基于2019年8月1日至2021年6月1日的日度数据，运用添加辅助回归的货币锚模型，依次测算五种国际货币在东盟五国及韩国货币篮子中的隐含权重，并进行窗口期30天的滚动回归以刻画货币寻锚的动态过程。研究发现，东南亚国家锚定人民币的程度整体上已超过美元。疫情暴发前，人民币和美元是东南亚国家的主要货币锚，在中国暴发疫情期间，东南亚国家大多降低了对人民币的锚定程度，相应增加美元和欧元的权重。2021年初以来，随着中国经济运行的正常化以及疫苗接种的普及，人民币的影响力显著回升，且 高于疫情前的水平。中国精准的疫情防控及经济发展韧性提升了人民币在东南亚国家的地位，人民币国际化在后疫情时代迎来新的机遇。

运用动态Nelson-Siegel模型将我国2015—2020年国债收益率分解为三因子，与代表地方政府债务风险的5年期地方债利差因子构建VAR模型，对两者间的风险传导机制和新冠疫情前后是否存在动态变化进行研究。结果发现：第一，地方债务风险增大会带来系统性风险，导致长期国债收益率上升，而短期国债收益率会因资金避险投向而走低；第 二，国债收益率曲线的长端和短端能够解释地方债务风险的大部分波动；第三，疫情的外生冲击强化了上述传导机制，表现为因子间的冲击大小和持续时间均高于疫情前，并呈现出“高波动、缓收敛”的特点。

信贷歧视催生的非金融企业影子银行化程度日益加深，其产生的经济后果已逐渐被证实，但其对审计定价的影响与传导机制还鲜有探讨。研究结果表明，非金融企业影子银行化的程度越深，审计收费越高，且该影响在国有企业、公司治理水平低的企业以及审计质量高的事务所更明显，作用机制检验发现，非金融企业影子银行化通过增加代理成本和破产风险来增加审计的风险和审计成本，从而提高审计收费。

基于2007—2018年中国A股非金融上市公司数据，实证检验了企业金融化与违约风险的非线性关系，在此基础上探讨了企业配置金融资产的最适规模。研究结果表明：企业金融化与违约风险之间存在着U形关系，适度金融化能够降低企业违约风险，而过度金融化显著提升企业违约风险，我国实体企业持有金融资产的最适规模约为6.2%。进一步研究发现：适度金融化与过度金融化分别通过融资约束缓解效应和主营业绩替代效应作用于企业违约风险；企业金融化对违约风险的影响在国有企业和货币政策宽松时期更明显，且金融化的最适规模更大。

以2011—2018年中国A股上市公司为研究样本，匹配北京大学数字普惠金融指数，采用面板固定效应模型实证研究发现：数字金融发展显著降低了上市企业债务违约风险；从需求侧看，数字金融能够通过缓解企业融资约束、提高企业投资效率的渠道降低债务违约风险；从供给侧看，数字金融发展增加了企业的金融可得性和所在城市银行网点竞争程度，降低了企业的债务违约风险。并且若样本所在城市中银行种类增加，数字金融发展对企业债务违约风险的降低作用更为显著。

通过广义预测误差方差分解方法结合Sparse OOglasso—VAR和TVP—VAR模型考察主要经济体国际资本流动的风险溢入溢出水平。研究发现，国际资本流动的风险溢出具有明显的跨国传染特征。在全球金融市场形势良好的情况下，资本流动额上升常伴随着国际资本流动的风险溢出上升；在形势较差的情况下，极端事件的发生常伴随着国际资本流动的风险溢出上升。且网络相关度越高，总溢出效应越高。外国证券投资的风险网络相关度最高，总溢出也最高，外国其他投资次之，外国直接投资最低。中国多与发达经济体和新兴经济体存在较强的溢入溢出关系，同时极端事件对我国的风险溢出有正向冲击。

基于中国 2000—2019 年省级面板数据测算了绿色全要素生产率，在此基础上，将2013年的中国碳排放权交易政策的试点运行视为一次准自然实验，运用合成控制法进行反事实研究，并通过安慰剂检验、PSM-DID等一系列稳健性分析评估了中国碳排放权交易政策对试点地区绿色全要素生产率的影响。研究发现，中国碳排放权交易政策整体上促进了试点地区的绿色全要素生产率的提升，尤其是湖北、北京和上海的效果更为显著。进一步的影响机制检验表明，中国碳排放权交易政策能通过促进地区的产业结构升级和科技创新两个重要途径来提升区域绿色全要素生产率。

基于2006—2019年中国285个地级及以上城市的面板数据，在厘清产业协同集聚对绿色发展影响理论机制的基础上，运用空间计量模型与中介效应模型考察其影响效果、作用机制、空间溢出效应及衰减边界。研究表明：产业协同集聚对城市绿色发展的影响存在先抑制后促进的“U”型曲线关系，技术进步、资源利用效率以及市场化是重要的作用机制；产业协同集聚存在显著的空间溢出效应，且其溢出效应大于直接效应。技术进步与资源利用效率的空间溢出效应显著为正，市场化溢出效应显著为负但效果更明显；直接效应 变动较平缓，溢出效应与总效应的波动更明显且呈现出波动中上升趋势。并且随着地区间地理距离的增大，溢出效应衰减边界明显，“虹吸效应”与“涓滴效应”依次出现。

牺牲率衡量了通货膨胀和实际产出的取舍关系，对国家实施宏观经济政策具有重要意义。现有的研究基本上是根据整体通货膨胀指标（标题CPI）来判断通货收缩周期并估算牺牲率，但是反映通货膨胀长期趋势的指标是核心通货膨胀（核心CPI）。基于核心CPI估算了中国2000—2020年的牺牲率，对比研究发现，基于核心通货膨胀估算的牺牲率都要高于基于整体通货膨胀估算的牺牲率。这意味着央行在制定货币政策时，如果只关注基于标题CPI的牺牲率，可能会低估反通胀成本。进一步的实证研究发现，影响牺牲率的主要因素包括通货收缩速度、初始通货膨胀率和贸易开放度。

“十四五”规划和2035年远景目标纲要关于提升产业链供应链现代化水平的表述再次将客户集中度影响企业融资约束推向学术界研究热点。以“客户关系—信用风险—融资约束”为主线,以全部A股上市公司2009—2018年相关数据为样本，构建固定效应模型实证研究发现：第一，当客户集中度较高时，企业的融资约束程度较低；第二，信用风险在客户集中度与融资约束的关系中发挥中介作用；第三，客户集中度对市场地位低、所处行业竞争激烈的企业的融资约束缓解作用更明显。