信贷配给下的货币政策阈值效应实证研究*

王乾乾1, 王金波2,3

(1. 中国进出口银行 新疆分行, 乌鲁木齐 830002; 2. 衡水学院 经济与管理学院, 河北 衡水 053000; 3. 辽宁大学 经济学院, 沈阳 110036)

摘 要: 基于金融市场的信息不对称理论和信贷配给理论,根据2003—2016年季度数据,利用向量VAR模型、脉冲效应函数和方差分解对我国货币政策执行效果进行实证研究,得出结论:不同效应搭配下的货币政策执行效果存在非对称性,紧缩性的货币政策执行效果大约是扩张性货币政策效果的约4倍。运用TAR模型对货币供给量的阈值进行估计,指出货币供给量在不同的货币执行区间存在显著阀值,并根据实证结果提出启示与政策建议。

关键词: 信息不对称; 信贷配给; 阈值效应; 货币政策

20世纪80年代我国采取信贷规模管制、有计划的直接调控手段。随着改革开放的深入,市场参与者自主决策的意愿和能力上升,我国取消信贷规模限额,转向数量型的间接调控手段。近年来我国经济进入新常态,不仅需要保持币值稳定和实现经济增长,还需兼顾实现充分就业和国际收支平衡的长期目标。同时,科技不断应用到金融领域,导致金融脱媒现象愈演愈烈。在此背景下,一方面近似货币替代物越来越多,加大了货币供给量测量难度;另一方面也使货币需求函数变得越来越不稳定,促使货币政策由数量型转向价格型。

2008年金融危机以后,世界各国不断对货币理论进行理论探索和实践探索。作为全球最大的转型中的经济体,我国的中央银行在制定货币政策时不仅要控制通货膨胀,还要兼顾我国经济转型的特点和金融改革的需要。因此,中央银行在执行货币政策时要综合考虑我国宏观调控的实际,创新货币政策工具,加强金融市场基础设施建设,降低市场参与主体之间的信息不对称程度,提高投资的利率敏感性,为货币政策的有效发挥提供良好的条件,从而实现我国经济结构的高质量转型。鉴于货币政策在国家经济增长中的重要性,研究不同政策搭配下货币政策的有效性,对于解决当前国内有效需求不足问题有着重要的现实意义。

一、文献回顾

Blinder(1987)[1]提出了信贷配给模型,从理论上解释了货币政策执行效果受制于信贷配给状态,并对信贷配给、货币政策和产出之间的关系进行了解释。mc Cllum(1991)[2]通过构造t统计量检验了信贷配给模型,得出当经济体中货币供给增量低于某个特定值时货币政策对产出的影响更加显著的结论。Hansen(1996)[3]研究了阈值问题的不同检验统计量,通过统计量检验了阈值的存在。John(1996)[4]运用浮动法对美联储的数据进行了实证分析,发现货币政策对产出的影响具有显著的非线性特征,即货币政策执行效果存在非对称性。

对于信贷配给现象和阈值效应国内也展开了相关研究。高鸿(2012)[5]利用2000—2011年的月度数据构建了VAR模型,并检验了货币政策的调控效果,得出数量型货币政策工具的调控效果好于价格型货币政策工具的结论。黄飞鸣(2002)[6]认为,货币政策是否有效在很大程度上取决于传导通道是否畅通,而在我国利率管制和金融市场不完善的背景下信贷通道的畅通程度直接影响货币政策的执行效果。尹志超等(2011)[7]运用某国有银行2002—2009年企业借款信息的微观数据,采用线性和非线性多种模型对信息不对称和贷款违约进行了实证研究,得出信贷市场同时存在逆向选择和道德风险的结论。武春桃(2016)[8]基于2004—2012年17家商业银行的混合截面估计,得出了信息不对称加剧信贷风险的结论。罗付岩(2013)[9]运用2003—2011年A股上市公司数据实证检验了银企关系与融资企业的投资效率,认为银企关系与现金缺口存在替代效应。陈蕾(2011)[10]借助海英纳模型对商业银行与中小企业的关系进行了研究,认为信息不对称是中小企业融资难的重要因素。

从货币政策传导途径来看:蒋瑛琨等(2005)[11]利用1992—2004年的季度数据进行了实证分析,认为贷款对产出的影响显著,相反货币供应量M2对产出影响没有显著性。周孟亮等(2006)[12]将样本区间进行隔离分层,进而得出货币供应量M2是我国经济增长的Granger原因,表明仅仅依靠大量增发货币无法启动新一轮的经济增长。毛泽盛等(2012)[13]首先对1994—2011年的季度数据进行了整体分析,以亚洲金融危机为节点分样本考察了货币政策传导机制,得出1994—1998年间金融机构的信贷对GDP的作用大于货币供给量M2,但在1998—2011年间货币供给量对产出的影响越来越显著,进一步说明了当前信贷通道仍然是影响我国经济的主要货币政策通道。

从货币政策执行效果非对称性来看:胡臻(2013)[14]对2000—2012年的季度数据进行了研究,得出紧缩性货币政策对产出的影响更为显著。孙俊(2013)[15]运用LSTVAR模型证实了相同规模的紧缩性货币政策效果与扩张性货币政策效果存在明显差异,得出信贷配给是造成货币政策效果非对称的原因的结论。刘丽巍等(2012)[16]采用Galbraith提出的计量模型,检验了1998—2010年期间能够反映我国货币政策效果非线性的阈值。

通过梳理相关文献发现,国内外相关研究多停留在实证层面,对货币政策执行效果产生阀值的原因及理论机制鲜有研究,这难免使得实证结论缺乏坚实的理论基础,进而缺乏解释效力。鉴于此,本文以信息不对称理论与信贷配给理论为切入点,对不同货币政策执行效果所产生的阀值进行了阐释,同时考虑了紧缩性与扩张性两种货币政策的阀值效应,使得对于该问题的分析更为全面,并根据文章结论给出了建议供相关人员参考。

二、理论阐释

信贷市场并不是单纯地依靠价格机制来达到供给和需求均衡,而是需要同时考虑贷款资产发生违约的可能性,来达到预期收益最大化。仅依靠价格机制只能增加商业银行的信贷供给,加大金融系统的信用风险,因此信贷市场上商业银行的贷款利率和预期收益并不是单调增加的,信贷供给曲线是一条向后弯曲的曲线。当贷款利率处于较高水平时,由于逆向选择和道德风险,商业银行的信贷环境发生恶化,预期收益出现下降,因此即使有借款人愿意以更高的利率借贷资金,商业银行也会综合考虑贷款偿付的可能性,使利率不会达到预期收益出现下降的水平。信贷市场的不完全信息决定了价格机制和信贷配给机制在信贷资源的配置中共同起作用,是信贷配给产生的主要原因。

由于企业与银行的信息不对称,按照信贷配给模型,商业银行的目标函数是关于利率收益和风险的函数,融资企业的目标函数是关于利率和预期收益的函数。融资企业的借款成本越高即利率越高,将借款投放到高风险项目上的可能性就越大,这样降低了商业银行的预期收益;同时,商业银行从维护自己的利益出发,在衡量贷款风险和收益的情况下不会将利率提高到其预期收益开始下降的水平。在这种情况下,信贷市场出现了仍然存在对信贷超额需求的“市场均衡”,即信贷市场均衡除了通过利率进行价格配给外,还存在对信贷数量的配给,导致信贷市场均衡具有两大特征——均衡利率和信贷配给同时存在。经济下行周期和经济繁荣周期信贷配给模型如图1所示。

由图1可知,当经济处于下行周期时,人们普遍对经济持悲观预期,经济中的利率为r*,信贷需求曲线为Dl,信贷供给曲线为Sl,信贷市场的信贷缺口为AB。由于经济下行,为了“熨平”经济波动,中央银行实施宽松的货币政策,利率下行到r1水平;而融资企业的悲观预期会减少投资,从而信贷需求曲线往左移动至Dl1;在信贷配给程度不变的前提下,信贷供给曲线向右移动至Sl1,此时信贷需求缺口为DC。与此同时,由于商业银行担心收益不能覆盖风险,信贷供给曲线向右移动的幅度变小甚至出现左移的现象,信贷需求缺口为ECEC>DC,信贷配给程度加重。经济处于上行周期时,EC<DC,信贷配给程度减轻。

由此可见,在不同的经济周期,信贷配给程度不同,呈现出顺周期现象,导致货币政策在不同经济阶段执行效果不一致,即出现拐点,经济上行期的货币政策执行效果优于下行期。当经济出现波动时,货币政策执行效果将会改变,从而出现货币政策执行效果的拐点即阈值。

图1 经济下行周期和经济上行周期信贷配给模型

三、实证分析

1. 变量选取及数据来源

本文主要研究货币政策信贷通道对货币政策执行效果的影响。影响产出的因素主要有财政政策和货币政策,而金融市场的发展程度直接影响商业银行的信贷配给行为和企业的融资行为。所以,本文以财政支出、货币供给量、金融市场规模、价格水平作为研究变量。财政支出采用国家季度财政支出(不含债务还本)当期值G作为财政政策变量;考虑到货币近似替代物及替代程度的不断加强,采用货币和准货币M2供应量期末值作为货币政策变量;金融发展程度采用银监会公布的银行业金融机构资产负债表中的总资产SCALE作为代理变量;产出采用国内生产总值GDP当季值作为产出变量;价格水平用P表示(根据国家统计局公布的CPI计算得到)。道德风险在一定程度上反映了信息不对称的程度,本文采用银监会公布的不良贷款率R作为信息不对称的量化指标。

将2003年第一季度到2016年第四季度所有数据经过价格调整为实际值,采用X11法对数据进行季节调整。所有变量经过对数处理,国内生产总值记为ln GDPt,财政支出记为ln Gt,货币供给记为ln M2t,金融发展程度记为ln SCALEt,价格水平记为ln Pt。数据来自国家数据网、银监会网和中国人民银行网站。

2. 模型设定及分析

(1) 货币政策非对称性实证检验。采用向量自回归模型(VAR)进行分析,将研究对象的方差分解,得到各个经济序列对应变量预测方差的贡献大小。

货币政策非对称性主要研究紧缩性和扩张性货币政策对产出的贡献率,所以该部分的实证模型是构建不同方向的货币冲击对产出变动的贡献率模型。名义货币供给量取决于名义GDP、通货膨胀率。通过构建货币供给量M2、国内生产总值GDP、价格水平P的VAR模型得到货币冲击U。进一步构建国内生产总值GDP、财政支出G、金融市场规模SCALE和货币冲击U的VAR模型,通过对国内生产总值GDP的方差分解得到不同方向货币冲击对国内生产总值变动的贡献率。

货币供给过程可表示为

Δln M2t=α+∑βΔln GDPt-q+∑ηΔln Pt-p+

γΔln M2t-s+μt

(1)

(2)

表1为相关变量的描述性统计,表2为变量的单位根检验结果。由表2可知,原变量单位根的绝对值均小于临界值,为非平稳序列,但经一阶差分后为平稳时间序列,故可以构建VAR模型。

表1 各变量描述性统计

统计量lnSCALElnPlnM2lnGDPlnG均值8.804.838.506.634.87中位数8.844.838.576.694.91最大值9.604.999.237.145.87最小值7.944.647.705.913.92标准差0.520.120.480.380.59样本数52.0052.0052.0052.0052.00

根据式(1)建立VAR模型,首先确定模型的最优滞后阶数,具体如表3所示。由表3可知,似然比检验(LR)、最终误差预测准则(FPE)、赤池准则(AIC)的最优滞后阶数均为4,并且在10%的水平上显著。因此,可以确定VAR模型为4阶滞后模型,根据模型(1)、(2)可得到正反两个方向的货币冲击序列,其对国内生产总值的贡献率可表示为式(3)。

表2 各变量单位根检验结果

变量检验类型(c,t,p)P值ADF检验值临界值1%5%10%结论lnGDP(c,0,2)0.3680-2.106 -3.574-2.957-2.598不平稳ΔlnGDP(c,0,1)0.0080-4.139∗∗∗-3.574-2.957-2.598平稳lnM2(c,0,2)0.5250-1.156-3.574-2.927-2.958不平稳ΔlnM2(c,0,1)0.0020-4.557∗∗∗-3.576-2.927-2.958平稳lnG(c,0,2)0.5917-1.380-3.574-2.927-2.958不平稳ΔlnG(c,0,1)0.0000-12.510∗∗∗-3.576-2.927-2.958平稳lnSCALE(c,0,2)0.6210-2.223-3.574-2.927-2.958不平稳ΔlnSCALE(c,0,1)0.0000-10.220∗∗∗-3.574-2.927-2.958平稳lnP(c,0,5)0.6981-1.126-3.571-2.922-2.599不平稳ΔlnP(c,0,4)0.0120-3.503∗∗-3.571-2.922-2.599平稳

注:ctp分别为单位根检验中的常数项、趋势项与滞后阶数;*****分别为在0.05、0.01水平下显著;Δ为对原变量取一阶差分,下同。

表3 模型(1)的最优滞后阶数选择

滞后阶数LRFPEAICSCHQ0NA0-18.081 -17.966 -18.037 146.6890-18.736-18.276∗-18.560∗26.9530-18.537-17.734-18.232316.9370-18.601-17.454-18.164431.102∗1.08e-12∗-19.081∗-17.590-18.514

注:*为在0.1水平下显著,下同。

Δln GDPt=φ+∑κΔln GDPt-z+∑θUt-n+

πln SCALEt-y+∑σln Gt-e+δt

(3)

同理,对模型(3)构建VAR模型,结果如表4所示,可以确定模型的最优滞后阶数为1。通过对方程(3)的方差分解,可得到U1U2对GDP预测方差的贡献率,具体如表5所示。由表5可知,U1为正向的货币冲击,U2为反向的货币冲击。可以看出U1的百分比明显小于U2的百分比,U2约为U1的4倍,说明正向的货币冲击对国内生产总值的贡献率小于反向的货币冲击对国内生产总值的贡献率。

表4 模型(3)的最优滞后阶数选择

滞后阶数LRFPEAICSCHQ0NA0.00-26.840 -26.639∗-26.760159.188∗1e-18∗-27.230∗-26.040-26.784∗235.2300.00-27.150-24.960-26.330331.6870.00-27.120-23.940-25.930418.1970.00-26.760-22.590-25.200

(2) 货币政策阈值测度。通过构建TAR模型研究货币政策的阈值,对国内生产总值、财政支出、货币供给量、金融市场规模构建VAR模型,建立国内生产总值为因变量的多项式自回归分布滞后模型。首先,将每一季度的货币增量从小到大进行排序。其次,从排序后的序列中前后各去除7个样本得到新的序列,将新序列中的每一个数值作为准阈值进行回归,得到相对应的SSR序列,准阈值和真实阈值越接近,SSR越小。所以,SSR序列图的最低点便是所要估计的阈值。

表5 Δln GDP方差分解结果

冲击期数ΔlnGDPU2U1ΔlnSCALEΔlnG1100.000.000.000.000.00295.170.182.550.002.11388.672.522.503.023.28483.447.062.414.023.07580.849.452.724.042.96680.489.632.734.242.92780.249.672.734.362.99879.989.862.774.412.98979.8110.012.794.422.971079.7810.032.794.432.97

模型的一般形式可设定为

βΔln GDPt-e+∑κΔln Gt-p+∑αΔln M2t-s+

γΔln SCALEt-h+ξt

(4)

由表1可知,模型(4)中的原变量在一阶差分以后为平稳序列,因此可将模型(4)转化为误差修正模型,即

Δln GDPt=∑βΔln GDPt-e+∑κΔln Gt-p+

αΔ M2t-s+∑γΔ SCALEt-h+

ηecmt-1+ξt

(5)

根据t、AIC、SC、DW数值,可确定模型(5)的最优滞后阶数,具体如表6所示。

表6 模型(5)的最优滞后阶数选择

变量滞后阶数87654321ΔlnGDPt-12.903.022.792.933.283.553.163.07ΔlnGDPt-2-1.84-1.99-2.01-1.86-1.60-1.90-1.04ΔlnGDPt-31.791.861.871.881.361.90ΔlnGDPt-4-0.15-0.12-0.56-0.470.41ΔlnGDPt-50.230.291.101.44ΔlnGDPt-61.291.410.84ΔlnGDPt-7-1.21-1.32ΔlnGDPt-80.19ΔlnGt0.981.031.031.111.131.361.631.51ΔlnSCALEt-2.22-2.43-2.46-2.29-1.99-2.18-1.65-1.69ΔlnM2t2.502.612.812.692.302.482.022.21ecmt-1-2.06-2.16-2.12-2.09-2.36-2.67-3.27-3.49c2.072.172.132.102.372.693.313.53AIC-6.39-6.47-6.50-6.46-6.47-6.54-6.51-6.55DW2.192.172.152.112.202.212.092.07

由表6可知,滞后3阶的拟合效果比较显著,因此模型(5)可表示为

ηecmt-1+ξt

(6)

根据Chan(1993)的方法,采用季度数据对我国信贷配给的阈值进行估计。阈值设为ΔM2*,估计方程设定为

φΔln Gt+φΔln M2t-1+

(7)

式中:a为权重,当Δln M2t-1>Δln M2*时,a=1;当Δln M2t-1<Δln M2*时,a=0。

以Δln M2*为分界点,分别对两边的样本进行估计。首先对Δln M2进行排序,为了确保阈值两边有适当的观测值,分别从最低点和最高点去掉样本的17%,把剩下的观测值作为潜在阈值代入模型(7)进行估计。本文共有56个观测值,对观测值进行排序,分别去掉两端的34%,剩下36个观测值,将每个观测值作为潜在阈值代入模型(7),得到每个潜在阈值对应的SSR,潜在阈值和真实阈值越接近,SSR越小。对应排序后的数据做SSR序列图(见图2),寻找最低点(阈值点),得到阈值的一致估计。表7为每个潜在阈值和其对应的SSR值。

图2 SSR序列

表7 根据模型(6)得到的残差平方和

时间潜在阈值SSR2011Q20.016897897∗0.0032497222004Q30.018458031∗0.0032497222013Q30.0201564860.0032472172007Q40.0203013230.0034196842004Q20.0205559990.0034196842014Q40.0207734440.0035285372015Q10.0220446820.0035285372007Q20.0231907930.0038059002013Q40.0237408340.0038059112008Q20.0242009250.0037846352012Q10.0252676180.0037846352015Q40.0264435380.0034946972010Q40.0265132040.0034946972013Q20.026826641∗0.0033494312006Q10.0273683360.0033494312015Q20.0276135620.0035517192006Q20.0277513240.0035238862006Q40.0279621680.0035238862007Q30.028611573∗0.0030887922012Q40.0289656310.0030887922014Q10.0290391040.0032514922016Q30.0290964010.0032514922007Q10.0294923590.0033537192012Q20.0297535930.0044049542012Q30.0317068670.0044049542013Q10.0317799920.0044354372010Q30.0322455460.0044490772005Q10.0329985920.0044490772010Q20.0331142690.0044747602014Q20.0338586760.0046285792009Q40.0341209870.0046285792004Q40.0342948890.0047925152015Q30.0357977640.0051474062005Q20.0358207890.0051474062005Q40.0367537260.0049749182008Q30.0378594560.004974918

注:表中的Q表示季度。

通过模型(7)对数据的计量,得出36个观测值SSR序列图的最低点分别为2004、2007、2011和2013年,对应的Δln M2数值分别为0.018 45、0.028 61、0.016 89、0.026 82。

不良贷款的发生在一定程度上反映了企业发生道德风险的概率,因此可以进一步利用银监会公布的我国2003—2016年的不良贷款率来侧面反映我国经济运行和信息不对称情况,具体如图3所示。

图3 2004—2016年不良贷款率情况

由图3可知,我国的不良贷款率2004—2009年一直处于下降的阶段,2010—2013年基本处于稳定状态,2014年以后小幅攀升。不良贷款率走势与所估计的金融市场信贷配给一致。

四、结论与启示

基于金融市场的信息不对称理论和信贷配给理论,采用2003—2016年季度数据,利用向量VAR模型、脉冲效应函数和方差分解对我国货币政策执行效果进行了实证研究,得出以下三点结论:

(1) 不同效应搭配下的货币政策执行效果存在非对称性,紧缩性的货币政策执行效果约为扩张性货币政策效果的4倍左右。

(2) 进一步运用TAR模型对货币供给量的阈值进行估计得出,货币供给量在不同的货币执行区间存在显著阀值。根据计算结果,2004年货币供给量的阈值为0.018,2007、2011、2013年的阈值分别为0.028、0.016和0.026。

(3) 通过实证发现,货币政策的阈值2003—2016年呈上升态势,其中2008年受亚洲金融危机的影响出现了下降,随后逐步回升。这表明我国信贷配给程度在不断减轻,货币政策传导阻碍减少,但是货币政策的非对称性仍然较为明显。

根据上述结论,我们得到以下两点启示:

(1) 加强金融市场制度建设,强化金融市场的有效监管。货币政策作用的有效发挥需依赖不断完善的金融市场制度,应积极推进利率市场化改革,使我国的存贷款利率更加符合市场选择,减少由于制度不完善而造成的金融资源错配及其低效率。同时,有效的金融监管是货币政策传导机制畅通的保障,可以为货币政策作用的有效发挥提供健康的金融环境。

(2) 创新信贷资产金融产品,完善资本市场融资渠道。商业银行可通过信贷资产支持证券的形式将信贷资产证券化,利用公开市场广泛的信息优势在证券市场将信贷资产转让,实现资金回笼。这不仅降低了商业银行风险,而且提高了货币的周转速度,实现了金融资源配置效率的最大化。与此同时,货币政策的传导主要通过商业银行来完成,在很大程度上限制了融资企业获得贷款的途径,融资企业与商业银行的间接融资成本也比较高,加大了实体融资企业的生产经营压力。因此,积极发展资本市场、拓展各种间接和直接融资途径有利于缓解融资企业融资难的问题。

参考文献:

[1] Blinder A S.Credit rationing and effective supply fai-lures [J].Economic Journal,1987(97):327-352.

[2] mc Cllum J.Credit rationing and the monetary transmission mechanism [J].American Economic Review,1991,(81):46-51.

[3] Hansen B E.Inference when a nuisance parameter is not identified under the null hypothesis [J].Working paper,1996(21):178-180.

[4] John W G.Credit rationing and threshold effects in the relation between money and output [J].Journal of Applied Econmetrics,1996(21):1986-1998.

[5] 高鸿.当前我国货币政策工具调控的效果与改进方向 [J].经济问题,2012(12):79-82.

[6] 黄飞鸣.从信用传导途径看中国货币政策的有效性 [J].财经研究,2002(9):24-30.

[7] 尹志超,甘犁.信息不对称、企业异质性与信贷风险 [J].经济研究,2011(9):121-132.

[8] 武春桃.信息不对称对商业银行信贷风险的影响 [J].经济经纬,2016(1):144-149.

[9] 罗付岩.信息不对称、银企关系与企业投资效率 [J].金融经济学研究,2013(6):86-98.

[10] 陈蕾.信息不对称视角下的中小企业融资困境分析 [J].投资研究,2011(10):56-65.

[11] 蒋瑛琨,刘艳武,赵振全.货币渠道与信贷渠道传导机制有效性的实证分析 [J].金融研究,2005(5):70-79.

[12] 周孟亮,李明贤.我国货币政策传导途径的实证研究 [J].山西财经大学学报,2006(6):49-53.

[13] 毛泽盛,周志敏.货币渠道与信贷渠道的比较研究 [J].南京审计学院学报,2012(5):16-22.

[14] 胡臻.中国货币政策非对称性研究 [J].金融与经济,2013(3):42-46.

[15] 孙俊.货币政策转向与非对称性研究 [J].金融研究,2013(6):60-73.

[16] 刘丽巍,罗丹.信贷配给程度对我国货币政策效果的影响 [J].财经问题研究,2012(9):57-62.

Empirical study on threshold effect of monetary policy under credit rationing

WANG Qian-qian1, WANG Jin-bo2,3

(1. Xinjiang Branch, Export-Import Bank of China, Urumqi 830002, China; 2. School of Economics and Management, Hengshui University, Hengshui 053000, China; 3. School of Economics, Liaoning University, Shenyang 110036, China)

Abstract Based on the information asymmetry theory of financial market and credit rationing theory, and according to the quarterly data of 2003—2016, the empirical study on the effect of monetary policy implementation in China by using vector VAR model, impulse effect function and variance decomposition is put forward. It is concluded that the effect of monetary policy implementation under different effects is asymmetric, and the effect of tightening monetary policy implementation is about four times that of expansionary monetary policy. TAR model is used to estimate the threshold value of money supply. It is pointed out that money supply has significant threshold value in different currency execution intervals. Based on the empirical results, some enlightenment and policy suggestions are put forward.

Key words information asymmetry; credit rationing; threshold effect; monetary policy

中图分类号: F 832.5; F 822.0; F 820.4

文献标志码:A

文章编号:1674-0823(2019)04-0318-07

收稿日期 2018-10-29

基金项目 河北省社会发展研究民生调研专项课题(201601241)。

作者简介 王乾乾(1989-),男,河南安阳人,助理研究员,硕士,主要从事公司金融等方面的研究。

* 本文已于2019-03-29 17∶26在中国知网优先数字出版。 网络出版地址: http://kns.cnki.net/kcms/detail/21.1558.C.20190329.1530.028.html

doi:10.7688/j.issn.1674-0823.2019.04.06

(责任编辑:张 璐)