一、引言

随着经济发展和社会信贷需求的不断增加，影子银行已经逐步成为发达国家金融体系的重要参与主体之一，与此同时传统银行体系的影响力也在不断下降。2007年美国次贷危机的爆发，影子银行在其中起到了关键性的助推作用，影子银行对于次级贷款的过度发放和融资高杠杆率特性也成为此次金融危机的重要诱因，引发了各界对影子银行的重点关注。不同于国外以金融创新和证券化为基础的影子银行体系，我国的影子银行从产生之初就以商业银行为主导，以理财、信托等业务为典型代表，其资金的来源方多为商业银行(林琳等，2016)，这就意味着我国影子银行体系与银行业之间有着密不可分的联系，影子银行积累的风险一旦爆发就会向商业银行蔓延，危及银行业乃至整个金融体系的稳定性。另外，与发达国家的金融市场相比，我国影子银行发展时间较短、尚未走向成熟，加之国内监管体系尚不健全，因此也蕴含着更多的风险，如2014年中诚信托事件、2015年的泛亚兑付风波、2016年“万科事件”以及频发的信托兑付危机事件，都说明我国影子银行已经积累了大量的金融风险。

我国影子银行产生于信贷大幅度紧缩的背景下，在2011年我国影子银行的规模仅为16.86万亿元，到2015年就扩张到57.96万亿元，短短几年的时间内便增长为原来的三倍。2016年4月，穆迪发布了《中国影子银行季度监测报告》，报告指出在2015年中国广义影子银行规模便达到了53.4万亿元人民币，相当于GDP的79%，在银行贷款和资产中的占比分别达到了58%和28%。在如此庞大的影子银行体系中，其资金投向多为无法从商业银行直接贷款的融资主体，如房地产部门、地方融资平台等(裘翔、周强龙，2014)。2016年开始，我国房地产价格开始了新一轮上涨。2016年9月，由中国统计局公布的数据显示，全国100个大中城市新建住宅平均价格达到12617元/平方米，其中有81个城市的新建住宅平均价格实现环比上涨，环比涨幅2.83%，同比涨幅达到16.64%；北京、上海、深圳等一线城市房价甚至出现失控局面，同比涨幅达到25%-45%，房价远超历史同期水平。此轮房价的飞涨迅速引起了国务院等相关部门的关注，2016年10月，国务院针对热点城市密集出台了一系列限购限贷政策，要求银行缩减对于房地产项目的贷款发放，旨在为居高不下的房价进行“降温”。众所周知，房地产业与金融业密切相关，房地产项目的资金大多来源于金融体系，然而房地产市场的调控政策使传统信贷融资渠道大幅收缩，因此大量资金借道影子银行流向房地产行业。房地产项目运作周期较长，投入资金量大且资金流动性低，一旦房价出现下跌，就会引起信用违约率的大幅提升，从而增加影子银行的风险承担，促使系统性金融风险增加。有鉴于此，本文采用了基于房地产商视角的DSGE模型探讨了影子银行对银行业系统性风险的影响，并提出新背景下规范影子银行发展和防范系统性风险的政策建议，以期能为我国宏观审慎监管的进一步有效实施提供理论支撑。

本文以下内容是这样构成的：第二部分是文献综述；第三部分为DSGE模型构建；第四部分是实证分析结果；第五部分是研究结论与政策建议。

二、文献综述

国外对于银行业系统风险的研究起步较早，其中Bartholomew et al.(1995)、De Bandt and Hattmann(2000)认为银行业系统性风险的产生是由于受到了利率冲击、汇率冲击等系统微观经济冲击的影响。Kaufman and Scott(2003)认为银行业系统性风险表现为各银行之间的传染性，指出了杠杆率在银行系统性风险中的重要作用，一家银行的风险会通过各种渠道传染至其他银行机构甚至整个金融系统，Hakkio and Keeton(2004)也从风险传染的角度界定了银行业系统性风险。而关于影子银行对银行业风险影响的研究则是从次贷危机爆发后开始，Baily et al.(2008)和BIS(2008)指出，影子银行高杠杆业务的开展，增加了金融市场的脆弱性，放大了金融市场的系统性风险。Adrian and Shin(2011)认为长期低利率的市场环境促使影子银行不断扩张，增大了风险产生的可能性。Bernanke(2010)和FSB(2011)从影子银行与商业银行业务往来的视角展开，探讨影子银行对银行业风险的影响，他们认为商业银行日益融入到影子银行业务中并深度参与影子银行的业务运作，从而直接承担了影子银行相关风险，加大了自身系统性风险。国际货币基金组织(IMF, 2012)认为影子银行的本质是风险转移，其主要通过证券化和抵押品中介化与其他金融机构联系在一起，并且将风险转移给其他金融机构, 而Pozsar(2011)和Gennaioli et al.(2012)研究发现，影子银行风险也可以通过羊群效应传染给银行业系统，当影子银行体系面临挤兑时，会导致影子银行体系崩溃，这种流动性危机会蔓延到银行系统，使银行业系统性风险增加。

近年来，随着我国影子银行业务规模的迅速增长以及其与商业银行资金的密切往来，国内学者也开始关注影子银行与银行业风险之间的联系。赵蔚(2013)指出我国商业银行对影子银行输送了大量资金，资金的相关性使得影子银行出现流动性危机时，其风险势必波及到银行系统。张慧毅、蒋玉洁(2013)分析了影子银行的期限错配情况，探讨了我国影子银行体系向商业银行体系的风险传导路径。另外，也有部分学者采用实证分析的方法探讨了我国影子银行对银行业风险的影响。张宝林、潘焕学(2013)通过SVAR模型的实证研究发现，影子银行在长期内推动了房价的上升，而房地产泡沫的膨胀加剧了系统性金融风险。方先明、谢雨菲(2016)分析了影子银行交叉传染风险形成机制，强调微观关联效应和宏观联动机制助推了交叉传染风险向正规银行体系的蔓延，进一步可能引发金融系统性风险。胡利琴等(2016)采用非对称的NARDL模型和门限回归模型研究了影子银行的风险承担行为，研究发现我国长期的利率管制与货币政策紧缩期的配合放大了影子银行风险，引起我国整体金融风险的进一步积累。裘翔、周强龙(2014)在研究影子银行与货币政策关系时通过影子银行融资利差描述了影子银行的风险特征及变化。林琳等(2016)通过构建包含五部门的DSGE模型，发现影子银行的融资利差冲击影响了融资价格以及信贷规模，影子银行风险通过影子银行与商业银行之间的资金往来影响了传统银行业，加剧了金融体系的脆弱性，经济上升期金融机构忽视系统性风险的行为会加剧顺周期性从而使风险加大。

国内外学者对于影子银行对银行业风险的影响进行了多角度的研究，然而部分学者仅从宏观角度探讨了影子银行对银行业风险的影响，作为影子银行重要资金投向的房地产部门却较少有人将其纳入到整个体系中进行综合研究。与以往研究不同，本文的主要创新在于：第一，基于当前我国房价大幅上涨的经济背景在模型中加入了房地产部门，充分考虑了房地产企业融资行为变化所引起影子银行风险状况的改变；第二，引入了影子银行和商业银行激励相容约束机制，在此条件下分析了影子银行与商业银行融资杠杆率的变动情况，随后进一步探讨了由此引发的银行业系统性风险的变动情况。另外，在研究方法上，前期文献多采用宏观计量模型，从微观主体最优化决策对宏观经济影响视角切入的研究较少，使得研究结论有效性降低。有鉴于此，本文采用动态随机一般均衡模型(DSGE)，将各微观主体的最优化决策行为纳入其中，以房地产部门的融资行为作为出发点，探讨影子银行发展对于银行业系统性风险的影响，以期能够为政府及相关监管部门维护我国金融稳定提供有益的参考依据。

三、模型构建

本文参考Gertler and Karadi(2011)、林琳等(2016)的模型，在此基础上创新性的加入了房地产部门，并在影子银行和商业银行激励相容约束机制下构建了多部门新凯恩斯主义DSGE模型，以此探讨影子银行对银行业系统性风险的影响。Iacoviello(2005)建立了包含两类异质性家庭的DSGE模型，首次将家庭的异质性纳入模型中。Carvalho(2006)在此基础上进一步引入生产部门的异质性，即将房地产部门和消费品生产部门作为独立的部门引入模型中，他认为存在多个异质性生产部门的DSGE模型能够更好地描述货币政策的传导机制以及名义冲击对实体经济的影响，从而更为有效地模拟现实的经济状况；在我国的相关研究中，侯成琪、龚六堂(2014)和罗娜等(2017)等也认为房地产市场并非是存量交易市场，这与现实经济严重不符，在现实经济中房地产业是国民经济的重要支柱产业，同时我国的房地产部门也在金融领域中占有重要地位。因此，他们在构建DSGE模型时均沿用了生产部门异质性思路，将房地产部门与消费品生产部门作为独立部门进行研究。因此，本文基于以上研究成果，将房地产部门和消费品生产部门作为独立的部门引入模型中，假设模型由家庭、消费品生产商(最终品生产商和中间品生产商)、房地产开发商、影子银行、商业银行和中央银行构成。

(一) 家庭

家庭通过提供劳动获取工资，既消费一般商品，又享受住房和闲暇，其目标是一生总效用最大化(Davis and Heathcote, 2005；谭正勋、王聪，2011；卞志村、胡恒强，2015)。家庭通过选择消费C_t、改善住房条件H_t以及提供劳动L_t^c和L_t^h来最大化自身效用函数：

$ \max {E_0}\sum\limits_{t = 0}^\infty {\beta \left[ {\ln {C_t} + {j_t}\ln {H_t} - {{\left({L{{_t^c}^{\frac{1}{\eta }}} + L{{_t^h}^{\frac{1}{\eta }}}} \right)}^\eta }} \right]} $

(1)

其中，β∈(0, 1)为家庭的贴现因子；η代表了家庭部门劳动与闲暇的替代程度；j_t是住房偏好冲击，直接影响家庭的房地产需求，对数形式服从AR(1)过程：lnj_t=ρ_jlnj_t－1+ε_t^j，ε_t^j~N(0, σ_j²)。

家庭最优化问题的约束条件为：

$ {C_t} + {q_t}\left({{H_t} - {H_{t - 1}}} \right) + {D_t} + {S_t} \leqslant W_t^cL_t^c + W_t^hL_t^h + \frac{{R_{t - 1}^e{D_{t - 1}}}}{{{\pi _t}}} + \frac{{R_{t - 1}^s{S_{t - 1}}}}{{{\pi _t}}} $

(2)

约束条件等式左边为家庭部门当期支出，包括消费支出、住房存量的更新、商业银行存款以及购买银行理财产品；等式右边为当期收入，包括劳动收入、商业银行存款利息收入以及银行理财产品收益。其中，q_t代表房地产价格；D_t为居民在商业银行的存款量；S_t为居民购买的理财产品数额；W_t^c、W_t^h分别为家庭部门从消费品生产商和房地产开发商获得的平均工资；R_t^e为商业银行存款利率；R_t^s为理财产品收益率；π_t为t时期的通货膨胀水平。

家庭最优化行为的一阶条件为：

$ \frac{1}{{{C_t}}} = {E_t}\left({\frac{{\beta R_t^e}}{{{\pi _{t + 1}}{C_{t + 1}}}}} \right) $

(3)

$ \frac{{{q_t}}}{{{C_t}}} = \frac{{{j_t}}}{{{H_t}}} + \beta {E_t}\left({\frac{{{q_{t + 1}}}}{{{C_{t + 1}}}}} \right) $

(4)

$ \frac{{W_t^c}}{{{C_t}}} = {\left({L_t^c} \right)^{\frac{1}{{\eta - 1}}}}{\left[ {L{{_t^c}^{\frac{1}{\eta }}} + L{{_t^h}^{\frac{1}{\eta }}}} \right]^{\eta - 1}} $

(5)

$ \frac{{W_t^h}}{{{C_t}}} = {\left({L_t^h} \right)^{\frac{1}{{\eta - 1}}}}{\left[ {L{{_t^c}^{\frac{1}{\eta }}} + L{{_t^h}^{\frac{1}{\eta }}}} \right]^{\eta - 1}} $

(6)

式(3)表示的是家庭消费的欧拉方程；式(4)表示的是住房跨期欧拉方程；式(5)和式(6)表示劳动供给数量与实际工资之间的关系。

(二) 消费品生产商

消费品生产商包括最终品生产商和中间品生产商，中间品生厂商生产有差别的中间品，并出售给最终品生厂商；最终品生厂商将有差别的中间品加工组成无差别的最终品。

最终品生产商在完全竞争市场购入连续的中间产品Y_t^c(i)，其中i∈[0, 1]，生产最终直接用于消费的产品Y_t^c，生产函数为：

$ Y_t^c = {\left[ {\left({\int_0^1 {Y_t^c{{\left(i \right)}^{\frac{{{\sigma _c} - 1}}{{{\sigma _c}}}}}di} } \right)} \right]^{\frac{{{\sigma _c}}}{{{\sigma _c} - 1}}}} $

(7)

其中σ_c为不同中间商品之间的替代弹性。其最优化条件可以得到需求函数为：

$ Y_t^c\left(i \right) = {\left[ {\frac{{P_t^c\left(i \right)}}{{P_t^c}}} \right]^{ - {\sigma _c}}}Y_t^c $

(8)

最终消费品和中间品价格之间的关系为：

$ P_t^c = {\left[ {\int_0^1 {P_t^c{{\left(i \right)}^{1 - {\sigma _c}}}di} } \right]^{\frac{1}{{1 - {\sigma _c}}}}} $

(9)

中间品生产商在垄断竞争市场雇佣家庭的劳动，并投入资本以生产有差别的中间品，生产函数具有规模报酬不变的特征，设置为：

$ Y_t^c\left(i \right) = A_t^cK_{t - {\lambda _1}}^{c\left({1 - {\lambda _l}} \right)}L_t^{c{\lambda _l}} $

(10)

其中，A_t^c为生产力水平，K_t－1^c是上一期积累的资本，L_t^c为家庭提供的劳动，λ_l代表家庭劳动投入的比例。中间厂商的定价问题遵循Calvo定价原理，假设在每一时期t内每个中间厂商能以概率1－ν制定新的价格，并且所有重新定价的中间厂商都会选择相同的新价格，即P_t^c*，因此t期中间厂商总体价格水平可以表示为：

$ P_t^c\left(i \right) = {\left[ {\nu {{\left({P_t^c} \right)}^{{\sigma _c}}} + \left({1 - \nu } \right){{\left({P{{_t^c}^*}} \right)}^{1 - {\sigma _c}}}} \right]^{\frac{1}{{1 - {\sigma _c}}}}} $

(11)

(三) 房地产开发商

房地产开发商从商业银行获得贷款和从影子银行部门融资，采用资本、劳动和土地来进行房地产开发建设，生产函数符合规模报酬不变的特性：

$ Y_t^h = A_t^hK_{t - 1}^{h{l_k}}L_t^{h{l_l}}H_{t - 1}^{1 - {l_k} - {l_l}} $

(12)

其中，Y_t^h为房地产开发商的最终产出；A_t^h为技术水平；K_t－1^h和H_t－1代表上一期的资本和房地产存量，l_k、l_l分别代表资本和家庭劳动的投入比例。

对于房地产开发商来说，其目标即为最大化其消费(Gerali et al., 2013; 戴金平、陈汉鹏，2013；马亚明、刘翠，2014)，即：

$ \max {E_t}\sum\limits_{t = 0}^\infty {{\alpha _t}\ln C_t^h} $

(13)

其中，C_t^h为房地产开发商的消费；α为贴现因子，0 < α < 1。房地产开发企业所受现金流的约束条件如下：

$ Y_t^h + B_t^h + S{H_t} = C_t^h + {q_t}\left({{H_t} - {H_{t - 1}}} \right) + W_t^hL_t^h + \frac{{R_{t - 1}^bB_{t - 1}^h}}{{{\pi _t}}} + \frac{{R_{t - 1}^{sh}S{H_{t - 1}}}}{{{\pi _t}}} + I_t^h $

(14)

其中，B_t^h为房地产开发商从商业银行获取的贷款；R_t^b为商业银行贷款利率；SH_t为房地产开发商向影子银行融资的数量；R_t^sh为影子银行提供融资的利率；I_t^h为房地产开发商的投资，房地产开发企业总体信贷规模为B_t=SH_t+B_t^h。

房地产开发商的投资I_t^h与资本存量K_t^h之间存在如下关系：

$ K_{t + 1}^h = I_t^h + \left({1 - \delta } \right)K_t^h $

(15)

该式表示的是房地产开发商资本存量的积累情况，δ表示资本折旧率。

本文借鉴Christensen and Dib(2008)以及Iacaviello(2005)的研究，引入信贷约束机制，在这一机制下，房地产开发商将其持有的房地产抵押给商业银行获得抵押贷款，但是其所获得的抵押贷款的数量取决于其还款期抵押品的预期价值。假设m^h为房地产开发商信贷约束比例，需满足：

$ B_t^h \leqslant {m^h}\frac{{{E_t}\left({{q_{t + 1}}{H_t}{\pi _{t + 1}}} \right)}}{{R_t^b}} $

(16)

(四) 影子银行

影子银行资金构成主要包括两部分，一部分来自于影子银行自身留存收益的积累，主要指影子银行净资产N_t^sh；另一部分为商业银行提供的资金转移TR_t，主要是指商业银行发行的理财产品，影子银行资产负债情况可以表示为：

$ S{H_t} = N_t^{sh} + T{R_t} $

(17)

影子银行的净资产为经营收益扣除还款额，因此净资产的积累方程为：

$ N_{t + 1}^{sh} = R_t^{sh}S{H_t} - R_t^{tr}T{R_t} = \left({R_t^{sh} - R_t^{tr}} \right)S{H_t} + R_t^{tr}N_t^{sh} $

(18)

其中，R_t^tr表示商业银行向影子银行转移资金的收益率。

借鉴林琳等(2016)对于模型的设定，考虑到影子银行产品具有一定期限性，到期兑付后即可退出市场，假设市场中每期都有影子银行部门机构退出市场，影子银行的最终目标是使其退出市场时的期望净资产V_t^sh最大化，因此其目标函数为：

$ V_t^{sh} = \max {E_t}\sum\limits_{i = 0}^\infty {\left({1 - \mu } \right){\mu ^i}{\beta ^{i + 1}}{\Lambda _{t, t + 1 + i}}\left[ {\left({R_{t + i}^{sh} - R_{t + i}^{tr}} \right)S{H_{t + i}} + R_{t + i}^{tr}N_{t + i}^{sh}} \right]} $

(19)

其中，μ表示影子银行留在市场的概率，${\Lambda _{t, t + 1}} = \frac{{{\lambda _{t + 1}}}}{{{\lambda _t}}}$是定义在最优消费路径上的贴现因子。我们把V_t^sh写成动态规划的形式：

$ V_t^{sh} = {\nu _t}S{H_t} + {\theta _t}N_t^{sh} $

(20)

其中，ν_t代表影子银行增加1单位资产得到的边际收益，θ_t代表影子银行增加1单位净资产得到的边际收益，二者定义为：

$ {\nu _t} = {E_t}\left[ {\left({1 - \mu } \right)\beta {\Lambda _{t, t + 1}}\left({R_{t + 1}^{sh} - R_{t + 1}^{tr}} \right) + \beta {\Lambda _{t, t + 1}}\mu {x_{t, t + 1}}{\nu _{t + 1}}} \right] $

(21)

$ {\theta _t} = {E_t}\left[ {\left({1 - \mu } \right) + \beta {\Lambda _{t, t + 1}}\mu {z_{t, t + 1}}{\theta _{t + 1}}} \right] $

(22)

借鉴Gertler and Karadi(2011)的模型设置，我们在模型中引入激励相容约束：由于影子银行存在道德风险问题，即在每一期时，可以选择不遵守与商业银行的借款合同，将自己总资产中一部分带走并直接退出市场，因而为了避免影子银行违约带来的损失，需要保证影子银行期望净资产满足如下的激励相容约束：

$ V_t^{sh} \geqslant \omega _t^{sh}S{H_t} $

(23)

其中，ω^sh为影子银行违约，侵吞银行资产的概率。只有满足激励约束的条件，即影子银行净资产大于可转移资产的价值时，影子银行才能继续经营。如果影子银行打破市场激励约束，商业银行不会将资金转移至该影子银行，影子银行破产，退出市场。

结合V_t^sh的表达式，我们可以计算出：

$ S{H_t} = \frac{{{\theta _t}}}{{\omega _t^{sh} - {\nu _t}}}N_t^{sh} $

(24)

其中，定义${\xi _t} = \frac{{{\theta _t}}}{{\omega _t^{sh} - {\nu _t}}}$，表示影子银行融资的杠杆率，反映出影子银行风险的大小，因此影子银行在自身拥有净资产N_t^sh的情况下所能持有的总资产最多不能超过ξ_tN_t^sh，否则影子银行就会破产。

(五) 商业银行

本部分借鉴Gertler and Karadi(2011)的设定，引入影子银行融资利差冲击，反映商业银行向影子银行的资产转移动力，设定如下：

$ {\psi '_t} = v\left[ {E\left({\log R_{t + 1}^{sh} - \log R_{t + 1}^{tr}} \right) - \left({\log {{\bar R}^{sh}} - \log {{\bar R}^{tr}}} \right)} \right] + {\psi _t} $

(25)

其中，ψ_t^′为影子银行融资利差参数；v为影子银行融资利差调整系数；ψ_t为影子银行融资利差冲击，服从AR(1)过程：lnψ_t=ρ_ψlnψ_t－1+ε_t^ψ，ε_t^ψ~N(0, σ_ψ²)。如果预期影子银行融资利差高于均衡利差，说明发展影子银行业务可以获得收益，商业银行有动力发展影子银行业务，因而商业银行向影子银行的资金转移量也会增加，反之则会减少。

商业银行资产总额包括向房地产开发商的贷款和向影子银行转移的资金，商业银行负债包括自有资本和外部借款，外部借款由存款和理财产品构成，因此，商业银行资产负债情况为：

$ B_t^h + T{R_t} = N_t^b + {O_t} = N_t^b + \left({1 - R_t^d} \right){D_t} + {S_t} $

(26)

其中，O_t为外部借款，N_t^b为商业银行净资产，R_t^d为中央银行设定的存款准备金率，用以调整商业银行信贷规模。

理财产品与外部借款之间的关系为：${\partial _t} = \frac{{{S_t}}}{{{O_t}}}$，则$1 - {\partial _t} = \frac{{\left({1 - R_t^d} \right){D_t}}}{{{O_t}}}$，本文假设${\partial _t}$是由商业银行的资产组合所决定而非家庭，家庭只是被动的接受者。

相对应的，外部借款利率R_t^o也是由存款利率R_t^e和理财产品收益率R_t^s加权平均得出：

$ R_t^{\text{o}} = {\partial _t}R_t^s + \left({1 - {\partial _t}} \right)\frac{{R_t^e - R_t^d}}{{1 - R_t^d}} $

(27)

商业银行净资产的积累方程为：

$ N_{t + 1}^b = R_t^bB_t^h + R_t^{tr}T{R_t} - R_t^o{O_t} = \left({R_t^b - R_t^o} \right)B_t^h + \left({R_t^{tr} - R_t^o} \right)T{R_t} + R_t^oN_t^b $

(28)

类似于影子银行，每家商业银行都会有1－κ的概率在当期退出金融市场，成为普通家庭进行消费(康立，2013)，因此商业银行最终目标是最大化其退出市场时的期望净资产V_t^b：

$ V_t^b = \max {E_t}\sum\limits_{i = 0}^\infty {\left({1 - \kappa } \right){\kappa ^i}{\beta ^{i + 1}}{\Lambda _{i, t + 1 + i}}\\ \left[ {\left({R_{t + i}^b - R_{t + i}^o} \right)B_{t + i}^h + \left({R_{t + i}^{tr} - R_{t + i}^o} \right)T{R_{t + i}} + R_{t + i}^oN_{t + i}^b} \right]} $

(29)

同理，我们把V_t^b写成动态规划的形式：

$ V_t^b = \lambda _t^bB_t^h + \lambda _t^{tr}T{R_t} + {\gamma _t}N_t^b $

(30)

商业银行也受到激励相容约束，由于商业银行存在道德风险问题，即在每一期时，可以选择不遵守与家庭的借款合同，将自己总资产中的一部分带走然后退出市场，因而为了避免商业银行违约产生的损失，需要保证商业银行期望净资产满足如下激励相容约束：

$ V_t^b \geqslant \omega _t^b\left({B_t^h + T{R_t}} \right) $

(31)

其中，ω^b为银行违约，吞没家庭资产的概率，如果商业银行打破市场激励约束，家庭将不会将存款存至该银行，银行破产，退出市场。

计算得出，商业银行总资产、融资杠杆率与净资产之间的关系为：

$ B_t^h + T{R_t} = \frac{{{\gamma _t}}}{{\omega _t^b - l\left({\lambda _t^b - \lambda _t^{tr}} \right) - \lambda _t^{tr}}}N_t^b $

(32)

其中，定义${\varphi _t} = \frac{{{\gamma _t}}}{{\omega _t^b - l\left({\lambda _t^b - \lambda _t^{tr}} \right) - \lambda _t^{tr}}}$，表示商业银行融资的杠杆率，反映出商业银行风险的大小，因此商业银行在自身拥有净资产N_t^b的情形下，所能持有的总资产最多不能超过φ_tN_t^b。

(六) 中央银行

本文选假设中央银行采取数量型货币政策规则进行宏观调控，将货币供应量作为数量型货币政策的代理变量，货币政策变动规则为：

$ {\omega _t} = {\rho _m}{\omega _{t - 1}} - {\varphi _\pi }{E_t}{\pi _{t + 1}} - {\varphi _y}{Y_t} + {\upsilon _{m, t}} $

(33)

其中，${\omega _t} = \frac{{{M_t}}}{{{M_{t - 1}}}}{\pi _t}$为名义货币增长率，ρ_m为货币政策冲击的持续性参数，φ_π为货币政策中通货膨胀预期的权重系数，φ_y为货币政策中产出缺口的权重系数，υ_{m, t}为货币政策冲击。

(七) 市场出清

在均衡状态下，产品市场、房地产市场和信贷市场出清，对经济形成总体资源约束。

$ Y_t^c = {C_t} + C_t^h + I_t^h $

(34)

$ Y_t^h = {H_t} - \left({1 - \delta } \right){H_{t - 1}} $

(35)

$ {B_t} = S{H_t} + B_t^h $

(36)

(八) 外生冲击

本文假设在经济中存在三种外生冲击，分别如下：

$ 影子银行融资效率冲击:\ln {\psi _t} = {\rho _\psi }\ln {\psi _{t - 1}} + \varepsilon _t^\psi $

(37)

$ 房地产偏好冲击:\ln {j_t} = {\rho _j}\ln {j_{t - 1}} + \varepsilon _t^j $

(38)

$ 货币政策冲击:\ln {\upsilon _{m, t}} = {\rho _m}\ln {\upsilon _{m, t - 1}} + \varepsilon _t^m $

(39)

其中ρ_ψ、ρ_j和ρ_m为冲击的持续系数，ε^ψ、ε^j和ε^m为随机扰动项，均服从正态分布，其均值全部等于0，它们的标准差分布分别为σ_ψ、σ_j和σ_m。

四、实证分析 (一) 数据来源与影子银行规模 1. 数据来源

由于方程是非线性的，我们采用刘斌(2008)介绍的对数线性化的方法，首先对公式进行对数线性化处理，再用dynare软件包在matlab环境中模拟当受到外界产生冲击时，各个经济变量的变动情况。根据本文建立的模型，本文样本区间选取2011年1季度到2016年4季度的季度数据，数据来自中国人民银行网站和Wind数据库。其中，总产出采用实际GDP数据表示；总消费采用社会消费品零售总额和商品房销售额合计数；通货膨胀采用居民消费价格指数CPI的数据；名义利率采用银行间同业拆借利率表示。以上数据均经过HP滤波处理得到各变量的波动数据。

2. 我国影子银行规模

依据国务院办公厅于2014年发布的107号文中对影子银行的定义，本文从机构角度出发，结合中国影子银行发展的特殊情况，将我国的影子银行体系分为三种渠道类别：银行渠道、其他金融机构渠道和非金融机构渠道，其中银行渠道包括银行发行的理财产品、同业资产、委托贷款以及未贴现银行承兑汇票；其他金融机构渠道包括信托产品、小贷企业和股权私募基金；非金融机构渠道主要包括民间融资行为和P2P网贷。表 1给出了我国影子银行2011至2016年的发展规模。

从表 1可以看出，近几年我国影子银行规模增长迅速，从2011年的16.86万亿元增长到2016年的66.20万亿元，五年间增长了292.65%，其中银行渠道影子银行业务规模占有绝对大的比例，所占比重从2011年的58.24%上升到2017年的71.13%，其他金融机构和非金融机构渠道仍然占比较少。由此可见，中国式影子银行以商业银行为主导，更像是“银行的影子”。我国影子银行以银行理财产品和信托公司的信托产品为核心，是商业银行信贷的延伸，为商业银行表内资产腾挪表外提供了通道。

(二) 参数校准

DSGE模型一般通过两种方式进行参数校准，第一种是参考已有前期文献; 第二是根据实际经济运行状况通过宏观数据测算得出，本文结合这两种情况进行参数校准。Lawrance(1991)认为家庭部门的主观贴现因子应在0.90到0.98之间，本文考虑到我国家庭部门的实际情况，将家庭部门的主观贴现因子β取值为0.96；劳动供给跨期替代弹性η参考刘斌(2008)研究设定为1.16；参考Gertler and Karadi(2011)的设定，将中间要素产品之间的替代弹性σ_c校准为0.33；参考郝毅、李政(2017)的设定，将消费品生产部门劳动投入比例λ_l设定为0.5，将房地产生产部门的劳动投入比例l_l和资本投入比例l_k均设为0.3；企业贴现因子α参考Gertler et al.(2010)设定为0.99；根据康立等(2013)的估计，为使资本年折旧率达到10%，本文将资本季度折旧率δ设定为0.025；由于国内缺乏相关的研究，所以我们参考Gertler et al.(2010)将影子银行留在市场的概率μ设定为0.9685，参照Gertler and Karadi(2011)的设定，将影子银行吞没银行资产的概率和商业银行吞没家庭资产的概率ω^sh和ω^b均设定为0.38；Gertler and Karadi(2011)、林琳等(2016)认为影子银行融资利差调整系数v的取值在10-100之间，考虑到中国影子银行系统现阶段的特点，本文校准为11，将商业银行留在市场的概率κ设定为0.9。

(三) 部分参数贝叶斯估计

模型中待估计的参数为{ρ_ψ, ρ_j, ρ_m, φ_π, φ_y, ε^ψ, ε^j, ε^m}，表 3给出了相关变量的校准值。根据相关文献及我国实际经济数据进行取值，参考Gertler and Karadi(2011)将影子银行融资利差冲击的持续性参数ρ_ψ的先验均值设定为0.50；参考马亚明、刘翠(2014)的研究，将房地产偏好冲击的持续性参数ρ_j设为均值为0.95的先验分布；参考刘喜和等(2014)的研究将货币政策冲击持续性参数ρ_m的先验均值设定为0.60，货币政策中通货膨胀预期的权重系数φ_π、货币政策中产出缺口的权重系数φ_y分别设定为0.31和0.06；房地产偏好冲击j、影子银行融资利差冲击ψ的和货币政策冲击υ_{m, t}标准差的先验均值均设定为0.01，且服从InvGamma分布。

(四) 脉冲响应分析

根据Adrian and Shin(2011)、Bernanke(2010)、FSB(2011)、裘翔、周强龙(2014)、林琳等(2016)以及胡丽琴等(2016)等前期文献的研究，我们采用影子银行融资利差指标来替代度量影子银行冲击的影响；根据Kaufman and Scott(2003)、Ariccia等(2014)、李妍(2010)以及刘春航、朱元倩(2011)等前期文献的研究，我们采用融资杠杆率指标来替代度量银行业系统性风险。通过Matlab中的Dynare工具箱，我们可以得到商业银行融资杠杆率、商业银行贷款利率及规模、房地产开发商产出、影子银行融资杠杆率、影子银行提供融资的利率及规模等关键变量对影子银行融资利差冲击ψ、房地产偏好冲击j以及货币政策冲击υ_{m, t}的脉冲响应图。本文通过分析各关键变量的反应程度，一方面，直接研究影子银行融资利差冲击对于影子银行风险以及商业银行融资杠杆率的影响，进而分析出影子银行对银行业系统性风险的影响；另一方面，房地产偏好冲击与货币政策冲击则是通过影子银行融资利差冲击间接影响商业银行的融资行为从而对银行业系统性风险产生影响。本文的脉冲响应图请参见图 1-图 3。

1. 影子银行融资利差冲击

当施加标准差为1%的正向影子银行融资利差时：在系统性风险方面，商业银行的融资杠杆率初始值为0.0015，随后不断上升，在第6期达到最大值0.0035，随后逐渐下降，而影子银行融资杠杆率与商业银行的融资杠杆率变化情况类似，在初期不断的上升且在第5期达到最大值0.0023后逐步回归稳态。这表明，在初期正向的影子银行融资利差冲击使商业银行的融资杠杆率不断提升，同时，由于影子银行融资利差的增加，使得商业银行也在不断向影子银行提供资金，进一步推升了影子银行的融资杠杆率，使影子银行风险也随之而增加；在信贷规模方面，影子银行融资利差的增加会增加商业银行对影子银行的资金转移，从而使影子银行的可贷资金增加，商业银行可贷资金减少，影子银行提供的信贷融资规模也会相应上升，初期正向偏离稳态值0.001，商业银行贷款量初期下降了0.003，随着商业银行资金转移量的增加而持续上升，在第5期达到了最大值0.0022，而后回归到稳态水平，说明影子银行的信贷规模上升会推升影子银行融资杠杆率，形成了影子银行的高杠杆风险；在资金价格方面，影子银行的业务发展提升了商业银行的资金价格，同时影子银行的资金价格出现了负向的响应；在房地产开发商方面，影子银行融资利差的增加初期会使房地产开发商产出呈现负向响应，而后逐步回升至稳态水平，由此可见，影子银行利差增加会推升商业银行贷款利率，这一情况不但对房地产开发商产出造成负面影响，同时也为影子银行风险向商业银行风险传导提供了路径。

2. 房地产偏好冲击

当施加标准差为1%的正向房地产偏好冲击时：在系统性风险方面，商业银行融资杠杆率和影子银行融资杠杆率都有所上升，商业银行融资杠杆率在第5期达到最大值0.43，影子银行融资杠杆率在第4期达到最大值0.3。由此可见，房地产偏好冲击会通过影响影子银行融资利差使融资杠杆率不断上升，增加了银行业的系统性风险：正向房地产偏好冲击使得房地产开发商的资金需求量增加，一方面，商业银行追逐利润的动机使他们不断增加对房地产企业的贷款，使自身的融资杠杆率不断上升；另一方面，房地产需求的增加使商业银行为追求利润通过不断发行理财产品的形式进行融资，进一步增加向影子银行的资金转移量，使得影子银行融资利差不断扩大，此种方式通过影子银行间接为房地产开发商提供资金，客观上推动了影子银行的发展，使得影子银行和商业银行的融资杠杆率不断提升，银行业的系统性风险也在不断随之而增加；在信贷规模方面，商业银行信贷量会随着房地产开发商产出的增加而相应提升，初期增加了0.022个单位，而后迅速下降并逐步回归到稳态水平。这说明，不断扩张的房地产产出也增加了对于影子银行的资金需求，影子银行融资利差也随之扩大，影子银行预期利润上升导致影子银行对房地产部门的资金投入快速增加；在资金价格方面，房地产开发商对于贷款需求量的增加使得资金水平出现较大增幅，商业银行贷款利率初期上升了0.009，影子银行融资利率初期提升了0.0016。这说明，居民增加的房地产偏好会增加房地产企业的产出，推升两者的融资资金价格，导致两者的融资杠杆率的进一步提高，造成整个金融体系的不稳定；对于房地产开发商，房地产的边际效益上升，家庭会增加房地产的投资比重，同时开发商会增加房地产供应，增加对银行的贷款需求，推升银行融资杠杆率，造成银行业系统性风险的积累。

3. 货币政策冲击

当施加标准差为1%的货币政策冲击时：在系统性风险方面，在紧缩性货币政策背景下，商业银行自身的利润空间缩小，商业银行为了获得更多的收益将不断发行新的理财产品和发展影子银行业务。在我国，影子银行监管调控方面比较薄弱，使得同期影子银行融资利差高于商业银行，商业银行会不断增加向影子银行的资金转移量，从而推动影子银行规模的扩张，使得影子银行的融资杠杆率不断提升，在第6期达到最大值0.27。同时，随着商业银行负债规模的增加，商业银行融资杠杆率也在迅速攀升，在第5期达到最大值0.48，商业银行发行理财产品的行为加大了银行业系统性风险，造成了整个金融系统风险的积累；在信贷规模方面，紧缩性的货币政策使得商业银行可贷资金减少，商业银行贷款量下降，初期时负向偏离稳态值0.02个单位，商业银行预期利润下降，而影子银行融资利差仍然较大，影子银行预期利润较高，为了获得更多的收益，商业银行更有动力发展影子银行业务，向影子银行转移资金的数额增加。由此可见，紧缩性货币政策实施后促进了影子银行扩大融资规模、对商业银行的调控效果削弱，紧缩性货币政策没有起到调控作用，反而增加了银行业系统性风险的积累；在资金价格方面，紧缩性货币政策冲击对于资金价格造成负向影响，商业银行贷款利率和影子银行融资利率都有所下降；在房地产开发商产出方面，由于受到信贷约束的影响，房地产开发商的产出也出现了下降，同时商业银行贷款利率并没有因为货币政策的紧缩而提升，反而随着影子银行融资利率的下降而出现下降，这意味着影子银行的存在削弱了货币政策有效性，中央银行通过货币政策调控经济的目标难以实现，同时也造成了银行系统性风险的累积，这也与裘翔、周强龙(2014)的研究结论相一致。

五、结论及政策建议

在目前我国影子银行规模迅速扩张，新一轮房地产调控展开的背景下，本文建立了一个包含家庭、消费品生产商(最终品生产商和中间品生产商)、房地产开发商、影子银行、商业银行和中央银行多部门经济主体的动态一般均衡模型，通过正向的房地产偏好冲击、商业银行资产转移冲击以及货币政策冲击从房地产开发商产出、信贷规模、资金价格和系统性风险四个方面，讨论了房地产企业的融资行为引致的商业银行发展影子银行业务的情况，分析了影子银行风险传递到商业银行的路径以及影子银行的发展对于银行业系统性风险的影响，为我国银行业防控金融风险提供了针对性对策建议。研究结果表明：房地产开发商的融资行为增加了商业银行发展影子银行业务的动机，商业银行不断通过理财产品的形式向影子银行转移资金，一方面加大了商业银行自身的融资杠杆率，另一方面也使得影子银行融资杠杆率不断提升，增加了商业银行系统性风险的程度；其次，商业银行向影子银行转移资产的行为为影子银行风险传导至商业银行提供了路径，影子银行体系集聚了大量的风险，并通过与商业银行之间的直接资金往来以及信息渠道将风险传递到商业银行体系，为银行业系统性风险的形成提供了导火索；最后，影子银行的存在也削弱了货币政策有效性，使政策预期与实际结果存在较大偏差，使得中央银行通过货币政策调控宏观经济的目标难以实现，银行业的系统性风险管控难度加大。因此，为了能够更好地防控银行业的系统性风险，我国必须坚持稳健中性的货币政策，掌握好稳增长与去杠杆之间的平衡，将风险防控置于更重要的位置，同时将货币政策与宏观审慎政策相结合，建立双支柱调控框架。

结合本文研究结论和我国影子银行发展状况，我们提出以下引导影子银行的合理健康发展和防范我国系统性金融风险的政策建议：第一，完善我国的宏观审慎监管体系，将全部影子银行机构纳入宏观审慎监管，实行统一的宏观审慎监管体制，强调三大分业监管协会的配合，共同监督影子银行健康发展，同时建立宏观审慎监管指标体系，明确对于影子银行发展的要求；第二，建立影子银行与商业银行之间的防火墙，一方面从商业银行内部出发，建立传统业务与影子银行业务的防火墙，防止理财产品借助通道投向国家严格限制的领域，另一方面要在商业银行与影子银行之间设立防火墙，加强对于合作影子银行资质以及资金投向的审查，建立与合作机构的风险代偿机制；第三，加强影子银行信息披露，健全影子银行法律法规，包括建立统一的影子银行信息收集和统计平台，实现监管部门间信息共享，还要加快对于新兴影子银行机构的立法进程，从更高的法律层面对影子银行机构进行监管，保障投资者的合法权益。