- 1 -
互联网货币基金与 Shibor 的动态关系研究
梁裕珩，尹居良**
（暨南大学经济学院，广州 510632）
5 摘要：互联网金融已成为当前金融发展的热点，2013 年被称为“互联网金融元年”，余额
宝等互联网货币基金相继出现。因此，对互联网货币基金进行分析研究是十分必要的。目前，
国内对于互联网货币基金在实证方面的研究较少，本文以关注度最高的余额宝为例，基于协
整的理论，通过误差-修正（VEC）模型对其每日收益与上海银行间拆放利率（Shibor）的动
态关系进行研究。此外，本文通过格兰杰（Granger）因果关系检验和脉冲响应函数分析，10
发现 Shibor对余额宝具有单向的影响关系，并描述其作用的方向、大小和反应速度。
关键词：互联网货币基金；Shibor；余额宝；VEC模型；协整
中图分类号：
The Study of the Dynamic Relationship between Internet 15
Monetary Fund and Shibor
LIANG Yuheng, YIN Juliang
(Economics School, Jinan University, Guangzhou 510632)
Abstract: Because of the appearance of Yu’e’bao which changes the finance market deeply, 2013
has been named as “the beginning year of e-finance”. Therefore the research of internet monetary 20
funds is necessary. Yu’e’bao is one of the highest attention internet monetary funds, then this
paper is based on cointegration theory, and finds the dynamic relationship between daily yield of
Yu’e’bao and Shibor. Besides, the Granger test brings that Shibor exert unidirectional effects to
yield of Yu’e’bao, and impulse responses functions represent the direction, size and speed of
response. 25
Key words: internet monetary funds; Shibor; Yu’e’bao ; VEC model; cointegration
0 引言
互联网技术的发展快速发展给大众带来许多的便利，同时也使得许多行业也因此发生翻
天覆地的变化。经过最近十多年的发展，“互联网金融”已经不再仅仅局限于网上银行或第30
三方支付平台，而是扩展到了网络销售的货币基金、网络贷款等新业务。因为门槛低、收益
高、易取现等的特点，互联网货币基金受到了“草根”阶层的欢迎。
目前，互联网企业、银行、电信企业等推出互联网理财产品已超过 60 种，本文选用市
值和关注度都是最高的余额宝作为研究的对象。余额宝是由阿里巴巴旗下的支付宝公司在
2013 年 6 月推出的网络理财产品，其本质是一款货币基金。余额宝是通过其母公司阿里巴35
巴旗下的天弘基金创建货币基金并投资银行协定存款、国债、银行票据等，所以余额宝可以
实现较高的回报率[1]。在仅仅推出一个月时间内，该产品在 2013 年 6 月底就已累计 250 万
用户，资产规模达 57 亿元[2]。根据 2014 年中期报告显示，余额宝的资产总额已达 5,891 亿
元，其中银行存款约 5,014 亿元，占比约 85%，债券投资与买入返售金融资产分别约为 332
亿元和 531 亿元，占比约为 %和 % [3]。众所周知，货币基金的收益状况取决于其投40
资组合的表现，而余额宝的投资组合中绝大多数品种都和市场的利率水平有关。此外，上海
银行间同业拆借利率（Shanghai Interbank Offered Rate，下文简称 Shibor）是由信用等级较
- 2 -
高的银行自主报出的人民币同业拆出利率计算确定的算术平均利率，是单利、无担保、批发
性利率 。该利率数据能较为真实地反映出市场资金的供求关系，是对金融市场的利率较为
准确的表示方式。因此，建立互联网货币基金日收益状况和 Shibor 的动态关系模型，对于45
研究货币基金与利率水平的关系，货币基金风险管理，以及投资者决策等问题都有参考意义。
1 文献综述
在国内研究互联网货币基金与利率的关系的相关成果并不算多。马恋（2014）[4]以案例
的形式对余额宝的各种风险进行分析，其中对余额宝收益率的波动性进行了较为详细的分
析，描述了其资产配置结构的银行协议存款占比情况，并比较余额宝复利年收益率和 1 年期50
的 Shibor 数据的走势，计算两者的相关系数，而且还分析了 2013 年 6 月“钱荒”对余额宝
收益的影响以及描述了 2014 年上半年余额宝的收益率出现了明显下降的特点。刘冬青
（2014）[5]通过线性回归模型对 Shibor 利率(一周)和余额宝七日年化收益率建模，并计算两
者间的关系，但是根据该文建立的线性回归模型的 R2 较小，估计参数的 t 检验也未能通过，
因此，认为 Shibor 和余额宝的七日年化收益率基本不存在长期关系，并对其利润分配状况55
表示怀疑，认为短期的高收益可能是余额宝等互联网货币基金吸引客户的方式，最后提出余
额宝所面对的赎回风险。祁淑宇（2014）[6]提出了互联网货币基金面对的诸多风险包括流动
性风险、支付风险、市场风险、政策风险等，其中市场风险的分析中主要对市场利率大幅波
动引致的风险，并以 Paypal 作为例子，分析美联储为刺激流动性采取的降息政策导致 Paypal
面临严重的市场风险，最终在 2011 年清盘关闭，因此，认为处理好利率波动的风险对互联60
网货币基金尤为关键。赖文斌（2014）[7]对余额宝的产生和快速发展的原因进行详尽分析之
后，在收益状况、投资组合的基础上，认为其面对的利率风险、信用风险、政策风险、管理
风险、流动性风险等。
综上所述，互联网货币基金得到了快速发展的同时，这方面的学术研究也越来越多，但
是国内大多数对互联网货币基金的研究多是基于历史发展过程、收益-风险的定性研究和政65
策分析等角度，本文尝试从量化的角度出发，寻找余额宝的收益与 Shibor 利率的动态联系，
并分析两者之间的相互作用。
2 研究方法
VEC 模型概述
自从 Sims 在上世纪八十年代初期首次提出向量自回归（ vector autoregressive 70
model ,VAR）模型以来，众多以向量为基础的计量经济学模型不断出现，并且广泛应用于
经济研究和市场决策的各个方面。以向量为基础的时间序列模型有别于传统的计量经济学联
立方程的建模理论，例如，不再明确区别内生变量与外生变量，更加注重变量间的动态联系
等。为改变 VAR 模型经济意义不足以及过于死板的特点，Sims（1986）和 Bernanke（1986）
又提出了结构 VAR 模型（SVAR）[8]。之后，Engle 和 Granger（1987）[9]首次提出了协整的75
概念，以考察经济数据之间的关系，并建立了 Engle-Granger 协整检验方法。随之以后，各
种检验协整的方法相继出现，以及建立在协整基础上的向量误差-修正(vector error correction
model ,VEC)模型和结构向量误差-修正（SVEC）模型得到了发展并广泛应用于经济研究之
中。本文正是使用了 Johansen 协整检验以及向量误差-修正（VEC）模型对余额宝的每日收
益和 Shibor 进行研究，并根据格兰杰因果关系检验和脉冲响应函数分析两者之间的动态变80
- 3 -
中国科技论文在线
化关系。
VEC 建模方法
在建立 VEC 模型之前，首先考虑 k 元平稳的 VAR(p)时间序列 tx ：
0 1 1t t p t p t …+x x x a
其中，新息 ta 是高斯的，假定 tx 至多是一阶可加过程，即 I(1)过程。对 VAR(p)过程的85
误差-修正（VEC）模型具有如下形式：
* *
0 1 1 1 1t t t p t p t …+x x x x a （1）
其中， ' ， 1tx 表示误差-修正项。因为 tx 至多是 I(1)过程的假定，上式子中 tx
是 I(0)过程。如果 tx 包含单位根，则是奇异的，所以在考虑公式(1)的时候，有以下 3 种
情况。 90
（1）若Rank( ) 0 ,这意味着 0 且 tx 不是协整的，模型退化为
* *
0 1 1 1t t p t p t …+x x x a
因此， tx 服从的 VAR(p-1)模型。
（2）若Rank( ) k ，这意味着 tx 不包含单位根， tx 是 I(0)过程，此时研究误差-修
正模型无效，直接研究 tx 即可。 95
（3）若0<Rank( ) m k ，在这种情况下，可以将改写成 ' ，其中 和
都是 k×m 矩阵且Rank( ) Rank( ) m 。这意味着 tx 是协整的，有 k-m 个单位根。
因此需要对 的秩进行最大似然检验，本文选用了特征根的迹检验，考虑原假 H0:
Rank( ) m ，备择假设 Hα: Rank( ) m ，Johansen（1998）提出下述似然比检验统
计量来进行检验： 100
1
ˆ( ) ( ) ln(1 )
k
tr i
i m
LR m T p
（2）
若Rank( ) m ，则当 i m 时，特征根 iˆ 应该很小，所以 trLR 也应该很小，该检验
称为迹协整检验。 trLR 的临界值是通过模拟得到的，当 trLR 大于临界值，拒绝原假设 H0:
Rank( ) m ；否则，不能拒绝原假设 H0。
3 数据选取与说明 105
由于余额宝在刚开始推出的时候，资产规模急剧增大导致其每日收益变动较大，随着资
产规模渐趋稳定，其收益状况更能反映市场资金需求以及基金公司的资产管理能力。因此，
本文仅选用 2013 年 12 月 31 日至 2014 年 12 月 31 日的数据作为研究对象。此外，互联网销
售的货币基金一般都会以其 7 日年化收益率高于银行储蓄存款作为宣传口号，也有许多投资
者并不了解“7 日年化收益率”的计算方法。实际上，“7 日年化收益率”指对最近 7 日收110
益水平的平均值再年化处理的收益率数据，具体来说，因为“7 日年化收益率”经过平滑化
处理，所以它不能完全反映当日的收益情况。因此，本文选用余额宝每日的“万份基金单位
收益”作为研究的变量，所谓“万份基金单位收益”是指基金品种当日每万份基金单位实现
- 4 -
中国科技论文在线
的收益金额。此外，因为银行同业拆借市场在节假日暂停交易，所以本文对缺失的数据进行
三次样条插值处理。如图 1 所示，2014 年余额宝和 Shibor 的运行情况呈现以下特点：余额115
宝的收益状况和 Shibor 具有一定的相关性；2014 年余额宝收益呈现下降趋势；“万份基金
单位收益”和“7 日年化收益率”走势相近，但波动性相对更高。
图 1 Shibor 和余额宝 2014 年运行情况
120
4 模型实证分析
本文使用R软件[10], [11]对余额宝和 Shibor数据进行建模分析，主要以数据的平稳性检验，
误差-修正模型，格兰杰因果关系检验，以及脉冲响应分析四个方面展开。
单位根检验
在建立模型之前，首先对 Shibor 和余额宝万份基金单位收益序列的平稳性进行检验，125
以防出现伪回归现象。本文应用 R 软件的 ADF 检验的方法对两个序列及其差分序列进行单
位根检验，其检验结果表明两个序列都无法在 1%显著性水平下拒绝存在单位根的原假设，
所以认为是非平稳的；其差分序列都在 1%显著性水平下拒绝存在单位根的原假设，所以认
为是平稳的。因此，Shibor 和余额宝万份基金单位收益均为一阶单整 I(1)序列，能满足向量
误差-修正（VEC）模型的基本假设要求，可以进行下一步的建模分析。 130
向量误差-修正（VEC）模型的建立
在建立 VEC 模型的时候，需要对方程的滞后阶数进行选择，若滞后阶数过长，自由度
因而减小，则会使得模型估计的参数无效；若滞后期选择过短，模型中的参数并没有对实际
市场状况进行充分的描述，则会导致残差序列依然存在自相关性。因此，选择适当的滞后阶
数对模型构建尤为关键，本文通过赤池准则（AIC）选择滞后阶数。由公式（1）可知，VEC(p-1)135
模型是由 VAR(p)模型等式的左右两边同时减去 xt-1演变过来的，因此，此处讨论滞后阶数 p
为 VEC 模型所对应的 VAR 模型的滞后阶数，且大于等于 2。根据表 1 的结果，下文所建立
- 5 -
中国科技论文在线
的模型选择滞后阶数为 4，使得 AIC 值达到最小。
表 1 VEC 模型滞后阶数的选择 140
滞后阶数 2 3 4 5 6 7 8
AIC
随后，对滞后期为 4 的 VEC 模型进行 Johansen 协整检验，对的秩序进行“迹检验”
的结果如表 2 所示。若原假设（H0）为的秩Rank( ) 0 ，其 Johansen 统计量为
大于显著性水平 5%的临界值 ，因此拒绝原假设；若原假设（H0）为 的秩
Rank( ) 1 ，其 Johansen 统计量为 小于显著性水平 5%的临界值 ，因此不能拒145
绝原假设，并且认为 Shibor 和余额宝万份基金单位收益存在协整关系。
表 2 Johansen 协整检验
秩 统计量 10%临界值 5%临界值 1%临界值
r <= 1
r = 0
Shibor 和余额宝万份基金单位收益的 VEC 模型如下： 150
1 1
2 3
t t t
t t t
x x x
x x a
其中， , 't t tShibor yieldx 。
格兰杰（Granger）因果关系检验
进行格兰杰（Granger）因果关系检验的目的是检验一个变量的滞后项是否对另一变量
产生影响，并基于该检验决定是否在模型中引入这个变量。若一个变量的滞后项对另一变量155
产生统计学上显著的影响，则称具有格兰杰因果关系，值得注意的是格兰杰因果关系检验的
结果并不能等同于逻辑学中的因果关系。本文由 AIC 准则决定格兰杰因果关系检验方程的
滞后阶数为 4，Shibor 和余额宝万份基金单位收益序列的格兰杰因果关系如表 3 所示。本文
拒绝 Shibor 不是余额宝收益的格兰杰原因的原假设，同时不能拒绝余额宝收益不是 Shibor
的格兰杰原因，也就是说，Shibor 的变化会引起余额宝收益的变化，而余额宝收益的变化则160
不会引起 Shibor 的变化。因此，本文认为 Shibor 对余额宝收益序列有单向影响的关系。
表 3 格兰杰因果关系检验
原假设 F 统计量 p 值
Shibor 不是余额宝收益的格兰杰原因
余额宝收益不是 Shibor 的格兰杰原因
脉冲响应函数分析
脉冲响应反映某一变量在 t 时刻的冲击以及其他变量均保持不变的条件下，各个变量在
t 时刻后的影响。利用前文建立的 VEC(4)模型进行脉冲响应分析，其结果见图 2。图中，横165
轴为滞后期数，纵轴表示 Shibor 和余额宝的响应值，实线为脉冲响应函数曲线，代表两市
- 6 -
中国科技论文在线
场对冲击的响应，红色虚线为响应两个标准差的偏离带（通过 bootstrap 模拟得到）。从图
中可以看出，Shibor 和余额宝对对方的冲击是互不相同的。
图 2 脉冲响应图 170
具体来看，图 2(A)为 Shibor 受余额宝收益变动冲击的脉冲响应函数。面对余额宝收益
的上升冲击，Shibor 也随之逐渐上升，但是响应程度较小，且在 95%置信水平下不显著异于
零，因此，可以认为余额宝对 Shibor 的影响很小甚至可以忽略不计。如图 2（B）所示，与
前者相比，余额宝收益受 Shibor 变动冲击的响应较剧烈。当受到 Shibor 利率突然上升的冲
击时，余额宝收益立即上升，且在一段时间内维持上升的趋势且在 95%置信水平下显著异175
于零，但是随着时间的推移，上升的速度逐渐放缓。由此可见，脉冲响应函数分析与前文格
兰杰因果关系检验的结论一致。
综上所述，期货市场和现货市场之间的互动关系存在如下特征：
第一，在响应的方向上，两变量之间存在着相互正向影响的关系，即 Shibor 和余额宝
受到来自对方的冲击时都能够同向反应，反映了货币基金的收益与市场利率水平的正向变动180
关系，这与货币基金的投资品种有关。
第二，在冲击作用的程度方面，余额宝对 Shibor 的冲击远小于 Shibor 对余额宝的冲击。
一方面，这说明余额宝与传统的货币基金相似，受到市场利率水平的影响较大；另一方面，
尽管余额宝发展迅速，市值不断扩大，但是其收益变动仍然未达到足以影响整个金融市场利
率水平的程度。 185
第三，在反应速度方面，两者的反应速度并不相同。对于 Shibor 的冲击，余额宝能够
做出迅速的正向反应；但对于余额宝收益变动的冲击，Shibor 的反应非常迟缓，且在 95%
水平下不显著。
5 结论
本文基于 Shibor 和余额宝的数据，通过对数据进行单位根 ADF 检验、Johansen 协整检190
验，由此看出两者之间存在协整关系；在此基础上，建立 VEC 模型，描述两者的动态变动
协整关系。从格兰杰因果关系检验可知，Shibor 对余额宝的万份基金单位收益存在单向影响。
- 7 -
中国科技论文在线
此外，根据脉冲响应函数分析，本文得出：Shibor 和余额宝之间存在着相互正向影响的关系；
Shibor 对余额宝的冲击较大，而余额宝对 Shibor 的冲击较小；余额宝对利率的响应速度要
高于 Shibor。值得注意的是，尽管目前余额宝的规模迅速增大，但由此引发的金融市场融资195
成本上升的现象并未出现。不过，证监会、央行等监管机构已经关注互联网货币基金作为一
项发展迅猛的金融创新产品对金融市场的影响，并已制定有针对性的措施。此外，本文仅从
余额宝这一产品和 Shibor 之间的协整关系探讨互联网货币基金的收益与市场利率水平的关
系，起抛砖引玉的作用，对于互联网货币基金和市场利率水平的研究可更深入研究。
[参考文献] (References)200
[1] 阚光军. 互联网货币基金的前世今生[J]. 财经界(学术版), 2014, (8): 19-20.
[2] 徐榕梓. 余额宝闪亮登场 PayPal 黯然谢幕[J]. 中国对外贸易, 2013, (8): 59-61.
[3] 天弘基金管理有限公司. 天弘增利宝货币市场基金 2014 年半年度报告[R]. 北京:天弘基金管理有限公司,
2014.
[4] 马恋. 互联网理财基金案例研究 --以余额宝为例[D]. 广州:暨南大学, 2014. 205
[5] 刘冬青. 基于线性回归模型的余额宝价值分析[J]. 哈尔滨商业大学学报(社会科学版), 2014, (5): 47-54.
[6] 祁淑宇. 余额宝存在的风险及对策研究[D]. 呼和浩特:内蒙古大学, 2014.
[7] 赖文斌. 余额宝风险收益分析[D]. 广州：暨南大学, 2014.
[8] Ruey S T 著, 王远林，王辉, 潘家柱译. 金融时间序列分析（第三版）[M]. 北京:人民邮电出版社,
-197. 210
[9] Engl R F, Grange C. Cointegration and error correction representation, estimation and testing[J]. Econometrica,
1987, 55:251-276.
[10] Michael J C. The R Book[M]. London: WILEY, 2007.
[11] Bernhard P. VAR, SVAR and SVEC Models: Implementation With R Package vars[J]. Journal of Statistical
Software, 2008,4: 1-32. 215
