影子银行对商业银行稳健性和经济增长的影响&基于面板VAR模型的动态分析_银行论文

影子银行对商业银行稳健性和经济增长的影响——基于面板VAR模型的动态分析，本文主要内容关键词为：商业银行论文,经济增长论文,稳健论文,面板论文,模型论文，此文献不代表本站观点，内容供学术参考，文章仅供参考阅读下载。

      一、文献综述

      影子银行体系(Shadow Banking System)，是指游离于传统银行体系之外的与商业银行相对应的金融机构和信用中介业务，具有与传统商业银行相似的信用转换、期限转化与流动性转化功能，但较少受到金融监管(McMulley，2007；金融稳定委员会(FSB)，2011)。它是通过财务杠杆操作，持有大量证券和复杂金融工具的非银行金融机构，其组成主要是投资银行、经纪商、私募股权、对冲基金、保险公司、货币市场基金、结构性投资工具及非银行抵押贷款机构等等(Krugman，2009)。

      影子银行发端于20世纪70年代美国住房按揭贷款的证券化。后来随着全球金融自由化和金融创新产品的日新月异，影子银行快速发展，并逐渐形成体系。影子银行体系的发展使美国乃至全球的金融结构、市场结构发生了根本性的变革。我国影子银行体系发展较晚，但近几年发展迅猛。据中国社科院(2013)报告称，2012年底中国影子银行体系规模达到14.6万亿元(基于官方数据)或20.5万亿元(基于市场数据)。前者占到GDP的29%与银行业总资产的11%，后者占到GDP的40%与银行业总资产的16%。

      然而，影子银行体系带来金融市场繁荣的同时，由于过度激进的高杠杆运作、潜意识的信息隐藏和刻意规避金融监管等特征却隐藏着巨大的系统性风险，2007年爆发的全球金融危机正是这种系统性风险的最好诠释。我国有关影子银行的危机事件也频繁见诸报端，例如浙江温州、内蒙古鄂尔多斯、陕西神木的民间借贷危机，浙江吴英事件，湖北三峡全通事件，北京雅盈堂事件等等。IMF(2012)报告警示，中国金融稳定状况相对良好，但需要关注“影子银行”问题——尤其是近年飞速膨胀的信托类产品，有可能把风险转嫁给银行。肖钢(2012)表示，中国金融五年内最大风险是中国式的影子银行体系。

      可见，目前影子银行规模快速发展与风险急剧堆积已经成为全社会关注的焦点。在我国，商业银行的稳定是金融稳定的核心，经济增长是经济发展的核心目标之一，因此研究影子银行体系对商业银行稳健性和经济增长的影响具有重要的理论和现实意义。

      国外有关影子银行的研究最早可以追溯到20世纪60年代，Gurley and Shaw(1960)在内在货币—外在货币框架下研究了包括几乎所有的非银行金融机构的货币创造行为。耶鲁大学管理学院教授Gorton在20世纪80、90年代曾零散地研究过各种非银行金融中介及其货币创造活动。有关影子银行风险的研究则是在金融危机后大量出现，关注的焦点主要集中在影子银行的运作机制、风险传导途径及引发金融危机的过程等方面。BIS(2008)研究指出影子银行由于金融创新、杠杆操纵和过度交易等带来的风险，自然地随信用风险创新工具转移分散到银行业等市场之中，这样资本市场的风险就演化为整个金融体系的风险。Baily等(2008)认为，影子银行在信息不透明的条件下进行高杠杆操作，致使流动性更加脆弱，加上这些行为都是规避性质的金融活动，所以系统风险就被放大了。BIS(2009)在2008年度报告中指出，在投资银行业中，风险价值(VaR)指数从2000年的100上升至2007年年底的近240，给金融体系的稳定性带来极大的风险。Adrian等(2009)认为，在市场主导的金融体系中，影子银行推动了银行与资本市场融合，并通过资产负债表渠道加剧了金融脆弱性。Singh等(2010)认为，影子银行风险根源是围绕信用风险的衍生品不断创设，使得风险被不断放大，当基础资产，即抵押贷款出现违约风险时，抵押资产价值缩水，信用衍生品风险显化，形成金融市场系统性风险，风险集中爆发，引爆金融危机。Sheng(2011)通过大量数据证明影子银行加剧了货币政策的复杂程度，增加了系统性风险，因此应进一步扩大货币政策实施和监管的范围，建议M5作为新的货币供应量衡量标准，M5=M2+影子银行体系。Gorton和Metrick(2012)认为由资产证券化和回购交易组成的“证券化银行业务”的快速发展是2008年金融危机的核心原因。他们通过对信贷利差和证券化债券的回购折现率做回归分析，发现两者具有很强的负相关性。当经济下行时，回购市场的抵押品的价值缩水，信贷利差被进一步拉大，最终造成了美国金融危机的爆发。Bengtsson(2013)描述了欧洲货币市场基金MMF在美国金融危机下的发展和如何绕过监管层发行债券，如何对金融市场稳定性形成冲击，归纳了影子银行业务的操作模式，进而提出了一系列政策以遏制影子银行发展。

      国内方面，何德旭和郑联盛(2009)指出，影子银行的杠杆操作、业务界限突破、过度金融创新、信息披露不完整以及规避金融监管等特性给金融体系带来了新的风险，甚至是系统性风险，对金融体系的稳定造成了严重的威胁。徐滢和周恩源(2011)阐述了影子银行体系通过抛售机制、恶性循环机制、蔓延机制、预期机制以及再融资机制等五大机制扩大金融不稳定性。周莉萍(2012)研究称影子银行体系信用创造中存在固有缺陷，其信用创造过程也因此具有内在不稳定性。毛泽盛和万亚兰(2012)发现，中国影子银行规模与银行体系稳定性之间存在阈值效应。唐红娟(2012)从顺周期性、期限错配、金融创新、杠杆、关联性、监管套利及金融安全网角度剖析了影子银行体系的脆弱性，论述了影子银行体系审慎监管的制度安排与框架。李向前等(2013)实证研究得出，影子银行系统对货币政策的制定和实施有负向作用，影子银行体系使中国金融系统稳定性有所降低。

      整体上看，目前国内外影子银行风险方面研究比较丰富，其中不乏真知灼见，但多以定性分析为主，实证分析较少，而且，国内研究多以美国影子银行为基础，从宏观视角对影子银行对经济金融的冲击做出判断，缺乏在我国特定经济体制和金融环境下，从微观视角对影子银行体系可能产生的系统性风险的研究。因此，本文试图从微观视角，采用我国A股上市的14家商业银行的面板数据，构建我国商业银行稳健性指标体系，运用面板VAR模型，对影子银行对我国商业银行稳健性和经济增长的影响做出定量分析。

      本文共分为五章。第一章为引言及为国内外研究文献综述；第二章构建我国商业银行稳健性指数，测度我国A股市场上市的14家商业银行的稳健性水平；第三章面板Granger因果检验和面板VAR模型的设定；第四章实证结果分析；第五章是全文主要结论总结，并提出相关政策建议。

      二、我国商业银行稳健性测度

      本文根据指标的代表性、可测性、持续性，参考IMF编制的《金融稳健指标编制指南》，并结合中国的国情，从资产质量、资本充足性、盈利能力、流动性等四个方面选取了不良贷款率、拨备覆盖率、总资本充足率、核心资本充足率、平均总资产收益率、平均净资本收益率、存贷比七个指标，以合成银行稳健性指标(Bank Soundness Index，BSI)，从而测度我国商业银行稳健性程度。如表1所示。

      

      关于表1的几点说明：

      1.指标临界值的确定，主要参考了国际通用标准、中国银监会的监管要求、部分商业银行的年报和一些专家学者的研究成果。

      2.数据处理主要借鉴了伍志文(2002)与谭晓和樊纲治(2011)的研究成果，过程如下：(1)采用映射法将指标原始数据映射为相应的分数值以便于比较。具体方法一般分两种情况：一是针对越小越好的指标，如不良贷款率等，举例如下：例如工商银行2012年不良贷款率为0.85，判断属于[0，1]的安全区间，先将0.85置于[0，1]，然后按相同比例映射到[0，20]，计算方法为[(0.85-0)/(1-0)]*20+0=17；二是针对越大越好的指标，如拨备覆盖率、总资本充足率等，举例如下：例如工商银行2012年拨备覆盖率为295.55，判断属于[150，+∞)的安全区间，因为所有样本期内该指标的历史最大值为499.60，所以将299.55置于[150，499.60]，然后按相同比例映射到[0，20]，计算方法为[(499.60-295.55)/(499.60-150)]*20+0=11.6736。(2)按同样的方法计算出各个指标的赋值后，将其算术平均得到银行稳健性指数BSI。此处科学确定权重是国内外相关研究的一个难题，是一种理论与专家经验相结合的方法，有一定的主观性。本文的面板数据不太适合用主成分分析法构建权重，因此采取了众多学者普遍采用的算术平均方法。

      3.指标映射分数值越低，银行稳健性水平越高，即，数值在0～20为安全，20～50为正常，50～80为关注，80～100为危险。

      本文选取我国14家A股上市的商业银行(按沪深股票代码升序排列)：平安银行、宁波银行、浦发银行、华夏银行、民生银行、招商银行、南京银行、兴业银行、北京银行、交通银行、工商银行、建设银行、中国银行、中信银行作为面板样本。数据跨度为2005年-2012年。数据主要来源于Wind资讯①。具体测算数据整理如表2。

      

      分别以全部14家上市银行、4家国有银行、7家股份制银行、3家城商行的稳健性指标BSI的均值作趋势图，如图1所示。

      从表2和图1可以看出，2005年至2012年我国商业银行稳健性水平总体较好，大部分都在正常与安全区域，并且稳健性水平稳步提高，全部商业银行样本的BSI均值由2005年的正常区域(36.2)改善到2012年的安全区域(18.42)。原因可能是2004年以来，中国商业银行市场化改革，尤其是国有大型银行剥离不良贷款、注资和上市后，在资本要求、外部监管和市场纪律的约束下形成了压力机制和动力机制，使商业银行公司治理和风险管理能力得到有效提高，从而使得即使在2008年的全球金融危机下，银行的稳健性水平也并未下降②。

      由图1可以看出，2005年-2009年期间，我国城商行的稳健性水平最高，国有大型银行次之，股份制银行较差，但2010年以后，三者差距缩小，并趋于一致。

      

      图1 我国上市银行稳健性指标BSI趋势图

      三、计量模型设定

      (一)面板VAR模型的选择

      中国人民银行和国家统计局公布的社会融资规模数据始于2002年，中国上市商业银行较全面的数据始于2005年，不能满足VAR模型的数据长度要求。因此，本文选用Holtz-Eakin(1988)提出的面板数据的向量自回归(Panel Data Vector Autoregression，简称PVAR)方法，在面板VAR中，假定T为时间序列长度，m为滞后项的阶数，则当T≥m+3时，便可对模型的参数进行估计；当T≥2m+2时，便可估计稳态下的滞后项参数。面板VAR的分析方法综合了面板分析和VAR模型的优点，既可以克服样本量不足的弱点，也能够通过引入个体效应变量和时点效应变量分别捕捉个体固定效应和不同横截面受到的共同冲击，同时，还可以分析面对冲击时变量的动态反应。

      (二)变量的选取与说明

      本文主要研究影子银行对我国商业银行稳健性和经济增长的影响，研究三者的相互影响，因此，基于上文的理论分析，限于可得样本数量，本文选择如下变量：

      影子银行：本文的影子银行体系取金融稳定委员会(FSB，2011)广义的范畴，即游离于传统银行体系之外的金融机构和信用中介业务，因此选取社会融资规模中剔除人民币贷款、外币贷款、企业债券和非金融企业境内股票融资后的余额，即委托贷款、信托贷款和未贴现银行承兑汇票之和作为影子银行ShadowBank的代理变量③。

      经济增长：选用GDP作为衡量经济增长的变量。

      银行稳健性：选用前文商业银行稳健性指数BSI作为衡量商业银行稳健性的指标。

      本文数据来源于《中国统计年鉴》，所用数据采取年度数据，并进行对数处理，时间跨度为2005年至2012年。所用软件为Stata12.0。

      (三)平稳性检验和模型形式选定

      面板VAR模型在进行参数估计前应进行单位根检验，由于普通的ADF方法用于检验面板数据时会产生偏误，本文对lnBSI、lnShadowBank、lnGDP进行了面板LLC检验和IPS检验，结果如表3所示。检验结果表明，三个变量均为稳定序列。

      

      根据AIC准则和SC准则，选择最优滞后项为1，因此设定PVAR模型如下：

      

      其中

，A是一个3×3的系数矩阵，引入商业银行层面的固定效应

来体现个体异质性，引入商业银行个体的时点效应变量

来体现每一时期商业银行的特定冲击，进而规避横截面样本中可能存在的结构差异，假定

为服从正态分布的随机扰动项。

      (四)面板Granger因果检验

      面板数据的Granger因果检验属于计量领域的前沿问题之一，目前尚未有标准模式，可鉴文献中主要有两种检验方法。第一种是先估计面板VAR的固定效应模型和随机效应模型，然后根据Wald检验的结果判断Granger因果关系(Hsiao等，2006)；第二种是对于非平稳变量若存在协整关系，则基于误差修正模型得到Granger因果关系(Maish和Maish，1996)。根据本文的数据结构，我们借鉴了第一种方法，其基本检验步骤是：

      首先，构建面板数据固定效应模型。

      

      其中：

是三个内生变量之一，

是横截面效应，代表个体异质性，固定效应模型中假设

不随时间而改变；

是所有内生变量的滞后项；β是滞后项的斜率系数，假定对所有的横截面β为常数；假定

为服从正态分布的随机扰动项。

      其次，构建面板数据随机效应模型。

      

      再次，通过运用Hausman检验选择使用固定效应模型还是随机效应模型。Hausman检验结果表明，第一个方程(被解释变量为lnBSI)选用固定效应模型，第二个方程(被解释变量为lnShadowBank)选用随机效应模型，第三个方程(被解释变量为lnGDP)选用随机效应模型。

      最后，用Wald检验判断Granger因果关系。结果如表4所示。

      

      从表4可以看出，在1%的显著性水平下，影子银行的发展分别是商业银行稳健性和GDP增长的Granger原因，GDP的增长是影子银行发展的Granger原因。

      本文所有过程编程完成，并借鉴了世界银行Inessa Love博士提供的面板VAR程序。

      四、实证分析结果

      (一)面板VAR的估计

      在估计面板数据时通常需要先消除样本中的固定效应，以克服模型中时点效应和个体效应造成的估计系数的偏差。因此，本文使用截面均值差分消除时点效应

，使用向前均值差分来消除个体效应

。向前均值差分，即“Helmert过程”(Arellano和Bover，1995)，通过消除每个个体向前的均值，即每一时期未来观测值的均值，保证了滞后变量与转换后的变量正交，进而与误差项无关，因而可以使用滞后变量作为其工具变量，采用系统GMM的方法进行估计，估计结果见表5。

      

      从各列的b_GMM值可以看出，三个变量的一阶滞后项对lnBSI、lnShadowBank和lnGDP的影响除一项外都在1%或5%的显著性水平下显著。

      lnShadowBank的一阶滞后项对lnBSI产生显著的负向关系，而由前文可知，lnBSI越低代表商业银行稳健性水平越高，从而推出影子银行的发展对商业银行的稳健性的提高有正面效应，但这种效应程度不大，系数仅为0.0937；而lnBSI的一阶滞后项对lnShadowBank的发展不显著，说明二者为非对称的单向关系。

      lnGDP的一阶滞后项对lnBSI的影响显著为正，而lnBSI的一阶滞后项对lnGDP的影响显著为负，说明商业银行稳健性水平的提高将促进GDP增长，而GDP增长并不会提高商业银行的稳健性。

      lnGDP与lnShadowBank之间为显著的互为正向的双向关系，并通过了1%或5%的显著性检验，说明影子银行的发展有助于促进经济增长，同时经济增长也有利于影子银行的发展。

      (二)脉冲响应函数分析

      为了进一步检验各个变量之间的动态关系，本文模拟了一阶滞后lnBSI、lnShadowBank、lnGDP的脉冲响应函数。脉冲响应函数是用来衡量随机扰动项的一个标准差的冲击对其他变量当前和未来取值的影响轨迹，能比较直观刻画出变量之间的动态交互作用和效应，并从动态反应中判断变量间的时滞关系。本文通过给予变量一个标准差的冲击，使用MonteCarlo模拟了500次得到脉冲响应函数图，如图2所示。

      从图2可以看出的主要信息有：

      第一，如图2(b)所示，给lnShadowBank一个标准差的冲击，lnBSI最初会产生一个较激烈的反向冲击，并在第一期末达到最大，但随后2—6期影响程度逐渐减少，最终趋向于一个较小的负响应值，总体上看均为负向影响，说明我国影子银行的发展会对商业银行稳健性产生正面影响，但影响不具有长期效应。

      第二，如图2(h)所示，给lnShadowBank一个标准差的冲击，lnGDP在第一期会产生一个较大的正向冲击，同样在第一期末达到最大，随后2—6期影响程度逐渐减少，最终趋向于一个较小的正响应值，总体上看均为正值，说明影子银行的发展会对经济增长产生正向促进作用，但不具备持续效应。

      综上所述，我国影子银行的发展会对经济增长产生正向促进作用，会对商业银行稳健性产生正面影响，但这两种影响均不具备长期效应。

      (三)方差分解

      为了更精确地考察影子银行规模、商业银行稳健性、经济增长之间的相互影响程度，比较各种冲击对内生变量的贡献大小，本文使用方差分解进一步评价各种冲击的重要性，表6给出了第10个预测期和第20个预测期的方差分析结果。

      

      图2 脉冲响应函数

      注：横轴代表冲击反应的滞后期数(6期)，纵轴代表内生变量对于冲击的响应程度，中间曲线为脉冲响应函数曲线，两侧为95%的置信区间，使用MonteCarlo模拟500次得到。

      

      从表6可以看出：

      第一，选取10个预测期与选取20个预测期进行方差分析的结果基本一样，说明在第10个预测期之后系统已基本稳定，对结果没有影响。

      第二，商业银行稳健性波动主要受自身和影子银行规模变化的影响，但影子银行规模对其的方差贡献率很小，仅为3.23%，说明影子银行规模会对商业银行的稳健性产生影响，但影响程度比较有限。

      第三，影子银行规模的变化主要受自身和商业银行稳健性波动的影响，商业银行稳健性波动对其方差贡献率为21.66%，说明影子银行规模一定程度上依赖于商业银行的稳健性。

      第四，GDP增长的波动主要受商业银行稳健性波动和影子银行规模的变化的影响，方差贡献率分别为37.68%和59.14%，可以看出，影子银行规模的变化对经济增长的波动影响较大，甚至超过了商业银行稳健性波动的影响，说明我国近几年影子银行的快速发展的确对经济增长波动产生了一定的影响。

      (四)主要实证结果的经济学分析

      1.影子银行的发展将在一定程度上增强商业银行的稳健性

      中小企业融资难是困扰我国中小企业发展的重大难题之一。灵活高效的影子银行满足了紧缩条件下中小企业的融资需求，缓解了商业银行业务覆盖不足造成的问题，从而有助于促进就业，拉动经济增长和提高社会稳定性，进而有利于整个商业银行体系的协同发展和稳定。

      影子银行有助于缓解信贷市场的信息不对称问题。逆向选择和道德风险是长期困扰信贷市场的重大难题之一，而部分影子银行借贷双方是长期商业合作伙伴，对双方的信用可能比普通商业银行更为了解和全面，从而使得某些借贷活动更为安全高效。

      理财产品是影子银行的重要组成部分，商业银行通过理财产品的渠道，将存量贷款，新增贷款等信贷资产转移出表外，降低了资产分母，以此提高了资本充足率，从而在一定程度上提高了商业银行的稳健性。

      2.影子银行的发展将对经济增长产生一定的促进作用

      由前文分析可知，影子银行体系有助于缓解中小企业融资难问题，推动中小企业的健康发展。我国在金融管制、资金垄断未彻底改善情况下，灵活高效的影子银行满足了紧缩条件下中小企业的融资需求，缓解了商业银行业务覆盖不足造成的问题，从而有助于促进经济增长。

      影子银行是在我国利率尚未完全市场化背景下规避金融监管，实施监管套利的产物。影子银行突破了原有的资金价格管制，为社会资金提供了高效、多元的投资渠道。影子银行所实现的信用转换、期限转换、流动性转换等功能可以有效提高社会资金使用效率，满足实体经济投融资等需求，进而推动国民经济发展。

      五、结论与建议

      本文在理论分析的基础上，首先构建我国商业银行稳健性指数，测度了我国A股市场上市的14家商业银行的稳健性水平，然后进行面板Granger因果检验，并利用面板VAR模型，实证研究了影子银行体系对商业银行稳健性和经济增长的影响。主要得到以下结论：

      第一，影子银行的发展会增强商业银行的稳健性，但影响程度较小，并且不具备长期效应。

      第二，影子银行的发展对经济增长有积极的促进作用，并且影子银行规模的变化将对经济增长的波动产生一定的影响。

      从结论可知，影子银行的发展既会促进经济增长，又会提高商业银行的稳健性，因此，本文认为，监管当局应该对影子银行保持客观的态度，不宜“令行禁止”，而应“勿堵宜疏”。

      第一，应加强金融立法，规范影子银行发展，切勿“谈影色变”。

      由上述分析可知，影子银行的发展对经济增长和商业银行稳定性产生了一定的积极作用，因此，不可一味地“令行禁止”，可以通过设立利率上限、规范银信合作、表外转表内、建立防火墙和风险代偿机制等法律或规章的制定，引导其健康有序发展，从而既有效控制其风险，又充分发挥其在缓解中小企业融资难、促进社会资金的合理配置、降低信息不对称等方面的积极作用。

      第二，应深化金融体制改革，循序渐进推进利率市场化。

      从本质上讲，影子银行是利率管制下规避金融监管，实施监管套利的产物。应加快推进利率市场化，充分发挥利率在合理配置市场资源中的积极作用，从而提升金融服务水平，促使金融更好地支持实体经济发展。

      第三，完善金融监管模式改革，逐步推动分业监管向混业监管转变。

      影子银行的出现，已经跨越了金融分业经营界限，传统的金融分业监管模式已难以适应混业经营的要求，既容易出现监管漏洞，也容易导致监管重复。逐步推动分业监管向混业监管转变，将有效解决混业条件下金融创新监管的归属问题。

      本研究感谢世界银行Inessa Love博士提供的程序代码。

      ①少量Wind中缺失值来自于Bankscope和各商业银行年报。另外两家上市银行农业银行和光大银行由于数据缺失严重，予以剔除。

      ②这与我国大部分商业银行官方网站公布的在美国金融危机后的不良贷款率没有提高的结论是一致的。

      ③数据缺失是影子银行研究的最大难点所在，国内外相关研究多是利用相关代理变量的数据。国外影子银行数据用资产证券化数据较多，但中国资产证券化市场欠发达，并一度暂停，故而使用资产证券化数据不可行。本文借鉴了国内为数不多的影子银行方面的实证研究论文中的数据处理方法。

标签：银行论文;  影子银行论文;  商业银行论文;  银行风险论文;  var模型论文;  动态分析论文;  银行监管论文;  面板数据论文;  经济增长论文;  经济论文;  金融论文;  风险模型论文;  动态模型论文;  风险管理论文;