【《余额宝收益率波动影响因素实证分析》10000字（论文）】

余额宝收益率波动影响因素实证分析目录一、问题提出 1二、文献回顾：货币市场基金与余额宝的研究 3三、货币市场基金概述 5（一）货币市场基金的诞生与发展 5（二）货币市场基金的运行模式 5（三）我国货币市场基金的发展情况 6四、余额宝实际状况分析 8（一）余额宝的发展历程 8（二）余额宝的资产结构 9（三）余额宝的利润来源 10五、具体分析方法 12（一）利率风险衡量的方法 12（二）关于余额宝利率波动性影响因素的衡量方法：分位数回归法 141.分位数回归分析 142.贝叶斯分位数回归分析 14六、余额宝收益率波动影响因素分析 16（一）变量选取 16（二）数据预处理 16（三）数据检验 171.时间序列图 172.自相关和偏自相关检验 173.余额宝七日年化收益率差分的平稳性检验 194.正态性检验 20（四）描述统计 21（五）模型估计与结果分析 221.模型的估计 222.分位数趋势图 243.贝叶斯分位数回归 244.贝叶斯回归结果置信区间 25七、结论 27参考文献 28一、问题提出货币市场基金最早始创流行于20世纪70年代的美国，多是指仅投资于货币市场工具的开放式公募基金，由于具有资产组合平均剩余期限较短（平均期限120天）、推余成本法下收益波动较小等特点，其一经推出便成为众多投资者所热衷的现金管理工具。而谈起货币市场基金诞生的背景70年代，很多金融热点和产物便往往离不开美国当时对银行利率进行严苛限制的Q条例的出台，因此货币市场基金也与其他对Q条例应运而生的产物一样对利率即具有天然的敏感性。而货币市场基金为我国人所熟知则要一直等到余额宝诞生并走红的2010年之后，在2010年到2018年的日子里余额宝的收益率一路高歌猛进，一度超过了很多银行的短期理财产品，因此大受市场的欢迎，同时也逐渐点燃了我国投资者对于货币市场基金的热情，也让更多的货币市场基金开始出现在我国市场，从而逐步从2010年开始拉开了我国货币市场基金欣欣向荣的序幕。然而纵观我国货币市场基金发展的历史却不难发现我国的第一只货币市场基金直到2003年才成立，并在2003年至2007年这4年间由于其利率相比于股票和债券市场的利率偏低而一直未受到重视，直到2008年至2009年间欧美爆发金融危机导致股市暴跌，股票基金浄值随即跳水，保守型投资者开始注意到货币市场基金净值稳定的优势，由此才促成了中国货币基金市场的起步。而货币市场基金在我国真正腾飞还要等到2013年，得益于金融创新与互联网发展，货币市场基金推行“T+0”赎回和依托APP交易，迅速积累大量客户，收益率屡创新高，“余额宝”更是一跃成为规模最大的货币市场基金，时至今日仍稳居榜首。然而在我国货币市场基金一路发展的时候我们也应该看到在其逐利的背后一定隐藏着相应的风险，十余年之内货币市场基金虽然没有经历大的跳水但是其利率已经经历了四次明显的下行调整，各家货币市场基金发展已经遇到瓶颈，以余额宝为例，即便身为行业龙头，在最近三年间的七日年化收益率再也没超过3%，而在余额宝发展最为迅猛的2011年初这一数据远高于6%，在7%附近徘徊（见图1）。在这种混沌背后货币市场基金不仅逐渐为一部分投资者所抛弃，同时其蕴含的资产转移风险、信用风险、制度风险、利率风险等问题也开始为业界研究所注意。只有有效地衡量并解决这些存在风险，货币市场基金才能稳定健康运行，我国的经济状况才能进一步得到改善和发展。而这也就是本文研究的意义所在，受限于篇幅本文不能面面俱到地分析货币市场基金所面临的每一个风险，但是本文能在有限的篇幅内聚焦于货币市场基金最大的风险——利率风险，以此来尝试分析为何我国货币市场基金的利率出现了波动，同时本文也尝试从余额宝的分析入手，以小见大，用对余额宝利率波动的研究来尝试回答是何种因素导致了余额宝利率如此不稳定的波动，为何在其七日年化收益率在经历了2011年和2017年的两个高峰之后开始下行并逐渐趋于稳定？究竟是哪些因素对这种利率表现产生了主要影响？解决以上问题大概是本文的行文意义所在。图1余额宝（天弘）创立至今7日年化收益率数据来源：Wind

二、文献回顾：货币市场基金与余额宝的研究在科研论文层面上直接研究货币市场基金和余额宝自身风险的论文相对普遍，不乏佳作，但其中更多的研究并不完全突出货币市场基金和余额宝所存在的利率风险，更多是将利率风险混于众多风险中去谈，甚至将利率风险与流动性风险混为一谈，或者在风险研究中认为流动性风险比利率风险更突出，没有基于利率风险的研究足够的重视。接下来将从货币市场基金和余额宝两个方面展示部分已有的研究成果。在货币市场基金的风险研究方面，国外显然要先于我国国内的发展，早在1996年RamonP.DeGennaro和DaleL.Domian就研究了货币市场基金的到期日和利率之间的关系，并在MarketEfficiencyandMoneyMarketFundPortfolioManagers:BeliefsversusReality一文中指出了在有效市场中任何货币市场基金的策略都难以预期未来的利率走向，任何管理者也难以预期未来利率的变化；而JamesP.Dow和DouglasW.Elmendorf（1998）则在TheEffectofStockPricesonTheDemandforMoneyMarketMutualFunds中首次通过回归分析的验证了货币市场基金收益率的波动性同WilShare5000股票价值指数之间存在着负相关的关系，证明了货币市场基金是股市的“蓄水池”这一说法的合理性。而在我国的研究方面，邵莹（2005）首先在《我国货币市场基金风险问题研究》中较为全面地罗列了我国货币市场基金所面临的各项风险，并在关于利率风险的阐述中提出了通过净收益率来评估的观点；其次刘爽（2009）在《我国货币市场基金风险管理研究》中更细致地梳理了货币市场基金从一般管理到利率风险、流动性风险、政策管理风险、道德风险等各方面风险，是对货币市场基金风险的进一步展开说明，同时也逐一分析了防范每一种风险的对策；而后王扬（2015）在《我国货币市场基金风险估计及其风险管理分析》中通过GARCH-CoVaR面板分析的方法用数理模型理解的方式计算了货币市场基金整体的风险水平，并同样得出了货币市场基金面临诸多系统性和非系统性风险且在有效市场中具有不可控性的结论。同时，在关于余额宝的研究方面，邱勋（2013）在《余额宝对商业银行的影响和启示》中全面分析的余额宝的主题框架，并在文章中指出了余额宝的成功主要来自于其对互联网和大数据平台的挖掘以及对长尾效应的重视；之后哈佛商学院的F.WarrenMcFarlan和清华经管学院的金永军、李晓辉（2014）更是在《天弘增利宝货币市场基金：余额宝》中不仅详尽介绍了余额宝更是进一步赞美了余额宝和支付宝的天然匹配，集各种功能于一身，能极大提高市场效率；而后白兰（2017）在《余额宝的收益风险分析及其对利率市场化的影响》一文中进一步明确了余额宝收益与市场利率之间的紧密关系，并在文中同时引用了贝叶斯回归分析和VaR面板分析两种方法来分析余额宝的利率风险和流动性风险，再次证明了货币市场基金的风险与基金管理人规范、国家相关法律建设、基金公司内控体制、社会监管之间有紧密联系。

三、货币市场基金概述（一）货币市场基金的诞生与发展20世纪70年代初期的两方面的因素直接促成了货币市场基金的产生。首先，在70年代及80年代早期，美国经济出现滞胀，货币当局采取紧缩的货币政策来抑制通货膨胀，结果利率逐步上升，最敏感的联邦基金利率1980年曾一度高达20%以上。其次，存款金融机构的利率受到Q条例的管制。当时，Q条例规定了银行的存款利率最高限额为5.25%——5.5%，这就为货币市场基金提供了赚取利差的空间，为其发展提供了内在动力。然而，当时非银行的货币市场工具的面额都很大，通常为100万美元或者更高，中小投资者无力购买，而货币市场基金的最低面额只有2500美元。这样中小投资者便能够通过该基金进入货币市场，在几乎没有风险的情况下，寻求更高的收益。（二）货币市场基金的运行模式结合上述货币市场基金创立之初面临的中小投资者众多却无力投资大额货币市场工具的特点，货币市场基金确立了“聚少成多”的运行模式，主要是将众多的小额投资者的资金集合起来，由专门的经理人进行市场运作，赚取收益后再按一定的期限及持有的份额进行分配，其分配方式也是典型的“红利转投资”，即货币市场基金每份单位始终保持在1元，超过1元后的收益会按时自动转化为基金份额，拥有多少基金份额即拥有多少资产。以余额宝的运行模式为例，当余额宝依靠其先发优势吸引到大量用户存钱进入之后，余额宝即实现了资金的由零到整的整合，之后余额宝会将筹集到的资金小部分用于债券投资，大部分会自动划入其背后的货币市场基金天弘增利宝，而后天弘增利宝通过与银行签订协议存款等方式将资金存入银行，银行经过一定期限向天弘增利基金返还利息，利息进一步返还给投资者使其由此获利（见图2）。图2余额宝的运作关系图（三）我国货币市场基金的发展情况自我国第一只基金2003年创始至今，我国货币市场基金规模的发展大致遵循了以下三个阶段：第一阶段为2003年到2005年，这个阶段仍属于我国市场基金发展的初创时期，基金规模仅仅由初创时期的3只增加到了2005年的9只，但在2005年年末货币基金规模仍旧达到了1868亿元。第二阶段则为2005年至2010年，这一个阶段为我国货币市场基金的稳步发展期，在这一时期恰逢2008年次贷危机，股市受挫，导致市场风险偏好降低，大量资金进入货币市场基金的市场，仅2008年一年货币市场基金规模增速就高达250%。第三阶段则为2011年至今，属于货币市场基金的高速扩张期，在这一阶段国家监管层面开始对我国货币市场基金放松限制，货币市场基金规模呈现爆发式增长，仅2013年1月到2020年6月的7年间，我国货币市场基金规模就由0.7万亿元猛增至7.57万亿元。下图为Wind基金指数中的货币市场基金指数图，从2010年12月2021年12月一直保持着稳定的增长趋势。图3Wind基金指数：货币市场基金指数图数据来源：Wind

四、余额宝实际状况分析（一）余额宝的发展历程余额宝是蚂蚁金服旗下的余额增值服务和活期资金管理服务产品，由支付宝在2013年5月29日推出，由前文中的图2也可看大余额宝整合中小投资者的资金后会打入天弘基金的账户，因此天弘基金才是余额宝背后真正的基金管理人，余额宝所属的基金也于2015年5月15日更名为“天弘余额宝货币市场基金”（详细关系见图4）。而放在余额宝上面的钱投资者仍旧可以随时用于在阿里巴巴集团旗下的所有平台购物和购买理财产品，这种将余额宝与天弘基金和背靠阿里巴巴集团的优势让余额宝一经推出便大受欢迎，期末净资产和规模呈上升趋势（见图5和图6）。图4余额宝业务关系和合作关系图图5余额宝期末净资产变化趋势图图自白兰的《余额宝的收益风险分析及其对利率市场化的影响》（2017）图6余额宝创立至今的规模变化图自Wind（二）余额宝的资产结构要进一步对余额宝进行收益率分析则应该明确余额宝的资产配置和资金流向，根据天弘余额宝招募说明书可以得到以下余额宝资金的投资方向：余额宝在最近两年间的资产配置中主要投资产品为现金和债券两类，其中现金占多数，占比在60%左右浮动，债券占比则较少，在10%左右浮动。表1余额宝资产组合情况报告期股票占比债券占比现金占比净资产（亿元）2021/12/3112.39%65.21%7,491.172021/9/307.66%64.51%7,645.782021/6/308.60%63.33%7,808.092021/3/319.75%57.13%9,724.152020/12/3110.70%59.27%11,908.162020/9/3010.61%58.33%11,877.072020/6/3012.56%52.20%12,238.112020/3/318.78%51.86%12,585.05图7余额宝资产配置图图8余额宝2021第四季度末资产组合占比图（三）余额宝的利润来源分析余额宝的利润表不难发现，余额宝的利润来源主要是存款的利息收入。以2021年年中数据为例（2021/6/30），余额宝利息收62元，占总收入的100.31%，是余额宝2021年间所有参与项目中唯一的正向现金流，由此可见余额宝的收益与银行利率之间存在着紧密的联系。表2余额宝利润表摘要利润表来源Wind2021/6/30一、收入：13,301,397,388.281.利息收入13,342,889,742.62其中：存款利息收入8,055,342,800.40其中：债券利息收入1,172,596,220.69其中：资产支持证券利息收入6,713,258.182.投资收益（损失以'-'填列）-41,492,354.34基中：债券投资收益-42,068,478.56其中：资产支持证券投资收益576,124.22减：二、费用3,084,344,293.621.管理人报酬1,419,057,643.642.托管费378,415,371.623.销售服务费1,182,548,036.354.交易费用5.利息支出103,337,836.00其中：卖出回购金融资产支出103,337,836.006.其他费用535,397.90三、利润总额（亏损总额以'-'号填列）10,217,053,094.66减：所得税费用四、净利润（亏损总额以'-'号填列）10,217,053,094.66

五、具体分析方法（一）利率风险衡量的方法关于阐述利率风险的衡量方法之前我们需要先明确什么是利率风险，利率风险关乎哪些方面，进而才能确认我们要衡量的究竟为何物。根据巴塞尔委员会在1997年发布的《利率风险管理原则》中将利率风险定义为：利率变化使商业银行的实际收益与预期成本发生背离，使其实际收益低于预期收益，实际成本高于预期成本，从而使商业银行遭受损失的可能性。鉴于货币市场基金与商业银行之间紧密的关系，这样一个对于利率风险的定义同样适用于对货币市场基金利率风险的定义。即利率风险更多的衡量的是利率或者收益率的变动之于货币市场基金的不确定性。因此以下表格较为详细地列出了当今较为主流的一些利率衡量的方法以及其相应的特点：从直接衡量利率的波动到指标法里的缺口分析和久期分析，之后逐步发展到模拟法里的静态分析，最后随着影响因素的增多而由表内分析转到表外分析，动态模拟法开始更为流行。表3商业银行利率风险衡量和管理方法的演进表格总结自马永波的《西方商业银行利率风险衡量的演进及其启示》（2005）阶段初级阶段中级阶段高级阶段利率风险的基本特征风险水平较低（利率由于存在不同程度的管制因此变化仍不是很频繁）风险水平较高（利率管制开始放松、各种利率逐步市场化）风险水平很高（利率完全市场化、变化频繁、市场监管严格）利率风险的衡量方法指标法（收益率、缺口、久期）估计发（静态的模拟法）衡量法（压力测试、情景测试、动态模拟法）利率风险的管理方法表内管理（缺口管理、久期管理）表内管理和相当初级的表外管理（以数理模型算法为主，会引入一些金融工程的算法）表内管理技术和表外管理技术都高度成熟，可定制化收益与成本的对比收益低、成本低收益中等、成本中等收益高、成本高鉴于以上已有的一些利率衡量方法，本文将根据以下标准选择相应的方法进行余额宝利率风险的衡量这一标准总结自谭燕芝和李兰的《我国商业银行风险度量模型的现实选择》（2这一标准总结自谭燕芝和李兰的《我国商业银行风险度量模型的现实选择》（2009）1.从收益与成本的角度而言，在能达到衡量利率风险的基础之上还应该注重成本的控制，尽可能地选择能达到一定衡量目标而成本能够控制的衡量方法。在这一条标准之下，模拟法显然不是更好的衡量方法，其仍旧为最高级和详细的衡量方法，但是在成本的控制上，其仍旧超出了本文作者所能够支持的技术成本的上限，在现有条件之下本文难以进行海量的数据分析进而对时间和场景进行相应的模拟，所以模拟法暂时还很难被本文的分析所采用；2.从我国货币市场环境的约束条件出发，注重考虑模型的适应性。我国在利率市场化方面仍旧没有完全放开，这就容易导致我国现有的利率水平缺乏相应的市场敏感性，银行难以通过过去或现在利率水平对利率作出科学的预期，因此商业银行对模拟法的使用就会再多一层障碍：海量的数据在情景和时间的变化下遵循的市场完全有效之下的变化难以与我国利率市场不完全有效的情景相符合，因此在我国利率影响因素尚不明显的情况下减少不必要的干扰因素也不失为一种更好的选择。因此本文根据以上两条标准会在更为简单的久期以及收益率的变化两种选择中对余额宝的利率风险进行相应的衡量。而结合前一部分的余额宝的资产配置结构分析可以看到余额宝的资产配置中不仅仅有大量的债券同时也有相当数量的现金持有，余额宝的盈利也绝大部分来自于现金的利息存款，而久期仅仅只能针对余额宝的债券部分进行分析，难以做到全面。因此本文决定采用最直接的方法对收益率的波动进行分析，但是为了弥补过往对收益率直接分析过于生硬不具备灵活性以及我国货币市场基金市场波动较大的特点，本文会适当地采用分位数回归分析法对余额宝的收益率数据进行分析，力求提高准确性。（二）关于余额宝利率波动性影响因素的衡量方法：分位数回归法1.分位数回归分析分位数回归是估计一组数据中变量之间线性关系的建模方法，总的而言其在目的上与最小二乘估（OLS）计是一致的，然而在研究方法上OLS的易受极端值的影响，而分位数回归的核心在于把一个连续随机变量y区分了n个阶层，即对值域进行了切割，对每一个具有各自特点的值域进行具体分析，具体定义为一个连续随机变量y，其总体第分位数是的定义是：y小于等于的概率是，即,由此可以得到一个简单的线性模型：其中表示因变量，表示自变量的向量，i=1,2,…，n，表示期望为0的随机误差，表示未知参数变量。分位数回归相比于OLS具有以下优势：其假设相对宽松，对数据无所谓极值的影响，也无所谓数据的正态分布情况，且最终的分析结果常常表现出更稳定，也能分析出不同水平下解释变量对被解释变量的不同影响。2.贝叶斯分位数回归分析贝叶斯分位数回归即贝叶斯方法与传统分位数回归的结合，为何在传统分位数回归的基础上再采用贝叶斯分位数回归的原因在于该方法的关键在于假设了随机误差项存在拉普拉斯分布，而拉普拉斯分布更适合对金融时间序列数据进行拟合。拉普拉斯的基本密度函数为：其中，，均值为，方差为，这一分布即为一型拉普拉斯分布，其具有尖峰肥尾的特点，因此更适合对金融时间序列数据进行拟合。六、余额宝收益率波动影响因素分析（一）变量选取（1）市场资金的变量，广义货币M2狭义货币M0来衡量市场资金的变化会对余额宝收益率变动的影响。（2）利率变量，选取衡量利率变动的指标，上海银行间同业拆借率。（3）理财产品，余额宝的替代品银行理财收益率。（4）国债收益率：利用一年期国债收益率来衡量债券市场利率的波动情况。所以选取了一年期国债收益率。变量具体类型及相关代码如下：表4变量类型及相关代码变量类型变量代码被解释变量余额宝收益率YEA解释变量广义货币（Ｍ２）M2狭义货币M0M0上海银行间同业拆借率SHIBOR余额宝的替代品银行理财收益率LCCP国债收益率GZ（二）数据预处理从数据库，选取从余额宝成立开始（2013年5月30日）到2022年2月22日的七日年化收益率的日数据作为被解释变量（yeb），同时选择相应时间的广义货币（m2）、狭义货币M0、上海银行间同业拆借率、余额宝的替代品银行理财收益率、国债收益率作为揭示变量数据。其中理财产品以周为单位，货币量以月为统计单位，匹配至相应每周每月。（三）数据检验1.时间序列图利用上述数据处理结果对被解释变量“余额宝七日年化收益率”波动建立图形。通过余额宝收益率的时间序列图粗略判断收益率的变动情况。图9余额宝七日年化收益率的时间序列图（用Eviews根据具体数据制作）从2013/5/30至2022年初余额宝七日年化收益率的时间序列图的趋势图中可以看出余额宝的万份收益率从总体上看呈下降趋势，且波动不平稳。同时横向观察数据的波动情况，发现数据在一段时间内波动较大，而在另一时间段中波动较小，表现出“波动集群”的特征。为了进一步判断数据是否平稳，做余额宝七日年化收益率的自相关和偏自相关图通过Ｑ统计量的值，判断数据是否平稳。2.自相关和偏自相关检验针对被解释变量的平稳性偏相关、自相关检验。具体结果如下：表5余额宝七日年化收益率的平稳性偏相关、自相关检验从自相关图中可以看出余额宝收益率的滞后期数据基本不衰减，数据应为非平稳数据。同时收益率序列的绝对值想距较远的时间间隔但仍然具有显著的自相关性，这表明过去的收益率会影响到未来，数据具有长期记忆性。为了使数据平稳我们对收益率进行差分，并作出相应的时间序列图。图10余额宝收益率差分图3.余额宝七日年化收益率差分的平稳性检验采用单位根检验验证自变量差分后数据的平稳性具体结果如下：表6余额宝七日年化收益率单位根检验从单位根的检验结果可以看出，ＡＤＦ值小于检验值，同时对应的ｐ值近似为０，所以拒绝原假设，该观测样本应为平稳的时间序列。我们可以利用该差分数据进行建模分析。4.正态性检验在平稳数据的基础上我们通过做余额宝七日年化收益率对数差分的ＱＱ图，对数据进行正态性检。对余额宝七日年化收益率做差分处理，根据差分后的数据做余额宝收益率差分的ＱＱ图，判断差分后的余额宝七日年化收益率是否服从正态分布。图11余额宝七日年化收益率差分的QQ图ＱＱ图是两序列在相同概率或频率下的分位数所构成的散点图，红线所表示的位置为正态分布，蓝点描绘的是余额宝七日年化收益率差分的数据，通过图型可以判断余额宝七日年化收益率对数差分的分布和正态分布并不相符，说明该数据不服从正态分布。图12余额宝七日年化收益率差分的直方图在确定余额宝七日年化收益率拟合模型时，首先判断该数据是否具有正态性。对数据进行JB检验，得到jarque-bera统计量为170834.6，该统计量的ｐ值近似为０，说明观测样本不服从正态分布。通过直方图可以看出观测样本的偏度为46.26295＞０，说明将余额宝七日年化收益率做差分处理后的数据是右偏的，从图形中可以看出其尾部的分布较正态分布要高，其峰度为3.616319>3，说明余额宝七日年化收益率差分的时间序列要高于正态分布。与金融性时间序列数据的高峰厚尾相符合。对余额宝七日年化收益率进行初步探索，发现该数据不服从正态分布，利用最小二乘估计进行拟合容易受到极值点的影响，针对像余额宝具有尖峰后尾性质的金融时间序列数据，一般也采用ＡＲＣＨ类模型，但本文研宄相关影响因素对余额宝收益率的作用，所以ＡＲＣＨ类模型并不适用。所以最终选择用贝叶斯分位数回归（ＢＱＲ）的方法研宄余额宝七日年化收益率与其影响因素之间的关系。（四）描述统计表7样本量基本描述性分析YEBLCCPSHIBORM2M0GZMean2.8295774.3153482.127766180011873504.962.615159Median2.4814.26742.125177619672526.512.54615Maximum4.6035.62293.642431023106188.93.805Minimum1.31130.602124271058604.261.1617Std.Dev.0.8556590.5813490.521356328779.39615.7280.49498Skewness0.4668660.058105-0.4268990.1469950.5947650.163623Kurtosis1.9669752.5779713.160441.9009743.0145233.168753Jarque-Bera140.900413.9238854.8423394.05159102.83729.85122Probability00.0009470000.007258Sum4934.7837525.9663710.8243.14E+091.28E+084560.837SumSq.Dev.1276.142589.0763473.76771.88E+141.61E+11427.0437Observations174417441744174417441744上表是对所有变量的基本统计分析，从表中可以看出匹配后的样本一共有1744个，数据是从2013年5月30到2022年2月，其中货币供应量的M2均值是1800118，其标准差为328779.3，最小值为1242710，最大值为2431023，，峰度和偏度都大于0，不服从正态分布。银行间同业拆借率的均值为2.127766，标准差为2.125，最小值为0.602，最大值为3.64，极差是3.038，偏度为3.16044>0，峰度为-0.426899<0，所以同业拆借率的数据不服从正态分布，而是与余额宝收益率的数据相似，具有尖峰厚尾的偏态分布。银行一年期理财产品收益率的均值为4.315348略高于余额宝七日年化收益率2.829577，标准差为0.581349，小于佘额宝七日年化收益率的标准差0.855659，最小值为3，最大值为5.6229，极差是2．6229，峰度和偏度都大于0不服从正态分布。一年期国债收益率的均值为2.615159，低于余额宝七日年化收益率，标准差为0.49498，小于余额宝七日年化收益率的标准差0.855659，最小值为1.1617，最大值为3.805，偏度为3.168753＞０，峰度0.163623>0不服从正态分布。（五）模型估计与结果分析1.模型的估计为了探宄余额宝收益率与其影响因素货币供应量、银行间同业拆借率、银行理财产品收益率、国债收益率之间的关系，选择４个分位数点，分别是在分为点0.2、0.4、0.6、0.8上。先做分位数回归。比较分位数回归与最小二乘的区别，回归结果汇总如下：表8分位数回归结果分位数回归最小二乘法分位点：0.2分位点：0.4分位点：0.6分位点：0.8（intercept）‘-0.967422***（-6.204154）‘-1.147068***（-7.265218）‘-1.649469***（-9.65817）’-1.286325***（-2.590969）’-1.073121***（-6.722571）SHIBOR’0.087207***（3.914199）’-0.009636（-0.254407）0.001503（0.043907）‘-0.068212（-1.538335）‘-0.012749（-0.59217）M2‘-0.00000164***（-21.71457）‘-0.00000147***（-14.76676）-0.000000988***（-9.749816）-0.00000119***（-9.478933）-0.0000014***（-20.87339）M0’0.0000233***（9.871518）’0.000024***（7.624946）‘0.000022***（6.55291）‘0.0000255***（9.900087）‘0.0000258***（12.68623）LCCP‘0.487977***（8.394394）‘0.540322***（9.338742）’0.60851***（21.18619）’0.556582***（10.53557）’0.561731***（22.92733）GZ’0.932298***（24.28095）’0.917287***（21.21911）‘0.813034***（20.01859）‘0.924114***（22.55601）‘0.811433***（31.97047）R-squared0.5490350.5636510.6450820.6405670.839797通过表格可知在部分分位数点上分位数回归改变了解释变量对被解释变量的影响方向，可在一定程度上改变部分区间解释变量的显著性，做最小二乘回归时，SHIBOR不显著，做分位数回归时发现，在0.2分位点之前SHIBOR对余额宝收益率影响显著，0.2及以后该变量对余额宝收益率影响是不显著。从回归结果可以看出狭义货币供应量M0对余额宝七日年化收益率的影响是正向的，在其他变量保持不变的情况下，M0的提高会让余额宝收益率也随之提高，国债收益率对余额宝收益率的影响也是正向的，在其他变量保持不变的情况下，国债收益率提高会让余额宝收益率也随之提高。广义货币供应量M2对余额宝收益率的影响是负向的。一年期银行理财产品收益率对余额宝的收益率的影响是正向的，在其他变量保持变的情况下，一年期银行理财产品收益率提高会让余额宝收益率也随之提高。Shibor在低分位即能显著影响余额宝收益率的区间是正向，其他变量保持不变的情况下，shibor提高会让余额宝收益率也随之提高。2.分位数趋势图图13分位数趋势图建立分位数趋势图如上所示，从图中可以看出随着余额宝七日年化收益率分位点的增加，各解释变量对余额宝收益率的影响的变动趋势，上海银行间同业拆借率对余额宝收益率的影响呈现总体波动下降，在余额宝收益率低分位点及高分位点上同业拆借率对余额宝收益率的影响呈现下降趋势，中间呈缓慢递增趋势。国债收益率对佘额宝收益率的影响呈现U型波动的趋势，0.6分位点之前下降。在余额宝0．6分位点之后影响呈上升趋势。货币供应量M0对余额宝收益率的影响在0.6之前上升趋势，0.6之后逐渐下降。M2在各分位点作用不一，交替变换。银行理财产品收益率对余额宝收益率的影响是倒Ｕ型，在余额宝收益率的0．6分位点达到最大之后逐渐下降。3.贝叶斯分位数回归对分位数方法进行改进，采用贝叶斯分位数的方法对余额宝收益率及其影响因素进行拟合。结果如下：表9贝叶斯分位数回归结果bsqr(ndraw=500)bsqr(ndraw=5000)tau=0.2tau=0.4tau=0.6tau=0.8tau=0.2tau=0.4tau=0.6tau=0.8（intercept）9.50e+052.48e+05-3.28e+04-3.28e+048.59e+056.74e+055.24e+05469084.55LCCP5.25e+033.29e+041.23e+041.23e+044.90e+031.12e+047.19e+0312986.36SHIBOR-1.91e+03-3.38e+04-1.02e+05-1.02e+051.33e+04-1.81e+04-1.25e+04-63297.17M2-3.85e+01-2.98e+01-2.13e+01-2.13e+01-3.42e+01-2.73e+01-1.90e+01-13.81M09.78e-019.24e-017.66e-017.66e-018.83e-017.17e-014.77e-010.32GZ-3.55e+035.49e+041.48e+051.48e+05-1.41e+042.83e+042.28e+0475150.19利用贝叶斯分位数回归探宄余额宝七日年化收益率与其影响因素之间的关系，从表中结果可以看出货币供应量M0对余额宝收益率的影响是正向的，在其他变量保持不变的情况下，M0收益率提高会让余额宝收益率也随之提高，在余额宝收益率的不同分位数点上，M0对余额宝收益率的影响呈现波动的趋势，总体上缓慢下降的。货币供应量M2对余额宝收益率的影是负向的，货币供应量M2对余额宝收益率的影响随着余额宝收益率分位点的增加逐渐下降。一年期银行理财产品收益率对余额宝的收益率的影响是正向的，在其他变量保持不变的情况下，一年期银行理财产品收益率每提高会让余额宝收益率也随之提高。国债收益率对余额宝收益率的影响在低分位点是负向的，在０．４及以后的分位点上对余额宝收益率的影响是正向的，货国债收益率对余额宝收益率的影响随着余额宝收益率分位点的增加而增加。银行同业拆借率在0.4以后与余额宝收益率呈负相关趋势，但分位点0.4之前迭代次数的不同，系数正负不稳定。4.贝叶斯回归结果置信区间表10贝叶斯分位数回归结果置信区间分位点：0.2分位点：0.4分位点：0.6分位点：0.8lowerupperlowerupperlowerupperlowerupperbsqr(ndraw=500)（intercept）9.50e+059.49e+052.48e+05201152.20-3.28e+04-2.29e+05-4.47e+05-5.35e+05LCCP5.25e+034.11e+033.29e+0428102.781.23e+04-5.14e+03-9.12e+03-2.63e+04SHIBOR-1.91e+03-4.48e+03-3.38e+04-43828.05-1.02e+05-1.17e+05-1.35e+05-1.47e+05M2-3.85e+01-3.85e+01-2.98e+01-29.84-2.13e+01-2.21e+01-1.39e+01-1.62e+01M09.78e-019.75e-019.24e-010.897.66e-016.81e-018.02e-017.04e-01GZ-3.55e+03-4.66e+035.49e+0438442.451.48e+057.97e+041.95e+051.24e+05bsqr(ndraw=5000)（intercept）8.43e+058.90e+05549931.107.08e+054.09e+055.46e+051.02e+055.78e+05LCCP-8.13e+038.70e+02-18156.693.23e+03-1.42e+048.77e+03-2.00e+04-5.20e+03SHIBOR4.33e+033.02e+04-43357.60-4.55e+03-5.05e+04-4.57e+02-1.46e+05-9.33e+03M2-3.68e+01-3.27e+01-29.11-2.57e+01-2.19e+01-1.69e+01-1.66e+01-1.06e+01M08.45e-019.41e-010.668.02e-014.08e-015.93e-011.97e-015.19e-01GZ-1.82e+04-9.69e+0314608.426.47e+048.39e+037.31e+04-6.72e+032.26e+05从贝叶斯分位数回归结果的置信区间表中可以看出迭代次数与置信区间的宽度息息相关，随着迭代次数的增加，各解释变量的置信区间在逐渐减小，预测的精度越来越高。 七、结论根据以上分析结果不难看出，余额宝的七日年化收益率受市场多方面因素的影响，且各个影响因素对其收益率的影响趋势在不同情况下可能会发生不同的变化，难以总结出一劳永逸的变化规律。这也就对我国货币市场基金收益率波动的研究和监管提出了新的挑战，即货币市场基金的波动可能是多方面的，受市场上各个因素影响范围相当广泛，这需要我国在监管货币市场基金利率波动的过程中注意方法市场方面的宏观因素变动的冲击，即需要尽快建立全面的监管和衡量机制，及时监管整个市场的指标变化，及时对余额宝等货币市场基金潜在的利率波动做出反应。

参考文献[1]霍翠伟.贝叶斯分位数回归及其应用[D].大连理工大学,2018.[2]张海书.基于贝叶斯方法的空间分位数回归应用分析[D].湖南师范大学,2016.[3]陈珂,张竞文.互联网货币市场基金与金融市场风险溢出效应研究——基于GARCH-CoVaR模型[J].金融理论与实践,2017(09):41-46.[4]关山燕.货币市场基金:利率市场化过程中的金融创新[J].财