汪洋，汪玉环

(安徽师范大学 经济管理学院，安徽 芜湖 241000)

区域经济一体化的实质是通过降低交易成本促进商品、生产要素的自由流动，最终实现资源的优化配置[1]。金融一体化是区域经济一体化的重要组成部分，金融发展可以领先于实体经济发展，进而引导实体经济发展。股票市场作为直接金融市场在促进区域经济一体化过程中扮演着重要角色。流动性是股票市场的一切[2]，流动性充足的股票市场能最大限度地发挥资源优化配置的基础功能，实现金融资源在区域内的自由流动，促进区域金融一体化发展，为金融发展奠定坚实的基础。

如何提升我国股票市场的流动性一直以来都是学术界的热点话题。在企业内部环境视角下，学者们认为适当降低公司财务杠杆率、优化公司股权结构、提高企业技术创新水平等有助于提升股票流动性；
在企业外部环境视角下，学者们认为降低资本市场信息不对称程度、减少内幕交易行为、提高公司自愿性披露的信息数量和质量、提高公司财务信息透明度等有助于提升股票流动性[3-9]。另外，随着科技进步，大数据、云计算、人工智能等现代信息技术的涌现为降低资本市场信息不对称程度、提升股票流动性提供了新出路。

党的十九大报告明确提出要“深化金融体制改革”，强调“大力发展普惠金融”。同时“十四五”规划要求“要迎接数字时代，加快建设数字中国，壮大经济发展新引擎”。伴随新一轮科技革命的到来，数字金融应运而生，中国跻身成为全球范围内数字金融发展最为迅速的国家之一。据北京大学数字普惠金融指数显示，自2011年该指数发布以来，十年间我国数字金融发展水平年增长率高达29.1%[10]。数字金融能有效抓取并整合资本市场的数据和信息、降低资本市场信息不对称程度、提高企业财务透明度、增强金融资源的靶向性，为企业生产经营赋能。数字金融发展还能引发金融市场的动力变革与效率变革，优化金融生态环境，为具有创新潜力的优质企业提供研发生产活动所需资金。微观经济主体外部金融环境的改善，能够在资本市场中形成一定积极反馈(如提升股票流动性)。因此，数字金融新业态是否会对资本市场流动性产生影响，就成为值得探索的问题。

数字金融是时代发展的产物，诞生时间不长，目前尚未有文献将数字金融发展与股票流动性联系起来，以考察数字金融发展在资本市场的表现。研究可能的边际贡献在于：1)就理论而言，本研究将中国新时代数字金融发展与资本市场活跃度联系起来，剖析“数字金融-股票流动性”之间的关系，从外部环境视角拓展对资本市场流动性的认识，同时丰富数字金融发展效果的研究；
2)就现实而言，本研究对提高股票流动性、促进资本市场发展、深化金融体制改革、强化金融服务实体经济意义重大。另外，研究对于提升数字金融政策靶向性、正确引导数字金融发展、助力我国经济高质量发展也有一定的现实意义。

(一)技术创新视角下数字金融与股票流动性

伴随我国经济发展进入转型攻关期，技术创新能力正成为引领国家经济持续稳定增长的重要引擎。金融是企业实现技术创新的重要外部环境，数字金融能有效缓解企业融资约束困境，增加企业研发投入资金，提高企业技术创新水平[11]。企业技术创新水平的提高会在一定程度上由资本市场流动性水平反映出来，表现为股票流动性水平的提升[5]。

从技术创新视角来看，数字金融理论上应该能有效提高企业技术创新水平，进而提升股票流动性。研发创新活动是一项典型的过程不可逆、投入沉没性、产出不确定的长周期高风险活动[12]。仅仅依靠内源融资难以为企业技术创新活动提供充足、稳定的金融资源作为保障，技术创新活动的持续性往往更依赖于企业外源资金[13-14]。

然而，在我国传统金融体系中，金融资源出现了显著的“流动性分层问题”，金融资源结构性错配难以为企业提供充裕的外源资金，严重制约着技术创新活动的开展[15]。数字金融新业态能从2个方面解决传统金融模式下企业技术创新活动所面临的发展困境。一方面，数字金融能有效增加金融供给，提高企业技术创新水平。数字金融在大数据、区块链、人工智能、互联网技术等数字科技的支撑下有效收纳了原有金融市场中“多、散、小”的投资者群体，并以较低的成本将其转化为有效的金融供给[16]。数字金融发展不仅拓宽了资金来源、增加了融资数量，还可以提供层次更为丰富的融资方式和渠道[17]，为企业技术创新活动提供坚实的金融基础，使企业技术创新活动得以顺利开展。另一方面，数字金融能增进金融服务效率，提高企业技术创新水平。数字金融能够以广覆盖、低成本、高效率的优势给用户精准的画像，给风险精细化的定价，并将业务流程集约化以纠正传统金融体系的资源错配问题，提高金融服务效率[18]。另外，数字金融作为一种金融溢出，深度优化了传统金融机构及其业务，在一定程度上倒逼传统金融体系自我改革，进一步提高金融体系整体服务效率[19]。数字金融引发动力变革和效率变革，优化了金融生态，缓解了企业融资困境。在数字金融覆盖范围内，具有创新潜力的企业能够得到便利化、低成本的资金支持，为企业技术创新提供了必要条件。企业技术创新水平在很大程度上决定了企业的发展前景，创新能力强的企业会在后续的市场竞争中占据更具优势的地位[20]。资本市场投资者往往也更青睐这类高潜力企业，增加其股票交易概率，由此带来股票流动性水平的提升。因此，研究提出假设1。

假设1:数字金融通过提高企业技术创新水平来提升股票流动性。

(二)信息约束视角下数字金融与股票流动性

根据信息经济学理论，信息不对称程度越高，股票流动性越低[6]。企业外部投资者与企业内部管理层之间在内部生产经营状况和资产价值等方面存在信息差，引发信息不对称问题[21]。信息不对称导致外部投资者对企业发行的股票价值存在判断偏差，而“逆向选择”问题间接阻碍了企业股票在资本市场的流动，使股票流动性降低。

从信息约束视角来看，数字金融理论上应该能有效降低企业信息不对称程度，进而提升股票流动性。一方面，数字金融发展能有效降低信息不对称程度，提高金融服务获得性，提升股票流动性水平。数字金融借助大数据、区块链等数字科技能够实现对企业内外部海量、非结构化、非标准化信息数据的高效抓取，同时依靠云计算、人工智能技术将抓取的数据信息结构化、标准化，提高了信息的可用性[22]。在数字金融模式下，外部金融机构能及时掌握企业生产经营状况及财务状况，使金融服务得以更加精准地触达更具发展潜力的企业，为企业生产发展提供充裕的资金供给。同时，数字金融发展较好的地区外部融资环境相对宽松，企业融资渠道也更加广泛[23-24]。金融服务获得性的提升可以有效赋能企业生产经营，发展状况良好的企业在资本市场中自然有更好表现。另一方面，数字金融发展能有效降低信息不对称程度，增强企业财务透明度，进而提升股票流动性水平[25]。难以消除的信息不对称现象会引起公司财务透明度问题。公司财务透明度低，外部投资者难以及时、充分地了解隐藏的信息，增加了资本市场中的逆向选择行为，从而降低股票市场的流动性水平[26]。数字金融能高效地收集、处理和输出有效性更高的信息数据，减少管理层与外部投资者之间信息不对称程度，增强企业财务透明度[27]。企业实现财务透明，外部市场投资者能及时了解公司经营能力等信息，从而获得多维度的投资决策依据，降低了外部投资者的不确定性风险，对公司股票价格、成交量等市场流动性指标产生正向影响，使股票交易的活跃度得以提升[28-29]。更为重要的是，数字金融正在成为新时代新阶段数字中国建设的热点方向，积极拥抱数字金融新业态的企业会向资本市场释放积极信号，外部投资者往往对于发展数字金融的企业有着更高的预期，进而助推这类企业股票交易量上升[30]。因此，研究提出假设2。

假设2：数字金融通过降低信息不对称程度来提升股票流动性。

基于以上分析可以看出，数字金融发展可以通过提高企业技术创新水平和降低信息不对称程度来提升股票流动性水平。据此，提出核心研究假设3。

假设3：数字金融发展有助于提升股票流动性水平。

(一)变量设计

1.被解释变量

被解释变量为股票流动性。国内外学者从交易量、价格、价量结合及时间等角度分别构建了股票流动性指标[31]，但到目前为止尚不存在一个最佳的、统一的股票流动性度量指标。Amihud于2002年提出非流动性指标，该指标综合考虑了价格和交易量双重因素对市场流动性的影响，成为现有研究中使用频率最高的流动性度量指标。非流动性指标是对股票流动性的负向度量，即股票流动性大小与非流动性指数呈负相关，非流动性指数越大，股票流动性水平越小，反之则越大[32]。借鉴Amihud的研究，按照式(1)计算非流动性指标(ILLIQ)。

(1)

其中，Di,n为第i只股票在第n年的交易天数；
|Ri,t,d|为第i只股票在第n年第d天收益率的绝对值；
Voli,n,d为第i只股票在第n年第d天的交易额。

2.解释变量

解释变量为数字金融指数。北京大学数字金融研究中心基于蚂蚁金服提供的海量基础数据，编制了《数字普惠金融指数》来衡量中国数字金融的发展水平。国内学者的研究中主要基于该套指数量化中国数字金融发展水平[11,33-34]，该套指数主要从覆盖广度、使用深度和数字化程度3个维度来构建数字普惠金融指数。研究借鉴北京大学数字金融研究中心的研究成果，以省级层面“数字普惠金融指数”及其3个维度的分指数来度量我国数字金融发展水平。

3.中介变量

(1)企业技术创新水平(Innovation)

现有研究主要从投入和产出两个角度来测度企业技术创新水平。产出角度主要包括专利申请数、专利授予数和专利引用数；
投入角度主要由研发投入金额来测度。需要考虑到专利的申请、授予及引用存在长期性、滞后性特征，且专利数量无法准确反映企业创新的价值量大小。相比之下，企业研发投入有明确的会计对应期间，能反映企业特定期间的创新活动。此外，研发投入以货币为计量单位，可以有效反映企业创新的价值量差异，具有较好的可比性。综上所述，研究参考周铭山等的研究[35]，从创新投入角度出发，以企业研发投入占企业当年营业收入的比例来测度企业技术创新水平。

(2)信息不对称程度(Analysis)。

信息不对称的发生主要是指因外部投资者对企业内部信息的不明朗而需要面临的风险。企业主动公布和第三方调查研究是获取企业信息的主要途径，分析师可以通过访谈、调查等多种方式来获取企业信息并形成易于理解的、系统化的研究报告，提高企业信息的可获得性和可用性。分析师作为企业信息的搜集者和传递人，能够提高上市企业信息的透明度[36]，缓解外部投资者和企业因信息不对称导致的利益冲突。因此，借鉴周振江等的研究[37]，使用分析师关注度(一年内对该公司进行过跟踪分析的分析师/分析师团队数量)来衡量上市企业的信息不对称程度，该公司被跟踪分析的分析师/分析师团队数量越多，表明其信息不对称程度越低。

4.控制变量

为提高研究的可信度，借鉴吴非等的做法[5]，研究加入了以下控制变量(表1)：1)资产负债率(Lev)，资产负债率过高，企业将面临较大的经营风险，不利于股票流动性的提升；
2)公司规模(Size)，研究表明，规模大的企业相对于中小企业而言在资源获取等方面存在优势，因此在资本市场受到投资者的青睐，会对股票流动性水平产生影响；
3)董事会规模(Board)；
4)企业年龄(Firmage)；
5)独立董事比例(Indep)；
6)是否国有企业(SOE)；
7)股权制衡(Balance)；
8)是否四大审计(Big4)；
9)总资产净利润率(ROA)；
10)机构投资者持股(INST)。

表1 相关变量汇总表

表1(续)

(二)模型构建

为研究数字金融发展对股票流动性的影响，研究设定了式(2)加以检验。

ILLIQi,n=α+β1DIFi,n+∑φCV+∑Year+ε.

(2)

在回归方程(2)中: 被解释变量为股票流动性变量，以非流动性指标(ILLIQ)作为代理变量；
核心解释变量为数字金融指数(DIF，省级层面)，包括数字金融总指数(Index_aggregate)以及3个子维度的分指数，分别为覆盖广度指数(Coverage_breadth)、使用深度指数(Usage_depth)、数字化程度指数(Digitization_level)；
控制变量CV包括了前述的控制变量；
ε为模型误差项。

为提升实验结果的可靠性，进行以下处理：第一，加入系列微观层面的控制变量，以尽可能减轻企业层面其他因素对股票流动性水平的影响；
第二，考虑到数字普惠金融指数为地区数据，为了避免样本期内其他宏观因素导致股票流动性水平发生变化，研究的基准回归模型均使用“双向固定模型”，用来固定年份效应(Year)和省份效应(Province)；
第三，为减轻异方差的影响，在所有回归方程中均采用了稳健标准误调整的t统计量。

(三)样本选择与数据来源

以沪深两市A股上市企业为研究对象，依据数字金融指数省级层面数据进行配对，研究构建了2011年—2020年的面板数据集。并对数据集进行以下基本处理：1)剔除样本企业中的金融、房地产类企业；
2)剔除样本期间挂牌ST的企业；
3)对本研究中所有连续变量数据进行1%以下和99%以上的缩尾处理以消除极端值的影响。数据来源为：1)解释变量数字普惠金融指数来自北京大学数字金融研究中心发布的《数字金融普惠金融指数》；
2)2011年—2020年沪深A股上市企业有关股票流动性、技术创新水平、信息不对称程度及其他企业层面控制变量的相关数据，来自国泰安数据库(CSMAR)。

(一)描述性统计

表2报告了描述性统计特征。描述性统计结果显示，非流动性指标(ILLIQ)最小值为0.002 45，最大值为14.05，标准差达1.690，说明我国不同企业个体股票流动性水平差距较大，这与我国资本市场发展时间短、成熟度低、市场流动性不足的事实相符，佐证了股票流动性数据来源的可靠性。数字普惠金融总指数及3个维度分指数的标准差分别为94.79、92.58、101.0、107.7。其中，数字化程度分指数增长幅度最大，翻了21.38倍。图1为我国31省数字普惠金融总指数2011年至2020年的发展情况，从数字普惠金融总指数的省份均值和省份中位数都可以看出我国数字金融发展在最近十年呈现持续稳定增长趋势。从图2的2011年至2020年我国31省数字普惠金融总指数及其一级分指数趋势图可以看出，近十年来数字化程度指数一直居于数字普惠金融总指数、覆盖广度和使用深度分指数之上。说明我国数字金融发展进入了新阶段，各地数字金融基础设施广泛覆盖的延伸已经不能够满足数字金融发展的需求，数字金融数字化程度指数正在成为数字普惠金融总指数增长的新引擎。

表2 描述性统计表

图1 2011年—2020年省级数字普惠金融总指数的均值和中位数

图2 2011年—2020年数字普惠金融总指数及其一级分指数趋势图

(二)基准实证结果分析

1.基础回归检验

表3(1)、(2)列针对“数字金融-股票流动性”的基准关系进行了实证检验。在第(1)列中仅使用双向固定效应模型(控制年份效应和省份效应)，不加入相关控制变量集。结果显示，数字普惠金融总指数(Index_aggregate)对股票非流动性指标(ILLIQ)的回归系数(-0.007)为负值，且通过了1%的统计显著性检验，初步说明数字金融发展有助于提升股票流动性水平。在加入系列的控制变量集后，第(2)列结果显示数字普惠金融总指数对股票流动性指标的回归系数(-0.008)依旧通过了1%的统计性检验。综上可以得知，数字金融发展有助于提升股票流动性水平，提高资本市场活跃度。假设3得以验证。

2.数字金融子维度检验

为了更加详细地描述数字金融发展对股票流动性的影响，研究将数字普惠金融总指数进一步地分解至子维度，详细探究数字金融覆盖广度(通过电子账户的覆盖率来体现)、使用深度(衡量实际使用金融服务的情况)及数字化程度(衡量数字金融便利化、低成本和信用化程度)在提升股票流动性方面究竟扮演着怎样的角色。基于此来分析数字金融哪个维度的发展在提升股票流动性上有着更显著的效果。

表3第(3)、(4)、(5)列结果显示，数字金融的覆盖广度(Coverage_breadth)、使用深度(Usage_depth)以及数字化程度(Digitization_level)均对股票流动性呈正向驱动作用(对非流动性指标的系数为负且通过了1%的统计显著性检验)。进一步对比分析可知，在数字金融3个子维度中，数字化程度指标对模型的解释度最高(Coverage_breadth、Usage_depth、Digitization_level的t值分别为-3.06、 -4.33 、-6.21)。表3第(6)列将3个子维度的分指数同时放入模型中进一步检验。结果显示，覆盖广度指数和使用深度指数的系数未展现出统计显著差异，而数字化程度指数的估计系数在1%的水平显著为负。这表明，数字金融覆盖广度和服务深度表现出对股票流动性的提升作用，其本质是覆盖广度的扩大和服务深度的挖掘扩散了数字化技术带来的高效性与便利性等正外部效应。数字化技术是数字金融提升股票流动性的基础性力量，凭借技术优势降低信息不对称程度、促进企业研发投入是数字金融提升股票流动性的关键路径。同时也不可否认，数字金融发展对股票流动性的提升依赖于3个子维度的协同发展。表3的实证检验结果传递了更多有用的信息：未来数字金融的发展重心应逐渐转移至数字化的转变上，借助数字化优势进一步提高金融服务的效率能够加快完善资本市场发展的步伐。

表3 数字金融发展对股票流动性的影响：基础回归+子维度检验

(三)稳健性检验

尽管已从多个角度验证了数字金融发展有助于提升股票流动性水平，但基于稳健性的考虑，研究使用替换回归模型、剔除直辖市影响、剔除股灾年份影响、引入控制变量4种方法对实验模型进行稳健性检验。

1.替换回归模型

为提高实验结果的可靠性，替换回归模型进行实证检验。遵循经典的个体固定效应模型，同时控制时间效应，尽可能吸收固定效应对实验结果产生的影响。在回归检验方程中均采用稳健性标准误，尽可能消除异方差对实验结果的干扰。

表4第(1)列中仅控制“个体-时间”固定效应。结果显示，数字普惠金融总指数(Index_aggregate)的回归系数为-0.012且通过了1%的统计显著性检验。在加入一系列的控制变量后，第(2)列结果显示数字普惠金融总指数的系数绝对值虽有减小(-0.010)，但显著性水平保持不变。数字金融覆盖广度(Coverage_breadth)、使用深度(Usage_depth)和数字化程度(Digitization_level)指标的系数在个体固定效应模型中分别通过了10%、1%、1%的统计显著性检验。表4数据表明，本研究“数字金融发展有助于提升企业股票流动性水平”的核心结论并不会因为模型选择的不同而发生改变，研究的实证结论具有高度稳健性。

表4 稳健性检验Ⅰ：个体固定效应模型

表4(续)

2.剔除直辖市影响

考虑到我国直辖市在政治、经济上存在较大的特殊性，在数字金融发展、股票流动性水平上也存在较大不同。对此，进一步剔除直辖市的样本重新回归检验。表5数据显示：数字普惠金融总指数(Index_aggregate)和覆盖广度(Coverage_breadth)、使用深度(Usage_depth)、数字化程度(Digitization_level)的回归系数均显著为负，表明数字金融发展对股票流动性水平起到提升作用这一结论是稳健的。

表5 稳健性检验Ⅱ：剔除直辖市样本

表5(续)

3.剔除股灾年份影响

世界范围内的重大金融冲击在一定程度上会影响数字金融发展与企业的股票流动性水平。研究表明，在经历金融冲击后，股票市场会出现流动性不足的问题，数字金融发展也可能面临阻碍。如果忽略金融冲击对实验结果的干扰，则可能导致一定的内生性问题。研究的时间序列中存在一个重大金融冲击事件，即2015年中国股市的重大波动，因此删除2015年样本数据以剔除金融冲击事件的影响。表6数据显示：研究的核心结论依旧稳健。

表6 稳健性检验Ⅲ：剔除股灾年份

表6(续)

4.逐步引入控制变量

表7和表8是通过逐步引入控制变量对基础回归和子维度检验进行稳健性检验。首先仅控制年份和地区效应进行多元回归，然后逐步引入控制变量。表7和表8回归结果显示，无论是总指数的基础回归还是分指数的子维度检验,其显著性均无明显变化，进一步佐证了研究核心结论的稳健性。

表7 稳健性检验Ⅳ：逐步引入控制变量

表7(续)

表8 稳健性检验Ⅳ：逐步引入控制变量

表8(续)

为进一步识别检验数字金融发展与股票流动性之间的具体渠道机制，选取“企业技术创新水平”和“信息不对称程度”2个渠道进行验证。探究数字金融发展影响股票流动性的机制路径，借鉴温忠麟、叶宝娟[38]3阶段中介效应模型开展研究。

ILLIQi,t=φ+φ1Index_aggregatei,t+∑φCV+∑Year+ε,

(3)

Mediatori,t=θ+θ1Index_aggregatei,t+∑φCV+∑Year+τ,

(4)

ILLIQi,t=φ′+φ′1Mediatori,t+φ′2Index_aggregatei,t+∑φCV+∑Year+ζ.

(5)

选取2组中介变量(Mediator)，第1组变量为企业研发投入占企业当年营业收入的比例，衡量数字金融加持下的企业技术创新水平；
第2组变量为被分析师关注度(Analysis)，衡量数字金融加持下的企业信息流转畅通程度。其余相关变量与前文保持一致。选择这2个中介变量的原因是：首先，数字金融发展在促进企业研发投入，提高企业技术创新水平后，企业发展潜力的优化必然会在资本市场得到一定程度的认可，从而提升股票流动性水平；
其次，在数字金融的加持下，企业信息处理能力得到加强，海量、非结构化、非标准化的数据能迅速转化为投资者可以使用的信息数据，更好地克服信息不对称问题，增强市场积极预期，从而提升股票流动性水平。

表9 数字金融发展影响股票流动性的渠道机制：技术创新与信息不对称

表9(续)

上述检验结果及分析表明，数字金融的发展能通过提高企业技术创新水平、降低信息不对称程度来提升企业股票流动性水平。数字金融内涵丰富，包含覆盖广度(Coverage_breadth)、使用深度(Usage_depth)、数字化程度(Digitization_level)3种具体的结构类型。为了进一步确定数字金融发展影响企业股票流动性水平的路径，对数字金融3种不同的结构类型分别进行分析(表10、表11、表12)。表10的结果显示，数字金融的覆盖广度未能通过提高企业技术创新水平和降低信息不对称程度来提升企业股票流动性水平。表11和表12的结果分别显示，各地区数字金融服务业务使用程度的加深、数字金融交易成本的降低及效率的优化能够提高企业技术创新水平、降低信息不对称程度，进而提升企业股票流动性水平。覆盖广度指标未能通过显著性检验，一个可能的原因是数字金融基础设施建设的覆盖面积已基本满足数字金融的发展需求，覆盖广度扩大所带来的规模效应已经难以通过提高企业技术创新水平、降低信息不对称程度来提升企业股票流动性水平。

表10 数字金融3种不同结构类型的影响：覆盖广度

表11 数字金融3种不同结构类型的影响：使用深度

表12 数字金融3种不同结构类型的影响：数字化程度

近年来，数字金融的触角已经延伸至传统金融行业的各个层面，研究以沪深A股上市企业为样本，探讨并检验了数字金融发展对股票流动性的影响，并进一步探究了作用机制。主要得到以下结论：第一，数字金融发展能够提升股票流动性；
第二，数字金融覆盖广度、使用深度和数字化程度对股票流动性均有显著的提升作用，其中数字化程度的作用更为显著；
第三，数字金融发展通过提高企业技术创新水平和降低信息不对称程度来提升股票流动性水平。具体来看，在使用深度和数字化程度上，企业技术创新水平和信息不对称程度在提升股票流动性水平的过程中发挥了中介作用。

基于上述分析及研究结论，提出以下政策建议。第一，在守住风险底线的前提下，应当给予科技与金融融合发展政策支持，正确引导数字金融发展。把握数字金融的信息处理优势，真正实现将数据信息转化为生产要素，助力建设数字中国。第二，政策内容要与数字金融发展阶段相适宜，正确认识数字金融不同发展阶段的需求。现阶段，应注重数字金融使用深度和数字化程度的发展，最大限度地发挥其对股票流动性提升作用，以提升资本市场活跃度。

猜你喜欢 流动性股票程度 精致和严谨程度让人惊叹 Sonus Faber(意大利势霸)PALLADIO(帕拉迪奥)PW-562/PC-562家庭影院技术(2021年5期)2021-07-21男女身高受欢迎程度表意林(2021年2期)2021-02-082020年二季度投资策略：流动性无忧业绩下杀无解股市动态分析(2020年7期)2020-04-26美联储“顺潮”降息或将提升全球流动性中国外汇(2019年16期)2019-11-16——基于三元VAR-GARCH-BEEK模型的分析">金融系统多维度流动性间溢出效应研究
——基于三元VAR-GARCH-BEEK模型的分析金融与经济(2019年6期)2019-07-04本周创出今年以来新高的股票股市动态分析(2016年23期)2016-12-27本周创出今年以来新高的股票股市动态分析(2016年22期)2016-12-27本周连续上涨3天以上的股票股市动态分析(2016年7期)2016-09-29近期连续涨、跌3天以上的股票股市动态分析(2016年4期)2016-09-29将内燃机摩擦减小到最低程度汽车与新动力(2014年5期)2014-02-27