供給側改革視角下信貸主體金融風險傳遞和防范研究
——基于紅河州實證分析

潘沈林張 孟陳 實虞 璐潘博然

（1.中國人民銀行紅河州中心支行，云南 個舊 661000；2.中國人民銀行蒙自市支行，云南 紅河 661100）

一、引言

在2008年美國次貸危機之后，我國為拉動內需陸續釋放了四萬億的資金，與此相配合的信貸資金主要集中于當時比較熱門的鋼鐵、煤炭和房地產等產業，然而受整體經濟景氣程度影響，企業成本上升，效益下降，加上我國企業自主創新意識不強，在創新投入和成本融資方面缺乏深入長遠考慮，致使產品長期處于產業低端，低端產品產能過剩和高端產品供給不足的結構性缺陷成為了阻礙經濟發展的主要矛盾。同時，“三去一降一補”主要著眼于鋼鐵、水泥、房地產等行業的調整，在此輪供給側結構性改革背景下，勢必將實體經濟風險暴露出來，借助金融機構的風險傳導機制，增大了社會經濟產生金融風險的可能。

為充分了解紅河州內金融風險在供給側結構性改革背景下的風險狀況，深入研究金融風險的成因和信貸主體之間的傳遞，及時掌握風險變動情況，有效防范系統性金融風險，對供給側結構性改革視角下信貸主體金融風險傳遞和防范進行研究具有重大意義。本文以紅河州相關經濟金融數據為基礎，首先對紅河州不良貸款余額進行深度分析。其次使用Credit Metrics模型對紅河州金融機構信貸資產的信用風險進行測度，同時借助市場風險管理中風險價值VaR的概念，來評價置信區間內損失的最大值，從而對金融機構金融風險進行測度。最后針對不同信貸主體之間的風險傳染性研究，通過Granger因果關系檢驗探索各信貸主體之間的風險傳染因果關系，研究不同信貸主體之間的風險傳染性。

二、樣本選取和數據來源

鑒于在測度各信貸主體之間的風險需要各銀行業金融機構的相關數據，本文選取了紅河州州級13家銀行業金融機構2010年1月至2016年12月貸款余額和不良貸款余額數據進行分析。同時，為對各銀行業金融機構風險進行度量，本文抽取紅河州13家農村信用合作聯社企業及各類組織貸款數據，進行深度風險度量研究。

三、實證性研究與分析

(一)針對不同信貸主體的不良貸款分析

本文按照不同的信貸主體進行劃分，主要劃分為政府投融資平臺、企業及各類組織和個人，通過對各銀行業金融機構三種不同主體的信貸資產余額進行分析，發現其信貸投放差異性較大，例如：農業發展銀行和建設銀行對地方性政府投融資平臺的支持力度較大，政府投融資平臺貸款所占比例較高，對地方基礎設施建設的支持作用較為顯著，但是兩家銀行在風險控制方面存在一定差異，農業發展銀行7年間未發生政府投融資平臺不良貸款，但是建設銀行政府投融資平臺月度不良貸款平均余額為6642.20萬元。廣發銀行和平安銀行對政府投融資平臺貸款余額始終為0，沒有支持地方政府投融資項目建設。

由于各銀行業金融機構在支持不同信貸主體方面存在較大差異性，本文采用溫特斯指數平滑法（Winters’exponential smoothing method）對政府投融資平臺、企業及各類組織和個人的貸款、不良貸款進行深度分析。該方法主要是針對上述貸款和不良貸款余額時間序列趨勢性和季節性效應進行分析，溫斯特指數平滑法模型如下：

Lt=時間序列的基數水平

Tt=時間序列的趨勢

St=當前月份的季節指數

在上述公式中，alp、bet和gam為平滑參數，通過調整上述三個參數的值，來優化本期最終的預測值，優化的方法采用非線性規劃求解，c表示一個季節性循環中的周期數目（本文中c為12個月），xt表示在時間t的時間序列的觀測值。

公式1表示新的估計值等于在不考慮季節效應的情況下現有的觀測值和上一個趨勢估計更新的上期基數值的加權平均數。公式2表示新趨勢的估計值為現有基數值與上一期基數值的比例與上一期時間序列趨勢估計的加權平均數。公式3表示根據當期和前期季節指數估計值作為本期季節指數估計值的加權平均。平滑參數值越大，相應的當期觀測值所得權重也就越大。

將Ft,k定義為時期t之后時期t+k的預測值，，通過非線性規劃求解的方法，調整平滑參數使得預測值與觀測值之間的平均絕對誤差百分比（MAPE）最小。具體參數估計的情況如下表：

具體參數估計的情況如下表：

表1 溫特斯指數平滑法時間序列參數情況統計表

根據溫特斯指數平滑法得出的結果進行分析，結合表1中的相關信息，可以得出如下結論：

1.不同信貸主體貸款和不良貸款余額趨勢效應不一致。從表1可以看出：一是政府投融資平臺貸款的bet值為0，同時該時間序列平均趨勢水平為1.0051，接近數值1的水平，說明政府投融資平臺貸款余額不存在增長或者下降的趨勢，紅河州政府投融資平臺貸款余額基本保持不增不減的水平，未呈現明顯的趨勢效應。二是政府投融資不良貸款月度平均余額和個人不良貸款月度平均余額的平均趨勢水平分別為0.9485和0.9999，說明兩個信貸主體不良貸款余額都呈現逐步下降的趨勢，特別是政府投融資平臺不良貸款余額下降速度更快，反映了政府投融資平臺和個人兩個信貸主體的貸款整體風險呈現下降水平，銀行業金融機構在兩個信貸主體中的金融風險整體可控。三是企業及各類組織貸款月度平均余額和企業及各類組織不良貸款月度平均余額的平均趨勢水平分別為：1.0098和1.0135，說明該信貸主體貸款和不良貸款整體上呈現逐步上升的趨勢，但是該信貸主體不良貸款增長趨勢要高于貸款本身增長趨勢，反映出銀行業金融機構在對企業及各類組織發放的貸款中，風險呈現逐步放大特點，因此，企業及各類組織貸款應該成為各銀行業金融機構風險控制的重點關注對象，注重在該類型貸款上的風險防范。

2.僅政府投融資平臺貸款呈現季節性效應。從表1中可以看出，僅政府投融資平臺貸款月度平均余額的gam值為0.6030，其余貸款和不良貸款月度平均余額的gam值均為1，說明僅政府投融資平臺貸款呈現明顯的季節性效應。通過對該類貸款的時間序列進行進一步分析，發現抽樣調查的13家銀行業金融機構的政府投融資平臺貸款匯總余額，呈現每年上半年增速明顯偏低，下半年增速明顯偏高的顯著特征，反映各銀行業金融機構在每年上半年對地方基礎設施建設的支持力度要明顯弱于下半年的支持力度，該現象與地方政府預算支出呈現下半年基數偏高的特點相吻合，說明各銀行業金融機構對地方基礎設施建設與地方預算支出是同方向同周期的，因此各銀行業金融機構在應對地方基礎設施建設貸款中存在的風險時，應該充分考慮該類貸款的時間序列季節性效應，而且要將地方政府預算支出的方向統一起來，借助每年下半年地方政府預算支出增速的擴大來有效彌補自身金融風險敞口。

3.政府投融資平臺不良貸款時間序列的預測準確性較差，其余預測準確性較好。從表1中可以看出，政府投融資平臺不良貸款月度平均余額最小平均絕對誤差百分比為35.73%，說明預測值與實際觀測值之間的誤差較大，對該變量進行預測的準確性較差，而其余5個變量的最小平均絕對誤差百分比都控制在6%以內，預測準確性較高。

政府投融資平臺不良貸款月度平均余額預測較差，主要因為政府投融資平臺貸款集中度較高，風險分散程度較低，該類不良貸款受到極端值的影響較大。通過對政府投融資平臺不良貸款余額月度時間序列數據進行進一步觀測發現：從2014年3月起，政府投融資平臺不良貸款余額已控制在1000萬元以內，直至2015年11月，政府投融資平臺不良貸款余額為0，該現象既說明了銀行業金融機構逐步加大對政府投融資平臺貸款的風險控制，也反映出在供給側改革的背景下，紅河州政府機構特別重視地方政府投融資平臺的債務償付問題，竭力避免地方政府投融資平臺出現債務違約情形，充分發揮了政府在紅河州社會信用體系建設中的積極作用，對紅河州地區整體“去杠桿”的供給側改革起到了引領和示范作用。

（二）針對各銀行業金融機構的金融風險進行度量

由于信用風險的敏感性是誘發金融風險的重要原因，為了能深入了解和測度紅河州銀行業金融機構所面臨的金融風險程度，本文將信用風險進行量化處理度量來代替金融風險，通過建立在險價值（VaR）的Credit Metrics模型，對銀行業金融機構信貸資產風險進行度量。

Credit Metrics模型基于信用等級轉移矩陣表和違約概率矩陣表，通過對資產價值的變化與債務人信用等級的轉移分析，評估信貸資產組合在將來一段時期的分布情況。本文主要對紅河州轄內13家銀行業金融機構的信貸資產現金流和違約率提出假設，給出信貸資產組合在未來一定時間內，在給定的置信區間內損失的最大值，從而對信用風險進行度量。由于無法收集到國內權威的上述兩個矩陣表，本文直接使用J.P摩根銀行1997年相關矩陣表來進行分析，故在準確度量相關銀行業金融機構的金融風險（主要為信用風險）方面會有不足之處，但通過Credit Metrics模型的建立及對在險價值變化程度的準確計量，仍能有效反映該銀行業金融機構所面臨的信用風險狀況，對風險防范及化解具有重要意義。

本文直接使用J.P摩根銀行在1997年對該問題進行分析時使用的轉移概率矩陣和折現率（可參見：CreditMetircs——Technical document,April2,1997）作為前提條件，通過不同信用等級信貸資產的折現率來分別計算折現值，評估不同信用等級下的信貸資產未來價值的現值。先分別計算不同信用等級下信貸資產的未來價值的現值，并通過信用等級轉換概率計算出1年后的信貸資產在險價值的分布。

由于篇幅原因，本文僅將13家農村信用合作聯社中的A銀行和B銀行VaR風險度量情況匯總如下表：

表2 A銀行和B銀行信貸資產在險價值（VaR）情況分布統計表

在險價值反映的是銀行業金融機構在過去經營活動中形成的累計信貸資產風險的數量描述，銀行業金融機構可以依據其在險價值的分布狀況來計提風險準備金，優化資產機構，防范信用風險。

本文以在險價值與信貸資產價值的比例度量不同信用等級的貸款所蘊含的信用違約風險，如表2所述，兩家銀行的在險價值與信貸資產價值比例隨信用等級的下降而迅速上升，反映出該銀行所面臨的信用違約風險將呈現非線性比例快速上升，應重點關注BBB信用等級以下的信貸資產風險狀況惡化所帶來的信用違約風險。

對轄內其余銀行業金融機構進行在險價值（VaR）分析，結果顯示，轄內銀行在險價值與信貸資產價值比例都呈現出隨著信用等級的下降而逐步上升的趨勢。其中A+與A信用等級的信貸資產所承受的整體信用風險較低，在險價值與信貸資產價值比基本控制在20個基點（BP）的范圍以內，整體信用風險處于可控的水平，而BBB信用等級以下的在險價值與信貸資產價值比全部處于100個基點以上，且波動性和差異性較大，反映BBB以下信用等級的信貸資產隨著各地風險狀況的不同呈現不同的特點，但高風險的特征卻是一致的，13家銀行業金融機構都應該重點關注和防范BBB信用等級以下的信貸資產所帶來的風險。

（三）針對不同信貸主體之間金融風險傳染性研究

各銀行業金融機構對不同信貸主體給予信貸資產授信，不同信貸主體之間通過市場交易相互影響，而銀行業金融機構信貸風險會在不同信貸主體之間進行傳染，甚至導致發生區域性系統性金融風險。本文針對政府投融資平臺、企業及各類組織和個人相關貸款之間的時間序列進行分析，通過收集州內13家銀行業金融機構相關數據，使用格蘭杰（Granger）因果關系探索不同信貸主體之間的信貸風險傳染因果關系，從而尋找信貸金融風險傳染的源頭和途徑。

1.ADF單位根檢驗。由于本文對政府投融資平臺貸款和不良貸款、企業及各類組織貸款和不良貸款、個人貸款和不良貸款六組時間序列之間的相關關系進行深入研究，因此按照時間序列分析的步驟逐一對上述六組時間序列進行分析，首先對上述六組時間序列進行單位根檢驗。

ADF單位根檢驗的方法如下：

首先考慮簡單的AR（1）模型：

上式可以寫成：

即：

ADF單位根檢驗中，其回歸方程包括一階差分的滯后以確保誤差項的獨立同分布性質。即有：

加入截距項和時間的如下：

表3 各類貸款及不良貸款一階差分單位根（ADF）檢驗結果匯總表

從表3可以看出，除個人貸款一階差分后單位根檢驗值處于0.1臨界值之外，其余各項均處于0.1臨界值之內，說明上述數據不可能有2個以上的單位根，至多有1個單位根，因此一階差分后的數據整體是平穩序列，可以進行下一步的時間序列研究。

2.協整檢驗（Johansen方法）。Jansen方法允許多個協整關系的存在，Johansen協整檢驗的方法主要有兩種：基于跡或者特征值，兩者在推斷可能有所區別，Johansen檢驗的方法主要是基于以下定于：k維時間序列向量的VAR（P）可以表示為如下：

矩陣∏包含著關于模型的長期性質，如果矩陣∏的秩為0，那么整體系統就不是協整的。如果矩陣∏的秩為k（滿秩），那么Xt的變量為平穩的。如果矩陣∏的秩為r，0＜r＜k,則∏可以分解為兩個不同的矩陣a和b,使得Π=abT，即在b中包含r個協整變量。

本文使用Johanson跡檢驗，其檢驗結果如下：

表4 Johanson跡檢驗結果

從表4中可以看出，可能有r=5個協整向量，屬于滿秩的情形，說明矩陣Xt的變量是平穩的，可以進行格蘭杰因果關系檢驗。

3.格蘭杰因果關系檢驗。格蘭杰因果關系檢驗是由Granger（1969）提出的關于X和Y的Granger因果檢驗（Granger causality testing），用來評估X過去的觀測值對于預測值Y是否有因果關系。

該檢驗是基于p個過去的Y的值對p個過去的X的值回歸而成，統計量的分布為F分布，其基本回歸模型如下：

本文分別對政府投融資平臺貸款和不良貸款、企業及各類組織貸款和不良貸款、個人貸款和不良貸款共計6組貸款數據余額進行一階差分之后，兩兩進行格蘭杰因果關系檢驗，共計得到30組統計結果，由于篇幅有限，本文摘取具有顯著因果關系的統計結果進行分析，其格蘭杰因果關系檢驗結果如下表：

表5 格蘭杰因果關系檢驗結果匯總表（僅列顯著因果關系）

從上表中可以得出以下結論：

一是從序號1、2兩條因果關系可以看出，企業及各類組織貸款余額的增減會導致個人貸款余額和政府投融資平臺貸款余額的增減，說明企業及各類貸款是銀行業金融機構擴張自身貸款資產的主要助推因素，企業及各類貸款余額的變動將會先于其他各項貸款余額的變動，因此出于維護金融穩定的考慮，中央銀行和銀行業監督管理機構應重點關注企業及各類組織貸款余額的變動情況，該指標可作為整體貸款變動情況的先行指標。

二是從序號3、6兩條因果關系可以看出，企業及各類組織貸款余額和個人貸款余額的變動將會導致相應的不良貸款余額發生變動，該變化符合金融風險的預期，因為各項貸款資產的上升必然導致其不良貸款資產的相應上升，屬于正常情況。但是政府投融資平臺貸款與不良貸款的變化就未呈現該特點。

三是從序號4、5兩條因果關系可以看出，個人貸款余額的增減會導致企業及各類組織貸款及其不良貸款余額的增減，說明個人貸款和企業及各類組織貸款之間存在互為因果關系的因素，兩者基本保持同方向的變化，但企業及各類組織貸款余額變動情況受個人貸款余額變動情況影響較大。

四是從序號9、10兩條因果關系可以看出，企業及各類組織不良貸款余額和個人不良貸款余額的增減，都會導致企業及各類組織貸款余額的增減，說明當銀行業金融機構個人貸款和企業及各類組織貸款成為不良資產后，銀行業金融機構存在增加企業及各類組織貸款余額以稀釋整體不良貸款資產的動機，該行為應引起中央銀行和銀行業監督管理機構的重點關注，為保持特殊時點不良資產率的監管要求，加大貸款規模以稀釋不良資產的行為，容易導致后續出現集中大幅的不良資產爆發的可能性。

五是從序號11條因果關系可以看出，個人不良貸款余額的增減會導致企業及各類組織不良貸款余額的增減，該因果關系是唯一一條存在不良資產金融風險感染的因果關系，說明銀行業金融機構的金融風險主要是從個人貸款主體部分向企業及各類組織貸款主體部分進行傳染，個人不良貸款的上升就會伴隨后續企業及各類組織不良貸款的上升，銀行業金融機構在風險控制方面，應該重點關注個人不良貸款余額的增減變動情況，當個人不良貸款出現大幅度增長時，整體的金融風險存在后續繼續上升的較大概率。

四、研究結論與政策啟示

（一）研究結論

本文對紅河州13家州級銀行業金融機構不同信貸主體的貸款和不良貸款時間序列進行了深入的研究，同時對紅河州13家地方性法人金融機構企業及各類組織貸款進行了風險測度，通過上述研究得出如下結論：

1.政府投融資平臺貸款呈現季節性效應。政府投融資平臺貸款余額呈現每年上半年增速明顯偏低，下半年增速明顯偏高的顯著特征，各銀行業金融機構上半年對地方基礎設施建設的支持力度要明顯弱于下半年的支持力度，該現象與地方政府預算支出呈現下半年基數偏高的特點相吻合，各銀行業金融機構對地方基礎設施建設的信貸支持與地方預算支出呈現同方向同周期特點。

2.高信用等級信貸資產信用風險較低，低信用等級信貸資產風險較高且波動性和差異性較大。A+和A信用等級信貸資產整體信用風險較低，BBB信用等級以下的信貸資產整體風險較高，同時其差異性和波動性也較大。BBB信用等級以下的信貸資產所帶來的信用風險將會是各地方法人金融機構風險的主要來源，各地由于差異性和波動性的不同，在應對低信用等級資產帶來的信用風險時，各機構也將采取不同特點的應對措施。但是高等級信用的信貸資產其自身風險水平始終低且波動性和差異性也較小。

3.企業類貸款余額變動具有前瞻性和先行性。企業及各類組織貸款余額的增減會導致個人貸款余額和政府投融資平臺貸款余額的增減，企業及各類貸款余額的變動將會先于其他各項貸款余額的變動，企業類貸款余額的變動具有前瞻性和先行性，中央銀行和銀行業監督管理機構應重點關注企業類貸款余額的變動情況，該指標可作為整體貸款變動情況的先行指標。

4.各金融機構存在增加企業類貸款以稀釋整體不良貸款的動機。企業及各類組織不良貸款余額和個人不良貸款余額的增減，都會導致企業及各類組織貸款余額的增減，說明當銀行業金融機構個人貸款和企業及各類組織貸款成為不良資產后，銀行業金融機構存在增加企業及各類組織貸款余額以稀釋整體不良貸款資產的動機，各銀行業金融機構為保持特殊時點不良資產率的監管和經營要求，短時期內加大貸款規模以稀釋不良資產的行為，容易導致后續出現集中大幅的不良資產爆發的可能性。

5.個人不良貸款余額變動會引起企業類不良貸款余額的變動。個人不良貸款余額的增減會導致企業類不良貸款余額的增減，說明銀行業金融機構的金融風險主要是從個人貸款主體部分向企業及各類組織貸款主體部分進行傳染，個人不良貸款的上升就會伴隨后續企業及各類組織不良貸款的上升，銀行業金融機構在風險控制方面，應該重點關注個人不良貸款余額的增減變動情況，當個人不良貸款出現大幅度增長時，整體的金融風險存在后續繼續上升的較大概率。

（二）政策啟示

1.加強信用等級評定工作，依據評定等級合理調整信貸資產結構。信用等級的有效評定是各銀行業金融機構進行風險度量的有效路徑，但是在本文調查研究過程中發現，紅河州轄內地方法人金融機構對信貸客戶的信用等級評定工作重視程度不夠，過度強調信貸客戶抵押品和質押品的有效提供，而對信貸客戶自身現金流量和盈利能力缺乏有效了解和掌握，信用等級評定和運用仍處于起步階段。地方法人金融機構亟待加強自身信貸客戶的信用等級評估工作，并根據信用等級評定結果充分了解自身金融資產所面臨的風險敞口，從而有效調整信貸資產結構，使信貸資產風險水平與資本緩沖能力、風險偏好程度有機銜接。

2.協調政府投融資平臺貸款與地方財政支出情況有效對接。從本文分析中可以看出，紅河州地方政府投融資平臺貸款具有較強的季節效應，與政府財政支出同步性較強，同時該類貸款整體金融風險水平較低，不良貸款余額較小。針對上述特點，各銀行業金融機構給與地方政府投融資平臺融資供給時，應將信貸支持與政府財政支出情況進行有效對接，政府財政資金的有效參與能夠降低整體項目經營風險，保證金融資產整體風險處于可控水平。

3.強化企業類貸款余額變動情況的監測和預警，有針性對開展預防管理。從本文分析中可以看出，企業類貸款余額變動情況具有前瞻性和先行性的特點，各銀行業金融機構和監管部門應該強化對企業類貸款余額變動情況的監測和預警，如果在短期內企業類貸款余額出現大幅度增長的情況，說明后續全轄金融風險存在快速上升的趨勢，應引起各方重點關注。同時，各銀行業金融機構存在利用企業類貸款短期內稀釋不良貸款從而降低不良貸款率的可能性，應重點關注該類問題，避免由于為滿足短期經營和監管指標而損害金融機構長期穩健經營目標的情況發生。

4.注重個人不良貸款余額變動趨勢監測，避免金融風險過度傳染。從本文分析中可以看出，個人不良貸款余額的變動將會引起企業類不良貸款余額的變動，金融風險存在由個人授信主體向企業類授信主體傳染的趨勢。因此，個人不良貸款余額如果短期內出現大幅度上升，那么存在整體金融風險在各授信主體之間快速傳染的風險，個人不良貸款應該成為各銀行業金融機構和監管部門出于維護金融穩定考慮而重點關注的不良貸款類別，以保證個人不良貸款余額整體平穩，避免出現大幅度波動的情況，從而保證轄區內金融系統整體穩健運行。