銀行家預期影響經濟波動的傳導機制研究
——表內信貸還是影子銀行？

趙 宇，于 震，劉世偉

(1.長春財經學院 金融學院，吉林 長春 130122; 2.吉林大學 經濟學院，吉林 長春 130012)

一、引 言

預期是經濟主體從自身利益出發，利用掌握的信息集，對經濟趨勢或經濟變量做出的主觀估計及判斷，而預期變動會通過微觀層面影響經濟主體在經濟活動中的決策，進而產生宏觀層面的經濟效應。西方學者對預期在宏觀經濟波動中扮演角色的討論最早可以追溯到庇古的《工業波動論》，這一經典文獻從投資角度出發，闡述了經濟主體對未來經濟預期如何通過影響投資規模變動最終引發實體經濟波動。其后，凱恩斯在《通論》中通過提出“動物精神”概念從需求和供給均衡角度同樣闡釋了經濟主體預期對經濟波動的影響。然而，早期普遍缺乏更為直觀的經驗研究，而且對于經濟主體類型的辨析也不夠深入。

經濟活動中存在的預期形式隨著經濟主體的不同而不同，預期變動所產生的經濟后果也有所差異。近年來，金融市場和機構的重要性隨著金融發展與深化而不斷提升，促使金融市場主體預期，尤其是銀行家預期的影響力在眾多經濟主體預期中脫穎而出。所謂“銀行家”指的是商業銀行業務經營活動的高級管理人員，尤其是信貸業務的重要決策者。[1]遺憾的是，總結經濟主體預期的文獻不難發現，現有研究一部分普遍基于消費者預期或證券市場投資者預期等買方視角，還有一部分聚焦于企業家預期等賣方視角，但對于聯接買賣雙方的信貸市場主體預期研究卻嚴重缺失。而從中國的經濟實踐可知，銀行家預期至少在兩個方面發揮著不可忽視的影響。一方面，與金融市場發達的國家不同，中國證券市場成熟度不夠，實體經濟融資對銀行信貸渠道的依賴程度較高，間接融資仍是解決資金需求最主要且最普遍的方式。根據中國人民銀行《社會融資規模存量統計數據報告》，2018年對實體經濟發放的人民幣貸款余額占同期社會融資規模存量的比例高達67.1%，商業銀行作為金融市場規模最龐大的核心經濟主體，不僅掌控了社會融資的主要來源，而且還控制著信貸資金的投放規模和去向，銀行家預期顯然可以通過改變信貸決策引起信貸規模和結構波動，從而最終影響經濟運行軌跡。另一方面，銀行家預期還是中國貨幣政策傳導鏈條上的重要一環。例如，在面對經濟過熱情況下的貨幣政策緊縮時，銀行家會隨著貨幣當局政策意圖調低未來經濟預期，并通過評估政策沖擊對資產負債表產生的影響，采取信貸標準提高、貸款利率上浮等決策行為調整信貸發放數量及投向，配合貨幣當局實現回收流動性的政策目標，為經濟降溫；當然，反向過程亦有銀行家預期的參與。綜上可見，銀行家預期完全可以通過信貸波動最終引發經濟波動，同時也是貨幣政策傳導的重要一環。

然而，本文對銀行信貸渠道的討論不再局限于傳統的表內信貸渠道，而是擴展到影子銀行。近年來，影子銀行的迅速崛起使得信貸內涵由銀行表內信貸所代表的“狹義”信貸擴展到“廣義”信貸。這一變化所帶來的表現之一是以銀行表內信貸所計算的信貸運行呈現“強擴張弱收縮”的非對稱性特征，導致表內信貸作為“數量型”貨幣政策中介目標的實際作用明顯減弱，貨幣政策傳導機制不暢(鄧創等，2019)。[2]而影子銀行業務作為資金需求方和供給方相互作用的產物，是在利率“雙軌制”并行、銀行業創新深化、同業競爭加劇和銀行表內監管力度加大所交疊構成的金融環境下，商業銀行為彌補傳統信貸業務利潤空間不足所拓展的表外業務類型。而且，影子銀行不僅通過滿足實體經濟對傳統表內信貸形成替代，也同時改變了傳統的信用創造過程。根據央行發布的《中國金融穩定報告(2017)》，截至2016年末，銀行業表外業務余額253.52萬億元，表外資產規模相當于表內總資產規模的109.6%。由于大多數表外業務在資本監管、信息披露和風險管理等內外部監管要求上都大大低于表內業務，因此成為銀行規避監管限制，突破貸款結構、規模和投向管制的工具，并與新型同業業務交叉嵌套，成為“影子銀行”的重要組成部分。影子銀行系統將一部分資金輸送到國家限制發展的“三去一降一補”行業及地方融資平臺，從而弱化了貨幣政策的宏觀調控功能，卻顯著影響著實體經濟。綜上，從中國式影子銀行的功能屬性和所受到的寬松監管看，信貸的內涵已經發生了重要變化，因此，銀行家預期完全可以通過影響影子銀行資金作用于經濟周期波動，這也是后文從中國的經濟現實出發，同時實證檢驗了兩類信貸傳遞渠道的主要原因。

二、文獻綜述與研究假設

已有文獻提供了銀行家預期可以通過商業銀行信貸及影子銀行影響經濟波動的豐富證據。首先，經濟主體預期對經濟波動的影響已經得到廣泛證實。其中，一類研究表明預期可以通過影響經濟主體的投資和消費等決策引發經濟波動。如Beaudry和Portier(2004)較早發現預期可以通過影響市場參與主體的消費和勞動供給引發經濟周期波動，為后續研究奠定了基礎。[3]Karnizova(2010)研究表明，在加入預期驅動機制后，消費、投資和就業等因素對于生產率沖擊的反應提高了傳統模型對經濟波動的解釋力。[4]Milani(2017)的研究則表明，美國40%以上的歷史性經濟波動可以由預期波動解釋，而且其中與預期波動緊密相關的投資波動是絕大多數波動的源頭。[5]國內一些研究可以視為此類研究，如陳彥斌和唐詩磊(2009)率先驗證了企業家信心與宏觀經濟波動的因果關系。[6]祝梓翔和鄧翔(2020)發現預期對于經濟波動的影響具有很強的正向持續性，當以商業信心指數作為預期變量時，則可以解釋60%的潛在產出波動和55%的GDP波動。[7]另一類研究則從近年來興起的行為經濟學理論出發，考察了經濟主體過度自信、樂觀或悲觀情緒等非理性預期對經濟波動的影響。如Farmer和Guo(1994)較早地將凱恩斯的“動物精神”機制化，使其與傳統實際經濟周期模型(RBC)相結合，研究結果表明，以“動物精神”為代表的非理性預期可以顯著增強傳統經濟周期模型對美國經濟波動的解釋力，這一研究也開啟了行為經濟模型在宏觀經濟波動分析中的廣泛運用。[8]例如，Eusepi和Preston(2011)提出的由經濟主體預期驅動的行為經濟模型顯示，經濟主體的過度樂觀會放大并擴散暫時性基本面沖擊對實體經濟的負面影響。[9]與此同時，也有研究通過提取情緒成份構建非理性預期指標，并利用宏觀經濟模型展開討論。如Benhabib和Spiegel(2019)所使用的情緒變量提取自密歇根大學消費者情緒指數，其結論表明樂觀沖擊是美國經濟周期波動的顯著驅動因素。[10]上述文獻肯定了預期是經濟波動的重要推動力量，也為本文考察銀行家預期對經濟波動的影響提供了經驗支持。

其次，銀行家預期能夠顯著引發信貸波動已經被大量研究所揭示。銀行家作為銀行決策層的核心成員，其預期可視為銀行內部管理者個體預期的集合與總體反映，而銀行內部人員預期變化與信貸波動聯系緊密。如Cortés等(2016)的研究表明，預期顯著影響銀行從業人員的風險承受能力和主觀判斷，信貸審批人員樂觀預期與信貸批準的寬松程度顯著正相關，而信貸審批人員悲觀預期造成的負面影響幅度顯著大于樂觀預期產生的正向影響幅度。此外，當金融決策發生在人力資源投入增加、自動化審查程度降低以及資本約束相對較弱等情況下，預期的影響更加顯著。[11]與之相似，Agarwal等(2012)也提供了信貸審批人員上述預期影響的經驗證據。該研究表明，在信貸審批人員積極預期影響下，信貸審批的通過率要比一般情況平均高出4.6%，相比之下，消極預期可導致0.6%的下降。[12]Ma(2015)研究發現，銀行經營決策與CEO個人預期密切相關。CEO樂觀預期與繁榮時期銀行資產中房地產貸款的增加呈正相關關系，與危機時期銀行股票收益率呈負相關關系，銀行CEO樂觀預期加劇了房地產信貸的風險敞口和銀行在危機期間的虧損。[13]國內的一些研究也可以視為此類研究，如于震等(2020)的研究表明，銀行家宏觀信心指數所代表的銀行信心是信貸波動的領先和前瞻性指標，而且與表內信貸相比，銀行家預期變動與影子銀行的關聯性更強。[14]

再次，信貸周期理論研究成果已經充分肯定了信貸在經濟周期波動中扮演的重要角色。在信貸周期理論發展過程中，金融市場不完美和金融摩擦被廣泛納入到主流宏觀經濟分析框架中，極大拓展了信貸周期作用于經濟周期的機制空間，產生了金融加速器等標志性理論。在該理論框架下，當金融市場存在摩擦時，借款者和貸款者信息不對稱等摩擦導致企業外部融資成本高于內部融資成本，即存在外部融資溢價。在此情況下，如果經濟受到負面沖擊，借款者的凈資產和債務抵押價值將隨之萎縮，導致其不得不縮減杠桿與投資，這必然通過降低總需求惡化經濟頹勢，進一步沖擊其資產負債表，外部融資溢價繼續升高，形成惡性循環，即信貸擴張與收縮最終引發了放大和傳導外部沖擊的金融加速器效應(Bernanke等, 1996; Kiyotaki與Moore, 1997)[15-16]，即伴隨信貸波動產生的“小沖擊，大波動”現象(Guerrieri和Lorenzoni, 2017)。[17]而另一個經典理論—金融脆弱性理論強調信貸周期對經濟周期影響的內生性(Minsky, 1992)。[18]可見，雖然兩個理論存在機制上的差異，但都一致肯定了信貸波動在經濟波動過程中發揮的顯著作用。

最后，在影子銀行業務迅速崛起的背景下，信貸的涵義發生了根本性轉變，在廣義信貸層面上，影子銀行作為傳統信貸的補充對宏觀經濟運行的影響不斷增強。如Moreira和Savov(2017)發現影子銀行在信用創造功能上與傳統商業銀行極其相似，因此，影子銀行擴展會增加經濟體流動性過剩。[19]在此情況下，以銀行信貸為傳遞渠道的貨幣政策有效性逐漸弱化，政策實施難度加大(高然等，2018)。[20]與此同時，由于影子銀行對傳統銀行信貸渠道具有擠出效應，導致經濟體內關鍵性指標變動對實體經濟的沖擊會被放大(Mazelis, 2015)。[21]襲翔和周強龍(2014)研究表明影子銀行具有逆周期性特征，雖然補充了傳統間接融資模式，但削弱了貨幣政策有效性。[22]

綜合以上對現有文獻的梳理，本文推斷，銀行家預期不僅可以影響經濟波動，而且其影響渠道既包括傳統銀行表內信貸，也包括影子銀行業務。因此，本文提出研究假設“銀行家預期可以通過銀行表內信貸和影子銀行影響經濟波動”，并對此在后續實證中進行假設檢驗。

三、變量選取與數據處理

(一)變量選取

1.銀行家預期變量。目前，預期測度最普遍的方式是根據“接近理性預期”學說，使用調查問卷采集數據。在各國銀行家的相關調查問卷中，以美聯儲開展的商業銀行高級管理人員意見調查(SLOOS)最為知名。而由中國人民銀行在2004年開始提供的《銀行家問卷調查報告》與SLOOS基本類似，根據中國人民銀行調查統計專題研究課題組(2014)[23]的介紹可知，該報告集中了全國3102家各類商業銀行總部及分支機構主管的問卷數據，共包括12個指標，其中，“銀行家宏觀信心指數”很好地反映了銀行家預期。該指數計算方法是在全部接受調查的銀行家中，先分別計算認為本季經濟“正常”和下季經濟“正常”的占比，再計算兩個占比的算術平均值。最終加入到實證中的銀行預期變量為“銀行家宏觀信心指數”的對數差分(簡稱BCI)。

2.經濟波動變量。本文采用已有研究中測度經濟波動的普遍方式，使用GDP實際值的增長率(簡稱GDP)刻畫經濟波動，計算方法為名義GDP通過基期CPI平減。由于CPI原始數據為月度數據，本文采用了每季度內的月度平均值作為本季度的CPI數據。

3.銀行表內信貸變量。由于商業銀行貸款各項數據不可得，所以本文對比了與之構成最為接近的“社會融資規模人民幣貸款”、“存款類金融機構人民幣貸款”和“金融機構人民幣各項貸款”數據，發現三者相差很小，因此，本文最后選擇了“金融機構人民幣各項貸款”代表商業銀行表內貸款，采用中國人民銀行發布的金融機構人民幣各項貸款季度增量除以上季度存量值作為銀行表內信貸的代表變量(簡稱LBF)。

4.影子銀行變量。中國式影子銀行具有“類銀行”特點，也可稱為“信貸型影子銀行”。本文參考方先明等(2017)[24]的思路，從融資總量中剔除影子銀行無關項后獲得影子銀行規模。具體計算方法是“社會融資規模-人民幣貸款-外幣貸款-企業債券-非金融企業境內股票融資”，得出的信貸型影子銀行規模不僅包括以銀行部門為主導的委托貸款、信托貸款、未貼現銀行承兌匯票等影子銀行業務，還包括小額貸款公司貸款、民間借貸等非銀行部門影子銀行業務。最終加入到實證中的影子銀行變量為本季度新增除以上季度存量，等同于規模增長率(簡稱SB)。

(二)數據處理

本文選取變量的原始數據均來自Wind數據庫，樣本區間為2004Q1～2019Q4，運用Eviews 8.0中X12進行了季節調整，最后加入實證檢驗的變量均通過了ADF檢驗，滿足時間序列數據平穩性要求。

四、基于Granger因果關系檢驗的假設檢驗與結果分析

(一)線性Granger因果關系檢驗及其結果分析

1969年Granger因果關系檢驗提出之后，廣泛應用于經濟理論研究和政策制定。在傳統的Granger因果關系檢驗中，“解釋變量Xt不是引起被解釋變量Yt變動的Granger原因”這一假設可以通過向量自回歸模型(稱為VAR模型)實現檢驗，具體模型表示如下：

(1)

其中，k為滯后階數，模型中可以加入常數項和趨勢項。“Xt不是引起Yt變動的Granger原因”的零假設可以表示為H0:β1=β2=…=βk=0，即(1)式中Xt滯后變量的所有回歸系數均不顯著時H0成立；如果存在顯著性，那么Xt就是引起Yt變動的Granger原因。上述Granger因果關系檢驗方法更適合對線性和參數型時間序列模型進行因果關系檢驗。

本文對BCI、LBF和GDP的組合，以及BCI、SB和GDP的組合分別建立VAR模型。根據Akaike信息準則(AIC)確定滯后階數，檢驗了兩個系統內的線性Granger因果關系(見表1和表2)。

表1 BCI、LBF和GDP三者線性Granger因果關系檢驗

表2 BCI、SB和GDP三者線性Granger因果關系檢驗

前文研究假設成立的基礎充分非必要條件是，“BCI是引起SB和LBF變動的Granger原因”、“SB和LBF是引起GDP變動的Granger原因”以及“BCI是引起GDP變動的Granger原因”同時成立。然而，從表1和表2的線性Granger因果關系檢驗結果可以得到以下結論：LBF不是引起GDP變動的Granger原因、BCI不是引起GDP變動的Granger原因，從而使得前文研究假設“銀行家預期可以通過銀行表內信貸和影子銀行影響經濟波動”并不成立。那么，線性Granger因果關系檢驗的結果是不是就是最終結論呢？

(二)非線性Granger因果關系檢驗方法

眾所周知，線性Granger因果關系檢驗以總體分布已知為前提，因此，基礎假設根本不符合現實情況。然而，線性Granger因果關系檢驗的最大問題來自于對經濟體系中結構突變的忽略。由于經濟政策的非預期性變化或經濟風險的沖擊，經濟變量普遍存在結構突變的現象，其中，非線性和非對稱性是這一現象的明顯標志。因此，采用線性Granger因果關系檢驗容易扭曲或者遺漏經濟變量之間的因果信息，而非參數(非線性)Granger因果關系檢驗也應運而生。其中，由Hiemstra和Jones(1994)[25]與Diks和Panchenko(2006)[26]先后提出的HJ檢驗和DP檢驗應用最為廣泛。HJ檢驗奠定了非線性Granger因果關系檢驗的理論基石，但HJ檢驗存在嚴重的過度拒絕問題。對此，Diks和Panchenko(2006)提出了修正和改進的DP檢驗。[26]該檢驗的創新之處在于檢驗統計量“Tn統計量”的提出。Tn統計量可以通過帶寬和條件分布的設置適應更加復雜的假設，因此具備了穩定和優良的統計性質。DP檢驗的簡要過程可以表示如下：

假設存在兩個嚴格平穩的時間序列分別稱為{Xt}與{Yt}，從0～t時刻{Xt}和{Yt}對應觀測值包含的信息集記為FX,t與FY,t。在“{Xt}不是引起{Yt}變動的Granger原因”的原假設下，有以下關系成立：

H0:Yt+1|(FX,t,FY,t):Yt+1|FY,t

(2)

(3)

經過修正后有以下關系式成立：

q≡E[fX,Y,Z(x,y,z)fY(y)-fX,Y(x,y)fY,Z(y,z)]=0

(4)

(5)

其中，en為帶寬參數，與樣本數量相關。自此，可以構造Tn檢驗統計量如下：

(6)

帶寬序列en選取適當與否，決定了估計值是否一致、無偏和有效。根據Powell和Stoker(1996)[27]對帶寬參數的處理方法，一般可以將帶寬參數設置為：

(7)

其中，C表示任意數。在其基礎上，Diks和Panchenko(2006)[26]對帶寬參數設置進行改進，將其設置為en=max(Cn-2/7,1.5)。因此，經過修正后的DP檢驗所運用的統計量Tn服從正態分布，并有如下關系成立：

(8)

其中，Sn為Tn漸進方差的估計值。

(三)基于非線性Granger因果關系檢驗的假設檢驗及結果分析

本文對BCI、LBF和GDP的組合，以及BCI、SB和GDP的組合分別建立VAR模型。根據Akaike信息準則(AIC)確定滯后階數，并采用大多數研究中e=1.5σ的帶寬參數，采用更為穩健的非線性Granger因果關系DP檢驗方法，對研究假設進行了再次檢驗。

根據表3的實證結果，無論影子銀行業務還是銀行表內信貸業務，在滯后3階和10%的顯著性水平上，都拒絕了“BCI不是引起GDP變動的非線性Granger原因”。也就是說，前文的研究假設成立，即銀行家預期影響經濟波動的傳導渠道既包括銀行表內信貸，也包括影子銀行，從而證實了前文的推斷。

表3 BCI與GDP之間非線性Granger因果關系檢驗

其中，銀行表內信貸充當銀行家預期影響經濟波動的傳導渠道完全在情理之中，而影子銀行同樣傳導了銀行家預期的影響力也符合中國金融體系的發展情況。從2004年以來，影子銀行業務隨著金融監管的放寬而不斷擴張，規模迅速崛起。尤其是在2008年“次貸危機”之后，由于經濟刺激計劃所帶來的經濟過熱和通脹出現，在貨幣政策由寬松轉為穩健過程中，實體經濟中大量的融資需求得不到滿足，以銀行理財產品為代表的表外業務通過“三套利”脫離金融監管，替代傳統銀行信貸業務與實體經濟緊密相連。據統計，截至2019年末影子銀行流入實體經濟的資金規模達到60萬億元，相當于銀行表內信貸的50%。影子銀行的特點決定其受到的金融監管不可與銀行表內信貸同日而語，在不受存款準備金等一系列監管硬性要求的約束下，影子銀行會大量流入“三去一降一補”等政策整治行業和企業，造成貨幣政策和產業政策失靈，而這在很大程度上受到銀行家個人意志的左右。因此，本文的實證結果恰恰反映了除傳統銀行表內信貸之外銀行家預期發揮影響力的另一個“體系”，對“去杠桿”等宏觀調控政策的效果具有明顯破壞作用。與此同時，影子銀行作為傳統銀行表內信貸的補充，解決了部分難以匹配傳統信貸渠道的企業融資需求，在一定程度上服務于實體經濟，與其緊密相連，但也將擠占貨幣政策傳導渠道，導致通過銀行信貸渠道傳導的貨幣政策實施效果大打折扣。

(四)穩健性檢驗

本文將代表銀行家預期的主觀層面指標BCI替換成客觀層面指標——信用息差(Credit Spread，簡稱Spread)，并采取相同的檢驗方法再次進行實證檢驗。信用息差作為金融市場主要參與者的預期變量已經被大量研究所使用。Spread變量之所以可以代理銀行家預期，與中國金融體系結構特點有關。一般情況下，債券市場的預期由資金需求者和資金提供者根據資金供需關系決定，然而，在中國銀行主導型的金融體系中，社會融資主要來自于商業銀行，債券市場更是如此。商業銀行作為債權市場的核心交易者，其預期完全決定了債券信用息差的變動趨勢，因此，可以將其視為反映銀行家預期高低的指標。

為構建Spread變量，本文采用剩余期限小于一年的AAA級8年期中債企業債與8年期中債國債每季度最后一個交易日的到期收益率分別代理企業債和國債的季度到期收益率，然后通過計算兩者到期收益率的對數差值得到Spread。AAA級8年期中債企業債和8年期中債國債的日度數據來自Wind數據庫，共計46只債券，樣本期間為2007Q3～2019Q4，對季末日數據構成的季度序列進行了季節調整。

表4 Spread與GDP之間非線性Granger因果關系檢驗

穩健性檢驗結果如表4所示，在以Spread變量作為銀行家預期代理變量時，在VAR模型滯后4～8階時，無論是在銀行表內信貸，還是在影子銀行的系統中，均可以得到Spread是引起經濟波動非線性Granger原因的結論，即Spread的變化可以對經濟波動產生非線性影響，而且其傳導渠道既包含傳統銀行表內信貸，也同時包括影子銀行。值得注意的是，從顯著性水平來看，影子銀行作為傳導渠道的顯著程度超過了同期的銀行表內信貸作為傳導渠道，這進一步揭示了影子銀行在金融和經濟體系中的地位已經非常重要。

五、主要結論與政策建議

在已有研究充分證明銀行家預期能夠顯著影響經濟波動的理論支撐下，本文以銀行家宏觀經濟信心指數作為銀行家預期的代理變量，通過非線性Granger因果關系檢驗方法考察了銀行家預期是否顯著影響經濟波動，并重點檢驗其傳導機制。對于傳導機制的討論，與以往研究不同，本文不僅檢驗了傳統銀行表內信貸，也檢驗了影子銀行。本文還進一步采用替換銀行家預期變量的方法進行了穩健性檢驗。實證結果顯示，銀行家預期影響經濟波動的傳導渠道不僅包括銀行表內信貸，也包括影子銀行。基于上述研究結論，本文提出以下幾點政策建議：

首先，政策制定部門應加強對銀行家預期管理的重視，探索將銀行家預期納入宏觀調控政策工具箱。近年來，我國在宏觀預期管理領域發展相對落后的情況有所改進，但相應的政策工具缺乏仍是難題。本文的實證結論表明，銀行家預期具備影響經濟波動的機制，已經在系統性金融風險和宏觀經濟波動之間形成傳遞路徑，對宏觀審慎監管提出了挑戰。當然，這也同時揭示了將銀行家預期作為重要金融市場主體預期的實踐意義。監管部門完全可以通過監測銀行家預期變動，預判金融市場主體預期突變，防范金融風險向實體經濟蔓延，而這正是宏觀審慎監管政策的主要職責。可見，銀行家預期管理在一定程度上可以視為宏觀審慎監管的有力工具。

其次，加強對銀行家預期的引導，保持貨幣政策傳導通暢。本文的研究結論表明，銀行家預期本質上屬于貨幣政策傳導中信貸渠道的一部分，貨幣當局通過有效溝通勢必有助于銀行家形成合理預期，保證貨幣政策的有效性。因此，政策制定部門應重視溝通手段和形式在預期管理中的作用，采取適當的溝通機制闡述和明確貨幣政策意圖，主動防范銀行家非理性預期造成的信貸和宏觀經濟波動。對此，可以設立專門的溝通部門，以便于及時有效地開展各種形式的溝通活動。同時，需要重視學者、專業機構、媒體在溝通過程中的作用，盡量讓溝通內容通俗易懂，幫助銀行家更好地理解貨幣政策的反應機制。

最后，應在合理監管下通過制度引導影子銀行作為傳統信貸業務的有益補充。本文實證結果加深了對影子銀行在實體經濟中扮演角色的理解，影子銀行之所以在銀行家預期與經濟波動的因果關系鏈條中起到中介作用，本質上體現了影子銀行與實體經濟的密切聯系。盡管一部分影子銀行資金以銀證合作、銀信合作、抽屜協議暗保、票據期限分拆等監管套利形式流入“兩高一剩”等行業，但也會流向融資資質不夠，被正規金融所排斥的中小企業，解決了這部分企業的融資難問題。因此，需要從正反兩個角度綜合對待影子銀行，既要規范相應制度覆蓋其風險，也需要合理引導影子銀行業務更好地服務于實體經濟。