近几十年世界各地的金融危机使跨境资本流动风险真正引起业界重视，早期研究通常以“Mundell—Fleming”模型为基础，通过宏观经济变量的相互联系推导出风险与危机的发生机理并构建模型，在计量上多数通过计算资本流动的波动值来研究其对金融稳定性的影响。如Calvo等（1996）指出，资本流动大幅波动会对稳态经济造成影响，但视角比较单一，仅仅从汇率上升会损伤战略经济部门竞争力的角度来看资本流动风险。Taylor（2004）认为，跨境资本流入导致汇率上升后会不利于出口，从而影响产出且导致信贷收缩，最终带来金融风险。Chari等（2005）用跨境资本流动“突然停止”来解释其风险，并认为这种“Sudden Stops”引发金融危机。这类研究主要是观察到一个国家在金融危机发生之前通常面临跨境资本流入，在突然出现跨境资本流入大幅下降甚至逆转流出——即“Sudden Stops”之后，风险积累达到极限并爆发危机，主要是货币危机（Honig, 2008）。

经济增长前沿课题组（2005）的研究率先意识到“信贷乘数具有顺周期的特点”，并以此分析了资本大量流入带来的信贷风险、汇率风险和流动性风险，通过建立带扭曲因素的资本流动与宏观稳定模型，得出在一定情况下（如经常账户恶化导致国家对外支付能力不足），大量资本外流产生危机的结论，并说明了经济扭曲会加剧这种由资本流动引起的宏观经济不稳定。因此，该模型基于顺周期行为认识跨境资本流动系统性风险，其局限在于并未用数据进行拟合和检验，因而在2008年金融危机之前也并未引起足够重视。

2008年金融危机后，从系统性风险的角度来认识跨境资本流动逐渐成为趋势。系统性风险起源于证券市场的研究，对危机的反思赋予其新的内涵，指金融体系内可能引发危机的风险，特别是金融机构顺周期行为。资本尤其是短期资本大幅流入会通过金融加速器影响资产负债表和总需求水平，扭曲投融资决策，导致国内信贷过度投放（特别是外币贷款）以及各类资产价格上涨，增加金融系统脆弱性（Rothenberg和Warnock，2011；Forbes和Warnock，2012)。同时，不少学者用多国数据印证了货币升值的结果导致国内信贷扩张这一结论，认为正是因为信贷活动扩张才导致了金融危机爆发。Gourinchas和Obstfeld（2012）运用面板数据对1973−2010年各类发达经济体和新兴经济体发生的金融危机进行分析后指出，实际汇率升值和国内的信贷扩张是金融危机最重要的预测指标。孙国峰和李文喆(2017)指出，若在经济繁荣期放任资本流入完全不管，国内信贷会受到资本流入的影响出现大幅扩张，还会推动实际汇率升值，最终增加金融危机发生概率。韩乾等（2017）指出，短期国际资本进入我国境内，使企业的融资成本显著降低，其途径主要是进入了当地的银行存款，通过银行扩张信贷，尤其外贸发达地区更是如此。

银行风险承担渠道理论认为，低利率环境可使金融中介信贷活动扩张，风险选择趋于激进，金融系统加总风险将被推升，危机爆发的可能性加大（Borio和Zhu, 2012；Maddaloni和Peydro，2013；Giovanni等，2016）。何国华和李洁（2018）依据该理论构建出跨境资本与金融风险的内生性关系DSGE模型，发现在跨境资本流入阶段，金融加总风险通过金融中介道德风险、实体部门借贷利率及金融系统杠杆开始累积，当风险增加到一定时候，就会使金融中介集体抛售使资产价格骤降，导致跨境资本流出，进而产生金融系统被动去杠杆。

风险跨市场传染也是学者对系统性风险的一种特征刻画，资本流动所带来的风险跨境传染也为研究所重视。其途径比较复杂，如Rey (2013)发现，核心国家（主要是指美国）的货币政策会对其他国家银行体系的杠杆率、信贷流动和信贷增长产生影响，同时，各国的资本流动相互之间具有很强的正相关性，并与VIX指数相关。Mohanty (2014)指出，美国等发达经济体利息政策会通过政策反应、债券市场、跨境银行借贷等渠道影响新兴经济体长短期利率。Ahmed和Zlate (2014)发现， 全球金融危机后资本流动发生了明显变化，各国资本流动对利差的敏感性更高。伍戈和陆简 (2016)指出另外一条渠道，即在全球金融一体化的背景下，信息在国际金融市场传播迅速，避险情绪有可能瞬间蔓延并影响各国货币政策效果，在全球避险情绪强于货币扩张的影响时，使货币政策效果产生削弱甚至失效，这一结论暗含着对跨境资本风险实施宏观审慎管理的必要性。

综上所述，将跨境资本流动与系统性金融风险的累积联系起来进行考虑是金融危机对理论界的倒逼。目前形成的共识是，跨境资本流动存在顺周期与跨市场传染特征；顺周期的跨境资本流动产生系统性风险最关键的渠道是通过国内信贷扩张积累风险；系统性风险爆发可以观察到跨境资本停止或逆转，但反之则不一定成立。以上结论带来的启示是，要深入分析跨境资本流动领域系统性金融风险，需要考虑到信贷扩张因素。通过将信贷乘数纳入，有可能将长短期资本结合起来建立模型并分析系统性风险的形成机制。

根据国家外汇管理局公布的国际收支平衡表进行直接分析，可以发现，总体上我国跨境资本流动呈现明显的阶段性变化特征，即长期净流入—净流出冲击—逆转向上（如图1所示）。

图  1  2010年以来跨境资本流动总体趋势

第一阶段（2010年1季度−2011年3季度）：2010年1季度到2011年3季度，我国跨境资本净流入规模在波动中下降，出现了从净流入到趋于平衡的明显变化。

第二阶段（2011年4季度−2014年1季度）：2012年至2013年，在主要发达经济体新一轮量化宽松货币政策相继实施的大背景下，跨境资本流动先在波动中攀升。进入2014年，跨境资本流入明显下降，但总体仍保持净流入。

第三阶段（2014年2季度−2016年4季度）：跨境资本总体呈现净流出态势，出现三波净流出冲击。这一时期是流出压力持续增强时期，也是出台对跨境资本宏观审慎管理政策最密集时期。其中，资本和金融账户逆差持续扩大，2015年4季度逆差1503亿美元，创出历史最高纪录。

第四阶段（2017年1季度−2018年2季度）：经过人民银行和外汇管理局持续努力，宏观审慎政策发挥作用，加上2017年全球经济同步复苏，发达经济体和新兴市场经济体增长动能普遍向好，美元指数回落，资本开始转向流入。

以国际收支平衡表的数据计算，对不同类别跨境资本进行趋势与波动分解可以发现，生产资本跨境流动趋势升降幅度较大，货币资本跨境流动趋势平稳；生产资本比货币资本更先出现流入下滑，但流出要比货币资本滞后。从资本分类来看趋势，生产资本流动趋势先升后降，呈现出周期性规律；货币资本流动趋势长期平稳，但2016年初率先达到了流出的最顶峰，随后出现三波回升；生产资本流出的顶峰比货币资本滞后半年，随后出现两波回升（见图2）。

图  2  生产资本流动和货币资本流动：趋势与波动

以上分析中有两点值得注意：其一，从波动来看，实际上生产资本波动幅度更大，货币资本长期波动幅度都较小，但是，达到“拐点Sudden Stop”后，反而极为敏感地进行了变动。其二，达到流入下滑和流出减少的速度不一样，生产资本比货币资本更先出现流入下滑，但转向流出的时间点和流出减少的时间点要比货币资本滞后。

针对跨境资本流动的各类政策最早可以追溯到2005年，但宏观审慎理念出现较晚，因此，本文就2010年−2018年2季度的政策演变进行总结（见表1）。对应观察期资本流动的趋势，我国的跨境资本宏观审慎政策工具箱不断丰富，启停实践有效实现了逆周期管理。特别是在2014年3季度刚出现大幅流出时，外汇管理局及时启动了各类宏观审慎工具，及时控流出扩流入，从而使流出趋势于2016年4季度得以扭转。值得注意的是，2017年底，我国的宏观审慎政策全部回归中性。但是，2018年2季度净流入又开始下降，3季度重启了外汇风险准备金。这一现象启示我们尝试寻找更长效的政策启停锚，因此，我们需要针对跨境资本流动可能带来的系统性风险进行分析。

“生产资本的跨国流动”与“货币资本的跨国流动”正好对应古典二分法，因此，可以将跨境资本流动分为长期跨境资本流动和短期跨境资本流动，分别建立模型来刻画风险积累机制。假定长期价格具有伸缩性而短期价格水平呈现黏性，此处的价格指物价水平。$CF$定义为外国人对本国资产的购买减去本国人对外国资产的购买，即资本净流入，包括两个部分$C{F^p}$与$C{F^m}$。

生产资本流入一个国家并不一定带来技术进步，但很可能使某类产品在更先进的技术下生产，其意义对于产出来说并无多大区别。此外，生产资本一般会带来就业增加，即增加劳动需求。因此，生产资本的流动属于真实冲击，用真实经济周期模型（RBC模型）是一个自然选择。

经济由大量相同的厂商和家庭组成，由于竞争性，两者在产品市场和要素市场上都是价格的接收者。先考虑厂商，生产要素包括资本$K$、劳动$L$、技术$A$，生产函数为柯布-道格拉斯生产函数，在$t$时期，产出可以表示为：

此处技术进入生产函数的方式为劳动增进型技术进步。同时，在开放经济环境下，产量可以划分为消费$C$、投资$I$、政府购买$G$与净出口$NX$四个部分。在$t + 1$期资本存量受以下几方面因素的影响。资本在每一期的折旧率为$\delta $，在$t + 1$期为${K_{t + 1}} = {K_t} + {I_{{t}}} - \delta {K_t}$。$t$时期新增加投资${I_{{t}}} = {Y_t} - {C_t} - {G_t} - N{X_t}$，其中，设政府采购为一外生变量$\overline G $，净出口$NX$与资本流动$CF$之和为$0$，且此处假定$CF$全部为生产性的，即生产资本在$t$时期流动设定为$CF_t^p$。因此，新增加的投资可以表示为国内产出减去消费、政府购买和净出口，但由于净出口和$CF$一般为相反数，即可得${I_{{t}}} = {Y_t} - {C_t} - \overline G + CF_t^p$，将该式代入下一期资本存量的变化中，暂时不考虑信贷支持，从而有

考虑家庭的特征，用$u\left(\cdot \right)$表示家庭成员的即期效用函数，为方便起见，具体设定其形式为对数线性${u_t} = \ln {c_t} + \tau \ln (1 - {l_t}),\tau > 0$，其中，家庭无异质性下${{c}_{t}}={}^{{{C}_{t}}}\!\!\diagup\!\!{}_{{{N}_{t}}}\;$，${{l}_{t}}={}^{{{L}_{t}}}\!\!\diagup\!\!{}_{{{N}_{t}}}\;$，该形式效用函数为相对风险回避系数不变的效用函数。令$\rho $为贴现率，${N_t}$为人口数，$H$为家庭数量，${}^{{{N}_{t}}}\!\!\diagup\!\!{}_{H}\;$为家庭的成员数量。人口的增长率为$n$，$\ln {N_t} = \overline N + nt,n < \rho $，则${N_t} = {e^{\overline N + nt}}$。典型家庭效用函数表示为：

最后考虑关键的假设，生产资本净流入$CF_t^p$使劳动生产率得到提高的方式。若没有生产资本净流动$CF_t^p$时，国内的技术进步路径可以表示为${A_t} = {e^{\overline {\rm{A}} {\rm{ + }}gt}}$；当存在生产资本净流动时，${A_t} = {e^{\overline {\rm{A}} {\rm{ + }}gt{\rm{ + }}{\zeta _t}}}$，即技术的增长率为$g$，同时受到${\zeta _t}$的冲击。其中，${\zeta _t}$为生产资本流动所带来，${\zeta _t} = \frac{{CF_t^p}}{{CF_{t - 1}^p}}{\zeta _{t - 1}} + {\varepsilon _{A,t}}$，其中${\varepsilon _{A,t}}$为白噪音，生产资本流动的跨期变化主要受资本的边际收益的影响。

考虑厂商和家庭的行为，相对来说，厂商的行为较为简单，劳动和资本都获得其边际产品：

家庭的行为即在预算约束下最大化其效用。考虑$t$时期的典型家庭按照最优方法来选择消费和劳动供给。令消费边际成本和预期的边际效用收益相等，可以得到如下等式：${e^{ - \rho t}}({N_t}/H)(\Delta c/{c_t}) = {E_t}\left[ {{e^{ - \rho (t + 1)}}({N_{t + 1}}/H)(1/{c_{t + 1}})(1 + {r_{t + 1}}){e^{ - n}}\Delta c} \right]$。利用${N_{t + 1}} = {e^n}{N_t}$进而可得：

另外，家庭在选择劳动供给时，令增加$\Delta l$的劳动所带来的边际成本${e^{ - \rho t}}({N_t}/H) $$\left[ {\tau /(1 - {l_t})} \right]\Delta l$与获得的边际收益${e^{ - \rho t}}({N_t}/H){w_t}\Delta l(1/{c_t})$相等，可得家庭行为方程：

为求解以上的模型，令$\delta = 1$，政府购买$\overline G $为产出的一个比例${\sigma _t}$，生产资本净流入为产出的一个比例${\eta _t}$。设定储蓄率为${s_t}$，即可得${K_{t + 1}} = ({{\rm{s}}_{{t}}}{\rm{ - }}{\sigma _t} + {\eta _t}){Y_t}$。将消费${{c}_{t}}={}^{{{C}_{t}}}\!\!\diagup\!\!{}_{{{N}_{t}}}\;={}^{(1-{{s}_{t}}){{Y}_{t}}}\!\!\diagup\!\!{}_{{{N}_{t}}}\;$，利率${r_{t + 1}} + 1 = \alpha {\left( {\dfrac{{{K_{t + 1}}}}{{{A_{t + 1}}{L_{t + 1}}}}} \right)^{\alpha - 1}} = \alpha {Y_{t + 1}}/{K_{t + 1}}$和家庭行为结合起来进行对数线性化，可以得到：

若存在适应性预期，则储蓄率不变，也即：$\ln ({K_{t + 1}}/{Y_t}) = - \rho + \ln \alpha + n$，从而可以有${K_{t+ 1}}/{Y_t} =({{\rm{s}}_{{t}}}-{\sigma _t} + {\eta _t}) = \alpha {e^{n - \rho }}$。让${\sigma _t}$固定为$\sigma $，${\eta _t}$固定为$\eta $。储蓄率${{\rm{s}}_{{t}}} = \alpha {e^{n - \rho }} + \sigma {\rm{ - }}\eta $，为一个常数$\overline s $，不随时间变化。将$\overline s $以及${w_t} = \left( {{\rm{1 - }}\alpha } \right){Y_t}/({l_t}{N_t})$和家庭第二个行为方程结合起来进行对数线性化可得：${l_t} = (1 - \alpha)/\left[ {(1 - \alpha) + b(1 - \overline s)} \right]$，也为一个常数$\overline l $。因此，储蓄率和劳动供给不变情况下，产出的增长主要取决于技术和资本存量。根据产出函数有$\ln {Y_t} = \alpha \ln {K_t} + (1 - \alpha)(\ln {A_{{t}}} + \ln {L_{{t}}})$，并将$\overline s $、$\overline l $和前面关于技术、人口的假定结合起来考虑。可以发现：

对该式进一步分析，生产资本是如何影响产量变化的，以及引起怎样的变化。整个模型中，虽然$\eta $不变，但若生产资本流入数量增加，则带来技术冲击即${\zeta _t}$的变化，从而使本期产量增加。若放松$\eta $不变的假定，生产资本数量占产出比重$\eta $增加，则会带来$\overline s $下降、$\overline l $下降的变化，不利于产出增加。因此，长期来看，生产资本流入唯一使产量增加的途径为技术溢出，但是此类资本流入在一定情况下（占产出的比重发生较大变化）也会导致储蓄率和劳动供给减少。当减少的力量大于因技术引进增加的力量时，产出发生减少，对产量的综合影响取决于两种力量的对比。

货币资本的流动属于短期冲击，可以使用一个泡沫模型来刻画短期资本流动如何造就泡沫并使之破灭的。短期资本的基本函数如下：

即货币资本流入主要在于国内外利差${r_{{t}}} - r_t^*$，兼顾考虑风险因素${q_t}$。令参数$\mu $为信贷乘数，参考经济增长前沿课题组（2005）对信贷乘数的顺周期性进行设定：

$\mu $的变化分成${\mu _{\rm{d}}}$与${\mu _{\rm{f}}}$两个部分，受经济周期和外资流入的影响，${\kappa _1}$为周期因子，$\overline \mu $为封闭经济时自然乘数，${\kappa _2}$为短期资本流动因子，${\mu _{{f}}}(C{F^m})$随资本流入而变大，但达到临界值后会突然变化为0。一个合理的假定是经济周期处于高涨之前时，短期资本流入较少，该乘数取值范围为（0，1）；当经济高涨时，加杠杆行为使乘数取值大于等于1，泡沫出现在高涨阶段。

下面仅考虑乘数大于1的情况。令${q_t}$为$t$时出现的一个泡沫。该泡沫的基本结构是：Bubble以${\rm{1/}}\mu $的概率为${q_{{{t - 1}}}}(1 + {r_{{t}}})\mu $，以$1 - {\rm{1/}}\mu $的概率为0。可以看出，该泡沫具有自我膨胀的特点，膨胀的速度为$(1 + {r_{{t}}})\mu $，泡沫随真实利率增加而增加。信贷乘数的不断增加也会使泡沫变大，但同时使泡沫变为0的概率增加。设经过${\rm{s}}$时间后该泡沫爆掉，则可以计算出其概率为：

以上的短期分析表明，短期跨境资本流动$C{F^m}$与泡沫${q_t}$有相互加强的趋势。其中$C{F^m}$受利差的刺激流入，但若泡沫加强到一定程度，则会促使流动方向反转；${q_t}$则随利率与信贷乘数增加而变大，但信贷乘数会随短期资本流入而变大，从而使泡沫增加；这一相互加强的过程会在经济高涨阶段持续进行，直至泡沫破裂，资本流向反转。

在前面长期分析中，没有将信贷乘数纳入，本节将其纳入并进一步分析。其中，信贷乘数又受短期资本变化影响，因此， 将长期资本流动和短期资本流动的泡沫结合起来的关键在于信贷乘数。

短期资本流入促进信贷乘数$\mu $增加，泡沫${q_t}$增加同时投资增加。因此，厂商每次可以根据上一期的资本存量获得下一期投资的金额${I_{t + 1}} = (1 + \mu){K_t}$。原来的RBC模型中的资本存量可以写成${K_{t + 1}} = {I_t} = (1 + \mu){K_{t - 1}}$，从而有${K_{t + 1}} = {(1 + \mu)^{\frac{{t + 1}}{2}}}{K_0}$。又因为${K_{t + 1}} = ({{\rm{s}}_{{t}}}{\rm{ - }}{\sigma _t} + {\eta _t}){Y_t}$，可以得到产量和初始资本存量、储蓄率、生产资本流入比重、政府购买比重、信贷乘数、时间相关，即：

最后看产出的动态变化，该式中最具有意义的依然是信贷乘数，产出增长主要依赖$\mu $增长、资本存量和高储蓄率。因此，若短期跨境资本流动反转，信贷乘数一旦收缩，则产出会大幅下降。因此，该泡沫爆掉后，产出将大受影响，最终系统性风险爆发。

以上模型表明，系统性风险爆发的标志是泡沫的破裂及产出下降。为了让模型尽可能贴近真实的经济情况，本文参数的设定主要依据在实践中的真实数据，并结合跨境资本流动情况给出相应的校准值。储蓄率方面，我国储蓄率从2000年的35.6%飙升至2008年的51.8%，随后一直保持在50%左右，根据国际货币基金组织（IMF）的统计数据，2017年中国储蓄率为47%，因此，考察期赋值50%；生产资本流入比重方面，我国长期以来重视FDI的引入且流入流出的规模居世界前列，直接根据《中国统计年鉴》中的数据来计算，可见考察期内有所下降，该项赋值从3%下降到0.5%左右；政府购买比重方面，同样依据财政部门公开的数据，2018年全国政府采购规模35861.4亿元，占GDP的比重4%，赋值4%较为合理；信贷乘数方面，用宏观杠杆率(私人部门信贷/GDP)来代理，根据世界银行公开数据，截至2012年年末,在可获取数据的167个国家(地区)内，其平均值为127.45%，中国为133.7%，但由于2012年后我国进行了降杠杆，考察期间赋值1.3比较合理；利率方面，考察期内1年期贷款基准利率为4.35%。

从真实周期模型来看，初始资本存量固定的情况下，储蓄率、生产资本流入比重、政府购买比重三项中，我国储蓄率比较高而且稳定，其余两项中生产资本流入比重波动较大，对产出产生了不利影响。此外，产出的增长主要依赖于信贷乘数。即当资本存量为固定时，若信贷乘数增长从1.3减少到1，则导致GDP增长快速下降。从泡沫模型来看，利率与信贷乘数具有决定意义，4.35%及1.3的取值说明我国2012年时泡沫膨胀的速度约为1.357。

可见，通过校准得出的结论较为符合实际情况。但是，由于其中若干变量呈现非线性结构特征，加之我国近些年采取了一系列防范跨境资本流动风险的宏观审慎政策，部分参数会发生变化。为了更好地展现我国跨境资本流动风险，下面采用时间序列数据对其进行衡量。

从现有文献来看，系统性风险包括不同子领域，其中跨境资本流动风险属于系统性风险的重要部分。正如陶玲与朱迎（2016）在探讨系统性风险本质和衡量时指出的，可以用外汇市场金融子系统的观测变量衡量外汇领域的系统性风险。因此，跨境资本流动风险实际上是外汇领域的系统性风险。

从真实周期模型和泡沫模型的推导过程可以看出，跨境资本流动带来的系统性风险实际包括两个部分：生产资本的顺周期变化失衡和货币资本的无序波动。从RBC模型来看，生产资本顺周期变化失衡最重要的是其占产出的比重发生较大变化，因此，FDI/GDP同比增速波动作为重要观测变量；从Bubble模型来看，$C{F_t}^m=C{F^m}\left( {{r_{{t}}} - r_t^*,{{{q}}_{{t}}}} \right)$，且其中泡沫大小取决于${q_{{{t - 1}}}}(1 + {r_{{t}}})\mu $中三方面的因素：前期泡沫、利率和信贷乘数。因此，货币资本本身的波动暗含利率波动、泡沫变化和信贷扩张。此外，本文再加上汇率与外汇储备的变动，共同形成该领域对金融系统性风险的贡献^①。

数据来源上，$C{F^m}$、FDI/GDP、外汇储备、汇率的季度数据，均来自《中国国际收支报告》（2010−2018）。数据处理上，由于广义回归条件异方差（GARCH）模型能够更好地处理汇率等方差时变的情况，考虑到以上变量自相关系数通常会随着滞后增加而慢慢衰减，本文使用GARCH模型拟合并使用条件标准差作为以上数据的波动率。为了使用GARCH模型，首先利用差分法获得平稳的各变量序列，即，$\Delta {{\rm{y}}_t} = {y_t} - {y_{t - 1}}$，然后利用该序列的条件标准差作为波动率。令y1、y2、y3、y4依次为$C{F^m}$差分、FDI/GDP差分、外汇储备差分、汇率差分。其中差分前数据经过对数处理，可以得到如下序列。经单位根检验（root-test），结果显示四种差分都是平稳序列（见表2）。

经过试错，发现对y1、y2、y3、y4序列而言，依次为GARCH（1，1），GARCH（1，1），GARCH（1，2），GARCH（2，1）为最合意。四个模型的条件标准差图形如图3所示。

图  3  y1(左上)、y2（右上）、y3（左下）、y4（右下）的条件标准差

因此，可以根据以上GARCH模型获得各自波动率,最后加总获得近十年数据，其中汇率由于是间接标价法，加总时应用负值。经正规化后，得到关于跨境资本流动领域系统性风险Systematic-Risk（简称Sys-Risk）的走势图（见图4）。

图  4  跨境资本流动领域系统性风险的趋势（2010−2018）

在政策层面，针对跨境资本流动系统性风险的积累，必须通过识别风险并启动宏观审慎政策工具予以逆周期调节。下面对传统方法予以总结并将本文构建的跨境资本领域Sys-Risk指数与EMP进行对比，以此确定两者在提示宏观审慎工具启停时机上的优越性。

以往识别跨境资本流动风险方面，主要是通过衡量流动压力来确定。一种是IMF对跨境资金流入的衡量，当跨境资金净流入占GDP比例在2−3个季度持续高于其历史趋势一个标准差或是高于其75分位数时,则认为该国出现了跨境资金的持续流入。但这种方法过于简单，而且仅仅测量持续流入压力。第二种最直接的指标为外汇市场压力EMP指数，最早期EMP定义为汇率变动率和外汇储备变化率之和，后来该指数经过很多改进。

为了进行对比，本文首先采用三部分来衡量跨境资本流出压力EMP：本币贬值、外汇储备降低和利差扩大。原因在于若存在跨境资本流出或者流入压力，释放压力的渠道包括汇率本身的波动、外汇储备数量的增减、利率调整改变国内外利差。即可构建压力指数如下：

其中，${e}_{t}$为第t期美元兑人民币名义汇率，${s}_{t}$为中国第t期外汇储备量，${r}_{t}$为第t期银行同业拆借利率与美元利率的利差^②，$\delta $为标准差，$\varDelta $为差分，应用我国季度数据进行分析可得时间序列图形（见图5）。

图  5  当前我国跨境资本流动压力的趋势（2010−2018）

将EMP走势与Systematic-Risk进行对比分析发现，根据RBC模型和Bubble模型启示得出的跨境资本流动系统性风险与以往跨境资本流动压力指数具有较大区别。Systematic-Risk自2012年底达到最低点后，一直到2017年中，都是不断地向上攀升，风险不断地积累。相对资本流动压力指数而言，达到顶峰滞后半年。2017年2季度−2017年4季度，系统性风险有半年下降期，随后2018年1季度风险上升。可是，从流动压力来看，2018年2季度才产生更大的流出压力。

两者对政策启停而言究竟哪个比较合意呢？我们从我国宏观审慎工具启停的时机来做一个简单的分析。

其一，最早使用的结售汇综合头寸管理时间点为2015年1月，正好是EMP由负转正，出现流出压力的时候，但Systematic-Risk已经攀升到0.4。其二，2017年9月11日起，外汇风险准备金率调整为0，转为中性。该时机刚好是EMP由正变负，流出压力消失。但从Systematic-Risk的角度来看，风险处于高位0.6，没有消失，最低为0.4。其三，2018年8月6日，外汇风险准备金率再次调整为20%。此时，EMP刚好又由负变正，出现流出压力。但从Systematic-Risk的角度来看，风险在2017年以来虽然有所下降，但基本处于0.4−0.6之间。

因此可以判断，前文所述宏观审慎工具使用主要依据EMP的变化，缺点在于在2015年使用时偏迟，在2017年变为中性时偏早（特别是这一点，因为紧跟着2018年又启用了）。反之，如果依据Systematic-Risk来确定宏观审慎工具的使用时机，则在2012年后应该开始逐步使用，同时，在2017年3季度也不应将外汇风险准备金率转为中性。

两种指数的区别暗含的政策意义不同，紧盯EMP的变化意味着紧盯流出流入压力的趋势来改变政策风向。但就宏观审慎工具而言，应该紧盯跨境资本流动可能带来的系统性风险变化来确定工具启停。因此，Systematic-Risk与EMP比较具有三大优势：其一，前者具有理论模型作为支撑，各种变量相互作用一目了然，后者则比较多地靠直觉在选取变量；其二，风险积累时期比流入压力攀升时期会经历更长的时间，资本流动压力很容易发生变化，缺乏稳定性；其三，对决策而言，Systematic-Risk具有重要意义，风险下降与上升之间的拐点比流出压力增强要先出现，提示采取宏观审慎政策的时机要比EMP早一个季度。

本文基本结论：短期资本在长期资本流入达到不合理阶段后制造并放大泡沫，积累系统性风险。从长期资本来看，其对产出最大的影响在于技术进步。当长期资本流入达到一定程度，放松信贷约束后，产出高速增长主要依赖信贷增长、资本存量和高储蓄率。同时，短期跨境资本流动会影响信贷乘数变化，并且与泡沫有相互加强的趋势，若泡沫加强到一定程度，则会促使资本流动方向反转，直至泡沫破裂，信贷乘数收缩，从而产出会大幅下降，最终系统性风险爆发。

以上的结论具有明确的政策含义：盯住跨境资本系统性风险的变化来选择相应的宏观审慎工具启停时机。从我国当前的实践来看，在工具的启用方面，如果能盯住跨境资本系统性风险的变化来选择宏观审慎工具介入时机，则能比当前的政策操作提前一定时间。在工具的停用时机上，有时候会出现过早退出的情况。比如，2017年底，当流出压力缓解时，就将前期的宏观审慎措施全部恢复中性，结果2018年2季度又出现流出压力。2018年8月6日，外汇风险准备金率调回20%，控流出的工具再次启用。但是如果依据系统性风险的风险和预测来实施宏观审慎政策，则有可能避免提早退出。因此，宏观审慎工具启停的时机如果能进一步优化，则对于减少政策成本，避免系统性风险爆发具有先走一步的作用，有助于守住不发生系统性风险的底线。