进出口伪报能否度量中国的表外金融资本流动？*

张 驰 李连发



进出口伪报能否度量中国的表外金融资本流动？*

张 驰1李连发2

（1．清华大学经济管理学院 北京 100084）（2．北京大学经济学院 北京 100871）

依据中国与发达经济体间的贸易数据，本文分析以进出口伪报估测表外金融资本流动这一方法的合理性。实证分析的结果说明避税等非金融动机导致的贸易虚报规模不可忽略。利用实证模型剔除非金融组分后，新的表外金融资本流动估测在变动趋势上更接近国际收支平衡表表内金融资本流动。基于此，我们认为进出口伪报仅能够作为估测表外金融资本流动的依据之一，估测时应进行精细、严谨的处理。

表外金融资本流动 进出口伪报 非金融动机

一、引 言

近来，随着国际主要货币当局量化宽松政策的退出，新兴市场国家面临的金融资本流动又一次成为研究的热点。金（Shin，2013）指出，一方面国际金融资本尤其是短期国际金融资本的顺周期性质给新兴市场国家带来了系统性风险，另一方面金融危机中离岸债券融资增加等特点给资本管制带来了新的挑战。测定金融资本流动规模是研究资本流动性质的基础，而对于实施资本账户管制的国家而言，识别绕过管制的金融资本（如热钱与资本外逃）是测定本国资本流动规模的关键。

由于表外资本流动具有隐蔽性，相关研究致力于寻找可能成为表外金融资本流动通道的表内项目，进行相应调整后计入一国资本流动总规模。进出口伪报是此类研究的一个典型代表。所谓进出口伪报，是一国记录的进口（出口）数据与贸易对手国记录的出口（进口）数据的不一致。巴格瓦提（Bhagwati，1974）提出，如果一国低报出口，那么贸易对手国可以用相应数额的外国资产（货币、证券等）充抵货款，从而实现了资本外流。宋文兵（1999）首次在国内研究中引入了进出口伪报项来估测中国面临的资本外逃。2000年来，在表外金融资本流动与资本管制效率的研究中，许多学者都提及进出口伪报，前者有李庆云与田晓霞（2000）、王振全等（2006）、曹媚（2008）、许丁与宋徐徐（2011）和张明（2008，2011）等，后者如苟琴等（2012）。以上国内文献在估测表外金融资本流动时均直接使用进出口伪报数据。

进出口伪报真的可以直接用于度量表外金融资本流动么？实际上，伪报数据并不全部是我们希望估测的金融资本流动。一方面，由于海关记录制度的不同，贸易对手国海关数据间可能存在天然的不一致。另一方面，进出口商虚报贸易数据的意图是多样的，转移资产仅仅是其中之一。因此，在用以估算表外金融资本流动之前，要先评估伪报数据受“污染”的程度，然后过滤掉“杂质”。

以往研究，尤其是国外学者的研究，专注于寻找造成贸易记录天然不一致的制度因素——由于这些制度的存在，即便进出口商并没有主动虚报贸易数据，本国海关记录与对手国海关记录依然会出现不一致，这些伪报是“假伪报”，应该在计算时予以剔除。相关成果可以总结为以下三个方面。第一，Bhagwati（1974）指出由于进口国海关在记录货价时包含运输与保险成本（CIF计价），而出口过海关记录时不包括这些成本（FOB计价），因而海关间贸易数据存在天然的不一致。第二，费恩斯坦等（Feenstra et al.，1999）在研究中美贸易数据时提出了转口贸易的问题——中国经香港转口出口到美国的商品，美国海关记录为自中国的进口，但中国海关只记录为对香港的出口，这使得两国贸易数据存在不一致。第三，帕特奈克等（Patnaik et al.，2012）认为出口商很难欺骗拥有先进电子报关设备与严格执法队伍的发达国家海关，但可以欺骗不具备上述条件的非工业化国家海关。对于一组非工业化国家的贸易数据，无法确认哪一国是准确的，这意味着无法将贸易数据的不一致划归为其中一国的伪报。因此，计算非工业化国家的伪报应该只考虑其与工业化国家的贸易记录。

在计算中国的进出口伪报时，国内研究普遍采纳了计价方式与转口贸易两个调整方法，但在选取贸易对手国时则普遍以贸易量为基准，既包含发达国家，也包含发展中国家（如李庆云与田晓霞（2000）、王振全（2006）、曹媚（2008）、许丁与宋徐徐（2011）和张明（2008，2011）等。苟琴等（2012）虽然只选用了发达国家数据，但其依据仍是发达国家对华贸易量大，没有考虑数据准确程度的问题[①]。本文在计算宏观伪报总规模时选取发达经济体作为基准贸易对手国，使得伪报规模的估测更加精确。

以上调整仅仅剔除了“假伪报”，但剔除后的“真伪报”与金融资本流动也并非一一对应，骗取出口退税与补贴而形成的伪报就是一例。在2014年宁波市国税局破获的一起巨额骗税案件中，涉案公司以虚报液晶屏等高退税率商品出口的方式骗取出口退税1075万元人民币（施斌等，2014）。在这个过程中，由于存在虚假报关，中国海关与外国海关产生了贸易数据不一致，然而此过程中涉及的外汇是中国地下钱庄提供的，最终由涉案公司还给钱庄，期间的资金转移不应被视为热钱或者资本外逃。

影响进出口伪报的动因是多样的。首先，虚报进出口是绕过贸易管制的手段，包括避税、走私等，如Bhagwati（1964）、费思曼和魏（Fisman和Wei，2004）、皮特（Pitt，1981），伊茨（Yeats，1990）等。其次，虚报进出口是绕过资本管制的手段，如Bhagwati（1974）、Pitt（1981）、巴内特（Barnett，2003）、麦克当娜（McDonald，1985）、碧斯瓦斯和马吉特（Biswas和Marjit，2005、2007）等。最后，虚报贸易可以逃避政府腐败与监管，如波黑特与坦纳加（Pohit和Taneja，2003）、Fisman和Wei（2007）、博格和尼茨（Berger和Nitsch，2008）。从上述讨论可以看出，转移资产仅是虚报贸易的目的之一，因此在用进出口伪报估测表外金融资本流动时，应首先确认不同动因形成的伪报规模。若避税等非金融动机造成的伪报规模不可忽略，则在估测时应进行相应的剔除。对于这一点，Nitsch（2011）做了描述性讨论，但并没有进行定量验证，也没有提出具体的调整办法。

直接计算非金融因素造成的伪报规模是困难的。走私等数据没有公允统计，税收对贸易的影响也难以加以计算与度量。本文尝试以另一种思路进行研究。我们首先识别不同动机对进出口商虚报贸易行为的影响渠道，并依此构建解释进出口伪报规模的计量模型，寻找非金融动机伪报存在的证据，而后依据Frisch-Waugh-Lovell定理用回归残差法予以剔除。在实证分析中，我们针对出口高报与进口低报分别建模而非简单加总，使得计量结果更加精确。研究结果显示，关税、出口退税、贸易量等非金融因素与进出口伪报变动显著相关，非金融动机形成的伪报规模不可忽略。同时，与未经过滤的数据相比，经过滤得到的表外金融资本流动新估测与表内金融资本流动在变动趋势上更加一致，这一定程度上说明剔除方法合理、有效。

本文后续的结构如下：首先分析不同动机下影响进出口伪报的因素；其次计算中国与发达经济体伪报数值，并利用年度数据寻找非金融动机伪报存在的证据；再次，构建计量模型，利用月度数据对伪报进行过滤，并评价剔除的效果；最后对全文进行总结。

二、伪报形成原因的理论分析

贸易虚报有不同的成因，每一种成因都对应着不同的影响因素。伯恩和艾驰勒（Buehn 和Eichler，2011）综合避税与套汇两个成因将贸易虚报行为模型化，我们对其进行化简。我们假定进出口商追求伪报收益最大化，并们将虚报贸易的收益分为税收收益与套汇收益两部分。

对于出口高报而言，税收收益体现为多获得的出口退税等补贴（即）；对于进口低报而言，税收收益是走私规避的关税、增值税与消费税（即），税收收益通常被中国的进出口商获得。套汇收益的第一部分是人民币资产的基础收益，如投资房地产、股市、货币资产等（即），但这个收益要经过风险偏好（）的调整；第二部分是未来人民币相对外币升值的收益（）。我们将上述分析总结为表1，其数学表达式如（1）、（2）所示：①

表1 进出口伪报的影响因素

三、中国对发达经济体进出口伪报的计算

（一）进出口伪报数据的计算

我们按照国际货币基金组织（IMF）2014年10月《世界经济展望》中的分类，选择发达经济体作为中国的贸易对手国（36个国家或地区）。我们对原始数据进行计价方式与转口贸易两项调整。对于前者，依照Nitsch（2011）、张明（2011）、苟琴等（2012）的讨论，将离岸在岸价差设定为10%。对于后者，我们扩展李庆云与田晓霞（2000）计算双边贸易伪报数额的方法。以分别表示中国记录的出口、进口和发达经济体记录的出口、进口，记中国大陆经香港转口出口额为，记其他经济体经香港转口进入中国的贸易额为，则进出口伪报（）为①

我们从国际货币基金组织（IMF）贸易流向数据库（DOTS）获得中国与发达经济体的月度贸易数据，从香港特区政府统计处网站获得香港转口贸易数据②，按照上述公式计算出月度的出口高报、进口低报与伪报总额，并将月度数据加总为年度数据（见图1）。

由图看出，1992年至2004年，出口高报数额很小，围绕在0附近波动；伪报总额变动反应进口低报的变动趋势。2004年后，出口高报数逐步增加，在2013年反超进口低报。2010年前，出口高报与进口低报的变动趋势基本一致；2010年至2012年，出口高报继续上升，进口低报趋于平稳，这一阶段伪报总额的变动主要反映出口高报的变动趋势。计算出口高报与进口低报占出口、进口的百分比，发现2001年前，二者具有相似的变动趋势。2001年之后，进口低报占进口的比重逐渐下降；出口高报占出口的比重逐渐上升，2010年后这一上升趋势更加明显。

图1 进出口伪报数据

出口高报、进口低报与伪报总额（百万美元）出口高报与进口低报占出口与进口比例（百分点）

注：ExPr为出口高报，ImSh为进口低报、MisInv为伪报总额；数据来源于IMF DOTS与香港特区政府统计处；将月度数据加总得到年度数据；月度数据截止到2014年9月，2014年年度数据根据前九个月同比增长率估算。

在数据的变动趋势上，我们的计算结果与王振全等（2006）估算的1982-2004年度数据、张明（2011）估算的1991-2009年度数据、苟琴等（2012）估算的1999-2010月度数据基本一致。数额上，我们的计算结果大于张明（2011）、苟琴等（2012），与王振全等（2006）相接近。一个可能的原因是张明（2011）、苟琴等（2012）对香港转口贸易的处理不同，由于我们在计算中加入了转口贸易总额而非增加值，因而计算结果更大。

（二）非金融动机伪报的存在性

1、进出口伪报与表内金融资本流动的差异

依据张明（2011）等研究的方法，我们用货币当局外汇储备增量减去净出口与实际利用外资得到表内金融资本流动月度估测。①将其与进出口伪报进行对比，可以得出以下结论。第一，表内金融资本流动与净出口的相关性不显著（相关系数为-0.23），但伪报总额、出口高报、进口低报与净出口有强烈的正相关关系（相关系数分别为0.87、0.79、0.89）。第二，伪报与税收有强烈相关性（出口高报与出口退税相关系数为0.89）；第三，伪报总额、出口高报、进口低报和表内资本流动的相关性不显著（相关系数分别为-0.19、-0.03，-0.31）。

由以上分析我们看出，非金融因素与进出口伪报有强烈的相关关系，但与表内金融资本流动相关关系不显著。一个可能的原因是，进出口伪报受非金融因素的影响，但表内资本流动不受这种影响，或者影响很小。因此，将伪报全部算作金融资本流动不甚准确。

2、年度数据回归分析

利用1992-2014的年度数据，将出口高报、进口低报作为被解释变量，将出口额、进口额、出口补贴、关税额等作为解释变量，进行回归分析，所得结果见表2。出口高报与出口退税有稳定的相关性；进口低报同时受关税、进口额的影响，且表现出明显的趋势特征。从回归的结果看，非金融因素对伪报的影响不可忽略，这支持了本文的核心结论。

表2 出口高报、进口低报与非金融因素回归

注：*表示<0.1；**表示<0.05；***表示<0.01。const为常数项，trend为趋势项，“.l1”代表变量的一阶滞后项。ExPr为出口高报，ImSh为进口低报，ExSub为出口退税（值为负），Export为出口，CusTax为关税，Import为进口。括号中为小样本标准差。

图2 进出口伪报及回归残差

出口高报及回归残差（百万美元）进口低报及回归残差（百万美元）伪报和及回归残差和（百万美元）

注：ExPr为出口高报，ImSh为进口低报、MisInv为伪报总额；Res为回归残差。数据为作者计算得到。

对于出口高报而言，出口额、时间趋势、出口退税的滞后项均不显著，模型（1）的解释力最高。对于进口低报而言，进口关税的滞后项不显著，因此模型（5）更接近经济现实。因此，我们提取模型（1）和模型（5）的残差作为剔除了非金融动机的出口高报与进口低报，绘制图2。分析可知，过滤后伪报的波动性减小，且变动趋势发生改变。出口高报在2001-2005年呈现上升趋势，而其残差则保持下降，此后二者共同保持增长。进口低报残差始终在0附近波动，在2003年前后与进口低报反向变动，其余时点变动趋势相近。将二者加和，不难发现出口高报的残差项主导“剔除非金融动机伪报”的变动；与原始值相比，剔除后的伪报在0附近波动，振幅减小。

通过以上分析，我们认为由非金融动机导致的进出口伪报确实存在，其影响不可忽略。将全部进出口伪报视为金融资本流动（热钱或资本外逃）不甚准确。想要利用进出口伪报数据研究中国的表外资本流动，需要将其中的非金融动机部分剔除。

3. 年度数据分析存在的问题

由于宏观变量的传导通常具有时滞，且进出口合同的签署与货物到岸存在时间差，因而年度数据分析更加稳健。但是，由于具有较强的时间趋势，伪报年度数据很可能具有单位根，只能进行协整或差分分析，无法以此进行过滤。通过图1可以看出进出口伪报的变动趋势在2005年和2008年出现了两次变化，因此即便应用协整方法，也很可能将经济的结构性变动视为不平稳序列，造成偏误。

同时，上述回归的残差存在一阶自相关，回归效率较低。此外，由于样本量较少，若在回归中同时加入金融因素以控制内生性，则自由度将大大减小，损失结果的稳健性。因此，我们在后文采用月度数据进行更精细的处理。细分时间区间（即采用月度数据）后，出口高报与进口低报的变化都更接近平稳状态（相关检验见后文），且由于样本量的增加，计量模型中得以加入金融因素，结论更加可靠。

四、月度数据实证分析

（一）模型构建与变量选择

我们构建带有同期、滞后期影响因素的计量模型，如（4）、（5）所示。其中代表时间趋势，、分别表示出口补贴与进口品税收，为外汇因素（汇率贴水或预期升值率），其余变量的含义与上文一致，不再赘述。①

我们用前文计算出的月度数据作为进出口伪报估计（分别记为）；用发达经济体记录的对中国的出口与自中国的进口中国的真实进出口（记）；以出口退税表征出口补贴，以进口品消费税与增值税表征进口品税收；以香港离岸市场人民币无本金交割远期（6个月）汇价与香港离岸人民币即期汇价之差作为人民币远期贴水①（取月度平均值）。在资产收益方面，我们以房地产景气指数对数增长率、沪深300指数对数增长率两个指标表征房地产市场与股票市场；在货币市场方面，以上海银行间拆借市场利率（Shibor，3个月）与伦敦银行间拆借市场美元利率（Libor，3个月）之差代表货币需求，以中国人民银行、美联储贴现窗口贴现利率（25天）之差代表货币政策松紧度；对于中国资产风险偏好，我们以芝加哥期权交易所市场波动率指数（CBOE VIX）对数增长率作为代表，并认为VIX指数越大，国际流动性收紧，对中国资产的风险规避程度越大；价格因素用中国与发达经济体GDP平减指数之差代替。

对以上变量进行带有趋势项与漂移项的ADF检验，发现出口、贴现窗口利率利差、同业拆借利率利差、人民币远期贴水四个变量存在单位根，但差分后不存在单位根。所有变量的时间序列中，人民币远期贴水起点最晚，为2009年12月，且在2014年3月至9月存在数据缺失；进出口伪报的序列结束点最早，为2014年9月。综合以上，我们采用2009年12月至2014年2月作为基准模型的时间跨度。所有计量变量的定义、符号与描述统计见表3。

表3 变量定义与描述统计

续表3

名称说明符号单位观测数最小值最大值平均数标准差 风险偏好CBOE VIX对数增长率（表征国际流动性）GlbLqdt百分点51-24.4960.57-1.0517.26 房地产市场国房景气指数对数增长率HouMkt百分点51-1.421.75-0.240.61 股票市场沪深300指数对数增长率StkGrwth百分点51-16.9216.48-0.846.63

注：进出口伪报数据为笔者计算得到；贸易数据来源于IMF DOTS数据库；GDP平减指数数据来源于IMF GFS数据库；税收、贴现窗口利率、Libor、Shibor、沪深三百指数、房地产景气指数等数据来源于CEIC数据库；汇率数据来源于Wind数据库；VIX数据来源于Yahoo Finance。

（二）计量结果分析

按照上一节的模型，我们对出口高报、进口低报建模。HQ信息准则支持只含有同期项的模型（即（4）、（5）中=0），计量结果见表4的模型 A和模型C。为了保证计量结论的稳健性，我们同时计算了包含1期滞后项的回归模型（即（4）、（5）中=1），计量结果见表4的模型 B和模型D。

我们将出口高报的回归结果总结如下。第一，出口高报没有明显的时间序列性质。第二，所选因素对出口高报的影响主要体现为同期影响。第三，出口额、出口退税额对出口高报的影响具有统计和经济意义上的显著性，且这种影响不随模型设定的变化而变化。第四，利率、汇率、资产收益等金融因素对出口高报的影响不显著。第五，不论依据调整的2、HQ信息准则还是滞后项的检验，模型A都要优于模型B。

表4 月度数据回归

续表4

因变量: ExPr因变量:ImSh 模型 A: p=0模型 B: p=1模型 C: p＝0模型 D: p=1 HouMkt1,622.684（2,223.658）1,647.532（2,871.726）HouMkt-26.209（1,496.089）1,270.617（1,810.872） StkGrwth-83.935（205.296）-114.398（231.080）StkGrwth240.198*（134.658）305.472**（140.658） ExPr.l2-0.377**（0.171）ImSh.l2-0.197（0.181） Ex.l10.016（0.180）Im.l10.499**（0.217） PrcLvl.l1-456.909（1,162.714）PrcLvl.l1-441.076（750.962） ExSub.l141.573（107.267）ImTax. l1-63.411（54.263） MonPol.l1116.009（240.383）MonPol.l1-445.352***（156.603） MonDmd.l1-12.157（29.286）MonDmd.l118.616（17.794） FxFwrdPr.l10.060（4.477）FxFwrdPr.l1-1.601（2.666） GlbLqdt.l15.033（87.958）GlbLqdt.l1-26.096（49.347） HouMkt.l187.481（2,951.393）HouMkt.l1-2,741.949（1,893.028） StkGrwth.l1-158.184（231.866）StkGrwth.l149.014（138.287） const-9,052.719（7,355.246）-3,366.098（11,646.660）const-2,513.010（10,084.590）-15,324.810（13,748.510） trend151.335-147.978415.465*-209.239trend-235.262**（114.010）-501.581**（199.691） Obs5049Obs5049 R20.6430.719R20.2950.545 Adj-R20.5420.509Adj-R20.0970.203

注：*表示<0.1; **表示<0.05; ***表示<0.01。const为常数项，trend为趋势项，“.l1”、“.l2”分别代表变量的一阶滞后项、二阶滞后项（如ExPr.l1代表出口高报的一阶滞后项），其余变量符号含义见表3。括号中数据为参数标准差。模型的残差通过白噪声检验。

分析进口低报的计量结果可以得到以下结论。第一，进口低报没有体现出明显的时间序列性质。第二，在非金融因素中真实进口量最显著，进口品税收影响的计量结果不稳定。第三，在金融因素中，股市对进口低报的影响最为显著，即股市增长会增加进口低报；中国的货币政策相对美国趋紧（体现为央行贴现窗口贴现利率增加）使得进口低报减小。第四，依据调整的2与HQ信息准则应选择不同的模型，模型C与模型D各有千秋。

总体而言，出口高报受非金融因素的影响比受金融因素的影响大，金融因素对进口低报的影响比对出口高报的影响大。由此推断，以骗税等为代表的非金融动机所形成的伪报真实存在，其影响不可忽略。进口、出口伪报存在差异，用不同模型分析更加合理。

4、稳健性检验

我们从两个角度进行稳健性检验。

第一，仍以（4）、（5）的模型为基础，去掉在模型中不显著的外汇预期升值因素，这使得时间序列起止点变为2007年1月至2014年9月。出口高报模型没有显著变化，真实进口数额成为进口低报模型中唯一统计上显著的因素，主要结论不变。

第二，采用VAR模型对出口高报与进口低报进行分析。信息准则选择了含有1阶滞后项的模型估计。出口高报模型的全部因素都没有通过检验，进口低报模型中的货币政策因素与房地产市场因素通过检验，脉冲响应函数亦得到相近结果，前文主要结论保持不变。

（四）非金融动机伪报的剔除

我们依据表4中模型A过滤出口高报。根据这一建模结果，出口高报只与非金融因素相关，与金融因素不相关。根据Frisch-Waugh-Lovell定理，可以直接用真实出口值、出口退税作为自变量回归出口高报，所得残差就是过滤后的伪报。计算得到的时间序列见图3。

图3 剔除非金融因素的进出口伪报

剔除非金融因素的出口高报（百万美元）剔除非金融因素的进口低报（百万美元）

注：ExPr为出口高报，ExPr.res为剔除非金融因素后的出口高报；ImSh为进口低报，ImSh.basic.res为用方法一过滤的结果；ImSh.lag2.res为用方法二过滤的结果。数据经作者计算得到。

为保证结果稳健，我们使用两种方法过滤进口低报。方法一根据表4的模型C，首先用股市增长率作为自变量回归真实进口额，得到的残差记为进口残差。而后用这个残差作为自变量回归进口低报，得到的残差就是剔除非金融因素后的伪报。方法二分三步进行。第一步用进口品税收、股市增长率、货币政策利差（差分）这三个变量作为自变量回归进口额，得到进口残差；第二步用真实出口额、股市增长率、货币政策利差（差分）这三个变量作为自变量回归进口税收，得到税收残差。第三步，用进口残差、税收残差作为自变量回归进口低报，回归残差就是剔除非金融因素后的伪报。两种方法得到的时间序列见图 3。两种方法的结果在规模上相类似，但方法二的结果较方法一有时间序列的前置性。

经过过滤的出口高报与进口低报规模大幅下降，离散程度减小，较原序列具有前置性，且呈现平稳形态。将出口高报与进口低报数据相加，得到过滤后的伪报总额，并与国际收支平衡表金融账户中的证券投资账户数据进行对比，如图4所示。可以看出，过滤前进出口伪报显著大于证券投资量。剔除后，二者变动趋势相近。

图4 国际收支平衡表证券投资与剔除非金融因素的进出口伪报（百万美元）

注：basic表示用方法一过滤，lag2表示用方法二过滤，Misinv.qtr代表过滤前的伪报总额，PortfInv为国际收支平衡表中证券投资账户数据。表内数据来源于国家外汇管理局，其余数据为作者计算

综上所述，我们认为剔除是有效的。剔除非金融因素的影响后，进出口伪报在性质上更加接近国际收支平衡表内的金融账户资本流动。用这一剔除后的数据来估测中国面临的表外金融资本流动更准确、合理。同时，良好的剔除效果也说明本文所使用的实证分析模型具有合理性，能够较好地解释中国面临的贸易虚报情况。

五、结 论

本文在以往研究的基础上讨论了用进出口伪报估测表外资本流动这一方法的合理性与有效性。这一工作是对到岸加价剔除、转口贸易及对手国选取等研究的承接。分析结果显示避税等非金融动机形成的伪报不可忽略；剔除非金融动机组份后，进出口伪报在变动趋势上更接近国际收支平衡表表内金融资本流动，剔除方法具有合理性与有效性。

资本跨境流动是开放经济政策制定者关注的重要问题。本文的工作为进一步研究中国面对的资本流动性质提供了数据基础，也为研究中国资本管制的有效性提供了参考。未来可选用更复杂的实证方法考察伪报与影响因素之间的互动，亦可试图寻找更完整的税收、汇率序列增加研究的时间跨度。类似的思路也可用于其他表外资本流动通道的研究。

1. 曹媚：《我国国际贸易中的非正常资本流入研究》[J]，《国际贸易问题》2008年第9期。

2. 苟琴、王戴黎、鄢萍、黄益平：《中国短期资本流动管制是否有效》[J]，《世界经济》2012年第2期。

3. 李庆云、田晓霞：《中国资本外逃规模的重新估算：1982—1999》[J]，《金融研究》2000年第8期。

4. 施斌、柯和良、邹敏敏：《税额千万：特大骗取出口退税案告破》[N]，《中国税务报》2014年8月6日（B5版）。

5. 宋文兵：《中国的资本外逃问题研究：1987—1997》[J]，《经济研究》1999年第5期。

6. 王振全、黄彤华、谢安：《进出口伪报与中国资本控制的缺陷——海关统计数据揭示的事实》[J]，《统计研究》2006年第11期。

7. 许丁、宋徐徐：《国际短期资本流动对我国经济的影响》[J]，《财经科学》2011年第10期。

8. 张明：《当前热钱流入中国的规模与渠道》[J]，《国际金融》2008年第7期。

9. 张明：《中国面临的短期国际资本流动：不同方法与口径的规模测算》[J]，《世界经济》2011年第2期。

10. Barnett, R. C., 2003, "Smuggling, Non-fundamental Uncertainty, and Parallel Market Exchange Rate Volatility"[J],, Vol. 36, No.3: 701-727.

11. Berger, H. and Nitsch, V., 2008, "Gotcha! A Profile of Smuggling in International Trade"[D], Discussion Papers 2008/6, Free University Berlin, School of Business & Economics.

12. Bhagwati, J., 1974, “Illegal Transactions in Trade-Theory and Measurement” [D], edited by Jagdish, North-Holland Publishing Company, Amsterdam.

13. Bhagwati, J., 1964, “On the Under-invoicing of Imports” [J],, Vol.26, No. 4: 389–97.

14. Biswas, A. K., and Marjit, S., 2005, "Mis-invoicing and Trade Policy" [J],, Vol. 8, No. 3: 189-205.

15. Biswas, A. K., and Marjit, S., 2007, "Preferential Trade and Mis-invoicing: Some Analytical Implications" [J],, Vol. 16, No. 1:130-138.

16. Buehn, A. and Eichler, S., 2011, "Trade Misinvoicing: The Dark Side of World Trade" [J],, Vol. 34, No. 8: 1263-1287.

17. Feenstra, R. C., Hai, W., Woo, W. T., and Yao S., 1999, “Trade Discrepancies in International Data: An Application to China-Hong Kong” [J],, Vol. 89, No. 2: 338-343.

18. Fisman, R., and Wei, S., 2004, "Tax Rates and Tax Evasion: Evidence from Missing Imports in China" [J],, Vol. 112 No.2: 471-500.

19. Fisman, R., and Wei, S., 2007, "The Smuggling of Art, and the Art of Smuggling: Uncovering the Illicit Trade in Cultural Property and Antiques" [D], NBER Working Papers 13446.

20. Nitsch, V., 2011, "Trade Mispricing and Illicit Flows" [D], Darmstadt Discussion Papers in Economics 54540, Darmstadt Technical University, Department of Business Administration, Economics and Law, Institute of Economics (VWL).

21. McDonald, D. C., 1985, "Trade Data Discrepancies and the Incentive to Smuggle: An Empirical Analysis" [D], IMF Staff Papers, Vol. 32, No. 4: 668-692.

22. Patnaik, L., Gupta, A. S., and Shah, A., 2012, "Determinants of Trade Misinvoicing" [J],, Vol. 23, No. 5: 891-910.

23. Pitt, M. M., 1981, "Smuggling and Price Disparity" [J],, Vol. 11, No. 4:447-458.

24. Pohit, S., and Taneja, N., 2003, "India's Informal Trade with Bangladesh: A Qualitative Assessment" [J],, Vol. 26, No. 8:1187-1214.

25. Shin, H. S., 2013, "The Second Phase of Global Liquidity and its Impact on Emerging Economies"[A], Keynote address at the Federal Reserve Bank of San Francisco Asia Economic Policy Conference.

26. Yeats, A. J., 1990, "On the Accuracy of Economic Observations: Do Sub-Saharan Trade Statistics Mean Anything?" [J],, Vol. 4, No. 2:135-56.

（LF）

①“中国对发达国家的出口和进口在总出口和总进口中的占比平均为82%和79%，其中比率最低为2010年的72%和70%。综合考虑，我们选用中国同发达经济体之间的贸易数据计算中国进出口伪报额。”

①这里的转口贸易，准确的说是发达国家经香港转口到中国大陆的贸易额，以及中国大陆经香港转口到发达国家的贸易额。但是，香港特区政府统计处只公布了大陆经香港转出的贸易总额与转入中国的贸易总额。考察发现，中国的转口贸易额自1992年以来占香港转口贸易总额的比值始终在50%以上，十大转口贸易国中非发达经济体所占比重不到10%，因而以中国转口贸易总额近似替代中国与发达经济体转口贸易额不会造成系统性的影响。

②转口贸易数据单位为百万港元，我们以香港特区政府统计处公布的月度港元-美元汇率换算为百万美元。

①相关数据来源于CEIC数据库，其中货币当局外汇储备月度数据开始于1997年。

①对于内生性问题我们作如下的分析。首先，虚报贸易是真实贸易的副产品，对真实贸易不存在明显的反馈途径。其次，控制了进出口规模后，贸易补贴与税收的数额只体现为税率效应，因而贸易虚报对税收数额的影响也相应减弱。最后，进出口伪报数额相对于国内资产与外汇交易量而言并不构成一个较大规模，对资产市场的影响有限。因此，我们可以在一定程度上认为模型的内生性可以得到控制。这一分析在实证中得到了确认。

①用人民币官方汇价与香港离岸人民币即期汇价之差作为人民币远期贴水，但时间序列较短，且这个贴水的变动趋势与远期贴水变动趋势大体一致，因此没有出现在计量模型中。

* 本文感谢国家自然科学基金项目“国际资本流动、货币国际化与货币政策：基于中国的理论与经验研究”（71373011）资助，感谢评审人的宝贵意见，作者文责自负。