新時代下我國社會融資規模影響因素研究

張喆 徐玲

摘 要 社會融資規模是具有中國特色的創新性指標，是指實體經濟（即非金融企業和個人）從金融體系獲得的資金量。在金融回歸本源和服務實體經濟問題的大背景下，對我國社會融資規模指標研究尤為重要。文章選取2002～2017年增量和存量數據，對社會融資規模的發展趨勢和結構變動進行描述統計分析，對影響因素建立了Adaptive-Lasso回歸模型并進行實證分析，量化了新時代下進出口金額、固定資產投資完成額和信心指數對社會融資規模的影響效果，最后提出防范金融風險的政策建議。

關鍵詞 社會融資規模；實體經濟；新時代；影響因素

[中圖分類號]F832 [文獻標識碼]A [文章編號]1673-0461（2019）05-0092-06

一、引 言

新時代下我國金融總量不斷增加，金融結構多元發展，金融產品和融資渠道不斷創新，系統性金融風險發生的可能性加大。2008年席卷全球的美國金融危機已為我們提出警示，因此防控金融風險，讓金融回歸本源，為實體經濟貢獻力量是我國宏觀調控的重點工作。在黨的十九大報告中明確提出“深化金融體制改革，增強金融服務實體經濟能力”“健全金融監管體系，守住不發生系統性金融風險的底線”的總體要求，這為新時代金融業改革發展提供了重要依據和行動指南。在全國金融工作會議中習近平總書記做出“服務實體經濟、防控金融風險、深化金融改革”的戰略部署。

為能準確衡量新時代下我國金融服務實體的能力，面對復雜的經濟金融環境，考察范圍不僅應包含銀行的資產負債活動，還要包含證券、保險類機構對實體經濟的資金支持以及商業銀行表外業務的金額。為能客觀反映該數據，本文以我國創新性指標社會融資規模為突破口，在新時代下從時間序列角度來分析我國社會融資規模的結構、趨勢以及影響因素，以便能更好的為防范金融風險服務。

二、基本含義

社會融資規模是具有中國特色的創新性指標，2010年底中央經濟工作會議首次提出“保持合理的社會融資規模”，到目前其發展變化主要經歷了以下三個階段。

第一是設立階段，人民銀行調查統計司2010年11月開始研究、編制社會融資規模指標。2010年12月，中央經濟工作會議指出，要“保持合理的社會融資規?！?。自2011年起人民銀行按季發布全國社會融資規模數據，2012年起按月發布，并在2012年9月公布了2002年以來的月度歷史數據。

第二是編制地區數據，自2012年建立地區社會融資規模統計制度，地區社會融資規模統計質量和時效性明顯提高。目前匯總的地區社會融資規模與全國數據間的誤差率一直穩定在0.2%左右，比2011年下降1.6個百分點，明顯低于匯總的地區GDP數據與全國GDP的誤差水平，已基本符合統計數據發布的條件。

第三是編制存量數據，編制并公布社會融資規模存量數據能夠更好地滿足各方需求，完善社會融資規模統計制度，更全面地反映金融與實體經濟的關系，更好地支持金融宏觀調控，2015年開始公布存量數據。

在2018年的政府工作報告中指出“貨幣政策保持穩健中性，廣義貨幣M2增速呈下降趨勢，信貸和社會融資規模適度增長”，而縱觀以往的政府報告，對社會融資規模的增長都有數量要求，可見在經濟新常態下，我國的貨幣政策從數量型向價格型轉變。

對于社會融資規模的研究首先應明確其具體含義，2015年中國人民銀行統計調查司負責人答記者問中將社會融資規模定義為實體經濟（即非金融企業和個人）從金融體系獲得的資金量。其中增量指標是指一定時期內（每月、每季或每年）獲得的資金總額，存量指標是指一定時期末（月末、季末或年末）獲得的資金余額，其包含范圍如表1[1]：

社會融資規模的統計也是與時俱進的，根據經濟金融環境也在發生改變。從2011年人民銀行正式編制并公布社會融資規模增量統計數據起，有部分專家學者開始研究和分析該指標的基本情況，使用頻度不斷提高，接受范圍不斷擴大，影響力逐漸增強。

三、相關文獻綜述

我國統計社會融資規模指標重點為關注金融對實體經濟的資金支持程度，不僅包含銀行機構還涵蓋非銀行金融機構。社會融資規模是我國創新性指標，是我國一次大膽的實踐。目前對社會融資規模研究的文獻更多來源于國內學者，同時文獻數量還不太多，將現有關社會融資規模影響因素的相關文獻梳理如下。

楊艷（2013）[2]從我國利率水平入手來分析對社會融資規模的影響，將利率劃分為三個層次，第一個層次是中央銀行的基準利率，選取法定存款準備金率；第二個層次是金融機構的存貸款利率，選取貸款利率；第三個層次是金融市場利率，選取拆借利率。建立回歸模型，得出三個層次的利率對我國社會融資規模產生一定的影響，但影響能力有限的結論。

郝璐（2014）[3]從金融發展水平入手來分析對社會融資規模的影響，采用金融相關率、存貸比、金融業競爭度和金融業結構四個指標來系統展現金融發展，通過建立非限制的VAR模型來量化影響效果，得出金融相關率、存貸比和金融業競爭度三個指標是重要的影響因素，而金融業結構影響效果相對有限的結論。

李曉朦（2015）[4]從銀信合作理財產品入手來分析對社會融資規模的影響，利用2013年前后的銀信合作理財產品，通過計量經濟學模型得出2013年以前銀信合作理財產品與社會融資規模具有長期均衡關系，但2013年之后銀信合作理財產品與社會融資規模沒有長期均衡關系的結論。

肖春萌（2015）[5]研究社會融資規模的結構、現狀及其演化，同時選取2010年1月至2015年3月的月度數據建立向量自回歸模型。通過脈沖響應和方差分解等過程來研究各影響因素對社會融資成本的影響方向和影響程度，并得出相關結論。

劉波（2016）[6]概括了中國的利率體系，并對社會融資規模的內涵以及近年變動趨勢進行了說明，通過VAR模型分析社會融資規模各部分之間的替代與促進關系以及貸款基準利率和上海銀行間同業拆借利率之間的關系，并采用彈性分析方法來確定基準利率對社會融資規模的影響。

張細松等（2017）[7]采用Granger因果關系、協整回歸模型、脈沖響應函數和方差分解等方法分析貨幣政策和匯率政策對社會融資規模的影響，得出數量型貨幣政策對社會融資規模有直接影響而匯率政策對社會融資規模有間接影響的結論。

雖然社會融資規模相關數據每月、每季度和每年都會公布，但根據現有文獻可以看出，從時間序列角度分析新時代下其變動趨勢和影響因素的研究較少，因此本文從這兩個角度出發，重點關注和系統研究社會融資規模指標，為防范金融風險、服務實體經濟提供參考。

四、社會融資規模的統計描述

中國人民銀行已公布我國2002年開始的社會融資總量數據。本文選取2002～2017年年度數據進行分析。從增量數據和存量數據兩個層面，同時對其構成結構分解來對我國社會融資規模做描述性統計分析，具體如下。

（一）社會融資規模增量數據分析

利用社會融資規模增量的時間序列數據，從總量和結構的變動兩個角度出發做描述統計分析，其中增量指標是指一定時期內（每月、每季或每年）獲得的資金總額，屬于時期數。具體變動如圖1。

通過圖1可以看出，社會融資規模增量數據由2002年的20 112億元變動到2017年的194 430億元，年均增長率為16.33%。根據走勢圖可以將2002～2017年分為四個發展階段：第一階段是2002～2005年，屬于平穩過渡期，在這一階段增量數據由20 112億元增長到30 008億元，年均增長率為14.27%，從走勢上看表明這一時期屬于蓄力階段，為下一階段的增長做準備；第二階段是2005～2009年，屬于快速增長期，在這一階段增量數據由30 008億元增長到140 191億元，年均增長率為46.73%，說明這一時期經濟快速發展，各種大型基建項目上馬，房地產行業興起，以及奧運會等大型體育賽事舉辦等因素，尤其是2008年的“四萬億計劃”使得增量的增速在2008年到2009年間迅速提高，第二階段金融服務實體經濟效率穩步提升；第三階段是2009～2015年，屬于震蕩徘徊期，在這一階段增量數據由140 191億元增長到154 086億元，年均增長率為1.72%，說明隨著金融創新能力逐漸增強，金融工具多樣化，服務實體經濟能力明顯下降，金融風險逐步提升，這一時期受美國乃至全球金融危機的影響，金融逐漸偏離服務實體經濟的軌道上；第四階段是2015～2017年，屬于復蘇回暖期，在這一階段增量數據由154 086億元增長到194 430億元，年均增長率為12.33%，說明這一時期隨著中央金融回歸本源相關政策的實施，使得金融服務實體經濟能力穩步提升。

通過圖2可以看出，對于社會融資規模增量的結構數據來看，2002年到2017年對實體經濟發放的人民幣貸款占比平均值為68.54%，標準差為10.99%；2002年到2017年對實體經濟發放的外幣貸款折合人民幣占比平均值為3.22%，標準差為3.14%；2002年到2017年委托貸款占比平均值為7.77%，標準差為4.04%；2006年到2017年信托貸款占比平均值為4.62%，標準差為3.45%；2002年到2017年未貼現的銀行承兌匯票占比平均值為2.60%，標準差為6.51%；2002年到2017年企業債券占比平均值為8.37%，標準差為5.47%；2002年到2017年非金融企業境內股票融資占比平均值為3.48%，標準差為1.82%。則縱觀歷年數據，可以看出對實體經濟發放的人民幣貸款一直是我國的主要社會融資方式，其均值接近70%，走勢上來看從2002年到2013年一直處于下降趨勢，但從2013年之后由處于穩步上升趨勢，這也就意味著其他方式在 2013年之后都處于下降趨勢，其中未貼現的銀行承兌匯票占比下降明顯，從2010年最高的16.7%下降到2016年的-10.97%。

（二）社會融資規模存量數據分析

利用社會融資規模存量的時間序列數據，從總量和結構的變動兩個角度出發做描述統計分析，存量指標是指一定時期末（月末、季末或年末）獲得的資金余額，屬于時點數，具體變動如圖3。

通過圖3可以看出，社會融資規模存量數據由2002年的148 532億元變動到2017年的1 746 400億元，年均增長率為17.86%，根據走勢圖可以看出2002～2017年一直處于上升階段。從存量同比走勢圖來看可分為三個階段：第一階段是2003～2005年，屬于下降期，在這一階段同比數據由22.30%下降到13.50%，說明這一時期社會融資規模存量增長乏力；第二階段是2005～2010年，屬于快速上升期，在這一階段同比數據由13.50%增長到27.00%，說明這一時期社會融資規模存量增長動能較強；第三階段是2010～2017年，屬于回落期，在這一階段同比數據由27.00%下降到12.00%，說明這一時期社會融資規模存量增長疲軟。

通過圖4可以看出，對于社會融資規模存量的結構同比數據來看，2003年到2017年對實體經濟發放的人民幣貸款占比平均值為16.73%，標準差為4.60%；2003年到2017年對實體經濟發放的外幣貸款折合人民幣占比平均值為12.11%，標準差為16.69%；2002年到2017年委托貸款占比平均值為26.39%，標準差為13.99%；2007年到2017年信托貸款占比平均值為43.54%，標準差為29.71%；2003年到2017年未貼現的銀行承兌匯票占比平均值為33.67%，標準差為53.30%；2003年到2017年企業債券占比平均值為50.91%，標準差為39.13%；2003年到2017年非金融企業境內股票融資占比平均值為16.97%，標準差為10.60%。則縱觀歷年數據，可以看出企業債券占比的平均值最大，達到了50.91%，未貼現的銀行承兌匯票占比的波動性最大，標準差達到了53.30%。

五、影響因素分析

（一）研究方法介紹

根據前面文獻的梳理，常用的分析方法是向量自回歸模型和協整分析，例如張細松（2017）[7]、李曉朦（2015）[4]、肖春萌（2015）[5]等，但是這種方法考量的是長期影響效果。本文為能在選取的影響因素中，自適應的進行變量選擇，同時計算出影響效果，擬采用Adaptive-Lasso的方法來實現。

首先介紹Lasso（Least Absolute Shrinkage and Selection Operator）即最小絕對收縮選擇法，是將參數估計和變量選擇同步進行，由Tibshirani（1996）[8]提出。其參數估計定義為如式（1）。

本文有關社會融資規模影響因素的討論就是基于Adaptive-Lasso方法來展開的。

（二）指標的選取

從前面的文獻中可以看出，對于影響因素的分析，文獻數量不多，而且研究因素范圍較單一，集中在利率、金融發展等角度，因此本文從系統性金融風險角度出發來找尋新時代下社會融資規模的影響因素，指標的選取原則如下。

2018年7月31日中共中央政治局召開會議，分析研究當前經濟形勢，部署下半年經濟工作。會議提出，要做好穩就業、穩金融、穩外貿、穩外資、穩投資、穩預期工作。“六穩”既是宏觀經濟政策發展的目標，又是對抗當前經濟運行穩中有變的復雜環境的組合拳。因此本文指標從“六穩”出發，選取六個維度的指標，其中“穩就業”選用失業率指標來代表、“穩金融”選用儲蓄率指標來代表、“穩外貿”選用進出口金額指標來代表、“穩外資”選用外商直接投資指標來代表、“穩投資”選用固定資產投資完成額指標來代表和“穩預期”選用消費者信心指數指標來代表。

（三）描述性統計分析

選取2003～2017年的數據，其中失業率選取城鎮登記失業率，儲蓄率選取國內總儲蓄率，進出口金額、外商直接投資、固定資產投資完成額和社會融資規模分別用其增長率來代替。失業率、儲蓄率、進出口金額、外商直接投資、固定資產投資完成額、消費者信心指數和社會融資規模分別用x1、x2、x3、x4、x5、x6、y來表示。對各指標計算最大值、最小值、均值和標準差，如表2。

從表2中可以看出社會融資規模增長率的波動性最大，達到了31.53%，其次是進出口金額的增長率16.27%。同時進出口金額、外商直接投資和社會融資規模的增長率最小值都為負數，分別為-13.7%、-3.7%和-16.08%。

從表3可以看出，社會融資規模和固定資產投資完成額的相關系數為0.61，線性關系顯著，而且為正相關；社會融資規模和儲蓄率的相關系數僅為-0.06，線性關系不顯著，而且為負相關；失業率和外商直接投資的相關系數為-0.09，線性關系不顯著，而且為負相關；失業率和固定資產投資完成額的相關系數為0.80，線性關系顯著，而且為正相關。

（四）模型的建立

利用前面介紹的Adaptive-Lasso模型建模，使用R軟件進行估計，變量篩選的結果和對應的系數輸出結果如表4。

則模型形式為：

y=-0.689 22x3+3.191 25x5+2.346 96x6（3）

從表4可以看出失業率、儲蓄率和外商直接投資的系數為0，可知在新時代下這些指標對社會融資規模的影響不顯著，不存在顯著的相關性，它們的變動不會顯著的影響社會融資規模。

從模型中可知進出口金額的系數為-0.689 22，可以看出在新時代下進出口金額與社會融資規模呈現負相關關系，當進出口金額增加1個單位的時候，社會融資規模會下降0.689 22個單位。

從模型中可知固定資產投資完成額的系數為3.191 25，可以看出在新時代下固定資產投資完成額與社會融資規模呈現正相關關系，當固定資產投資完成額增加1個單位的時候，社會融資規模會增加3.191 25個單位。

從模型中可知消費者信心指數的系數為2.346 96，可以看出在新時代下消費者信心指數與社會融資規模呈現正相關關系，當消費者信心指數增加1個單位的時候，社會融資規模增加2.346 96個單位。

六、政策建議

隨著經濟進入新時代，金融回歸本源和服務實體經濟成為主旋律，因此本文從社會融資規模指標入手，通過分析其發展趨勢、結構變動和影響因素，系統研究了新時代下的社會融資規模特征，根據影響因素分析，為我國防范金融風險提出以下建議。

（一）增強政治和大局意識

2017年7月14日～15日，全國金融工作會議在北京舉行，習近平強調，金融是實體經濟的血脈，為實體經濟服務是金融的天職，是金融的宗旨，也是防范金融風險的根本舉措。新時代下，我國經濟金融總量的提高和創新產品的增多，為金融風險帶來很多不確定性，要始終圍繞防范金融風險開展工作，增強政治和大局意識。

（二）指標分析的動態性

經濟金融深度和廣度不斷加強，經濟金融環境復雜多變，因此對于社會融資規模的分析也要動態化，不僅對每月、季和年度數據進行分析，而且還要從時間序列和結構層面系統分析，挖掘其背后的規律，根據趨勢和結構的發展變動，形成動態分析實時預警機制。

（三）加強重點指標管理

從因素分析可以看出，在新時期下應該重點關注進出口金額、固定資產投資完成額和信心指數這三項指標，其從外貿、投資和預期三個角度來影響著我國社會融資規模，其中固定資產投資完成額和消費者信心影響較大，而且都是正影響。可見加大力度增加投資和預期能較大幅度提升我國社會融資規模，因此需建立相應動態數據庫，檢測與預測各指標的變動和走勢，為我國社會融資規模的合理提升提供數據支持。

[參考文獻]

[1] 盛松成.社會融資規模理論與實踐（第三版）[M].北京：中國金融出版社，2016.

[2] 楊艷，杜知桓.利率對社會融資規模的影響分析[J].云南財經大學學報，2013，29（1）：125-128.

[3] 郝璐.金融發展對我國社會融資規模的影響研究[J].時代金融，2014（36）：51，54.

[4] 李曉朦.銀信合作理財產品對社會融資規模的影響分析[D].蚌埠：安徽財經大學，2015.

[5] 肖春萌.社會融資成本影響因素實證研究[D].大連：東北財經大學，2016.

[6] 劉波.中國利率波動對社會融資規模影響的實證分析[D].太原：山西大學，2016.

[7] 張細松，李成圓，葛冰，等.“新常態”下貨幣供應、匯率政策對社會融資規模的影響[J].山東財經大學學報，2017，29（6）：35-42.

[8] ROBERT TIBSHIRANI. Regression shrinkage and selection via the lasso[J].Journal of the royal statistical society. Series B.1996，58（1）：267-288.

[9] HUI ZOU.The adaptive lasso and its oracle properties[J].Journal of the american statistical association. 2006，101（476）：1418-1429.

Study on the Influencing Factors of the Aggregate Financing in the New Era

Zhang Zhe1，2，Xu Ling3

（1.China Everbright Group，Beijing 100033，China；2. Post-doctoral Station，School of Economics and Management，Tsinghua University，Beijing 100084，China；3. School of Economy，Beijing Technology and Business University，Beijing 100048，China）

Abstract：The aggregate financing refers to the amount of capital that the real economy（non-financial enterprises and individuals） receives from the financial system，which is an innovative indicator with Chinese characteristics. It is particularly important to study the indicators of social aggregate financing under the background of finance returning to its origin and serving the real economy. This paper describes and analyzes the development trend and structural changes of the aggregate financing to the real economy using the data from 2002 to 2017，and establishes the Adaptive-Lasso regression model for influencing factors. It quantifies the impact of import and export value，fixed assets investment completion value and confidence index on the aggregate financing in the new era. Finally，it puts forward some policy suggestions to prevent financial risks.

Key words：the aggregate financing； real economy； new era； influencing factors

（責任編輯：蔡曉芹）