金融行業發展對經濟增長的影響

摘 要：基于金融發展服務于經濟增長視角，構建兩個VAR模型，選擇1978年到2022年的GDP、M2、社會融資規模、股票成交額、債券成交額、期貨成交額以及保險公司保費的時間面板數據分別實證分析了金融及其行業發展與經濟增長的影響。主要分析了各指標與經濟增長指標的Granger因果關系、Johansen協整關系以及脈沖響應函數等情況。通過分析發現，金融發展是經濟增長的Granger原因，金融各行業發展均不是經濟增長的Granger原因；經濟發展受自身影響同時，金融及其行業發展變化對其也產生不小影響，債券成交額、M2、保險公司保費等影響較大。基于分析結論，提出了監管貨幣流通、暢通融通渠道、加強股票市場調整和監管、擴大保險業務范圍、嚴厲整頓債券和期貨市場等5條建議。

關鍵詞：金融發展；經濟增長；VAR模型；Johansen協整檢驗；Granger因果關系

中圖分類號：F832.5 文獻標識碼：A 文章編號：1673-9329（2024）01-0061-15

2023年10月30日至31日，在北京舉行的中央金融工作會議強調，金融是國民經濟的血脈，是國家核心競爭力的重要組成部分，要加快建設金融強國，全面加強金融監管，完善金融體制，優化金融服務，防范化解風險，堅定不移走中國特色金融發展之路，推動我國金融高質量發展，為以中國式現代化全面推進強國建設、民族復興偉業提供有力支撐。［1］

我國金融發展的過程大致可以從金融制度的變化、金融工具的深化、金融市場的發展與深化、金融技術的深化與創新等方面進行考察。對于金融發展與經濟增長的關系而言，金融對經濟發展既有促進作用，也有阻滯作用。謝林林等人強調了金融的雙重作用［3］，一方面，金融可以通過資金匯總、風險分散、資源配置和信息傳遞等途徑促進經濟增長。另一方面，過度的金融發展可能會引發金融危機，從而阻礙經濟發展［4］。一是金融對經濟發展有促進作用，金融發展通過各種方式推動經濟增長。如宋凌峰等研究發現，金融可以通過提供信貸和儲蓄機會，為實體經濟注入活力［6］。此外，郭怡萱也指出，金融服務可以幫助企業和個人管理風險，更有效地配置資源［2］。二是金融對經濟發展不可避免地存在著阻滯作用。金融發展并非總是有利于經濟增長，張成思等人研究發現，過度的金融化可能導致資源過度向金融領域集中，從而阻礙實體經濟發展［8］。此外，孟浩等指出，金融市場的不穩定性也可能帶來系統性風險，對經濟增長產生負面影響。［7］

中國金融發展與經濟增長之間的因果關系一直是經濟學研究的重要課題之一。本文旨在通過實證分析，深入探究我國金融發展對經濟增長的影響，并分析其中的因果關系。

一、研究設計

（一）指標選取與數據來源

本研究選擇了一系列代表經濟增長和金融發展的指標作為樣本。對于經濟增長方面，選取了國內生產總值（GDP）增長率為綜合經濟增長指標［5］［9］。對于金融發展方面，選取了廣義貨幣供應量M2與國內生產總值的比值（麥氏指標）作為金融發展綜合指標，同時分別選取股票交易額、債券成交額、期貨交易額以及保險公司保費與國內生產總值的比值作為金融行業發展指標。數據來源于國家統計局1978年以來的統計數據，通過對這些指標的樣本進行合理選取，可以更準確地捕捉到我國金融發展與經濟增長之間的關系。指標選取（見表1）以及變量的描述性統計（表2）如下：

（二）模型構建

VAR模型把每一個內生變量當著其他變量滯后值得函數，這樣可以在一定程度上解決傳統結構化模型中潛在的聯立性偏誤問題。模型因變量和自變量見表1。借助最大似然估計法進行Johansen協整檢驗分析，并通過短期向量誤差修正探索我國經濟增長與金融發展的長期均衡關系VAR（P）的矩陣表達式為：

其中y表示本文中的研究變量RG、LF、RSSF、RST、RBT、RFT、RPIC的k維內生變量，t表示時期，P表示內生標量得到滯后階數，ε為隨機擾動。

二、經濟增長與金融發展的關系

（一）經濟增長與金融發展ADF單位根檢驗

本節選擇綜合經濟增長指標RG與綜合金融發展指標LF的相關數據均為時間序列，為避免量的時間序列具有平穩性，防止出現偽回歸，筆者對RG、LF兩個時間序列進行了平穩性檢驗，這里采用ADF單位根檢驗（Unit Root Test）。本節單位根檢驗通過AIC或SC最小準則來選擇滯后階數。

由表3可知，RG、LF都不能在99%以上的水平下拒絕單位根假設拒絕單位根檢驗，這說明這2個變量的原序列均為非平穩的。但RG、LF的一階差分序列均在99%以上的水平下拒絕單位根假設，是平穩的，滿足格蘭杰因果檢驗的基本前提。

（二）經濟增長與金融發展Johansen協整檢驗

為檢驗模型的回歸方程所描述的關系是否是偽回歸，本文對解釋變量與被解釋變量之間進行協整關系檢驗。協整關系理論認為，兩個時間序列只有為同階單整時，才可能有協整關系，而根據單位根結果顯示RG、LF均是一階單整，因此，RG可以與LF作協整關系檢驗。

表4檢驗結果表明，不存在協整關系、至多存在1個協整關系與至多存在2個協整關系的概率小于5%，拒絕原假設。由此可知，RG、LF不存在協整關系。

（三）經濟增長與金融發展Granger因果檢驗

表5中的數據來源于我們的實證分析，P值表示在給定顯著性水平下拒絕原假設的概率，F統計量是F檢驗的統計量，樣本數量表示我們所使用的數據長度，自由度表示所使用的VAR模型的階數。根據格蘭杰因果檢驗原理，如果p值小于給定的顯著性水平（如0.05），則可以拒絕原假設（即金融發展不是經濟增長的格蘭杰原因），反之則不能拒絕原假設（即金融發展是經濟增長的格蘭杰原因）。從表3.13中可以看出，LF的p值小于給定的顯著性水平5%，而RG的p值大于給定的顯著性水平。

因此，我們可以得出結論：金融發展是經濟增長的格蘭杰原因，而經濟增長不是金融發展的格蘭杰原因。

（四）構建經濟增長與金融發展向量自回歸模型VAR

本節通過LR、PEP、AIC、SC、HQ等信息準則來確定VAR模型滯后階數，通過Views13進行操作來得到滯后期檢驗結果（表6），滯后階數為2階時，PEP、AIC、HQ值最小，信息準則的要求得到了滿足，也就說明VAR模型的最優滯后階數應該為2階。

我們將LF和RG兩個時間序列納入一個VAR模型中，以研究它們之間的相互依存關系。我們選擇了一個2階VAR模型，即VAR（2），以便更好地捕捉兩個時間序列數據的動態變化。

根據我們的數據和研究目的，我們建立了如下的VAR（2）模型：

其中，LFt和RGt分別表示在t時刻的金融發展和經濟增長，LFt-1和RGt-1分別表示在t-1時刻的金融發展和經濟增長，ε1t和ε2t是誤差項。

（五）經濟增長與金融發展VAR模型的估計

我們使用EViews13軟件對上述VAR模型進行估計。在估計過程中，我們采用了最小二乘法（OLS）對模型進行參數估計。同時，我們還進行了模型的穩定性檢驗和殘差的正態性檢驗，以確保模型的可靠性和有效性。

所估計的VAR模型有4個根，其中2個位復數根，2個位實數根，這些根的模都小于1，沒有根位于單位圓外見圖1：AR特征多項式的根和單位圓圖。說明所估計的VAR模型（3）式滿足穩定性條件。

（六）經濟增長與金融發展脈沖響應分析

圖2中被夾在中間的曲線表示脈沖響應函數的變動曲線，最上方與最下方的兩條曲線表示兩個標準差的波動范圍。由圖2（a）可見，RG受到RG本身沖擊后的響應在初始時是正的影響效應且逐步減弱，在第二期減弱最快，最終無限接近0.25，且脈沖響應值一直為正，表明在較長時間內，經濟增長對自身有著一定的正向影響。由圖2（b）可見，RG受到LF沖擊后的響應在初始時是正的影響效應先增強后逐步減弱，在第2期正的影響效應達到了峰值后迅速下降，在第4期后降為負值，但最終無限接近0，表明在較長時間內，經濟增長對金融發展的影響會逐步減小。由圖2（c）可見，LF受到RG沖擊后的響應在初始時是負的影響效應，先下降后逐步緩慢上升，在第2期負的影響效應觸底后緩慢上升，但最終無限接近-0.5，表明在較長時間內，金融發展對經濟增長有負的影響效應。由圖2（d）可見，LF受到LF自身沖擊后的響應在初始時是正的影響效應，逐步下降后，在第10期逐步接近0.3，表明在較長時間內，金融發展對自身有正的影響效應。

（七）經濟增長與金融發展方差分解

本節進行的方差分解的滯后期數為10期。由表8（a）可以看出，經濟增長RG對在第一期對自身發展貢獻率為100%，隨后小幅度下降至第10期的90%；經濟增長RG第1期對金融發展LF的貢獻率為0，隨后逐步上升至第10期的10%。由表8（b）可以看出，金融發展LF對在第一期對經濟增長RG貢獻率為28.45%，隨后逐步上升至第10期的67.40%；金融發展LF第1期對自身發展的貢獻率為71.56%，隨后逐步下降至第10期的32.60%。

由此可以得出，從長遠來看，經濟增長對金融發展有一定的拉動作用，對自身的增長有著長遠的積累增強作用；但金融發展對經濟增長拉動能力更強，對經濟發展發揮著積極而重大的作用。

三、金融行業發展對經濟增長作用的計量分析

本章在研究我國金融發展對經濟增長的作用時，首先需要選擇合適的金融發展指標。根據之前的文獻綜述，我們可以看到，衡量金融發展的指標有很多種，例如金融機構數量、金融機構總資產、金融機構貸款總額、社會融資規模以及股票成交額、債券成交額、期貨成交額和保險公司保費等。在選擇指標時，應該考慮其代表性、可比性、數據獲取的可行性等因素。本章將選擇一些常用的金融發展指標，如社會融資規模以及股票成交額、債券成交額、期貨成交額和保險公司保費等，這些指標（具體見表1）將從不同角度反映我國金融發展LF的狀況。以反映金融系統的規模和效益。在后續的研究中，我們將根據選定的指標，建立相應的計量模型，進行實證分析，以驗證金融發展對經濟增長的影響。通過這一研究，我們希望能夠為探索我國金融在經濟發展中的作用提供一定的理論和實踐指導。

（一）金融行業發展對經濟增長作用建立模型

首先，我們對樣本數據進行檢驗，包括平穩性檢驗和相關性檢驗，以確保數據的可靠性。然后，我們使用OLS回歸模型進行估計。在回歸模型中，我們將金融行業發展5個指標RSSF、RST、RBT、RFT、RPIC作為自變量，經濟增長RG作為因變量。通過VAR模型的結果，我們可以得出金融行業發展對經濟增長的影響程度和方向。

通過建立模型和進行實證分析，我們可以深入了解金融行業發展對經濟增長的作用。這有助于我們制定相關政策和措施，促進金融發展和經濟增長的協調發展。此外，我們的研究還可以為學術界提供有關金融發展與經濟增長關系的實證證據，豐富相關研究領域的理論框架。

（二）金融行業發展對經濟增長作用ADF單位根平穩性檢驗

為了保證變量的時間序列具有平穩性，防止出現偽回歸，我們對RG、RSSF、RST、RBT、RFT、RPIC六個時間序列進行了平穩性檢驗，這里采用ADF單位根檢驗（Unit Root Test）（見表9）。本文單位根檢驗通過AIC或SC最小準則來選擇滯后階數。

由表9可知，RG、RSSF、RST、RBT、RFT、RPIC都不能在99%以上的水平下拒絕單位根假設拒絕單位根檢驗，這說明這6個變量的原序列均為非平穩的。但RG、RSSF、RST、RBT、RFT、RPIC的一階差分序列均在99%以上的水平下拒絕單位根假設，是平穩的，滿足格蘭杰因果檢驗的基本前提。

由表9可知，RG、RSSF、RST、RBT、RFT、RPIC都不能在99%以上的水平下拒絕單位根假設拒絕單位根檢驗，這說明這6個變量的原序列均為非平穩的。但RG、RSSF、RST、RBT、RFT、RPIC的一階差分序列均在99%以上的水平下拒絕單位根假設，是平穩的，滿足格蘭杰因果檢驗的基本前提。

（三）金融行業發展對經濟增長作用Johansen協整檢驗

為檢驗模型的回歸方程所描述的關系是否是偽回歸，本文對解釋變量與被解釋變量之間進行協整關系檢驗。協整關系理論認為，兩個時間序列只有為同階單整時，才可能有協整關系，根據單位根結果顯示RG、RSSF、RST、RBT、RFT、RPIC均是一階單整，因此，RG可以與RSSF、RST、RBT、RFT、RPIC作協整關系檢驗。

檢驗結果表明，不存在協整關系、至多存在1個協整關系與至多存在2個協整關系的概率小于5%，拒絕原假設，存在3個協整關系的概率值大于5%，不拒絕原假設。由此可知，存在3個協整關系，RG與RSSF、RST、RBT、RFT、RPIC之間具有長期穩定的均衡關系。

（四）金融行業發展對經濟增長作用的VAR模型建立

本節通過LR、PEP、AIC、SC、HQ等信息準則來確定VAR模型滯后階數，通過Views13進行操作來得到滯后期檢驗結果（表11），滯后階數為2階時，PEP、AIC、SC、HQ值最小，信息準則的要求得到了滿足，也就說明VAR模型的最優滯后階數應該為2階。

綜上，我們將詳細介紹如何建立模型來分析金融發展對經濟增長的作用。我們采用VAR（2）模型如下：

上式中，yi分別表示RG、RSSF、RST、RBT、RFT、RPIC分別表示五個金融行業發展指標，分別表示待估計的參數，ε是誤差項。該模型可以更全面地分析各金融發展指標與經濟增長之間的作用關系。該模型的參數估計結果見表12，從估計結果來看，經濟增長與金融行業發展方程的擬合優度R2分別為70.1%、73.8%、69.8%、93.6%、70.9%、88.2%，擬合效果都比較好，六個序列變量的關系方程比較密切，VAR（2）模型較好地反映了序列變量之間的動態關系。

所估計的VAR模型有12個根，其中10個為復數根，2個為實數根，這些根的模都小于1，沒有根位于單位圓外見圖3：AR特征多項式的根和單位圓圖。說明所估計的VAR（2）模型擬合度較高，滿足穩定性條件，說明后續可以開展脈沖響應和方差分解。但由前面建立的協整檢驗結果可知，變量之間存在3個協整關系，即RG、TSSF、RST、RBT、RFT、RPIC之間存在長期均衡關系，但對于短期而言，模型因可能受到各式各樣的沖擊而不協調，導致模型存在一些偏差，故需要建立向量誤差修正模型VEC模型對誤差不斷進行調整。表12展示了誤差修正模型的結果。

（五）金融行業發展對經濟增長作用VAR（2）模型的Granger因果關系分析

Granger因果檢驗的是一種動態關系，說明一個變量對另外一個變量是否有動態“預測能力”，表12—17（數據來源：EVIEWS13）給出了各變量的Granger因果檢驗結果。

表13所示的RG方程中，各變量的Granger因果檢驗的概率值均大于5%顯著性水平，可以認為RSSF、RST、RBT、RFT和RPIC均不是RG變化的原因；各變量滯后聯合的Granger因果檢驗的概率值也大于5%，我們也可以認為各變量的聯合作用也不是經濟增長RG的變化的原因。

表14所示的RSSF方程中，各變量的Granger因果檢驗的概率值均大于5%顯著性水平，可以認為RG、RST、RBT、RFT和RPIC均不是RSSF變化的原因；各變量滯后聯合的Granger因果檢驗的概率值也大于5%，我們也可以認為各變量的聯合作用也不是社會融資規模RSSF的變化的原因。

表15所示的RST方程中，變量RBT的Granger因果檢驗的概率值小于5%顯著性水平，可以認為債券成交額是股票成交額變化的原因；RG、RSSF、RFT和RPIC的Granger因果檢驗的概率值均大于5%，均不是RST變化的原因；各變量滯后聯合的Granger因果檢驗的概率值大于5%，我們也可以認為各變量的聯合作用也不是股票成交額RST的變化的原因。

表16所示的RBT方程中，變量RG、RPIC的Granger因果檢驗的概率值均小于5%顯著性水平，可以認為GDP增長和保險公司保費是債券成交額變化的原因；RST、RSSF、RFT的Granger因果檢驗的概率值均大于5%，均不是RBT變化的原因；各變量滯后聯合的Granger因果檢驗的概率值小于5%，我們也可以認為各變量的聯合作用是債券成交額RBT的變化的原因。

表17所示的RFT方程中，各變量的Granger因果檢驗的概率值均大于5%顯著性水平，可以認為RG、RSSF、RST、RBT和RPIC均不是RBT變化的原因；各變量滯后聯合的Granger因果檢驗的概率值大于5%，我們也可以認為各變量的聯合作用不是期貨成交額RFT的變化的原因。

表18所示的RPIC方程中，各變量的Granger因果檢驗的概率值均大于5%顯著性水平，可以認為RG、RSSF、RST、RBT和RFT均不是RPIC變化的原因；各變量滯后聯合的Granger因果檢驗的概率值大于5%，我們也可以認為各變量的聯合作用不是期貨成交額RPIC的變化的原因。

（六）金融行業發展對經濟增長作用VAR（2）模型脈沖響應函數

脈沖響應函數反映一個內生變量產生的擾動或沖擊是如何影響另一個變量的當期值和未來值的。由此可以觀察我們的VAR（2）模型中各變量的響應函數時間效應。此次研究VAR（2）中所包含的RG、RSSF、RST、RBT、RFT和RPIC6個變量，導致脈沖響應函數多達36個，由于篇幅有限，我們只展示經濟增長RG的脈沖響應函數（圖4-9）。

如圖4所示，經濟增長RG對于自身的擾動或沖擊在第1期做出正的響應后開始急劇下降，第2期探底后又急劇上升，之后從第3期到第10期保持下降趨勢，但一直保持正的響應。這說明經濟增長RG對自身變化的擾動響應程度比較大。

如圖5所示，社會融資規模RSSF對于經濟增長RG的擾動或沖擊在第1期做出負的響應后開始上升，第3期上升為正的響應，又急劇掉頭轉為負的響應后持續上升到第8期才轉為正的響應，第9期、第10期由轉負響應為下降趨勢，總體保持負的響應。這說明社會融資規模RSSF對經濟增長RG變化的擾動響應為負的響應。

如圖6所示，股票成交額RST對于經濟增長RG的擾動或沖擊在第1期做出負的響應后開始下降，第1至5期總體呈向上傾斜的“W”形上升趨勢，第2期達谷底，第6期到達唯一正的響應峰頂后反彈為下降趨勢為負的響應，第9期后有上升趨勢，但總體保持負的響應。這說明股票成交額RST對經濟增長RG變化的擾動響應為負的響應。

如圖7所示，債券成交額RBT對于經濟增長RG的擾動或沖擊在第1期做出負的響應后開始下降，第1至6期總體呈向上傾斜的“W”形上升趨勢，第2期達谷底，第5期到達正的響應峰頂后反彈為下降趨勢為負的響應，第10期后下降還有進一步擴大的趨勢，但總體保持負的響應。這說明保險公司保費RPIC對經濟增長RG變化的擾動響應為負的響應，且負響應程度比較大。

如圖8所示，期貨成交額RFT對于經濟增長RG的擾動或沖擊在第1期做出負的響應后開始下降，第1至5期總體呈向上傾斜的“W”形上升趨勢，第2期達谷底，第5期到達負的響應峰頂后反彈為下降到第6期的負響應后開始平穩-0.3左右負的響應，總體保持負的響應。這說明期貨成交額RFT對經濟增長RG變化的擾動響應為負的響應，且負響應程度比較大。

如圖9所示，保險公司保費RPIC對于經濟增長RG的擾動或沖擊在第1期做出負的響應后開始平穩微降，持續到5期的谷底，總體呈負的響應；第2期達谷底，第5期后上升到第6期的-0.002的負響應后開始小幅度下降，總體保持負的響應，但響應程度非常小。這說明保險公司保費RPIC對經濟增長RG變化的擾動響應為程度細微的負的響應。

（七）經濟增長RG方程差分解結果

方差分解可以反映VAR模型中不同結構性沖擊或擾動對某個內生變量變化的貢獻度，可以評價該結構性沖擊或擾動的重要性。經濟增長RG方差分解結果如表18所示，貢獻程度如圖10所示。

由表19可知，在經濟增長的方差中，其自身的沖擊或擾動程度貢獻程度最大，且從滯后1期到滯后4期，貢獻程度由大到小到谷底71.26%后逐步上升穩定增大到滯后10期的貢獻率為74.48%。其他金融行業指標對其方差的貢獻度滯后10期貢獻率大小排名為：債券成交額RBT（12.15%）、保險公司保費RPIC（6.84%）、股票交易額RST（3.79%）、期貨交易額RFT（1.46%）、社會融資規模ESSF（1.28%）。

債券成交額RBT對經濟增長RG的方差的貢獻度由小變大再減小趨于穩定，滯后3期貢獻度增幅最快，貢獻度達到12.02%，滯后4期達到峰值14.40%，后逐步下降滯后6期的12.48%后相對穩定下來。

保險公司保費RPIC對經濟增長RG的方差的貢獻度由小變大再減小趨于穩定，到滯后4期達到峰值7.90%，后逐步下降到滯后6期的6.69%后相對穩定下來。

股票交易額RST對經濟增長RG的方差的貢獻度由小變大再減小趨于穩定，到滯后2期急速達到峰值6.26%，后逐步波動下降到滯后8期的3.72%后相對穩定下來。

期貨交易額RFT對經濟增長RG的方差的貢獻度由小變大再減小趨于穩定，到滯后5期達到峰值1.51%，后逐步下降滯后7期的1.44%后相對穩定下來。

社會融資規模RSSF對經濟增長RG的方差的貢獻度由小變大再減小趨于穩定，到滯后3期達到峰值1.32%，后逐步下降到滯后6期的1.14%后到滯后7期上升到1.27%后相對穩定下來。

（八）金融行業發展對經濟增長作用的VEC模型

我們通過Eviews13對上述六個變量進行VEC模型估計，根據各序列的協整向量，得到協整方程（5），表明，社會融資規模每上漲1個百分點，經濟增長就上漲105個百分點；股票交易額每上漲1個百分點，經濟增長就上漲3.2個百分點；債券交易額每上漲1個百分點經濟增長就下降2.5個百分點；期貨交易額每上漲1個百分點經濟增長就下降2.2個百分點；保險公司保費每上漲1個百分點經濟增長就上漲248個百分點。

根據協整方程得出樣本期內各序列向量的協整關系圖，表明經濟增長與金融發展各向量之間的變化關系：2002年至2009年相對穩定，波動幅度較小，2009年至2018年又一次較為明顯的波動，波動幅度擴大后，2018年至2022年波動幅度減小又趨于平穩。

根據協整向量和誤差修正項的估計結果，可以得到經濟增長和金融發展的誤差修正模型。基于研究需要，下面只給出誤差修正模型的結果（表13）

上面（6）式只列出了經濟增長的誤差修正模型，表明當經濟增長RG比協整方程中的RG的均衡水平高時，下一期的RG就往低了調整，調整系數為-0.3098。

四、結論和建議

從VAR模型的Granger因果檢驗結果來看，GDP增長率與金融發展LF（M2與GDP的比值）之間呈現出單向影響的關系，即金融發展是GDP增長率的Granger原因。金融行業的社會融資規模、股票成交額、債券成交額、期貨成交額及保險公司保費與GDP的比值均不是GDP增長率的Granger原因，但GDP增長率是債券成交額與GDP比值的Granger原因。除此之外，金融行業發展各變量之間也存在相互作用和相互影響的關系。

從脈沖響應函數和方差分解的分析結果來看，經濟發展GDP增長率受自身變化影響的同時，金融發展和金融行業發展的變化對GDP增長率的變化也會產生不小的影響。其中影響比較大的有債券成交額、M2、保險公司保費及股票交易額。從金融行業長期均衡來看，保險公司保費和社會融資規模對GDP增長率的影響較大。

基于上述結論，筆者認為當前經濟增長要注重對金融的管控和對金融行業做出一些必要的調整。一是加強對貨幣市場貨幣流通量的監管，加強對金融業的調整和規范，針對當下市場貨幣供給不足要做出合適反應，既要保證必要的流動性，又要防止經濟過熱。二是暢通融通渠道的同時，又要制定科學合理的風險防控方案、機制和手段，保證適度的社會融資規模，促進經營發展。三是調整股票市場，出臺更加科學合理的股票市場制度和政策，加強股票市場監管和引導，確保上市公司經營有效益、有規模，嚴控股票市場投機行為，嚴打股票市場違法違規行為，以增強投資者的信心。進一步改善交易規則，適度降低交易門檻，提高股票交易額。四是進一步擴大保險業務范圍，涉及推出更多、更廣泛的保險產品，進一步提高保險公司保費收入。五是嚴厲整頓債券和期貨市場，適度降低債券和期貨的交易額度，嚴防債券和期貨的不良交易對經濟增長造成嚴重打擊。

參考文獻：

［1］ 李愿. 中央金融工作會議召開：加快建設金融強國，全面加強金融監管［N］. 21世紀經濟報道，2023-11-01（01）.

［2］ 郭怡萱. 高質量金融服務下雙循環新發展格局建設分析［J］. 中國市場，2023（30）：6-10.

［3］ 謝林林，姚雪松，王志勇. 金融發展、科技創新與產業升級——基于VAR和中介效應模型的實證研究［J］. 技術經濟與管理研究，2023（9）：42-47.

［4］ 彭常坤，馮夢潔. 我國金融發展對經濟增長的空間溢出效應［J］. 合作經濟與科技，2023（12）：48-51.

［5］ 李逸文. M2/GDP與CPI的研究［J］. 國際商務財會，2023（8）：66-70.

［6］ 宋凌峰，肖雅慧. 金融發展、系統性風險與經濟增長的門檻效應［J］. 武漢大學學報（哲學社會科學版），2023（2）：100-113.

［7］ 孟浩，張蕾，程燁. 中國金融市場風險溢出效應研究［J］. 統計與信息論壇，2021（11）：63-75.

［8］ 張成思，鄭寧. 中國實體企業金融化：貨幣擴張、資本逐利還是風險規避？［J］. 金融研究，2020（9）：1-19.

［9］ 馮貞柏，陳昊. M2/GDP問題研究：一個新述評［J］. 當代經濟，2022（6）：18-27.

［責任編輯：毛家貴］

The impact of the development of finance and its industry on economic growth：Empirical analysis based on VAR model1

ZHANG Hongxin1，CHEN Mingfeng2

（1. Beijing Office of Guizhou Provincial People's Government， Beijing， 100029， China; 2. High School Affiliated to Guizhou Normal University， Guiyang，Guizhou， 550001， China）

Abstract： Based on the perspective of financial development serves economic growth， this paper constructs two VAR models using time-series data from 1978 to 2022 on GDP， M2， social financing， stock transaction volume， bond transaction volume， futures transaction volume， and insurance premium. The two models adopt empirical analysis methods to examine the impact of financial development and its industries on economic growth. They mainly analyze the Granger causality， Johansen cointegration relationship， and impulse response function between each indicator and economic growth indicators. Through the analysis， it is found that financial development is a Granger cause of economic growth， while the development of financial industries is not a Granger cause of economic growth.Eeconomic development is influenced by itself， but also by changes in financial development and the development of financial industries. The impact of bond transaction volume， M2， insurance premium， and other factors is relatively large. Based on the analysis conclusions， we propose five suggestions： supervising currency circulation， smoothing financing channels， strengthening the adjustment and supervision of the stock market， expanding insurance business scope， and severely rectifying the bond and futures markets.

Key words： Financial development;Economic growth; VAR model; Johansen cointegration test; Granger causality

收稿日期：2023-11-21

作者簡介：張鴻鑫（1990-），男，貴州甕安人，貴州省人民政府駐北京辦事處干部；陳明鳳（1992-），女，貴州甕安人，貴州師范大學附屬中學教師。