金融風(fēng)險(xiǎn)視角下金融杠桿對(duì)經(jīng)濟(jì)增長(zhǎng)的影響研究

黃倩 李江城 熊德平

摘? ?要：基于中國(guó)2005—2018年省級(jí)面板數(shù)據(jù)，實(shí)證分析金融杠桿對(duì)經(jīng)濟(jì)增長(zhǎng)和金融風(fēng)險(xiǎn)的影響，并從“銀行信貸渠道”和“資產(chǎn)價(jià)格渠道”檢驗(yàn)金融風(fēng)險(xiǎn)對(duì)金融杠桿與經(jīng)濟(jì)增長(zhǎng)的門檻效應(yīng)。研究表明：宏觀杠桿率與經(jīng)濟(jì)增長(zhǎng)存在顯著的倒“U”型關(guān)系，與金融風(fēng)險(xiǎn)存在顯著的“U”型關(guān)系，且杠桿率波動(dòng)加大會(huì)減緩經(jīng)濟(jì)增速并加大金融風(fēng)險(xiǎn);不同部門和地區(qū)金融杠桿水平及其合理杠桿區(qū)間有較大差異;金融風(fēng)險(xiǎn)具有門檻效應(yīng)，當(dāng)其累積超過(guò)一定水平后，杠桿率的上升對(duì)經(jīng)濟(jì)增長(zhǎng)沒有促進(jìn)作用，反而會(huì)造成負(fù)向沖擊。因此，金融杠桿調(diào)控應(yīng)根據(jù)各部門和地區(qū)的實(shí)際情況采取動(dòng)態(tài)和差異化的策略，防止金融杠桿波動(dòng)過(guò)大引致經(jīng)濟(jì)下滑和金融不穩(wěn)定。

關(guān)鍵詞：金融杠桿;經(jīng)濟(jì)增長(zhǎng);金融風(fēng)險(xiǎn)

中圖分類號(hào)：F832? ?文獻(xiàn)標(biāo)識(shí)碼：A? ?文章編號(hào)：1003-7543（2021）04-0078-17

金融杠桿是金融實(shí)現(xiàn)資金融通功能的重要手段，能夠幫助資金需求者運(yùn)用借貸獲得的資金完成各類投資和交易，從而發(fā)揮資金配置功能。金融杠桿手段的運(yùn)用可以放大投資和交易的金額，使預(yù)期收益和風(fēng)險(xiǎn)同時(shí)增加，適當(dāng)?shù)慕鹑诟軛U對(duì)于企業(yè)、政府和家庭降低投資消費(fèi)約束、提高收入和增加市場(chǎng)活力，從而促進(jìn)經(jīng)濟(jì)增長(zhǎng)具有重要作用，但過(guò)高的金融杠桿會(huì)集聚經(jīng)濟(jì)泡沫，導(dǎo)致整體金融風(fēng)險(xiǎn)升高，甚至?xí)斐山?jīng)濟(jì)金融危機(jī)。因金融杠桿過(guò)高引起的高負(fù)債、過(guò)度資產(chǎn)證券化以及資產(chǎn)價(jià)格泡沫等問題已成為誘發(fā)金融危機(jī)的重要因素，因而受到各國(guó)高度關(guān)注[1-3]。2008年以前，以美國(guó)、歐洲為代表的發(fā)達(dá)經(jīng)濟(jì)體的杠桿率增加較快，而2008年以后，以中國(guó)為代表的新興經(jīng)濟(jì)體杠桿率增加較快，杠桿率的大幅提升使得金融機(jī)構(gòu)大量投資于高風(fēng)險(xiǎn)的資產(chǎn)組合，給經(jīng)濟(jì)增長(zhǎng)帶來(lái)了較大不確定性[4]。

我國(guó)金融杠桿問題已引起國(guó)家層面的高度關(guān)注。自2015年末起，金融杠桿調(diào)整策略先后經(jīng)歷了“一般性去杠桿”、“企業(yè)去杠桿”和“結(jié)構(gòu)性去杠桿”三個(gè)階段。2015年12月，“去杠桿”作為“三去一降一補(bǔ)”的任務(wù)之一，首次在中央經(jīng)濟(jì)會(huì)議上被提出;2016年，中央經(jīng)濟(jì)工作會(huì)議明確“去杠桿”要在控制總杠桿率的前提下，把降低企業(yè)杠桿率作為重中之重，強(qiáng)調(diào)要規(guī)范政府舉債行為;2018年，為打好防范化解金融風(fēng)險(xiǎn)攻堅(jiān)戰(zhàn)，中央進(jìn)一步提出“結(jié)構(gòu)性去杠桿”，在維持總杠桿率平穩(wěn)的前提下，將國(guó)有企業(yè)去杠桿作為重中之重。通過(guò)一系列杠桿調(diào)整策略的實(shí)施，我國(guó)宏觀杠桿率和企業(yè)杠桿率均有所下降。但由于2019年以來(lái)嚴(yán)峻的國(guó)際形勢(shì)以及2020年新冠肺炎疫情的沖擊，在經(jīng)濟(jì)下行和銀行信貸增加的共同影響下，宏觀杠桿率有所反彈，這說(shuō)明金融杠桿調(diào)整需要在“防風(fēng)險(xiǎn)”與“穩(wěn)增長(zhǎng)”目標(biāo)之間進(jìn)行權(quán)衡。中國(guó)人民銀行發(fā)布的《中國(guó)金融穩(wěn)定報(bào)告》顯示，截至2019年末，我國(guó)宏觀杠桿率為254.4%，較2018年上升約5個(gè)百分點(diǎn)，比2008—2016年年均約10個(gè)百分點(diǎn)的漲幅明顯下降，宏觀杠桿率過(guò)快增長(zhǎng)的勢(shì)頭得到遏制。目前，我國(guó)宏觀杠桿率略低于發(fā)達(dá)國(guó)家杠桿率，但高于發(fā)展中國(guó)家190%的平均杠桿率。我國(guó)非金融企業(yè)部門、住戶部門和政府部門的分部門杠桿率分別為152%、49%和36%;非金融企業(yè)部門杠桿率遠(yuǎn)高于OECD國(guó)家90%的閾值，居世界前列。歷史經(jīng)驗(yàn)表明，作為防風(fēng)險(xiǎn)重要手段的“去杠桿”常伴隨著經(jīng)濟(jì)增速的放緩，甚至還有可能會(huì)出現(xiàn)流動(dòng)性緊缺，引致金融系統(tǒng)風(fēng)險(xiǎn)。與此同時(shí)，好的“去杠桿”策略則能促進(jìn)經(jīng)濟(jì)金融經(jīng)歷短暫的陣痛后實(shí)現(xiàn)轉(zhuǎn)型升級(jí)。那么，金融杠桿、金融風(fēng)險(xiǎn)與經(jīng)濟(jì)增長(zhǎng)之間的影響效應(yīng)和作用機(jī)制如何？我國(guó)宏觀杠桿率和各部門、各地區(qū)的杠桿率如何通過(guò)差異化調(diào)節(jié)助推經(jīng)濟(jì)高質(zhì)量發(fā)展？對(duì)這兩個(gè)問題的回答，有助于理清金融風(fēng)險(xiǎn)視角下我國(guó)金融杠桿發(fā)展規(guī)律及其對(duì)經(jīng)濟(jì)增長(zhǎng)的影響，并從宏微觀層面為結(jié)構(gòu)性杠桿調(diào)控提供政策參考。

一、相關(guān)文獻(xiàn)綜述

本研究的目的是探究金融杠桿對(duì)經(jīng)濟(jì)增長(zhǎng)和金融風(fēng)險(xiǎn)的影響及金融風(fēng)險(xiǎn)在金融杠桿與經(jīng)濟(jì)增長(zhǎng)中的作用機(jī)制。因此，這里主要圍繞宏觀杠桿率與經(jīng)濟(jì)增長(zhǎng)和金融風(fēng)險(xiǎn)的關(guān)系以及宏觀杠桿率的金融風(fēng)險(xiǎn)傳導(dǎo)機(jī)制，對(duì)相關(guān)文獻(xiàn)進(jìn)行回顧和述評(píng)。

（一）金融杠桿與經(jīng)濟(jì)增長(zhǎng)

金融杠桿是連接金融與經(jīng)濟(jì)的重要紐帶。杠桿率的公式為債務(wù)總額/國(guó)民生產(chǎn)總值，反映了金融部門信用創(chuàng)造對(duì)經(jīng)濟(jì)發(fā)展的影響。一些學(xué)者證實(shí)了宏觀杠桿率與經(jīng)濟(jì)增長(zhǎng)或衰退有密切關(guān)系。金融部門杠桿率與經(jīng)濟(jì)增長(zhǎng)之間存在長(zhǎng)期順周期性[5]。宏觀杠桿率的提高不僅能夠提高投資率、促進(jìn)經(jīng)濟(jì)增長(zhǎng)，而且可以促進(jìn)資源的跨部門優(yōu)化配置、降低經(jīng)濟(jì)的波動(dòng)性，特別是對(duì)于產(chǎn)業(yè)更加多樣化、資本密集型行業(yè)在經(jīng)濟(jì)產(chǎn)出中占比較高的國(guó)家更是如此[6-7]。當(dāng)企業(yè)杠桿率較低時(shí)，其與投資效率和投資回報(bào)之間存在正反饋效應(yīng)，杠桿率增加有助于緩解權(quán)益資本約束，對(duì)經(jīng)濟(jì)增長(zhǎng)有正向作用，而當(dāng)企業(yè)杠桿率超過(guò)一定水平后，會(huì)抑制企業(yè)投資，進(jìn)而對(duì)經(jīng)濟(jì)發(fā)展造成負(fù)面影響[8]。在經(jīng)濟(jì)擴(kuò)張過(guò)程中，杠桿率會(huì)上升，而杠桿率上升到一定程度時(shí)會(huì)觸發(fā)約束效應(yīng)，引致投資者賣出資本，使得資產(chǎn)價(jià)格下降，并通過(guò)“費(fèi)雪通貨緊縮機(jī)制”使信貸、抵押資產(chǎn)的價(jià)格和投資呈螺旋式下降，從而對(duì)經(jīng)濟(jì)產(chǎn)生較大的負(fù)面沖擊，即金融杠桿與經(jīng)濟(jì)增長(zhǎng)呈倒“U”型[9]。多數(shù)基于跨國(guó)面板數(shù)據(jù)的實(shí)證研究也支持金融杠桿與經(jīng)濟(jì)增長(zhǎng)呈倒“U”型關(guān)系，即在金融杠桿到達(dá)臨界點(diǎn)之前，杠桿率的提高有利于經(jīng)濟(jì)增長(zhǎng)，而超過(guò)臨界點(diǎn)后，杠桿率的繼續(xù)上升會(huì)阻礙經(jīng)濟(jì)增長(zhǎng)[10-12]。金融杠桿對(duì)經(jīng)濟(jì)增長(zhǎng)的促進(jìn)作用會(huì)隨著金融效率的提高和金融結(jié)構(gòu)的優(yōu)化而增強(qiáng)，但會(huì)隨著金融規(guī)模的擴(kuò)大而減弱[9]。

（二）金融杠桿與金融風(fēng)險(xiǎn)

2008年全球金融危機(jī)爆發(fā)后，越來(lái)越多的學(xué)者發(fā)現(xiàn)過(guò)高的杠桿率會(huì)加大金融風(fēng)險(xiǎn)，甚至引發(fā)金融危機(jī)[13-14]。與此同時(shí)，杠桿率波動(dòng)也會(huì)對(duì)金融風(fēng)險(xiǎn)產(chǎn)生正向沖擊，杠桿率波動(dòng)幅度越大，金融系統(tǒng)越不穩(wěn)定，伴隨而來(lái)的金融風(fēng)險(xiǎn)也越大[4，15]。學(xué)者們主要從如下方面分析了金融杠桿與金融風(fēng)險(xiǎn)之間呈現(xiàn)正向關(guān)系的原因：一是經(jīng)濟(jì)繁榮使金融機(jī)構(gòu)借貸和投機(jī)增加，導(dǎo)致杠桿率上升，此時(shí)，貨幣當(dāng)局會(huì)通過(guò)貨幣約束來(lái)抑制金融杠桿，去杠桿將造成金融機(jī)構(gòu)借貸的壞賬率增加和投機(jī)損失，從而加大金融風(fēng)險(xiǎn)[16]。二是隨著杠桿率的上升，債務(wù)人的還債壓力會(huì)逐漸增大，金融風(fēng)險(xiǎn)也將不斷累積，當(dāng)杠桿率超過(guò)某個(gè)閾值時(shí)，將對(duì)經(jīng)濟(jì)金融的穩(wěn)定性造成負(fù)向沖擊[14]。三是高杠桿金融機(jī)構(gòu)之間持有相互關(guān)聯(lián)的投資組合，投資組合之間具有相互依賴性，投資活動(dòng)也受到資本約束的限制，致使資產(chǎn)價(jià)值變化具有“多米諾骨牌”效應(yīng)。如果某家金融機(jī)構(gòu)的資產(chǎn)惡化，其他金融機(jī)構(gòu)的杠桿約束也會(huì)惡化，從而引起資產(chǎn)的拋售，迫使金融機(jī)構(gòu)去杠桿和去投資，導(dǎo)致信貸緊縮和流動(dòng)性不足，加之杠桿率的大幅波動(dòng)會(huì)增加金融風(fēng)險(xiǎn)，從而易引發(fā)金融危機(jī)[15]。

（三）金融杠桿的金融風(fēng)險(xiǎn)傳導(dǎo)機(jī)制

金融杠桿主要通過(guò)“銀行信貸渠道”和“資產(chǎn)價(jià)格渠道”傳導(dǎo)金融風(fēng)險(xiǎn)，從而影響經(jīng)濟(jì)增長(zhǎng)?！皞鶆?wù)—通縮”理論認(rèn)為，債權(quán)人的過(guò)度負(fù)債會(huì)導(dǎo)致其在償還債務(wù)時(shí)傾向于廉價(jià)出售資產(chǎn)，進(jìn)而引發(fā)資產(chǎn)價(jià)格下降，觸發(fā)持續(xù)的通貨緊縮[17]。當(dāng)投資者運(yùn)用金融杠桿從信貸市場(chǎng)上貸款購(gòu)買資產(chǎn)或僅對(duì)負(fù)債承擔(dān)有限責(zé)任時(shí)，投資者會(huì)更加偏好于投資風(fēng)險(xiǎn)資產(chǎn)，這易引起資產(chǎn)泡沫，一旦資產(chǎn)價(jià)格崩潰，將引發(fā)大規(guī)模違約行為，從而影響金融穩(wěn)定[13]?！靶刨J繁榮”泡沫破滅后的持續(xù)去杠桿將抑制企業(yè)投資和家庭消費(fèi)，這會(huì)進(jìn)一步增加金融風(fēng)險(xiǎn)和減緩經(jīng)濟(jì)復(fù)蘇[18]。學(xué)者們實(shí)證研究的結(jié)果同樣支持金融杠桿膨脹與資產(chǎn)價(jià)格泡沫存在顯著的正相關(guān)關(guān)系，并驗(yàn)證了金融加速器效應(yīng)的存在[19]。金融危機(jī)前寬松的信貸環(huán)境和較多的投資機(jī)會(huì)引發(fā)了投資熱潮，導(dǎo)致宏觀杠桿率和資產(chǎn)價(jià)格大幅提高，資產(chǎn)泡沫逐漸形成。此時(shí)，若發(fā)生金融機(jī)構(gòu)個(gè)體沖擊或是貨幣當(dāng)局采取緊縮性政策，就易造成資產(chǎn)泡沫破滅、財(cái)富大幅縮水，并引發(fā)金融危機(jī)[20]。

（四）簡(jiǎn)要評(píng)述

現(xiàn)有文獻(xiàn)主要基于美國(guó)或跨國(guó)數(shù)據(jù)分析了金融杠桿對(duì)金融風(fēng)險(xiǎn)和經(jīng)濟(jì)增長(zhǎng)的影響，而對(duì)其中的內(nèi)在傳導(dǎo)機(jī)制研究較少。我國(guó)金融杠桿的產(chǎn)生和累積有自身的背景和特點(diǎn)，并且各部門利用金融杠桿的程度和目的以及各地區(qū)的金融市場(chǎng)發(fā)達(dá)程度都有較大的差異，導(dǎo)致各部門、各地區(qū)之間的杠桿水平和杠桿結(jié)構(gòu)差異較大，這可能會(huì)造成我國(guó)金融杠桿對(duì)經(jīng)濟(jì)增長(zhǎng)和金融穩(wěn)定的影響及其背后的傳導(dǎo)機(jī)制與其他國(guó)家相比有所差異。因此，研究我國(guó)金融杠桿對(duì)經(jīng)濟(jì)增長(zhǎng)和金融穩(wěn)定的影響及機(jī)制，并針對(duì)“穩(wěn)增長(zhǎng)”與“防風(fēng)險(xiǎn)”雙目標(biāo)提出優(yōu)化金融杠桿的政策建議，具有重要的現(xiàn)實(shí)意義。

與已有文獻(xiàn)相比，本文的貢獻(xiàn)主要體現(xiàn)在以下方面：一是利用省際面板數(shù)據(jù)度量了我國(guó)的宏觀杠桿水平以及非金融企業(yè)、家庭和地方政府三部門各自的金融杠桿水平，在衡量金融風(fēng)險(xiǎn)時(shí)不僅選取傳統(tǒng)的銀行不良貸款率作為其代理指標(biāo)，而且構(gòu)建了各省份層面的股票價(jià)格指數(shù)波動(dòng)率作為其代理指標(biāo)，從而更為全面地從銀行和證券兩個(gè)層面考察我國(guó)的金融風(fēng)險(xiǎn)。二是采用系統(tǒng)GMM估計(jì)方法實(shí)證分析了宏觀杠桿率以及非金融企業(yè)、家庭和地方政府的杠桿率對(duì)經(jīng)濟(jì)增長(zhǎng)和金融風(fēng)險(xiǎn)的影響，并針對(duì)我國(guó)“穩(wěn)增長(zhǎng)”和“防風(fēng)險(xiǎn)”雙目標(biāo)，識(shí)別出達(dá)到雙目標(biāo)的金融杠桿合理區(qū)間。三是從“銀行信貸渠道”和“資產(chǎn)價(jià)格渠道”檢驗(yàn)金融風(fēng)險(xiǎn)對(duì)金融杠桿與經(jīng)濟(jì)增長(zhǎng)關(guān)系的門檻效應(yīng)。

二、指標(biāo)選取與模型設(shè)定

（一）指標(biāo)選取

1.被解釋變量

經(jīng)濟(jì)增長(zhǎng)（Y）。本文使用GDP增長(zhǎng)率和人均GDP增長(zhǎng)率來(lái)度量經(jīng)濟(jì)增長(zhǎng)，前者反映了一個(gè)國(guó)家或地區(qū)總財(cái)富創(chuàng)造的增長(zhǎng)速度，后者反映了單個(gè)個(gè)體財(cái)富創(chuàng)造的增長(zhǎng)速度。

金融風(fēng)險(xiǎn)（R）。我國(guó)的金融體系以銀行業(yè)為主導(dǎo)，銀行不良貸款率是反映銀行整體風(fēng)險(xiǎn)水平的最核心指標(biāo)，因此，本文選取銀行不良貸款率從“銀行信貸渠道”來(lái)衡量金融風(fēng)險(xiǎn)。另外，股票價(jià)格是資產(chǎn)價(jià)格的最主要代表，且股票市場(chǎng)是經(jīng)濟(jì)的晴雨表。隨著經(jīng)濟(jì)全球化影響的不斷加深以及我國(guó)資本市場(chǎng)的逐步開放，股票市場(chǎng)在金融體系中扮演著越來(lái)越重要的角色，而股市風(fēng)險(xiǎn)主要由股票價(jià)格指數(shù)來(lái)衡量。因此，本文選取股票價(jià)格指數(shù)波動(dòng)率從“資產(chǎn)價(jià)格渠道”來(lái)衡量金融風(fēng)險(xiǎn)。

股票價(jià)格指數(shù)波動(dòng)率的測(cè)算方式如下：首先，我們通過(guò)每日股票價(jià)格指數(shù)收益率，基于已實(shí)現(xiàn)波動(dòng)率的方法[21]，計(jì)算出月度股票價(jià)格指數(shù)波動(dòng)率，具體方法如下：

其中，Sj為樣本的價(jià)格數(shù)據(jù);i=1，2，…，n;j=1，2，…，k;i為第i個(gè)月; j為第i月第j個(gè)交易日;k為每個(gè)月第k日的收益率。然后，將個(gè)股月度股票波動(dòng)率轉(zhuǎn)化為年度波動(dòng)率①。最后，將個(gè)股市值在各省份股票總市值中的占比作為權(quán)重乘以個(gè)股年度波動(dòng)率得到該省份的股票波動(dòng)率。

2.核心解釋變量

本文的核心解釋變量為金融杠桿水平。首先，從宏觀上測(cè)算整體杠桿水平，選取私人部門信貸總額與政府債務(wù)之和在GDP中的占比來(lái)衡量宏觀杠桿率（lev），該比率越大，說(shuō)明宏觀杠桿率越高。然后，考慮到金融杠桿主要由企業(yè)、家庭和地方政府部門的負(fù)債程度共同決定，而各部門主體之間杠桿率差距較大，因而有必要分析其對(duì)經(jīng)濟(jì)增長(zhǎng)和金融風(fēng)險(xiǎn)影響的異質(zhì)性。本文分別測(cè)算了非金融企業(yè)、家庭和地方政府的杠桿率及其波動(dòng)情況。非金融企業(yè)杠桿率（enlev）為非金融企業(yè)貸款余額在GDP中的占比;家庭杠桿率（ctlev）為住戶貸款余額在GDP中的占比;政府杠桿率（golev）為地方政府債務(wù)余額在GDP中的占比，由于地方政府債務(wù)的權(quán)威數(shù)據(jù)難以獲得②，因而需要選取合適的代理變量。本文用市政領(lǐng)域的固定資產(chǎn)投資支出③與地方政府可用收入④差額來(lái)衡量地方政府債務(wù)[22]。最后，考慮到金融杠桿對(duì)經(jīng)濟(jì)增長(zhǎng)和金融風(fēng)險(xiǎn)的影響可能是非線性的，以及杠桿率波動(dòng)的影響，本文還將在模型中引入杠桿率的平方項(xiàng)（lev2）和波動(dòng)項(xiàng)vol。關(guān)于杠桿率波動(dòng)的衡量，對(duì)杠桿率求HP濾波，得到其周期性波動(dòng)項(xiàng)（cycle），然后取絕對(duì)值，這個(gè)絕對(duì)值即杠桿率波動(dòng)[15]。

3.控制變量

參照相關(guān)文獻(xiàn)的做法，加入工業(yè)化程度、資本形成率、儲(chǔ)蓄率、人口增長(zhǎng)率、城鎮(zhèn)化水平等變量作為控制變量[2，12]。

（二）數(shù)據(jù)來(lái)源

考慮到2005年是我國(guó)深化經(jīng)濟(jì)體制改革的重要一年，如實(shí)行了股權(quán)分置改革和人民幣匯率形成機(jī)制改革，開啟了商業(yè)銀行股份制改革等，這些會(huì)對(duì)我國(guó)經(jīng)濟(jì)主體發(fā)展方式和融資決策產(chǎn)生重要影響，并綜合研究實(shí)際和數(shù)據(jù)可得性，本文選取2005—2018年全國(guó)30個(gè)省份（除西藏之外）的面板數(shù)據(jù)作為研究樣本。金融風(fēng)險(xiǎn)、宏觀杠桿率、非金融企業(yè)杠桿率及家庭杠桿率等指標(biāo)的測(cè)算數(shù)據(jù)來(lái)源于Wind數(shù)據(jù)庫(kù)和CSMAR數(shù)據(jù)庫(kù)。經(jīng)濟(jì)增長(zhǎng)水平、地方政府杠桿、工業(yè)化程度、資本形成率和人口增長(zhǎng)率的數(shù)據(jù)主要來(lái)自2005—2018年全國(guó)及各省份的統(tǒng)計(jì)年鑒、國(guó)民經(jīng)濟(jì)和社會(huì)發(fā)展統(tǒng)計(jì)公報(bào)、固定資產(chǎn)投資統(tǒng)計(jì)年鑒和財(cái)政統(tǒng)計(jì)年鑒，少數(shù)省份個(gè)別年份數(shù)據(jù)存在缺失時(shí)，根據(jù)其變化規(guī)律進(jìn)行推算補(bǔ)齊。上述各變量的符號(hào)和計(jì)算方法如表1所示。

表2（下頁(yè)）是變量的描述性統(tǒng)計(jì)結(jié)果?？梢钥闯?，2005—2018年我國(guó)GDP增長(zhǎng)率和人均GDP增長(zhǎng)率保持高速增長(zhǎng)，平均值分別為10.7%和9.8%;總體來(lái)看，銀行不良貸款率較低，平均為3.8%，股票價(jià)格指數(shù)波動(dòng)率較高，平均為58.2%;從金融杠桿指標(biāo)來(lái)看，我國(guó)宏觀杠桿率平均為119.2%，最小值為5.5%，最大值為258.5%，平均波動(dòng)率達(dá)4.4%。其中，非金融企業(yè)杠桿率最高，平均值為96.5%，家庭和政府部門的平均杠桿率分別為22.8%和21.7%。目前我國(guó)金融杠桿的形成主要來(lái)自企業(yè)部門，這也可以一定程度上解釋為什么國(guó)家在“去杠桿”任務(wù)中把降低企業(yè)杠桿率作為重中之重。

（三）模型設(shè)定

1.動(dòng)態(tài)面板模型

首先，考察金融杠桿率及其波動(dòng)對(duì)經(jīng)濟(jì)增長(zhǎng)的影響。借鑒以往文獻(xiàn)的做法，構(gòu)建如下形式的一般面板模型：

接下來(lái)，為了檢驗(yàn)金融杠桿對(duì)金融風(fēng)險(xiǎn)的影響，本文構(gòu)建以下模型：

其中，Ri，t表示金融風(fēng)險(xiǎn)，其值越大，表示金融風(fēng)險(xiǎn)越高，其他變量同式（2）。

模型（2）、（3）為靜態(tài)面板估計(jì)模型。經(jīng)濟(jì)增長(zhǎng)率和金融風(fēng)險(xiǎn)會(huì)由于慣性或部分調(diào)整效應(yīng)，使得過(guò)去的表現(xiàn)對(duì)其當(dāng)前表現(xiàn)產(chǎn)生顯著影響，因此，本文在解釋變量中加入滯后一期的被解釋變量對(duì)模型作進(jìn)一步估計(jì)，此時(shí)，基本模型如下：

在面板模型（4）和（5）中，解釋變量包含了被解釋變量的滯后項(xiàng)。對(duì)于動(dòng)態(tài)面板數(shù)據(jù)，由于被解釋變量Yi，t、Ri，t是其隨機(jī)擾動(dòng)項(xiàng)εi，t的函數(shù)，導(dǎo)致Yi，t-1、Ri，t-1也可能與隨機(jī)擾動(dòng)項(xiàng)相關(guān)，且模型具有橫截面相依性，從而使得最小二乘法、極大似然估計(jì)以及面板模型（包括固定效應(yīng)模型和隨機(jī)效應(yīng)模型）都存在不同程度的（漸進(jìn)）偏倚（Nickell偏倚）和組內(nèi)估計(jì)量不一致的問題。針對(duì)這一情況，為了獲得有效的估計(jì)量，本文將采用系統(tǒng)廣義矩估計(jì)（System Generalized Method of Moments，簡(jiǎn)稱系統(tǒng)GMM）對(duì)基本模型進(jìn)行估計(jì)，選擇內(nèi)生變量lev、lev2和vol的滯后項(xiàng)作為工具變量，該方法可有效避免內(nèi)生性問題。同時(shí)，本文還使用“WC-Robust Standard Error”估計(jì)方法得到穩(wěn)健標(biāo)準(zhǔn)誤，從而保證回歸結(jié)果更可靠。

2.面板門檻模型

一般而言，合理的金融杠桿水平有助于促進(jìn)經(jīng)濟(jì)增長(zhǎng)，但當(dāng)杠桿率達(dá)到一定水平后，可能會(huì)造成金融風(fēng)險(xiǎn)的大幅上升，從而使金融杠桿對(duì)經(jīng)濟(jì)增長(zhǎng)的影響發(fā)生變化。這意味著金融杠桿對(duì)經(jīng)濟(jì)增長(zhǎng)的影響可能存在一個(gè)門檻值，當(dāng)金融風(fēng)險(xiǎn)沒有達(dá)到這一門檻值時(shí)，金融杠桿的提高有利于促進(jìn)經(jīng)濟(jì)增長(zhǎng);反之，當(dāng)金融風(fēng)險(xiǎn)超過(guò)門檻值后，則會(huì)抑制金融杠桿對(duì)經(jīng)濟(jì)增長(zhǎng)的促進(jìn)作用，甚至對(duì)經(jīng)濟(jì)增長(zhǎng)產(chǎn)生較大的負(fù)面影響。本文將檢驗(yàn)是否存在這一門檻特征。已有研究多使用分組或交叉項(xiàng)檢驗(yàn)進(jìn)行門檻研究，但這兩種方法都無(wú)法對(duì)門檻值的正確性以及門檻效應(yīng)進(jìn)行顯著性檢驗(yàn)，而Hansen在1999年提出的門檻回歸模型能夠較好地克服以上兩種方法的不足?；诖?，本文將借鑒Hansen的面板門檻模型對(duì)門檻值進(jìn)行估計(jì)，其基本思想是將門檻值作為一個(gè)未知的變量納入模型中，構(gòu)建不同區(qū)間下解釋變量系數(shù)的分段函數(shù)，并對(duì)門檻值和門檻效應(yīng)進(jìn)行估計(jì)和檢驗(yàn)。具體模型如下：

模型（6）的估計(jì)包含三個(gè)步驟：第一步，根據(jù) R進(jìn)行逐點(diǎn)回歸，對(duì)門檻值及相關(guān)控制變量的系數(shù)進(jìn)行估計(jì)，并把最小殘差平方和對(duì)應(yīng)的R值作為門檻值γ。第二步，檢驗(yàn)門檻模型的顯著性，采用自抽樣法（Bootstrap）獲得其漸進(jìn)有效分布，然后構(gòu)造其p值判斷是否拒絕原假設(shè)H0∶α2=α3，若拒絕原假設(shè)，則可判斷門檻效應(yīng)顯著。第三步，檢驗(yàn)門檻值的有效性和置信區(qū)間，使用極大似然估計(jì)函數(shù)來(lái)檢驗(yàn)，若接受原假設(shè)H0∶=γ0，則門檻值有效，并通過(guò)構(gòu)造極大似然比LR統(tǒng)計(jì)量來(lái)估計(jì)門檻值γ的置信區(qū)間。

三、金融杠桿對(duì)經(jīng)濟(jì)增長(zhǎng)的影響

（一）宏觀杠桿率對(duì)經(jīng)濟(jì)增長(zhǎng)的影響

表3（下頁(yè)）估計(jì)了宏觀杠桿率對(duì)經(jīng)濟(jì)增長(zhǎng)的影響，其中，列（1）—（3）的因變量為GDP增長(zhǎng)率，列（4）—（6）的因變量為人均GDP增長(zhǎng)率。列（1）和列（4）的控制變量只包括被解釋變量的一階滯后項(xiàng)和核心解釋變量（即宏觀杠桿率lev、宏觀杠桿率的平方lev2以及宏觀杠桿率波動(dòng)vol）的基本回歸結(jié)果。而列（2）—（3）和列（5）—（6）則是在基本回歸的基礎(chǔ)上逐步加入了經(jīng)濟(jì)、金融和社會(huì)三個(gè)層面的相關(guān)控制變量后的回歸結(jié)果。

從表3的結(jié)果可以看出，當(dāng)被解釋變量為GDP增長(zhǎng)率時(shí)，宏觀杠桿率的系數(shù)在1%或5%的置信水平下顯著為正，而宏觀杠桿率平方的系數(shù)在5%或10%的置信水平下顯著為負(fù)，說(shuō)明宏觀杠桿率與GDP增速之間存在倒“U”型關(guān)系，即隨著宏觀杠桿率的提高，GDP增速先上升后下降，存在一個(gè)拐點(diǎn)，在拐點(diǎn)之前，GDP增長(zhǎng)率會(huì)隨著宏觀杠桿率的提高而上升，在拐點(diǎn)之后，GDP增長(zhǎng)率會(huì)隨著宏觀杠桿率的提高而下降。根據(jù)最完整的回歸方程測(cè)算，拐點(diǎn)的位置在宏觀杠桿率達(dá)到229.4%時(shí)出現(xiàn)。與此同時(shí)，宏觀杠桿率波動(dòng)系數(shù)在1%的顯著水平下為負(fù)，表明宏觀杠桿率波動(dòng)的加大會(huì)對(duì)一國(guó)經(jīng)濟(jì)造成負(fù)向沖擊，導(dǎo)致經(jīng)濟(jì)增長(zhǎng)率下降。

當(dāng)被解釋變量為人均GDP增長(zhǎng)率時(shí)，宏觀杠桿率的系數(shù)在5%的置信水平下顯著為正，而宏觀杠桿率平方的系數(shù)在10%的置信水平下顯著為負(fù)，說(shuō)明宏觀杠桿率與人均GDP增長(zhǎng)率之間的關(guān)系依然為倒“U”型。與此同時(shí)，宏觀杠桿率波動(dòng)的系數(shù)在1%的顯著水平下為負(fù)，表明宏觀杠桿率波動(dòng)的加大對(duì)人均GDP的增長(zhǎng)率同樣造成負(fù)向沖擊。這一結(jié)論與被解釋變量為GDP增長(zhǎng)率時(shí)的結(jié)果基本一致。根據(jù)最完整的回歸方程測(cè)算，拐點(diǎn)的位置出現(xiàn)在宏觀杠桿率達(dá)到224%時(shí)。2018年，宏觀杠桿率超過(guò)拐點(diǎn)的地區(qū)包括青海、甘肅、北京，分別為234.9%、232.5%、229.7%①。

上述結(jié)果在逐步加入控制變量后未發(fā)生顯著變化，且所有回歸方程都通過(guò)了AR（2）檢驗(yàn)和Sargan檢驗(yàn)，說(shuō)明工具變量選擇恰當(dāng)且不存在二階自相關(guān)，表明估計(jì)結(jié)果是穩(wěn)健有效的。從控制變量來(lái)看，工業(yè)化程度系數(shù)顯著為正，說(shuō)明工業(yè)化程度的提高對(duì)GDP增長(zhǎng)率和人均GDP增長(zhǎng)率都有促進(jìn)作用;貿(mào)易開放度系數(shù)顯著為正，說(shuō)明促進(jìn)對(duì)外貿(mào)易有利于我國(guó)經(jīng)濟(jì)增長(zhǎng)，這也可以一定程度上解釋我國(guó)加入WTO后經(jīng)濟(jì)的高速增長(zhǎng);人口增長(zhǎng)率系數(shù)顯著為正，說(shuō)明人口增長(zhǎng)率提高可通過(guò)“人口紅利”效應(yīng)和人力資本積累效應(yīng)提高GDP增長(zhǎng)率和人均GDP增長(zhǎng)率。

（二）非金融企業(yè)杠桿率對(duì)經(jīng)濟(jì)增長(zhǎng)的影響

表4（下頁(yè)）估計(jì)了非金融企業(yè)杠桿率對(duì)經(jīng)濟(jì)增長(zhǎng)的影響。從表4的結(jié)果可以看出，非金融企業(yè)杠桿率的系數(shù)在1%的置信水平下顯著為正，而非金融企業(yè)杠桿率平方的系數(shù)在1%或5%的置信水平下顯著為負(fù)，說(shuō)明非金融企業(yè)杠桿率與GDP增速之間呈現(xiàn)倒“U”型關(guān)系。非金融企業(yè)杠桿率與人均GDP增速之間亦呈倒“U”型關(guān)系。隨著非金融企業(yè)杠桿率的提高，GDP增長(zhǎng)率和人均增長(zhǎng)率先上升后下降。與此同時(shí)，非金融企業(yè)杠桿率波動(dòng)的系數(shù)在1%或5%的置信水平下顯著為負(fù)，表明非金融企業(yè)杠桿率波動(dòng)的加大會(huì)對(duì)一國(guó)經(jīng)濟(jì)造成負(fù)向沖擊，導(dǎo)致GDP增長(zhǎng)率下降。根據(jù)最完整的回歸方程測(cè)算，非金融企業(yè)杠桿率對(duì)GDP增長(zhǎng)率和人均GDP增長(zhǎng)率影響的拐點(diǎn)位置分別在152.6%和155.1%時(shí)出現(xiàn)。我國(guó)大部分地區(qū)的非金融企業(yè)杠桿率在2015年或2016年達(dá)到頂峰，隨著我國(guó)一系列“去杠桿”政策的出臺(tái)，各地區(qū)該指標(biāo)明顯下滑。截至2018年末，非金融企業(yè)杠桿率超過(guò)拐點(diǎn)的地區(qū)包括青海、甘肅和北京，分別為195.1%、172%和165%。上述結(jié)果在逐步加入控制變量后未發(fā)生顯著變化，控制變量對(duì)非金融企業(yè)杠桿率的影響與對(duì)宏觀杠桿率的影響一致，且所有回歸方程都通過(guò)了AR（2）檢驗(yàn)和Sargan檢驗(yàn)，說(shuō)明工具變量選擇恰當(dāng)且不存在二階自相關(guān)，表明估計(jì)結(jié)果是穩(wěn)健有效的。

（三）家庭杠桿率對(duì)經(jīng)濟(jì)增長(zhǎng)的影響

表5估計(jì)了家庭杠桿率對(duì)經(jīng)濟(jì)增長(zhǎng)的影響。從表5的結(jié)果可以看出，家庭杠桿率的系數(shù)在1%或10%的置信水平下顯著為正，而家庭杠桿率平方的系數(shù)在1%或10%的置信水平下顯著為負(fù)，說(shuō)明家庭杠桿率與GDP增速之間呈現(xiàn)倒“U”型關(guān)系。家庭杠桿率與人均GDP增長(zhǎng)率之間亦呈現(xiàn)倒“U”型關(guān)系。隨著家庭杠桿率的提高，GDP增長(zhǎng)率和人均增長(zhǎng)率呈現(xiàn)先上升后下降的特征。與此同時(shí)，家庭杠桿率波動(dòng)的系數(shù)在1%或5%的置信水平下顯著為負(fù)，表明家庭杠桿率波動(dòng)的加大同樣會(huì)對(duì)一國(guó)經(jīng)濟(jì)造成負(fù)向沖擊，導(dǎo)致GDP增長(zhǎng)率和人均GDP增長(zhǎng)率同時(shí)下降。根據(jù)最完整的回歸方程測(cè)算，家庭杠桿率對(duì)GDP增長(zhǎng)率和人均GDP增長(zhǎng)率影響的拐點(diǎn)位置分別在52.3%和62.6%時(shí)出現(xiàn)。2018年，家庭杠桿率超過(guò)拐點(diǎn)的地區(qū)包括浙江和重慶，分別為75.7%和57%。上述結(jié)果在逐步加入控制變量后未發(fā)生顯著變化，且所有回歸方程都通過(guò)了AR（2）檢驗(yàn)和Sargan檢驗(yàn)，說(shuō)明工具變量選擇恰當(dāng)且不存在二階自相關(guān)，表明估計(jì)結(jié)果穩(wěn)健有效。

（四）地方政府杠桿率對(duì)經(jīng)濟(jì)增長(zhǎng)的影響

表6估計(jì)了地方政府杠桿率對(duì)經(jīng)濟(jì)增長(zhǎng)的影響。從表6的結(jié)果可以看出，地方政府杠桿率的系數(shù)在1%或10%的置信水平下顯著為正，而地方政府杠桿率平方的系數(shù)顯著為負(fù)，說(shuō)明地方政府杠桿率與GDP增速之間也呈現(xiàn)倒“U”型關(guān)系。地方政府杠桿率與人均GDP增長(zhǎng)率之間亦呈現(xiàn)倒“U”型關(guān)系。隨著地方政府杠桿率的提高，GDP增長(zhǎng)率和人均增長(zhǎng)率呈現(xiàn)先上升后下降的特征。根據(jù)最完整的回歸方程測(cè)算，地方政府杠桿率對(duì)GDP增長(zhǎng)率和人均GDP增長(zhǎng)率影響的拐點(diǎn)位置分別在56.1%和50.8%時(shí)出現(xiàn)。2018年，地方政府杠桿率超過(guò)拐點(diǎn)的地區(qū)包括貴州、江蘇、山東和青海，分別為59.9%、61.5%、73.9%和76.3%。上述結(jié)果在逐步加入控制變量后未發(fā)生顯著變化，且所有回歸方程都通過(guò)了AR（2）檢驗(yàn)和Sargan檢驗(yàn)，說(shuō)明工具變量選擇恰當(dāng)且不存在二階自相關(guān)，表明估計(jì)結(jié)果穩(wěn)健有效。

四、金融杠桿對(duì)金融風(fēng)險(xiǎn)的影響

表7給出了金融杠桿對(duì)金融風(fēng)險(xiǎn)影響的估計(jì)結(jié)果，其中列（1）—（4）的被解釋變量為銀行不良貸款率，列（5）—（8）的被解釋變量為股票價(jià)格指數(shù)波動(dòng)率，對(duì)應(yīng)的核心解釋變量分別為宏觀杠桿率、非金融企業(yè)杠桿率、家庭杠桿率和地方政府杠桿率。

當(dāng)被解釋變量為銀行不良貸款率時(shí)，宏觀杠桿率和各部門（除地方政府部門外）杠桿率的一次項(xiàng)系數(shù)均顯著為負(fù)，二次項(xiàng)系數(shù)顯著為正，說(shuō)明隨著杠桿率的上升，銀行不良貸款率先下降后上升，宏觀杠桿率和各部門（除地方政府部門以外）杠桿率與金融風(fēng)險(xiǎn)的關(guān)系表現(xiàn)為“U”型。根據(jù)模型（5）測(cè)算，拐點(diǎn)的位置分別在宏觀杠桿率為140.4%、非金融企業(yè)杠桿率為124.4%、家庭杠桿率為48%時(shí)出現(xiàn)，即過(guò)高的杠桿率會(huì)加大金融風(fēng)險(xiǎn)。與此同時(shí)，除地方政府杠桿率外，其他部門杠桿率波動(dòng)的系數(shù)在1%或5%的置信水平下顯著為正，表明宏觀杠桿率和各部門（除地方政府部門外）杠桿率波動(dòng)的加大會(huì)增加一國(guó)金融風(fēng)險(xiǎn)。

當(dāng)被解釋變量為股票價(jià)格指數(shù)波動(dòng)率時(shí)，除地方政府杠桿率外，其他部門杠桿率的一次項(xiàng)系數(shù)顯著為負(fù)、二次項(xiàng)系數(shù)顯著為正，說(shuō)明宏觀杠桿率和各部門（除地方政府部門外）杠桿率與金融風(fēng)險(xiǎn)的關(guān)系呈“U”型。根據(jù)模型（5）測(cè)算，拐點(diǎn)的位置分別在宏觀杠桿率為140%、非金融企業(yè)杠桿率為140%、家庭杠桿率為48.2%時(shí)出現(xiàn)。與此同時(shí)，宏觀杠桿率波動(dòng)與非金融企業(yè)杠桿率波動(dòng)的系數(shù)分別在5%、1%的置信水平下顯著為正，表明宏觀杠桿率波動(dòng)或非金融企業(yè)杠桿率波動(dòng)的加大會(huì)增加股票價(jià)格指數(shù)波動(dòng)率，對(duì)金融穩(wěn)定造成負(fù)向沖擊，加大金融風(fēng)險(xiǎn)。這一結(jié)論與被解釋變量為銀行不良貸款率時(shí)的結(jié)果基本一致。表7中所有回歸方程都通過(guò)了AR（2）檢驗(yàn)和Sargan檢驗(yàn)，說(shuō)明工具變量選擇恰當(dāng)且不存在二階自相關(guān)，表明估計(jì)結(jié)果是穩(wěn)健有效的。

五、金融風(fēng)險(xiǎn)對(duì)金融杠桿與經(jīng)濟(jì)增長(zhǎng)關(guān)系的門檻效應(yīng)檢驗(yàn)

合理的金融杠桿有助于促進(jìn)經(jīng)濟(jì)增長(zhǎng)，但過(guò)高的金融杠桿會(huì)導(dǎo)致金融風(fēng)險(xiǎn)增加，甚至誘發(fā)金融危機(jī)，從而對(duì)經(jīng)濟(jì)增長(zhǎng)產(chǎn)生負(fù)面影響。這里從“銀行信貸渠道”和“資產(chǎn)價(jià)格渠道”檢驗(yàn)金融風(fēng)險(xiǎn)對(duì)金融杠桿與經(jīng)濟(jì)增長(zhǎng)關(guān)系的門檻效應(yīng)。

首先對(duì)模型（6）進(jìn)行門檻條件檢驗(yàn)，以確定門檻模型的具體設(shè)定形式。從表8（下頁(yè)）的門檻檢驗(yàn)結(jié)果可以看出，以金融風(fēng)險(xiǎn)作為門檻變量時(shí)，單門檻、雙門檻、三門檻檢驗(yàn)均在1%或5%的顯著性水平下顯著，本文選用三門檻模型進(jìn)行分析。

接著對(duì)三門檻模型的門檻值及置信區(qū)間進(jìn)行估計(jì)，結(jié)果如表9（下頁(yè)）所示。以risk為門檻變量時(shí)，對(duì)應(yīng)的三門檻估計(jì)值為0.016、0.044和0.101;以volatility為門檻變量時(shí)，對(duì)應(yīng)的三門檻估計(jì)值為0.177、0.384和0.801，且門檻估計(jì)值對(duì)應(yīng)的似然比均處于95%置信區(qū)間內(nèi)，即接受門檻估計(jì)值等于實(shí)際門檻值的原假設(shè)。

從表10（下頁(yè)）的門檻模型估計(jì)結(jié)果可以看出，不同金融風(fēng)險(xiǎn)下宏觀杠桿率對(duì)經(jīng)濟(jì)增長(zhǎng)的影響存在一定差異。從“銀行信貸渠道”來(lái)看，當(dāng)risk≤0.016時(shí)，lev系數(shù)為0.017，在5%水平上顯著，表明此時(shí)增加宏觀杠桿率能夠促進(jìn)經(jīng)濟(jì)發(fā)展。以2018年數(shù)據(jù)為例，有北京、上海、重慶等9個(gè)省份處于此階段。當(dāng)0.0160.101時(shí)，lev系數(shù)顯著為負(fù)，沒有省份處于此階段。以上結(jié)果表明，當(dāng)risk>0.044時(shí)，宏觀杠桿率的上升對(duì)經(jīng)濟(jì)增長(zhǎng)不再具有促進(jìn)作用，甚至?xí)?duì)經(jīng)濟(jì)增長(zhǎng)造成負(fù)向沖擊。從“資產(chǎn)價(jià)格渠道”來(lái)看，當(dāng)volatility≤0.177時(shí)，lev系數(shù)變?yōu)?.028，在1%水平上顯著，此時(shí)宏觀杠桿率對(duì)經(jīng)濟(jì)發(fā)展的促進(jìn)作用最強(qiáng)，處于這一階段的有北京、貴州、上海等26個(gè)省份。當(dāng)0.1770.384時(shí)，lev系數(shù)由正轉(zhuǎn)負(fù)，此時(shí)如果再增加宏觀杠桿率，會(huì)對(duì)經(jīng)濟(jì)增長(zhǎng)造成負(fù)向沖擊?？傮w而言，系統(tǒng)性金融風(fēng)險(xiǎn)在宏觀杠桿率對(duì)經(jīng)濟(jì)增長(zhǎng)的影響機(jī)制中具有門檻效應(yīng)，當(dāng)金融風(fēng)險(xiǎn)上升到一定程度后，宏觀杠桿率對(duì)經(jīng)濟(jì)增長(zhǎng)的影響會(huì)由正向轉(zhuǎn)向負(fù)向，此時(shí)，需要降低宏觀杠桿率。

六、結(jié)論與政策建議

本文基于中國(guó)2005—2018年省級(jí)動(dòng)態(tài)面板數(shù)據(jù)，實(shí)證考察金融杠桿對(duì)經(jīng)濟(jì)增長(zhǎng)與金融風(fēng)險(xiǎn)的影響，在此基礎(chǔ)上，從“銀行信貸渠道”和“資產(chǎn)價(jià)格渠道”檢驗(yàn)了金融風(fēng)險(xiǎn)對(duì)金融杠桿與經(jīng)濟(jì)增長(zhǎng)關(guān)系的門檻效應(yīng)。通過(guò)研究得到以下結(jié)論：第一，宏觀杠桿率與經(jīng)濟(jì)增長(zhǎng)存在顯著的倒“U”型關(guān)系，與金融風(fēng)險(xiǎn)存在顯著的“U”型關(guān)系。若以最常用的GDP增長(zhǎng)率為經(jīng)濟(jì)增長(zhǎng)的考察指標(biāo)，以銀行不良貸款率為金融風(fēng)險(xiǎn)的考察指標(biāo)，則宏觀杠桿率對(duì)經(jīng)濟(jì)增長(zhǎng)與金融風(fēng)險(xiǎn)影響的拐點(diǎn)分別為229.4% 和140.4%，因此，宏觀杠桿率對(duì)經(jīng)濟(jì)增長(zhǎng)與金融風(fēng)險(xiǎn)的影響可分為三個(gè)區(qū)間：Ⅰ區(qū)為當(dāng)宏觀杠桿率≤140.4%時(shí)，隨著宏觀杠桿率的上升，經(jīng)濟(jì)增長(zhǎng)速度加快，金融風(fēng)險(xiǎn)降低;Ⅱ區(qū)為當(dāng)宏觀杠桿率∈（140.4%，229.4%]時(shí)，宏觀杠桿率上升仍可促進(jìn)經(jīng)濟(jì)增長(zhǎng)，但金融風(fēng)險(xiǎn)逐漸加大;Ⅲ區(qū)為當(dāng)宏觀杠桿率>229.4%時(shí)，宏觀杠桿率上升將減緩經(jīng)濟(jì)增長(zhǎng)，并加大金融風(fēng)險(xiǎn)。第二，分部門來(lái)看，非金融企業(yè)和家庭部門杠桿率與經(jīng)濟(jì)增長(zhǎng)呈倒“U”型關(guān)系，與金融風(fēng)險(xiǎn)呈“U”型關(guān)系。非金融企業(yè)杠桿率拐點(diǎn)位置分別為152.6%和124.4%，家庭杠桿率拐點(diǎn)位置分別為52.3%和48%;地方政府杠桿率對(duì)經(jīng)濟(jì)增長(zhǎng)影響呈倒“U”型，拐點(diǎn)位置為56.1%，對(duì)金融風(fēng)險(xiǎn)的影響不顯著。第三，無(wú)論是宏觀杠桿率波動(dòng)的加劇，還是非金融企業(yè)、家庭部門的杠桿率波動(dòng)加劇，都會(huì)對(duì)經(jīng)濟(jì)增長(zhǎng)和金融穩(wěn)定同時(shí)產(chǎn)生負(fù)向沖擊，減緩經(jīng)濟(jì)增長(zhǎng)，增加系統(tǒng)性金融風(fēng)險(xiǎn)。第四，無(wú)論是“銀行信貸渠道”，還是“資產(chǎn)價(jià)格渠道”，金融風(fēng)險(xiǎn)都對(duì)金融杠桿與經(jīng)濟(jì)增長(zhǎng)具有門檻效應(yīng)。在一定金融風(fēng)險(xiǎn)水平（risk≤0.044或volatility≤0.384）下，宏觀杠桿率的增加有助于促進(jìn)經(jīng)濟(jì)增長(zhǎng)，但當(dāng)金融風(fēng)險(xiǎn)累積超過(guò)一定水平（risk>0.044或volatility>0.384）后，宏觀杠桿的上升對(duì)經(jīng)濟(jì)增長(zhǎng)不再具有促進(jìn)作用，反而會(huì)對(duì)經(jīng)濟(jì)增長(zhǎng)造成負(fù)向沖擊。

基于以上結(jié)論，提出如下建議：

第一，防止杠桿率大幅波動(dòng)引發(fā)經(jīng)濟(jì)金融系統(tǒng)性風(fēng)險(xiǎn)。金融杠桿調(diào)控應(yīng)從總量控制和結(jié)構(gòu)優(yōu)化兩方面入手，盡可能采取循序漸進(jìn)策略，既要防止總杠桿率上升過(guò)快，又要防止金融杠桿急速下降。同時(shí)，需要特別關(guān)注非金融企業(yè)、家庭和地方政府等部門杠桿率的可持續(xù)性和內(nèi)部協(xié)調(diào)，處理好儲(chǔ)蓄、投資和消費(fèi)之間的關(guān)系，避免由于單一部門杠桿風(fēng)險(xiǎn)過(guò)高或調(diào)整過(guò)快而引發(fā)系統(tǒng)性風(fēng)險(xiǎn)。

第二，堅(jiān)持結(jié)構(gòu)性、差異化的杠桿調(diào)控策略。要正確認(rèn)識(shí)金融杠桿對(duì)經(jīng)濟(jì)增長(zhǎng)和金融風(fēng)險(xiǎn)影響的非線性特征，防止“一刀切”，充分考慮地區(qū)差異，堅(jiān)持“因地施策、區(qū)別對(duì)待和分類指導(dǎo)”的原則，依據(jù)地區(qū)金融狀況采取針對(duì)性的金融杠桿調(diào)控策略，把提高杠桿效率作為核心，將調(diào)控企業(yè)杠桿，尤其是將調(diào)控國(guó)有企業(yè)杠桿作為重中之重，加快僵尸企業(yè)的出清，防止形成“大而不倒”的預(yù)期。對(duì)于債務(wù)風(fēng)險(xiǎn)偏高的國(guó)企，應(yīng)在市場(chǎng)化前提下通過(guò)業(yè)務(wù)重組、債轉(zhuǎn)股等方式降低金融杠桿，對(duì)產(chǎn)能過(guò)剩、技術(shù)含量過(guò)低、不經(jīng)濟(jì)和不環(huán)保等發(fā)展?jié)摿^低的企業(yè)實(shí)施去杠桿，而對(duì)符合國(guó)家戰(zhàn)略布局的企業(yè)以及高新科技企業(yè)給予資金和政策支持，以達(dá)到“穩(wěn)增長(zhǎng)”和“防風(fēng)險(xiǎn)”的雙重目的。

第三，強(qiáng)化金融杠桿預(yù)警機(jī)制，筑牢金融風(fēng)險(xiǎn)“防火墻”。應(yīng)從中央到地方建立自上而下的金融杠桿預(yù)警機(jī)制，完善對(duì)地區(qū)金融杠桿的測(cè)度和監(jiān)控。在測(cè)度地方政府金融杠桿時(shí)，要充分考慮地方政府隱性存量債務(wù)的風(fēng)險(xiǎn)，以及債務(wù)硬性約束和軟性約束之間的關(guān)系。此外，在將存量指標(biāo)作為金融杠桿調(diào)整策略依據(jù)的同時(shí)，考慮增量金融杠桿的調(diào)整策略，從而提高金融杠桿測(cè)度的準(zhǔn)確性，確保及時(shí)動(dòng)態(tài)調(diào)整宏觀杠桿率以適應(yīng)經(jīng)濟(jì)發(fā)展和金融穩(wěn)定之需，在此基礎(chǔ)上，為各地區(qū)采取差異化的金融杠桿調(diào)控策略提供依據(jù)。

第四，明確政府職責(zé)，加強(qiáng)制度化建設(shè)。一方面，應(yīng)強(qiáng)化市場(chǎng)化手段在經(jīng)濟(jì)金融運(yùn)行中的主導(dǎo)地位，減少政府對(duì)企業(yè)的直接干預(yù)，繼續(xù)深化國(guó)有企業(yè)改革;另一方面，政府應(yīng)當(dāng)構(gòu)建公平競(jìng)爭(zhēng)的制度體系，如加強(qiáng)投資者保護(hù)，加大對(duì)民營(yíng)企業(yè)合法權(quán)益的保護(hù)力度，健全知識(shí)產(chǎn)權(quán)制度和侵權(quán)賠償制度。為促使企業(yè)采取市場(chǎng)化、多元化的方式分散融資風(fēng)險(xiǎn)，應(yīng)加快完善直接融資市場(chǎng)，構(gòu)建多層次的資本市場(chǎng)體系，健全完善信息披露制度和股權(quán)退出機(jī)制，同時(shí)，充分發(fā)揮政府引導(dǎo)作用，推進(jìn)資金脫虛向?qū)崱?/volatility≤0.384時(shí)，lev系數(shù)減少至0.021，表明宏觀杠桿率對(duì)經(jīng)濟(jì)發(fā)展的促進(jìn)作用有所減弱，處于這一階段的有海南、寧夏等4個(gè)省份。當(dāng)volatility>

參考文獻(xiàn)

[1]WAGNER W. Diversification at financial institutions and systemic crises[J]. Journal of Financial Intermediation， 2010（3）： 373-386.

[2]王愛儉，杜強(qiáng).經(jīng)濟(jì)發(fā)展中金融杠桿的門檻效應(yīng)分析——基于跨國(guó)面板數(shù)據(jù)的實(shí)證研究[J].金融評(píng)論，2017（5）：18-27.

[3]劉立新，李鵬濤.金融供給側(cè)結(jié)構(gòu)性改革與系統(tǒng)性金融風(fēng)險(xiǎn)的防范[J].改革，2019（6）：84-91.

[4]BHATTACHARYA S， TSOMOCOS D P， GOODHART C， et al. Minskys financial instability hypothesis and the leverage cycle[Z].LSE Financial Markets Group Paper Series Special Paper， 2011， No. 202.

[5]ADRIAN T， SHIN H S. The shadow banking system： implications for financial regulation， federal Reserve Bank of New York， staff report NO. [J]. Ssm Electronic Journal， 2009.

[6]ACHARYA V V， GALE D， YORULMAZER T. Rollover risk and market freezes[J]. The Journal of Finance， 2011， 66（4）： 1177-1209.

[7]MANGANELLI S and POPOV A. Financial development， sectoral reallocation， and volati-

lity： international evidence[J]. Journal of International Economics， 2015， 96（2）： 323-337.

[8]劉一楠.企業(yè)杠桿、企業(yè)投資與供給側(cè)改革——基于面板雙門限回歸模型的微觀證據(jù)[J].上海經(jīng)濟(jì)研究，2016（12）：120-129.

[9]MENDOZA E G. Sudden stops， financial crises， and leverage[J]. The American Economic Review， 2010， 100（5）： 1941-1966.

[10] LAW S H， SINGH N. Does too much finance harm economic growth？[J]. Journal of Banking & Finance， 2014， 41： 36-44.

[11] ARCAND J L， BERKES E，PANIZZA U. Too much finance？ [J]. Journal of Economic Growth， 2015， 20 （2）： 105-148.

[12] 馬勇，陳雨露.金融杠桿、杠桿波動(dòng)與經(jīng)濟(jì)增長(zhǎng)[J].經(jīng)濟(jì)研究，2017（6）：31-45.

[13] ALLEN F， GALE D. Bubbles and Crises[J]. The Economic Journal， 2000.

[14] 李揚(yáng)，等.中國(guó)主權(quán)資產(chǎn)負(fù)債表及其風(fēng)險(xiǎn)評(píng)估（下）[J].經(jīng)濟(jì)研究，2012（7）：4-21.

[15] 馬勇，田拓，阮卓陽(yáng)，等.金融杠桿、經(jīng)濟(jì)增長(zhǎng)與金融穩(wěn)定[J].金融研究，2016（6）：37-51.

[16] MINSKY H P.The financial instability hypothesis[Z]. The Jerome Levy Economics Institute Working Paper， 1992， No. 74.

[17] FISHER I. The debt-deflation theory of the great depression[J]. Econometrica， 1933（1）： 337-357.

[18] MIAN A， SUFI A， VERNER E. Household debt and business cycles worldwide[J]. The Quarterly Journal of Economics， 2017（4）： 1755-1817.

[19] 陳雨露，馬勇，徐律.老齡化、金融杠桿與系統(tǒng)性風(fēng)險(xiǎn)[J].國(guó)際金融研究，2014（9）：3-14.

[20] BORDO M D. An historical perspective on the crisis of 2007-2008[Z]. NBER Working Paper Series， Working Paper， 2008. No. 14569.

[21] MCALEER M， MEDEIROS M C. Realized volatility： a review[J]. Econometric Reviews， 2008， 27（1-3）：10-45.

[22] 呂健.影子銀行推動(dòng)地方政府債務(wù)增長(zhǎng)了嗎[J].財(cái)貿(mào)經(jīng)濟(jì)，2014（8）：38-48.

（責(zé)任編輯：許志敏）