韓周瑜，陳少煒

（四川大學(xué) 經(jīng)濟(jì)學(xué)院，成都 610065）

中國銀行系統(tǒng)風(fēng)險(xiǎn)影響因素的實(shí)證

韓周瑜，陳少煒

（四川大學(xué) 經(jīng)濟(jì)學(xué)院，成都 610065）

文章采用中國14家上市銀行1999—2015年的日收盤價(jià)數(shù)據(jù)估計(jì)出相應(yīng)的beta系數(shù)，使用簡單面板OLS模型、固定個(gè)體或時(shí)間效應(yīng)模型以及隨機(jī)個(gè)體或時(shí)間效應(yīng)模型，對(duì)中國銀行系統(tǒng)風(fēng)險(xiǎn)的影響因素進(jìn)行分析。實(shí)證結(jié)果顯示：銀行系統(tǒng)風(fēng)險(xiǎn)與金融杠桿、貸款資產(chǎn)率以及盈利能力有正相關(guān)關(guān)系，與銀行規(guī)模和流動(dòng)性比率有負(fù)相關(guān)關(guān)系。

銀行；系統(tǒng)風(fēng)險(xiǎn)；beta；會(huì)計(jì)指標(biāo)

0 引言

銀行部門是現(xiàn)代金融體系的重要組成部分，銀行業(yè)系統(tǒng)風(fēng)險(xiǎn)及其影響因素被認(rèn)為是銀行研究方面最有價(jià)值的問題之一。系統(tǒng)風(fēng)險(xiǎn)最為常見的度量方式是beta系數(shù)，它也被稱為“股票beta系數(shù)”或者“市場風(fēng)險(xiǎn)”，是度量個(gè)股回報(bào)與金融市場整體回報(bào)敏感度的工具。經(jīng)典資本資產(chǎn)定價(jià)模型（CAPM Model）表明，任何股票的預(yù)期收益率與它的beta系數(shù)之間存在正的線性相關(guān)關(guān)系[1]。從公司的角度來看，個(gè)股預(yù)期收益率也是權(quán)益成本的組成部分，那些影響公司系統(tǒng)風(fēng)險(xiǎn)的因素也間接影響到公司的資金成本及其市場價(jià)值。從投資者的角度來看，beta系數(shù)也具有其重要性，系統(tǒng)風(fēng)險(xiǎn)的估計(jì)對(duì)于投資者分析不同投資組合的風(fēng)險(xiǎn)以及認(rèn)識(shí)投資組合策略間的風(fēng)險(xiǎn)回報(bào)關(guān)系都是極為有益的。鑒于資本資產(chǎn)定價(jià)模型和beta系數(shù)在金融分析中的重要性和實(shí)用性，用其探討銀行系統(tǒng)風(fēng)險(xiǎn)的影響因素，對(duì)于保護(hù)投資者權(quán)益，規(guī)范銀行主體行為，加強(qiáng)銀行風(fēng)險(xiǎn)控制和完善金融體系建設(shè)都具有重要的現(xiàn)實(shí)意義。

關(guān)于系統(tǒng)風(fēng)險(xiǎn)及其影響因素，國內(nèi)外的學(xué)者從不同的方面進(jìn)行了廣泛的研究。在國外，Haugen和Baker（1996）[2]以及Asl等（2012）[3]構(gòu)建了不同的模型分別分析了基本會(huì)計(jì)指標(biāo)與證券收益之間的關(guān)系；Demsetz和Strahan（1997）[4]具體分析了美國銀行業(yè)資產(chǎn)規(guī)模與系統(tǒng)風(fēng)險(xiǎn)的關(guān)系；Vennet等（2005）[5]在研究歐洲銀行機(jī)構(gòu)系統(tǒng)風(fēng)險(xiǎn)和特殊風(fēng)險(xiǎn)影響因素的基礎(chǔ)上，分析了資本水平、貸款及核心存款占總資產(chǎn)比重與銀行系統(tǒng)風(fēng)險(xiǎn)的關(guān)系；Yang和Tsatsaronis（2012）[6]則是以經(jīng)合組織國家50家全球性銀行1990—2009年的歷史數(shù)據(jù)為分析基礎(chǔ)，研究了銀行市場風(fēng)險(xiǎn)的影響因素。在國內(nèi)，部分學(xué)者利用現(xiàn)有的銀行系統(tǒng)風(fēng)險(xiǎn)測評(píng)方法進(jìn)行推演，或構(gòu)建新的評(píng)價(jià)模型，如文獻(xiàn)[7-9]部分學(xué)者對(duì)國內(nèi)銀行業(yè)的系統(tǒng)風(fēng)險(xiǎn)進(jìn)行了實(shí)證研究；或分析國內(nèi)不同類型銀行系統(tǒng)風(fēng)險(xiǎn)的差別，如文獻(xiàn)[10-12]；或分析不同因素對(duì)國內(nèi)銀行業(yè)系統(tǒng)風(fēng)險(xiǎn)和非系統(tǒng)風(fēng)險(xiǎn)的影響，如文獻(xiàn)[13，14]等；或以系統(tǒng)風(fēng)險(xiǎn)變動(dòng)作為衡量標(biāo)準(zhǔn)討論國內(nèi)銀行業(yè)資本監(jiān)管制度的有效性，如文獻(xiàn)[9,15]等。但不難發(fā)現(xiàn)，國內(nèi)現(xiàn)有的研究對(duì)于銀行系統(tǒng)風(fēng)險(xiǎn)與銀行系統(tǒng)性風(fēng)險(xiǎn)的區(qū)分還不夠清晰準(zhǔn)確，且探討銀行系統(tǒng)風(fēng)險(xiǎn)影響因素方面的研究依舊相對(duì)較少。因此，本文采用中國14家上市銀行1999—2015年的面板數(shù)據(jù)，著力探討影響銀行系統(tǒng)風(fēng)險(xiǎn)的相關(guān)因素。

1 模型選擇、變量選取和數(shù)據(jù)說明

1．1 模型選擇

本文擬采用五種面板回歸模型來分析銀行系統(tǒng)風(fēng)險(xiǎn)與所選解釋變量之間的影響關(guān)系，分別是簡單面板OLS估計(jì)模型（POLS）、單向固定效應(yīng)模型（one-way fixed effect model,FE1）、單向隨機(jī)效應(yīng)模型（one-way random effect model,RE1）、雙向固定效應(yīng)模型（tow-way fixed effect model,FE2）以及雙向隨機(jī)效應(yīng)模型（tow-way random effect model,RE2），將通過相關(guān)檢驗(yàn)從中選擇最佳估計(jì)模型。

簡單面板OLS估計(jì)模型不會(huì)考慮個(gè)體效應(yīng)或時(shí)間效應(yīng)的異質(zhì)性，在這一假設(shè)條件下，每一個(gè)觀測量都被看作是獨(dú)立的變量，其模型形式如下：

其中，β代表被解釋變量beta，α是截距項(xiàng)，x’是解釋變量的行向量，b是估計(jì)參數(shù)的列向量，ε是隨機(jī)擾動(dòng)項(xiàng)，下標(biāo)i和t分別表示不同銀行和年份。POLS估計(jì)忽略了數(shù)據(jù)的面板結(jié)構(gòu)，當(dāng)且僅當(dāng)觀測量不存在個(gè)體效應(yīng)或時(shí)間效應(yīng)的異質(zhì)性時(shí)，其估計(jì)結(jié)果才是一致有效的。

如果之前的假設(shè)不能成立，那么單向固定或隨機(jī)效應(yīng)模型則會(huì)是更好的選擇，因?yàn)樗沟妹考毅y行的個(gè)體效應(yīng)能夠得到估計(jì)。在單向固定或隨機(jī)效應(yīng)模型中，隨機(jī)擾動(dòng)項(xiàng)（εi,t）可以被分為兩個(gè)部分：不隨時(shí)間變化的個(gè)體效應(yīng)（λi）以及受觀測單位和時(shí)間影響的特殊誤差（μi,t）。單向固定效應(yīng)或隨機(jī)效應(yīng)估計(jì)的主要差異在于對(duì)λi的假設(shè)，單向固定效應(yīng)模型（FE1）認(rèn)為每一家銀行都擁有一個(gè)固定不變的個(gè)體效應(yīng)，會(huì)使得自變量上升或下降某一固定數(shù)額，即λi是常數(shù)項(xiàng)的一部分，其回歸模型形式如下：

其中，常數(shù)項(xiàng)變成了常數(shù)α與每個(gè)銀行的個(gè)體效應(yīng)λi之和，即在解釋變量估計(jì)參數(shù)全部一致的情況下，允許每家銀行擁有不同的截距項(xiàng)。

固定效應(yīng)模型將個(gè)體效應(yīng)（λi）看作是與回歸量相關(guān)的可變量，而在單向隨機(jī)效應(yīng)回歸中，假設(shè)沒有觀察到的個(gè)體異質(zhì)性（λi）是獨(dú)立分布于解釋變量之外的隨機(jī)可變量，因此，在單向隨機(jī)效應(yīng)模型中個(gè)體效應(yīng)被當(dāng)作是隨機(jī)誤差的組成部分，模型形式可寫為：

鑒于單向固定或隨機(jī)效應(yīng)回歸估計(jì)不能完全排除變量遺漏偏差的可能性，本文進(jìn)一步考慮允許同時(shí)估計(jì)銀行個(gè)體效應(yīng)和時(shí)間效應(yīng)的雙向固定或隨機(jī)效應(yīng)模型。在雙向回歸估計(jì)中，隨機(jī)擾動(dòng)項(xiàng)（εi,t）被分為三個(gè)組成部分：個(gè)體效應(yīng)（λi）、時(shí)間效應(yīng)（δt）以及特殊誤差（μi,t）。在雙向固定效應(yīng)模型（FE2）中，個(gè)體效應(yīng)和時(shí)間效應(yīng)都被假設(shè)成常數(shù)，分別取決于不同的銀行和年份，且都是常數(shù)項(xiàng)的組成部分，模型的具體形式如下：

與之相反，在RE2中，個(gè)體效應(yīng)和時(shí)間效應(yīng)都被包含在誤差項(xiàng)的構(gòu)成里，都被假設(shè)成是與回歸量不相關(guān)的隨機(jī)可變量，模型的具體形式寫為：

1．2 變量選取

本文考察銀行系統(tǒng)風(fēng)險(xiǎn)的相關(guān)影響因素，銀行系統(tǒng)風(fēng)險(xiǎn)用上市銀行的beta值來衡量，解釋變量主要包括銀行規(guī)模、金融杠桿、多元化經(jīng)營、流動(dòng)性、無形資產(chǎn)、貸款質(zhì)量以及盈利能力。

其中，銀行規(guī)模以銀行的總資產(chǎn)額來衡量，用SIZE表示；金融杠桿以總負(fù)債與所有者權(quán)益之比來衡量，用LEV表示，依據(jù)M-M定理和CAPM模型的聯(lián)合假設(shè)，可以預(yù)期beta和金融杠桿之間有正的相關(guān)關(guān)系；多元化經(jīng)營程度，以貸款總額與總資產(chǎn)之比來衡量，用LTA表示。理論上看，銀行不同投資活動(dòng)所產(chǎn)生的現(xiàn)金流之間不是完全相關(guān)的，多元化經(jīng)營應(yīng)該會(huì)使得收入穩(wěn)步增加，進(jìn)而降低銀行的系統(tǒng)風(fēng)險(xiǎn)暴露；流動(dòng)性以貨幣資金與總資產(chǎn)之比來衡量，用LIQ表示，預(yù)期銀行的流動(dòng)性越高，其出現(xiàn)金融困境的風(fēng)險(xiǎn)越小，即流動(dòng)性比率對(duì)銀行的市場風(fēng)險(xiǎn)具有負(fù)向影響；無形資產(chǎn)以無形資產(chǎn)與總資產(chǎn)之比來衡量，用INTA表示；貸款質(zhì)量以貸款損失率來衡量，即貸款損失與總貸款額的比值（由于銀行貸款損失相關(guān)數(shù)據(jù)的缺失，貸款損失率以銀行資產(chǎn)減值損失與總貸款額的比值作為替代量），用LLR表示，預(yù)期貸款組合質(zhì)量與銀行beta系數(shù)之間呈負(fù)相關(guān)關(guān)系；盈利能力以每股收益來衡量，用EPS表示，因?yàn)楦哂芰Φ你y行通常收益較為穩(wěn)定，所以預(yù)期銀行總體盈利能力和它的系統(tǒng)風(fēng)險(xiǎn)之間呈負(fù)相關(guān)關(guān)系。

1．3 數(shù)據(jù)描述

本文選取了我國14家上市銀行1999—2015年的日收盤價(jià)數(shù)據(jù)估計(jì)出相應(yīng)的beta系數(shù)，再使用簡單面板OLS模型、固定個(gè)體或時(shí)間效應(yīng)模型以及隨機(jī)個(gè)體或時(shí)間效應(yīng)模型，主要從會(huì)計(jì)指標(biāo)方面進(jìn)行實(shí)證分析，探討影響銀行部門系統(tǒng)風(fēng)險(xiǎn)的相關(guān)因素。數(shù)據(jù)來源于聚源數(shù)據(jù)庫，表1給出了主要變量的描述性統(tǒng)計(jì)。

表1 主要變量描述性統(tǒng)計(jì)

2 實(shí)證結(jié)果及分析

表2顯示了所有回歸模型的估計(jì)結(jié)果。

表2 模型回歸結(jié)果

五種回歸模型均顯示變量LEV和LTA與beta之間呈正相關(guān)關(guān)系，且回歸估計(jì)系數(shù)都是統(tǒng)計(jì)顯著的；而變量SIZE和LLR與beta之間則呈負(fù)相關(guān)關(guān)系，其中LLR的估計(jì)系數(shù)基本上都是統(tǒng)計(jì)顯著的，但SIZE的估計(jì)系數(shù)僅在POLS模型的回歸中統(tǒng)計(jì)顯著。此外，在POLS模型中，變量LIQ和EPS分別對(duì)beta有正向和負(fù)向影響，但估計(jì)系數(shù)統(tǒng)計(jì)不顯著，在考慮個(gè)體效應(yīng)和時(shí)間效應(yīng)之后，兩者估計(jì)系數(shù)的符號(hào)均發(fā)生了改變且在統(tǒng)計(jì)上顯著。最后，模型估計(jì)結(jié)果表明，沒有證據(jù)顯示INTA和beta能夠相互影響。

由于個(gè)別模型的回歸結(jié)果存在一定差異，為了更準(zhǔn)確地得到解釋變量之間的關(guān)系，本文對(duì)五種回歸模型進(jìn)行了一系列相關(guān)檢驗(yàn)（見表3），進(jìn)一步選出了最佳的估計(jì)模型。

表3 模型選擇的相關(guān)檢驗(yàn)

第一，使用F檢驗(yàn)對(duì)面板OLS估計(jì)模型和單向固定效應(yīng)模型進(jìn)行判斷。第二，使用Breusch-Pagan檢驗(yàn)檢查面板OLS估計(jì)模型和單向隨機(jī)效應(yīng)模型，兩者的原假設(shè)均認(rèn)為POLS是更合適的估計(jì)模型，Test I和Test II的檢驗(yàn)結(jié)果在1%的顯著性水平下各自拒絕了原假設(shè)，則單項(xiàng)固定或隨機(jī)效應(yīng)模型被證實(shí)是較POLS更適合的回歸模型。第三，使用Wald檢驗(yàn)來確實(shí)固定或隨機(jī)效應(yīng)模型的回歸中是否需要時(shí)間啞變量，其原假設(shè)是所有的年份系數(shù)均等于0，即不需要時(shí)間效應(yīng)，Test III和Test IV檢驗(yàn)結(jié)果均接受了原假設(shè)，則單向固定或隨機(jī)效應(yīng)模型較雙向固定或隨機(jī)效應(yīng)模型也是更合適的。第四，為了判斷選擇固定效應(yīng)還是隨機(jī)效應(yīng)模型，本文進(jìn)行了Hausman檢驗(yàn)，檢驗(yàn)結(jié)果在1%的顯著性水平下拒絕了隨機(jī)效應(yīng)與解釋變量不相關(guān)的原假設(shè)，故應(yīng)采用固定效應(yīng)回歸模型。鑒于以上檢驗(yàn)結(jié)果，本文將單向固定效應(yīng)模型作為主要估計(jì)模型，其回歸方程的結(jié)構(gòu)形式如下：

由此，本文以單向固定效應(yīng)模型（FE1）的估計(jì)結(jié)果為主，并結(jié)合其他回歸模型的估計(jì)結(jié)果進(jìn)行分析，從表2中可以看出單向固定效應(yīng)模型（FE1）的估計(jì)結(jié)果和本文對(duì)解釋變量系數(shù)的預(yù)期基本一致。

金融杠桿（LEV）和貸款資產(chǎn)率（LTA）都對(duì)beta有正向影響，金融杠桿（LEV）和銀行市場風(fēng)險(xiǎn)之間的關(guān)系是實(shí)證檢驗(yàn)的主要關(guān)注對(duì)象之一，主要估計(jì)模型（FE1）顯示LEV的回歸系數(shù)為正，且在1%的置信水平上統(tǒng)計(jì)顯著，這與預(yù)期一致，且與傳統(tǒng)公司金融理論相符，可見金融杠桿是我國銀行系統(tǒng)風(fēng)險(xiǎn)的重要影響因素之一。而貸款資產(chǎn)率（LTA）則在5%的顯著水平下與beta成正相關(guān)關(guān)系，LTA是作為銀行多元化經(jīng)營水平的代理變量，貸款資產(chǎn)在總資產(chǎn)中所占比重越大，則其在非利差收益活動(dòng)中的多元化經(jīng)營水平越低。因此，本文的回歸模型間接證實(shí)了銀行系統(tǒng)風(fēng)險(xiǎn)與收入多元化水平呈負(fù)相關(guān)關(guān)系。

銀行規(guī)模（SIZE）和系統(tǒng)風(fēng)險(xiǎn)之間則具有負(fù)的相關(guān)關(guān)系。一方面大型銀行具有更高的多元化經(jīng)營水平，能夠降低系統(tǒng)風(fēng)險(xiǎn)；另一方面，政府的信用背書也會(huì)降低對(duì)于大型銀行的風(fēng)險(xiǎn)預(yù)期。但是SIZE的估計(jì)系數(shù)很小，且僅有POLS模型在10%的置信水平上統(tǒng)計(jì)顯著，這表明銀行規(guī)模并不是我國銀行部門系統(tǒng)風(fēng)險(xiǎn)的主要影響因素。

此外，流動(dòng)性率（LIQ）和貸款損失比率（LLR）對(duì)系統(tǒng)風(fēng)險(xiǎn)也會(huì)產(chǎn)生負(fù)向影響。流動(dòng)性率變大，則銀行流動(dòng)性水平提高，進(jìn)而能夠降低其系統(tǒng)風(fēng)險(xiǎn)，這與預(yù)期相一致。然而，對(duì)于貸款總體質(zhì)量的代理變量貸款損失比率而言，在某一特定貸款水平下，銀行的貸款損失越高，則其貸款組合的質(zhì)量越低。因此，本文預(yù)期LLR和beta之間有正的相關(guān)關(guān)系，但是FE1的估計(jì)結(jié)果給出了一個(gè)負(fù)的回歸系數(shù)，且在5%的置信水平上統(tǒng)計(jì)顯著。這應(yīng)當(dāng)是由于使用資產(chǎn)減值損失對(duì)貸款損失進(jìn)行替代所導(dǎo)致的，使得估計(jì)結(jié)果與預(yù)期相反。

最后，關(guān)于無形資產(chǎn)和盈利能力的代理變量，無形資產(chǎn)率（INTA）和每股收益（EPS），沒有證據(jù)能夠表明其會(huì)對(duì)銀行系統(tǒng)風(fēng)險(xiǎn)產(chǎn)生影響。

3 結(jié)論

本文采用五種回歸模型以及最新數(shù)據(jù)來評(píng)價(jià)相關(guān)會(huì)計(jì)指標(biāo)對(duì)我國銀行市場風(fēng)險(xiǎn)的預(yù)測能力，在進(jìn)行一系列相關(guān)檢驗(yàn)之后，選擇單向固定效應(yīng)模型作為主要估計(jì)模型。實(shí)證結(jié)果顯示銀行系統(tǒng)風(fēng)險(xiǎn)與金融杠桿和貸款資產(chǎn)率具有顯著的正相關(guān)關(guān)系，與銀行規(guī)模、流動(dòng)性比率以及貸款損失率之間具有較為顯著的負(fù)相關(guān)關(guān)系，而無形資產(chǎn)和盈利能力對(duì)銀行系統(tǒng)風(fēng)險(xiǎn)的影響則不夠明顯。進(jìn)一步來說，從系統(tǒng)風(fēng)險(xiǎn)的角度考慮，銀行應(yīng)當(dāng)提高多元化經(jīng)營水平，使得收入來源多元化，并保持較高的資金流動(dòng)性，以降低可能發(fā)生的系統(tǒng)風(fēng)險(xiǎn)。此外，不應(yīng)盲目擴(kuò)大規(guī)模和追求高杠桿率。

[1]Sharpe W F.Capital Asset Prices:A Theory of Market Equilibrium Under Conditions of Risk[J].The Journal of Finance,1964,19(3).

[2]Haugen R A,Baker N L.Commonality in the Determinants of Expected Stock Returns[J].Journal of Financial Economics,1996,41(3).

[3]Asl H G,Karimi M,Eghbali E.Studying Liquidity Premium Pricing,Size,Value and Risk of Market in Tehran Stock Exchange[J].International Journal of Economics and Finance,2012,4(9).

[4]Demsetz R,Strahan P.Diversification,Size,and Risk at Bank Holding Companies[J].Journal of Money,Credit and Banking,1997,29(3).

[5]Vander V R,Baele L,De Jonghe O.Determinants of Systematic and Idiosyncratic Banking Risk in Europe[J].Working paper,Ghent University,2005.

[6]Yang J,Tsatsaronis K.Bank Stock Returns,Leverage and the Business Cycle[J].Bank for International Settlements,2012.

[7]陳耀輝.銀行系統(tǒng)風(fēng)險(xiǎn)評(píng)估方法研究[J].科研管理，2003,24(2).

[8]劉聰，姚秋.系統(tǒng)風(fēng)險(xiǎn)下的銀行破產(chǎn)傳導(dǎo)機(jī)制分析[J].天津商業(yè)大學(xué)學(xué)報(bào)，2008，28(6).

[9]王忠生,趙泫珠.中國銀行業(yè)實(shí)施逆周期資本緩沖工具研究[J].財(cái)經(jīng)理論與實(shí)踐，2015,(9).

[10]楊瑾淑.基于單一指數(shù)模型的銀行業(yè)系統(tǒng)風(fēng)險(xiǎn)實(shí)證研究[J].會(huì)計(jì)之友，2010,(8).

[11]宋琴.銀行系統(tǒng)風(fēng)險(xiǎn)測度——基于中國14家上市銀行面板數(shù)據(jù)的實(shí)證分析[J].蘭州學(xué)刊，2011,(4).

[12]劉志洋.規(guī)模大的銀行風(fēng)險(xiǎn)真的高嗎？——基于中國上市銀行的實(shí)證分析[J].金融論壇，2015,(1).

[13]鄭長軍,王光俊.基于銀行系統(tǒng)風(fēng)險(xiǎn)視角的銀行資本充足監(jiān)管——來自中國上市銀行的經(jīng)驗(yàn)數(shù)據(jù)[J].湖南大學(xué)學(xué)報(bào)，2014,28(1).

[14]李文峰,勞芬.利率市場化能激化銀行業(yè)非系統(tǒng)風(fēng)險(xiǎn)嗎？——來自我國上市商業(yè)銀行的數(shù)據(jù)[J].投資研究，2013,(12).

[15]張英奎，馬茜，姚水洪.基于復(fù)雜網(wǎng)絡(luò)的銀行系統(tǒng)風(fēng)險(xiǎn)傳染與防范[J].統(tǒng)計(jì)與決策，2013,(10).

Demonstration of Systematic Risk Factors in Chinese Banking System

Han Zhouyu,Chen Shaowei

(School of Economics,Sichuan University,Chengdu 610065,China)

This paper adopts the daily closing prices of 14 listed banking companies from 1999 to 2015 to calculate the beta coefficient,and employs simple panel OLS model,fixed individual or time effect model and random individual or time effect model to analyze the influencing factors on the systematic risk of Chinese banking system.The study results show that the systematic risk has positive correlation with financial leverage,loan asset ratio and profitability,but has a negative correlation with the bank size and the liquidity radio.

banking system;systematic risk;beta;accounting indicator

F832.5

A

1002-6487（2017）20-0154-03

中央高?；究蒲袠I(yè)務(wù)費(fèi)專項(xiàng)資金資助項(xiàng)目（skyb201202）；廣義虛擬經(jīng)濟(jì)研究專項(xiàng)資助（GX2012-1011（M））

韓周瑜（1986—），女，四川綿陽人，博士研究生，研究方向：世界經(jīng)濟(jì)。

陳少煒（1987—），男，陜西商洛人，博士，講師，研究方向：宏觀經(jīng)濟(jì)、國際金融。

(責(zé)任編輯/劉柳青)