經濟虛擬化與中國高貨幣化之謎
——中國省級面板數據分析

(南開大學 經濟學院，天津 300071)

一、引言及文獻評述

改革開放以來，我國的貨幣化水平呈現一種快速上升的趨勢，貨幣化率(M2/GDP)從1980年的0.45上升到2016年的2.08，遠高于歐美發達國家的貨幣化水平。貨幣化率的快速上升意味著廣義貨幣M2的增速遠高于GDP的增長速度，在現實經濟中就會表現出通貨膨脹的現象。通過統計數據發現在1996年之前伴隨著貨幣化率的上升經濟中確實出現了通貨膨脹現象，特別是1994年出現了高達24%的通貨膨脹率，但是，在1996年之后，貨幣化率的上升并沒有引發通貨膨脹的出現，有些年份還出現了不同程度的通貨緊縮。這一“中國貨幣之謎”引發眾多經濟學家 的關注并對背后的原因進行研究，研究主要從貨幣需求和金融市場兩個方面進行研究。從貨幣需求入手進行研究的學者們認為中國高貨幣化率主要原因來自于貨幣需求的增加，但是，導致貨幣需求增加的原因卻是多方面的。易綱(1996)認為中國貨幣需求的主要動因在于中國經濟由計劃經濟向市場經濟轉變過程中的貨幣化過程。劉明志(2001)則認為金融工具單一、金融市場不發達和銀行不良資產率高是貨幣需求提高的原因。范從來，杜晴(2015)從產業結構角度進行研究，他們研究發現不同產業之間的資本有機構成是不同的，所需要的貨幣量也是不同的，由于產業結構的演進帶來了貨幣需求的增加。徐長生，馬克(2015)則認為高貨幣化現象

是資產性貨幣需求增加所致，導致資產性貨幣需求增加的原因在于融資約束和投資限制。王宇偉，范從來(2016)研究發現中國貨幣需求的變化來自于企業部門不同的需求，大量資金閑置在政府部門造成GDP增長乏力是導致中國高貨幣化率的原因。

另一部分學者認為中國的高貨幣化的成因來自我國金融市場。余永定(2002)認為中國的高貨幣化現象在于高儲蓄率、高不良債權率、資本市場不發達和低的企業資金利用率。韓平(2005)；謝平，張懷清(2007)；張春生，吳超林(2008)等人認為銀行產生大量不良貸款是中國高貨幣化產生的原因，韓平還在余永定研究的基礎上對我國的貨幣化率軌跡進行了重新計算，認為我國貨幣化率收斂的上限在3.4或2.6。彭方平等(2013)研究發現，我國微觀貨幣需求彈性較高，制度和金融市場的不成熟導致低的通貨膨脹率，這就造成了利用銀行信貸推動經濟增長的模式，從而導致了高的貨幣化率。王磊，朱太輝(2016)從貨幣化之外的因素分析高貨幣化現象，認為中國高貨幣化率的成因是財富積累的快速增加以及金融市場不發達造成的低收益率。還有些學者從政府的角度對高貨幣現象進行研究，張杰(2006)將政府對銀行的補貼和擔保引入麥金農的最優貨幣化模型，認為政府通過對銀行體系的控制以尋求“金融剩余”的最大化是導致高貨幣化的根本原因。陳彥斌，郭豫媚，陳偉澤(2015)通過構建動態一般均衡模型研究發現，房地產泡沫膨脹和地方政府債務擴張增強了家庭和政府的持幣愿望，進而提高了貨幣化率。

通過對已有文獻的梳理發現，對于我國高貨幣化的研究，學者們主要從貨幣需求和金融市場兩個方面來考察，貨幣需求只是決定貨幣化率一個方面，對另一方面GDP因素考察的文獻則很少。王宇偉，范從來的研究雖然涉及GDP的因素，但是他們只是認為貨幣滯留在政府部門導致GDP增長速度乏力，而沒有從GDP的創造機制方面進行考察。在現代經濟體系劃分為虛擬經濟和實體經濟的情況下，且虛擬經濟在我國經濟中的地位越來越突出，根據國家統計局的調查數據，以金融、房地產為主的虛擬經濟部門創造的GDP在國民經濟中的比重在2015年已經占到14.5%，我國經濟的虛擬化趨勢明顯。同時，還看到近年來虛擬經濟部門創造的增加值占國民經濟的比重變動與貨幣化率的變動具有很強的相似性，2008-2015年虛擬經濟增加值占比增加了40.7%，同期的貨幣化率提高了37.1%。因此，從虛擬經濟和實體經濟不同的創造GDP機制角度去考察經濟虛擬化對貨幣化率的影響，不但可以從一個新的視角去解釋中國貨幣化之謎，彌補相關文獻不足的問題，而且也為高貨幣化率的現象提供了一個更為合理的解釋。

二、經濟虛擬化對貨幣化率的影響機制及理論假說

(一)經濟虛擬化對于貨幣化率的影響機制分析

首先，從宏觀層面來觀察虛擬經濟部門發展同貨幣化率的關系(圖1)，圖中橫坐標表示年份，縱坐標表示比值。為了便于觀察，我們將圖中虛擬經濟部門增加值占比擴大10倍，這并不影響兩者之間的關系。從圖1中可以看出，虛擬經濟部門發展同貨幣化率的關系分為如下三個階段：第一階段為1995-1999年，虛擬經濟發展與貨幣化率走勢趨同，兩者同步發展；第二階段為2000-2007年，虛擬經濟發展與貨幣化率兩者走勢開始偏離，這主要是由于當時四大國有商業銀行不良資產率偏高，影響了利潤所致；第三階段為2008-2014年，虛擬經濟發展與貨幣化率走勢高度趨同。因此，我們可以從宏觀層面認為虛擬經濟發展與貨幣化率有一定的相關關系。

宏觀層面的數據反映了一種縱向關系，也就是兩者在不同時間點上的關系。接下來，從更為微觀的省級層面來觀察虛擬經濟發展與貨幣化率的關系(圖2)，與宏觀層面不同，微觀層面反映的是一種橫向比較關系。由于各國的社會制度、風俗習慣、經濟結構等因素的不同，選擇同一社會制度下，不同經濟發展階段的各省市作為觀察對象可以更為全面地呈現虛擬經濟發展與貨幣化率的關系。

圖1 虛擬部門發展與貨幣化率關系數據來源：國家統計局網站。

由于缺乏省、市一級的貨幣化率數據，因此，采用銀行存款余額與GDP的比值近似表示貨幣化率，采用金融和房地產業增加值占全省GDP比值表示虛擬經濟部門發展狀況。為了分析方便，使用2014年全國31個省、市截面數據進行分析，同時將增加值占比擴大100倍，這僅是為了便于在圖中進行比較，其中圖2、圖3橫坐標表示省份，縱坐標為比值。從圖2中可以看出，虛擬經濟發展與貨幣化率在省級層面上也反映出一定的相關關系，虛擬經濟部門增加值占比較高的省份貨幣化率也相應很高，例如北京和上海，而虛擬經濟部門增加值占比較低的省份相應的貨幣化率也很低，例如湖南和內蒙古。那么，不論從宏觀層面還是微觀層面都觀察到虛擬經濟發展與貨幣化率有一定的相關關系，接下來，我們來分析一下虛擬經濟發展是如何對貨幣化率產生影響的。

圖2 2014年各省、市虛擬經濟發展與貨幣化率關系數據來源：中國金融統計年鑒、國家統計局網站。

對于經濟虛擬化對貨幣化率的影響，首先從貨幣需求方面進行分析。虛擬經濟從本質說是脫離了物質生產過程的價值增值過程的獨立化的經濟運行方式(劉駿民，劉曉欣，2016)。也就是說，虛擬經濟是用貨幣來創造GDP的經濟方式，因此，虛擬經濟部門創造增加值的增多必定會帶來對貨幣的大量需求。這可以從改革開放以來的數據中看出，虛擬經濟部門增加值在GDP中的占比從1980年的4%發展到2015年的14.5%，而金融機構人民幣信貸資金運用從1980年的2 684億元增加到2015年的154萬億元，其中貸款從2 478億元提高到93.95萬億元，有價證券投資從1989年的16.9億元增加到2015年的19.76萬億元。貸款金額提高了379倍，有價證券投資提高了11 692倍，同時期GDP提高了149倍，貨幣需求遠遠大于GDP的增長速度。除了銀行業以外，虛擬經濟部門對于貨幣的需求主要來自證券業和地產業，有價證券的投資占整個貨幣總量M2的比重從1989年的0.86%提高到2015年12.83%，房地產企業總資產從2000年的2.5萬億元提高到2015年的55萬億元，其中負債1.9萬億增加到42.87萬億元，總資產占貨幣總量M2的比重從18.8%提高35.7%，負債從14%提高到27.3%。房地產業尤其在2008年金融危機之后，貨幣需求急劇增加，負債從10.47萬億元提高到2015年42.87萬億元。雖然外匯占款對于貨幣需求有一定的影響，但是從相關數據來看，2008年以后外匯占款占M2的比重從31%下降到17.2%，因此，近年來外匯占款對于貨幣高貨幣需求影響并不大。

貨幣化率同金融和房地產的關系，可以從更為微觀的省、市層面來分析(圖3)。從圖3中可以看出，絕大部份省、市的貨幣化率與金融和房地產業發展高度相關。貨幣化率數值前三位的省份，分別是北京、西藏、上海，貨幣化率為4.69、3.35、3.14；金融業增加值占整個省GDP的比重分別為15.7%、14.4%、6%；房地產業增加值占整個省比重分別為6%、6.5%、3.1%。貨幣化率數值排名最后三位的省份為內蒙古、湖南、吉林，貨幣化率分別為0.92、1.12、1.2；金融業和房地產業增加值占整個省GDP比重分別為4%、3.5%、3.3%以及2.5%、3.1%、2.5%。貨幣化率排名前三的省份中其虛擬經濟部門增加值占整個省GDP比重的排名北京、上海依次排名前兩位，而貨幣化率排名后三位的省份中其虛擬經濟部門增加值占整個省GDP比重排名中依然是內蒙古、湖南、吉林三個省份占據最后三位。因此，我們可以從更加微觀的省市層面數據分析可以看出，金融、房地產之間聯系密切，同時二者與貨幣化率的關系也是高度相關，那么，由此可知，中國目前存在的高貨幣化率與虛擬經濟部門大量的貨幣需求必定具有一定的聯系。

圖3 各省、市金融、房地產與貨幣化率關系數據來源：中國金融統計年鑒、國家統計局網站。

其次，貨幣化率定義為M2/GDP，高的貨幣化率一方面理解為貨幣需求的增加導致M2大幅度的增加所導致，另一方面，也要看到GDP對于貨幣化率的影響。對于實體經濟來說，GDP的創造除了需要貨幣資本以外，還需要一個生產過程，是物質生產過程和價值增值過程的統一，因此，其所需要的貨幣與創造的GDP比值會比較穩定。而虛擬經濟則是脫離物質生產過程獨立化的價值增值過程，用貨幣直接創造GDP，所創造GDP為使用貨幣的一個很小的比例，因此，所需貨幣與創造GDP的比值就會比較高。例如，2015年房地產業利用貨幣總量比重35.5%的資產創造的GDP僅占整個增加值的6.1%，而金融業中的銀行和證券業使用貨幣總量94%的貨幣創造的GDP占整個增加值的8.4%。因此，虛擬經濟部門的發展必然會導致貨幣化率的提高。

同時，虛擬經濟部門之間的發展是一種相互促進的作用，房地產業的發展需要金融業為其源源不斷地提供資金支持，而金融業的發展也要以房地產這樣的資金需求巨大的行業作為支撐，推動其發展。尤其是近年來，金融和房地產之間的關系越來越緊密，根據2016年上半年上市公司半年報顯示，上市銀行中新增貸款近一半投向住房按揭，住房按揭貸款占新增貸款比例的46.58%，農業銀行、建設銀行、招商銀行、興業銀行新增按揭貸款比例超過上半年新增貸款的一半，分別為64.01%、62.71%、57.07%和55.30%。

綜上所述，虛擬經濟部門發展對貨幣化率的影響機制首先在于房地產業的發展帶動了銀行業的發展，而銀行業發展的同時也推動了房地產業進一步的發展，兩者之間同時發展相互作用帶來了大量的貨幣需求。而且由于我國的融資主要以間接融資為主，房產又具有抵押和質押的功能，這使得銀行可以派生出大量的M2。一方面是虛擬經濟部門大量貨幣需求的增加，而另一方面則是虛擬經濟部門創造GDP能力脆弱，兩方面因素疊加在一起影響貨幣化率的大小。

(二)經濟虛擬化對于貨幣化率的影響理論假說

從上面的機制分析可知，虛擬經濟部門發展對于貨幣化率的影響來自兩個方面，貨幣需求和GDP創造。因此，根據這個影響機制，選擇通過劍橋方程和費雪方程建立理論模型闡述這個影響機制。劍橋方程描述了最終產品(GDP)與貨幣存量與收入貨幣流通速度之間的關系，而貨幣流通速度與貨幣化率互為倒數關系，因此，可以將劍橋方程變為

M/R=PQ=Y

(1)

其中，M為貨幣存量，R為貨幣化率，P為物價總水平，Q為實際產出，Y為最終產品的價值。因為虛擬經濟部門可以利用貨幣直接創造GDP，那么，劍橋方程可以變為

M/R=PQ=Y1+Y2

(2)

其中，Y1為實體經濟增加值，Y2為虛擬經濟增加值。

費雪交易方程描述的是資本存量、貨幣交易流通速度與總交易額之間的關系

MV=T=W1+W2

(3)

其中，M為貨幣存量，V為貨幣交易流通速度，T為貨幣總交易量，W1為實體經濟交易額，W2為虛擬經濟交易額。因為實體經濟和虛擬經濟創造GDP的機制不同，實體經濟部門通過勞動、資本、技術等生產要素的投入進行生產性活動，這些生產性活動所制造的為最終消費者所消費的產品的最終市場價值就是其創造的GDP。而虛擬經濟部門則是根據交易額的大小收取一定比例服務費的方式創造GDP，實體經濟產品采用成本定價法，而虛擬經濟采用預期收益折現的方式定價(劉駿民、劉曉欣，2016)。同時，由于GDP是一個價值概念，而不是一個物量概念，因此，我們可以將實體經濟的交易額看成是實體經濟最終產品的價值。式(3)可以改寫為

MV=Y1+W2

(4)

將式(4)代入式(1)得

(5)

將式(5)整理得

(6)

將式(6)變形為

(7)

對式(7)中X求導得

(8)

命題1如果虛擬經濟部門相比于實體經濟部門的貨幣需求增加，那么，經濟中的貨幣化率隨之增加；反之，如果虛擬經濟部門相比于實體經濟部門貨幣需求減少，那么，經濟中的貨幣化率也隨之下降。

命題1成立的條件是貨幣交易流通速度不發生顯著的變化。參照金迪(2014)的研究成果,認為交易貨幣流通速度是一個穩定的制度變量。因此，在這種情況下，命題1的結論就是成立的。接下來，通過使用1996-2014年全國31個省、市數據建立計量模型，驗證虛擬經濟部門發展對于貨幣化率的影響機制。

三、模型的設定和數據選取

(一)模型的設定

根據命題1的理論假設以及弗里德曼的貨幣需求理論，貨幣需求受價格水平、收入水平、貨幣收益率、預期通貨膨脹率等因素的影響。因此，本文將計量模型設定為如下形式

MRit=C+β1FDit+β2FAIit+β3IRit+β4πit+uit

其中MRit表示為i省份t年的貨幣化率(M2/GDP)，因為廣義貨幣(M2)缺乏省市一級的統計數據，因此本文用各省市金融機構存款余額替代M2數據，計算方法為各省銀行存款/各省GDP；C為截距項，FAIit為i省份t年虛擬經濟發展情況，用該省金融業增加值與房地產業增加值之和與全省增加值的比值表示；為i省份t年固定資產投資情況，鑒于房地產投資也屬于固定資產投資的一部分，因此，本文固定資產投資是全社會固定資產投資減去房地產投資部分后的數值與全社會固定資產投資的比值，以反映去除房地產投資外的其他行業固定資產投資的變化情況對貨幣需求的影響；IRt為t年的利率水平，一年期存款利率表示，由于個別年份利率變動頻繁，因此這些年份的利率采用月度平均加權的辦法處理；πit為i省份t年的通貨膨脹率，用各個省份的居民消費價格指數來表示；uit為隨機擾動項。其中，固定資產投資、利率與通貨膨脹率為控制變量。

(二)數據的選取

由于1995年西藏和重慶部分數據缺失，因此，本文選取1996-2014年全國31個省市共589個數據。數據來源于國家統計局網站、中國人民銀行網站、中國金融統計年鑒。

(三)變量的平穩性檢驗

為了避免使用非平穩序列進行回歸造成的偽回歸現象，需要對變量進行平穩性檢驗，單位根檢驗總體采用LLC檢驗，單個變量采用ADF檢驗，檢驗結果如下。

表1 變量統計性描述

表2 單位根檢驗結果

注：*、**、***分別表示10%、5%、1%的顯著性水平。

從平穩性檢驗的結果可以看出(表2)，變量MR和FD存在單位根，是不平穩序列，而變量FAI、π、IR之間不存在單位根，他們都是平穩序列。對不平穩的變量做差分得到的序列為平穩序列，而且，數據可以看作是一個短面板數據，因此，可以進行直接回歸。

四、計量結果分析

(一)計量結果分析

在進行回歸之前，要進行Hausman檢驗，來判定采用固定效應模型還是隨機效應模型。根據Hausman檢驗的結果P值為0.013<0.05，拒絕隨機效應模型優于固定效應模型的原假設，本文采用面板固定效應模型進行估計，實證回歸結果如下。

從表3的實證結果可以看出，虛擬經濟的發展對于貨幣化率具有顯著的正向影響，也就是說虛擬經濟部門發展可以顯著地提高貨幣化率。同時，從實證結果我們還能看到，無論在添加控制變量的情況下還是在沒添加控制變量的情況下虛擬經濟部門發展對貨幣化率的影響都能通過了1%的顯著性檢驗。因此，可以看到計量模型實證結果所得出的結論與命題1的結論是一致的。

(二)穩健性檢驗

為了驗證計量模型所得出結果的可靠性，我們要對上面的回歸結果進行穩健性檢驗，本文采用穩健性檢驗的方法是使用不同的計量方法，鑒于上面的回歸分析使用了固定效應模型，在穩健性檢驗時我們采用最小二乘法來檢驗回歸結果是否穩健。檢驗結果如下：

表3 回歸結果分析

注：*、**、***分別表示10%、5%、1%的顯著性水平。

表4 穩健性檢驗

注：*、**、***分別表示10%、5%、1%顯著性水平。

表4的穩健性檢驗結果表明，在采用不同的計量方法后，回歸結果依然顯著，解釋變量都可以在1%的顯著性水平下通過檢驗，這說明經濟虛擬化過程對貨幣化率的影響具有穩健性。雖然計量結果證明了經濟虛擬化過程對于貨幣化的提高具有顯著的影響，但是從圖1中看到在

2008年之前，兩者之間關系走勢圖并不像2008年之后那樣走勢保持一種一致平行關系，并且在短時間內將貨幣化率推高了0.5個點左右。那么，接下來將分析2008年前后經濟虛擬化對貨幣化率影響為什么在趨勢圖上存在一定差異性原因所在。

五、經濟虛擬化對貨幣化率影響趨勢差異性分析

從圖1中可以看出，經濟虛擬化與貨幣化率的走勢在1998-2008年間出現一定的不一致現象，這一現象的形成主要是當時銀行業的不良資產大量增加導致計提大量資產損失，從而使銀行業創造的GDP減少所致。因為使用虛擬經濟部門所創造的增加值表示經濟虛擬化的過程，而虛擬經濟部門中重要組成部門的金融業增加值占比在1998年以后出現了下降的趨勢，從1998年的5.1%下降到2005年的4%，這導致了整個虛擬經濟部門的增加值也隨之下降由1998年的9.1%下降到2005年的8.5%。金融業的增加值來自金融業所創造的利潤，而銀行業作為當時金融業的主要組成部分其由于不良資產的大量增加而導致利潤大幅度下滑，1998年和1999年不良資產率高達33%和41%。之后雖然在1999年國家成立四大資產管理公司在1999年和2004年對四大國有商業銀行的不良資產進行了剝離，但是商業銀行的不良資產率一直處于高位，從2008年第四季度開始才降至2.42%，2009第四季度降至1.58%。雖然銀行業增加值在減少，而廣義貨幣M2卻在持續增加由1998年的10.45萬億增加到2005年的29.87萬億，貨幣化率(M2/GDP)持續上升，M2的上升和虛擬經濟部門增加值占比的下降就導致了經濟虛擬化進程與貨幣化率出現一定背離現象。這一現象是我國進行金融制度改革的結果，并非是一種常態。在銀行業市場化改革完成后就出現我們在圖1中看到的經濟虛擬化進程與貨幣化率走勢高度一致的情況。

表5 不同時間段各變量對貨幣化影響的計量結果

表5的計量結果也證實了上面的分析結果，經濟虛擬化進程與貨幣化率在1998-2007年時間段出現短暫的背離是由于我國進行金融制度特別是銀行業的市場化改革所致。

對于2008年以后，貨幣化率迅速提高，短短7年時間由1.47上升到2.03，主要原因是由于房地產業的快速發展導致的。城市化進程推進雖然是房地產業發展主要的動力，但是這并不能足以說明2008年以后房地產業的加速發展。我國的城鎮化率從2000年的36.21%上升到2008年的46.98%，房地產企業負債從19 032億元增加到104 782億元，而在2015年城鎮化率上升至56.01%，房地產企業負債增加到428 729億元。在兩個階段，城鎮化率同為上升約10個百分點，而房地產業的資金需求量從相差約8萬億元增加到相差約32萬億元，差距在4倍左右。社會對于房地產需求的快速增加，城鎮化率已經不能進行完全的解釋，我們要從房地產的投資品屬性進行解釋。

房屋最初是為滿足人們居住需求的一種商品，具有商品屬性。隨著城鎮化的推進，農村人口加速向城市轉移，出現了大量的租房者，這就使房屋的出租者每月可以得到穩定的現金流。穩定現金流的出現也使房屋由一種普通商品變為一種類金融資產，成為家庭財富的重要組成部分，根據西南財經大學中國家庭金融調查與研究中心公布的《2014中國家庭財富分布報告》公布的調查數據，中國家庭財富的91.9%來自于非金融資產，而房產已占家庭非金融資產的比例高達71.7%，也就是說中國家庭財富的60%多都來自于房產，2011年房產占家庭財富的比例為67.1%，2013年這個比例上升至69.4%。人們進行房屋買賣的行為從簡單地滿足自己居住需求的購買行為變為一種投資行為，大量資金進入房地產市場進行房地產炒作，大幅度推高房價。根據國家統計局數據顯示，全國商品房的平均售價在2008年后大幅度上漲，上漲金額達到3 000元，而2000-2008年上漲不足1 700元。特別是一些一線城市上漲幅度更大，北京平均房價從2008年底的每平米10 000元漲到2015年底的每平米30 000元。房屋價格的上漲一方面使大量投機資金涌向房地產市場，產生大量的貨幣需求；另一方面，房價上漲讓使用房屋抵押進行貸款的獲取者資金增多，帶來貨幣需求，根據招商證券的分析報告2015年中國房地產交易的杠桿率為48%，而我國又是以銀行間接融資為主的國家，這種融資體系就可以派生出很多貨幣存款，因此，直接提高廣義貨幣M2的數量，導致貨幣化率快速上漲。

六、結論與政策建議

本文針對中國近年來的高貨幣化之謎背后的原因進行研究，認為經濟虛擬化過程是導致高貨幣化產生的重要原因，其作用機制不但來自于虛擬經濟部門快速增加貨幣需求，更為重要的是虛擬經濟創造GDP的機制與實體經濟不同，虛擬經濟利用貨幣創造GDP的能力要小于實體經濟。通過建立理論模型和進行計量檢驗驗證了上述結論的正確性。接下來，針對2008年前后經濟虛擬化進程與貨幣化率走勢的差異進行數據和計量分析，結果顯示形成這種差異的原因在于中國銀行體系的市場化改革，這種差異只是一種暫時的現象。同時，對2008年以后貨幣化率快速的上漲原因進行進一步的分析，認為房產在中國家庭財富結構比例的上升以及中國以銀行為主的融資結構是導致2008年以后中國貨幣化率快速上升的重要原因。本文得出的一個重要結論在于我國的高貨幣化現象與經濟虛擬化進程有著重要的聯系，而虛擬經濟創造GDP的特殊機制對于高貨幣化的出現起著重要的作用。

本文結論的政策含義是，首先，高貨幣化并不是完全由貨幣超發導致，而是由于虛擬經濟部門的貨幣需求快速增加，并通過銀行體系擴大廣義貨幣M2的數量，同時，虛擬經濟利用貨幣創造GDP的能力要小于實體經濟，這就產生了高貨幣的現象。如果是貨幣超發就會像1996年之前那樣社會出現通貨膨脹現象，而與高貨幣化相伴隨的是低通脹和高房價并存，這就說明是虛擬經濟部門的貨幣需求增加所致。這種現象會加速虛擬經濟和實體經濟之間的比例失調，使經濟中蘊含大量的風險，不利于經濟的持續健康發展。因此，政府應采取對虛擬經濟部門去杠桿以及利用利率工具調節虛擬經濟和實體經濟二者之間的比例關系。其次，要降低高貨幣化率就要從根本入手，降低虛擬經濟部門的貨幣需求。推動房地產改革，減少房產作為財富或者一種類金融資產的屬性，堅決控制資金對房地產的大肆炒作，拓寬人們的投資渠道(王磊，朱太輝，2016)，推動中國資本市場改革，大力發展債券市場和股票市場，減少政府對于股票市場非必要行政干預，維護股票市場健康穩定發展，通過提供更多優質的金融資產。最后，要通過發展資本市場，提高直接融資的比例，降低銀行間接融資的比例，這不但可以降低貨幣乘數，減小貨幣化率，而且還能引導資金流向實體經濟，為實體經濟服務，使經濟擺脫當前資金“脫實入虛”的困境，歸根到底虛擬經濟創造的GDP一部分來源于實體經濟所創造的利潤(Duncan,2013)，一部分來自于資產波動產生的虛擬財富，虛擬財富并不是真實的財富，虛擬財富的增加并不伴隨著任何的商品流和服務流的增加(Stiglitz,2016)。因此，要保持經濟增長的持續性和穩定性，虛擬經濟必須為實體經濟服務，而不能脫離實體經濟而存在。

[1]易綱.中國的貨幣、銀行和金融市場：1984-1993[M].上海:上海人民出版社，1996.

[2] 劉明志. 中國的M2/GDP(1980—2000):趨勢、水平和影響因素[J].經濟研究，2001(2)：3-12.

[3]范從來,杜晴. 產業結構影響M2/GDP比值的實證研究[J].中國經濟問題，2015(2)：3-12.

[4]徐長生,馬克. 中國貨幣之謎”:基于貨幣需求視角的解釋[J].經濟學家，2015(8)：5-12.

[5] 王宇偉,范從來. 企業部門的貨幣持有與中國貨幣化率的變動——來自微觀層面的經驗證據[J].中國工業經濟，2016(7)：5-22.

[6]余永定. M2/GDP的動態增長路徑[J].世界經濟，2002(12)：3-13.

[7] 韓平,李斌,崔永. 我國M2/GDP的動態增長路徑、貨幣供應量與政策選擇[J].經濟研究，2005(10)：37-47.

[8]謝平,張懷清. 融資結構、不良資產與中國M2/GDP[J].經濟研究，2007(2)：27-37.

[9]張春生,吳超林. 中國M2/GDP畸高原因的再考察——基于商業銀行資產負債表的分析[J].數量經濟技術經濟研究，2008(5)：3-16.

[10]彭方平,連玉君,胡新明,趙慧敏. 規模經濟、卡甘效應與微觀貨幣需求——兼論我國高貨幣化之謎[J].經濟研究，2013(4)：83-93.

[11]王磊,朱太輝. 高貨幣化率的非貨幣化解釋[J].國際金融研究，2016(12)：13-22.

[12]張杰.中國的高貨幣化之謎[J].經濟研究，2006(6)：59-69.

[13]陳彥斌，郭豫媚，陳偉澤.2008年金融危機后中國貨幣數量論失效研究[J].經濟研究，2015(4)：21-35.

[14]劉駿民，劉曉欣.經濟增長理論創新及其對中國經濟的實踐意義—兼論如何重開中國經濟高增長之門[J].政治經濟學評論，2016(6)：74-112.

[15]Stiglitz J E.“Inequality and Economic Growth”, in Jacobs, Michael, and Mariana Mazzucato, eds, Rethinking Capitalism: Economics and Policy for Sustainable and Inclusive Growth,John Wiley & Sons[J].Political Quarterly,2015 , 86 (Supplement S1) :134-155.

[16]Foley D K."Rethinking Financial Capitalism and the “Information” Economy,"[J].Review of Radical Political Economics , 2013,45(3): 257-268.