在全球金融一體化浪潮與金融創新加速的大背景下，系統性金融風險對經濟穩定的沖擊愈發顯著。我國金融市場開放程度逐步加深，金融體系的復雜程度與日俱增，如何精準識別、有效防范系統性金融風險，已然成為金融領域亟待攻克的核心難題。平總書記曾著重指出，“防范化解金融風險，特別是嚴防系統性金融風險的發生，是金融工作的核心任務”，“必須堅守不發生系統性金融風險的底線，推動金融實現高質量發展”。這些重要指示，深刻彰顯了維護金融穩定對于國家經濟安全、社會和諧穩定以及人民幸福生活的關鍵支撐作用。本文深入研究中國系統性金融風險，測度風險水平，并剖析驅動因素對其動態影響。選取包括宏觀經濟指標和六大金融子市場的二十八個關鍵指標，使用 TVP-FAVAR 模型構建金融壓力指數，并進一步運用MS-VAR 模型驗證其有效性，結果顯示：所構建的金融壓力指數能夠精確呈現金融市場的壓力狀態，可作為衡量系統性金融風險水平的有效變量，從而為后續研究筑牢根基。在有效測度系統性金融風險水平的基礎上，本文梳理系統性金融風險的驅動因素，從三個維度篩選出七個具有代表性的變量。先通過BDS 非線性檢驗判定變量間的非線性關系，進而運用非線性 Granger 因果檢驗，證實其中五個驅動因素與系統性金融風險存在顯著的非線性作用關系，為后續深入探究提供理論支撐。為深入洞察驅動因素對系統性金融風險的影響，構建 TVP-SV-VAR 模型并根據等間隔脈沖響應函數及時點脈沖響應函數展開分析。經研究可得，五個驅動因素對系統性金融風險有著多層面且不斷動態變化的作用。在不同時期以及不同提前期的設定情形下，各因素對系統性金融風險的影響程度和方向，都展現出極為顯著的差別。第一，不同驅動因素對系統性金融風險的影響呈現出異質性，系統性金融風險在面對沖擊時，響應程度有所不同；第二，面對驅動因素的沖擊，系統性金融風險在不同提前期的響應不同，基本遵循短期波動大于中期波動大于長期波動，說明系統性金融風險對各驅動因素反應較為敏感；第三，在不同時點上應對相同驅動因素的沖擊，系統性金融風險的短中長期響應也不盡相同，以 2015 年股災、2018 年中美貿易貿易摩擦和 2020 年新冠疫情為例，同一驅動因素的變動，系統性金融風險的反應也會因為不同的經濟環境而有所差異。

AbstractUnder the background of the global financial integration and the acceleration of financialinnovation, the impact of systemic financial risk on economic stability has become more andmore significant. The degree of opening up of China's financial market is gradually deepening,and the complexity of the financial system is increasing day by day. These importantinstructions profoundly demonstrate the key role of financial stability in supporting nationaleconomic security, social harmony and stability and people's happy lives.This paper investigates the systemic financial risk in China, measures the level of risk, andanalyzes the dynamic impact of driving factors on it. Twenty-eight key indicators includingmacroeconomic indicators and six financial sub-markets are selected to construct the financialstress index by TVP-FAVAR model, and further verify its effectiveness by MS-VAR model.The results show that: The constructed financial stress index can accurately present the stressstate of the financial market and can be used as an effective variable to measure the level ofsystemic financial risk, thus laying a solid foundation for subsequent research. On the basis ofeffectively measuring the level of systemic financial risk, this paper sorts out the driving factorsof systemic financial risk and selects seven representative variables from three dimensions.Firstly, the nonlinear relationship between variables is determined by BDS nonlinear test, andthen the nonlinear Granger causality test is used to confirm that there is a significant nonlinearrelationship between five driving factors and systemic financial risk, which provides theoreticalsupport for subsequent in-depth research.

第一章 引言

研究背景和意義

 研究背景系統性金融風險不僅沖擊金融體系的穩定，更會干擾宏觀經濟的運行、造成全社會財富的縮水：一方面，金融市場內信用緊縮，資產價格持續、深入地下跌，金融機構的大批倒閉和金融服務的中斷。另一方面，宏觀經濟運行也受到沖擊，社會總產出和就業嚴重下降，政府債務呈現爆發式增長，從而使經濟增長放緩或甚至出現負增長。2008 年的美國次貸危機，這場危機宛如一場破壞力超強的金融海嘯，不僅重創了美國本土經濟。美國居民因房產價值暴跌、失業潮來襲，家庭財富大幅縮水，生活質量急劇下降，許多家庭面臨房貸違約、房屋被收回的困境。企業則因融資困難、市場需求萎縮，紛紛削減生產規模、裁員，大量企業破產倒閉，實體經濟遭受沉重打擊。政府為了穩定經濟，投入巨額資金救助金融機構、刺激經濟增長，導致財政赤字急劇擴大，政府債務高筑。更為嚴重的是，這場危機以超強的破壞力迅速席卷全球兩百多個國家和地區。國際金融市場劇烈動蕩，各國股市暴跌，金融機構損失慘重，大量資金從新興市場撤離，引發了全球性的金融危機。全球貿易嚴重受阻，各國出口企業訂單銳減，國際貿易量大幅下降，對全球經濟和金融體系造成了巨大且持久的沖擊，至今仍在某些國家和地區留下難以磨滅的傷痕，深刻地警示著人們系統性金融風險的巨大危害。在全球經濟一體化的加速和科技在金融領域的深度滲透的背景下，金融創新日益呈現出蓬勃發展的態勢。各類新型金融產品、業務模式如雨后春筍般不斷涌現，從復雜的結構化金融衍生品，到依托大數據、人工智能的新興金融科技應用，極大地豐富了金融市場的生態。然而，這一繁榮景象背后，卻使得金融市場之間的關聯性愈加緊密。不同金融機構、金融市場板塊之間通過錯綜復雜的資金鏈條、業務往來以及信息傳導機制，形成牽一發而動全身的復雜網絡。在這種形勢下，系統性金融風險呈現出更為復雜的特性。首先，金融創新活動模糊了傳統金融業務的界限，致使風險根源難以清晰界定。與此同時，金融市場間關聯性的顯著增強，使得風險傳播速率加快、范圍擴大。一個看似微小的風險事件，極有可能借助高度關聯的金融網絡，在短時間內迅速蔓延至整個金融體系，進而引發一系列連鎖反應。再者，新興金融科技應用在提升金融服務效率的同時。

系統性金融風險與驅動因素的 TVP-SV-VAR 模型參數診斷結果圖

金融脆弱性理論金融脆弱性理論是從傳統宏觀經濟的角度解釋系統性金融風險的成因，該理論認為，金融風險普遍存在的，金融機構本身的脆弱性使得金融危機和不穩定性成為可能。金融脆弱性理論的基礎包括金融不穩定性假說、安全邊界理論、信息不對稱理論等。金融不穩定性假說最初由美國經濟學家 Hyman P. Minsky 于 1982 年提出，該理論認為經濟的穩定往往會導致金融市場的風險積累，這種穩定并非預示著長期的安全，而是潛藏著未來的脆弱性。Minsky 通過債務結構的變化來描繪金融不穩定的演化過程，他將借款人分為三類：保守型、投機型和龐氏型。保守型借款人能夠按時償還債務，風險較低；投機型借款人只能支付利息，依賴資產價格上漲和再融資來維持債務；龐氏型借款人則完全依賴不斷借新債來償還舊債，無法履行實際的債務償還。在經濟繁榮期間，由于信貸的寬松，金融市場的風險難以察覺，債務不斷積累，導致金融體系逐漸變得不穩定。當經濟衰退或資產價格下跌時，這種積累的風險迅速暴露，投機型和龐氏型借款人無法償還債務，違約激增，信用市場收緊，從而引發金融危機。在 Minsky 金融脆弱性理論基礎上，以銀行為切入點進一步探討金融脆弱性，J. A.Kregel（1997）提出了安全邊界理論。該理論認為，金融機構應設定適當的“安全邊界”，即具備應對潛在市場波動和經濟不確定性的風險承受能力或資本儲備，以防止因過度承擔風險而引發系統性金融危機。具體而言，銀行會根據借款人的歷史信用記錄來決定是否放貸，并依此評估其“信用風險”以設定安全邊界。在經濟繁榮期，借款人信用狀況良好，銀行通常降低安全邊界，這增強了金融體系的脆弱性。隨著安全邊界的壓縮，輕微的經濟波動可能引發債務違約，從而加劇金融風險的累積。信息不對稱理論揭示了金融市場中投資者與借款人之間的資訊差距，這種差距常導致資源配置不有效，進一步加劇金融系統的脆弱性。Stiglitz 指出，信息不對稱會引發金融體系的不穩定。在市場中，不同參與者掌握信息的差距明顯，信息占優方能在交易中獲益更多，而信息劣勢方則難以做出最佳決策，從而引起交易不公平，并最終導致市場失衡，出現逆向選擇、道德風險和委托代理等問題。逆向選擇由 Akerlof 最早提出，指信息優勢的一方在交易中獲益，而信息劣勢方遭受損失，長期積累下來會導致交易效率低下，甚至最終引發市場失靈。系統性金融風險的極端表現——金融危機，不僅沖擊金融體系，而且對實體經濟產生深遠影響。首先，金融危機引發的信貸緊縮會影響工商業企業的發展。為了降低風險，金融機構往往會收緊信貸政策，提高貸款門檻，減少貸款發放。這樣，企業很難獲得足夠的資金來擴大生產、購買原材料等，進而導致生產能力下降，企業不得不縮減產能，最終可能引發失業增加。大量企業面臨經營困境，甚至倒閉，從而引發整體經濟產出下滑，經濟增長陷入停滯或衰退。此外，企業和投資者在經濟繁榮時過度借債，危機爆發影響償債能力，信用風險加劇，進一步加劇了經濟衰退。在經濟繁榮時期，企業和投資者受到樂觀情緒的影響，過度借貸進行擴張。然而，危機的爆發導致資產價格下跌，企業資產貶值，收入減少，償債能力大幅下降，許多企業因此無法按時還款，頻繁發生違約，甚至破產。企業破產又會對其上下游產業鏈產生連鎖反應，導致更多企業面臨經營困境，失業人數進一步上升，實體經濟陷入惡性循環。

全球經濟政策不確定性對系統性金融風險的等間隔脈沖響應函數

第二章 系統性金融風險理論研究

本章將對系統性金融風險的內涵、理論基礎、形成原因、傳導機制及演化進程的系統分析，旨在構建起對該領域的全面認知框架。明確系統性金融風險的內涵，能夠精準識別風險的本質特征與表現形式，為后續研究提供清晰的對象界定。深入探究其理論基礎，如金融脆弱性理論、信息不對稱理論等，能從根源上理解風險產生的內在邏輯，為分析風險提供堅實的理論支撐。剖析形成原因，梳理內部因素（如金融脆弱性和金融自由化）與外部因素（如宏觀經濟的周期性起伏、政策調控的偏差），有助于精準定位風險源頭。而對傳導機制及演化進程的研究，則能清晰展現風險如何在金融體系內部及與實體經濟之間擴散、發展，為風險監測與預警提供關鍵依據。這一全面的認知框架，將為后續開展系統性金融風險的測度、防控及應對策略等研究奠定堅實的理論基石，助力金融監管部門、政策制定者與市場參與者更有效地應對系統性金融風險，維護金融體系的穩定與經濟的可持續發展。

第三章 中國系統性金融風險的測度與有效性檢驗

金融壓力指數通過一系列反映銀行、股票、債券、外匯和貨幣市場壓力的變量，構建連續的時間序列數據。在中國這樣一個多元化且發展迅速的金融市場環境中，建立準確反映市場壓力的金融壓力指數至關重要。該指數可幫助揭示系統性金融風險的來源和變化，為金融監管部門提供決策依據，支持政策調整與干預。通過對中國金融市場壓力的分析，可以評估金融體系穩定性及其對宏觀經濟的影響，為金融危機預防、政策優化與風險防范提供理論與實踐指導。確保金融市場穩定運行、促進經濟增長，并推動金融市場改革、提高透明度及增強抗風險能力，具有重要的現實和戰略意義。

第四章 中國系統性金融風險驅動因素的識與影響研究

在全球化和信息的時代背景下，金融市場變得更加緊密相連，系統性金融風險的傳播速度和廣度也隨之加大。外部沖擊、宏觀經濟波動以及金融體系內生特征的變化，深刻影響著金融市場的穩定性和經濟體的整體健康。為了有效識別和理解這些因素如何在動態環境下交互作用，并共同影響系統性金融風險的演化，首先對系統性金融風險與驅動因素的非線性因果關系進行檢驗，隨后通過TVP-SV-VAR 模型（時變參數隨機波動結構向量自回歸模型）分析全球不確定性、國際金融市場波動、宏觀經濟發展及金融內生特征等五個關鍵代表性變量對系統性金融風險的影響。系統性金融風險的極端表現——金融危機，不僅沖擊金融體系，而且對實體經濟產生深遠影響。首先，金融危機引發的信貸緊縮會影響工商業企業的發展。為了降低風險，金融機構往往會收緊信貸政策，提高貸款門檻，減少貸款發放。這樣，企業很難獲得足夠的資金來擴大生產、購買原材料等，進而導致生產能力下降，企業不得不縮減產能，最終可能引發失業增加。大量企業面臨經營困境，甚至倒閉，從而引發整體經濟產出下滑，經濟增長陷入停滯或衰退。此外，企業和投資者在經濟繁榮時過度借債，危機爆發影響償債能力，信用風險加劇，進一步加劇了經濟衰退。在經濟繁榮時期，企業和投資者受到樂觀情緒的影響，過度借貸進行擴張。然而，危機的爆發導致資產價格下跌，企業資產貶值，收入減少，償債能力大幅下降，許多企業因此無法按時還款，頻繁發生違約，甚至破產。企業破產又會對其上下游產業鏈產生連鎖反應，導致更多企業面臨經營困境，失業人數進一步上升，實體經濟陷入惡性循環。氣候政策的不確定性可能引發資本市場的不穩定，特別是隨著碳定價、綠色金融政策以及能源轉型政策的推進，投資者和企業對未來政策的預期變化可能導致資產價格波動。依賴于高碳排放行業的企業，可能在氣候政策趨緊的情況下遭遇資金撤離，違約風險加大，從而影響金融機構的穩定此外，氣候政策的不確定性還可能導致能源市場的大幅波動，這不僅影響能源相關企業的經營，也可能波及全球經濟，造成金融市場的不穩定。選擇 MA et al.（2023）構建的氣候政策不確定性指數作為代理變量，代表與氣候政策各個方面相關的不確定性。在經濟全球化與金融一體化的宏觀格局下，國際金融風險沖擊對中國系統性金融風險水平的影響呈現出多維度、深層次的特征。一方面，國際金融市場風險事件，如股票市場的急劇下挫、債券市場的違約集中爆發以及匯率的大幅震蕩等，會通過國際貿易與國際投資傳導機制，直接作用于中國企業的進出口業務以及海外投資收益，致使企業經營風險顯著攀升，進而延伸至金融體系，加劇金融機構的信用風險敞口。另一方面，國際金融機構風險事件，諸如大型國際銀行的破產清算或信用評級的下調，借助金融同業業務、跨境債權債務關聯等傳導路徑，對中國金融機構的資產質量與市場聲譽產生負面效應，最終使得中國系統性金融風險水平上揚。美國在國際金融市場中的主導地位，以及與我國在國際貿易和金融市場上的密切聯系，故而選擇芝加哥聯儲金融狀況指數作為國際金融沖擊代表變量，原始數據為周度，對其取均值得到月度數據。等間隔脈沖響應函數通過設定固定的時間間隔，全面展示了在每一個等長時間段內，當某一驅動因素發生一個標準差的正向沖擊時，系統性金融風險的響應軌跡和變化趨勢，以此觀察各驅動因素對系統性金融風險在相同時間跨度下的短中長期動態影響。在短期，可能會看到一些即時的、較為劇烈的反應；中期則能觀察到變量逐漸調整和適應沖擊的過程；長期視角下，有助于判斷沖擊的持續影響以及變量是否最終趨向于某種穩定狀態或均衡水平，其中短中長期較常見的滯后期設置分別為 1-3 期、3-8 期和 9 期及以后，本研究選取 4 期、8 期和 12 期代表短中長的提前期。圖 4-2 展示全球經濟政策不確定性對系統性金融風險的等間隔脈沖響應函數，三條響應曲線的走勢基本一致，提前 4 期波動幅度最大，提前 8 期的波動次之，提前 12 期的波動幅度最小。短期波動最大，源于市場敏感沖動、信息不完全，參與者基于短期預期和情緒快速調整，易過度反應；中期波動次之，因市場有更多時間收集信息并理性調整，且政策緩沖與市場自我修復機制發揮作用；長期波動最小，是市場參與者能充分適應，制定長期規劃，同時對不確定性趨勢和影響更明確，抵御風險能力增強。

第五章 總結與展望

1 主要結論本文旨在測度中國的系統性金融風險，并探討其驅動因素對系統性金融風險的動態影響。首先，通過 TVP-FAVAR 模型構建金融壓力指數，作為衡量系統性金融風險水平的指標，并利用 MS-VAR 模型檢驗其有效性，結果表明該指數能夠有效反映市場壓力，可作為系統性金融風險的代表變量。其次，選取 7 個變量作為系統性金融風險的驅動因素代表，并進行BDS 非線性檢驗和非線性 Granger 因果檢驗，初步驗證5 個驅動因素對系統性金融風險之間存在顯著的非線性影響。最后，基于 TVP-SV-VAR 模型，分析了這些驅動因素對系統性金融風險的多層次動態影響，研究發現，第一，不同驅動因素在不同時間段對系統性金融風險的影響存在顯著差異，國際金融風險沖擊在短期內對系統性金融風險影響較小，但在短中長期內則明顯加劇；金融開放程度短期內提高系統性金融風險，短中長期內則趨于降低。第二，面對各驅動因素的沖擊，系統性金融風險在不同提前期的響應模式呈現出規律性特征，基本遵循短期波動大于中期波動大于長期波動。短期內，市場參與者反應迅速且易過度，信息快速傳播與市場情緒相互感染，致使系統性金融風險波動幅度大，凸顯其對驅動因素的敏感性。中期時，市場逐漸消化沖擊，投資者行為與預期趨于理性，政策及市場自我修復機制發揮作用，風險波動減小。長期來看，經濟與金融體系通過產業結構優化、金融創新、制度完善等增強適應性，有效緩沖吸收驅動因素影響，使風險波動維持在較低水平。第三，在不同時點上應對相同驅動因素的沖擊，系統性金融風險的短中長期響應也不盡相同。以 2015 年股災、2018 年中美貿易摩擦、2020 年新冠疫情為例，2015 年股災時，國內金融市場杠桿率高、投資者結構不成熟、監管有漏洞，系統性金融風險短期內急劇上升，中期緩和但仍波動，長期靠市場改革與監管完善恢復穩定。2018 年中美貿易摩擦，全球經濟增長乏力、貿易保護主義抬頭，短期金融市場震蕩加劇，中期實體經濟受波及，企業盈利下滑、就業壓力增大，長期我國通過產業升級、拓展內需降低風險沖擊。2020 年新冠疫情，全球經濟停擺，金融市場流動性緊張，系統性金融風險短期內迅速攀升，中期靠財政與貨幣政策刺激控制風險，但經濟結構失衡、債務負擔加重等長期影響仍待評估。可見，同一驅動因素變動，因經濟環境不同，系統性金融風險反應差異顯著。

2 政策建議首先，鑒于金融壓力指數在監控系統性金融風險中的重要作用，監管部門應增強對該指數的動態跟蹤，并依據市場變化不斷拓展監測指標的內容。除傳統銀行信貸和資產價格外，數字貨幣市場及金融科技平臺等新興領域的指標也應納入監測，幫助及時發現潛在風險并采取適當的預防措施。其次，要提升金融監管部門的責任意識，明確各部門在金融風險監測、預防和處置中的職能。對未履行職責，導致系統性金融風險擴大的相關部門和人員，應嚴格問責。同時，建立跨部門的協同監管體系，加強信息共享與合作，避免監管重疊或真空，以形成有效的監管合力。最后，要深入研究驅動因素對系統性金融風險的影響，并為不同因素制定有針對性的政策。對于宏觀經濟波動，通過財政和貨幣政策的協調運作，在經濟過熱時適度緊縮，在經濟放緩時精準刺激；對于金融開放因素，應把控開放的節奏與力度，加強跨境資本流動管理，有效防范外部風險的傳入。

3 不足與展望第一，在系統性金融風險水平測度指標的構建中，沒有使用高頻數據。然而，金融市場環境復雜多變，風險因素隨時變化。高頻數據有助于更精確、及時地捕捉市場波動及風險趨勢。若缺少高頻數據支持，所構建的金融壓力指數可能無法準確反映短期內的市場異常波動，造成風險預警的滯后，難以滿足監管和市場參與者對實時監測的需求。第二，盡管已分析了系統性金融風險的主要驅動因素，但仍缺乏足夠的全面性。在宏觀經濟層面，除已考慮的因素外，區域經濟發展不均衡、財政政策的動態調整等也可能影響金融風險。如果未充分考慮這些因素，將使得對風險形成機制的理解受限，無法精確評估不同因素在特定情境下的綜合作用。第三，僅研究了系統性金融風險與驅動因素的單向影響關系，沒有深入驗證它們之間的雙向影響。實際上，系統性金融風險的變化也可能反過來影響各驅動因素。未考慮這種雙向影響關系，使得對系統性金融風險與驅動因素之間動態關聯的認識不夠完整，難以全面把握金融系統內部的復雜反饋機制，不利于制定更具前瞻性和針對性的風險防控政策。

參考文獻

Acharya V V, Pedersen L H, Philippon T, et al. 2010. Measuring Systemic Risk[R]. FederalReserve Bank of Cleveland Working Paper.Baker, R. S, Bloom, Davis Steven J. 2016. Measuring Economic Policy Uncertainty[J]. TheQuarterly Journal of Economics, 131(4): 1593-1636.Balakrishnan R, Danninger S, Elekdag S, et al. 2011. The Transmission of Financial Stress fromAdvanced to Emerging Economies[J]. Emerging Markets Finance and Trade, 47(2): 40-68.Ben S. Bernanke, Mark Gertler, Simon Gilchrist. 1996. The Financial Accelerator and the Flightto Quality[J]. The Review of Economics and Statistics, 78(1): 1-15.Ben S. Bernanke, Mark Gertler. 1989. Agency Costs, Net Worth, and Business Fluctuations[J].The American Economic Review, 79(1): 14-31.Ben S. Bernanke. 1983. Nonmonetary effects of the financial crisis in the propagation of theGreat Depression[J], American Economic Review, 73(3): 257-276.Berg A, Pattillo C. Predicting currency crises: The indicators approach and an alternative[J].Journal of International Money and Finance, 1999, 18(04): 561-586.Brownlees C, Engle R F. 2017. SRISK: A Conditional Capital Shortfall Measure of SystemicRisk[J]. The Review of Financial Studies, 30(01): 48-79.Brunnermeier M K, Rother S C, Schnabel I. 2020. Asset Price Bubbles and Systemic Risk[J].Review of Financial Studie, 33(9): 4272-4317.Celik S. 2012. The More Contagion Effect on Emerging Markets: The Evidence of DCC-GARCH Model[J]. Economic Modelling, 24(06): 1946–1959.Chatterjee S, Adam C, Banerjee A, et al. 2022. Systemic Financial Stress and MacroeconomicAmplifications in the United Kingdom[J]. Oxford Bulletin of Economics and Statistics,84(2): 380-400.Domenico C, Igor G, Davide V. 2023. Climate change and financial systemic risk: Evidencefrom US banks and insurers[J]. Journal of Financial Stability, 66, 101132.陳仁全, 田新民. 2025. 金融機構系統性風險測度與檢驗——基于上市金融機構關聯網絡的時空中心度[J]. 數量經濟研究, 16(01): 186-208.陳守, 馬輝, 穆春舟. 2009. 中國金融風險預警的 MS-VAR 模型與區制狀態研究[J]. 吉林大學社會科學學報, 49(01): 110-119+160.陳守東, 馬輝, 穆春舟. 2009. 中國金融風險預警的 MS-VAR 模型與區制狀態研究[J]. 吉林大學社會科學學報, 49(01): 110-119+160.鄧創, 吳超. 2021. 中國經濟、金融不確定性的交互影響動態與宏觀經濟效應分析[J]. 系統工程理論與實踐, 41(07): 1625-1639.鄧創, 吳健, 王哲. 2023. 外部不確定性沖擊的來源甄別及其對中國貨幣政策有效性的影響[J]. 數量經濟技術經濟研究, 40(07): 5-26.鄧創, 吳健, 吳超. 2022. 外部經濟、金融不確定性與我國的宏觀經濟下行風險[J]. 統計研究, 39(06): 36-51.鄧創, 謝敬軒. 2021. 中國的金融穩定及其與經濟、金融周期波動的關聯動態[J]. 國際金融研究, 07: 13-23.龔旭, 劉堂勇, 文鳳華. 2023. 國際與中國原油市場間的波動率動態溢出分析[J]. 管理科學學報, 26(11): 125-141.桂文林, 梁彩麗, 朱豐毅, 等. 2022. 基于 TVP-FAVAR 模型的中國金融狀況指數的構建和預測[J]. 統計與信息論壇, 37(07): 61-74.郭娜, 張駿, 申琳. 2024. 內生性金融風險還是輸入性金融風險: 中國金融市場風險溯源[J]. 國際金融研究, 07: 3-14.郭文偉, 王禮昱. 2019. 關聯網絡、風險溢出與重要系統性金融機構識別—基于市場、行業和機構的實證[J]. 中央財經大學學報, 05: 33-48.胡麗寧. 2024. 氣候政策不確定性、投資者氣候風險感知與系統性金融風險[J]. 世界經濟研究, 08: 29-43+135-136.江紅莉, 劉麗娟. 2020. 企業杠桿率、宏觀經濟景氣指數與系統性金融風險[J]. 金融監管研究, 01: 66-83.