01

引言

有哪些因素会影响金融学学术研究的发表情况（如所发表的期刊等级）？

有哪些论文可以在日后产生深远的影响（如较高的引用量）？

该如何扩大研究成果的传播范围（如较高的下载量）？

宾夕法尼亚大学和哥伦比亚大学的研究人员最新发表在Review of Finance的论文，以SSRN平台上52497份工作论文为样本，借助最先进的机器学习技术（文本分析工具），概括总结了样本论文的诸多特征，如传统性和新颖性，并对上述论文的发表情况等信息进行追踪，以揭示科研成果在发表、影响力和传播等方面的决定性因素。

研究发现

02

①在传统性方面，“传统性”有助于论文的发表和提高阅读量。具体地，作者用BOWs和USE model两种方法衡量论文的传统性，并发现“传统性”指标每增加一个标准差，论文被金融学TOP3期刊接收的概率将提高12.5–15.3%。同样地，“传统性”较高的论文也会吸引更多的读者。但作者也发现，如果样本论文与现有文献过于相似（如“传统性”指标高于0.8），则该论文的发表概率会下降13.9%。这一有趣发现表明，学术界对于传统性与创新性之间的权衡存在微妙的态度：一方面，读者和期刊希望看到那些与现有文献存在诸多相似之处的论文。其原因在于，读者和审稿人更容易理解这类论文，从而更能与这类论文产生共鸣；不过也可能因为期刊审稿人和编辑的风险规避心理，致使其不愿意接收极具创新性的论文。另一方面，读者和期刊也十分重视论文与传统文献的区别，例如，顶级期刊尤其在意论文的创新性。

②在创新性方面，作者利用新兴话题、新颖数据库、话题的原创性，来衡量研究论文的创新性，并发现探讨新兴话题和采用新颖数据与更好的发表有很大关系。具体地，研究新兴话题的论文，其被金融TOP3期刊接收的概率将增加1.7%；采用新颖数据库的论文，其最终发表在金融学TOP3期刊上的概率将显著增加2.2%。但作者也提醒研究人员，在论文中加入非金融类话题也可能降低文章的发表概率。

③在作者个人特征方面，文章发现其会显著影响学术发表。例如，所在院校拥有更多的科研经费与更高的学术排名、论文团队中包括知名学者等因素都将会提高论文发表在顶级期刊的概率。作者进一步发现，在非传统领域的金融学研究中，由知名院校研究人员所发表的论文可以获得更高的引用量。相反地，年轻学者从事非传统领域的金融学研究，虽然有更高的概率在顶级期刊上发表论文，但其后续的引用量（影响力）较低。

④在会议接收方面，作者发现，被AFA和WFA等权威会议接收的论文将会有更好的发表和更持久的影响力。具体地，论文被AFA或WFA接收后，其发表在金融学TOP3期刊的概率将提高48.1%，被引概率提高87.3%。此外，作者还发现，AFA更在意论文作者的声誉，而WFA更愿意接收话题新颖的金融学研究。作者认为造成这种差异的原因可能在于，不同会议的论文遴选机制不同。

*注：原文的表格列多行少，不利于在手机中查看，因此省去原文回归表格。

03 

样本概况

经过系列处理，作者以SSRN平台2001年至2019年间，金融经济学类（FEN）的52497篇论文为最终样本，并据此进一步搜集了相关论文和作者的信息。

紧接着，作者挑选了28本金融学、经济学、会计学和交叉学科的顶级期刊作为目标期刊（图1），以探究影响论文发表的决定因素。值得一提的是，在上述52497篇论文中，约22.5%的论文发表上述28本顶级期刊，约占金融学TOP3期刊的75%、28本期刊的32.7%。

更具体地，作者还报告了2001年-2019年SSRN金融经济学类（FEN）文章数量的增长情况以及研究样本最终在上述28本期刊上的发表情况。图2表明：①金融经济学类的工作论文数量每年迅速增加（8.7%的增长率）；②工作论文的产量增速高于学术期刊的扩容速度；③会计学与金融学的研究主题与发表刊物存在较大的重叠。

研究启示

04

文章的核心结果与现有的普遍认知保持一致，即虽然创新性研究有可能在未来获得更高的认可度，但作者首先需要在发表过程中克服诸多障碍，特别是顶级期刊对于论文完整性和稳健性的严格要求，以及来自传统领域的审稿人无法正确审阅非传统领域论文所带来的不确定性。此外，出于发表前景的考虑，文章建议作者（尤其是初入学术界的青年学者）在撰写论文时应当保持“传统性”与“新颖性”的适当结合。最后，文章还希望通过提供全面以及客观的证据，帮助学术界反思现有的学术环境，并提出创造性的方法以鼓励和促进研究创新。例如，作者发现已有顶级期刊在这方面做出了努力，比如通过registered reports等方式推动非传统领域的研究。

出于篇幅原因，本推文只节选了原文中的部分内容，建议感兴趣的读者阅读全文，例如在研究设计部分作者介绍了“为何以SSRN平台上的论文为研究样本”、“BOWs和USE model两种自然语言处理方法的详实比较”、“如何以AFA和WFA两大会议的论文为训练集，利用神经网络模型对所有研究进行分类”、“如何准确衡量研究成果的新颖性”等。

推文作者：王聪，中山大学管理学院，邮箱wangc65@mail2.sysu.edu.cn，欢迎批评指正！

Using numeric and textual data extracted from over 50,000 finance articles in Social Science Research Network (SSRN) during 2001–19, we examine the relationship between measured qualities and a paper’s readership, eventual outlet, and impact. Conventionality (semantic similarity with existent research) helps boost readership and publication prospects. However, novelty in the forms of emerging topics and databases are associated with better publishing outcomes. Studies that do not easily map into established finance subfields or that introduce nonfinance elements face a higher hurdle. Finally, papers whose research questions span multiple fields are a hard sell, but those building on prior knowledge from multiple fields are valued.