关键词：影子银行；经济增长；VAR模型
一、引言
2008年爆发的金融危机令美国等欧美国家陷入了大萧条以来最长的衰退期，“影子银行”被很多人认为是诱发危机的“罪魁祸首”：“影子银行”将原本流动性差、风险高、信用评价低的次级债务进行结构化、分发和打包，进而转换成诸如CDO、MBS等流动性较高、信用评级较高的短期证券化产品，最终销售给投资者。然而这些衍生工具隐含着极高的违约风险，一旦市场出现不利变动（如央行紧缩银根或者是利率上升等），这些证券化产品很可能会无法偿付，从而导致金融机构现金流断裂，引发金融危机。
二、相关文献综述
（一）关于影子银行的概念界定与特征的研究
（二）关于影子银行运行机制和影响的研究
本文借鉴李建军（2010）的研究方法，从信贷需求角度测算我国影子银行规模。这种测算方法的经济理论基础是“一定时期内全社会经济活动主体实现的GDP对应全部金融机构的信贷支持”，称为“单位GDP的贷款系数”，用RYL表示，公式为RYL=全社会未偿还贷款余额/国内生产总值。该指标体现了经济活动受到正规金融机构信贷支持的程度。测算的整体思路是用影子银行的借款主体创造的GDP测算出借款主体所需的信贷总规模，然后剔除借款主体从正规金融机构获得的贷款金额，剩余即为影子银行规模。
四、变量选择和模型设计
（一）变量选取与数据说明
需要说明的是，回归变量的原始数据主要来自国家统计局数据库、人民银行数据库和中国金融年鉴，个别年份的缺失数据，则根据其变化规律推算补齐。
（二）模型选择
基于研究的需要，本文选取向量自回归（VAR）模型来研究影子银行发展与经济增长之间的相互影响关系。VAR方法不以经济理论为基础，而是基于数据的统计性质建立模型，它把系统中每个内生变量作为系统中所有内生变量的滞后值的函数来构造非结构化模型，因而可以对变量之间的动态联系提供严密的论证说明。一个含有N个变量滞后期为p阶的VAR模型可表示如下：
yt=C+A1yt-1+……+Apyt-p+μt
五、实证分析
（一）平稳性检验
由于VAR模型的变量为时间序列数据，因而该模型使用的前提是变量平稳或不平稳但存在协整关系。本文采用ADF检验法对变量DLNY、DLNSB进行平稳性检验，结果见表2。
通过表2可以看出，原始序列Y、SB与对数序列LNY、LNSB的ADF检验值均大于5%显著性水平临界值，不是平稳的时间序列。但对两个变量的对数序列进行一阶差分后发现都是在5%的显著性水平上拒绝存在单位根原假设，这说明DLNSB、DLNY均为平稳序列，本文选择DLNY、DLNSB作为经济增长和影子银行的替代变量建立VAR模型。
（二）VAR模型选择
鉴于本文的样本数据均为年度数据且样本期限较短，为保持合理的自由度，使模型具有较强的解释能力，本文选择最大滞后阶数为3阶。依据LR统计量 （似然比检验）、FPE（最终预测误差）、AIC信息准则、SC信息准则与HQ（Hannan-Quinn）信息准则5个常用指标来进行选择。
（三）Granger因果关系检验
（四）脉冲响应分析
六、结论与建议
第一，明确界定影子银行的范畴，加强对影子银行的监管。由于各监管部门对影子银行的统计数据口径不一，容易造成监管空白，因此，有必要先明确影子银行范围。建立健全影子银行监管相关的法律法规体系，明确“一行三会”的监管职责与权限，实现对影子银行全方位的监管。
第二，引导影子银行资金流向，促进影子银行发挥“正能量”。由于资本的逐利本性，大量的影子银行资金会流向高风险的证券市场。因此作为监管机构，应加强对影子银行资金流向的监管。可以制定一些优惠待遇，引导影子银行的资金流向小微企业、个体商户等急需资金的实体经济单位，促进影子银行发挥“正能量”。
第三，建立影子银行预警监测系统，保证影子银行风险可控。影子银行风险具有隐蔽性、脆弱性、突发性和传染性等特点， 因此监管部门应建立动态审慎的风险监测、预警和化解机制。监管部门应对影子银行的风险水平进行定期评估，防止影子银行资产过度的期限错配和杠杆化，强化影子银行系统的风险监测与预警。
