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。