——基于回歸模型的group adaptive lasso變量選擇方法

　　來源：當(dāng)代金融家

　　文/宋首文 楊斐 馮牧

　　國內(nèi)宏觀經(jīng)濟(jì)在三期疊加的考驗(yàn)之下逐步步入新常態(tài)。在此背景下，商業(yè)銀行資產(chǎn)穩(wěn)健性再次成為關(guān)注焦點(diǎn)，其貸款不良率的攀升趨勢(shì)初露端倪。本研究試圖用建立回歸模型的方式來揭示第一產(chǎn)業(yè)GDP指數(shù)、建筑業(yè)GDP指數(shù)、第三產(chǎn)業(yè)GDP指數(shù)、CPI、貨幣供應(yīng)量、制造業(yè)企業(yè)景氣指數(shù)、房地產(chǎn)投資額、居民消費(fèi)水平指數(shù)等宏觀經(jīng)濟(jì)指標(biāo)對(duì)商業(yè)銀行貸款不良率變動(dòng)的影響，以便于更加客觀的分析銀行業(yè)的當(dāng)前挑戰(zhàn)和未來趨勢(shì)。

　　近年來，國際國內(nèi)形勢(shì)發(fā)生了諸多變化，國內(nèi)經(jīng)濟(jì)開始經(jīng)受經(jīng)濟(jì)增長速度換擋期、結(jié)構(gòu)調(diào)整陣痛期、前期刺激政策消化期的三期疊加的考驗(yàn)，我國經(jīng)濟(jì)發(fā)展格局開始步入新常態(tài)。作為銀行業(yè)行業(yè)性的整體不良率，其自身的變化波動(dòng)規(guī)律已經(jīng)不是銀行個(gè)體的簡單加總，而是和宏觀經(jīng)濟(jì)整體環(huán)境密切相關(guān)，因此，如何認(rèn)識(shí)宏觀經(jīng)濟(jì)變量對(duì)銀行業(yè)整體貸款不良率的影響，便是本文試圖梳理和探討所在。通過本文的研究，試圖發(fā)現(xiàn)貸款不良率的波動(dòng)規(guī)律，從而為銀行監(jiān)管以及經(jīng)營決策提供有益思路。

　　本模型簡介與指標(biāo)選擇

　　De Bock和Demyanets(2012)以1996～2010年間包括阿根廷、巴西、智利、中國、哥倫比亞、多米尼加等25個(gè)新興市場國家為樣本的研究，確認(rèn)了宏觀經(jīng)濟(jì)狀況惡化與不良貸款增加之間存在著顯著相關(guān)關(guān)系。

　　以往學(xué)者對(duì)經(jīng)濟(jì)變量的相關(guān)分析多選用兩至三個(gè)因素，使用平穩(wěn)根檢驗(yàn)和格蘭杰因果檢驗(yàn)來進(jìn)行。本研究獨(dú)辟蹊徑，從統(tǒng)計(jì)方法中降維的思想出發(fā)，選用多個(gè)宏觀經(jīng)濟(jì)因素作為自變量，利用群組變量的lasso來選取對(duì)因變量貸款不良率有顯著影響的因素。

　　──回歸模型group adaptive lasso變量選擇方法的介紹

　　自Tibshirani(1996)提出lasso變量選擇方法后，其思想得到了較快發(fā)展。Ming Yuan(2004)將其拓展到群組變量的group lasso；Hui Zou(2006)提出了帶權(quán)重懲罰項(xiàng)的adaptive lasso；Jian Huang(2010)將兩者結(jié)合應(yīng)用于可加模型的群組變量選擇，得到具有相合性的變量選擇結(jié)果。本文即使用回歸模型的group adaptive lasso進(jìn)行變量選擇。

　　考慮具有J個(gè)因子的線性回歸模型：

　　其中Y為n維因變量， ε～N(0,σ2l)Iа為截距項(xiàng)， Xj為對(duì)應(yīng)于第j個(gè)因子的n×pj維矩陣， βj為其相應(yīng)的pj維系數(shù)向量，j = 1，…，J。當(dāng)因子個(gè)數(shù)J遠(yuǎn)大于樣本量n時(shí)，我們希望能找到少數(shù)幾個(gè)重要的解釋因子來對(duì)因變量做出解釋和預(yù)測，group adaptive lasso就是通過系數(shù)收縮將不顯著因子的系數(shù)縮減為零，而保留顯著因子的系數(shù)非零來實(shí)現(xiàn)此想法。具體來說，對(duì)下述最優(yōu)化問題：

　　其中為相應(yīng)L2，L1懲罰項(xiàng)的權(quán)重， λ為正則化參數(shù)，通過結(jié)合已有l(wèi)asso類優(yōu)化問題的lars算法及L2懲罰項(xiàng)的Taylor展開，并運(yùn)用迭代方法可得到所有βji的估計(jì)，從而非零βji所對(duì)應(yīng)的解釋變量即為我們所關(guān)注的對(duì)因變量有顯著影響的那部分自變量。

　　──指標(biāo)選取及其描述

　　本文對(duì)16家上市銀行按貸款規(guī)模的加權(quán)不良率進(jìn)行研究，數(shù)據(jù)來源于各家上市銀行披露的年報(bào)，樣本銀行為：中國銀行、中國工商銀行、中國建設(shè)銀行、中國農(nóng)業(yè)銀行、交通銀行、招商銀行、平安銀行、中信銀行、中國光大銀行、興業(yè)銀行、華夏銀行、北京銀行、南京銀行、浦發(fā)銀行、寧波銀行、中國民生銀行。所用數(shù)據(jù)為2004年至2013年的年度數(shù)據(jù)，期間各家銀行的不良率數(shù)據(jù)如表1所示。總體而言，不良率在考察期間都呈下降趨勢(shì)。

　　為了探究貸款不良率的影響因素，我們將可能對(duì)其有影響的各類宏觀經(jīng)濟(jì)指標(biāo)都作為自變量考慮進(jìn)來，然后對(duì)模型進(jìn)行變量選擇，選取出少數(shù)的對(duì)不良率有顯著影響的指標(biāo)。數(shù)據(jù)來源于國家統(tǒng)計(jì)局及Wind數(shù)據(jù)庫，具體選用的宏觀指標(biāo)如下：

　　GDP指數(shù)、第一產(chǎn)業(yè)GDP指數(shù)、工業(yè)GDP指數(shù)、建筑業(yè)GDP指數(shù)、第三產(chǎn)業(yè)GDP指數(shù)、宏觀經(jīng)濟(jì)景氣指數(shù)（預(yù)警指數(shù)、一致指數(shù)、先行指數(shù)、滯后指數(shù)）；

　　企業(yè)景氣指數(shù)（總體、工業(yè)、建筑業(yè)、制造業(yè)、采礦業(yè)、房地產(chǎn)業(yè)、批發(fā)與零售業(yè)）、房地產(chǎn)投資額、PPI、PMI；

　　貨幣供應(yīng)量、流通中現(xiàn)金量；

　　CPI、居民消費(fèi)水平指數(shù)、國民總收入指數(shù)、城鎮(zhèn)居民人均可支配收入、城鎮(zhèn)居民家庭恩格爾系數(shù)。

　　上述共選取了26個(gè)指標(biāo)，考慮到宏觀經(jīng)濟(jì)因素對(duì)銀行貸款不良率影響的時(shí)滯性，每個(gè)指標(biāo)選用滯后一年和兩年的數(shù)據(jù)，即2002～2011，2003～2012年度數(shù)據(jù)，其中貨幣供應(yīng)量對(duì)不良率有著長期影響，故而選用滯后一年到四年的數(shù)據(jù)。因此進(jìn)入模型的有26個(gè)因子，共54個(gè)自變量。為了度量單位的相對(duì)一致，指數(shù)類變量使用原始值，金額類變量使用其自然對(duì)數(shù)值，且指數(shù)類變量只有月度或季度值的則使用其年度內(nèi)均值作為年度值。

　　通過模型計(jì)算出：8個(gè)經(jīng)濟(jì)指標(biāo)分別對(duì)銀行不良率的影響系數(shù)

　　對(duì)進(jìn)入模型的8個(gè)經(jīng)濟(jì)指標(biāo)，我們逐一分析其對(duì)銀行整體貸款不良率的影響。

　　GDP指數(shù)是指反映一定時(shí)期內(nèi)GDP變動(dòng)趨勢(shì)和程度的相對(duì)數(shù)，按不變價(jià)格計(jì)算。在國家統(tǒng)計(jì)局中直接查詢到的GDP指數(shù)有兩種，一種是以1978年為基期計(jì)算的定基指數(shù) （1978年=100），另一種是以上一年為基期計(jì)算的指數(shù) （上年=100），本文采用的是后一種。作為反映宏觀經(jīng)濟(jì)形勢(shì)最重要的指標(biāo)：GDP，它對(duì)不良貸款的影響是經(jīng)過許多理論與實(shí)證研究驗(yàn)證的。GDP反映了一個(gè)國家國內(nèi)經(jīng)濟(jì)產(chǎn)出的全部價(jià)值，它與不良貸款間的關(guān)聯(lián)植根于經(jīng)濟(jì)周期理論：當(dāng)經(jīng)濟(jì)運(yùn)行處于上升階段時(shí)，商業(yè)銀行傾向于擴(kuò)張信貸，并開始向信用等級(jí)較低的借款人發(fā)放貸款，推動(dòng)經(jīng)濟(jì)持續(xù)高漲甚至過熱，但此時(shí)無論是企業(yè)還是個(gè)人都有比較充裕的收入來償還債務(wù)；而當(dāng)經(jīng)濟(jì)下滑時(shí)，商業(yè)銀行則通常會(huì)收縮信貸，從而抑制消費(fèi)和投資、加劇經(jīng)濟(jì)衰退，企業(yè)經(jīng)營狀況不佳，盈利水平下降，銀行不良貸款也隨之增加。

　　第一，第一產(chǎn)業(yè)GDP指數(shù)： 我國第一產(chǎn)業(yè)包括農(nóng)、林、牧、漁及其相關(guān)服務(wù)業(yè)。在模型中，商業(yè)銀行的不良貸款表現(xiàn)為GDP指數(shù)滯后期的負(fù)系數(shù)。而第一產(chǎn)業(yè)GDP指數(shù)較為顯著，其系數(shù)為-0.18。雖然第一產(chǎn)業(yè)GDP在三大產(chǎn)業(yè)GDP構(gòu)成中近年來的占比均較低（每年約10%），且商業(yè)銀行發(fā)放到第一產(chǎn)業(yè)的貸款占比也相對(duì)有限，而其在模型中體現(xiàn)較為顯著可能有兩方面原因：一方面，在國民經(jīng)濟(jì)構(gòu)成中，第一產(chǎn)業(yè)是第二、三產(chǎn)業(yè)重要原材料的提供者和產(chǎn)品服務(wù)的重要消費(fèi)者，另外也是影響第二、三產(chǎn)業(yè)產(chǎn)品和服務(wù)價(jià)格變動(dòng)的重要原因，因此其通過經(jīng)濟(jì)鏈條對(duì)于二、三產(chǎn)業(yè)的影響傳遞作用巨大，也間接通過宏觀經(jīng)濟(jì)基本面的影響構(gòu)成對(duì)銀行貸款不良率的影響；另一方面，在本文選取的16家上市銀行中，由于中國農(nóng)業(yè)銀行的貸款總額貢獻(xiàn)率較高，達(dá)到14.75%以上，且其貸款結(jié)構(gòu)中涉農(nóng)貸款占比較高，另由于其股改較晚導(dǎo)致前幾年的貸款不良率較高，上述綜合情況拉高了加權(quán)不良率，因此也造成了模型結(jié)果中第一產(chǎn)業(yè)GDP對(duì)加權(quán)不良率的顯著影響。估計(jì)結(jié)果說明第一產(chǎn)業(yè)GDP指數(shù)滯后兩年、一年的數(shù)值變動(dòng)1個(gè)單位時(shí)，會(huì)使貸款不良率相應(yīng)變動(dòng)-0.18%，+0.09%。

　　第二，建筑業(yè)GDP指數(shù)：第二產(chǎn)業(yè)主要包括建筑業(yè)、采礦業(yè)、制造業(yè)、電力燃?xì)饧八�的生產(chǎn)和供應(yīng)業(yè)。其中建筑業(yè)是專門從事土木工程、房屋建設(shè)和設(shè)備安裝以及工程勘察設(shè)計(jì)工作的生產(chǎn)部門，其產(chǎn)品是各種工廠、礦井、鐵路、橋梁、港口、道路、管線、住宅以及公共設(shè)施的建筑物、構(gòu)筑物和設(shè)施。建筑業(yè)的產(chǎn)品轉(zhuǎn)給使用者之后，就形成了各種生產(chǎn)性和非生產(chǎn)性的固定資產(chǎn)。建筑業(yè)也是國民經(jīng)濟(jì)的重要物質(zhì)生產(chǎn)部門，是國民經(jīng)濟(jì)各物質(zhì)生產(chǎn)部門和交通運(yùn)輸部門進(jìn)行生產(chǎn)的手段，對(duì)整個(gè)國家經(jīng)濟(jì)的發(fā)展、人民生活的改善有著重要影響。過往十年中國經(jīng)濟(jì)以“鐵公基”投資拉動(dòng)的痕跡非常明顯，在此過程中銀行資金作為重要的資源配置手段，發(fā)揮了重要的作用，因此導(dǎo)致不良率的產(chǎn)生也與之密切相關(guān)。本文所得模型中建筑業(yè)GDP指數(shù)滯后兩年數(shù)值的影響系數(shù)為+0.02，說明其對(duì)貸款不良率有著正向影響。

　　第三，第三產(chǎn)業(yè)GDP指數(shù)： 第三產(chǎn)業(yè)是指除第一、二產(chǎn)業(yè)以外的其他不生產(chǎn)物質(zhì)產(chǎn)品的行業(yè)，即服務(wù)業(yè)。銀行資金投向在服務(wù)業(yè)中總體占比不高，在服務(wù)業(yè)15個(gè)子類行業(yè)中，有限資金投向領(lǐng)域也主要集中在：交通運(yùn)輸、倉儲(chǔ)和郵政業(yè)；信息傳輸、計(jì)算機(jī)服務(wù)和軟件業(yè)；批發(fā)和零售業(yè)；住宿和餐飲業(yè)；金融業(yè)；房地產(chǎn)業(yè)；教育；衛(wèi)生。我國近年來第三產(chǎn)業(yè)蓬勃發(fā)展，其GDP占比甚至超過了第二產(chǎn)業(yè)。第三產(chǎn)業(yè)的快速發(fā)展是近年來中國經(jīng)濟(jì)增長的重要特點(diǎn)，也是宏觀經(jīng)濟(jì)結(jié)構(gòu)優(yōu)化調(diào)整的重要指針，服務(wù)業(yè)的擴(kuò)大有利于增強(qiáng)農(nóng)業(yè)生產(chǎn)的后勁，促進(jìn)工農(nóng)業(yè)生產(chǎn)的社會(huì)化和專業(yè)化水平的提高，促進(jìn)市場充分發(fā)育，緩解就業(yè)壓力，從而促進(jìn)整個(gè)經(jīng)濟(jì)持續(xù)快速健康發(fā)展。在模型中，第三產(chǎn)業(yè)GDP指數(shù)滯后兩年數(shù)值的影響系數(shù)為+0.0004，說明其對(duì)貸款不良率有微弱的正向影響，與銀行資金投向在第三產(chǎn)業(yè)總體占比不高的事實(shí)相符。

　　第四，制造業(yè)企業(yè)景氣指數(shù)： 企業(yè)景氣指數(shù)是根據(jù)企業(yè)負(fù)責(zé)人對(duì)本企業(yè)綜合生產(chǎn)經(jīng)營情況的判斷與預(yù)期而編制的指數(shù)，用以綜合反映企業(yè)的生產(chǎn)經(jīng)營狀況。其數(shù)值介于0和200之間，當(dāng)景氣指數(shù)大于100時(shí)，表明所處狀況趨于上升或改善，處于景氣狀態(tài)；否則反之。而制造業(yè)是指對(duì)制造資源（物料、能源、設(shè)備、工具、資金、技術(shù)、信息和人力等），按照市場要求，通過制造過程，轉(zhuǎn)化為可供人們使用和利用的大型工具、工業(yè)品與生活消費(fèi)產(chǎn)品的行業(yè)。它是第二產(chǎn)業(yè)中占比較重的組成，也直接體現(xiàn)了一個(gè)國家的生產(chǎn)力水平。制造業(yè)企業(yè)是銀行資金的重要投向領(lǐng)域，在經(jīng)濟(jì)發(fā)展周期中，制造業(yè)總體具有高規(guī)模、低盈利、相對(duì)平穩(wěn)，對(duì)銀行不良形成影響有限等特點(diǎn)，制造業(yè)企業(yè)景氣指數(shù)在模型中對(duì)不良率的影響體現(xiàn)為負(fù)向相關(guān)，其滯后一年數(shù)值的影響系數(shù)為-0.0002。

　　第五，房地產(chǎn)投資額： 房地產(chǎn)投資是社會(huì)固定資產(chǎn)投資的一部分，主要包含土地使用權(quán)出讓金、土地征用及拆遷安置補(bǔ)償費(fèi)、前期工程費(fèi)、建安工程費(fèi)、基礎(chǔ)設(shè)施費(fèi)、公共配套設(shè)施費(fèi)、不可預(yù)見費(fèi)用及開發(fā)期間稅費(fèi)。房地產(chǎn)開發(fā)屬于建筑業(yè)中的重要一部分，而房地產(chǎn)相關(guān)服務(wù)業(yè)歸屬于第三產(chǎn)業(yè)，因此，房地產(chǎn)投資額極大程度地決定了第二、三產(chǎn)業(yè)中的相關(guān)產(chǎn)出。它在模型中對(duì)不良率的影響體現(xiàn)為負(fù)向相關(guān)，其自然對(duì)數(shù)滯后兩年、一年數(shù)值的影響系數(shù)分別為-3.42，-37.31。這一模型結(jié)果也印證了我國經(jīng)濟(jì)增長的一個(gè)事實(shí)：過去十年房地產(chǎn)投資在經(jīng)濟(jì)增長中扮演了至關(guān)重要的關(guān)鍵角色，成為拉動(dòng)經(jīng)濟(jì)的重要增長點(diǎn)，這也導(dǎo)致銀行資金投向在房地產(chǎn)投資以及按揭貸款等方面占比逐年提升，因此房地產(chǎn)行業(yè)也是影響銀行不良率的重要原因。

　　第六，貨幣供應(yīng)量： 貨幣供應(yīng)量指一國在某一時(shí)期內(nèi)為社會(huì)經(jīng)濟(jì)運(yùn)轉(zhuǎn)服務(wù)的貨幣存量，由包括中央銀行在內(nèi)的金融機(jī)構(gòu)供應(yīng)的存款貨幣和現(xiàn)金貨幣兩部分構(gòu)成。本文選用的是廣義貨幣供應(yīng)量（M2），由流通中現(xiàn)金、企事業(yè)單位活期定期存款和居民儲(chǔ)蓄存款構(gòu)成。貨幣政策也是銀行不良貸款形成的重要原因。當(dāng)貨幣供應(yīng)量總體寬松的狀態(tài)下，銀行用于放貸的資金較多，不良率中的分母擴(kuò)大相對(duì)容易，而與之同時(shí)，企業(yè)形成不良貸款的意愿和可能均因社會(huì)可流通資金的充裕而被大大稀釋，因此不良率總體趨勢(shì)是向下的。當(dāng)中央銀行對(duì)貨幣供給控制失當(dāng)而導(dǎo)致貨幣過分緊縮時(shí)，銀行為維持足夠的流動(dòng)性會(huì)出售資產(chǎn)，從而導(dǎo)致利率上升，銀行籌資成本增加，進(jìn)而增加不良率分母擴(kuò)大的難度，企業(yè)也難以獲得更容易的資金進(jìn)行周轉(zhuǎn)而使得不良的傾向加重，總體導(dǎo)致銀行的償付能力和資產(chǎn)質(zhì)量發(fā)生惡化。模型估計(jì)結(jié)果也顯示，滯后一至四年的貨幣供應(yīng)量對(duì)數(shù)值都對(duì)不良率有一定影響，其中滯后兩年和一年的系數(shù)較為顯著，分別為+45.81和-10.98。

　　第七，CPI： CPI（居民消費(fèi)價(jià)格指數(shù)）是度量一組代表性消費(fèi)商品及服務(wù)項(xiàng)目的價(jià)格水平隨時(shí)間而變動(dòng)的相對(duì)數(shù)，反映的是居民家庭一般所購買的消費(fèi)商品和服務(wù)價(jià)格水平的變動(dòng)情況。它統(tǒng)計(jì)調(diào)查的是社會(huì)產(chǎn)品和服務(wù)項(xiàng)目的最終價(jià)格，其計(jì)算公式為CPI=（一組固定商品按當(dāng)期價(jià)格計(jì)算的價(jià)值/一組固定商品按基期價(jià)格計(jì)算的價(jià)值）×100，這里也是以上一年為基期計(jì)算的指數(shù)。CPI在整個(gè)國民經(jīng)濟(jì)價(jià)格體系中地位重要，且與民眾生活密切相關(guān)，其變動(dòng)率在相當(dāng)程度上反映了通貨膨脹或緊縮的程度，也反映了貨幣購買力變動(dòng)。在模型結(jié)果中，CPI滯后一年數(shù)值對(duì)貸款不良率的影響系數(shù)為-0.007。

　　第八，居民消費(fèi)水平指數(shù)： 居民消費(fèi)水平指數(shù)是反映不同時(shí)期每戶（每人）消費(fèi)水平變動(dòng)程度的指標(biāo)。其編制方法是將每個(gè)月每戶的消費(fèi)支出金額換算為一定的家庭人員及每月固定天數(shù)的消費(fèi)支出額，第t期消費(fèi)水平指數(shù)=基期消費(fèi)水平指數(shù)*t期的居民消費(fèi)水平/基期的居民消費(fèi)水平，一般取基期消費(fèi)水平指數(shù)為100，本文使用的指數(shù)以上一年為基期。在模型結(jié)果中，居民消費(fèi)水平指數(shù)滯后兩年數(shù)值對(duì)貸款不良率的影響系數(shù)為-0.14。由于居民消費(fèi)水平與CPI都在一定程度上影響著個(gè)人償還貸款的能力及意愿，總體對(duì)銀行的零售資產(chǎn)產(chǎn)生影響，模型結(jié)果顯示兩者對(duì)貸款不良率的影響均為負(fù)向相關(guān)。

　　上述統(tǒng)計(jì)模型表明，商業(yè)銀行行業(yè)的整體不良貸款率，受相關(guān)宏觀經(jīng)濟(jì)變量影響顯著，因此，通過相關(guān)宏觀經(jīng)濟(jì)變量的觀察和預(yù)測，可以推導(dǎo)出未來貸款不良率的變化波動(dòng)，這一規(guī)律有助于我們正確估測未來商業(yè)銀行整體行業(yè)的發(fā)展?fàn)顩r以及其面臨的整體性風(fēng)險(xiǎn)；這也有助于政府合理安排未來以市場化為基調(diào)的整體金融改革的總體部署、推行節(jié)奏以及時(shí)機(jī)選擇；這也有助于微觀個(gè)體商業(yè)銀行進(jìn)一步思考如何在利率市場化、人民幣國際化、資本要求嚴(yán)格化、網(wǎng)絡(luò)金融滲透化的前后夾擊下突出重圍，實(shí)現(xiàn)轉(zhuǎn)型升級(jí)。

　　因此，在上述模型揭示的以不良率為代表的銀行業(yè)經(jīng)營風(fēng)險(xiǎn)上升的總體態(tài)勢(shì)背景下，就宏觀應(yīng)對(duì)策略而言，政府應(yīng)適度放緩增加銀行業(yè)成本的相關(guān)市場化改革節(jié)奏，各項(xiàng)改革措施不宜一蹴而就，從而達(dá)到時(shí)間換取空間的目標(biāo)；就微觀應(yīng)對(duì)策略而言，商業(yè)銀行自身應(yīng)主動(dòng)適應(yīng)經(jīng)濟(jì)新常態(tài)，重新制定發(fā)展新戰(zhàn)略，積極改善業(yè)務(wù)舊結(jié)構(gòu)，調(diào)整資源投入新次序，大力挖掘增長新客戶，主動(dòng)實(shí)現(xiàn)去杠桿化，持續(xù)提升風(fēng)險(xiǎn)管理水平，從而實(shí)現(xiàn)自身的真正轉(zhuǎn)型。

　　（宋首文為經(jīng)濟(jì)學(xué)博士、中國銀行風(fēng)險(xiǎn)部主管，楊斐為金融學(xué)碩士、中國銀行風(fēng)險(xiǎn)部風(fēng)險(xiǎn)經(jīng)理，馮牧為中國科學(xué)技術(shù)大學(xué)管理學(xué)院博士生，本文刊載于《當(dāng)代金融家》雜志2015年第3期）