新金融業態風險對經濟高質量發展的影響分析

■李國柱，李曉壯

一、引言與文獻綜述

隨著經濟發展逐步進入新常態，提高經濟高質量發展水平是新時代中國發展的戰略目標和根本任務。值得注意的是，新常態下數字經濟成為推動未來經濟快速發展的重要推動力量，以數字經濟為引導的經濟轉型發展新格局重塑了經濟發展新優勢。但現階段我國數字金融發展基礎設施不足，新型金融工具層出不窮，金融交易平臺良莠不齊，新金融業中潛在交易風險凸顯。近年來，金融風險事件頻發，新金融業中潛在的風險被放大。由此，深刻反映出中國現階段數字金融基礎設施不完善、企業風控能力缺失、新金融業風險監管力度不足等問題。經濟增長與風險防控之間的平衡性已成為制約新金融業發展的關鍵因素。但已有研究主要從新金融業態定義及影響的定性分析和金融風險測度兩個獨立視角展開。

對新金融業態的定性分析中，學術界大多從互聯網金融角度出發。宮曉林（2013）提出互聯網模式下新金融業態模式主要包括：第三方支付、網絡借貸和眾籌融資。黃鈁（2016）指出新金融包括信息的互聯網金融和互聯網時代的傳統金融。關于新金融業態對經濟發展的影響研究，學術界持兩種不同的觀點。一部分學者認為中國互聯網金融發展不完善，新金融業態體系中存在信息不對稱、監管力度不夠等問題，對金融體系發展具有不利影響（程雪軍等，2020）。另一部分學者認為新金融業態的發展會直接提高金融資源的配置效率，降低融資門檻，激發金融創新和技術創新，對經濟發展具有積極促進作用（王瑤佩和郭峰，2019）。

有關金融風險的測度研究主要包括經驗方法和指標體系。基于經驗分析，金融風險的測度模型主要包括：FR模型（Frankel&Rose，1996）、STV模型（Sachs et.al，1996）等。除此之外，金融風險測度需考慮多方面風險因素，構造金融風險綜合指數（陳敏和張樂樂，2021）。也有一些學者從不同角度進行金融風險與經濟發展的相關研究。有關金融風險與經濟發展的研究動態，主要從金融風險對經濟發展的溢出效應以及預警作用兩方面進行。溢出效應方面，趙華和王杰（2018）研究表明股票市場大部分時間存在向實體經濟的波動率溢出效應。預警方面，系統性金融風險包含著未來經濟困境的預警信息（Brownlees&Engle，2017）、對未來經濟沖擊分布的重要信息（De Nicolo&Lucchetta，2011）。有關新金融業態風險測度的定量研究主要通過網絡借貸風險間接衡量新金融業態風險，例如李蒼舒和沈艷（2019）以網絡借貸為切入點運用CoVaR方法來識別新金融業態風險等。

不難發現，尚未有學者考察新金融業態風險對經濟高質量發展的影響。因此，選取新金融業態為研究對象，在構建在險增長模型的基礎上，重點考察新金融業態風險對經濟高質量發展的影響，探索實現穩增長與防風險之間的動態平衡方法，為有效防控化解新金融業態風險，加快形成經濟新發展格局提供有價值的參考。

二、新金融業態風險對經濟高質量發展的影響機制

新金融業態是相對傳統的銀行、證券、保險等商業性金融或政策性金融而言的，是為彌補傳統金融服務局限性而日益興起的新金融機構類型、模式及標準等。新金融業態與傳統金融是一種有效互補關系，不僅能夠增強金融市場活力，拓展完善金融產業鏈，而且可以支持、反哺傳統金融機構的盈利能力及競爭力，進一步提高金融業整體附加值，支持并服務于經濟轉型。隨著新金融業態發展，新金融體系將會受到內部和外部不同維度的沖擊作用。內部產生流動性風險、信用風險和市場風險，中國宏觀經濟運行情況同樣會對新金融業態產生一定的外部沖擊作用。金融風險通過機制傳染與擴散最終形成新金融業態風險并直接反饋給經濟高質量發展。

具體來看，風險的影響具有兩面性，一方面，新金融業態降低準入門檻，中小型企業及個人主體均可依靠互聯網金融實現短期融資，資本流將會流經股票市場、證券市場、房地產市場等從而引起資產價格的變動，抬升金融杠桿率，導致資產泡沫風險。同時，由于資本的逐利性，投機者依托新金融業資金獲得的便利性，致使大量資本在短期內就可以在金融市場中流進和流出，這種行為將會使市場悲觀預期的資本產生外逃現象，導致金融市場的泡沫積累，對金融穩定和經濟高質量發展造成危害。另一方面，新金融業態風險造成的高風險和高回報是同時存在的，收益是對承擔風險的補償。新金融業態風險中蘊含著資本的流動性增強，加速資本的形成，從而促進融資結構的多元性，分擔傳統金融的融資職能，并且新金融工具增加信貸可得性，使股票市場、證券市場等規模擴大，提升金融資本在各行業的配置效率，提高資本回報率，對經濟高質量發展具有一定的正面影響，具體影響路徑如圖1所示。

圖1 新金融業態風險對經濟高質量發展的影響機制

三、模型建立與變量測度

（一）“在險增長”模型

1.“在險增長”模型的建立

基于GaR模型，將新金融業態風險與經濟高質量發展置于統一的分析框架中。假設經濟高質量發展的時間序列gt的概率密度函數為f（gt）。需要得到在置信度水平α下最低的經濟高質量發展水平gmin，使經濟高質量發展水平低于gmin的概率為1-α。具體公式為：

進一步定義在險增長水平（GaR）的公式為：

在險增長水平（GaR）表示經濟發展的平均增長率與最低增長率之間的差值，即經濟增長速度可能存在的損失。

2.“在險增長”模型的估計方法

（1）分位數回歸模型

分位數回歸相比一般回歸模型，分位數回歸能夠估計出若干重要條件分位數，提供更加全面的信息，并且不易受到極端值的影響，回歸結果更為穩健。分位數回歸模型設定如下：

其中，I（·）為示性函數，若（·）的邏輯關系為真，則I（·）=1，反之I（·）=0。由上述分位數回歸結果可以得到基于Xt條件下Scoret+h的條件分位數函數，具體公式如下：

（2）偏態t分布估計

根據上述分位數回歸結果，將回歸系數代入（5）式中，可以得到基于Xt條件下yt+h的條件分位數的累積分布函數。但實際中，Q?Scoret+h|Xt(q|Xt)受到隨機擾動項和誤差項的多重影響，估計結果存在一定的偏差。由此，需要將分位數回歸結果擬合到參數較少的概率密度函數中，來保證結果的穩健性。Azzalini&Capitanio（2003）在傳統t分布中加入了偏度參數，可以更加直觀地反映概率密度函數左偏或者右偏的特征。這種概率分布被稱為偏態t分布，對應的概率密度函數如下：

其中，f（Score；μ，σ，s，n）為偏態t分布的概率密度函數。t（·）和T（·）分別表示t分布的概率密度函數和累計分布函數。f（·）中包含四個參數，分布為t分布的期望（μ）、標準差（σ）、自由度（n）以及使t分布發生偏移的偏度參數（s）。為估計偏態t分布中四個參數，要保證與偏態t分布的累計分布函數的反函數之間距離平方和最小：

（二）變量測度

被解釋變量：經濟高質量發展綜合指數（Score）。參考趙儒煜等（2020）相關研究，結合新常態下中國經濟高質量發展理念，將多維的經濟高質量發展理念分解為創新發展、協調發展、綠色發展、開放發展、共享發展和經濟效益六大維度，運用熵值法進行測度，指標體系如表1所示。

解釋變量：新金融業態風險指數（NFR）。以互聯網金融風險為切入點，從流動性風險、信用風險（董小君和石濤，2020）、市場風險（陳榮達等，2020）和宏觀經濟運行風險（塔琳，2019）四個角度來測度新金融業態風險，具體指標體系如表2所示。

表2 新金融業態風險測度指標體系

考慮到中國新金融業月度數據的可得性，流動性風險最終選取人氣流動性和期限流動性兩個指標來評價新金融流動性風險。信用風險主要用于刻畫新金融業用戶和平臺對資金借貸的失衡情況。本文從兩個角度來評價信用風險，一是償還風險，選取網絡借貸行業的成交量總額與待還余額之比來測度；二是違約風險，采用P2P行業當月問題企業發生數表示。市場風險參照歐陽資生等（2019）關于系統性金融風險指標的選取原則，采用市場周期波動風險、新金融業市場風險以及信息技術風險來共同刻畫市場風險。宏觀經濟運行風險從國內經濟運行風險和外部沖擊風險兩個角度來測度宏觀運行風險。

表1 經濟高質量發展指標體系

（三）數據來源與數據處理

本文基于2000—2020年新金融業態風險和經濟發展的月度數據，來考察新金融業態風險對中國經濟高質量發展的影響。所用數據主要來源于“國家統計局”“國泰安數據庫”“中經統計數據庫”“中國人民銀行”。

由于新金融業態風險與經濟高質量相關數據的起始時間存在差異，無法在2000—2020年全部區間上進行分析。為盡可能多地包含所有指標的有效信息，采用IMF推薦的主成分分析法來實現新金融業態風險的降維過程。參考張曉晶和劉磊（2020）的處理方法，將指標在不同時間段進行主成分分析，然后將不同時間段的指標合并成新金融業態金融風險指數。對于缺失數據采用線性插補法進行填補。

四、實證分析

（一）分位數回歸結果分析

根據分位數回歸模型，將不同分位數（0.10、0.25、0.50、0.75和0.90）回歸結果在表3中顯示。在分位數回歸的基礎之上，將被解釋變量設定為向前12個月、24個月和36個月的經濟高質量發展指數進行回歸，分別用來表示經濟高質量發展短期、中期以及長期的三個期限維度。

表3中流動性風險在短期、中期和長期三個期限維度內，對經濟高質量發展全部為正向影響。究其原因主要分為兩點：一是隨著新金融業的發展，網絡借貸市場逐步擴大，雖蘊含著一定的金融風險，但借款和投資人數反映的直接融資能力在一定程度上推動經濟高質量發展。二是新金融業能夠帶動大數據、互聯網以及實體經濟等多行業聯動發展，雖然流動性風險較大，但其他行業的擴張將帶動中國經濟高質量發展。在短期內，流動性風險在尾部分布（10%分位數）的正向影響最大，中間分布（50%分位數）正向影響最小。流動性風險對經濟高質量低增長階段促進作用更大，經濟下行壓力較大，其正向影響反而增加。在中期和長期，50%分位數下正向影響最大，10%分位數下正向影響最小。

表3 分位數回歸結果

對于信用風險，全部為正向促進作用。三個期限維度中，在50%分位數點處正向影響最大，兩側尾部影響逐漸減小。根據董小君和石濤（2020）的研究發現，償還風險較違約風險的影響作用更強，償還風險為負向指標，可以間接將信用風險理解為負向指標。對于經濟高質量中度發展階段，資本等生產資料均達到一定水平，信用風險指標值越高，新金融風險水平越低，可以同時帶動不同行業進行生產發展，提高經濟高質量發展水平。在75%和90%分位數上，信用風險值較低，新金融風險水平反而越高。當經濟處于高發展階段，經濟需要各個產業共同協調發展，才能真正實現經濟的高“質”發展。同時，經濟易陷入“牽一發動全身”的危機，信用風險所帶來的經濟危機負面影響更顯著。

市場風險對中國經濟高質量發展全部為負向影響。三個期限維度內，分別在75%分位數（短期）、90%分位數（中期）、50%分位數（長期）下，負面影響最大。在短期和中期內，市場風險對經濟高質量發展的負面影響更多地出現在靠近尾部區域，這體現了金融風險的“脆弱性”特點。一般來說，當經濟高質量發展水平處于正常水平時，市場風險所產生的影響相對較小。而當經濟高質量發展水平處于極端值處，金融業本身固有的“脆弱性”呈現出的信息不對稱性、信貸市場失調等因素將會產生更大的拖累作用。就長期而言，當經濟發展處于中等水平時，新金融市場風險的抑制作用更為明顯。三個階段相比，中期5個分位數點的回歸系數均大于短期和長期的結果，說明市場風險對經濟發展的負面影響在中期會得到最大程度的顯現，中國有關金融監管部門要加強對新金融業風險中期效應的防控力度。

在短期內，宏觀經濟運行風險在10%分位數下回歸系數為負值（-0.0296），表明宏觀經濟運行風險對經濟高質量發展的抑制作用顯著。當經濟發展水平較低時，中國社會整體經濟發展處于趨于穩定但缺乏動力階段。宏觀經濟運行過程中不可避免的潛在風險會造成城鎮失業率增加、外匯儲備及人民幣匯率波動、社會總需求面臨下滑壓力等，嚴重阻礙經濟高質量發展水平的提高。90%分位數下，回歸系數變為正值（0.0488），通過10%的顯著性檢驗。在經濟高質量發展中期，宏觀經濟運行風險不顯著；長期來看，只有90%高分位點處，回歸系數通過10%顯著性檢驗，并且為正值。宏觀經濟運行波動會直接影響新金融業的重要決策，放大互聯網金融風險的外部沖擊影響。中國作為世界上第二大經濟體，經濟體量較大，國內外金融周期存在一定的差異，在國內經濟運行和外部沖擊雙重影響下，人民幣匯率走弱反而可能提升經濟高質量發展水平。

為確保回歸結果的穩健性，將原來數據的時間區間縮短至2014年1月—2020年12月。主要原因是此時間段內所包含的數據較為完整，新金融業態風險指數缺失值較少，缺失部分采用插補法進行填補，之后運用主成分分析法進行合成，結論并沒有因變更樣本范圍而發生改變。因此，基準回歸結果是穩健的。

（二）偏態t分布的概率密度函數

根據分位數回歸中的結果，利用擬合的偏態t分布的概率密度函數圖將回歸結果與真實值結合起來，更加直觀地反映新金融業態風險對中國經濟高質量發展的影響。為此，根據新金融業的發展歷程，選取2004年12月支付寶上線、2015年12月發布《國務院關于印發推進普惠金融發展規劃（2016—2020）》以及2020年1月P2P網貸平臺清零三個案例來觀察新金融業態風險對經濟高質量發展的影響。

1.支付寶上線前后的概率分布

依托2004年支付寶上線對中國經濟發展的沖擊影響案例，選取2003年末、2004年末、2005年末的概率密度分布來考察新金融業態風險對經濟高質量發展的影響，結果如圖2所示。

圖2 支付寶上線前后經濟高質量發展的概率密度函數

由圖2可以看出，在樣本考察期內，2005年末的方差最大，可見支付寶上線后新金融業態金融風險對經濟高質量發展產生正面沖擊，金融風險增大，未來經濟高質量發展的波動性顯著增加。從短期看，由于支付寶上線所帶來的經濟效應初見成效，2005年末曲線水平向右側移動幅度有限。但從中期看，曲線中出現兩個波峰，長期波峰逐步平穩。以支付寶上線為開端的新金融業發展短期內對中國經濟高質量發展產生了良好的正面效應，但此效應難以長期維持；從中期和長期看，新金融業態發展帶來的金融風險的負面影響不容忽視。短暫的金融工具刺激，會迅速提升經濟發展水平，但此時金融脆弱性也會隨之上升。

三個時間期限內，2003—2005年概率密度函數圖的波峰逐年右移，表明支付寶上線后刺激中國經濟高質量發展的提高。波峰逐年變低并且寬度增加，側面反映出中國內部經濟發展存在不平衡性，區域發展差距較大。曲線右側尾部逐年放寬，說明經濟高質量發展水平分散于兩端的概率分布逐漸增加。由于新金融業的刺激，中國經濟高質量發展水平分化程度逐漸加深。

2.普惠金融發展規劃制定前后的概率分布

將2015年12月份《國務院關于印發普惠金融發展規劃（2016—2020年）的通知》的下達作為新金融業發展過程中的有效案例，選取2014年12月、2015年12月、2016年12月的概率密度分布來考察新金融業態風險對經濟高質量發展的影響（圖3）。

圖3 普惠金融發展規劃制定前后經濟高質量發展的概率密度函數

由圖3可以看出：第一，總體上看，2014—2016年的概率密度函數圖的峰值并沒有發生顯著變化，三年的峰值均位于[0.20，0.30]之間，且大部分的經濟高質量發展指數圍繞著大于0.40的峰值逐漸向兩邊擴散。由此可知，普惠金融發展規劃的提出并沒有顯著刺激中國經濟高質量發展水平的提高。一方面，因為中國新金融業興起時間較短，普惠金融對經濟的刺激效應具有一定的時滯性；另一方面，中國對互聯網金融風險的監管力度不足，監管體系尚不完善。第二，相比于中期和長期，短期的波峰寬度最寬，說明中國新金融業內部發展不平衡，各產業發展差距較大。第三，在中期和長期，2014年的波峰變高，但波峰逐年變低，同樣反映各地區經濟高質量發展不平衡性導致產生區域發展差異。

3.P2P平臺清零前后的概率分布

2020年11月，中國銀保監會首席律師劉福壽表示，新金融業防控化解重大金融風險取得了實質性進展。P2P網貸平臺清零是著新金融業態風險防控關鍵的一環。選取2019年11月、2020年11月、2020年12月的概率密度分布來考察新金融業態風險對經濟高質量發展的影響（圖4）。

圖4 P2P網貸平臺清零前后經濟高質量發展的概率密度函數

由圖4可以看出，曲線在短期、中期和長期的走勢基本一致。隨著時間的推移，曲線的波峰向下偏移，2020年11月和12月基本重合，2019年11月的波峰較高，但三個時間段內峰值均位于[0.20，0.30]之間。需要關注的是，根據Adrian et al.（2019）的研究結果，當經濟處于下行趨勢時，概率密度函數左偏更加明顯，風險會以最快的速度上升。而圖4中結果與此結論正好相反，2020年至今，新冠肺炎疫情尚未完全平復，全球經濟受到巨大沖擊，中國經濟同樣具有下行風險。但由此看來，新金融業中P2P網貸平臺的清零對經濟高質量發展有著巨大的正向作用，抑制新金融業風險的迅速上升。

五、結論與建議

本文基于2000—2020年中國新金融業和經濟高質量發展的月度數據，首先運用分位數回歸模型分析新金融業態風險對經濟高質量發展的影響，然后選取了新金融發展過程中三個重要案例擬合偏態t分布，重點考察新金融業中發生的重要事件對經濟高質量發展的沖擊作用。主要結論與建議如下：

第一，在短期、中期與長期三個期限維度內，流動性風險與信用風險對中國經濟高質量發展的正向影響顯著，市場風險全部為負向影響。宏觀經濟運行風險在10%分位數下對經濟高質量發展的抑制作用顯著，在90%高分位點處促進作用顯著。四個金融風險指標相比，流動性風險的影響作用最為顯著。新金融業態金融風險防控應分為三個階段，分別為事前、事中和事后控制。事前是指新金融業監管部門對金融風險進行預測，建立風險預警機制及時有效地監控新金融業態風險的波動情況。事中與事后主要是盡量減少新金融業態風險造成的損失。此外，信用風險大部分緣于信息不對稱，要實現個人和企業征信系統的信息共享，有效防止違約事件的發生。

第二，當經濟高質量發展水平處于下行趨勢，經濟高質量發展水平的標準差值會隨發展期望的降低而減小，兩者之間具有較強的正相關影響。值得注意的是，此時的偏度值會更大，經濟高質量發展水平的波動性迅速提升，新金融業態風險上升。同時，隨著數字經濟的發展，新金融業給中國經濟帶來的機遇與風險并存。重大金融事件凸顯出防范新金融業風險的緊迫感和重要性。因此，要將在險增長納入到宏觀新金融業態風險的調控范疇，創新宏觀調控。

第三，新金融業發展歷程中的三個重要案例分析結果顯示，寬松（收緊）的政策決定雖然一方面會在短期內促進（抑制）經濟高質量發展水平，但另一方面對中長期的影響效應不足。新金融業態發展體系尚不完善，長期看易加大金融體系的失衡，并且增加金融的脆弱性。由此，中國政府要依托新金融業中的重大影響事件合理恰當地制定政策計劃，推動提升積極政策決定的效率。進一步加強協調配合，增強政策舉措的靈活性、協調性與配套性。健全財政、貨幣、就業等政策協調機制，與新金融業實現優勢互補。在國內外金融風險形勢嚴峻，面臨的金融風險挑戰前所未有情況下，要謀取有關新金融業政策效應的最大化。