互聯網金融背景下的金融發展與經濟增長：基于VAR模型

（副教授），

一、研究背景

2013年是我國互聯網金融元年，此后互聯網金融迅猛發展，改變了傳統的金融生態，拓寬了融資渠道，極大地滿足了小微企業的貸款需求，覆蓋了諸多傳統金融發展乏力的三四線城市和農村地區。同時，資金供需雙方可借助互聯網金融平臺自由進行匹配和交易?；ヂ摼W金融利用大數據和云計算，通過網絡平臺征信提升信息使用效率，大大改善了信息不對稱現狀，降低了交易成本，提升了金融效率，進而促進金融發展。

當前，有關互聯網金融對金融發展影響的研究成果較為豐富。學者們主要從存貸款業務、中間業務、融資、金融脫媒等角度研究了互聯網金融對銀行的沖擊，采用文獻研究法、比較分析法、定量與定性相結合等方法從行業競爭、銷售渠道、交易中介、投融資等角度分析了互聯網金融對資本市場的影響。

金融是經濟的核心與命脈。金融發展理論認為，金融發展能夠促進經濟增長?；ヂ摼W金融的迅猛發展，提高了我國的金融發展水平。目前，鮮有關于互聯網金融影響下的金融發展與經濟增長關系的研究成果。本文對金融發展與經濟增長、互聯網金融與金融發展的研究成果進行了梳理，選取第三方互聯網支付作為互聯網金融的代理變量，采用2007年1月～2016年9月的全國季度數據，對互聯網金融背景下我國金融發展和經濟增長之間的關系進行實證研究，以期為我國互聯網金融的健康發展以及經濟發展水平的提高提供參考建議。

二、文獻綜述

（一）金融發展與經濟增長

20世紀60年代末，美國金融學家戈登史密斯（Goldsmith，1969）首先提出并系統研究了金融結構問題，他把金融結構定義為各種金融工具與金融機構的相對規模，而金融結構的變化即為金融發展。戈登史密斯對金融發展理論的開創性研究，為后續的相關研究奠定了基礎。

國內較早研究金融結構的學者是白欽先。20世紀80年代，白欽先（1989）提出金融結構即金融組織形式與框架結構。其中，金融組織形式指各類金融機構的構成、設置原則及特點。金融框架結構包括以下子要素：金融體系的總體構成；相互關系與聯系方式；數量與地理分布；資產與負債的類型及數量比例；與政府、工商企業的聯系方式和依賴程度等。21世紀初，白欽先（2005）正式把金融結構定義為金融相關要素的組成、相互關系及其量的比例。他認為戈登史密斯提出的“金融結構的變化即金融發展”僅強調了量性，而“金融結構的演進”相比于“金融結構的變化”更能顯示金融發展量性和質性的統一深化。

外國學者關于金融結構與經濟增長關系的研究成果主要有四種：銀行導向型觀點、市場導向型觀點、法律和金融觀點、金融服務觀點。銀行導向型觀點認為銀行能夠迫使企業披露信息和償還負債，從而促進產業發展，在資源動用、項目選擇、管理層監控和風險管理方面具有積極作用。市場導向型觀點認為銀行偏愛低風險項目，利用掌握的企業信息抽取巨額租金，而市場不斷推動新企業誕生，為各類企業提供資金以實現擴張，促進經濟增長。法律和金融觀點認為，法律系統通過保護外部投資者權益和提高合同執行效率等促進經濟增長，而與具體的金融結構無關。金融服務觀點認為，對經濟增長起關鍵作用的是金融系統提供的金融服務，是總體的金融發展水平。

國內學者大多認為，整體的金融發展水平能夠促進經濟增長。陳黎敏（2011）通過對1978～2008年的省級面板數據分析發現，金融發展與經濟增長總體呈現很強的正相關關系，而各地區之間差異較大。黃智淋、董志勇（2013）利用1979～2008年的省級面板數據分析發現，金融發展僅在低通貨膨脹水平下有利于促進經濟增長。楊友才（2014）運用1987～2009年的省級面板數據，以金融發展水平作為門檻變量對我國金融發展與經濟增長的非線性關系進行了考察，研究發現金融發展水平對經濟增長的促進作用存在門檻效應和邊際效率遞減效應，低于門檻值的金融發展水平對經濟增長呈現負向作用，而過高的金融發展水平可能對經濟增長的作用有限。

陳偉國、張紅偉（2008）從金融發展對經濟波動解釋的力度進行研究，認為相對于金融抑制論，金融結構論對金融發展與經濟增長之間關系的解釋力更強。不少學者直接從金融結構論出發研究金融發展和經濟增長之間的關系。談儒勇（1999）采用1993～1999年的全國季度數據進行實證研究，發現我國金融中介體的發展能促進經濟增長，而我國股票市場發展對經濟增長的作用極其有限。林毅夫、孫希芳（2008）運用1985～2002年省級面板數據，利用中小金融機構市場份額衡量銀行業結構，并以1994年啟動的國有銀行商業化改革的政策因素構造銀行業結構的工具變量，研究發現中小金融機構市場份額的上升促進了經濟增長。王勛等（2011）采用我國29個省區1990～2004年的面板數據，發現金融規模的整體擴張不利于經濟增長，而降低銀行集中度則會加劇銀行業競爭進而促進經濟增長。

（二）互聯網金融與金融發展

分析互聯網金融與金融發展之間的關系，首先需要對互聯網金融進行定義。Allen et al.（2002）、Claessens et al.（2002）將互聯網金融定義為所有利用互聯網技術進行交易和計算的金融服務和市場。國內學者們的觀點存在著較大分歧。第一種觀點是互聯網金融和金融互聯網之分。金融互聯網是金融機構對互聯網技術的應用，是金融業務的電子化，是傳統金融服務的升級，并沒有引起商業模式的實質變化?；ヂ摼W金融是基于互聯網技術的金融創新和金融重塑的新金融范式?；ヂ摼W金融模式是不同于商業銀行間接融資模式和資本市場直接融資模式的第三種金融融資模式。從融資模式來看，互聯網金融是一種直接融資模式。第二種觀點是互聯網金融具有狹義和廣義之分。李博、董亮（2013）認為從服務的形式來看，互聯網金融可分為傳統金融服務的互聯網延伸、金融的互聯網居間服務和互聯網金融服務，如表1所示。

表1 互聯網金融模式

其中，金融的互聯網居間服務和互聯網金融服務組成狹義互聯網金融，而傳統金融服務的互聯網延伸屬于廣義互聯網金融。中國人民銀行發布的《中國金融穩定報告（2014）》認為，廣義的互聯網金融既包括作為非金融機構的互聯網企業從事的金融業務，也包括金融機構通過互聯網開展的業務，而狹義的互聯網金融僅指互聯網企業開展的、基于互聯網技術的金融業務。本文僅就狹義的互聯網金融進行研究。

學者們對于互聯網金融對傳統金融影響的研究，多從商業銀行和資本市場兩個角度展開。宮曉林（2013）認為互聯網金融會加速金融脫媒，使商業銀行的資金中介功能邊緣化，互聯網企業充當資金信息中介的角色，為資金供需雙方提供金融搜索平臺。邱峰（2013）認為互聯網金融分流了商業銀行融資中介服務需求，影響了商業銀行的傳統利差盈利模式，同時也會影響到商業銀行的中間業務收入，例如，第三方支付極大地威脅著基于銀行支付功能而衍生的中間業務收入的增長。吳曉求（2014）指出互聯網金融具備明顯的支付優勢，憑借成本優勢在標準金融產品銷售方面存在較大的獲利空間等。同時他還認為，互聯網金融會在不同程度上分食傳統金融特別是商業銀行的蛋糕，進而形成更加專業化的分工。對于互聯網金融對資本市場的影響，學者們采用文獻研究法、比較分析法、定量與定性相結合等方法進行了分析，主要從行業競爭、銷售渠道、交易中介、投融資等幾個角度展開。龔映清（2013）認為互聯網金融改變了證券行業價值實現方式，引發了證券經紀和財富管理的“渠道革命”，弱化了證券行業金融中介功能，重構了資本市場投融資格局，并加劇了行業競爭。胡吉祥（2013）從證券銷售的電商化、互聯網融資和互聯網證券交易三個方面分析了互聯網金融體系對證券業商業模式的影響。

國內外學者對于金融發展和經濟增長之間關系的理論和實證研究已開展多年，并取得了非常豐富的研究成果。目前國內互聯網金融正在高速發展，雖然互聯網金融的發展年限相較傳統金融來說相當短暫，但是它對傳統金融的影響早已不容小覷。在互聯網金融帶來的機遇和挑戰下，金融發展與經濟增長之間是怎樣的關系？呈現怎樣的發展趨勢？已有的實證研究較少涉及。鑒于此，本文選取第三方互聯網支付作為互聯網金融的代理變量，采用全國季度數據，建立VAR模型，應用格蘭杰因果檢驗、脈沖響應分析和方差分解方法，對互聯網金融背景下金融發展和經濟增長之間的關系進行實證研究。

三、變量選取與數據來源

（一）變量選取

為了研究在互聯網金融的影響下金融發展與經濟增長之間的關系，本文選取以下變量：①經濟增長變量，以GDP的對數值LNGDP表示。②互聯網金融規模變量，由于第三方支付是互聯網金融的重要入口，結合數據可得性，本文選取第三方互聯網支付作為互聯網金融的代理變量，以TPIP表示，并進行對數化處理，得到LNTPIP。③金融發展變量。從整體金融發展水平和金融結構兩個方面展開。關于金融發展水平，選擇金融相關率（FIR），并以M2、股票市值和債券市值之和除以GDP得到；關于金融結構，選擇融資結構（FSR）和銀行集中度（CR5）衡量。其中，融資結構（FSR）以股票市值和債券市值之和除以金融機構各項貸款余額得到，銀行集中度（CR5）以大型商業銀行的總資產占銀行業金融機構總資產比例表示。④考慮到多數研究表明固定資產投資、政府支出、對外貿易等對經濟增長具有一定的影響，本文選取固定資產投資（INV）、進出口貿易總額（XM）、外商直接投資（FDI）和公共財政支出（GOV）作為控制變量，均進行對數處理。

變量名稱及定義見表2。

表2 變量名稱及定義

（二）數據來源

本文選取2007年1月～2016年9月的季度數據進行研究。其中，GDP、固定資產投資（INV）和公共財政支出（GOV）的數據均來源于國家統計局網站；第三方互聯網支付（TPIP）的數據來源于Wind數據庫；M2數據來源于中國人民銀行；股票市值數據來源于證監會網站，債券市值數據來源于中國債券信息網；大型商業銀行總資產占銀行業金融機構總資產比例來源于銀監會，其中大型商業銀行指的是中國工商銀行、中國建設銀行、中國銀行、中國農業銀行和交通銀行；進出口貿易總額數據來源于海關總署，單位為億美元，本文以中國人民銀行公布的美元兌人民幣中間價日價計算得到各月美元兌人民幣匯率，然后進行換算。

除GDP、第三方互聯網支付和大型商業銀行總資產占銀行業金融機構總資產比例為季度數據外，其他均為月度數據。本文將月度數據調整為季度數據。同時，對于以水平值表示的變量對應的數據，采用來源于國家統計局網站的居民消費價格指數（CPI），以2007年1季度作為基期，對各季度數據進行處理以消除通貨膨脹帶來的影響，再對處理后的數據進行取對數處理。另外，所有變量均進行了季節調整。

四、模型建立

（一）向量自回歸模型

為了探究互聯網金融、金融發展和經濟增長之間的動態關系，本文建立的基礎模型為向量自回歸模型。向量自回歸模型（下稱“VAR模型”）是基于數據的統計性質，把系統中每一個內生變量作為系統中所有內生變量滯后值的函數來構造模型，體現多元平穩時間序列存在的線性滯后特征，不以嚴格的經濟理論為依據，對參數不施加零約束，主要用于分析聯合內生變量之間的動態關系?；赩AR模型，可進一步進行格蘭杰因果分析、脈沖響應分析等，用于檢驗變量間的因果關系和模型的動態結構關系。

P階滯后的VAR模型，即VAR（p）模型，表示為：

其中，yt是k維內生變量，p是滯后階數，樣本個數為T。k×k維矩陣A1，…，Ap是要被估計的系數矩陣。εt是k維擾動向量，相互之間可以同期相關，但不與自身滯后值相關，并且不與等式右邊的變量相關。

如果行列式det［A（L）］的根都位于單位圓之外，則式（1）滿足可逆性條件，可將其表示為無窮階的向量移動平均VMA（∞）形式：

其中，C（L）=A（L）-1，C（L）=C0+C1L+C2L2+…，C0=Ik。

對VAR模型的估計可通過最小二乘法來進行，假如對∑矩陣不施加限制性條件，由最小二乘法可得∑矩陣的估計量為：

估計出VAR的參數后，由于A（L）C（L）=Ik，可得相應的VMA（∞）模型的參數估計。由于僅有內生變量的滯后值出現在等式的右邊，所以不存在同期相關性問題，用普通最小二乘法（OLS）能得到VAR簡化模型的一致且有效的估計量。即使擾動向量εt有同期相關，OLS仍然是有效的，因為所有的方程有相同的回歸量，其與廣義最小二乘法（GLS）是等價的。

（二）脈沖響應函數

為了研究在互聯網金融、金融發展和經濟增長的關系模型中的動態效應及作用機制，本文采用脈沖響應函數來捕捉誤差沖擊對內生變量的影響效果，即在隨機誤差項上施加一個標準差大小的沖擊，以查看各內生變量的當期值和未來值受到的影響。對于一個VAR（p）模型，通過友矩陣變換改寫成一個VAR（1）模型：

這是一個無限階的向量MA（∞）過程，可寫成：

ψs中第i行第j列元素表示的是：令其他誤差項在任何時期都不變的條件下，當第j個變量yi，t對應的誤差項uj，t在t期受到一個單位的沖擊后，對第i個內生變量yi，t在t+s期造成的影響，即把ψs中第i行第j列元素看作是滯后期s的函數。

上述脈沖響應函數描述了其他變量在t期以及以前各期保持不變的前提下，yi，t+s對 uj，t的一次沖擊的響應過程。

五、互聯網金融、金融發展和經濟增長相關關系的實證研究

本文采用Eviews 7.0軟件，對數據進行平穩性檢驗，建立VAR模型，應用格蘭杰因果檢驗、脈沖響應分析和方差分解等方法進行實證分析。

（一）平穩性檢驗

如果一個隨機過程的均值和方差均是與時間無關的常數，并且任何兩時期的協方差值只與時間間隔有關，則該隨機過程為平穩的。本文選取的各變量均為時間序列數據，多存在序列不平穩的情況，直接回歸分析易造成偽回歸。本文首先觀察各變量數據的時間序列圖，圖1顯示了LNGDP、FIR、FSR、CR5、LNTPIP、LNINV、LNXM、LNFDI和LNGOV在不同的時間段多呈現不同的均值，數據序列多存在不平穩的情況。

本文對所有變量以及變量的一階差分值進行了平穩性檢驗，檢驗結果如表3所示。變量LNGDP、FIR、FSR、CR5、LNTPIP、LNINV、LNXM和LNGOV在10%的顯著性水平上顯示均不平穩，LNFDI在1%的顯著性水平上不平穩，而變量LNGDP、FIR、FSR、CR5、LNTPIP、LNINV、LNXM、LNFDI和LNGOV的一階差分值在1%的顯著性水平上顯示均平穩，因此，變量LNGDP、FIR、FSR、CR5、LNTPIP、LNINV、LNXM、LNFDI和LNGOV均為I（1）序列。本文選取平穩序列△LNGDP、△FIR、△FSR、△CR5、△ LNTPIP、△ LNINV、△ LNXM、△ LNFDI和△LNGOV建立初步的VAR模型。

圖1 各變量時間序列

（二）向量自回歸模型

1.最優滯后階數的確定。在建立正式的VAR模型前，還應確定滯后期p。滯后期p太小，誤差項的自相關情況會很嚴重，并導致參數的非一致性估計，而p值過大會導致自由度減小，直接影響模型參數估計量的有效性。受到自由度的限制，指定最大滯后階數為3，利用指標LR、FPE、AIC、AC和HQ來選取最優滯后階數。檢驗結果如表4所示，在SIC準則下最優滯后階數為0，在LR和HQ的準則下最優滯后階數為1，在FPE和AIC準則下最優滯后階數為2。本文選擇滯后2階為VAR模型的最優滯后階數。

2.模型穩定性檢驗。建立如式（10）所示的滯后2階VAR模型，其中，C為9×1矩陣，A1和A2均為9×9的矩陣。VAR模型不以嚴格的經濟理論為依據，對參數不施加零約束，主要用于分析聯合內生變量之間的動態關系。因此，對于單個參數估計值進行經濟解釋是困難且沒有意義的，應基于VAR模型進行格蘭杰因果分析、脈沖響應分析等，以檢驗變量間的因果關系和模型內的動態結構關系。

在進行下一步的研究分析之前，需要對VAR模型進行特征根檢驗，如果特征根檢驗顯示模型是穩定的，那么下一步的研究分析才具有意義。對VAR模型進行特征根檢驗的結果如圖2所示，VAR模型的特征根均在圓內，說明本文建立的VAR（2）模型很穩定。

表3 數據的平穩性檢驗

表4 最優滯后階數檢驗結果

圖2 特征根檢驗

3.格蘭杰因果檢驗。對平穩序列DLNGDP、DFIR、DFSR、DCR5 和DLNTPIP進行格蘭杰因果檢驗，尋求它們之間的格蘭杰因果關系。表5的檢驗結果表明，在10%的顯著性水平上，存在由DLNTPIP到DFIR的單向格蘭杰因果關系，即互聯網金融能夠影響金融發展水平；存在由DLNTPIP到DFSR的單向格蘭杰因果關系；不存在由DLNTPIP到DCR5的單向格蘭杰因果關系，即互聯網金融能夠引起金融結構中融資結構的變化，但是對銀行集中度的影響是有限的；DFIR和DFSR之間存在雙向格蘭杰因果關系，即金融發展水平和融資結構之間為反饋關系，部分驗證了金融結構的變化即是金融發展。同時可以看到，在10%的顯著性水平上，DFIR和DLNGDP之間存在雙向格蘭杰因果關系，而FSR與DLNGDP、CR5與DLNGDP之間均不存在任何單向的格蘭杰因果關系，表明是金融發展的整體水平同經濟增長具有相互作用，而金融結構與經濟增長之間不存在任何相互作用。另外，在10%的顯著性水平上，DLNTPIP與DLNGDP之間均不存在任何單向的格蘭杰因果關系，表明互聯網金融與經濟增長之間不存在任何的直接相互作用。

綜上可以得到以下實證結果：①互聯網金融能夠影響融資結構，但是對銀行集中度的影響有限，而融資結構和銀行集中度兩者均不能影響經濟增長，即互聯網金融無法通過金融結構來間接影響經濟增長；②互聯網金融能夠影響金融發展水平，而金融發展水平能夠影響經濟增長，即互聯網金融能夠通過金融發展水平間接影響經濟增長。

表5 格蘭杰因果檢驗結果

互聯網金融能夠影響融資結構，但是不能通過融資結構影響經濟增長。主要原因是我國融資市場仍由商業銀行間接融資模式主導，資本市場尤其是股票市場的融資占比遠低于世界主要經濟體，資本市場的作用尚未充分發揮。

互聯網金融通過影響金融發展水平進而影響經濟增長，主要存在商業銀行和資本市場兩大途徑。在商業銀行途徑方面，互聯網金融與商業銀行之間存在競爭和精細分工，這有助于提升金融資源配置效率，促進整體金融發展?；ヂ摼W金融憑借技術和信息優勢在一定程度上解決商業銀行和貸款者之間存在的信息不對稱問題，幫助更多的長尾群體獲取貸款?；ヂ摼W金融以線上運營代替傳統商業銀行的物理網點模式，憑借低交易成本、即時服務和簡易操作流程等優勢，吸引更多客戶。具體到業務層面，第三方支付分食了商業銀行基于支付功能的中間業務收入，而P2P網貸、眾籌、互聯網貨幣基金等繞開商業銀行，通過網絡平臺實現資金供需方的匹配，降低了商業銀行的吸儲能力且分食了商業銀行的貸款業務收入?；ヂ摼W金融在侵蝕商業銀行業務的同時，促使商業銀行尋求創新，注重搶灘小微市場，發揮物理網點優勢，提供差異化的產品和服務，并應用互聯網技術獲取渠道，以實現傳統業務線上化，獲取更多競爭優勢。在資本市場途徑方面，互聯網金融一方面通過建立新渠道擴大資本市場傳統業務規模，另一方面也擠壓了直接融資市場規模，影響整體金融發展。

互聯網金融帶來了渠道的革新?；ヂ摼W企業與證券公司、基金公司、保險公司等進行合作，將傳統產品和服務線上化，并提供互聯網特色金融產品。這些產品和服務主要有互聯網基金、互聯網保險、互聯網理財產品等。同時，眾籌等互聯網金融模式重構了投融資格局，投資方和融資方在網絡平臺上自由匹配，形成了區別于傳統直接融資市場的第三種金融融資方式。

4.脈沖響應分析和方差分解。基于VAR（2）模型進行脈沖響應分析，當把一個脈沖沖擊施加在VAR模型中某一個方程的新息過程上時，隨著時間的推移，這個沖擊會逐漸消失，說明這個VAR模型是穩定的。由圖3可知，9個方程接受新息之后均逐漸平穩，脈沖沖擊逐漸消失，說明本文建立的VAR模型是穩定的，與前述特征根檢驗的結果一致。

本文主要針對經濟增長（DLNGDP）分別對于自身、金融發展水平（DFIR）、融資結構（DFSR）、銀行集中度（DCR5）、第三方互聯網支付（DLNTPIP）、固定資產投資（DLNINV）、進出口貿易總額（DLNXM）、外商直接投資（DLNFDI）和公共財政支出（DLNGOV）的9個方程相應新息過程一個標準差沖擊的響應，分析變量之間的動態關系。

由圖4可知，多數的響應情況在16期以前存在波動，在16期以后逐漸地穩定下來。其中，經濟增長率、金融發展水平的變化值、融資結構的變化值、第三方互聯網支付的增長率、固定資產投資的增長率的上升對經濟增長起到了促進作用。銀行集中度對經濟增長的作用有所波動，但整體呈現抑制作用，即銀行集中度的下降促進了經濟增長。進出口貿易總額的增長率的上升對經濟增長起到了抑制作用，這可能是因為受到了近年人民幣匯率波動較大、傾銷與反傾銷案件不斷等的影響，剔除了通貨膨脹因素的影響后，進出口貿易總額的真實值在2012年后呈現下降趨勢。外商直接投資的增長率和公共財政支出的增加對經濟增長率（DLNGDP）的作用方向有所波動，但整體呈促進作用。

接著，對DLNGDP的變化進行方差分解，即分析每一期經濟發展（DLNGDP）、金融發展水平（DFIR）、融資結構（DFSR）、銀行集中度（DCR5）、第三方互聯網支付（DLNTPIP）、固定資產投資（DLNINV）、進出口貿易總額（DLNXM）、外商直接投資（DLNFDI）和公共財政支出（DLNGOV）對應的9個方程帶來的新息誤差沖擊對于DLNGDP方差變化的貢獻度，以評價不同結構沖擊的重要性。如圖5所示，DLNGDP自身對于DLNGDP帶來的沖擊貢獻度最大，在前3期快速下降，后緩慢下降，趨向30%的穩定值；DFIR的貢獻度排第二位，在前3期完成了快速上升，后漸趨于28%的穩定值；DFSR、DLNTPIP、DLNINV和DLNFDI的貢獻度接近，其中，前3者分別在前2期、前8期和前4期完成了快速上升，后均趨于10%；而DLNFDI的貢獻度在前2期完成了快速上升達到15%之后，不斷下滑至7%；DCR5、DLNXM和DLNGOV的貢獻度最低。可以看到，由于各項誤差沖擊的作用時間均超過16期，即4年，說明制定相關政策的有效性將超過4年。特別地，將金融發展水平（DFIR）、融資結構（DFSR）、銀行集中度（DCR5）三個金融發展變量和互聯網金融變量（DLNTPIP）的貢獻度進行比較可知，金融發展水平對經濟增長的方差貢獻率較大，穩定后達到30%，即經濟增長的波動中30%可由金融發展水平的波動進行解釋；其次是互聯網金融和融資結構，穩定后達到10%；而銀行集中度的方差貢獻率很小，僅為1%～2%。另外，互聯網金融的方差貢獻效果最為滯后，約在1.5～2年后達到穩定水平。

圖3 各變量的脈沖響應結果

六、研究結論和政策建議

（一）結論

本文采用2007年1月～2016年9月的全國季度數據，對經濟增長水平、金融發展水平、融資結構、銀行集中度、第三方互聯網支付和相關控制變量建立了VAR模型，進行了格蘭杰因果檢驗、脈沖響應分析和方差分解分析，對互聯網金融背景下金融發展和經濟增長之間的關系進行了實證研究，得到如下結論：

1.格蘭杰因果檢驗表明，互聯網金融通過提升整體金融發展水平而非改善金融結構來促進經濟增長。互聯網金融主要通過商業銀行和資本市場兩大途徑發揮作用。其一，互聯網金融與商業銀行之間存在競爭和精細分工，通過提升金融資源配置效率，可促進整體金融發展。其二，互聯網金融一方面通過建立新渠道擴展資本市場傳統業務規模，另一方面擠壓直接融資市場規模，影響整體金融發展。

2.脈沖響應結果表明，金融發展水平、融資結構、第三方互聯網支付增長率的正向變化和銀行集中度的下降均能促進經濟增長。

3.方差分解結果表明，除經濟增長自身因素外，金融發展水平對于經濟增長的方差貢獻率較大，達到30%，即經濟增長的波動中30%可由金融發展水平的波動進行解釋；其次是互聯網金融和融資結構，達10%；銀行集中度的方差貢獻率很小。由于各項誤差沖擊的作用時間均超過4年，說明制定相關政策的有效性超過4年。

（二）政策建議

1.互聯網金融多為混業經營，這與我國當前金融機構分業經營下的監管模式相矛盾，甚至部分互聯網金融業務出現了監管缺失狀況。互聯網金融的產品業務跨行業，創新速度快，監管的復雜性大大提升，應加快推出針對互聯網金融的法律法規，在促進互聯網金融快速發展的同時大力提升監管水平，保障互聯網金融的快速發展。

2.互聯網金融通過建立網絡平臺實現投融雙方的自由匹配，形成了區別于傳統直接融資的新型直接融資方式，重構了投融資格局，而網絡平臺仍存在著較大的交易風險、技術風險，如黑客攻擊、信息泄露、資金被盜等。在信息安全事件頻發和信息安全局勢日益嚴峻的背景下，應從外部監管和內部控制、設備終端和信息傳輸過程等多方面出發，加快推進多層次互聯網金融信息安全體系的建設。

3.互聯網金融利用大數據和云計算來降低信息不對稱程度，大幅降低交易成本，但是互聯網金融平臺征信渠道單一，信息覆蓋寬度和深度有限，持續性無法保障。應加快互聯網金融征信體系建設，推動互聯網金融征信納入央行征信系統，實現信息共享和整合，從而凈化互聯網金融環境。

圖5 方差分解結果（DLNGDP）

Goldsmith R.W..Financialstructure and development［J］.Studies in Comparative Economics，1969（4）.

白欽先.比較銀行學［M］.鄭州：河南人民出版社，1989.

白欽先.金融結構、金融功能演進與金融發展理論的研究歷程［J］.經濟評論，2005（3）.

邱峰.互聯網金融對商業銀行的沖擊和挑戰分析［J］.吉林金融研究，2013（8）.

宮曉林.互聯網金融模式及對傳統銀行業的影響［J］.南方金融，2013（5）.

李博，董亮.互聯網金融的模式與發展［J］.中國金融，2013（10）.

陸岷峰，史麗霞.關于互聯網金融與金融互聯網若干爭論的評析與思考［J］.西部金融，2014.

王勛，方晉，趙珍.中國金融規模、金融結構與經濟增長——基于省區面板數據的實證研究［J］.技術經濟與管理研究，2011（9）.

鄭志剛.互聯網金融的全新特征［J］.經濟研究參考，2015（54）.

陳偉國，張紅偉.金融發展與經濟增長——基于1952～2007年中國數據的再檢驗［J］.當代經濟科學，2008（3）.

黃智淋，董志勇.我國金融發展與經濟增長的非線性關系研究——來自動態面板數據門限模型的經驗證據［J］.金融研究，2013（7）.