中国影子银行委托贷款风险管控政策模拟与仿真研究

尹 威 赵启程

东南大学 经济管理学院，江苏 南京 211189

一、引言

委托贷款是为了满足企业间资金融通的需要而突破法律限制产生的新型模式，属于典型的中国式影子银行，是银行正规信贷渠道的替代与补充（程小可等，2015［1］）。委托贷款面向融资约束较大的地区和企业开展业务，一定程度上能够弥补市场中正规信贷不足的缺陷，为企业提供了新的融资渠道。为规范委托贷款业务，2018年中国银行业监督管理委员会专门出台了《商业银行委托贷款管理办法》，有效引导市场主体的委托贷款行为。截至2021年8月，委托贷款存量为10.93万亿人民币（下同），占同期社会融资规模存量的3.58%，仅次于对实体经济发放的人民币贷款、政府债券和企业债券，成为社会融资的重要组成部分。但同时，为防范化解系统性金融风险，国家对影子银行体系的风险管控也不断在加强，如何发挥委托贷款的融资功能，降低其风险效应是亟需探讨的问题。

中国“四万亿”计划后经济政策不确定性上升促进了影子银行的快速发展（高洁超等，2020［2］）；对于非金融企业而言，内源融资和外源融资的增加推动了其从事影子银行业务的便利（韩珣等，2017［3］）。一方面，影子银行体系为金融机构提供了新的利润增长点，提高了资金使用效率，为企业融资提供了新的途径，极大缓解了中小企业的融资困境。同时非金融企业的影子银行化趋势日益增强（韩珣等，2017），改变了商业银行传统的盈利模式（周莉萍，2011［4］）。另一方面，影子银行自身的高杠杆运作、期限错配、信息不对称等特点也给金融稳定带来了极大冲击，其比商业银行具备更强的信用创造能力和更高的杠杆，这会对金融稳定产生重大影响（李波和伍戈，2011［5］）。如影子银行易受到宏观经济形势的影响，长期的利率管制和紧缩的货币政策放大了影子银行风险承担行为（胡利琴等，2016［6］）；非信贷性影子银行在利率正向冲击下会扩张规模，表现出逆周期行为（裘翔和周强龙，2014［7］），而信贷性影子银行则表现出顺周期的行为（方先明和权威，2017［8］）。影子银行使得信贷资金在金融机构间反复流转，抬高了企业融资成本（陆晓明，2014［9］），加剧了金融系统的复杂程度，期限错配问题导致大量风险集聚（林琳等，2016［10］），造成企业的经营风险陡增（李建军和韩珣，2019［11］）。

基于上述讨论不难发现，委托贷款的交易风险同样不可忽视。如信息不透明的关联交易弱化了委托贷款的交易独立性原则，迫使非关联企业遭受“贷款歧视”，容易积聚微观金融风险。委托贷款业务流程中，银行只承担“桥梁”的角色，交易违约风险几乎全部由委托方承担，但委托方往往没有一套完整且成熟的贷款审查流程，对风险的认识和把控能力较弱，更偏向于把资金提供给关联方，在给予关联方“贷款优待”的同时对非关联方产生“贷款歧视”，在损害交易公平性的同时也推升了贷款的整体风险水平（Allen et al.2019［12］；Yin and Liu，2019［13］）。从宏观经济层面看，货币政策紧缩不仅会使得委托贷款规模增加，还可以使委托贷款类型发生转换，表现为非关联委托贷款增长高于关联委托贷款（杜立和钱雪松，2021［14］）；从交易过程来看，委托贷款借贷双方的地理距离阻碍了信息收集和监督，由此产生的信息摩擦会增加委托交易成本（杜立等，2020［15］），另外委托贷款的抵押条款和贷款违约率也存在正相关关系（钱雪松等，2020［16］）；从业务特征来看，全要素生产率、产能利用率低的企业更愿意从事类金融业务，发放委托贷款的概率越大，数量越多（公衍磊等，2020［17］）。金融发展水平较高的地区，企业向外发放委托贷款的概率更高（钱雪松等，2017［18］）。总体而言，委托贷款是重要的融资渠道，加强委托贷款业务的规范与监管，促进借贷市场稳健发展，是现代金融体系下防范金融风险的重要环节，也是金融风险防控的研究重点。

本文拟基于上市公司委托贷款公告的数据挖掘，运用Multi-Agent仿真建模方法，构建包含委托方和借款方的委托贷款关联交易模型，探讨不同政策组合下防控委托贷款市场风险的效果。本文着重设计的模拟政策方案包括三种类型：一是从管控“融资条件”出发，采用限制交易期限和贷款利率的方案；二是从关联交易角度出发，通过管控借贷市场中的关联交易规模形成的方案；三是从非关联交易角度出发，使用消除“贷款歧视”的方案。本文的主要贡献包括两点：一是在挖掘获取小样本真实数据的基础上，提取委托贷款交易的典型特征，构建包含资金提供方、关联贷款方、非关联贷款方和监管方的Multi-Agent模型，在研究对象维度上形成了突破；二是从期限管控、利率管控、关联规模管控、“贷款歧视”管控等视角出发，考察单一和复合政策对委托贷款模式风险的影响，创新性地评估中国影子银行委托贷款风险的政策管控效果。

二、理论分析与研究命题

（一）委托贷款交易特征

本文的数据以2005年至2021年沪深上市公司发布的有关委托贷款的公告为基础，详细整理了每笔业务的交易金额、期限、利率和是否关联交易情况等信息，剔除缺失数据后，获得有效交易信息样本2102笔，其中关联交易913笔，非关联交易1189笔。样本中委托贷款的金额、期限和利率的描述性统计详见表1。

表1 委托贷款条件描述性统计

从表1的结果可以看出，样本中委托贷款的规模差异较大，最小规模为50万元，最大规模为155.745亿元，均值为3.286亿元。委托贷款的期限大部分集中在1年，均值约为1.5年，最大值为15年。委托贷款利率的分布范围比较广，从“折扣”利率到最高为4倍的基准利率，贷款利率相对于基准利率的均值水平为1.272倍。从关联交易与非关联交易组别的对比情况来看，贷款规模和利率均值存在着显著的不同，即关联交易的贷款规模均值大于非关联交易，但平均利率却低于后者。对此，本文进行组间差异检验来进一步验证前述差异在统计上的显著性（表2）。

表2 关联委托贷款和非关联委托贷款组间差异检验

从表2中的结果可以看出，关联交易中可获取的借贷金额中位数为非关联交易金额的1.5倍，其获得的利率也明显低于非关联交易中的利率，但两组别在交易期限方面无统计显著性差异。由此可见，委托交易条件的差异表明委托方在与存在股权关联的借款方进行交易时，会提供与非关联方不同的“贷款优待”，这可能是为了满足企业集团内部融资需求（钱雪松和李晓阳，2013［19］），也可能存在着不透明的利益输送（Pyngaert and Thomas，2012［20］；钱雪松等，2015［21］）。

（二）研究命题

在委托贷款业务流程中，银行扮演着中介与桥梁的角色，违约风险主要由贷款方承担。在借贷过程中，贷款方一般会对借款企业的资质、财务状况等条件进行审核，综合考虑贷款和收益，提出相应的贷款条件（如规模、期限、利率等）。其中，调整贷款期限是常用的控制借贷风险的手段，即贷款方通常会通过缩减贷款期限来降低借贷风险（Ortiz-Molina and Penas 2008［22］；Kirschenmann and Norden，2012［23］；钱雪松和李晓阳，2013）。而利率则是常用的贷款风险标价方式，由于资金来源的成本相对较高，相较于银行贷款，委托贷款的利率一般较高，但高利率的委托贷款几乎等同于一项风险投资（Allen et al.，2019［24］）。由此可见，政策上管控委托贷款风险可以从期限和利率两个方面切入，故本文提出命题1和命题2。

命题1：政策上合理管控贷款期限能够降低委托贷款风险。

命题2：政策上合理管控贷款利率能够降低委托贷款风险。

委托贷款中广泛存在着关联交易，其突出体现在，大型企业或者国有企业利用闲置资金向股权关联企业提供低利率贷款，实现内部效益的最大化，提高资金整体运行效率（钱雪松和李晓阳，2013；Allen et al.，2019）。虽然关联交易中双方信息不对称程度较低（Claessens and Fan，2002［25］），能够减少道德风险和逆向选择，节约交易成本（Khanna and Palepu，2000［26］），但关联交易降低了面向外界的信息释放力度，弱化了独立交易原则和市场化原则，容易积聚系统性风险（白俊等，2021［27］）。由于关联交易很多游离于金融监管体系之外，加之中国上市企业自身监管不完善，故而容易出现大股东借此转移企业资源等现象（钱雪松等，2015）。此外，关联交易还会引发代理人问题，极有可能被控股股东用来侵蚀中小股东的利益（Pyngaert and Thomas，2012）。因此，政策上管控委托贷款中关联交易的规模成为一种降低整体风险的可行方案，故本文提出命题3。

命题3：政策上管控关联委托贷款规模有助于降低委托贷款风险。

委托贷款中的非关联委托贷款是指贷款方向非关联方发放高利率委托贷款获取短期高额收益，以此拓展投资渠道的一种方式（余琰和李怡宗，2016［28］）。由于“关系”和信息不对称等因素的影响，非关联委托贷款的利率更高，而风险问题也更多。比如经营风险增加会降低企业持有高风险金融资产的意愿，将资金出借给非关联方的可能性越小（胡坤，2021［29］）对非关联交易存在抑制作用；特别地，经济政策不确定性的冲击使得承受高额利息成本的非关联方违约风险加大，从而降低了委托方将贷款给予非股权关联方的主观意愿（白俊等，2020［30］）；委托贷款的跨区域流动主要依靠股权关联关系实现，并且具有规模大、期限长和利率低等特点（钱雪松等，2017）；换言之，由于股权关联显著降低了委托贷款利率，使得该利率未能充分反映出关联方的高风险状况（钱雪松等，2013［31］），但非关联交易更能够发挥委托贷款的融资渠道作用，为中小企业提供资金支持。因此，调降非关联委托贷款的利率水平，破除“贷款歧视”能够提升委托贷款的有效性，降低整体风险，故本文提出命题4。

命题4：政策上破除非关联交易中的“贷款歧视”有助于降低委托贷款风险。

综上所述，基于委托贷款业务流程，在当前的监管框架下，委托贷款的风险政策管控可以从贷款期限、贷款利率、关联交易规模和“贷款歧视”四个方面展开。本文提出的委托贷款风险政策管控思路如图1所示。

三、模型构建

（一）模型设计

仿真模型包括委托方、借款方和监管方三个主体，包含关联委托贷款和非关联委托贷款两种行为。设定委托方数量为n，代表资金充足的大型企业或国有企业，可以向多个借款方发放贷款，但始终不存在向其他委托方借款的行为；借款方数量为m，代表有借款需求的中小企业或民营企业，可以向多个委托方发起借款，但不能向其他借款方借款；考虑到中小企业融资不足的现状，设定n＜m；监管方可通过政策设定委托贷款交易规则，从而影响到最终的均衡结果。

设定委托方存在着多个关联借款方，可进行一对多的关联委托借款，但借款方只能与其从属的委托方进行关联借款交易。设定代表双方从属关系的股权关联矩阵为WRm×n，其中WRij表示借款方i与委托方j是否存在关联关系，有：

委托方和借款方随时开展多期动态借款行为，其中每期交易是否成功取决于委托方的“审查能力”和借款方“履约能力”。为引入这一影响机制，模型设置了“信用评分”属性，即成功偿还一笔借款将同时增加委托方和借款方的“信用评分”，而发生违约行为将同时降低二者的“信用评分”，以此作为对双方“审查能力”和“履约能力”的考量。当“信用评分”低于特定阈值，借款方将被标记为不正常经营，此时模型将随机加入新借款方以保证市场活跃度。设定信用评分阈值QP来甄别企业是否处于正常经营状态，设定正常经营状态矩阵为WTm×n，t，WTij，t表示借款方i与委托方j在t时期是否发生委托贷款，即：

上式满足：

委托贷款中的关联交易和非关联交易按照比例来划分，本文设定存在一定比例①参考已有文献做法，本文将关联委托贷款的比例设定为服从固定参数的正态分布。（记为RR）的股权关联交易矩阵为Wm×n，t＝F1（WRm×n，RR）+F2（WTm×n，t，（1-RR）），函数F（W，R）表示从W矩阵的“非零和”行中随机抽取R比例的行数（即取出m（∑jWij≠0）×R行），并且F1与F2抽取的行序号不重复。

设定委托贷款关系建立的守约率pij，t由委托方前一期信用评分Dj，t-1和借款方前一期信用评分di，t-1决定，其中委托方与借款方的股权关联会提升交易守约率，因此，在相同的信用评分组合下，关联委托贷款比非关联委托贷款的守约率更高。数量关系设置为：

函数形式满足pij∈[0，1]和F'D＞0，F'd＞0。对于非关联委托贷款关系的建立仅取决于信用评分，即一旦发生信用风险都将导致交易失败，因此有pij，t＝F（0，di，t-1）＝F（Dj，t-1，0）＝0。指定概率阈值k作为结果转换门限值，用于确定委托贷款最终“履约”或“违约”的结果。考虑到宏观经济的变化会导致总体违约率的变化，本文将阈值k设置为动态形式kt＝F（pij）＝ρ／m∑ipij，t，即一定水平下的守约率均值，其中代表“一定水平”的ρ为可调系数，且ρ∈（0，1）。

构建描述履约情况的交易矩阵WPm×n，t，WPij，t表示借款方i与委托方j在t时期发生委托贷款的交易中是否履约，设定为：

由于股权关联关系如同隐形担保，从实际数据中也能够看出非关联交易中风险会影响借款方获得预期金额Aij，0与预期年限Tij，0，因此借款方的信用评分与获得贷款的实际金额与实际期限的关系为：

其中，E＝1代表关联交易；E＝0代表非关联交易。

设定委托贷款实际利率Rij相对于同期银行贷款基准利率R0的浮动比例倍数为FE，即：

其中，FE＝1～N（1，0.12），FE＝0～N（1.5，0.22）。

一般来说，贷款的金额越大、期限越长、利率越高，借贷承受的交易风险越大，若“履约”则对双方信用评分的贡献更大。基于此，相对变化幅度的数量关系可设定为：

其中，Sij是Aij、Rij和Tij的增函数，满足Sij∈［0，1］和S'A＞0，S'R＞0，S'T＞0。

在上述模型设置中，监管方可通过政策管控影响委托贷款交易的方法包括：限制关联交易的比例RR，进而控制关联交易的发生规模Wm×n，t；监管实际贷款期限Tij和实际贷款利率Rij等交易条款，在一定程度上可以达到约束信用风险变化幅度Sij的作用。

（二）模型主要变量

1.委托方与借款方的信用评分变化。委托方和借款方每一次交易后会使得各自的信用评分产生一个相对幅度Sij的变化，其中“履约”会使得双方信用评分向100%的信用评分区间内增加Sij比例的幅度，而“违约”会使得双方信用评分向0%的信用评分区间降低Sij比例的幅度；考虑到边际递减的原则，需满足越靠近两端的信用评分变化幅度越小。计算公式如下：

由此可计算出相对应的增幅均值与降幅均值，即：

另外，设定Sij，t是否为关联交易可以进一步区分出SDj，t与Sdi，t在两种状态（E＝0、E＝1）中的异同。

2.委托方与借款方的正常交易状态变化。每轮的信用评分取决于上轮信用评分和本轮信用评分增幅。数量关系为：

每轮交易中委托方群体和借款方群体的平均信用评分反映出两个群体的整体变动趋势，即：

本轮正常交易主体为信用评分维持在阈值之上的企业。每轮处于正常交易状态的企业数量为：

3.委托贷款交易整体守约率的变化。委托贷款每轮交易守约率的变化趋势反映了解整个市场金融安全状况，委托贷款每轮交易平均守约率计算为：

每轮中的履约次数和违约次数为：

四、模型检验与仿真情景设计

（一）仿真参数设定

本文上述模型Multi-Agent仿真模型主要参数设置如下：

1.委托贷款150家委托方，500家借款方，共计1000次交易。

2.每轮委托贷款中关联交易比例约为40%左右，允许在0.01%的标准差内波动。

3.一般来说，委托方作为实力雄厚的大型企业或国有企业执行能力较强，因此具有较高的潜在信用评分；借款方一般为初具规模的中小企业，较难直接从银行取得信贷支持，潜在信用评分低于委托方。因此设定委托方初始信用评分均值为65（百分制），而借款方初始信用评分均值为40（百分制），均在0.05的标准差内波动。

4.参考委托贷款的真实数据，设定预期委托贷款金额均值为3亿元，波动标准差为0.3亿元，预期委托贷款期限均值为1.5年，波动标准差为1年，简化模型设计将其向上取整，利率参照真实的贷款基准利率。

5.信用评分低于10（百分制）的主体认为无法交易，守约率高于均值95%水平的交易认为可以正常履约。

模型参数设置如表3所示。

表3 参数设定

（二）政策方案设计

本文的政策方案设计分为单一方案和复合方案两个类别（表4）。单一方案中包括对委托贷款的期限管控、利率管控以及对整个市场关联贷款占比进行管控的政策措施，通过改变相关参数和占比来实现政策模拟的分析；复合方案则是通过随机将金额和利率等“贷款优待”条件给予借款方，打破非关联方所受的“贷款歧视”来分析政策手段的效果。

表4 仿真模拟政策方案设计

五、仿真结果分析

（一）Multi-Agent委托贷款模型无政策干预下仿真情况

1.委托贷款交易中委托方和借款方的信用增幅情况。由图2可知，委托方总体信用评分波动程度小于借款方总体信用评分波动，并且委托方的波动随着交易的进行有收敛的趋势，而借款方则一直表现为不规则的波动。其中委托方在关联交易中的负向波动幅度（约为-15%）大于非关联交易中负向波动幅度（约为-5%），而借款方在非关联交易中的负向波动幅度（约为-20%）明显大于关联交易中负向波动幅度（约为0%）。这表明在关联委托贷款交易中，委托方所受到的负面影响更大；在非关联委托贷款交易中，借款方的信用风险更高。一方面，委托方通常将贷款以“贷款优待”条件给予关联方，本身就包含较大的风险，一旦出现违约则会导致委托方的信用评分受到较大的影响；另一方面，委托方与非股权关联的委托方交易时面临着信息不对称的问题，往往会给予更苛刻的贷款条件，“贷款歧视”的存在加大了借款方的风险。由此可见，针对关联交易和非关联交易差异进行管控一个重要的政策切入点。

2.委托方与借款方的正常交易状态变化。由图3可知，在委托贷款逐轮交易的初期（约前100轮），委托方和借款方的信用评分均有明显提升，随着低信用群体退出交易①这并不意味着企业倒闭，只是退出了委托贷款业务。，双方的数量也逐渐减少，变化也逐渐收敛。稳定状态下，委托方主体平均信用分达到98分左右（百分制），借款方主体平均信用分可达90左右（百分制），稳定时期交易主体数量为初始交易主体数量的60%左右。由此可见，在无政策干预的状态下，本文构建的Multi-Agent委托贷款仿真模型能够实现均衡，证明了模型构建的稳健性。

3.委托贷款交易中的守约率变动情况。本文在仿真模拟中设置了守约率指标（即1-违约率），由图4可以看出，短期委托贷款守约率有明显的上升，但中长期存在着下降的趋势。委托贷款交易整体守约率稳定在70%左右，其中关联交易平均守约率普遍高于70%，而非关联交易平均守约率则相对较低。这一结果和龚关等（2021）的研究结论类似，即由于非金融企业影子银行化在短期内有助于改善企业资源配置效率，但同时也提高了融资成本，在长期中将降低社会全要素生产率。

从无政策干预的仿真结果来看，不论是影子银行委托贷款市场整体还是关联交易和非关联交易两个部分都能够实现均衡，但存在的违约风险问题是显著的。需要重视的问题是，因为非关联委托贷款主要是中小企业的融资渠道，因此在管控上既要考虑风险也需要兼顾效用。

（二）政策对委托贷款中期限和利率的管控效果

1.委托贷款交易中期限管控的效果分析。为验证交易期限对委托贷款市场安全性的影响，按照方案设计中期限管控的设定，本文对多主体委托贷款关联交易模型逐级设置固定交易年限进行模拟。

表5的数据反映出随着借贷期限的增加，整体交易守约率在不断的下降，违约事件也在不断的增多。委托贷款整体守约率由1年期的76%逐渐下降至5年期的51%，正常交易企业数量减少了58家，其中关联交易守约率和非关联交易守约率分别下降了约13%和30%，代表借款方参与规模的平均交易数在不同类型的交易中也随着贷款期限的增加而减少。这与钱雪松和李晓阳（2013）的研究结果一致，即交易期限越长，包含的不确定性越大，同时所需偿还的利息也会增加，提高了借贷成本，多种因素导致了过长的交易期限将提升借贷市场的交易风险。平均交易数的变化表明自由进出机制在一定程度上保持了市场的有效性，在没有出现大规模退市的情况，交易数量的递减趋势也印证了委托贷款交易对长期限的排斥，原因源自于委托方面临的流动性风险和借款方存在的信用风险。这一结果反过来说明通过政策制订对委托贷款交易的贷款期限进行合理管控，有助于降低整个委托贷款市场交易风险，验证了命题1。

表5 不同贷款期限下交易守约率的对比

2.委托贷款交易中利率管控的效果分析。为验证管控贷款利率对委托贷款市场安全性的影响，本文按照利率管控方案对模型中关联和非关联方设定不同的利率组合。从前文统计数据可知，一般性的委托贷款交易中，关联交易涉及的借贷利率略高于基准利率，而非关联交易的借贷利率高于基准利率数倍。该部分将委托贷款中关联交易利率记为1.5倍的基准利率，非关联交易利率记为2倍的基准利率，即［1.5，2］的组合。同时设置［0.9，2］与［1.2，2］来分析关联交易中降低借贷利率的情况，设置［1.5，2.5］与［1.5，3］来分析非关联交易中增加借贷利率的情况。

从表6的仿真数据可以看出，随着借贷利率区间的逐级增加，关联交易守约率基本持平，但非关联交易守约率有明显的降低。当利率组合从［0.9，2.0］上升至［1.5，3.0］时，非关联交易的守约率从63%逐渐下降至57%，致使整体交易守约率降低约6%，平均交易数在不同类型的利率组合中差异较小。这表明，对于非关联交易借款方而言，贷款利率升高会在一定程度上提升交易风险。对关联方而言，在交易中获得的利率通常较低，适当提高利率并不会影响交易风险，但是过低的利率可能伴随着一些额外的互惠条款，关联企业间的信贷价格未能充分反映出风险状况（钱雪松等，2013），这些不透明的交易信息存在隐性风险。另外，借款期限一定的情况下，借款方事前认为利率的变动仅改变了交易成本，相当于为此付出相应的风险溢价实现交易，结合平均守约率部分可以看出，利率组合的改变不会影响委托交易的动机，但两种交易模式下的守约率存在明显差别。因此，对贷款利率进行合理管控，包括对关联交易利率设置下限，对非关联交易利率设置上限等手段，有助于提升委托贷款交易整体安全度。这一结果验证了命题2，也提示了政策需要对关联交易和非关联交易区别对待。

表6 不同贷款利率下交易守约率的对比

3.政策对委托贷款中关联交易规模的管控效果。为验证关联交易规模对委托贷款市场风险水平的影响，本文按照关联交易规模管控方案对Multi-Agent委托贷款关联交易模型逐级提升关联交易规模，分别设定10%至90%进行模拟。

续表7

表7数据显示，随着关联交易规模逐级提升，关联交易的守约率呈现上升的趋势，但非关联交易的守约率却显著下降，委托贷款市场整体的守约率也在下降。关联交易的最终守约率由规模占比10%时的45%上升至规模占比90%时的78%；但非关联交易的守约率却从关联交易规模占比10%时的85%降至规模占比90%时的33%；委托贷款市场整体守约率也随着关联交易占比的提高而下降至63%，委托贷款的平均交易数也随着关联交易比例的上升而提高。

表7 不同关联交易规模下交易守约率的对比

由此可见，关联交易规模的增长仅对自身有利，但降低关联贷款规模对于非关联交易和委托贷款市场整体都是正向影响，当关联交易占比低于30%时，委托贷款市场整体守约率高于无政策干预下的守约率水平。从贷款的特征来看，“关联”贷款模式容易存在“利益输送”，也掩盖了潜在的风险因素，而且会将“信用适中、风险适中”的非关联借款方挤出市场。但这并不意味着就完全取消关联交易，当关联交易占比从30%降至10%时，非关联交易的平均交易数也在递减，即出现“受益者”减少的情况。总体看来，将委托贷款关联交易占比管控在合理范围内能够在保障贷款公平的条件下提高整个市场的抗风险水平，验证了本文的命题3。

4.政策破除委托贷款中“贷款歧视”的管控效果。本文对委托贷款中的“贷款歧视”现象进行进一步研究。委托贷款交易中委托方给予关联方的不仅包括“融资优待”条款，还包括因存在交易外互惠行为获得更高的包容度，并往往将其作为利益输送的工具（戴琪骏，2015［33］）。因此，这里包含两部分内容，第一是单纯的破除“贷款歧视”，不区分关联和非关联委托贷款，贷款条件随机生成；第二是监管部门进行“最优基准管控”来防控委托贷款市场的违约风险，“最优基准管控”中期限最优基准选取前文在期限管控中守约率最高的1年期设置，利率基准选取交易守约率最高组合中给予关联方的0.9%～2.0%利率，关联规模最优基准选取对于非关联交易最有利的30%。

表8的数据显示，采用“随机分配”破除“贷款歧视”后，非关联交易的守约率上升而关联交易的守约率下降，但进行“最优基准”管控后两类委托贷款交易的守约率均保持较高水平。破除歧视后，最终数据显示委托贷款市场的整体守约率从上升约6%，非关联交易的守约率上升约22%，但关联交易守约率下降了约22%。这表明在不存在“贷款歧视”的市场中，“随机关联方”仅享有“融资优待”而失去了“包容度”，包含在“融资优待”条款中的隐性风险逐渐暴露；而“随机非关联方”不再受到信息不对称的限制，并且可以在某些轮次的交易中获得“融资优待”条款，风险状况得到了很大程度的改善；但这样的“随机”也会对市场带来结构性的破坏。监管部门以组合方式确定的最优基准对委托贷款市场进行管控，守约率上升了约16%，并且降低了委托贷款市场的不确定性。与单纯“破除歧视”不同的是，关联交易与非关联交易均在“最优基准”的指导下提升了守约率，其中关联交易提升了约7%而非关联交易提升了约21%。

表8 不同借贷利率下交易守约率的对比

因此，对于委托贷款市场而言，加强市场监督管理，设置最优基准，能够很好地控制市场信用风险。正如白俊等（2021）的研究发现，关联委托贷款的双方股权关联度越低、委托方内部控制质量越高以及外部信息环境越好时，关联交易与股价崩盘风险关联性越低。当关联委托贷款由投机和逐利的动机转变为合作动机时，可以有效促进企业创新投入与创新产出（王晶和王振山，2021［34］）。因此，消除委托贷款中的“贷款歧视”，实行“最优基准”有益于降低整体市场的风险，同时提升关联交易和非关联交易的守约率。上述结论验证了本文命题4。

六、研究结论

委托贷款是中国影子银行的重要组成部分，管控委托贷款市场风险，破除关联交易和非关联交易的“贷款歧视”有助于更好地发挥其融资渠道的功能。本文基于上市公司公告的委托贷款交易数据构建了Multi-Agent仿真模型，重点分析委托贷款中的交易期限、借贷利率以及关联规模对借款方信用风险的作用机理，最后通过破除“贷款歧视”和“最优基准”管控两大手段为防范委托贷款市场信用风险政策建言。

本文的研究结果表明：第一，管控影子银行委托贷款交易的期限和利率能够降低整体市场违约率，其中当贷款期限为1年期，贷款利率为0.9～2.0基准利率区间时整体违约率最低；第二，管控影子银行委托贷款关联规模占比会对关联交易的守约率带来负面影响，但能够降低非关联委托贷款的违约率以及市场整体的违约率，因此管控政策需要在两种影响效应中平衡；第三，单纯破除影子银行委托贷款交易中针对非关联方的“贷款歧视”并不是最优政策选择，在打破“贷款歧视”基础上实行“最优基准”管控后委托贷款关联交易、非关联交易和市场整体的风险都得以降低。

基于以上研究结论，本文提出三点政策建议：首先，影子银行委托贷款期限和利率是两个影响风险状况的变量，监管方可根据宏观经济走势对两者进行动态指导，以控制委托贷款市场整体风险；其次，在充分考虑影子银行各参与方利益的基础上，监管政策可采用“配额制”和“比例约束”等方法适度控制关联交易规模，通过对政策组合使用实现精细化管理，引导影子银行委托贷款更好地发挥融资渠道的功能、服务于实体经济；最后，加强影子银行委托贷款的信息披露要求，做到及时披露，公开透明，并且增强外界监督，降低发生“内幕交易”的可能性，严厉打击通过企业集团内部融资转移资产等违规行为。

本文研究也存在着不足，将违约率（守约率）作为风险的衡量比较单一，模型也未考虑贷款提前归还和申请展期等情况。今后的研究可加强数据挖掘，进一步细化贷款交易行为，增加模型对于多场景、多情况的普适性。