飞 (2014) 利用脉冲响应, 分析了余额宝收益率与 SHIBOR 之间的相互影响, 并发现这些影响反映了互联网货币基金的发展对利率传导机制有弱化作用, 在一定程度上影响了中国

Size: px

Start display at page:

Download "飞 (2014) 利用脉冲响应, 分析了余额宝收益率与 SHIBOR 之间的相互影响, 并发现这些影响反映了互联网货币基金的发展对利率传导机制有弱化作用, 在一定程度上影响了中国"

福曹
7 years ago
Views:

1 互联网金融理财产品收益率的影响因素林文生 1 张正扬 2 (1. 上海大学悉尼工商学院, 上海 ;2. 上海大学悉尼工商学院, 上海 ) 摘要本文研究了互联网金融理财产品收益率的主要影响因素借助面板数据的随机效应和可行广义最小二乘法 (FGLS) 回归方法, 研究认为,SHIBOR 股票市场债券市场理财产品基金规模季节变化都对理财产品收益率有不同程度的显著影响, 其中理财产品基金规模对其收益率有非线性影响特征文章最后提出了相关的政策建议关键词互联网金融理财产品面板数据协整分析 FGLS 中图分类号 F061.5 文献标识码 A 文章编号收稿日期基金项目国家社会科学基金一般项目 : 丝绸之路经济带与俄跨欧亚发展带的对接研究 (2015BJL080) 作者简介林文生 (1967-), 男, 江西分宜人, 上海大学悉尼工商学院讲师, 韩国建国大学助理教授, 曾长期在银行和证券类金融机构就职张正扬 (1993-), 男, 上海人, 上海大学悉尼工商学院在读硕士研究生一引言与文献综述在 2013 年 6 月, 支付宝推出了一款以其为平台的互联网金融理财产品余额宝在刚推出的一段时间内, 由于它的较高收益率和流动性, 同时还能随时用于网购支付, 余额宝受到了众多投资者和网购消费者的追捧与青睐在 2015 年 4 月, 余额宝规模达到了 7000 亿, 成为了全球第二在余额宝效应的影响下, 其它互联网平台也纷纷推出了自己的类余额宝产品 : 如腾讯的微信理财通京东的京东小金库零钱宝百度的百赚利滚利等等, 都有着数十亿至上百亿不等的规模由于互联网金融理财产品在近几年才出现, 国内相关研究文献较少国内的学者关于互联网金融理财产品的研究主要集中于余额宝的研究, 其中又分为两个方向首先是针对大众选择的影响因素的分析邱均平杨强和郭丽琳 (2015) 按照金融的流动性收益性和安全性三原则, 分别建立了 TAM 和 TPB 模型, 验证了自我效能感知易用和感知有用是用户使用互联网金融理财产品的关键影响因素第二个方面主要对于余额宝收益率的影响因素进行分析柴用栋和曹剑 - 1 -

对理财产品收益率有不同程度的显著影响, 其中理财产品基金规模对其收益率有非线性影响特征文章最后提出了相关的政策建议关键词互联网金融理财产品面板数据协整分析 FGLS 中图分类号 F061.

2 飞 (2014) 利用脉冲响应, 分析了余额宝收益率与 SHIBOR 之间的相互影响, 并发现这些影响反映了互联网货币基金的发展对利率传导机制有弱化作用, 在一定程度上影响了中国货币市场的稳定 ; 庄雷 (2015) 同时运用了 GARCH 模型和 VAR 模型的脉冲响应, 分析了余额宝收益率与国债收益率之间的关系, 发现互联网理财收益率实际上引起国债收益率的下降, 并且对国债收益率波动的影响也是负的 ; 白洁和林礼连 (2014) 运用了 EMD 方法将余额宝收益率原始数据分解重组, 再分别建立预测模型, 发现余额宝收益率是由国内市场资金面决定的利率长期趋势金融行业重大事件带来的低频振动, 以及正常市场波动导致的高频振动三方面构成的在中国之外的大多数国家, 人们在网上购物时最常用的支付工具是银行信用卡, 缺乏类似中国的余额宝等非银行支付平台, 因此没有类似中国的互联网金融理财产品及其相关理论研究由于网上购物支付方式的不同, 国外理论界更关注的是商业银行信用卡客户的信用问题例如,Basnet 和 Donou-Adonsou(2016) 研究了网上购物的便利性对信用卡余额变化的影响从上述文献综述中可以发现们关于互联网金融理财产品的相关实证研究比较少, 且局限于余额宝单种理财产品, 缺乏对于整体市场的研究与已有研究有所不同, 本文以目前市场上主要的 5 种互联网金融理财产品相关的 8 个货币基金的收益率作为研究对象, 考察了货币市场利率股票市场债券市场理财产品基金规模季节变化等多因素对理财产品收益率的影响研究的步骤为, 首先分析了所选面板数据的基本统计特征平稳性和协整关系 ; 然后分别采用随机效应与可行广义最小二乘法 (FGLS) 两种面板数据回归方法, 对理财产品收益率的影响因素进行回归分析, 并在回归的基础上进一步探讨了收益率与基金规模之间的非线性关系 ; 最后基于实证分析结论, 从投资者政府监管和传统金融机构管理三个方面提出一些相关政策性建议二数据选取及基本检验 ( 一 ) 影响因素定性分析及数据选取本文以互联网金融理财产品相关的货币基金 7 日年化收益率作为被解释变量, 选取市场上最具有影响力的互联网金融理财产品和规模相对较大的货币基金, 共涉及到 5 种理财产品和相关的 8 种货币基金, 参见表 1 表 1 互联网金融理财产品与其相关货币基金理财产品货币基金余额宝天弘余额宝 (000198) 微信理财通华夏基金财富宝 (000343) 汇添富全额宝 (000397) 易方达易理财 (000359) 京东小金库嘉实活钱包 (000581) - 2 -

解重组, 再分别建立预测模型, 发现余额宝收益率是由国内市场资金面决定的利率长期趋势金融行业重大事件带来的低频振动, 以及正常市场波动导致的高频振动三方面构成的在中国之外的大多数国家, 人们在网上购物时最常用的支

3 零钱宝汇添富现金宝 (000330) 广发天天红 (000389) 百赚利滚利嘉实活期宝 (000464) 本文以货币市场利率股票市场债券市场理财产品基金规模季节变化作为互联网金融理财产品收益率的解释变量, 是由于以下考虑 : 互联网金融理财产品的本质是货币基金, 部分收益来自于基金和银行的协定存款利率, 协定存款利率高则收益率就高, 协定存款利率低则收益率就低协定存款利率由中央银行规定基准利率一般来说, 市场资金面越紧张, 协议存款利率就越高在我国, 利率市场化尚未完全实现, 但 SHIBOR 作为货币市场利率水平的重要指标, 能够一定程度上客观反映市场资金面紧张程度, 因此, 我们选用 SHIBOR 作为解释变量之一一般来说, 互联网金融理财产品的规模越大, 与银行的议价能力也就越强, 也就意味着会有相对较高的收益率 ; 但当规模达到一定程度之后, 或许会出现反向效应因此货币基金的规模也是理财产品收益率的主要影响因素资本市场与货币市场之间往往也有一定的联系, 作为流通性较好的互联网金融理财产品, 其收益率会受到资本市场收益率的影响, 在股票投资氛围较浓厚的中国, 短期的金融理财产品收益率更容易受到股票市场行情变化的冲击影响而就货币基金自身而言, 这些基金多投资于期限较短风险较低的债券, 因此债券市场也会对其造成一定的影响互联网金融理财产品一般都可用于网上支付, 而网上支付多用于网购消费支出, 消费一般具有周期性在中国, 消费高峰往往出现在年底前后, 就余额宝而言, 其网购平台淘宝网也会在年底前后有促销活动因此第四季度的资金规模往往比其他季度要高, 在一定范围内更高的资金规模会有更高的收益率可见, 互联网金融理财产品的收益率具有一定的季节性表 2 变量声明及描述性统计变量变量含义均值标准差最小值最大值 R(%) 1 天弘收益率华夏收益率汇添富全额收益率易方达收益率嘉实活钱收益率汇添富现金收益率广发收益率嘉实活期收益率 G( 亿份 ) 天弘规模华夏规模汇添富全额规模表中收益率都为 7 日年化收益率 - 3 -

利率市场化尚未完全实现, 但 SHIBOR 作为货币市场利率水平的重要指标, 能够一定程度上客观反映市场资金面紧张程度, 因此, 我们选用 SHIBOR 作为解释变量之一一般来说, 互联网金融理财产品的规模越大, 与银行的议价能力也就越

易方达规模 116.71 55.61 9.43 197.95 嘉实活钱规模 28.74 6.77 16.05 40.14 汇添富现金规模 341.03 62.96 262.33 440.67 广发规模 187.94 29.40 111.18 242.91 嘉实活期规模 227.05 30.16 154.39 268.

4 易方达规模嘉实活钱规模汇添富现金规模广发规模嘉实活期规模 Shrate(%) SHIBOR Hs 沪深 300 指数 Gz 国债指数 Se 春季夏季秋季冬季表 2 包含了本文模型中所用到的所有变量及其描述性统计特征所有变量的样本区间为 2014 年 6 月 30 日至 2015 年 12 月 31 日, 共个每日观测数据 ( 不含非交易日 ) 货币基金 7 日年化收益率选自于各基金网站每日公布的原始数据 ; 由于各基金网站只在每季度末统计基金规模, 因此需要补全每日的基金规模数据, 一般采用的方法有保持每季度中每日数据不变采用线性插值的方法或多项式插值补全数据由于考虑到数据变化的连续性和平稳性, 同时为了便于计算, 我们假设每日基金规模数据按线性变化, 按照以下公式来计算每日基金规模 : 当日基金规模上季末规模 ( 本季末规模 - 上季末规模 ) 当日距上季末天数 4 / 360 此外,SHIBOR( 隔夜 ) 来源于上海同业拆放利率网站 ; 以沪深 300 指数 (SH000300) 和国债指数 (SH000012) 分别作为股票市场和债券市场行情的衡量指标, 数据来源于 WIND; 作为对货币基金季节周期性变化的考量, 选用了春夏秋和冬四个虚拟变量图 1 为八个货币基金在一年中不同时期的 7 日年化收益率, 显示出较为明显的季节性变化特征图 1 8 种货币基金一年中不同时期的 7 日年化收益率 - 4 -

36 0 1 表 2 包含了本文模型中所用到的所有变量及其描述性统计特征所有变量的样本区间为 2014 年 6 月 30 日至 2015 年 12 月 31 日, 共 8 370 个每日观测数据 ( 不含非交易日 ) 货币基金 7 日年化收益率选自于各基金网站每日公

5 为减少异方差性, 对基金规模沪深 300 指数和国债指数作了对数处理, 即 : Lg ln(g), Lhs ln(hs), Lgz ln(gz) ( 二 ) 数据基本检验首先, 对所有变量进行面板数据单位根检验, 以判断数据的平稳性, 检验方法采用 Levin,Lin and Chu(2002) 所提出的 LLC 检验法表 3 给出了使用 Stata12 软件对所有变量及其一阶差分单位根检验的结果, 在检验过程中, 差分滞后项的最大滞后阶数设为 10, 并以 AIC 信息准则选择最优滞后阶数表 3 单位根检验结果变量偏差校正 t* P 平均滞后阶数结论 R 非平稳 Lg 非平稳 Shrate 非平稳 Lhs 非平稳 Lgz 非平稳 R 平稳 Lg 平稳 Shrate 平稳 Lhs 平稳 Lgz 平稳表 3 检验结果, 在 5% 的显著水平下, 所有面板数据都是一阶单整的非平稳数据, 说明在面板回归分析之前需协整检验, 以排除潜在的伪回归现象参考 Westerlund(2007) 提出的面板数据协整检验方法, 检验结果如表 4 所列表 4 协整检验结果统计量估计值 Z 统计量 P Gt Ga Pt Pa 表 4 的检验结果显示, 组间和组内统计量均落在 1% 的左尾拒绝区域, 可拒绝变量之间无协整关系的原假设, 即理财产品收益率与基金规模同业拆借利率沪深指数及国债指数之间存在长期均衡关系, 说明这些变量之间可进行面板数据回归分析, 无伪回归问题 - 5 -

t* P 平均滞后阶数结论 R 2.0716 0.981 9.13 非平稳 Lg -0.830 0.205 7.38 非平稳 Shrate -0.9327 0.1755 10.00 非平稳 Lhs 5.490 1.000 4.00 非平稳 Lgz 4.7685 1.000 0.00 非平稳 R -2.674 0.010 5.30 平稳 Lg -1.649 0.

6 三实证分析本文对于互联网金融理财产品收益率的影响因素实证分析主要分为三步 : 首先, 建立面板数据最小二乘法 (OLS) 模型, 根据估计参数的显著性确定基金规模的最优阶数 ; 其次, 根据豪斯曼检验结果选择固定效应或随机效应进行面板回归分析, 并通过五次回归逐渐在模型中加入解释变量, 来验证变量的稳定性 ; 最后, 考虑数据是否存在组间异方差同期相关以及组内自相关, 建立可行广义最小二乘法 (FGLS) 模型, 并比较不同方法得到的回归结果, 验证系数估计的合理性 ( 一 ) 基金规模最高阶数的选取本节建立面板数据最小二乘法 (OLS) 模型, 将各个变量按 8 种不同的货币基金作为行时间序列作为列建立面板数据, 即 3 R m Lg Shrate Se Lhs 0 m 4 O / N,6, Lgz m 1 (1) 模型主要考虑基金规模利率市场股票市场债券市场和周期性因素对互联网金融理财产品收益率的影响, 同时考虑到收益率与基金规模之间可能存在非线性关系, 因此, 引入基金规模的二次与三次项, 分别进行回归比较变量的显著性, 以确定最优的变量阶数首先, 进行四次回归引入基金规模的二次项与三次项, 回归所得参数显著性见表 5 表 5 引入基金规模二次项与三次项后的参数显著性比较变量回归一回归二回归三回归四 Z 统计量 P Z 统计量 P Z 统计量 P 值 Z 统计量 P Shrate Lhs Lgz sp su au Lg Lg Lg 从上述显著性结果中可以发现, 当模型包含基金规模的一次项与二次项时, 有着最好的参数显著性, 所有参数的 P 值都小于 1% 的显著水平因此在接下来的讨论中, 模型只引入基金规模的一次项与二次项, 即 m=2 ( 二 ) 面板数据分析固定效应或随机效应此处主要考虑回归中的固定效应或随机效应, 通过豪斯曼检验进行选择, 运 - 6 -

系数估计的合理性 ( 一 ) 基金规模最高阶数的选取本节建立面板数据最小二乘法 (OLS) 模型, 将各个变量按 8 种不同的货币基金作为行时间序列作为列建立面板数据, 即 3 R m Lg Shrate Se Lhs 0 m 4 O / N,6,7 5 8 9 Lgz m 1

7 用 Hausman Test, 原假设与备择假设如下 : H 0 1 : Random Effect H : Fixed Effect 优于 Fixed Effect 优于 Random Effect 从表 6 的豪斯曼检验结果中可以看出, 在 5% 的置信水平下, 接受原假设, 即随机效应的回归结果要优于固定效应, 表 6 固定效应与随机效应豪斯曼检验结果变量系数 Sqrt (diag (V_b-V_B)) b-b 固定效应 (b) 随机效应 (B) S.E. Shrate Lhs Lgz sp su au Lg Lg 检验结果 : (8) 0.74, P 接着, 进行五次随机效应回归, 随机地在模型中逐次加入解释变量来考察回归参数的显著性是否稳定显著性结果 (P 值 ) 见表 7, 通过考察逐项回归的参数显著性, 可以发现模型中的所有参数都具有很稳定的显著性特征, 这在统计意义上说明了模型中解释变量选取的合理性表 7 5 次回归参数的 P 值收益率 (R) 回归 1 回归 2 回归 3 回归 4 回归 5 隔夜 SHIBOR(Shrate) 沪深 300 股指 (Lhs) 国债指数 (Lgz) 第一季度 (Sp) 第二季度 (Su) 第三季度 (Au) 基金规模 (Lg) 基金规模二次项 (Lg 2 ) ( 三 ) 面板数据分析可行广义最小二乘法 (FGLS) 本节同时考虑数据是否存在组间异方差同期相关以及组内自相关, 采用可行广义最小二乘法 (FGLS) 再次对面板数据进行回归分析, 并将模型系数的估计结果与上一节进行比较, 以验证所采用回归方法的合理性 - 7 -

03-0.03 0.00 0.0047 su -0.76-0.76 0.00 0.0015 au -0.56-0.56 0.00 0.0025 Lg 0.36 0.31 0.05 0.1146 Lg 2-0.04-0.03-0.01 0.0146 2 检验结果 : (8) 0.74, P 0.

8 首先对于数据进行基本检验 : 组间异方差采用 Greene(2000) 提出的组间异方差沃尔德检验, 考虑原假设不同个体的扰动项方差均相等 ; 组内自相关采用 Wooldridge(2002) 提出的组内自相关沃尔德检验, 考虑原假设不存在组内自相关 ; 组间同期相关采用 Greene(2000) 提出的组间同期相关 Breusch-Pagan LM 检验, 考虑原假设不存在组间同期相关检验结果见表 8 表 8 基本检验结果原假设统计量 P 不存在组间异方差 χ 2 = 不存在组内自相关 F= 不存在组间同期相关 χ 2 = 表 8 的检验结果显示, 数据同时存在组间异方差组内自相关和组间同期相关因此在 FGLS 回归分析时同时考虑上述 3 种情况, 由 stata12 得出的 FGLS 与随机效应系数估计比较结果见表 9, 由于两种方法系数估计结果的差异较小, 说明模型的回归结果较为稳定可靠, 能够较好地反映各解释变量与被解释变量之间的关系因此系数估计是合理的表 9 FGLS 与随机效应系数估计结果解释变量系数 FGLS 估计 P 随机效应估计 P 隔夜 SHIBOR(Shrate) β * * 沪深 300 股指 (Lhs) β 国债指数 (Lgz) β 第一季度 (Sp) β 第二季度 (Su) β 第三季度 (Au) β 基金规模 (Lg) β 基金规模二次项 (Lg 2 ) β * * 常数项 β ( 四 ) 回归结果分析从表 9 结果中可以发现 ( 以 FGLS 估计结果为例 ), 当 SHIBOR 隔夜拆借利率每上升 1% 时, 互联网金融理财产品收益率会上升 0.076%; 在股票市场方面, 当股指每上升 1% 时, 互联网金融理财产品的收益率会上升 0.680%; 在债券市场方面, 国债指数每上升 1%, 互联网金融理财产品收益率会下降 8.205%; 在周期性方面, 与第四季度相比, 第一二三季度的收益率要分别低 0.362% 0.870% 和 0.570% 鉴于基金规模影响理财产品收益率的非线性特征, 针对基金规模系数 β 1 和 β 2 的经济意义, 我们以寻找驻点的方法来考察, 通过寻找驻点的具体位置来判断收益率随基金规模变化的走势具体推导过程如下 : - 8 -

000 不存在组内自相关 F=331.992 0.000 不存在组间同期相关 χ 2 =600.378 0.

模型 (1) 等式两边同时对 Lg 求一阶偏导, 得 R Lg 2 Lg 1 2 (2) 由一阶极值条件可知当 R / Lg 0时, 模型 (1) 可取到极值将参数代入方程 (2) 后求解得 Lg 4.

9 模型 (1) 等式两边同时对 Lg 求一阶偏导, 得 R Lg 2 Lg 1 2 (2) 由一阶极值条件可知当 R / Lg 0时, 模型 (1) 可取到极值将参数代入方程 (2) 后求解得 Lg 模型 (1) 等式两边同时对 Lg 求二阶偏导, 得 2 R Lg (3) 2 2 由二阶偏导的性质可知, 当 R / Lg 0时, 函数为凸函数, 即先递增后递减综上分析, 即当 Lg<4.162 时,R 逐渐增大 ; 但当 Lg>4.162 时,R 逐渐减小, 即当基金规模大约为 64 亿元时, 收益率达到最大值图 2 说明了收益率基金规模和 SHIBOR 隔夜拆借利率的散点分布情况以及拟合曲面如图 2 所示, 基金规模对理财产品收益率的影响有较为明显的非线性特征, 收益率先是随着基金规模增长而变大, 但当基金规模增长到一定水平之后 (Lg>4.162), 收益率随着基金规模的增长反而变小隔夜拆借利率对收益率有较强的线性影响关系 ( 正相关 ) 在极端情况下, 当基金规模最大而隔夜拆借利率最小时, 收益率为最小值图 2 R-Lg-Shrate 源数据点及拟合曲面三结论及政策性建议从回归结果中可以总结出如下结论 : 首先, 对于利率市场,SHIBOR 隔夜拆借利率对互联网金融理财产品的 7 日年化收益率有着显著的影响, 当隔夜拆借利率上涨时, 会导致收益率上升 - 9 -

162 时,R 逐渐减小, 即当基金规模大约为 64 亿元时, 收益率达到最大值图 2 说明了收益率基金规模和 SHIBOR 隔夜拆借利率的散点分布情况以及拟合曲面如图 2 所示, 基金规模对理财产品收益率的影响有较为明显的非线性特征, 收益

10 其次, 股票市场的收益率与互联网金融理财产品收益率有着一定的正相关性 ; 而对债券市场而言, 国债指数越高, 即债券的价格越高收益率越低时, 互联网金融理财产品的收益率也越低, 这与之前的定性分析的结论相符合主要原因在于货币基金多投资于风险较低期限较短的国债或是企业债, 这些债券的收益率将直接影响到货币基金的收益率从资金规模影响因素来看, 货币基金的规模与其收益率之间存在着非线性关系 : 在基金规模较低时, 收益率随规模的变大而增加, 主要是因为更大的基金规模有着更强的议价能力 ; 但当规模超过一定范围时, 随着规模的增加收益率却会发生下降 ( 如余额宝 ) 最后, 在我国, 互联网金融理财产品的收益率有着独特的周期性, 第四季度的收益率往往要高于其他三个季度主要原因是这类理财产品一般可用于网上购物支付, 而第四季度在我国又是网购消费的旺季, 不仅仅是投资者, 大量的消费者也会选择这类流动性几乎等同于现金的理财产品, 可以做到消费投资两不误因此第四季度的基金规模与其他季度相比更大, 也会带来更高的收益率针对上述结论可从投资者监管部门和传统金融机构三个角度提出建议 : 1. 对于投资者来说, 互联网金融理财产品有着极强的流动性, 同时与同期限的理财产品相比还有着更高的收益率, 可以作为短期用途资金或者零余资金的投资选择而当其他投资市场不景气时, 也可以作为个人投资者资金的避风港尽管这类理财产品的风险较小, 但同银行类似, 也会面临挤兑风险, 由于并不存在类似准备金的保险制度, 其风险也会略高于银行短期存款因此对于投资者而言, 也并不能忽视互联网金融理财产品的风险 2. 就监管部门而言, 互联网金融理财产品的监管尚不成熟, 特别对于有着较大规模的理财产品而言, 更高的议价能力使得基金管理公司趋向于提高产品收益率, 不利于合理的市场利率形成因此监管部门应适当控制基金规模的发展, 通过控制个人投资者的投资上限, 从而稳定其发展速度同时, 鉴于我国互联网金融理财产品收益率有着一定的周期性, 可适度进行逆周期操作, 以此避免理财产品收益率的过度周期波动对我国当前利率市场化的负面影响 3. 对于传统金融机构而言, 互联网金融理财产品的出现造成了极大的冲击, 但同时也可促使传统金融机构加速转型就银行而言, 传统的低收益的个人储蓄存款已经不能满足个人金融理财的需要, 较高收益的互联网金融理财产品迅猛发展, 将势必导致银行融资成本上升和盈利能力下降银行应发挥自己在信息和人才方面的优势, 加大业务创新, 拓展新型中间业务及表外业务参考文献 [1] 白洁林礼连,2014. 基于 EMD-GARCH 的余额宝收益率预测研究 [J], 管理科学,(6): [2] 柴用栋曹剑飞,2014. 互联网货币基金收益率与商业银行理财产品收益率 SHIBOR 利率的关系研究 [J]. 学术论坛,(10):

而增加, 主要是因为更大的基金规模有着更强的议价能力 ; 但当规模超过一定范围时, 随着规模的增加收益率却会发生下降 ( 如余额宝 ) 最后, 在我国, 互联网金融理财产品的收益率有着独特的周期性, 第四季度的收益率往往要高于

11 [3] 邱均平杨强郭丽琳,2015. 互联网金融理财产品使用影响因素研究 [J]. 情报杂志, (34): [4] 庄雷,2015. 余额宝与国债市场收益率波动的实证研究 [J], 经济与管理,(29): [5] Basnet, H.C., and Donou-Adonsou, F., Internet, consumer spending, and credit card balance: Evidence from U.S. Consumers [J]. Review of Financial Economics. 363: [6] Greene, W.H., Econometric Analysis, 4th ed [M]. Upper Saddle River, New Jersey: Prentice Hall. [7] Levin, A., Lin, C., and Chu, C., Unit Root Tests in Panel Data: Asymptotic and Finite Sample Properties[J], Journal of Econometrics, 108: [8] Westerlund, J., 2007, Testing for Error Correction in Panel Data [J]. Oxford Bulletin of Economics and Statistics, 69(6): [9] Wooldridge, J Econometric Analysis of Cross Section and Panel Data [M]. Cambridge, MA: MIT Press. About the Influencing Factors for the Returns of Internet Financing Products Abstract: This paper analyzes the major influencing factors for the returns of internet financing products. According to the random effect and FGLS regression of panel data, we found that SHIBOR, stock market, bond market, fund size and changes of seasons all have significant influence upon the returns of internet financing products. Further, fund size has nonlinear effect for the returns. Finally, we proposed some constructive policy suggestions. Key Words: Internet Financing Products; Panel data; Cointegration; FGLS

Econometric Analysis, 4th ed [M]. Upper Saddle River, New Jersey: Prentice Hall. [7] Levin, A., Lin, C., and Chu, C., 2002.

抗战时期国民政府的银行监理体制探析 % # % % % ) % % # # + #, ) +, % % % % % % % %

抗战时期国民政府的银行监理体制探析 % # % % % ) % % # # + #, ) +, % % % % % % % % 抗战时期国民政府的银行监理体制探析王红曼抗战时期国民政府为适应战时经济金融的需要实行由财政部四联总处中央银行等多家机构先后共同参与的多元化银行监理体制对战时状态下的银行发展与经营安全进行了大规模的设计与

飞 (2014) 利 用 脉 冲 响 应, 分 析 了 余 额 宝 收 益 率 与 SHIBOR 之 间 的 相 互 影 响, 并 发 现 这 些 影 响 反 映 了 互 联 网 货 币 基 金 的 发 展 对 利 率 传 导 机 制 有 弱 化 作 用, 在 一 定 程 度 上 影 响 了 中 国

飞 (2014) 利用脉冲响应, 分析了余额宝收益率与 SHIBOR 之间的相互影响, 并发现这些影响反映了互联网货币基金的发展对利率传导机制有弱化作用, 在一定程度上影响了中国