中國金融部門系統(tǒng)性風險溢出效應

趙林海，陳名智

(華僑大學 經(jīng)濟與金融學院，福建 泉州 362021)

1997年亞洲金融危機、2008年全球金融危機以及2010年歐洲主權債務危機讓世界見證了系統(tǒng)性風險傳染及溢出效應所帶來的巨大損害.近幾年，特別是黨的“十九大”以來，中國最高決策層反復強調(diào)“要把防控金融風險放到更加重要的位置，堅決守住不發(fā)生系統(tǒng)性金融風險底線”.在此背景下，學者們對金融機構、金融行業(yè)以及整個金融部門的系統(tǒng)性風險進行了相關研究.防范系統(tǒng)性風險的關鍵在于及時了解金融市場中不同部門和行業(yè)的風險溢出狀況，以宏觀審慎監(jiān)管為主導，以微觀審慎監(jiān)管為基礎，根據(jù)金融行業(yè)的風險外溢及金融機構的風險貢獻情況實施差異化監(jiān)管措施與準備金要求[1-2].

系統(tǒng)性風險網(wǎng)絡分析是一種比較新穎的研究方法，尤其適用于研究金融機構或行業(yè)間尾部風險相依關系和風險溢出效應.與常見的考察多變量兩兩之間相依結構的模型相比，網(wǎng)絡分析方法將所要研究的對象統(tǒng)一放入一個網(wǎng)絡系統(tǒng)模型中，同時考察研究對象間所有關聯(lián)關系，故該方法更適用于全面研究金融行業(yè)或機構間系統(tǒng)性風險溢出效應.鑒于此，本文選取金融市場數(shù)據(jù)，研究銀行業(yè)、證券業(yè)、保險業(yè)以及多元金融服務業(yè)等組成金融部門的四個主要行業(yè)之間的系統(tǒng)性風險溢出效應.借助廣義VAR關聯(lián)網(wǎng)絡考察金融風險傳染源，并構建行業(yè)集中度指數(shù)以動態(tài)反映金融部門系統(tǒng)性風險變化.

1 文獻綜述

大量學者致力于系統(tǒng)性風險研究，研究目標是能及時監(jiān)控金融市場中存在的風險，以求有效遏制風險的大范圍蔓延，或是盡可能讓金融機構在金融危機來臨時做好抵御準備，避免其破壞整個金融體系.系統(tǒng)性風險的定性研究一般涉及系統(tǒng)性風險的形成原因、集聚過程和觸發(fā)因素等三個方面，試圖從定性角度根據(jù)不同金融市場的實際狀況闡述系統(tǒng)性風險的可能來源和潛在危險.系統(tǒng)性風險的定量研究主要是系統(tǒng)性風險測度，包括金融機構系統(tǒng)性風險貢獻度量、金融機構或金融行業(yè)之間的風險溢出效應分析和系統(tǒng)重要性金融機構識別.隨著風險測度理論的不斷發(fā)展，系統(tǒng)性風險定量研究方法也呈現(xiàn)出多樣化.現(xiàn)有的系統(tǒng)性風險研究以定性研究為基礎，以定量研究為主，可概括為以下兩個方面：

(1)系統(tǒng)性風險形成機理的研究.從表象上看，系統(tǒng)性風險的誘發(fā)原因呈現(xiàn)多樣化特征，資產(chǎn)價格泡沫破滅、金融衍生工具濫用、信貸超常擴張、債務高企、影子銀行膨脹、風險承擔過度和轉型經(jīng)濟軟預算約束等都可能觸發(fā)系統(tǒng)性風險[3-6].系統(tǒng)性風險發(fā)生的理論解釋主要是一系列金融系統(tǒng)非穩(wěn)定性理論，包括債務-通貨緊縮理論、金融脆弱性理論和金融加速器理論等[7-9].從研究視角來看，針對系統(tǒng)性風險產(chǎn)生根源的研究主要從兩方面展開：事件沖擊視角和系統(tǒng)演化視角.事件沖擊視角認為系統(tǒng)性風險源于宏觀經(jīng)濟波動、流動性和資產(chǎn)價格等外部事件對整個金融系統(tǒng)穩(wěn)定性造成的沖擊[10].系統(tǒng)演化視角主張，系統(tǒng)性風險隨著金融系統(tǒng)的演化而不斷演化，應當采用動態(tài)演化的觀點來理解系統(tǒng)性風險[11].

(2)系統(tǒng)性風險測度的研究.常用的系統(tǒng)性風險測度指標有四個，分別是CoVaR、CoES、MES和SRISK[12-15].金融機構系統(tǒng)性風險貢獻度量、金融機構或金融行業(yè)之間的風險溢出效應分析和系統(tǒng)重要性金融機構識別往往把基本面因素和市場數(shù)據(jù)相結合，采用經(jīng)濟計量模型進行實證研究.風險溢出效應的研究是核心內(nèi)容，而CoVaR和ΔCoVaR作為中介指標使用最廣.按照具體建模方法的不同，度量系統(tǒng)性風險或風險外溢程度的研究可分為兩類:第一類主要應用分位數(shù)回歸模型[16],第二類主要使用GARCH模型[12,17].在測量單個機構或行業(yè)對整個金融部門的系統(tǒng)性風險貢獻與溢出效應時，這兩類模型都是適宜的.然而，在研究多個機構或行業(yè)之間的風險溢出效應時，GARCH模型受限于維度問題，只能進行兩兩之間的聯(lián)合考察，如果利用它進行機構或部門之間風險溢出效應的研究，由于沒有同時考慮系統(tǒng)所有組成部分，必定會帶來局部信息的損失，實證結果就會嚴重失真.因此本文運用廣義VAR關聯(lián)網(wǎng)絡分析方法作為[18]替代方案，研究系統(tǒng)性金融風險溢出效應，有效避免GARCH模型的維度難題.

2 方法與模型

2.1 研究方法

為探究組成我國金融部門的四個行業(yè)(銀行業(yè)、保險業(yè)、證券業(yè)和多元金融服務業(yè))間的風險溢出效應，本文首先利用分位數(shù)回歸和金融狀態(tài)變量量化金融市場波動，得到1%分位數(shù)水平下各金融部門的VaR.以得到的VaR代表各部門風險水平，作為輸入數(shù)據(jù)，構建基于VaR的廣義VAR模型，進行全樣本估計與遞歸樣本估計，然后使用廣義預測誤差的方差分解探究金融部門各行業(yè)之間系統(tǒng)性金融風險溢出效應的靜態(tài)與動態(tài)特征.此外，通過加總各行業(yè)的風險溢出指數(shù)構造動態(tài)金融部門風險溢出集中度指數(shù)，來刻畫金融部門系統(tǒng)性風險集中趨勢與整體溢出水平.

2.2 模型設定

2.2.2 基于VaR的廣義VAR模型 協(xié)方差平穩(wěn)的N元p階廣義向量自回歸模型VAR(p)設定如下：

(1)

其中:ε～i.i.d.(0,∑)表示均值為零、方差-協(xié)方差矩陣為∑的獨立同分布殘差向量.式(1)的移動平均表示形式為：

(2)

其中:N×N系數(shù)矩陣Ai服從遞歸式Ai=Φ1Ai-1+Φ2Ai-2+…+ΦpAi-p.

當i=0時，A0為N×N單位矩陣；當i<0時，Ai為N×N零矩陣.由變量Xi受到?jīng)_擊導致的對變量Xi的向前H步廣義預測誤差方差分解式如下：

(3)

其中:i和j為研究的具體行業(yè)，σii表示第i個方程殘差項的標準差，ei是第i個元素為1而其余元素為0的選擇向量.

(4)

3 實證分析

3.1 數(shù)據(jù)和變量

表1 分位數(shù)回歸模型的狀態(tài)變量

3.2 描述性統(tǒng)計與單位根檢驗

各行業(yè)對數(shù)收益率描述性統(tǒng)計顯示，均值為正且趨于0；標準差說明銀行業(yè)收益率波動性最小，而證券業(yè)收益率波動性最大；所有行業(yè)收益率都呈現(xiàn)左偏分布，銀行業(yè)的偏度最小且趨于對稱，其次是保險業(yè)，而證券業(yè)和多元金融服務業(yè)偏度更大，這說明兩者相比保險業(yè)和銀行業(yè)有更大的尾部損失風險；峰態(tài)說明四個行業(yè)收益率都具有明顯的尖峰厚尾特征.ADF檢驗結果顯示所有行業(yè)的對數(shù)收益率都是平穩(wěn)的.所有狀態(tài)變量時間序列在10%顯著性水平下拒絕存在單位根的原假設，但是它們的截距項在1%水平下顯著不為0(限于篇幅，描述性統(tǒng)計和單位根檢驗的具體數(shù)值未列出，備索).

3.3 金融部門系統(tǒng)性風險度量

利用分位數(shù)回歸得到樣本期內(nèi)各行業(yè)VaR值，用來度量銀行業(yè)、證券業(yè)、保險業(yè)和多元金融服務業(yè)系統(tǒng)性風險的VaR截面加總分別為130.12%、201.49%、160.98%和184.28%.總的來看，證券業(yè)、多元金融服務業(yè)、保險業(yè)、銀行業(yè)各自VaR的加總值呈現(xiàn)明顯的梯度遞減.這說明在不考慮各行業(yè)資產(chǎn)規(guī)模的條件下，從金融市場數(shù)據(jù)的收益率波動性角度來看，總資產(chǎn)規(guī)模最大的銀行業(yè)卻有著最小的系統(tǒng)性風險，而資產(chǎn)規(guī)模相對銀行小得多的證券業(yè)與多元金融服務業(yè)卻有著更大的系統(tǒng)性風險，風險溢出的可能性和程度也更大.此外，多元金融服務業(yè)在2013年年中銀行“錢荒”事件前幾乎一直處于四個金融部門風險最大位置.然而，在“錢荒”事件之后，證券業(yè)的風險水平居于首位，尤其是2015年股災之后，證券業(yè)的風險水平明顯高于其他行業(yè)，同時保險業(yè)與銀行業(yè)長期處于前兩者之后，特別是銀行業(yè)總是有著最低風險水平.綜合來看，各行業(yè)的風險波動趨勢高度相關，內(nèi)外部事件沖擊，如2008年全球金融危機與2010年歐洲主權債務危機，使得各行業(yè)的金融風險急劇增加且長時間處于高位波動，2011-2015年期間，各行業(yè)的風險水平出現(xiàn)了明顯的回落，雖然銀行“錢荒”事件讓各行業(yè)風險出現(xiàn)了上升，但幅度不大且短暫，2015年6月的股災以及2016年年初實行的股市熔斷機制使得整個金融部門的風險水平在短時間內(nèi)急劇上升，但是相比2008年全球金融危機帶來的余波效應，股災并沒有對我國金融部門的穩(wěn)定造成持續(xù)傷害，熔斷機制暫停后，各行業(yè)風險水平快速回落，回落后的風險水平似乎低于2010-2015年初期間的風險水平，在經(jīng)歷一段時期的低風險后，受到中美貿(mào)易摩擦的影響，在2018年后各行業(yè)風險水平開始逐漸走高.此外，從各行業(yè)風險波動趨勢高度相似可以看出，金融各行業(yè)風險之間具有顯著的相關性.

3.4 金融部門各行業(yè)間系統(tǒng)性風險溢出效應分析

對VAR模型中的VaR數(shù)據(jù)進行單位根檢驗.四個行業(yè)的VaR序列都在10%的顯著性水平下拒絕了存在單位根的原假設.

3.4.1 全樣本金融部門靜態(tài)系統(tǒng)性風險溢出效應分析 首先考察整個樣本期間金融各行業(yè)間系統(tǒng)性風險溢出效應，并構造相應的風險溢出矩陣.選擇展示向前10 d的預測誤差方差分解結果，表2列示了各行業(yè)之間靜態(tài)系統(tǒng)性風險溢出情況.列值表示相應金融行業(yè)對其他金融行業(yè)的風險溢出指數(shù)，行值表示其他金融行業(yè)對相應金融行業(yè)的風險溢入指數(shù)，To others和From other分別是每一個行業(yè)除去自身擾動的系統(tǒng)性風險溢出和溢入規(guī)模，F(xiàn)rom others的71.1顯示了金融部門總的風險溢出情況，也就是金融部門風險溢出集中度指數(shù)，該值越大，各行業(yè)之間的關聯(lián)就越大，風險溢出程度就越明顯.

從表2可以看出，(1)各行業(yè)間的風險溢出程度存在差異，銀行業(yè)與保險業(yè)風險溢出相當，銀行業(yè)稍低于保險業(yè)，證券業(yè)是風險溢出規(guī)模最大的部門，其值達到82.1，相比而言，多元金融服務業(yè)雖然自身風險較大，但風險溢出明顯低于前三者，只有46.8，此外，各行業(yè)對其他行業(yè)的風險溢出尺度相當，差異很小.(2)相比于風險溢出，各行業(yè)的風險溢入差異較小，但風險溢出貢獻最大的證券業(yè)卻有著最小的風險溢入，而風險溢出貢獻最小的多元金融服務業(yè)卻有著最大的風險溢入，銀行業(yè)、保險業(yè)和證券業(yè)都是凈的風險發(fā)送者，而多元金融服務業(yè)是凈的風險接收者.(3)從全樣本靜態(tài)視角來看，金融部門總體風險溢出明顯偏高，金融部門風險溢出集中度指數(shù)為71.1，這可以說明：我國金融部門整體承受較大金融風險；金融部門風險溢出集中度較高，各行業(yè)共同的風險敞口較大.

表2 全樣本行業(yè)間靜態(tài)系統(tǒng)性風險溢出矩陣

3.4.2 滾動窗口金融部門動態(tài)系統(tǒng)性風險溢出效應分析 全樣本分析能對樣本期內(nèi)各金融行業(yè)的系統(tǒng)性金融風險溢出效應做出一個整體性的截面考察，但這樣會遺漏很多關于行業(yè)風險溢出的時序信息，尤其是對于不同金融事件的外部沖擊以及金融部門自身的演化會導致金融各行業(yè)的風險溢出呈現(xiàn)明顯的時序特征，為此本文采用滾動窗口估計以研究風險溢出的動態(tài)情況.參考文[18]的設置，本文的窗口期為200 d，并對向前10 d的預測誤差方差進行分解.

(1)金融部門總體風險溢出動態(tài)分析.圖1描繪了金融部門總體風險溢出的時序特征，由于是滾動窗口估計，所以在一些時點上存在溢出指數(shù)的缺失值，因此趨勢線不是連續(xù)的線.從圖中可以看出，我國金融部門總體風險溢出效應十分明顯，整個樣本期內(nèi)，風險溢出指數(shù)都處在高位波動，且在高位滯留的時間明顯大于其在低位滯留的時間，風險溢出指數(shù)多次超過70水平并且長時間處于該位置之上，而風險溢出指數(shù)在下跌觸底之后快速反彈上升.在2017年，風險溢出指數(shù)出現(xiàn)明顯持續(xù)快速下跌，這可能與我國去杠桿、去產(chǎn)能等供給側結構性改革有關，然而在2018年初之后又開始迅速攀升，這可能與中美貿(mào)易摩擦為主要因素的外部沖擊有關.總的來看，我國金融部門各行業(yè)之間具有十分強烈的風險溢出效應，金融風險溢出集中度較高，各行業(yè)面臨共同的風險敞口.

圖1 金融部門風險總體溢出指數(shù)時序圖Fig.1 Time series of general index for financial sector’s risk spillover

(2)金融部門各行業(yè)風險溢出動態(tài)分析.雖然總體風險溢出動態(tài)分析能夠反映金融部門各行業(yè)間總的風險溢出情況，但是缺少對具體金融行業(yè)風險發(fā)送與接收的動態(tài)信息，為此我們借助廣義VAR關聯(lián)網(wǎng)絡模型對具體行業(yè)的風險發(fā)送與接收進行量化分析，動態(tài)考察具體行業(yè)的風險溢出和溢入.

圖2展示了四個行業(yè)各自接收其他行業(yè)風險溢出的時序，從圖中可以看出，銀行業(yè)風險溢入最平穩(wěn)，沒有出現(xiàn)明顯的波動，在樣本期間一直保持在70～80.保險業(yè)和多元金融服務業(yè)的風險溢入呈現(xiàn)小幅波動.但總體趨勢仍平穩(wěn)，保險業(yè)風險溢入持續(xù)徘徊于70附近，多元金融服務業(yè)風險溢入在70～80波動，相比而言，雖然證券業(yè)風險溢入水平較低，但是波動十分明顯，這表明來自其他三個行業(yè)的、影響證券業(yè)風險水平的合成因素存在不穩(wěn)定性.

圖2 金融部門各行業(yè)風險溢入動態(tài)趨勢圖Fig.2 Time series of general index for financial sector’s risk spillover

圖3展示了四個金融行業(yè)風險發(fā)送的時序，從圖中可以看出，四個行業(yè)風險溢出呈現(xiàn)明顯的波動趨勢，尤其是證券業(yè)與多元金融服務業(yè)波動幅度更大，且一些大的金融事件沖擊伴隨著明顯的峰值.這也說明金融市場遭受內(nèi)外部沖擊時，整體性風險的增加主要是源自于證券業(yè)與多元金融服務業(yè)風險溢出的急劇增加.從銀行業(yè)與保險業(yè)風險溢出波動相對平穩(wěn)可以看出，我國銀行業(yè)與保險業(yè)抵御風險能力比另外兩個行業(yè)更穩(wěn)健，因此在危機時期，我國證券業(yè)與多元金融服務業(yè)很可能成為風險溢出源頭.

圖3 金融部門各行業(yè)風險溢出動態(tài)趨勢圖Fig.3 Dynamic trend of risk spillover of financial industries

(3)各行業(yè)風險凈溢出分析.我們通過風險凈溢出指數(shù)來進一步考察不同行業(yè)的風險凈溢出以及行業(yè)兩兩間風險凈溢出隨時間的變動.圖4展示了四個金融行業(yè)風險凈溢出的動態(tài)情形，從圖中可以看出，銀行業(yè)風險凈溢出在時間軸上呈現(xiàn)明顯的正負交替波動，并且銀行業(yè)在沖擊事件發(fā)生時都具有正的風險凈溢出效應，而在相對平靜的金融環(huán)境中具有負的風險凈溢出效應.相比銀行業(yè)的正負交替波動，證券業(yè)似乎具有長期明顯的正的風險凈溢出效應，但是在歐洲主權債務危機時期、股災中后期以及中美貿(mào)易摩擦初期，證券業(yè)在沖擊事件的影響下由正的風險凈溢出轉變?yōu)樨摰娘L險凈溢出.保險業(yè)長期具有正的風險凈溢出，但是溢出強度明顯小于證券業(yè).多元金融服務業(yè)具有持續(xù)負的風險凈溢出效應，考慮到多元金融服務業(yè)規(guī)模在我國金融市場中所占的比例最小，其他行業(yè)對其具有明顯影響，而它對其他行業(yè)影響程度很小，所以具有長期負的風險凈溢出效應.

圖4 金融部門各行業(yè)風險凈溢出趨勢圖Fig.4 Trend of net risk spillover of financial industries

圖5展示了金融各行業(yè)兩兩間風險凈溢出.從圖中可以看出，銀行業(yè)除了受某些金融事件沖擊的影響，對證券業(yè)和保險業(yè)具有長期負的風險凈溢出效應，而銀行業(yè)對多元金融服務業(yè)具有長期為正的風險凈溢出效應.證券業(yè)對保險業(yè)的風險凈溢出效應呈現(xiàn)小幅正負交替波動，但是正的溢出無論在持續(xù)時間長度還是程度上都遠大于負的溢出.證券業(yè)對多元金融服務業(yè)存在顯著的正向風險溢出，但是股災時期具有明顯的負向溢出.保險業(yè)對多元金融服務業(yè)同樣具有長期為正的風險凈溢出效應.總的來看，所有行業(yè)間兩兩溢出效應存在明顯非對稱關系，這也說明行業(yè)與行業(yè)之間的風險溢出存在非對稱相關.在長期趨勢方面，證券業(yè)似乎對所有行業(yè)都具有明顯的正向溢出效應，同時多元金融服務業(yè)對所有行業(yè)都具有明顯的負向溢出效應；在短期趨勢方面，當受到事件沖擊時，風險溢出關系的長期趨勢存在明顯的變化.為此本文繪制了長期趨勢的風險溢出網(wǎng)絡圖、2015-2016年股災時期風險溢出網(wǎng)絡圖以及2018年中美貿(mào)易摩擦初期風險溢出網(wǎng)絡圖(圖6)來更直觀地展現(xiàn)這種變化.

圖5 金融各行業(yè)兩兩間風險凈溢出趨勢圖Fig.5 Trend of the pairwise net risk spillover of financial industries

注: 根據(jù)各行業(yè)兩兩間風險凈溢出的計算公式，甲行業(yè)對乙行業(yè)的風險凈溢出與乙行業(yè)對甲行業(yè)的風險凈溢出互為相反數(shù)，

只要畫出甲行業(yè)對乙行業(yè)的風險凈溢出就可以展示兩個行業(yè)間的風險凈溢出情況，因此，圖5只列出6個子圖.

4 穩(wěn)健性檢驗

通過改變滾動窗口長度進行了穩(wěn)健性檢驗，分別縮短窗口至100 d或延長窗口至250 d并進行估計，100 d的估計結果與200 d的估計結果存在一定的差異，但總體趨勢是一致的，相比而言250 d的估計結果與200 d的估計結果高度一致.對廣義VAR模型的滯后階數(shù)進行了穩(wěn)健性檢驗，分別在原被檢驗階數(shù)的基礎上向前和向后3階進行估計.從估計結果對比來看，估計結果對滯后階數(shù)的選擇具有穩(wěn)健性.對預測期長度進行了穩(wěn)健性檢驗，在向前預測長度10 d的基礎上加減5 d進行估計，結果對預測期長度的選擇具有穩(wěn)健性.

圖6 風險溢出網(wǎng)絡Fig.6 Networks of risk spillover

在此前對各行業(yè)VaR序列的單位根檢驗中考慮四個行業(yè)都沒有在1%的顯著性水平下拒絕存在單位根的原假設，為此本文選擇2010-2015年期間波動相對較小時期的數(shù)據(jù)進行了單位根檢驗.結果表明四個行業(yè)子樣本都在1%顯著性水平下拒絕存在單位根的原假設；對子樣本進行了估計，子樣本的估計結果與全樣本估計結果高度一致，這說明本文估計并沒有受序列不平穩(wěn)的影響而產(chǎn)生偽回歸現(xiàn)象.

5 結論與建議

5.1 結論

(1)金融部門總體風險溢出效應十分顯著，在靜態(tài)分析中風險溢出集中度指數(shù)高達71.1，在動態(tài)分析中，風險溢出集中度指數(shù)的最低值也高達55，并且風險溢出集中度指數(shù)長期保持在70水平之上，這足以說明我國金融部門風險集中度高，系統(tǒng)性風險特征明顯.(2)金融各行業(yè)間一對一的風險溢出存在明顯的非對稱性，這表明金融行業(yè)之間的相關性是一種非對稱相關，但是這種非對稱性結構并不是完全固定不變的，它隨著外部金融事件沖擊而動態(tài)變化.(3)總的來看，在四個行業(yè)中，證券業(yè)風險溢出指數(shù)最大且具有很強的時變性，多元金融服務業(yè)風險溢出指數(shù)最小但具有很強的時變性，隨著事件沖擊，波動十分明顯.銀行業(yè)與保險業(yè)風險溢出比較顯著，但是時變特征不明顯，因此我國銀行業(yè)與保險業(yè)風險溢出的穩(wěn)健性要高于證券業(yè)與多元金融服務業(yè).

5.2 建議

(1)繼續(xù)堅持底線思維，堅決貫徹落實黨的十九大要求，“健全金融監(jiān)管體系，守住不發(fā)生系統(tǒng)性金融風險的底線”.這就要求我國不斷完善金融監(jiān)管制度和體系，加強國務院金融穩(wěn)定發(fā)展委員會和“一行兩會”(中國人民銀行、銀保監(jiān)會、證監(jiān)會)金融監(jiān)管的統(tǒng)籌協(xié)調(diào).(2)加強和改進中國人民銀行運用貨幣政策與財政部運用財政政策調(diào)控宏觀經(jīng)濟的職能，健全針對系統(tǒng)性金融風險的貨幣政策和宏觀審慎政策雙支柱調(diào)控框架.(3)鑒于我國金融部門各行業(yè)間存在著明顯的風險溢出，金融監(jiān)管部門的監(jiān)管工作要著眼于合理降低各行業(yè)的風險溢出效應，從而降低我國金融部門的系統(tǒng)性風險.面對風險的跨行業(yè)傳遞，要加大金融機構跨業(yè)套利的處罰力度，尤其是在當前我國經(jīng)濟存在下行壓力，各種風險隱患逐一顯現(xiàn)的情況下，仍應堅定地實施金融部門分業(yè)經(jīng)營、分業(yè)監(jiān)管為主的基本架構，嚴格規(guī)范已有的金融混業(yè)經(jīng)營，強化綜合監(jiān)管能力.(4)銀行業(yè)與保險業(yè)在資產(chǎn)規(guī)模上占據(jù)主導地位，因此對我國金融部門整體穩(wěn)定性具有舉足輕重的地位，所以應強化實施審慎監(jiān)管政策，平抑其風險溢出，防止因“大而不能倒”引發(fā)道德風險的行為.需要及時處置銀行業(yè)不良資產(chǎn)，防止個別銀行的金融風險惡化導致銀行業(yè)系統(tǒng)性風險急劇爆發(fā)令貨幣信用體系極度混亂.應加強對證券業(yè)的監(jiān)管，完善相關法律法規(guī)促進證券市場良性發(fā)展，使其風險溢出保持在合理區(qū)間波動以保證其不會對我國金融市場造成過度沖擊.監(jiān)管部門應當使多元金融服務業(yè)建立有效的風險隔離機制，加強其抵御風險的能力，避免使其過度地暴露于金融市場風險中.