互联网金融背景下的金融发展与经济增长：基于VAR模型

（副教授），

一、研究背景

2013年是我国互联网金融元年，此后互联网金融迅猛发展，改变了传统的金融生态，拓宽了融资渠道，极大地满足了小微企业的贷款需求，覆盖了诸多传统金融发展乏力的三四线城市和农村地区。同时，资金供需双方可借助互联网金融平台自由进行匹配和交易。互联网金融利用大数据和云计算，通过网络平台征信提升信息使用效率，大大改善了信息不对称现状，降低了交易成本，提升了金融效率，进而促进金融发展。

当前，有关互联网金融对金融发展影响的研究成果较为丰富。学者们主要从存贷款业务、中间业务、融资、金融脱媒等角度研究了互联网金融对银行的冲击，采用文献研究法、比较分析法、定量与定性相结合等方法从行业竞争、销售渠道、交易中介、投融资等角度分析了互联网金融对资本市场的影响。

金融是经济的核心与命脉。金融发展理论认为，金融发展能够促进经济增长。互联网金融的迅猛发展，提高了我国的金融发展水平。目前，鲜有关于互联网金融影响下的金融发展与经济增长关系的研究成果。本文对金融发展与经济增长、互联网金融与金融发展的研究成果进行了梳理，选取第三方互联网支付作为互联网金融的代理变量，采用2007年1月～2016年9月的全国季度数据，对互联网金融背景下我国金融发展和经济增长之间的关系进行实证研究，以期为我国互联网金融的健康发展以及经济发展水平的提高提供参考建议。

二、文献综述

（一）金融发展与经济增长

20世纪60年代末，美国金融学家戈登史密斯（Goldsmith，1969）首先提出并系统研究了金融结构问题，他把金融结构定义为各种金融工具与金融机构的相对规模，而金融结构的变化即为金融发展。戈登史密斯对金融发展理论的开创性研究，为后续的相关研究奠定了基础。

国内较早研究金融结构的学者是白钦先。20世纪80年代，白钦先（1989）提出金融结构即金融组织形式与框架结构。其中，金融组织形式指各类金融机构的构成、设置原则及特点。金融框架结构包括以下子要素：金融体系的总体构成；相互关系与联系方式；数量与地理分布；资产与负债的类型及数量比例；与政府、工商企业的联系方式和依赖程度等。21世纪初，白钦先（2005）正式把金融结构定义为金融相关要素的组成、相互关系及其量的比例。他认为戈登史密斯提出的“金融结构的变化即金融发展”仅强调了量性，而“金融结构的演进”相比于“金融结构的变化”更能显示金融发展量性和质性的统一深化。

外国学者关于金融结构与经济增长关系的研究成果主要有四种：银行导向型观点、市场导向型观点、法律和金融观点、金融服务观点。银行导向型观点认为银行能够迫使企业披露信息和偿还负债，从而促进产业发展，在资源动用、项目选择、管理层监控和风险管理方面具有积极作用。市场导向型观点认为银行偏爱低风险项目，利用掌握的企业信息抽取巨额租金，而市场不断推动新企业诞生，为各类企业提供资金以实现扩张，促进经济增长。法律和金融观点认为，法律系统通过保护外部投资者权益和提高合同执行效率等促进经济增长，而与具体的金融结构无关。金融服务观点认为，对经济增长起关键作用的是金融系统提供的金融服务，是总体的金融发展水平。

国内学者大多认为，整体的金融发展水平能够促进经济增长。陈黎敏（2011）通过对1978～2008年的省级面板数据分析发现，金融发展与经济增长总体呈现很强的正相关关系，而各地区之间差异较大。黄智淋、董志勇（2013）利用1979～2008年的省级面板数据分析发现，金融发展仅在低通货膨胀水平下有利于促进经济增长。杨友才（2014）运用1987～2009年的省级面板数据，以金融发展水平作为门槛变量对我国金融发展与经济增长的非线性关系进行了考察，研究发现金融发展水平对经济增长的促进作用存在门槛效应和边际效率递减效应，低于门槛值的金融发展水平对经济增长呈现负向作用，而过高的金融发展水平可能对经济增长的作用有限。

陈伟国、张红伟（2008）从金融发展对经济波动解释的力度进行研究，认为相对于金融抑制论，金融结构论对金融发展与经济增长之间关系的解释力更强。不少学者直接从金融结构论出发研究金融发展和经济增长之间的关系。谈儒勇（1999）采用1993～1999年的全国季度数据进行实证研究，发现我国金融中介体的发展能促进经济增长，而我国股票市场发展对经济增长的作用极其有限。林毅夫、孙希芳（2008）运用1985～2002年省级面板数据，利用中小金融机构市场份额衡量银行业结构，并以1994年启动的国有银行商业化改革的政策因素构造银行业结构的工具变量，研究发现中小金融机构市场份额的上升促进了经济增长。王勋等（2011）采用我国29个省区1990～2004年的面板数据，发现金融规模的整体扩张不利于经济增长，而降低银行集中度则会加剧银行业竞争进而促进经济增长。

（二）互联网金融与金融发展

分析互联网金融与金融发展之间的关系，首先需要对互联网金融进行定义。Allen et al.（2002）、Claessens et al.（2002）将互联网金融定义为所有利用互联网技术进行交易和计算的金融服务和市场。国内学者们的观点存在着较大分歧。第一种观点是互联网金融和金融互联网之分。金融互联网是金融机构对互联网技术的应用，是金融业务的电子化，是传统金融服务的升级，并没有引起商业模式的实质变化。互联网金融是基于互联网技术的金融创新和金融重塑的新金融范式。互联网金融模式是不同于商业银行间接融资模式和资本市场直接融资模式的第三种金融融资模式。从融资模式来看，互联网金融是一种直接融资模式。第二种观点是互联网金融具有狭义和广义之分。李博、董亮（2013）认为从服务的形式来看，互联网金融可分为传统金融服务的互联网延伸、金融的互联网居间服务和互联网金融服务，如表1所示。

表1 互联网金融模式

其中，金融的互联网居间服务和互联网金融服务组成狭义互联网金融，而传统金融服务的互联网延伸属于广义互联网金融。中国人民银行发布的《中国金融稳定报告（2014）》认为，广义的互联网金融既包括作为非金融机构的互联网企业从事的金融业务，也包括金融机构通过互联网开展的业务，而狭义的互联网金融仅指互联网企业开展的、基于互联网技术的金融业务。本文仅就狭义的互联网金融进行研究。

学者们对于互联网金融对传统金融影响的研究，多从商业银行和资本市场两个角度展开。宫晓林（2013）认为互联网金融会加速金融脱媒，使商业银行的资金中介功能边缘化，互联网企业充当资金信息中介的角色，为资金供需双方提供金融搜索平台。邱峰（2013）认为互联网金融分流了商业银行融资中介服务需求，影响了商业银行的传统利差盈利模式，同时也会影响到商业银行的中间业务收入，例如，第三方支付极大地威胁着基于银行支付功能而衍生的中间业务收入的增长。吴晓求（2014）指出互联网金融具备明显的支付优势，凭借成本优势在标准金融产品销售方面存在较大的获利空间等。同时他还认为，互联网金融会在不同程度上分食传统金融特别是商业银行的蛋糕，进而形成更加专业化的分工。对于互联网金融对资本市场的影响，学者们采用文献研究法、比较分析法、定量与定性相结合等方法进行了分析，主要从行业竞争、销售渠道、交易中介、投融资等几个角度展开。龚映清（2013）认为互联网金融改变了证券行业价值实现方式，引发了证券经纪和财富管理的“渠道革命”，弱化了证券行业金融中介功能，重构了资本市场投融资格局，并加剧了行业竞争。胡吉祥（2013）从证券销售的电商化、互联网融资和互联网证券交易三个方面分析了互联网金融体系对证券业商业模式的影响。

国内外学者对于金融发展和经济增长之间关系的理论和实证研究已开展多年，并取得了非常丰富的研究成果。目前国内互联网金融正在高速发展，虽然互联网金融的发展年限相较传统金融来说相当短暂，但是它对传统金融的影响早已不容小觑。在互联网金融带来的机遇和挑战下，金融发展与经济增长之间是怎样的关系？呈现怎样的发展趋势？已有的实证研究较少涉及。鉴于此，本文选取第三方互联网支付作为互联网金融的代理变量，采用全国季度数据，建立VAR模型，应用格兰杰因果检验、脉冲响应分析和方差分解方法，对互联网金融背景下金融发展和经济增长之间的关系进行实证研究。

三、变量选取与数据来源

（一）变量选取

为了研究在互联网金融的影响下金融发展与经济增长之间的关系，本文选取以下变量：①经济增长变量，以GDP的对数值LNGDP表示。②互联网金融规模变量，由于第三方支付是互联网金融的重要入口，结合数据可得性，本文选取第三方互联网支付作为互联网金融的代理变量，以TPIP表示，并进行对数化处理，得到LNTPIP。③金融发展变量。从整体金融发展水平和金融结构两个方面展开。关于金融发展水平，选择金融相关率（FIR），并以M2、股票市值和债券市值之和除以GDP得到；关于金融结构，选择融资结构（FSR）和银行集中度（CR5）衡量。其中，融资结构（FSR）以股票市值和债券市值之和除以金融机构各项贷款余额得到，银行集中度（CR5）以大型商业银行的总资产占银行业金融机构总资产比例表示。④考虑到多数研究表明固定资产投资、政府支出、对外贸易等对经济增长具有一定的影响，本文选取固定资产投资（INV）、进出口贸易总额（XM）、外商直接投资（FDI）和公共财政支出（GOV）作为控制变量，均进行对数处理。

变量名称及定义见表2。

表2 变量名称及定义

（二）数据来源

本文选取2007年1月～2016年9月的季度数据进行研究。其中，GDP、固定资产投资（INV）和公共财政支出（GOV）的数据均来源于国家统计局网站；第三方互联网支付（TPIP）的数据来源于Wind数据库；M2数据来源于中国人民银行；股票市值数据来源于证监会网站，债券市值数据来源于中国债券信息网；大型商业银行总资产占银行业金融机构总资产比例来源于银监会，其中大型商业银行指的是中国工商银行、中国建设银行、中国银行、中国农业银行和交通银行；进出口贸易总额数据来源于海关总署，单位为亿美元，本文以中国人民银行公布的美元兑人民币中间价日价计算得到各月美元兑人民币汇率，然后进行换算。

除GDP、第三方互联网支付和大型商业银行总资产占银行业金融机构总资产比例为季度数据外，其他均为月度数据。本文将月度数据调整为季度数据。同时，对于以水平值表示的变量对应的数据，采用来源于国家统计局网站的居民消费价格指数（CPI），以2007年1季度作为基期，对各季度数据进行处理以消除通货膨胀带来的影响，再对处理后的数据进行取对数处理。另外，所有变量均进行了季节调整。

四、模型建立

（一）向量自回归模型

为了探究互联网金融、金融发展和经济增长之间的动态关系，本文建立的基础模型为向量自回归模型。向量自回归模型（下称“VAR模型”）是基于数据的统计性质，把系统中每一个内生变量作为系统中所有内生变量滞后值的函数来构造模型，体现多元平稳时间序列存在的线性滞后特征，不以严格的经济理论为依据，对参数不施加零约束，主要用于分析联合内生变量之间的动态关系。基于VAR模型，可进一步进行格兰杰因果分析、脉冲响应分析等，用于检验变量间的因果关系和模型的动态结构关系。

P阶滞后的VAR模型，即VAR（p）模型，表示为：

其中，yt是k维内生变量，p是滞后阶数，样本个数为T。k×k维矩阵A1，…，Ap是要被估计的系数矩阵。εt是k维扰动向量，相互之间可以同期相关，但不与自身滞后值相关，并且不与等式右边的变量相关。

如果行列式det［A（L）］的根都位于单位圆之外，则式（1）满足可逆性条件，可将其表示为无穷阶的向量移动平均VMA（∞）形式：

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

对VAR模型的估计可通过最小二乘法来进行，假如对∑矩阵不施加限制性条件，由最小二乘法可得∑矩阵的估计量为：

估计出VAR的参数后，由于A（L）C（L）=Ik，可得相应的VMA（∞）模型的参数估计。由于仅有内生变量的滞后值出现在等式的右边，所以不存在同期相关性问题，用普通最小二乘法（OLS）能得到VAR简化模型的一致且有效的估计量。即使扰动向量εt有同期相关，OLS仍然是有效的，因为所有的方程有相同的回归量，其与广义最小二乘法（GLS）是等价的。

（二）脉冲响应函数

为了研究在互联网金融、金融发展和经济增长的关系模型中的动态效应及作用机制，本文采用脉冲响应函数来捕捉误差冲击对内生变量的影响效果，即在随机误差项上施加一个标准差大小的冲击，以查看各内生变量的当期值和未来值受到的影响。对于一个VAR（p）模型，通过友矩阵变换改写成一个VAR（1）模型：

这是一个无限阶的向量MA（∞）过程，可写成：

ψs中第i行第j列元素表示的是：令其他误差项在任何时期都不变的条件下，当第j个变量yi，t对应的误差项uj，t在t期受到一个单位的冲击后，对第i个内生变量yi，t在t+s期造成的影响，即把ψs中第i行第j列元素看作是滞后期s的函数。

上述脉冲响应函数描述了其他变量在t期以及以前各期保持不变的前提下，yi，t+s对 uj，t的一次冲击的响应过程。

五、互联网金融、金融发展和经济增长相关关系的实证研究

本文采用Eviews 7.0软件，对数据进行平稳性检验，建立VAR模型，应用格兰杰因果检验、脉冲响应分析和方差分解等方法进行实证分析。

（一）平稳性检验

如果一个随机过程的均值和方差均是与时间无关的常数，并且任何两时期的协方差值只与时间间隔有关，则该随机过程为平稳的。本文选取的各变量均为时间序列数据，多存在序列不平稳的情况，直接回归分析易造成伪回归。本文首先观察各变量数据的时间序列图，图1显示了LNGDP、FIR、FSR、CR5、LNTPIP、LNINV、LNXM、LNFDI和LNGOV在不同的时间段多呈现不同的均值，数据序列多存在不平稳的情况。

本文对所有变量以及变量的一阶差分值进行了平稳性检验，检验结果如表3所示。变量LNGDP、FIR、FSR、CR5、LNTPIP、LNINV、LNXM和LNGOV在10%的显著性水平上显示均不平稳，LNFDI在1%的显著性水平上不平稳，而变量LNGDP、FIR、FSR、CR5、LNTPIP、LNINV、LNXM、LNFDI和LNGOV的一阶差分值在1%的显著性水平上显示均平稳，因此，变量LNGDP、FIR、FSR、CR5、LNTPIP、LNINV、LNXM、LNFDI和LNGOV均为I（1）序列。本文选取平稳序列△LNGDP、△FIR、△FSR、△CR5、△ LNTPIP、△ LNINV、△ LNXM、△ LNFDI和△LNGOV建立初步的VAR模型。

图1 各变量时间序列

（二）向量自回归模型

1.最优滞后阶数的确定。在建立正式的VAR模型前，还应确定滞后期p。滞后期p太小，误差项的自相关情况会很严重，并导致参数的非一致性估计，而p值过大会导致自由度减小，直接影响模型参数估计量的有效性。受到自由度的限制，指定最大滞后阶数为3，利用指标LR、FPE、AIC、AC和HQ来选取最优滞后阶数。检验结果如表4所示，在SIC准则下最优滞后阶数为0，在LR和HQ的准则下最优滞后阶数为1，在FPE和AIC准则下最优滞后阶数为2。本文选择滞后2阶为VAR模型的最优滞后阶数。

2.模型稳定性检验。建立如式（10）所示的滞后2阶VAR模型，其中，C为9×1矩阵，A1和A2均为9×9的矩阵。VAR模型不以严格的经济理论为依据，对参数不施加零约束，主要用于分析联合内生变量之间的动态关系。因此，对于单个参数估计值进行经济解释是困难且没有意义的，应基于VAR模型进行格兰杰因果分析、脉冲响应分析等，以检验变量间的因果关系和模型内的动态结构关系。

在进行下一步的研究分析之前，需要对VAR模型进行特征根检验，如果特征根检验显示模型是稳定的，那么下一步的研究分析才具有意义。对VAR模型进行特征根检验的结果如图2所示，VAR模型的特征根均在圆内，说明本文建立的VAR（2）模型很稳定。

表3 数据的平稳性检验

表4 最优滞后阶数检验结果

图2 特征根检验

3.格兰杰因果检验。对平稳序列DLNGDP、DFIR、DFSR、DCR5 和DLNTPIP进行格兰杰因果检验，寻求它们之间的格兰杰因果关系。表5的检验结果表明，在10%的显著性水平上，存在由DLNTPIP到DFIR的单向格兰杰因果关系，即互联网金融能够影响金融发展水平；存在由DLNTPIP到DFSR的单向格兰杰因果关系；不存在由DLNTPIP到DCR5的单向格兰杰因果关系，即互联网金融能够引起金融结构中融资结构的变化，但是对银行集中度的影响是有限的；DFIR和DFSR之间存在双向格兰杰因果关系，即金融发展水平和融资结构之间为反馈关系，部分验证了金融结构的变化即是金融发展。同时可以看到，在10%的显著性水平上，DFIR和DLNGDP之间存在双向格兰杰因果关系，而FSR与DLNGDP、CR5与DLNGDP之间均不存在任何单向的格兰杰因果关系，表明是金融发展的整体水平同经济增长具有相互作用，而金融结构与经济增长之间不存在任何相互作用。另外，在10%的显著性水平上，DLNTPIP与DLNGDP之间均不存在任何单向的格兰杰因果关系，表明互联网金融与经济增长之间不存在任何的直接相互作用。

综上可以得到以下实证结果：①互联网金融能够影响融资结构，但是对银行集中度的影响有限，而融资结构和银行集中度两者均不能影响经济增长，即互联网金融无法通过金融结构来间接影响经济增长；②互联网金融能够影响金融发展水平，而金融发展水平能够影响经济增长，即互联网金融能够通过金融发展水平间接影响经济增长。

表5 格兰杰因果检验结果

互联网金融能够影响融资结构，但是不能通过融资结构影响经济增长。主要原因是我国融资市场仍由商业银行间接融资模式主导，资本市场尤其是股票市场的融资占比远低于世界主要经济体，资本市场的作用尚未充分发挥。

互联网金融通过影响金融发展水平进而影响经济增长，主要存在商业银行和资本市场两大途径。在商业银行途径方面，互联网金融与商业银行之间存在竞争和精细分工，这有助于提升金融资源配置效率，促进整体金融发展。互联网金融凭借技术和信息优势在一定程度上解决商业银行和贷款者之间存在的信息不对称问题，帮助更多的长尾群体获取贷款。互联网金融以线上运营代替传统商业银行的物理网点模式，凭借低交易成本、即时服务和简易操作流程等优势，吸引更多客户。具体到业务层面，第三方支付分食了商业银行基于支付功能的中间业务收入，而P2P网贷、众筹、互联网货币基金等绕开商业银行，通过网络平台实现资金供需方的匹配，降低了商业银行的吸储能力且分食了商业银行的贷款业务收入。互联网金融在侵蚀商业银行业务的同时，促使商业银行寻求创新，注重抢滩小微市场，发挥物理网点优势，提供差异化的产品和服务，并应用互联网技术获取渠道，以实现传统业务线上化，获取更多竞争优势。在资本市场途径方面，互联网金融一方面通过建立新渠道扩大资本市场传统业务规模，另一方面也挤压了直接融资市场规模，影响整体金融发展。

互联网金融带来了渠道的革新。互联网企业与证券公司、基金公司、保险公司等进行合作，将传统产品和服务线上化，并提供互联网特色金融产品。这些产品和服务主要有互联网基金、互联网保险、互联网理财产品等。同时，众筹等互联网金融模式重构了投融资格局，投资方和融资方在网络平台上自由匹配，形成了区别于传统直接融资市场的第三种金融融资方式。

4.脉冲响应分析和方差分解。基于VAR（2）模型进行脉冲响应分析，当把一个脉冲冲击施加在VAR模型中某一个方程的新息过程上时，随着时间的推移，这个冲击会逐渐消失，说明这个VAR模型是稳定的。由图3可知，9个方程接受新息之后均逐渐平稳，脉冲冲击逐渐消失，说明本文建立的VAR模型是稳定的，与前述特征根检验的结果一致。

本文主要针对经济增长（DLNGDP）分别对于自身、金融发展水平（DFIR）、融资结构（DFSR）、银行集中度（DCR5）、第三方互联网支付（DLNTPIP）、固定资产投资（DLNINV）、进出口贸易总额（DLNXM）、外商直接投资（DLNFDI）和公共财政支出（DLNGOV）的9个方程相应新息过程一个标准差冲击的响应，分析变量之间的动态关系。

由图4可知，多数的响应情况在16期以前存在波动，在16期以后逐渐地稳定下来。其中，经济增长率、金融发展水平的变化值、融资结构的变化值、第三方互联网支付的增长率、固定资产投资的增长率的上升对经济增长起到了促进作用。银行集中度对经济增长的作用有所波动，但整体呈现抑制作用，即银行集中度的下降促进了经济增长。进出口贸易总额的增长率的上升对经济增长起到了抑制作用，这可能是因为受到了近年人民币汇率波动较大、倾销与反倾销案件不断等的影响，剔除了通货膨胀因素的影响后，进出口贸易总额的真实值在2012年后呈现下降趋势。外商直接投资的增长率和公共财政支出的增加对经济增长率（DLNGDP）的作用方向有所波动，但整体呈促进作用。

接着，对DLNGDP的变化进行方差分解，即分析每一期经济发展（DLNGDP）、金融发展水平（DFIR）、融资结构（DFSR）、银行集中度（DCR5）、第三方互联网支付（DLNTPIP）、固定资产投资（DLNINV）、进出口贸易总额（DLNXM）、外商直接投资（DLNFDI）和公共财政支出（DLNGOV）对应的9个方程带来的新息误差冲击对于DLNGDP方差变化的贡献度，以评价不同结构冲击的重要性。如图5所示，DLNGDP自身对于DLNGDP带来的冲击贡献度最大，在前3期快速下降，后缓慢下降，趋向30%的稳定值；DFIR的贡献度排第二位，在前3期完成了快速上升，后渐趋于28%的稳定值；DFSR、DLNTPIP、DLNINV和DLNFDI的贡献度接近，其中，前3者分别在前2期、前8期和前4期完成了快速上升，后均趋于10%；而DLNFDI的贡献度在前2期完成了快速上升达到15%之后，不断下滑至7%；DCR5、DLNXM和DLNGOV的贡献度最低。可以看到，由于各项误差冲击的作用时间均超过16期，即4年，说明制定相关政策的有效性将超过4年。特别地，将金融发展水平（DFIR）、融资结构（DFSR）、银行集中度（DCR5）三个金融发展变量和互联网金融变量（DLNTPIP）的贡献度进行比较可知，金融发展水平对经济增长的方差贡献率较大，稳定后达到30%，即经济增长的波动中30%可由金融发展水平的波动进行解释；其次是互联网金融和融资结构，稳定后达到10%；而银行集中度的方差贡献率很小，仅为1%～2%。另外，互联网金融的方差贡献效果最为滞后，约在1.5～2年后达到稳定水平。

图3 各变量的脉冲响应结果

六、研究结论和政策建议

（一）结论

本文采用2007年1月～2016年9月的全国季度数据，对经济增长水平、金融发展水平、融资结构、银行集中度、第三方互联网支付和相关控制变量建立了VAR模型，进行了格兰杰因果检验、脉冲响应分析和方差分解分析，对互联网金融背景下金融发展和经济增长之间的关系进行了实证研究，得到如下结论：

1.格兰杰因果检验表明，互联网金融通过提升整体金融发展水平而非改善金融结构来促进经济增长。互联网金融主要通过商业银行和资本市场两大途径发挥作用。其一，互联网金融与商业银行之间存在竞争和精细分工，通过提升金融资源配置效率，可促进整体金融发展。其二，互联网金融一方面通过建立新渠道扩展资本市场传统业务规模，另一方面挤压直接融资市场规模，影响整体金融发展。

2.脉冲响应结果表明，金融发展水平、融资结构、第三方互联网支付增长率的正向变化和银行集中度的下降均能促进经济增长。

3.方差分解结果表明，除经济增长自身因素外，金融发展水平对于经济增长的方差贡献率较大，达到30%，即经济增长的波动中30%可由金融发展水平的波动进行解释；其次是互联网金融和融资结构，达10%；银行集中度的方差贡献率很小。由于各项误差冲击的作用时间均超过4年，说明制定相关政策的有效性超过4年。

（二）政策建议

1.互联网金融多为混业经营，这与我国当前金融机构分业经营下的监管模式相矛盾，甚至部分互联网金融业务出现了监管缺失状况。互联网金融的产品业务跨行业，创新速度快，监管的复杂性大大提升，应加快推出针对互联网金融的法律法规，在促进互联网金融快速发展的同时大力提升监管水平，保障互联网金融的快速发展。

2.互联网金融通过建立网络平台实现投融双方的自由匹配，形成了区别于传统直接融资的新型直接融资方式，重构了投融资格局，而网络平台仍存在着较大的交易风险、技术风险，如黑客攻击、信息泄露、资金被盗等。在信息安全事件频发和信息安全局势日益严峻的背景下，应从外部监管和内部控制、设备终端和信息传输过程等多方面出发，加快推进多层次互联网金融信息安全体系的建设。

3.互联网金融利用大数据和云计算来降低信息不对称程度，大幅降低交易成本，但是互联网金融平台征信渠道单一，信息覆盖宽度和深度有限，持续性无法保障。应加快互联网金融征信体系建设，推动互联网金融征信纳入央行征信系统，实现信息共享和整合，从而净化互联网金融环境。

图5 方差分解结果（DLNGDP）

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

白钦先.比较银行学［M］.郑州：河南人民出版社，1989.

白钦先.金融结构、金融功能演进与金融发展理论的研究历程［J］.经济评论，2005（3）.

邱峰.互联网金融对商业银行的冲击和挑战分析［J］.吉林金融研究，2013（8）.

宫晓林.互联网金融模式及对传统银行业的影响［J］.南方金融，2013（5）.

李博，董亮.互联网金融的模式与发展［J］.中国金融，2013（10）.

陆岷峰，史丽霞.关于互联网金融与金融互联网若干争论的评析与思考［J］.西部金融，2014.

王勋，方晋，赵珍.中国金融规模、金融结构与经济增长——基于省区面板数据的实证研究［J］.技术经济与管理研究，2011（9）.

郑志刚.互联网金融的全新特征［J］.经济研究参考，2015（54）.

陈伟国，张红伟.金融发展与经济增长——基于1952～2007年中国数据的再检验［J］.当代经济科学，2008（3）.

黄智淋，董志勇.我国金融发展与经济增长的非线性关系研究——来自动态面板数据门限模型的经验证据［J］.金融研究，2013（7）.