樊雯

1 指标选取和说明

本文选取2008年1月1日至2015年6月30日各目标机构的周收盘价作為基础数据进行分析，数据来自wind数据库。其中影子银行的数据根据投行证券业、信托业、融资化及投资不同类型分别选取了几家上市代表公司的周收盘价作为收益率计算基础。其中投行证券业包括海通证券、招商证券、广发证券、光大证券、宏源证券；金融信托业包括安信信托、陕国投、中航资本；融资租赁业包括香溢融通、潮海租赁；投资业包括鲁信创投、中天城投、长春高新等上市代表机构。选取各类影子银行代表机构周收盘价数据并对其进行市值加权，得到加权平均周收盘价作为收益率计算基础。对于传统金融体系方面，本文选取内地金融成分指数作为代表我国金融体系的收益率计算基础。选取该指数是由于目前我国己经上市的金融企业共45家，包括银行类16家，证券类21家，保险类4家，信托租赁类4家，而内地金融成分指数选取了除银龙股份、中航资本、光大证券和国信证券的41家上市金融企业，其总资产规模占我国金融体系总规模的九成，具有可靠的代表性。传统金融体系各板块的数据选取自申银万国包括银行、保险各金融板块的加权平均周收盘价作为收益率计算基础。

2 模型选择

在模型选择中，选取向量自回归（VAR），模型都是多方程时间序列类型方程，基于数据统计上的性质，模型将系统中每一个内生变量作为模型中所有内生变量滞后项的函数来构造模型，从而将单变量自回归模型推广到多变量自回归模型。模型常用于预测多变量时间序列随机扰动项对整个模型动态冲击的影响，从而解释各种经济冲击对整个经济体系的影响。VAR模型通常是过度参数化，我们难以对VAR模型中的每一个参数给出合理的解释。通常而言最为一般的VAR模型为：

3 实证分析

3.1单位根检验

对于金融时间序列进行分析首先要对分析数据进行平稳性检验，本文采取单位根检验，滞后阶数AIC准则为选取依据。为了更准确的判断数据序列的稳定性，本文将原始数据收盘价序列做对数差分平滑处理，则R可代表各序列数据的收益率，具体表达式如下：

将相应结果进行单位根检验，具体的检验结果如下：

从检验结果看出，经过对数差分平滑处理后的4组数据均通过检验，证明数据是平稳的单整序列。为了进一步研究数据序列之间的关系，对两组一阶单整序列进行协整检验。而且根据具体总计，所有进入检验的结果统计量均小于5%的显著水平边界，所有原始变量处于平稳状态，整体符合VAR的模型的基本条件。

3.2协整检验

根据协整的定义，若多个一阶单整序列之间存在协整关系，则序列变量之间存在长期稳定的均衡关系。为了验证影子银行与传统金融体系么间的关联性影响，本文继续对两组数据进行协整检验。银行、保险板块哪一个会是影子银行风险波动的传播影响中也，针对这一首要问题，本文通过向量自回归VAR模型进行分析。对于可能存在的协整关系，本文通过约翰森协整检验进行协整相关分析。首先通过Eviews软件建立VAR模型，运用LR、FPE、AIC、SC、HQ五种准则来进行选取最优滞后阶数，软件用*表示最优滞后阶数，若由于不同准则存在差异，以AIC准则作为优先。由检验结果可看出，在5%显著性水平下，两组数据都是协整的，表明至多存在两组协整向量，这也可表明，数据序列之间可能存在引导关系，进一步对数据进行引导关系分析。

3.3格兰杰因果关系实证探讨

为了进一步分析影子银行体系波动对不同金融板块的影响，针对影子银行和银行及保险板块进行格兰杰因果关系分析。Granger因果关系分析结果如下：

从分析结果可看出，影子银行体系和银行板块之间互为格兰杰因果关系，和保险板块之间则不具有格兰杰因果关系。可推断出影子银行体系对于传统金融板块当中的银巧板块具有引导关系，而对于保险板块则不具有明显引导关系。由此可知目前我国在2008年经济刺激计划之后，随着银信合作的加快发展，影子银行的风险传播也体现为银行业为主。而保险板块则相对独立，现阶段并没有受到影子银行体系波动的显著影响。

从检验结果可看出，当显著性水平在1%的情况下，检验结果拒绝原假设，表明影子银行（yzyh）和代表传统金融体系的内地金融指数（ndzs）之间互为格兰杰因果关系。说明影子银行体系和传统金融体系么间具有引导关系。同时结合这一检验结果与上一组检验结果可看出，影子银行对于传统金融体系的引导作用主要由于银行板块产生了主导影响。