第三方互聯網支付對我國廣義貨幣流通的影響

文先明 蘇孟婷 王姣

摘 要 以第三方互聯網支付為視角，通過建立向量誤差修正模型，定量分析第三方互聯網支付對我國廣義貨幣流通的影響，包括對廣義貨幣供應量、廣義貨幣乘數和廣義貨幣流通速度的影響.研究表明：（1）第三方互聯網支付會拉動廣義貨幣供應量的增長、放大貨幣乘數效應、對廣義貨幣流通速度起抑制作用.（2）第三方互聯網支付是廣義貨幣供應量、廣義貨幣乘數、廣義貨幣流通速度的單向格蘭杰原因.最后，基于理論分析和實證檢驗結果為監管機構更好的管理第三方互聯網支付提出了相關對策建議.

關鍵詞 金融學;第三方互聯網支付;廣義貨幣流通;VEC模型

中圖分類號 F820.4?????????? 文獻標識碼 A

The Impact of Third Party Internet Payment

on Chinas Broad Currency Circulation

WEN Xianming，SU Mingting，WANG Jiao

（School of Economics &management，Changsha University of Science &Technology，Changsha，Hunan 410114，China）

Abstract In this paper， the thirdparty Internet payment is taken as a perspective to establish a vector error correction model to quantitatively analyze the impact of thirdparty Internet payment on China's general monetary circulation， including the impact on broad money supply， generalized money multiplier and general currency circulation speed . The research shows that： （1） Thirdparty internet payment will drive the growth of broad money supply and enlarge the monetary multiplier effect， which will promote the circulation speed of broad money. （2） Thirdparty internet payment is oneway Granger reason for broad money supply， broad money multiplier and general money circulation speed. Finally， based on the theoretical analysis and empirical test results， we put forward some countermeasures for the regulators to better manage the thirdparty Internet payment.

Key words finance; thirdparty internet payment; general currency circulation; "VEC" model

1 引 言

隨著互聯網金融的迅猛發展，以阿里巴巴、京東和騰訊為代表的電子商務企業不斷地拓展業務.第三方支付作為電子商務發展的信用中介和一種提供交易雙方資金安全保障的支付結算方式，也取得了巨大的發展.其代表形式主要有支付寶和財付通（微信支付）.第三方支付可以分為第三方移動支付、第三方卡基支付和第三方互聯網支付.近年來，第三方互聯網支付依靠互聯網網絡終端，以其交易便捷、流動性強、成本低等優勢，呈現快速增長的態勢，有可能成為我國支付結算體系中市場份額最大的一種交易方式.第三方互聯網支付機構與商業銀行體系相互獨立，在發生支付結算時，交易資金沉淀于第三方支付機構，因而對傳統貨幣流通體系造成了巨大的沖擊.根據艾瑞咨詢統計數據顯示，2006年3月我國互聯網支付規模僅82.3億元，2017年9月已突破63815億元，增長了775倍.其不斷增長的規模和使用率嚴重影響到了對傳統貨幣的需求.因此，研究第三方互聯網支付對我國貨幣流通的影響，特別是廣義貨幣流通轉化的影響具有重要意義.

2 文獻綜述

相對來說，很早就有國外學者對第三方支付的研究，并且大多集中于電子貨幣的發展對國家貨幣政策的影響方面.Freedman（2000）[1]認為電子貨幣將不斷替代央行所發行的通貨，導致對央行的貨幣需求下降.與此同時，央行可以通過控制短期利率來維持貨幣政策的有效性.Williamson（2004）[2]研究發現人們使用電子貨幣交易會降低現金使用率，但央行可以通過電子貨幣的清算發揮影響.Shirvani和Delcoure（2014）[3]認為政策指導會對貨幣流通速度產生重要影響.也有一些學者針對電子貨幣的優點進行研究.Singh（1999）[4]、Fujiki和Tanaka（2014）[5]認為電子貨幣對現金的替代效應能減少交易成本、節省時間、提高效率.Bhattacharya和Singh（2016）[6]使用消費者財務狀況調查發現電子貨幣不能取代活期存款，電子貨幣所有權與支票賬戶中持有的最高余額相關聯.AlLaham等（2009）[7]認為，貨幣電子化會削弱中央銀行對貨幣供給的控制力，提升貨幣流通速度，鑄幣稅收入減少，貨幣乘數發生變化等.

互聯網金融在國內雖然起步較晚，但發展迅速.國內學者就第三方互聯網支付的研究，主要集中在以下幾個方面：一是對第三方支付風險及其監管進行研究.張傳勇（2015）[8]指出第三方支付在為買賣雙方提供便利的同時，也存在著包括信用風險、技術風險、流動性風險、隱私保護問題以及監管難度較大等諸多問題.趙增強（2018）[9]指出互聯網金融具備金融風險和互聯網風險的雙重風險，并且風險的關聯度極高.二是對第三方支付與商業銀行的影響分析.宮曉林 （2013）[10] 發現銀行缺少散戶有效信用信息、大數據挖掘能力和市場敏感性， 而互聯網金融第三方企業剛好與之互補.史亞榮和張茗（2018）[11]通過研究得出不同的互聯網金融形態對不同類型商業銀行的盈利發展和非利息收入的影響不盡相同.劉忠璐（2016）[12]表明互聯網金融對不同類型的商業銀行風險行為的影響具有差異性.三是對貨幣流通及貨幣政策有效性的影響進行研究.在貨幣流通方面，全穎和楊大光（2016）[13]提出支付貨幣電子化的發展能提升商業銀行的信用創造能力，增加貨幣供給.楊弋帆（2014）[14]指出電子貨幣可以通過貨幣創造機制對貨幣供給和貨幣乘數產生影響，且第三方支付機構對貨幣乘數的放大效應尤為明顯.陶士貴和鄒藝（2017）[15]認為第三方支付在長期范圍內對現金和狹義貨幣流通速度起抑制作用，但會刺激廣義貨幣流通速度.在貨幣政策有效性方面，方興和郭子睿（2017）[16]、尹龍（2000）[17]等認為電子支付對貨幣政策的影響具有不確定性.印文和裴平（2015）[18]則認為貨幣電子化有即時效應與滯后效應，能顯著提高我國貨幣政策的有效性.對此有些學者持相反觀點，周光友（2007）[19]研究指出第三方支付加劇了貨幣乘數的波動，降低了我國貨幣政策的有效性.謝平和劉海二（2013）[20]認為移動支付和電子貨幣具有網絡規模效應，隨著這種效應的凸顯，人們會減少對現金貨幣的需求，從而改變貨幣需求形式，沖擊貨幣供給，降低央行對貨幣控制的有效性.

第三方支付的發展不單單推動了傳統支付方式和支付習慣的改變，也對我國貨幣政策的制定和實施提出了挑戰.從直觀方面來講，由于第三方支付的普及及其功能的拓展，人們一方面減少了對現金的需要，另一方面也會因為第三方支付與銀行的緊密關系而改變銀行的存款結構，進而對貨幣供給、貨幣乘數和貨幣流通速度造成影響.

綜上所述，以往對第三方互聯網支付的研究大都停留在理論方面，并且對第三方支付風險和監管、對商業銀行的影響研究以及對貨幣政策有效性的影響研究相對較多，對貨幣流通的影響研究較少，且大多針對某一個方面進行研究.在前人研究的基礎上，構建向量誤差修正模型（VEC）全面分析第三方互聯網支付對廣義貨幣層次流通的影響，結果表明第三方互聯網支付能增加廣義貨幣供給、擴大廣義貨幣乘數、減緩廣義貨幣流通速度.

3 理論分析與假設

伴隨著電子商務的迅速發展，互聯網金融對傳統貨幣的替代效應越來越明顯，流通中的現金（M0）減少，貨幣流通速度（V）增大.由費雪方程式MV=PQ可知，在價格水平和生產總量均保持不變的情況下，貨幣需求（M）將減小.從2006年到2017年，我國M0增長率持續下降，但M0與GDP的比值卻保持相對穩定，這種穩定的原因并非GDP的下降造成的，恰恰相反，在2006年到2017年間，我國社會總支出保持快速增長，這種穩定的真正原因是互聯網金融的發展對現金的替代效應[21][22].

3.1 第三方支付對廣義貨幣供給的影響

現代貨幣理論認為貨幣是內生的，假設短期內貨幣供給量和貨幣需求量相等，第三方互聯網支付可以通過影響貨幣需求從而影響貨幣供給.凱恩斯貨幣需求理論指出，人們持有貨幣的原因，主要是由于交易性貨幣需求、預防性貨幣需求以及投機性貨幣需求.目前第三方互聯網支付的應用已經從線上支付慢慢拓展到線下超市等營業場所，人們可以持有更少的貨幣滿足日常交易，使得人們因交易動機而持有的貨幣減少.而第三方支付在一定程度上也滿足了因轉換成本、機會成本和流動性成本等因素決定的預防性貨幣需求，因此人們因預防性動機而持有的貨幣需求也降低.對于投機性貨幣需求，隨著互聯網金融創新的發展，日新月異的互聯網金融產品被推出。金融產品的增加也增加了投機機會，人們會減少投機性現金的持有，轉而更多的持有第三方支付等電子貨幣.由于凱恩斯貨幣需求理論中的貨幣指的是流通中的現金，因而第三方支付影響的是貨幣M0.綜上，第三方支付將減少貨幣M0的持有量，增加M1和M2的持有量.而根據凱恩斯貨幣需求理論，在社會財富相對穩定的情況下，貨幣供給量和貨幣需求量相等.因此，貨幣供應量M0將減少，M1和M2將增加.

3.2第三方支付對廣義貨幣乘數的影響

貨幣乘數等于貨幣供應量和基礎貨幣的比值，廣義貨幣供應量M2對應的貨幣乘數即為K2.由現代貨幣乘數理論可得：

K2=M2B=C+D+SC+Rt+Re=1+krt+re+k，（1）

其中，Rt=rt（D+S），Re=re（D+S），C代表流通中現金，D代表活期存款，S代表定期存款，Rt代表法定存款準備金，Re代表超額準備金，k代表現金漏損率，rt代表法定存款準備金率，re代表超額準備金率.一般而言，法定存款準備金率是由中央銀行規定的，第三方互聯網支付不會對其產生影響，但會對現金比率、定期存款與活期存款比和超額準備金率產生影響.第三方支付的便利加快了資金周轉，減少了人們對現金支付的需求，從而降低了現金漏損率，導致現金比率下降，廣義貨幣乘數擴大;對于定期存款與活期存款比，理性主體為了保值增值勢必會增加定期存款來增加收益，因而定期存款與活期存款比率上升，增加了貨幣乘數的不穩定性;與此同時，第三方支付簡化了交易過程，減少了傳統貨幣流轉的在途時間，商業銀行因此會降低超額準備金的持有量，增大廣義貨幣乘數.

3.3 第三方支付對廣義貨幣流通速度的影響

在第三方支付替代傳統貨幣的過程中，將傳統需求分為兩部分，一部分為傳統貨幣與流通速度，另一部分為電子貨幣（主要是第三方支付）與流通速度.可建立恒等式：

MiVi+MdVd=PY，（2）

其中，i代表電子貨幣，d代表傳統貨幣，P代表商品價格，Y代表商品交易數量.從該方程可知，當電子貨幣交易數量和交易頻率較大時，其規模會影響貨幣流通速度.可將其影響分為兩種不同的效應：加速效應和轉化效應.隨著第三方互聯網支付交易規模的不斷擴張，電子貨幣交易數量和頻率的增加會提高貨幣流通速度.即加速效應使得電子貨幣對貨幣流通速度具有正向影響，進一步影響人們對貨幣的需求數量.當轉化效應占主導地位時，電子貨幣對貨幣流通速度具有負效應影響，能減緩貨幣流通速度[23].根據艾瑞咨詢數據得知，隨著第三方互聯網交易規模的增加，M2層次的貨幣流通速度表現出下降的趨勢.

4 第三方支付對廣義貨幣流通影響的

實證分析

4.1 指標選擇與數據來源

4.1.1 指標選取

選取第三方互聯網支付交易規?？傤~為自變量，通過不同的控制變量分別研究第三方互聯網支付對廣義貨幣供應量、廣義貨幣乘數和廣義貨幣流通速度的影響（如表1）.我國2006年第一季度第三方互聯網支付交易規?？傤~TPI為82.3億元，2017年第三季度已經達到63815.51億元;而廣義貨幣供應量M2一直呈現逐漸增長的趨勢，從2006年第一季度的310490.7億元增加到2017年第三季度的1655662.07億元，增長了五倍;其中，廣義貨幣乘數K2等于廣義貨幣供應量與基礎貨幣之比;現金比率CR等于流通中現金與商業銀行活期存款之比;定期存款與活期存款比TD等于商業銀行定期存款與商業銀行活期存款之比;廣義貨幣流通速度V2等于名義GDP與廣義貨幣供應量之比;貨幣流動性比率CL等于狹義貨幣供應量M1與廣義貨幣供應量M2之比.

4.1.2 數據來源

由于第三方互聯網支付起步較晚，年度數據并不豐富，因此選取的數據是2006第一季度至2017第三季度的季度時間序列數據.其中，名義GDP季度數據、城鎮居民人均可支配收入PCI來源于國家統計局，第三方互聯網支付交易規模總額數據TPI來源于艾瑞咨詢網，信貸規模數據CS來源于東方財富網，流通中現金M0、狹義貨幣供應量M1、廣義貨幣供應量M2、基礎貨幣B、外匯儲備FER、商業銀行活期存款DD、商業銀行定期存款TT等數據均來源于中國人民銀行官網.

4.2 平穩性檢驗

由于所選數據以季度為單位，因此采用Eviews 9.0中的X12季節調整模型對各變量的原始數據進行處理.將消除季節因素影響后的數據用SA來表示，剔除季節因素影響后的以下變量可以表示為：K2=M2_SA/B_SA，CR=M0_SA/TT_SA，TD=TT_SA/DD_SA，V2=GDP_SA/M2_SA，CL=M1_SA/M2_SA.為了消除異方差性、增強時間序列的平穩性，對季節處理后的水平變量TPI_SA，M2_SA，CS_SA，FER_SA和CPI_SA分別取對數變成LNTPI_SA，LNM2_SA，LNCS_SA，LNFER_SA和LNCPI_SA.下面將對這3個模型的時間序列平穩性進行單位根檢驗：

平穩? 注：在檢驗形式（C，T，P）中，C代表時間序列有截距項，T代表時間序列有趨勢項，P表示由AIC準則確定的最優滯后階數.

從表2可知，LNTPI_SA、LNM2_SA、LNCS_SA、LNFER_SA的ADF值都大于其在1%、5%、10%顯著性水平下的臨界值，無法拒絕原假設，說明這四個變量的原序列均為非平穩時間序列.經過一階差分后，所有變量的ADF值都小于臨界值，因此拒絕存在單位根的原假設，均為平穩的時間序列.由此可得：變量LNTPI_SA、LNM2_SA、LNCS_SA、LNFER_SA都是一階單整序列，因而第三方互聯網支付、廣義貨幣供應量、信貸規模、外匯儲備之間可能存在協整關系.

由表3可知，所有變量原序列的ADF值均大于其臨界值，因此都是非平穩時間序列.經過一階差分后的變量，其P值均小于0.01，有理由拒絕原假設.所以，第三方互聯網支付、廣義貨幣乘數、現金比率、定期存款與活期存款比均為一階單整序列，它們之間可能存在協整關系.

_SA、LNCS_SA、LNFER_SA的ADF值都大于其在1%、5%、10%顯著性水平下的臨界值，無法拒絕原假設，說明這四個變量的原序列均為非平穩時間序列.經過一階差分后，所有變量的ADF值都小于臨界值，因此拒絕存在單位根的原假設，均為平穩的時間序列.由此可得：變量LNTPI_SA、LNM2_SA、LNCS_SA、LNFER_SA都是一階單整序列，因而第三方互聯網支付、廣義貨幣供應量、信貸規模、外匯儲備之間可能存在協整關系.

由表4可知，第三方互聯網支付、廣義貨幣流通速度、城鎮居民人均可支配收入、貨幣流動性比率之間可能存在協整關系.

4.3 協整檢驗

為了驗證各模型變量間是否存在協整關系，必須先確定VAR滯后階數.結合AIC信息準則和SC準則、LR（似然比）檢驗法確定廣義貨幣供應量（LNM2_SA）、廣義貨幣乘數（K2）及廣義貨幣流通速度（V2）模型與第三方支付和各控制變量間的最佳滯后階數分別為1、1、2.在此基礎上，進一步做協整檢驗.目前，協整檢驗的方法主要有兩種，一是EG兩步法，用來檢驗兩個變量間的協整關系.二是Johansen檢驗法，該方法可以對多個變量間的協整關系進行檢驗.選擇Johansen檢驗法來確定各模型變量間的協整關系.

以確定LNM2_SA與LNTPI_SA、LNCS_SA、LNFER_SA之間的協整關系為例，由于最佳滯后階數為1，因此滯后區間選擇“0 0”，協整檢驗方程選擇“序列Yt有線性時間趨勢，協整方程存在截距項”的情形構造VEC模型，檢驗結果如表5所示.

從表5中可以看出，當假設“方程最多只有2種協整關系”時，跡統計量和最大特征值統計量的值均大于5%的臨界值.在假設“方程最多只有3種協整關系”時，跡統計量和最大特征值統計量的P值均>0.05，不能拒絕原假設.因此，該模型含有3個協整方程，說明變量間存在長期均衡關系.但根據以往經驗，第一種協整關系最具有經濟意義.

Eviews 9.0顯示第一種協整關系結果如下：

LNM2_SA=0.063085LNTPI_SA+0.154602（0.03599） LNCS_SA（0.06094）

+0.148817（0.15004）LNFER_SA，（3）

其中，似然率為275.2804，括號內的數字是各個變量估計值的標準差.從式（1）可以看出，長期內，第三方互聯網支付LNTPI_SA、信貸規模LNCS_SA、外匯儲備LNFER_SA與廣義貨幣供應量LNM2_SA之間是一種正向相關關系.當第三方互聯網支付交易規模增大時，廣義貨幣乘數隨之增加.

同理，對K2、V2進行協整關系研究，可得出以下兩個表達式：

K2=0.327008（0.15379） LNTPI_SA+14.01646（6.29814） CR-3.658399（1.26544）TD ，（4）

V2=-0.018353（0.00441） LNTPI_SA+0.065001（0.02737） LNPCI_SA+0.111147（0.04448）CL.（5）

由前后順序，似然率分別是384.6696和531.3842.其中，第三方互聯網支付LNTPI_SA、現金比率CR、定期存款與活期存款比TD對廣義貨幣乘數K2的彈性分別是0.327008、14.01646、-3.658399，說明廣義貨幣乘數與第三方互聯網支付、現金比率成正比，與定期存款與活期存款比成反比.而第三方互聯網支付LNTPI_SA、城鎮居民人均可支配收入LNPCI_SA和貨幣流動性比率CL對廣義貨幣流通速度V2的彈性分別是-0.018353、0.065001和0.11114，這說明在長期中，第三方互聯網支付規模的擴張會抑制廣義貨幣流通速度的發展，城鎮居民收入水平的提高和貨幣流動比率的增加則會刺激廣義貨幣流通速度的加快.

4.4 向量誤差修正模型

上述協整檢驗證實了三個模型各變量間確實存在長期均衡關系，但無法解釋短期的影響情況.在短期內，變量有可能偏離均衡狀態.為了進一步探究各模型變量在短期中的關系和修正機制，建立了VEC模型.以研究廣義貨幣供應量模型為例，上文已經利用Eviews 9.0得出了其VAR滯后階數為1，因此模型中沒有一階差分的滯后項，建立VEC（0）模型.將LNM2_SA、LNTPI_SA、LNCS_SA、LNFER_SA數據導入VEC（0）模型中，得到LNM2_SA的向量誤差修正模型：

D（Lnm2_sa）=-0.033087（0.00693） [-4.77372]CointEq1（1）+0.036607

（0.00187）[19.5933]

其中，

CointEq1（1）=Lnm2_sa-0.063085（0.03599）[-1.75279]LNTPI_SA（-1）-0.154602

（0.06094）[-2.53693]LNCS_SA（-1）-0.148817（0.15004）[-0.99185]LNFER_SA（-1）-10.17449

當變量的短期波動偏離長期均衡時，存在一種調整力度ECM可以將其從非均衡狀態拉回到均衡狀態.上式中，小括號內的數字表示各變量估計值的標準差，方括號內的數字表示各變量估計值的t檢驗值.CointEq1（1）表示誤差修正項，用來反映變量間的長期關系.CointEq1（1）的系數是-0.033087，表示當廣義貨幣供應量短期波動偏離均衡時，協整關系將以-0.033087的調整力度將其從非均衡狀態拉回到均衡狀態.

同理，可以得到K2和V2的VEC模型.估計結果如下所示：

D（K2）=0.025756（0.04178）[ 0.61649]CointEq1（2）+0.010885（0.02179）[ 0.49954]，

其中，CointEq1（2）=K2（-1）-0.327006（0.15379）[-2.12627]

LNTPI_SA（-1）-14.01638CR（6.29815） [-2.22547]（-1）

+3.658383TD（-1）（1.26544）[ 2.89100]，

D（V2）=-1.179526（0.13145）[-8.97334]

CointEq1（3）+0.792428D（0.12376） [6.40274]

（V2（-1））+0.033212（0.01533）[2.16690] D（LNTPI_SA（-1））

-0.042596（0.08515）[-0.50024]

D（LNPCI_SA（-1））-1.291482D（0.15760）[-8.19483]

（CL（-1））-0.004932 （0.00285）[-1.72950]，

其中，CointEq1（3）=V2（-1）+0.016569（0.00697）[2.37772]

LNTPI_SA（-1）-0.061169（0.04301）[-1.42227]

LNPCI_SA（-1）

-0.142677（0.06818） [-2.09272]CL（-1）+0.286135.

綜上，CointEq1（2）的系數是0.025756，說明當K2在短期內波動偏離長期均衡時，其協整關系的調整力度為0.025756，將其從非均衡狀態拉回均衡狀態.CointEq1（3）系數為-1.179526，說明當V2在短期內偏離長期均衡條件時，所存在的調整力度為-1.179526，使波動調整回長期均衡狀態.第三方互聯網支付對廣義貨幣流通速度V2的短期彈性為0.033212，城鎮居民人均可支配收入的彈性為-0.042596，貨幣流動性比率的彈性為-1.291482.說明在短期內，第三方互聯網支付的發展刺激了廣義貨幣流通速度的加快.

4.5 格蘭杰因果檢驗

經過協整檢驗得知上述三個模型各變量之間存在協整關系，但仍需進一步驗證變量間是否存在因果效應.采用Granger檢驗來判斷這種均衡關系的是否存在時間上的因果（先后）關系及其因果方向.考慮到不同滯后階數對檢驗結果的影響，因此該檢驗依據前文建立的VAR模型所確立的滯后階數選定樣本檢驗的滯后期.然后根據檢驗結果的P值判斷存在因果關系的概率.檢驗結果如表6所示.

根據上述檢驗結果，在5%顯著性水平下，第三方互聯網支付LNTPI_SA是引起廣義貨幣供應量LNM2_SA、廣義貨幣乘數K2、廣義貨幣流通速度V2發生變動的格蘭杰原因，但LNM2_SA、K2、V2并不能引起LNTPI_SA的格蘭杰變動.說明第三方互聯網支付與廣義貨幣流通之間存在單向的Granger因果變動關系.

4.6 脈沖響應函數分析

為研究模型中各變量間的動態變化關系，構建了VAR模型，采用脈沖響應函數進一步分析當因變量受到其他變量殘差沖擊時的短期反應.應用廣義脈沖響應函數分析，選擇滯后20期的模型，分析第三方互聯網支付LNTPI_SA分別對廣義貨幣供應量LNM2_SA、廣義貨幣乘數K2、廣義貨幣流通速度V2的脈沖響應.

圖1為各變量對廣義貨幣供應量的脈沖響應圖.當第三方互聯網支付LNTPI_SA對廣義貨幣供應量LNM2_SA產生一個正向沖擊時，短期內，廣義貨幣供應量產生一個正向反應，在第7期達到極值1%左右，此后反應逐漸減小.表明第三方互聯網支付對廣義貨幣供應量具有明顯且持久的正向影響.

圖2 為各變量對廣義貨幣乘數的脈沖響應圖.反映了各變量對廣義貨幣乘數的沖擊效果.當第三方互聯網支付LNTPI_SA對廣義貨幣乘數K2產生一個正向沖擊時，廣義貨幣乘數出現一個明顯的正向反應，且在第8期達到最大值，而后反應逐漸減弱，但始終維持在2%以上.

圖3為各變量對廣義貨幣流通速度的脈沖響應圖.當第三方互聯網支付LNTPI_SA產生一個正向沖擊時，廣義貨幣流通速度V2先是出現一個較小的正向反應，而后迅速減小變為負向反應，然后逐漸趨于平緩.

4.7 方差分解分析

通過上述脈沖響應函數分析可以判斷各模型變量間滯后期是怎樣產生影響的，卻無法解釋變量間的影響程度.因此應用方差分解分析當一個變量的波動引起內生變量波動影響時的貢獻率.

從廣義貨幣供應量模型中可以看出，第一期時，廣義貨幣供應量LNM2_SA對自身的貢獻率為100%，然后逐漸下降.而第三方互聯網支付LNTPI_SA的貢獻率則快速提升，在第十期達到63.93296%.信貸規模LNCS_SA的貢獻率則略有下降.與此相反，外匯儲備LNFER_SA的貢獻率則略有上升，但總體貢獻水平較低.從廣義貨幣乘數模型中可以看出，對廣義貨幣乘數K2貢獻最大的是現金比率，在第十期的貢獻率接近30%，而其自身的貢獻則逐漸減少至67.33971%.第三方互聯網支付LNTPI_SA、定期存款與活期存款比率TD的貢獻率總體較小，但呈增加趨勢.從廣義貨幣流通速度模型中可以看出，貨幣流動性比率CL對廣義貨幣流通速度V2的影響大于第三方互聯網支付LNTPI_SA和城鎮居民人均可支配收入LNPCI_SA對V2的影響，第三方互聯網支付的貢獻率保持穩步增長，在第十期已達到8.363962%.如表7所示.

5 結論和建議

通過第三方互聯網支付LNTPI_SA與廣義貨幣供應量LNM2_SA之間的協整檢驗結果可知，長期內第三方支付與廣義貨幣供應量之間存在正相關關系，第三方互聯網支付的發展有助于擴大廣義貨幣供應量LNM2_SA.通過格蘭杰因果分析顯示，第三方互聯網支付LNTPI_SA是引起廣義貨幣供應量LNM2_SA變化的的Granger原因，而LNM2_SA不是引起LNTPI_SA變化的Granger原因，即第三方互聯網支付與廣義貨幣供應量之間存在單向的因果關系.脈沖響應函數分析說明，短期內第三方互聯網支付對廣義貨幣供應量具有正向影響.

通過對第三方互聯網支付LNTPI_SA與廣義貨幣乘數K2之間協整分析說明第三方互聯網支付與廣義貨幣乘數之間存在長期穩定關系.Granger因果檢驗結果顯示，第三方互聯網支付LNTPI_SA與廣義貨幣乘數K2之間存在單向的因果關系，且LNTPI_SA是引起K2變化的Granger原因.由脈沖響應函數分析可知，當第三方互聯網支付受到一個正向沖擊時，廣義貨幣乘數在第一期產生正向反應，而后逐漸增大，在第八期達到最大值后反應逐漸減少并趨于平穩.

通過Johansen協整檢驗發現，第三方互聯網支付LNTPI_SA與廣義貨幣流通速度V2之間存在協整關系，且為負向關系.說明第三方互聯網支付的發展會使得廣義貨幣流通速度減慢.Granger因果檢驗發現，第三方互聯網支付LNTPI_SA與廣義貨幣流通速度V2之間存在單向因果關系，且第三方互聯網支付是引起廣義貨幣流通速度變化的原因.通過VAR模型的脈沖響應函數分析可知：短期內，當第三方互聯網支付LNTPI_SA受到一個正向沖擊時，廣義貨幣流通速度V2在第一期產生正向反應，第二期又變為負向的，而后逐漸達到最大，之后趨于平穩.

結合現實情況提出以下幾點政策建議.

第一，優化貨幣層次的劃分，確定貨幣監管政策.

第二，制定第三方支付存款準備金制度，加強風險防控.

第三，整合相關資源，鼓勵第三方支付平臺和商業銀行合作.

第四，深化金融市場改革，完善相關法律、法規.

參考文獻

[1] FREEDMAN. Monetary Policy Implementation： Past， Present and FutureWill Electronic Money Lead to the Eventual Demise of Central Banking？[J]. International Finance， 2010， 3（2）：211-227.

[2] WILLIAMSON S D.Payment Systems and Monetary Policy[J]. Journal of Monetary Economics， 2003（2）：475-495.

[3] H SHIRVANI ，N DELCOURE.Robust panel Unit Root Tests for the Velocity of Money in a Sample of the OECD Countries[J].Banks and Bank Systems，2014（3）：36-42.

[4] SINGH S.Electronic money： understanding its use to increase the effectiveness of policy[J]. Telecommunications Policy， 1999， 23（1011）：753-773.

[5] FUJIKI H， TANAKA M."Currency demand： new technology and the adoption of electronic money：evidence using individual household data";Economics Letters，2014，125（1）：5-8.

[6] BHATTACHARYA K， SINGH? S K.Impact of Payment Technology on Seasonality of Currency in Circulation： Evidence from the USA and India[J]. Social Science Electronic Publishing， 2016， 14（1）：117-136.

[7] AlLAHAM M， AlTARWNEH H， ABDALLAT N. Development of Electronic Money and Its Impact on the Central Bank Role and Monetary Policy[J]. Issues in Informing Science & Information Technology， 2009（6）：339-349.

[8] 張傳勇.互聯網金融對傳統金融體系的影響及其監管對策：以第三方支付為例[J].新金融，2015（10）：43-48.

[9] 趙增強.互聯網金融及其風險防控[J].稅務與經濟，2018（1）：46-51.

[10]宮曉林.互聯網金融模式及對傳統銀行業的影響[J].南方金融， 2013（5）：86-88.

[11]史亞榮，張茗.互聯網金融形態對我國商業銀行影響的差異分析[J].北京工商大學學報（社會科學版），2018，33（2）：105-115.

[12]劉忠璐. 互聯網金融對商業銀行風險承擔的影響研究[J]. 財貿經濟， 2016， 37（4）：71-85.

[13]全穎，楊大光.互聯網金融發展、支付貨幣電子化及對貨幣供給的影響[J].中國流通經濟，2016，30（7）：122-128.

[14]楊弋帆. 電子貨幣對貨幣供給及貨幣乘數的影響機制研究——包含第三方支付機構的三級創造體系[J]. 上海金融， 2014（3）：47-54.

[15]陶士貴， 鄒藝. 第三方支付對我國貨幣流通速度的影響[J]. 財會月刊， 2017（36）：108-114.

[16]方興，郭子睿. 第三方互聯網支付、貨幣流通速度與貨幣政策有效性——基于TVPVAR模型的研究[J]. 經濟問題探索，2017（3）：183-190.

[17]尹龍.電子貨幣對中央銀行的影響[J].金融研究，2000（4）：34-41.

[18]印文，裴平.中國的貨幣電子化與貨幣政策有效性[J].經濟學家，2015（3）：39-46.

[19]周光友. 電子貨幣發展、貨幣乘數變動與貨幣政策有效性[J]. 經濟科學， 2007， 29（1）：34-43.

[20]謝平，劉海二.ICT、移動支付與電子貨幣[J].金融研究，2013（10）：1-14.

[21]張雪琳，潘紅玉.產業鏈培育、產業鏈招商引資和產業鏈融資[J].長沙理工大學學報（社會科學版），2019（1）：84-98.

[22]張穎，黃潔婷.基于非線性組合模型的P2P網貸平臺危機預警研究[J].財經理論與實踐，2017，38（6）：23-28.

[23]甘元玲，譚建春.電子貨幣的發展對貨幣流通速度的影響[J].重慶師范大學學報（自然科學版），2012，29（6）：109-114.