融資結構與金融危機：跨國數據的經驗分析

周玉琴 董黎明

（1.重慶師范大學經濟與管理學院，重慶401331；2.河南省社會科學院 統計與管理科學研究所，河南 鄭州451450）

一、引言

當前，金融危機發生的深度和頻率都呈加重趨勢，危機發生國出現資本市場暴跌和金融機構倒閉等問題，對實體經濟造成重大影響。雖然我國目前尚未發生過重大金融危機，即使2008年美國金融危機，相對西方國家來說我國的影響也要間接、滯后、輕微一些，但并不意味著可以對潛在的風險和隱患掉以輕心。全面建設社會主義現代化國家，應“圖之于未萌，慮之于未有”，加快構建與完善金融危機預警機制，打好防范化解系統性金融風險的攻堅戰。

已有金融危機相關文獻分別從警義的明確[1-2]、警源的尋找[3]、警兆的分析[4]和預警的實現[5]做了諸多探索。然而，由于導致金融危機爆發和傳播的因素很多，每次金融危機的觸發事件并不相同，數量眾多的指標體系易模糊重要信息，并且多重危機共生性現象的存在使預警效果較差。不同于已有文獻，本文在警兆指標的選擇上不關注與金融危機相關的全面指標，僅從金融危機爆發根源角度探索關鍵因素以對危機進行預警。

現有主要觀點認為金融危機產生的機理包含金融脆弱性[6]、政府行為[7]、宏觀經濟[8]、金融變革[9]等。不可否認，這些因素對金融體系的穩定運行具有重要影響，但任意一個單獨的因素都不足以解釋所有的金融危機，深入分析發現這些因素都與“資金”具有密切聯系。如擴張性財政政策和貨幣政策、金融自由化和金融創新使金融體系能夠為實體經濟提供更多資金。同時，宏觀經濟中的產業結構失衡、收入不平等的原因之一是資金投向結構不平衡。因此，本文認為這些因素引發金融危機的關鍵在于實體經濟與金融體系并存形成的特定融資結構不協調，而這方面的研究比較缺乏。

從總量上看，金融體系為實體經濟提供融資服務，忽視了生產要素在實體經濟內部的分配情況。本文從結構出發，將實體經濟細分到各子部門，金融體系分別對這些部門提供相應的資金支持促進實際生產。各部門融資與生產的對應關系，即融資結構，反映了各部門是否流入過多或過少的資金，此處的過多或過少不是體現在資金總量，而是表現在某個部門。在資金總量一定的條件下，某個部門流入過多資金，意味著其他部門得到的資金支持相對不足，一定程度上反映了資金在不同部門間配置的不協調關系。

二、融資結構不協調與金融危機

本文所稱融資結構協調是各部門融資與生產之間的協調關系，考察金融體系為實體經濟各部門提供資金的過程中，是否與實體經濟各部門均衡持續發展相適應。若各部門融資結構與生產發展速度一致，兩者相互協調，則金融體系對該部門的資金支持是適當的；若兩者發展速度不匹配，則該部門融入過多或過少的資金，與其對經濟的實際貢獻不相適應，將導致部門間發展失衡以及部門的過度發展或發展不足。融資結構一定程度上反映了金融體系與實體經濟結構上的協調關系。值得一提的是，銀行危機、貨幣危機和債務危機主要分別表現在銀行系統、外匯市場以及政府部門，三者相互影響，相互促進，任何一個系統出現問題都會影響另外兩個系統的安全與穩定[10]。

融資結構不協調主要通過價格泡沫、產能過剩和產業結構失衡三個渠道引發銀行危機。本文所稱融資結構不協調反映的是某個部門是否流入過多的資金，若這個部門為房地產業，充裕的資金會推動資產價格上漲以及價格泡沫的形成與膨脹[11]，資金在各部門間配置失調易導致產能過剩和產業結構失衡等問題。有關研究表明價格泡沫增加了銀行危機發生的概率[12]。產能過剩會通過替代效應和收入效應使資金流入其他投資領域造成資產價格泡沫，進而導致危機發生[13]，也可能直接誘發危機[14]。

貨幣危機以匯率大幅波動和儲備減少為特征，其發生的重要原因之一是國際資本流動，很多新興市場國家危機發生前存在大量的外資流入。本文認為外資流入本身并不存在不合理，若這些資金得到合理配置并不會導致貨幣危機。但實際上，大量外資進入后，并未合理地分配到各部門，而是過多地涌入某一個部門，這種不協調配置導致了價格泡沫等問題。這些問題積累大量的不良資產，為避免因本幣貶值造成資本損失，這部分國際資本會迅速大面積撤離，導致匯率崩潰，引發貨幣危機[15]。

當融資結構不協調表現為過多資金流入到政府部門時，其會采取擴張性財政政策，政府支出增加，財政赤字上升，政府債務不斷膨脹。當該國債務超出預算約束還繼續實施擴張性的財政政策，就會導致政府債務規模過大。當債務負擔使政府信用遭到投資者懷疑時，會進一步面臨國內信用和國際信用惡化，政府將無法通過發債而得到資金。最后只能超發貨幣進而導致嚴重的通貨膨脹，投資者從資本市場撤退，經濟衰退，政府稅收收入進一步降低，債務利息卻呈幾何級數增加。債務不能按期償還，勢必引發債務危機。

三、融資結構協調視角下的危機預警指標體系

（一）金融危機預警視角下的國民經濟部門再分類

目前的部門分類主要有機構部門分類和產業部門分類，兩者適用于不同的國民經濟核算和分析領域，但都不能獨立實現融資結構協調的測度。金融體系在整個經濟中具有越來越重要的位置，政府部門對金融系統健康穩定發展具有特殊作用，機構、部門之間的交易對危機預警尤為重要，這些在機構部門分類中得到很好的體現，但產業部門分類主要從生產活動考慮，未能很好反映各部門的經濟收支狀況。同時，制造業、房地產業等部門的經營狀況也影響金融體系的穩定運行，這些生產活動能很好地反映在產業部門分類中，但機構部門分類是通過機構單位分類，不能反映具體的生產狀況，因此有必要基于金融危機預警目的重新建立部門分類。

聶富強和周玉琴（2017）建立了金融安全監測視角下的國民經濟部門分類[16]，雖然考慮了政府部門和重點產業部門對金融體系的影響，但未將國外部門納入其中。全球化下每一個主體都無法避免與其他國家產生交集，一個國家的進出口以及外債對金融穩定有重要影響，因此本文在此基礎上加入國外部門，構建了金融危機預警視角下的國民經濟部門再分類，如圖1所示。

圖1 金融危機預警視角下的國民經濟部門再分類

（二）融資和生產指標

從各部門融資來看，融資快速增長側面反映了融資標準的下降，導致風險較高的企業也能獲得資金，使潛在的系統性風險水平上升。按資金來源不同，融資可分為外源融資和內源融資，其中外源融資又分為債權融資和股權融資[17]。本文主要研究各部門是否流入過多的資金，因此主要從外源融資出發。當債務融資在外源融資中占比很高時，金融體系穩定性下降[18]。Fisher（1933）債務通縮理論表明如果過度投機或過度投資時的資金不是借貸資金（債權融資）就不會造成非常嚴重的影響[19]，高負債會對經濟運行產生負反饋作用，進而導致經濟危機，因此本文僅從債權融資角度建立各部門融資指標。

僅對各部門債權融資而言，雖然各機構、部門已對其資產負債情況進行核算，但對產業部門而言，并未有細分部門的融資數據，這就需要從企業角度出發構建債權融資指標。本文從各部門債權融資總量入手，采用部門資產負債表中的負債或者銀行的分部門信貸與部門所發債券總量替代，如政府部門選用政府債務或政府部門信貸；房地產業選用房地產業信貸或房地產業負債。無論各部門債權融資規模多么巨大，只要有足夠的償還能力，則不會影響金融穩定，因此需選擇一個能體現償還能力的指標作為各部門生產指標，最終實現協調度的測度。實際生產增長會對借方的償債能力產生影響進而威脅金融安全[19]，因此本文運用各部門的增加值指標反映償還能力，也反映各部門在整個國民經濟中的地位。國內生產總值支出法核算中，政府消費和進出口為兩個重要的組成部分，因此進一步運用政府消費和出口收入作為政府部門和國外部門的生產指標。最終各部門融資和生產指標如表1所示，這與已有的金融危機預警相關指標（國內信貸、公共部門債務、總外債、GDP、政府消費、出口等）相適應。

表1 各部門融資和生產指標

（三）協調度指標

為建立危機預警指標體系實現危機預警，需構建各部門的協調度指標以反映該部門是否融資過度或不足。“信用擴張過度”指實體經濟增長速度比信用貨幣膨脹速度慢，按照類似定義，認為各部門的融資指標增長速度快于生產指標增長速度，則該部門流入資金較多。因此，采用比值法，運用偏離度①偏離度為各部門融資指標增長速度與各部門生產增長速度之比減去1。指標與0的距離進行測度，其中x和y分別為各部門的融資指標和生產指標的增長速度。當R指標為0時，意味著融資指標與生產指標增長速度一致，即該部門得到與之匹配的資金支持，R指標越大說明各部門的融資指標與生產指標越不協調。

為避免某部門融資指標與生產指標不協調而發生金融危機，將各部門協調度指標作為金融危機預警指標。本文雖然從融資結構協調視角出發，但只討論結構而忽視總量是不合理的，因此預警指標中需考慮總量指標，即金融體系與實體經濟之間的不協調。由于無法準確監測流入金融體系的資金，運用金融體系對整個國民經濟的貢獻間接反映金融體系的發展程度，將金融保險業增加值比重指標納入預警指標體系中。最終構建的金融危機預警指標體系如表2所示。

表2 危機預警指標體系

②金融保險行業增加值比重，后文簡稱為“金融保險比重”。

相較于已有的危機預警指標體系，本文未分別從宏觀經濟運行、財政風險、貨幣風險、國際收支風險以及銀行風險等角度構建指標，僅基于易引發金融危機的重點部門，從生產要素（資金）入手，在統一框架下建立指標體系，更能體現預警意義，也在一定程度上反映了各方面的風險狀況。此外，傳統的政府部門和國外部門的信貸指標都是以國內生產總值為對比，但是國內生產總值與歸還政府債務和外債直接有關的產值是總量與分量的關系，總量和分量指標的變化并不一定是同向的，即使同向，兩者之間差異也可能較大。因此，各部門的生產指標采取對應的分部門增加值更合理。

四、閾值確定與模型檢驗

（一）數據來源

本文主要變量為金融危機的識別和危機預警指標。就金融危機識別而言，已有文獻主要通過各自定義建立危機數據庫或直接引用他人數據庫，本文為后者。由于缺失危機普遍性定義，綜合運用各種信息確定危機發生時間比運用單一定義確定包含更多信息，有助于解決數據缺失問題，因此本文綜合運用已有文獻確定銀行危機、貨幣危機和債務危機的發生時間。已有學者根據各自定義建立了危機數據庫，其中運用較普遍并且包含樣本更多的主要有Demirgüc和Detragiache（2005）[20]、Reinhart和Rogoff（2011）[2]、Laever和 Valencia（2012）[21]、Babecky 和 Havranek 等（2014）[22]，本文將其分別編號為①、②、③、④，并運用這四個數據庫確定各個國家危機發生的時間。具體說，綜合運用數據庫①、②和④確定各個國家銀行危機發生的時間段，貨幣危機的發生時間根據數據庫②、③和④確定，債務危機是否發生主要依據數據庫③和④。值得一提的是，雖然Dawood和Horsewood等（2017）將危機數據庫更新至2012年，但僅針對主權債務危機[23]，因此本文并未運用這些新的數據庫。

根據以上方法確定各個國家危機發生的時間如表3所示，為保持各個國家一致，本文樣本時間截至2010年。由于預警指標數據的可得性，本文以1997年亞洲金融危機、2008年美國金融危機和2010年歐洲債務危機為重點分析事件，樣本主要包含泰國、菲律賓、馬來西亞、印度尼西亞以及11個OECD成員，即日本、韓國、德國、匈牙利、比利時、瑞士、英國、葡萄牙、愛爾蘭、美國和墨西哥，其中亞洲國家6個、歐洲國家7個、北美洲國家2個①本文所選樣本期間，英國尚未脫離歐盟。。值得一提的是，就本文研究目的（危機預警）而言，更關注各個國家危機發生前各指標的發展趨勢。從Dawood和Horsewood等（2017）數據庫中發現，2010年后新發生的危機次數較少[23]。且本文樣本期間內包含了幾次典型的近代金融危機，因此樣本時間雖僅到2010年，但具有代表性。

表3 危機時間及樣本時間段

本文的危機預警指標主要為各部門協調度，而協調度通過各部門的融資指標和生產指標計算所得。各國政府部門和國外部門的生產指標，即貨物和服務出口、政府消費都來源于聯合國統計司的支出法核算的GDP。其融資指標，即政府債務和外債則來源于世界銀行、wind數據庫、各國央行網站和統計局官網、歐洲中央銀行和亞洲開發銀行。其他部門指標來源于wind數據庫、各國央行網站和統計局官網或采用其他相關數據計算得到。值得一提的是，已有文獻分析企業債權融資時多采用“總負債”指標衡量[24]，并運用“主營業務收入”指標反映企業融入資金經營效率[25]，因此本文運用Capital IQ數據庫中公司進行分行業匯總，計算了美國各部門的負債和收入分別替代為融資和生產指標。此外，各國金融保險行業增加值比重由各國分行業增加值計算得到。

（二）閾值確定

為實現危機預警，需對各指標確定一個閾值以發出危機預警信號。為后續進行樣本外檢驗，將缺失值較多的國家和樣本時間較短的國家放在樣本外，不做分析，即樣本外國家有日本、菲律賓、印度尼西亞、瑞士、葡萄牙、愛爾蘭和墨西哥。本文閾值的設定主要遵循Kaminsky和Lizondo等（1998）提出的方法，通過最小噪音信號比確定各指標閾值[1]，其中基于保守角度將預警區間設置為已有文獻中的最大值（5年），并剔除危機發生期間數據以處理“危機后偏差（post-crisisbias）”。

結果表明（見表4），各部門在各危機形式下指標噪音信號比都小于1（除了國外部門對債務危機預警），說明融資結構協調視角下的危機預警指標體系對銀行危機、貨幣危機和債務危機有一定的預警能力。從噪音信號比最小的角度看，金融保險比重和制造業協調度指標對銀行危機的預警效果較好。金融保險比重、制造業、建筑業、房地產業、國外部門和政府部門協調度指標對貨幣危機的預警效果較好。建筑業和政府部門協調度指標對債務危機預警效果相對較好，其次為房地產業和采礦業。通過各指標的準確率[a/（a+b）]，即所有發出的危機信號中正確預警危機信號的比率，以及正確預測占比[（a+d）/（a+b+c+d）]指標分析表明，制造業協調度指標和金融保險比重指標在銀行危機、貨幣危機中的準確率高達100%。貨幣危機中，除了采礦業，其他部門指標的準確率都為100%。所有部門指標對銀行危機、貨幣危機和債務危機的正確預測率基本高于50%。如果準確率指標為條件概率，則[（a+c）/（a+b+c+d）]為預測危機的非條件概率，本文建立的指標體系中所有指標在各類危機預警中條件概率都大于非條件概率，說明這些指標都是有效的。

表4 指標閾值分析

（三）預警區間選擇

在閾值確定中，將每個指標各類危機的預警區間設置為一致，但由于各部門生產周期以及對金融體系造成的威脅并不一致，需要區分各指標在各類危機中的預警區間。對各指標預警區間的選擇首先根據噪音信號比指標，其次根據正確預測占比指標。就銀行危機而言（見表5），金融保險比重在T=3時噪音信號比為0，正確預測占比為77%，因此其對銀行危機預警時最優預警區間為3年。采礦業協調度指標對貨幣危機預警時在T=1時噪音信號比最小，正確預測占比為91%。總體看（見表6），同一類危機中各指標的最優預警區間不一致，如在貨幣危機中，采礦業、制造業、建筑業和房地產業協調度指標預警區間相對較短，金融保險比重、政府部門和國外部門的協調度指標預警區間相對較長。相同的指標在不同的危機中預警區間也有差異，如采礦業協調度指標對銀行危機和債務危機預警區間相對較長，而對貨幣危機預警區間相對較短。為確定各指標的中長期性，將各危機最優區間均值作為各指標的危機預警區間，即金融保險比重指標為3年，采礦業、制造業、建筑業、房地產業、政府部門和國外部門協調度指標為3.7年、1.7年、2.7年、3.3年、4.3年和2.7年。因此，進一步認為制造業發出的信號為短期預警信號，建筑業和國外部門發出的信號為中長期預警信號，金融保險比重、采礦業、房地產業和政府部門發出的信號為長期預警信號。

表5 預警區間選擇

表6 各指標最優預警區間

（四）模型評估與修正

值得一提的是，若生產指標增長速度大于融資指標增長速度，表明該部門未能得到足夠的資金支持，但有足夠能力償還債務，則很少存在違約的情況，但是易造成實體經濟發展不足反過來影響金融安全，因此本文進一步將D分為兩個部分，即生產指標增長速度大于融資指標增長速度（D1）、生產指標增長速度小于融資指標增長速度（D2），在每一部分中將另一部分的值設置為0，進一步探討哪種情況更易造成危機。前文分析中通過噪音信號比對各指標進行比較，但與最優閾值互相影響，當我們同時比較兩個模型時，可能一個模型的特異度較高，另一個模型的靈敏度較高，即使改變閾值也可能無法判斷哪個模型更優。此時需計算AUC（ROC曲線下面積）做出判斷，其越接近1越好，較大的AUC對應較好的預警模型。

當預警區間設置為5年時（見表7），采礦業指標對銀行危機和貨幣危機預警時，D2的AUC值更大，即使在對債務危機預警時D2的AUC值小于D的AUC，但兩者比較接近，由此可見，采礦業更應采用D2指標。而制造業指標僅在對債務危機預警時D2更優，但也與D指標比較接近，其余危機時D指標更優，因此制造業采用D指標更合適。建筑業指標在各危機中表現具有差異性，在貨幣危機中D2的AUC值更大，在銀行危機中D1的AUC值更大，在對債務危機預警時D值AUC更大。房地產業指標對債務危機和貨幣危機預警時分別是D2和D1更優，對銀行危機預警時D更優。政府部門指標對銀行危機和債務危機預警時D2指標更優，對貨幣危機預警時D1更優。國外部門指標在各類危機中都以D2指標更優。

表7 各部門D1和D2指標AUC

因此，為提高指標預測準確性，將采礦業、政府部門和國外部門D指標修正為采礦業、政府部門和國外部門的D2指標，其閾值如表8所示。相較于D指標，采礦業D2指標在銀行危機、貨幣危機和債務危機中發出信號準確率都更高。政府部門D2指標在銀行危機中發出信號準確率都有所提高，在貨幣危機、債務危機中保持不變。國外部門D2指標在銀行危機和債務危機中發出信號準確率較高，在貨幣危機中未有改變。由此可見，修正后的指標一定程度上提高了發出信號的準確率。

表8 模型修正（D2指標分析）

（五）樣本外檢驗

根據修正后的指標對樣本外國家進行危機預測，結果（見表9）表明，采礦業、建筑業、國外部門指標都未發出貨幣危機信號。就銀行危機而言，采礦業、制造業、房地產業、政府部門、國外部門和金融保險比重指標發出信號準確率大于條件準確率；就貨幣危機而言，房地產業和政府部門指標是有效的；就債務危機而言，僅建筑業和政府部門指標是無效的，其余指標都是有效的。總體看，每一類危機中都有兩個或以上的指標是有效的，并發出危機信號，說明本文建立的指標體系在樣本外預警也是有效的。

表9 樣本外指標分析

國別分析結果（見表10、表11）表明，在銀行危機發生的前5年，僅有日本未發出相應的危機預警信號；在貨幣危機發生的前2年中，印度尼西亞、葡萄牙和墨西哥都未發出相應的危機預警信號；在愛爾蘭債務危機爆發前發出了較多的危機預警信號。總體而言，雖然日本的銀行危機，印度尼西亞、葡萄牙和墨西哥的貨幣危機預警效果不佳，但這是由于日本采礦業、國外部門和政府部門數據的缺失，以及貨幣危機發生前樣本時間較短導致的。

表10 銀行危機預警信號

表11 貨幣危機和債務危機預警信號

五、結論與建議

本文建立的融資結構協調度指標是先行性指標，能對危機提前發出預警信號，其主要通過價格泡沫、產能過剩、產業結構失衡三個渠道引發銀行危機，而貨幣危機和債務危機主要分別通過國外部門、政府部門以及危機間的傳導引發。通過對15個國家數據分析表明，基于融資結構協調視角建立的危機預警指標體系對銀行危機、貨幣危機和債務危機預警均具備有效性。若金融業發展太快或過多的資金流入采礦業、制造業、建筑業、房地產業、政府部門和國外部門，都會提高危機發生概率，但在不同類型的危機中具有差異。雖然預警區間、樣本的選擇對各指標預警效果有一定影響，但在本文研究的各種情況下多數指標都是有效的。通過對預警區間進一步研究發現，制造業發出的信號為短期預警信號，建筑業和國外部門發出的信號為中長期預警信號，金融保險比重、采礦業、房地產業和政府部門發出的信號為長期預警信號，這為宏觀經濟政策制定提供了經驗基礎。囿于數據可得性，本文未對各部門的融資指標進行具體分類，由于融資的期限、種類等對金融體系以及實體經濟的影響并不一致，后續應細化各部門融資，以解決金融危機預警問題，進一步探索融資結構與金融安全之間的關系。

根據本文結論，對防范金融危機提出以下對策建議：第一，探索建立部門融資規模限額約束機制。融資結構不協調是危機發生的重要原因，控制各部門融資規模有利于金融穩定，因此需建立融資規模限額約束機制。探索融資規模限額約束機制，根據不同時期部門發展需求實行動態限額管理，有利于資金的合理配置，預防產能過剩及資產價格泡沫等問題。第二，加快發展實體經濟，防止金融保險業過度膨脹。金融保險業增加值占國內生產總值的比重過高會增加金融危機發生的概率，理論上可以通過抑制金融保險業的發展或加快實體經濟的發展來降低金融保險比重，顯然前者是不合適的，不利于整體經濟發展，因此應注重加快發展實體經濟，提高防御金融風險的能力。第三，在對金融穩定的評估中加入融資結構指標。中國人民銀行分別從經濟金融國內外運行環境以及銀行業、證券期貨業、保險業、金融市場、金融基礎設施等方面對金融運行進行穩健性評估。該評估系統雖然涉及金融體系眾多方面，但對金融體系與實體經濟之間的關系關注不足，尤其是未涉及資金在各部門間的配置情況。融資結構不協調是引發金融危機的重要原因，需將其加入金融安全狀態評估的指標體系中。