摘 要

影子银行的发展一方面能通过与商业银行的竞争刺激商业银行的发展，另一方面由于其与商业银行的关联性以及透明性低难监管等特征极易对商业银行造成风险溢出。本文利用2012年1月至2017年12月期间我国影子银行月度规模数据以及通过熵值法合成所得到的商业银行稳定指数，基于所构建的TVP-VAR模型对我国影子银行对商业银行的风险溢出进行实证研究。结果表明影子银行规模的增长给商业银行带来了业务创新提高了其盈利能力，从而在短期减少了对商业银行的风险溢出；影子银行体系的风险会自身积聚到一定程度溢出至商业银行，因而影子银行的扩张对商业银行的风险溢出具有时滞；当商业银行的风险增大时会使得资产转移，进一步使影子银行规模扩张，在长期看来是一个恶性循环。为此应该同时关注影子银行扩张对商业银行所带来的利与弊，通过合理的监管适度繁荣影子银行规模，减少影子银行对商业银行的风险溢出。

关键词：影子银行；商业银行；风险溢出效应；TVP-VAR模型

Abstract

The development of shadow bank can stimulate the development of commercial bank through competition with commercial bank，and can easily cause risk spillover to commercial bank because of its relevance to commercial bank and the low transparency and difficult supervision. By using the data from January 2012 to December 2017, we can measure the size of shadow bank and the stability index of commercial banks obtained by entropy method. Based on the model of TVP-VAR, this paper makes an empirical study on the risk spillover from shadow banks to commercial banks in China. The results show that the growth of shadow banking brings business innovation and profit to the commercial banks, thereby reducing the risk spillover to the commercial banks in the short term. The risk of the shadow banking system will spill out to the commercial banks to a certain extent. Therefore, the expansion of shadow banking has a time lag to the risk of commercial banks. When the risk of commercial banks increases, it will cause asset transfers and further expand the size of shadow banks. In the long run, it is a vicious circle. Therefore, we should pay attention to the double-edged sword brought by the development of shadow banking to commercial banks. The reasonable supervision is necessary to prosper the size of shadow banking moderately, and at the same time reduce the risk spillover from shadow banking to commercial banks.

Key Words：shadow bank；commercial bank；risk spillover；TVP-VAR model

目 录

第1章 绪论 1

1.1 研究背景 1

1.2 研究意义 1

1.3 研究方法与研究思路 2

1.3.1 研究方法 2

1.3.2 研究思路 2

1.4 国内外研究动态 4

1.4.1 影子银行的概念与规模测度概述 4

1.4.2 影子银行的风险溢出 4

1.4.3 影子银行的风险测度与商业银行稳定 5

1.4.4 小结 6

1.5 主要内容与创新点 6

1.5.1 研究内容 6

1.5.2 本文创新点 7

第2章 影子银行及其风险溢出行为 8

2.1 影子银行概述 8

2.2 影子银行的风险表现 9

2.3 影子银行的风险溢出行为 10

第3章 我国影子银行对商业银行的影响分析 11

3.1 影子银行与商业银行的关系 11

3.2 影子银行对商业银行传统业务的直接影响 11

3.2.1 对资产业务的影响 11

3.2.2 对负债业务的影响 13

3.2.3 对中间业务的影响 14

3.2.4 对业务创新的影响 14

3.3 影子银行对商业银行的影响 14

3.3.1 直接影响 15

3.3.2 融资影响 15

3.3.3 间接影响 15

第4章 影子银行对商业银行风险溢出的实证分析 17

4.1 TVP-VAR模型的简要概述 17

4.2 相关指标的选取与处理 18

4.2.1 指标的选取 18

4.2.2 研究样本与数据来源 19

4.2.3 适用性检验 21

4.3 实证检验结果 23

4.3.1 同期关联分析 23

4.3.2 脉冲响应分析 23

第5章 研究结论与展望 25

5.1 研究结论 25

5.2 政策建议 25

5.3 研究展望 26

参考文献 27

致谢 29

第1章 绪论

1.1 研究背景

2007年次贷危机的爆发，不仅打破了美国维持了75年之久的金融稳定，同时也引发了全球性的金融危机。与此同时，正在萌芽的影子银行被推到风口浪尖，其内部存在的巨大的风险漏洞，被认定是这次金融危机的罪魁祸首之一。

近年来，随着金融创新的不断发展，全球影子银行规模剧增。金融稳定委员会（FSB）（2018）^[1]表示，以狭义定义来衡量，2016年影子银行规模达到45.2万亿美元，增长了7.6%。以广义的定义来看，2016年影子银行规模达到99万亿美元，增长了8%，占全球金融资产的30%，为2002年以来的最高水平，这种发展直接给金融稳定性造成伤害。

由于我国金融市场存在着流动性过剩以及中小企业融资难等问题，影子银行不断发展。在投资需求逐渐增大的市场背景下，中国商业银行不断进行金融创新，将部分业务移至表外，以此规避信贷管制。

影子银行的发展给中小企业融资提供新的途径，但其所带来的风险也越发明显。如2013年6月我国银行“钱荒”事件致使银行间市场拆借隔夜利率高达30%，7天回购利率高达28%；又如2016年四季度因去杠杆引发资金面收紧，造成债市巨震。这一系列事件都与银行的理财产品脱不了干系，商业银行借助影子银行的高杠杆率配置资金，但流动性却并未流入实体经济，而是大量出现在信托等通道中。

在这样的背景下，各国对影子银行的监管理念也有所调整。而2017年以来我国针对银行的监管政策，尤其针对非标的监管文件密集出台，史称监管年。基于影子银行规模不断扩张的背景，本文试图通过实证分析影子银行规模的变动对商业银行风险的溢出效应变化的影响，以此来分析监管的意义所在。

1.2 研究意义

金融危机的爆发，给传统的商业银行与其他非银行金融机构带来了不可估量的冲击，影子银行体系的透明性低、高杠杆性、难监管性等缺陷随之浮出水面。

随着金融行业的不断创新，我国影子银行仍旧处于扩张之中。中国人民银行行长易纲在3月25日的中国发展高层论坛2018年会上表示，尽管不规范的影子银行规模快速上升的势头得到了遏制，但其存量仍然比较大，并指出要重点防控这一类风险^[1]。根据穆迪（2018）^[2]的测算，2016年我国影子银行资产增长规模人民币11.2万亿元，2017年我国影子银行资产增加人民币1.1万亿元，2017年年底已达到总规模人民币65.6万亿元。其中2016年我国影子银行占GDP的比例为86.7%，2017年底则占79.3%。

尽管影子银行给我国带来了金融创新，并有效地优化了金融资源的使用效率和提高了市场的流动性，但由于金融创新的不断深入，银行、信托、证券等金融机构的业务关联性越来越大，行业之间的界定越来越难以清晰划分，金融体系也越来越复杂，随之系统性风险发证的概率也越来越大。而影子银行作为系统性风险的主要来源之一，会直接或者间接地通过各种渠道与传统的商业银行相互联系，并将风险传递给商业银行。

而传统的商业银行是一国金融稳定发展不可或缺的组成部分，据此，有关我国影子银行规模的变化对商业银行稳定性构成的威胁的研究就显得格外重要，不仅有利于我国传统的商业银行的健康发展和影子银行体系的监管，还有利于维护我国金融体系的稳定。

1.3 研究方法与研究思路

1.3.1 研究方法

为达到既定研究目标，本文综合采用多种研究方法，主要包括：熵值法以及TVP-VAR模型等。

（1）熵值法

由于本文考虑的是影子银行规模对商业银行风险的溢出效应，为了将其量化，选择通过构建商业银行稳定指数来反映风险。而在构建商业银行稳定指数时本文选择通过熵值法来确定构成的所有指标所占的权重，而熵值法主要是通过指标的离散程度来判断所占权重。在对所有指标的时间序列进行Census-X12处理后，再对其进行归一化处理，利用熵值法得到较为理想的商业银行稳定指数，具体处理过程用MATLAB实现。

（2）TVP-VAR模型