金融稳定始终是国内外经济学家关注的重要课题之一。2008年国际金融危机爆发后，对实体经济和金融体系产生了巨大影响，使人们深刻认识到现有金融监管制度缺乏宏观审慎性带来的诸多问题，我们应当从金融体系的层面防范风险，尽可能降低金融危机发生的频率与对实体经济的影响，而宏观审慎框架正是增强金融体系弹性、应对系统性风险、维护金融稳定的一味良药。本书从五个模块多层次、全方位地研究了金融稳定与宏观审慎框架。

第一模块，阐述金融稳定与宏观审慎框架的研究背景、研究的目的与意义，分析了研究领域的高频关键词，并对金融稳定、系统性风险、宏观审慎框架这些重要概念进行了分析和讨论，从多方面对金融稳定与宏观审慎框架相关文献进行梳理和分析。在此基础上，提炼出本书所研究的关键学术问题。见第1章和第2章。

第二模块，中国是银行主导型国家，研究银行业的系统性风险情况具有重要意义。通过对主流度量方法的评述，发现CoVaR模型具有诸多优势。通过建立静态的ΔCoVaR模型和动态的ΔCoVaR模型研究中国银行业的系统性风险贡献，并建立Exposure ΔCoVaR模型测算银行体系不稳定时单个银行的风险敞口，发现由于国际、国内经济金融形势变化，不同年度上市银行整体的风险水平存在差异。由此，对加强金融监管、维护金融稳定提出一些有益的建议。见第3章。

第三模块，中国政府自2011年起开始构建宏观审慎框架。由于中国银行业的可持续发展对经济发展、金融体系至关重要，通过数据包络分析（Data Envelopment Analysis，简称DEA）与Malmquist指数模型，发现2012—2017年期间宏观审慎背景中各类样本银行的效率比较稳定，均在2017年达到样本期最高值，且监管指标也达到历史最好水平。见第4章。

第四模块，通过建立面板门限模型，并结合熵指数，研究了银行多元化与金融稳定之间的关系，发现存在显著的“门限效应”。见第5章。

第五模块，通过建立面板Logit模型，基于108个国家（或地区）的跨国面板数据，研究宏观审慎政策在全球层面的有效性，发现在不同经济体之间宏观审慎政策的有效性存在差异。见第6章。

本书研究的主要创新点包括以下几方面：

第一，首次将静态ΔCoVaR模型、动态ΔCoVaR和Exposure ΔCoVaR模型联合研究中国银行业。主要贡献有3点：（1）基于金融市场的日度数据，构建静态ΔCoVaR模型，对样本银行的系统性风险贡献（ΔCoVaR）进行了逐年的测算。（2）考虑银行体系收益率和银行收益率的“时变”特点，引入7类状态变量，建立动态ΔCoVaR模型。（3）在动态ΔCoVaR的基础上，将银行体系收益率和银行收益率在模型中的角色互换，建立Exposure ΔCoVaR模型测算了整个银行体系不稳定时单个银行的风险敞口。

第二，建立数据包络分析（DEA）模型，研究了宏观审慎框架背景下的中国上市银行效率。本书首次构建了宏观审慎综合指数（Macroprudential Index, MI），对各类银行的宏观审慎指标发展情况进行了分析。本书还创新性地将动态ΔCoVaR模型测算的银行系统性风险贡献值与DEA模型相结合，从盈利能力和风险两方面综合度量银行的效率水平。

第三，创新性地建立面板门限模型，采用Herfindahl-Hirschman指数衡量银行的多元化水平，分析了多元化对金融稳定和盈利能力的非线性影响。同时，创新性地用熵指数衡量银行的多元化水平，检验结果的稳健性。

第四，从国际层面看，评估宏观审慎工具有效性的实证研究仍然很少。笔者通过手工收集和整理，得到了108个国家（或地区）的跨国面板数据库，创新性地从全球层面探讨了宏观审慎政策工具的有效性，并做深入分析。