企业杠杆、融资类型与金融逆周期调节

摘 要：本文基于明斯基金融不稳定理论对我国企业杠杆及融资类型进行实证研究，使用因子分析法构建金融逆周期调节压力指数，并构建面板向量自回归模型，运用脉冲响应、方差分解、格兰杰检验等方法对我国31个省级数据进行实证分析。实证结果表明，我国当前企业融资类型与明斯基金融不稳定理论中的投机融资和庞氏融资具有较大相似性；企业融资方式向庞氏融资的转变会形成风险聚集，加剧金融不稳定性，金融对其进行逆周期调节的压力增加。

关键词：明斯基理论；金融逆周期调节；面板向量自回归

DOI：10.3969/j.issn.1003-9031.2018.03.01

中图分类号：F832.5 文献标识码：A 文章编号：1003-9031（2018）03-0004-09

一、引言

近年来，我国经济部门的资产投资规模与负债规模快速上升，资产价格不断上涨，但在经济新常态下高收益资产供给减速，资产长期价格预期下降，导致经济部门的实际债务增长高于名义债务的增长，其实际杠杆率上升。尤其是非金融企业借助金融机构业务嵌套或通道过度债务融资，其杠杆率不断攀升。偏高杠杆率对经济市场和金融市场积聚较大的风险隐患，可能会引致资产价值崩溃时刻的到来。金融不稳定理论表明，企业部门、家庭部门和政府部门任何一个部门债务突破一定的临界点或是出现庞氏融资，就足以引发系统性金融危机。鉴于此，周小川提出要重点防止“明斯基时刻”的到来①。巴塞尔协议Ⅲ也提出，如果经济中顺周期因素太多，会造成矛盾的积累，到一定时候就会出现瞬间的剧烈调整，有必要建立系统性金融风险预警体系引入逆周期的调控措施，牵住“灰犀牛”的鼻子，掌握主动权防范局部或全局性“明斯基时刻”的到来，牢牢守住不发生系统性金融风险的底线，是当前我国金融风险监管及防范的一项重要研究课题。

二、明斯基理论模型

“金融不稳定假说”（Financial Instability Hypothesis）是美国经济学家海曼·P·明斯基（HymanP.Minsky）所提出，该理论因曾成功预警了美国金融危机而受到关注。根据明斯基金融不稳定理论，企业融资分为三种类型，分别为对冲性融资（Hedge Finance，或称套期融资）、投机性融资（Speculative Finance）和庞氏性融资（Ponzi Finance）。对冲型融资是最保守、最安全的融资，该类融资预计预期收入流量可以覆盖投资支出和由融资产生的利息支出，是控制在安全边际之内的融资；投机型融资是有一定扩张性和风险性的融资，该类融资是针对融资成本或资产价格变化进行的融资，当融资成本不断下降或资产价格不断上升时，企业的净收入足够覆盖融资产生的利息，企业通常在经济加速上升阶段安全运行，但经济放缓或下行阶段企业会出现流动性风险；庞氏型融资是风险最高的融资类型，这类融资的企业净收入无法覆盖融资产生的利息，会导致企业债务不断上升、金融风险不断累积等恶性结果发生。

Foley（2003）构建了明斯基金融不稳定理论的数学模型，将三种企业融资分类与企业杠杆率（资产负债率）联系起来。该模型主要通过一定阶段内企业净收入可否满足新增投资资金需求或融资产生的利息支付对融资类型进行判断。假设某阶段时期内企业获得资金的途径有该阶段企业净收入C和企业新增债务L，企业使用资金的途径有该阶段新增投资V和为融资支付的利息T，则有：

三、金融逆周期调节压力指数构建

（一）指标选择和测算方法

我国金融相关的顺周期因素主要有货币发行量、利率、汇率、银行流动性、证券市场热度、保险市场发展、财政实力、房地产市场等。基于此，本文选用了8个相关指标，其中全国层面的指标有M2/GDP、银行同业拆借利率、实际有效汇率指数和沪深两市证券交易总额，省际的指标有存贷比、保费收入倒数、财政负担率倒数和房地产销售额（见表1）。

（二）数据处理和指数测算

综合考虑各指标数据的可获得性和易处理性，本文采集2009—2015年各省份相关指标季度数据。对于银行同业拆借利率、实际有效汇率指数等高频时点数据，通过计算各季度内每天数据的平均值作为季度数据。为了去刚量化比较，在基础数据计算出各省份各时期指标值的基础上，采用百分制法进行标准化，具体如下：

定指标权重，本文使用统计分析软件spss中因子分析法对上述8个变量旋转降维运算，得到2009—2015年各省份共28期季度金融逆周期調节压力指数。由于该指数序列分布过于密集，需要进一步采取上述方法对该序列进行标准化，得到一个最小值为0、最大值为100的新数列作为金融逆周期调节压力指数。当指数接近于0，可以认为该金融状态不需要进行逆周期调节；当指数接近于100，说明金融累积风险程度较高，金融不稳定性上升，金融逆周期调节的迫切性和重要性较大，金融逆周期调节的压力明显。

四、实证研究

（一）变量和数据选择

由前文理论模型推导情况可知，分析融资类型可以将企业杠杆率作为代理指标。用各省GDP表示经济运行情况，用各省金融逆周期调节压力指示表示金融稳定水平大小。综合考虑各统计指标数据的可得性，使用2009—2015年各省份共28期季度进行分析。

（二）面板VAR的建立、脉冲响应分析和方差分解

在进行面板VAR估计之前，需要检验各省生产总值（GDP）、杠杆率（LR）、金融逆周期调节压力指数（ICP）三个变量的平稳性。我们将三个变量分别取对数并差分，得到dlnGDP，dlnLR，dlnICP，因为LLC检验需要强均衡面板数据，而dlnLR不是强均衡面板数据，所以对其还必须进行IPS平稳性检验。经检验，各省生产总值（GDP）、杠杆率（LR）、金融逆周期调节压力指数（ICP）三个变量取对数并差分后的数据dlnGDP，dlnLR，dlnICP均通过检验，是平稳变量。

进而使用统计软件Stata对dlnGDP、dlnLR、dlnICP建立PVAR模型。经过滞后期的最优选择统计量分析（见表3）可以得出三种方法下的最佳滞后期均为4，因此建立滞后期为4的面板VAR模型。

进而采用乔利斯基（ Cholesky ）分解法得到整体模型的脉冲响应函数，并可以得到如下脉冲响应图（见图1-3）。

由图1可知，在第15期之前，杠杆率对金融逆周期调节压力指数的影响为正，在第5期达到峰值4.4个标准差，随后正向影响逐渐下降，到第15期之后转为负向影响。因此在短期内，企业的融资方式中，负债所占比例越大，金融不穩定性越大，造成的金融逆周期调节的压力越大。GDP对金融逆周期调节压力指数的影响为负，在第2期的影响最大，为-1.5个标准差，而后在负向区间震荡，这表明GDP增长有利于降低金融逆周期调节的阻力和风险。

由图2可知，金融逆周期调节压力指数对杠杆率的影响在前4期为正，随后转为负向并缓慢趋向于0，因此金融不稳定的加剧在短期内会使企业庞氏融资的情况增加，而通过金融逆周期调节，可以从中长期逆向影响对企业杠杆，抑制企业杠杆率过快增长或下降。另一方面，GDP对杠杆率的冲击为一开始为0，第2期开始转为正向，在第11期为最大值0.22个标准差，随后逐渐平缓下行，GDP的增长会在一定程度上减轻过度负债即庞氏融资的发生。

由图3可知，在初始和前期阶段，金融逆周期调节压力指数对GDP的冲击为负数，在第6期后转为正向，但最终还是趋0转负，表明金融体系不稳定对GDP的增长有不利的影响。而杠杆率对GDP的冲击最初为0，在短期产生正向影响后迅速转为负向影响，负向冲击在第14期到达最大力度0.8个标准差，此后脉冲响应的负向影响逐渐减小，但保持在负向区间，企业融资类型的庞氏转变对GDP短期起到拉动作用，但这种作用并不明显且很快消退，从中长期来看会对GDP的增长有不利的影响。

由方差分解图4看出，对于金融逆周期调节压力指数（dlnICP），该指标对自身方差的解释作用整体趋势由大到小，而杠杆率（dlnLR）和各生产总值（dlnGDP）对金融逆周期调节压力指数方差的解释作用不断增大，到第10期时各省生产总值（dlnGDP）对金融逆周期调节压力指数（dlnICP）的解释力度上升至3.4%。对于各省生产总值（dlnGDP），该指标前期对其自身方差的解释作用较大，但随着金融逆周期调节压力指数（dlnICP）对dlnGDP方差的贡献程度逐渐增大，其自身的解释力度逐渐减小。

由格兰杰因果检验（见表5）可以看出，在5%的显著水平下，金融逆周期调节压力指数（dlnICP）和企业杠杆率指标（dlnLR）是对方的格兰杰原因；各省生产总值（dlnGDP）不是企业杠杆率指标（dlnLR）的格兰杰原因，但企业杠杆率指标（dlnLR）是各省生产总值（dlnGDP）的格兰杰原因。金融逆周期调节压力指数（dlnICP）和各省生产总值（dlnGDP）相互不是格兰杰原因。这反映了我国的企业杠杆率和金融稳定、金融调控是紧密相关的，企业杠杆率变化是导致金融稳定性的波动的主要原因，而金融调控是导致企业杠杆率变动的外生变量之一，说明了金融逆周期调节对企业杠杆水平调控将起到明显作用。虽然企业杠杆率波动可能导致GDP的波动，金融逆周期调节却不会导致这种波动，一定程度说明金融逆周期调节可以有效控制企业杠杆率过快增长但并不对GDP增长造成负面影响。例如我国当前通过发展直接融资市场支持实体经济发展，既有助于企业去杠杆，同时也对GDP形成有益支持。

（三）实证结论

当前我国金融市场的风险对未来金融市场的稳定有较为明显的影响，而且高企的企业杠杆率对金融市场的不稳定有较为明显的推动作用，而且也对GDP的长期增长产生了较为明显的负向影响。在明斯基金融不稳定理论框架下，我国企业融资方式一旦由对冲融资向投机型融资、庞氏型融资的转变，将会进一步导致金融体系的不稳定，并传导到实体经济，制约GDP的长期增长。一是我国企业融资方式与明斯基金融不稳定理论中投机融资和庞氏融资已经具有较大相似性，顺周期因素导致企业杠杆控制难度较大；二是企业融资方式向庞氏融资的转变会形成风险聚集，加剧金融不稳定性，对其进行逆周期调节的压力增加，但GDP的增长会有利于消减金融不稳定因素，并使得金融逆周期调节压力下降；三是我国企业杠杆率的上升加剧了金融的不稳定性，且金融不稳定的加剧及企业杠杆率的上升对GDP长期增长存在负向影响。但是，适度的金融逆周期调节可以有效控制企业杠杆率过快增长，且不会对GDP增长造成负面影响。因此，在一定程度上抑制企业融资方式从保守型向庞氏的转变，对于提升金融体系的稳定性和GDP增长都是有利的。

五、政策建议

（一）发挥信贷政策导向作用，抑制企业杠杆高企

一是发挥信贷政策导向评估的正向激励和反向约束作用，充分做实信贷政策导向评估，加强评估结果的运用。二是基于流动性调节角度，适度创新货币政策工具，熨平经济与资产价格波动，平滑信贷增速。

（二）强化对企业杠杆的宏观审慎管理，防止过度顺周期加杠杆

一是参照巴塞尔资本约束机制建立对企业经营的适度资本约束机制，防止企业过度加杠杆融资，发生对冲型融资向投机性、庞氏融资的转变。二是加强对企业不合理，过度顺周期加杠杆的控制。

（三）构建金融不稳定风险综合预警机制，提升金融不稳定预警能力

一是充分发挥国务院金融稳定发展委员会金融风险防控牵头协调作用，建立“一行三会”与地方政府金融管理部门金融风险信息共享机制。二是运用微观审慎监管的风险管理手段监测评估微观金融市场和宏观经济运行的风险苗头。三是统筹宏观与微观金融市场，选取与企业杠杆关联的经济周期指标，构建金融不稳定风险预警指标体系。

（四）相机采取市场化降杠杆举措，缓解金融不稳定压力

一是持续推进供给侧结构性改革，发挥资本市场平台和工具作用，建立市场化的去杠杆机制。二是提升资金使用效率。强化企业预算约束，充分发挥市场机制打破刚性兑付，在允许可控的范围内缓释局部杠杆债务违约风险，尤其是释放借助刚性兑付通过“庞氏融资”的无效资金需求，从而缓解金融不稳定压力。■

（特约编辑：陈国权）

参考文献：

[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]徐则荣，张一飞.马克思与明斯基经济危机理论比较研究[J].经济纵横，2014（8）.

[4]张云.明斯基融资类型、金融不稳定和经济增长——基于中国省际数据的实证分析[J].政治经济学评论，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.降低企业杠杆率的重点[J].中国金融，2017（4）.

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

[9]周小川.建立符合国情的金融宏观调控体系[J].中国金融，2011（13）.

[10]方芳，刘鹏.后危机时代金融顺周期效应的重新审视[J].教学与研究，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]谢平，邹传伟.金融危机后有关金融监管改革的理论综述[J].金融研究，2010（8）.

[13]苟文均，袁鹰，漆鑫.债务杠杆与系统性风险传染机制——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.我国系统性金融风险指数的构建与测算——基于CISS综合指数方法[J].浙江金融，2017（5）.