中国影子银行信贷规模及对银行体系稳定性的影响分析

占怡　王龙

摘要本文基于1990—2012年的数据，在测量我国影子银行规模的基础上，运用因子分析方法构建稳定性综合评估指数，对影子银行与我国银行体系稳定性之间的关系进行了观察。认为，2010年以来，我国影子银行呈快速增长态势，已经改变了我国银行业主导的金融体系和风险结构，是当前影响银行体系稳定性的重要因素，需要从强化影子银行监管和推动经济结构尽快转型等方面加以改善。

关键词银行体系影子银行稳定性指数因子分析

一、 引言

2007年的国际金融危机显示影子银行对银行体系稳定性有破坏作用。影子银行（Shadow Bank）概念在2007年首次提出，但其经济形态在20世纪70年代美国住房按揭贷款证券化时就已存在，我国20世纪90年代初出现的“乱拆借”现象实际也有银行影子。影子银行与商业银行一样，是一种信用中介（Credit Intermediation），通过向企业、居民和其他金融机构提供流动性、期限配合和提高杠杆率等服务，在不同程度上替代商业银行核心功能的信用工具、结构、企业或市场。近年来，我国影子银行在应对危机冲击和推动金融改革等方面发挥了积极作用，但其固有的高风险偏好、高期限错配和高杠杆率等特性，加之监管滞后，在当前经济下行压力加大的背景下，容易产生流动性风险并扩散，最终对我国银行体系稳定性产生不利影响，需对此认真研究。

二、 影子银行与银行体系稳定性的文献综述

现有研究表明，本轮国际金融危机产生的动因和根源是影子银行的过度扩张。Krugman认为，由于影子银行设计复杂，不受监管，市场变化容易导致流动性枯竭，进而引发银行体系危机。Bails等认为，影子银行信息不透明和高杠杆操作，减弱了金融市场的流动性，加之大多不受监管，会放大系统性风险造成银行体系不稳定。Tobias Adrian和Hyun Song Shin认为影子银行高杠杆化和期限错配加剧了银行体系的脆弱性。美国金融危机调查委员会（FCIC）认为，由于影子银行依赖高杠杆和短期资金市场，缺乏政府明确支持，在金融市场环境恶化时易发生风险并危及银行业的稳定。

随着对次贷危机研究的深入，国内学者也对影子银行与银行体系稳定性的关系进行了研究。李华、闰立刚认为，影子银行与原有传统银行不可避免产生竞争与合作，对银行体系甚至整个金融业带来系统性风险。易宪容认为，在利润的刺激下，影子银行过度扩张信用、提高金融资产的杠杆率，容易把风险扩散到整个银行业。巴曙松认为，影子银行的期限错配、高杠杆操作、过度金融创新、信息不透明以及规避监管等特性，将给银行体系带来风险。李扬认为，影子银行体系不仅逐步侵蚀商业银行传统领地，而且从根本上削弱货币当局的调控基础。肖钢认为，中国式影子银行体系是中国金融未来五年最大的风险。毛泽盛、万亚兰发现中国影子银行规模与银行体系稳定性之间存在“U”形关系和阈值。宮跃欣从影子银行产品角度研究影子银行对银行业稳定性造成的影响。

总体来看，国内对影子银行与银行体系稳定性关系的文献仍然不多，并且，现有研究多从定性分析入手，相关的实证分析还有所欠缺。由此，本文将在测算我国影子银行规模的基础上，采用因子分析方法构建我国银行体系稳定性评估指数，探究影子银行与银行体系稳定性之间的内在联系。

三、 影子银行规模的测度

我国影子银行起步时间较晚，对金融市场交易机制的依赖较低，市场运转核心是商业银行，核心业务是区别于银行信贷业务的其他债务融资，主要体现为银信合作、委托贷款、银行理财产品、信贷资产证券化和同业代付等业务，以及具有信用中介性质的非银行金融机构、准金融机构业务和民间融资。近年来，商业银行在逐利和竞争压力下，通过发展影子银行进行监管套利的行为愈演愈烈，影子银行的规模快速增加，银行体系稳定性面临长期考验。特别是在未来三年，地方融资信托和房地产信托等历年发行规模较大的非信贷融资，将进入偿兑高峰期，潜在风险不容忽视。

我国现有的统计口径和金融机构资产负债表科目设计得不合理，导致影子银行规模大小难以确定，为此部分研究人员和机构分别从影子银行的供给和需求方对中国影子银行的规模进行了测算人民银行已对外公布社会融资规模数据，但此数据未能完全反映整个社会融资规模，且数据时间长度较短，难以用其进行计量和实证分析。。在缺乏权威统计口径和数据的情况下，这些方法和结论都具有一定的参考价值。本文借鉴李建军提出的方法，从需求方借款人的角度对影子银行规模进行测算。这种方法的经济理论基础是“一定的国内生产总值（GDP）需要一定的信贷规模予以支撑”。测算的总体思路是，用借款人所创造的GDP值推算该借款人全部信贷总额，再扣除可监测统计的正规金融机构的融资额度，即是影子银行规模。

在具体测算过程中，李建军认为，借款人主要是难以从正规金融机构融资的中小经济体，包括农户、私营企业、个体工商户三个部门。农户部门创造的GDP用第一产业替代，而私营企业和个体经济部门创造的GDP由于没有公开的统计核算，因此他在“中国非农业产值的生产过程中，资本和劳动力的有机构成不存在因所有制性质不同而产生差异”的假定下，用对应就业比重李建军认为，私营企业和个体经济等部门单位创造的GDP在公开统计核算中没有进行专门的分类，需要采用一定的方法来分割GDP。分割的标准是投入的生产要素：资本和劳动力。由于我国没有资本存量统计核算，也没有分类统计私营企业和个体经济的固定资产投资及核算资本形成，故难以有效估计不同经济单位的资本规模，无法依据资本的配置比重分割GDP。但是，就业人数是分类统计的，故按照劳动力投入比例分割GDP。 替代私营企业、个体工商户在第二、三产业创造的GDP比重，从而估算对应的GDP。在此基础上，本文认为，自2010以来，由于我国政府加大对房地产业的调控，促使影子银行信贷大量流向房地产业。因此，须将房地产业作为一个与其他三个部门并列的借款人纳入测算体系此处存在私营企业和个体工商户创造的房地产业GDP的重复计算。但是，国家统计部门公开统计私营企业和个体工商户的就业人数，主要分布在制造业、建筑业、交通运输、仓储和邮政业、批发和零售业、住宿和餐饮业、租赁和商务服务业、居民服务和其他服务业等九个行业，占比在90%左右（2012年），房地产业从事的就业人数国家统计局并未公布，但私营企业和个体工商户从事房地产业的不多，而房地产业的GDP更多是由国有、集体、合资和外资等其他性质的企业创造的，私营企业和个体工商户创造的GDP值不大，因此本文对重复计算的部分予以忽略。此外，近年房价高企也导致大量居民通过影子银行进入房地产，但其主要是通过理财和信托产品向房地产开发商融资，而自身通过影子银行融资购房的情况尽管存在，但数量较少，本文对此现象予以忽略。 影子银行的隐性贷款除投向房地产外，还通过地方融资平台投向基础设施、公共事业和公益性项目。这些项目通过相关的实体行业拉动GDP，而相关实体行业创造的GDP和正规金融机构对其贷款均已在测算的其他部分体现，故无须考虑投向地方融资平台的隐性贷款。。根据上述的原理和方法，1990—2012年中国影子银行发放的隐性信贷测算结果见表1所示限于篇幅，数据处理过程从略，具体的计算步骤和方法详见参考文献[9]。。

截至2012年年末，本文测算的影子银行贷款规模为26万亿元，与一些专业机构从供给方贷款者角度测算的结果趋于一致，例如，高华证券测算为23.5万亿元，海通证券28.8万亿元，华泰证券25万亿元，申银万国28.9万亿元，招商证券28.3万亿元，中投证券26.6万亿元，中信建投证券25.8万亿元 数据来源于相关的券商研究报告。，在一定程度上表明本文从需求方借款人测算的结果具有合理性。

四、 稳定性指数模型及计量分析

对银行体系稳定性测度的具体指标，本文在已有研究基础上，兼顾数据的可获得性，从宏观和微观角度选取了11项指标（见表2），以全面刻画我国银行业所处的外部环境和内部经营管理情况。其中，本文以所测算的影子银行规模与正规金融机构的贷款余额之和，作为全社会信贷规模，并以其增长率替代在以往研究中经常被考虑的正规金融机构信贷增长率。主要因为：我国影子银行规模对经济金融的影响已不可忽视，且2010年以后，正规金融机构的信贷增长是央

本文采用因子分析方法构建稳定性指数。因子分析（Factor Analysis）是一种数据简化技术，通过研究众多变量之间的内部关系，用少数几个独立的不可观测的变量来表示观测数据中的基本结构，其中，不可观测的变量被称为因子。因子分析方法不仅能克服现行多数研究中判定安全值和所占权重的主观性，而且能够避免选取大量指标所出现的多重共线性。其基本步骤：

第一步，数据预处理。包括同趋势化和标准化。同趋势化一般是将逆向指标和适度指标转化为正向指标。在不改变原指标分布规律的要求下，本文逆向指标正向化方法为x′ij=-xij，适度指标正向化方法为x′ij=-xij-k，k为适度值。鉴于我国实际，本文全社会固定资产投资增长率、M2增长率和全社会信贷规模增长率三个适度指标的k值分别为国内研究人员提出的适度区间的中间值，即分别为25%、18.5%和18.5%，其他适度指标的k值则采用国际通用的安全区域内的中间值。由于不同评价指标往往具有不同的量纲和量纲单位，为了消除由此带来的不可公度性，还应将各评价指标作标准化处理。

从权重数值可知，旋转后的因子载荷矩阵中，提取的4个公共因子将11项指标分成四类：公共因子1，对国有银行资本充足率、国有银行不良贷款率和国有银行资产收益率三个指标赋值较高，分别为0.905、0.889和0.955，主要反映银行微观的财务或经营状况，因此将其称为银行微观经营指标；公共因子2，对居民消费价格指数CPI、M2增长率和一年期实际存款利率的赋值分别为0955、0768和0934，与通货膨胀水平有关，故将其称为通货膨胀指标；公共因子3，对GDP增长率、财政赤字/GDP、进出口差额/GDP的赋绝对值分别为0749、0843和0739，主要反映经济增长、财政和外贸等方面的状况，均与宏观经济环境有关，所以将其称为宏观环境指标；公共因子4，对全社会投资增长率、全社会信贷增长率的赋值分别为0749和0705，恰好契合了我国信贷推动投资、投资拉动经济的增长模式，故将其称为经济增长模式指标。

（3） 中国银行业稳定性测度分析。

五、 银行稳定性指数及其因子变动的经验解释

对1990—2012年间中国银行业稳定性指数作图（见图1），以直观反映近23年来银行业稳定性波动情况。其中，实线折线是经过4个公共因子加权之后的综合稳定性指数，虚线折线是对综合指数的2期移动平均，堆积图是4个公共因子分别采取与综合得分一致的技术映射到[0，10]上形成的。

为进一步分析稳定性综合指数，本文借鉴IMF《金融部门评估手册》的做法，将稳定性指数分为四类：安全、正常、关注和危险，其中，安全临界值=稳定性样本均值-样本的标准差；正常临界值=稳定性样本均值；高危临界值=稳定性样本均值+样本的标准差。23年间，稳定性指数均值为3.98，标准差为2.41，则上述3个临界值分别为1.58、3.98和6.39，为此整理得到表7。总的来看，1990—2012年，中国银行业稳定性总体逐步增强，但受国际经济运行周期和国内宏观金融经济政策影响，仍有四个年份处于危险状态，六个年份处于关注状态。为此，根据稳定性的连续状况将这23年分为五个阶段：

第一阶段是1990年至1995年。稳定性指数从1992年起，连续四年突破高危临界值，其中1993年达到历史高值，4个公共因子均处于较高水平，分别从银行微观经营、通货膨胀水平、宏观经济环境和经济增长模式等方面反映那几年银行稳定性极度脆弱。1992年小平同志南巡和十四大再次激活中国经济，各地区“大干快上”，1992—1994年GDP增长率均超过13%，固定资产投资增速最低也在30%以上。过热的经济推高通货膨胀率，1993—1995年的CPI分别达到147%、241%和171%。国民经济秩序失调，三角债严重，金融领域内出现了“乱集资，乱贷款，乱拆借，乱担保”等紊乱现象。1995年还出现了中国金融机构第一起破产案——人民银行接管中银信托投资公司。

第二阶段1996年至1999年。经济实现软着陆，但受亚洲金融危机影响，银行业仍处于亚健康需关注的状态。在此阶段，公共因子2开始回落，表明国家治理金融秩序紊乱和过高的通货膨胀的措施逐步显现。公共因子3和4尽管也有所回落但仍处在较高位置，说明1998年亚洲金融危机对当时我国宏观经济的影响较大（1998年政府赤字增长率大幅上升为583%，1999年达到891%；外资利用金额出现负增长，1998年为-91%，1999年为-101%），经济增长仍依赖于投资和信贷的粗放式增长模式。此外，需高度关注的是，公共因子1持续处在较高位置，银行经营状况仍然欠佳，期间中国出现的四起金融机构破产案例这四家金融机构分别为海南发展银行、中创信托、君安证券、广东国投。也充分说明了这一点。

第三阶段2000年至2003年。中国银行业处于一个相对稳定和健康的状况。公共因子2、3、4的指标值总体逐步回落，反映宏观调控政策和加入WTO的效应显现，中国的消费、投资和产品出口都得到较好的恢复和增长。公共因子1在2002年以后快速回落，也表明前期（始于1998年）成立资产管理公司、对银行业注资和剥离不良贷款等金融改革政策开始生效。特别是从2003年开始，四大国有商业银行进行了股份制改革，各银行都相继建立起现代企业制度，经营和财务指标得以根本好转。

第四阶段2004年至2007年。公共因子指标走向出现背离。公共因子1、2持续回落，表明银行资本充足率、不良贷款和盈利状况等指标持续得到改善，物价水平也总体偏低，除2007年以外，其余年份均在4%的安全值以下。但是，公共因子3、4出现大幅反弹，稳定性综合指标得分一改连续七年的正常值，突然进入关注区间，与1998年亚洲金融危机时的稳定性得分值一致。主要原因是受房地产价格上涨周期影响，贷款、投资、外汇储备出现快速增长等过热迹象，中央经济工作会议将2008 年宏观调控的首要任务定为“两个防止”：防止经济增长由偏快转为过热、防止价格由结构性上涨演变为明显通货膨胀，会议要求实行从紧的货币政策。

第五个阶段2008年至今。中国银行业运行基本稳定，但危机的后续影响仍须警惕。针对国际金融危机影响，我国及时出台了较大规模的经济刺激计划，经济在较短时间内企稳回升。但值得关注的是，2010年，4个公共因子均同时出现反弹，说明应对危机的非常规手段已开始显现不利影响。特别是公共因子4相比其他3个因子，始终处于较高位置并与其保持较大缺口，对当前我国银行体系稳定性的影响较大。1990—2012年，全社会信贷规模较快增长，其中，影子银行年均增速197%，比同期人民币贷款增速高2个百分点，比M2增速低1个百分点。特别是2010年以后，影子银行迅速扩张，2011年增速猛增至737%，余额超过20万亿规模，影子银行规模占银行贷款余额的比重从1990年的282%上升至2012年的412%，占GDP的比重从1990年的267%上升至501%。影子银行主要流向房地产和政府融资平台等投资领域。同期，全社会固定资产投资总额占GDP的比重超过40%，已造成不少行业产能过剩，加剧了风险聚集。2013年末国内银行不良贷款反弹，说明了这种情况。

六、 结论和展望

本文测算，2012年末，我国影子银行的规模达到26万亿元，与当年银行贷款余额和GDP相比，占比分别超过40%和50%，反映我国影子银行呈快速增长态势。与此同时，随着我国金融体制改革的逐步深化，我国银行体系稳定性逐步增强。但银行体系稳定性综合指数揭示，2008年以后，在投资拉动下，我国影子银行规模快速膨胀，在全社会信贷规模中的占比提升，已经实质改变了我国银行业主导的金融体系和风险结构，已成为当前影响银行体系稳定性的重要因素之一。

影子银行一方面为实体经济提供大量的流动性，但同时，非传统的信贷扩张，使得影子银行自身存在严重的期限错配和流动性风险，银行体系内部面临重大的风险。此外，我国影子银行以商业银行为核心，涉及银行、信托、证券、保险等多个行业，与货币、信贷、资本、保险、理财等多个金融市场交叉，随着影子银行的快速发展，金融机构之间和金融体系内部的内在关联性和风险传染性成几何级数增长。影子银行一旦出现风险，将通过货币市场、信用市场迅速扩散至银行部门和实体经济，从而可能引发系统性风险。

因此，本文提出如下建议：

（1） 加强影子银行的监管。既要稳步推动金融创新，又要强化动态监测，建立健全影子银行系统性风险的防范预警和应急机制，特别是要综合考虑影子银行的机构类型、业务模式、风险特征和系统性重要性等方面的差异，采取针对性的监管措施。

（2） 加快经济增长模式的转换。深化经济体制改革，界定行政与市场边界，发挥市场配置资源的基础性作用。逐步实现要素投入方式由资本投入为主，向资本、劳动、科技投入为主转变；需求拉动方式由投资和净出口为主，向投资消费净出口拉动为主转变。

需要说明的是，由于影子银行测算所基于的原理、方法还处于探索阶段，如运用有关部门就业比重来分割GDP、非正规信贷规模的计算公式等还有待进一步改进，以及指标选取、数据质量、计量方法等的局限，需要未来实际经济金融形势的发展对本文结论的可信性做进一步检验，这些都将是下一步的研究方向。

参考文献：

[1] Gorton G. Slapped in the Face by the Invisible Hand： Banking and the Panic of 2007[M]. Oxford University Press， 2009.

[2] IMF. Containing systemic risks and restoring financial soundness[J]. Global Financial Stability Report， 2008 （4）.

[3] Minsky Hyman. The Financial instability hypothesis：A Restatement In Postkeynesan // Arestis P， Skouras T eds. Economic Theory： A Challenge to Neoclassical Economics. Sussex： Wheatsheaf Books，1982.

[4] 陈剑，张晓龙.影子银行对我国经济发展的影响：基于2000—2011年季度数据的实证分析[J]. 财经问题研究，2012（08）： 66-72.

[5] 段军山，易明翔.中国金融体系脆弱性测度及其经验解释：2001—2010[J]. 广东金融学院学报，2012（02）： 3-16.

[6] 胡滨，郑联盛.非传统信贷视角下的中国影子银行[N].上海证券报， 2014-5-9：A01.

[7] 胡祖六，郎平. 中国的银行体系改革：一次新的长征[J]. 国际经济评论， 2000（Z4）： 5-12.

[8] 李博.国外学者对金融稳定性测度的文献综述[J]. 商业时代，2012（23）： 76-77.

[9] 李建军.中国未观测信贷规模的变化：1978—2008年[J]. 金融研究，2010（04）： 40-49.

[10] 刘卫江.中国银行体系脆弱性问题的实证研究[J]. 管理世界，2002（07）： 3-10.

[11] 毛泽盛，万亚兰.中国影子银行与银行体系稳定性阈值效应研究[J]. 国际金融研究，2012（11）： 65-73.

[12] 邵宇.影子银行：国际图景及中国形态（下）[J].金融发展评论，2013（09）： 48-84.

[13] 谈香如.我国投资率和投资增长率的合理区间分析[J].湘潭大学学报（哲学社会科学版），2004（06）： 75-77.

[14] 万晓莉.中国1987—2006年金融体系脆弱性的判断与测度[J].金融研究，2008（6）.

[15] 伍志文.中国银行体系脆弱性状况及其成因实证分析（1978—2000）[J].金融研究，2002（12）： 21-37.

（责任编辑：张晓薇）