基于調整后杠桿率的風險分布與評估

摘 要：基于資產負債率、資產產出比等測算數據，將常用的宏觀杠桿率指標（負債/GDP）的分母收入項轉換為資產項，并考慮“短債長用”為核心的流動性風險因素，根據有效性的測試比較調整前后杠桿率對風險識別的效能差異，通過對中國整體風險及宏觀各部門（企業部門、居民部門、政府部門）風險進行研判，結果發現：1995年以來中國調整后杠桿率整體呈現非單邊上行趨勢，在歷經防風險攻堅戰后，該指標出現顯著回落，整體風險水平趨于緩釋；政府部門調整后杠桿率顯著高于原始杠桿率，并出現兩者大幅背離的剪刀差形態；中國微觀主體的“短債長用”現象，導致市場流動性風險隱患或將顯性化，基于負債匹配性調整的杠桿率指標能夠更好地監測綜合風險。

關鍵詞：調整后杠桿率；宏觀杠桿率；資本產出比；流動性風險；短債長用

DOI：10.3969/j.issn.1003-9031.2024.10.001

中圖分類號：F832 文獻標識碼：A 文章編號：1003－9031（2024）10－0003－17

一、引言及文獻綜述

一直以來，宏觀風險狀況常與宏觀杠桿率（負債/GDP）聯系在一起。杠桿率越高表征特定凈資產承受的債務水平越高，一旦對應資產產生的現金流收入無法覆蓋債務本息，則該資產主體將面臨違約甚至破產風險。債務過度積累是促使經濟體陷入金融危機和經濟衰退的主要誘因（Tobin，1975；Minsky，1986；Bernanke et al.，1999；魏曉琴等，2023），2008年次貸危機爆發印證了這一點。因此部分學者認為，高杠桿率意味著高風險的可能性。

但直接將高杠桿等同于高風險仍較片面，從經濟金融理論而言，債務或杠桿本身并不必然引發風險或導致危機爆發，關鍵要看債務或杠桿的用途及是否形成了優質資產。在近三十年爆發過危機的國家樣本中，危機爆發時的宏觀杠桿率（負債/GDP）廣泛分布在100%～250%的范圍內，同時也存在很多國家杠桿率已經超過這一范圍上限卻仍未爆發危機，這表明在評估債務風險方面，需要進一步探討杠桿率指標的構成及適用條件。當杠桿對應形成的資產創收能力較強且持續增值，那么這部分杠桿并不一定會存在更高的風險隱患，反而能獲得倍化的收益，這與有效信貸能夠促進經濟增長的觀點相符（McKinnon，1973；Shaw，1973）。

中國人民銀行杠桿率研究課題組（2014）認為宏觀杠桿率（負債/GDP）與微觀杠桿率（負債/資產）存在一定區別，從兩者計算公式上可以發現，宏觀杠桿率未采用“資產”作為分母，而是采用“收入”（名義GDP）進行替代，這主要是受制于宏觀層面資產數據難以獲取的無奈之舉，因此，在研究杠桿率與風險關系的過程中，宏觀杠桿率與微觀杠桿率存在一定“偏離”。以宏觀杠桿率評估風險存在一定的局限性，主要是忽略了與償債相關的資產狀況（劉曉光和劉元春，2018），且未充分考慮杠桿效率對債務可持續性和金融穩定的重要影響（紀敏等，2017）?，F有研究中常用的宏觀杠桿率（負債/GDP）指標或許不是衡量債務水平和評估債務風險的完美指標，而微觀杠桿率作為杠桿的原本涵義，納入了與負債相關的資產情況，有助于更好地評估債務風險狀況及債務可能引發的違約或破產問題，因此在宏觀層面上討論杠桿與風險，有必要引入微觀杠桿率概念和框架進行再檢驗。作為宏觀杠桿率與微觀杠桿率的銜接，學者提出“資本產出比”調整（劉曉光和劉元春，2018）、“資產收益率”調整（紀敏等，2017）等方式，這為健全和運用杠桿率指標體系提供了依據。此外，對于宏觀各部門而言（企業部門、政府部門、居民部門等），在宏觀杠桿率轉換為微觀杠桿率的過程中，還應考慮部門收入分配及資產結構等因素（秦棟，2020）。

杠桿所帶來的潛在風險問題，不僅包括違約及破產風險，還包括流動性風險。在考慮杠桿與流動性風險的關系時，應重點關注債務或杠桿結構。如“短債長用”強化了杠桿率的消極影響，惡化了企業風險融資體征，提高了微觀主體的流動性風險（俞雪芳，2015；劉曉光和劉元春，2019）；相反，長債短用則具有更多的“安全墊”和可操作空間（馬紅等，2018）。因此在分析杠桿與風險的互動關系時，有必要考慮流動性風險并納入負債匹配性特征。

回顧現有文獻可總結得出，風險狀況與傳統宏觀杠桿率水平（負債/GDP）、資本產出比、資產結構占比、負債匹配性等方面有關，簡單以傳統宏觀杠桿率（負債/GDP）來評估風險存在一定不足和缺憾。這意味著在觀測和評估風險的過程中，不僅要識別杠桿率的“數量”，還要考慮杠桿率的“質量”。基于“質量”調整后的杠桿率或能更好地評估風險狀況、厘清風險分布。值得一提的是，上述變量受經濟周期（資本產出比、資產結構占比）、金融周期（杠桿水平、負債匹配性）影響甚重，因此風險形成、積聚與爆發也與經濟周期和金融周期密切相關。

本文聚焦杠桿率與風險的關系及互動影響，從傳統常用的宏觀杠桿率（負債/GDP）出發，考慮可能影響風險的其他主要因素，對原始宏觀杠桿率進行調整，并計算獲得調整后杠桿率（負債/資產）的數據序列，通過有效性的研究設計，從實證角度獲得調整前后杠桿率對風險識別的效能差異，從而確認評估風險更有效的杠桿率指標。本文能為當前杠桿率理論發展和現實運用作出邊際貢獻，杠桿率基礎數據亦能為相關后續研究奠定基礎。本文不僅通過中國自身縱向比較以及與全球主要國家橫向比較等多維度，深入評估當前中國風險狀況及分布特點，相關結論有助于更好地掌握和評估當前風險形勢；還考量了流動性風險，將負債匹配性納入杠桿率調整中，進一步將杠桿率所揭示各類主要風險予以必要涵蓋。

二、杠桿率的調整與比較：宏觀整體視角

為了表述的便捷性且不引起歧義，本文將現有文獻中常用的宏觀杠桿率（負債/GDP）稱為“原始杠桿率”，與資產相關聯的杠桿率（負債/資產）稱為“調整后杠桿率”。需要指出的是，調整后杠桿率與微觀杠桿率計算公式一致，但下文均為宏觀層面概念，是特定微觀主體的加總，因此本文不將其稱為微觀杠桿率，以示區別。

（一）杠桿率的調整方法

根據微觀杠桿率（負債/資產）的公式構成，對原始杠桿率（負債/GDP）進行分解，構建宏觀層面能夠反映負債對應資產情況的調整后杠桿率如下：

即：調整后杠桿率＝原始杠桿率÷資本產出比=原始杠桿率×資產收益率 （4）

其中，資本存量是滿足國際可比口徑中對資產衡量效果最好的指標，且估計方法一致，能夠保證縱向可比性和橫向可比性，因此在具體衡量中，普遍采用資本存量作為一國資產的代理變量。

式（1）—式（4）展現了既有文獻中關于宏觀杠桿率與微觀杠桿率的關聯關系。資本產出比是一個宏觀可測算指標，體現了廣義資本的利用效率，一般而言，該指標會隨著資本積累和資本邊際產出下降而發生變化。部分學者使用資本產出比的倒數，即資產收益率對杠桿率進行換算調整，但考慮到資產收益率測算數據可獲得性及測算精度較差，因此本文使用資本產出比作為調整指標變量。

（二）調整前后杠桿率對比：中國

基于上述調整公式，下文將對整體宏觀杠桿率進行處理，隨后對中國及世界主要國家調整前后杠桿率的情況進行比較，并嘗試解釋兩者的可能差異。

原始杠桿率采用BIS和CNBS兩個年度測算值，數據來源于國際清算銀行（BIS）以及中國社科院國家資產負債研究中心（CNBS）。

資本產出比是衡量經濟發展水平的重要參數，索羅模型認為資本產出比是常量（Solow，1956），但在現實中，資本產出比在中長期會發生變化，一般是呈下降趨勢（Tourette，1969），當前估計資本產出比一般是用資本存量除以產出量或國民收入總量（K/Y），其中資本存量通用的方法是永續盤存法（郭慶旺和賈俊雪，2005）。基于Penn World Table（PWT10.0）數據庫①，以國家名義資本存量除以產出法GDP測算值可以獲得調整所需的資本產出比序列。

依據前述公式，測算得到中國原始杠桿率和調整后杠桿率。結果顯示，BIS和CNBS測算的原始杠桿率數值非常接近（見圖1）。從原始杠桿率結果來看，中國2020年杠桿率為280.07%，較1995年杠桿率99.30%增長了182.00%。原始杠桿率是中國宏觀分析中的重要指標之一，結合圖中原始杠桿率走勢，市場觀點普遍認為中國杠桿率上升過快、杠桿率絕對水平較高、風險隱患突出。

調整后杠桿率顯示（使用BIS原始杠桿率進行調整，見圖1），中國2019年杠桿率為63.28%，較1995年杠桿率37.49%增長了68.80%，小于原始杠桿率同期的增幅水平（158.00%）。由此可見，調整后杠桿率與原始杠桿率在絕對值水平和變化幅度方面均存在差異。整體而言，調整后杠桿率在1995年以來有升有降、非單邊上行，增長幅度也相對更平坦，難以從中得到中國杠桿率快速抬升并帶來了顯著風險隱患的結論，這與原始杠桿率走勢及所得到的結論存在一定差異。

關于原始杠桿率與調整后杠桿率差異的原因，主要是和調整式“資本產出比”的數值波動有關。資本產出比越高，表明單位資產的收入（GDP）越??；資本產出比越低，表明單位資產的收入（GDP）越大。中國社科院的研究表明，1995—2007年中國資本產出比相對穩定，2008年后資本產出比呈現上升趨勢，亦即單位產出需要投入更多的資本。究其原因，理論上這與資本邊際報酬遞減有關，現實中還與“四萬億”刺激政策（投資帶動增長而非技術進步）有關。本文采集的資本產出比數據也印證了該觀點。

從經濟意義上分析，調整后杠桿率可以大致看成全部微觀主體杠桿率的加總，微觀杠桿率一方面要考慮負債水平，另一方面還要考慮資產水平以及形成資產的能力（生產效率等）的情況，后者則與經濟周期密切相關?？梢哉f，調整后的杠桿率能夠一定程度顯示或預測經濟衰退概率。因此，在技術進步等方式的促進下，經濟體生產率及增速實現提升，有利于促進經濟增長和降低經濟衰退風險，而非技術進步等經濟短期刺激政策（如基建投資等）則難有其功效，反而會導致杠桿率抬升、加劇債務風險。

（三）調整前后杠桿率對比：主要國家

單從中國自身的數據來看，調整后杠桿率變化難以判斷其是否存在顯著風險隱患等結論，這需要將中國與世界其他主要國家進行橫向比較?；贐IS和PWT10.0數據庫，剔除數據缺失較多的樣本國家，共獲得18個樣本國家，包括中國、美國、英國、日本、韓國、印度、新加坡、墨西哥、加拿大等主要經濟體，數據年份為1995—2019年（部分樣本國家有個別年份數據缺失）。

結果顯示：中國方面，第一，原始杠桿率和調整后杠桿率的區間增幅差異不大，在1995—2019年的25年間，排序分別上升8位和7位。第二，截至2019年末，中國原始杠桿率（由高到低）在18個樣本國家中排序第8位，但調整后杠桿率排序第5位?？梢?，中國調整后杠桿率指標在世界主要國家中相對較高，一定程度表明了中國當前確實存在一定的潛在風險問題。但從圖中走勢還可以看出，中國在2017—2019年，調整后杠桿率出現明顯下降，體現出中國整體風險水平逐步趨于緩釋，相關政策成效良好。

其他國家方面，第一，2019年與中國原始杠桿率水平（256.68%）最接近的國家是美國（251.25%）和西班牙（265.43%），與中國調整后杠桿率（63.28%）最接近的國家是新加坡（63.33%）和挪威（62.23%），其中，新加坡調整后杠桿率在1995—2019年的25年間走勢與中國最接近。第二，1995年日本原始杠桿率最高、調整后杠桿率也最高，特別是原始杠桿率長期維持在高位，這是日本簽訂廣場協議后進入“失去的十年”具體體現；2019年日本原始杠桿率仍為最高、美國調整后杠桿率升至最高，展現了美國在次貸危機后實施多年的量寬和低利率政策的經濟后果。第三，墨西哥是全球主要國家中杠桿率最低的經濟體，1995—2019年間，墨西哥原始杠桿率和調整后杠桿率均出現小幅下跌，且是唯一一個原始杠桿率下跌的國家。墨西哥長期受制于毒品、腐敗、改革停頓等，國家負債能力及經濟發展情況不佳，并伴隨相對嚴重的通脹困擾。第四，2019年全球主要國家中，匈牙利、印度、馬來西亞、墨西哥、南非調整后杠桿率均較1995年出現了下降，除了墨西哥外，調整后杠桿率下降主要與上述國家資本產出比變化有關。

三、杠桿率的調整與比較：宏觀部門視角

宏觀部門主要分為企業部門、居民部門、政府部門，上文對宏觀整體杠桿率進行了調整及比較分析，本部分則聚焦宏觀各部門，按照類似方法對杠桿率再次進行調整與比較。這里仍沿用“原始杠桿率”和“調整后杠桿率”的表述。

（一）杠桿率的調整方法

對于宏觀部門（企業部門、居民部門、政府部門）而言，杠桿率調整關系如下：

即：調整后杠桿率＝原始杠桿率÷資本產出比÷部門資產占比 （8）

式（5）—式（8）可見，宏觀部門與宏觀整體的調整公式主要的不同之處在于，負債和資產均為宏觀特定部門而非整體全局，調整過程中納入了“部門資產占比”指標，因而不能簡單套用前文宏觀整體杠桿率的調整方法。

（二）調整前后杠桿率對比：中國

基于上述調整公式，下文將對各部門杠桿率進行處理，隨后僅對中國調整前后杠桿率的狀況進行比較（受限于數據可得性，無法對世界主要國家部門杠桿率進行橫向比較）。

原始杠桿率使用的是CNBS測算的杠桿率指標，數據來源于中國社科院國家資產負債研究中心官網。

資本產出比仍是基于Penn World Table（PWT10.0）數據庫（Feenstra et al.，2015），測算出中國資本產出比結果。值得一提的是，宏觀各部門的資本產出比均使用的是同一數據序列。

部門資產占比數據方面，基于國家總資產、非金融企業總資產、居民總資產、廣義政府總資產等數據，計算得到各部門資產占比指標。數據來源于Wind數據庫，數據年份為2000—2019年共20年。

依據前述調整公式，本文測算得到了非金融企業部門、居民部門、政府部門的原始杠桿率和調整后杠桿率（見圖2—圖4）。

圖2—圖4的結果顯示：一是對于非金融企業部門而言，調整前后杠桿率較為接近，并出現交替領先的走勢。究其原因，中國政府為應對金融危機沖擊，向市場投放了四萬億加額外配套的資金，大多數資金流向大型國企及傳統行業，這也導致后續中國出現部分行業供給過剩、產能過剩、存貨過高的局面，這部分資產可能并非優質資產，造成整個企業部門資產估值不高。隨著“三去一降一補”供給側改革等政策推出，相關行業和企業開始持續出清，對應資產開始貶值，調整后杠桿率也相應下降。基于調整前后杠桿率在近幾年的回落態勢，得出中國去杠桿政策堅定落地實施，整體執行狀況良好、成效明顯。

二是對于居民部門而言，調整后杠桿率在近20年間始終低于原始杠桿率，這與中國經濟現實基本相符。具體而言，中國居民負債或杠桿主要配置于房地產領域，而調整后杠桿率指標在資產端（分母部分）也納入了房價因素，那么房價上漲將提升居民部門資產水平，并帶動居民部門調整后杠桿率下降。當然，一旦中國房地產市場出現動蕩，房價大幅下跌，那么屆時居民杠桿率也會相應上揚。

三是對于政府部門而言，調整后杠桿率持續顯著高于原始杠桿率，并出現兩者大幅背離的剪刀差形態。結合經濟現實我們認為，首先，危機之后的“四萬億”刺激計劃和貨幣政策放松導致的流動性充裕，這為地方政府舉債提供了充足的資金來源；其次，地方政府由于“GDP錦標賽”以及財權事權不匹配，具有主動和被動的舉債沖動；再次，地方政府擁有公權力的資源支配和隱性擔保，在借貸市場上更有吸引力；最后，地方政府大多將資金投入到回報率很低的基礎設施建設上，或無法有效形成具有市場價值的可交易資產。上述因素疊加政府剛性支出、減稅降費等，造成了調整前后杠桿率出現了明顯背離、調整后杠桿率高企。近年來，房企經營發展受到抑制，購地拍地能力下降，政府以賣地作為主要財政收入來源的方案并不可持續。2020年全球爆發新冠疫情，疫情強外部沖擊造成企業生產困難、經營遇阻，企業納稅額明顯下降，但政府衛生醫療等防疫投入反而大幅增長，致使政府支出不減反增，造成了政府財政平衡壓力進一步增大，舉債需求仍在提升。由此可見，調整后杠桿率指出了政府部門在三大宏觀部門中風險隱患最大，后續應持續加以關注。

四、調整前后杠桿率的有效性測試

上文發現，原始杠桿率和調整后杠桿率在絕對值水平及相對變化水平方面均展現出一定差異，為了識別兩種杠桿率構造方式上哪種有效性更高、風險揭示功能更強，本部分基于整體宏觀杠桿率數據，對調整前后杠桿率進行有效性測試。

（一）不同杠桿率對危機的揭示能力分析

首先聚焦1997年和2008年兩次世界范圍內影響較大的金融危機事件，觀察比較兩次危機時主要受影響國家杠桿率的排序情況。

結果顯示（見表1），1997年受亞洲金融危機影響的2個樣本國家中，原始杠桿率值更高、主要受影響國家排序更靠前，但較調整后杠桿率排序情況差異不大，調整前后杠桿率對于此次危機而言，風險揭示功能相當、有效性相仿。2008年受次貸危機影響的3個樣本國家中，調整后杠桿率值更高、排序更靠前，特別是危機起源地美國，調整后杠桿率65.66%，在18個樣本國家中位列第2（僅次于挪威）?？梢?，對于兩次金融危機而言，調整后杠桿率較原始杠桿率的風險揭示功能更強、有效性更高。

為了進一步探究調整前后杠桿率對危機爆發的揭示能力，本文引入是否發生金融危機的虛擬變量作為被解釋變量，杠桿率及影響金融風險的控制變量作為解釋變量，構建面板Logit模型，以此估計調整前后杠桿率對金融危機的預測效果，從而分析調整前后杠桿率與金融危機的影響關系。具體模型見式（9）：

核心被解釋變量為是否發生金融危機虛擬變量（crisis），數據來源于Laeven and Valencia（2018）所搭建的金融危機數據庫，該數據庫具體給出了世界主要國家爆發銀行危機（Systemic Banking Crisis）、貨幣危機（Currency Crisis）與主權債務危機（Sovereign Debt Crisis）三種危機類型①，歷史數據表明三種危機往往出現伴生現象，因此本文對危機類型不作區分，統一視為金融危機（令為1）。核心解釋變量為原始杠桿率（leveage_old）、調整后的杠桿率（leveage_new）?？刂谱兞糠矫?，參考紀洋等（2021）的研究，納入了經濟增速（即實際GDP同比增速，gdp）、通貨膨脹率（消費者物價水平同比增速，inflation）、貿易開放度（進出口商品及服務的總額占GDP的比重，trade）、人口增速（人口同比增速，population）、固定資產投資占比（全部固定資產占GDP的比重，invest）、全要素生產率（固定價格全要素生產率，tfp），控制變量數據均來源于世界銀行。該部分基于前述18個樣本國家25年的面板數據，共有450個數據樣本點②。

為了展現杠桿率的預測功能，杠桿率變量在回歸中取滯后一期的數據。表2展示了金融危機與杠桿率的實證回歸結果。結果顯示，調整后杠桿率的回歸結果在10%置信水平上顯著為正，表明調整后杠桿率越高，越易爆發金融危機事件，而原始杠桿率回歸系數不顯著，可見調整后杠桿率在預測金融危機方面功效要強于原始杠桿率。從回歸擬合性來看，調整后杠桿率回歸的準R2值、LR卡方值均高于原始杠桿率回歸的準R2值、LR卡方值，盡管在統計學上而言兩者差異不大，但在模型預測力方面來說，還是能得到調整后的杠桿率指標的預測效果至少不差于原始杠桿率。

為了驗證回歸結果的穩健性，我們更換回歸方法，通過使用Logistic模型獲得odds ratio結果。回歸結果同樣得到調整后杠桿率系數顯著為正、原始杠桿率系數不顯著，且調整后杠桿率在模型預測效能上要優于原始杠桿率。odds ratio展現的是杠桿率相對金融危機的事件發生比，亦即調整后杠桿率增加1%后，金融危機的發生幾率增長了0.97%。通過更換回歸方法，驗證了結論具有穩健性?？偟膩碚f，通過設計實證模型，驗證得到了調整后杠桿率在對金融危機的預測能力方面要顯著強于原始杠桿率的結論。

（二）不同杠桿率對經濟衰退的預測分析

現實中關于杠桿率過高的潛在風險，除了金融危機之外，主要還是擔心高杠桿或高債務或將引發國家經濟衰退。對此，本部分基于世界主要國家杠桿率等數據和實證研究框架，驗證兩種杠桿率對經濟衰退的預測能力，以期獲得調整前后杠桿率有效性的更多證據。

模型方面，同樣引入面板Logit模型，構建是否發生經濟衰退的虛擬變量作為被解釋變量，杠桿率及影響經濟增長的控制變量作為解釋變量，以此估計杠桿率對發生經濟衰退概率的影響，從而分析調整前后杠桿率與經濟衰退的影響關系。具體模型見式（10）：

變量方面，經濟衰退虛擬變量（recession）定義為當經濟體t年實際GDP增長率為負值令為1，否則為0。杠桿率包括原始杠桿率（leverge_old）、調整后杠桿率（leverge_new），均來自前文計算所得。參考Barro and Martin（2004）、Acemoglu（2009）、干春暉（2011）等做法，選取影響經濟衰退的控制變量如下：一是經濟基礎（gdp_per），采用人均實際GDP對數值來衡量；二是全要素生產率（tfp），采用固定價格全要素生產率來衡量；三是固定資產投資占比（invest），采用全部固定資產占GDP的比重來衡量；四是產業增加值（industry），采用工業（包括建筑）增加值占GDP的比重來衡量；五是國際貿易（trade），采用進出口商品及服務的總額占GDP的比重來衡量；控制變量數據來源于世界銀行官網。

樣本數據方面，該部分仍是基于前述18個樣本國家25年的面板數據，共有450個數據樣本點①。

實證回歸中，為了充分體現杠桿率的預測功能，以及展現經濟基礎（gdp_per）的控制效果，杠桿率變量及經濟基礎控制變量均取滯后一期的數據。

表3是經濟衰退與杠桿率的實證回歸結果。結果顯示，從杠桿率指標系數顯著性來看，調整后杠桿率的回歸系數在5%置信水平上顯著為正，表明調整后杠桿率越高，國家出現經濟衰退的概率越高，而原始杠桿率不顯著，可見調整后杠桿率在預測經濟衰退概率方面功效要強于原始杠桿率。從回歸擬合性來看，調整后杠桿率回歸的準R2值、LR卡方值，均高于原始杠桿率，盡管在統計學上而言兩者差異不大，但在模型預測力方面來說，還是能得到調整后的杠桿率指標的預測效果至少不差于原始杠桿率。

為了驗證回歸結果的穩健性，我們更換回歸方法，通過使用Logistic模型獲得odds ratio結果?；貧w結果同樣得到調整后杠桿率系數顯著為正、原始杠桿率系數不顯著，且調整后杠桿率在模型預測效能上要優于原始杠桿率。odds ratio展現的是杠桿率相對經濟衰退的事件發生比，亦即調整后杠桿率增加1%后，經濟衰退的發生幾率增長了0.97%。通過更換回歸方法，驗證了結論具有穩健性。

通過兩個不同角度的研究論證，驗證了調整后杠桿率在對金融危機和經濟衰退的預測能力方面要強于原始杠桿率，得出調整后杠桿率有效性更佳的結論。

五、拓展性研究：基于負債匹配性的杠桿率調整

前文關于杠桿與風險的關系，主要描述的是高杠桿率可能引致更高概率的違約及破產風險。本部分基于債務或杠桿的結構特征，挖掘杠桿與風險的另外一層互動關系，即杠桿結構不合理可能帶來更高概率的流動性風險。

（一）基于負債匹配性調整的杠桿率分析

以短期負債、中長期投資形態為主的期限錯配易引發流動性風險，加大企業經營困難，甚至導致企業資金鏈斷裂而破產（Diamond，1991；Acharya et al.，2011；Gopalan et al.，2014）。當前中國很多企業長期用途資金均來自短期借款，需要不斷續做和滾動來匹配久期，資金期限錯配很容易在市場快速收緊等極端環境下爆發流動性風險，進而導致企業運轉不善、經營陷入困境（胡援成和劉明艷，2011；鐘寧樺等，2016）。這種“短債長用”的資金運作模式會提升微觀主體在現金流管理方面的考驗，加劇資金周轉的難度，還有可能步入借新還舊→借新還息→資產負債表惡化的陷阱中（劉曉光和劉元春，2019）。因此，研究中國債務或杠桿問題，一個不容忽視的因素是中國微觀主體普遍存在的“短債長用”現象，即債務與資產的期限結構錯配問題。

目前國內關于“短債長用”的相關研究，主要集中于微觀層面，宏觀層面則是受限于“短債長用”數據的不可獲得性，尚未有學者涉足研究。微觀層面上，衡量“短債長用”相對權威的指標構造方法為：企業短期負債占比與短期資產占比之差（劉曉光和劉元春，2019），該指標越大表明“短債長用”情況越嚴重。在該方法基礎上，我們構造了本文的“短債長用”代理指標：第一，按照該方法的計算規則，測算了2000—2019年度中國A股所有上市公司的“短債長用”平均值，作為代理宏觀層面“短債長用”的變量，并在前文調整后杠桿率基礎上，以“短債長用”程度作為增（降）幅百分比的換算邏輯，納入調整后杠桿率數據序列中，從而獲得基于負債匹配性調整后的杠桿率（lev1）。第二，以中國金融機構作為切入點，根據中國人民銀行公布的統計數據，整理得到2003—2019年季度頻率中國金融機構本外幣信貸收支情況，計算并獲得住戶活期存款占比、企業活期存款占比、住戶短期貸款占比、企業短期貸款占比等數據序列，參照上述衡量“短債長用”的方法（短期負債占比與短期資產占比之差），測算并獲得代理宏觀層面“短債長用”的變量，同樣在前文調整后杠桿率基礎上，以“短債長用”程度作為增（降）幅百分比的換算邏輯，納入調整后杠桿率數據序列中，從而獲得基于負債匹配性調整后的杠桿率（lev2），值得一提的是，金融機構視角切換成負債主體（如企業）視角時，短期負債占比與短期資產占比的方向需要進行倒置。

根據上述兩種“短債長用”計算方法，以及納入調整后杠桿率的邏輯，可以得到基于負債匹配性調整后的杠桿率lev1和lev2，隨后將其與前文調整后杠桿率進行對比研究。結果顯示（見圖5），由于中國普遍存在“短債長用”現象，因此納入“短債長用”調整代理變量之后均展現為杠桿率正向增長，即納入“短債長用”的杠桿率整體要高于未納入的調整后杠桿率水平。

納入“短債長用”與調整后杠桿率之間的差額可以理解為市場流動性風險水平，圖5顯示，2002、2010、2017等年份兩者差額水平相對較高，暗含了這幾年流動性風險問題相對較突出。

（二）基于負債匹配性調整后的杠桿率有效性測試

為了驗證基于負債匹配性的調整后杠桿率是否具有更強的綜合風險揭示效果，接下來設計實證模型進行有效性測試。該部分有效性測試的關鍵點在于如何構造和呈現綜合風險水平，參考許滌龍和陳雙蓮（2015）的研究，結合銀行業、房地產業、股票市場、外部金融市場四個維度，選取18個相關經濟金融指標，利用CRITIC賦權方法，構造我國系統性風險指數（systemrisk）①，作為核心被解釋變量。

核心解釋變量為前文的原始杠桿率（leveage_old）、調整后杠桿率（leveage_new），以及基于兩種“短債長用”方法調整后的杠桿率lev1、lev2。

控制變量方面，與前文保持一致，選取了經濟增速（即實際GDP同比增速，gdp）、通貨膨脹率（消費者物價水平同比增速，inflation）、貿易開放度（進出口商品及服務的總額占GDP的比重，trade）、人口增速（人口同比增速，population）、固定資產投資占比（全部固定資產占GDP的比重，invest）、全要素生產率（固定價格全要素生產率，tfp）。

構建VAR模型，通過不同杠桿率對系統性風險指數的方差分解情況，來識別和判斷杠桿率對綜合風險的揭示效果。值得一提的是，本部分為了提高VAR模型的數據樣本量及回歸準確性，選擇季度頻率數據，樣本區間為2003年第4季度至2019年第4季度①。

數據平穩性檢驗發現除系統性風險（systemrisk）變量外，其余變量均為一階單整。各VAR模型均存在協整關系且均顯示平穩，各檢測標準指向的最優滯后階數為2。

方差分解結果如表4所示。結果顯示，一是在同時納入原始杠桿率（leveage_old）以及基于兩種“短債長用”方法調整后的杠桿率lev1或lev2的VAR模型中，無論是lev1還是lev2，在10期以上的穩定狀態下都比原始杠桿率（leveage_old）方差貢獻度要高，這表明，在系統性風險指標（systemrisk）的方差歸因上，主要可歸因為納入“短債長用”的調整后杠桿率。二是在同時納入原始杠桿率（leveage_old）、調整后杠桿率（leveage_new），以及基于兩種“短債長用”方法調整后的杠桿率lev1、lev2的VAR模型中，lev2在10期以上的穩定狀態下比原始杠桿率（leveage_old）和調整后杠桿率（leveage_new）方差貢獻度要高，但該結論對于lev1在不成立，可見在負債匹配性調整方面，lev2的構造方法比lev1構造方法更佳。

結合脈沖響應圖，來進一步確認lev2的構造方法比lev1構造方法更佳的結論。脈沖響應結果顯示（見圖6），短期內lev2對systemrisk的正向沖擊更強，且持續期更久、衰減速度更慢，相比之下lev1對systemrisk的正向沖擊更弱，在第2期就基本衰減至0附近?？梢?，脈沖響應結果再次印證了lev2的構造方法比lev1構造方法更佳的結論。

整體來說，考慮負債匹配性的杠桿調整有利于更好地識別綜合風險水平，可見其風險揭示能力更強、有效性更高。究其原因，主要是負債匹配性調整的杠桿率不僅可以揭示違約破產風險，還能一定程度涵蓋流動性風險狀況，因此在評判系統性風險水平時，使用負債匹配性調整后的杠桿率是更優的選擇。

六、結論與政策建議

（一）結論

目前常用的宏觀杠桿率指標（負債/GDP）盡管數據可得性好、口徑可比性強，但由于未考慮資產增值及處置抵損等負債對應資產端的情況，在刻畫風險狀況時存在一定的不足和缺憾。本文基于微觀杠桿率的構成式，將資本產出比等作為調整項，對原始杠桿率進行調整并得到調整后杠桿率指標數據值，嘗試解決原始杠桿率因忽略資產端因素進而可能對風險識別判斷出現不準確等問題。此外，本文基于宏觀各部門（企業部門、居民部門、政府部門）的差異化計算公式，將部門資產占比作為另一個調整項并納入進來，對原始杠桿率再次進行調整并得到各宏觀部門的調整后杠桿率指標數據，這為我們掌握各部門風險狀況提供了依據。為了評判調整前后杠桿率的適用性，本文還設計了杠桿率對風險揭示功能的有效性測試，結果顯示，調整后杠桿率較原始杠桿率而言，能更好地揭示危機的爆發，更有效地預測經濟衰退，其風險揭示能力及整體有效性更突出。本文納入了負債匹配性因素，將流動性風險納入進調整后杠桿率指標中來，也進一步將杠桿率所揭示各類主要風險予以必要涵蓋，研究結果還發現，較原始杠桿率和調整后杠桿率而言，基于負債匹配性調整后的杠桿率有效性更強、風險揭示能力更突出。

通過比較調整前后杠桿率水平，文章分析了當前中國整體風險水平及風險分布情況，得到以下主要結論：一是調整后杠桿率1995年以來非單邊上行，增長幅度相對更平坦，無法從中直接得出中國杠桿率持續抬升并帶來了顯著風險隱患的結論，這與原始杠桿率走勢及結論存在一定差異，主要是2008年后中國資本產出比持續上升等原因所致。二是中國調整后杠桿率指標在世界主要國家中相對偏高，但歷經防風險攻堅戰后，中國調整后杠桿率出現顯著回落，整體風險水平趨于緩釋，在主要國家中，新加坡近25年調整后杠桿率走勢與中國最接近。三是政府部門調整后杠桿率顯著高于原始杠桿率，表明政府部門風險現狀較嚴峻，主因是“四萬億”刺激政策、地方GDP錦標賽、預算軟約束、隱性擔保等，疫情沖擊致使政府財政平衡壓力進一步增大，相關風險值得持續關注。四是由于中國微觀主體普遍存在“短債長用”現象，導致市場流動性風險問題不斷累積，在資金投放整體處于穩中趨緊大環境下，后續市場流動性風險隱患或將顯性化。

（二）政策建議

根據當前中國的宏觀經濟形勢和貨幣金融環境，本文建議：一是使用調整后杠桿率進行風險監測，持續深化改革，不斷推動經濟結構調整。二是利用“盤活資產存量—拉動消費需求”相結合的舉措，逐步化解中國總杠桿率水平偏高的問題。三是全面推行高質量發展戰略，扭轉過去以GDP為核心目標的政府“競標賽”激勵方式，同時持續推動財稅制度改革，逐步摒棄土地財政的舊做法，發掘新的非稅收入來源，多措并舉緩釋政府部門杠桿水平。四是積極穩妥地采取各項措施保障優質民營企業、創新能力和成長性較好的企業的融資需求，避免在強監管下企業“短債長用”和銀行惜貸矛盾激化而陷入流動性困境。五是要持續關注當前市場上流動性風險問題，實現提前預警和防范，在制定貨幣政策時應納入考慮市場流動性風險水平，保持貨幣政策與流動性風險的匹配性。

（責任編輯：夏凡）

參考文獻：

[1]Tobin J.Keynesian models of recession and depression[J].The American Economic Review，1975，65（2）：195-202.

[2]Minsky H P.Stabilizing an unstable economy[M].New Haven：Yale University Press，1986.

[3]Bernanke B S，Gertler M，Gilchrist S.The financial accelerator in a quantitative business cycle framework[J].Handbook of Macroeconomics.Armsterdam： North Holland，1999：1231-1745.

[4]魏曉琴，耿方旭，李光.我國債務杠桿率、宏觀審慎政策對金融穩定的影響研究[J].海南金融，2023（5）：3-19.

[5]McKinnon R I.Money and capital in economic development[M].Washington，D.C.：Brookings Institution，1973.

[6]Shaw A S.Financial deepening in economic development[M].New York： Oxford University Press，1973.

[7]中國人民銀行杠桿率研究課題組.中國經濟杠桿率水平評估及潛在風險研究[J].金融監管研究，2014（5）：23-38.

[8]劉曉光，劉元春.杠桿率重估與債務風險再探討[J].金融研究，2018（8）：33-50.

[9]紀敏，嚴寶玉，李宏瑾.杠桿率結構、水平和金融穩定——理論分析框架和中國經驗[J].金融研究，2017（2）：11-25.

[10]wjkEufKMM9Bw0xtwKYHIiA==秦棟.宏觀杠桿率視角下的各部門債務[J].中國金融，2020（12）：89-91.

[11]俞雪芳.民營企業短貸長投與融資約束的關系——來自我國上市公司的經驗證據[J].經營與管理，2015（5）：91-93.

[12]馬紅，侯貴生，王元月.產融結合與我國企業投融資期限錯配——基于上市公司經驗數據的實證研究[J].南開管理評論，2018，21（3）：46-53.

[13]劉曉光，劉元春.杠桿率、短債長用與企業表現[J].經濟研究，2019，54（7）：127-141.

[14]Solow R M.A contribution to the theory of economic growth[J].Quarterly Journal of Economics，1956，70（1）： 65-94.

[15]Tourette J E L.Trends in the capital-output ratio： United States and Canada 1926-1965[J].Canadian Journal of Economics，1969，2（1）：35.

[16]Feenstra R C，Inklaar R，Timmer M P.The next generation of the Penn world table[J].American Economic Review，2015，105（10）：3150-3182.

[17]Laeven M L，ValenciaM F.Systemic banking crises revisited[J].IMF Working Paper，2018，WP/18/206.

[18]紀洋，葛婷婷，邊文龍，黃益平.杠桿增速、部門差異與金融危機——“結構性去杠桿”的實證分析與我國杠桿政策的討論[J].經濟學（季刊），2021，21（3）：843-862.

[19]Barro R J，Martin S I.Economic growth[M].Massachusetts： MIT Press，2004.

[20]Acemoglu D.Introduction to modern economic growth[M].New Jersey：Princeton University Press，2009.

[21]干春暉，鄭若谷，余典范.中國產業結構變遷對經濟增長和波動的影響[J].經濟研究，2011，46（5）：4-16+31.

[22]Diamond D W.Debt maturity structure and liquidity risk[J].Quarterly Journal of Economics，1991，

106（3）：709-737.

[23]Acharya V，Gale D.Yorulmazer T.Rollover risk and market freezes[J].Journal of Finance，2011，66（4）： 1177-1209.

[24]Gopalan R，Song F，Yerramilli V.Debt maturity structure and credit quality[J].Journal of Financial and Quantitative Analysis，2014，49（4）： 817-842.

[25]胡援成，劉明艷.中國上市公司債務期限結構影響因素：面板數據分析[J].管理世界，2011（2）：175-177.

[26]鐘寧樺，劉志闊，何嘉鑫，蘇楚林.我國企業債務的結構性問題[J].經濟研究，2016，51（7）：102-117.

[27]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.

基金項目：本文系國家社科基金青年項目“金融擴大開放部署下我國金融風險傳導及防控研究”（20CJY065）階段性研究成果。

收稿日期：2024-09-27

作者簡介：管 超（1990-），男，江西萍鄉人，現供職于中國人民銀行深圳市分行；

王 升（1982-），男，江蘇鹽城人，東北大學工商管理學院博士研究生；

余 博（1989-），男，安徽黃山人，南京財經大學金融學院副教授、碩士生導師。

本文僅代表作者觀點，不代表所在單位意見。