央行釋放的流動性去了哪？

馬理 范偉

摘要：金融危機中，央行通過寬松的貨幣政策釋放大量的流動性，但是這些資金似乎并未完全進入實體經濟領域，資金在資源配置上出現了脫實向虛的傾向。本文從企業、銀行和居民三個層面進行文獻梳理和理論歸納，總結資金脫實向虛的影響和路徑，然后分別建立實證模型，研究央行釋放的流動性的去向，以及寬松的流動性對微觀層面的資金配置行為的影響。研究顯示：在經濟下行期，流動性的增加導致企業配置金融資產的規模遠大于配置實體資產的規模，居民將更多的資金配置到了房地產上，商業銀行加大了對金融資產的投資。本文建議將商業銀行的資產管理業務納入金融風險監管體系，關注房地產價格波動，加大定向調控類貨幣政策的實施力度，促使資本市場對中國實體經濟發展產生有益的影響。

關鍵詞：貨幣供應量;流動性;資金流向;脫實向虛;投資行為;企業部門;銀行部門;居民部門

文獻標識碼：A

文章編號：1002-2848-2019（03）-0039-10

近年來，我國的貨幣供應量一直保持高速增長的態勢。2008年末，我國的M1和M2分別為15萬億元和47萬億元。截至2018年9月，我國M1和M2分別增長到了54萬億元和180萬億元，年復合增長率分別為11.2%和16.1%。但是，貨幣供應量的高速增長似乎并未帶來經濟的同比例高速增長。中國經濟增速從2010年的10.4%開始連續放緩，2018年三季度跌至6.7%，固定資產投資率在2009年達到最高33.6%后，2018年9月下降到3.8%。實體企業的發展也持續低迷，普遍面臨需求萎縮、產能過剩、成本上升、技術創新不足、行業利潤率大幅下滑等一系列難題。與此同時，我國虛擬經濟的規模日益增長。2017年我國金融業產值占GDP的比重高達8.4%，已超過金融危機前美國和日本的金融業產值占GDP的比重。2017年上市公司財務報表數據顯示，金融業總體凈利潤占總體上市公司利潤50%以上。在國內固定資產投資規模逐年下滑的情況下，上市公司配置金融資產規模與利潤的增長速度遠高于上市公司投資實體經濟規模與利潤的增長速度，商業銀行通過同業業務與資管渠道等方式獲取的收益節節攀升，銀行與居民投資股權、債券及其他投資類科目的規模大幅度增加。

由此可見，寬松貨幣政策釋放的流動性并未完全潤澤實體經濟，而是使虛擬經濟過度膨脹，脫離實體經濟運行，資金出現“脫實向虛”的特征。近年來，已有學者開始關注脫實向虛并測算脫實向虛的閾值。例如Arcand等[1]考察了虛擬經濟和實體經濟的比例對經濟增長產生的影響，發現當企業部門的信貸與GDP的比例大于100%時，虛擬經濟將對經濟增長產生負面影響。習近平在全國金融工作會議上強調，金融是實體經濟的血脈，為實體經濟服務是金融的天職，實體經濟應當是金融發展的基礎，金融要把為實體經濟服務作為出發點和落腳點。在此背景下研究央行釋放的資金流向，并有的放矢地提出政策建議具有重要的現實意義。相關研究不但有利于豐富與完善實體經濟和虛擬經濟關系的研究框架，判斷貨幣政策傳導渠道是否通暢，而且有利于科學評價貨幣政策對企業、居民和商業銀行不同層面的綜合影響，提高宏觀調控的有效性，為促進供給側結構性改革的貨幣政策調控提供決策參考。

相對于以往的研究，本文的創新之處在于：第一，結合我國房地產市場的特殊背景以及居民個體的預期，分析在經濟下行期，居民購房需求顯著增加的機理原因;第二，結合貨幣寬松、金融脫媒、利率市場化的宏觀背景，從銀行收益和規避監管的角度，解釋流動性沖擊對我國銀行資金脫實向虛的影響;第三，選取的銀行數據覆蓋全國絕大部分國有商業銀行、股份制商業銀行、城商行、農商行，相關結果更全面地反映了我國商業銀行資金脫實向虛的特征，并提出了有針對性的政策建議。

一、文獻綜述與提出假說

由于本文主要研究資金脫實向虛的成因、危害與風險防范，因此需要對虛擬經濟和實體經濟進行界定。成思危[2]認為虛擬經濟是與實體經濟相對應的經濟活動模式，包括金融市場、金融機構、房地產等領域。黃群慧[3]進一步研究了虛擬經濟和實體經濟的關系，認為實體經濟應包括制造業以及除了金融業、房地產業外的服務業，虛擬經濟包括金融業和房地產業，虛擬經濟和實體經濟構成整個經濟系統。借鑒以上研究，本文定義虛擬經濟包含金融投資（股權投資、債權投資和衍生金融工具形成的資產）和投機類的房地產投資，而實體經濟是除了虛擬經濟之外的其他經濟業態。

（一）經濟下行時，企業投資脫實向虛的影響和路徑

一般認為，企業過分投資虛擬經濟可能擠出實體經濟投資，對實體經濟的增長有負面影響。Davis等[4]發現企業資金大量流入虛擬經濟將導致公司戰略和結構發生重大變化。Cecchetti[5]發現企業資金大量流入虛擬經濟，不利于全要素生產率的增長，使高抵押、低生產率項目受益。Tori等[6]發現非金融部門對金融活動的熱衷，將會導致非金融公司生產率的降低，進而造成經濟增長的脆弱性。Du等[7]發現更好的金融市場法律制度以及企業發展前景，都將促使企業投資實體經濟，從而使企業減少對金融資產的投資。劉小玄等[8]發現制造業企業金融資源的增長使民企的發展受到抑制，從而對經濟結構造成負面影響。不過，也有學者對企業投資虛擬經濟持正面看法。例如Loayza等[9]認為企業選擇投資實體經濟或者虛擬經濟是基于經濟高速增長和經濟風險較高之間的權衡，對于中等收入國家而言，企業投資虛擬經濟對經濟的增長效應更大一些。當經濟下行時，企業投資脫實向虛的路徑如下：

首先，經濟下行可能導致實體經濟的回報率下降。企業基于利潤最大化的動機，可能會加大投資虛擬經濟的力度。張成思等[10]發現經過多年高速發展后，我國的實體經濟收益呈現逐年邊際遞減，實業投資率在2007年左右達到峰值之后呈持續下降趨勢，同時我國非金融企業持有的金融資產表現出不斷上行的態勢，說明我國非金融企業越來越熱衷于投資虛擬經濟。當經濟下行時，企業會將資金從邊際收益不斷降低的實體經濟轉移到邊際收益較高的金融資產。Demir[11]發現當實體經濟回報率下降時，由于固定資產投資周期長并且收益不確定，企業資金將投資于收益周期短并且收益確定的短期金融資產。王紅建等[12]發現實體企業存在對金融資產投資以分享金融業的高額利潤的偏好，這種短期效益會顯著抑制企業對長期效益的追求。

其次，經濟下行可能導致流動性風險。為了規避流動性風險，企業可能會加大投資虛擬經濟的力度，而且企業未來的收入、成本以及現金流都存在更大的不確定性，企業面臨融資成本高，甚至融資難的困境，這種困境強化了企業的預防性儲蓄動機。Duchin等[13]發現企業為了應對未來可能的流動性短缺，更傾向于增持大量金融資產，進而降低企業經營風險，以減少資金鏈斷裂對生產經營活動的負面沖擊。Akbar等[14]發現當信貸緊縮時，企業會顯著增加持有流動性金融資產的規模和減少固定資產的投資規模，用來應對將來經濟中可能出現的不確定性。

最后，經濟下行凸顯了融資約束難題。為了回避融資約束，企業可能會加大投資虛擬經濟的力度。彭俞超等[15]認為中國當前存在金融抑制，正規金融機構具有較強的信貸配給行為，國有企業、大規模企業憑借融資優勢，能夠從資本市場和銀行募集到足夠的、甚至是超過其生產經營所需的資金，而民營企業、小規模企業難以從正規金融體系獲得融資，進而被迫尋找其他的融資渠道。Martínez-Sola等[16]發現為了緩解融資約束和避免融資困境，中小企業更加傾向持有流動性金融資產來提高投資的靈活性。楊箏等[17]認為由于經濟下行凸顯了融資約束難題，所以具有較弱融資約束的企業會減少實業投資轉投影子銀行，而上市企業作為受融資約束較弱的企業，資金相對充裕，有更強的動機投資金融資產。

綜上所述，本文提出以下研究假設：

H1：在經濟下行期，企業可能會增加對金融資產的投資規模。

（二）經濟下行時，居民投資脫實向虛的影響和路徑

大部分學者認為居民資金脫實向虛可能不利于經濟的發展，并促使金融脆弱性提高。例如，Abildgren等[18]認為居民對房價預期的過度樂觀可能使房價偏離其基本價值20%左右，并導致住房消費扭曲，從而使央行貨幣大量流入房地產領域。Chakraborty[19]認為房地產價格波動存在“金融加速器”效應，會顯著地放大居民資金大量流入房地產領域引發的房地產價格波動，增加經濟的波動性。潘敏等[20]認為居民債務水平提升對居民消費的擠出程度非常大，從而顯著地抑制消費。Büyükkarabacak等[21]認為居民信貸的快速擴張造成了居民部門負債的增加，對經濟增長的刺激效果不明確，更容易導致銀行危機發生。當經濟下行時，居民投資脫實向虛的路徑如下：

首先，經濟下行導致市場上可投資的優質標的相對較少。由于房地產具有金融屬性以及稀缺性，過量的流動性基于逐利的動機，就會進入房地產市場。徐忠等[22]發現由于我國投資渠道有限，央行釋放的流動性容易流向房地產領域，提升房地產價格，進一步造成居民部門資金脫實向虛。Stockhammer等[23]發現家庭信貸供給的增加造成家庭借貸成本降低、房地產價格上漲以及未來資本收益預期上升，激勵低收入家庭增加負債購買房地產，促使居民資金流向房地產領域。

其次，經濟下行期的寬松貨幣政策可能導致住宅價格的升高，推高財富效應，進而改善居民的資產負債表情況。居民財富的凈值上升，導致居民對住宅的投資上升，居民購房總需求增加。孟慶斌等[24]研究了我國近年來的房價暴漲現象，發現我國金融危機后貨幣寬松政策對房地產價格的劇烈上漲有顯著的影響。Dieci等[25]發現在流動性沖擊下，居民的異質預期是導致房地產價格呈現超額波動性的重要因素，居民對房價的預期加劇了房地產價格上漲，從而促使居民部門資金流向房地產市場。

最后，房地產市場的供需錯配，加劇了居民部門資金流向房地產市場。近二十多年快速城鎮化以及居民收入的增加，促使居民對房地產的剛性需求和投資需求同時增加。孟慶斌等[26]研究發現我國居民收入的提高、快速發展的城鎮化進程和由于收入、福利以及基礎設施在區域間分布的不均衡而引起的人口跨區域流動都在很大程度上推高了我國房價。韓立彬等[27]發現與土地供給相對放松的城市相比，土地供給相對收緊城市的房價平均要高10%左右，原因在于土地供給在空間與土地需求上不匹配。

綜上所述，本文提出以下研究假設：

H2：在經濟下行期，居民可能會增加對房地產的投資規模。

（三）經濟下行時，銀行投資脫實向虛的影響和路徑

以往學者從銀行風險承擔渠道與貨幣政策有效性等方面分析了銀行投資脫實向虛的影響。例如Borio等[28]發現金融體系的發展和審慎監管政策可能提高影子銀行業務在貨幣政策傳導機制中的作用。Agoraki等[29]認為商業銀行的影子銀行業務加強了銀行間的競爭。Beck等[30]發現商業銀行通過金融創新可能加劇銀行系統的風險承擔和脆弱性。何平等[31]認為商業銀行通過影子銀行業務大量持有金融資產的行為會降低社會流動性水平和貨幣乘數。Nelson等[32]認為緊縮性貨幣政策沖擊對商業銀行資產水平持續產生負面影響，因此影子銀行業務緩釋了貨幣政策的影響。Gabrieli等[33]發現影子銀行規模的擴大增加了銀行的獨立性，放大了貨幣供應量的增加，削弱了基于利率的貨幣政策效果。當經濟下行時，銀行部門投資脫實向虛的可能路徑如下：

首先，由于市場缺少優質的項目，銀行基于自身收益最大化的動機，可能將資金投資虛擬經濟。近年來，隨著利率市場化改革的推進，商業銀行存貸款利差持續下降，傳統的利潤模式受阻，此時商業銀行紛紛通過大規模發展資產管理業務來改善盈利情況。馬理等[34]通過采集銀行的理財產品數據，使用面板數據回歸法對商業銀行的資產管理業務進行分析發現，銀行從事資產管理業務可以使商業銀行將自有資金充分利用起來，拓寬自身盈利渠道、增加利潤收入和改善整體經營風險。

其次，由于商業銀行受到資本充足率和信貸額度等諸多方面的限制，商業銀行基于規避監管和監管套利的動機，可能會嘗試將資金投資虛擬經濟。Allen等[35]發現過于復雜的監管法規可能促使銀行利用規則中的漏洞進行監管套利，從而發展更多的影子銀行業務，持有更多的金融資產。Chen等[36]發現大型銀行和中小型銀行之間的監管規則和制度不對稱，促使中小銀行更有動力持有更多的金融資產進行監管套利。

綜上所述，本文提出以下研究假設：

H3：在經濟下行期，銀行可能會增加對金融資產的投資規模。

二、模型選擇與變量處理

（一）模型選擇

為了檢驗前文所提出的假設H1-假設H3，本文借鑒馬理等[34，37]的研究，構建計量模型，實證檢驗貨幣政策寬松對企業、居民、銀行三部門投資虛擬經濟和實體經濟的影響，基準回歸方程如下：

其中，因變量

Y1it={hsit，finait，realit}是企業模型的被解釋變量集，其中房地產資產（hsit）與金融資產（finait）是企業投資虛擬經濟的替代指標，而realit是企業投資實體經濟的相關指標。

Y2it={inhsit，saveit，invit}是居民模型的被解釋變量集，其中居民投資房地產（inhsit）與投資金融資產（invit）是居民投資虛擬經濟的替代指標，居民儲蓄（saveit）為因變量對照組。

Y3it={bhsit，firmit，bfinit}是商業銀行模型的被解釋變量集，其中商業銀行發放的房地產貸款（bhsit）與金融資產投資規模（bfinit）是商業銀行投資虛擬經濟的替代指標，商業銀行發放的企業貸款（firmit）是商業銀行投資實體經濟的替代指標。自變量m2為廣義貨幣供應量，是本文主要研究的自變量，代表寬松貨幣政策帶來的流動性變化。

Xit表示控制變量，涵蓋了影響三部門投資選擇的其他因素。企業模型：在宏觀層面選取資產供給量（assut）作為控制變量，用來控制社會資產供給變化對實體企業投資行為的影響;使用企業利潤（shiit）控制利潤變化對企業部門投資行為的影響。居民模型：在宏觀層面選取資產供給量（assuit）作為控制變量，使用房價指數（hpt）控制房地產價格對居民新增貸款數量的影響，將存款準備金率（czt）作為貨幣政策調控工具的控制變量。銀行模型：在宏觀層面選取資產供給量（assuit）與存款準備金率（czt）作為控制變量;使用銀行股權占總資產比例（cait）和貸存比（ldit）來控制商業銀行自身發展對因變量的影響。

i表示第i個企業，t表示期數，μi為個體固定效應，用來描述個體不隨時間改變的個體異質性特征，降低模型遺漏解釋變量的可能性。資產供給量（assut）的計算借鑒范從來等[38]構建的“C-I”指數：AS=B+E+L+ΔS.D.+NPFV，其中B代表債券發行規模，E代表股票發行規模，E代表貸款規模，ΔS.D.代表短期存款變化，NPFV代表本國投資者對國外金融資產的凈購買。

（二）數據來源

由于我國經濟在2008年金融危機爆發后開始逐漸步入下行期，而本文主要探索在經濟下行期的企業、居民與銀行的投資行為特征，因此采用2008年以來的數據，以此來對應假設H1-假設H3的經濟下行期背景。數據主要分為三部分。

企業部門的數據主要來自Wind數據庫，使用A股上市公司2008—2017年的季度財務報表，剔除金融類企業和ST上市公司的無效數據。參考Penman[39]的財務分析框架，非金融企業投資金融資產規模（finait）包括公司資產負債表中的貨幣性金融資產、交易性金融資產、理財與信托資金，以及投資金融機構股權的資產;將企業總投資中除去金融資產和投資類房地產的部分，作為企業投資實體經濟（realit）的數據;企業投資房地產的規模（hsit）使用資產負債表中的投資類房地產凈額;控制變量企業利潤（shiit）為公司資產負債表中的主營業務利潤。

居民部門的數據主要來源于中國人民銀行公布的宏觀統計數據和城鎮儲戶問卷調查報告。居民儲蓄量（saveit）和存款準備金率（czt）為中國人民銀行公布的季度數據;由于居民的中長期貸款中絕大部分為住房抵押貸款，因此居民投資房地產的規模（inhsit）使用居民中長期貸款作為替代變量;由于居民購買股票、債券、理財產品以及其他金融產品的數據沒有完全對應的數據序列，因此本文借鑒徐梅等[37]的方法，使用中國人民銀行的城鎮儲戶問卷中關于家庭購買股票或基金的調查結果作為居民購買金融資產（invit）的替代變量;房價指數（hpt）使用全國重點百城房價數據，來源于Wind數據庫。

商業銀行的數據主要來源于武漢大學金融系CBD數據庫中的商業銀行資產負債表，時間跨度為2006—2016年。在剔除掉部分無效與失真數據之后，共獲得233個銀行樣本，1294組數據。其中，商業銀行投資金融資產的規模（bfinit）包括資產負債表中的公允價值資產、可供出售資產、持有至到期資產、應收款項類資產，以及長期股權投資項目資產;商業銀行發放企業貸款（firmit）和房地產貸款的規模（bhsit）分別來自資產負債表中商業銀行發放的企業貸款和居民中長期貸款;股權占總資產比例（cait）和貸存比（ldit）由資產負債表中的總資產、股權、貸款發放量以及存款量等條目計算得到。

三、數據檢驗及經濟學解釋

（一）基準回歸

基準回歸結果見表1。在流動性增加對企業投資實體經濟和虛擬經濟影響的回歸結果中，流動性增加1%，企業房地產投資將增加0.57%、金融投資將增加3.78%、實體投資將增加0.78%。這說明，上市公司面臨寬松的流動性時，并未把足夠的資金投向實體經濟，反而將更多的資金投向了虛擬經濟（金融資產和房地產投資），因此虛擬經濟存在替代特征，企業會有減少實體經濟投資追求虛擬經濟投資的偏好。而且企業在選擇資金投向虛擬經濟時，傾向于持有更多的金融資產，因為金融資產的系數值遠高于其他變量的系數值。由此驗證了假設H1。此外，實體經濟回報率減少1%，將顯著降低企業對實體經濟的投資0.15%、降低金融投資0.13%、降低房地產投資0.05%，說明當實體經濟的回報率下降時，相對于虛擬經濟，企業會更大幅度地減少對實體經濟的投資。

在流動性增加對居民資金流向影響的回歸結果中，流動性增加1%將導致居民住房貸款增加2.08%，投資金融資產增加0.51%，儲蓄下降0.72%;存款準備金率下降1%將導致居民住房貸款增加0.12%和金融投資增加0.07%。以上結果說明，在經濟下行期，央行通過寬松貨幣政策釋放的流動性可能主要進入了房地產領域。由此驗證了假設H2。

在流動性增加對銀行部門資金流向影響的回歸結果中，流動性增加1%會促使商業銀行增加3.2%的金融資產規模、1.51%的企業貸款規模，以及1.62%的住房貸款規模，這表明流動性增加對商業銀行投資金融資產的影響最大，同時存款準備金率減少1%可以導致商業銀行增加0.18%的金融資產規模。以上結果說明在經濟下行期，當流動性增加時，商業銀行將增加金融資產的持有規模。由此驗證了假說H3。

（二）異質性分析

為了進一步檢驗流動性沖擊對企業和商業銀行的資產配置產生的結構性影響，本文對研究對象進行異質性分析。將企業細分為挖掘業、批發和零售業、房地產業、信息技術業、建筑業、社會服務業、傳播與文化業、電力業、交通運輸業、制造業、農業共11類，將商業銀行細分為國有大型銀行、股份制銀行、城商行、農商行共4類進行分組檢驗。

表2-表4為流動性增加對不同行業的企業配置資產影響的回歸結果。在表2中，流動性增加1%的最大沖擊是對房地產行業購買投資性房地產造成了1.43%的影響，最小沖擊是對電力等行業購買投資性房地產造成0.27%的影響。在表3中，流動性增加1%，制造業投資金融資產將增加3.03%，批發和零售業投資金融資產增加1.75%。在表4中，流動性增加1%對實體經濟造成的最大影響為1.15%，最小值為0.68%。表5的第一行數據要大于表4和表6的第一行數據，說明各類企業投資金融資產的偏好都遠大于投資其他資產。以上結果再次驗證了假設H1。

流動性沖擊對不同類型的商業銀行資產配置影響的回歸結果見表5。數據顯示，增加1%的流動性使農商行持有金融資產的規模增加3.91%，股份制銀行持有金融資產的規模增加3.4%，而大型國有商業銀行持有金融資產的規模僅增加1.3%。這說明當流動性增加時，農商行最熱衷于配置金融資產，股份制銀行次之，大型國有商業銀行配置金融資產少于前兩者。這可能是由于在貨幣寬松、金融脫媒、利率市場化的宏觀環境下，商業銀行競爭日益激烈，中小型銀行在傳統的貸款領域缺乏競爭優勢，因此必須大規模發展金融市場業務，從而提升金融資產持有規模，導致更多的資金流入虛擬經濟。以上結果再次驗證了假設H3。

（三）穩健性檢驗

穩健性檢驗結果見表6。

（1）企業部門。由于企業投資存在慣性，因此本文對因變量

Y1it={hsit，finait，realit}添加一階滯后項Y1it-1作為控制變量，以及二階滯后項Y1it-2作為ΔY1it-1的工具變量，然后再進行GMM估計，將其回歸結果與基準回歸結果（表1）及異質性回歸結果（表2-表4）對比，可以發現核心變量的回歸結果趨勢與基準回歸結果基本一致，說明回歸結果穩健。

（2）居民部門。首先，在原居民回歸模型中添加百城房價指數作為控制變量進行回歸分析，得到模型一。其次，考慮到貨幣政策的變化也會對居民配置行為產生影響，所以選擇m2的一階差分項ΔM2作為工具變量，進行GMM估計，得到模型二。將兩個模型的檢驗結果與基準回歸結果（表1）對比，可以發現核心變量的回歸結果趨勢與基準回歸基本一致，說明回歸結果穩健。

（3）銀行部門。考慮到貨幣政策的變化會對商業銀行的資金配置行為產生影響，所以選擇m2的一階差分項Δm2作為工具變量，進行GMM估計，將其回歸結果與基準回歸結果（表1）及異質性回歸結果（表5）對比，可以發現核心變量的回歸結果趨勢與基準回歸基本一致，說明回歸結果穩健。

四、結論與政策建議

在金融危機中，為了刺激經濟發展，各國央行均實施大規模的寬松貨幣政策，希望通過釋放大量的流動性來促進經濟復蘇，引導實體經濟發展。但是，央行釋放的流動性似乎并未完全進入實體經濟，反而造成了以房地產投資和金融投資為代表的虛擬經濟規模急劇膨脹，各國普遍出現了資金脫實向虛的現象。在此背景下，研究流動性的去向，檢驗貨幣政策在企業、居民和商業銀行三部門的傳導渠道是否通暢，分析原因并提出有針對性的政策建議具有重要的現實意義。

本文分別從企業、居民和銀行三個層面建立實證模型，研究流動性指標對企業、居民和商業銀行的資金配置行為的影響，得到以下結論：首先，當央行釋放的流動性增加時，企業基于利潤最大化、減少流動性風險及緩解融資約束的動機，會顯著增加對金融資產的投資規模;其次，當央行釋放的流動性增加時，由于財富效應、居民的異質性預期及房地產市場供需的錯配，居民的購房需求增加，會加大對房地產的投資;最后，當央行釋放的流動性增加時，由于利率市場化及金融脫媒，商業銀行傳統的利潤模式受阻，基于收益最大化及規避監管的動機，會增加對金融資產的投資規模。

基于得到的研究結論，本文提出以下政策建議：將商業銀行的資產管理業務納入金融風險監管體系，減少商業銀行的監管套利行為;關注房地產價格波動，避免房地產價格出現超額波動，帶來經濟運行風險;要力避“大水漫灌”式的貨幣政策，加大定向調控類貨幣政策的實施力度，通過結構化的貨幣政策引導產業經濟結構調整;完善資本市場的制度建設，引導資本市場對我國實體經濟發展產生有益的影響;與財政政策結合，充分發揮宏觀調控的結構調整功能。

參考文獻：

[1]?Arcand J L， Berkes E， Panizza U. Too much finance？ [J]. Journal of Economic Growth， 2015， 20（2）： 105-148.

[2]?成思危. 虛擬經濟的基本理論及研究方法 [J]. 管理評論， 2009（1）： 3-18.

[3]?黃群慧. 論新時期中國實體經濟的發展 [J]. 中國工業經濟， 2017（9）： 5-24.

[4]?Davis G F， Kim S. Financialization of the economy [M]∥Cook K S， Massey D S. Annual Review of Sociology， 2015： 203-221.

[5]?Cecchetti S. Why does financial sector growth crowd out real economic growth？ [J]. BIS Working Paper， 2015.

[6]?Tori D， Onaran O. The effects of financialization on investment： Evidence from firm-level data for the UK [J]. Cambridge Journal of Economics， 2018， 42（5）： 1393-1416.

[7]?Du J， Li C， Wang Y. A comparative study of shadow banking activities of non-financial firms in transition economies [J]. China Economic Review， 2016， 46（S）： 35-49.

[8]?劉小玄， 周曉艷. 金融資源與實體經濟之間配置關系的檢驗——兼論經濟結構失衡的原因 [J]. 金融研究， 2011（2）： 57-70.

[9]?Loayza N， Ouazad A， Rancière R. Financial development， growth， and crisis： Is there a trade-off？ [J]. NBER Working Papers， 2018.

[10]張成思， 張步曇. 中國實業投資率下降之謎： 經濟金融化視角 [J]. 經濟研究， 2016（12）： 32-46.

[11]Demir F. Financial liberalization， private investment and portfolio choice： Financialization of real sectors in emerging markets [J]. Journal of Development Economics， 2009， 88（2）： 314-324.

[12]王紅建， 曹瑜強， 楊慶， 等. 實體企業金融化促進還是抑制了企業創新——基于中國制造業上市公司的經驗研究 [J]. 南開管理評論， 2017（1）： 155-166.

[13]Duchin R， Gilbert T， Harford J， et al. Precautionary savings with risky assets： When cash is not cash [J]. Journal of Finance， 2017， 72（2）： 793-852.

[14]Akbar S， Rehman S U， Ormrod P. The impact of recent financial shocks on the financing and investment policies of UK private firms [J]. International Review of Financial Analysis， 2013， 26（1）： 59-70.

[15]彭俞超， 韓珣， 李建軍. 經濟政策不確定性與企業金融化 [J]. 中國工業經濟， 2018（1）： 137-155.

[16]Martínez-Sola C， García-Teruel P J， Martínez-Solano P. Cash holdings in SMEs： Speed of adjustment， growth and financing [J]. Small Business Economics， 2018， 51（4）： 1-20.

[17]楊箏， 劉放， 王紅建. 企業交易性金融資產配置： 資金儲備還是投機行為？ [J]. 管理評論， 2017（2）： 13-25.

[18]Abildgren K， Hansen N L， Kuchler A. Overoptimism and house price bubbles [J]. Journal of Macroeconomics， 2018， 56（C）： 1-14.

[19]Chakraborty S. Real estate cycles， asset redistribution， and the dynamics of a crisis [J]. Macroeconomic Dynamics， 2016， 20（7）： 1873-1905.

[20]潘敏， 劉知琪. 居民家庭“加杠桿”能促進消費嗎？——來自中國家庭微觀調查的經驗證據 [J]. 金融研究， 2018（4）： 71-87.

[21]Büyükkarabacak B， Valev N T. The role of household and business credit in banking crises [J]. Journal of Banking & Finance， 2010， 34（6）： 1247-1256.

[22]徐忠， 張雪春， 鄒傳偉. 房價、通貨膨脹與貨幣政策——基于中國數據的研究 [J]. 金融研究， 2012（6）： 1-12.

[23]Stockhammer E， Wildauer R. Expenditure cascades， low interest rates or property booms？ Determinants of household debt in OECD countries [J]. Review of Behavioral Economics， 2018， 5（2）： 85-121.

[24]孟慶斌， 榮晨. 中國房地產價格泡沫研究——基于馬氏域變模型的實證分析 [J]. 金融研究， 2017（2）： 101-116.

[25]Dieci R， Westerhoff F. A simple model of a speculative housing market [J]. Journal of Evolutionary Economics， 2012， 22（2）： 303-329.

[26]孟慶斌， 黃清華， 張能鯤， 等. 城鎮化、區域發展不均衡與房地產價格 [J]. 經濟理論與經濟管理， 2017（9）： 5-18.

[27]韓立彬， 陸銘. 供需錯配： 解開中國房價分化之謎 [J]. 世界經濟， 2018（10）： 126-149.

[28]Borio C， Zhu H. Capital regulation， risk-taking and monetary policy： A missing link in the transmission mechanism？ [J]. Journal of Financial Stability， 2012， 8（4）： 236-251.

[29]Agoraki M E K， Delis M D， Pasiouras F. Regulations， competition and bank risk-taking in transition countries [J]. Journal of Financial Stability， 2011， 7（1）： 38-48.

[30]Beck T， Chen T， Lin C， et al. Financial innovation： The bright and the dark sides [J]. Journal of Banking & Finance， 2016， 72（C）： 28-51.

[31]何平， 劉澤豪， 方志瑋. 影子銀行、流動性與社會融資規模 [J]. 經濟學（季刊）， 2018（1）： 45-72.

[32]Nelson B， Pinter G， Theodoridis K. Do contractionary monetary policy shocks expand shadow banking？ [J]. Journal of Applied Econometrics， 2018， 33（2）： 198-211.

[33]Gabrieli T， Pilbeam K， Shi B. The impact of shadow banking on the implementation of Chinese monetary policy [J]. International Economics & Economic Policy， 2018， 15（2）： 429-447.

[34]馬理， 李書灝. 資產管理業務對商業銀行收益與風險的影響效應研究 [J]. 統計研究， 2016（11）： 32-41.

[35]Allen F， Goldstein I， Jagtiani J. The interplay among financial regulations， resilience， and growth [J]. Journal of Financial Services Research， 2018， 53（2）： 141-162.

[36]Chen K， Ren J， Zha T. What we learn from Chinas rising shadow banking： Exploring the nexus of monetary tightening and banks role in entrusted lending [J]. NBER Working Papers， 2016.

[37]徐梅， 于慧君. 宏觀經濟波動與微觀家庭決策對居民金融資產選擇的影響效果分析 [J]. 中央財經大學學報， 2015（8）： 87-93.

[38]范從來， 劉紹保， 劉德溯. 中國資產短缺影響因素研究——理論及經驗證據 [J]. 金融研究， 2013（5）： 73-85.

[39]Penman S H. Financial statement analysis and security valuation [M]. New York： McGraw-Hill， 2007.