EN中文

经济地理 >

2025 , Vol. 45 >Issue 3: 119 - 128

DOI: https://doi.org/10.15957/j.cnki.jjdl.2025.03.012

产业经济与创新发展

中国金融科技公司时空格局及其影响因素

  • 盛天翔 , 1 ,
  • 许润韬 1 ,
  • 范从来 2 ,
  • 姚越 1
展开
  • 1.南京农业大学 金融学院，中国江苏 南京 210095
  • 2.南京大学 长江三角洲经济社会发展研究中心，中国江苏 南京 210093

盛天翔（1983—），男，博士，副教授，研究方向为金融科技、货币信贷。E-mail：

收稿日期: 2024-08-29

  修回日期: 2025-02-11

  网络出版日期: 2025-05-13

基金资助

国家自然科学基金面上项目(72373066)

国家自然科学基金面上项目(72173063)

教育部人文社会科学研究青年基金项目(22YJC790105)

江苏省社会科学基金一般项目(22EYB017)

收起

Spatio-temporal Evolution and Driving Factors of China's Fintech Companies

  • SHENG Tianxiang , 1 ,
  • XU Runtao 1 ,
  • FAN Conglai 2 ,
  • YAO Yue 1
Expand
  • 1. College of Finance，Nanjing Agricultural University，Nanjing 210095，Jiangsu，China
  • 2. Yangtze River Delta Economic and Social Development Research Center，Nanjing University，Nanjing 210093，Jiangsu，China

Received date: 2024-08-29

  Revised date: 2025-02-11

  Online published: 2025-05-13

Fold

摘要

文章构建了中国金融科技公司基本信息库，利用ArcGIS空间统计方法分析2011—2020年金融科技公司的时空格局演变特征，并运用地理探测器探究了影响其布局的主要因素。研究发现：①中国金融科技公司数量增速在时序上呈“倒U”型，空间分布的总体差异主要源于各区域内的差异，且东部地区差异最大。以东部沿海和长江沿岸相结合的“T型”结构为轴线，公司分布呈“点—轴—网络”的扩散趋势。②中国金融科技公司分布重心向西南小幅移动，以南扩为主，形成“东北—西南”方向的空间格局。③中国金融科技公司集聚程度提高，形成“两极一核多片”的格局，呈现集聚连片式发展态势，而不同技术类型公司的集聚区位存在差异。④中国金融科技公司的空间分布格局是多维度因素共同作用的结果。从不同发展阶段来看，经济实力、财政金融、创新能力和政策环境始终是驱动金融科技公司发展的核心维度。创新孵化政策在各阶段均为最强因子，3个阶段的次强因子各不相同，不同技术类型公司的影响因素则呈现异质性特征。⑤各维度因子的交互作用均表现出显著增强关系，但存在较大差异。财政金融、基础设施和政策环境维度在各阶段都具有较强的催化作用。在全面深化阶段，创新能力维度不仅自身具有重要影响，还能显著增强其他因子的效力。

关键词： 金融科技公司; 空间集聚; 区域差异; 创新能力; 政策环境; 中国

本文引用格式

盛天翔 , 许润韬 , 范从来 , 姚越 . 中国金融科技公司时空格局及其影响因素[J]. 经济地理, 2025 , 45(3) : 119 -128 . DOI: 10.15957/j.cnki.jjdl.2025.03.012

Abstract

This study constructs a basic information database of China's fintech companies, uses ArcGIS spatial statistical methods to analyze the spatio-temporal evolution of fintech companies from 2011 to 2020, and utilizes Geodetector to investigate the primary factors influencing their layout. The findings reveal that: 1) The growth rate of fintech companies exhibits an "inverted U" trend over time, with overall spatial distribution disparities primarily stemming from regional variations, particularly evident in the eastern region. The distribution of these companies demonstrates a "point-axis-network" diffusion trend, centered around a "T-shaped" structure that combines the eastern coast and the Yangtze River. 2) The gravity center of fintech company distribution has shifted slightly towards the southwest of China, predominantly due to southward expansion, forming a "northeast-southwest" directional spatial pattern. 3) The agglomeration of fintech companies has intensified, resulting in a "two poles, one core, multiple regions" configuration, exhibiting a contiguous development trend. However, the agglomeration locations vary among different types of fintech companies. 4) The spatial distribution pattern of fintech companies is influenced by multiple factors. Across different developmental stages, economic strength, fiscal finance, innovation capability, and policy environment consistently serve as the core drivers of fintech company growth. Innovation incubation policies remain the strongest factor at every stage, while the second strongest factors differ across the three stages. Additionally, the influencing factors for different types of fintech companies exhibit heterogeneous characteristics. 5) The interaction among these dimensional factors has significantly intensified, albeit with notable variations. Fiscal finance, infrastructure, and policy environment all exert strong catalytic effects across various stages. In the comprehensive deepening stage, the innovation capability dimension not only exerts a significant impact but also substantially enhances the effectiveness of other factors.

Key words： fintech company; spatial agglomeration; regional differences; innovation ability; policy environment; China

金融科技是金融服务与技术深度融合的产物[1]，在2023年中央金融工作会议提出的金融“五篇大文章”中扮演着重要角色。近年来，中国金融科技市场增长迅速，据赛迪顾问数据 ① ，2017—2022年市场规模年均增速约17%。金融科技公司作为金融科技创新的重要载体，具备引领颠覆性技术变革的潜力[2]。国家高度重视金融科技产业发展，中国人民银行发布的《金融科技发展规划（2019—2021年）》明确提出，要培育一批具有国际知名度和影响力的金融科技市场主体，推动产业繁荣发展；《金融科技发展规划（2022—2025年）》强调，以加快推进金融机构数字化转型为主线，加快健全适应数字经济发展的现代金融体系。然而，伴随着金融科技快速发展的不平衡不充分问题，金融科技公司在全国空间布局上也存在明显差异。深入探讨中国金融科技公司分布的时空演变特征及其驱动因素，对于科学把握金融科技产业区域布局规律，推动金融科技公司高质量发展，构建开放共赢的产业生态具有重要理论价值与现实意义。
目前，国内外学者围绕金融科技公司已展开了诸多有价值的研究，但不同学科关注的重点呈现显著差异。其中，金融学领域主要探讨金融科技公司对原有金融体系和市场结构的冲击，强调其与传统金融机构之间的竞争与合作问题[3⇓-5]；管理学领域聚焦金融科技公司在经营管理中的多维度问题，包括公司治理与业务转型[6-7]、融资策略选择[8-9]、风险防范与监管政策[10-11]、可持续发展[12-13]等；产业经济学领域关注金融科技产业的集聚与动态发展，指出孵化器和加速器能够吸引资本、降低失败风险，推动产业集群及生态圈的形成[14⇓-16]。此外，还有部分研究从全球视角分析金融科技公司兴起的驱动力，认为经济发展水平、技术创新能力、资本市场成熟度、信息基础设施建设、政府支持及监管环境等是重要影响因素[17-18]。
相较而言，关于中国金融科技公司时空格局的研究较为匮乏。尽管已有少数研究集中于金融科技企业的空间联系网络及节点特性分析[19]，但未探讨企业的地域分布特征。然而，金融与科技的有机结合决定了金融科技公司具有独特的空间分布规律，从经济地理学视角能有效揭示这种空间差异性及其驱动因素。针对金融科技相关主体的空间分布理论和方法为本文提供了坚实基础，例如金融机构与金融产业[20⇓⇓-23]、各类科技型企业[24⇓-26]等。同时，不同主体的空间格局既存在共性，也展现出一定差异。例如，金融产业主要集中在长三角、京津冀和珠三角城市群[22]；高新技术企业主要分布在以“北上广深”为核心的区域，并以成渝与区域性中心城市为次级中心[26]；国家级专精特新“小巨人”企业呈“东密西疏、南多北少”的分布格局，聚集的城市群范围更广泛[24]。在分析空间格局影响因素时，上述研究重点关注了经济发展、基础设施、金融支持、创新能力、政策环境、人力资源、自然条件等方面。
综上所述，系统研究金融科技公司的空间布局及其影响因素，不仅能够弥补现有研究的不足，也有助于进一步揭示金融科技产业空间发展的内在逻辑与规律。本文基于经济地理学视角，以中国地级及以上城市为单位进行深入研究，利用“企查查”网站提供的中国金融科技公司数据，采用泰尔指数、标准差椭圆、核密度估计等方法，分析金融科技公司时空格局的演变及不同技术类型公司集聚特征，并运用地理探测器模型探讨核心驱动因素。以期突破传统理论分析与面板回归的局限，揭示更为复杂且多维的空间分布特征，为推动中国金融科技创新和高质量发展提供理论支撑和决策依据。

1 数据来源与研究方法

1.1 研究方法

1.1.1 泰尔指数

泰尔指数（Theil Index）常用于衡量区域差异，可以衡量组内与组间差异，量化二者在总差异中的贡献度。取值范围在0~1，指数越大表明空间分布差异越大。本文引入泰尔指数研究金融科技公司分布的差异性，特别是分析不同地区的区域内和区域间分布差异。

1.1.2 标准差椭圆

标准差椭圆（SDE）是描述要素的中心趋势、离散和方向趋势等空间特征的一种算法，属性值包括重心坐标、面积、长短轴标准距离以及椭圆的方向。标准差椭圆的面积越小，X轴和Y轴的标准距离越小，表示研究对象的集聚程度越强，反之越弱。本文使用ArcGIS计算金融科技公司分布的特征椭圆，输出椭圆大小为1个标准差。据此分析金融科技公司的空间分布特征及发展态势。

1.1.3 核密度估计

核密度估计（KDE）可以计算每个输出栅格像元周围的点要素密度，判断样本的空间集聚情况。核密度值越高表示金融科技公司集聚程度越高，反之越低。本文利用核密度估计分析金融科技公司的空间集聚特征。

1.1.4 地理探测器

地理探测器（Geographical Detector）是一种探测空间分布规律并且揭示其背后驱动力的统计方法。具有共线性免疫、形式优雅和物理含义明确等优点，可以探测空间分异性、度量影响因子解释力以及分析影响因子之间的交互关系。本文利用地理探测器对中国金融科技公司进行单因子探测和交互探测分析，揭示影响因子在不同发展阶段中解释力的变化特征。

1.2 数据来源及处理

目前，对于金融科技公司的定义主要有两类[27]：一类侧重于金融科技公司的科技属性，将其界定为在物联网、人工智能、大数据等技术领域有优势，驱动金融创新的科技公司；另一类侧重于金融科技公司的金融属性，将其界定为运用高效率科技手段提供新型金融服务的非传统金融企业。结合上述定义，本文在筛选金融科技公司的过程中同时考虑“科技”和“金融”属性。参考宋敏等的做法[28]，通过“企查查”网站，在公司名称或经营范围中搜索“大数据”“云计算”“人工智能”“区块链”“物联网”等关键词，获得相关公司的全部工商信息并形成初步的公司数据库。公司的核心科技手段需要在金融领域予以应用才能视为金融科技公司，因此使用正则表达式对公司经营范围中“金融”“信贷”“支付”“保险”“清算”等金融领域相关的关键词进行模糊匹配，从而进一步筛选出符合条件的公司。此外，为避免搜索中存在的误差，在模糊匹配前对经营范围中“不得从事……业务”“以上除……业务”等字段进行删除，在公司所属行业中只保留“信息传输、软件和信息技术服务业”“金融业”“租赁和商务服务业”“科学研究和技术服务业”等行业。选取公司成立时间在1年以上、经营状态正常的样本，最终统计得出城市层面不同年份金融科技公司数量。
金融科技公司所在城市的经济社会发展等方面的数据，主要来源于各省（自治区、直辖市）统计年鉴、《中国城市统计年鉴》和国泰安数据库，商业银行网点数来自国家金融监督管理总局网站，少数缺失数据通过手工收集整理。由于地理探测器要求自变量为类型变量，所以按照自然断点法将相应数据划分为不同层次，转化为类型变量。

2 中国金融科技公司时空演变与特征分析

2.1 中国金融科技公司发展阶段划分

金融科技公司随着国家政策的引导而不断发展，通过创新服务推动行业进步，成为金融科技领域的重要支撑力量。参考唐士亚的做法[29]和实践发展情况，本文从技术层面和政策层面两个角度出发，将中国金融科技公司发展历程划分为3个阶段：初始起步阶段、快速发展阶段和全面深化阶段。
①初始起步阶段（2011—2015年）。互联网企业在金融领域的探索开辟出中国互联网金融时代，互联网金融是金融科技的初级形式[30]。互联网、大数据与云计算等技术的融合，为金融领域带来新变化，余额宝、众筹等互联网金融产品和服务应运而生，背后的开发企业大多为金融科技公司的早期形态。早期金融科技治理采取包容性措施[29]，宽松的市场准入政策保护了金融科技在发展初期的创新动力。但与此同时，也使得初始阶段的金融科技公司质量良莠不齐，造成一定的风险积累。2015年，中国人民银行等部委联合确定互联网金融为新型金融模式，对这种新业态的监管进行职责分工。这一阶段，互联网技术促进金融产品创新，监管政策逐步构建完善，为中国金融科技行业的崛起奠定了良好基础。
②快速发展阶段（2016—2018年）。新一代信息技术逐渐成为金融科技创新的核心驱动力，引发金融服务和产品的深刻变革，2016年被视为中国金融科技元年。此后，拥有技术优势的科技公司争相扩张各自的金融科技业务，涌现出大量的金融科技公司；一些传统金融机构在业务冲击和自身数字化转型需求下相继成立金融科技子公司。随着金融科技的迅猛发展，信用风险、流动性风险和技术风险等多维度风险逐步上升，中国因此加大了对相关违法违规行为的整顿力度[29]。中国人民银行于2017年成立金融科技委员会，加强金融科技发展规划以及监管科技应用。这一时期，中国的金融科技公司进入快速发展阶段，政策监管持续强化，企业逐步规范化，促进金融科技领域稳健前行。
③全面深化阶段（2019年至今）。智能化等技术变革持续推动着支付、信贷、保险、证券和监管等领域的创新发展，监管部门试图在守正与创新、高效与稳健之间寻求平衡，迈入了合作治理模式[29]。2019年9月，中国人民银行发布首个金融科技发展三年规划；同年12月，监管沙箱开始局部试点。金融科技公司不仅作为被监管的对象，还积极融入金融科技治理体系之中，增长速度相较于快速发展阶段明显放缓。这一阶段，为顶层设计、理论认知以及政策监管等方面奠定了坚实基础[31]；中国金融科技公司迈向高质量发展的新阶段，金融服务效能显著提升。

2.2 中国金融科技公司分布数量和方向特征

根据本文对中国金融科技公司发展阶段的划分，在样本期内选择2011、2016和2020年作为关键时间点，统计金融科技公司分布数量的变化，展示其空间格局演变情况，并从不同层面分析金融科技公司变化趋势和特征。
由表1可知，中国金融科技公司数量整体发展趋势实现迅速扩张，呈现出时间维度上的“倒U”型增速特征。具体而言，中国金融科技公司数量的年均增长率始终保持在30%以上，显著高于同期中国企业法人单位数年均15%的增速。同时，其先上升后下降的增长率轨迹，也较大程度地反映了初始起步、快速发展和全面深化3个阶段的内涵特征。进入快速发展阶段以后，中部、西部和东北地区的年均增长率相较于东部地区差距逐步扩大，显示出较强的追赶态势。
表1 不同区域金融科技公司数量和增长率变化

Tab.1 Changes in the number and growth rate of fintech companies in different regions

区域 2011年公司数
（家）		 2016年公司数
（家）		 2020年公司数
（家）		 2011—2015
年均增长率（%）		 2016—2018
年均增长率（%）		 2019—2020
年均增长率（%）
东部地区 552 3378 9896 38 41 26
中部地区 83 491 2366 39 50 44
西部地区 103 489 2290 34 53 37
东北地区 32 154 730 34 48 43
全国 770 4512 15282 37 44 30
由表2可知，中国金融科技公司在全国范围内呈现出较为显著的空间差异性，且差异主要来源于区域内部的不平衡，其中尤以东部地区最为突出。根据省域尺度的泰尔指数测算结果，2011、2016和2020年全国总体差异分别为0.78、0.98和0.61，呈现先增大后减小的趋势。其中，组内泰尔指数显著高于组间泰尔指数，组内贡献度逐步上升，说明区域内部差异在影响总体差异方面占据主导地位。从四大区域分布看，东部地区的泰尔指数和贡献度均远高于其他地区，贡献度基本保持在50%左右，表明东部地区差异对组内差异影响最大。这是由于北京市和广东省的金融科技公司数量远超区域内其他省份，从而造成东部地区内部差异性较大。若将各区域内金融科技公司数量最多的省份予以剔除，四大区域内部的差异程度将趋于一致。
表2 中国金融科技公司分布的泰尔指数测算结果

Tab.2 Theil index measurements of the distribution of China's fintech companies

年份 总体差异 组间差异及贡献度 组内差异及贡献度
总体 东部地区 中部地区 西部地区 东北地区
2011 0.7817 0.3285（0.4203） 0.4531（0.5797） 0.5480（0.5012） 0.1188（0.0163） 0.3317（0.0577） 0.0836（0.0044）
2016 0.9801 0.3941（0.4021） 0.5860（0.5979） 0.7058（0.5391） 0.2355（0.0261） 0.2685（0.0297） 0.0835（0.0029）
2020 0.6076 0.2408（0.3962） 0.3669（0.6038） 0.4447（0.4739） 0.1678（0.0428） 0.3069（0.0757） 0.1457（0.0115）

注：括号内数值为贡献度。

从分布格局特征来看，中国金融科技公司空间分布呈现以“T型”结构为主轴线、“点—轴—网络”的扩散趋势（图1）。其中，2011年金融科技公司以斑点状分布于京津冀、珠三角、长三角和成渝城市群的核心城市，如北京、广州、深圳、上海、重庆等。四大城市群的金融科技公司总数为527家，占全国的比重为68%。2016年，金融科技公司在空间上主要沿东部沿海与长江沿岸构成的“T型”轴线集聚增长，长三角城市群位于两大轴线交汇处，成为全国布局中的核心枢纽节点。到2020年，金融科技公司分布进一步以“T型”主轴为脉络，成片状向周边城市群全面扩散，上述四大城市群的公司数量达到9136家，但是占全国的比重下降至60%。
图1 中国金融科技公司空间分布演变

注：基于自然资源部标准地图服务网站下载的审图号为GS（2023）2767号的标准地图制作，底图边界无修改。图2~图3同。

Fig.1 Spatial distribution of fintech companies in China

从分布方向特征来看，中国金融科技公司分布格局呈现“东北—西南”的空间分布特征，且表现出先收缩后扩张趋势，最终整体空间小幅收缩 ① 。其中，标准差椭圆分布重心先向东北方移动后向西南方移动，整体朝西南方移动且以南移为主，表明金融科技公司逐渐由沿海地区向内陆地区发展，向南方地区发展趋势更加明显。在椭圆面积方面，2011、2016和2020年的面积分别为229、213和226万km2，表明金融科技公司在空间展布范围上存在一定程度的先集聚后扩散特征。

2.3 中国金融科技公司空间分布密度变化特征

2.3.1 总体分布密度变化分析

从空间分布密度变化来看，中国金融科技公司集聚程度不断提高，逐步形成了“两极一核多片”的分布特征（图2）。其中，“两极”指以北京单城市主导的京津冀集聚中心和以广州、深圳双城市主导的珠三角集聚中心；“一核”指核密度较高的长三角地区，主要呈现多城市协同集聚的特征；“多片”指依托一些中心城市形成次级集聚的城市群，部分城市成为金融科技公司发展的重要载体，带动周边地区形成集聚连片式分布。
图2 中国金融科技公司核密度空间分布演变

Fig.2 Kernel density of China's fintech companies

具体来看，2011、2016和2020年中国金融科技公司核密度峰值分别为76、589和1178家/万km2。具体而言，2011年北京、广州和深圳作为极点城市辐射带动周边地区，其核心集聚区范围较小，“核心—边缘”结构较为明显。相比之下，长三角集聚区核密度峰值不高，但集聚区和辐射区范围均较大。与2011年相比，2016年中国金融科技公司核密度图变化不明显，“两极一核”的核密度峰值持续上升。但是相较于2016年，2020年中国金融科技公司空间分布特征发生明显变化。①核心集聚区和辐射区范围扩大，表现出一定的溢出效应。长三角城市群形成了以上海、合肥、南京、杭州和宁波等城市为核心的V字型集聚区以及外围辐射区。值得关注的是，该阶段合肥在长三角城市群中异军突起，成为全国范围内的重要集聚城市。这与合肥市政府积极搭建多元化创新合作平台，着力打造创新产业链，通过制度创新、政策支持与创投基金等措施，为金融科技公司提供全方位支持密切相关。上海的核密度峰值低于北京、广州和深圳，可能是由于上海作为全国性的金融中心，更侧重于吸引国际化企业和成熟的大型企业，而在培育处于成长期的科技企业方面，政策扶持力度和创新孵化机制相对不足。②金融科技公司形成了“多片”的次级集聚区。这些次级集聚区的中心点主要分布在省会城市或经济发展水平较高地区，如长沙、武汉、重庆、成都、福州、厦门、青岛、济南等城市，从而带动了长江中游、成渝、粤闽浙沿海和山东半岛等城市群。整体而言，核心与次级集聚区的创新与人才资源较为丰富、经济发展水平较高、金融业基础良好，共同促进金融科技公司的集中。

2.3.2 不同技术类型公司的分布密度特征

基于公司经营范围内的物联网、大数据、区块链、人工智能和云计算等技术关键词，本文按照涉及的技术类型对金融科技公司进行划分，研究各类型公司的空间分布特征。利用核密度估计，分析2020年不同技术类型的公司集聚情况和分布特征（图3）。结果表明，不同技术类型金融科技公司的集聚区位存在明显差异性。
图3 2020年中国不同技术类型金融科技公司的核密度空间分布

Fig.3 Kernel density of different types of China's fintech companies in 2020

①涉及人工智能和大数据技术的金融科技公司分布较广泛，核密度图形态与金融科技公司整体分布存在相似性（图3a~图3b）。全国范围内对人工智能和大数据技术存在普遍需求，二者具备丰富的应用场景，因此相关的金融科技公司倾向于在经济规模大、发展基础好的省会及中心城市集聚。其中，涉及人工智能技术的公司在北京的集聚效应更加突出，得益于北京在人工智能领域领先的科技创新能力与完善的创新产业链；涉及大数据技术的公司在西安和合肥表现出更明显的集聚趋势，与这两地在大数据产业上的战略布局和政策支持密不可分。
②涉及物联网技术的金融科技公司主要分布在长三角、珠三角和长江中游城市群，极点城市以广州、深圳、青岛、长沙、合肥、上海等为主（图3c）。上述地区往往以电子信息、智能制造等高新技术产业为主导，更有利于物联网技术型金融科技公司的发展。
③涉及区块链技术的金融科技公司主要分布在东部和中部地区，分布呈“四点集聚”的特征，极点分别为珠三角城市群、青岛、合肥和海口（图3d）。这类地区的创新环境较好，创新孵化政策支持力度较大。例如，海口凭借国家区块链试验区的政策优势，积极打造国家级区块链技术与产业创新基地，通过政策扶持与生态优化，大量吸引相关企业入驻。
④涉及云计算技术的金融科技公司空间分布的核密度图呈“双星闪耀”的格局，高度集中在以北京为中心的京津冀城市群和以广州为中心的珠三角城市群（图3e）。此类空间布局特征，与云计算技术对数据资源和创新要素的高度依赖密切相关。北京作为国家政治与文化中心，广州作为重要经济与科技枢纽，两地信息产业体系完备，均拥有丰富的数据中心资源与高效的创新孵化机制。上述优势共同为云计算技术型金融科技公司的集聚发展奠定了坚实基础。

3 中国金融科技公司空间分布的影响因素分析

3.1 指标选取

中国金融科技公司的空间分布受到多种区域发展因素的综合影响。结合已有研究和数据可得性，本文从经济实力、财政金融、基础设施、创新能力和政策环境5个维度出发，选取13个影响因素进行分析（表3）。①经济实力。地区经济实力水平是吸引企业聚集的重要驱动因素[32]。经济规模较大、发展水平较高和产业结构较高级的地区，能够为金融科技公司提供更广阔的市场空间和更加坚实的发展基础。②财政金融。一方面，地方财政支持对于科技产业发展具有显著推动作用，金融科技公司作为其中的重要组成部分，同样受到地区财政实力的影响。另一方面，金融深化程度和金融业发展水平较高的地区，金融服务的普及程度及覆盖范围更广，大量集聚的金融机构对金融科技服务需求更加旺盛，有利于金融科技公司的设立与发展[18]。③基础设施。金融科技公司是信息技术与金融服务深度融合的产物[33]，其发展依赖于数字基础设施的完善程度[34]；而地区交通服务能力历来是企业区位选择的重要考量因素，也将对金融科技公司的空间布局产生影响。④创新能力。金融科技公司发展离不开前沿技术的应用[17]，较高的区域创新产出水平能够为企业提供更多的技术支撑[24]，完善的创新产业链有助于吸引金融科技公司入驻。此外，金融科技公司对科技与金融专业人才有较高需求，人才供给能力是科技创新和金融产业发展的重要条件[22,35]，影响着金融科技公司集聚。⑤政策环境。具有初创企业和科技企业特征的金融科技公司对地区创新孵化政策有较强需求，孵化器与加速器的完善程度深刻影响着金融科技公司的发展[14-15]。同时，金融科技行业作为高端服务业，自身发展以及服务的企业和人群对环境质量都有一定要求，完善的生态环境政策可能会促进金融科技公司的集聚。
表3 中国金融科技公司空间分布影响因素

Tab.3 Factors influencing the spatial distribution of China's fintech companies

维度 影响因子 代码 具体指标
经济实力 经济规模 X 1 GDP总量
经济发展水平 X 2 人均GDP
产业结构高度 X 3 第三产业增加值/GDP
财政金融 财政科技支持 X 4 财政科学技术支出/GDP
金融深化程度 X 5 金融机构人民币存贷款总额/GDP
金融业发展水平 X 6 商业银行数量
基础设施 数字基建 X 7 电信业务收入
交通服务能力 X 8 城市道路面积/行政区域面积
创新能力 创新产出水平 X 9 专利授权数
创新产业链 X 10 科技型上市公司数量
人才供给能力 X 11 普通高等学校在校学生数
政策环境 创新孵化政策 X 12 风险投资数量
生态环境政策 X 13 城市绿地面积/年平均常住人口数

3.2 实证结果分析

3.2.1 单因子探测分析

由地理探测器结果可以看出，各影响因子均通过了1%的显著性水平检验（表4）。其中，经济规模（ X 1）、金融业发展水平（ X 6）、创新产出水平（ X 9）、创新产业链（ X 10）和创新孵化政策（ X 12）在每个阶段的解释力都超过20%，一直是影响金融科技公司分布的关键因素，并且创新孵化政策在各阶段的解释力均居于领先地位。此外，经济发展水平（ X 2）和数字基建（ X 7）的解释力在两个阶段超过20%。整体而言，各影响因素的重要性随阶段演进呈现明显差异。
表4 中国金融科技公司空间分布影响因子探测结果

Tab.4 Detector results of influencing factors on the spatial distribution of China's fintech companies

影响因子 2011—2015年
初始起步阶段		 2016—2018年
快速发展阶段		 2019—2020年
全面深化阶段
qstatistic pvalue qstatistic pvalue qstatistic pvalue
X 1 0.47 0.00 0.38 0.00 0.29 0.00
X 2 0.12 0.00 0.20 0.00 0.23 0.00
X 3 0.19 0.00 0.19 0.00 0.18 0.00
X 4 0.15 0.00 0.22 0.00 0.14 0.00
X 5 0.18 0.00 0.16 0.00 0.21 0.00
X 6 0.41 0.00 0.33 0.00 0.37 0.00
X 7 0.43 0.00 0.54 0.00 0.18 0.00
X 8 0.17 0.00 0.14 0.00 0.16 0.00
X 9 0.43 0.00 0.48 0.00 0.52 0.00
X 10 0.44 0.00 0.53 0.00 0.48 0.00
X 11 0.18 0.00 0.13 0.00 0.22 0.00
X 12 0.61 0.00 0.54 0.00 0.54 0.00
X 13 0.08 0.00 0.09 0.00 0.12 0.00
在初始起步阶段，创新孵化政策对金融科技公司成长的推动作用最为突出，解释力高达61%，体现出此类政策对公司早期发展的关键性。该阶段经济规模亦表现出强劲的影响力，解释力达到47%，表明金融科技公司在初创期更倾向于布局市场规模较大的区域。同时，创新产业链、创新产出水平、数字基建以及金融业发展水平发挥重要作用，解释力均超过40%。
步入快速发展阶段后，数字基建跃升为最具影响力的核心要素之一，解释力达到54%，表明大数据、云计算、人工智能等技术应用高度依赖数字基建的完善程度，使之成为金融科技公司中期发展的重要支撑。创新孵化政策继续发挥首要推动作用，创新产业链、创新产出水平、经济规模、金融业发展水平等因素保持重要影响。值得注意的是，财政科技支持在该阶段的解释力超过20%，显著高于其他两个阶段，说明财政科技支持能够在发展中期有效缓解市场资金供给不足问题。
进入全面深化阶段，区域创新能力的重要性进一步凸显。创新产出水平和创新产业链的解释力分别达到52%和48%，仅次于创新孵化政策，意味着金融科技公司迈向成熟期时，更加关注区域整体创新生态环境。金融业发展水平在各阶段的解释力稳定在33%~41%，始终保持较强的影响力。鉴于金融科技公司的主要服务对象之一是金融机构，因此金融业发展水平较高的地区更容易吸引金融科技公司进驻。人才供给能力在该阶段的解释力首次突破20%，体现金融科技公司的可持续发展需要更多金融人才和科技人才。相比之下，数字基建在该阶段的解释力已降至20%以下，说明其主要发挥基础性保障作用，难以直接满足金融科技公司深度发展的需求。此外，经济发展水平的重要性持续提升，而经济规模的解释力逐步下降，这一转变表明金融科技公司在深化发展阶段更依赖区域经济发展质量提升，对经济发展的需求由“量”转变为“质”。
针对不同技术类型的金融科技公司，本文同样采用单因子探测分析法，围绕前述各影响因素分别进行检验 ① 。在初始起步阶段，不同技术类型公司在影响因素上的差异尚不明显，仅个别因素存在一定分化。然而，随着行业迈入快速发展期，尤其是在全面深化阶段，除创新孵化政策、创新产出水平和创新产业链依然是共性的关键影响因素外，各技术类型公司的影响因素异质性逐渐显现。具体来说，对于涉及物联网技术的公司，各类因素的影响效应与行业整体情况较为相似。对于涉及人工智能和大数据技术的公司，人才供给能力的解释力超过30%，产业结构高度的解释力超过20%，均远高于其他技术类型公司，表明这类公司对区域人才储备和产业结构优化的依赖度更高。对于涉及区块链和云计算技术的公司，经济规模、经济发展水平、金融业发展水平和人才供给能力的解释力均低于20%，远低于其他技术类型的公司，可能是由于该类型公司的业务模式更为灵活、市场定位更加远程化，受区域位置限制较小，更倾向于集中布局于少数特定地区。

3.2.2 交互探测分析

进一步，本文对金融科技公司分布的13个影响因子进行交互探测分析（表5） ② 。结果显示，两两因子之间交互作用在不同阶段都表现为非线性增强或双因子增强关系，没有出现独立或减弱关系。
表5 金融科技公司分布影响因子交互探测结果(2019—2020年)

Tab.5 Interactive detection results of influencing factors on the distribution of fintech companies (2019-2020)

影响因子 X 1 X 2 X 3 X 4 X 5 X 6 X 7 X 8 X 9 X 10 X 11 X 12 X 13
X 1 0.29
X 2 0.41↗ 0.23
X 3 0.41↗ 0.42↖ 0.18
X 4 0.42↗ 0.42↖ 0.41↖ 0.14
X 5 0.42↗ 0.39↗ 0.25↗ 0.42↖ 0.21
X 6 0.49↗ 0.65↖ 0.54↗ 0.70↖ 0.58↗ 0.37
X 7 0.39↗ 0.74↖ 0.38↖ 0.70↖ 0.46↖ 0.49↗ 0.18
X 8 0.38↗ 0.35↗ 0.38↖ 0.41↖ 0.51↖ 0.64↖ 0.54↖ 0.16
X 9 0.81↗ 0.81↖ 0.82↖ 0.86↖ 0.84↖ 0.85↗ 0.83↖ 0.87↖ 0.52
X 10 0.50↗ 0.50↗ 0.56↗ 0.53↗ 0.55↗ 0.61↗ 0.80↖ 0.71↖ 0.93↗ 0.48
X 11 0.35↗ 0.44↗ 0.32↗ 0.46↖ 0.34↗ 0.53↗ 0.76↖ 0.40↖ 0.87↖ 0.57↗ 0.22
X 12 0.60↗ 0.56↗ 0.58↗ 0.57↗ 0.70↗ 0.70↗ 0.82↖ 0.84↖ 0.83↗ 0.63↗ 0.64↗ 0.54
X 13 0.53↖ 0.38↖ 0.39↖ 0.45↖ 0.48↖ 0.53↖ 0.44↖ 0.32↖ 0.83↖ 0.71↖ 0.35↖ 0.74↖ 0.12

注：符号分别表示：↖非线性增强关系；↗双因子增强关系。

3个阶段中，各影响因子在交互作用后，整体影响力较单因子均有显著提升。财政金融维度的财政科技支持、基础设施维度的交通服务能力、政策环境维度的生态政策环境等因子，尽管在单因子分析中影响相对较弱，但在双因子交互作用中通常呈现非线性增强，表现出较强的催化作用。这表明，上述因素能够在不同发展阶段与其他维度形成有效协同作用，实现资源配置效率的提升。相比之下，一些在单因子分析中表现突出的关键因素，如创新孵化政策、经济规模和创新产业链等，与其他因子的交互结果多为双因子增强关系，影响效用小于单因子效用之和，说明此类因素更容易独立发挥效能。
在初始起步阶段，数字基建与交通服务能力交互作用的影响力最大，体现出新基建和传统基建在早期协同发力的重要性。在快速发展阶段，创新孵化政策与交通服务能力交互作用的影响力最大，表明政策环境与基础设施共同保障并有效推动金融科技公司发展。而在全面深化阶段，创新产出水平与其他因子的交互作用对金融科技公司分布影响最为显著，q统计量普遍高于0.8，并且以非线性增强为主。与单因子分析相结合，意味着创新产出水平不仅是该阶段影响公司分布的重要因素，还显著增强了其他因子的效力。其中，创新产出水平与创新产业链的交互作用影响最大，q统计量高达0.93，是该阶段唯一高于0.9的q值。这一结果表明，科技创新与产业创新的深度融合能更有效推动金融科技公司成长，进一步凸显创新能力维度对于长远发展的战略意义。此外，数字基建与其他因子交互的q统计量由0.18提升至0.38~0.83，均值达到0.61，彰显其在该阶段具有重要基础性地位。
由此可见，金融科技公司的空间分布并非源于若干核心因素的单一驱动，而是多种因素交互作用所形成的综合效应。各地区在稳步推进经济发展的过程中，应更加注重区域创新能力的提升、基础设施建设的优化和政策环境的完善，以此不断提高对金融科技公司的吸引力与承载力。

4 结论与建议

本文以中国金融科技公司为研究对象，运用泰尔指数、标准差椭圆、核密度估计和地理探测器等空间分析方法对公司时空格局特征及驱动因素进行了分析。主要结论如下：①中国金融科技公司数量在2011—2020年快速增长，增速呈“倒U”型特征。空间分布的不均衡性先升后降，总体差异以区域内为主，东部地区内部差异最显著。公司分布以东部沿海和长江沿岸形成的“T型”结构为主轴线，呈现出“点—轴—网络”的扩散趋势。②中国金融科技公司的空间布局具有明显的“东北—西南”方向特征，分布重心表现为先向东北再转向西南移动，且呈南移为主的趋势。③中国金融科技公司的空间集聚程度持续提高，逐步形成“两极一核多片”的典型格局。不同技术类型公司在集聚区位选择上差异明显，区块链和云计算公司更集中于少数地区，其他类型公司分布与总体格局存在一定相似性。④不同发展阶段的影响因子解释力呈现明显的阶段性差异。经济规模、金融业发展水平、创新产出水平、创新产业链以及创新孵化政策构成了贯穿始终的核心驱动因素。其中，创新孵化政策在各阶段均最为重要，经济规模、数字基建和创新产出水平则分别在不同阶段次之。随着发展阶段的深入推进，不同技术类型公司所受影响因素逐渐表现出显著的结构异质性特征。⑤各阶段影响因素之间的交互作用均呈现显著增强，其中财政科技支持、交通服务能力和生态政策环境始终发挥重要催化作用，而创新孵化政策、经济规模以及创新产业链等因素多以独立效应为主。全面深化阶段中，创新能力维度不仅自身发挥重要作用，还能有效增强其他因子的效力，对金融科技公司的长期发展具有关键意义。
基于上述结论，本文提出以下建议：①以核心城市群为主体，推动空间协调发展。依托长三角、珠三角和京津冀等核心城市群，鼓励先行先试，探索金融科技产业集聚的典范模式。结合不同地区的资源禀赋特点，提升区域联动与协同水平，优化区域差异化布局。②以创新能力为核心，增强可持续发展动能。加强创新孵化政策的精准实施，促进技术创新和成果转化，推动科技创新与产业创新融合发展。注重不同技术类型金融科技公司的区域集聚特征，加快金融科技人才的培养和流动，构建开放协同的创新生态体系。③以阶段性特征为依据，充分发挥资源协同效应。考虑各地区金融科技发展所处的不同阶段，加快建设数据中心和金融网络等数字基础设施，完善区域间的交通与数字互联互通。持续发挥财政金融、交通服务与生态环境的催化作用，优化资源配置效率，保障金融科技产业长期健康发展。
本文的研究还存在一些不足与局限性。①金融科技公司的定义和分类依然存在一定模糊性。尽管本文在样本构建过程中已与其他数据库进行交叉验证，但关键词匹配筛选法仍难以完全避免样本识别误差。未来可以进一步优化金融科技公司的识别与分类方法，提升样本数据的准确性与多维度表征能力。②区域监管政策对金融科技公司空间布局可能具有较大影响，但目前缺乏可直接量化的市级层面权威指标。本文主要通过多个相关因素予以侧面反映，仍存在一定局限。未来可以尝试挖掘更具代表性的监管类指标，以增强驱动因素分析的全面性与解释力。

参考文献

原文顺序 | 文献年度倒序 | 文中引用次数倒序
[1]
Goldstein I, Jiang W, Karolyi G A. To fintech and beyond[J]. The Review of Financial Studies, 2019, 32(5):1647-1661.

[2]
Chen M A, Wu Q, Yang B. How valuable is fintech innovation?[J]. The Review of Financial Studies, 2019, 32(5):2062-2106.

[3]
Hornuf L, Klus M F, Lohwasser T S, et al. How do banks interact with fintech startups?[J]. Small Business Economics, 2021,57:1505-1526.

[4]
贾盾, 韩昊哲. 金融科技与商业银行竞争性负债[J]. 世界经济, 2023, 46(2):183-208.

[5]
蔡岑, 殷晓晴, 陈选娟. 金融科技创新路径选择与银行经营效率[J]. 财经研究, 2023, 49(3):19-33.

[6]
Carbó-Valverde S, Cuadros-Solas P J, Rodríguez-Fernández F. Entrepreneurial,institutional and financial strategies for fintech profitability[J]. Financial Innovation, 2022, 8(1):487-522.

[7]
Cui M, Qian J. Business transformation from B2C to B2C & B2B:A fintech company case study[J]. Technology Analysis & Strategic Management, 2024, 36(7):1461-1475.

[8]
Giaretta E, Chesini G. The determinants of debt financing:The case of fintech start-ups[J]. Journal of Innovation & Knowledge, 2021, 6(4):268-279.

[9]
Li E, Mao M Q, Zhang H F, et al. Banks' investments in fintech ventures[J]. Journal of Banking & Finance, 2023,149:106754.

[10]
Van Loo R. Making innovation more competitive:The case of fintech[J]. UCLA Law Review, 2018, 65(1):232-279.

[11]
程雪军. 金融科技公司算法黑箱风险的生成机制与多维治理[J]. 金融论坛, 2023, 28(8):25-34,46.

[12]
Carè R, Boitan I A, Fatima R. How do fintech companies contribute to the achievement of SDGs?Insights from case studies[J]. Research in International Business and Finance, 2023,66:102072.

[13]
Merello P, Barberá A, De la Poza E. Is the sustainability profile of fintech companies a key driver of their value?[J]. Technological Forecasting and Social Change, 2022,174:121290.

[14]
Gazel M, Schwienbacher A. Entrepreneurial fintech clusters[J]. Small Business Economics, 2021, 57(2):883-903.

[15]
Kaur M, Ahmad W, Hari K S, et al. FinTech entrepreneurial ecosystem in India:Role of incubators and accelerators[J]. Global Finance Journal, 2024,60:100933.

[16]
Harris J L. Bridging the gap between 'Fin' and 'Tech':The role of accelerator networks in emerging fintech entrepreneurial ecosystems[J]. Geoforum, 2021,122:174-182.

[17]
Haddad C, Hornuf L. The emergence of the global fintech market:Economic and technological determinants[J]. Small Business Economics, 2019, 53(1):81-105.

[18]
潘峰华, 刘宇帆. 全球金融科技产业的分布及其影响因素研究进展[J]. 世界地理研究, 2021, 30(4):696-707.

DOI

[19]
刘程军, 陈亦婷, 陈秋驹, 等. 企业投资视角下金融科技的空间联系网络演化与影响因素[J]. 经济地理, 2023, 43(2):136-146.

DOI

[20]
刘辉, 申玉铭, 柳坤. 中国城市群金融服务业发展水平及空间格局[J]. 地理学报, 2013, 68(2):186-198.

[21]
程惠霞, 杨璐. 中国新型农村金融机构空间分布与扩散特征[J]. 经济地理, 2020, 40(2):163-170.

DOI

[22]
王艳华, 赵建吉, 刘娅娜, 等. 中国金融产业集聚空间格局与影响因素——基于地理探测器模型的研究[J]. 经济地理, 2020, 40(4):125-133.

DOI

[23]
赵建吉, 刘岩, 王艳华, 等. 欠发达地区城市群金融机构空间演化特征及影响因素——以中原城市群为例[J]. 经济地理, 2022, 42(1):70-78.

DOI

[24]
丁建军, 刘贤, 王淀坤, 等. 国家级专精特新“小巨人”企业空间分布及其影响因素[J]. 经济地理, 2022, 42(10):109-118.

DOI

[25]
杨洋, 乔家君, 郭远智, 等. 广东省瞪羚企业空间分布特征及驱动机制[J]. 经济地理, 2022, 42(8):112-122.

DOI

[26]
肖凡, 王姣娥, 黄宇金, 等. 中国高新技术企业分布影响因素的空间异质性与尺度效应[J]. 地理研究, 2022, 41(5):1338-1351.

DOI

[27]
袁康, 唐峰. 金融科技公司的风险防范与监管对策[J]. 山东大学学报(哲学社会科学版), 2021(5):59-71.

[28]
宋敏, 周鹏, 司海涛. 金融科技与企业全要素生产率——“赋能”和信贷配给的视角[J]. 中国工业经济, 2021(4):138-155.

[29]
唐士亚. 中国金融科技治理模式变迁及其逻辑[J]. 经济社会体制比较, 2022(5):90-99.

[30]
巴曙松, 白海峰. 金融科技的发展历程与核心技术应用场景探索[J]. 清华金融评论, 2016(11):99-103.

[31]
刘勇. 金融科技十讲[M]. 北京: 中国人民大学出版社, 2020.

[32]
丛海彬, 段巍, 吴福象. 新型城镇化中的产城融合及其福利效应[J]. 中国工业经济, 2017(11):62-80.

[33]
Cojoianu T F, Clark G L, Hoepner A G F, et al. Fin vs. tech:Are trust and knowledge creation key ingredients in fintech start-up emergence and financing?[J]. Small Business Economics, 2021, 57(4):1715-1731.

[34]
Laidroo L, Avarmaa M. The role of location in fintech formation[J]. Entrepreneurship & Regional Development, 2020, 32(7-8):555-572.

[35]
乔海曙, 黄荐轩. 金融科技发展动力指数研究[J]. 金融论坛, 2019, 24(3):64-80.

Options
文章导航

/

〈 〉