金融系统压力与实体经济的动态关联研究

■管 超

一、前言

金融市场与实体经济密切相关，一方面金融市场的发展变化深刻影响着实体经济稳定运行，以股票、债券市场为代表的金融市场被誉为实体经济运行状况的“晴雨表”；另一方面金融市场也受实体经济的影响，商业周期和产业革新决定着资金流向和信贷偏好。2008年“金融危机”在美国爆发并迅速蔓延至世界其他各主要经济体，中国金融市场也不可避免地深受波及：股市震荡下行、交易量急剧萎缩、银行大幅收缩信用、人民币实际有效汇率指数持续上升，金融系统受到冲击，金融市场功能被削弱。与此同时，危机的负面影响也传导至实体经济层面：GDP同比增速下滑、城镇登记失业率攀升、工业企业增加值下降。中国因市场相对隔绝，且政府制定了4万亿救市政策，危机传染以及负面影响相比一些欧美国家而言不太明显，但金融危机十年后的今天，我们仍依稀能感受到危机的“余温”。近年来，中国金融市场改革不断深化，金融创新持续发展，逐渐跳出了“金融论金融”的金融空转思维定式，金融服务实体经济的政策导向越来越明显，这使金融体系对实体经济的促进作用得以提升。中国金融体系的不断完善不仅能对社会资源进行优化配置，解决企业融资难等现实问题，还能有效规避系统性风险和危机爆发，从而促进中国实体经济持续健康发展。

关于金融体系与实体经济之间相互关联的研究有很多，大致分类来看，金融体系包括股票市场、债券市场、外汇市场、银行市场这四个主要市场，一些学者从其中单个市场角度或多个市场角度开展研究，探讨金融与实体之间的关联性。然而金融体系是一个综合的整体，从单个市场或局部进行研究虽能真实地反映特定市场与实体经济的关联性，但却并不能全面地把握金融体系整体运行状况与实体经济之间的联系。本文同时考虑了中国股票市场、债券市场、外汇市场、银行市场四个金融子市场，在此基础上构建了金融压力指数，作为测度中国整体金融市场的代理指标，随后建立VAR模型以及机制转移向量自回归模型（MSVAR），深入分析金融系统与实体经济之间的相互影响关系。本文旨在研究新构造的金融压力指数与实体经济的相互冲击与反馈，分析考察期内不同压力期的持续时间和机制转换特点，通过结合现实事件（如金融危机），进而佐证金融压力指数构造的合理性。

研究意义方面，学术界对于金融压力指数的构建和应用仍在探索中，指标选取和构建方法尚未形成共识，特别是对于中国市场而言，经济构架和市场逻辑与西方国家有所不同，基于中国数据研究金融压力指数能够形成“积跬步”的效果，高实效性的指数及构建方法将能进一步完善该领域研究，而高实效性的主要标志为：第一，能够较好地解释过去经济现实和走势，特别是在明显的冲击区段（如“金融危机”和“欧债危机”等），指数出现合乎预期的对应走势；第二，与其他关键经济指标的互动性良好，符合经济理论，并具有稳健性；第三，能够展现出明显的区制特征（低金融压力区和高金融压力区）和转移特征。本文充分考虑了这三点：首先，在指数构建方面，重点关注四个金融子市场，选用了“债券市场”而没有选用以往研究中常用的“保险市场”，并在外汇市场中创新性地将“人民币有效汇率”作为构建指标纳入进来，指数走势较好地呼应了现实经济状况；其次，将构建的金融压力指数与实体经济进行细致讨论，推敲出金融与实体的关联性特征和动态影响，从“理论”层面走向“应用”层面；实体经济代理变量创新性地使用PMI，这有助于呈现出GDP等指标所不具有的信息成分；最后，引入MSVAR模型考察不同区制转换的特点，以此在应用层面上进行更深入的探索。

二、文献回顾

金融系统与实体经济之间具有广泛且密切的关联性，金融风险事件会对实体经济造成冲击，这使金融系统性风险的测度成为学术界关注的热点之一。从最初IMF研究的“宏观审慎指标”到西方评级机构的“主权风险评价体系”，再到20世纪90年代备受关注的EWIs指标及随后的金融状况指数FCI，测度金融风险的指标得到了长足发展，然而细致观察发现，这些指标大多偏向或者关注某一重点金融行业或领域，而没有综合反映金融体系的整体情况。在此背景下，对于提炼一个整合各个主要金融子市场的指标客观需求增大，“金融压力指数”（FSI）应运而生。作为综合反映金融体系整体情况的指标，金融压力指数能够避免上述缺点，且能更好地辨识金融危机发展的各个阶段（Hakkio&Ketton，2009）。

“金融压力”一词最早由Illing&Liu（2006）提出，他们在研究加拿大金融体系发展时，发现没有一个良好的代理指标能够精确测度该国金融系统整体发展状况，从而创建了一个能综合反映股票市场、债券市场、外汇市场、银行市场的代理指标。在该指标出现后，获得不少学者的关注，并对其进行进一步的解读和拓展，其中比较有名的有：Hakkio&Ketton（2009）通过对11个金融指标进行主成分分析从而建立Kansas城市金融压力指数，作者还将其与实体经济活动进行结合分析；Cardarelli et al.（2009）通过研究金融压力指数与实体经济之间的关系来判别哪些因素更易导致经济衰退，进而确定FSI框架；Duca&Peltonen（2013）构建了国家金融压力指数，这个指数通过标准化赋权，能够适用于多个国家，便于不同国家间进行横向比较，该指数结合了几个基础市场，还引入了银行间拆借市场，并去掉了一些政府债券市场流动性变量。

除了以上学者提出的金融压力指标，其他一些学者也针对某一方面或考虑特殊性而创建了能够反映金融压力的指标。Kumar&Persaud（2002）创建了旨在通过金融资产风险与收益交叉关系变化，来反映投资者对风险偏好的指标；Carlon et al.（2009）利用银行股票价格波动创建了反映银行系统不稳定性的金融压力指标。这些指标在研究特定问题和局部金融市场时具有优势，然而其局限性也很明显。

国内研究中，赖娟和吕江林（2010）通过选取期限利差、银行业风险利差、股票市场波动性及EMPI构建了中国金融压力指数，并结合实际状况进行分析。陈守东和王妍（2011）构建了时效性金融压力指数，并运用马尔科夫区制转移自回归模型研究中国金融体系压力的区制特征，考察了与工业一致合成指数的增长关系。刘晓星和方磊（2012）将中国银行、股票、外汇、保险四大金融市场要素纳入CDF信用加权权重分析法中，构建了金融压力指数，并结合实际经济探讨了金融压力指数的运行特点。余文君等（2014）构建了金融压力指标体系和金融压力指数，并运用其分析了A股市场的系统性风险。刘瑞兴（2015）构建了涵盖金融政策环境、银行等金融机构、金融市场和外汇市场等指标在内的金融压力指数，讨论了金融压力与实体经济发展之间的关系。张勇等（2015）对金融压力的内涵、指数构建及压力状态识别和对实体经济影响进行评述。陈忠阳和许悦（2016）基于货币、债券、股票、外汇市场的12个金融基础指标，构建了周度金融压力指数，并利用TVAR考察了FSI和宏观经济的关系。

通过文献回顾可以发现，中国“金融压力”方面的研究逐渐增多，很多文章聚焦金融压力指数指标的构建和现实讨论，进一步实证分析拓展的文献相对较少，特别是金融压力与实体经济的互动关联分析较少。本文借鉴已有研究关于金融压力指数的构建方法，同时考虑中国经济的特殊性和具体现状，从金融市场整体性方面来锚定成分因子，构建了金融压力指数，随后结合VAR和MSVAR模型，进一步研究金融与实体的动态联系，并考察了不同区制状况下金融压力与实体经济的动态影响。

三、指标构建和变量设置

（一）金融压力指标构建

本文数据的时间范围为2006年5月～2015年9月，数据来自Wind数据库和国家统计局网站。为方便建模，需要将金融数据频率与宏观数据频率相匹配，因此在构建金融压力指标时所采用的数据均为月度数据。根据金融压力的相关文献，本文从中国股票市场、债券市场、外汇市场、银行市场四个金融子市场入手，选择特定指标变量。这四个金融子市场虽然在促进经济发展过程中的作用和时期有所不同，但均能为企业及个人提供不同形式的金融服务，在企业融资、资源配置、促进实体经济发展及对外经贸往来等方面都发挥着巨大的推动作用。因此从这四个子市场选取指标构建金融压力指标能够全面反映金融体系所面临的金融压力边际变化状况。变量选取和相关说明如下。

1.股票市场变量。股票市场的波动率能够较好地度量不同时期金融资产所面临的风险状况，本文选用沪深300指数的月收益率，并结合AMMA（1，1）-GRACH（1，1）模型得到的考察期条件方差，将其用以衡量不同月份中国股市的波动状况，同时选用沪深300指数的月收益率来表示股市收益情况。股市下行说明市场对未来预期较悲观，股市上行说明市场对未来预期较乐观。

2.债券市场变量。期限利差是指政府发行的长期和短期债券收益率之差，它反映了债券收益率曲线的陡峭程度，可以作为债券市场对未来经济活动频繁程度的一种直接预测，本文选用10年期国债利率减去1年期国债利率作为期限利差的代理变量。通常来讲，平坦的收益率曲线反映了未来经济活跃程度将下降，陡峭的收益率曲线则反映了未来经济活动将会更活跃。本文用负的期限利差反映金融系统所面对的金融压力大小，同时短期（三个月）债券每月的收益变化也能反映债券市场对当前经济活动的一种近似预期，这也是判断投资者关注债券市场的一个重要指标。

3.外汇市场变量。人民币有效汇率的波动能够衡量外汇市场面对外部冲击时的具体情况，同时国家外汇储备的变化也能代表国外投资者对中国金融体系及实体经济运行态势的一种评价。因此本文通过人民币有效汇率的波动以及国家外汇储备的变化，获得外汇市场在面对内部与外部市场压力情形下所做出的反馈。

4.银行市场变量。为了充分反映银行业实际运行状况，本文选取泰德价差来反映银行收益率趋势变化（本文利用银行间同业拆借加权利率减去国库券利率来近似替代泰德价差），同时选用银行贷款变化量来表示银行信用扩张情况。

从中可以发现，本文选取的四个金融子市场共8个指标涵盖了中国当前金融系统各细分市场的实际运行状况，因此能较好地反映出中国金融系统的压力变化。在确定了构成金融压力指数的主要指标之后，对数据进行标准化处理，通过主成分方法，最大程度上提取这些变量中所蕴含的信息，合成最终的金融压力指标（FSI）数据①主成分分析得到3个PCA因子，并分别按照0.6831、0.1906、0.0821加权算出综合得分，具体过程未给出，留存备索。。

表1 金融压力指数的构建

图1 金融压力指数趋势变化情况

由图1可知，2008年以前，金融压力指数一直处于较低水平，波动也较小。2008年之后，金融压力指数开始骤然上升，并伴随着剧烈波动，在2008年10月受金融危机溢出效应的影响达到第一个峰值。2009年，伴随着世界各主要经济体救市计划的推行，以及中国4万亿救市计划启动，中国的金融压力指数迅速下降，并在接下来的一年时间里处于较低水平。然而在2010年上半年4万亿救市计划的负面效应逐渐凸显，金融压力骤增反弹高位水平，又达到了另一个峰值，期间波动也更趋于剧烈。随后“欧债危机”爆发，中国与欧洲经贸往来密切，并因此也深受影响，金融体系迅速终结了金融压力舒缓的趋势，在此期间，中国金融压力指数攀升并停留在高位水平，且大幅波动。这种局势一直持续到“欧债危机”缓解才得以结束，中国金融压力指数随之下降到一个相对较低的水平。2014～2015年，由于中国股市大起大落，叠加人民币汇率波动加剧，进出口贸易受到严重影响等原因，中国金融压力指数又迅速上升。这些重要时期均可以从本文构建的金融压力指数趋势图中清晰地观察到，因此本文的金融压力指数能够良好反映出中国金融体系的压力实际变化情况，这为接下来进一步研究金融与实体经济之间的关联关系奠定基础。

（二）压力时期辨别

结合以往关于金融压力的研究，对于金融压力时期辨别有以下几种方法：第一，设定一个基准值，当某时期金融压力指数FSI超过该基准值时，即认为该时期处于压力时期。Illing（2003）设置历史数据波动的2倍标准差作为基准值，在基准范围外，则属于金融压力时期；第二，通过建立压力指数与公认压力时期进行对比分析。Hakkio&Keeton（2009）通过评估KCFSI的历史表现来观察该指数的峰值是否位于共识的金融压力时期；第三，Brave&Butters（2011）提出了根据马尔科夫区制转移的方法来确定金融压力时期。虽然可以通过观察金融压力指数趋势变化图，直观地辨别金融压力时期，但这不可避免地遭遇强主观性问题，与此同时，基于不同金融压力时期的建模分析造成了方便，本文采取马尔科夫区制转移来辨别金融压力时期。

（三）实体经济代理变量

为考察金融压力与实体经济之间的动态影响，需要选取一个能够客观反映实体经济实际运行状况的指标。参考以往研究，虽然有人利用实际GDP、中国工业一致合成指数等变量作为实体经济的代理变量，然而这些变量在衡量实体经济方面均有一定时滞性和局限性。本文选用采购经理指数（PMI）代理实体经济的运行状况，进而考察金融和实体的动态关系。采用PMI主要考虑到三点：第一，PMI能够反映商业活动的现实情况，原始数据不做任何修改，保证了数据来源的真实性；同时进行季节性调整，减少季节性波动、法规制度和法定假日等因素变化所造成的影响，因此PMI指标具有很高的可靠性；第二，PMI时间上超前于政府其他部门的统计报告，指标具有先导性，所以PMI已成为监测经济运行及时、可靠的先行指标；第三，PMI是一个综合的指数体系，涵盖了实体经济活动的多个方面，如新订单、新出口订单、进口、生产、供应商配送、库存、雇员、价格等，指数能够反映出经济总体情况和变化趋势，PMI因此也成为国家宏观经济调控和指导企业经营的重要依据指标。

四、金融压力与实体经济的动态关联分析

（一）模型介绍

Sims&Zha（1998）将贝叶斯估计方法运用于VAR模型中，主要是用贝叶斯先验信息与VAR模型的估计和预测相结合，具体过程如下。

假定一个多元线性模型的一般形式为：

式（1）中y（t）表示一个m×1观测向量，A（L）表示一个由p阶之后的滞后算子L组成m×m矩阵，且A（0）是非奇异的，C表示一个常数向量。同时假是仅有的外生变量。据此可以基于先验信息得到一个对数据的完美描述。

对于MSVAR模型，本文首先假设该VAR模型有h种机制，其中第l种机制的模型表达式为：

式（2）中st表示模型所处的机制，因此c（st）、Bi（st）、ε（st）、∑（st）分别表示处于st机制下的VAR模型的常数项向量、系数矩阵、残差项矩阵及对应的方差协方差矩阵。

当有h个区制时，区制转移概率矩阵为h×h的方形矩阵，其形式为：

其中，pij=p（st=j|st-1=i）即从st-1=i转移到st=j的概率为pij。

（二）构建VAR模型

本文首先对FSI和PMI进行单位根检验，结果显示两者均在10%的水平下显著，两组序列均为平稳序列①由于篇幅受限，单位根检验和Granger检验的具体结果未给出，留存备索。。随后利用Granger因果检验，考察两组变量的Granger因果关系，结果发现金融压力指标（FSI）与实体经济变量（PMI）在5%的显著性水平下存在双向Granger因果关系，说明可以分别建立加入金融压力指数（FSI）及实体经变量（PMI）作为各自内生变量的向量自回归模型。构建VAR模型前，首先需要确定模型的滞后阶数及模型稳定性。在模型滞后阶数选择方面，本文通过各检验准则发现最优滞后阶数选择上AIC准则和FPE准则下最优滞后阶数为3，HQ准则下为2，SC准则下为1。同时考虑模型回归系数的显著性和模型的稳定性，最终选择滞后期为3。

VAR回归结果如表2所示。由回归结果可知，VAR模型中关于金融压力指数FSI的回归，其自身变量的前一期和前三期的系数较为显著，而在该回归中反映实体经济变量PMI的系数均不显著；关于实体经济变量PMI的回归，可以发现当期实体经济运行状况明显受到前一期金融压力指数的负向影响，即前一期金融压力指数越高，将导致实际经济的运行状况越差，此外还受到了前两期的PMI的正向影响，这都与本文的理论预期相一致。

表2 VAR回归结果

（三）脉冲响应分析

VAR模型是基于数据的统计关系而建立的，建立过程中并不要求变量之间具有确定的理论相关关系，因此利用该模型分析问题时无法得出变量之间的相互关系，而是分析随机扰动对变量的系统动量冲击，即利用脉冲响应分析经济冲击对经济变量的影响。基于本文的VAR模型结果，本文利用脉冲响应来绘制响应图，如图2所示。

其中左图为FSI对PMI的脉冲函数图，右图为PMI对FSI的脉冲响应图，图中纵轴表示受冲击变量的变化情况，横轴表示持续期。本文分析了受到冲击后的12个月中各个受冲击变量的趋势变化情况。由左图可以得出，当受到金融压力一个单位冲击后（金融风险事件），实体经济出现剧烈负向反馈，在受到冲击前三个月后急剧下降至最低点，然后向均衡水平逐渐恢复，可以发现，金融压力导致实体经济反向波动，且波动恢复速度相对较快（斜率绝对值较大）。由右图可以得出，金融系统压力受到实体经济的影响相对较小，且影响有一个积累的过程，实体经济一单位正向冲击（经济情况良好），会使金融压力缓慢下降，大约在5个月后，金融压力受到的影响达到峰值，随后以更缓慢的速度（斜率绝对值较小）恢复均衡。结果与中国的现实状况接近，虽然国内金融体系庞大复杂，但和西方发达国家相比仍有不小的差距，且金融体系制度和市场运行相对不完善，导致金融市场与实体经济的动态影响存在一个较长时期的时滞，两者之间的相互影响存在非对称性。

图2 脉冲响应函数图

（四）方差分解分析

脉冲响应分析描述的是VAR模型中其中一个内生变量受其他内生变量冲击所产生的反应，而方差分解则是通过分析每一个结构冲击对内生变量变化的贡献度，进一步评价不同结构冲击的重要性。因此方差分解能得出变量的每个随机扰动的相对重要性信息。本文同样对两类不同冲击进行12期的方差分解，分析比较在同一期中的不同变量相对方差的贡献度。方差分解结果如表3所示。表3的第一栏表示冲击发生的持续期；第二栏表示金融系统对实体经济冲击后的方差及各个变量的方差贡献度；第三栏表示实体经济对金融体系的冲击后的方差及各个变量的方差贡献度。Std.Error表示总的标准差的变化，后面两纵列分别表示变量FSI的方差贡献度和变量PMI的方差贡献度，两者的变化都很大，其中变量FSI方差贡献度从第一期的约90.69%至第12期的39.24%，呈现迅速下降趋势；变量PMI的贡献度则从9.31%上升到60.76%，呈现快速上升态势。第三栏与第二栏相比，两个变量的变化相对较小，其中金融压力指数FSI的贡献度从0缓慢升到1.56%，而PMI则从100%缓慢下降到98.44%。

表3 方差分解

（五）稳健性检验

稳健性检验主要包括两个方面：第一，考虑内生性问题，本文计算滞后指标并重新构建VAR模型。首先对FSI和PMI分别进行滞后一期处理，随后依次组合构建VAR模型、检验滞后期数、检验VAR系统的稳定性、实施脉冲响应和方差分解，由检验结果可知①由于文章篇幅受限，稳健性检验的具体结果未给出，留存备索。，使用滞后一期变量构造的VAR并未出现大的异常，脉冲响应图与前面基本相似。第二，金融压力指数构建的基础均为客观指标，而实体经济代理指标前文仅使用PMI，尽管PMI能够反映出实体经济真实运行状况，并包含不同于GDP等宏观指标的信息，但单个指标来考量实体经济确实存在一定的脆弱性，因此，使用月度消费者信心指数（Index1）和月度宏观经济景气一致指数（Index2）进行再检验。值得一提的是，本文测算的是月度频率，由于数据的可获得性，因此无法构建第一、二、三产业增加值指标（季、年度频率）或构建工、农、商指标（季、年度频率）来代理实体经济情况。由检验结果可知，使用消费者信心指数以及宏观经济景气一致指数作为实体经济的代理变量构造的VAR同样未出现大的异常，脉冲响应图形与前面基本相似。

（六）机制转移向量自回归模型（MSVAR）分析

为了更细致地考察金融压力与实体经济之间的相互关系，本文结合前文关于高金融压力时期和低金融压力时期的假设，建立两区制的MSVAR模型，把模型分成不同具体区制，进而考察在不同区制下金融压力与实体经济之间的动态关系，从而更准确地获得两者之间的联系。图3是区制转移向量自回归模型下两种状态的平滑概率情况，从图中可以发现，在考察期的大部分时间中，实体经济处于区制2的状态（低金融压力时期），少数时间机制处于区制1的状态（高金融压力时期）。2008年，实体经济显示处于高金融压力时期。图中也可得知实体经济将有大概率处于机制转换的过程中。

图3 MSVAR模型两状态平滑概率情况

表4 区制转移矩阵

表4是区制转移概率矩阵，可以发现，区制1的持续性概率为57.68%，即在考察期内当经济位于区制1且保持区制1的概率为57.68%，持续时间约为2个月，向区制2转移的概率仅为42.32%，这说明考察期内经济若处于高金融压力期则不容易脱离这种状态；若经济运行处于区制2时，其持续性概率为95.99%，持续时间约为25个月，向区制1转移的概率保持在4%左右，这表明区制2具有明显的稳定性，同时也暗含了经济有相当大的概率处于机制转换的状态。在考察期内，实体经济所处的金融压力环境的不稳定性较大。结论与经济状况匹配性较好，基本符合现实情形。

五、结论与政策启示

（一）研究结论

本文选取股票市场、债券市场、外汇市场、银行市场四个金融子市场来构建金融压力指标（FSI），将其作为代理变量来描述中国金融系统压力的变化情况，指标较好地反映出考察期间国内金融压力变化的现实情况。随后将实体经济运行状况的代理变量（PMI）与FSI相结合，构建VAR模型深入分析金融压力与实体经济相互影响的动态关系，更进一步地，构建MSVAR模型研究了不同压力状况的区制转移状况，并得出以下几个主要结论。

1.通过构建金融压力指标，观察走势图后发现，2006～2015年期间，中国金融系统受内部及外部因素冲击时，表现出一定的脆弱性，部分时期的金融压力指数远高于平均水平，金融危机和欧债危机的冲击较明显，该指标能为政策制定者管控金融风险、减轻金融风险影响提供一定参考。

2.脉冲响应表明，当实体经济受到金融系统压力的冲击后波动剧烈，在三个月的时候实体经济状况急剧下行至最低点，随后向均衡水平缓慢恢复且恢复速度相对较快；而金融系统压力受到实体经济冲击的影响较小，金融系统压力缓慢下降至第5个月达到最低点，而后以更缓慢的速度向均衡位置恢复。这从侧面反映出国内的金融体系尚不完善，致使金融系统与实体经济的动态关联存在一个不合理的长时滞，且两者之间的相互影响具有非对称性。稳健性检验得到一致性的结果。

3.方差分解表明，在金融系统对实体经济冲击过程中，金融压力指数FSI的方差贡献度和PMI的方差贡献度在持续期的变化都很大，其中FSI方差贡献度呈迅速下降趋势，PMI的贡献度则快速上升。而在实体经济对金融系统冲击过程中，两变量的方差贡献度变化甚微。稳健性检验得到一致性的结果。

4.MSVAR模型表明，实体经济运行大部分时期处于区制2的状态（低金融压力时期），少数时期处于区制1的状态（高金融压力时期）。特别是在2008年，实体经济显著处于高金融压力时期。通过区制转移概率矩阵，可以发现区制1的持续性概率为57.68%，持续性约为2个月，向区制2转移的概率为42.32%；当实体经济处于区制2时，其持续性概率为95.99%，持续性约为25个月，向区制1转移的概率大约保持在4%。与区制1相比，区制2具有明显的稳定性。另一个显著的特征是，经济大概率将处于机制转换的状态。其中由机制1转向机制2的概率高达到42.32%，由机制2转向机制1的概率仅为4.01%，这说明在该时期内，实体经济所处的金融压力环境的不稳定性较大，与经济状况和现实情形相符合。

（二）政策启示

1.尽管金融压力指数不具有前瞻性，但考虑到指数具有趋势性的特点，监管当局应谨防指数阶段性、持续性地上扬，有针对性地采取调控措施稳定国内金融市场。同时，政策制定者也可以通过观察金融压力指数的走势，判断调控效果，特别是回溯中国过去关键压力时期的调控政策成效。

2.利用金融压力与实体经济的动态关联关系，可以有效监测中国系统性风险状况，帮助监管当局警惕和防范系统性负面冲击以及经济增长动能衰竭。

3.研究发现中国金融与实体存在较长时滞，说明了中国金融市场仍不完善，四个金融子市场的流动性、传导机制、交易机制、定价机制和信息对称性都具有改进空间，对此，监管当局应不断完善金融系统，进一步增强金融对实体经济的影响。国家金融工作会议关于“金融回归本源，服务实体经济”的基调是本文支持的政策导向。

4.研究发现一次性大额投放式（4万亿）的财政刺激政策虽然在短期的经济改善效果明显，但负面效应也显著存在，负面效应积累将在后续抬高金融系统的压力水平，不利于中长期实体经济的持续、稳定增长。因此，应综合分析、统筹考虑、注重传导、着眼长远，谨慎使用这类高强度的刺激政策。