土地市场对地方政府融资平台信用风险的影响度研究

王斯伟

摘要：文章基于的ZETA评分和有序logistic模型，构建土地市场与地方政府融资平台公司信用风险的关系模型，量化平台公司的信用风险并分析土地市场对平台公司信用风险的影响度。首先，架构ZETA评分模型来综合多项财务指标量化平台公司的信用风险；其次，利用ZETA预测值和土地市场指标数据，按土地市场指标的类别分别建立有序logistic模型，分析土地市场的不同层面对平台公司信用风险的影响度。最后得出了8项保护因子和4项危险因子，以及量化影响度的OR值及其95%CI，并从土地的量价属性解析影响机理。

Abstract： The paper constructs a relation model between land market and LGFV credit risk， based on ZETA scoring model and ordinal logistic model， the aim of which is to quantify credit risk and to analyze influence degree respectively. The first part is to build up the ZETA scoring model， in order to make use of several financial indexes to quantify credit risk. The second part is， in the use of data of ZETA and land market indexes， to building up ordinal logistic models according to the sort of land market indexes， which follows the analysis on the influence degree of different facets of land market on LGFV. And finally， the analysis gets 8 protective factors and 4 risk factors with their OR and 95%CI， and explains different factors' influence mechanism based on attributes of land quantity and price.

關键词：地方政府融资平台；土地市场；信用风险；ZETA；有序logistic

Key words： LGFV；land market；credit tisk；ZETA；ordinal Logistic

中图分类号：F812.7 文献标识码：A 文章编号：1006-4311（2018）12-0001-05

0 引言

为应对美国次贷问题引发的全球金融危机的冲击，自2008年来我国出台了一系列行业经济振兴计划，各地政府为筹措资金，绕开现行体制与政策障碍，成立了集融资、建设、经营和债务偿还为一体的地方政府融资平台公司（下文简称“平台公司”），代替政府进行借贷，催生了各级平台贷款的“井喷”式发展。通过举债融资，为地方经济和社会发展筹集资金，在加强基础设施建设以及应对国际金融危机冲击中发挥了积极作用，但同时也增加了债务风险。

2013年12月30日，审计署公布了2013年全国政府性债务审计结果。从地方政府性债务规模来看，截至2013年6月底，地方政府性债务合计17.89万亿元，较2010年末和2012年末增长66.93%和12.62%，在增速上看地方债务大幅增长。从举债主体占比来看，平台公司是地方政府最主要的举债主体，占债务余额总量的38.96%。随着新《预算法》以及近年出台的关于加强地方政府性债务管理的政府文件，平台公司面临被剥离的角色转变，但存量债务（尤其是存量或有债务）仍然存在较大的风险。

平台公司的存量债务规模大，而平台公司的大部分资产为土地资产，债务偿还以及信用担保的主要来源是土地资产。众所周知土地资产价值受土地市场的波动影响大，鉴于土地市场的不稳定，平台公司的信用风险也呈现不稳定的态势。由于平台公司债务量的巨大以及涉及金融行业的广泛，平台公司的信用风险转变为金融业系统性风险的潜在可能已引发了业界的广泛关注。

从国内外的相关研究来看，当前国外与平台公司信贷相近的研究内容是较为宏观的政府债务问题，较多研究仅从理论分析层面提出相应政策方案建议[1]，对于土地市场的研究也集中在房地产与宏观经济之间的关系研究，较少单独研究土地经济指标。国内对平台公司进行了较为全面的研究，但多数仍局限在定性分析的层面，同时国内对于土地市场的研究仍处于发展期，当前的研究多局限在土地财政、土地抵押等角度[2，3]，对于结合土地市场风险与平台公司信贷的研究较少。因此从土地市场视角研究平台公司信用风险具有研究价值。

1 研究思路和模型引入

1.1 研究思路

本文研究点在于分析土地市场对平台公司信用风险的影响度，其中两个主体分别是平台公司和土地市场。

首先建立平台公司信用风险的评价模型，综合考虑多种信用测量模型，本文研究采用的是在Z-score模型基础上发展的二代信用评分模型——ZETA信用评分模型，整合7项财务指标来度量信用风险。

进一步根据平台公司及其所在省份，搜集了5类（4类的外生指标和1类的内生指标）18项的土地市场指标，结合平台公司的ZETA值，分别构建多元有序logistic回归模型，研究土地市场的不同层面的指标对平台公司信用风险的影响度。最后通过土地的量价属性来解析具体指标的影响机理。

1.2 ZETA模型概述

著名财务专家Edward I Altman建模设计一种破产预测模型，根据数理统计中的辨别分析技术，对银行过去的贷款案例进行统计分析，从各类财务指标中选择五个最能够反映借款人的财务状况，对贷款质量影响最大、最具预测或分析价值的比率，设计出一个能最大程度地区分贷款风险度的数学模型（也称之为判断函数），对贷款申请人进行信用风险及资信评估，这种破产预测模型称为Z评分模型。

ZETA信用风险模型（ZETA Credit Risk Model）是继Z模型后的第二代信用评分模型，变量由原始模型的五个增加到了七个，适应范围更宽，对不良借款机构的辨认精度也大大提高。具体函数形式为：

ZETA=aX1+bX2+cX3+dX4+eX5+fX6+gX7

模型中的a、b、c、d、e、f、g，分别是待估计的ZETA模型中其变量各自的系数。X1、X2、X3、X4、X5、X6、X7分别表示模型中的7个变量，7个变量是：资产收益率、收益稳定性指标、债务偿付能力指标、累计盈利能力指标、流动性指标、资本化程度的指标、规模指标，具体说明如下：

1.3 有序logistic回归模型

logistic回归模型属于概率型非线性回归，它是研究多分类观察结果与一些影响因素之间关系的一种多变量分析方法。本文研究诸多土地市场指标之间与平台公司信用风险分类值的影响度计量关系，因此选择使用有序logistic回归模型构建影响度计量模型。

有序logistic回归，以McCullagh提出的方法（PLUM模型）为基础，具体表达式为（连接函数选用logit连接函数，即比例优势模型）：

ln[]=β0j-（β1X1+β2X2+…+βmXm），j=1，2，…，J-1 （1）

其中J指示因变量Y的分类数目，Y≤j的总体概率为P（Y≤j），影响Y的m个自变量分别记为：X1，X2，……Xm。由公式（1）可创建J-1个模型，如本文中ZETA取值为3类，即J=3，但由于最小值取0，因此j取值为0，1，两个累加logit模型分别为：

ln[]=β00-（β1X1+β2X2+…+βmXm），此时j=0

ln[]=β01-（β1X1+β2X2+…+βmXm），此时j=1

其中P（Y=0）+P（Y=1）+P（Y=2）=1。

累加logistic的J-1个预测概率模型为：

P（Y？燮j）=，j=1，2，…，J-1 （2）

本文的两个累加logistic预测概率模型分别为：

P（Y？燮0）=，此时j=0

P（Y？燮1）=，此时j=1

在有序logistic回归模型中，回归系数β表示在其他自变量固定不变的情况下，某一自变量Xk改变一个单位，logit[P（Y>j）]或对数优势的平均改变量。当β=0时，表示自变量Xk与因变量Y独立，即Xk对于Y的贡献无统计学意义；当β>0时，表示随著Xk的增加，Y更可能落在有序分类值更大的一端；当β<0时，表示随着Xk的增加，Y更可能落在有序分类值更小的一段。在实际研究中，较多采用优势比OR（Odds Radio）来解释，即Xk每增加一个单位，则Y>j的优势将改变exp（β）倍。

2 样本选取与数据说明

2.1 平台公司样本与数据

2.1.1 样本选取

首先是确定平台公司的名单。本文选取的平台公司是根据2013年一季度银监会公布的政府融资平台目录清单（10853家平台公司）进行筛选的，进一步根据财务数据以及土地资产数据的可获得性进行筛选，得到样本容量为303的用于构建ZETA模型的最终公司名单。

2.1.2 样本数据

对选定的平台公司搜集初始财务指标数据，自变量为综合财务指标，其取值为初始财务指标数据经运算得到（运算方法见表1），选取的公司财务数据为2013年数据。

ZETA值的量化采用发行债券的主体信用评级，选取的公司信用评级数据同样为2013年数据。一般情况下，主体信用评级的等级，即企业信用等级分为三等九级，即：AAA、AA、A、BBB、BB、B、CCC、CC、C。但发行债券的平台公司的信用评级普遍在A以上，因此，按A、AA、AAA三个等级将公司的ZETA值分为0、1、2三类（具体见表1）。

2.2 土地市场指标与数据

广义的土地市场涉及的方面广泛，较难以形成完善的指标体系。本文对土地指标的选取原则主要有两点，首先参考wind数据库中“中国宏观数据”以及“中国行业数据”板块中对不同的土地指标的分类，其次根据政府和平台公司的内外范围以及外生性指标的不同类别进一步细分，同时对土地市场指标的数据按数值大小进行0，1和2三类划分。（详见表2）

3 实证研究

3.1 ZETA值预测

ZETA评分模型的构建中的数理方法有多种，本次研究采用的是判别分析法。将样本的数据进行判别分析，经过判别分析实际生成两个判别函数，并通过判别函数检验，得到非标准化典型判别函数为：

ZETA1=-32.486+10.781X1-0.004X2+4.788X4-0.045X5-0.764X6+1.345X7ZETA2=-5.391-16.456X1-0.030X2+4.606X4-0.145X5-3.015X6+0.277X7

案例与预测结果判断判别分析的准确度较高，分类结果表格给出了用典型判别函数进行预测的统计信息，对初始分组案例中的ZETA值为0、1和2的样本分类的准确度分别为100.0%、76.8%和94.1%，平均准确度达到84.0%。

最终在SPSS中处理得到用于构建第4章有序分类Logistic回归模型的平台公司的ZETA预测值。

3.2 土地市场对信用风险影响度分析

3.2.1 实证结果

将ZETA值与5类土地市场指标数据分别进行有序logistic分析，研究土地市场的不同方面对信用风险的影响度，结果汇总如表3。

3.2.2 实证结果解析

①土地市场对平台公司信用风险影响机理。

信用风险，又称违约风险，是指借款人、证券发行人或交易对方因种种原因，不愿或无力履行合同条件而构成违约，致使银行、投资者或交易对方遭受损失的可能性。作为特定的一类风险，信用风险强调的也是一种不确定性——期望与实际结果之间差异的不确定性，这种不确定性的量化表现即特定事物（或指标）的期望（μ）和波动（σ）。

通常，影响公司信用风险的因素有很多，但针对土地资产占比巨大的平台公司，土地市场的变动对其信用风险的影响是显著的。究其根源，土地对信用风险的影响来源于两方面——价和量。“价”指的是土地市场上的土地价格，是外部影响，“量”指的是政府或平台公司的土地资产、土地相关债务或其他土地相关指标的数量。

由信用风险的量化思想和土地影响的本质分析可以得出土地市场对平台公司信用风险的影响机理可以分为两个维度，第一维度是土地的价和量，第二维度是价和量的期望和波动。

对于外部的“价”，一般的理解是“价”的期望越高，意味着土地价值的增加，价值变动概率和范围的下降，土地市場的稳步提升，由此对风险产生的影响是积极的，即降低风险，反之亦然。对于内部的“量”的一般理解则是，“量”的期望越高，波动越大，意味着政府或平台公司对土地的持有量和依赖度越大，由此对风险产生的影响是消极的，即提高风险，反之亦然。但不同指标对“价”和“量”的解释与一般意义上的“价”和“量”存在不同，由此可能导致实证分析结果与一般理解形成的观念相左，因此需要进一步分析。

②保护因子分析。

保护因子，顾名思义该指标的数值越大，低风险的概率越大，即该指标的增加促进风险的降低。通常意义上的理解是，保护因子对价的影响在于提高了期望，而对量的影响在于降低期望同时降低波动。

土地增值税是以转让房地产取得的收入，减除法定扣除项目金额后的增值额作为计税依据，并按照四级超率累进税率进行征收。根据土地增值税计算公式：应纳税额=增值额×适用税率-扣除项目金额×速算扣除系数，可以得出土地增值税的增加主要源于增值额的增加，即土地市场交易活跃或土地溢价率高，即“价”的期望提高。但土地溢价率的不稳定提高一定程度上加大“价”的波动，而土地交易活跃对于“价”的波动的影响有限，综上，土地增值税主要通过提高“价”的期望来达到降低风险的作用，但同时因为对“价”的波动的不利影响，弱化了其保护作用，因此土地增值税具有一定的保护意义，但从其OR值（0.054）与其他保护因子的OR值（如城市征用土地面积的OR值在0.001水平以下）可以看出保护作用并不突出。

城市征用土地面积和由国有土地使用权出让收入安排的地方政府性基金支出都涉及政府对土地的占有“量”以及由此对土地市场中“价”的影响。土地征用是指国家为了兴建厂矿、铁路、公路、港口工程等建设的需要，依法将集体所有的土地收归国家使用的一项措施，显然土地征用提高政府的土地持有量，但持有的目的在于发展公共基础设施建设，这部分土地资产对于土地市场整体的平稳发展是起到推动作用，即对“价”的积极作用是显著的，因此“量”的增加虽然一定程度上对风险有消极作用，但“量”通过对“价”的影响对风险的积极影响占主导地位，由此城市征用土地面积的分析结果是风险的保护因子。由国有土地使用权出让收入安排的地方政府性基金支也类似，地方政府性基金支出中，国有土地使用权出让收入安排的支出被用于征地拆迁补偿、农业土地开发整理和农村基础设施建设以及补助农民和保障性安居工程等，对于稳定土地市场是有一定作用的，但显然该指标较多解释了土地出让的数量情况，因此显著性存在缺陷。

土地转让收入、土地购置费用以及成交土地面积的影响分析可以划分为一类，都涉及房地产企业的土地交易和利用情况对土地市场“价”的影响。三个指标的增加，都指示土地市场的活跃，即“价”的稳步提升。此外，土地购置费用指房地产开发企业为取得土地使用权而支付的费用，土地使用权来源包括政府和其他房地产企业（即交易于一级或二级市场）；成交土地面积反映的是一级市场的成交数量。这两个指标显然对“量”也有影响，即减少政府对土地的持有量和依赖度，但成交土地面积一定程度也反映土地财政的情况，因此从OR值上的反映看，土地购置费用的影响度最大（0.002），而土地转让收入（0.023）和成交土地占地面积（0.032）影响一般。

政府承诺以土地出让收入偿还的债务余额占比和政府性债务余额中的土地收储部分显然与政府的土地“量”挂钩。两个指标直观反映了政府对土地的依赖度，从一般的观点看，两个指标数额越大，意味政府对土地的依赖度越高，则潜在风险越大，即对风险产生消极影响，但分析结果显示二者均为保护因子，与直观的判断显然矛盾，原因可能有多方面，本文仅做初步解释：由于土地市场在近年始终处于上行态势，若忽略其中的泡沫等不稳定因素的问题，政府对土地的持有量在一定比例范围内对风险的影响显示积极的表现。

③危险因子分析。

危险因子，顾名思义该指标的数值越大，高风险的概率越大，即该指标的增加促进风险的提高。通常意义上的理解是，危险因子对价的影响在于降低了期望，而对量的影响在于提高期望同时增大波动。

国有土地使用权出让金是政府以出让等方式配置国有土地使用权取得的全部土地价款，包括受让人支付的征地和拆迁补偿费用、土地前期开发费用和土地出让收益等。供应土地面积反映一级市场的土地供应情况，两个指标反映了政府对土地的依赖度，更为广泛的描述即土地财政。国有土地使用权出让金和供应土地面积越高，反映政府对土地的依赖度越高，即潜在风险提高。此外，就国有土地使用权出让金而言，我国土地出让金管理存在诸多问题，使得在一定程度上诱发了其他深层次矛盾，例如，出让金带来的丰厚财政收入诱发了地方政府的短期行为大量卖地和圈地；出让金收益分配机制不合理，影响土地出让整体效益；土地出让金制度不完善，易引发出让金流失和官员寻租。这些深层问题对于土地市场的消极影响是显著的，因此土地市场的“价”的波动会受到放大的效应，进一步对风险产生消极影响。

本年完成开发土地面积指已完成“七通一平”等前期开发工程，具备进行房屋建筑物施工或出让条件的土地面积，这里的前期开发即土地的一级开发，指由政府或其授权委托的企业，对一定区域范围内的城市国有土地、乡村集体土地进行统一的征地、拆迁、安置、补偿，并进行适当的市政配套设施建设，使该区域范围内的土地达到“三通一平”、“五通一平”或“七通一平”的熟地条件，再对熟地进行有偿出让或转让的过程。可以看出，土地的一级开发是土地增值的过程，开发土地面积越大，意味着政府或平台公司的土地资产“量”越大，增加对土地资产的依赖度，由此对风险产生消极影响。但从P值看出该指标的显著性不高。

办公用地资产独立于其他类型的土地资产，表现为显著的危险因子，但OR值的有效性有待考证。仅從实证分析结果来进一步探究，办公用地多处于繁华地段，可以产生更高的经济效益，也就是说可以引起地价的上涨，上涨的幅度巨大，但同时其受市场波动的影响程度较大。因此这部分土地资产的持有量的增加增大了平台公司的风险。

4 结论

本文搜集近300家平台公司的财务和信用评级数据和土地市场五大类指标，构建分析土地市场对平台公司信用风险的影响度模型，得到8项保护因子和4项危险因子，以及量化影响度的OR值及其95%CI；其次从土地的“量”和“价”的内部属性进一步定性地解析模型得到的结论，即保护因子和危险因子通过反映或影响土地市场的“价”以及政府或融资平台公司的土地“量”，进而对平台公司的信用风险产生积极或消极的影响。具体影响结论如下：

土地税收方面，城镇土地使用税对信用风险影响不显著；土地增值税的影响显著，是平台公司信用风险的保护因子，影响机理是增加了土地市场中的土地价格期望，但由于同时增大的土地价格波动，因此影响度较其他因素小。

土地的一二级市场方面，土地征用面积是保护因素，主要由于征用土地用作发展公共基础设施建设提高土地市场的土地价格期望；土地出让量（出让金）是危险因素，主要由于其反映土地财政程度，即反映政府和平台公司的土地持有量和依赖度，指标的增加带来风险的上升；土地转让量（由房地产企业土地转让收入量化）是保护因素，主要由于其对土地市场的稳定发展起积极作用，转让收入的提升反映土地市场的土地价格期望提升。

土地的购置和开发方面，土地购置量（由土地购置费用反映）是保护因子，影响机理主要在于土地购置量的增加促进土地市场的发展，且反映了政府和平台公司对土地持有量的减少；土地开发量是危险因子，影响机理主要在于土地开发量指的是土地一级开发，开发的结果是政府和平台公司持有土地的增值，即对土地依赖度的进一步上升，导致风险的增大。

土地的供应和成交方面，土地供应量是危险因子，主要机理同土地出让金，即其反映了土地财政程度，指标的增加反映对土地的依赖度增加，风险上升；土地成交量是保护因子，主要机理同土地购置量，即该指标促进土地支出的土地价格期望的提高，且减少政府和平台公司对土地的持有量。

政府的土地债务和平台公司的土地资产方面，土地债务在实证中得出是保护因子，与直观的判断相左原因在于土地市场在近年始终处于上行态势，忽略其中的泡沫等不稳定因素，政府对土地的持有量在一定比例范围内对风险的影响呈现积极的表现；部分土地资产的影响不显著，办公用地资产在实证中得出是危险因子，影响机理主要在于其价格波动导致风险的上升。

参考文献：

[1]Hana Polackova. Contingent government liabilities：a hidden risk for fiscal [DB/OL]. http：//www.imf.org/external/pubs/ft/fandd/1999/03/polackov.htm.

[2]辛波.土地财政与土地金融耦合的风险及管控[J].当代财经，2015（1）：23-30.

[3]曲卫东.土地抵押贷款风险浮出水面[J].中国土地，2010（4）：31-33.

[4]孙洁晶，张建新.地方政府融资平台债务风险管理分析[J]. 商业经济，2017（02）：6-7.

[5]刘骅，卢亚娟.转型期地方政府投融资平台债务风险分析与评价[J].财贸经济，2016（05）：48-59.