宏观审慎、逆周期缓冲和杠杆率监管

郝志运 杨泰然

摘   要：宏观审慎监管的作用在于两方面，一是逆周期以对冲时间维度的金融顺周期效应，二是稳杠杆以防范空间维度的系统性金融风險。为研究宏观审慎监管的有效性，本文采用计算金融学研究方法论，构建基于Agent的金融网络仿真模型，引入逆周期资本缓冲机制和杠杆率监管范式，模拟信贷、资本和银行间3个市场上7种Agent交互行为，设计了风险与收益、长期与短期的5种监管策略，研究得出：一是金融网络市场上存在聚集性波动的特征事实，可用以判定和预测系统性风险；二是通过分析市场宏观指标发现，风险导向、长期监管策略的逆周期、稳杠杆效用较为显著；三是宏观审慎应坚持前瞻指引、政策协调、相机抉择和激励相容的基本出发点，把握好保增长与防风险的有机平衡。

关键词：宏观审慎；逆周期缓冲；杠杆率监管；基于Agent；金融网络仿真

DOI：10.3969/j.issn.1003-9031.2023.12.001

中图分类号：F832.0            文献标识码：A     文章编号：1003－9031（2023）12－0003－18

一、引言及文献综述

党的二十大报告指出，“深化金融体制改革，建设现代中央银行制度，加强和完善现代金融监管，强化金融稳定保障体系，依法将各类金融活动全部纳入监管，守住不发生系统性风险底线。”完善金融监管、维护金融稳定、保障金融安全由此被放置于关乎国计民生的重要位置。金融体系的稳定性和周期波动成为影响宏观经济波动的重要来源（马勇，2019），宏观审慎监管正是从维护宏观经济和金融稳定出发，防范系统性风险和金融危机，以达到整个金融体系的一般均衡（Hanson et al.，2011），它从时间和空间两个维度产生作用：时间维度上关注风险随时间累积演变的顺周期问题，而空间层面上关注的是同一时段内不同金融风险的相互作用的系统性风险传染问题（巴曙松，2010）。换言之，宏观审慎旨在解决金融的周期性和结构性两方面问题，一方面是金融本身特有的顺周期性，在经济上行期，银行信贷扩张，推动经济过热上行，而在经济下行期，银行信贷紧缩，加剧了实体经济的衰退萧条。另一方面是金融杠杆带来的结构性问题，无论杠杆率是上升还是下降，过快的杠杆率变动对经济增长都是有害的（何山和彭俞超，2019）。若杠杆率过高，违规金融创新通过多层嵌套逐级加杠杆，推高了实体经济的融资成本，导致资金脱实向虚、体内空转和监管套利，信用、流动性、操作、市场风险集聚和交叉传染，增加了金融体系的脆弱性，可能引发系统性风险，而杠杆率过低，将导致经济增速放缓和经济波动加剧（马勇和陈雨露，2017），且恐慌性的去扛杆化、金融杠杆急剧衰退极易诱发金融危机。中国人民银行、银保监会2020年发布《关于建立逆周期资本缓冲机制的通知》，旨在提升宏观审慎政策的逆周期调节能力，缓解金融风险顺周期波动和突发性冲击导致的负面影响，维护中国金融体系稳健运行。

目前，关于宏观审慎的定性和定量研究均比较多，主要集中在宏观审慎监管与金融稳定的关系、微观审慎监管配合和央行货币政策协调等方面。Hanson et al.（2011）表示宏观审慎监管是对整个金融体系风险的控制，能够更好地利用逆周期监管工具，有效控制由于金融体系的顺周期性及金融体系的不稳定所导致系统性风险的积累。李天宇等（2016）通过实证分析发现，宏观审慎监管能够有效缓解经济上行区间的信贷高杠杆现象，起到抑制系统性金融风险累积、促进金融稳定的作用。潘敏和周闯（2019）通过实证分析研究发现，杠杆率冲击对经济系统特别是金融稳定的负面影响更大，引入逆周期调节因子的动态调整比现行的静态规则具有更显著的金融稳定效果。Angeloni and Faia（2009）运用DSGE模型分析银行发生危机的传导过程，紧缩的货币政策可以降低杠杆率，而资产价格的上涨会导致杠杆率升高，因此货币政策对维持金融稳定作用有限，最佳政策组合应当是适当的逆周期宏观审慎监管与货币政策的相互协调。王兆星（2020）指出，系统性金融风险具有很强的顺周期性，必须加强逆周期调控，过度加杠杆与期限严重错配是积累和引发系统性金融风险的重要因素，必须加强对杠杆水平和期限错配的有效管控。严佳佳和康志鑫（2020）通过建立一个开放经济条件下含有金融加速器的多部门DSGE模型，指出金融稳定是双支柱调控框架下宏观审慎政策的最优单一目标选择，要加强宏观审慎政策与其他经济政策的配合与协调。

综上可见，宏观审慎的主要任务在乎两个方面，一方面实施逆周期调节和资本缓冲，抑制经济周期的聚集性波动和应对金融危机的流动性压力，另一方面要结构化稳住金融杠杆，增强金融杠杆的弹性与韧性，避免杠杆率过高或过低导致的系统性金融风险，这两方面的任务互为补充、缺一不可。但在当前研究中，定性分析和实证研究较多，通过仿真设计方法论研究宏观审慎监管的较少。本文的边际贡献和创新性主要体现在：一是有别于当前较多通过定性和实证来研究宏观审慎监管的方法，从计算金融学的角度，通过设计和构建基于Agent的金融网络仿真模型，使用模拟数据进行实验研究；二是引入了宏观审慎监管的两大任务和目标，即逆周期资本缓冲机制和杠杆率监管策略，以论证、研究和预测金融监管有效性，并总结得出宏观审慎应坚持的价值取向和基本出发点。

二、基于计算金融学的模型设定

为研究宏观审慎监管的有效性，需要对具备连通性的银行间市场、资本市场和货币信贷市场进行全面分析，以防范化解金融市场危机，本文使用了计算金融学的研究方法论模拟了以上三个金融市场。

（一）基于Agent的可计算金融学

传统金融学是以一般均衡和有效市场假说为前提的，以“理性经济人”为理论框架的核心（王国成，2012），决策一般用冯·诺依曼—摩根斯坦“期望效用函数”表达风险问题，用“指数贴现效用函数”表达跨期问题，风险和跨期的核心假设均是“人的偏好具有稳定性和一致性”。大量研究表明，传统经济学对于解释“非理性、非线性和非均衡”演化的金融市场力不从心。而基于Agent的计算金融学是在不确定性假说下发展起来，它将金融市场视为包含多个有限理性Agent的复杂适应系统，Agent依赖经验进行决策并通过交互而涌现出复杂特性，这些特性又会反作用来影响Agent微观动机和金融市场的宏观效果。计算金融学就是通过这种双向反馈机制的仿真，揭示金融规律和预测市场走势，其特点是 “微观动机涌现宏观行为”，结合了数理金融学、实验经济学和计算机仿真的优点，对于风险偏好和时间偏好进行更好、更精确的建模，具有不可代替的优势（Miao and Zhong，2015）。不仅表现为研究手段和工具革新，更带来了金融学思维范式和方法论的深刻变革，目前已发展成为货币金融学的重要分支。计算金融学按照既定的一般流程来设计开展，如图1所示，需要通过反复观察、归纳假设和循环实验来得出结论。

关于计算金融学在金融监管领域的研究，涌现了很多成果。一是模拟监管政策的实施效果。如欧洲推出Eurace仿真平台，模拟现实世界中金融、货币和贸易等不同市场，辅助政策制定和预测实施效果。Feldman（2011）通过基于Agent仿真的金融监管模型，认为收益导向的监管在一定程度上减少了危机次数，但增加了严重金融危机和价格剧烈波动的可能性。二是将金融市场模拟成复杂网络，通过网络拓扑结构研究监管政策的影响和系统性风险传导机制，比较有代表性的是Mauro and Richiardi（2011）的金融市场“羊群效应”模型、Domenico et al.（2010）金融加速器的信贷网络模型，Huang et al.（2010）通过异质性Agent模型来模拟三种金融危机，分析引发金融危机的潜在原因。

（二）基本模型的构建

本文参考了Thurner、Farmer and Geanakoplos（2009）提出的中央银行存款保证金制度下的资产购买模型，模型主要定义了金融市场上的四类Agent：噪声交易者、企业、银行、投资者，企业可进行价值投资和银行借贷，中央银行对银行与企业的信贷行为实施杠杆率监管。为模拟和分析宏观审慎监管的有效性，本文在此基础上进行了拓展，设计了具备连通性的三个市场：资本市场、信贷市场和银行间市场，进行假定如下：

假定1：资本市场包含四类Agent，企业、投资者、噪声交易者、监管者。其中，企业的投资方式是价值投资，投资人也可以对其投资或者撤资，噪声交易者主要进行资产买卖，监管者对资本市场实施信息披露监管。

假定2：信贷市场包含五类Agent，央行、银行、企业、存款者和监管者。银行可接受存款者的存款，到期向存款者提供存款本息；也可向企业支付和回收贷款，收支存贷款本息。央行向银行计提存款准备金，在银行遭受外部冲击流动性趋紧时，央行向其提供破产救助，监管者主要通过逆周期缓冲和杠杆控制手段来实施宏观审慎监管。

假定3：银行间市场包含两类Agent，银行、监管者，当银行流动性无法满足信贷投放需求时，可向其他银行进行同业拆借，补充资本和流动性，监管者实施资本充足率监管。

假定4：市场上存在着信息不对称，各Agent具有有限理性，按照风险中性原则，在交互演化中实现自身收益的最大化。

金融网络仿真模型三个市场上七个Agent之间的关系如图2所示，Agent的属性和交互行为设定如下。

三、宏观审慎框架下金融网絡演化仿真设计

2008年的美国次贷危机说明全球金融系统不再是单体的、孤立的，而是相互连接的金融网络，单个金融机构的行为会对网络内其他机构产生重要影响，网络连接会助推系统风险的扩散（孙艳霞，2015）。通过金融机构之间的关联形成金融网络，为研究宏观审慎监管提供了全新的视角和思路。金融机构间的关联，可通过银行间的同业拆借、同业存放以及回购业务等数据、银行间持有共同资产、股票相关性等来实现，本文选取了基于资产负债表关联的金融网络构建方法。

（一）基于Agent的金融网络仿真设计

本模型设计的金融网络包括资本市场、货币信贷市场和银行间市场的网络，资本市场网络主要由投资者、企业和噪声交易者构成，它们之间实际上没有直接的交互行为，而是通过各自的资产买卖操作，影响资本市场而发生间接的交互，其网络拓扑结构是随机无序的。在信贷市场网络中，资金流向要考虑银行与企业之间的资产负债关系，是1对N的关系，网络拓扑结构。在银行间网络中，银行之间的资金流向是通过同业存放拆借实现的，是N对N的关系，网络的演化仿真设计如下。

1.逆周期资本缓冲机制

银保监会2020年9月出台的《关于建立逆周期资本缓冲机制的通知》明确了逆周期资本缓冲的计提方式、覆盖范围及评估机制，其目标是在金融风险大幅高于正常水平导致信贷供给紧张或严重阻碍经济金融活动时，对信贷波动进行“逆风干预”，限制金融脆弱性的积聚，提高金融系统的韧性。央行、国家金融监督管理总局将综合考虑宏观经济金融形势、杠杆率水平、银行体系稳健性等因素，定期评估和调整逆周期资本缓冲要求，防范系统性金融风险。

逆周期缓冲在Basel3中被首次提出，即在超额信贷扩张和系统性风险积累时期，以最低资本要求和留存资本缓冲为基础计提逆周期缓冲资本；在经济转向下行，银行信贷风险扩大时，释放逆周期缓冲资本。关于逆周期缓冲资本的释放方式，要根据风险累积的变化及时做出释放缓冲资本的决定，可采用一次性释放或者逐步释放等（巴曙松，2020），本文采用在经济出现由上行向下行变换的拐点时一次性释放缓冲资本的方式，以减小周期性经济活动对信贷增长的影响，及时吸收风险损失。

四、实验运行与仿真结果分析

本文通过MATLAB平台仿真得出可视化结果，研究监管策略的效果和金融市场的走势。主要参数设置如表1所示，具体流程如图3所示。市场上初始有10个企业，每家企业的价值均为W0，若企业价值在演化过程中低于W（0）/10时，则破产退出市场，在运行了100个时间单位后，规定有1家新企业产生进入市场，如此循环往复，实验总计运行了50000个时间单位，实验结果在多次模拟的基础上取平均值，以削弱实验的随机性，得出金融市场的特征事实和宏观指标等一般性结论。

本文采用噪声交易者的收益率分布进行稳健性检验，如图4所示。模型中金融市场上噪声交易者的收益率基本呈正态分布，证明本文模型的设置基本合理。但也在一定程度上存在着厚尾现象，这是由于金融市场参与者的心理因素存在差异，对信息的消化与确认不均等，收益率的波动呈现非均衡状态，厚尾现象也基本符合金融市场的现实特征。

（一）特征事实：市场波动聚集性

波动性是指金融时间序列的离散程度，通常可体现资产价格的不确定性，可以被用来测量资产的风险性和收益率。在金融市场中，对收益率波动性进行准确测量可以为投资者提供依据，对监管实施、风险管理和资产定价等都有很大借鉴意义。Mandelbrot（1963）研究认为，描述金融资产价格的随机变量的方差具有聚集性，在其方差随时间的不断变化过程中，波幅较大也就意味着发生系统性风险的可能性较大，而风险的积聚到一定程度便会引发金融危机。Danielsson et al.（2020）研究了波动聚集性对风险承担和金融危机的影响，认为波动性可以作为预测危机的可靠指标，而低波动性也不意味着安全，因为金融体系在低风险时积累了更多的杠杆风险。波动聚集性的研究有助于系统性风险的识别预警，从而采取有针对性的防范措施，降低危机爆发的可能性和危害程度。

图5将Regime ？厝下的收益率的标准方差与正态分布noise trader的情况进行对比，可发现Regime ？厝的收益率的方差分布具有较为明显的波动聚集性。为了进一步分析和比较各种监管策略对聚集性的影响，图5描述了各策略下收益率的自回归系数，自回归系数越大，说明收益率随时间的自相关性也越大，聚集性也会越明显。

通过对图6进行观察分析，可得出各策略关于聚集性波动的结论。

RegimeⅠ监管策略的聚集性波动最为显著，而RegimeⅢ策略最不显著，可见单一固定杠杆率更容易引致金融市场波动，而在风险导向、长期的监管策略下，市场波动得到了最好的控制；

通过比较RegimeⅡ和RegimeⅣ、RegimeⅢ和RegimeⅤ，可以发现在期限和状态一致的情况下，风险导向监管策略的聚集性波动效应要弱于收益导向的监管策略。可见逐利是金融的本质特征，需要金融监管对冲金融外部性；

通过比较RegimeⅣ和RegimeⅤ，RegimeⅡ和RegimeⅢ，可以发现在状态和导向一致的情况下，短期监管策略的聚集性波动更为明显。长期策略则意味着可变，可根据市场风险状况灵活调整，同时也需要保持一定的稳定性、延续性和长期性。

根据公式（29）—（32），通过程序运行和实验模拟，可以得到所设置的宏观性指标：金融市场总财富、企业破产率、银行信贷投放总量和银行不良贷款率，如图7所示。

通过对模型运行时间内5种监管策略下4个宏观指标的观察和直观分析，可得出如下结论。

从金融市场总财富Ws（t）可以看出，收益导向、长期监管策略RegimeⅤ下市场财富最高，单一固定杠杆率监管RegimeⅠ下的市场财富逐步降至最低。收益导向的RegimeⅣ和RegimeⅤ策略下市场财富要高于风险导向的RegimeⅡ和RegimeⅢ策略，长期策略RegimeⅢ和RegimeⅤ要好于短期策略RegimeⅡ和RegimeⅣ。

从企业破产率Rbr可以看出，单一固定杠杆率监管破产率最高，风险导向、长期的监管策略RegimeⅢ下企业破产率最低。短期的策略RegimeⅡ和RegimeⅣ下的企业破产率总体要高于长期策略RegimeⅢ和RegimeⅤ。

從银行信贷总规模Ls（t）可以看出，单一固定杠杆率监管下信贷投放量最大，而短期与长期、风险与收益等因素对信贷投放量影响不显著，这主要是由于信贷投放量受货币政策影响，宏观审慎监管政策需要与货币政策协调才能体现出明显作用。

从银行平均不良贷款率Rbl可以看出，单一固定的杠杆率监管下银行不良率最高，风险导向、长期监管策略Regime Ⅲ下不良率最低。收益导向的RegimeⅣ和RegimeⅤ策略下银行不良率要高于风险导向的RegimeⅡ和RegimeⅢ策略，这印证了高收益也存在高风险。

可见，长期监管策略下银行的资产质量要优于短期策略，收益导向的监管策略下金融市场财富较高，风险导向的监管策略下银行不良贷款率和破产率较低，而长期固定的杠杆率策略下市场财富最低，企业破产率和银行不良率最高，且信贷规模最高。综合分析，风险导向、长期杠杆策略的效用总体较为理想。

五、结论与建议

本文基于Agent的计算金融学模拟了金融市场的演化，它突破了传统金融学关于理性经济人和完全信息等假设前提，更加符合金融市场的真实状况，可更加直观形象地考察金融市场规律和监管，对于深化异质投资行为、分析揭示市场波动成因、提高交易者投资理性程度，加强金融市场监管和防控市场风险有着重要意义（包特等，2020）。当前金融市场的快速发展涌现出诸多复杂的新问题，为计算金融学提供了更广阔的研究前景和应用空间。通过对货币信贷、资本市场和银行间市场上各Agent的资产交易、信贷投放和同业拆借的交互演化结果，观察分析金融网络仿真模型的特征性事实和宏观性指标，本文针对宏观审慎监管提出以下建议。

（一）前瞻指引，跨周期调节熨平市场预期

从图4和图5收益率的聚集性波动效应来看，波幅代表了系统性金融风险，宏观审慎框架下的逆周期缓冲资本和杠杆率监管在一定程度上减轻了聚集性波动效应，对金融市场不稳定因素起到了缓冲效果，但无法根除聚集性波动现象。因此，风险即不确定性，可以被转移或分散，但无法最终消除，不可能避免金融危机爆发的可能性，需要实施逆周期甚至跨周期的宏观审慎政策和工具来有效引导市场预期、防范化解金融风险。

前瞻指引指监管部门对未来金融市场走势和政策导向给出较明确的信号，科学管理宏观经济预期，引导金融市场理性判断。历史经验看，金融危机多是由于突发事件导致的，市场情绪和预期产生突然逆转，随后出现恐慌性抛售、资产价格迅速跌落、金融市场泡沫破裂等系统性风险。因此，要在资产价格泡沫形成和积聚过程中，使用逆周期的政策工具有效调整预期，让政策意图更加清晰地传递到市场主体，在不损害金融市场正常运行和经济持续增长的同时，及时熨平金融市场的异常波动。在疫情防控中，宏观审慎很好地发挥了逆周期的前瞻指引作用，如对普惠小微企业贷款应延尽延、鼓励银行合理让利等。同时，要注意宏观审慎从逆周期到跨周期的演进，更加体现前瞻性，不仅侧重于短期熨平经济的逆周期政策，还注重与中长期金融改革目标的有效结合；更加注重平衡性，确保各项政策工具的边际效力最大化，不把逆周期调控的空间用尽，不因短期强监管和过度去杠杆留下长期后遗症。

（二）相机抉择，探索灵活适度的杠杆监管

通过图6中5种杆杆监管策略的实验可以发现，长期可变的监管策略要强于短期固定的策略。杠杆率变动对于经济增长的作用具有两面性，在短期冲击影响下，金融杠杆水平对金融稳定有正向影响；从长期看，杠杆水平过高会降低金融稳定性，不能只看到短期收益，而忽略了长期风险（王艺璇和刘喜华，2019）。在处理风险和收益、长期和短期这两个金融监管核心的问题时，应根据市场周期实施灵活适度的杠杆率监管。

相機抉择是指政府根据市场情况和特点，机动灵活地采取宏观调控措施，保证经济在合理范围内运行的一种方式。回顾中国杠杆率的调控政策，从“供给侧结构性改革”的去杠杆，再到“六稳”“六保”中的稳杠杆，无不体现了相机抉择的智慧。在需要防控风险、整治乱象时，更倾向于采用风险导向的去杠杆政策，在需要提振经济、企稳金融时，需要实施收益导向的稳杠杆政策，避免杠杆快速衰退衍生的系统性金融风险，即需要根据不同经济周期、不同金融对象确定差别化的弹性杠杆率规则（胡玉婷，2016）。加强对理财、同业、表外、影子银行和交叉金融等高杠杆业务的管理，对不良资产要早预警、早识别和早处置，盘活信贷资源服务民营经济、小微企业和普惠金融。总之，稳住金融杠杆率是宏观审慎监管的重要任务，既要保持杠杆率监管政策的总体延续性和长期性，又要注意实施的灵活性和针对性，依据客观实际进行动态化调整。

（三）政策协调，健全双支柱金融调控框架

通过金融网络仿真模型的结果可以发现，随着银行信贷投放总量的增加，杠杆率约束的高低对企业破产情况和银行的资产质量的影响并不是十分显著，这就较好地解释了在央行货币政策足够宽松的情况下，银行加大信贷投放的节奏和力度，反而宏观审慎政策和工具均难以有效发挥应有的作用。换言之，宏观审慎政策的周期性和结构性调节的优势需要以适当的货币总量调节作为前提和基础。

双支柱是指“货币政策+宏观审慎”的调控框架，二者的目标和工具不完全一致，宏观审慎的目标是防范化解风险和维护金融稳定，货币政策目标是保持物价稳定和促进经济增长。但二者又是紧密联系的，宏观审慎可以通过防范风险来保障货币信贷政策的传导效应，而货币政策也会通过稳定资产价格和资产负债表影响到金融稳定。根据丁伯根法则，宏观审慎政策在金融的定向监管方面具有比较优势，尤其是针对银行信贷、资本市场、银行间市场等的失衡进行结构性调节，而货币政策的优势则在于总量调控，为经济金融的长期稳定运行创造良好有序的货币金融环境。应进一步健全“货币政策+宏观审慎”双支柱调控框架，一方面提高框架实施的针对性和灵活性，及时调整经济稳定和金融稳定两周期间的冲突和偏离，另一方面保持适度的开放性和兼容性，以在更大范围内实现与财政、产业、进出口等经济金融政策的协调性和全局性。

（四）激励相容，实现金融网络帕累托最优

正如仿真模型运行图2中所设计的，信贷、资本和银行间市场上的参与主体较多，包括企业、银行、投资者、监管者、存款者等，各主体的目标不一致，央行和监管者的目标是风险最小化，银行、企业和投资者等的目标是收益最大化，它们之间的竞争合作的博弈关系形成了复杂的金融网络，只有实现金融网络拓扑整体的帕累托最优状态，才能有效避免风险传染，提高金融体系的风险承受能力，这也是宏观审慎监管的应有之义。

激励相容是通过增强各参与主体的内生积极性来支持监管目标的实现，妥善处理协调各主体间利益最大化目标和风险最小化的博弈关系，实现兼顾公平和效率的资源配置最佳状态。金融网络各主体之间存在多层次的委托代理关系，需要在监管当局与银行机构、社会公众之间设计激励相容的监管机制，从激励约束、资本监管、监督检查、信息披露、存款保险等方面解决信息不对称问题。同时，要注重依托金融网络的特性来防范化解系统性风险，要有效识别系统重要性银行，适当提高监管强度和标准，防范“大而不能倒”的风险。此外，由于关联性越强的金融网络复杂度越高，可能会恶化金融机构间的协调性问题，极易引发危机（Diamond and Dybvig，1983），因此要适度降低金融网络的关联性和集中度，减少金融负外部性影响，防止风险在金融网络内的传播传染，维护金融网络生态的健康稳定。

（责任编辑：夏凡）

参考文献：

[1]Thurner S，Farmer J D，Geanakoplos J.Leverage Causes Fat Tails and Clustered Volatility[J].Cowles Foundation Discussion Papers，2011.

[2]Peters O.Optimal Leverage from non-Ergodicity[J]. SFI Working Paper， 2009.

[3]Feldman T.Leverage regulation：An agent-based simulation[J].Journal of Economics & Business，2011，63（5）：431-440.

[4]Diamond，Douglas W，et al.Bank Runs，Deposit Insurance，and Liquidity[J].Journal of Political Economy，1983.

[5]Feldman T.Portfolio manager behavior and global financial crises[J].Journal of Economic Behavior & Organization，2010，75（2）：192-202.

[6]Gatti D D，Gallegati M，Greenwald B，et al.The financial accelerator in an evolving credit network[J].Journal of Economic Dynamics & Control，2010，34（9）：1627-1650.

[7]Angeloni I，Faia E.A Tale of Two Policies：Prudential Regulation and Monetary Policy with Fragile Banks[J].Kiel Working Papers，2009.

[8]Gallegati，Richiardi，Meyers.Agent Based Models in Economics and Complexity Complex Systems in Finance and Econometrics[J].Springer Verlag NewYork Inc，2011.

[9]Hanson S G，A K Kashyap，J Stein.A Macroprudential Approach to Financial Regulation[J].Journal of Economic Perspectives，2011.

[10]巴曙松，尚航飞.部门逆周期资本监管框架及对中国的启示[J].财经理论与实践.2020（3）：2-8.

[11]巴曙松，左伟，朱元倩.金融网络及传染对金融稳定的影响[J].财经问题研究.2013（2）：3-11.

[12]巴曙松，王璟怡，杜婧.从微观审慎到宏观审慎：危机下的银行监管启示[J].国际金融研究，2010（5）：85-91.

[13]班子贞.商业银行杠杆率监管：政策逻辑、基本现状及优化策略[J].金融经济，2019（18）：114-115.

[14]包特，王国成，戴芸.面向未来的实验经济学：文献述评与前景展望[J].管理世界，2020（7）：218-237.

[15]陈守东，张丁育.逆周期资本监管与金融稳定[J].吉林大学社会科学学报，2016（5）：48-57.

[16]何山，彭俞超.银行业杠杆率与经济增长[J].国际金融研究，2019（12）：53-62.

[17]侯昱薇.金融监管效率的基石：激励相容的监管机制[J].经贸实践.2018（10）：169.

[18]胡玉婷.论杠杆率监管规则的弹性调整[J].上海金融.2016（11）：76-82.

[19]黄佳耿.跨境资本流动、通胀风险与汇率波动的时变效应研究[J].海南金融，2022（12）：21-36.

[20]李天宇，张屹山，张鹤.扩展型货币政策与宏观审慎监管的金融稳定作用分析[J].经济评论.2016（3）：5-18.

[21]盧露，杨文华.杠杆率监管能有效降低银行体系系统性风险吗？——基于内生性网络模型的模拟分析[J].财经研究，2020（2）：52-66.

[22]马勇.“双支柱”调控框架的理论与经验基础[J].金融研究，2019（12）：18-37.

[23]潘敏，袁歌骋.金融去杠杆对经济增长和经济波动的影响[J].财贸经济，2018（6）：58-72.

[24]卜亚.激励相容：银行金融创新监管机制构建——理论综述及研究展望[J].技术经济与管理研究，2012（1）：72-76.

[25]孙艳霞.金融网络理论与应用综述[J].金融发展研究，2015（4）：28-34.

[26]王国成.西方经济学理性主义的嬗变与超越[J]，中国社会科学，2012（7）：68-81.

[27]王艺璇，刘喜华.金融稳定、金融杠杆与经济增长——基于时变参数向量自回归模型[J].金融发展研究，2019（10）：22-30.

[28]王兆星.防范化解系统性金融风险的实践与反思[J].金融监管研究，2018（6）：1-5.

[29]魏晓琴，耿方旭，李光.我国债务杠杆率、宏观审慎政策对金融稳定的影响研究[J].海南金融，2023（5）：3-19.

[30]严佳佳，康志鑫.金融稳定目标下宏观审慎政策规则研究[J].国际金融研究，2020（7）：13-24.

[31]潘明霞.金融业综合统计框架下宏观审慎指标体系构建及应用[J].金融经济，2020（5）：9-17.