基于VAR模型的影子银行与中国经济发展的实证研究

王家华++王瑞

摘 要：2007年美国次贷危机过后，影子银行被认为是此次危机的始作俑者。通过选取1981-2014年的年度数据，利用VAR模型实证分析影子银行业务与GDP、CPI、M1和失业率之间的相互关系。结果表明：影子银行业务扩张将使我国城镇失业率在短期内降低，长期上升，对货币供应量的增加具有时滞效应，对GDP和CPI的影响并不显著；同时影子银行规模对GDP和M1的增加均具有两期时滞效应，但从第三期起影子银行规模开始扩张。因此，金融监管部门应营造一种健康、可持续的金融生态，对影子银行实行分类监管；金融监管部门要尽快构建影子银行官方数据库并进行实时跟踪监管；对影子银行风险导向政府审计风险模型进行重构，加强商业银行表外业务审计。

关键词：影子银行；VAR模型；脉冲效应；金融监管

中图分类号：F830.39 文献标识码：A 文章编号：1003-3890（2016）04-0023-06

一、引言

目前，关于影子银行的概念国际上还没有统一的定论。2007年，美国太平洋投资管理公司执行董事Paul McCulley首先提出“影子银行”这一概念，他认为影子银行不同于传统的商业银行，影子银行所筹集的资金具有短期性和不确定性，并且影子银行不受或较少受到监管。美国金融稳定委员会（2011）认为监管当局应以更为广阔的视角来看待影子银行，任何在正规银行体系之外的信用中介机构和信用中介活动都可以被视为影子银行。国内学者也未对影子银行的定义形成统一的看法。易宪容（2011）认为只要涉及借贷关系和银行表外业务都属于影子银行。刘煜辉（2011）把影子银行分成两部分，第一部分包括银行合作、委托贷款、担保公司、信托公司等所进行的放贷业务，第二部分包括以民间借贷和地下钱庄为主要代表的民间金融。近几年，中国影子银行业务发展迅速，金融稳定委员会（FSB）报告显示，2013年中国影子银行资产规模接近三万亿美元，仅次于美国和英国。而根据穆迪的最新估测，2014年底中国影子银行资产达到人民币41万亿元，相当于GDP的65%。影子银行体系作为一种跨越直接融资和间接融资的新型金融运作方式，本身是中性的，是一把双刃剑，既有促进实体经济和金融体系发展的正向积极作用，同时也蕴含了极高的风险。本文旨在通过对我国影子银行的研究，发现影子银行对我国经济发展的利和弊，并及时提出应对措施，从而使得我国经济在转型升级过程中得以健康稳定地发展。

二、文献综述

大部分学者都认为影子银行有利于经济发展。Feng et al（2011）提出，影子银行虽然是导致2008年美国金融危机爆发的罪魁祸首，但影子银行在促进国民经济发展方面也起着非常重要的作用[1]。樊晓静 等（2013）通过统计数据分析得出：影子银行与GDP、CPI之间表现出正相关关系且呈边际效应递减规律，说明影子银行的发展有利于促进我国经济发展，但是影子银行对经济增长的贡献度呈递减趋势[2]。王晓枫 等（2014）实证分析了影子银行的流动性及其对宏观经济的影响，结果表明：自2007年以来，影子银行的流动性创造对我国经济增长发挥了一定的积极作用；虽然短期内影子银行产生的流动性变化较为频繁，可能会阻碍经济的发展，但是从长期看将趋于稳定[3]。

有些学者认为影子银行和经济发展之间互为促进作用。陈剑（2012）对中国影子银行体系与经济增长之间的关系进行了实证检验，选取2000—2011年的季度数据构建了SVAR模型，结果表明影子银行体系的发展确实促进了我国的经济增长，但却影响到了央行货币政策的实施效果；另外经济发展反过来也对影子银行的发展造成了显著影响[4]。索畅 等（2014）采用1992—2013年的样本数据进行格兰杰因果关系检验，结果显示我国影子银行和经济增长之间具有互为促进作用[5]。李建伟 等（2015）认为影子银行在推动我国利率市场化改革以及促进实体经济发展方面发挥着不可替代的作用，但波动性较大，不具有持续性。同时实体经济的复苏和发展反过来也会推动影子银行规模的扩大[6]。

也有部分学者认为影子银行对经济发展的影响并不显著，而经济增长却促进了影子银行规模的扩大。沈悦（2013）运用格兰杰因果检验法对影子银行体系的规模与经济增长的关系进行实证检验，指出影子银行体系规模与经济增长之间只存在单向的因果关系，经济增长刺激了影子银行体系的扩张，但是反过来，影子银行体系对经济增长的促进作用并不显著[7]。许付常 等（2015）通过研究得出结论：经济增长与影子银行发展存在单向因果关系，即经济增长促进了影子银行发展，反之则不成立[8]。

只有少数学者认为影子银行对经济发展会产生不利影响。唐红娟（2012）指出影子银行借短贷长的期限错配特征将导致流动性风险较为突出，并且影子银行与商业银行之间具有错综复杂的关系，极易导致风险的传染与扩散，影响经济的健康发展[9]。杨旭（2012）指出影子银行追求的是利润最大化，企业将资金拿去放贷比做实业获利更多，这将导致产业空心化[10]。

整体上看，现有研究文献主要是分析影子银行规模与GDP增长之间的关系，而对其他经济变量比如CPI、M1以及失业率等却鲜有提及。另外，现有文献主要使用金融危机之后的数据，而从较长时间跨度量化分析影子银行对经济增长的文献并不多。本文将基于向量自回归模型（VAR），以1981—2014年的数据为样本，对影子银行及经济发展之间的关系进行量化分析，对影子银行在国民经济中发挥的作用进行实证分析。

三、变量选择和模型设计

（一）变量选取和数据来源说明

因为本文主要研究影子银行与我国经济增长的相互关系，因此本文选取的主要研究变量包括影子银行的规模、国内生产总值、货币供应量、物价指数以及失业率，采用从1981—2014年的年度数据作为样本。本文选用如下变量：

1. 影子银行规模。国内学者目前对影子银行还没有统一的界定，因而我国还没有关于影子银行统一或官方的数据。本文借鉴李建军（2010）[11]的研究成果，基于经济金融基本关系原理：一段时间内经济主体实现的GDP是由这段时间金融机构的全部信贷支持的，从借款人的角度测度出影子银行的规模。通过影子银行借款的客户主要包括农民、私营企业等中小经济体。这些借款人由于自身的局限性很难从银行获得足够的信贷支持，因而这些中小经济主体需要向影子银行进行借贷。用RYL表示借款人从传统商业银行所借款项与GDP之比，同理，可以得到农民的RFL和中小企业的REL。从而，影子银行规模可以近似表示为：SB=（RYL-RFL）*GDPF+（RYL-REL）*GDPE。其中，SB表示影子银行的规模。GDPF表示农民在一年中所创造的国内生产总值。GDPE表示中小企业在一年中所创造的国内生产总值。本文依据上述理论对我国1981—2014年影子银行规模的年度数据进行测算。用SB表示影子银行的规模，因为本文实证部分主要是采用时间序列分析，而时间序列往往存在异方差现象，因此本文取影子银行规模的对数，记作lnSB。相关数据来源于《中国金融年鉴》《中国统计年鉴》、中国人民银行网站以及国家统计局网站。