何立峰出席2026陆家嘴论坛开幕式并讲话

基于Coase(1937)交易成本理论与North(1990)制度变迁理论，金融制度型开放本质上是规则的标准化与透明化过程，降低跨境金融交易中的信息搜寻成本、合同谈判成本与合规执行成本。据此提出核心假说：H1：制度型开放政策宣示后，外资机构在华金融业务规模显著扩大；H2：交易成本敏感的金融子行业（如证券经纪、资产管理）对制度型开放的反应弹性大于交易成本不敏感的行业（如政策性金融）；H3：法治环境越完善的地区，制度型开放的政策效应越强，因为制度承诺的可信度更高。

以历年陆家嘴论坛开幕式上的金融开放政策宣示作为外生冲击。论坛每年6月召开，政策宣示的时点对单个金融机构而言是外生的，且不同年份的政策力度存在差异。采用多期DID识别策略，处理组为受政策覆盖的金融子行业与业务类型，控制组为未受直接影响的领域。核心识别假定是：若无政策宣示，处理组与控制组的外资参与度趋势平行。通过事件研究图检验事前趋势，同时利用政策力度文本编码的连续变量进行强度DID，以缓解异质性处理效应偏误。

基准模型设定为：Y_{ijt} = α + β × PolicyExposure_{jt} + γX_{ijt} + μ_i + λ_t + ε_{ijt}。其中Y_{ijt}为外资机构i在行业j第t年的在华业务规模（分支机构数或资产对数）；PolicyExposure_{jt}为行业j在第t年面临的制度型开放程度（论坛政策文本中该行业被提及的规则开放条款数）；μ_i为机构固定效应，λ_t为年份固定效应；X_{ijt}包括机构规模、母国金融发展水平、双边经贸关系等控制变量。标准误在机构层面聚类。同时采用Callaway & Sant'Anna(2021)方法处理异质性处理效应。

被解释变量：外资金融机构在华分支机构数量、资产规模、QFI持仓市值。核心解释变量PolicyExposure通过对2015—2026年陆家嘴论坛开幕式讲话文本进行结构化编码构建——识别每一年度讲话中涉及的具体金融开放措施，按行业归属打分。控制变量包括：机构母公司总资产、母国GDP增速、中国与母国双边贸易额、人民币汇率波动率、全球金融周期指数（VIX）。数据来源：银保监会金融许可证数据库、CSMAR、Wind、BIS国际银行统计、IMF IFS数据库。

第一，安慰剂检验：将政策宣示时点随机提前2—3年，重复DID估计1000次，检验基准效应是否落在随机分布尾部；第二，替换被解释变量：以外资持股比例替代分支机构数量，验证结果对不同度量方式的敏感性；第三，排除同期政策干扰：控制"一带一路"金融合作、RCEP金融服务条款等同期政策变量，检验制度型开放的独立效应；第四，样本剔除检验：剔除上海自贸区已先行先试的机构样本，检验政策效应是否由先行区域驱动；第五，工具变量法：以国际金融中心竞争力排名变化作为制度型开放的工具变量，缓解内生性问题。

---

根据Fama(1970)有效市场假说，分割市场上的同一资产可能存在定价差异，反映了套利壁垒带来的非效率。Markowitz(1952)资产组合理论则表明，跨境投资限制的放松扩大了投资者的可行集，提升风险调整后收益。离岸金融市场通过提供人民币资产的跨境交易与风险对冲渠道，实质性地降低了市场分割程度。提出三个假说：H1：上海离岸金融业务规模扩大，显著收窄在岸-离岸人民币汇差与利差；H2：离岸金融产品种类的增加对价差收敛的边际贡献递减，存在最优产品多样化水平；H3：全球风险偏好（VIX）上升时期，离岸市场对价差收敛的促进效应减弱。

以人民币资产全球配置中心建设过程中离岸金融产品创新与交易规模扩张作为连续处理变量，采用面板固定效应模型估计其对在岸-离岸价差的影响。内生性挑战在于：价差收窄可能反过来促进离岸市场发展（反向因果），且两者可能共同受中国金融开放进程的影响（遗漏变量）。为此，以全球离岸金融中心竞争格局变化（如新加坡、伦敦离岸人民币业务份额变化）作为上海离岸金融发展的工具变量——竞争压力外生于中国境内定价效率，但通过政策响应渠道影响上海离岸金融业务扩张。

基准模型：Spread_t = α + β OffshoreDev_t + γ X_t + δ Controls_t + ε_t。其中Spread_t为第t日在岸-离岸价差（绝对值的对数），OffshoreDev_t为上海离岸金融市场发展指标（跨境人民币结算量或离岸债券存量），X_t为价差的滞后项与市场微观结构变量（买卖价差、交易量）。采用门限回归模型进一步检验：Spread_t = α + β_1 OffshoreDev_t × I(OffshoreDev_t ≤ τ) + β_2 OffshoreDev_t × I(OffshoreDev_t > τ) + γ Controls_t + ε_t，以识别离岸市场发展对定价效率的非线性效应。

被解释变量：CNY-CNH即期汇差（绝对值）、SHIBOR-HIBOR隔夜利差（绝对值）。核心解释变量OffshoreDev构造三个维度：规模维度（上海自贸区跨境人民币结算月度规模）、深度维度（离岸人民币债券存量与日均交易量）、广度维度（离岸金融产品类型数量——包括离岸贷款、离岸债券、离岸基金、航运保险等）。控制变量：美元指数、VIX恐慌指数、中国资本账户开放指数、中美利差。数据频率为日度或月度，时间跨度为2016—2026年。数据来源：Bloomberg、Wind、中国人民银行、国际清算银行（BIS）。

第一，替换价差度量：采用相对价差（价差/中间价）替代绝对价差，排除汇率水平变动的影响；第二，剔除极端事件窗口：剔除2015年"811汇改"、2020年疫情冲击时期的样本，检验基准结果的敏感性；第三，更换工具变量：以香港、新加坡、伦敦离岸人民币存款份额的赫芬达尔指数倒数（竞争程度）作为替代工具变量；第四，不同频率数据验证：分别使用日度、周度、月度数据进行估计；第五，伪门限检验：以任意分位点作为门限值进行安慰剂检验，确认门限效应的统计显著性。

---

Keynes(1936)指出投资由利率与预期收益率共同决定，而金融监管政策直接影响银行的风险偏好与信贷供给意愿。Bernanke、Gertler与Gilchrist(1999)的金融加速器理论表明，信贷市场摩擦会将外生冲击放大为宏观波动——强监管期银行收紧信贷条件，企业外部融资溢价上升，投资下降幅度超过监管收紧本身。Minsky(1986)则从金融不稳定视角指出，监管周期性收紧可能触发"明斯基时刻"。提出三个假说：H1：金融监管强度每上升一个标准差，银行信贷增速在随后两个季度内下降2—3个百分点；H2：信贷收缩通过金融加速器机制对固定资产投资的乘数效应约为1.5—2倍；H3：系统重要性银行对监管冲击的信贷收缩弹性大于中小银行，因其面临更高的监管合规成本。

核心识别策略为基于SVAR的脉冲响应分析与Jordà(2005)局部投影法。首先，构建月度中国金融监管强度指数IRI（Intensity of Regulatory Index），聚合监管处罚笔数、处罚金额、新发布监管文件数量与严格程度评分，作为外生监管冲击。在SVAR中施加符号约束：监管冲击使信贷量下降、银行间利率上升、产出下降。局部投影法直接估计脉冲响应：y_{t+h} = α_h + β_h shock_t + γ(L)X_{t-1} + ε_{t+h}，其中y_{t+h}为t+h期的产出（或信贷、投资），shock_t为监管冲击。

基准SVAR模型：A_0 Y_t = A(L)Y_{t-1} + ε_t，其中Y_t包含监管强度指数、银行信贷增速、7天逆回购利率、固定资产投资增速、工业增加值增速、CPI同比。通过Cholesky分解实现短期约束：监管冲击当期不受其他变量影响（监管政策制定滞后于当月经济数据）。同时采用局部投影法：Δlog(I_t+h) = α_h + β_h IRI_t + Σ_{k=1}^4 γ_k Δlog(I_{t-k}) + Σ_{k=1}^4 δ_k Δlog(GDP_{t-k}) + λ X_t + ε_{t+h}，其中I_t为实际投资，IRI_t为监管冲击。标准误使用Newey-West方法调整。

核心解释变量IRI的构造分三步：第一，从银保监会/金融监管总局网站爬取2015—2026年全部行政处罚决定书，提取处罚日期、被处罚机构、处罚事由、罚款金额；第二，从国务院与金融监管部门网站提取同期发布的监管规范性文件，按松紧程度进行文本评分（-1为放松、0为中性、+1为收紧）；第三，对处罚频率、处罚金额、文件收紧度三个维度标准化后取主成分合成IRI。被解释变量：银行信贷增速、固定资产投资增速、GDP增速。数据频率为月度，来源包括中国人民银行、国家统计局、CSMAR银行数据库。

第一，替换监管冲击的构造方法：以金融监管规范性文件的发布频率替代处罚数据，或以影子银行规模变化作为监管力度的代理变量，检验不同指标下脉冲响应的一致性；第二，更换识别策略：使用Romer & Romer(1989)叙事法，通过阅读政策文件识别"监管收紧动机"，构建虚拟变量冲击序列；第三，反事实分析：以2017年（金融监管"严监管"元年）前的监管强度均值作为基准，模拟不存在监管收紧情景下的信贷与投资路径；第四，排除货币政策干扰：将货币政策立场（以7天逆回购利率变化度量）纳入SVAR模型，分离监管冲击的独立效应；第五，以省级面板数据重复局部投影估计，检验结论是否在地区层面成立。

---

周黎安(2007)的行政发包制理论认为，中国央地关系以"行政权下放+经济激励+结果考核"为特征，地方官员在晋升锦标赛下有强激励推动经济增长与制度创新。周雪光(2011)的控制权理论进一步区分了目标设定权、检查验收权与激励分配权在央地间的配置。在国际金融中心建设领域，金融安全属于中央保留权力（周雪光意义上的"高度集权控制"），但具体金融创新实践中存在大量"剩余控制权"缺口。提出三个假说：H1：上海金融创新集中于中央"默许边界"内的领域，而非中央明令禁止的领域，体现的是"选择性放权"而非"地方叛逆"；H2：当中央金融安全信号增强时（如全国金融工作会议强调防风险），上海金融创新节奏阶段性放缓，体现央地间的"响应-校准"机制；H3：上海国际金融中心建设中的先行先试政策更多源自上海的"提案权"而非中央的"指令权"，体现自下而上的政策试验逻辑。

采用过程追踪法（Process-Tracing），选取三个代表性政策子案例进行纵向比较：案例一为上海离岸金融发展（2013年自贸区FT账户至2026年人民币全球配置中心）、案例二为上海自贸区跨境金融开放（FT账户到跨境资金池）、案例三为上海金融法院设立与金融法治建设。对每个案例，追踪政策创议-协商-批准-实施的完整链条，识别关键节点上的主导行为体（中央 or 上海）。辅以政策文本量化分析，对1980—2026年逾500份金融政策文件进行编码，按"发起方-审批方-执行方"三维度标注央地权力配置的历时演变。

本研究以质性方法为主，定量辅助。政策文本的量化编码使用内容分析法：对每份政策文件按"政策领域""发起层级""审批层级""放权类型（先行先试/授权试点/中央统一部署）""金融安全相关条款数量"等维度编码，构建1980—2026年的央地金融权力配置面板数据集。通过描述性统计与分段趋势分析，识别中央金融安全信号（以全国金融工作会议、中央经济工作会议中"风险""安全"关键词频率度量）与上海金融创新节奏（以年度先行先试政策发布数量度量）之间的时变相关性。

核心分析维度：目标设定权（政策目标由中央还是上海提出）、检查验收权（政策成效评估由哪一级主导）、激励分配权（成功经验的推广路径）。数据来源：国务院公报、上海市政府公报、中国金融年鉴、全国金融工作会议文件、历年陆家嘴论坛讲话与参会领导级别（编码中央支持强度）、Wind政策数据库。访谈数据：对上海金融办前官员、自贸区管委会人员、在沪外资金融机构高管、高校金融法学者进行半结构化访谈（约15—20人），获取政策制定过程中的非正式博弈信息。

第一，反面案例检验：选取深圳前海、海南自由贸易港等其他金融开放平台作为比较案例，检验上海模式的独特制度逻辑是否具有一般性，若其他地区呈现不同央地互动模式，则证实上海路径的特殊性；第二，政策领域内比较：在离岸金融、金融法治、跨境贸易投资便利化三个子领域分别重复过程追踪，检验央地互动模式是否因政策领域不同而异；第三，时期分段检验：以2017年第五次全国金融工作会议（确立"严监管"基调）为断点，比较前后时期的央地关系变化；第四，替代性解释排除：系统评估"国际环境驱动说""技术变革驱动说""市场需求驱动说"三种竞争性解释的证据强度。

---

Goldsmith(1969)指出金融发展通过改善资源配置效率促进经济增长，但金融结构（银行主导 vs. 市场主导）在不同发展阶段具有不同适应性。林毅夫新结构经济学强调，金融体系应为具有比较优势的产业提供适配服务。Schumpeter(1912)的创造性破坏则揭示了金融通过支持创新企业进入、淘汰落后企业退出而推动产业升级的机制。上海国际金融中心的金融集聚可能产生两种空间效应：一是"极化效应"，吸引周边高端金融资源向上海集中；二是"扩散效应"，通过降低周边企业融资成本、促进知识溢出而推动区域产业升级。提出三个假说：H1：上海金融集聚度的提升显著促进了长三角城市群制造业向高附加值环节升级；H2：该效应随地理距离衰减，在上海150公里辐射圈内最强；H3：金融集聚通过"创业促进"渠道加速新企业进入与旧企业退出，提升区域产业动态效率。

以2019年《上海国际金融中心建设行动计划》的发布作为准自然实验时点，该计划明确提出了"到2020年基本建成国际金融中心"的目标并配套大量落地政策。采用双重差分法，处理组为距离上海150公里内的长三角核心城市，控制组为距离150—400公里的长三角外围城市。识别假定是：无此政策，两组的产业升级趋势平行。同时，构建上海金融集聚连续指数（金融业增加值占GDP比重×金融从业人员密度），在DID框架中引入连续处理变量，克服二元处理变量的粗糙性。空间杜宾模型进一步将空间滞后项纳入，识别金融集聚效应的地理衰减模式。

基准DID模型：Upgrade_{it} = α + β × Post2019_t × Treat_i + γX_{it} + μ_i + λ_t + ε_{it}。其中Upgrade_{it}为城市i第t年的产业结构升级指标（产业结构高度化指数，即第三产业与第二产业增加值之比，或高技术制造业产值占比）。空间杜宾模型拓展为：Upgrade_{it} = α + ρW × Upgrade_{jt} + β_1 FinAgg_t + β_2 W × FinAgg_t + γX_{it} + μ_i + λ_t + ε_{it}，其中FinAgg_t为上海金融集聚度，W为反距离空间权重矩阵，ρ捕捉周边城市产业升级的空间自相关效应，β_2为核心溢出系数。

被解释变量Upgrade构造两个维度：产业结构高度化（第三产业/第二产业增加值比）与产业结构合理化（泰尔指数倒数）。核心解释变量：上海金融集聚度——金融业增加值占GDP比重、金融从业人员占总就业比重、金融机构存贷款余额占GDP比重的主成分合成指数。中介变量：城市融资成本（贷款加权平均利率）、创业活跃度（新增企业注册数）、技术溢出（专利引用中来自上海的比例）。控制变量：城市人均GDP、人力资本（大专以上人口占比）、基础设施（公路密度）、FDI存量。数据为长三角41个城市2010—2026年面板数据，来源包括各地统计年鉴、CSMAR、国家知识产权局专利数据库、工商注册数据库。

第一，安慰剂检验：将政策冲击时点随机提前至2016年或2014年，重复DID估计，检验是否有伪效应；第二，更换空间权重矩阵：分别使用距离倒数、距离平方倒数、经济距离权重矩阵（以人均GDP差距为计算基础）替代基准距离矩阵，检验空间效应的稳健性；第三，替换被解释变量：以夜间灯光亮度变化率、高新技术企业数量、上市公司研发强度等作为产业升级的替代指标；第四，排除省会城市干扰：剔除南京、杭州、合肥三个省会城市样本，检验基准效应是否由省会城市驱动；第五，边界效应检验：以省界为分组，比较跨省金融溢出与省内金融溢出是否存在"省界壁垒"效应。