互聯(lián)網(wǎng)金融與商業(yè)銀行能互利共生嗎？
——基于利率聯(lián)動與系統(tǒng)性風險視角

李慶華，李峰波，徐淑華

(1．華中師范大學 經(jīng)濟與工商管理學院， 武漢 430079；2．華北科技學院 管理學院，北京 065201)

內(nèi)容提要：余額寶是我國規(guī)模最大的貨幣市場基金，本文從余額寶收益率與商業(yè)銀行利率間聯(lián)動關(guān)系和商業(yè)銀行系統(tǒng)性風險兩個視角分別構(gòu)建DCC-MVGARCH模型和SVAR模型研究互聯(lián)網(wǎng)金融對商業(yè)銀行的沖擊。研究結(jié)果表明，余額寶收益率與商業(yè)銀行利率存在正向聯(lián)動關(guān)系；從長期來看，余額寶的發(fā)展對商業(yè)銀行系統(tǒng)性風險的影響趨于均衡，但在短期內(nèi)，余額寶的發(fā)展增加了商業(yè)銀行的系統(tǒng)性風險。因此，應(yīng)當規(guī)范互聯(lián)網(wǎng)金融的發(fā)展，強化監(jiān)管，使互聯(lián)網(wǎng)金融與商業(yè)銀行互利共生的同時降低銀行的系統(tǒng)性風險。

近年來，互聯(lián)網(wǎng)金融“野蠻生長”，撬動了商業(yè)銀行的利益“奶酪”并日益顯現(xiàn)出不容小覷的優(yōu)勢。根據(jù)天弘基金披露數(shù)據(jù)顯示，截至2018年第三季度末，余額寶的凈資產(chǎn)規(guī)模已達到1.323萬億元，購買余額寶理財產(chǎn)品的用戶占總用戶的81.8%，余額寶已經(jīng)成為互聯(lián)網(wǎng)金融領(lǐng)域的“領(lǐng)頭羊”。與此同時，監(jiān)管層也注意到互聯(lián)網(wǎng)金融發(fā)展過程中的不定因素與潛在風險。2018年6月證監(jiān)會和央行聯(lián)合出臺了《關(guān)于進一步規(guī)范貨幣市場基金互聯(lián)網(wǎng)銷售、贖回相關(guān)服務(wù)的指導(dǎo)意見》，其中對“個體投資者在單一基金銷售機構(gòu)里持有的單只貨幣市場基金在單日進行T+0贖回提現(xiàn)時金額不能超過1萬元”的限定備受關(guān)注。從2018年6月6日起，余額寶轉(zhuǎn)出到銀行卡的快速到賬額度也被限定為單日單戶1萬元。

爆發(fā)式發(fā)展的互聯(lián)網(wǎng)金融毋庸置疑地能夠催化金融改革，但它與傳統(tǒng)商業(yè)銀行之間是此消彼長的競爭還是彼岸相望式的發(fā)展？本文通過剖析以余額寶為代表的互聯(lián)網(wǎng)金融與商業(yè)銀行利率的聯(lián)動關(guān)系以及前者對后者產(chǎn)生風險影響，為合理引導(dǎo)互聯(lián)網(wǎng)金融的發(fā)展和商業(yè)銀行自身的改革提供理論依據(jù)。

一、文獻回顧

國內(nèi)外關(guān)于互聯(lián)網(wǎng)金融的發(fā)展對商業(yè)銀行影響的研究主要集中于利率波動關(guān)系和風險管控兩大方面。

有研究表明，上海銀行間同業(yè)拆放利率(Shibor)對互聯(lián)網(wǎng)金融理財產(chǎn)品和貨幣市場基金的收益率具有顯著的正向影響[1]，并且其波動存在“逆周期性”[2]。而互聯(lián)網(wǎng)貨幣基金收益率對Shibor的影響作用為負向脈沖響應(yīng)，Shibor對互聯(lián)網(wǎng)貨幣基金收益率則呈現(xiàn)正向的脈沖響應(yīng)[3]。相反的觀點認為互聯(lián)網(wǎng)貨幣型基金的收益率雖然有助于加速利率市場化的改革進程，但不能過于放大互聯(lián)網(wǎng)金融對于貨幣市場的沖擊效應(yīng)[4]。由此可見，關(guān)于互聯(lián)網(wǎng)金融收益率和商業(yè)銀行利率的關(guān)系缺乏聯(lián)動分析，雖然有個別學者注意到二者存在相互作用，但是隱含的基本假設(shè)認為商業(yè)銀行和互聯(lián)網(wǎng)金融在金融市場中是相互競爭甚至是對立的，某種程度上否定了互聯(lián)網(wǎng)金融與商業(yè)銀行和平共處、互利共生的可能性。

關(guān)于互聯(lián)網(wǎng)金融的發(fā)展是否會增加商業(yè)銀行的系統(tǒng)性風險，理論研究尚未形成統(tǒng)一定論。有文獻表明，互聯(lián)網(wǎng)金融具有技術(shù)溢出效應(yīng)，減少了銀行貸款關(guān)系中的信息不對稱，有利于銀行風險管理[5]。從技術(shù)創(chuàng)新角度出發(fā)，互聯(lián)網(wǎng)金融的云計算和大數(shù)據(jù)使得商業(yè)銀行更容易識別信用風險，提高了商業(yè)銀行對于風險的識別能力，也提高了整個金融市場對于系統(tǒng)性風險的抵御水平[6]，彌補了其盈利性和風險方面的不足，有效地降低了銀行破產(chǎn)風險[7]。相反的觀點則認為，互聯(lián)網(wǎng)金融中由于逆向選擇而所導(dǎo)致的信用風險，并不能通過使用互聯(lián)網(wǎng)技術(shù)而降低[8]。此外，互聯(lián)網(wǎng)金融通過影響銀行的資產(chǎn)負債結(jié)構(gòu)，在短期內(nèi)顯著增加了銀行的系統(tǒng)性風險[9]。而以余額寶為代表的互聯(lián)網(wǎng)金融對商業(yè)銀行資產(chǎn)和負債業(yè)務(wù)造成了重大沖擊，并對資本市場的系統(tǒng)性風險具有顯著的溢出效應(yīng)[10]。

由此可見，對相關(guān)問題的研究至少可以從三個方面進行改進：首先，可通過構(gòu)建DCC-MVGARCH模型來考察互聯(lián)網(wǎng)金融與商業(yè)銀行的互利共生關(guān)系。其次，對影響銀行系統(tǒng)性風險的指標運用主成分分析方法進行篩選，剔除影響較小或者無關(guān)指標。最后，打破以往構(gòu)建系統(tǒng)性風險指數(shù)的傳統(tǒng)方法，采取逆向方法對銀行系統(tǒng)性風險指數(shù)進行分解，構(gòu)建SVAR模型探究互聯(lián)網(wǎng)金融對不同風險指標的影響。經(jīng)過以上三大改進，可以從動態(tài)視角有效地考察互聯(lián)網(wǎng)金融與銀行利率波動的聯(lián)動關(guān)系；不僅能夠有效地研究互聯(lián)網(wǎng)金融對于商業(yè)銀行的系統(tǒng)性風險的影響，而且還可以反映出互聯(lián)網(wǎng)金融對不同風險指標影響的差異性。

二、余額寶收益率與銀行利率的聯(lián)動性

(一)模型構(gòu)建

利率作為金融市場中最為敏感的信號，具有動態(tài)變化的特點，而DCC-MVGARCH模型因具有簡潔性、直觀性、穩(wěn)定性的特點被學界廣泛用于金融市場和金融資產(chǎn)的動態(tài)相關(guān)性研究中。此處借鑒趙雪瑾等(2016)對于市場聯(lián)動性的研究思路以及DCC-MVGRACH模型的構(gòu)建方法，來分析余額寶收益率與商業(yè)銀行利率之間的聯(lián)動關(guān)系，定義二者的相關(guān)系數(shù)為ρt。

相關(guān)系數(shù)通常被用來衡量變量之間相關(guān)性的強弱，相關(guān)系數(shù)的取值范圍在0-1之間，按照學界關(guān)于相關(guān)系數(shù)值大小與相關(guān)性強弱的界定，此處定義|ρ|=0，完全不相關(guān)0<|ρ|<0.19，微弱相關(guān)；0.2<|ρ|<0.39，低度相關(guān)；0.4<|ρ|<0.69，顯著相關(guān)；0.7<|ρ|<0.89，高度相關(guān)；0.9<|ρ|<1，極高度相關(guān)；|ρ|=1，完全相關(guān)。

利用DCC-MVGARCH模型確定余額寶收益率和商業(yè)銀行利率的相關(guān)系數(shù)ρt的具體方法如下：

假定t時刻余額寶收益率為r1,t，商業(yè)銀行的利率為r2,t，令rt=(r1,t,r2,t)′，rt服從均值為0，協(xié)方差矩陣為Ht的條件多元正態(tài)分布：

rt|Ft-1～N(0,Nt)

(1)

Ht=DtRtDt

(2)

(3)

我們采取了分兩個階段的方法去估計Ht，那么在第一階段的估計過程中，我們分別對r1和r2進行估計，那么就可以得出單變量GARCH方程：

(4)

第二階段由式(4)得到標準化殘差εt=D-1rt，εt～N(0,Rt)，則動態(tài)條件相關(guān)結(jié)構(gòu)為：

(5)

在(5)式中，Qt代表的是標準化的殘差εt的2行×2列的時變協(xié)方差矩陣，而Q則代表的是標準化的殘差εt的無條件方差矩陣，我們需要估計的系數(shù)是α和β。它們的取值需要滿足α+β<1這一條件。之后，我們進一步對Qt進行標準化處理，就可以得到Rt：

Rt=(Q*)-1Qt(Q*)-1

(6)

下面采用最大似然估計法估計參數(shù)，對數(shù)似然函數(shù)值可表示為：

(7)

將式(2)和εt=D-1rt代入式(7)，得：

(8)

令：

(9)

(10)

綜上所述，(8)式就可以表示為L=Lv+Lc。由于我們采用了分兩個階段的估計方法，在第一階段對波動部分的估計中，我們估計得到了Lv；在此基礎(chǔ)上，在第二階段中，我們進一步對相關(guān)性部分Lc進行估計。經(jīng)過兩個階段的估計之后，我們就可以得到L，進而也就可以得到α和β這兩個參數(shù)的估計值了。

(二)實證分析

1.數(shù)據(jù)來源

為了研究中國金融市場中以余額寶為代表的互聯(lián)網(wǎng)金融與商業(yè)銀行利率之間波動的聯(lián)動性，我們分別選取了余額寶七日年收益率以及同一時期上海銀行間同業(yè)拆借利率(Shibor)數(shù)據(jù)，余額寶七日年化收益率數(shù)據(jù)摘自于余額寶基金管理公司官網(wǎng)，上海銀行間同業(yè)拆借利率(Shibor)摘自于上海銀行間同業(yè)拆借官網(wǎng)。考慮到余額寶是在2013年之后才投入市場的，我們最終選擇2013年5月30日至2018年10月16日余額寶七日年化收益率與一周Shibor數(shù)據(jù)作為此次研究的樣本數(shù)據(jù)，總共獲得有效數(shù)據(jù)1311個，我們結(jié)合Eviews8.0和R軟件，通過建立DCC-MVGARCH模型來探尋兩者利率之間波動的關(guān)系。

2.統(tǒng)計描述

對余額寶收益率與商業(yè)銀行利率數(shù)據(jù)進行統(tǒng)計分析得到圖1與圖2。

圖1 余額寶收益率數(shù)據(jù)統(tǒng)計 圖2 商業(yè)銀行利率數(shù)據(jù)統(tǒng)計

由圖1與圖2可知余額寶與商業(yè)銀行的利率均值分別為0.038519與0.030677，相對而言余額寶收益率要略高于銀行利率。銀行利率的偏度與峰度都要大于余額寶收益率，通過JB統(tǒng)計量檢驗其是否服從正態(tài)分布，結(jié)果表明兩個統(tǒng)計量都遠遠大于5%的顯著水平下的臨界值5.9915，說明兩者利率均不服從正態(tài)分布。

3.單位根檢驗

為了避免后續(xù)操作陷入“偽回歸”，在使用DCC-MVGARCH模型前必須保證時間序列變量是平穩(wěn)的。因此采用單位根檢驗來確定兩種變量的穩(wěn)定性。檢驗結(jié)果表明Shibor數(shù)據(jù)是平穩(wěn)序列，余額寶七日年化收益率數(shù)據(jù)雖然顯示不平穩(wěn)，但通過使用R軟件對余額寶七日年化收益率進行協(xié)整檢驗后，得到在1%的顯著水平下序列是平穩(wěn)的。以上便滿足了DCC-MVGARCH模型使用的前提條件，以便實證進一步進行。

4.多變量DCC-MVGARCH模型的估計結(jié)果

根據(jù)AIC最小準則，本文選取GARCH(1，1)來估計余額寶七日年化收益率和一周Shibor。表1是DCC-MVGARCH模型具體的估計結(jié)果。表中alpha+beta<1，符合約束條件，并且alpha和beta的p值都接近于0，拒絕原假設(shè)，alpha和beta都不為0。這也驗證了標準化殘差εt確實能夠?qū)ο嚓P(guān)系數(shù)ρt產(chǎn)生顯著的影響。同時alpha+beta值越接近于1，說明變量的相關(guān)性變動越具有較強的持續(xù)性特征。由表1可以看出，余額寶七日年化收益率和一周shibor的相關(guān)性變動具有較強的持續(xù)性。

在上文利用DCC-MVGARCH模型估計余額寶七日年化收益率與一周shibor的動態(tài)相關(guān)性的基礎(chǔ)上，進一步利用統(tǒng)計圖對動態(tài)相關(guān)系數(shù)的變化進行顯示。從圖3中可知，在第1期至第1311期兩者利率之間每一期的動態(tài)相關(guān)系數(shù)中，大部分的數(shù)值大于0，且在第500期至第950期內(nèi)系數(shù)幾乎沒有任何波動，保持較高的正相關(guān)。而在第950期至第1250期內(nèi)動態(tài)系數(shù)發(fā)生了非常劇烈的波動，隨后又恢復(fù)到原來的水平。這表明余額寶七日年化收益率與一周Shibor之間總體而言具有較強的正向聯(lián)動性。這也與DCC-MVGARCH模型的估計結(jié)果一致。

表1 DCC-MVGARCH模型估計結(jié)果

圖3 動態(tài)相關(guān)系數(shù)統(tǒng)計圖

進一步由表2可知，余額寶七日年化收益率與一周Shibor間的動態(tài)相關(guān)系數(shù)中位數(shù)為0.95，均值為0.64，說明這兩者在總體上呈正相關(guān)且相關(guān)性較高。綜上所述，余額寶七日年化收益率與一周Shibor之間存在較強的正向聯(lián)動關(guān)系。之所以二者的利率呈現(xiàn)正向聯(lián)動關(guān)系是由于余額寶的絕大部分的資金最終流向商業(yè)銀行。余額寶的本質(zhì)為貨幣市場基金，其吸納的社會閑散資金主要以與商業(yè)銀行的短期協(xié)議存款的形式流入銀行，以賺取利率差價。而余額寶與商業(yè)銀行的短期存款協(xié)議利率的參考值主要為Shibor。從這一層面上看，以余額寶為代表的互聯(lián)網(wǎng)金融某種程度上是商業(yè)銀行在互聯(lián)網(wǎng)金融業(yè)務(wù)上的延伸，與商業(yè)銀行是互利共生的關(guān)系。

表2 動態(tài)相關(guān)系數(shù)統(tǒng)計量

三、余額寶與銀行系統(tǒng)性風險

(一)指標選取與數(shù)據(jù)來源

上文通過構(gòu)建DCC-MVGRACH模型考察了以余額寶為代表的互聯(lián)網(wǎng)金融與商業(yè)銀行的利率聯(lián)動關(guān)系，但僅從利率角度考察無法全面客觀地衡量互聯(lián)網(wǎng)金融與商業(yè)銀行的關(guān)系。而銀行的系統(tǒng)性風險是學界和監(jiān)管層最為關(guān)注的焦點，因此，通過對銀行系統(tǒng)性風險的考察可以有效考察二者在具有聯(lián)動關(guān)系的基礎(chǔ)上是否能夠互利共生。本文在鄒靜和王洪衛(wèi)(2017)[9]關(guān)于互聯(lián)網(wǎng)金融和銀行系統(tǒng)性風險的研究基礎(chǔ)上，進一步對系統(tǒng)性風險指數(shù)進行分解，來探究互聯(lián)網(wǎng)金融具體影響到何種指標進而對銀行的系統(tǒng)性風險產(chǎn)生影響，分析互聯(lián)網(wǎng)金融影響商業(yè)銀行系統(tǒng)性風險的內(nèi)在機制。同時借鑒其簡化SVAR模型的思路來構(gòu)造非限制性VAR模型。

1.銀行系統(tǒng)風險指標的選取

參照中國銀行業(yè)監(jiān)督管理委員會2005年末頒布的《商業(yè)銀行風險監(jiān)管核心指標(試行)》和學界常用的構(gòu)建銀行系統(tǒng)性風險指數(shù)的指標體系，從風險水平指標、風險遷徙指標和風險抵補指標及其他影響銀行系統(tǒng)性風險的指標中選取了13個指標，并運用主成分分析法對這13個指標進行篩選，具體指標如表3所示。

表3 銀行系統(tǒng)性風險測度的指標體系

在進行主成分分析之前一般要進行KMO檢驗和Bartlett球形檢驗，KMO檢驗和Bartlett球形檢驗主要用來檢驗變量之間的相關(guān)性，KMO的值越接近與1代表變量之間的相關(guān)性越強，越適合做主成分分析；Bartlett球形檢驗的p值越接近于0，表示越適合做主成分分析，如表4所示，KMO的值為0.6325,而Bartlett球形檢驗在5%的水平下是顯著的。綜上所述，適合進行主成分分析。

表4 KMO檢驗和Bartlett球形檢驗

如表5所示，由Eviews8.0統(tǒng)計軟件報告的結(jié)果可知，前四個主成分的累計貢獻率達到了92.340%，為了盡量不遺漏重要的解釋指標，我們將主成分累計貢獻率確定在≥90%的水平上，因此選取商業(yè)銀行撥備充足率(Coverage)、商業(yè)銀行不良貸款比例(Loan)、商業(yè)銀行存款與貸款比例(Ratio)以下簡稱存貸比、商業(yè)銀行人民幣超額備付金率(Excess reserve)作為影響銀行系統(tǒng)性風險的主要指標。

以往的研究中往往通過對主要風險指標進行加權(quán)平均來構(gòu)造銀行系統(tǒng)性風險指數(shù)，此處只選用四個主要指標來代銀行系統(tǒng)性風險指數(shù)是基于以下兩點考慮：(1)四個主要指標的累計貢獻率達到了92.340%，通過對四個主要指標的考察完全可以反映互聯(lián)網(wǎng)金融對商業(yè)銀行系統(tǒng)性風險的影響。(2)兼顧總體性的同時，可以比較互聯(lián)網(wǎng)金融對四個主要指標影響的差異性，挖掘系統(tǒng)性風險指數(shù)背后隱藏的經(jīng)濟信息。

表5 特征值及解釋的總方差

2.互聯(lián)網(wǎng)金融指標選取

互聯(lián)網(wǎng)金融的代表指標則選取資產(chǎn)份額最高，最具代表性的余額寶的七日年化收益變化率作為衡量指標。余額寶七日年化收益率如圖4所示。

3.數(shù)據(jù)來源

數(shù)據(jù)的時間區(qū)間為2013年5月30日至2018年10月16日，把余額寶七日年化率數(shù)據(jù)作為互聯(lián)網(wǎng)金融利率的數(shù)據(jù)樣本，并將該數(shù)據(jù)轉(zhuǎn)化為季度數(shù)據(jù)。銀行系統(tǒng)性風險數(shù)據(jù)包括商業(yè)銀行撥備充足率、商業(yè)銀行不良貸款比例、商業(yè)銀行存貸比和商業(yè)銀行人民幣超額備付金率主要來源于中國人民銀行網(wǎng)站、中國銀監(jiān)會網(wǎng)站、金融統(tǒng)計年鑒，wind資訊等。

圖4 2013年第2季度至2018年第2季度余額寶七日年化收益率

(二)模型構(gòu)建

1.平穩(wěn)性檢驗

根據(jù)平穩(wěn)性檢驗的結(jié)果如表6所示，Coverage是平穩(wěn)的，Yuebao、Loan、Ratio和Excess reserve四個主要變量是不平穩(wěn)的，Ratio和Excess reserve經(jīng)過一階差分之后是平穩(wěn)的，yuebao和Loan經(jīng)過二階差分之后是平穩(wěn)的。

表6 變量的單位根檢驗

根據(jù)最優(yōu)滯后階數(shù)準則，那么該模型應(yīng)該是最優(yōu)滯后兩階，由此建立VAR模型，對模型的單位根檢驗如圖5所示，單位根的倒數(shù)全部落在單位圓之內(nèi)，這說明VAR模型是平穩(wěn)的。

2.建立模型

但是，VAR模型有著明顯的缺點，它無法反映變量之間的同期影響關(guān)系，而學界目前普遍采用SVAR模型代替VAR模型來研究變量之間的同期影響，基于以上分析，我們選擇了包含所有的變量滯后2期的SVAR模型：

BYt=A0+A1Yt-1+A2Yt-2+μt

則變量的參數(shù)矩陣為：

(11)

圖5 模型的AR根檢驗

其中Yuebao為余額寶的收益變化率，Coverage為銀行撥備充足率，Loan為商業(yè)銀行不良貸款比例，Ratio為商業(yè)銀行存貸比，Excess reserve為商業(yè)銀行人民幣超額備付金率。矩陣B表示變量之間的同期相關(guān)性。假設(shè)矩陣B為可逆矩陣，那么SVAR模型轉(zhuǎn)化為非限制性VAR：

Yt=B-1A0+B-1A1Yt-1+B-1A2Yt-2+B-1εt

(12)

即可通過簡化的VAR來估計SVAR模型?？紤]到SVAR模型需要施加約束條件，而模型中包含5個變量，需要施加10個約束條件。

(三)實證分析

1.脈沖響應(yīng)函數(shù)分析

為探究余額寶收益率變化對銀行系統(tǒng)性風險的四個主要指標的動態(tài)影響特征，我們利用脈沖響應(yīng)函數(shù)進行分析。因為借助脈沖響應(yīng)函數(shù)可以刻畫在擾動項基礎(chǔ)上加上單位標準差大小的沖擊時，對于內(nèi)生變量當前值和未來值的改變。從圖6中可以看出，從第1至1.5期余額寶收益變化率對銀行系統(tǒng)性風險中的商業(yè)銀行存貸比指標的影響呈現(xiàn)出明顯增強的負向效應(yīng)并在1.5期達到最大。之后，一直到第3.5期，余額寶的收益變化率對商業(yè)銀行存貸比的負向效應(yīng)迅速減弱，并且在3.5期之后，出現(xiàn)了較強的正向效應(yīng)，6期之后逐漸趨于均衡。與此同時，第1至第4期，余額寶的收益率水平的變動對商業(yè)銀行不良貸款比例有一個先迅速增強后又快速減弱的負向效應(yīng)，而在第4期之后，這種效應(yīng)逐漸趨于穩(wěn)定并在零水平附近小幅度地波動。而銀行系統(tǒng)性風險中商業(yè)銀行撥備充足率與商業(yè)銀行人民幣超額備付金率始終對余額寶收益變化率的變動的響應(yīng)很小。這與實際情況相符，在余額寶誕生之初，受市場資金面緊張和“錢荒”事件等的影響，當時余額寶收益率水平呈現(xiàn)較高狀態(tài)，此時它對商業(yè)銀行存貸比自然產(chǎn)生明顯地負向效應(yīng)。但后來由于受到余額寶的貨幣基金本質(zhì)屬性制約，其利率無法保持在前期的較高狀態(tài)，也就無法對銀行系統(tǒng)性風險的四個主要指標一直產(chǎn)生負向作用，而是逐漸趨減的波動影響狀態(tài)。

圖6 銀行系統(tǒng)性風險指標對互聯(lián)網(wǎng)金融沖擊的響應(yīng)

綜上可知，余額寶收益變化率對銀行系統(tǒng)性風險的四種主要指標的影響具有明顯的差異性。在短期內(nèi)余額寶收益變化率對商業(yè)銀行存貸比以及商業(yè)銀行不良貸款率具有明顯的負向抑制作用，且影響非常大，但對其他兩個指標影響不顯著。這是因為，當余額寶收益率升高時，在一定程度上引起貨幣市場資金面緊張，銀行存款有所減少，而在貸款不變的情況下，導(dǎo)致銀行的存貸比便有所下降。從長期來看，余額寶收益變化率對商業(yè)銀行系統(tǒng)性風險中的這四種因素的影響趨于平穩(wěn)且總體是緩慢增強的，這也說明以余額寶為代表的互聯(lián)網(wǎng)金融的發(fā)展在某種程度上已經(jīng)對銀行系統(tǒng)性風險產(chǎn)生了一定影響，它的存在與變化會小幅度地增加銀行系統(tǒng)性風險，因此央行對于余額寶的監(jiān)管與控制也是有理可循的。

圖7 銀行系統(tǒng)性風險的方差分解

2.方差分解分析

方差分解的關(guān)鍵思想是通過按成因與各方程信息相關(guān)的組成部分來逐一分解系統(tǒng)中內(nèi)生變量的波動，從而對不同結(jié)構(gòu)沖擊造成的內(nèi)生變量的變化程度做出評價。圖7為分解結(jié)果圖，從中不難發(fā)現(xiàn)，銀行系統(tǒng)性風險在初期受商業(yè)銀行人民幣超額備付金率、商業(yè)銀行存貸比的影響最大，但隨后兩者的貢獻度都在減弱并在后期趨于穩(wěn)定；而不良貸款率與余額寶收益變化率的貢獻度在早期則呈現(xiàn)強勢上升趨勢，在后期則趨于穩(wěn)定。這就說明，以余額寶為代表的互聯(lián)網(wǎng)金融的發(fā)展在某種程度上已經(jīng)對銀行系統(tǒng)性風險產(chǎn)生了一定影響，但該影響在余額寶發(fā)展至今已保持在了一個相對穩(wěn)定的程度。

表7 格蘭杰因果檢驗結(jié)果

3.格蘭杰因果檢驗

在進行單位根和協(xié)整檢驗分析后，可對協(xié)整變量之間的因果檢驗進行探索，格蘭杰因果檢驗的前提是證明隨機變量是平穩(wěn)序列，如果隨機變量是非平穩(wěn)序列則進行格蘭杰檢驗時會出現(xiàn)偽回歸。在確定變量序列均平穩(wěn)后，檢驗得到的結(jié)果如表7所示，從中可以看出以余額寶為代表的互聯(lián)網(wǎng)金融利率是商業(yè)銀行存貸比的格蘭杰原因，除此之外均互不為格蘭杰原因。綜上所述，以余額寶為代表的互聯(lián)網(wǎng)金融利率的變化能夠引起商業(yè)銀行存貸比的變化，最終格蘭杰引起銀行系統(tǒng)性風險的變化。

四、結(jié)論與建議

余額寶互聯(lián)網(wǎng)金融平臺，有利于實現(xiàn)余額資金的財富化，吸引潛在的、非個性化的財富存蓄需求者，但也擠占商業(yè)銀行的存款份額，蠶食商業(yè)銀行利潤，影響商業(yè)銀行的風控決策。本文構(gòu)建多變量DCC-MVGARCH模型考察2013年5月30日至2018年10月16日以余額寶為代表的互聯(lián)網(wǎng)金融與商業(yè)銀行利率的聯(lián)動關(guān)系，發(fā)現(xiàn)兩者之間存在較強的正向動態(tài)關(guān)系與波動性。在此基礎(chǔ)上，進一步考察以余額寶為代表的互聯(lián)網(wǎng)金融利率變動對于商業(yè)銀行系統(tǒng)性風險的貢獻度與影響程度。研究結(jié)果表明：(1)在短期內(nèi)余額寶收益變化率對商業(yè)銀行存貸比以及商業(yè)銀行不良貸款率具有明顯的負向抑制作用，且影響顯著；但從長期來看，余額寶收益變化率對商業(yè)銀行系統(tǒng)性風險的影響趨于平穩(wěn)。(2)余額寶為代表的互聯(lián)網(wǎng)金融利率變動對商業(yè)銀行風險程度的貢獻度不及商業(yè)銀行人民幣超額備付金率、存貸比與不良貸款比例，但高于商業(yè)銀行撥備充足率對于銀行風險的貢獻度。(3)互聯(lián)網(wǎng)金融的發(fā)展僅影響到了個別系統(tǒng)性風險指標，并不能夠?qū)ι虡I(yè)銀行的系統(tǒng)性風險產(chǎn)生全面的影響。根據(jù)以上研究結(jié)論，提出建議如下：

第一，商業(yè)銀行應(yīng)當合理利用互聯(lián)網(wǎng)技術(shù)，增強技術(shù)人才儲備。在當今時代，商業(yè)銀行和互聯(lián)網(wǎng)金融的競爭實際上是科學技術(shù)水平的競爭，而科技水平則取決于人才。互聯(lián)網(wǎng)金融依托高科技技術(shù)崛起，擁有雄厚的技術(shù)人才儲備，所以商業(yè)銀行應(yīng)當借鑒互聯(lián)網(wǎng)金融的發(fā)展經(jīng)驗，發(fā)展與互聯(lián)網(wǎng)金融相關(guān)的業(yè)務(wù)，增強對互聯(lián)網(wǎng)技術(shù)的運用能力，與支付寶等互聯(lián)網(wǎng)金融建立良好的合作溝通機制，實現(xiàn)二者的互利共生。

第二，深化金融市場改革，進一步推動利率的市場化進程。商業(yè)銀行市場化程度和市場適應(yīng)能力較互聯(lián)網(wǎng)金融有所不及，所以應(yīng)當進一步放開商業(yè)銀行的經(jīng)營自主權(quán)，推進商業(yè)銀行的市場化改革，破除商業(yè)銀行的壟斷地位，提高自身的競爭力，改革自身風險管控方式，增強對利率市場化的適應(yīng)能力。

第三，加強商業(yè)銀行的金融創(chuàng)新，開發(fā)差異化的金融產(chǎn)品。商業(yè)銀行和互聯(lián)網(wǎng)金融所開發(fā)的產(chǎn)品均是網(wǎng)絡(luò)金融產(chǎn)品，二者之間的競爭實質(zhì)上是數(shù)量競爭，根據(jù)斯塔克爾伯格模型(Stackelberg Leadership Model)，數(shù)量競爭有先發(fā)優(yōu)勢，由于支付寶為代表的互聯(lián)網(wǎng)金融是先進入市場的，其優(yōu)勢自然存在。因此，商業(yè)銀行應(yīng)該從產(chǎn)品差異化的角度，加強金融工程師隊伍建設(shè)，研究開發(fā)差異化的金融產(chǎn)品。

第四，貨幣監(jiān)管層應(yīng)當規(guī)范互聯(lián)網(wǎng)金融的發(fā)展，加強對互聯(lián)網(wǎng)金融的監(jiān)管力度，強化金融規(guī)制建設(shè)，防范系統(tǒng)性金融風險。因為互聯(lián)網(wǎng)金融的消費與儲蓄是沒有界限的，中國人民銀行的貨幣政策作用于支付寶等互聯(lián)網(wǎng)金融時，寬松的政策對其利好是疊加的，而對銀行則沒有這種疊加功能。同時，央行對互聯(lián)網(wǎng)金融的監(jiān)管力度不足，互聯(lián)網(wǎng)金融可以化解央行的緊縮型貨幣政策，削弱貨幣政策的有效性，給商業(yè)銀行和整個金融市場帶來風險隱患。所以，應(yīng)當加強對互聯(lián)網(wǎng)金融的監(jiān)管力度，規(guī)范互聯(lián)網(wǎng)金融的發(fā)展，防范金融市場的潛在風險。