实体经济行业“去杠杆”降低商业银行脆弱性了吗？

李辉 舒长江 金雨晨

摘   要：基于2011年第1季度至2020年第1季度数据，运用断点回归模型考察了实体经济行业“去杠杆”对商业银行脆弱性的影响。研究结论表明，实体经济行业“去杠杆”在总体上显著降低了商业银行脆弱性，稀释了系统性金融风险的压力，金融去杠杆政策取得了一定的成效。进一步分析发现，实体经济行业“去杠杆”对不同类型商业银行脆弱性的影响具有显著性差异，行业“去杠杆”会显著降低国有商业银行、股份制商业银行以及城市商业银行的脆弱性，而显著增加农村商业银行的脆弱性。这要求政府在实施金融“去杠杆”政策过程中，不仅要充分考虑去杠杆对不同类型企业本身会造成显著性差异，更要防范去杠杆对不同类型商业银行脆弱性的影响。

关  键  词：去杠杆;商业银行脆弱性;金融风险;断点回归模型

中图分类号：F820/F830      文献标识码：A       文章编号：2096-2517（2020）06-0013-10

DOI：10.16620/j.cnki.jrjy.2020.06.002

一、引言与文献回顾

改革开放以来中国经济取得了举世瞩目的成绩，年均经济增长率为9.5%，远高于同期世界平均增长率2.9%的水平，中国已经成为推动世界经济增长的第一引擎①。伴随着经济高速增长，中国宏观杠杆率也从2008年末的150%持续增长到2017年末的255%， 其中又以非金融企业部门杠杆率增长最为显著。根据国际清算银行（BIS）数据，2018年第3季度中国非金融企业杠杆率为152.9%，在所公布的44个国家和地区中位列第7②。债务规模持续增长，债务负担日益沉重，引发了全世界对中国高杠杆率是否会诱发系统性金融风险，进而造成世界性经济衰退的担忧。过去十年来中国非金融企业债务高企背后的主要驱动因素是什么？这是本文需要厘清的第一个问题。

持续的高杠杆引发了中央监管层的警惕。在2015年中央工作经济会议上，首次提出了金融“去杠杆”政策，并将其列为2016年经济工作的重点任务之一。

在2018年4月份召开的中央财经工作会议上，再次明确提出了“结构性去杠杆”，并作为重要目标写进了2019年的政府工作报告。

中国人民银行在2019年第3季度的货币政策报告中， 重点重申了“有序推进结构性去杠杆”。为了“结构性去杠杆”、防范与化解系统性金融风险，我国相关政府监管部门相继出台了若干具体措施。对“穿透式”强监管等系列组合政策作用有两种不同的观点。一种观点认为我国成功稳住了宏观杠杆率的上升，根据测算2018年末我国宏观杠杆率降到了239%①。杠杆率的降低，减轻了企业债务负担，使得企业将更多信贷资金投资到回报率高的领域，从而增强企业的盈利能力，提升了银行信贷资金可偿还概率，缓解了商业银行的脆弱性[1-2]。另一种观点认为，快速“去杠杆”势必会造成非金融企业流动性资金不足乃至枯竭， 容易引发企业衰退乃至破产倒闭，在金融加速器机制作用下，使得整个社会投资、产出大幅下滑，整个经济陷入萧条，实体经济的衰退势必波及传染整个金融行业，加剧商业银行的脆弱性②[3]。正因为实体经济“如何去杠杆”“去到什么程度” 对商业银行脆弱性的影响还存在较大分歧，有必要对当前“结构性去杠杆”政策进行检视，从而对上述分歧给出一定的回应，这是本文需要解决的第二个问题。

长期来看，“去杠杆”有利于改善宏观经济环境，降低风险水平，但在此过程中难免会对经济产生一定冲击，并带来巨大的挑战。一是对消费需求端的影响引致经济衰退。Mian等（2011）对危机后美国家庭部门“去杠杆”的研究发现，家庭部门“去杠杆” 可能会导致长期的消费低迷和经济衰退[4]。Eggertsson等（2012）在凯恩斯理论框架下建立了一个债务驱动衰退理论模型，研究认为快速“去杠杆”压低了总需求而引起经济衰退[5]。二是从宏观经济运行角度研究认为， “去杠杆”会对经济增长起负面作用。Glick等（2009）通过研究美国的“去杠杆”过程发现，无论采用何种方式的“去杠杆”政策，都会对经济产生较长期的负面影响[6]。Geanakoplos（2010）发现债务杠杆会增加一个国家经济的不稳定性，这不仅表现在加杠杆阶段， “去杠杆”政策同样如此[7]。Cecchetti等（2012）认为，如果过快地“去杠杆”，会抑制經济增长并加大经济增长波动，更恶劣的情况下甚至会引起实体经济崩溃[8]。Blanchard等（2013）对危机后斯洛文尼亚的“去杠杆”政策的研究发现，不正确的“去杠杆”时机和校准过程会给经济发展带来很高的机会成本[9]。马勇等（2016）通过系统GMM估计和二元面板离散选择模型研究了金融杠杆、 经济增长和金融稳定之间的关系，研究表明金融杠杆波动程度加大不仅会危害经济增长，同时还会对金融体系的稳定性产生负面影响[10]。

在银行的风险承担方面，一些学者从企业杠杆率的角度研究对银行风险承担的影响。

张明等（2013） 认为中国经济面临着企业部门负债率过高的风险，而在未来“去杠杆”过程中不断会压低经济增长速度， 而且会给银行带来巨大的发展压力[11]。王俊籽等（2019）通过分析中国11类非金融行业杠杆率与商业银行风险承担水平之间的关系发现，多数行业存在杠杆率门槛值，行业债务杠杆已处于危险水平， 再度攀升会恶化商业银行的风险水平[12]。另一些学者从加入银行自身杠杆率的角度研究对银行风险承担的影响。Petrakis等（2013）发现欧洲银行业在“去杠杆”过程中，银行体系财务状况持续恶化，系统性风险不断膨胀， 金融与银行市场逐渐分裂，危机不断蔓延，甚至对欧州宏观经济都造成了严重的影响[13]。靳玉英等（2016）基于我国173家商业银行数据研究发现，商业银行风险资产结构的利率差异是影响其风险承担能力的重要因素，杠杆率监管的引入对商业银行资产结构的影响也很小[14]。赵静等（2017）通过面板数据模型对我国55家商业银行数据研究发现，资本充足率和核心资本充足率相对较高的商业银行风险承担能力也比较高，而较高的杠杆率水平却显著降低了我国商业银行的风险承担能力[15]。梁敏等（2018）设定数据包络分析模型计算出20家商业银行的杠杆率水平和技术效率， 分析了杠杆率对商业银行效率的影响，发现杠杆率对银行技术效率、资产收益率有正向的影响，对不良贷款率、存贷比率有负向影响[16]。

综合国内外文献发现，对行业“去杠杆”政策对企业的影响已有大量的分析，但是行业“去杠杆”对商业银行脆弱性的影响还鲜有研究。虽然杠杆率与银行之间有着密切的联系，无论是杠杆化阶段还是“去杠杆”都会对银行产生显著的影响。但是行业“去杠杆”到底是会给银行带来巨大的发展压力，从而对金融体系的稳定性产生负面影响，还是会降低我国商业银行的风险承担能力，现有研究还存在较大分歧，需要从理论上与实践上进一步研究。

相较于现有文献，本文边际贡献在于：（1）通过断点回归模型，从中观层面分析行业“去杠杆”对商业银行脆弱性的影响，从而对实体经济“如何去杠杆”“去到什么程度”对商业银行脆弱性的影响给出一定的回应;（2） 打破传统研究将商业银行作为一个整体的“黑箱”，将商业银行细分为大型商业银行、股份制商业银行、城市商业银行和农村商业银行4类，从微观层面考察实体经济“如何去杠杆”“去到什么程度”对不同层次、不同类型商业银行脆弱性差异性影响，为宏观政策精准调控提供精准化的政策操作参考。

二、企业杠杆率高企的内在逻辑

众所周知，最近十年来中国宏观杠杆率居高不下，非金融企业是主要贡献者。历次经济危机充分证明，过度融资、杠杆率高企、债务规模过大是触发“明斯基时刻”①的引爆器。企业杠杆率高企不下，实体经济部门债务总量不断攀升， 债务负担日益加重，导致我国系统性风险不断积聚，金融脆弱性不断增大，严重威胁整个经济体系平稳运行。习近平总书记自2017年以来，先后对我国经济“去杠杆”做出重要指示， 明确要求以结构性“去杠杆”的思路，分部门、分债务类型尽快把我国杠杆率降下来。

我国非金融企业债务高企背后的驱动因素有多个，其中最重要的影响因素之一是不断变化的内部融资公司资本支出的比例。2008年全球金融危机在没有任何征兆的情况下突然爆发，为这一观点提供了一个合理的逻辑分析起点，因为这种重大的负面外部需求冲击的直接影响是公司收益下降。2008年全球金融危机爆发后，出口出现负增长，中国经济增速快速回落，企业的收益急剧下降。企业在资本支出和融资决策方面如何应对这种收入下滑？金融加速器理论表明，企业很可能会因销售下降而自行削减或推迟资本支出计划， 现金流变慢，信贷可用性下降。

但事实却是为了应对这场危机，中央政府开始有力地介入，提出了“四万亿”一揽子刺激计划来应对全球金融危机，并实施了宽松的货币政策和放松了对金融机构的监管。在这种强刺激和宽松金融政策催化下，企业可以利用宽松的融资环境， 增加公司资本支出以抵消不利的外部影响。公司收益下降和资本支出增加共同导致内源性筹资的资本支出份额急剧下降，外源性融资需求相应增加。我国又是典型的以商业银行为主导的间接金融体系， 从而导致了非金融企业高杠杆率的现象。这种解释符合公司融资文献中的优序融资理论[17]。

第二个影响因素是房地产和建筑业作为企业债务持有者的重要性日益提高。2008—2015年，房地产行业的总负债几乎翻了一番，达到GDP的60%以上，而建筑业则由11%上升至18%。相比之下，工业部门的负债只从79%小幅上升到83%。虽然工业部门仍然是最大的企业债务部门，但房地产和建筑业负债率的快速增长确是中国公司负债率上升的主要推手，原因有四个。

第一，在过去20年的大部分时间里， 房地产和建筑业逐渐成为中国的支柱性产业，成为推动中国经济快速增长的引擎[18];第二，这两个行业的资本密集和重资产高于工业部门的平均水平，以及包括农业和服务业在内的其他经济领域;第三，这两个部门的杠杆率越来越高;第四，这两个部门具有典型的高杠杆属性，对外部融资需求强烈。国家一系列宏观调控政策的迹象表明，在经历了长达数十年的高速扩张之后，这两个部门的负债率可能已经达到顶峰，这给公司收益带来了压力，并压制了它们在内部资金资本支出中所占的比重，这意味着除非内部资本充足，否则杠杆率将继续增加。

三、理论分析与研究假设

美国次贷危机以后，中国企业开始进入了加杠杆时期， 多数行业超过了行业安全杠杆率标准。行业的高杠杆率使得潜在风险不断积累，通过杠杆风险传导机制加大了金融市场的脆弱性，过度的杠杆作用增加了金融机构的相关性，使发生金融系统性风险的可能性进一步加大。对于企业来说，杠杆率的降低减轻了企业债务负担，使得企业将更多信贷资金投资到回报率高的领域，从而增强企业的盈利能力，有助于银行信贷资金可偿还性，从而缓解商业银行的脆弱性[19]。另外，随着不断深化去产能、去库存、“去杠杆”，将加快“僵尸企业”的清理速度。通过加快“僵尸企业”的处置，行业的经营环境将得到明显改善，剩余业务的贷款安全性也将得到进一步保障。行业内的过剩产能也将通过“僵尸企业”的清理处置得到有效的减少，行业产能利用率借此得以提升，从而促进价格稳步上涨，使得行业整体的经营环境得到日益好转，为企业的发展奠定了良好的基础[20]。

对银行而言，“僵尸企业”的清理，将对剩余企业的盈利能力产生积极影响， 从而提高偿债能力，使得相关信贷资产的质量得到明显改善[21]。深化推进“去杠杆”也将通过带动企业间兼并重组，从而催生更多业务需求，给商业银行投行顾问类业务提供较多机会。另外，债转股的引入，丰富了商业银行主动调整资产结构的手段，有利于主动解决商业银行的不良风险。

商业银行可以通過债转股的方式，将持有的企业信贷资产等债权进行转化并一次性收回不良贷款，从而使不良贷款率稳中有降，商业银行主动调节资产的能力也将得到大大提高。此外，为有望获得超额股权收益，债转股还为商业银行参与企业投资开辟了体制空间。商业银行可以通过建立金融资产投资公司来参与这一轮债转股交易。通过合理使用债转股，商业银行不仅可以减小资产质量下降的风险，而且可以分享未来公司市值上升的收益。并且从过往经验看，银行持有的股权可能会在行业周期性回暖以及企业竞争力增强的情况下，产生意想不到的超额收益。所有这些都将对银行的转变产生积极影响，有利于促使银行发展更为健康的经营模式，从而使商业银行的脆弱性得到有效的缓解。

经过多年的探索与发展，我国不断健全与完善金融市场体系， 不断扩大金融机构主体。

截至2019年12月底， 商业银行已经细分为6家国有大型商业银行、12家股份制商业银行、134家城市商业银行和1478家农村商业银行等①。

不同类型的商业银行，在传统的资产规模、市场份额、风险承担能力、存贷款竞争力和科技储备等诸多方面存在显著差异。另外，不同类型商业银行的业务重点与业务对象也不同，钢铁、煤炭、房地产和有色金属作为重点“去杠杆”试点行业，在不同类型商业银行中的业务占比存在差异，因此，行业“去杠杆”对不同类型商业银行脆弱性冲击将存在差异性。

因此，本文提出研究假设。

H1：行业“去杠杆”会显著降低商业银行的脆弱性。

H2：行业“去杠杆”对不同类型商业银行脆弱性影响存在显著差异性。

四、研究设计

（一）方法选取

对经济政策实施效果的检验与评估，现有文献通常采用以下两种方法来进行：一是根据系列指标数据将经济政策实施先后的效果进行直接比较，这种方法简单便利、易于操作，但是结果却不精准，缺乏可信度;二是采取准自然实验法，将经济政策实施作用后的经济体与未实施经济政策的经济体进行比较。这种方法遵循了计量经济学和统计学的原理与步骤，研究结论科学严谨，具有可信度。断点回归法是一种科学严谨的准自然实验法，广泛用于经济政策的效果检验与评估[22]。断点回归是在断点附近的局部随机试验， 可避免参数估计的内生性问题，从而真实反映变量之间的因果关系。由于和随机试验中全域隨机性一样可以被检验，并且其成立的前提条件容易满足，因此断点回归法比工具变量法、双重差分法更接近于随机试验，效果评价也更优。本文采用断点回归模型来评估行业“去杆杠”对商业银行脆弱性的影响， 可有效利用现实约束条件分析变量之间的因果关系。断点回归可以分为两类：第一类，临界值是确定的（Sharp）， 即在临界值一侧的所有观测点都接受了处置，反之在临界值另一侧的所有观测点都没有接受处置。第二类，临界点是模糊的（Fussy），即在临界值附近，接受处置的概率是单调变化的。由于在临界值两端的个体是非常接近的，所以在该临界值出现的“跳跃”就是该项处置对于经济变量的作用。由于行业“去杠杆”政策具有强制性，因此本文采用精确断点分析方法，即在断点处研究个体受到断点函数影响的概率变化直接从0到1。2015年， 中央工作经济会议首次提出了“去杠杆”政策，并将其作为2016年结构性改革的重点任务之一， 所以本文选择2016年作为政策时间断点。

（二）数据说明及变量选择

1.商业银行脆弱性代理变量的选取。借鉴舒长江等（2017）经验做法，选取不良贷款率（NPLA）、资本充足率（CAR）、存贷款比率（DLA）、资产利润率（ROA）、累计外汇敞口头寸比率（CFEER）等微观量化指标对商业银行脆弱度进行测度[23]。其中，不良贷款率反映商业银行的信用风险，资本充足率反映商业银行的资本充足情况，存贷款比率反映商业银行流动性，资产利润率反映商业银行资产的盈利情况，累计外汇敞口头寸比率反映了商业银行资产的市场风险。根据Mckinnon等（1998）[24]以及巴塞尔协议Ⅲ关于商业银行脆弱性指标和相应的临界值，将上述分指标原始数据映射为相应的脆弱程度值，然后利用因子分析法，获得不良贷款率、资本充足率、存贷款比例、累计外汇敞口头寸比率等权重，计算商业银行脆弱性程度的最终指标Bf。

2.处理变量。将行业“去杠杆”政策实施的时间设为虚拟变量，以2016年为断点，政策实施之前为0，政策实施之后为1。具体如下：

Di=0，（t<2016）1，（t≥2016）

3.控制变量：参照戴钰（2010）[25]的做法，选取GDP增长率、M2增长率、CPI指数、银行总资产、行业杠杆率①等变量。

选取上述指标2011年第1季度至2020年第1季度数据，其中2011年1季度至2015年第4季度为政策实施前，2016年第1季度至2020年第1季度为政策实施后，样本数据来源于中经网、东方财富Choice金融终端、WIND数据库、 国家统计局官网。所有变量详细说明见表1。

（三）模型设定

参考马光荣等（2016）[26]采用断点回归研究政策问题的方法构建模型，并且为了使得断点回归结果分析有参照系，参考王玉泽等（2019）[27]在设定断点回归模型同时设立了加入二次项的OLS基准模型。模型设定如下：

模型（1）是OLS基准模型，模型（2）是断点回归模型。X是控制变量的向量表示，year表示年份效应，？酌表示个体效应，T代表年份，C为2015年第4季度，Di表示行业“去杠杆”政策实施的虚拟变量，？啄为政策的影响系数，是本文研究的核心系数。

五、实证分析

（一）描述性统计分析

表2报告了变量的描述性统计。

对比发现，在行业“去杠杆”政策提出前后，样本变量指标值发生一些变化。其中，行业杠杆率政策后的均值要小于政策前的均值，初步说明“去杠杆”政策有一定的成效。再看商业银行的脆弱性指标，全样本下政策前均值大于政策后的均值，说明行业“去杠杆”政策整体上降低了商业银行的脆弱性。进一步细分来看①，国有商业银行脆弱性政策前均值大于政策后的均值，股份制银行、城商行、农商行的脆弱性政策前均值小于政策后的均值，表明不同类型商业银行脆弱性呈现差异性的变化。行业“去杆杠”与商业银行脆弱性之间的因果关系还需要通过计量模型进一步深入分析。

（二）回归结果分析

为了防止计量结果有偏和伪回归，事先对变量进行了平稳性和协整检验，结果表明可以进行模型检验。通过hausman检验发现，拒绝随机效应，因而采用固定效应模型进行回归分析②。

表3报告了固定效应回归结果。回归结果表明，行业杠杆与商业银行脆弱性呈现显著的“U”型关系，行业加杠杆在短期内能够显著降低商业银行的脆弱性，但是随着行业杠杆加到一定程度， 这种递减关系发生逆转， 行业杠杆的增加会显著增加商业银行的脆弱性，意味着行业加杠杆具有临界值，暗示行业杠杆加到一定程度需要主动采取“去杠杆”行为，这样才能缓解金融系统的脆弱性提升，从而避免发生系统性金融风险。结果还显示，行业杠杆率对不同类型商业银行脆弱性的影响存在显著差异，其中行业杠杆率对股份制商业银行脆弱性影响最大，对国有商业银行脆弱性影响最小。随着行业杠杆率的增加，不同类型的商业银行脆弱性的最小临界值也存在显著差异，通过对Lev2求偏导计算可得知，城商行脆弱性的最小临界值最大，国有商业银行脆弱性的最小临界值最小。

[19]刘义鹃，朱燕萍.中国上市公司资本结构与企业价值的关系研究[J].财贸研究，2009（5）：148-153.

[20]孙学工，安淑新，李世刚，等.促进有效处置“僵尸企业”和去产能企业债务的财税政策研究[J].财政科学，2018（1）：70-73，120.

[21]陆岷峰，杨亮.金融去杠杆背景下商业银行风险管理与路径选择[J].金融论坛，2017（12）：3-10，78.

[22]LEE，LEMIEUX.Regression Discontinuity Designs in Economics[J].Journal of Economic Literature，2010，48（2）：281-355.

[23]舒长江，罗静.金融脆弱性与货币政策新框架选择[J].金融与经济，2017（11）：33-38.

[24]MCKINNON R，PILL H.A Decomposition of Credit and Currency Risks[J].World Development，1998，26（7）：1267 -1282.

[25]戴钰.基于多元Logit模型对我国银行体系脆弱性的实证研究[J].经济问题，2010（7）：101-105.

[26]马光荣，郭庆旺，刘畅.财政转移支付结构与地区经济增长[J].中国社会科学，2016（9）：105-125，207-208.

[27]王玉泽，罗能生，刘文彬.什么样的杠杆率有利于企业创新[J].中国工业经济，2019（3）：138-155.

Abstract：
Based on the data from the first quarter of 2011 to the first quarter of 2020， using the breakpoint regression model to examine the impact of “deleveraging” of industries on the vulnerability of commercial banks. The research conclusions show that the “deleveraging” of the real economy industry has significantly reduced the vulnerability of commercial banks and diluted the pressure of systemic financial risks， and financial deleveraging policies have achieved certain results. Further analysis shows that the impact of industry“deleveraging” on the vulnerability of different types of commercial banks is significantly different. The “deleveraging” of the industry will significantly reduce the vulnerability of state-owned commercial banks， joint-stock commercial banks， and city commercial banks， significantly increasing the vulnerability of rural commercial banks. This requires the government to not only fully consider the significant differences between different types of enterprises in the process of implementing deleveraging financial policies， but also to prevent the impact of deleveraging on the vulnerability of different types of commercial banks.

Key words：
deleveraging; vulnerability of commercial banks; financial risk; breakpoint regression model

（責任编辑：卢艳茹;校对：龙会芳）