互聯網金融發展對社會融資規模和結構的影響

朱亞麗　孫騏　朱新緣

內容摘要：本文通過考察互聯網金融發展對社會融資規模和結構的影響及主要特征，利用VAR模型實證研究了互聯網金融發展對社會融資規模和結構的關聯性、滯后性以及沖擊反應。結果顯示：互聯網金融的發展對社會融資規模和結構均有影響，且影響均具有滯后性。從脈沖響應函數可以看出，互聯網金融發展對社會融資規模和結構的影響具有速度快、強度小、持續時間長等特點。這一結論有助于我國合理確定社會融資規模、改善社會融資結構、實現資金的高效利用并促進實體經濟發展。

關鍵詞：社會融資規模和結構 互聯網金融 VAR模型

引言

2007年以來社會融資規模的季度平均增長率為11.7%，社會融資規模全面反映了金融與經濟的關系，而近年來互聯網金融的迅速發展，其特有優勢對傳統金融體系和證券行業造成了極大影響。這些影響會給社會融資規模和結構帶來怎樣的作用是值得關注的問題。現有的互聯網金融的研究主要著眼于互聯網金融的模式和本質、風險與防范、對傳統金融業的沖擊以及互聯網金融發展的背景下小微企業融資新途徑等幾個方面。胡錦娟（2015）認為互聯網金融完善了金融功能和金融變革，但是其虛擬性和開放性同時增強了整個金融體系的風險，必須全面提高監管技術水平。社會融資規模代表了金融體系對實體經濟發展的支撐力度，而且郭麗虹、張祥建和徐龍炳（2014）指出不同的社會融資結構對實體經濟的影響并不相同。其中，銀行貸款和股票融資對實體經濟增長具有顯著促進作用，而票據融資對實體經濟發展則產生了顯著負面影響，債券融資的影響并不顯著。

互聯網金融的發展使得融資工具和融資途徑不斷創新，互聯網金融的發展具體會對社會融資規模和結構帶來怎樣的影響呢？劉柳、屈小娥（2017）通過構建企業融資選擇模型，利用斷點最小二乘法實證檢驗發現，互聯網金融對社會融資結構的改善具有正向作用，且不存在斷點效應，說明在當前階段應繼續推動互聯網金融的發展以改善社會融資結構。整體來看，關于二者之間作用方向和機制的研究比較少。本文主要分析了互聯網金融的發展對社會融資規模和結構帶來的影響以及作用機制。

理論分析

（一）金融體系

從實際情況來看，以支付寶、微信支付為主的第三方支付隔離了客戶與銀行的直接接觸，其快速崛起和發展極大地沖擊了原有的支付清算系統；社會融資結構多元化使得資金的籌集和流向對利率的反應更加敏感，讓政府在實施財政政策和貨幣政策的時候多了一層顧慮。互聯網金融的虛擬性使原有的信用風險進一步擴大，開放性更是帶來了平臺安全風險和網絡安全風險，技術要求帶來的最大風險是信息安全風險，此外互聯網多快好省的特點注定了一旦發生金融危機，其蔓延速度將會很快超越時空的限制，發展成為全國性甚至全球性的金融危機，這對金融監管體制提出了更高要求。互聯網金融的發展會給整個金融體系帶來顯著變化，社會融資規模從金融體系中能夠獲得的資金必然會隨之而變。

（二）對傳統金融的沖擊

社會融資規模中人民幣貸款所占比重平均為62.14%，人民幣貸款主要是以銀行為中間機構取得，而余額寶、眾籌等平臺門檻低、快捷、開放信息透明度高等特點吸引大量資金供應方，使得傳統的銀行機構不再是大眾辦理存款等業務的唯一渠道，存款額的減少會直接影響到人民幣貸款金額。互聯網技術的應用擴大了證券行業的服務邊界，傳統金融業存在的信息不對稱現象得以緩解，因此通過證券融資能夠脫離中介機構，實現對資金和財產的有效運用，普遍降低了證券行業的成本。互聯網金融發展帶來的投資方式多樣化、投資主體多元化以及投資的便利性，都會促進證券行業的發展，證券融資規模必然會出現變化。

（三）長尾理論

克里斯·安德森在2004年提出長尾理論，社會融資中也存在帕累托分布，傳統的金融行業發放貸款時受到資源配置的影響，資金主要流向國有企業以及大中型企業，這些企業正處于長尾理論曲線的頭部，互聯網金融以處于曲線尾部的小微客戶群為主要服務對象，這給中小企業融資提供了新途徑。周明明、王余丁等（2017）同樣認為互聯網金融利用其網絡技術，以其低門檻、多樣化、低成本的特點顛覆了傳統金融的二八定律。

互聯網金融發展與社會融資規模和結構關聯程度的實證研究

（一）指標選取和研究方法

在研究互聯網金融與社會融資規模的關聯時，選取央行2012年發布的社會融資規模（SFS）指標。社會融資規模中的人民幣貸款、外幣貸款、信托貸款和委托貸款都以銀行或者信托機構為中間機構，未貼現的銀行承兌匯票是一種以銀行信用作為擔保的融資方式，這些融資方式統歸類為銀行融資即間接融資；企業債券融資和股票融資都是直接面向投資者個人的融資方式，稱為直接社會融資。證券融資特有的成本低、范圍廣、期限自由等特點，使得直接融資規模逐漸增大，如圖1所示，而證券股票市場的發展降低了社會融資成本，改善了社會融資結構。因此在研究互聯網金融的發展對社會融資結構的影響時，參考劉柳和屈小娥的做法選擇第三方平臺交易量（TFP）反映互聯網金融的發展，以直接社會融資在社會融資中所占比重（DFS）作為社會融資結構的指標。

本文選取2007年1月1日-2016年12月31 日的第三方互聯網支付規模（TFP）和直接社會融資（DFS）的季度數據，對數據進行對數化處理后分別記為LTFP、LSFS和LDFS，所需數據均來自wind數據庫。本文運用向量自回歸（VAR）方法分別對互聯網金融與社會融資規模和社會融資結構進行分析，描述它們之間的關聯及隨機擾動對變量的動態作用關系。建立p階VAR模型：其中yt為k維內生變量，μt為k維隨機擾動項。

（二）變量的平穩性檢驗

首先進行ADF檢驗，以避免出現偽回歸，檢驗結果如表1所示。從表1中可以看出LTFP、LSFS和LDFS在90%的顯著性水平下是平穩序列。因此可以直接建立VAR模型，無需進行協整檢驗。endprint

（三）格蘭杰因果檢驗

為使模型構建有經濟意義，我們首先對LTFP、LSFS和LDFS進行格蘭杰因果關系檢驗。根據SC和AIC信息準則判斷出最優滯后階數為1，格蘭杰因果關系檢驗結果如表2所示。從表2可以看出：在1%的顯著性水平下，LTFP是LSFS的格蘭杰原因，即互聯網金融的發展會引起社會融資規模的變化；LTFP是LDFS的格蘭杰原因，意味著互聯網金融的發展同樣會改變社會融資結構。格蘭杰因果檢驗說明互聯網金融發展與社會融資規模和結構存在因果關系。

（四）VAR模型估計

利用LTFP和LSFS構建關于社會融資規模的二變量VAR模型，利用AIC信息準則確定滯后期為1；運用LTFP和LDFS構建關于社會融資結構的VAR模型，利用AIC信息準則確定滯后期為2。運用Eviews估計出的VAR模型如下：

根據上述估計結果可以看出，社會融資規模和結構均受到互聯網金融發展的顯著影響。為了檢驗模型的穩定性，圖2給出基于上述VAR模型的AR單位根檢驗圖，從圖2可知，上述VAR模型的單位根倒數都在單位圓內，因此所有VAR模型都是穩定的。

（五）脈沖響應函數

變量之間具有格蘭杰因果關系，而且VAR模型是穩定的，下面進行脈沖響應分析。在分析VAR模型的時候并不是直接分析一個變量的變化對另一個變量產生怎樣的作用，而是分析當誤差項受到某種沖擊時，內生變量的即時以及未來會發生怎樣的變化，這就是脈沖響應函數。如圖3和圖4所示，橫軸表示沖擊作用的滯后階數，縱軸表示給予一個沖擊后因變量的變化量。

圖3為互聯網金融受到沖擊引起的社會融資規模的響應函數，當給予互聯網金融一個沖擊時，社會融資規模從滯后1期開始出現正向反應并且在滯后2期時達到最大值，之后正向趨勢減弱，從滯后6期開始小幅度遞減，直到18期減弱趨于0，整個過程的作用強度比較弱。說明短期內，社會融資規模隨著互聯網金融的發展而迅速上升，長期內互聯網金融的發展對社會融資規模的正向作用持續時間長，但是影響力度比較弱，同時互聯網金融的發展對社會融資規模的作用具有滯后性。

圖4為互聯網金融沖擊引起的社會融資結構變化的響應函數，當互聯網金融受到一個沖擊后，社會融資結構在滯后1期時發生負向反應，并在滯后2期時達到最小值，隨后負向作用減弱，在滯后3期時影響作用由負轉正，在滯后4期時正向沖擊達到最大值，此后沖擊效應逐漸減弱，到滯后13期時趨于0。這說明互聯網金融的發展對社會融資結構的影響與社會融資規模一樣具有滯后性，而且速度快、強度小、持續時間長，因此互聯網金融的發展從長期來看會改善社會融資結構。

結論及政策建議

本文分別討論了互聯網金融的發展對社會融資規模和結構的影響，利用VAR模型實證研究了互聯網金融發展對社會融資規模和結構的關聯性、滯后性以及沖擊反應。結果顯示：互聯網金融的發展對社會融資規模和結構均有影響，而且對二者的影響都具有滯后性，從脈沖響應函數可以看出，互聯網金融發展對社會融資規模和結構的影響具有速度快、強度小、持續時間長等特點。為緊跟互聯網金融發展的浪潮，高效利用互聯網金融帶來的優勢，特從以下兩方面給出建議：

互聯網金融發展明顯會擴大社會融資規模，因此要建立一個更加強健、更加具有包容性的金融體系。互聯網金融的出現和發展必然會淘汰一些效率低、成本高的服務，但是互聯網金融的發展是不可逆轉的，政府、公眾和企業應該樹立正確的觀念意識。政府部門應鼓勵互聯網金融創新，對于互聯網金融技術和業務集中的區域給予資金優惠和政策支持；對于偏遠區域更要提供基礎設施條件。在抓住機遇的同時要正視互聯網金融發展存在的特有風險，加快個人征信體系的建立，健全互聯網金融監管制度，形成各行業相互監督的監督體系。

合理調整社會融資結構。傳統社會融資規模對商業銀行機構的依賴性較大，鑒于部分企業無法得到明確的征信報告，銀行提供貸款時必然會忽略這部分小微企業，這從根本上導致了社會融資結構不合理。互聯網金融的出現給調整社會融資結構提供了契機，互聯網金融加快了利率市場化進度、促進證券行業發展、提高資金流動速度，使得直接融資在社會融資規模中的比重增加。互聯網金融融資額成長速度快、增量多、在社會融資規模中所占比重越來越高，而且互聯網金融市場發展仍具有很大潛力。將互聯網金融融資額納入社會融資規模不僅可以改善社會融資結構，更是對供給側改革的強有力支撐。

參考文獻：

1.胡錦娟.我國互聯網金融發展的產生機理、風險考量及監管重塑[J].商業經濟研究，2015（20）

2.郭麗虹，張祥建，徐龍炳.社會融資規模和融資結構對實體經濟的影響研究[J].國際金融研究，2014（6）

3.劉柳，屈小娥.互聯網金融改善了社會融資結構嗎？—基于企業融資選擇模型[J].財經論叢，2017（3）

4.周明明，王余丁，張瑞濤，王俊芹.我國新型農業經營主體融資模式創新—以互聯網金融為視角[J].商業經濟研究，2017（4）endprint