企業杠桿、融資類型與金融逆周期調節

摘 要：本文基于明斯基金融不穩定理論對我國企業杠桿及融資類型進行實證研究，使用因子分析法構建金融逆周期調節壓力指數，并構建面板向量自回歸模型，運用脈沖響應、方差分解、格蘭杰檢驗等方法對我國31個省級數據進行實證分析。實證結果表明，我國當前企業融資類型與明斯基金融不穩定理論中的投機融資和龐氏融資具有較大相似性；企業融資方式向龐氏融資的轉變會形成風險聚集，加劇金融不穩定性，金融對其進行逆周期調節的壓力增加。

關鍵詞：明斯基理論；金融逆周期調節；面板向量自回歸

DOI：10.3969/j.issn.1003-9031.2018.03.01

中圖分類號：F832.5 文獻標識碼：A 文章編號：1003-9031（2018）03-0004-09

一、引言

近年來，我國經濟部門的資產投資規模與負債規模快速上升，資產價格不斷上漲，但在經濟新常態下高收益資產供給減速，資產長期價格預期下降，導致經濟部門的實際債務增長高于名義債務的增長，其實際杠桿率上升。尤其是非金融企業借助金融機構業務嵌套或通道過度債務融資，其杠桿率不斷攀升。偏高杠桿率對經濟市場和金融市場積聚較大的風險隱患，可能會引致資產價值崩潰時刻的到來。金融不穩定理論表明，企業部門、家庭部門和政府部門任何一個部門債務突破一定的臨界點或是出現龐氏融資，就足以引發系統性金融危機。鑒于此，周小川提出要重點防止“明斯基時刻”的到來①。巴塞爾協議Ⅲ也提出，如果經濟中順周期因素太多，會造成矛盾的積累，到一定時候就會出現瞬間的劇烈調整，有必要建立系統性金融風險預警體系引入逆周期的調控措施，牽住“灰犀牛”的鼻子，掌握主動權防范局部或全局性“明斯基時刻”的到來，牢牢守住不發生系統性金融風險的底線，是當前我國金融風險監管及防范的一項重要研究課題。

二、明斯基理論模型

“金融不穩定假說”（Financial Instability Hypothesis）是美國經濟學家海曼·P·明斯基（HymanP.Minsky）所提出，該理論因曾成功預警了美國金融危機而受到關注。根據明斯基金融不穩定理論，企業融資分為三種類型，分別為對沖性融資（Hedge Finance，或稱套期融資）、投機性融資（Speculative Finance）和龐氏性融資（Ponzi Finance）。對沖型融資是最保守、最安全的融資，該類融資預計預期收入流量可以覆蓋投資支出和由融資產生的利息支出，是控制在安全邊際之內的融資；投機型融資是有一定擴張性和風險性的融資，該類融資是針對融資成本或資產價格變化進行的融資，當融資成本不斷下降或資產價格不斷上升時，企業的凈收入足夠覆蓋融資產生的利息，企業通常在經濟加速上升階段安全運行，但經濟放緩或下行階段企業會出現流動性風險；龐氏型融資是風險最高的融資類型，這類融資的企業凈收入無法覆蓋融資產生的利息，會導致企業債務不斷上升、金融風險不斷累積等惡性結果發生。

Foley（2003）構建了明斯基金融不穩定理論的數學模型，將三種企業融資分類與企業杠桿率（資產負債率）聯系起來。該模型主要通過一定階段內企業凈收入可否滿足新增投資資金需求或融資產生的利息支付對融資類型進行判斷。假設某階段時期內企業獲得資金的途徑有該階段企業凈收入C和企業新增債務L，企業使用資金的途徑有該階段新增投資V和為融資支付的利息T，則有：

三、金融逆周期調節壓力指數構建

（一）指標選擇和測算方法

我國金融相關的順周期因素主要有貨幣發行量、利率、匯率、銀行流動性、證券市場熱度、保險市場發展、財政實力、房地產市場等。基于此，本文選用了8個相關指標，其中全國層面的指標有M2/GDP、銀行同業拆借利率、實際有效匯率指數和滬深兩市證券交易總額，省際的指標有存貸比、保費收入倒數、財政負擔率倒數和房地產銷售額（見表1）。

（二）數據處理和指數測算

綜合考慮各指標數據的可獲得性和易處理性，本文采集2009—2015年各省份相關指標季度數據。對于銀行同業拆借利率、實際有效匯率指數等高頻時點數據，通過計算各季度內每天數據的平均值作為季度數據。為了去剛量化比較，在基礎數據計算出各省份各時期指標值的基礎上，采用百分制法進行標準化，具體如下：

定指標權重，本文使用統計分析軟件spss中因子分析法對上述8個變量旋轉降維運算，得到2009—2015年各省份共28期季度金融逆周期調節壓力指數。由于該指數序列分布過于密集，需要進一步采取上述方法對該序列進行標準化，得到一個最小值為0、最大值為100的新數列作為金融逆周期調節壓力指數。當指數接近于0，可以認為該金融狀態不需要進行逆周期調節；當指數接近于100，說明金融累積風險程度較高，金融不穩定性上升，金融逆周期調節的迫切性和重要性較大，金融逆周期調節的壓力明顯。

四、實證研究

（一）變量和數據選擇

由前文理論模型推導情況可知，分析融資類型可以將企業杠桿率作為代理指標。用各省GDP表示經濟運行情況，用各省金融逆周期調節壓力指示表示金融穩定水平大小。綜合考慮各統計指標數據的可得性，使用2009—2015年各省份共28期季度進行分析。

（二）面板VAR的建立、脈沖響應分析和方差分解

在進行面板VAR估計之前，需要檢驗各省生產總值（GDP）、杠桿率（LR）、金融逆周期調節壓力指數（ICP）三個變量的平穩性。我們將三個變量分別取對數并差分，得到dlnGDP，dlnLR，dlnICP，因為LLC檢驗需要強均衡面板數據，而dlnLR不是強均衡面板數據，所以對其還必須進行IPS平穩性檢驗。經檢驗，各省生產總值（GDP）、杠桿率（LR）、金融逆周期調節壓力指數（ICP）三個變量取對數并差分后的數據dlnGDP，dlnLR，dlnICP均通過檢驗，是平穩變量。

進而使用統計軟件Stata對dlnGDP、dlnLR、dlnICP建立PVAR模型。經過滯后期的最優選擇統計量分析（見表3）可以得出三種方法下的最佳滯后期均為4，因此建立滯后期為4的面板VAR模型。

進而采用喬利斯基（ Cholesky ）分解法得到整體模型的脈沖響應函數，并可以得到如下脈沖響應圖（見圖1-3）。

由圖1可知，在第15期之前，杠桿率對金融逆周期調節壓力指數的影響為正，在第5期達到峰值4.4個標準差，隨后正向影響逐漸下降，到第15期之后轉為負向影響。因此在短期內，企業的融資方式中，負債所占比例越大，金融不穩定性越大，造成的金融逆周期調節的壓力越大。GDP對金融逆周期調節壓力指數的影響為負，在第2期的影響最大，為-1.5個標準差，而后在負向區間震蕩，這表明GDP增長有利于降低金融逆周期調節的阻力和風險。

由圖2可知，金融逆周期調節壓力指數對杠桿率的影響在前4期為正，隨后轉為負向并緩慢趨向于0，因此金融不穩定的加劇在短期內會使企業龐氏融資的情況增加，而通過金融逆周期調節，可以從中長期逆向影響對企業杠桿，抑制企業杠桿率過快增長或下降。另一方面，GDP對杠桿率的沖擊為一開始為0，第2期開始轉為正向，在第11期為最大值0.22個標準差，隨后逐漸平緩下行，GDP的增長會在一定程度上減輕過度負債即龐氏融資的發生。

由圖3可知，在初始和前期階段，金融逆周期調節壓力指數對GDP的沖擊為負數，在第6期后轉為正向，但最終還是趨0轉負，表明金融體系不穩定對GDP的增長有不利的影響。而杠桿率對GDP的沖擊最初為0，在短期產生正向影響后迅速轉為負向影響，負向沖擊在第14期到達最大力度0.8個標準差，此后脈沖響應的負向影響逐漸減小，但保持在負向區間，企業融資類型的龐氏轉變對GDP短期起到拉動作用，但這種作用并不明顯且很快消退，從中長期來看會對GDP的增長有不利的影響。

由方差分解圖4看出，對于金融逆周期調節壓力指數（dlnICP），該指標對自身方差的解釋作用整體趨勢由大到小，而杠桿率（dlnLR）和各生產總值（dlnGDP）對金融逆周期調節壓力指數方差的解釋作用不斷增大，到第10期時各省生產總值（dlnGDP）對金融逆周期調節壓力指數（dlnICP）的解釋力度上升至3.4%。對于各省生產總值（dlnGDP），該指標前期對其自身方差的解釋作用較大，但隨著金融逆周期調節壓力指數（dlnICP）對dlnGDP方差的貢獻程度逐漸增大，其自身的解釋力度逐漸減小。

由格蘭杰因果檢驗（見表5）可以看出，在5%的顯著水平下，金融逆周期調節壓力指數（dlnICP）和企業杠桿率指標（dlnLR）是對方的格蘭杰原因；各省生產總值（dlnGDP）不是企業杠桿率指標（dlnLR）的格蘭杰原因，但企業杠桿率指標（dlnLR）是各省生產總值（dlnGDP）的格蘭杰原因。金融逆周期調節壓力指數（dlnICP）和各省生產總值（dlnGDP）相互不是格蘭杰原因。這反映了我國的企業杠桿率和金融穩定、金融調控是緊密相關的，企業杠桿率變化是導致金融穩定性的波動的主要原因，而金融調控是導致企業杠桿率變動的外生變量之一，說明了金融逆周期調節對企業杠桿水平調控將起到明顯作用。雖然企業杠桿率波動可能導致GDP的波動，金融逆周期調節卻不會導致這種波動，一定程度說明金融逆周期調節可以有效控制企業杠桿率過快增長但并不對GDP增長造成負面影響。例如我國當前通過發展直接融資市場支持實體經濟發展，既有助于企業去杠桿，同時也對GDP形成有益支持。

（三）實證結論

當前我國金融市場的風險對未來金融市場的穩定有較為明顯的影響，而且高企的企業杠桿率對金融市場的不穩定有較為明顯的推動作用，而且也對GDP的長期增長產生了較為明顯的負向影響。在明斯基金融不穩定理論框架下，我國企業融資方式一旦由對沖融資向投機型融資、龐氏型融資的轉變，將會進一步導致金融體系的不穩定，并傳導到實體經濟，制約GDP的長期增長。一是我國企業融資方式與明斯基金融不穩定理論中投機融資和龐氏融資已經具有較大相似性，順周期因素導致企業杠桿控制難度較大；二是企業融資方式向龐氏融資的轉變會形成風險聚集，加劇金融不穩定性，對其進行逆周期調節的壓力增加，但GDP的增長會有利于消減金融不穩定因素，并使得金融逆周期調節壓力下降；三是我國企業杠桿率的上升加劇了金融的不穩定性，且金融不穩定的加劇及企業杠桿率的上升對GDP長期增長存在負向影響。但是，適度的金融逆周期調節可以有效控制企業杠桿率過快增長，且不會對GDP增長造成負面影響。因此，在一定程度上抑制企業融資方式從保守型向龐氏的轉變，對于提升金融體系的穩定性和GDP增長都是有利的。

五、政策建議

（一）發揮信貸政策導向作用，抑制企業杠桿高企

一是發揮信貸政策導向評估的正向激勵和反向約束作用，充分做實信貸政策導向評估，加強評估結果的運用。二是基于流動性調節角度，適度創新貨幣政策工具，熨平經濟與資產價格波動，平滑信貸增速。

（二）強化對企業杠桿的宏觀審慎管理，防止過度順周期加杠桿

一是參照巴塞爾資本約束機制建立對企業經營的適度資本約束機制，防止企業過度加杠桿融資，發生對沖型融資向投機性、龐氏融資的轉變。二是加強對企業不合理，過度順周期加杠桿的控制。

（三）構建金融不穩定風險綜合預警機制，提升金融不穩定預警能力

一是充分發揮國務院金融穩定發展委員會金融風險防控牽頭協調作用，建立“一行三會”與地方政府金融管理部門金融風險信息共享機制。二是運用微觀審慎監管的風險管理手段監測評估微觀金融市場和宏觀經濟運行的風險苗頭。三是統籌宏觀與微觀金融市場，選取與企業杠桿關聯的經濟周期指標，構建金融不穩定風險預警指標體系。

（四）相機采取市場化降杠桿舉措，緩解金融不穩定壓力

一是持續推進供給側結構性改革，發揮資本市場平臺和工具作用，建立市場化的去杠桿機制。二是提升資金使用效率。強化企業預算約束，充分發揮市場機制打破剛性兌付，在允許可控的范圍內緩釋局部杠桿債務違約風險，尤其是釋放借助剛性兌付通過“龐氏融資”的無效資金需求，從而緩解金融不穩定壓力。■

（特約編輯：陳國權）

參考文獻：

[1]Minsky H.The Financial Instability Hypothesis：A Restatement[M]. Thames Paperson Political Economy，1978.

[2]Louis-Philippe Rochon，Mark Setterfield.Interest rates，income distribution， and monetary policy dominance：Post Keynesians and the "fair rate" of interest[J].Journal of Post Keynesian Economics，2007（30）：13-42.

[3]徐則榮，張一飛.馬克思與明斯基經濟危機理論比較研究[J].經濟縱橫，2014（8）.

[4]張云.明斯基融資類型、金融不穩定和經濟增長——基于中國省際數據的實證分析[J].政治經濟學評論，2017（9）.

[5]Selim Elekdag，Yiqun Wu.Rapid Credit Growth：Boonor Boom-bust？[R].IMF working paper，2011（11）.

[6]Borio，C.The Financial Cycle and Macroeconomics：What have we learnt？[J].Journal of Banking and Finance，2014（2）.

[7]王一鳴，宋龑娜.降低企業杠桿率的重點[J].中國金融，2017（4）.

[8]Borio，C..Implementing the Macroprudential Approach to Financial Regulation and Supervision [J].Financial Stability Review，2009（13）.

[9]周小川.建立符合國情的金融宏觀調控體系[J].中國金融，2011（13）.

[10]方芳，劉鵬.后危機時代金融順周期效應的重新審視[J].教學與研究，2011（9）.

[11]Taylor，John B.The Financial Crisis and the Policy Responses： an Empirical Analysis of What Went Wrong [R].NBER working paper 2009，No.14631.

[12]謝平，鄒傳偉.金融危機后有關金融監管改革的理論綜述[J].金融研究，2010（8）.

[13]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）.

[14]Foley D.Financial fragility in developing economies[J].Development Economics and Structuralist Macroeconomics，Aldershot：Edward Elgar，2003.

[15]阮湛洋.我國系統性金融風險指數的構建與測算——基于CISS綜合指數方法[J].浙江金融，2017（5）.