高尚

在數(shù)字經(jīng)濟時代背景下，客戶線上化的趨勢已不可逆轉(zhuǎn)，對于商業(yè)銀行來說，當(dāng)前也面臨著同樣挑戰(zhàn)。國內(nèi)銀行業(yè)在經(jīng)歷了2004—2010年的以樹立零售業(yè)務(wù)優(yōu)先發(fā)展戰(zhàn)略為特點的第一次零售轉(zhuǎn)型階段，以及2010—2019年的以提升產(chǎn)品持續(xù)性創(chuàng)新與精細化業(yè)務(wù)管理水平為特點的第二次零售轉(zhuǎn)型階段之后，2020年初以來以提供全面“非接觸”金融產(chǎn)品與服務(wù)、實現(xiàn)全面線上化轉(zhuǎn)型為主要特征的“非接觸”銀行的興起，拉開了銀行業(yè)第三次零售轉(zhuǎn)型的大幕?！胺墙佑|”金融服務(wù)模式的快速發(fā)展不僅倒逼商業(yè)銀行按下數(shù)字化轉(zhuǎn)型的“加速鍵”，也進一步驅(qū)動了當(dāng)前商業(yè)銀行線下金融服務(wù)模式的線上化遷移進程。為了緊緊抓住當(dāng)前轉(zhuǎn)型的緊迫時間窗口，銀行業(yè)需要盡快構(gòu)建線上全?；蛻艚?jīng)營體系，實現(xiàn)從產(chǎn)品經(jīng)營向客戶經(jīng)營的轉(zhuǎn)變。

目前，國內(nèi)銀行業(yè)對于金融大數(shù)據(jù)的分析應(yīng)用基本上是基于客戶交易類數(shù)據(jù)與客戶信息類數(shù)據(jù)展開的，基于對全渠道客戶線上行為類數(shù)據(jù)的埋點采集與分析應(yīng)用而言，絕大部分商業(yè)銀行仍處于空白或起步階段。當(dāng)前商業(yè)銀行的各類移動端應(yīng)用不斷產(chǎn)生著海量的客戶行為數(shù)據(jù)，通過大力推動客戶線上行為分析，商業(yè)銀行可以了解手機屏幕前的客戶都是如何使用產(chǎn)品的，可以透過客戶的線上行為軌跡來分析與研判客戶在獲取一次金融服務(wù)背后的深層次金融訴求，而這些對客戶的深入洞察在以往是無法通過傳統(tǒng)的大數(shù)據(jù)分析手段得出的，可以說，客戶行為分析正是商業(yè)銀行探尋面向數(shù)字化經(jīng)營轉(zhuǎn)型的關(guān)鍵破局點之一。

客戶行為分析相關(guān)概念

客戶行為分析

客戶行為分析是指對客戶在與某品牌相關(guān)的所有自營線上渠道接觸點上產(chǎn)生的全渠道、全場景行為進行埋點、收集、存儲與分析，通過深度還原客戶使用場景、瀏覽細節(jié)及操作路徑等來掌握客戶線上軌跡旅程中客戶與產(chǎn)品或服務(wù)之間產(chǎn)生的全部聯(lián)系并進行量化分析，從而能更好地制定業(yè)務(wù)決策、實現(xiàn)精細化客戶運營、指導(dǎo)業(yè)務(wù)增長。

客戶行為

要做好客戶行為分析還需要深入了解客戶行為是如何刻畫的?？蛻粜袨橐卜Q為客戶數(shù)字足跡，是指客戶在線上留下的所有痕跡?？蛻粜袨橛扇宋铮╳ho）、時間（when）、地點（where）、交互（how）、交互的內(nèi)容（what）五個元素構(gòu)成。

客戶行為的實例化可以稱之為一次客戶行為事件，也即一個客戶在什么時間、在什么地點、通過何種交互方式、進行了什么操作。從客戶操作視角來看，客戶行為可以劃分為訪問、瀏覽、點擊、輸入四種基本類型；從行為效果視角來看，客戶行為可以分為正反饋行為和負反饋行為，其中正反饋行為主要包括注冊、搜索、瀏覽、篩選、點擊、收藏、下載、下單、支付、點贊、好評、轉(zhuǎn)發(fā)等，負反饋行為包括刪除、取消收藏、取消訂單、退款、負評、低評等。

客戶行為數(shù)據(jù)

單純從金融大數(shù)據(jù)組成角度而言，一個完整的閉環(huán)數(shù)據(jù)源主要分為客戶信息類數(shù)據(jù)（描述型數(shù)據(jù)）、客戶交易類數(shù)據(jù)（結(jié)果型數(shù)據(jù)）及客戶行為類數(shù)據(jù)（過程型數(shù)據(jù)）。對于客戶交易類數(shù)據(jù)來說，雖然它可以明確標示客戶完成了某種結(jié)果型事件，但是為何會存在客戶中途流失、為何會存在客戶下單后卻不選擇支付、為何客戶瀏覽了某商品頁面后直接離開等，對這些過程型原因的跟蹤與分析只能由客戶行為類數(shù)據(jù)來實現(xiàn)。

客戶行為數(shù)據(jù)是指客戶在商業(yè)銀行提供的各類線上渠道上進行各種操作時所產(chǎn)生的數(shù)據(jù)。作為過程型數(shù)據(jù)，客戶行為數(shù)據(jù)最顯著的特點在于能還原客戶的行為軌跡，讓銀行產(chǎn)品的每一處細節(jié)都可量化，都可以通過客戶行為數(shù)據(jù)來展現(xiàn)。

客戶行為數(shù)據(jù)埋點

客戶行為數(shù)據(jù)的規(guī)范化采集需要通過埋點的方式來實現(xiàn)。埋點是指在需要監(jiān)測客戶行為的地方加載一段代碼，這段代碼詳細定義與描述了待監(jiān)測的行為事件。

常用的埋點方式包括代碼埋點、全埋點和可視化埋點三種。代碼埋點是指由研發(fā)工程師編寫代碼實現(xiàn)，通過客戶觸發(fā)某個動作后，程序自動采集相應(yīng)埋點數(shù)據(jù)發(fā)送后臺，代碼埋點具有較強的埋點靈活性，可以自定義埋點事件，但也存在需要手工開發(fā)程序、人力成本較高、開發(fā)周期相對較長、大部分情況下需要依賴其宿主程序端的版本更新來同步生效。全埋點又稱為無埋點，是指預(yù)置采集代碼對網(wǎng)頁和APP等線上渠道端頁面上的所有可交互事件進行監(jiān)測，當(dāng)有客戶操作行為發(fā)生時即會對此事件進行采集并發(fā)送后臺，其優(yōu)點是不需要進行自定義代碼埋點，既方便又快捷，但傳輸數(shù)據(jù)量較大?？梢暬顸c是指業(yè)務(wù)人員通過對頁面可埋點元素直接圈選埋點，所見即所得、即時生效，跳過代碼開發(fā)部署和生產(chǎn)版本發(fā)布過程，提升了產(chǎn)品運營效率但能夠滿足的場景有限。

客戶行為分析框架

一個完整的客戶行為分析框架應(yīng)包括客戶行為數(shù)據(jù)模型、客戶行為數(shù)據(jù)埋點規(guī)范、客戶行為分析指標和客戶行為分析模型四個部分。

客戶行為數(shù)據(jù)模型

客戶行為數(shù)據(jù)模型是整個客戶行為分析工作的基礎(chǔ)，模型設(shè)計得是否合理、能否很好地滿足各行業(yè)不斷變化的業(yè)務(wù)需求、是否能夠很好地實現(xiàn)對客戶行為的表征與邏輯抽象并具備良好的靈活性與擴展性決定了后續(xù)客戶行為數(shù)據(jù)分析應(yīng)用的高度與深度。

數(shù)據(jù)模型本質(zhì)上是對現(xiàn)實世界的一種抽象，而現(xiàn)實世界紛繁復(fù)雜，要實現(xiàn)對現(xiàn)實世界實體與行為的充分抽象表征，必然要求數(shù)據(jù)模型具有很強的復(fù)雜性與靈活性，這勢必會造成數(shù)據(jù)模型的表達式設(shè)計十分復(fù)雜，同時，高維度的特征空間也不可避免?；趶?fù)雜數(shù)據(jù)模型表達式設(shè)計產(chǎn)生的客戶行為的元數(shù)據(jù)不僅會大量擠占數(shù)據(jù)庫存儲空間，也會造成客戶行為分析工作呈非線性增長的復(fù)雜性。因此，客戶行為數(shù)據(jù)的模型設(shè)計應(yīng)追求在滿足有限復(fù)雜性的框架下實現(xiàn)必要的靈活度。

本文提出一種基于三層結(jié)構(gòu)的客戶行為分析數(shù)據(jù)模型UEE（User-Event-Entity）：User層表征的是客戶，通過User ID進行唯一識別，客戶的相關(guān)屬性描述通過User Property進行存放；Event層表征的是客戶行為的實例化，即事件體現(xiàn)的是對于事件本身不變性的描述，對于一個事件的描述包括發(fā)起此事件的客戶是誰（Who）、此事件發(fā)生的實際時間（When）、此事件發(fā)生的地點（Where）、客戶發(fā)起此事件的方式（How）、此事件的具體內(nèi)容（What），Entity層表征的是與客戶事件相關(guān)聯(lián)的一個或若干個實體，體現(xiàn)的是對于事件描述本身靈活性方面的考慮。

客戶行為數(shù)據(jù)埋點規(guī)范

建立客戶行為數(shù)據(jù)埋點規(guī)范是搭建客戶行為分析框架的關(guān)鍵，客戶行為數(shù)據(jù)埋點規(guī)范質(zhì)量的高低直接決定了后續(xù)客戶行為分析結(jié)果的準確度。

客戶行為數(shù)據(jù)埋點規(guī)范主要包括標準需求梳理模板與數(shù)據(jù)采集方案設(shè)計模板。建立面向業(yè)務(wù)人員的需求梳理模板是為了統(tǒng)一與規(guī)范業(yè)務(wù)需求表述，數(shù)據(jù)采集方案設(shè)計模板是在需求梳理模板內(nèi)容的基礎(chǔ)上將業(yè)務(wù)需求按照具體采用的客戶行為數(shù)據(jù)模型分別拆解轉(zhuǎn)換為客戶表、事件表和實體表等。

客戶行為分析指標

客戶行為分析指標是整個客戶行為分析框架中承上啟下的環(huán)節(jié)，通過對埋點采集到的客戶行為數(shù)據(jù)進一步加工生成各類行為指標為后續(xù)客戶行為分析模型構(gòu)建奠定基礎(chǔ)?？蛻粜袨榉治鲋笜酥饕梢苑譃樵鲩L性指標、粘性指標、產(chǎn)出指標三類。

常用的增長性指標包括新增注冊客戶數(shù)和新客戶數(shù)，其定義為歷史上首次訪問線上渠道的訪客。

粘性指標主要關(guān)注客戶的參與度，常用的指標包括：第一，日活躍客戶數(shù)（DAU，Daily Active User），其定義為1天內(nèi)訪問線上渠道的不重復(fù)客戶數(shù)；第二，周活躍客戶度 （WAU）；第三，月活躍客戶度（MAU）；第四，訪問次數(shù)，其定義為訪客從進入線上渠道到離開這個過程記為一次訪問；第五，平均交互深度，其定義為所有訪客在訪問線上渠道期間發(fā)起的事件總數(shù)除以訪客的總訪問數(shù)，一般以天為計量單位；第六，平均停留時長，其定義為所有訪客的累計訪問時長除以所有訪客的訪問次數(shù)，一般以天為計量單位；第七，頁面平均停留時長，其定義為訪客在一個頁面上停留時長的總和除以頁面被瀏覽的觸發(fā)數(shù)；第八，頁面退出率，其定義為訪客在某個頁面的退出總次數(shù)除以該頁面的總瀏覽次數(shù)；第九，跳出率，該指標是用來衡量一個落地頁的質(zhì)量好壞，當(dāng)客戶在一次頁面訪問中僅做了一次互動便選擇了離開即為跳出，該指標定義為一個頁面發(fā)生客戶跳出的訪問次數(shù)占該頁面總訪問次數(shù)的比例；第十，平均交互深度，該指標是用來衡量一個線上渠道對于客戶的吸引力，客戶在一次訪問中瀏覽的頁面越多說明交互深度就越深，其定義為客戶訪問中觸發(fā)交互的事件總量除以客戶總訪問量。

產(chǎn)出指標主要衡量客戶創(chuàng)造的直接價值輸出，常用的指標包括：第一，頁面瀏覽量（Page View，PV）；第二，新客戶留存率，其定義為在注冊后經(jīng)過一段時間仍然繼續(xù)使用的客戶占當(dāng)時新增客戶的比例；第三，購買轉(zhuǎn)化率，其定義為當(dāng)日訪客中有多大比例的客戶完成了產(chǎn)品購買。

客戶行為分析模型

明確客戶行為分析指標后，可以借助行為分析模型對客戶行為數(shù)據(jù)進行定性和定量分析。客戶行為分析模型有行為事件分析模型、漏斗分析模型、客戶路徑分析模型、客戶留存分析模型、會話（Session）分析模型、熱力分析模型、歸因分析模型等，其中行為事件分析模型與漏斗分析模型最為常用。

行為事件分析模型

行為事件分析是指基于各類定義的事件指標通過條件篩選及屬性分組等方式進行查詢統(tǒng)計分析與展現(xiàn)，用以研究客戶的某個或某些行為事件的本身特征。行為事件分析模型適用面廣、靈活性強，是最為基礎(chǔ)的一類客戶行為分析模型，在日?？蛻粜袨榉治龉ぷ髦凶畛Ｓ玫剑瑫r業(yè)務(wù)人員使用起來最為直觀簡便。

行為事件分析可用于描述大多數(shù)業(yè)務(wù)或者行為的數(shù)據(jù)表現(xiàn)及趨勢，并可根據(jù)業(yè)務(wù)自身的具體分析需求，合理地進行新指標定義及指標規(guī)則配置。行為事件分析在常用行為指標的基礎(chǔ)上，一方面可以針對事件本身的特征對這些指標進行時間和維度的擴展用以進行持續(xù)性統(tǒng)計觀測與對比；另一方面可以針對事件屬性特征從不同維度進行下鉆分析來關(guān)注事件各屬性特征的變化趨勢，常見的指標計算規(guī)則包括事件按照時間段發(fā)生的總次數(shù)、事件發(fā)生按照地域分布、人均次數(shù)等；此外還可以通過基于一個或多個指標進行自定義四則運算形成的復(fù)合指標來挖掘與事件發(fā)生關(guān)聯(lián)的所有因素背后的特點與趨勢。

漏斗分析模型

漏斗分析主要用于分析含有多個步驟的產(chǎn)品申請、新客戶注冊與激活、商品購買流程等環(huán)節(jié)的頁面中，每一步驟的轉(zhuǎn)化與流失情況及整體的轉(zhuǎn)化情況。通過漏斗分析模型可以較容易分析出客戶流失的具體原因并找到當(dāng)前業(yè)務(wù)的阻塞點，進而針對這些流失的客戶進行有針對性的客戶運營。

以手機銀行App客戶信用卡賬單分期業(yè)務(wù)辦理轉(zhuǎn)化漏斗為例。首先，在手機銀行App上，信用卡賬單分期申請辦理的入口一般不止一處，需要對每個辦理入口定義采集事件，目的是區(qū)分來自各入口渠道的客戶流量；信用卡賬單分期辦理中需要填寫分期金額、選擇分期期數(shù)、確認分期手續(xù)費率、提交申請等步驟，一般至少需要前后兩級頁面，需要深入了解有多少比例的客戶沒有完成第一級申請頁面的填寫就選擇跳出，有多少比例的客戶進入第二級頁面卻沒有完成申請?zhí)峤坏??？蛻粼谡麄€賬單分期業(yè)務(wù)申請期間的每一步都會存在客戶流失，通過漏斗分析模型我們可以直觀地看到每個環(huán)節(jié)的流失率及可能的流失原因。

客戶行為分析價值

客戶行為分析在商業(yè)銀行驅(qū)動產(chǎn)品迭代、持續(xù)客戶轉(zhuǎn)化、提升客戶體驗、實現(xiàn)精準營銷、拉長客戶生命周期等方面起著重要作用，其具體價值主要體現(xiàn)在以下四個方面：

產(chǎn)品視角。客戶行為分析可以從客戶行為角度來定義產(chǎn)品體驗，形成對產(chǎn)品反饋體驗與客戶操作體驗等方面的數(shù)據(jù)化診斷，做到產(chǎn)品里每一個細節(jié)都是可量化的，都是可以通過客戶行為數(shù)據(jù)來體現(xiàn)的，從而可以實現(xiàn)對產(chǎn)品的迭代設(shè)計與優(yōu)化，從產(chǎn)品層面驅(qū)動客戶增長與客戶體驗提升；客戶行為分析還可以驅(qū)動產(chǎn)品智能化，更加細膩地貼合客戶的個性化產(chǎn)品需求，利用線上渠道的個性化推薦、個性化廣告投放等讓產(chǎn)品在投資回報率上得到大幅度的優(yōu)化。

營銷視角。客戶行為分析可以深度了解和分析客戶在搜索、瀏覽、購買或放棄產(chǎn)品期間的行為特征，打造客戶線上行為特征標簽，完善客戶的全維度畫像，形成對客戶價值的不斷認識，明晰客戶在線上的各種瀏覽、點擊和購買等行為背后的深層次金融邏輯，從而能創(chuàng)造更多符合需求的增值產(chǎn)品和服務(wù)，形成一個完整的業(yè)務(wù)閉環(huán)，在更深層次上驅(qū)動業(yè)務(wù)增長。

運營視角。客戶行為分析可以深度了解和分析線上應(yīng)用的運行狀況、應(yīng)用中各項功能的使用頻率、客戶訪問路徑長度等情況，從而為應(yīng)用的進一步優(yōu)化指明方向，進一步提高客戶活躍度和留存率，進而實現(xiàn)整體營收的增長；客戶行為分析也可以協(xié)助分析與發(fā)現(xiàn)運營中存在的問題，以便及時轉(zhuǎn)變或調(diào)整運營決策；客戶行為分析還可以用來幫助我們來具體分析客戶怎么流失、為什么流失、在哪里流失，進而針對客戶進行差異化與精細化運營。

客戶體驗視角。客戶行為數(shù)據(jù)搭建了客戶體驗評價框架，客戶行為分析實現(xiàn)了對客戶體驗的數(shù)據(jù)化診斷。客戶體驗是指客戶在使用產(chǎn)品與服務(wù)過程中建立起來的一種純主觀感受，當(dāng)前比較有代表性的客戶體驗評估模型包括Google公司提出的HEART模型、阿里巴巴公司提出的五度模型等。HEART模型由Happiness（愉悅感）、Engagement（參與度）、Adoption（接受度）、Retention（留存率）、Task Success（任務(wù)完成率）五個維度組成，五度模型由吸引度、完成度、滿意度、忠誠度、推薦度五個部分構(gòu)成。從這兩個完全基于客戶主觀性行為數(shù)據(jù)結(jié)果的客戶體驗?zāi)Ｐ涂梢悦黠@看出，傳統(tǒng)的基于交易數(shù)據(jù)的大數(shù)據(jù)分析方式很難完成客戶體驗?zāi)Ｐ偷耐暾攘?，只有通過基于客戶行為數(shù)據(jù)的分析方式才可以實現(xiàn)對客戶體驗測評的準確量化。

客戶行為分析應(yīng)用

以客戶行為數(shù)據(jù)為驅(qū)動的客戶行為分析在商業(yè)銀行渠道優(yōu)化、產(chǎn)品設(shè)計與迭代、改進客戶交互體驗、實時營銷推薦、客戶深度感知、實時交易反欺詐、反灰/黑產(chǎn)等方面有著廣泛的應(yīng)用場景，是商業(yè)銀行搭建全數(shù)字化客戶運營體系不可或缺的重要組成部分。

實現(xiàn)對商業(yè)銀行面客渠道的全面優(yōu)化。數(shù)字化時代背景下，客戶與銀行的交互方式從線下化、人工化轉(zhuǎn)換為線上化、數(shù)字化，通過建立覆蓋手機銀行、網(wǎng)上銀行、電話銀行、門戶網(wǎng)站、微信公眾號、小程序、H5頁面、自助柜員機等線上線下面客渠道的客戶行為數(shù)據(jù)埋點采集與分析體系，可以深度勾畫客戶的全面旅程地圖，實現(xiàn)對客戶真實需求的深度洞察、引導(dǎo)產(chǎn)品運營優(yōu)化方向，為數(shù)字化渠道精細化運營夯實基礎(chǔ)。

對產(chǎn)品的布放渠道效果進行評估，并對站內(nèi)流量分發(fā)做出動態(tài)優(yōu)化。通過對客戶線上行為數(shù)據(jù)按照產(chǎn)品類型、渠道來源維度進行分析，一方面可以根據(jù)客戶的實際購買情況對產(chǎn)品的布放渠道效果進行評估，通過單個渠道引流流量、引流量轉(zhuǎn)化率、客戶留存率、客戶復(fù)購率等指標來判斷優(yōu)質(zhì)渠道，進而對一款產(chǎn)品的渠道布放方式進行動態(tài)調(diào)整；另一方面可以根據(jù)客戶的實際瀏覽與點擊情況對站內(nèi)流量分發(fā)進行動態(tài)優(yōu)化、提升站內(nèi)流量承接和轉(zhuǎn)化效率，主要包括對落地頁展示、頻道具體投放內(nèi)容顯示、產(chǎn)品申請關(guān)鍵路徑與頁面要素排布等進行調(diào)整。

能夠為商業(yè)銀行產(chǎn)品提供從客戶交互界面到具體功能升級的全方位支持。以信用卡線上開卡為例，由于需要客戶線上填寫的信息項較多，這對產(chǎn)品的頁面元素布局、申請頁面數(shù)確定等要求較高，任何一項不盡合理的設(shè)計都有可能造成客戶中途放棄申請。利用客戶行為分析，可以借助實際客戶行為數(shù)據(jù)來清晰了解每一級申請頁面的客戶流失率，單個申請頁面中定位到哪一步或哪幾步存在較高的客戶流失率，頁面填寫項控件設(shè)計是否布局不合理或需要選擇的內(nèi)容過于繁瑣等，從而可以讓業(yè)務(wù)人員能及時做出精準的產(chǎn)品優(yōu)化決策。

實現(xiàn)對客戶的線上實時營銷推薦。通過打通客戶實時點擊行為鏈路，收集客戶的各種線上行為，包括搜索、瀏覽、收藏、購買等，持續(xù)關(guān)注客戶行為體現(xiàn)出的興趣點在時序時間上的變化，將這些客戶實時行為數(shù)據(jù)的分析結(jié)果轉(zhuǎn)化為面向客戶的個性化實時在線推薦服務(wù)。此外，也可以對那些未完成業(yè)務(wù)辦理中途跳出辦理頁面的客戶有針對性地進行二次精準營銷。

實現(xiàn)對線上廣告與營銷活動投放效果的監(jiān)測。可以透過客戶對已發(fā)布的廣告和營銷活動的點擊與瀏覽數(shù)據(jù)實現(xiàn)對廣告與活動曝光效果進行實時查看，從而可以進一步根據(jù)投放分析結(jié)果完成對廣告資源的動態(tài)調(diào)整，實現(xiàn)對線上廣告的精準運營。

為商業(yè)銀行進行線上實時反欺詐、反灰/黑產(chǎn)等提供重要支撐。客戶在線上渠道積累起的交易支付習(xí)慣、日常線上訪問軌跡、常見線上訪問時段等行為類數(shù)據(jù)具有獨特價值，通過對此類數(shù)據(jù)進行深度分析可以為商業(yè)銀行進行線上實時反欺詐、反灰/黑產(chǎn)等提供重要支撐。各類移動端渠道是當(dāng)前客戶辦理消費信貸申請、消費支付、權(quán)益申領(lǐng)、積分兌換等業(yè)務(wù)的主要流量入口，通過對渠道端的埋點，可以獲取諸如賬戶注冊、認證行為、登錄行為、常用手機型號等設(shè)備軟硬件參數(shù)類信息、聯(lián)網(wǎng)環(huán)境信息等數(shù)據(jù)，借助客戶行為分析對客戶線上操作行為進行深度下鉆，可以進一步實現(xiàn)對很短時間內(nèi)完成手機號/身份證號/登錄密碼輸入、登錄時間與聯(lián)網(wǎng)環(huán)境與日常差異較大、多次反復(fù)輸入手機號/身份證號、同一客戶ID反復(fù)提交不同申請、同一客戶較短時間間隔內(nèi)使用不同手機型號進行登陸、同一個手機號當(dāng)日內(nèi)反復(fù)注冊、同一臺設(shè)備當(dāng)日內(nèi)使用多個手機號注冊等異常風(fēng)險行為進行實時監(jiān)測。

（作者單位：上海金融與發(fā)展實驗室）

責(zé)任編輯：董 治