我國非金融企業杠桿率提高會導致系統性金融風險嗎?

收稿日期：2023-10-11

基金項目：甘肅省軟科學研究項目“甘肅省金融風險防范化解對策研究”（22JR4ZA071）

作者簡介：王霞，女，內蒙古五原人，博士，教授，蘭州財經大學中國西北金融研究中心主任，教育部新世紀優秀人才，甘肅省第十四屆人大常委會常委、財經委員會委員，研究方向為金融風險管理、金融理論與政策;康振飛，男，河北平山人，研究方向為金融風險管理。

摘"" 要：我國非金融企業杠桿率問題及杠桿政策受到極大的關注。本文將2005—2021年滬深A股上市企業與中國各省級行政單位系統性金融風險指標相匹配，實證檢驗非金融企業杠桿率提高是否會導致系統性金融風險。研究發現，非金融企業杠桿率與系統性金融風險之間存在U型關系，拐點為70.24%;東、西部地區非金融企業杠桿率與系統性金融風險為U型關系，拐點分別為66.62%和71.09%，而中部地區兩者呈線性負相關;地方國有企業杠桿率與系統性金融風險為U型關系，最優閾值為82.32%，中央企業和民營企業杠桿率對系統性金融風險的影響不顯著;非ST企業杠桿率與系統性金融風險為U型關系，最優閾值為70.75%，ST企業杠桿率與系統性金融風險呈線性正相關。基于以上結論，提出優化企業資產和融資結構、因地制宜采取不同的杠桿政策等對策建議。

關" 鍵" 詞：非金融企業;杠桿率;系統性金融風險;融資結構

中圖分類號：F832""""" 文獻標識碼：A"""""" 文章編號：2096-2517（2024）02-0052-11

DOI：10.16620/j.cnki.jrjy.2024.02.006

一、引言

近年來，我國非金融企業的杠桿率問題受到極大關注。一方面，以恒大集團為代表的企業高負債高杠桿及其可能引發的風險問題不容忽視，另一方面，我國非金融企業是否面臨資產負債表衰退風險引起熱烈的討論。在此背景下，厘清非金融企業杠桿率對系統性金融風險的影響， 分析不同地區、不同企業杠桿率對系統性金融風險影響的差異，對我國宏觀經濟政策的制定及改革取向都有很強的參考價值及借鑒意義。

我國非金融企業杠桿率的迅速攀升主要集中于2008至2016年。在此期間，為應對2008年國際金融危機，我國發布了“四萬億元經濟刺激計劃”，在促進經濟快速復蘇的同時，也導致各部門杠桿率持續攀升， 尤其是非金融企業杠桿率的上升引人注目。國家資產負債表研究中心的數據顯示，我國宏觀杠桿率從2008年末的143.1%上升到2016年末的248.6%，增長了105.5個百分點。其中非金融企業部門杠桿率從2008年末的95.2%上升到2016年末的166.3%，增長了71.1個百分點，占宏觀杠桿率增長的67%。非金融企業杠桿率的迅速攀升蘊含著較大的風險，為系統性金融風險的爆發埋下了隱患。為此，我國2015年中央經濟工作會議明確提出“去杠桿”，2016年8月國務院出臺了《關于積極穩妥降低企業杠桿率的意見》。 鑒于“一刀切”的去杠桿政策對經濟發展帶來的一些負面影響，2018年中央財經委員會第一次會議上首次提出“結構性去杠桿”，對不同部門、不同債務類型提出了不同的去杠桿要求，并強調地方政府和企業特別是國有企業要盡快把杠桿降下來，努力實現宏觀杠桿率穩定和逐步下降。去杠桿及結構性去杠桿政策的頒布，是我國防范系統性金融風險道路上邁出的重要一步。 在此背景下，2017—2019年我國非金融企業部門杠桿率穩步下降， 從2017年3月底的160.7%下降到2019年底的151.9%，但杠桿率絕對水平仍處于高位，具有一定的潛在危險。新冠疫情暴發后，我國政府精準施策，貨幣當局采用適當的貨幣工具向市場投放流動性，助力復工復產，在貨幣供給增多的同時， 非金融企業杠桿率也迅速走高， 由2019年底的151.9%上升至2020年6月底的165.3%，半年的時間上升了13.4%。此后，非金融企業杠桿率有所回落，2021年底下降為154.1%。2022年開始，非金融企業杠桿率又開始上升，2023年第1季度達到歷史新高167%。 從上述分析可以發現， 我國非金融企業杠桿率水平較高，且2009年以來總體呈現上升趨勢。多數學者基于“債務-金融不穩定”理論，認為非金融企業部門債務杠桿率的大幅攀升， 會使經濟各部門的風險水平顯著提高，并在金融部門逐漸累積， 最終激發和傳遞系統性金融風險。當前，在我國部分企業杠桿率過高，可能出現企業總體資產負債表衰退的背景下，分類型、分地區考察非金融企業杠桿率對系統性金融風險的影響，探究我國非金融企業杠桿率上升是否必然導致系統性金融風險，具有極強的現實意義。

本文立足于此，在對既有文獻進行梳理的基礎上，首先分析非金融企業杠桿率對系統性金融風險的影響機理，然后實證檢驗非金融企業杠桿率對系統性金融風險的影響，最后提出制定非金融企業杠桿率政策及防控系統性金融風險的對策建議。

二、文獻綜述

（一）關于系統性金融風險測度的研究

系統性金融風險被認為是導致市場大量參與者同時遭受嚴重損失， 并且迅速擴散至系統中，造成金融體系波動的風險。目前關于系統性金融風險的測度方法大致可以分為兩類： 一是基于宏觀視角，利用宏觀數據構建度量及評價系統性金融風險的各種指數，主流方法是信號法、綜合指數法等。信號法主要以已經發生過金融危機國家的歷史數據為樣本，確定建立系統性金融風險的先行指標并確定安全閾值[1]。綜合指數法是基于歷史數據，篩選出影響系統性金融風險的代表性指標，將其按照一定的標準劃分為多個子系統指標，并利用對應的統計方法將各子系統指標加總合成一個能夠真實反映整個金融系統的綜合指標。其代表性指標包括金融穩健指標、金融壓力指數和金融穩定指數等。二是基于微觀視角，以單個金融機構為研究樣本，識別單個金融機構或者市場對整個市場的重要性，并測度其對系統性金融風險的溢出效應及邊際貢獻，主流方法包括指標法和模型法。Cecchetti等（2011）從規模、復雜性等五個方面選取12個指標，以此度量單個銀行的系統重要性，為識別和評估系統重要性銀行提供了準則[2]。模型法主要通過篩選關于系統性金融風險的因變量及自變量，并計算變量間關系以測度系統性金融風險程度。 主要涉及CoVaR方法、MES方法、SRISK指數和CCA模型等。

總的來看， 在系統性金融風險的測度方法中，綜合指數法是較為直觀和靈活的測評方法，綜合指數的絕對大小及其變動，可以直觀有效地反映系統性金融風險的水平和變化趨勢。IMF認為， 采用綜合指數法構建的金融穩健指標，適用于大部分金融市場不發達的發展中國家，可以有效反映出國家的系統性金融風險水平。因此，本文采用綜合指數法構建系統性金融風險指標體系。

（二）關于非金融企業杠桿率與系統性金融風險的研究

關于非金融企業杠桿率對系統性金融風險的影響，諸多學者進行了研究，一致認為非金融企業杠桿率可以對系統性金融風險產生一定的影響，但研究結論存在一定差異。馬建堂等（2016）發現我國非金融企業杠桿率整體呈現上升趨勢，并認為杠桿率的過快上升可能會引發系統性金融風險[3]。茍文均等（2016）實證研究發現非金融企業部門的杠桿率大幅提升會提高經濟各部門的風險水平，并在金融部門逐步累積，進而通過債券和股權兩個渠道激發系統性金融風險的產生與傳遞[4]。課題組（2019）通過建立VAR模型， 實證分析發現非金融部門金融杠桿水平及波動均會對金融壓力指數產生正向沖擊[5]。江紅莉等（2019）通過建立TVP-VAR模型，研究發現非金融企業部門杠桿率的上升并不會直接導致系統性金融風險的增加，而是通過推動實體經濟杠桿的上升實現的[6]。劉磊等（2021）采用面板門檻模型研究， 同樣發現非金融企業杠桿率直接效應不顯著，間接效應發揮作用[7]。賈松波等（2021）利用多元回歸分析，發現區域非金融企業部門杠桿率會對區域金融風險系數產生正向影響，而且認為該影響受制于區域經濟增長水平的高低并主要通過區域金融部門杠桿率進行傳導[8]。

另外部分學者研究發現兩者存在非線性關系。寧薛平等（2020）以我國A股上市公司為樣本建立動態面板模型，實證分析發現企業杠桿率與金融風險之間存在非線性關系，當杠桿率在低于門限閾值的情況下，加杠桿有助于減少金融錯配，緩解金融風險;反之，則不利于金融穩定[9]。江紅莉等（2020）利用MS-VAR模型研究發現，企業杠桿率、宏觀經濟景氣程度與系統性金融風險存在非線性動態關聯，非金融企業部門杠桿率主要通過影響宏觀經濟對系統性金融風險產生負向影響[10]。王霞等（2022）運用系統GMM模型研究發現，非金融企業部門杠桿率與金融穩定呈現非線性相關，同時發現經濟增長在其中發揮調節作用[11]。

綜上所述，已有文獻大多立足于國家宏觀角度研究非金融企業杠桿率對系統性金融風險的影響，一致認為非金融企業杠桿率對系統性金融風險有一定的影響， 但影響渠道及程度存在一定差異，對國家層面杠桿率調控具有重要意義。然而基于區域層面研究非金融企業杠桿率對系統性金融風險影響的文獻總體比較匱乏，分地區、分類型研究二者關系的文獻很少。基于此，本文以省級面板數據為基礎，研究非金融企業杠桿率對系統性金融風險的影響，并進行多角度的異質性檢驗，以進一步深化該領域的研究，為我國各省份、各主體杠桿率政策的進一步細化提供決策參考，避免“一刀切”問題。

三、理論分析與研究假設

當非金融企業杠桿率較低時，對杠桿率水平進行適度提升可以減少企業對權益資本的限制，讓企業獲取更大規模的資金運用于生產、 投資和研發等，使企業獲得規模效應，有效提高企業利潤水平和償債能力，降低違約風險。在我國非金融企業的主要融資方式為間接融資的背景下，企業經營效益的提高， 一方面可以降低銀行等金融機構風險，另一方面還可以促進實體經濟的發展，并通過實體經濟的發展進一步提高金融穩定性，有助于遏制系統性金融風險的產生[12-14]。但是當非金融企業杠桿率達到一定水平后，非金融企業杠桿率的繼續上升會通過資產負債表效應對經濟產生影響，可能導致系統性金融風險的形成。首先，杠桿率水平過高會導致企業盲目擴大規模或進行多元化投資，甚至進行大量金融投資，增加企業的財務風險及金融資產泡沫風險，進而可能誘發系統性金融風險。其次，當企業受到內外部沖擊導致經營不善時，企業現金流不足，無法償還債務，企業就會陷入財務困境，將主要通過變賣資產、引入新股權資金和申請破產倒閉三種途徑來修復資產負債表。當整個企業部門都在變賣資產償還債務時，資產價格會迅速下降，進而導致企業的債務風險加劇，對金融市場產生一定的負向沖擊，引發信貸規模的萎縮，阻礙融資市場的正常運轉，導致銀行利率提升、融資成本增加等問題，使得企業的正常運營受到影響。此時，想通過引入新股權資金解決企業困境會變得十分困難，這時企業可能被迫增加負債規模，導致金融市場中的道德風險和信用風險進一步累積;或者企業只能選擇申請倒閉破產，導致銀行等債權人蒙受損失。綜上， 企業無論選擇哪一種途徑來修復資產負債表，都會導致企業信用風險、違約風險的增加，使風險蔓延至其他行業、市場，甚至導致嚴重的實體經濟衰退風險，進而提高了系統性金融風險發生的概率[3]。具體見圖1。

基于以上分析，本文提出假設1。

假設1：非金融企業杠桿率與系統性金融風險之間呈現U型關系。

我國地域遼闊，地域間存在地理環境和基礎設施等條件的硬性約束，加之經濟政策、文化氛圍及金融市場發展程度的差異，導致不同地區的非金融企業面臨著截然不同的經濟環境，從而使得企業在日常運營中對財務杠桿的選擇存在區域性特征[15]。同時，自改革開放以來，我國大部分地區基本以投資驅動（債務驅動）為主要方式，助力實現經濟的長期增長，導致杠桿率攀升及區域分布差異現象。具體而言，東部地區憑借其技術、市場等優勢，獲取了大部分信貸資金投放，杠桿水平大幅提高;西部地區則憑借承接東部產業轉移和國家政策傾斜，杠桿率稍遜一籌; 而中部地區沒有兩地區的各種優勢，杠桿率水平較低。 在區域杠桿率差異的影響下，回流效應大于擴散效應，區域間經濟發展呈現出非均衡性特征[16]。綜上， 東西部地區企業杠桿率水平處于較低水平時，將通過促進經濟的發展進而緩解系統性金融風險; 但其杠桿率水平處于較高水平時， 杠桿率的提升可能導致資產負債表效應，進而增加系統性金融風險;而中部地區本身杠桿率水平相對處于較低水平， 其杠桿率提升將促進經濟發展，進而緩解系統性金融風險。綜上認為，東西部地區企業杠桿率與系統性金融風險呈現U型關系，中部地區企業杠桿率與系統性金融風險則呈負相關關系。

基于以上分析，本文提出假設2。

假設2：非金融企業杠桿率對系統性金融風險的影響存在區域差異性。

西方資本結構理論認為，在考慮到融資約束和交易成本等的情況下，國有企業的融資溢價小于中小型民營企業，銀行基于節約監督成本和交易成本的目的，更傾向于向前者貸款。同時，基于我國金融體系特征，國有企業帶有一定的政府性質，導致銀行信貸向國有企業傾斜，國有企業享受預算“軟約束”及政府隱性擔保，而非國有企業大概率遭受“信貸歧視”， 導致我國不同所有制企業杠桿率具有明顯的水平差異，國有企業杠桿率水平明顯高于非國有企業，還會使得金融機構的財務結構受到不同程度的影響。除此之外，國有企業和非國有企業在規模、內部治理和投資效率等方面存在不同，進而導致對經濟增長的影響有所不同[17]。綜上，不同所有制企業杠桿率會對金融機構及經濟增長產生不同的影響，并最終反映到對系統性金融風險的影響之上。

基于以上分析，本文提出假設3。

假設3：非金融企業杠桿率對系統性金融風險的影響存在企業性質差異性。

企業貸款在銀行總資產中比例最大。 因此，企業的經營風險、財務風險等會通過企業之間以及企業與金融機構之間復雜的關聯關系傳導至銀行，進而通過銀行間的關聯性在金融體系內擴散，最終影響到系統性金融風險[18]。同時，杠桿率對系統性金融風險的影響受到債務效率的影響[19]。因此，當企業處于正常狀態且杠桿率水平較低時，新增債務大概率用于企業生產及投資等盈利性活動， 債務效率較高，違約風險大大降低，對金融部門產生一定的積極影響，從而緩解系統性金融風險。而當企業杠桿率處于較高水平時，杠桿率的進一步增加將通過資產負債表效應提升系統性金融風險;當企業財務等情況處于異常狀態時， 無論企業杠桿率處于較高或較低水平， 其新增債務大概率用于償還舊債，走上借新還舊的道路，債務效率較低，違約風險大大增加。除此之外，其異常狀態將會使得相應股票、債券等資產價格下降，導致持有上述資產的銀行機構產生直接損失，對金融部門產生不良影響，進而引發系統性金融風險[20]。因此，本文認為正常企業杠桿率與系統性金融風險呈現非線性關系，異常企業杠桿率與系統性金融風險呈現正相關關系。

基于以上分析，提出假設4。

假設4：非金融企業杠桿率對系統性金融風險的影響存在企業狀態異質性。

四、研究設計

（一）數據來源

本文共包含兩個層面的數據，分別是省級行政單位層面數據和公司層面數據。其中，被解釋變量及控制變量為省級行政單位層面數據，數據來源于各省份統計年鑒、中國國家統計局網站、中經網數據統計庫等，部分缺失數據采用插值法補齊。解釋變量為公司層面的數據，數據來源于WIND數據庫中2005—2021年的全部A股上市公司，剔除金融類以及數據缺失的上市公司。 考慮到數據的可得性， 本文選取2005—2021年我國除西藏和港澳臺之外30個省級行政單位的數據。

（二）變量選取

1.被解釋變量：系統性金融風險（risk）

本文通過借鑒許滌龍等（2015）[21]、陶玲等（2016）[22]、李優樹等（2020）[23]、丁鑫（2020）[24]建立的指標體系，將指標分為金融機構、股票市場、房地產市場、政府部門、債券市場、外匯市場以及保險市場共7個維度， 在每個維度下再分別選取二級指標，以此構建系統性金融風險評價體系。具體指標體系如表1所示。

對于上述指標體系選擇熵值法測算各地區系統性金融風險，計算過程如下：

首先，進行數據的標準化處理。

正向指標：Xij=（1）

負向指標：Xij= （2）

其中，i=1，2，…，m;j=1，2，…，n。

然后，再計算第i個指標值在第j項指標下所占的比重。

Pij=Xij /∑Xij （3）

計算第j個指標的熵值。

ej=-∑Pij ln（Pij），ej∈[0，1]（4）

計算第j個指標差異系數及權重。

gj=1-ej

Wj=" （j=1，2，……n）（5）

最后，計算各省份系統性金融風險的綜合得分。

riski=∑WjXij（6）

2.核心解釋變量：非金融企業杠桿率（lev）

傳統非金融企業杠桿率一般用資產負債率來計量，即非金融企業杠桿率=總負債/總資產。鑒于此，本文參照肖崎等（2020）[25]的做法，以上市公司所屬行政區劃為依據，將各省級行政區域內非金融企業的相關數據進行加總，依據公式杠桿率=總負債/總資產進行計算，據此得到各省份不同年份的非金融企業杠桿率。

3.控制變量

考慮到影響系統性金融風險的其他因素，本文參考夏越（2019）[26]和陳蕾等（2021）[27]的研究方法，選擇城鎮化水平（urb）、老齡化水平（age）、人力資本（hum）、經濟發展水平（pgdp）和資本市場規模（captial）作為控制變量。

本文各變量名稱及計量方法如表2所示。

（三）模型構建

通過參考已有文獻，為了研究非金融企業杠桿率對系統性金融風險的影響，構建個體固定效應模型，具體模型形式如下：

riski，t=β0+β1levi，t+controli，t+μi+εi，t" （7）

其中，i代表省份;t代表年份;被解釋變量riski，t代表i省份t期的系統性金融風險水平;解釋變量levi，t量化了非金融企業杠桿率水平;controli，t代表控制變量集合;μi為不隨時間變化的個體固定效應;εi，t為隨機誤差項，其服從獨立同分布。

根據前文分析，非金融企業杠桿率與系統性金融風險之間可能存在非線性關系，而在模型中加入平方項是現有文獻中研究非線性關系常用的模型設定方法，因此，為了驗證非金融企業杠桿率與系統性金融風險的非線性關系，本文通過引入解釋變量的平方項考察這種非線性關系。具體模型如下：

riski，t=β0+β1levi，t+β2 lev+controli，t+μi+εi，t （8）

五、實證結果與分析

（一）描述性統計

表3為主要變量的統計特征，列出了主要變量的描述性統計結果。從表3中可以看到，2005—2021年省級系統性金融風險的均值為0.3272，最小值為0.2097，最大值為0.5792，標準差為0.0678。省級非金融企業杠桿率的均值為0.5941，最小值為0.3805，最大值為0.9275，標準差為0.0647。各省份之間系統性金融風險及非金融企業杠桿率具有明顯差異。

（二）基準回歸分析

在進行實證分析之前， 對于靜態面板數據，采用Hausman檢驗方法進行檢驗， 結果顯示P值小于0.05，即本文適合固定效應模型進行估計。表4報告了非金融企業杠桿率對系統性金融風險影響的基準回歸結果，包括線性模型與非線性模型回歸結果。

在線性模型中，區域非金融企業杠桿率對系統性金融風險存在顯著的負向影響;非線性模型估計結果顯示， β1的估計值顯著為負， β2的估計值則顯著為正，這表明省級非金融企業杠桿率與系統性金融風險存在U型關系， 省級非金融企業杠桿率存在最優閾值， 最優杠桿率水平為70.24%（- β1/2 β2）。這意味著當杠桿率低于70.24%時，各地非金融企業的債務擴張有利于降低地方系統性金融風險;而當杠桿率高于70.24%時，非金融企業加杠桿行為會增加地方系統性金融風險。假設1成立。

從控制變量角度來看，無論是線性模型，還是非線性模型，控制變量age和captial的估計系數都顯著為正值，說明人口老齡化水平和資本市場規模的提升將顯著增加系統性金融風險; 控制變量urb和hum估計系數顯著為負值，表明城鎮化水平和人力資本的提高會緩解系統性金融風險;而控制變量pgdp估計系數不顯著。

（三）穩健性檢驗

首先，考慮到北京、天津、上海、重慶與樣本中其他城市可能存在經濟發展體制上的特殊性，所以剔除直轄市樣本進行回歸，結果如表5中列（1）和列（2）所示。可以看出，線性與非線性模型回歸系數仍然顯著，非金融企業杠桿率與系統性金融風險仍舊是U型關系，表明實證結果較為穩健。

其次，解釋變量測量誤差可能導致實證結果存在問題，因此，本文選擇各省份非金融企業貸款總額/地區GDP替換原解釋變量，回歸結果如表5中列（3）所示。關鍵變量系數估計結果和方向均與前文一致，表明實證結果依舊保持穩健。

最后，為檢驗內生性問題，選擇采用差分GMM模型進行估計，結果如表5中列（4）所示。差分GMM回歸結果的主變量系數符號及顯著性均與前文一致，結果保持穩健。此外，該模型通過了AR（2）（0.364）和Hansen（0.572）檢驗，表明估計結果不受殘差序列相關影響，工具變量有效，模型結果合理。

（四）異質性分析

1.地區差異

考慮到我國不同地域處于經濟發展的不同階段，非金融企業杠桿率對系統性金融風險的影響可能存在不同，各區域之間非金融企業杠桿率最優閾值結果可能有所差異，為全面考察各區域非金融企業杠桿率對系統性金融風險的影響差異，本文參考巴曙松等（2022）[17]按照東部、中部和西部的地域劃分標準，將全國樣本劃分為三組，分別進行回歸，結果如表6所示。

從表6回歸結果來看，東、西部區域非金融企業杠桿率與系統性金融風險之間均滿足U型關系，與基準回歸結果保持一致，但不同區域之間最優閾值存在一定差異，具體表現為東部和西部最優閾值分別為66.62%（- β1/2 β2）和71.09%（- β1/2 β2），分別低于和略高于基準回歸結果。而對于中部地區而言，由表6中部（2）可知，中部區域的非金融企業杠桿率及其平方項的系數結果均不顯著，表明中部地區非金融企業杠桿率與系統性金融風險之間并非是非線性關系。由中部（1）發現，在線性模型中， 非金融企業杠桿率的系數顯著為負，表明中部地區非金融企業杠桿率與系統性金融風險之間呈現線性關系，并呈現負向相關，即中部地區非金融企業杠桿率的提高將緩解系統性金融風險。主要原因可能在于中部地區非金融企業杠桿率水平在東、中、西部三個地區中處于最低水平，還具有一定的上升空間。假設2成立。

2.企業所有制差異

不同所有制企業的體制及杠桿率水平存在差異，可能對系統性金融風險的影響有所不同。本文進一步分析不同所有權性質（中央企業、地方國有企業、民營企業）的非金融企業杠桿率對系統性金融風險的影響，回歸結果如表7所示。

表7結果顯示，地方國有企業杠桿率對系統性金融風險的影響與基準回歸結果保持一致，依然滿足非線性關系，呈現U型關系，但最優閾值為82.32%，大于基準回歸結果70.24%。而中央企業和民營企業的杠桿率與杠桿率的平方項回歸系數均不顯著，這表明非線性關系在中央企業和民營企業中可能不成立。假設3成立。

3.經營狀況差異

本文進一步分析不同財務狀況企業杠桿率水平對系統性金融風險的影響是否存在不同， 因此將上市公司樣本分為ST企業和非ST企業兩組，并根據省份、 年份進行相應的非金融企業杠桿率測度，分組進一步驗證不同經營狀況企業杠桿率對系統性金融風險的影響，實證結果如表8所示。

表8結果顯示，ST企業與非ST企業杠桿率對系統性金融風險的實證結果并不相同。 非ST企業杠桿率與系統性金融風險呈現非線性關系，與基準回歸結果保持一致，呈現U型關系，但最優閾值存在不同， 非ST企業杠桿率最優閾值為70.75%，高于基準回歸結果。在非線性模型中，ST企業杠桿率及其平方項結果均不顯著，ST企業杠桿率與系統性金融風險并不存在非線性關系。而線性模型結果顯示，ST企業杠桿率與系統性金融風險呈線性關系，結果顯著為正，表明ST企業杠桿率水平的提升將增加系統性金融風險爆發的可能。主要原因可能在于ST企業本身存在一定的金融風險， 財務狀況或者其他情況存在異常，被風險警示，安全性相對較低，進一步借債將顯著增大風險暴露。假設4成立。

六、主要結論及政策建議

本文基于非金融企業杠桿率對系統性金融風險的影響機制分析， 選取2005—2021年各省份的相關數據為樣本，使用固定效應模型實證檢驗了非金融企業杠桿率提高是否會對系統性金融風險產生影響。研究發現：第一，非金融企業杠桿率與系統性金融風險之間為U型關系，最優閾值為70.24%;第二，非金融企業杠桿率對系統性金融風險的影響具有區域異質性，東、西部地區非金融企業杠桿率與系統性金融風險為U型關系， 拐點分別為66.62%和71.09%; 中部地區非金融企業杠桿率對系統性金融風險的影響為負向影響。第三，非金融企業杠桿率對系統性金融風險的影響具有企業性質異質性。地方國有企業杠桿率與系統性金融風險為U型關系，拐點為82.32%;中央企業和民營企業杠桿率對系統性金融風險沒有顯著影響。 第四，非金融企業杠桿率對系統性金融風險的影響具有企業狀況異質性， 非ST企業杠桿率與系統性金融風險呈現U型關系，而ST企業杠桿率與系統性金融風險呈現正相關關系。綜上，非金融企業杠桿率上升不一定導致系統性金融風險的增加。

基于以上結論，提出以下建議：

第一，優化企業資產和融資結構，因地制宜采取相應的杠桿政策。 要綜合考慮地區杠桿率狀況、企業杠桿率水平、企業所有制性質、企業狀態等問題，做出加杠桿、穩杠桿、去杠桿等不同決策。部分省份（河北、福建和海南等）非金融企業杠桿率已出現超過拐點的情況， 可能需要結合地區實際情況，采取對應的去杠桿政策，避免金融風險累積。首先，可以通過采取多種方式化解過剩產能，例如堅決關停過剩產能，鼓勵企業通過并購與破產、積極“走出去”等方式，降低企業債務壓力。其次，推動企業資金使用效率的提高，增強企業活力。一方面，推進活力不足企業及僵尸企業退出行業， 釋放相關資源，提高資源利用效率。另一方面，制定多種優惠政策，鼓勵創新型企業的設立與發展。 對于低杠桿地區，可結合實際，適度提高非金融企業杠桿率，減少權益資本約束，增加企業投資規模，防止企業資產負債表衰退風險， 進而緩解系統性金融風險的形成。

第二，完善系統性金融風險測度體系。防范系統性金融風險首先需要實時把握整個環境中的動態數據，基于時間與空間雙重角度建立風險預警機制。 科學設計各個市場的風險因子測算指標數據庫，適當擴大研究范圍，將非金融機構等也納入視野范圍，建立一套相對完整、全面且標準的權威性評價體系。同時在設計區域系統性金融風險測度體系時，必須符合政府的原則與方針，這樣不僅可以提高區域系統性金融風險評估的真實性，增強其實用性，還可以幫助政府快速靈活地調整經濟金融等政策， 從而實現多方的良好互動，有效解決問題。

第三，根據現實差異，實施有差別的金融風險防控政策。地域、所有制性質和企業狀態的不同，導致非金融企業杠桿率對系統性金融風險的影響也存在一定的差異。因此，面對這種差異，應該實施不同的金融政策，針對該地區的區域特點、資源優勢和經濟優勢等方面， 靈活制定與之相符的金融政策，避免“一刀切”處理，為實際操作保留一定的自由空間，從而實現降低區域金融風險的目的，實現有效監管。

參考文獻：

[1]KAMINSK G，LIZONDO S，REINHART C M.Leading Indicators of Currency Crises[R].IMF Staff Papers，1998（45）：1-48.

[2]CECCHETTI" S" G，MOHANTY" M" S，ZAMPOLLI" F. The Real Effects of Debt[R].BIS Working Paper，2011，352.

[3]馬建堂，董小君，時紅秀，等.中國的杠桿率與系統性金融風險防范[J].財貿經濟，2016，37（1）：5-21.

[4]茍文均，袁鷹，漆鑫.債務杠桿與系統性風險傳染機制——基于CCA模型的分析[J].金融研究，2016（3）：74-91.

[5]課題組.我國杠桿率與系統性風險的關系研究[J].華北金融，2019，508（5）：4-18.

[6]江紅莉，蔣鵬程.實體經濟部門杠桿的溢出效應及對系統性金融風險的傳導研究[J].金融監管研究，2019，90（6）：103-114.

[7]劉磊，茍尚德.宏觀杠桿率和商業信心對系統性金融風險的非線性影響[J].金融監管研究，2021，115（7）：19-34.

[8]賈松波，周兵，徐健翔.杠桿率對區域性金融風險的影響研究——基于中國省級數據的分析[J].新金融，2021，391（8）：11-19.

[9]寧薛平，張慶君.企業杠桿率水平、杠桿轉移與金融錯配——基于我國滬深A股上市公司的經驗證據[J].南開管理評論，2020，23（2）：98-107，120.

[10]江紅莉，劉麗娟.企業杠桿率、宏觀經濟景氣指數與系統性金融風險[J].金融監管研究，2020，97（1）：66-83.

[11]王霞，王芳.杠桿率、經濟增長與金融穩定[J].上海立信會計金融學院學報，2022，34（4）：3-20.

[12]王桂虎.宏觀杠桿率引致系統性金融風險的傳導機制研究——基于40個國家及地區的經驗研究[J].鄭州大學學報（哲學社會科學版） ，2018，51（6）：53-58，156.

[13]符瑞武，高波.企業債務影響金融穩定和經濟增長的時變沖擊效應[J].鄭州大學學報（哲學社會科學版），2021， 54（1）：59-64.

[14]李輝，舒長江，金雨晨.實體經濟行業“去杠桿” 降低商行銀行脆弱性了嗎？[J].金融理論探索，2020（6）：13-22.

[15]李禮，郝臣.我國上市公司績效與財務杠桿之間關系的區域差異研究[J].經濟問題探索，2005（5）：84-86.

[16]黃銳，唐松，常曦，等.中國“去杠桿”與區域金融風險防范研究——基于杠桿率的區域結構差異視角[J].學習與實踐，2018，407（1）：26-37.

[17]巴曙松，柴宏蕊，方云龍.非金融企業杠桿率與區域經濟高質量發展的非線性關系研究——基于結構性去杠桿視角[J].國際金融研究，2022，419（3）：77-86.

[18]李政，涂曉楓，卜林.金融機構系統性風險：重要性與脆弱性[J].財經研究，2019，45（2）：100-112，152.

[19]張成科，張欣，高星.杠桿率結構、債務效率與金融風險[J].金融經濟學研究，2018，33（3）：57-67.

[20]HUA Q，XIAO Z，ZHOU H.Right Tail Information and Asset Pricing[J].Econometric Reviews，2021，40（8）：728-749.

[21]許滌龍，陳雙蓮.基于金融壓力指數的系統性金融風險測度研究[J].經濟學動態，2015（4）：69-78.

[22]陶玲，朱迎.系統性金融風險的監測和度量——基于中國金融體系的研究[J].金融研究，2016（6）：18-36.

[23]李優樹，張敏.數字普惠金融發展對系統性金融風險的影響研究[J].中國特色社會主義研究，2020（Z1）：26-34.

[24]丁鑫.西部后發地區城市商業銀行系統性金融風險測度——基于綜合指數法的分析[J].金融理論探索，2020（2）：70-80.

[25]肖崎，廖鴻燕.企業金融化對宏觀經濟波動的影響——基于杠桿率的中介效應研究[J].國際金融研究，2020， 400（8）：13-23.

[26]夏越.金融杠桿如何影響系統性金融風險——U型關系與空間溢出[J].財經科學，2019，370（1）：1-15.

[27]陳蕾，任文達，黃冰柔.金融科技對中國區域金融風險的影響研究[J].福建論壇（人文社會科學版），2021，353（10）：155-167.

Will the Increase in Leverage Ratio of Non-financial Enterprises in China Lead to Systemic Financial Risks？

Wang Xia1，Kang Zhenfei2

（1. School of Finance， Lanzhou University of Finance and Economics， Lanzhou 730020， China;

"" 2. Shijiazhuang Branch of Bank of Beijing， Shijiazhuang 050000， China）

Abstract： The leverage ratio and leverage policies of non-financial enterprises in China have received great attention. The paper matches the systemic financial risk indicators of Shanghai and Shenzhen A-share listed enterprises and provincial administrative units in China from 2005 to 2021， and empirically tests the influence of leverage ratio of non-financial enterprises on systemic financial risk. The results show that there is a U-shaped nonlinear relationship between the leverage ratio of non-financial enterprises and systemic financial risk， and the optimal threshold is 70.24%. There is a U-shaped relationship between the leverage ratio of non-financial enterprises and systemic financial risk in the eastern and western regions， but the optimal threshold values are different from the baseline regression results， which are 66.62% and 71.09%， respectively， while in the central region， there is a linear negative correlation between them. The leverage ratio of local state-owned enterprises has a nonlinear relationship with systemic financial risks， and the optimal threshold is 82.32%， while the leverage ratio of central and private enterprises has no significant impact on systemic financial risk. There is a U-shaped relationship between the leverage ratio of non-ST enterprises and systemic financial risk， and the optimal threshold is 70.75%， while there is a linear positive correlation between the leverage ratio of ST enterprises and systemic financial risk. Based on the above conclusions， the paper proposes strategies and suggestions for optimizing enterprise assets and financing structure， and adopting different leverage policies according to local conditions.

Key words： non-financial enterprises; leverage ratio; systemic financial risk; financing structure

（責任編輯：盧艷茹;校對：龍會芳）