債務(wù)水平對(duì)系統(tǒng)性金融風(fēng)險(xiǎn)影響機(jī)制的實(shí)證研究

費(fèi)亦多

摘要：2008年后我國(guó)的債務(wù)水平持續(xù)增長(zhǎng)，這主要由于在全球金融危機(jī)的大環(huán)境下，中國(guó)政府發(fā)起了經(jīng)濟(jì)提振計(jì)劃應(yīng)對(duì)危機(jī)。雖然適度的債務(wù)規(guī)模是發(fā)展金融經(jīng)濟(jì)的重要手段，但過(guò)多的債務(wù)可能會(huì)引發(fā)系統(tǒng)性金融風(fēng)險(xiǎn)。本文通過(guò)PVAR模型，從債務(wù)規(guī)模、期限結(jié)構(gòu)、質(zhì)量（償債能力）3個(gè)方面，對(duì)政府、非金融企業(yè)、居民3個(gè)部門分別研究債務(wù)水平對(duì)系統(tǒng)性金融風(fēng)險(xiǎn)的影響機(jī)制。研究表明：債務(wù)水平對(duì)系統(tǒng)性金融風(fēng)險(xiǎn)確實(shí)有一定影響，各部門的杠桿率水平越高、短期債務(wù)比例越多、債務(wù)質(zhì)量越低（償債能力越弱），系統(tǒng)性金融風(fēng)險(xiǎn)越大。

關(guān)鍵詞：債務(wù)水平? 系統(tǒng)性金融風(fēng)險(xiǎn)? 影響機(jī)制

一、引言

目前，我國(guó)的債務(wù)規(guī)模增長(zhǎng)較快，特別是非金融企業(yè)部門的杠桿率尤其之高，遠(yuǎn)高于美、日等發(fā)達(dá)經(jīng)濟(jì)體。雖然債務(wù)是發(fā)展經(jīng)濟(jì)金融的重要手段，但債務(wù)過(guò)高不僅影響貨幣政策傳導(dǎo)效率和金融穩(wěn)定，同時(shí)也會(huì)抑制經(jīng)濟(jì)增長(zhǎng)。宏觀杠桿率與系統(tǒng)性金融風(fēng)險(xiǎn)的演化存在密切聯(lián)系，高杠桿率通常是觸發(fā)一國(guó)金融危機(jī)的重要原因（Allen et al，2002）。方芳和黃汝南（2017）運(yùn)用MS-VAR模型得出了結(jié)論：當(dāng)宏觀杠桿率上升后，金融風(fēng)險(xiǎn)累積階段各類價(jià)格的反應(yīng)程度強(qiáng)于金融風(fēng)險(xiǎn)釋放時(shí)期。王桂虎（2018）運(yùn)用面板logit固定效應(yīng)模型研究發(fā)現(xiàn)宏觀杠桿率與系統(tǒng)性金融風(fēng)險(xiǎn)之間存在非線性關(guān)系，當(dāng)宏觀杠桿率偏低時(shí)，其對(duì)系統(tǒng)性金融風(fēng)險(xiǎn)的形成具有明顯的抑制作用; 在中等和偏高階段，呈現(xiàn)明顯的增強(qiáng)作用，二者之間呈現(xiàn)正反饋效應(yīng)。由此，由于債務(wù)水平過(guò)高而導(dǎo)致系統(tǒng)性金融風(fēng)險(xiǎn)的爆發(fā)，再通過(guò)金融機(jī)構(gòu)、金融市場(chǎng)間的相互傳導(dǎo)，引發(fā)大規(guī)模的金融危機(jī)。

許多學(xué)者還從實(shí)體經(jīng)濟(jì)各部門的角度，具體分析了債務(wù)對(duì)系統(tǒng)性金融風(fēng)險(xiǎn)的影響。莊佳強(qiáng)、陳志勇和解洪濤（2017）證實(shí)了我國(guó)地方政府性債務(wù)與經(jīng)濟(jì)增長(zhǎng)率之間存在倒U型關(guān)系，當(dāng)負(fù)債率較低時(shí)，地方政府性債務(wù)與經(jīng)濟(jì)增長(zhǎng)呈現(xiàn)正相關(guān)關(guān)系。隨著負(fù)債率的增加，債務(wù)對(duì)于地區(qū)經(jīng)濟(jì)增長(zhǎng)的影響會(huì)逐漸減弱。劉勇和白小瀅（2017）發(fā)現(xiàn)住戶和金融機(jī)構(gòu)部門的去杠桿能顯著減小源自其部門內(nèi)部負(fù)面沖擊的傳染乘數(shù)，多部門杠桿率聯(lián)動(dòng)下非金融企業(yè)部門大幅度去杠桿能有效降低我國(guó)宏觀金融系統(tǒng)傳染性。馬萬(wàn)里和張敏（2020）認(rèn)為地方政府隱性債務(wù)擴(kuò)張是觸發(fā)系統(tǒng)性金融風(fēng)險(xiǎn)的重要因素。

上述研究在分析債務(wù)杠桿風(fēng)險(xiǎn)對(duì)系統(tǒng)性金融風(fēng)險(xiǎn)的影響方面有重要參考價(jià)值，但大多數(shù)文獻(xiàn)仍從杠桿率水平視角討論債務(wù)問(wèn)題，且局限于宏觀杠桿率對(duì)系統(tǒng)性金融風(fēng)險(xiǎn)的影響。其次，大多文獻(xiàn)僅僅研究單個(gè)部門，且主要從非金融企業(yè)和政府部門兩個(gè)角度進(jìn)行研究，很少談及居民部門的債務(wù)影響。因此，本文的創(chuàng)新之處可能在于，分別對(duì)政府、非金融企業(yè)、居民3個(gè)部門來(lái)具體闡述債務(wù)水平對(duì)系統(tǒng)性金融風(fēng)險(xiǎn)的影響。同時(shí)，債務(wù)水平的度量從債務(wù)規(guī)模、期限結(jié)構(gòu)、質(zhì)量三個(gè)方面來(lái)考量。

二、研究設(shè)計(jì)

（一）系統(tǒng)性金融風(fēng)險(xiǎn)的測(cè)量方法

本文采用CoVaR方法對(duì)系統(tǒng)性金融風(fēng)險(xiǎn)進(jìn)行度量，再根據(jù)Adrian and Brunnermeier（2014）的方法，采用5%的分位數(shù)水平，用△CoVaR量化單個(gè)金融機(jī)構(gòu)對(duì)金融體系的系統(tǒng)性風(fēng)險(xiǎn)貢獻(xiàn)度。

首先，計(jì)算單個(gè)金融機(jī)構(gòu)以及整個(gè)金融體系的周收益率。周收益率表示為：

Pt為金融機(jī)構(gòu)股票的周收盤價(jià)。金融體系的收益率由選取樣本的周收益率加權(quán)得到，單個(gè)金融機(jī)構(gòu)權(quán)重比例為單個(gè)金融機(jī)構(gòu)股本數(shù)除以樣本金融體系總體股本數(shù)。

用歷史模擬法，采取q分位數(shù)，計(jì)算出的VaR可看作最大的預(yù)期損失率，用公式表示為：

為金融機(jī)構(gòu)i的周收益率，可以表示為當(dāng)金融機(jī)構(gòu)i發(fā)生危機(jī)并且損失為的條件下，整個(gè)金融體系的在險(xiǎn)價(jià)值。用公式表示為：

金融機(jī)構(gòu)i對(duì)金融體系的風(fēng)險(xiǎn)貢獻(xiàn)用公式表示為：

估計(jì)單個(gè)金融機(jī)構(gòu)對(duì)金融體系的系統(tǒng)性風(fēng)險(xiǎn)貢獻(xiàn)將利用分位數(shù)回歸，模型如下：

利用STATA進(jìn)行回歸后，得到、，同時(shí)把前述用歷史模擬法所得到的都代入2-6式，得到。表示當(dāng)金融機(jī)構(gòu)i的收益率時(shí)的條件下，金融系統(tǒng)的預(yù)期收益率為。結(jié)合2-4和2-6式，求出單個(gè)金融機(jī)構(gòu)對(duì)系統(tǒng)性金融風(fēng)險(xiǎn)的貢獻(xiàn)。

（二）PVAR模型

本文采用PVAR（面板向量自回歸）模型，PVAR模型結(jié)合了傳統(tǒng)面板數(shù)據(jù)模型和傳統(tǒng)向量自回歸模型，考察多個(gè)變量間的動(dòng)態(tài)互動(dòng)關(guān)系，將模型內(nèi)的各個(gè)變量都視為內(nèi)生變量，分析各個(gè)變量及其滯后項(xiàng)對(duì)模型中其他變量的影響?？疾煲唤M面板數(shù)據(jù)變量，，……，，向量形式為：

那么滯后p階的PVAR（p）模型的矩陣形式為：

本文將系統(tǒng)性金融風(fēng)險(xiǎn)用各個(gè)金融機(jī)構(gòu)對(duì)整體系統(tǒng)性金融風(fēng)險(xiǎn)的貢獻(xiàn)程度，即△CoVaR來(lái)度量。其他三個(gè)債務(wù)變量分別是衡量債務(wù)規(guī)模的杠桿率（債務(wù)/GDP）、衡量債務(wù)期限結(jié)構(gòu)的短期債務(wù)比例、衡量債務(wù)質(zhì)量（償債能力）的指標(biāo)（債務(wù)/可支配收入），再加入控制變量GDP增長(zhǎng)率，即Yi是包含五個(gè)變量的向量組。為了去除序列的異方差性，對(duì)各部門的債務(wù)指標(biāo)及GDP增長(zhǎng)率的原序列取對(duì)數(shù)。在保證模型各個(gè)變量平穩(wěn)的條件下，利用AIC、BIC、HQIC信息準(zhǔn)則指標(biāo)值最小的原則來(lái)選擇模型最優(yōu)的滯后階數(shù)，通過(guò)GMM方法進(jìn)行相關(guān)分析。

（三）樣本數(shù)據(jù)

本文選取的研究樣本數(shù)據(jù)來(lái)源于wind數(shù)據(jù)庫(kù)、中國(guó)人民銀行等，樣本期間為2011年至2017年，使用STATA14.0進(jìn)行實(shí)證研究。

按照我國(guó)上市公司行業(yè)的分類，篩選出隸屬于金融行業(yè)的金融機(jī)構(gòu)，選取每家金融機(jī)構(gòu)2011年至2017年的周收盤價(jià)，剔除周收盤價(jià)嚴(yán)重缺失的個(gè)別金融機(jī)構(gòu)，通過(guò)平穩(wěn)性檢驗(yàn)后，最終選取金融行業(yè)共39家上市公司的周收盤價(jià)數(shù)據(jù)，采用5%分位數(shù)水平，計(jì)算出每個(gè)年度單個(gè)金融機(jī)構(gòu)對(duì)金融體系系統(tǒng)性金融風(fēng)險(xiǎn)的貢獻(xiàn)程度，即△CoVaR。

三、實(shí)證結(jié)果

（一）政府部門

是包含5個(gè)變量的向量組{△CoVaR、lng1、lng2、lng3、lnGDP}。（g1、g2、g3分別為政府部門的杠桿率、短期債務(wù)比例、債務(wù)質(zhì)量指標(biāo)。）

1.檢驗(yàn)與估計(jì)。本文采用LLC檢驗(yàn)進(jìn)行平穩(wěn)性檢驗(yàn)，LLC在5%的顯著性水平下均通過(guò)檢驗(yàn)。綜合考慮常見(jiàn)的AIC準(zhǔn)則、BIC準(zhǔn)則和HQIC準(zhǔn)則以確定最優(yōu)滯后階數(shù)。由表3-2可知，PVAR模型的最優(yōu)滯后階數(shù)為1階。

最優(yōu)滯后階數(shù)確定以后，本文將通過(guò)GMM方法進(jìn)行模型估計(jì)。對(duì)模型進(jìn)行格蘭杰因果關(guān)系檢驗(yàn)，檢驗(yàn)結(jié)果如表所示。除了lng1不是△CoVaR的格蘭杰原因外，其他變量都是△CoVaR的格蘭杰原因。

2.結(jié)果分析。政府部門的短期債務(wù)比例、債務(wù)/可支配收入的一階滯后項(xiàng)對(duì)△CoVaR有顯著地負(fù)向影響，表明當(dāng)短期債務(wù)比例上升，以及償債能力變?nèi)鯐r(shí)，△CoVaR將變得越小，即系統(tǒng)性金融風(fēng)險(xiǎn)有顯著提升。而債務(wù)杠桿率水平對(duì)△CoVaR的影響不是很大。GDP增長(zhǎng)率的一階滯后項(xiàng)對(duì)△CoVaR的回歸系數(shù)顯著為正，表明當(dāng)GDP增長(zhǎng)加快時(shí)，系統(tǒng)性金融危機(jī)發(fā)生的可能性會(huì)降低。

（二）非金融企業(yè)部門

Yi是包含5個(gè)變量的向量組{△CoVaR、lnb1、lnb2、lnb3、lnGDP}。（b1、b2、b3分別為非金融企業(yè)部門的杠桿率、短期債務(wù)比例、債務(wù)質(zhì)量指標(biāo)。）

1.檢驗(yàn)與估計(jì)。同前述步驟，非金融企業(yè)部門各個(gè)序列都為平穩(wěn)序列。最優(yōu)滯后階數(shù)為1階。所有變量都是△CoVaR的格蘭杰原因。

2.結(jié)果分析。非金融企業(yè)部門杠桿率的一階滯后項(xiàng)對(duì)△CoVaR有顯著的負(fù)向影響，表明當(dāng)杠桿率上升時(shí)，系統(tǒng)性金融風(fēng)險(xiǎn)會(huì)有顯著地提升。短期債務(wù)水平對(duì)△CoVaR的影響顯著為0。債務(wù)/可支配收入對(duì)△CoVaR出現(xiàn)了反常的正向影響。GDP增長(zhǎng)率的一階滯后項(xiàng)對(duì)△CoVaR的回歸系數(shù)顯著為負(fù)，表明當(dāng)GDP增長(zhǎng)過(guò)快，經(jīng)濟(jì)過(guò)度繁榮時(shí)，系統(tǒng)性金融危機(jī)發(fā)生的可能性會(huì)大大提升。

（三）居民部門

Yi是包含5個(gè)變量的向量組{△CoVaR、lnr1、lnr2、lnr3、lnGDP}。（r1、r2、r3分別為居民部門的杠桿率、短期債務(wù)比例、債務(wù)質(zhì)量指標(biāo)。）

1.檢驗(yàn)與估計(jì)。同前述步驟，居民部門除lnr1為非平穩(wěn)序列外，其余各序列均平穩(wěn)，故排除lnr1后建立PVAR模型。最優(yōu)滯后階數(shù)1階。所有變量都是△CoVaR的格蘭杰原因。

2.結(jié)果分析。居民部門短期債務(wù)比例和債務(wù)/可支配收入的一階滯后項(xiàng)對(duì)△CoVaR有顯著的負(fù)向影響，表明當(dāng)短期債務(wù)比例以及債務(wù)質(zhì)量變差（償債能力變?nèi)酰r(shí)，△CoVaR變得越小，即系統(tǒng)性金融風(fēng)險(xiǎn)顯著增大。GDP增長(zhǎng)率一階滯后項(xiàng)對(duì)△CoVaR的回歸系數(shù)顯著為負(fù)，同樣表明當(dāng)GDP增長(zhǎng)過(guò)快時(shí)，系統(tǒng)性金融危機(jī)發(fā)生的可能性大大提升。

四、結(jié)論與啟示

本文以PVAR模型為基礎(chǔ)，得出債務(wù)水平對(duì)系統(tǒng)性金融風(fēng)險(xiǎn)確實(shí)有顯著影響的結(jié)論，三個(gè)部門得出的結(jié)果相似，而非金融企業(yè)部門相較其他兩個(gè)部門而言，債務(wù)水平對(duì)系統(tǒng)性金融風(fēng)險(xiǎn)的影響更顯著。

為有效防范債務(wù)杠桿大幅攀升導(dǎo)致風(fēng)險(xiǎn)傳染，守住不發(fā)生系統(tǒng)性風(fēng)險(xiǎn)的底線，引申出如下政策建議：政府部門加強(qiáng)內(nèi)部監(jiān)管體系，引進(jìn)信用評(píng)級(jí)、信息披露等市場(chǎng)化約束條件，加強(qiáng)對(duì)地方政府債務(wù)的發(fā)行和管理，同時(shí)加強(qiáng)外部監(jiān)管，做好防范和化解系統(tǒng)性金融危機(jī)的工作，比如為小微企業(yè)提供多種融資渠道;非金融企業(yè)部門要在現(xiàn)有高杠桿的水平上先穩(wěn)杠桿，再去杠桿，逐步降低杠桿率;居民要量力而行，不能盲目加杠桿。總之，系統(tǒng)性金融風(fēng)險(xiǎn)的防范需要結(jié)合我國(guó)國(guó)情，具體問(wèn)題具體分析，需要各個(gè)部門的相互配合與合作。

參考文獻(xiàn)

[1]方芳，黃汝南.宏觀杠桿率沖擊下的中國(guó)系統(tǒng)性金融風(fēng)險(xiǎn)的演化[J].安徽大學(xué)學(xué)報(bào)（哲學(xué)社會(huì)科學(xué)版），2017，41（05）：141-148.

[2]黃劍輝，李鑫.非金融企業(yè)部門杠桿率與銀行業(yè)風(fēng)險(xiǎn)研究[J].金融監(jiān)管研究，2018（02）：40-54.

[3]江紅莉，蔣鵬程.實(shí)體經(jīng)濟(jì)部門杠桿的溢出效應(yīng)及對(duì)系統(tǒng)性金融風(fēng)險(xiǎn)的傳導(dǎo)研究[J].金融監(jiān)管研究，2019（06）：103-114.

[4]劉勇，白小瀅.部門杠桿率、部門儲(chǔ)蓄與我國(guó)宏觀金融系統(tǒng)傳染性[J].國(guó)際金融研究，2017（10）：3-13.

[5]馬萬(wàn)里，張敏.地方政府隱性舉債對(duì)系統(tǒng)性金融風(fēng)險(xiǎn)的影響機(jī)理與傳導(dǎo)機(jī)制[J].中央財(cái)經(jīng)大學(xué)學(xué)報(bào)，2020（03）：10-18.

[6]王桂虎.宏觀杠桿率引致系統(tǒng)性金融風(fēng)險(xiǎn)的傳導(dǎo)機(jī)制研究——基于40個(gè)國(guó)家及地區(qū)的經(jīng)驗(yàn)研究[J].鄭州大學(xué)學(xué)報(bào)（哲學(xué)社會(huì)科學(xué)版），2018，51（06）：53-58+156.

[7]袁利勇，胡日東.我國(guó)宏觀經(jīng)濟(jì)杠桿率的測(cè)算及其動(dòng)態(tài)波動(dòng)特征[J].經(jīng)濟(jì)學(xué)家，2018（07）：79-87.

[8]莊佳強(qiáng)，陳志勇，解洪濤.我國(guó)地方政府性債務(wù)的非線性增長(zhǎng)效應(yīng)研究[J].當(dāng)代財(cái)經(jīng)，2017（10）：34-45.

[9]Allen M，Rosenberg C，Keller C，et al.A Balance Sheet Approach to Financial Crisis[J].Social Science Electronic Publishing，2002，2（210）：1-22.

[10]Reinhart，C.and Rogoff K.“From Financial Crash to Debt Crisis”[J]，American Economic Review，2011，101（5）：1676-1706.