资产价格、宏观杠杆率对系统性金融风险的影响

宋长青 黄碧洁 冯天琦

摘要：资产价格大幅波动和宏观杠杆率攀升易引发系统性金融风险，防范系统性金融风险的发生，维持金融体系稳定是我国经济工作的重点。本文选取2007年第一季度至2022年第二季度的数据，运用主成分分析法构建系统性金融风险指数，进一步采用TVP-SV-VAR模型探讨资产价格、宏观杠杆率在不同时期下对系统性金融风险的动态影响。研究发现：资产价格和宏观杠杆率之间存在相互影响的关系；资产价格对系统性金融风险的影响呈现短期负向效应和长期正向效应，杠杆率对系统性金融风险的影响呈现经济不平稳期负向效应、经济平稳期正向效应。

关键词：资产价格；宏观杠杆率；系统性金融风险；TVP-SV-VAR模型

中图分类号：F8315文献标识码：A文章编号：1001-148X（2024）02-0065-09

收稿日期：2023-09-12

作者简介：宋长青（1984—），女，山东沂水人，教授，博士，研究方向：金融风险、货币政策；黄碧洁（1999—），女，陕西安康人，硕士研究生，研究方向：金融风险；冯天琦（2001-），女，陕西汉中人，硕士研究生，研究方向：金融风险。

基金项目：国家社会科学基金西部项目“后疫情时代系统性金融风险监测、预警及防控研究”，项目编号：21XJY016。

一、引言

在经济全球化的推动下，各国家和地区间的经济联系日益紧密，现代金融体系不再是孤立的、局限于国家边界内的个体组成，而是逐渐形成了一个相互依赖、相互联系的整体。资本快速流动、金融市场快速与国际接轨的同时，还代表着金融风险拥有更快的传播速度、更大的影响力。20世纪90年代以来爆发的诸多金融危机事件表明金融危机一旦爆发就势必影响爆发地在内的全部金融市场，也证实了金融稳定发展的重要性。

资产价格和宏观杠杆率是现代经济中两个重要的变量，它们在塑造金融稳定和经济增长方面具有关键作用。东南亚金融危机、美国次贷危机和欧债危机等风险事件表明，资产价格和杠杆率有着密切的联系，实体部门的债务累积会抬高杠杆率，杠杆率的持续上升会加大债务违约风险、资产价格泡沫的形成以及金融市场的不稳定性。我国金融监管部门对此高度重视，2011年引入差别准备金，对流动性宏观审慎政策进行调整；2016年提出要进行双支柱调控，从货币政策方面以及宏观审慎政策方面同时发力；“十四五”规划明确了“健全宏观审慎管理制度，保持宏观杠杆率以稳为主、稳中有降”的目标。因此，有效控制资产价格和稳定杠杆率对于我国金融稳定和经济稳健运行具有十分重要的意义。

二、文献回顾

宏观杠杆率、资产价格和系统性金融风险的研究一直以来都是学术研究的热点问题，这三个因素之间的相互作用对一个国家或地区的金融稳定和经济健康具有深远的影响。相关学者从不同角度讨论了这些问题，取得了大量有益的研究成果，研究内容大体可以分为三个方面。

（一）宏观杠杆率对系统性金融风险的影响

许多研究强调宏观杠杆率与系统性金融风险之间存在密切关系。早期研究认为，宏观杠杆率上升会引发系统性金融风险［1］，而较低的宏观杠杆率能抑制系统性金融风险的发生［2］，因此可以将宏观杠杆率作为系统性金融风险的预警指标［3］。由于宏观杠杆率包括居民杠杆、企业杠杆和政府杠杆，学者逐渐开始聚焦其中一种杠杆率对系统性金融风险的影响，发现这三方面杠杆攀升均会使风险积聚且影响效应显著为正［4-5］。随后有学者提出杠杆率对系统性金融风险的影响并非单一存在正向效应，而是由负向转为正向的，并使用MS-VAR模型验证得到我国居民杠杆率对系统性金融风险的影响存在显著的时变特征［6］。随着相关研究的不断深入，相关学者发现宏观杠杆率上升并不是系统性金融风险发生的唯一因素，当“杠杆率”和“杠杆率/投资率”两个指标同时上升时，系统性金融风险爆发的概率会显著增大［7］。因此，为了有效防范系统性金融风险的发生、维护金融体系的稳定发展，需要合理控制杠杆率，特别是同时控制好微观杠杆率和宏观杠杆率［8］。

（二）资产价格对系统性金融风险的影响

大量研究成果表明资产价格波动会增大系统性金融风险发生的可能，导致金融危机的发生［9-10］。由于资产可进一步分为金融资产和实物资产，相关研究逐渐细化。2008年次贷危机爆发之前，国外学者多以股权类资产价格为代表研究资产价格与系统性金融风险之间的相互影响，发现股市泡沫与系统性金融风险高度相关［11-12］。而2008年之后，国内外学者重点关注以房地产为代表的资产价格和系统性金融风险之间的关系。房地产产业的发展离不开金融支持，我国房地产市场资金主要来源于银行信贷，因此房价波动不利于我国金融稳定［13-14］。随后，学者们基于房价的两种波动情况深入研究其对系统性金融风险的影响，发现房价上涨使以银行业为代表的金融机构风险积聚，会诱发系统性金融风险的发生［15］。而房价下跌同样也会加剧系统性金融风险的发生［16］。综合已有研究成果可知，房地产价格波动是诱发系统性金融风险的重要原因，因此要加强房地产金融风险的治理以达到防控系统性金融风险发生的目的［17］。

（三）宏观杠杆率和资产价格之间的关系

宏观杠杆率和资产价格之间存在复杂的相互关系。早期研究认为触发约束机制后的高杠杆率对资产价格具有负向作用［18］，并且高杠杆率导致的资产价格泡沫破灭往往会扩大金融风险的传染范围［19］。随着对资产价格和宏观杠杆率之间影响关系研究的不断深入，学者发现杠杆率过高是推动资产价格上涨特别是房地产价格上涨的重要因素［20］；反之，资产价格的上涨也会进一步推动宏观杠杆率的上升［21］。随后相关文献逐渐增多，学者开始聚焦金融杠杆率、居民杠杆率和企业杠杆率其中的某一种杠杆率进行研究，发现资产泡沫和金融杠杆、居民杠杆率和企业杠杆率之间均存在相互影响的正向效应［22-24］。

对已有文献进行梳理发现，国内外学者关于宏观杠杆率、资产价格和系统性金融风险三者中任意两个变量间影响关系的研究已取得了丰硕成果，然而，讨论三个变量间影响关系尤其是不同时期三变量间动态影响关系的文献还并不多见。另外，以往文献多聚焦居民杠杆率、政府杠杆率以及非金融部门杠杆率其中一种展开研究，系统性金融风险指数的构建也不够全面。基于此，本文借鉴TVP-SV-VAR模型考察不同时期下宏观杠杆率、资产价格对系统性金融风险的动态影响关系。

本文的边际贡献在于：（1）引入时间参数运用TVP-SV-VAR模型考察不同时期下宏观杠杆率、资产价格对系统性金融风险的动态影响关系，拓展现有三变量间影响关系的研究；（2）从实体经济、金融机构、资本市场和外部冲击等四个维度选取11个指标构建系统性金融风险指数，更加全面、准确地反映我国系统性金融风险运行状况，进而为我国资产价格、杠杆调控以及系统性金融风险防控提供政策参考依据。

三、研究假设

根据杠杆周期理论，杠杆存在顺周期性，即经济周期不同阶段下，杠杆率与资产价格之间均存在相互正向影响关系。宏观杠杆率作为市场杠杆率综合指标，反映债务性融资规模与经济发展比例关系，由政府、非金融、居民和金融部门企业等组成。资产价格通过以上四种途径影响宏观杠杆率：一是资产价格波动影响地方政府债务水平，导致政府杠杆率发生波动。资产价格上涨时，政府通过税收获得收入；反之，政府财政收入下降，增加债务填补财政缺口，政府杠杆率波动。二是资产价格上升促使消费者需求前移，居民借贷消费引起债务规模扩大，居民杠杆率上升。三是依据抵押担保机制，资产升值增强信贷能力，企业杠杆率上升。四是资产价格上涨，银行信贷规模扩大，金融杠杆率上升。此外，杠杆率也对资产价格产生影响。政府杠杆率上升，财政支出增加诱发市场乐观情绪，资产价格上涨；居民杠杆率上升，资产信贷需求增加，资产价格上涨；金融杠杆率上升，资产市场资金流规模扩大，呈现“债务-资产价格”螺旋上涨趋势。基于以上分析，本文提出以下研究假设：

H1：资产价格和宏观杠杆率之间存在相互促进的正向关系。

资产价格波动理论认为，资产价格水平影响系统性金融风险。资产价格波动可通过资产负债表、借款人信用获得能力等方面影响金融稳定程度与风险水平。从宏观角度来看，资产价格上涨引发资金涌入，资产行业以及金融行业整体利润增加，短期内金融系统呈现繁荣状态，长期中资产市场信贷规模不断增加形成价格泡沫，引发金融风险。资产价格下跌，企业财务状况恶化触发抛售行为，造成市场流动性紧缩，加大系统性金融风险发生可能性。从微观角度来看，资产价格波动加剧了信息不对称，资金配置效率低下，导致金融不稳定。基于以上分析，本文提出以下研究假设：

H2：资产价格对系统性金融风险的影响有时变特征。

根据费雪的债务周期理论，经济低迷时期，资金流速慢风险敞口小，杠杆率适当提升使金融部门收益升高、经济升温，避免了由于经济过分萎靡而引发的金融风险，此过程中宏观杠杆率增加了负向影响系统性金融风险的累积。经济较热时，基于乐观情绪社会产生投资冲动，高杠杆率部门陷入过度负债危机，抛售资产导致经济下行，引发系统性金融风险。明斯基金融不稳定假说也认为，高杠杆率增加债务违约风险，影响金融体系不稳定性及脆弱性，积聚系统性金融风险。基于以上分析，本文提出以下研究假设：

H3：宏观杠杆率对系统性金融风险的影响有时变特征。

四、研究设计

房地产价格作为资产价格的重要指标之一，被广泛关注和使用，以此评估经济状况、资产市场表现和个人财务状况以及对经济发展、就业和金融系统稳定具有的深远影响。

在资产价格、宏观杠杆率和系统性金融风险的文献梳理和理论分析基础上，本文选用房地产价格代表资产价格，以房地产价格、宏观杠杆率和系统性金融风险为研究对象，考察不同时期下三者之间的复杂动态关系，选用脉冲响应函数对其进行分析，探讨三个变量之间的动态影响关系。TVP-SV-VAR模型是由Primiceri（2005）［25］提出并由Nakajima（2011）［26］进行优化，是一种用于分析时间序列数据动态影响关系的统计模型，该模型加入了时变参数和随机波动，能够准确刻画不同时期下变量间的复杂动态关系。因此本文借鉴该模型讨论房地产价格（P）、宏观杠杆率（L）和系统性金融风险（FRI）三者之间的动态时变关系。先用马尔科夫蒙特卡洛模拟法（MCMC）进行参数估计，再对脉冲响应图进行分析。期待为金融监管和防范金融风险提供参考依据。

（一）模型设定

在介绍TVP-SV-VAR模型之前，首先需要介绍结构向量自回归模型（SVAR），具体形式为：

Ayt=F1yt－1+Fyt－2+…+Fsyt－s+μt，t=s+1，……，n（1）

将式（1）改为式（2），其中Bi=A－1Fi，i=1，…，s

yt=B1yt－1+···+Bsyt－s+A－1∑εt，εt～N（0，Ik）（2）

进一步简化，即可得到TVP-SV-VAR模型，具体形式为：

yt=Xtβt+At－1∑tεt，t=1，…，n（3）

其中，yt=（Pt，Lt，FRIt），Pt、Lt、FRIt分别表示第t时期房地产价格、宏观杠杆率和系统性金融风险指数。Xt=Ik（yt-1，yt-2，…，yt-s），βt、A－1t和∑t均随时间变动。

（二）指标及数据选取

本文选用房地产价格（P），宏观杠杆率（L）以及利用主成分分析法构建的系统性金融风险指数（FRI）作为模型的三个变量。样本数据时间范围为2007年第一季度至2022年第二季度。数据来源于国家统计局、国家金融与发展实验室官方网站、中国人民银行和国泰安数据库。

1.房地产价格（P）：本文用中国商品房销售金额除以商品房销售面积计算可得商品房价格，再对商品房价格进行对数处理可以得到房地产价格，计算方法为：

P=ln（NFSj/FSSj）（4）

其中，NFSj代表第j期商品房销售金额；FSSj代表第j期商品房销售面积。

2.宏观杠杆率（L）：本文用政府部门、金融部门、非金融企业部门和居民部门的债务总额分别与同期GDP相除，计算得到这四个部门的杠杆率，再将四个部门的杠杆率加总，最后对加总的杠杆率取对数处理可以得到宏观杠杆率，计算方法为：

L=ln∑4i=1liabilitiesij/GDPj（5）

其中，liabilitiesij代表第i个部门第j期的负债总额，GDPi代表第j期的国内生产总值。

3.系统性金融风险指数（FRI）：本文借鉴郭娜等（2018）［27］提出的指标体系构建系统性金融风险指数，从实体经济、金融机构、资本市场和外部冲击等四个维度出发，共选取11个指标。具体如表1所示。

首先，采用X-12加法模型对存在季节变动的指标进行调整，有效抑制季节性波动。其次，进行无量纲化指标处理，采用min-max方法对逆向指标进行正向化处理以达到消除数据不一致性的目的，公式如下。

Yij=（Xij－minXij）/（minXij－maxXij）（6）

式（6）中，Yij表示数据处理后第i个指标第j期的数据。

最后，利用主成分分析法确定指标权重，结果表明，当特征值大于1时，能有效揭示原始数据的真实情况，因此本文提取能够反映原变量信息的三个主成分，其累积方差贡献率达到70287%。各指标权重如表2所示。根据各指标对应的权重，计算出整体的系统性金融风险指数。

（三）模型检验

首先，对与宏观经济相关的三个变量进行平稳性检验以判断三个变量的平稳性，经ADF单位根检验可知，三个变量均为一阶差分序列平稳，如表3所示。

其次，根据AIC和SC最小值准则确定最优滞后阶数为3。最后，采用马尔科夫蒙特卡洛模拟法（MCMC）对样本随机抽取10000次，并在此基础上剔除前1000次样本模拟结果，以确保所获取样本集的有效性。结果如表4和图1所示。表4的实证结果表明，参数的后验均值在95%的置信度下可信，Geweke值均低于196，且无效因子均较小，最大值为5578，说明模型估计结果有效。图1中，第一行表明自相关系数呈稳健下降趋势并最终趋于0，说明模型具有稳健性；第二行参数收敛路径表示参数的后验分布呈稳定独立的趋势；第三行正态分布说明是有效的抽样结果。

五、实证结果分析

（一）系统性金融风险指数分析

运用主成分分析法构建系统性金融风险指数，得到2007年第一季度至2022年第二季度中国系统性金融风险指数的变化趋势，如图2所示。由图2可知，除了2007年第三季度系统性金融风险指数达到07以上，其他时段我国系统性金融风险指数均在04上下浮动。从整体风险趋势变化来看，可以分为四个阶段：第一阶段是2008年金融危机前后，我国系统性金融风险指数波动剧烈。国际金融危机爆发前，股票市场和金融机构的风险不断攀升，直到危机爆发后，股票市场大幅下跌，经济形势恶化，此时风险开始释放，2008年年底在“四万亿投资计划”的刺激下，金融市场动荡逐渐缓解，国内经济形势逐渐好转，金融体系恢复正常，系统性金融风险指数回升至正常水平。第二阶段是2010—2012年，欧洲主权债务危机的爆发对全球金融体系造成了很大的冲击，再加之此时国内宏观经济疲软，通胀水平较高，金融风险再度加剧。第三阶段是2015年股灾发生前后，我国系统性金融风险出现了短暂的峰值。2015年，第一季度股灾发生后，股票市场暴跌，流动性危机加剧，风险急剧上升，央行三次降准降息，政府采取了“去杠杆”的政策，股票市场得到缓解，风险指数回落。第四阶段2020年新冠疫情爆发前后，系统性金融风险指数不断攀升，在2021年一季度之后回落到正常水平。资管新规的实施缓解了房地产市场繁荣的景象，信贷资金逐渐回归实体经济，信用风险降低，2019年年底突发公共卫生事件的冲击，大量企业停工停产，各大金融市场风险增加，加之2020年全球新冠肺炎疫情的爆发，外汇市场风险急剧上升，系统性金融风险进一步增加。2021年起，随着各项政策的落实，我国宏观经济开始恢复，金融监管得以完善，金融市场恢复稳定，我国系统性金融风险不断降低。

图1参数估计结果

图2系统性金融风险指数

（二）不同时期下脉冲响应分析

按照房地产价格（P）、宏观杠杆率（L）和系统性金融风险指数（FRI）的顺序进行模型回归，基于Ox-Metrics软件进行模型脉冲分析，讨论三个变量之间的时变关系。对于不同滞后期的设定，由于本文数据为季度数据，且变量间的冲击响应存在滞后性，本文将等间隔脉冲的滞后期设定为1期（一季度）、2期（半年）和4期（一年），分别作为短期、中期和长期脉冲响应的时间节点。

由图3可知不同时期下房价和宏观杠杆率之间存在相互作用的联动关系。房地产价格上涨伴随着宏观杠杆率的上升，宏观杠杆率对房地产价格也有着正向的促进作用。2008年金融危机爆发之后，为了维护经济金融稳定，政府实施积极的财政政策和适度的宽松货币政策，并推出四万亿投资计划来促进房地产市场稳定健康发展。政策实施后，大量资金流入房地产市场，房价增长对宏观杠杆率的推动作用显著增加，2009年底达到峰值。房地产市场过度繁荣，国务院在2010年1月出台了“国十一条”，信贷政策收紧，房地产价格对宏观杠杆率的作用大幅下降，房地产行业增长速度减慢。2013年，国务院出台“新国五条”，房地产政策转向宽松，央行先后两次降准、降息以鼓励房地产企业融资。这一系列举措对促进房地产市场的繁荣起到积极推动作用，并且也增强了房价对宏观杠杆率产生的积极影响。2015年股灾发生之后，大量资金涌入房地产市场，为了防止房价上涨扰乱金融市场，相关部门出台“房住不炒”等政策，削弱了房地产价格对宏观杠杆率的拉动作用。宏观杠杆率上升意味着负债的增加，居民的可支配收入减少，居民通过信贷手段将资金投入房地产市场需要时间，因此冲击效应存在时滞性，长期宏观杠杆率的上升才会促进房价的上涨。上述分析支持了假设H1的存在。

图3不同时期的房价和宏观杠杆率之间的相互影响

图4房价、宏观杠杆率对系统性金融风险的时变脉冲响应图

图4左图所示不同时期下房价对系统性金融风险的时变反应。在短期内房地产价格与系统性金融风险指数之间呈负相关关系，房价持续上涨会加剧系统性金融风险的发生。2008年金融危机之后国内经济处于萎靡阶段，房价上涨带动房地产信贷规模不断扩张，对经济复苏有促进作用，而2015年股灾发生之后，政府采取了较为宽松的信贷政策，同时央行连续降息降准，减轻了居民购房负担，刺激消费者购房意愿，房价不断攀升，房地产市场风险增加。长期来看，房地产价格不断提高，短期内产生的虚假繁荣景象带来的危机不断累积，同时资本逐利性会促使投资者将大量资金投入资产价格部门，这些影响会促使房地产价格上涨对系统性金融风险的拉动作用。检验结果验证了假设H2的存在。

图4右图为不同时期下宏观杠杆率对系统性金融风险的时变反应。宏观杠杆率和系统性金融风险指数之间存在明显的负向关系，这种变化趋势在三个不同时期表现出相似的特征，短期和中期脉冲响应函数趋势较平稳，长期呈现四次先上升后下降的趋势。2008年以前，处于低水平的宏观杠杆率的正向冲击为各部门提供现金流，系统性金融风险发生的概率下降；2010年，在“四万亿投资计划”的实施下，各部门的杠杆过度攀升，风险累积速度加快；2015年股灾之后，宏观杠杆率的上升带动股市发展，提高了金融部门的资本回报率和规模收益，信贷风险相对削弱，系统性金融风险降低；2019年年底新冠疫情的爆发，债务风险持续累积，杠杆率不断攀升，政府出台了一系列“去杠杆”的政策维持金融市场平稳运行，在一定程度上对金融领域的债务拖欠进行了有效控制，因此也降低了系统性金融风险，减少金融市场波动的可能性。

（三）不同时点下脉冲响应分析

根据上述实证结果分析可以发现，各变量之间存在相互影响的动态关系，为进一步探究不同时点下变量之间的影响关系，本文选取了金融危机爆发时期（2008年第二季度），股灾爆发时期（2015年第二季度）以及新冠疫情爆发时期（2020年第一季度）作为三个脉冲响应时点。

由图5可知不同时点下房地产价格和宏观杠杆率之间相互影响的关系。2008年、2015年和2020年这三个时点下房地产价格上涨对宏观杠杆率有明显的拉动作用，随着间隔时期的增加房价增长对宏观杠杆率的推动作用减弱。原因可能是短期房价上涨，公众预期乐观，信贷需求增加，宏观杠杆率提高，随着危机发生时间的持续，公众的信贷需求降低，房价的上涨不会再推动宏观杠杆率的上升。2008年，宏观杠杆率对房价的冲击效应呈现先上升后下降的倒V形走势，整体表现为正向影响，2015年和2020年宏观杠杆率上升对房价的正向效应较为强烈。原因可能是2008年金融危机之后，短期的宏观杠杆率上升加快了各部门之间现金流的流动速度，公众的住房需求急剧增加，房价不断上涨，长期来看，政府严格控制购房政策，坚持“房住不炒”的基调，宏观杠杆率的上升对房价的拉动作用减弱。2015年和2020年杠杆率攀升，信贷机构基于风险回避效应减少信贷发放，流入房地产市场的资金减少，房地产价格下降，随着股灾和新冠疫情逐渐平息，信贷机构出于逐利增加信贷的发放，刺激公众住房购买需求，房地产价格上涨。

图5不同时点下房价和宏观杠杆率之间的相互影响

图6不同时点下房价、宏观杠杆率对系统性金融风险的影响

图6左图为不同时点下房地产价格对系统性金融风险指数的脉冲响应图。2015年和2020年的脉冲响应均为正向效应。表明股灾和新冠疫情刚爆发时，房价大幅波动会刺激系统性金融风险上升，随着时间的增加，政府采取宽松积极的政策以稳定经济，国内经济处于稳健时期，房价上涨对系统性金融风险的刺激作用减弱。2008年的脉冲响应在滞后12期由负效应转为正效应，可能是因为金融危机爆发后，国内经济受到冲击，众多企业发展困难甚至倒闭，我国资本市场面临下行压力，短期内提升房价并不会刺激系统性金融风险的增加；但长期来看，在四万亿投资计划的刺激下房价大幅上涨，加之限购政策逐渐放松，宏观经济开始复苏，大量资金流入房地产行业，系统性金融风险不断上升。

图6右图为不同时点下宏观杠杆率对系统性金融风险的时变影响。在经济低迷时期（2008年、2015年和2020年）宏观杠杆率对系统性金融风险的冲击是负向的，当经济较热时，宏观杠杆率对系统性金融风险的冲击开始转为正效应。上述结果表明，经济低迷时期宏观杠杆率上涨可以促进融资，系统金融风险发生概率降低；当经济较热时，各部门的金融风险完全暴露，宏观杠杆率的持续攀升会使系统性金融风险上升。上述分析支持了假设H3的存在。

六、结论与政策建议

本文基于2007年第一季度至2022年第二季度数据，构建以房地产价格为代表的资产价格、宏观杠杆率和系统性金融风险的TVP-SV-VAR模型，研究不同时期下三者之间的动态时变特征，得到如下结论：（1）资产价格、宏观杠杆率和系统性金融风险三个变量之间具有显著的时变性。资产价格和宏观杠杆率之间存在相互促进的联动关系，资产价格对系统性金融风险的影响呈现短期负向效应和长期正向效应。杠杆率对系统性金融风险的影响是负向的，且短期效应大于中长期效应。（2）经济低迷时宏观杠杆率的正向波动会抑制系统性金融风险，经济过热时则会推动系统性金融风险的发生。

基于上述研究结论，本文认为在新发展格局下，维护经济金融体系稳定、防范系统性金融风险是实现长期可持续发展的重要前提，提出如下政策建议：

第一，多措并举，维持资产价格稳定。坚持“房住不炒”定位，遏制投资投机性行为，坚持房屋租购并举，适时调整优化房地产政策，推动房地产市场平稳健康发展。政府可引入新融资模式，吸引外来资金流入，加速释放市场价值。建立健全信用体系相关法律法规，完善个人和房地产企业的征信制度，实施房地产金融审慎管理制度，加强金融监管和房地产调控之间的协调配合，降低因房地产市场长期大幅波动而造成的金融体系不稳定因素。立足“活跃市场，提振信心”的政策目标，稳定资本市场信心，推动监管关口前移，形成行业监管与证券监管的强大合力。监管部门可健全触发稳定股价措施启动条件，建立广泛的债券市场流动性管理机制，尽量避免利率短期内大幅上升；建立不同情况下的危机处置机制，在市场出现异常波动初期做到及时有效干预；优化二级市场流动性管理机制，推动建立更广泛的做市商制度，降低市场异常波动对金融稳定的影响。

第二，温和稳健去杠杆，促进金融稳定发展。宏观杠杆率对系统性金融风险存在时变影响，因此应该温和稳健去杠杆，针对不同行业、地区、部门制定去杠杆措施：低杠杆地区和新兴产业发展较快的地区，需加强逆周期调节的力度，特别是在经济上行阶段尽量避免杠杆率上升过快，在经济下行阶段则可适当放松银根，扩大贷款规模，促进企业投资增加；高杠杆地区或传统行业占比较大的地区，应不断推进供给侧结构性改革，逐步淘汰落后产能、优化企业规模、创造良好营商环境以降低企业销售和管理成本，促进地区经济转型升级，为经济发展提供长期动力。监管机构应加大对金融机构的监督和检查力度，提高风险发现和处置的能力，避免投机性加杠杆造成的金融风险，适应市场的经济状况，推动产业结构升级，保持杠杆率在合理区间内增长，推进经济和金融系统的稳定发展。

第三，强化宏微观审慎监管，防范系统性金融风险。采取“全方位”的监管方式，在充分保证信息公开、公正的基础上，建立健全质量信息评估体系，加强市场主体信息披露监管，提高市场参与者对金融产品和交易的透明度，加大对虚假披露行为的打击力度，加强对金融机构内部的风险管理，切实承担起防范化解金融风险的主体责任，促进我国金融业健康发展。完善系统性金融风险预警机制，建设动态管理指标，建立统一风险管理框架，识别、量化和监督风险，加强风险防范和应急处置能力，拓展宏观审慎政策的工具箱。在不断完善系统性金融风险预警机制基础上，分部门构建指标体系识别和监测各部门的金融风险，实现对跨市场、跨行业金融风险的实时监测和及时响应，降低金融体系内风险溢出的程度，并将各部门风险指数综合成国家金融体系的金融风险指数，建立定期进行风险评估和压力测试的机制，用来评估金融体系的韧性和抗风险能力，提前采取风险防范措施。

参考文献：

［1］AdrianT，ShinHS.FinancialIntermediariesandMonetaryEconomics-ScienceDirect［J］．HandbookofMonetaryEconomics，2010，3：601-650.

［2］RecharterCM，RogoffKS.GrowthinaTimeofDebt［J］．AmericanEconomicReview，2010，2（100）：573-578.

［3］王桂虎.宏观杠杆率引致系统性金融风险的传导机制研究——基于40个国家及地区的经验研究［J］．郑州大学学报（哲学社会科学版），2018，51（6）：53-58，156.

［4］张敏锋，郭倩蓉，林进忠.居民加杠杆背景下系统性金融风险测度研究［J］．上海金融，2018（11）：39-42.

［5］江红莉，蒋鹏程.实体经济部门杠杆的溢出效应及对系统性金融风险的传导研究［J］．金融监管研究，2019（6）：103-114.

［6］刘丽娟，江红莉.基于MS-VAR模型的居民杠杆率与系统性金融风险动态关联研究［J］．武汉金融，2020（2）：27-33.

［7］陈彦斌，随晓芹，刘哲希.系统性金融风险预警指标——杠杆率与“杠杆率/投资率”比较［J］．世界经济文汇，2020（6）：21-36.

［8］许晓芳，陆正飞.企业杠杆、杠杆操纵与经济高质量发展［J］．会计研究，2022（6）：3-15.

［9］KiyotakiN，MooreJ.Balance-sheetcontagion［J］．AmericanEconomicReview，2002，92（2）：46-50.

［10］张瑜，朱衣豪.短期跨境资本流入、资产价格与系统性金融风险［J］．世界经济与政治论坛，2020（3）：128-152.

［11］KindlebergerCP，AliberRZ，SolowRM.Manias，Panics，andCrashes：AHistoryofFinancialCrises［M］．London：PalgraveMacmillan，2005.

［12］WilsonJW，JonesCP.AnAnalysisoftheS&P500IndexandCowlessExtensions：PriceIndexesandStockReturns，1870-1999［J］．TheJournalofBusiness，2002，75（3）：505-533.

［13］张蕊，马瑞婷，郭潇，蔓吴良.金融不确定性对我国系统性金融风险的影响机制及其时变性研究［J］．经济问题探索.2022（6）：88-106.

［14］吴迪，张楚然，侯成琪.住房价格、金融稳定与宏观审慎政策［J］．金融研究.2022（7）：57-75.

［15］张屹山，李晓新，李志玲.中国系统性金融风险内部市场间的动态传导研究［J］．社会科学战线.2023（3）：70-79.

［16］沈悦，郭培利，李巍军.房价冲击如何生成系统性金融风险［J］．财贸研究，2015，26（3）：120-127.

［17］胡金星.存量房为主的时代要严控房地产金融风险［J］．探索与争鸣，2017（12）：42-44.

［18］Mendoza，EnriqueG.SuddenStops，FinancialCrises，andLeverage［J］．AmericanEconomicReview，2010，100（5）：1941-1966.

［19］MianA，SufiA.TheConsequencesofMortgageCreditExpansion：EvidencefromtheU.S.MortgageDefaultCrisis［J］．TheQuarterlyJournalofEconomics，2010（4）：124.

［20］郭晔.政策调控、杠杆率与区域房地产价格［J］．厦门大学学报（哲学社会科学版），2011（4）：43-50.

［21］刘晓星，姚登宝.金融脱媒、资产价格与经济波动：基于DNK-DSGE模型分析［J］．世界经济，2016，39（6）：29-53.

［22］冯文芳，刘晓星，石广平等.金融杠杆与资产泡沫动态引导关系研究［J］．经济问题探索，2017（4）：135-146.

［23］王可，杨雨晴.房地产的金融属性与宏观债务效应研究［J］．经济问题，2018（7）：34-38.

［24］解瑶姝.“去杠杆”视角下资产价格、通货膨胀与财政政策关联性研究［J］．现代经济探讨，2020（6）：45-54.

［25］PrimiceriGE.TimeVaryingStructuralVectorAutoregressionsandMonetaryPolicy［J］．TheReviewofEconomicStudies（S0034-6527），2005，72（3）：821-852.

［26］Nakajima，J.Time-VaryingParameterVARModelwithStochasticVolaility：AnOverviewofMethodologyandEmpiricalApplications［J］．MonetaryandEconomicStudies，2011，29（6）：107-142.

［27］郭娜，祁帆，张宁.我国系统性金融风险指数的度量与监测［J］．财经科学，2018（2）：1-14.

TheImpactofAssetPricesandMacroLeverageonSystemicFinancialRisk

SONGChangqing，HUANGBijie，FENGTianqi

（SchoolofEconomics，XianUniversityofFinanceandEconomics，Xian710100，China）

Abstract：Largefluctuationsinassetpricesandrisingmacroleveragearepronetotriggeringsystemicfinancialrisks，andpreventingtheoccurrenceofsystemicfinancialrisksandmaintainingthestabilityofthefinancialsystemarethefocusofChinaseconomicwork.Thispaperselectsthedatafromthefirstquarterof2007tothesecondquarterof2022，constructsthesystemicfinancialriskindexusingprincipalcomponentanalysis，andfurtherusesTVP-SV-VARmodeltoexplorethedynamicimpactofassetpricesandmacroleverageonsystemicfinancialriskindifferentperiods.Thestudyfindsthat：thereisaninteractiverelationshipbetweenassetpricesandmacroleverage;theimpactofassetpricesonsystemicfinancialriskshowsashort-termnegativeeffectandalong-termpositiveeffect，andtheimpactofleverageonsystemicfinancialriskshowsanegativeeffectduringtheperiodofeconomicinstabilityandapositiveeffectduringtheperiodofeconomicstability.

Keywords：assetprices;macroleverage;systemicfinancialrisk;TVP-SV-VARmodel

（责任编辑：邹学慧）