中国影子银行对金融稳定影响实证研究.docVIP

中国影子银行对金融稳定影响的实证研究 　　摘 要：近年来影子银行规模逐年扩大，对金融市场影响也日益凸显。分别构建VAR模型分析影子银行对金融稳定性指数和各金融稳定要素的影响作用，认为影子银行对金融稳定的综合状态具有一定影响，尤其对金融信贷规模有较强影响。 　　关键词：影子银行；金融稳定；金融监管 　　中图分类号：F83 文献标识码：Adoi：10.19311/j.cnki.1672-3198.2018.18.065 　　1 变量选择 　　1.1 影子银行指标 　　本文参照冯建秀、张国祚（2016）用社会融资规模扣除人民币贷款、外币贷款、企业债券以及非金融企业境内股票融资后部分实体经济融资存量来估计中国影子银行存量规模。社会融资规模，指一定时期内实体经济主体从金融体系借贷的资金总额。中国人民银行于2002 年开始统计，之前影子银行存量较小，假设此点前影子银行规模为0元。本文选择影子银行相对规模（影子银行存占社会融资规模存量之比）作为影子银行规模的替代指标。 　　1.2 金融稳定要素指标 　　刘超和马玉洁（2014）采用金融机构存款余额、贷款余额、同业拆借利率作为我国金融市场稳定和发展的表现指标，研究了中国影子银行对金融稳定影响。冯建秀和张国祚（2016）参考王雪峰（2010）选取利率、汇率、股票价格、房地产价格、金融机柜状况等金融稳定指标，构建了包括影子银行在内的6个变量的向量自回归模型，分析了影子银行对五个金融稳定要素的实证研究。 　　本文参考以上学者的变量、建模选择，选取全国银行间同业拆借7日加权平均利率（RI）、人民币实际有效汇率（REER）、上证综合指数（收盘价）（SCI）、实际商品房销售均价（CHP）、社会融资规模中人民币贷款与外币贷款之和占社会融资规模之比（SL）分别作为利率、汇率、股票价格、房地产价格、金融信?J规模的替代变量。 　　2 金融稳定性指数构建 　　本文采用因素分析方法，将5个金融市场稳定要素指标合成1个金融稳定性指数（FSI）。因子分析法可将原始指标分类成几个少数因子来反映原数据信息，分析模型如下： 　　本文采用KMO球检验和Bartlett检验来检验原变量是否合适进行因子分析，5个变量KMO值为0.590，大于0.5认为可进行因子分析。Bartlett统计量对应概率为0.000小于0.05的显著性水平，拒绝了“变量无相关”假设，也表明适于进行因子分析。以正交法进行因子旋转，抽取特征值大于1的因子，通过SPSS软件自动计算出各样本因子得分情况，最后将得到的综合因子作为金融稳定性指数（FSI），其季度趋势如图1所示。 　　考虑到金融稳定性指数是由标准化数据构建，其正负性无意义，而波动程度可以反映金融市场的稳定状态。2009年金融稳定性指数大幅下降，2014年至2015年波动较频繁，图中曲线变化趋势基本与中国金融稳定状态一致。 　　3 实证模型选择 　　本文选择目影子银行课题常用的向量自回归模型（VAR模型）。VAR模型不以严格的经济理论为依据，而是依靠数据统计性分析。 　　本文实证分析分为两部分。第一部分构建SBR与FSI、两变量VAR模型Ⅰ，分析中国影子银行对金融稳定性指数的影响；第二部分构建SBR、RI、REER、SCI、CHP、SL六个变量VAR模型Ⅱ，进一步挖掘影子银行对金融市场稳定要素的影响。采用2007年1月至2018年1月月度数据，相关数据来自国家统计局、中央人民银行、国际清算银行和wind数据库等，并采用对各数据取对数后，分别标记为LNSBR、LNFSI、LNRI、LNREER、LNSCI、LNCHP、LNSL。 　　4 实证分析 　　4.1 平稳性检验与协整检验 　　构建VAR模型前先确保模型各个变量的平稳性。文本先采取ADF单位根检验显示：在5%显著性水平下，各变量时间序列不平稳，而各个变量一阶差分序列是平稳的，进一步进行本文采用Johansen协整检验来保证模型有意义。 　　根据结合LR、FRE、AIC、SC和HQ等准则，分别确定模型Ⅰ最优滞后阶数为6、模型Ⅱ为2。Johansen协整检验显示：在5%显著性水平下，两个模型内变量均存在协整关系。 　　4.2 脉冲响应分析与方差分解分析 　　（1）模型Ⅰ：影子银行对金融稳定性指数影响的实证分析。 　　对VAR模型分析要借助脉冲响应、方差分解等方法分析该模型动态效应。脉冲响应函数反映一个内生变量对来自其他内生变量冲击的变动轨迹。 　　图2表示影子银行相对存量规模产生正向冲击后金融稳定性指数的曲线，总体来看影子银行相对于金融稳定性指数有显著正向作用。这可能是影子银行通过金融创新机制扩大金融体统信贷规模，促进了金融市场繁荣。 　　图3表示金融稳定性指数产生正向冲击后影子银行相对存量规模的曲