金融研究毕业论文浅论中国区域金融发展-差异“特点及政策

《金融研究毕业论文浅论中国区域金融发展-差异“特点及政策》由会员上传分享，免费在线阅读，更多相关内容在工程资料-天天文库。

1、XX大学毕业论文浅论中国区域金融发展:差异“特点及政策姓名：2014年6月25日浅论中国区域金融发展:差异“特点及政策摘要：中国的经济发展具有突出的地区特点，金融系统作为经济体系的组成部分，不同区域的金融发展必然冇明显的差异。本文从部门和整体两个角度考察了中国区域金融发展现状，并由此对区域金融的发展特点进行归纳。研究表明，我国目询正处于经济转型时期，金融发展虽稳定增长但整体市场化程度不高，区域金融差片主要体现在金融发展的总量上，金融发展与经济增长之间的互动也具有区域复杂性。从金融与经济的区域协调角度，笔者有针对性地提出了区域金融发展的政策建议。。关键词：金融发展

2、；区域金融；区域差异；经济增长从全国范围來看，CREDIT指标的变异系数为0.35,PRIVATE指标的变异系数为1.02,这两个指标的全国变异系数小于东部，大于西部、中部及东北。相比CTEDIT指标，PRIVATE指标的地区差杲更显着。（2）资本市场发展差异。区域资本市场发展差异（如图2所示）。从四大区域2间來看，股票指标均值依次为：东部35.21%、西部19.35%、中部13.64%、东北12.34%；债券指标均值依次为：东部9.52%、中部1.64%、西部1.45%、东北0.56%。东部省市资木市场发展的整体水平遥遥领先，排除北京对东部的影响后，由于北京集

3、聚了大量金融机构总部和央企总部，而股票和债券大多以总公司的名义发行，导致北京股栗和债券规模偏大，其中，债券出现了75.05%的离群值。东部股票指标均值为25.46%,债券指标均值为2.24%,仍然居四犬区域之首，显示了东部省帀较强的直接融资能力，其次是西部，中部和东北的整体发展水平仍然较弱。从四大区域内部来看，股票指标变异系数依次为：东部1.08、西部0.69、屮部0.49、东北0.31；债券指标变异系数依次为：东部2.43、西部0.78、东北0.75、中部0.40,排除北京的影响后，东部股票指标变异系数为0.93,债券指标变异系数为0.81,东部各省市的资本市

4、场发展仍存在最严重的不平衡；西部区内差异次于东部，其屮，西藏的债券指标趋于0；东北三省的债券市场较股票市场发展差异明显；中部的区内差异较小。从全国范围来看，股票指标的变异系数为1.07,债券指标的变异系数为3.31,排除北京的影响后，股票指标的变异系数为0.82,债券指标的变异系数为0.81o整体上看，资本市场发展的规模远不及金融中介发展的规模，而且资本市场发展的地区差异犬于金融中介发展差异。(3)保险市场发展差异(如图3所示)。从四大区域之间来看，保险深度指标均值依次为：东部3.11%、中部2.95%、东北2.86%、西部2.67%；保险密度指标均值依次为：东

5、部1537.85元/人、东北749.48元/人、中部523.35元/人、西部433.55元/人。东部省市保险市场发展的整体水平领先，中部和东北居中，而西部最弱，排除了西藏对西部的影响后，西部地区保险深度指标均值为2.84%、保险密度指标均值为462.67元/人，与屮部和东北仍有差距，表明西部的保险市场欠发展，这也是未来西部金融发展的主耍方向。从四大区域内部來看，保险深度指标变异系数依次为：西部0.37、东部0.35、中部0.13、东北0.08；保险密度指标变异系数依次为:东部0.86、西部0.45、东北0.30、屮部0.26。显示了东部与西部保险市场发展的区内差

6、异较大，造成这一问题的关键原因在于北京、上海两地的保险深度分别为5.59%和4.38%，保险密度分别为3521.31元/人和4376.68元/人，大大高于地区均值，而西藏保险深度为0.82%,保险密度为113.24,均为全国最低，拉大了区内差距。从全国范围來看，保险深度指标的变异系数为0.31,保险密度指标的变异系数为1.07,相对保险深度指标，保险密度指标的地区差界更显着。我国保险深度和保险密度的平均指标与同年全球新兴市场国家的平均水平相当，但是与同年全球工业化国家平均保险深度8.8%、平均保险密度3655美元相比，较低的保险深度和密度说明了我国保险公司总体保

7、费收入规模偏小。数据来源:《Sigma：2008年度世界保险业》2•区域金融发展差异的整体考察：主成分因子分析本文采用主成分因子分析的方法对区域金融发展差异作整体上的考察。因子分析是多元统计分析技术的一个分支，其主耍目的是浓缩数据。它通过研究众多变量Z间的内部依赖关系，探求观测数据的基木结构，并用少数几个假想变量來表示基本的数据结构，这些假想变量被称为“因子S因子能够反映原來众多观测变量所代表的主要信息，并解释观测变量之间的依存关系。通过因子分析把一组观测变量化为少数儿个因子后，可以进一步将原始观测变量的信息转换成这些因了的因了值，利用因了值可以直接对样本进行综

8、合评价和分类。首先，为了