互聯網金融背景下的金融發展與經濟增長：基于VAR模型

1.前言

互聯網金融元年為2013年，這之后，迅猛發展的互聯網金融，使傳統金融生態被改變，融資渠道拓寬，小微企業的融資需求得到極大的滿足，同時，基于互聯網金融平臺，資金供需雙方的匹配及交易可自由進行。通過大數據技術及云計算技術，互聯網金融促進信息不對稱問題有效改善，降低交易成本，使金融行業進一步發展。在經濟發展過程中，金融是核心和命脈，金融發展理論指出，經濟可在金融發展作用下實現增長。不過，由于當前的傳統金融行業仍會受到互聯網金融的影響，因此有必要研究互聯網金融背景下金融發展與經濟增長的具體關系，以期能夠更為健康的發展互聯網金融，提高我國的經濟水平。

2.理論分析

2.1 互聯網金融與金融發展

互聯網金融是金融領域的一個新興產物，其對金融領域產生的影響可以說是前所未有。縱觀國外的金融行業，盡管一直受到互聯網技術的影響，但也僅僅是在后臺和渠道集中體現，新的金融業態都未被催生出來，“互聯網金融”改變并不存在。而我國之所以“一枝獨秀”的出現了互聯網金融，與我國金融體系宏觀上的金融壓抑密切相關。“金融壓抑”是麥金農和肖所描述出來的狀態，即管控利率、由銀行體系配置資金[1]。因管制的存在，導致套利空間產生，而市場具有逐利性的屬性，必然會對套利空間盡可能的利用。傳統金融服務所存在的不足催生了互聯網金融的產生，相比于傳統金融，互聯網金融的優勢體現在5方面，分別為資金配置效率、渠道、交易成本、數據信息和系統技術。本質上看，互聯網金融的民主性、普惠性更強，是一種大眾化的金融形式，會將新的理念、新的活力注入到傳統金融行業，進而促進整個金融行業的發展。

2.2 金融發展與經濟增長

經濟理論認為，金融發展影響經濟增長的表現體現在3個清晰方面，而且這3個方面不相互排斥[2]：第一，將可靠的、簡便的交易方式提供出；第二，規模效應，即儲蓄在金融活動作用下提高，且金融活動向投資方面引導儲蓄；第三，分配效應，投資時，資源分配被金融系統改善。國外學者認為，正是因為分配效應的存在，使金融活動具備促進經濟增長的作用。也就是說，金融活動開展后，資本積累及分配效率均會提高，經濟在此種作用也會出現增長和發展。縱觀關于金融發展與經濟增長關系的研究，觀點主要包含以下幾種：第一，金融如果沒有較高的發展水平，則有可能不會顯著的促進經濟增長，甚至造成經濟發展停滯不前，導致"貧困陷阱"的出現；第二，大推動理論，金融發展水平達到一定情況下，可能不會線性促進經濟增長，而是出現結構性變化，金融發展水平不同情況下，影響經濟增長的程度也存在差異，原因是金融交易過多會使破壞效應產生，導致金融系統自身風險增加，同時，邊際效率遞減特征會存在于金融發展的影響中；第三，過度發展金融會負面影響經濟的增長，甚至此種影響程度要嚴重于金融欠發展的影響。

3.基于VAR模型的實證分析

現階段，我國正在快速發展互聯網金融，與傳統金融相比，盡管互聯網金融只有短暫的發展時間，但互聯網金融仍然極大的影響了傳統金融的發展。鑒于此，有必要研究互聯網金融背景下金融發展與經濟增長之間的關系，而本節在分析二者關系時，采用VAR模型進行。

3.1 選取變量

基于研究主題，本文共選取了4類變量：①經濟增長變量，表示時選取GDP的對數值，即LNGDP；②互聯網金融規模變量，互聯網金融以第三方支付作為重要入口，為能有效的獲得數據，其代表變量選擇為第三方互聯網支付(TPIP)，對數化處理該代表變量后，得到LNTPIP；③金融發展變量，共包含兩方面，一方面為整體金融發展水平，具體指標為金融相關率(FIR)，另一方面為金融結構，具體指標包含融資結構(FSR)、銀行集中度(CR5)；④控制變量，因經濟增長會受到固定資產投資等多種因素的影響，所以控制變量選取4個，并實施對數處理，具體為固定資產投資對數值(LNINV)、進出口貿易總額對數值(LNXM)、外商直接投資對數值(LNFDI)、公共財政支出對數值(LNGOV)。

3.2 數據來源

本文選取數據時，開始時間為2007年1月，結束時間為2016年9月，具體每個變量的數據來源見表1。

表1 變量數據來源

在選取的數據中，GDP、TPIP、CR5均為季度數據，剩余其他幾項變量的數據為月度數據，為便于分析，本文調整了月度數據，使其成為季度數據。同時，變量與水平值表示時，其所對應的數據采用居民消費價格指數(CPI，來源于國家統計局網站)，基期選擇2007年1季度，處理各季度數據，以將通貨膨脹產生的影響消除，最后再對數處理處理后的數據。另外，季節調整在所有變量中開展。

3.3 建立模型

3.3.1 向量自回歸模型

本文探究動態關系時，以向量自回歸模型(VAR模型)作為基礎模型，再在VAR模型基礎上，格蘭杰因果關系等進一步開展，對變量間因果關系、模型的動態結構關系作出檢驗。

VAR模型P階滯后，即VAR(p)模型下列公式表示

yt=A1yt-1+L+Apyt-p+et,t=1,2,L,T

(1)

式中，k維內生變量即為yt，滯后階數為p，T為樣本數量，A1，…，Ap是k×k維矩陣，即系數矩陣，屬于被估計對象，k維擾動向量為εt。

假設，單位圓范圍內并不包含列式det[A(L)]的所有根，那么公式(1)即與可逆性條件相符合，此時，可利用無窮階的向量移動平均VMA(∞)形式來表示公式(1)，即：

yt=C(L)et，其中，C(L)=A(L)-1，C(L)=C0+C1L+C2L2+L，C0=Ik

(2)

估計VAR模型時，方法可采用最小二乘法。如果限制性條件不施加在Σ矩陣中，根據最小二乘法，該矩陣估計量表示公式為

(3)

VAR參數估計出來后，因為Ik=A(L)C(L)，VMA(∞)模型的參數估計即可獲得。由于僅在等式右邊出現內生變量的滯后性，所以同期相關性問題并不存在，VAR簡化模型經普通最小二乘法估計后，獲得的估計量就是一致且有效的。即使同期相關存在于擾動向量中，普通最小二乘法仍然有效。

3.3.2 脈沖響應函數

內生變量會受到誤差沖擊的影響，捕捉影響效果時即采用脈沖響應函數，即將標準差大小的沖擊施加在隨機誤差項上，之后觀察影響內生變量當期的和未來的數值的情況。利用有矩陣變換改寫VAR(p)模型，使其變為VAR(1)模型，該模型是一個無限階的向量MA(∞)過程，因此，其表示方式應為：

Yt+s=Ut+s+Y1Ut+s-1+Y2Ut+s-2+LYsUt+L

(4)

(5)

3.4 實證分析

3.4.1 平穩性檢驗

在一個隨機過程中，均值與方差均是常數，不相關于時間，而且無論哪兩個時期，其協方差值僅相關于時間間隔，那么說明該實際過程具備平穩性。本文所有變量數據都屬于時間序列，不平穩情況存在于多數變量中，回歸分析如直接進行，偽回歸現象極易出現。根據平穩性檢驗結果，不平穩現象出現在10%顯著性水平上的變量為除LNFDI的所有變量，出現在1%顯著性水平的變量則只有LNFDI；同時，變量一階差分值結果顯示，在1%顯著性水平上所有變量都表現為平穩。基于此，所有變量序列都是I(1)序列。VAR模型初步建立時，選取各變量的平穩序列。

3.4.2 向量自回歸模型

首先，確定最優滯后階數。VAR模型正式建立前，滯后期p要確定，如果其過小，會存在嚴重的誤差項自相關情況，同時參數估計會出現非一致性，但要是過大則會減小自由度，對參數估計量有效性產生直接影響。因自由度會產生限制，以3作為滯后階的最大數，最優滯后階數選取過程中使用的指標為LR、FPE、AIC、AC、HQ，結果見表2。根據表2結果，準則不同情況下，最優滯后階數也存在差異，綜合來看，最終選擇為2階。

表2 最優滯后階數檢驗結果

其次，檢驗模型的穩定。將滯后2階的VAR模型建立出來，因VAR模型的依據并不是嚴格的經濟理論，零約束不施加在參數上，主要進行內生變量間動態關系的分析，所以難以經濟解釋單個參數估計值，而且此種經濟解釋也不存在意義，應該是以VAR模型為基礎，開展格蘭杰因果分析等，以將動態關系反映出來。動態關系分析進一步開展之前，特征根檢驗要先進行，檢驗結果如圖1所示，具備穩定性。

圖1 特征根檢驗結果

再次，格蘭杰因果檢驗。格蘭杰因果檢驗在平穩序列中進行，分別為DLNGDP、DFIR、DFSR、DCR5、DLNTPIP，結果顯示，10%顯著性水平上，單向格蘭杰因果關系存在于DNTPIP與DFIR之間，即互聯網金融可對金融發展水平產生影響；單向格蘭杰因果關系還存在于DNTPIP與DFSR之間，但此種關系不存在于DNTPIP與DCR5之間，說明互聯網金融能夠改變金融結構中的融資結構，但僅能有限的影響銀行集中度；雙向格蘭杰因果關系存在于DFIR與DFSR之間，也就是說，反饋關系存在于金融發展與金融結構之間，部分驗證了改變金融結構就是金融發展；另外，雙向格蘭杰因果關系還存在于DFIR與DLNGDP之間，且格蘭杰因果關系并不存在于FSR與DLNGDP、CR5與DLNGDP之間，顯示金融發展會相互作用于經濟增長，而金融結構則不相關于經濟增長；格蘭杰因果關系也存在于DLNGDP與DLNTPIP之間，反映出互聯網金融并不會直接的相互作用于經濟增長。綜合格蘭杰因果檢驗結果，可以得出兩方面的結論。

最后，脈沖響應分析和方差分解。脈沖響應分析時，以VAR(2)模型為基礎，在模型中某個方程的新息過程上施加一個脈沖沖擊后，隨著時間的延長，會逐漸消失該沖擊，說明模型具備穩定性。新息被9個方程接受后，平穩逐漸的實現，也逐漸的消除脈沖沖擊，證明了模型的穩定性，一致于特征根檢驗結果。根據DLNGDP對自身及其他8個變量沖擊的響應結果，在響應情況中，波動多存在于16期以前，16期后趨于穩定，其中，具備促進經濟增長作用的變量共5個，分別為GDP增長率的升高、FIR變化值的升高、FSR變化值的升高、TPIP增長率的升高、INV增長率的升高。CR5對經濟增長的影響出現了小幅度的波動，但抑制作用貫穿于整個過程，即降低CR5有助于促進經濟增長。XM增長率的升高會抑制經濟增長，這可能與人民幣匯率大幅度波動等因素相關。對于FDI和GOV的影響，盡管波動有所出現，但整體上呈現出促進經濟增長的作用。

4.結論與建議

根據本文的實證分析結果可知，互聯網金融發展過程中，可促進金融發展水平的提高，進而對經濟增長發揮促進作用，金融結構的改善并不能使互聯網金融對經濟增長產生影響；金融發展水平、融資結構、互聯網金融正向發展，且降低銀行集中度后，有助于經濟增長；促進經濟增長的相關因素中，除其自身外，作用較大的為金融發展水平，銀行集中度僅有較小的作用。結合本文研究結果，本文認為，在政策方面應從以下幾方面引導互聯網金融的良好發展：第一，應盡快出臺針對性的、專門的法律法規，大力提升互聯網金融的監管水平，以保障其健康的、快速的發展；第二，積極建設互聯網金融信息安全體系，并促進安全體系逐步實現多層次，預防各種信息安全事件的發生，保證交易雙方信息的安全性；第三，要加快征信體系建設步伐，央行征信系統要盡早納入互聯網金融征信，通過共享與整合信息資源，拓寬互聯網金融的征信渠道。