首页>智库成果>专家观点>正文

【观点】基于波士顿矩阵的科技金融发展分类策略研究

发布时间:2020-07-30 02:00 作者:首都科技发展战略研究院 浏览量:


       科技与金融深度融合发展对于提升区域整体科技创新能力、助推经济转型升级意义重大。本文从科技金融的概念内涵出发,构建了包含5个一级指标、19个二级指标的科技金融综合指数指标体系,以及5个投入指标、3个产出指标的科技金融效率指标体系,并以2014-2017年数据为基础,测度了中国30个省(市、自治区)的科技金融发展水平和科技金融发展效率。
       然后,利用波士顿矩阵模型分析了中国30个省(市、自治区)科技金融发展水平和效率之间的关系,将我国科技金融发展分为“高-高型”、“高-低型”、“低-高型”和“低-低型” 四种模式,并探讨了每一类模式的不同特征。最后,本文就四种发展模式分别提出针对性建议,旨在为提升我国区域科技金融发展水平提供决策参考。
       2006年,《国家中长期科学和技术发展规划纲要(2006-2020年)》提出“要营造激励自主创新的环境,推动企业成为技术创新的主体”,并出台了七条金融政策促进科技创新创业。2018年,习近平主持召开中央财经委员会第二次会议时再次强调“提高关键核心技术创新能力,需要完善创新投入机制和科技金融政策”。这为加速推进我国科技金融发展,不断提升我国科技创新能力、推动产业转型升级指明了前进方向。
       当前,我国金融科技发展方兴未艾,在此背景下,推动科技金融深度发展是促进科技成果转化的强大动力,是催化创新经济的重要手段,是培育发展战略性新兴产业的重要举措,对于金融业和科技产业的高质量发展意义重大。  
       目前,对科技金融发展水平和科技金融效率之间的关联关系研究较少。本文创新性地结合了综合指数法和数据包络法两种方法,对中国30个省市自治区的科技金融进行了评估,得出了一些有价值的结论。

01 科技金融综合指数测度指标体系
       本文从投入产出视角出发,结合相关文献,同时考虑环境因素的影响,构建了包含科技财税与信贷、创业风险投资、科技资本市场与科技保险、科技金融环境、科技金融产出等5个维度的一级指标,下设19个二级指标的指标体系。

02 科技金融效率测度投入产出指标选取
       根据相关文献及数据的可得性等原因,本文共选取5个投入指标和4个产出指标。其中,投入指标从人员、经费等角度考虑,包含地方财政科学技术支出、R&D人员全时当量、挂牌公司股票发行金额、孵化器数量以及孵化企业获得风险投资额五个指标。产出指标主要从技术市场情况、专利申请授权情况、高技术产业发展情况等角度考虑,最终选取技术市场成交额、国内专利申请授权量以及高技术产业新产品销售收入和高技术产品出口贸易额四个指标作为产出指标。

03 测算方法——DEA
       DEA是以相对效率概念为基础发展起来的一种有效性评价方法,通过线性规划求解测算决策单元(Decision making units,DMUs)的投入产出效率,属线性规划方法。

04 波士顿矩阵模型
       波士顿矩阵,又称四象限分析法,由全球最顶尖的商业战略咨询公司之一的波士顿咨询公司(Boston Consulting Group)的创始人布鲁斯·亨德森首创。该矩阵最初用以分析和规划企业产品组合。其基本原理是将企业所有产品的销售增长率和市场占有率分别作为X轴和Y轴,以10%的销售增长率和20%的市场占有率为高低标准分界线,将坐标图划分为四个象限,企业可根据产品类别的不同,采取不同的经营模式,调整公司发展方向。
       为了探究不同省份科技金融发展水平和科技金融发展效率之间的关系,本文利用波士顿矩阵模型,将科技金融发展水平和科技金融发展效率分别作为X和Y轴,并将每个象限的分界值选取为科技金融发展水平和科技金融发展效率的平均值,利用波士顿矩阵具体分析各个省份科技金融发展水平和效率之间的不同组合情况。


05 测度结果及分析

//科技金融综合指数测度结果
       根据科技金融发展的指标体系,测算了2016年我国30个省(市、自治区)的科技金融发展水平。整体看,全国科技金融综合指数的平均值为0,极差为3.0691,标准差为0.784。其中,仅有9个省(市、自治区)的科技金融综合指数高于平均值,我国科技金融发展存在显著的不均衡性。
       从科技金融综合指数来看,排名全国前十位的省(市、自治区)分别为北京、广东、江苏、上海、浙江、天津、山东、福建、安徽和陕西,排名后十位的为贵州、黑龙江、山西、广西、新疆、云南、宁夏、内蒙古、海南和青海,见图1。

图1 科技金融综合指数及排名


//科技金融效率测度结果
       选用DEA的CCR、BBC模型,使用MYDEA软件,利用2014-2017年4年数据,对中国30个省市自治区的科技金融效率进行测度,得到综合效率、纯技术效率和规模效率数值。然后计算各省市效率的4年平均值,结果如图2所示。
 图2 中国30个省市自治区科技金融综合效率

       30个省市自治区的科技金融综合效率平均值为0.825,纯技术效率平均值为0.865,规模效率平均值为0.956。整体看,我国科技金融综合效率处于较高水平,共有20个地区的科技金融效率高于全国平均值。

       科技金融综合效率为1的有北京、重庆、广东和青海共4个地区,占比13.3%,表明这4个地区在科技金融投入一定时达到了产出的最大化,处于最优前沿面上。30个地区中,共有20个地区的科技金融效率高于全国平均值,占比66.7%,分别为北京、广东、重庆、青海、陕西、浙江、上海、云南、天津、河南、福建、四川、江苏、湖北、江西、贵州、甘肃、新疆、广西、湖南。此外,内蒙古和吉林的科技金融效率低于0.5,处于较低水平,亟待提高。

//科技金融发展和效率波士顿矩阵结果
       整体看,我国科技金融发展水平和科技金融效率不一致、不协调现象突出。在30个地区中,共有15个的城市科技金融发展水平和科技金融效率存在不一致现象,占比50%。
       一方面,一些科技金融发展水平很高的地区其科技金融效率却不高,如山东(科技金融发展水平排名第7,科技金融效率排名第22)、安徽(科技金融发展水平排名第9,科技金融效率排名第21)等地。
       另一方面,一些地区的科技金融发展水平不高,但其科技金融效率却很高,如青海(科技金融发展水平排名第30,科技金融效率排名第1)、云南(科技金融发展水平排名第26,科技金融效率排名第8)等地。
       可见,我国很多地区的科技金融发展水平和科技金融效率的发展并不一致,甚至南辕北辙。究其原因,科技金融发展水平主要看投入和产出的存量,而科技金融效率则主要是看投入产出效率。
图3 科技金融发展水平和效率波士顿矩阵图

       结合科技金融水平和科技金融效率的不同发展情况,将我国科技金融发展分为“高-高型”、“高-低型”、“低-高型”以及“低-低型”四种模式。


图4 科技金融发展四种模式

“高-高型”
       位于第一象限,是科技金融发展水平和科技金融发展效率均高的地区,包含北京、广东、江苏、上海、浙江、天津和福建共7个地区。这些地区不仅科技金融发展水平较高,而且在高发展水平下,保持着较高的发展效率,科技金融资源的利用程度高。
       以北京市为例,北京科技金融产出指标在全国优势显著,同时科技金融资源集聚效应也比较突出,所以北京市的整体科技金融发展水平较高,综合指数在全国第一。同时,北京的科技金融产出指标的优势远高于投入指标,如技术市场成交额达4487亿元,全国排名第一,是全国平均水平的10余倍,但挂牌公司股票发行金额、规模以上工业企业R&D人员等投入指标表现均一般,所以北京市的科技金融效率很高,处于最优前沿面上。
       上海市作为金融中心,无论在科技金融发展水平还是科技金融效率方面,都处于全国前列,上海科技金融效率较高的主要原因在于其高技术产品出口贸易额远高于全国其他省市,但其他产出指标对于其效率提升的带动作用不明显。

“高-低型”
       位于第四象限,是科技金融发展水平高,但科技金融发展效率不高的地区,包括安徽和山东2个省。说明这些地区拥有较多科技金融资源,但资源的利用程度相对较低。
       其中,山东整体投入指标和产出指标表现优异,所以其综合指数水平较高。但山东省产出指标和投入指标的相对优势不一致,山东省挂牌公司股票发行金额、孵化器数量等投入指标均是全国平均水平的2.4倍,然而科技金融产出指标技术市场成交额仅为全国平均水平的1.2倍,导致山东省虽然科技金融发展水平较高,但科技金融效率一般。

“低-高型”


       位于第二象限,是科技金融发展水平不高,但科技金融发展效率高的地区,包含重庆、陕西、四川、湖南、湖北、甘肃、广西、新疆、云南、青海、河南、江西、贵州共13个地区。这些地区虽然科技金融发展的存量不大,但在相同的产出下,这些地区的投入相对较少,投入产出效率较高。
       以青海为例,其科技金融投入指标和产出指标在全国均处于下游,绝大多数指标的排名均位列第30位,所以其整体的科技金融发展水平并不高,科技金融综合指数位列全国末位。然而,青海省的科技金融效率却很高,处于最优前沿面上,原因是其产出指标技术市场成交额较高,在全国排名第24位,而其5个投入指标在全国均排名第30位,属于最少的科技金融投入。

“低-低型”

       位于第三象限,是科技金融发展水平和科技金融发展效率均不高的地区,包括吉林、内蒙古、黑龙江、宁夏、辽宁、河北、海南、山西共8个地区,除海南以外,主要位于东北和华北地区,这几个省份科技金融资源较少,而且科技金融资源的利用程度也较低。
       以内蒙古为例,其科技金融投入指标和产出指标在全国位列20-30名,整体处于中下游水平,且没有优势显著的科技金融指标,所以其整体的科技金融综合指标不高,位于全国第28位。另一方面,和科技金融投入指标相比,内蒙古的科技金融产出指标也不具优势,国内专利申请授权量、技术市场成交额、高技术产业新产品销售收入分别位列第27、27、21位而其五个投入指标地方财政科学技术支出、规模以上工业企业R&D人员、挂牌公司股票发行金额、孵化器数量、孵化企业获得风险投资额分别位列26、21、19、24、26。可以看出,内蒙古科技金融指标的综合水平均不高,同时其投入指标比产出指标更具相对优势,所以内蒙古的科技金融效率也较低。

06 分类策略探讨
       目前,科技金融发展日益高端化、体系化,逐步由服务科技创新和产业发展前端、低端环节向服务后端、高端环节转变;服务供给逐步网络化,由线下服务供给为主向线下线上相结合转变;服务链条越发细分化,服务能力向深度拓展,同时更加注重精准服务;在新一代信息技术的推动下,科技金融服务行业领域进一步增加,为推动地方经济转型升级、提质增效开辟了更加广阔的空间,也充分展现了科技金融服务未来强力支撑创新驱动发展战略在各省市落地的无限潜力。

“高-高型”地区
       应该继续保持科技金融资源的投入,同时保持科技金融高速度、高效率发展,并加大对科技金融新业态的培育。
这些地区是我国科技金融发展强市,一方面,应该充分利用发展优势,加快科技金融资金、人才的集聚,从优化营商环境和创新金融环境入手,吸引高新技术企业及人才创新创业。
       另一方面,应强化上述地区的辐射带动作用,加强对周边城市的技术辐射和金融辐射,同时因地制宜,合理布局上中下游产业,带动周边地区协同发展,完善科技金融链条,带动区域科技金融整体水平的提高。

“高-低型”地区
       应该保持科技金融资源的投入,同时着重提高科技金融资源的利用效率,不断完善金融市场效率和结构。
一方面,政府应该强化金融服务意识,为科技企业提供多渠道、多层次的科技金融服务,逐步打通政产学研通道,将科技资源与金融资源更方便、更容易、更紧密地对接,促进科技成果转化,从而优化科技金融结构,促进科技金融效率的提升。
       另一方面,科技企业应该逐步提升自主创新能力,完善企业治理和管理模式,提高金融资金的利用效率,推动科技金融效率的提升。

“低-高型”地区

       应该逐步完善科技金融融资体系,扩大地区金融规模,加强科技与金融的融合发展。
       一方面,政府应该扩大地区金融规模,设立政府引导基金鼓励创新企业发展,同时鼓励民营资本进入创新创业领域,不断加大对科技创新企业的资金支持,完善营商环境。
       另一方面,应该加强科技金融产品的创新和完善,创新投融资模式,拓宽科技企业融资渠道,还应不断结合大数据、云计算、区块链等新兴技术形成科技金融的新形态,发挥区域多方力量提高科技企业的创新能力和研发功能。

“低-低型”地区
       政府应该加大政策支持和财税支持,不断优化市场软环境,重构科技金融良性发展格局。
       一方面,应该逐步增大对科技金融领域的资源投入,从科技财税与信贷、创业风险投资、科技资本市场等角度出发,加大科技信贷支持,鼓励新创企业发展,吸引风险投资及种子投资,鼓励科技企业上市挂牌等。
       另一方面,在科技金融资源投入的同时,要不断提升科技金融发展效率。鼓励资金、技术和人才等要素向创新型科技企业集聚,促进科技金融效率的优化。


*本文作者王海芸,北京科学学研究中心副研究员,博士。刘杨,首都科技发展战略研究院研究总监,博士。
*文章首发于《科学学研究》2020年第6期,内容经整理,欲了解文章详情,请联络cistds@cistds.org.cn。  

编辑:陈瑾


版权声明:本文版权属作者和首都科技发展战略研究院所有,任何媒体、网站或个人未经协议授权不得转载、链接、转贴或以其他方式复制发布或发表。欲转载文章,请联络cistds@cistds.org.cn。已经协议授权的媒体、网站,在转载使用时必须注明"稿件来源:首都科技发展战略研究院"。请自觉遵守我们的转载要求,尊重作者及原创版权,违者将依法追究责任。如发现有未经允许或不合要求的转载,我们将立即举报,并要求您删除文章。原创之路不易,感谢您的支持与配合!



相关文章