题记：本文根据上海财经大学副教授、北大数字金融研究中心特约研究员郭峰2020年3月29日在北大数字金融公开课的演讲整理。本讲同时也是国发院在线公开课第四讲。

几年前，我在北大数字金融研究中心做博士后，曾与蚂蚁金服一起编制了一个“北京大学数字普惠金融指数”。当时这个项目有七八个人合作，利用蚂蚁金服几亿条数据，编制出的指数可以衡量全国数字普惠金融发展程度和空间格局，能够综合性地反映数字普惠金融的发展现状。

在这个基础上，我们也做了一些其他研究，可以分享给大家。

普惠金融意义非凡

在讨论数字普惠金融之前，我们先了解一下什么叫“普惠金融”？国家相关部门有定义，学术上也有定义。粗略来讲，普惠金融就是能有效和全方位地为社会所有阶层和群体提供服务的金融体，尤其是为弱势群体服务。因为金融服务经常遭遇嫌贫爱富之类的批评，所谓穷人存钱给富人或企业用。虽然不能称之为劫贫济富，但确实大型企业和富人从金融中受益更多。

怎么能让小微企业及弱势群体获得更多的金融服务？而且不是通过慈善事业，而是通过有盈利、可持续成长的商业行为来实现，值得各方关注和研究。为此，2015年，国务院曾专门出台《推进普惠金融发展规划纲要》（2016-2020年），确立了推进普惠金融发展的指导思想、基本原则和发展目标等。

如何衡量普惠金融，涉及很多需要考虑的因素，比如有多少人用、用了多少次、成本怎么样……要想综合性地衡量普惠金融的发展水平，编制指数就是一个重要途径。在这方面，无论是传统的普惠金融还是数字普惠金融，都是通过这种方法来衡量。比如中国人民银行金融消费者权益保护局，就列举了普惠金融的很多维度，包括使用情况、可得性、质量等50多个指标，这些指标主要衡量银/证/保等传统金融机构。

北大数字普惠金融指数

不可否认，数字金融也是普惠金融的主要形式，最近几年成为普惠金融的重要实现模式和参与者。但现有的大多数普惠金融指数指标体系对新兴的数字金融模式都不够重视，包括央行官方版本的普惠金融指标体系。

为了弥补这方面的缺陷，北京大学数字金融研究中心在2016年和蚂蚁金服集团合作，成立了联合课题组，利用后者海量的数字金融相关数据，编制了一套“北京大学数字普惠金融指数”。这个指数已经发布两期，第一期是基于2011年-2015年的数据，第二期是基于2016年-2018年的数据，2020年计划发布第三期。

“北京大学数字普惠金融指数”的编制主要涵盖三个方面的内容：原则、指标体系及编制方法。

首先是原则，我们同时考虑了数字普惠金融的广度和深读。广度就是看覆盖了多少人群，深度就是指使用频率等。前几年刚刚推广数字金融时，有些机构到农村去拓展业务，就采取“注册一个账户送五斤鸡蛋”类似的措施，但很可能注册账户之后就立马忘记了，根本不会使用，这种只有虚假的“覆盖”，没有被真正使用的，不能算普惠金融。另一个原则是，编制指数既有时间上的纵向可比性，又有地区间的横向可比性，以供业界和学术界参考。此外，还要体现金融服务的多层次和多元性。

其次是指标体系。传统的普惠金融指标体系把很多方面（可得性、覆盖广度、实惠程度）等合成一个综合性的指数，我们的数字普惠金融指数也包括了支付、货币基金、信贷、保险、投资、信用等多个方面。具体而言，“北京大学数字普惠金融指数”的指标体系在第一期一共有26个，第二期又增加7个，一共包含33个指标。

最后是编制方法。基于这些指标，怎么合成综合性指数？比如“每万人拥有的支付宝账户数量”和“人均购买余额宝金额”这两个指标，怎么把它们合起来？要把这些指标合成一个综合指数就要考虑它们的可比性。但这两个指标一个是广度，一个是深度，并非简单可比，怎么处理？这就涉及到指标无量纲化，支付宝账户是有单位的，要把这些单位去掉，这就是所谓的指标无量纲化。在这一点上，数字金融普惠指数和很多资本市场的相关指数类似，比如透明度指数、股价指数都是类似的方法。无量纲化的简要办法就是功效函数法。比如上海市减去全国31个省份的最低值作为分子，分母是全国31个省份的最高值减去全国31个省份的最低值，这样一来数据就都没有了单位。具体实践中，功效函数法还分为指数型、对数型等。

指标无量纲化之后，这些指标的重要程度仍不一样，怎么再赋予它们不同的权重，最后可以再加起来？这涉及到编制指数过程中一种常见的方法——层次分析法。简单地讲，这种方法就是把很难判断的因素换算成两两能判断的因素，再根据一些数学转换的公式算出它们的权重，以此把复杂的问题逐步分解，最终得出指数。有了这些权重向量，再加上具体的支付使用指数、货币基金指数等，计算出结果后再一级级合成为总指数。

有些人会觉得设置的指数权重不够合理，其实这个问题并不大。我们这个指数是一个开放式的编制过程，介绍了详细的编制方法，不仅提供了总的指数，还提供了覆盖广度、使用深度这些二级指标，以及六个具体的业务指标。如果某个人觉得哪些指标的权重应该调整一下，完全可以请一些专家来进行判断，自己再创新编制出一个指数。

中国数字普惠金融的发展格局

总体来看，“北京大学数字金融普惠指数”的时间跨度是2011-2018年，而空间上包括了中国内地的所有省、地级市、县，具体为31个省/市/区、337个地级以上的城市，还有2800个县（县级市、市辖区）。

从这个指数上，可以反映出中国数字普惠金融发展的总体格局，特别是在空间上有几个特征，做个简单介绍。

第一个特征，数字普惠金融增长非常迅速。可以从省份的均值和中位值来看，2018年大概是2011年的8.9倍，指数平均增长36.4%。这个速度单从指标上解读就是两三年翻一番，真实的增长速度更快，因为上面讲到指数无量纲化处理时取了对数，这个操作会把指数增速压慢一点。

第二个特征，数字化程度明显提高。第一期指数的数据涵盖的是2011年-2015年，通过智能手机的普及，覆盖广度提高很快，但深度的增长没有那么快。这意味着有了更多人用，但用的次数增长较慢。到指数的第二期，即2016年-2018年，情况发生明显变化，数字化的覆盖广度仍在增长，但是深度增长得相对更快，意味着用户的活跃度明显上升。

其实并不难理解？截至去年，中国一共有8.5亿网民，不管是支付宝还是微信，其广度的拓展总要遇到边界。虽然支付宝总数在2019年达到9亿，但主要是少数人拥有两个及以上账户。事实上，在人手一个支付宝之后，接下来再想发展，重点只能放在深度上。不仅支付宝和微信如此，很多数字金融业务都是如此，用户规模达到一定级别后，如何在挖掘现有用户的更多价值成为未来主要的增长点。

第三个特征，数字普惠金融的增长也存在一定的地区差距，但比传统金融的地区差距相对小。比如2018年数字普惠金融指数得分最高和最低的分别是上海市和青海省，两者之间大概为1.4倍，有差距，但相比传统普惠金融指数要小很多。

地区差距更重要的特征在于差距的收敛速度很快。地区差距大幅快速的收敛专业术语称之为“β收敛”，简单来讲就是起初发展水平高的地区，发展速度越往后就相对越慢，比如江浙沪；而新疆、青海、西藏等起初发展水平低的地区，其后续发展速度会加快，从而缩小与先发地区的差距。如果某年发展最好的地区为100分，那么在2011年，只有江浙沪和广东一带少数地区可以达到比较高的水平（80分以上），其他大部分地区不及格。但到2015年，特别是2018年以后，大部分地区达到70分以上，不及格的极少，这就是差异在明显收敛。

发展格局上的另一个观察方式是“胡焕庸线”，这是划分中国人口密度的一条重要的对比线，从东北斜向西南，由地理学家胡焕庸老先生在1935年提出，在这条线的东部地区有大量的人口，西部地区有大量的土地，但人口和经济活动极少，因此，这条线的分界意义明显，有点荣枯线的意思。东西部经济和社会发展的不平衡一直是个问题，国家和社会都做了各种努力，仍没有到得到根本性的改变，毕竟有资源和气候条件等多方面的天然限制。

但数字普惠金融指数表明，西部地区也能享受到数字金融服务，这其实不难理解，因为数字金融本来就有超越地理的特征，地理条件艰苦不会对使用数字金融造成重大障碍，只要有智能手机等通信基础设施即可。目前中西部地区的很多农村家庭没有电脑，但大都有智能手机，触摸数字金融并不难，这对整个经济的发展具有重要意义。

夜晚的灯光数据从某种程度也可以代表一个地区的经济活力，从整个中国版图来看，晚上明亮的地方都在东南地区，而广大的西北地区大多黑漆漆。数字金融突破了胡焕庸线，其经济学意义也很明显，说明数字金融的发展非常有利于缓解中国地区经济发展中不平衡和不充分的矛盾。

从北大数字普惠金融指数来看，2011年-2018年间，中西部地区数字金融涵盖广度方面的差距缩小了26%，从数字金融的使用深度来衡量，中西部地区差距也缩小了23%。在其他几个指标方面，比如支付、货币基金、信贷指数等，从最近几年来看，中西部地区差距也都在大幅度缩小。比如蚂蚁金服提供的完成收货时间等数据，中西部物流速度的差距缩小了9.25%，这很难得，毕竟西部地区地广人少。还有一个指标是码商（各种在街边店进行二维码支付的店铺），这是我们最近研究的一个重要对象。从2017年-2018年，码商的商户数量在中西部地区的差距也缩小了25%。

当然，介绍数字金融对“胡焕庸线”的突破，并不是说西部发展更快，建议大家去西部发展。作为经济学家，我们知道经济发展需要人口和经济密集带来创新和分工，更多的机会还在东部，尤其是大都市。只是说借助数字金融等新技术，西部将更容易分享经济和科技发展的红利，最终达到人均意义上的均衡发展。

我们还发现一个有意思的特征，虽然还不够严谨，但值得大家继续观察，就是数字普惠金融指数的排名上升和下降。在第一期指数（2011-2015年）中，华中、华东、华北、西北等每个区域都有增长的城市和下降的城市，看不出来明显的区域规律。但到了第二期指数（2015-2018年）就能看出，增长的城市基本都集中在华中、华东、华南地区，而西北和东北下降的城市偏多，尤其是东北的城市，几乎没有上升的，这有点匪夷所思，值得大家再研究。

数字普惠金融的经济影响

数字普惠金融到底能对经济生活产生什么影响呢？

第一，促进创新创业。在经济增长中，有三个要素：创新、资本和人口，特别是对于经济可持续的、内涵式的增长，主要是靠创新创业来带动经济活力。我们发现，一个地区的数字金融发展得越好，该地区新增注册的企业就越多，新申请的专利数以及专利的批准量也越高。不管是新增的企业还是新增的专利，都代表着这个地区的经济活力、创新力。更重要的一点是，数字金融对中西部地区创新创业的促进作用大于东部地区，这也说明可数字金融在缓解中国地区之间不平衡、不充分的矛盾上发挥了很大作用。

第二，有利居民家庭收入增长。数字普惠金融指数编制的参与者之一、北京师范大学的张勋老师等人写了篇论文，研究数字金融对居民家庭收入的影响，发现数字金融的增长有利于家庭收入的增长，特别是农村地区的家庭收入增长更明显。

第三、促进居民消费。从需求端来讲，居民消费是促进经济增长的重要因素。广东外语外贸大学的易行健老师等人的研究发现，数字普惠金融的发展可以促进居民消费的增长，而且这种促进作用在农村地区、中西部地区以及中低收入家庭更为明显。这也比较好理解，因为在城市地区、东部地区、高收入家庭，除了数字金融以外还有其他更多支付方式可以使用。

第四，增强抗风险能力。比如最近的抗疫时间，从居民角度来讲，为什么我们能够快速地控制好疫情蔓延？其中一个重要原因就是物流和数字金融的支撑，大家宅在家里也能生活一两个月，我们照样可以点外卖、网上消费、上网课。

对于小微企业的抗风险能力,数字金融也有帮助。最近，我们跟中央财经大学的王靖一老师以及蚂蚁金服的同事合作，进行了一项名为“新冠肺炎疫情对线下微型商务冲击的定量评估”的研究。首先发现，在正月初七（1月31日）后，微型企业（就是个体经营户）的经营确实受到了很大影响，下降了40%-50%。不过，如果某个地区数字金融发展比较快，这种不利影响就会相对缓和一点。我们的研究显示，如果利用数字技术进行精准放贷的*量每增长1%，疫情冲击程度就可以减少2.57%。这意味着，如果全国的精准*量都能达到杭州的水平，疫情冲击程度会减少51%，也就是说实际经营可能只下降20%-30%，这有很大的积极作用。

编辑：刘晔