基于EEMD-VAR的余額寶收益率影響因素研究

何建敏 白潔

（東南大學(xué) 經(jīng)濟(jì)管理學(xué)院，江蘇 南京211189）

一、引言

當(dāng)前互聯(lián)網(wǎng)金融的快速發(fā)展引起了社會(huì)各界的高度關(guān)注，余額寶作為它的一個(gè)創(chuàng)新產(chǎn)品，以高收益率、強(qiáng)靈活性和低門(mén)檻等優(yōu)勢(shì)開(kāi)創(chuàng)了一個(gè)全民理財(cái)?shù)男颅h(huán)境，有力地加快了利率市場(chǎng)化的步伐。以余額寶為代表的互聯(lián)網(wǎng)金融產(chǎn)品正在革命性地改變著傳統(tǒng)金融的面貌，尤其是在移動(dòng)支付、資源平臺(tái)、大數(shù)據(jù)和搜索引擎等方面，極大地改變了人們的商業(yè)習(xí)慣，給用戶帶來(lái)了無(wú)限驚喜，給商業(yè)銀行造成了巨大影響。截至2014年12月底，余額寶規(guī)模達(dá)到5 789億元，不僅成為我國(guó)規(guī)模最大的貨幣基金和公募基金，也是全球第4大貨幣基金。

自余額寶誕生以來(lái)，國(guó)內(nèi)對(duì)它的研究主要可概括為：（1）余額寶的創(chuàng)新特點(diǎn)。主要有劉暉（2014）［1］基于余額寶的T＋0運(yùn)作模式分析了其兩方面創(chuàng)新優(yōu)勢(shì)，即支付寶提供的巨大資源空間以及高流動(dòng)性和高收益的產(chǎn)品定位；劉東（2014）［2］則得出了余額寶的特點(diǎn)在于其起購(gòu)資金低、透明度高以及順應(yīng)我國(guó)特殊市場(chǎng)條件下類(lèi)似“團(tuán)購(gòu)發(fā)起人”的創(chuàng)新運(yùn)作模式。（2）余額寶對(duì)商業(yè)銀行的影響和啟示。主要有鄭椒瑾（2014）［3］基于商業(yè)銀行和余額寶的現(xiàn)狀探究了余額寶對(duì)商業(yè)銀行在理財(cái)產(chǎn)品、基金代銷(xiāo)和市場(chǎng)地位三方面的沖擊；席榕畦（2014）［4］則得出了余額寶對(duì)商業(yè)銀行在活期存款、轉(zhuǎn)型發(fā)展和理財(cái)產(chǎn)品三方面的影響并給出了商業(yè)銀行提高活期存款價(jià)值、創(chuàng)新?tīng)I(yíng)銷(xiāo)服務(wù)模式以及發(fā)展優(yōu)質(zhì)理財(cái)產(chǎn)品等建議。（3）余額寶存在的風(fēng)險(xiǎn)。主要有周怡君（2014）［5］基于層次分析法構(gòu)建了余額寶風(fēng)險(xiǎn)評(píng)價(jià)的量化指標(biāo)體系并等級(jí)排序?yàn)椋毫鲃?dòng)風(fēng)險(xiǎn)、法律風(fēng)險(xiǎn)、市場(chǎng)風(fēng)險(xiǎn)、操作風(fēng)險(xiǎn)、技術(shù)風(fēng)險(xiǎn)；左芳園（2014）［6］基于金融風(fēng)險(xiǎn)相關(guān)理論歸納出余額寶的風(fēng)險(xiǎn)主要來(lái)自于網(wǎng)絡(luò)信息技術(shù)導(dǎo)致的技術(shù)風(fēng)險(xiǎn)以及余額寶本身業(yè)務(wù)特征導(dǎo)致的業(yè)務(wù)風(fēng)險(xiǎn)兩大類(lèi)。

可見(jiàn)，至今國(guó)內(nèi)對(duì)余額寶的研究多側(cè)重于基礎(chǔ)的宏觀概念定性分析層面，鮮有學(xué)者對(duì)其微觀層面即余額寶收益率的影響因素做出理論和實(shí)證研究。具代表性的有陳川（2014）［7］認(rèn)為銀行對(duì)存款的高需求和短期利率的非市場(chǎng)化是余額寶高收益率的基礎(chǔ)；白潔（2014）［8］運(yùn)用 EMDGARCH方法對(duì)余額寶收益率進(jìn)行了短期預(yù)測(cè)。然而這些研究對(duì)余額寶收益率的影響因素分析要么只是定性的，過(guò)于片面和主觀；要么實(shí)證研究做得不夠全面，難有說(shuō)服力?？v觀其他類(lèi)型的金融產(chǎn)品收益率（如股票市場(chǎng)收益率、同業(yè)拆借市場(chǎng)收益率、信托產(chǎn)品收益率以及債券市場(chǎng)收益率等）的影響因素分析，國(guó)內(nèi)外早已出現(xiàn)大量的理論和實(shí)證研究。Mavrides（2000）［9］運(yùn)用 VAR模型解析了美日股票市場(chǎng)收益率和各項(xiàng)宏觀經(jīng)濟(jì)變量之間的動(dòng)態(tài)關(guān)系；王曉芳（2012）［10］運(yùn)用VAR模型得出M2增長(zhǎng)率是長(zhǎng)期影響上證綜指收益率的最主要因素，其次是同業(yè)拆借利率和工業(yè)增加值增長(zhǎng)率；崔海亮和徐楓（2007）［11］利用ARIMA模型得出了一年期人民幣銀行貸款利率和回購(gòu)利率對(duì)我國(guó)的同業(yè)拆借市場(chǎng)利率存在長(zhǎng)期的正影響并通過(guò)Granger因果檢驗(yàn)對(duì)它們的關(guān)系進(jìn)行驗(yàn)證；鄧旭升（2012）［12］構(gòu)造了我國(guó)集合信托產(chǎn)品預(yù)期收益率與其影響因素間的SVAR 模型；王一鳴（2005）［13］利用因子分析法和VAR模型分析了消費(fèi)價(jià)格指數(shù)和股票市場(chǎng)指數(shù)等宏觀經(jīng)濟(jì)變量以及其他因素等對(duì)債券市場(chǎng)收益率的共同影響?？梢?jiàn)，向量自回歸（Vector Autoregression，VAR）模型被廣泛用于探討經(jīng)濟(jì)變量收益率與其影響因素之間的相關(guān)關(guān)系，能很好地從長(zhǎng)期均衡關(guān)系和短期動(dòng)態(tài)關(guān)系兩方面研究各因素對(duì)變量的影響。

然而在上述文獻(xiàn)中，研究者都是在前人得出的結(jié)論之上先歸納總結(jié)出某變量的相關(guān)影響因素再構(gòu)造VAR分析，這不僅不利于自主創(chuàng)新，遇到類(lèi)似余額寶這樣的“新鮮”事物更是讓人難以著手。因此，本文另辟蹊徑，提出應(yīng)用EEMDVAR結(jié)構(gòu)來(lái)解決這一難題，結(jié)合定性定量分析，從數(shù)據(jù)實(shí)證的角度全面深入地剖析余額寶收益率的關(guān)鍵影響因素。這不僅可以很好地解釋它高低波動(dòng)的內(nèi)在原因，還可以為市場(chǎng)各參與者提供良好的投資決策參考，對(duì)其未來(lái)走勢(shì)的判斷和風(fēng)險(xiǎn)控制也具有重要的理論價(jià)值和實(shí)踐意義。

二、實(shí)證模型

（一）集成經(jīng)驗(yàn)?zāi)B(tài)分解（Ensemble Empirical Mode Decomposition，EEMD）

經(jīng)驗(yàn)?zāi)B(tài)分解（Empirical Mode Decomposition，EMD）是 Huang（1998）等［14］提出的一種通過(guò)對(duì)信號(hào)進(jìn)行平穩(wěn)化處理并將信號(hào)逐級(jí)分解為具有不同特征尺度本征模函數(shù)（Intrinsic Mode Function，IMF）的多分辨率信號(hào)分析方法，能準(zhǔn)確地反映原始序列內(nèi)在的波動(dòng)特性。但由于現(xiàn)實(shí)中的數(shù)據(jù)絕大部分都包含噪聲，不符合完全白噪聲的定義，某些尺度可能找不到（2003）［15］；因此導(dǎo)致EMD的一個(gè)重要缺陷——模態(tài)混淆，即分解出的IMF物理意義不清晰。EEMD能有效地克服這一缺陷，它是 Wu和Huang（2009）［16］提出的一種利用白噪聲的、新的自適應(yīng)高效時(shí)間序列分析方法，它將信號(hào)中不同尺度的波動(dòng)或趨勢(shì)逐步分解出來(lái)，產(chǎn)生一系列具有不同時(shí)間尺度的數(shù)據(jù)序列，分別代表著不同影響因素引起的變量變化。其原理不難理解：加入到原始序列中的干擾白噪聲在時(shí)間頻率范圍內(nèi)服從均勻分布，從而改變?cè)蛄袠O值點(diǎn)的特性，使其在不同尺度上具有連續(xù)性，促進(jìn)抗混分解，避免模態(tài)混淆。顯然，由于各個(gè)不相關(guān)的試驗(yàn)中白噪聲也不一樣，那么當(dāng)試驗(yàn)?zāi)軌蛉〉闷骄禃r(shí)，噪聲就會(huì)被消除。EEMD的操作步驟為：

（1）將均值為0、標(biāo)準(zhǔn)差為常數(shù)的白噪聲附加在原始序列x（t）中，即

式中，xi（t）為第i次加入白噪聲后的序列，wi（t）為第次加入的白噪聲。

（2）對(duì)新組成的時(shí)間序列xi（t）分別進(jìn)行EMD分解，得到各自的IMF記為cij（t）與一個(gè)余項(xiàng)式ri（t），其中cij（t）為第i次加入白噪聲后分解得到的第j個(gè)IMF。

（3）分別附加不一樣的白噪聲序列，重復(fù)進(jìn)行上述兩步操作。

（4）將上述分解中對(duì)應(yīng)的IMF進(jìn)行總體平均計(jì)算，得出EEMD分解后最終的IMF。一般地，增加白噪聲的過(guò)程可以通過(guò)以下規(guī)律來(lái)控制

式中，N是集成的數(shù)量，ε是增加的白噪聲的標(biāo)準(zhǔn)差，εn是最終誤差的標(biāo)準(zhǔn)差。通常，集成數(shù)量N設(shè)為100，標(biāo)準(zhǔn)差ε設(shè)為0.2（2004）［17］。

（二）向量自回歸模型（Vector Autoregression，VAR）

VAR是由Sims于1980年提出的一種非結(jié)構(gòu)化多方程模型，其基本思想（2009）［18］是將系統(tǒng)中每一個(gè)內(nèi)生變量作為所有內(nèi)生變量的滯后值的函數(shù)來(lái)構(gòu)造模型。VAR（p）的數(shù)學(xué)表達(dá)式為

式（3）中，yt是k維內(nèi)生變量向量，xt是d維外生變量向量，p是滯后階數(shù)，T是樣本個(gè)數(shù)，α1，…，αp和β是待估系數(shù)矩陣，μt是k維擾動(dòng)向量。

（三）EEMD-VAR結(jié)構(gòu)

首先通過(guò)EEMD將余額寶收益率分解成若干個(gè)彼此間影響甚微的IMF和一個(gè)殘差項(xiàng)，再根據(jù)T檢驗(yàn)重組成高頻、低頻和趨勢(shì)分量；根據(jù)各分量的內(nèi)在特點(diǎn)可知，高頻分量代表市場(chǎng)正常波動(dòng)引起的小振幅波動(dòng)，低頻分量代表重大事件引起的大振幅波動(dòng)，趨勢(shì)分量則代表該時(shí)間序列的長(zhǎng)期走勢(shì)。隨后通過(guò)分析導(dǎo)致各分量曲線變動(dòng)的主要影響因素得出余額寶收益率的主要影響因素并進(jìn)行量化，最后建立余額寶收益率和各因素間的VAR模型，并進(jìn)行脈沖響應(yīng)函數(shù)和方差分解分析。該結(jié)構(gòu)流程圖如圖1所示。

圖1 EEMD-VAR結(jié)構(gòu)流程圖

三、余額寶收益率影響因素實(shí)證分析

（一）EEMD分解

本文選取余額寶七日年化收益率來(lái)研究，從2013年6月2日到2015年3月20日的數(shù)據(jù)共657個(gè)。數(shù)據(jù)來(lái)源于天弘基金官方網(wǎng)站。首先，對(duì)數(shù)據(jù)進(jìn)行平穩(wěn)性檢驗(yàn)，發(fā)現(xiàn)原始序列是非平穩(wěn)的。在Matlab2010平臺(tái)上編程實(shí)現(xiàn)EEMD分解，得到8個(gè)IMF和1個(gè)殘差項(xiàng)，如圖2所示，可見(jiàn)從IMF1—IMF8波動(dòng)頻率依次減少，波動(dòng)振幅依次增大，波動(dòng)周期也依次增加。

圖2 IMF分量、殘差項(xiàng)

對(duì)各IMF的均值進(jìn)行T檢驗(yàn)，如圖3所示，發(fā)現(xiàn)均值顯著偏于0的第1個(gè)IMF是IMF6，加之從IMF6開(kāi)始呈現(xiàn)較規(guī)則的正弦式波動(dòng)，因此，把IMF1—IMF5歸為高頻部分，其和作為高頻分量；把IMF6—IMF8歸為低頻部分，其和作為低頻分量；殘差項(xiàng)不變，作為趨勢(shì)分量。它們都分別隱含著很強(qiáng)的經(jīng)濟(jì)意義，可用來(lái)揭示引起余額寶收益率變動(dòng)的影響因素。

（二）余額寶收益率影響因素分析

圖3 高低頻判別圖

表1 余額寶收益率序列與三部分的相關(guān)性和方差

由表1可知，低頻分量與余額寶收益率的Pearson、Kendall相關(guān)系數(shù)以及方差貢獻(xiàn)率均最大，緊接著依次是趨勢(shì)分量和高頻分量。低頻分量構(gòu)成低頻曲線，高頻分量構(gòu)成高頻曲線，趨勢(shì)分量構(gòu)成趨勢(shì)曲線。因此，要得出余額寶收益率的主要影響因素，先分析出引起趨勢(shì)、高頻和低頻曲線發(fā)生大振幅波動(dòng)的主要影響因素即可。

1.趨勢(shì)曲線影響因素

趨勢(shì)曲線反映了原始序列的長(zhǎng)期走勢(shì)。余額寶的本質(zhì)是貨幣基金，根據(jù)其2014年第4季度報(bào)告可知，余額寶的基金資產(chǎn)組合中，銀行存款和結(jié)算備付金所占投資比例高達(dá)84.69%。這也暗示著從長(zhǎng)期來(lái)看，余額寶收益率的走勢(shì)與國(guó)內(nèi)同業(yè)市場(chǎng)資金面的松緊程度有直接關(guān)系。一般來(lái)說(shuō)，同業(yè)市場(chǎng)資金面緊張時(shí)，銀行資金需求提升，協(xié)定存款率變高，余額寶收益率則越高，反之會(huì)下降。觀察圖4不難發(fā)現(xiàn)，趨勢(shì)曲線先增長(zhǎng)后下降，在2014年1月—3月達(dá)到最高水平，主要是因?yàn)榕R近年底時(shí)，各大銀行為了滿足存貸比的指標(biāo)考核，壓縮貸款規(guī)模，增加儲(chǔ)蓄存款，造成市場(chǎng)資金面緊張，使得余額寶收益率增加。隨后資金面逐漸寬松，趨勢(shì)曲線也逐漸下降。

2.高頻曲線影響因素

高頻曲線用來(lái)表示金融市場(chǎng)的短期不均衡程度，一般而言，市場(chǎng)不均衡是客觀存在的，小幅振蕩屬正?，F(xiàn)象。由圖4可知，高頻曲線主要是在2013年6月中下旬—7月發(fā)生了較大振幅的波動(dòng)，聯(lián)系實(shí)際會(huì)發(fā)現(xiàn)這是由于2013年6月份的“錢(qián)荒”事件引起的金融市場(chǎng)不均衡，大量商業(yè)銀行加入借錢(qián)大軍，從而使得銀行間同業(yè)拆借利率急劇增加，導(dǎo)致余額寶收益率大幅增加，且在2013年7月1日創(chuàng)下第一個(gè)最高點(diǎn)6.31%。

3.低頻曲線影響因素

低頻曲線用來(lái)表示重大事件對(duì)余額寶收益率產(chǎn)生的影響，與余額寶有關(guān)的重大事件主要有“錢(qián)荒”、貨幣政策調(diào)整和余額寶規(guī)模變化等。2013年12份的“錢(qián)荒”事件再次爆發(fā)后，低頻曲線迅速增長(zhǎng)直至2014年1月底，最大振幅約1.4%，表明此次事件最大能使余額寶收益率增長(zhǎng)1.4%，因此余額寶收益率在低頻曲線和趨勢(shì)曲線的共同作用下在2014年1月5日達(dá)到最高6.78%，且整個(gè)1、2月份都維持在6% 以上。但之后貨幣政策有所調(diào)整，央行為了應(yīng)對(duì)經(jīng)濟(jì)下行壓力，通過(guò)定向?qū)捤傻氖侄蜗蜚y行體系注入流動(dòng)性，并適當(dāng)下調(diào)了存貸款利率，導(dǎo)致市場(chǎng)資金面逐漸寬松；再加上3月份的央行限購(gòu)事件 ——央行出臺(tái)的《限制第三方支付的轉(zhuǎn)賬消費(fèi)金額的網(wǎng)絡(luò)支付管理辦法》，引起低頻曲線大幅下降，最大振幅約2%，余額寶收益率也從3月初的6%一直降到7月份的4%。然而，2014.8開(kāi)始低頻曲線又有所回升，不過(guò)增速較緩慢，主要是余額寶規(guī)模在第四季度較前期有所增長(zhǎng)和債券市場(chǎng)的牛市行情導(dǎo)致的。一般來(lái)說(shuō)，貨幣基金規(guī)模越大，跟銀行的議價(jià)能力就越強(qiáng)，可以取得的利率就越高；此外，債券市場(chǎng)在年前經(jīng)歷了一波較大的牛市行情，加上年末中證登質(zhì)押比率調(diào)整的影響，市場(chǎng)被動(dòng)去杠桿，造成資金面短期極度緊張，使得債券市場(chǎng)收益率有所回調(diào)，余額寶收益率短期也有所回升。

4.余額寶收益率影響因素量化

根據(jù)以上對(duì)EEMD分解結(jié)果的分析，可具體量化出余額寶收益率的影響因素。

（1）銀行間同業(yè)拆借利率。SHIBOR反映了金融市場(chǎng)的基準(zhǔn)利率，它的急劇上升會(huì)直接引起市場(chǎng)利率上升，從而影響余額寶收益率，上文中闡述的“錢(qián)荒”事件和市場(chǎng)資金面的松緊程度都與其變動(dòng)有直接關(guān)系，因此，SHIBOR可作為余額寶收益率的主要影響因素之一。

（2）銀行存貸比。銀行存貸比指的是商業(yè)銀行貸款總額與存款總額的比值，它也能在一定程度上反映我國(guó)同業(yè)市場(chǎng)資金面的松緊程度。存貸比率提高，市場(chǎng)資金面寬松；存貸比率降低，市場(chǎng)資金面緊張，因此銀行存貸比也是余額寶收益率的影響因素之一。

（3）廣義貨幣供應(yīng)量。中央銀行的貨幣政策對(duì)余額寶收益率有直接的影響，主要通過(guò)采用存款準(zhǔn)備金制度和再貼現(xiàn)政策等手段調(diào)控貨幣供應(yīng)量，因此貨幣供應(yīng)量（本文選取廣義貨幣供應(yīng)量M2）能很好地反映我國(guó)的貨幣政策調(diào)整情況。當(dāng)貨幣政策趨近寬松時(shí)，廣義貨幣供應(yīng)量增加，市場(chǎng)流動(dòng)性增強(qiáng)，各大基金和銀行的供給也會(huì)相對(duì)充裕，在供求關(guān)系引導(dǎo)下余額寶收益率就會(huì)降低。

（4）匯率。匯率的調(diào)整對(duì)整個(gè)社會(huì)經(jīng)濟(jì)的影響很大，傳統(tǒng)理論認(rèn)為，當(dāng)匯率下降即人民幣升值預(yù)期較為強(qiáng)烈時(shí)，會(huì)吸引大量國(guó)際資本流入我國(guó)，然后轉(zhuǎn)化為基礎(chǔ)貨幣增強(qiáng)國(guó)內(nèi)貨幣市場(chǎng)的流動(dòng)性，從而市場(chǎng)資金面逐步寬松。因此，以匯率（本文選取人民幣兌美元中間價(jià)）所代表的本幣內(nèi)外價(jià)值的變動(dòng)也會(huì)影響同業(yè)市場(chǎng)的松緊程度從而影響余額寶收益率的變化。

圖4 高頻曲線、低頻曲線、殘差曲線

（三）VAR實(shí)證分析

采用VAR模型進(jìn)行實(shí)證分析的基本步驟是：先對(duì)變量序列做單位根檢驗(yàn)，看序列是否平穩(wěn)，如果不平穩(wěn)，進(jìn)行差分直到第次差分時(shí)間序列平穩(wěn)。當(dāng)所有的序列均服從同階單整時(shí)，對(duì)平穩(wěn)后的序列進(jìn)行格蘭杰因果檢驗(yàn)，通過(guò)檢驗(yàn)后構(gòu)造VAR模型；在建立VAR模型基礎(chǔ)上，進(jìn)行脈沖響應(yīng)和方差分解分析。

1.數(shù)據(jù)處理與平穩(wěn)性檢驗(yàn)

鑒于數(shù)據(jù)的可得性和數(shù)量的一致性，首先將余額寶收益率和銀行間同業(yè)拆借利率轉(zhuǎn)換成月度數(shù)據(jù)，然后所有樣本均選自2013年6月至2015年1月。為消除各時(shí)間序列存在的異方差性，首先將各序列數(shù)據(jù)進(jìn)行自然對(duì)數(shù)變換，這樣不僅不會(huì)影響時(shí)間序列的平穩(wěn)性，還可以使數(shù)據(jù)趨勢(shì)線性化。為方便記憶，分別用YEB、SHIBOR、M2、CDB和HL來(lái)代表取對(duì)數(shù)后的余額寶收益率、銀行間同業(yè)拆借利率、廣義貨幣供應(yīng)量、銀行存貸比和匯率水平。其中，SHIBOR、HL、CDB和M2的數(shù)據(jù)分別來(lái)源于上海銀行間同業(yè)拆借利率官網(wǎng)、國(guó)家外匯管理局和中國(guó)人民銀行官網(wǎng)。由于VAR模型要求變量是平穩(wěn)的，否則可能會(huì)造成虛假回歸；所以首先采用ADF（Augmented Dickey-Fuller）單位根檢驗(yàn)法對(duì)各項(xiàng)數(shù)據(jù)進(jìn)行平穩(wěn)性檢驗(yàn)，結(jié)果發(fā)現(xiàn)所有的變量序列在顯著水平0.05下都是非平穩(wěn)的，而它們的一階差分在顯著水平0.05下都是平穩(wěn)的，分別表示為DYEB、DSHIBOR、DHL、DCDB、DM2。

2.格蘭杰因果檢驗(yàn)

在建立VAR模型之前，需要對(duì)VAR模型中的變量進(jìn)行格蘭杰因果關(guān)系檢驗(yàn)，來(lái)確定變量之間的相互關(guān)系。若一個(gè)變量受到其他變量的滯后影響，則稱它們具有Granger因果關(guān)系。

由表2可知，在10%顯著性水平下，匯率水平，銀行同業(yè)拆借利率、廣義貨幣供應(yīng)量和銀行存貸比與余額寶收益率均存在單向Granger因，這也與上述的影響因素分析相吻合。

表2 Granger因果關(guān)系檢驗(yàn)結(jié)果

3.VAR模型與脈沖響應(yīng)函數(shù)

為了進(jìn)一步分析余額寶收益率波動(dòng)與其影響因素之間的動(dòng)態(tài)關(guān)系，構(gòu)建向量自回歸模型（VAR模型）。首先確定VAR模型的滯后階數(shù)，可用多種定階方法進(jìn)行篩選。結(jié)果顯示，多項(xiàng)評(píng)價(jià)指標(biāo)（LR、FRE、AIC、SC準(zhǔn)則）都認(rèn)為最優(yōu)滯后期為1，因此建立VAR（1）模型。同時(shí)，通過(guò)計(jì)算模型的AR特征多項(xiàng)式，發(fā)現(xiàn)模型中所有單位根的倒數(shù)均落在單位圓內(nèi)（圖6所示），表明所建立的VAR（1）模型是穩(wěn)定的。這表示，當(dāng)模型中的某個(gè)變量發(fā)生變化時(shí)，會(huì)引起其他變量變化，但是隨著時(shí)間的推移，這種變化會(huì)逐漸消失。

圖5 VAR（2）的AR特征多項(xiàng)式逆根圖

為了探討各因素影響余額寶收益率的動(dòng)態(tài)關(guān)系，采用脈沖響應(yīng)函數(shù)進(jìn)行分析。它不依賴于VAR模型中變量的順序，刻畫(huà)的是當(dāng)在擾動(dòng)項(xiàng)上加一個(gè)標(biāo)準(zhǔn)差大小的沖擊時(shí)對(duì)內(nèi)生變量當(dāng)前值和未來(lái)值的影響。根據(jù)所建立的VAR（1）模型，可以得到各種脈沖響應(yīng)函數(shù)圖，如圖7所示。圖中橫軸表示沖擊作用的滯后階數(shù)，縱軸表示某一變量對(duì)另一變量的響應(yīng)程度；實(shí)線表示脈沖響應(yīng)函數(shù)，虛線表示正負(fù)兩倍的標(biāo)準(zhǔn)差偏離帶。根據(jù)圖7可知：

（1）銀行間同業(yè)拆借利率對(duì)余額寶收益率的影響比較大。當(dāng)給SHIBOR一個(gè)標(biāo)準(zhǔn)差的正沖擊，在期初會(huì)使余額寶收益率上升較大的幅度，在第3個(gè)月達(dá)到最大0.041，隨后這種正的影響開(kāi)始減弱，到第8期達(dá)到負(fù)值，在第15期開(kāi)始又回升到0以上，且長(zhǎng)期保持穩(wěn)定，但影響程度并不明顯。這與實(shí)際情況相符，當(dāng)“錢(qián)荒”發(fā)生時(shí)，SHIBOR的急劇上升在短期內(nèi)會(huì)引起余額寶收益率急劇上調(diào)，但這種影響比較短暫，由于銀行和基金市場(chǎng)間存在巨大的利差，同業(yè)拆借資金會(huì)很快地流入基金市場(chǎng)，在資金供給增加的情況下，會(huì)導(dǎo)致余額寶收益率有所下降。

（2）廣義貨幣供應(yīng)量的增加短期會(huì)導(dǎo)致余額寶收益率下降，在第5期的負(fù)影響最大為-0.033，但長(zhǎng)期的影響效果并不顯著。我國(guó)在2014年下半年進(jìn)行了定向?qū)捤傻呢泿耪哒{(diào)整，影響了金融市場(chǎng)貨幣供給與需求的狀況，導(dǎo)致同業(yè)市場(chǎng)資金面趨于寬松，對(duì)余額寶收益率產(chǎn)生了負(fù)面沖擊。

（3）給匯率指數(shù)一個(gè)標(biāo)準(zhǔn)差的正沖擊，會(huì)引起余額寶收益率先下降后上升，但負(fù)面影響程度大于正面影響。人民幣升值短期會(huì)引發(fā)外匯資本內(nèi)流，導(dǎo)致市場(chǎng)資金面寬松，余額寶收益率降低；但隨后，由于外匯紛紛轉(zhuǎn)兌本幣，外匯供大于求，央行會(huì)采取相應(yīng)的外匯收緊政策，使市場(chǎng)資金面回歸正常，導(dǎo)致余額寶收益率有所回升。

（4）銀行存貸比上升會(huì)引起余額寶收益率下降，在第二期的影響程度最大為-0.019，隨后這種負(fù)面影響有所減弱且趨于0，且響應(yīng)長(zhǎng)期穩(wěn)定。從銀行盈利的角度看，存貸比越高越好，這就意味著成本低，收入高。存貸比升高，表明銀行貸款增加，存款減少，引起貨幣市場(chǎng)資金面寬松，從而使得余額寶收益率減少。但從銀行抵抗風(fēng)險(xiǎn)的角度講，存貸比例不宜過(guò)高，因?yàn)殂y行還要應(yīng)付廣大客戶日常現(xiàn)金支取和結(jié)算以及一定的存款準(zhǔn)備金，如存貸比過(guò)高，這部分資金就會(huì)不足，會(huì)導(dǎo)致銀行的支付危機(jī)。

圖6 脈沖響應(yīng)函數(shù)圖

4.方差分解

在脈沖響應(yīng)函數(shù)的基礎(chǔ)上，通過(guò)方差分解，可以了解各影響因素結(jié)構(gòu)沖擊對(duì)余額寶收益率變化的貢獻(xiàn)度。其主要思想是把系統(tǒng)中每個(gè)內(nèi)生變量的波動(dòng)按其成因分解為與各方程信息相關(guān)的組成部分，從而評(píng)價(jià)不同結(jié)構(gòu)沖擊對(duì)模型內(nèi)生變量的重要性。余額寶收益率的方差分解結(jié)果如表3所示。不難發(fā)現(xiàn)，余額寶收益率的變動(dòng)在初期受自身影響程度最大，但隨后有所減弱，長(zhǎng)期保持在32%左右。其次貢獻(xiàn)度較大的是銀行間同業(yè)拆借利率和廣義貨幣供應(yīng)量，長(zhǎng)期維持在26%和21%左右；說(shuō)明余額寶收益率還是受?chē)?guó)內(nèi)市場(chǎng)資金面和貨幣政策的松緊程度影響較大。貢獻(xiàn)度最小的是匯率和銀行存貸比，長(zhǎng)期維持在14%和5%左右，這主要是由于兩者受其他外在條件約束較大，自身變動(dòng)程度并不會(huì)很大。

表3 方差分解結(jié)果

Period S.E.YEB SHIBOR M2 HL CDB 8 0.136 986 31.057 73 27.041 95 21.944 41 14.708 90 5.247 017 9 0.138 565 31.913 57 26.609 41 21.687 72 14.612 90 5.176 405 10 0.139 729 32.116 12 26.460 28 21.334 01 14.918 94 5.170 650

四、結(jié)論與主張

本文通過(guò)集成經(jīng)驗(yàn)?zāi)B(tài)分解（EEMD）對(duì)余額寶收益率進(jìn)行分解并重組為高頻、低頻和趨勢(shì)分量，根據(jù)各分量的尺度特征結(jié)合定性和定量分析得出了余額寶收益率的主要影響因素。在此基礎(chǔ)上建立向量自回歸模型（VAR），并運(yùn)用格蘭杰因果檢驗(yàn)、脈沖響應(yīng)函數(shù)和方差分解分析，對(duì)余額寶收益率與其影響因素之間的動(dòng)態(tài)關(guān)系進(jìn)行了實(shí)證分析

（一）結(jié)論

通過(guò)EEMD分解可知，余額寶收益率是由金融市場(chǎng)重大事件導(dǎo)致的低頻振動(dòng)、國(guó)內(nèi)市場(chǎng)資金面決定的長(zhǎng)期趨勢(shì)以及市場(chǎng)正常波動(dòng)項(xiàng)引起的高頻振動(dòng)所決定的，且影響程度由高到低；隨后對(duì)相關(guān)影響因素進(jìn)行量化，得到的因素主要有廣義貨幣供應(yīng)量、銀行存貸比、銀行間同業(yè)拆借利率和匯率。

在VAR實(shí)證分析中可以發(fā)現(xiàn)，由余額寶收益率與銀行間同業(yè)拆借利率、廣義貨幣供應(yīng)量、銀行存貸比和匯率所構(gòu)成的系統(tǒng)是穩(wěn)定的，且后四項(xiàng)因素均是余額寶收益率的Granger因。通過(guò)脈沖響應(yīng)函數(shù)和方差分解的分析表明：（1）銀行間同業(yè)拆借利率對(duì)余額寶收益率的影響程度和方差貢獻(xiàn)度均最大，且短期內(nèi)兩者的正效應(yīng)明顯，長(zhǎng)期達(dá)到平穩(wěn)狀態(tài)，可見(jiàn)同業(yè)市場(chǎng)資金面的松緊程度對(duì)余額寶收益率的變動(dòng)起著巨大作用；（2）廣義貨幣供應(yīng)量與余額寶收益率呈負(fù)相關(guān)，且影響程度和方差貢獻(xiàn)度較明顯，余額寶收益率對(duì)其響應(yīng)在短期內(nèi)達(dá)到平穩(wěn)狀態(tài)，可見(jiàn)貨幣政策調(diào)整與余額寶收益率的變動(dòng)是息息相關(guān)的；（3）余額寶收益率對(duì)匯率的響應(yīng)呈現(xiàn)波動(dòng)性和持久性的特征，其負(fù)面影響程度大于正面影響，方差貢獻(xiàn)度為14%左右；（4）銀行存貸比與余額寶收益率亦呈負(fù)效應(yīng)，且響應(yīng)長(zhǎng)期有效，其結(jié)構(gòu)沖擊對(duì)余額寶收益率的貢獻(xiàn)度最小。隨著市場(chǎng)資金面和貨幣政策的相對(duì)寬松以及其他銀行系寶寶們的圍剿，余額寶想繼續(xù)維持6%的高收益是難上加難了。不過(guò)此前馬云就曾表示：“世界上沒(méi)有一個(gè)產(chǎn)品的生命周期是永久的，如果有一天余額寶收益率和銀行存款利率并軌了，即便它的生命周期再短暫，也必將非常光榮”。

（二）建議

（1）減少對(duì)協(xié)議存款的過(guò)度依賴。由于余額寶對(duì)銀行協(xié)議存款的依賴性很強(qiáng)，又由本文結(jié)論可知，SHIBOR對(duì)余額寶收益率的影響非常大，而SHIBOR的變動(dòng)與協(xié)議存款直接掛鉤，因此為了防范協(xié)議存款可能帶來(lái)的風(fēng)險(xiǎn)，余額寶要加強(qiáng)各項(xiàng)投資組合的分配管理，降低對(duì)它的投資比例。目前我國(guó)在貨幣政策方面一直宣傳穩(wěn)健的基調(diào)，央行也會(huì)通過(guò)一系列政策維持貨幣市場(chǎng)中的資金量，同業(yè)市場(chǎng)資金面異常緊張的情況會(huì)很少出現(xiàn)。因此協(xié)議存款的需求量在未來(lái)可能會(huì)有所降低，直接導(dǎo)致其價(jià)格降低，這對(duì)余額寶收益率會(huì)產(chǎn)生不小的沖擊，尤其是占比如此高的情況下。

（2）加強(qiáng)流動(dòng)性風(fēng)險(xiǎn)管理意識(shí)。一方面，余額寶推動(dòng)了國(guó)內(nèi)利率市場(chǎng)化進(jìn)程；另一方面，它自身又受利率市場(chǎng)化的影響。隨著利率市場(chǎng)化進(jìn)程加速，余額寶的套利空間越來(lái)越小，相關(guān)部門(mén)對(duì)其監(jiān)管越來(lái)越大，余額寶已難以維持原有的高收益水平。在資金面和貨幣政策趨于寬松時(shí)，余額寶要著眼于現(xiàn)金管理功能，充分發(fā)揮互聯(lián)網(wǎng)大數(shù)據(jù)的優(yōu)勢(shì)，，對(duì)可能出現(xiàn)的流動(dòng)性風(fēng)險(xiǎn)提前預(yù)判，加強(qiáng)流動(dòng)性風(fēng)險(xiǎn)防范能力。

（3）重視自身的長(zhǎng)期投資收益率。余額寶一直以其高收益率吸引著成千上萬(wàn)的用戶，但從目前互聯(lián)網(wǎng)理財(cái)產(chǎn)品市場(chǎng)來(lái)看，余額寶并不是收益率最高的產(chǎn)品，再加上各大銀行陸續(xù)推出了回報(bào)率較高的理財(cái)產(chǎn)品與之抗衡，一旦這些產(chǎn)品的靈活性和使用便捷性逐漸趕上余額寶的話，用戶必定會(huì)將資金從余額寶轉(zhuǎn)投其他產(chǎn)品。因此為了鎖住廣大用戶，余額寶還需要加強(qiáng)自身的收益管理，使其在收益率上占有一定的競(jìng)爭(zhēng)力。

［1］劉暉，王秀蘭.基于T＋0模式的互聯(lián)網(wǎng)金融產(chǎn)品研究——以余額寶為例［J］.生產(chǎn)力研究，2014（2）：55-57.

［2］劉東.互聯(lián)網(wǎng)金融新模式之余額寶的發(fā)展與監(jiān)管［D］.上海：華東政法大學(xué)，2014.

［3］鄭椒瑾.互聯(lián)網(wǎng)理財(cái)時(shí)代余額寶對(duì)商業(yè)銀行的影響分析［J］.中國(guó)市場(chǎng)，2014，794（31）：84-85.

［4］席榕畦.余額寶對(duì)商業(yè)銀行的影響和啟示［J］.金融視線，2014（2）：80-81.

［5］周怡君.基于層次分析法的余額寶風(fēng)險(xiǎn)評(píng)價(jià)［J］.全國(guó)商情，2014（8）：79-81.

［6］左芳園.我國(guó)余額寶的風(fēng)險(xiǎn)與防范研究［D］.遼寧：遼寧大學(xué)，2014.

［7］陳川.余額寶高收益的經(jīng)濟(jì)基礎(chǔ)［J］.時(shí)代金融，2014，10（3）：10-12.

［8］白潔，林禮連.基于EMD-GARCH的余額寶收益率預(yù)測(cè)研究［J］.管理現(xiàn)代化，2014（6）：117-119.

［9］Mavrides M.Granger Causality Tests of Stock Returns：The US and Japanese Stock Markets ［J］.Managerial Finance，2000，26（12）：13-25.

［10］王曉芳，王瑞君.上證綜指波動(dòng)特征及收益率影響因素研究—基于EEMD和VAR模型分析［J］.南開(kāi)經(jīng)濟(jì)研究，2012（6）：82-99.

［11］崔海亮，徐楓.同業(yè)拆借利率影響因素的研究［J］.管理評(píng)論，2007，19（11）：3-10.

［12］鄧旭升，肖繼五.我國(guó)集合信托產(chǎn)品預(yù)期收益率的影響因素及市場(chǎng)風(fēng)險(xiǎn)評(píng)價(jià)［J］.中南財(cái)經(jīng)政法大學(xué)學(xué)報(bào)，2012，191（2）：113-119.

［13］王一鳴，李劍峰.我國(guó)債券市場(chǎng)收益率曲線影響因素的實(shí)證分析［J］.金融研究，2005，295 （1）：111-124.

［14］Huang N E，Shen Z，Long S R.The Empirical Mode Decomposition and the Hilbert Spectrum for Nonlinear and Non-Stationary Time Series Analysis［J］.Process of the Royal Society of London，1998，（454）：903-950.

［15］Huang N E，Wu M L，Shen S P，et al.Applications of Hilbert-Huang Transform to Non-Stationary Financial Time Series Analysis［J］.Applied Stochastic Models in Business and Industry，2003，（19）：245-268.

［16］Wu Z H，Huang N E.Ensemble Empirical Mode Decomposition：A Noise-Assisted Data Analysis Method［J］.Advances in Adaptive Data Analysis，2009，1（1）：1-41.

［17］Wu Zhaohua，Huang N E.A Study of Characteristics of White Noise Using the Empirical Model Decomposition Method［J］.Proceedings of Royal Society of London，2004，（460）：1597-1611.

［18］高鐵梅.計(jì)量經(jīng)濟(jì)分析方法與建模——EViews應(yīng)用及實(shí)例第2版［M］.北京：清華大學(xué)出版社，2009：267-318.