影子银行规模对金融稳定性的影响分析

2018-04-26王国勇张刚

会计之友 2018年7期

王国勇张刚

【摘要】对于我国的金融体系，影子银行是一把双刃剑，它既有助于其更高效地运行，也积累了系统性风险，加剧了金融体系的脆弱性。文章采用2009年1月—2015年12月的数据对影子银行和金融体系稳定性进行测度，基于TVP-VAR模型实证研究二者之间的关系。研究表明：影子银行规模扩张有利于金融资源的均衡配置，从而在短期内对金融稳定具有促进作用；影子银行体系内的风险会逐步累积并向正规金融体系与实体经济传染，因此影子银行规模扩张对金融稳定的负面效应具有时滞性；加强金融监管能够防范影子银行体系内风险的交叉传递，弱化其对金融稳定性的不利冲击。为此，应该通过科学的监管与合理的引导，在繁荣影子银行业务的同时减少其对金融稳定的负面冲击。

【关键词】影子银行；金融稳定性； TVP-VAR模型

【中图分类号】 F832.1 【文献标识码】 A 【文章编号】 1004-5937（2018）07-0007-07

一、引言

自2008年金融危机爆发以来，作为危机根源之一的影子银行成为学术界和监管当局关注的焦点。近年来，中国影子银行业务呈现出爆发式增长态势。据穆迪统计，截至2015年底，中国影子银行规模已达53万亿元，同比增长30%，总量接近中国经济总规模的80%。随着经济的快速发展，影子银行已经成为当今金融体系的关键组成部分。Krugman[ 1 ]提出，金融体系的发展和完善与几个方面的因素有着重要关系，比如交易规模呈现大幅度的增长、大幅度提高杠杆率等。和传统银行相比，影子银行的增长更快，在当前的监管系统中呈现相对自由的状态。与此同时，也失去了“最后贷款人”制度的保障。随着影子银行实力不断扩大，全球金融体系也发生了很大的变化，传统银行的作用呈现逐渐下降趋势，影子银行则越来越重要。然而，2007年以次级住房抵押贷款问题为导火索，将影子银行资产负债并不同步的缺陷彻底暴露，从而引发了全球性的金融危机。

与发达国家相比，我国的金融体系不够完善，金融衍生品交易刚刚起步，资产证券化水平也比较低。同时，我国的影子银行也有着自己的特点。影子银行是在监管套利需求和金融抑制的共同背景下出现的，对我国金融体系的影响有利有弊：一方面，促进了金融创新，给金融结构调整和利率改革提供了动力和支持；另一方面，不可避免地也给金融体系的稳定发展带来了一定隐患和风险。本文通过对重要指标进行分析，从而判断影子银行对我国金融体系稳定性具有何种影响。

二、文献述評

McCulley（2007）指出，影子银行以证券化为基础，是一种新型的信用媒介，不受金融监管体系的控制。Gorton（2010）将影子银行定义为一种混合体系，主要由回购市场和必要的抵押品组成。Ricks（2012）则认为影子银行是一种相对特别的金融机构，主要定位于信用期限转换，但将存款保险和最后保障人排除在外。由此可以看出，影子银行的定义主要强调其不在监管范围内，更多的是借助衍生工具来实现信用转换。我国学者易宪容和王国刚[ 2 ]提出影子银行和传统银行既存在相同之处，又具有不同之处。相同之处在于二者的功能相同，但交易和运作方式以及监管制度等存在很大的差异。

同时，也有很多学者对影子银行可能带来的风险进行了分析。Reinhart和Rogoff（2008）认为，由于杠杆率处于较高水平，影子银行对流动性补给具有比较高的依赖性，这样就容易在一定程度上导致不稳定性。邓超等[ 3 ]研究发现，影子银行在一定程度上将风险转移给了证券、保险等传统金融行业，而每一个环节的不当交易和监管不力都有可能导致交易链条产生断裂，给金融市场的稳定带来不利影响。何德旭（2013）认为，影子银行有着逐渐代替正规金融的趋势。周莉萍[ 4 ]提出影子银行对商业银行有一定的替代作用，会影响传统的信贷渠道，进而对货币政策的作用和效果起到阻碍作用，对金融业整体的稳定性也会有干扰作用。巴曙松[ 5 ]提出，影子银行的出现，存在着一定的必然性。传统银行对货币的管控越来越严格时，大量的企业对资金的需求无法再通过传统银行获得，只能求助于影子银行。影子银行实力的不断壮大，给金融系统的稳定性带来了一定的不利影响。

国内外学者的研究发现：一方面，影子银行与正规金融机构之间既有区别也有联系，一定程度上它是正规金融机构的有益补充；另一方面，影子银行加剧了企业的融资风险，对国家货币政策的实施效果造成一定的冲击，并且导致传统银行的功能和作用下降等，从而冲击了金融系统的稳定性。

三、影子银行运行机制及金融稳定性指标构建

（一）影子银行运行机制

影子银行的概念源于2007年全球金融危机，是在探究金融爆发原因中逐渐提出的，但是在此之前，我国金融体系中已经有了影子银行的身影[ 6 ]。目前，商业银行主导的影子银行业务、非银行类金融机构和民间金融是我国主要的三类影子银行业务[ 7 ]。其中：商业银行主导的影子银行业务，包括未贴现银行承兑汇票、非保本理财产品和银证合作等表外业务；非银行类金融机构的影子银行业务，包括融资性担保公司、典当行等；民间金融的影子银行业务，包括私人钱庄、P2P借贷等。基于金融市场理论和企业行为理论，本文对影子银行与企业、商业银行和居民之间复杂的关系进行梳理。具体来讲，影子银行与企业、商业银行和居民之间存在着密切而复杂的关系，它们之间相互联系，相互作用，具体如图1所示。

根据图1可以看出，从普通商业银行中分流出的储蓄和“信贷出表”都是构成影子银行资金的主要来源。从负债端看，影子银行的成本高于正规金融体系。为了获得更多的利润和尽可能地降低成本，影子银行常将以较高成本筹集到的资金转向投资风险更高的项目。负债端和资产端的共同作用，使得影子银行面临更多更大的风险。使用影子银行的主要对象是中小微企业，大型企业除了自有资金向影子银行提供资金外，还会以委托贷款的方式向影子银行提供资金。因此，与正规金融机构相比，影子银行具有较高的风险，这必然会对我国金融体系的稳定性造成一定的影响。

（二）金融稳定性指标的构建

为了能够准确衡量我国金融系统的稳定性，进而通过实证方法来检验影子银行规模对金融稳定性的影响，必须构建相应的金融稳定性指标。对于金融体系的稳定性，国内外学者进行了较多的研究，但立足于中国国情，从整体上全面衡量中国金融体系稳定性的研究还很匮乏。基于此，本文借鉴Claudiu等关于金融综合稳定指数（AFSI）的研究成果，该指数包括四个重要指标，分别是世界经济景气指数（WECI）、金融发展指数（FDI）、金融稳定性指数（FSI）以及金融脆弱性指数（FVI）。这些指标又可以进一步划分为20个二级指标。基于中国的实际发展状况，本文将“存贷款利差”这个指标增加进来，同时将分析受限的指标如法定资产/风险权重资产、经常账户赤字/GDP、非政府信贷/总信贷等指标删除。各指标名称如表1所示，用于综合反映金融稳定性程度[ 8 ]。

影子银行与金融稳定性各指标之间具有显著的关系。首先，影子银行与金融发展指数（FDI）具有负向的相关关系。具体来讲，金融发展指数反映了一个国家或地区的金融发展水平。金融发展水平越高说明该地区的正规金融体系越完善和发达，能够为该地区的经济建设提供全面的金融服务，因此该地区的影子银行必然具有较小的发展空间和速度，且规模较小。其次，影子银行与金融脆弱性指数（FVI）具有正向的相关关系。金融脆弱性指数反映了一个国家或地区金融体系的脆弱性和不稳定性。金融体系的脆弱性越明显说明该地区正规金融体系越不发达或者越不稳定，因此该地区的影子银行必然具有较大的发展空间和速度，且规模较大。再次，影子银行与金融稳定性指数（FSI）具有负向的相关关系。金融稳定性指数反映了一个国家或地区金融体系整体稳定性或抵御风险的程度。金融体系稳定性越强说明该地区正规金融体系越完善和发达，能够为该地区的经济建设提供全面的金融服务，因此该地区的影子银行必然具有较小的发展空间和速度，且规模较小。最后，影子银行与世界经济景气指数（WECI）具有负向的相关关系。世界经济景气指数反映了世界经济发展现状，以及企业的生产经营状况、经济运行状况，能够有效预测未来世界经济的发展变化趋势。世界经济景气指数越健康，说明经济发展越健康、企业的生产经营状况越好，因此正规金融机构完全有能力为该地区大多数生产经营活动提供服务，影子银行的生存空间有限，发展比较缓慢，且规模较小。

四、影子银行规模对金融稳定性影响的TVP-VAR模型构建

Nakajima（2011）提出带随机波动率的时变参数向量自回归（TVP-VAR）模型。在模型中，假定协方差和系数完全可变。因此，这不但能够有效弥补结构突变时常系数模型对变量之间关系进行刻画存在的解释力欠缺的问题，而且能够对所有时间点变量间的脉冲响应路径和同期关联系数进行估计，更有助于对样本期内研究对象之间存在的相互影响和作用机制进行观察[ 9 ]。因此，本文在对影子银行规模和金融稳定性进行相关研究时，采用TVP-VAR模型。在分析影子银行规模变化对金融稳定性的影响和作用时，TVP-VAR模型所具有的特征为其提供了很大的支持。在构建影子银行规模和金融稳定性指数的模型时，加入控制变量，即全社会信贷规模，从而建立完整的三变量TVP-VAR模型。这是因为现有研究发现信贷波动会影响整个银行体系的稳定性，进而冲击整个金融体系，同时，目前的影子银行在一定程度上替代了商业银行在企业融资中的作用，因此，影子银行可以通过信贷投放来间接影响我国金融体系的稳定性。所以构建包含影子银行规模、金融稳定性指数和全社会信贷规模的三变量TVP-VAR模型，能够有效克服模型存在的内生性问题，对深入分析变量之间的关系具有极其重要的作用。

本文给出一个基本的结构向量自回归模型：

Ayt=F1yt-1+…+Fsyt-s+ut，t=s+1，…，n （1）

其中，yt是一个由影子银行规模、全社会信贷规模和金融稳定性指数组成的3×1维的观测向量，A，F1，…，Fs均为3×3的系数矩阵，ut为3×1维的扰动项，并且假定ut～N（0，∑∑），其中∑=σ1 0 0 0 σ2 0 0 0 σ3。为简化模型，把刻画结构性冲击的同期关联矩阵A定义为一个递归识别的下三角矩阵，即A= 1 0 0a21 1 0a31 a32 1。于是，模型（1）可写成：

yt=B1yt-1+…+Bsyt-s+A-1∑？着1，？着t：N（0，I3）（2）

其中，Bi=A-1Fi，i=1，2，…，s，将Bi中的元素逐行堆砌起来形成32s×1维的向量？茁。定义Xt=Is？茚（y' t-1，…，y' t-s），？茚表示克罗内克积。由此模型（2）可表示为：

yt=Xt？茁+A-1∑？著t （3）

为了深入分析研究影子银行波动对金融稳定性的时变影响，将模型（3）中所有的参数加入时变特征，进而得到带有随机波动因子的TVP-VAR模型：

yt=Xt？茁t+At-1∑t？着t （4）

将下三角矩阵At中的左下方元素堆砌起来得到向量？琢t=（a21t，a31t，a41t）'，令向量ht=（h1t，h2t，h3t）'，且hjt=logσ2jt（j=1，2，3；t=s+1，…，n）。假设参数服从随机游走过程：？茁t+1 = ？茁t + u？茁t，？琢t+1 = ？琢t + u？琢t，ht+1 = ht + uht，并且？着tu？茁tu？琢tuht： N0， I 0 0 00 ∑？茁 0 00 0 ∑？琢 00 0 0 ∑h。此外，假定？茁s+1：N（？滋？茁0，∑？茁0），？琢s+1：N（？滋？琢0，∑？琢0），hs+1：N（？滋h0，∑h0）。另∑？茁、∑？琢、∑h均为对角矩阵，且（∑？茁）-2i ～Gamma（20，0.01），（∑？琢）-2i ～Gamma（2，0.01），（∑h）-2i ～Gamma（2，0.01），同时将时变参数的初始状态赋值为？滋？茁0=？滋？琢0=？滋h0=0，∑？茁0=∑？琢=10×I，∑h0 =100×I。

五、实证检验

（一）研究样本与数据来源

为了分析规模的波动变化对金融稳定性造成多大程度的影响，本文选择的指标涉及影子银行规模、宏观经济现状和金融体系等方面。影子银行的内涵及概念从2009年1月开始逐渐形成，关于影子银行的统计数据自此不断完善。因此，本研究以2009年1月至2015年12月的统计数据为基础进行相关研究。同时，以月份为单位，共得到84组数据样本。

鉴于影子银行业务的代表性以及相关数据的完整性，本文采用信托贷款、委托贷款以及未贴现银行承兑汇票的月度存量规模总和来表示影子银行规模，相关的数据均来自彭博数据库。为了有效剔除季节和价格因素的干扰，笔者采用Census-X12和定基CPI方法对原始数据进行处理，最终得到剔除季节和价格因素干扰的影子银行规模数值。

在金融稳定性指数的计算中采用合成法，数据来源于Wind数据库。在指数的计算中笔者进行了相应的数据处理：采用SPSS软件中的线性趋势法进行缺失数据处理；采用Eviews软件将季度数据转换成月度数据；利用Census-X12法对研究样本数据进行季节调整处理。采用熵值法得到的指数权重分别为：金融稳定性指数（FSI）权重34.4%，金融脆弱性指数（FVI）权重29.7%，金融发展指数（FDI）权重19.3%，世界经济景气指数（WECI）权重16.6%。

本文采用全社会金融机构人民币贷款规模和外币贷款规模的存量值来表示信贷规模。由于从2015年开始中国人民银行首次公布我国贷款规模的存量数据，因此，笔者利用2015年12月底我国人民币及外币的贷款存量数据，通过之前的贷款增量数据进行相关推算，得到贷款规模的数据。相关的研究数据均来自Wind数据库，并且采用Census-X12方法和定基CPI进行了相应的数据调整。

（二）模型的适用性检验

鉴于影子银行规模、金融稳定性指数以及社会信贷规模的原始时间序列数据很可能不平稳，本文进行了平稳性检验，结果如表2。为了有效规避数据不平稳对实证结果的不利影响，以及有效克服异方差问题，在实证检验之前对影子银行规模、金融稳定性指数以及社会信贷规模进行对数差分处理，进而得到相应的变量增长率序列，即ΔlnYZYHGM、ΔlnWDX和ΔlnXDGM。接着进行相应的变量ADF和PP检验，结果如表3。结果表明：在1%的显著性水平下，拒绝影子银行规模、金融稳定性指数以及社会信贷规模存在单位根的原假设，说明变量均为平稳的时间序列。因此，能够建立包含ΔlnYZYHGM、ΔlnWDX和ΔlnXDGM的三变量TVP-VAR模型。

根据边际似然值最大的原则，为了满足检验需要，将TVP-VAR模型的滞后期设定为3。采用MCMC算法进行20 000次连续抽样，为了避免抽样的误差，去掉预烧（burn-in）阶段的前2 000次抽样，从而得到检验参数的后验均值、标准差、95%的置信区间、收敛诊断值（Convergence Diagnostics，CD）和无效因子（如表4）。

由表4可见，所有参数的后验均值都处于95%的置信区间范围内，实证检验结果具有较高的可信度。并且，收敛诊断值均小于1.96（即5%显著性水平下的临界值），说明不能拒绝零假设（即后验分布收敛于0）。无效因子的最大值为78.44，表明得到的不相关样本数约为256个（即20 000÷78），这也完全满足后验推断时的相关要求。

（三）实证检验结果

1.影子银行规模与金融稳定性同期关联

在TVP-VAR模型中，能够通过下三角矩阵At来反映变量之间存在的同期关联，变量一个单位的结构性冲击对其他变量产生的当期作用能够通过矩阵A-1t中的自由元？觔it以递归识别的途径表现出来。具体来看，影子银行规模与金融稳定性指数之间具有的同期关联特征能够通过图2表现出来。

由图2可见，2009—2015年间我国影子银行规模与金融稳定性指数之间的同期关联为负，这表明我国影子银行规模的快速增长有助于我国金融体系稳定性的提升。这也充分说明了在短期内，影子银行对我国金融体系的稳定性具有显著的正向促进作用。

2.脉冲响应分析

在传统的VAR模型中，脉冲响应函数作为一种基本工具，主要用于分析变量之间存在的动态作用机制，然而普通的常系数VAR模型只能通过某一次的冲击来反映一个变量对另一个变量的响应程度。采用估计的方式取得的时变参数，TVP-VAR模型能够对任意时间点上的脉冲响应值进行准确的计算，从而能够反映出不同时间点上变量之间相互作用大小的动态特征。为了深入分析研究影子银行规模增长对金融体系稳定性的动态影响机制，在实证检验中给出了金融稳定性指数对于来自超前1期、3期、6期、9期（即超前1个月、1个季度、半年、3个季度）一个单位标准差的影子银行规模对数增长率初始冲击的脉冲响应图（如图3）。

由图3可知，对于来自超前1期的影子银行的规模波动，金融稳定性指数的响应与同期关联分析具有非常大的相似性，这充分表明了影子银行规模的增长在短期内有利于我国金融体系的稳定性提高。对于超前3期的影子银行的规模波动，金融稳定性指数的脉冲响应值由负转为正，其分界点为2010年4月，同时，在2013年1月之前一直处于上升过程中，最终的数值在0.01附近波动；除了2010年1月和2010年2月之外，对于超前6期的影子银行的规模波动，金融稳定性指数的脉冲响应为正向响应，2010年1月到2011年1月增長比较显著，最终的数值稳定在0.004附近；对于超前9期的影子银行的规模波动，金融稳定性指数的脉冲响应一直为正向，并且无论是波动还是幅度都比较小，最终的数值稳定在0.001附近。这反映了从2010年开始，在我国影子银行体系中长时间积累的风险因素开始暴露，这对我国金融体系的稳定性具有较大的负面作用。影子银行基础资产的期限一般超过3个月，大多数的投资项目期限也在两年以上，信托、理财等金融产品从发行到出现兑付危机，一般需要较长的时间，因此，银行等金融机构利用同业途径来化解风险也不可能一蹴而就，所以金融机构之间潜在交叉传染风险的出现必然具有时滞性特征。另外，影子银行规模的增长会给资本市场和实体经济带来巨大的流动性，在短期内，流动性的增长能够有效促进我国经济发展和资产价格的提升，然而也必然会推动行业经济泡沫的滋生。当外部经济环境和经济结构变化时，使得这些原本隐藏的风险逐渐暴露。例如2010—2011年国家宏观调控政策稳步推进，为了能够有效遏制我国房价的上涨，国家实施了积极的调控政策和措施，这显著影响了相关基础设施和房地产项目的开发，导致为它们提供大量贷款的影子银行受到很大冲击，风险凸显，最终这些网络风险逐渐向整个金融行业传递。伴随着整个经济周期和国家经济政策的调整，金融不稳定因素也在变动，导致其风险能够较长时间隐藏。通过脉冲响应的结果，能够发现在影子银行规模增长的前3期、前6期以及前9期，影子银行规模增长不利于我国金融体系的稳定性，并且在3期后，这种不利影响开始逐渐出现，可见，其具有非常明显的时间滞后性特征。

通过对图3中的脉冲响应函数进行深入的分析研究，笔者发现金融稳定性指数在响应前几期的影子银行规模变化时，具有两个明显的特点：一是2009—2013年上半年，脉冲响应曲线具有较大的时变波动幅度，然而从2013年下半年开始，脉冲响应曲线比较稳定，没有较大幅度的变化。二是影子银行规模增长对金融稳定性的负面影响随着时间的增长而逐渐减弱，具体来讲：对于超前3期影子银行规模的增长，金融稳定性指数的响应基本上维持在0.01；对于超前6期影子银行规模的增长，金融稳定性指数的响应基本上维持在0.004；对于超前9期影子银行规模的增长，金融稳定性指数的响应仅仅维持在0.001附近。结合国家的监管实践：2013年3月银监会“8号文”对商业银行理财资金投资于非标债权资产的总额进行了明确的界定，同年12月国务院“107号文”首次对影子银行的概念进行了明确的界定；2014年“券商资管33号文”、“信托99号文”、人民银行“127号文”等相继发布，进一步落实了多项同业业务规范政策和影子银行监管，明确指出理财资金投向和风险拨备的要求。监管当局明确了对影子银行机构与业务的监管，也对影子银行的内涵和外延进行了说明，在一定程度上，这也是对影子银行业务的边界进行了明确，对风险的交叉传染起到了限制作用，因此，这也正是影子银行规模增长对金融体系稳定性的反向影响，没有随着时间的推移而表现出明显的增强趋势，反而随着时间增长而不断降低。

六、结论与建议

由于我国资本市场化程度还不够完善的特殊国情，影子银行体系异于发达国家。我国影子银行的重点不是资产证券化，但和普通商业银行的传统信贷业务存在着相互补充、紧密相连的关系。随着经济的发展，中小企业呈现井喷式增长，对资金的需求也逐渐增大，影子银行的出现在一定程度上缓解了其融资困难的瓶颈，但融资成本相对较高，运行过程中容易出现风险，对此，应该采用加强审核管理、构建风险预警体系等手段来降低风险。因此，本文选择的样本期间是2009年1月至2015年12月，通过计算金融稳定性指数，运用TVP-VAR模型分析影子银行的规模变动是否会给金融稳定性造成影响，影响程度具体有多大。实证结果表明：影子银行的规模扩大并非对金融稳定性一直呈现正向作用，在短期内，规模扩张可以更好地促进金融的稳定发展，但是在较长的时间范围内，规模扩张反而会阻碍金融的稳定发展。与此同时，有效的监督管理政策会在一定程度上缓解规模持续扩张给金融稳定发展带来的负面影响[ 10 ]。依据实证结果，得出如下政策启示：

（1）影子银行规模要控制在一定的范围内，从而促进金融资源的合理配置。在金融资源的配置过程中，不可避免会出现信息不对称现象，从而影响资源的合理配置。影子银行的出现，在一定程度上有助于金融资源的优化配置。随着金融资源融资约束的逐步加强，某些业务在传统商业银行无法完成，影子银行则可以凭借自身优势提供资源，从而在一定程度上缓和了融资难的问题。因此，随着我国经济步入新常态以及金融改革的深入推进，保持影子银行的适度发展，在一定程度上有利于金融资源的合理配置，这对我国金融体系的健康稳定发展具有显著的促进作用[ 11 ]。

（2）合理规划影子银行业务发展，防止风险内部扩散。在现有监管体系中，影子银行呈现相对自由的状态，加之业务的不断创新，加剧了金融风险。同时，影子银行有着高杠杆的显著特点，业务之间交叉重合点较多，容易引起影子银行体系内部风险蔓延，并传递给正规金融体系，甚至会波及实体经济的发展。应合理规划影子银行业务发展，将风险锁定在影子银行内部，减少其不利影响[ 12 ]。

（3）实施外部监督与内部管理的双效机制，将负面效应锁定在可控范围之内。同时，政府应该从利于经济健康平稳发展和金融稳定的大局出发，合理规划影子银行的发展速度和规模，通过合理规划影子银行的业务范围和规模来控制消极影响，进而合理平衡利弊关系[ 13 ]。

（4）逐步建立影子银行的风险预警体系，真实评估影子银行实际的风险承受能力，將风险提前锁定。目前，在我国的金融系统中，外部审核相对比较严格，风险进驻的端口将一部分风险拦截在外，但具体实践过程中仍存在一些风险，金融体系在具体实施过程中缺乏完善的预警机制，不利于整个金融系统的安全和稳定。

【参考文献】

[1] KRUGMAN P R. Development， geography， and economic theory[J].Paul Krugman，2009，63（252）：701.

[2] 易宪容，王国刚.美国次贷危机的流动性传导机制的金融分析[J].金融研究，2010（5）：41-57.

[3] 邓超，唐莹，杨文静.影子银行体系对我国金融稳定性的影响研究[J].经济经纬，2016（5）：149-154.

[4] 周莉萍. 论影子银行体系国际监管的进展、不足、出路[J].国际金融研究，2012（1）：44-53.

[5] 巴曙松.中国影子银行的监管趋势[J].清华金融评论， 2017（11）：31-32.

[6] 方先明，谢雨菲，权威.影子银行规模波动对金融稳定的溢出效应[J].经济学家，2017（1）：79-87.

[7] 李丛文.中国影子银行与货币政策调控：基于时变Copula动态相关性分析[J].南开经济研究，2015（5）：40-58.

[8] 徐珺.影子银行体系对金融稳定性影响的研究评述[J].投资研究，2016（8）：150-158.

[9] 王擎，白雪.我国影子银行发展与银行体系稳定：来自省际面板数据的证据[J].财经科学，2016（4）：1-12.