中國互聯網金融發展、貨幣政策與經濟增長——基于省際季度動態面板的實證

姜 松，周 虹

一、引言

自2013年“互聯網金融元年”以來，互聯網金融受了廣泛關注和熱議。這一點可以從2013～2017年百度指數趨勢中尋求到支撐證據。至今，我國互聯網金融發展速度驚人，新業態、新模式不斷涌現，互聯網金融創新高漲、日新月異，基本形成了覆蓋支付、投資和財富管理等主要金融功能的新型互聯網金融體系。可以說，互聯網金融為我國金融體系注入了新鮮“血液”，對傳統金融模式、貨幣政策、金融監管和金融消費者權益保護都產生了重要影響(陶婭娜，2013)。尤其是隨著《關于促進互聯網金融健康發展的指導意見》等監管政策的出臺，互聯網金融發展在我國邁上了持續、健康和規范發展的軌道。需要引起重視的是，互聯網金融的本質仍是金融，在保留金融“風險性”特質的基礎上，也通過互聯網對傳統金融風險產生了放大效應，其風險點更多、風險面波及更廣。一般而言，互聯網金融風險主要包括法律政策風險、業務管理風險、網絡技術風險、貨幣政策風險和洗錢犯罪風險等類型(張瑞賢，2016)。

但從國際經驗看，受互聯網金融沖擊最大的是金融穩定和貨幣政策，也就是其中的“貨幣政策風險”。如，王達(2014)研究發現，互聯網金融在美國的迅速發展對美國貨幣政策產生了一定影響，加速推進美國貨幣政策從數量型調控向價格型調控的轉變，并引發了美國監管體系改革。貨幣政策風險衡量的就是互聯網金融對貨幣供需和貨幣政策傳導機制造成的一系列的不確定性影響，進而削弱了其對實體經濟促進作用和宏觀調控有效性。當然，互聯網金融對貨幣政策的影響也受到貨幣管理當局的密切關注，貨幣當局認為過去的政策、監管、調控等各個方面不能完全適應互聯網金融的發展，需要有進一步完善（鄭聯盛，2014）。那么，在互聯網金融縱深推進中，我國貨幣政策調控是否已經出現“失衡”和產生所謂的貨幣政策風險呢？互聯網金融發展是否已經對貨幣政策調控的有效性造成影響呢？這些都需要通過系統研究給予解答。

從學術研究來看，學者從不同視角、圍繞互聯網金融對貨幣政策有效性的影響進行了廣泛研究。如果對研究思路進行梳理，主要集中于以下幾個方面：一是從第三方支付的角度探討互聯網金融對貨幣政策有效性的影響。Oyewole etal.（2013）以尼日利亞為考察對象，認為技術進步所催生的電子支付體系，為經濟交流提供了有力的交易媒介，對貨幣政策經濟增長目標的影響顯著為正，持這種觀點的還有Davoodalhosseini（2017）。同時，我國學者劉海二和石午光（2015）也對互聯網金融發展持肯定態度，認為互聯網發展豐富了貨幣政策理論，產生了“自適應”過程。但也有學者對此持反對意見或認為其影響存在不確定性。Woodford（2000）認為在結構層面，互聯網金融發展改變最大的是M1，而一國貨幣政策操作主要調控的是M2，因此其認為互聯網金融發展對貨幣政策效力影響不大。二是從利率層面揭示互聯網金融對貨幣政策影響，學者普遍認為互聯網金融加速了利率市場化進程，提升了價格型貨幣政策工具的效力。如劉瀾飚等（2016）、潘彬等（2017）、申創和趙勝民（2017）認為互聯網金融發展提升了價格型貨幣政策傳導的有效性，是利率變動的顯著原因。三是從金融機構層面揭示互聯網金融對貨幣政策效果的影響。全穎和楊大光（2016）認為支付貨幣電子化的普及增強了商業銀行的信用創造能力，削弱了貨幣政策調控實體經濟的敏感程度。此外，李淵博和朱順林（2014）也普遍認為互聯網金融通過拉長信用鏈條和多次證券化，弱化了央行貨幣政策信貸傳導渠道，陷入資金“脫實向虛”困境，給貨幣政策有效性帶來了嚴峻挑戰。

學術界關于互聯網金融與貨幣政策之間的關系的研究直接啟迪著本研究深入推進方向，構成了本研究的邏輯起點。但也存在一定改進和提升空間。具體來說：一是現有研究在對互聯網金融發展進行量化時候，大多通過第三方支付渠道以及設置“虛擬變量”方式進行切入的居多，對于其他互聯網金融業態涉及較少。互聯網金融是典型的“交叉性金融”業態，上述操作方式代表性、科學性顯然亟待提高。從多業態綜合衡量互聯網金融發展水平就顯得十分必要和迫切。二是現有研究在揭示互聯網金融和貨幣政策關系時，大多認為互聯網金融發展對價格型貨幣政策和數量型貨幣政策的檢驗結果并不一致。事實上，隨著利率市場化縱深推進，價格型貨幣政策和數量型貨幣政策的檢驗結果所反映的經濟內涵實質和影響理應存在一致性，這種不一致性可能說明現行研究結論和研究方法值得商榷。三是在數據選取層面，現有研究用時間序列數據和靜態計量方法的成果居多，運用面板數據和動態計量方法的研究成果還十分鮮見。有鑒于此，本研究基于我國省級季度面板數據，建立動態面板模型，從經濟增長視角揭示互聯網金融發展對貨幣政策有效性的影響，以期為促進互聯網金融健康發展和增強我國貨幣政策效力提供理論基礎和實證支撐。

二、模型設計、變量說明與數據來源

（一）模型設計與估計方法

本研究從經濟增長的角度構建互聯網金融發展對貨幣政策有效性影響的面板數據計量模型。需要指出的是，為了更好評估互聯網金融發展的影響效應，分別建立互聯網金融發展單獨影響經濟增長、互聯網金融發展和貨幣相互作用影響經濟增長兩層面的動態計量模型。前者用來反映互聯網金融單獨影響效應，后者用來反映互聯網金融發展和貨幣政策的交互效應并以此來反映互聯網金融對貨幣政策傳導機制的影響，分別見式（1）和式（2）：

其中，EG表示我國各個省份經濟增長水平，IF表示各省份互聯網金融發展水平，CON表示一系列影響我國經濟增長水平的其他變量，PL表示貨幣政策，PL×IF表示互聯網金融發展和貨幣政策的交互項，用來揭示在互聯網金融發展中，貨幣政策傳導作用及其對最終目標經濟增長的影響效應和反映貨幣政策的有效性。?表示互聯網金融和貨幣政策交互影響系數，如果其顯著為正，意味著互聯網金融發展對貨幣政策傳導效果有正向影響，可以促進貨幣政策目標-經濟增長水平提升、增強貨幣政策有效性。相反，如果其顯著為負，則意味互聯網金融發展對貨幣政策傳導效果有負面影響，會削弱貨幣政策傳導至最終目標-經濟增長的有效性，另外，從理論層面而言，貨幣政策傳導機制一般存在“時滯效應”，而且其他變量的影響也會存在滯后效應。為此，將上式改寫成動態面板模型，見式（3）：

式（3）動態面板中由于引入了變量的滯后項，傳統靜態面板模型的估計方法就顯得并不適應。如果不加以改進直接估計會產生不一致性和形成“動態面板偏差”。克服這一問題最常用的方法就是運用工具變量法，選擇滯后項作為工具變量然后進行GMM估計，并輔助薩甘（Sargan）過度識別檢驗和序列相關檢驗就可以得到一致性和無偏性結果。

（二）變量說明

因變量經濟增長水平（EG）主要用我國各省份地區生產總值累計同比實際增速來表示。互聯網金融發展水平（IF）用北京大學編制的互聯網金融發展指數來衡量。該指數通過將互聯網支付、互聯網投資、互聯網貨幣基金、互聯網保險等主要金融業態加權計算而得，可以很好地代表互聯網金融發展總體水平，相比較現有量化方式該指標可以更好揭示我國互聯網金融發展特征事實。同時，由于我國各省份地區生產總值累計同比實際增速是按季度公布數據，而北京大學互聯網金融發展指數則是按月公布，因此在實際操作中對互聯網金融發展指數進行變頻處理，用三月度互聯網金融發展指數平均值來表示其季度水平。貨幣政策（PL）用人民幣各項貸款余額期末比年初增加量作為貨幣政策的量化指標，這一指標與貨幣政策的常用中介目標-貨幣供應量（張曉慧，2012）的效果是一致的，體現的只是“資產端”與“負債端”衡量口徑的不同。為了化解內生性問題，在具體操作中不單獨將貨幣政策引入模型中，主要考慮其與互聯網金融發展的交互項（PL×IF）的整體效應。當然，這也是為了更好地反映互聯網金融發展對貨幣政策有效性的影響。在控制變量層面，考慮到季度數據的可獲性和口徑的問題，主要考慮消費水平（CO）、投資水平（IV）、出口水平（EX）“三駕馬車”作用以及在供給側結構性改革大背景下發揮主要作用的政策工具-財政政策（FS）等主要因素，分別用社會零售總額累計同比增速、固定資產投資完成額累計同比增速、出口額(人民幣)累計同比增速以及地方公共財政收入（本級）累計同比增速來表示。量化后數據的散點圖矩陣如圖1。

圖1 各量化指標散點圖矩陣

三、實證結果及分析

從貨幣政策傳導機制我們可以看出，其量化指標與影響經濟增長的其他變量間在理論上都存在較大的關聯性，各變量之間的這種相關性在計量經濟學中就是所謂的“多重共線性”。當產生多重共線性后，就會出現“偽回歸”現象進而造成回歸結果失真、可信度下降。為了增強研究結論科學性，本研究首先對自變量進行多重共線性檢驗。一般來說，進行多重共線性檢驗的方法也較多，包括對擬合優度和F值的初步判斷、方差膨脹因子的VIF檢驗以及條件指數方法。但相比較而言，條件指數的檢驗精度更高。按照經驗，如果條件指數小于30，就表明不存在多重共線性；如果條件指數介于30～100之間，則說明存在一定程度的多重共線性，但不會對模型回歸與解釋產生影響，但是如果條件指數大于100，則表明各變量之間存在嚴重的多重共線性。檢驗結果見表1。從中可以看出，使用縮放變量計算得到的條件指數為21.55，其小于30，所以認為各變量之間并不存在多重共線性特征，進行回歸分析可以避免產生“偽回歸”問題。

雖然經過上述檢驗我們發現各變量間并不存在多重共線性現象，但是為了更好地進行分析和拓展研究維度，在接下來的部分我們仍采用逐步回歸法，在核心變量基礎上，逐個引入控制變量分別建立模型以使研究層次更為寬廣。動態面板估計結果見表2。其中，模型（1）給出的是只涵蓋互聯網金融發展（IF）單一核心變量的動態面板估計結果；模型（2）給出的引入貨幣政策與互聯網金融發展交互項（PL×IF）后的動態面板估計結果；模型（3）-（6）給出的是在模型（2）基礎上分別引入控制變量消費水平（CO）、投資水平（IV）、出口水平（EX）以及財政政策（FS）后的動態面板估計結果；模型（7）給出是全變量的動態面板估計結果。由Arellano-Bond檢驗、Sargan檢驗可知，模型總體較為合適，工具變量選擇恰當，過度識別成立，且Wald也顯示模型整體高度顯著、解釋能力強。由結果我們可以看到，當滯后一期和兩期后，經濟增長（EG）對其自身的影響都存在不確定性，由于在本研究中選取數據為我國進入新常態后的數據。因此，這種不確定性在很大程度上和我國新常態下經濟減速的特征事實、結構轉型鎮痛反復以及量質轉變的進程緩慢有很大關系。接下來，我們主要分析核心變量和其他控制變量對經濟增長的動態影響效應。

表1 條件指數與方差分解比率

由模型（1）我們可以看出，互聯網金融發展（IF）對經濟增長的影響均顯著為負而且邊際系數較小。這說明，樣本跨期內，互聯網金融發展確實對經濟增長產生了不良影響，而且從其滯后項（IFt-1）來看，互聯網金融發展對經濟增長的影響存在顯著的滯后效應，隨著時間推進，互聯網金融對經濟增長的不良影響會延續下去。研究結論充分印證了互聯網金融對經濟增長所造成的不良影響。互聯網金融大多投向貨幣市場、資本市場、債券市場、外匯市場等虛擬經濟領域，存在與實體經濟“脫鉤”的問題（孫杰和賀晨，2015），樣本區間內互聯網金融發展確實我國經濟增長造成了一定程度的沖擊。這可能也從一個側面說明：互聯網金融發展可能存在脫離實體經濟，陷入自我循環、“自娛自樂”的低效率發展困境。離開實體經濟“土壤”的互聯網金融勢必會成為無源之水、無本之木。可以說，糾正互聯網金融發展偏差，需要通過對互聯網金融的有效監管，引導互聯網金融服務實體經濟，提高其與實體經濟的融合度、協調性，為我國經濟發展描繪實質性發展愿景。貨幣政策作為經濟調控的主要“抓手”，而經濟增長是貨幣政策目標體系的重要組成，其能否起到削弱互聯網金融發展對經濟增長不利影響呢？為了揭示這一交互作用，在模型（1）基礎上，我們繼續引入互聯網金融發展與貨幣政策交互項（PL×IF），其結果如表2中的模型（2）所示。

由模型（2）可知，互聯網金融發展與貨幣政策交互項（PL×IF）對經濟增長（EG）的影響顯著為負。這說明樣本區間內，互聯網發展對貨幣政策的有效性確實產生了負面影響。同時，我們也發現，當我們添加控制變量后，模型（3）-（7）中，互聯網金融發展和貨幣政策的交互項（PL×IF）對經濟增長的影響方向都為負，尤其是當引入所有變量后，互聯網金融發展對貨幣政策有效性的影響仍顯著為負。互聯網金融發展對中央銀行的貨幣發行、資產負債結構以及貨幣政策實施產生了連鎖影響，降低了原有貨幣政策實施框架的有效性、增加了貨幣政策調控難度和制約了貨幣政策有效性(劉瀾飚等，2016)。具體可以從金融市場和金融機構兩個層面來解釋互聯網金融發展中，貨幣政策有效性失效的原因。

其中，在金融市場層面，互聯網金融發展在某種程度上擴大了貨幣乘數和提升了貨幣供應量，如學者陳韜和陶斌智（2014）就認為互聯網金融導致我國一些分割的金融子市場的貨幣供應量增加。但受制于多重因素影響，貨幣供應量增加并未在整體上降低利率水平。因為各類互聯網金融機構為了吸引投資者，所制定的利率水平均高于銀行業，雖然商業銀行和互聯網金融機構間所形成的“競爭機制”會在短期內拉低市場利率的均衡水平。但從長期來看，這反倒會使金融市場主體形成利率上漲預期，加重了經濟融資成本，減少了投資需求，對經濟增長產生負面影響。

在金融機構層面，商業銀行的本質仍是企業，為應對沖擊和緩解生存困境，作為理性“經濟人”，在利潤最大化訴求驅使下，其勢必會提高貸款利率水平，將提升的經營成本轉嫁給貸款企業。當然，這無形之中增加了逆向選擇風險和道德風險，使金融機構縮減信貸規模，影響企業投資水平和抑制經濟增長。另外，由于利率水平提升，這也使得企業的抵押資產價值貶值，也會使銀行信貸規模縮減，影響企業投資水平和對經濟增長產生負面影響，削弱了貨幣政策有效性。

表2 動態面板估計結果

但是二者的交互影響存在“滯后效應”。由表2可以清晰看到，在滯后1期后，互聯網金融發展和貨幣政策的交互項對經濟增長的影響顯著為正。這也充分說明，在互聯網金融發展中，貨幣政策的影響存在明顯的滯后效應。雖然，當期互聯網金融發展對貨幣政策的有效性會造成不良的影響。但滯后一期后，這種不良影響和沖擊也會逐步消失。所以，從這個角度來說，互聯網金融作為一種新興金融業態，但是其本質仍是金融，貨幣政策仍應對其進行關注。但需要注意的是，貨幣政策在互聯網金融發展中的時滯效應，切記頻繁運用貨幣政策對互聯網金融發展進行干預和調節。

從其他變量來看，消費水平（CO）及其滯后項（COt-1）對經濟增長的影響均顯著為正，充分印證了樣本區間內，消費對于我國經濟增長的帶動性作用；投資水平（IV）及其滯后項（IVt-1）對經濟增長的影響效應也顯著為正。綜合而言，樣本區間內，消費和投資這兩駕馬車對于我國經濟增長的帶動作用功不可沒。但需要注意的是，出口水平（EX）及其滯后項（EXt-1）對于經濟增長的影響效應并不一致。出口的當期水平對我國經濟增長影響并不顯著、滯后項對經濟增長的影響卻顯著為負。這可能與樣本跨期內，我國貿易環境發生較大變化，貿易稅收政策調控、人民幣升值預期、外需放緩、國際貿易保護政策升級、國內需求旺盛以及進口價格飆升等多重因素有關。在后續發展中，應逐步改善貿易環境，扭轉其所帶來的不良影響。最后，財政政策（FS）及其滯后項（FSt-1）對經濟增長的影響效應均顯著為正、財政政策效力不可小覷。從影響程度比較來看，消費水平對經濟增長的影響系數最大，這與我國進入新常態、探尋新動力的政策基調有密切關系。當然，需要指出的是，挖掘約束我國貿易增長的主要因素并采取應對措施激發其對經濟增長的帶動作用是新時期我們需要關注的焦點問題。

四、結論與建議

貨幣政策作為我國經濟調節長久倚賴的工具，在互聯網金融發展中，其發生作用的宏觀環境、政策目標及其有效性都發生很大變化。本研究基于我國省際季度面板數據，構建動態面板模型，從經濟增長的角度實證互聯網金融發展對貨幣政策有效性的影響。研究發現，互聯網金融發展及其滯后項對經濟增長的影響存在不確定性，且隨著時間推移，這種不良影響會延續下去。進一步的研究發現，互聯網金融發展和貨幣政策的交互項對經濟增長影響的也顯著為負，但是二者的交互影響存在“滯后效應”。在滯后一期后，互聯網金融發展和貨幣政策的交互影響對經濟增長的影響則顯著為正。新時期貨幣政策應繼續關注互聯網金融發展。從控制變量來看，消費水平、投資水平和財政政策及其滯后項對經濟增長的影響均顯著為正，但需要注意的是，出口對經濟增長的影響在當期和滯后一期并不一致。研究所蘊含的政策含義如下：

一是明確互聯網金融服務實體經濟的發展定位。新時期互聯網金融發展應始終立足服務實體經濟的發展定位，通過建立健全各類制度體系、激勵機制、創新投貸聯動模式，引導互聯網金融服務基礎設施建設、節能環保工程、智能制造、能源建設、現代服務業等實體經濟發展的重點領域，通過服務方式創新，將資金流注入創新、研發和消費等關鍵產業環節，充分發揮互聯網金融服務效率高、覆蓋面廣、融合普惠的比較優勢，為實體經濟發展注入強勁發展動力。

二是強化貨幣政策對互聯網金融的調控力度。在對互聯網金融發展進行監管時，貨幣政策仍應有較大發揮空間，應關注互聯網金融發展。在進入新常態的現實背景約束下，一方面，央行應強化對互聯網金融機構和商業銀行間的同業存款征收法定存款準備金，這樣可以達到增加互聯網金融機構資金獲取成本、降低市場利率，引導資金流向實體經濟和實體性產業；另一方面，央行應發揮再貼現、再貸款在基礎貨幣投放過程中的重要作用，適時降低再貸款利率和再貼現利率，降低同業拆借的資金運用成本，減緩商業銀行因資金獲取成本過高而向實體企業轉嫁成本的意愿，進而降低實體經濟發展的融資成本和增強服務實體經濟能力、提升貨幣政策傳導效力。

三是健全“貨幣政策+宏觀審慎”雙支柱調控框架，將大型互聯網金融機構納入調控范疇。貨幣政策效力發揮需要與宏觀審慎管理框架協調配合，尤其是在金融創新加速、金融混業經營不斷深化的新時期，央行除了負責制定和實施貨幣政策外，還應擔負起宏觀審慎管理職責，防范和化解系統性金融風險，并將此作為貨幣政策的擴展內涵，對于互聯網金融的調控也應建立“貨幣政策+宏觀審慎”的雙支柱框架體系，以增強政策效力。同時，互聯網金融產品普遍具有跨市場、跨期限等交叉性特征。央行除了通過貨幣政策對互聯網金融發展進行干預以外，更應將這些大型互聯網金融機構納入宏觀審慎管理框架，防范順周期波動和風險的交叉傳染，實現貨幣政策和宏觀審慎管理的協同、互動，為促進互聯網金融持續健康發展和增強對實體經濟的服務能力和水平奠定堅實制度基礎。