Q3期刊Annals of Financial Economics，影响因子1.50，中国作者占25

一、期刊概况

金融学术圈里，有一本期刊总是被问及同一个问题：“它的名字叫经济学年鉴，为什么专攻金融？”事实上，Annals of Financial Economics（AFE）的名字本身就暗示了它的双重身份——用经济学的分析工具，拆解金融市场的底层逻辑。

这本由世界科学出版社（WORLD SCIENTIFIC PUBL CO PTE LTD）出版的期刊，ISSN为2010-4952。如果说金融领域的高端期刊多是“直升机视角”，俯瞰宏观大势，那AFE更像一台“显微镜”，聚焦于金融经济学中的理论模型和实证方法——资产定价、风险管理、行为金融、公司金融，每个细分领域都有深耕。2025年，它的JCR影响因子定格在1.50，在经济学大类中处于Q3分区。数字不算惊艳，但细看它的发刊历史：总发文量仅330篇，却积累了2376次总被引，h-index为23。这组数据透露了一个信号：这本期刊“小而精”，不追求数量，但求每一篇文章都能在金融经济学的某个角落里留下痕迹。

对华人学者而言，AFE还有一个隐藏标签——中国作者占比达到25.0%。这个比例意味着什么？不是“中国特供”，而是“中国友好”。在经济学国际期刊中，这个数字往往代表编辑部对新兴市场、转型经济等议题保持开放姿态。换句话说，如果你做的研究带有“中国元素”，这里不会是你的“投稿痛点”。

二、核心指标一览

翻看AFE的指标清单，没有什么“虚胖”的数据。每一个数字背后，都有明确的学术含义。下面的表格把最关键的信息整理出来——没有废话，全是干货。

再看一眼JCR分区Q3这个标签。在很多人眼里，“Q3”似乎意味着“水刊”，但AFE的实际情况恰恰相反。中科院分区直接显示“未收录”，这反而说明它没有被国内“唯分区论”的量化评价体系过度绑架。对于真正做金融经济学理论研究的学者来说，这是个好消息——你的文章不会被“分区”这个变量剧烈左右，它的学术影响力更多靠同行评价而非行政指令。

三、期刊深度解读

AFE的学术定位，可以用一句话概括：它不追热点，只追“模型”。翻开近五年的发文目录，你可以看到大量围绕资产定价因子、期权定价模型、随机波动率、贝叶斯方法等核心金融经济学议题的研究。行为金融学、市场微观结构、公司治理类文章也有，但都建立在严格的数据模型之上。简单说，如果你是“理论驱动型”研究者——先有模型，再用数据验证——这里就是你的主场。

AFE还有一个鲜明的学科特色：它对“数学”有很高的接受度。很多金融期刊对复杂数学推导持保留态度，认为应当把公式放进附录。但AFE的编辑团队似乎偏好“正面展示”而非“藏拙”。你的文章里如果有三五个引理、七八条定理，请放心放进去，它不会被当成“数学论文”而被拒稿。

从学科地位来看，AFE处于一个微妙的中间层。往上走，有Journal of Finance、Review of Financial Studies这类顶尖期刊；往下看，大量普通SSCI期刊的学术影响力波动剧烈。AFE的优势在于稳定性——它的引用模式非常“有规律”，每年发文量稳定在19-35篇之间，发表的文章很少出现“零引”的尴尬。对于博士毕业后三到五年的青年学者，AFE是一个“够得着的硬通货”。它不会让你在求职时显得“高攀”了谁，但也不会让你的简历单薄到需要额外注释。

什么类型的研究最适合AFE？答案是：中等理论深度+扎实的实证检验。太浅的理论它看不上，太深的纯数学推导它又可能嫌“金融味”不够。最佳状态是：你构建了一个新的资产定价模型，然后用中国或新兴市场的面板数据做了检验。这种组合在AFE编辑部的眼中，几乎就是“免检产品”。另外，行为金融方向的实验研究、公司金融中的代理理论实证、以及金融市场的波动率建模，都是命中率较高的领域。AFE对“跨学科”也比较包容——如果你把金融经济学和社会网络分析、机器学习结合在一起，它也会给你机会。

四、年度数据与投稿前景

年度数据最能说明一本期刊的“心气”变化。AFE在2020年发表了20篇，2021年25篇，2022年冲到35篇，2023年回落至19篇，2024年22篇，2025年24篇。整体来看，从2020年的20篇到2025年的24篇，增幅+20.0%。这个走势说明什么？编辑部在有意控制产能，不走“扩容降质”的老路。35篇的2022年很可能是一次特例（比如某期专题征稿带来稿件潮），而2023年和2024年的回调，更像是回归“小而美”的常态。

再看中国作者的参与度。从2020年到2025年，中国作者发表的文章数分别为：1篇、6篇、8篇、6篇、2篇、6篇。如果对比这些年AFE的总发文量，你会发现一个有趣的现象：中国作者占比在2020年只有5%，但2021年一下子跳到24%，2022年更是达到22.8%。2024年回落到9%，但2025年又回升至25%。这个波动不等于“对中国作者不友好”，更合理的原因是：AFE的中国作者群体以“散兵游勇”为主，缺乏大团队式的集中投稿。但只要你的研究题目符合期刊的定位，编辑部不会因为作者地域而另眼相待。

投稿前景如何？用数据说话：AFE的收稿量不大，每年也就20-30篇，这意味着它的审稿周期相对可控。根据学界反馈，从投稿到收到初审结果通常在8-12周之间，这个节奏在经济学SSCI期刊中属于“正常偏快”。中国作者占比25%且被评为“安全”，说明你的身份不会成为隐形的加分项或减分项。唯一的风险来自于它在中科院的分区标注为“未收录”——如果你的学校或单位在职称评审中对中科院分区有刚性要求，需要提前确认。如果没有这类限制，AFE的学术质量完全撑得起一篇“合格”的发表记录。

五、投稿实战建议

选题策略：锚定“新市场+旧模型”

不要试图用全球通用的数据跑一个全球通用的模型。AFE的编辑更偏爱把成熟的理论模型，应用到新兴市场或转型经济环境下的检验中。比如：把Fama-French五因子模型搬到东南亚股市，看结果是否成立；或者在行为金融框架下研究中国散户的赌徒心态。选题时可以问自己一句：这个研究如果拿掉中国市场数据，还成立吗？如果是，换个期刊投可能更合适。

文章结构：公式在前，叙事在后

AFE对结构化要求很高。建议采用“标准五段式”：引言（含文献缺口声明）→理论模型/假设推演→数据说明→实证结果→结论。其中“理论模型/假设推演”部分务必扎实，不要只是罗列文献。这里有个技巧：把核心方程单独列出，并用回归表附在正文而非附录中。AFE的审稿人非常看重“可复现性”，你的数据来源、变量定义、样本筛选标准要足够透明。

审稿流程：心态准备“两轮修改”

AFE的审稿人队伍以中青年学者为主，审稿意见通常很具体。第一次修改几乎必然会出现“理论深度不够”或“内生性处理不足”的批评。不要慌，这是AFE的常态。关键是第二轮修改时要展示出“你已经认真回应了每一条意见”。如果审稿人建议补充工具变量回归，就老老实实去跑——哪怕结果不显著，也远比忽略意见要明智。AFE的拒稿率大约50%左右，但大部分拒稿发生在初筛阶段，一旦进入外审，接受率明显提高。

常见拒稿原因：理论与实践脱节

最常见的拒稿原因是“研究问题太宽泛”。比如你写“金融科技对银行效率的影响”，但没有给出精确的理论机制——这个拒稿理由AFE审稿人几乎百发百中。第二个常见问题是“数据匹配度差”。曾经有篇稿件用沪深300的日频数据做资产配置模型，但样本期只有两年，审稿人直接认为数据量不足以支撑结论。第三个容易被忽略的细节是“参考文献陈旧”。AFE的编辑对近年文献引用敏感，如果参考文献中近五年的论文占比低于30%，被退稿的概率会上升。

特刊机会：值得关注

AFE偶尔会推出特刊（Special Issue），主题多围绕金融科技、绿色金融、机器学习在金融中的应用等交叉领域。特刊的审稿速度通常会快于普刊（因为客座编辑有更明确的截稿时间），而且中国作者在特刊中的占比往往更高。建议关注World Scientific官网的Call for Papers页面，或者订阅AFE的邮件通知。

六、投稿价值评估

AFE是一本“不骗人”的期刊。它的影响因子1.50不会让你在考核中惊艳同事，但它的引用稳定性、审稿透明度、对中国议题的包容度，都是实实在在的硬通货。如果你的研究属于“理论先导+新兴市场实证”这个经典范式，AFE值得你花时间打磨一篇文章投过去。它不会给你一个“Q1”的光环，但它会给你一个“被同行认真对待”的结果。

投稿前请确认：本单位是否接受中科院“未收录”期刊？如果答案是“是”，那就不用犹豫了。AFE的收稿窗口一直在那里，但窗口正随着近年发文量的缓慢增长而在收窄——趁着它还没有变成“大热门”，早点进场。

数据来源：JCR 2025 / OpenAlex / 中科院2025分区表 / 新锐2026分区。投稿前请查阅期刊官方指南。本文由TKPaper提供，数据实时更新。