金融市场压力的测度：文献述评

王立荣，C.James Hueng

(1.东北师范大学 经济学院，吉林 长春 130117； 2.东北师范大学 应用统计教育部重点实验室，吉林 长春 130024； 3.美国西密歇根大学 经济系，密歇根州 卡拉玛祖 49008； 4.中南财经政法大学 经济学院，湖北 武汉 430073)

一、引 言

2008年爆发的世界性金融危机使国际社会重新反思传统的微观审慎监管方法的内在缺陷，并加强了对宏观审慎监管的重视。宏观审慎监管的目标体现在减少系统性风险、增强金融体系的整体稳健性[1]5-15。要实现这一目标，需要对金融体系的系统性风险进行测度，并识别金融压力产生的原因，这有助于提高政策制定者采取措施缓解危机发生的能力[2]，是监管当局选择适当的工具并制定相关政策的重要参考依据。

随着中国资本账户的逐步开放，中国与世界经济的联系将更加紧密，全球金融市场的动荡对中国金融市场的稳定状态也将产生更大影响，中国金融市场和经济发展面临的不确定性会显著增加。中国人民银行于2005年成立金融稳定分析小组并每年发布《中国金融稳定报告》，体现了对金融体系稳健性状况的高度重视。学术界近年来开始尝试构建能够实时监测中国金融市场系统性风险的指标，旨在评估中国金融体系的稳定状况。

在测度系统性金融风险方面，金融压力指数是国际社会普遍采用的监测系统性风险状况的综合指数。金融压力指数的(相对)值越高，发生危机的可能性越大。从监管者的角度，如果一定时期内金融压力指数显著高于历史最高水平，则与金融机构相关的违约风险将增加，进一步会影响金融系统的风险资本(risk capital)和流动性，最终可能对实体经济产生负反馈效应。因此，分析较高金融压力指数产生的原因进而及时地制定相关政策以避免金融市场过度波动，对于稳定一国的金融环境具有重要的意义。

本文首先总结金融压力、金融压力指数和金融状况指数的含义及相关关系，进而着重对金融压力指数的相关研究进行总结，尤其是对衡量美国金融市场压力的三大指数进行系统描述，在总结分析的基础上，对中国金融市场压力指数的研究现状进行描述，归纳已有研究的贡献，并指出未来可能有意义的研究方向。

二、金融压力、金融压力指数与金融状况指数

对金融压力的概念目前尚没有形成统一的观点，因为任何两个金融压力期都不会是完全相同的，一个时期金融压力增加可能是其他投资者投资行为的不确定性增加导致的，而另一个时期金融压力的增加则可能源于持有风险资产的意愿下降。不同金融压力期各种因素的重要性也可能产生变化。最早对金融压力给出定义并测度金融压力大小的研究来自加拿大银行的经济学家Illing and Liu[3]243-265。他们定义了金融压力：来源于金融市场和金融机构的不确定性及预期损失的变化会形成压力作用于经济中的个体；金融压力是一个连续统(continuum)，金融压力的极值被称为金融危机。Abdymomunov[4]455-470的观点与Illing and Liu(2006)类似，其研究认为：系统性的金融压力是金融市场呈现出的一种状态，在金融压力期，市场参与者面临的不确定性显著增加或对未来金融损失、资产的基础价值和经济行为不断地改变预期。金融压力期的金融变量在经验上表现出与平静期(calm periods)不同的特征。尤其是系统性的冲击会导致金融变量发生即刻的巨幅波动并产生系统性金融压力。Lo Duca and Peltonen[5]从金融压力造成的结果角度给出了关于系统性风险的描述，认为系统性风险是金融不稳定已经损害了金融系统的正常运行，并导致经济增长和社会福利显著受到影响。从金融压力产生的根源角度，Grimaldi[6-7]称，金融压力是脆弱的金融市场的产物，也可能源于外生或内生的冲击。从金融压力呈现出的特征角度，Danninger et al.[8]139-175指出，金融压力可能表现为如下特征：金融动荡、汇率压力导致货币贬值和外汇储备耗竭、资本流入减少、资本从新兴经济体的股票和债券市场撤资、银行收回贷款等。Hakkio and Keeton[9]则认为，衡量金融市场压力的指标应该至少反映出以下某一方面或全部的典型特征：基础资产价值的不确定性增加、其他投资者行为的不确定性增加、信息不对称程度增加、持有风险资产的意愿下降(flight to quality)、持有非流动性资产的意愿下降(flight to liquidity)。总体上看，金融压力用来描述金融体系的系统性风险，金融压力越大，发生金融危机的可能性越高。

尽管对于金融压力的定义尚未形成统一观点，但其所代表的负面信息却得到广泛认可。因此，学术界和相关机构尝试构建金融压力指数以反映金融市场不同时刻系统性风险的大小。总体看，金融压力指数旨在测度金融市场的不稳定状态，即金融系统中金融摩擦、金融压力和金融张力水平，并合成为单一的、连续的统计量。金融压力指数不仅可以测度金融压力水平，起到实时监测金融系统的作用，而且有助于更好地描绘历史上的危机时期[10]。

国际上对于金融压力指数的研究已经取得丰硕成果。最早的，也是最具影响力的金融压力指数是由Illing and Liu(2006)构建的加拿大金融压力指数。该指数涵盖了股票市场、债券市场、外汇市场以及银行部门的多个变量。具体地，该指数选择了公司债利差、国债市场流动性指标、股票市场的波动性指标和汇率波动性指标等7个日度时间序列变量，并运用4种方式将相关的金融变量合成为日度金融压力指数。针对发达经济体构建的金融压力指数还包括国际货币基金组织(IMF)构建的月度金融压力指数，指数的构建是基于3个与银行部门相关的指标(如银行股的β值，TED利差等)、3个与证券市场相关的指标和1个汇率指标，该指数涵盖了17个发达国家[11]。还有专门针对欧元区的金融压力指数，Grimaldi(2010)选择了16个日度时间序列变量，运用logit模型构建了周度的欧元区金融压力指数，只有水平值指数和变动率指数进入Probit回归方程，且二元被解释变量(金融压力期)的赋值是基于欧洲中央银行月度公告(ECB Monthly Bulletin)的关键词搜索。Holló et al.(2012)针对Grimaldi(2010)对金融压力期的赋值是对危机事件的事后判断，重新构建了欧元区金融系统压力综合指数(Composite Indicator of Systemic Stress，CISS)，选择15个周度指标，首先合成了5个次级指数(Subindex)，在考虑5个次级指数间时变相关关系的基础上，最终合成系统性压力指数；采用两种方法内生性地识别不同金融压力期，即自回归马尔可夫转移模型和门限向量自回归模型(TVAR)。还有专门测度美国金融市场压力状况的三大金融压力指数，将在下文中详细介绍。

另外一个与金融压力指数相似且容易被混淆的概念是金融状况指数(Financial Condition Index，FCI)。金融状况指数的构建通常不仅涵盖金融市场的相关指标，还包括非金融市场的相关指标。金融状况指数倾向于包含数量指标、价格指标和经济指标，而金融压力指数则仅包含价格指标。金融状况指数可以用于预测经济周期的改变[12]369-397，是金融状况到宏观经济状况的“映射”(maping)，而金融压力指数可以被视为金融市场脆弱性水平的即时测度(snapshot of the level of fragility)[13]。研究者有必要根据研究的具体目标准确选择金融压力指数或金融状况指数，并在对指标进行解释时注意区分二者的本质差别。

金融压力指数构建过程中会面临两方面问题，一是指标选取，二是采取合适的方法将各指标合成金融压力指数。指标选取方面应该注意到金融市场具有内在的前瞻性特征，金融市场的参与者会充分考虑各种可能的冲击并调整其对金融资产未来收益的预期，这将使冲击的效应首先在资产价格上得以体现，进而传导至其他金融部门和实体经济。因此，指标范围应该覆盖金融市场中各种主要的资产价格，如利率、股票价格、汇率等，以及价格的波动。合成金融压力指数的方法方面，最简单的为等权重法[14]78-97。其他方法包括回归分析法、信贷权重法和主成分分析法。大多数研究选择主成分分析法，如圣路易斯联储金融压力指数和堪萨斯城联储金融压力指数等。主成分分析法假设用于构建金融压力指数的每一个指标都反映了金融压力的某一特定方面，当金融压力发生变化时，应该体现为所有指标共同变化(comovement)。另外，一个好的金融压力指数应该可以及时地反映出不同时期的经济冲击。这就要求作为金融市场系统性风险“晴雨表”的金融压力指数的频度不能太低，目前频度最高的金融压力指数为日指数。

三、测度美国金融市场压力的三大金融压力指数

鉴于美国在全球金融体系中的重要地位，测度美国金融市场系统性风险的金融压力指数备受关注。目前，影响力最大的美国金融市场压力指数分别是美国堪萨斯城联储金融压力指数(Kansas City Financial Stress Index，KCFSI)、美国圣路易斯联储金融压力指数(St.Louis Fed Financial Stress Index，STLFSI)和美国克利夫兰联储金融压力指数(Federal Bank of Cleveland’s FSI，CFSI)。

考虑到加拿大金融压力指数并未包含由银行股价格波动导致的投资者投资行为不确定这一指标，Hakkio and Keeton(2009)构建了美国堪萨斯城联储指数(KCFSI)，该指数是美国最为广泛使用的金融压力指数之一。美国堪萨斯城联储指数旨在衡量美国金融市场的系统性风险，该指数包含两类共计11个变量，分为利差指标和其他指标。其中，利差指标包括以下7个变量：三个月LIBOR与T-bill的利差、两年掉期利差、十年期国库券新券与旧券利差、Aaa级公司债与10年期国库券利差、Baa级与Aaa级公司债利差、高收益率债(junk bond)与Baa级公司债利差、消费贷款资产抵押债券与5年期国库券利差；其他指标包括股票收益率与国债收益率相关系数*通常情况下，股票市场收益率与政府债券收益率不相关或随着无风险收益率同向变动。而在金融市场压力较大的时期，投资者会认为股票具有更高的风险而将资金投入政府债券市场，从而使两种资产的收益率反方向变化。已有研究也证实在金融危机期间，股票收益率与政府债券收益率呈现负相关关系(如Baur and Lucey[15]。Gonzalo and Olmo[16])。因此，将该相关系数的相反数作为变量之一引入FSI，可以保证该指标的增加与金融压力增加相对应。、股票价格隐含波动率、银行股异质性波动率、银行股收益率截面离差。堪萨斯城联储指数的生成方法是主成分分析法，首先将11个变量标准化，然后计算每一个变量的系数。各变量系数的选择依据是样本协方差矩阵进行特征值分解过程中最大特征值对应的特征向量。虽然该指数的构建使用日数据，但由于样本方差和相关系数的计算方式会使日数据变为月数据，因此该指数为月指数。然而，金融市场需要高频数据反映信息的迅速变化，如何提高金融市场压力指数的频率，为政策制定者及市场参与者提供更多有价值的信息，是需要解决的重要问题。

美国圣路易斯联储建立了一个更高频度(周度)的金融压力指数[17]——圣路易斯联储金融压力指数(STLFSI)。该指数运用主成分分析法将18个数据频度为周数据的时间序列变量：7个利率指标、6个收益率差指标和其他包括芝加哥期权交易所波动率指数(VIX)、J.P.摩根新兴经济体债券指数(J.P.Morgan Emerging Markets Bond Index Plus)、美林债券市场波动率指数(Merrill Lynch Bond Market Volatility Index)在内的5个指标合成为单一指数。圣路易斯联储金融压力指数放弃了使用样本方差估计波动率，而采用金融市场中其他研究机构发布的指数，这种处理方式可以避免在计算波动率时使用二阶矩而降低指数频率的问题。

目前，测度美国金融市场压力的最高频度指数是由克利夫兰联储测算并公布的日度金融压力指数，由Oet et al.[18]采用信贷权重法选取11个日度指标构建的克利夫兰联储金融压力指数(CFSI)。该指数跟踪来自6个市场的金融压力：信贷市场、股票市场、外汇市场、银行间市场、房地产市场和证券化市场。相对于其他金融压力指数(即KCFSI和STLFSI)，克利夫兰金融压力指数在数据频度方面具有绝对优势。

结合美国金融市场发生的典型事件，对比分析三大金融压力指数，可以更好地明确各指数对现实的解释能力。

图1至图3分别为美国堪萨斯城联储金融压力指数、美国圣路易斯联储金融压力指数和美国克利夫兰联储金融压力指数。为对比分析克利夫兰联储金融压力指数与其他金融压力指数捕捉信息的效果，图3采用周数据*三大指数的数据来自各联储的官方网站。。

图1 美国堪萨斯城联储金融压力指数—月度(KCFSI)

图2 美国圣路易斯联储金融压力指数—周度(STLFSI)

图3 美国克利夫兰联储金融压力指数—周度(CFSI)

根据美国经济分析局(NBER)对美国经济周期的界定，21世纪以来，美国经济经历了2个衰退期，分别是2001年3月—2001年11月、2007年12月—2009年6月*资料来自NBER Business Cycles。。经济陷入衰退通常是多种因素共同导致，金融市场的混乱往往是主要因素，两次经济衰退分别对应着美国21世纪初期科技股泡沫破灭和2008年爆发的金融危机。三大指数均准确地刻画出2008年金融危机期间美国金融市场存在的巨大系统性风险。然而能够成功捕捉到科技股泡沫破灭伴随的金融压力，只有堪萨斯城联储金融压力指数。受到科技股泡沫破灭的影响，2000年2月底至4月中，纳斯达克指数下跌近20%(Grimaldi，2010)。因此，该时段内，金融压力指数应该显著增加。结合具体数据可以发现，只有KCFSI在此时间段内呈现递增的态势，而其他两个指数在此时段内变化不明显。另外，对比发现，美国克利夫兰联储公布的金融压力指数存在的噪音较大，提供的阶段性信息并不是十分明确。

综合比较三大金融压力指数可以发现，堪萨斯城联储金融压力指数解释现实状况的能力较强，但其数据频度较低；克利夫兰联储金融压力指数在数据频度上具有绝对优势，但却忽略掉了对波动性指标的选择；圣路易斯联储金融压力指数尽管考虑了波动性指标，但并未直接测度相关指标的波动性，而是为了保证数据的较高频度而选择已经公开发布的波动性指标。然而，资本市场中二阶方差衡量的风险是很重要的指标，如何做到既考虑二阶方差，又保证金融压力指数的高频率特征，是构建金融压力指数需要解决的问题。

四、中国金融市场压力指数的构建

关于中国金融压力指数的构建，从指数频度方面看，大多数中国金融压力指数为月度指数，如国内学者赖娟[19]128-131选取期限利差、银行业风险利差、股票市场波动率和EMPI四个指标，在对各指标标准化的基础上，通过加总得到中国金融压力月指数。陈守东、王妍[20]39-46选取银行部门、证券市场和外汇市场的6个变量，运用等权重加权平均法合成了代表中国金融风险状态的月度金融压力指数，分析中国金融系统的压力状态。刘晓星、方磊[21]1-6选取银行、股市、外汇和保险市场的7个变量利用CDF-信用加总权重法构建了中国金融压力月指数。孙立新[22]选取来自银行间市场、证券市场、外汇市场等8个指标，构建了4个分指数，并通过等方差加权法加总各分指数，得到中国金融体系的国家金融压力指数(CNFSI)。郑桂环等[23]50-62从银行市场、证券市场、外汇市场和保险市场选取了10个指标，分别运用指数标准化方法、指数CDF处理法、主成分分析法和动态因子模型法构建了月度金融压力指数，并运用金融压力指数对中国货币政策的实施效果进行了评估。许涤龙、陈双莲[24]69-78从银行、房地产市场、股票市场和外部金融市场四个子市场，选择16个指标，运用CRITIC赋权法测度了中国的月度金融压力指数。刘瑞兴[25]147-160从金融政策环境、金融机构、金融市场和外汇市场中选取11个指标，在分别测度金融资产环境压力、金融市场压力、金融机构压力和外汇市场压力的基础上，汇总合成了系统性月度金融压力指数。张晶、高晴[26]41-57针对银行业、股票市场、债券市场、外汇市场和货币市场五个市场，每个市场选取3个代表性变量，采用累积分布函数法对各个指标进行标准化处理，对每个市场中的3个指标计算算术平均，再利用VAR模型估计五个市场对中国工业生产指数的影响程度进而确定相关的权重，最终合成中国金融系统压力月指数。陶玲、朱迎[27]18-36采用平均加权的方法将21个指标合成7个维度的各类别指标，再使用相关系数法对7个维度的类别指标进行赋权合成系统性金融风险综合指数(CISFR)。张勇、彭礼杰、莫嘉浩[28]67-79运用复合式系统压力指标法，在选取银行、债券市场、股票市场等5个子系统指数基础上，建立子系统指数与工业增加值的结构向量自回归模型，最终构建了月度的金融压力指数。

相较于其他指数，陈忠阳、许悦[29]27-35基于货币、债券、股票和外汇市场的12个指标数据运用主成分分析法构建了周度金融压力指数，这是目前为止数据频度较高的中国金融压力指数。另外，李良松[30]64-67在着重考察投资者信心不足和金融市场流动性风险的基础上，选择了芝加哥期货交易所波动率指数(VIX)、香港市场大陆公司股票期权的隐含波动率、银行间市场7天回购定盘利率、1周和1年期SHIBOR的期限利差、3个月央票与银行间票据(A+)的信用利差、上证指数波动率等6个指标，在对指标标准化后采用等权重的方法加权平均最终获得中国金融压力指数。该研究样本期间为2007年1月4日至2011年4月29日，因此推测，其金融压力指数应该为日指数。在本文已投稿等待复审意见期间，徐国祥、李波[31]59-71选取了4个部门的9个指标，运用2007年1月4日至2015年9月30日的数据，采用因子分析法构建了日度中国金融压力指数。

根据前文的分析，一个好的金融压力指数应该可以及时地反映出不同时期的经济冲击，具体来说，第一，应该具有较高的数据频度，能够对金融市场中瞬息万变的信息做出及时的反映，为监管机构提供更多信息，最大限度缩短认识时滞；第二，应该可以很好地描绘历史上的“危机时期”。结合这样的标准，将目前具有代表性的研究成果汇总后，可以发现中国金融压力指数的构建存在以下问题：指数频度过低，大多研究结果为月度指数(陈忠阳、许悦(2016)，李良松(2011)，徐国祥、李波(2017)的研究除外)；对历史事件解释能力有限*尽管徐国祥、李波(2017)构建的中国金融压力指数频度为日度，且对2008年金融危机时期的金融压力进行了准确测度，但对2015年6月股灾期间较大的金融压力测算存在偏差。。

首先，指数频度过低是目前中国金融压力指数构建研究中需要解决的重要问题。金融压力指数作为监管当局监控金融市场的重要指标，应该能够及时捕捉并反映出金融市场中信息的迅速变化。而高频度的指数构建需要解决的一个问题是对缺失数据的处理，李良松(2011)在构建中国金融压力指数时选取的样本区间为2007年1月4日至2011年4月29日，不存在缺失值的情况下样本容量约为1 570，剔除缺失值后共有798条记录，直接剔除缺失值的处理方法损失了接近50%的信息。选取合适的方法对缺失值进行处理是提高金融压力指数频度的有效途径。另外，前文提到，资本市场中的二阶方差是衡量风险的很重要的变量，而采用样本方差或者样本相关系数处理二阶矩会造成数据频度下降，使用条件方差即GARCH模型处理波动率指标，可以解决指数构建过程中样本频度下降的问题。

其次，在解释历史事件方面，能够成功捕捉到2008年金融危机期间较高金融压力的指数占到已有研究的60%左右。另外，2005年上半年房地产价格上涨迅猛*2004和2005年中国商品住宅平均销售价格增速分别为16%和15.2%，而1998—2002年间，增速在4%左右(刘民权，孙波，2009)。，中国房地产市场已积聚起大量泡沫[32]22-37，针对住房价格上涨过快和投资、投机性购房需求过高等问题，政府出台一系列政策包括“国八条”调控房地产市场；与房地产市场形成鲜明对比的是中国股票市场，2005年6月中国上证指数盘中曾跌破千点；这进一步表明在股票市场不景气时，大量资金流入房地产市场。但这种资金配置状况是非常危险和脆弱的[33]120-121，一旦房地产市场泡沫破灭，将直接导致银行体系面临流动性风险和信贷风险，因此，2005年上半年中国金融市场的系统性风险是较高的。然而，在包含2005年这一时间节点的已有研究中，金融压力指数并未呈现出明显的上升。

针对中国已有的金融压力指数存在的问题，Hueng[34]选取来自中国金融市场的18个日度指标*具体包括不同等级公司债利差、人民币期权隐含波动率、银行股异质性波动率、银行股收益率截面离差、股市换手率、股市价格波动率的条件方差等共计18个日度金融时间序列变量。该指数数据来自PRC Macro Advisors。，运用Josse and Husson[35]提出的主成分分析法处理日度变量缺失值，将缺失值补充完整后，采用主成分分析的方法构建了日度中国金融市场压力指数(结果见图4)。该指数的均值为0，方差为1，对比不同时期金融压力指数的相对大小可以判断金融市场系统性风险的高低。根据金融市场压力指数与其长期趋势的偏离程度，政策制定者可以有效识别中国金融市场可能面临的系统性金融风险。该指数很好地反映出中国金融市场的系统性压力期，包括2005年上半年和2008年国际金融危机期间较高的金融压力。值得注意的是，2015年起中国金融压力指数持续攀升，其相对值甚至与2008年金融危机期间的金融压力值相当，此时段内恰逢中国经济进入新常态而中国股市剧烈震荡，股灾期间，流动性风险急剧上升，因此，该指数很好地拟合出2015年中国金融市场的系统性风险状况，同时对于中国金融市场现阶段的状况亦提供了重要信息，即金融压力已经开始下降。该指数是目前为止指数频度最高、覆盖时间最长、对典型金融压力事件拟合程度较好的指数。

图4 中国金融市场压力指数—日度(Hueng，2016)

五、总 结

纵观金融体系系统性风险测度的相关研究可以发现，这与审慎监管的理念逐渐从微观审慎监管向宏观审慎监管转变有十分密切的关联。单个金融机构的稳健并不能保证整个金融体系的稳定性，因此，宏观审慎监管是有必要的，而一个成熟的宏观审慎监管体系应该可以更加合理地检测金融系统性风险[1]5-15。宏观审慎监管的理念根本性地影响了学术关注的焦点。为了评估与监测金融体系的系统性风险，研究机构和学者尝试构建各种指标以衡量金融体系的金融稳定状况。其中，金融压力指数是目前国际社会普遍用来评估金融稳定状况的指标，2008年国际金融危机的爆发大大推动了金融压力指数的相关研究。美国堪萨斯城联储、圣路易斯联储和克利夫兰联储等部门实时发布美国金融压力指数，并重视对该指数的解读。

国际上金融压力指数相关研究的发展，也为中国金融市场压力指数的构建提供了值得重视的国际经验。然而，目前存在的问题是所构建的金融压力指数对系统性事件的识别度不高，且指数的频度过低，这大大限制了其为监管当局提供重要参考信息的能力。从2005年起，中国人民银行每年发布《中国金融稳定报告》，从国际视角全面评估中国金融体系的稳定状态。尽管在《报告》中不断增加定量分析的内容，并报告银行业、证券业压力测试的基本状况，但对金融体系的系统性风险状况并未给出实时且在时间维度上可比较的稳定性指标或金融压力指标。未来，对中国金融市场系统性风险进行测度，并实时发布金融市场稳定状况指标，是进一步完善中国宏观审慎管理体系的重要一环。

[参 考 文 献]

[1] 陈雨露，马勇.宏观审慎监管：目标、工具与相关制度安排[J].经济理论与经济管理，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] 赖娟，吕江林.基于金融压力指数的金融系统性风险的测度[J].统计与决策，2010(19).

[20] 陈守东，王妍.金融压力指数与工业一致合成指数的动态关联研究[J].财经问题研究，2011(10).

[21] 刘晓星，方磊.金融压力指数构建及其有效性检验——基于中国数据的实证分析[J].管理工程学报，2012(3).

[22] 孙立新.构建中国金融压力指数[N].中国社会科学报，2014-07-23(A06).

[23] 郑桂环，徐红芬，刘小辉.金融压力指数的构建及应用[J].金融发展评论，2014(8).

[24] 许涤龙，陈双莲.基于金融压力指数的系统性金融风险测度研究[J].经济学动态，2015(4).

[25] 刘瑞兴.金融压力对中国实体经济冲击研究[J].数量经济技术经济研究，2015(6).

[26] 张晶，高晴.中国金融系统压力指数的设计及其应用[J].数量经济技术经济研究，2015(11).

[27] 陶玲，朱迎.系统性金融风险的监测和度量——基于中国金融体系的研究[J].金融研究，2016(6).

[28] 张勇，彭礼杰，莫嘉浩.中国金融压力的度量及其宏观经济的非线性效应[J].统计研究，2017(1).

[29] 陈忠阳，许悦.我国金融压力指数的构建与应用研究[J].当代经济科学，2016(1).

[30] 李良松.构建中国金融压力指数探析[J].上海金融，2011(8).

[31] 徐国祥，李波.中国金融压力指数的构建及动态传导效应研究[J].统计研究，2017(4).

[32] 刘民权，孙波.商业地价形成机制、房地产泡沫及其治理[J].金融研究，2009(10).

[33] 史桂芬，刘欢，陈昕.以财税政策助推农民工返乡创业[J].税务研究，2015(10).

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

[35] Josse Julie，and François Husson.HandlingMissingValuesinExploratoryMultivariateDataAnalysisMethods[J].Journal de la Société Française de Statistique，2012，153(2).