关于中国抗日战争历史的研究中，不可回避的一个基本问题是，哪些事件对抗日战争的进程和最终结局产生了重要影响？从资本市场的视角分析中国抗日战争期间伦敦市场交易的中国主权债券的价格波动，发现债券价格结构性断点一般与当时中英两国主流报纸强调的重要军事、政治事件相吻合，这些事件也多被后来历史学家认定为对战争进程和结果有重要影响，例如淞沪会战、广岛长崎原子弹事件等。不过历史学家认为至关重要的一些事件当时并未引起债券价格的明显反应，例如芦沟桥事变、德国突袭波兰等。另一个重要发现是，二战爆发——特别是苏德战争和太平洋战争爆发——之后，中国外债价格波动反映的一般不是中国战场发生的事件，而是国外战场尤其是英国直接参与的军事事件。

本文首先通过构建 DSGE 模型，分是否存在零利率下限约束两种情况探讨了供给和需求冲击对于宏观经济波动的影响。结果发现与不存在零利率下限约束的情况相比，当面临零利率下限约束时，由于“费雪效应”的存在会从两方面改变供给和需求冲击对一国产出、消费、劳动、通胀率和实际利率等经济变量波动的影响：一是会改变对一些变量影响的方向，二是从影响的程度来看，零利率下限约束存续的期限越长经济变量波动的幅度也越剧烈。随后我们分析了我国零利率下限约束的特征事实，认为我国自 2004 年以来先后经历了一个受零利率下限约束和不受零利率下限约束的时段，并应用时变参数模型对比分析了上述两个时段内供求冲击下我国产出等经济变量的动态响应轨迹，结果基本证实了上述理论分析的结论。最后，基于本文的分析我们也对当前国内外环境下我国以供给侧改革为主线的宏观经济政策调整提出了相关的政策建议。

Stock market prediction provides the decision-making ability to the different stockholders for their investments. Recently, stock technical indicators (STI) emerged as a vital analysis tool for predicting high-dimensional stock data in various studies. However, the prediction performance and error rate still face limitations due to the lack of correlational analysis between STI and stock movement. This paper proposes a correlational strategy to overcome these challenges by analyzing the correlation of STI with stock movement using neural networks with the feature vector. This strategy adopts the Pearson coefficient to analyze STI and close index of stock data from 8 Chinese companies in the Hong Kong stock market. The results reveal the price prediction of BiLSTM outperformed the GRU and LSTM in various datasets and prior studies.

近年来，我国房地产市场呈现出逆周期波动的特点，与现有理论不一致。通过构建包含企业金融化行为与房地产市场的动态随机一般均衡模型，本文对这一现象的原因进行了分析。在实体经济趋于恶化时，面对预期投资收益率的差距，企业减少生产性投资，通过购买金融产品将资金投向房地产市场，引起房地产市场与实体经济的背离，进而放大了经济波动。进一步的政策分析表明，纳入房地产价格的货币政策规则能够改进福利，但政策效果较弱；盯房地产价格、盯企业金融化程度和盯金融深化的宏观审慎政策更能有效地降低房地产价格波动，并改善社会福利。

国有股权在我国地方性商业银行股权结构中占据主导地位。要准确分析银行关联贷款问题，必须纳入对国有股东行为和动机的考察。本文使用国内较为全面的地方性商业银行关联贷款数据，实证检验了银行国有股权对关联贷款的影响及其潜在机制。结果表明，地方性商业银行国有股权占比越高，关联贷款的规模越大、价格水平越高；这种影响的潜在机制是地方银行信贷投放偏好地方政府主导的基建项目，而非地方政府利用国有股权通过低价关联贷款掠夺银行利益。本文是对地方性商业银行关联贷款与股权结构的首次系统研究，填补了国内相关研究领域的空白。

本文在构建综合性金融周期指数的基础上，利用麦卡勒姆规则对金融周期与货币政策的互动机制进行了实证检验。结果显示：金融周期对实体经济的冲击，引起货币供给量的变化，促使我国货币政策的调整；同时，出于金融周期的影响考虑，我国货币政策在短期内具有较强的逆周期性，基于麦卡勒姆规则的货币政策调控效果相对显著。为此，我国必须着力于推进以市场主体多元化、市场竞争有序化、金融监管法制化为重点的金融改革，以更好地消除金融周期波动所带来的外部冲击，不断增强货币政策推动实体经济增长的效果。

“十三五”规划中明确提出我国将进行汇率制度与金融体系改革，那么两项改革应该如何匹配进行是一个很值得探讨的问题。本文构建新凯恩斯模型，通过数值模拟与福利分析探讨了两种不同利率规则下汇率制度改革与金融体系改革的最优匹配。经研究发现：（1）预期利率规则下，福利随着金融发展速度的提高而降低，且福利损失最小值出现的位置随着金融发展速度的提高而趋向相对固定的汇率制度；（2）非预期利率规则下，福利随着金融发展速度的提高而降低，且福利损失最小值出现的位置随着金融发展速度的提高而趋向相对浮动的汇率制度，同时，当金融发展速度较快汇率制度较为固定时，本国福利会有显著的降低。本文对我国的汇率制度改革与金融体系改革具有一定的指导意义。

近年来，互联网消费信贷迅速增长，其模式与客群显著区别于传统信用卡，值得探究。本研究选取某代表性平台的互联网消费信贷产品作为研究对象，其业务团队曾于2017年6月展开内部测试，对同期满足信贷准入的用户随机分为准入组（实验组）和非准入组（对照组），以检验互联网消费信贷的现实影响。利用这一套独特的微观用户随机实验数据，本文对比准入组与对照组的约10万用户在实验前后的消费变化，研究发现：第一，在实验期间，互联网消费信贷显著增加了消费，月均消费增加幅度在73-92元之间；第二，互联网消费信贷同时增加了线上与线下消费，未发现对传统信用卡的挤出效应；第三，其主要作用渠道是缓解流动性约束，消费促进作用对于流动性约束较强的用户更为显著。本文具有重要的政策含义，既提示了普惠型消费信贷对提振消费的意义，也为指引互联网消费信贷健康发展提供了依据。

在金融科技与数字货币的冲击下，“央行数字货币”成为近年来的国际热点，也是我国央行目前的研发重点之一。由于该领域的研究与讨论大多始于 2017 年，目前国内缺乏相关的学术研究与国际经验总结。基于近年的国际最新进展，本文首先总结了“央行数字货币”（CBDC）的概念、属性与类型，其中“银行间市场数字现金”是针对批发市场所开发的 CBDC，“居民的央行数字账户”与“居民的数字现金”则是针对零售市场所开发的CBDC；其次，本文梳理了我国央行数字货币（DC/EP）的设计理念， DC\EP 是针对零售市场的居民数字现金，并加入了“双层运营体系”与“分级限额”等特殊设计；最后，本文对比其他国家的研发进展与相关计划，提出政策建议，包括加大我国对批发市场 CBDC 的研发力度、充分考虑零售市场 CBDC 对宏观经济与金融体系的潜在影响、增强我国央行对CBDC 的信息公开程度等。

This paper examines the ‘certification’ of government venture capital (GVC) programs, disputes whether the Chinese government venture capital (CGVC) can promote target firms’financing through the ‘certification’ on target firms, and how the ‘certification’ work. Using a dataset of 87865 Chinese listed firms over 2008–2018, we confirmed that CGVC’s investment promotes target firms’ equity financing but inhibits corporate debt financing through the certification effect and CGVC’s reputation. Moreover, the high reputation of GVC and high market awareness could strength the ‘certification effect.’Simultaneously, the ‘certification effect’is only effective for early and late-stage firms and private-owned firms, and invalid for mature stage and state-owned firms.