中国科学院数学与系统科学研究院期刊网

计量经济学报, 2022, 2(3): 465-489 DOI: 10.12012/CJoE2022-0023

论文

金融学的发展趋势和挑战与中国金融学的机遇

周颖刚,1,2,3, 纪洋,2,3, 倪骁然,2,3, 谢沛霖,2,3

1. 厦门大学宏观经济研究中心, 厦门 361005

2. 厦门大学经济学院金融系, 厦门 361005

3. 厦门大学王亚南经济研究院, 厦门 361005

Development Trend & Challenges of Finance Research and Opportunities of China's Finance

ZHOU Yinggang,1,2,3, JI Yang,2,3, NI Xiaoran,2,3, HSIEH Peilin,2,3

1. Center for Macroeconomic Research, Xiamen University, Xiamen 361005, China

2. Department of Finance, School of Economics, Xiamen University, Xiamen 361005, China

3. The Wang Yanan Institute for Studies in Economics, Xiamen University, Xiamen 361005, China

收稿日期: 2022-03-17  

基金资助: 国家自然科学基金.  71940004
国家自然科学基金.  71988101
国家自然科学基金.  72071167

Received: 2022-03-17  

Fund supported: National Natural Science Foundation of China.  71940004
National Natural Science Foundation of China.  71988101
National Natural Science Foundation of China.  72071167

作者简介 About authors

周颖刚,厦门大学宏观经济研究中心、经济学院金融系与王亚南经济研究院教授,经济学博士,研究方向:实证资产定价、国际金融与贸易、金融与房地产市场,E-mail:yinggang.zhou@gmail.com

纪洋,厦门大学经济学院金融系与王亚南经济研究院副教授,经济学博士,研究方向:银行金融、数字金融,E-mail:jiyang@xmu.edu.cn

倪骁然,厦门大学经济学院金融系与王亚南经济研究院副教授,经济学博士,研究方向:利益相关者(stakeholder)与政策评估、制度变迁与企业发展、企业信息环境,E-mail:nxr@xmu.edu.cn

谢沛霖,厦门大学经济学院金融系与王亚南经济研究院副教授,经济学博士,研究方向:金融经济学、金融计量学、市场微观结构、行为金融学,E-mail:ph77@cornell.edu

摘要

本文梳理了现代金融学研究的发展，汇总整理了1950年以来金融学在资产定价、公司金融与金融市场与经济成长关系等的理论和方法的演变，再进一步分析金融学研究的发展趋势和面临的挑战。在此基础上列出金融学发展的前沿问题，包含针对金融危机与数字货币的新货币理论、可持续金融、金融安全与气候金融等，并将防范系统性风险、拓展货币理论和普惠金融等议题列为中国金融学的机遇.

关键词： 金融学 ; 发展趋势 ; 中国金融学 ; 机遇与挑战

Abstract

This study investigates the recent development of financial research. We first summarize the up-to-date progress of research on asset pricing, corporate finance, and the economic development and finance market. Then we analyze emerging trends and challenges and show the following frontiers of financial research, including new monetary theory to accommodate financial crisis and digital currency, sustainable finance, finance safety, and climate finance. Among these topics, there are significant opportunities for China's finance research, especially in the area of preventing financial systemic risk, expanding and monetary theory, and developing inclusive finance.

Keywords： finance ; development trend ; China's finance ; opportunities and challenges

PDF (1078KB) 元数据 多维度评价 相关文章 导出 EndNote| Ris| Bibtex  收藏本文

本文引用格式

周颖刚, 纪洋, 倪骁然, 谢沛霖. 金融学的发展趋势和挑战与中国金融学的机遇. 计量经济学报[J], 2022, 2(3): 465-489 DOI:10.12012/CJoE2022-0023

ZHOU Yinggang, JI Yang, NI Xiaoran, HSIEH Peilin. Development Trend & Challenges of Finance Research and Opportunities of China's Finance. China Journal of Econometrics[J], 2022, 2(3): 465-489 DOI:10.12012/CJoE2022-0023

本文对金融学研究主流范式进行梳理, 分析全球金融危机的冲击和数字经济发展使研究范式可能发生的变化, 在此基础上考察金融学的发展趋势和挑战以及前沿研究问题, 并结合中国金融发展的现实情况, 提出中国金融学面临的机遇, 包括一些未来需要关注和重点发展方向和议题.

1 金融学研究的主流范式

作为经济学的一个分支, 金融学遵循经济科学的研究范式. 一个研究范式包括理论(theory) 与模型方法(model & methods) 两部分, 从理念上看经济学的核心问题是在经济活动中的人如何进行资源配置和财富分配以实现效率与公平, 这是各种经济社会制度都要追求和平衡的两大目标; 现代经济学的研究方法基本上可以分为两类: 以假设-演绎为基础的经济学规范研究方法, 包括文字分析和数理模型, 和以数据和计量方法为基础的实证研究方法. 自20世纪50年代以来, 金融学研究的主流范式是运用实证的方法分析微观决策者如何通过金融体系进行跨期配置资源.

1.1 现代金融学研究的主流理论

20世纪50年代以前, 金融经济学更接近于宏观经济学, 特别是公共财政学和货币经济学. 以美国金融学会为例, 它成立于1939年, 初期每年选举1位会长和代表货币银行、公司金融、投资、公共财政和保险等子专业领域的5位副会长, 这种组织架构基本反映了二战到20世纪50年代前金融经济学的研究重点领域.

从20世纪50年代开始, 金融经济学进入了一个全新的时代, 开始运用主流经济学的研究范式系统性地分析金融问题, 即个人、家庭、企业、政府等通过金融体系跨期配置资源以求在不确定条件下最大化效用和福利, 涌现了第一批历史性的学术研究成果, 如Markowitz (1952)的资产组合理论、Sharpe (1964)的CAPM模型, Modigliani-Miller (1958)公司资本结构模型等.

作为现代金融学的两大支柱领域, 资产定价和公司金融犹如一个硬币的两面, 相伴相生, 共同发展. 特别是20世纪70年代以来, 这两大领域涌现出了一系列奠基性的成果. 在资产定价领域, 在数理经济学快速发展的背景下, Merton (1973a)引入了包含投资机会状态变量的风险状态因子模型(intertemporal capital asset pricing model, ICAPM), 随后Rubinstein (1976)以及Breeden (1979)相继提出了以消费为基础的资产定价模型(consumption-based capital asset pricing model, CCAPM). Cochrane (1991)则提出了以生产基础的资产定价模型(production-based capital asset pricing model, PCAPM), 在假设生产者已知家户最优化消费投资决策下, 厂商利用投资来最大化厂商股价, 因此优化的投资决策可以反映家户端对风险贴现的信息. 同时, 经济学与数学的学科交叉发展, 也迸发出学术界最优雅金融定价公式Black-Scholes and Merton (1973)的期权定价理论. 上述学者的贡献奠定了现代金融学基础, 其中Modigliani于1985年、Markowitz, Miller and Sharpe于1990年以及Scholes and Merton于1997年获得诺贝尔经济学奖.

在公司金融领域, 以Jensen and Meckling (1976)的发表为标志, 学者们逐步放宽Modigliani-Miller (1958)的若干基本假定, 将信息不对称、委托代理问题等因素引入到基于理想世界的研究框架中来. 其中, 围绕资本结构这一公司金融领域的经典议题, 学者们综合考虑信息不对称、税收、实物期权等因素, 就企业是否存在最优资本结构、为何会导致实际资本结构与理论预期偏离等问题进行了广泛探讨. 20世纪80年代以来, 基于股东利益最大化的视角, 学者们对董事会、股权结构、公司控制权市场等重要的公司治理机制进行了深入研究(Shleifer and Vishny (1997), Zingales (2000), Tirole (2001), 白重恩等(2005), 朱武祥等(2014), 李维安等(2019), 吴世农(2019)). 上述研究推动了一系列资本市场重要制度变革的形成, 前所未有地加深了金融学的理论同现实世界的联系程度.

20世纪80年代以来, 经济金融学科开始与心理学进行了学科交叉发展, 进而发展出了行为经济学与行为金融学, 其通过实验的方式更进一步理解人们在获利与损失下的复杂认知与抉择, 如: Kahneman and Tversky(1979, 1986)提出的前景理论和框架效应等, 清楚地解释人们的某些抉择并不符合过去传统理性的定义. 随后Thaler等应用了相关的理论来解释金融异象, 如Benartzi and Thaler (1995)应用了前景理论下人们有损失规避(loss aversion) 的特质来解释知名的股价溢酬之谜(equity premium puzzle), 在2000年后的因子动物园的时代中, 行为经济学与行为金融学逐渐发展成了经济金融学中的重要子领域, Kahneman and Thaler分别于2002和2017年获得了诺贝尔经济学奖.

在金融学蓬勃发展的大背景下, 学者们也一直思考金融与经济的关系. 金融发展与经济增长往往相伴而生, 因此在这一领域的研究中, 学者们对金融发展与经济增长孰为因孰为果争执不休(林毅夫和孙希芳(2008), 江春和苏志伟(2013)). 1970年代, 美国经济学家E.S.Shaw和R.I. Mckinnon1分别从"金融抑制"和"金融深化"的角度论证金融自由化政策对于发展中国家经济发展的必要性. 20世纪80年代后, 广大新兴市场国家纷纷开启了金融自由化的举措, 广泛吸收借鉴以美国为主要代表的发达金融市场的实践. King and Levine (1993)基于80个国家近30年的数据进行了开创性的研究, 发现金融发展的确促进了经济增长. Bekaert and Harvey (2000)等学者针对金融开放如何影响经济发展和企业成长进行了较为系统的研究. 不过, 随着研究的深入, 学者们开始不仅仅局限于探讨金融发展和经济增长的因果关系, 而是就金融发展促进经济增长的前提条件和作用机制等问题进行更深层次的探讨(林毅夫等(2009)). 特别地, 始自LLSV (1997、1998)的一系列研究表明, 高效的法律制度、良好的产权保护制度是金融体系有效运转并促进经济增长的前提. 并且, 由于各国的基础制度不同、公司治理水平不同, 因此金融开放和经济全球化的效果可能会较为有限(Stulz (2005)). 此外, 越来越多的学者也认识到, 支持企业创新是金融发展促进经济增长的关键突破口, 由此形成了一系列金融发展影响企业创新、进而促进经济增长的研究. 此外, 2008年国际金融危机的爆发深远地影响了实体经济, 金融发展与经济增长的关系在新的历史条件下重新成为了各界关心的重要议题. 一方面, 考虑到银行系统的重要性, 在危机期间政府往往救助银行, 以避免流动性收缩; 另一方面, 政府对银行的干预将影响银行的商业决策, 造成信贷资源的错配.

1他们分别出版了《经济发展中的金融深化》和《经济发展中的货币与资本》一书.

1.2 现代金融学研究的主流模型与方法

在现代金融学的研究中, 数据比其他领域可得和丰富. 例如, 芝加哥大学商学研究生院于1960年成立了Center for Research of Security Prices (CRSP, 证券价格研究中心), 收集了美国股市的历史数据, 至今仍是权威的数据库之一. 同时, 20世纪70年代中, 金融计量经济学的发展也为运用金融数据验证金融理论提供了严谨的方法, 随后到了80年代实证金融快速崛起, 成为现代金融学研究的主流方法.

资产定价一直是金融学最主要的研究领域之一, 其发展集中体现了现代金融学主流研究方法的演进过程, 即实证研究随着数据可得性的加深而日渐成为主流. 自1960年代Sharpe (1964)与Lintner (1965)提出市场风险因子模型(capital asset pricing model, CAPM) 之后, 金融领域在资产定价议题上开启了一系列有组织的研究. 20世纪70年代, Merton (1973a)引入了包含投资机会状态变量的风险状态因子模型ICAPM. 随后Rubinstein (1976), Breeden and Litzenberger (1978)以及Breeden (1979)相继提出了以消费为基础的资产定价模型CCAPM, Cochrane (1991)相继又提出了以生产基础的资产定价模型PCAPM. 这些理论模型虽然得到了不断的发展和丰富, 但并没有获得实证上的广泛支持, 直至1993年因子模型的提出. Fama and French (1993)的因子模型对股票截面数据(cross-sectional data) 拥有非常高的解释能力并且逐渐成为资产定价的标杆. 尽管三因子模型对现实拥有很好的解释能力, 但仍因缺乏理论模型的支持, 其主要论述仅仅立足于风险溢酬之上(如ICAPM).

继三因子模型后, 资产定价模型进入因子动物园(factor zoo) 的时代, 许许多多的特色因子被推出, 并用来解释或预测股价的报酬率2. 在Hou et al. (2020)的文献研究中, 共列举了452个因子之多, 但是总结来看, 这些特色因子的解释不外乎属于风险溢价与定价错误两个范畴. 近年来, 学者们开始表达出相关的忧虑, 即研究者不断地推出新的因子来满足市场的持续需求, 这些虽然很实用但是缺乏理论依据的因子最终会带来毁灭性的结果, 这意味着严谨做研究的学科和时代的终结(Fama and French (2018)). 出于上述担忧, 近几年一系列学者的研究开始深入探究哪些特质因子是多余的, 哪些特质因子有理论支持且能够包含其他的因子特质, 并进一步检讨与缩减因子的数列. 因此, 资产定价领域正从因子动物园时代进入因子战国(factor war) 时代.

2其中包括动量因子(Jegadeesh and Titman (1993))、公司盈余(Haugen and Baker (1996), Campbell and Shiller (1988))、反转效应(Jegadeesh (1990))、特质波动度(Huang, Liu and Rhee et al. (2010))、彩券特质(Kumar et al. (2011))、关注度Barber and Odean (2008)、情绪指标(Baker and Wurgler (2006))等等.

在因子战国时代, 用不同统计方法或是理论模型来进行因子筛检的文章受到了期刊的重视, 如LASSO等方法(Feng et al. (2020), Gu et al. (2020)). 除了上述两篇以新统计方法来筛选因子的文章外, 对于因子间动态关系的研究仍存在进一步了解的必要, 如Hou et al. (2015)解释了为何投资因子可以取代价值因子的原因. 同样, 许多因子间的相关性仍需要用理论模型来厘清. 而在新的理论发展上, 在2000年后行为金融与信息不确定等定价概念外, 也持续有新的理论推出, 如He and Krishnamurthy (2013)提出的中介定价理论(intermediary asset price)等也有待相关的实证支持.

21世纪初以来, 来自经济学经验研究的"因果可信性革命"给金融学的发展带来了深远影响. 在数据大为丰沛的背景下, 实证金融的研究蓬勃发展, 因果识别在金融学的实证研究中前所未有地受到了重视. 2021年的诺贝尔经济学奖得主David Card、Joshua Angrist与Guido Imbens以准自然实验方法解决内生性问题的经典研究, 在金融学研究中被广泛应用. 例如, 金融学中使用准自然实验的最早研究之一的Bertrand and Mullainathan (2003)基于美国各州反并购法案的制度变化, 考察了公司治理机制对企业内部人行为的影响, 产生了广泛的影响力. 一些更加新兴的方法, 例如断点回归, 也日益受到重视. 例如, Chang et al. (2015)利用断点回归准自然实验研究了罗素1000指数样本股调入罗素2000指数以及罗素2000指数样本股调入罗素1000指数时的价格效应, 发现了显著的调入和调出效应.

与上述的资产定价领域类似, 以实证为主的研究风格也贯穿了公司金融、货币银行、国际金融等金融学各个重要的子领域. 这一风格的不断发展, 彰显了金融学与现实联系紧密、数据可得性高的典型特征.

另一方面, 从建模方法来看可以分为单期静态建模与连续时间动态建模. 除了传统经济的供给需求均衡方法外, 最经典的建模方法乃是Sharpe (1964)引入的市场投资组合为有效率资产分配概念, 将风险的单位溢价(价格)转换为市场投资组合的夏普比率. 至今此方法仍见于金融议题的探讨, 如Pástor et al. (2020)探讨投资人对ESG偏好与偏好不确定产生对股票收益率的影响. 动态建模经典方法乃是Merton (1973b)在市场组合为效率的资产配置的基础上引入的多期投资下投资机会成本的概念, 因此除了市场因子, 反映投资机会的因子也会影响着资产的定价.

此外, 在不引入市场投资组合为效率资产的假设下, 针对个别的特质因子, 众多的研究也基于不同效用函数, 如前景理论(prospect theory)、突显理论(salient theory)和跨期替代弹性函数(EIS function)等, 建立静态单期或是动态多期的定价因子. 许多模型也将消费端或是生产端的效用函数融入随机因子的折现, 再利用随机折现未来股价的预期值为股价现值的条件式进行广义矩估计法(GMM) 估计出模型参数.

2 金融学研究的发展趋势与挑战

分析金融学的发展趋势应该考察其研究范式可能发生的变化, 主要有两条线索: 一是技术变革推动的变化, 当前的技术变革以使用数字化的知识和信息作为关键生产要素、以现代信息网络作为重要载体、以信息通信技术的有效使用推动效率提升和经济结构优化, 与此相关的一系列经济活动可以归结为"数字经济"; 二是社会变革推动的变化, 当前世界正处于"百年未有之大变局". 26位国际一流经济学家推出"马克龙报告", 提出未来的三大经济挑战: 气候变化、经济不平等与人口变化(老龄化), 他们还指出技术变革是这三个议题中的一个核心内容, 既是问题的组成部分, 也是解决方案的组成部分.

在金融方面, 2008年全球金融危机显著而又深远地影响了世界经济金融发展态势, 暴露出的一系列深刻问题, 从微观的货币和激励扭曲问题, 到宏观的系统性风险和财富分配不平等问题, 并没有从根本上得到解决, 以至于在2020年新冠肺炎疫情全球大流行的冲击下, 酿成更大规模的全球金融动荡, 也为数字经济的进一步发展带来巨大的挑战和机遇. 在此背景下, 偏微观、偏实证风格的金融学研究主流范式不断深化, 同时, 数字经济和数字金融的发展对主流研究范式提出挑战.

2.1 理念革新

2.1.1 微观个体研究的深化, 系统性风险受到瞩目

2008年前, 美国经济经历了几十年的"大缓和"时期(Great Moderation), 实体经济活动的整体波动性降低, 而金融危机后, 实体经济陷入大衰退(Great Recession). 宏观经济与金融的关系重新被深刻反思, 经济学者纷纷将金融中介和金融摩擦直接整合到宏观经济分析中(Caballero (2010), Woodford (2010)), 公司金融学者在实践中反思基于股东最大化视角的原有框架, 资产定价学者则将金融中介融入资产定价模型中(He and Krishnamurthy (2013)). Hirshleifer (2020)也在美国金融学学会主席报告中将过去信息不对称与行为金融等议题提升, 提出群体的社会传播过程偏差(social transmission bias)为基础的模式来研究羊群效应等从众的非理性集体行为.

2008年国际金融危机发生后, 社会各界也对国际金融危机前主要金融机构内部治理机制不力的问题给予了广泛关注. 一个典型事实是, 由于很多企业股东是短视的, 股东最大化视角下的公司治理可能会带来严重不利的社会后果. 因此, 越来越多的研究着眼于利益相关者视角下的公司治理问题, 关注以债权人、员工、客户为代表的利益相关者如何在投资者保护中发挥积极作用. 虽然利益相关者视角下的公司治理早有研究(Tirole (2001)), 但在金融危机的背景下, 得到了前所未有的重视. 由于利益相关者与股东在风险激励上存在显著差别, 如何平衡风险承担与风险防范的关系, 成为了新的历史条件下的重要课题. 创新是经济发展的核心动力, 而创新活动具备高风险. 因此, 企业需要保有一定的风险承担能力和风险激励, 才能够促成自身长期发展和经济转型(余明桂等(2013)). 然而, 如果企业以超额负债、过度投资等方式采取过度冒险的行为, 就有可能影响自身的经营稳定和市场价值, 甚至有可能带来一些连带的风险(Myers (1977), 童盼和陆正飞(2005), 姜付秀和黄继承(2011)). 因此, 考察企业风险行为的影响因素, 衡量适合企业的风险承担程度, 设计合理的风险激励机制, 都具有较大的学术价值和较强的实践意义.

全球金融海啸表明, 企业与金融体系间的关系错纵复杂, 金融风险和危机在全球的扩散范围及影响程度比历史上任何时期都更加猛烈, 甚至远远超过了人类的预期. 金融风险网络化传染特征愈加明显, 基于复杂网络的金融风险的传递及其对系统风险(systemic risk) 的影响已成为一个重要前沿研究方向. 从网络的角度, 金融学研究的微观基础不断深化. Herskovic (2018), Richmond (2019)分别透过厂商与国家间的投入产出数据来描述个体在网络的信息, 透过厂商生产方程以及消费与生产市场出清的均衡条件, 将上述网络信息融入家户端决定跨期资源选择的随机贴现因子, 而能利用网络中心性等特质解释了股价与外汇交易的风险溢酬.

2.1.2 金融学的研究领域大大拓展

在数字技术的助推下, 金融学的研究领域大大拓展了, 多种非常规、非传统的"另类"数据被纳入金融学的研究, 大致可以分为三个方面: 大数据与数字化足迹; 生物识别信息, 例如面部特征等生理信息甚至基因信息; 其他金融创新的应用市场, 例如数字艺术品、NFT (non-fungible token)等.

具体而言, 数字足迹与生物信息为金融交易提供了多维度、全方位的信息, 有助于降低信息不对称, 使得金融资产的定价更为精确. 上述观点也得到了国际上主要金融组织的广泛认同. 国际金融稳定委员会(FSB) 指出, 大数据的使用有助于信贷风险评估和保险合同的定价, 应当充分挖掘对应的信息价值. 经济合作与发展组织(OECD) 于2018年发布有关数字化和金融的研究报告, 特别强调大数据和人工智能的出现为金融资产的定价增加了更多的决定变量.

国际保险监管官协会(IAIS) 指出, 保险科技领域一个重要的课题就是如何挖掘和使用那些看起来和保险风险不相关, 却能在预测风险方面起到重要作用的用户数据(比如Facebook账号使用情况对保险定价的作用). 例如, 传统的健康险定价主要考虑被保险人的年龄、性别、是否吸烟、健康状况等因素, 保险公司主要通过由投保人填写调查书的方式收集相关信息. 伴随着可穿戴设备和手机应用程序的普及, 保险公司可以实时获得被保险人的运动数据、血压、体重等重要信息, 实现健康保险的动态定价. 传统的车险定价主要考虑被保险人的驾驶记录、年龄、汽车的类别、往返工作单位的路程等因素, 而车载设备的普及和物联网的应用, 使得保险公司可以通过卫星设备及时获得驾驶人的驾驶情况、驾驶速度等信息, 符合安全驾驶标准的投保人可以获得额外的保费折扣. 不难看出, 科技的兴起使得保险公司不再局限于自己收集的数据, 通过智能设备的应用以及同其他平台合作, 保险公司可以获得更多维度的数据, 为保险定价提供更丰富的变量.

2.2 模型与方法革新

2.2.1 文本数据的分析和应用

随着数字经济的不断发展, 数据总量正以空前的速度爆炸性增长, 数据类型极大丰富, 纷繁复杂的数据实时可得, 利用大数据的新估计方法被实证金融广泛采用, 如以高频数据估计股价的波动率、偏度、峰度、后尾与跳跃等、以文本分析来评估投资人情绪, 使用音频、视频等非结构化的数据分析公司电话、电视会议的信息等. 同时, 一些非金融的数据库, 如大型互联网平台的工作招聘和申请(LinkedIn)、汽车购买记录(vin.place)、分析师之前的职业经历(Zoominfo.com), 经理人之间的联系(BroadEX)、广告(TNSMI), 以及一些问卷调查、随机实验的数据也被用来分析金融问题.

学者们还充分运用文本分析等工具重新梳理了产品市场竞争、行业联动、产业链等传统主题(Hoberg and Philips(2010, 2019)), 在此基础上对同行业企业财务决策之间的同伴效应(peer effect) (Leary and Roberts (2014))、企业间的供应链网络、社会网络、贸易网络如何驱动跨行业并购(Ahern and Harford (2014), Ishii and Xuan (2014), Harford et al. (2019))、单一企业的特质风险如何沿着供应链传导(Barrot and Sauvagnat (2016))等主题进行了深入研究, 取得了一系列重大进展.

不同类别的历史数据库也陆续出现, 并逐步形成规模, 开启了"历史大数据"时代. 例如, Braggion et al. (2020)运用1930年代的历史数据研究美国白银法案对当时中国出现通货紧缩和社会运动的影响. 事实上, 历史不仅诉说了规律, 也告诉了我们什么是人性和文化.

此外, 越来越多的非结构性数据, 如视频、音频数据, 被运用到金融学研究中. Edmans et al. (2021)构建了一个音乐情绪指标, 该指标对股票未来收益有显著的预测能力, 而且音乐指标的确和听众的情绪有关, 代表真实的影响机制和路径.

与此相关, 诺奖得主席勒(Shiller) 提出"叙事经济学", 可能带来方法论变革, 也对目前得数据收集方式提出了挑战, 简单被动地收集热门语言, 远远不足以识别出重要叙事. 完整的叙事不仅仅包含故事, 还有情绪和价值判断, 其力量和危险都在于高度可共情和易传播性.

2.2.2 高维与高频数据的计量方法

与经济学各个领域内部出现"实证革命"一样, 金融学术领域逐步脱胎于早前主要基于相关关系的探讨, 更加重视基于大样本微观数据的实证研究, 对因果关系的识别和处理更为精细. 同时, 越来越多的文献, 如Feng et al. (2020), Gu et al. (2020)等, 利用了机器学习大数据驱动优化的方法来增加模型的解释与预测能力.

金融经济学是一门高度依赖于实证研究的学科, 金融经济学家进行推断的主要方法是基于模型的统计推断, 即金融计量. 虽然计量方法在经济学的其他分支中也非常重要, 但是由于不确定性(如, 协方差与高阶矩估计) 在金融学理论和实证研究中的核心作用, 金融计量学科有着其独特的不可替代的重要地位. 近20年来, 金融计量学科在越来越多的相关领域学者的贡献下蓬勃发展. 不仅仅是金融经济学家、数学家、统计学家乃至计算机科学家均为我们更好地理解金融市场从不同的角度作出了贡献. 同时, 中国学者基于中国金融市场数据的金融计量研究越来越多, 更是为这一学科带来了新的活力. 另一方面, 金融计量方法在若干分支领域内得到了显著的拓宽和提升. 这些领域包括: 金融市场波动率的测量和建模, 计量模型和理论在高频高维金融数据分析中的应用, 极端风险管理工具, 因果效应的量化, 收益率可预测性的检验和推断和基于计量方法的大规模投资组合选择等等. 同时, 金融计量也开始与金融工程、行为金融学产生学科交叉, 在高频数据的可得性大增后, 学术界开始讨论高阶矩的计量统计测度估计与期权隐含高阶矩差异的经济涵义, 这方面的研究如Carr and Wu (2009), Bollerslev et al. (2009), Christoffersen et al.(2012, 2013)对方差风险溢价的理论论述与实证分析. 而行为金融学则是以调整市场风险后的特质波动与偏度来定义个股的彩票特质来显示相关股票的未来收益率较低.

金融工程近年在欧美的学科设计逐渐测重金融科技. 相较于过去金融工程透过随机过程模型与参数模型的优化的研究方式, 金融科技更趋向大数据驱动的非参数模型优化, 如类神经网络、粒子群最优化再加上强化学习(reinforcement learning)、机器学习(machine learning) 以及深度学习(deep learning) 来进行决策的最优化分析. 同时, 除了新理论方法的引进外, 在金融科技应用面的议题也包含了区块链以及互联网金融的相关研究. 金融工程跨信息科学或大数据科学的交叉研究逐渐受到关注. 目前跨领域的发展仍偏重应用信息科学所发展出的理论方法于过去的金融工程议题, 如应用深度学习于各种信用风险的管理、应用大数据优化方法于风险对冲等. 此外, 并有结合金融工程过去已发展的随机理论来改善各种机器学习的演算法.

金融计量学科的新发展无疑提升了我们对金融市场运行的理解, 也为我们如何更好地发展金融市场提供了一些指引, 但是, 这一学科的现状距离完备或完善还非常遥远, 其未来的发展中充满机遇与挑战. 海量的实证研究呈现出的繁杂甚至有时相互矛盾的结果, 使我们更难去发现一个或一类研究带来的本质性价值; 一些曾经在发表时强有力的实证结果并没有通过时间的检验; 过于依赖假设条件和复杂参数的模型或方法无法在大量的数据中得到高效的实际运用. 如何在目前已经具备的庞大数据量和高性能计算能力的优越条件下, 对金融计量理论方法进行创新和与时俱进的提高, 将是发展这一学科的道路上的核心任务与目标.

2.2.3 网络测度的计量模型

2008年全球金融海啸表明, 经济金融一体化所引起的风险和危机在全球的扩散范围和影响程度比历史上任何时期都更加猛烈. 金融风险网络化传染特征愈加明显, 由于金融网络计量建模方法尚未成熟, 在模型估计、检验、预测等方面存在很多亟需解决问题, 迫切需要方法与工具的创新. 基于复杂网络的经济金融风险的传递及其对系统风险(systemic risk) 的影响已成为一个重要前沿研究方向:

首先, 金融风险的复杂网络建模已经成为一个重要的前沿研究领域(杨子晖和周颖刚(2018)). 可收集微观经济金融(网络) 数据, 发展网络建模的新方法, 开辟计量建模的一个新领域, 这对于金融风险传播途径研究、系统风险监控等方面具有重要的意义. 其次, 基于金融网络特性的风险管理, 可深入挖掘经济金融网络对信息、对风险的二次作用模式, 在网络上刻画风险的汇聚、传导和放大机制, 为风险管理提供新的预警工具. 第三, 金融风险驱动因素的网络估计, 可运用一个或多个经济网络去解释金融网络, 并研究可能的反向因果关系和相变关系. 第四, 目前流行的模型和方法无法直接应用系统性金融风险的政策量化评估, 需要进一步创新.

2.3 数字经济与数字金融的发展对主流研究范式提出挑战

移动互联网、云计算、大数据、人工智能、物联网、区块链等信息技术的突破和融合发展促进了数字经济的快速发展. 数字金融与数字经济融为一体, 数字经济活动的过程也是数字金融的实现过程. 虽然目前的学术研究, 大多仍是在传统的研究范式下进行, 比如基于加密货币的数据来做金融计量分析, 但数字经济与数字金融发展对主流研究范式提出的挑战却不容忽视.

自2009年比特币发行以来, 数字货币成为全球研究的热点问题. 与数字货币相伴而生的记账技术——区块链技术(blockchain), 或者称为分布式记账(DLT), 这是与现有的中心式记账体系完全不同的模式, 大大降低了现实经济的信任成本和会计成本, 将重新定义互联网时代的产权制度, 其交易既可以是数字货币, 也可以是债权、股权等数字资产, 基于区块链的供应链金融、财富管理和金融投资正在逐渐产生规模效应, 因此激发了金融学研究的新理念. 自2013年以来, 相关讨论由初步探索转向更为研究的学术分析, Cong and He (2019), Biais et al. (2019)探讨了区块链与智能合约理论建模, Auer (2020)讨论如何监管一个基于分布式记账的金融体系.

数字经济中, 数据成为驱动商业模式创新和发展的核心力量, 生长出互联网平台这一全新的经济组织, 并带来了商业模式、组织模式、就业模式的革命性变化. 大型科技公司(big tech) 借助其海量的数据和先进的科技, 正在改变金融服务的模式(BIS (2019)), 通常从支付业务开始逐步涉足金融业务, 再借助前期的数据积累, 拓展借贷、保险、征信等业务. 与传统金融机构不同, 大数据(data)、网络效应(network) 与业务生态(activity) 相互加强——同一科技公司提供多种业务平台, 大量用户形成网络效应, 这导致了数据的极大丰富, 科技公司在大数据与机器学习的基础上能够更好地设计业务、拓展用户, 形成DNA正反馈机制.

由于金融科技产品一般交易便捷, 覆盖面大, 往往会吸引大量的用户, 能够赋能消费者与中小企业, 服务原来银行无法覆盖的长尾用户; 在此基础上, 金融科技公司既可能降低银行服务的门槛, 提供普惠型的金融服务, 倒逼银行的创新与改进, 也可能形成数据垄断, 造成用户的价格歧视, 减少用户福利, 形成了新的监管挑战. 相关研究在过去几年大量出现, 包括大数据、机器学习、网络信贷、普惠金融、监管科技等(Buchak et al. (2018), Berg et al. (2019), Fuster et al. (2019)). 金融领域的顶级期刊Review of Financial Studies将2019年第5期作为金融科技专刊(Special Issue: To FinTech and Beyond) 在一定程度上代表了这一趋势.

数字经济和数字金融的发展对传统的金融学研究范式提出了挑战, 一方面, 区块链与加密货币创造了独立于中央银行的跨境支付体系, 基于此框架的稳定币甚至有可能创造独立于中央银行的日常支付体系, 那么, 法定货币在支付体系中地位的衰弱, 将对整个货币政策分析框架、宏观金融传统结论形成挑战; 更进一步地, 区块链与智能合约框架下的"去中心化金融"形成了对金融中介的替代, 这意味着金融"中介"功能有待于研究革新.

另一方面, 数字经济下大量互相关联的微观主体行为高频大数据不断产生, 使经济人的假设不断放松, 经济决策和行为研究不断深化, 包括从理性经济人到非完全理性经济人, 从孤立的经济人到互相关联的社会经济人, 从代表性经济人到异质性经济主体, 以及从经济分析到经济社会活动的系统分析(洪永淼和汪寿阳(2021)). 基于数据的数字资产越来越重要, 更多非结构化变量、社交网络结构将纳入到金融资产定价体系, 有倾向改变传统的假设-演绎为基础的金融学规范研究方法, 新趋势下大数据本身将提供新的研究范式, 从模型驱动到数据驱动, 从参数不确定性到模型不确定性, 从低维建模到高维建模, 从无偏估计到正则化(有偏) 估计, 从低频数据到高频甚至实时数据, 从结构化数据到非结构化数据, 等等(洪永淼和汪寿阳(2021)).

3 金融学的学术前沿问题

如前所述, 社会变革的冲击和数字经济的发展使金融学研究的主流范式不断深化的同时也面临挑战, 传统的货币理论受到巨大冲击, 财富分配重新回到经济学的核心, 普惠金融成为热点问题. 当前, 世界正处于百年未有之大变局, 世纪疫情加速百年变局的演进, 而乌克兰战争进一步激化百年变局, 金融安全和金融合作上升为国家战略, 这些问题也成为金融学研究的学术前沿.

3.1 金融危机和数字货币对传统货币理论的冲击

20世纪30年代大萧条和2008年两次危机都与货币政策相关联, 爆发前都出现了前所未有的经济繁荣, 危机发源地的政府都采取了极其放任自流的经济政策, 过度负债的经济模式已经充满风险(刘鹤(2012)).

2008年危机后, 各国纷纷采取更加宽松的货币政策, 直接求助金融机构, 增加债务杠杆驱动经济增长, 导致公共财政盈余无法支撑过度的举债消费, 也造成一些国家无法继续承受过重的债务负担. 加上评级机构不断下调"欧洲五国"的主权信誉评级, 引发以欧债为代表的主权债务危机, 关于主权货币和债务的理论思考也被推到学术前沿, 政府(国家) 作为一个决策(融资) 主体被纳入金融学的分析框架.

Bolton (2016)的AFA主席报告将主权融资与公司融资进行类比, 介绍一种新颖的国家资本结构分析框架, 国家的债权即国家以外币发行的主权债, 国家的股权即国家发行的货币和以本币发行的主权债. 这种框架为通货膨胀的成本和收益, 最佳的外汇储备以及主权债务重组等问题提供了新的见解, 并试图为货币经济学、财政理论和国际金融学建立一个统一的微观理论基础

引起更多争论的是所谓的现代货币理论(modern monetary theory, MMT), "现代货币"的含义是法定货币(fiat money), 本质上是政府信用货币体系, 而不是银行信用货币. MMT主张财政赤字货币化、政府作为最后雇主通过债务融资保证充分就业等政府干预政策. 该理论之所以在过去默默无闻而近年来备受瞩目, 是因为与2008年以来美国等发达国家选择债务驱动型的经济增长模式密切相关.

目前, 全球经济一直面临着低增长、低通胀、低利率的"异常"环境. 一方面, 市场主体在低利率环境下追求高收益, 可能更多从事高风险活动, 金融稳定风险可能加剧; 另一方面, 低通胀会下调企业和家庭的通胀预期, 延迟支出和投资, 引起总需求下降, 使实体经济可能陷入通缩周期, 使宏观经济下行风险放大. "三低"环境也加大了央行在维持物价稳定、促进增长与金融稳定之间权衡的难度, 宏观经济政策面临的挑战需要新的货币基础理论. 新冠疫情蔓延和以美国为首的新一轮量宽, 令全球货币体系面对着诸多挑战, 特别是负利率问题、主要发展中国家货币在全球金融体系中代表性不足等.

同时, 数字货币的兴起为传统货币理论研究带来了新的机遇与挑战. 数字货币逐渐分化为三个研究领域: 一是以比特币为代表的私营部门发行的加密货币, 它没有内在价值, 依靠市场交易预期而获得交易价值(CPMI (2015)); 第二种是以facebook计划发行的libra为代表的稳定币, 它将与法定货币的价值挂钩, 能够便利全球的跨境支付, 但同时将带来资本流动、汇率稳定的种种挑战; 第三种是各国央行普遍关注的"央行数字货币", 即央行发行的法定数字货币, 它具有法币属性, 但同时具备数字货币的便捷交易功能, 其宏观金融影响是目前各国央行的研究重点.

Brunnermeie and Niepelt (2019)构建统一的货币理论框架, 论证各类非法定货币(private currency) 与法定货币(public currency) 的等价性, 并推导出发行各类数字货币而避免经济冲击的充分条件. 其基本结论是, 在发行数字货币对流动性、财富均保持中性、且央行政策通道可以充分对冲的情况下, 货币改革不会导致经济冲击. 但这些条件在现实中通常是不满足的, 因此, 分析各类数字货币的宏观金融冲击成为一个重要的议题.

3.2 财富分配重新回到经济学的核心, 普惠(inclusive)和可持续(sustainable) 金融成为研究热点

收入分配差距过大是金融危机的前兆, 较少数的人占有较多的社会财富(刘鹤(2012)), 特别是金融机构高管薪酬激励扭曲的问题饱受诟病(Edmans and Gabaix (2016)), 薪酬方案决定了各金融机构管理层追逐高风险收益的意图, 而没有要求其承担相应的风险带来的损失, 直接鼓励了高风险投资; 银行、券商、评级机构和基金经理的激励高度一致, 使投资者相信新型金融产品可以使风险分散化, 而没有充分披露这些产品的真正风险. 只要有人愿意购买这些金融衍生产品, 持有人就不在意真实的风险, 只在意交易额和利润, 从而制造了巨大的系统风险, 而损失却由全社会来承担.

危机具有强烈的再分配效应(刘鹤(2012)), 美国爆发了"占领华尔街"等运动并蔓延至其他国家, 社会对资本、金融的态度和理念逐渐发生变化, 对金融从业人员尤其是高级管理人员表现出极大的不信任、甚至是仇视、敌对, 人民的呼声和诉求由"自由""效率"的重视逐渐趋向于"公正""平等"的呼吁.

Zingales (2015)提出一个犀利的问题——金融能否造福社会?对大多数经济学家来说, 金融显然有益于社会, 但大部分社会大众却不这么认为, 两者存在一个巨大的偏差, 足以动摇金融系统有效运作的政治合理性. 诺贝奖得主Shiller (2012)在《金融和好的社会》一书中, 指出金融对社会是有益的, 人是有很多非理性情绪的, "矫枉过正"对一个社会来说并不是一件好事情.

各国史无前例的宽松政策一方面避免出现1929年的经济大萧条, 但另一方面可能导致经济脱实向虚, 财富分配不平等不降反升, 后90%人口的财富占比显著下降, 后50%人口财富比例变成负的, 但前1%人口财富占比继续上升. 可见, 金融对财富差距扩大化可能起到推波助澜的作用. 这种差距扩大化, 往往又是社会动荡的导火索. 无论是发展中国家, 还是发达国家, 必须把金融的普惠性提高到国家发展战略的层面加以考虑.

近年欧美提倡可持续金融, 又称(ESG finance, 环境、社会与治理金融), 其目的乃是透过金融市场的运作促进良好社会发展. 其整合了对气候变化风险、社会公平与公司治理的议题的关心, 进而推出对个别公司在相关议题投入的衡量指数, 政府、市场投资者与银行得以参考该指数进行投资融资依据. 而中国则提出了相对应的普惠金融.

普惠金融(inclusive finance) 的概念是联合国于2005年"国际小额信贷年"中第一次明确提出, 从金融角度提升社会福利、增强社会保障、扶贫和保护弱势群体, 有利于向普罗大众提供更好、更便捷、更安全的金融服务, 经过十多年的实践, 普惠金融已经成为全球公认的削减贫困、保障权利、实现平等发展的重要途径. 2016年在杭州举办的G20峰会, 《G20数字普惠金融高级原则》《G20普惠金融指标体系》升级版以及《G20中小企业融资行动计划落实框架》等3个关于普惠金融的重要文件提交峰会讨论, 普惠金融上升为全球发展战略, 这方面的研究也成为热点议题, 如Kuhnen and Miu (2017), Das et al. (2020)研究指出, 民众的教育与收入会影响其对宏观与金融数据的预期偏差, 导致不良的资产配置.

3.3 百年变局下金融安全与金融合作上升为国家战略

危机爆发后, 决策者总是面临民粹主义、民族主义和经济问题政治意识形态化的三大挑战, 市场力量不断挑战令人难以信服的政府政策, 这使得危机形势更为糟糕(刘鹤(2012)). 英国脱欧、特朗普当选等一系列"黑天鹅"事件表明逆全球化初露端倪, 民粹主义抬头. 根据德银的研究, 民粹主义指数已飙涨至接近20世纪30年代的高点, 加大了全球合作的不确定性. 受到全球民粹主义抬头和逆全球化等相关趋势的影响, 研究政策不确定性(political uncertainty) 的有关话题成为了研究热点.

而新冠肺炎疫情全球大流行可能会加剧三大挑战, 促进逆全球化进程3, 特别是疫情冲击下全球金融空前动荡再次唤起世界各国的金融安全意识, 并将金融安全提高到国家安全的高度. 同时, 应对疫情又迫切需要全世界协调合作. 2008年金融危机催生了G20峰会机制, 为当时全球合作抗击金融危机发挥了重要作用, 并成为此后国际社会应对全球性议题的最高政治层面协调指导的机制性平台. 但此次疫情中, 美国和其他国家采取的极端货币政策或财政政策, 并不能扭转局面并有强烈的溢出效应, 全球货币体系和金融治理面临巨大挑战.

3 3月21日出刊的英国《经济学人》杂志, 封面图案直接就是在象征全球化的地球上面挂了个"结束"的牌子, 明确表示: " 我们所知道的全球化正在走向终结."

与疫情大流行类似, 气候变化的金融冲击也是全球性的趋势. 气候变化使得全球气候风险加剧, 有可能引发资产价格突然暴跌并摧毁金融体系. 2015年12月, 全球195个国家达成历史性气候新协议《巴黎协定》, 实施推进低碳经济转变并为其提供资金的重要任务正式开始, 由此产生气候金融(climate finance) 的概念, 世界银行将其定义为向低碳、适应气候变化发展的项目提供投融资. 2020年9月, 中国明确提出2030年"碳达峰"与2060年"碳中和"目标.

虽然气候变化和环境因素早就被纳入至宏观经济框架(Nordhaus (1992)), 但关于气候金融的学术研究方兴未艾, 金融领域的顶级期刊Review of Financial Studies在2020年第3期发表了气候金融专刊(Special Issue: Climate Finance), 说明这一学术前沿的重要性.

4 中国金融学面临的机遇

中国经济已经深度融合到全球经济中, 2021年中国GDP达到17.7万亿美元, 预计占世界经济的比重超过18%, 对世界经济增长的贡献率达到25%左右, 已相当于美国的77%, 从来没有一个国家达到这么高的比例. 同时, 世界对中国的经济依赖度持续上升. 麦肯锡的研究显示, 2000–2017年间, 世界对中国经济的综合依存度指数从0.4逐步增长到1.2. 因此, 中国金融学也面临着与世界一样的挑战, 即金融危机和数字经济下研究范式的深化和革新.

同时, 中国金融学也面临历史机遇. 一方面, 金融危机在中国并没有直接爆发, 而表现为系统性金融的防范和化解, 中国政府明确要求金融要为实体经济服务, 满足经济社会发展和人民群众需要; 另一方面, 中国数字经济发展成为全世界的领跑者, 中国信通院发布的最新《全球数字经济白皮书》显示, 我国数字经济规模已达5.4万亿美元, 位居全球第二; 央行早于2014年便开始研发数字货币, 在互联网金融数字及人工智能领域也涌现了不少世界级企业.

4.1 积极防范系统性金融风险、推进货币理论前沿探索

4.1.1 积极防范和化解系统性金融风险, 并探索其货币本源

防控系统性风险是中国经济金融运行中一个至关重要的政策取向, 也是党的十八大以来中央始终关注的重大经济金融问题. 防范化解重大风险是三大攻坚战的首要任务, 其中, 金融风险是重中之重. 习近平总书记多次强调, 防止发生系统性金融风险是金融工作的永恒主题, 要把主动防范化解系统性金融风险放在更加重要的位置, 科学防范, 早识别、早预警、早发现、早处置. 《2019年政府工作报告》中也尤其强调要继续打好"防范化解重大风险", 这是三大攻坚战之首, 指出"防范化解重大风险要强化底线思维, 坚持结构性去杠杆, 防范金融市场异常波动, 稳妥处理地方政府债务风险, 防控输入性风险".

关于系统性金融风险的研究很多, 一些学者从货币的角度出发思考金融风险的本源. 孙国峰(2001) 提出贷款创造存款的观点, 认为银行信用货币制度存在银行以盈利为目的与创造货币公共品之间的天然矛盾, 由此导致了内生的金融风险, 表现为银行流动性的内在脆弱性、过度扩张的倾向及支持存量资产交易导致的资产泡沫. 因此, 金融与实体经济之间的良性循环对防范金融危机具有关键作用, 需要通过强化金融支持实体经济、流动性约束、资本约束、银行会计管理等措施予以维持. 中国的金融体系以间接融资为主体, 在跟踪国际前沿研究进展时, 需要注意这种体制差别, 货币政策操作应主要针对银行贷款创造存款货币的行为(孙国峰(2019)).

同时, 地方政府债务风险也可以追溯其货币本源. 刘元春和陈金至(2020) 认为中国工业化伴随着金融深化持续进行, 其中的关键是以"土地引资、土地财政和土地金融"为核心的高效融资模式. 这个思路与Bolton (2016)的国家资本结构分析框架有类似的地方, 不同之处在于地方政府得以直接融资, 这是其他国家没有的, 其中土地财政和土地金融分别是股权融资和债权融资, 倒逼中央政府信用和银行信用货币, 并导致金融风险, 表现为融资平台的过度扩张、信贷错配及房价高企等.

4.1.2 加快研发央行数字货币, 拓展货币理论前沿

在数字货币的冲击下, "央行数字货币" (central bank digital currencies, CBDC) 成为近年来的国际热点问题, 受到各国央行与国际组织的关注. 同时, 我国央行加快数字货币的推进, 必将对我国的支付、银行与宏观金融体系产生不可忽视的影响.

我国已经为央行数字的发行进行了较为充分的准备工作. 目前的整体设计方案中, 我国央行数字货币的名称为"DCEP", 代表数字货币(digital currency) 与电子支付(electronic payment), 中文定义为"具有价值特征的数字支付工具". 我国的央行数字货币并不具备完全的匿名属性, 这是它与现金的另一个重要区别. 我国的央行数字货币采用了"分级限额安排", 综合了代币型与账户型的实现方式, 即对于未绑定账户的匿名使用者, 数字货币仅可进行日常小额支付; 如果要进行大额交易, 需要绑定账户、核实身份. 这一特征又被称为"可控匿名", 即在一定程度上保持了匿名属性, 又不违背反洗钱的原则. 一方面大额交易不可匿名, 另一方面所有的交易都可以进行追溯4, 能够利用大数据分析来识别匿名交易者的具体身份. 另外, 与现金投放类似, 我国央行计划对数字货币采用双层运营体系, 即人民银行对接商业银行、商业银行或机构对接个体用户. 由央行发行数字货币, 商业银行在中央银行开户, 按照百分之百全额缴纳准备金, 个人或企业通过商业银行或机构开立数字钱包, 个人或企业所持有的央行数字货币仍属于央行负债. 这一运行体系直接借助现有的商业银行体系, 能够降低央行数字货币的发行成本. 与此同时, 这也降低了央行数字货币与现金、存款的兑换成本, 居民可以较为方便地在央行数字货币、现金与存款之间进行资产配置与转移.

4我国央行数字货币的详细介绍来自于央行货币研究所所长穆长春的在线课程《科技金融前沿: Libra与数字货币展望》.

虽然我国的央行数字货币实践走在了世界前列, 但目前相关的宏观金融理论研究仍几近空白. 比较各国央行数字货币的"宏观研究"与"实践推进", 一个鲜明的对比是: 我国的"实践推动"先于"宏观研究", 但美国、英国、瑞典、丹麦等发达国家的"宏观研究"大多先于"实践推进". 例如, 丹麦央行利用开放宏观金融的理论框架进行情景模拟, 发现在固定汇率制度与资本账户完全开放的国家, 央行数字货币的发行将导致资本波动加剧. 在此研究的基础上, 丹麦明确表示不发行央行数字货币(Danmarks Nationalbank (2017)). 英国央行至今尚无明确的发行计划, 但早在2015年即公开号召学界分析其宏观影响(Broadbent (2016)), 并强调央行数字货币不是一种简单的技术问题, 它将影响金融体系的基础结构. 与此同时, 我国的央行数字货币已经"呼之欲出", 但国内的讨论多以技术路线、设计细节为主5, 关于其宏观影响尚无严谨的学术论文予以讨论.

5例如范一飞: 《关于央行数字货币的几点考虑》, 《第一财经日报》2018年1月25日, 姚前: 《央行数字货币的技术考量》, 《第一财经日报》2018年3月6日.

我国的央行数字货币发展迅速, 这既为中国学者提供了机遇, 也进一步加强了相关研究的紧迫性. 央行数字货币的发行可能对整个支付体系、金融系统都造成一定的冲击, 既可能提高我国现有体系的安全与效率, 也可能引入一定的金融风险, 还可能在某种程度上推动人民币国际化与资本账户开放进程. 如何结合我国国情对央行数字货币展开分析, 是摆在中国金融学者面前的新课题.

4.2 普惠金融存在巨大需求与明显优势

普惠金融在我国的发展中, 既存在巨大的需求, 也存在明显的优势, 在我国未来的金融学研究中具有重要的现实意义.

4.2.1 普惠金融助力小微企业融资、缓解家庭信贷约束

从需求方面看, 普惠金融主要服务于"长尾用户", 即中小微企业与缺乏有效抵押品的家庭. 从企业方面, 小微企业是我国经济发展的重要动力, 它们占市场主体的90%以上, 贡献了约80%的就业、70%的国内专利权和60%以上的GDP. 但小微贷款是一个世界性难题, 具有成本高、利润低、风险大的特点, 中国有很大一部分小微企业无法从传统金融机构取得信贷(平新乔和杨慕云(2009), 杨胜刚和胡海波(2006), 张晓玫和宋卓霖(2016)). 据世界银行2018年发布的《中小微企业融资缺口报告》统计, 截止2017年底, 我国中小微企业融资缺口大1.9万亿美元. 因此, 大力度发展多层次资本市场是助力小微企业融资的重要途径. 然而, 我国企业在直接融资的渠道上面临诸多限制, 使得很多优秀的中小微企业与直接融资无缘(谭之博和赵岳(2013)), 在资本市场上的一些"壳公司"却享有超额收益, 阻碍了上市企业质量的提升(屈源育等(2018)). 随着科创板的推进和资本市场基础制度设计的进一步完善, 中小微企业得以通过更加有效的直接融资途径化解经营发展中的难题.

从家庭方面看, 普惠金融的需求同样明显. 提供普惠于家庭的金融供给是深化金融供给侧结构性改革的必要手段. 根据西南财经大学中国家庭研究中心的报告显示, 同世界其他国家相比, 我国家庭面临着更严重的信贷约束, 受信贷约束的家庭占比要比美国高12.6%, 比欧盟地区高约20% (尹志超和张号栋(2018)). 欧美国家解决家庭信贷约束的主要金融供给来源于信用卡(Gross and Souleles (2002), Ponce et al. (2017)), 但我国人均信用卡持有量不足美国的1/5. 如果我国的家庭金融供给问题得不到解决, 必将加剧人民日益增长的金融服务需求和金融供给不平衡、不充分的矛盾. 特别是近期新冠疫情的肆虐导致经济停滞、部分家庭收入锐减、现金流"急冻", 急需有效的金融供给来确保普通家庭的正常生活. 因此, 改善我国家庭的金融供给难题任重而道远.

除了巨大的现实需求, 我国发展普惠金融还存在明显的先发优势. 我国的金融科技已经位于世界前列, 而金融科技是以市场化手段促进中小微企业贷款、提供家庭金融服务的有效方式(王馨(2015), 黄益平和黄卓(2018), 易行健和周利(2018), 尹志超等(2019), 张勋等(2019)). Hoff and Stiglitz (1998)曾指出, 规模效应是小微贷款的关键. 集中分析大量小微企业的信息, 能够降低信息不对称程度, 进而降低风控与催收成本. 而金融科技对大数据的整合分析, 是形成规模效应的有效途径. 在实践中, 以网商、微众和新网为代表的新型网络银行已每年发放上千万笔的小微贷款, 其主要风控工具是机器学习和大数据分析, 而且它们的不良率比大多数商业银行要低. 对于家庭而言, 以阿里巴巴蚂蚁金服为代表的金融科技公司积累了大量的用户支付信息, 从而在数据基础上形成了新的信贷风控系统, 根据国家金融与发展实验室的估算6, 网络消费信贷从2014年的0.02万亿到2018年的6.9万亿, 已经成为家庭部门短期信贷的主要来源之一. 借力于金融科技来实现普惠金融, 在我国既是挑战也是机遇.

6数据来源: http://www.nifd.cn/Interview/Details/1552.

4.2.2 稳步推进金融扶贫、鼓励金融科技企业积极承担社会责任

我国历来重视扶贫问题, 金融扶贫是我国金融学未来的重要议题之一. 2015年中共中央、国务院印发《关于打赢脱贫攻坚战的决定》, 提出金融支持脱贫攻坚的一揽子政策. 目前, 金融扶贫已经在我国的大力推动下形成了一套有效运作的体系, 中国人民银行在多方面建设了金融扶贫机制. 在货币政策方面, 我国通过改善货币政策传导机制, 加强扶贫再贷款管理, 落实普惠金融定向降准政策. 在金融机构方面, 我国要求银行业金融机构帮助贫困地区培育特色优势扶贫产业, 加大信贷资源投放、网点与服务终端布设, 履行定点帮扶责任.

与此同时, 我国的金融企业、特别是金融科技企业具有普惠金融的先天优势, 在我国的政策鼓励下积极承担社会责任, 努力从"普惠金融"走向"特惠金融", 促进金融扶贫与社会可持续发展. 例如, 平安银行于2018年逐步摸索水电扶贫模式, 通过支持水电建设, 为当地二、三产业提供基本能源; 通过提供资金、技术、销路和培训, 赋能集体经济, 帮助贫困户就业7. 度小满(原名百度金融) 在2019年发起的扶贫免息贷款项目"小满助力计划", 为重庆市下辖各乡镇农户提供免息贷款, 以解决农户的信贷约束8.

7信息来源: 国务院扶贫开发领导小组. http://www.cpad.gov.cn/art/2019/5/30/art_34_98575.html.

8信息来源: 中国新闻网. https://baijiahao.baidu.com/s?id=1663200977705817853&wfr=spider&for=pc.

已往经验表明, 注重社会责任的金融与非金融企业, 在危机时期因其长期声誉的建立, 往往能够更好地抵御负面冲击. 因此, 积极引导金融企业承担社会责任, 对于防范化解金融风险、服务实体经济都有重要的实践意义. 在新的历史时期, 我国的金融企业要继续以金融科技快速发展为契机, 着力跳出"逐利化"的窠臼, 完善"股东利益最大化"视角下公司治理机制的若干不足之处, 积极承担社会责任, 立足于企业和社会的长远发展. 金融扶贫与金融科技企业的社会责任, 因此成为我国未来金融研究不可或缺的部分. 一方面, 大量的现实案例、前期实践为我国创立金融扶贫模式、分享国际经验创造了条件, 也为金融理论与扶贫理论研究提供了现实基础; 另一方面, 我国金融扶贫的机制设计与成效检验需要学术研究的支持: 如何更好地发挥定量降准的作用, 如何使金融扶贫可持续化, 如何将金融与社会的可持续发展将结合, 如何利用金融科技公司的数据优势实现精准扶贫, 都是有待研究的重要议题.

4.3 百年变局下积极探索金融安全与金融合作

党的十九大报告指出, "推动形成全面开放新格局. 开放带来进步, 封闭必然落后. 中国开放的大门不会关闭, 只会越开越大". 改革开放40年使中国成为一个贸易大国, 以自贸区和"一带一路"倡议为代表的开放型经济体系的逐步构建更是标志着当前的对外开放进入新阶段. 但是, 相比于贸易开放, 作为现代经济核心的金融开放在中国却相对滞后, 中国在全球金融体系中的影响却依然较小. 今后40年的大趋势是中国加快金融开放的步伐, 不断融入世界的金融体系, 成为金融大国和强国, 即使在全球化变局下, 金融开放仍是大势所趋, 但也面临更多的风险与挑战.

4.3.1 人民币国际化与国际货币体系的均衡发展

人民币国际化始于2008年的国际金融危机, 美元流动性枯竭, 贸易融资也大规模冻结, 持有大量美元的中国, 开始对其他国家和地区提供流动性支持, 人民币国际化的另一个"机遇"是欧债和美债危机, 2011年欧债危机严重恶化, 标普下调美债的AAA评级, 使得一些国家的央行开始购买中国国债.

2016年10月1日人民币正式加入国际货币基金组织((IMF) 特别提款权(SDR) 货币篮子, 人民币以10.92%的权重成为第三大权重货币, 将对全球货币体系带来非常深远的影响. 2020年新冠疫情引发的全球金融动荡较2008年有过之而无不及, 改革以美元本位制为基础的国际货币和金融体系的呼声将更加强烈, 人民币以及人民币资产在本次全球金融动荡期间表现稳定, 体现出了避险资产的潜在性质, 这将是人民币进一步国际化的又一个重大"机遇". 中国应利用好此次机遇, 进一步扩大开放的高度、深度和广度, 探寻国际货币和金融体系的均衡发展模式.

值得注意的是, 2020年3月31日, 美联储宣布设立海外央行回购工具, 在已有的美元互换工具基础上, 进一步加码向全球提供美元流动性. 可以说, 一个以美元为核心, 明确排除人民币, 联合各主要经济体的新的国际货币金融网络已呈雏形, 在这个新网络中, 美元的国际地位进一步提升. 因此, 要警惕金融的去中国化, 需要深入研究大国之间在货币领域的博弈.

4.3.2 中国金融全面开放与国家金融安全

中国金融市场开放始于2002年, 合格境外机构投资者(QFII)、合格境内机构投资者(QDII)和人民币合格境外机构投资者(RQFII) 计划先后推出. 2010年, 中国人民银行首次允许三种类型的机构(外国中央银行、人民币结算银行和跨境人民币结算参与行) 在银行间债券市场进行投资. 2014年11月和2016年12月, 中国股票市场双向开放列车的"沪港通"和"深港通"发车. 2017年7月, "债券通"的开通, 扩大了中国债券市场的对外开放.

国际金融机构也提高了对我国股票市场和债券市场的关注. 我国A股被纳入MSCI指数, 富时全球股票指数系列(富时GEIS), 中国债市纳入"花旗世界国债指数"、彭博巴克莱债券指数. 2020年4月1日, 在我国金融服务行业进入全面开放阶段, 国外的券商、保险、期货公司, 以及信用评级机构, 都可以来中国开全资公司. 然而, 金融开放也是一把双刃剑. 日趋频繁的跨境资本流动也会导致各国金融市场间的联动和共振增强, 使单一国家的危机更易于在全球范围内传递, 为国内资本市场的风险防范以及国内宏观政策操作提出挑战.

随着我国金融开放的加快, 近年许多国外盛行许久的衍生商品在大陆发行与快速成长, 包括信用衍生品(如资产担保证券、担保贷款凭证等), 指数与商品期货、指数与商品期权、交易所交易基金(ETF)等等, 使得金融衍生品的研究处于方兴未艾之势. 然而, 2008年美国次贷风暴的教训指出, 衍生商品交易因复杂的特性而存有不对称的透明度, 加以不明确或有限责任让经理人透过增加杠杆来创造获利而最终损害股东的权益, 甚至引起"大而不能倒"的金融安全议题而危害纳税人与国家的利益. 因此美国在2010年通过多德-弗兰克华尔街改革法案(Dodd-Frank Act) 来限制银行体系对私募与对冲基金的自营交易与投资. 自法案施行后, 因参与者减少导致金融市场多种商品(包括利率交换与信用交换等) 的流动性大减. 而在2020年初因新型冠状病毒疫情导致美国金融市场面临人类史以来最大的振荡, 目前有研究指向多德- 弗兰克法案限制金融体系间借贷交易是其中的原因之一. 显然, 在中国衍生商品迅速发展并力争国际定价权之际, 有很多风险的防范方式必须事先研究. 对于越来越多的跨境交易, 政府间的金融合作与监理有其必要性.

在中国金融全面开放的背景下, 金融衍生品市场的国际定价权与风险防范已经刻不容缓. 石油是世界的主导性能源, 全球原油贸易定价主要按照期货市场发现的价格作为基准. 美国德州轻质原油(WTI)和欧洲布伦特(Brent) 原油期货长期主导着国际原油的定价权, 而亚洲一直没有一个有影响、能充分反映该地区原油实际供求情况的定价基准. 2018年人民币原油期货上市后, 主力合约的成交规模已经仅次于WTI和Brent两大原油期货, 成为亚洲及中东地区最大的原油期货市场, 已具有一定的国际定价权. 然而, 2020年4月20日, 美国西得克萨斯轻质原油(WTI) 期货5月结算价收于每桶$ - $37.63美元, 开创了"负油价"的历史记录, 使中国银行的原油宝遭受巨大亏损, 这无疑给我们敲响金融安全的警钟.

再以期权为例, 2019年呈现爆发式的成长, 推出沪深300与黄金等的15种期权, 成交量与成交金额分别年成长率超过30%, 市场金额超过5000亿元. 根据美国期货业协会(FIA) 的信息, 按照统计, 我国的三家商品期货交易所的2018年商品期货和期权的成交量分別别位列第1、第3和第4位. 同时, 2018年起我国的(指数型) 交易所基金也呈现快速成长, ETF规模至2018年底约3800亿, 占非货币基金约16%. 以上种种的迹象显示, 产业对上述的衍生商品有着强烈的需求, 许多实体经济和广大产业客户利用期货衍生品市场进行风险管理与投资避险. 可以预见的是, 国内业界将更广泛使用金融工程定价模型进行风险管理以及有更多的学者应用国外已发展的衍生商品理论于国内的衍生商品市场研究.

4.3.3 引领气候金融与绿色金融的制度建设

随着全球变暖的加剧与我国环保意识的增强, 气候金融与绿色金融成为全球各国的重要议题. 一方面, 应对气候变化、实现可持续发展需进行大量投资, 金融因此在绿色发展中起到了关键作用, 由此产生的若干相关概念, 例如可持续金融、绿色信贷、气候投融资等. 其本质均为通过金融手段实现必要的投资与融资, 进而应对气候变化、改善人居环境、实现可持续发展. 另一方面, 气候变化相关的金融风险不容忽视, 金融风险的相关分析对于应对气候变化不可或缺. 气候变化可能带来的底层金融资产面临价值贬损的风险. 气候相关的金融风险往往在集中时间、集中地区、集中发生, 进而冲击局部甚至全局的金融稳定. 从经济逻辑上, 应对气候变化、减少碳排放与控制环境污染的本质在于控制外部性, 而任何具有外部性的经济活动都需要政府的有力干预才能得到有效解决. 在政府引导与制度建设方面, 我国走在了世界前列, 无论在国内治理还是国际协同方面, 都进行了若干实践.

中国绿色金融标准体系的建设遵循"国内统一、国际接轨、清晰可执行"原则9. 在国内标准方面, 我国在过去五年健全了国内绿色金融与绿色信贷的制度条例. 2018年1月, 新修订的《中华人民共和国标准化法》正式实施, 为绿色金融标准制定和可持续发展提供了法律保障; 人民银行也在2018年制定了《银行业存款类金融机构绿色信贷业绩评价方案(试行)》, 自此存款机构的绿色信贷业绩评价结果纳入银行业存款类金融机构宏观审慎考核. 与此同时, 碳排放交易自2012年开始在多地试点, 2021年7月, 全国的碳排放交易启动, 其本质是一种金融市场.

9中国人民银行研究局局长王信《绿色金融标准体系进展和思考》, 资料来源: 新浪财经. https://finance.sina.cn/esg/2019-09-16/detail-iicezzrq6133851.d.html.

在国际合作方面, 我国积极展开绿色金融的多边合作, 影响力与话语权逐渐提升. 中国人民银行牵头了G20可持续金融研究小组10, 我国等8个国家共同发起成立了央行与监管机构绿色金融网络(NGFS)11, 目前已有63个成员. 需要指出的是, 各国制定绿色金融的标准与各国能源结构、工业化程度密切相关. 与欧美等发达国家主要关注应对气候变化不同, 包括我国在内的广大发展中国家同时面临发展经济与保护环境的双重任务, 不仅关注应对气候变化, 还关注节能减排、资源节约高效利用等, 内容更加多元化. 因此, 结合发展中国家的国情来制度绿色金融标准、兼顾"可持续"与"发展"两个目标, 应是我国的重要研究课题.

10《中国绿色金融发展报告(2018)摘要》, 来源网站: http://www.gov.cn/xinwen/2019-11/20/5453843/files/b61d608674b04494b3ae1aef76dd7b13.pdf.

11官网网站为: https://www.ngfs.net/en.

在我国制度建设与国际影响的基础上, 中国亟待填补绿色金融的相关研究. 我国的实践为绿色信贷和碳交易的研究提供了难得的自然实验, 为实证分析提供了政策冲击、识别策略与数据资源. 这方面的研究也将为我国的绿色金融发展提供有效的理论指导, 为我国进一步引领国际共识提供更充分的学术支持.

进一步地, 我国央行高度重视对气候变化相关的金融风险研究, 既包括低碳转型过程中的资产定价逻辑变化与潜在财产损失, 也包括气候异常、环境污染事件所导致的企业、家庭资产负债表冲击. 我国已开始尝试对区域、央行的气候金融风险异质性进行测算12, 但仍有大量相关的研究、测算有待推进.

12信息来源: 《碳交易对商业银行信用风险的影响》, https://www.sohu.com/a/315240456_820355; 《碳交易对商业银行信用风险的影响——基于火电行业的压力测试研究》, http://iigf.cufe.edu.cn/article/content.html?id=1298.

参考文献

白重恩, 刘俏, 陆洲, 宋敏, 张俊喜,

中国上市公司治理结构的实证研究

[J]. 经济研究, 2005, (2): 81- 91.

URL     [本文引用: 1]

Bai C E , Liu Q , Lu Z , Song M , Zhang J X ,

An Empirical Study on Chinese Listed Firms'Corporate Governance

[J]. Economic Research Journal, 2005, (2): 81- 91.

URL     [本文引用: 1]

付俊文, 李琪,

信用担保与逆向选择: 中小企业融资问题研究

[J]. 数量经济技术经济研究, 2004, (8): 62- 78.

DOI     

Fu J W , Li Q ,

Credit Guarantee and Adverse Selection: A Study of SME's Financing Problem

[J]. The Journal of Quantitative & Technical Economics, 2004, (8): 62- 78.

DOI     

洪永淼, 汪寿阳,

大数据如何改变经济学研究范式?

[J]. 管理世界, 2021, 37 (10): 40- 55.

DOI      [本文引用: 2]

Hong Y M , Wang S Y ,

How is Big Data Changing Economic Research Paradigm

[J]. Management World, 2021, 37 (10): 40- 55.

DOI      [本文引用: 2]

黄益平, 黄卓,

中国的数字金融发展: 现在与未来

[J]. 经济学(季刊), 2018, (17): 1489- 1502.

URL     [本文引用: 1]

Huang Y P , Huang Z ,

The Development of Digital Finance in China: Present and Future

[J]. China Economic Quarterly, 2018, (17): 1489- 1502.

URL     [本文引用: 1]

江春, 苏志伟,

金融发展如何促进经济增长——一个文献综述

[J]. 金融研究, 2013, (9): 114- 126.

URL     [本文引用: 1]

Jiang C , Su Z W ,

How Can Financial Development Promote Economic Growth: A Literature Review

[J]. Journal of Financial Research, 2013, (9): 133- 146.

URL     [本文引用: 1]

姜付秀, 黄继承,

经理激励、负债与企业价值

[J]. 经济研究, 2011, (5): 46- 60.

URL     [本文引用: 1]

Jiang F X , Huang J C ,

Managerial Incentive, Debt and Firm Value

[J]. Economic Research Journal, 2011, (5): 46- 60.

URL     [本文引用: 1]

李维安, 郝臣, 崔光耀, 郑敏娜, 孟乾坤,

公司治理研究40年: 脉络与展望

[J]. 外国经济与管理, 2019, 41 (2): 161- 185.

URL     [本文引用: 1]

Li W A , Hao C , Cui G Y , Zheng M N , Meng Q K ,

Forty Years of Corporate Governance Research: A Review and Agenda

[J]. Foreign Economics & Management, 2019, 41 (2): 161- 185.

URL     [本文引用: 1]

林毅夫, 孙希芳,

银行业结构与经济增长

[J]. 经济研究, 2008, (9): 31- 45.

URL     [本文引用: 1]

Lin Y F , Sun X F ,

Banking Structure and Economic Growth: Evidence from Chinese Provincial Panel Data

[J]. Economic Research Journal, 2008, (9): 31- 45.

URL     [本文引用: 1]

林毅夫, 孙希芳, 姜烨,

经济发展中的最优金融结构理论初探

[J]. 经济研究, 2009, (8): 4- 17.

URL     [本文引用: 1]

Lin Y F , Sun X F , Jiang Y ,

Toward A Theory of Optimal Financial Structure in Economic Development

[J]. Economic Research Journal, 2009, (8): 4- 17.

URL     [本文引用: 1]

刘鹤,

两次全球大危机的比较

[J]. 比较, 2012, (3): 1- 7.

URL     [本文引用: 4]

Liu H ,

The Comparative Study of Two Global Crises

[J]. Comparison, 2012, (3): 1- 7.

URL     [本文引用: 4]

刘元春, 陈金至,

土地制度、融资模式与中国特色工业化

[J]. 中国工业经济, 2020, (3): 5- 23.

URL     [本文引用: 1]

Liu Y C , Chen J Z ,

Land System, Financing Mode and Industrialization with Chinese Characteristics

[J]. China Industrial Economics, 2020, (3): 5- 23.

URL     [本文引用: 1]

平新乔, 杨慕云,

信贷市场信息不对称的实证研究——来自中国国有商业银行的证据

[J]. 金融研究, 2009, (3): 1- 18.

URL     [本文引用: 1]

Ping X Q , Yang M Y ,

On the Asymmetric Information on China's Credit Market

[J]. Journal of Financial Research, 2009, (3): 1- 18.

URL     [本文引用: 1]

屈源育, 沈涛, 吴卫星,

壳溢价: 错误定价还是管制风险?

[J]. 金融研究, 2018, (3): 155- 171.

URL     [本文引用: 1]

Qu Y Y , Shen T , Wu W X ,

Shell Premium: Mispricing or Regulation Risk?

[J]. Journal of Financial Research, 2018, (3): 155- 171.

URL     [本文引用: 1]

孙国峰,

信用货币制度下的货币创造和银行运行

[J]. 经济研究, 2001, (2): 29- 37.

URL     [本文引用: 1]

Sun G F ,

The Monetary Creation and Bank's Operation under the System of Credit Currency System

[J]. Economic Research Journal, 2001, (2): 29- 37.

URL     [本文引用: 1]

孙国峰,

货币创造的逻辑形成和历史演进——对传统货币理论的批判

[J]. 经济研究, 2019, (4): 182- 198.

DOI      [本文引用: 1]

Sun G F ,

The Formation and Historical Evolution of Money Creation: Criticisms of Traditional Money Theory

[J]. Economic Research Journal, 2019, (4): 182- 198.

DOI      [本文引用: 1]

谭之博, 赵岳,

企业规模与融资来源的实证研究——基于小企业银行融资抑制的视角

[J]. 金融研究, 2013, (3): 166- 179.

URL     [本文引用: 1]

Tan Z B , Zhao Y ,

Firm Size and Financing Sources: Perspective from SMEs' Constraint of Bank's Financing

[J]. Journal of Financial Research, 2013, (3): 166- 179.

URL     [本文引用: 1]

童盼, 陆正飞,

负债融资、负债来源与企业投资行为——来自中国上市公司的经验证据长

[J]. 经济研究, 2005, (5): 75- 84.

URL     [本文引用: 1]

Tong P , Lu Z F ,

Debt Financing, the Sources of Debt, and the Firms' Investment Behavior: Evidence from Listed Companies in China

[J]. Economic Research Journal, 2005, (5): 75- 84.

URL     [本文引用: 1]

王馨,

互联网金融助解"长尾"小微企业融资难问题研究

[J]. 金融研究, 2015, (9): 128- 139.

URL     [本文引用: 1]

Wang X ,

A Study on Internet Finance Helping Relieve SMEs Financing Constraints

[J]. Journal of Financial Research, 2015, (9): 128- 139.

URL     [本文引用: 1]

吴世农,

公司财务与金融

[J]. 科学观察, 2019, (14): 61- 63.

URL     [本文引用: 1]

Wu S N ,

Corporate Finance

[J]. Science Focus, 2019, (14): 61- 63.

URL     [本文引用: 1]

杨胜刚, 胡海波,

不对称信息下的中小企业信用担保问题研究

[J]. 金融研究, 2006, (1): 118- 126.

URL     [本文引用: 1]

Yang S G , Hu H B ,

SME's Collateral Issues at Information Asymmetry Environment

[J]. Journal of Financial Research, 2006, (1): 118- 126.

URL     [本文引用: 1]

杨子晖, 周颖刚,

全球系统性金融风险溢出与外部冲击

[J]. 中国社会科学, 2018, (12): 69- 90.

URL     [本文引用: 1]

Yang Z H , Zhou Y G ,

Global Systemic Financial Risk Spillovers and Their External Shocks

[J]. Social Sciences in China, 2018, (12): 69- 90.

URL     [本文引用: 1]

易行健, 周利,

数字普惠金融发展是否显著影响了居民消费——来自中国家庭的微观证据

[J]. 金融研究, 2018, (11): 47- 67.

URL     [本文引用: 1]

Yi X J , Zhou L ,

Does Digital Financial Inclusion Significantly Influence Household Consumption? Evidence from Household Survey Data in China

[J]. Journal of Financial Research, 2018, (11): 47- 67.

URL     [本文引用: 1]

尹志超, 彭嫦燕, 里昂安吉拉, (2019). 中国家庭普惠金融的发展及影响[J]. 管理世界, (2): 74-87.

[本文引用: 1]

Yin Z C, Peng C Y, Angela C, (2019). The Development and Impact of Financial Inclusion of Household in China[J]. Management World, (2): 74-87.

[本文引用: 1]

尹志超, 张号栋,

金融可及性、互联网金融和家庭信贷约束——基于CHFS数据的实证研究

[J]. 金融研究, 2018, (11): 188- 206.

URL     [本文引用: 1]

Yin Z C , Zhang H D ,

Financial Availability, Internet Finance and Households' Credit Constraints: Evidence from CHFS Data

[J]. Journal of Financial Research, 2018, (11): 188- 206.

URL     [本文引用: 1]

余明桂, 李文贵, 潘红波,

民营化、产权保护与企业风险承担

[J]. 经济研究, 2013, (9): 112- 124.

URL     [本文引用: 1]

Yu M G , Li W G , Pan H B ,

Privatization, Property Rights Protection and Corporate RiskTaking

[J]. Economic Research Journal, 2013, (9): 112- 124.

URL     [本文引用: 1]

张晓玫, 宋卓霖,

保证担保、抵押担保与贷款风险缓释机制探究——来自非上市中小微企业的证据

[J]. 金融研究, 2016, (1): 83- 98.

URL     [本文引用: 1]

Zhang X M , Song Z L ,

Guarantee, Collateral and Loan Risk Mitigation Mechanisms: Evidence from Unlisted SMEs

[J]. Journal of Financial Research, 2016, (1): 83- 98.

URL     [本文引用: 1]

张勋, 万广华, 张佳佳, 何宗樾,

数字经济、普惠金融与包容性增长

[J]. 经济研究, 2019, (54): 71- 86.

URL     [本文引用: 1]

Zhang X , Wan G H , Zhang J J , He Z Y ,

Digital Economy, Financial Inclusion, and Inclusive Growths

[J]. Economic Research Journal, 2019, (54): 71- 86.

URL     [本文引用: 1]

朱武祥, 魏炜, 王正位,

回归经典: 资本结构研究60年思考

[J]. 金融研究, 2014, (12): 194- 206.

URL     [本文引用: 1]

Zhu W X , Wei W , Wang Z W ,

Back to Core: Rethinking of Capital Structure Research after 60 Years and Orientation

[J]. Journal of Financial Research, 2014, (12): 194- 206.

URL     [本文引用: 1]

Ahern K R , Harford J ,

The Importance of Industry Links in Merger Waves

[J]. Journal of Finance, 2014, 69, 527- 576.

DOI      [本文引用: 1]

Ahern K , Sosyura D ,

Rumor Has it: Sensationalism in Financial Media

[J]. Review of Financial Studies, 2015, 28, 2050- 2093.

DOI     

Amaya D , Christoffersen P , Jacobs K , Vasquez A ,

Does Realized Skewness Predict the Crosssection of Equity Returns?

[J]. Journal of Financial Economics, 2015, 118, 135- 167.

DOI     

Auer R , Bhme R ,

The Technology of Retail Central Bank Digital Currency

[J]. BIS Quarterly Review, 2020, 1, 85- 100.

[本文引用: 1]

Bai H , Hou K , Kung H , Li E X , Zhang L ,

The CAPM Strikes Back? An Equilibrium Model with Disasters

[J]. Journal of Financial Economics, 2019, 131, 269- 298.

DOI     

Bandiera O , Prat A , Hansen S , Sadun R ,

CEO Behavior and Firm Performance

[J]. Journal of Political Economy, 2020, 128, 1325- 1369.

DOI     

Baker M , Wurgler J ,

Investor Sentiment and the Cross-Section of Stock Returns

[J]. Journal of Finance, 2006, 61, 1645- 1680.

DOI      [本文引用: 1]

Barber B , Odean T ,

All That Glitters: The Effect of Attention and News on the Buying Behavior of Individual and Institutional Investors

[J]. Review of Financial Studies, 2008, 21, 785- 818.

DOI      [本文引用: 1]

Barrot J N , Sauvagnat J ,

Input Specificity and the Propagation of Idiosyncratic Shocks in Production Networks

[J]. Quarterly Journal of Economics, 2016, 131, 1543- 1592.

DOI      [本文引用: 1]

Bekaert G , Harvey C R ,

Foreign Speculators and Emerging Equity Markets

[J]. Journal of Finance, 2000, 55 (2): 565- 613.

DOI      [本文引用: 1]

Bekaert G , Harvey C R , Lundblad C ,

Emerging Equity Markets and Economic Development

[J]. Quarterly Journal of Economics, 2001, 66, 465- 504.

Bekaert G , Harvey C R , Lundblad C ,

Does Financial Liberalization Spur Growth?

[J]. Journal of Financial Economics, 2005, 77, 3- 55.

DOI     

Benartzi S , Thaler R ,

Myopic Loss Aversion and the Equity Premium Puzzle

[J]. Quarterly Journal of Economics, 1995, 110, 73- 92.

DOI      [本文引用: 1]

Berg T , Burg V , Gombović A , Puri M ,

On the Rise of FinTechs: Credit Scoring Using Digital Footprint

[J]. Review of Financial Studies, 2019, 33, 2845- 2897.

[本文引用: 1]

Bertrand M , Mullainathan S ,

Enjoying the Quiet Life? Corporate Governance and Managerial Preferences

[J]. Journal of Political Economy, 2003, 111 (5): 1043- 1075.

DOI      [本文引用: 1]

Biais B , Bisiere C , Bouvard M , Casamatta C ,

The Blockchain Folk Theorem

[J]. The Review of Financial Studies, 2019, 32, 1662- 1715.

DOI      [本文引用: 1]

B IS , BIS Annual Economic Report 2019[M]. Basel: Bank for International Settlements Press, 2019.

[本文引用: 1]

Black F , Scholes M ,

The Pricing of Options and Corporate Liabilities

[J]. Journal of Political Economy, 1973, 81, 637- 654.

DOI      [本文引用: 1]

Bollerslev T , Tauchen G , Zhou H ,

Expected Stock Returns and Variance Risk Premia

[J]. Review of Financial Studies, 2009, 22, 4463- 4492.

DOI      [本文引用: 1]

Bolton P ,

Debt and Money: Financial Constraints and Sovereign Finance

[J]. The Journal of Finance, 2016, 71, 1483- 1510.

DOI      [本文引用: 2]

Braggion F , Manconi A , Zhu H ,

Credit and Social Unrest: Evidence from 1930s China

[J]. Journal of Financial Economics, 2020, 138, 295- 315.

DOI      [本文引用: 1]

Breeden D T , Litzenberger R H ,

Prices of State-Contigent Claims Implicit in Option Prices

[J]. The Journal of Business, 1978, 51, 621- 651.

DOI      [本文引用: 1]

Breeden D ,

An Intertemporal Asset Pricing Model with Stochastic Consumption and Investment Opportunities

[J]. Journal of Financial Economics, 1979, 7, 265- 296.

DOI      [本文引用: 2]

Broadbent B, (2016). Central Banks and Digital Currencies[R]. Speech on 2 March 2016 in London School of Economics.

[本文引用: 1]

Brunnermeier M K , Niepelt D ,

On The Equivalence of Private and Public Money

[J]. Journal of Monetary Economics, 2019, 106, 27- 41.

DOI      [本文引用: 1]

Buchak G , Matvos G , Piskorski T , Seru A. ,

Fintech, Regulatory Arbitrage, and the Rise of Shadow Banks

[J]. Journal of Financial Economics, 2018, 130, 453- 483.

DOI      [本文引用: 1]

Caballero R ,

Macroeconomics after the Crisis: Time to Deal with the Pretense-of-Knowledge Syndrome

[J]. Journal of Economic Perspectives, 2010, 24, 85- 102.

DOI      [本文引用: 1]

Campbell J , Shiller R ,

Stock Prices, Earnings, and Expected Dividends

[J]. Journal of Finance, 1988, 43, 661- 676.

DOI      [本文引用: 1]

Carr P , Wu L ,

Variance Risk Premiums

[J]. Review of Financial Studies, 2009, 22, 1311- 1341.

DOI      [本文引用: 1]

Chang Y C , Hong H , Liskovich I ,

Regression Discontinuity and the Price Effects of Stock Market Indexing

[J]. Review of Financial Studies, 2015, 28, 212- 246.

DOI      [本文引用: 1]

Chen H , De P , Hu Y ,

Wisdom of Crowds: The Value of Stock Opinions Transmitted Through Social Media

[J]. Review of Financial Studies, 2014, 27, 1367- 1403.

DOI     

Christoffersen P , Heston S , Jacobs K ,

Capturing Option Anomalies with a Variance Dependent Pricing Kernel

[J]. Review of Financial Studies, 2013, 26, 1963- 2006.

DOI      [本文引用: 1]

Christoffersen P , Jacobs K , Ornthanalai C ,

Dynamic Jump Intensities and Risk Premiums: Evidence from S&P500 Returns and Options

[J]. Journal of Financial Economics, 2012, 106, 447- 472.

DOI      [本文引用: 1]

Gross D B , Souleles N S ,

Do Liquidity Constraints and Interest Rates Matter for Consumer Behavior? Evidence from Credit Card Data

[J]. The Quarterly Journal of Economics, 2002, 117, 149- 185.

DOI      [本文引用: 1]

Cochrane J ,

Production-Based Asset Pricing and the Link between Stock Returns and Economic Fluctuations

[J]. Journal of Finance, 1991, 46, 209- 237.

DOI      [本文引用: 2]

Committee on Payments and Market Infrastructures (CPMI) , Digital Currencies[M]. Basel: Bank for International Settlements Press, 2015.

[本文引用: 1]

Cong L W , He Z ,

Blockchain Disruption and Smart Contracts

[J]. The Review of Financial Studies, 2019, 32, 1754- 1797.

DOI      [本文引用: 1]

Danmarks Nationalbank, (2017). Central Bank Digital Currency in Denmark[R]. Denmarks Nationalbank Report, 15 December.

[本文引用: 1]

Das S , Kuhnen C , Nagel S ,

Socioeconomic Status and Macroeconomic Expectations

[J]. Review of Financial Studies, 2020, 33, 395- 432.

DOI      [本文引用: 1]

David B G , Souleles N S. ,

Do Liquidity Constraints and Interest Rates Matter for Consumer Behavior? Evidence from Credit Card Data

[J]. The Quarterly Journal of Economics, 2002, 117, 149- 185.

DOI     

Edmans A , Fernandez-Perez A , Garel A , Indriawan I ,

Music Sentiment and Stock Returns Around the World

[J]. .Journal of Financial Economics, Forthcoming, 2021,

[本文引用: 1]

Edmans A , Gabaix X ,

Executive Compensation: A Modern Primer

[J]. Journal of Economic Literature, 2016, 54, 1232- 1287.

DOI      [本文引用: 1]

Erel I , Stern L H , Tan C , Weisbach M S ,

Selecting Directors Using Machine Learning

[J]. The Review of Financial Studies, 2016, 34, 3226- 3264.

Fama E , French K ,

Common Risk Factors in The Returns on Stocks and Bonds

[J]. The Review of Financial Studies, 1993, 33, 3- 56.

[本文引用: 1]

Fama E , French K ,

A Five-Factor Asset Pricing Model

[J]. Journal of Financial Economics, 2015, 116, 1- 22.

DOI     

Fama E , French K ,

Choosing Factors

[J]. Journal of Financial Economics, 2018, 28, 234- 252.

[本文引用: 1]

Fang L , Peress J , Zheng L ,

Does Media Coverage of Stocks Affect Mutual Funds' Trading and Performance?

[J]. The Review of Financial Studies, 2014, 27, 3441- 3466.

DOI     

Feng G , Giglio S , Xiu D ,

Taming the Factor Zoo: A Test of New Factors

[J]. Journal of Finance, 2020, 75, 1327- 1370.

DOI      [本文引用: 2]

Fuster A , Plosser M , Schnabl P , Vickery J ,

The Role of Technology in Mortgage Lending

[J]. The Review of Financial Studies, 2019, 32, 1854- 1899.

DOI      [本文引用: 1]

Granovetter M ,

The Strength of Weak Ties

[J]. American Journal of Sociology, 1973, 78, 1360- 1380.

DOI     

Gu S , Kelly B , Xiu D ,

Empirical Asset Pricing via Machine Learning

[J]. The Review of Financial Studies, 2020, 33, 2223- 2273.

DOI      [本文引用: 2]

Harford J , Schonlau R , Stanfield J ,

Trade Relationships, Indirect Economic Links, and Mergers

[J]. Management Science, 2019, 65, 3085- 3110.

DOI      [本文引用: 1]

Haugen R , Baker N ,

Commonality in the Determinants of Expected Stock Returns

[J]. Journal of Financial Economics, 1996, 41, 401- 439.

DOI      [本文引用: 1]

He Z , Krishnamurthy A ,

Intermediary Asset Pricing

[J]. American Economic Review, 2013, 103, 732- 770.

[本文引用: 2]

Henry P B ,

Do Stock Market Liberalizations Cause Investment Booms?

[J]. Journal of Financial Economics, 2000, 58, 301- 334.

DOI     

Henry P B ,

Stock Market Liberalization, Economic Reform, and Emerging Market Equity Prices

[J]. Journal of Finance, 2000, 55, 529- 564.

DOI     

Herskovic B ,

Networks in Production: Asset Pricing Implications

[J]. The Journal of Finance, 2018, 73, 1785- 1818.

DOI      [本文引用: 1]

Hillert A , Jacobs H , Muller S ,

Media Makes Momentum

[J]. Review of Financial Studies, 2014, 27, 3467- 3501.

DOI     

Hirshleifer D ,

Social Transmission Bias in Economics and Finance

[J]. The Journal of Finance, 2020, 75, 1779- 1831.

DOI      [本文引用: 1]

Hoberg G , Phillips G ,

Product Market Synergies and Competition in Mergers and Acquisitions: A Text-Based Analysis

[J]. Review of Financial Studies, 2010, 23, 3773- 3811.

DOI      [本文引用: 1]

Hoberg G , Phillips G ,

Conglomerate Industry Choice and Product Language

[J]. Management Science, 2019, 64, 3735- 3755.

[本文引用: 1]

Hoff K , Stiglitz J E ,

Moneylenders and Bankers: Price-Increasing Subsidies in a Monopolistically Competitive Market

[J]. Journal of Development Economics, 1998, 55, 485- 518.

DOI      [本文引用: 1]

Hou K , Xue C , Zhang L ,

Digesting Anomalies: An Investment Approach

[J]. Review of Financial Studies, 2015, 28, 650- 705.

DOI      [本文引用: 1]

Hou K , Xue C , Zhang L ,

Replicating Anomalies

[J]. The Review of Financial Studies, 2020, 33, 2019- 2133.

DOI      [本文引用: 1]

Huang W , Liu Q , Rhee S G , Zhang L ,

Return Reversals, Idiosyncratic Risk, and Expected Returns

[J]. The Review of Financial Studies, 2010, 23, 147- 168.

DOI      [本文引用: 1]

Ishii J , Xuan Y ,

Acquirer-Target Social Ties and Merger Outcomes

[J]. Journal of Financial Economics, 2014, 112, 344- 363.

DOI      [本文引用: 1]

Jegadeesh N ,

Evidence of Predictable Behavior of Security Returns

[J]. Journal of Finance, 1990, 45, 881- 898.

DOI      [本文引用: 1]

Jegadeesh N , Titman S ,

Returns to Buying Winners and Selling Losers: Implications for Stock Market Efficiency

[J]. Journal of Finance, 1993, 48, 65- 91.

DOI      [本文引用: 1]

Jensen M C , Meckling W H ,

Theory of the Firm: Managerial Behavior, Agency Costs and Ownership Structure

[J]. Journal of Financial Economics, 1976, 3, 305- 360.

DOI      [本文引用: 1]

Jiang F , Lee J , Martin X , Zhou G ,

Manager Sentiment and Stock Returns

[J]. Journal of Financial Economics, 2019, 132, 126- 149.

DOI     

Kahneman D , Tversky A ,

Prospect Theory: An Analysis of Decision under Risk

[J]. Econometrica, 1979, 47, 263- 291.

DOI      [本文引用: 1]

Kahneman D , Tversky A ,

Rational Choice and the Framing of Decisions

[J]. Journal of Business, 1986, 59, S251- S278.

DOI      [本文引用: 1]

King R G , Levine R ,

Finance and Growth: Schumpeter Might Be Right

[J]. Quarterly Journal of Economics, 1993, 108, 717- 737.

DOI      [本文引用: 1]

Kuhnen C M , Miu A C ,

Socioeconomic Status and Learning from Financial Information

[J]. Journal of Financial Economics, 2017, 124, 349- 372.

DOI      [本文引用: 1]

Kumar A , Page J , Spalt O ,

Religious Beliefs, Gambling Attitudes, and Financial Market Outcomes

[J]. Journal of Financial Economics, 2011, 102, 671- 708.

DOI      [本文引用: 1]

La Porta R , Lopez-de-Silanes F , Shleifer A , Vishny R W ,

Legal Determinants of External Finance

[J]. Journal of Finance, 1997, 52, 1131- 1150.

DOI     

La Porta R , Lopez-de-Silanes F , Shleifer A , Vishny R W ,

Law and Finance

[J]. Journal of Political Economy, 1998, 106, 1113- 1155.

DOI     

Leary M T , Roberts M R ,

Do Peer Firms Affect Corporate Financial Policy

[J]. Journal of Finance, 2014, 69, 139- 178.

DOI      [本文引用: 1]

Lintner J ,

The Valuation of Risk Assets and the Selection of Risky Investments in Stock Portfolios and Capital Budgets

[J]. Review of Economics and Statistics, 1965, 47, 13- 37.

DOI      [本文引用: 1]

Liu L , Whited T , Zhang L ,

Investment-Based Expected Stock Returns

[J]. Journal of Political Economy, 2009, 117, 1105- 1139.

DOI     

Markowitz H ,

Portfolio Selection

[J]. Journal of Finance, 1952, 7, 77- 91.

[本文引用: 1]

Mayew W , VenKatachalam M ,

The Power of Voice: Managerial Affective States and Future Firm Performance

[J]. Journal of Finance, 2012, 67, 1- 44.

DOI     

Merton R ,

An Intertemporal Capital Asset Pricing Model

[J]. Econometrica, 1973a, 41, 867- 887.

DOI      [本文引用: 2]

Merton R ,

Theory of Rational Option Pricing

[J]. The Bell Journal of Economics and Management Science, 1973b, 4, 141- 183.

[本文引用: 1]

Modigliani F , Miller M H ,

Corporate Income Taxes and the Cost of Capital: A Correction

[J]. The American Economic Review, 1963, 53, 433- 443.

Myers S C ,

Determinants of Corporate Borrowing

[J]. Journal of Financial Economics, 1977, 5, 147- 175.

DOI      [本文引用: 1]

Neuberger A ,

Realized Skewness

[J]. Review of Financial Studies, 2012, 25, 3423- 3455.

DOI     

Nordhaus W D ,

An Optimal Transition Path for Controlling Greenhouse Gases

[J]. Science, 1992, 258, 1315- 1319.

DOI      [本文引用: 1]

Pástor L , Stambaugh R F , Taylor L A ,

Sustainable Investing in Equilibrium

[J]. Journal ofFinancial Economics, 2020, 142, 550- 571.

[本文引用: 1]

Ponce A , Seira E , Zamarripa G ,

Borrowing on the Wrong Credit Card? Evidence from Mexico

[J]. American Economic Review, 2017, 107, 1335- 1361.

DOI      [本文引用: 1]

Richmond R ,

Trade Network Centrality and Currency Risk Premia

[J]. Journal of Finance, 2019, 74, 1315- 1361.

DOI      [本文引用: 1]

Rubinstein M ,

The Irrelevancy of Dividend Policy in an Arrow-Debreu Economy

[J]. Journal of Finance, 1976, 31, 1229- 1230.

DOI      [本文引用: 2]

Sharpe W ,

Capital Asset Prices: A Theory of Market Equilibrium under Conditions of Risk

[J]. Journal of Finance, 1964, 19, 425- 442.

[本文引用: 3]

Shiller R J , Finance and the Good Society[M]. Princeton: Princeton University Press, 2012, 52 737- 783.

[本文引用: 1]

Shleifer A , Vishny R W ,

A Survey of Corporate Governance

[J]. Journal of Finance, 1997, 52, 737- 783.

URL     [本文引用: 1]

Stulz R M ,

The Limits of Financial Globalization

[J]. Journal of Finance, 2005, 60, 1595- 1638.

DOI      [本文引用: 1]

Tirole J ,

Corporate Governanc

[J]. Econometrica, 2001, 69, 1- 35.

DOI      [本文引用: 2]

Wurgler J , Baker M ,

Investor Sentiment and the Cross-Section of Stock Returns

[J]. Journal ofFinance, 2006, 61, 1645- 1680.

DOI     

Zingales L ,

In Search of New Foundations

[J]. Journal of Finance, 2000, 55, 1623- 1653.

DOI      [本文引用: 1]

Zingales L ,

Does Finance Benefit Society

[J]. Journal of Finance, 2015, 70, 1327- 1363.

[本文引用: 1]

/

〈 〉