银行理财产品发行会对银行同业拆借市场造成影响吗？——基于EEMD和时变Copula方法的研究

(西安交通大学经济与金融学院，陕西 西安 710061)

引言

2016年第4季度央行货币政策报告提出，“要将商业银行表外业务纳入宏观审慎监管”。作为我国影子银行体系的重要组成部分，银行表外理财业务随着金融创新和金融市场发展得到快速发展。自2008年以来，我国商业银行理财产品发行规模越来越大，截止到2016年6月，我国理财产品资金余额已达到26.68万亿元，是2007年12月的0.53万亿元的50余倍。商业银行理财产品规模不断扩大的原因大致可以分为三类：一是投资者财富的快速增加与有限的保值增值投资渠道之间的矛盾激发了对银行理财产品的需求；二是有限的银行信贷规模难以满足中小企业融资需求，银行发行理财产品能够通过信贷等模式为实体经济注入资金；三是银行监管套利动机驱使银行理财产品快速发展，这也是银行理财产品规模快速扩大的根本原因。理财产品并不纳入表内业务，因此能够规避监管，从而为商业银行带来丰厚的利润回报。从图1可知，在2009年4月～2016年10间，理财产品的预期年收益率在4～6%之间，远大于同期一年期存款基准利率，说明商业银行愿意提供比存款利率更高的收益水平去吸收资金，扩大其理财产品资金规模。商业银行发行理财产品的根本动力是对理财产品高收益的追逐，当前银行理财产品大多投资于通道业务，即银行通过发行理财产品吸收资金，投资与信托等相关业务，获取比存贷利差更大的利润回报。因此信托产品的预期年收益率水平越高，则商业银行的利润回报越大。以我国非证券类信托和贷款类信托两类信托产品为例，信托产品的预期年化收益在8%水平附近浮动，银行发行理财产品的收益利差约为4%，远大于同期存贷利差2.5%，因此商业银行在利益驱逐下，必然会大力发行理财产品，推动理财产品规模增长。

图1 理财产品与信托产品的预期收益率

随着商业银行理财产品规模的扩大，商业银行对于同业拆借市场的资金依赖性越来越强。一方面，理财产品的期限一般以3～6个月为主，大量的理财产品发行导致银行的期限错配现象更加严重，因此同业拆借市场资金成为补充商业银行短期流动性重要的资金来源；另一方面，随着金融创新能力和利率市场化水平的提高，银行同业拆借市场成为补充银行短期资金流动性的重要来源。上海同业拆借利率(SHIBOR)利率作为央行培育的货币市场基准利率，其波动不但反映了货币市场的流动性安全，同时也将会通过影响商业银行不良贷款率而对金融稳定产生影响，因此有必要深入研究商业银行的理财产品发行与同业拆借市场间流动性的联动关系。考虑到不同时期内，理财产品收益率与同业拆借利率之间的联系程度可能不同，本文首先利用EEMD频谱分解方法将理财产品收益率和同业拆借利率两个时间序列分解为高频、低频和趋势项三个部分。其中高频分量代表时间序列的短期波动；低频分量则反映出时间序列的中长期波动；趋势项代表了时间序列的长期走势。其次利用时变高斯Copula方法研究不同频率之间的动态相关结构，进而从短期、中长期、和长期三个时间维度，考察商业银行理财产品收益率与银行间同业拆借市场的流动性的动态相关性，从为我国商业银行表外理财业务的监管以及维护货币市场的流动性安全提供客观的实证依据。

相关文献综述

商业银行理财产品创新不但改变了商业银行的融资结构和风险承担水平，同时也对货币政策传导造成了深刻的影响。于研等[26](2015)研究指出，银行通过发行高收益非保本的理财产品将原来隶属于资本类的信贷业务转向了资产类金融资产或者直接出表，以逃避监管，提高了表外业务规模和银行非利息收入占比。商业银行理财产品创新带来的非利息收入具有较高的波动性和周期性，因此商业银行风险承担会伴随着理财产品规模的提升而不断增大(张羽等，2010)[25]。银行理财产品创新还会对货币政策传导造成影响。翟光宇(2016)[23]研究发现银行理财产品规模扩大改变了银行的资产负债结构，以法定存款准备金率为代表的货币政策工具冻结资金能力有限，货币政策的调控效果被银行创新理财产品业务削弱。朱焱(2015)[5]则从理财产品业务模式和投资投向为出发点，系统论证了商业银行理财产品创新对我国货币政策传导机制的影响。高蓓等(2016)[6]研究了理财产品对我国商业银行经营稳定性机制的影响，发现理财产品通过降低资本比率与资产收益率降低了商业银行的经营稳定性，从而对货币政策传导造成影响。在银行同业拆借市场利率方面的研究，战明华(2006)[7]分析了同业拆借利率与基础货币供给之间的联系；孙继国等(2014)[8]则将同业拆借利率与我国宏观经济变量联系起来，研究了货币供应量、金融机构存款余额和股价波动对同业拆借利率的影响。潘松等(2009)[9]则实证研究了我国大额支付系统中银行间支付与同业拆借利率的相关性，研究指出两者之间的相关性随存款准备金率的提高而不断增强。涉及到同业拆借利率的研究方法，吴吉林(2011)[10]构建了跳跃-扩散-机制转换模型研究了同业拆借利率的波动；高岳(2009)[11]则利用极值理论，结合AR-GARCH模型研究了我国同业拆借利率的波动趋势；王志强等(2012)[12]利用时变期限溢价模型，并采用结构变点方法研究了同业拆借利率在不同区间存在的共同趋势，并指出宏观因素在不同区间的影响不同，其研究方法从时域上对同业拆借利率做出了细致的分析。同业拆借利率的研究方法还有Elman神经网络分析方法(王军生等，2010)[13]、相空间重构(李玉锁等，2006)[14]、MVGARCH(周先平等，2014)[15]、ARGARCH-POT(严佳佳等，2015)[16]等。

可以发现，现有对银行理财产品收益率和同业拆借利率的研究，指出了商业银行理财产品收益率对于宏观经济变量及商业银行经营稳定的影响，而对于同业拆借利率的研究，则集中于不同影响因素对同业拆借利率波动的影响。考虑到我国商业银行理财产品创新能够影响货币政策传导机制和货币政策效果，利率市场化水平的提高加强了同业拆借市场对银行资金的需求，因此在供给侧结构性改革过程中，更应该关注与商业银行理财产品发行关联更加紧密的同业拆借市场，分析银行理财产品收益率变化对于同业拆借利率的波动影响。近年来，由于EEMD能够有效处理非线性、非平稳金融时间序列，大量文献利用EEMD进行了研究。张娥等(2016)[19]运用EEMD和SVAR模型探讨了汇率变动与股价波动之间在不同频域上的相关性。何建敏、白洁(2015)[20]利用EEMD分析了余额宝收益率的影响因素。涉及时间序列相关关系的动态结构性变化研究，常见的动态相关性建模方法主要有DCC-MGARCH和时变Copula两种，但由于DCCMGRACH建模方法通常要求随机扰动项服从正态分布，有可能与实际数据不符，因此时变Copula模型逐渐成为研究动态相关性的主流方法。李丛文(2015)[21]利用时变Copula分析了中国影子银行与货币政策调控的动态相关性；周好文等(2010)[22]研究了基金、股票和国债的尾部相关性；高波(2015)[24]利用时变Copula模型研究了系统流动性风险。综合有关EEMD方法的相关研究可以发现，EEMD方法在处理时间序列过程中，通过将时间序列按照频域的不同划分为高频、低频和趋势项，能够更加准确的捕捉到具有经济学意义的序列特征。

本文尝试将EEMD方法与时变Copula方法结合起来，首先对理财产品收益率和同业拆借利率两个时间序列划分为不同频域上的特征序列：高频分量代表时间序列的短期波动；低频分量反映时间序列的中长期波动；趋势项代表时间序列的长期变化趋势。其次，利用时变高斯Copula方法研究两个时间序列在不同频域分量上的动态相关性变化，从而能够更加准确的反映两者在不同频域上的动态联系，即反映出两者在短期、中长期和长期中变化的相关性，从而为商业银行理财产品监管以及银行间同业市场的流动性调控提供指导。

本文的创新体现在如下几个方面：一是本文利用EEMD频域分解方法，并结合时变高斯Copula方法对银行理财产品收益率和银行同业拆借利率之间的联动关系进行研究，不但能够有效地处理时间序列的非平稳性和非线性问题，同时避免了对时间序列扰动项必须为正态分布的假设，从而能够最大程度还原两者的动态相关结构；二是从频域分解视角来研究银行理财产品收益率与同业拆借利率之间的动态联系是一个新的研究视角。通过频域分解技术将时间序列分解为高频、低频和趋势项三个分量，结合各分量的结构特征剖析其经济意义，并利用时变Copula函数来研究银行理财产品收益率与同业拆借利率在不同频域上的动态相关性；三是研究发现银行理财产品收益率与同业拆借利率在中长期上存在紧密的波动联系，说明从长期来看，表外业务的发展与货币市场流动性紧密联系，加强对表外业务的监管，特别是商业银行理财产品收益率的监管，能够降低其对同业拆借市场利率的冲击，因此，本文的研究为将银行表外业务纳入宏观审慎监管提供了实证依据。

计量方法介绍

一、EEMD算法

EEMD算法的原理(Wu and Huang Huang,2009)[1]：利用白噪声频率均匀分布的统计特性，当白噪声加入序列后，改变了序列极值点的特性，使序列在不同尺度上具有连续性，抗混分解，避免模式混淆。在不连续序列中，高频成分的极值点间隔分布密集，低频成分的极值点间隔分布稀疏，而加入白噪声可使得整个频带中的极值点间隔分布均匀，保证每次对序列进行准确求取上、下包络的局部均值，进而促进序列抗混分解，避免序列在模式分解中出现模式混淆。鉴于上述优势，EEMD方法已广泛应用到汇率波动(张娥等，2016)[19]、余额宝收益率(何建敏等，2015)[20]等方面的研究。

EEMD的分解步骤如下：

步骤1：原始序列x(t)中多次加入均值为0、标准差为常数的白噪声，即：

式中，xi(t)为第i次加入白噪声后的序列，wi(t)为第i次加入的白噪声。

步骤2：对新组成的时间序列xi(t)分别进行EEMD分解，得到各自的固有模式函数记为cij(t)，与一个余项式ri(t)，其中cij(t)为第i次加入白噪声后分解得到的第j个IMF。

步骤3：由白噪声的统计特性知，随机白噪声是可以通过足够多次试验相抵消的，所以将上述分解中对应的IMF进行总体平均计算，得出EEMD分解后最终的IMF。

式中N为加入白噪声的次数，cj(t)表示对原始序列进行EEMD分解后得出的第j个IMF。

通过EEMD方法，上证综指被分解为若干个固有模式函数和一个趋势项T。对分离出的具有经济意义的分量进行分析，将有助于从时域和频域综合视角来探讨经济变量的波动。

二、时变Coupula模型

时变Coupula模型是研究参数或者结构随时间变化而改变的Copula模型，可以更加准确的分析时间变量之间的动态向异性。Copula实际上为一种多元分布函数，其原理为将定义在n维空间的连续函数C[0，1]n映射到[0，1]区间上。Sklar定理指出，任何一个n元连续的联合分布都能够分解成n个边际分布函数和一个Copula函数。由于传统的度量方法通常以假设金融市场中的变量服从正态分布为前提，并且常采用线性相关系数作为度量变量相关性的指标，而Copula函数在处理非正态分布变量时，特别是处理具有明显的尖峰厚尾特点的变量时更加有效，因此采用时变Copula模型能够更好的度量金融变量的动态相关性。

Copula函数的主要类型有椭圆型和阿基米德型两类，不同类型的Copula函数对应的表达式和应用条件不同，Gaussian Copula和t Copula为椭圆型，Gumbel Copula、Clayton Copula、Frank Copula、和SJC Copula为阿基米德型。上述Copula函数的适用情况不同，二元Gaussian Copula和Frank Copula函数是具有对称尾部，且尾部渐近独立的二维随机变量；二元t Copula函数适合具有对称尾部且尾部相关的二维随机变量；二元Gumbel Copula函数适用于具有非对称尾部，且上尾相关、下尾渐近独立的二维随机变量，二元Clayton Copula函数适用于具有非对称尾部，且下尾相关、上尾渐近独立的二维随机变量；SJC Copula函数对于随机变量的尾部对称性无要求，仅需上下尾相关即可。上尾相关系数τu和下尾相关系数τL的定义如下：

其中，F-1(x)为连续随机变量X的边缘分布函数的反函数，G-1(y)为连续随机变量Y的边缘分布函数的反函数。上下尾相关系数刻画了两个随机变量同时上升或下降的可能性。

上述Copula函数度量的是变量之间的不变相关结构，相关系数的估计可采用最大似然估计方法(ML)、分步估计方法(IFM)和半参数估计方法(CML)等多种方法。在现实中，变量之间的参数经常随经济结构环境的变化而改变，因此用时变Copula函数来度量变量间的动态相关结构成为了研究主流，目前被广泛应用的是Patton(2006)[2]提出的参数演化方程形式，用类似于ARMA(1，10)过程来描述Copula函数的参数变化过程，常用的Copula参数演化方程如表2。

表1 常见Copula的表达式

表2 参数动态方程

可以发现，利用EEMD频域分解技术能够将时间序列分解为高频、低频和趋势项三个部分，并且由于不同频率代表了不同时期内的波动变化，因此EEMD方法能够让我们从频域和时域两个维度，剖析时间序列的经济学意义。时变Copula模型能够准确反映两个序列之间的动态、非线性联动关系，因此有助于深入理解两个时间变量的动态联系。结合使用EEMD和时变Copula函数，能够更加准确的判别两个时间序列在短期、中长期和长期中的动态联系，从而为分析问题、解决问题提供更加客观、准确的判断依据。

频域分解结果分析

一、变量选择与说明

我国商业理财产品自从2005年发行以来发展迅速。截止2016年6月，我国理财产品资金余额达到26.28万亿元。商业银行实现收益在2015年就已达到1169.9亿元。理财产品一般投资于债券、现金及银行存款、非标准化债权类资产以及权益类资产等。根据统计资料显示，我国理财产品投资于实体经济占比约为67%，投资于重点监控行业和领域的资金余额约为2030亿元，其中包含地方政府融资平台、商业房地产和“两高一剩”行业。理财产品的收益率根据发行主体不同而有所不同，大型商业银行、股份制银行、城市商业银行、农村商业银行和外资银行的理财产品收益率都不相同。为准确反映我国理财产品的收益率水平，并考虑到数据的可得性，本文选择全市场人民币理财产品1年期预期收益率的周度数据作为银行理财产品收益率的代理变量。在银行间同业拆借利率的选择上，本文选取上海同业拆借利率(SHIBOR)年化周度数据作为代理变量。变量的选择范围为2008年2月17日～2016年12月4日间的周度数据，删除两者中缺失的无效数据，总共得到460个观测值，数据来源于wind数据库。

二、EEMD分解结果的结构特征分析

根据EEMD的分解方法，本文将理财产品收益率与同业拆借利率划分为8个固有模式函数IMFs和一个趋势项T。不同IMFs的波动频率和波动幅度各不相同，并且伴随着s数值的增大，波动频率越来越低，波动幅度越来越大。借鉴张娥等(2016)[19]关于分解序列的划分方法，本文把理财产品收益率与同业拆借利率划分为高频、低频和趋势项三个分量。在EEMD中，每个分量都有自己的独特特征。高频分量一般振幅较小，主要是对同业拆借利率和理财收益率受到短期因素影响的随机波动的概括。低频分量的每次骤然地上升或下降总是和一些重大事件相对应，反映出这些事件对理财收益率和同业拆借率的影响。趋势项围绕长期均值缓慢变化，可视作时间序列变化的潜在趋势。

表3给出了理财收益率与同业拆借利率高频分量、低频分量和趋势项三者的统计特征。高频分量的相关系数最小，且方差占比数值更低，这反映出原始序列的高频短期波动，不能反映时间序列的变动趋势。从低频分量看，其与原始序列的相关系数处于趋势项和高频分量之间，并且都在1%水平下显著，对原始序列的解释力度相对较小。从趋势项看，其与原始时间序列的相关系数最大，均已达到0.78以上；原始序列和分解后序列的方差占比均已超过65%，说明趋势项能够较好的解释原始序列的变化趋势，能够代表两者的内在变动特征。

图2和图3反映了理财产品收益率和同业拆借利率的高频分量、低频分量和趋势项的变动趋势。可以发现：两者的趋势项为一条向右下倾斜的曲线，说明理财收益率和同业拆借利率在长期内表现出逐步下降的态势。低频分量反映了两者的中长期变动趋势，低频分量的周期特征明显，且变动周期较长。值得注意的是，在2012年以前，理财产品收益率的低频分量波动幅度较大且周期较短，这主要是商业银行理财产品的发行缺乏有效的监管和约束，导致理财收益率的期限结构和收益率都有较大波动；在2012年出台了《商业银行理财产品销售管理办法》后，理财产品的期限结构及投资标的都得到了明确规定。对理财产品的规范和约束降低了理财产品收益率的波动幅度，拉长了波动周期。同业拆借利率亦反映出这种结构性特征，这主要是由于2012年是我国利率市场化的深化之年，利率市场化水平的提高降低了同业拆借利率在中长期内的波动幅度。高频分量则代表了影响两者波动的短期因素。

表3 沪深指数高低频分量分析

不同频域分量之间的动态关系分析

为探究银行理财产品收益率与同业拆借利率在不同频域上的动态相关性，本文按照如下步骤选择时变Copula模型。

一、确定随机变量的边缘分布

金融时间序列的条件分布多呈时变、偏斜、波动集群和厚尾等特性，厚尾分布如t分布和GED分布能够很好的描述这些分布的特性，而GARCH又可以很好地描述时间序列的波动特性。Bolerslev、chou和Kroner(1992)研究表明，GARCH(1，1)模型能够有效的刻画多数金融时间序列的波动特性。本文对各时间序列构建ARMA(0，0)-GARCH(1，1)-t模型进行边缘分布拟合，模型表达形式如下：

图2 理财收益率各分量变动趋势

图3 同业拆借利率及各分量变动趋势

其中，ωn＞0，αn≥0，βn≥0，且αn+βn＜1。列的均值，hnt表示εnt的条件方差，t(v)表示自由度为v的标准t分布。

对理财产品收益率和同业拆借利率两个时间变量的原始数据、高频分解数据、低频分解数据以及趋势项数据做统计性分析，可以发现：各时间序列的偏度系数均不为零，且峰度系数不等于3，呈现出了棉线的非对称性厚尾特性；JB统计检验表明各时间序列均不服从正态分布。Q检验表明，在滞后8阶、5%显著水平下，各时间序列不存在自相关性。ADF单位根检验和KPSS平稳性检验结果表明，原始时间序列和趋势项为一阶平稳序列，高频和低频数据为平稳序列。利用ARMA(0，0)-GARCH(1，1)-t模型进行边缘估计，并对原序列进行概率积分变换，运用K-S检验方法检验变换后的序列是否服从(0，1)均匀分布。K-S统计量及其概率值表明，对于各时间序列均没有理由拒绝零假设“变换后的序列服从(0，1)分布”。进一步，对变换后的序列做自相关检验发现，变换后的各时间序列均不存在自相关，因此变换后的序列是独立的。因此ARMA(0，0)-GARCH(1，1)-t模型能够较好的拟合各时间序列的条件边缘分布，可以用来描述各时间序列的条件边缘分布。

二、选择适当的Copula函数

在确定了条件边缘分布后，可以根据两者联合密度函数的二元直方图形状或绘制Copula密度函数图像来选择适当的Copula函数，当图形或图像具有对称的尾部时，可以选择Gaussin Copula或t-Copula函数来描述变量的相关结构。为进一步比较不同Copula函数的拟合优劣，还可以进行拟合优度检验，常用的检验方法有Kolmogorov-Smirnov检验和Cramer-von Mises检验，其检验原理同为比较不同Copula函数与经验Copula函数的相对距离，两者的数学表达式为：

表4 变量的统计性描述

表5 边缘分布模型的参数估计及检验结果

其中，ut=[u1t,u2t…unt]，ρ^tt是ρ^t的参数估计量，C^T(ut)表示经验Copula函数，并且，这里I(x)为判别函数，当x为真时，I(x)=1，否则I(x)=0。对于时变Copula函数，经验Copula函数不再是Copula函数的非参数估计，此时需要进行Rosenblatt概率积分变换，更多详细内容可参考Genest et al(2009)[3]和Patton(2013)[4]的研究。结合本文的研究对象，利用上述两种方法，我们发现时变Gaussin Copula函数能够更好地刻画各时间序列条件边缘分布的联合分布，因此本文采用时变Gaussin Copula模型来研究shibor和lcsy两者及其不同频域分量的动态相关性。

三、动态相关性分析

图4 shibor和lcsy原始序列的动态Kendall系数

图4给出了2008～2016年间，理财收益率与同业拆借利率SHIBOR的周度动态Kendall系数变化情况。整体而言，可以发现理财产品收益率与银行同业拆借利率之间的Kendall系数在2012年之前波动频繁且变动幅度较大，在[0.3-0.9]区间上大幅度剧烈波动；但在2012年后，两者之间的Kendall系数波动幅度明显减小，维持在[0.6-0.8]之间。究其原因，莫过于2012年1月银监会颁布并实施《商业银行理财产品销售管理办法》，规范了理财资金的期限和标的，降低了银行理财产品收益的波动；同时，2012年也是我国利率市场化的深入之年，利率市场化限制了银行将理财业务作为“揽储”工具的可持续性，商业银行理财产品收益率与市场化利率之间的联系更加紧密，这也是2012年后我国理财产品收益率与同业拆借利率的相关结构更加稳定的原因。

上述分析结构表明，随着我国银行理财产品发行的不断规范与利率市场化的推进，银行理财产品收益率与我国同业拆借市场利率之间存在较强的风险溢出效应，理财产品收益率波动会对同业拆借市场的流动性安全造成冲击，其背后的经济学逻辑为同业拆借利率作为市场基准利率必然会受到银行对存款争夺的市场化行为(发行银行理财产品)的影响。在一定程度上，两者间的联动关系从侧面说明了我国银行同业拆借利率作为市场利率的有效性，但从维护货币市场流动性安全角度出发，保持银行同业拆借市场的流动性安全就必须关注银行理财产品收益率变动对其造成的冲击，因此将银行表外业务纳入宏观审慎监管是非常必要的。

图5 shibor和lcsy高频分量之间的动态Kendall系数

图5反映了理财产品收益率和同业拆借利率高频分量的动态Kendall系数变化情况。总体来看，两者高频分量的相关系数波动幅度较小，且相关性系数维持在0.02左右，说明在短期波动中，理财产品收益率与同业拆借利率的联动效应较弱，这与现实情况相符：银行理财产品的期限结构一般都为3～6个月，理财产品的收益率短期波动并不明显；而同业拆借利率则反映了银行间资金的短期需求关系，央行公开市场操作对于同业拆借利率的短期波动作用更加直接和明显。在2014年8月前商业银行对存款等指标的“时点”考核制度，极易引发货币市场利率波动，2013年6月发生的“钱荒”事件充分反映了“冲时点”考核制度对于短期同业拆借利率波动的影响。总的来说，对于理财产品收益率与同业拆借利率的高频数据进行动态相关性检验，可以得出在短期内，两者间的相互溢出效应并不明显的结论，熨平同业拆借利率的短期波动，还需要从影响同业拆借市场资金流动性的其他相关因素方面进行改进，如银行存贷款考核制度以及央行对于货币市场的资金流动性供给机制等。

图6反映了理财收益率和同业拆借利率低频分量之间的动态Kendall相关系数变化情况。分时区看：2012年之前，理财产品收益率与同业拆借利率的动态Kendall系数波动幅度较大，系数介于0.4～0.9之间，说明在此期间，两者的动态联系并不稳定，这可能是由于在2012年以前，理财产品发行缺乏规范约束，理财产品收益率波动幅度较大；2012年之后，银行理财产品的发行得到了有效的约束，并且利率市场化的加快使得银行理财产品收益率与市场化利率之间的关系更加稳定，反映市场利率波动变化的理财产品收益率与同业拆借利率在低频分量上的动态相关系数维持在0.55左右，且系数的波动幅度明显降低，说明从中长期来看，银行理财产品收益率与同业拆借利率存在较强且稳定的联动关系。进一步，对两者的低频分量做格兰杰因果检验分析，发现两者之间存在单向因果关系，即理财产品收益率是同业拆借利率的格兰杰因1，这表明，在中长期中，理财产品收益率波动能够传递至同业拆借市场，造成同业拆借利率的波动。背后的经济学解释为：银行理财产品收益率提高，表明银行的资金需求程度更大；同业拆借市场作为银行补充短期资金流动性的重要渠道(肖崎等，2014)[27]，同业拆借市场中资金需求增加，导致同业拆借利率上升。上述分析表明：在中长期内，要重点关注银行理财产品发行对银行同业拆借市场的冲击，加强对银行理财产品收益率的指导和监管，避免银行理财产品收益率过高，导致银行间同业拆借市场的流动性困难。

图6 shibor和lcsy低频分量之间的动态Kendall系数

图7反映了理财产品收益率与同业拆借利率两者趋势项的动态Kendall系数变化情况。两者趋势项之间的动态系数变化显然在不同的时域内存在明显的不同。在2012年前，动态系数在初始阶段剧烈波动，且波动幅度较大；2008～2011年末，两者的动态系数稳步提高，动态系数从0.4逐步增长至0.8左右，说明在此期间，理财收益率与同业拆借利率的波动联系更加紧密，这种长期之间的联系与我国实际经济环境相吻合：为应对金融危机的冲击，我国在2008年10月提出了四万亿投资刺激计划。商业银行通过发行理财产品扩大其信贷供给能力，提高了社会融资规模(苏治等，2013)[18]。理财产品的大量发行，导致银行对同业拆借市场资金的需求增加。银行发行理财产品竞争和对同业拆借市场资金需求的提升，最终体现在两者在长期中利率水平的高度相关性。2012年之后，由于利率市场化进程的加快以及《商业银行理财产品销售管理办法》的实施，银行理财产品的发行期限和标的受到明确的监管，银行理财产品收益率迅速回落，两者趋势项之间的动态Kendall系数则呈现出U型走势，说明了银行理财产品收益率与同业拆借利率之间的长期动态联系先降低后提高的发展趋势。银行理财产品收益率是银行参与市场化竞争的体现，互联网金融创新，如余额宝收益率显著影响银行理财产品收率(赵红等，2017)[17]，因此银行理财产品收益率主要是由市场化利率决定的。从长期看，两者的动态Kendall系数已接近1，表明我国同业拆借市场利率的市场化程度不断提高；动态系数的正相关性表明，在对货币市场的流动性监管中，必须重点防范银行理财产品收益率提高造成的货币市场发生流动性困难的可能性。

图7 shibor和lcsy趋势项之间的动态Kendall系数

结论和建议

本文利用EEMD和时变Copula对理财产品收益率与银行同业拆借利率之间的动态相关结构进行了深入的研究，研究发现：(1)银行理财产品收益率与银行同业拆借市场的短期高频波动之间并无太大的联系，两者高频分量的动态Kendall相关系数仅为0.02。降低同业拆借利率的短期高频波动，需要货币当局建立健全货币市场的流动性供给制度，增强常备借贷便利等非常规货币政策对于调节货币市场流动性的功效，同时避免因如银行考核制度造成的“冲时点”行为引发的同业拆借利率大幅波动。(2)为了保持同业拆借市场的流动性安全，在中长期，理财产品收益率与同业拆借利率的动态Kendall系数增大至0.6左右，中央银行要关注银行理财产品收益率波动对于银行同业拆借市场流动性的冲击。银行发行理财产品，不仅是其争夺存款、获取较高收益的手段，同时也加强了银行对于同业拆借市场资金的依赖性，理财产品收益率的提升会变相对银行同业拆借市场流动性增压，容易引发流动性困难，危及金融稳定。(3)从长期看，两者的动态Kendall相关系数逐渐趋于1。货币当局需要重点关注银行理财产品收益率对同业拆借市场的流动性冲击，应将理财产品纳入宏观审慎监管，更好的维护良好的货币流动性环境。

根据本文的研究结论，为维护银行同业拆借市场的流动性安全，首先要加强对货币市场流动性管理，提高对货币流动性需求的识别能力，通过公开市场操作以及短期借贷便利等货币政策工具增强短期流动性调控，将银行同业拆借利率的短期波动控制在合理的范围内；其次加强银行理财产品的监管，进一步规范理财产品的发行以及投资标的，通过合理限制银行理财产品收益率来避免银行理财产品承担过高的风险，同时防范理财产品发行对于银行同业拆借市场造成的流动性冲击。最后，为营造稳定的货币流动性环境，需要发挥货币政策与宏观审慎政策的协调调控作用。选择适合当前经济发展实际的货币政策，为货币市场注入资金，加强宏观审慎监管，合理引导资金流向，从资金流入和流出两个方面同时进行调控，维护好货币市场的流动性安全。

注释