我國高校貸款風險研究評述

　　[摘要]“棱銀合作”在我國發展已十年有余，存量巨大的銀行貸款在推動我國高等教育超常規發展，為眾多高校帶來擴張活力的同時，由于對貸款安全閥值缺乏理論指導與科學認識，造成了現階段我國普通高校整體上存在著由巨額貸款所引發的財務風險。文章在對近年該領域研究文獻系統梳理的基礎上，嘗試以不同視角為標準將其分為四類，分析與評價了各個類別研究的特點與不足。在此基礎上。對后續研究方法提出了新的思考。
　　[關鍵詞]普通高校；貸款風險；風險控制
　　
　　一、引言
　　
　　我國高校貸款風險的研究始于20世紀90年代末。其背景是1999年起全國范圍內高校的快速擴招、大規模合并，而財政撥款又難以為繼。鑒于高校良好的社會信譽保障和穩定的學費收入來源，銀行向眾高校拋出了“橄欖枝”，一場轟轟烈烈的“校銀合作”就此展開。截至2006年12月，國家開發銀行、5家大型國有商業銀行、12家股份制商業銀行和13家城市商業銀行共計向高校發放貸款2400億元。2007年，九三學社中央副主席邵鴻指出，保守估計現高校債務已達4000億元。教育部2009年首次將“化解高校債務風險”列入了年度工作要點，其問題的嚴峻性可見一斑。
　　不可否認，銀行貸款從根本上緩解了高校發展同政府撥款及自有資金不足的矛盾，為實現高校跨越式發展所需資金提供了有力的支撐。然而，巨額貸款加大了高校財務風險。貸款規模總體上大大超出了高校的償還能力。在銀行還本付息的壓力下。江蘇部分高校被迫變賣校產、河南個別銀行克扣教師工資、吉林大學公開征集債務解決方案……諸如此類事件屢現于報端。如何控制貸款規模，如何確定貸款風險?引起了學術界的廣泛關注。
　　
　　二、我國高校貨款風險研究回顧
　　
　　(一)基于現金流量折現視角
　　在以現金流量為工具構建高校貸款風險控制與評價模型的研究中，研究者認為通過對高校現金流入、流出的分析與管理，能夠有效地對整個貸款活動進行動態的控制。在財務學中，計算資金現值公式由三個參數構成：折現率、折現期和未來現金流量。因此。該視角下的研究工作也集中于這三方面。
　　教育部、財政部于2004年推出了“高等學校銀行貸款額度控制與風險評價模型”，以非限定性凈收入與一般基金中可償債資金作為未來現金凈流量，以N年同期銀行平均貸款利率為折現率，由此確定貸款控制額度，并將累計未償還貸款余額與N年期累計貸款控制額度的比值分為五類，以此衡量貸款風險程度。該模型雖較具操作性，但學術界認為其仍存在不足之處。綜合起來主要有三個方面：1.該模型未給出非限定性凈收入增長率預測的具體方法；2.一般基金參與計算比列難以確定；3.對于折現期N的有效性不夠明確。
　　而針對上述問題討論的焦點在于未來現金流量的確定。謝立本(2005)在考慮未來不確定因素的情況下，提出了引入肯定當量系數調整非限定性凈收入的現值的方法。李睿等(2006)采用最小二乘法確定非限定性凈收入和事業基金結余數，求得其隨時間變化的二次拋物線。馬小南等(2009)進一步探討了運用回歸分析技術測算未來各期現金流量的可行性，并證實了經費收入與折合在校人數之間存在線性關系。對于折現期的研究。黃明卿等(2007)指出應對貸款模型計算期的取值范圍加以界定。并以實例計算結果得出計算期N=5年較為符合實際。
　　另一方面。由于實行收付實現制，高校收入情況與真實財務狀況存在較大差異，部分學者提出應編制高校現金流量表，將高校現金流量劃分為三大類別：1.教學、科研及輔助活動產生的現金流量；2.投資活動產生的現金流量；3.籌資活動產生的現金流量，并據此構建短、長期風險的動態模型(周雷等，2009)。
　　
　　(二)基于財務指標分析視角
　　在以現金流量為模型的高校貸款分析中。由于未來事項的不確定性，需要建立許多的假設條件。這樣一來，對模型的實際操作帶來了難以客觀、及時、準確加以控制的不足。由此。部分研究者基于財務指標分析的視角，從眾多的財務指標中選擇反映高校債務水平和償債能力的若干指標進行分析、評價，以達到及時、精確檢測高校貸款狀況的目的。
　　楊周復、施建軍(2002)在《大學財務綜合評價研究》中，從高校財務狀況全面分析出發，構建了高校財務分析體系，包括：一級指標3個，即支付能力、年末貨幣資金結構和資金動用程度；二級指標5個，即現實支付能力、潛在支付能力、自有資金占年末貨幣資金比重、非自有資金占年末貨幣資金比重和自有資金動用程度。
　　李永寧(2004)在區分籌資風險與財務風險的基礎上。建立了一套高校財務風險監測體系，以償債能力、獲利能力、經營能力與發展能力4級13個財務指標衡量高校財務風險。而石曉芳等(2009)以籌資風險和流動性風險作為風險對象，給出了不同財務指標的警戒線，通過整體指標超標數量和個體指標超標程度判斷風險水平。
　　不難發現，由于財務指標體系機構復雜、指標眾多，各指標之間缺乏協調性。難免會出現相互矛盾的現象。除此之外，部分財務指標由于高校財務的非營利性，不能簡單地直接使用。如在計算資產負債率時，高校的無形資產不能入賬，固定資產不能計提折舊，因而這一指標不能直接套用一般企業50％的標準。炎玉玲(2005)在此基礎上，把判斷標準總結為如下三個方面：1.債務負擔率≤120％；2.債務依存度≤30％；3.舉債期≤8年。
　　
　　(三)基于貸款風險預警的視角
　　在這一視角下，學者們運用各類預測分析工具。將高校貸款的影響因素加以整合，以期達到劃分貸款風險等級并準確作出風險預警的目的。
　　建立預警模型的工具，從已知文獻中可分為兩類。首先是基于多變量預測的分析，包括Fisher線性判定分析、Logistic回歸分析等。其主要步驟是對財務指標首先進行相關性分析。選出弱相關性的指標。以該類指標為對象，建立Fisher或Logistic預警模型(李素紅等，2006)。而該方法下，對于模型預測能力的準確性成為一個核心問題。對此，鐘沖(2007)采用Fisher判別法對教育部直屬72所高校兩年財務數據進行分析，建立了三類高校的Fisher線性判別模型，并驗證了誤判率為10.9％。而鄭鳴、朱懷鎮(2007)以《中國教育經費統計年鑒》數據，分別采用Logistic回歸分析和BP神經網絡技術，建立了兩種預警高校貸款的風險模型，通過對兩模型預測結果的對比分析，得出Logistic模型為當前最優模型的結論。
　　另一大類是基于模糊數學的分析工具，通過集合的隸屬度計算，將影響高校貸款的不確定性因素作為一個內部模糊關系涵蓋在一個判斷模型之中。李曙光(2004)最早采用此方法建立了一個6類18個指標的因素集，計算出三級綜合評判矩陣，以此確定貸款預警限額。彭沖(2008)同樣運用模糊分析，實例分析了兩所教育部直屬綜合性大學的指標，經綜合評價得出償債能力的強弱與實際可控貨幣資金的多寡是決定高校貸款風險的主要因素的結論。張雙紅等(2008)突破性地采用企業信用風險評價的“5C”理論。設計出一套全面評價體系，并結合多層模糊綜合評價法對高校貸款的信用風險進行了綜合評價。
　　
　　(四)其他有益嘗試
　　除上述分析外，還有一些研究者也從不同角度探討了高校貸款規模控制與風險評價的方法。如張海蘭等(2004)利用公式“貸款本金=貸款利息，貸款利率”建立貸款規模控制模型，以償還利息的資金來源作為最高的貸款利息來測算最大貸款規模。彭久麟(2005)根據貸款的邊際資金成本與留存基金率的比較得出了一系列高校貸款的突破(中止)點。閆許娟、陳萬明(2007)的研究則側重于高校整個舉債期內各期貸款使用及償還的協調性，使用Excel建立了對整個舉債期監控的模型表。王沖(2005)的研究另辟蹊徑。通過設計一個兩階段的三方博弈模型，指出在沒有政府參與時，高校貸款決策取決于第一期貸款本息及高校在獲得第二期貸款后的收益；而在政府參與的三方博弈中，高校貸款將會無限擴大。
　　
　　三、對我國高校貸款風險研究的思考
　　
　　通過檢索，筆者發現以“高校貸款”為主題的文獻現有326篇(源自CNKI)，另有部分文獻以“高校負債”(142篇)、“高校財務風險”(138篇)等為主題出現。通過對上述文獻的分類和梳理，可知其絕大部分是關于高校貸款的現狀、成因、危害等的定性研究。而對于高校風險控制模型的定量研究鳳毛麟角，且在現有的模型研究中，也存在以下問題：
　　第一，以教育部貸款模型為代表的現金流量模型研究中。存在大量的假設與估計值，不便于各高校實際操作。且易受人為因素控制而無法真實反映貸款風險；第二。財務指標分析較為全面地反映了貸款風險，但大多數財務指標的內涵是基于企業角度，未真正體現出高校財務非營利性和收付實現制的特點；第三。在貸款風險預警方面，由于數據來源有限。較少的訓練樣本得出的風險臨界值往往精確度不高，且預測的誤判率標準難以統一明確。因而由此得出的結論也缺乏說服力。
　　有鑒于此，考慮到上述幾種視角下高校貸款風險研究方法各自的局限性。也考慮到教育部高校貸款模型在高校實際運用中的廣泛性與現實性，筆者以期在此基礎上進行后續研究。亦如前文所述，該貸款模型在實踐中仍存在不足，而對不足之處的修正也為后續研究指出了方向。
　　首先。對于模型中“高校事業在未來一定時期內呈穩定增長態勢”假設的修正。第五次全國人口普查的數據顯示。我國高等教育適齡人口在2008年達到頂峰后將逐年下滑。至2018年達到最低點，約為2008年的50％。由于未來適齡人口的減少，必然導致在校生規模總量的下降，因而需要考慮若出現持續穩定甚至適量緊縮發展的狀況下。應檢驗該模型是否仍具備有效性。
　　其次，在該模型中，作為高校償還貸款的資金來源，非限定性凈收入及其現值的測算是核心環節。在測算非限定性凈收入中，原模型給出了以構成內容計算非限定性收入的方法。但可能帶來相關項目劃分標準不一，以及預測結果與實際數據脫節的情況。因此，可以考慮利用在企業財務風險研究中成熟的回歸分析技術，結合在校生人數、學費收繳率、其他來源經費預算等因素建立多元回歸方程。直觀而科學地確定各年非限定性凈收入數據。在測算現值環節。測算期長度和折現率的選擇是決定因素。由于測算期太長會高估高校的還貸能力，而期限太短又會低估該項能力。根據黃明卿等人的研究結果顯示，測算期以5年為宜，繼而折現率以5年期銀行貸款利率為宜。
　　在上述問題修正的基礎上，依照各高校實際貸款額與測算的貸款安全閥值的比值，可以將各高校貸款風險進行分類，進而將比值結果轉化為百分計制，作為衡量高校貸款安全得