金融学硕士论文 系统性金融风险的测度与驱动因素研究

在全球金融一体化浪潮与金融创新加速的大背景下，系统性金融风险对经济稳定的冲击愈发显著。我国金融市场开放程度逐步加深，金融体系的复杂程度与日俱增，如何精准识别、有效防范系统性金融风险，已然成为金融领域亟待攻克的核心难题。平总书记曾着重指出，“防范化解金融风险，特别是严防系统性金融风险的发生，是金融工作的核心任务”，“必须坚守不发生系统性金融风险的底线，推动金融实现高质量发展”。这些重要指示，深刻彰显了维护金融稳定对于国家经济安全、社会和谐稳定以及人民幸福生活的关键支撑作用。本文深入研究中国系统性金融风险，测度风险水平，并剖析驱动因素对其动态影响。选取包括宏观经济指标和六大金融子市场的二十八个关键指标，使用 TVP-FAVAR 模型构建金融压力指数，并进一步运用MS-VAR 模型验证其有效性，结果显示：所构建的金融压力指数能够精确呈现金融市场的压力状态，可作为衡量系统性金融风险水平的有效变量，从而为后续研究筑牢根基。在有效测度系统性金融风险水平的基础上，本文梳理系统性金融风险的驱动因素，从三个维度筛选出七个具有代表性的变量。先通过BDS 非线性检验判定变量间的非线性关系，进而运用非线性 Granger 因果检验，证实其中五个驱动因素与系统性金融风险存在显著的非线性作用关系，为后续深入探究提供理论支撑。为深入洞察驱动因素对系统性金融风险的影响，构建 TVP-SV-VAR 模型并根据等间隔脉冲响应函数及时点脉冲响应函数展开分析。经研究可得，五个驱动因素对系统性金融风险有着多层面且不断动态变化的作用。在不同时期以及不同提前期的设定情形下，各因素对系统性金融风险的影响程度和方向，都展现出极为显著的差别。第一，不同驱动因素对系统性金融风险的影响呈现出异质性，系统性金融风险在面对冲击时，响应程度有所不同；第二，面对驱动因素的冲击，系统性金融风险在不同提前期的响应不同，基本遵循短期波动大于中期波动大于长期波动，说明系统性金融风险对各驱动因素反应较为敏感；第三，在不同时点上应对相同驱动因素的冲击，系统性金融风险的短中长期响应也不尽相同，以 2015 年股灾、2018 年中美贸易贸易摩擦和 2020 年新冠疫情为例，同一驱动因素的变动，系统性金融风险的反应也会因为不同的经济环境而有所差异。

AbstractUnder the background of the global financial integration and the acceleration of financialinnovation, the impact of systemic financial risk on economic stability has become more andmore significant. The degree of opening up of China's financial market is gradually deepening,and the complexity of the financial system is increasing day by day. These importantinstructions profoundly demonstrate the key role of financial stability in supporting nationaleconomic security, social harmony and stability and people's happy lives.This paper investigates the systemic financial risk in China, measures the level of risk, andanalyzes the dynamic impact of driving factors on it. Twenty-eight key indicators includingmacroeconomic indicators and six financial sub-markets are selected to construct the financialstress index by TVP-FAVAR model, and further verify its effectiveness by MS-VAR model.The results show that: The constructed financial stress index can accurately present the stressstate of the financial market and can be used as an effective variable to measure the level ofsystemic financial risk, thus laying a solid foundation for subsequent research. On the basis ofeffectively measuring the level of systemic financial risk, this paper sorts out the driving factorsof systemic financial risk and selects seven representative variables from three dimensions.Firstly, the nonlinear relationship between variables is determined by BDS nonlinear test, andthen the nonlinear Granger causality test is used to confirm that there is a significant nonlinearrelationship between five driving factors and systemic financial risk, which provides theoreticalsupport for subsequent in-depth research.

第一章 引言

研究背景和意义

 研究背景系统性金融风险不仅冲击金融体系的稳定，更会干扰宏观经济的运行、造成全社会财富的缩水：一方面，金融市场内信用紧缩，资产价格持续、深入地下跌，金融机构的大批倒闭和金融服务的中断。另一方面，宏观经济运行也受到冲击，社会总产出和就业严重下降，政府债务呈现爆发式增长，从而使经济增长放缓或甚至出现负增长。2008 年的美国次贷危机，这场危机宛如一场破坏力超强的金融海啸，不仅重创了美国本土经济。美国居民因房产价值暴跌、失业潮来袭，家庭财富大幅缩水，生活质量急剧下降，许多家庭面临房贷违约、房屋被收回的困境。企业则因融资困难、市场需求萎缩，纷纷削减生产规模、裁员，大量企业破产倒闭，实体经济遭受沉重打击。政府为了稳定经济，投入巨额资金救助金融机构、刺激经济增长，导致财政赤字急剧扩大，政府债务高筑。更为严重的是，这场危机以超强的破坏力迅速席卷全球两百多个国家和地区。国际金融市场剧烈动荡，各国股市暴跌，金融机构损失惨重，大量资金从新兴市场撤离，引发了全球性的金融危机。全球贸易严重受阻，各国出口企业订单锐减，国际贸易量大幅下降，对全球经济和金融体系造成了巨大且持久的冲击，至今仍在某些国家和地区留下难以磨灭的伤痕，深刻地警示着人们系统性金融风险的巨大危害。在全球经济一体化的加速和科技在金融领域的深度渗透的背景下，金融创新日益呈现出蓬勃发展的态势。各类新型金融产品、业务模式如雨后春笋般不断涌现，从复杂的结构化金融衍生品，到依托大数据、人工智能的新兴金融科技应用，极大地丰富了金融市场的生态。然而，这一繁荣景象背后，却使得金融市场之间的关联性愈加紧密。不同金融机构、金融市场板块之间通过错综复杂的资金链条、业务往来以及信息传导机制，形成牵一发而动全身的复杂网络。在这种形势下，系统性金融风险呈现出更为复杂的特性。首先，金融创新活动模糊了传统金融业务的界限，致使风险根源难以清晰界定。与此同时，金融市场间关联性的显著增强，使得风险传播速率加快、范围扩大。一个看似微小的风险事件，极有可能借助高度关联的金融网络，在短时间内迅速蔓延至整个金融体系，进而引发一系列连锁反应。再者，新兴金融科技应用在提升金融服务效率的同时。

系统性金融风险与驱动因素的 TVP-SV-VAR 模型参数诊断结果图

金融脆弱性理论金融脆弱性理论是从传统宏观经济的角度解释系统性金融风险的成因，该理论认为，金融风险普遍存在的，金融机构本身的脆弱性使得金融危机和不稳定性成为可能。金融脆弱性理论的基础包括金融不稳定性假说、安全边界理论、信息不对称理论等。金融不稳定性假说最初由美国经济学家 Hyman P. Minsky 于 1982 年提出，该理论认为经济的稳定往往会导致金融市场的风险积累，这种稳定并非预示着长期的安全，而是潜藏着未来的脆弱性。Minsky 通过债务结构的变化来描绘金融不稳定的演化过程，他将借款人分为三类：保守型、投机型和庞氏型。保守型借款人能够按时偿还债务，风险较低；投机型借款人只能支付利息，依赖资产价格上涨和再融资来维持债务；庞氏型借款人则完全依赖不断借新债来偿还旧债，无法履行实际的债务偿还。在经济繁荣期间，由于信贷的宽松，金融市场的风险难以察觉，债务不断积累，导致金融体系逐渐变得不稳定。当经济衰退或资产价格下跌时，这种积累的风险迅速暴露，投机型和庞氏型借款人无法偿还债务，违约激增，信用市场收紧，从而引发金融危机。在 Minsky 金融脆弱性理论基础上，以银行为切入点进一步探讨金融脆弱性，J. A.Kregel（1997）提出了安全边界理论。该理论认为，金融机构应设定适当的“安全边界”，即具备应对潜在市场波动和经济不确定性的风险承受能力或资本储备，以防止因过度承担风险而引发系统性金融危机。具体而言，银行会根据借款人的历史信用记录来决定是否放贷，并依此评估其“信用风险”以设定安全边界。在经济繁荣期，借款人信用状况良好，银行通常降低安全边界，这增强了金融体系的脆弱性。随着安全边界的压缩，轻微的经济波动可能引发债务违约，从而加剧金融风险的累积。信息不对称理论揭示了金融市场中投资者与借款人之间的资讯差距，这种差距常导致资源配置不有效，进一步加剧金融系统的脆弱性。Stiglitz 指出，信息不对称会引发金融体系的不稳定。在市场中，不同参与者掌握信息的差距明显，信息占优方能在交易中获益更多，而信息劣势方则难以做出最佳决策，从而引起交易不公平，并最终导致市场失衡，出现逆向选择、道德风险和委托代理等问题。逆向选择由 Akerlof 最早提出，指信息优势的一方在交易中获益，而信息劣势方遭受损失，长期积累下来会导致交易效率低下，甚至最终引发市场失灵。系统性金融风险的极端表现——金融危机，不仅冲击金融体系，而且对实体经济产生深远影响。首先，金融危机引发的信贷紧缩会影响工商业企业的发展。为了降低风险，金融机构往往会收紧信贷政策，提高贷款门槛，减少贷款发放。这样，企业很难获得足够的资金来扩大生产、购买原材料等，进而导致生产能力下降，企业不得不缩减产能，最终可能引发失业增加。大量企业面临经营困境，甚至倒闭，从而引发整体经济产出下滑，经济增长陷入停滞或衰退。此外，企业和投资者在经济繁荣时过度借债，危机爆发影响偿债能力，信用风险加剧，进一步加剧了经济衰退。在经济繁荣时期，企业和投资者受到乐观情绪的影响，过度借贷进行扩张。然而，危机的爆发导致资产价格下跌，企业资产贬值，收入减少，偿债能力大幅下降，许多企业因此无法按时还款，频繁发生违约，甚至破产。企业破产又会对其上下游产业链产生连锁反应，导致更多企业面临经营困境，失业人数进一步上升，实体经济陷入恶性循环。

全球经济政策不确定性对系统性金融风险的等间隔脉冲响应函数

第二章 系统性金融风险理论研究

本章将对系统性金融风险的内涵、理论基础、形成原因、传导机制及演化进程的系统分析，旨在构建起对该领域的全面认知框架。明确系统性金融风险的内涵，能够精准识别风险的本质特征与表现形式，为后续研究提供清晰的对象界定。深入探究其理论基础，如金融脆弱性理论、信息不对称理论等，能从根源上理解风险产生的内在逻辑，为分析风险提供坚实的理论支撑。剖析形成原因，梳理内部因素（如金融脆弱性和金融自由化）与外部因素（如宏观经济的周期性起伏、政策调控的偏差），有助于精准定位风险源头。而对传导机制及演化进程的研究，则能清晰展现风险如何在金融体系内部及与实体经济之间扩散、发展，为风险监测与预警提供关键依据。这一全面的认知框架，将为后续开展系统性金融风险的测度、防控及应对策略等研究奠定坚实的理论基石，助力金融监管部门、政策制定者与市场参与者更有效地应对系统性金融风险，维护金融体系的稳定与经济的可持续发展。

第三章 中国系统性金融风险的测度与有效性检验

金融压力指数通过一系列反映银行、股票、债券、外汇和货币市场压力的变量，构建连续的时间序列数据。在中国这样一个多元化且发展迅速的金融市场环境中，建立准确反映市场压力的金融压力指数至关重要。该指数可帮助揭示系统性金融风险的来源和变化，为金融监管部门提供决策依据，支持政策调整与干预。通过对中国金融市场压力的分析，可以评估金融体系稳定性及其对宏观经济的影响，为金融危机预防、政策优化与风险防范提供理论与实践指导。确保金融市场稳定运行、促进经济增长，并推动金融市场改革、提高透明度及增强抗风险能力，具有重要的现实和战略意义。

第四章 中国系统性金融风险驱动因素的识与影响研究

在全球化和信息的时代背景下，金融市场变得更加紧密相连，系统性金融风险的传播速度和广度也随之加大。外部冲击、宏观经济波动以及金融体系内生特征的变化，深刻影响着金融市场的稳定性和经济体的整体健康。为了有效识别和理解这些因素如何在动态环境下交互作用，并共同影响系统性金融风险的演化，首先对系统性金融风险与驱动因素的非线性因果关系进行检验，随后通过TVP-SV-VAR 模型（时变参数随机波动结构向量自回归模型）分析全球不确定性、国际金融市场波动、宏观经济发展及金融内生特征等五个关键代表性变量对系统性金融风险的影响。系统性金融风险的极端表现——金融危机，不仅冲击金融体系，而且对实体经济产生深远影响。首先，金融危机引发的信贷紧缩会影响工商业企业的发展。为了降低风险，金融机构往往会收紧信贷政策，提高贷款门槛，减少贷款发放。这样，企业很难获得足够的资金来扩大生产、购买原材料等，进而导致生产能力下降，企业不得不缩减产能，最终可能引发失业增加。大量企业面临经营困境，甚至倒闭，从而引发整体经济产出下滑，经济增长陷入停滞或衰退。此外，企业和投资者在经济繁荣时过度借债，危机爆发影响偿债能力，信用风险加剧，进一步加剧了经济衰退。在经济繁荣时期，企业和投资者受到乐观情绪的影响，过度借贷进行扩张。然而，危机的爆发导致资产价格下跌，企业资产贬值，收入减少，偿债能力大幅下降，许多企业因此无法按时还款，频繁发生违约，甚至破产。企业破产又会对其上下游产业链产生连锁反应，导致更多企业面临经营困境，失业人数进一步上升，实体经济陷入恶性循环。气候政策的不确定性可能引发资本市场的不稳定，特别是随着碳定价、绿色金融政策以及能源转型政策的推进，投资者和企业对未来政策的预期变化可能导致资产价格波动。依赖于高碳排放行业的企业，可能在气候政策趋紧的情况下遭遇资金撤离，违约风险加大，从而影响金融机构的稳定此外，气候政策的不确定性还可能导致能源市场的大幅波动，这不仅影响能源相关企业的经营，也可能波及全球经济，造成金融市场的不稳定。选择 MA et al.（2023）构建的气候政策不确定性指数作为代理变量，代表与气候政策各个方面相关的不确定性。在经济全球化与金融一体化的宏观格局下，国际金融风险冲击对中国系统性金融风险水平的影响呈现出多维度、深层次的特征。一方面，国际金融市场风险事件，如股票市场的急剧下挫、债券市场的违约集中爆发以及汇率的大幅震荡等，会通过国际贸易与国际投资传导机制，直接作用于中国企业的进出口业务以及海外投资收益，致使企业经营风险显著攀升，进而延伸至金融体系，加剧金融机构的信用风险敞口。另一方面，国际金融机构风险事件，诸如大型国际银行的破产清算或信用评级的下调，借助金融同业业务、跨境债权债务关联等传导路径，对中国金融机构的资产质量与市场声誉产生负面效应，最终使得中国系统性金融风险水平上扬。美国在国际金融市场中的主导地位，以及与我国在国际贸易和金融市场上的密切联系，故而选择芝加哥联储金融状况指数作为国际金融冲击代表变量，原始数据为周度，对其取均值得到月度数据。等间隔脉冲响应函数通过设定固定的时间间隔，全面展示了在每一个等长时间段内，当某一驱动因素发生一个标准差的正向冲击时，系统性金融风险的响应轨迹和变化趋势，以此观察各驱动因素对系统性金融风险在相同时间跨度下的短中长期动态影响。在短期，可能会看到一些即时的、较为剧烈的反应；中期则能观察到变量逐渐调整和适应冲击的过程；长期视角下，有助于判断冲击的持续影响以及变量是否最终趋向于某种稳定状态或均衡水平，其中短中长期较常见的滞后期设置分别为 1-3 期、3-8 期和 9 期及以后，本研究选取 4 期、8 期和 12 期代表短中长的提前期。图 4-2 展示全球经济政策不确定性对系统性金融风险的等间隔脉冲响应函数，三条响应曲线的走势基本一致，提前 4 期波动幅度最大，提前 8 期的波动次之，提前 12 期的波动幅度最小。短期波动最大，源于市场敏感冲动、信息不完全，参与者基于短期预期和情绪快速调整，易过度反应；中期波动次之，因市场有更多时间收集信息并理性调整，且政策缓冲与市场自我修复机制发挥作用；长期波动最小，是市场参与者能充分适应，制定长期规划，同时对不确定性趋势和影响更明确，抵御风险能力增强。

第五章 总结与展望

1 主要结论本文旨在测度中国的系统性金融风险，并探讨其驱动因素对系统性金融风险的动态影响。首先，通过 TVP-FAVAR 模型构建金融压力指数，作为衡量系统性金融风险水平的指标，并利用 MS-VAR 模型检验其有效性，结果表明该指数能够有效反映市场压力，可作为系统性金融风险的代表变量。其次，选取 7 个变量作为系统性金融风险的驱动因素代表，并进行BDS 非线性检验和非线性 Granger 因果检验，初步验证5 个驱动因素对系统性金融风险之间存在显著的非线性影响。最后，基于 TVP-SV-VAR 模型，分析了这些驱动因素对系统性金融风险的多层次动态影响，研究发现，第一，不同驱动因素在不同时间段对系统性金融风险的影响存在显著差异，国际金融风险冲击在短期内对系统性金融风险影响较小，但在短中长期内则明显加剧；金融开放程度短期内提高系统性金融风险，短中长期内则趋于降低。第二，面对各驱动因素的冲击，系统性金融风险在不同提前期的响应模式呈现出规律性特征，基本遵循短期波动大于中期波动大于长期波动。短期内，市场参与者反应迅速且易过度，信息快速传播与市场情绪相互感染，致使系统性金融风险波动幅度大，凸显其对驱动因素的敏感性。中期时，市场逐渐消化冲击，投资者行为与预期趋于理性，政策及市场自我修复机制发挥作用，风险波动减小。长期来看，经济与金融体系通过产业结构优化、金融创新、制度完善等增强适应性，有效缓冲吸收驱动因素影响，使风险波动维持在较低水平。第三，在不同时点上应对相同驱动因素的冲击，系统性金融风险的短中长期响应也不尽相同。以 2015 年股灾、2018 年中美贸易摩擦、2020 年新冠疫情为例，2015 年股灾时，国内金融市场杠杆率高、投资者结构不成熟、监管有漏洞，系统性金融风险短期内急剧上升，中期缓和但仍波动，长期靠市场改革与监管完善恢复稳定。2018 年中美贸易摩擦，全球经济增长乏力、贸易保护主义抬头，短期金融市场震荡加剧，中期实体经济受波及，企业盈利下滑、就业压力增大，长期我国通过产业升级、拓展内需降低风险冲击。2020 年新冠疫情，全球经济停摆，金融市场流动性紧张，系统性金融风险短期内迅速攀升，中期靠财政与货币政策刺激控制风险，但经济结构失衡、债务负担加重等长期影响仍待评估。可见，同一驱动因素变动，因经济环境不同，系统性金融风险反应差异显著。

2 政策建议首先，鉴于金融压力指数在监控系统性金融风险中的重要作用，监管部门应增强对该指数的动态跟踪，并依据市场变化不断拓展监测指标的内容。除传统银行信贷和资产价格外，数字货币市场及金融科技平台等新兴领域的指标也应纳入监测，帮助及时发现潜在风险并采取适当的预防措施。其次，要提升金融监管部门的责任意识，明确各部门在金融风险监测、预防和处置中的职能。对未履行职责，导致系统性金融风险扩大的相关部门和人员，应严格问责。同时，建立跨部门的协同监管体系，加强信息共享与合作，避免监管重叠或真空，以形成有效的监管合力。最后，要深入研究驱动因素对系统性金融风险的影响，并为不同因素制定有针对性的政策。对于宏观经济波动，通过财政和货币政策的协调运作，在经济过热时适度紧缩，在经济放缓时精准刺激；对于金融开放因素，应把控开放的节奏与力度，加强跨境资本流动管理，有效防范外部风险的传入。

3 不足与展望第一，在系统性金融风险水平测度指标的构建中，没有使用高频数据。然而，金融市场环境复杂多变，风险因素随时变化。高频数据有助于更精确、及时地捕捉市场波动及风险趋势。若缺少高频数据支持，所构建的金融压力指数可能无法准确反映短期内的市场异常波动，造成风险预警的滞后，难以满足监管和市场参与者对实时监测的需求。第二，尽管已分析了系统性金融风险的主要驱动因素，但仍缺乏足够的全面性。在宏观经济层面，除已考虑的因素外，区域经济发展不均衡、财政政策的动态调整等也可能影响金融风险。如果未充分考虑这些因素，将使得对风险形成机制的理解受限，无法精确评估不同因素在特定情境下的综合作用。第三，仅研究了系统性金融风险与驱动因素的单向影响关系，没有深入验证它们之间的双向影响。实际上，系统性金融风险的变化也可能反过来影响各驱动因素。未考虑这种双向影响关系，使得对系统性金融风险与驱动因素之间动态关联的认识不够完整，难以全面把握金融系统内部的复杂反馈机制，不利于制定更具前瞻性和针对性的风险防控政策。

参考文献

Acharya V V, Pedersen L H, Philippon T, et al. 2010. Measuring Systemic Risk[R]. FederalReserve Bank of Cleveland Working Paper.Baker, R. S, Bloom, Davis Steven J. 2016. Measuring Economic Policy Uncertainty[J]. TheQuarterly Journal of Economics, 131(4): 1593-1636.Balakrishnan R, Danninger S, Elekdag S, et al. 2011. The Transmission of Financial Stress fromAdvanced to Emerging Economies[J]. Emerging Markets Finance and Trade, 47(2): 40-68.Ben S. Bernanke, Mark Gertler, Simon Gilchrist. 1996. The Financial Accelerator and the Flightto Quality[J]. The Review of Economics and Statistics, 78(1): 1-15.Ben S. Bernanke, Mark Gertler. 1989. Agency Costs, Net Worth, and Business Fluctuations[J].The American Economic Review, 79(1): 14-31.Ben S. Bernanke. 1983. Nonmonetary effects of the financial crisis in the propagation of theGreat Depression[J], American Economic Review, 73(3): 257-276.Berg A, Pattillo C. Predicting currency crises: The indicators approach and an alternative[J].Journal of International Money and Finance, 1999, 18(04): 561-586.Brownlees C, Engle R F. 2017. SRISK: A Conditional Capital Shortfall Measure of SystemicRisk[J]. The Review of Financial Studies, 30(01): 48-79.Brunnermeier M K, Rother S C, Schnabel I. 2020. Asset Price Bubbles and Systemic Risk[J].Review of Financial Studie, 33(9): 4272-4317.Celik S. 2012. The More Contagion Effect on Emerging Markets: The Evidence of DCC-GARCH Model[J]. Economic Modelling, 24(06): 1946–1959.Chatterjee S, Adam C, Banerjee A, et al. 2022. Systemic Financial Stress and MacroeconomicAmplifications in the United Kingdom[J]. Oxford Bulletin of Economics and Statistics,84(2): 380-400.Domenico C, Igor G, Davide V. 2023. Climate change and financial systemic risk: Evidencefrom US banks and insurers[J]. Journal of Financial Stability, 66, 101132.陈仁全, 田新民. 2025. 金融机构系统性风险测度与检验——基于上市金融机构关联网络的时空中心度[J]. 数量经济研究, 16(01): 186-208.陈守, 马辉, 穆春舟. 2009. 中国金融风险预警的 MS-VAR 模型与区制状态研究[J]. 吉林大学社会科学学报, 49(01): 110-119+160.陈守东, 马辉, 穆春舟. 2009. 中国金融风险预警的 MS-VAR 模型与区制状态研究[J]. 吉林大学社会科学学报, 49(01): 110-119+160.邓创, 吴超. 2021. 中国经济、金融不确定性的交互影响动态与宏观经济效应分析[J]. 系统工程理论与实践, 41(07): 1625-1639.邓创, 吴健, 王哲. 2023. 外部不确定性冲击的来源甄别及其对中国货币政策有效性的影响[J]. 数量经济技术经济研究, 40(07): 5-26.邓创, 吴健, 吴超. 2022. 外部经济、金融不确定性与我国的宏观经济下行风险[J]. 统计研究, 39(06): 36-51.邓创, 谢敬轩. 2021. 中国的金融稳定及其与经济、金融周期波动的关联动态[J]. 国际金融研究, 07: 13-23.龚旭, 刘堂勇, 文凤华. 2023. 国际与中国原油市场间的波动率动态溢出分析[J]. 管理科学学报, 26(11): 125-141.桂文林, 梁彩丽, 朱丰毅, 等. 2022. 基于 TVP-FAVAR 模型的中国金融状况指数的构建和预测[J]. 统计与信息论坛, 37(07): 61-74.郭娜, 张骏, 申琳. 2024. 内生性金融风险还是输入性金融风险: 中国金融市场风险溯源[J]. 国际金融研究, 07: 3-14.郭文伟, 王礼昱. 2019. 关联网络、风险溢出与重要系统性金融机构识别—基于市场、行业和机构的实证[J]. 中央财经大学学报, 05: 33-48.胡丽宁. 2024. 气候政策不确定性、投资者气候风险感知与系统性金融风险[J]. 世界经济研究, 08: 29-43+135-136.江红莉, 刘丽娟. 2020. 企业杠杆率、宏观经济景气指数与系统性金融风险[J]. 金融监管研究, 01: 66-83.