商業銀行網絡銀行業務發展影響因素的實證研究

牟勝東，田益祥

（電子科技大學經濟與管理學院，成都 614100）

商業銀行網絡銀行業務發展影響因素的實證研究

牟勝東，田益祥

（電子科技大學經濟與管理學院，成都 614100）

采用自組織數據挖掘方法（GMDH），客觀、自動地篩選影響商業銀行網絡銀行業務發展的主要因素。利用2000—2011年我國10家商業銀行的季度數據，實證分析網絡銀行業務發展與其影響因素之間的非線性關系。研究結果表明：政策因素、電子商務發展、網絡營銷和安全性是影響商業銀行網絡銀行業務發展的主要因素；政策因素和網絡營銷對網絡銀行業務發展的影響較小，電子商務發展和安全性對網絡銀行業務發展的影響較大；這些影響因素與網絡銀行業務發展之間不僅存在線性關系，而且存在非線性關系。

商業銀行；網絡銀行；網上銀行；自組織數據挖掘

隨著計算機技術和互聯網的飛速發展，各大商業銀行利用互聯網陸續推出了網絡銀行業務。網絡銀行具有很多優勢，如使用方便、操作不受時間限制、無地理障礙、服務成本低等。網絡銀行業務增長迅速，改變了銀行的傳統競爭模式、格局和做法［1］。目前商業銀行之間的市場競爭日益加劇，商業銀行要在激烈的市場競爭中站穩腳跟，加快發展網絡銀行業務尤為重要。研究商業銀行網絡銀行業務發展的影響因素，可為商業銀行開展網絡銀行業務提供有益的參考，幫助商業銀行的管理者更好地管理網絡銀行業務，進而促進商業銀行網絡銀行業務的發展，拓展商業銀行的利潤來源，增加商業銀行的收益。

1 文獻回顧

鑒于網絡銀行業務對于商業銀行發展的重要性，國內外學者對網絡銀行業務發展的影響因素進行了廣泛而深入的探討。Eriksson、Kerem和Nilsson修正了技術接受模型（technology acceptance model，TAM），研究了愛沙尼亞網絡銀行的技術接受問題，結果表明客戶對網絡銀行的使用主要取決于客戶對網絡銀行有用性的感知［2］。Gerrand、Cunninghan和Devlin采用問卷調查方式，研究了客戶為何不使用網絡銀行，結果發現客戶不使用網絡銀行的主要因素包括風險感知、知識缺乏、不可接近性、偏好面對面辦理業務、網絡銀行收費等［3］。Cheng、Lam和Yeung擴展了技術接受模型，采用結構方程模型（structured equation modeling，SEM）實證分析了香港網絡銀行使用的影響因素，實證結果表明，有用性感知和網絡安全性感知對網絡銀行使用具有直接影響，使用便捷性對網絡銀行使用具有間接影響［4］。Singhal和Padhmanabhan采用因子分析法，研究了影響客戶對網絡銀行感知的主要因素，分析結果表明實用性、安全性、訂票服務和資金劃撥的便利性等是主要因素［5］。Lee將感知風險和感知利益融入技術接受模型和計劃行為理論（Theory of Planned Behavior，TPB）模型，提出了一個理論模型來解釋客戶使用網絡銀行的原因，結果表明安全風險和金融風險對網絡銀行的使用具有不利影響，感知利益、態度和感知有用性對網絡銀行的使用具有積極影響［6］。Suki實證分析了馬來西亞網絡銀行發展的影響因素，實證結果顯示網絡銀行與客戶生活方式的兼容性、系統使用便利性等顯著影響網絡銀行的使用［7］。Safeena和Date認為，感知有用性（perceived usefulness，PU）、感知使用便利性（perceived easy of use，PEU）是影響客戶使用網絡銀行的決定因素［8］。Clemes、Gan和Du采用Logistic回歸方法研究了新西蘭網絡銀行業務發展的影響因素，結果顯示營銷傳播、感知風險、網絡銀行服務費用和網絡熟悉性對網絡銀行業務的發展具有顯著影響，年輕客戶和高收入群體更喜歡使用網絡銀行［9］。

國內學者也采用了多種研究方法深入分析了我國商業銀行網絡銀行發展的影響因素。例如，黃京華和李靜婷修正了電子商務關鍵成功因素模型（E-commerce critical success factor，ECCSF），采用回歸分析方法實證研究了網絡銀行業務發展的關鍵成功因素，結果表明領導、戰略、管理、組織、技術和客戶因素對網絡銀行業務的成功有顯著影響［10］。邵兵家和楊霖華采用結構方程模型實證研究了影響我國不同群體對網上銀行使用意向的因素，實證結果表明電子渠道信任因子對網絡銀行使用意向的總效應明顯高于其他因子［11］。吳曉云和焦勇兵利用結構方程模型研究了顧客使用網絡銀行的影響因素，研究發現信任、感知風險、便利條件和自我效能對網絡銀行使用具有顯著的積極作用，而感知娛樂性對網絡銀行使用不具有積極影響［12］。孫旖使用VAR模型研究了網上銀行發展的影響因素，VAR模型的回歸結果顯示，電子商務發展水平、銀行整體規模、網上銀行交易種類、網絡普及程度和人們受教育水平均會影響網上銀行的發展［13］。王小燕以理性行為理論為基礎，應用結構方程方法實證分析了隱私協議和隱私印章對顧客對網絡銀行的信任及使用意向的影響，實證結果發現，隱私協議和隱私印章既會直接正向影響顧客對網絡銀行的信任和使用意向，又會通過信任對顧客的使用意向產生間接正向影響［］。

分析以上學者的研究成果可以發現，國內外學者采用了不同方法研究了網絡銀行發展的影響因素。但是，不同學者在選擇網絡銀行發展的影響因素時具有主觀性，由于選擇的影響因素不同，因此所得的網絡銀行發展的影響因素亦不同。在建立的研究模型方面，大多數學者也只采用線性模型分析了網絡銀行發展與其影響因素之間的線性關系，未反映它們之間的非線性關系，未分析各影響因素對網絡銀行發展的非線性影響。

為了更客觀地挖掘商業銀行網絡銀行業務發展的影響因素，反映網絡銀行發展與其影響因素之間的非線性關系，并分析這些影響因素對網絡銀行業務發展的非線性影響，本文引入一種全新的研究方法——自組織數據挖掘方法（group method of data handling，GMDH），自動、客觀地選擇商業銀行網絡銀行業務發展的影響因素，以避免人為主觀性對網絡銀行業務發展影響因素選擇的影響，進而實證研究我國商業銀行網絡銀行業務發展的影響因素，分析這些影響因素與網絡銀行業務發展的線性和非線性關系，探討這些影響因素對網絡銀行發展的線性影響和非線性影響。與現有研究不同之處在于，利用GMDH算法可以自動、客觀地挖掘影響商業銀行網絡銀行業務發展的因素，能分析這些影響因素與網絡銀行業務發展的線性關系和非線性關系。

下文的結構安排如下：綜述現有網絡銀行業務發展影響因素的研究成果；介紹本文采用的GMDH算法及其優點、特點；實證分析網絡銀行業務發展的影響因素，自動、客觀地挖掘網絡銀行業務發展的影響因素，分析這些影響因素與網絡銀行發展的線性與非線性關系；對本文的研究結果進行總結，并提出促進我國商業銀行網絡銀行業務發展的政策建議。

2 研究方法

2.1 GMDH算法簡介

本文采用GDMH算法實證分析商業銀行網絡銀行發展的影響因素。GMDH算法是由烏克蘭科學院Ivakhnenko院士于1967年首次提出的。Ivakhnenko運用多層神經網絡原理和生物控制論中的自組織原理提出了GMDH算法［15］。經過40多年的發展，GMDH算法已發展成為一族自組織算法。在計算機快速發展的過程中，GMDH算法被廣泛地應用于數據挖掘和知識發現。GMDH算法應用自組織原理，可以最大限度地避免人們在數據挖掘中的主觀性。目前GMDH算法已成為研究復雜系統模擬預測和分析問題的有效工具［16］。GMDH算法是基于“進化-遺傳-變異-選擇”原理的“遺傳算法”，強烈地體現了由簡單到復雜的客觀事物演化過程、競爭及優勝劣汰的生物進化過程、中間模型不斷重組的模型自組織過程，能客觀、自動地選擇出對研究對象有重要影響的因素。GMDH算法是一種模擬生物進化的方法，其特點是數據分組和整個建模過程中同時使用內準則和外準則。它將觀測樣本數據分為訓練集和測試集，從參考函數構成的初始模型集合出發，在訓練集上利用內準則（最小二乘法）進行參數估計來得到中間待選模型（遺傳、變異），在測試集上利用外準則進行中間候選模型的選留（或選擇）。重復這樣一個進化、遺傳、變異和選擇的過程，不斷增加中間選擇模型的復雜度，最終得到一個用于分析的最優復雜度模型。

2.2 基于GMDH算法的建模步驟［17］

1）將研究樣本的數據集分為訓練集A和測試集B。

2）建立輸出變量和輸入變量之間的一般關系，作為“參考函數”。通常選取K-G多項式作為參考函數，其表達式如下：式（1）中：y為輸出變量；x1、x2、…、xm為輸入變量；a為系數或權值向量。

如果自變量的數量為3，則二次K-G多項式可設為：

可得GMDH算法下建模網絡結構的初始模型集合：

3）從具有外補充性質的選擇準則中選出一個（或若干個）作為目標函數（體系）或稱外準則（體系）。外準則主要包括精度準則、相容性準則、相關性準則、組合準則、交叉確認準則和變量平衡準則等。外準則作為模型選擇的標準和規則，直接影響最優模型的選擇和質量。建模者選擇外準則時需要根據具體問題進行分析。

4）產生第一層中間模型。傳遞函數yk=f（vi，vj）（v=1，2，…，10）為第一層中間模型。這些模型經過自組織過程自適應產生，所含變量個數和函數結構均不同。在訓練集A上估計傳遞函數yk的參數。

5）篩選第一層中間模型。根據外準則，在測試集B上對第一層中間模型進行篩選，選出的中間模型wk為網絡第二層的輸入變量。

6）輸出最優復雜度網絡結構。重復步驟3和步驟4，可依次產生第二層、第三層等的中間模型。如此不斷進行選擇和篩選，最終輸出可用于分析的最優復雜度模型。

基于GMDH算法的建模過程如圖1所示。

2.3 GMDH算法的優點和特點

根據經濟系統和研究對象樣本數據的真實狀況，采用GMDH算法能夠建立非線性模型。非線性模型的形式也是客觀形成的，不依賴于建模者的主觀意愿。GMDH算法的優點和特點主要體現在以下方面：

1）智能化建模程度高。在建模過程中盡可能地限制建模者的參與，充分賦予計算機選擇的自由。建模者需要做的工作僅僅是提供樣本數據和外準則。建模結果完全不依賴建模者的主觀想象，從而保證了模型建立和輸出的客觀性，而這些是傳統的統計模型方法（包括經濟計量模型方法）無法做到的。

2）能得到顯示表達模型，有利于人們對研究對象的影響因素進行深入研究。

3）具有很強的抗干擾性，能夠進行高精度預測。它從數據驅動的角度出發，通過選擇并運用準則使網絡結構具有最優復雜性①最優復雜性即當數據噪聲存在時已學習過數據集合上的擬合精度和未經學習數據的預測分類能力之間的最優平衡點。，從而避免了模型的過擬合及不足擬合，使算法即使在一定數據噪聲干擾的情況下也能確定符合系統內在規律的真實模型。

3 實證分析

3.1 變量選取

本文以我國商業銀行的網絡銀行業務為研究對象，實證分析網絡銀行業務發展的影響因素，所選取的網絡銀行業務發展影響因素既包括經濟、政策和電子業務發展等宏觀因素，也包括產品規劃、網絡營銷和安全性等微觀因素。

1）網絡銀行交易額增長率（X1）。

隨著我國商業銀行的發展，商業銀行開展的業務越來越多，其中網絡銀行業務是商業銀行提供的一項重要業務。由于網絡銀行使用非常便捷、用戶使用不受時間和空間的限制，因此越來越多的企業客戶和個人客戶通過網絡銀行辦理各種業務，使得商業銀行的網絡銀行業務交易額不斷增長。本文選取電子銀行交易額增長率反映網絡銀行業務的發展。

2）經濟因素（X2）。

宏觀經濟環境良好、經濟發展較快會促進各行業和企業的業務增長。企業用戶和個人用戶使用網絡銀行進行交易的規模也會增長。宏觀經濟的變化會影響網絡銀行的使用，進而影響商業銀行網絡銀行業務的發展。本文選取GDP增長率反映宏觀經濟環境的變化。

3）政策因素（X3）。

為了促進我國網絡銀行業務規范發展、提高網絡銀行的安全性，政府出臺了有關網絡銀行業務發展的政策法規。這些政策法規將促進網絡銀行業務的發展。政策法規的出臺一般會推動網絡銀行業務向前發展。2000年以后我國政府出臺的網絡銀行相關政策法規的基本情況如表1所示。

表1 2000年以后我國政府出臺的網絡銀行相關政策法規基本情況

本文引入虛擬變量反映政策因素對網絡銀行業務發展的影響。對政策因素虛擬變量（X3）的定義如下：

即如果本年或本季度政府出臺了有關網絡銀行發展的相關政策法規，則X3等于1，否則X3等于0。

4）電子商務發展（X4）。

根據孫旖［13］的研究，隨著我國電子商務的不斷深化和發展以及電子商務與居民生活的不斷融合，越來越多的消費者使用網上支付。作為網上支付主要渠道和信用中介的網上銀行，消費者對其需求不斷增長。電子商務的發展促進了網絡銀行的發展。本文選取電子商務交易額增長率衡量電子商務的發展。

5）網絡基礎設施建設（X5）。

由于網絡銀行的服務提供依賴于互聯網，因此互聯網的良好發展能促進網絡銀行的使用以及網絡銀行業務的開展。隨著我國經濟的發展，政府加大了網絡基礎設施建設，推動了互聯網的發展。Sohail和Shanmugham［18］以及Gerrand、Cunninghan和Devlin［3］的研究也表明，用戶無法方便地接入網絡會阻礙用戶使用網絡銀行。隨著我國網絡基礎設施建設的不斷加強，用戶可以方便地接入網絡，這有利于商業銀行網絡銀行業務的開展。本文選取互聯網普及率反映網絡基礎設施建設。

6）產品規劃（X6）。

商業銀行的網絡銀行產品規劃能夠改善用戶的使用體驗，如優化使用流程、增加個性化設置、升級服務品質等，能夠提供更好的服務，如網上銀行理財服務、轉賬服務等，還能夠滿足客戶的個性化需求。本文選取我國主要的10家商業銀行推出的網絡銀行產品數量反映商業銀行的網絡銀行產品規劃①根據艾瑞咨詢集團的研究，我國主要的10家商業銀行包括工商銀行、農業銀行、建設銀行、中國銀行、交通銀行、招商銀行、興業銀行、中信銀行、光大銀行和民生銀行。。

7）網絡營銷（X7）。

網絡營銷具有一些獨特的優勢，如傳播范圍廣、交互性較強和宣傳速度快等。商業銀行使用網絡營銷能夠降低營銷成本、減少營銷環節、提高效率，以更低的成本促使更多的企業客戶和個人客戶了解和使用網絡銀行，增加網絡銀行的業務量和擴大交易規模。本文采用商業銀行投放的網絡廣告數量衡量商業銀行的網絡營銷力度。

8）安全性（X8）。

網絡銀行的興起和發展不斷降低了商業銀行的成本、提高了服務效率，也使居民的金融生活更加便捷化、人性化。但是，安全問題一直是商業銀行發展網絡銀行業務過程中需要重點關注和解決的問題。Jaruwachirathanakul和Fink［19］以及陳岸清［20］的研究結果都顯示，安全性是影響客戶使用網絡銀行的重要因素。安全因素是客戶使用網絡銀行時重點考慮的因素。夏永和、池亞平和方勇等在分析網上銀行安全性時認為，用戶所擁有的USB-Key數字證書可以有效地保證網上交易的安全［21］。因此，本文采用商業銀行開通的USB-Key數字證書數量衡量網絡銀行的安全性。

3.2 數據來源及處理

根據所選擇的變量，本文選取其數據時間區間為2000—2011年，所選取的數據為10家商業銀行的季度數據。本文所用數據來源于《中國網上支付市場季度監測報告》《中國網上銀行年度監測報告》《中國電子銀行業前景預測與投資戰略分析報告》《中國網上銀行調查報告》和《中國電子商務市場數據監測報告》以及我國商業銀行網站。

利用GMDH算法進行建模時，需要將原始數據進行無量綱化處理。數據無量綱化處理的公式如下：

在建模過程中，將相關關系不明顯的變量從模型中剔除。將無量綱化處理后的變量數據帶入GMDH算法中進行訓練，進而濾掉那些影響程度較低甚至根本不具有影響的變量，給出一個線性模型或非線性模型，最終得到輸入輸出模型。

3.3 實證結果分析

3.3.1 模型輸出

本文的網絡銀行業務發展影響因素模型是由軟件自動輸出的。將樣本數據輸入自組織數據挖掘軟件Knowledgeminer5.0軟件，建立GMDH網絡模型，輸出結果如下：

其中：Z11和Z12是由計算機自主給出的2個中間變量。

將式（7）～式（10）代入式（6），整理可得網絡銀行業務發展影響因素的最優復雜度模型：

3.3.2 輸出結果分析

從最優復雜度模型即式（11）可以看出，采用GMDH算法篩選出的影響商業銀行網絡銀行業務發展的主要因素有政策因素、電子商務發展、網絡營銷和安全性。同時，輸出的最優復雜度模型是一個非線性模型，即使用GDMH算法得到的網絡銀行業務發展影響因素模型是非線性模型。這表明，網絡銀行業務的發展與其影響因素之間存在非線性關系。從非線性模型可以看出，在本文所得出的網絡銀行業務發展影響因素不僅包括以往研究發現的影響網絡銀行業務的線性因素，而且包括非線性因素。

4 結論與建議

本文實證分析了商業銀行網絡銀行業務發展的影響因素，采用GMDH算法挖掘了影響商業銀行網絡銀行業務發展的主要因素，探討了這些主要因素對網絡銀行業務的影響。實證結果顯示：政策因素、電子商務發展、網絡營銷和安全性是網絡銀行業務的主要影響因素；這些影響因素與網絡銀行業務的發展之間具有線性關系，而且具有非線性關系；政策因素和網絡營銷對網絡銀行業務發展的影響較小，電子商務發展和安全性對網絡銀行業務發展的影響較大。

根據本文的研究結果，本文提出如下促進我國商業銀行網絡銀行發展的政策建議：

1）制定更有效的網絡銀行發展政策。我國政府在2001年6月發布的《網上銀行業務管理暫行辦法》中的許多條款已過時，目前已停止實施。政府應制定針對網絡銀行的法律制度和具體的行業標準，通過實施有效的政策促進商業銀行網絡銀行的發展。

2）加強與電子商務企業的合作。首先，電子商務的快速發展需要大量資金，商業銀行通過網絡銀行可為電子商務企業構建網絡融資服務平臺、提供在線融資服務。其次，完整的電子商務需要實現物流、信息流與資金流的統一，而物流、信息流和資金流都盡可能地通過網絡進行。商業銀行要加強電子商務平臺建設，確保物流、信息流和資金流的順暢流動。最后，商業銀行要為電子商務交易提供刷卡業務，為客戶網上購物提供便利條件，增加商業銀行的盈利來源。

3）加大網絡銀行的網絡營銷力度。商業銀行要采用多種網絡營銷方式提高自己的網絡銀行知名度，如利用網站上的廣告橫幅、文本鏈接和多媒體等網絡廣告工具、搜索引擎廣告以及友情鏈接等來增加用戶對網絡銀行的了解，吸引潛在客戶。

4）提高網絡銀行的安全性。第一，完善入侵檢測系統，快速發現網絡攻擊，提高安全管理；第二，提升防火墻技術、數字證書技術、加密技術和電子簽名技術等網絡銀行安全技術，確保網絡銀行使用安全；第三，加強網絡銀行風險教育，增強客戶的風險意識。

參考文獻

［1］ GONZALEZ M E，MULLER R D，MACK R W.An alternative approach in service quality：an E-banking case study［J］.Quality Manage，2008，15（1）：41-48.

［2］ ERIKSSONK，KEREM K，NILSSON D.Customer acceptance of Internet banking in estonia［J］.International Journal of Bank Marketing，2005，23（2）：200-216.

［3］ GERRANDP，CUNNINGHAN J B，DEVLIN J F.Why consumers are not using internet banking：a qualitative study［J］.Journal of Services Marketing，2006，20（3）：160-168.

［4］ CHENGT，LAM D，YEUNG A.Adoption of internet banking：an empirical study in Hong Kong［J］.Decision Support Systems，2006，42（3）：1558-1572.

［5］ SINGHALD，PADHMANABHAN V.A study on customer perception towards Internet banking：identifying major contributing factors［J］.Journal of Nepalese Business Studies，2008，5（1）：101-111.

［6］ LEEM.Factors influencing the adoption of internet banking：an integration of TAM and TPB with perceived risk and perceived benefit［J］.Electronic Commerce Research and Applications，2009，8（3）：130-141.

［7］ SUKIN M.An empirical study of factors affecting the Internet banking adoption among Malaysian consumers［J］. Journal of Internet Banking and Commerce，2010，15（2）：1-11.

［8］ SAFEENAR，DATE H，KAMMANI A.Internet banking adoption in an emerging economy：Indian consumer′s perspective［J］.International Arab Journal of e-Technology，2011，2（1）：56-64.

［9］ CLEMESM D，GAN C，DU J.The factors impacting on customers′decisions to adopt Internet banking［J］.Banks and Bank Systems，2012，7（3）：33-50.

［10］ 黃京華，李靜婷.中國商業銀行網上銀行關鍵成功因素實證研究［J］.系統工程理論與實踐，2008（30）：16-24.

［11］ 邵兵家，楊霖華.不同群體網上銀行使用意向影響因素的比較研究［J］.管理工程學報，2008，22（1）：86-92.

［12］ 吳曉云，焦勇兵.顧客采用網絡銀行的影響因素研究［J］.南開管理評論，2008，11（6）：18-27.

［13］ 孫旖.我國網上銀行發展影響因素的分析與實證［D］.上海：復旦大學，2011，65-71.

［14］ 王小燕.隱私協議、隱私印章對網絡銀行顧客信任及使用意向影響研究［J］.預測，2012，31（1）：14-19.

［15］ MADALAR，IVAKHNENKO A G.Inductive Learning Algorithms for Complex Systems Modeling［M］.Florida：CRC Press Inc.，1994：69-86.

［16］ MUELLERA，LEMKE F.Self-organizing Data Mining［M］.Herstellung Berlin：Libri Books on Demand，2000：63-83.

［17］ 賀昌政.自組織數據挖掘與經濟預測［M］.北京：科學出版社，2005：42-43.

［18］ SOHAIL M S，SHANMUGHAM B.E-banking and customer preferences in Malaysia：an empirical investigation［J］.Information Sciences，2003，150（3/4）：207-217.

［19］ JARUWACHIRATHANAKUL B，FINK D.Internet banking adoption strategies for a developing country：the case of Thailand［J］.Internet Research，2005，15（3）：295-311.

［20］ 陳岸清.個人網上銀行顧客忠誠影響因素研究［D］.廈門：廈門大學，2009，51-55.

［21］ 夏永和，池亞平，方勇，等.網上銀行客戶端安全性分析與解決方案［J］.信息安全與通信保密，2007（9）：137-142.

Empirical Study on Influencing Factor of Internet Banking Business of Commercial Bank

Mou Shengdong，Tian Yixiang
（School of Economics and Management，University of Electronic Science and Technology of China，Chengdu 614100，China）

This paper uses Grouped Method of Data Mining（GMDH）to screen the main influencing factors of Internet banking business of commercial bank objectively and automatically.Then it empirically studies the non-linear relationship between the development of Internet banking business and its main influencing factors by using the quarterly data of 10 commercial banks from 2000 to 2011.The results show as follows：policy factor，E-commerce development，Internet marketing and security are the main factors influencing the development of Internet banking business；policy factor and network marketing have less impacts on the development of Internet banking business；E-commerce development and security have bigger impacts on the development of Internet banking business；there is not only the linear relationship but also the nonlinear relationship between these influencing factors and the development of Internet banking business.

commercial bank；Internet banking；E-banking；self-organizing data mining

F832.3

A

1002-980X（2014）03-0097-06

2013-11-18

教育部人文社會科學研究規劃基金項目“主權信用評級下調沖擊全球經濟的原因、內在機理的挖掘及對策”（12YJA790125）

牟勝東（1981—），男，四川成都人，電子科技大學經濟與管理學院博士研究生，研究方向：金融市場計量經濟分析與風險管理；田益祥（1963—），男，土家族，重慶石柱人，電子科技大學經濟與管理學院教授，博士生導師，研究方向：金融市場計量經濟分析與風險管理。