第三方互联网支付对我国广义货币流通的影响

2019-07-05文先明苏孟婷王姣

经济数学 2019年2期

文先明苏孟婷王姣

摘要以第三方互联网支付为视角，通过建立向量误差修正模型，定量分析第三方互联网支付对我国广义货币流通的影响，包括对广义货币供应量、广义货币乘数和广义货币流通速度的影响.研究表明：（1）第三方互联网支付会拉动广义货币供应量的增长、放大货币乘数效应、对广义货币流通速度起抑制作用.（2）第三方互联网支付是广义货币供应量、广义货币乘数、广义货币流通速度的单向格兰杰原因.最后，基于理论分析和实证检验结果为监管机构更好的管理第三方互联网支付提出了相关对策建议.

关键词金融学;第三方互联网支付;广义货币流通;VEC模型

中图分类号 F820.4 文献标识码 A

The Impact of Third Party Internet Payment

on Chinas Broad Currency Circulation

WEN Xianming，SU Mingting，WANG Jiao

（School of Economics &management，Changsha University of Science &Technology，Changsha，Hunan 410114，China）

Abstract In this paper， the thirdparty Internet payment is taken as a perspective to establish a vector error correction model to quantitatively analyze the impact of thirdparty Internet payment on China's general monetary circulation， including the impact on broad money supply， generalized money multiplier and general currency circulation speed . The research shows that：（1） Thirdparty internet payment will drive the growth of broad money supply and enlarge the monetary multiplier effect， which will promote the circulation speed of broad money. （2） Thirdparty internet payment is oneway Granger reason for broad money supply， broad money multiplier and general money circulation speed. Finally， based on the theoretical analysis and empirical test results， we put forward some countermeasures for the regulators to better manage the thirdparty Internet payment.

Key words finance; thirdparty internet payment; general currency circulation; "VEC" model

1 引言

随着互联网金融的迅猛发展，以阿里巴巴、京东和腾讯为代表的电子商务企业不断地拓展业务.第三方支付作为电子商务发展的信用中介和一种提供交易双方资金安全保障的支付结算方式，也取得了巨大的发展.其代表形式主要有支付宝和财付通（微信支付）.第三方支付可以分为第三方移动支付、第三方卡基支付和第三方互联网支付.近年来，第三方互联网支付依靠互联网网络终端，以其交易便捷、流动性强、成本低等优势，呈现快速增长的态势，有可能成为我国支付结算体系中市场份额最大的一种交易方式.第三方互联网支付机构与商业银行体系相互独立，在发生支付结算时，交易资金沉淀于第三方支付机构，因而对传统货币流通体系造成了巨大的冲击.根据艾瑞咨询统计数据显示，2006年3月我国互联网支付规模仅82.3亿元，2017年9月已突破63815亿元，增长了775倍.其不断增长的规模和使用率严重影响到了对传统货币的需求.因此，研究第三方互联网支付对我国货币流通的影响，特别是广义货币流通转化的影响具有重要意义.

2 文献综述

相对来说，很早就有国外学者对第三方支付的研究，并且大多集中于电子货币的发展对国家货币政策的影响方面.Freedman（2000）[1]认为电子货币将不断替代央行所发行的通货，导致对央行的货币需求下降.与此同时，央行可以通过控制短期利率来维持货币政策的有效性.Williamson（2004）[2]研究发现人们使用电子货币交易会降低现金使用率，但央行可以通过电子货币的清算发挥影响.Shirvani和Delcoure（2014）[3]认为政策指导会对货币流通速度产生重要影响.也有一些学者针对电子货币的优点进行研究.Singh（1999）[4]、Fujiki和Tanaka（2014）[5]认为电子货币对现金的替代效应能减少交易成本、节省时间、提高效率.Bhattacharya和Singh（2016）[6]使用消费者财务状况调查发现电子货币不能取代活期存款，电子货币所有权与支票账户中持有的最高余额相关联.AlLaham等（2009）[7]认为，货币电子化会削弱中央银行对货币供给的控制力，提升货幣流通速度，铸币税收入减少，货币乘数发生变化等.

互联网金融在国内虽然起步较晚，但发展迅速.国内学者就第三方互联网支付的研究，主要集中在以下几个方面：一是对第三方支付风险及其监管进行研究.张传勇（2015）[8]指出第三方支付在为买卖双方提供便利的同时，也存在着包括信用风险、技术风险、流动性风险、隐私保护问题以及监管难度较大等诸多问题.赵增强（2018）[9]指出互联网金融具备金融风险和互联网风险的双重风险，并且风险的关联度极高.二是对第三方支付与商业银行的影响分析.宫晓林（2013）[10] 发现银行缺少散户有效信用信息、大数据挖掘能力和市场敏感性，而互联网金融第三方企业刚好与之互补.史亚荣和张茗（2018）[11]通过研究得出不同的互联网金融形态对不同类型商业银行的盈利发展和非利息收入的影响不尽相同.刘忠璐（2016）[12]表明互联网金融对不同类型的商业银行风险行为的影响具有差异性.三是对货币流通及货币政策有效性的影响进行研究.在货币流通方面，全颖和杨大光（2016）[13]提出支付货币电子化的发展能提升商业银行的信用创造能力，增加货币供给.杨弋帆（2014）[14]指出电子货币可以通过货币创造机制对货币供给和货币乘数产生影响，且第三方支付机构对货币乘数的放大效应尤为明显.陶士贵和邹艺（2017）[15]认为第三方支付在长期范围内对现金和狭义货币流通速度起抑制作用，但会刺激广义货币流通速度.在货币政策有效性方面，方兴和郭子睿（2017）[16]、尹龙（2000）[17]等认为电子支付对货币政策的影响具有不确定性.印文和裴平（2015）[18]则认为货币电子化有即时效应与滞后效应，能显著提高我国货币政策的有效性.对此有些学者持相反观点，周光友（2007）[19]研究指出第三方支付加剧了货币乘数的波动，降低了我国货币政策的有效性.谢平和刘海二（2013）[20]认为移动支付和电子货币具有网络规模效应，随着这种效应的凸显，人们会减少对现金货币的需求，从而改变货币需求形式，冲击货币供给，降低央行对货币控制的有效性.

第三方支付的發展不单单推动了传统支付方式和支付习惯的改变，也对我国货币政策的制定和实施提出了挑战.从直观方面来讲，由于第三方支付的普及及其功能的拓展，人们一方面减少了对现金的需要，另一方面也会因为第三方支付与银行的紧密关系而改变银行的存款结构，进而对货币供给、货币乘数和货币流通速度造成影响.

综上所述，以往对第三方互联网支付的研究大都停留在理论方面，并且对第三方支付风险和监管、对商业银行的影响研究以及对货币政策有效性的影响研究相对较多，对货币流通的影响研究较少，且大多针对某一个方面进行研究.在前人研究的基础上，构建向量误差修正模型（VEC）全面分析第三方互联网支付对广义货币层次流通的影响，结果表明第三方互联网支付能增加广义货币供给、扩大广义货币乘数、减缓广义货币流通速度.

3 理论分析与假设

伴随着电子商务的迅速发展，互联网金融对传统货币的替代效应越来越明显，流通中的现金（M0）减少，货币流通速度（V）增大.由费雪方程式MV=PQ可知，在价格水平和生产总量均保持不变的情况下，货币需求（M）将减小.从2006年到2017年，我国M0增长率持续下降，但M0与GDP的比值却保持相对稳定，这种稳定的原因并非GDP的下降造成的，恰恰相反，在2006年到2017年间，我国社会总支出保持快速增长，这种稳定的真正原因是互联网金融的发展对现金的替代效应[21][22].

3.1 第三方支付对广义货币供给的影响

现代货币理论认为货币是内生的，假设短期内货币供给量和货币需求量相等，第三方互联网支付可以通过影响货币需求从而影响货币供给.凯恩斯货币需求理论指出，人们持有货币的原因，主要是由于交易性货币需求、预防性货币需求以及投机性货币需求.目前第三方互联网支付的应用已经从线上支付慢慢拓展到线下超市等营业场所，人们可以持有更少的货币满足日常交易，使得人们因交易动机而持有的货币减少.而第三方支付在一定程度上也满足了因转换成本、机会成本和流动性成本等因素决定的预防性货币需求，因此人们因预防性动机而持有的货币需求也降低.对于投机性货币需求，随着互联网金融创新的发展，日新月异的互联网金融产品被推出。金融产品的增加也增加了投机机会，人们会减少投机性现金的持有，转而更多的持有第三方支付等电子货币.由于凯恩斯货币需求理论中的货币指的是流通中的现金，因而第三方支付影响的是货币M0.综上，第三方支付将减少货币M0的持有量，增加M1和M2的持有量.而根据凯恩斯货币需求理论，在社会财富相对稳定的情况下，货币供给量和货币需求量相等.因此，货币供应量M0将减少，M1和M2将增加.

3.2第三方支付对广义货币乘数的影响

货币乘数等于货币供应量和基础货币的比值，广义货币供应量M2对应的货币乘数即为K2.由现代货币乘数理论可得：

K2=M2B=C+D+SC+Rt+Re=1+krt+re+k，（1）

其中，Rt=rt（D+S），Re=re（D+S），C代表流通中现金，D代表活期存款，S代表定期存款，Rt代表法定存款准备金，Re代表超额准备金，k代表现金漏损率，rt代表法定存款准备金率，re代表超额准备金率.一般而言，法定存款准备金率是由中央银行规定的，第三方互联网支付不会对其产生影响，但会对现金比率、定期存款与活期存款比和超额准备金率产生影响.第三方支付的便利加快了资金周转，减少了人们对现金支付的需求，从而降低了现金漏损率，导致现金比率下降，广义货币乘数扩大;对于定期存款与活期存款比，理性主体为了保值增值势必会增加定期存款来增加收益，因而定期存款与活期存款比率上升，增加了货币乘数的不稳定性;与此同时，第三方支付简化了交易过程，减少了传统货币流转的在途时间，商业银行因此会降低超额准备金的持有量，增大广义货币乘数.

3.3 第三方支付对广义货币流通速度的影响

在第三方支付替代传统货币的过程中，将传统需求分为两部分，一部分为传统货币与流通速度，另一部分为电子货币（主要是第三方支付）与流通速度.可建立恒等式：

MiVi+MdVd=PY，（2）

其中，i代表电子货币，d代表传统货币，P代表商品价格，Y代表商品交易数量.从该方程可知，当电子货币交易数量和交易频率较大时，其规模会影响货币流通速度.可将其影响分为两种不同的效应：加速效应和转化效应.随着第三方互联网支付交易规模的不断扩张，电子货币交易数量和频率的增加会提高货币流通速度.即加速效应使得电子货币对货币流通速度具有正向影响，进一步影响人们对货币的需求数量.当转化效应占主导地位时，电子货币对货币流通速度具有负效应影响，能减缓货币流通速度[23].根据艾瑞咨询数据得知，随着第三方互联网交易规模的增加，M2层次的货币流通速度表现出下降的趋势.

4 第三方支付对广义货币流通影响的

实证分析

4.1 指标选择与数据来源

4.1.1 指标选取

选取第三方互联网支付交易规模总额为自变量，通过不同的控制变量分别研究第三方互联网支付对广义货币供应量、广义货币乘数和广义货币流通速度的影响（如表1）.我国2006年第一季度第三方互联网支付交易规模总额TPI为82.3亿元，2017年第三季度已经达到63815.51亿元;而广义货币供应量M2一直呈现逐渐增长的趋势，从2006年第一季度的310490.7亿元增加到2017年第三季度的1655662.07亿元，增长了五倍;其中，广义货币乘数K2等于广义货币供应量与基础货币之比;现金比率CR等于流通中现金与商业银行活期存款之比;定期存款与活期存款比TD等于商业银行定期存款与商业银行活期存款之比;广义货币流通速度V2等于名义GDP与广义货币供应量之比;货币流动性比率CL等于狭义货币供应量M1与广义货币供应量M2之比.

4.1.2 数据来源

由于第三方互联网支付起步较晚，年度数据并不丰富，因此选取的数据是2006第一季度至2017第三季度的季度时间序列数据.其中，名义GDP季度数据、城镇居民人均可支配收入PCI来源于国家统计局，第三方互联网支付交易规模总额数据TPI来源于艾瑞咨询网，信贷规模数据CS来源于东方财富网，流通中现金M0、狭义货币供应量M1、广义货币供应量M2、基础货币B、外汇储备FER、商业银行活期存款DD、商业银行定期存款TT等数据均来源于中国人民银行官网.

4.2 平稳性检验

由于所选数据以季度为单位，因此采用Eviews 9.0中的X12季节调整模型对各变量的原始數据进行处理.将消除季节因素影响后的数据用SA来表示，剔除季节因素影响后的以下变量可以表示为：K2=M2_SA/B_SA，CR=M0_SA/TT_SA，TD=TT_SA/DD_SA，V2=GDP_SA/M2_SA，CL=M1_SA/M2_SA.为了消除异方差性、增强时间序列的平稳性，对季节处理后的水平变量TPI_SA，M2_SA，CS_SA，FER_SA和CPI_SA分别取对数变成LNTPI_SA，LNM2_SA，LNCS_SA，LNFER_SA和LNCPI_SA.下面将对这3个模型的时间序列平稳性进行单位根检验：

平稳注：在检验形式（C，T，P）中，C代表时间序列有截距项，T代表时间序列有趋势项，P表示由AIC准则确定的最优滞后阶数.

从表2可知，LNTPI_SA、LNM2_SA、LNCS_SA、LNFER_SA的ADF值都大于其在1%、5%、10%显著性水平下的临界值，无法拒绝原假设，说明这四个变量的原序列均为非平稳时间序列.经过一阶差分后，所有变量的ADF值都小于临界值，因此拒绝存在单位根的原假设，均为平稳的时间序列.由此可得：变量LNTPI_SA、LNM2_SA、LNCS_SA、LNFER_SA都是一阶单整序列，因而第三方互联网支付、广义货币供应量、信贷规模、外汇储备之间可能存在协整关系.

由表3可知，所有变量原序列的ADF值均大于其临界值，因此都是非平稳时间序列.经过一阶差分后的变量，其P值均小于0.01，有理由拒绝原假设.所以，第三方互联网支付、广义货币乘数、现金比率、定期存款与活期存款比均为一阶单整序列，它们之间可能存在协整关系.

_SA、LNCS_SA、LNFER_SA的ADF值都大于其在1%、5%、10%显著性水平下的临界值，无法拒绝原假设，说明这四个变量的原序列均为非平稳时间序列.经过一阶差分后，所有变量的ADF值都小于临界值，因此拒绝存在单位根的原假设，均为平稳的时间序列.由此可得：变量LNTPI_SA、LNM2_SA、LNCS_SA、LNFER_SA都是一阶单整序列，因而第三方互联网支付、广义货币供应量、信贷规模、外汇储备之间可能存在协整关系.

由表4可知，第三方互联网支付、广义货币流通速度、城镇居民人均可支配收入、货币流动性比率之间可能存在协整关系.

4.3 协整检验

为了验证各模型变量间是否存在协整关系，必须先确定VAR滞后阶数.结合AIC信息准则和SC准则、LR（似然比）检验法确定广义货币供应量（LNM2_SA）、广义货币乘数（K2）及广义货币流通速度（V2）模型与第三方支付和各控制变量间的最佳滞后阶数分别为1、1、2.在此基础上，进一步做协整检验.目前，协整检验的方法主要有两种，一是EG两步法，用来检验两个变量间的协整关系.二是Johansen检验法，该方法可以对多个变量间的协整关系进行检验.选择Johansen检验法来确定各模型变量间的协整关系.

以确定LNM2_SA与LNTPI_SA、LNCS_SA、LNFER_SA之间的协整关系为例，由于最佳滞后阶数为1，因此滞后区间选择“0 0”，协整检验方程选择“序列Yt有线性时间趋势，协整方程存在截距项”的情形构造VEC模型，检验结果如表5所示.

从表5中可以看出，当假设“方程最多只有2种协整关系”时，迹统计量和最大特征值统计量的值均大于5%的临界值.在假设“方程最多只有3种协整关系”时，迹统计量和最大特征值统计量的P值均>0.05，不能拒绝原假设.因此，该模型含有3个协整方程，说明变量间存在长期均衡关系.但根据以往经验，第一种协整关系最具有经济意义.

Eviews 9.0显示第一种协整关系结果如下：

LNM2_SA=0.063085LNTPI_SA+0.154602（0.03599） LNCS_SA（0.06094）

+0.148817（0.15004）LNFER_SA，（3）

其中，似然率为275.2804，括号内的数字是各个变量估计值的标准差.从式（1）可以看出，长期内，第三方互联网支付LNTPI_SA、信贷规模LNCS_SA、外汇储备LNFER_SA与广义货币供应量LNM2_SA之间是一种正向相关关系.当第三方互联网支付交易规模增大时，广义货币乘数随之增加.

同理，对K2、V2进行协整关系研究，可得出以下两个表达式：

K2=0.327008（0.15379） LNTPI_SA+14.01646（6.29814） CR-3.658399（1.26544）TD ，（4）

V2=-0.018353（0.00441） LNTPI_SA+0.065001（0.02737） LNPCI_SA+0.111147（0.04448）CL.（5）

由前后順序，似然率分别是384.6696和531.3842.其中，第三方互联网支付LNTPI_SA、现金比率CR、定期存款与活期存款比TD对广义货币乘数K2的弹性分别是0.327008、14.01646、-3.658399，说明广义货币乘数与第三方互联网支付、现金比率成正比，与定期存款与活期存款比成反比.而第三方互联网支付LNTPI_SA、城镇居民人均可支配收入LNPCI_SA和货币流动性比率CL对广义货币流通速度V2的弹性分别是-0.018353、0.065001和0.11114，这说明在长期中，第三方互联网支付规模的扩张会抑制广义货币流通速度的发展，城镇居民收入水平的提高和货币流动比率的增加则会刺激广义货币流通速度的加快.

4.4 向量误差修正模型

上述协整检验证实了三个模型各变量间确实存在长期均衡关系，但无法解释短期的影响情况.在短期内，变量有可能偏离均衡状态.为了进一步探究各模型变量在短期中的关系和修正机制，建立了VEC模型.以研究广义货币供应量模型为例，上文已经利用Eviews 9.0得出了其VAR滞后阶数为1，因此模型中没有一阶差分的滞后项，建立VEC（0）模型.将LNM2_SA、LNTPI_SA、LNCS_SA、LNFER_SA数据导入VEC（0）模型中，得到LNM2_SA的向量误差修正模型：

D（Lnm2_sa）=-0.033087（0.00693） [-4.77372]CointEq1（1）+0.036607

（0.00187）[19.5933]

其中，

CointEq1（1）=Lnm2_sa-0.063085（0.03599）[-1.75279]LNTPI_SA（-1）-0.154602

（0.06094）[-2.53693]LNCS_SA（-1）-0.148817（0.15004）[-0.99185]LNFER_SA（-1）-10.17449

当变量的短期波动偏离长期均衡时，存在一种调整力度ECM可以将其从非均衡状态拉回到均衡状态.上式中，小括号内的数字表示各变量估计值的标准差，方括号内的数字表示各变量估计值的t检验值.CointEq1（1）表示误差修正项，用来反映变量间的长期关系.CointEq1（1）的系数是-0.033087，表示当广义货币供应量短期波动偏离均衡时，协整关系将以-0.033087的调整力度将其从非均衡状态拉回到均衡状态.

同理，可以得到K2和V2的VEC模型.估计结果如下所示：

D（K2）=0.025756（0.04178）[ 0.61649]CointEq1（2）+0.010885（0.02179）[ 0.49954]，

其中，CointEq1（2）=K2（-1）-0.327006（0.15379）[-2.12627]

LNTPI_SA（-1）-14.01638CR（6.29815） [-2.22547]（-1）

+3.658383TD（-1）（1.26544）[ 2.89100]，

D（V2）=-1.179526（0.13145）[-8.97334]

CointEq1（3）+0.792428D（0.12376） [6.40274]

（V2（-1））+0.033212（0.01533）[2.16690] D（LNTPI_SA（-1））

-0.042596（0.08515）[-0.50024]

D（LNPCI_SA（-1））-1.291482D（0.15760）[-8.19483]

（CL（-1））-0.004932 （0.00285）[-1.72950]，

其中，CointEq1（3）=V2（-1）+0.016569（0.00697）[2.37772]

LNTPI_SA（-1）-0.061169（0.04301）[-1.42227]

LNPCI_SA（-1）

-0.142677（0.06818） [-2.09272]CL（-1）+0.286135.

综上，CointEq1（2）的系数是0.025756，說明当K2在短期内波动偏离长期均衡时，其协整关系的调整力度为0.025756，将其从非均衡状态拉回均衡状态.CointEq1（3）系数为-1.179526，说明当V2在短期内偏离长期均衡条件时，所存在的调整力度为-1.179526，使波动调整回长期均衡状态.第三方互联网支付对广义货币流通速度V2的短期弹性为0.033212，城镇居民人均可支配收入的弹性为-0.042596，货币流动性比率的弹性为-1.291482.说明在短期内，第三方互联网支付的发展刺激了广义货币流通速度的加快.

4.5 格兰杰因果检验

经过协整检验得知上述三个模型各变量之间存在协整关系，但仍需进一步验证变量间是否存在因果效应.采用Granger检验来判断这种均衡关系的是否存在时间上的因果（先后）关系及其因果方向.考虑到不同滞后阶数对检验结果的影响，因此该检验依据前文建立的VAR模型所确立的滞后阶数选定样本检验的滞后期.然后根据检验结果的P值判断存在因果关系的概率.检验结果如表6所示.

根据上述检验结果，在5%显著性水平下，第三方互联网支付LNTPI_SA是引起广义货币供应量LNM2_SA、广义货币乘数K2、广义货币流通速度V2发生变动的格兰杰原因，但LNM2_SA、K2、V2并不能引起LNTPI_SA的格兰杰变动.说明第三方互联网支付与广义货币流通之间存在单向的Granger因果变动关系.

4.6 脉冲响应函数分析

为研究模型中各变量间的动态变化关系，构建了VAR模型，采用脉冲响应函数进一步分析当因变量受到其他变量残差冲击时的短期反应.应用广义脉冲响应函数分析，选择滞后20期的模型，分析第三方互联网支付LNTPI_SA分别对广义货币供应量LNM2_SA、广义货币乘数K2、广义货币流通速度V2的脉冲响应.

图1为各变量对广义货币供应量的脉冲响应图.当第三方互联网支付LNTPI_SA对广义货币供应量LNM2_SA产生一个正向冲击时，短期内，广义货币供应量产生一个正向反应，在第7期达到极值1%左右，此后反应逐渐减小.表明第三方互联网支付对广义货币供应量具有明显且持久的正向影响.

图2 为各变量对广义货币乘数的脉冲响应图.反映了各变量对广义货币乘数的冲击效果.当第三方互联网支付LNTPI_SA对广义货币乘数K2产生一个正向冲击时，广义货币乘数出现一个明显的正向反应，且在第8期达到最大值，而后反应逐渐减弱，但始终维持在2%以上.

图3为各变量对广义货币流通速度的脉冲响应图.当第三方互联网支付LNTPI_SA产生一个正向冲击时，广义货币流通速度V2先是出现一个较小的正向反应，而后迅速减小变为负向反应，然后逐渐趋于平缓.

4.7 方差分解分析

通过上述脉冲响应函数分析可以判断各模型变量间滞后期是怎样产生影响的，却无法解释变量间的影响程度.因此应用方差分解分析当一个变量的波动引起内生变量波动影响时的贡献率.

从广义货币供应量模型中可以看出，第一期时，广义货币供应量LNM2_SA对自身的贡献率为100%，然后逐渐下降.而第三方互联网支付LNTPI_SA的贡献率则快速提升，在第十期达到63.93296%.信贷规模LNCS_SA的贡献率则略有下降.与此相反，外汇储备LNFER_SA的贡献率则略有上升，但总体贡献水平较低.从广义货币乘数模型中可以看出，对广义货币乘数K2贡献最大的是现金比率，在第十期的贡献率接近30%，而其自身的贡献则逐渐减少至67.33971%.第三方互联网支付LNTPI_SA、定期存款与活期存款比率TD的贡献率总体较小，但呈增加趋势.从广义货币流通速度模型中可以看出，货币流动性比率CL对广义货币流通速度V2的影响大于第三方互联网支付LNTPI_SA和城镇居民人均可支配收入LNPCI_SA对V2的影响，第三方互联网支付的贡献率保持稳步增长，在第十期已达到8.363962%.如表7所示.

5 结论和建议

通过第三方互联网支付LNTPI_SA与广义货币供应量LNM2_SA之间的协整检验结果可知，长期内第三方支付与广义货币供应量之间存在正相关关系，第三方互联网支付的发展有助于扩大广义货币供应量LNM2_SA.通过格兰杰因果分析显示，第三方互联网支付LNTPI_SA是引起广义货币供应量LNM2_SA变化的的Granger原因，而LNM2_SA不是引起LNTPI_SA变化的Granger原因，即第三方互联网支付与广义货币供应量之间存在单向的因果关系.脉冲响应函数分析说明，短期内第三方互联网支付对广义货币供应量具有正向影响.

通过对第三方互联网支付LNTPI_SA与广义货币乘数K2之间协整分析说明第三方互联网支付与广义货币乘数之间存在长期稳定关系.Granger因果检验结果显示，第三方互联网支付LNTPI_SA与广义货币乘数K2之间存在单向的因果关系，且LNTPI_SA是引起K2变化的Granger原因.由脉冲响应函数分析可知，当第三方互联网支付受到一个正向冲击时，广义货币乘数在第一期产生正向反应，而后逐渐增大，在第八期达到最大值后反应逐渐减少并趋于平稳.

通过Johansen协整检验发现，第三方互联网支付LNTPI_SA与广义货币流通速度V2之间存在协整关系，且为负向关系.说明第三方互联网支付的发展会使得广义货币流通速度减慢.Granger因果检验发现，第三方互联网支付LNTPI_SA与广义货币流通速度V2之间存在单向因果关系，且第三方互联网支付是引起广义货币流通速度变化的原因.通过VAR模型的脉冲响应函数分析可知：短期内，当第三方互联网支付LNTPI_SA受到一个正向冲击时，广义货币流通速度V2在第一期产生正向反应，第二期又变为负向的，而后逐渐达到最大，之后趋于平稳.

结合现实情况提出以下几点政策建议.

第一，优化货币层次的划分，确定货币监管政策.

第二，制定第三方支付存款准备金制度，加强风险防控.

第三，整合相关资源，鼓励第三方支付平台和商业银行合作.

第四，深化金融市场改革，完善相关法律、法规.

参考文献

[1] FREEDMAN. Monetary Policy Implementation： Past， Present and FutureWill Electronic Money Lead to the Eventual Demise of Central Banking？[J]. International Finance， 2010， 3（2）：211-227.

[2] WILLIAMSON S D.Payment Systems and Monetary Policy[J]. Journal of Monetary Economics， 2003（2）：475-495.

[3] H SHIRVANI ，N DELCOURE.Robust panel Unit Root Tests for the Velocity of Money in a Sample of the OECD Countries[J].Banks and Bank Systems，2014（3）：36-42.

[4] SINGH S.Electronic money： understanding its use to increase the effectiveness of policy[J]. Telecommunications Policy， 1999， 23（1011）：753-773.

[5] FUJIKI H， TANAKA M."Currency demand： new technology and the adoption of electronic money：evidence using individual household data";Economics Letters，2014，125（1）：5-8.

[6] BHATTACHARYA K， SINGH S K.Impact of Payment Technology on Seasonality of Currency in Circulation： Evidence from the USA and India[J]. Social Science Electronic Publishing， 2016， 14（1）：117-136.

[7] AlLAHAM M， AlTARWNEH H， ABDALLAT N. Development of Electronic Money and Its Impact on the Central Bank Role and Monetary Policy[J]. Issues in Informing Science & Information Technology， 2009（6）：339-349.

[8] 张传勇.互联网金融对传统金融体系的影响及其监管对策：以第三方支付为例[J].新金融，2015（10）：43-48.

[9] 赵增強.互联网金融及其风险防控[J].税务与经济，2018（1）：46-51.

[10]宫晓林.互联网金融模式及对传统银行业的影响[J].南方金融， 2013（5）：86-88.

[11]史亚荣，张茗.互联网金融形态对我国商业银行影响的差异分析[J].北京工商大学学报（社会科学版），2018，33（2）：105-115.

[12]刘忠璐. 互联网金融对商业银行风险承担的影响研究[J]. 财贸经济， 2016， 37（4）：71-85.

[13]全颖，杨大光.互联网金融发展、支付货币电子化及对货币供给的影响[J].中国流通经济，2016，30（7）：122-128.

[14]杨弋帆. 电子货币对货币供给及货币乘数的影响机制研究——包含第三方支付机构的三级创造体系[J]. 上海金融， 2014（3）：47-54.

[15]陶士贵，邹艺. 第三方支付对我国货币流通速度的影响[J]. 财会月刊， 2017（36）：108-114.

[16]方兴，郭子睿. 第三方互联网支付、货币流通速度与货币政策有效性——基于TVPVAR模型的研究[J]. 经济问题探索，2017（3）：183-190.

[17]尹龙.电子货币对中央银行的影响[J].金融研究，2000（4）：34-41.

[18]印文，裴平.中国的货币电子化与货币政策有效性[J].经济学家，2015（3）：39-46.

[19]周光友. 电子货币发展、货币乘数变动与货币政策有效性[J]. 经济科学， 2007， 29（1）：34-43.