影子銀行業務規模是否會增加銀行系統性風險？
——基于14家上市銀行的實證分析

■鄭淑霞

影子銀行業務規模是否會增加銀行系統性風險？
——基于14家上市銀行的實證分析

■鄭淑霞

影子銀行；系統性風險；非線性模型；金融監管

一、引言

2008年由美國次貸危機引發的金融危機后，許多學者認為在這次危機中，銀行系統中的影子銀行（Shadow Banking）業務的不穩定傳遞是造成金融動蕩的主要因素。包括國際貨幣基金組織（IMF）、歐洲央行（ECB）在內的眾多金融機構對銀行系統性風險展開研究，同時也開始關注影子銀行業務以及影子銀行業務與系統性風險的關系。不可否認，包括影子銀行在內的金融產品在較大程度上對經濟社會發展帶來貢獻，但是如果盲目擴張、不受合理監控，則會使部分影子銀行業務為更高利益而不斷擴大規模，影響金融穩定性，增加銀行業的系統性風險。

與西方國家相比，中國商業銀行的影子銀行業務規模處于較低水平，但隨著我國金融市場、金融規模的發展，影子銀行業務規模快速增長。影子銀行業務在發展初期，為融資困難、投資渠道有限的中小企業、投資機構以及其他經濟體帶來了便捷性，促進了金融機構多元化發展、金融創新，也完善了資本市場，加快金融改革。但是，由于目前我國對影子銀行業務的監管比較薄弱，近幾年發生的“錢荒”、卷款跑路、股市巨震等事件，既反映出我國金融市場存在一定的系統性風險，也說明我國有關監管部門對影子銀行業務的監管力度和范圍還遠遠不夠。在全國金融工作會議中，習近平總書記指出，防止發生系統性金融風險是金融工作的永恒主題。要把主動防范化解系統性金融風險放在更加重要的位置，科學防范，早識別、早預警、早發現、早處置，著力防范化解重點領域風險，著力完善金融安全防線和風險應急處置機制。由此可見，商業銀行作為整個金融體系的核心，其影子銀行業務所積累的風險必然會傳導到銀行本身，影響整個金融市場的穩定性，甚至引發系統性金融風險。這是中央不能容忍的。為此，本文將基于我國商業銀行的數據，探討銀行業的影子銀行業務規模對商業銀行系統性風險的影響，并測算影子銀行業務的最佳規模，從而為金融監管部門進行有效監管、合理控制提供依據，也為政策設計者提供思路。

二、理論分析和文獻回顧

影子銀行最早由美國太平洋投資管理公司執行董事McCulley在2007年的美聯儲年度會議上提出，此后不同國家主要金融機構和金融學者對影子銀行進行了界定。金融穩定理事會（2011）認為，影子銀行是指游離于銀行監管體系之外、可能引發系統性風險和監管套利等問題的信用中介體系。Gorton&Metrick（2010）認為影子銀行有著和傳統商業銀行同樣的功能，但是參與者卻與商業銀行不同，監管非常少，或者根本沒有監管，從廣義來看，影子銀行包括共同基金、債券回購協議、資產支持證券、債務抵押債券、資產支持商業票據等。在金融危機后期，我國政府對影子銀行的關注度也越來越強，如國務院在2013年12月發布了《關于加強影子銀行監管有關問題的通知》，將我國影子銀行分為不持有金融牌照、完全無監督的信用中介機構，不持有金融牌照、存在監管不足的信用中介機構，持有金融牌照、但存在監管不足的金融機構。但中國商業銀行主動將資產和負債從表內轉移到表外以規避監管約束，實際上是構成中國影子銀行的主體，因此本文的影子銀行主要是指商業銀行中的影子銀行業務。涂曉楓等（2016）也指出我國影子銀行是以傳統銀行為主導的，影子銀行資金的最終提供方是商業銀行。從國外和國內關于影子銀行的定義概括來看，影子銀行業務具有創新性、復雜性、隱蔽性、突發性等特點，而這些特點會誘發銀行業的系統性風險。

首先，銀行的影子業務作為金融合規業務范圍外的一種補充，能提升金融效率，降低銀行業系統性風險。商業銀行的影子銀行業務作為主導性金融資源的一種補充，能優化金融資源的配置，提高社會資金的使用效率，為一些融資困難、投資渠道有限的中小企業、投資機構以及其他經濟體帶來便捷性融資，促進商業銀行業務的多元化發展，提升金融創新，從這個角度看，影子銀行業務的發展能在一定程度上分散商業銀行金融資源投放過于集中的風險，降低系統性風險發生概率。

其次，影子銀行業務也成為商業銀行規避管制的重要工具，由于監管制度缺失會加速金融系統性風險的積累和爆發。一方面，影子銀行業務能為商業銀行帶來高收益，使得影子銀行業務規模不斷膨脹，資金杠桿風險不斷加強。銀行表內業務的嚴監管特征使影子銀行業務范疇與監管薄弱的高杠桿金融工具相掛鉤，造成信用擴張，風險積累。影子銀行業務資金往往流向高收益的資本市場、房地產市場，這導致一些企業不再將銀行貸款、民間借貸資金流向實業，相反流向風險更高的股票市場、房地產市場等。這會導致虛擬資產價格與實體經濟發展之間的失衡，也會引致資產價格波動更大、更加頻繁，一旦股票市場、房地產受到較大的負面沖擊，就會造成短期內資產價格的暴跌，連鎖反應到商業銀行，增加銀行系統風險。2015年的股市危機深刻表明了利用配資高杠桿行為嚴重提高了金融系統性危機概率。另一方面，目前我國監管部門對影子銀行業務的監管不足。目前影子銀行還沒有受到正規金融監管，透明度低、隱蔽性強、復雜性高，使得法律體系和監控手段很難準確展開。這使得影子銀行業務實施主體為了利益肆意擴大影子銀行業務規模。當流動性充裕、資金流有序運行時，可能影子銀行能平穩可控，但當市場流動性趨緊、某條資金鏈斷裂后，影子銀行系統性風險就會急劇上升，通過表外業務、債務關系等傳導到商業銀行。2013年幾次錢荒以及近兩年不斷出現的卷款跑路事件充分說明了監管部門對影子銀行的監管、控制力度不夠。

由此說明，商業銀行的影子業務規模的擴大能在一定程度上給銀行帶來業績補充，同時也會由于其規模變化影響銀行業的系統性風險，并且由于影子銀行業務范圍、監管的復雜性，其業務規模與銀行系統性風險的關系仍然難以確定。

目前從實證上分析較多的是對影子銀行業務規模和系統性風險的測算上，如李若愚（2013）、裴平和印文（2014）、孫國峰（2015）對中國的影子銀行業務規模進行了測算，方意等（2011）、高國華（2011）、宋清華（2014）對銀行系統性風險進行了測算。本文在此對兩個變量的測算方法不進行過多關注，本文重點是討論影子銀行業務規模變化是否會加劇銀行系統性風險。然而，國內外學者對影子銀行業務規模與銀行系統性風險關系的研究較少。部分學者進行了初步分析，大致得到了兩類結論：一是線性關系，陳曉靜等（2016）分析結果顯示銀行整體影子業務對商業銀行穩定性存在負面影響，張寶林和潘煥學（2013）實證分析發現銀行影子業務在長期內會引起房價上漲，而房地產泡沫的擴大會導致銀行系統性風險增加；二是非線性關系，毛澤盛和萬亞蘭（2012）分析發現銀行影子業務規模與銀行體系穩定性之間存在閾值效應。涂曉楓和李政（2016）通過16家商業銀行數據分析發現銀行的影子業務與銀行系統性風險之間呈U型關系。王擎和白雪（2016）研究表明我國地區間影子銀行業務規模差異較明顯，影子銀行業務規模與銀行體系穩定性呈現倒“U”型關系，存在顯著的閾值效應。王家華和王瑞（2016）同樣實證得出二者之間存在閾值效應。

從上面來看，影子銀行業務規模和銀行系統性風險是當前金融學的研究熱點，對此的研究既能增加其機理和相關理論，同時也能為防范系統性風險、增強銀行業影子業務有效監管提供實踐操作根據。本文將利用我國A股上市商業銀行作為對象，在測算銀行系統性風險基礎上，分析影子銀行業務規模對銀行系統性風險的影響關系，并計算出最佳的影子銀行業務規模。

三、研究設計

（一）模型的建立

前面指出商業銀行中影子銀行業務的發展對于一些金融發展尚不成熟、金融多元化業務程度低的國家和地區，能提高銀行資產的多元化，從而能分散業務風險，降低單個銀行的系統性風險。但是，隨著影子銀行業務規模增加，金融系統的關聯水平提高，可能會通過金融加速作用放大影子銀行業務對金融主體的負向沖擊，造成系統性風險上升。因此，銀行的影子業務對銀行系統性風險的關系既可能是線性關系，也更可能是非線性關系。基于此，本文建立一個基于多家商業銀行作為樣本的面板數據模型進行分析，具體的模型方程如下：

模型（1）用于判斷影子銀行業務規模對銀行系統性風險的線性影響，在模型中SRit表示i銀行在t時期的系統性風險水平，BSit表示i銀行在t時期的影子銀行業務規模，Xj表示第j個控制變量。為判斷影子銀行業務規模與銀行系統性風險是否為非線性關系，在模型（1）基礎上引入影子銀行業務規模的平方項。模型（2）可判斷兩者間是否為非線性關系，又可以估算出影子銀行業務規模的拐點。

對于上面兩個方程，本文用面板數據模型進行分析。考慮到因變量銀行系統性風險可能反過來會影響影子銀行業務規模，模型可能存在內生性問題，為此，本文在靜態面板模型估計的同時，采用面板數據系統廣義矩估計（System GMM）法進行估計。系統GMM法的優點是不但克服了個體異質性和內生性問題，并且更加充分地利用了樣本信息，提高了估計效率。

（二）樣本和變量數據

本文選取我國商業銀行作為研究影子銀行業務規模與銀行系統性風險關系的對象，根據數據的完整性和準確性原則，本文選擇在A股上市的銀行樣本，由于光大銀行和農業銀行上市時間較晚，因此將這兩家銀行剔除，共包括工商銀行等14家上市銀行樣本。嚴格來講，商業銀行影子業務在2009年才開始快速發展，因此本文的時期區間為2007年7月到2017年3月。考慮到銀行業財務數據的披露周期，影子銀行業務規模等變量都采用季度指標，全部變量原始數據來源于國泰安（CSMAR）金融數據庫。

各個變量的選取和說明介紹如下。

1.因變量：系統性風險

目前對于商業銀行系統性風險主要包括兩種測算方法：一是采用由Adrian&Brunnermeier（2011）提出的動態CoVaR方法，高國華和潘英麗（2011）、楊有振（2013）采用該方法對我國商業銀行系統性風險進行了測算，CoVar方法在度量金融機構的系統性風險時采用的是一種“自下而上”的分析方法，即以單個金融機構的破產倒閉為條件來估計整個金融體系的系統性風險；二是采用Brownlees&Engle（2012）提出的動態MES來度量單個銀行的系統性風險，宋清華和姜玉東（2014）、郭衛東（2013）采用該方法對我國商業銀行系統性風險進行了估計，Brownlees&Engle（2012）進一步發展了MES的計算方法，通過雙變量DCC-GARCH模型和非參數估計計算MES，這樣計算出的MES具有頻度高、靈活性強等優點。

考慮到CoVaR方法復雜度更高，本文選用MES法來衡量銀行系統性風險。MES方法在度量金融機構系統性風險時采用一種“自上而下”的分析方法。根據對金融結構系統性風險的定義，可將金融體系處于危機狀態看作一個系統性事件，記為{Rmt∶t+h＜C}，其中Rmt：t+h表示t～t+h時期的市場收益率，C表示市場收益率的門檻值。則單個銀行的資本短缺可表示為：

進一步假定當經濟處于危機狀態時，銀行破產倒閉的兼并重組機制將會失效，此時銀行債務不能被回購，意味著Et（Dit+h│Rmt+h∶t＜C）=Dit，代入式（3）可得：

式（4）中，MESi，t+h（C）=Et（Ri，t+h│Rm，t+h＜C）表示系統性事件下銀行股權回報率的尾部期望。則銀行的系統性風險指數可定義為：SRISKit=max（0，CSit）。

由（4）式可知，計算單個銀行的系統性風險指數需要每家銀行負債的賬面價值、股權的市場價值和編輯預期損失（MES），前兩個可通過銀行的財務報表簡單計算得到，而MES的計算亦有兩種方法，本文通過DCC-GARCH模型計算各銀行的MES。根據Brownlees&Engle（2012）的市場波動模型，將市場指數收益率與單個金融機構收益率定義如下：

其中，rmt表示市場指數收益率，rit表示第i個銀行的股票收益率，σmt表示市場指數收益率的條件標準差，σit表示銀行股票收益率的條件標準差，ρit表示市場和銀行之間的動態條件相關系數，（εmt，ξit）表示均值為0、方差為1、協方差為0的擾動項。F為一個未指定具體分布的二變量分布過程。則單個銀行一步向前的MES可表示為：MESi，t-1（C）=Et-1（rit│rmt＜C），利用上面市場指數收益率與單個金融機構收益率的定義，通過簡單的推導可得：

式（6）中，波動率σit、σmt和動態條件相關系數ρit可通過DCC-GARCH模型運用準極大似然估計法估計得到，兩個尾部條件期望Et-1（εmt│εmt＜C/σmt）和Et-1（ξit│εmt＜C/σmt）可以簡單地通過滿足εmt＜C/σmt條件下，殘差序列（εmt，ξit）的均值計算得出。本文主要通過DCC-GARCH模型估計得到σit、σmt和ρit，然后通過公式（6）計算MES。

在測度銀行系統性風險具體計算過程中，需要利用到各銀行時期股價收益率數據以及對應的股票綜合指數（本文選取上證綜合指數）收盤價收益率數據，收益率采用本期期末對數收盤價與上一期期末對數收盤價之差表示。

2.自變量：影子銀行業務規模

表1 控制變量說明

目前大多數學者基于影子銀行規模的業務種類出發來衡量影子銀行規模，但各學者的影子銀行業務種類并不完全相同，如涂曉楓（2016）將商業銀行資產負債表內涉及的存放同業、拆出資金、買入返售金融資產、應收款項類投資、可供出售金融資產、交易性金融資產等歸為銀行影子業務。赫國勝（2015）則認為影子銀行業務主要包括資產負債率外的非保本銀信理財產品、未貼現承兌匯票、委托貸款。陳子元（2015）指出中國商業銀行影子銀行業務主要包括理財類（理財產品）、委托承諾類（委托貸款、信托貸款）、代理類（同業代收代付業務）和票據類（未貼現銀行票據）。本文借鑒涂曉楓（2016）的影子銀行衡量方法，將商業銀行資產負債表內涉及的存放同業、拆出資金、買入返售金融資產、應收款項類投資、可供出售金融資產、交易性金融資產等歸為銀行影子業務。考慮到這幾個科目并非全部為影子銀行業務部分，因此本文按這幾個科目金額的50%計提為影子銀行業務規模。考慮到數量級差異，本文用相對數即影子銀行業務規模與銀行總資產的比率作為影子銀行業務規模的最終衡量變量。

3.控制變量

對于控制變量，本文參考郭衛東（2013）、涂曉楓（2016）等，共選取了總資產增長率、銀行規模、不良貸款率、權益比率、凈資產收益率、銀行貸款比重和衍生金融資產比重七個變量。各個變量的具體定義見表1。

四、實證分析結果

（一）描述性統計

表2 變量的描述性統計

表2顯示了各個變量的描述性統計結果，可以看到14家商業銀行系統性風險的平均水平為0.445，其中最小的銀行為0.028，最大的銀行達到1.110；影子銀行業務規模占銀行總資產的比重為13.7%，可見影子銀行業務已成為商業銀行資產的重要組成部分，其中最小的銀行為4.2%，最大的銀行則為26.2%。對于控制變量，14家商業銀行在樣本期間的季度總資產增長率均值為4.7%，最小值為-11.8%，最大值為34.8%；總資產規模均值水平為2.5萬億元，不良貸款率均值水平為1.167%，權益比率均值水平為0.062，凈資產收益率均值為12.5%，最小值只有2.9%，最大值為35.8%；銀行貸款比重均值為1.8%，衍生金融資產比例均值為0.2%。

（二）模型估計結果

表3顯示了影子銀行業務規模對銀行系統性風險的線性和非線性影響估計結果，其中列（1）和列（2）是靜態面板數據模型的估計結果，列（3）和列（4）是面板數據系統廣義矩估計結果。首先，從列（1）和列（2）看，F test和Hausman test下模型最終選擇了面板數據隨機效應。具體從系數看，列（1）下，影子銀行業務規模變量系數為0.328，但統計不顯著。七個控制變量中，在10%概率下統計顯著的有銀行規模、不良貸款率、貸款規模和衍生金融資產比例，其中銀行規模和衍生金融資產比例系數為負，說明規模越大、衍生金融資產比例增加能降低銀行的系統性風險，不良貸款率和貸款規模系數為正，說明不良貸款率越高、貸款規模越大會導致銀行的系統性風險上升。列（2）下，影子銀行業務規模一次變量系數為-1.258，在10%概率水平下統計不顯著，而其平方項bs12變量系數為4.982，統計顯著，因此影子銀行業務規模與銀行系統性風險不是一次線性關系，而是二次函數的U型關系。計算影子銀行業務規模的拐點系數，得到拐點值為0.126。說明在影子銀行業務相對規模低于0.126時，影子銀行業務規模增加會降低銀行的系統性風險，而當影子銀行業務相對規模超過0.126后，影子銀行業務規模增加會提高銀行的系統性風險。七個控制變量中，變量顯著性和符號與列（1）一致。

列（3）和列（4）是面板數據系統廣義矩估計的結果，兩個方程結果中，AR(1)、AR(2)檢驗的概率系數顯示一階差分方程隨機誤差項中，存在一階自相關但不存在二階自相關，此外，Sargan檢驗結果也說明了模型設定的工具變量有效，因此估計結果是可信的。具體觀察變量系數，線性模型下，bs1變量系數為1.942，統計不顯著，在非線性模型下，bs1變量系數為-15.912，bs12變量系數為54.301，后者在5%概率水平下統計顯著，再次說明影子銀行業務規模與銀行系統性風險存在二次函數的非線性U型關系。計算得到影子銀行業務規模拐點值為0.146，與列（2）的拐點非常接近。控制變量中，統計顯著的有銀行資產增長率、銀行規模、不良貸款率、權益比率、貸款規模和和衍生金融資產比重，其中銀行資產增長率在兩列下一正一負，因此其與銀行系統性風險的關系并不確定，其余變量與列（1）、（2）相同，也與前面的理論預期一致。

由表3的結果可以看出，我國商業銀行的影子銀行業務規模與銀行系統性風險存在U型關系，在開始影子銀行業務規模增大時，能降低銀行系統性風險，但是隨著影子銀行業務規模增加到一定水平后，會提高銀行系統性風險。并且可以計算得到最佳的影子銀行業務規模為[0.126*2.5萬億，0.146*2.5萬億]區間。

表3 影子銀行對銀行系統性風險的影響

考慮到上述變量部分指標為時點變量，時點變量可能會忽略變化機制，為此本文用兩個時點的均值水平表示時期變量，進一步穩健性檢驗，結果見表4。從列（1）和列（2）看出，單獨變量bs1系數為0.211，統計不顯著，而在二次函數下，bs1變量為-0.972，同樣不顯著，但bs12變量系數顯著為正，說明影子銀行業務規模與系統性風險之間仍然是U型函數關系，計算影子銀行業務規模拐點值為0.128。控制變量中，共有 lnasset、npl、equityratio、loan和derivatives五個變量統計顯著，其中除equityratio外其余四個變量符號與表3相同，equityratio系數顯著為負，說明權益比例增加會導致銀行系統性風險上升。列（3）和列（4）下，同樣在一次函數時，bs1不顯著，二次函數時，bs1一次項系數不顯著，二次項bs12系數顯著為正，計算拐點系數為0.160。列（2）與列（4）的拐點值與表3也較為接近。控制變量中，五個顯著性變量在符號上與列（1）、（2）完全相同。因此，表4的結論與表3相同，說明表3關于影子銀行業務規模對銀行系統性風險存在U型影響關系的結論是穩健的。

表4 穩健性檢驗

五、結論與政策建議

本文選取2007年3季度到2017年1季度數據，在測算影子銀行業務規模和商業銀行系統性風險基礎上，采用面板數據模型分析了影子銀行業務規模對銀行系統性風險的影響。實證得到，我國影子銀行業務規模與銀行系統性風險之間為非線性的U型關系，在影子銀行業務發展初期，能降低銀行的系統性風險，但是隨著影子銀行業務規模增加到一定水平后，會提高銀行系統性風險。最佳的影子銀行業務規模為[0.126*2.5萬億，0.160*2.5萬億]=[0.315萬億，0.4萬億]區間，由此比例可計算出每家商業銀行的最佳影子銀行業務規模。

根據研究結論，本文提出兩點政策建議：

（一）合理準確引導影子銀行業務方向。目前我國影子銀行業務發展還不到十年，但其業務規模、產品多元化程度已可與發達國家相比，加上影子銀行帶有明顯的逐利、高收益等特性，使得每年影子銀行的創新金融產品應接不暇、參差不齊，在激活金融市場活力的同時，也使得部分風險性高、漏洞多的影子銀行業務以不同的形式和品種呈現，這不僅擾亂了金融市場的秩序和穩定性，同時也給監管帶來了難度，增加了系統性風險發生的概率。為此，相關部門要合理引導商業銀行以及非銀行金融機構的影子銀行發展方向和業務類型，防范高杠桿的銀行影子業務，將影子銀行限定在可測可控范圍內。

（二）加強對影子銀行業務的監管，完善監管體系和法律法規建設。影子銀行范疇的爭議性和業務的模糊性質，以及影子銀行隱蔽性、復雜性的特點，歷來對影子銀行的監管強度低于影子銀行的發展速度，使得許多投機機構為追逐高收益而不顧風險。此外，目前就我國而言，政府官員、學術界和銀行等金融機構對當前影子銀行的態度并不統一，部分持樂觀觀點。針對這些，本文認為有關金融監管部門應該重新測算影子銀行規模，在此基礎上，對不合理、風險高的影子銀行業務加強監管級別，同時加快相關法律法規建設，完善金融機構法人治理結構，加強宏觀審慎管理制度建設，更加重視行為監管，將不合法的業務采用較為嚴格的監控體系。

[1]陳曉靜,董慧,吳比,林思閃.影子銀行對中國商業銀行體系穩定性影響的實證研究[J].國際商務研究,2016,37(03):77～86.

[2]陳子元.影子銀行業務對上市銀行經營風險和價值的影響[D].浙江大學,2015.

[3]方意,趙勝民,王道平.我國金融機構系統性風險測度——基于DCC-GARCH模型的研究[J].金融監管研究，2012，(11).

[4]高國華,潘英麗.銀行系統性風險度量——基于動態CoVaR方法的分析[J].上海交通大學學報,2011,45(12).

[5]郭衛東.中國上市銀行的系統性風險貢獻測度及其影響因素——基于MES方法的實證分析[J].金融論壇,2013,18(02):16～21+79.

[6]赫國勝，陳芙.中國商業銀行影子銀行業務發展及其對銀行盈利能力影響分析[J].遼寧大學學報,2015,43(2).

[7]李若愚.中國式影子銀行規模測算與風險評估[J].金融與經濟,2013,(09):32～36+45.

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

[9]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，2014，36(03):98～107.

[10]宋清華，姜玉東.中國上市銀行系統性風險度量——基于MES方法的分析[J].財經理論與實踐,2014,35(192).

[11]孫國峰,賈君怡.中國影子銀行界定及其規模測算——基于信用貨幣創造的視角[J].中國社會科學,2015,(11):92～110+207.

[12]涂曉楓，李政.銀行的影子:風險分擔還是風險傳染[J].當代經濟科學,2016,38(2).

[13]王家華,王瑞.影子銀行會加劇銀行破產風險嗎?——基于我國上市銀行的實證分析[J].金融發展研究,2016,(06):3～10.

[14]王擎,白雪.我國影子銀行發展與銀行體系穩定——來自省際面板數據的證據[J].財經科學,2016,(04):1～12.

[15]楊有振，王書華.中國上市商業銀行系統性風險溢出效應分析——基于CoVaR技術的分位數估計[J].山西財經大學學報,2013,35(07):24～33.

[16]張寶林,潘煥學.影子銀行與房地產泡沫:誘發系統性金融風險之源[J].現代財經(天津財經大學學報),2013,33(11):33～44.

[17]Adrian T.,Brunnermeier M K.CoVaR[R].National Bureau of Economic Research,2011.

[18]Brownlees T.C., Engle R. Volatility，Correlation and tails for systemic risk measurement[R].Working Paper,NYU,2011.

[19]Gorton G.,Metrick A.Regulating the Shadow BankingSystem[J].BrookingsPaperson Economic Activity,2010,41(2).

影子銀行作為金融市場監管力度相對薄弱的區域，其是否會影響銀行系統性風險以及如何影響系統性風險是金融部門監管、政府制定相關政策的主要依據。本文選取2007～2017年的季度數據，利用面板數據模型系統廣義矩估計方法分析了影子銀行業務規模對銀行系統性風險的影響。實證結果顯示，我國影子銀行業務規模與銀行系統性風險之間為非線性的U型關系，當影子銀行業務規模較低時，會降低銀行系統性風險，而當影子銀行業務規模超過一定水平后，將擴大銀行系統性風險。最佳的影子銀行業務規模為0.315萬億元至0.4萬億元之間。本文的研究結論對于合理引導影子銀行業務方向和加強對影子銀行的監管，具有重要的政策含義。

F830.4

A

1006-169X（2017）11-0020-07

10.19622/j.cnki.cn36-1005/f.2017.11.003

鄭淑霞（1983-），福建莆田人，講師，碩士研究生，福建江夏學院數理教研部。（福建福州 350108）