美国货币政策对中国金融市场的动态传导效应研究

司颖华 文 清

（兰州财经大学统计学院，甘肃 兰州 730020）

一、引言

经济金融安全是国家发展的重要保障，金融发展与金融安全统筹是中国式现代化进程中的重要任务（郑联盛和刘贤达，2023）。随着全球经济的深度融合和世界金融市场一体化程度的不断提高，中国与其他国家之间的金融贸易和投资往来日益密切，美国作为全球最大的经济体，美国货币政策已成为影响全球金融市场的重要因素，对全球经济产生显著的金融溢出效应，其货币政策调整对中国金融市场的影响也日益增长（Miranda &Rey，2020；王胜等，2022）。2022 年3 月，美国为控制通胀又开启新一轮的加息，本轮美联储加息伴随着全世界范围内的高通胀、俄乌冲突等多重不确定性，全球避险情绪推动美元指数持续走强，对中国汇率和跨境资本流动造成较大冲击。因此，研究美联储货币政策变化对中国金融市场的影响，有利于更好地分析中国新时代宏观经济和金融体系发展趋势，减缓系统性金融风险在全球范围内的传播，提高中国经济金融应对外部冲击的能力（严佳佳和何梅蓉，2021）。

二、文献综述

货币政策的外部性和溢出效应最初由Hamada（1976）提出，其研究认为世界各国之间相互关联，在资本完全流动的背景下，任何国家的商品和资本都会受到其他国家货币政策溢出效应的影响。Hausman&Wongswan（2011）指出美国货币政策对世界各国的利率和汇率市场都具有显著的溢出效应。国内学者对于相关问题的研究中，更多关注美国货币政策溢出对中国的影响效应。

对中国宏观经济变量的影响方面，张小宇和于依洋（2017）从美国常规和非常规货币政策两个不同角度的冲击影响效果出发，基于三元非线性平滑迁移自回归模型研究发现，相对于量化宽松非常规货币政策，美国实施常规货币政策对中国宏观经济的影响更大。展凯等（2021）从不同金融时期影响差异性出发，基于高频识别和反事实法研究发现，美国货币政策对中国宏观经济的影响在金融危机爆发前后显著不同。

对中国金融市场的影响方面，随着全球金融一体化程度的加深，各个国家金融市场间的联系愈发密切（Rey，2013），并且随着美元货币地位的不断加强，美国货币政策成为影响全球金融市场变化的重大因素，对全球经济产生显著的金融溢出效应（Miranda &Rey，2020）。张天顶和方志远（2022）从金融溢出渠道出发，使用SVAR模型探析美国货币政策变化对中国资本市场的溢出效应，研究发现美国货币政策转向对中国资本市场存在负向溢出效应。王艳和张鹏（2012）基于VECM模型，研究发现美国货币政策通过影响中国信贷市场进而对中国流动性水平产生影响。刘玚等（2019）使用MS-VAR 模型分析外部不确定性冲击如何通过短期资本流动渠道对中国金融市场系统性风险积累与扩散产生影响。已有研究表明，美国货币政策的实施会导致中国实体经济与金融市场在短期内波动加剧，但不会影响中国经济的长期发展趋势（黄禹喆等，2022；杜婕和曹为宇，2020）。

总体来看，关于美国货币政策溢出效应的文献多围绕宏观经济或单一金融相关变量，鲜有构建金融状况指数探讨美国货币政策对中国金融市场的溢出效应。鉴于此，本文通过构建中国动态金融状况指数，引入时变参数与时变波动特征的TVP-SV-VAR 模型，探究不同时期美国货币政策对中国金融市场的动态影响，以期为中国金融部门应对美国货币政策调整提供理论和决策依据。

三、模型构建及变量度量

（一）模型构建

TVP-SV-VAR 模型假定方程中待估参数服从一阶随机游走过程，允许截距项、系数、方差和协方差项都随时间而变化，能更准确地反映结构变化带来参数的持续变动，由于金融市场环境的复杂性，美国货币政策对中国金融市场的传导效应也会随着时间变化，时变参数可以更有效地捕捉经济变量在不同经济时期的不同时变特征，更符合实际。基于上述分析，本文构建TVP-SV-VAR 模型，并使用MCMC估计参数，通过脉冲响应分析，客观揭示美国不同类型货币政策对中国市场的动态影响。本文将美国联邦基金利率（FFR）、广义货币供应量（M2）和中国动态金融状况指数（FCI）等三个内生变量组成向量y进行模型构建。标准的SVAR模型可以表示为：

yt是k×1 维的可观测变量，A,F1,…,Fs为k×k维的系数矩阵。ut为k×1 结构冲击向量。假定A是一个主对角线为1的下三角矩阵，模型（1）可以简化成：

A-1∑tεt是组合误差项，At是由向量at组成的下三角矩阵，εt为独立同分布标准正态分布，∑是具有正元素的对角矩阵：

堆叠βi的行向量形成k2s×1 维矩阵β，定义Xt=Ik⊗(y′t-1,…,y′t-s)，⊗为克罗内克乘积，模型可改写为：

上述模型中参数固定不变，在模型中引入时变系数和协方差矩阵，将模型扩展为时变向量自回归模型：

其中，βt、、∑t均为时变参数。参考Primiceri（2005）的研究方法，模拟时变参数过程。αt=(α21,…,αk,k-1)′是At矩阵非0 和非1 部分按行堆叠向量；令ht=(h1t,…,hkt)′且hjt=,j=1,…,k;t=s+1,…,n。假设（4）式中时变参数服从随机游走过程：

其 中，βs+1∼N(uβ0,∑β0αs+1∼N(uα0,∑α0hs+1∼N(uh0,∑hh0)，假设时变参数的冲击在参数βt、αt、ht之间相互独立，∑β、∑α、∑h均为对角矩阵。

（二）变量选取与处理

本文通过构建综合指数度量金融市场运行状况，借鉴相关研究构建月度GDP 时所选取的经济指标（高华川和白仲林，2016），并参考王晓博等（2016）、周德才等（2022）的相关研究，结合中国金融市场发展现状，从利率、信贷、货币、房价、股价、汇率和宏观经济市场等因素中选取影响中国金融市场变化的金融指标和宏观经济指标，这些子指标代表金融系统各个层面的整体运行状态，可以构建符合中国金融状况和经济走势的金融状况指数。

综合考虑，本文选择美国联邦基金利率为紧缩性货币政策的代理变量，主要依据美联储调节联邦基金利率会对商业银行的资金成本产生巨大影响，进而影响消费、投资和宏观经济，是美国的基准利率和主要的货币政策之一。美国扩张性货币政策的代理变量以广义货币供应量表示，一方面，美联储实行宽松的货币政策，带来了基础货币的迅速增加，与M0、M1相比，M2 对宽松货币政策的反映更加全面；另一方面，虽然近年来M2作为货币政策中介指标的作用有所弱化，但仍然保持着传统货币政策传导指标的连续性和可比性，可以客观地反映美国货币政策的传导效果。各指标选取具体如表1所示。

表1 指标选择一览表

本文选取的数据主要可以分为金融状况变量和美国货币政策变量两大类，除季度GDP 以外，其他变量均为月度数据。数据主要来自Wind 数据库、中经网、锐思数据库及国家统计局，样本区间为2003 年1月到2022年9月。

（三）中国动态金融状况指数的构建

本文借鉴Goodhart &Hofmann（2001）的方法对金融变量进行处理。首先，结合X12季节调整法对各变量进行季节性调整。其次，采用HP（Hodrick-Prescott）滤波的方法消除其时变趋势获取均衡值，由于变量均为月度数据，故平滑系数选择129600。再次，利用Z-score 标准化处理，消除量纲影响。然后，将不平稳的金融变量差分处理为平稳数据，并基于多层因子模型和混频动态因子模型，分别估计出利率市场（R）、信贷市场（LD）、货币市场（M）、房地产市场（HA）、股票市场（TS）、汇率市场（EX）等因子及月度GDP。最后，基于TVP-FAVAR 模型估算各因子和月度GDP 对通货膨胀在各个时点上的冲击效应，测算出各因子的动态权重系数，并将其代入金融状况指数测度公式：

图1 为中国动态金融状况指数的测度结果，FCI上涨表示中国金融市场相对宽松，FCI下降表示金融市场相对紧缩。具体来看，本文构建的FCI在2008—2010 年和2020—2022 年这两个时间段的波动明显，分别对应次贷危机和疫情冲击发生前后的时间，而其他大部分时间点波动幅度相对较小，与中国整体平稳的金融市场状况比较符合。总体而言，FCI指数大部分时间点走势平稳，每次剧烈波动都与国内外金融风险事件节点相对应，进一步将构建的指数与消费者物价指数（CPI）的走势进行对比，FCI与CPI的波动趋势基本相同并具有一定的领先趋势，说明本文构建的FCI 指数是比较合理的，能较好地反映中国金融市场状况。

图1 FCI、CPI趋势对比图

四、实证结果及分析

（一）平稳性检验

为了避免实证结果的伪回归，对样本数据进行单位根检验，检验结果如表2 所示，从表2 可以看出，在10%的显著性水平下FFR和M2 为非平稳序列，但是其一阶差分在1%的显著性水平下都是平稳序列。

表2 序列单位根检验

（二）指数的区制识别

金融状况指数是衡量金融市场波动和风险的指标，其最主要的作用是监测和评估中国金融市场的整体状况和风险，以及为政府和监管机构提供决策依据。传统金融状况指数区制的划分主要通过金融状况指数的趋势变化和重大金融事件发生时点来确定（尚玉皇等，2021；丁华和丁宁，2018），存在一定的主观性。本文使用MS-AR 模型来识别金融状况区制，相比传统方法，MS-AR 模型对金融状况区制的界定更客观细致，且不受极端值的影响。本文建立MSAR 模型划分金融状况所处的不同区制，并将一系列国内外重大金融事件与金融市场区制相对应，进一步验证动态金融状况指数对中国金融市场状况的衡量效果。马尔可夫区制转换模型是一种非线性模型，具有离散的状态转移性质，允许不同的变量之间以概率方式进行转移，并且能够定量刻画变量动态变化过程中的内生转移机制（Hamilton，1989）。

基于Oxmetrics 软件建立MS-AR 模型，图2 为软件输出的三区制概率图，分别表示各区制的滤波概率、平滑概率与预测概率。从图2中可以看出中国金融状况存在显著的三区制特征，通过MS-AR 模型识别出的三个区制分别代表金融繁荣阶段、金融过渡阶段和金融风险阶段。总体来看，各区制的平滑概率较高，除了区制转换部分，其余部分的平滑概率基本在0.8以上。

图2 模型区制的滤波概率、平滑概率与预测概率分布图

表3 为区制间的转换概率和状态参数，可以发现，系统维持在区制1的概率为0.8987，区制1转移到区制2 的概率为0.0600，区制1 转移到区制3 的概率为0.0413；系统维持在区制2 的概率为0.9443，区制2转移到区制1 的概率为0.0409，区制2 转移到区制3的概率为0.0147；系统维持在区制3的概率为0.8899，区制3 转移到区制1 的概率为0.0000，区制3 转移到区制2 的概率为0.1101。从转移概率可知，系统进入“金融过渡”区制后，向“金融繁荣”与“金融风险”转换的概率很低，这表明，系统更偏好于“金融过渡”区制。从区制样本看，区制1 的样本数量为59 个月，平均持续期为9.87；区制2 的样本数量为143.7 个月，持续期为17.96；区制3 的样本数量为34.3 个月，平均持续期为9.08，区制2“金融过渡”持续期最长。区制的转换概率表明MS-AR 模型回归得到的三区制具有稳定性，相对而言区制2的稳定性更强。

表3 区制间的转换概率和状态参数

进一步对各区制的时间进行详细划分，表4显示三个区制分别包含的时间区间，将划分的区制与中国金融事件进行对应，总体来看，各区制与中国金融市场状况基本吻合。

表4 MS-AR模型区制时间划分

具体来看，区制1 主要处在2004—2006 年和2016—2019年两个区间内。2004年，美国开始加息，联邦基金利率逐步提高，资本的逐利性驱使中国大量国外资金流入美国市场，对中国流动性产生挤压作用，中国面临资本外流和人民币贬值压力，但同时也为中国吸引外部资金提供了新的机遇。2006年12月11日，中国加入世界贸易组织的过渡期结束，金融生态环境进一步改善，金融业对外开放水平不断提高，中国金融体系的稳定性增强。2016 年9 月30 日，国际货币基金组织将人民币纳入特别提款权货币篮子，标志着人民币国际化迈出了重要一步，增强了市场信心，有利于吸引外资进入中国金融市场，促进资本市场的健康发展。总体来看，以上几个时间段中国金融市场稳定，企业盈利能力强，投资者信心高涨，并且在此期间中国股市表现良好、房地产市场火爆、银行业利润不断攀升、国际收支状况稳定，表明中国金融市场发展强劲，处在繁荣发展阶段。

区制2 主要处在2002—2004 年、2009—2015 年和2020—2021 年三个区间内。2002 年11 月至2003年6月美国联邦基金利率不断降低，导致全球流动性的增加，推高了全球大宗商品价格，促进了中国的出口。2003 年中国股市出现大幅度下跌，投资者信心受到极大冲击，造成股市低迷。2013 年8 月，上海自贸区正式挂牌成立，成为中国首个自由贸易试验区，标志着中国金融改革进程迈出了重要一步。2020年，疫情冲击导致我国多个行业受到重创，股市、债市等资产价格大幅波动，金融市场流动性严重紧张。同时为缓解疫情对经济的冲击，美国联邦储备委员会实施大规模的量化宽松政策，国外资本流入中国市场，人民币升值的同时对中国出口企业和经济增长产生一定的影响。在以上几个时间段中国的经济结构转型和金融改革进程加快，金融市场逐渐开放，但同时也面临着金融去杠杆、房地产市场波动等风险和挑战，整体发展处于过渡阶段。

区制3 主要处于2007—2009 年和2022 年两个区间内。2007 年9 月至2008 年初，美国爆发次级贷款危机，中国金融市场的波动性和不稳定性增加，经济增长下滑，股市、房地产市场均出现明显波动，金融市场信心受到打击。2008—2009年3月，金融风险不断深化，投资者的风险恐慌情绪不断上升，中国金融市场面临着较强的外部冲击。2022 年受疫情影响，全球经济增长放缓，中国金融市场受到一定程度的冲击，尤其是股市和债市表现较为不稳定，对投资者信心造成一定影响。同年，美国CPI 同比增幅飙升，为抑制通胀美联储启动了加息周期，一方面，美元升值导致人民币贬值，对中国出口产生不利影响，另一方面，美国利率上升会提高全球风险资产的折现率，导致资本流出中国，对中国股市和房市等资产价格产生下行压力。此外，随着全球资本环境的变化，中国面临着债务违约和金融风险的压力，加之经济增长放缓，对中国金融市场产生一定冲击。以上几个时间段中国金融市场受到外部因素和内部因素的双重冲击，金融市场表现出较大的不确定性和波动性，总体处于风险阶段。

（三）TVP-SV-VAR模型拟合结果分析

美国实施货币政策，通过利率、汇率和资本流动渠道间接影响中国金融市场的稳定。由于金融市场环境的复杂性，美国货币政策对中国金融市场的传导效应也会随着中国金融市场所处的区制的不同产生差异性，针对中国金融市场所处的区制来制定不同的应对政策，可以有效减小美国货币政策对中国金融市场带来的冲击。因此，本文使用美国货币政策的代理变量美国联邦基金利率（FFR）和广义货币供应量（M2）以及中国动态金融状况指数（FCI）建立包含随机波动的时变参数的向量自回归（TVP-SV-VAR）模型，实证研究美国货币政策对中国金融状况的动态传导效应。基于MCMC算法估计后验分布的参数，其中共迭代10000 次，舍弃前1000 次保留后9000 次进行估计，估计结果如图3和表5所示。从表5来看，各参数的标准差都比较小，参数后验均值接近于真实值且都落在95%的置信区间内，表示估计结果有效。Geweke 概率均小于5%的临界值（1.96），即不能拒绝后验分布是收敛的。另外参数的无效因子都低于100，这意味着至少可以得到121 个（10000/82≈121.95）不相关样本，足以用于参数后验推断。

图3 自相关（上）、样本路径（中）、后验密度分布（下）

表5 TVP-SV-VAR模型的抽样检验

图3显示了模型参数估计的自相关图、样本路径和后验密度图，∑b、∑c、∑h等参数自相关系数长期基本接近于零，样本路径极端值较少分布均匀，表明抽样数据平稳有效。从整体结果来看，本文的TVP-SV-VAR 模型通过收敛性和稳定性检验，说明该模型是有效的。

图4为联邦基金利率、美国广义货币供给和中国动态金融状况指数后验波动率走势图。美国联邦基金利率和广义货币供应的方差波动比较明显，波动幅度较大的时段基本对应着美国货币政策实施时期，这也说明本文选用美国广义货币供应量和联邦利率作为考察美国货币政策变化的代理变量是合理的，并且3个变量的后验波动率变动剧烈，表明变量有显著的异方差，同时也说明本文采用TVP-SV-VAR 模型是合理的。

图4 联邦基金利率和广义货币供给和动态金融状况指数后验波动率

（四）时变脉冲响应分析

1.等间隔脉冲响应结果。图5 为联邦基金利率和美国广义货币供给对中国动态金融状况指数的等间隔脉冲响应图，选择的时间间隔为4、8、12个月，得到每一时点上1 单位冲击所产生的脉冲响应情况。实线、短虚线和长虚线分别代表4 期、8 期和12 期滞后，对应短期、中期和长期三种时间间隔的脉冲响应函数。由此可知，无论是紧缩性货币政策还是扩张性货币政策的不同滞后期情形下的等间隔脉冲响应函数走势相对一致，意味着模型相对稳健。

图5 联邦基金利率和美国广义货币供给对中国动态金融状况指数等间隔脉冲响应

总体来看，美国紧缩性货币政策和扩张性货币政策对中国金融状况的短期影响都要大于中长期。图5（a）为美国实施紧缩性货币政策对中国金融状况的冲击，从短期来看，给美国联邦基金利率施加一个单位标准差的正向冲击，在2002—2007 年间呈现出逐渐减小的负向响应，2007 年转为正向响应并逐渐变大，于2008年7月达到峰值（0.036）并开始回落，2013年3 月达到负向峰值（-0.0024）开始回升，并于2019年7 月再次达到正向峰值（0.037）。图5（b）为美国实施扩张性货币政策对中国金融状况的冲击，从短期来看，给美国广义货币供给施加一个单位标准差的正向冲击，在2002—2008年呈现出逐渐变大的正向响应，于2008年9月达到正向峰值（0.09）后开始逐渐回落，于2013年9月达到负向峰值（-0.012），并于2020年1月再次回升达到正向峰值（0.07）。美国实施紧缩性货币政策和扩张性货币政策对中国金融市场的冲击影响均在2008 年和2020 年前后出现正向峰值，主要受2008 年的全球金融危机和2020 年的疫情冲击影响，美国为应对危机实施的货币政策给中国提供了更多的资金流动性和信贷，间接促进中国金融市场的发展。2013年两种类型的货币政策对中国金融状况的冲击均达负向峰值，主要原因在于2013 年中国经济增长进入了一个调整期，美国实施加息或增加货币供给量的货币政策，会导致中国市场出现资产泡沫或通货膨胀等负面影响，进而影响中国金融市场的发展。总体来看，中国金融市场对美国货币政策的冲击响应具有一定的时变特征，并且比较美国扩张性及紧缩性货币政策对中国金融市场的冲击影响，显然扩张性货币政策每单位冲击对中国金融市场的影响更大，表明美国实施扩张性货币政策对中国金融市场的影响作用相对更大。

2.等时点脉冲响应结果。本文根据MS-AR模型的区制划分结果，选择3 个有代表性的时间点，进一步比较不同区制下美国实施紧缩性和扩张性货币政策对中国金融市场的传导效应。如图6所示，选取的3 个时间点为2008 年10 月、2010 年6 月和2018 年3月。其中2008 年10 月处于金融风险区制，全球金融风险的爆发对中国金融市场造成了冲击，导致股市、楼市等多个领域出现大幅波动，严重影响金融市场的稳定性；2010 年6 月处于金融过渡区制，在全球金融风险的影响下，中国政府采取一系列积极的宏观经济政策措施，促进经济增长和就业，也为金融状况的好转奠定基础；2018 年3 月处于金融繁荣区制，中国政府加强金融监管，整治金融市场乱象，金融市场回归稳健发展轨道。整体来看，无论是紧缩性货币政策还是扩张性货币政策对金融市场的冲击在3 个不同时点下的走势基本一致，意味着结果具有一定的稳健性。

图6 联邦基金利率和美国广义货币供给对中国动态金融状况指数等时点脉冲响应

图6（a）为中国金融状况对美国紧缩性货币政策的冲击响应图，整体而言，金融风险时期对中国金融市场的冲击明显更大，先是产生逐渐减小的正向冲击，在第3 期转为负向冲击，负向冲击在第11 期达到峰值。在金融过渡和金融繁荣时期，美国实施紧缩性货币政策对中国金融市场同样先产生逐渐减小的负向冲击，分别在第5期和第6期转为负向冲击，均在第10期达到负向峰值，然后趋于平稳。总体来看，美国实施紧缩性货币政策的前期对中国金融市场有正向影响，主要因为美国采取经济刺激政策，对中国出口产生促进作用，进而对中国金融市场产生正向刺激，但随着时间的推移，美国加息会导致国际资本不断流出中国，从而削弱中国金融市场的流动性和投资需求。在金融风险时期，由于市场不确定性增加，投资者可能会将资金转移到相对安全的避险资产上，更大程度上对中国金融市场产生负面刺激。图6（b）为中国金融状况对美国扩张性货币政策的冲击响应图，美国增加货币供应量对中国金融市场各区制均产生逐渐减小的正向冲击，且金融状况下行压力越大响应程度越大。在金融风险时期，经济处于衰退和不稳定状态，美国增加货币供应量，对中国等新兴市场国家的出口企业和外贸产业提供更多的融资和流动性支持，降低了融资成本，有利于中国经济金融的稳定和增长。在金融过渡和金融繁荣时期，中国金融市场发展相对稳健，美国实施扩张性货币政策对中国金融市场会产生一定的正向波动，但总体小于金融风险时期。比较各时点美国货币政策对中国金融市场状况的冲击影响，无论是紧缩性货币政策还是扩张性货币政策，当中国处于金融风险区制时，美国实施货币政策对中国金融市场的影响更大，这意味着美国货币政策传导具有一定的周期特征。整体来看，中国金融市场对美国紧缩性货币政策的冲击响应为负，对美国扩张性货币政策的冲击响应为正。因此，在不同金融周期环境中，美国货币政策实施对中国金融市场的影响效果具有非对称性。

五、结论与建议

本文选取影响中国金融市场变化的6 类金融指标结合构建月度GDP，以此测度中国动态金融状况指数（FCI），并建立MS-AR模型分析中国动态金融状况指数的区制特征。随后本文选取美国联邦基金利率（FFR）和广义货币供应量（M2）作为美国货币政策的代理变量，结合FCI建立包含随机波动的时变参数向量（TVP-SV-VAR）模型，实证分析美国货币政策对中国金融市场的动态传导效应，得出以下结论：

一是从影响的期限来看，美国货币政策对我国金融市场的影响具有时变特征，美国无论实施紧缩性货币政策还是扩张性货币政策，在短期内对中国金融市场状况的影响相对更大，中长期不断减弱。二是从影响的区制来看，在金融风险时期，美国货币政策对中国金融市场的冲击明显大于金融繁荣时期和金融过渡时期，意味着美国货币政策传导具有周期特征。三是从影响的角度来看，美国实施紧缩性和扩张性货币政策对中国金融市场的影响能力存在差异。美国紧缩性货币政策实施前期有利于中国金融市场发展，实施后期不利于中国金融市场发展，美国实施扩张性货币政策整体有利于中国金融市场发展。

根据本文的分析，为了应对美国货币政策的变化对中国金融市场带来的负面影响以及维持国内实体经济的平稳发展，提出以下建议：

首先，美联储实施紧缩性货币政策或扩张性货币政策进行经济调控，都不会损害中国金融市场的长期高质量发展。因此，在应对美国货币政策溢出效应的影响时，中央银行应该继续保持稳健的货币政策并加强与市场以及公众的沟通和信息披露，以提高金融市场的透明度和可预测性，确保中国金融市场的平稳运行。

其次，金融风险时期美国货币政策对中国金融市场的冲击更大，相关金融部门应该通过加强金融市场基础设施建设、促进金融创新等措施提高金融市场的韧性和应对风险的能力，降低外部冲击的影响。此外，政府还应加强对外经济合作和沟通，共同应对全球经济风险和挑战，维护全球金融市场的稳定和可持续发展。

最后，为减弱美国紧缩性货币政策通过资本流动和货币汇率对中国金融市场造成的不利影响，中国应实施积极的财政政策，扩大基础设施建设、公共服务等领域的投资，通过扩大内需，提高中国金融市场的稳定性，减轻对外部经济环境的依赖。此外，相关金融部门还可以通过适度增加外汇储备和加强监管外汇市场的流动性和交易风险，进一步提高金融市场的稳定性。