风险输入视角下金融稳定对宏观经济影响研究*

龙海明,吴 迪

(湖南大学 金融与统计学院，湖南 长沙 410006)

一 引 言

党的“十八大”以来，我国坚定不移推进高水平对外开放，积极参与全球治理，经济金融领域与世界联系日益紧密。在这一过程中，我国金融业的稳定不仅受到国内经济环境的影响，还受到外部输入性金融风险的冲击。从国内来看，虽然经济仍保持中高速增长，但增长背后也存在着居民部门债务处于历史高位、企业生产经营陷入困境、地方财政收支矛盾加大等一系列风险，整体宏观杠杆率持续攀升。受此影响，我国金融市场债务违约、银行破产等乱象时有发生，区域性系统性金融风险不容小觑。从国际来看，主要发达经济体央行加快加码收紧货币政策，以及疫情反复、地缘冲突等因素的出现，使得国际金融市场波动加剧，输入性通胀压力加大，新兴经济体面临的不确定性挑战增加，外部风险将通过跨境资本流动、预期传导和宏观政策共振等渠道对我国金融稳定产生较大的负面影响。2019年中国人民银行发布《中国金融稳定报告(2019)》，首次指出“切实防范金融市场异常波动和外部冲击风险”(1)报告来源：http://www.pbc.gov.cn/jinrongwendingju/146766/146772/3927456/index.html。。2022年政府工作报告强调“运用市场化、法治化方式化解风险隐患，有效应对外部冲击，牢牢守住不发生系统性风险的底线”(2)报告来源：http://www.gov.cn/gongbao/content/2022/content_5679681.htm。。由此可见，面对日趋严峻复杂的国际环境，我国宏观政策愈发关注外部输入性风险。在此背景下，基于我国经济新发展理念，测度开放条件下我国金融体系的稳定性，评估金融稳定对宏观经济的影响，对于防范化解金融重大风险，实现经济高质量发展具有重大意义，为此，本研究从输入性风险视角出发，对外部输入性风险进行梳理、归类，在此基础上，构建包含内部风险和输入性风险的中国金融稳定指数，进一步评估其对我国宏观经济的影响，从而为更好应对金融风险尤其是输入性金融风险提供理论参考。

二 文献回顾

(一)输入性金融风险及其成因

输入性金融风险的形成总体可以归纳为受金融开放、金融创新和投资者情绪化三大重要因素影响。随着金融开放程度的不断提高，跨境资本流动更加频繁，投资过度化和投机化会给一国金融系统带来输入性风险[1]。以金融服务场景的发展以及金融科技的进步为主要表现的金融创新使得风险被层层打包和转移，一国金融风险通过国际金融市场交易转变为另一国输入性金融风险[2]。在这一过程中，一旦市场受到冲击，投资者“羊群效应”和“情绪化”交易会加剧市场间风险传染[3]，投资者情绪的信息溢出效应具有显著的不对称性[4]。从风险表现形式来看，输入性金融风险主要包括输入性政策风险、输入性汇率风险和输入性大宗商品价格风险。Pastor和Veronesi认为当主要经济体的宏观政策不确定性上升，若政策变化之前经济出现短暂或轻微的衰退，那么这种政策取向的变化将大幅提高随机因子的波动性，导致资产价格之间的波动性和相关性加剧，形成宏观政策效应共振的局面[5]。地缘政治冲突、重大突发事件等导致的汇率波动有明显的溢出效应，并且长期总溢出水平将高于短期。相较于发达经济体，新兴市场经济体输入性汇率风险水平波动更大，短期波动远大于长期波动，存在明显的周期差异[6-7]。输入性大宗商品价格风险是指一国大宗商品价格受到国际大宗商品市场价格波动影响所产生的风险。Xu和Fung研究了美日两国贵金属价格关联关系，发现铂金、黄金和白银等同种贵金属之间存在较强的风险溢出效应[8]。Li等对2005—2014年芝加哥期货交易所、大连商品交易所和郑州商品交易所的小麦、玉米和大豆日结算价格进行分析，发现相较于自给率高的大宗商品，自给率低的农产品更易受到国际大宗商品价格波动的冲击，投机泡沫更容易产生。这种大宗商品价格泡沫不仅取决于市场间的差异，还取决于本国政府政策的风险抵御能力[9]。总体来看，国际大宗商品市场对我国大宗商品市场具有较大影响，主要体现在价格引导和风险单向溢出方面[10]。

(二)金融稳定的测度

对金融稳定的测度最早通过单一指标实现。囿于数据的可靠性和方法的局限性，这类指标往往无法较好地反映一国金融稳定的真实情况[11]。随着研究的不断深入，多指标合成指数法成为测度金融稳定的主流方法。Kibritcioglu采用同方差权重法将22个国家银行部门数据进行合成，通过构建银行业脆弱性指数来测度一国的金融稳定水平[12]。多指标合成指数法可进一步分类为间接测度法和直接测度法。间接测度法主要从金融风险角度出发，通过衡量一国金融风险水平来反映金融稳定状态。Illing和Liu通过对加拿大银行、外汇、债券和股票市场相关风险指标进行收集和筛选，运用因子分析、信贷权重、等方差加权、样本累积分布函数(CDFs)转化等方法综合构建金融压力指标体系。该指数越大表明金融稳定性越弱[13]。Petrovska和Mihajlovska在构建银行业稳定指数的基础上，通过纳入宏观经济变量构建金融状况指数(FCI)，用以评价当前金融压力程度[14]。除此之外，其他常见的方法还包括Z-score模型、违约距离计算法和SRISK系统性风险测算方法等。直接测度法主要是从金融监管的角度出发，通过测度金融体系对风险的抵御能力来反映金融稳定水平。该指标越大表明金融稳定程度越高。如Albulescu从金融发展、金融脆弱性、金融稳健性以及宏观经济环境四个方面，利用随机模拟模型评估罗马尼亚金融体系稳定性，这一指标能较好地捕捉和预测金融危机发生的时点[15]。Van通过结合金融机构市场和资产负债表信息，构建一个由综合指数及不稳定边界共同组成的金融稳定指标，用以评估荷兰金融体系稳定性[16]。国内对于金融稳定的研究起步较晚，主要借鉴国外较为成熟的指标体系来测度我国金融稳定指数。陶玲和朱迎构建了包含七个维度的系统性金融风险综合指数，并引入指数修正机制来动态监测我国金融市场风险[17]。叶永刚和张培从金融稳定、消费者保护和金融效率等维度，运用主成分分析法构建我国金融监管指数[18]。刁节文和章虎运用卡尔曼滤波算法测度出各指标的时变权重，并依此构建出具有时变特征的金融稳定指数[19]。

(三)金融稳定对宏观经济的影响

早期的研究结论认为金融稳定对宏观经济具有单向线性影响。如林珏和杨荣海利用发达经济体和新兴市场经济体的数据进行研究，发现虽然影响金融稳定的因素有所不同，但金融稳定性的提升有助于促进经济增长[20]。崔建军和王利辉探讨了金融全球化、金融稳定与经济发展三者之间的关系，认为金融全球化不利于金融市场的稳定，金融稳定对经济增长具有促进作用[21]。随着研究的不断深入，更多结论表明金融稳定与宏观经济之间存在着非线性双向影响关系。刘金全和潘长春发现金融稳定对经济增长具有显著的非线性影响，二者在“新常态”后显示出较为明显的协调发展态势[22]。庞晓波和胥日认为金融稳定与经济增长之间存在双向非线性格兰杰因果关系，两者相互作用[23]。

通过对既有文献进行梳理发现，尽管对金融稳定的研究较为丰富，但仍存在局限。其一，对于金融稳定的测度，较多研究从国内金融市场、金融机构等维度进行指标筛选，鲜有文献将外部输入性金融风险纳入指标选择当中，对这部分风险考虑不足。其二，关于金融稳定对宏观经济运行的影响，多数观点认为金融稳定有助于促进经济增长，而金融稳定与经济波动之间的关联关系还处于讨论之中，仍未形成一致结论。与现有文献相比，本文在理论上的“边际贡献”主要体现在以下几点：一是研究视角的创新，从输入性风险视角切入，将外部输入性不确定性金融风险纳入考察范围中，从全局视角构建我国金融稳定综合指数；二是研究对象的创新，相较于以往研究，本研究进一步考察金融稳定对经济波动的影响，有助于更全面地把握金融稳定与宏观经济之间的关系，为实现“稳增长”和“防风险”双重目标下的动态平衡提供一定的经验证据。

三 金融稳定的测度

(一)基础指标的选择

基于对以往文献的归纳总结，并结合我国经济金融发展新时代特征，中国金融稳定的内涵可以界定为：金融体系在有效支持经济高质量发展过程中，能快速识别、准确评估和及时防范内外部金融风险，守住不发生系统性金融风险的底线，实现稳增长和防风险长期均衡的一种状态。因此，可从金融机构、金融市场、国内宏观经济和国际输入性风险四个维度选取31个基础指标构建中国金融稳定综合指数(China Financial Stability Composite Index，简称CFSCI)。具体指标如表1所示。

1.金融机构维度

金融机构是金融体系最主要的构成部分，因此从银行机构、证券机构和保险机构出发，参考李强和赵桦的研究，选择商业银行资本充足率、流动性比率和不良贷款率三个基础指标[24]。商业银行资本充足率(a1)反映商业银行用以承担风险损失的自有资本充足程度，资本充足率越高，银行抵御风险能力越强。商业银行流动性比率(a2)反映商业银行短期偿债能力，流动性比率越高意味着银行能较好化解短期风险。二者对金融稳定均有正向影响。商业银行不良贷款率(a3)是反映商业银行资产质量的重要指标，不良贷款率上升意味着资产质量的下降，银行承担的信用风险增加，对金融稳定产生负向影响。金融机构存贷比(a4)是指以银行为代表的金融机构贷款总额与存款总额之比，存贷比偏高意味着银行有较少的库存现金来满足流动性需求，这将削弱银行机构的抗风险能力。贷款增速匹配度(a5)反映银行机构资源配置效率。贷款增速/GDP增速高，反映银行体系用较多的信贷资源带动较少的经济产出，可能带来通货膨胀风险。A股金融指数(a6)综合反映上市证券公司市值增长状况。指数越高说明上市证券公司市场价值越高，有助于提高金融体系稳定性。保险业资产同比增速(a7)反映的是保险机构资产增长情况。增速越高说明保险机构资产越充足，对风险的抵御能力越强。

表1 CFSCI基础指标

2.金融市场维度

作为金融产品交易和资金流动的主要场所，金融风险极易通过金融市场在各金融机构之间传染、放大，因此，准确评估金融市场风险对于构建金融稳定综合指数十分重要。本研究分别从货币市场、股票市场、债券市场和外汇市场选取7个有代表性的基础指标。银行间市场质押式七天期回购利率(b1)是中央银行利率引导机制重要环节，由于标的信用等级高，基本没有风险溢价，成为市场基准利率的重要参考之一。利率越高反映银行间市场短期流动性越紧张，对金融稳定产生负向影响。上海银行间同业拆借期限利差(b2)反映长短期资金拆借利差。利差越小表明投资者对未来经济预期越悲观，更愿意持有短期资产，金融稳定性减弱。证券化率(b3)是各类金融证券总市值与GDP总量之比。上证指数同比增速(b4)主要反映上海证券交易所上市公司的整体表现。证券化率和上证指数两个指标越大意味着资本市场越繁荣，泡沫风险的可能性越大，对金融稳定性的负面冲击越高。股票市盈率(b5)反映股票市场估值水平。指标越大表明估值偏离公司盈利能力程度越高，金融风险越大。中债国债总指数同比增速(b6)代表国债整体价格走势情况。该指标越高表明相较于权益类资产，投资者更倾向买入避险资产，金融市场风险较大。人民币对美元汇率(b7)主要反映外汇市场风险。由于我国汇率采用直接标价法，汇率越高意味着人民币贬值越大，外汇市场风险越高。

3.国内宏观经济维度

国内宏观经济维度主要反映宏观经济环境状况。CPI同比增速(c1)和PPI同比增速(c2)分别反映消费品价格和工业品价格上涨情况，能整体反映我国物价水平。物价水平越高，通货膨胀风险越大，对金融稳定产生负向影响。PMI景气程度(c3)是宏观经济运行先行指标，由于PMI通常以50%作为经济强弱的分界点，因此，该指标大于1时表明经济处于扩张区间，反之经济处于收缩区间。M2增速匹配度(c4)主要反映我国货币政策取向。该指标越高，表明单位经济增速所需货币供应量越多，不利于金融稳定性的提升。财政支出增速(c5)反映我国财政政策力度。增速越高表明财政政策对经济的支持力度越大，有助于宏观经济的平稳运行。进出口总额同比增速(c6)反映我国外贸的总体态势，进出口总额同比增速越高表明经济活力越强。外汇储备同比增速(c7)反映我国抵御汇率波动风险能力，对金融稳定有直接正向影响。实际利用外资额同比增速(c8)越高反映我国经济开放程度越高，对外资吸引能力越强，对经济增长具有促进作用。房地产开发投资同比增速(c9)包括房屋建筑物及配套设施建设、土地工程开发及土地购置投资的同比增速，该指标反映房地产行业通过投资乘数效应带动实体经济发展，对金融体系的稳定有正向影响。

4.国际输入性风险维度

按照风险类型划分，国际输入性风险包括外债风险、经济金融输入性风险、政策输入性风险、汇率输入性风险以及大宗商品价格输入性风险。外债风险主要从外债绝对值和外债偿还率两方面进行衡量。外债余额同比增速(d1)越高，外债规模越大。外债偿债率(d2)越高，偿还外债本息压力越大。两者均会增加外债风险，给金融稳定带来隐患。经济波动输入性风险选择宏观不确定性指数(d3)和金融不确定性指数(d4)两个指标。其中，宏观不确定性指数由Jurado等运用扩散指数预测法所构建，这一指标有132个宏观经济数据指标，具有较好的预测性[25]。金融不确定性指数由Ludvigson等运用相同方法构建，包含148个金融指标[26]。以上两个指标主要反映国际经济金融输入性风险。不确定性越大，风险越高。全球经济政策不确定性指数(d5)由全球21个国家经济政策不确定指数加权平均构成，能较好地反映政策输入性风险[27]。美元指数波动率(d6)代表以美元为主的汇率输入性风险，波动率越高代表国际汇率市场风险越大。大宗商品价格输入性风险选择原油期货价格同比涨幅(d7)和大豆期货价格同比涨幅(d8)两个指标，二者均会给经济发展带来输入性通胀，对金融稳定产生负向影响。

(二)数据来源

本研究使用数据主要来源于国家统计局、中国人民银行、中国债券信息网和Wind数据库。宏观不确定性指数、金融不确定性指数和全球经济政策不确定性指数，均取自公开数据。数据选取区间为2000年—2020年，以此反映2008年国际金融危机前后我国金融稳定状况，同时按照一般文献的做法，运用插值法将缺失样本补齐。

(三)中国金融稳定综合指数的构建

由于所选基础指标单位不一，本研究需对其进行标准化处理，然后运用主成分分析法进行指数构建，借鉴以往文献，选择累计方差贡献率达到85%以上的主成分来确定主成分个数。采用相关系数矩阵对各指标进行分析，结果如表2所示。前三个主成分特征值分别为26.034、2.760和1.387，累计方差贡献率分别达到83.980%、92.883%、97.357%，因此，选择三个主成分进行分析。

表2 主成分分析结果

对选定的主成分进行进一步分析，可以得到各基础指标的载荷矩阵系数。这一系数代表选择的主成分反映基础指标信息量的多少。系数越大，表明所选择主成分反映的原有信息越多，主成分代表性越强。载荷矩阵系数如表3所示。

表3 基础指标载荷矩阵系数

按照以往文献的标准做法，用各基础指标载荷矩阵系数分别除以所选主成分特征值平方根后，得到对应的得分系数矩阵。将标准化后的基础指标与得分系数相乘，计算出所选主成分得分，并用归一法处理主成分得分，按照以下公式计算我国金融稳定综合指数(CFSCI)：

(1)

其中，αi为第i个主成分的方差贡献率，atotal为前X个主成分的累计贡献方差率，Fit为第i个所选主成分，对所得金融稳定综合指数进行HP滤波处理，得到结果如图1所示。其中，横轴表示年份，纵轴表示CFSCI指数，实线为CFSCI实际走势，长短线和点线分别为CFSCI趋势线和波动线(3)纵轴左侧表示CFSCI实际走势线和趋势线指标，纵轴右侧表示波动线指标。。

由图1可以看出，在国际金融危机之前，我国金融体系稳定是波动上升的，但在危机来临之前的2007年，金融稳定综合指数上升趋势已经放缓，市场风险有所抬升。2008年危机爆发之后，市场风险暴露，对我国金融稳定产生严重冲击。随着一揽子经济刺激计划的实施，经济快速回暖，金融风险有所回落，我国金融体系稳定性在2009年—2012年间逐步回升。经济刺激计划的后遗症随之显现，叠加2013年中突发的商业银行流动性紧张，给金融体系带来较大冲击，金融稳定性下降。此后金融稳定性有所提升。2015年A股市场突然大跌，短短三周内上证指数、深圳指数和创业板指数分别下跌28.4%、32.34%和33.19%，给金融稳定带来负面影响。2018年中美贸易摩擦进一步给金融稳定带来不确定性，政策输入性风险加剧。2020年新冠肺炎疫情暴发给实体经济和金融稳定都带来巨大冲击。总体来看，虽然我国面临诸多风险与挑战，但我国金融体系在政策监管和行业自律约束下仍呈现波动上升态势。

图1 中国金融稳定综合指数走势图

四 金融稳定对宏观经济的影响研究

(一)模型设定及变量说明

为进一步评估金融稳定对宏观经济的影响，利用向量自回归(VAR)模型对两者之间动态交互关系进行分析，本研究在指标选择方面，选择实际GDP增长率(GDP)作为经济增长的代理变量；对于经济波动的指标选择，参照以往文献，对实际GDP增长率进行HP滤波处理后选择波动项绝对值来代表经济波动率(AHPGDP)；金融稳定指标选择上文构建的中国金融稳定综合指数(CFSCI)。上述变量的选取及说明如表4所示。

表4 变量选取及说明

(二)实证结果与分析

1.变量处理与模型检验

在进行向量自回归之前，为防止出现伪回归现象，本研究对时间序列进行了ADF单位根检验。回归结果如表5所示。

表5 ADF单位根检验

表5结果表明，对实际GDP增长率、实际GDP波动率和金融稳定综合指数进行一阶差分后，所有指标均在5%的显著性水平下平稳，进一步对各变量进行Johansen协整检验，结果如表6所示。

表6 协整检验

表6回归结果表明，各变量之间存在协整关系。运用信息准则确定VAR模型的滞后阶数，结果如表7所示。

表7 信息准则检验

表7结果表明，无论按照AIC、HQIC还是SBIC准则，均显示模型最优滞后阶数为4，因此，选择建立滞后四阶的向量自回归模型，并对模型稳定性进行检验。结果如图2所示。

图2显示，所有特征值均在单位圆内，表明模型是稳定的。

2.格兰杰因果检验

根据前文模型设定，通过考察经济增长、经济波动和金融稳定之间的格兰杰因果关系，本研究进一步分析三者之间交互影响关系。回归结果如表8所示。

表8回归结果显示，经济增长、经济波动和金融稳定之间呈现较强的格兰杰因果关系。具体而言，经济增长和经济波动之间互为格兰杰因果关系。金融稳定是经济增长和经济波动的格兰杰原因，而经济增长和经济波动均不是金融稳定的格兰杰原因。

图2 VAR模型平稳性检验

表8 Granger格兰杰因果检验

这一结果与我国经济发展典型事实相符合。经济增长速度过高或者过低均会给市场带来预期外的冲击，导致市场对经济形势过度乐观或悲观，进一步加剧经济波动。同时，经济波动加剧又会直接影响到经济增速，在没有政策干预或者预期引导的情况下，很容易出现经济增速与经济波动共振，经济顺周期效应明显。金融稳定主要对经济波动产生影响，而不会对经济增长产生直接效应，表明金融稳定更加关注宏观经济运行的平稳性。

3.脉冲响应结果分析

运用脉冲响应函数进一步分析经济增长、经济波动和金融稳定之间关联影响的大小和方向。本研究首先分析金融稳定脉冲响应，回归结果如图3所示。

图3 金融稳定脉冲响应结果注：横轴代表时期，纵轴代表脉冲响应大小；指标次序依次为脉冲变量和响应变量。阴影区域为95%置信区间。下同。

给金融稳定一个单位的正向冲击，经济波动会立即下降，随后有所回升，并在第一期达到峰值，最后呈现波动下降态势，冲击影响在第四期结束。这表明金融稳定性的提高能在短期内抑制经济波动，但随后效果有所减弱，但仍然显著。从长期来看，金融稳定能有效降低经济运行的波动性。金融稳定对经济增长的冲击影响在初期显著为正，但在第二期降低到最低点，随后呈现波动上升态势，并在第六期结束。这表明随着金融稳定程度的提高，金融系统将会抑制经济短期、快速的不合理增长，经济增长更具有长期性。总体来看，金融稳定对宏观经济运行的影响偏正面，能降低经济波动性的同时促进经济增长，进一步分析经济增长脉冲响应，回归结果如图4所示。

图4 经济增长脉冲响应结果

图4显示，给经济增长施加一单位冲击，初期的经济波动会增加，在第一期达到峰值后迅速下降，在第三期达到最低点后波动上升，冲击影响在第六期结束。该回归结果表明，经济增速的提高会给市场带来预期外的冲击，进一步刺激投资、消费规模的扩大，导致下一期经济增速进一步提高，加剧经济波动性。短期的市场繁荣后，经济开始自我纠偏，经济波动逐渐下降到合理水平。经济增长对金融稳定冲击效应并不明显，表明经济处在增长阶段时，金融风险尚未暴露，金融体系处于较为稳定的状态，最后考察经济波动脉冲响应，结果如图5所示。

图5 经济波动脉冲响应结果

图5显示，经济波动对金融稳定的影响不明显，而对经济增长有明显的脉冲效应。具体而言，给经济波动施加一单位冲击后，经济增长速度马上下降，并在第一期达到峰值，之后开始回升；从第二期到第四期，冲击造成的影响使得经济增速波动下降。这表明经济波动增加会在短期内显著降低经济产出，之后产出虽然有所上升，但在中长期给经济增长仍然造成负面影响。

4.方差分解结果分析

脉冲响应回归结果表明，金融稳定与宏观经济之间存在着显著的交互影响关系，进一步运用方差分解函数度量各变量之间的贡献值。

一是金融稳定的方差分解结果(限于篇幅，具体结果省略。下同)表明，对金融稳定向前一期变动，其预测方差完全受到自身影响。随后金融稳定对自身贡献度逐渐下降，并逐渐稳定在46%左右，经济波动和经济增长贡献度上升，最终稳定在10%和44%左右。

二是经济增长的方差分解结果显示，经济增长下一期变化的贡献度主要源于自身，随后贡献度逐渐下降，最终稳定在56%附近；金融稳定和经济波动的贡献度逐渐上升，在长期分别稳定在13%和31%附近。

三是经济波动的方差分解结果表明，短期内经济波动对自身预测方差的贡献度最高，随后下降，最终稳定在61%附近，表明经济波动呈现出较强的自相关现象。金融稳定对经济波动的贡献度次之，短期上升后稳定在27%附近。经济增长对经济波动的贡献最小，长期贡献度稳定在12%附近。

五 结论与政策建议

金融体系的稳定是我国经济高质量发展的重要基础。随着国际环境的日益严峻，我国金融体系面临较大不确定性。从输入性风险视角出发，将经济输入性风险、金融输入性风险、政策输入性金融风险和大宗商品价格输入性金融风险纳入指标体系，基于金融机构、金融市场、国内宏观经济和国际输入性风险四个维度综合构建我国金融稳定综合指数(CFSCI)，进一步探究金融稳定与宏观经济之间的关联影响。结果表明：其一，我国金融稳定水平总体呈现波动上升态势，但在国际金融危机时期、中美贸易摩擦时期和全球新冠疫情大流行时期显著下降，外部输入性风险对我国金融稳定产生明显冲击。其二，进一步分析发现，金融稳定是经济增长和经济波动的格兰杰原因，金融稳定性上升能降低经济波动，使得经济增长更加平稳。其三，相比之下，经济增长和经济波动不是金融稳定的格兰杰原因，宏观经济的运行对金融稳定影响不显著。

这一结论对我国防范金融风险尤其是外部输入性风险，实现经济高质量增长具有一定的政策启示。一是要注意防范外部输入性风险，高度关注国外经济形势、经济政策改变带来的不确定性风险，强化对早期风险点的监测、预警与处置，提高政策的前瞻性和有效性。二是提高我国金融体系稳定性。一方面要畅通金融机构资本补充渠道，完善金融机构风险管理体系，提高金融体系风险抵御能力。另一方面要加强金融市场体制机制建设，面对金融市场非理性波动，需提高机构投资者市场定价能力，丰富风险管理工具，强化预期引导，弱化国际国内金融市场联动带来的风险溢出效应。三是要协调好金融与实体经济之间的关系。金融稳定性的提高对宏观经济运行有显著的正面影响，因此，要在保持金融体系稳定的基础上加大金融对实体经济的支持力度。稳健的货币政策需要合理、适度，保持货币供应量与名义经济增值的基本匹配，提高金融服务实体经济的能力；同时，进一步完善宏观审慎管理框架，强化逆周期管理，防止金融风险传导到实体经济。此外，积极的财政政策可以发挥更大效能，通过增加政府支出，带动更多金融资源投入实体经济，实现经济结构的调整与优化。