累計(jì)貸款余額，并結(jié)合網(wǎng)貸平臺檔案中的數(shù)據(jù)匹配了相應(yīng)的公司注冊地址與聯(lián)系地址，同時(shí)對注冊地址與聯(lián)系地址不一致的進(jìn)行了核實(shí)，采用網(wǎng)貸平臺總部辦公所在的城市。

城市人口規(guī)模數(shù)據(jù)來自《2017年中國城市建設(shè)統(tǒng)計(jì)年鑒》中的數(shù)據(jù)，使用2017年各市區(qū)人口與暫住人口之和代表市區(qū)的常住人口。

各城市計(jì)算機(jī)通信技術(shù)、互聯(lián)網(wǎng)技術(shù)發(fā)展能力以2017年各城市從事信息傳輸、計(jì)算機(jī)服務(wù)和軟件業(yè)行業(yè)的從業(yè)人員數(shù)來表征，數(shù)據(jù)來自《2017年中國城市統(tǒng)計(jì)年鑒》。

為使得分析準(zhǔn)確、科學(xué)，防止出現(xiàn)選擇性偏差，獲取2018年3月12日30日交易數(shù)據(jù)與2018年3月13日7日交易數(shù)據(jù)。按網(wǎng)貸平臺和城市兩個(gè)維度分別建立金融虛擬集聚平臺的數(shù)據(jù)集與按城市匯總后的數(shù)據(jù)集，其中城市維度的貸款余額、成交額、借款人數(shù)和投資者人數(shù)等是該城市所有相應(yīng)指標(biāo)的總和。

在穩(wěn)健性討論部分，選擇了網(wǎng)貸之家（https：//www.wdzj.com/）統(tǒng)計(jì)的各網(wǎng)貸平臺2017年10月至2018年7月間的月度數(shù)據(jù)進(jìn)行佐證。

（三）數(shù)據(jù)探索與描述

本文首先對所收集的數(shù)據(jù)進(jìn)行了探索性分析。

表1表明數(shù)字金融的虛擬集聚具有更高的集中性，驗(yàn)證了經(jīng)驗(yàn)假設(shè)1。無論是7天的成交額占比，還是累計(jì)貸款余額占比，排名前四強(qiáng)的北京、上海、深圳、杭州的占比之和都在80%以上。而以同時(shí)期2017年末的城市金融各項(xiàng)存貸款余額之和計(jì)算，排名前四強(qiáng)的城市是北京、上海、深圳、廣州；四個(gè)城市占全國的比重僅為14.6%（數(shù)據(jù)來自《2017年中國城市統(tǒng)計(jì)年鑒》）。

表1 網(wǎng)貸平臺的城市集中度

同時(shí)，也表明信息技術(shù)改變了傳統(tǒng)的金融空間布局。根據(jù)同時(shí)期深圳綜合研究院發(fā)布的2017“中國金融中心指數(shù)”（CFCI），杭州位列第7位①其綜合排名前十為上海、北京、深圳、廣州、天津、成都、杭州、重慶、南京、蘇州。，但在本研究的網(wǎng)絡(luò)貸款余額、成交額的統(tǒng)計(jì)中，其占比則穩(wěn)居第4位。這也驗(yàn)證了經(jīng)驗(yàn)假設(shè)3，以阿里巴巴為代表的信息技術(shù)行業(yè)企業(yè)在杭州的集聚，帶動了杭州的數(shù)字金融企業(yè)的集聚。

（四）計(jì)量結(jié)果

1.貸款余額計(jì)量分析

本研究首先計(jì)量分析各個(gè)網(wǎng)貸平臺貸款余額情況，采用的數(shù)據(jù)是各網(wǎng)貸平臺截止至2018年3月12日30天交易數(shù)據(jù)中的累計(jì)貸款、截止至2018年3月13日7天交易數(shù)據(jù)中的累計(jì)貸款及兩組數(shù)據(jù)按城市進(jìn)行匯總后所得，計(jì)量結(jié)果見表2。

表2 各網(wǎng)貸平臺累計(jì)貸款余額計(jì)量分析結(jié)果表

各方程的F檢驗(yàn)值所對應(yīng)的P值相對較小，說明各估計(jì)方程均顯著。

從各個(gè)網(wǎng)貸平臺的企業(yè)角度看，列（1）至列（6）表明借款人數(shù)對于網(wǎng)貸余額具有顯著的正向推動作用。說明網(wǎng)貸平臺的規(guī)?；蛱摂M集聚的規(guī)模大小對網(wǎng)貸余額產(chǎn)生直接影響，進(jìn)而影響網(wǎng)貸平臺的業(yè)績收入。從列（1）和列（4）可以得出借款人數(shù)、綜合利率、城市人口規(guī)模對各網(wǎng)貸平臺的貸款余額度有顯著的影響，但就影響的大小而言，包含借款人數(shù)等三因素的估計(jì)方程列（1）的R平方值為0.2085，但列（2）只包含借款人數(shù)這一單因素的估計(jì)方程的R平方值為0.1939；同樣地也包含借款人數(shù)等三因素的估計(jì)方程列（4）的R平方值為0.3514，列（5）只包含借款人數(shù)這一單因素的估計(jì)方程的R平方值為0.3417，從列（1）與列（2）、列（4）與列（5）的比較中可說明借款人數(shù)對于貸款余額的解釋能力大（相對于綜合利率、城市人口規(guī)模因素），城市人口規(guī)模因素對于網(wǎng)貸余額的解釋能力小，這驗(yàn)證了經(jīng)驗(yàn)假設(shè)2，說明隨著互聯(lián)網(wǎng)的發(fā)展，本地因素的作用變小。綜合利率對于網(wǎng)貸平臺的貸款余額增長具有負(fù)向作用，這是因?yàn)榫C合貸款利率代表借款成本，而當(dāng)資金的單位成本（價(jià)格）上升時(shí)，必然導(dǎo)致對資金需求的下降。

從城市維度來看，借款人數(shù)、網(wǎng)貸平臺數(shù)量、ICT從業(yè)人員數(shù)量均對城市網(wǎng)貸余額的增長有正向推動作用。數(shù)字時(shí)代金融創(chuàng)新的發(fā)展需要高質(zhì)量的信息技術(shù)從業(yè)者和優(yōu)質(zhì)的數(shù)字化企業(yè)。北上深杭均有互聯(lián)網(wǎng)龍頭和科研院所的產(chǎn)業(yè)集聚，為本城市提供了較大的高質(zhì)量從業(yè)人員池子，以及很強(qiáng)的知識和技術(shù)溢出。此外，數(shù)字金融的安全性、風(fēng)險(xiǎn)判別等需要有相應(yīng)的技術(shù)予以保障，因此數(shù)字金融首先發(fā)端于數(shù)字基礎(chǔ)設(shè)施比較好的大城市。以上驗(yàn)證了經(jīng)驗(yàn)假設(shè)3。

2.成交額計(jì)量分析

從估計(jì)方程的擬合優(yōu)度值R平方來看，城市維度的計(jì)量方程的擬合優(yōu)度值顯著高于企業(yè)維度的擬合優(yōu)度值。

從成交額來看，資金價(jià)格——利率水平對成交額具有負(fù)向作用。而無論從城市維度還是從金融虛擬集聚平臺的角度，投資者人數(shù)都對成交額的增長具有正向推動作用。從列（4）可以得出，投資者人數(shù)對投資額的影響顯著且掩蓋了互聯(lián)網(wǎng)企業(yè)個(gè)數(shù)、城市計(jì)算機(jī)通信網(wǎng)絡(luò)的技術(shù)能力對城市維度的金融虛擬集聚平臺成交額增長的影響，這說明虛擬集聚的規(guī)模大小對金融虛擬集聚平臺的作用更明顯。而列（3）則進(jìn)一步佐證城市的網(wǎng)貸投資者人數(shù)對成交額具有顯著且較大的促進(jìn)作用。而從城市維度的計(jì)量模型列（1）、列（5）、列（7）、列（8）可得出，城市絕對的人口規(guī)模數(shù)量對成交額有正向影響，但不顯著，城市虛擬變量則正向顯著。這意味著起作用的是城市在城市層級體系中的地位而非人口規(guī)模。此驗(yàn)證了經(jīng)驗(yàn)假設(shè)2。

從列（3）、列（7）可得出，城市的金融科技企業(yè)個(gè)數(shù)、ICT從業(yè)人員數(shù)對成交額的增長具有正向推動作用，而這將進(jìn)一步地提升城市網(wǎng)貸平臺的業(yè)績，得出與表2類似的結(jié)論。此驗(yàn)證了經(jīng)驗(yàn)假設(shè)3。

綜合分析，可得出網(wǎng)貸平臺規(guī)模（無論是借款者還是投資者）對平臺的貸款余額、成交額產(chǎn)生顯著的影響，而城市絕對人口規(guī)模的作用則相對減弱。

3.城市地位與城市人口規(guī)模的計(jì)量

從表2-3的分析中，可以得出城市的人口規(guī)模對于金融虛擬集聚平臺的影響是顯著但微弱的，而在城市層面，人口規(guī)模影響不顯著，但城市類型的影響則是顯著的。為進(jìn)一步探討，本文基于2018年3月12日30天的交易額數(shù)據(jù)進(jìn)一步進(jìn)行城市地位（城市虛擬變量）與城市人口規(guī)模的影響分析。

從微觀的網(wǎng)貸平臺維度，比較表4中的列（1）與列（2）、列（5）與列（6）可得出城市虛擬變量對網(wǎng)貸企業(yè)的成交額、貸款余額皆有正向推動作用，同時(shí)比城市人口規(guī)模因素更顯著，但在R平方值的大小比較上則沒有獲得一致的結(jié)論，盡管其差異比較小。

而從中宏觀的城市維度分析，比較表4中的列（3）與列（4）、列（7）與列（8）可得出城市虛擬變量對城市網(wǎng)貸成交額、城市網(wǎng)貸余額皆有正向推動作用，同時(shí)比城市絕對人口規(guī)模因素更顯著，其R平方值更大，說明其對城市網(wǎng)貸成交額、城市網(wǎng)貸余額具有較強(qiáng)的解釋能力。

綜合上述，可認(rèn)為城市這一虛擬變量的影響要比城市人口規(guī)模的影響要更大且更顯著，城市人口規(guī)模之所以對網(wǎng)貸平臺成交額、貸款余額產(chǎn)生影響，主要還在于城市地位、城市品牌和城市技術(shù)能力等因素的作用。

4.穩(wěn)健性討論

首先，前文已經(jīng)構(gòu)造4個(gè)數(shù)據(jù)集，并分別從金融虛擬集聚平臺維度與城市維度計(jì)量并相互佐證，使得結(jié)果具備一定的穩(wěn)健性。

其次，我們同時(shí)選用網(wǎng)貸之家（https：//www.wdzj.com/）統(tǒng)計(jì)的各網(wǎng)貸平臺2017年10月至2018年7月間的月度數(shù)據(jù)，并從企業(yè)維度進(jìn)行了計(jì)量檢驗(yàn)；其中城市人口規(guī)模數(shù)為各城市城區(qū)常住人口數(shù)，數(shù)據(jù)來自于《2016年中國城市建設(shè)統(tǒng)計(jì)年鑒》，檢驗(yàn)結(jié)果見表5。

表5得到的結(jié)論與前文一致，這也說明前文使用的截至2018年3月12日的30天交易數(shù)據(jù)中的累計(jì)貸款、截止至2018年3與13日中的7天交易數(shù)據(jù)具有一定的代表性，其可能的原因是：本文選用的指標(biāo)網(wǎng)貸余額是存量數(shù)據(jù)，是對網(wǎng)貸平臺的歷史與當(dāng)前期發(fā)展情況的總體描述；成交額是流量數(shù)據(jù)，四對特定時(shí)期網(wǎng)貸平臺業(yè)務(wù)的發(fā)展情況的描述。這兩個(gè)指標(biāo)都有較強(qiáng)的趨勢性，如前期貸款余額較大的企業(yè)或城市在下一期的貸款余額可能也較大，因而在平臺間或城市間進(jìn)行橫向比較時(shí)，反映出相同的趨勢性規(guī)律。

五、結(jié)論與啟示

本文從金融的雙空間集聚視角分析了以網(wǎng)貸平臺為代表的創(chuàng)新型金融企業(yè)的區(qū)位選擇，得出以下結(jié)論：信息技術(shù)發(fā)展有助于提升金融集聚水平，虛擬集聚下依然存在地理集聚，金融虛擬集聚將比傳統(tǒng)金融在地理空間上更集中，信息技術(shù)在擴(kuò)大數(shù)字金融服務(wù)半徑的同時(shí)也使其產(chǎn)生更大的技術(shù)依賴性。因而對數(shù)字經(jīng)濟(jì)時(shí)代金融的空間結(jié)構(gòu)而言，城市的意義在于其能提供更高水平的信息技術(shù)與金融創(chuàng)新，城市規(guī)模因素則弱化了。但基于信息技術(shù)溢出的區(qū)位選擇對創(chuàng)新型金融企業(yè)更為重要。因此，發(fā)展數(shù)字金融將有助于打造新金融中心。為讓金融企業(yè)價(jià)值獲得更快增長，無論是傳統(tǒng)金融企業(yè)還是數(shù)字金融、互聯(lián)網(wǎng)金融、金融科技企業(yè)，在地理上應(yīng)盡量靠近金融科技創(chuàng)新中心，以獲得更大的知識溢出。

研究結(jié)果給我們的啟示是，即使在數(shù)字經(jīng)濟(jì)時(shí)代，金融企業(yè)并不會去金融地理中心化，信息技術(shù)和金融結(jié)合的數(shù)字金融，有著知識密集、信息密集的特征，呈現(xiàn)地理集聚和虛擬集聚相融合的雙空間集聚形式。從城市層級或金融中心層級來觀察，最可能同時(shí)具備信息技術(shù)和金融的集聚所需條件的，要么是科技與創(chuàng)新中心，要么是原有的金融中心；科技與金融的合一是當(dāng)前城市發(fā)展的另一種新趨勢，比如硅谷作為世界科技創(chuàng)新中心的同時(shí)，也是世界的風(fēng)險(xiǎn)投資資本中心。

同時(shí)我們也注意到，數(shù)字與金融共同的虛擬性基因，使得在數(shù)字經(jīng)濟(jì)時(shí)代，虛擬集聚的情景下，金融的風(fēng)險(xiǎn)傳導(dǎo)效應(yīng)被放大了。地理位置對數(shù)字金融的局限弱化，使本地政府對境內(nèi)金融資源的掌控力減弱；同時(shí)，隨著數(shù)字金融企業(yè)在地理上的集聚，金融風(fēng)險(xiǎn)也向大城市集聚，一個(gè)典型的例子就是網(wǎng)貸平臺在杭州的暴雷潮。為更好地應(yīng)對和處置風(fēng)險(xiǎn)，這就要求大城市具備更高的風(fēng)險(xiǎn)處置能力與監(jiān)管能力，以應(yīng)對數(shù)字經(jīng)濟(jì)時(shí)代的金融創(chuàng)新，同時(shí)需進(jìn)一步完善監(jiān)管政策，從國家層面統(tǒng)籌建立整體的金融科技監(jiān)管框架，使得金融創(chuàng)新始終在審慎監(jiān)管前提下進(jìn)行。