中國影子銀行與貨幣政策調控——基于時變Copula 動態相關性分析

李叢文

一、引 言

完善和加強金融監管是當前中國經濟新常態下金融改革的重要一環，21 世紀初，中國確立了“貨幣政策與金融監管分設”以及“銀、證、保分業監管”的監管體系和調控格局，這種監管調控體系有力保障了中國金融體系的資源配置功能的有效性，然而這也使得監管當局相互掣肘導致監管真空以及監管重復，致使監管套利現象的出現。近些年，影子銀行的出現及其迅速擴張發展已經凸顯出貨幣政策與金融監管悖離問題的嚴重性，當前中國貨幣政策需要強化結構性金融統計，靈活有效運用貨幣政策工具，以更加有效地反映貨幣政策渠道傳遞機制，為穩增長和調結構營造中性適度的貨幣環境，這就需要完善當前中國影子銀行監測體系。中國影子銀行具有自身發展的特殊性，現階段更多的表現為“銀行的影子”，發揮著類似于商業銀行的信用中介職能。一方面在一定程度上滿足了中國經濟發展多元化背景下的多層次融資需求問題，促進國民經濟平穩發展；另一方面在沒有改變貨幣存量的情況下，增加了全社會的貨幣信用供給，導致社會融資成本提高，無形中會對貨幣政策工具有效性構成威脅，削弱了貨幣政策的執行效果，增加了貨幣政策調控和監管難度。因此，關于影子銀行與中國貨幣政策調控有效性的研究對于辯證看待中國影子銀行問題和提升貨幣政策執行力具有重要的理論與現實意義。

基于中國貨幣政策作用機理，本文在分析了中國影子銀行整體以及局部動態發展變化的基礎上，進一步研究了影子銀行對中國貨幣政策最終目標、中介觀測指標以及操作工具的聯動影響作用，并提出了最優的調控方案。本文接下來安排如下：第二部分為文獻綜述，第三部分為變量數據說明和模型設計，第四部分為實證結果分析，第五部分為總結與建議。

二、文獻綜述

“影子銀行”的概念最早是由Paul McCully(2007)在2007 年美聯儲年度會議上提出的。Geithner(2008)認為，影子銀行是一種平行銀行系統，本質上是一種傳統銀行體系之外的非銀行融資活動，主要業務是非銀行金融機構用短期融進資金購買高風險、低流動性的長期資產。Pozsar(2010)認為，影子銀行是一種未得到中央銀行再貼現窗口保護，具有期限、信用和流動性轉換功能的金融中介。Morgan Ricks(2010)認為，影子銀行系統主要由回購交易商、融資融券、結構性投資工具以及對沖基金、貨幣市場基金等構成。金融穩定委員會FSB(2011)認為影子銀行主要是通過借短貸長、不良信用轉化和杠桿交易而帶來系統性風險和監管套利的信用中介體系。

與國外以資產證券化為核心的影子銀行不同，中國影子銀行是根植于商業銀行的，對傳統商業銀行有著較強的依從關系，更多的表現為“銀行的影子”。李建軍(2010)等認為，以FSB(2011)提出的功能標準界定中國影子銀行范圍較為系統且全面，即影子銀行是指發揮信用轉換、期限轉換與流動性轉換的信用中介。宋海(2014)認為目前中國影子銀行系統主要包括以信托公司、證券公司為主的非銀行金融機構和以融資租賃、擔保公司、私募股權投資基金、小額貸款公司、典當行等為主的準金融機構。同時部分學者也從不同角度對中國影子銀行規模進行了測算，例如毛澤盛和萬亞蘭(2012)基于借款人的角度衡量了1992—2010 年的中國影子銀行規模。沈悅和謝坤鋒(2014)在區分內外部影子銀行的基礎上，運用宏觀資金流量分析法，對中國影子銀行整體規模進行系統測度。封思賢等(2014)基于一段時期內的金融與經濟關系相對穩定的假設基礎上，運用未觀測經濟規模等經濟指標度量了中國影子銀行規模。裴平和印文(2014)對2003—2014 年的影子銀行規模進行了測算，發現中國影子銀行整體規模不斷擴張，同時發現2006 年以前主要是以民間融資類影子銀行信用創造為主，之后則是以金融機構類影子銀行的信用創造為主。

影子銀行具有“類似銀行”的特征，發揮著信用中介功能，在一定程度上無疑會對中央央行貨幣政策調控帶來挑戰。早在20 世紀60 年代，Gurley 和Shaw(1960)就發現非銀行金融機構具備信用創造職能。Gorton 和Pennacchi(1990)的研究發現，通過對風險資產現金流的分層，非銀行金融機構能夠創造出無風險資產，提供與貨幣相同的流動性。2008 年金融危機迫使各國中央銀行開始審視其向非銀行金融機構提供流動性工具，充當最后做市商的職能。Caruana(2011)認為正是央行放松對影子銀行的監管才使得非銀行金融機構面臨較大的流動性風險，而Mehrling(2011)認為央行應該繼續承擔影子銀行機構的最后貸款人職責，Sheng(2011)則認為問題的核心在于央行應該選擇何種方式監管影子銀行，對于影子銀行不能一味嚴格打壓限制。Den Haan 和Sterk(2011)以及Loutskina(2011)從微觀機構角度認為，影子銀行業務活動的貨幣政策調控逆周期性極有可能是產生“水床效應”的重要原因，當商業銀行面臨緊縮性貨幣政策的貸款約束時，便會轉向通過資產證券化等影子銀行業務來為企業融資，這樣既可以轉移受限貸款又可以規避信貸監管要求。Borio(2013)認為對影子銀行的適當監管是保持央行貨幣政策穩定性的重要前提。Jimenez、Ongena、Peydro 和Saurina(2014)發現，雖然緊縮貨幣政策可以控制商業銀行的信貸規模，卻不會降低影子銀行業務規模。

從國內學者的研究來看，李波、伍戈(2011)認為影子銀行系統通過對金融穩定渠道、貨幣政策調控目標、貨幣政策工具效力以及對資產價格影響等方面對貨幣政策的調控有效性提出挑戰。周莉萍(2013)認為影子銀行體系的順周期性強化了其與實體經濟發展的動態關系尤其是正向反饋環機制。實證方面，陳劍、張曉龍(2012)采用短期約束SVAR 模型實證發現影子銀行對中國經濟發展具有促進作用，會提高貨幣供給量，對通貨膨脹影響不顯著。沈悅、謝坤鋒(2013)借助Granger 因果檢驗方法實證檢驗發現經濟增長能夠促進影子銀行發展，反之則不成立；經濟增長與影子銀行發展之間存在長期穩定的均衡關系。王曉楓、申妍(2014)利用向量自回歸(VAR)模型和脈沖響應函數研究發現短期內影子銀行流動性創造波動較大，對經濟增長具有負面效應，但長期看有促進作用，影子銀行的發展具有順周期性。解鳳敏、李媛(2014)運用VAR 以及狀態空間模型實證分析發現影子銀行既可以補充銀行信貸供給不足，也會對銀行信貸形成替代；影子銀行順周期變化與貨幣政策逆周期調控之間的矛盾弱化了貨幣政策效果。單暢等(2014)運用VAR 模型、Granger 因果檢驗、脈沖響應函數和方差分解分析，實證檢驗了中國影子銀行體系與房地產價格之間的短期互動關系和長期動態均衡關系。裘翔、周強龍(2014)運用DNK-DSGE 框架研究發現影子銀行呈現明顯的逆周期特征，在有益補充間接融資的同時，也削弱了貨幣政策的有效性。

國內外大量文獻均表明影子銀行對貨幣政策調控有效性有重要影響作用，然而目前大部分文獻只是研究了其對于貨幣政策的某一個方面的影響，如經濟發展、貨幣供應量、市場利率等。貨幣政策的調控涉及貨幣政策操作工具、中介觀測指標以及最終目標三個方面，所以對影子銀行與貨幣政策調控有效性的研究也應該從以上三個方面來全面考察。另外，從分析方法上來看，多數學者均采用VAR 模型理論、脈沖響應函數以及Granger 因果檢驗分析方法，上述檢驗分析方法從本質上來說都是一種線性相關預測性檢驗分析，并且只是一種必要性檢驗，影子銀行既是貨幣政策調控的原因，也是貨幣政策調控的結果，影響關系復雜，所以簡單地線性刻畫并不能夠充分地反映二者之前內在的動態相互作用，需要借助于非線性描述工具。

中國影子銀行一方面解決了多層次融資需求問題，促進了國民經濟發展；另一方面影子銀行從本質上來說具有信用創造功能，具有典型的經濟順周期性以及貨幣政策逆調控性等特征(周莉萍，2013)。一般情況下，貨幣政策傳導機制涉及貨幣政策工具、中介指標以及最終目標三大內容，目前中國貨幣政策正處于間接調控混合期，使用的貨幣政策工具主要包括存款準備金率、再貼現率以及公開市場操作；貨幣政策中介指標為貨幣供應量以及市場利率；貨幣政策最終目標是穩定貨幣并且以此促進經濟發展。影子銀行體系內生性的貨幣信用創造功能引發的貨幣供應量增加以及貨幣自主性需求的減少，無疑會削弱中央銀行通過存款準備金率等工具進行流動性、利率控制的有效性，從而影響貨幣政策最終調控目標的實現。

三、變量、數據說明與模型設計

（一）變量、數據說明

本文主要研究影子銀行與中國貨幣政策體系的動態調控有效性，當前我國貨幣政策傳導機制涉及貨幣政策工具、中介指標以及最終目標三大內容，央行運用貨幣政策工具對中介指標形成影響并經由各種貨幣政策傳導機制達到最終調控目的。所以探討中國影子銀行對于貨幣政策調控的有效性也應當從以上三個方面全面考察。本文具體變量選取如下：

影子銀行規模指標：縱觀國內現有關于影子銀行的研究文獻發現，大部分學者均采用銀行信托貸款、委托貸款與未貼現銀行承兌匯票的余額總額作為影子銀行規模的代表(陳劍等，2012；王曉楓等，2014；解鳳敏等，2014)，然而部分學者(沈悅，2014；裴平，2014)的研究表明，銀行信托貸款、委托貸款與未貼現銀行承兌匯票的余額總額這些指標只是反映了基于金融機構內部的影子銀行規模，中國影子銀行還包括部分以民間借貸業務等形式但尚未納入統計的其他信用創造，所以基于數據全面性以及可靠性的考慮，本文的影子銀行規模由兩部分構成：首先是內部影子銀行，本文選取信托貸款與委托貸款之和來表示；其次是外部影子銀行，根據中國央行統計的全社會融資規模構成情況，可以發現全社會融資規模總量與其各個組成部分之和存在著一定的差異，而這些差異形成的原因，正是由諸如民間借貸等因素導致的貨幣信用增加，所以本文用每年全社會融資規模總量與其各個組成部分之和的差值來衡量外部影子銀行規模，整體影子銀行規模為內、外部影子銀行規模之和①根據閻慶民和李建華的《中國影子銀行監管研究》(2014)，本文采用社會融資規模構成數據從廣義角度上來衡量中國影子銀行規模，當然其他業界及各類監管機構也對影子銀行的業務構成及其規模進行了探討分析。，取其同比增長率作為研究對象，記為RSB。

貨幣政策工具變量：存款準備金率，本文采用大型存款類金融機構的人民幣存款準備金率，用RES 來表示；再貼現率指的是各個金融機構向央行票據貼現時的貼現率，反映了貨幣市場的資金供求關系，是央行的基準利率之一，但是鑒于央行公布的貼現率指標是定期固定的，不能有效反映市場資金變動情況，市場上的銀行同業拆借利率與之最接近，可近似作為再貼現率的制定依據，故本文選取銀行間同業隔夜拆借利率作為央行再貼現率指標，以反映貨幣政策松緊程度，用DIS 表示；近些年，公開市場操作愈發成為央行調整基礎貨幣、干預市場利率以進行貨幣調控的重要工具。事實上，當前中國實行嚴格的銀行結售匯制度，伴隨著中國外匯儲備的不斷增加，外匯占款是基礎貨幣的主要投放渠道，當央行進行公開市場操作時，就會沖銷部分外匯占款，所以本文使用外匯沖銷率來表示公開市場操作工具變量。公開市場操作包括正回購、逆回購、買入賣出債券以及票據發行和到期等行為，而央行也會定期公布資金投放量與回籠量兩個指標來反映公開市場操作程度，資金投放=票據到期+正回購到期+逆回購+買入債券，資金回籠=票據發行+正回購+逆回購+逆回購到期+賣出債券，資金凈投放量=資金回籠-資金投放，而外匯沖銷率(WAI)可以由式(1)得到：

WAI=資金凈投放量/(月度新增外匯×當月美元匯率)(1)

貨幣政策中介變量：貨幣政策中介指標可以是基礎貨幣，也可以是短期市場利率，當前中國貨幣政策中介指標基本上還是緊盯基礎貨幣數量，即全社會貨幣供應量，這主要是由于當前中國利率還未完全實現市場化所致，然而影子銀行的存在會導致全社會貨幣信用供給增加，加之中國貨幣流通速度較慢，M2/GNP 遠高于國外，使得以貨幣供應量作為中介指標觀測貨幣政策執行效果備受詬病，所以推進市場利率化改革，完善以短期利率為主的價格型觀測指標是未來中國貨幣政策改革的重要方面。鑒于此，本文選取貨幣供應量與短期市場利率作為貨幣政策中介變量。其中，貨幣供應量以M2的同比增長率衡量，短期市場利率采用銀行間7 天同業拆借加權平均利率作為代理變量。

貨幣政策最終目標：中國貨幣政策的最終定位是在穩定貨幣的基礎上促進經濟發展，可見物價穩定和經濟增長這兩個目標是當前中國央行貨幣政策宏觀調控最為關注的目標，所以本文也選取以上兩個指標反應貨幣政策最終目標。經濟增長選用月度GDP 環比增長率來度量，由于中國現行統計制度并未直接給出月度GDP 數值，所以本文采用式(2)進行轉換，轉換過程如下：

季度GDP/季度工業增加值=對應月度GDP/對應月度工業增加值(2)

運用上式計算出月度GDP 值，然后取其同比增速。物價方面，本文認為居民消費信心指數不僅可以描述當下消費物價情況，而且能有效反映居民預期消費因素導致的市場價格變動，所以選用居民消費信心指數的同比增長率來衡量物價穩定研究變量，記為RCPI。另外，中國影子銀行規模的擴張得益于政府基建地產投資為主題的經濟刺激政策，大部分影子銀行資金流向均為周期較長的周期性建設工程，所以中國影子銀行與房地產價格之間也具有天然的經濟聯系。同時房地產市場的不斷擴張所帶來的風險問題也是當前中國宏觀調控的重點，所以本文也將房地產價格作為貨幣政策的調控目標，以全國房地產開發企業住宅銷售額除以全國房地產開發企業住宅銷售面積得到房地產平均價格，記為HP。

存款準備金率以及公開市場操作數據來自WIND 數據庫，其他數據均來自中經網統計數據庫，本文數據樣本周期為2002—2014 年，數據頻率單位為月度①由于WIND 數據庫所提供的公開市場操作數據開始期限為2004 年1 月，并且為日數據，所以本文所用月度資金投放與回籠數據值為當月累計投放與回籠值，并且影子銀行與公開市場操作相關性分析時間周期也從2004年1 月開始。，各數據序列均經過了Box-Cox 平方根變換以消除季節因素影響。

（二）模型設計

已有部分學者采用VAR 模型理論、脈沖響應函數、Granger 因果檢驗分析以及隨機均衡分析法(陳劍和張曉龍，2012；解鳳敏和李媛，2014；裘翔和周強龍，2014)對中國影子銀行與貨幣政策的關系進行了簡單探討，然而上述研究方法從本質上來說都是一種線性相關預測性檢驗分析，不能有效刻畫兩個變量的非線性特征相關系數。影子銀行具有典型的經濟發展順周期性以及貨幣政策調控逆周期性特征(周莉萍，2013)，二者表現出非單一線性關系，同時中國影子銀行規模經歷了從金融危機前的初步形成到危機后的急劇擴張的發展過程，其本身發展具有動態變化特征，所以研究過程中需要考慮其動態相關性。相比較而言，Copula 函數作為一種研究變量相關結構的重要工具，不僅可以反映變量之間的線性相關性，而且可以反映非線性結構變動情況(Embrechts，1999)，克服了傳統線性相關性分析工具的缺點，所以本文利用Copula 理論來研究中國影子銀行與貨幣政策調控的動態相關性問題。Copula 理論最突出的一個特點是能夠連接兩個不同時間序列的邊緣分布進而形成一個共同分布函數，以測度多維分布的關聯結構，進而得到兩個變量序列的動態相關特征。利用Copula 函數估計動態相關系數時，需要解決單變量的邊緣擬合分布和選取合適的Copula 函數來刻畫邊緣分布的聯合分布這兩個問題。為此，筆者首先利用ARMA(0，0)-GARCH(1，1)-偏t 模型對單變量邊緣分布進行估計，根據估計得到的邊緣分布對原樣本序列進行概率積分變換，得到服從[0,1]均勻分布的序列，然后選擇合適的Copula 函數估計其聯合分布。

1. 序列邊緣分布擬合

Bolerslev、Chou 和Kroner(1992)的研究表明GARCH(1，1)模型可以有效地刻畫多數金融時間序列波動性的動態過程。因此，本文對各時間序列 ri,t建立ARMA(0，0)-GARCH(1，1)-偏t 模型進行邊緣分布擬合，模型表達形式如下：

其中，wi＞ 0,αi≥ 0, βi≥ 0，且 αi+ βi＜ 1，同時標準化殘差 ei,t獨立同分布于峰度參

數為ηi，非對稱參數為 λi的偏t 分布，偏t 分布的密度函數如下：

2. 運用Copula 函數研究動態相關性

當前多數文獻運用的傳統Copula 函數都是一種靜態函數，所測得的兩個變量相關系數是一個常數，但事實上多數金融時間序列的相關性隨著市場的波動在動態變化，因此需要借助于動態時變Copula 函數來衡量動態相關性。基于上述邊緣分布殘差項服從偏t 分布，本文選擇時變T-DCC-Copula 函數來研究影子銀行與貨幣政策調控的動態相關問題。

Sklar 定理指出：當F 是邊緣分布為 F1和 F2的二維聯合分布函數時，一定存在一個Copula 函數C：[0，1]2→[0，1]，使得：，進一步可推導出F所對應的密度函數如下：

根據Copula 函數的性質可知在單調增變化下Copula 函數保持不變，由于 ri,t和 rj,t分別是 ei,t和 ej,t的單調增函數，因此對收益率序列之間相關結構的研究可以轉換為對殘差序列之間相關結構的研究，從而收益率 ri,t關于 rj,t的時變條件密度函數為：

其中，ut和 vt分別為在對 ri,t和 rj,t進行邊緣分布擬合后，對其殘差 ei,t和 ej,t進行概率積分變換得到的服從U(0，1)的子序列表示自由度常數ν 的標準t 分布的逆分布。是 et的樣本協方差矩陣是主對角元素為 Qt平方根，非對角線元素為0 的2 × 2階矩陣，模型參數約束滿足 α + β ＜ 1；α , β∈ (0, 1)。

將上述模型估計得到的線性相關系數轉換為非線性相關系數，以消除由變量內部因素可能導致的結果的非一致相關性影響，本文通過Kendall 相關系數來進行轉換，然后基于轉換后的Kendall 系數進行最終結果分析，時變T-DCC-Copula 函數的時變Kendall 相關系數 τt與時變線性相關系數 ρt之間的關系都具有如下的關系：τt= (2 / π )a rcsin(ρt)。

四、實證結果分析

（一）中國影子銀行規模及其構成的動態發展變化

基于陳劍(2012)、沈悅(2014)以及裴平(2014)等學者的研究，本文將中國影子銀行分為內部影子銀行(金融機構類影子銀行)和外部影子銀行(民間融資類影子銀行)兩部分，然后分別對兩部分影子銀行規模進行了測算，內部影子銀行主要包括委托貸款和信托貸款兩者之和，外部影子銀行為全社會融資規模與其各個構成成分之和的差值，然后將這兩個部分再計算二者總和作為中國整體影子銀行規模的衡量結果。具體測算結果如表1 所示：

表1 2002—2014年中國影子銀行規模及其構成 (單位：億元)

由表1 并結合圖1 可以看出，在2009 年以前，無論是中國外部影子銀行、內部影子銀行還是整體影子銀行系統，三者的總體規模變動幅度都較小，從社會融資規模總量活動來看，2004 年各自規模分別為431 億元、175 億元以及606 億元，到2008 年底分別為1,497 億元、7,406 億元以及8,903 億元，7 年時間內三者規模的擴張程度分別僅為1,066 億元、7,231 億元以及8,297 億元，而到了2009 年以后，由圖1 可以看出，中國影子銀行規模走勢不斷升高并且在2013 年達到最高點，此時的外部、內部以及整體影子銀行規模分別為6,449 億元、43,870 億元以及50,319 億元，短短的4 年時間內規模分別擴大了5,383 億元、36,464 億元以及42,022 億元，其擴張幅度甚大。并且可以發現，在2009 年以后，雖然整體影子銀行規模不斷上升，但是內部與外部影子銀行規模增長幅度存在著巨大的差距，內部影子銀行的擴張速度明顯高于外部影子銀行。

圖1 2002—2014年中國影子銀行規模月度動態變化情況

究其原因，一方面主要是2009 年中國為應對國際金融危機的沖擊，政府出臺了以擴大基建投資為主題的經濟刺激政策。該經濟政策的實施有效遏制了金融危機在中國的蔓延，提升了國民信心，保持了危機時期中國經濟的平穩發展過渡，但是其負面效應也是明顯的，該政策旨在擴大基建投資建設，這就為地方政府融資平臺以及房地產投資規模的擴張提供了政策便利，而后者的不斷擴張發展會對銀行信貸以及其他融資方式形成資金依賴，同時基建投資多屬于長期投資，其后續融資需求較高，極易形成剛性資金需求，在中國商業銀行的信貸規模受限后，就通過理財、銀信合作以及同業委托貸款等各類通道業務來滿足基建剛性投資資金需求，從而成為了中國影子銀行規模迅速擴張發展的重要驅動力。另一方面，逃避更加嚴格的金融管制與監管也是中國影子銀行規模迅速擴張的重要原因。首先，中國市場利率特別是存款利率仍然受到嚴格管制，嚴重阻礙了居民對于儲蓄高收益的需求，而影子銀行正是中國商業銀行利率管制以及儲蓄者追求較高儲蓄收益的動態博弈結果。其次，當前中國不論是經濟結構調整改革，還是地方債務控制以及銀行信貸總量的管制上面，相關方面往往采取簡單地一刀切式的做法，這種行政命令措施催生了以各類通道業務為主的金融創新，以達到規避管制獲取監管套利目的。最后，國際金融危機之后商業銀行執行了更為嚴格的監管標準以進一步增強商業銀行吸收損失與抵抗系統性風險的能力，對資本準備金以及流動性覆蓋金比率監管要求變高，但同時在一定程度上也使得以商業銀行為代表的傳統金融機構在傳統可用信貸資金不斷縮小的情況下，想方設法通過通道業務來進行放貸以逃避資本金與流動性監管要求，獲取自身利益。

圖2 2002—2014年中國影子銀行規模年度構成變動情況

同時，由圖2 可以看出，中國影子銀行的構成也有較大變化，在2004 年以前，中國影子銀行構成格局為外部影子銀行為主，其規模份額大致在50%,～70%,，而內部影子銀行為輔，其規模還不足30%,，然而到了2004 年以后，中國影子銀行構成成分發生重大變化，內部影子銀行規模急劇擴張，其份額逐漸占據全部影子銀行規模的65%,以上，并且這種格局狀態延續至今。

之所以會出現這種狀況，主要是由于在2004 年以前，中國所謂的影子銀行還主要是以地下金融、民間高利貸、小額貸款以及抵押質押擔保業務為主，整體而言，這些業務構成基本屬于正規金融機構業務范圍以外，并且完全脫離監管，這是這個時候中國影子銀行的主要特征。2004 年以后，金融理財業務被逐漸引入國內，由于中國開展金融理財業務的機構主要為商業銀行、證券公司、基金公司、保險公司以及信托公司等正規金融機構，擁有龐大的運作資金池，并且這些機構相互合作逐漸形成了以銀信、銀證、銀基、銀保等為主的理財業務網，中國的理財市場快速發展，隨后中國又開展了多種諸如資產證券化、融資融券、債券買賣返售等新型杠桿化金融業務，使得中國內部影子銀行規模急速擴張，并且逐漸成為了目前中國影子銀行的主體。從影子銀行業務規模構成來看，截止2013 年底，商業銀行與信托、證券等資產管理公司單獨或合作理財業務以及融資租賃業務規模合計達到60%,以上，同時在緊縮性信貸與貨幣政策約束下以小額貸款、融資擔保、典當行為主的民間借貸業務通過投資公司、資產管理公司、第三方理財機構、P2P 網絡借貸平臺等途徑發展迅速，其業務規模也達到了18%,左右，這二者幾乎占據了所有影子銀行的80%,左右①測算依據來源于王 浡力和李建軍(2013)，其他業界學者及各類監管機構也對影子銀行的業務構成及其規模進行了詳盡的探討分析。。與此同時，影子銀行業務大部分是銀行信貸受限或者為了規避資本要求等形成的監管套利業務，這些業務的發展無形中擴大了全社會貨幣信用供給，導致了社會融資成本上升，使得央行貨幣政策工具有效性降低，削弱了貨幣政策的執行效果，增加了貨幣政策對經濟發展和物價穩定的調控和監管難度，所以完善影子銀行監管是提高中國貨幣政策調控有效性的重要前提。

（二）影子銀行與貨幣政策的動態關系分析

接下來，本文分別對影子銀行與貨幣政策調控機制過程中的操作工具、中介觀測指標以及最終目標運用第三部分設定的Copula 理論模型進行了動態相關性檢驗與分析，詳細探討中國影子銀行對貨幣政策的影響，并在此基礎上提出最優的調控手段。

具體計算過程如下①限于篇幅，本文省去了中間計算結果，感興趣的讀者可掃描本文二維碼，到官網附錄中查看。：首先，進行各個變量序列的統計性描述，發現各時間序列的偏度系數均小于0，峰度系數都大于3，呈現出“非對稱性后尾”特性；JB 檢驗統計量表明各時間序列均不服從正態分布；Q 檢驗表明，在滯后10 階、10%,的顯著水平下，各序列不具有自相關性；ARCH 效應檢驗表明，在滯后10 階下，各序列均具有明顯的條件異方差性；ADF 單位根檢驗和KPSS 平穩性檢驗均表明，在顯著水平下，所有變量序列均是平穩的。接下來，本文運用ARMA(0，0)-GARCH(1，1)對各個變量進行邊緣擬合分布，并將擬合后的殘差標準化，并采用偏t(Skewed-t)模型對殘差進行模擬，以此對原序列做概率積分變換，經變化后的K-S 檢驗表明，偏t(Skewed-t)模型能較好的擬合殘差的分布特征，并且變換后的序列服從U(0，1)均勻分布；對變換后的各序列做滯后10階的Q(10)、ARCH 檢驗，發現變換后的各序列均不存在自相關、異方差等問題。因此，ARMA(0，0)-GARCH(1，1)-偏t 模型較好地擬合了各序列的邊緣分布。最后運用T-DCC-Copula 模型對標準化殘差的影子銀行與貨幣政策相關變量序列所對應的概率積分變換序列進行了時變Copula 模型估計，綜合根據AIC 準則、BIC 準則以及對數似然值判斷，發現時變T-DCC-Copula 模型刻畫各邊緣分布的聯合分布是合理的，并且估計參數顯著，α 與β 的估計參數也滿足模型約束 α + β＜ 1，所以，本文采用T-DCC-Copula 模型來研究影子銀行與貨幣政策相關變量的動態相關性。

1. 影子銀行與經濟發展和物價、房價的關系

圖3 和圖4 分別給出了2002—2014 年中國影子銀行與GDP 以及CPI 的月度動態Kendall 系數變化情況。整體而言，可以發現影子銀行與GDP 之間的Kendall 系數值波動頻繁且變動幅度較大，在[-0.2，0.3]區間上波動，而影子銀行與CPI 的系數變動幅度較小，基本維持在-0.04②由于實際測算結果只在-0.04 左右，并且整體來看，相關系數在整個樣本之間內波動幅度微小，使得在特定的精度內(小數點后4 位)圖4 縱坐標數值仍然基本維持不變，但不妨礙結果分析，類似的情況還出現在圖5、圖8和圖10 中。左右。這說明了影子銀行與GDP 之間的聯動作用要更強于與CPI 的聯動作用。就影響程度而言，中國影子銀行對于經濟發展有著較強的作用力，而對物價水平基本不會產生影響，印證了陳劍(2012)等學者的研究。同時，可以發現影子銀行與GDP 的動態Kendall 系數值在正負之間來回波動，并且正值月份居多，而與CPI 的系數值卻都顯著為負，說明就影響方向而言，影子銀行在一定程度上能夠提高社會資金資源配置，促進經濟發展，并且不僅沒有提高影響物價水平反而還會發揮抑制通貨膨脹趨勢的作用。圖5 給出了2002—2014 年中國影子銀行與房價的月度動態Kendall 系數變化情況，其數值波動幅度較小，基本維持在-0.03 水平左右，這說明影子銀行并沒有提高中國房價，反而會降低之，影子銀行與房地產價格波動之間并不具有順周期性。這可能是因為影子銀行的資金對象主要是房地產開發商，而對于購置房屋的按揭貸款提供較少，房地產開發商的開發資金的增多會在長期增加有效供給，平抑房地產價格上漲趨勢。

圖3 RSB與RGDP的動態Kendall系數

圖4 RSB與RCPI的動態Kendall系數

圖5 RSB與房價的動態Kendall系數

周莉萍(2013)等學者指出影子銀行的發展具有典型的經濟順周期性特征，這一點可以從圖6 中得到佐證。2003 年以后隨著固定資產投資帶動房地產業飛速發展，中國經濟增長水平較高，但這也使得銀行信貸快速擴張，通貨膨脹壓力較大，所以央行在2004 年初實行了緊縮貨幣政策以限制信貸投放，這一時期影子銀行規模擴張，RSB 與GDP 的Kendall 系數也較高。2006 年以后，流動性水平一直處于高位使得通貨膨脹壓力再度升高，資產價格泡沫開始泛濫，這時候央行不斷通過提高準備金率以及再貼現率等緊縮信用供給，影子銀行規模再度擴張，RSB 與GDP 的Kendall 系數也較高。2008 年末府出臺了以擴大基建投資為主題的經濟刺激政策，基建投資與房地產開發投資大規模擴張，然而受限于銀行信貸，以信托貸款等的影子銀行成為資金主要來源。2009 年下半年，中國經濟開始逐漸回暖，為了遏制前期房地產市場擴張，2010 年年初央行重啟存款準備金政策，并且在同年8 月份叫停了銀信合作理財業務，然而前期基建工程的周期性較長，其融資缺口在資金受限情況下，變相通過委托貸款、私募基金、各類理財產品與民間融資活動等影子銀行業務獲取融資，影子銀行規模又不斷擴張，這一時期，RSB 與GDP 的Kendall 系數也較高。到了2011 年，中國宏觀經濟受歐債危機沖擊，外部需求疲軟，經濟增速下降，此后央行兩次下調法定存款準備率和存貸款基準利率，釋放大量流動性，此時影子銀行規模較小，因而RSB 與GDP 的Kendall 系數也較低。2012 年商品房銷售價格大幅反彈，房地產市場帶動經濟增速短期內升溫，影子銀行開始新一輪擴張，并于2013 年2 月達到巔峰，這一時期RSB 與GDP 的Kendall 系數也陡增。2013 年以后中國經濟一直低位運行，央行實施穩健性貨幣政策，主要通過靈活性的短期公開市場操作維持經濟金融的總體平穩。但在實體經濟與證券市場相對低迷形勢下，金融體系流動性總體不足，期限結構錯配現象凸顯，隨著互聯網金融等新型影子銀行業務活動快速發展，影子銀行對商業銀行存款的分流日趨明顯，這一時期RSB 與GDP 的Kendall 系數也呈現出先降低而后上升的趨勢。

圖6 影子銀行的經濟順周期性走勢圖

所以綜合來看，中國影子銀行一方面具有貨幣政策調控逆周期性特征，另一方面也具有經濟發展順周期趨勢，有助于促進中國經濟發展以及遏制通貨膨脹。所以對于中國影子銀行要適當引導發揮其積極作用，而不是一味打壓遏制，否則反而會在一定程度上降低中國貨幣政策的最終執行效果。

2. 影子銀行與貨幣供應量以及市場利率的關系

圖7、圖8 分別給出了2002—2014 年中國影子銀行與貨幣供應量M2 以及實際利率之間的月度動態Kendall 系數變化情況。可以發現影子銀行與M2 的Kendall 系數在0.05～0.3 內波動較為頻繁，而與實際利率之間的Kendall 系數值較小，基本維持在為-0.05。說明相對于實際利率來說，影子銀行與M2 的相關性程度更高。同時可以發現，影子銀行與貨幣供應量M2 的系數值都為正，而與實際利率的系數值都為負，這說明就影響方向而言，中國影子銀行一方面確實提高了全社會的貨幣供應量，但是并沒有提高實際利率，這可能是由于中國利率市場化還未完全實現，市場利率并不能有效反應出影子銀行的信用創造增加，而這也正是要完善利率市場化改革而使影子銀行運作“陽光化”的重要原因。就影響程度而言，相比較于實際利率，當前中國影子銀行對于貨幣供應量的影子作用程度更高，其平均相關系數達到了0.2 以上，說明影子銀行信用創造能力較高，可以有效彌補社會融資缺口，但無形中也擴大了貨幣供應量。當前中國貨幣政策仍然以貨幣供應量為中介觀測指標，然而上述結果表明，影子銀行對于中國當前貨幣政策的數量中介傳導機制存在著放大作用，一定程度上會削弱以貨幣供應量M2 為觀測指標的貨幣政策調控力度。影子銀行雖然與實際利率的相關性系數較低，但是其負相關性可以有效調節影子銀行規模，所以綜合來看，推進市場利率化改革，完善以價格型中介指標的貨幣政策傳導機制調控，輔之數量型傳導機制調控，才是能真正達到積極有效引導中國影子銀行健康良性發展的途徑。

3. 影子銀行與貨幣政策操作工具的關系

圖9、圖10、圖11 分別給出了貨幣政策三大操作工具，即準備金率、再貼現率以及公開市場操作與影子銀行的月度動態Kendall 系數的變化情況。影子銀行與準備金率的動態Kendall 系數變動幅度較大，最低處大約在-0.2 左右，最高處大概在0.2 處，但是變動不頻繁；影子銀行與再貼現率的動態Kendall 系數變動幅度較小，整體變動也不頻繁；影子銀行與公開市場操作的動態Kendall 系數變動幅度較大，在-0.1～0.3 之間波動，并且波動較為頻繁。這說明影子銀行與公開市場操作的相關性最強，而與再貼現率的相關性最弱。就影響方向來看，影子銀行與準備金率的系數在2008 年以前基本都為正值，而到了2008 年以后相關系數基本都為負值，這是中國存款準備金率與影子銀行發展的動態博弈結構的反映。具體來說在2008 年以前，中國影子銀行整體規模還較小，同時央行存款準本金率要求較低，影子銀行在一定程度上促進了金融資源的配置，所以其作用還是積極的，然而到了2008 年以后，隨著央行貨幣政策的從緊，存款準備金率的要求提高，這在一定程度上刺激了中國影子銀行規模的迅速擴張，以商業銀行為主的金融機構通過渠道交易將貸款資產轉移出表，以此規避存款準備金要求，這在一定程度上降低了存款準備金率的調節作用，所以此時影子銀行與存款準備金率的相關系數為負。影子銀行體系使金融機構可以通過多種借款途徑滿足對資金的流動性需求，減少了銀行體系向中央銀行再貼現借款需求，使得中央銀行貨幣政策效果減弱，而央行再貼現率水平由于利率市場化改革還未完成，所以變動幅度不大，同時央行使用再貼現率的情況也較少，所以整體而言，影子銀行對再貼現政策的影響也較小。央行使用公開市場操作工具對市場流動性形成調節，而影子銀行由于具有多種證券債券業務，無疑一定程度上能夠為央行進行流動性調節提供充分的正逆回購工具，所以影子銀行系統可以加強央行公開市場操作的有效性。當前中國仍以存款準備金率作為主要的貨幣政策調節工具，而上述結果表明，影子銀行在一定程度上會削弱準備金率的調節效果，所以繼續完善市場利率改革，加強貨幣政策市場利率傳導機制，綜合運用公開市場操作以及市場利率等調節工具，才能對中國影子銀行形成動態有效監控。

圖7 RSB與M2的動態Kendall系數

圖8 RSB與利率的動態Kendall系數

圖9 RSB與準備金率的動態Kendall系數

圖10 RSB與再貼現率的動態Kendall系數

圖11 RSB與公開市場操作的動態Kendall系數

五、總結與建議

中國影子銀行體系的發展既是貨幣政策調控的結果，也是貨幣政策調控的重要原因，影子銀行與貨幣政策調控密切相關。本文克服了傳統線性相關分析預測模型的缺點，基于動態時變Copula 函數模型全面詳細地探討了中國影子銀行與貨幣政策調控的動態有效性關系，結果顯示：就與貨幣政策最終目標的關系來看，中國影子銀行具有典型的“經濟順周期”特性以及貨幣政策“調控逆周期”特征，影子銀行一方面能夠促進中國經濟平穩發展并且不會顯著影響物價、房價水平，另一方面卻又擴大了社會信用供給，削弱了貨幣政策有效性。就與貨幣政策中介指標關系來看，影子銀行與貨幣供應量的相關性最強，但是這種聯動作用削弱了數量型貨幣政策傳導機制效果，增加了調控難度；盡管影子銀行與當前市場利率相關性較低，但是這種聯動作用能夠提高影子銀行調控有效性。就與貨幣政策操作工具來看，影子銀行對存款準備金率等調控工具具有較強的抑制作用，利率市場化程度不高導致再貼現率的調控作用較弱，而影子銀行與公開市場操作的相關性較高，并且其互動作用能夠有效提高公開市場操作的調控有效性。

基于上述結論，本文認為，當前應以公開市場操作配合市場利率調節工具作為主要的調控手段，完善以市場利率為中介指標的貨幣政策傳導機制建設，輔之以貨幣供應量為次要觀測指標，積極引導中國影子銀行良性發展，以此促進中國經濟平穩發展與價格穩定，達到最終調控目標。

就政策建議來看，首先，中央銀行應該執行更為審慎的貨幣政策。針對影子銀行調控，要適當調節原有貨幣政策函數，考慮影子銀行的特性，綜合運用數量型與價格型工具協同調節影子銀行信用擴張，同時要完善影子銀行的貨幣監測體系設計，使得調節作用更具前瞻與有效性。其次，應該穩步推進利率市場化改革，完善貨幣政策的利率傳導機制。貨幣政策由數量型調控向價格型調控是金融改革的重要內容，要加強市場基準利率體系建設，以此形成市場化的利率傳導與調控機制，改變緊盯貨幣供應量的指標，進而對影子銀行形成有效調控，抑制其無效信用擴張。最后，要加強影子銀行的宏觀審慎監管體系建設。盡快制定影子銀行相關法律法規，明確監管主體與監管理念，加強影子銀行的頂層監管制度建設，明確中國影子銀行的內容與邊界，并將其作為統計對象納入金融統計監管系統，加強影子銀行系統性風險的動態監測，避免局部風險溢出引發全面金融風險。

［1］ 陳 劍，張曉龍. 影子銀行對中國經濟發展的影響——基于2000—2011 年季度數據的實證分析[J]. 財經問題研究，2012(8)：66-72.

［2］ 封思賢，居維維，李嘉斯. 中國影子銀行對金融穩定性的影響[J]. 金融經濟學研究，2014(7)：3-12.

［3］ 李 波，伍 戈. 影子銀行的信用創造功能及其對貨幣政策的挑戰[J]. 金融研究，2011(12)：77-84.

［4］ 毛澤盛，萬亞蘭. 中國影子銀行與銀行體系穩定性閥值效應研究[J]. 國際金融研究，2012(11)：65-73.

［5］ 裴 平，印 文. 中國影子銀行的信用創造及其規模測算[J]. 經濟管理，2014(3)：98-107

［6］ 襲 翔，周強龍. 影子銀行與貨幣政策傳導[J]. 經濟研究，2014(5)：91-105.

［7］ 單 暢，韓復齡，李浩然. 影子銀行體系對房地產價格的作用機理探究[J]. 技術經濟與管理研究，2014(4)：94-98.

［8］ 沈解鳳，敏李媛. 中國影子銀行的貨幣供給補充與替代效應——來自貨幣乘數的證據[J]. 金融論壇，2014(8)：20-28.

［9］ 沈 悅，謝坤鋒. 影子銀行發展與中國的經濟增長[J]. 金融論壇，2013(3)：9-15.

［10］ 宋 海. 關于中國影子銀行發展的若干思考[J]. 南方經濟，2014(1)：114-116.

［11］ 顏永嘉. 影子銀行體系的微觀機理和宏觀效應—— 一個文獻綜述[J]. 國際金融研究，2014(7)：46-53.

［12］ 張亦春，彭 江. 影子銀行對商業銀行穩健性和經濟增長的影響——基于面板VAR 模型的動態分析[J]. 投資研究，2014(5)：22-33.

［13］ 周莉萍. 影子銀行體系的順周期性：事實、原理及應對策略[J]. 財貿經濟，2013(3)：71-78

［14］ Borio，Claudio. Market Distress and Vanishing Liquidity：Anatomy and Policy Options [R]. BIS Working Papers，2014，No. 158.

［15］ Caruana，Jaime. Why Central Bank Balance Sheets Matter [R]. Keynote Address at the Bank of Thailand-BIS Conference on ″Central Bank Balance Sheets in Asia and the Pacific：the Policy Challenges Ahead ″，Chiang Mai，Thailand，2011.

［16］ Den Haan，W. J.，V. Sterk. The Myth of Financial Innovation and the Great Mo- deration [J]. The Economic Journal，2011(553)：707-39.

［17］ Embrechts P，McNeil A，Straumann D. Correlation：Pitfalls and Alternatives[J]. RISK，1999，12(5)：11-21.

［18］ FSB. Shadow Banking：Scoping the Issues [Z]. Background Note of the Financial Stability Board，2011.

［19］ Geithner，Timothy F. Reducing Systemic Risk in a Dynamic Financial System [R]. Federal Reserve Bank of New York，2008.

［20］ Gorton，G.，G. Pennacchi. Financial Intermediaries and Liquidity Creation [J]. The Journal of Finance，1990，45：49-71.

［21］ Gurley，J.，E. Shaw. Money in a Theory of Finance [R]. The Brookings Institution Paper，Washington，D. C，1960.

［22］ Jimenez，G.，S. Ongena，J.-L. Peydro，J. Saurina. Hazardous Times for Monetary Policy：What Do Twenty-T-hree Million Bank Loans Say About the Effects of Monetary Policy on Credit Risk-Taking?[J]. Econometrica，2014：463-505.

［23］ Loutskina，E. The Role of Securitization in Bank Liquidity and Funding Management [J]. Journal of Financial Economics，2011(3)：663-84.

［24］ McCulley，Paul. Teton Reflections [N]. PIMCO Global Central Bank Focus，2007. 9.

［25］ Mehrling，Perry. The New Lombard Street：How the Fed Became the Dealer of Last Resort.Princeton，NJ：Princ-eton University Press，2011.

［26］ Sheng，Andrew. Central Banking in an Era of Quantitative Easing [R]. Working Paper No. 684.Annandale-on- Hudson，NY：The Levy Economics Institute of Bard College，2011.

［27］ ZoltanPozsar，Tobias Adrian，Adam Ashcraft，Hayley Boesky. Shadow Banking [R]. Federal Reserve Bank of New York Staff Report，2010，No. 458.