影子银行对我国货币供应量与经济增长的影响

江世银 沈佳倩

〔摘要〕 从货币政策传导机制以及可控性、可测性的理论和实证分析发现，作为我国正规金融机构补充的影子银行的存在降低了货币供应量的可控性和货币政策的有效性，对货币供应量的稳定性有较大负面影响，但同时对经济增长也存在着大概率的正面影响，具有一定的促进作用。估测发现，2018年影子银行信贷总规模达72.9万亿元，占当年GDP90万亿元的80.9%。对此我们必须思考规模庞大的影子银行对货币供应量与经济增长的影响，加快利率作为货币政策中介目标的改革进程，强化自身风险管理能力，疏通利率传导机制，既保证有效监管也给予适当的发展空间，充分发挥影子银行对货币供应量与经济增长的积极作用，克服消极影响，注重预期的引导与调节。

〔关键词〕 影子银行;信贷总规模估测;货币供应量;货币政策;经济增长;预期引导与调节

〔中图分类号〕F830.39 〔文献标识码〕A 〔文章编号〕1000-4769（2019）06-0024-08

〔基金项目〕江苏省高校优势学科三期南京审计大学应用经济学〔苏改办发（2018）号〕资助

〔作者简介〕江世银，南京审计大学金融学院教授;

沈佳倩，南京审计大学经济学院硕士研究生，江苏南京 211815。

一、引言及文献回顾

影子银行作为我国金融创新的重头发展势头猛烈。随着经济金融部门紧密程度的加深，影子银行带来的消极影响有可能在个人、商业银行、金融市场和整个经济社会中弥漫，为社会的稳定留下隐患。比如截至2019年1月，国内已停业及问题P2P平台数量多达5433家，涉及投资人数216.2万人、贷款余额1772.1亿元。在这些问题平台中，跑路、提现困难、经济犯罪侦查警察介入调查的比比皆是，不仅影响居民的投资信心和热情，更会影响货币供应量的可控性和稳定性，降低货币政策有效性，影响经济的稳定和健康发展。

文献检索发现，最初人们对影子银行影响经济的研究是从它如何影响货币供应量开始的。Panageas（2009）指出，影子银行的存在模糊了传统的货币供应量的界限，加大了监管机构的监管难度。①Andrew Sheng（2011）认为，影子银行的存在和发展导致金融活动过程中的流动性风险不断积累，逆向选择和道德风险问题加剧，从而将致使货币供应量多变和货币政策日趋复杂，建议将影子银行尽快纳入监管体系，拓宽货币政策的监管范围。②周小川（2011）认为，影子银行如地下钱庄、网络借贷平台等通过向企业、个人放贷，实际增加了社会上流通的资金数量，导致货币政策调整难上加难。③Verona et al.（2013）借助DSGE模型研究了影子银行如何影响货币供应量及最终如何作用于货币政策的，结论同上面两位学者的相同。④王森、周茜茜（2015）的研究发现，随着影子银行对货币供应量产生影响之后也会对货币政策的实施产生滞后作用。⑤贺军（2011）阐述了影子银行与货币政策之间的双向影响作用，认为影子银行在对货币供应量進而对货币政策产生影响的基础上会因紧缩性货币政策带来影子银行规模的响应，即不断扩大。⑥刘翠（2017）通过使用DSGE模型比较了影子银行对不同货币政策的影响，以及三种货币政策中介指标带来的不同程度的社会福利损失，结论表明，以货币供应量为主的货币政策工具的损失最大，以利率规则为主的货币政策框架的损失最小，将两者作为中介目标的规则的社会福利损失居中。⑦随着研究的深入和为了更好地减少其消极影响，学术界从更广泛的视野研究了影子银行对货币供应量的影响。高然、陈忱（2018）利用SVAR模型和DSGE模型发现影子银行的融资规模是逆周期变动的，反事实模拟也表明在紧缩性货币政策的冲击下，影子银行能够引起社会总体融资规模的下降，导致货币供应量减少，政策有效性下降。⑧吕思聪、赵栋（2019）采用的TVR-VAR模型表明：增加货币投放量会使市场利率下降，但是影子银行却会导致利率上升且上升幅度大于货币供应量变动带来的利率下降幅度，从而使货币供应量作为中介指标的意义减弱，政策无法达到预计效果。⑨可见，影子银行对货币供应量的影响一直受到理论界与官方的关注。

同对货币供应量影响的重视一样，影子银行对经济增长的影响也受到相应的跟进研究。事实上，早在2005年时，李建军等便研究了这一问题，认为影子银行的发展对宏观经济具有重要影响，只不过所指的影子银行仅为地下金融规模。李建军与Sara Hsu等（2013）还比较了中国与欧洲影子银行的差异。⑩Feng和Wang（2011）认为，资产证券化的快速发展带来了2008年的金融危机，但不可否认的是，影子银行的出现确实为全球经济的繁荣和增长带来正面影响。B11 李建伟、李树生（2015）使用SVAR模型，从通货膨胀的角度出发，得出影子银行能够促进经济发展的结论。B12 李治章、王帅（2018）将影子银行区别为内部与外部两种，前者指商业银行主导的理财产品等银信合作产品，后者指典当、民间借贷等，并通过格兰杰因果检验发现内部影子银行规模扩大能促进宏观经济的发展，但外部的不一定能带来经济增长。B13 王慧、王军（2019）运用成分分析法对我国30个省份经济发展数据进行的分析表明：影子银行能够为我国经济带来质量的提升，其中带给中部地区的经济质量提升效果最大，然后是东部和西部地区。B14 黄益平（2013）认为，影子银行作为传统商业银行信贷的补充，能够满足新兴的和多元的融资需求，提升资源配置效率和经济水平。B15 但也有研究者认为影子银行对经济增长的贡献程度有限，甚至存在损害的可能性。张子荣、赵丽芬（2018）利用VAR模型对影子银行、地方政府债务和经济增长三者之间的动态关系进行了分析，认为经济增长和地方债务受影子银行的影响有限，但需要注意把握和防范其带来的风险。B16 冯建秀等（2016）通过构建影子银行系统风险测度模型发现，当前我国影子银行存在的系统性风险主要来自信托公司、证券公司等，与此同时系统性风险也在逐渐上升，对国家经济存在一定的负面影响。B17 周丽萍（2011）指出，由于影子银行的经营特点导致信贷过程中的金融风险不断积累，一旦超过一定限度将干扰宏观调控，需要将影子银行的规模和发展趋势列入统计范围。B18 Paul Tucker（2011）和陈青松（2014）也得出了类似的观点。B19 因影子银行对经济增长带来负面影响，所以张微微（2016）提出要加强对它的监管。B20

有关影子银行对我国货币供应量与经济增长影响的研究成果已使学术界和政府部门获得了一定的认识，对减少其消极作用、发挥积极作用产生了一定作用。目前尽管针对影子银行的称呼和定义不尽相同，对货币供应量和经济增长的影响程度的判断亦有差异，研究也尚未完全跟上指导实践的需要，但学者们的这些研究成果是难能可贵的。综合来看，有关影子银行的研究文献中对货币供应量和经济增长影响的文献较多，但是综合研究影子银行对Loan、M1和GDP三者之间关系的较少。本文将从理论出发，进而建立我国的Loan、M1、GDP与影子银行规模之间的VAR模型，由此研究彼此之间的动态关系。本文可能的贡献在于：一是对影子银行信贷总规模数据的估测;二是加强影子银行监管的政策建议。如果将本文的研究用以指导实践，发挥影子银行对货币供应量与经济增长的积极作用，可以克服消极影响，起到注重预期引导与调节的积极作用。

二、影子银行影响我国货币供应量与经济增长的机理

货币供应量作为我国货币当局制定货币政策主要依据的中介指标，理论上要求应该能够被有力地监测和控制，并且要和政策的最终目标有密切联系。本文将从可测性、可控性和相关性切入分析影子银行对货币供应量产生的影响，同时通过对经典的货币政策传导机制的分析，探索其与经济增长之间的关系。

1.影子银行对货币供应量的影响机理

较长时期以来体制性问题导致的信贷供求失衡及小微企业自身抵押担保较难问题限制了我国企业的发展，比如融资歧视和金融资源的供求不平衡导致无法利用抵押担保向商业银行借贷的中小企业只能退而求其次，选择贷款门槛低和贷款数量多的民间信贷平台如人人贷、蚂蚁借呗等获得资金，从而通过体制外增加了货币供应量，使中央银行依据货币供应量管控经济的手段受到影响，货币当局需要根据市场形势判断是否会发生通货膨胀抑或通货紧缩，据此调控货币流通量，制定货币政策，稳定物价，促使经济健康发展。通常，货币当局选择货币供应量或者利率作为长期目标，在货币政策得以实施后由中央银行等提供相关变量的反馈信息。而货币供应量作为中介指标有其自身的特点：作为内生变量时顺循环，作为政策变量时逆循环。但是在影子银行迅速发展的今天，它可测可控的优势正在逐渐丧失。

从可控性的维度，影子银行扩大了货币供应的主体范围，信用创造的功能不再仅仅局限于商业银行，民间借贷和网络借贷成为融通资金的主要渠道。根据乔顿模型可以发现，货币乘数因多个变量的影响而复杂多变，从而导致货币供给随之波动。同时，随着金融创新及我国对外开放程度加深，除了预期变化之外，货币供给越来越多地受到资本流动和实体经济增长的影响，内生性不断增强，货币当局已无法按照自己的意愿控制其变动。

从可测性的维度，随着影子银行的不断发展，狭义货币与广义货币的界限变得难以划清，M0、M1、M2、M3的内涵也难以界定。同时，信贷配给制下市场利率分割导致民间资金“弃实向虚”，大量资金通过利率双轨制获取利益，使货币流通速度不稳定，中央银行对其可测性下降。

从相关性的维度，相对于传统商业银行，影子银行或其他创新型金融工具提供的贷款是一种低成本融资，吸引了越来越多的居民和企业对存款进行“大搬家”，使货币供应量增长率与GDP增速的相关程度下降，为此2018年政府工作目标中已不再提M2增速的具体目标。

综上，影子银行是我国宽松货币政策和紧缩信贷政策的产物，与中小企业融资需求相吻合的优势决定其将不断发展壮大。可惜我国至今仍缺少相应的法律法规保障影子银行的有序健康发展，这一方面使影子银行长期处于监管的真空地带，无法得到有效监督，另一方面也为其快速发展提供了温床。本文认为，影子银行已导致我国的M0、M1、M2、M3的统计数据不完整，无法真实反映市场资金流通情况，中央银行需要随时根据货币市场利率变动调控经济。

2.影子银行对经济增长的影响机理

由于影子银行主要通过信贷融资活动影响货币的供给，根据经典货币政策传导机制，我们可从理论的角度得出货币供应量变动是如何引起投资、产出变化的。

凯恩斯学派的传导机制理论认为，货币供应量的增加导致利率下降，进而投资增加、国民产出增加，其传导机制可以表示为M↑→i↓→I↑→C↑→Y↑。以弗里德曼为主的货币主义学派认为，货币需求是稳定的，货币供应量增加将直接导致人们持有货币量的增加，为此消费支出增加，整个社会的产出增加、物价上涨，其传导机制可以表达为M↑→E↑→Y↑→P↑。从托宾的q理论来看，货币供应量增加，利率下降，股票价格上升，q上升，投资和产出因而增加，该传导机制可以表示为M↑→i↓→Ps↑→q↑→I↑→Y↑。莫迪利安尼的财富效应理论表明，货币供应量上升会导致实际利率下降，股票价格上升，金融财富增加，居民个人毕生财富增加，消费支出增加，进而国民收入增加，该传导机制可以表示为M↑→PS↑→W↑→C↑→Y↑。而汇率传导机制显示，一國货币供应量上升利率下降，本币贬值，在满足马歇尔-勒纳条件和J曲线效应后，该国净出口上升，总体经济产出水平提高，该过程可以表示为：M↑→r↓→e↑→NX↑→Y↑。

综上，由于货币供应量的增加会通过投资、消费、政府支出、进出口等多种渠道带来产出的增加，从而由影子银行扩大的货币供应促进了经济增长。有些学者认为影子银行会给经济稳定发展带来负面影响，但我们认为，理论上，影子银行对经济增长有积极作用，因为它能够带来投资规模的扩大和产出的增加。

三、影子银行对我国货币供应量与经济增长影响的实证分析

本部分主要是通过建立商业银行表内信贷规模Roan、货币供应量M1、国内生产总值GDP和影子银行信贷总规模SB四个变量的VAR模型，分析影子银行对货币供应量和经济增长的影响。

1.变量选择、数据说明与模型选择

（1）商业银行表内信贷规模：以社会融资规模中的人民币贷款表示，记为RLoan。

（2）货币供应量：因为影子银行以短期信贷为主，并且M1一直以来被作为衡量经济社会周期波动和市场价格变动的重要指标，本文选用狭义货币供应量M1表示，记为RM1。

（3）国内生产总值：由于商业银行垄断了我国的大量资金资源，导致农民群体贷款融资的难度加大，所以影子银行不仅影响我国的第二、第三产业，对第一产业农林牧渔的发展也带来很大影响。因此，本文选用GDP总量数据并放弃使用产业数据，将GDP年度值记为RGDP。

（4）影子银行信贷总规模：内部影子银行信贷规模主要是由委托贷款、信托贷款和未贴现票据等银行表外业务和非银行金融机构表外业务组成，由于外部影子银行又称“非核心”影子银行，如地下钱庄、典当行等的数据难以获取，本文根据统计年鉴相关数据进行估测，采用李建军（2008）提出的未观测信贷规模对影子银行进行整体规模测算B21 ，并将其记为RSB。

2.影子银行信贷总规模估测

结合已有文献，本文认为影子银行是对传统银行体系功能的分解和证券化，是游离于现有金融监管体系之外、不受公共部门保障的信用媒介体系;影子银行不仅指那些未受监管的民间金融机构，正规金融机构创新的银信合作理财产品也应包含在内。由于我国影子银行信贷总规模由“内部影子银行”和“外部影子银行”信贷量共同组成，而“外部影子银行”因为业务的多样性、操作的复杂性和主体的隐蔽性，通常数据难以获得且无法精确计量，导致我们只能对影子银行的信贷总规模进行粗略的间接计算和估计。本文借鉴Sara HSU和Jianjun Li提出的利用未观测信贷规模对影子银行整体规模进行测算的方法B22 ：影子银行信贷总规模与未观测的经济规模之比和金融机构贷款余额与可观测的经济规模（GDP）之比相符，其中未观测的经济规模指国民总收入扣除可观测收入。具体公式表示如下：

未观测经济规模=国民生产总值-城乡居民总收入

影子银行总体规模/未观测经济规模=金融机构人民币各项贷款余额/国内生产总值

本文对国家统计局统计年鉴、中经网统计数据库、WIND数据库对金融机构贷款余额、城乡人均可支配收入、城乡人口数、国民总收入、国内生产总值等指标进行了搜集与分析，选择1998-2018年共计21个年度数据为样本数据，再结合上述公式推算影子银行信贷总规模，具体如下表：

根据表1，2018年影子银行信贷总规模达72.9万亿元，占当年GDP90万亿元的80.9%。对此我们不能不深入思考规模庞大的影子银行对经济特别是货币供应量与经济增长的影响。

3.模型选择

向量自回归模型简称VAR模型，是一种不依据理论即可进行操作的经济统计模型。由于那些以经济理论为基础的模型常常受到太多假设条件的限制，从定性角度又无法准确说明变量之间的现实动态关系，所以通常需要使用非结构性模型和真实有效的经济数据分析相关变量之间的联系，显然这一模型促进了对多个变量之间动态关系的研究。其主要特点：首先，VAR模型是根据数据来运行的模型方法，不需要太多理论作为模型支撑;其次，VAR模型是无约束的，但由于模型中的参数较多，需要保证数据是平稳数列，因此要对相关变量进行平稳性检验;最后，由于向量自回归模型存在参数量庞大的限制，所以在实际操作过程中通常通过脉冲函数分析和方差分解进一步分析数据间的联系。

关于VAR模型的数学表达式可以写为：

Yt=et+α1Yt-1+α2Yt-2+…+αkYt-k

其中，α1…αk是参数矩阵，Yt是时间序列列向量，et是误差项。在本文中，影子银行规模RSB、商业银行表内信贷RLoan、狭义货币供应量RM1和经济增长RGDP共同构成模型中的内生变量，即Yt=RSB、RLoan、RM1、RGDP。本文构建的模型如下：

RSBRLoanRM1RGDP=∑niα11i α12i α13i α14iα21i α22i α23i α24iα31i α32i α33i α34iα41i α42i α43i α44iRSBRLoanRM1RGDP+e1e2e3e4

按照影子银行的信贷活动最先可能挤占、分流商业银行表内信贷总量，然后导致社会上的资金流通数量增加进而影响货币供应量，最后影响GDP的传导路径，本文将内生变量的顺序定为RSB、RLoan、RM1、RGDP。

4.实证检验

（1）ADF单位根检验。在对变量进行脉冲响应分析和方差分解之前，需要对变量的平稳性进行检验，确定其是否为平稳时间序列，如果不是，则要通过取对数和差分的方法使其符合平稳时间序列要求，否则无法进行建模和实证分析。本文首先对SB、LOAN、M1、GDP四个变量进行单位根检验：RSB、RLoan、RM1、RGDP的ADF值大于1%、5%和10%显著性水平下的临界值，表示四个变量为非平稳，进行对数处理后，LNRSB、LNRLOAN、LNRM1、LNRGDP也為非平稳，故再对四个变量进行二阶差分，二阶差分后的数据P值小于0.01，在1%显著性水平下是平稳的，即所有数据均为二阶差分平稳。

（2）AR检验。一般在进行VAR模型实证检验时需要保证变量是平稳的才能继续接下来的脉冲响应分析等操作。进行AR检验主要是判断序列中是否存在单位根，如存在，表示时间序列不平稳。从图1可以看出，没有特征根落在单位圆外，表明序列稳定，所建VAR模型合适，可以对Loan、M1、GDP、Shadow Bank进行脉冲响应分析。

（3）脉冲响应分析。脉冲响应分析图便于研究当一个变量发生变化时，其余变量受到的冲击。本文的脉冲响应分析图（图2、图3、图4）分别是Loan、M1、GDP受到影子银行信贷总规模变动影响后的反映路径，显示了影子银行信贷总规模变动一个标准差后，其余三个变量的动态变化路径。纵轴表示Loan、M1、GDP受影子银行信贷总规模冲击的响应程度，横轴表示滞后期数。由于在第三十期之后波动趋于平稳，本文只考虑前三十期的波动情况。

图2为影子银行与商业银行信贷规模的脉冲响应分析图。从上图可以看出，RLoan在受到RSB一个标准差的冲击后初始效应为正，达到0.2左右。之后，从第一期至第三期，冲击开始持续呈现较明显的减弱趋势。第三期至第五期时，冲击开始反弹向上，达到0.4左右。第五期后，脉冲响应值下降至0.3左右，并于第七期后上升，趋势一直持续到第十五期左右，达到最大值0.5，之后开始持续下降，并最终于第三十期时逐渐靠近0。说明影子银行的发展对商业银行信贷规模造成了较为复杂且长期的影响。产生这种较长时间冲击的原因是影子银行可以和商业银行一样进行放贷，形成了促进社会资金流转和提升资源利用效率的作用。因此，一开始影子银行信贷规模的增长会挤占一些商业银行资产负债表内的信贷总量，对表内信贷产生替代作用，使传统银行的信贷增速急剧下降、规模大幅度缩减，但随后，严格的监管以及各类新兴投融资平台的出现使商业银行的传统业务发展遭遇瓶颈，在经济预期的作用和影响下，商业银行为了缓解金融脱媒下传统存贷款业务面临的压力，只能积极进行金融创新，大力发展表外业务，如担保、贷款出售等，从而不断扩大信贷量，同时因为风险管理技术的提高，商业银行通过表外业务节约了资本并获得超额回报。就时间而言，SB对LOAN的影响在第三十期后开始出现平稳且趋近于0的态势，这意味着影子银行对商业银行信贷规模影响的持续时间较长。

图3为影子银行与狭义货币供应量M1的脉冲响应分析图。从此图可以看出，RM1在RSB变动一单位标准差之后，由开始时的0.5持续下降至第三期的0.3左右。在第三期之后，影子银行对M1的脉冲响应路径开始出现反向变动趋势，一直于第六期回升至0.5左右，之后，路径变动趋势不明显，总体上SB对M1的脉冲响应值介于0.4-0.5，最终，在第二十期时路径开始明显下滑，并于第三十期时趋于稳定，说明影子银行的发展对货币供应量造成了较为复杂且长期的影响，总体上影子银行通过向企业、个人进行放贷等操作，使市场上流通的现金增加，在一定程度上扩大了M1的数量，但后期这种扩大效应有所减弱。造成这种情况的原因，从短期来看，影子银行增加了货币供给量，使资本市场和实体经济的资金都得以扩大;从长期来看，影子银行对货币供应量存在较大的反向冲击，同时由于影子银行信用创造的这部分资金没有纳入监管范围，中央银行根据货币供给量这一中介目标制定的货币政策正在逐渐丧失指导意义。

图4为影子银行与GDP的脉冲响应分析图。从此图可以看出，RGDP受到影响的大致动态路径为先上升后下降。具体而言，RGDP在第一期至第四期经历正向冲击，并于第四期达到0.5左右。之后，正向影响减弱并于第五期达到0.3。第五期至第七期路径开始反向变动，返回至0.5。随后，脉冲响应路径基本上呈现上升态势，直至第十五期，影子银行对GDP的影响路径开始出现明显的反向趋势，并最终于第三十期趋向于0。这说明影子银行的发展对GDP造成了较为复杂且长期的影响。根据上图可以发现，影子银行规模变动对GDP的影响总体上都属于正面影响，但此间存在着复杂的变动情形。从短期来看，影子银行对GDP的提高有显著推动作用，这是因为其作为金融创新的产物不断地丰富了信贷融资渠道，提高了资源利用效率。从长期来看，影子银行规模的扩大对经济增长的贡献程度有所减弱，这一情况可能跟影子银行高风险、高杠杆的操作模式有关。但总体上，影子银行带给经济的影响以正面为主。

（4）方差分解。为了进一步分析RLoan、RM1、RGDP对RSB增长率波动的贡献程度，需要对RSB进行方差分解。假如长期方差分解趋于20%左右，说明这个冲击对变量波动的贡献在20%左右。因此，本文从Loan、M1与GDP三方面对SB进行方差分解，期限设定为10（单位：季度）。

根据表3，除了影子银行自身贡献度之外，M1在促进影子银行规模扩大方面有显著的作用，货币供应量对影子银行增长率的贡献程度大概在30.1%-39.5%。Loan对影子银行增长率的贡献程度其次，大概在8.8%-13.5%。GDP对影子银行增长率的作用大概在6.3%-9.5%。表明影子银行不仅对Loan、GDP产生影响，而且自身的发展扩大也会受到来自货币供应量、商业银行信贷量和国内生产总值的影响。

5.实证小结

本文在对数据进行平稳性检验与调整后建立了商业银行表内信贷规模、货币供应量、经济增长与影子银行规模的VAR模型，通过脉冲响应分析和方差分解得出如下实证结论：

（1）脉冲响应分析显示影子银行对商业银行表内信贷总量影响较大且影响时间较长，存在替代效应，对银行信贷有挤占和分流效应。具体表现为前期脉冲响应出现下降冲击，路径波动剧烈，后期逐渐上升并最终趋向于0。

（2）通过脉冲响应分析，我们认为，影子银行信贷规模对货币供应量的稳定存在较为复杂和长期的影响。具体表现是刚开始为下降冲击，之后转变为反向冲击，脉冲响应值回升但上升程度较小，经过一个较长时期后路径趋于平稳，围绕着0上下波动。

（3）通过脉冲响应分析，本文发现影子银行信贷规模对经济增长存在着大概率的正面影响。具体表现为总体在0以上波动，但在脉冲过程中的路径波动情况复杂，且持续时间较长。尤其需注意影子银行对GDP的正向冲击在后期有所减缓、边际效用下降的问题，说明其对經济增长存在一定的负面作用。

（4）通过进一步的方差分解，可以看出经济发展、商业银行表内信贷量和国内生产总值在促进影子银行规模方面都发挥着或大或小的作用，换言之，Shadow Bank、GDP与Loan之间存在相互影响的关系。

四、结论及政策建议

综上所述，我们有以下结论：第一，影子银行信贷规模扩大对商业银行正规信贷的影响最为显著，会对其形成挤占和分流。但从长期来看，影子银行这类金融创新也刺激了传统商业银行创新自身盈利模式，从而可以缓解金融脱媒给银行带来的压力。第二，虽然影子银行通过向企业、个人放贷增加了市场流动性，但是削弱了货币供应量作为货币政策中介目标的指导意义，增加了货币政策调节经济的难度，政策操作中需要注重预期引导和调节。第三，影子银行作为我国正规金融机构的补充，与中小企业融资需求相吻合的优势有利于其在资本市场的融资，进而推动中小企业的发展，但同时影子银行也会给经济增长带来风险和不确定性。总体而言，影子银行对货币供应量和GDP的影响持续时间长，影响程度较为复杂。

根据以上结论，本文提出如下对策建议：

1.商业银行面对信贷总量被不断挤占与分流的情况，应进行金融创新和内部风险控制。可以通过资产证券化设立和参股基金公司，开展基金、信托、保险、证券等业务，拓宽表外业务范围，提高盈利能力。同时，商业银行拥有强大的客户群体和销售渠道，可以通过大力发展不需要运用自有资金的中间业务如代收业务、代客买卖等获得收益。当然，商业银行开展有影子银行特征的业务活动必定要承受各种风险带来的不确定性和损失，必须建立和完善自身“防火墙”系统，强化自身风险管理能力，针对相关业务制定风控措施，同时应理性看待和进行金融产品的创新。

2.货币当局应重新审视货币政策中介指标，加快货币政策框架的转变。现阶段应由以广义货币量为中介目标的数量型调控向以公开市场利率为中介目标的价格型调控转变。中国人民银行应运用回购利率和SLF利率稳定短期利率，利用再贷款、MLF、PSL等工具调节长期利率，完善收益率曲线和利率衍生品市场，疏通利率传导机制。

3.加强有效监管的同时应给予发展空间，推动影子银行发挥积极效用。在融资难、融资贵的背景下，影子銀行的资金确实解决了一部分中小企业的融资问题。从结果看，无论影子银行采取何种金融拆借工具，最终都带动了实体经济的发展。因此宜尽快对影子银行形成统一、明确的认识，根据影子银行不同的风险水平和影响程度实行动态比例监管;同时完善金融基础设施，努力构建针对影子银行的风险保障制度，给予影子银行健康发展所必需的正向激励和空间。

① Panageas K，“The Decline and Fall of the Securitization Markets，”J.P.Morgan Report，2009.

② Andrew Sheng，The Erosion of U.S. Monetary Police Management Under Shadow Banking，Thailand： International Conf.

③ 周小川：《金融政策对金融危机的响应——宏观审慎政策框架的形成背景、内在逻辑和主要内容》，《金融研究》2011年第1期。

④ Verona F，Martins M F，Drumnd I，（Un）“Anticipated Monetary Police in a DSGE Model with a Shadow Banking System，”Imfs Working Paper，2013.

⑤ 王森、周茜茜：《影子银行、信用创造与货币政策传导机制》，《经济问题》2015年第5期。

⑥ 贺军：《对“影子银行”也要一分为二》，《金融管理与研究》2011年第11期。

⑦ 刘翠：《影子银行体系对我国货币政策工具规则选择的影响——基于DSGE模型的数值模拟分析》，《财经论丛》2017年第8期。

⑧ 高然、陈忱、曾辉等：《信贷约束、影子银行与货币政策传导》，《经济研究》2018年第12期。

⑨ 吕思聪、赵栋：《货币政策、影子银行和银行间市场利率》，《国际金融研究》2019年第2期。

⑩ 李建军：《中国地下金融规模与宏观经济影响研究》，北京：中国金融出版社，2005年。

B11Feng，L Wang D，“Shadow Banking Exposure less than Feared and more than Priced，”Kyo： Nomura Securities，2011，pp.15-20.

B12李建伟、李树生：《影子银行、利率市场化与实体经济景气程度——基于SVAR模型的实证研究》，《中南财经政法大学学报》2015年第3期。

B13李治章、王帅：《中国影子银行业务规模与宏观经济增长影响研究》，《特区经济》2018年第7期。

B14王慧、王军：《影子银行规模对经济发展质量影响的实证》，《统计与决策》2019年第2期。

B15黄益平、常健、杨灵修：《中国的影子银行会成为另一个次债？》，《国际经济评论》2012年第2期。

B16张子荣、赵丽芬：《影子银行、地方政府债务与经济增长——基于2002-2016年经济数据的分析》，《商业研究》2018年第8期。

B17冯建秀、张国祚：《时空双重维度的中国影子银行系统性风险模型建构与测算》，《新疆社会科学》2016年第3期。

B18周丽萍：《影子银行体系的信用创造：机制、效应和应对思路》，《金融评论》2011年第4期。

B19Paul Tucker，“Shadow Banking， Financing Markets and Financial Stability，”Remarks to Bernie Gerald Cantor（BGC） Partners Seminar，London， no.1（2010），pp.34-40;陈青松：《影子银行》，北京：电子工业出版社，2014年。

B20张微微：《中国影子银行监管问题研究——基于2002-2012年月度数据的实证研究》，《山东社会科学》2016年第1期。

B21李建军等：《未观测金融与经济运行——基于金融经济统计视角的未观测金融规模及其对货币经济运行影响研究》，北京：中国金融出版社，2008年。

B22Sara Hsu，Jianjun Li，Yanzhi Qin，“Shadow Banking and Systemic Risk in Europe and China，”CITYPERC Working Paper Series，no.2（2013）， pp.1-20;Jianjun Li，Sara Hsu，Yanzhi Qin，“Shadow Banking in China： Institutional Risks，”China Economic Review，no.31（2014），pp.49-56.

（责任编辑：张 琦）