“十四五”時(shí)期上海市金融人才需求總量預(yù)測(cè)研究

殷林森，李延澤，高倩倩

（上海立信會(huì)計(jì)金融學(xué)院金融科技學(xué)院，上海 201209）

一、引言

2022年3月，國(guó)家高端智庫(kù)中國(guó)（深圳）綜合開(kāi)發(fā)研究院與英國(guó)智庫(kù)Z/Yen 集團(tuán)共同發(fā)布第31 期全球金融中心指數(shù)（The Global Financial Centers Index，GFCI，報(bào)告上海的綜合排名比GFCI 30 上升兩位至全球第四，僅次于紐約、倫敦和香港；上海的金融科技水平排名全球第二，僅次于美國(guó)紐約；人力資本排名第十三位①http://www.cdi.org.cn/upload/file/20220328/6378408366483044839946415.pdf。。在內(nèi)地金融中心城市中，上海繼續(xù)保持領(lǐng)先地位，并且已經(jīng)成為“亞洲第一金融中心”的有力競(jìng)爭(zhēng)者。

上海市始終堅(jiān)持?jǐn)U大對(duì)外開(kāi)放，深化改革創(chuàng)新?！笆濉睍r(shí)期，上海圍繞全球資產(chǎn)管理中心、跨境投融資服務(wù)中心、金融科技中心等“六大中心”建設(shè)，加快建設(shè)金融人才高地，進(jìn)一步提升上海國(guó)際金融中心地位。通過(guò)深入實(shí)施“金才工程”，堅(jiān)持以人為本，進(jìn)一步完善了金融人才政策，集聚了國(guó)內(nèi)外高水平金融人才。上海已形成了完善的金融體系，金融產(chǎn)業(yè)高度規(guī)?；?，金融人才需求不斷增大，上海始終保持對(duì)金融人才強(qiáng)大的吸引力。上海的金融人才數(shù)量呈現(xiàn)持續(xù)上升態(tài)勢(shì)。但與國(guó)際頂尖國(guó)際金融中心相比，還存在較大差距（肖志富，2015；崔明，2020），上海在GFCI 31“人力資本”方面的排名遠(yuǎn)低于其綜合排名也可以說(shuō)明這一點(diǎn)。

金融中心的競(jìng)爭(zhēng)本質(zhì)上是人才的競(jìng)爭(zhēng)，上海市政府關(guān)于上海國(guó)際金融中心建設(shè)“十四五”規(guī)劃中對(duì)金融人才也提出了更高的要求和迫切的需求（易綱，2019）。2021年6月，上海市地方金融監(jiān)督管理局等六部門(mén)聯(lián)合印發(fā)《上海市重點(diǎn)領(lǐng)域（金融類(lèi)）“十四五”緊缺人才開(kāi)發(fā)目錄》（滬金監(jiān)〔2021〕106 號(hào)），涵蓋監(jiān)管類(lèi)、管理類(lèi)、研究類(lèi)、業(yè)務(wù)類(lèi)、專(zhuān)業(yè)服務(wù)類(lèi)五大類(lèi)金融緊缺人才。其中，金融科技監(jiān)管人才、金融高層次管理人才、金融風(fēng)險(xiǎn)研究人才、國(guó)際金融研究人才、跨境金融業(yè)務(wù)人才、科技金融人才、風(fēng)險(xiǎn)控制與管理人才、云計(jì)算應(yīng)用金融人才、區(qū)塊鏈應(yīng)用金融人才等子類(lèi)列入“極度緊缺”①http://jrj.sh.gov.cn/RCHJ201/20210819/8b9b12a650df40bdb1f751b4690339fc.html。。因此，精準(zhǔn)預(yù)測(cè)“十四五”時(shí)期上海市金融人才需求總量，對(duì)于上海國(guó)際金融中心的建設(shè)具有非常重要的現(xiàn)實(shí)意義。本文通過(guò)文獻(xiàn)梳理和定性分析確定了上海市金融人才需求預(yù)測(cè)的研究方法及相關(guān)指標(biāo)，基于上海市及全國(guó)2006－2020年金融從業(yè)人員的相關(guān)數(shù)據(jù)，采用逐步回歸法和主成分分析法構(gòu)建多元線性回歸模型預(yù)測(cè)上海市“十四五”時(shí)期金融人才需求總量，為上海市國(guó)際金融中心的建設(shè)提供一定的參考。

二、文獻(xiàn)綜述

目前，學(xué)者們主要基于線性回歸模型、灰色模型和時(shí)間序列模型以及不同模型的組合等方法，對(duì)不同行業(yè)的人才需求情況展開(kāi)預(yù)測(cè)分析，涉及農(nóng)科、物流、科技、保險(xiǎn)及健康業(yè)等行業(yè)。張磊和肖永梅（2017）基于GDP 指數(shù)，通過(guò)簡(jiǎn)單的一元線性回歸模型預(yù)測(cè)了安順市“十三五”時(shí)期的人才需求情況。劉志民和趙杏娜（2019）使用灰色GM（1，1）模型，預(yù)測(cè)了2020－2025年我國(guó)農(nóng)科人才的總需求量，以及專(zhuān)科、本科、碩士及博士各層次農(nóng)科人才的需求量，發(fā)現(xiàn)未來(lái)對(duì)復(fù)合型農(nóng)科人才的需求更為迫切。于麗靜等（2017）分別采用二元線性回歸和灰色GM（1，1）模型對(duì)山東省物流人才需求量進(jìn)行預(yù)測(cè)，并在這兩種模型基礎(chǔ)上采用最優(yōu)加權(quán)組合法計(jì)算得到需求量的組合預(yù)測(cè)值。陳燕瑩等（2017）選取20 個(gè)指標(biāo)，基于主成分分析的線性回歸和趨勢(shì)外推法組合預(yù)測(cè)了海南省健康產(chǎn)業(yè)的人才需求。滿(mǎn)講義等（2019）、任靜等（2020）和瞿群臻等（2021）基于灰色GM（1，1）模型和不同的時(shí)間序列模型的組合模型，分別預(yù)測(cè)了上海市保險(xiǎn)業(yè)人才、杭州市金融貿(mào)易等六個(gè)行業(yè)人才以及我國(guó)科技人才的總需求量。

此外，還有一些學(xué)者對(duì)金融業(yè)的人才需求情況進(jìn)行了預(yù)測(cè)與分析。徐堅(jiān)成和張爽（2014）通過(guò)對(duì)《金融業(yè)發(fā)展和改革“十二五”規(guī)劃》及金融業(yè)歷史數(shù)據(jù)的分析，提出2020年我國(guó)金融業(yè)人員占比將達(dá)1.4%（總規(guī)模約1060 萬(wàn)人）。朱麗萍和余翔（2015）基于寧波市歷年金融人才數(shù)與年份建立一元線性回歸模型，同時(shí)基于金融業(yè)增加值與金融業(yè)從業(yè)人員數(shù)量間的相關(guān)性得到兩者間的線性指數(shù)方程，采用上述兩種方法對(duì)寧波市金融業(yè)從業(yè)人員總數(shù)進(jìn)行預(yù)測(cè)。王小平等（2014）、秦洪軍等（2016）分別基于主成分分析法和逐步回歸法構(gòu)建多元線性回歸模型對(duì)上海市和天津市的金融人才需求總量進(jìn)行預(yù)測(cè)。豆曉利（2017）構(gòu)建多元線性回歸模型、VAR 自回歸模型，分別預(yù)測(cè)2016－2020年鄭州市金融人才的需求量和供給量，發(fā)現(xiàn)鄭州金融人才需求缺口較大，并針對(duì)該問(wèn)題提出了相應(yīng)的發(fā)展建議。雷海波等（2019）采用灰色GM(1,1)模型，基于天津市2000－2016年金融業(yè)從業(yè)人員數(shù)量，對(duì)天津市2017－2021年的金融人才需求量進(jìn)行預(yù)測(cè)，發(fā)現(xiàn)每年金融人才需求增速都超過(guò) 10%。

綜上所述，由于金融業(yè)從業(yè)人員總量受宏觀經(jīng)濟(jì)、社會(huì)環(huán)境等多種因素的影響，已有研究中對(duì)金融業(yè)人才需求的預(yù)測(cè)以回歸模型為主，針對(duì)上海市金融從業(yè)人員需求量的預(yù)測(cè)研究相對(duì)較少，且樣本數(shù)據(jù)陳舊，缺乏對(duì)上海市“十四五”時(shí)期金融人才的預(yù)測(cè)研究。作為我國(guó)經(jīng)濟(jì)中心、金融中心的上海，當(dāng)前正在大力建設(shè)成為全球領(lǐng)先的國(guó)際金融中心，因此，掌握上海市未來(lái)金融業(yè)從業(yè)人員的總需求量，對(duì)其建成國(guó)際金融中心具有非常重要的現(xiàn)實(shí)指導(dǎo)意義。本文收集并整理上海市及全國(guó)2006－2020年金融從業(yè)人員數(shù)量及其相關(guān)因素的實(shí)際數(shù)據(jù)，通過(guò)構(gòu)建多元線性回歸模型，并使用主成分分析法和逐步回歸法對(duì)模型進(jìn)行修正，預(yù)測(cè)上海市“十四五”時(shí)期金融人才需求總量。

三、“十四五”時(shí)期上海金融人才需求總量預(yù)測(cè)模型構(gòu)建與計(jì)算分析

（一）數(shù)據(jù)來(lái)源與指標(biāo)選取

金融從業(yè)人員數(shù)量對(duì)金融業(yè)發(fā)展具有重要影響，而金融業(yè)的發(fā)展又對(duì)宏觀經(jīng)濟(jì)發(fā)展形成顯著影響。本文參照王小平等（2014）、秦洪軍等（2016）、豆曉利（2017）的研究，并考慮數(shù)據(jù)的可獲得性，選取如下三類(lèi)指標(biāo)：（1）上海市宏觀經(jīng)濟(jì)相關(guān)指標(biāo)，分別為上海GDP（SHGDP）、上海人均GDP（SHAGDP）、上證綜指收盤(pán)指數(shù)（SSEC）；（2）上海市社會(huì)環(huán)境相關(guān)指標(biāo)，分別為上海全社會(huì)從業(yè)人員數(shù)量（SHTY）、上海常住人口（SHRPN）、上海城鎮(zhèn)居民可支配收入（SHPDI）；（3）上海市金融行業(yè)相關(guān)指標(biāo)，分別為上海金融業(yè)增加值（SHADDV）、上海掛牌金融機(jī)構(gòu)數(shù)量（SHFCN）、上海金融業(yè)從業(yè)人員平均工資（SHASAL）。此外，考慮到全國(guó)金融業(yè)的發(fā)展對(duì)上海市金融人才需求會(huì)產(chǎn)生宏觀影響，本文加入三個(gè)全國(guó)金融行業(yè)相關(guān)指標(biāo)，分別為全國(guó)金融業(yè)增加值（ADDV）、全國(guó)金融行業(yè)法人單位數(shù)（NCU）和全國(guó)金融業(yè)從業(yè)人員平均工資（ASAL）。本文選取上海市金融從業(yè)人員數(shù)量（Y）來(lái)衡量上海市金融人才需求總量，以該指標(biāo)為因變量，以上述十二個(gè)指標(biāo)為自變量，回歸分析各指標(biāo)對(duì)上海金融從業(yè)人員數(shù)量的影響。

本文數(shù)據(jù)來(lái)自《上海統(tǒng)計(jì)年鑒》《上海金融年鑒》《中國(guó)金融年鑒》《上海市國(guó)民經(jīng)濟(jì)和社會(huì)發(fā)展統(tǒng)計(jì)公報(bào)》、國(guó)家統(tǒng)計(jì)局網(wǎng)絡(luò)公開(kāi)資料，2006－2020年相關(guān)指標(biāo)實(shí)際值如表1 所示。由表1 可以推算出，這一時(shí)期，上海的GDP 增長(zhǎng)了261.1%，城鎮(zhèn)居民可支配收入增長(zhǎng)了269.8%，持牌金融機(jī)構(gòu)數(shù)量增長(zhǎng)了232.1%，金融業(yè)增加值增加了796.5%，金融從業(yè)人員數(shù)量增長(zhǎng)了140.2%，金融業(yè)從業(yè)人員平均工資增長(zhǎng)了378.1%；全國(guó)金融業(yè)增加值增加了938.0%，金融行業(yè)法人單位數(shù)增長(zhǎng)了388.0%，金融業(yè)從業(yè)人員平均工資增長(zhǎng)了275.8%。即，上海市的宏觀經(jīng)濟(jì)與社會(huì)環(huán)境均呈現(xiàn)較高的發(fā)展水平。上海市宏觀經(jīng)濟(jì)的上漲離不開(kāi)金融業(yè)的蓬勃發(fā)展，在全國(guó)金融業(yè)繁榮發(fā)展下，上海的金融發(fā)展迅速，上海金融從業(yè)人員需求增長(zhǎng)快速。

表1 2006－2020年上海市金融從業(yè)人員相關(guān)指標(biāo)統(tǒng)計(jì)

（二）上海市金融人才需求預(yù)測(cè)模型的構(gòu)建及檢驗(yàn)

1.相關(guān)性分析與多重共線性檢驗(yàn)

本文主要變量的皮爾遜相關(guān)性分析結(jié)果如表2 所示。從表2 可以看出，在1%的顯著性水平下，除上證綜指收盤(pán)指數(shù)（SSEC）外，其余11 個(gè)自變量與因變量上海金融從業(yè)人員數(shù)量（Y）間的相關(guān)系數(shù)都在0.86 以上，且這11 個(gè)自變量之間的相關(guān)系數(shù)大多超過(guò)0.86，還有一部分超過(guò)0.93，相關(guān)性較為顯著?？紤]模型中可能存在共線性問(wèn)題，通過(guò)回歸分析進(jìn)行共線性診斷，結(jié)果如表3、表4 所示。

表2 相關(guān)性分析

由表3 和表4 可以發(fā)現(xiàn)，各自變量的方差膨脹因子（VIF）統(tǒng)計(jì)值都大于10，并且除了上海GDP（SHGDP），其他自變量的條件指標(biāo)都大于10。綜上，本模型中自變量間存在較強(qiáng)的共線性問(wèn)題。為了排除變量間共線性的影響，本文采用逐步回歸和主成分分析兩種策略修正多元線性回歸模型。

表3 回歸系數(shù)

表4 共線性診斷

2.逐步回歸分析

基于上述分析，首先對(duì)因變量上海金融從業(yè)人員數(shù)（Y），自變量上海GDP（SHGDP）、上海人均GDP（SHAGDP）、上海全社會(huì)從業(yè)人員數(shù)量（SHTY）、上海常住人口（SHRPN）、上海城鎮(zhèn)居民可支配收入（SHPDI）、上海金融業(yè)增加值（SHADDV）、上海掛牌金融機(jī)構(gòu)數(shù)量（SHFCN）、上海金融業(yè)從業(yè)人員平均工資（SHASAL）、全國(guó)金融業(yè)增加值（ADDV）、全國(guó)金融行業(yè)法人單位數(shù)（NCU）以及全國(guó)金融業(yè)從業(yè)人員平均工資（ASAL）進(jìn)行逐步回歸，回歸結(jié)果如表5、表6 和表7 所示。

表5 模型摘要（逐步回歸法）

表6 方差分析（逐步回歸法）

表7 回歸系數(shù)（逐步回歸法）

由表5 可知，經(jīng)逐步回歸分析后模型中最后存留了上海GDP（SHGDP）、上海人均GDP（SHAGDP）及上海常住人口（SHRPN）三個(gè)變量，模型調(diào)整后的R2達(dá)到0.976，表明模型擬合優(yōu)度較好，且其德賓-沃森統(tǒng)計(jì)量為2.020。表明模型非偽回歸。

根據(jù)表6 方差分析結(jié)果，模型的F 值為193.853，在5% 的顯著性水平下，F(xiàn)＞F（3,11）=3.587，

同時(shí)，由表7 可知，逐步回歸分析后模型2 的常量及三個(gè)留存變量（SHGDP、SHAGDP、SHRPN的t 檢驗(yàn)值分別達(dá)到3.548、4.572、-4.178 和-2.722，在5% 的顯著性水平下其絕對(duì)值都超過(guò)T0.025（11）=2.201，表明本模型參數(shù)估計(jì)顯著。

基于上述回歸分析，最終得到逐步回歸分析后優(yōu)化的回歸模型，如公式（1）所示。

3.主成分分析

除了逐步回歸法之外，本文進(jìn)一步使用主成分分析法對(duì)上海人均GDP（SHAGDP）、上海全社會(huì)從業(yè)人員數(shù)量（SHTY）、上海常住人口（SHRPN）、上海城鎮(zhèn)居民可支配收入（SHPDI）、上海金融業(yè)增加值（SHADDV）、上海掛牌金融機(jī)構(gòu)數(shù)量（SHFCN）、上海金融業(yè)從業(yè)人員平均工資（SHASAL）、全國(guó)金融業(yè)增加值（ADDV）、全國(guó)金融行業(yè)法人單位數(shù)（NCU）以及全國(guó)金融業(yè)從業(yè)人員平均工資（ASAL）進(jìn)行主成分分析。

表8 是主成分分析結(jié)果。從中可以看出，提取一個(gè)主成分時(shí)該模型的累積特征值達(dá)到97.429%，已具有較高的解釋水平。因此，利用主成分分析法可提取標(biāo)量自變量X。

表8 主成分方差統(tǒng)計(jì)

表8（續(xù)）

根據(jù)表9 所示的主成分系數(shù)矩陣，可按如下公式計(jì)算標(biāo)量自變量X。

表9 主成分系數(shù)矩陣

然后，對(duì)因變量上海金融從業(yè)人員數(shù)（Y）與主成分標(biāo)量自變量（X）進(jìn)行一元線性回歸分析，結(jié)果如表10 所示。

根據(jù)表10 的回歸結(jié)果，得到一元線性回歸模型。

表10 主成分回歸系數(shù)

將公式（2）代入公式（3），得到基于主成分分析法優(yōu)化后的回歸模型：

為了檢驗(yàn)基于逐步回歸法和主成分分析法得到的回歸模型的有效性，利用2006－2020年各指標(biāo)的實(shí)際數(shù)據(jù)，計(jì)算得到2006－2020年上海市金融人才需求的預(yù)測(cè)值，并將其與實(shí)際值進(jìn)行比較（如圖1 所示）。結(jié)果表明，整體上，基于逐步回歸法回歸模型的預(yù)測(cè)值稍高于實(shí)際值，而基于主成分分析法回歸模型的預(yù)測(cè)值與實(shí)際值差別不大。

圖1 上海2006－2020年金融人才需求實(shí)際值與預(yù)測(cè)值

（三）預(yù)測(cè)分析

為了預(yù)測(cè)上海市“十四五”時(shí)期金融人才的需求總量，使用上述兩種方法得到的回歸模型（1）、模型（4），基于時(shí)間序列對(duì)收集到的各項(xiàng)數(shù)據(jù)進(jìn)行預(yù)測(cè)，得到了“十四五”時(shí)期（2021－2025年）的上海市金融人才需求預(yù)測(cè)數(shù)據(jù)。另外，為了比較預(yù)測(cè)值，本文還基于上海金融從業(yè)人員的時(shí)間序列數(shù)據(jù)，采用傳統(tǒng)的時(shí)間序列模型預(yù)測(cè)“十四五”期間的人才需求，如表11 所示?？梢园l(fā)現(xiàn)，在三種預(yù)測(cè)模型下，基于傳統(tǒng)的時(shí)間序列模型下對(duì)“十四五”時(shí)期上海市金融人才需求量的預(yù)測(cè)相對(duì)粗放，基于主成分分析模型則預(yù)測(cè)相對(duì)保守，基于逐步回歸模型預(yù)測(cè)值居中。根據(jù)預(yù)測(cè)結(jié)果，2025年上海市金融從業(yè)人員應(yīng)有58.18 萬(wàn)人，最高應(yīng)達(dá)62.45 萬(wàn)人（時(shí)間序列預(yù)測(cè)結(jié)果）。2020年末，上海市金融業(yè)實(shí)際從業(yè)人員47 萬(wàn)人，因此，“十四五”期間金融人才缺口將較為明顯。

表11 “十四五”時(shí)期（2021－2025年）上海金融人才需求預(yù)測(cè)值

為了進(jìn)一步探究上海市金融人才的發(fā)展概況及其需求，根據(jù)第31 期全球金融中心指數(shù)報(bào)告（GFCI 31），選取排名前十位中的另外兩個(gè)中國(guó)內(nèi)地城市北京和深圳，對(duì)三個(gè)城市“十三五”時(shí)期金融業(yè)及金融人才相關(guān)數(shù)據(jù)展開(kāi)對(duì)比分析，結(jié)果見(jiàn)表12。可以看出，“十三五”時(shí)期（2016－2020年），北京市的金融從業(yè)人員數(shù)量最多，上海市其次，深圳市最少，但深圳市金融從業(yè)人員數(shù)量的增速最快，增長(zhǎng)率約為216%，遠(yuǎn)高于北京市和上海市，一方面是由于深圳市存量金融人員較少、基數(shù)小，另一方面是源于深圳市近年來(lái)不斷加大人才引進(jìn)力度，提升人才待遇，吸引了大量金融人才，也提升了深圳國(guó)際金融中心的地位。在GFCI 30 中，深圳排名全球第十。從金融業(yè)增加值來(lái)看，北京市、上海市總量相當(dāng)，且明顯高于深圳市，但上海市的金融從業(yè)人員數(shù)量低于北京市，因此人均金融業(yè)增加值高于北京市，約為后者的1.5 倍左右，表明上海市的金融人才使用效率更高。從金融從業(yè)人員占比來(lái)看，上海市的金融從業(yè)人員占比低于北京市，略高于深圳市，與國(guó)際領(lǐng)先的金融中心相比，仍然存在較大的提升空間（紐約10%，倫敦20%以上）。上海市應(yīng)進(jìn)一步加大人才引進(jìn)力度，同時(shí)保持人才利用效率較高的傳統(tǒng)優(yōu)勢(shì)。

表12 “十三五”時(shí)期北京市、上海市、深圳市金融業(yè)相關(guān)數(shù)據(jù)

此外，本文從金融人才供給端出發(fā)，對(duì)上海市高等院校畢業(yè)生數(shù)據(jù)進(jìn)行了統(tǒng)計(jì)分析，結(jié)果見(jiàn)表13。作為金融人才的主要培養(yǎng)單位，財(cái)經(jīng)類(lèi)院校占上海本地高校的比例接近27%，具有良好的金融人才培養(yǎng)土壤。財(cái)經(jīng)類(lèi)院校畢業(yè)生達(dá)到3.5 萬(wàn)人/年，占上海市畢業(yè)生總量超過(guò)26%，人才供給穩(wěn)定。調(diào)查研究表明，約60%的畢業(yè)生會(huì)選擇在上海就業(yè)，為滿(mǎn)足上?！笆奈濉逼陂g金融人才需求，上海市應(yīng)在人才培養(yǎng)體系建設(shè)、金融人才就業(yè)待遇、相關(guān)優(yōu)惠政策等方面持續(xù)發(fā)力，吸引更多的優(yōu)秀畢業(yè)生留在上海，加快上海國(guó)際金融中心建設(shè)。

表13 “十三五”時(shí)期上海市高等院校畢業(yè)生數(shù)據(jù)

四、結(jié)論和建議

上海市政府在“十四五”規(guī)劃和“2035 遠(yuǎn)景目標(biāo)”中提出要將上海建成具有世界影響力的國(guó)際金融中心，而實(shí)現(xiàn)這一宏偉目標(biāo)的關(guān)鍵在人才。本文從上海宏觀經(jīng)濟(jì)、上海社會(huì)環(huán)境、上海金融行業(yè)及全國(guó)金融業(yè)四方面共選取了12 個(gè)相關(guān)指標(biāo)作為自變量，以上海金融從業(yè)人員數(shù)量為因變量構(gòu)建多元線性回歸模型。首先，為解決模型自變量之間存在的共線性問(wèn)題，分別采用了逐步回歸法和主分分析法對(duì)模型進(jìn)行修正，基于逐步回歸法得到上海GDP（SHGDP）、上海人均GDP（SHAGDP）及上海常住人口（SHRPN）對(duì)上海金融從業(yè)人員數(shù)量影響的線性回歸模型；基于主成分分析法提取出一個(gè)主成分后得到上海GDP（SHGDP）、上海人均GDP（SHAGDP）、上海全社會(huì)從業(yè)人員數(shù)量（SHTY）、上海常住人口（SHRPN）、上海城鎮(zhèn)居民可支配收入（SHPDI）、上海金融業(yè)增加值（SHADDV）、上海掛牌金融機(jī)構(gòu)數(shù)量（SHFCN）、上海金融業(yè)從業(yè)人員平均工資（SHASAL）、全國(guó)金融業(yè)增加值（ADDV）、全國(guó)金融行業(yè)法人單位數(shù)（NCU）以及全國(guó)金融業(yè)從業(yè)人員平均工資（ASAL）11 個(gè)自變量對(duì)上海市金融從業(yè)人員數(shù)量影響的多元線性回歸模型。其后，對(duì)兩個(gè)線性回歸模型計(jì)算出的上海市金融從業(yè)人員數(shù)量的預(yù)測(cè)值與實(shí)際值進(jìn)行對(duì)比分析，結(jié)果表明模型擬合度較高、預(yù)測(cè)效果較好。最后，基于逐步回歸法和主成分分析法的多元線性回歸模型，以及傳統(tǒng)的時(shí)間序列模型，預(yù)測(cè)了上海市“十四五”時(shí)期金融從業(yè)人員需求總量，2025年上海市金融從業(yè)人員預(yù)計(jì)將達(dá)62 萬(wàn)人，未來(lái)將存在較大的缺口。

為了滿(mǎn)足上海金融業(yè)發(fā)展的需要，助力國(guó)際金融中心建設(shè)，本文基于上述研究結(jié)論，提出以下建議：第一，放寬金融從業(yè)人員落戶(hù)政策，針對(duì)具有相應(yīng)水平金融專(zhuān)業(yè)職稱(chēng)、專(zhuān)業(yè)技能證書(shū)的金融專(zhuān)業(yè)人才，采取縮短落戶(hù)所需年限等政策，進(jìn)一步放開(kāi)對(duì)金融人才的落戶(hù)準(zhǔn)入，吸引金融人才留滬及落滬，提升金融人才的安全感、獲得感；第二，加大對(duì)在滬財(cái)經(jīng)類(lèi)高等院校的資金支持，助力本地金融人才的培養(yǎng)；第三，加強(qiáng)與全國(guó)財(cái)經(jīng)類(lèi)高等院校的聯(lián)系，通過(guò)舉辦交流會(huì)、專(zhuān)場(chǎng)招聘會(huì)等人才交流活動(dòng)，吸引金融人才來(lái)滬就業(yè)；第四，建立靈活的金融人才引進(jìn)政策，尤其是針對(duì)國(guó)內(nèi)外高水平的金融人才，加大人才補(bǔ)貼力度，吸引高層次金融人才來(lái)滬，進(jìn)一步促進(jìn)上海市金融業(yè)的發(fā)展。