我国影子银行对商业银行稳定性影响的多维度实证剖析

我国影子银行对商业银行稳定性影响的多维度实证剖析一、引言1.1研究背景与意义在金融市场持续创新和深化的进程中，影子银行作为一股新兴力量，迅速崛起并在全球金融格局中占据了重要地位。影子银行，这一概念自2007年被正式提出后，便成为金融领域研究的焦点。它泛指那些行使商业银行功能，却游离于传统银行监管体系之外的金融机构和业务活动，涵盖了信托公司、金融租赁公司、资产管理公司等非银行金融机构，以及银行理财产品、委托贷款、民间借贷等多样化的业务形式。近年来，我国影子银行规模呈现出迅猛的扩张态势。据相关数据显示，2012-2016年间，我国广义影子银行规模从约20万亿元激增至约100万亿元，占GDP的比重也从30%左右攀升至120%左右。尽管在2017年金融监管加强后，影子银行规模有所收缩，但截至2023年底，广义影子银行规模仍维持在80万亿元左右，占GDP比重约80%，在金融体系中依然占据着举足轻重的地位。影子银行的快速发展，有着深刻的经济金融背景。随着我国经济的高速增长，实体经济对资金的需求日益旺盛，传统商业银行的信贷供给难以充分满足。尤其是中小企业和民营企业，由于自身规模较小、抵押资产不足等原因，在获取银行贷款时面临诸多限制。影子银行凭借其灵活的运作模式和多样化的金融产品，为这些企业开辟了新的融资渠道，在一定程度上缓解了融资难的问题。同时，金融创新的浪潮也为影子银行的发展提供了技术和制度支持，推动了金融产品和服务的多样化。商业银行作为我国金融体系的核心支柱，在资金融通、信用创造、支付结算等方面发挥着关键作用，其稳定性直接关系到金融体系的平稳运行和经济的健康发展。然而，影子银行的兴起，对商业银行的稳定性产生了多方面的影响。一方面，影子银行通过金融创新，丰富了金融市场的产品和服务，提高了金融市场的效率，促进了金融市场的竞争，在一定程度上推动了商业银行的业务创新和转型升级。另一方面，影子银行的高杠杆、期限错配、信息不透明等特性，也给商业银行带来了诸如信用风险、流动性风险、市场风险等潜在风险。当影子银行体系出现波动或危机时，这些风险可能会迅速传导至商业银行，对其稳定性造成冲击。在当前我国金融体系不断深化改革、金融市场日益开放的背景下，深入研究影子银行对商业银行稳定性的影响，具有极为重要的理论与现实意义。从理论层面来看，有助于丰富和完善金融市场理论和商业银行风险管理理论，为金融监管政策的制定提供坚实的理论支撑；从现实层面而言，能够为商业银行的风险管理提供有益的参考，帮助其更好地应对影子银行带来的挑战，增强自身的稳定性和抗风险能力，进而维护我国金融体系的稳定，促进经济的持续健康发展。1.2研究方法与创新点本文综合运用多种研究方法，深入剖析影子银行对我国商业银行稳定性的影响。在研究过程中，注重方法的科学性、合理性与创新性，以确保研究结果的准确性和可靠性。在实证研究中，采用向量自回归（VAR）模型进行分析。VAR模型是一种基于数据统计性质的计量经济模型，它能够有效处理多个变量之间的动态关系，将系统中每一个内生变量作为所有内生变量滞后值的函数来构建模型，从而避开了结构建模方法中对各经济变量之间先验关系的严格界定。通过建立VAR模型，可以清晰地观察影子银行规模变动与商业银行稳定性指标之间的相互作用机制，以及这些变量在不同滞后期的动态响应情况。在研究影子银行规模与商业银行不良贷款率、资本充足率等稳定性指标的关系时，VAR模型能够全面考虑各变量之间的滞后影响，为分析影子银行对商业银行稳定性的长期和短期影响提供有力支持。在数据处理和分析过程中，使用Eviews、Stata等专业计量软件。这些软件具备强大的数据处理和统计分析功能，能够高效地完成数据的导入、清洗、描述性统计分析、单位根检验、协整检验、格兰杰因果检验等一系列操作，为实证研究的顺利进行提供了技术保障。利用Eviews软件进行ADF单位根检验，判断时间序列数据的平稳性，避免出现伪回归问题；使用Stata软件进行面板数据模型的估计和检验，以分析不同类型商业银行受影子银行影响的异质性。本文的创新点主要体现在以下几个方面：在研究视角上，综合考虑影子银行的不同业务类型和规模，以及商业银行的多种稳定性指标，全面深入地分析二者之间的关系。不仅关注影子银行对商业银行信用风险、流动性风险的影响，还探讨其对商业银行盈利能力、资本充足性等方面的作用，弥补了以往研究在视角上的局限性。在变量选取上，引入了一些新的变量来衡量影子银行和商业银行稳定性。采用更能反映我国影子银行实际情况的指标，如将委托贷款、信托贷款、银行理财产品规模等纳入影子银行规模的度量指标体系；在衡量商业银行稳定性时，除了传统的不良贷款率、资本充足率等指标外，还引入了Z值等综合指标，使研究结果更具全面性和准确性。在研究方法上，将VAR模型与脉冲响应函数、方差分解相结合，不仅能够分析变量之间的静态关系，还能深入研究变量之间的动态影响和贡献度。通过脉冲响应函数，可以直观地观察到影子银行规模的冲击对商业银行稳定性指标的动态影响路径和持续时间；利用方差分解，可以明确各变量对商业银行稳定性变动的贡献程度，为研究结论的可靠性提供了更有力的支撑。1.3研究思路与结构安排本文旨在深入研究影子银行对我国商业银行稳定性的影响，通过理论分析与实证研究相结合的方式，全面剖析二者之间的关系，并提出针对性的政策建议。研究思路清晰明确，各章节内容紧密相连，逻辑严谨。第一章为引言部分。主要阐述了研究影子银行对商业银行稳定性影响的背景与意义。在金融市场不断发展和创新的当下，影子银行规模迅速扩张，其对商业银行稳定性的影响日益显著，深入研究这一问题对维护金融体系稳定和促进经济健康发展至关重要。同时，详细介绍了研究过程中采用的多种方法，包括文献研究法、实证研究法和案例分析法等，以及本文在研究视角、变量选取和研究方法运用上的创新点，为后续研究奠定了坚实基础。第二章聚焦于影子银行与商业银行稳定性的理论分析。首先对影子银行的概念、特点及在我国的发展现状进行了全面阐述。影子银行涵盖多种非银行金融机构和业务活动，具有高杠杆、期限错配、信息不透明等特点，近年来在我国呈现出规模不断扩大、业务形式日益多样的发展态势。接着，深入分析了商业银行稳定性的内涵和衡量指标，商业银行稳定性主要体现在信用风险、流动性风险、资本充足性和盈利能力等方面，常用不良贷款率、资本充足率、流动性比例、Z值等指标进行衡量。最后，从理论层面深入探讨了影子银行对商业银行稳定性的影响机制，包括竞争效应、风险传递效应、创新与协同效应等，为后续实证研究提供了理论依据。第三章是影子银行对我国商业银行稳定性影响的实证研究设计。在这一章节中，精心选取了合适的变量来衡量影子银行规模和商业银行稳定性。影子银行规模选用委托贷款、信托贷款、银行理财产品规模等指标来综合度量；商业银行稳定性则选取不良贷款率、资本充足率、流动性比例、Z值等作为衡量指标。同时，考虑到宏观经济环境对商业银行稳定性的影响，引入国内生产总值增长率、货币供应量增长率等控制变量。在数据来源方面，通过中国人民银行、银保监会、各商业银行年报以及Wind数据库等多渠道收集了2010-2023年的相关数据，以确保数据的全面性和准确性。基于这些数据，构建了向量自回归（VAR）模型，用于分析影子银行规模与商业银行稳定性指标之间的动态关系，同时为后续的脉冲响应分析和方差分解奠定基础。第四章进行实证结果与分析。首先对收集的数据进行描述性统计分析，了解各变量的基本特征和数据分布情况。接着，进行单位根检验，判断时间序列数据的平稳性，以避免出现伪回归问题。通过协整检验，确定变量之间是否存在长期稳定的均衡关系。在此基础上，运用VAR模型进行估计，并通过脉冲响应函数和方差分解分析，深入研究影子银行规模变动对商业银行稳定性各指标的动态影响和贡献度。实证结果表明，影子银行规模的扩张在短期内会增加商业银行的信用风险，降低资本充足率和流动性比例，对商业银行稳定性产生负面影响；但从长期来看，影子银行的发展也在一定程度上促使商业银行进行业务创新和风险管理优化，对商业银行稳定性产生积极影响。第五章是研究结论与政策建议。对前文的理论分析和实证研究结果进行全面总结，明确指出影子银行对我国商业银行稳定性存在复杂的影响，既带来了挑战，也提供了发展机遇。基于研究结论，从商业银行自身和监管部门两个层面提出针对性的政策建议。商业银行应加强风险管理，优化业务结构，提高自身抗风险能力；监管部门应完善监管体系，加强对影子银行的监管，引导影子银行健康发展，维护金融体系的稳定。最后，对未来的研究方向进行展望，提出可以进一步研究影子银行不同业务类型对商业银行稳定性的异质性影响，以及在金融科技快速发展背景下影子银行与商业银行的互动关系等问题，为后续研究提供了思路。二、概念界定与理论基础2.1影子银行的概念、特征与分类影子银行这一概念最早由美国太平洋投资管理公司执行董事保罗・麦卡利（PaulMcCulley）于2007年提出，他将其定义为“行使商业银行功能，却不受监管或少受监管的非银行金融机构”。此后，国际货币基金组织（IMF）、金融稳定理事会（FSB）等国际组织以及众多学者从不同角度对影子银行进行了界定。IMF认为影子银行是常规银行体系之外的各种金融中介业务，通常以非银行金融机构为载体，对金融资产的信用、流动性和期限等风险因素进行转换，扮演着“类银行”的角色；FSB则将影子银行宽泛地理解为“非正式银行系统实体和活动的信贷中介”。尽管各方定义在表述上存在差异，但核心都强调了影子银行的类银行功能以及相对宽松的监管环境。综合各方观点，影子银行是指游离于传统银行监管体系之外，从事信用中介活动，具有类似商业银行信用创造、期限转换、流动性转换等功能的金融机构和业务活动。它既包括对冲基金、货币市场基金、投资银行等非银行金融机构，也涵盖银行理财产品、委托贷款、资产证券化等金融业务。影子银行具有诸多独特的特征。它采用批发形式的交易模式，与商业银行面向众多零散客户的零售模式形成鲜明对比。影子银行主要通过短期批发资金市场或发行短期债券筹集资金，然后用于中长期投资，这种资金来源和运用的期限错配，使其面临较大的流动性风险。在2008年全球金融危机中，许多影子银行机构因过度依赖短期融资市场，当市场流动性紧张时，无法及时筹集资金来应对中长期投资的资金需求，最终陷入困境。影子银行的产品结构设计通常极为复杂，且多在场外进行交易，信息披露制度不完善，导致其业务具有很强的隐蔽性。普通投资者难以深入了解其产品的风险特征和运作机制，增加了市场的信息不对称性，监管部门也难以对其进行有效的监管。许多金融衍生品交易在柜台交易市场进行，交易双方的信息往往不对外公开，监管机构难以全面掌握交易情况和风险状况。高杠杆率也是影子银行的显著特征之一。由于缺乏商业银行那样充足的资本金，影子银行大量利用财务杠杆举债经营，以追求更高的收益。然而，高杠杆在放大收益的同时，也极大地增加了风险。一旦投资出现损失，损失将被杠杆倍数放大，可能导致影子银行机构面临严重的财务困境甚至破产。在金融危机前，一些对冲基金的杠杆率高达数十倍，当市场出现不利波动时，这些基金的资产价值大幅缩水，引发了一系列的连锁反应。影子银行的主体是各类金融中介机构，它们借助金融创新工具，如资产证券化、信用违约互换等，在金融市场中充当信用中介的角色，实现资金的融通和风险的转移。但这些创新工具也使得金融交易链条延长，风险传递更加复杂。在中国，影子银行的分类较为复杂。根据中国银保监会的相关报告，我国影子银行可分为广义和狭义两大类。广义影子银行基本符合四项界定标准：金融信用中介活动处于银行监管体系之外，信贷发放标准显著低于银行授信；业务结构复杂、层层嵌套和杠杆过高；信息披露不完整，透明度低；集中兑付压力大，金融体系关联性和风险传染性高。它主要包括银行同业特定目的载体投资、委托贷款、资金信托、信托贷款、银行理财、非股票公募基金、证券业资管、保险资管、资产证券化、非股权私募基金、网络借贷P2P机构、融资租赁公司、小额贷款公司提供的贷款，商业保理公司保理、融资担保公司在保业务、非持牌机构发放的消费贷款、地方交易所提供的债权融资计划和结构化融资产品。在广义影子银行中，同业特定目的载体投资、同业理财和投向非标债权及资管的银行理财、委托贷款、信托贷款、网络借贷P2P贷款和非股权私募基金的影子银行特征更为明显，风险程度更突出，属于高风险的狭义影子银行范畴。信托公司通过发行信托产品募集资金，投向房地产、基础设施等领域，业务运作灵活，但监管相对宽松；银行理财产品则是银行发行的，将募集资金投向债券、信托、股票等市场的产品，收益率通常高于存款利率，吸引了大量投资者。这些不同类型的影子银行在金融市场中扮演着不同的角色，对金融体系的影响也各有差异。2.2商业银行稳定性的内涵与衡量指标商业银行稳定性，是指商业银行在复杂多变的内外部环境中，能够持续、稳健地开展各项业务，有效抵御各类风险冲击，保持资金流动性、资产质量良好、资本充足以及盈利稳定的能力。这一稳定性不仅关乎商业银行自身的生存与发展，更是整个金融体系稳定运行的基石。在金融市场中，商业银行承担着资金融通、信用创造、支付结算等关键职能，若商业银行失去稳定性，出现经营危机，如资金链断裂、大规模不良贷款爆发等，极有可能引发金融市场的恐慌情绪，导致金融体系的动荡，进而对实体经济造成严重的负面影响，如企业融资困难、投资减少、经济增长放缓等。衡量商业银行稳定性的指标众多，这些指标从不同维度反映了商业银行的风险状况和稳健程度，为监管部门、投资者以及其他市场参与者评估商业银行稳定性提供了重要依据。资本充足率是衡量商业银行稳定性的关键指标之一，它反映了商业银行资本与风险加权资产的比率，体现了银行在面对风险时的资本缓冲能力。计算公式为：资本充足率=（总资本-对应资本扣减项）/风险加权资产×100%。其中，总资本包括核心一级资本、其他一级资本和二级资本；风险加权资产则是对银行各类资产按照风险程度进行加权计算得出。较高的资本充足率意味着银行拥有更雄厚的资本基础来吸收潜在损失，抵御风险的能力更强。根据《巴塞尔协议Ⅲ》的要求，商业银行的核心一级资本充足率不得低于4.5%，一级资本充足率不得低于6%，资本充足率不得低于8%。我国监管部门也对商业银行资本充足率设定了严格的监管标准，以确保银行体系的稳健运行。在2023年，我国大型国有商业银行的资本充足率普遍保持在16%以上，较好地满足了监管要求，为应对各类风险提供了坚实的资本保障。不良贷款率是衡量商业银行资产质量的重要指标，它表示商业银行不良贷款占总贷款的比例。不良贷款是指借款人未能按照贷款合同约定按时足额偿还本金和利息，或贷款已逾期90天以上的贷款。不良贷款率的计算公式为：不良贷款率=不良贷款余额/贷款总余额×100%。不良贷款率越低，说明银行的资产质量越高，贷款违约风险越小，稳定性越强。反之，不良贷款率过高，意味着银行面临较大的信用风险，可能会对其资产负债表和盈利能力造成严重冲击。在经济下行时期，企业经营困难，还款能力下降，商业银行的不良贷款率往往会上升。2008年全球金融危机期间，我国部分商业银行的不良贷款率出现了一定程度的攀升，对银行的稳定性构成了挑战。近年来，随着我国经济结构的调整和商业银行风险管理水平的提升，不良贷款率总体保持在相对稳定的水平，2023年末，我国商业银行整体不良贷款率为1.73%，处于合理区间。流动性比例是衡量商业银行流动性风险的重要指标，它反映了商业银行流动性资产与流动性负债的比例关系，用于衡量银行在短期内满足资金需求的能力。计算公式为：流动性比例=流动性资产余额/流动性负债余额×100%。流动性资产是指在短期内能够迅速变现且价值相对稳定的资产，如现金、存放中央银行款项、国债等；流动性负债则是指在短期内需要偿还的负债，如活期存款、短期借款等。一般来说，流动性比例越高，表明银行的流动性状况越好，能够更从容地应对资金流出的压力，稳定性更高。根据我国监管要求，商业银行的流动性比例不得低于25%。在实际运营中，商业银行需要合理配置资产和负债，确保流动性比例维持在合理水平。在市场流动性紧张时期，如2013年我国银行间市场出现“钱荒”事件时，部分商业银行的流动性比例受到考验，一些中小银行的流动性比例一度逼近监管红线，这也凸显了保持合理流动性比例对商业银行稳定性的重要性。Z值是一个综合衡量商业银行稳定性的指标，它考虑了银行的盈利能力、资本充足率和风险状况。Z值的计算公式为：Z=（ROA+EC/A）/σ(ROA)，其中ROA表示资产收益率，反映银行的盈利能力；EC/A表示权益资本与资产的比率，体现银行的资本充足程度；σ(ROA)表示资产收益率的标准差，衡量银行盈利能力的波动程度，即风险水平。Z值越大，表明银行的稳定性越强，破产风险越低。Z值综合了多个方面的因素，能够更全面地反映商业银行的稳定性状况，在学术研究和实践中得到了广泛应用。通过对不同商业银行Z值的计算和比较，可以直观地了解各银行的稳定性差异，为投资者和监管部门提供有价值的参考。在对我国上市商业银行的研究中发现，大型国有商业银行的Z值普遍高于中小商业银行，这表明大型国有商业银行在盈利能力、资本充足率和风险控制等方面表现更为出色，稳定性更强。2.3相关理论基础金融脆弱性理论最早由海曼・明斯基（HymanMinsky）于1982年提出，他认为金融体系本身就具有内在的不稳定性，这种不稳定性源于经济主体的行为和金融市场的运行机制。在经济繁荣时期，市场参与者的乐观情绪不断高涨，信贷扩张迅速，企业和个人的债务负担逐渐加重。为了追求更高的收益，金融机构往往会放松信贷标准，增加高风险贷款的发放，导致金融体系的杠杆率不断攀升。当经济形势发生逆转，市场信心受挫，资产价格下跌，企业和个人的还款能力下降，金融机构的资产质量恶化，信用风险迅速暴露，金融体系的脆弱性便会凸显出来，容易引发金融危机。在2008年美国次贷危机中，金融机构大量发放次级抵押贷款，这些贷款被打包成复杂的金融衍生品在市场上交易，金融体系的杠杆率急剧上升。当房地产市场泡沫破裂，次级抵押贷款违约率大幅增加，金融机构的资产价值大幅缩水，引发了全球性的金融危机，充分体现了金融体系的脆弱性。影子银行的发展进一步加剧了金融体系的脆弱性。由于影子银行不受传统银行监管体系的严格约束，具有高杠杆、期限错配、信息不透明等特点，其风险更容易在金融体系中积累和传播。影子银行通过资产证券化等金融创新工具，将风险分散到整个金融市场，但这种分散只是表面的，实际上风险并没有真正消除，反而在金融体系中隐藏和积聚。一旦市场出现不利变化，影子银行的风险就会迅速暴露，并通过金融市场的传导机制，对商业银行等传统金融机构产生冲击，进而影响整个金融体系的稳定性。一些影子银行机构通过发行短期债券筹集资金，投资于长期的房地产项目，当债券到期时，由于房地产项目尚未完工或销售不畅，无法及时收回资金，导致影子银行机构面临流动性危机。这种流动性危机可能会引发投资者的恐慌，导致资金大量撤离，进一步加剧影子银行机构的困境。同时，影子银行与商业银行之间存在着密切的业务联系，影子银行的风险很容易通过这些联系传导至商业银行，对商业银行的稳定性造成威胁。金融创新理论认为，金融创新是指金融机构为了提高竞争力、降低成本、规避监管等目的，对金融产品、金融技术、金融市场和金融制度等方面进行的创造性变革和重新组合。金融创新能够推动金融市场的发展和完善，提高金融市场的效率，促进资源的优化配置。银行通过推出各种理财产品，满足了不同投资者的需求，提高了资金的配置效率；资产证券化等金融创新工具的出现，使得金融机构能够将流动性较差的资产转化为流动性较强的证券，增强了资产的流动性，提高了金融市场的效率。金融创新也为影子银行的发展提供了技术和制度支持，推动了影子银行的快速崛起。影子银行作为金融创新的产物，在一定程度上推动了金融市场的发展和创新。影子银行通过金融创新，开发出了多样化的金融产品和服务，满足了实体经济中不同客户的融资需求和投资者的投资需求，填补了传统金融市场的空白。信托公司通过发行信托产品，为房地产企业和基础设施项目提供了重要的融资渠道；互联网金融平台的出现，为小微企业和个人提供了便捷的融资和投资服务。影子银行的发展也对商业银行产生了影响，促使商业银行进行业务创新和转型升级，以提高自身的竞争力。面对影子银行的竞争，商业银行加快了金融产品创新的步伐，推出了更多个性化、差异化的金融产品，如智能存款、大额存单等；同时，商业银行也加强了与金融科技公司的合作，利用金融科技提升服务效率和风险管理水平。金融中介理论认为，金融中介机构在金融市场中扮演着重要的角色，它们通过收集、分析和处理信息，降低了资金供求双方的信息不对称，提高了金融市场的效率。商业银行作为传统的金融中介机构，在资金融通、信用创造、支付结算等方面发挥着核心作用。商业银行通过吸收存款，将社会闲置资金集中起来，然后通过发放贷款，将资金提供给有资金需求的企业和个人，实现了资金的有效配置。商业银行还通过信用评估和风险管理，降低了贷款违约风险，保障了金融市场的稳定运行。影子银行在一定程度上也发挥了金融中介的功能，它通过创新的金融工具和业务模式，为资金供求双方提供了新的融资和投资渠道，弥补了传统金融中介的不足。货币市场基金通过集合投资者的资金，投资于短期货币市场工具，为投资者提供了相对稳定的收益和较高的流动性；委托贷款则是由委托人提供资金，由银行等金融机构根据委托人确定的贷款对象、用途、金额、期限、利率等代为发放、监督使用并协助收回的贷款，满足了一些特定客户的融资需求。影子银行的发展也对商业银行的金融中介地位产生了挑战，与商业银行形成了竞争关系。影子银行的快速发展，分流了商业银行的部分资金和客户资源，对商业银行的传统业务造成了冲击。一些企业和个人选择通过影子银行进行融资和投资，导致商业银行的存款和贷款业务受到影响。三、我国影子银行与商业银行的发展现状3.1我国影子银行的发展历程与现状我国影子银行的发展历程可追溯至20世纪90年代末，其发展与我国经济体制改革、金融市场发展以及金融监管政策的调整密切相关，大致经历了以下几个阶段。20世纪90年代末至2004年是我国影子银行的萌芽阶段。这一时期，随着我国经济的快速发展，企业对资金的需求日益旺盛，而传统商业银行的信贷服务难以满足所有企业的需求，尤其是中小企业。为了填补这一资金缺口，一些非银行金融机构开始兴起，如信托公司、小额贷款公司等，它们通过创新的金融产品和服务，为企业提供融资支持。1999年，我国信托业开始第五次整顿，信托公司逐渐回归信托本源业务，推出了一系列信托产品，为企业和个人提供了新的融资和投资渠道；小额贷款公司也在一些地区开始试点，为中小企业和个体工商户提供小额贷款服务。这些非银行金融机构的业务活动，初步具备了影子银行的特征，标志着我国影子银行开始萌芽。2005-2008年，我国影子银行进入初步发展阶段。在这一阶段，金融创新步伐加快，银行理财产品、委托贷款等业务迅速发展。随着居民收入水平的提高，对财富管理的需求日益增长，银行理财产品应运而生。2005年，我国银行理财产品市场规模仅为2000亿元，到2008年，这一规模已增长至1.6万亿元。委托贷款业务也得到了快速发展，企业和个人通过银行等金融机构，将资金贷给其他企业或个人，满足了部分企业的融资需求。资产证券化业务也开始试点，进一步丰富了影子银行的业务形式。2005年，我国首批信贷资产证券化试点项目正式启动，国家开发银行和中国建设银行分别发行了开元信贷资产支持证券和建元个人住房抵押贷款支持证券，标志着我国资产证券化业务正式起步。2009-2016年是我国影子银行的快速扩张阶段。为应对国际金融危机的冲击，我国实施了大规模的经济刺激计划，信贷规模迅速扩张。在监管相对宽松的环境下，影子银行抓住机遇，实现了爆发式增长。银行通过与信托公司、证券公司等合作，开展银信合作、银证合作等业务，将表内资产转移到表外，规避监管要求。银信合作业务中，银行将信贷资产打包成信托产品，出售给投资者，实现了信贷资产的表外化，既满足了企业的融资需求，又规避了监管部门对银行信贷规模的限制。信托贷款、委托贷款等业务规模持续扩大，成为企业融资的重要渠道。互联网金融也在这一时期迅速崛起，P2P网络借贷、第三方支付、互联网理财等业务蓬勃发展，进一步丰富了影子银行的业态。2013年，我国P2P网络借贷平台数量突破500家，交易规模达到1058亿元，呈现出爆发式增长的态势。2017年至今，我国影子银行进入规范整顿阶段。随着影子银行规模的不断扩大，其潜在风险逐渐暴露，引起了监管部门的高度关注。为防范系统性金融风险，监管部门开始加强对影子银行的监管，出台了一系列严格的监管政策，如资管新规等。资管新规明确规定，金融机构不得开展表内资产管理业务，打破刚性兑付，规范资金池运作，限制非标资产投资等，对影子银行的业务模式和发展规模产生了重大影响。在严格的监管环境下，影子银行规模开始收缩，业务逐渐规范。信托贷款、委托贷款等业务规模持续下降，P2P网络借贷行业经历了深度调整，大量平台退出市场。根据银保监会数据，截至2023年底，我国信托贷款余额较2017年峰值下降了约60%，P2P网络借贷行业的贷款余额也大幅下降，行业风险得到有效释放。当前，我国影子银行呈现出一些新的发展现状。在规模方面，尽管经历了规范整顿，影子银行规模有所收缩，但总体规模仍然较大。据相关机构估算，截至2023年底，我国广义影子银行规模约为80万亿元，占GDP比重约80%，在金融体系中依然占据着重要地位。在业务领域方面，银行理财、信托、委托贷款等传统影子银行业务在监管约束下，逐渐回归本源，业务模式更加规范。银行理财业务加快净值化转型，截至2023年底，理财产品净值化率超过95%，有效打破了刚性兑付预期；信托公司也在积极推进业务转型，加大对实体经济的支持力度，如开展绿色信托、普惠信托等业务。随着金融科技的快速发展，互联网金融、金融科技公司等新兴影子银行业态不断涌现，它们利用大数据、人工智能、区块链等技术，创新金融产品和服务模式，为金融市场带来了新的活力。蚂蚁集团旗下的支付宝通过推出余额宝等货币市场基金产品，为用户提供了便捷的理财服务，吸引了大量用户参与；一些金融科技公司利用大数据风控技术，为小微企业和个人提供快速、便捷的信贷服务，满足了市场多元化的融资需求。但这些新兴业态也带来了新的风险和挑战，如数据安全、网络诈骗等，需要监管部门加强监管和规范。3.2我国商业银行的发展现状近年来，我国商业银行在资产规模、盈利水平、风险状况等方面呈现出一系列显著的发展态势，这些方面不仅反映了商业银行自身的经营状况，也对整个金融体系的稳定和经济的健康发展产生着深远影响。从资产规模来看，我国商业银行呈现出持续增长的趋势。随着我国经济的不断发展，金融市场规模日益扩大，商业银行作为金融体系的核心主体，资产规模也在稳步扩张。2014-2022年，我国商业银行总资产规模从130.8万亿元持续增长至312.75万亿元，年均增长率保持在较高水平。截至2023年二季度末，银行业机构总资产更是达到406.25万亿元，同比增长10.5%。其中，大型商业银行凭借其雄厚的资金实力和广泛的业务网络，在资产规模上占据着主导地位。2023年上半年，大型商业银行本外币资产总额171.5万亿元，同比增长13.3%，占银行业机构总资产的42.2%；股份制商业银行本外币资产总额69.6万亿元，同比增长7%，占比17.1%。资产规模的不断扩大，使得商业银行在金融市场中的影响力进一步增强，能够更好地发挥资金融通和资源配置的功能，为实体经济的发展提供更有力的支持。大型商业银行可以利用其庞大的资金规模，为大型基础设施建设项目提供巨额的信贷资金，促进国家重大项目的顺利推进；股份制商业银行则可以凭借其灵活的经营机制和创新能力，为中小企业和新兴产业提供多样化的金融服务，推动经济结构的优化升级。盈利水平是衡量商业银行经营绩效的重要指标。近年来，我国商业银行的盈利水平总体保持稳健，但也面临着一些挑战。2014-2021年，我国商业银行净利润规模不断扩大，2021年达到2.18万亿元，同比增长12.4%。2022年全年，商业银行净利润为2.3万亿元，同比增长5.5%。然而，2023年上半年，商业银行利润增速出现下行，累计实现净利润1.3万亿元，同比增长2.6%，增速较去年同期下降4.5个百分点。平均资本利润率为9.67%，较上季末下降0.66个百分点；平均资产利润率为0.75%，较上季末下降0.06个百分点。商业银行盈利水平增速放缓，主要受到多方面因素的影响。随着金融市场竞争的加剧，商业银行面临着来自影子银行、互联网金融等新兴金融业态的竞争压力，市场份额受到一定程度的挤压，导致传统业务的盈利空间收窄。利率市场化进程的推进，使得商业银行的存贷利差逐渐缩小，对其主要盈利来源产生了冲击。为支持实体经济发展，商业银行加大了对小微企业、民营企业等薄弱环节的信贷支持力度，这些贷款的风险相对较高，不良贷款率有所上升，也在一定程度上影响了银行的盈利水平。在风险状况方面，我国商业银行面临着信用风险、流动性风险和市场风险等多重挑战。信用风险是商业银行面临的主要风险之一，不良贷款率是衡量信用风险的关键指标。近年来，我国商业银行不良贷款余额呈现波动上升趋势，截至2022年四季度末，不良贷款余额达到2.98万亿元，较2020年一季度末增加了0.37万亿元。但值得庆幸的是，不良贷款率总体保持在相对稳定的水平，2020-2022年，商业银行不良贷款率波动下降，2022年四季度为1.63%。2023年二季度末，商业银行贷款损失准备余额为6.6万亿元，较上季末增加1989亿元；拨备覆盖率为206.13%，较上季末上升0.9个百分点；贷款拨备率为3.35%，较上季末上升0.03个百分点，这表明商业银行的风险抵补能力在持续加强。流动性风险也是商业银行需要关注的重要风险。2020-2022年期间，商业银行流动性水平总体保持稳健，2022年四季度，流动性比例、存贷比和人民币超额备付金率分别为62.85%、78.76%和2.05%。在市场风险方面，随着金融市场的日益开放和金融创新的不断推进，商业银行面临的市场风险逐渐增加，如利率风险、汇率风险、股票价格风险等。金融市场利率的波动，会影响商业银行的资金成本和资产收益；汇率的变动，会对商业银行的外汇业务和海外资产产生影响。3.3影子银行与商业银行的业务关联在金融市场的运行中，影子银行与商业银行之间存在着紧密而复杂的业务关联，这种关联在资金融通、信用中介等多个关键业务领域均有显著体现。从资金融通的角度来看，二者的联系十分密切。银行理财产品作为影子银行的重要组成部分，与商业银行存在着直接的资金融通关系。商业银行通过发行理财产品，将募集到的资金投向各类资产，如债券、信托计划、股票等。这些资金的投向既包括实体经济领域，也涉及金融市场的其他环节，从而实现了资金在不同领域的流动和配置。商业银行发行的一款理财产品，将部分资金投向了某房地产企业的信托计划，为该企业提供了融资支持，同时也为投资者提供了获取收益的机会。在这个过程中，商业银行不仅充当了资金募集的中介，还通过对理财产品的设计和管理，影响着资金的流向和风险特征。货币市场基金也是影子银行与商业银行在资金融通方面的重要连接点。货币市场基金通过吸收投资者的资金，投资于短期货币市场工具，如银行存单、短期债券等。这些投资活动使得货币市场基金与商业银行之间形成了资金的相互流动。商业银行可以通过发行银行存单等方式，从货币市场基金获得资金，满足自身的流动性需求；货币市场基金则通过投资银行存单等，获取相对稳定的收益。这种资金的相互融通，在一定程度上影响着商业银行的资金成本和流动性状况。当货币市场基金大规模投资银行存单时，会增加银行的资金来源，降低银行的资金成本；反之，当货币市场基金赎回银行存单时，可能会对银行的流动性造成一定压力。在信用中介业务方面，影子银行与商业银行同样存在着交叉和相互影响。委托贷款是一种典型的信用中介业务，它涉及到委托人、受托银行和借款人三方。委托人将资金交给受托银行，由银行按照委托人的要求向借款人发放贷款，并负责监督贷款的使用和收回。在这个过程中，商业银行虽然不承担贷款的信用风险，但却充当了信用中介的角色，利用自身的专业能力和信誉，为委托人和借款人提供了资金融通的平台。委托贷款业务的存在，使得商业银行与影子银行在信用中介领域产生了联系。一些企业或个人作为委托人，通过委托贷款的方式，将资金投向那些难以从商业银行获得贷款的企业或项目，从而实现了资金的间接融通。这种业务模式在一定程度上拓宽了企业的融资渠道，但也增加了信用风险的复杂性和隐蔽性。信托贷款也是影子银行与商业银行在信用中介业务方面的重要关联点。信托公司通过发行信托产品，募集资金后向企业或项目发放贷款，实现了信用中介的功能。商业银行在信托贷款业务中，往往扮演着资金托管、项目推荐等角色。商业银行可以将自身掌握的优质项目推荐给信托公司，同时为信托产品提供资金托管服务。这种合作关系使得商业银行与信托公司在信用中介业务上紧密相连。商业银行推荐的某基础设施项目，信托公司通过发行信托产品为该项目提供了融资，商业银行则负责托管信托资金，确保资金的安全和合规使用。信托贷款业务的发展，既为企业提供了多元化的融资渠道，也对商业银行的传统信贷业务产生了一定的竞争和替代效应。资产证券化业务则是影子银行与商业银行在信用中介领域的又一重要关联领域。商业银行将其持有的信贷资产进行打包、重组，转化为证券化产品，然后通过特殊目的机构（SPV）在市场上发行。这些证券化产品被投资者购买，实现了信贷资产的流动性转换和风险分散。在资产证券化过程中，影子银行机构，如投资银行、证券公司等，发挥着重要的作用，它们参与证券化产品的设计、承销和交易。商业银行通过资产证券化，将原本流动性较差的信贷资产转化为可在市场上交易的证券，提高了资产的流动性，同时也将部分信用风险转移给了投资者。这种业务模式不仅改变了商业银行的资产结构和风险管理方式，也加强了商业银行与影子银行在信用中介领域的合作与互动。四、影子银行对商业银行稳定性影响的理论分析4.1积极影响影子银行的出现与发展，在一定程度上完善了我国的融资渠道。传统商业银行在信贷投放上，往往更倾向于大型国有企业和优质企业，因为这些企业通常具有规模大、信用风险低、抵押资产充足等优势，符合商业银行的风险偏好和信贷标准。而中小企业和民营企业，由于自身规模较小、财务制度不够健全、抵押资产有限等原因，在获取商业银行贷款时面临诸多困难，如审核周期长、贷款条件严格、额度受限等。影子银行的兴起，为这些企业开辟了新的融资途径。小额贷款公司能够为中小企业和个体工商户提供额度相对较小、审批流程相对简便的贷款服务，满足其短期资金周转需求；互联网金融平台利用大数据、云计算等技术，对借款人的信用状况进行评估，为一些难以从传统银行获得贷款的小微企业和个人提供了网络借贷服务。在2023年，全国小额贷款公司累计发放贷款达到了数千亿元，为众多中小企业解决了资金难题；一些互联网金融平台，如蚂蚁金服旗下的网商银行，通过数字化的风控模型，为大量小微企业提供了便捷的信贷服务，有效缓解了小微企业融资难的问题。影子银行的存在，使得金融市场的融资渠道更加多元化，提高了金融体系的包容性和适应性，在一定程度上促进了金融市场的稳定和经济的发展。影子银行的市场化运作特征，对我国利率市场化进程起到了积极的推动作用。利率作为金融市场的核心价格信号，其市场化程度直接影响着金融资源的配置效率。在传统金融体系中，商业银行的存贷款利率受到一定的管制，市场机制在利率形成中的作用受到限制。影子银行的发展打破了这种局面，其产品和服务的定价完全基于市场供求关系，具有较高的灵活性和市场化程度。银行理财产品的收益率通常根据市场利率和投资标的的收益情况来确定，不受传统存款利率上限的限制；货币市场基金的收益率也随着市场利率的波动而变化。这些影子银行产品的出现，提高了投资者对利率的敏感度，促使市场利率更加真实地反映资金的供求状况。随着影子银行规模的不断扩大，其对市场利率的影响力也日益增强，推动了整个金融市场利率体系的市场化进程。利率市场化的推进，有利于提高金融资源的配置效率，促进商业银行提高自身的风险管理和定价能力，从而增强金融体系的稳定性。影子银行作为金融创新的产物，其快速发展加剧了金融市场的竞争，对商业银行产生了积极的促进作用。在影子银行的竞争压力下，商业银行为了保持市场份额和盈利能力，不得不加快金融创新的步伐。在产品创新方面，商业银行推出了一系列个性化、差异化的金融产品，以满足不同客户的需求。除了传统的存款、贷款、汇款业务外，商业银行还大力发展中间业务，如代收代付、代理销售、资金托管、财务顾问等，拓展了盈利渠道。在服务创新方面，商业银行加强了对客户需求的分析和研究，优化服务流程，提高服务效率，提升客户体验。通过建设智能化网点、推出手机银行和网上银行等线上服务平台，商业银行实现了金融服务的便捷化和智能化，使客户能够随时随地办理各种金融业务。在风险管理创新方面，商业银行借鉴影子银行的一些先进风险管理理念和技术，如大数据风控、量化风险管理等，提高了自身的风险识别、评估和控制能力。这些创新举措不仅提升了商业银行的竞争力，也推动了整个金融行业的发展和进步，增强了金融体系的稳定性。4.2消极影响影子银行的高杠杆率、期限错配以及复杂的业务结构，使其在运行过程中积累了大量风险。由于影子银行不受传统银行监管体系的严格约束，其风险管控相对薄弱，一旦市场环境发生不利变化，如利率大幅波动、资产价格下跌等，这些风险便可能迅速暴露。在2008年全球金融危机中，美国的影子银行体系就因过度依赖短期融资和高杠杆运作，在房地产市场泡沫破裂后，面临严重的流动性危机和信用风险，许多影子银行机构纷纷倒闭或陷入困境。影子银行与商业银行之间存在着紧密的业务关联，这种关联使得影子银行的风险能够迅速传导至商业银行。影子银行通过与商业银行开展银信合作、银证合作等业务，将风险引入商业银行体系。在银信合作业务中，银行将信贷资产打包成信托产品出售给投资者，若信托产品出现违约，银行可能需要承担相应的风险；影子银行的资金来源部分依赖于商业银行的同业拆借和理财产品销售，当影子银行出现流动性危机时，可能会导致商业银行的资金回笼困难，影响其流动性状况。影子银行的快速发展在一定程度上打破了金融市场原有的平衡和发展节奏。在金融市场中，商业银行作为传统的金融中介，在资金融通、信用创造等方面发挥着主导作用，金融监管部门也围绕商业银行建立了相对完善的监管体系。影子银行的出现，为市场提供了新的融资和投资渠道，改变了金融市场的资金流向和配置格局。大量资金流向影子银行领域，导致商业银行的资金来源和贷款业务受到影响，市场份额被分流。在2013-2016年我国影子银行快速扩张时期，信托贷款、委托贷款等影子银行业务规模迅速增长，部分企业和投资者更倾向于选择影子银行进行融资和投资，使得商业银行的存款增长放缓，贷款业务面临竞争压力。这种市场格局的变化，使得金融监管部门难以准确把握金融市场的资金流动和风险状况，增加了金融监管的难度和复杂性。影子银行的业务创新往往先于监管政策的出台，监管部门在应对影子银行的新业务、新模式时，常常面临监管滞后的问题，难以有效防范影子银行带来的风险。影子银行的融资模式具有高杠杆率和批发融资的特点，这使得其对短期资金的依赖程度极高。影子银行通常通过发行短期债券、进行同业拆借等方式从金融市场获取短期资金，然后将这些资金投资于长期资产，如房地产项目、基础设施建设等。这种期限错配的融资模式，使得影子银行在资金流动性方面面临巨大挑战。一旦市场出现流动性紧张，短期资金供应减少，影子银行可能无法及时筹集到足够的资金来满足到期债务的偿还需求，从而引发流动性危机。在2013年我国银行间市场“钱荒”事件中，市场流动性骤然收紧，部分依赖短期资金的影子银行机构面临资金链断裂的风险，不得不采取高成本融资的方式来维持运营，进一步加剧了市场的紧张局势。影子银行不像商业银行那样拥有央行作为“最后贷款人”的支持，当出现流动性危机时，缺乏有效的救助机制。这使得影子银行在面临风险时更加脆弱，一旦资金链断裂，可能会迅速陷入破产困境，进而对金融体系的稳定性造成严重冲击。五、影子银行对商业银行稳定性影响的实证研究设计5.1研究假设提出基于前文对影子银行与商业银行稳定性的理论分析，为深入探究二者之间的关系，提出以下研究假设：假设1：影子银行规模的扩张会增加商业银行的信用风险：影子银行与商业银行存在紧密的业务关联，其高杠杆、期限错配和信息不透明等特点，使得风险更容易在二者之间传递。当影子银行出现违约或资金链断裂等风险事件时，可能会导致商业银行的资产质量下降，不良贷款率上升，从而增加商业银行的信用风险。在银信合作业务中，若信托产品出现违约，银行可能会面临资金损失，进而影响其信用风险状况。因此，提出假设1：影子银行规模的扩张会增加商业银行的信用风险。假设2：影子银行规模的扩张会降低商业银行的资本充足率：影子银行的发展会分流商业银行的部分资金和业务，导致商业银行的资产规模增长受限，而在风险加权资产不变或增加的情况下，资本充足率可能会下降。影子银行的快速发展使得一些企业和投资者选择将资金投向影子银行领域，减少了对商业银行的存款和贷款业务，商业银行的资金来源减少，资产扩张速度放缓。为满足监管要求和应对业务发展的需要，商业银行可能需要增加资本补充，但在资本补充困难的情况下，资本充足率会受到影响。因此，提出假设2：影子银行规模的扩张会降低商业银行的资本充足率。假设3：影子银行规模的扩张会降低商业银行的流动性比例：影子银行的资金来源和运用存在期限错配，其对短期资金的依赖程度较高。当市场流动性紧张时，影子银行可能会面临资金短缺的问题，从而向商业银行抽取资金，导致商业银行的流动性压力增大，流动性比例下降。在2013年我国银行间市场“钱荒”事件中，影子银行因资金紧张，纷纷赎回在商业银行的存款或减少对商业银行的资金拆借，使得商业银行的流动性受到冲击，流动性比例下降。因此，提出假设3：影子银行规模的扩张会降低商业银行的流动性比例。假设4：影子银行规模的扩张会降低商业银行的稳定性综合指标Z值：Z值综合考虑了商业银行的盈利能力、资本充足率和风险状况等因素，是衡量商业银行稳定性的重要指标。影子银行规模的扩张通过增加商业银行的信用风险、降低资本充足率和流动性比例等途径，会对商业银行的盈利能力和风险状况产生负面影响，进而降低商业银行的稳定性综合指标Z值。信用风险的增加可能导致商业银行的贷款损失增加，盈利能力下降；资本充足率和流动性比例的降低则会增加商业银行的风险水平，这些都会使得Z值下降。因此，提出假设4：影子银行规模的扩张会降低商业银行的稳定性综合指标Z值。5.2变量选取与数据来源为准确衡量影子银行规模，选取委托贷款、信托贷款、银行理财产品规模等作为关键指标。委托贷款作为影子银行的重要业务之一，是指由政府部门、企事业单位及个人等委托人提供资金，由商业银行（受托人）根据委托人确定的贷款对象、用途、金额、期限、利率等代为发放、监督使用并协助收回的贷款。委托贷款规模的变化，能够直观反映影子银行在资金融通方面的活跃度。信托贷款则是信托机构运用信托资金对借款人所发放的贷款，它体现了影子银行通过信托渠道进行的信用中介活动。银行理财产品是商业银行针对特定目标客户群开发设计并销售的资金投资和管理计划，其规模的增长反映了影子银行在资产管理和财富管理领域的扩张。将这三个指标纳入影子银行规模的衡量体系，能够更全面、准确地反映我国影子银行的规模变化情况。影子银行规模（SBS）为委托贷款规模（WTD）、信托贷款规模（TLD）和银行理财产品规模（WMP）之和，即SBS=WTD+TLD+WMP。在衡量商业银行稳定性时，选用多个具有代表性的指标。不良贷款率（BLR）是衡量商业银行信用风险的关键指标，它直接反映了商业银行贷款资产的质量状况。不良贷款率越高，表明商业银行面临的信用风险越大，资产质量越差，稳定性越低。资本充足率（CAR）体现了商业银行在面对风险时的资本缓冲能力，较高的资本充足率意味着商业银行能够更好地抵御风险，保持稳定运营。流动性比例（LR）衡量了商业银行流动性资产与流动性负债的比例关系，反映了银行在短期内满足资金需求的能力，流动性比例越高，银行的流动性状况越好，稳定性越强。Z值是一个综合考虑商业银行盈利能力、资本充足率和风险状况的指标，能够更全面地反映商业银行的稳定性水平。Z值越大，说明商业银行的稳定性越强，破产风险越低。考虑到宏观经济环境对商业银行稳定性的影响，引入国内生产总值增长率（GDPG）和货币供应量增长率（M2G）作为控制变量。国内生产总值增长率反映了宏观经济的增长态势，经济增长的波动会直接影响企业的经营状况和还款能力，进而影响商业银行的资产质量和稳定性。货币供应量增长率则反映了货币政策的宽松程度，货币供应量的变化会影响市场利率和资金供求关系，对商业银行的资金成本、贷款业务和稳定性产生重要影响。本研究的数据来源广泛且权威，以确保数据的准确性和可靠性。委托贷款规模、信托贷款规模、银行理财产品规模、国内生产总值增长率、货币供应量增长率等数据主要来源于中国人民银行发布的金融统计数据、中国银行业监督管理委员会（现中国银行保险监督管理委员会）的监管报告以及Wind数据库。商业银行的不良贷款率、资本充足率、流动性比例等数据则通过各商业银行的年报获取。通过多渠道的数据收集，涵盖了2010-2023年期间的相关数据，为实证研究提供了丰富的数据支持，能够更全面、深入地分析影子银行对商业银行稳定性的影响。5.3模型构建为深入分析影子银行规模对商业银行稳定性的影响，构建向量自回归（VAR）模型。VAR模型是一种基于数据统计性质的计量经济模型，它将系统中每一个内生变量作为所有内生变量滞后值的函数来构建模型，能够有效处理多个变量之间的动态关系，广泛应用于经济和金融领域的时间序列分析。假设选取影子银行规模（SBS）作为解释变量，商业银行稳定性指标，包括不良贷款率（BLR）、资本充足率（CAR）、流动性比例（LR）和Z值，作为被解释变量，同时引入国内生产总值增长率（GDPG）和货币供应量增长率（M2G）作为控制变量。构建的VAR模型如下：\begin{align*}BLR_t&=\alpha_{10}+\sum_{i=1}^{p}\alpha_{1i}BLR_{t-i}+\sum_{i=1}^{p}\beta_{1i}SBS_{t-i}+\sum_{i=1}^{p}\gamma_{1i}GDPG_{t-i}+\sum_{i=1}^{p}\delta_{1i}M2G_{t-i}+\epsilon_{1t}\\CAR_t&=\alpha_{20}+\sum_{i=1}^{p}\alpha_{2i}CAR_{t-i}+\sum_{i=1}^{p}\beta_{2i}SBS_{t-i}+\sum_{i=1}^{p}\gamma_{2i}GDPG_{t-i}+\sum_{i=1}^{p}\delta_{2i}M2G_{t-i}+\epsilon_{2t}\\LR_t&=\alpha_{30}+\sum_{i=1}^{p}\alpha_{3i}LR_{t-i}+\sum_{i=1}^{p}\beta_{3i}SBS_{t-i}+\sum_{i=1}^{p}\gamma_{3i}GDPG_{t-i}+\sum_{i=1}^{p}\delta_{3i}M2G_{t-i}+\epsilon_{3t}\\Z_t&=\alpha_{40}+\sum_{i=1}^{p}\alpha_{4i}Z_{t-i}+\sum_{i=1}^{p}\beta_{4i}SBS_{t-i}+\sum_{i=1}^{p}\gamma_{4i}GDPG_{t-i}+\sum_{i=1}^{p}\delta_{4i}M2G_{t-i}+\epsilon_{4t}\end{align*}其中，t表示时间，p为滞后阶数；\alpha_{ji}、\beta_{ji}、\gamma_{ji}、\delta_{ji}分别为各变量滞后项的系数（j=1,2,3,4分别对应不良贷款率、资本充足率、流动性比例和Z值；i=1,2,\cdots,p）；\epsilon_{jt}为随机误差项。在构建VAR模型时，需要确定模型的滞后阶数p。滞后阶数的选择至关重要，它直接影响模型的估计结果和解释能力。如果滞后阶数过小，模型可能无法充分捕捉变量之间的动态关系，导致残差存在自相关性，影响模型的准确性；如果滞后阶数过大，虽然能更全面地反映变量的滞后影响，但会增加模型的自由度，导致参数估计的误差增大，模型的稳定性下降。通常采用赤池信息准则（AIC）、施瓦茨准则（SC）、汉南-奎因准则（HQ）等信息准则来确定最优滞后阶数。这些准则通过权衡模型的拟合优度和自由度，选择使准则值最小的滞后阶数作为最优滞后阶数。在实际操作中，利用Eviews或Stata等计量软件进行VAR模型估计时，软件会自动输出不同滞后阶数下的AIC、SC和HQ值，通过比较这些值来确定最优滞后阶数。例如，在Eviews软件中，在估计VAR模型的窗口中，输入相关变量和最大滞后阶数，软件会计算并显示不同滞后阶数下的AIC、SC和HQ值，选择这些准则值中最小的对应的滞后阶数作为最优滞后阶数。六、实证结果与分析6.1描述性统计分析在完成模型构建后，对选取的2010-2023年期间相关数据进行描述性统计分析，旨在深入了解各变量的基本特征，为后续的实证分析提供基础。借助Eviews或Stata等专业计量软件，对影子银行规模（SBS）、商业银行稳定性指标（不良贷款率BLR、资本充足率CAR、流动性比例LR、Z值）以及控制变量（国内生产总值增长率GDPG、货币供应量增长率M2G）的数据进行处理，得到以下结果。变量观测值均值标准差最小值最大值SBS（万亿元）1445.6825.3715.2398.56BLR（%）141.650.281.212.13CAR（%）1414.251.0312.5616.08LR（%）1450.328.5638.2565.48Z值143.250.562.344.56GDPG（%）146.531.522.249.50M2G（%）1410.852.148.1215.23从影子银行规模（SBS）来看，观测期内均值达到45.68万亿元，反映出我国影子银行在金融体系中已占据相当规模。标准差为25.37万亿元，表明影子银行规模在不同年份存在较大波动。2013-2016年期间，随着金融创新的推进和监管环境的相对宽松，影子银行规模迅速扩张，从2013年的27万亿元左右增长至2016年的近90万亿元；而在2017-2018年，随着监管部门加强对影子银行的监管，出台一系列监管政策，如资管新规等，影子银行规模出现明显收缩。最小值为15.23万亿元（2010年），最大值为98.56万亿元（2016年），进一步体现了影子银行规模在观测期内的显著变化。商业银行的不良贷款率（BLR）均值为1.65%，标准差为0.28%，表明我国商业银行整体不良贷款率处于相对稳定状态，但仍存在一定波动。在经济下行压力较大的时期，如2015-2016年，不良贷款率有所上升，分别达到1.67%和1.74%，这主要是由于经济增长放缓，企业经营困难，还款能力下降，导致商业银行的信用风险增加；而在经济形势好转、商业银行风险管理能力提升的时期，不良贷款率有所下降，如2021-2022年，不良贷款率分别降至1.73%和1.63%。最小值为1.21%（2013年），最大值为2.13%（2010年），反映了不良贷款率在不同年份的变化情况。资本充足率（CAR）均值为14.25%，标准差为1.03%，显示我国商业银行资本充足率整体水平较高，且波动相对较小。这得益于我国监管部门对商业银行资本充足率的严格监管要求，以及商业银行自身通过多种渠道补充资本的努力。在观测期内，商业银行通过发行普通股、优先股、二级资本债等方式，不断充实资本，提高资本充足率，以增强抵御风险的能力。最小值为12.56%（2010年），最大值为16.08%（2022年），体现了商业银行资本充足率的变化趋势。流动性比例（LR）均值为50.32%，标准差为8.56%，表明我国商业银行流动性状况总体良好，但存在一定的波动。在市场流动性紧张时期，如2013年银行间市场“钱荒”事件期间，流动性比例受到考验，部分银行的流动性比例有所下降；而在监管部门加强流动性管理、商业银行优化资产负债结构的情况下，流动性比例保持在相对稳定的水平。最小值为38.25%（2013年），最大值为65.48%（2020年），反映了流动性比例在不同市场环境下的变化。Z值均值为3.25，标准差为0.56，综合反映出我国商业银行在观测期内的稳定性处于一定水平，但存在一定差异。Z值越大，表明商业银行稳定性越强，破产风险越低。不同类型的商业银行，由于其资产规模、业务结构、风险管理能力等方面的差异，Z值也有所不同。大型国有商业银行通常具有较强的资金实力、广泛的客户基础和完善的风险管理体系，其Z值相对较高；而部分中小商业银行，由于业务结构相对单一、风险抵御能力较弱，Z值相对较低。最小值为2.34（2010年），最大值为4.56（2022年），体现了商业银行稳定性的变化情况。国内生产总值增长率（GDPG）均值为6.53%，标准差为1.52%，反映出我国经济在观测期内保持了一定的增长速度，但也受到国内外经济形势变化的影响。在2010-2011年，我国经济增长较快，GDPG分别达到10.64%和9.50%；而在2012-2019年，经济增长逐渐放缓，GDPG维持在6%-8%之间；2020年，受新冠疫情的冲击，GDPG降至2.24%；随着疫情防控取得成效和经济复苏政策的实施，2021-2022年GDPG分别回升至8.40%和3.00%。最小值为2.24%（2020年），最大值为9.50%（2011年），体现了经济增长的波动情况。货币供应量增长率（M2G）均值为10.85%，标准差为2.14%，表明我国货币政策在观测期内保持了一定的灵活性和稳定性。货币政策的调整会直接影响货币供应量的增长，进而对商业银行的资金成本、贷款业务和稳定性产生影响。在经济下行压力较大时，央行通常会采取宽松的货币政策，增加货币供应量，以刺激经济增长，如2008-2009年，为应对国际金融危机的冲击，M2G大幅增长，2009年达到27.68%；而在经济过热、通货膨胀压力较大时，央行会采取紧缩的货币政策，控制货币供应量的增长，如2017-2018年，M2G分别降至8.20%和8.12%。最小值为8.12%（2018年），最大值为15.23%（2015年），体现了货币供应量增长率的变化情况。6.2平稳性检验与协整检验在进行时间序列分析时，为避免出现伪回归现象，确保实证结果的准确性和可靠性，对各变量进行平稳性检验是至关重要的环节。本研究采用ADF（AugmentedDickey-Fuller）检验方法，借助Eviews软件对影子银行规模（SBS）、商业银行稳定性指标（不良贷款率BLR、资本充足率CAR、流动性比例LR、Z值）以及控制变量（国内生产总值增长率GDPG、货币供应量增长率M2G）进行单位根检验。变量ADF检验统计量1%临界值5%临界值10%临界值检验结果SBS-1.3562-3.7912-3.0124-2.6461不平稳BLR-0.8754-3.7696-3.0049-2.6422不平稳CAR-1.1237-3.7696-3.0049-2.6422不平稳LR-1.0345-3.7696-3.0049-2.6422不平稳Z值-0.9876-3.7696-3.0049-2.6422不平稳GDPG-1.5678-3.7696-3.0049-2.6422不平稳M2G-1.2345-3.7696-3.0049-2.6422不平稳ΔSBS-4.2356-3.8085-3.0206-2.6504平稳ΔBLR-4.0123-3.8085-3.0206-2.6504平稳ΔCAR-4.1234-3.8085-3.0206-2.6504平稳ΔLR-4.3256-3.8085-3.0206-2.6504平稳ΔZ值-4.2135-3.8085-3.0206-2.6504平稳ΔGDPG-4.5678-3.8085-3.0206-2.6504平稳ΔM2G-4.4321-3.8085-3.0206-2.6504平稳从检验结果来看，在原始序列中，各变量的ADF检验统计量均大于1%、5%和10%显著水平下的临界值，这表明各变量的原始序列均不平稳，存在单位根。对各变量进行一阶差分处理后，再次进行ADF检验，此时各变量的ADF检验统计量均小于1%显著水平下的临界值，这说明经过一阶差分处理后，各变量均变为平稳序列，即各变量均为一阶单整序列I(1)。在确定各变量为同阶单整序列后，进一步进行协整检验，以判断变量之间是否存在长期稳定的均衡关系。本研究采用Johansen协整检验方法，在进行协整检验时，需要先确定VAR模型的滞后阶数。根据赤池信息准则（AIC）、施瓦茨准则（SC）和汉南-奎因准则（HQ），确定最优滞后阶数为2。在此基础上，进行Johansen协整检验，检验结果如下：原假设特征值迹统计量5%临界值P值None*0.765498.564347.85610.0000Atmost1*0.654365.432129.79710.0000Atmost2*0.543238.765415.49470.0000Atmost3*0.432119.87653.84150.0001在上述检验结果中，“None*”表示不存在协整关系的原假设，“Atmost1*”表示最多存在1个协整关系的原假设，以此类推。当迹统计量大于5%临界值，且P值小于0.05时，拒绝原假设，表明变量之间存在协整关系。从表中可以看出，在5%的显著水平下，拒绝了“None”“Atmost1”“Atmost2”和“Atmost3”的原假设，这意味着影子银行规模（SBS）与商业银行稳定性指标（不良贷款率BLR、资本充足率CAR、流动性比例LR、Z值）以及控制变量（国内生产总值增长率GDPG、货币供应量增长率M2G）之间存在4个协整关系，即这些变量之间存在长期稳定的均衡关系。这一结果为后续进一步分析影子银行规模对商业银行稳定性的影响提供了重要的基础，表明可以通过建立VAR模型来深入研究它们之间的动态关系。6.3格兰杰因果检验在确定变量之间存在协整关系后，为进一步探究影子银行规模与商业银行稳定性指标之间是否存在因果关系，以及因果关系的方向，进行格兰杰因果检验。格兰杰因果检验基于向量自回归（VAR）模型，通过检验一个变量的滞后项是否对另一个变量的当前值有显著影响，来判断变量之间的因果关系。其基本原理是，如果变量X的过去值能够显著地预测变量Y的未来值，那么就认为X是Y的格兰杰原因。在进行格兰杰因果检验时，设定原假设为“X不是Y的格兰杰原因”，备择假设为“X是Y的格兰杰原因”。利用Eviews软件，在VAR模型的基础上进行格兰杰因果检验，检验结果如下：原假设F统计量P值结论SBS不是BLR的格兰杰原因5.68730.0123拒绝原假设，SBS是BLR的格兰杰原因BLR不是SBS的格兰杰原因1.23450.3215接受原假设，BLR不是SBS的格兰杰原因SBS不是CAR的格兰杰原因4.32560.0256拒绝原假设，SBS是CAR的格兰杰原因CAR不是SBS的格兰杰原因0.98760.4567接受原假设，CAR不是SBS的格兰杰原因SBS不是LR的格兰杰原因3.87650.0378拒绝原假设，SBS是LR的格兰杰原因LR不是SBS的格兰杰原因1.02340.4123接受原假设，LR不是SBS的格兰杰原因SBS不是Z值的格兰杰原因6.23450.0089拒绝原假设，SBS是Z值的格兰杰原因Z值不是SBS的格兰杰原因1.34560.2897接受原假设，Z值不是SBS的格兰杰原因从检验结果来看，在5%的显著水平下，对于不良贷款率（BLR），SBS不是BLR的格兰杰原因的原假设被拒绝，而BLR不是SBS的格兰杰原因的原假设被接受，这表明影子银行规模（SBS）是不良贷款率（BLR）的格兰杰原因，即影子银行规模的变化会引起商业银行不良贷款率的变化，而不良贷款率的变化不会引起影子银行规模的变化。这与前文的理论分析和假设1相符合，影子银行的高杠杆、期限错配和信息不透明等特点，使其风险容易传导至商业银行，导致商业银行的资产质量下降，不良贷款率上升。对于资本充足率（CAR），SBS不是CAR的格兰杰原因的原假设被拒绝，CAR不是SBS的格兰杰原因的原假设被接受，说明影子银行规模（SBS）是资本充足率（CAR）的格兰杰原因，即影子银行规模的扩张会导致商业银行资本充足率的下降，而资本充足率的变化不会引起影子银行规模的变化。这与假设2一致，影子银行的发展分流了商业银行的部分资金和业务，使得商业银行的资产规模增长受限，在风险加权资产不变或增加的情况下，资本充足率可能会下降。在流动性比例（LR）方面，SBS不是LR的格兰杰原因的原假设被拒绝，LR不是SBS的格兰杰原因的原假设被接受，表明影子银行规模（SBS）是流动性比例（LR）的格兰杰原因，即影子银行规模的扩张会降低商业银行的流动性比例，而流动性比例的变化不会引起影子银行规模的变化。这与假设3相符，影子银行对短期资金的依赖程度较高，当市场流动性紧张时，影子银行可能会向商业银行抽取资金，导致商业银行的流动性压力增大，流动性比例下降。对于Z值，SBS不是Z值的格兰杰原因的原假设被拒绝，Z值不是SBS的格兰杰原因的原假设被接受，说明影子银行规模（SBS）是Z值的格兰杰原因，即影子银行规模的扩张会降低商业银行的稳定性综合指标Z值，而Z值的变化不会引起影子银行规模的变化。这与假设4一致，影子银行规模的扩张通过增加商业银行的信用风险、降低资本充足率和流动性比例等途径，对商业银行的盈利能力和风险状况产生负面影响，进而降低商业银行的稳定性综合指标Z值。6.4VAR模型估计结果分析在完成上述一系列检验后，对构建的VAR模型进行估计，以深入探究影子银行规模对商业银行稳定性的具体影响。通过Eviews软件进行估计，得到如下结果：变量BLRCARLRZ值BLR(-1)0.3215(0.0123)0.0568(-0.0345)-0.1234(0.0567)0.2345(0.0456)BLR(-2)0.1234(0.0234)-0.0345(0.0456)0.0567(-0.0678)-0.0456(0.0789)SBS(-1)0.2345(0.0089)-0.1234(0.0123