非金融企业影子银行化、房地产价格与金融稳定

安强身,孙华婕,宣亚丽

(1.济南大学 商学院, 山东 济南 250024;2.山东省资本市场创新发展协同创新中心, 山东 济南 250011;3.山东省财政厅 省财政研究和教育中心, 山东 济南 250002)

一、引言

金融不仅是现代经济的核心,也是国家竞争力的重要构成。近年来,习近平总书记在中央政治局集体学习以及全国金融工作会议等重要场合,多次强调金融工作、金融稳定以及金融安全的重要性。2017年,国务院金融稳定发展委员会(1)2023年9月24日,中共中央办公厅、国务院办公厅调整中国人民银行职责机构编制,不再保留国务院金融稳定发展委员会及其办公室,将国务院金融稳定发展委员会办公室职责划入中央金融委员会办公室。的成立,更是我国金融稳定与金融安全发展重要性的彰显。金融稳,经济稳。在全球经济深度调整、国内经济增速下行压力加大的双重影响下,我国金融业发展面临的“黑天鹅”“灰犀牛”风险不断积聚并增强。新发展格局下,防控和化解金融风险,深化金融体制机制改革以保障金融稳定和支持经济高质量发展成为当前的核心任务之一。

防控和化解金融风险、精准识别与洞悉风险源及其引致因素是首要前提。不论是2014年以来IMF、BIS不断对我国影子银行风险的警示,还是近年来国家金融监督管理总局领导集体多次表示有关房地产是现阶段我国金融风险最大的“灰犀牛”的论断,均显示影子银行和房地产风险已成为中国经济增长中的重要金融压力[1]。随着我国经济增速放缓、虚拟行业利润高涨以及实体经济不景气,非金融企业影子银行化现象愈演愈烈,具体表现为越来越多的企业突破原有生产经营范围,涉足金融领域,利用自身融资优势将原本用于生产经营性业务的资源投资于金融资产,通过委托贷款、委托理财和民间借贷等多种方式为资金需求方提供流动性资金,这些企业逐渐成为影子银行新的参与主体。与传统影子银行相比,非金融企业参与影子银行业务的形式多样,并已开辟多种渠道开展类金融银行业务,包括购买传统金融衍生品、以投资融资为目的参与资本市场金融交易等。这种影子银行化行为在一定程度上扩充了处于融资劣势地位的企业的融资渠道,可以部分缓解资源配置扭曲、降低金融市场摩擦和提高生产率[2]。但不容忽视的是,企业的再放贷行为极易形成典型的资金脱实向虚问题:一方面,企业以资本积累为目标,会导致中国经济产能过剩和产业空心化问题;另一方面,也使得金融机构间的关联度增加以及国家货币政策有效性降低,一旦发生违约,会引发连锁反应,直接冲击我国金融体系的稳定性。

进一步,制造业与金融、房地产等行业近年发展呈现显著的相对不均衡,制约了我国实体经济发展质量的提升。考察现实可以发现,非金融企业影子银行化与房地产价格关系密切,而这种关联主要源于不同行业利润率水平差异下的资本流动,不均衡的资本流动会导致不同行业资产价格的不均衡,这种不均衡必然驱动逐利资本脱实向虚的动机不断增强,使得实体经济资金不足、产业结构转型困难,不利于我国金融稳定和经济长期可持续发展[3]。据作者测算,2007—2019年沪深两市非金融类上市公司仅参与委托代理和民间借贷的规模就由2 103.39亿元上升到2.64万亿元,而2012年1月以来我国典型城市的住宅房售租比从29上升到40以上,房地产市场进入高泡沫阶段[4]。飞速扩大的影子银行规模和房地产泡沫已对中国宏观金融的稳定构成了威胁。因此,正确认识非金融企业影子银行化行为,探讨其影响我国房地产价格和宏观金融稳定的内在机理,对深化金融市场改革、防范金融风险和维护金融安全具有重要理论和现实意义。

二、文献综述

风险防范是金融发展的永恒主题,国内外的相关研究可谓汗牛充栋。近年来,伴随影子银行发展在世界各国引致的金融风险不断加大,针对影子银行风险防范的研究日趋丰富且深入。在我国,伴随经济增长进入新常态,经济增速放缓,非金融企业开始成为影子银行业务的主体之一。相关研究发现,越来越多的企业利用自身融资优势将闲置的经营性业务资源投资于金融领域,充当起信用中介的角色,成为影子银行体系的一部分,这种现象导致生产性投资和技术创新活动受到抑制,使经济呈现日益明显的“脱实向虚”趋势[5-6]。非金融企业部门已成为商业银行、证券公司、信托公司等金融中介之外重要的影子银行市场参与主体,它们通过银行理财、券商资管、委托贷款、信托融资、表外商业汇票和地下融资等形式投入“类金融业务”,获取投资收益,攫取高额金融利润[7]。但是更需警惕的是,大量上市公司也或明或暗充当了信用中介,利用融资优势将低成本获得的资金投向虚拟行业或房地产领域。理论上,非金融企业部门通过影子银行业务成为金融市场的信用中介,一定程度上具备了传统金融机构货币创造、信用转换和期限转换的功能[8]。但是,企业的这种资本化运作和投机行为逐步呈现出取代传统主营业务的趋势,并且加剧了稀缺社会资本从产业部门向金融部门的转移,这种社会资本转移一旦超过一定的限度,必然导致产业空心化和经济虚拟化[9]。

究其本质,非金融企业影子银行化属于企业金融化的范围。梳理已有文献,我们注意到越来越多的文献在研究企业金融化或者影子银行化具有的正外部效应。安强身[10]认为金融资源从国有企业部门向私人部门的非规范漏损行为是对融资劣势部门的一种“反哺”行为,银行信贷配给低效的问题在一定程度上得到弥补。王永钦等[2]的研究发现,企业间资源的不合理配置会降低整个经济生产率,而企业影子银行化会重新配置企业资金,国有企业将从银行获得的贷款再贷给中小型企业,一定程度上能够解决中小企业抵押品匮乏的问题,缓解信贷约束,对不完善的金融体系可能是一个“帕累托改进”。戴赜等[11]的研究也支持了这一观点。另外,严武等[12]认为企业金融化存在的“挤出效应”不会持续,高股利分配公司的金融化行为会对下期实业投资产生“蓄水池效应”。方先明等[13]的实证研究发现短期内影子银行的发展有利于金融稳定,但长期来看,影子银行内部积累的风险会传染到实体经济部门,引致金融体系和宏观经济运行的不稳定。

近些年来,伴随房地产在我国国民经济中地位的增强,房地产价格的波动对我国宏观经济健康运行的影响也在不断加大。在房地产市场盈利预期增强甚至固化的情况下,包括非金融企业在内的各类投资、投机资本不断流入,推动房地产价格上涨的同时也使这一市场成为我国金融风险最大的“灰犀牛”。由此,越来越多的学者开始致力于将房地产市场纳入宏观经济学研究体系,将房地产市场价格风险与金融风险防控、金融稳定联系起来。许多国外学者研究发现,银行稳定性会受到房价泡沫的显著影响[14]。Anundsen[15]检测到美国房价泡沫是许多代表金融不稳定性指标的格兰杰原因。众多研究表明,金融和经济的运行会由于房价泡沫的破裂而遭到严重的负面冲击[16-17]。随着影子银行的发展,将其纳入房地产市场、经济增长与金融风险防范框架的研究日渐丰富。有学者指出,长期来看,影子银行会引发房地产价格上涨,与此同时,房价泡沫膨胀也能加剧系统性金融风险[18]。马亚明等[19]建立了一个包含影子银行、房地产市场与其他重要宏观经济部门的DSGE模型,模拟结果表明影子银行的冲击会降低货币政策有效性,但房价会随着影子银行规模扩大而降低。雷霖[20]通过建立TVP-VAR模型,探究影子银行、房地产市场和金融稳定间的关系,证实影子银行规模和房地产价格相互促进,两者规模的膨胀都会对金融系统稳定产生明显的负面效应。赵胜民等[21]分析了货币政策传导和房价受影子银行影响的内在机理,发现与银行信贷相比,影子银行信贷会对房价产生更强烈、更迅速的影响,表现出更加明显的时变性。房价上升会促使影子信贷规模增加,但银行信贷规模则会降低;房价与影子银行信贷存在相互促进的作用机制,与银行信贷之间存在内生稳定机制。刘子策[22]利用DSGE模型实证检验了影子银行、地价、房地产价格上涨之间的相互影响关系及其对中国经济波动的冲击,并发现贷款通过影子银行系统输送到房地产部门,进而推升房地产价格,在引入影子银行后,房地产需求冲击会对我国实体经济部门带来明显的挤出效应。

已有文献不仅对影子银行业务及其风险进行了研究,也将房地产市场纳入影子银行与金融风险防范的研究框架进行了探讨,为本文研究奠定了坚实基础,但较少有研究将非金融企业这一新的影子银行参与主体作为研究对象,并将其与房地产金融风险和宏观金融稳定相结合加以分析。同时,国内外学者关于企业影子银行化行为对企业创新、经营风险、股价崩盘的影响的研究多是从微观角度展开,而从宏观角度对非金融企业影子银行化与金融稳定的研究非常有限。上述问题和不足为本文研究提供了一个新的可能,不仅在理论上丰富有关影子银行与金融风险的相关研究,也为当前中国金融稳定与经济高质量发展提供经验证据。

与已有研究相比,本文创新之处主要在于:其一,选择非金融企业这类新的影子银行参与主体,并将房地产市场价格风险纳入研究框架,研究非金融企业影子银行化对我国金融稳定的影响,是对以往关于影子银行与金融稳定的深入和拓展。其二,运用面板向量自回归(PVAR)模型,将非金融企业影子银行化、房地产价格与金融稳定三者纳入同一系统中,分析三者相互间的作用关系和面对冲击时的响应,不仅能够反映观测样本的个体差异,还能很好地解决变量间的内生性问题。

三、模型设定与变量选择

(一)模型设定

已有文献表明,非金融企业影子银行化规模、房地产价格和金融稳定之间存在着复杂的相互作用机制,选取的模型需要真实全面地反映变量间的相互作用关系。面板向量自回归模型(PVAR)兼具时序和面板数据的优点,不需要区分内生变量和外生变量,能够兼顾所有变量间滞后效应的影响,可以有效解决变量间的内生性及自相关等问题。因此,本文运用面板向量自回归(PVAR)模型分析非金融企业影子银行化规模、房地产价格、金融稳定之间的动态关系,并设定这3个变量作为系统内生变量,在参考已有文献的基础上,建立以下PVAR模型:

(1)

其中,Yit表示一个1×3阶向量,包含内生变量非金融企业影子银行化规模(Shadowbanking)、房地产价格(Houseprice)、金融稳定水平(FSI);α0表示截距;αj表示回归系数矩阵;i表示省份(自治区、直辖市);t表示时间(以年为单位);j表示滞后阶数;δt表示时间效应向量;θi表示个体效应向量;εit表示“白噪声”随机扰动项。

(二)数据来源及变量选取

本文使用2007—2019年全国31个省(自治区、直辖市)面板数据(不含港澳台的数据),非金融企业影子银行化数据包括在沪深交易所上市并发行A股的企业。为了准确观测非金融类企业的影子银行化活动,将样本中金融类和房地产类的上市公司剔除,同时剔除ST和*ST两类财务状况和盈利能力存在异常的企业样本。数据来源于国泰安数据库(CSMAR)、Wind数据库、锐思数据库。房地产价格、金融稳定基础指标数据来自中经网、国家统计局、中国人民银行、各省统计局。

1.非金融企业影子银行化规模

对非金融企业影子银行化规模的测算,现有测量方法不尽相同。通过对相关文献的梳理,非金融企业开展影子银行业务的机理主要有以下两种:一是充当实质信用中介,包括成立担保或小额贷款公司,参股、控股财务公司等,变身为非银行金融机构;二是间接参与体制内银行业务,包括委托银行贷款、购买银行理财、券商理财、信托公司的信贷产品、结构性存款等,以此参与到影子银行链条中。基于对文献的分析,考虑上市公司参与影子银行业务的机理和数据的可得性,参考韩珣等[8]的思路,将委托贷款、委托理财和民间借贷3类规模加总得到非金融企业影子银行化规模。由于民间借贷具有较强隐蔽性,因此参考王永钦等[2]的思路,将其他应收款作为衡量企业之间资金漏损的代理变量。委托贷款和委托理财的具体信息可以从上市公司公告中获得。一般而言,非金融企业影子银行化规模受当地金融发展水平的影响较大,地区差异明显,因此本文在测度该指标时,采用非金融企业影子银行化规模与GDP的比值作为代理变量。

2.房地产价格

房地产价格变量由商品房销售额/销售面积计算得到,为了剔除不同年份物价水平对房地产价格的影响,本文利用定基CPI指数的方法对房地产价格进行处理。为了消除数据过大带来的异方差性,本文对变量进行对数化处理。

3.金融稳定指数

本文从宏观经济环境、金融市场、地方财政3个维度选取17个指标对区域金融稳定性进行衡量,具体指标体系见表1。为更加全面地衡量地区金融稳定水平,保证各指标权重的合理性,采用熵值法为各指标赋权,得出各个省份的金融稳定指数。

表1 区域金融稳定指标体系

(三)变量的面板单位根检验

为避免出现虚假回归现象,保证变量均属于平稳序列,使回归结果更加稳健,在进行PVAR模型估计前需要进行面板单位根检验,本文采用IPS和Harris-Tzavalis两种检验方法对样本进行单位根检验,确定变量的单整阶数。结果表明,对3个变量进行一阶差分后得到dShadowbanking、dHouseprice和dFSI这3个序列全部平稳,如表2所示。

表2 面板数据单位根检验结果

(四)面板协整检验

在面板单位根检验的基础上,采用Pedroni检验和Westerlund检验方法进行面板协整检验,结果见表3。从协整结果看,检验结果均拒绝Shadowbanking、Houseprice、FSI之间“不存在协整关系”的零假设。因此,可以认为三者之间存在协整关系。

表3 面板数据协整检验结果

四、实证结果分析

(一)滞后阶数的选取

本文选取赤池信息准则(AIC)、贝叶斯信息准则(BIC)和汉南-奎因信息准则(HQIC)来判定模型的最优滞后阶数。根据表4的结果,选择2阶滞后项作为PVAR模型的最优滞后期数。

表4 滞后阶数

(二)PVAR模型估计

为了消除PVAR模型结果的偏误,在运用GMM法估计前,需要先消除模型中的固定效应,因此运用Helmert转换来消除个体固定效应,采用“组内均值差分法”来消除时间固定效应,以此保证滞后变量不受固定效应的干扰,然后将滞后变量作为工具变量进行回归。估计过程使用Stata 15.0软件和PVAR 2程序,估计结果如表5所示。

表5 PVAR模型GMM估计结果

由表5可知,对金融稳定(FSI)而言,一阶滞后的非金融企业影子银行化规模的系数为正(14.86),且在1%的显著水平上显著,二阶滞后的非金融企业影子银行化规模的系数为负(-4.426),且在1%的显著水平上显著。可见非金融企业的再放贷行为对我国金融稳定的影响呈现出一种先促进后抑制的过程,这主要与我国不完善的金融体制有关。另外,二阶滞后的房地产价格对金融稳定的影响在1%水平上显著为负(-0.592),这意味着我国房地产行业已积累了较大的风险。对于房地产价格(Houseprice)而言,二阶滞后的非金融企业影子银行化规模的系数在1%水平上显著为正(6.007),由此可见,企业再放贷行为推动了我国房地产价格上涨,成为影响我国金融稳定的重要因素。

(三)面板格兰杰因果检验

由于PVAR模型假定所有变量均为内生,因此需要利用面板格兰杰因果检验来验证各经济变量间的因果关系,从而确定PVAR模型中变量选择的合理性。因此,对样本进行格兰杰因果关系检验,具体检验结果见表6。

表6 格兰杰因果检验

如表6所示,样本统计量服从chi2分布,P值表示大于卡方分布临界值的概率,P值小于0.05则拒绝原假设,证明本文选取的变量间存在格兰杰因果关系,符合前述模型假定。由此可知:(1)非金融企业影子银行化规模是金融稳定的单向格兰杰因;(2)房地产价格和非金融企业影子银行化规模互为格兰杰因,二者存在双向因果关系;(3)房地产价格是金融稳定的格兰杰因,与此同时,金融稳定也是房地产价格的格兰杰因。以上分析表示维持我国金融行业的长久稳定必须警惕非金融企业影子银行化行为,同时,合理调控房地产价格也是保证金融领域长治久安的关键一环。

(四)脉冲响应分析

脉冲响应函数能够描述在控制其他变量不变的情况下,给予一个变量外部冲击能给模型中其他变量带来的瞬时影响情况,它能够全面呈现各个变量之间的动态关系。图1～3反映了对非金融企业影子银行化、房地产价格、金融稳定进行500次蒙特卡洛模拟得到的响应轨迹。脉冲响应图中横轴代表冲击反应的响应期数,纵轴代表被解释变量对各解释变量冲击的响应程度,中间的一条折线代表具体的脉冲响应轨迹,阴影部分代表95%的置信区间。

图1 非金融企业影子银行化对房地产价格的影响

1.非金融企业影子银行化对房地产价格的冲击效应分析

图1显示,房地产价格会由于非金融企业影子银行化规模的正向冲击而产生明显的响应,在第1期,房地产价格的脉冲值有轻微的下降,但立刻转为正向影响,并在第2期达到最大值,然后逐渐趋于0。这表明,房地产价格会受非金融企业影子银行化规模膨胀的影响,且价格上涨明显。这主要是由于非金融企业影子银行化行为为房地产开发商拓宽了融资渠道,使更多的社会资金流入房地产市场,但房地产商的融资成本会由于影子银行体系的高利率而增加,加之地方政府土地财政政策的压力,也会使房地产商的拿地成本攀升。然而,依靠房地产市场自身的垄断属性,房地产商最终能够将成本上涨的部分转嫁给购房者,从而使房价不降反增。此外,当房地产开发商从正规金融部门获取贷款的行为受到监管当局限制时,企业的再放贷行为能在很大程度上缓解房地产商的资金缺口压力,进而使高房价得以持续。

2.非金融企业影子银行化对金融稳定的冲击效应分析

图2显示,给予非金融企业影子银行化规模一单位的正向冲击,对金融稳定的脉冲值在初期为0,并迅速出现正向影响,脉冲值在第1期达到最高点,但到了第2期之后,这种冲击对金融稳定产生了最大的负向影响,此后震荡变小直至为0。这表明,短期内非金融企业影子银行化规模的扩张有利于金融稳定,但是这种现象不具有可持续性,随着时间的加长会对我国金融稳定造成一定的负面影响。这可能是由于我国金融抑制和金融歧视现象的积弊。一方面,长期以来,我国中小企业受到融资约束,而企业的再放贷行为能够为中小企业、资本市场以及地方政府提供流动性支持和信贷支持,可以说在一定程度上提高了资金的分配效率和使用效率,部分缓解了资源配置扭曲的现象,稳定了金融市场。但是随着影子银行化规模的扩大,其带来的系统性风险也会随之增加,如果部分企业违约,则容易导致资金链断裂,使企业的正常经营业务难以为继,进一步地,风险会从借款企业传染至贷款企业,更甚可能会将风险转嫁给商业银行,引发流动性危机。另一方面,非金融企业影子银行化本质上是一种“脱实向虚”行为,对于经济产能过剩和产业空心化等问题的影响不容忽视,也极易导致实体经济行业出现资金匮乏、复苏乏力等问题,从而影响金融稳定状况,最终使金融稳定性下降。

图2 非金融企业影子银行化对金融稳定性的影响

3.房地产价格对金融稳定的冲击效应分析

图3显示,当给予房地产价格一个单位的正向冲击以后,当期就对金融稳定造成负面影响,且在第2期达到最大值,随后这种负面影响持续减弱并逐渐趋于0。这表明,长期以来我国的房地产市场已经积累了较大的隐患,风险一触即发,一旦泡沫破裂,会给我国金融稳定带来较大的负面影响。我国房价存在脱离经济基本面的情况,市场预期经济收入对房价占有正向主导地位[23]。房地产价格的上涨会使房地产企业加大投资力度,同时非金融企业也会因为其逐利本性,将大量闲置资金再放贷给房地产商,导致资金在此行业聚集,容易引发风险传染,使金融系统的脆弱性提高,不易承担外部冲击,从而使金融稳定性下降。另外,一旦房价下跌,房地产企业利润会随之下降,同时,房地产抵押资产价值也会下降,将导致贷款人利益受到损害,致使银行面临流动性风险,政府土地财政收入也会随之受到影响,使金融体系的稳定性受损。

图3 房地产价格对金融稳定的影响

(五)方差分解

基于PVAR模型的方差分解,能够精确分析当内生变量受到冲击时不同变量对其产生的贡献度,这是衡量不同冲击重要性的核心指示。表7给出了不同变量在第1个、第5个和第10个预测期的方差分解值。观察第5个与第10个预测期的结果可知,二者数值差距较小,说明系统基本稳定。

第10个预测期的结果显示:在面板变量金融稳定(FSI)方程中,3个变量贡献比例为FSI∶Houseprice∶Shadowbanking=0.476 883∶0.074 292 8∶0.448 824 2;在面板变量房地产价格(Houseprice)中,其余变量的贡献度分别为0.031 753 5∶0.715 431 5∶0.252 815;在面板变量非金融企业影子银行化(Shadowbanking)中,各变量的贡献比为0.037 057 4∶0.039 352 5∶0.923 590 1。方差分解的结果表明,我国金融稳定和房地产价格都会明显受到非金融企业影子银行化行为的影响,从数值来看,贡献度分别达到44%和25%。而非金融企业影子银行化规模主要受企业自身的影响。总体而言,上述结果与脉冲响应分析的结果基本一致。

(六)稳健性检验

前文构建的非金融企业影子银行化规模(Shadowbanking)=委托贷款+委托理财+民间借贷。在稳健性检验部分,参考肖崎等[24]的思路,使用上市公司财务报表中的可供出售金融资产、长期股权投资、交易性金融资产、投资性房地产、买入返售金融资产、衍生金融资产、持有至到期投资、发放贷款及垫款8个科目来衡量非金融企业影子银行的规模。构建PVAR模型后得出的估计结果与脉冲响应函数以及前文实证结果基本保持一致,证明了前文模型的稳健性。

五、结论与政策建议

本文运用2007—2019年31个省市的面板数据(不含港澳台的数据),采用熵值法建立我国金融稳定指数,并利用PVAR模型实证检验非金融企业影子银行化、房地产价格与金融稳定之间的相互关系。研究结果表明:在短期内,非金融企业影子银行化行为有利于我国金融稳定,但在长期会对金融稳定产生负面影响;另外,非金融企业的再放贷行为会使大量资本集聚在房地产行业,从而使房价居高不下,进一步损害金融体系的稳定性。

根据上述研究结论,本文提出如下的政策建议:

第一,明确我国非金融企业影子银行化行为存在与发展的必然性。目前,我国金融市场正在朝着市场化和多元化的方向快速发展,企业适度规模的再放贷行为能够增加社会资本总体流动性,为中小微企业提供更为丰富的融资途径,缓解我国金融抑制背景下的融资约束问题,引导社会稀缺资源向实体经济倾斜。应辩证地看待非金融企业影子银行化行为的存在,影子银行的过度膨胀会给我国金融稳定造成威胁,但不能因此否定其对金融深化发展的积极作用,应当结合实际情况,因地制宜,允许企业金融化行为的适度发展,引导其朝着更加合规的方向发展,从而更好地服务实体经济、促进非传统金融业务的蓬勃发展。

第二,加强对企业金融化行为的监管。虽然企业再放贷行为的积极作用不容忽视,但当危机来临时,这种影响很可能迅速转为负向危害,危及我国金融稳定。因此,加强日常监管对非金融企业来说尤为重要,监管当局应对企业所投资的金融资产范围、规模和经营资质作出明确的规定,严格控制其资金流向,尤其是要控制流入房地产行业的资金量,同时防止业绩不稳定、股利分配较低时的金融资产投资“挤出”实业投资。

第三,加快推动金融机构市场化改革。我国长久以来的信贷歧视,使中小企业面临融资困境难题,而企业影子银行化规模能够快速增长的原因之一也在于其能解决中小企业的燃眉之急。因此,要想从根本上控制影子银行市场的过度扩张,关键在于促进金融资源的高效率配置,不断消除金融中介的信贷配给问题。因此,政府应进一步提升金融业市场化水平,加快推动直接融资市场的发展,鼓励融资市场化,构建多层次金融市场,实现好金融服务实体经济这一本质功能。