經濟政策不確定性與企業部門杠桿率結構性特征研究

崔 婕，關詩燁

(山西財經大學 金融學院，太原 030000)

一、引言

當前宏觀經濟呈現出三期疊加態勢，我國采取各類經濟政策組合來應對經濟新常態，經濟政策不確定性有所上升。截至2020年末，非金融企業部門杠桿率為162.3%，位列三大部門杠桿率之首，成為宏觀杠桿調控重點。經濟政策不確定性上升會使銀行采取緊縮的信貸政策(Guangli Zhang et al，2015)[1]，對于高風險企業而言，需要以更高的融資成本獲得資金，最終導致高低風險企業部門杠桿率出現結構性分化的特征。

金融危機以來，企業杠桿率的結構性特征十分明顯，宏觀政策因素對企業杠桿率的影響重新受到眾多學者的審視。目前，宏觀經濟政策對企業資本結構的影響已經在文獻中得到印證。Korajczyk and Levy(2003)首次研究宏觀經濟因素對微觀企業債務行為的影響，研究企業資本結構在不同經濟周期下的選擇問題[2]。對于財政政策來說，企業部門杠桿率持續推高與財政擴張有關，且存在異質性(周菲等，2019)[3]。財政補貼對非國企以及地方國企有效，而對央企無顯著影響(李建軍和張書瑤，2018)[4]，產業鏈上下游的國企、民企的杠桿率水平會因政府投資建設性支出增加而出現異質性分化(呂煒等，2016)[5]。利率雙軌制會阻礙貨幣政策通過商業銀行向影子銀行傳導進程，使信貸資源配置不均等，最終加劇兩類企業間的杠桿率差異(馬亞明等，2018)[6]。在加息條件下，高風險企業利潤下滑幅度大且貸款規模出現短暫“超調”，促使其杠桿率攀升幅度、持續時間明顯高于低風險企業(陳麗萍等，2019)[7]。

此外，由于經濟政策發布時間、政策的公眾預期等方面均存在顯著的不確定性(Gulen and Ion，2016)[8]，因而在研究政策對轉型經濟體中企業杠桿的影響時，引入經濟政策不確定性更符合當下的實際情況(劉金全和艾昕，2019)[9]。

經濟政策的不確定性會對企業外部融資環境產生負面影響，企業的現金持有、金融資產價格減少，債券的信用評級等級降低，融資成本增加(Pan et al.，2018)[10]，代理成本高、融資約束嚴重的企業對宏觀經濟不確定性的反應更劇烈(顧研等，2018)[11]。同時政策不確定性會產生信息不對稱，影響投資者信心(Ilut and Schneider，2014)[12]，決策者會更傾向于流動性高的金融資產。企業的債務融資成本提高，預防性動機增強，決策更傾向于穩健的“現金為王”，企業的投資水平及融資需求受到沖擊(王紅建等，2014)，最終導致企業杠桿率下降[13]。

經濟政策不確定性上升時，金融中介的放大效應同樣會對企業杠桿產生影響。政策不確定性與金融市場風險息息相關，金融中介作為債權人在面臨經濟政策不確定性沖擊時，會更謹慎地選擇債務人。研究表明，經濟政策不確定性上升會使銀行采取緊縮的信貸政策，企業融資成本提高。與此同時，銀行更傾向于將信貸資源分配給具有隱形違約擔保的企業，以規避風險，進一步導致杠桿分化(紀洋等，2018)[14]。

二、經驗事實

根據裘翔(2014)的理論分析，假定“影子銀行可直接向高風險企業提供融資，而商業銀行只向低風險企業貸款”[15]。本文將構建包含經濟政策不確定性、影子銀行規模和高風險企業杠桿率,經濟政策不確定性、商業銀行貸款和低風險企業杠桿率的MS-VAR模型。從實證角度驗證上述變量之間的互動關系，從經驗上更直觀地把握中國經濟政策變動對企業部門杠桿率的影響機制。

(一)數據來源與變量選取

本文采用2007—2019年季度數據作為研究樣本。指標定義及數據來源如表1所示。

表1 指標定義

(二)實證結果分析

對上述變量進行相關處理，各變量波動率均為平穩序列。分別構建包含經濟政策不確定性、影子銀行規模和高風險企業杠桿率，經濟政策不確定性、商業銀行貸款和低風險企業杠桿率的MSVAR模型。利用馬爾科夫區制轉移模型，分別識別出經濟政策不確定性的高低兩個區制。對不同模型分析比較，確定出最優模型為MSIH(2)-VAR(3)和MSIH(2)-VAR(1)(1)受篇幅所限，模型具體估計結果可向作者索取。。變量排列順序為經濟政策不確定性、金融中介信貸規模變量、高低風險企業杠桿率，估計結果如表2、表3所示。

由表2估計結果可知，在經濟政策不確定性較低的背景下，影子銀行的規模較大，高風險企業的杠桿率較高；而在經濟政策不確定性較高的背景下，影子銀行的規模收縮，高風險企業杠桿率降低。結合實際來看，影子銀行處于監管的灰色地帶，其違法違規亂象一度非常嚴重。2018年資管新規落地實施，影子銀行規模大幅度減少，向影子銀行借貸的高風險企業的債務比也不可避免地受到影響。

由表3估計結果可知，在經濟政策不確定性較低的背景下，商業銀行的貸款規模較小，低風險企業的杠桿率較高；而在經濟政策不確定性較高的背景下，商業銀行向企業的貸款規模擴張，低風險企業杠桿率卻降低。結合實際來看，在經濟政策不確定性低區制下，金融市場對實體經濟的直接融資及政府債券融資大幅增加，低風險企業杠桿率增加。而在經濟政策不確定性較高時，金融中介機構會在相關政策支持下增加對低風險企業的各類貸款額度，擴大對低風險企業的貸款覆蓋面，支持實體經濟發展。但受不確定性風險影響，低風險企業自身融資需求減少，杠桿率有所下降。

表2 高風險企業杠桿率的MSVAR模型估計結果

表3 低風險企業杠桿率的MSVAR模型估計結果

(三)脈沖響應分析

為進一步考察經濟政策不確定性指標、金融中介信貸變量和高低風險企業杠桿率變量間的動態關系，本文采用脈沖響應函數進行分析。如圖1、圖2所示。

1.經濟政策不確定性對金融中介信貸規模的動態影響

對結果進行縱向比對發現，在區制1下，經濟政策不確定性沖擊導致兩類金融中介貸款規模都發生正向變動，但影子銀行的響應速度更快、波動幅度更大，其經過5個單位時間達到最大值0.04，經過30個單位時間后收斂，商業銀行貸款則經過10個單位達到最大值0.0065后收斂。對結果進行橫向比對發現，商業銀行的貸款規模更容易受到經濟政策不確定性的影響。在兩區制轉換中，商業銀行貸款規模收斂值從0.0065變動到0.0136，而影子銀行貸款規模的收斂值為0.028。這反映出，影子銀行常處于監管的灰色地帶，其形成的非正規金融市場對經濟政策的敏感性低，會削弱相關經濟政策的有效性。

2.金融中介規模沖擊對高低風險企業杠桿率的動態影響

對結果進行組間比對發現，高風險企業杠桿率對影子銀行規模沖擊的響應，更容易受到經濟政策不確定性區制變化的影響。較區制1而言，區制2下高風險企業杠桿率的收斂絕對值是區制1的20倍左右，而低風險企業杠桿率在兩區制下的響應變動較小。這表明，高風險企業從影子銀行融資這一渠道更容易受到經濟政策不確定性的影響，也從側面反映出影子銀行管理機制不完善，市場信貸風險上升。

三、理論模型

為解釋上述經驗事實，本文將Christiano et al. (2005)包含銀行體系的動態隨機一般均衡模型作為基礎的分析工具，構建一個同時包含經濟政策不確定性沖擊和影子銀行體系的DSGE模型。

(一)家庭部門

考慮一個包含大量永續生命期家庭的經濟體，每個家庭通過提供勞動獲得收入，并持有證券來抵御工資收入的差別。代表性家庭部門效用最優化問題可以表示為：

(1)

基于t期信息對未來經濟變量的期望值為Et；βt是跨期貼現因子；Ct表示消費；ψL表示勞動負效應的權重；hj,t表示勞動時間；σL表示勞動彈性。

(二)企業部門

借鑒裘翔(2014)對企業風險的異質性劃分，按照企業信用風險大小將其分為高風險企業和低風險企業。

1.低風險企業與商業銀行系統

(2)

(3)

其利潤最大化目標函數為：

(4)

(5)

2.高風險企業與影子銀行系統

同低風險企業家保持一致，高風險企業家最優資本利用率的一階條件為：

(6)

(7)

因為影子銀行完全競爭，所以其經濟利潤為0即：

(8)

對于影子銀行資本金的動態過程而言，其當期的凈值為：

(9)

(三)最終產品生產部門

假定最終產品生產商是完全競爭，最終產品生產商購入中間品Yi,t，最終產品Yt：

(10)

其中，1≤λf≤∞為中間品生產商的加成。通過Yi,t實現利潤最大化。假設給定最終產品的價格Pt和投入的中間品價格Pi,t，代表性最終產品生產商的利潤最大化為：

(11)

在完全競爭環境下，價格水平可以表示為：

(12)

(四)中間產品生產商

假定中間品生產商是壟斷競爭，采取柯布-道格拉斯生產函數Yi,t=Ki,tαLi,t1-α生產異質性中間產品i，中間品生產商生產成本最小化條件為：

(13)

(14)

(五)資本品生產商

(15)

求解可得：

(16)

(六)政府與中央銀行

中央銀行對銀行進行監管，并通過貨幣政策對經濟進行調節。假設中央銀行依據泰勒規則設定均衡利率：

(17)

(18)

另外，本文采用一個簡單外生的財政支出規則，ηg為政府的財政支出占GDP的比率。

Gt=(ηgYt)exp(μgt)

(19)

(20)

μgt刻畫了財政政策的不確定性，當σσgc上升時，表明財政政策沖擊μgt的方差變大，即財政政策不確定性上升。

(七)資源約束與市場出清

國內產品的市場出清條件為：

(21)

(22)

(23)

四、參數校準及數值模擬

(一)參數估計、參數校準

本文對有關經濟政策不確定性的參數進行貝葉斯估計。采用經過季節調整的我國2000年第一季度至2017年第四季度 CPI值，將其環比值作為通貨膨脹率的代表變量。參數的先驗假設參考馬亞明、徐洋(2017)等的研究[16]。相關先驗分布和估計結果、部分參數校準取值的匯總結果詳見表4、表5。

表4 相關參數的貝葉斯估計情況

表5 部分參數校準數值

(二)數值模擬

本文用隨機波動率來代表經濟政策的不確定性，并將經濟政策的不確定性分為貨幣政策、財政政策兩個方面。以下是兩類政策不確定性沖擊對企業部門杠桿率的影響，如圖3、圖4所示。

1.貨幣政策不確定性沖擊

圖3為給定貨幣政策波動率的隨機擾動項一個標準單位正向沖擊時，高低風險企業杠桿率等企業情況的脈沖響應圖。在貨幣政策不確定性沖擊下，影子銀行向高風險企業貸款利率增加、貸款規模減少，高風險企業家利潤大幅減少，資本收益率下降，杠桿率升高。對低風險企業家而言，在貨幣政策不確定性沖擊下，商業銀行向低風險企業的貸款規模減少，導致低風險企業家的杠桿率在短時間內有所上升。值得注意的是，雖然在貨幣政策不確定性的沖擊下高低風險企業杠桿率均會有所提升，但高風險企業的杠桿率波動明顯高于低風險企業，這表明貨幣政策不確定性的沖擊對高風險企業的資產負債情況影響更大[17]。

2.財政政策不確定性沖擊

圖4為給定財政政策波動率的隨機擾動項一個標準單位正向沖擊時，高低風險企業杠桿率等企業情況的脈沖響應圖。從圖中可以看出，在財政政策不確定性沖擊下，影子銀行向高風險企業的貸款利率增加，影子銀行的貸款規模減小，高風險企業家利潤急劇下降。高風險企業杠桿率在3期左右產生穩態偏差，達到最高點0.025后，回歸穩態；商業銀行的貸款規模前期快速偏離穩態值，達到最低點-0.002后開始增加。低風險企業家杠桿率在3期左右達到最高點0.005，然后慢慢回落。值得注意的是，雖然在財政政策不確定性的沖擊下高低風險企業杠桿率均會有所提升，但高風險企業的杠桿率波動明顯高于低風險企業，這表明財政政策不確定性的沖擊對高風險企業的資產負債情況影響更大[18]。

五、結論與建議

本文通過MS-VAR模型實證檢驗和DSGE模型理論推導，從企業作為金融中介資金需求者的視角出發，構建同時包含經濟政策不確定性和影子銀行體系的實證和理論模型,研究經濟政策不確定性對中國非金融企業部門杠桿率結構性特征的影響。研究結論表明:(1)高風險企業部門與低風險企業部門會在經濟政策的不確定沖擊下產生明顯分化,在經濟政策不確定性沖擊下, 高風險企業從影子銀行的融資成本變高、高風險企業的利潤快速降低是造成企業部門杠桿率結構性特征的重要原因。(2)影子銀行的存在會給宏觀經濟的穩定性造成潛在威脅。在經濟政策不確定性沖擊下,高風險企業從影子銀行融資這一渠道受到的影響更大,高風險企業杠桿率上升幅度也遠大于低風險企業杠桿率,從而導致市場信貸風險加劇。(3)貨幣政策不確定性與財政政策不確定性對企業杠桿率的影響效果不同,總體而言財政政策不確定性沖擊對企業杠桿率的影響更劇烈。

對于我國宏觀杠桿的調控而言,本文的分析結果具有以下啟示:一是在“去杠桿”政策目標制定過程中,防止“一刀切”戰略,要考慮企業部門杠桿率的結構性特征,并充分認識到經濟政策不確定性對企業杠桿率結構性分化的影響。二是要提高政策透明度,引入前瞻性政策工具,在宏觀經濟政策方面,加強公眾溝通和預期管理,減少經濟政策不確定性發生,主動防范、化解不確定性沖擊的負面影響。三是要推進適應多層次經濟主體需要的資本市場,引導影子銀行體系健康發展。四是要完善跨周期宏觀調控設計,實現穩增長和防風險長期均衡,有效應對經濟形勢中的不確定性問題。