高頻交易與市場穩(wěn)定性研究評述與展望

茹華杰，吳承堯

（1.南京大學(xué)工程管理學(xué)院，江蘇南京210093；2.南京農(nóng)業(yè)大學(xué)金融學(xué)院，江蘇南京210095）

高頻交易與市場穩(wěn)定性研究評述與展望

茹華杰1，吳承堯2

（1.南京大學(xué)工程管理學(xué)院，江蘇南京210093；2.南京農(nóng)業(yè)大學(xué)金融學(xué)院，江蘇南京210095）

文章從高頻交易能否穩(wěn)定市場這一爭論出發(fā)，圍繞關(guān)于這一爭論的正反兩個(gè)觀點(diǎn)，梳理高頻交易對市場穩(wěn)定性影響的研究現(xiàn)狀和發(fā)展脈絡(luò)，同時(shí)指出了目前的研究熱點(diǎn)和前沿方向。這些結(jié)論可以為把握我國證券市場高頻交易的研究方向提供參考，也可以為監(jiān)管機(jī)構(gòu)制定關(guān)于高頻交易的監(jiān)管政策提供理論依據(jù)。

高頻交易；市場“閃跌”；市場穩(wěn)定性

2009年被業(yè)內(nèi)稱為“量化投資元年”，自此量化交易開始被越來越多地應(yīng)用于證券市場，高頻交易（High Frequency Trading）作為量化交易的重要分支在證券市場的投資過程中發(fā)揮著重要作用。然而，高頻交易在給投資者帶來豐厚利潤[1-2]的同時(shí)，也被認(rèn)為給市場帶來了嚴(yán)重的風(fēng)險(xiǎn)事件[3-4]。2010年5月6日美國股票市場指數(shù)、股指期貨、期權(quán)和交易所交易基金在30分鐘內(nèi)突然下跌超過5%，這次事件也被稱為市場“閃跌”（flash crash）[5]；2013年8月16日光大證券“烏龍指”事件中上證指數(shù)1分鐘內(nèi)拉升大盤漲超5%，兩分鐘內(nèi)成交額達(dá)87億元。這類風(fēng)險(xiǎn)事件的發(fā)生，不但使得高頻交易成為實(shí)務(wù)界和理論界研究的熱點(diǎn)問題，而且使得新時(shí)期下高頻交易對市場穩(wěn)定性的影響這一問題的研究有著前所未有的意義，但目前尚未有關(guān)于這一問題研究的回顧與總結(jié)。

一、高頻交易的概念

高頻交易占市場交易量的比例正在逐年提升，目前已經(jīng)占據(jù)了美國市場交易量的一半以上，占據(jù)了歐洲交易市場的38%[6]，但是迄今為止關(guān)于高頻交易并沒有一個(gè)清晰的定義，僅有學(xué)者及機(jī)構(gòu)嘗試給出高頻交易的概念。Brogaard（2010）[1]提出高頻交易是一類快買快賣的策略，交易時(shí)間通常是以毫秒和秒為單位。Kirilenko et al.（2015）[5]將高頻交易定義為市場中具有極大交易量的參與者。美國證券交易委員會(huì)（United States Securities and Exchange Commission，SEC）認(rèn)為Kirilenko et al.（2015）所提出的定義比較狹義，不能準(zhǔn)確描述大量高頻交易者的行為[7]，于是SEC給出的定義是高頻交易是采取專業(yè)化的投資策略并于日內(nèi)產(chǎn)生大量交易，還列出了一些高頻交易所具有的特征[8]：（1）使用高速算法產(chǎn)生訂單并執(zhí)行訂單；（2）使用交易所提供的共置服務(wù)器、個(gè)人數(shù)據(jù)饋送或其它途徑縮短網(wǎng)絡(luò)傳輸時(shí)間；（3）非常短的時(shí)間內(nèi)建倉和清算；（4）上交大量訂單而且這些訂單也可以被快速取消；（5）盡可能日內(nèi)平倉。

與高頻交易容易混淆的一個(gè)概念是算法交易，算法交易是由算法管理的電腦交易[9]，使用計(jì)算算法自動(dòng)做出上交訂單的決策并管理已經(jīng)上交的訂單[10]。Chaboud et al.（2014）[11]認(rèn)為算法交易是計(jì)算機(jī)直接接口交易平臺(tái)處置訂單，不需人的介入，計(jì)算機(jī)以一個(gè)非常高的頻率（通常是毫秒）觀察市場數(shù)據(jù)和信息，并設(shè)計(jì)算法發(fā)出交易指令，這些算法包括尋找套利機(jī)會(huì)、尋找最小成本執(zhí)行大量訂單、尋找長期交易策略的最大利潤等等。Hendershott，Jones and Menkveld（2011）[10]認(rèn)為算法交易與高頻交易相似，但是存在本質(zhì)上的不同，算法交易與高頻交易相似的地方是都使用自動(dòng)計(jì)算技術(shù)做出決策，但是它們的不同之處在于算法交易持有資產(chǎn)的時(shí)間可能是分鐘、天、星期或者更長時(shí)間，但是高頻交易是在一個(gè)非常短的時(shí)間內(nèi)持有資產(chǎn)，并試圖在一個(gè)交易日內(nèi)完成交易。因此，高頻交易一定是算法交易的一種，但是算法交易不一定是高頻交易。Gomber et al.（2011）[12]贊成Hendershott et al.（2011）的觀點(diǎn)，并認(rèn)為它們都被視為專業(yè)投資者的投資方式，通過觀察市場參數(shù)和信息，在沒有人為干擾的情況下自動(dòng)產(chǎn)生交易決策，但是高頻交易具有算法交易所沒有的特點(diǎn)：（1）大量的訂

單；（2）快速取消訂單；（3）自營；（4）作為中間人從買和賣中獲取利潤；（5）每個(gè)交易日末沒有明顯倉位；（6）非常短的持倉時(shí)間；（7）每筆交易獲得利潤很低；（8）與交易市場高速對接；（9）使用共置服務(wù)器縮短信號(hào)傳輸時(shí)間并使用個(gè)人數(shù)據(jù)饋送提高信息獲取速度；（10）關(guān)注高流動(dòng)性的金融工具。

綜上所述，盡管很多學(xué)者和機(jī)構(gòu)都給出了高頻交易的定義，但是眾說紛紜，至今沒有一個(gè)權(quán)威的概念?？v觀目前所提出的這些概念，都共同涵蓋了高頻交易的幾個(gè)特點(diǎn)：交易頻率快、持倉時(shí)間短、交易量大、利潤豐厚。在對高頻交易有一個(gè)較為清晰的認(rèn)識(shí)后，下面將著重梳理關(guān)于高頻交易與市場穩(wěn)定性相關(guān)的研究成果。而高頻交易對市場穩(wěn)定性影響的研究是圍繞著2010年美國市場“閃跌”這一事件展開的。盡管這次市場大跌很快恢復(fù)，但是這次事件引起人們開始關(guān)注“高頻交易是否能夠穩(wěn)定市場”這一問題。目前關(guān)于這一問題存在兩種截然不同的觀點(diǎn)，一種觀點(diǎn)認(rèn)為高頻交易是導(dǎo)致市場“閃跌”的罪魁禍?zhǔn)祝荒芊€(wěn)定市場；另一種觀點(diǎn)認(rèn)為高頻交易不是市場“閃跌”的推手，它不會(huì)引起市場波動(dòng)，反而能夠起到穩(wěn)定市場的作用。下面將分別介紹在兩種觀點(diǎn)引導(dǎo)下所出現(xiàn)的一系列研究成果。

二、高頻交易與市場不穩(wěn)定的研究進(jìn)展

2010年美國市場“閃跌”（flash crash）事件發(fā)生后，路透社、紐約時(shí)報(bào)等媒體開始責(zé)備高頻交易者，認(rèn)為它們大量拋售并從市場撤離導(dǎo)致了這次市場突然下跌[1]。盡管這僅是新聞媒體的推斷，但是在這種觀點(diǎn)指引下，學(xué)術(shù)界展開了大量的討論。

首先，美國商品期貨交易所（United States Commodity Futures Trading Commission，CFTC）和美國證券交易委員會(huì)（SEC）在“閃跌”后，立刻使用FINRA Dataset和Venue Dateset兩個(gè)數(shù)據(jù)庫檢查高頻交易在市場“閃跌”期間所扮演的角色。在調(diào)查FINRA Dataset數(shù)據(jù)庫時(shí)，發(fā)現(xiàn)12位高頻交易者中的6位在市場“閃跌”后的某個(gè)時(shí)間降低了他們的市場參與度，這導(dǎo)致了市場流動(dòng)性的整體下降，加速了市場閃跌；在檢查Venue Dateset數(shù)據(jù)庫時(shí)發(fā)現(xiàn)，高頻交易者在市場“閃跌”期間從事了大量的賣的行為，并在閃跌后的市場恢復(fù)時(shí)期降低了他們的交易量[3]。從對FINRA Dataset數(shù)據(jù)庫調(diào)查結(jié)果可以看出，僅有一半的高頻交易者推動(dòng)了這次“閃跌”，因此并不能得出高頻交易導(dǎo)致了這次事件的結(jié)論，但是對Venue Dateset數(shù)據(jù)庫的調(diào)查結(jié)果可以支持高頻交易是這次“閃跌”的推手這一結(jié)論。隨后，Leal，Napoletano and Roventini（2016）[4]又使用理論模型的方法論證這一觀點(diǎn)。他們建立了低頻交易者和高頻交易者交互作用的博弈模型研究高頻交易者是否加重市場波動(dòng)并導(dǎo)致市場“閃跌”，發(fā)現(xiàn)高頻交易所導(dǎo)致的買賣價(jià)差以及賣方的限價(jià)指令簿能夠解釋市場“閃跌”，而且高頻交易者過高的訂單取消率增加了市場“閃跌”發(fā)生的概率，但卻降低了市場“閃跌”的持續(xù)時(shí)間。Easley，De Prado and O'Hara（2011）[13]從流動(dòng)性角度解釋了這次市場“閃跌”。他們的研究發(fā)現(xiàn)市場“閃跌”期間做市場的訂單流毒性增加，導(dǎo)致了做市商離開市場，市場出現(xiàn)階段性的低流動(dòng)性，這種流動(dòng)性的暫時(shí)撤離所導(dǎo)致的流動(dòng)性不匹配，使得市場“閃跌”發(fā)生。

此外，還有少數(shù)研究認(rèn)為高頻交易不能導(dǎo)致市場“閃跌”，但是能夠引起或加劇市場波動(dòng)。Biais and Woolley（2011）[6]通過理論模型發(fā)現(xiàn)高頻交易者憑借著信息優(yōu)勢，快速推動(dòng)著價(jià)格的變化，高頻交易的增加能夠引起市場短期波動(dòng)。Kirilenko et al.（2015）[5]研究了市場“閃跌”當(dāng)天以及前三天市場處于大規(guī)模拋售時(shí)期的交易情況，使用標(biāo)準(zhǔn)普爾500期貨指數(shù)數(shù)據(jù)，選取7%最活躍的機(jī)構(gòu)投資者作為高頻交易者，實(shí)證結(jié)果表明高頻交易者的交易模式在此期間并沒有改變，它不會(huì)導(dǎo)致市場“閃跌”的發(fā)生，但是能夠加大市場波動(dòng)?？墒沁@一研究所定義的高頻交易受到了質(zhì)疑[7]。

綜上所述，就研究內(nèi)容而言，上述研究在論證高頻交易導(dǎo)致了市場“閃跌”這一觀點(diǎn)的過程中，不但考慮了買賣交易行為還考慮交易前的訂單行為；從研究方法而言，不但使用了實(shí)證的方法，以實(shí)際交易數(shù)據(jù)驗(yàn)證了在市場大跌期間高頻交易者出現(xiàn)了大量賣的行為，更有甚者還退出了市場，而且使用Agent-based Modelling方法，通過構(gòu)建理論模型，以數(shù)值模擬的方法展示了高頻交易者能夠?qū)е率袌觥伴W跌”或市場劇烈波動(dòng)。這類研究的觀點(diǎn)同媒體所宣傳的觀點(diǎn)是一致的?？墒歉哳l交易者為何會(huì)集體大量賣出呢？為何退出市場呢？高頻交易不同的刻畫方式有對結(jié)論有何影響呢？這些問題至今未有合理的解釋，但卻是今后重要的研究方向。

三、高頻交易與市場穩(wěn)定的研究進(jìn)展

金融市場具有兩個(gè)關(guān)于價(jià)格的重要功能：流動(dòng)性和價(jià)格發(fā)現(xiàn)[14]。高頻交易正是通過為市場提供流動(dòng)性以及價(jià)格發(fā)現(xiàn)這兩個(gè)功能發(fā)揮穩(wěn)定的市場作用。于是，在“高頻交易是否能夠穩(wěn)定市場”這一問題的回答上，還存在另一個(gè)觀點(diǎn)：高頻交易不是市場“閃跌”的推手，它不會(huì)引起市場波動(dòng)，反而能夠起到穩(wěn)定市場的作用。下面就分別從流動(dòng)性和價(jià)格發(fā)現(xiàn)兩個(gè)方面梳理高頻交易穩(wěn)定市場的研究成果。

（一）流動(dòng)性與市場穩(wěn)定

高頻交易憑借其交易量大，交易頻率高的特征，為市場提供充足的流動(dòng)性，從而起到穩(wěn)定市場的作用。然而，對于這一觀點(diǎn)目前存在爭論，爭論的焦點(diǎn)在于高頻交易能否為整個(gè)市場提供充足的流動(dòng)性。一方面，Brogaard（2010）[1]使用了納斯達(dá)克交易所的120只股票2008年、2009年全年以及2010年2月22日到28日期間的全部交易數(shù)據(jù)（這些數(shù)據(jù)包括一個(gè)交易發(fā)生的毫秒級(jí)時(shí)間戳以及是否是高頻交易的指示器，可以很方便的區(qū)分高頻交易者和非高頻交易者，以及是提供流動(dòng)性還是需要流動(dòng)性），統(tǒng)計(jì)結(jié)果發(fā)現(xiàn)高頻交易為市場提供了一半的流動(dòng)性，同時(shí)也需求了一半的流動(dòng)性。盡管這一結(jié)論并沒有明確支持高頻交易

可以為市場提供充足的流動(dòng)性的觀點(diǎn)，但卻表明高頻交易不會(huì)引起市場出現(xiàn)諸如“閃跌”的劇烈波動(dòng)現(xiàn)象。隨后，Brogaard et al.（2015）[15]的研究則明確提出了高頻交易可以為市場提供流動(dòng)性，并具有穩(wěn)定市場的作用。該研究提出高頻交易者經(jīng)常扮演凈流動(dòng)性的提供者，鮮少扮演凈流動(dòng)性需求者，甚至在市場劇烈波動(dòng)時(shí)期也為市場提供流動(dòng)性，并且為非高頻交易者提供流動(dòng)性，因此高頻交易不會(huì)導(dǎo)致市場劇烈波動(dòng)，反而非高頻交易會(huì)觸發(fā)大部分的市場波動(dòng)，這一結(jié)論不但適用于2010年的市場“閃跌”，也適用于各種類型的價(jià)格劇烈波動(dòng)，包括2008年的金融危機(jī)。另一方面，Brogaard et al.（2015）的研究結(jié)論并不適用于韓國市場，Lee（2015）[16]分析了韓國指數(shù)期貨市場KOSPI 200中的高頻交易，發(fā)現(xiàn)高頻交易不能提高市場的流動(dòng)性和市場質(zhì)量。

由于高頻交易自2010年起才開始備受關(guān)注，它能否為市場注入流動(dòng)性目前僅在少數(shù)市場中進(jìn)行檢驗(yàn)。從這些研究結(jié)果可以發(fā)現(xiàn)，高頻交易通過為市場注入流動(dòng)性從而起到穩(wěn)定市場的作用這一觀點(diǎn)僅在美國的市場得到驗(yàn)證，也存在一些國家諸如韓國的市場并不支持這一觀點(diǎn)。那么為何高頻交易可以提高某些市場的流動(dòng)性，而在某些市場卻顯疲軟呢？這種矛盾結(jié)論的癥結(jié)是出在高頻交易行為還是市場特征呢？這些問題的研究卻至今是學(xué)術(shù)界的空白。

（二）價(jià)格發(fā)現(xiàn)與市場穩(wěn)定

高頻交易除了可以為市場提供流動(dòng)性外，還具有發(fā)現(xiàn)基本面價(jià)格的作用。高頻交易通過價(jià)格發(fā)現(xiàn)功能，提高市場效率，從而起到穩(wěn)定市場的作用。Cvitanic and Kirilenko（2010）[17]發(fā)現(xiàn)高頻交易的出現(xiàn)可以改變平均交易價(jià)格，使得交易價(jià)格更加集中于中值附近，從而降低市場波動(dòng)。Brogaard，Hendershott and Riordan（2014）[18]使用同Brogaard（2010）相同的NASDAQ提供的數(shù)據(jù)研究高頻交易在價(jià)格發(fā)現(xiàn)中的作用。他們將價(jià)格運(yùn)動(dòng)分解為持續(xù)和短暫兩種成分，其中持續(xù)部分可以用信息來解釋，臨時(shí)部分預(yù)示著定價(jià)錯(cuò)誤，實(shí)證結(jié)果表明高頻交易同持續(xù)部分的價(jià)格運(yùn)動(dòng)是一致的，但是同短暫的價(jià)格運(yùn)動(dòng)方向是相反的，這說明高頻交易在價(jià)格有效性方面起到了積極的作用，而且這不但在平時(shí)，在市場劇烈波動(dòng)時(shí)也是如此。Carrion（2013）[19]使用NASDAQ交易和標(biāo)價(jià)數(shù)據(jù)檢驗(yàn)了高頻交易的市場表現(xiàn)及其對市場效率的影響，發(fā)現(xiàn)高頻交易提供流動(dòng)性的時(shí)候價(jià)差增大，需要流動(dòng)性的時(shí)候價(jià)差縮小，當(dāng)高頻交易市場參與度很高的時(shí)候價(jià)格更加有效，尤其當(dāng)高頻交易者做為流動(dòng)性需求者的時(shí)候更是如此。

綜上所述，高頻交易憑借其交易頻率高、交易量大等特征，幫助市場發(fā)揮著提供流動(dòng)性和價(jià)格發(fā)現(xiàn)的功能，盡管在提供流動(dòng)性的功能上存在爭議，但是價(jià)格發(fā)現(xiàn)的功能是被肯定的，這使得高頻交易能夠穩(wěn)定市場的觀點(diǎn)有了立足之地。那么高頻交易除了提供流動(dòng)性和價(jià)格發(fā)現(xiàn)的功能，是否還有其它功能支持穩(wěn)定市場的觀點(diǎn)呢？高頻交易這些功能的發(fā)揮是否需要特定的市場環(huán)境呢？這些問題都會(huì)是今后的研究特點(diǎn)。

四、結(jié)論

綜上所述，自2010年市場“閃跌”，高頻交易受到廣泛關(guān)注，已經(jīng)涌現(xiàn)出一批研究成果，這些研究成果主要圍繞高頻交易在市場“閃跌”期間的市場表現(xiàn)這一主題展開，并試圖回答高頻交易是否是市場“閃跌”的推手。從研究內(nèi)容而言，目前的成果涵蓋了高頻交易對市場流動(dòng)性、波動(dòng)性、價(jià)格效率等方面的影響，但是這些研究成果所得的結(jié)論并不一致，至今在高頻交易對市場穩(wěn)定性的影響上仍舊存在兩種截然不同的觀點(diǎn)。一種觀點(diǎn)認(rèn)為高頻交易賣的行為和從市場中暫時(shí)撤離導(dǎo)致了流動(dòng)性惡化，從而引起市場“閃跌”，這種觀點(diǎn)同新聞媒體所報(bào)道的一致；但是另一種觀點(diǎn)認(rèn)為高頻交易通過給市場提供流動(dòng)性和價(jià)格發(fā)現(xiàn)兩個(gè)功能為市場穩(wěn)定做出貢獻(xiàn)。從研究方法而言，這些研究不但使用了實(shí)證研究的方法，通過對多個(gè)數(shù)據(jù)庫以及不同時(shí)間段數(shù)據(jù)進(jìn)行統(tǒng)計(jì)分析，得到高頻交易對市場穩(wěn)定性影響的相關(guān)結(jié)論，也使用了理論模型的方法，通過刻畫高頻交易和非高頻交易的交互作用模型，在模擬的實(shí)驗(yàn)室市場中發(fā)現(xiàn)高頻交易對市場穩(wěn)定性的影響。目前我國在這方面的研究還不多，因此本文在總結(jié)這些研究成果的基礎(chǔ)上，為今后的研究方向提供參考，加快我國市場中的高頻交易與市場穩(wěn)定性方面的研究，以期為監(jiān)管機(jī)構(gòu)制定針對高頻交易的監(jiān)管政策提供理論和實(shí)證依據(jù)，維護(hù)市場的長期穩(wěn)定發(fā)展。

[1]Brogaard J.High Frequency Trading and Its Impact on Market Quality [R].Northwestern University Kellogg School of Management Working Paper，2010.

[2]Menkveld A J.High frequency trading and the new market makers[J]. Journal of Financial Markets，2013，16（4）：712-740.

[3]Chung K H，Lee A J.High-Frequency Trading：Review of the literature and regulatory initiatives around the world[J].Asia-Pacific Journal of Financial Studies，2016，45（1）：7-33.

[4]Leal S J，Napoletano M，Roventini A.Rock around the clock：an agentbased model oflow-and high-frequencytrading[J].Journal ofEvolutionary Economics，2016，26（1）：49-76.

[5]Kirilenko A A，Kyle A S，Samadi M，et al.The flash crash：The impact of high frequency trading on an electronic market[J].Journal of Finance，F(xiàn)orthcoming.Available at SSRN 1686004，2015.

[6]Biais B，Woolley P.High Frequency Trading[R].Manuscript，Toulouse University，IDEI，2011.

[7]U.S.Securities and Exchange Commission（SEC）.Equity Market Structure Literature Review：Part II：High Frequency Trading[R].Staff of the Division of Trading and Markets，2014.

[8]U.S.Securities and Exchange Commission（SEC）.Concept Release on Equity Market Structure[R].Release No.34-61458；File No.S7-02，2010，10.

[9]Prix J，Loistl O，Huetl M.Algorithmic trading patterns in Xetra orders [J].The European Journal of Finance，2007，13（8）：717-739.[10]Hendershott T，Jones C M，Menkveld A J.Does algorithmic trading improve liquidity?[J].The Journal of Finance，2011，66（1）：1-33.

[11]Chaboud A P，Chiquoine B，Hjalmarsson E，et al.Rise of the machines：Algorithmic trading in the foreign exchange market[J].The Journal of Finance，2014，69（5）：2045-2084.

[12]Gomber P，Arndt B，Lutat M，et al.High-Frequency Trading[R]. Working Paper，2011.Available at SSRN：http：//ssrn.com/abstract= 1858626 or http：//dx.doi.org/10.2139/ssrn.1858626.

[13]Easley D，De Prado M M L，O'Hara M.The microstructure of the“flash crash”：Flow toxicity，liquidity crashes，and the probability of informed trading[J].Journal of PortfolioManagement，2011，37（2）：118.

[14]O'Hara M.Liquidity and price discovery[J].The Journal of Finance，2003，58（4）：1335-1354.

[15]Brogaard J，Carrion A，Moyaert T，et al.High-Frequency Trading and Extreme Price Movements[R].2015，University of Washington，Working Paper.

[16]Lee E J.High frequency trading in the Korean index futures market [J].Journal of Futures Markets，2015，35（1）：31-51.

[17]Cvitanic J，Kirilenko A A.High Frequency Traders and Asset Prices，California Institute of Technology[R].WorkingPaper，2010.Available at SSRN：http：//ssrn.com/abstract=1569075 or http：//dx.doi.org/10. 2139/ssrn.1569075.

[18]Brogaard J，Hendershott T，Riordan R.High-frequency trading and price discovery[J].Review of Financial Studies，2014，27（8）：2267-2306.

[19]Carrion A.Very fast money：High-frequency trading on the NASDAQ [J].Journal of Financial Markets，2013，16（4）：680-711.

（責(zé)任編輯：C校對：R）

F830.91

A

1004-2768（2016）11-0145-03

2016-09-14

國家自然科學(xué)基金項(xiàng)目（71503130，71171109，71271103）；中央高?；究蒲袠I(yè)務(wù)費(fèi)—南京農(nóng)業(yè)大學(xué)人文社會(huì)科學(xué)研究基金資助（SK2013001）；中央高?；究蒲袠I(yè)務(wù)費(fèi)專項(xiàng)資金資助（KJQN201627）

茹華杰(1974-)，男，湖南人，南京大學(xué)工程管理學(xué)院博士研究生，研究方向：行為金融、資本市場；吳承堯（1982-），女，河北人，南京農(nóng)業(yè)大學(xué)金融學(xué)院講師，研究方向：行為金融、資本市場。