影子银行对货币政策最终目标影响的实证分析

7.3　影子银行对货币政策最终目标影响的实证分析

随着我国经济的迅猛发展，国民收入水平总值及均值的不断提高、人们对金融的需求日益增强，各种金融机构创新业务不断出现，于是产生了影子银行这一独特的金融体系。在我国，影子银行是在2008年之后快速生长起来的，虽然起步较晚，但是在金融市场有着很重要的作用。影子银行的出现不仅会对金融市场造成一定影响，还会对我国经济增长与物价水平两个货币政策最终目标产生冲击。

根据上述理论分析，影子银行对我国货币政策最终目标经济增长和物价稳定具有两面性，即正作用与反作用同时存在，会在一定程度上对物价稳定形成冲击。实证研究分为两步:一是对影子银行与经济增长的相关性分析，二是对影子银行与物价稳定的相关性分析。

7.3.1　实证研究方法及数据处理

7.3.1.1　实证研究方法及框架

这里首先对所有的变量进行ADF单位根检验，以验证各变量是否属于时间平稳序列。然后，实证分析影子银行与经济增长、物价稳定的相关关系。第一，基于ADF单位根检验，采用约翰森协整检验的方法验证影子银行与经济增长、物价稳定是否是协整关系，即它们之间是否为稳定的均衡关系。第二，运用格兰杰因果检验验证影子银行的变化是否是经济增长、物价变化的原因，反之，检验经济增长、物价的变化是否是影子银行变动的原因。第三，运用脉冲响应函数的方法分析当影子银行受到某种冲击时对经济增长、物价变化产生的动态影响。

7.3.1.2　指标选取及数据说明

影子银行规模指标选取的说明同本书7.2，这里不再赘述。一般来说，货币政策最终目标有四个:稳定物价、充分就业、促进经济增长和保持国际收支平衡。一国央行在实施货币政策时并不能兼顾这四个目标，而是在不同目标之间有所侧重。由于“我国的货币政策方针是保持全社会物价的稳定，在此基础之上促进宏观经济的增长”^[14]，因此，本文选择的最终目标变量是代表物价稳定的居民消费物价指数(CPI)与代表经济增长的国内生产总值(GDP)。

选取上述三个变量的时间区间均为2007年1月至2014年3月^[15]，且都是月度数据，共87个样本。其中信托贷款、委托贷款及未贴现银行承兑汇票三者数据来源于中国人民银行网站。CPI数据来源于Wind数据库。由于国内生产总值没有月度数据，因此，本文选取“规模以上工业企业工业增加值同比增长率”作为GDP的替代变量，记为RGDP。该数据来源于中国宏观经济信息数据库。物价方面采用全国居民物价消费指数CPI的同比增长率作为观测数据，记为RCPI。为了保持数据的可比性，在这里对影子银行规模进行了同比增长处理。

7.3.1.3　数据处理

经济统计指标不规则要素及季节变动要素是以12个月为周期的周期性影响，这些变动要素通常会掩盖社会经济发展中的某些客观规律，从而不能根据样本数据准确地反映一国社会经济的真正发展趋势。因此，对相关数据进行实证分析之前，要对所选取的样本数据进行适当的季节性调整。一般情况下，选用加法模型来处理样本数据并进行相关调整，尽量剔除样本的不规则因素及季节变动因素，使得经过处理后的数据能够接近客观规律。

通过上述处理方法能够对时间序列进行相关分解，但是调整后的趋势因素和循环要素还是存在。因此要测定序列的长期发展趋势，就需要进一步分解其趋势项和波动项。利用Eviews中的H-P滤波处理方法能够分解上述趋势因素与循环要素。此处的观测变量国内生产总值、通货膨胀率、影子银行通过上述H-P滤波处理方法分离后的时间趋势项分别标记为ΔRGDP、ΔRCPI以及ΔRSB。

7.3.1.4　模型选择

下面的分析采用向量自回归模型(VAR模型)，其数学表达式是:

其中，Y是k维内生变量列向量，xt为d维外生变量列向量，p是滞后阶数，t是样本个数。k×k维矩阵Φ1，…，Φp和k×d维矩阵H是待估的系数矩阵。et是k维扰动列向量，它们相互之间可以同期相关，但不与自己的滞后值及等式右边的变量相关。

7.3.2　实证过程

7.3.2.1　平稳性检验

为了避免出现“伪回归”现象，首先对变量ΔRGDP、ΔRCPI及ΔRSB进行相关平稳性检验，采用增广的ADF(Augmented Dicky-Fuller)单位根检验方法。利用Eviews 6.0软件进行操作，对于滞后阶数Eviews 6.0能自动确定，而对于常数项及时间趋势项的选取则需要根据所呈现的序列曲线图的具体情况来确定。其形式可以表述为(c，t，k)，其中，c为常数项，t为时间趋势，k为滞后阶数。检验的结果如表7-1。

表7-1　各变量平稳性检验结果

注:变量中的ΔRGDP*、ΔRCPI*为经过1阶差分后的平稳序列。

表7-1　的结果表明，ΔRGDP、ΔRCPI及ΔRSB均通过ADF检验。其中，ΔRGDP与ΔRCPI为一阶单整序列即I(1)，说明数据的平稳性较好，符合进行协整检验的先决条件。

7.3.2.2　多方程模型的构建

此处选取国内生产总值增长率ΔRGDP、通货膨胀率ΔRCPI和影子银行增长率ΔRSB为观测变量，构建VAR模型。根据AIC、SC准则可以确定向量自回归VAR模型的滞后阶数，假设模型为:

7.3.2.3　格兰杰因果关系检验

向量自回归VAR模型可以用来分析时间序列变量的因果关系。此处利用Eviews6.0对所取的样本变量ΔRGDP、ΔRCPI及ΔRSB进行格兰杰因果关系检验，结果如表7-2。

表7-2　格兰杰因果关系检验结果

从表7-2中可以得出，在5%的置信水平下，ΔRGDP、ΔRCPI与ΔRSB的格兰杰检验结果拒绝原假设，表明影子银行的规模是国内生产总值、通货膨胀变化的原因。而且，可以进一步得出影子银行与经济增长、通货膨胀的因果关系是双向的。

7.3.2.4　协整检验

从上文可知，选取的样本变量ΔRGDP、ΔRCPI与ΔRSB通过了ADF检验，符合进行约翰森协整检验的基本条件，使用Eviews 6.0软件进行协整检验的结果如表7-3。

表7-3　ΔRSB与ΔRGDP、ΔRCPI之间的协整关系检验

注:加＊＊数据位在5%的置信水平下拒绝原假设

从表7-3可以得知，在5%临界值下，ΔRSB与ΔRGDP、ΔRCPI之间至少存在着2个协整向量，这说明影子银行与国内生产总值、通货膨胀之间存在长期稳定的关系。

7.3.2.5　脉冲响应分析

此处根据上述三个变量建立自回归模型并利用脉冲响应函数，分别让经济增长、通货膨胀对影子银行冲击得到脉冲响应函数，结果如图7-3所示。

在图7-3中，坐标横轴为滞后期数，本文选取滞后20期的脉冲冲击响应函数(单位:月度);纵轴表示接受冲击变量的响应程度;图中实线为脉冲响应函数，分别表示GDP、CPI对影子银行冲击的反应，两边虚线为2个标准差的置信区间。从第一幅图可以看出RSB对其自身响应函数的时间路径:响应路径一直为正但是较为陡峭，这说明RSB的提高会引起后面时段RSB的下降，对后面各期的影响较为不稳定，且一直处于下降状态，但是下降的弹性系数呈现变小的趋势。第三幅图为RGDP对RSB实施的冲击，RSB响应函数时间路径:在第2期清晰地看到，响应路径一直为正且处于先上升后下降的趋势，这说明GDP的增长会引发后面各期RSB的增长，且增长的弹性呈现先上升后下降的规律。第七幅图为RCPI对RSB实施冲击，响应路径一直为正，且呈现先上升后下降的趋势，说明CPI的增长会激发后面RSB的增长，且表现为先上升后下降。第二幅图为RSB对RGDP实施冲击，响应路径一直为正，且呈现先上升后下降的趋势，说明RSB的增长会激发后面RGDP的增长，增长弹性也是先上升后下降。第六幅图为RSB对RCPI实施冲击，响应路径先为正，在第3期转为负，然后趋于稳定，这说明RSB的增长在短期内会促进RCPI的增长，但是长期来看还是会产生负向影响。

图7-3脉冲响应函数的图形输出结果

7.3.3　实证结果

上文采用ADF单位根检验、约翰森协整检验、格兰杰因果检验与脉冲响应函数分析的实证方法研究了影子银行对我国货币政策最终目标的影响，主要检验了影子银行规模与经济增长、物价的相关性。综合以上实证研究的结果，得出以下结论。

总体来看，影子银行对经济增长、物价稳定都产生了影响。影子银行对经济增长、通货膨胀的贡献度不高，这可能是长期以来影子银行信贷规模占我国社会融资规模的比例偏低所导致的结果。但是，通过对比影子银行对经济增长及物价稳定的贡献度，可以很容易地看出影子银行对货币政策最终目标两个指标影响程度的差异。影子银行对物价的影响最大，然后才是经济增长。从图7-4可以看到，国内生产总值本身的方差分解时间路径一直为正，且呈现一种逐渐下降的趋势，这说明当前国内生产总值对后面各时期国内生产总值的贡献程度越来越小。第一组右上方那幅图说明，影子银行对国内生产总值影响的时间路径一直为正且不断上升，并保持在5%左右，说明影子银行RSB对国内生产总值GDP的贡献率较小。而第二组图的第二幅显示影子银行对物价影响的时间路径一直为正，且小幅度上升至40%。综上所述，影子银行对最终目标有着长期的影响，短期内会强烈冲击物价，而长期来看对经济增长具有一定的促进作用。

图7-4方差分解

【注释】

[1]数据来源:http://finance.chinanews.com/cj/2014/01-23/5774309.shtml。

[2]国家统计局报告:《改革开放铸辉煌，经济发展谱新篇——1978年以来我国经济社会发展的巨大变化》，2013年11月6日。

[3]数据来源:http://www.962518.com/topics/2012-03-05/2930003.html。

[4]数据来源:http://www.qqjjsj.com/zgcpi/5939.html。

[5]数据来源:http://www.chinanews.com/gn/2014/03-05/5911514.shtml。

[6]《中国经济增长率60年波动曲线回顾与展望》，载《经济参考报》，2009年10月14日。

[7]肖本华:《货币政策与影子银行的风险承担》，载《新金融》，2012年第11期。

[8]汤克明:《影子银行体系发展及其对货币政策传导机制的影响》，载《武汉金融》，2013年第3期。

[9]于菁:《影子银行对我国货币政策的影响研究——基于VAR模型的实证分析》，载《兰州学刊》，2013年第4期。

[10]根据中国人民银行胡晓炼副行长在第18届国际银行监督官大会上的讲话整理。

[11]数据来源:《全国小微企业发展报告》。

[12]数据来源:中国人民银行发布的2009年12月金融统计数据报告，http://www.pbc.gov.cn/publish/goutongjiaoliu/524/2010/20100128164252550546798/20100128164252550546798_.html。

[13]周丽萍:《影子银行体系:自由银行业的回归?》，北京:社会科学文献出版社，2013年版。

[14]数据来源:http://baike.baidu.com/view/11791455.htm?fr=aladdin。

[15]由于工业企业工业增加值同比增长率于2007年才开始发布，故时间起点为2007年1月。