我国系统性金融风险与宏观经济波动关系：指标度量与动态影响研究

谭中明，夏 琦

（江苏大学 财经学院 金融发展研究所，江苏 镇江 212013）

一、引言

金融是现代经济的核心和血脉。金融既源于经济，又服务于经济，与经济之间具有紧密的共生共荣关系。然而，金融发展对经济增长具有重要推动作用的同时，也可能因金融自身内在的脆弱性产生金融泡沫、剥离其与实体经济的有机联系，最终引发金融风险，给宏观经济造成损害。因此，分析我国系统性金融风险的状态，准确评估系统性金融风险的各个风险因子的状况，探究其对宏观经济的影响机理，厘清其与宏观经济波动的关联关系及对宏观经济的影响程度，对于改进和加强金融监管，打好防范系统性金融风险攻坚战，推动金融业高质量发展，实现并保持宏观经济稳中向好发展趋势具有重要意义。

二、文献回顾

国内外学者对于金融风险对宏观经济影响的问题进行了卓有成效的研究。在国外，Bernanke等（1999）使用动态一般均衡模型，对信贷市场与宏观经济波动的影响关系进行了研究，结果表明，信贷市场的内生发展会加大对宏观经济的冲击，金融加速器对商业周期动态具有重要的影响[1]。Cecchetti和Li（2008）运用PVAR模型，对股价和房价等金融变量与以经济增长和通胀为代表的宏观经济的影响关系进行了实证分析，得出了股价和房价的过度繁荣会对宏观经济产生负面影响的结论[2]。Drehmann等（2012）以信贷、股价和房价为代表变量，研究了金融周期的特征，并且对金融周期与宏观经济周期之间的关系进行了研究[3]。Jin and Zeng(2014)认为银行风险会导致宏观经济的波动，构建金融安全网和建立风险分担机制有助于缓解银行风险对宏观经济的冲击[4]。国内学者对金融风险和宏观经济关系的研究主要从单一影响因素出发，分析金融风险对宏观经济的影响。刘金全和隋建利（2010）通过实证分析货币不确定性与经济增长之间的关系，发现由货币政策冲击导致的货币增长不确定性能促进经济增长，而由宏观经济冲击导致的货币增长不确定性会抑制经济增长[5]。田祥宇和闫丽瑞（2012）以银行信贷、货币供应、资产价格为自变量，经济增长和物价水平为因变量，构建VAR模型，利用脉冲响应函数和方差分解方法研究金融变量对宏观经济的影响，结果表明资产价格对宏观经济的影响最重要[6]。陈守东等（2013）通过金融不稳定指数和经济增长变量构建马尔可夫区制转移自回归模型，分析金融不稳定对宏观经济的非对称影响，结果表明，在经济高速增长阶段，金融不稳定性对宏观经济的影响加大[7]。刘瑞兴（2015）合成金融压力指数，构建自回归模型，通过实证分析得出金融压力对宏观经济存在长期负面影响[8]。邓创等（2018）运用TVP-VAR模型，对三个金融子市场的风险与宏观经济景气之间的关联关系进行了实证检验，结果表明，金融市场风险与宏观经济景气的影响关系在金融危机爆发前后存在显著的差异[9]。

综上，国内外对于金融风险与宏观经济关系的既有研究大多从单一因素出发，而缺乏对系统性金融风险的综合全面的度量及对金融系统整体风险与宏观经济关联影响的研究。本文从多层次和多维度角度选取指标来全面地度量系统性金融风险水平，运用因子分析法析出5类风险因子，并相应地给出风险成因，然后运用向量自回归模型（VAR模型）分析5类风险因子对宏观经济波动的动态影响效应。

三、我国系统性金融风险度量指标分析

（一）系统性金融风险测度指标体系

表1 系统性金融风险测度指标体系

多层次、多维度的金融风险测度指标体系是科学识别系统性金融风险的基础。本文借鉴郭娜（2018）[10]以及魏金明（2016）[11]的研究思路，从宏观经济、银行市场、外部市场、资产泡沫四个层面选取相关指标构建我国系统性金融风险指标体系，据此对系统性金融风险的度量指标进行分析。宏观经济风险指标反映宏观经济因素变化所产生的风险，银行市场风险指标反映货币流动性变化和银行经营状况所产生的风险，外部市场风险指标反映外部市场因素的变化所产生的风险，资产泡沫风险主要反映房地产市场和证券市场所带来的风险。系统性金融风险测度指标体系如表1所示。

（二）数据来源及预处理

本文以2002年第一季度至2018年第四季度的各指标数据为研究样本，数据来源于国家统计局网站、中国宏观经济数据库和Wind资讯数据库。上述系统性金融风险测度指标按照功能性质可分为正向指标、负向指标和适度指标。正向指标是指该指标越大表示金融风险越大，负向指标则相反；适度指标是指该指标值在某一合适范围内是安全的，突破合适范围即认为有风险存在。为了避免指标不同向造成结果偏差、选取的不同指标的数据无法统一度量，需要对指标进行标准化的预处理，具体方法是：

适度指标的标准化（指标的适度区间为[q1,q2]）：

（三）系统性金融风险度量指标的量化判别

1．可行性检验

在对系统性金融风险指标数据进行因子分析之前，首先需要对其可行性进行检验，以判断是否可以建立因子分析模型，运用KMO和Bartlett球形检验。根据KMO检验标准，若KMO检验统计数值大于0.6，则表明变量间的偏相关性较强，因子分析效果较好，所选取的数据样本适宜用作因子分析。根据Bartlett球形检验标准，若Sig.值小于指定的显著性水平，则表明变量间存在相关性，适宜做因子分析。由KMO和Bartlett球形检验得出的结果（表2）表明，本文选取的数据样本的KMO值为0.79，Bartlett的球形度检验中Sig.值为0，在1%的显著性水平下显著，表明本文指标数据可以采用因子模型进行分析。

2．因子模型求解

利用SPSS23.0软件，运用主成分分析法对上述22个变量进行因子提取分析，得到相应结果（见表3）。由表3可知，前5个因子的特征值都大于1且累积方差贡献率达到84.002%，说明这5个因子对系统性金融风险的解释能力较强，因此保留前5个因子较为恰当。

表2 因子分析可行性检验结果

表3 主要因子的特征值及累计贡献方差

表4 公共因子命名

为了进一步明晰各公共因子的经济学含义，对因子载荷矩阵进行因子旋转操作，得到各个因子包含的评价指标及其解释程度和特征根。通过观察分析每个因子包含的评价指标，可对这5个公共因子进行命名。对结果进行整理后形成表4。

3．公共因子命名

从表4中可以看出，因子1中的工业增加值增速、M1/M2、固定资产投资增长率、外汇储备增长率、房地产投资增长率、国内生产总值增长率、企业景气指数增长率、存贷比等指标旋转后的成分矩阵系数较大，这些指标反映中国经济持续增长的动力，所以因子1可以命名为“经济增长动力风险因子”。在因子2中，股票总市值/GDP、实际利率和通货膨胀率、股票市盈率的系数较大。股票总市值/GDP与市盈率是反映股市证券化程度和泡沫风险的重要指标；实际利率和通货膨胀率也在一定程度上反映证券市场的发展状况，储蓄投资与证券投资之间有一定的代替性和流动性，利率的变动会引起股价的变动，故将因子2命名为“证券市场泡沫风险因子”。在因子3中，实际有效汇率指数、短期外债/外债总额、短期外债/外汇储备和经常项目差额/GDP的系数较大，这些指标反映我国外部经济风险，故将因子3命名为“外部经济风险因子”。在因子4中，贷款增速、商品住宅售价增长率和国房景气指数的系数较大，故将该因子命名为“房地产价格泡沫风险因子”。在因子5中，财政赤字率、资本充足率和不良贷款率的系数较大。财政赤字率是衡量财政风险、反映一国财政稳健性的指标；资本充足率和不良贷款率是反映金融脆弱性的指标，因而将该因子命名为“经济脆弱性风险因子”。

4．系统性金融风险及其公共因子得分趋势分析

因子得分反映了公共因子的波动特征，本文根据因子得分，得出我国系统性金融风险及其5个风险因子2002年第一季度到2018年第四季度的风险相对得分趋势图，以反映系统性金融风险及其各个风险因子的波动状况（见图1）。其中，F表示系统性金融风险、F1表示经济增长动力风险、F2表示证券市场泡沫风险、F3表示外部经济风险、F4表示房地产价格泡沫风险、F5表示经济脆弱性风险。

图1 系统性金融风险及其5个风险因子得分趋势图

（1）经济增长动力风险可以分为四个阶段。第一阶段为2002年1季度—2008年2季度，我国经济增长动力风险处于较低水平。2002年党的十六大首次把“促进经济增长”作为宏观调控目标，中国经济实现了改革开放以来持续时间最长、最稳定的经济增长。第二阶段为2008年3季度—2011年2季度，我国经济增长动力风险受国际金融危机的影响呈现出先上升后下降的倒V形状态。由美国“次债危机”与国内因素共振引发了21世纪以来最为严重的一次经济增长剧烈震荡，“四万亿元”投资计划等国家政策的刺激，使得2009年1季度经济增长触底后迅速回升，经济形势逐渐稳定。第三阶段为2011年3季度—2016年1季度，经济增长动力风险再次呈上升趋势。反危机刺激政策退出后，我国出现经济内生增长动力不足以及长期积累的结构性矛盾问题，经济主要矛盾已经转移到供给侧。第四阶段为2016年2季度—2018年4季度，经济增长动力风险小幅度下降并保持较为稳定的水平。2015年底，我国提出供给侧结构性改革，增强经济持续增长动力。近几年，我国深化供给侧结构性改革，实体经济活力不断释放，这表明我国经济增长动力风险保持在稳定水平。

（2）证券市场泡沫风险可以分为三个阶段。第一阶段为2002年1季度—2006年4季度，证券市场泡沫风险保持较低水平。我国经济高速发展、人民币汇率改革引起人民币升值预期、2005年股权分置改革，在这样利好背景烘托下，我国股市出现恢复性上涨，股市风险较低。第二阶段为2007年1季度—2008年4季度，证券市场泡沫风险呈现出“过山车”式的大幅度先升后降。股权分置改革成为股市繁荣的制度基础，2007年我国股市一片狂热，上证指数创历史新高。2008年初受美国次贷危机的影响，我国股市风险显著上升。2008年底，“四万亿元”投资政策和十大产业振兴规划的出台，使得股市也迅速出现了恢复性上涨，股市风险逐步降低。第三阶段为2009年1季度—2018年4季度，证券市场泡沫风险呈现“M”形状态。2008年经济刺激计划负面效应逐步显现，如通货膨胀、资产价格泡沫等，货币政策在2009年3季度逐步开始收紧，股市也进入了新一轮下跌周期。2015年上半年我国股市出现了极其严重的泡沫，在政府采取一系列重要救市政策后市场逐步稳定。2018年以来，我国加强对股市的监管，坚持资本市场服务实体经济，股市泡沫风险在一定程度上得到控制。

（3）外部经济风险可以分为三个阶段。第一阶段为2002年1季度—2006年4季度，我国外部经济风险持续降低。2001年中国加入世贸组织，意味着中国将在世贸严格规则下处理事务，并且为我国对外贸易的发展提供新的契机。此外，我国基本解决了外汇短缺困难，并且国家制定了“保持国际收支平衡”的宏观调控新目标，外部市场风险得到有效降低。第二阶段为2007年1季度—2014年4季度，我国外部经济风险先升后降。2008年金融海啸对我国外部市场产生了巨大的冲击，2010年我国汇率改革缓解了外部市场的风险。第三阶段为2015年1季度—2018年4季度，我国外部经济风险大幅度上升并保持在高位。这一时期，全球经济遭受“全球性”逆风，各种贸易保护主义不断增加。2018年中美贸易摩擦对我国外部经济风险产生很大影响，风险呈现上升趋势。

（4）房地产价格泡沫风险可以分为三个阶段。第一阶段为2002年1季度—2008年3季度，房地产价格泡沫风险呈窄幅波动状态。2004年国家针对土地、信贷等方面出台了一系列调控政策来应对我国固定资产投资增长过快问题，使房地产市场的发展保持稳定状态。第二阶段为2008年4季度—2009年4季度，金融危机期间，我国房地产价格泡沫风险先经历了大幅上升的阶段，而后在政府房地产市场调控政策影响下又开始下降。第三阶段为2010年1季度—2018年4季度，我国房地产价格泡沫风险呈窄幅波动状态。2010年以来我国房地产市场的调控措施不断加强，房地产市场的投机性行为得到遏制，房地产价格泡沫风险下降。2018年，政府不断加大对房地产市场调控力度，房地产价格泡沫风险在一定程度上得到控制。

（5）经济脆弱性风险可以分为三个阶段。第一阶段为2002年1季度—2010年2季度，我国经济脆弱性风险持续下降。此段时期，我国银行资本充足率持续提升、不良贷款率持续下降，财政赤字率保持稳定。2003年，我国国有商业银行剥离不良资产、解决历史包袱、进行股份制改革，提高了风险防范水平，降低了我国经济脆弱性风险。第二阶段为2010年3季度—2012年1季度，经济脆弱性风险呈现“M”形状态。原因是我国财政赤字率在2010年第四季度和2011年第四季度出现异常值，呈现高风险态势。第三阶段为2012年2季度—2018年4季度，这一阶段，风险处于较低水平。

（6）系统性金融风险整体上呈现先下降后上升的趋势，在全球金融危机阶段有向上跃升的异常值，系统性金融风险变化可分为四个阶段。第一阶段为2002年1季度—2006年4季度，中国系统性金融风险呈现出小范围波动下降的趋势。第二阶段为2007年1季度—2009年4季度，系统性金融风险呈现出先升后降再升再降的“M”形的异常波动趋势。第三阶段为2010年1季度—2013年4季度，系统性金融风险保持在较低水平。第四阶段为2014年1季度—2018年4季度，系统性金融风险不断攀升后保持在相对较高水平。

四、系统性金融风险对宏观经济的动态影响分析

金融的发展状况与宏观经济的运行状况密切相关，金融既能够对宏观经济的发展起到有效的助推作用，又能给经济发展带来一定程度的损害。因此，在经济新常态下助力经济稳健发展的关键是有效防控系统性金融风险、平衡好“防风险”与“稳增长”的关系。本文首先构建系统性金融风险与经济增长的VAR模型，实证分析系统性金融风险与宏观经济波动的动态关系；然后构建系统性金融风险5个风险因子与经济增长的VAR模型，实证分析5个风险因子与宏观经济波动的动态关系。

向量自回归模型（VAR模型）是一种常用的计量经济模型，其原理是把每个内生变量作为系统中所有内生变量滞后值的函数来构造模型，VAR模型具有预测相互联系的时间序列间的关系以及分析随机扰动项对变量系统动态影响的作用。

（一）变量选取与数据来源

因子得分反映公共因子的波动特征，可以作为进一步分析系统性金融风险对宏观经济动态影响的原始数据。本文选取的变量包括：我国系统性金融风险及其5个风险因子（分别用F、F1、F2、F3、F4、F5表示）和经济增长（用国内生产总值GDP表示，代表宏观经济）。其中系统性金融风险及其5个风险因子数据采用上文得出的因子得分，GDP数据来源于国家统计局网站。各变量均采用2002年1季度至2018年4季度的季度数据。

表5 各变量平稳性检验结果

（二）平稳性检验

在对时间序列数据进行计量分析时，首先要对各变量进行平稳性检验，否则直接进行计量分析可能导致伪回归现象。本文采用ADF检验来确定各变量的稳定性，检验结果如表5所示。

从表5可以看出，F2、F3、F4、F5是平稳序列，而GDP、F和F1不平稳。分别对GDP、F和F1进行差分计算，得到的DGDP、DF和DF1经检验是平稳序列。其中，DGDP表示经济增长的变化，DF表示系统性金融风险F的变化，DF1表示风险因子F1（经济增长动力风险因子）的变化。本文最终用DGDP和DF，以及DGDP、DF1、F2、F3、F4和F5分别建立VAR模型。

（三）实证分析

1．系统性金融风险对宏观经济动态影响的实证分析

（1）VAR模型的建立及其稳定性检验。

建立VAR模型首先需要确定最优滞后阶数，这里从滞后10期中选取最优滞后期，不同于以往文献中仅采用AIC和SC两个评价指标来选择滞后阶数，本文借鉴武鹏等（2016）[12]提出的采用 LR、FPE、AIC、SC和HQ等5个评价指标来共同确定最优滞后阶数的方法，按检验显著量少数服从多数原则，由表6可以看出最优滞后阶数为8，所以建立VAR（8）模型。然后，对VAR模型进行稳定性检验（见图2）。

从图2可以看出，VAR模型的特征根均位于单位圆之内，表明模型是稳定的，根据其得出的脉冲响应函数的结果是稳健可靠的。

图2 平稳性检验结果

表6 滞后10期的各种检验统计量

（2）格兰杰(Granger)因果检验。

表7 格兰杰因果检验结果

格兰杰因果检验是一种用于判断一个变量的变化是否是另一个变量变化的原因的方法，实质上是检验一个变量的滞后变量是否可以引入到其他变量方程中，如果可以，则称它们具有格兰杰因果关系。格兰杰因果检验结果表明：DF对DGDP存在10%显著性水平上的单向因果关系，DGDP对DF存在1%显著性水平上的单向因果关系（见表7）。

（3）脉冲响应分析。

根据VAR模型的结果，进一步做脉冲响应分析和方差分解，研究系统性金融风险与宏观经济波动的动态关系。脉冲响应函数刻画的是：给某个变量1个标准差的冲击后其对各变量的动态影响。用以描述系统对单位冲击做出的动态反应，判断变量之间存在的互动关系及持续性。本文将响应期数定为10期，当模型内各个变量分别出现1个标准差的冲击时，便得到经济增长的脉冲响应函数（见图3）。其中，横轴表示冲击作用的响应期数（季度），纵轴表示单位冲击引起的波动（以百分比表示）。

图3 DGDP对来自各变量一个标准差冲击的脉冲响应

脉冲响应分析结果表明：

①对于经济增长自身的冲击，经济增长立刻有较强的正向波动，说明经济增长在前期具有比较大的惯性；但冲击时间不长，随后一期快速下降，之后趋于平稳，说明随着时间的推移，其对自身的影响迅速减弱。

②对于系统性金融风险的冲击，经济增长在前5期变化不大，说明经济增长对系统性金融风险的反应存在时滞性；第5期之后，系统性金融风险对经济增长开始产生副作用；从第10期开始，副作用逐渐消失，表明国家对系统性金融风险进行控制，风险被逐步化解。

2．系统性金融风险的5个风险因子对宏观经济动态影响的实证分析

（1）VAR模型的建立及其稳定性检验。

这里从滞后5期中选取最优滞后期，由于按AIC原则和SC原则选取的滞后阶数不同，所以本文借鉴武鹏（2016）[12]提出的方法，按检验显著量少数服从多数原则，由表8可以看出最优滞后阶数为4，所以建立VAR（4）模型。然后，对VAR模型进行稳定性检验（见图4）。

图4 平稳性检验结果

从图4可以看出，VAR模型的特征根均位于单位圆之内，表明模型是稳定的，根据其得出的脉冲响应函数的结果是稳健可靠的。注：*表示检验结果在5%的水平上显著

表8 滞后5期的各种检验统计量

表9 格兰杰因果检验结果

（2）格兰杰(Granger)因果检验。

格兰杰因果检验结果表明：F2对DGDP、F2对DF1、F4对DF1存在1%显著性水平上的单向因果关系，DGDP对DF1、DGDP对F5、F2对F3、F5对DF1存在5%显著性水平上的单向因果关系，F5对F3存在10%显著性水平上的单向因果关系（见表9）。

（3）脉冲响应分析。

根据VAR模型的结果，进一步做脉冲响应分析和方差分解，研究系统性金融风险的5个风险因子与宏观经济波动的动态关系。脉冲响应分析结果（见图5）表明：

①对于经济增长自身的冲击，经济增长立刻有较强的正向波动，说明经济增长在前期具有比较大的惯性；但冲击时间不长，随后一期快速下降，之后趋于平稳，说明随着时间的推移，其对自身的影响迅速减弱。

②对于经济增长动力风险因子的冲击，经济增长在前3期处于负向波动，说明经济增长动力风险因子在短期对经济增长具有明显的阻滞作用；第4期转为正向，之后趋于平稳，说明在长期其对经济增长的影响逐渐减弱，表明我国可以及时地采取各种措施来逐步化解经济增长动力不足的风险。

图5 DGDP对来自各变量一个标准差冲击的脉冲响应

③对于证券市场泡沫风险因子的冲击，经济增长在前2期没有太大的变化，说明刚开始时证券市场泡沫风险的发生并没有立刻影响经济增长，经济增长对证券市场泡沫风险的反应存在一定的时滞性；第3期突然转为负向波动且负向波动持续到第8期，在第9期又转为正向波动并且波动趋于平稳。说明在长期中，证券市场泡沫风险对经济增长产生负面影响且持续时间较长。

④对于外部经济风险因子的冲击，经济增长在前2期没有太大的变化，说明经济增长对外部经济风险的反应存在一定的时滞性；紧接着在第3期突然大幅度转为负向波动，说明外部经济风险对经济增长产生较大的阻滞作用；在第4期又转为正向波动，随后趋于平稳，表明我国在面对外部经济风险时能及时采取各种措施化解风险，降低对经济增长的影响。

⑤对于房地产价格泡沫风险因子的冲击，经济增长在前5期没有大变化，说明经济增长对房地产价格泡沫风险的反应存在较长的时滞性；从第6期开始转为负向波动且波幅很小，并从第9期开始趋于平稳，说明房地产价格泡沫风险对经济增长产生较小的负面影响，且随着国家对房地产市场进行调控，风险被逐步化解。

⑥对于经济脆弱性风险因子的冲击，经济增长在前3期处于负向波动状态，然后在正负向之间不断波动，并且波动幅度逐渐减小。这说明经济脆弱性风险在一开始便对经济增长产生负向作用，但在国家进行宏观调控以及金融机构进行自我调节之后，经济脆弱性风险被缓释，逐渐减小对经济增长的影响。

（4）方差分解。

方差分解是通过分析每一个结构冲击对内生变量变化的贡献度，进而评价不同结构冲击的重要性。这里对经济增长进行方差分解，分析系统性金融风险的5个风险因子对经济增长波动的解释程度，结果见图6。

图6 DGDP的方差分解

由经济增长的方差分解可以发现：除去经济增长自身的影响，前两期经济脆弱性风险解释能力最强；第3期至第5期外部经济风险解释能力最强，证券市场泡沫风险次之，经济增长动力风险第三，经济脆弱性风险第四，房地产价格泡沫风险的解释能力最小；从第6期开始证券市场泡沫风险的解释能力超过外部市场风险，其余变量的解释能力保持稳定水平。

五、结论与建议

本文主要结论如下：

（1）基于2002年到2018年季度数据的实证结果表明，我国系统性金融风险的5个风险因子按重要性依次为：经济增长动力风险、证券市场泡沫风险、外部经济风险、房地产价格泡沫风险、经济脆弱性风险。

（2）从系统性金融风险整体来看，其对经济增长的影响存在时滞性，第5期以后系统性金融风险开始对经济增长产生副作用。

（3）证券市场泡沫风险、外部经济风险和房地产价格泡沫风险对经济增长的影响存在时滞性，且房地产价格泡沫风险的时滞最长，长达5期；经济增长动力风险和经济脆弱性风险从第1期开始便对经济增长产生负面影响，但从第4期开始这些风险得以缓释。

（4）从影响程度上来看，外部经济风险对经济增长的负面影响最大，其次是证券市场泡沫风险；从影响时长上来看，证券市场泡沫风险对经济增长的负面影响持续的时间最长，其次是房地产价格泡沫风险。

针对上述研究结论，本文认为要防范我国系统性金融风险，降低其对宏观经济波动的影响，应采取以下对策。

（1）深化金融体制改革，着力提升监管效能。随着金融业的快速发展和以互联网为特征的新的金融业态的不断涌现，金融风险的复杂性日益凸显，如何应对由多种因素导致的系统性金融风险是我国监管层首要考虑的问题。金融体制改革和防风险是协调一致的，深化金融体制改革、增强金融服务实体经济能力是降低金融风险的根本方法。要不断健全金融混业经营的统一监管框架，引入线上线下先进科技，加强监管的整体性、系统性、协调性、实时性。要平衡好“防风险”和“稳增长”之间的关系，切实保障金融安全，坚决守住不发生系统性风险的底线[13]。

（2）重点防范证券市场金融系统性风险的发生。监管层应密切跟踪流动性的情况，谨防流动性过度涌入证券市场，导致股市产生大量泡沫，同时引导更多的流动性进入实体经济；监管层应转变重上市轻退市的监管理念，严格规范交易所的行为，促使其承担起应尽的督促退市的责任。同时，相关部门应继续加强对上市公司和机构投资者的监管，严厉查处操纵股价、披露虚假信息等行为，提高执法效率；要从根本上防范我国股市暴涨暴跌，必须促进股票价格的市场化。此外，还要加强对投资者的教育，培养理性投资观念，以维护股票市场的健康稳定发展。

（3）谨防外部经济风险对我国经济发展的冲击。在全球经济金融一体化时代，世界各国经济金融的联系日益紧密，风险的传导性也不断增大。

首先，对我国跨境资本流动建立准确的动态衡量机制，以防范美联储货币政策带来的冲击。

其次，继续坚持汇率市场化改革，加强人民币汇率弹性，有效引导汇率预期，使汇率能够更好地发挥缓冲器的作用，降低外部冲击对国内宏观经济和金融稳定的影响。

（4）大力推进房地产金融“供给侧改革”。

首先，完善多层次住房供应和保障体系；设计合理、严密的房地产税制，抑制土地的过度投机。

其次，积极拓展房地产企业多样化融资渠道，支持符合条件的房企推进市场化债转股。

再次，完善房地产金融监管制度，加强房地产信贷监管，合理控制房地产信贷规模，引导商业银行改善信贷业务结构，建立房地产金融风险预警体系，有效管控信贷风险。