宏观审慎政策框架下中国系统性金融风险预警研究

摘要： 本文探讨了宏观审慎政策在防范和化解中国系统性金融风险中的核心作用。通过构建包含宏微观经济及宏观审慎政策维度的指标体系，运用随机森林、XGBoost 等机器学习模型及 TVP-VAR 动态计量模型，实证分析了政策工具的预警贡献及其与金融开放、跨境资本流动的动态响应机制。

政策要点：

1. 核心调控工具：宏观审慎政策通过逆周期调节工具限制杠杆率，增强金融体系稳健性。其中，综合工具、银行信贷工具和借款人工具在风险预警中的边际贡献最为显著。
2. 预警模型构建：基于 2008-2023 年数据，构建了涵盖 24 个指标的体系，证实随机森林和 XGBoost 模型对系统性金融风险的预警效果最优。
3. 动态响应特征：宏观审慎政策、金融开放与跨境资本流动之间具有显著的阶段性特征，呈现出“短期重安全，中期求平衡，长期促效率”的动态权衡。

影响链条：

1. 风险缓释路径：综合工具通过抑制信贷顺周期性消解时间维度风险，通过降低跨机构传染解决结构维度风险；银行信贷工具则通过控制信贷规模防止过热。
2. 交互影响机制：金融开放会引起跨境资本流动波动，进而促使宏观审慎政策进行紧缩或扩张响应；反之，宏观审慎政策的实施也会在短中期内影响资本流动速度与金融开放的调整节奏。

落地节奏与风险：

1. 监测与预警：建议建立高频化监测体系，重点跟踪关键政策指标，并利用可解释机器学习模型（如 SHAP）形成透明的预警机制。
2. 差异化处置：在经济上行期强化信贷约束与杠杆管控，下行期适度宽松，避免政策超调。
3. 协同平衡：在深化金融开放的同时，完善跨境资本流动工具箱，确保在提升金融效率的同时维持系统性安全。