基于復(fù)雜網(wǎng)絡(luò)傳染病模型的金融風險防控研究*

中國人民銀行廣州分行課題組

2020年新冠肺炎疫情的爆發(fā)對世界經(jīng)濟造成了嚴重沖擊，也加劇了金融市場波動，局部金融風險可能會“水落石出”，暴露出潛藏的系統(tǒng)性金融風險隱患。從傳染的機制看，金融風險與醫(yī)學(xué)傳染病頗為相似。金融市場參與者通過金融市場的資金融通、資產(chǎn)負債轉(zhuǎn)移而相互接觸，成為金融風險傳播的渠道，同質(zhì)的風險敞口以及風險信息的快速擴散使得金融風險具備大規(guī)?？焖賯魅镜幕A(chǔ)。市場參與主體則依據(jù)自身實際情況呈現(xiàn)出穩(wěn)健、高風險、損失、破產(chǎn)等不同狀態(tài)和個體差異，這與傳染病具有較高相似度。因此，本文借鑒傳染病動力學(xué)的研究分析方法，在復(fù)雜網(wǎng)絡(luò)中對銀行金融風險傳播進行分析，通過實證分析展現(xiàn)當前銀行體系金融風險的特征和傳播趨勢，這對深入了解金融風險的傳播擴散機制、強化對系統(tǒng)性金融風險的認識、把握當前金融風險底數(shù)、增強對金融風險的防控能力具有重要意義。

一、文獻綜述

（一）關(guān)于醫(yī)學(xué)傳染病動力學(xué)模型的理論研究

1926年，Kermack和McKendrick提出了著名的倉室模型，該模型基本邏輯是將人群依據(jù)不同疾病狀態(tài)劃分為若干類別（倉室），然后采用數(shù)學(xué)模型構(gòu)建倉室間的動力學(xué)聯(lián)系。在此基礎(chǔ)上，基于不同的倉室假設(shè)，先后演化出SIS、SIR、SIRS等倉室模型，用于模擬不同的傳染病傳播特征。醫(yī)學(xué)傳染病動力學(xué)模型旨在通過總結(jié)和分析傳染病的動力學(xué)特征，用數(shù)學(xué)方法模擬傳染病的傳染過程，并通過實證分析測算傳染病的動力學(xué)參數(shù)，用以預(yù)測傳染速度、范圍及路徑。李昊等（2020）認為，傳染病動力學(xué)模型依托疫情爆發(fā)早期數(shù)據(jù)，納入未來不確定性，能幫助發(fā)現(xiàn)傳染病傳播機理，科學(xué)預(yù)測疫情流行趨勢。

（二）關(guān)于復(fù)雜網(wǎng)絡(luò)理論的研究

現(xiàn)實世界中存在著大量網(wǎng)絡(luò)形式的系統(tǒng)，如人際關(guān)系社會網(wǎng)、互聯(lián)網(wǎng)、交通網(wǎng)絡(luò)，也包括自然界中的食物鏈網(wǎng)絡(luò)、神經(jīng)網(wǎng)絡(luò)等，其由大量且相互之間關(guān)系錯綜復(fù)雜的節(jié)點組成，針對這些網(wǎng)絡(luò)的分析和研究構(gòu)成了復(fù)雜網(wǎng)絡(luò)理論。復(fù)雜網(wǎng)絡(luò)理論通過描述各類現(xiàn)實系統(tǒng)的拓撲性質(zhì)，反映了網(wǎng)絡(luò)中大規(guī)模個體行為的統(tǒng)計特征。許多學(xué)者在實證研究基礎(chǔ)上提出了各種不同的網(wǎng)絡(luò)拓撲模型，包括規(guī)則網(wǎng)絡(luò)、隨機網(wǎng)絡(luò)、小世界網(wǎng)絡(luò)以及無標度網(wǎng)絡(luò)。

與其他網(wǎng)絡(luò)不同，金融體系網(wǎng)絡(luò)常常具有無標度網(wǎng)絡(luò)特征。程建平（2012）研究發(fā)現(xiàn)，不論業(yè)務(wù)金額網(wǎng)絡(luò)還是業(yè)務(wù)筆數(shù)網(wǎng)絡(luò)，其度和節(jié)點強度的分布總體上服從冪律分布，從而得出資金流網(wǎng)絡(luò)是無尺度網(wǎng)絡(luò)的結(jié)論。石大龍（2015）通過構(gòu)建我國大額支付系統(tǒng)中銀行間資金流數(shù)據(jù)網(wǎng)絡(luò)，發(fā)現(xiàn)交易金額網(wǎng)絡(luò)中邊權(quán)分布和節(jié)點強度分布均服從冪律分布，從而認為我國銀行間網(wǎng)絡(luò)是無標度網(wǎng)絡(luò)。黃聰和賈彥東（2010）認為，我國銀行間網(wǎng)絡(luò)表現(xiàn)出明顯的重要節(jié)點與局部團狀結(jié)構(gòu)共存的結(jié)構(gòu)特征。還有部分學(xué)者發(fā)現(xiàn)，不同的股票市場網(wǎng)絡(luò)結(jié)構(gòu)也呈現(xiàn)無標度網(wǎng)絡(luò)的特性。因此，運用無標度網(wǎng)絡(luò)特性研究金融體系在近年來越來越受到研究者的重視。

（三）醫(yī)學(xué)傳染病動力模型以及復(fù)雜網(wǎng)絡(luò)理論在金融領(lǐng)域的應(yīng)用

諸多研究發(fā)現(xiàn)，醫(yī)學(xué)傳染病動力模型能夠較好擬合金融市場風險傳播情況。中國人民銀行南寧市中心支行課題組（2017）運用醫(yī)學(xué)SIRS傳染病模型對金融市場間風險交叉?zhèn)魅緳C制進行研究發(fā)現(xiàn)，金融風險傳染的可控性主要取決于基本再生數(shù)，傳染趨勢則取決于直接免疫概率、風險傳染概率、風險感染狀態(tài)下節(jié)點子市場獲得免疫的概率、風險感染狀態(tài)下節(jié)點子市場轉(zhuǎn)入易感染狀態(tài)的概率以及免疫喪失率等因素。龐曉波等（2015）基于貿(mào)易渠道構(gòu)建了包含244個國家的全球網(wǎng)絡(luò)，利用復(fù)雜網(wǎng)絡(luò)方法和具有潛伏期的SEIR模型對歐債危機傳染性進行了模擬分析，發(fā)現(xiàn)全球金融網(wǎng)絡(luò)的復(fù)雜性既表現(xiàn)出對危機的擴散性，又表現(xiàn)出吸收性，全球金融網(wǎng)絡(luò)具備穩(wěn)健性特征；危機傳染力在低于擴散閾值時不會對他國構(gòu)成負外部性，但危機越嚴重傳染范圍越廣，高于崩潰閾值后傳染范圍達到最大。沈禧等（2017）基于SIR模型引入死亡者和被治愈無免疫者，構(gòu)建符合銀行間風險傳染的數(shù)學(xué)模型，通過仿真模擬描述風險在銀行間的傳染機制，并從銀行的傳染率、治愈率、免疫率和破產(chǎn)率角度對風險傳染效應(yīng)的影響進行分析。胡志浩等（2017）將模型SIRS引入到無標度的金融網(wǎng)絡(luò)中，探討了模型參數(shù)——感染率、治愈率、免疫失效率和網(wǎng)絡(luò)緊密度對風險傳染的影響。

（四）過往研究的不足以及本文創(chuàng)新之處

綜合來看，與醫(yī)學(xué)傳染病相關(guān)研究相比，金融風險防控研究受限于數(shù)據(jù)可得性，過往文獻更多是使用數(shù)據(jù)仿真技術(shù)，探討金融網(wǎng)絡(luò)的結(jié)構(gòu)特征及金融風險的傳播特征，難以進行實證檢驗，對金融風險的現(xiàn)狀、發(fā)展趨勢無法進行精確的預(yù)測和判斷。本文在借鑒參考上述文獻的基礎(chǔ)上，利用上市銀行數(shù)據(jù)以及地方法人銀行運行指標，使用系統(tǒng)性金融風險溢出的測度方法，對動力學(xué)模型參數(shù)進行測算，刻畫了地方法人銀行體系金融風險的現(xiàn)狀，檢驗了地方法人銀行體系金融風險的傳播特征和趨勢，對豐富金融風險預(yù)測工具、防范化解重大金融風險具有重要的理論和現(xiàn)實意義。

二、復(fù)雜網(wǎng)絡(luò)傳染病金融風險模型的構(gòu)建

（一）模型構(gòu)建

1.傳染病動力學(xué)模型的倉室構(gòu)建

以經(jīng)典的傳染病動力學(xué)SIR倉室模型為例，S為易感染者，即群體中能夠被傳染，但尚未被傳染的個體；I為已感染者，即已感染且可以傳染其他個人的病源；R為復(fù)原者，即經(jīng)過治療康復(fù)并獲得免疫的個體。SIR的數(shù)學(xué)模型描述了S通過與I的接觸成為I，經(jīng)過干預(yù)治療成為R的動力學(xué)過程。

在金融系統(tǒng)中，受外部經(jīng)濟金融環(huán)境影響，某一市場參與者或同處相同外部環(huán)境的市場參與者會產(chǎn)生金融風險。市場參與者通過金融市場的資金融通、資產(chǎn)負債轉(zhuǎn)移相互接觸，金融風險借此不斷擴散和蔓延。在金融風險產(chǎn)生和蔓延的過程中，市場參與者由于自身風險偏好、風險管理水平以及損失吸收能力的不同，呈現(xiàn)出不同的狀況和個體特征。本文借鑒SIR模型，將金融風險傳染的動力學(xué)模型倉室構(gòu)建如下：

易感狀態(tài)的市場參與者(S)在與感染狀態(tài)的市場參與者(I)接觸中，單位時間內(nèi)被感染的概率為λ。感染狀態(tài)的市場參與者(I)以α的概率被救助轉(zhuǎn)為穩(wěn)健狀態(tài)(R)，成為穩(wěn)健狀態(tài)的市場參與者(R)可能在一定條件下以的概率重新成為易感狀態(tài)(S)。如圖1示：

圖1 市場參與者健康狀態(tài)的轉(zhuǎn)變

2.構(gòu)建無標度特征的復(fù)雜網(wǎng)絡(luò)

對于以金融市場參與者為節(jié)點組成的現(xiàn)實復(fù)雜網(wǎng)絡(luò)，相關(guān)文獻普遍認為其具有無標度特征，本文沿用這一假設(shè)。無標度特性意味著少量網(wǎng)絡(luò)節(jié)點擁有大量的連接，而大部分節(jié)點只擁有少量的連接。這與金融體系特征吻合，即個別系統(tǒng)重要性金融機構(gòu)在金融市場的參與度較高，資金往來和債權(quán)債務(wù)關(guān)系較復(fù)雜，風險外部性較強，而多數(shù)的中小金融機構(gòu)規(guī)模較小、對金融市場影響較小、金融同業(yè)間的業(yè)務(wù)往來較少。

在具有無標度特征的復(fù)雜網(wǎng)絡(luò)中，度k被定義為某個節(jié)點i與其他所有節(jié)點相連接的量，節(jié)點i的度體現(xiàn)了該節(jié)點在整個網(wǎng)絡(luò)中的影響力。引入網(wǎng)絡(luò)平均度，并假設(shè)在t時刻一個易感狀態(tài)的市場參與者(S)與一個度為k的感染者（含無癥狀感染）接觸概率為θ(t)。即有：

構(gòu)建一個呈冪律分布的復(fù)雜網(wǎng)絡(luò)，冪指數(shù)γ≈2.1①根據(jù)學(xué)者們對各種現(xiàn)實網(wǎng)絡(luò)的統(tǒng)計分析，無標度網(wǎng)絡(luò)中的冪指數(shù)通常介于2與3之間。胡志浩（2017）運用中國大額支付系統(tǒng)數(shù)據(jù)測算的中國銀行間復(fù)雜網(wǎng)絡(luò)的冪指數(shù)γ≈2.1。，網(wǎng)絡(luò)節(jié)點k取值為[2,50]，分布的平均度為：

綜合上述假設(shè)，可以得到無標度復(fù)雜網(wǎng)絡(luò)中動力學(xué)微分方程組如下：

（二）模型解析

1.基本再生數(shù)R0的推導(dǎo)

本文主要考察當前金融風險的傳播趨勢和特征，以及金融風險是否會逐步收斂；若風險收斂，那么金融風險到達峰值和穩(wěn)態(tài)的時刻以及在峰值和穩(wěn)態(tài)時，整個金融體系中被感染機構(gòu)的占比也是本文重點分析的問題。關(guān)于金融風險是否會收斂，本文根據(jù)傳染病動力學(xué)模型，令R0為基本再生數(shù)，表示一個感染狀態(tài)的市場參與者在平均感染期內(nèi)傳染的市場參與者個體數(shù)。

當R0＜1時，微分方程組存在無風險平衡點C0(1,0,0)，即金融風險在系統(tǒng)內(nèi)逐漸化解。

在無標度網(wǎng)絡(luò)特征下，有：

求導(dǎo)可得：

可見F(θ)為凹函數(shù)，且由于：

可得F(θ)=0在(0,1)上存在唯一正解時，有：

2.感染率求解

在傳統(tǒng)的傳染病動力學(xué)模型中，疾病的傳播以個體間的接觸為渠道，在過往國內(nèi)外學(xué)者對金融網(wǎng)絡(luò)的研究中，常使用中央銀行大額支付系統(tǒng)、銀行間同業(yè)拆借等金融業(yè)務(wù)直接往來通道作為風險傳播渠道。但應(yīng)注意到，隨著大數(shù)據(jù)、云計算、人工智能等高新技術(shù)廣泛應(yīng)用，金融風險在機構(gòu)間的交叉?zhèn)魅疽呀?jīng)不局限于傳統(tǒng)的金融同業(yè)交易，同質(zhì)的風險敞口、密切的風險信息交換、快速的互聯(lián)網(wǎng)信息傳播，金融風險傳染路徑發(fā)生了深刻改變，機構(gòu)間跨地域、跨市場的風險交叉?zhèn)魅救找嫱怀?。因此，傳統(tǒng)的對每種風險傳播渠道進行具體測度的方法實際上難以窮盡，并不可取。

還有部分學(xué)者假設(shè)價格能夠完整反映風險信息，采用價格波動對風險水平進行間接的衡量。受限于數(shù)據(jù)的可得性和可靠性，大部分研究使用上市銀行股價收益率數(shù)據(jù)替代。如胡利琴等（2018）基于廣義差分法構(gòu)建我國上市銀行的波動關(guān)聯(lián)網(wǎng)絡(luò)，用于衡量銀行間的風險溢出。在尾部層面，蔣海和張錦意（2018）利用分位數(shù)回歸以及 LASSO構(gòu)建了16家上市銀行尾部風險關(guān)聯(lián)網(wǎng)絡(luò)。李紹芳和劉曉星（2018）采用tenet方法構(gòu)建了我國上市金融機構(gòu)的關(guān)聯(lián)網(wǎng)絡(luò)。佟孟華等（2019）假設(shè)金融體系內(nèi)任一局部的風險感染率相同，并基于CoVaR方法和分位數(shù)回歸技術(shù)測度了我國上市銀行間的風險溢出強度。

上式表示銀行（銀行系統(tǒng)）在非正常(i)和正常(n)兩種情況下運轉(zhuǎn)時，j銀行（銀行系統(tǒng)）

為銀行i對銀行系統(tǒng)(index)的風險溢出強度與銀行i自身風險水平的百分比，其衡量的是銀行i陷入困境時對整個銀行系統(tǒng)的風險溢出效率。結(jié)合上述銀行體系中單家銀行機構(gòu)的風險溢出效率以及各上市銀行的總股本（總資產(chǎn)），構(gòu)建感染率：

其中：ωi為權(quán)重，Asseti為單個銀行機構(gòu)的總資產(chǎn)，λ為銀行體系間的風險感染系數(shù)，衡量的是單家銀行機構(gòu)風險溢出效率的加權(quán)平均值。

三、實證研究

（一）模型變量賦值

1.復(fù)雜網(wǎng)絡(luò)模型的變量初始值

動力學(xué)微分方程中的各“倉室”初始值（即t=0）以樣本地方法人銀行央行金融機構(gòu)評級結(jié)果為參考。根據(jù)評級結(jié)果，本文將模型中t=0時刻各“倉室”的占比設(shè)置為：

Sk(0)=0.4173，Ik(0)=0.0503，Rk(0)=0.5324

2.計算基本再生數(shù)

第一，感染率λ。本文以銀行總股本和總資產(chǎn)為依據(jù)，選取我國2017年后上市的24家上市銀行作為研究對象，其中國有大型商業(yè)銀行5家，中小型商業(yè)銀行19家。選取我國上市銀行的股票價格和Wind銀行指數(shù)作為研究指標。

基于式（3）測度單家銀行對銀行系統(tǒng)的風險溢出效率，進一步可以求得銀行體系的風險感染率：

第二，救助率α。實踐中，外源補充中小銀行資本是常用的風險化解和救助措施?；诖耍疚氖褂?39家樣本地方法人銀行機構(gòu)2017年以來增資的數(shù)據(jù)和期初所有者權(quán)益的比作為救助率參數(shù)，計算得到救助率參數(shù)α=0.3775。

第三，免疫喪失率δ。根據(jù)免疫喪失率的定義，本文使用樣本地方法人銀行機構(gòu)改制后在央行金融機構(gòu)評級中再次被評為5級及以下這一情況來衡量免疫喪失率。本文取免疫喪失率δ=0.0536。

綜上所述，本文得到傳染病動力模型的參數(shù)集：

{λ,α,δ}={0.1938,0.3775,0.0536}

代入上文測算的參數(shù)，計算得到當前樣本地方法人銀行體系的風險再生數(shù)R0=10.3981>1，存在風險續(xù)存平衡點，表明金融風險在該體系中的傳染將是長期存在的，金融風險將在體系中續(xù)存，不存在風險完全消失的時刻。

（二）模型峰值和穩(wěn)態(tài)時刻的情況

由于金融風險將在銀行體系中續(xù)存，峰值和穩(wěn)態(tài)時刻的情況是接下來本文關(guān)心的結(jié)論。使用matlab軟件，可以得到模型的運行數(shù)據(jù)（見圖2）。

圖2 SIR模型仿真模擬結(jié)果

根據(jù)模型運算，動力學(xué)方程組中，感染者I的占比在t=5時達到峰值水平，峰值Ipeak(T)=0.1672，即峰值時刻有16.72%的機構(gòu)處于被感染狀態(tài)。模型在t=44進入穩(wěn)態(tài)，穩(wěn)態(tài)Istable(T)=0.0827。這表明，以感染機構(gòu)占比為標準衡量的金融風險將在t=5時達到峰值，峰值時刻，感染機構(gòu)數(shù)占比約16.72%，即23家左右的機構(gòu)被感染；模型預(yù)計金融風險在t≥44之后收斂，長期來看，樣本地方法人銀行體系中將有約8.27%的機構(gòu)處于被感染狀態(tài)，即11家左右的被感染機構(gòu)。

（三）救助仿真模擬

實踐中，受限于救助資源的有限性，選擇被救助機構(gòu)及救助時機是非常重要的，本文使用復(fù)雜網(wǎng)絡(luò)技術(shù)構(gòu)建的金融體系，刻畫了體系中不同金融機構(gòu)間的差異，以對救助策略進行進一步探討。下面采用數(shù)據(jù)仿真技術(shù)，比較救助大機構(gòu)（即復(fù)雜網(wǎng)絡(luò)中度k較大的節(jié)點）和救助小機構(gòu) （即復(fù)雜網(wǎng)絡(luò)中度較小的節(jié)點）兩種策略下，對于金融體系中風險傳播趨勢和特征的影響。

具體仿真思路如下：假設(shè)利用外部資源一次性救助一定比例的機構(gòu)，使其從被感染狀態(tài)轉(zhuǎn)化為穩(wěn)健狀態(tài)。受救助資源限制，不同策略下可以選擇救助大機構(gòu)或小機構(gòu)，這將影響本文的救助機構(gòu)比例。此外，在不同時間進行救助，也會影響模型的運行狀態(tài)。本文將觀察上述不同情形下，模型運行中被感染機構(gòu)I的峰值及穩(wěn)態(tài)情況。

關(guān)于救助比例。本文采用139家樣本地方法人銀行機構(gòu)2020年三季度末的所有者權(quán)益數(shù)據(jù)進行衡量。2020年三季度末，最大一家樣本金融機構(gòu)的所有者權(quán)益等于最小108家樣本金融機構(gòu)的所有者權(quán)益之和。即救助1家（比例為1/139≈0.0072）大型金融機構(gòu)動用的外部資源，約等于救助108家（比例為108/139≈0.6547）中小金融機構(gòu)。因此本文的仿真策略具體如下：

策略1：集中資源，救助占總機構(gòu)數(shù)約0.72%的大型金融機構(gòu)；策略2：分散使用資源，救助占總機構(gòu)數(shù)約65.47%的中小金融機構(gòu)。每種策略均模擬1≤t≤5時刻進行救助。結(jié)果如下：

表1 救助大型金融機構(gòu)的數(shù)值仿真結(jié)果

表2 救助中小型金融機構(gòu)的數(shù)值仿真結(jié)果

從仿真結(jié)果看，兩種策略下，模型穩(wěn)態(tài)的各項指標基本沒有差異，但模型感染率的峰值和達峰時間明顯不同。策略1中，集中資源救助大型金融機構(gòu)略微降低了感染率的峰值，其中t=3時開展救助的效率最高，使得峰值感染率水平下降0.76個百分點。策略2中，分散救助產(chǎn)生的效果更為明顯，在t=4時開展救助，可以使峰值感染率顯著降低4.18個百分點至12.54%，即17家左右的被感染機構(gòu)，較救助前降低6家。策略2也能幫助金融體系提前達到風險穩(wěn)態(tài)收斂狀態(tài)，選擇在t=5時開展救助能將風險收斂提前20期，至t=24。

圖2 SIR模型救助策略仿真模擬結(jié)果

四、結(jié)論及政策建議

（一）主要結(jié)論

一是當前銀行體系金融風險防范化解成效顯著。在傳染病動力學(xué)模型中，感染率、救助率與免疫喪失率是最基本的動力學(xué)參數(shù)，救助率與免疫喪失率對比感染率水平高低是風險傳播趨勢和收斂狀態(tài)的決定性因素。本文測算得到的地方法人銀行體系的救助率相對較高而免疫喪失率相對較低，能夠顯著抑制金融體系內(nèi)風險傳播，表明當前金融風險防范化解各項舉措是全面有力的，并且成效顯著。

二是金融市場參與者差異越大，個別市場參與者的集中度越高，金融風險的傳播能力越強。金融風險的傳播能力與金融體系的結(jié)構(gòu)有關(guān)，即金融體系異質(zhì)性越強，金融風險的傳播能力越強。樣本中最大一家地方法人銀行機構(gòu)的資產(chǎn)規(guī)模約為最小一家的一萬倍左右，表明目前我國金融體系的異質(zhì)性結(jié)構(gòu)特征較為明顯，金融風險在銀行體系中的傳播能力較強、金融風險在體系內(nèi)擴散較快，金融風險防范和處置化解尤為重要。

三是金融風險在銀行體系中的傳染將是長期存在的。由于金融網(wǎng)絡(luò)的“異質(zhì)性”，基于樣本地方法人銀行機構(gòu)實際推演出的基本再生數(shù)（10.3981）遠大于1，表明金融風險在中小銀行體系中的傳染將是長期存在的，不存在風險完全消失的時刻，但會逐步收斂于一個較低水平，即存在風險續(xù)存平衡點，穩(wěn)態(tài)狀態(tài)下會有少量的感染機構(gòu)存在，這一結(jié)論與現(xiàn)實情況基本一致。

四是在救助資源有限的情況下，分散資源救助中小金融機構(gòu)是更優(yōu)的危機救助策略。本文對不同救助策略進行仿真，結(jié)果顯示在面臨資源約束情況下，相對集中資源救助大型金融機構(gòu)，分散資源救助占機構(gòu)總數(shù)比例更大的中小金融機構(gòu)，可以更有效地平滑金融風險，降低峰值時金融體系中被感染機構(gòu)的數(shù)量，是更為有效的救助措施。

（二）政策啟示

一是完善金融市場監(jiān)管的法律法規(guī)體系。加強金融市場基礎(chǔ)設(shè)施建設(shè)，完善金融基礎(chǔ)設(shè)施運行的法律環(huán)境，制定和完善金融風險管控相關(guān)的法律法規(guī)，明晰各金融主體的業(yè)務(wù)邊界和管理規(guī)則，促進其依法依規(guī)經(jīng)營。確保各金融子市場在相連相通的同時，降低金融風險跨市場傳染的可能性，有效增強各金融子市場的抗風險能力、免疫能力和治愈能力。

二是建立跨市場跨主體的風險監(jiān)測預(yù)警體系。隨著互聯(lián)網(wǎng)金融的迅速發(fā)展以及金融創(chuàng)新工具的層出不窮，金融風險呈現(xiàn)隱蔽性、復(fù)雜性和擴散性特點。金融管理部門應(yīng)構(gòu)建更為科學(xué)完善的風險預(yù)警機制和風險監(jiān)測體系，利用金融工程方法、大數(shù)據(jù)、云計算、人工智能等新興技術(shù)手段，建立新型風險預(yù)警模型，強化對各金融市場的風險監(jiān)測和預(yù)判，動態(tài)監(jiān)測金融體系風險變化趨勢，及時發(fā)現(xiàn)不利變化的預(yù)警信號，做好風險實時監(jiān)控和預(yù)警（劉孟飛，2020）。

三是優(yōu)化金融市場監(jiān)管體系和框架。要適應(yīng)混業(yè)經(jīng)營和金融風險復(fù)雜化的變化趨勢，建立更加有效的監(jiān)管協(xié)調(diào)機制。加強人民銀行、銀保監(jiān)會、證監(jiān)會在監(jiān)管理念、管理方式和執(zhí)行標準等方面的統(tǒng)籌協(xié)調(diào)，形成互為補充的監(jiān)管合力。加強跨行業(yè)、跨領(lǐng)域、跨市場風險防范和處置協(xié)作，對跨行業(yè)、跨領(lǐng)域、跨市場金融行為實施穿透式監(jiān)管，避免監(jiān)管真空和監(jiān)管套利，防范金融風險跨市場跨行業(yè)傳染，維護金融穩(wěn)定。要將系統(tǒng)重要性作為確定監(jiān)管強度和配置監(jiān)管資源的重要考慮，落實差異化監(jiān)管，對所有可能因經(jīng)營失敗而嚴重影響金融體系安全穩(wěn)定的機構(gòu)，要加大監(jiān)管強度和深度，有效防范系統(tǒng)性風險。

四是健全早期糾正和風險處置體系。在風險監(jiān)測的基礎(chǔ)上，建立對各類金融風險的早期糾正體系，健全和完善風險介入干預(yù)的條件、時機以及手段，做到對金融風險早發(fā)現(xiàn)、早糾正、早處置。同時，制定和完善風險應(yīng)急預(yù)案和處置機制，豐富市場化風險處置工具，發(fā)揮存款保險在防范和處置金融風險中的作用。

五是建立有效的風險隔離機制。由于各個金融市場和主體之間的風險關(guān)聯(lián)度較高，一個子市場或主體感染風險后會立即傳染給其他子市場或主體，因此，金融管理部門應(yīng)當重點監(jiān)控規(guī)模較大、參與主體較多、市場關(guān)聯(lián)度高的金融子市場，建立金融市場風險自動緩沖、隔斷的有效機制，一旦個別市場出現(xiàn)問題，能及時有效地隔離風險，防止風險進一步蔓延和傳遞，降低金融市場和主體之間的風險傳染。要加強金融市場主體之間的風險防控機制，引導(dǎo)金融市場主體采用差異化的風險管理策略，降低各子市場之間的風險傳染概率，降低非理性因素對市場運行的干擾，縮小市場共振的風險敞口。加強金融機構(gòu)的風險控制能力建設(shè)，阻隔因金融機構(gòu)自身缺陷而產(chǎn)生的風險傳染通道。建立信息隔離和輿論引導(dǎo)機制，防范負面信息快速、放大傳播，正面引導(dǎo)輿論導(dǎo)向，維護金融市場穩(wěn)定。