地方债务影响了银行风险吗？——以地方商业银行为例

张婷希，项后军

(1.湖南师范大学 商学院，长沙 410081；2.广东金融学院 金融与投资学院，广州 510521)

一、引言

近年来，在财政压力与经济发展压力的双重影响下，地方政府利用地方融资平台等方式大量举债，使得地方政府债务规模激增。根据财政部公布的数据显示，截至2020年末，全国地方政府债务余额就已高达25.66万亿元。这仅仅只是显性债务，如果再加上隐性债务，地方政府债务的规模会更加庞大。早在全国第五次金融工作会议上就已明确指出了地方政府债务可能引发的金融风险问题。时至今日，越来越庞大的地方政府债务对中国金融体系，特别是对实力较弱的地方商业银行(银行链条中一个相对薄弱的环节)风险会产生何种影响？显然是一个值得研究的问题。

巴曙松(2011)等学者早已指出，中国银行业面临的风险主要集中在地方投融资平台上。然而，地方投融资平台举借的地方债务在各地区的地方性商业银行信贷总额中占据了较大的部分(刘欣，2011；祝继高等，2020)[1～2]，但这些地方商业银行又都普遍存在资金实力薄弱，贷款投向集中度高，坏账承受能力有限，抗风险能力不强等问题。一旦地方债务出现问题，那么地方商业银行面临的风险将会非常严重。除此之外，地方融资平台还与各类影子银行对接，风险敞口极不透明。尤其是在近年来连续出现地方融资平台，如呼和浩特春华水务开发集团有限责任公司(1)详见链接：https://baijiahao.baidu.com/s?id=1699244185275037934&wfr=spider&for=pc。、云南省国有资本运营有限公司(2)详见链接：https://www.sohu.com/a/216670894_460385。违约之后，地方政府债务风险问题愈发凸显。这样来看，地方政府债务(后文简称地方债务)对地方商业银行风险影响这一问题确实需要引起高度关注。

本文的边际贡献：一是从风险承受能力较弱的地方商业银行入手，分析了地方债务对地方商业银行产生的风险以及具体的传导机制；二是实证研究了地方政府通过(地方性)影子银行渠道获取资金对地方商业银行风险的影响；三是以不同地区发展以及银行自身不同规模两种情况考察了地方债务对地方商业银行是否存在异质性的影响。

二、文献综述

地方债务对地方商业银行风险的影响追溯起来是和中国的财政体制有关。1994年分税制改革以后，各个地区由于地方发展资金的竞争会面临一个新的问题，即预算软约束(3)这方面研究的文献较多，如张军(2007)、周黎安(2007，2011)、纪志宏(2014)等分别从中国的政治体制、官员考核、地方政府竞争方面阐述了目前在经济发展中的一些问题，如地方保护主义，重复建设等，其中预算软约束也是其中诱发的一个问题。。在预算软约束下，地方政府往往通过其他方式来获取资金，地方商业银行无疑成为了资金来源的主要通道(龚强等，2011)[3]。预算软约束下很容易造成地方政府投资行为“越位”，形成债务风险(王叙果等，2012；张晓晶等，2019)[4～5]，银行作为地方债务扩张所致风险的载体，对地方政府债务的大量认购会使债务风险转化为金融风险(毛锐等，2018)[6]。随着分税制后地方财政收入下降，地方政府通过介入金融发展(徐忠，2018)[7]，实现了对金融业纵向和横向的分割，使得金融业替代了财政功能，在随后的发展中这种财政金融关联进一步交织，一旦地方债务风险爆发，当地的金融系统(特别是地方商业银行)也就很难独善其身(傅勇，2012)[8]。

那么地方政府究竟是通过何种手段，将地方债务融入地方商业银行中加剧风险呢？首先是直接的行政干预。黄建军(2010)[9]提到地方商业银行作为政策主导的产物，在建立之初就确定了地方政府作为最大的股东拥有一股独大的控股地位，使得地方政府能够通过直接干预和派驻董事、高管的手段对地方商业银行的经营施加影响(王倩和李颖华，2012)[10]，由此造成了许多地方商业银行的贷款风险和收益不对等，迫使地方商业银行承担更多的风险。曹廷求和张光利(2011)[11]还提到政府通过开座谈会的形式，让辖区内的银行直接为地方项目提供支持(4)其引用了一个例子，浙江某地方商业银行被杭州市政府邀请参加银企融资对接会，通过这种方式帮助地方企业解决融资困难(中国金融网，2009)。，而实际上这些项目并非效益良好，银行随时面临收不回贷款的风险。甚至一些政府还会以辖区内企事业单位在银行的存款相要挟，逼迫辖区内的地方商业银行为其市政项目融资，加剧了地方商业银行的风险(尹世芬和罗志恒，2013)[12]。

其次，地方政府依托各个地方融资平台，如城投、城建等公司，以实现从银行融资的目的(吕志昌，2012)[13]。目前国内对于地方融资平台债务风险的研究较多，刘红忠和史霜霜(2017)[14]指出地方融资平台的多数贷款主要投向基础设施等长期项目，不同于政策性银行有稳定的长期资金来源，地方商业银行进入这个领域后就很容易出现期限错配的风险。唐云锋和刘清杰(2018)[15]提到地方政府利用多个融资平台同时从多家银行获得贷款，由于项目本身效益低，大量的债务本息只能依赖于土地出让收入(杨继东等，2018)[16]，相关贷款可能成为银行的不良资产。其他学者，如黄飞鸣(2014)[17]、朱莹和王健(2018)[18]、张洁梅等(2019)[19]则认为地方融资平台存在信息披露不足、监管不完善以及资本金缺位等问题，但由于背后是地方政府的隐性担保，使得银行过度信任这些平台的偿债能力。正因如此，导致一些地方融资平台出现了重复抵押、虚拟抵押等现象，从而给银行带来了较大风险。

另外需要引起注意的是，近年来影子银行的不断发展也逐渐成为另一种影响地方商业银行风险的新渠道。张平(2017)[20]指出地方政府依靠影子银行的信托贷款、发行理财产品等方式举债融资，但影子银行本身却缺乏监管，单个金融机构发生风险可能就会引发整个金融系统的风险。曾刚(2017)[21]认为地方融资平台与各类影子银行对接，使得资金既不会出现在政府的负债中，也不会纳入银行的资产负债表，风险敞口极不透明，可能会加剧银行体系的风险。文雪婷和冯明(2017)[22]则发现当地方政府无法从传统渠道获得贷款时，则会以发行信托等方式进行融资。而信托贷款是影子银行中很重要的组成部分，一旦依靠发行大量信托的地方债务出现问题，债务风险就会通过影子银行渠道传导到地方商业银行。

综观上述文献，发现仍有一些值得进一步探讨之处。

其一，地方债务的持续膨胀确实已经成为影响银行稳定的一个重要因素，但即便是少数相关文献研究了这一问题，也大多是针对银行整体而言，忽略了风险承受能力相对更弱的地方商业银行(链条中最弱的环节)。而地方债务给实力薄弱的地方商业银行会带来什么样的风险，传导机制如何，在不同的债务规模下这种影响是否始终一致？显然是需要作进一步分析。

其二，地方政府通过地方融资平台等方式与表外的影子银行对接来进行融资所带来的风险将会更大。但现有文献对此研究却相对匮乏，特别是较少注意到影子银行信贷资金相当一部分是来源于地方商业银行，地方债务占用(地方性的)影子银行资金会对地方商业银行风险产生影响。

其三，除此之外，由于中国各地区发展不均衡，各地方商业银行发展也千差万别，而且地方政府对于商业银行的攫取程度不同，带来的影响也不尽相同，这一点也需要作进一步的分析。

三、理论分析与研究假设

在中国分税制以及债务管理体系约束的影响下，财权与事权的不对称，使得地方政府承担了大部分政府职能却未能获得相应的财政支持。地方政府囿于地方经济增长的压力，只能依靠不断的负债投资。根据Wind数据统计显示，2014年至2020年间仅地方政府的显性债务余额就从11.52万亿元扩张到25.66万亿元，增加了14.14万亿元。如果再加上隐性债务，那么地方债务增量会更大，预计超过30万亿元。

而这些膨胀的地方债务资金主要来源于银行尤其是地方商业银行(5)不少地方商业银行的重要股东是地方政府，如徽商银行、重庆银行、哈尔滨银行和上海银行的地方政府持股比例均超过30%，这就不难理解地方商业银行成为地方政府信贷资金的主要来源。。根据中金公司2010年的报告显示，相比四大商业银行，地方政府融资余额占银行贷款余额在北京银行、南京银行等地方商业银行的比例较高，均在 25%以上，北京银行甚至达到了35.2%。因此在某种程度上绑架了地方商业银行的信贷。值得注意的是地方政府无法直接获取地方商业银行信贷资金，往往通过地方融资平台向所属辖区内地方商业银行贷款来满足地方债务增长的需要(6)据统计，截至2013年3月，江苏银行、兰州银行、甘肃银行等多家银行都与地方政府或平台公司签订了授信协议，规模达上百亿元。。而地方政府利用地方融资平台获得的银行信贷多为短期贷款，之后投向的又都是一些大型的基础设施项目，这些项目大多期限较长(短贷长投)，将产生偿还周期与投资收益期限不匹配的问题，使地方政府面临偿还风险(唐云锋和刘清杰，2018)[15]。根据Wind数据此前统计显示，2021—2024年是中国偿债高峰期，需要偿还债务的比例将超过60%。一旦到期不能按时偿还，势必会给地方商业银行的资产流动性带来巨大压力。特别是随着地方债务的不断积累导致其相关的信贷资产占地方商业银行信贷资产比例不断提高，将更容易引发地方商业银行的流动性风险(7)以兰州银行为例，2010年底才挂牌成立的兰州新区，不到三年的时间内已累计从兰州银行借贷千余亿元，而截至2012年末，兰州银行资产规模才刚刚突破千亿元，为1000.62亿元，极大地影响了兰州银行信贷资金的流动性。。尽管可以通过借新还旧等方式偿还债务，避免地方融资平台出现大规模违约，但并未消除地方商业银行所面临的流动性风险，随着这种被掩盖的风险逐渐积累很可能会使地方商业银行面临的流动性风险更大。综上所述，提出假说1。

假说1：地方债务扩张会带来地方商业银行的流动性风险。

如果地方债务对地方商业银行带来流动性风险，那么，同样值得注意的是，地方债务也给地方商业银行带来信贷风险。首先，地方债务投资的大多是投资回报周期长、资金需求量大且需要后续资金不断投入的项目。据披露，2012年底，徽商银行前十大贷款客户中，就有八家是地方政府融资平台或具有政府背景的机构，且全部集中在新城区基础设施、城市交通、土地收储等领域。成都银行亦是如此，前十大贷款客户中，有六家为地方政府融资平台或为平台公司下属机构。其中，成都现代农业投资发展有限公司(成都市“三农”投融资平台)以8.39亿元贷款余额位居前十大客户之首(8)地方政府利用地方融资平台重复抵押、虚拟抵押、多边贷款、虚假担保等方式一步步侵蚀地方商业银行信贷。。而很多地方政府的财政收入实际上是满足不了偿债要求的，比如说前不久报道的贵州省独山县约有400亿元的地方债务，而每年税收入却不足10个亿(9)详见链接：https://www.sohu.com/a/380020738_120594468。。尽管在地方政府出现偿债困难时，通过不同银行间拆借就可以暂时避免违约事件的发生，但实际上会造成地方商业银行的信贷风险被地方政府以无限期展期的借新还旧等方式所掩盖(10)借新还旧只是在一定程度上延后了部分风险爆发的时间点。根据银监会公布的数据，2013年底银行业的不良贷款率为1%。以此来推算，2014—2015年间地方政府债务可能至少会出现420亿元的不良贷款(李定华，2014)。。一旦银行信贷紧缩或市场流动性紧张时，地方政府难以保证及时对债务进行展期，就可能触发信用风险事件，地方商业银行的信贷风险将迅速提高(马静和陈杰，2011；胡援成和张文君，2012)[23～24]。现实中这种情况其实并不少见。例如：此前湖南省常德市在地方债务逐渐积累无法偿还的情形下，在常德市政府召开的化解政府债务的专题会议上，地方相关负责官员对地方金融机构负责人“说了气话——若不继续放贷支持的话将会被查经济问题(11)详见链接：https://baijiahao.baidu.com/s?id=1604442143909827721&wfr=spider&for=pc。”。

除此之外，还有一点值得注意的是地方商业银行的利润主要来源于信贷资产的利差，而地方政府往往获得的都是大量的低利率银行信贷，并且在获得信贷后大多投向期限长、收益低的项目。因此，随着地方债务的积累，会不断侵蚀地方商业银行的利润，迫使它不得不把剩余的信贷额度投资于风险较高的项目，冒着较大的风险赚取利润。若一旦出问题，将进一步加剧地方商业银行的信贷风险。综上所述，提出假说2。

假说2：地方债务的扩张会对地方商业银行信贷风险产生影响。

在地方债务不断膨胀的同时，中央开始加强对银行信贷资金的监管，并对地方融资平台获取银行贷款进行严格的限制，使得银行对地方融资平台的信贷支持也大幅减少。图1显示了银行贷款的相对规模在2009年达到峰值之后又逐渐回落到四万亿刺激计划前的状态。

图1 银行贷款的相对规模、影子银行规模以及地方债务规模(12)其中影子银行规模以及地方债务规模以左轴作为其纵坐标，银行贷款相对规模以右轴作为其纵坐标。

与此同时，影子银行规模却出现了进一步的扩张。尽管在2013年银监会的8号文出台后(主要针对非标的理财业务等)，影子银行规模出现明显的下降趋势，但之后“表内业务表外特点”的同业业务等的不断兴起，使得影子银行又开始获得发展。从图1可以看出影子银行规模膨胀的同时，地方债务规模也在不断扩大。这似乎显示银行表内信贷受限之后，正是靠不断发展的表外影子银行渠道来进一步满足后续地方政府资金需求的。具体而言，地方融资平台往往依托影子银行信托贷款、发行理财产品、资管计划、融资租赁等方式进行变相融资。特别是近年来，严监管下银行同业业务以及理财产品的急剧扩张，使银行得以借助各种变体的表外影子银行渠道将资金投资于地方融资平台，既规避了监管也满足了地方政府融资平台日益扩张的资金需求，并最终支撑了地方债务进一步膨胀。

需要特别引起注意的是，中国影子银行的核心主体仍然是地方商业银行。根据《城市商业银行发展报告(2016)》显示，截至2015年末，133家城商行资产规模达22.68万亿元，增速高于银行业平均水平9.77个百分点。其中，应收款项类投资以及买入返售金融资产(影子银行信贷的主要形式(13)祝继高等(2016)以买入返售金融资产作为衡量商业银行向影子银行体系提供资金的代理变量。马德功等(2019)指出商业银行实际上通过非信贷科目持有影子银行资产，为影子银行体系提供资金，其典型模式主要包括“应收款项类投资”和“买入返售金融资产”等。)等非信贷资产总计超过14万亿元，占总资产比重的61.73%。由此可见，地方融资平台利用影子银行(发行信托、理财产品等方式)融资，所获得的信贷资金相当一部分来源于地方商业银行，只不过是将融资活动从银行表内转向表外而已，形成了地方商业银行—影子银行—地方融资平台—地方政府之间的信贷-债务关联，且随着地方政府依托影子银行融资的金融创新活动越来越隐性化，加之影子银行本身监管力度不够、游离于监管体系之外(张平，2017)[20]。如果地方政府出现债务违约(现已出现若干违约案例)，那么由此产生的债务风险将迅速向影子银行传递，与影子银行相关联的地方商业银行也将不可避免地出现风险的交叉传染，稍不注意可能就会引发系统性风险。综上所述，提出假说3。

假说3：地方债务扩张通过影子银行渠道对地方商业系统性风险产生影响。

四、模型设定及数据说明

(一)模型设定

首先，根据假说1来分析地方债务扩张对银行流动性风险的影响，设定模型如下：

(1)

其中，i表示银行个体，j表示该银行所在城市，μi表示银行个体效应，λt表示时间效应，用于控制特定年度影响地方债务的因素，εi,j,t是误差项。被解释变量LRisk代表银行流动性风险，核心解释变量LocalDebt代表地方债务，NL_TA代表银行信贷扩张的变量，Control为上述模型用到的其他解释变量，分别是货币政策的代理变量M2、银行资产规模Size、银行的资本回报率ROA、银行资本充足率CAP、银行市场结构MC、GDP的增长率GDPR。

其次，根据假说2来研究地方债务的扩张对地方商业银行信贷风险产生的影响，实证模型如下：

(2)

其中，被解释变量CRisk代表银行信贷风险，NL_TA×LocalDebt代表地方债务与信贷扩张变量NL_TA(14)净贷款与总资产之比能够很好反映银行的信贷扩张程度，信贷扩张越快，则比值越高。的交叉项。

再次，根据假说3来研究地方债务通过影子银行渠道对地方商业银行系统性风险的影响，实证模型如下：

SRiski,j,t=β0+θSRiski,j,t-1+β1LocalDebtj,t+β2NL_TAi,t+β3Local_Sbanki,t+β4Local_Sbanki,t×

(3)

其中，SRisk代表银行系统性风险，Local_Sbank代表地方商业银行表外的影子银行规模，Local_Sbank×LocalDebt代表地方债务和影子银行规模二者的交互项。

此外，为了进一步验证不同债务规模对地方商业银行不同风险的影响，将地方债务规模作为动态面板门限转换变量，探究地方债务通过银行信贷渠道和影子银行渠道对地方商业银行不同风险的影响是否会随着地方债务规模的不断扩大而表现出更加明显的特征，得到的模型如下：

Riski,j,t=β0+θRiski,j,t-1+γ1NL_TAi,tI(LocalDebtj,t<λ*)+γ2NL_TAi,tI(LocalDebtj,t>λ*)+

(4)

(5)

其中，模型(4)中的Risk代表银行信贷风险，模型(5)中Risk代表银行系统性风险。

(二)变量说明

被解释变量LRisk表示银行流动性风险，本文选取的是流动资产与活期存款的比率，并以存贷比(各银行贷款总额除以存款总额)进行稳健性检验。CRisk表示银行信贷风险，根据已有的国内外文献衡量银行信贷风险的指标有Z值、风险资产占比、贷款损失准备金与贷款总额之比、不良贷款率、拨备覆盖率，本文主要用银行的不良贷款率作为银行信贷风险的测度指标(15)由于研究的是地方商业银行的数据，许多数据不可得，或者期限较短，因此采取Z值的方法。如张建华(2012)的5年移动平均的做法并不妥当。而张雪兰(2012)指出，虽然预期违约概率(EDF)是目前衡量银行风险的首选指标，但由于中国违约数据库的缺乏，经验EDF函数还未建立，故无法获取中国银行业的 EDF数据。根据风险本质，采用相应股票价格和收益的波动来刻画银行的风险，然而地方商业银行绝大部分是非上市银行因而也不可行。鉴于地方债务的扩张本身可能会增加银行的不良贷款率，加之由于地方债务挤压了地方商业银行的一部分利润空间，其可能会为了利润而增加其他高风险项目，从而不良贷款率上升，因此，本文选择不良贷款率指标，数据来源于全球银行与金融机构分析库。，并以拨备率(Bobeil)、风险加权资产率(RWS)和Z值作为稳健性检验中的信贷风险测度指标。SRisk表示银行系统性风险，参考Greenwood等(2015)[25]和方意(2016)[26]等的研究构建系统性风险指标作为系统性风险的代理变量，并以ΔCoVaR方法进行后续的稳健性检验。

上述模型中核心的解释变量LocalDebt为地方债务存量。目前地方债务的估算存在两种方法，一种是通过统计各个地区城投债和城建债的发行规模，再加上相应的计算，得出地方债务大体的规模，基本上目前主流的相关研究均采用这种方法。但考虑到Wind口径下的城投债数据存在一定缺陷。(16)毛捷等(2019)发现，Wind口径城投债数据存在如下五个问题：一是Wind对城投债的定义模糊不清且经常变动，导致在不同时点从Wind数据库导出的城投债数据差异较大；二是Wind口径城投债数据遗漏了大量地方融资平台的债券发行信息；三是Wind口径城投债数据未剔除地方融资平台企业名称变更前的债券发行信息，造成城投债发行信息的重复计算；四是Wind口径城投债数据中包含了106家非真实地方融资平台的债券发行信息；五是Wind口径城投债数据中遗漏了659家地方融资平台的债券发行信息。故参考毛捷和徐军伟(2019)[27]的方法重构地方融资平台名单，并手工查询新名单对应的债券发行信息，最终选用2005—2019年公开交易的地方融资平台发行的且与城市投资建设相关的债券数据，剔除重复、数据不全的城投债，共得到15872只城投债作为地方政府债务规模的代理变量。

另外一种算法则试图通过估算得出更为宽(全)口径的地方债务总额，具体是将地方债务划分为显性债务和隐性债务以此来计算地方债务总额。其中显性债务主要包括地方政府在市场上公开发行的地方政府债务。隐形债务主要包括城投债、以平台名义获取的但有政府担保的银行贷款(张明等，2018)(17)刊于《财经》杂志。详见链接：https://baijiahao.baidu.com/s?id=1607379879155154167&wfr=spider&for=pc。。两者均对其进行了对数处理，后者主要用于后面的稳健性检验。

Local_Sbank：由于地方商业银行的影子银行规模很难直接获得，考虑到银行广义信贷包括银行投放的各项贷款、债券投资、购买非金融机构企业债券以及通过同业业务绕道投放贷款等，其信贷额变动不仅能详细反映各银行信贷渠道的变动，也能反映影子银行渠道的变动状况。对此，以各地方银行当年广义信贷规模减去银行信贷规模之后的变动率作为影子银行规模变动的近似代理变量(18)各银行广义信贷规模估算方式主要参考东北证券行业分析报告《深度剖析MPA专题之：2016 年银行广义信贷增速估算及可能超标额》。。但由于研究的是各地方商业银行，许多数据不可得，目前基于公开数据估算出113家样本银行中41家银行的广义信贷增速来进行实证分析。同时，参考于博和吴菡虹(2020)[28]的研究以同业杠杆率(19)同业杠杆率=(卖出回购金融资产+拆入资金+同业或其他金融机构存入款项)/(同业拆出+存放同业或其他金融机构款项+买入返售金融资产)。来测度影子银行信贷，用于稳健性检验。数据来源于Wind数据库。

NL_TA：信贷扩张变量，主要用来反映地方商业银行信贷变化状况，采用净贷款与总资产之比来表示。

上述模型中涉及的其他控制变量还有：

GDPR：宏观经济的控制变量，为银行注册地所在城市当地GDP增长率，即对地方的经济发展水平进行控制。数据来源于中国城市统计年鉴。

M2：货币政策的代理变量。现有文献认为由于中国利率没有彻底的市场化，央行的公开操作很难通过价格机制传导到存贷市场，同业拆借利率难以作为货币政策的有效指标，中国货币政策更多还是依赖于数量型工具(王耀青和金洪飞，2014)[29]。但是由于各地区数量型货币政策指标难以直接获得，因此，选取各地金融机构存贷款余额的变动率作为衡量货币变化的指标。

Size：银行资产规模。现有银行资产规模越大，其融资渠道越充分，资产风险越分散。但是由于银行本身受益于“大而不倒”这种理念的影响，在收益和破产成本不对等的情况下又会面临过度的风险。为控制银行规模不一带来的差异，采取对银行总资产取对数的办法。

ROA：银行的资本回报率，选取的是税前收益和银行总资产的比值。

CAP：银行资本充足率，采用银行总资本与总资产的比率来表示。一般认为银行自有资本越多，银行会越谨慎贷款，即存在“利益共担”效应。

MC：银行市场结构，选取各地区四大国有银行贷款占当地贷款总量百分比的平方和来构建赫芬达尔指数(HHI)作为银行市场结构的代理变量。由于数据的不可得，主要基于查询到的9个省份(20)文中省份是指省(自治区、直辖市)的统称。9个省份分别是浙江、广东、山东、重庆、安徽、吉林、湖南、四川、内蒙古。的银行年度面板数据CR4(四大国有商业银行在各地的资产总值占所有商业银行资产总值的比例)作为稳健性检验指标，并用于后面的稳健性检验。

(三)样本及其分布情况和相关变量的描述性分析

在样本选择方面，以地方商业银行总部注册地为依据选取相应的城市数据，一共选取了27个省份74个城市的113家地方商业银行2005—2019年的年度面板数据，共得到1379个观测值，样本见表1。

从表1中可以看出，广东、浙江、山东、江苏这些沿海经济发达的省份，地方商业银行的数量比较多，这和其在全国的GDP排名靠前相吻合。与之相对应的是西部，如贵州、云南、甘肃、宁夏等这些欠发达地区的地方商业银行较少。需要注意的是，新疆有地方商业银行数据，但由于缺乏相应的财务数据，故不在本文的观测中。而西藏、海南、青海则未找到相应的数据。本文所有银行的微观财务数据均来自全球银行与金融机构分析库。

表1 27个省份样本银行分布

表1(续)

在回归分析前为了对数据有一个总体印象，故对模型中涉及的主要变量做个简单的描述性统计，见表2。

表2 主要变量统计

需要说明的是，这里的地方债务数据为城投债数据，后续全口径测算的数据将用于稳健性估计。

五、实证分析

(一)样本的总体回归

本文主要研究了2005—2019年113家地方商业银行的年度数据，该数据属于典型的“大N，小T”型的面板数据。在对动态模型(1)和(2)进行估计时，模型中的内生性问题根据戴魁早和刘友金(2016)[30]等文献，应用Arellano和Bover(1995)[31]的建议采用广义矩估计方法(GMM)来克服动态面板数据中出现的这个问题，而SYS-GMM(系统广义矩) 更为有效( Windmeijer，2005)[32]，因此采用系统广义矩估计方法。

从表3中(1)列和(3)列的回归结果来看，LocalDebt的系数都在1%的水平下显著为正，这个结果与前文提到的黄飞鸣(2014)[17]的观点一致，即地方债务越高，地方商业银行就越容易出现流动性风险。NL_TA的系数至少在5%水平下显著为正，说明此时信贷的迅速扩张会加剧地方商业银行的流动性风险。

表3 信贷渠道下地方债务对地方商业银行风险的影响

至于地方债务的扩张可通过表内信贷渠道对地方商业银行信贷风险产生影响，从NL_TA×LocalDebt的交互项中可看出，在1%水平下显著为正，在固定效应估计下，地方债务对地方商业银行信贷风险影响的总效应为0.069+2.978×NL_TA，其中NL_TA的均值为0.468，总效应为1.463(SYS-GMM估计中的总效应为1.977)。表明信贷渠道的确是地方债务影响地方商业银行信贷风险的一个重要渠道(21)从本文的回归结果来看，地方债务确实是通过信贷渠道来影响地方商业银行风险的。。对此不难理解，由于地方债务挤占了地方商业银行较大的信贷额度，使得地方债务风险逐步影响到地方商业银行。而且也如曹廷求和张光利(2011)[11]、沈丽和范文晓(2021)[33]等文献所言，地方债务大多投向一些大型的中长期基础设施项目，这些项目大多期限较长、收益回报较低，地方商业银行为了获得更多利润，不得不将剩余的信贷额度投放到其他风险相对较高的项目中，导致其所面临的信贷风险将会更大。

为了进一步分析地方债务通过表外的影子银行对地方商业银行风险产生的影响，对模型(3)进行了估计，但由于研究的是各地方商业银行，许多数据不可得，经过多方查询手工整理，剔除掉数据缺失过多的银行，最后获得41家样本银行的影子银行规模代理变量。具体实证结果见表4。

表4 地方债务经由影子银行渠道对地方商业银行风险的影响

表4(续)

模型(3)的回归结果(表4)反映了地方债务通过表外的影子银行对地方商业银行系统性风险产生的影响。根据Local_Sbank前面的系数为正，且在1%水平下显著，表明影子银行发展规模越大则地方商业银行面临的系统性风险就越大。并且从Local_Sbank×LocalDebt前面的系数看出在1%水平下显著为正，在固定效应估计下，地方债务对地方商业银行系统性风险影响的总效应为0.291+0.329×Local_Sbank，其中Local_Sbank的均值为0.180，总效应为0.350(SYS-GMM估计中的总效应为0.382)，进一步说明地方债务占用大量的地方性影子银行资金会加剧地方商业银行的系统性风险。特别是随着2009年政府出台的一系列信贷监管举措，银行对地方融资平台的贷款大幅收紧，使得地方债务对于影子银行资金的依赖程度进一步加深，而影子银行的发展又会促使地方债务的增长(吕健，2014)[34]，迫使地方商业银行承受更大的风险(刘骅和卢亚娟，2016)[35]。

(二)分地区的再估计

为了探究地方债务对地方商业银行风险的影响是否会因为地区差异而存在不同，将表3和表4样本中的银行，根据其注册所在地，按照国家审计局(2010)对于地方债务的划分，分为东部，西部和中部，其中北京、天津、河北、辽宁、上海、江苏、浙江、福建、山东、广东划分为东部，内蒙古、吉林、山西、黑龙江、安徽、江西、河南、湖北、湖南、广西为中部，四川、重庆、云南、贵州、陕西、甘肃、宁夏为西部，采用系统广义矩的方法得到的结果见表5。

从表5的回归结果可以看出，地方债务对于东部地方商业银行的流动性风险以及信贷风险的直接影响并不显著，反而中部和西部至少在10%水平下显著。这一结果说明了在其他条件不变的情况下，中西部地区的地方债务对于地方商业银行的风险存在着直接的影响。而对于东部地方商业银行信贷风险的影响只能从相对间接的渠道表现出来。分析可能产生的原因：首先，东部地区经济比较发达，银行风险管理等各方面比较完善，同时东部的地方商业银行能够运用的手段更多，如通过将不良贷款资产移至表外掩盖不良率上升等。其次，相比中西部地区，东部地区由于自身经济基础相对较好，在人口流入、税收，以及土地财政收入方面较占优势，偿债能力较强，地方债务资产要优于中西部。因此，其债务水平对于地方商业银行信贷风险的影响要更小。

表5 地方债务对地方商业银行风险影响的分地区估计

从表6的回归结果来看，其结果与总体样本的回归结果相同。Local_Sbank前面的系数在1%水平下均显著为正，表明影子银行发展的规模越大，地方商业银行面临的系统性风险也就越高。Local_Sbank×LocalDebt前面的系数为正且至少都在10%水平下显著，可以看出地方政府通过影子银行渠道融资确实加剧了地方商业银行的系统性风险。东部地区Local_Sbank×LocalDebt前面的系数明显大于中西部地区，即东部地区地方债务通过影子银行给地方商业银行带来的系统性风险要远远大于中西部地区。

表6 影子银行、地方债务与地方商业银行风险的估计

表6(续)

(三)基于地方债务不同规模的再分析：动态面板门限模型估计

为研究不同债务规模对地方商业银行风险是否存在不同的影响，利用动态门限面板模型来估计地方债务分别通过表内的银行信贷渠道和表外的影子银行渠道对地方商业银行风险的影响，对上述结果进行一个再估计。根据Kremer等(2013)[36]的研究，仅考虑斜率门限效应，而忽略截距门限效应的门限模型估计的结果可能是有偏的。因此在模型(4)和(5)的基础上，加入截距门限效应，采用β1表示不同区制下的截距的差异，即当LocalDebtj,t截距为β1时，得模型(6)和(7)：

(6)

(7)

在对模型(6)和(7)估计之前，有必要消除模型(6)和(7)的固定效应。借鉴Kremer等(2013)[36]采用Arellano和Bover(1995)[31]提出的前向正交离差变换(the forward orthogonal deviations transformation)来消除固定效应，该变换的主要原理是采用各观测值减去该观测值之后所有的观测值的平均值，通过这样处理就可以有效地解决经变换后误差项存在的序列相关问题。对模型(6)和(7)中所有变量进行前向正交离差变换处理，其中，误差项的前向正交离差变换形式如下：

模型(6)和(7)中其他变量的前向正交离差变换形式与误差项的相同，经前向正交离差变换后的误差项不存在序列相关，其方差具有单位矩阵的形式为：

到这步为止，就可以使用Caner 和 Hansen (2004)[37]提出的估计包含内生自变量横截面数据门限模型的程序来估计动态面板门限模型(6)和(7)。具体的回归结果见表7和表8。

表7 以债务存量为动态门限变量的信贷渠道估计结果

表8 以债务规模为动态门限变量的影子银行渠道估计结果

地方债务通过表内银行信贷渠道对地方商业银行信贷风险的影响，从表7全样本回归中可以看出门限估计值以7.597为界限，区分高低地方债务区间。从回归结果中可以看出在高债务区间，NL_TA前面的系数为5.371，而与低债务区间前的系数2.357相比，其系数均是后者的一倍多，且都在1%的水平下显著，表明在地方债务水平较高的情况下，过多挤占银行信贷会增加地方商业银行的信贷风险，进一步验证了之前的结果，即随着地方债务在其信贷总量中的占比不断上升，地方债务本身无法偿还的风险以及地方商业银行信贷的挤压效应越来越明显，使得地方商业银行所面临的信贷风险将越来越大。

对比东部和中西部地区的回归结果可以看出，东部地区的门限值均高于中西部，这是由于东部地区不论是经济总量还是债务规模，总体上要大于中西部地区。而从γ1和γ2的系数来看，中西部地区虽然在回归中的动态门限值要小于东部，但是在越过门限值以后却给地方商业银行带来更大的信贷风险。这也说明了目前地方债务给地方商业银行带来的风险存在明显的异质性，需要考虑其所在地区的一些内在特征，具体来说，就是相比于东部地区，可能更需要防范中西部地区的地方债务给地方商业银行带来的信贷风险。

通过表外影子银行渠道对地方商业银行系统性风险的影响，从表8中可以看出以门限估计值7.083为界限，区分高低地方债务区间。在回归结果中高债务区间Local_Sbank前面的系数为3.942，而低债务区间前的系数为3.685，至少在5%的水平下显著，表明地方政府在举债时越来越多地依靠影子银行渠道会加剧地方商业银行的系统性风险。同时，对比东部和中西部地区回归结果可以看出，东部地区的地方债务水平相对更高，通过影子银行给银行带来的系统性风险就越大，而且在越过门限值以后，进一步强化了这种影响关系。主要原因可能是由于东部地区影子银行不仅出现的时间早，发展规模也要远远高于中西部地区，使得东部地方融资平台对于影子银行的依赖程度更大。

(四)稳健性及内生性估计

在前述的实证研究中，选择2005—2019年经过对数处理的城投债作为地方政府债务规模的代理变量。接下来，以张明等(2018)的测算方法，来检验前文结果的稳健性。具体以2012—2019年估算的地方政府债务规模数据对模型(1)、模型(2)和模型(3)进行局部的稳健性估计。实证结果见表9。

从表9中可以看出，NL_TA×Localdebt以及Local_Sbank×Localdebt前的系数在1%水平下显著为正，表明地方债务通过表内信贷渠道以及表外影子银行渠道会加剧地方商业银行的信贷风险和系统性风险，这和本文之前的结论一致。

表9 稳健性估计

表9(续)

同时还分别以存贷比(DCB)、拨备率(Bobeil)、Z值以及更全面刻画银行风险的风险加权资产比率(RWS)作为辅助指标考察银行风险的稳健性，以检验前文结果的稳健性。基于Adrian和Brunnermeier(2016)[38]、郭晔和赵静(2017)[39]等采用ΔCoVaR方法测度各商业银行的系统性风险，考虑到数据的可得性，采用16家上市银行进行局部稳健性检验。回归结果见表10。

表10 稳健性估计

表10(续)

从表10中可以看出,(1)列为替换银行流动性风险指标的回归结果。具体来看，LocalDebt前面的系数为正，表明地方债务的发展会进一步加剧地方商业银行的流动性风险。(2)列～(4)列以拨备率、Z值以及风险加权资产比率作为银行信贷风险的代理变量，其回归结果与前文的结果一致，即地方债务的增加会通过挤占地方商业银行的信贷来增加地方商业银行的信贷风险。(5)列以ΔCoVaR方法测度的影子银行系统性风险中Local_Sbank×LocalDebt前的系数在1%水平下显著为正，表明地方政府依托影子银行渠道获取债务资金会进一步加剧地方商业银行的系统性风险。

此外，考虑到近年来同业业务呈现快速发展的态势，同业负债已经成为影子银行信贷扩张的主要来源。为使实证结果更为稳健，采用同业杠杆率作为影子银行的替代变量，再进行回归。实证结果见表11。

表11 稳健性估计

从表11的回归结果来看，Local_Sbank×LocalDebt前面的系数为正且在1%水平下显著，表明地方政府利用表外的影子银行渠道融资将进一步加剧地方商业银行系统性风险，与前文的结果一致。

考虑到地方商业银行的风险水平还可能受到四大行和股份制商业银行等在本地区经营活动的影响，因此采用四大国有商业银行在各地的资产总值占省内所有商业银行资产总值的比例(CR4)作为银行市场结构指标，以检验前文结果的稳健性(采用前述的9个省份银行的年度面板数据)，实证结果见表12。

表12 稳健性估计

从表12的回归结果可以看出与本文先前的结果保持一致，如NL_TA×LocalDebt和Local_Sbank×LocalDebt前面的系数为正且在1%水平下显著，表明地方债务不仅通过银行表内的信贷渠道，还通过表外的影子银行渠道进一步加剧地方商业银行风险，这和上述的结论是一致的。因此总体来说，本文的估计结果比较稳健。

此外，考虑到本文的内生性方面双向因果问题并不明显，参考戴魁早和刘友金(2016)[30]等观点，对于可能存在的内生性问题，可能主要存在以下两个方面：一是被解释变量滞后项与随机扰动项相关而可能产生的内生性问题，二是遗漏变量可能导致的内生性问题。对于前者，基于动态面板系统广义矩估计在一定程度上解决此类内生性问题(但也只能在一定程度上)；对于后者，则主要利用Oster(2019)[40]的方法来检验遗漏变量对判断核心变量系数的偏误。实证结果见表13。

表13 内生性检验

从表13中可以看出，找到所有遗漏变量之后的核心变量(地方债务)前面的系数与本文的结果差距很少。由此可见，遗漏变量所带来的内生性问题对本文实证结果的影响很小。

六、结论及政策建议

(一)研究结论

地方债务对于银行风险，尤其是对实力较弱的地方商业银行风险的影响，是一个值得引起高度关注的问题。对此从多个角度，通过理论分析及运用两套地方债务数据(城投债以及更为全面测算的省级数据)对地方商业银行不同风险的影响进行实证研究，得出如下结论：

第一，地方债务的扩张不仅加剧了地方商业银行的流动性风险，还通过表内的银行信贷渠道对地方商业银行风险产生了影响，地方债务越高，地方商业银行所面临的信贷风险将越大。同时，表外影子银行渠道的发展满足了地方债务资金的需要，却进一步加剧了地方商业银行的系统性风险。具体表现为地方融资平台依托影子银行的信托贷款、发行理财产品等多种方式来进一步满足资金需求。但问题是影子银行资金既不会出现在政府的负债中，也不会纳入银行的资产负债表，风险敞口极不透明，在这一不透明的渠道中风险的逐渐累积致使出现更大的系统性风险。

第二，利用动态门限验证了地方债务给地方商业银行带来的风险(无论是信贷风险还是系统性风险)均会随着地方债务总量规模的增加而呈现出明显的特征，超过一定的门限值以后，地方债务对地方商业银行各类风险的影响会更加明显。

第三，从地区差异分析来看，地方债务通过表内的银行信贷渠道使得中西部地区地方商业银行面临着较大的信贷风险。但反过来的是，地方债务通过表外的影子银行渠道给东部地区地方商业银行带来的系统性风险则更大。

(二)政策建议

基于上述研究结论，提出如下建议：

第一，完善地方政绩考核机制，减少政府冲动投资，从源头上控制新增地方债务的规模。并规范政府举债融资机制，加强对地方融资平台的监管，提前制定担保化解风险的方案。

第二，完善财政偿债机制。以财政与金融相分离为目标，硬化地方政府与辖区内的地方商业银行存在的软约束关系，防止地方政府借助财政支出需求进行过度的金融干预，致使地方商业银行违背应该具备的经营准则，造成财政风险的逐步金融化。

第三，地方商业银行应合理控制对地方融资平台的信贷发放，并加强对表外的影子银行渠道的监管，防止以各种形式不断地利用影子银行渠道将金融资源投至地方融资平台，尤其是近年来影子银行发展更为快速的东部地区。同时加强对政府性债务管理政策的研究和分析，建立多元化的风险头寸，减缓地方债务对地方商业银行风险的影响。

此外，还需重点关注中西部地区商业银行风险问题，特别是从地方债务存量相对较高，但地方财政支付能力相对较弱的地区着手，然后逐渐将这些解决措施拓展到全国其他地区。同时在去杠杆的背景下，货币政策的快速收缩策略以及金融监管的强化需要谨慎运用(尤其是后者，忌讳比赛式的竞相推出监管政策)，否则一旦用力过猛，不但达不到预期的目的，还会叠加起来加剧地方商业银行的风险，触发并酿成巨大的系统性风险。