影子銀行、貨幣政策與房地產市場

賈生華,董照櫻子,陳文強

(浙江大學 管理學院，浙江 杭州 310058)

影子銀行、貨幣政策與房地產市場

賈生華,董照櫻子,陳文強

(浙江大學 管理學院，浙江 杭州 310058)

摘要：基于2002至2014年的季度數據，本文通過構建結構向量自回歸模型實證考察了影子銀行對房地產市場及貨幣政策實施效果的影響機制與作用效果。實證研究發現：影子銀行規模的上升促進了房價的抬升及房地產投資額的擴大，擴大了社會信貸供給，降低了利率水平；進一步的反事實模擬分析還發現影子銀行抑制了貨幣政策對房地產市場的調控效果，削弱了房價和房地產投資規模對緊縮型貨幣政策的響應程度。

關鍵詞：影子銀行；貨幣政策；房地產市場；結構向量自回歸模型(SVAR)

一、引言

美國次貸危機的爆發使影子銀行這一概念逐漸為人們所熟知，影子銀行的成因、發展和影響成為了學術界研究和探討的焦點。Bernanke將影子銀行體系定義為一系列與傳統存款機構不同，不受監管，但功能與傳統銀行類似的信貸中介機構或市場[1]。我國證券市場發展仍處于初步階段，影子銀行系統并沒有形成成熟的資產證券化信用鏈條，目前主要表現為對傳統融資方式的補充，形式上包括委托貸款、理財產品、民間借貸等銀行表外業務。近年來，我國的金融體系結構發生了重大改變，影子銀行已經成為了社會融資的一個重要途徑，影子銀行體系所涉及的非傳統信貸融資規模不斷擴大，在社會融資規模中的比重也日益提升，對實體經濟的影響愈加凸顯。據統計，中國2014年廣義影子銀行體系所涉及的非傳統信貸融資規模約為27萬億元，占銀行業資產的19%，同一時期影子銀行規模同比增速則達到38%*數據來源于金融穩定理事會(FSB)2015年發布的《Global Shadow Banking Monitoring Report 2015》。。

房地產作為我國國民經濟的重要支柱，是典型資金密集型產業，特別是2000年以來，房地產價格持續快速上漲，投資收益高，企業高負債經營，資金需求量巨大，而在我國以銀行信貸為主導的特殊金融體制下，很多企業都普遍面臨著嚴重融資約束問題[2]，加上商業銀行存在明顯的信貸配置偏好[3]，很多房地產企業的資金需求都難以從現有的銀行系統中得到滿足*2014年初，銀監會主席尚福林指出，20家商業銀行涉及的房地產類貸款達20.9億元，而央行2013年的《金融機構貸款投向統計報告》顯示，金融機構投向房地產行業的人民幣貸款余額為14.61億元。二者之間相差將近6.3萬億元，足以說明大量房地產企業無法直接通過商業銀行的傳統渠道籌集資金。。此外，自2005年以來，中央銀行頻頻出臺貨幣政策，以期限制銀行信貸投向房地產領域，進而達到穩定房價、抑制房市過熱的目的，但貨幣政策對房地產市場的調控效果卻一直難如預期，并頗受詬病。影子銀行系統作為傳統融資方式的重要補充，具有高杠桿率的特征，擁有強大的信用創造功能，且其獨特的運行機制使其獨立于傳統貨幣政策的調控范圍之外[4]。在此背景之下，影子銀行是否能為房地產市場的發展提供信用供給，其規模的擴張是否助推了房價的持續上漲？我國房地產市場的貨幣調控政策為何屢屢失效，是否是影子銀行系統為房地產企業提供了融資渠道，降低了貨幣政策的有效性？

基于以上人們普遍關注的問題，本文將影子銀行，貨幣政策與房地產市場納入了一個統一的研究框架，通過構建結構向量自回歸模型(SVAR)實證考察了影子銀行對房地產市場及貨幣政策實施的影響機制與作用效果，以期為明晰三者之間的關系提供新的研究視角，并為改善貨幣政策的調控效果提供建議。

二、文獻回顧與理論分析

(一)文獻回顧與簡要評述

從現有的文獻看，目前國內外研究大多集中在影子銀行的產生原因，以及對貨幣政策和金融系統穩健性的影響等方面。Gorton、程小可等人認為，社會上的融資需求無法得到滿足是影子銀行產生的重要原因，由于金融市場上資金的供不應求，使市場利率高于商業銀行利率，而影子銀行不受管制，可以提供更高的收益率，使得大量資金從正規的金融系統流向影子銀行[5-6]；此外，李揚和巴曙松認為，影子銀行的發展與金融界一直所倡導的金融創新有關，而影子銀行本身也是金融創新[7-8]。黃益平認為，我國影子銀行的產生與發展是對緊縮貨幣政策的反應，在信貸緊縮的情況下，企業無法從正規渠道獲得資金，因而求助于影子銀行[9]。裘翔和周強龍認為，中國影子銀行產生于信貸大幅緊縮的背景之下，一方面是為了規避“定向式”的行政管制，另一方面是為了逃避金融監管[10]。

也有一些文獻探討了影子銀行可能產生的影響。由于影子銀行不受監管，通過信托產品，理財產品和委托貸款等表外業務向無法從正規渠道獲得資金的企業和個人提供貸款，因此影子銀行能夠擴大信用供給，影響貨幣政策目標的實現[2、11-12]；還有研究發現影子銀行的高杠桿操作和期限錯配機制等固有的脆弱性會影響金融市場的穩健性，并引發金融危機[1、12-13]。當然，不少學者也承認了影子銀行對經濟發展的積極作用，他們認為影子銀行區別于傳統銀行的運行機制和金融中介功能，滿足了籌資者和投資者的多樣化需求[6-7]，有利于金融創新，提供更有效金融服務，緩解企業融資約束，改善企業金融生態環境，從而提高經濟運行效率[4、14-15]。綜上所述，國內外的研究大多集中在影子銀行的產生原因及其影響等方面，一定程度上加深了我們對影子銀行問題的認識。然而，雖然眾多學者都承認了影子銀行與房地產市場發展和貨幣政策有效性具有密切關系[10、17]，但影子銀行系統究竟會對我國房地產市場，以及對貨幣政策的調控效果產生什么樣的影響，以及這三者之間存在何種內在聯系與互動關系，目前仍然有待進行深入的考察與探究；同時，現有觀點都比較零碎，大多都局限于國外經驗的介紹和對國內情況定性層面的討論上，缺少系統的論述和實證方法的驗證。為此，本文將三者納入一個統一的分析框架，在考察影子銀行規模對房地產市場影響的基礎上，還重點分析了影子銀行對貨幣政策調控效果的影響機制與作用效果，以期為明晰三者之間的關系提供經驗證據。

(二)影子銀行、貨幣政策與房地產市場發展

我國影子銀行的發展與房地產市場的發展及貨幣政策的實施效果有著密不可分的關系。一方面，傳統商業銀行偏向與向大型企業或國有企業貸款，影子銀行愿意為一些高風險的中、小型房地產開發企業提供貸款支持，直接促進了房地產業的投資。另一方面，緊縮的貨幣政策限制了資金流向房地產行業，而影子銀行受宏觀調控的影響程度較低，可以隨時向房地產開發商提供資金，增大了中央銀行通過貨幣政策調控房地產市場的難度，影響了貨幣政策對房地產市場的調控效果。

首先，影子銀行的發展在一定程度上拓寬了房地產企業的融資渠道，能緩解潛在的融資約束問題，從而直接促進房地產市場的發展。房地產屬于資金密集型產業，企業高負債經營，資金需求旺盛，尤其在市場繁榮時期，房地產價格持續上漲，房地產投資收益高，對各方面資金吸引力很強。而在我國以銀行信貸為主導的特殊金融體制下，很多企業都普遍面臨著嚴重融資約束的問題[2、6]。此外，傳統的商業銀行存在明顯的信貸配置偏好，它們更偏向于向風險較低，資信較好的國有企業或大型上市公司提供貸款，而中小企業通常被認為經營風險和違約風險較高，傳統的商業銀行并不愿意向中小型企業和開發商發放貸款，導致了很多房地產企業的資金需求無法從現有的銀行系統中得到滿足。作為傳統商業信貸的重要替代和補充方式，影子銀行為獲得更高的風險補償，傾向于承擔較高風險[10]，有動機通過銀信合作理財產品、委托貸款以及合同業務等形式向高風險的房地產開發企業提供信貸支持[6]。因此，影子銀行的存在大大緩解了無法從銀行等傳統融資渠道中獲取資金的中、小房地產開發商的融資約束，從而促進房地產市場的投資。

其次，影子銀行的發展會削弱貨幣政策對經濟的調控效果。Sheng發現影子銀行體系的存在會擴大貨幣供應量，提出了以M2和影子銀行之和作為貨幣總供給的新衡量標準[11]。此外，影子銀行作為金融創新的一種重要形式，能通過生成新的投資和放大了現有的投資總量來促進企業的借貸行為[18]。Adrian等認為，影子銀行的成長增加了信貸的可得性，并對中央銀行的信用供給有著重要影響[3]。Verona 等將影子銀行體系納入到DSGE模型中考察了影子銀行體系與貨幣政策的關系，研究發現影子銀行體系會嚴重影響貨幣政策目標的實現[19]。周小川也認為，影子銀行具有像商業銀行一樣的貨幣創造功能，使得貨幣政策乘數被放大，增加信用供給與流動，從而在一定程度上沖擊了貨幣政策的調控效果[20]。

最后，影子銀行的發展削弱了貨幣政策對房地產市場的調控效果。從理論上講，緊縮的貨幣政策通過信貸渠道，利率渠道與資產負債表渠道等影響了房地產企業的融資成本，進一步縮減了房地產市場的投資規模。但在信貸配給、存款準備金率約束等宏觀調控措施下，由于影子銀行的活動不受中央銀行監管限制，能在監管體系之外從事與傳統銀行類似的資金融通活動，因此在貨幣政策緊縮時期，影子銀行能夠通過委托貸款、理財產品、民間借貸等銀行表外業務繞開監管，給原本無法通過傳統商業銀行獲得貸款的房地產企業提供資金，在一定程度上削弱了貨幣政策對房地產市場的調控效果。另一方面，房地產企業的融資需求往往對利率的上升不太敏感，其貸款規模與投資規模很大程度上取決于信貸的可獲得性，其綜合融資成本不僅僅由利率決定，很大程度上也受到抵押率的影響。由于此時房地產企業的經營風險較高，為了補償這一部分風險，影子銀行憑借其壟斷地位可以設定一個較高的利率，同時相應放寬對抵押率的要求[10]，考慮到抵押率的影響，房地產企業的綜合借貸成本可能反而是下降的，為維持資金鏈，滿足投資需求，在無法從商業銀行直接獲得貸款時，房地產企業往往會求助于影子銀行。因此，雖然緊縮的貨幣政策提高了利率，抑制了整個房地產市場的信貸規模，但影子銀行的行為能繞開監管，為房地產市場提供資金支持，從而影響貨幣政策的對房地產市場調控效果。

三、變量定義與模型選擇

(一)影子銀行概念及其范圍界定

McCulley最先提出影子銀行的概念，他指出影子銀行是“游離于傳統商業銀行體系之外，不受監管但卻從事著與商業銀行類似的金融活動的中介機構”，產生于70年代貨幣市場基金的發展[21]。金融穩定理事會認為影子銀行從廣義上來講是除正規銀行體系外，其活動可能引發系統性風險和監管套利隱患的信貸中介系統[22]。Bernanke將影子銀行體系定義為一系列與傳統存款機構不同，不受監管，但功能與傳統銀行類似的機構和市場[1]。

在我國，不少學者出于研究需要從不同的角度估算了影子銀行的規模。巴曙松認為，我國的影子銀行包括了委托貸款，銀信合作，理財產品等[8]；沈悅在區分內外部影子銀行的基礎上，認為銀信合作產品，委托貸款和未貼現票據三項占了內部影子銀行的絕大部分，而外部影子銀行則涉及到信托公司，投資銀行，貨幣市場基金和民間金融等[23]；陸曉明認為，中國的影子銀行與傳統商業銀行并行，是傳統銀行的替代品，從而也更加依賴于傳統商業銀行，并不涉及復雜的金融的衍生品，而是通過一些制度創新開展銀行表外資產負債業務[24]；王浡力和李建軍認為，影子銀行涉及了銀行的表外業務，回購業務，貨幣市場基金業務，對沖基金，信托公司資產，銀信合作產品，民間借貸等[25]。中國人民銀行調查統計司將中國的影子銀行寬泛的定義為“從事金融中介活動，具有與傳統銀行類似的信用、期限或流動性轉換功能，但未受巴塞爾Ⅲ或同等監管程度的實體或準實體”[26]。

借鑒以往學者的研究，本文認為我國影子銀行系統是能夠提供信用轉換，流動性轉換和企業轉換的金融中介，主要包括了銀行理財產品、未貼現承兌匯票、委托貸款、信托貸款、民間借貸等。

(二)模型選擇

在宏觀經濟領域，VAR模型得到了廣泛的應用，它通過將所有內生變量的當期變量對其若干滯后值進行回歸，進而估計出全部內生變量的動態關系。然而，由于簡化式VAR模型假設變量之間沒有當期影響，因而不能很好的揭示宏觀經濟結構。為解決這一問題，一些學者對VAR模型提出修正，建立結構向量自回歸模型(SVAR)[27]。SVAR模型允許變量之間存在當期影響，因而更符合實際的宏觀經濟環境。

一般p階SVAR模型可由(1)式表示：

Ayt=AΓ1yt-1+…+AΓpyt-p+Aμt

(1)

其中，矩陣A來自經濟理論對經濟結構的建模，為內生變量滯后項的系數矩陣，是簡化式VAR的擾動項，移項可得：

A(1-Γ1L-…-ΓpLp)yy=Aμt

(2)

對于SVAR模型，分析的重點在于正交化的脈沖響應，故一般假設SVAR的結構擾動項正交，即假設Aμt=E其中B為MM的矩陣，(2)式可轉化為(3)式

A(1-Γ1L-…-ΓpLp)yt=Aμt=Bεt

(3)

(3)式則為SVAR模型的“AB模型”。若令A=IM，則為B模型，若令B=IM，則為A模型。為了識別AB模型，至少需要對A和B施加 2M2-M(M+1)/2個約束，對于B模型，則至少需要對B施加M(M-1)/2個約束條件, 對于A模型，則至少需要對A施加M(M-1)/2個約束條件。如果正好施加如此多的約束條件，則為恰好識別，如果施加更多的約束條件，則為過度識別。對A和B所施加的約束稱為“短期約束”，“AB模型”的SVAR也被稱為是“短期SVAR”。

(三)變量選擇及數據處理

本文選擇國民生產總值(gdp),實際房地產價格(p),利率(r)和影子銀行規模(sb),全國住房投資額(inv)和貨幣總供給(M2)進入SVAR模型。

國民生產總值(gdp)可以用來反應經濟增長。實際房地產價格(p)等于商品房銷售額除以商品房銷售面積;影子銀行規模的測度目前還未有一個統一標準,從現有文獻來看,較多的學者[26、28-30]選取了社會融資總規模中的委托貸款、信托貸款、未貼現承兌匯票之和作為影子銀行規模的測度,本文也使用委托貸款、信托貸款、未貼現承兌匯票之和作為影子銀行的代理變量;利率為當月銀行間同業拆借加權平均利率,用來反映貨幣政策的走向[29];全國住房投資額(inv)反應來自供給方面的影響。

上述所有變量均使用了X-12濾波法進行了季節調整；所有變量都做了去通貨膨脹處理得到真實值，且對利率(r)外的其他變量取自然對數以消除指數增長趨勢。

本文的所有數據均來自于國泰安數據庫。由于中央銀行自2002年開始發布社會融資規模的數據，本文的數據區間設為2002年第一季度到2014年第四季度，并利用stata12.0進行分析。

四、實證檢驗與結果分析

(一)單位根檢驗

構造結構向量自回歸模型(SVAR)的前提條件是模型中的各個變量均為平穩時間序列，否則兩個相互獨立的單位根變量可能會出現偽回歸或者偽相關。因此，本文首先采用DF-GLS檢驗進行單位根檢驗。從表2中變量單位根檢驗的結果可以看出，各個變量的原始序列不平穩，一階差分均為平穩，因此各序列為一階單整(I(1))序列，可以進行結構向量自回歸模型(SVAR)的建模。

表1　變量單位根檢驗

注：△表示一階差分，檢驗形式中的C,T,K表示常數項，趨勢項和滯后階數，N表示不帶趨勢項。滯后階數的選擇使用了SC準則。

(二)協整關系檢驗

上述單位根檢驗表明協整關系檢驗的條件得到了滿足，考慮到觀察點數的限制，我們最終選擇滯后2階的SVAR模型。使用Johansen檢驗法對各個變量之間的協整關系進行檢驗，結果如表2所示。包含常數項和時間趨勢項的協整秩跡檢驗和最大特征值檢驗都表明，有1個線性無關的協整向量。當幾個變量存在協整關系時，可以用變量的水平值構造SVAR模型，因此，本文使用原始序列進入模型。

表2　Johansen協整關系檢驗

(三)SVAR模型參數估計

參照以往的研究成果[31-35]，本文建立了SVAR的“B”型模型，如下式所示。

(4)

上述方程第一行表明，當期實際GDP并不會受其他任何變量的同期影響，但是，GDP可能會影響其他變量；第二行表明貨幣供給受到經濟基本面，貨幣政策和房地產投資額的同期影響；利率是滯后變量，因此第三行表示利率不能對經濟發展和房屋價格等經濟數據的產生同期反饋[35]；第四行表示同期影子銀行的規模會受到貨幣政策和房價的影響；由于房價是領先變量，因此同期會受到當期貨幣政策的影響，而房地產投資額會受到經濟基本面，影子銀行和房價的同期影響。由于SVAR模型分析的重點在于正交化的脈沖效應，因此，所估計出的系數結果在此省略。

(四)脈沖響應分析

脈沖響應函數描述的是單個變量變化一個擾動項對內生變量當前值和未來值的影響，它可以反映變量與變量之間影響的正負關系，并且能夠反映這種影響隨時間推移的變化趨勢，揭示了變量之間的動態關系。本文以SVAR模型為基礎，構建正交化的脈沖響應函數，對變量之間的動態交互作用進行分析。結果如圖1所示，圖中橫軸代表沖擊作用的滯后期間(單位，季度)，縱軸表示響應數。實線代表了脈沖響應函數，代表了其他變量對影子銀行規模變動的反應，兩側虛線表示正負兩倍標準誤差的偏離帶。

圖1　影子銀行規模變動一個單位標準差對其他內生變量的影響

如圖1(1)所示，給定影子銀行規模變動一個單位標準差的沖擊，即影子銀行規模擴張，會對GDP產生持續的正向影響，并且在第2季度達到最大值0.004左右，隨后有所降低，但在第4季度該正向響應有所上升，在第10個季度趨于穩定并響應值一直保持在0.002左右。這表明影子銀行規模的變動對GDP有持續的正向沖擊。圖1(2)表明，在影子銀行規模的正向沖擊下，房價的反饋雖然存在一定的滯后期，但4季度之后表現為持續的正向反饋，并在第7季度達到最大值(0.003左右)，表明影子銀行中的大量資金會投入到房地產中，從而促進房價的增長。圖1(3)顯示，房地產市場的投資額對影子銀行的反饋存在為期6季度的滯后期，6季度之后為持續的正向反饋并在第10個季度達到穩定值(0.003左右)，說明長期而言，影子銀行的發展會促進房地產市場投資。

圖1(4)和圖1(5)還表述了影子銀行規模變動對貨幣政策的沖擊。圖1(4)表明影子銀行規模的變動對貨幣供給量的影響有一定的滯后性，在第4期之后為持續的正向影響，并在第6個季度基本達到穩定，響應值維持在0.002左右，即影子銀行的發展會擴大社會的貨幣供給，這與李揚(2011)，Sheng(2010)等人的研究結果一致。從圖1(5)可以看出，影子銀行對利率的沖擊的反饋在前3個季度表現為正響應，第3個季度之后轉為負，并在第5個季度達到最大值-0.07，即影子銀行的發展在短期內會提升利率，但隨著時間的推移，利率反而下降，因此，雖然影子銀行在短期內由于借貸利率較高會提升融資成本，但長久來看，影子銀行的發展提高了社會的信貸規模，會促進利率自由化，降低融資成本，這與美國的經驗研究也是一致的，即影子銀行拓寬了資金來源渠道，降低了企業的融資成本。總的來說，影子銀行對貨幣供給和利率等貨幣政策指標會有影響，增加當局通過貨幣政策工具調控宏觀經濟的難度。

(五)反事實模擬驗證

本文參照反事實模擬方法[35-37]，分析在沒有影子銀行的影響下，房價和房地產投資對緊縮貨幣政策的響應情況。該方法意味著將式(4)中影子銀行的待估計系數變為0，即沒有將影子銀行納入SVAR系統，將其變為系統外生變量。因此，在當期以及滯后的兩個季度內，影子銀行不會對房價產生內生影響。然后對GDP、貨幣供給量、房價、實際利率和房地產投資額這五個變量構建SVAR模型，將影子銀行作為系統外生變量，進行脈沖響應分析，并比較在該模擬條件下的響應和原響應。

圖2利率沖擊對房價的脈沖影響對比圖圖3利率沖擊對投資額的脈沖影響對比圖

如圖2所示，給定利率變動的一個標準差沖擊，即利率上升對房價的沖擊均為正，但初始沖擊較強，之后迅速衰減。房價的原反饋和房價的新反饋的響應速度和收斂速度基本保持一致，但程度有所差異，而從第1季度到第6季度，房價的原反饋(影子銀行影響)程度會弱于房價的新反饋(不受影子銀行影響)，意味在有影子銀行的作用下，相同的緊縮貨幣政策沖擊對房價的作用效果增強。房價原反饋和房價新反饋二者之間的最大差異出現在第3季度，第3季度新反饋的響應值為-0.01113，原反饋的響應值-0.00766，相差將近31%，進一步驗證了影子銀行在貨幣政策調控房地產市場時的重要作用。上述結果表明，影子銀行規模的擴張確實會降低貨幣政策對房價的調控效果。第6季度之后，新反饋和原反饋的響應值趨于一致。

如圖3所示，緊縮的貨幣政策可以有效的抑制房地產行業的投資規模。在考慮影子銀行和不考慮影子銀行影響的情況下，貨幣政策對房地產投資的沖擊效應的區別在第2季度開始顯現，表明從第2季度至第10季度，投資額的原響應程度弱于投資額的新響應程度，投資額原反饋和投資額新反饋二者之間的最大差異出現在第4季度，第4季度新反饋的響應值為-0.006，原反饋-0.00455，相差約24%，意味著在有影子銀行的影響下，緊縮貨幣政策對房地產投資的負向沖擊效應受到了削弱。也就是說，影子銀行的發展沖擊了貨幣政策的對房地產投資規模的調控效果。第10季度之后，新反饋和原反饋的響應值趨于一致。

五、研究結論和展望

中國影子銀行規模的迅速擴張，對我國金融系統與實體經濟產生了越來越重要的影響。本文將影子銀行、貨幣政策與房地產市場納入了一個統一的分析框架，通過構建SVAR模型探究了影子銀行對房地產市場，以及在影子銀行的影響下貨幣政策對房地產市場的調控效果的影響機制與作用效果。實證分析發現：(1)影子銀行可以為房地產企業提供信貸支持，從而直接推動了房價的抬升和房地產投資規模的擴張，對支撐房價和支持房地產業的發展起到了促進作用。(2)影子銀行的發展擴大了社會信貸供給，降低了利率水平，增加當局通過貨幣政策工具調控宏觀經濟的難度。(3)影子銀行弱化了房價和房地產投資規模對緊縮型貨幣政策的響應程度，其規模的上升在一定程度上抑制了貨幣政策對房地產市場的調控效果。本文研究發現影子銀行具有信用創造功能，在一定程度上推動了房地產業的發展，降低了貨幣政策的實施效果。因此，中央銀行必須高度重視影子銀行發展的影響，增強監管力度，以期改善貨幣政策的實施效果。

由于受到數據的限制，目前我們的研究只能從宏觀層面上考察影子銀行對我國房地產市場及貨幣政策調控效應的影響。從2013年開始，央行開始頒布社會融資規模省級層面的數據，隨著數據可得性的提高，我們可以進一步分析影子銀行對房地產市場影響的區域異質性；其次，關于影子銀行的微觀作用機制的研究目前尚不多見，因此從微觀層面探究影子銀行對企業的融資約束、資金成本、風險承擔以及投資效率等的影響也將是未來重要的研究方向；最后，我國的影子銀行的發展還處于初級階段，無論是從職能和風險特征方面與西方發達國家存在較大差異，因此分析在不同制度環境背景下影子銀行對于房地產市場和經濟的影響的區別，對如何更好的監管影子銀行以及發揮影子銀行促進經濟發展的作用，也具有重要意義。

參考文獻：

[1]Bernanke B S. Implications of the financial crisis for economics:a speech at the Conference Co-sponsored by the Center for Economic Policy Studies and the Bendheim Center for Finance,Princeton University,Princeton,New Jersey,September 24,2010[J].Speech,2015,3(3):225-235.

[2]Allen F, Qian J, Qian M. Law, finance, and economic growth in China[J]. Journal of Financial Economics, 2005, 77(1): 57-116.

[3]Adrian T, Shin H S. The shadow banking system: Implications for financial regulation[R]. Staff Reports, 2009.

[4]李波, 伍戈. 影子銀行的信用創造功能及其對貨幣政策的挑戰[J]. 金融研究, 2011 (12): 77-84.

[5]Gorton G, Metrick A. Securitized banking and the run on repo[J]. Journal of Financial Economics, 2012, 104(3): 425-451.

[6]程小可, 姜永盛, 鄭立東. 影子銀行, 企業風險承擔與融資約束[J]. 經濟管理, 2015 (4): 106-115.

[7]李揚. 影子銀行體系發展與金融創新[J]. 中國金融, 2011 (12): 31-32.

[8]巴曙松. 加強對影子銀行系統的監管[J]. 中國金融, 2009 (14): 24-25.

[9]黃益平, 常健, 楊靈修. 中國的影子銀行會成為另一個次債?[J]. 國際經濟評論, 2012( 2): 42-51.

[10]裘翔, 周強龍. 影子銀行與貨幣政策傳導[J]. 經濟研究, 2014, 49(5): 91-105.

[11]Sheng A. Financial crisis and global governance: A network analysis[M]. World Bank, 2010:76-77.

[12]Gennaioli N, Shleifer A, Vishny R W. A model of shadow banking[J]. The Journal of Finance, 2013, 68(4): 1331-1363.

[13]顏永嘉. 影子銀行體系的微觀機理和宏觀效應——一個文獻綜述[J]. 國際金融研究, 2014, (7):46-53.

[14]Schwarcz S L. Regulating shadow banking[EB/0L]. https://www.researchgate.net/publication/228126877_Regulating_Shadow_Banking

[15]Claessens S, Ratnovski L, Singh M M. Shadow banking: economics and policy[M]. International Monetary Fund, 2012:17-28.

[16]中國人民銀行調查統計司與成都分行調查統計處聯合課題組. 影子銀行體系的內涵及外延[J]. 金融發展評論, 2012(8):61-76.

[17]張寶林, 潘煥學. 影子銀行與房地產泡沫: 誘發系統性金融風險之源[J]. 現代財經 (天津財經大學學報), 2013(11):33-44.

[18]Simsek A. Speculation and risk sharing with new financial assets[J]. Quarterly Journal of Economics, 2013, 128(3):1365-1396.

[19]Verona F, Martins M M F, Drumond I. (Un) anticipated monetary policy in a DSGE model with a shadow banking system[R]. Bank of Finland Research Discussion Paper, 2013 (4).

[20]周小川. 金融政策對金融危機的響應[J]. 金融研究, 2011(1):1-14.

[21]McCulley P. The shadow banking system and Hyman Minsky’s economic journey[J]. 2009,5:257-268.

[22]Global shadow banking monitoring report[M]. Financial Stability Board, 2011:3-4.

[23]沈悅, 謝坤鋒. 影子銀行發展與中國的經濟增長[J]. 金融論壇, 2013, 18(3):9-14.

[24]陸曉明. 中美影子銀行系統比較分析和啟示[J]. 國際金融研究, 2014 (1):55-63.

[25]王浡力, 李建軍. 中國影子銀行的規模, 風險評估與監管對策[J]. 中央財經大學學報, 2013(5):20-21.

[26]中國人民銀行調查統計司與成都分行調查統計處聯合課題組. 影子銀行體系的內涵及外延[J]. 金融發展評論, 2012(8):61-76.

[27]Blanchard O J, Quah D. The dynamic effects of aggregate demand and supply disturbances[J]. 1988.

[28]劉煜輝. 中國式影子銀行[J]. 中國金融, 2013 (4):57-59.

[29]王振, 曾輝. 影子銀行對貨幣政策影響的理論與實證分析[J]. 國際金融研究, 2014 (12):58-67.

[30]殷劍峰, 王增武. 影子銀行與銀行的影子[M].北京： 社會科學文獻出版社,2013：25-41.

[31]Goodhart C, Hofmann B. House prices, money, credit, and the macroeconomy[J]. Oxford Review of Economic Policy, 2008, 24(1): 180-205.

[32]Elbourne A. The UK housing market and the monetary policy transmission mechanism: an SVAR approach[J]. Journal of Housing Economics, 2008, 17(1):65-87.

[33]黃飛雪, 王云. 基于 SVAR 的中國貨幣政策的房價傳導機制[J]. 當代經濟科學, 2010 (3):26-35.

[34]Sims C A, Zha T. Does monetary policy generate recessions?[J]. Macroeconomic Dynamics, 2006, 10(02): 231-272.

[35]王松濤, 劉洪玉. 以住房市場為載體的貨幣政策傳導機制研究[J]. 數量經濟技術經濟研究, 2009 (10): 61-72.

[36]Giuliodori M. The role of house prices in the monetary transmission mechanism across European countries[J]. Scottish Journal of Political Economy, 2005, 52(4): 519-543.

[37]段忠東. 住房價格在貨幣政策傳導中的作用效果——基于SVAR模型的反事實模擬研究[J]. 當代經濟科學, 2015, 37(5):11-21.

責任編輯、校對：郭燕慶

收稿日期：2015-12-27

基金項目：教育部哲學社會科學研究重大課題攻關項目(13JZD009):我國城鎮住房保障體系及運行機制研究。

作者簡介：賈生華( 1962-) ,陜西省延長縣人，浙江大學教授，博士生導師，研究方向: 不動產投資； 董照櫻子(1992-)，女，陜西省寶雞市人，浙江大學博士研究生，研究方向：房地產金融；陳文強(1989-)，云南省曲靖市人，浙江大學博士研究生，研究方向：房地產金融。

文獻標識碼：A

文章編號：1002-2848-2016(03)-0013-07