王潞

[摘 要] 以我国影子银行2006年-2017年的季度数据为研究对象，通过建立包含影子银行规模，经济增速，居民消费价格指数，城镇登记失业率以及金融机构人民币贷款余额增长率的VAR模型来研究影子银行规模与经济增长之间的关系。实证结果显示：一方面，影子银行的发展会促进GDP的增长，也能降低失业率，但是却不利于物价稳定;另一方面，经济的发展会促进影子银行的规模扩张，而失业率和物价水平的波动对影子银行规模的影响均不显著。

[关键词] 影子银行;经济增长;物价稳定;失业率

[中图分类号] F832[文献标识码] A[文章编号] 1009-6043（2020）01-0186-03

一、引言

“影子银行”的具体概念，是由美国太平洋投资管理公司的Paul McCulley最早提出的，他认为影子银行是一类通过非银行的机构或渠道来完成加杠杆，实现类似于商业银行的存贷款职能，但是没有受到相应监督的金融机构。

我国的影子银行产生于21世纪初期，距今也有十来年的时间，作为金融体系创新发展的产物，其对我国经济增长所发挥的作用也日益增强。一方面，影子银行的出现改善了融资活动对传统银行体系过度依赖的情况，在满足了实体经济的部分融资需求的同时，也丰富和拓宽了个人和企业的融资渠道，增强了金融体系的流动性，提高了全社会的投融资效率。另一方面，由于影子银行具有期限错配和高杠杆率的特点，所以其对风险的抵御能力也较弱，而且影子银行体系的风险很容易扩散到整个金融体系，使得原有的金融系统结构发生变化，从而对我国经济发展产生影响。

总体来说，影子银行的发展是一把双刃剑，如何做到兴利除弊，在规范监督影子银行发展的同时更好地促进国民经济的发展，也是本文研究的意义所在。

二、文献综述

相对于商业银行的各种研究，学者对影子银行的研究相对较少。首先关于影子银行的产生原因，张明（2013）认为我国影子银行的兴起，来源于中小企业的融资需求以及居民旺盛的投资需求。李建军（2015）则分析了影子银行的形成机理，发现社会信贷供求缺口是其成因。在此基础上，万晓莉（2016）就中国影子银行的套利模式进行了研究，结果发现影子银行的演变是与监管措施不断博弈的结果。李建军（2014）研究了影子银行的风险传染机制发现，公司是主要的风险源，银行则是风险的主要承担者。

其次是关于影子银行的经济效应，徐军辉（2013）研究发现，影子银行的规模扩张会对中小企业融资产生消极影响。裘翔（2014）认为影子银行虽然完善了商业银行的间接融资系统，但却降低了货币政策的有效性。封思贤（2014）研究表明，影子银行主要通过对社会融资成本、货币政策和银行稳定等产生冲击而影响金融稳定。蔡雯霞（2015）实证研究发现，影子银行削弱了传统商业银行在货币政策中的作用，弱化了利率对实体经济的传导。

最后是有关影子银行对经济增长的影响，陈剑（2012）研究发现，影子银行的发展会促进经济增长和货币供给量的增加。沈悦（2013）研究显示：经济增长与影子银行发展之间存在单向因果关系。李存（2017）则表示，影子银行对实体经济既有积极影响，也有消极影响。

通过阅读文献可以发现，第一，现有文献大部分都是影子银行与金融体系的相关研究，而研究其与经济增长的文献较少，还有补充的空间;第二，关于影子银行体系与经济增长的研究中，主要是分析其与GDP增长之间的关系，对其他经济增长的变量却较少涉及;第三，已有文献大都选取的是金融危机之后的年度数据进行实证，且以季度数据来实证研究的文献也较少。基于以上三点，本文将以2006年--2017年的季度數据为研究对象，通过构建向量自回归模型（VAR），研究影子银行规模与经济增长之间的关系。

三、变量选择和模型设计

（一）变量选取和数据来源说明

经济发展的目标主要是以下三个，即经济增长快、物价水平稳定、失业率低，所以本文选用的研究变量有影子银行规模、国内生产总值、居民消费价格指数、城镇登记失业率以及金融机构贷款余额，具体研究变量如下：影子银行规模。本文选用委托贷款、信托贷款及未贴现银行承兑汇票的季度存量规模之和SH作为其代理指标，对SH取对数，记作LnSH;国内生产总值。本文采用季度GDP的同比增长率作为代理变量，记作RGDP。居民消费价格指数。笔者以2005年为基期，再根据月度增长率计算得出各月指数，取其平均值当作季度数据，记为CPI。城镇登记失业率。本文选取城镇登记失业率的季度数据作为研究对象，记为UR。控制变量。本文选择的控制变量为金融机构季度的人民币贷款余额的同比增长率，记作RLO。

所有的数据均来源于国家统计局网站和中国人民银行网站，数据处理软件采用Eviews9.0。

（二）模型选择

分析多变量之间的相互影响，向量自回归模型（VAR）的应用是目前最为普遍的。标准的VAR模型的数学表达式是：Yt=C+■AsYt-s+et，其中，Yt是包含代理变量（LnSH、RGDP、CPI、UR、RLO）的5×1列向量;C和As分别是5×1和5×5的系数矩阵;m是滞后长度;et是5×1列的预测误差向量。

四、实证分析

（一）描述性分析

由表1可知，有效研究样本数为48个，影子银行规模对数值的平均值为11.4247，GDP同比增长率的平均值为9.1208%，CPI的平均值为121.5502，失业率的平均值为4.0871%，贷款余额增长率的平均值为16.3788%。

（二）平稳性分析

首先对变量进行平稳性检验，结果如下：

由表2可知，LnSH、RGDP、CPI、UR和RLO五个时间序列在1%的显著性水平下都是不平稳的，对其分别取一阶差分，得到的相关序列在1%的显著性水平下都是平稳的。