中国影子银行与股票市场的动态结构相关性

摘 要：次贷危机爆发后，影子银行对金融体系和宏观经济的影响备受关注。全样本格兰杰因果关系检验证明中国的影子银行规模变动与A股市场波动存在相关性，残差Bootstrap窗口滚动检验发现其相关性存在结构突变，进一步利用小波相关系数和相位差进行修正，结果表明：影子银行规模变动与A股市场波动的相关性主要体现在中短期，二者变动具有同向性，主要表现在2003—2008年和2008—2011年两个时期的同时扩张，并存在彼此领先对方的情况，说明资金的成本性决定了其逐利性。在当前全球流动性收紧的大背景下，中国应对货币政策进行邊际放松以对冲金融压力和风险，并对影子银行进行宏观审慎管理以在繁荣经济的同时有效防控金融风险。

关键词：影子银行；股票市场；自举分析法（Bootstrap分析法）；小波分析法（Wavelet分析法）；货币政策；宏观审慎政策；次贷危机

中图分类号：F832.0；F224.0 文献标志码：A 文章编号：1674-8131（2018）04-0077-09

一、引言

2007年次贷危机爆发后，学界对其原因进行了大量研究，其中“影子银行”的作用备受关注。所谓“影子银行”（Shadow Banking）又称为影子金融体系或者影子银行系统（Shadow Banking System），按照美联储的定义，是那些有着类似银行的功能，但又无法直接获得中央银行流动性和公共部门信用担保支持的金融中介；按照金融稳定理事会（Financial Stability Board）的定义，是指游离于银行监管体系之外、可能引发系统性风险和监管套利等问题的信用中介体系（包括各类相关机构和业务活动）。美国学术界对影子银行进行了大量研究，大多认为影子银行对美国宏观经济产生了深层次的影响，次贷危机爆发和股票市场的大幅波动都与影子银行有关。Eichengreen（2008）认为投资银行等的资本充足率要远远低于传统商业银行，更容易诱发危机；一旦遇到危机，这些机构为了去杠杆会迅速贱卖资产，进一步导致其资产价值下降[1]。Adrian等（2009）认为银行系统与资本市场的发展并非分离的，影子银行与资本市场息息相关，对美国股市和全球金融系统产生了深远的影响，其资产萎缩会导致金融危机[2]。Luttrell等（2012）对影子银行的内在风险进行了研究，并分析了影子银行与系统性风险、金融危机、股市暴跌等的相关性，认为2007—2009年的国际金融危机是由影子银行所导致[3]。

近年来，中国的影子银行发展迅速，其是否对中国的股票市场产生了影响值得研究。何德旭和郑联盛（2009）认为，影子银行给金融体系带来新的风险，甚至是系统性风险，对金融体系的稳定造成了严重的威胁[4]。杜亚斌和顾海宁（2010）认为，影子银行成为金融机构逃避监管的重要工具，掩盖了银行资产负债表的真实情况，其内生的脆弱性是引发金融危机的重要因素[5]。李向前等（2013）认为，影子银行系统使我国金融稳定性有所降低[6]。王京京等（2014）的实证分析表明，影子银行规模与金融体系的稳定性呈现倒U型关系[7]。邓超等（2016）认为，影子银行体系是一把“双刃剑”，对我国金融体系中不同组成部分的稳定性会产生不同影响[8]。刘艳艳（2017）研究发现，我国影子银行体系对金融稳定性有显著影响，影子银行体系的风险不容忽视[9]。然而鲜见专门对我国影子银行与股票市场关系的实证研究。近年来，相关研究在检验金融变量间动态因果关系中引入Bootstrap方法，并在金融模型中引入小波分析法，本文将采用这一较先进的实证方法对中国影子银行与股票市场的动态结构相关性进行检验，即通过残差自举滚动因果检验和小波分析来观察二者间的关系，进而为有效防控系统性金融风险提供政策启示。

二、研究方法

金雪军和周建锋（2014）指出，滚动窗口技术和基于残差Bootstrap的格兰杰因果关系检验可以对样本期内随机变量间动态的影响系数进行估计，从而检验变量间是否存在结构性变化，且残差Bootstrap的修正统计量对具有协整关系的样本分析更具稳定性[10]。Ramsey等运用小波分析法（Wavelet Analysis）检验了美国股票价格行为，认为小波转换（wavelet transform）优于傅里叶变换[11]。Shik（2004）利用小波分析法研究了股票市场的国际传导机制，认为相对于常用的GARCH模型，小波分析法是一种创新[12]。因此，本文在对中国影子银行规模与上证指数及成交量进行全样本格兰杰因果关系检验和Bootstrap滚动分析的基础上，进一步通过小波时频分析来确定不同频域下影子银行规模变化与A股市场波动的关系。

首先，进行全样本格兰杰因果关系检验和Bootstrap滚动分析。通过全样本格兰杰因果关系检验，可以得知随机变量是否对其他变量产生了滞后影响，而小波分析法的时频检验是基于频段局部性的变量相关性分析，因此通过检验全样本格兰杰因果关系参数的稳定性，可以观察在全样本结构中某一区间的数据是否存在结构性突变。利用Boostrap滚动窗口估计方法可以有效克服参数结构不稳定的问题，同时可以展示不同子样本间的动态结构性变化[10]；同时，Bootstrap方法通过重复抽样来产生一系列新的样本（不需要其他假设和新的观测），可以对无法通过常规方法导出的参数区间进行估计[13]。其基本思路是在原始数据范围内进行再抽样并进行参数估计：样本含量为n，原始数据中每个观察单位每次被抽到的概率均为1/n，通过重复y次，可以得到y个Bootstrap样本，再进行统计分析。

然后，进行连续小波转换。通过格兰杰因果关系检验和Bootstrap滚动分析可以直观地考察变量间的动态结构关系，而小波时频分析可以进一步反映非平稳时间序列时域和频域的局部性质。小波分析法具有频率分析并反映发生时间的优势，弥补了傅里叶分析法只能进行频率分析的不足[14]。与Bootstrap滚动分析相比，小波分析在反映局部相关性方面更加全面，而且通过时频局部分析可以进一步检验整个样本区间内某段时间的动态相关性、随机变量之间的滞后效应以及随机变量之间在频域维度的短期、中期和长期相关性。本文采用Hudgins（1993）提出的方法进行小波转换[15]。

最后，确定小波相关系数和小波相位差。Gallegati（2008）指出需要通过引入小波相关系数来直观地反映随机变量间的相关性[16]，小波相关系数可以更直观地反映变量之间的时域和频域组合下的局部特征[17]；Torrence和Compo（1998）在小波分析应用指导中提出了相位差法[18]，可以利用相位差检验变量间特定局部时频的领先与滞后关系。小波相关系数和小波相位差的具体计算方法参见相关文献。

三、实证分析结果及讨论

1.数据来源与处理

本文利用M2占GDP比值的加权平均值（以GDP为权重）测算出货币需求系数，然后通过货币需求系数（占GDP的比值）求出各年份货币需求量；再通过Wind收集各年份的信贷规模，则各年份影子银行规模等于货币需求量减去信贷规模，进而根据月度数据求出月度影子银行规模。本文采用1996—2015年的影子银行月度数据[19]，经过X12季节调整和对数化一阶差分后序列平稳。同样，上证指数和成交量月度数据也进行了对数收益率处理，经过一阶差分后平稳。对全样本进行格兰杰因果关系检验，滞后期的确认是关键，而通过VAR模型的ACF和PACF检验来识别滞后阶数是比较困难的，本文采用逐步升级的方法找出最恰当的滞后阶数（见表1），可以确定最优滞后阶数为6阶。

2.格兰杰因果关系检验及其参数稳定性

全样本格兰杰因果关系检验结果表明（见表2），影子银行规模变动是上证指数和成交量变动的格兰杰原因，说明影子银行对A股市场有影响。Salman和Shukur（2004）指出，全样本格兰杰因果关系检验结果的稳健性取决于VAR模型的参数稳定性，若参数不稳定则检验结果是无效的[20]。参数稳定性检验结果表明（见表3），影子银行和A股市场等式中的Sup-LR、Mean-LR和Exp-LR检验在1%的显著性水平下拒绝原假设，即模型的参数短期不稳定，存在结构突变；Lcb检验结果也显示存在长期参数不稳定性。所以，可以认为影子银行与A股市场的关系存在结构性变化，也就是说，全样本格兰杰因果关系检验无法全面反映影子银行与A股市场间的潜在关系。

3.Bootstrap滚动因果关系检验

为了进一步检验变量结构性变化带来的影响，使用残差Bootstrap滚动因果关系检验对结构性突变的影响进行分析，也就是检验在全样本期间是否存在某一（或几个）时间段发生了突变，并使影子银行规模与上证指数和成交量的关系发生了变化。检验结果见图1和图2，图中展示的滚动窗口检验的p值，原假设为影子银行规模变动不是上证指数（成交量）变动的格兰杰原因。根据图1，从2009年的二季度开始到2011年二季度的绝对大多数时间p值小于0.1，说明在这段时期内影子银行规模变动与上证指数变动的相关性最为显著，影子银行规模和上证指数都有一个显著的增长，但是影子银行规模的变动相对滞后。从图2可以看出，2008年的p值小于 0.1，即影子银行规模变动与上证成交量变动的相关性在2008年最为显著。

宏观上看，从2007年四季度开始，中国A股市场在连续两年大幅上涨后开始急剧下挫；同时，2008年中期后次贷危机引发国际金融危机，导致全球经济需求锐减，金融市场流动性停滞。中国经济也受到影响，GDP季度同比增速从2007年中期的15%左右快速跌倒2008年四季度的6%左右，出口出现负增长，大批农民工返乡，经济面临硬着陆的风险。中国在2008年面临的问题不再是1998年亚洲金融危机所导致的短期外需不足，应对国际金融危机也没有采取与应对1997年亚洲金融危机类似的裁员、去产能、国企改革等措施亚洲金融危机后，1998年中国出口业务增速从20%左右快速下跌到0， GDP增速从两位数快速下跌至7.8%，同时，三分之二的国企亏损，大批商品滞销、工人下岗、机器闲置、工厂停工。在20世纪90年代前期，中国经济快速发展，国企业务扩展过快且债务堆积，如果借新还旧，只能是饮鸩止渴。中国政府顶住各方压力，坚决执行了国企供给端改革，关停闲置工厂和进行裁员，1999年中国GDP增速掉至6.1%。但自2001年加入WTO后，中国出口迅速增长，2002年至2007年GDP年均增速为11-2%。可见，经过结构调整和国企改革，中国经济很快恢复了稳定和快速增长。 ，而是继续上项目和扩大产能。2008年11月推出了进一步扩大内需促进经济增长的10项措施，从2008年底到2010年底，中央政府投资1.18万亿元，加上地方和社会投资总规模达4万亿元。实际上，从2001年加入WTO直到2008年，中国经济仍然是过热的，产能供给过多，如果全球需求不变，是可以正常消化产能的。但是国际金融危机导致全球需求减少，大规模投资无法产生对应的利润来弥补国企贷款还本付息，基本成为一种借新还旧的资金解渴。因此，经济刺激政策进一步导致影子银行规模快速扩大。

为了进一步明确影子银行规模变动对上证指数变动的影响方向和影响程度，进行滚动窗口系数和的Bootstrap估计（见图3和图4），其中，实线为系数和，下方虚线为系数和下界，上方虚线为系数和上界，阴影柱表示影子银行规模变动与上证指数变动显著相关的时期。根据图3，2009年中期到2011年中期影子银行规模与上证指数负相关，即较高的影子银行规模会减弱上证指数的上涨，同时也拒绝影子银行规模变动不是上证指数变动格兰杰原因的假设。而图4的检验结果表明影子银行规模变动对上证成交量变动的影响并不显著。

4.小波分析

利用小波分析法变换函数分析小波相关系数和小波相位差，进一步检验影子银行与A股市场的动态结构相关性（见图5和图6）。其中，（a.1）的黑色环形线圈内全闭合状的岛屿图表示在特定时频（横坐标）下影子银行规模变动与上证指数变动之间的显著相关（显著性水平5%），左边刻度（纵坐标）1～8为显著相关对应的不同周期（比如1～2为短期频段，2～4為中期频段，4～8为长期频段），右边刻度表示二者之间的相关系数；（a.2）刻画的是影子银行规模与上证指数（成交量）在1～4年频段下对应小波系数纵坐标的相位差，0～π/2表示影子银行规模变动领先于上证指数变动（同向变动），其他类推（见表4）；（a.3）刻画的是影子银行规模与上证指数（成交量）在4～8年频段下对应小波系数纵坐标的相位差。

从图5可以看出，（a.1）中U型黑线以内1～2年短期频段和2～4年中期频段有“岛状”相关区域，且接近0.8，相关性很强；而4～8年长期频段没有“岛状”相关区域。也就是说，影子银行规模与上证成交量主要在中短期频段相关，长期频段几乎没有相关性。在（a.2）中，（a.1）中主要的“岛状”闭环型区域从横坐标看主要分布于2003年至2010年末和2010年前后，变化比较显著的是2006—2007年和2010年前后：2006—2007年的数值在0～π/2之间，影子银行规模变动领先于上证指数变动，且对上证指数变动产生正向影响；2010年前后的数值在0～-π/2之间，上证指数变动领先于影子银行规模变动，且对影子银行规模变动产生正向影响。

从图6可以看出，（a.1）中U型黑线以内1～2年短期频段和2～4年中期频段有“岛状”相关区域，且接近0.8，说明相关性很强；而4～8年长期频段没有“岛状”相关区域。也就是说，影子银行规模与上证成交量也主要在中短期频段相关，长期频段几乎没有相关性。在（a.2）中，（a.1）中主要的“岛状”闭环型区域从横坐标看主要分布于2004年末至2008年和2008年末至2012年前后：2004年末至2008年的数值没有显著变化；2008年至2010 年的数值在0～π/2之间，影子银行规模变动领先于上证成交量变动，且对上证成交量变动有正向影响；2010年末至2012年前后的数值在-π/2～0至之间，上证成交量变动领先于影子银行规模变动，且对影子银行规模变动有正向影响。

以上分析表明，从时域维度来看，影子银行规模变动与A股市场波动在2003年至2011年高度相关；从频域维度来看，在长期内影子银行规模变动与A股市场波动的关系是减弱的，主要集中在短期和中期；既有影子银行规模变动领先于A股市场波动的情况，也存在A股市場波动领先于影子银行规模变动情况。从整体上看，1996—2003年和2011—2015年影子银行规模变动与A股市场波动没有显著相关性。可以看出中国影子银行高速发展的阶段是在2003年以后，即中共十六大以后，尤其是在十七大以后规模增长速度达到了高峰；影子银行规模变动与A股市场波动具有正向的相关性（同向变动），反映出金融市场资金具有“脱实向虚”的倾向。影子银行与A股市场同时扩张，并没有产生显著的互相制约效应，即影子银行并没有显著分流A股市场的流动性。尤其是在2005年至2007年底的A股市场牛市行情中，影子银行规模也在快速增长，且影子银行规模变动领先于A股市场波动；而在2008年的经济刺激后，影子银行仍然与A股市场同向发展，只是转变为A股市场波动领先于影子银行规模变动。

四、结论与启示

本文通过全样本格兰杰因果关系检验证明中国的影子银行规模变动与A股市场波动存在相关性，进一步的残差Bootstrap窗口滚动检验表明其相关性存在结构突变；利用小波相关系数和相位差进行修正的结果表明，二者间的相关性主要体现在中短期，长期来看趋于弱化；影子银行规模变动与A股市场波动具有同向性，主要表现在2003—2008年和2008—2011年两个时期的同时扩张，并产生了二者间彼此领先对方的情况，这说明资金的成本性决定了其逐利性。

1997年亚洲金融危机后，中国进行国企改革和房地产市场改革实现了经济的平稳发展，避免了经济的硬着陆。2001年加入WTO后，国外需求增长促使中国经济一路高速增长，尤其是出口增长迅速，亚洲金融危机导致的产能过剩问题由于外需的增加得到解决。与此同时，中国影子银行和A股市场同时快速膨胀，尤其是在2005—2008年，影子银行规模增长领先于A股市场规模增长，表明在需求拉动下影子银行有助于实体经济发展，当然持续的牛市也使部分增量资金流入股市。2008年国际金融危机席卷全球，导致中国各项经济指标迅速下降，尤其海外流动性紧张导致外需迅速减少，中国经济面临硬着陆的风险。为了防治风险继续扩散，中国提出四万亿投资计划，并从2008年开始下调基准利率，以刺激经济增长。但大规模投资增加了未来中国经济的不确定性，而外需减少导致的产能过剩使实体产业失去了货币需求，货币供给大于货币需求会进一步导致流动性陷阱。大量资本并没有进入实体部门，而是流入股市和楼市，国企债务“借新还旧”模式又分流了银行对实体经济的有效投入，导致沿海外贸型和加工型中小民营企业只得通过影子银行维持资金链。所以，中国影子银行和A股市场在这段时期又表现为同向扩张，到2010年前后基本表现为A股市场规模增长领先于影子银行规模增长。这说明，在资金较为丰裕的情况下，资金对股市的敏感度大于影子银行，民营企业对影子银行的需求更是一种“被逼无奈”的选择，随着经济的复苏其对影子银行的需求敏感度会下降。

党的十九大首次提出了“货币政策和宏观审慎政策的双支柱调控框架”。中国的M2/GDP在1996年首次有效突破100%后持续高增长，与金融市场最为开放发达的美国相比（其M2/GDP长期维持在80%左右），货币超发严重。大量超发货币通过影子银行等渠道流入资产市场，不单对中国本土市场，甚至对海外市场也产生深远影响。在当前全球流动性收紧的大背景下，面对需求减少和产能过剩，保持中国经济稳定增长是核心目标，根据经济金融条件的动态变化主动开展适应性调整是货币政策的重中之重。作为一个大国，应当有自身独立的货币政策，如果单纯通过不断提高市场公开操作来应对美国加息缩表以保护自身外汇流动性，那么，不断增加的本国货币成本将不利于供给侧结构性改革。所以，需要对货币政策进行边际放松来对冲金融压力和风险。美国在长期货币宽松政策后于2015年12月正式开始新一轮加息周期，中国也不断提高市场资金利率，这对影子银行的过度发展起到了抑制作用：股票与债券市场估值持续承压，债券市场信用利差与股票市场风险溢价持续上升，十年期国债收益率阶段性突破4%。《关于规范金融机构资产管理业务的指导意见》要求银行表外业务转表内，将进一步抑制影子银行规模。然而，影子银行的规范适度发展是有积极意义的，尤其是对中小科技型企业的成长至关重要。因此，也应对影子银行的发展有一定的包容，积极发挥影子银行金融市场“润滑剂”的功能，尤其要充分发挥其支持科技型企业成长和创新发展的作用，进而促进宏观经济高质量发展。这就需要对影子银行进行切合实际的、科学的宏观审慎管理，以在繁荣经济的同时有效防控金融风险。

参考文献：

[1] EICHENGREEN B. Origins and Responses to the Crisis[J]. CESifo Forum，2008（4）：40-75.

[2] ADRIAN T，SHIN H S. The shadow banking system：Implications for financial regulation[R]. Staff Report，No. 382，Federal Reserve Bank of New York，2009.

[3] LUTTRELL D，HARVEY R，THIES J. Understanding the risks inherent in shadow banking：A primer and practical lessons learned[R]. Staff Papers， No. 18，Federal Reserve Bank of Dallas，2012.

[4] 何德旭，郑联盛.影子银行体系与金融体系稳定性[J].经济管理，2009（11）：20-25.

[5] 杜亚斌，顾海宁.影子银行体系与金融危机[J].审计与经济研究，2010（1）：82-87.

[6] 李向前，诸葛瑞英，黄盼盼.影子银行系统对我国货币政策和金融稳定的影响[J].经济学动态，2013（5）：81-87.

[7] 王京京，杨大光，刘佳.中国影子银行对金融体系稳定性的影响[J].社会科学战线，2014（12）：255-258.

[8] 邓超，唐莹，杨文静.影子银行体系对我国金融稳定性的影响研究[J].经济经纬，2016，33（5）：149-154.

[9] 刘艳艳.中国影子银行体系对金融稳定性影响的实证分析[J].财经理论与实践，2017，38（5）：27-32.

[10]金雪军，周建锋.投资者关注度与市场收益间动态关系研究——基于Bootstrap的滚动窗口方法[J].浙江大学学报（人文社会科学版），2014（6）：98-111.

[11]RAMSEY J B，USIKOV D，ZASLAVSKY G M. An analysis of US stock price behavior using wavelets[J]. Fractals，1995，3（2）：377-389.

[12]SHIK L H. International transmission of stock market movements：A wavelet analysis[J]. Applied Economics Letters， 2004，11（3）：197-201.

[13]趙慧琴. Bootstrap方法在区间估计中的应用[J].江西科学，2010（4）：429-431.

[14]SHENG Y，ROBERGE D，SZU H H. Optical wavelet transform[J]. Optical Engineering，1992，31（9）：1840-1845.

[15]HUDGINS L，FRIEHE C A，MAYER M E. Wavelet transforms and atmopsheric turbulence[J]. Physical Review Letters，1993，71（20）.

[16]GALLEGATI M. Wavelet analysis of stock returns and aggregate economic activity[J]. Computational Statistics & Data Analysis，2008，52（6）：3061-3074.

[17]KIM S，IN F. The relationship between stock returns and inflation：New evidence from wavelet analysis[J]. Journal of Empirical Finance，2005，12（3）：435-444.

[18]TORRENCE C，COMPO G P. A practical guide to wavelet analysis[J]. Bulletin of the American Meteorological society， 1998，79（1）：61-78.

[19]李锦成.对1996—2015年中国影子银行月度规模数据的测算[J].中国市场，2016（24）：71-80.

[20]SALMAN K A，SHUKUR G. Testing for Granger causality between industrial output and CPI in the presence of regime shift：Swedish data[J]. Journal of Economic Studies，2004，31（6）：492-499.

Abstract： After the subprime mortgage crisis， many overseas scholars believe that shadow banks have a great impact on the stock market. therefore， what is the relationship between China's shadow bank and A-share market？ This paper proved Granger causality test of shadow banking system and A-share market， and found that there is structured change of time-frequency dimension for those two variables by residual bootstrap window scroll analysis. Then， wavelet analysis is used to further improve the bootstrap analysis， there is positive correlation， which reflect two periods from 2003 to 2008 and from 2008 to 2011 between shadow banking system and A-share market. Also， there is leading each other's situation between two variables， which indicates that the cost of capital determines its profit-driven， and the relationship between them is more short-term， and long-term becomes weakened. Under the big background of global tight liquidity， China should conduct marginal easing of monetary policy to hedge financial pressure and risk， and should implement macro-prudence management on shadow banks to effectively prevent financial risk while prospering the economy.

Key words： shadow banking； stock market； Bootstrap analysis； wavelet analysis； monetary policy； macro-prudence policy； subprime mortgage crisis

CLC number：F832.0；F224.0 Document code： A Article ID： 1674-8131（2018）04-0077-09

（编辑：朱德东；段文娟）