■中國人民銀行南昌中心支行經常項目管理處課題組

當前我國跨境資金流動的影響因素研究
——基于BP神經網絡模型

■中國人民銀行南昌中心支行經常項目管理處課題組

本文采用BP神經網絡模型對我國長短期跨境資金流動的影響因素進行了分析，對我國短期跨境資金流動形勢進行了預判?；趯嵶C結果，我國跨境資金流動主要受利率、匯率和經濟基本面因素影響，并從宏觀層面論述了我國長期跨境資金流動的管理策略，從微觀層面提出了我國短期跨境資金流動的管理措施。本文認為，長期跨境資金流動管理，應協同推進利率與匯率市場化改革，促進國內外監(jiān)管協作，完善宏觀審慎政策工具框架；短期跨境資金流動管理，應轉變外匯監(jiān)管制度，創(chuàng)新微觀審慎工具，完善外匯市場自律機制。

利率市場化；資本賬戶開放；宏觀審慎管理；微觀審慎；外匯監(jiān)管

一、引言

跨境資金流動為一國國際收支活動在資金層面的反映，是一個經濟體資金跨越經濟體管轄區(qū)域范圍流動的情況。它與跨境資本流動存在著本質區(qū)別，不是同一概念①跨境資本流動的本質是一國居民進行跨越國界的資本配置行為所引發(fā)的以多種形式為載體的跨越國別的資本流動，它不僅僅是一個地域的概念，更是一個交易的概念。跨境資本流動主要由一國的國際收支平衡表中的資本與金融項目體現出來,而跨境資金流動主要由經常項目反映出來。。想要系統地研究一國跨境資金流動的影響因素，不僅需要關注國際經濟形勢變化，更需要考察該國國內經濟發(fā)展狀況。當前，美聯儲的持續(xù)加息和國內經濟增速的放緩，使得我國跨境資金雙向波動態(tài)勢明顯，短期內面臨著較大的跨境資金流出壓力。從統計數據上看，美聯儲的每次預期加息都伴隨著我國跨境資金流出壓力的加大，2015年8月、2015年底及2016年一季度、2016年三季度，受美聯儲加息的影響，中國跨境資金流出壓力明顯增加。其中，跨境資金流動出壓力最大的時期是2015年底至2016年初，2015年12月外匯儲備余額單月下降了1079億美元，2016年1月又下降了995億美元，之后流出壓力有所緩解，但整體仍然呈現了流出態(tài)勢。

本文研究的文獻資料主要從兩個方面展開：一是跨境資金流動影響因素；二是跨境資金流動的監(jiān)管。從跨境資金流動的影響因素看，國內外研究的成果趨于一致，主要集中于匯率、利率、經濟發(fā)展狀況及風險偏好等方面。通常會選取多個國家作為研究對象，以發(fā)現世界范圍內導致短期跨境資本流動的一般性影響因素，主要可以歸結為外部因素的推動和內部因素的拉動（Forbes&Chinn，2004；Chudik&Fratzscher，2012；張明和肖立晟，2014；等等）。從跨境資金流動的監(jiān)管看，國外更加側重于利用宏觀審慎和托賓稅對跨境資金流動進行管理，國內學者研究更加廣泛，除上述兩種手段外，還研究了包括利用行政手段、價格手段和市場化手段或組合手段來加強對跨境資金流動的管理（Arora，2012；潘功勝，2017；鄭薇，2017；等等）。

從目前已有的研究成果來看，對跨境資金流動的影響因素及預判主要是通過構建計量模型來實現的，但隨著跨境資金流動的影響因素復雜程度的提高，經典的計量模型受到因果檢驗的限制，導致研究多個經濟變量間關系的可信度降低。從現有研究來看，運用機器學習的數據挖掘方法來研究經濟變量的文獻不多，薛曄等（2016）利用決策樹和BP神經網絡模型分析我國通貨膨脹的因素并對通貨膨脹做預測，是一次運用數據挖掘的方式分析經濟變量的一次新嘗試，得到的結果較為精確。本文借鑒決策樹和神經網絡相結合的模型試圖對我國長短期跨境資金流動的影響因素進行分析與檢驗，并在此基礎上對我國短期跨境資金流動形勢做出預判，也是運用新的途徑為分析宏觀經濟問題提供嘗試。

二、研究設計

（一）變量選取和數據說明

（二）模型介紹和構建

1.決策樹也稱樹結構，因為其構造不需要任何參數的設置，適用于探測式知識發(fā)現，能較好的擬合變量間的非線性關系，且容易轉換成分類規(guī)則，更加直觀，可解釋性很高。構造樹結構最關鍵的是結點的分裂選擇屬性，不同的算法直接區(qū)別在于屬性選擇度量方法的不同，兩種主要算法為：C&RT算法和基于信息增益的ID3算法。本文使用的統計分析軟件為IBM SPSS Statistics 23，其中分析功能中的分類有樹結構分析，采用的分類方法為C&RT（classification and regression tree）分類回歸樹，該方法是通過度量數據分區(qū)的不純度來選擇分裂選擇屬性，當C&RT為回歸樹時，特征選擇按照最小化誤差平方和進行，選擇使誤差平方和最小的特征作為切分點，以此規(guī)則不斷生成樹，當C&RT為分類樹時，按照基尼指數進行特征選擇，分類問題中，假設訓練數據D有k個類，第i類樣本數現特征A將訓練數據D劃分為2塊，因為C&RT樹規(guī)定每個特征將當前空間劃分為2塊，將2塊樣本大小分別為基尼指數表示訓練數據的不確定性，Gini（D，A）表示經過特征A分割后數據的不確定性，在樹的生成過程中，在所有可能的特征A以及它們最有可能的切分點a中選擇基尼系數最小的特征及其對應的切分點作為最有特征與最優(yōu)切分點。

2.BP神經網絡。神經網絡模型起源于對人類大腦思維模式的研究，它是一個非線性的數據建模工具，由輸入層和輸出層、一個或者多個隱藏層構成神經元，神經元之間的連接賦予相關的權重，訓練學習算法在迭代過程中不斷調整這些權重，從而使得預測誤差最小化并給出預測精度（見圖1）。BP神經網絡是一種結合BP算法多層感知器神經網絡，屬于前饋式有監(jiān)督的學習技術，它可以發(fā)現極為復雜的關系，可以根據預測變量的值來生成一個或多個因變量（目標變量）的預測模型。BP神經網絡可以通過逆向傳播來不斷調整網絡的權值和閾值，使得誤差平方和最小。實際上，1989年Robert Hecht-Nielsen證明了對于任何閉區(qū)間內的一個連續(xù)函數都可以用一個隱含層的BP神經網絡來逼近，即萬能逼近定理。

圖1 神經網絡建模過程

3.BP神經網絡的建模過程。通常包括三個步驟：（1）隱含層的選取。在BP神經網絡中，輸入層和輸出層的節(jié)點個數都是確定的，而隱含層節(jié)點個數不確定，有一個經驗公式可以確定隱含層節(jié)點數目，h=m+n+a，其中h為隱含層節(jié)點數目，m為輸入層節(jié)點數目，n為輸出層節(jié)點數目，a為[1,10]之間的調節(jié)常數。（2）對所有權值和閾值做初始化。將它們設為一個較小的隨機數，然后進行輸入的正向傳播。根據隱含層和輸出層各單元輸入的線性組合計算出相應各單元的輸出。方法為：Sj=，其中f為激活函數，一般選取S型或者線性函數，如f（Sj）=1/（1+e-1）作用于純輸入Sj形成該單元的輸出Oj=1/（1+e-Sj）。（3）誤差的逆向傳播及權值閾值的更新，即反向傳遞子過程。該過程基于Windrow-Hoff學習規(guī)則，假設輸出層所有結果為Oj，誤差函數，根據δ學習規(guī)則，通過改變神經元之間的連接權值來減少系統實際輸出和期望輸出的誤差，即Windrow-Hoff學習規(guī)則（又稱糾錯學習規(guī)則）經過復雜計算調整后，隱含層和輸出層之間的權值和閾值調整為：wij=wij-η1δijxi，bj=bj-η2δij。輸入層和隱含層之間的權值和閾值調整為：wki=wki-η1δkixk，bi=bi-η2δki。本文使用的統計分析軟件為IBM SPSS Statistics 23，使用分析功能中的神經網絡多層感知器。

三、實證分析

本文首先使用決策樹方法做屬性選擇，形成分類規(guī)則后，選出最優(yōu)指標，再結合BP神經網絡模型，輸入最優(yōu)指標對跨境資金的流動情況做預判。

（一）指標預處理

為了提高跨進資金流動預判的準確度，宏觀經濟活動的構成具有復雜性，決策樹方法屬于數據挖掘方法，是就數據來進行學習訓練的，缺乏相應的經濟理論支撐，因此我們先結合分布滯后模型來對跨境資金流動的影響因素做滯后性檢驗。根據ADF平穩(wěn)性檢驗和AIC、HQ等信息準則，得到平穩(wěn)性檢驗和滯后階數結果，各變量的滯后階數均取1，據此，建立如下分布滯后模型，用Almon多項式對分布滯后模型做估計。其中Xi表示影響因素，j為滯后階數。μt。結果顯示，模型整體顯著，其中股票投資收益SP、人民幣實際有效匯率EX、工業(yè)增加值IPV、匯率預期EE滯后一期、國內基準利率RATE滯后一期、美元指數USEX滯后一期、美國貨幣政策USM2滯后一期、美國聯邦基準利率USRATE滯后一期對長期跨境資金流動影響顯著；美元指數USEX及其滯后一期、美國經濟增長USGDP、股票價格投資收益SP及其滯后一期、人民幣實際有效匯率EX滯后一期、泰德利差TED滯后一期、VIX指數滯后一期對短期跨境資金流動影響顯著（詳見表1）。選擇上述顯著指標為決策樹的備選指標。

二、中職學生自主學習能力現狀分析通過對本校學生的調查，能主動學習的只有26%。不難發(fā)現，中職學生自主學習能力低，狀況令人堪憂。原因分析如下：

表1 分布滯后模型參數估計結果

（二）基于決策樹的指標選擇和BP神經網絡的預測

根據決策樹算法對備選指標做篩選，根據C&RT算法初步構造決策樹，EX、IPV和USEX(-1)對長期跨境資金的流動擬合時分類準確率最高；EX（-1）、SP(-1)和USEX(-1)對短期跨境資金的流動擬合時分類準確率最高，詳見表2。根據神經網絡算法及用于預測長期跨境資金的指標分別為：人民幣實際有效匯率EX、工業(yè)增加值增速IPV和美元指數USEX滯后一期；用于預測短期跨境資金的指標分別為：人民幣實際有效匯率EX滯后一期、股票投資收益SP滯后一期和美元指數USEX滯后一期。結合以上指標對我國跨境資金的流動情況做出預測。不斷調整其權值和閾值使網絡的分類準確率達到最大，即BP神經網絡達到最優(yōu)，即使得驗證機的誤分類率最低，得到的權重和偏誤最優(yōu)，隱藏單元均為1個。將以上指標分別作為BP神經網絡模型的協變量，下個周期的長期跨境資金和短期跨境資金流動作為BP神經網絡的目標變量。輸入指標數據后，通過迭代得到參數估計值（表3、4）。分析表明，人民幣實際有效匯率及其滯后一期和美元指數滯后一期對跨境資金流動的影響最為明顯。其中匯率對跨境資金流動的影響主要體現在影響本幣和外匯資產收益的差值，而美元指數的強弱影響國際資本流動的方向；經濟增長是影響跨境資金流動的基本面因素；股票投資收益很大程度影響外資的流動方向。

表2 自變量的重要性

表3 長期參數估計值

表4 短期參數估計值

（三）模型預測功能檢驗

將測試集分別用BP神經網絡和ARMA模型對我國短期跨境資金流動做預測。（1）絕對值的準確度計算。用決策樹BP神經網絡預測2017年3～6月份的短期跨境資金流動凈額（詳見表5），與實際發(fā)生額對比，準確率約為72%；（2）異常值的判斷。本文借鑒主流貨幣危機模型對于“危機”的定義方法，計算短期跨境資金流動的均值μ和標準差σ，并將短期跨境資金流動凈值超過（μ±σ）范圍的定義為跨境資金異常流動，超過上限μ+σ定義為異常流入，低于下限μ-σ定義為異常流出。鑒于此，計算出1999年1月至2017年2月期間（樣本容量為218）短期跨境資金流動的上下限分別為375和-594（單位：億美元）。結果如表6，表明BP神經網絡模型更為準確，預測短期跨境資金是否處于合理范圍內的功能較好，且預測的2017年3～6月的跨境資金流動凈額與實際發(fā)生額的范圍判斷基本一致（除6月份預測值處于正常范圍，但實際值為存在異常流出）。這得益于決策樹算法本身擁有較為完善的屬性選擇機制，使得結果較為穩(wěn)健，容易形成分類規(guī)則，以便于前期監(jiān)測和風險預防控制，神經網絡模型可以用線性和非線性的形式以任意精度逼近任意復雜問題，因此，不僅提高模型的可解釋性和對指標的監(jiān)測控制能力，還能提高預測結果的準確度。

四、進一步分析：對短期跨境資金流動的預判

鑒于波動性的短期跨境資金流動的風險性，有必要設定不同的情形，分析可能出現的情況，再結合要素分析和當前的經濟金融形勢，對我國短期跨境資金做出合理的形勢預判。

表5 預測2017年3～6月短期跨境資金流動凈額與實際發(fā)生額單位：億美元

表6 短期跨境資金FC預測結果比較

（一）情景分析

結合世界經濟增長放緩的背景，未來我國短期跨境資金流動可能出現三種情形。一是流出壓力加大。前提條件是世界經濟持續(xù)衰退，我國經濟也因此遭受嚴重的外部沖擊，在此背景下，我國短期套利資本將持續(xù)流出。二是維持凈流出形勢但凈額下降。此情形的前提條件是我國經濟增速放緩，國際金融動蕩加劇，導致全球投資風險偏好下降，即國際資本流動的活躍度下降，短期套利需求減少。三是逆轉為凈流入。前提是我國經濟企穩(wěn)向好發(fā)展，不受世界經濟增長放緩影響。但我國經濟已經融入經濟金融全球化，因此更容易受到外部沖擊。

（二）要素分析

根據前文利用決策樹和BP神經網絡模型對短期跨境資金的分析，主要影響因素集中在人民幣匯率、我國股票收益和美元指數。從人民幣匯率角度來看，主要取決于國內經濟運行、美元走勢等方面。通常說來，經濟強則貨幣強，我國目前正處于經濟轉型升級期，當我國經濟實現轉型升級后，人民幣匯率和跨境資金流動都將回歸經濟基本面，人民幣在未來仍將是具有潛力的強勢貨幣。從我國資本市場角度來看，主要與貨幣政策、監(jiān)管層貫徹金融市場去杠桿以及市場融資需求密切相關。近兩年來，在穩(wěn)健貨幣政策影響下，市場資金面相對充裕，融資成本較低，縱觀2016年，股票市場整體表現震蕩，雖然監(jiān)管層加強了對券商資管產品的杠桿倍率監(jiān)管，但市場的震蕩同時刺激資本市場當中各類企業(yè)并購重組活動激增，對資金的需求旺盛，這為活躍資本市場提供基礎。從美元走勢角度來看，主要有以下三方面的因素有關：一是與全球主要央行的貨幣政策分化程度緊密相關，若美聯儲加息進程放緩，歐央行和日本銀行貨幣刺激不進一步加碼，則美元走勢將會受到很大制約；二是市場對于未來美元走勢本身存在分歧，部分認為美元升值大部分已完成，部分認為美元升值僅在中場；三是目前全球從金融風險急劇期進入風險暴露期，國際金融動蕩將取代美元匯率，成為國際資本流動的重要因素。

（三）2017年下半年我國短期跨境資金的預判

從歷史數據來看人民幣匯率、美元指數和我國股市收益三個影響因素的走勢。結合歷史數據分析，判斷人民幣匯率小幅升值，以2016年～2017年6月的均值123.6作為人民幣有效匯率預計值；美元走勢雖有回落但鑒于其影響是短期的，美元指數可能小幅反彈，以2016年1月～2017年7月的均值99.24作為美元指數預計值；我國股市走勢良好，以2016年1～2017年7月均值3057.81加上一個平均環(huán)比增長值作為股票收益的預計值。運用BP神經網絡模型估計的參數，計算得到下一周期的短期跨境資金流動值為-506億美元，即短期跨境資金流出506億美元，根據前文對于異常跨境資金流動的范圍的判斷，尚在合理流動范圍，屬于情景分析的第二種情形。

五、政策建議

（一）我國長期跨境資金流動的管理策略

隨著我國市場化和國際化程度的不斷提高，未來我國跨境資金流動規(guī)模將日益擴大，對國際國內金融形勢變化的敏感程度也將越來越高。因此，從宏觀層面來講，對于跨境資金流動的管理應樹立“市場主導觀念”、“協同監(jiān)管概念”和“宏觀審慎管理理念”，具體到跨境資金流動的宏觀管理對策，可歸結為：

1.協同推進利率與匯率市場化改革，減緩跨境資金流動沖擊。隨著存款利率上限逐步擴大并完全放開，銀行之間為了吸收存款會競相提高存款利率，存款利率上升會加快資本流入。此時，匯率波動幅度若沒有適時擴大，境外資金由于成本較低而大規(guī)模流入，將對國內貨幣政策操作形成制約。若此時匯率波動幅度逐漸放寬，當資本流入壓力較大時，匯率可以階段性的升值，這就會提高資本流入的成本，從而在一定程度上起到限制流入的作用。另外，在協同推進利率、匯率市場化改革時，還應對前期人民幣匯率波幅擴大和存款利率上浮擴大后的效果進行跟蹤評估，分析金融機構、企業(yè)和個人的承受能力，在匯率和存款利率在新的區(qū)間運行一段時間后，再考慮進一步擴大匯率波動幅度和存款利率上浮空間。

2.促進國內外監(jiān)管協作，形成跨境資金流動的監(jiān)管合力。近年來，在跨部門協同監(jiān)管方面，國家外匯管理局與海關總署、國家稅務總局加快推進跨部門信息互換、監(jiān)管互認、執(zhí)法互助，加大信息共享力度，不斷完善事中事后監(jiān)管體系，提高監(jiān)管效能（潘功勝，2017）。下一步，外匯管理部門應明確各監(jiān)管部門在跨境資金流動監(jiān)管工作中的責任，構建全方位、多層次的數據監(jiān)測、分析、預警和管理體系。在國際間協作方面，應密切關注國際和國內金融市場的聯動效應，健全與完善相關法律法規(guī)，并建立起相應的監(jiān)督機構，從而形成全球范圍內的跨境資金流動風險的預警體系。在跨境資金流動風險的預警指標設置上，應包含國內宏觀經濟運行指標、國內金融機構運行指標和國際經濟金融運行指標，使其能及時提示可能出現的跨境資金流動的方向性變化和壓力累積的情況，并區(qū)分風險級別和防范目標。

3.完善宏觀審慎政策工具框架，維護國家金融穩(wěn)定。為堅決守住不發(fā)生系統性金融風險的底線，維護國家的金融穩(wěn)定與安全，必須進一步完善跨境資金流動的宏觀審慎政策工具框架。2015年以來，我國實施的宏觀審慎工具包括：建立跨境融資宏觀風險監(jiān)測指標體系，運用跨境融資杠桿率、風險轉換因子、宏觀審慎調節(jié)參數等進行逆周期調節(jié)；對開展代客遠期售匯業(yè)務的金融機構收取外匯風險準備金，交存比例20%，凍結期1年，利率為0；擴大銀行結售匯綜合頭寸下限；豐富遠期結匯交割方式，按照實需原則，到期交割方式可自主選擇全額或差額結算（鄭薇，2017）。下一步，為防范匯率波動風險，可采取外匯頭寸限額管理，按日對金融機構外匯頭寸限額進行監(jiān)測，保證金融機構外匯超買頭寸總額和超賣頭寸總額兩者中的較大者不能超過該機構股本的一定比例（如20%）。

（二）我國短期跨境資金流動的管理措施

基于前文對我國短期跨境資金流動形勢的預判，有針對性地提出以下幾條應對我國短期跨境資金流動的管理措施。

1.轉變外匯監(jiān)管制度，構建主體監(jiān)管框架。為更有效地監(jiān)管市場主體，必須構建主體監(jiān)管框架，并在主體監(jiān)管的框架下實現主體監(jiān)管和行為監(jiān)管的有機結合。主體監(jiān)管框架的建立包括全口徑非現場監(jiān)測系統的建立、內部組織機構的調整和業(yè)務管理流程的設置三大部分內容：一是建立經常項目和資本項目外匯收支全口徑數據采集平臺，通過全口徑采集信息、設置監(jiān)測預警指標和綜合風險評級來完成對交易主體的統計、分析、監(jiān)測和預警；二是將經常和資本兩個部門合并后分為金融機構監(jiān)管部門、企業(yè)監(jiān)管部門和個人監(jiān)管部門，針對不同市場主體實施更加有針對性的外匯監(jiān)管和服務；三是按不同任務設置業(yè)務管理流程和崗位，依次為“外匯服務—非現場監(jiān)測—現場檢查—綜合評價—宏觀分析”。

2.創(chuàng)新微觀審慎工具，規(guī)范微觀主體行為。隨著監(jiān)管方式的轉變和風險防范意識的增強，外匯管理部門應在風險識別和判斷的基礎上確定多層次的監(jiān)管政策工具，使微觀審慎監(jiān)管政策工具與風險防控完美契合。具體來看，對于風險初級階段，可采取交易規(guī)模限制管理、交易頻次限制管理、負面清單管理和風險提示管理等工具，對于風險中高級階段，可采取市場準入限制管理、有條件的強制結售匯管理、更嚴格的單證審查管理、限制負面清單企業(yè)交易管理和專項核查管理等工具（宋國軍和張錦增，2017）。

3.完善外匯市場自律機制，嚴格落實銀行職責。為更好地發(fā)揮外匯市場自律機制的作用，需要從以下幾個方面對其加以完善：一是形成統一完備的自律規(guī)則，可考慮制定《外匯業(yè)務自律公約》、《外匯業(yè)務自律工作機制》等，成員單位應嚴格遵守自律公約，共同推動公約目標的實現；二是建立完善的激勵約束機制。對于自律執(zhí)行到位的銀行給予新政策先行先試等獎勵，對自律執(zhí)行不到位的銀行設定不同的懲罰規(guī)定；三是督促銀行完善內部控制建設，可考慮將對銀行的自律要求細化為銀行內控制度建設方面的具體規(guī)定，并定期開展銀行內控機制運行情況檢查；四是發(fā)揮外部中介組織的中堅力量。借鑒國外經驗，擴大中介機構的職能，定期報告銀行對監(jiān)管部門規(guī)定和要求的執(zhí)行情況，以提高現有監(jiān)管效率，形成對外匯業(yè)務的社會監(jiān)督。

[1]國家外匯管理局.中國跨境資金流動監(jiān)測報告2014[M].中國金融出版社，2015.

[2]潘功勝.中國外匯市場的政策框架及管理取向[J].當代金融家,2017，(5):27～31.

[3]宋國軍,張錦增.經常項目跨境資金流動管理研究——基于微觀審慎監(jiān)管的視角[J].河北金融,2017，(7).

[4]薛曄,藺琦珠,任耀.我國通貨膨脹風險的預測模型——基于決策樹-BP神經網絡[J].經濟問題,2016，(1):82～89.

[5]張明，肖立晟.國際資本流動的驅動因素:新興市場與發(fā)達經濟體的比較[J].世界經濟,2014，(8):151～172.

[6]趙大偉.大數據技術驅動下的互聯網消費金融研究[J].金融與經濟,2017，(1):41～45.

[7]趙龍凱，陸子昱，王致遠.眾里尋“股”千百度——股票收益率與百度搜索量關系的實證探究[J].金融研究，2013，(4):183～195.

[8]鄭薇.審慎監(jiān)管框架下的外匯管理實踐與思考[J].中國外匯,2017，(9):26～27.

[9]中國人民銀行南昌中心支行課題組.新興市場國家管理跨境資本流動的經驗與啟示[J].金融與經濟,2015,(11):29～34.

[10]楊雪芬，彭浩東.短期跨境資金流動的波動性及其影響因素研究[J].金融與經濟，2016，（11）：26～32.

[11]朱南麗，鄒平，張永平,等.基于博客/微博信息量的投資者關注度測量研究——來自中國股票市場的經驗數據[J].經濟問題探索，2015，（2）：159～166.

[12]AroraA.LiquidityEffectsofBuyback Announcements:Evidence for Indian Capital Markets[J].Apeejay Journal of Management&Technology,Vol.7,No.1,2012.

[13]Chudik A,Fratzscher M.Liquidity,Risk and the Global Transmission of the 2007-08 Financial Crisis and the 2010～2011 Sovereign Debt Crisis[J].Globalization&Monetary Policy Institute Working Paper,2012,182(1):273～283.

[14]Financial Stability Board，Overview of Progress in the Forbes K J,Chinn M D.A Decomposition of Global Linkages in Financial Markets over Time[J].Review of Economics&Statistics，2004，86(3):705～722.

[15]Implementation of the G20Recommendations for Strengthening Financial Stability，November 2011；G-SIFI：GlobalSystemicallyImportant Financial Institution.

F830.92

A

1006-169X（2017）10-0051-07

10.19622/j.cnki.cn36-1005/f.2017.10.007

中國人民銀行南昌中心支行經常項目管理處課題組組長：魏有春；成員：陳強，謝娟，馮志鵬，萬遠鵬。（江西南昌330008）