影子銀行對我國貨幣政策有效性的影響

李向前孫彤

摘 要：近年來，我國影子銀行規模的不斷膨脹對貨幣政策有效性產生了深刻的影響。本文根據我國2006—2014年相關變量的月度數據，采用FAVAR模型測度貨幣政策目標受影子銀行影響的效果。研究發現，影子銀行規模的擴大會在一定時期內減弱經濟增長波動幅度，加劇物價水平的不穩定性，降低央行對貨幣供應量的控制力，進而影響我國貨幣政策的實施效果。

關鍵詞：貨幣政策；影子銀行；貨幣供應量

中圖分類號：F8323 文獻標識碼：A

文章編號：1000176X（2016）01004907

一、引 言

廣義上的影子銀行不僅涵蓋銀行之外提供資金的載體，也包括在銀行之外提供的融資服務或產品。長期以來，國內外學者對影子銀行的研究大多圍繞影子銀行的內涵、外延、功能、風險和監管等方面進行分析。2014年，我國經濟發展已開始進入到高效率、低成本、可持續的中高速增長階段。在經濟增速緩沖期、結構升級調試期和前期刺激政策吸納期等“三期疊加”的新時期，影子銀行對貨幣政策有效性的影響已經引起我國貨幣當局的高度重視。但是，由于金融發展程度的不同，各國影子銀行具有不同的組織形式，直接利用其他國家影子銀行對貨幣政策影響的經驗是不符合中國客觀國情的。因此，對我國貨幣政策有效性受影子銀行影響的實證分析具有更為重要和深刻的現實意義。

影子銀行最關鍵的問題是對于其規模準確測度的問題。從2005年影子銀行在社會融資中初顯規模至今，各界尚未對“影子銀行”在測度口徑上做出明確界定。毛澤盛和萬亞蘭[1]基于各社會主體在一定時間內所實現的國民生產總值與該時間內的全部信貸支持相匹配的金融原理，從借款人的角度構建影子銀行規模計算公式，從而測算出我國影子銀行截至2010年底已達到73 42832萬億元的規模。中國社會科學院金融所于2014年5月發布的《中國金融監管報告（2014）》指出，從廣義上估算，我國影子銀行體系規模約為27萬億元[2]。全球管理咨詢公司奧緯咨詢在統計影子銀行規模時吸取了之前研究中對具有多種屬性的金融產品重復計算的經驗，將非信貸中介產品從計算中剔除，于2015年2月發布的《中國影子銀行分析報告》中給出中國影子銀行體系2013年規模約為31萬億元的測度結果[3]。國內外研究提供的關于影子銀行體系規模的不同測度方法導致得出的數字結論也是大相徑庭，為接下來研究影子銀行對貨幣政策有效性的影響帶來挑戰。

2014年8月，中國人民銀行發布《2014年第二季度中國貨幣政策執行報告》將未來要進一步完善貨幣政策調控模式，疏通貨幣政策傳導機制，提高金融運行效率和服務實體經濟能力的調控思路給予充分表達[4]。基于我國影子銀行在資金融通中扮演愈發重要角色的前提條件，影子銀行對我國貨幣政策調控究竟有何影響，如何最大程度地發揮貨幣政策的有效性成為了值得我們深入探討和研究的問題。

本文后續框架安排如下：第一部分回顧相關文獻研究，梳理出國內外學者在該領域的研究成果，在總結的基礎上提出本文的創新和貢獻之處；第二部分對本文所使用的計量模型和估計方法進行介紹；第三部分展示傳統理論和影子銀行的擴大對我國貨幣政策效果影響的實證分析過程；第四部分對得出的實證結果作出解釋并給出建議。

二、文獻述評

影子銀行在發達程度不同的金融市場上以不同的組織形式出現，但是始終沒有被賦予統一明晰的內涵。在歐美發達經濟體的影子銀行體系中，金融中介機構可以發起借貸或交易貸款，然后將這些貸款打包成品種豐富的金融衍生品投資組合，并最終將其證券化。Gennaioli等[5]認為影子銀行體系在理性預期下是穩定的，并且能在某種程度上提高福利。當投資者和金融中介機構忽略掉尾部風險，風險性貸款的擴大和金融中介風險的積聚會創造出金融脆弱性和流動性波動。周小川[6]指出，相比于發達國家中的影子銀行可以在體系內實現信用創造，中國金融市場開放程度有待于進一步提高，金融產品創新能力尚不足，金融衍生工具層次還不夠豐富，影子銀行體系很大程度上需要與傳統銀行并行進行信用創造。

在研究貨幣政策有效性問題上，自Bernanke以來，一些文獻就開始提供使用SVAR模型去測度貨幣政策有效性的方法和思路。Bijapur[7]提出建立包含四個內生變量（產出、通貨膨脹、利率和信貸）的向量自回歸估計模型去測試在過去四十年被確認的四次美國信用危機中，美國貨幣政策對國民生產總值增長率的影響是否更為顯著。Fana等[8]使用VaR模型、脈沖響應函數和方差分解的計量分析方法去研究在泰勒規則下中國貨幣政策對其經濟狀況的響應程度。Fernald等[9]通過構建FAVAR模型的方法去測度中國貨幣政策對實體經濟的影響。與那些將中國產出和通貨膨脹作為觀測變量并使用潛在因素去獲取中國經濟其他變量的影響不同，他們應用動因子模型去估測中國的產出和通脹水平，從而能更好地研究在全球經濟復蘇期中國經濟的表現。

國內一些文獻研究普遍認為，影子銀行削弱了商業銀行在貨幣政策傳導中發揮的基礎作用，在增強了貨幣政策傳導時滯的不確定性的同時，加大了貨幣政策調控的難度，使企業和居民等市場主體在對市場信號進行理性判斷時出現偏差。李波和伍戈[10]分析指出影子銀行對貨幣政策產生系統性效用是借助金融穩定渠道得以實現的，對貨幣政策調控目標的形成和貨幣政策工具作用的發揮都帶來不小的難題。周莉萍[11]指出傳統的貨幣乘數因影子銀行的壯大發展已經變為一個擴大化了的卻不能被貨幣當局準確監測預知的貨幣乘數，使得貨幣當局運用存款準備金等傳統工具無法達到預期效果，扭曲了央行進行信用調控的基礎。陸曉明[12]認為，由于缺乏對影子銀行體系的有效監管，以商業銀行為信用創造主體的貨幣政策傳導機制發生巨大改變，對央行貨幣政策“三大法寶”構成挑戰，抵消了貨幣政策的部分實施效果。

此外，有些學者在影子銀行體系對貨幣政策影響理論研究的基礎上進行了實證分析的嘗試和探索。Hsu[13]基于回購協議的信用創造機制分析了影子銀行對于貨幣政策的挑戰，從靜態和動態兩個角度研究影子銀行和貨幣政策調控之間相關關系，并針對性地提出建議。Verona和 Manuel[14]將影子銀行納入到DSGE模型中，研究了影子銀行的行為動機與貨幣政策周期之間的關系，結果表明影子銀行對貨幣政策目標的實現構成了嚴重沖擊。劉喜和等[15]將影子銀行體系納入經濟運行系統中，建立了影子銀行與正規金融雙重結構下的DSGE模型，比較分析價格型貨幣政策與數量型貨幣政策的不同沖擊效果。

目前，在討論我國影子銀行對貨幣政策有效性影響方面的文獻尚不豐富。現有文獻多從宏觀理論層面進行研究分析，其邏輯機理闡述缺乏嚴謹的實證分析。而部分實證研究所采用的模型設計中經濟變量較少，不能全面地刻畫我國影子銀行對貨幣政策的有效性影響，對央行在新歷史時期下如何為經濟轉型創造中性適度的貨幣金融環境，以適應影子銀行不斷發展要求的問題研究得還不夠深入。在吸取和借鑒前人研究經驗的基礎上，本文的貢獻之處在于：采用可通過一系列經濟指標進行系統評估的因素增強型向量自回歸（FAVAR）模型，分析影子銀行作用于我國貨幣政策最終目標和中介目標的效果，去測度影子銀行的存在和發展對我國貨幣政策有效性的影響。

三、經驗分析模型：FAVAR模型

（一）基本結構

FAVAR模型是Bernanke等[16]在對VAR模型進行改良和創新的基礎上，將VAR模型和因子分析模型相結合提出的一種計量研究方法。Boivin和Giannoni [17]在測度經濟全球化對美國利率政策有效性影響時也采用了這種計量模型。我們借鑒使用Bernanke提出的FAVAR模型主要是基于對以下兩方面挑戰的考慮：其一，實際研究中發現大量宏觀經濟變量和概念無法被準確測度，具有較大的誤差干擾；其二，采用大量更為廣泛的反映宏觀經濟狀況的指標數據有利于提升研究的準確性和可信度。該模型總體描述如下：

本文用K×1維向量Ft表示無法直接觀測到的經濟狀態變量，用N×1維向量Xt表示可觀測的一系列宏觀經濟指標，則經濟狀態與宏觀經濟變量之間存在如下關系：

Xt=∧Ft+νt （1）

其中，Λ是Ft的因子載荷矩陣，反映經濟狀態對各自宏觀經濟指標影響的權重；νt是均值為零的隨機誤差項，與Ft不相關。理論上，我們假定一系列宏觀經濟指標向量的維數大于經濟狀態的維數，即N>K。

在式（1）中，Ft構成了反映經濟狀態的基本因子集，也是影響宏觀經濟指標的主要因素，這時經濟指標Xt綜合反映了不可直接觀測的基本因子集Ft。由于Ft可能含有基本經濟因子的滯后變量，所以Xt不僅僅決定于基本經濟因子的當期數值。因而，這些不可直接觀測的基本經濟因子可通過一系列宏觀經濟指標得以綜合反映。基本經濟因子可由VAR模型來反映其動態變化，其方程是：

Ft=A（L）Ft-1+ηt （2）

其中，A（L）是含有滯后項的多項式矩陣，ηt是計量方程中均值為零的隨機誤差項。在此基礎上，我們就能構建出FAVAR模型，其矩陣方程如下：

FtYt=A（L）Ft-1Yt-1+ηt （3）

其中，Yt為M×1維可觀測的經濟變量向量。由于設定 Ft是不可觀測的經濟變量向量，我們無法直接估計式（3）。假定Yt和Ft與一系列宏觀經濟指標Xt有關，從而得到Yt和Ft共同引起Xt變動，引入方程（4），即：

Xt=ΦyYt+ ΦfFt+εt（4）

其中，Φy和Φf分別是N×M和N×K維的因子載荷矩陣，且N>M+K；εt是均值為零的隨機誤差項，且εt之間弱相關。據式（4）估計出Ft即t，將t代入式（3）中替代Ft，以達到VAR模型與因子分析模型相結合的目的[18-19]。

（二）模型估計

整個 FAVAR 模型估計的核心環節是如何獲得不可觀測的經濟變量向量Ft的估計量的問題。現有理論對t的估計提供了三種方法，即反復迭代法、吉布斯抽樣法和兩步主成分分析法。對于三種方法得到的估計結果是否具有較大差異性，不同文獻之間存在意見分歧。本文采用兩步主成分分析法來有效估計t。該方法具體步驟如下：首先，從Ft 和Yt組成的信息集合It中取出前 K + M個主成分所構成的新的信息集合即t；其次，將Xt中的所有經濟變量分為快、慢變化兩組，反映較慢的變量是我們進行主成分分析的對象，不可觀測信息可由抽取出的主成分所構成的集合Ft進行反映[19]。體現t和Ft之間關系的方程如下：

t= byYt + bfFt （5）

由式（5）可得Ft的估計值為t= λ（t- byYt），將t代入式（3）中就可得到VAR模型，由此能得到相應的脈沖響應函數。

四、經驗分析

（一）變量選擇

由于業界尚未對影子銀行在口徑范疇上作明確界定，本文從社會融資總量中選取委托貸款、信托貸款、未貼現銀行承兌匯票、企業債券凈融資和銀行同業拆借作為影子銀行體系（SB）的測度數據。

本文將貨幣政策的傳導機制分為兩個層次來考察影子銀行對貨幣政策有效性的影響： 首先，考慮對貨幣政策中介目標的影響，由此可進一步測度貨幣政策最終目標受影子銀行影響的程度。貨幣政策的中介目標為貨幣供應量和利率，鑒于利率市場化尚未在我國完全推行，本文選取了廣義貨幣供應量（M2）作為貨幣政策中介目標的代理變量。其次，考慮對貨幣政策最終目標的影響。貨幣政策最終目標第一位是保持物價穩定，第二位是促進經濟增長。在選擇物價水平的代理變量問題上，本文引入居民消費價格指數（CPI）進行研究。在梳理一系列宏觀經濟指標的過程中，我們可以深入挖掘出對經濟發展起到至關重要影響的基本因子，而反映一系列宏觀經濟變量的線性組合恰恰就是這些基本因子的集合。本文沒有簡單地選取國內生產總值（GDP）代表經濟增長指標，而是借鑒FAVAR模型思想以宏觀經濟因子的方式給出了反映宏觀經濟狀態的有代表性子空間，這樣可以使分析研究不受到來自價格、產出和進出口等幾個有限指標的制約，對宏觀經濟狀態的描述更具實證說服力。

考慮到影響我國貨幣政策目標的因素復雜性和數據可得性，本文依托2006—2014年共30種經濟變量，建立了30維的宏觀經濟信息集，這些變量數據大致可分為如下五類：一是國民經濟發展變量，包括我國GDP增長率、工業增加值、工業生產總值、財政收入及支出、固定資產投資、經常項目流入與流出增長率、資本流入與流出增長率和投資與消費增長率。二是貨幣政策工具變量，包括三年期貸款基準利率、銀行間同業拆借利率、M1、M2、各項貸款余額和基礎貨幣增長率。三是反映我國居民消費與收入水平的變量，包括CPI、耐用品消費支出、社會消費品零售額、城鎮就業人數和居民收入增長率。四是經濟景氣指數變量，包括宏觀經濟景氣指數、中國制造業采購經理指數、各行業經濟景氣指數和消費者信心指數。五是衡量我國外貿政策變動的變量，包括出口退稅增長率和進出口貿易金額增長率。通過采用提取主成分分析的方法，將30維信息集中的所有經濟變量分為快、慢變化兩組，反應較慢的變量能更好地解釋貨幣政策有效性的影響，也是我們進行主成分分析的對象，據此提取出代表經濟發展水平的宏觀經濟因子（F1），由此建立FAVAR計量模型進行估計。

（二）數據說明

本文選取了2006年1月到2014年12月的月度數據。數據來源于Wind數據庫、中國人民銀行網、統計局網、國家稅務總局網站及和訊網數據庫。由于無法直接獲取影子銀行的數據，本文選取社會融資總量中的委托貸款、信托貸款、未貼現銀行承兌匯票、企業債券凈融資和銀行同業拆借五個方面的月度同比增長率數據作為影子銀行體系的測度數據。對于個別月份缺少數據的問題，本文利用三次樣條插值估算進行處理。在做實證研究之前，我們需要運用X-12季節調整方法剔除樣本數據所包含的不規則變動因素和季節變動因素，該方法的基本思想是利用中心化移動加權平均法，通過多次迭代和分解實現趨勢測定并逐項剔除。如本文運用X-12的加法模型法對PMI等數據進行了季節調整，GDP、投資數據的實際值與名義值和CPI等呈指數級數增長的序列適合利用X-12的乘法模型法來進行季節調整，而工業增加值、投資和消費增長率等同比增速數據則通過X-12的對數加法模型來對樣本中所包含的季節變動因素進行剔除。之后還需要進一步分解其趨勢項和波動項。利用H-P濾波方法可以將變量序列中的短期波動成分和長期增長趨勢有效分離，從而得到平穩序列。

（三）研究結果

1變量的描述性統計

本文選取的變量數據是從2006年1月到2014年12月的月度數據，對SB、F1、CPI和M2四個變量的描述性統計，如表1所示。

從表1可以看出，SB、F1、CPI和M2四個變量的觀測值之間存在較大的變差，為接下來的計量估計提供了可能性。

2平穩性檢驗

經驗分析中，時間序列大多不平穩而極易出現“偽回歸”問題，數據的高度相關僅僅是因為其隨時間有一致的變動趨勢而非具有真正的聯系。為了確定序列中不存在隨機趨勢或確定趨勢，本文首先對已經過X-12季節調整和H-P濾波法分解后的SB、F1、CPI和M2進行平穩性檢驗。在對四變量原始時間序列進行檢驗時，SB時間序列平穩。為解決其他三個時間序列在5%顯著性下的ADF檢驗中出現單位根的問題，我們對F1和M2變量進行一階差分處理，對CPI變量進行二階差分處理，之后各變量在顯著性為5%的情況下拒絕了單位根假設，因此，可以認為所選取變量是平穩序列。檢驗結果如表2所示。

3格蘭杰因果關系檢驗

本文采用格蘭杰因果關系檢驗法去測度被解釋變量與解釋變量之間是否存在因果關系，進而為建立FAVAR計量模型進行實證研究奠定基礎。對本文采用的變量F1、CPI、M2和SB進行格蘭杰因果關系檢驗，結果如表3所示。

由表3可以看出，F1、CPI、M2與SB在5%的顯著水平下拒絕原假設，意味著影子銀行是引起宏觀經濟、通貨膨脹和貨幣供應量發生變化的原因。

4脈沖響應分析

脈沖響應函數的基本思路是通過分析時間序列模型，考察沖擊對某個變量在不同時期的影響效果。在以下脈沖響應圖中，縱坐標為單位沖擊引起的波動（以百分比表示），橫坐標代表沖擊作用的滯后期數。本文選取滯后40期（單位月度）沖擊響應函數進行測度。

（1）基于傳統理論貨幣政策有效性的分析

如圖1所示，在不考慮影子銀行變量的傳統視角下， M2增長率一個單位標準差的波動，會引起宏觀經濟因子增長率在第2期負方向下最大約022個單位標準差的響應，之后宏觀經濟因子增長率迅速回升，在第3期正方向下達到最大峰值約為3個單位標準差的響應，后伴隨著波動呈下降趨勢，在第14期向穩態值趨于平緩。說明寬松的貨幣政策對宏觀經濟在短時間內有正向的沖擊，沖擊作用在第3期達到峰值。之后沖擊作用雖有反復，沖擊效果有所降低，但在第14期降低到穩定水平，說明寬松的貨幣政策對宏觀經濟的作用逐漸減弱。根據圖1，央行實行寬松的貨幣政策，增加M2，短時間內會通過降低企業的融資成本，增加居民貨幣收入，促進消費和投資，對宏觀經濟有正向的拉動作用；但是從長期來看，隨著經濟主體對實際價格的調整，一次性寬松貨幣政策對宏觀經濟的刺激作用會逐漸降低。這與傳統的貨幣政策理論是一致的。

圖1 F1對M2的脈沖響應圖

對貨幣供應量增長率施加一個單位標準差的沖擊后，如圖2所示，CPI增長率呈波動性增長，在第7期正方向下達到最大約為019，之后開始下降，在第15期趨于平緩。說明一個單位標準差的貨幣供應量擴張，對物價水平在前面7期有較大的正向沖擊，但是物價水平上升幅度最高不足019個標準差，之后，長期影響雖力度減弱，但是持續存在。

圖2 CPI對M2的脈沖響應圖

（2）影子銀行對貨幣供應量影響的分析

在將影子銀行變量納入模型的前提下，對影子銀行增長率施加一個單位標準差的沖擊后，如圖3所示，M2增長率在2期內出現同向變動，后在穩態值上下震蕩，在第4期迅速下降，在第12期達到負方向下最大，約為-033，之后恢復到穩態值回升，在第32期達到正方向下最大值約為012。說明影子銀行規模擴大后，降低了貨幣供應量增長率，對貨幣供應量增長率的負向作用影響時間較長，后轉變為正向作用，但該正向沖擊效果不顯著。

圖3 M2對SB的脈沖響應圖

目前我國金融創新不斷增強，公眾資產結構呈現日益多樣化和復雜化的趨勢，特別是隨著近些年來商業銀行表外理財產品、民間借貸、互聯網基金等影子銀行或影子銀行業務的迅速發展，加快了存款分流，這些替代性的金融資產短時間內沒有計入貨幣供應量，使得受到影子銀行短期沖擊后的貨幣供應量增長率下降；長期內，由于影子銀行和影子銀行業務一定程度上促進了資金融通，獲得資金的經濟主體將資金轉入銀行等金融機構體系，從而擴大了貨幣乘數，從而出現對貨幣供給量的正向沖擊。李波和伍戈[10]、周莉萍[11]的理論分析也說明了這一點。

在影子銀行規模不斷擴大的背景下，M2受到的沖擊不斷增大，使得央行對M2的控制力減弱，從而影響了我國貨幣政策的有效性。

（3）貨幣供應量作為中介變量視角下影子銀行對宏觀經濟和物價水平影響的分析

影子銀行一個單位標準差的波動，如圖4所示，會首先引起宏觀經濟因子增長率小幅下降，在第2期達到負方向下約043個單位的響應，之后快速回升，在第5期正方向下最大約2個單位標準差的響應，之后宏觀經濟因子增長率伴隨著波動開始下降，在第19期負方向下達到最大約081個單位標準差的響應，后緩慢回升，在第32期回歸穩態值趨于平穩。對比圖1，說明影子銀行在一定程度上解決了中小企業和房地產行業融資的問題，通過提高金融效率，降低金融摩擦，從而減弱了宏觀經濟波動。

圖4 F1對SB的脈沖響應圖

對我國影子銀行增長率施加一個單位標準差的沖擊后，如圖5所示，CPI增長率在第8期正方向下達到最大約為027，在第28期負方向下達到最大約為-014。相較于傳統理論下對M2增長率施加一個單位標準差的沖擊后，CPI增長率在第7期達到約為019的正方向峰值，影子銀行當期給CPI增長率一個單位標準差的沖擊后，CPI增長率在第8期正方向下達到約為027的峰值，說明我國影子銀行規模的擴大會引起市場上流動性過剩，逐利的游資很有可能會流向房地產、大宗商品等進行炒作，加劇物價穩定水平更大幅度的波動。

圖5 CPI對SB的脈沖響應圖

五、結論及建議

本文基于2006—2014年的月度數據，通過建立FAVAR計量模型，運用平穩性檢驗、格蘭杰因果關系檢驗和脈沖響應函數的方法，針對影子銀行規模的擴大對我國貨幣政策有效性的影響問題進行了實證研究。具體得到以下結論：

首先，從對貨幣政策最終目標影響的維度來分析，影子銀行規模的擴大會在一定時期內降低經濟增長波動幅度。這主要是因為在2008年之后，我國信托資產已達到約122萬億元的規模，并且有快速增長的趨勢。信托資金大部分投向了房地產行業；民間金融規模不斷擴大，有力支持了民營企業和中小企業等。

其次，影子銀行會在一定時期內加劇物價水平的不穩定性。影子銀行所具備的有別于傳統銀行系統的信用創造功能，加劇了通貨膨脹的持續時間和影響程度。

最后，影子銀行規模的擴大會降低央行對M2的控制力。M2受到影子銀行內生性的影響，如果其繼續作為央行貨幣政策中間目標的話，會影響我國貨幣政策的實施效果。

綜上所述，基于對貨幣政策的最終目標和中介目標都產生一定程度的影響，我國影子銀行規模的擴大會對貨幣政策的有效性產生較大的沖擊。但是，影子銀行對我國金融市場發展以及宏觀經濟發展做出了貢獻，尤其是有助于緩解小微企業融資難的固疾。

根據上述分析，提出兩點政策建議：

首先，構建市場導向型的貨幣政策框架。加快完成從數量型貨幣政策工具主導向價格型工具主導的轉變，逐步形成對所有信用機構融資成本有影響力的基準利率，以應對影子銀行帶來的機遇和挑戰。伴隨著利率市場化的推動和金融市場的進一步開放，貨幣供應量繼續作為貨幣政策的中介目標是不符合客觀發展需要的。未來是否可以對貨幣供應量的統計口徑進行完善，并將社會融資總量納入到貨幣政策中介目標中值得我們進一步探討和研究。

其次，加強法律法規對影子銀行監管的力度和有效性。由于我國尚未制定針對影子銀行體系規范完整的法律法規，實踐中運作管理不規范層出不窮，因而需要加強對影子銀行的信息披露，通過立法對監管主體、職責范圍、影子銀行資金構成等進行明確界定。與此同時，我們必須要學習和吸取發達經濟體金融市場發展的經驗和教訓，履行金融市場“守夜人”的角色職責，對影子銀行施行積極有效的引導，使影子銀行成為推動金融市場健康發展的助推器。

參考文獻：

[1] 毛澤盛，萬亞蘭中國影子銀行與銀行體系穩定性閾值效應研究[J]國際金融研究，2012，（11）：65-73

[2] 胡濱，尹振濤，鄭聯盛中國金融監管報告（2014）[R]北京：社會科學文獻出版社，201430-31

[3] 奧緯中國影子銀行分析報告[R]北京：經緯國際經濟研究院，201516-17

[4] 中國人民銀行2014年第二季度中國貨幣政策執行報告[R]北京：中國人民銀行，2014

[5] Gennaioli，N，Shleifer，A，Vishny， WRA Model of Shadow Banking[J]Journal of Monetary Economics，2011，53 （6）：42-44

[6] 周小川金融政策對金融危機的響應——宏觀審慎政策框架的形成背景、內在邏輯和主要內容[J]金融研究，2011，（1）：1-14

[7] Bijapur，MDoes Monetary Policy Lose Effectiveness during a Credit Crunch[J]Economics Letters，2010，106 （12）：42-44

[8] Fana，L， Yua，Y，Zhang，CAn Empirical Evaluation of Chinas Monetary Policies[J]Journal of Macroeconomics，2011，33（9）：358-371

[9] Fernald，GJ， Spiegel，MM，Swanson，TEMonetary Policy Effectiveness in China： Evidence from a FAVAR Model[J]Journal of International Money and Finance，2014，49（10）：83-103

[10] 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

[11] 周莉萍論影子銀行體系國際監管的進展、 不足、 出路[J]國際金融研究，2012，（1）：44-53

[12] 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

[13] Hsu，JShadow Banks and the Financial Crisis of 2007 and 2008[J]Pacific - Basin Finance Journal，2010，19（4） ： 543-555

[14] Verona，F，Manuel，MMonetary Policy Shocks in a DSGE Model with a Shadow Banking System[J]The Journal of Finance，2011，57（7）： 2243-2258

[15] 劉喜和，郝毅，田野影子銀行與正規金融雙重結構下中國貨幣政策規則比較研究[J]金融經濟學研究，2014，（1）：15-26

[16] Bernanke， B， Boivin， J，Eliasz， PMeasuring Monetary Policy： A Factor Augmented Vector Autoregressive （FAVAR） Approach[J]. Quarterly Journal of Economics， 2005， 120 （1）， 1395-1408

[17] Boivin，J，Giannoni， MGlobal Forces and Monetary Policy Effectiveness[J]The Journal of Finance，2008，44（2）： 1275-1288

[18] 沈悅，周奎省，李善燊利率影響房價的有效性分析——基于FAVAR模型[J]經濟科學，2011，（1）：60-69

[19] 王勝，陳繼勇中美經濟關系、匯率制度與中國匯率政策——基于FAVAR模型的實證分析[J]數量經濟技術經濟研究，2010，（1）：95-106

[20] 李建軍中國未觀測信貸規模的變換：1978—2008 年[J]金融研究，2010，（4）：40-49

[21] 金中夏，洪浩，李宏瑾利率市場化對貨幣政策有效性和經濟結構調整的影響[J]經濟研究，2013，（4）：69-82

[22] 劉偉經濟發展的特殊性與貨幣政策的有效性[J]經濟研究，2011，（10）：20-21

[23] 巴曙松從金融結構演進角度客觀評估當前的“影子銀行”[N]中國經濟時報， 2013-03-29

（責任編輯：孟 耀）