基于生態足跡模型的信貸平衡與風險研究

阮湛洋

一、引 言

國際金融危機后，我國實施了大規模財政和貨幣刺激計劃，有力支撐了經濟的高速增長。但同時也帶來了區域性和行業性的產能過剩、杠桿過高、資產價格泡沫風險等“后遺癥”問題。信貸供需的總量失衡與結構性失衡問題日漸凸顯，不同地區、不同行業的信貸平衡境況因此存在明顯的差異。信貸供需的失衡，一方面會導致市場主體信貸需求難以滿足，生存能力被擠壓；另一方面，受經濟轉型“三期疊加”影響，經濟發展面臨諸多困難和不確定性因素，市場主體的信貸需求疲軟，使得信貸資金“千方百計”地“脫實向虛”去尋租，從而帶來信貸風險的增加。因此，信貸供需的平衡問題，并不單純是簡單的供給需求兩者的均衡問題，更關系到金融體系的風險問題。

本文從研究信貸供需平衡的問題出發，類比生態足跡模型，構建信貸足跡模型，以更好地對信貸平衡與風險進行總體研究。通過對不同區域、不同行業的信貸足跡與金融機構的信貸承載力進行比較，定量地判斷某一行業或地區目前信貸市場的盈余或赤字狀態，為政策部門改善信貸供需的總量與結構性失衡狀態、防范由此帶來的信貸風險提供參考建議。

二、理論基礎與文獻綜述

（一）理論基礎

生態足跡模型是加拿大生態經濟學家William Rees與Mathis Wackernagel于20世紀90年代提出的一種度量區域可持續發展程度的方法。所謂生態足跡，就是支持一定地區的人口所需的生產性土地和水域的面積，以及吸納這些人口所產生的廢氣物所需要的土地之總和。生態足跡是要估計承載一定生活質量的人口，需要多大的可供人類使用的可再生資源或者能夠消納廢物的生態系統，主要是測算人類為了維持自身生存而利用自然的量來評估人類對生態系統的影響，定量反映一定地區的可持續發展狀況。該模型的構建的主體思想主要有三方面內容：一是利用生物生產土地生產各種資源和能源消費項目的平均產量，將該消費項目的生產量折算成以生物生產面積來衡量的生態足跡；二是將生物生產面積劃分為耕地、草地、林地、建筑用地、海洋、化石能源土地等6種類型，并據此計算總的生態承載力；三是由于不同類型的生物生產面積的生態生產力存在差異，且不同地區的同類生物生產面積的生態生產力也不相同，生態足跡模型引入了均衡因子和產量因子 ，用不同類型、不同地區的生態面積進行標準化處理，以便于比較。

（二）生態足跡模型應用文獻綜述

生態足跡模型的應用范圍很廣，目前主要包括國家、區域、地區和特定系統。我國對于生態足跡的研究起步較晚，徐中民等人（1999）在1999年把生態足跡概念引入國內后，國內學者利用生態足跡模型在國家、省、市、縣、鎮等各個層面進行了大量的實證研究。國內研究傾向對較長時間段生態足跡的動態分析，王亞菲（2010）對北京市1995-2005年生態足跡進行了測算；王軍等（2011）對海口2000-2008年的生態足跡進行了測算和分析；周韞力（2014）利用時間序列方法對鄱陽湖生態經濟區1991-2011年的生態足跡和生態承載力進行測算，認為鄱陽湖生態經濟區的快速發展，生態足跡由原來的生態盈余轉為現在的高生態赤字，其經濟增長方式屬于典型的資源、能源消耗型，對生態資源具有很強的依賴性。在研究過程中，國內學者對傳統的生態足跡方法作了很多改進，使生態足跡模型更適合研究對象。張黎明（2010）等將生態足跡模型與灰色關聯度分析方法結合起來對湖南省1998-2007年的生態足跡進行了測算并分析了經濟增長與資源消耗的關系。袁鐘等（2016）運用生態足跡法和ARIMA模型，以2013年以及1994-2013年西安生物資源賬戶和碳足跡賬戶的消費數據，對靜態生態承載力與動態生態承載力進行分析并預測未來5年生態安全情況。

（三）信貸平衡與風險文獻綜述

1、信貸平衡

針對信貸供給與需求方面，國內眾多學者從多角度進行了研究。邵靜（2016）利用我國2006-2014年季度數據，使用多變量Granger因果關系檢驗和SVAR模型的脈沖響應函數，實證檢驗信貸供給、經濟波動與我國商業銀行信貸資產質量之間關系，認為信貸供給是經濟波動和信貸資產質量變化的驅動力。伍戈（2015）等根據貸款利率、貸款數量的量價組合變化規律，采用符號約束VAR模型，具體識別信貸供給和需求沖擊，并在此基礎上運用歷史分解方法區分我國各時期信貸供給和需求的動態變化，結果表明，我國信貸需求總體上具有順周期性，而信貸供給具有逆周期性。黎毅等（2014）利用2012年陜西渭南483戶農戶實地調研數據，對供給抑制下的農戶信貸進行研究，并在此基礎上運用Heckman廣義三階段回歸模型對農戶信貸需求以及約束程度進行估計，得出當地普遍存在信貸需求和信貸約束，農戶資產的高低分別與獲得資金呈正向關系，與信貸約束呈負向關系；由于信息不對稱等原因，中高資產農戶較中低資產農戶面臨更重的信貸約束。

2、信貸風險

關于信貸風險問題，現有研究主要集中在中小企業信貸風險和信貸風險的影響因素問題。錢龍（2015）基于中國某省2009-2014年的信貸數據，研究銀企關系、銀行競爭對中小企業信貸風險的影響，結果顯示，銀企關系對中小企業信貸風險整體上呈顯著的正向影響，銀行競爭對信貸風險有顯著的負向影響。梁彩紅（2014）從商業銀行視角出發，重新審視小微企業信貸風險存在的特征，提出通過加強客戶準入甄選、提高審批時效、加強貸后管理等措施來防范和化解小微企業信貸風險。龍正清（2015）提出了中小企業信貸風險管理控制的相應措施和對策建議，包括優化信貸流程、建立科學的風險控制方法、建立風險預警體系和健全信貸激勵制度和責任追究制度。祁樹鵬等（2015）利用向量自回歸模型，研究主要宏觀經濟變量的沖擊對我國商業銀行信貨風險水平影響的傳遞過程以及貢獻程度，發現宏觀經濟變量的波動對我國商業銀行信貨風險的變化有較大影響，不良率的周期波動對自身的慣性影響非常明顯。

綜上，生物生態足跡模型較為完整地給出了衡量系統供給與需求的方法，對分析某個系統的供需盈余和赤字問題，具有重要的借鑒意義。然而，現有文獻仍存在以下不足：一是尚未有將生態足跡模型應用到信貸市場的研究；二是信貸供需的研究則多是使用替代指標來分析信貸供給或需求的特征及其與經濟變量的關系，并未給出精確衡量信貸需求與供給的方法；三是信貸風險的研究，多從銀行競爭或管理的角度出發，較少從信貸供需平衡的角度分析信貸風險問題。基于此，本文創新構建了信貸足跡模型并加以應用，測算并分析了信貸市場的盈余與赤字情況，并從供需失衡的角度對信貸風險進行了分析，填補了現有研究的不足。

三、基于生態足跡的信貸足跡模型的構建

基于生態足跡模型的構建思路，本文嘗試構建信貸足跡模型，以對信貸需求與供給的盈余與赤字狀況進行測算并分析。

（一）信貸足跡模型構建思路

類比生態足跡模型，本文將信貸資源比作生物生產面積，并按銀行主體劃分為不同類型的信貸資源，將行業種類比作生物生產土地生產的消費項目，構建信貸足跡模型，測算出不同地區、不同行業的信貸足跡和信貸承載能力，根據不同地區、行業信貸盈余或赤字狀況，評估信貸平衡和潛在風險狀況。在模型構建過程，類比生態足跡模型，對各類信貸資源進行均衡化處理，同時對各類信貸資源的生產能力進行標準化處理。具體構建思路如表1所示。

表1 生態足跡模型與信貸足跡模型構建思路和意義類比表

（二）指標含義

信貸足跡模型各指標的選取，是根據生態足跡模型各指標的具體含義，類比到信貸環境中具有相同含義的指標，并根據數據可得性來確定，具體指標類比情況見表2。

表2 信貸足跡模型與生態足跡模型指標類比情況表

（三）模型構建

1、對不同銀行主體信貸資源進行均衡化處理

生態足跡模型中，由于不同生物生產面積的生態生產力不同，因此通過均衡化處理，在計算得到的各類生物生產面積乘以一個均衡因子rj，將不同生態生產力的生物生產面積轉化為具有相同生態生產力的面積，以匯總生態足跡和生態承載力。信貸足跡模型中，不同類型金融機構信貸資產的產出能力也存在一定差異，同樣需要進行均衡化處理，因此需要先計算出均衡因子rj。

類比生態足跡均衡因子，rj計算公式為：

其中，dj為全國第j類信貸資產的平均信貸生產力，用“j類金融機構的利潤總額/j類金融機構的信貸規模”來表示；D為全國所有類型的金融機構的平均信貸生產力，用“全國金融機構利潤總額/信貸規模”來表示。

2、信貸足跡

首先，類比人均生態足跡，計算企業平均信貸足跡。

k地區i類行業的企業平均信貸足跡(efik)：

從而，計算出K地區總信貸足跡（EFk）和全國i行業總信貸足跡（EFi）

同時，還可以推算出k地區平均信貸足跡（efk）以及i行業的平均信貸足跡（efi），計算公式如下：

全國總的信貸足跡（EF）

j表示銀行類型，分別為大型商業銀行、股份制商業銀行、城商行、農合機構、外資銀行5類銀行業金融機構類型。i表示行業類型，分別為農林牧漁業、工業、建筑業、批發和零售業、交通運輸和倉儲業、住宿和餐飲業、金融業、房地產業以及其他行業9類行業。k表示國內大陸31個省份（直轄市）。

Aijk為K地區i行業需要j類金融機構提供的企業平均信貸足跡，計算公式為為j類信貸資產支持的k地區第i類行業的年產出量，用行業增加值表示。Yij為j類金融機構對i行業的信貸產出效率，計算公式為：全國i行業增加值/全國j銀行總資產。Nik是k省i類行業的企業數量。

3、信貸承載力

類比生態足跡模型，計算k地區的企業平均信貸承載能力（eck）：

以及i行業企業平均信貸承載能力（ec）i：eci＝

從而，計算出K地區總信貸承載力（ECk）、i行業總信貸承載力（ECk）：

全國總的信貸承載能力；

其中，ajk是k地區j類金融機構可提供的企業平均信貸資產，計算公式為：k地區j類金融機構總資產/k地區企業數量；aij是j類金融機構可提供的i行業企業平均信貸資產，計算公式為：j類金融機構可提供i行業的資產/i行業企業數量。rj為均衡因子，含義和計算方法與信貸足跡相同。yjk是k地區的產量因子，為k地區j類金融機構信貸生產能力與全國同類金融機構的信貸生產能力的比率，計算公式為；（k地區j類銀行利潤總額/k地區j類銀行信貸規模）/(全國j類銀行利潤總額/全國j類銀行信貸規模）。

4、信貸盈余或赤字

信貸盈余或赤字=EC-EF

如果某地區或某行業信貸足跡大于能提供的信貸承載力，就出現信貸赤字；如果小于某地區或某行業的信貸承載力，則表現為信貸盈余。通過信貸赤字或盈余，可以定量判斷某地區、某行業總體信貸均衡現狀。如果出現信貸赤字，該地區（行業）的整體信貸杠桿水平較高，積累的金融風險也比較大；相反，該地區（行業）信貸可持續能力較高，積累的風險相對較小。

四、信貸足跡模型的分析與應用

本部分運用分行業數據和分省份（含直轄市）數據，對構建的信貸足跡模型加以應用，檢驗模型的可操作性和實踐結果。

（一）指標選擇和數據來源

本部分涉及的相關指標和數據來源如表3所示，數據選取時點為2015年末。

表3 變量含義及數據來源

（二）信貸足跡與信貸承載力計算與結果

1、信貸足跡計算

基于信貸足跡模型的研究思路，要計算某地區或某行業的信貸足跡，需要先將其信貸需求拆分為通過不同類型銀行業金融機構形成的信貸足跡，再通過均衡因子轉化為統一的度量標準。

（1）均衡因子

如前所述，本文將信貸資源劃分為大型商業銀行、股份制商業銀行、城市商業銀行、小型農村金融機構和外資金融機構五類。首先對這五類銀行的均衡因子進行計算，均衡因子越大說明該類機構的平均信貸生產力越大。各類金融機構的均衡因子主要受全其綜合實力、市場占比和機構數量影響。如圖1所示，大型商業銀行均衡因子最大，為1.24；外資金融機構的均衡因子最小，僅為0.58。

圖1 各類銀行業金融機構的均衡因子

（2）分省信貸足跡

按照信貸足跡模型，首先分別計算各省各類金融機構提供信貸的企業平均信貸足跡Ajk，最后通過均衡因子rj轉變，得到各省份的企均信貸足跡efk和各省份的總信貸足跡EFk，如表4所示。從企均足跡來看，廣東企均信貸足跡最大，西藏企均信貸足跡最小；從整體情況來看，江蘇總信貸足跡最大，西藏總信貸足跡最小；從省份整體分布來看，東部沿海地區總信貸足跡最大，其后依次為中部地區、東北地區、西部地區。

表4 各省份信貸足跡

圖2 各省份信貸足跡分布圖

（3）分行業信貸足跡

按照信貸足跡模型，首先分別計算各行業各類金融機構信貸的產出效率Yij，然后可得各行業各類金融機構提供信貸的企業平均信貸足跡Aij，最后通過均衡因子rj可得到各行業的信貸足跡，如表5所示。從企均足跡來看，資金密集型行業的企均信貸足跡明顯高于其他行業。房地產業企均信貸足跡為2.92，信貸足跡最大；其次為金融業；農林牧漁業企均信貸足跡最小.從行業整體足跡來看，工業總信貸足跡最大，交通運輸和倉儲業總信貸足跡最小。

表5 各行業信貸足跡

圖3 各行業信貸足跡分布圖

2、信貸承載力計算

（1）分省信貸承載力計算

圖4 各省各類金融機構產量因子

根據信貸足跡模型，信貸承載力的均衡因子可直接使用信貸足跡中的均衡因子，故只需計算各省各類金融機構產量因子（如圖4所示）和各省各類金融機構的企均可得信貸資產ajk，即得到各省份的企均信貸承載力eck和各省份的總信貸承載力ECk，如表6圖5所示。

表6 各省份信貸承載力

從企均信貸承載力來看，上海、北京、西藏、廣東、浙江的企均信貸承載力最大，位居前五名。廣西等省份企均信貸承載力較弱。從全省整體信貸承載力來看，北京信貸總承載力最大，青海信貸總承載力最小。從省份整體分布來看，除了政策傾斜的部分省份外，信貸承載力與信貸足跡的分布基本一致，東部沿海地區總信貸承載力最大，其后依次為中部地區、東北地區、西部地區。

圖5 各省份信貸承載力

（2）分行業信貸承載力計算

采用相似的算法即可得分行業的企均信貸承載力eci和各省份的總信貸承載力ECi，如表7圖6所示。從企均信貸承載力來看，房地產業的企均信貸承載力最大，而農林牧漁業的企均信貸承載力最小；從行業整體信貸承載力來看，銀行對工業信貸總承載力最大，對金融業的信貸總承載力最小。

表7 各行業信貸承載力

圖6 各行業信貸承載力

（三）信貸平衡結果分析

通過比較各省份或行業的信貸足跡和信貸承載力，可得各省份或行業的信貸足跡平衡狀況和信貸風險情況。當信貸足跡大于信貸承載力，代表信貸赤字，信貸平衡為負數；當信貸足跡小于信貸承載力，代表信貸盈余，信貸平衡為正數。信貸平衡過大，表示金融資源浪費；信貸平衡過小，表示金融支持不足；信貸平衡越接近0，表示信貸平衡狀態越好。信貸平衡的赤字或盈余大，說明信貸資源存在供不應求或供過于求的情況，會因此滋生不同程度和不同種類的信貸風險。

1、分省份信貸平衡和風險情況

（1）總體情況

由表8可見，全國31個省、直轄市中，企業平均信貸和總信貸呈現赤字的有16個地區，占比51.6%。企業平均信貸和總信貸赤字排名基本一致。其中，江蘇、山東、廣東、浙江的赤字規模最大。企業平均信貸和總信貸呈現盈余的有15個地區，占比48.4%。企業平均信貸和總信貸盈余排名存在一定偏離。其中，企業平均信貸盈余排名前四位的地區為西藏、上海、北京和海南；總信貸盈余排名前四位的地區則為北京、上海、福建和甘肅。貴州、江西等省份供需基本平衡，信貸風險最小。從區域分布上看，東部地區信貸平衡狀況最差，信貸資源與實體經濟背離較為嚴重，信貸風險最高；中部地區信貸足跡平衡狀況最好，信貸資源供給情況較為良好，信貸風險最低；西部地區和東北地區多數省份有一定的信貸盈余，屬于信貸平衡中等情況，信貸風險適中。

圖7 各省份信貸足跡供需平衡情況

（2）特點

對赤字省份的供給和需求進行深入分析，發現導致不同地區信貸赤字結果的原因存在以下特點：一是供給大，需求更大，以致赤字大，如江蘇、廣東、山東、浙江等；二是需求大，供給小，以致赤字大，如河南、湖北兩個地區；三是不發達地區需求低，供給更低，導致信貸赤字存在，但赤字規模相對較小，如廣西、內蒙兩個地區；四是總信貸供給高，但企業數量多，拉低了其平均信貸足跡供給，如江蘇、山東和浙江三省。信貸盈余的特點則相對簡單，主要表現在兩方面：一是供給大，需求相對低，導致盈余大，主要表現在北京、上海和福建，這三個省的信貸盈余在全國排名前三位；二是其他省出現盈余，則主要是需求和供給均較小，反映這些省份信貸雖然盈余，但并不表示其信貸資源充足；三是西藏企業平均信貸盈余排名第一，主要是企業數量少，較大程度拉高了平均信貸供給。

2、分行業信貸平衡和風險情況

（1）總體情況

九大行業中，信貸呈現盈余的行業有4個，占比44.4%，分別為住宿和餐飲業、交通運輸和倉儲業、批發和零售業、其他行業。其中，批發和零售業的信貸盈余最大。信貸呈現赤字的行業有5個，占比55.6%，分別為房地產業、工業、金融業、建筑業和農林牧漁業，表明以上行業的發展依然高度依賴信貸投入，容易受到信貸政策影響出現信貸風險。住宿和餐飲業、農林牧漁業等行業供需基本平衡，信貸風險最低（詳見表9）。

表9 各行業生態足跡供需平衡情況

圖8 各行業生態足跡供需平衡情況

（2）特點

一是房地產業信貸總供給排名靠后，導致赤字最大。測算結果顯示，房地產業的行業總信貸供給排在第5名，說明2015年房地產信貸調控效果顯現，這是導致該行業赤字最大的主因。此外，值得關注的是，房地產行業的企業平均信貸需求和信貸供給均排在第一位，主要是因為該行業以大企業為主，企業數量偏少。二是批發和零售業、交通運輸和倉儲業的信貸足跡盈余較大，可將其列為信貸資源調配行業。測算結果顯示，上述兩大行業的信貸盈余分別排在第一、第二位，且信貸總供給排名明顯高于信貸總需求排名。三是工業平均信貸供需排名相比總信貸供需靠后，說明工業企業數多，應關注該行業中小微企業信貸平衡狀況。

五、結論和建議

（一）結論

本文在構建信貸足跡模型的基礎上，對全國省際層面和行業層面的信貸足跡與信貸承載力進行計算和分析，從而了解不同地區、不同行業的信貸平衡狀況。研究結果表明，2015年我國信貸結構性失衡狀況較為明顯，容易滋生信貸風險，值得關注。具體結論如下：

1、部分地區和行業信貸赤字明顯，應關注資金鏈斷裂導致的區域性和行業性風險

一是東部沿海省份信貸赤字明顯。研究結果顯示，江蘇、山東、廣東、浙江、河南、湖北的信貸赤字最大，超過百萬信貸單位。這些省份的信貸承載力本身已經排在全國前列，仍然存在較大的赤字，主要是由于市場主體潛在信貸需求高，反映這些省份的市場主體對金融機構信貸資金的依賴程度大。二是部分行業信貸赤字較大。研究結果顯示，房地產業、工業、金融業、建筑業的信貸赤字最為明顯，超過五十萬信貸單位。其中，房地產業、建筑業和金融業受近年信貸調控政策影響，信貸承載力低，是導致這些行業信貸赤字的主要原因；而工業信貸承載力排在第一位，仍存在較大的信貸赤字，則主要是因為該行業屬于傳統行業，對金融機構信貸資金的依賴程度大，信貸潛在需求高。

上述省份和行業信貸赤字問題容易導致以下兩方面的風險，值得關注。一是對金融機構信貸資金依賴程度高的省份和行業，由于信貸供給難以滿足其信貸需求，其正常的生產經營易受到影響。尤其是在總體信貸收緊的情況下，相應地區和行業的企業容易產生資金鏈斷裂問題，進而導致區域性和行業性的經營風險，并形成多米諾骨牌效應，傳導至金融體系，產生金融系統性風險。二是在金融機構信貸資金供給難以滿足其需求的情況下，赤字地區和行業的企業為保證充足的資金運作，或通過其他非金融機構渠道進行融資，包括民間借貸等高成本渠道。其結果是，高融資成本導致企業高負債和財務費用，在經濟發展的下行期，企業容易面臨負利潤風險和償債風險。在眾多企業倒閉和償債風險積聚的情況下，容易傳道至經濟金融的其他部門，導致系統性經濟金融風險。

2、部分地區和行業信貸盈余明顯，應關注盈余信貸資金“尋租”行為導致的金融體系風險

一是北京、上海存在較高的信貸盈余，超過百萬信貸單位。北京、上海的信貸承載力較高，分別排在第1位和第3位。而這兩大城市中，前者作為首都，以政治中心、金融中心和旅游中心為主，工業等實體經濟行業相對較少，故信貸足跡相對較低，排在全國第8位；后者作為全國的經濟金融中心，發展重點在于金融領域，信貸承載力較高，而各行業企業主體數量相對較少，故信貸足跡排在全國第13位。信貸承載力明顯高于信貸足跡，造成了這兩大城市存在大額信貸盈余的結果。此外，考慮到總部效應問題，由于較多金融機構的總部均設在這兩大城市，其信貸承載力可能包括了這兩大城市所轄金融機構總部的分支機構的規模，一定程度上虛增了這兩大城市的信貸盈余規模。二是批發和零售業、交通運輸和倉儲業、其他行業、住宿和餐飲業等四大行業存在較高的信貸盈余。從其供給和需求情況來看，這四大行業對金融機構信貸的需求和金融機構對其的信貸供給都排在較前的位置。分析其原因，主要是隨著電子商務的繁榮和產業鏈金融的發展，此類行業對金融機構信貸的依存度逐漸降低，出現了信貸盈余的現象。

金融機構信貸資金的盈余，存在三方面的問題和風險。一是造成金融資源空轉等資源浪費現象，降低信貸資金的使用效率。二是導致金融機構“尋租”行為增加，導致信貸資金投放到欠穩健、高風險的行業或項目，拉高信貸風險。如近年興起的銀行信貸資金通過券商、保險公司、基金公司發起的資管計劃，最終流入互聯網金融理財、股市、房地產等高風險領域的行為。這類行為與美國次貸危機的罪魁禍首存在一定的相似度，值得關注。三是導致信貸盈余地區的資金無序地流向信貸赤字的地區。一方面，易導致信貸數據的失真，不利于監管部門實現有效監管；另一方面，由于跨地區的業務審核和資金運用監測存在一定的難度，會導致信貸違約風險增加，不利于金融機構信貸業務的健康發展。

（二）建議

綜合上述結論，不同地區、不同行業的信貸結構性失衡，會導致信貸赤字地區和行業面臨企業經營風險、盈余地區和行業面臨信貸資源使用效率低且存在金融機構“尋租”行為風險，每一種風險都可能傳導至金融系統和實體經濟部門，最終導致系統性風險的產生。因此，有必要對信貸的結構性失衡問題進行處理，提高信貸資金使用效率，防范信貸風險。具體建議如下：

1、建立信貸供需平衡測算制度，定期衡量地區和行業層面的信貸平衡狀態

本文的實踐表明，參考生態足跡模型建立的信貸足跡模型具有較強的實踐性，應用效果較好，與預期相符。建議加強對信貸供給需求測算方法和模型的研究，建立起常規性的信貸供給需求測算制度，實現定期掌握不同地區、不同行業信貸平衡狀態，為信貸供需平衡分析提供參考。此外，在研究相對成熟之后，可考慮建立重要性微觀主體的信貸供需平衡狀態調查制度，掌握重要性主體的信貸平衡狀況，以對其經營和違約風險進行合理評估。

2、建立地區間的信貸資源調配機制，改善地區信貸失衡現狀

根據地區信貸供需平衡狀況的分析結果，按步驟實現地區間的信貸資源調配。一是建立信貸盈余資金虛擬資金池，抽取信貸盈余地區的盈余資金，確定信貸盈余資金規模。二是通過兩方面措施對盈余資金池內的資金進行調配。一方面是通過銀行同業間的借貸行為，引導信貸盈余地區的金融機構將其自身未能放貸出去的資金劃轉至資金赤字地區的金融機構；另一方面是，引導盈余地區的金融機構在風險可控的前提下，與赤字地區的金融機構合作，拓展跨地區的信貸業務。針對后一種做法，應明確異地信貸業務的數據報送和風險管理規定。

3、繼續實施信貸行業投向指導機制，改善行業信貸失衡現狀

一是繼續引導金融機構加大對實體行業的信貸投放比例，降低房地產、建筑業等杠桿率較高的行業的信貸投放比例。二是在投向指導中，建立把握好引導的速度和規模。房地產業、建筑業雖然屬于信貸高風險行業，但如果調控政策幅度大，導致其在短期內出現大規模赤字，則容易產生行業性、系統性的風險。因此建議對高風險行業的信貸調控采取循序漸進的方法。一方面，引導各行業繼續加快電子商務和產業鏈金融的發展，降低對金融機構信貸資金的依賴程度；另一方面，建立房地產業、建筑業專項信貸管理措施，實施更加嚴格的信貸審核、信貸投放制度，確保信貸盈余資金投向更為健康的市場主體。

4、加強信貸失衡狀態下的信貸風險管理，建立針對性的防范和管理措施

一是加強對重要性微觀主體資金需求滿足情況的關注，及時評估其經營和違約風險，并做好風險防范，避免微觀主體風險傳遞至宏觀經濟金融系統。二是重點加強對信貸赤字明顯地區和行業民間借貸行為的管理，對市場主體的高利貸等違法違規行為進行查處，降低金融體系風險。三是將信貸足跡模型應用于通道業務管理當中，提高“去通道”的針對性。重點加強對信貸盈余明顯地區的銀行表外信貸業務和券商資管業務的監管，完善互聯網金融數據抓取制度，遏制金融機構信貸資金串道流向高風險行業或部門的行為。

［1］ Wackernagel M,Rees William E.Our Ecological Footprint:Reducing Human Impact on the Earth.Gabriola Island,B.C.,Canada:New Society Publishers,1996

［2］ Wackernagel M,Rees W E.Perceptual and Structure Barriers to Investing Capital Criticality:Economics from an Ecological Footprint Perspective.Ecological Economics,1997,20（1）

［3］ Rees W.Ecological footprints of the future.Overview.People&the planet/IPPF,UNFPA,IUCN,1996.5（2）

［4］徐中民，張志強，程國棟，陳東景.中國1999年生態足跡計算與發展能力分析.應用生態學報.2003（02）280-285

［5］王亞菲.北京市生態足跡的變動與預測分析.城市發展研究.2010（11）82-89

［6］王軍，張勇，王賽，李建保，傅國華，熊春榮.海口生態足跡的動態分析與預測.海南大學學報.自然科學版.2011（01）68-73

［7］周韞力.鄱陽湖生態經濟生態效率研究.東華理工大學.2014

［8］張黎明，文倩，霍金煒，彭昕.基于生態足跡和灰色關聯度的湖南省可持續發展研究.農業現代化研究.2010（04）459-461

［9］袁鐘，趙牡丹，劉蕊娟，王靜.西安市生態足跡與生態承載力動態變化與預測.未來與發展.2016（07）107-112

［10］邵靜.信貸供給、經濟波動與商業銀行信貸資產質量.西部金融.2016（03）12-18

［11］伍戈，謝潔玉.信貸供給不足還是需求萎縮:量價組合的信號作用. 金融評論.2015（06）30-40+124

［12］黎毅，羅劍朝，曹瓅，房啟明.供給抑制下的不同類型農戶信貸需求及其約束研究.農村經濟.2014（10）60-65

［13］錢龍.信息不對稱與中小企業信貸風險緩釋機制研究.金融研究.2015（10）115-132

［14］梁彩紅.論商業銀行小微企業信貸風險管理.上海金融.2014（09）108-110

［15］龍正清.我國商業銀行中小企業信貸風險管理研究.金融經濟.2015（06）140-142

［16］祁樹鵬，馮艷，李京曉.經濟周期對我國商業銀行信貸風險管理的影響分析——基于VAR模型的實證研究.金融監管研究.2015（04）1-14