核心观点 - 《危机经济学》聚焦宏观金融崩溃的形成机制与政策应对，涵盖2008年全球金融危机及过去三十多年区域性危机[2] - 金融危机与房地产泡沫高度关联，资本流入推高房价并挤压制造业融资，形成系统性风险[5] - 现代银行依赖短期批发融资和资产证券化，加剧挤兑脆弱性及市场抛售风险[7][8] - 央行通过准备金饱和与量化宽松等工具应对流动性危机，但可能削弱货币政策独立性[12][13] - 财政赤字扩张可缓解安全资产短缺，但新兴经济体货币贬值可能恶化企业资产负债表[14][15] 危机形成机制 - 房地产作为抵押品易受资本追捧，导致供需失衡和泡沫，百年来多数危机与此相关[5] - 泡沫破裂引发金融机构挤兑，资产抛售导致价格下跌和杠杆率上升，形成恶性循环[7][8][9] - 流动性不足与偿付能力危机界限模糊，高利率可能引发债务滚雪球效应[9] - 银行与政府债务互持形成"恶魔循环"，欧元区危机中表现尤为显著[10] 政策应对 - 央行通过准备金利率调控市场流动性，量化宽松降低长期利率以刺激投资[12][13] - 财政赤字扩张增加安全资产供给，吸引过剩储蓄并提升实际利率[14] - 新兴经济体货币贬值可能抑制投资，因外币债务企业资产负债表恶化[15] - 前沿政策提议包括自动触发补助金和名义GDP目标制，但尚未广泛实践[16]

宏观金融危机的形成机制 - 房地产是多数金融危机的核心触发因素 百年来多数金融危机与房地产相关 房地产作为抵押品易评估且价值稳定 成为海外资金主要流入地 在发展中国家尤为显著 [4] - 资金过度流入房地产业导致泡沫形成 房地产业生产率难以提升 土地供应缺乏弹性 资金未能促进制造业等生产部门增长 转化为房价及相关金融资产价格持续上涨 [4] - 泡沫破灭引发金融机构挤兑 金融危机实质是挤兑 现代银行依赖短期批发融资 资产证券化加剧风险 资产抛售导致系统性风险 [6][7] 金融机构与主权债务的联动 - 银行与政府关系紧密形成"恶魔循环" 银行持有大量国债 政府救助银行加重财政负担 主权债务危机恶化银行资产负债表 [9] - 流动性不足与偿付能力危机界限模糊 高利率加重债务负担 流动性问题可能演变为偿付能力危机 主权债务危机同样面临此困境 [8] 政策应对工具 - 央行采用准备金饱和与量化宽松 准备金利率成为主要政策利率 量化宽松降低长期利率刺激投资 央行资产负债表扩张可能引发财务风险 [11][12] - 财政赤字政策增加安全资产供给 吸引过剩储蓄提升实际利率 转移支付拉动经济 传统货币贬值政策在新兴经济体可能恶化资产负债表 [12][13] 前沿政策建议 - 自动触发财政补助规则 失业率指标触发补助发放 第一时间刺激经济 萨姆提出的方案已在政策机构中讨论 [14] - 名义GDP目标制替代通胀目标制 保持名义支出稳定 适应工资等名义刚性 萨姆纳等学者建议的政策方向 [14]

金融强国建设与中国金融体系现状 - 金融强国应具备高效、稳健和国际影响力三大特征 其中国际影响力尤为关键 [1] - 中国金融体系特点为规模大、管制多、监管弱、银行主导 金融业规模已相当庞大 [1] - 中央金融工作会议指出当前问题包括支持实体经济质量欠佳、金融风险多、乱象腐败频发、监管能力待提升 [1] 金融监管政策的动态平衡 - 金融监管需动态平衡效率与稳定关系 金融危机后通常收紧 过度收紧影响效率后会适当放松 [2] - 当前中国面临双重任务：既要放松监管以改善实体经济支持 又要收紧监管守住系统性风险底线 [2] - 解决之道在于找到平衡点或采取差异化策略 需细致考量和设计 [2] 人工智能在金融领域的应用 - 人工智能可提升金融服务质量与风险管理水平 核心功能包括数据分析、市场预测、风险管理和服务改善 [3] - 数字技术对金融的改变体现为"三升三降"：扩大规模、提高效率、改善体验 同时降低成本、减少接触、控制风险 [3] - 生成式AI主要应用于营销运营、分析决策和中后台三大领域 智能投顾效果未达预期 [3] - 最成功应用集中在支付和信贷领域 因风险主体为平台或机构 可承受一定违约 [4] 大科技信贷与风险机制变化 - 大数据和AI算法显著提升普惠金融效果 从传统机器学习发展到多模态融合和生成式AI技术 [5][6] - 新业务模式改变风险机制 数据模型可能导致风险趋同化 数据造假问题日益突出 [6] - 大科技信贷打破"金融加速器"机制 数据替代抵押品价格成为信贷决策依据 [6] 人工智能应用的挑战 - 主要担忧包括数据隐私、算法透明度、道德伦理、风险集中、网络安全和AI意识独立性 [7] - 欧洲推出AI风险分级监管框架 严格程度受争议但分级思路值得借鉴 [7] - 行业专家提出需系统稳健推动AI创新 政府部门应深度参与并设置风险管控机制 [8] 人工智能时代的金融监管建议 - 加强监管能力建设 加大人力和技术投入以跟上AI带来的金融变化 [9] - 建立技术监管机制 在现有监管框架基础上增设专门的技术风险评估 [9] - 设立算法审计制度 提高算法可解释性和透明度 可采用市场化执行方式 [9] - 应用监管沙盒概念 与创新机构合作测试AI应用效果并监测潜在风险 [10][11]