生产者价格与汇率和国外价格间关系的实证研究

本文基于向量自回归模型(VaR),运用协整方法,实证检验中国的生产者价格指数与国外价格(以OECD组织的生产者价格指数代表)、人民币名义有效汇率指数,以及国内货币供给与总需求状况(以M2/GDP比率代表)等变量之间的关系。实证发现:1997年1季度至2008年2季度,国内生产者价格指数与这些变量之间存在协整关系;国内生产者价格既受国际价格的影响,也受人民币名义有效汇率和国内货币供求状况的影响;最后,本文提出了若干思考。     

供给侧结构性改革背景下系统性金融风险防范问题研究

随着近年来我国经济下行压力加大和银行不良贷款率上升,系统性金融风险的发生概率逐渐加大。在分析我国经济发展中供给侧结构性改革因素的基础上,借鉴相关文献采用的指标,研究其与系统性金融风险的内在关联。首先从房地产行业、金融资源错配等供给侧结构性改革的四个方面与系统性金融风险的关系进行了分析,随后基于2001—2015年各省(自治区、直辖市)的商业银行不良贷款率和流动性比率作为描述系统性金融风险的因素,利用混合模型、固定效应模型和随机效应模型三种类型对全国、东部、中部和西部地区所面临的系统性金融风险进行了实证研究。研究结果表明:相对于中西部地区,东部地区系统性金融风险受环境因素影响程度更大,资本市场环境成为影响商业银行不良贷款率的重要因素。最后就防范系统性金融风险的措施提出了建议。     

金融创新加剧了区域金融风险吗？——基于社会网络与动态面板门槛效应的研究

本文基于2011—2020年我国31个省份的面板数据，运用主成分分析法构建区域金融风险指数，采用社会网络分析法研究金融风险指数的空间关联网络特征，探讨金融创新影响区域金融风险的非线性效应、金融风险水平空间关联网络特征的中介效应以及金融监管的调节效应。研究发现：我国31个省份的金融风险指数空间网络关联性显著存在；金融创新对区域金融风险的影响效应呈现U型非线性特征，区域金融风险水平的空间关联网络特征在其中发挥中介效应；进一步分析表明，金融监管在金融创新加剧区域金融风险的过程中起到调节作用。最后,本文提出政府加强金融监管，合理适度发展金融创新，防范系统性金融风险的政策建议。     

区域性金融风险预警的神经网络模型研究

牢守不发生系统性、区域性风险底线是金融稳定和金融监测、预警的重要任务。区域性金融风险预警的关键是合理选择风险指标。区域性金融风险指标选择既要考虑金融风险因素的普遍性,更要考虑金融发展的区域性,充分体现本地区金融发展的阶段性特征。结合广东发展的特点,选取反映区域性金融风险指标,利用因子分析法找出风险主要因子,并用神经网络进行风险预测预警,为防范区域性金融风险提供数量性决策依据。     

中国系统性金融风险度量与货币政策影响机制分析

本文从宏观总体层面构建中国系统性金融风险指数,以SV-TVP-VAR模型分析国内外货币政策对系统性金融风险的影响。结果表明,2001-2018年中国系统性金融风险基本维持在较为稳定的状态并呈现下降趋势;国内货币政策对系统性金融风险产生重要影响,数量型货币供给量的冲击效应更加直接;国外货币政策在金融危机期间对系统性金融风险的冲击较强但冲击在不断减弱。     

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

居民杠杆率过快攀升与系统性金融风险之间是否存在关联已引起广泛的社会关注。本文基于货币、股票、债券、外汇市场数据测度我国系统性金融风险,建立非线性MS-VAR模型探究我国居民杠杆率与系统性金融风险间是否存在时变动态关联。研究结果表明:金融危机后我国居民杠杆率与系统性金融风险之间存在明显的两区制"棘轮效应";居民杠杆率和系统性金融风险都对自身具有粘性;居民杠杆率与系统性金融风险间存在由负转正的时变动态关联,并且风险释放期的关联程度显著大于风险累积期;居民杠杆率对系统性金融风险的影响显著,而系统性金融风险对居民杠杆率的影响甚微。因此,不能简单地将居民部门作为企业、金融部门转移杠杆的对象,需警惕居民杠杆飙升对系统性金融风险的诱发影响。     

我国区域金融风险的空间关联与传染机制研究 ——基于社会网络分析法和区域数据的实证

本文运用社会网络分析法对2011—2018年山东省区域性金融风险的空间关联机制进行了深入探讨.结果发现:各城市间区域性金融风险存在明显的空间关联和溢出效应,空间网络关联结构复杂性、关联性和稳健性不断增强,中心城市不断增多,处于从属或边缘地位的城市减少;位于网络中心城市的金融风险以输入效应为主,并在风险传染中主要起到中介作用;而位于边缘地位城市的金融风险主要以溢出效应为主.进一步的探讨表明,受风险关联、网络结构及经济增长、工业发展、城乡差距和政府收支等因素影响,网络中心城市的金融风险下降,而网络边缘城市金融风险升高,不同网络位置区域金融风险表现出明显的异质性.     

宏观杠杆率和商业信心对系统性金融风险的非线性影响

高杠杆带来更高的系统性金融风险,这一作用既有直接影响,也有通过商业信心所产生的间接影响.本文以22个国家近20年的数据为基础,应用面板门槛模型检验了宏观杠杆率的门槛效应以及宏观杠杆率和商业信心对系统性金融风险的非线性影响.检验结果显示:第一,杠杆率升高会抬升金融风险;第二,商业信心对金融风险有显著的抑制作用;第三,杠杆率对金融风险的抬高既有直接效应也有间接效应,其间接效应正是通过商业信心渠道传导所引发的效果——高杠杆会抑制商业信心的正面作用;第四,非金融企业杠杆率只有间接效应发挥作用,直接效应并不显著;第五,相比杠杆率,货币供应量更加限制商业信心的作用,对金融稳定性产生影响.鉴此,在继续推进结构性去杠杆和金融去杠杆的过程中,既要加强商业信心和信用体系的建设,增强市场主体的信心,也要充分重视由广义货币所构成的全社会流动性环境,着力控制住货币供给的总闸门.     

中国科技创新结构如何影响杠杆率?

杠杆率水平与系统性金融风险息息相关。杠杆率的高低与科技创新结构存在着密切关系,已有文献忽略了科技创新结构对杠杆率作用机理的研究。科技创新结构如何影响杠杆率?对此问题,本文进行系统性的理论分析,并以省际面板数据为对象进行实证检验。研究表明,我国省级科技研发劳动投入比例结构,以及创新产出结构对杠杆率具有重要影响,两类创新劳动投入对于杠杆率都具有显著作用,但影响方向相反;我国省级杠杆率具有空间效应,既有共性因子,又存在异质性特征。以上发现对于现阶段降低我国系统性金融风险,特别是为从创新的角度设计、制定和完善我国有关杠杆率的金融政策提供了科学的理论指导和实证证据。     

我国四部门金融杠杆对系统性金融风险的影响——基于空间溢出视角

基于金融杠杆对系统性金融风险的区域内和区域间作用机制的理论分析,运用空间偏微分方法,依据测算出的2010—2019年我国各省（区、市）四部门金融杠杆和系统性金融风险数据,考量我国四部门金融杠杆对系统性金融风险的空间溢出。结果显示：我国系统性金融风险具有较强的空间趋同性特征;由于金融杠杆部门结构和所在区域的不同,其对系统性金融风险的区域内溢出存在显著差异;此外,金融杠杆对系统性金融风险的区域间外溢效应明显,忽视该区域间溢出,将不利于准确评估金融杠杆对系统性金融风险的冲击。     

企业杠杆率、宏观经济景气指数与系统性金融风险

打赢防范化解重大金融风险攻坚战是打好"三大攻坚战"的重要任务之一。本文在对企业杠杆率、宏观经济景气指数与系统性金融风险关联性进行理论分析的基础上,利用复合系统性压力指数法测度了我国系统性金融风险,并建立了马尔可夫区制状态转换模型,以挖掘企业杠杆率、宏观经济景气指数及系统性金融风险之间的非线性动态关联机制。研究表明,样本期内我国系统性金融风险水平波动明显;企业杠杆率、宏观经济景气指数与系统性金融风险间存在动态关联,且两区制特征明显,高压力时期的关联效应比低压力时期更显著;企业杠杆率对系统性金融风险的直接影响不显著,但会通过影响宏观经济对系统性金融风险产生间接影响;宏观经济景气指数与系统性金融风险相互间存在负向影响。鉴此,现阶段应控制好从"结构性去杠杆"向"稳杠杆"转变的节奏,利用"双支柱调控"熨平局部金融失衡和杠杆结构性问题;同时,密切关注部门间金融风险的交叉传染,提升经济发展质量,进而从根本上防范化解系统性金融风险。     

普惠金融、金融深化与金融稳定--基于ARDL-ECM模型估计

本文利用中国1988~2016年宏观经济数据、金融数据,分别构建金融压力指数与普惠金融发展指数来反映我国的金融稳定状况和普惠金融发展状况,并利用ARDL-ECM模型来分析金融压力指数、普惠金融发展水平、金融深化水平之间的关系。实证结果表明我国普惠金融的发展虽然短期会加大系统性金融风险,但是长期来看是有利于金融稳定的。并且对于我国来说金融深化短期内有利于缓解系统性金融风险,但是长期不利于金融稳定。同时,长期内金融深化可以加大普惠金融对金融稳定的有利影响,但是短期却会加大普惠金融不利于金融稳定的作用。     

中国金融市场化进程对投资的影响研究

本文从考查金融市场化这一中国经济转型期制度变迁的主要方面出发,在引入金融市场化指数的Ndikumana模型基础上,应用Panel Data模型分析方法对金融市场化进程及其相关四个方面(金融中介市场化、政府行为市场化改革、金融市场自由化、金融对外开放)与投资间的影响以及东中西部间差异进行了研究。结论认为:首先,中国金融市场化对投资存在显著影响;其次,在全国层面上,金融市场化对投资的影响大于其他四个方面,而且金融结构的不同对投资的影响存在差异性;其三,在地区层面上,东中西部的金融市场化进程对地区投资的影响显著,地区间总体的差异呈现西部和中部大于东部的趋势。     

Nexus analysis of financial management,digital finance and new technologies

This paper measures the associations between financial development, green finance, and technological progress, focusing on developing countries in Asia and Europe. Employing the FMOLS estimation of variables from 2010 to 2021 concluded that the digital finance index has a positive coefficient in the panel of developing countries and the panel of European developing countries, while the coefficient of this variable is insignificant for Asian developing countries. The financial depth index also has a positive coefficient in all three-panel groups of countries. Regarding the Asian developing economies, there is only a bi-directional causal relationship between the innovation index and financial development. Developing countries can implement developing digital finance markets, improving good governance, increasing the competitiveness index, and creating a regional digital finance network as practical policies.     

基于宏观审慎的金融监管指标体系构建研究

传统的微观审慎监管只关注单个金融机构的稳定,无法避免其繁荣期的过度冒险行为,导致系统性风险累积爆发。宏观审慎监管则需识别和控制金融系统性风险,确保整个金融体系的稳定。通过构建4个子系统24项指标的金融监管指标体系,并运用主成分分析法,把24项指标划分为六个主成分,共能解释89.724%的变异量。分析我国1995年—2009年的面板数据,发现我国金融稳定指数不断升高,尽管遭遇两次大规模金融危机的冲击,但保持了难得的金融稳定,这得益于金融监管水平的提高和逆周期调控措施的实施。     

系统性金融风险的识别与防范

系统性风险与集中度风险、金融危机既有区别,又有联系。银行金融机构的集中度风险是引发系统性风险的主要因素,系统性风险又是导致金融危机的直接原因。为避免和防范系统性风险,监管部门要把防范系统性风险的重点放在对银行金融机构集中度风险的监控上,加强对银行金融机构集中度风险的外部监管,不断向银行金融机构提示集中度风险,督促银行金融机构建立严格的集中度风险防控机制。银行金融机构也要有稳健的发展战略和谨慎的风险偏好,合理布局经营,严格把控资产分布结构,避免集中度风险,以便从根本上防范系统性风险,避免出现危害更大的金融危机。     

关于开放市场条件下防范系统性风险的研究

随着经济金融全球化程度的加深,评价和防范开放经济条件下一国系统性金融风险的重要性日益明显。文章根据系统性金融风险的表现形式,提出了一个三层次的风险评价指标体系,并通过熵值法确定各子系统风险因子之间的权重。实证分析结果显示,近年来我国金融业总体稳健程度得到有效提升,但未来仍需密切关注风险因素的动态变化,采取切实有效的措施夯实系统性金融风险管理体系建设。     

Monetary Policy and Financial Stability: Cross‐Country Evidence

We explain the heterogeneous response of central banks to financial stability risks based on a financial stability orientation (FSO) index, which reflects statutory, regulatory, and discretionary components of central banks' monetary policy frameworks. Our baseline results from a cross‐country panel of modified Taylor rules suggest that central banks with a high FSO increase their policy rates in response to elevated financial stability risks by 0.27 percentage points more than central banks with a low orientation. Back‐of‐the‐envelope calculations suggest that this policy rate differential translates into a reduced crisis probability but also into considerably lower inflation and output growth rates.     

The Changing Relationship Between CAMEL Ratings and Bank Soundness during the Indonesian Banking Crisis

During the recent Southeast Asian financial crisis, numerous banks failed quickly and unexpectedly. This study uses a unique data set provided by Bank Indonesia to examine the changing financial soundness of Indonesian banks during this crisis. Bank Indonesia's non-public CAMEL ratings data allow the use of a continuous bank soundness measure rather than ordinal measures. In addition, panel data regression procedures that allow for the identification of the appropriate statistical model are used.We argue the nature of the risks facing the Indonesian banking community calls for the addition of a systemic risk component to the Indonesian ranking system. The empirical results show that during Indonesia's stable economic periods, four of the five traditional CAMEL components provide insights into the financial soundness of Indonesian banks. However, during Indonesia's crisis period, the relationships between financial characteristics and CAMEL ratings deteriorate and only one of the traditional CAMEL components—earnings—objectively discriminates among the ratings. The panel data results indicate systemic economy-wide forces must be explicitly considered by the rating system.