互聯網金融會加速區域金融風險的累積嗎？
——基于空間溢出效應研究

■譚中明，劉 倩，李 潔

一、引言

互聯網金融是“互聯網”與“金融”融合的產物，是傳統金融通過互聯網技術在金融系統的延伸、升級與創新，本身具有金融的本質屬性（鄭聯盛，2014），是不同于直接融資和間接融資模式的“第三種融資模式”（謝平和鄒傳偉，2012），它的出現可以進一步優化金融資源配置、提升金融運營效率、發揮風險配置并使信息更加透明、豐富（吳曉求，2015）。但是，互聯網金融作為新型金融業態，由于其運行機制的特殊性和開放性，其在加速區域內金融風險累積的同時，更容易進行跨市場、跨地區傳染風險，嚴重的可能會引發系統性金融風險。近年來，我國金融市場不斷發生P2P網貸平臺集體“爆雷”、眾籌公司集資跑路、第三方支付遭遇惡性攻擊等事件，表明互聯網金融風險極易累積，區域金融風險不斷增加，甚至可能催生我國系統性金融風險。

互聯網金融風險傳導引發金融風險可以詳細分為兩種類型：第一種是直接傳導機制，即隨著互聯網金融發展水平的不斷提高，其對商業銀行的流動性、穩定性和系統性風險都會產生影響（王亞君等，2016；鄒偉等，2017；朱辰和華桂宏，2018），導致銀行部門風險產生多米諾骨牌效應，波及整個金融體系，引發系統性金融風險；第二種是間接傳導機制，即互聯網金融影響貨幣供應量和貨幣乘數，并且會通過傳導機制促進利率市場化以及擴大社會融資規模（章安辰和裴平，2018；姜松和周虹，2019），而貨幣政策的“松緊”會影響金融市場中貸款規模與速度，導致金融機構過度承擔風險，極易觸發系統性金融風險。已有研究主要是基于我國整個金融體系進行分析，尚未考慮到互聯網金融發展的區域異質性以及互聯網金融極易產生空間溢出效應，若其產生風險將會迅速危及整個金融體系的穩定性。此外，現有研究較為單一，并未將互聯網金融、貨幣政策以及區域金融風險置于同一邏輯框架下進行分析，故而本文將針對以上問題進行相應的拓展分析。

二、我國互聯網金融發展規模與潛在風險

（一）我國互聯網金融的發展規模

互聯網金融是在互聯網與金融深度融合的基礎上，通過大數據、云計算等互聯網技術對傳統金融業務進行深刻改革、對傳統金融模式進行顛覆的一種新型金融業態。廣義上，只要具有互聯網精神的金融模式均可稱為互聯網金融；狹義上，資金融通和其他金融服務依托互聯網來實現的方式、方法，可以被稱為互聯網金融，筆者將側重于狹義上的互聯網金融，主要研究第三方支付、P2P網貸、眾籌以及互聯網保險四種在我國發展較為成熟的互聯網金融模式。我國第三方支付始于2003年支付寶的誕生，此后互聯網保險（2005年）、P2P網貸（2007年）、眾籌（2011年）逐漸走入大眾視野，在經歷了“井噴式”發展后，我國互聯網金融規模迅猛壯大，成為我國金融體系中的重要組成部分。

表1 我國互聯網金融模式的發展規模（單位：億元）

根據表1可知，我國互聯網金融總體規模呈現總體上升趨勢，2018年總體規模達到1727526億元，與2012年相比增加了44倍，年均增長率達到88.6%。其中，2012-2018年移動支付交易規模不斷擴大，2018年交易規模已達到1707526.8億元，與2012年相比增加了43倍，年均增長率達到88.52%；P2P網貸在2012年經歷了“井噴式”發展后逐漸回歸規范發展軌道，直至2018年，市場交易額已達到17948.01億元，年均增長率達到106.93%；眾籌市場2012-2018年交易額年均增長率達到109.87%，為占據90%企業數量的中小型企業提供了融資服務；互聯網保險受電子商務的快速發展影響，無論是互聯網保險保費收入還是互聯網保險滲透率，在近幾年都處于不斷上升趨勢，2012年互聯網保險收入僅有110.7億元，滲透率僅有0.9%，而在2018年，保費收入已達到1888.6億元，滲透率則超過了5%。

互聯網金融作為傳統金融的補充，與傳統金融體系相互融合、相互滲透，在傳統金融的基礎上對保險、證券、銀行層面的業務進行升級，同時為實體經濟部門提供了新型金融服務，為缺乏融資能力的中小企業、農民等資金需求者提供融資業務，為市場中的消費者提供快捷便利的支付結算業務，進一步推動實體經濟的增長；反之，實體經濟增長和傳統金融體系升級又會推動互聯網金融模式的不斷發展。由此可見，互聯網金融的市場規模不斷擴大，其與實體經濟部門、傳統金融體系之間的聯系愈發緊密，逐漸成為金融體系甚至整個經濟體系中不可或缺的一部分。但同時，因為互聯網金融與經濟社會各部門、傳統金融體系和整個金融體系之間的聯系是千絲萬縷的，若互聯網金融風險爆發，則極易傳染到金融市場甚至整個經濟體系，引發系統性風險。

（二）互聯網金融的潛在風險分析

互聯網金融作為新興金融模式，并沒有脫離金融的本質，其潛在風險與傳統金融風險具有一致性，同時因為互聯網金融是依托互聯網為廣大消費者提供金融服務的平臺，所以還包含了復雜的互聯網信息技術風險，而金融風險會因為互聯網的特性進一步放大。當前，互聯網金融風險主要包括信用風險、操作風險、技術風險、流動性風險和法律與制度風險等。

1.信用風險。因為我國尚未建立完善的征信體系，互聯網金融法律規范不健全，違約成本低，這就導致籌資人惡意騙貸、P2P網貸平臺集體“爆雷”、眾籌平臺跑路等事件的頻繁發生。信用風險主要源于市場參與主體之間的信息不對稱。若籌資人在籌資平臺上發布虛假信息惡意騙貸，投資人對其信息的真實性只能基于其提供的項目信息予以確認，致此可能會作出錯誤決策，最終資金流向不明。根據網貸之家的數據顯示，2018年P2P網貸的壞賬率已超過18.2%，整個市場中存在著大規模違約事件。除此以外，P2P網貸平臺集體“爆雷”、眾籌平臺跑路等事件也是互聯網金融市場存在巨大信用風險的原因之一，問題平臺建立龐氏騙局騙取投資人資金，當一個平臺“爆雷”時，極易產生水波效應影響整個市場穩定。2015年“e租寶”在以高回報率吸引投資者，在騙取將近500億資金后，高管人員大肆揮霍，利用公司治理的不完善操控資金流向，通過關聯交易將大部分資金轉移給鈺誠集團控股公司，造成90萬名投資人資金損失。自此之后，互聯網金融市場迅速產生連鎖反應，多次發生P2P網貸平臺集體“爆雷”事件。

2.操作風險。操作風險是在互聯網金融業務中極易發生的風險之一，若交易主體對平臺的操作規范和要求未進行詳細了解，就有可能會出現操作不當的風險，交易過程中某一操作失誤，會迅速通過互聯網傳遞到其他環節，會構成整個互聯網金融系統的風險累積。情況嚴重的，可能會導致單純的操作風險演變成系統性風險，對整個金融體系的正常運作和支付結算都產生影響。

3.流動性風險。流動性風險與技術風險、信用風險等緊密相關。當平臺發生技術風險，支付系統無法正常運作時，就會影響其正常支付功能，降低平臺的資金流動性。當平臺發生道德風險，很有可能會出現呆賬、壞賬，致使大量資金被困，流動性風險不斷累積。2011年，以貝爾創投、螞蟻貸為代表的多家P2P平臺因流動性風險爆發最終“爆雷”，而在“e租寶”案中，因為承諾的高額回報率以及自身平臺運營的巨額成本，“e租寶”面臨著巨大的流動性風險，為了再次獲得資金而掩蓋平臺中貸款違約事件，并開始將部分資金應用于違法犯罪行為來獲得超高回報率，甚至涉及到非法走私行為。

4.技術風險。互聯網金融的技術風險又可以進一步分為技術安全風險和數據安全風險。前者是基于互聯網開放性、擴散性等特點和系統漏洞，互聯網金融遭受病毒和不法分子的攻擊時，整個交易網絡都會造成威脅，進而可能會導致整個金融體系的崩潰，出現系統性風險。后者是源于云計算、大數據等技術的廣泛應用，數據爆炸式增長，海量數據集中存儲，但互聯網金融機構內部卻缺乏完善的安全防護軟件，極易造成客戶信息的泄露、丟失。如2013年中國人壽80萬客戶的個人保單信息被泄露，2015年浙江“銅掌柜”60萬名投資者的信息打包泄露等。

5.法律與制度風險。雖然目前我國互聯網金融領域的法律性文件在不斷完善，但整體上仍然處于監管體系不健全、主體權益保護機制缺失、主體地位和經營范圍尚不明確的階段。其中，由于互聯網金融業務豐富，其大部分業務屬于混業經營，但目前我國并沒有建立相應的監管機制，無法確定真正的責任主體，并對其實行有效監管。而對于互聯網金融所有的潛在風險而言，若從根源上就沒有相應的法律法規對參與主體的行為進行規范，那么在其運作過程中不可避免地會出現其他風險，在無法降低互聯網金融市場系統性風險的情況下，應當完善法律法規，盡量降低、消除市場中的非系統性風險，保障互聯網金融的良性發展。

三、互聯網金融對區域金融風險的影響機制

如上所述，如今互聯網金融作為金融體系中不可缺少的一部分，其與傳統金融體系、實體經濟部門甚至整個經濟體系是相互滲透、相互聯系、相互影響的。當互聯網金融發生風險時，首先，會對本區域金融穩定產生沖擊，而區域金融風險的累積又會通過區域間債權債務關系網、企業擔保鏈條以及產業分工在整個經濟體系中快速擴散（裴棕偉和顧偉忠，2019）。其次，會通過互聯網、交易債權債務鏈等媒介直接增加與之關聯的其他區域金融風險，極有可能造成實體經濟部門、整個宏觀經濟體系的波動，引發系統性金融風險。因此，下文從直接和間接兩個層面分析互聯網金融對區域金融風險的影響機制。

（一）直接影響機制

互聯網金融業務以低成本、高收益、更便捷的特性分流了傳統金融市場的基本業務，其風險的增加同樣作用于傳統金融體系，加速區域金融風險的累積。互聯網金融不僅有傳統金融體系所具有的信用風險、流動性風險與法律合規風險，還具有更為突出的信息技術風險和長尾風險，由于互聯網具有獨特的開放性以及服務人群的廣泛性，當互聯網金融發生風險時會以更快的速度在區域金融業以及整個金融體系傳播，并且隨著我國金融混業經營程度的不斷深化，金融機構間的關聯性、傳導性增強，若單個互聯網金融機構產生風險，該風險會通過產品交易渠道、借貸關系渠道以及資產價格渠道，在與其有業務關聯的一系列機構中傳播開來，在金融體系中產生多米諾骨牌效應，擴散區域金融風險、最終引發系統性金融風險（如圖1所示）。

圖1 互聯網金融對區域金融風險的直接影響機制

（二）間接影響機制

互聯網金融的出現使得不同層次的貨幣供應量界限變得模糊，擴大了貨幣供應量和貨幣乘數，這會促使貨幣流動性供給的增加。短期貨幣流動性供給的增加一方面使商業銀行降低流動性風險，另一方面通過貨幣政策風險承擔渠道增加商業銀行對高風險資產的過度投資，使其過度承擔風險。此外，互聯網金融還會通過影響利率和信貸來影響宏觀經濟與商業銀行（如圖2所示）。

圖2 互聯網金融對區域金融風險的間接影響機制

第一，利率傳導機制。目前，我國利率并未完全實現市場化，因此利用利率來優化金融資源配置以及服務實體經濟的效果不佳。而互聯網金融依托大數據，以互聯網為平臺提供低成本、高收益的金融服務，如更低的貸款利率與更高的存款利率。在互聯網金融高速發展的背景下，商業銀行的貸款利率也不斷呈現下降趨勢。根據凱恩斯的利率傳導機制，利率下降將會促使信貸膨脹，使得投資增加、消費增加，進而使得總產出增加，此外利率與匯率之間存在相互影響，利率下降還會導致本幣貶值，產生貿易順差。因此，匯率、利率以及由利率降低引發的信貸膨脹都會對宏觀經濟產生影響。而宏觀經濟壓力對區域金融風險存在積極的促進作用，當宏觀經濟中的某一個市場發生波動，其他市場會因為趨同性發生同方向的波動，加速區域金融風險的累積。同時，利率下降，企業、居民借款增加，商業銀行不但要面對重新定價風險、基準風險、收益率曲線風險等風險（張蕊和呂江林，2017），還需要預防未來極易發生的因企業違約所帶來的信用風險，若違約增多，商業銀行為了降低風險會收縮信貸，導致資產價格下跌，最終可能導致資產價格泡沫破裂，引發區域金融風險。

第二，信貸傳導機制。從整體上看，我國目前信貸總量不斷增加，融資規模不斷擴大，但互聯網金融信貸與傳統信貸之間存在替代關系，在互聯網金融信貸規模不斷擴大的同時，其對傳統信貸模式造成了沖擊。信貸傳導機制分為兩個環節，一是商業銀行層面的資產負債業務，二是企業層面的融資方式選擇以及融資能力選擇。互聯網金融信貸的出現分流了商業銀行資產負債業務，同時也為企業提供了多種融資方式，更重要的是，互聯網金融可以覆蓋更多缺乏融資能力的公司，緩減中小企業融資難的問題，一定程度上可以促進實體經濟的發展，影響宏觀經濟。但我國目前并沒有建立起專業的信用體系，缺失信用信息會使得互聯網金融機構在審核貸款信息時面臨信息不對稱的情況，若發生違約會導致互聯網金融機構遭遇資金不足的流動性風險，則會進一步累積區域金融風險，極易引發系統性金融風險。

因此，基于以上對互聯網金融影響區域金融風險的機制分析，提出以下三點研究假設：

假設1：互聯網金融的發展會加速區域金融風險的累積。

假設2：互聯網金融會通過影響利率增加區域金融風險，即利率存在中介效應。

假設3：互聯網金融會通過影響貨幣供應量增加區域金融風險，即貨幣供應量存在中介效應。

四、互聯網金融對區域金融風險影響的實證分析

（一）變量說明、數據來源及描述

1.主要解釋變量。采用北京大學數字金融研究中心編制的省級層面中國數字普惠金融指數（郭峰等，2019）來衡量互聯網金融發展水平（Fin）。該指數是北京大學基于螞蟻金服數據，從支付、保險、貨幣基金、信用服務、投資、信貸等業務刻畫的互聯網金融發展水平。螞蟻金服是中國目前影響力最大的數字金融企業之一，旗下支付寶和余額寶貨幣基金均是使用最廣泛、規模最大的互聯網金融產品，因此以螞蟻金服數據為基礎構建互聯網金融發展水平，可以有效衡量中國各省份互聯網金融發展狀況。

2.被解釋變量。區域金融風險壓力指數（Risk）參考沈麗等人（2019）所使用的方法，考慮到數據的可得性，本文在已有研究的基礎上刪除政府城投債指標，從金融、企業、政府和宏觀經濟環境選取11個指標構建區域金融風險壓力指數，具體指標選取如表2所示。對少量數據進行插值補全后，最終搜集2011-2017年31個省份面板數據。所有數據來源于EPS數據庫、國家統計局官網。利用SPSS軟件進行因子分析，根據特征值以及累計方差貢獻率的大小確定因子個數，并根據各步驟得分公式合成最終的區域金融風險壓力指數。

表2 區域金融風險指數基礎指標及含義

3.控制變量。控制變量的選取參考夏越（2019），具體為區域經濟發展水平（lngdp）、老齡化程度（age）以及城鎮化率（urb）。其中，區域經濟發展水平選用取對數后的GDP進行衡量，經濟發展對區域金融風險的影響是多重的，一方面，經濟推動金融發展，大量資金脫“實”向“虛”，金融風險逐漸累積。另一方面，經濟發展會提高對金融杠桿的包容性，進而會抑制金融風險；老齡化程度以國家統計局公布的抽樣調查數據中，65歲以上人數占總人數的比例予以衡量，老齡化程度提高會增加政府的債務風險（馬宇和王群利，2015），若引發債務危機則極易觸發系統性金融風險；城鎮化率用城鎮人口占總人口的比重進行衡量，城鎮化建設加快，城鎮化率越高，則政府債務就可能越高。所有數據來源于國家統計局官網。

4.中介變量。參考劉金全和謝瑤姝（2016），選用7天同業拆借利率作為利率（Ibr）的代理變量，所獲取數據為當月值，因此在搜集2011-2017年月度數據后，對其加權平均得到所需的數據，數據來源于Wind；選用M2的增長率為貨幣供應的代理變量，數據來源EPS數據庫。

（二）空間計量分析

1.空間自相關分析

一般使用Moran I指數檢驗是否存在空間自相關性，當指數大于0時代表該指標在地區間呈現正向的空間相關性，當指數小于0時代表該指標呈現負向的空間相關性，當指數等于0時，則意味著該指標在地區間分布隨機，不存在任何的空間相關性。本文依次使用地理鄰接權重矩陣W1，經濟距離權重矩陣W2，測算Moran I指數。在此基礎上，使用MATLAB軟件對2011-2017年31個省份的互聯網金融及區域金融風險進行全域空間自相關檢驗，結果如表3所示。

表3 兩種權重矩陣下互聯網金融與區域金融風險的全局Moran I值

由表3可知，2011-2017年我國互聯網金融（Fin）在地理鄰接權重矩陣和經濟距離權重矩陣的全局Moran I指數均通過了顯著性水平檢驗，表明我國省域互聯網金融在空間上不是隨機分布的，而是存在顯著的正向自相關性，即我國互聯網金融的分布具有統計學意義上的空間集聚特征。而區域金融風險（Risk）在地理鄰接權重矩陣下，2015年、2016年和2017年均通過1%的顯著性檢驗，而在經濟距離權重矩陣下，這三年也均通過5%的顯著性檢驗，在此之前未通過顯著性檢驗，不代表不存在自相關性，只是不明顯，表明區域金融風險近年來同樣存在著自相關性。

2.模型構建

基于上文空間自相關性的分析，構建互聯網金融對區域金融風險影響的空間計量的空間滯后（SLM）模型（式（1））、空間誤差（SEM）模型（式（2））和空間杜賓（SDM）模型（式（3））。其中，ρ為空間滯后系數，β1～β4為解釋變量的系數，γ1～γ4為解釋變量空間交互項系數。

3.模型選擇

面板模型可采用固定效應模型和隨機效應模型，筆者進行的Hausman檢驗結果不顯著，接受原假設，表明模型應為隨機效應模型。考慮不同的空間權重矩陣所評估出來的空間效應也有所不同，因此選用地理鄰接權重矩陣和經濟距離權重矩陣，運用MATLAB對不同空間計量模型進行檢驗，根據結果選擇最合適的空間計量模型，檢驗結果如表4所示。

從表4可知，互聯網金融發展水平（Fin）對區域金融風險的影響為正，且通過1%的顯著性檢驗，由此可證明假設1成立，即互聯網金融加速了區域金融風險的累積。控制變量中，經濟發展水平（lngdp）對區域金融風險的影響大部分為正，但在部分模型中為負，經濟發展與金融穩定之間的關系較為復雜，因此不同模型所得結果可能會有所不同。雖然實證結果并不顯著，但經濟發展對區域金融風險的影響是不可忽視的，尤其是在我國處于經濟發展新常態背景下，面臨著經濟增速換擋、產業結構調整、增長動力轉換等多重考驗（陳守東和孫彥林，2018），地方政府債務增加，房地產公司過度發展以及影子銀行等均是觸發金融風險的重要因素。老齡化程度（age）對區域金融風險的影響為正，部分模型中通過10%的顯著性水平，這與劉禹君（2019）研究結論一致，人口老齡化會對地方政府債務產生顯著的正向沖擊。城鎮化水平（urb）對區域金融風險的影響為負，且均通過1%的顯著性檢驗，說明城鎮化水平的提高可以有效抑制區域金融風險，城鎮化越高的省份，該區域的金融知識普及率也隨之提高，其居民的金融素養和個人風險防范相對較高，進而能抑制當地金融風險。根據三種空間計量模型在兩種權重矩陣下的σ2、R2和LogL值可知，本文應當選用地理鄰接權重矩陣下的隨機效應空間杜賓模型檢驗互聯網金融對區域金融風險的直接效應和間接效應。

表4 兩種空間模型隨機效應回歸結果

4.直接效應與間接效應

為確保能夠準確估計空間計量模型中互聯網金融對區域金融風險的影響，參考LeSage和Pace（2010）對直接效應和間接效應的推導方法。其中，直接效應代表本區域互聯網金融對該區域金融風險的影響，間接效應則是衡量本區域互聯網金融對相鄰區域金融風險的影響，筆者對互聯網金融影響區域金融穩定的直接效應和間接效應進行了詳細分析，結果如表5所示。

表5 互聯網金融對區域金融風險影響的直接效應和間接效應

實證結果表明，互聯網金融（Fin）對區域金融穩定的直接效應、間接效應以及總效應均為正，且均通過1%的顯著性檢驗。這表明互聯網金融的發展不僅會加速該區域金融風險的累積，同時還會增加相鄰區域金融風險，具有正向空間效應，但需要注意的是，隨著互聯網金融規范化，其對區域金融風險的影響可能會發生變化，即互聯網金融對區域金融風險的影響可能會呈現倒“U”型，當互聯網金融逐步實現規范發展后，到達預想的閥值，其可以對金融體系產生正向的促進作用，進而對金融風險產生抑制作用。經濟發展水平（lngdp）和老齡化程度（age）對區域金融風險的直接效應和間接效應均為正，其中僅有老齡化對區域金融風險的直接效應通過了10%的顯著性檢驗，這表明當前經濟發展水平和老齡化對區域金融風險尚未產生空間溢出效應。其中，經濟發展水平的影響是多重的，雖然計量檢驗結果不顯著，但在現實情況中經濟發展對金融風險的影響不容小覷，出現這種結果極有可能是其產生的多重影響發生了“正負抵消”。城鎮化率（urb）對區域金融穩定的直接效應和間接效應均為負，直接效應和總效應均通過1%的顯著性檢驗，間接效應通過5%的顯著性檢驗，代表城鎮化率的提高不僅降低了本區域的金融風險，還有效抑制了相鄰區域的金融風險，存在負向的空間效應。

5.穩健性檢驗

利用地理距離權重矩陣下的隨機效應空間杜賓模型對數據進行回歸，以檢驗解釋變量和被解釋變量間相關關系的穩健性，檢驗結果如表6所示。由回歸結果可知，互聯網金融發展水平對區域金融風險存在正向影響，且通過1%的穩健性檢驗，并且根據空間相關系數ρ可知，互聯網金融發展水平存在顯著的空間正向關聯，即互聯網金融的空間溢出效應是存在的。

表6 地理距離權重矩陣下的穩健性檢驗

（三）中介效應檢驗

在中介效應的檢驗方法選擇上，參考溫忠麟等（2004）使用的方法，在空間計量模型的基礎上，構建使用本文的中介效應檢驗方程，如下所示：

根據公式組（4）檢驗利率是否對區域金融風險產生影響，即檢驗利率中介效應是否顯著，檢驗結果如表7所示。根據溫忠麟等（2004）提出的中介效應檢驗程序，若自變量系數均顯著時，則代表中介效應顯著。對比模型1、2、3，可發現自變量的系數均顯著，且互聯網金融對利率的影響顯著為負，利率對區域金融風險的影響也顯著為負，與前文理論分析一致，即假設2成立，互聯網金融促使利率下降進而增加了區域金融風險。

表7 利率中介效應檢驗

表8 貨幣供應量中介效應檢驗

檢驗貨幣供應量中介效應的公式如式（5），檢驗結果如表8所示。對比模型1、4、5，可發現互聯網金融對貨幣供應量的影響顯著為負，但貨幣供應量對區域金融風險的影響卻不顯著，前文理論分析指出互聯網金融擴大了貨幣供應量以及貨幣乘數，出現負向影響的原因主要是目前對數字貨幣的計量尚未得到規范，對具體貨幣供應量所測量的數量值是小于實際值的，因而應當加快健全電子貨幣測量體系，規范對電子貨幣的測量標準，提高對貨幣供應量測量的準確度。根據目前本文的實證結果可知假設3不成立，即互聯網金融尚未影響貨幣供應量進而影響區域金融風險。利率作為貨幣政策“價格型”工具的代表，相對“數量型”工具，其產生的影響更為顯著，此研究與李成等人（2020）一致。

五、對策建議

研究表明，互聯網金融對區域金融風險的正向影響是顯著存在的，且存在顯著的正向空間溢出效應，此外，互聯網金融還會通過影響貨幣政策進一步增加區域金融風險，若不能把控好互聯網金融風險，對其風險傳導進行嚴格監督，則極可能會加速區域金融風險的累積，觸發系統性金融風險。因此，根據金融風險傳導機制提出以下幾點對策建議：

第一，建立分段風險預警機制，及時監測風險產生及傳導。可以從金融風險傳導機制出發，建立涵蓋互聯網金融、傳統金融體系、區域金融風險和系統性金融風險的分段風險預警機制，將風險劃分為4個等級，確定對應的預警界限，把控每一階段的風險變化，以便在任何一個階段出現風險波動時，及時采取應對措施，防范風險、阻斷風險傳播。

第二，提高互聯網金融信息透明度，加強信息真實性審核，將風險遏制在源頭。提高信息的透明度與準確性，對互聯網金融參與主體的信息加強監管和信息審核力度，其中包括P2P網貸和眾籌平臺披露的運營信息、籌資人發布項目和身份信用證明的真實性，同時還要定期或不定期地對運營平臺高級管理人員和實際控制人的行為進行審查，以防其利用不法行為騙取投資者的資金。

第三，加強穿透式監管，有效防控互聯網金融的跨業風險。我國互聯網金融跨行業的特性在近幾年內愈發明顯，其中互聯網金融與傳統金融體系之間具有緊密的關聯性，應當更加關注這兩者間的跨業風險。因此，應加強穿透式監管，有效防控互聯網金融和傳統金融體系間的跨業風險，在兩者聯合經營時，應當明確真正的監管主體和監管方式，對整個平臺中的產品結構、資金流向以及投融資主體進行嚴格監督。

第四，建立健全電子貨幣計量體系，實行利率動態監控以及加快完善互聯網金融征信系統。首先，應當加快電子貨幣計量體系的建立，清晰邊界，明確電子貨幣的統計口徑，將其納入監測體系中，提高貨幣供應量的可測性和準確性，以便對互聯網金融第三方支付業務和貨幣政策的穩定性進行有力監控。其次，互聯網金融在影響宏觀經濟以及商業銀行時，主要是通過利率傳導機制實現的，所以應當對利率建立實時動態監控，可以構建準確的利率風險預警機制，當利率發生異常波動時，預測市場發生風險的概率，以便及時采取應對措施，截斷風險傳播。最后，在信貸傳導機制中最重要的問題是信息不對稱，因此需要加快完善我國互聯網金融征信系統，降低信息不對稱帶來的信用風險，進而防止發生大規模違約事件。