影子银行对我国货币政策效果的影响

■ 李 亘，鲁 靖

一、引言

2008年全球金融危机的爆发使得各国经济遭受重创，在对危机的反思中，影子银行的信用链条断裂被认为是引爆危机的导火索，在这个大背景下，有关影子银行的研究逐渐成为热点。然而，对于影子银行却并没有一个一锤定音的官方定义，FSB认为影子银行是游离于监管之外的具有商业银行中介职能的非银行信用体系，这一观点在当前国际社会上得到了普遍接受。

近年来我国的影子银行发展势头相当迅猛，央行的社会融资报告显示，2008年我国影子银行融资渠道融资额为8470亿元，达到全年社会融资规模的12%，到了2013年，该比重则上升到了30%，与此同时，人民币贷款占比则由2008年的70%下降到了2013年的51%。根据FSB的2013年度报告，2013年中国影子银行资产规模约为27万亿人民币，增幅达37%；而同年我国GDP为9.24万亿美元，折合人民币58.5万亿元，也就是说，我国影子银行规模已接近GDP的50%。上述事实表明，对于我国的宏观经济和金融体系而言，影子银行已经成为一股不容忽视的重要力量，那么，影子银行对我国货币政策效果有怎样的影响，即影子银行将如何影响我国经济增长、货币供给等因素，影响程度多大？本文将尝试探讨这些问题。

二、文献综述

国外有关影子银行的研究多集中在概念界定、流动性创造机制分析和风险监管上，直接论述其对货币政策影响的文献不多。Paul Tucker(2010)认为影子银行的存在可以大大便利于居民、企业等经济金融实体的流动性和期限错配，并在一定程度上能够替代商业银行的中介职能。Gorton和Metrick（2010）认为商业银行的表外业务、金融衍生品和回购协议市场均属于影子银行的范畴。同年，在另外一篇文章中，Gorton和Metrick（2010）以回购协议做为研究对象系统阐述了影子银行的信用创造机制，并认为影子银行可以通过资产证券化和回购交易形成一套与商业银行平行的信用创造体系。Adrian和Ashcraft（2010）认为影子银行加强了商业银行与金融市场之间的联系，但其高杠杆率的特性会增加金融体系的脆弱性。Gennaioli和 Shleifer（2011）通过研究单个企业的行为提出了一套影子银行的监管模型，并指出影子银行的规模应该得到合理监控。除了Gorton和Metrick（2010）对信用创造机制的分析之外，国外有关影子银行对货币政策效果的影响较有代表性的研究还有：Fabio Verona等（2011）通过研究指出，在持续宽松的货币环境下，由于影子银行导致的微观金融体系的不稳定会放大对宏观经济和货币政策的冲击。shin（2009）认为影子银行的存在将导致货币乘数的扩大，进而导致整个社会货币供应量的扩大，并最终对央行的宏观调控造成干扰。

国内有关影子银行对货币政策影响的文献相对较多。王增武（2010）通过研究商业银行理财产品得出结论：影子银行体系将放大信贷规模，增加央行调控难度。李波和伍戈（2011）通过分析影子银行流动性创造机制得出结论：影子银行会对货币政策有效性形成挑战，加大货币政策调控难度。李扬（2011）认为影子银行在不改变货币存量的基础上增加了整个社会的流动性，这对央行的宏观调控提出了更高的要求。周莉萍（2011）通过研究指出，影子银行不受存款准备金制度的限制，削弱了货币政策的信贷传导渠道，对传统的货币乘数构成了挑战。陈剑和张晓龙（2012）运用SVAR模型分析了影子银行对我国经济增长的影响，指出影子银行与经济增长之间互为因果，影子银行会促进经济增长，反过来经济增长也会推动影子银行的发展。王振和曾辉（2014）通过分析修正的IS-LM模型得出结论：影子银行对经济有扩张效应但会加强货币供给的内生性。解凤敏和李媛（2014）认为影子银行是需求刺激下的广义金融创新，会强化货币供给的内生性，并且其对货币政策的影响具有非对称性。裘翔和周强龙（2014）基于DNK-DSGE模型分析了影子银行对货币政策传导机制的影响并指出，影子银行具有明显的逆周期特征，在对传统的金融体系形成有益补充的同时也削弱了货币政策的有效性。

综上所述，国内相关的研究大多立足于影子银行的流动性创造，但能在此基础上更进一步论述其对货币政策传导机制、货币供给和经济增长等因素的影响的文献不多，且大多数文献属于“简单定性论述+计量模型”的模式，兼顾系统的理论阐述和计量分析的文献不多，为此，本文尝试在理论分析的基础上辅以实证来说明影子银行对货币政策效果的影响。

三、基于信用创造机制的理论分析

由于货币供应量是我国货币政策的主要中介目标，而经济增长则是主要最终目标，因此通过讨论影子银行对货币供应量和经济增长的影响来研究其对货币政策的冲击是可行的。

（一）影子银行对货币供应量的影响

影子银行对货币供应量的影响可以大致分为两个部分：一方面由于我国的影子银行具有类银行职能，能从事相似的信用活动，因此影子银行本身也能进行信用创造，向市场释放流动性；另一方面由于商业银行部分储蓄资金被影子银行所吸引，导致“储蓄资金分流”的现象出现，因此商业银行本身的信用创造即货币乘数亦会受到影响。

1.影子银行自身的流动性创造

本文借鉴李波和伍戈（2011）的观点即资产证券化下影子银行信用创造机制来说明我国影子银行的流动性创造。影子银行甲以理财产品或商业银行次级信贷等资产为基础资产发行衍生产品A，影子银行乙通过买入衍生产品A来发行自己的衍生产品B，以此类推乙发行的衍生产品B被丙作为基础资产来发行自己的衍生产品C并被下一家影子银行买进，上述操作的不断继续必然会形成严密的衍生网络，而这正是影子银行信用创造的核心所在。

表1 影子银行的信用创造

如表 1 所示，若 0＜rf＜1，则 0＜（1-rf）＜1，因此当 n银行信用创造乘数。由于影子银行游离在监管体系之外，其信用创造乘数rf受货币当局约束较小，因此相比于商业银行，影子银行具有更强且更灵活的信用创造机制，同时也说明影子银行具有高杠杆高风险的特点。

2.影子银行对货币乘数的影响

若实体经济中只存在商业银行体系，则整个社会的货币供应量可通过商业银行的信用创造来衡量。设基础货币为H，活期存款为D，流通中现金为C，狭义货币供应量为M1，准备金总额为A，活期存款准备金率为rd，定期存款准备金率为rt，超额存款准备金率为e，定期存款率为t，现金溢出率为k，可得：

如果把影子银行纳入考虑范围，则整个社会货币供应量将发生变化，由于现阶段我国影子银行与国外相比资产证券化程度较低，为了简化分析，假定我国影子银行信用创造的源头是其分流的储蓄资金，那么上文分析的影子银行信用创造机制中基础资产将由这部分储蓄资金代替，设影子银行储蓄分流比率为ρ，0＜ρ＜1，则影子银行进行信用创造的“基应为 D×k×（1-ρ），所以新的货币供应量公式为：

整理上式可得新的货币乘数：

因为 0＜rf＜1，0＜（1-ρ）＜1，因此 m′1＞k+1/rd+rtt+e+k，所以加入影子银行后的货币供应量大于只有商业银行体系时的货币供应量，也就是说影子银行会增加整个社会的流动性。

（二）影子银行对经济增长的影响

借鉴王振和曾辉（2014）的观点，本文将影子银行纳入CC-LM模型来阐述其对经济增长的影响。首先分析信贷市场，设ρ为贷款利率，i为债券利率，y为产出水平，则贷款需求：

设影子银行带来的负债为SB，若将影子银行引入该模型当中，则上式变为：

接下来看商品市场，商品市场的一般均衡可以借鉴我们熟悉的IS曲线，方程为：

由（11）推导出的曲线即为CC曲线，反映了商品市场和信贷市场同时实现一般均衡的情形，由于

由上式可知CC曲线与IS曲线一样都向右下方倾斜；且由（11）可知，货币政策的变化和信贷市场的冲击能反映在变量的变化上，最终使CC曲线发生移动。最后来看货币市场，在CC-LM模型中现金被简化为银行存款，因此当货币市场均衡时可得：D（i，y）=M，由此我们可以得到 LM 曲线，且与 IS-LM模型中的曲线一致均向右上方倾斜。

综上所述，CC曲线与LM曲线相交能反映出货币市场、商品市场、信贷市场同时实现一般均衡时总需求的决定情况，如图1所示：

图1 CC-LM模型示意图

结合上文分析，影子银行本身具有信用创造的能力，因此将影子银行纳入到现有金融体系中将扩大整个社会的流动性，进而导致LM曲线向右移动；同时，通过对比（2）和（3）可以看出影子银行扩大了商业银行的信贷供给，因此CC曲线将向右移动。如图1所示，由于CC曲线和LM曲线的移动，均衡点由E变为了E'，对应的产出水平则由Y增加到了Y'，因此我们认为影子银行体系的存在会促进经济增长。

四、基于VAR模型的实证分析

（一）模型及数据选取

VAR模型是分析多个内生变量之间相互联系和影响的最常见的计量模型，对于分析和预测随机扰动对内生变量系统的冲击具有相当成熟的指导意义，因此本文的实证分析将通过构建VAR模型展开。为得到合理的计量结果，本文拟选取如下经济变量：

货币政策最终目标：由于我国货币政策主要将经济增长和物价稳定作为最终目标，因此本文拟选取月度GDP的环比增长率作为经济增长的观测变量，记为RGDP；同时本文还将选取月度CPI的环比增长率RCPI作为物价水平的观测变量。

货币政策中介目标：由于利率水平及货币供应量是我国货币政策的主要中介变量，因此本文选取狭义货币供应量M1的月度环比增长率RM1作为货币供应量的观测指标，同时选取30天银行间同业拆借利率RATE作为我国基准利率的观测指标。

影子银行规模：考虑到数据获得性方面的原因，本文选取委托贷款、信托贷款和未贴现银行票据之和模拟我国影子银行规模，并以影子银行规模月度环比增长率RSB作为观测指标（以上所有数据时间跨度均为2006年1月至2014年12月，数据来源于国家统计局，中国人民银行调查统计司）。

（二）平稳性检验

一般而言，只有平稳的时间序列才能使用经典计量方法进行回归分析，如果时间序列不平稳则很容易造成“伪回归”的现象，因此对时间序列进行平稳性检验是必要的，本文通过Eviews7.0对RGDP、RCPI、RM1、RATE、RSB 进行 ADF 检验结果如下：

表2 单位根检验结果

由上表可知，RATE为一阶单整时间序列，而剩下的变量均为零阶单整时间序列，说明上述指标均通过了置信度为5%的平稳性检验，数据平稳性良好。

（三）模型稳定性检验

在利用上述平稳时间序列建立VAR模型之前，首先应明确模型滞后项，滞后项不宜过小也不宜过大，过小则无法完全说明模型的动态结构，过大则会严重降低自由度，我们一般使用AIC和SC准则确定最优滞后项，本文通过Eviews7.0得到结果如表3。

表3 模型最优滞后项处理结果

如表3所示，AIC最小值与SC最小值对应的阶数不一致，但LR最小值对应的阶数与AIC一致为8，因此本文VAR模型的最优滞后项p=8。

确定了最优滞后项接下来应分析模型的稳定性，若VAR模型的AR特征根的倒数绝对值小于1，即落在单位圆内，则VAR模型稳定。

结果表明，VAR模型AR特征根的倒数绝对值均小于1，因此本文的VAR模型稳定，可以进行脉冲分析和方差分解。

（四）Granger因果分析

VAR模型的一个重要应用就是通过Granger因果检验分析经济时间序列间的因果关系，本文将上述指标进行Granger因果检验，结果如表4。

根据检验结果可知，RSB与RGDP、RSB与RM1均为双向Granger原因，即影子银行的发展会刺激经济增长、扩大货币供应量，而经济增长和货币供应量的扩大反过来也会刺激影子银行的发展；因为随着经济的增长和货币供应量的扩大，整个社会的流动性充裕且民众投资意愿强烈，影子银行的资金来源随之扩大，必然会促进其自身发展。从表4中还可以看出，影子银行的发展不是物价变动和基准利率变化的Granger原因，而反过来物价和利率的变化会刺激影子银行的发展；由于我国的利率水平尚未完全实现市场化，影子银行如小贷公司的借贷利率仍然受到严格监管，因此影子银行不是利率水平的Granger原因符合实际，反过来若基准利率上升则意味着商业银行借贷成本提高，这将加剧中小企业融资困境，迫使部分中小企业转向影子银行寻求融资进而促进影子银行发展。物价水平上升往往表明经济环境较为宽松，并且投资者具有跑赢通胀的投资意识，在这种情况下，影子银行同样能获得较大的发展动力。而影子银行之所以不是物价的Granger原因，其理由就是普遍存在的“资金空转”现象，即流入影子银行的资金可能没有直接投入实体经济，而是在商业银行中沉淀了下来，这种流动性沉淀的行为本质上是影子银行在缺乏监管的情况下导致的资金错配。

表4 Granger因果分析检验结果

（五）脉冲分析

脉冲响应的核心思想是分析作用于内生变量误差项的冲击会给其他内生变量乃至整个系统带来怎样的影响，本文对 RSB、RGDP、RCPI、RM1、RATE进行脉冲分析，结果如下：

1．RSB对RM1和RGDP的脉冲分析

图2 RSB对RM1和RGDP的脉冲响应图

如图2所示，当RM1受到RSB一标准差大小的冲击后，从第一期开始产生轻微的负面效应至第二期结束，随后迅速上升于第四期达到最大正向效应，之后再次快速下跌产生负向效应，最后趋于平稳。该图说明影子银行的发展确实会扩大货币供应量，但影响并不如预想中显著，这是因为我国的影子银行虽蓬勃发展，但其资产总额也仅为商业银行的1/5，在金融体系中的地位和作用远不如商业银行；从图中亦可看出影子银行的高杠杆特性极易引发风险，会对社会的流动性产生一定的紧缩效应；当RGDP受到RSB一标准差大小的冲击后，从第一期开始产生正向效应并迅速上升直至最大效应值，随后开始下降最后趋于平稳，说明影子银行确实会对经济增长带来较大的促进作用，但从长期来看影子银行的发展也会给宏观经济带来一定的隐患，因此监管当局应对影子银行的高风险性保持足够的重视。

2.RGDP、RCPI、RM1、RATE 对 RSB 的脉冲分析

图 3 RGDP、RM1、RATE、RCPI对 RSB 的脉冲响应图

如图3所示，当RGDP发生一标准差大小的变动时，RSB从第一期开始在横轴以下震荡，随后快速上升，最后趋于平稳，说明在经济快速增长初期，由于宽松的宏观环境，商业银行能满足大部分的流动性需求，因此影子银行规模反而会受到一定程度的制约，但随着经济持续繁荣，投资者对于获得超过储蓄收益的投资需求日益强烈进而刺激影子银行的发展；当RM1对RSB产生一标准差大小的冲击时，RSB从第一期开始迅速产生最大的正向效应，随后开始下跌，最后在0处震荡平稳，说明总体而言货币供应量的扩张反过来会促进影子银行的发展；当RCPI对RSB产生一标准差大小的冲击时，RSB迅速上升，最后趋于平稳，说明物价水平的上升对影子银行的发展有明显的促进作用；当RATE对RSB产生一标准差大小的冲击时，RSB迅速上升，并且在横轴上方趋于平稳，说明当基准利率上升，商业银行借贷成本提高时，影子银行规模将实现增长。

（六）方差分解

方差分解可以用来分析各自变量影响因变量的贡献程度，本文得到如下处理结果：

表5 RGDP方差分解表

如表5所示，RSB对RGDP的影响程度由最初的约19%演变为第十期的约16%，说明影子银行对经济增长而言具有较大的影响作用，虽然影子银行的高风险和高杠杆性会给宏观经济的健康稳定带来一些隐患，但在有效监管的前提下，影子银行对经济增长的推动作用是显著的。

表6 RM1方差分解表

如表6所示，RSB对RM1的影响程度由0.21%演变为第十期的约2.37%，说明影子银行的发展确实会扩大货币供应量，但最终贡献率仅为2.37%，即影子银行对货币供应量的影响其实并不显著，符合上文分析。

表7 RSB方差分解表

如表7所示，RM1对RSB的贡献率由约14.5%演变为第十期的19%，RGDP的贡献率由约2%演变为第十期的约6%，RCPI的贡献率由1.8%演变为第十期的4.76%，RATE的贡献率由0.02%演变为第十期的约1%。方差分解的结果告诉我们，基准利率的上升、物价水平的提高、经济的增长以及货币供应量的扩大都会刺激影子银行的发展，并且相比之下货币供应量的影响程度最大；这是因为我国的利率水平尚未完全市场化，并且仍以信贷渠道为主要货币政策传导机制，因此利率等因素的变化都将影响货币需求并最终反映在货币供应量上。

五、研究结论与启示

（一）根据本文的实证分析我们得出以下结论：

1.影子银行的发展会刺激经济的增长，并且影响程度较大，但从长期来看，影子银行对经济增长的正向效应减弱甚至一度变为负效应，说明影子银行的高风险性同样会伤害宏观经济，所以影子银行应该得到有效监管；反过来经济增长也会推动影子银行的发展，但相比之下，经济增长对影子银行发展的贡献率较小。

2.影子银行是货币供应量的Granger原因，但不是基准利率的Granger原因。由于我国利率尚未完全实现市场化，因此影子银行基本上不会影响基准利率的波动，而众所周知，利率水平和货币供应量是我国货币政策的主要中介指标，所以影子银行一定程度上会影响我国货币政策尤其是数量型货币政策的效果，干扰国家对宏观经济的调控。但是影子银行对货币供应量的影响其实并不显著，因此在现阶段，货币政策中介指标受到的来自影子银行的干扰并不强烈；而反过来借贷成本上升，尤其是货币供应量的扩大会显著刺激影子银行的发展。

3.影子银行不是CPI的Granger原因；说明在现阶段，基于“资金空转”等因素的影响，影子银行对物价水平的影响程度较小，也就是说影子银行的发展不会显著刺激物价进而引发通货膨胀；但反过来物价水平的提高会促进影子银行的发展。

（二）根据本文的分析，我们可以得到如下启示：

1.应当合理引导影子银行的发展，在风险可控的范围内将其作为对我国现有金融体系的补充纳入到制度框架内，鼓励影子银行将信贷资源向实体经济倾斜以扶持中小企业发展。

2.应当扩大统计口径，拓宽宏观经济指标的内涵，加强对影子银行的监测力度，将具有货币功能的金融工具也纳入到监管体系当中。

3.应当加强对影子银行的监管，注重金融监管的顶层设计，协调好各监管部门，明确职责，形成严密有序的监管网络，把控好影子银行的风险，使其充分发挥好金融资源配置的作用。

[1]Financial Stability Board.Shadow Banking:Scoping the Issues[R].2011.

[2]Financial Stability Board.Global Shadow Banking Monitoring Report[R].2013.

[3]Tucker P.Shadow Banking,Financial Market and Financial Stability[C].Remarks at a Bernie Gerald Cantor Partners Seminar,London,2010.

[4]Gorton G,Metrick A.Regulating the Shadow Banking System[R].Brookings Paper on Economic Activity,2010：261～312.

[5]Gorton G,Metrick A.Securitized Banking and the Run on Repo[R].Yale ICFWorking paper,2010.

[6]Adrian T,Ashcraft A.B.Shadow Banking Regulating [J].Annual Review of Financial Economics,2010,（4）：99～140.

[7]Gennaioli N,Shleifer A,Vishny R.A Model of Shadow Banking[R].The National Bureau of Economic Research working paper,2011.

[8]Verona F,Martins M.M.F,Drumand I.Monetary Policy Shocks in a DSGE Model with a Shadow Banking System[R].CEF.UPWorking Paper,2011.

[9]Shin H.S.Securitisation and Finance stability[J].The Economic Journal,2009:309～332.

[10]王增武.影子银行体系对我国货币供应量的影响[J].中国金融，2010，（23）：30～31.

[11]李波，伍戈.影子银行的信用创造功能及其对货币政策的挑战[J].金融研究，2011，（12）：77～84.

[12]李扬.影子银行体系发展与金融创新[J].中国金融，2011，(12):31～32.

[13]周莉萍.影子银行体系的信用创造:机制、效应和应对思路[J].金融评论，2011，(4):37～53.

[14]陈剑，张晓龙.影子银行对我国经济发展的影响[J].财经问题研究，2012，（8）：66～72.

[15]王振，曾辉.影子银行对货币政策影响的理论与实证分析[J].国际金融研究，2014，（12）：58～66.

[16]解凤敏，李媛.中国影子银行的货币供给补充与替代效应——来自货币乘数的证据[J].金融论坛，2014，(8):20～27.

[17]裘翔，周强龙.影子银行与货币政策传导[J].经济研究，2014，（5）：91～105.