金融稳定工作经验总结篇1
金融是一个国家的血脉，经济运行及发展必然与金融业发展有着密切联系。一般而言，主要从金融总量和金融结构两个方面测量金融业发展情况。资本配置的实质是金融结构的调整和优化，即在金融总量不变的情况下，将资本合理分配到不同的经济领域或用途上去，使用较少的资本获得更多的产出，以此促进经济增长。2014年全省金融业增加值比地区生产总值增速高出3.4个百分点，对地区生产总值的贡献率达到7%，拉动全省经济增长0.8个百分点。因此，研究贵州金融资产结构与经济增长的关系，对今后贵州经济发展具有重要的作用。
二、文献综述
国内关于金融资产结构与经济增长关系的实证研究始于20世纪90年代。谢平（1992）研究了我国1978年-1991年金融资产结构的变动情况。陈述云（2007）以银行业为例研究贵州金融发展与经济增长的因果影响关系。黄燕君，李融（2014）应用双对数回归模型和广义差分方法，对浙江金融资产结构与经济增长的关系进行了实证分析和检验。康海媛，孙焱林（2015）从经济增长与金融结构的视角出发，对金融危机的研究焦点及后续研究方向进行了阐述。研究不适当的经济增长模式和失衡的金融结构造成的金融危机及其溢出效应。张乐、李德慧（2015）基于我国29个省市1996年-2011年的平衡面板数据，对农村金融和农业经济结构变动对经济增长的影响进行实证分析。王欣（2015）把资本配置效率作为重点，从直接金融资本和间接金融资本角度研究其与经济增长之间的关系。
三、数据选取及处理
本文运用2005年-2014年贵州省的相关数据，选取变量为存贷款总额（M）、证券期货交易额（S）、保费收入（I）、GDPa、金融资产总量（FA），文中数据均来自国家统计局、《贵州统计年鉴》、贵州省统计局、贵州证监会、中国人民银行――贵州省支行等。对于通货膨胀率，以消费者物价指数来计算，用CPI表示，2005年消费者物价指数作为基数，取值为1，2005年后的各个年份进行相应的折算。为了消除时间序列的波动性和异方差性，并使计算方便，各变量均取自然对数处理。
四、实证分析
1.平稳性和协整性检验
变量的平稳性是计量经济学分析的基础，现实生活中的时间序列是非平稳的，主要的经济指标，如收入、价格等表现出一致的上升或下降，很难运用模型得出有意义的结果。所以在数据分析前要进行平稳性检验，如果非平稳序列差分后平稳，说明存在线性的协整关系。本文借助Eviews6.0对贵州省的各类数据进行处理，运用ADF检验来检验是否存在单位根，若ADF值大于5%的临界值则拒绝原假设，说明序列不存在单位根，是平稳序列。
从表2结果看出，所有变量均为一阶单整，结果具有可信度。数据的平稳性检验后，需要对时间序列进行协整检验，以判断是否存在伪回归现象，本文中采用Johansen协整检验法进行协整检验，检验结果如表3所示。
从检验结果看，2005年-2014年各时间序列变量间均存在长期稳定的关系，可以进行Granger因果检验。
2.格兰杰因果检验
前文证明2005年-2014年金融资产与人均GDP均存在长期稳定的关系，为了检验两个变量之间是否具有因果关系，将采用Granger因果检验方法进行检验，如下表4所示。
检验结果看出，金融资产总量能很大促进经济增长，存贷款额和保费收入在一定程度上促进经济增长，反过来经济增长对证券类资产影响较大，对金融资产总量有一定程度影响。金融资产总量、存贷款总额和保费收入是影响贵州经济增长的变量；证券交易期货总额和金融资产总量受经济增长影响，但对金融资产总量影响并不显著。
五、结论
从分析结果看出，各金融资产对经济增长的影响不同，贵州应在保证资本投入的前提下进行资本结构优化，将资本进行重新分配来实现对经济的支撑和促进作用，以实现投入资本效率最大化。首先，政府应加大对存贷额等货币类资本和保费收入等保险类资本的投入，相对减少证券类资本的投入，保证经济的增长，当经济增长到一定程度也会相应的促进证券类资产和资产总量的增加。同时，政府在完善各个资本市场的前提下，引导鼓励金融机构的良性竞争，通过资本的合理分配和运用来促进经济增长。
参考文献：
[1]Wurgler，Jeffrey.Financial Markets and the Allocation of Ccapital[J].Journal of Financial Economics，2000， 58.
金融稳定工作经验总结篇2
2008年金融危机的爆发刺激了巴塞尔委员会加快金融机构系统性风险防范的研究，2010年BaselⅢ和《各国监管当局实施逆周期资本缓冲指引》公布，为各国监管机构制定本国逆周期资本缓冲框架提供了借鉴。逆周期宏观审慎监管的提出对银行经营行为及发展规划具有重大影响，对维护金融稳定具有很强的现实意义。
一、宏观审慎监管理论基础及国内外实践经验
（一）宏观审慎监管目标及工具
通过文献梳理，本文将宏观审慎监管目标概括为一个多层次概念，包括最终目标、直接目标和操作目标。最终目标指维护金融稳定。直接目标是防范系统性金融风险，缓解金融周期波动，避免金融失衡。操作目标从截面维度分析，是处理金融机构间共有且相关的风险，防止风险在系统内的传播；从时间维度分析，即为克服顺周期性问题，提升金融机构对实体经济衰退以及其他负面冲击的恢复能力。巴塞尔监管委员会将宏观审慎监管工具归纳为以下五项：一是逆周期资本要求，规定金融机构在经济扩张期增加资本，以弥补经济衰退期对资本需求的增加。二是动态损失拨备制度，要求金融机构在经济扩张期增加拨备计提，以弥补经济衰退期的损失。三是资本防护缓冲，要求银行需要计提除法定资本充足率外，额外的资本防护缓冲资金，以减缓经济扩张期信贷的过度增长和吸收经济衰退期的不良资产。四是杠杆率控制，规定设置最低杠杆率，以防止在经济上行期银行盲目扩大信贷规模。五是流动性风险管理，规定银行流动性资产比例。
（二）国外实践经验借鉴
一是设立宏观审慎监管机构。英国明确英格兰银行为宏观审慎监管机构，欧盟由欧洲系统性风险委员会履行宏观审慎监管职能，美国宏观审慎监管机构由美联储担任。二是扩大宏观审慎监管范围。将对冲基金、私募股权基金等金融机构、场外金融衍生产品及信用评级机构纳入监管，提升信息透明度。三是提高金融监管标准。BaselⅢ提高一级资本充足率至6%，并要求系统重要性金融机构计提1%的附加资本；针对顺周期性问题，要求建立2.5%的资本留存缓冲及2.5%以内的逆周期资本缓冲。四是加强对金融消费者和投资者的保护。英国消费者保护和市场署以及美国消费者金融保护局的成立，均是为了增强金融市场信心，避免恐慌事件的发生。
二、构建我国逆周期宏观审慎监管机制的必要性和可行性
宏观审慎监管体现为两个维度：一是时间维度，即“熨平”经济周期的剧烈波动，抑制银行顺周期行为；二是截面维度，指限制银行间的风险传染。本文主要研究时间维度上的宏观审慎监管，即构建逆周期宏观审慎监管机制问题。
（一）必要性研究
1.实证检验。本文借鉴（冯科等，2012）对顺周期性检验采用的向量自回归和格兰杰检验方法，验证了我国国内生产总值与信贷规模之间存在长期稳定的双向因果关系。统计数据使用1998-2015年各项贷款余额（DEBT）和国内生产总值（GDP）季度数据，为避免异方差，对两个时间序列取其对数，数据来源于wind统计数据库。首先对两组数据序列进行平稳性检验，基于ADF单位根检验分析数据序列的平稳性，结果显示国内生产总值对数序列（LGDP）和信贷规模对数序列（LDEBT）为非平稳序列，但一阶差分后都是平稳序列，排除了存在“伪回归”的情况。基于赤池信息量准则（AIC），选择滞后阶数为5。协整检验结果显示，在5%的显著性水平下，LGDP与LDEBT存在唯一的协整关系，说明国内生产总值与信贷规模之间存在长期稳定关系。对国内生产总值和信贷规模对数两个序列进行格兰杰因果检验，结果显示，假设“不是LDEBT的Granger原因”和假设“LDEBT不是LGDP的Granger原因”都被拒绝，国内生产总值与信贷规模之间具有双向因果关系。
因信贷投放与经济增长存在长期稳定关系，故两个序列之间可以建立VAR模型。根据AR检验结果，所有单位根的模的倒数小于1，都位于单位圆内，模型是稳定的。在此情况下进行脉冲响应函数分析，研究国内生产总值与信贷规模之间的动态关系。结果显示，给定GDP一个正向标准差的冲击，对信贷的长期趋势是正向的，具体来讲，第1期负向冲击，从第2期开始冲击向正向扭转，至第4期（即下一年度）起冲击转为正向。给定信贷投放一个正向标准差的冲击，对GDP的冲击一直为正向，这一冲击具有显著作用和较长的持续效应。实证结果证明1998-2015年期间，我国金融系统存在顺周期效应①，逆周期宏观审慎监管具有必要性。
2.结果分析。1998年中央银行正式取消贷款限额管理，对信贷规模由指令性计划转为指导性规划，实现了货币政策调控从直接向间接转变，银行信贷的自主性和市场化程度加强，顺周期行为随经济的周期性波动愈加明显。一方面贷款投放对经济增长有较强的促进作用，另一方面，信贷同样受经济影响，长期趋势看冲击为正向。经济繁荣时期，银行风险认知能力下降、融资约束减弱，倾向信贷扩张；经济衰退时期，银行资产负债表过度收缩，促使金融危机进一步恶化，加大整个金融体系的损失程度。基于这种典型的顺周期特征，逆周期宏观审慎监管的必要性得到凸显。
（二）可行性研究
为缓解顺周期性，建立适当的逆周期调整机制是宏观审慎监管的重要组成部分，从理论上说，可以通过逆周期宏观审慎政策工具在经济上行期降低信贷增长，在经济下行期刺激信贷增长，来解决顺周期所引起的系统性风险。本文测算了我国现阶段银行业的资本缓冲缺口情况，并对代表性银行的逆周期资本缓冲计提的实践情况进行分析，目的是验证逆周期宏观审慎监管对缓解因银行顺周行为而发生金融动荡的可行性。
1.测算方法。根据巴塞尔委员会公布的《各国监管当局实施逆周期资本缓冲指引》，本文选取季度信贷规模（DEBT）与季度国内生产总值（GDP）比值测算我国不同时期应计提的逆周期资本缓冲程度，测算方法如下：①计算比值时间序列（DG）：DG=DEBT/GDP②对序列进行H-P滤波分析，生成H-P滤波趋势值（HP）：即，求出min∑Tt=1|（DGt-DGTt）2+λ［c（L）DGTt］2|的解③计算偏离度（PL）：PL=DG-HP④根据《各国监管当局实施逆周期资本缓冲指引》，将偏离度转换为逆周期资本缓冲：当（PL）<2%时，不须计提逆周期资本缓冲；当2%≤（PL）<10%时，偏离度每上升1%，计提比例须上升0.3125%，不足1%的按照1%计算；当（PL）≥10%时，按2.5%计提。数据采用1997-2015年各项贷款余额和国内生产总值季度数据，其中，国内生产总值采用季度年化数据，即4个季度数据的移动加总，如2015年三季度的国内生产总值为2014年第四季度、2015年第一季度、2015年第二季度以及2015年第三季度国内生产总值总额。
2.测算结果。信贷规模与GDP比值从1997年的89.60%上升至2015年的138.84%，增速较快，出现4个典型阶段。第一阶段（1998：3-2000：1）：为缓解亚洲金融危机的冲击，我国自1998年起实施积极的财政政策和稳健的货币政策，货币投放加快，信贷规模扩大，信贷规模与GDP比值超过其长期趋势。由于货币政策仍属稳健，该阶段整体偏离度不高，逆周期资本季度最高计提值为0.94%。第二阶段（2003：1-2005：1）：经济发展速度加快，固定资产投资增幅较高，信贷投放量加大，加上外资流入，该阶段共8个季度需计提资本缓冲，2个季度偏离度接近10%，计提值达2.5%。第三阶段（2009：2-2010：4）：为缓解2008年经济危机的不利影响，我国实施积极的财政政策和适度宽松的货币政策，4万亿项目投资，贷款增速较快。经测算，该阶段个别季度需计提1.88%的逆周期资本缓冲。第四阶段（2015：2-2015：4）：2015年以来，央行加大对市场流动性的补充，鼓励银行加大对实体经济的信贷投放，M2增长较快。但受经济下行影响，银行信贷投放态度较为谨慎，风控能力加强，因此，此阶段偏离度并不高，逆周期资本最高需计提0.94%。
3.实践分析。使用信贷规模与GDP比值衡量系统性风险累积，通过对偏离期计提逆周期资本缓冲以提升银行业抵御风险的能力具有可行性，这在我国金融实践中得到佐证。以中国工商银行为例②，2006年2季度至2015年4季度资本充足率从10.74%提高至14.75%，增势明显。以实际资本充足率与法定资本充足率间差额表示实际计提的资本缓冲程度，工商银行资本缓冲计提基本与我国银行业测算需提取的逆周期资本缓冲长期趋势相符。2008年2季度至2010年4季度，工行提取资本缓冲超4%的共8个季度，最高提取值为2008年4季度的5.06%，与银行业总体趋势的第三阶段基本相符。2014年4季度至今，工行处于提取资本缓冲较高的阶段，资本缓冲值超过2.5%。
三、宏观审慎监管与货币政策协调
宏观审慎监管作为对传统货币政策的补充，能够弥补货币政策在维护金融稳定方面的不足。货币政策的目标是价格稳定，而宏观审慎管理的目标是金融稳定。作为中央银行，需要同时履行货币政策制定和宏观审慎监管两方面职能，二者若能有机结合，特别是货币政策在宏观审慎框架下的作用将金融稳定目标融入货币政策框架，具有重要意义。基于银行作为宏观金融中的个体，其稳健经营是实现金融稳定的重要部分，本文构建了银行稳健性指标，并进一步研究货币政策的变化对银行稳健型经营的冲击。
（一）银行稳健性指标（BSA）构建
本文使用主成分分析法（PCA）构建银行稳健性指标，研究货币政策对银行稳健经营的冲击。基于IMF推行的金融部门评估规划项目，考虑我国银行业相关指标的可获取性，从资本充足性（Q1）、资产质量（Q2）、盈利能力（Q3）、流动性（Q4）四个方面③构建BSA（见表2）。使用SPSS软件，样本范围涵盖16家上市银行2013-2015年的年度数据，结果显示KMO=0.624，Bartlett检验Sig.=0.000<0.05，因此釆用主成分分析法对指标降维和因子分析处理具有合理性。根据因子分析结果，计算14家上市银行④2006-2015年的BSA指标。五大国有商业银行稳健性经营整体呈现缓释“倒U型”趋势，受我国经济宏观影响作用较强，2006-2012年BSA指标呈上升态势，但在2012年之后BSA略有下降。股份制商业银行稳健性整体趋势呈“缓慢上升-略有下降-趋于平稳”态势。2011年股份制商业银行BSA指标开始下降，后趋于平稳，2011年之后最低值仍高于30，比五大行略高，说明股份制商业银行在经济下行阶段谨慎性更强。两家城市商业银行稳健性趋势呈缓慢上升态势，因城商行的本质属性使其更重视本区域的经济发展形势，注重经营管理的稳健性，因此，经营一直呈现较为稳健的状态。
（二）货币政策变化对银行稳健性的冲击
货币政策可分为数量型和价格型两种，由于长期以来我国利率市场化水平不高，价格型对比国外发达国家，货币政策调控尚处于起步阶段。因此，本文使用数量型货币政策，选用法定存款准备金率的调整，验证货币政策调控对银行稳健性经营的冲击。1998-2015年，中央银行调整法定存款准备金率总计46次，其中2010-2015年多达19次。基于计算得出的14家上市银行的BSA指数，本文通过构建面板向量自回归模型（PVAR）的脉冲响应实证检验货币政策的频繁调整对银行稳健经营的影响，度量货币政策对银行稳健性的冲击。为防止变量间的虚假回归，先对自回归向量中各序列的平稳性进行检验，采用LLC检验序列的平稳性。结果显示，两个变量均拒绝“存在单位根”的原假设，由此可以判断各序列是平稳序列，满足进一步分析的要求。基于赤池信息量准则（AIC）对PVAR模型的滞后阶数进行设定，PVAR模型的最优滞后阶数为4阶。本文通过给予货币政策变量一个标准差的冲击，使用蒙特卡洛模拟了100次得到脉冲响应函数图。横轴代表冲击反应的响应期数，纵轴表示内生变量对于冲击的响应程度。结果显示，给予存款准备金一个正向冲击，BSA在前3期呈向下的趋势波动，后逐渐上升趋于平缓，说明货币政策的调整影响银行稳健性经营，宽松的货币政策可提升银行稳健性指标，从紧的货币政策促使银行稳健性指数下降，但货币政策对银行稳健性经营的刺激作用时间较短。
四、结论及建议
（一）合理确定逆周期资本缓冲规模，准确把握缓冲时机
本文利用信贷规模与GDP的比值测算资本缓冲规模，用实证检验和代表性银行的实践证明了逆周期宏观审慎监管的可行性。值得注意的是，这种方法具有一定滞后性，且资本缓冲规模的计算指标并不唯一，本文只是作为监管机构构建逆周期宏观审慎监管机制的参考。实际运用中，银行应基于这一指标，引入更多数据和方法，系统有效地进行整合;同时提高预判能力，当系统性潜在风险增多时，及时采取相应的逆周期宏观审慎工具，准确把握提取资本缓冲的时机。
（二）确立中央银行在宏观审慎框架中的核心地位，引导商业银行稳健经营
基于货币政策在宏观调控中的核心地位及央行的职能作用，央行具备掌握系统性风险和管理流动性的优势，能够对金融体系平稳运行负责，应作为宏观审慎监管机制的核心，引导商业银行加快推进转型升级，逐步提高经营质量和盈利能力，实现稳健经营。商业银行应大力发展优质客户群体，不断推进信贷结构优化升级，积极发展中间业务和新型金融市场，加快盈利模式转型，扭转存贷差为主导的收入格局。
（三）加强与货币政策的有机结合，提高宏观审慎监管前瞻性
一方面，基于前文研究结论，货币政策对银行稳健经营会起到冲击作用，进而影响金融系统稳定；另一方面，宏观审慎监管作为经济冲击吸收器，可以通过影响金融部门的稳健性来直接影响货币政策传导机制，强化货币政策的影响和有效性。因此，要把货币信贷和流动性管理的总量调节相结合，在宏观审慎监管框架下制定货币政策，提高政策前瞻性。
（四）强化宏观审慎监管的动态化和差别化，建立功能完善、运行有效的监管体系
货币政策的银行风险承担传导渠道针对不同规模的银行具有异质性特征，宏观审慎监管应实行动态化和差别化管理。考虑到杠杆率（自有资本率）能够作为除资本充足率以外的第二大风控指标和宏观审慎监管工具，建议设立以杠杆率为核心、更加灵活可控的动态监管机制，随经济周期的变化调整监管要求，以防范银行过度承担风险的行为，确保金融体系和宏观经济的长期稳定。
金融稳定工作经验总结篇3
1991年2月18日，邓小平在上海视察时就发表了“金融很重要，是现代经济的核心。金融搞好了，一着棋活，全盘皆活。”的重要讲话。在经济发展过程中，金融起到了杠杆作用，社会和经济的快速发展离不开金融的有力支持。格利（Gurley）、肖（Shaw）的研究为现代金融理论奠定了良好的基础，初步建立了现代金融发展理论。Cesar （2003）采用Geweke分解法对一百多个发展中国家的面板数据进行分析，发现金融发展同经济增长间具有双向的因果关系。Nader Nazm（2005）利用拉丁美洲5个国家30多年的数据进行了分析，研究结果表明金融深度的发展可以有效的促进经济增长。Jake （2012）对印度地区的研究也得到了同样的结论。郭克莎（2003）认为我国产业结构存在偏差，主要表现在第二产业占比过大而第三产业发展不足。徐璋勇（2014）认为金融发展与产业结构升级是经济增长的两个重要推动力。
2013年07月05日，国务院办公厅了《关于金融支持经济结构调整和转型升级的指导意见》，旨在更好地发挥金融对经济结构调整和转型升级的支持作用，更好地发挥市场配置资源的基础性作用，更好地发挥金融政策、财政政策和产业政策的协同作用，优化社会融资结构，持续加强对重点领域和薄弱环节的金融支持，切实防范化解金融风险。
近年来，安徽省经济得到了快速发展，正在逐步改变其农业大省的状况。但是与其他省份相比，安徽省的经济发展和经济结构还存在一些问题，需要进一步的发展调整。本文运用VAR模型对安徽金融对全省产业结构调整转型的支持力度进行分析，以期找出安徽省金融业如何为全省产业结构调整和升级提供更有力的支持。
二、安徽省金融与产业结构发展现状
（一）金融发展现状
2014年，安徽省金融业的增加值达1046.7亿元，比2013年增加了311.20 亿元，增长了13.6%，全年社会融资规模4262.2亿元，年末全省金融机构人民币各项存款余额29817.7亿元，比上年增加3078.4亿元，增长11.5%，金融机构人民币各项贷款余额22088.3亿元，比上年增加2999.5亿元，增长15.7%。上市公司通过境内市场累计筹资190.1亿元，全省有上市公司80家，上市公司市价总值7041.6亿元，比上年增长48.8%。保险业保费收入572.3亿元，比上年增长18.5%，赔款和给付234.4亿元，增长5.1%。
（二）产业结构发展现状
2014年，全年生产总值（GDP）20848.8亿元，比上年增长9.2%。第一产业增加值2392.4亿元，增长4.6%；第二产业增加值11204亿元，增长10.3%；第三产业增加值7252.4亿元，增长8.8%。三次产业构成比为11.5：53.7：34.8。1978年，改革开放之初，安徽省全年生产总值3645.2亿元，第一产业增加值1027.53亿元，第二产业增加值1745.2亿元，第三产业增加值872.48亿元，三次产业构成比为28.19：47.88：23.93。三十多年间，GDP增长了大约5.7倍，三次产业结构也从二一三变为二三一。第二产业占比继续增加，第三产业占比略有提升，第一产业占比大幅下降。
三、金融支持产业结构调整实证研究
（一）向量自回归（VAR）模型
向量自回归模型（简称VAR模型）是经济研究分析中常用的一种计量经济模型，是对AR模型的进一步发展。VAR模型是对相互关联的若干组时间序列变量能否对其今后的发展情况作出有效预测的分析模型。其矩阵式表达式如下：
其中：yt表示内生变量列向量，xt表示外生变量列向量，α1，α2，…αn和β是系数矩阵，ut是误差调整项，k表示变量个数。
（二）指标选取与数据来源
1. 指标选取
本文选取了一个产业结构指标和三个金融发展指标总共四个指标进行分析，将第二产业和第三产业总值同地区生产总值（GDP）的比值作为产业结构优化率（ISR）；金融机构各项存贷款余额、股票市值及保费收入总额同地区生产总值的比值作为金融相关率（FIR）；股票筹资总额除以金融机构的贷款余额作为金融结构比率（FSR）；金融机构贷款余额比上金融机构存款余额作为金融效率比率（FER）。在实证过程中对这些指标数据进行取对数处理，以消除变量的异方差性。
2. 数据来源
本文主要选取了1996～2014年各指标19年的数据。其中安徽省1996～2013年的GDP数据来源于《安徽省统计年鉴》，2014年GDP数据来源于《2014年安徽省国民经济和社会发展统计公报》。金融机构各项存款余额、贷款余额、股票市值、发行股票筹资总额和保费收入等主要来源与各年的《安徽省国民经济和社会发展统计公报》。
（三）实证分析
1. 时间序列数据的ADF单根检验
本文采用的都是时间序列数据，时间序列数据往往存在非平稳的问题。VAR模型的建立必须保证变量是平稳序列，所以在此先用ADF单根检验法对所选四个变量LNISR、LNFIR、LNFER和LNFSR进行稳性检验平，结果如下表。
由表1可知在1%的显著性水平下，四个变量都是非平稳序列，经过一阶差分处理后都变为平稳序列，所以他们都是一阶单整序列，满足协整检验的条件。
2. VAR模型滞后期的选择
由表2可以知道，AIC、SC、HQ三个信息准则同时指出Lag为1，所以我们在此建立滞后2期的VAR模型。
3. VAR模型估计
利用Eviews6.0建立由上面设定形式的VAR模型，得到模型的表达式如下：
实证结果显示第一时期模型总的拟合优度为0.99133，调整后的拟合优度为0.98266。且所有单位根位于单位圆内，极大似然函数值为105.5977，AIC、SC的指标值分别为-8.18796和-6.423509，模型结构稳定，模型拟合效果较好。
4. 脉冲响应和方差分解分析
脉冲响应函数主要是用来描述一个内生变量对其他变量的冲击作出的反应，具体的表现是在扰动项增加一个标准差大小的冲击时，系统某个内生变量当期及未来值受到的影响大小。对于每一个误差项，内生变量都有一个对应的脉冲响应函数。VAR中的方差分解是分析影响内生变量的结构冲击贡献度的方法。本文对变量LNISR进行了脉冲响应和方差分解检验，结果如图2。
由图2和表3都可以看出，变量LNFIR对LNISR有较大的正向冲击；LNFER对LNISR也具有正向冲击作用，且冲击贡献度在不断增加，但影响力度还是比较小；LNFSR对LNISR有负向的冲击作用，虽然其对LNISR的冲击贡献度较大，但冲击贡献度呈现不断下降的趋势。
5. 协整检验
协整检验是从分析时间序列的非平稳性着手，检验VAR模型中各变量之间是否具有长期稳定关系的分析方法。本文要考查四个变量间的协整关系，所以选用Johansen多重协整检验，检验结果如表4。
由表4可以看出，在5%的显著性水平下，协整检验拒绝不存在协整关系、最多存在一个协整向量和最多存在三个协整向量的假设，接受最多存在两个协整向量的原假设，由此我们知道检验的四个向量中存在着两个协整向量，说明安徽省的金融相关率、金融效率比率以及金融结构比率与安徽省的产业结构优化率之间存在着长期的稳定关系。
由表5中的协整系数可以知道协整方程为：
y1t=0.262517y2t+0.016501y2t-0.0054y3t
从协整方程可以看出，金融相关率的相关系数为0.262517，而金融效率比率的相关系数为0.016501，金融结构比率的相关系数为-0.0054。说明安徽省金融市场规模扩大1个百分点会使二三产业占比增大0.262517 个百分点。而金融效率提高1个百分点，会使二三产业占比增大0.016501 个百分点。而金融结构比率提高 1 个百分点会导致二三产业占比降低0.0054 个百分点。
四、结论
本文通过对所选取的四个指标进行ADF单根检验，发现其都是非平稳序列，但经过一阶差分处理后都变为平稳序列，说明他们都是一阶单整序列。
通过滞后期的分析发现应该建立滞后2期的VAR型。对建立的VAR模型进行AR检验，发现其AR根都在单位圆内，说明建立的该模型是一个平稳系统。
在确定了建立的VAR模型是平稳系统后对其进行的脉冲响应和方差分解分析表明，安徽省金融资产总量的增加可以促进其产业结构调整，并且影响力度较大；安徽省金融系统效率的提高也有助于产业结构调整，但其影响不是很大，原因可能是安徽省金融体系还不完善，金融效率还有待改进；安徽省金融结构在一定程度上阻碍了其产业结构调整，原因可能是安徽省金融结构不合理，银行业金融占比太大而证券业和保险业发展不足，占有市场份额太小，不能有效满足市场服务的需求。
通过协整检验，发现被检验的四个向量中存在着两个协整向量，表明安徽省的金融相关率、金融效率比率以及金融结构比率与安徽省的产业结构优化率之间存在着长期的稳定关系。对其进一步处理，得到了标准化协整系数，其中金融相关率的相关系数为0.262517，而金融效率比率的相关系数为0.016501，金融结构比率的相关系数为-0.0054。说明金融资产总量和金融系统效率对产业结构调整有支持作用，但金融结构对其不利，分析结果同脉冲响应和方差分解分析的结论一致。虽然目前安徽省金融对全省产业结构调整既有促进的因素也有阻碍的因素，但整体水平是正向的，由所得的协整系数也能看出来。所以安徽省金融能够支持全省学产业结构调整，通过对金融系统的完善，其必将提供更大的支持力度。
参考文献：
[1]爱德华・肖.经济发展中的金融深化[M].北京：三联书店，1988.
[2]Cesar C， Liu L. The direction of causality between financial development and economic growth[J].Journal of Development Economics，2003（72）.
[3]Nader N. Deregulation，financial deepening and economic growth：The case of Latin America[J].The Quarterly Review of Economics and Finance，2005（45）
[4]Jake K. Local financial development and growth， Journal of Banking & Finance，2012（36）.
金融稳定工作经验总结篇4
新疆是我国最大的资源储备区。煤炭储量、石油及天然气资源量分别占全国40%、30%、34%，丰富的资源为能源产业的发展奠定了坚实的基础。而能源产业作为资本密集型产业，资金支持对其发展有着至关重要的作用。因而，分析新疆的金融支持与能源产业发展的关系，探讨如何有效运用金融手段推动能源产业发展是十分有必要的。
二、新疆能源产业与金融发展水平的现状分析
（一）新疆能源产业发展现状
本文从总量和结构两方面综合考察新疆能源产业的发展现状。首先，选取1978-2007年的能源生产总量及能源消费总量考察能源产业总量情况；其次，以1978-2007年能源生产结构系数和消费结构系数来考察能源产业结构发展情况。
通过对能源产业总量及结构相关指标的考察，可以得出以下结论：1.从总量上看，自1978年至今，新疆的能源产业发展总体上呈现上升趋势，其中能源生产总量发展迅速，而能源的消费总量略低于能源生产总量。2.从结构上看，1990年后新疆能源产业的生产结构发生了很大变化，煤炭生产占能源生产总量的比重有所下降，石油、天然气、水电风的产量所占比重上升很快，这与我国经济的快速发展需要多种能源支持，以及近年来我国加大对新能源的投资力度，“可持续发展”口号的提出有着密切关系。同时，新疆的能源消费结构也略有变化，对煤炭的需求量有所下降，但总体上仍以煤炭为主。
（二）新疆近年来金融的发展情况
改革开放以来，随着我国金融体制改革发生历史性变革，新疆金融业也逐步发展和完善，金融体系逐步成熟、组织体系日趋完善、经营机制不断转变，在新疆经济的发展中发挥着越来越重要的作用。截至2007年末，全区共有金融机构3493个，金融业从业人员54145人，多种经营方式的现代金融体系正在逐步形成。其发展主要呈现如下特点：
1.多种经营方式的现代金融体系逐步形成。2005年以来，国家给予专项资金支持新疆农村信用社改革，完善法人治理结构，转换经营机制，使之真正成为服务“三农”的社区性金融机构。非银行金融机构逐渐发展起来，近年先后成立了华融、长城、信达金融资产管理公司乌鲁木齐办事处和东方金融资产管理公司乌鲁木齐工作组，依法收购、管理和处置从国有商业银行剥离出的不良资产，对改善全区商业银行资产结构，防范化解金融风险，促进金融企业改革发挥了重要作用。
2.金融业服务和支持体系渐趋多元化。金融机构的信贷投向始终以支持“三农”发展为基础，逐步加大了新疆能源、交通、电力以及生态环境等基础设施建设投入，积极促进工业、服务业和非公有制经济发展，保证了能源、交通、冶金、通讯、电力等重点行业、特色产业、优势企业及一批效益优良上市公司的资金需要。此外，努力促进消费信贷业务发展，金融支持助学、就业力度不断加大。
三、新疆金融支持与能源产业发展关系的实证分析
本文涉及的变量主要包括反映能源产业发展的指标和反映金融发展的指标。考虑数据的可获得性，结合新疆能源产业的发展现状，本文采用y1(能源产量年增长率)及y2(能源产业生产结构系数)来反映新疆能源产业的发展情况。在金融发展指标的选择上，直接融资与间接融资指标并用来综合考察新疆金融发展，选择以下指标：银行业融资/外源融资总量(x1)、证券业/外源融资总量(x2)、保险业融资/外源融资总量（x3）、贷款/储蓄(x4)。考虑到新疆地区证券市场的实际发展状况，证券业数据只能从1994年开始，时间跨度较小，不适合做长期分析，因而本文主要考虑x1、x3、x4与y1、y2间的关系。
采用时间跨度较小的年度样本研究的可信度较高，但难以反映长期趋势。考虑到数据的可获得性及可比性，本文选取1985-2007年的数据作为样本，分析新疆金融发展与能源产业之间的关系。 转贴于
（一）变量间的协整分析
1.时间序列的单位根检验
基于非稳定的时间序列数据而建立一个稳定模型会导致“伪回归”现象，因此，根据Dickey—Fuller检验确定各时序数列的平稳性，并在此基础上分别采用协整关系检验法和格兰杰因果检验法来检验新疆能源产业发展和金融发展之间的长期相关性和因果作用方向。采用常用的ADF检验统计量对各指标进行单位根检验，得到的ADF平稳性检验结果(见表1)。
从表1检验结果可知，在5%的临界水平下，二阶差分后的DF值小于α=0.05的临界值，达到平稳。结论是：变量x1、x2、x3、 x4 、y1、 y2都是二阶单整的。
2.Johansen协整检验
表2的协整检验结果说明，x1、x3、x4和y1、y2间存在协整关系. 即变量之间存在着长期稳定的均衡关系。
（二）Granger Causality分析
如果一对时间序列是协整的，则至少在某一方面存在granger原因。上面已经检验变量间存在协整关系，由J.Granger提出的Granger causality是检验两个变量之间因果关系的一种常用方法，该方法可为真实的因果方向提供有用的依据，可判断两个变量间是否包含有助于改善相互预测的信息。
利用计量经济软件Eviews5.1可以得到格兰杰检验之间的Granger因果关系，检验结果如下(滞后阶数取为2)。
四、实证分析结果及结论
本文利用协整关系检验和Granger因果检验法，对新疆地区1985-2007年能源产业与金融发展之间的长期动态均衡关系和因果作用方向进行了定量分析和实证检验，避免了“伪回归”出现，提高了统计推断的可靠性和结论的可信度，对金融支持能源产业发展提供了政策依据。得出结论如下：
（一）通过应用协整技术对服从二阶单位根过程的所有变量做分析，解决了传统经济建模中非平稳性的难题。检验结果显示，银行业融资/外源融资总量(x1)、保险业融资/外源融资总量（x3）、贷款/储蓄(x4)与能源产业产量与结构之间均具有协整关系(即长期均衡关系)。
（二）格兰杰因果关系检验结果表明:金融支持对能源产业结构优化的作用是明显的，其中银行业融资/外源融资总量(x1)和保险业融资/外源融资总量（x3）对新疆地区能源产业的发展有着明显的单向推动作用，这说明能源产业的发展依赖于银行业对其的间接融资作用，同时保险业融资对其也有明显的带动作用。此外，能源产业结构的转化可以通过带动能源经济的发展，从而进一步推动新疆金融业的发展。
参考文献
[1]孙敬水.中级计量经济学[M].清华大学出版社．
[2]张晓彤.Eviews操作与实例[M].上海财经大学出版社．
[3]高鸿.金融在支持能源产业发展中的路径选择 [J].经济师，2005(11)．
[4]宋国玉.基于协整分析的东北区域产业结构优化与金融支持关系的研究 [J].科技与产业， 2007(7)．
[5]申振东.贵州能源经济发展研究[J].北方经济，2009(7)．
金融稳定工作经验总结篇5
珠海市位于广东省珠江口的西南部，区位优越，是珠江口西岸的核心城市，下设香洲区、金湾区和斗门区三个行政区。近几年，港珠澳大桥建设、横琴开发使珠海的经济竞争力将得到显著提升，经济运行总体呈“平稳、升温、提质”的良好态势。2008－2013年珠海市GDP年均增长9．58%，到2013年年末，总量达到1662．38亿元，占全省GDP总量的2．67%(见图1)，排名第10位。从图2中可以看出，2008年以来珠海市三次产业的比例呈现以下特征:第一产业产值比例维持在平均2．7%的水平;第二产业产值比例由2008年的54．6%下降到2013年的51．1%;第三产业的比例有不断上升的趋势，总体维持在40%以上，2013年达到46．3%。因此，珠海市经济结构呈现第一产业发展平稳，第二产业调整步伐加快，第三产业发展迅速的态势。根据胡佛—费雪尔的区域发展阶段理论，工业化发展会经历两个阶段，第一阶段是以农业初级产品为原料的加工业阶段，第二阶段是以工业原料为加工对象的石油加工业、炼钢业、金属加工制造业等。而在经济的成熟阶段，服务业会成为经济发展的支柱产业，资本、技术、专业化服务的输出逐步成为推动区域经济发展的主要动力。目前，珠海市农业产值在GDP中占比较低，而在区域内既有以工业原料为加工对象的传统制造业企业，也有生物工程、航空航天、海洋开发以及新材料等高新技术企业，金融业、旅游业等服务业的产业贡献率逐年提高，经济正处于工业化第二阶段向经济发展的成熟阶段过渡时期。在这个时期，服务业产值会逐渐增加，最终会成为区域经济发展的主要动力。以金融业为例，近几年伴随经济结构转型升级，珠海市金融业发展迅速。截至到2013年末全市中外资银行业金融业机构本外币各项存款余额4121．58亿元，同比增长19．5%。中外资银行业金融机构本外币各项贷款余额2071．90亿元，同比增长7．9%，其中，储蓄存款达到1360．23亿元，保持了良好的增长态势(见图3)。资本市场发展迅速，在全省处于领先水平，截至到2013年年末，全市上市公司30家，市价总值2081．08亿元。金融组织体系不断完善，基金管理公司、证券期货经营营业部、各类保险营业机构(含网点)数量不断增加，经营规模逐步扩大。金融改革创新步伐加快，成立了小额贷款公司、村镇银行等新型农村金融组织。金融对外开放程度不断提高，截至到2013年，有6家外资银行、5家外资寿险公司在珠海设立分支机构，跨境人民币结算试点工作开展顺利。根据美国经济学家戈德史密斯的理论，某地区的金融规模可以用“金融相关比率”来衡量，所谓金融相关比率是指“某一时点上现存金融资产总额与国民财富，即实物资产总额与对外净资产的和之比”。为了研究方便，我们将其计算表述为存款额加贷款额之和除以该地区的国内生产总值。在一般情况下，金融相关比率越高，说明经济货币化程度越高，金融资源越丰富，反之则越低。本文根据珠三角地区九大城市即珠海、广州、深圳、佛山、惠州、肇庆、江门、中山和东莞等地统计部门公布的经济数据计算出了2008年－2013年这九个城市的金融相关比率，进行横向和纵向比较，以此来分析珠海市在珠三角地区中金融业发展水平(见表1)。图32008－2013年金融机构本外币储蓄存款余额及增长从表1来看，珠海市金融相关比率有逐年提高的趋势，由2008年的2．33提高到2013年的3．73，与其他城市相比，处于中上游水平。2013年，这一比率甚至超过广州，仅次于深圳，根据统计，经济较为发达、金融资源丰富的地区金融相关率均在3．0以上，这说明近几年珠海市金融业发展迅速，经济货币化程度逐年提高。
三、实证研究
通过利用相关指标，基于向量自回归模型的格兰杰因果检验以及方差分解和脉冲响应分析方法，对区域经济增长与金融规模、金融效率之间关系进行实证分析。(一)指标选取和数据来源借鉴已有的研究成果，选取以下指标:1．经济发展指标。在经济发展方面，为了消除人力资本的影响，选取人均实际GDP作为经济发展的指标。同时为了避免异方差的影响，对人均实际GDP取对数，用LNGDPPC表示。2．金融规模指标。利用上文中金融相关比率来衡量珠海市金融规模，用FIR来表示。3．金融效率指标。选取存贷比为衡量指标。所谓存贷比是指金融机构贷款总量和存款总量的比值。该指标反映了金融机构将存款转化为贷款的效率，继而在一定程度上反映了金融机构经营的效率。用DLR来表示。4．其他因素。为了能使计量模型反映其他因素对经济发展的影响，除了金融方面的因素，还选取了固定资产投资占GDP的比重，用FIP来表示。数据来源于2013年珠海市统计年鉴以及2013年珠海市国民经济和社会发展统计公报。样本期间为1979－2013年，各指标均已消除通货膨胀因素。统计分析使用Eviews6．0。(二)平稳性检验和协整检验在现实经济生活中，实际的时间序列数据往往是非平稳的，即使它们之间没有任何经济关系，若进行回归也可能表现出较高的可决系数，这样一般不会得出有意义的结果。为避免这种“伪回归”，首先需要对各个变量进行平稳性检验。采用ADF检验法，上文中变量的检验结果如下:从表2可以看出，在5%的显著水平上，样本序列中的LNGDPPC、FIR、DLR的t统计量临界值均小于ADF检验统计量值，三个变量的检验结果都没有拒绝有单位根的假设，所以上述变量都为非平稳的时间序列;而FIP的t统计量临界值均小于ADF检验统计量值，故变量是平稳的时间序列。而分别对上述非平稳变量一阶差分后再进行单位根检验后，LNGDPPC、FIR、DLR的t统计量临界值均小于ADF检验统计量值，表明都不含有单位根，数据平稳的，则三个变量都是一阶单整序列即I(1)序列。由于只有变量间是单整价相同时，才可能协整，因此，FIP变量不纳入协整方程，只检验LNGDPPC、FIR、DLR之间的协整关系。(三)协整检验在获取协整关系前，首先要对变量之间是否存在长期稳定关系进行检验，检验的方法采取Jo-hansen协整检验法，模型的最求滞后期为2，检验结果为表3所示:(四)Granger因果检验LNGDPPC、FIR、DLR变量经过一阶差分后都为平稳序列，故这些变量之间可能存在Granger因果关系。依据AIC准则得出最优滞后期为2后，Granger因果检验结果如下:(五)方差分解通过以上分析得出了所构建的VAR模型是稳定的结论，在此前提下，进行方差分解来确定变量的贡献程度。方差分解是分析每一个结构冲击对内生变量变化的贡献度，一般用方差来表示，以此评价不同结构冲击的重要性。采用方差分解的方法分析金融规模和金融效率对经济增长的影响。从图5中可以看出，FIR是影响LNGDPPC最重要的因素，而DLR对LNGDPPC变化的贡献度较小。即金融规模对区域经济增长的影响要远大于金融效率对区域经济增长的影响。这说明金融规模的扩大，促进了投资的增加，对区域经济增长带来正面影响。但是金融效率的变化对区域经济增长并没有显著的影响。(六)脉冲响应函数脉冲响应函数(IRF)分析方法可以用来描述一个内生变量对由误差项所带来的冲击的反应，即在随机误差项上施加一个标准差大小的冲击后，对内生变量的当期值和未来值产生的影响程度。运用脉冲响应函数进一步考察经济金融各变量的具体影响过程和作用方向。冲击反映的结果如图5所示，其中，横轴和纵轴分别表示冲击作用的滞后价数和内生变量对冲击的响应，虚线表示正负两倍标准差形成的偏离带。图6中可以得到以下结论:在当期给金融规模指标FIR一个正的冲击后，人均GDP一开始几乎没有任何波动，但是从第2期开始呈现负的影响，并且影响越来越大，直到第9期开始影响逐渐减弱，并向0线靠近。在当期给金融效率指标DLR一个正的冲击后，人均GDP一直呈现正向波动，但是波动从第9期开始逐渐趋向0线，趋向稳定。从以上分析，可以得出结论:FIR对人均GDP的影响力度远大于DLR对人均GDP的影响。
金融稳定工作经验总结篇6
一是综合运用多种货币政策工具，加强和改善宏观审慎管理，优化政策组合，保持适度流动性，实现货币信贷和社会融资规模合理增长。2015年，广义货币供应量M2预期增长12%左右。
二是盘活存量、优化增量，支持经济结构调整和转型升级。
三是进一步推进利率市场化和人民币汇率形成机制改革，提高金融资源配置效率，完善金融调控机制。
金融稳定工作经验总结篇7
金融在现代经济发展中处于核心地位，金融的发展一般通过金融结构的转变优化来表现，金融结构和产业结构都是经济结构的一部分，其分别都对经济增长起着举足轻重的作用，而金融结构与产业结构的失衡会造成经济结构的失衡，进而严重影响着经济的增长。从现在越来越多的研究看来，金融结构和产业结构之间存在着相关关系，它们之间互相作用互相影响，经济发展的最优状态需要金融结构与产业结构协调匹配。张晓燕、王成亮（2007）选择金融相关率、升学率指标、科研投入指标、外资指标和产业结构比例做多元回归分析得出代表金融结构的金融相关率与产业结构比例呈正相关。雷大琛（2009）在研究了相关金融结构理论的基础上通过格兰杰因果检验和向量误差修正模型（ECM）分析了甘肃省金融结构对产业结构的影响，认为以银行业为主的间接融资对产业结构升级起着重要作用。刘碧玉（2010）将全国分为东、中、西部地区，通过面板数据模型检验不同区域金融结构对产业结构的影响，发现在经济越发达地区，金融结构对产业结构的影响作用越大。
近年来，四川省经济发展迅速，经济总量居全国前列，是中国西部的经济大省，主要经济指标均居西部第一位，在全国经济发展格局中处于重要地位。因此，有必要研究四川省金融结构与产业结构之间的相互关系，实现经济的健康发展。
二、四川省金融结构和产业结构现状
1、四川省金融结构现状
（1）金融产业结构。2006年以来，四川省金融业总资产呈快速增长趋势，是国民经济中发展比较快的行业，对经济的贡献也大幅提高，为四川省的经济发展提供了有力的支撑。到2011年末，全省金融业总资产已达4.47万亿元，其中银行业资产达4.29万亿元，证券业资产达304.6亿元。图1为金融业总资产和银行业资产增长趋势图。
（2）金融市场结构。四川省金融机构各项存款增长趋于缓慢，贷款增长也向稳健回归，到2011年，全省金融机构本外币各项存款余额为34971亿元，各项贷款余额为22514亿元，各项存贷款余额总和比起1990年的972.45亿元，增长了58.11%。但从图2中可以看出，虽然信贷投放由之前的超速增长慢慢向常态回归，但仍然增长较快。
（3）融资结构。到2011年末，四川省非银行金融机构融资总额为3843.8亿元，其中股票融资303.7亿元，债券融资342.11亿元，贷款融资3198亿元。2006—2011年四川省非银行金融机构融资结构如图3所示。
从图3中可以看出，间接融资依然是社会融资的主要渠道，但随着金融产品的不断增加，直接融资的作用逐渐加大，非银行业金融机构加大了对实体经济的支持，四川省的融资方式和渠道呈多元化发展。
2、四川省产业结构现状
从2004年开始，四川省的经济开始迅猛发展，2011年四川省地区生产总值达到21026.68亿元，第一产业产值为2983.51亿元，占比14.19%，第二产业产值为11029.13亿元，占比52.45%，第三产业产值为7014.04亿元，占比33.35%。1990—2011年间，第一产业产值占四川省地区生产总值的比重由36.07%下降到14.19%，第二产业比重从35.09%上升到52.45%，第三产业比重从28.82%上升到33.35%。第一、二、三产业产值的增长速度如图4所示。
从图4中可以看出，第二产业和第三产业在2004年之后处于快速发展中，而第一产业在稳步发展中有所提升，但是增幅不是很大，由于四川省工业化进程速度加快，推动了产业结构的升级，四川省的产业结构已由开始的“一、二、三”转变成现在的“二、三、一”结构。
三、实证分析
1、金融结构的界定与指标选择
李健、贾玉革（2005）认为“金融结构是指构成金融总体的各个组成部分的分布、存在、相对规模、相互关系与配合状态”，“狭义的金融结构可以概括为金融市场内各金融工具在金融资产总额中的相对规模、比例”。本文实证分析中所研究的金融结构偏重于狭义方面的含义，考虑实证模型需要数据的可获得性，我们选取金融相关率（FIR）从金融总量角度衡量金融深化程度及存贷率（SLR ）衡量金融发展效率角度来分析，戈德史密斯在1969年提出的金融相关率是指金融资产总额和实物资产价值总额的比值。考虑数据的可采集性，本文选用金融机构各项存贷款余额总额来表示金融资产总额，实物资产价值总额采用四川省地区生产总值，计算公式为FIR=金融机构存贷款总额/GDP。金融发展效率的衡量指标选取贷款/储蓄，简称存贷率（SLR），计算公式为SLR=贷款/存款。
2、产业结构及其指标选择
张晓燕、王成亮（2007）指出“产业结构是指在社会再生产过程中，国民经济各个产业之间的生产技术经济联系和数量比例关系，一般用三大产业占总产值的比重衡量”。从对四川省产业结构的分析来看，第一产业产值在四川省地区生产总值中的比重逐步降低，第二、三产业产值则显著增长，故本文用第二产业与第三产业增加值之和占GDP增加值的比重来作为衡量产业结构优化的指标，称为产业结构比例（ISR），反映产业结构的发展水平。计算公式为ISR=第二、三产业增加值之和/GDP增加值。
3、数据来源
考虑数据的可采集性，本文采用1990—2011 年的年度数据，数据来源于1997—2011年的《四川统计年鉴》和四川省人民政府网站。本文所选用的指标数据如表1所示。
4、实证检验
（1）平稳性检验。首先分别对FIR 、SLR和ISR取自然对数，记作LFIR、LSLR和LISR，这样就可以在不改变原有的协整关系的情况下消除时间序列在回归后产生的异方差和多重共线性。检验时间序列平稳性的方法有DF检验和ADF检验，本文在此使用ADF检验方法，借助Eviews7.0软件，对变量LFIR、LSLR和LISR及其一阶差分序列D（LFIR）、D（LSLR）和D（LISR）做平稳性检验，结果如表2所示。
从检验结果来看，原始序列ISR、FIR和SLR的ADF统计量的值均大于10%显著水平下的临界值，所以接受原假设，存在单位根，是非平稳序列。而其一阶差分序列D（LFIR）、D（LSLR）和D（LISR）的ADF统计量的值均小于5%显著水平下的临界值，所以，拒绝原假设，一阶差分序列均是平稳序列，且三者在5%显著水平下都是一阶单整序列，这样就满足了协整检验的要求，可以对ISR、FIR和SLR进行协整检验。
（2）协整检验。由上面的平稳性检验可知，三个变量都是一阶单整序列，这是进行协整关系检验的前提。检验两变量之间是否协整，可以利用EG检验法，本文将采取EG两步法分别对LISR和LFIR以及LISR和LSLR进行协整检验。下面利用eviews7.0软件，以LFIR和LSLR为自变量，以LISR为因变量，分别进行最小二乘估计，得到回归以后的残差序列，再分别对两个残差序列的单整性进行检验，检验残差序列单整性的方法是ADF检验法。检验过程略，结果如表3所示。
由结果可知，残差序列的t统计量均大于1%显著水平下的临界值，所以残差序列是平稳序列。因此，LISR和LFIR以及LISR和LSLR是（1，1）阶协整，可以进行格兰杰因果检验。
（3）格兰杰因果检验。格兰杰因果关系检验是由诺贝尔经济学奖得主Clive W.J.Granger在1969年首先提出，用于分析经济变量间的因果关系。假设对于变量x和y，检验可能存在四种结果，即存在由x到y的单向因果关系，由y到x的单向因果关系，x和y互为因果关系或者x与y间不存在因果关系。
格兰杰因果关系检验的一个重要前提，就是时间序列的平稳性，如果时间序列不平稳则会出现虚假回归。在文章的前面部分已经用ADF检验以及协整检验证明了金融相关率与产业结构比例以及存贷率与产业结构比例具有长期稳定的协整关系，下面利用Eviews7.0软件，分别通过LFIR、LSLR与LISR之间的格兰杰因果检验，考察指标金融相关率和存贷率是否是影响四川省产业结构比例的格兰杰原因。如果F值大于选定显著水平上的临界值，或P值小于显著性水平，则拒绝原假设。反之，则接受原假设。检验结果如表4所示。
从检验结果来看，在10%的显著水平下，当在滞后一阶和滞后二阶的时候，拒绝金融相关率和存贷率不是产业结构比例的格兰杰原因，即说明金融相关率和存贷率均是影响产业结构比例的格兰杰原因，而接受产业结构比例不是金融相关率的格兰杰原因，在滞后一阶时，接受产业结构比例不是存贷率的格兰杰原因，在滞后二阶时，拒绝产业结构比例不是存贷率的格兰杰原因。
四、结论及建议
由于研究金融结构和产业结构相互关系的文献较少，从已有的研究成果来看，二者关系的研究范围涉及省份、区域和全国，选取的考察指标、运用的经济模型不尽相同，最终的结论无论从理论角度还是从实证分析均得出金融结构和产业结构存在相互作用关系，金融结构的转变会影响产业结构的调整升级。但是对于产业结构的升级是否会带来金融结构的优化，因为每篇文章所选取的指标不同和考察的着重点不同，因而得出的具体结论也会不同。本文根据所选取的指标和经济模型得出的结论如下。
金融相关率（FIR）和存贷率（SLR）均构成了产业结构比例（ISR）的格兰杰成因，说明金融深化程度和金融发展效率的提高会对产业结构的升级起到明显的推动作用。因为金融总量的增长和规模的扩大有利于资金的形成和利用，金融市场的逐渐完善以及金融机构的数量和种类的增加都可以充分满足产业结构升级过程中的资金需求，所以促进了产业结构的升级。而产业结构比例（ISR）却不是金融相关率（FIR）的格兰杰成因，说明产业结构的升级对金融深化程度的推动作用不明显，第二、三产业的发展并不能明显带来金融规模的扩大。但是产业结构比例（ISR）却是存贷率（SLR）的格兰杰成因，表明随着产业结构的升级和合理化会提高金融发展效率，因为金融业属于第三产业，随着第二、三产业的发展，会在一定程度上提高金融业在国民经济中的位置，带动金融资源配置效率的提高。
根据对四川省金融结构和产业结构作的实证研究得出的分析结果，启示我们可以从金融总量层面调控，加大金融机构对重点行业的信贷投入力度，支持特色产业发展；支持交易品种的多样化发展，如股票、债券、期货、期权等衍生金融工具的运用；提高银行的存贷率，增加中长期贷款额和专项贷款额，同时也要完善政府对金融的调控和监管，采用科学高效的调控手段，比如制定信息披露的标准、执行财务报表制度、检查是否存在内幕交易等，从金融支持层面帮助产业结构更快更好的调整升级。在产业结构调整的过程中加快从工业经济支撑向以服务经济为主的增长模式转变，加大第三产业服务业中金融业的发展，提高金融资源配置效率。
总之，经济的发展离不开金融市场的作用。四川省金融资产总量的增加必然会促进产业结构的优化升级，而产业结构的调整升级会带动资本市场的发展，促进金融业健康有序的发展，进而共同带动四川省经济总量的增长。
【参考文献】
[1] 李健、贾玉革：金融结构的评价标准与分析指标研究[J].金融研究，2005（4）.
[2] 张晓燕、王成亮：中国金融结构和产业结构关系的实证研究[J].当代经济，2007（4）.
金融稳定工作经验总结篇8
本文尝试着从社会融资总量的视角来衡量金融发展对经济发展的支持。旨在以下两方面做出努力：第一，社会融资总量与GDP是否存在稳定的长期均衡关系？第二，有别于传统模型，本文建立了长期动态的模型。
用社会融资总量代替新增贷款的必要性
传统的金融与经济关系，一般是指银行体系通过其资产负债活动，促进经济发展和保持物价水平基本稳定，在金融机构资产方主要体现为新增贷款对实体经济的资金支持，负债方主要体现为货币创造和流动性增加。目前人民币贷款是指银行业金融机构向实体经济发放的一般贷款及票据贴现，它反映了银行业对实体经济的资金支持。近年来，我国金融总量快速扩张，金融结构多元发展，金融产品和融资工具不断创新，证券、保险类机构对实体经济资金支持加大，商业银行表外业务对贷款表现出明显替代效应。新增人民币贷款已不能完整反映金融与经济关系，也不能全面反映实体经济的融资总量。
社会融资总量的规模呈现出快速上升的趋势，尤其是在2009年和2010年两年。与此同时，新增信贷规模则在社会融资总额中所占的比例越来越小。这表明，新增信贷规模这个指标在经济管理中的作用开始出现下降。
而从其他一些相关的指标来看，社会融资总量与新增银行信贷相比，也显得更加符合宏观经济的波动性（见表1）。从央行提供的一系列数据来看，社会融资总量与各主要宏观指标的相关性，也比人民币贷款高。
由此看来，随着我国经济持续快速发展，金融市场和产品不断创新，直接融资比例逐步加大，非银行金融机构作用明显增强，金融调控面临新的环境和要求，迫切需要确定更为合适的统计监测指标和宏观调控中间目标，而社会融资总量相比人民币新增贷款而言，能更好地符合要求。因此在本文中，我们用社会融资总量替代新增人民币贷款来验证金融发展和经济增长的关系。
社会融资总量和经济增长的时间序列分析
（一）数据来源
本文利用2002-2010年年度数据，其中社会融资总量（RZ）的年度数据来自中国人民银行网站，代表经济增长的国内生产总值（GDP）和代表物价变动的消费者物价指数（CPI）以及GDP平减指数（GDP Deflator）的年度数据来自国家统计局网站。由于统计数据多是以当年价格的形式公布的，为剔除价格因素影响，在分析之前均将各期当年计价数据转换为2002年计价数据，并取它们的对数形式，以减小原数据中可能存在的异方差。定义如下两个变量：LnGDP=Log（GDP/GDPD），LnRZ=Log（RZ/CPI）。
（二）单位根检验
如果两个经济时间序列数据是非平稳的，做回归分析后，即使它们在经济意义上没有因果关系，也可能产生一个很高的R2（决定系数），这样的回归则是伪回归。平稳变量建立的回归不是伪回归。一些包含单整变量的回归模型中，如果等式两端的单整阶数相同，且单整变量之间存在协整关系，这样的回归也不是伪回归。
为了避免伪回归问题，确定银行信贷和经济总量的平稳性。本文采用Eviews 中增广Dickey—Fuller（ADF）方法对4 个变量进行单位根检验，检验结果见表2。其中常数和时间趋势根据原序列曲线图（见图1、图2）确定，滞后阶数根据AIC 赤池信息准则和DW 值来确定。
单位根检验结果表明，在1%的显著水平上，这2个变量都是非平稳的，而它们的一阶差分序列则是平稳的。所以，它们都具有一阶单整性，即都是I（1）过程，因此要对这些变量做进一步的计量分析，就需要对之作协整检验。
（三）协整检验
由于LnGDP和LnRZ均为I（1）序列，如果它们的线性组合是协整的，则存在着长期稳定关系。为了验证经济与银行信贷之间是否存在这种长期稳定关系，文章采用EG 二步法对变量进行协整检验。EG二步法是Engle和Granger于1987 年提出的协整检验方法。这种方法的协整思想是，因变量能被自变量的线性组合所解释，两者之间存在稳定的均衡关系，因变量不能被自变量所解释的部分构成一个残差序列，这个残差序列应该是平稳的，因此，检验一组变量之间是否存在协整关系等价于检验回归方程的残差序列是否一个平稳序列。检验步骤为先用OSL（普通最小二乘法）进行线性回归，再对回归所得残差序列进行单位根检验。
首先对LGDP 和LLOAN 序列进行协整检验。建立回归方程，估计后得：
LnGDP=0.2*LnRZ+9.8 （1）
对方程（1）残差进行单位根检验，得出的值为-2.54，小于5%显著水平的ADF 临界值-1.996，表明残差序列为平稳序列，LnGDP和LnRZ间存在协整关系。
（四）误差修正模型
根据Engle 和Granger（1987）提出的理论，如果两个变量是协整的，它们之间的短期非均衡关系一定可以用一个误差修正模型来表示。为了描述出社会融资总量与经济增长的短期关系，文章在社会融资总量与国内生产总值之间建立自回归分布回归模型（ADL模型），并利用Eviews得到相关系数，整理后的误差修正模型回归方程式为：
LNGDP =0.79+ 0.08 LNRZ - 0.55*[LNGDP（-1）-0.19LNRZ（-1）] （2）
误差修正模型显示社会融资总量与经济增长变量序列存在紧密关系，尤其存在稳定密切的动态关系。社会融资总量对经济增长的长期弹性为0.19，短期弹性为0.08。从增长率的角度来看，如果社会融资总量每增加1%，则引起GDP增加0.08%，而上一年的社会融资总量与GDP的非均衡误差以0.55的比率对本年度的（对数）真实GDP做出修正。同时也可以看出社会融资总量的增长速度高于GDP 的增长速度，这也基本符合经济发展规律和国际经验。从全球视角来看，随着经济发展水平的提高，社会融资占GDP的比重是逐步提高的。
（五）Granger因果检验
既然社会融资增长和经济增长存在长期的协整关系，那么到底是经济增长引起了信贷增长还是信贷增长促进了经济增长？这里文章利用Granger 因果检验对此问题进行说明。Granger 因果检验是由J．Granger（1969 年）提出，Sims（1972）推广的如何检验变量之间因果关系的方法，利用VAR 模型（向量自回归）对时间序列之间的因果关系进行判断。
用Eviews 对LnGDP和LnRZ进行Granger 因果检验，结果如表3所示。
由表3可知，社会融资总量在10%的显著水平上，拒绝了“LnRZ不是LnGDP的格兰杰因果原因”，表明社会融资总量是经济增长的原因，即社会融资总量的扩张促进了经济总量的增加。但经济增长在显著水平上没有拒绝原假设，说明经济增长不是社会融资总量增加的原因。
（六）脉冲反应
文章难以对VAR模型中的系数逐一加以解释，对第i个变量的一个冲击不但会影响第i个变量，而且会通过动态的VAR结构影响其他内生变量，而脉冲反应函数（impulse response function）能够描述扰动项的一个冲击对内生变量当前和未来值造成的影响。由分析结果图3可知，LnRZ的一次增加对LnGDP的影响逐渐增大，直至达到新的均衡。这说明社会融资总量的一个冲击会引起国内生产总值在一定期间内稳定增长。这和Granger因果检验得出的结论是一致的。
参考文献：
1.陈飞，赵昕东，高铁梅.我国货币政策工具变量效应的实证分析[J].金融研究，2002（10）
2.何初阳，袁春力，鞠海龙.青海省贷款与经济增长实证研究[J].经济研究导刊，2008（2）
3.谈儒勇.中国金融发展和经济增长关系的实证研究[J].经济研究，1999（10）
4.夏斌等.中国银行体系贷款供给的决定及其对经济波动的影响[J].金融研究，2003（8）
金融稳定工作经验总结篇9
收稿日期：2013-10-08
作者简介：刘太琳，男，山东济南人，博士，山东财经大学数学与数量经济学院教授，研究方向：数量经济与模型；董中印，男，山东菏泽人，山东财经大学数学与数量经济学院，研究方向：金融与数量经济。
一、引言
在经济全球化的今天，伴随着证券产品的发展和金融衍生品的不断创新，影子银行在近些年来得到了迅速发展，规模出现了爆炸式的增长。金融稳定委员会（FSB）的研究显示，截至2012年年底全球影子银行规模已达71万亿美元，占金融中介总资产的1/4，影子银行已经发展成为与传统商业银行平行的系统，其庞大的资产规模、广泛的金融活动范围以及对整个金融体系的影响使得影子银行愈发引人关注。肇始于2007年的全球金融危机，使影子银行对金融稳定性的影响成为近年学术研究的热门话题。
“影子银行”一词最早是由美国太平洋投资管理公司执行董事保罗・麦卡利（Paul McCulley）在2007年美联储年度会议上提出的，指的是游离于传统银行体系之外、从事类似于传统银行业务并且缺少相关金融监管的金融机构[1]。2011年，FSB从广义和狭义两个层面对“影子银行”进行了定义。广义的“影子银行”是指游离于传统银行体系之外的信用中介组织和信用中介业务，其期限/流动性转换、有缺陷的信用风险转移和杠杆化特征增加了系统性金融风险和监管套利风险。狭义的“影子银行”定义为“在正规银行体系之外运行的，包括实体和业务活动在内的信用中介体系”，是指可能引起系统性风险和监管套利的非银行信用中介机构[2]。根据已有文献可以把影子银行分为以下四类：（1）非银行金融机构，如信托投资公司、金融租赁公司、小额贷款公司等；（2）传统银行的套利活动（包括部分表外业务），如银信合作、信托贷款以及证券化等；（3）民间借贷，如地下钱庄等；（4）其他金融创新，如私募基金、投资银行等。
近期我国多家银行和信托投资公司爆出理财产品方面的问题，关于影子银行的风险问题再次被推向舆论的风口浪尖，引起广泛关注。前银监会主席刘明康[3]指出影子银行风险是银行系统面临的三大主要风险之一，影子银行在民间需求高，其影响从未停止，监管机构应注意切断吸收人民币存款的机构与影子银行的资金关联，只要加强登记，银子银行风险可控。本文基于2001-2012年年度数据，选取委托存款和信托存款、委托贷款和信托贷款、未贴现银行承兑汇票、集合理财产品、社会融资规模作为影子银行的指标，采用协整检验和误差修正模型（ECM），实证分析影子银行对我国金融稳定性的影响。
二、文献综述
在影子银行的作用机制方面，Gorton和Metric[4]强调2007年的金融危机是银行的信息不敏感贷款被信息不敏感债券所代替而引起的资本市场危机。Tobias 等[5]认为影子银行是包括票据、信用和流动性在内的信用中介，但是不包括央行的流动性和公共部门担保的信用，比如贴现窗口和联储提供的贷款保证；影子银行由于缺少信用和流动的资金导致了次贷危机的爆发。对于影子银行的监管和改革方面， Ricks[2]、Gorton和Metric[4]、Tobias等[5]都认为政府应该对影子银行采取监管措施，尤其是要对影子银行的风险约束设立监管法规。
国内学者对影子银行的研究多从基本概念、作用机制和监管建议等方面展开。周莉萍[6]指出影子银行的风险传播机制基于以影子银行证券化和过度延伸的链为代表的快速信用扩展，中国金融市场的主要问题是金融自由化不足和政府干预，所以改革和发展对我国的金融市场而言缺一不可。何德旭、郑联盛[7]认为影子银行和金融稳定性高度相关，影子银行的杠杆操作、业务界限突破、过度金融创新、信息披露不完整以及规避金融监管等特性给金融体系带来了系统性的风险，对金融体系稳定性造成了严重的威胁。从监管角度看，多数学者认为中国金融监管应从政府、银行、市场和产品四个方面进行。郑联盛[8]指出政府在金融监管中起主要作用，一方面政府要修订相关监管法规，另一方面政府要强化监管措施；政府在建立宏观审慎监管系统上极其重要，既要协调好宏观和微观部分，又要做好国际监管合作，同时银行应该强化风险控制。巴曙松[9]和李波等[10]都认为影子银行应该追求谨慎的产品创新，而不是过度地增加总量。
综上，学者们在影子银行的概念、特征、作用机制和与传统商业银行及金融系统的关系等方面形成了一定的共识。据此，他们也提出审慎监管的相关措施。然而，影子银行对金融稳定性影响的实证研究却不多见。
广义来看，金融稳定性是指金融机构及金融市场抵御各种金融风险的能力[11]。2011年，国际货币基金组织（IMF）首次发起中国金融部门评估项目（FSAP），指出中国总体的金融系统是稳定的，但是脆弱性却在不断增加。中国的影子银行和银行表外业务的急剧扩张极大地增加了金融系统的不稳定性。影子银行由于缺少透明容易产生道德风险和逆向选择等问题，又由于隐蔽性导致风险容易快速扩散。影子银行通常包括衍生工具和证券化操作，例如对冲基金、远期和期权等，这些金融工具包含了极大的金融脆弱性。同时，由于跨国的金融衍生工具大量出现，当前的金融系统性风险也呈现出国际化特征。作为发展中国家，我国的金融系统很不稳定，信用环境相对缺失，一旦金融自由化的进程过快必然导致风险急剧放大。同时，国家对于利率的管制和银行贷款的高门槛，都导致了大量企业无法获取银行贷款而不得不转向其他的融资途径，包括地下钱庄、高利贷等，最终导致融资成本的高企和金融风险的累积。因此，快速扩张的影子银行和金融稳定性高度相关。
三、影子银行对金融稳定性影响的实证分析
（一）变量选择与处理
考察影子银行对金融稳定性的影响，需要对影子银行的规模进行测度。考虑到影子银行数据的可获得性，选取六个指标来表示影子银行的增长率（见表1）。其中，委托存款和信托存款、委托贷款和信托贷款以及未贴现银行承兑汇票代表传统银行监管下的套利活动；集合理财产品代表信托公司的业务规模；社会融资规模在一定程度上表示总体的社会融资，其中包括地下融资部分；风险资本代表私人股票投资的规模。
金融稳定性的衡量选取宏观经济环境、金融市场、银行和金融监管四个子系统共17表1影子银行增长率变量变量名称符号数据来源委托存款和信托存款增长率WTC国家统计局委托贷款和信托贷款增长率WTD国家统计局未贴现银行承兑汇票增长率PJ国家统计局集合信托产品增长率JH用益信托（Use Trust）社会融资规模增长率RZ国家统计局风险资本增长率VC中国风险资本年鉴个指标，并根据其各自权重加总得到金融稳定性指数（见表2）。
（二）实证分析
1.平稳性检验
对WTC、WTD、PJ、JH、RZ、VC、FSI七个变量进行平稳性检验，本文采用ADF单位根检验。检验结果如表4。
单位根检验的结果表明，除WTD外其余六个变量都是一阶单整。这样我们检验一阶单整的六个变量的协整关系。
2.协整检验
采用AEG法进行协整检验。首先，采用逐步回归方法估计一个金融稳定性指数和影子银行变量之间的最优的回归模型（见表5），然后，通过White检验和LM检验表明模型无异方差性和自相关性，并且四个自变量之间无多重共线性。
估计方程的R2为0.983，说明拟合效果很好，并且所有的变量在99%的水平上都是显著的。 然后对方程的残差序列进行ADF检验，得到趋势项、常数项、一阶滞后项和残差序列在95%的水平的上是平稳的。由此我们得出，这五个变量之间存在长期的稳定关系。由各个变量的系数符号可得，集合信托产品、委托存款和未贴现银行承兑票据的对金融稳定性有负的影响。然而，风险资本的系数符号为正，表明风险资本的增长对金融稳定性有促进作用，这与风险资本作为高风险资本操作模式来管理金融脆弱性、减少金融风险的特性相符合。
3.误差修正模型的建立
建立误差修正模型（ECM）来解释四个影子银行变量的短期波动对金融稳定性的影响。
对误差修正模型的残差序列进行ADF检验，表明残差序列平稳。误差修正项的系数为正，表明金融稳定性对均衡水平的调整过程。然而，误差修正系数并非特别显著，这可能与影子银行的时间序列数据量较少有关，更多的有效数据会对模型做出更好的调整。
综上所述，我们建立了如下的长期均衡模型和短期波动模型：
4.结果分析
由金融稳定性和影子银行发展变量的长期均衡模型可以得到：
（1）影子银行内部不同变量对金融稳定性影响不同。委托存款和信托存款增长率、未贴现银行承兑汇票增长率、集合信托产品增长率对金融稳定性有负的影响，并且未贴现银行承兑票据对金融稳定性的影响要大于委托和信托存款、集合理财产品的影响；风险资本的增长对金融稳定性有正的影响，表明风险资本作为管理风险的工具在管理金融脆弱性、减少金融风险方面发挥了积极作用。
（2）影子银行整体对金融稳定性有削弱作用。根据影子银行各部分所占份额，未贴现银行承兑汇票、委托和信托存款、集合理财产品的规模远远超过风险资本的规模，因此影子银行整体对金融稳定性有削弱的作用，影子银行内部发展不协调致使其对金融风险防范和金融稳定促进的影响较小，更多地表现为对金融稳定的消极影响。
由金融稳定性和影子银行发展变量的短期波动模型可以得到：
（1）金融稳定性具有一定的递延效应。短期波动模型中金融稳定性的误差修正项系数为正，说明前一期的金融稳定性对当前的金融稳定性波动具有稳定器作用，可以在一定程度上减轻当前的影子银行变量对金融稳定性造成的冲击，即金融稳定性不仅表现在当前的金融稳定，也体现在对下一期的稳定作用。
（2）影子银行各变量增长率对金融稳定性的波动影响不一。未贴现银行承兑汇票的增长率变动对金融稳定性波动影响最大，其次是委托和信托存款的增长率变化，而集合理财产品和风险资本的增长率变化对金融稳定性波动的影响不大，这与当前我国集合理财产品尚未出现较大风险相一致。
四、政策建议
实证研究表明，影子银行作为我国传统金融体系的有效补充，其过快的规模扩张明显降低了金融体系的稳定性。目前，我国金融环境还很不成熟，影子银行发展应遵循循序渐进的原则，而不能脱离必要的监管。根据上述实证研究提出以下政策建议：
第一，加强影子银行监测。有关部门要做好影子银行的监测，做到动态全面地掌握影子银行的发展状态。做好影子银行数据的统计工作，对影子银行的总体规模及各部分情况进行全面地记录。加强对地下金融、民间金融的监管，对影子银行面临的风险进行实时动态管理。
第二，引导影子银行发展。根据影子银行对金融稳定性的实证分析，影子银行的发展虽然对金融稳定性有一定的负作用，然而风险资本对金融稳定也有积极作用。当前影子银行的发展极不平衡，一方面影子银行的发展速度过快，另一方面，影子银行内部结构不合理，集合理财产品所占比重过大，而能够对金融稳定起到促进作用的风险资本发展不足。因此，应该引导影子银行的发展，既要避免影子银行过热，又要调整影子银行内部结构，避免影子银行带来的系统性风险，同时发挥其促进经济发展的积极作用。
第三，推进利率市场化进程。影子银行的迅猛发展很大程度上是我国利率市场化程度偏低的表现。只有利率充分市场化，才能充分释放影子银行的风险。因此相关金融管理部门应循序渐进地推进利率市场化的进程。
第四，建立健全金融法律法规。建立健全影子银行相关法律法规来规范影子银行的发展，同时防止通过影子银行进行洗钱；出台资产证券化的相关法律条例来规范资产证券化行为；建立引导民间资本开放的地方法规，打击高利贷和地下黑钱庄，引导民间金融合理发展。
参考文献：
[1]POSAR Z，ADRIAN T，ASHCRAFT A，et al. Shadow Banking [R].Federal Reserve Bank of New York Staff Reports， 2010：21-28.
[2]RICKS M. Shadow Banking and Financial Regulation [J].Columbia Law and Economics Working Paper，2010（9）：37-54.
[3]欧阳洁.银监会主席刘明康：严防“影子银行”风险传递[N].人民日报，2011-04-17（B1）.
[4]GORTON G，METRIC A. Regulating the Shadow Banking System [J]. Brookings Pap，2010（4l）：261-312.
[5]ADRIAN T， HYUN SONG SHIN. The Shadow Banking System： Implications for Financial Regulation[R]. Federal Reserve Bank of New York Staff Reports， 2009（2）：15-50.
[6]周莉萍. 影子银行体系的机制及其脆弱性[R].银行家，2009（9）：90-95.
[7]何德旭，郑联盛. 影子银行体系与金融稳定性[J].经济管理， 2009（11）：23-25.
[8]郑联盛. 影子银行体系：发展、内涵与未来 [R].中国社会科学院世界经济与政治研究所国际金融研究中心工作论文，2009，No.09035.
金融稳定工作经验总结篇10
2019年底发生的新型冠状病毒疫情是人类的共同灾难。中国在2020年初以巨大的自我牺牲为代价，为世界各国赢得了宝贵的准备时间。然而，大部分国家和地区并没有高效利用这段时间进行防控布局。截至2020年6月28日5时，中国境内少量新增病例绝大多数为境外输入病例，全球累计确诊新冠肺炎病例突破1000万例。各国均在奋力抗击疫情，全球经济遭受重创。股票市场是经济发展状况的晴雨表，股票指数可以直观反映疫情冲击给全球经济带来的影响。今年3月，全球主要股票指数呈现断崖式下跌，美股更是出现了史无前例的10天内4次熔断。美国开启了新一轮的“放水”，美联储从最开始的低利率政策，到负利率政策，再到量化宽松(QE)，最后3月23日推出无限量QE，这无疑会大伤全球股市之元气，大挫全球金融市场之信心。目前尚不明确世界各国是否会跟随美国的步伐进行大幅度量化宽松，但已经明确的是2008年美国金融危机后开启的三轮QE带动了全球各国大放水，致使流动性泛滥风险不断累积。那么在当前环境下，我国是否也应该开启宽松性货币政策？此外，面对国内外经济下行压力，虽然中央一直强调“房住不炒”的原则不放松，但要求放松房地产调控政策的呼声渐高，一方面为挽救处于水深火热中的房地产行业，另一方面想继续让房地产来刺激经济的增长。那么是否应该放松房地产市场的调控呢？要回答这些问题，需要进一步明确房地产价格、经济杠杆和金融风险(金融稳定)的关系。
十几年来，我国宏观杠杆率持续增长，尤其2008年世界金融危机以后，杠杆率增长速度急速攀升。宏观杠杆率的上升意味着负债收入比的提高，信贷增加在减少个人和企业融资约束的同时，也加大了违约风险。有效防范金融风险，维护金融稳定，一直以来都是我国中央经济工作会议关注的重点问题。2018年中央经济工作会议部署的重点任务之一就是“打好防范化解重大风险攻坚战，要坚持结构性去杠杆的基本思路”。防范金融风险的本质便是去杠杆[1]。2017年12月国际货币基金组织的《中国金融体系稳定评估报告》也建议减少过度信贷扩张和债务累积。近年来，在中央“房住不炒”的基调下，虽然房地产价格上涨幅度得以控制，但大部分地区房价仍居高不下，经济杠杆依旧较高。房地产作为信贷市场的主要抵押品在2016—2018年间的经济杠杆延长和金融风险集聚中起到了推波助澜的作用。由于房地产市场与金融市场联系密切，房地产市场的“非理性繁荣”也通过不合理的经济杠杆水平威胁着金融稳定。随着房地产市场宏观调控政策的不断，总体来看房价的上涨速度得到有效控制，房地产信贷增速放缓，但不可否认的是，我国宏观经济杠杆率的结构性问题依旧凸显。政府对待“去杠杆”的认识在逐渐深化，从单纯的一刀切转变为将其控制在合理的范围。中国人民银行2017年1号工作论文也指出，“杠杆本身不是问题，杠杆效率才是存在的关键”。
现有文献关于房地产对金融风险的研究大多从房地产泡沫的角度阐述房地产市场与金融系统性风险之间的关系[2-3]。当房价过高时，房地产市场出现泡沫，酝酿金融风险，严重时将引发金融危机。因此，稳定的房地产市场在维持金融稳定方面发挥着重大作用[4-5]。近年来，诸多学者从不同的角度探索了房价波动与金融风险之间的关系。何淑兰从热钱的角度入手，发现其与房价波动、金融风险三者之间存在较强的互馈机制，呈现顺周期特征，热钱通过直接和间接效应影响房地产价格的波动，进而影响金融稳定[6]。刘晓欣等以货币供给的视角切入，发现房价上升不利于金融稳定[7]。文凤华等通过构建金融脆弱性综合指标，探寻房地产价格波动对金融稳定产生的影响，证明房地产市场主要通过微观金融机构(银行)和宏观经济来影响金融稳定[8]。郭娜研究发现房价下降冲击提升了风险溢价和金融风险，而高房价粘性进一步提高了系统性金融风险[9]。
近年来，许多学者基于不同的研究视角，对房地产价格与金融风险之间的非线性关系进行研究。Pan和Wang采用美国MSAs层面的数据，发现房地产价格波动与银行之间存在收入的门槛效应[10]。沈悦也得出同样的结论，认为房价波动对金融稳定的影响机制存在收入的门槛效应，且前者为双门槛效应，后者为单门槛效应。中低收入水平下支持价值偏离理论，高收入下支持价值抵押理论[11]。上述文献认为不同的收入区间下房价对金融风险的影响出现了差异。然而，我们发现具有相似收入水平的国家或者地区二者之间的关系也可能出现不一致，那么可能会存在导致二者出现非线性关系的其他原因。现实中金融危机的产生往往伴随着较高的经济杠杆，那么不同的经济杠杆水平能够解释房地产价格上涨对金融风险的影响存在的差异吗？
鉴于此，本文试图探究不同经济杠杆水平下房地产价格对金融系统性风险影响的理论和实证依据。相较于现有研究，本文可能的贡献在于：第一，在理论上，本文从不同国家和地区经济杠杆差异化角度分析房地产价格对金融系统性风险的影响，有助于进一步发展和深化房地产市场与金融市场关系的研究；第二，在实践上，本文的研究结论可以为当前去杠杆、控风险背景下如何选择有效率的经济杠杆水平提供政策参考，也将对分城制定房地产宏观调控政策，以维持金融稳定和经济稳定有所启示。
二、理论分析
房地产市场与信贷扩张之间存在双向的相互驱动机制[12-14]。信贷扩张是宏观经济杠杆率上升的根源。在现代自由主义经济条件下，高杠杆尤其是社会整体的高宏观经济杠杆意味着金融系统性风险的上升。下面将基于不同的经济杠杆率水平梳理房地产价格对金融系统性风险的影响机制。
(一)低经济杠杆时房地产价格上涨促进金融稳定
适度的经济杠杆有利于金融稳定[15-16]。当经济杠杆处于较低水平时，社会整体的负债率较低，房地产价格上涨会通过不同的渠道影响金融稳定。房地产是我国居民财富的重要组成部分[17]，房地产价格的变动一方面会带来财富效应[18]，促进居民消费，另一方面也会增加投资者的市场信心对房地产投资产生影响[19]。如图1所示，对于家庭来说，在负债率不高的情况下，持有房地产的家庭因为房地产价格上涨导致财富的增加，家庭的资产负债表得以优化，从而会提高消费水平。同时家庭消费的增加也会拉动经济增长，从整体上有利于金融稳定。房地产作为抵押贷款的主要标的物，是企业融资的主要方式。对于企业而言，适度的经济杠杆有利于增加企业在银行获得的可贷资金。当房地产价格上涨时，房地产作为抵押资产价值上升，基于托宾Q理论和价值抵押理论，企业的资产状况得到改善，可以从银行获取更多的资金，打破企业的融资约束，从而改善资产负债表，最大化资源利用效率，增加企业投资的信心和积极性，增加企业的产出水平，进而促进经济的增长，降低经济的风险水平，有利于金融稳定。对于银行等金融机构而言，银行持有的抵押品价值上升，金融机构的资产价值提高，优化银行资产负债表，有利于增强金融系统的稳定性。从社会整体的角度而言，房地产价格上涨一方面通过上述几种渠道最大限度地盘活了资金，提高了资源的配置效率，同时也降低了贷款企业逆向选择和道德风险的可能性，增强了企业投资的信心与活力，促进产出上升和经济发展。虽然这个过程中会存在贷款的增加，但经济总量也在增长，经济整体的资产负债情况得以优化。
当然，上述传导机制若建立在相对比较成熟的金融系统基础上，金融系统就能够将房地产价格上涨的影响传递到经济体的其他领域；如果金融系统不完善则传导不畅，即使在经济杠杆较低的情况下房地产价格上涨也不一定会促进金融稳定，反而会累积金融风险。
(二)高经济杠杆时房地产价格上涨刺激金融系统性风险累积
当杠杆率过高时，房地产价格上升，上述影响机制会产生反向作用。如图1所示，对于家庭来说，较高的负债率本身就是沉重的负担，面临房地产价格上涨，无房户需要压缩消费积攒首付款，有房户则大多通过贷款购得，同样也会挤出消费，所以总体表现出家庭部门负债率上升，对消费产生挤出效应。对企业部门来说，杠杆不是免费的午餐，其需要蚕食实体经济的利润，高负债率下实体企业的资金通过虹吸效应会流向高回报率的领域，房地产价格的上涨则提供了机遇。那么，原本用于企业创新研发的资金和用于实体企业设备改造的资金会流向房地产市场，企业的产出水平下降，整体表现出投机性增强，从而增加金融的系统性风险。对于金融中介而言，虽然说高杠杆和房地产价格上涨意味着资产负债表的优化，但是在高杠杆情况下，金融系统的脆弱性增强。一旦发生信用危机或房地产价格大幅度下跌，银行资本金无法在极速贬值的抵押资产中快速抽身，资不抵债将会造成大面积的银行企业破产。金融市场牵一发而动全身的传染力将迅速跨市场向外传播，引发金融危机。就社会整体而言，上述几种机制使得经济中的资源从消费和投资领域流向房地产领域，经济出现“脱实向虚”，导致经济虚拟化。并且，经济中的杠杆延长会导致货币供给中的货币乘数增加，扩张流动性，最终资金在虚拟经济领域空转，金融风险系统化。过高的经济杠杆容易造成金融机构非理性竞争性借款，从而导致杠杆率进一步提升[20]。具体来说，如果经济杠杆超过某个临界点水平，就会引致金融机构信贷过度扩张，一旦信用出现危机，金融风险的跨市场传染将会极为迅速地波及上下游产业，届时金融市场和实体经济都会陷入困境，对经济产生极其负面的影响[21]。夏越通过验证金融杠杆和系统性风险之间的U型关系，发现不合理的金融杠杆水平会推升系统性风险[22]，也进一步验证了该论述。
(三)经济杠杆作用下房地产价格与金融系统性风险的非线性关系
由上可知，在不同经济杠杆的影响下，房价波动对系统性金融风险的影响呈现非线性特征。具体而言，当经济杠杆较低时，房地产价格上升可以通过财富效应、抵押效应提高家庭和企业的财富或资产价值，优化家庭和企业的资产负债表；在适当的经济杠杆下，房地产作为抵押贷款的主要标的物，其价格上升也增加了银行的资产价值，增强了银行抵押放贷信心，资金流动性加强，房地产市场—金融市场的资本链条效应发挥作用，能够盘活经济资金，有效配置社会资源，优化银行和社会的资产负债表，从而降低违约率，减少系统性金融风险累积。随着经济杠杆的不断延长，房地产价格上升对金融稳定的正向作用不断弱化：当经济杠杆处于较高水平时，房价上涨挤出家庭消费，提高家庭负债率，通过虹吸效应恶化中小企业投资，抑制企业产出，增强企业投机性。房价上涨进一步通过银行资本金效应延长金融杠杆，致使系统性金融风险不断累积，金融脆弱性提高。房地产的投资属性吸引投资者资金进一步涌入，资源的“脱实向虚”导致经济虚拟化程度加重，进一步导致金融风险系统化，不利于金融稳定。
由上述理论分析可以发现房地产价格对金融系统性风险的影响在不同经济杠杆水平下会出现差异，也就是在不同经济杠杆率下存在着非线性关系。
三、研究设计
(一)模型设定
为了验证上述观点，本文借鉴Hansen的观点[23]，构建如下面板双门槛回归模型：
ZZIit=αi+β1realhpiit×I(priit<γ1)+β2realhpiit×I(γ1<priit<γ2)+β3realhpiit×I(priit≥γ2)+δXit+εit
(1)
其中：i代表国家和地区；t代表年份；ZZIit为金融系统性风险综合指数；priit为宏观经济杠杆率，作为本文的门槛变量；realhpiit为受门槛变量priit影响且回归系数随区制变化的解释变量，在此为实际房地产价格指数；αi为个体固定效应，即不随时间发生变化的个体差异。αi为示性函数，γ1和γ2为双重门槛的待估计门槛值，且γ1<γ2，Xit为控制变量矩阵，如经济结构、实际经济发展水平、进口、失业率、城镇化率等，εit为随机扰动项。
(二)变量选取
1.金融系统性风险综合指数
金融系统性风险的度量是一个复杂的工作，借鉴前人选取指标的依据，利用主成分分析法计算金融系统性风险综合指数[7，24]。指标体系的构建如表1所示。考虑到指标中既存在正向指标又存在负向指标，为了方便对国际数据进行分析和解释说明，本文将负向指标正向化处理，并对适度指标采取残差方差化的方法进行处理。
首先，对数据标准化，消除量纲和数量级的差异。接下来，通过KMO和Bartlett检验来验证选取的八个指标是否适合进行主成分分析或因子分析。KMO值和Bartlett球形度检验分别说明综合指标的合成是有效的，变量之间高度相关，可以进行主成分分析或因子分析。本文根据惯例提取累积方差贡献率在80%以上的前五个主成分并计算其综合得分；为进一步比较各国之间金融系统性风险的差异，采用0—100标准化的方法进行处理，并将其作为被解释变量。
2.宏观经济杠杆
杠杆率表示负债占资产的比，一般包括微观杠杆(企业杠杆率、家庭杠杆率)、金融杠杆(银行整体的资产负债情况)、宏观经济杠杆(经济整体的资产负债情况)。本文借鉴贾庆英和孔艳芳的做法，选取“私营部门的国内信贷占GDP比重”作为宏观经济杠杆的变量[25]。该指标可以直接反映经济社会中私营部门的总体借贷情况，且GDP可以代表一个国家和地区的总体经济发展水平，因此，本文选取该指标衡量各国的经济杠杆水平。
3.解释变量和控制变量
本文的核心解释变量为以2010年为基期的实际房价指数，反映房地产市场的发展状况。在控制变量的选择上，本文在数据可得的情况下，主要从经济层面和社会层面选取若干指标进行控制。变量的选取和具体含义见表2。
(三)数据来源与说明
本文的研究样本为1997—2017年44个国家和地区的面板数据，数据来自世界发展指标数据库(WDI)、国际清算银行(BIS)和国际货币基金组织(IMF)等；核心解释变量房地产价格指数来自国际清算银行、美联储圣路易分行数据库等，其中中国房屋销售价格数据来自国家统计局，用商品房销售额除以商品房销售面积得到。为剔除价格因素的影响，以上各变量均通过平减处理为实际值。缺失数据通过各国统计局、各国中央银行和Wind资讯等数据库进行补充，个别缺失值采用均值插值法处理，其中美国、日本等国家和地区2017年的缺失数据按照其相应指标的增长率计算补充。
(四)内生性问题
金融系统性风险较高的国家和地区，往往房地产价格也较高，因此房地产价格和金融系统性风险可能存在双向因果关系导致的内生性，这使得在不考虑内生性问题时得到的回归结果有偏，因此需要解决内生性问题。本文采用面板数据的工具变量估计方法克服内生性问题。有效的工具变量必须同时满足相关性和外生性两个条件，由于房价有较强的自相关性并且当期金融风险不会影响上一期的房价，因此参照其他处理宏观经济变量内生性的相关文献[26]，本文选取实际房价指数的滞后一期作为工具变量。
四、实证检验
由于宏观经济数据和金融数据大多具有时间趋势，数据可能存在非平稳性，若直接使用非平稳的数据进行回归，传统的统计量和回归结果都会出现偏差，出现伪回归，因此，为了保证回归结果的无偏性和有效性，在正式进行模型估计和相关检验之前，需要通过面板单位根检验来判断数据的平稳性。面板单位根检验的方法有许多种，本文选取同质性检验LLC和异质性检验费雪式两种方法进行检验。检验证明，所有变量的数据均通过显著性检验拒绝原假设，即变量为零阶单整的平稳序列。我们在全样本检验之后进一步将样本区分为发达国家和地区、发展中国家和地区两个子样本，一方面验证结果的稳健性，另一方面寻找不同发展程度的样本是否会因为经济杠杆的门槛效应出现差异。
(一)门槛值检验结果
以宏观经济杠杆率作为门槛变量，通过门槛效应检验确定门槛个数。全样本和发达国家和地区样本，单一门槛和双重门槛的P值在1%的水平上显著为0，而三重门槛的P值依次为0.5800、0.6990，没有通过显著性检验；发展中国家和地区的样本在5%的置信水平上通过了单一门槛的显著性检验，但双重门槛和三重门槛不显著。因此我们选用双重门槛模型对全样本、发达国家和地区样本进行回归分析，选用单一门槛模型对发展中国家和地区样本进行回归分析。
根据各国房地产价格指数与门槛值之间的回归关系，我们将样本划分为低区制(杠杆率低于第一个门槛值)、中区制(杠杆率位于第一、二门槛值之间)和高区制(杠杆率大于第二门槛值)三个部分。由表4可以看出，全样本数据中，低区制、中区制杠杆率分布的样本居多，共占总样本的93.52%，高区制中分布样本较少，占总样本的比例为6.48%，这说明过半数的国家和地区经济杠杆超过较为合理的杠杆水平，但金融系统性风险在总体上还是可控的。发达国家和地区高区制以下的样本数占总样本的74.33%，低于发展中国家和地区的97.62%，这说明发达国家和地区面临更大的潜在金融系统性风险。
(二)门槛值估计结果分析
表5为门槛效应模型的回归结果。从全样本数据来看：当杠杆率低于97.7393时，房价对金融系统性风险的影响显著为负，房价的边际影响系数为-0.0158，通过10%的显著性水平检验，这可以解释为当杠杆率较低且处于合理的水平时房价上涨，房地产的抵押价值上升[27]，企业可以从银行获得更多的贷款，能够减少融资成本，提高资源利用效率，从而有利于金融稳定；当杠杆率位于97.7393与183.9360之间时，房价对金融系统性风险的回归系数由负转正并通过1%的显著性检验，这意味着经济杠杆超过合理的界限时，房价上升带来的房地产市场的“非理性繁荣”使预期投资收益大幅增加，引发大量企业和金融机构出现非理性竞争性借款，导致金融系统性风险不断堆积，不利于金融稳定；当杠杆率超过183.9360位于高区制区间时，房价的回归系数由0.0565上升至0.1366，通过1%的显著性检验，系数变化两倍之多，意味着过高的杠杆率严重威胁金融市场的稳定，一旦发生信用危机，金融风险的传染机制将迅速扩散与其相关的上下游产业，2008年美国爆发的次贷危机便是前车之鉴。
进一步研究发现，发达国家和地区与全样本回归结果基本一致：当杠杆率低于98.3733时，房价对金融系统性风险的影响在1%的显著性水平上显著为负，当杠杆率的数值超过第一门槛时，随着杠杆率的提高，房价上涨对金融系统性风险的作用方向也发生了改变；当杠杆率处于高区制时，房价的边际影响系数也由0.0267上升至0.0871，虽然较全样本回归下两个回归系数的数值都有所下降，但总体趋势并没有发生变化；发展中国家和地区存在单门槛效应，而且低区制区间的符号由负转为正，在10%的显著水平下显著，这可能是因为发展中国家和地区的金融市场发展水平较低，且金融系统尚不完善，传导机制尚不成熟。因此，对于发达国家和地区来说，适当的经济杠杆水平对于金融稳定有明显的促进作用；而对于发展中国家和地区，随着杠杆率的提高，房价的上涨不能有效控制金融系统性风险。
(三)稳健性检验
1.核心解释变量的替代：名义房价指数在不同经济杠杆下对系统性金融风险的影响
借鉴已有相关研究[28-30]，使用名义房地产价格指数替换实际房地产价格指数。由于在实际情况下，经济行为主体并不具有完全理性预期并且不能掌握完全信息，购房者很大概率只能通过观察到的名义房地产价格的变化进行决策，因此，部分学者认为名义房价指数更能反映房价和对金融风险影响的真实波动情况。回归结果如表6列(1)(2)(3)所示，其中：在全样本和发达国家和地区样本的经济杠杆低区制区间，名义房价指数上升对系统性金融风险的影响显著为负，且二者弹性系数的绝对值大于原始回归，这说明低经济杠杆下，合理的负债-资产比使得名义房价指数上升有利于金融稳定，进一步，可以认为经济杠杆低区制下，名义房价波动比实际房价波动对金融稳定的影响更大，而经济杠杆的中区制、高区制下，名义房价指数对系统性金融风险的影响由负转正，且高区制情况下的影响系数更大，这与前述的回归结果基本一致，但二者弹性系数的绝对值小于原始回归，这说明经济杠杆中区制、高区制下，名义房价波动比实际房价波动对金融稳定的影响更小，房价上升对金融稳定的负向作用得到进一步验证。从发展中国家和地区的回归样本中可以看出，经济杠杆的中、高区制影响系数均为正值，与前述回归结果一致，但低区制的显著性水平降低，这可能是由发展中国家和地区的名义价格指数存在些许差异性造成的，并不影响总体的作用方向。因此可以认为，在不同经济杠杆水平下，房地产价格波动对金融系统性风险的非线性影响是稳健的。
2.因变量的替代：改变金融风险综合指数合成的方法
主成分分析仅仅通过变量变换进行指标合成，为了防止采用主成分分析法合成金融风险综合指数时出现偏差，我们通过构建因子模型合成金融风险综合指数替换已有因变量来检验回归结果的稳健性，回归结果如表6列(4)(5)(6)所示。由结果可以发现，替换因变量后得出的拟合数值较原始回归结果有小幅变化，但总体作用方向保持一致。全样本下，经济杠杆低区制的边际影响系数虽然不显著，但符号依旧为负值，中、高区制区间下，房地产价格与金融系统性风险呈现正相关，在1%的水平上显著，且高区制大于中区制的边际影响系数，与原始回归结果保持一致；发达国家和地区样本与之前相比系数符号和显著性均保持不变；发展中国家和地区样本中区制符号依旧为正，但是没有通过显著性检验，这可能是发展中国家和地区金融市场不够完善、金融体系不健全造成的。高区制的边际影响系数为正，且在1%的水平上显著，进一步说明了结果的合理性和稳健性。
五、结论性评述
本文分析了不同经济杠杆率下房地产价格对金融系统性风险的影响机制，并通过1997—2017年国家和地区的面板数据，以宏观经济杠杆作为门槛变量构建门槛模型。实证表明，房价在不同经济杠杆水平下对金融系统性风险存在非线性影响：在经济杠杆较低的水平下，房地产价格与金融系统性风险之间呈负相关，房价上升有利于金融稳定；在经济杠杆超出了某个界限时，房价与金融系统性风险同向变化，即房价上涨不利于金融稳定，并且随着经济杠杆的不断延长，房价上涨带来的边际影响系数也会不断增加。除此之外，本文还发现该结论在发达国家和地区体现得更为显著，这主要因为与发展中国家和地区相比，发达国家和地区金融市场和金融体系较为完善，对金融系统性风险的传导更为敏感，金融体系间的密切联系也使得金融风险传播扩散的范围更加广泛。进一步对解释变量和被解释变量进行变量替换证明上述回归结果是稳健的、有效的。
基于此，本文认为适度水平的经济杠杆对金融市场的平稳运行有促进作用，过高的经济杠杆会吸引大量资金空转套利，一方面不利于实体经济的发展，另一方面增加了系统性金融风险，不符合我国“防范金融风险，力控资产泡沫”的政策。近年来，虽然中国的宏观经济杠杆率增长势头渐缓，但仍然居高不下，总体处于中区制区间，但经济杠杆率较为接近门槛临界值，即房价上涨会促进金融系统性风险的累积，整体来看金融风险是可控的但也存在一定的隐患。部分地区的宏观经济杠杆率已经跨进了高区制，房地产价格上升能较大幅度的累积系统性金融风险，不利于金融稳定。
金融稳定工作经验总结篇11
从当前理论研究现状来看，国内外众多经济学家都对金融不稳定进行了深入而广泛的研究。但是至今为止仍然缺乏完整的方法能够切实度量金融不稳定对宏观经济的影响以及影响机制。因此，对金融不稳定对宏观经济的影响进行研究，对于推动中国宏观经济稳定发展有着一定的理论意义与实践意义。
一、金融发展不稳定与中国宏观经济的关系研究现状
虽然全球对于金融发展不稳定这一话题关注度较高，理论研究也十分深入，但是金融发展不稳定这一概念依然没有统一结论[1]。John Chant（2003）认为，金融不稳定主要是指通过金融市场来对金融体系的正常运行造成影响，进而对社会经济形成消极影响。金融不稳定主要表现在金融脆弱性与金融危机两个方面，借款者与潜在借款者所拥有的财富有限，加重了委托的风险，加大了金融脆弱性。向新民（2005）认为，金融不稳定是金融系统无法提升经济运行效率，并且还会对实际经济运行效率造成消极影响的金融状态。总的来说，金融发展不稳定即为以商业银行为代表的金融信用机构与借款人的特点导致金融体系存在天然的潜在不稳定性。在现代金融环境下，不稳定是其基本特征。金融不稳定性会对国家的宏观经济造成重大的影响。
孙立坚（2004）在研究中从金融系统的基本功能角度入手，通过建模与CHOW结构化检验的方式验证了金融体系如果处于非完全市场化环境下基本功能是否能够依旧实现，以此来分析我国金融发展不稳定对国家宏观经济的影响以及金融发展不稳定与宏观经济影响机制，进而给未来我国金融发展与创新改革提出了相关的建议。蒋丽丽（2006）在基于资本外逃对金融稳定产生影响的角度进行研究，在参考国外经验结合国内情况的基础上，建立了我国金融稳定性的评价指数，并且得出结论：资本外逃是影响我国金融稳定性的隐性因素，并且其还存在一定的延时性。周纪恩（2010）在经济全球化的环境下，从外部资本环境与内部制度和效应分析三个角度入手，对引发金融危机的不稳定因素进行了研究。并且得出，在经济中投资行为的不协调与不通畅是导致企业经营不善的主要原因；通过构建代际模型得出，协调补偿对经济发展造成影响的机制，结果反映技术投资中的协调不顺畅会直接阻碍经济增长。
二、金融发展不稳定与中国宏观经济的关系
1.金融发展不稳定与中国宏观经济
在深入研究金融不稳定性的相关数据资料后可以得出，金融压力或金融风险仅仅只是在金融不稳定因素不断累积到某一程度后所导致的情况。因此，金融评价指标相对于金融稳定性来说更加滞后，同时也无法真实的体现金融系统所处的真实状态。并且金融结构的信贷价格也不能够作为金融不稳定性指标数据作为参考，因为其无法真实完整的反映我国金融的不稳定状态。目前，我国关于金融系统稳定与宏观经济影响方面的理论研究涉及范围较广，深度较深，然而对于金融不稳定与中国宏观经济关系的研究却相对较少。根据Minsky研究提出的“金融不稳定性”可以认为，金融系统其自身就天然带有不稳定性，并且在不同周期状态中会呈现不一样的特点[2]。影响金融系统不稳定带有因素与变量有可能出现同步的改变。根据当前已建立的动态因子模型进行分析可以一试到当前影响到我国金融不稳定的潜在因子，并且可以在模型上对金融不稳定对中国宏观经济的影响进行进一步的深入研究。
2.金融发展不稳定对GDP的影响
现以广义货币供应量、金融机构信贷总额以及股票市价总值作为自变量，我国的GDP作为中国宏观经济的因变量，来对金融不稳定与中国宏观经济的关系进行研究。本次研究选取的为最近十年的月度数据，金融发展不稳定指标的数据源自于中国人民银行数据统计库，我国经济GDP数据源自于国家统计局官方网站。在建立回归模型后，根据模型结果可以得出，广义货币供应量、金融机构信贷总额、股票市价总值的改变均会导致我国经济变量产生直接影响。这就说明，金融不稳定会对我国宏观经济的总量产生影响。从回归分析结果可以看出，广义货币供应量与金融结构信贷总额对我国宏观经济总量的影响较为明显，股票市价总值的影响程度相对较小[3]。
3.金融发展不稳定对部门经济的影响
以城市居民消费支出总量、我国规模以上固定资产投资总额、财政预算支出总额以及贸易进出口总额作为指标。选择城市居民消费支出总量是因为我国居民消费支出总量的数据获得难度较大，并且城市居民消费支出总量在能够某种程度上代表我国居民消费支出。选择规模以上固定资产投资总额是由于我国投资状态较为复杂，无法获得详细的具体数据，因此以规模以上固定资产投资总额作为判断我国投资状况的指标。选择财政预算支出总额的原因是由于财政支出总额同时为经济的组成部分与消费的支出部分，金融不稳定对财政预算支出的影响在某种程度上也展现了对中国宏观经济的影响。选择外贸进出口总额是因为伴随着我国进出口贸易量的增加与发展，在经济全球一体化的背景下，外贸经济对我国宏观经济的影响愈加明显，要研究金融不稳定对我国宏观经济的影响，其中外贸进出口总额是其中十分重要的内容之一。同样，现以广义货币供应量、金融机构信贷总额以及股票市价总值作为自变量。
对国民消费的影响。在我国国民经济发展过程中国民消费是十分重要的构成部分之一，金融不稳定对其产生的影响需要进行重点研究。本文主要针对VAR模型建立下的结果来对金融不稳定对我国消费情况造成的影响进行分析。在建立了VAR模型并且进行脉冲响应函数计算后可以得出，金融不稳定性指标中只要任意某一指标出现变化，国民消费水平都会被影响，只是被影响波动的时间与程度有所差异[4]。相对来说，金融不稳定体系中的广义货币供应量对国民消费水平的影响最为明显，即为国民消费水平受到货币供应量的影响十分显著。虽然被影响程度深，但是影响时间不长，无法形成长时间的效应。金融机构信贷总额与股票市价总值两个指标对国民消费水平的影响相对较弱，需要经过一段时间才能够感受到两个指标出现了变化。但是上述两指标所形成的影响时间较长，能够形成长时间的效应。但是总的来看，对货币供应量进行调节是短时间内进行快速调节的方式，而选择调节控制金融机构信贷总额和股票市价总值是长期战略的调节方式。
对投资的影响。长时间以来，投资对于我国国民经济发展有着十分重大的影响。特别是近几年，我国在全力发展基础设施建设，投资行为对于推动我国国民经济发展的重要性越来越重要。在经过VAR模型处理后可以得出，货币供应量与股票市价总值都会对投资产生影响。其中，货币供应量对投资的影响最为明显，但是货币供应量对投资的深度影响持续时间较短，无法形成长时间的效应。在货币供应量、金融机构信贷总额以及股票市价总值三个指标中，金融结构信贷总额的变化对投资的影响程度最不显著。
三、结束语
当前我国国民经济正处于发展的关键时期，十分容易受到各种因素的影响。其中金融不稳定对宏观经济的影响是毋庸置疑的，其处于不同的时期与不同状态对宏观经济的影响也存在差异。因此，在对金融发展不稳定与中国宏观经济进行研究后，政府能够采取宏观调控手段，例如货币政策、税收政策、行政政策等，来对金融体系进行调整优化，以实现维护宏观经济稳定发展的最终目标。
参考文献：
[1]姚耀军，彭璐，曾小懿.中国金融发展对宏观经济波动的平抑效应――基于EGARCH模型的经验分析[J].江汉学术， 2013， （06）：5-10.
[2]Obstfeld Maurice.Globalization macroeconomic performance，and the exchange rates of emerging economics[J].Monetary and Economic Sthdies，2004（12）：29-55.
金融稳定工作经验总结篇12
美国次贷危机引发的全球金融危机日趋恶化,已经由金融层面逐渐深入到实体经济,对各国经济增长均造成了明显的负面影响。目前在各国的政府的前期一系列经济刺激政策措施的影响下,各国经济出现复苏,但是进程十分缓慢。而我国经济在4万亿的政府投资刺激下,经济增速下滑较快扭转,经济回升势头不断巩固,整体向好态势比较明显。根据国家统计局初步测算,今年前三季度,我国国内生产总值(GDP)217817亿元,按可比价格计算,同比增长7.7%,比上半年加快0.6个百分点。 江苏经济总量比较大,经济社会发展水平比较高,经济外向度也比较高,江苏能否保持经济平稳较快发展,对全国大局有着重要意义。因此研究江苏省金融中介和经济增长的关系显得尤为重要。目前关于我国金融中介发展与经济增长关系的研究很多,但主要集中在以下三个方面:一是把中国视为整体,分析中国金融中介发展与经济增长的相关关系;二是以某省或地区作为研究对象,分析该地区的金融中介发展与经济增长的关系;三是以中国各地区为研究对象,分析各地区间的差异,从而深入揭示金融中介发展与经济增长的内在关系。本文是研究的第二方面,在江苏省金融中介与经济增长的关系方面作实证分析,寻找两者关系,并给出相关政策建议。
二、数据、指标选择与计量模型的设定
1.数据和指标的选择
本文的数据来源于文中的基础数据均来自各年《中国统计年鉴》、《中国金融统计》以及江苏省的统计年鉴,并根据计算整理得出,样本年限从1995年到2007年。并且对所有数据进行对数处理。使用Eviews5.0软件进行分析。
(1)本文选取的金融中介指标
第一,金融中介的规模指标SCAIND。对于金融中介规模的测度应该用金融资产值/GDP来衡量,但由于数据难以获得,我们采用一个替代指标。在替代指标的选择上,多数学者均采用贷款总量/GDP,但这一指标不如存款总量/GDP准确,原因在于,目前在我国,银行各营业部仅具有吸收存款功能,没有贷款权限,尤其是各县级营业部,所以用存款总量/GDP更能反映金融中介规模。这一选择方法与Genevieve Boyreau-Debray(2003)相一致。这一指标不仅可以反映金融中介经营规模的扩大,还可以反映资金供给在国民经济中的重要性。
第二,金融中介结构指标STRIND。这里定义的中介结构主要从所有制上来划分,用来衡量国有金融中介与非国有金融中介之间的变动状况,我们将其可定义为非国有金融资产对金融中介资产的比率,同样由于数据上的不可直接获得性,我们采用“1-国有银行贷款金融中介贷款总额”的计算方式得到非国有金融资产对金融中介资产的比率。它说明了随着金融中介的发展,非国有金融机构资产占所有金融机构资产的比重的变化情况。该值的增加,可以说明与国有金融中介相竞争的金融中介主体(至少在总量上)在不断增加,在市场中,国有中介与非国有中介的竞争程度在加剧。因而,这一指标不仅说明金融结构的变动趋势,而且更反映了金融中介的竞争程度。
第三,金融中介效率指标SLIND。金融中介的效率主要包括运营效率和配置效率。金融中介效率包括运行效率和配置效率。运行效率是指银行体系中以最小的消耗动员尽可能多的储蓄资金 。一般说来,对于储蓄动员的资源成本,可以用存贷利差和各项经营费用作近似表示。但Demirguc-Kunt和Levine(1996)指出“增加生产率投资可能提高间接费用成本”,因此非常低的间接费用成本可能表明在提供较优的银行服务上的竞争不足和投资不足,所以间接费用成本不是效率确切明显的度量。而且,由于我国的利率水平与管理费用是行政定价,同时管理费用数据不易获得,因而,用存贷利差和一般管理费用来表示运行效率的方法不易适用。所以在本文中不采用该指标。配置效率是指银行将资金盈余部门的资金转化为贷款的效率。在它的度量上,我们选用存贷比表示,即金融机构贷款余额和金融机构存款余额之比,它表示金融中介调度分配社会资源的能力。
(2)本文选取的经济增长指标
我们选择人均GDP作为衡量经济增长的指标变量,考虑到通货膨胀的影响,本文使用江苏省商品零售价格指数(1978年=100)对GDP进行折实,另外为了消除人口规模因素对GDP的影响,最终选择以人均实际国内生产总值PRGDP作为经济增长指标。
2.计量模型的设定
传统的计量方法是从先验的经济理论出发设定OLS结构模型,再由数据估计模型所包含的参数,这种方法对先验的经济理论具有很强的依赖性。本文采用的VAR方法是以数据为出发点,通过对数据的分析来找出各变量之间可能存在的关系。这就能使们能更客观的对金融发展与经济增长之间的关系进行一个考证。同时VAR模型较单方程具有更高的可考性,在处理诸如本文所用的时间序列变量上更有利。因此我们选择在多变量VAR系统中进行金融中介发展与经济增长之间关系的分析。一个p阶VAR模型可以表述为:
其中,yt是k维内生变量向量,是d维外生变量向量,是信息向量,T是样本个数。经过变形我们就可以得到向量误差修正模型VECM,表示为:
其中
由于经过一阶差分的内生变量向量中各序列都是平稳的,因此如果构成的各变量都是I(0)时,才能保证 是平稳过程。因此可得系数矩阵的秩满足0
三、实证检验过程及结果
我们将各个变量序列进行对数化处理,得到新的数列SCAIND1、STRIND1、SLIND1、PRGDP1。
1.单位根检验
由于我们所选用的指标变量有可能是非平稳的,具有时间趋势,因此我们对变量进行协整分析之前,首先需要对变量的平稳性作检验,只有变量在t阶平稳(I(t))的条件下,才能进行协整分析。本文用ADF(Augmented Dickey一Fuller)单位根检验方法来检验变量SCAIND1、STRIND1、SLIND1、PRGDP1序列的平稳性。检验结果如下表1所示:
注:(1)单位根检验值的方程为包括常数和趋势项方程,且解释变量的滞后项数为0。样本区间为1995-2007。(2)表示变量的二阶差分。(3)*、**、***分别表示检验值小于1%、5%、10%的置信水平下的临界值。
从表1中前三列可以看出,在数据原始序列水平上,所有的检验结果均没有拒绝有单位根的假设,因此,可以认为SCAIND1、STRIND1、SLIND1、PRGDP1、均是非平稳的时间序列。而从后三列可以看出,经过二阶差分后均拒绝原假设,表明差分变量是平稳的。于是,我们认为上述4个变量序列是二阶单整的。对于这些非平稳的经济变量不能采用传统的线性回归分析方法检验它们之间的相关性,而应采用协整方法进行检验分析,同时它们也符合协整的同阶单整的前提条件。
2.协整检验
协整检验从分析时间序列的非平稳性入手,来探求非平稳变量间蕴含的长期均衡关系。本文采用Engle和Granger(1987)提出的方法来检验金融中介发展变量SCAIND1、STRIND1、SLIND1与经济增长变量PRGDP1、NOIND1之间的两两变量之间的协整关系。这种协整检验方法是对回归方程的残差进行单位根检验,因此,检验一组变量(因变量和解释变量)之间是否存在协整关系等价于检验回归方程的残差序列是否是一个平稳序列。这样我们有五组变量进行检验。前面已经检验了上述变量序列都是I(2)的,由此可直接检验变量之间的协整关系,检验结果见下表2:
注:残差序列临界值均表示检验值小于1%的置信水平下的临界值。
从表2中我们可以看出从表中的检验结果显示,江苏省经济增长指标PRGDP与金融中介结构指标STRIND是协整的,或者说这两个变量之间存在长期均衡关系。
3.建立ECM模型
因为江苏省经济增长指标PRGDP与金融中介结构指标STRIND是协整的,所以对它们建立误差修正模型ECM,回归的结果如下: (1)
R2=0.338274,DW=0.786744
回归结果表明,非国有金融资产对金融中介资产的比率的短期变动对人均实际GDP存在正向影响,每年实际发生的人均GDP与其长期均衡值的偏值中的3.2464%被修正。
4.Granger因果关系检验
由于协整分析只是帮助我们分析变量之间是否存在长期均衡的比例关系,但没有对这些变量之间的因果关系进行说明,为了说明这种因果关系,我们需要用Granger检验来进一步验证。由于4个变量序列都是二阶单整的,所以对二阶差分后的序列进行Granger检验。检验结果如下表3
结果证明,人均实际GDP是非国有金融资产对金融中介资产的比率的Granger原因,而非国有金融资产对金融中介资产的比率不是人均实际GDP的Granger原因。
四、结论和建议
通过上述协整检验和葛兰杰因果检验,我们大体可以分析出江苏省经济增长与金融发展之间的长期变动关系和变动因果。我们对PRGDP与SCAIND、SLIND、STRIND之间的关系进行论述经济增长与金融中介发展之间的关系。从协整分析中我们可以看出只有非国有金融资产对金融中介资产的比率STRIND和人均实际GDP即PRGDP1之间存在长期稳定的均衡比例关系。其数学表达式见上式(1),从数据中我们发现非国有金融资产对金融中介资产的比率的短期变动对人均实际GDP存在正向影响关系。具体变动的因果从表3中可以看出。总的看来,金融发展无论是从金融发展规模上,还是贷款量,或是金融机构结构上对经济增长没有构成成因,相反却是江苏省的经济增长导致了金融结构调整。这间接说明了江苏省经济的高速增长,导致存款规模在GDP中的比重增速下降,同时也使得惜贷现象和资金外流现象发生。具体分析产生这种情况的深层原因,本文认为是江苏省经济高速增长带来的经济增长收益,并未被完全吸收转化为经济再度增长的动力。
首先,从表面上看,虽然存款与GDP之比呈上升趋势,但是从增长速度上呈稳中有降的趋势,尤其自2002年以来更是明显下降,见图1。这里的部分原因是由于金融市场发展和金融工具多样化引起的,金融工具不再只局限于银行存款这一类,但也有可能是因为有社会闲散资金未被金融系统充分集中利用或发生向外省转移以谋求更高收益。
第二,从图2来看,江苏省非国有金融资产对金融中介资产的比率处于稳中有升的趋势,而对比图4来看,江苏省人均GDP始终处于上升趋势。江苏省随着金融中介的发展,非国有金融机构资产占所有金融机构资产的比重的稳中有升,可以说明与国有金融中介相竞争的金融中介主体(至少在总量上)在不断增加,在市场中,国有中介与非国有中介的竞争程度在加剧。人均实际GDP是非国有金融资产对金融中介资产的比率的Granger原因,而非国有金融资产对金融中介资产的比率不是人均实际GDP的Granger原因。这说明了江苏省的金融中介对经济增长的作用不是很明显,而经济的增长却优化了金融中介结构。这也说明了金融体制改革相对滞后,金融体系的效率不高等制约因素的存在,在一定程度上阻碍了金融中介发展对江苏经济增长的促进作用。理论上讲,金融发展与经济增长的关系很直观:在非完美的经济中,金融发展提供了一些有用的服务,如:动员储蓄,分散风险,将储蓄转化为投资,监督经理人等。通过发挥这些功能,金融发展对经济增长有促进作用。但是beck,levine (2004)指出:银行通过配置资源来提高储蓄回报率,但银行的发展可能会降低储蓄率。如果在储蓄和投资之间有足够大的外部性,那么银行的发展可能会减缓经济长期增长。levine (2002)指出银行发展阻碍经济增长的三个原因。首先,银行可能会与影响力较大的公司有关,这种影响可能为负。其次,银行偏好谨慎的特性可能会阻碍企业创新。第三,银行的能力与企业的管治高度相关。不仅银行机构发展对经济增长有负效应,股票市场发展也阻碍经济增长。所以必须首先优化金融中介的规模、结构和效率,才会促进经济持续增长。
第三,从图3来看,表现在存贷比的下降上。存贷比的下降,可能是由两个方面引起,一是由于政府宏观政策紧缩,二是因为银行资金向外部转移的结果。但是进一步分析,经济政策是随经济波动而呈周期性波动,但自上世纪90年代来几经开放与紧缩,但存贷比却是年年下降,这就从另一方面说明了,90年代江苏省金融机构中资金向外转移是实在发生的。但是进入21世纪以后,江苏省的存贷比却出现小幅上下波动,这又从一定程度上与政府的宏观政策调控有关。
总之,本文只是通过现有的数据对江苏省金融中介发展与经济增长的关系做出简单的数据分析,关于金融中介的发展对经济增长的实际促进作用如何,这种作用是否可以精确的进行量化,还是仍然值得分析研究的。相信随着我国金融机构改革的进一步深化,金融体系的进一步完善和健全,金融机构的进一步发展和壮大,相关的问题将值得更深层次的研究和探讨。
参考文献:
[1]周好文钟永红:中国金融中介发展与地区经济增长:多变量VAR系统分析[J].金融研究,2004,(6)
[2]郭江山孙建坤李玉红:金融中介与经济增长关系研究――基于河北省的实证分析[J].中国对外贸易,2009,(5)
金融稳定工作经验总结篇13
在金融结构和经济增长的关系问题上，历来有如下四种观点：支持中介的观点；支持市场的观点；金融服务观点及法和金融的观点。前两种观点认为，金融市场和金融中介是提供金融服务的互替的两种机制；后两种观点认为，金融市场和金融中介在提供金融服务上是互补的。
支持金融中介的观点认为，良好的金融中介能够提供促进增长的金融服务，基于以下三个原因。其一，通过储蓄动员，金融中介增加了资本的形成，反过来增加了国民储蓄率；利用规模经济，随着交易量的增加降低了交易的单位成本，从而改善了储蓄分配。其二，当市场中存在逆向选择和道德风险时，金融中介提供的信息筛选、状态证实和监督人服务就尤为重要。由于私人筛选项目的成本高，所以将信息获取委托给中介以避免昂贵的重复成本就是一种优选（Boyd and Prescott，1986）。同时，因为状态证实的高成本，有一个人来为一组人实施状态证实效率就高（Towsend，1979；Diamond，1984；Williamson，1987；Bernanke and Gertler，1989；Thdder，1995）。正如Diamond（1984）在其原创性论文中证明的一样，监督的成本会随中介与贷款人的数量增加而减少。金融中介还能在一定程度上改善在信息私人生产上的所谓“搭便车”问题。由于减少了搭便车问题，金融中介还改善了投资机会的事前评估（筛选） 和一旦项目被融资后的事后公司控制的实施，这反过来改善了资本的配置效率，促进经济增长。其三，金融中介通过减少交易成本使得风险分担更容易，从而有利于风险管理。另外，金融中介还有利于风险的跨期平滑（Allen and Gale，1997；Levine，2000），也能减轻流动性风险（Diamond and Dybvig，1983；Bencivenga and Smith，1991；Holmstrom and Tirole，1998）。
支持金融市场的观点认为，功能良好的金融市场对有效的信息披露、合约制度、会计标准时必须的。同时，金融市场同样可以减少交易和信息的成本，从而有利于储蓄动员和配置。由于个人投资者在功能良好的市场上通过交易信息可以得到高回报，因而愿意付出更多的资源去搜寻创新项目。因此，良好的金融市场能鼓励信息收集和处理。金融市场减少流动性风险也对经济增长产生了正的影响（ Levine， 1991、2000）。
金融中介支持方和金融市场支持方历来争议很多，而金融服务观点与法和金融观点则认为，在促进增长的金融服务提供方面金融市场和金融中介是互补的。如：通过鼓励对公司控制权的竞争和创造为投资机会的融资，金融市场减轻了强权中介的逆反效应。Rajan（1992）的研究证明： 公司贷款资源的选择和债权优先要求权的选择都企图绕开银行的势力。Besanko和Kanatas（1993）刻画的一个金融市场和金融中介共存的经济，金融市场减轻了银行对企业的过度监督的激励。Demirguc-Kunt和Levine（1996）用企业层面的数据经验研究的结果显示：实际上证券市场的发展在发展中国家有助于增加银行融资的使用。因此，在两种金融体系的发展过程中，扮演着互补的作用。由Levine（2000）所做的经验研究——用各国家的大量数据集首次检验金融结构和增长的关系，结果强烈支持金融服务观点。
法和金融观点由Laporta （1997、1998、1999） 等人提出，可以认为是金融服务观点的扩展。他们反对集中于金融中介和金融市场解释的讨论。Levine （2000）在Laporta 的基础上研究证实：创造有利于保护外部投资者权利的强有力的法律制度和有效实施这些法律是提供促进经济增长金融服务的关键。其结果，法和金融观点推测由法和监管治理体系定义的全面金融发展的度量指标，比任何所谓本质的金融结构的度量指标更能预示着未来的经济绩效。事实上，Chakraborty 和Ray （2001）在将金融结构内生化的模型中显示： 在两个具有不同金融体系的国家中，完全可能随着时间的变化产生相似的增长率。这支持了Levine （2000） 和Dem irguc-Kunt及Levine （2001）的经验研究结论： 金融体系的不同类型在解释国家间的增长率的差别上是不重要的。Demirguc-Kunt和Levine（1996） 的研究结论还显示证券市场发展良好的国家也有发展良好的银行和非银行金融中介，而证券市场弱的国家同时银行和金融中介也弱。
中国金融结构与经济增长关系的实证分析
1.样本选定及数据说明
衡量金融深化的典型指标是美国经济学家戈德史密斯提出的金融相关率（FIR）指标，金融相关率就是指某一时点上金融资产存量与实物资产存量的比例，即金融资产总量（FAT） 与国民生产总值（GNP）之比，反映金融上层建筑与经济基础结构之间的关系。金融结构的第一个基本方面是一国金融上层结构与其经济基础结构的关系，体现在金融相关率中（Goldsmith，1969）。因此，在实证分析中我们可以采用金融相关率这个变量，来衡量金融结构。由于资料所限分析时我们用名义国内生产总值（GDP）代替国民生产总值（GNP） ，综合非货币金融资产和广义货币（M2）之和来近似的表示社会金融资产总量（FAT）。经济增长水平我们用GDP总量值来衡量。样本区间为1990-2010年。因为时间序列取对数之后不会改变序列的性质和关系，且容易得到平稳性序列，所以本文对金融相关率（FIR）和GDP取对数。
实证检验及结果
1.变量的平稳性检验
在进行时间序列分析时，要求所用的时间序列是平稳的，否则会产生“伪回归”现象。因此，在对变量进行协整分析之前，首先对变量的平稳性进行检验。只有变量在同阶平稳的条件下，才能进行协整分析。
金融资产总量（FAT）等于M2与非货币性金融资产之和。FIR为FAT与名义GDP之比。对lnFIR进行单位根检验，P值（接受假设的概率，下同）为0.9864，即lnFIR非平稳，有1个单位根；对lnFIR的一阶差分进行单位根检验，P值为0.0021，即lnFIR平稳；对lnFIR的二阶差分进行单位根检验，P值为0.0000，即D（lnFIR，2）平稳；对lnGDP进行单位根检验，P值为0.2497，即lnGDP属于非平稳过程；对lnGDP的一阶差分进行单位根检验，P值为0.0784，即D（lnGDP）属于非平稳过程；对lnGDP的二阶差分进行单位根检验，P值为0.0002，即D（lnGDP，2）平稳。由此可知，lnGDP与lnFIR的二阶差分都是平稳的，符合协整的条件。
2.协整检验
假设lnFIR与lnGDP之间存在协整关系，进行协整回归可得（其中，括号内的为标准误差）：
lnGDP=10.404+2.259*lnFIR
（0.122389） （0.203847）
R2=0.865975，Radj2=0.858921，F=122.7645，DW=1.177882，对残差项u进行单位根检验，计算P值为0.0093，残差序列通过平稳性检验，可以认为lnGDP与lnFIR之间存在协整关系。
3.格兰杰因果检验
为确定二者间的这种长期均衡关系是否构成因果关系， 本文运用Granger因果关系检验来判断。格兰杰因果检验的结果：在滞后一阶的情况下进行格兰杰因果检验，假设lnGDP不是lnFIR的格兰杰因，计算F统计量为6.93025，P值为0.0175；假设lnFIR不是lnGDP的格兰杰因，计算F统计量为0.00039，P值为0.9852，由此可知lnGDP是lnFIR的格兰杰因，而lnFIR不是lnGDP的格兰杰因。因此，通过Granger因果检验我们可以说经济增长是中国金融结构调整优化的原因，但是金融结构的优化不是经济增长的原因，两者的因果关系具有单向性。
研究结论及政策含义
