王帥 李治章

摘?要：依據(jù)2007-2017年中國金融市場運(yùn)行數(shù)據(jù)，構(gòu)建動態(tài)Copula-CoVaR模型，考量影子銀行風(fēng)險(xiǎn)溢出效應(yīng)。結(jié)果表明：影子銀行與傳統(tǒng)金融市場存在雙向凈風(fēng)險(xiǎn)溢出效應(yīng)，隨著時(shí)間的推移，溢出效應(yīng)在逐漸增大;極端風(fēng)險(xiǎn)溢出效應(yīng)存在不對稱特征，影子銀行對傳統(tǒng)金融市場的沖擊較大，且這種沖擊具有滯后效應(yīng)。鑒此，監(jiān)管部門應(yīng)夯實(shí)金融體系運(yùn)行基礎(chǔ)，創(chuàng)新影子銀行監(jiān)管工具，完善其協(xié)調(diào)監(jiān)管模式。

關(guān)鍵詞：影子銀行;金融市場;CoVaR;風(fēng)險(xiǎn)溢出效應(yīng)

中圖分類號：F832.33文獻(xiàn)標(biāo)識碼：A文章編號：1003-7217（2019）02-0036-05

一、引?言

影子銀行是從事類似銀行信用和流動性轉(zhuǎn)換功能的實(shí)體，但其經(jīng)營活動較少受到傳統(tǒng)監(jiān)管部門的監(jiān)管。據(jù)穆迪估計(jì)，中國影子銀行規(guī)模在2017年6月已達(dá)64.7萬億元[1]。而根據(jù)WIND數(shù)據(jù)庫統(tǒng)計(jì)，截至2017年6月，中國理財(cái)產(chǎn)品資金日均余額為30.15萬億元。影子銀行的發(fā)展 ?在一定程度上推動了金融創(chuàng)新和市場深化，彌補(bǔ)了金融抑制產(chǎn)生的融資缺口，但也由于其存在較大的杠桿性和隱蔽性，對金融市場和實(shí)體經(jīng)濟(jì)也可能帶來風(fēng)險(xiǎn)隱患。因此，監(jiān)管部門對其重視程度越來越高，并制定了一系列監(jiān)管措施，如在2017年11月17日，中國人民銀行等五部門發(fā)布了《關(guān)于規(guī)范金融機(jī)構(gòu)資產(chǎn)管理業(yè)務(wù)的指導(dǎo)意見（征求意見稿）》，旨在防范影子銀行“脫實(shí)向虛”所帶來的風(fēng)險(xiǎn)，以維護(hù)金融市場的健康發(fā)展。當(dāng)前，影子銀行雖然在一定程度上得到了規(guī)范，但其潛在的風(fēng)險(xiǎn)仍不容小覷，且當(dāng)前金融系統(tǒng)性風(fēng)險(xiǎn)逐漸增大，稍有不慎便可能“引爆”系統(tǒng)性風(fēng)險(xiǎn)，引發(fā)“明斯基時(shí)刻”來臨。在此背景下，為防范和化解金融風(fēng)險(xiǎn)，亟需準(zhǔn)確地度量影子銀行體系對金融市場的風(fēng)險(xiǎn)溢出效應(yīng)，并對溢出效應(yīng)的規(guī)律進(jìn)行剖析。

國內(nèi)外對影子銀行及其風(fēng)險(xiǎn)溢出效應(yīng)進(jìn)行了一定的研究。FSB（2011）指出資產(chǎn)證券化導(dǎo)致新的高風(fēng)險(xiǎn)型債券不斷被引入，這種復(fù)雜的結(jié)構(gòu)化金融容易導(dǎo)致代理問題和投資者的非理性決策，銀行和其他金融機(jī)構(gòu)通過杠桿操作進(jìn)行購買活動，增加資本市場的脆弱性[2]。Adrian（2012）指出，影子銀行通過信用創(chuàng)新工具，將杠桿操縱、金融創(chuàng)新以及過度交易的風(fēng)險(xiǎn)轉(zhuǎn)移和分散到銀行業(yè)等市場之中，進(jìn)而通過投資組合等影響金融市場風(fēng)險(xiǎn)[3]。Schwarcz（2012）等研究表明影子銀行導(dǎo)致市場分割和不透明，使得市場參與者難以有效處理信息，當(dāng)積累的風(fēng)險(xiǎn)凸現(xiàn)時(shí)，容易引起市場恐慌，此外影子銀行的發(fā)展伴隨著杠桿率的提升，投資者的風(fēng)險(xiǎn)偏好將隨著影子銀行規(guī)模的擴(kuò)大而提高，這也將增大金融市場系統(tǒng)性風(fēng)險(xiǎn)[4]。Moshirian（2014）指出新興經(jīng)濟(jì)體的影子銀行增長較快，這可能會增大系統(tǒng)性風(fēng)險(xiǎn)，由此需要加強(qiáng)對影子銀行的全球性治理[5]。Diallo和Al-Mansour（2017）認(rèn)為保險(xiǎn)部門通過影子銀行影響金融體系的穩(wěn)定性[6]。在國內(nèi)，隨著影子銀行的快速發(fā)展，一些學(xué)者對其產(chǎn)生的風(fēng)險(xiǎn)展開了研究。巴曙松（2009）以及何德旭和鄭聯(lián)盛（2009）均認(rèn)為對影子銀行的有效監(jiān)管有助于維持金融體系的穩(wěn)定[7，8]。巴曙松（2013）認(rèn)為影子銀行已納入監(jiān)管體系，其規(guī)模和風(fēng)險(xiǎn)也尚未對系統(tǒng)性風(fēng)險(xiǎn)產(chǎn)生巨大的影響[9]。林琳和曹勇（2015）的研究表明影子銀行通過銀行同業(yè)業(yè)務(wù)釋放風(fēng)險(xiǎn)，商業(yè)銀行受影子銀行影響的程度與其同業(yè)業(yè)務(wù)規(guī)模呈正相關(guān)關(guān)系[10]。劉翠（2017）認(rèn)為在考慮影子銀行體系對商業(yè)銀行的風(fēng)險(xiǎn)溢出效應(yīng)之后，商業(yè)銀行體系面臨的風(fēng)險(xiǎn)將會顯著增大[11]。郭曄和趙靜（2017）的研究表明存款競爭顯著增加了影子銀行的規(guī)模，而影子銀行的存在則強(qiáng)化了存款競爭與商業(yè)銀行系統(tǒng)性風(fēng)險(xiǎn)之間的關(guān)系[12]。在銀行風(fēng)險(xiǎn)度量方面，李叢文和閆世軍（2015）基于偏t分布的GARCH-時(shí)變Copula-CoVa R模型測度了各影子銀行對商業(yè)銀行系統(tǒng)性風(fēng)險(xiǎn)的影響[13]。李丹丹（2016）通過DCC 模型分析影子銀行和商業(yè)銀行間的波動溢出效應(yīng)，發(fā)現(xiàn)影子銀行對城商行存在傳染效應(yīng)，證券公司類的影子銀行對城商行的沖擊較大[14]。已有文獻(xiàn)大多認(rèn)為影子銀行對金融體系產(chǎn)生了重要影響，并且探討了其對商業(yè)銀行的風(fēng)險(xiǎn)傳染效應(yīng)，但針對影子銀行風(fēng)險(xiǎn)溢出的非線性時(shí)變特征及影子銀行與整個(gè)金融體系之間的雙向溢出效應(yīng)則較為少見。

有鑒于現(xiàn)實(shí)需要與已有研究的不足，本文對影子銀行與金融市場的風(fēng)險(xiǎn)溢出效應(yīng)進(jìn)行了實(shí)證研究。在運(yùn)用2007-2017年中國金融市場運(yùn)行數(shù)據(jù)的基礎(chǔ)上，構(gòu)建了動態(tài)Copula-CoVaR模型，對影子銀行的風(fēng)險(xiǎn)溢出效應(yīng)進(jìn)行了度量，研究發(fā)現(xiàn)影子銀行與金融市場存在雙向風(fēng)險(xiǎn)溢出效應(yīng)，且影子銀行對金融市場的風(fēng)險(xiǎn)溢出效應(yīng)逐年增強(qiáng)。同時(shí)，極端風(fēng)險(xiǎn)溢出效應(yīng)存在不對稱特征，影子銀行對傳統(tǒng)金融市場的沖擊較大，并且這種沖擊具有滯后效應(yīng)。本文的研究一方面考慮風(fēng)險(xiǎn)溢出的動態(tài)效應(yīng)，構(gòu)建了動態(tài)Copula-CoVaR模型，為風(fēng)險(xiǎn)溢出效應(yīng)的度量提供了可供參考的方法;另一方面通過實(shí)證研究發(fā)現(xiàn)和總結(jié)了當(dāng)前影子銀行風(fēng)險(xiǎn)溢出效應(yīng)的規(guī)律和特征，為管理層制定相關(guān)監(jiān)管政策和投資者的投資組合管理提供經(jīng)驗(yàn)借鑒。

二、影子銀行風(fēng)險(xiǎn)溢出效應(yīng)度量的動態(tài)Copula-CoVaR模型構(gòu)建

其中C（u， v）為Copula函數(shù)。為了更全面準(zhǔn)確地衡量影子銀行體系對金融市場的風(fēng)險(xiǎn)，考慮到風(fēng)險(xiǎn)傳染的下尾相關(guān)特征，本文選用Clayton Copula函數(shù)作為基準(zhǔn)Copula函數(shù)。為了衡量時(shí)變的風(fēng)險(xiǎn)傳染效應(yīng)，本文沿用Patton（2006）的思想，用一個(gè)類似ARMA（1，10）的過程對Copula函數(shù)的相關(guān)參數(shù)進(jìn)行動態(tài)描述[17]。

三、基于動態(tài)Copula-CoVaR模型的影子銀行風(fēng)險(xiǎn)溢出效應(yīng)實(shí)證研究

為了檢驗(yàn)影子銀行的風(fēng)險(xiǎn)溢出效應(yīng)，本文基于動態(tài)Copula-CoVaR模型，運(yùn)用中國金融市場的相關(guān)數(shù)據(jù)進(jìn)行實(shí)證研究。首先在選取研究樣本的基礎(chǔ)上，對Copula函數(shù)的邊緣分布進(jìn)行估計(jì)，接著對動態(tài)Copula函數(shù)進(jìn)行參數(shù)估計(jì)，從而得到擬合樣本數(shù)據(jù)最佳的Copula函數(shù)，最后基于動態(tài)Copula函數(shù)，求解CoVaR，進(jìn)而對影子銀行的風(fēng)險(xiǎn)傳染效應(yīng)進(jìn)行分析。

（一） 研究樣本的選取

分別選取銀行指數(shù)、證券指數(shù)、保險(xiǎn)Ⅱ指數(shù)以及房地產(chǎn)Ⅱ指數(shù)代表銀行市場、證券市場、保險(xiǎn)市場和房地產(chǎn)市場的運(yùn)行情況。由于房地產(chǎn)市場屬于資金密集型行業(yè)，并且其資產(chǎn)負(fù)債率較高，具有較強(qiáng)的金融屬性，且房地產(chǎn)在國內(nèi)的投資功能比較顯著，所以本文將其納入金融市場進(jìn)行分析。樣本的起始時(shí)間為2007年1月4日至2017年12月15日，該樣本期間涵蓋了多次金融危機(jī)，能夠反映金融市場運(yùn)行不同周期的波動狀況。由于影子銀行體系并不透明，其運(yùn)行數(shù)據(jù)難以獲取，本文選取了從事產(chǎn)業(yè)基金、小貸、典當(dāng)、投資以及證券等金融業(yè)務(wù)的上市公司，一方面這些上市公司的業(yè)務(wù)具有較強(qiáng)的影子銀行性質(zhì)，在一定程度上反映了影子銀行的運(yùn)行特征;另一方面其運(yùn)行數(shù)據(jù)按照資本市場制度進(jìn)行披露，具有較高的可信度，且可以公開獲取。經(jīng)過篩選，本文將渤海金控、民生控股、海德股份、中油資本、經(jīng)緯紡機(jī)、錦龍股份、越秀金控、九鼎投資、易見股份、新力金融、五礦資本、熊貓金控、愛建集團(tuán)、綠庭投資、中航資本、香溢融通、和華鐵科技作為樣本公司。將這些公司的總市值作為權(quán)重，編制了影子銀行的運(yùn)行指數(shù)衡量影子銀行的運(yùn)行狀況，樣本的起止時(shí)間為2007年1月4日至2017年12月15日。各市場的運(yùn)行指數(shù)參見圖1。

從以上指數(shù)的運(yùn)行軌跡可以發(fā)現(xiàn)，影子銀行與金融市場的聯(lián)動性較強(qiáng)，但在不同時(shí)間段，其波動也

有一定的差異性，如在2016年之前影子銀行與金融市場的波動軌跡較為相似度較高，而在2016年之后，其相似度略有下降，這可能與監(jiān)管周期有一定的關(guān)系。

（二） 邊緣分布模型的參數(shù)估計(jì)

對于邊緣分布，本文運(yùn)用GARCH（1，1）模型來進(jìn)行描述：

其中，rt分別為銀行指數(shù)、證券指數(shù)、保險(xiǎn)指數(shù)、地產(chǎn)指數(shù)和影子銀行指數(shù)的對數(shù)收益率，分別以BANK， SECU， INSU， REAL和SHAD表示。ht為方差方程，其中誤差分布為GED分布。各序列的GARCH模型參數(shù)估計(jì)結(jié)果如表1所示。

上表顯示GARCH模型的擬合效果較好，同時(shí)體現(xiàn)了收益率序列的波動集聚性和持續(xù)性。GARCH模型能較好地描述收益率序列的波動，其條件波動率序列如圖2所示。

從圖2可以發(fā)現(xiàn)，雖然影子銀行與金融市場的波動軌跡較為相似，但是其也有一定的差異性，這體現(xiàn)出影子銀行相對于傳統(tǒng)金融市場有一定的獨(dú)特運(yùn)行規(guī)律。為了準(zhǔn)確地把握影子銀行風(fēng)險(xiǎn)傳染效應(yīng)，本文接下來運(yùn)用動態(tài)Copula-CoVaR模型對風(fēng)險(xiǎn)溢出程度進(jìn)行度量。

（三）動態(tài)Copula及CoVaR模型的參數(shù)估計(jì)

運(yùn)用Matlab 2016對Copula函數(shù)進(jìn)行參數(shù)估計(jì)，估計(jì)結(jié)果如表2所示，根據(jù)t統(tǒng)計(jì)量可以發(fā)現(xiàn)，Copula函數(shù)的參數(shù)在95%的置信水平下均顯著，模型具有較好的擬合效果，因此本文運(yùn)用Clayton Copula函數(shù)計(jì)算CoVaR值。

運(yùn)用動態(tài)Copula函數(shù)及公式（6），可以得到樣本期內(nèi)影子銀行與金融市場的凈風(fēng)險(xiǎn)傳染效應(yīng)ΔCoVaRx→y（ΔCoVaRx→y=ΔCoVaRy|xq-ΔCoVaRx|yq）如圖3所示。

圖3中，橫坐標(biāo)為樣本時(shí)間，縱坐標(biāo)為凈風(fēng)險(xiǎn)傳染效應(yīng)，ΔCoVaRx→y為負(fù)，表明各金融市場對影子銀行有凈風(fēng)險(xiǎn)傳染效應(yīng)，金融市場對影子銀行的沖擊較大，ΔCoVaRx→y為正時(shí)，影子銀行對金融市場的沖擊較大，其對金融市場輸出了較大的金融風(fēng)險(xiǎn)。從圖3可以發(fā)現(xiàn)影子銀行與金融市場的風(fēng)險(xiǎn)傳染特點(diǎn)。其一，在樣本期，影子銀行與金融市場之間存在雙向的風(fēng)險(xiǎn)傳染效應(yīng)。金融市場對影子銀行有凈的風(fēng)險(xiǎn)輸出，同時(shí)影子銀行對金融市場也有風(fēng)險(xiǎn)傳染，且這種風(fēng)險(xiǎn)傳染存在時(shí)變和非線性特征。影子銀行在傳統(tǒng)金融的基礎(chǔ)產(chǎn)生，其資金來源、業(yè)務(wù)經(jīng)營、流動性創(chuàng)造等與銀行、證券、保險(xiǎn)、地產(chǎn)市場均有緊密的聯(lián)系，一旦發(fā)生影子銀行違約事件，其他傳統(tǒng)金融機(jī)構(gòu)也會受到影響。而另一方面，在傳統(tǒng)金融機(jī)構(gòu)流動性減小時(shí)，影子銀行機(jī)構(gòu)也會受到一定的壓力。經(jīng)過多年的發(fā)展，影子銀行已經(jīng)滲透到傳統(tǒng)金融市場的各個(gè)領(lǐng)域，甚至形成了一系列金控集團(tuán)或金融服務(wù)平臺，與傳統(tǒng)金融形成了“你中有我，我中有你”[18]、緊密聯(lián)系的發(fā)展?fàn)顟B(tài)。其二，雖然影子銀行與金融市場之間存在雙向溢出效應(yīng)，但從極端風(fēng)險(xiǎn)溢出效應(yīng)看，如圖3下半部分顯示，其極端值明顯大于上半部分的極端值，且出現(xiàn)的次數(shù)也相對較多。這反映出在樣本期影子銀行與金融市場的極端風(fēng)險(xiǎn)傳染存在一定程度的不對稱性。傳統(tǒng)金融機(jī)構(gòu)出現(xiàn)風(fēng)險(xiǎn)事件時(shí)，由于其監(jiān)管相對完善，運(yùn)行的透明程度相對較高，其對其他金融子市場或金融體系產(chǎn)生的影響也相對容易控制。與之相反，影子銀行具有不透明性和杠桿高的特點(diǎn)，對其監(jiān)管難以形成有效穿透，在當(dāng)前影子銀行規(guī)模較大的情形下，影子銀行市場一旦出現(xiàn)風(fēng)險(xiǎn)，可能會導(dǎo)致金融市場出現(xiàn)恐慌情緒，并產(chǎn)生連鎖放大效應(yīng)，由此使得極端風(fēng)險(xiǎn)不對稱傳染現(xiàn)象的產(chǎn)生。其三，影子銀行對金融市場的沖擊在逐漸增大（如圖3所示，在方框A之后），在2015年和2016年的股災(zāi)之中，影子銀行和傳統(tǒng)銀行之間不僅存在雙向的即時(shí)風(fēng)險(xiǎn)溢出效應(yīng)，而且出現(xiàn)了對傳統(tǒng)金融市場極端風(fēng)險(xiǎn)的滯后溢出效應(yīng)（如方框B所示），即在金融市場下跌之后，影子銀行對傳統(tǒng)金融市場產(chǎn)生了一個(gè)更大的滯后性沖擊，這凸顯了影子銀行體系對金融市場的重要影響。

四、結(jié)論及建議

本文運(yùn)用中國金融市場數(shù)據(jù)，在編制影子銀行運(yùn)行指數(shù)的基礎(chǔ)上，構(gòu)建了動態(tài)Copula CoVaR模型對影子銀行的風(fēng)險(xiǎn)傳染效應(yīng)進(jìn)行實(shí)證研究。研究結(jié)果表明影子銀行與傳統(tǒng)金融市場之間存在雙向的凈風(fēng)險(xiǎn)溢出效應(yīng)，對于極端風(fēng)險(xiǎn)溢出，影子銀行對金融市場的影響更大，且隨著時(shí)間的推移，影子銀行與金融市場之間的風(fēng)險(xiǎn)溢出效應(yīng)在增大，在出現(xiàn)風(fēng)險(xiǎn)事件之后，影子銀行對金融市場還會產(chǎn)生滯后的風(fēng)險(xiǎn)沖擊。考慮到影子銀行發(fā)展的特征事實(shí)，以及當(dāng)影子銀行的風(fēng)險(xiǎn)傳染規(guī)律，可形成以下監(jiān)管啟示：首先，在服務(wù)實(shí)體經(jīng)濟(jì)的前提下，應(yīng)嚴(yán)格限制影子銀行體系內(nèi)的“資金空轉(zhuǎn)”，合理有序降低杠桿率，引導(dǎo)影子銀行體系內(nèi)的資金流向制造業(yè)等實(shí)體經(jīng)濟(jì)領(lǐng)域，一方面促進(jìn)實(shí)體經(jīng)濟(jì)發(fā)展，另一方面也能夠夯實(shí)金融體系的運(yùn)行基礎(chǔ)，增強(qiáng)金融市場的風(fēng)險(xiǎn)抵抗能力，降低影子銀行與金融市場風(fēng)險(xiǎn)溢出效應(yīng)的危害;其二，結(jié)合影子銀行運(yùn)行溢出效應(yīng)的特點(diǎn)進(jìn)行監(jiān)管工具創(chuàng)新，一方面創(chuàng)新影子銀行測算與風(fēng)險(xiǎn)度量工具，建立影子銀行風(fēng)險(xiǎn)指數(shù)，動態(tài)監(jiān)視其風(fēng)險(xiǎn)溢出效應(yīng)，并據(jù)此創(chuàng)新與之相適應(yīng)的財(cái)政政策、貨幣政策等監(jiān)管工具;其三，監(jiān)管部門可進(jìn)一步完善跨部門監(jiān)管協(xié)調(diào)模式，針對交叉性金融業(yè)務(wù)，統(tǒng)一協(xié)調(diào)銀行、證券、保險(xiǎn)等各個(gè)金融子市場的監(jiān)管，運(yùn)用大數(shù)據(jù)推動全面精準(zhǔn)監(jiān)管，減少監(jiān)管套利空間，提高影子銀行運(yùn)營的透明性，從而降低影子銀行風(fēng)險(xiǎn)溢出效應(yīng)，維護(hù)金融市場的健康發(fā)展。

參考文獻(xiàn)：

[1]巴曙松.中國影子銀行的特征與風(fēng)險(xiǎn)化解之道[EB/OL]. http：//baijiahao.baidu.com， 2017-11-26.

[2]Financial Stability Board. Shadow banking：scoping the issues[R]. BIS Report，2011-04-12.

[3]Adrian T， Ashcraft A. Shadow banking regulation [J]. The Annual Reviews of Financial Economics， 2012（4）：99-140.

[4]Schwarcz S. Regulating shadow banking[J]. Review of Banking and Financial Law， 2012， 31（1）：619-642.

[5]Moshirian F. Global governance：global banks and shadow banks supervision[J].Journal of Banking & Finance， 2014，48（11）：307-311.

[6]Diallo B， Al-Mansour A. Shadow banking， insurance and financial sector stability[J]. Research in International Business and Finance， 2017， 42（12）：224-232.

[7]巴曙松. 應(yīng)從金融結(jié)構(gòu)演進(jìn)角度客觀評估影子銀行[J]. 經(jīng)濟(jì)縱橫， 2013（4）：27-30.

[8]何德旭， 鄭聯(lián)盛. 影子銀行體系與金融體系穩(wěn)定性[J]. 經(jīng)濟(jì)管理， 2009， 31（11）：20-25.

[9]巴曙松. 應(yīng)從金融結(jié)構(gòu)演進(jìn)角度客觀評估影子銀行[J]. 經(jīng)濟(jì)縱橫， 2013（4）：27-30.

[10]林琳， 曹勇. 基于復(fù)雜網(wǎng)絡(luò)的中國影子銀行體系風(fēng)險(xiǎn)傳染機(jī)制研究[J]. 經(jīng)濟(jì)管理， 2015， 37（8）：109-119.

[11]劉翠. 影子銀行、金融穩(wěn)定與風(fēng)險(xiǎn)溢出效應(yīng)分析[J]. 現(xiàn)代財(cái)經(jīng)（天津財(cái)經(jīng)大學(xué)學(xué)報(bào)）， 2017， 37（11）：41-51.

[12]郭曄， 趙靜. 存款競爭、影子銀行與銀行系統(tǒng)風(fēng)險(xiǎn)——基于中國上市銀行微觀數(shù)據(jù)的實(shí)證研究[J]. 金融研究， 2017（6）：81-94.

[13]李叢文， 閆世軍. 我國影子銀行對商業(yè)銀行的風(fēng)險(xiǎn)溢出效應(yīng)——基于GARCH-時(shí)變Copula-CoVaR模型的分析[J]. 國際金融研究， 2015（10）：64-75.

[14]李丹丹. 中國影子銀行和商業(yè)銀行的傳染效應(yīng)研究——基于DCC模型的風(fēng)險(xiǎn)分析. 管理現(xiàn)代化， 2016（1）：17-19.

[15]Adrian T， Brunnermeier M K. CoVaR[J].Amerian Economic Review， 2016，106（7）：1705-1741.

[16]Girardi G， Ergun A. Systemic risk measurement：multivariate GARCH estimation of CoVaR[J]. Journal of Banking & Finance， 2013， 37（8）：3169-3180.

[17]Patton A. Modeling asymmetric exchange rate dependence[J]. International Economic Review， 2006， 47（2）：527-556.

[18]陸曉明. 中美影子銀行系統(tǒng)比較分析和啟示[J]. 國際金融研究， 2014（1）：55-63.

（責(zé)任編輯：鐘?瑤）