一、引言 在新常态下,中国正在实施备受全球关注的“一带一路”倡议,旨在构建世界跨度最长、最具发展潜力的经济走廊,促进经济要素有序自由流动、资源高效配置和市场深度融合,推动沿线各国实现经济政策协调,开展更大范围、更高水平、更深层次的区域合作,同时进行各国的文化交流,共同打造互惠、和平、开放的经济合作架构,促进各行业的发展。自“一带一路”倡议实施以来,政府先后颁布《“互联网+”高效物流实施意见》和《国务院办公厅关于进一步推进物流降本增效促进实体经济发展的意见》等文件,强调要积极鼓励物流、制造、金融等产业的融合,实现联动发展,同时指出要支持鼓励金融机构和物流企业强强合作,提升物流金融服务水平。这些文件的出台,足以能说明在“一带一路”倡议和互联网高速发展的时代,政府开始关注到物流业与金融业联动发展的必要性。 《推动共建丝绸之路经济带和21世纪海上丝绸之路的愿景与行动》的颁布,重点圈定了“一带一路”我国18个省区市,包括黑龙江、吉林、辽宁东北三省,新疆、陕西、甘肃、宁夏、青海、内蒙古西北六省区,上海、福建、广东、浙江、海南等东南五省市,广西、云南、西藏西南三省区,内陆则是重庆市。本文主要对沿线18个省市的金融业和物流业联动发展进行研究。 二、文献综述 本文通过在中国知网上以“金融业”和“物流业”为关键词进行检索,发现学术界主要从以下几个方面进行研究: 在金融业与物流业联动发展的理论方面,耿杰(2013)介绍了物流金融协同发展的相关概念与内涵,指出物流业与金融业协同发展的主客观必然性,探讨了当前物流与金融业协同发展滞后的原因,在此基础上提出了协同发展激励机制,最后提出两个行业的协同发展对策,为两个行业的发展奠定理论基础[1]。 在金融业与物流业联动发展的实证研究方面,研究金融业与物流业联动关系的方法具有广泛的多样性,不同学者的研究又具有差异性。笔者对现有典型的金融业与物流业联动发展的实证研究成果进行了归纳总结,见表1。 表1 金融业与物流业联动发展研究
实证方法 | 主要贡献 | 主要文献 | |
Logistic模型 | 以江西省为例,建立Logistic模型,研究物流业与金融业发展的适配性 | 戴志敏,郭露(2011)[2] | |
计量经济学 | 通过计量分析方法和因果关系检验金融业和物流业的联动关系 | 余国民(2011)[3] | |
Granger因果关系 | 通过时间序列模型分析金融业和物流业的因果关系,研究金融业对物流业的影响机制 | 丁永琦(2014)[4] | |
距离协调度模型 | 以新疆为例,通过距离协调度方法,研究金融业与物流业联动发展状况 | 黄明凤,郭凯江(2017)[5] | |
SVAR模型 | 以河南为例通过SVAR方法,分析物流业与金融业联动发展的协同机制 | 谌玲(2014)[6] | |
耦合协调度模型 | 通过耦合协调度方法,科学分析金融业与物流业联动发展关系以及影响两业协调的关键因素 | 张建军,赵启兰(2018)[7] | |
熵权法 | 以我国31个省区市为例,通过熵权法,构建物流业与金融业复合系统,分别衡量区域物流业发展与金融业发展水平 | 唐建荣,姜翠芸(2017)[8] |
在“一带一路”相关研究方面,虽然该倡议提出时间较短,但是学者对“一带一路”涉及的范围研究甚广,包括国际经济贸易(肖一鸣,2019)[9]、金融(赵雪情、刘健毓,2019)[10]、物流(李锴,2018)[11]、旅游(胡建华,2016)[12]、教育(张来斌,2018)[13]以及文化(周亚娟,2019)[14]等行业;另一方面,胡键(2015)做出了一些覆盖范围的延伸,主要是圈定“一带一路”政策互联互通重点关注的项目,指出互联互通不仅包括了交通基础设施方面,而且包括了资金、技术、人才、信息以及体制机制等方面[15]。 三、基于灰色关联的“一带一路”国内沿线十八省区市金融业与物流业联动研究 本文将通过灰色关联分析方法,选择影响两业联动关系的指标,对“一带一路”倡议下沿线十八省区市金融业与物流业联动发展的现状进行分析。 (一)指标的选择 影响金融业和物流业发展水平的因素很多,而且影响程度也不同。因此,笔者在中国知网上通过关键词检索,借鉴学者反映物流业与金融业的指标,建立“一带一路”倡议下沿线十八省区市金融业与物流业联动发展的指标评价体系(见图1)。
图1 金融业与物流业联动指标评价体系 本文以2008-2017年“一带一路”沿线十八省市为研究对象,探讨物流产业与金融产业的联动发展。各指标数据来源于2008-2017年“一带一路”沿线各省区市的统计年鉴。 (二)关联度计算结果 根据表2,从整体上看,“一带一路”倡议下沿线十八省区市的金融业和物流业联动发展指标之间不存在联动能力比较弱的关系,联动能力比较强或强的指标关系占大多数,这些都充分说明了“一带一路”倡议下沿线十八省区市的金融业和物流业联动发展的指标存在一定的关联程度。 表2 “一带一路”国内沿线十八省区市金融业与物流业关联度计算结果
年份 | L1 | L2 | L3 | L4 | L5 | 总和 | |
M1 | 0.7633 | 0.5749 | 0.8860 | 0.5831 | 0.5655 | 3.3727 | |
M2 | 0.6670 | 0.7856 | 0.6911 | 0.7776 | 0.7026 | 3.6239 | |
M3 | 0.5743 | 0.8518 | 0.6014 | 0.8796 | 0.8790 | 3.7860 | |
M4 | 0.6397 | 0.8468 | 0.6619 | 0.8316 | 0.7407 | 3.7208 | |
M5 | 0.6410 | 0.8359 | 0.6730 | 0.8309 | 0.7280 | 3.7088 | |
总和 | 3.2853 | 3.8950 | 3.5133 | 3.9028 | 3.6158 | 18.2122 |