企業信用風險的空間擴散及原因分析—基于我國省域面板數據的實證

■ 田映華 副教授 謝云霞 通訊作者（華中科技大學經濟學院 武漢 430074）

改革開放以來，中國經濟迅速發展，以銀行為主導的間接金融體系對此做出了不可磨滅的貢獻。然而，銀行體系積累的信用風險引起了政府以及社會各界人士的擔憂，研究地域分布特征對防范風險全面爆發大有裨益。一方面，相鄰區域的經濟活動由于地理條件、學習模仿等原因具有市場主體特點、行業分布規律的相似性，企業違約存在空間相關；另一方面隨著國內貿易的不斷深入，產業鏈上企業信用風險相互傳染，以致違約風險在空間擴散，而相鄰省份貿易往來更加密切，產業鏈傳染強化了風險的空間聚集特征。

國內外文獻除了研究信用風險的評估、管理與定價，近年也有較多學者將目光移至信用風險的傳染與擴散。Siem Jan Koopman，Andre Lucas（2005）用1933-1997年美國實際GDP等數據通過實證方法分析了信用風險的順周期性質。Kay Gieseckea，Stefan Weber（2005）探討了由企業之間的商業聯系而引起的信用風險傳染機制。Philippe Jorion，Gaiyan Zhang（2009）首次用實證方法分析了信用風險通過直接的商業往來而相互傳染，作者認為信用風險傳導機制包括通過預期傳導式的行業內部感染和交易對手的行業之間擴散。王倩等（2008）將企業違約分為宏觀經濟變量導致的因果傳染和問題企業之間直接的信用違約傳染，并對這種現象進行了建模分析。陳藝云（2012）用數理模型的方式研究了供應鏈金融系統中核心企業與非核心企業之間的信用風險傳染關系，并且認為非核心企業之間的關聯性越強，交易對手風險便越大。鄭志堯等（2014）闡述了2005-2012年美國銀行不良貸款水平與失業率、GDP增長率、CPI增長率、PPI增長率、M2增長率之間的實證關系，并建議我國商業銀行要重視宏觀經濟波動對信用風險的沖擊。陳庭強等（2011）從CRT市場的角度來研究了信用風險傳染的路徑與特征，側重點在于金融機構間的交易引致的風險擴散。

研究方法及各省信用風險現狀

自1979 年Paelinck 和Klaassen出版了《空間計量經濟學》以來，空間計量作為計量經濟學的一個新興分支不斷發展與完善，空間滯后模型（SLM）與空間誤差模型（SEM）已經較為成熟。雖然空間計量經濟學廣泛用于區域或城市經濟學等領域，但是源自實體經濟的信用風險或同樣存在空間依存關系和擴散效應，因此本文采用空間計量方法來研究信用風險擴散效應可靠且合理。

本文首先對各變量進行描述性統計，然后采用全局Moran I指數（MI）來進行空間關聯度檢驗，再分別用SLM、SEM模型來試圖研究信用風險的空間擴散機理，并用FEM模型來驗證回歸結果的穩健性。

表1 2005-2013年不良貸款率全局MI值與顯著性Z值

表2 變量由來及特征

表3 SLM、SEM與 FEM模型

其中，空間加權矩陣W元素Wij為0或1，i、j表示省份，相鄰為1，不相鄰為0。在實際使用中常將其標準化，即。全局Moran`I統計量：其中MI取值在-1到1之間，大于（小于）0表示各地區為空間正（負）相關，并且數值越大，相關性越強。而且MI近似服從均值為E（I）和方差為D（I）的正態分布，其中其中，因此可以構造顯著性檢驗統計量

圖1 2013年各省不良貸款分布情況（%）

圖2 2013年信用風險的空間分布情況

圖3 2013年末各省貸款余額情況

將2005-2013年數據處理后得到以下結果：每個年份 MI值均大于0，顯示每年各省信用風險存在正相關關系，即存在風險聚集現象；從趨勢上來看，信用風險的空間關聯度在降低；雖 Z值近年有所下降，但僅在2011年、2012年Z值較低，其余年份相關性表現為高度顯著。如表1所示。

依據統計局對我國東部、中部、西部三大地區的劃分慣例，從2013年的不良貸款率分布來看，這三大地區呈現出一定的特征。如圖1、圖2、圖3所示。

東部地區整體風險水平較高，省際分化較為嚴重，最高的浙江省1.89%，最低為海南省0.49%。具體來看，以浙江省為中心，位處其周邊的江蘇、上海、山東、福建、廣東等省份同樣成為東部地區主要的信用風險聚集地。自改革開放以來，沿海地區憑借地理區位優勢，經濟迅速發展。經濟的活力不僅體現在滋生了大批中小民營企業，而且還加速了行業之間、企業之間的新老更替，加之貿易依賴使得經濟波動錯綜復雜。另一方面，與實體經濟相輔相成的金融機構發達，行業競爭激烈。因此，下沉的金融服務和復雜多變的企業經營環境共同抬高了這些地區的不良貸款率。

中部地區信用風險的平均水平與東部相差不大，但省際波動微小。從全國經濟格局來看，中部地區經濟雖沒有東部沿海地區的高速發展，改革開放以來仍然保持了較快發展。2013年中部各省人均GDP為4.04萬元，低于東部地區的6.38萬元，高于西部地區的3.29萬元。河南、湖北、湖南、安徽等中部農業大省，工業化不夠發達，貸款需求方與供給方風險偏好表現平穩，不良貸款率分化不大。

西部地區違約風險更低，最低的重慶不良率僅為0.35%，最高的為青海1.08%，不過整體水平仍低于東部和中部地區。相對落后的經濟水平使得西部順理成章的成為了金融弱覆蓋地區，融資相對困難的高風險中小微企業容易被排除在金融機構門外，反而使得客戶違約率相對較低。比如西藏地區2013年人民幣貸款余額僅為1077億元，青海、寧夏分別為3398億元、3910億元，遠低于東部地區的均值35953億元和中部地區均值16676億元。

從圖2可以更直觀地看到，信用風險主要聚集在我國東部沿海省份（表現為圖上顏色最深），緊鄰這些高風險區域的中部省份（安徽、湖北、湖南、河南等）風險也較高，東北地區顏色亦較深。

數據來源及變量選取

本文采用2005-2013年我國31省（港澳臺地區除外）的面板數據，數據來自Wind數據庫或者中國銀監會、國家統計局。因變量信用風險用各省的不良貸款率衡量，自變量除了國內外學者常用的GDP增速（GDP）、失業率（UEM），本文還補充了城鎮化率（URB）、產業結構（IDU）、受教育水平（EDU）這三個自變量。

信用風險爆發與宏觀經濟周期（包括GDP增速、失業率等）息息相關，這點是得到國內外學者一致認可的，本文也將沿用前人這一觀點。宏觀經濟下行，意味著企業盈利惡化，容易發生資不抵債的極端情況，或者企業營運資金流發生斷裂，進而引起貸款違約事件。

在國家城鎮化的大背景下，城鎮化離不開金融的大力支持。在現有的城鄉二元結構的背景下，農村經濟發展水平較低，可變現的高價值資產缺乏，加上容易受到自然災害沖擊，使得涉農貸款不良率高于其他行業貸款。因此，本文加入了城鎮化率作為控制變量。

由于各個地區產業結構各有特色，產業結構的差異直接影響到貸款的分布，因此本文加入了產業結構（IDU）變量。

一個地區人口接受教育水平也與貸款違約有密不可分的關系。對于零售貸款，一方面，除了資產可以給個人增信，學歷也是影響授信的變量之一，學歷越高的人越容易獲得貸款，比如信用卡；另一方面，學歷越高，越容易瞞天過海，美化信息，獲得授信額度，而學歷低的人相對更難獲得貸款，因此教育程度發達或伴隨更多的違約風險。

所有變量均通過對數處理，各個變量由來及特征如表2所示。

實證結果及分析

為了進一步研究影響信用風險擴散的原理，本文采用Eviews軟件通過SLM模型和SEM模型來做空間面板數據回歸，并且用FEM模型驗證了各回歸系數的穩健性。分別建立模型如下：

空間滯后回歸SLM模型：

空間誤差回歸SEM模型：

首先，通過對各變量做了ADF單位根檢驗發現，LNY、LNGDP、LNIDU、LNUEM拒絕單位根假設，LNEDU、LNURB為一階差分平穩。

在原假設為隨機效應模型的基礎上，通過Hausman檢驗結果顯示F值為38.6013，P值為0.0000，因此靜態面板數據估計更適合固定效應模型，并以固定效應模型來檢驗空間滯后模型（SLM）和空間誤差模型（SEM）的穩健性，實證結果如表3所示。

SLM、SEM、FEM模型回歸結果無論是符號還是顯著性基本保持一致。SLM的WY項系數、SEM的Wu系數均顯著為正，再次證明信用風險存在擴散效應。GDP增速（LNGDP）、城鎮化率（LNURB）與信用風險顯著負相關，即經濟越景氣、城鎮化率越高，則該地區違約率越低。GDP增速高意味著企業經營良好，資金流穩定；城鎮化率高意味著該地區隱含信用風險較高的第一產業占比較小。因此負相關關系符合預期。

而失業率（LNUEM）、受教育水平（LNEDU）則與信用風險顯著正相關，意味著失業率越高、人口受教育水平越高則該地區信用風險越高，符合假設。一個地區失業率高，意味著企業減產甚至是破產，均代表了盈利水平下滑，企業違約風險加大。而受教育水平高往往伴隨道德風險滋生，正如實證結果顯示，該地區大專以上學歷人口越多，信用風險越高。

另外，違約率與地區的第二產業比重并無顯著相關關系，說明貸款違約并沒有集中在第二產業：第一產業的涉農貸款隱含的信用風險較高，2013年農林牧漁行業不良率2.27%，居各行業首位；第二產業的落后制造業同樣面臨信用危機，2013年制造業不良率1.79%，居第三位；第三產業的批發零售業同樣也是風險聚集領域，2013年其不良率2.16%，居第二位。

關于信用風險存在空間擴散效應的原因，已有的信用風險傳染理論便可以解釋。在系統風險層面，各個省份的經濟活動都受到相同的宏觀變量沖擊，比如經濟下滑、貨幣政策等。因此，理論上所有省份的違約風險均有一致的趨勢，事實也基本如此。而空間相鄰的省份，由于地理條件、學習模仿等原因使其經濟形態更趨向一致，包括市場主體和行業特征兩個方面，因此受宏觀變量沖擊的程度也更加相似。比如江蘇、浙江小微企業眾多，在經濟下行周期中，小微企業的脆弱性便更快地體現出來，因此江蘇、浙江地區的違約風險爆發存在高度正相關性。比如制造業發達的珠三角地區，產能過剩問題是這些地區共同面對的困擾，相似的行業特征也會使違約率存在一致性。在非系統風險層面，供應鏈上下游企業的相互傳染也會導致信用風險的空間擴散。由于相鄰的省份相對更容易發生貿易往來，企業一旦出現資金鏈斷裂，則會不同程度地影響到產業鏈上企業的現金流，從而引發一系列的信用危機。

結論與建議

我國信用風險多集中在經濟較為發達的東部和中部地區，原因在于經濟水平較高地區貸款需求方與供給方風險偏好也高，加之激烈競爭使企業優勝劣汰更加頻繁，因此不良貸款反而容易在中東部地區形成。進一步深入至省際的信用關聯，全局MI指數顯示信用風險爆發存在空間正相關性，相關性雖有減弱趨勢，但多數年份仍高度顯著。

SLM、SEM、FEM模型均表明，GDP增速、城鎮化率與違約率負相關。經濟景氣企業盈利穩定，從而違約概率大幅降低。城鎮化率越高，意味著貸款多分布在第二、三產業，投放在高風險行業農林牧漁業貸款較少。失業率、受教育水平與違約率正相關。失業率越高，意味著企業生產動力不足，景氣下行，從而違約率增加。高學歷人群更擅長粉飾貸款資質，獲取超越自身承受能力的高風險貸款，進而容易引發違約事件。第二產業比重多少與違約風險沒有顯著相關關系，原因是違約風險并沒有簡單集中在第二產業。

最后，基于以上結論本文提出如下建議：第一，警惕相鄰區域的風險集中爆發。對金融機構來說，假如某地區信用違約事件頻繁發生，顯現風險暴露勢頭，那么則需密切關注周邊地區風險頭寸，比如當前應警惕東部沿海地區風險擴散至周邊的河南、安徽、湖北、湖南省份。第二，盯住GDP增速、城鎮化率、失業率等風險先導指標，在經濟下行周期中為違約事件異動提前做好壓力測試、風險防范等工作，最大程度來降低損失。比如GDP增速下行不僅會帶來違約風險的普遍抬升，而且相鄰地區還會相互作用傳染。第三，金融機構必須做好貸前嚴格審核、貸后密切監督的工作，降低高學歷人群因投機帶來的違約風險。尤其在當前商業銀行紛紛重視大零售戰略的背景下，小微業務、個人業務均與個人信用資質息息相關，教育學歷成為授信的一個重要參考條件，但同時也應關注交易對手方的道德風險問題。

1.Siem Jan Koopman，Andre Lucas.Business and Default Cycles for Credit Risk[J].Journal of Applied Econometrics，2005（2）

2.Kay Gieseckea，Stefan Weber.Credit contagion and aggregate losses[J].Journal of Economic Dynamics &Control，2006（30）

3.Philippe Jorion，Gaiyan Zhang.Credit Contagion from Counterparty Risk[J].The Journal of Finance，2009（5）

4.王倩等.信用違約風險傳染建模[J].金融研究，2008（10）

5.陳藝云.違約傳染與供應鏈金融的信用風險測度[J].統計與決策，2012（1）

6.鄭志堯等.美國銀行信用風險與宏觀經濟變量的實證研究[J].蘇州科技學院學報，2014（4）

7.陳庭強等.基于銀行信貸行為的CRT市場信用風險傳染評述[J].金融理論與實踐，2011（11）