董亮/ 辽宁社会科学院;张莹/辽宁大学

内容提要：后疫情时代，经济发展不确定性增加。影子银行在一定程度上具备银行功能，产生了“稳增长”的作用，经历了金融危机后“倒U型”发展后，中国影子银行体系再次快速发展，引发了学术界和政策制定者的关注。文章通过对影子银行货币创造机制进行阐述，论证其如何影响货币政策调控中介目标，进而影响货币政策对实体经济的调控。实证分析使用VAR模型，利用脉冲响应分析和方差分解分析方法，分析影子银行如何影响货币政策的中介目标和最终目标，论证影子银行对货币政策的影响。结果显示:影子银行对广义货币供应量等货币政策中介目标产生影响，并对物价有持续影响，在一定时间内对经济增长有负面影响。最后，根据分析结果，提出相应措施及政策建议。

关键词：影子银行  货币创造  货币政策  宏观调控

一、引言与文献综述

全球金融危机（Global Financial Crisis，GFC）爆发后，“影子银行体系”（Shadow Banking System）作为危机产生的原因之一（Acharya，Cooley和Walter [1]，2010；Brunnermeier，2009[2]），引发了学术界和政策制定者的关注，成为国内外争论的热点问题。在过去十几年间，影子银行在全球范围内取得了巨大的增长，这一现象在中国尤为突出，为刺激经济活动而实施的宽松政策带来了影子银行的迅速发展（Chen，He 和 Liu，2020[3]）。2010年以后，其规模迅速扩大，2016年达到中国GDP的82％，2017年达到影子银行业务存量高值，约为52万亿元人民币，之后经过治理整顿，其规模所萎缩，2019年年末的存量约为46万亿元人民币（李文喆，2019），存量曲线整体呈“倒U型”。但在疫情爆发后，由于其融资对于稳增长具有积极作用，可以拓展金融服务的广度和深度，突破传统银行贷款和表内债券投资的业务界限，延伸金融服务的触角，因此2020年又开始上升（Moody’s Investors Service，2020[4]）。2020年上半年，社会融资规模增量迅速扩大，6月人民币贷款累计值已经达到2月时的三倍，这也为货币政策有效调控实体经济带来了不小的挑战。一般而言，货币政策通过影响中介目标（货币供应量和短期利率）从而实现对最终目标的调控。由于影子银行具有类似银行的功能，其发展在一定程度上无疑会对货币供应产生影响，从而对货币政策的调控效果产生影响。随着影子银行的发展，货币政策能否有效调控货币政策中介目标，从而实现货币政策目标，这一系列问题对中央银行而言是一项特殊的政策挑战。

截至当前，关于“影子银行”的定义尚未有统一共识。原因在于，一方面，其在全球金融危机爆发后才走入公众视野，至今也不过十余年；另一方面，各个经济体的金融体系运行和监管模式有所不同，从而影子银行的运行也各有特点（FSB，2011[5]）。部分学者认为，从“影子银行”与“银行的影子”区别的角度看，影子银行可以定义为发生在银行资产负债表以外的全部金融创新活动，而“银行的影子”则可以定义为发生在银行资产负债表以内，但不被统计为信贷的全部信用创造活动。而更多的人则倾向于Mc-Culley（2007）[1][6]的定义，即影子银行是游离在金融监管体系之外，与传统商业银行体系具有相类似的投融资功能，期限、信用转换及流动性供给等功能，但可能引发金融体系系统性风险的信用中介体系金融活动的金融机构或者金融产品，例如许多类似对冲基金和其他以基金管理为主营业务的金融机构、货币市场基金、信托产品、理财产品和委托贷款等等。（易宪容，2009^[7]；Pozsar等，2010^[8]；FSB，2013^[9]；中国人民银行，2013^[10]；Lemma，2016^[11]；邵新建等，2020^[2]）。

金融危机后，关于影子银行如何影响货币政策的研究不断增长，取得丰富的研究成果。影子银行具有与传统银行类似的信用创造机制，对货币政策传导机制存在影响，同时在推动影子银行发展方面，货币需求起着重要作用（Pozsar和Singh，2011^[12]；Sunderam，2014^[13]）。影子银行带来的货币创造对货币政策传导机制产生影响，并会产生宏观经济波动后果，因此，在制定货币政策时需要考虑影子银行的状况（Moreira和Savov，2017）^[14]；Claessens et al.，2012 ^[15]）。使用DSGE 模型分析影子银行如何影响货币供应量时，发现影子银行使得货币政策日趋复杂，加大了货币政策调整的难度（Verona et al.，2013 ^[16]）。影子银行的兴起抑制了货币政策有效性，中国2009-2015年的紧缩型货币政策虽然导致传统银行贷款下降，但由于政策刺激下影子银行贷款迅速增长，总信贷并未下降。表明影子银行的发展阻碍了货币政策，影响银行总信贷的效力（Chen et al. ，2018）。影子银行与货币政策之间具有密切关联，其弱化了传统银行在货币政策传导过程当中的作用，影响了货币政策目标的实现，增加了货币政策调控的难度（李文喆，2020 ^[17]；蔡雯霞，2015 ^[18]）。影子银行存在的货币政策传导效应具有差异性（高蓓等，2020）^[19]，增加信贷供给影响货币政策，使资本向高效率企业集中，提高了资源配置效率，从而推动实体经济发展（彭俞超和何山，2020 ^[20]）。因此，影子银行的发展对货币政策宏观调控的有效性存在影响，但现有文献侧重于探讨影子银行对货币政策传导机制的影响，或者侧重于探讨影子银行对货币供应量的影响，没有对影子银行的货币创造机制以及对货币政策目标的影响提供解释。

基于此，本文通过研究影子银行的货币创造机制，探讨影子银行发展对货币政策的影响，以期探寻如何更加有效地实施货币政策。与已有文献相比，本文的边际贡献在于两方面：第一，从理论出发，探讨影子银行如何进行货币创造，从而影响货币政策的有效性；第二，利用中国的数据构建VAR模型，分析我国的影子银行发展对货币政策影响，研究其动态关系，推动提高我国货币政策调控实体经济的效力。

二、影子银行的货币创造机制及对货币政策的影响机理

（一）影子银行货币创造机制

影子银行对货币政策的影响主要来自其货币创造功能。一般而言，在货币创造理论中，除了中央银行基础货币投放之外，有三种货币创造方式：传统的银行存款、国债和影子银行债务货币创造（Sunderam，2014[21]）。影子银行的货币创造机制体现在两个方面。首先，影子银行的货币创造对传统银行货币创造的替代。传统银行在将货币政策传导至实体经济中扮演着重要角色。然而，近些年来在传统银行之外，影子银行体系创造了越来越多的货币。银行作为金融中介机构的主要功能是为储户提供“类似货币（money-like）”的债权（Diamond和Dybvig，1983[22]；Gorton和Pennacchi，1990[23]）。在2008年的全球金融危机爆发之前，影子银行迅速发展，这恰恰是因为金融创新使中介机构能够提供更多类似货币的债权（Gorton和Metrick，2009[24]，2010[25]，2012[26]；Krishnamurthy和Vissing-Jorgensen，2013[27]），影响了金融体系提供流动性的能力。对于学术界和政策制定者而言，重要的是要更好地了解影子银行在何种程度上可以发挥“类似银行”的功能，影响货币创造，从而影响货币政策效应。在这种背景下，影子银行体系使用了高评级的长期证券化债券作为抵押，以支持发行类似货币的短期债权，像传统银行一样，将长期的非流动性资产转换为类似货币的短期债权。这些债权虽然没有直接用于交易中，但它们具有短期的安全性和流动性，可以起到价值存储的作用，因此也可以起到替代货币的作用。为了满足机构投资者和企业对此类“类似货币”的债权的需求的增长，影子银行体系制造了越来越多的此类短期债务。影子银行体系的货币创造和传统银行的货币创造相比，最大的区别在于后者的货币创造是基于存贷款行为，而前者的货币创造则基于金融证券的不断衍生。第二，影子银行货币创造对国债货币创造的替代。投资者将影子银行债务和国债视为不完全替代品。当对国债的需求上升从而国债收益率降低时[3]，会导致对影子银行债务的需求上升。影子银行体系通过增加发行量进行货币创造来满足这一需求。

（二）影子银行对货币政策目标的影响机理

传统经济理论认为货币政策通过调控中介目标（即货币供给量和利率）来实现对最终目标的调控。由于影子银行具有货币创造功能，且其对传统银行的货币创造和债券货币创造能够形成替代，影响货币供给，因此其对货币政策对经济的调控存在影响。具体而言，影子银行的货币创造通过以下两种机理影响货币政策的调控。

第一，影子银行具有“类似银行”的货币创造功能，使得货币政策对中介目标的调控弱化。货币政策的传统理论认为紧缩货币政策导致存款创造降低（Bernanke和Blinder，1988[28]；Drechsler，Savov和Schnabl，2017[29]），从而导致货币供给量下降，进而实现抑制经济过热的目标。但是，这一论述并未考虑影子银行类似于传统银行的货币创造功能。事实上，货币政策对影子银行存款创造的影响与传统银行相反。当中央银行想要通过紧缩型货币政策来减少存款创造时，影子银行的存款会急剧增加。影子银行的货币创造功能所带来的货币增加在一定程度上抵消了传统银行存款创造的收缩，从而使得货币政策对货币供给的影响被削弱，从而使得货币政策对最终目标的调控也变得弱化。

第二，影子银行货币创造与债券货币创造之间的替代使得货币政策对中介目标的调控弱化。传统理论认为货币政策影响债券收益率，宽松货币政策冲击下，债券收益率下降。但是，当考虑到影子银行货币创造与债券货币创造之间的替代时，正如前文所述，债券收益率下降会带来影子银行债务的上升，增加货币创造，从而刺激经济。这在一定程度上，加大了中央银行调控货币供应量的难度，即货币政策对中介目标调控的可控性会下降，从而难以实现对最终目标的调控有效。

综上所述，影子银行的发展使得货币创造的范围增加，导致货币供应量随之波动。在依据传统理论而建立的货币政策框架下，中央银行无法按照传统调控方式控制货币供给量变动。从货币政策中介目标可控性[4]的维度，影子银行的发展使得货币供给量作为中介目标的可控性大大减弱，从而弱化了货币政策进行宏观调控经济的效力。

三、实证分析——基于VAR模型

本文依据中国的数据建立向量自回归模型（VAR），进一步对上述分析所提出的，影子银行对货币政策的影响进行实证检验。

（一）变量选取与说明

本文的变量选取和说明如表1所示。从理论上，鉴于中央银行通过调节货币供应量和短期利率来影响总需求，本文选择货币供应量（RM2）和中央银行规定的1年期存款利率（IR）体现货币工具中介目标的作用，其中货币供应量采用广义货币供应量M2的增长率[5]为代表，1年期存款利率采用央行调整并公布的1 年期存款利率为代表。一般而言，由于货币政策的最终目标是产出和价格，本文选择（RGDP）和通货膨胀（RCPI）体现货币政策最终目标，其中实际产出选用剔除价格因素的国内生产总值增长率为代表，由于国内生产总值是季度数据，因此使用Eviews中对其进行频度调整，调整为月度数据；通货膨胀选用居民消费物价指数的同比数据作为代表。选择影子银行中具有代表性的委托贷款和信托贷款之和的增长率代表影子银行规模（RSB）。考虑到数据可得性，本文选取了2010年1月-2019年12月的月度数据。数据来源为IMF的IFS数据库、中国人民银行网站和wind数据库。

表1 变量选取和说明

（二）模型构建

VAR模型的优势之一是可以不必以经济理论为基础，将所有变量皆看做是内生变量，每个变量对全部变量的滞后期回归，进而分析变量之间的动态关系。自Sims（1992）^[30]、Bernanke和Blinder（1992）^[31]开始，向量自回归模型（VAR）逐渐成为研究货币政策的主要分析工具，解决了传统的结构化模型无法有效描述变量间动态关系的问题。本文采用的计量软件为Eviews 7.0。

本文构建包含5个内生变量RGDP、RCPI、IR、RM2和RSB的VAR（p）模型，可以表示为以下简化形式：

Φ(L)Yt=εt，t=1，2，⋯，T                    （1）

其中，ΦL=Ik-Φ1L-Φ2L2-…-ΦpLp，是滞后算子L的5×5维参数矩阵，p是滞后阶数，Yt=（RGDPt，RCPIt，IRt，RM2t，RSBt）'，是5维内生变量的列向量，εt是n维扰动列向量。

（三）估计和分析

1．变量平稳性检验与协整检验

Granger和Newbold（1974）^[32]通过蒙特卡洛模拟发现对平稳时间序列建模有可能导致伪回归，因此在正式估计前，要先对各个变量时间序列的平稳性进行检验。可通过单位根检验来完成，如果时间序列不含单位根，则说明其平稳，可以继续建模，否则说明时间序列不平稳。如果超过一个变量时间序列不平稳，但是同阶单整时，还可考虑它们是否存在长期稳定关系，即协整关系。若其存在长期协整关系，也可以继续建模。

本文采用ADF单位根检验来进行平稳性检验，结果见表2。变量的ADF单位根检验结果显示，RSB为平稳时间序列变量（I（0）），而RGDP、RCPI、RM2和IR均为一阶差分平稳时间序列变量，即一阶单整（I（1））。对这四个变量进行Johansen协整检验，结果见表3，表明在5%的显著性水平下，四个变量之间存在三个协整关系。因此，平稳的变量均可以和平稳变量一起构建VAR模型（Sims, Stock和Watson, 1990^[33]）。

表2  各变量ADF检验结果

注：、、分别表示在10%、5%、1%的显著性水平下拒绝原假设。

表3  Johansen协整检验结果

原假设协整个数	特征值	迹统计量	5%显著性下 的临界值	P值
0*	0.493931	165.2111	63.87610	0.0000
至多1 *	0.345506	85.52452	42.91525	0.0000
至多2 *	0.207758	35.92900	25.87211	0.0020
至多3	0.071511	8.680986	12.51798	0.2009

2．模型估计

本文根据SC、HQ准则，建立最优滞后阶数p=2的VAR模型。模型的AR根检验如图1所示，所有AR特征多项式根模的倒数小于1，均在单位圆内，说明VAR模型满足稳定性条件，可以进行下一步的脉冲响应分析和方差分解分析。

图1  模型的稳定性检验

3．脉冲响应分析

脉冲响应用来刻划当t期给VAR模型当中一个变量一个冲击时，系统变量在此后的各个时期是如何反应的。本文利用脉冲响应函数来分析影子银行对货币政策目标的影响，在VAR模型中，给定RSB的一个标准差的正向冲击，采用广义脉冲响应方法得到关于货币政策目标变量的脉冲响应函数图。如图2所示，横轴表示冲击作用的滞后期间数，单位为月度；纵轴表示各变量的响应变动；实线表示货币政策目标变量对RSB冲击的脉冲响应函数；虚线则表示正负两倍标准差的偏离带。

 

 

图2  各变量对RSB的脉冲响应

从图2可见，在本期给定RSB一个标准差的正向冲击，RCPI在初期有负向响应，在第三期转为正向响应，并在波动后于第六期再次转为正向响应，并随着时间逐渐增大；RGDP出现负向响应，在波动后于第四个月有一个短暂的正向响应，之后趋于无影响；IR的响应在初期为负，在第三期达到负向影响的峰值；RM2的响应在初期为正向，随着时间在第二个月转为负面的响应，又于第四个月转为转向正向响应，并在第五个月再次转为负向响应，之后逐渐趋于平稳。这表明影子银行的发展对货币政策中介目标（货币供应量和利率）存在影响，从而对最终目标存在影响，使得中央银行通过货币政策调控实体经济的难度增加。

4．方差分解分析

脉冲响应函数刻划的是给定模型当中一个内生变量的一个冲击时，系统变量是如何反应的。而方差分解（Variance Decomposition）则是进一步分析模型中不同变量的结构冲击对内生变量响应路径变动的贡献。方差分解结果如图3、图4、图5所示。可以看出在影子银行规模对各经济变量变动的解释中，其对RM2的影响最大，RGDP其次。

（1）RM2的方差分解。“Variance Decomposition of RM2” 表示货币供应量RM2的方差分解图，从图中可以看出，除了其自身变动的影响外，RSB对RM2的影响最大，并且随着时间的增加，由RM2自身变动解释的比例逐渐减少，由RSB解释的比例逐渐增加，在第3期达到峰值6.9%，随后保持稳定，即大约6.9%的RM2 变动可以由RSB的变动解释。

（2）RCPI的方差分解。“Variance Decomposition of RM2” 表示货币供应量RCPI的方差分解图，从图中可以看出，除了其自身变动的主要影响外，RSB对RCPI的变化存在一定解释，并且随着时间的增加，解释的比例大致平稳，并在第2期达到峰值 1.1%，即大约1.1%的RCPI变动可以由RSB的变动解释。

 

图3  RM2的方差分解图

图4  RCPI的方差分解图

（3）RGDP的方差分解。“Variance Decomposition of RM2” 表示货币供应量RGDP的方差分解图，从图中可以看出，其自身变动影响占主导地位，除了其自身变动影响外，RSB对RGDP的影响最大，并且随着时间的增加，由RGDP自身变动解释的比例逐渐减少，由RSB解释的比例不断增加，在第10期达到峰值1.1%，，即大约1.1%的RGDP变动可以由RSB的变动解释。

图5  RGDP的方差分解图

综上所述，影子银行的发展对货币供应量、通货膨胀和产出增长都存在一定影响，尤其是由于其扩大了货币创造的范围，导致货币供应量的变动不稳定，随之波动。这表明影子银行对货币供应量等货币政策中介指标会有影响，从而对最终目标存在影响，增加了央行对中介目标的控制难度，给货币政策调控经济的最终目标增加的难度。

（4）IR的方差分解。“Variance Decomposition of IR” 表示货币供应量IR的方差分解图，从图中可以看出，IR自身变动解释随时间逐渐减少，RCPI对其变动解释随时间增加。除此之外，RSB对IR的变动影响最大，由RSB解释的比例不断增加，在第4期达到峰值12.5%，即大约12.5%的IR变动可以由RSB的变动解释，之后基本保持在10%左右不变。

图6  IR的方差分解图

四、结论和政策建议

（一）结论

本文通过对影子银行货币创造机制进行阐述，理论论证其如何影响货币政策调控的中介目标，进而影响货币政策对实体经济的调控。并构建VAR模型，利用脉冲响应分析和方差分解分析方法，分析中国影子银行发展对货币政策中介目标和最终目标的影响，进一步实证验证影子银行发展对货币政策的影响。结果显示：

第一，影子银行具有“类似银行”的货币创造功能，其货币创造对银行存款的货币创造和债券的货币创造存在不完全替代，增加了货币创造的主体范围，使得货币供应量的波动增大。

第二，影子银行的发展削弱了货币政策对广义货币供应量等货币政策中介目标调控能力。由于影子银行的货币创造对银行存款的货币创造和债券的货币创造存在不完全替代，使得货币供应量的波动增大，降低了中央银行对货币供应量的调控能力，货币供应量作为中介目标可控性降低，导致金融市场上实际货币供给难以被货币政策控制。

第三，影子银行的发展使得中央银行通过货币政策调控宏观经济的不确定性增加。影子银行的发展对物价有持续影响，使得物价水平上升；并加大经济增长的波动，在一定时间内对经济增长有负面作用，发挥了短暂的正向作用之后，较易使资金流入过热行业，从而使得经济运行的风险上升，在长期对经济增长存在负面影响。这使得中央银行传统货币政策工具的作用弱化，与最终目标的相关性减弱，增大了中央对宏观经济调控的难度，干扰货币政策的有效运行。

（二）政策建议

根据上述结论，本文提出以下政策建议：

第一，短期内，中央银行需要优化货币统计口径，将影子银行的货币创造功能纳入到货币政策框架中。目前，货币供应量仍然是我国货币政策的官方中介目标，但其并未考虑影子银行的货币创造作用，从而使得货币政策调控效力减弱。因此，应将影子银行的货币创造纳入至M2的统计范围内，完善货币供应量这一中介目标，否则，中央银行将无法真正有效地实现通过调整货币供应量来调控实体经济的目的。

第二，长远来看，中央银行应加快推进利率市场化改革进程，尽快实现原有货币政策框架的转型。从可控性和相关性等角度看，货币供应量作为我国货币政策的中介目标已经过时，因此长期来看，需要以政策利率取代货币供应量作为中介目标，实现对宏观经济的有效调控。

第三，拓宽融资渠道，缓解中小企业融资难的问题。影子银行的兴起通常是由某些实体部门的融资需求所驱动。由于银行存款货币创造和债券货币创造受货币政策的影响较大，当货币政策调控引起二者的货币创造收缩时，实体部门，尤其是中小企业自然会转向影子银行进行融资，产生影子银行的货币创造，从而削弱货币政策有效性。因此，适当拓宽中小企业融资渠道能够在一定程度上减轻这种弱化。

第四，加强对影子银行的宏观审慎监管。在现阶段实体经济融资受到限制的背景下，影子银行的发展是金融发展、金融创新的必然结果，但由于资产负债表外或非银行业务缺乏透明度，其会削弱货币政策的有效性，并带来新的风险。因此，要纠正原来不合理的价格限制，加强数据的统计和信息的披露，通过逆周期的宏观审慎监管对其进行规范，提高货币政策有效性，防范其潜在风险。

参考文献：

[1] Acharya, V. V., T. Cooley, M. Richardson, & I. Walter. Manufacturing tail risk: A perspective on the financial crisis of 2007–2009[J]. Foundations and Trends in Finance, 2010, 4(4: 247-325.

[2] Brunnermeier, M. K., Deciphering the liquidity and credit crunch 2007–2008[J]. The Journal of Economic Perspectives, 2009, 23(1): 77-100.

[3] Chen, Zhuo, He, Zhiguo & Liu, Chun. The financing of local government in China: Stimulus loan wanes and shadow banking waxes[J]. Journal of Financial Economics, 2020, 137(1): 42-71.

[4] Moody’s Investors Service. Quarterly China shadow banking monitor[EB/OL]. https://www.moodys.com/researchdocumentcontentpage.aspx?docid=PBC_1234838, 2020.

[5] Financial Stability Board. Shadow Banking: Scoping the Issues[R]. Report of Financial Stability Board, 2011 .

[6] Mc-Culley, Paul. Teton Reflections, PIMCO Global Central Bank Focus[EB/OL]. http//www.pimco.com, 2007.

[7]易宪容. 美国次贷危机的信用扩张过度的金融分析国际金融研究, 2009(12):14-23.  

[8] Pozsar Z, Adrian T, Ashcraft A, et al. Shadow banking[J]. New York, 2010, 458(458): 3-9.

[9] Board F S. Global Shadow Banking Monitoring Report 2012[R]. Basel: Bank for International Settlement, 2013.

[10] 中国人民银行.中国金融稳定报告2013[M], 北京: 中国金融出版社, 2013.

[11] Lemma V. The shadow banking system[R]. Palgrave Macmillan Studies in Banking and Financial Institutions, 2016.

[12] Pozsar Z, Singh M. The nonbank-bank nexus and the shadow banking system[R]. IMF Working Papers, WP/11/289, 2011.

[13] Sunderam A. Money creation and the shadow banking system[J]. The Review of Financial Studies, 2014, 28(4): 939-977.

[14] Moreira A, Savov A. The macroeconomics of shadow banking[J]. The Journal of Finance, 2017, 72(6): 2381-2432.

[15] Claessens S, Ratnovski L, Singh M M. Shadow banking: economics and policy[M]. International Monetary Fund, 2012.

[16] Verona F, Martins M M F, Drumond I. (Un) anticipated monetary policy in a DSGE model with a shadow banking system[R]. Bank of Finland Research Discussion Paper, 2013 (4).

[17]李文喆.中国影子银行的经济学分析：对金融稳定的影响[J].金融监管研究,2020(05):31-47.

[18]蔡雯霞. 影子银行信用创造及对货币政策的影响[J]. 宏观经济研究, 2015(10):44-53.

[19]高蓓,陈晓东,李成.银行产权异质性、影子银行与货币政策有效性[J].经济研究,2020,55(04):53-69.

[20]彭俞超,何山.资管新规、影子银行与经济高质量发展[J].世界经济,2020,43(01):47-69.

[21] Sunderam A. Money creation and the shadow banking system[J]. The Review of Financial Studies, 2014, 28(4): 939-977.

[22] Diamond D W, Dybvig P H. Bank runs, deposit insurance, and liquidity[J]. Journal of political economy, 1983, 91(3): 401-419.

[23] Gorton G, Pennacchi G. Financial intermediaries and liquidity creation[J]. The Journal of Finance, 1990, 45(1): 49-71.

[24] Gorton G B, Metrick A. Haircuts[R]. National Bureau of Economic Research No. w15273, 2009.

[25] Gorton G, Metrick A, Shleifer A, et al. Regulating the shadow banking system[J]. Brookings papers on economic activity, 2010: 261-312.

[26] Gorton G, Metrick A. Securitized banking and the run on repo[J]. Journal of Financial economics, 2012, 104(3): 425-451.

[27] Krishnamurthy A, Vissing-Jorgensen A. The aggregate demand for treasury debt[J]. Journal of Political Economy, 2012, 120(2): 233-267.

[28] Bernanke B S , Blinder A S . Credit, money, and aggregate demand[J]. American Economic Review, 1988, 78(2):435-439.

[29] Drechsler I, Savov A, Schnabl P. The deposits channel of monetary policy[J]. The Quarterly Journal of Economics, 2017, 132(4): 1819-1876.

[30] Sims C A. Interpreting the macroeconomic time series facts: The effects of monetary policy[J]. European economic review, 1992, 36(5): 975-1000.

[31] Bernanke B, Blinder A S. The federal funds rate and the transmission of monetary policy[J]. American Economic Review, 1992, 82(4): 901-921.

[32] Granger C W J, Newbold P. Spurious regressions in econometrics[J]. Journal of econometrics, 1974, 2(2): 111-120.

[33] Sims C A, Stock J H, Watson M W. Inference in linear time series models with some unit roots[J]. Econometrica, 1990, 58(1): 113-144.