金融結構、非金融企業部門杠桿率與系統性風險
——基于2008—2020年跨國面板數據的研究

張甜迪 田 莎

（湖北工業大學經濟與管理學院，湖北 武漢 430068）

一、引言

新冠肺炎疫情沖擊下，百年變局加速演進，主權債務激增，流動性快速放收，全球金融結構發生了根本性變革。我國金融結構中直接融資規模不斷擴大。根據國家統計局數據，我國股票市場總市值占GDP的比重在2008年為38%，此后歷經多次波動，但大體上呈上升趨勢，截至2020年底，該比重升至78.7%的歷史高位。但與發達國家相比，我國仍以間接融資為主，直接融資占比較低（見圖1）。美國直接融資占比一直處于較高水平，而德國、日本等銀行主導型國家，金融結構市場化傾向也在不斷加強。金融結構在金融體系的穩定運行中發揮著重要作用。中國經濟正處在新舊動能轉換階段，如何提高金融結構適應性，對服務經濟轉型升級、增強經濟和金融韌性有重要意義。

圖1：股票市場市值/銀行對私人部門信貸的國際比較

與此同時，非金融企業部門杠桿率居高不下已為我國主要的系統性風險點（茍文均等，2016）[1]。2008年美國次貸危機以來，我國非金融企業部門杠桿率顯著攀升，雖然2015年實施供給側結構性改革后有所下降，但該指標在2020年底達到160.6%，遠高于發達經濟體103.8%和新興市場經濟體119.9%的平均水平（見圖2）。

圖2：非金融企業部門杠桿率的國際比較（%）

金融結構是否會通過影響企業部門杠桿率進而影響系統性風險？在不同經濟發展水平下，國家（地區）金融結構對系統性風險的影響是否有差異?我國正處于經濟轉型的關鍵階段，探究不同經濟發展水平國家（地區）的金融結構對系統性風險的影響，對我國增強金融韌性、建立前瞻性風險防控機制具有重要意義。

鑒于此，本文基于2008—2020年44個國家（地區）的跨國面板數據，分析了金融結構對系統性風險的影響，并探究企業部門杠桿率的中介效應。本文的邊際貢獻主要有以下三點：第一，從研究視角上，現有文獻大多從金融體系的脆弱性角度解釋系統性風險的成因，較少從金融結構層面展開研究，這將導致難以從制度層面有效預防和應對金融風險。因此，本文從金融結構理論出發，探究不同金融結構對系統性風險的影響，為我國金融供給側結構性改革和防范化解系統性風險提供有益參考。第二，從研究方法上，現有少量文獻主要研究金融結構對系統性風險的直接影響，較少關注其中的影響機制。本文將企業部門杠桿率納入研究框架，檢驗金融結構對系統性風險的影響機制，厘清企業部門杠桿率在金融結構影響系統性風險中的作用機制，能夠為我國非金融企業穩杠桿政策提供經驗證據。第三，從研究對象上，已有研究大都選取發達國家，而這些國家金融發展相對成熟，對新興市場國家缺乏參考價值。因此，本文將發展中國家考慮在內，增強了研究的科學性，對新興市場國家優化金融結構和防范系統性風險更具有啟示意義。

二、文獻綜述

系統性風險的成因可歸納為內因和外因兩個部分。內部因素是金融體系自身的脆弱性，主要包括金融機構的脆弱性和金融市場的脆弱性兩個方面。一方面，金融機構的高杠桿性、流動性錯配、非息收入占比過高和金融機構之間的復雜網絡聯系帶來的負外部性等特征直接導致金融機構的內在脆弱性，給整個金融體系帶來風險，當面臨較大幅度的沖擊時風險傳染更嚴重，易造成系統性風險（Silva，2019；Brunnermeier等，2020）[2，3]。另一方面，金融市場的親周期性、過度創新和跨境資本流動使金融市場具有內生不穩定性，并進一步放大金融風險，加大系統性風險的發生頻率（關筱謹等，2021；龐念偉，2021）[4，5]。外部因素主要基于宏觀經濟環境進行研究。例如，金融體系對外部條件的變化十分敏感，歐陽資生等（2021）[6]研究發現經濟政策不確定性與系統性風險之間存在因果關系，Abuzayed等（2021）[7]指出極端事件的沖擊會導致系統性風險的集聚和爆發。

關于金融結構對系統性風險的影響，現有研究尚未達成一致，主要有以下三種觀點：一是認為金融結構市場化程度提高會降低系統性風險。Ji等（2019）[8]以中國的商業銀行為研究對象，發現金融結構市場化能通過增強企業的償債能力、減緩銀行的信貸增速和加強對銀行的監管來降低系統性風險。二是認為金融結構市場化程度提高會增加系統性風險。Bavoso（2018）[9]以歐盟的資本市場為研究對象，發現市場主導型融資渠道的過度發展造成金融市場過度創新，使資產證券化和企業債券泛濫，由此推高宏觀杠桿率，加劇金融體系的脆弱性，并加大系統性風險。三是認為金融結構對系統性風險的影響是非線性的。夏越（2021）[10]用中國省級面板數據進行實證研究，發現金融結構對系統性風險的影響依賴于某些條件（如經濟發展水平）的變化而呈現出非線性變化的趨勢。Bats和Houben（2020）[11]以22個OECD國家為研究對象，發現在不考慮外部因素的影響時，金融結構與系統性風險的非線性關系依然成立。

可以看出，現有文獻對金融結構與系統性風險的關系進行了研究，取得了一定的成果，但仍有待完善：第一，關于金融結構對系統性風險影響的研究較少，且學者們尚未形成共識。第二，金融結構影響系統性風險的機制尚不清晰，鑒于企業部門杠桿率高企的現實特點，有必要進一步拆解金融結構通過企業部門杠桿率影響系統性風險的機理。第三，已有研究樣本主要以發達國家為主，金融全球化下，發達國家與新興市場國家風險相互影響，且金融結構與企業杠桿率都有所差異，有必要將新興市場國家納入實證范圍。

三、理論分析與研究假設

（一）金融結構與系統性風險

金融結構市場化程度提高可以抑制系統性風險的發生。其作用機制主要有以下四個方面：一是金融市場通過向投資者提供多樣化金融工具，實現風險的橫向分散。根據投資組合理論，投資者將不同期限、不同“風險—收益”結構的金融工具靈活組合，實現不同金融風險的橫向分散。二是金融市場通過資產價格信息的顯示，有效改進金融風險管理，增強金融體系的抗風險能力。根據信息不對稱理論，金融市場中各類金融工具的價格具有公開揭示并傳遞代理人私人信息的作用，這成為風險管理特別是風險測度的信息源。金融市場的信息披露功能緩解了信息不對稱問題，從而極大提升了金融風險管理的有效性。三是金融市場通過向企業提供多元化融資渠道，分散銀行風險承擔水平，降低高杠桿金融機構的系統性風險。基于融資約束理論，金融市場的發展是緩解企業融資約束的根本途徑，處于市場主導型金融結構中的企業大部分融資來自股權，債務違約風險較低，減少了對高杠桿金融機構的依賴，有助于降低銀行部門的系統性風險。四是金融市場提升金融資源配置效率，避免金融風險過度集中。根據金融深化理論，市場作為主體具備對資源實施有效配置的能力，金融市場能通過為市場上高效率、高技術以及高資本利用率的實體企業提供金融資源，防止由于資源錯配致使金融風險快速集聚（劉立新和李鵬濤，2019）[12]。

反之，金融結構銀行化程度提高會加大系統性風險的發生頻率。原因主要有以下三點：一是信貸市場存在“信貸歧視”，導致銀行主導型金融結構的金融資源配置效率不高，從而使金融風險快速集聚。二是在銀行主導型金融結構中，往往存在眾多中小銀行，其風險會呈現“涌現”現象，觸發級聯故障引發系統性風險（范小云等，2021）[13]。三是大量金融機構面臨風險約束引起宏觀杠桿順周期將加劇系統性金融風險的產生（Cincinelli等，2021）[14]。因此，本文提出研究假設1。

假設1：金融結構市場化程度提高會降低系統性風險。

（二）經濟發展水平的異質性影響

當經濟發展水平不同時，金融結構對系統性風險的影響具有異質性。當經濟發展水平較低時，金融市場發展水平也較低，金融結構一般屬于銀行主導型，可能存在銀行壟斷造成的信貸市場不完善，導致金融資源錯配日益嚴重，使金融風險快速集聚（Batuo等，2018）[15]。此時金融市場的發展壯大提高了金融資源配置效率，有效降低了銀行高杠桿誘發的系統性風險。然而金融市場規模擴張具有一定的慣性，當經濟發展水平較高時，伴隨著金融自由化程度不斷深化的市場主導型金融結構通常更易引發信貸擴張和資產價格泡沫，此時金融結構市場化程度提高降低系統性風險的邊際效應逐漸遞減。因此，本文提出研究假設2。

假設2：金融結構市場化程度提高對不同經濟發展水平國家系統性風險的降低作用具有異質性：當經濟發展水平較低時，降低作用較強；當經濟發展水平較高時，降低作用較弱。

（三）企業部門杠桿率的中介效應

一方面，金融結構市場化程度提高可以降低企業部門杠桿率。具體來看，一是金融市場通過替代效應降低企業部門杠桿率。在市場主導型金融結構中，企業以股權融資為主，對債務產生顯著的替代效應，使杠桿率相對較低。二是金融市場通過激勵效應降低企業部門杠桿率。資本市場的信息披露機制對企業的經營業績形成外在約束，有效地激勵企業提高經營效率、縮減負債規模，并降低杠桿率（陳志強等，2019）[16]。三是金融市場通過競爭效應降低企業部門杠桿率。金融市場的發展完善會對銀行產生沖擊，促使銀行增強自身業務能力，提高信貸資金配給效率，從而降低企業部門杠桿率（李娟等，2020）[17]。

另一方面，企業部門杠桿率升高會加大系統性風險，因此，降低企業部門杠桿率有助于系統性風險的降低。一是杠桿率較高的企業在遭受外部沖擊時，債務違約的風險增加，系統性風險加大（Cecchetti和 Kharroubi，2012）[18]。二是由于“金融加速器”機制，企業部門杠桿率攀升易造成資產價格的過度波動，并通過風險傳染效應引發系統性風險。三是由于“擠出效應”的作用，企業部門高杠桿會加劇金融錯配，造成金融風險集聚。當企業部門杠桿率水平不斷增加時，金融錯配背景下擁有融資優勢的低效率企業會對高效率企業產生“擠出效應”，促使金融資源不斷流向自身，而高杠桿企業易出現債務積壓問題，造成金融風險集聚（寧薛平和張慶君，2020）[19]。四是過度利用杠桿的企業股價崩盤風險會增加，加劇系統性風險。企業部門杠桿率偏離通過增加企業與外界的信息不對稱程度，加大管理層隱藏負面消息的動機，使股價崩盤風險的概率增加，從而加劇系統性風險（鄭麗雅和易憲容，2022）[20]。

綜合前文對金融結構、企業部門杠桿率和系統性風險的分析，本文認為金融結構市場化程度提高會降低系統性風險，同時，金融結構市場化程度提高也會降低企業部門杠桿率，而企業部門杠桿率降低會推動系統性風險的降低。因此，企業部門杠桿率在金融結構和系統性風險之間發揮中介作用。基于此，本文提出假設3。

假設3：企業部門杠桿率具有中介效應，金融結構市場化程度提高會通過降低企業部門杠桿率而降低系統性風險。

四、研究設計

（一）計量模型設定

為驗證假設1和假設2，本文構建了金融結構與系統性風險關系的計量模型：

其中，i表示國家，i=h時，樣本為高收入國家；i=l時，樣本為中低收入國家。t則表示年份。被解釋變量LNSRISKi,t代表i國家t期的系統性風險水平，解釋變量FSi,t度量了金融結構。Xi,t表示控制變量集合，ui表示各國家的個體效應，ηt代表時間效應，εi,t為隨機誤差項，且服從獨立同分布。

為驗證假設3，本文在模型（1）的基礎上進一步構建中介效應模型：

圖3：金融結構影響系統性風險的理論框架

其中，中介變量LNLEVi,t代表i國家t期的企業部門杠桿率，其他變量和系數的含義與模型（1）保持一致。

（二）變量說明

1.被解釋變量：系統性風險指數。Brownlees和Engle（2017）[21]提出的系統性風險指數（SRISK）表示當危機影響整個金融系統時特定金融機構的預期資本短缺。為了增強數據可比性和減少異方差的影響，本文對其取自然對數，記為LNSRISK，作為系統性風險的代理變量。

2.核心解釋變量：金融結構指數。本文參考譚小芬等（2019）[22]的做法，從金融結構活躍度、金融結構規模、金融結構效率三個維度衡量國家（地區）的金融結構，并用主成分分析法得到金融結構市場化程度的綜合指標，記為FS，此指標值越大，表明金融結構越傾向于市場主導型。金融結構活躍度指標用股票市場活躍度與銀行活躍度之比表示，其中，股票市場活躍度用股票市場交易總額占GDP的比重進行衡量，銀行活躍度用銀行對私人部門的信貸占GDP的比重進行衡量。金融結構規模指標用股票市場規模與銀行規模之比表示，其中，股票市場規模用股票市場市值占GDP的比重進行衡量，銀行規模用銀行對私人部門的信貸占GDP的比重進行衡量。金融結構效率指標用股票市場效率與銀行效率相乘表示，其中，股票市場效率用股票市場交易總額占GDP的比重進行衡量，銀行效率用銀行凈利潤占總資產的比重進行衡量。

3.中介變量：非金融企業部門杠桿率。本文借鑒江紅莉和劉麗娟（2020）[23]的做法，用非金融企業部門的國內信貸占GDP的比重作為企業部門杠桿率的代理變量，并對其取對數，記為LNLEV，該指標值越大，說明企業部門杠桿率越高。

4.控制變量。參考Bats和Houben（2020）[11]、朱凱和王君（2020）[24]的做法，并結合研究的具體問題，本文選取以下變量為控制變量：（1）銀行集中度（LNBSC），用國家（地區）最大的三家商業銀行的總資產占所有商業銀行總資產的比重作為銀行集中度的代理變量，并對其取對數；（2）銀行非利息收入（LNBNI），用銀行的非利息收入占總收入的比重作為銀行非利息收入的代理變量，并對其取對數；（3）通貨膨脹率（DFL），用GDP平減指數作為通貨膨脹率的代理變量；（4）經濟增長速度（RGDP），用GDP年度增長率來衡量經濟增長速度。

（三）數據來源

本文以2008—2020年44個國家（地區）的面板數據為研究樣本①。樣本國家（地區）廣泛分布于世界各地，既包括發達國家，又包括新興市場國家，經濟發展水平和金融結構各不相同。因此，本文的研究樣本具備一定的代表性。系統性風險指數來源于美國紐約大學斯特恩商學院波動實驗室（New York University Stern's Volatility Laboratory），金融結構指數、銀行集中度和銀行非利息收入相關的數據來源于全球金融發展數據庫（GFDD），非金融企業部門杠桿率的相關數據來源于國際清算銀行（BIS），其他變量數據均來自世界銀行的世界發展指標庫（WDI）。對于部分缺失數據，本文采用插值法進行補充，以盡量保證數據的連續性。

（四）描述性統計

本文主要變量的描述性統計結果如表1所示。在樣本區間內，系統性風險指數的均值為2.26，最大值為7.20，最小值為-3.91，偏度為-0.21，峰度為2.24，表明不同年份、不同國家（地區）之間系統性風險的差異較大，且呈左偏的尖峰分布。金融結構指數的最大值和最小值分別為7.42和-2.18，偏度和峰度分別為3.43和17.16，表明不同年份、不同國家（地區）的金融結構存在較大差異，且呈右偏的尖峰分布。企業部門杠桿率的均值為4.36，最大值達到5.83，最小值為2.63，偏度為-0.39，峰度為3.12，表明在觀測期內主要國家（地區）的企業部門杠桿率處于較高水平，但在觀測期內不同國家的企業部門杠桿率水平差異較大，且呈左偏的尖峰分布。

表1：變量描述性統計

五、實證結果與分析

（一）金融結構對系統性風險的影響

本文運用基準回歸模型（1）對金融結構與系統性風險的關系進行檢驗，鑒于本文使用的是跨國（地區）面板數據，通過F檢驗和Hausman檢驗確定應使用個體時間雙固定效應模型。回歸結果如表2所示。

表2：基準模型回歸結果

表2列（1）描述了在未加入任何控制變量時金融結構與系統性風險的關系，金融結構指數的估計系數為負并在1%的水平上顯著，說明金融結構市場化程度提升可以顯著降低系統性風險；列（2）為納入所有控制變量后的回歸結果，金融結構指數的回歸系數仍然為負并在5%的水平上顯著，初步說明估計結果是穩健的。由此，假設1得證，即金融結構市場化程度提高有利于降低系統性風險。

為了進一步檢驗金融結構對不同經濟發展水平國家（地區）系統性風險影響的差異，根據世界銀行的分類標準將全樣本分為高收入國家（地區）與中低收入國家（地區）兩個子樣本，并進行實證檢驗②。回歸結果如表2列（3）、列（4）所示。結果顯示，無論是高收入國家（地區）還是中低收入國家（地區），市場主導型金融結構均對系統性風險起到降低作用。從費舍爾組合檢驗的經驗P值可以看出，中低收入國家（地區）的金融結構指數的估計系數的絕對值顯著大于高收入國家（地區）。由此，假設2得證，即金融結構市場化程度提高降低了系統性風險，但對不同經濟發展水平國家（地區）的影響存在異質性，對中低收入國家（地區）的降低作用顯著強于高收入國家（地區）。

（二）內生性檢驗

上述關于金融結構影響系統性風險的基準回歸中，可能存在兩個內生性問題：一是可能遺漏重要變量，導致誤差干擾項與解釋變量相關；二是核心解釋變量金融結構指數與被解釋變量系統性風險指數之間可能存在雙向因果關系。因此，本文通過增加控制變量、移動平均處理法和工具變量法解決內生性問題。

1.排除遺漏變量造成的內生性問題。為了最大程度上減輕遺漏變量造成的內生性問題，本文參考劉曉光等（2019）[25]的做法，進一步控制了資本賬戶開放度（KAOPEN）和貿易依存度（TOPEN）。關于資本賬戶開放度，用KAOPEN指數衡量，通過IMF每年發布的《匯兌安排與匯兌限制年報》中給出的信息，分析得到各國對資本賬戶子項目的限制情況，從而計算得出各個國家（地區）的資本賬戶開放度。對于貿易開放度的衡量，用進出口總額占GDP的比重作為貿易開放度的代理變量。估計結果如表3列（1）所示。

估計結果顯示，金融結構指數的估計系數在5%的顯著性水平上為負，說明本文結論穩健，即金融結構市場化程度提高使系統性風險降低。

2.移動平均處理法。本文采用取五年移動平均值的方式重新構造金融結構指數，估計結果如表3列（2）所示。估計結果顯示，金融結構指數的估計系數為負并在1%的水平上顯著，說明金融結構與系統性風險的負向關系仍然成立。

表3：基準模型的內生性及穩健性檢驗回歸結果

3.工具變量法。本文借鑒盛斌和景光正（2019）[26]的做法，選取金融結構指數的滯后一期作為工具變量。表3列（3）顯示，由不可識別檢驗結果可知，K-Paaprk LM統計量值通過了1%的顯著性檢驗，表明工具變量滿足可識別性；弱工具變量K-Paaprk F檢驗的結果顯示拒絕原假設，表明選取的工具變量有效。利用工具變量法控制內生性問題后，金融結構市場化程度提高對系統性風險的降低效應仍成立。

（三）穩健性檢驗

為了檢驗金融結構對系統性風險的影響是非隨機的，本文通過替換解釋變量、替換被解釋變量和動態面板估計驗證基準回歸結果是否可靠。

1.替換解釋變量。本文參考譚小芬等（2019）[22]的做法，用金融結構規模指標替換解釋變量，即使用股票市場市值與銀行對私人部門的信貸之比作為金融結構的另一種度量方式，并進行對數化處理，記為LNFS2，估計結果如表3列（4）所示。估計結果顯示，金融結構指數的估計系數仍為負并在1%的水平上顯著，說明本文的估計結果具有較好的穩健性。

2.替換被解釋變量。用系統性壓力綜合指數（CISS）來衡量系統性風險，數據來源于歐洲中央銀行（ECB）統計數據庫③，估計結果如表3列（5）所示。估計結果顯示，金融結構指數的估計系數仍為負并在1%的水平上顯著，再次驗證了金融結構市場化程度提高能夠降低系統性風險。

3.動態面板估計。為了克服由于模型設定導致的估計偏誤問題，本文將被解釋變量進行滯后一期處理，建立動態面板模型：

采用系統GMM方法對模型（4）進行估計，從表3列（6）的估計結果可以看出，Hansen檢驗的P值和AR（1）、AR（2）的P值均通過相關檢驗，表明工具變量設定合理且不存在序列自相關；金融結構指數的估計系數顯著為負，則表明改變模型設定后，本文的結果仍然是穩健的。

（四）中介機制檢驗

1.中介機制分析。本文構建中介效應模型探究企業部門杠桿率的中介作用，表4為相關檢驗結果。列（2）描述了金融結構對企業部門杠桿率的影響，金融結構指數在10%的水平上顯著為負，表明金融結構市場化程度越高，企業部門杠桿率越低。列（3）描述了在金融結構不變的情況下企業部門杠桿率對系統性風險的影響，企業部門杠桿率在1%的水平上顯著為正，表明企業部門杠桿率越高，系統性風險越高，中介效應成立。同時，在加入企業部門杠桿率后，金融結構指數對系統性風險的影響系數仍然顯著，表明企業部門杠桿率發揮的是部分中介效應，假設3得證。

表4：中介效應檢驗回歸結果

2.中介效應的內生性檢驗。為了避免內生性因素導致回歸結果有偏的問題，本文將被解釋變量進行滯后一期處理，并采用系統GMM方法對中介效應進一步估計，估計結果如表5所示。各模型均通過了Hansen檢驗和AR（1）、AR（2）檢驗，表明系統GMM的實證結果是可靠的；中介檢驗結果與前文基本一致，說明中介效應具有穩健性。

表5：中介效應的內生性檢驗

3.中介效應的穩健性檢驗：（1）替換解釋變量。如前文，用LNFS2指標替換解釋變量，估計結果如表6所示。檢驗結果與前文基本一致，說明假設3的結論具有穩健性。（2）更換檢驗方法。為進一步驗證企業部門杠桿率在金融結構與系統性風險的關系中發揮的中介效應，本文采用Sobel檢驗法和Bootstrap法對中介效應進行穩健性檢驗，結果如表7所示。以FS為解釋變量時，Sobel檢驗的Z值顯著為負，表明企業部門杠桿率的中介效應顯著存在，并且中介效應的占比為23.07%。同樣地，以LNFS2為解釋變量的Sobel檢驗結果也證實了企業部門杠桿率發揮的中介作用。

表6：替換解釋變量的中介效應穩健性檢驗

六、進一步研究

（一）門檻效應

1.門檻效應的檢驗。前文從線性關系角度分析了金融結構對系統性風險的影響，為了進一步探究金融結構與系統性風險的關系是否具備門檻特征，本文建L立了金融結構對系統性風險影響的面板門限模型：

其中，I(*)是指示函數，FSi,t是門檻變量，Υ1是門檻值。I(*)函數值取決于門檻變量與門檻值之間的大小關系：當括號內表達式為真時，函數值取1，否則取0。

依次進行單一門檻、雙重門檻與三重門檻的檢驗，檢驗結果如表8所示。可以看出，單一門檻效應在1%的水平上顯著，雙重門檻效應在10%的水平上顯著，三重門檻效應不顯著，說明金融結構與系統性風險之間存在顯著的雙門檻特征。接下來，本文對門檻估計值展開分析，表9給出了門檻的估計值以及相應的置信區間。

表8：門檻效應檢驗

表9：門檻估計結果

2.門檻回歸結果。對金融結構與系統性風險的雙重門檻模型進行參數估計，估計結果如表10所示。當金融結構指數低于第一門檻值0.61，即金融結構市場化程度較低時，其系數估計值是-1.0646，并在1%的水平上顯著為負；當金融結構指數高于第一門檻值0.61且低于第二門檻值0.74時，其系數估計值變為-0.6701，并在1%的水平上顯著為負；當金融結構指數高于第二門檻值0.74時，其系數估計值變為-2.7873，并在1%的水平上顯著為負。綜上可知，金融結構市場化程度提高對系統性風險的降低作用是非線性的，當金融結構指數較低（位于第一門檻值以下）或較高（超過第二門檻）時，金融結構市場化程度提高對系統性風險的降低作用更強。原因可能在于，當金融市場發展水平較低時，金融結構一般為銀行主導型，大多數企業只能通過銀行系統進行融資，致使企業杠桿率高位運行，推高系統性風險，這時金融市場的發展不僅有利于提高金融資源配置效率，而且能降低企業杠桿率，從而使系統性風險降低；當金融市場進一步發展時，融資規模的增長速度可能超過實體經濟的發展需求，從而使得大量信貸資金“脫實向虛”，在金融監管制度滯后的情況下，導致嚴重的資產泡沫和高杠桿問題，使金融結構市場化對系統性風險的降低作用減弱；此后，為了應對新的潛在風險，金融監管體系往往會不斷調整，加之多元化、多層次的金融機構體系和金融市場體系日益完善，金融結構市場化程度提高對系統性風險的降低作用逐漸增強。

表10：門檻模型回歸結果

（二）調節效應

1.調節效應分析。前文的基準回歸結果表明，從總體上看，金融結構市場化程度較高的國家（地區）的系統性風險低于金融結構市場化程度較低的國家（地區），但是，金融結構對系統性風險的影響也許會因國家（地區）特征的不同而不同。例如，國家（地區）國民儲蓄率和銀行經營水平的不同會對金融結構和區域性金融風險造成顯著影響（楊天宇和朱光，2021）[27]；國家（地區）政府治理能力的不同也會對金融結構和金融風險產生影響。因此，本文將進一步從國民儲蓄率、銀行經營水平以及政府治理能力三個方面考察金融結構對系統性風險的影響，構造模型如下：

其中，MODERi,t表示調節變量。本文用國民總收入減去總消費加上凈轉移支付占GDP的比重對國民儲蓄率（SAVE）進行衡量，變量取值越大表示國民儲蓄率越高，數據來源于世界銀行的世界發展指標庫（WDI）；用銀行的資產收益率對銀行經營水平（ROI）進行衡量，變量取值越大表示商業銀行經營越穩健，數據來源于全球金融發展數據庫（GFDD）；用公眾話語權與政府問責的指標對政府治理水平（IG）進行衡量，變量取值越大表示政府治理能力越強，數據來源于世界銀行的世界治理數據庫（WGI）。

表11列（1）的估計結果顯示了國民儲蓄率在金融結構影響系統性風險中的調節作用。金融結構指數與國民儲蓄率交互項的系數顯著為正，說明國民儲蓄率的增加會減弱金融結構市場化程度提高對系統性風險的負向影響，原因可能是國民儲蓄率水平提高會帶動投資，造成企業部門杠桿率高企，加大整體系統性風險，從而弱化了金融結構市場化程度提高對系統性風險的降低作用。列（2）的估計結果顯示了銀行經營水平在金融結構影響系統性風險中的調節作用。金融結構指數與銀行經營水平交互項的系數顯著為負，說明國家（地區）的銀行經營水平的提高會增強金融結構市場化程度提高對系統性風險的負向影響，即金融結構市場化程度提高對系統性風險的負向影響在銀行經營穩健的國家（地區）會更強，原因可能是銀行的穩健經營使銀行系統性風險下降，有利于整體系統性風險的降低，從而強化了金融結構市場化程度提高對系統性風險的降低作用。列（3）的估計結果顯示了政府治理能力在金融結構影響系統性風險中的調節作用。金融結構指數與政府治理能力交互項的系數顯著為負，說明國家（地區）的政府治理能力的提升會增強金融結構市場化程度的提高對系統性風險的負向影響，原因可能是公眾話語權與政府問責從促進政府廉政建設、提高政府透明度和提高公共資金使用效率等方面提升政府治理能力，有利于提高防范系統性風險的能力，從而強化了金融結構市場化程度提高對系統性風險的降低作用。

表11：調節效應檢驗結果

上述實證結果意味著，較低的國民儲蓄率、穩健的銀行經營水平和較強的政府治理能力會增強金融結構市場化程度提高對系統性風險的降低作用。

2.調節效應的內生性檢驗。為了避免內生性因素導致的回歸偏誤，本文將被解釋變量進行滯后一期處理，建立動態面板模型，并采用系統GMM方法對模型（6）進行重新估計，估計結果如表12所示。各模型均通過了Hansen檢驗和AR（1）、AR（2）檢驗，表明系統GMM的實證結果是可靠的；檢驗結果與前文基本一致，說明調節效應具有穩健性。

表12：調節效應的內生性檢驗回歸結果

七、結論與啟示

本文基于2008—2020年44個國家（地區）的面板數據，研究了金融結構對系統性風險的影響以及企業部門杠桿率的中介效應。主要結論是：第一，從全樣本看，金融結構與系統性風險之間存在顯著的負相關關系，即金融結構市場化程度越高，系統性風險越低。第二，金融結構對系統性風險的影響在不同經濟發展水平的國家（地區）間表現出一定的異質性，即金融結構對系統性風險的負向影響在經濟發展水平較低的國家（地區）中表現得更加明顯。第三，金融結構市場化程度提高通過降低企業部門杠桿率抑制系統性風險。第四，金融結構對系統性風險的影響存在雙門檻特征，當金融結構指數位于第一門檻值（0.61）和第二門檻值（0.74）之間時，金融結構市場化程度提高對系統性風險的降低作用最弱。第五，國家（地區）較低的國民儲蓄率、穩健的銀行經營水平和較強的政府治理能力會顯著增強金融結構市場化程度提高對系統性風險的抑制作用。

結合研究結論，本文得到以下啟示：第一，堅持金融供給側結構性改革，持續推動資本市場高質量發展。一方面，繼續優化金融結構，發展多層次資本市場，提升直接融資的比重，平穩有序地推進非金融企業去杠桿；另一方面，著力提升資本市場的市場化水平，發揮市場的信息披露等功能，使資本市場成為促進市場競爭的力量，通過提升我國金融結構市場化程度來提升經濟金融韌性，降低系統性風險。第二，強化金磚銀行在新興市場中的作用，連接不同經濟發展水平國別之間的金融配置，減少金融結構國別異質性對系統性風險的影響，發揮金融在“一帶一路”中的引領作用。第三，推進RCEP貿易圈，連接歐亞大陸，聯結歐洲金融結構與亞太金融結構，發揮較高及較低金融結構市場化程度國家（地區）的風險韌性優勢，促進歐亞大陸雙循環。

注：

①這些國家（地區）包括阿根廷、澳大利亞、奧地利、比利時、加拿大、瑞士、瑞典、中國、哥倫比亞、捷克、德國、丹麥、西班牙、芬蘭、法國、英國、希臘、中國香港、匈牙利、印度尼西亞、印度、愛爾蘭、以色列、意大利、日本、韓國、盧森堡、墨西哥、馬來西亞、荷蘭、挪威、新西蘭、波蘭、葡萄牙、俄羅斯、沙特阿拉伯、瑞典、泰國、土耳其、美國、南非、越南、新加坡和巴西。

②根據世界銀行的分類標準，高收入國家（地區）有：奧地利、澳大利亞、比利時、加拿大、捷克、丹麥、芬蘭、法國、德國、希臘、中國香港、匈牙利、愛爾蘭、意大利、以色列、日本、韓國、盧森堡、荷蘭、新西蘭、挪威、波蘭、葡萄牙、沙特阿拉伯、新加坡、西班牙、瑞士、瑞典、英國和美國；中低收入國家（地區）有：阿根廷、巴西、中國、哥倫比亞、印度、印度尼西亞、馬來西亞、墨西哥、菲律賓、俄羅斯、南非、泰國、土耳其和越南。

③選取該數據庫中包含的所有國家即奧地利、比利時、中國、德國、西班牙、芬蘭、法國、英國、愛爾蘭、意大利、荷蘭、葡萄牙和美國共13個國家作為樣本。