基于百度指數(shù)的碳交易市場(chǎng)波動(dòng)率的實(shí)證研究

方壯志　王竹葳　龍歡予（華中科技大學(xué)，武漢 430074）

基于百度指數(shù)的碳交易市場(chǎng)波動(dòng)率的實(shí)證研究

方壯志王竹葳龍歡予
（華中科技大學(xué)，武漢 430074）

碳交易市場(chǎng)波動(dòng)率研究主要基于成交量數(shù)據(jù)對(duì)收益率GARCH效應(yīng)的解釋作用。在互聯(lián)網(wǎng)時(shí)代可以有更新更為有效的方法來(lái)衡量碳交易市場(chǎng)的波動(dòng)性?；凇疤冀灰住痹~條的百度指數(shù)，以湖北碳交易市場(chǎng)中的收益率為樣本，本文通過(guò)對(duì)比使用引入成交量和搜索量的IGARCH（1，1）模型，實(shí)證研究發(fā)現(xiàn)傳統(tǒng)的量?jī)r(jià)方程的確沒(méi)有解釋力，而百度指數(shù)可以對(duì)收益率的GARCH效應(yīng)做出部分合理的解釋?zhuān)@可以在某種程度上反映湖北碳交易市場(chǎng)的交易信息流。

百度指數(shù) 碳交易 成交量 市場(chǎng)波動(dòng) 碳交易市場(chǎng) GARCH模型

引 言

研究表明全球變暖的主要原因是，工農(nóng)業(yè)活動(dòng)所導(dǎo)致的二氧化碳等溫室氣體排放量的增加，為了緩解乃至解決這一問(wèn)題，在《聯(lián)合國(guó)氣候變化框架公約（UNFCCC）》的簽署實(shí)施下，國(guó)際社會(huì)已逐漸形成了一套較完備的市場(chǎng)化節(jié)能減排手段，而碳交易正是這一手段孕育出的新興交易品種。碳排放權(quán)交易這一概念，最早在20世紀(jì)90年代的歐洲官方文件中出現(xiàn)。目前已是國(guó)際公認(rèn)的最有效地應(yīng)對(duì)氣候變暖的方式之一，尤其是在《京都協(xié)議書(shū)》下建立的清潔發(fā)展機(jī)制（CDM），通過(guò)鼓勵(lì)發(fā)達(dá)國(guó)家以提供項(xiàng)目資金與技術(shù)的方式，開(kāi)展與發(fā)展中國(guó)家的合作，使得發(fā)達(dá)國(guó)家在完成本國(guó)減排承諾的同時(shí)，幫助發(fā)展中國(guó)家實(shí)現(xiàn)可持續(xù)發(fā)展。

2011年10月底，國(guó)家發(fā)改委下發(fā)《關(guān)于開(kāi)展碳排放權(quán)交易試點(diǎn)工作的通知》，批準(zhǔn)建立北京市、天津市、上海市、重慶市、廣東省、湖北省和深圳市開(kāi)展碳排放權(quán)交易試點(diǎn)。2014年4月2日，湖北碳排放權(quán)交易市場(chǎng)正式建立，并逐漸成為7個(gè)試點(diǎn)中最活躍的交易市場(chǎng)之一。截至2015年3月31日，湖北碳市場(chǎng)總成交量1186噸，總交易額2.7億元，主要市場(chǎng)指標(biāo)僅次于歐盟碳市場(chǎng)，居全球第二、中國(guó)第一。目前，湖北碳市場(chǎng)交易的產(chǎn)品是湖北省溫室氣體排放分配配額（HBEA），市場(chǎng)參與者為國(guó)內(nèi)外機(jī)構(gòu)、公司組織與個(gè)人投資者［1］。

值得注意的是，在我國(guó)區(qū)域碳交易市場(chǎng)迅猛發(fā)展的同時(shí)，交易的價(jià)格風(fēng)險(xiǎn)也難以避免［1］（莫建雷等，2012），如化石能源價(jià)格上漲引起的能源節(jié)約效應(yīng)會(huì)抑制碳價(jià)格（Hoeller和Wallin，1991），投機(jī)力量也會(huì)加劇碳交易市場(chǎng)的波動(dòng)（Alberola等，2008；Benz等，2009）等。在對(duì)碳交易市場(chǎng)價(jià)格波動(dòng)的研究中，量?jī)r(jià)關(guān)系一直是金融界關(guān)注的重點(diǎn)。長(zhǎng)期以來(lái)，成交量被認(rèn)為是影響價(jià)格變動(dòng)的重要因素。Clark（1973）首次提出混合分布假說(shuō)（the Mixture Distribution Hypothesis，MDH），認(rèn)為交易量序列是導(dǎo)致價(jià)格持續(xù)波動(dòng)的因素，可以作為信息到達(dá)的替代指標(biāo)。Lamoureux和Lastrapes（1990）把交易量作為一個(gè)外生變量加入GARCH（1，1）模型后，GARCH效應(yīng)消失，證實(shí)把交易量作為信息流的代理變量對(duì)價(jià)格波動(dòng)有很強(qiáng)的解釋能力。

不過(guò)，隨后大量的研究表明，交易量并不是信息流的完全替代。嚴(yán)格地說(shuō)，只有在交易量是外生變量時(shí)，前述假說(shuō)才成立［3］。Bessembinder和Seguin（1993）在不同的期貨合約中，把預(yù)期與非預(yù)期的交易量及利率變量加入GARCH模型后，發(fā)現(xiàn)條件波動(dòng)率仍表現(xiàn)出很強(qiáng)的持續(xù)性。Bollerslev和Domowitz（1993）指出，在使用外匯交易市場(chǎng)上的報(bào)價(jià)指令流數(shù)量作為信息到達(dá)的代理變量時(shí)，條件方差的GARCH模型中信息流有負(fù)的，但是統(tǒng)計(jì)上不顯著。董秀良和吳仁水（2008）使用多元GARCH模型，利用我國(guó)滬深股市的數(shù)據(jù)，認(rèn)為價(jià)格對(duì)交易量?jī)H存在單向的波動(dòng)溢出效應(yīng)，價(jià)格波動(dòng)對(duì)交易量波動(dòng)有先導(dǎo)作用。這些研究表明，將成交量引入條件方差的GARCH族模型會(huì)存在模型偏差。

隨著互聯(lián)網(wǎng)的飛速發(fā)展，網(wǎng)絡(luò)已經(jīng)影響到人們生活的各個(gè)方面。人們?cè)诰W(wǎng)絡(luò)上的搜索行為能在一定程度上反應(yīng)其經(jīng)濟(jì)行為。2004年，谷歌開(kāi)始收集人們?cè)谒阉饕嫔纤阉鲾?shù)據(jù)的信息，并利用這些原始的數(shù)據(jù)創(chuàng)建了谷歌趨勢(shì)（Google Trends）。谷歌趨勢(shì)能夠反應(yīng)人們對(duì)某個(gè)詞語(yǔ)的相對(duì)搜索規(guī)模有多大，以及在一段時(shí)間內(nèi)該詞語(yǔ)的熱度情況。由于用戶(hù)的搜索蘊(yùn)含了其對(duì)信息的關(guān)注及意圖，搜索數(shù)據(jù)能夠反映用戶(hù)在現(xiàn)實(shí)中的行為趨勢(shì)與規(guī)律（Lynn Wu，2009），因此谷歌趨勢(shì)問(wèn)世不久，便在經(jīng)濟(jì)領(lǐng)域得到了運(yùn)用。如Ettredge等（2005）利用搜索數(shù)據(jù)預(yù)測(cè)美國(guó)的失業(yè)率。Da，Engelberg和Gao（2011）［7］提出利用谷歌搜索量指數(shù)來(lái)衡量投資者的注意力，在對(duì)2004～2008年羅素3000指數(shù)成分股的研究中，發(fā)現(xiàn)搜索量指數(shù)能很好地衡量散戶(hù)的注意力。國(guó)內(nèi)也有相似的文獻(xiàn)進(jìn)行研究。宋雙杰等（2011）［2］利用谷歌趨勢(shì)構(gòu)建了衡量投資者關(guān)注度的指標(biāo)，發(fā)現(xiàn)IPO前個(gè)股網(wǎng)絡(luò)搜索量對(duì)預(yù)測(cè)首日超額收益、長(zhǎng)期表現(xiàn)等解釋力更強(qiáng)。張兵（2012）［4］使用百度指數(shù)作為投資者有限關(guān)注的衡量變量，驗(yàn)證了其能顯著影響創(chuàng)業(yè)板股票市場(chǎng)的交易活動(dòng)。百度指數(shù)是否能衡量碳交易市場(chǎng)的波動(dòng)呢？是否比傳統(tǒng)的方法能更好地反映碳交易市場(chǎng)的波動(dòng)性呢？目前的文獻(xiàn)并無(wú)這方面的文獻(xiàn)資料。

根據(jù)2015年7月中國(guó)互聯(lián)網(wǎng)絡(luò)信息中心（CNNIC）發(fā)布的報(bào)告，截至2015年6月，我國(guó)網(wǎng)民規(guī)模達(dá)6.68億，互聯(lián)網(wǎng)普及率為48.8%，其中搜索引擎用戶(hù)規(guī)模達(dá)5.36億，使用率為80.3%。根據(jù)易觀智庫(kù)（Analysys）發(fā)布的報(bào)告，2015年第3季度百度搜索引擎在中國(guó)的市場(chǎng)份額達(dá)86.19%，在國(guó)內(nèi)搜索引擎市場(chǎng)處于絕對(duì)領(lǐng)先地位。百度也推出了與谷歌趨勢(shì)類(lèi)似的指標(biāo)，稱(chēng)為百度指數(shù)。當(dāng)投資者利用百度搜索引擎檢索“碳交易”這個(gè)詞條時(shí)，可以說(shuō)該投資者已經(jīng)對(duì)碳交易相關(guān)的市場(chǎng)產(chǎn)生了關(guān)注，這一搜索量數(shù)據(jù)具有及時(shí)性和直接性的特點(diǎn)。因此，本文選擇百度指數(shù)，來(lái)驗(yàn)證其包含的信息能否能解釋湖北碳交易市場(chǎng)收益波動(dòng)率的持續(xù)性，并與引入成交量的傳統(tǒng)模型進(jìn)行比較，來(lái)驗(yàn)證百度指數(shù)作為代理變量的優(yōu)勢(shì)與不足。

1　數(shù)據(jù)處理及模型分析

1.1數(shù)據(jù)處理

1.1.1樣本數(shù)據(jù)說(shuō)明

電子煙是一種模仿卷煙的電子產(chǎn)品，其電子原理是加熱一種叫作電子煙油的純液體（由調(diào)味劑、丙二醇、甘油和尼古丁組成）直至蒸發(fā)。自誕生以來(lái)，有關(guān)電子煙的健康風(fēng)險(xiǎn)一直存有爭(zhēng)議，但大多數(shù)的研究都集中于電子煙液體蒸發(fā)之前的化學(xué)成分是否有害，忽略了電子煙中蒸汽的影響。

本文的原始數(shù)據(jù)來(lái)自湖北碳交易市場(chǎng)中HBEA的日收盤(pán)價(jià)、日成交量及基于碳交易的百度指數(shù)數(shù)據(jù)，樣本期間為2014年4月2日至2015年10月30日，在剔除了交易量為零和不交易的天數(shù)以后，樣本大小為378個(gè)。通過(guò)對(duì)日收盤(pán)價(jià)pt取對(duì)數(shù)差分得到收益率r②:

本文選取百度指數(shù)官網(wǎng)上的“碳交易”詞條的全國(guó)搜索量數(shù)據(jù)（PC端與移動(dòng)端總和）作為百度指數(shù)。由于碳交易市場(chǎng)在周末及法定節(jié)假日會(huì)閉市，所以本文把周末和節(jié)假日的搜索量volumeSt疊加到第一天工作日再取平均，作為對(duì)當(dāng)日搜索量的衡量，得volSt:

對(duì)日成交量的處理與上式相同，得volTt。同時(shí)作出日成交量與日百度指數(shù)的圖形（圖1），發(fā)現(xiàn)兩者之間具有一定的正相關(guān)，并運(yùn)用Eviews8.0對(duì)成交量與搜索量進(jìn)行一個(gè)簡(jiǎn)單的線性回歸，結(jié)果如下:

圖1　日百度指數(shù)與成交量的相關(guān)性

表明了百度指數(shù)作為成交量的一個(gè)替代指標(biāo)的合理性。

1.1.2樣本數(shù)據(jù)處理

表1　日收益率、日百度指數(shù)與日成交量統(tǒng)計(jì)檢驗(yàn)

表1為日收益率、日百度指數(shù)和日成交量的統(tǒng)計(jì)性描述?？梢钥闯觯?個(gè)序列都存在明顯的有偏和尖峰胖尾分布，拒絕正態(tài)分布的假設(shè)。Q檢驗(yàn)顯示序列均在1%的顯著性水平上存在自相關(guān)。根據(jù)ADF的t統(tǒng)計(jì)量，表明序列均平穩(wěn)，無(wú)需再做處理。

1.2模型建立

GARCH（1，1）模型通?？梢詫?xiě)成如下形式:

第一個(gè)方程為均值方程（Mean Equation），μt為關(guān)于過(guò)去收益率的條件均值。第二個(gè)方程為條件方差方程（Conditional Variance Equation），它是均值項(xiàng)ω、滯后殘差平方ε2t-1（ARCH項(xiàng)）和前期預(yù)測(cè)方差σ2t-1（GARCH項(xiàng)）的函數(shù)。如果α與λ皆為正，說(shuō)明波動(dòng)率的沖擊會(huì)持續(xù)一段時(shí)間，持續(xù)長(zhǎng)短取決于參數(shù)大小。

有時(shí)，利用GARCH模型進(jìn)行估計(jì)會(huì)有α+β≥1的情形發(fā)生，如Engle（1992）在對(duì)IBM收益率進(jìn)行估計(jì)時(shí)，出現(xiàn)了這樣的情況。這種情形意味著沖擊對(duì)條件方差的影響是永久的，此時(shí)應(yīng)建立帶有參數(shù)約束的GARCH模型。稱(chēng)在α+β=1條件下的GARCH（1，1）為單整GARCH模型，記為IGARCH（1，1）。

本文即采用擴(kuò)展的IGARCH（1，1）模型，即在一般的IGARCH（1，1）模型的條件方差模型中引入當(dāng)日成交量或（及）基于碳交易的當(dāng)日百度指數(shù)，模型變?yōu)?

其中，ω＞0，α＞0，β＞0，α+β=1。如果交易量或基于碳交易的百度指數(shù)存在序列自相關(guān)，則預(yù)期λ＞0，α和β將顯著減小甚至統(tǒng)計(jì)不顯著。本文的實(shí)證研究就是以方程（4）與方程（6）為基礎(chǔ)，采用Matlab編程進(jìn)行估計(jì)。

2　實(shí)證檢驗(yàn)

表2　IGARCH（1，1）模型極大似然估計(jì)

表2顯示了方程（5）的參數(shù)估計(jì)結(jié)果。從表中得知，參數(shù)α和β對(duì)整個(gè)樣本來(lái)說(shuō)均非常顯著，湖北碳交易市場(chǎng)收益率波動(dòng)的集聚現(xiàn)象十分普遍，即存在GARCH效應(yīng)。

接下來(lái)首先考察成交量對(duì)HBEA收益率GARCH效應(yīng)的影響。在上述IGARCH（1，1）模型中加入經(jīng)處理的成交量序列volTt，至于成交量序列的滯后期數(shù)的選擇，由于有研究表明②，滯后兩期的成交量中已經(jīng)包含了絕大部分波動(dòng)信息，同時(shí)在實(shí)證中基于AIC與SC準(zhǔn)則，本文選定滯后兩期的volTt-1及volTt-2，經(jīng)擴(kuò)展的條件方差模型變?yōu)?

其中，ω＞0，α＞0，β＞0，α+β=1。

極大似然估計(jì)

表3　加入成交量及其滯后階的IGARCH（1，1）模型

表3顯示了模型（7）的參數(shù)估計(jì)結(jié)果?？梢钥闯觯诎殉山涣考捌錅髢呻A引入條件方差模型后，碳交易市場(chǎng)的GARCH效應(yīng)并未消失。條件波動(dòng)與成交量呈顯著負(fù)相關(guān)，與其滯后兩階呈顯著正相關(guān)，并且系數(shù)較小。ARCH項(xiàng)與GARCH項(xiàng)的系數(shù)仍然在1%的水平下顯著。也就是說(shuō)，盡管成交量及其滯后兩階包含了一定的導(dǎo)致收益率持續(xù)波動(dòng)的信息，但收益率波動(dòng)的持續(xù)性依舊存在。這意味著，成交量無(wú)法作為湖北碳市上交易信息流的替代。

接下來(lái)考察基于“碳交易”詞條的百度指數(shù)對(duì)收益率GARCH效應(yīng)的影響。在原始IGARCH（1，1）模型中加入經(jīng)處理的百度指數(shù)序列volSt，同時(shí)基于AIC與SC準(zhǔn)則，選定滯后一周的volSt-5，即經(jīng)擴(kuò)展的條件方差模型變?yōu)?

參數(shù)約束條件與方程（7）一致。

表4　加入百度指數(shù)及其滯后階的IGARCH（1，1）模型極大似然估計(jì)

表4顯示了模型（8）的參數(shù)估計(jì)結(jié)果。條件波動(dòng)與百度指數(shù)呈顯著負(fù)相關(guān)，與其滯后階呈顯著正相關(guān)，且系數(shù)很小。在把百度指數(shù)及其滯后一周的階引入條件方差模型后，ARCH項(xiàng)變得不再顯著，GARCH項(xiàng)在1%的顯著性水平下仍然顯著，即湖北碳交易市場(chǎng)的GARCH效應(yīng)部分消失。也就是說(shuō)，百度指數(shù)及其滯后階的引入削弱了收益波動(dòng)率的持續(xù)性，百度指數(shù)包含了部分導(dǎo)致收益率持續(xù)波動(dòng)的信息。

最后把百度指數(shù)和成交量同時(shí)加入IGARCH（1，1）模型，考察兩者的綜合效果。經(jīng)擴(kuò)展的條件方差模型變?yōu)?

參數(shù)約束條件與之前一致。

表5　加入成交量、百度指數(shù)及各自滯后階的IGARCH（1，1）模型估計(jì)結(jié)果

表5是模型（9）的參數(shù)估計(jì)結(jié)果。條件波動(dòng)與成交量、滯后一周的百度指數(shù)顯著正相關(guān)，與百度指數(shù)、滯后一周的成交量顯著負(fù)相關(guān)，且系數(shù)皆很小。此時(shí)ARCH項(xiàng)在1%的顯著性水平下變得不再顯著，GARCH項(xiàng)仍然顯著，且系數(shù)為1.005，大于1，收益率的波動(dòng)持續(xù)性很強(qiáng)。將這一結(jié)果與僅引入百度指數(shù)及其滯后階的模型（8）結(jié)果進(jìn)行對(duì)比，可以發(fā)現(xiàn)，盡管成交量與百度指數(shù)都包含了一定的導(dǎo)致收益率持續(xù)波動(dòng)的信息，但兩者的同時(shí)引入對(duì)解釋收益波動(dòng)率持續(xù)性的效果不如僅使用百度指數(shù)。因此，僅利用百度指數(shù)便可對(duì)湖北碳市收益率的GARCH效應(yīng)作出部分合理的解釋。

3　結(jié) 論

GARCH模型將變化的條件方差表示為滯后階的殘差平方的函數(shù)，描述了波動(dòng)率的持續(xù)性，衡量的是風(fēng)險(xiǎn)。已有的實(shí)證研究大多只是把成交量視為交易信息流的替代指標(biāo)，研究收益的GARCH效應(yīng)是否會(huì)消失。基于搜索引擎已被大眾廣泛應(yīng)用的背景下，本文將基于“碳交易”詞條的百度指數(shù)，而不是成交量數(shù)據(jù)，引入一個(gè)新興市場(chǎng)——湖北碳交易市場(chǎng)進(jìn)行研究，并與傳統(tǒng)的量?jī)r(jià)方程進(jìn)行對(duì)比，觀察搜索量數(shù)據(jù)的應(yīng)用價(jià)值；并且把百度指數(shù)與成交量數(shù)據(jù)同時(shí)引入IGARCH（1，1）的條件方差方程，以觀察兩者的綜合效果。實(shí)證發(fā)現(xiàn)，僅加入成交量無(wú)法使GARCH效應(yīng)消失；僅加入百度指數(shù)可以使ARCH項(xiàng)變得不再顯著，湖北碳交易市場(chǎng)收益波動(dòng)率持續(xù)性被削弱。換言之，百度指數(shù)中包含了部分能導(dǎo)致收益率持續(xù)波動(dòng)的信息。然而，當(dāng)我們將兩種數(shù)據(jù)同時(shí)加入到模型中，對(duì)解釋波動(dòng)率持續(xù)性的效果不如僅使用百度指數(shù)的效果好。因此，本文認(rèn)為單獨(dú)使用百度指數(shù)可以對(duì)收益率的GARCH效應(yīng)作出部分合理的解釋?zhuān)俣戎笖?shù)可以作為湖北碳交易市場(chǎng)交易信息流的一部分。

總之，通過(guò)百度指數(shù)關(guān)注度對(duì)碳交易市場(chǎng)收益率的波動(dòng)研究，我們認(rèn)為傳統(tǒng)的量?jī)r(jià)方程解釋力不強(qiáng)；而百度指數(shù)能較好地解釋碳交易市場(chǎng)的波動(dòng)，能在某種程度上反映市場(chǎng)信息流的變化。

［1］杜莉，孫兆東，汪蓉.中國(guó)區(qū)域碳金融交易價(jià)格及市場(chǎng)風(fēng)險(xiǎn)分析［J］.武漢大學(xué)學(xué)報(bào)（哲學(xué)社會(huì)科學(xué)版），2015，（2）: 86～93

［2］宋雙杰，曹暉，楊坤.投資者關(guān)注與IPO異象——來(lái)自網(wǎng)絡(luò)搜索量的經(jīng)驗(yàn)證據(jù)［J］.經(jīng)濟(jì)研究，2011，（S1）:145～155

［3］熊連慶，劉煜輝.成交量能解釋收益率的GARCH效應(yīng)嗎:中國(guó)市場(chǎng)的實(shí)證［J］.數(shù)量經(jīng)濟(jì)技術(shù)經(jīng)濟(jì)研究，2006，21（3）:134～139

［4］俞慶進(jìn)，張兵.投資者有限關(guān)注與股票收益——以百度指數(shù)作為關(guān)注度的一項(xiàng)實(shí)證研究［J］.金融研究，2012，（8）: 152～165

［5］Bollerslev T.Generalized Autoregressive Conditional Heteroskedasticity［J］.Journal of Econometrics，1986，31（3）:307～327

［6］Choi H，Varian H.Predicting the Present with Google Trends［J］. Economic Record，2012，88（s1）:2～9

［7］Da Z，Engelberg J，Gao P.In Search of Attention［J］.The Journal of Finance，2011，66（5）:1461～1499

［8］張浩，劉元根，朱佩楓.歐盟碳排放權(quán)交易市場(chǎng)價(jià)格發(fā)現(xiàn)的實(shí)證研究［J］.工業(yè)技術(shù)經(jīng)濟(jì)，2013，（6）:126～132

［9］Engle，Robert F.Autoregressive Conditional Heteroscedasticity with Estimates of the Variance of United Kingdom Inflation［J］.Econometrica，1982，50（4）:987～1007

Research on the Volatility of Return Rate of Emission Exchange Market Based on Baidu Index

Fang Zhuangzhi Wang Zhuwei Long Huanyu
（Huazhong University of Science and Technology，Wuhan 430074，China）

The empirical test shows that traditional volume price equation does not work well in the return rate of emission exchange market.In the information age there are other new and more effective methodologies to test this kind of return rate.So this paper intends to explain the return rate of Emission Exchange Market by Baidu Index which including key words carbon trading instead of traditional method.Given that the addition of measures of Baidu index，and based on China Hubei Emission Exchange market，this paper sets up an IGARCH（1，1）model augmented both by the addition of measures of Baidu Index and traditional volume price equation to explain the GARCH effect.We compare the different effects of them and find that IGARCH model augmented by Baidu Index which has better performance than initial one.And it also shows that Baidu Index can make persistent volatility weakened.This conclusion means that Baidu Index can make some reasonable explanation for the GARCH effect of return rate and can be used as partial replacement of transaction information flow in Hubei Emission Exchange market.

Baidu Index；carbon trading；volume；volatility of return rate；regional carbon market；GARCH model

10.3969/j.issn.1004-910X.2016.11.005

F224；F835.51

A

2016—03—09

方壯志，華中科技大學(xué)經(jīng)濟(jì)學(xué)院副教授，經(jīng)濟(jì)學(xué)博士。研究方向:行為金融。王竹葳，華中科技大學(xué)經(jīng)濟(jì)學(xué)院本科生。研究方向:行為金融。龍歡予，華中科技大學(xué)經(jīng)濟(jì)學(xué)院本科生。研究方向:行為金融。

（責(zé)任編輯:王 平）