房?jī)r(jià)波動(dòng)對(duì)系統(tǒng)性風(fēng)險(xiǎn)的影響

仉瀟楓　楊夢(mèng)　王鴻

摘要：本文在理論上分析了房地產(chǎn)價(jià)格波動(dòng)對(duì)系統(tǒng)性金融風(fēng)險(xiǎn)的影響傳導(dǎo)機(jī)制，基于SRISK模型得到系統(tǒng)性金融風(fēng)險(xiǎn)數(shù)值，并選取全國(guó)商品房平均銷售價(jià)格，在此基礎(chǔ)上構(gòu)建向量自回歸（VAR）模型進(jìn)行實(shí)證研究。研究結(jié)果表明：房?jī)r(jià)波動(dòng)是引起系統(tǒng)性金融風(fēng)險(xiǎn)的格蘭杰原因，對(duì)其沖擊影響較大。最后，基于實(shí)證結(jié)果對(duì)我國(guó)房地產(chǎn)市場(chǎng)提出政策建議。

關(guān)鍵詞：房地產(chǎn)價(jià)格? 系統(tǒng)性金融風(fēng)險(xiǎn)? SRISK? VAR模型

一、引言

自2000年以來(lái)，我國(guó)房地產(chǎn)市場(chǎng)飛速發(fā)展。2008年全球經(jīng)濟(jì)危機(jī)讓政府部門認(rèn)識(shí)到預(yù)估金融體系風(fēng)險(xiǎn)的重要性。據(jù)統(tǒng)計(jì)，2009年11月全國(guó)70個(gè)大中城市房屋售價(jià)同比上漲5.7%，2010年3月同比上漲11.7%。為了應(yīng)對(duì)房?jī)r(jià)上漲過(guò)快帶來(lái)的不良影響，政府出臺(tái)了相關(guān)政策調(diào)控房地產(chǎn)市場(chǎng)，2014年8月全國(guó)70個(gè)城市新房?jī)r(jià)格都出現(xiàn)了環(huán)比下跌。到2016年，房地產(chǎn)市場(chǎng)迎來(lái)了新的高點(diǎn)，成交量絕對(duì)額破同期最高紀(jì)錄。處于高位的房地產(chǎn)市場(chǎng)對(duì)我國(guó)金融體系的威脅不容忽視，因此政府積極采取措施，2017年3月到5月，全國(guó)共38個(gè)城市實(shí)行了限購(gòu)政策，房地產(chǎn)市場(chǎng)逐漸收緊，房?jī)r(jià)開始回落。

房地產(chǎn)的發(fā)展離不開政策的及時(shí)調(diào)控，政策的準(zhǔn)確制定需要對(duì)市場(chǎng)的正確評(píng)估與預(yù)測(cè)，房地產(chǎn)作為金融體系中重要的一環(huán)，當(dāng)其發(fā)生巨大波動(dòng)時(shí)造成的影響也是巨大的。因此，為了明確房地產(chǎn)價(jià)格對(duì)系統(tǒng)性風(fēng)險(xiǎn)的影響機(jī)制，本文選取了系統(tǒng)性金融風(fēng)險(xiǎn)SRISK數(shù)值和全國(guó)商品房平均銷售價(jià)格，基于向量自回歸（VAR）模型研究了2008年到2018年房地產(chǎn)價(jià)格和系統(tǒng)性風(fēng)險(xiǎn)的關(guān)系，以期在結(jié)論的基礎(chǔ)上對(duì)我國(guó)相關(guān)政策提出建議。

二、國(guó)內(nèi)外研究現(xiàn)狀

國(guó)內(nèi)不乏有關(guān)房地產(chǎn)和系統(tǒng)性金融風(fēng)險(xiǎn)關(guān)系的研究文章。王廣龍等（2014）通過(guò)測(cè)算分析了SRISK方法的優(yōu)缺點(diǎn)。強(qiáng)林飛等 （2010） 通過(guò)VAR模型，研究了銀行信貸、房地產(chǎn)價(jià)格與宏觀經(jīng)濟(jì)三者之間的關(guān)系，證明了房地產(chǎn)價(jià)格對(duì)宏觀經(jīng)濟(jì)的影響與房地產(chǎn)市場(chǎng)變化有關(guān)。齊謳歌（2015）論述了房地產(chǎn)價(jià)格波動(dòng)對(duì)金融體系的傳導(dǎo)機(jī)制。劉向麗，顧舒婷（2014）通過(guò)AR-GARCH-CoVar模型，研究了我國(guó)房地產(chǎn)市場(chǎng)對(duì)金融體系的風(fēng)險(xiǎn)溢出效應(yīng)。陶玲、朱迎 （2016） 提出了包含7個(gè)維度的能夠較好檢測(cè)金融風(fēng)險(xiǎn)的變化情況的系統(tǒng)性金融風(fēng)險(xiǎn)綜合指數(shù)。沈悅等（2016）通過(guò)GARCH-Copula-CoVar模型，估測(cè)了房地產(chǎn)價(jià)格發(fā)生波動(dòng)時(shí)系統(tǒng)性金融風(fēng)險(xiǎn)溢出效應(yīng)。徐榮，郭娜等（2017）通過(guò)建立基于有向無(wú)環(huán)圖（DAG）的結(jié)構(gòu)向量自回歸（SVAR）模型，研究得出導(dǎo)致我國(guó)系統(tǒng)性金融風(fēng)險(xiǎn)積累的重要原因是房?jī)r(jià)的大幅度上漲。陳湘鵬，周皓（2019）通過(guò)比較分析得出SRISK指標(biāo)更適于在微觀層面上測(cè)度我國(guó)系統(tǒng)性金融風(fēng)險(xiǎn)。

國(guó)外學(xué)者同樣十分重視房地產(chǎn)對(duì)金融系統(tǒng)的影響。早期主要有Franklin Allen和Douglas Gale （2000）研究了房地產(chǎn)泡沫與金融系統(tǒng)風(fēng)險(xiǎn)之間的關(guān)系。次貸危機(jī)后，Pouvelle （2012）證明了房地產(chǎn)價(jià)格波動(dòng)對(duì)銀行系統(tǒng)產(chǎn)生影響，進(jìn)而影響金融市場(chǎng)。Huiran Pan; Chun Wang（2013）證明了在MSA和非MSA閾值模型中，房?jī)r(jià)變化越顯著，銀行不穩(wěn)定性越低。Mohammad Tajik等（2015）研究發(fā)現(xiàn)了房?jī)r(jià)波動(dòng)對(duì)不良貸款的動(dòng)態(tài)性影響十分顯著。Kelly，Jane等（2019）研究得出了房地產(chǎn)貸款與金融體系風(fēng)險(xiǎn)的關(guān)系。在模型方面Brownlees和Engle（2011）定義了SRISK。本文將基于Brownlees和Engle提出的SRISK指數(shù)進(jìn)行房地產(chǎn)價(jià)格和系統(tǒng)性風(fēng)險(xiǎn)關(guān)系的研究。

三、傳導(dǎo)機(jī)制

國(guó)內(nèi)外諸多學(xué)者對(duì)系統(tǒng)性金融風(fēng)險(xiǎn)的傳導(dǎo)機(jī)制研究主要基于信用貸款渠道，少數(shù)文獻(xiàn)也提到了銀行經(jīng)營(yíng)過(guò)程中對(duì)房地產(chǎn)市場(chǎng)變動(dòng)而采取的經(jīng)營(yíng)政策，且我國(guó)金融市場(chǎng)還不穩(wěn)定，信息傳遞過(guò)程仍然存在著一些時(shí)滯性，這也對(duì)系統(tǒng)性金融風(fēng)險(xiǎn)的傳導(dǎo)有一定影響。因此，本文將從信用貸款渠道、市場(chǎng)經(jīng)營(yíng)渠道、信息傳遞和流動(dòng)性緊縮渠道三個(gè)角度去探討房?jī)r(jià)波動(dòng)對(duì)系統(tǒng)性金融風(fēng)險(xiǎn)影響機(jī)制。

（一）信用貸款渠道

房地產(chǎn)價(jià)格上升對(duì)整個(gè)金融市場(chǎng)的影響是多方面的。對(duì)房地產(chǎn)的投資者來(lái)說(shuō)，房?jī)r(jià)上升，投資者的財(cái)富將增加，這也提高投資者的消費(fèi)信心。同時(shí)，房地產(chǎn)價(jià)格上升也使得投資者因財(cái)富增加而更易通過(guò)銀行對(duì)其信貸資格的考察，令他們更容易獲得銀行的貸款。這兩方面綜合起來(lái)將使得投資者擴(kuò)大消費(fèi)額，甚至超前消費(fèi)，增加對(duì)銀行的貸款需求。對(duì)銀行來(lái)說(shuō)，房?jī)r(jià)上升將使得銀行的賬面資產(chǎn)價(jià)值增加，融資能力得到增強(qiáng)，從而帶動(dòng)其他各行業(yè)的投資活動(dòng)。而當(dāng)房?jī)r(jià)下跌時(shí)，投資者首先面對(duì)的是財(cái)富的減少所導(dǎo)致消費(fèi)水平大規(guī)模的下降和償債能力的下降，降低消費(fèi)這一舉動(dòng)本身就會(huì)對(duì)經(jīng)濟(jì)產(chǎn)生負(fù)面影響;一旦房?jī)r(jià)下跌幅度過(guò)大，房地產(chǎn)市值降低到貸款總額以下時(shí)，償債能力降低的貸款者就會(huì)選擇違約，銀行不良貸款率就會(huì)增加。由于房地產(chǎn)投資者對(duì)房?jī)r(jià)升降的不同反應(yīng)從而采取的對(duì)銀行信貸的不同反應(yīng)以及銀行本身為其他行業(yè)提供資金的行業(yè)特殊性，房地產(chǎn)價(jià)格波動(dòng)所帶來(lái)的系統(tǒng)性金融風(fēng)險(xiǎn)轉(zhuǎn)嫁到了商業(yè)銀行上。

（二）市場(chǎng)經(jīng)營(yíng)渠道

商業(yè)銀行的利潤(rùn)主要來(lái)自于貸款利息和其他非利息收入，如銀行提供中介服務(wù)所能收取的手續(xù)費(fèi)和傭金。商業(yè)銀行并不能直接參與房地產(chǎn)市場(chǎng)的投資，但商業(yè)銀行可以通過(guò)對(duì)房地產(chǎn)行業(yè)提供資金或提供第三方信用保證等方式間接參與到房地產(chǎn)的交易過(guò)程中。當(dāng)房地產(chǎn)價(jià)格下跌時(shí)，銀行這部分的資產(chǎn)會(huì)蒙受損失，且房?jī)r(jià)越低，再加上人們對(duì)未來(lái)房?jī)r(jià)的悲觀態(tài)度，房地產(chǎn)的流動(dòng)性就會(huì)越差，商業(yè)銀行所能提供的資產(chǎn)管理等中介服務(wù)能收取的手續(xù)費(fèi)和傭金也會(huì)減少。隨著商業(yè)銀行結(jié)算技術(shù)的進(jìn)步，這一收入在商業(yè)銀行整個(gè)收入中所占比例將越來(lái)越大。因此，一旦出現(xiàn)系統(tǒng)性金融風(fēng)險(xiǎn)，該部分業(yè)務(wù)數(shù)量銳減，商業(yè)銀行的利潤(rùn)將會(huì)受到巨大影響，即商業(yè)銀行承擔(dān)了房地產(chǎn)價(jià)格波動(dòng)所可能帶來(lái)的系統(tǒng)性金融風(fēng)險(xiǎn)。

（三）信息傳遞和流動(dòng)性緊縮渠道

我國(guó)的社會(huì)主義市場(chǎng)經(jīng)濟(jì)體系建設(shè)起步不久，整個(gè)資本市場(chǎng)依然存在的信息傳遞機(jī)制不完善，信息傳遞仍然存在速度慢、準(zhǔn)確性低的問(wèn)題，系統(tǒng)性金融風(fēng)險(xiǎn)通常很容易被放大。房地產(chǎn)可以看作是購(gòu)房者為獲得貸款而抵押給銀行的抵押品。房地產(chǎn)價(jià)格上升也就是抵押品價(jià)格上升，銀行為獲取利益會(huì)增加貸款，擴(kuò)大信貸規(guī)模，加快資金流動(dòng)性，讓更多的資金投入房地產(chǎn)市場(chǎng)，這又再一次提高了房地產(chǎn)的價(jià)格。在這個(gè)螺旋式上升的過(guò)程中，二者的交替增加會(huì)不斷滋生風(fēng)險(xiǎn)隱患。一旦房?jī)r(jià)下跌，抵押品價(jià)值下降，貸款違約率就會(huì)上升，緊接著到來(lái)的就是銀行壞賬激增，部分銀行很容易因?yàn)閿D兌發(fā)生流動(dòng)性危機(jī)。如果在同一時(shí)間內(nèi)金融系統(tǒng)中出現(xiàn)幾家銀行無(wú)法及時(shí)兌現(xiàn)存款的情況，就有可能造成民眾的恐慌，并且這種恐慌情緒非常容易通過(guò)投資者的非理性行為擴(kuò)散至整個(gè)金融系統(tǒng)，使得系統(tǒng)中的其他商業(yè)銀行和金融機(jī)構(gòu)的存款和投資迅速撤出，其余行業(yè)乃至整個(gè)市場(chǎng)都會(huì)因流動(dòng)性不足而產(chǎn)生一系列的嚴(yán)重后果。

四、研究方法和模型介紹

（一）SRISK指標(biāo)的引入和計(jì)算

SRISK被定義為以市場(chǎng)下跌為條件的系統(tǒng)風(fēng)險(xiǎn)的資本短缺度量（Brownless&Engle，2011）。也就是以資本短缺量來(lái)描述金融機(jī)構(gòu)陷入的困境。本文中我們將i公司在t時(shí)間的資本短缺定義為

CSit=kAit-Wit=k（Dit+Wit）-Wit （4.1）

其中Wit為股權(quán)的市場(chǎng)價(jià)值，Dit為債務(wù)的賬面價(jià)值，Ait為準(zhǔn)資產(chǎn)的價(jià)值，k為審慎資產(chǎn)比率（這里設(shè)定為8%）。

因?yàn)閟risk定義為以系統(tǒng)性事件為條件的預(yù)期資本短缺，即

SRISKit =Et-1（CSit|Crisis）

=kDit-（1-k）Wit（1-LRMESit）（4.2）

LRMES為長(zhǎng)期邊際期望短缺，在此模型中LRMES約等于1-exp（-18MES），所以可得

SRISKit = kDit-（1-k）Wit exp（-18MES）（4.3）

由此，我們就得到衡量單個(gè)金融機(jī)構(gòu)風(fēng)險(xiǎn)大小的指數(shù)。本模型中將單個(gè)金融機(jī)構(gòu)風(fēng)險(xiǎn)度量加總后可得金融系統(tǒng)中的系統(tǒng)性風(fēng)險(xiǎn)總量

SRISKt=（SRISKit）（4.4）

（二）VAR方法介紹

本文采用結(jié)構(gòu)向量自回歸模型（VAR），利用模型中的變量對(duì)其他參數(shù)做出回歸計(jì)算，從而估計(jì)、構(gòu)建并檢驗(yàn)?zāi)Ｐ椭袃?nèi)生變量的動(dòng)態(tài)關(guān)系。表示為

（4.5）

其中Y為內(nèi)生變量向量，p為滯后期數(shù)，為k階系數(shù)矩陣，ε為擾動(dòng)向量，μ為常數(shù)項(xiàng)列向量。

五、實(shí)證分析

（一）樣本數(shù)據(jù)

本文的原始數(shù)據(jù)來(lái)自于萬(wàn)得（Wind）數(shù)據(jù)庫(kù)和波動(dòng)實(shí)驗(yàn)室（https：//vlab.stern.nyu.edu/），結(jié)合我國(guó)經(jīng)濟(jì)和房地產(chǎn)發(fā)展情況，將樣本區(qū)間設(shè)定為2008年1月到2018年12月，共132個(gè)月度數(shù)據(jù)。系統(tǒng)性金融風(fēng)險(xiǎn)的測(cè)定采取了Brownlees and Engle（201 1）構(gòu)建的系統(tǒng)性風(fēng)險(xiǎn)指數(shù)SRISK方法，將單家商業(yè)銀行SRISK數(shù)值加總得出我國(guó)銀行業(yè)系統(tǒng)性風(fēng)險(xiǎn)總值;房地產(chǎn)價(jià)格數(shù)據(jù)采用Wind數(shù)據(jù)庫(kù)中的全國(guó)商品房平均銷售價(jià)格，并對(duì)其進(jìn)行了季節(jié)調(diào)整;SRISK數(shù)據(jù)直接來(lái)源于波動(dòng)實(shí)驗(yàn)室的計(jì)算結(jié)果。系統(tǒng)性風(fēng)險(xiǎn)指數(shù)和房地產(chǎn)價(jià)格分別用SRISK和EP來(lái)表示。

（二）單位根檢驗(yàn)

構(gòu)建VAR模型首先要進(jìn)行平穩(wěn)性檢驗(yàn)，如果序列為非平穩(wěn)時(shí)間序列，回歸就容易出現(xiàn)“偽回歸”?！皞位貧w”不能正確反映變量之間的實(shí)質(zhì)關(guān)系，所以在建立模型之前需要對(duì)各序列進(jìn)行單位根檢驗(yàn)。為了判斷模型中兩個(gè)變量的穩(wěn)定性，我們對(duì)SRISK和EP數(shù)據(jù)分別進(jìn)行了ADF檢驗(yàn)，檢驗(yàn)結(jié)果如表1所示。

由表1我們可知，模型中SRISK和EP分別在5%和10%的顯著水平下拒絕了變量平穩(wěn)的備擇假設(shè)，然后采用一階差分后的時(shí)間序列再次進(jìn)行ADF檢驗(yàn)，得到兩個(gè)變量均在5%的顯著水平下拒絕了5%的非平穩(wěn)的原假設(shè)，則可以據(jù)此判斷兩個(gè)變量均為一階差分平穩(wěn)的時(shí)間序列，要建立VAR模型，必須保證原變量之間存在協(xié)整關(guān)系，否則無(wú)意義。

（三）協(xié)整關(guān)系檢驗(yàn)

在進(jìn)行了ADF平穩(wěn)性檢驗(yàn)后，我們對(duì)原時(shí)間序列進(jìn)行Johansen協(xié)整關(guān)系檢驗(yàn)，判斷兩個(gè)變量之間是否存在協(xié)整關(guān)系。結(jié)果如表2所示。

由表2可知，在5%的置信水平下，兩個(gè)變量之間存在一個(gè)協(xié)整關(guān)系，即代表具有長(zhǎng)期均衡的態(tài)勢(shì)，房?jī)r(jià)波動(dòng)可影響系統(tǒng)性金融風(fēng)險(xiǎn)指數(shù)，符合建立VAR模型的條件。

（四）VAR模型檢驗(yàn)

在擬合一個(gè)VAR模型之前需要確定滯后期P的最優(yōu)選擇。我們依據(jù)AIC準(zhǔn)則確定滯后階數(shù)為2階。檢驗(yàn)結(jié)果如表3所示。

確定了模型的滯后階數(shù)后，我們緊接著構(gòu)建VAR模型，并進(jìn)一步對(duì)VAR模型的平穩(wěn)性進(jìn)行檢驗(yàn)，模型的根的模的倒數(shù)均落在單位圓內(nèi)部，因此我們可以判斷所建立的VAR模型是平穩(wěn)的。

（五）格蘭杰因果關(guān)系檢驗(yàn)

Granger因果假設(shè)檢驗(yàn)的目的是檢驗(yàn)一個(gè)變量是否為另一個(gè)變量的Granger因。我們對(duì)已經(jīng)通過(guò)協(xié)整關(guān)系檢驗(yàn)的變量進(jìn)行Granger因果檢驗(yàn)，以檢驗(yàn)二者之間是否存在真正的因果關(guān)系。結(jié)果如表4所示。

由表4可以得出結(jié)論，即在10%置信水平下，房地產(chǎn)價(jià)格是系統(tǒng)性金融風(fēng)險(xiǎn)的格蘭杰原因，證明房地產(chǎn)價(jià)格波動(dòng)和系統(tǒng)性金融風(fēng)險(xiǎn)之間是有關(guān)系的。

（六）脈沖響應(yīng)分析

為進(jìn)一步說(shuō)明兩者之間的因果關(guān)系，我們進(jìn)行了脈沖響應(yīng)試驗(yàn)。脈沖響應(yīng)函數(shù)分析方法常用來(lái)全面地考察各個(gè)變量之間的動(dòng)態(tài)分析，來(lái)觀察內(nèi)生變量的當(dāng)前值和未來(lái)值的變化以及內(nèi)生變量對(duì)由誤差項(xiàng)所帶來(lái)的沖擊的反應(yīng)。檢驗(yàn)結(jié)果如圖1所示。

圖1 EP對(duì)SRISK的脈沖分析

由圖1可得到結(jié)論：房地產(chǎn)價(jià)格對(duì)系統(tǒng)性風(fēng)險(xiǎn)有著正向因果關(guān)系，自第二個(gè)周期達(dá)到最大約占22.45%，后逐漸趨于平穩(wěn)。

（七）方差分解分析

方差分解就是把系統(tǒng)內(nèi)部所有內(nèi)生變量（k個(gè)）的波動(dòng)根據(jù)其成因分解為k個(gè)與各方程相聯(lián)系的組成部分，以分析信息對(duì)內(nèi)生變量的重要程度。方差分析結(jié)果見表5。

由結(jié)果可以看出房地產(chǎn)價(jià)格對(duì)系統(tǒng)性風(fēng)險(xiǎn)的方差貢獻(xiàn)度有一定上升趨勢(shì)，最終占比在23%。

六、結(jié)論

本文基于我國(guó)房地產(chǎn)市場(chǎng)發(fā)展和房?jī)r(jià)上漲的現(xiàn)實(shí)經(jīng)濟(jì)情況，選取了系統(tǒng)性金融風(fēng)險(xiǎn)SRISK數(shù)值和全國(guó)商品房平均銷售價(jià)格，基于向量自回歸（VAR）模型，研究房地產(chǎn)價(jià)格波動(dòng)對(duì)系統(tǒng)性金融風(fēng)險(xiǎn)的影響。本文的實(shí)證研究表明了以下結(jié)論：通過(guò)格蘭杰因果檢驗(yàn)和脈沖響應(yīng)函數(shù)結(jié)果分析，可得我國(guó)房地產(chǎn)價(jià)格的快速上漲確實(shí)會(huì)推動(dòng)我國(guó)金融機(jī)構(gòu)的系統(tǒng)性風(fēng)險(xiǎn)的上升，房地產(chǎn)市場(chǎng)對(duì)金融穩(wěn)定性起著至關(guān)重要的影響作用。

結(jié)合實(shí)證研究結(jié)果及當(dāng)前的我國(guó)的市場(chǎng)現(xiàn)狀，我們提出以下建議：政府應(yīng)密切關(guān)注房地產(chǎn)價(jià)格，并采取適當(dāng)?shù)氖侄渭訌?qiáng)對(duì)土地市場(chǎng)的調(diào)控，即合理運(yùn)用貨幣政策和財(cái)政政策，對(duì)房地產(chǎn)市場(chǎng)實(shí)施靈活調(diào)控，盡可能地降低房?jī)r(jià)波動(dòng)所引發(fā)的系統(tǒng)性風(fēng)險(xiǎn)的大小，維護(hù)我國(guó)金融系統(tǒng)的穩(wěn)定性，保證我國(guó)經(jīng)濟(jì)平穩(wěn)運(yùn)行、持續(xù)增長(zhǎng)。

參考文獻(xiàn)：

[1]張煒.我國(guó)房地產(chǎn)價(jià)格波動(dòng)對(duì)商業(yè)銀行系統(tǒng)性風(fēng)險(xiǎn)的影響研究[J].金融與經(jīng)濟(jì)，2018（01）：28-35.

[2]徐榮，郭娜，李金鑫，何齡童.我國(guó)房地產(chǎn)價(jià)格波動(dòng)對(duì)系統(tǒng)性金融風(fēng)險(xiǎn)影響的動(dòng)態(tài)機(jī)制研究——基于有向無(wú)環(huán)圖的分析[J].南方經(jīng)濟(jì)，2017（11）：1-17.

[3]沈悅，戴士偉，陳錕.房?jī)r(jià)過(guò)度波動(dòng)的系統(tǒng)性風(fēng)險(xiǎn)溢出效應(yīng)測(cè)度——基于GARCH-Copula-CoVaR模型[J].中央財(cái)經(jīng)大學(xué)學(xué)報(bào)，2016（03）：88-95.

[4]段忠東.“房地產(chǎn)價(jià)格波動(dòng)與銀行信貸增長(zhǎng)實(shí)證研究”.《金融論壇》，2007，第2期，第40-45頁(yè).

[5]陶玲，朱迎.“系統(tǒng)性金融風(fēng)險(xiǎn)的監(jiān)測(cè)和度量——基于中國(guó)金融體系的研究”.《金融研究》，2016，第6期，第18-36頁(yè).

[6]Bernanke，B.S.，and M.Gertle，1995，“Inside the Black Box：The Credit Channel of M onetary Policy Transmission”，Journal of Economic Perspective，9 （4） ：27-48.

[7]Goodhart，B.，and B.Hofmann，2007，House Prices and the M acroeconomy：Implications for Banking and Price Stability.Published by Oxford University Press.

作者單位：北京交通大學(xué)