房企信用擴(kuò)張、宏觀審慎監(jiān)管與金融系統(tǒng)性風(fēng)險(xiǎn)

摘 要：防控風(fēng)險(xiǎn)是金融工作永恒的主題，而房地產(chǎn)領(lǐng)域是金融風(fēng)險(xiǎn)的重要來(lái)源之一。文章基于金融市場(chǎng)等多維度數(shù)據(jù)，利用熵權(quán)法構(gòu)建金融風(fēng)險(xiǎn)指標(biāo)體系；構(gòu)建TVP-VAR-SV模型考察房地產(chǎn)市場(chǎng)風(fēng)險(xiǎn)外溢與宏觀審慎監(jiān)管政策驅(qū)動(dòng)金融風(fēng)險(xiǎn)演化的時(shí)變特征，經(jīng)20000次蒙特卡洛模擬得到參數(shù)時(shí)變估計(jì)值與脈沖響應(yīng)函數(shù)。結(jié)果顯示，房地產(chǎn)行業(yè)貸款規(guī)模增長(zhǎng)推動(dòng)金融系統(tǒng)風(fēng)險(xiǎn)增加，該效應(yīng)在2012年前后最為顯著，2016年后逐步減弱；宏觀審慎監(jiān)管可有效降低金融系統(tǒng)風(fēng)險(xiǎn)，同時(shí)對(duì)房地產(chǎn)企業(yè)融資影響輕微。防范化解金融風(fēng)險(xiǎn)需進(jìn)一步完善宏觀審慎管理體系，切實(shí)防范房地產(chǎn)行業(yè)金融風(fēng)險(xiǎn)外溢，依據(jù)時(shí)變特征靈活調(diào)整政策強(qiáng)度。

關(guān)鍵詞：TVP-VAR模型；金融風(fēng)險(xiǎn)指標(biāo)體系；宏觀審慎監(jiān)管；房地產(chǎn)貸款；熵權(quán)法

中圖分類號(hào)：F832.33文獻(xiàn)標(biāo)識(shí)碼：A文章編號(hào)：1005-6432（2025）21-0005-04

DOI：10.13939/j.cnki.zgsc.2025.21.002

1 引言

防范金融風(fēng)險(xiǎn)，需要了解風(fēng)險(xiǎn)來(lái)源，其中一個(gè)風(fēng)險(xiǎn)重要來(lái)源是房地產(chǎn)領(lǐng)域。房地產(chǎn)市場(chǎng)是現(xiàn)階段中國(guó)金融市場(chǎng)最大的“灰犀?！保蚝梅婪痘庵卮箫L(fēng)險(xiǎn)攻堅(jiān)戰(zhàn)，理應(yīng)高度關(guān)注房地產(chǎn)市場(chǎng)金融風(fēng)險(xiǎn)外溢效應(yīng)。防范化解房地產(chǎn)領(lǐng)域風(fēng)險(xiǎn)外溢有兩個(gè)思路：一是通過管控信貸投放來(lái)壓減信貸風(fēng)險(xiǎn)，但會(huì)限制房地產(chǎn)企業(yè)的正常發(fā)展。二是通過加強(qiáng)宏觀審慎監(jiān)管，實(shí)現(xiàn)防風(fēng)險(xiǎn)和穩(wěn)增長(zhǎng)協(xié)同推進(jìn)。2023年10月中央金融工作會(huì)議提出：促進(jìn)金融與房地產(chǎn)良性循環(huán)，健全房地產(chǎn)企業(yè)主體監(jiān)管制度和資金監(jiān)管，完善房地產(chǎn)金融宏觀審慎管理，滿足不同所有制房地產(chǎn)企業(yè)合理融資需求。會(huì)議首次大量提及房地產(chǎn)市場(chǎng)，提出在不減少房地產(chǎn)貸款的同時(shí)，防范化解金融風(fēng)險(xiǎn)，保證房地產(chǎn)企業(yè)規(guī)范健康發(fā)展。為此，應(yīng)該在兩項(xiàng)目標(biāo)中選擇合適的政策路徑。通過實(shí)證發(fā)現(xiàn)，宏觀審慎監(jiān)管可有效壓降金融系統(tǒng)風(fēng)險(xiǎn)，同時(shí)對(duì)房地產(chǎn)企業(yè)融資影響輕微。防范化解金融風(fēng)險(xiǎn)需進(jìn)一步完善宏觀審慎管理體系，切實(shí)防范房地產(chǎn)行業(yè)金融風(fēng)險(xiǎn)外溢。

2 文獻(xiàn)綜述

初期金融風(fēng)險(xiǎn)測(cè)度側(cè)重單個(gè)市場(chǎng)風(fēng)險(xiǎn)，將少數(shù)市場(chǎng)中的風(fēng)險(xiǎn)測(cè)度結(jié)果作為系統(tǒng)性金融風(fēng)險(xiǎn)大小進(jìn)行研究，如CAI T（2018）選取股票市場(chǎng)作為風(fēng)險(xiǎn)測(cè)度的代表對(duì)象，表明我國(guó)股票市場(chǎng)改變了風(fēng)險(xiǎn)變化的平均水平和主要變化因素。后又對(duì)幾個(gè)市場(chǎng)進(jìn)行整合， 而后學(xué)者提出，對(duì)系統(tǒng)性金融風(fēng)險(xiǎn)的測(cè)度不應(yīng)局限于某幾個(gè)市場(chǎng)。尹豪（2020）提出，在后續(xù)實(shí)踐中， 應(yīng)該從多個(gè)角度對(duì)系統(tǒng)性金融風(fēng)險(xiǎn)展開持續(xù)不間斷的監(jiān)測(cè)，以便進(jìn)行監(jiān)管調(diào)控?，F(xiàn)有多篇文章結(jié)合多個(gè)金融子市場(chǎng)對(duì)風(fēng)險(xiǎn)進(jìn)行測(cè)量，如田軍等（2021）選取五個(gè)維度的基礎(chǔ)指標(biāo)，合成了我國(guó)系統(tǒng)性金融風(fēng)險(xiǎn)綜合指數(shù)（CISFR），得出利用綜合指標(biāo)能有效反映我國(guó)金融風(fēng)險(xiǎn)水平。結(jié)合多個(gè)市場(chǎng)對(duì)我國(guó)系統(tǒng)性金融風(fēng)險(xiǎn)進(jìn)行測(cè)度，被證實(shí)有效?；诖耍簧賹W(xué)者展開房地產(chǎn)領(lǐng)域宏觀審慎政策的研究。羅娜和程方楠（2017）構(gòu)建了一個(gè)以房?jī)r(jià)波動(dòng)為基礎(chǔ)的DSGE模型，發(fā)現(xiàn)宏觀審慎政策與貨幣政策應(yīng)分別以房?jī)r(jià)穩(wěn)定與物價(jià)穩(wěn)定為目標(biāo)。許艷霞等（2019）運(yùn)用VAR模型，證明房地產(chǎn)宏觀審慎政策對(duì)房?jī)r(jià)波動(dòng)的調(diào)控是有效的。還有學(xué)者探究宏觀審慎政策對(duì)房地產(chǎn)領(lǐng)域風(fēng)險(xiǎn)的抑制作用。孟憲春等（2018）利用貝葉斯方法對(duì)模型進(jìn)行估計(jì)，廣義信貸偏離可以成為宏觀審慎政策更有效調(diào)控房地產(chǎn)市場(chǎng)的信號(hào)源。潘敏和周闖（2019）通過基于貸款價(jià)值比的DSGE模型驗(yàn)證得出有必要施加LTV類宏觀審慎政策來(lái)調(diào)控房地產(chǎn)市場(chǎng)以維護(hù)金融穩(wěn)定。

3 金融風(fēng)險(xiǎn)指標(biāo)體系構(gòu)建與測(cè)度

3.1 指標(biāo)選取與數(shù)據(jù)預(yù)處理

考慮多種風(fēng)險(xiǎn)、多個(gè)市場(chǎng)等多方面因素，文章構(gòu)建如表1所示的指標(biāo)體系。文章選用熵權(quán)法測(cè)算金融風(fēng)險(xiǎn)，線性插值法補(bǔ)全缺失值，X12-ARIMA季節(jié)調(diào)整法對(duì)數(shù)據(jù)進(jìn)行去周期化。

3.2 我國(guó)金融風(fēng)險(xiǎn)水平測(cè)度

根據(jù)上述指標(biāo)體系的構(gòu)建，文章選取2003年第一季度至2023年第二季度的82個(gè)數(shù)據(jù)，上述指標(biāo)數(shù)值來(lái)源于Wind數(shù)據(jù)庫(kù)、國(guó)家統(tǒng)計(jì)局、中國(guó)證券監(jiān)督管理委員會(huì)、國(guó)家金融監(jiān)督管理總局。基于熵權(quán)法，得到金融風(fēng)險(xiǎn)演變趨勢(shì)圖，發(fā)現(xiàn)我國(guó)金融風(fēng)險(xiǎn)呈現(xiàn)一部分的周期性浮動(dòng)趨勢(shì)，但總體金融風(fēng)險(xiǎn)呈現(xiàn)下降趨勢(shì)。對(duì)我國(guó)金融風(fēng)險(xiǎn)的變化趨勢(shì)進(jìn)行具體分析，將其分為5個(gè)階段：①2003—2007年：我國(guó)的貨幣政策相對(duì)謹(jǐn)慎，央行采取了一系列措施來(lái)控制通貨膨脹，維護(hù)貨幣穩(wěn)定。我國(guó)加強(qiáng)金融市場(chǎng)的監(jiān)管和規(guī)范，包括強(qiáng)化銀行業(yè)監(jiān)管、提高風(fēng)險(xiǎn)管理標(biāo)準(zhǔn)等措施，金融風(fēng)險(xiǎn)呈現(xiàn)下降趨勢(shì)。 ②2008—2009年：2008年爆發(fā)的全球金融危機(jī)對(duì)我國(guó)經(jīng)濟(jì)和金融市場(chǎng)產(chǎn)生了重大沖擊。此外，全球金融市場(chǎng)的動(dòng)蕩對(duì)中國(guó)的金融體系產(chǎn)生負(fù)面影響，銀行不良貸款問題加劇。為刺激經(jīng)濟(jì)增長(zhǎng)，我國(guó)政府采取刺激措施，通貨膨脹壓力增大，金融風(fēng)險(xiǎn)增大。③2010—2015年：2010年，我國(guó)央行和金融監(jiān)管機(jī)構(gòu)采用一系列工具以應(yīng)對(duì)金融系統(tǒng)的風(fēng)險(xiǎn)和不穩(wěn)定性，確保金融機(jī)構(gòu)不會(huì)過度風(fēng)險(xiǎn)暴露。2011年政府采取措施來(lái)控制房地產(chǎn)市場(chǎng)泡沫，以防房地產(chǎn)市場(chǎng)泡沫破裂對(duì)金融系統(tǒng)產(chǎn)生負(fù)面影響。2013年，中國(guó)推進(jìn)利率市場(chǎng)化改革，允許市場(chǎng)力量決定貸款和存款利率，提高金融市場(chǎng)的效率，我國(guó)金融風(fēng)險(xiǎn)呈現(xiàn)下降趨勢(shì)。④2016—2020年：2016年我國(guó)政府啟動(dòng)金融去杠桿政策，遏制高杠桿率和風(fēng)險(xiǎn)資產(chǎn)的增長(zhǎng)，金融風(fēng)險(xiǎn)呈現(xiàn)逐步下降的趨勢(shì)。但2019—2020年新冠肺炎疫情暴發(fā)導(dǎo)致全球經(jīng)濟(jì)大幅下滑，企業(yè)生產(chǎn)和消費(fèi)活動(dòng)受到?jīng)_擊，許多企業(yè)經(jīng)濟(jì)狀況不穩(wěn)定，增加貸款違約和債務(wù)風(fēng)險(xiǎn)，金融風(fēng)險(xiǎn)逐步增大。⑤2021—2023年：隨著政府采取嚴(yán)格的防疫措施與加強(qiáng)金融監(jiān)管，大規(guī)模的財(cái)政和貨幣刺激政策，加速經(jīng)濟(jì)復(fù)蘇，金融風(fēng)險(xiǎn)逐步下降。

4 TVP-VAR模型構(gòu)建

4.1 模型的基本設(shè)定、數(shù)據(jù)的選取與處理

TVP-VAR模型是一種時(shí)間序列模型，用于描述經(jīng)濟(jì)和金融數(shù)據(jù)中的多個(gè)變量之間的關(guān)系，其核心特點(diǎn)是模型參數(shù)隨時(shí)間變化，文章通過構(gòu)建如下TVP-SV-VAR模型來(lái)研究不同時(shí)點(diǎn)房地產(chǎn)企業(yè)債務(wù)、金融風(fēng)險(xiǎn)、宏觀審慎效果三者之間的動(dòng)態(tài)關(guān)系。

文章選取房地產(chǎn)企業(yè)債務(wù)、金融風(fēng)險(xiǎn)、宏觀審慎強(qiáng)度的年度數(shù)據(jù)展開建模，收集2003—2022年的年度數(shù)據(jù)進(jìn)行研究。對(duì)數(shù)據(jù)進(jìn)行標(biāo)準(zhǔn)化，將它們轉(zhuǎn)化為相同的量綱，消除變量單位對(duì)分析結(jié)果的影響，提高模型的穩(wěn)定性，避免因?yàn)閿?shù)值范圍差異而導(dǎo)致的數(shù)值不穩(wěn)定和數(shù)值溢出問題。標(biāo)準(zhǔn)化前各變量的描述性統(tǒng)計(jì)結(jié)果如表2所示，各類指標(biāo)的選取說(shuō)明如下：①房地產(chǎn)貸款D：由于文章研究的目標(biāo)主要是基于高負(fù)債率背景下的房企壓力與中國(guó)金融風(fēng)險(xiǎn)及宏觀審慎之間的關(guān)系，故選用房地產(chǎn)貸款反映房地產(chǎn)企業(yè)面臨的債務(wù)風(fēng)險(xiǎn)大小。②金融風(fēng)險(xiǎn)指標(biāo)R：基于熵權(quán)法構(gòu)建的金融風(fēng)險(xiǎn)指標(biāo)體系，計(jì)算2003—2022年綜合得分的標(biāo)準(zhǔn)化值，將其作為模型中金融風(fēng)險(xiǎn)的大小。③宏觀審慎強(qiáng)度M：經(jīng)過多次回歸最終選用GDP作為宏觀審慎強(qiáng)度的指標(biāo)。

為進(jìn)一步研究房地產(chǎn)市場(chǎng)面臨的風(fēng)險(xiǎn)的具體情況，文章利用TVP-VAR模型，構(gòu)建房地產(chǎn)市場(chǎng)風(fēng)險(xiǎn)與金融市場(chǎng)風(fēng)險(xiǎn)以及宏觀環(huán)境之間的動(dòng)態(tài)時(shí)變關(guān)系。

4.2 數(shù)據(jù)平穩(wěn)性檢驗(yàn)

由于TVP-VAR模型的參數(shù)是隨時(shí)間變化的，為保證模型的穩(wěn)定性、參數(shù)估計(jì)的可信度等，在進(jìn)行分析時(shí)需要考慮模型的平穩(wěn)性。標(biāo)準(zhǔn)化后的平穩(wěn)性檢驗(yàn)結(jié)果如表2所示。結(jié)果顯示，房地產(chǎn)企業(yè)負(fù)債率和宏觀審慎強(qiáng)度原序列均不平穩(wěn)，但在一階差分后兩變量的P值均小于0.05，表明時(shí)間序列平穩(wěn)。故可以說(shuō)，房地產(chǎn)企業(yè)負(fù)債率與宏觀審慎強(qiáng)度（GDP）均為一階單整，金融風(fēng)險(xiǎn)大小為平穩(wěn)序列。文章取差分平穩(wěn)后的序列進(jìn)行建模，分別記為D、M、R。

4.3 時(shí)變參數(shù)的估計(jì)與檢驗(yàn)

選擇TVP-VAR模型的滯后階數(shù)是一個(gè)關(guān)鍵的決策，它直接影響到模型的擬合質(zhì)量和預(yù)測(cè)性能。本節(jié)利用Eviews基于信息標(biāo)準(zhǔn)（例如AIC、SC、HQ）從滯后階數(shù)中選擇適當(dāng)?shù)臏箅A數(shù)。在FRE、AIC、HQ準(zhǔn)則下，模型的滯后階數(shù)為4時(shí)，信息準(zhǔn)則的數(shù)值最小。因此，最終在此模型中選擇滯后階數(shù)為4。隨著樣本不停地迭代，樣本的自相關(guān)性逐漸下降，參數(shù)的樣本選取波動(dòng)幅度較大，后驗(yàn)分布的檢驗(yàn)結(jié)果也顯示各均值均處于95%的置信區(qū)間內(nèi)。綜上所述，TVP-VAR模型用MCMC算法進(jìn)行參數(shù)估計(jì)的結(jié)果是有效的。

4.4 房企貸款影響金融風(fēng)險(xiǎn)的時(shí)變特征

4.4.1 房企貸款、金融風(fēng)險(xiǎn)與宏觀審慎

根據(jù)結(jié)果分析可得：房企貸款對(duì)金融風(fēng)險(xiǎn)的影響系數(shù)a（D→R）均為正值，表明房地產(chǎn)企業(yè)貸款量增加，金融風(fēng)險(xiǎn)隨之增加。由于我國(guó)在樣本期間加強(qiáng)金融市場(chǎng)監(jiān)管，提高金融體系的透明度和穩(wěn)定性，影響系數(shù)在1.2～1.4波動(dòng)。當(dāng)前高負(fù)債狀態(tài)下各龍頭房企相繼暴雷，房地產(chǎn)市場(chǎng)的風(fēng)險(xiǎn)增加，使其依舊為影響我國(guó)宏觀金融穩(wěn)定的主要因素之一。

4.4.2 不同滯后期下直接影響的差異分析

在上述模型估計(jì)與分析的基礎(chǔ)上，進(jìn)一步考察不同提前期下外生沖擊的時(shí)變脈沖響應(yīng)函數(shù)。滯后期分別選取4期（1年）、8期（2年）、12期（3年）來(lái)刻畫短期、中期、長(zhǎng)期不同變量之間的沖擊影響。從整體看，宏觀審慎政策M(jìn)降低風(fēng)險(xiǎn)R，同時(shí)基本沒有影響到房地產(chǎn)企業(yè)獲得貸款D，表明宏觀審慎只降風(fēng)險(xiǎn)而不降貸款規(guī)模。

由圖1-（2）可以看出，房企貸款對(duì)宏觀審慎強(qiáng)度的沖擊在滯后4期為正值；滯后8期與12期波動(dòng)趨勢(shì)相似，且沖擊都為負(fù)值。由圖1-（4）可知，由于2010年首次引入宏觀審慎管理工具，金融風(fēng)險(xiǎn)脈沖響應(yīng)值負(fù)向加強(qiáng)，表明“工具”能有效強(qiáng)化風(fēng)險(xiǎn)管控能力。由圖1-（6）可知，以2010年為拐點(diǎn)，我國(guó)首次引入宏觀審慎管理工具，金融風(fēng)險(xiǎn)脈沖響應(yīng)值負(fù)向加強(qiáng)，表明“工具”能有效強(qiáng)化風(fēng)險(xiǎn)管控能力。這表明的政策含義是：通過強(qiáng)化宏觀審慎監(jiān)管，可在防范化解金融風(fēng)險(xiǎn)的同時(shí)滿足房企合理融資需求。與中央金融工作會(huì)議中提出的“要滿足地產(chǎn)企業(yè)合理融資需求，保證‘不減少貸款’，同時(shí)防范風(fēng)險(xiǎn)”相照應(yīng)。

4.4.3 不同調(diào)控時(shí)點(diǎn)下的脈沖響應(yīng)圖

以下選取三個(gè)不同時(shí)點(diǎn)，對(duì)應(yīng)不同宏觀政策背景，分析三者之間的關(guān)系。第一個(gè)時(shí)點(diǎn)為2008年第三季度，宏觀調(diào)控政策走向偏松。中國(guó)人民銀行先后五次下調(diào)貸款基準(zhǔn)利率。財(cái)務(wù)部發(fā)布條例，對(duì)首次購(gòu)買一定規(guī)格住房的居民提供較低稅率及一定貸款便利。第二個(gè)時(shí)點(diǎn)為2016年第四季度，宏觀調(diào)控政策進(jìn)一步收緊。2016年10月先后21個(gè)城市出臺(tái)新政策，重啟限購(gòu)限貸。銀監(jiān)會(huì)召開第三季度經(jīng)濟(jì)金融形勢(shì)分析會(huì)，提出措施要求“嚴(yán)控房地產(chǎn)金融業(yè)務(wù)風(fēng)險(xiǎn)，嚴(yán)格執(zhí)行房地產(chǎn)貸款業(yè)務(wù)制度要求與調(diào)控政策，嚴(yán)禁違規(guī)發(fā)放或挪用信貸資金進(jìn)入房地產(chǎn)領(lǐng)域，嚴(yán)禁銀行理財(cái)資金違規(guī)進(jìn)入房地產(chǎn)領(lǐng)域”。 第三個(gè)時(shí)點(diǎn)為2021年第四季度，宏觀調(diào)控政策由緊向松，趨于平穩(wěn)。2021年房地產(chǎn)市場(chǎng)政策 “房住不炒”和“穩(wěn)房?jī)r(jià)、穩(wěn)地價(jià)、穩(wěn)預(yù)期”的總基調(diào)不變。3月，政府工作報(bào)告強(qiáng)調(diào)“穩(wěn)地價(jià)、穩(wěn)房?jī)r(jià)、穩(wěn)預(yù)期”。

從圖2的脈沖響應(yīng)結(jié)果可得到的政策含義為：近年來(lái)宏觀審慎監(jiān)管體系逐步建立完善，有效抑制了房地產(chǎn)貸款對(duì)宏觀金融風(fēng)險(xiǎn)的外溢效應(yīng)，進(jìn)一步強(qiáng)化監(jiān)管的邊際效應(yīng)減弱。圖2-（1）顯示宏觀調(diào)控力度對(duì)房地產(chǎn)貸款的沖擊響應(yīng)（εD→M）。政策對(duì)房地產(chǎn)市場(chǎng)的監(jiān)管、調(diào)控力度增加，對(duì)房地產(chǎn)貸款的重視程度增加。宏觀調(diào)控在一定程度上針對(duì)房地產(chǎn)貸款。圖2-（2）顯示金融風(fēng)險(xiǎn)對(duì)房地產(chǎn)貸款的沖擊響應(yīng)（εD→R）。隨宏觀調(diào)控政策發(fā)展，房地產(chǎn)貸款對(duì)金融風(fēng)險(xiǎn)的正向沖擊力度逐漸變小。緊縮的宏觀調(diào)控政策可改善房地產(chǎn)貸款帶來(lái)的金融風(fēng)險(xiǎn)問題，宏觀審慎政策對(duì)房地產(chǎn)行業(yè)金融風(fēng)險(xiǎn)的管制有一定效果。圖2-（3）顯示金融風(fēng)險(xiǎn)對(duì)宏觀調(diào)控力度的沖擊響應(yīng)（εM→R）。宏觀調(diào)控政策對(duì)金融風(fēng)險(xiǎn)有一定控制效果。近幾年我國(guó)宏觀調(diào)控政策的側(cè)重點(diǎn)在于穩(wěn)定降低而非消除。

5 政策建議

第一，進(jìn)一步建立完善區(qū)域性金融風(fēng)險(xiǎn)的檢測(cè)、評(píng)估與處置機(jī)制，促進(jìn)監(jiān)管協(xié)調(diào)，加強(qiáng)區(qū)域內(nèi)與區(qū)域間的金融機(jī)構(gòu)協(xié)調(diào)，重點(diǎn)防范系統(tǒng)性金融風(fēng)險(xiǎn)的傳染性。第二，加大房地產(chǎn)不良貸款處置力度，完善房地產(chǎn)金融風(fēng)險(xiǎn)事后控制機(jī)制。及時(shí)靈活處置已有不良貸款，鼓勵(lì)債務(wù)重組、資產(chǎn)轉(zhuǎn)讓和不良貸款證券化，充分利用貸款核銷政策空間。第三，促進(jìn)金融與房地產(chǎn)良性循環(huán)，健全房地產(chǎn)企業(yè)主體監(jiān)管制度和資金監(jiān)管，完善房地產(chǎn)金融宏觀審慎管理，一視同仁滿足不同所有制房地產(chǎn)企業(yè)合理融資需求。

參考文獻(xiàn)：

[1]CAI T. Financial risk management based on functional data analysis[J].Journal of discrete mathematical sciences and cryptography， 2018， 21 （6）： 1397-1400.

[2]尹豪.系統(tǒng)性金融風(fēng)險(xiǎn)度量研究綜述[J].金融監(jiān)管研究，2020（12）：32-49.

[3]田軍，李雅麗，申辰.金融科技視域下我國(guó)系統(tǒng)性金融風(fēng)險(xiǎn)度量指標(biāo)的構(gòu)建[J].征信，2021，39（6）：55-63.

[4]羅娜，程方楠.房?jī)r(jià)波動(dòng)的宏觀審慎政策與貨幣政策協(xié)調(diào)效應(yīng)分析——基于新凱恩斯主義的DSGE模型[J].國(guó)際金融研究，2017（1）：39-48.

[5]許艷霞，黃大林，楊洋，等.我國(guó)房地產(chǎn)金融宏觀審慎管理有效性研究——基于河南省會(huì)城市鄭州市的實(shí)證研究[J].吉林金融研究，2019（10）：55-61，73.

[6]孟憲春，張屹山，李天宇.有效調(diào)控房地產(chǎn)市場(chǎng)的最優(yōu)宏觀審慎政策與經(jīng)濟(jì)“脫虛向?qū)崱盵J].中國(guó)工業(yè)經(jīng)濟(jì)，2018（6）：81-97.

[7]潘敏，周闖.宏觀審慎監(jiān)管、房地產(chǎn)市場(chǎng)調(diào)控和金融穩(wěn)定——基于貸款價(jià)值比的DSGE模型分析[J].國(guó)際金融研究，2019（4）：14-23.