杠杆率、经济增长与金融稳定

王 霞，王 芳

（1.兰州财经大学中国西北金融研究中心，甘肃兰州730020；2.兰州财经大学金融学院，甘肃兰州730020）

一、引言

2008年国际金融危机的爆发引发金融机构破产、经济下行等一系列全球经济衰退问题。我国政府实施的“四万亿”投资一揽子计划，通过信贷规模的扩张成功应对国际金融危机的冲击，促使我国经济平稳向好运行，但同时也导致企业、家庭和政府承担的债务过重，宏观杠杆率及各部门杠杆率持续攀升，其中宏观杠杆率从2008年的141.2%上升至2014年的217.3%。为降低宏观杠杆率及各部门杠杆率过快增长带来的风险，保证经济平稳健康发展，我国于2015年和2018年分别实施了去杠杆、结构性去杠杆等政策，宏观杠杆率增速有所下降，但新型冠状病毒肺炎疫情的爆发使得我国宏观杠杆率攀升至2021年底的263.8%。

当前，我国面临的国际政治经济形势更加复杂，百年大变局和新冠肺炎疫情相互交织，使我国经济发展面临需求收缩、供给冲击、预期转弱三重压力，杠杆率上升似乎不可避免。如何实现稳增长和防风险的平衡是我国目前面临的主要问题。那么，杠杆率上升是否必然加剧金融风险？杠杆率、经济增长与金融稳定之间究竟是什么关系？能否实现加杠杆、促增长、防风险三者的平衡？对这些问题的回答，直接关系到我国货币政策的制定及实施，也有利于我们正确认识杠杆率的影响及作用。

为此，本文基于各部门杠杆率视角，从理论上分析了杠杆率、经济增长与金融稳定的关系，并利用30个省、自治区、直辖市（以下简称省份）的面板数据，实证检验了杠杆率对金融稳定的影响，剖析了经济增长在杠杆率影响金融稳定中的作用，以期为在防风险的基础上实现稳增长提供决策参考和政策建议。

二、文献综述

关于杠杆率对金融稳定的影响研究，结论存在较大争议，但大多数学者认为过高的杠杆率不利于金融平稳健康发展（刘晓欣和雷霖，2017；纪敏等，2017；沈悦等，2020；吴炎芳和张国栋，2020；周海林等，2021）。部分学者认为宏观杠杆率与金融风险存在显著的“U”型关系（王艺璇和刘喜华，2019；符瑞武和高波，2021；黄倩等，2021）；还有学者采用我国2006-2018年省级面板数据，研究发现不同部门杠杆率的变化对区域性金融风险有不同影响，宏观杠杆率、居民部门杠杆率及金融部门杠杆率（非金融企业部门杠杆率）的上升会增加（降低）区域性金融风险（贾松波等，2021）。

在杠杆率与金融稳定的关系是否受经济增长影响的研究方面，Buttiglione等（2014）研究发现，当经济增长率下降时，一直连续的去杠杆会造成经济持续衰落，但是杠杆率的增加却会促进经济增长，降低金融风险，促进金融稳定。贾松波等（2021）研究发现，当经济增长水平较低时，宏观杠杆率的提高会增加区域性金融风险；当经济增长水平较高时，宏观杠杆率的提高会抑制区域性金融风险。任晓怡等（2017）对杠杆率、金融稳定与经济增长之间的关系进行了实证分析，研究表明宏观杠杆率有空间扩散效应，在不断改善经济结构、发展金融业以及优化人力资源时，可以有效降低杠杆率水平，但是杠杆波动造成金融不稳定时，也会引起去杠杆效应的发生。

综上，现有文献主要集中于探讨杠杆率对金融稳定的影响，且研究结论不一，对杠杆率、经济增长与金融稳定三者关系的研究相对较少。本文的创新如下：第一，从宏观杠杆率、政府部门杠杆率、金融部门杠杆率、居民部门杠杆率、非金融企业部门杠杆率等不同层面对杠杆率与金融稳定的关系进行实证研究，为我国结构性去杠杆政策的实施提出更为精准的建议；第二，对杠杆率、经济增长与金融稳定三者的关系进行理论分析与实证检验，为我国稳增长、防风险下的杠杆政策提供依据；第三，从宏观经济发展、金融发展、金融质量、金融盈利、房地产经济发展和市场信心程度六个层面构造了金融稳定综合评价指标，指标设计更为全面、科学，结论更为稳健。

三、理论分析与假设提出

不同经济主体在经济中的角色不同，其对金融稳定的影响可能会存在差异。本文从宏观杠杆率、政府部门杠杆率、金融部门杠杆率、居民部门杠杆率和非金融企业部门杠杆率五个角度分别进行分析。

当宏观杠杆率较低时，通过增加债务、提高杠杆率可以使各经济主体获得更多资金，增加其投资、消费等需求进而激发市场活力，提高资源配置效率，增加企业利润，降低违约风险，提高金融稳定性。但是当宏观杠杆率达到一定程度后，杠杆率的进一步攀升会触发流动性约束效应。一方面引发经济主体大量出售资产，导致房地产、股票等资产价格下跌；另一方面导致企业等经济主体投资减少，利润下降，债务违约风险上升，从而引发债务危机，加大金融风险，最终导致金融不稳定。

当政府部门杠杆率较低时，政府通过增加债务既可以筹集更多资金用于发展经济，促进宏观经济发展，又能增加财政收入，提高风险承受能力，进而降低违约风险，提高金融稳定性。但当政府部门杠杆率达到一定水平后，地方政府继续通过借债来发展地方经济时，债务规模的急剧膨胀以及地方政府还本付息的压力均会不断加大政府债务风险。在我国地方政府依赖各种融资平台贷款的背景下，过高的政府债务通过融资平台引发金融机构的风险加大，进而造成金融不稳定。

当金融部门杠杆率较低时，金融机构可以通过提高债务率来增加对社会各经济主体的贷款及投资，提高企业利润水平和债务承受能力，降低企业违约风险，进而提高金融稳定性。但当金融部门杠杆率达到一定水平后，进一步提高杠杆率会造成金融机构过度贷款和投资，金融机构的流动性风险及信用风险急剧上升，一旦发生违约事件或金融资产价格暴跌现象，金融机构流动性就会严重不足，致使金融机构不得不低价出售资产，导致该类资产价格下跌，进而引起其他持有同类资产的金融机构发生连锁反应，进一步加剧资产价格下跌，引发金融动荡。

当居民部门杠杆率较低时，增加借贷会提高居民当期收入，增加居民消费需求，进而增加社会总需求，促使企业利润普遍上升，债务承担能力加强，违约风险降低，从而提高金融稳定性。但当居民部门杠杆率达到一定水平后，杠杆率的进一步提高一方面会导致购房等需求过度增加，引发房地产价格泡沫，对金融稳定造成威胁；另一方面使得居民必须将大量资金用于还本付息，在收入不变的情况下只能减少消费，从而降低社会总需求，导致企业利润普遍下降，违约风险加大，进而影响金融稳定。

在非金融企业部门杠杆率较低时，杠杆率提高使其权益资本的约束减少，企业有更多资金用于投资，在提高利润的同时促进了实体经济增长，违约风险大大降低，进而从微观和宏观两方面提高了金融稳定性。但是在非金融企业部门杠杆率达到适度水平后，杠杆率的进一步攀升一方面导致企业盲目扩大规模或进行多元化投资，甚至进行大量金融投资，既加大了企业财务风险和经营风险，也造成金融市场投机氛围浓厚。一旦企业出现经营管理不善或经济受到冲击，就会引发企业及其上下游企业乃至整个行业的债务危机，并进一步波及银行、股市及债市，进而造成金融不稳定。

基于上述分析，本文提出如下假设：

假设1：杠杆率与金融稳定之间呈倒“U”型关系。

如果杠杆率的上升促使大量资金流向实体经济领域，企业利润增加，居民消费增加，进而促进经济增长，那么杠杆率上升的风险会因实体经济增长而受到抑制，杠杆率上升不会引发金融风险；如果杠杆率的上升造成大量资金流向虚拟经济领域，不能拉动经济增长或经济增长率较低，那么杠杆率上升的风险无法通过经济增长抵消（或完全抵消），那么杠杆率的上升就会导致金融风险，造成金融不稳定。

基于上述分析，本文提出如下假设：

假设2：经济增长率的提高可以降低杠杆率上升所引起的金融不稳定。

四、研究设计

（一）数据来源和变量定义

本文选取我国2000-2020年30个省份的面板数据作为研究对象，考虑到西藏自治区数据缺失严重，本文样本中剔除了西藏自治区数据。核心解释变量、被解释变量、控制变量的数据主要来自Wind数据库、国家统计局、中国人民银行官网、东方财富Choice数据库。考虑到其他因素对金融稳定的影响，本文引入通货膨胀率（IR）、固定资产投资（FI）、存款利率（R）、人口增长率（POP）、城镇化率（URR）、经济外向程度（IET）作为控制变量。

1.被解释变量

金融稳定是一个宏观概念，是指经济金融体系的主要功能能够实现预期目标的状态，具体表现为经济金融体系能够有效发挥配置经济资源的基本功能等。同时，金融稳定意味着经济金融体系具有一定的弹性，在受到内外部环境不确定性的影响下，经济金融体系依旧可以照常发挥其功能。因此，金融稳定不能直接用单一指标或数据测度，需综合考虑多方面的因素进行衡量。鉴于我国经济金融体系成熟度相对较低，市场经济起步较晚，金融市场发展时间相对不长，因此不适用采用多个指标进行回归分析并预测金融稳定情况。已有研究通常构建综合指数来表示金融稳定性（王艺璇和刘喜华，2019；王劲松和任宇航，2021）。本文采用综合指数法构建金融稳定指标体系，具体操作上借鉴宫晓琳（2012）、陶玲和朱迎（2016）对金融稳定的研究和指数构建方法，以及国际货币基金组织（IMF）发布的《金融稳健指标编制指南》中关于金融稳定指标的选取标准及构建方法。

为综合评估金融稳定水平，本文参考中国人民银行发布的《中国金融稳定报告（2021）》和王劲松等（2016）、刘金全和毕振豫（2019）、逯进和王金涛（2020）构建金融稳定指标体系的方法，并结合我国国情，从宏观经济发展、金融发展、金融质量、金融盈利、房地产经济发展、市场信心程度六个方面建立了一个包含6个一级指标和14个二级指标的金融稳定评价指标体系，具体如表1所示。

由于各指标的单位及其对金融稳定的影响方向不同，本文在主成分分析前先对数据进行了标准化处理，然后选取我国30个省份2000-2020年14个指标的数据，运用SPSS统计软件，采用主成分分析法构造综合指数。在主成分分析时，遵循特征值大于1以及特征值的碎石图出现明显弯折的原则，选取公因子。特征值的碎石图（图1）显示，在成分数为3处出现了明显弯折，而之后基本平稳。

图1 特征值碎石图

表2结果表明，5个公因子的特征值均大于1，且累计方差贡献率为81.75%。因此，本文提取如下5个公因子：政府财政收支差额/GDP、工业企业利润总额、房地产投资完成额、金融业净利润总额/金融业总资产、银行业存贷比，这5个成分作为主成分能够较好地反映原始基础指标所包含的绝大部分信息，

表2 主成分累计贡献率

在对基础指标进行主成分分析后，计算得到因子载荷系数矩，如表3所示。

表3 主成分矩阵

本文在计算线性组合中的系数时，运用如下公式：

其中，第n个指标在第m主成分的线性组合中所占的比重，是第n个指标所对应的第m主成分的因子载荷系数，是第m主成分的特征值开平方，n表示14个指标，m表示主成分1、2、3、4、5。利用公式（1）可以得到主成分在变量线性组合中的系数，第一主成分F1（政府财政收支差额／GDP）的比重按如下公式计算：

其中，系数是公式（1）中求得的值，Xn（n=1，2，···，14）是表1中的14个二级指标，F2、F3、F4、F5也按照上述方法计算。

接下来，计算金融稳定综合得分模型中的系数，公式如下：

其中，Wn为金融稳定综合得分模型中的系数，分别表示第n个指标在主成分1～5的线性组合中所占的比重，M1、M2、M3、M4、M5分别为第1～5个主成分的方差，如表4所示。

表4 基础指标的权重

首先，利用公式（2）得到14个二级指标分别在主成分1、2、3、4、5的线性组合中所占比重；其次，运用公式（3）计算14个二级指标在金融稳定综合得分模型中的系数；最后，运用公式（4）计算金融稳定综合指标FIS，来刻画我国金融稳定走势。

通过上述步骤估算得出2000-2020年我国30个省份的金融稳定综合评估分值，如表5所示。综合评估分值越高，表明金融稳定程度越高。在国际金融危机爆发前，我国经济的高速发展积累了较多金融风险，因而出现了较低分值的金融稳定指数，基本上均为负值，金融稳定性较差；但随着我国对金融风险问题的重视，2000-2005年我国金融稳定性不断提高。2007年美国次贷危机不仅对美国经济造成了巨大影响，也对我国金融稳定性产生了影响，致使我国金融稳定性在2006年和2007年有所下降。2008年国际金融危机爆发后，我国进一步增强金融风险防范意识，采取政策措施维护金融稳定。2008年至今我国金融稳定性基本呈现越来越平稳的趋势，2018年金融稳定性有所下降，主要是受经济转型及去杠杆力度有所弱化的影响。

表5 2000-2020年我国及30个省份金融稳定综合评估分值

表5 （续）

2.解释变量

本文分别选取宏观杠杆率、政府部门杠杆率、居民部门杠杆率、金融部门杠杆率、非金融企业部门杠杆率作为解释变量，研究杠杆率、经济增长与金融稳定之间的关系。本文借鉴李扬等（2015）、刘晓光和刘元春（2018）的方法，采用各省份债务总额占GDP的比重来衡量宏观杠杆率，采用各省份政府债务余额占GDP的比重来衡量政府部门杠杆率，采用各省份居民贷款总额占GDP的比重来衡量居民部门杠杆率，采用各省份金融机构债务总额占GDP的比重来衡量金融部门杠杆率，采用各省份非金融企业贷款总额占GDP的比重来衡量非金融企业部门杠杆率。

GDP增长率作为常见的宏观经济增长指标，能够在整体上衡量一个国家或地区所创造的产出增长速度。因此，本文借鉴马勇等（2016）、李艳军（2020）的做法，采用GDP增长率来衡量经济增长水平。本文在稳健性检验中采用人均GDP增长率（PGDP）来进一步验证假设。

3.控制变量

为控制其他因素对金融稳定的影响，本文借鉴陈雨露等（2014）、马勇和李振（2016）的做法，引入四类控制变量。第一类是宏观经济层面，选取的变量是通货膨胀率（IR）、固定资产投资（FI）；第二类是金融层面，选取的变量是存款利率（R），用于衡量资金成本；第三类是社会层面，选取的变量是人口增长率（POP）、城镇化率（URR）；第四类是结构层面，选取的变量是经济外向程度（IET）。变量定义如表6所示。

表6 变量定义

（二）模型设定

本文样本涉及30个省份，时间跨度20年，故采用面板模型检验杠杆率与金融稳定之间的关系。根据前文的理论分析，借鉴马勇和陈雨露（2017）的研究方法，在模型中加入杠杆率的平方项，分析二者之间可能存在的非线性关系。模型构建如下：

其中，i表示省份，t表示时间，FISi,t表示金融稳定，FISi,t-1表示滞后一阶的被解释变量，Xi,t表 示杠杆率水平，具体为宏观杠杆率（MLR）或各部门杠杆率，Controli,t表示控制变量，μi表 示个体固定效应，εi,t表 示随机误差项，C表示常数项。

本文进一步在公式（5）中引入经济增长率以及经济增长率与杠杆率的交互项，考察经济增长对杠杆率与金融稳定二者关系的影响，模型构建如下：

其中，GGDPi,t为GDP增长率，其余变量含义与公式（5）相同。

五、实证分析

（一）变量描述性统计

表7报告了各变量的描述性统计结果。结果显示，2000-2020年我国金融稳定综合指数报告评分均值为-0.0001，最大值和最小值之间差距较大，说明我国金融稳定性波动较大，需要进一步增强金融风险防范意识，促使金融市场呈现稳定趋势。宏观杠杆率的均值为2.4121，说明我国宏观杠杆率大多在241%上下波动。GDP增长率、人均GDP增长率的均值分别为0.1802和0.1209，最大值和最小值之间差距较小，说明我国经济增长比较平稳。

表7 变量描述性统计

（二）杠杆率对金融稳定的影响

在对变量进行单位根检验和Hausman①限于篇幅，单位根检验和Hausman检验结果从略，作者备索。检验后，本文选择固定效应模型对公式（5）进行回归。表8报告了杠杆率对金融稳定影响的回归结果，模型1、模型2、模型3、模型4、模型5分别检验了宏观杠杆率、政府部门杠杆率、居民部门杠杆率、金融部门杠杆率、非金融企业部门杠杆率对金融稳定的影响。

表8 杠杆率对金融稳定的影响

结果显示，在1%的水平下宏观杠杆率一次项的系数显著为正，平方项的系数显著为负，表明宏观杠杆率与金融稳定非线性相关，即存在显著的倒“U”型关系。在至少5%的水平下政府部门杠杆率、居民部门杠杆率、非金融企业部门杠杆率一次项的系数显著为正，平方项的系数显著为负，表明以上三个部门的杠杆率均与金融稳定非线性相关，即存在显著的倒“U”型关系，本文假设1得到验证。但是在1%的水平下金融部门杠杆率一次项的系数显著为负，平方项的系数显著为正，表明金融部门杠杆率与金融稳定非线性相关，即存在显著的“U”型关系。此外，所有模型均通过了Sargan检验和AR（2）检验，表明选用的工具变量有效，估计结果不受残差序列相关影响，模型结果可信。

控制变量的回归结果显示，通货膨胀率的系数在1%的水平下显著为负，表明通货膨胀率越高，对金融稳定的负向影响越大。固定资产投资的系数在1%的水平下显著为正，说明全社会固定资产投资增加会驱动经济增长，促进金融稳定。存款利率的系数在1%的水平下显著为负，表明随着存款利率的升高，贷款资金的成本增加，资金流动性下降，金融稳定性下降。人口增长率的系数基本显著为正，说明人口增长率的提高会带动消费投资，促进经济增长，增强金融稳定性。城镇化率的系数至少在10%的水平下显著为正，表明随着城镇化程度的提高，大量资金被用于基建和城镇化改造，经济金融发展水平显著提高，促使金融稳定性不断提高。经济外向程度的系数基本显著为正，表明经济外向程度越高，经济发展越快，金融稳定性越高。

（三）杠杆率、经济增长与金融稳定

本文进一步采用公式（6），引入经济增长率（GGDP）以及经济增长率与杠杆率的交互项，检验经济增长在杠杆率对金融稳定影响中的作用，回归结果如表9所示。

表9的结果显示，在经济增长率较低时，宏观杠杆率上升会导致金融不稳定，说明宏观杠杆率的上升会对金融稳定产生负向影响。随着经济增长率的逐渐提高，宏观杠杆率上升会缓慢促进金融稳定，表明经济增长率的提高对宏观杠杆率上升所引起的金融不稳定起到一定抑制作用。当经济增长率较高时，此时宏观杠杆率的上升会促进金融稳定，随着经济增长率的进一步提高，宏观杠杆率上升会促进更大幅度的金融稳定。上述结果表明，宏观杠杆率的上升反而对经济增长率较高所导致的金融不稳定起到了一定的抑制作用。因此，经济增长率的提高能够降低宏观杠杆率上升所导致的金融不稳定，本文假设2得到验证。

表9 杠杆率、经济增长与金融稳定

在经济增长率较低时，政府部门杠杆率、居民部门杠杆率、金融部门杠杆率和非金融企业部门杠杆率的上升会导致金融不稳定，说明部门杠杆率的上升会对金融稳定产生负向影响。在经济增长率逐步提高时，政府部门杠杆率、居民部门杠杆率、金融部门杠杆率和非金融企业部门杠杆率的上升会促进金融稳定。上述结果表明，经济增长率的提高对部门杠杆率上升所导致的金融不稳定起到了一定的抑制作用，当经济增长率较高时，此时政府部门杠杆率、居民部门杠杆率、金融部门杠杆率和非金融企业部门杠杆率的上升会提高金融稳定性，本文假设2再次得到验证。此外，所有模型均通过了Sargan检验和AR（2）检验，表明选用的工具变量有效，估计结果不受残差序列相关影响，模型结果可信。

（四）稳健性检验

1.基于金融稳定代理变量的稳健性检验

本文将被解释变量金融稳定以各省份商业银行不良贷款率来替代衡量，重新进行检验。表10的回归结果显示，宏观杠杆率一次项与金融稳定替换变量在1%的水平下显著负相关，平方项与金融稳定替换变量在5%的水平下显著正相关，表明宏观杠杆率的上升，先会促进商业银行不良贷款率下降，从而促进金融稳定，而在到达最高点之后，又会导致不良贷款率上升，加剧金融不稳定，本文假设1仍然成立。政府部门杠杆率、居民部门杠杆率、金融部门杠杆率和非金融企业部门杠杆率与金融稳定替换变量的回归结果与上文基本回归结果保持一致，不再赘述。

表10 稳健性检验：替换金融稳定变量

2.基于经济增长调节效应的稳健性检验

本文将经济增长用人均GDP增长率（PGDF）替换后，对杠杆率、经济增长与金融稳定的关系进行稳健性检验。表11的回归结果显示，当经济增长率较低时，宏观杠杆率的系数显著为负，说明宏观杠杆率上升会降低金融稳定性。随着经济增长率逐渐提高，宏观杠杆率与经济增长交互项的系数显著为正，说明此时宏观杠杆率上升会促进金融稳定。政府部门杠杆率、居民部门杠杆率、金融部门杠杆率和非金融企业部门杠杆率的系数均显著为负，说明其上升会导致金融不稳定；部门杠杆率与经济增长率交互项的系数均为正，说明此时部门杠杆率上升会促进金融稳定。因此，本文假设2依然成立。此外，所有模型均通过了Sargan检验和AR（2）检验，表明所选工具变量有效，估计结果不受残差序列相关影响，模型结果可信。

表11 稳健性检验：替换经济增长变量

六、结论与建议

基于我国30个省份2000-2020年的动态面板数据，本文运用系统GMM估计方法，考察杠杆率、经济增长与金融稳定的关系。研究发现：第一，宏观杠杆率与金融稳定呈现显著的倒“U”型关系，即随着宏观杠杆率的上升，杠杆率先对金融稳定产生正向影响，随后产生负向影响。第二，政府部门杠杆率、居民部门杠杆率、非金融企业部门杠杆率均与金融稳定存在显著的倒“U”型关系，金融部门杠杆率与金融稳定存在显著的“U”型关系。第三，控制变量中，固定资产投资（FI）、人口增长率（POP）、城镇化率（URR）、经济外向程度（IET）对金融稳定产生正向影响，通货膨胀率（IR）、存款利率（R）对金融稳定产生负向影响。第四，当经济增长率较低时，宏观杠杆率上升会加剧金融不稳定；当经济增长率较高时，宏观杠杆率上升会抑制金融不稳定。在经济增长率较低时，政府部门杠杆率、金融部门杠杆率、居民部门杠杆率和非金融企业部门杠杆率的上升会加剧金融不稳定；在经济增长率较高时，政府部门杠杆率、居民部门杠杆率、金融部门杠杆率和非金融企业部门杠杆率的上升会抑制金融不稳定。

根据上述结论，为防范金融风险、促进金融稳定和经济增长，本文提出如下建议：

第一，科学动态调控杠杆率，完善宏观杠杆率预警机制，适当放宽对宏观杠杆率水平的限制。政府应建立金融稳定综合评价指标体系与宏观杠杆率水平监测系统，实时评估和关注宏观杠杆率，及时评估宏观杠杆率对金融稳定的影响程度并分析原因。由于我国宏观杠杆率与金融稳定之间呈现显著的倒“U”型关系，宏观杠杆率在拐点左侧，其适度增长既有利于金融稳定，又有利于经济增长，不仅可以实现经济稳增长，而且能够防范金融风险。因此，我国在实施以稳杠杆为主的宏观杠杆率政策的基础上，可适当放宽对宏观杠杆率水平的限制。

第二，加大部门杠杆率监管力度，统筹结构性调整。政府应加大对各部门杠杆率的监管，即加强对政府部门、企业部门、居民部门债务的监管，及时做监察处理，避免不良债务的进一步恶化，稳定各部门杠杆率水平。同时对杠杆率过高的行业，及时出台相关政策，制约这些行业杠杆的进一步扩大，向行业以及市场投射正确的投资信息。由于政府部门、居民部门、非金融企业部门杠杆率与金融稳定存在倒“U”型关系，这三个部门杠杆率的提高不利于金融稳定；而金融部门杠杆率与金融稳定存在“U”型关系，其杠杆率的提高有利于金融稳定。因此，为有效防范金融风险，应当统筹各部门进行杠杆结构性调整，对各部门制定不同的监管策略。对政府部门、居民部门、非金融企业部门的杠杆率，应严格坚持去杠杆；鉴于居民部门杠杆率的提高能够促进消费，可适度放宽其杠杆率增长；同时适当提高金融部门杠杆率水平，以促进我国经济顺利转型。

第三，依据经济增长率水平，灵活调控杠杆率。结合当地经济发展水平，政府部门应制定与各地区相符合的稳杠杆、增杠杆或去杠杆政策。在经济增长率低的地区，政府可以适度降低杠杆率水平，以防止经济过热，维持金融稳定。在经济增长率高的地区，政府可以适度提高杠杆率水平，从而促进经济增长，抑制金融不稳定。在经济增速平稳的地区，政府应当维持稳定的杠杆率水平，以保持经济的平稳运行和金融稳定。因此，要灵活调控各地区杠杆率水平，切实落实好中央政策，真正促进各地区以及全国金融稳定和经济增长。

第四，完善金融风险监测机制，强化监管协调。完善金融风险监测机制、关注杠杆异常波动、强化重点领域的风险监控，对于维护金融稳定、防范金融风险、促进经济增长具有重要意义。政府应结合地区实际情况，在进行宏观审慎监管和杠杆管理过程中，注意方式方法，提升监管效率效果。在当前大资管发展、金融边界模糊的背景下，政府应强化统筹部署，发挥好对监管资源的统一协调作用；加强对重点区域、重点部门金融风险程度的评估，进一步对地区金融风险实行智能监管、及时预警和快速处理；鼓励各部门协调发展，推进金融部门更多地把资金投向急需发展的行业和领域，支持实体经济转型和发展。