金融市場壓力的測度：文獻述評

王立榮，C.James Hueng

(1.東北師范大學 經濟學院，吉林 長春 130117； 2.東北師范大學 應用統計教育部重點實驗室，吉林 長春 130024； 3.美國西密歇根大學 經濟系，密歇根州 卡拉瑪祖 49008； 4.中南財經政法大學 經濟學院，湖北 武漢 430073)

一、引 言

2008年爆發的世界性金融危機使國際社會重新反思傳統的微觀審慎監管方法的內在缺陷，并加強了對宏觀審慎監管的重視。宏觀審慎監管的目標體現在減少系統性風險、增強金融體系的整體穩健性[1]5-15。要實現這一目標，需要對金融體系的系統性風險進行測度，并識別金融壓力產生的原因，這有助于提高政策制定者采取措施緩解危機發生的能力[2]，是監管當局選擇適當的工具并制定相關政策的重要參考依據。

隨著中國資本賬戶的逐步開放，中國與世界經濟的聯系將更加緊密，全球金融市場的動蕩對中國金融市場的穩定狀態也將產生更大影響，中國金融市場和經濟發展面臨的不確定性會顯著增加。中國人民銀行于2005年成立金融穩定分析小組并每年發布《中國金融穩定報告》，體現了對金融體系穩健性狀況的高度重視。學術界近年來開始嘗試構建能夠實時監測中國金融市場系統性風險的指標，旨在評估中國金融體系的穩定狀況。

在測度系統性金融風險方面，金融壓力指數是國際社會普遍采用的監測系統性風險狀況的綜合指數。金融壓力指數的(相對)值越高，發生危機的可能性越大。從監管者的角度，如果一定時期內金融壓力指數顯著高于歷史最高水平，則與金融機構相關的違約風險將增加，進一步會影響金融系統的風險資本(risk capital)和流動性，最終可能對實體經濟產生負反饋效應。因此，分析較高金融壓力指數產生的原因進而及時地制定相關政策以避免金融市場過度波動，對于穩定一國的金融環境具有重要的意義。

本文首先總結金融壓力、金融壓力指數和金融狀況指數的含義及相關關系，進而著重對金融壓力指數的相關研究進行總結，尤其是對衡量美國金融市場壓力的三大指數進行系統描述，在總結分析的基礎上，對中國金融市場壓力指數的研究現狀進行描述，歸納已有研究的貢獻，并指出未來可能有意義的研究方向。

二、金融壓力、金融壓力指數與金融狀況指數

對金融壓力的概念目前尚沒有形成統一的觀點，因為任何兩個金融壓力期都不會是完全相同的，一個時期金融壓力增加可能是其他投資者投資行為的不確定性增加導致的，而另一個時期金融壓力的增加則可能源于持有風險資產的意愿下降。不同金融壓力期各種因素的重要性也可能產生變化。最早對金融壓力給出定義并測度金融壓力大小的研究來自加拿大銀行的經濟學家Illing and Liu[3]243-265。他們定義了金融壓力：來源于金融市場和金融機構的不確定性及預期損失的變化會形成壓力作用于經濟中的個體；金融壓力是一個連續統(continuum)，金融壓力的極值被稱為金融危機。Abdymomunov[4]455-470的觀點與Illing and Liu(2006)類似，其研究認為：系統性的金融壓力是金融市場呈現出的一種狀態，在金融壓力期，市場參與者面臨的不確定性顯著增加或對未來金融損失、資產的基礎價值和經濟行為不斷地改變預期。金融壓力期的金融變量在經驗上表現出與平靜期(calm periods)不同的特征。尤其是系統性的沖擊會導致金融變量發生即刻的巨幅波動并產生系統性金融壓力。Lo Duca and Peltonen[5]從金融壓力造成的結果角度給出了關于系統性風險的描述，認為系統性風險是金融不穩定已經損害了金融系統的正常運行，并導致經濟增長和社會福利顯著受到影響。從金融壓力產生的根源角度，Grimaldi[6-7]稱，金融壓力是脆弱的金融市場的產物，也可能源于外生或內生的沖擊。從金融壓力呈現出的特征角度，Danninger et al.[8]139-175指出，金融壓力可能表現為如下特征：金融動蕩、匯率壓力導致貨幣貶值和外匯儲備耗竭、資本流入減少、資本從新興經濟體的股票和債券市場撤資、銀行收回貸款等。Hakkio and Keeton[9]則認為，衡量金融市場壓力的指標應該至少反映出以下某一方面或全部的典型特征：基礎資產價值的不確定性增加、其他投資者行為的不確定性增加、信息不對稱程度增加、持有風險資產的意愿下降(flight to quality)、持有非流動性資產的意愿下降(flight to liquidity)。總體上看，金融壓力用來描述金融體系的系統性風險，金融壓力越大，發生金融危機的可能性越高。

盡管對于金融壓力的定義尚未形成統一觀點，但其所代表的負面信息卻得到廣泛認可。因此，學術界和相關機構嘗試構建金融壓力指數以反映金融市場不同時刻系統性風險的大小。總體看，金融壓力指數旨在測度金融市場的不穩定狀態，即金融系統中金融摩擦、金融壓力和金融張力水平，并合成為單一的、連續的統計量。金融壓力指數不僅可以測度金融壓力水平，起到實時監測金融系統的作用，而且有助于更好地描繪歷史上的危機時期[10]。

國際上對于金融壓力指數的研究已經取得豐碩成果。最早的，也是最具影響力的金融壓力指數是由Illing and Liu(2006)構建的加拿大金融壓力指數。該指數涵蓋了股票市場、債券市場、外匯市場以及銀行部門的多個變量。具體地，該指數選擇了公司債利差、國債市場流動性指標、股票市場的波動性指標和匯率波動性指標等7個日度時間序列變量，并運用4種方式將相關的金融變量合成為日度金融壓力指數。針對發達經濟體構建的金融壓力指數還包括國際貨幣基金組織(IMF)構建的月度金融壓力指數，指數的構建是基于3個與銀行部門相關的指標(如銀行股的β值，TED利差等)、3個與證券市場相關的指標和1個匯率指標，該指數涵蓋了17個發達國家[11]。還有專門針對歐元區的金融壓力指數，Grimaldi(2010)選擇了16個日度時間序列變量，運用logit模型構建了周度的歐元區金融壓力指數，只有水平值指數和變動率指數進入Probit回歸方程，且二元被解釋變量(金融壓力期)的賦值是基于歐洲中央銀行月度公告(ECB Monthly Bulletin)的關鍵詞搜索。Holló et al.(2012)針對Grimaldi(2010)對金融壓力期的賦值是對危機事件的事后判斷，重新構建了歐元區金融系統壓力綜合指數(Composite Indicator of Systemic Stress，CISS)，選擇15個周度指標，首先合成了5個次級指數(Subindex)，在考慮5個次級指數間時變相關關系的基礎上，最終合成系統性壓力指數；采用兩種方法內生性地識別不同金融壓力期，即自回歸馬爾可夫轉移模型和門限向量自回歸模型(TVAR)。還有專門測度美國金融市場壓力狀況的三大金融壓力指數，將在下文中詳細介紹。

另外一個與金融壓力指數相似且容易被混淆的概念是金融狀況指數(Financial Condition Index，FCI)。金融狀況指數的構建通常不僅涵蓋金融市場的相關指標，還包括非金融市場的相關指標。金融狀況指數傾向于包含數量指標、價格指標和經濟指標，而金融壓力指數則僅包含價格指標。金融狀況指數可以用于預測經濟周期的改變[12]369-397，是金融狀況到宏觀經濟狀況的“映射”(maping)，而金融壓力指數可以被視為金融市場脆弱性水平的即時測度(snapshot of the level of fragility)[13]。研究者有必要根據研究的具體目標準確選擇金融壓力指數或金融狀況指數，并在對指標進行解釋時注意區分二者的本質差別。

金融壓力指數構建過程中會面臨兩方面問題，一是指標選取，二是采取合適的方法將各指標合成金融壓力指數。指標選取方面應該注意到金融市場具有內在的前瞻性特征，金融市場的參與者會充分考慮各種可能的沖擊并調整其對金融資產未來收益的預期，這將使沖擊的效應首先在資產價格上得以體現，進而傳導至其他金融部門和實體經濟。因此，指標范圍應該覆蓋金融市場中各種主要的資產價格，如利率、股票價格、匯率等，以及價格的波動。合成金融壓力指數的方法方面，最簡單的為等權重法[14]78-97。其他方法包括回歸分析法、信貸權重法和主成分分析法。大多數研究選擇主成分分析法，如圣路易斯聯儲金融壓力指數和堪薩斯城聯儲金融壓力指數等。主成分分析法假設用于構建金融壓力指數的每一個指標都反映了金融壓力的某一特定方面，當金融壓力發生變化時，應該體現為所有指標共同變化(comovement)。另外，一個好的金融壓力指數應該可以及時地反映出不同時期的經濟沖擊。這就要求作為金融市場系統性風險“晴雨表”的金融壓力指數的頻度不能太低，目前頻度最高的金融壓力指數為日指數。

三、測度美國金融市場壓力的三大金融壓力指數

鑒于美國在全球金融體系中的重要地位，測度美國金融市場系統性風險的金融壓力指數備受關注。目前，影響力最大的美國金融市場壓力指數分別是美國堪薩斯城聯儲金融壓力指數(Kansas City Financial Stress Index，KCFSI)、美國圣路易斯聯儲金融壓力指數(St.Louis Fed Financial Stress Index，STLFSI)和美國克利夫蘭聯儲金融壓力指數(Federal Bank of Cleveland’s FSI，CFSI)。

考慮到加拿大金融壓力指數并未包含由銀行股價格波動導致的投資者投資行為不確定這一指標，Hakkio and Keeton(2009)構建了美國堪薩斯城聯儲指數(KCFSI)，該指數是美國最為廣泛使用的金融壓力指數之一。美國堪薩斯城聯儲指數旨在衡量美國金融市場的系統性風險，該指數包含兩類共計11個變量，分為利差指標和其他指標。其中，利差指標包括以下7個變量：三個月LIBOR與T-bill的利差、兩年掉期利差、十年期國庫券新券與舊券利差、Aaa級公司債與10年期國庫券利差、Baa級與Aaa級公司債利差、高收益率債(junk bond)與Baa級公司債利差、消費貸款資產抵押債券與5年期國庫券利差；其他指標包括股票收益率與國債收益率相關系數*通常情況下，股票市場收益率與政府債券收益率不相關或隨著無風險收益率同向變動。而在金融市場壓力較大的時期，投資者會認為股票具有更高的風險而將資金投入政府債券市場，從而使兩種資產的收益率反方向變化。已有研究也證實在金融危機期間，股票收益率與政府債券收益率呈現負相關關系(如Baur and Lucey[15]。Gonzalo and Olmo[16])。因此，將該相關系數的相反數作為變量之一引入FSI，可以保證該指標的增加與金融壓力增加相對應。、股票價格隱含波動率、銀行股異質性波動率、銀行股收益率截面離差。堪薩斯城聯儲指數的生成方法是主成分分析法，首先將11個變量標準化，然后計算每一個變量的系數。各變量系數的選擇依據是樣本協方差矩陣進行特征值分解過程中最大特征值對應的特征向量。雖然該指數的構建使用日數據，但由于樣本方差和相關系數的計算方式會使日數據變為月數據，因此該指數為月指數。然而，金融市場需要高頻數據反映信息的迅速變化，如何提高金融市場壓力指數的頻率，為政策制定者及市場參與者提供更多有價值的信息，是需要解決的重要問題。

美國圣路易斯聯儲建立了一個更高頻度(周度)的金融壓力指數[17]——圣路易斯聯儲金融壓力指數(STLFSI)。該指數運用主成分分析法將18個數據頻度為周數據的時間序列變量：7個利率指標、6個收益率差指標和其他包括芝加哥期權交易所波動率指數(VIX)、J.P.摩根新興經濟體債券指數(J.P.Morgan Emerging Markets Bond Index Plus)、美林債券市場波動率指數(Merrill Lynch Bond Market Volatility Index)在內的5個指標合成為單一指數。圣路易斯聯儲金融壓力指數放棄了使用樣本方差估計波動率，而采用金融市場中其他研究機構發布的指數，這種處理方式可以避免在計算波動率時使用二階矩而降低指數頻率的問題。

目前，測度美國金融市場壓力的最高頻度指數是由克利夫蘭聯儲測算并公布的日度金融壓力指數，由Oet et al.[18]采用信貸權重法選取11個日度指標構建的克利夫蘭聯儲金融壓力指數(CFSI)。該指數跟蹤來自6個市場的金融壓力：信貸市場、股票市場、外匯市場、銀行間市場、房地產市場和證券化市場。相對于其他金融壓力指數(即KCFSI和STLFSI)，克利夫蘭金融壓力指數在數據頻度方面具有絕對優勢。

結合美國金融市場發生的典型事件，對比分析三大金融壓力指數，可以更好地明確各指數對現實的解釋能力。

圖1至圖3分別為美國堪薩斯城聯儲金融壓力指數、美國圣路易斯聯儲金融壓力指數和美國克利夫蘭聯儲金融壓力指數。為對比分析克利夫蘭聯儲金融壓力指數與其他金融壓力指數捕捉信息的效果，圖3采用周數據*三大指數的數據來自各聯儲的官方網站。。

圖1 美國堪薩斯城聯儲金融壓力指數—月度(KCFSI)

圖2 美國圣路易斯聯儲金融壓力指數—周度(STLFSI)

圖3 美國克利夫蘭聯儲金融壓力指數—周度(CFSI)

根據美國經濟分析局(NBER)對美國經濟周期的界定，21世紀以來，美國經濟經歷了2個衰退期，分別是2001年3月—2001年11月、2007年12月—2009年6月*資料來自NBER Business Cycles。。經濟陷入衰退通常是多種因素共同導致，金融市場的混亂往往是主要因素，兩次經濟衰退分別對應著美國21世紀初期科技股泡沫破滅和2008年爆發的金融危機。三大指數均準確地刻畫出2008年金融危機期間美國金融市場存在的巨大系統性風險。然而能夠成功捕捉到科技股泡沫破滅伴隨的金融壓力，只有堪薩斯城聯儲金融壓力指數。受到科技股泡沫破滅的影響，2000年2月底至4月中，納斯達克指數下跌近20%(Grimaldi，2010)。因此，該時段內，金融壓力指數應該顯著增加。結合具體數據可以發現，只有KCFSI在此時間段內呈現遞增的態勢，而其他兩個指數在此時段內變化不明顯。另外，對比發現，美國克利夫蘭聯儲公布的金融壓力指數存在的噪音較大，提供的階段性信息并不是十分明確。

綜合比較三大金融壓力指數可以發現，堪薩斯城聯儲金融壓力指數解釋現實狀況的能力較強，但其數據頻度較低；克利夫蘭聯儲金融壓力指數在數據頻度上具有絕對優勢，但卻忽略掉了對波動性指標的選擇；圣路易斯聯儲金融壓力指數盡管考慮了波動性指標，但并未直接測度相關指標的波動性，而是為了保證數據的較高頻度而選擇已經公開發布的波動性指標。然而，資本市場中二階方差衡量的風險是很重要的指標，如何做到既考慮二階方差，又保證金融壓力指數的高頻率特征，是構建金融壓力指數需要解決的問題。

四、中國金融市場壓力指數的構建

關于中國金融壓力指數的構建，從指數頻度方面看，大多數中國金融壓力指數為月度指數，如國內學者賴娟[19]128-131選取期限利差、銀行業風險利差、股票市場波動率和EMPI四個指標，在對各指標標準化的基礎上，通過加總得到中國金融壓力月指數。陳守東、王妍[20]39-46選取銀行部門、證券市場和外匯市場的6個變量，運用等權重加權平均法合成了代表中國金融風險狀態的月度金融壓力指數，分析中國金融系統的壓力狀態。劉曉星、方磊[21]1-6選取銀行、股市、外匯和保險市場的7個變量利用CDF-信用加總權重法構建了中國金融壓力月指數。孫立新[22]選取來自銀行間市場、證券市場、外匯市場等8個指標，構建了4個分指數，并通過等方差加權法加總各分指數，得到中國金融體系的國家金融壓力指數(CNFSI)。鄭桂環等[23]50-62從銀行市場、證券市場、外匯市場和保險市場選取了10個指標，分別運用指數標準化方法、指數CDF處理法、主成分分析法和動態因子模型法構建了月度金融壓力指數，并運用金融壓力指數對中國貨幣政策的實施效果進行了評估。許滌龍、陳雙蓮[24]69-78從銀行、房地產市場、股票市場和外部金融市場四個子市場，選擇16個指標，運用CRITIC賦權法測度了中國的月度金融壓力指數。劉瑞興[25]147-160從金融政策環境、金融機構、金融市場和外匯市場中選取11個指標，在分別測度金融資產環境壓力、金融市場壓力、金融機構壓力和外匯市場壓力的基礎上，匯總合成了系統性月度金融壓力指數。張晶、高晴[26]41-57針對銀行業、股票市場、債券市場、外匯市場和貨幣市場五個市場，每個市場選取3個代表性變量，采用累積分布函數法對各個指標進行標準化處理，對每個市場中的3個指標計算算術平均，再利用VAR模型估計五個市場對中國工業生產指數的影響程度進而確定相關的權重，最終合成中國金融系統壓力月指數。陶玲、朱迎[27]18-36采用平均加權的方法將21個指標合成7個維度的各類別指標，再使用相關系數法對7個維度的類別指標進行賦權合成系統性金融風險綜合指數(CISFR)。張勇、彭禮杰、莫嘉浩[28]67-79運用復合式系統壓力指標法，在選取銀行、債券市場、股票市場等5個子系統指數基礎上，建立子系統指數與工業增加值的結構向量自回歸模型，最終構建了月度的金融壓力指數。

相較于其他指數，陳忠陽、許悅[29]27-35基于貨幣、債券、股票和外匯市場的12個指標數據運用主成分分析法構建了周度金融壓力指數，這是目前為止數據頻度較高的中國金融壓力指數。另外，李良松[30]64-67在著重考察投資者信心不足和金融市場流動性風險的基礎上，選擇了芝加哥期貨交易所波動率指數(VIX)、香港市場大陸公司股票期權的隱含波動率、銀行間市場7天回購定盤利率、1周和1年期SHIBOR的期限利差、3個月央票與銀行間票據(A+)的信用利差、上證指數波動率等6個指標，在對指標標準化后采用等權重的方法加權平均最終獲得中國金融壓力指數。該研究樣本期間為2007年1月4日至2011年4月29日，因此推測，其金融壓力指數應該為日指數。在本文已投稿等待復審意見期間，徐國祥、李波[31]59-71選取了4個部門的9個指標，運用2007年1月4日至2015年9月30日的數據，采用因子分析法構建了日度中國金融壓力指數。

根據前文的分析，一個好的金融壓力指數應該可以及時地反映出不同時期的經濟沖擊，具體來說，第一，應該具有較高的數據頻度，能夠對金融市場中瞬息萬變的信息做出及時的反映，為監管機構提供更多信息，最大限度縮短認識時滯；第二，應該可以很好地描繪歷史上的“危機時期”。結合這樣的標準，將目前具有代表性的研究成果匯總后，可以發現中國金融壓力指數的構建存在以下問題：指數頻度過低，大多研究結果為月度指數(陳忠陽、許悅(2016)，李良松(2011)，徐國祥、李波(2017)的研究除外)；對歷史事件解釋能力有限*盡管徐國祥、李波(2017)構建的中國金融壓力指數頻度為日度，且對2008年金融危機時期的金融壓力進行了準確測度，但對2015年6月股災期間較大的金融壓力測算存在偏差。。

首先，指數頻度過低是目前中國金融壓力指數構建研究中需要解決的重要問題。金融壓力指數作為監管當局監控金融市場的重要指標，應該能夠及時捕捉并反映出金融市場中信息的迅速變化。而高頻度的指數構建需要解決的一個問題是對缺失數據的處理，李良松(2011)在構建中國金融壓力指數時選取的樣本區間為2007年1月4日至2011年4月29日，不存在缺失值的情況下樣本容量約為1 570，剔除缺失值后共有798條記錄，直接剔除缺失值的處理方法損失了接近50%的信息。選取合適的方法對缺失值進行處理是提高金融壓力指數頻度的有效途徑。另外，前文提到，資本市場中的二階方差是衡量風險的很重要的變量，而采用樣本方差或者樣本相關系數處理二階矩會造成數據頻度下降，使用條件方差即GARCH模型處理波動率指標，可以解決指數構建過程中樣本頻度下降的問題。

其次，在解釋歷史事件方面，能夠成功捕捉到2008年金融危機期間較高金融壓力的指數占到已有研究的60%左右。另外，2005年上半年房地產價格上漲迅猛*2004和2005年中國商品住宅平均銷售價格增速分別為16%和15.2%，而1998—2002年間，增速在4%左右(劉民權，孫波，2009)。，中國房地產市場已積聚起大量泡沫[32]22-37，針對住房價格上漲過快和投資、投機性購房需求過高等問題，政府出臺一系列政策包括“國八條”調控房地產市場；與房地產市場形成鮮明對比的是中國股票市場，2005年6月中國上證指數盤中曾跌破千點；這進一步表明在股票市場不景氣時，大量資金流入房地產市場。但這種資金配置狀況是非常危險和脆弱的[33]120-121，一旦房地產市場泡沫破滅，將直接導致銀行體系面臨流動性風險和信貸風險，因此，2005年上半年中國金融市場的系統性風險是較高的。然而，在包含2005年這一時間節點的已有研究中，金融壓力指數并未呈現出明顯的上升。

針對中國已有的金融壓力指數存在的問題，Hueng[34]選取來自中國金融市場的18個日度指標*具體包括不同等級公司債利差、人民幣期權隱含波動率、銀行股異質性波動率、銀行股收益率截面離差、股市換手率、股市價格波動率的條件方差等共計18個日度金融時間序列變量。該指數數據來自PRC Macro Advisors。，運用Josse and Husson[35]提出的主成分分析法處理日度變量缺失值，將缺失值補充完整后，采用主成分分析的方法構建了日度中國金融市場壓力指數(結果見圖4)。該指數的均值為0，方差為1，對比不同時期金融壓力指數的相對大小可以判斷金融市場系統性風險的高低。根據金融市場壓力指數與其長期趨勢的偏離程度，政策制定者可以有效識別中國金融市場可能面臨的系統性金融風險。該指數很好地反映出中國金融市場的系統性壓力期，包括2005年上半年和2008年國際金融危機期間較高的金融壓力。值得注意的是，2015年起中國金融壓力指數持續攀升，其相對值甚至與2008年金融危機期間的金融壓力值相當，此時段內恰逢中國經濟進入新常態而中國股市劇烈震蕩，股災期間，流動性風險急劇上升，因此，該指數很好地擬合出2015年中國金融市場的系統性風險狀況，同時對于中國金融市場現階段的狀況亦提供了重要信息，即金融壓力已經開始下降。該指數是目前為止指數頻度最高、覆蓋時間最長、對典型金融壓力事件擬合程度較好的指數。

圖4 中國金融市場壓力指數—日度(Hueng，2016)

五、總 結

縱觀金融體系系統性風險測度的相關研究可以發現，這與審慎監管的理念逐漸從微觀審慎監管向宏觀審慎監管轉變有十分密切的關聯。單個金融機構的穩健并不能保證整個金融體系的穩定性，因此，宏觀審慎監管是有必要的，而一個成熟的宏觀審慎監管體系應該可以更加合理地檢測金融系統性風險[1]5-15。宏觀審慎監管的理念根本性地影響了學術關注的焦點。為了評估與監測金融體系的系統性風險，研究機構和學者嘗試構建各種指標以衡量金融體系的金融穩定狀況。其中，金融壓力指數是目前國際社會普遍用來評估金融穩定狀況的指標，2008年國際金融危機的爆發大大推動了金融壓力指數的相關研究。美國堪薩斯城聯儲、圣路易斯聯儲和克利夫蘭聯儲等部門實時發布美國金融壓力指數，并重視對該指數的解讀。

國際上金融壓力指數相關研究的發展，也為中國金融市場壓力指數的構建提供了值得重視的國際經驗。然而，目前存在的問題是所構建的金融壓力指數對系統性事件的識別度不高，且指數的頻度過低，這大大限制了其為監管當局提供重要參考信息的能力。從2005年起，中國人民銀行每年發布《中國金融穩定報告》，從國際視角全面評估中國金融體系的穩定狀態。盡管在《報告》中不斷增加定量分析的內容，并報告銀行業、證券業壓力測試的基本狀況，但對金融體系的系統性風險狀況并未給出實時且在時間維度上可比較的穩定性指標或金融壓力指標。未來，對中國金融市場系統性風險進行測度，并實時發布金融市場穩定狀況指標，是進一步完善中國宏觀審慎管理體系的重要一環。

[參 考 文 獻]

[1] 陳雨露，馬勇.宏觀審慎監管：目標、工具與相關制度安排[J].經濟理論與經濟管理，2012(3).

[2] IMF.2009.DetectingSystemicRisk[R].Chap 3，Global Finanical Stability Report.International Monetary Fund.

[3] Illing M，Liu Y.MeasuringFinancialStressinaDevelopedCountry：AnApplicationtoCanada[J].Journal of Financial Stability，2006，2(3).

[4] Abdymomunov Azamat.Regime-SwitchingMeasureofSystemicFinancialStress[J].Annals of Finance，9，2013.

[5] Lo Duca Marco，Peltonen Tuomas A.Macro-FinancialVulnerabilitiesandFutureFinancialStress：AssessingSystemicRisksandPredictingSystemicEvents[R].ECB Working Paper Series No.1311，European Central Bank，March 2011.

[6] Grimaldi Marianna B.DetectingandInterpretingFinancialStressintheEuroArea[R].ECB Working Paper Series No.1214，European Central Bank，June，2010.

[7] Grimaldi Marianna B.UpforCount?CentralBankWordsandFinancialStress[R].Sveriges Riksbank Working Paper Series 252，April，2011.

[8] Danninger Stephan，Balakrishnan Ravi，Elekdag Selim，et al.HowLinkagesFueltheFire：TheTransmissionofFinancialStressfromAdvancedtoEmergingEconomies[M]//in World Economic Outlook：Crisis and Recovery.Chap.4.Washington，DC：International Monetary Fund，2009.

[9] Hakkio Craig S，William R Keeton.FinancialStress：WhatIsIt，HowCanItBeMeasured，andWhyDoesItMatter?[J/OL].Federal Reserve Bank of Kansas City，Economic Review，Second Quarter，2009.

[10] Holló Dániel，Manfred Kremer， Marco Lo Duca.CISS-ACompositeIndicatorofSystemicStressintheFinancialSystem[R].ECB Working Paper Series No.1426，European Central Bank，March，2012.

[11] World Economic Outlook.FinancialStress，Downturns，andRecoveries[R].Chapter 4，Financial Stress and Economic Downturns，2008.

[12] Kliesen Kevin L，Michael T Owyang，E Katarina Vermann.DisentanglingDiverseMeasures：ASurveyofFinancialStressIndexes[R].Federal Reserve Bank of St.Louis Review，September/October，2012，94(5).

[13] Carlson Mark A，Kurt F Lewis，William R Nelson.UsingPolicyInterventiontoIdentifyFinancialStress[J/OL].Finance and Economics Discussion Series No.2012-02，Board of Governors of the Federal Reserve System，2012.

[14] Cardarelli Roberto，Elekdag Selim，Subir Lall.FinancialStressandEconomicContractions[J].Journal of Financial Stability，June 2011，7(2).

[15] Baur Dick G，Brian M Lucey.FlightsandContagion——AnEmpiricalAnalysisofStock-BondCorrelations[R]. Working Paper，2008，July.

[16] Gonzalo Jesus，Jose Olmo.ContagionversusFlighttoQualityinFinancialMarkets[R]. Universidad Carlos Ⅲ de Madrid，Working Paper No. 05-18，April，2005.

[17] Kliesen Kevin L，Smith Douglas C.MeasuringFinancialMarketStress[J/OL]. Federal Reserve Bank of St. Louis National Economic Trends，January 2010.

[18] Oet Mikhail V，Ryan Eiben，Timothy Bianco，et al.TheFinancialStressIndex:IdentificationofSystemicRiskConditions[R]. Working Paper of the Federal Reserve Bank of Cleveland，No. 11-30，2011.

[19] 賴娟，呂江林.基于金融壓力指數的金融系統性風險的測度[J].統計與決策，2010(19).

[20] 陳守東，王妍.金融壓力指數與工業一致合成指數的動態關聯研究[J].財經問題研究，2011(10).

[21] 劉曉星，方磊.金融壓力指數構建及其有效性檢驗——基于中國數據的實證分析[J].管理工程學報，2012(3).

[22] 孫立新.構建中國金融壓力指數[N].中國社會科學報，2014-07-23(A06).

[23] 鄭桂環，徐紅芬，劉小輝.金融壓力指數的構建及應用[J].金融發展評論，2014(8).

[24] 許滌龍，陳雙蓮.基于金融壓力指數的系統性金融風險測度研究[J].經濟學動態，2015(4).

[25] 劉瑞興.金融壓力對中國實體經濟沖擊研究[J].數量經濟技術經濟研究，2015(6).

[26] 張晶，高晴.中國金融系統壓力指數的設計及其應用[J].數量經濟技術經濟研究，2015(11).

[27] 陶玲，朱迎.系統性金融風險的監測和度量——基于中國金融體系的研究[J].金融研究，2016(6).

[28] 張勇，彭禮杰，莫嘉浩.中國金融壓力的度量及其宏觀經濟的非線性效應[J].統計研究，2017(1).

[29] 陳忠陽，許悅.我國金融壓力指數的構建與應用研究[J].當代經濟科學，2016(1).

[30] 李良松.構建中國金融壓力指數探析[J].上海金融，2011(8).

[31] 徐國祥，李波.中國金融壓力指數的構建及動態傳導效應研究[J].統計研究，2017(4).

[32] 劉民權，孫波.商業地價形成機制、房地產泡沫及其治理[J].金融研究，2009(10).

[33] 史桂芬，劉歡，陳昕.以財稅政策助推農民工返鄉創業[J].稅務研究，2015(10).

[34] Hueng，C.J.MeasuringFinancialStressinChina[R].Manuscripts，Western Michigan University，2016.

[35] Josse Julie，and Fran?ois Husson.HandlingMissingValuesinExploratoryMultivariateDataAnalysisMethods[J].Journal de la Société Fran?aise de Statistique，2012，153(2).