论文安徽省数字普惠金融聚类分析是适合聚类论文写作的大学硕士及相关本科毕业论文，相关推荐系统 聚类开题报告范文和学术职称论文参考文献下载。
摘 要：随着全球普惠金融的深入发展,普惠金融的内涵也逐渐丰富.当前普惠金融的发展步入数字时代.基于北京大学数字普惠金融指数的数据,通过对安徽省16个地级市数字普惠金融指数进行聚类分析,定量分析安徽省金融发展的地域差距.
关键词：普惠金融指数；互联网金融；聚类分析
中图分类号：F832 文献标识码：A 文章编号：1008-4428（2018）01-132-02
一、引言
普惠金融（亦译为包容性金融）首先出现在2005年联合国举办的“国际小额信贷年”活动中,是指将金融普遍惠及社会所有阶层、群体,尤其关注处于弱势地区的金融服务需求,特别是贫困地区、少数民族地区、偏远地区以及残疾人士和其他社会弱势群体的金融服务.普惠金融极大地促进金融资源分配的升级,有助于金融的平稳发展,提升社会盈利水平.我国首次提出发展普惠金融是在2013年召开的十八届三中全会.2015年,《推进普惠金融发展规划》正式由国务院发行,该规划第一次站在国家的高度上对普惠金融进行了明确的定义.在2016中国普惠金融国际论坛上,易纲曾披露了《G20数字普惠金融高级原则》.
虽然普惠金融推行了很多年,但是有两大核心问题很难解决,第一,如何覆盖更多的用户,推进成本是否合理,第二,如何加强风险监管,提高信息透明度.传统金融机构受资金成本和客户市场的限制,很难解决这两大难题.解决这一问题最有效的办法是运用数字技术.随着技术网络和移动设备的普及,互联网金融改变了金融服务模式,拓展金融服务便捷.文章聚焦于互联网金融领域,着重分析互联网金融趋势下安徽省各地区数字普惠金融的发展程度和地区差异.
二、研究综述
前人对普惠金融已有了多角度的研究.经济学家Sarma（2012）受联合国人类发展指数（HDI）的构建方法的影响,将银行渗透度、金融服务的可利用性和使用状况这三个要素作为其研究中的重要指标,通过欧式距离法,对不同国家普惠金融的发展现状进行了研究.焦瑾璞等（2015）从金融服务的便捷性、使用状况及服务质量这3个维度人手,构建了包含19个指标在内的普惠金融指标体系,并同时计算了2013年中国各省份的普惠金融指数.
通过对海内外相关研究的整理,不难发现,现有研究虽然比较全面,但是仍然存在一些不足.第一,现有的多数研究机构没有多样的金融服务,主要表现为其主要服务于银行,不能很好地表现其他金融机构对于惠普金融的助益.第二,互联网金融在现有相关文献中仍然比较少.第三,关于普惠金融的地域差距研究鲜有涉及.立足于业内相关研究仍有不足这一点,文章主要分析互联网金融下安徽省各地区数字普惠金融的发展状况.
三、数据的来源与分析方法
(一)指数体系与数据来源
在分析数据时,为了方便不同指标的差异对比,在处理多指标综合评价体系时,性质与计量单位的不同指标必须通过无量纲化处理.结合当下中国互联网金融快速发展的特点,为了保持数值的平稳性避免指数过快增长,采取对数型功效函数法进行无量纲化.同时采用AHP层次分析法确定指标层次（图1）,具体的指数体系包含三部分,一是覆盖广度,二是使用深度,三是数字支持.其中,使用深度又由支付、保险、货基、投资、征信和信贷这6个指标构成.最后采用算术平均合成模型将指数进行合成.合成后的指标数值见表1.
(二)分析方法
聚类分析是对样本或变量进行分析的一种统计方法,目的是根据事物本身的特性将相似的事物归类.作为目前最常用的聚类方法,系统聚类的主要步骤如下：对于一组对象,首先定义该组对象之间的距离,然后对这组对象进行分类,再计算对象之间的距离,根据距离对比,得出其中距离最小的两个类,并合并这两个类,之后,将通过合并得到的类与其他类进行第二次的距离计算,得出的新类与其他类之间距离最小的再次合并为一类,依次类推,得出一个大类.一般来说,在聚类进行之前,要首先用距离过程对原始变量进行预处理,再通过标准化方法,进行原始数据的转换,同时还要计算出相似性测度或距离测度,然后再利用聚类过程对转换后的数据进行聚类分析.文章采用欧氏距离计算分类对象之间的距离,欧氏距离公式为：
四、实证分析
聚类分析的结果如表2和图1所示.由表2可知,第一列“阶段”表示聚类的步数,以第3行为例,此步是将第3和第8合并为一类.第二列“组合的集群”表示在聚类分析的某个阶段聚成一类的两个对象,以第3行为例,在第3阶段中,聚成一类的是第3和第8.第三列“系数”表示的是对象之间的距离,以第3行为例,该行的系数为662.092,表示对象间的距离为662.092,距离,也就是系数越小,聚类越优先.第四列“首次出现阶段集群”表示在聚类时参与某个步骤的类型,对应单元格中,0表示对象,大于或等于1的数字n表示本步与第n步聚类产生的新类聚类.最后一列“下一個阶段”,单元格中对应的数值表示在后面聚类过程中第几步中会用到该阶段的聚类结果.
谱系图更直观、更清晰地表示聚类的全过程,通过对16个对象进行15步聚类处理,最终得到一大类.如图所示,横轴表示距离,纵轴表示样品,选择一个距离值作为参照,作出垂直标尺划线,其与图中水平线相交的点的个数,即为分类的类别数的值.对于类别的划分,既不能太多也不能太少.类别过多,就失去了聚类的意义；类别太少,则不利于分类指导.
根据安徽省的实际情况,将16个地级市的数字普惠金融状况分为四类,垂线左侧依然连在一起的分为一类,最终分类结果如表3所示.其中第一类属于最优、第二类次之、第三类较差、第四类最差.
对数据进行OLAP分析,根据数据的平均值、标准差以及所占比例等不同方面对存在于不同类别之间的差异进行研究.除了第四类城市的保险指数均值大于第三类以及第三类城市征信指数大于第二类以外,绝大部分指标的均值,从第一类到第四类呈现逐渐减小的趋势.
五、结论
利用系统聚类的方法,来研究安徽省16个地级市普惠金融发展的实际状况.发现安徽省普惠金融发展的层次性和差异性比较明显.由2015年安徽省16个地级市系统聚类结果的OLAP立方体可知,第一类城市无论是在互联网金融覆盖的广度、深度以及数字支持服务方面,始终处于全省的领先地位.第二类包含了8个地级市,这8个城市在经济发展水平以及金融业发展水平上差距不大,在省内处于中上流的位置.第三类和第四类全部是皖北的城市,说明皖北地区普惠金融的发展仍然比较滞后.
从201 1年到2015年,安徽省数字普惠金融总指数从33.07上升到211.28,总体说明安徽省普惠金融得到了较大的发展.与此同时,安徽省各地区之间的差距也在不断缩小,以省内数据最高的合肥市和省内数据最低的亳州市为例,2011年合肥市的指标是亳州市的2.6倍,而到了2015年差距缩小到1.3倍,这说明随着互联网金融的发展,安徽省各地区之间的金融差距逐渐缩小,这也进一步证明了互联网金融在满足农村信贷需求和吸收存款方面,比传统金融业具有更高的产出效益,互联网金融辐射边缘地区的能力要优于传统的金融服务模式.
六、政策建议
从金融机构来说,要建设多样化的服务体系.由于安徽省区域经济发展程度较大,总体上处于不均衡的状态,所以每个地区金融资源也有所差异.金融机构在提供金融服务时要因地制宜,建立符合地区特色的金融服务体系.从政府角度来说,要加大普惠金融的扶持力度,通过税收政策、信贷政策等创造良好的金融环境.此外,还有构建高效率的金融科技布局,大力发挥互联网金融的主要作用.
总结:此文是一篇聚类论文范文,为你的毕业论文写作提供有价值的参考。
参考文献：
1、 数字技术下普惠金融 近年来，中国的普惠金融在新的数字技术的驱动下和“互联网+”的大背景下取得了飞速的发展，无论是大型商业银行，还是新成立的互联网金融公司，都对普惠金。
2、 数字普惠金融和风险防范 从2016年的G20峰会之后，数字普惠金融已经成为社会关注的焦点，因其融合了金融和科技，将数字概念、移动概念、互联网概念融合在一起，一定意义上代。
3、 欠发达地区政策贴息类普惠金融产品 摘 要：党的十八大报告中明确指出要深化金融体制改革，改革的一个重点就是要打破垄断，建立普惠金融体系。农村经济的发展、农业产业的升级和农民收入的。
4、 普惠金融视角下农村小额信贷 摘 要：农村小额信贷作为一种新的信贷扶贫方法手段，是人们对传统扶贫方式不断创新的产物和成果。当前我国的农村小额信贷业务虽然对改善低收入群体生活质。
5、 金融科技在普惠金融中应用 摘 要：随着金融科技的快速发展和互联网日益普及，普惠金融迎来新的发展契机，金融科技以其低成本、高效率、广覆盖的优势成为推动普惠金融发展的关键。本。
6、 普惠金融挑战和重任 普惠金融要立足于解决小微企业、农户、贫困人口等群体金融服务不足的问题，应对好当前面临的挑战。党的十八届三中全会明确“发展普惠金融”，2015年。