论文部分内容阅读
内容提要：物流与金融的整合创新，构建风险共治、利益共赢的物流-金融复合系统，是物流业进一步发展提升的有效途径。本文选取我国31省市2004-2014年物流业与金融业宏观数据，运用熵权法分别衡量区域物流能力和金融绩效水平，基于哈肯模型构建物流-金融复合系统分析物流金融协同发展路径和演变规律。研究发现，物流能力在复合系统演变过程中起主导作用；物流业的发展对金融业有正反馈效应，而金融市场对物流业发展未起到充分的支持作用；我国物流-金融协同水平整体已进入“协作级”阶段，物流能力、金融绩效和协同水平均呈东-中-西三级阶梯式递减趋势。据此，目标协同、发展耦合、风险共担、信息共享和政策引导是物流业与金融业协同发展的有效措施。
关键词：物流能力；金融绩效；哈肯模型；协同发展
中图分类号：F250 文献标识码：A 文章编号：1001-148X（2017）08-0175-09
收稿日期：2017-02-26
作者简介：唐建荣（1963- ），男，江苏无锡人，江南大学商学院教授，管理学博士，研究方向：低碳经济；姜翠芸（1993- ），女，山东烟台人，江南大学商学院研究生，研究方向：物流金融。
基金项目：国家自然科学基金项目“小样本非等距灰色预测模型建模及其应用研究”，项目编号：71301061；中央高校专项项目，项目编号：2015JDZD11。
一、研究背景及文献综述
物流产业的标准化、信息化、智能化及其集约化，是提高经济整体运行效率和实现物流产业转型的重要途径。构建风险共治、利益共赢的物流-金融复合系统，是寻找物流发展战略突破口、培育竞争新优势进而提升我国物流能力的有效举措。物流金融的协同发展既为金融业的发展提供了新的利润增长点，也为物流产业的持续发展提供了资金支持与保障，还为供应链中其他中小企业解决了融资难的问题。
关于物流与金融的协同关系研究，早在20世纪50年代Dunham（1949）就对物流金融业务的政治经济和法律环境、业务模式、仓储模式、控制方式和流程进行了分析与总结。随后Lacroix和Varangis（1966）对比了美国和发展转型中国家的物流金融业务模式，认为发展转型中国家开展物流和金融的整合创新具有重大意义。Fenmore（2004）对物流金融运行模式进行了有益的探索，认为订单融资可以解决季节性或不规律现金需求情况下没有额外资产融资的问题。Hans-Christian Pfohl（2009）等认为供应链金融能够通过降低投资风险和减少融资成本优化供应链中的资金流。Rhian Silvestro（2014）等研究发现银行能够通过促进供应链集成系统内部协作及信息共享来支持买方和供应商。
国内邹小梵和唐元琦（2004）首次提出“物流金融”概念，定义了它的内涵和外延。刘皓天和彭志忠（2009）借助系统动力学模型分析物流业与金融业间的协同关系，研究表明增加金融业对物流业的支持力度，不仅有利于两个行业的协同发展，而且能够促进国民经济增长。徐琪（2009）通过构建供应链物流金融集成化协同服务体系，阐述了面向资金流、物流、信息流的供应链物流金融的协同管理，以期达到银行金融服务创新、物流企业物流服务创新和企业运营运作创新的三方共赢。王化争和彭志忠（2010）认为物流金融不同程度地提升了物流企业、银行和资金需求企业的价值链，从物流金融对物流企业价值链的提升、物流金融在银行业未来的利润增长点和物流金融破解中小企业融资障碍等方面做了有益的探讨和研究。戴志敏和郭露（2011）以江西省的11个市为研究单位，应用Logistics模型、線性时间序列数据和简单面板数据对物流业与金融业进行适配度分析。徐文哲和何笑伟（2012）从定性角度研究物流金融协同运营的风险保障与控制机制，认为对物流金融协同运营进行风险评估，有利于加强风险管理，提高规避风险能力。谌玲（2014）借助SVAR模型考察物流发展水平与金融发展深度和广度的内生协同机制，结果表明：区域金融发展广度的提升对区域物流发展水平有显著的促进作用，但金融发展深度还没有达到有效支持物流业发展的市场环境；而区域物流发展水平对金融发展的广度和深度长期有显著的促进作用，但短期会产生抑制效应。丁永琦（2014）运用VAR模型，具体确定物流业与金融业之间的动态关系及二者之间的影响方式与滞后性。
由于我国物流金融业务起步较晚，目前国内学者对物流与金融协同关系的讨论以定性分析居多，少量定量分析主要集中于系统动力学和向量自回归模型，对于物流与金融协同关系的剖析尚不完整。鉴于此，本文从定量角度出发，将物流学领域协同理论的哈肯模型引入经济系统，以2004-2014年面板数据研究我国31省市物流-金融复合系统协同行为，挖掘系统序参量，寻找系统平衡点，有效评估各省所处协同等级，最终为物流金融的路径优化提供理论依据。
二、理论基础与模型简析
（一）理论基础
协同一词最早由哈肯提出，是指复杂系统中各子系统间协调、同步与合作，从而达到各子系统之间有序化发展的行为过程。哈肯认为，系统各要素之间通过相互竞争，产生协同效应，推动系统从无序向有序进化。
协同理论应用于管理及经济系统已经有一定的研究成果，但与物流金融相结合在理论与实践中还较为少见。物流业的发展离不开金融业的支持与保障，金融业借助物流业开拓新的服务方式及服务对象，控制金融风险，两个行业需要寻求相互协同，以实现共同发展。物流业与金融业的协同发展就是把二者构成一个共同的工作整体，即物流-金融协同复合系统，其内在驱动力为控制风险与寻求共赢，并且围绕整体利润最大化进行工作。本文将协同理论应用于物流业与金融业的研究中，挖掘物流-金融复合系统的序参量，考察物流业与金融业的协同行为及协同效应的涌现情况，为物流金融的路径优化提供理论依据。
（二）方法介绍 哈肯模型是物流学领域协同理论的重要模型，通过识别序参量来评估系统所处演化阶段，已有学者将其运用至经济系统的演化分析。李琳和刘莹（2014）运用其研究中国区域经济协同发展的驱动因素，王祥兵和张学立（2014）运用其研究货币政策传导系统的协同演化机制，叶柏青等（2016）运用其研究我国经济发展与物流业的协同关系，均获得了较强的理论支撑。在哈肯的物理学模型中，考虑一个简单的运动系统，即仅由两个子系统构成，假设其中一个子系统及参量是内力，用y1表示，另外一个子系统及参量被这个内力所控制，用y2表示，则有如下运动方程：
哈肯模型的物理方程主要是针对连续型随机变量设定的，将其运用到经济系统的研究中一般都需要对其形式进行离散化处理，即：
将物流子系统和金融子系统代入哈肯模型，构造系统的演化运动方程，可以准确识别出物流-金融复合系统的序参量，并有效评估复合系统的协同水平，据此提出物流业与金融业协同的优化路径。
（三）物流-金融复合系统的协同逻辑
在经济运行的过程中，物流和资金流之间存在着必然的联系，协同发展是物流业与金融业发展的必然选择。物流业和金融业构成的复合系统，在其运营过程中实现了风险控制、利益共赢，为现代物流业解决融资难问题，为金融业提供新的利润增长点。
1.从协同发展的宏观层面来看，物流基础设施属于资本密集型工程，呈现“自然垄断”的特点，适宜采用金融贷款的方式来实现其发展。脱离金融业的资金支持，物流基础设施将难以完善，这势必会制约物流业的成长，可见，金融业是物流业发展的引擎。另一方面，物流基础设施建设及竣工后的管理、养护和车辆通行费等资金都缴入财政专户，通过财政专用账户对建设资金贷款实行统一偿还，一定程度上可以保障金融业的贷款安全。
2.从协同发展的微观层面来看，物流企业的运营发展方面需要金融机构为其提供融资渠道和资金支持，及资金存贷、结算等多种个性化服务；物流风险的保障需要金融机构为之提供多样化的保险品种和保险模式，最大限度降低物流的经营风险。另一方面，数据分析也表明，物流企业还款水平高于制造业、建筑业及石油加工业等行业。银行向物流企业增加贷款能够有效降低信贷风险，提高商业银行的投资回报率。因此，物流企业与银行信贷的协同，不仅有利于物流企业快速壮大，也有利于商业银行增强信贷风险规避的能力。
3.从协同发展的创新层来看，物流业与金融业的协同发展衍生出了物流金融这一新的业务模式，为解决中小企业融资困难带来了崭新的解决措施，为物流企业带来了新的利润增长点，同时也为银行信贷向低风险高回报的方向发展开辟了新途径。伴随着科学技术的发展和国内金融行业的成熟，物流金融如雨后春笋般茁壮发展，这是我国物流产业从传统物流向现代物流转变的最佳契机，也是物流业与金融业协同发展的催化剂。
三、指标体系与数据处理
依据序参量的选取原则及可获得性原则选取相关变量，分别构建物流能力和金融绩效评价指标体系。然后，运用功效函数对数据进行标准化处理，避免因指标量纲不同影响研究结果。最后，运用熵值法对各指标赋权，进行简单加权求和。熵值法是依据给变量信息载荷大小来确定权重的一种客观赋值方法，能够减少主观因素带来的偏差。其主要计算步骤为：（1）构建判断矩阵A=（Xij）m×n并进行标准化处理，计算第j个序参量所占的比重pij=Xij/∑mi=1Xij；（2）计算第j个序参量的熵值sij=-k∑mi=1pijlnpij（k=1/lnm，k0，sj0）；（3）计算第j个序参量的差异系数gj=1-sij；（4）确定第j个序参量的权重wj=gj/∑nj=1gj，每个变量对应的权重W=（w1，w2，…，wn），满足0wj1，∑nj=1wj=1，j=1，2，…，n；（5）采用线性加权的方法来计算序参量对系统的总贡献度，即子系统的有序度yi=∑nj=1wijXij。
（一）指标体系的构建
物流-金融复合系统运动中存在着许多参变量，分为“快变量”和“慢变量”，其中“慢变量”处于主导地位，称之为系统的序参量。它具有两个特性：一是，它确定系统的宏观行为并表征系统有序化程度；二是，它从系统中产生又决定着系统的最终结构和有序程度。在确定哪种参数属于系统的序参量时，应该尽可能多地选择具备序参量表征的参数，将其纳入模型加以求解。由于协同学研究的是系统的宏观行为，所以引入的序参量需为宏观参量，序参量的选取还应该遵循代表性、综合性、可获得性以及动态与静态相结合等原则。结合这些原则并借鉴以往学者的研究经验，本文分别构建物流子系统和金融子系统的评价指标体系。
1.物流能力（L）评价指标体系的构建。结合序参量的特性、经济系统追求利润最大化的特点及物流子系统自身运行的规律，选定物流能力作为物流子系统序参量。物流能力指物流主体提供物流服务的能力，可以表征物流系统运行的状态，定量反映物流业的行业规模、发展程度和服务水平。具体从经营性、规模性和发展性三个方面选择指标衡量物流子系统的发展，指标体系如表1所示。目前国内外对物流产业缺乏清晰的界定，而我国交通运输、仓储及邮政业增加值占物流业增加值总量的80%左右，故以此代替物流业的相关指标较为可靠。
2.金融绩效（F）评价指标体系的构建。结合序参量的特性、经济系统追求利润最大化的特点及金融子系统自身运行的规律，选定金融绩效作为金融子系统序参量表征金融业的整体发展情况，具体从经营性、规模性和发展性三个方面选择序参量衡量金融子系统的发展，如表2所示。以存贷款余额之和与地区GDP之比表示金融相关率，以保险保费收入与地区GDP之比表示保险深度。
（二）数据预处理
本文选取我国31个省市（不含港澳台地区）2004-2014年衡量物流业与金融业发展狀况的宏观数据进行实证分析，数据来源于中国统计年鉴及各省市统计年鉴。由于指标量纲不同且指标体系复杂，需要对数据进行预处理。 首先，运用功效函数对数据进行归一化处理，避免指标因不同量纲而引起评价失真；运用熵权法对各个子系统的指标赋权，各指标2004-2013年的权重均值见表3，权重越大表明该指标在综合评价中的作用越大。
从表3中可以得到，货物周转量和邮电业务总量两个指标在对物流能力的综合评价过程中的信息表达作用高于其他指标，其他指标权重基本分布在5%-9%之间。货物周转量指标权重为124%，传递了运输对象的数量和运输距离的双重信息，能够全面地反映运输生产成果；邮电业务总量指标权重为94%，反映了信息化水平物流能力的重要性。在对金融绩效的综合评价过程中，金融业增加值和金融业城镇单位就业人员平均工资的信息表达作用高于其他指标。金融业增加值的指标权重为112%，传递了区域金融生产活动的最终成果；金融业城镇单位就业人员平均工资的指标权重为104%，凸显了金融专业人才对金融绩效的驱动作用。
然后，将两个子系统内各指标按熵权法赋权结果线性加权处理，分别得到物流能力L和金融绩效F的得分值。限于文章篇幅，表4只列出2013-2014年物流业子系统与金融业子系统的数据预处理结果。
表4的计算结果可以反映我国各省市（港澳台除外）物流业和金融业的发展状况及对全国总体的贡献度大小。以2014年的数据来看，全国物流能力均值为0328，其中广东省物流能力最高，达到0747，超出均值128倍；物流能力排名前五位分别为广东、河北、山东、江苏、河南；甘肃、宁夏、青海、海南、西藏等省份偏离全国物流能力均值较远。全国金融绩效均值为0305，其中北京市金融绩效最好，达到0782，超出均值157倍；金融绩效排名前五位分别为北京、江苏、广东、上海、浙江；新疆、吉林、内蒙古、贵州、青海、甘肃、西藏、海南等省份偏离全国金融绩效均值较远。以时间轴纵向来看（限于文章篇幅，2004-2012年物流能力和金融绩效值未在表中列出），2004-2014年各省市物流能力和金融绩效对全国的贡献度都有所波动，但波動幅度较小。
四、实证研究与结果分析
本文主要研究2004-2014年物流业与金融业的协同发展机制及演化情况，具体实证分析步骤为：第一步，提出模型假设；第二步，构造运动方程并判断方程是否成立；第三步，求解方程参数并判断是否满足绝热近似假设；第四步，判断模型假设是否成立，得出系统序参量；第五步，求解势函数，得出系统稳定点；第六步，求解复合系统协同发展得分值。模型方程是利用计量软件Eviews70进行面板数据回归得到，限于篇幅，具体步骤省略。
（一）模型构建
1.假设L为物流-金融复合系统的序参量，F为快变量，则运动方程为：
L=10207L（t-1）-00387L（t-1）F（t-1）
（13343） （-220） （8）
F=07435F（t-1）+06499L（t-1）L（t-1）
（694） （252）（9）
运动方程成立，两个回归方程的拟合优度分别为R21=09783，R22=09083，拟合度较好，回归效果显著。此时，1-λ1=10207，1-λ2=07435。由此可得各控制参数的值：λ1=-00207，λ2=02565，α=00387，β=06499。λ2比λ1大超过一个数量级，满足绝热近似假设λ1<< λ2，模型假设成立，物流子系统有序度L为协同系统序参量。
2假设F为物流-金融复合系统的序参量，L为快变量，则运动方程为：
F=10746F（t-1）-01381L（t-1）F（t-1）
（6717） （-389） （10）
L=10735L（t-1）-01768F（t-1）F（t-1）
（5763） （-397） （11）
运动方程成立，λ1=-00746，λ2=-00735，α=01381，β=-01768。不满足绝热近似假设λ1<< λ2，因此模型假设不成立。
综上，物流能力L为2004-2014年间影响我国物流-金融复合系统的序参量，在整个系统演化过程中起支配作用，通过与其他参量的协同共生，共同促使我国物流-金融复合系统从无序到有序、从低级到高级协同演进。
λ1、λ2、α、β都是哈肯模型的控制参数，对控制参数进行分析可以初步知悉系统的演化行为：控制参数α为正值，表明目前金融市场的发展并没有对现代物流业发展起到充分的支持作用，相反，对现代物流业的发展有抑制效应；控制参数β为正值，反映了物流业的发展对金融业的发展有一定的促进作用，金融业因物流业的存在呈非线性增长；λ1为负值，表明物流-金融复合系统内部已经建立物流业不断增长的正反馈机制；λ2为正值，表明物流-金融系统内部已经形成金融业发展递减的负反馈机制。
（二）势函数求解
为进一步分析物流-金融复合系统的演化行为及有效判断系统所处状态，需要对势函数求解：
（三）协同度评价
任意一点B与复合系统稳定点A的距离远近决定了其所处的状态，即系统状态评价函数为：
d=（L-04590）2+（V（L）+00011）2（14）
d值越大，表明系统协同状态越差；反之，d值越小，系统的协同度越高。将d值进行正向化处理，将其转换为（0，1）之间的正向指标，可得出协同得分值SS（Synergetic Score），2004-2014年我国31省市区域物流-金融复合系统协同发展得分值计算结果见表5。
SS=dmax-ddmax-dmin（15）
据以往学者研究经验，可将物流业与金融业的协同演化过程定义为五个阶段：初始级、成长级、协作级、成熟级和持续优化级，如图2所示。从初始级到成长级是严格的过程，从成长级到协作级发展是标准一致的过程，从协作级到成熟级是服务拓展的过程，从成熟级经过不断优化达到持续优化级。 由表4计算结果可知，广东、河北、山东、江苏、河南2014年物流能力L值超出了系统稳定解，在势函数图中位于系统稳定点A（04590，-00011）的右边，尤其广东省超出幅度较大。说明它们已经或者正在从有序状态突变为新的无序状态，进入向更高级协同发展阶段跃升的演化进程，因此本文将它们归为持续优化级。
为了更好地把握我国物流-金融复合系统发展状况，结合各省市物流业、金融业发展状况及空间状况，根据2014年协同得分值将我国31省市区域物流-金融复合系统发展阶段分为五类。将位于系统稳定点A（04590，-00011）右边的5个省份，即广东、河北、山东、江苏、河南归类为持续优化级；将位于系统稳定点左边的26个省市利用SPSS进行聚类，分为四类，见图3，总分类结果见表6。
我国大部分地区物流金融协同水平处于协作级及以上阶段，我国的物流业与金融业存在着相互影响、相互耦合的互动关系：
（1）初始级，即物流业与金融业处于协同发展的初始阶段，需要经过严格的过程才能向成长级迈进。此时，物流企业或金融机构还未意识到或刚刚意识到物流与金融协同发展的重要性，未采取有效措施或只采取有效措施进行紧密合作，如宁夏、青海、海南、西藏地区。
（2）成长级，即物流业与金融业处于协同发展的成长阶段。物流企业与金融机构已明确认识到物流与金融协同发展的重要性，刚刚开始采取措施在要素能力、业务范围、信息资源上共享，需要经过标准一致的过程才能向协作级迈进。吉林、甘肃、云南、天津处于这一阶段。
（3）协作级，即物流业与金融业处于协同发展的协作阶段，需要继续拓展服务才能向成熟级迈进。在达到成长级的基础上，物流企业与银行已具备较强联系。金融机构开始为与其关系密切的物流企业提供贷款、保险及证券融资等业务，促进物流业发展。物流业得到支持的同时也为金融业提供了业务增长。福建、山西、陕西、贵州、北京、广西、新疆、江西、黑龙江、重庆处于这一阶段。
（4）成熟级，即物流业与金融业处于协同发展的成熟阶段，有待继续加强合作进入持续优化级。物流业与金融业具备较为密切的协作关系，协同发展已取得一定成果。部分金融机构与部分实力较强的企业开展物流金融、物流保险及与物流相关的证券、信托业务。辽宁、浙江、四川、内蒙古、安徽、上海、湖南、湖北处于这一阶段。
（5）持续优化级，即物流业与金融业处于协同发展的最优化阶段。物流企业和金融机构紧密协作，复合系统的发展状态接近于系统平衡态，已经或者正在从有序状态突变为新的无序状态，进入向更高级协同发展阶段跃升的演化进程。广东、山东、河南、江苏、河北五个省份正处于这一阶段。
2014年我国物流能力东部、中部和西部均值分别为0413、0331、0267，东部高于中部高于西部；金融绩效东部、中部和西部均值分别为0464、0239、0210，东部高于中部高于西部。东部11省中处于持续优化级的省份有4个，成熟级3个，协作级2个，成长级1个，初始级1个；中部8省中处于持续优化级的省份有1个，成熟级3个，协作级3个，成长级1个，初始级0个；西部12省中处于持续优化级的省份有0个，成熟级2个，协作级5个，成长级2个，初始级3个。可见，我国物流金融协同发展水平也呈现出东部高于中部高于西部的三级阶梯式。
五、系统协同优化方案
物流与资金流在国民经济体系中同量反向循环，二者的协同发展程度势必会影响到社会资源的合理分配和国民经济的健康发展。通过对我国31省市（港澳台除外）2004-2014年物流-金融复合系统实证分析发现，协同系统正从远离平衡态向平衡态发展，其中物流能力作为序参量在系统的演变中起主导作用；地区间物流能力、金融绩效及物流业与金融业协同发展水平参差不齐，呈现东部高于中部高于西部的三级阶梯式，部分地区系统发展进程缓慢。因此，亟须构建有效的物流-金融协同机制，推动物流企业和金融机构的协同水平和协同进程。
1.目标协同。对于协同水平处在初始级的宁夏、青海、海南、西藏地区来说，物流企业或金融机构还未意识到或刚刚意识到物流与金融协同发展的重要性。需要构建目标协同机制，站在全局的角度来协同系统的内部目标与外界环境的关系，制定统一目标，提高整体功能大于部分的认识，最终实现整个系统的提升。
2.发展耦合。协同水平处在成长级的省份，物流企业与金融机构已明确认识到物流与金融协同发展的重要性，并开始采取措施在要素能力、业务范围、信息资源上实现共享。这一阶段的主要任务就是继续加强合作，建立发展耦合机制。大力发展物流金融业务，搭建以物流金融业务为基础的“物-银-企”合作平台，从而实现物流、商流、资金流、信息流“四流”的有效整合。物流企业以融通仓形式为中小企业抵押担保，商业银行向被担保的中小企业贷款，解决其融资困难，提高其资金周转率，促进中小企业发展壮大，使物流业、金融业及供应链中其他企业三方获得共赢发展。
3.风险共担。协同水平处在协作级的省份，物流业与金融业之间已具备较强联系，但协同的过程中物流业与金融业都会遭遇一定的风险，亟须增强风险预测、控制及应对能力。金融业面临的风险主要来源于金融监管体制不健全、信贷风险、金融创新风险和质押物风险；物流业面临的风险主要来源于物流企业融资风险、合同责任风险、第三者法律责任风险、投资风险、提供物流方案的风险、提供金融服务的风险等。两业及相关部门需要共同面对以上風险，充分利用保险工具的防灾防损及经济补偿职能，共创风险控制机制。保险业不仅可以为物流过程提供风险保障，也可以为物流金融这一新型产业提供风险保障。
4.信息共享。处在成熟级和持续优化级的省份，如广东、山东、江苏等地区，物流业与金融业的协同发展已取得一定成果，但是市场竞争的存在会诱导协作双方为了短期利益而采取非协同行为，导致两业协同发展遭遇瓶颈。因此，需要借助“互联网+”战略，打造“智慧物流金融模式”，使互联网与金融机构、物流企业形成战略同盟。形成点对点和以物流企业为中心的物流金融信息共享传递模式，减少信息不对称问题，有效实现物流、资金流、信息流的一体化整合。 5.政策引导。物流-金融复合系统的整体提升需要营造两业协同发展的良好政策环境，协同水平处于任一层级的省份都需要建立良好的政策引导机制。相关的企业和政府主管部门要充分认识物流业与金融业协同发展的重要性，在发挥市场机制作用、调动企业积极性的基础上，切实把物流金融协同发展作为增强物流能力、增强物流绩效、推进产业结构优化的重点工程，积极营造有利于两业协同发展的物流金融生态环境。
参考文献：
[1] Dunham A. Inventory and accounts receivable financing [J].Harvard Law，1949.
[2] Lacroix R，Varangis P. Using warehouse receipts in developing and transition economies [J].Finance & Development， 1966（9）： 36-39.
[3] Fenmore，E. Making Purchase-Order Financing Work for You[J].Secured Lender，2004，60（2）.
[4] Hans-Christian Pfohl，Moritz Gomm. Supply chain finance： optimizing financial flows in supply chains.[J].Logistics Research，2009，1.
[5] Rhian Silvestro，Paola Lustrato. Integrating financial and physical supply chains： the role of banks in enabling supply chain integration[J].International Journal of Operations & Production Management，2014，343.
[6] 鄒小梵，唐元琦.关注的领域——物流金融学[J].科技进步与对策，2004（10）：54-56.
[7] 刘晧天，彭志忠. 物流业与金融业协同发展机制构建研究[J].东岳论丛，2009（6）：38-41.
[8] 王化争，彭志忠. 物流金融协同发展的价值链管理[J].生产力研究，2010（1）：91-92.
[9] 戴志敏，郭露. 江西省物流产业发展与金融集聚适配性分析[J].江西社会科学，2011（5）：227-230.
[10]徐文哲，何笑伟. 物流金融协同运营的风险保障与控制机制研究[J].山东社会科学，2012（12）：162-164+171.
[11]李琳，刘莹.中国区域经济协同发展的驱动因素——基于哈肯模型的分阶段实证研究[J].地理研究，2014（9）：1603-1616.
[12]王祥兵，张学立.货币政策传导系统协同演化机制研究——基于哈肯模型的理论与实证分析[J].管理评论，2014（11）：57-66.
[13]叶柏青，卢珍珍，李丹. 基于Haken Model的我国经济发展与物流业协同关系分析[J].商业研究，2016（2）：176-184.
Research on Synergetic Evolution Mechanism and Path Optimization between Logistics
Industry and Financial Industry
TANG Jian-rong，JIANG Cui-yun
（School of Business，Jiangnan University， Wuxi 214122，China）
Abstract：The integration and innovation of logistics and finance， and the construction of a logistics financial complex system with both risk sharing and win-win benefits are the effective ways for the further development and improvement of logistics industry.The paper selects 31 provinces and cities′ macro data of logistics industry and financial industry from 2004 to 2014， and uses the entropy weight method to measure regional logistics capability and financial performance. Then the study builds logistics - finance compound system based on Hawking model to study collaborative development path and evolution rules of the logistics finance. The results show that logistics capability plays a leading role in the compound system′s evolution process； the development of the logistics industry has positive effects on finance， but the financial markets do not have sufficient support to the logistics industry； the overall level of logistics - finance cooperation has entered into “collaboration stage”， logistics capability， financial performance and synergetic level all show east - middle - west decreasing trend. Based on the results， the paper puts forward object synergy， development coupling， risk-sharing， information-sharing and policy guidance， are effective measures for the coordinated development between logistics industry and financial industry.
Key words：logistics capability； financial performance； Hawking model； synergetic development
（责任编辑：周正）
关键词：物流能力；金融绩效；哈肯模型；协同发展
中图分类号：F250 文献标识码：A 文章编号：1001-148X（2017）08-0175-09
收稿日期：2017-02-26
作者简介：唐建荣（1963- ），男，江苏无锡人，江南大学商学院教授，管理学博士，研究方向：低碳经济；姜翠芸（1993- ），女，山东烟台人，江南大学商学院研究生，研究方向：物流金融。
基金项目：国家自然科学基金项目“小样本非等距灰色预测模型建模及其应用研究”，项目编号：71301061；中央高校专项项目，项目编号：2015JDZD11。
一、研究背景及文献综述
物流产业的标准化、信息化、智能化及其集约化，是提高经济整体运行效率和实现物流产业转型的重要途径。构建风险共治、利益共赢的物流-金融复合系统，是寻找物流发展战略突破口、培育竞争新优势进而提升我国物流能力的有效举措。物流金融的协同发展既为金融业的发展提供了新的利润增长点，也为物流产业的持续发展提供了资金支持与保障，还为供应链中其他中小企业解决了融资难的问题。
关于物流与金融的协同关系研究，早在20世纪50年代Dunham（1949）就对物流金融业务的政治经济和法律环境、业务模式、仓储模式、控制方式和流程进行了分析与总结。随后Lacroix和Varangis（1966）对比了美国和发展转型中国家的物流金融业务模式，认为发展转型中国家开展物流和金融的整合创新具有重大意义。Fenmore（2004）对物流金融运行模式进行了有益的探索，认为订单融资可以解决季节性或不规律现金需求情况下没有额外资产融资的问题。Hans-Christian Pfohl（2009）等认为供应链金融能够通过降低投资风险和减少融资成本优化供应链中的资金流。Rhian Silvestro（2014）等研究发现银行能够通过促进供应链集成系统内部协作及信息共享来支持买方和供应商。
国内邹小梵和唐元琦（2004）首次提出“物流金融”概念，定义了它的内涵和外延。刘皓天和彭志忠（2009）借助系统动力学模型分析物流业与金融业间的协同关系，研究表明增加金融业对物流业的支持力度，不仅有利于两个行业的协同发展，而且能够促进国民经济增长。徐琪（2009）通过构建供应链物流金融集成化协同服务体系，阐述了面向资金流、物流、信息流的供应链物流金融的协同管理，以期达到银行金融服务创新、物流企业物流服务创新和企业运营运作创新的三方共赢。王化争和彭志忠（2010）认为物流金融不同程度地提升了物流企业、银行和资金需求企业的价值链，从物流金融对物流企业价值链的提升、物流金融在银行业未来的利润增长点和物流金融破解中小企业融资障碍等方面做了有益的探讨和研究。戴志敏和郭露（2011）以江西省的11个市为研究单位，应用Logistics模型、線性时间序列数据和简单面板数据对物流业与金融业进行适配度分析。徐文哲和何笑伟（2012）从定性角度研究物流金融协同运营的风险保障与控制机制，认为对物流金融协同运营进行风险评估，有利于加强风险管理，提高规避风险能力。谌玲（2014）借助SVAR模型考察物流发展水平与金融发展深度和广度的内生协同机制，结果表明：区域金融发展广度的提升对区域物流发展水平有显著的促进作用，但金融发展深度还没有达到有效支持物流业发展的市场环境；而区域物流发展水平对金融发展的广度和深度长期有显著的促进作用，但短期会产生抑制效应。丁永琦（2014）运用VAR模型，具体确定物流业与金融业之间的动态关系及二者之间的影响方式与滞后性。
由于我国物流金融业务起步较晚，目前国内学者对物流与金融协同关系的讨论以定性分析居多，少量定量分析主要集中于系统动力学和向量自回归模型，对于物流与金融协同关系的剖析尚不完整。鉴于此，本文从定量角度出发，将物流学领域协同理论的哈肯模型引入经济系统，以2004-2014年面板数据研究我国31省市物流-金融复合系统协同行为，挖掘系统序参量，寻找系统平衡点，有效评估各省所处协同等级，最终为物流金融的路径优化提供理论依据。
二、理论基础与模型简析
（一）理论基础
协同一词最早由哈肯提出，是指复杂系统中各子系统间协调、同步与合作，从而达到各子系统之间有序化发展的行为过程。哈肯认为，系统各要素之间通过相互竞争，产生协同效应，推动系统从无序向有序进化。
协同理论应用于管理及经济系统已经有一定的研究成果，但与物流金融相结合在理论与实践中还较为少见。物流业的发展离不开金融业的支持与保障，金融业借助物流业开拓新的服务方式及服务对象，控制金融风险，两个行业需要寻求相互协同，以实现共同发展。物流业与金融业的协同发展就是把二者构成一个共同的工作整体，即物流-金融协同复合系统，其内在驱动力为控制风险与寻求共赢，并且围绕整体利润最大化进行工作。本文将协同理论应用于物流业与金融业的研究中，挖掘物流-金融复合系统的序参量，考察物流业与金融业的协同行为及协同效应的涌现情况，为物流金融的路径优化提供理论依据。
（二）方法介绍 哈肯模型是物流学领域协同理论的重要模型，通过识别序参量来评估系统所处演化阶段，已有学者将其运用至经济系统的演化分析。李琳和刘莹（2014）运用其研究中国区域经济协同发展的驱动因素，王祥兵和张学立（2014）运用其研究货币政策传导系统的协同演化机制，叶柏青等（2016）运用其研究我国经济发展与物流业的协同关系，均获得了较强的理论支撑。在哈肯的物理学模型中，考虑一个简单的运动系统，即仅由两个子系统构成，假设其中一个子系统及参量是内力，用y1表示，另外一个子系统及参量被这个内力所控制，用y2表示，则有如下运动方程：
哈肯模型的物理方程主要是针对连续型随机变量设定的，将其运用到经济系统的研究中一般都需要对其形式进行离散化处理，即：
将物流子系统和金融子系统代入哈肯模型，构造系统的演化运动方程，可以准确识别出物流-金融复合系统的序参量，并有效评估复合系统的协同水平，据此提出物流业与金融业协同的优化路径。
（三）物流-金融复合系统的协同逻辑
在经济运行的过程中，物流和资金流之间存在着必然的联系，协同发展是物流业与金融业发展的必然选择。物流业和金融业构成的复合系统，在其运营过程中实现了风险控制、利益共赢，为现代物流业解决融资难问题，为金融业提供新的利润增长点。
1.从协同发展的宏观层面来看，物流基础设施属于资本密集型工程，呈现“自然垄断”的特点，适宜采用金融贷款的方式来实现其发展。脱离金融业的资金支持，物流基础设施将难以完善，这势必会制约物流业的成长，可见，金融业是物流业发展的引擎。另一方面，物流基础设施建设及竣工后的管理、养护和车辆通行费等资金都缴入财政专户，通过财政专用账户对建设资金贷款实行统一偿还，一定程度上可以保障金融业的贷款安全。
2.从协同发展的微观层面来看，物流企业的运营发展方面需要金融机构为其提供融资渠道和资金支持，及资金存贷、结算等多种个性化服务；物流风险的保障需要金融机构为之提供多样化的保险品种和保险模式，最大限度降低物流的经营风险。另一方面，数据分析也表明，物流企业还款水平高于制造业、建筑业及石油加工业等行业。银行向物流企业增加贷款能够有效降低信贷风险，提高商业银行的投资回报率。因此，物流企业与银行信贷的协同，不仅有利于物流企业快速壮大，也有利于商业银行增强信贷风险规避的能力。
3.从协同发展的创新层来看，物流业与金融业的协同发展衍生出了物流金融这一新的业务模式，为解决中小企业融资困难带来了崭新的解决措施，为物流企业带来了新的利润增长点，同时也为银行信贷向低风险高回报的方向发展开辟了新途径。伴随着科学技术的发展和国内金融行业的成熟，物流金融如雨后春笋般茁壮发展，这是我国物流产业从传统物流向现代物流转变的最佳契机，也是物流业与金融业协同发展的催化剂。
三、指标体系与数据处理
依据序参量的选取原则及可获得性原则选取相关变量，分别构建物流能力和金融绩效评价指标体系。然后，运用功效函数对数据进行标准化处理，避免因指标量纲不同影响研究结果。最后，运用熵值法对各指标赋权，进行简单加权求和。熵值法是依据给变量信息载荷大小来确定权重的一种客观赋值方法，能够减少主观因素带来的偏差。其主要计算步骤为：（1）构建判断矩阵A=（Xij）m×n并进行标准化处理，计算第j个序参量所占的比重pij=Xij/∑mi=1Xij；（2）计算第j个序参量的熵值sij=-k∑mi=1pijlnpij（k=1/lnm，k0，sj0）；（3）计算第j个序参量的差异系数gj=1-sij；（4）确定第j个序参量的权重wj=gj/∑nj=1gj，每个变量对应的权重W=（w1，w2，…，wn），满足0wj1，∑nj=1wj=1，j=1，2，…，n；（5）采用线性加权的方法来计算序参量对系统的总贡献度，即子系统的有序度yi=∑nj=1wijXij。
（一）指标体系的构建
物流-金融复合系统运动中存在着许多参变量，分为“快变量”和“慢变量”，其中“慢变量”处于主导地位，称之为系统的序参量。它具有两个特性：一是，它确定系统的宏观行为并表征系统有序化程度；二是，它从系统中产生又决定着系统的最终结构和有序程度。在确定哪种参数属于系统的序参量时，应该尽可能多地选择具备序参量表征的参数，将其纳入模型加以求解。由于协同学研究的是系统的宏观行为，所以引入的序参量需为宏观参量，序参量的选取还应该遵循代表性、综合性、可获得性以及动态与静态相结合等原则。结合这些原则并借鉴以往学者的研究经验，本文分别构建物流子系统和金融子系统的评价指标体系。
1.物流能力（L）评价指标体系的构建。结合序参量的特性、经济系统追求利润最大化的特点及物流子系统自身运行的规律，选定物流能力作为物流子系统序参量。物流能力指物流主体提供物流服务的能力，可以表征物流系统运行的状态，定量反映物流业的行业规模、发展程度和服务水平。具体从经营性、规模性和发展性三个方面选择指标衡量物流子系统的发展，指标体系如表1所示。目前国内外对物流产业缺乏清晰的界定，而我国交通运输、仓储及邮政业增加值占物流业增加值总量的80%左右，故以此代替物流业的相关指标较为可靠。
2.金融绩效（F）评价指标体系的构建。结合序参量的特性、经济系统追求利润最大化的特点及金融子系统自身运行的规律，选定金融绩效作为金融子系统序参量表征金融业的整体发展情况，具体从经营性、规模性和发展性三个方面选择序参量衡量金融子系统的发展，如表2所示。以存贷款余额之和与地区GDP之比表示金融相关率，以保险保费收入与地区GDP之比表示保险深度。
（二）数据预处理
本文选取我国31个省市（不含港澳台地区）2004-2014年衡量物流业与金融业发展狀况的宏观数据进行实证分析，数据来源于中国统计年鉴及各省市统计年鉴。由于指标量纲不同且指标体系复杂，需要对数据进行预处理。 首先，运用功效函数对数据进行归一化处理，避免指标因不同量纲而引起评价失真；运用熵权法对各个子系统的指标赋权，各指标2004-2013年的权重均值见表3，权重越大表明该指标在综合评价中的作用越大。
从表3中可以得到，货物周转量和邮电业务总量两个指标在对物流能力的综合评价过程中的信息表达作用高于其他指标，其他指标权重基本分布在5%-9%之间。货物周转量指标权重为124%，传递了运输对象的数量和运输距离的双重信息，能够全面地反映运输生产成果；邮电业务总量指标权重为94%，反映了信息化水平物流能力的重要性。在对金融绩效的综合评价过程中，金融业增加值和金融业城镇单位就业人员平均工资的信息表达作用高于其他指标。金融业增加值的指标权重为112%，传递了区域金融生产活动的最终成果；金融业城镇单位就业人员平均工资的指标权重为104%，凸显了金融专业人才对金融绩效的驱动作用。
然后，将两个子系统内各指标按熵权法赋权结果线性加权处理，分别得到物流能力L和金融绩效F的得分值。限于文章篇幅，表4只列出2013-2014年物流业子系统与金融业子系统的数据预处理结果。
表4的计算结果可以反映我国各省市（港澳台除外）物流业和金融业的发展状况及对全国总体的贡献度大小。以2014年的数据来看，全国物流能力均值为0328，其中广东省物流能力最高，达到0747，超出均值128倍；物流能力排名前五位分别为广东、河北、山东、江苏、河南；甘肃、宁夏、青海、海南、西藏等省份偏离全国物流能力均值较远。全国金融绩效均值为0305，其中北京市金融绩效最好，达到0782，超出均值157倍；金融绩效排名前五位分别为北京、江苏、广东、上海、浙江；新疆、吉林、内蒙古、贵州、青海、甘肃、西藏、海南等省份偏离全国金融绩效均值较远。以时间轴纵向来看（限于文章篇幅，2004-2012年物流能力和金融绩效值未在表中列出），2004-2014年各省市物流能力和金融绩效对全国的贡献度都有所波动，但波動幅度较小。
四、实证研究与结果分析
本文主要研究2004-2014年物流业与金融业的协同发展机制及演化情况，具体实证分析步骤为：第一步，提出模型假设；第二步，构造运动方程并判断方程是否成立；第三步，求解方程参数并判断是否满足绝热近似假设；第四步，判断模型假设是否成立，得出系统序参量；第五步，求解势函数，得出系统稳定点；第六步，求解复合系统协同发展得分值。模型方程是利用计量软件Eviews70进行面板数据回归得到，限于篇幅，具体步骤省略。
（一）模型构建
1.假设L为物流-金融复合系统的序参量，F为快变量，则运动方程为：
L=10207L（t-1）-00387L（t-1）F（t-1）
（13343） （-220） （8）
F=07435F（t-1）+06499L（t-1）L（t-1）
（694） （252）（9）
运动方程成立，两个回归方程的拟合优度分别为R21=09783，R22=09083，拟合度较好，回归效果显著。此时，1-λ1=10207，1-λ2=07435。由此可得各控制参数的值：λ1=-00207，λ2=02565，α=00387，β=06499。λ2比λ1大超过一个数量级，满足绝热近似假设λ1<< λ2，模型假设成立，物流子系统有序度L为协同系统序参量。
2假设F为物流-金融复合系统的序参量，L为快变量，则运动方程为：
F=10746F（t-1）-01381L（t-1）F（t-1）
（6717） （-389） （10）
L=10735L（t-1）-01768F（t-1）F（t-1）
（5763） （-397） （11）
运动方程成立，λ1=-00746，λ2=-00735，α=01381，β=-01768。不满足绝热近似假设λ1<< λ2，因此模型假设不成立。
综上，物流能力L为2004-2014年间影响我国物流-金融复合系统的序参量，在整个系统演化过程中起支配作用，通过与其他参量的协同共生，共同促使我国物流-金融复合系统从无序到有序、从低级到高级协同演进。
λ1、λ2、α、β都是哈肯模型的控制参数，对控制参数进行分析可以初步知悉系统的演化行为：控制参数α为正值，表明目前金融市场的发展并没有对现代物流业发展起到充分的支持作用，相反，对现代物流业的发展有抑制效应；控制参数β为正值，反映了物流业的发展对金融业的发展有一定的促进作用，金融业因物流业的存在呈非线性增长；λ1为负值，表明物流-金融复合系统内部已经建立物流业不断增长的正反馈机制；λ2为正值，表明物流-金融系统内部已经形成金融业发展递减的负反馈机制。
（二）势函数求解
为进一步分析物流-金融复合系统的演化行为及有效判断系统所处状态，需要对势函数求解：
（三）协同度评价
任意一点B与复合系统稳定点A的距离远近决定了其所处的状态，即系统状态评价函数为：
d=（L-04590）2+（V（L）+00011）2（14）
d值越大，表明系统协同状态越差；反之，d值越小，系统的协同度越高。将d值进行正向化处理，将其转换为（0，1）之间的正向指标，可得出协同得分值SS（Synergetic Score），2004-2014年我国31省市区域物流-金融复合系统协同发展得分值计算结果见表5。
SS=dmax-ddmax-dmin（15）
据以往学者研究经验，可将物流业与金融业的协同演化过程定义为五个阶段：初始级、成长级、协作级、成熟级和持续优化级，如图2所示。从初始级到成长级是严格的过程，从成长级到协作级发展是标准一致的过程，从协作级到成熟级是服务拓展的过程，从成熟级经过不断优化达到持续优化级。 由表4计算结果可知，广东、河北、山东、江苏、河南2014年物流能力L值超出了系统稳定解，在势函数图中位于系统稳定点A（04590，-00011）的右边，尤其广东省超出幅度较大。说明它们已经或者正在从有序状态突变为新的无序状态，进入向更高级协同发展阶段跃升的演化进程，因此本文将它们归为持续优化级。
为了更好地把握我国物流-金融复合系统发展状况，结合各省市物流业、金融业发展状况及空间状况，根据2014年协同得分值将我国31省市区域物流-金融复合系统发展阶段分为五类。将位于系统稳定点A（04590，-00011）右边的5个省份，即广东、河北、山东、江苏、河南归类为持续优化级；将位于系统稳定点左边的26个省市利用SPSS进行聚类，分为四类，见图3，总分类结果见表6。
我国大部分地区物流金融协同水平处于协作级及以上阶段，我国的物流业与金融业存在着相互影响、相互耦合的互动关系：
（1）初始级，即物流业与金融业处于协同发展的初始阶段，需要经过严格的过程才能向成长级迈进。此时，物流企业或金融机构还未意识到或刚刚意识到物流与金融协同发展的重要性，未采取有效措施或只采取有效措施进行紧密合作，如宁夏、青海、海南、西藏地区。
（2）成长级，即物流业与金融业处于协同发展的成长阶段。物流企业与金融机构已明确认识到物流与金融协同发展的重要性，刚刚开始采取措施在要素能力、业务范围、信息资源上共享，需要经过标准一致的过程才能向协作级迈进。吉林、甘肃、云南、天津处于这一阶段。
（3）协作级，即物流业与金融业处于协同发展的协作阶段，需要继续拓展服务才能向成熟级迈进。在达到成长级的基础上，物流企业与银行已具备较强联系。金融机构开始为与其关系密切的物流企业提供贷款、保险及证券融资等业务，促进物流业发展。物流业得到支持的同时也为金融业提供了业务增长。福建、山西、陕西、贵州、北京、广西、新疆、江西、黑龙江、重庆处于这一阶段。
（4）成熟级，即物流业与金融业处于协同发展的成熟阶段，有待继续加强合作进入持续优化级。物流业与金融业具备较为密切的协作关系，协同发展已取得一定成果。部分金融机构与部分实力较强的企业开展物流金融、物流保险及与物流相关的证券、信托业务。辽宁、浙江、四川、内蒙古、安徽、上海、湖南、湖北处于这一阶段。
（5）持续优化级，即物流业与金融业处于协同发展的最优化阶段。物流企业和金融机构紧密协作，复合系统的发展状态接近于系统平衡态，已经或者正在从有序状态突变为新的无序状态，进入向更高级协同发展阶段跃升的演化进程。广东、山东、河南、江苏、河北五个省份正处于这一阶段。
2014年我国物流能力东部、中部和西部均值分别为0413、0331、0267，东部高于中部高于西部；金融绩效东部、中部和西部均值分别为0464、0239、0210，东部高于中部高于西部。东部11省中处于持续优化级的省份有4个，成熟级3个，协作级2个，成长级1个，初始级1个；中部8省中处于持续优化级的省份有1个，成熟级3个，协作级3个，成长级1个，初始级0个；西部12省中处于持续优化级的省份有0个，成熟级2个，协作级5个，成长级2个，初始级3个。可见，我国物流金融协同发展水平也呈现出东部高于中部高于西部的三级阶梯式。
五、系统协同优化方案
物流与资金流在国民经济体系中同量反向循环，二者的协同发展程度势必会影响到社会资源的合理分配和国民经济的健康发展。通过对我国31省市（港澳台除外）2004-2014年物流-金融复合系统实证分析发现，协同系统正从远离平衡态向平衡态发展，其中物流能力作为序参量在系统的演变中起主导作用；地区间物流能力、金融绩效及物流业与金融业协同发展水平参差不齐，呈现东部高于中部高于西部的三级阶梯式，部分地区系统发展进程缓慢。因此，亟须构建有效的物流-金融协同机制，推动物流企业和金融机构的协同水平和协同进程。
1.目标协同。对于协同水平处在初始级的宁夏、青海、海南、西藏地区来说，物流企业或金融机构还未意识到或刚刚意识到物流与金融协同发展的重要性。需要构建目标协同机制，站在全局的角度来协同系统的内部目标与外界环境的关系，制定统一目标，提高整体功能大于部分的认识，最终实现整个系统的提升。
2.发展耦合。协同水平处在成长级的省份，物流企业与金融机构已明确认识到物流与金融协同发展的重要性，并开始采取措施在要素能力、业务范围、信息资源上实现共享。这一阶段的主要任务就是继续加强合作，建立发展耦合机制。大力发展物流金融业务，搭建以物流金融业务为基础的“物-银-企”合作平台，从而实现物流、商流、资金流、信息流“四流”的有效整合。物流企业以融通仓形式为中小企业抵押担保，商业银行向被担保的中小企业贷款，解决其融资困难，提高其资金周转率，促进中小企业发展壮大，使物流业、金融业及供应链中其他企业三方获得共赢发展。
3.风险共担。协同水平处在协作级的省份，物流业与金融业之间已具备较强联系，但协同的过程中物流业与金融业都会遭遇一定的风险，亟须增强风险预测、控制及应对能力。金融业面临的风险主要来源于金融监管体制不健全、信贷风险、金融创新风险和质押物风险；物流业面临的风险主要来源于物流企业融资风险、合同责任风险、第三者法律责任风险、投资风险、提供物流方案的风险、提供金融服务的风险等。两业及相关部门需要共同面对以上風险，充分利用保险工具的防灾防损及经济补偿职能，共创风险控制机制。保险业不仅可以为物流过程提供风险保障，也可以为物流金融这一新型产业提供风险保障。
4.信息共享。处在成熟级和持续优化级的省份，如广东、山东、江苏等地区，物流业与金融业的协同发展已取得一定成果，但是市场竞争的存在会诱导协作双方为了短期利益而采取非协同行为，导致两业协同发展遭遇瓶颈。因此，需要借助“互联网+”战略，打造“智慧物流金融模式”，使互联网与金融机构、物流企业形成战略同盟。形成点对点和以物流企业为中心的物流金融信息共享传递模式，减少信息不对称问题，有效实现物流、资金流、信息流的一体化整合。 5.政策引导。物流-金融复合系统的整体提升需要营造两业协同发展的良好政策环境，协同水平处于任一层级的省份都需要建立良好的政策引导机制。相关的企业和政府主管部门要充分认识物流业与金融业协同发展的重要性，在发挥市场机制作用、调动企业积极性的基础上，切实把物流金融协同发展作为增强物流能力、增强物流绩效、推进产业结构优化的重点工程，积极营造有利于两业协同发展的物流金融生态环境。
参考文献：
[1] Dunham A. Inventory and accounts receivable financing [J].Harvard Law，1949.
[2] Lacroix R，Varangis P. Using warehouse receipts in developing and transition economies [J].Finance & Development， 1966（9）： 36-39.
[3] Fenmore，E. Making Purchase-Order Financing Work for You[J].Secured Lender，2004，60（2）.
[4] Hans-Christian Pfohl，Moritz Gomm. Supply chain finance： optimizing financial flows in supply chains.[J].Logistics Research，2009，1.
[5] Rhian Silvestro，Paola Lustrato. Integrating financial and physical supply chains： the role of banks in enabling supply chain integration[J].International Journal of Operations & Production Management，2014，343.
[6] 鄒小梵，唐元琦.关注的领域——物流金融学[J].科技进步与对策，2004（10）：54-56.
[7] 刘晧天，彭志忠. 物流业与金融业协同发展机制构建研究[J].东岳论丛，2009（6）：38-41.
[8] 王化争，彭志忠. 物流金融协同发展的价值链管理[J].生产力研究，2010（1）：91-92.
[9] 戴志敏，郭露. 江西省物流产业发展与金融集聚适配性分析[J].江西社会科学，2011（5）：227-230.
[10]徐文哲，何笑伟. 物流金融协同运营的风险保障与控制机制研究[J].山东社会科学，2012（12）：162-164+171.
[11]李琳，刘莹.中国区域经济协同发展的驱动因素——基于哈肯模型的分阶段实证研究[J].地理研究，2014（9）：1603-1616.
[12]王祥兵，张学立.货币政策传导系统协同演化机制研究——基于哈肯模型的理论与实证分析[J].管理评论，2014（11）：57-66.
[13]叶柏青，卢珍珍，李丹. 基于Haken Model的我国经济发展与物流业协同关系分析[J].商业研究，2016（2）：176-184.
Research on Synergetic Evolution Mechanism and Path Optimization between Logistics
Industry and Financial Industry
TANG Jian-rong，JIANG Cui-yun
（School of Business，Jiangnan University， Wuxi 214122，China）
Abstract：The integration and innovation of logistics and finance， and the construction of a logistics financial complex system with both risk sharing and win-win benefits are the effective ways for the further development and improvement of logistics industry.The paper selects 31 provinces and cities′ macro data of logistics industry and financial industry from 2004 to 2014， and uses the entropy weight method to measure regional logistics capability and financial performance. Then the study builds logistics - finance compound system based on Hawking model to study collaborative development path and evolution rules of the logistics finance. The results show that logistics capability plays a leading role in the compound system′s evolution process； the development of the logistics industry has positive effects on finance， but the financial markets do not have sufficient support to the logistics industry； the overall level of logistics - finance cooperation has entered into “collaboration stage”， logistics capability， financial performance and synergetic level all show east - middle - west decreasing trend. Based on the results， the paper puts forward object synergy， development coupling， risk-sharing， information-sharing and policy guidance， are effective measures for the coordinated development between logistics industry and financial industry.
Key words：logistics capability； financial performance； Hawking model； synergetic development
（责任编辑：周正）