論文摘要:本文選取適當指標,運用線性回歸模型、協(xié)整檢驗和脈沖響應(yīng)函數(shù)等計量方法,對1998-2009年義烏市金融生態(tài)環(huán)境和經(jīng)濟增長的動態(tài)關(guān)系進行了研究。結(jié)果顯示,金融生態(tài)的發(fā)展要與區(qū)域經(jīng)濟發(fā)展的規(guī)模保持一致,才會更好的促進經(jīng)濟增長。
論文關(guān)鍵詞:金融生態(tài)環(huán)境,經(jīng)濟增長,協(xié)整檢驗,脈沖響應(yīng)函數(shù)
一、引言
良好的金融生態(tài)環(huán)境,有助于保持金融生態(tài)的動態(tài)平衡和結(jié)構(gòu)優(yōu)化,并且關(guān)系到一國或地區(qū)金融體系的平穩(wěn)運行和持續(xù)發(fā)展。近年來,義烏市依托于建立國際小商品城的優(yōu)勢,大力發(fā)展金融業(yè),這使得其金融生態(tài)環(huán)境得到了很大改善,資金的流動性、安全性和效益性有所增強,資金的吸納能力也在增強。在當前金融危機形勢下,義烏市的金融業(yè)務(wù)量仍能位列浙江省縣市第一位,已成為浙江省乃至全國金融業(yè)務(wù)增長最快的縣市之一。
從2009年中國社科院研究報告中公布的國內(nèi)金融生態(tài)環(huán)境評價結(jié)果來看,義烏所屬的金華市位列第十三位。優(yōu)良的金融生態(tài)環(huán)境作為區(qū)域金融發(fā)展的一種特有現(xiàn)象,與地區(qū)經(jīng)濟基礎(chǔ)、金融發(fā)展、政府治理和制度文化有很大的相關(guān)性。但同時要注意到,義烏市的金融生態(tài)環(huán)境改善,還遠未達到自我調(diào)節(jié)、自我優(yōu)化的良性發(fā)展狀態(tài),特別是與上海、杭州等大城市相比還有差距。金融生態(tài)環(huán)境的改善帶來了經(jīng)濟發(fā)展的契機,但其不完善之處又制約著經(jīng)濟發(fā)展,因而如何同時帶動金融生態(tài)環(huán)境發(fā)展和經(jīng)濟的增長,對于受金融危機影響較大的義烏市是一個重大的考驗。
二、本文的研究方法及設(shè)想
本文采用了數(shù)量分析的方法對義烏市金融生態(tài)環(huán)境與經(jīng)濟增長做出實證分析,以檢驗金融發(fā)展與經(jīng)濟增長的動態(tài)關(guān)系。主要利用1998~2009年義烏市地區(qū)生產(chǎn)總值,第三產(chǎn)業(yè)等占地區(qū)生產(chǎn)總值比重,銀行存貸款數(shù)據(jù)等,利用回歸分析和VAR模型實證檢驗義烏市金融生態(tài)環(huán)境發(fā)展對經(jīng)濟增長的作用。
金融生態(tài)理論為我們研究金融與區(qū)域經(jīng)濟增長提供了新的視角,本文嘗試從這一角度出發(fā)來系統(tǒng)考察金融與經(jīng)濟之間的關(guān)系。根據(jù)金融生態(tài)的特征,運用VAR模型來研究金融生態(tài)系統(tǒng)與經(jīng)濟增長之間的動態(tài)關(guān)系;舅枷胧牵菏紫,利用OLS建立線性回歸方程。其次,利用ADF檢驗經(jīng)濟變量的單位根是否同階,若同階,可進行協(xié)整檢驗,協(xié)整檢驗平穩(wěn),則它們之間存在長期穩(wěn)定的均衡關(guān)系,這種均衡是統(tǒng)計學(xué)上的一種動態(tài)均衡。目前關(guān)于協(xié)整關(guān)系的檢驗估計,常用EG(Engle—Granger)兩步法和Johansen跡統(tǒng)計量法,本文使用Johansen協(xié)整檢驗。并使用脈沖響應(yīng)函數(shù)得到各變量的結(jié)構(gòu)沖擊引起GDP波動的響應(yīng)函數(shù),進而得到金融生態(tài)與區(qū)域經(jīng)濟增長之間的動態(tài)關(guān)系,從而為金融發(fā)展政策提供經(jīng)驗證據(jù)。如果金融生態(tài)的確促進了經(jīng)濟增長,那么,改善金融生態(tài)對經(jīng)濟的可持續(xù)增長具有重大的意義。
三、模型設(shè)計
。ㄒ唬⿺(shù)據(jù)分析
1、指標選。
數(shù)據(jù)主要來自于《義烏市統(tǒng)計年鑒》、《義烏金融統(tǒng)計年報》(1999~2010)和《金華市統(tǒng)計年鑒》(1999~2010)等。為了防止各時間序列數(shù)據(jù)產(chǎn)生異方差,并考慮到對時間序列取自然對數(shù)后不會改變原序列的性質(zhì)及關(guān)系,且所得到的數(shù)據(jù)容易成為平穩(wěn)序列,故對這些時間序列數(shù)據(jù)作對數(shù)處理,采用的軟件是Eviews6.0。
(1)解釋變量
有關(guān)金融生態(tài)指標的選取,現(xiàn)有的文獻幾乎沒有正式提出。由于數(shù)據(jù)的可獲得性,我們不能得到所有的代表金融生態(tài)的各個子系統(tǒng)的變量數(shù)據(jù),需要對變量進行選取。本文選取了代表金融生態(tài)狀態(tài)的以下變量:
IDU-第三產(chǎn)業(yè)產(chǎn)值占GDP之比,可以衡量一個地區(qū)第三產(chǎn)業(yè)在國民經(jīng)濟總值中所占的地位,以及第三產(chǎn)業(yè)的發(fā)展。由于金融業(yè)是第三產(chǎn)業(yè)的一部分,因而該指標也能說明金融業(yè)占國民經(jīng)濟總值的比例。
FIR-金融相關(guān)率,一般將貨幣總量(通常為M2)與GDP的比值作為衡量金融發(fā)展“廣度”的指標。由于中國沒有各地區(qū)貨幣供給數(shù)量,可以用金融部門存款總額和貸款總額之和來代替。我們用金融相關(guān)率

這一變量來衡量金融深化和貨幣化程度。計算公式為:

(1)
式中

表示金融相關(guān)比率,D表示全部金融機構(gòu)的存款余額,L表示全部金融機構(gòu)的貸款余額,GDP為地區(qū)生產(chǎn)總值。
EFF-存貸比(貸款/存款),代表金融生態(tài)效率,這里選用金融機構(gòu)的貸款余額與金融機構(gòu)的存款余額之比

來反映金融生態(tài)系統(tǒng)配置資金資源的效率。
DEP-金融存貸差(存款-貸款),這一指標反映了金融存款與貸款的差額。
(2)被解釋變量
本文對經(jīng)濟增長的含義界定為國民經(jīng)濟的增長,在經(jīng)濟增長的指標選取方面,選擇義烏市生產(chǎn)總值(GDP)作為衡量經(jīng)濟增長的變量。
2.選取的模型
我們將要估計的基本回歸模型如下:

(2)
其中

是因變量,反映地區(qū)生產(chǎn)總值,即經(jīng)濟增長指標;

是一組向量,代表要考察的影響地區(qū)金融生態(tài)環(huán)境的一組變量;

是誤差項。最小二乘法主要作為一個對比的結(jié)果,檢驗后面的VAR模型脈沖響應(yīng)函數(shù)和方差分解的結(jié)果。
對lnGDP,lnIDU,lnFIR,lnEFF和lnDEP做線性回歸得到以下結(jié)果:
表1
|
|
|
|
|
|
|
|
|
|
Variable |
Coefficient |
Std. Error |
t-Statistic |
Prob. |
|
|
|
|
|
|
|
|
|
|
lnIDU |
0.031578 |
0.142969 |
0.220876 |
0.8315 |
lnFIR |
-1.030719 |
0.095630 |
-10.77820 |
0.0000 |
lnEFF |
1.932979 |
0.158763 |
12.17522 |
0.0000 |
lnDEP |
1.001498 |
0.045841 |
21.84721 |
0.0000 |
C |
11.64389 |
0.692381 |
16.81717 |
0.0000 |
|
|
|
|
|
|
|
|
|
|
R-squared |
0.999125 |
Mean dependent var |
23.83398 |
Adjusted R-squared |
0.998626 |
S.D. dependent var |
0.609459 |
S.E. of regression |
0.022594 |
Akaike info criterion |
-4.447932 |
Sum squared resid |
0.003573 |
Schwarz criterion |
-4.245888 |
Log likelihood |
31.68759 |
Hannan-Quinn criter. |
-4.522736 |
F-statistic |
1999.205 |
Durbin-Watson stat |
1.236194 |
Prob(F-statistic) |
0.000000 |
|
|
|
|
|
|
|
|
|
|
|
|
|
除了lnIDU之外的各解釋變量的系數(shù)和常數(shù)項均通過了T檢驗,下文將舍去對模型并不顯著的這個指標并進行修正后的OLS回歸,得到如下結(jié)果:
表2
|
|
|
|
|
|
|
|
|
|
Variable |
Coefficient |
Std. Error |
t-Statistic |
Prob. |
|
|
|
|
|
|
|
|
|
|
lnFIR |
-1.039098 |
0.082400 |
-12.61046 |
0.0000 |
lnEFF |
1.937205 |
0.147940 |
13.09453 |
0.0000 |
lnDEP |
1.008017 |
0.032926 |
30.61465 |
0.0000 |
C |
11.53776 |
0.467942 |
24.65639 |
0.0000 |
|
|
|
|
|
|
|
|
|
|
R-squared |
0.999119 |
Mean dependent var |
23.83398 |
Adjusted R-squared |
0.998789 |
S.D. dependent var |
0.609459 |
S.E. of regression |
0.021208 |
Akaike info criterion |
-4.607654 |
Sum squared resid |
0.003598 |
Schwarz criterion |
-4.446018 |
Log likelihood |
31.64592 |
Hannan-Quinn criter. |
-4.667497 |
F-statistic |
3025.304 |
Durbin-Watson stat |
1.174509 |
Prob(F-statistic) |
0.000000 |
|
|
|
|
|
|
|
|
|
|
|
|
|
可以看到,各解釋變量的系數(shù)和常數(shù)項均通過了T檢驗;方程通過了F檢驗,置信水平為1%,說明方程總體顯著;擬合優(yōu)度

大于0.926,說明方程擬合程度較高。
得到如下方程:
lnGDP=-1.039098*lnFIR+1.937205*lnEFF+1.008017*lnDEP+11.537769(3)
其中:擬合優(yōu)度

=0.999119,F(xiàn)檢驗=3025.304,置信水平為1%,說明方程線性擬合優(yōu)良。
3.變量的單位根檢驗
很多時間序列具有非平穩(wěn)性的特征,如果事先不考慮時間序列的平穩(wěn)性而直接對非平穩(wěn)性數(shù)據(jù)進行線性回歸,很可能會出現(xiàn)虛假回歸,即變量之間實際上并不存在任何線性關(guān)系,但相關(guān)的檢驗又很顯著,從而導(dǎo)致這種回歸模型的結(jié)果毫無意義。因此,為了保證估計結(jié)果的可靠性,還需對

模型描述的義烏市經(jīng)濟增長與金融生態(tài)的關(guān)系進行協(xié)整分析。按照協(xié)整的定義,金融生態(tài)與經(jīng)濟增長間存在協(xié)整關(guān)系,則二者必須是同階單整的,因此,協(xié)整分析的第一步就是考察每個變量的單整階數(shù)。運用增廣迪基一福勒(ADF)檢驗對樣本中的每個變量進行水平層面和一階差分層面上的單位根測試,模型檢驗結(jié)果如下:
表3ADF單位根檢驗結(jié)果
變量 |
統(tǒng)計量值 |
1%臨界值 |
5%臨界值 |
10%臨界值 |
結(jié)論 |
lnGDP |
-0.070147 |
-4.200056 |
-3.175352 |
-2.728985 |
非平穩(wěn) |
lnIDU |
-0.828308 |
-4.200056 |
-3.175352 |
-2.728985 |
非平穩(wěn) |
lnFIR |
-1.610185 |
-4.200056 |
-3.175352 |
-2.728985 |
非平穩(wěn) |
lnEFF |
-0.652716 |
-4.200056 |
-3.175352 |
-2.728985 |
非平穩(wěn) |
lnDEP |
-1.683139 |
-4.420595 |
-3.259808 |
-2.771129 |
非平穩(wěn) |
ΔlnGDP |
-3.267230 |
-4.297073 |
-3.212696 |
-2.747676 |
平穩(wěn) |
ΔlnIDU |
-6.337580 |
-4.297073 |
-3.212696 |
-2.747676 |
平穩(wěn) |
ΔlnFIR |
-4.070072 |
-4.297073 |
-3.212696 |
-2.747676 |
平穩(wěn) |
ΔlnEFF |
-3.908529 |
-4.420595 |
3.259808 |
-2.771129 |
平穩(wěn) |
ΔlnDEP |
-3.262912 |
-4.420595 |
3.259808 |
-2.771129 |
平穩(wěn) |
4.變量的VAR滯后度估計
VAR估計用以確定協(xié)整分析的滯后期長度。在選擇滯后期時,一方面,我們希望滯后期足夠長,以便能完整反應(yīng)所構(gòu)造模型的動態(tài)特征。但另一方面,滯后期越長,需要估計的參數(shù)也就越多,模型的自由度就減少。所以,在進行選擇時,需要綜合考慮,本文采用信息標準方法來確定最適當?shù)臏笃陂L度。
結(jié)果發(fā)現(xiàn),Akaike信息標準(AIC)、Hannan—Qulnn(HQ)信息準則、Schwarz數(shù)據(jù)標準(SC)和最后預(yù)測誤差(FPE)均表明1個滯后期。因此我們使用1個滯后期來運行Johansen協(xié)整檢驗。VAR滯后期選擇結(jié)果如下表:
表4報告VAR滯后期選擇結(jié)果
|
|
|
|
|
|
|
|
|
|
|
|
|
|
Lag |
LogL |
LR |
FPE |
AIC |
SC |
HQ |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
0 |
33.97664 |
NA |
5.06e-08 |
-5.450298 |
-5.305609 |
-5.541504 |
1 |
86.90252 |
57.73733* |
8.16e-11* |
-12.16410* |
-11.44065* |
-12.62013* |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
注:*表明由信息準則選擇的滯后期
內(nèi)生變量:lnGDP,lnFIR,lnIDU,lnEFF,lnDEP
5.協(xié)整檢驗
確定了各序列對都是I(1)過程(兩個時間序列,只有它們同階單整時,才可能存在協(xié)整關(guān)系),各時間序列對的檢驗結(jié)果才滿足協(xié)整的前提條件。
協(xié)整檢驗從分析時間序列的非平穩(wěn)性入手,探求非平穩(wěn)變量間蘊含的長期均衡關(guān)系。從經(jīng)濟意義上看,這種協(xié)整關(guān)系的存在便可以通過其它變量的變化來影響另一變量的變化。本文使用Johansen協(xié)整檢驗法進行協(xié)整檢驗,將lnGDP,lnIDU,lnFIR,lnEFF和lnDEP變量數(shù)據(jù)進行協(xié)整分析。在對滯后期進行選擇時,本文選用的滯后期為1期。
結(jié)果顯示,在5%的顯著性水平下,None統(tǒng)計指標中原假設(shè)被拒絕,因此經(jīng)濟增長變量與金融生態(tài)環(huán)境變量具有一個協(xié)整關(guān)系,這說明義烏的GDP與金融生態(tài)的四個變量之間分別存在長期均衡關(guān)系。通過協(xié)整檢驗,我們得出結(jié)論,在1998~2009年的這段時期內(nèi),義烏市國內(nèi)生產(chǎn)總值與第三產(chǎn)業(yè)產(chǎn)值占GDP之比、金融相關(guān)率、金融效率以及金融存貸款差之間存在著長期的均衡關(guān)系。
6.脈沖響應(yīng)函數(shù)
在實際應(yīng)用中,由于

模型是一種非理論性的模型,它無需對變量做任何先驗性約束,因而在分析

模型時,往往不分析一個變量的變化對另一個變量的影響如何,而是分析當一個誤差項發(fā)生變化,或者說模型受到某種沖擊時對系統(tǒng)的動態(tài)影響,這種分析稱為脈沖響應(yīng)函數(shù)方法。通過以上分析,我們得知金融生態(tài)環(huán)境與區(qū)域經(jīng)濟增長之間存在著協(xié)整關(guān)系,即長期均衡關(guān)系。為了更進一步反映金融生態(tài)在不同時期與區(qū)域經(jīng)濟增長的關(guān)系,我們基于

模型得到不同時期金融生態(tài)環(huán)境各要素的結(jié)構(gòu)沖擊引起的GDP波動的響應(yīng)函數(shù)。在軟件Eviews6.0中對載入的數(shù)據(jù)分別建立

模型,得到前述各變量對LnGDP的脈沖響應(yīng)函數(shù)如下:
圖1lnIDU的結(jié)構(gòu)沖擊引起lnGDP波動的響應(yīng)函數(shù)

從第三產(chǎn)業(yè)占比對經(jīng)濟增長的脈沖響應(yīng)圖中可以發(fā)現(xiàn),在前期變化中,第三產(chǎn)業(yè)占比對經(jīng)濟增長沖擊的波動較大,在第四期左右開始減弱并逐漸趨于0.02。從總體看,除了前期,其余都為正向沖擊,因此影響在中長期為正效應(yīng),通過計算得到第三產(chǎn)業(yè)占比對經(jīng)濟增長率波動的累計影響為0.1。
圖2lnFIR的結(jié)構(gòu)沖擊引起lnGDP波動的響應(yīng)函數(shù)

從模型分析結(jié)果中可以發(fā)現(xiàn),在第五期之前,金融相關(guān)率對經(jīng)濟增長沖擊有波動,在第五期左右開始逐漸趨于-0.01。從總體看,除了小波動,基本都為負向沖擊,通過計算得到金融相關(guān)率對經(jīng)濟增長率波動的累計影響為-0.15。
圖3lnEFF的結(jié)構(gòu)沖擊引起lnGDP波動的響應(yīng)函數(shù)

模型分析結(jié)果顯示,在中長期金融相關(guān)率對經(jīng)濟增長沖擊的波動比較平緩。從總體看,都為正向沖擊,通過計算得到金融效率對經(jīng)濟增長率波動的累計影響為0.055。
圖4lnDEP的結(jié)構(gòu)沖擊引起lnGDP波動的響應(yīng)函數(shù)

從金融存貸款差對經(jīng)濟增長的脈沖響應(yīng)圖中可以發(fā)現(xiàn),在前期變化中,金融存貸款差對經(jīng)濟增長沖擊的波動較大,在第七期左右開始減弱并逐漸趨于0.02。
從總體看,影響在中長期為正效應(yīng),通過計算得到第三產(chǎn)業(yè)占比對經(jīng)濟增長率波動的累計影響為0.3。
7.方差分解
脈沖響應(yīng)函數(shù)描述的是

模型中的一個內(nèi)生變量的沖擊給其他內(nèi)生變量所帶來的影響。而方差分解是通過分析每一個結(jié)構(gòu)沖擊對內(nèi)生變量變化(通常用方差來衡量)的貢獻度,進一步評價不同結(jié)構(gòu)沖擊的重要性。因此,方差分解給出對VAR模型中的變量產(chǎn)生影響的每個隨機擾動的相對重要性的信息。
圖5lnIDU沖擊對lnGDP波動的貢獻率圖6lnFIR沖擊對lnGDP波動的貢獻率


圖7lnEFF沖擊對lnGDP波動的貢獻率圖8lnDEP沖擊對lnGDP波動的貢獻率


從上面四個圖可以看出,金融相關(guān)率對GDP的貢獻率最大,且穩(wěn)定在80%左右。第三產(chǎn)業(yè)占比的貢獻率在不斷增長,也達到了80%以上。金融效率的貢獻率比較低,基本在20%左右。金融存貸款差的貢獻率增長比較明顯,由20%以下上升到70%左右。
(二)實證結(jié)果的理論解釋
從回歸模型和VAR模型的分析結(jié)果來看,義烏市的金融生態(tài)環(huán)境還不是很完善,金融生態(tài)的各個變量對經(jīng)濟增長的影響除了FIR指標外都為正,但是影響不明顯,這對于一個以私人融資渠道和民營經(jīng)濟為主的城市來說,是可以理解的結(jié)果,由于私營企業(yè)的經(jīng)營成果的不穩(wěn)定性,銀行惜貸,同時批貸速度緩慢,造成企業(yè)寧愿從私人融資渠道以高昂的利息取得貸款,這也是對金融生態(tài)環(huán)境的一種傷害,以下分各指標分析。
(1)第三產(chǎn)業(yè)占比。從脈沖響應(yīng)函數(shù)圖可以看出,第三產(chǎn)業(yè)占比對GDP的影響前期為負向的,在后期變?yōu)榱苏驔_擊,而第一次做出的回歸模型的系數(shù)為0.031578,這些都同時印證了目前第三產(chǎn)業(yè)占比對GDP的影響主要還是正向的,說明義烏市的第三產(chǎn)業(yè)發(fā)展起到了拉動GDP增長的作用。
歐美發(fā)達國家的第三產(chǎn)業(yè)在GDP中占有很大的比重。上世紀80年代初,西方發(fā)達國家普遍達到了50%,到1989年,美國、日本第三產(chǎn)業(yè)占GDP的比重分別達到了71.3%、62.8%,從業(yè)人員占社會勞動者人數(shù)的比例高達50%-70%。而我國作為發(fā)展中國家,工業(yè)化還沒有完成,盡管在相當長的歷史時期內(nèi)第三產(chǎn)業(yè)尚不能取代第二產(chǎn)業(yè)而占據(jù)國民經(jīng)濟的主導(dǎo)地位,但其加快發(fā)展的趨勢是鐵定無法改變的。義烏市的第三產(chǎn)業(yè)占比由1998年的45.07%增長到2009年的53.40%,第三產(chǎn)業(yè)發(fā)展迅猛,但是規(guī)模都偏小。而香港之所以能成為國際貿(mào)易中心,原因就在于它的第三產(chǎn)業(yè)十分繁榮,第三產(chǎn)業(yè)已占GDP的89%,通過義烏政府部門的推動,義烏第三產(chǎn)業(yè)也表現(xiàn)不俗。義烏市統(tǒng)計局提供的數(shù)據(jù)顯示,今年上半年,義烏的第三產(chǎn)業(yè)在三大產(chǎn)業(yè)的比重已增至56%。因而隨著第三產(chǎn)業(yè)的規(guī)模不斷壯大,第三產(chǎn)業(yè)占比對GDP增長的貢獻率會逐漸增加。
(2)金融相關(guān)率。金融深化與區(qū)域經(jīng)濟增長呈負相關(guān)關(guān)系,回歸模型的系數(shù)為-1.039098,這些都說明信貸規(guī)模的擴大對經(jīng)濟增長率有著反面的作用,雖然義烏市金融相關(guān)率不斷增大,1998年金融相關(guān)率為1.83,到2009年增加到4.08,但是可以看到FIR的貢獻率并沒有明顯的增長的趨勢,這說明金融深化度對經(jīng)濟具有促進作用,但并不是越大越好,存在一個度的問題,金融深化的程度要與區(qū)域經(jīng)濟增長的速度和規(guī)模相適應(yīng),才能發(fā)揮最大的效應(yīng)?梢赃@樣解釋:在經(jīng)濟發(fā)展初期,義烏市金融深化度較低,此時貨幣發(fā)行的增長不會導(dǎo)致通貨膨脹,會為經(jīng)濟發(fā)展提供大量的資金支持。但是隨著金融深化的加深,貨幣發(fā)行的繼續(xù)增長可能在為經(jīng)濟發(fā)展提供資金支持的同時,也產(chǎn)生了流動性過剩及通貨膨脹,抑制了經(jīng)濟發(fā)展,兩者的作用相抵消,進而減弱金融相關(guān)率對經(jīng)濟增長的促進作用。
(3)金融效率。貸存比與經(jīng)濟增長正相關(guān),回歸模型的系數(shù)為1.937205,且貸存比的脈沖響應(yīng)函數(shù)一直處于正向沖擊。
貸存比反映了金融資源的配置效率,金融資源的流向和流量受制于區(qū)域金融生態(tài)環(huán)境的約束,具體表現(xiàn)在信貸資金投入上就有不同的比例關(guān)系。一般情況下,貸存比例高的地區(qū),人均GDP增長率也高。這在義烏市有比較明顯的表現(xiàn),良好的金融生態(tài)環(huán)境吸引金融資源流入,促進了投資消費增長,提高了金融資源的配置效率,進而促進了經(jīng)濟增長。但是并不是越高越好,貸存比過高容易引起不良貸款率增高,影響金融資產(chǎn)的質(zhì)量。義烏市金融機構(gòu)的存款余額自1998年以來一直是上升的趨勢,而且上升的趨勢加快,這主要是因為我國的制度和文化原因。但是隨著儲蓄的不斷上升,貸款卻是相對下降的,表現(xiàn)為義烏市近年來貸存比稍有下降趨勢。2003年義烏市貸存比為0.64,而到了2005年貸存比數(shù)值下降到0.61。長期來看,存貸差擴大,貸存比不斷下降的趨勢不利于經(jīng)濟發(fā)展,首先,貸款發(fā)放少,派生存款會減少,金融機構(gòu)創(chuàng)造信用功能難以充分發(fā)揮;其次,重存款輕貸款,不重視信貸資金運用,會減少開拓新的信貸業(yè)務(wù),使得金融機構(gòu)盈利能力下降;同時,金融資源增多的同時,部分金融資源未得到充分利用,大量的儲蓄并未轉(zhuǎn)化為有效投資來促進經(jīng)濟的持續(xù)發(fā)展,這會對經(jīng)濟發(fā)展產(chǎn)生潛在的不利影響。
總體而言,貸存比對經(jīng)濟發(fā)展還是有一定作用,義烏市應(yīng)改變這種形勢,以促進經(jīng)濟進一步發(fā)展。
(4)金融存貸差。存貸差與經(jīng)濟增長的關(guān)系與金融效率指標類似,也是正相關(guān)關(guān)系,回歸模型的系數(shù)為1.008017,脈沖函數(shù)沖擊為正,都印證了這種關(guān)系。正如前面所說,存貸差主要存在的問題就是存貸差擴大的同時,貸存比卻存在緩慢下降的趨勢,這樣會帶來金融資源未充分利用的問題。
四、研究結(jié)論與政策建議
為了檢驗義烏市金融生態(tài)與區(qū)域經(jīng)濟增長關(guān)系,本文選擇線性回歸模型和VAR模型進行分析。通過Johansen協(xié)整檢驗,得出初步結(jié)論即金融生態(tài)與區(qū)域經(jīng)濟增長之間存在著長期均衡的關(guān)系,改善金融生態(tài)對區(qū)域經(jīng)濟增長有著深遠的意義。進一步利用VAR模型得出了金融生態(tài)變量結(jié)構(gòu)沖擊對GDP的脈沖響應(yīng)函數(shù),考察了不同時期金融生態(tài)各性狀對區(qū)域經(jīng)濟增長的影響,表征金融生態(tài)性狀的各變量的回歸系數(shù)和沖擊自1998年以來基本都為正值,表明良好的金融生態(tài)促進了經(jīng)濟增長。同時發(fā)現(xiàn)FIR的線性回歸模型系數(shù)和沖擊都為負,這表明衡量金融生態(tài)的指標值并不是越大越好,金融生態(tài)的發(fā)展要與區(qū)域經(jīng)濟發(fā)展的規(guī)模速度保持一致,才會更好的促進區(qū)域經(jīng)濟。
通過研究發(fā)現(xiàn),良好的金融生態(tài)促進了區(qū)域經(jīng)濟的發(fā)展,能改善金融生態(tài)環(huán)境,提高經(jīng)濟效率,對區(qū)域經(jīng)濟發(fā)展有著重要的影響。在總體情況較好的前提下,義烏金融生態(tài)還存在著很多問題,如金融主體結(jié)構(gòu)不合理、居高不下的存貸差、金融生態(tài)與經(jīng)濟發(fā)展并不一致等,這些問題都是制約其金融生態(tài)進一步優(yōu)化的因素。金融生態(tài)環(huán)境、金融生態(tài)主體、金融生態(tài)調(diào)節(jié)既是金融生態(tài)建設(shè)的內(nèi)容也是影響區(qū)域經(jīng)濟增長的因素,本文從這三個方面提出優(yōu)化金融生態(tài)、促進區(qū)域經(jīng)濟發(fā)展的政策建議。
1、金融生態(tài)環(huán)境優(yōu)化
經(jīng)濟基礎(chǔ)方面,義烏經(jīng)濟發(fā)展的模式是民營經(jīng)濟主導(dǎo)型的。在民營經(jīng)濟高速發(fā)展的同時,中小企業(yè)在金融機構(gòu)中貸款比重卻很低。因此要突破現(xiàn)有的經(jīng)濟發(fā)展模式,促使民營經(jīng)濟融入金融生態(tài)體系的循環(huán)。
誠信環(huán)境方面,義烏誠信基礎(chǔ)較好,但局限于血緣和地緣,不適應(yīng)市場經(jīng)濟。首先政府應(yīng)當加強自身誠信建設(shè),通過政府作用提高社會誠信度。其次全面開展各類信用信息的歸集,加強企業(yè)和個人的征信系統(tǒng)建設(shè),積極向信用服務(wù)中介機構(gòu)和金融部門提供信息。再次引入高規(guī)格的評級機構(gòu),開展和培育企業(yè)資信評級平臺,促進信用市場健康發(fā)展。最后,加快會計、審計、評估等中介市場體系建設(shè),不斷完善金融生態(tài)鏈。
2、金融生態(tài)主體優(yōu)化
義烏金融主體結(jié)構(gòu)需要進一步改進,銀行、證券、保險、信托沒有實現(xiàn)協(xié)調(diào)發(fā)展。銀行業(yè)經(jīng)營業(yè)績良好,而證券信托業(yè)狀況令人擔(dān)憂,義烏本土上市公司只有四家,這種狀況造成了義烏市間接融資比例過大,銀行貸款是義烏企業(yè)融資的主要來源,現(xiàn)有金融體系不能較好滿足民營企業(yè)和中小企業(yè)融資需求,不利于金融穩(wěn)定。因此要大力推動非銀行業(yè)金融機構(gòu)的發(fā)展,鼓勵各類金融機構(gòu)通過有序的、正當?shù)氖袌龈偁幪岣呓?jīng)營管理水平,允許符合條件、有實力的信托公司、保險公司設(shè)立分支機構(gòu),形成銀行、證券、保險等相互競爭,協(xié)調(diào)發(fā)展的格局,實現(xiàn)金融主體和融資渠道的多元化。針對義烏民間經(jīng)濟發(fā)達,民間融資活躍的特點,要降低民營金融準入門檻,積極穩(wěn)健地創(chuàng)建民營銀行,形成金融產(chǎn)權(quán)多元化,進一步關(guān)注民間金融的發(fā)展規(guī)模、水平、趨勢及特點,通過促進民間金融的發(fā)展,增強金融穩(wěn)定性。
3、金融生態(tài)調(diào)節(jié)的完善
金融生態(tài)調(diào)節(jié)可以促進提高金融運行效率、維護金融安全。
首先,要樹立“貨幣意識”。通過實證檢驗發(fā)現(xiàn)金融生態(tài)指標值不是越高越好,人民銀行分支機構(gòu)要改變過去把自己手中掌握的貨幣看成是資金,只顧爭指標、分規(guī)模、忙拆借、搞投資的做法,應(yīng)該更加注重堅持貨幣穩(wěn)定和促進經(jīng)濟發(fā)展,保持金融發(fā)展與區(qū)域經(jīng)濟增長規(guī)模與速度的一致。
其次,優(yōu)化信貸結(jié)構(gòu),義烏目前存在存貸差擴大,貸存比卻有下降的趨勢,這表明金融資源未得到充分利用,不利于經(jīng)濟發(fā)展,而與之并存的是中小企業(yè)融資困境。因此,信貸政策必須著眼于培育發(fā)展市場機制和提高市場效率,促進金融創(chuàng)新,進一步優(yōu)化信貸結(jié)構(gòu)。加強對中小企業(yè)融資傾斜,改善融資條件,促進個體、私營經(jīng)濟和中小企業(yè)發(fā)展。
最后,完善金融監(jiān)管體系,防范和抵御金融風(fēng)險。制度體系是金融監(jiān)管必不可少的部分,因此在金融監(jiān)管模式中,要建立以條例、實施細則為主的制度體系。面對各類金融組織可能出現(xiàn)的金融風(fēng)險,金融監(jiān)管部門要不斷完善金融風(fēng)險管理機制,成立由金融專家和監(jiān)管部門組成的風(fēng)險評估機構(gòu),預(yù)測監(jiān)測各種金融風(fēng)險,及時發(fā)現(xiàn)問題。
參考文獻
2 趙立平,邵挺.金融生態(tài)環(huán)境概覽[M].上海:上海財經(jīng)大學(xué)出版社,2008:34-37.
3 李揚,張濤.中國地區(qū)金融生態(tài)環(huán)境評價(2008-2009)[M].北京:中國金融出版社,2009:170.
4 韓廷春,雷穎絮.金融生態(tài)環(huán)境對金融主體發(fā)展的影響[J].世界經(jīng)濟,2O08,(3):71-79.
5 賈燕霞. 浙江省金融生態(tài)與區(qū)域經(jīng)濟增長關(guān)系研究[D].浙江:浙江理工大學(xué)經(jīng)濟學(xué)院,2009.
6 浙江在線新聞網(wǎng)站.義烏已成浙江乃至全國金融業(yè)務(wù)增長最快縣市之一. (2008-07-20). http://zjnews.zjol.com.cn/05zjnews/system/2008/07/20/009750963.shtml.