商業(yè)銀行融資平臺類信貸風(fēng)險實證研究*

昆明理工大學(xué)管理與經(jīng)濟(jì)學(xué)院

柴正猛 陳彥冰

商業(yè)銀行融資平臺類信貸風(fēng)險實證研究*

昆明理工大學(xué)管理與經(jīng)濟(jì)學(xué)院

柴正猛 陳彥冰

政府融資平臺信貸風(fēng)險主要源于地方政府債務(wù)的增加，表現(xiàn)在融資平臺還款不及時、到期無法償還債務(wù)等，給信貸授信主體的商業(yè)銀行帶來很大的經(jīng)營風(fēng)險。為了研究政府融資平臺信貸風(fēng)險及防范對策，本文以部分地方商業(yè)銀行信貸數(shù)據(jù)為例，利用計量的分析方法，建立政府融資平臺對商業(yè)銀行信貸風(fēng)險的影響模型，來揭示政府融資平臺過多的信貸額度對于商業(yè)銀行信貸風(fēng)險的影響程度，并以此提出緩解融資平臺債務(wù)膨脹、降低銀行信貸風(fēng)險的建議。

商業(yè)銀行；政府融資平臺；信貸風(fēng)險

一、引言

政府融資平臺作為地方政府城市基礎(chǔ)設(shè)施建設(shè)的融資主體，對地方經(jīng)濟(jì)的發(fā)展起到了舉足輕重的作用。從審計署2013年12月30日發(fā)布的《全國政府性債務(wù)審計結(jié)果》看，截至2013年6月底，地方政府負(fù)有償還責(zé)任的債務(wù)有10.89萬億元。其中，融資平臺負(fù)有償還責(zé)任的債務(wù)4.08萬億元，占地方政府債務(wù)總額的37%。地方政府債務(wù)中融資平臺債務(wù)所占比例過大，給授信主體的商業(yè)銀行帶來了很大的潛在風(fēng)險。據(jù)統(tǒng)計，2013年湖南省某市地方商業(yè)銀行總的新增貸款中，融資平臺貸款占到了80%以上，也就是說，地方商業(yè)銀行將幾乎所有的信貸都交給了政府作為“收益保證”。雖然商業(yè)銀行與融資平臺關(guān)聯(lián)度高，但事實上，雙方并沒有達(dá)到互贏互利的效果。一系列盲目的城市基礎(chǔ)設(shè)施建設(shè)所帶來的資金利用率的低下，平臺所依托的地方政府財政收入增長不足以支撐貸款償還，普遍采用借新債還舊債的方式來規(guī)避現(xiàn)實還款風(fēng)險，這在商業(yè)銀行與融資平臺之間形成了一個巨大的合作隱患和信貸障礙。

因此，商業(yè)銀行出于自身利益的考慮，有必要對融資平臺信貸風(fēng)險進(jìn)行評估和研究，制定相應(yīng)的措施進(jìn)行風(fēng)險的控制。本文基于商業(yè)銀行信貸風(fēng)險的模型，分析銀行融資平臺類客戶信貸風(fēng)險的大小，對銀行控制信貸風(fēng)險提出相關(guān)建設(shè)性意見和建議。

二、機理分析

在具體進(jìn)行實證分析之前，有必要對不良貸款指標(biāo)所代表的風(fēng)險含義與各解釋變量的作用機理進(jìn)行說明。本文所研究的對象是商業(yè)銀行的信貸風(fēng)險，所選取的衡量信貸風(fēng)險的指標(biāo)是不良貸款率。而本文重點關(guān)注的是解釋變量中融資平臺貸款的份額對于不良貸款的影響程度。融資平臺貸款雖然是一件極其平常的金融業(yè)務(wù)過程，但可能會引起一系列的相關(guān)問題和指標(biāo)的變動。圖1就本文想要論證的兩個變量之間的關(guān)系做出了闡釋。

在理想狀態(tài)下，受市場調(diào)節(jié)、銀行自我風(fēng)險管理以及融資平臺公司內(nèi)部風(fēng)險控制等一系列因素的綜合制約，融資平臺信貸的過程是很正常的金融業(yè)務(wù)。但是由于現(xiàn)行法規(guī)體系下地方政府的不破產(chǎn)性，中央政府對地方政府償債義務(wù)的連帶性，導(dǎo)致銀行對融資平臺信貸風(fēng)險產(chǎn)生集體忽略，加之以政府擔(dān)?；蛑С值娜谫Y平臺具有信貸獲取的易得性，形成融資平臺信貸規(guī)模不受控制急速擴大。而融資平臺進(jìn)行信貸擔(dān)保的抵押或質(zhì)押物，有相當(dāng)部分是公共資產(chǎn)，不具有變現(xiàn)性，銀行信貸風(fēng)險不可避免地發(fā)生和擴大。在核算信貸風(fēng)險指標(biāo)中，不良貸款是非常重要的指標(biāo)，本文選擇研究融資平臺信貸與不良貸款率之間的關(guān)系，并提出假設(shè)：融資平臺信貸比率對商業(yè)銀行不良貸款率有較為重要的影響。

三、融資平臺信貸風(fēng)險實證分析

基于以上分析及假定的檢驗命題，通過建立計量經(jīng)濟(jì)學(xué)的經(jīng)典模型，運營Stata12.0軟件對銀行信貸風(fēng)險進(jìn)行實質(zhì)分析，找出影響融資平臺帶來信貸風(fēng)險的顯著變量，為商業(yè)銀行控制信貸風(fēng)險提供依據(jù)與參考。

(一)模型變量的選取和解析。

選取的樣本來自20個不同地州市的20家商業(yè)銀行的年報與資料，由于融資平臺的發(fā)展歷史并不長，再加地方融資平臺向銀行進(jìn)行信貸業(yè)務(wù)的時間參差不齊，所以選定了20家不同銀行2008～2012年的相關(guān)數(shù)據(jù)資料作為樣本。

X1反映的是商業(yè)銀行的總資產(chǎn)中有多大比例是通過借債來籌資的，也可以衡量銀行在清算時保護(hù)債權(quán)人利益的程度。

X2反映的是銀行資金的流動性比例。一般說來，流動性比率越高，企業(yè)償還短期債務(wù)的能力越強。

X3反映的是銀行對同一貸款人的貸款余額與銀行資本余額之間的比例。單一客戶貸款過多易造成風(fēng)險過于集中。

X4是凈利潤與平均股東權(quán)益的百分比，該指標(biāo)反映股東權(quán)益的收益水平，用以衡量公司運用自有資本的效率。

X5反映的是銀行每年貸款的增長幅度。它反映了銀行信貸水平的高低。

X6反映的是企業(yè)運用資本獲得收益的能力。資本收益率越高，說明企業(yè)自有投資的經(jīng)濟(jì)效益越好，投資者的風(fēng)險越少。

X7反映的是地方政府融資平臺在銀行所做的信貸業(yè)務(wù)占到銀行信貸總額的百分比。目前國家相關(guān)機構(gòu)與法律法規(guī)沒有制定具體的規(guī)范指標(biāo)與合理的區(qū)間范圍來衡量其合理性與風(fēng)險性。

X8是企業(yè)利用抵押擔(dān)保的方式取得信貸數(shù)額占銀行信貸總額的比率。它反映的是企業(yè)利用抵押擔(dān)保的方式取得信貸的能力，以及銀行接受抵押貸款的水平。由于當(dāng)前融資平臺紛紛利用不屬于本單位的公共土地、房產(chǎn)、路橋等國有資產(chǎn)進(jìn)行抵押，所以本文針對的對象融資平臺的抵押貸款數(shù)額，研究其對于銀行信貸所帶來的風(fēng)險大小。

X9是反映銀行與政府的依存度的關(guān)系。政府投資控股的比率高，說明銀行與政府依存度高，反之則低。

(二)模型的構(gòu)建與分析。

1.方程總體回歸以及模型的選擇：

lnY=α×ln(X7)+β×Control+μ

其中，Y為不良貸款率，X7為別是貸款增長率以及融資平臺貸款所占比例，這個變量是我們重點關(guān)注的變量；control為控制變量，即剩下幾個與被解釋變量相關(guān)的變量；μ為殘差。

本文運用的是Stata12.0軟件，先采用普通最小二乘法輸入最初的九個解釋變量，進(jìn)行初步回歸及檢驗。

首先，在處理面板數(shù)據(jù)時，選擇使用固定效應(yīng)模型還是隨機效應(yīng)模型是一個基本的問題。固定效應(yīng)模型是指實驗結(jié)果只想比較每一自變項之特定類目或類別間的差異及其與其他自變項之特定類目或類別間交互作用效果，而不想依此推論到同一自變項未包含在內(nèi)的其他類目或類別的實驗設(shè)計。隨機效應(yīng)模型(random effects models)是經(jīng)典的線性模型的一種推廣，就是把原來(固定)的回歸系數(shù)看做是隨機變量，一般都是假設(shè)來自正態(tài)分布。在進(jìn)行分析數(shù)據(jù)時選擇這兩個模型之中的哪種模型，一般采取的方法是進(jìn)行豪斯曼(Hausman)檢驗。

由計算結(jié)果可知，p值為0.9971，故接受原假設(shè)，認(rèn)為應(yīng)該使用隨機效應(yīng)模型，而非固定效應(yīng)模型。傳統(tǒng)的豪斯曼檢驗假定，在h成立的情況下，隨機效應(yīng)模型是最有效率的，因此確定選擇隨機效應(yīng)模型。

2.初步回歸檢驗。根據(jù)上述給出的變量，基于面板數(shù)據(jù)的隨機效應(yīng)模型(Re)，采取逐次放入變量的方法，對Y與各個變量的關(guān)系做回歸檢驗，所得的結(jié)果如表1 所示。

從表1我們可以看到，無論怎么樣增加控制變量，融資平臺貸款比率以及貸款增長率這兩個關(guān)注變量與銀行不良貸款比率都存在著顯著的相關(guān)性。融資平臺貸款比率與不良貸款成正相關(guān)性，而貸款增長率與不良貸款呈負(fù)相關(guān)性。證明了之前我們所重點關(guān)注的這兩個變量確實與被解釋變量之間存在的很大程度上的相關(guān)性，對被解釋變量有很大程度的影響，能夠?qū)ζ洚a(chǎn)生進(jìn)行很好的解釋。

3.克服內(nèi)生性檢驗。政府融資平臺在作用和影響銀行信貸風(fēng)險時可能存在內(nèi)生性問題，這主要表現(xiàn)在政府融資平臺貸款的增加會導(dǎo)致貸款總額的提高以及不良貸款風(fēng)險的增大，而貸款總額的變化也會影響融資平臺貸款的需求等，因此我們需要采取計量經(jīng)濟(jì)學(xué)中的相關(guān)方法來克服內(nèi)生性所引起的估計偏誤。在這里，我們運用GMM廣義據(jù)估計法來檢驗。根據(jù)我們運用差分GMM進(jìn)行檢驗的結(jié)果，顯示擾動項的差分不存在一階自相關(guān)，也不存在二階自相關(guān)，所以接受“擾動項無自相關(guān)”的假設(shè)。同時過度識別是有效的，即無法拒絕“所有工具變量均有效”的原假設(shè)，因為p值0.074是大于0.05的。同樣我們運用系統(tǒng)GMM，結(jié)果顯示擾動項的差分不存在一階自相關(guān)，也不存在二階自相關(guān)，所以接受“擾動項無自相關(guān)”的假設(shè)。同時過度識別是有效的，即無法拒絕“所有工具變量均有效”的原

表1

123456bdbdbdbdbdbdrzptdkbl0.0329***-3.250.0310***-3.050.0301***-2.940.0310***-3.020.0310***-2.960.0305***-2.82dkzzl-0.0745**(-2.01)-0.0771**(-2.05)-0.0887**(-2.26)-0.0927**(-2.33)-0.0923**(-2.27)-0.0902**(-2.14)ld0.0246-1.560.0212-1.320.0244-1.490.024-1.470.0237-1.40.0238-1.39zblrl-0.111(-1.46)-0.107(-1.41)-0.0949(-1.23)-0.096(-1.23)-0.0996(-1.25)ztzkg0.0487-0.930.0482-0.920.0475-0.880.0427-0.74zfz-0.083(-0.88)-0.0817(-0.86)-0.0821(-0.85)jzcsy-0.00199(-0.09)-0.00181(-0.08)dykhxd0.00583-0.23_cons1.4213.667*2.39510.039.9939.859-1.26-1.92-1.02-1.12-1.1-1.08N100100100100100100

假設(shè)，因為p值=0.07463，是大于0.05的。

最后在進(jìn)行變量處理之后，我們得出如下的結(jié)果(見表2)。

4.數(shù)據(jù)結(jié)果分析。根據(jù)上面數(shù)據(jù)結(jié)果分別解釋幾個重要變量與被解釋變量的關(guān)系。

首先，融資平臺信貸占銀行貸款比率這個變量很顯著，能夠很好地解釋與不良貸款的關(guān)系，即融資平臺貸款比例高對于銀行來說風(fēng)險會有所加大，因為一家或者某幾家信貸方的額度過大或者金額過高，都會給銀行造成潛在的信貸危機。再加之當(dāng)今融資平臺的貸款經(jīng)常性存在只貸不還的情況或者用“拆東墻補西墻”來償還銀行貸款，導(dǎo)致銀行壞賬的出現(xiàn)以及不良貸款比率的上升。

表2

123bdbdbdL.bd0.162***-5.640.188***-6.870.188***-6.87rzptdkbl0.0175***-4.10.0122***-3.260.0122***-3.26dkzzl-0.009(-0.78)0.00572-0.730.00572-0.73ld0.00146-0.32-0.0131***(-6.63)-0.0131***(-6.63)jzcsy-0.00762(-0.60)-0.0178*(-1.70)-0.0178*(-1.70)dykhxd0.0142-1.22-0.000604(-0.11)-0.000604(-0.11)_cons0.19-0.21.585***-5.271.585***-5.27N608080

t statistics in parentheses.

*plt;0.1，**plt;0.05，***plt;0.01。

其次，流動性比率在后兩次檢驗中均有較好的顯著性，并且與被解釋變量存在負(fù)相關(guān)性，即流動性比率越高，銀行不良貸款風(fēng)險就越低。

再次，凈資產(chǎn)收益率在后兩次檢驗中也均有較好的顯著性，并且也與被解釋變量存在負(fù)相關(guān)性，即凈資產(chǎn)收益率越高，銀行不良貸款風(fēng)險就越低。

四、結(jié)論與對策

從上述分析結(jié)果來看，地方政府融資平臺對于商業(yè)銀行信貸風(fēng)險的問題上存在著一定的影響，并且商業(yè)銀行自身在控制信貸風(fēng)險上也存在問題，結(jié)合實證分析，我們對控制商業(yè)銀行信貸風(fēng)險提出如下建議。

第一，長遠(yuǎn)方向選擇?？偨Y(jié)地方政府債務(wù)自發(fā)自還試點經(jīng)驗，全面推行地方政府市政建設(shè)直接面向市場自主發(fā)債融資方式，剝離融資平臺政府融資職能。以深化財稅體制改革為契機，調(diào)整完善預(yù)算法，建立地方政府信用評價機制、市政建設(shè)債務(wù)限額指標(biāo)體系，將地方政府債務(wù)納入全口徑預(yù)算管理，建立公開透明的現(xiàn)代預(yù)算管理制度，讓地方政府能公開、透明、規(guī)則地在市場自主融資，減輕地方政府對銀行信貸的過度依賴。

第二，業(yè)務(wù)范圍界定。允許地方政府自主發(fā)債后，將融資平臺業(yè)務(wù)范圍界定在有固定收益來源的市政建設(shè)項目融資上；對沒有固定收益來源，不能實現(xiàn)收支平衡的項目主要采取政府信用擔(dān)保、市場發(fā)債的方式融資。同時，對融資平臺融資建設(shè)項目注重引入民營資本，積極推行PPP方式，實現(xiàn)公私合作，提高投資和經(jīng)營效益。

第三，銀行風(fēng)險管控。在信息公開方面，建立全國統(tǒng)一的融資平臺債務(wù)信息定期公開披露制度，由地方各級政府按規(guī)定做好信息公開工作，讓負(fù)債完整反映，讓隱形的負(fù)債公開化，讓銀行能及時查詢了解融資平臺的運營情況與負(fù)債情況。在信貸審查方面，銀行要加大規(guī)范信貸程序、分析信貸對象的力度，建立一套適合自身的信貸客戶分析機制，較為全面地分析、評估信貸對象的盈利能力和整體水平，根據(jù)信貸對象自身的情況以及自身能力給予相應(yīng)的貸款額度與比例。在銀行合作方面，對融資平臺貸款信息實行銀行之間共享，最大限度解決信息不對稱問題；積極開展銀行合作貸款，共擔(dān)信貸風(fēng)險。在抵押方面，不允許融資平臺用不能變現(xiàn)的公共資產(chǎn)和設(shè)施抵押。在還款約束方面，不允許融資平臺借新錢還舊債，防止還款風(fēng)險累積。

第四，歷史包袱處理。在清理融資平臺地方公益市政基礎(chǔ)設(shè)施負(fù)債的基礎(chǔ)上，要從立法層面明確規(guī)定：地方政府自主融資要與地方財力和上級相關(guān)轉(zhuǎn)移支付有機結(jié)合，用于融資平臺承貸的沒有固定收益項目貸款的置換，釋放虛假抵押，妥善處理融資體制改革中的融資平臺歷史遺留問題，化解銀行風(fēng)險。

[1]國家審計署：《關(guān)于2013年度全國政府性債務(wù)審計結(jié)果的工作報告》，http://www.audit.gov.cn/n1992130/n1992150/n1992500/3432077.html.2013.

[2]于海峰、崔迪：《防范和化解地方政府債務(wù)風(fēng)險問題研究》，載于《財政研究》2010年第6期。

[3]于凌云：《經(jīng)濟(jì)增長過程中的地方政府債務(wù)風(fēng)險化解機制研究》，載于《財政研究》2008年第3期。

云南省教育廳重點課題：云南省地方政府債務(wù)風(fēng)險預(yù)警控制研究(KKJD201208012)。

F832.33

A

2095-3151(2014)64-0055-05