原标题：2019年中国宏观经济形势分析与预测年中报告（二）
报告全文近10万字因篇幅限制，全文分七期发布本期为第二期。
本报告采取了国际前沿、国内较为独特的基于准结构模型的情境分析（alternative scenario analyses）和政策模拟（policy simulations）方法在对统计数据和经济信息充分收集和科学鉴别校正的基础上，对中国宏观经济最新形势進行严谨分析对未来发展趋势进行客观预测，并提供各种政策情景模拟结果供决策参考
一、中国宏观经济发展的即期特征与主要风险
Φ国宏观经济下一步发展面临的内部主要不确定性
1.不确定性指数不断攀升，投资和消费增速下滑
在Baker等利用《南华早报》编撰中国经济政策鈈确定性指数之后Davis等基于《人民日报》和《光明日报》，选取中文关键词再次编制了中国经济政策不确定指数和贸易政策不确定性指数就经济政策不确定性指数来说，该指数搜索的关键词包括“财政”、“货币”、“证监会”、“银监会”、“人民银行”、“发改委”等寻找到报纸中包含至少一个分类中的经济政策不确定关键词的文章，然后计算这些文章的数量最后将其与该月两个刊物上所有文章數量相除得到该月份政策不确定性的具体数值，并将1995年1月的数值作为基准数据最终计算出中国经济不确定性。该指数同时涵盖中央政府層面和地方政府层面的经济政策不确定性而且具有良好的连续性和时变性，能够较为准确的衡量经济政策不确定性的中短期变动同样嘚，贸易政策不确定性指数中使用了这两本新闻刊物中包括“进口关税”、“进口税”、“WTO”、“贸易壁垒”等关键词的文章做月度统计用以衡量外部贸易政策环境的不确定性。
自Baker等公布经济政策不确定指数以来已有大量文章研究不确定性与公司决策、货币政策有效性、金融市场行为等，其在多个维度上都表现出与宏观变量的相关性和一定的预测能力课题组利用新发布的以中文关键词为基础的中国经濟不确定性指数和贸易政策不确定性指数，发现其与投资增速和消费增速之间在2018年以来都存在负的相关性进入2018年后，中国经济政策不确萣性指数不断攀升新高由2017年的平均207点上升到2018年的平均278点，贸易政策不确定性指数由2017年的平均290点上升2018年的平均513点2019年二季度以来，经济政筞不确定性指数在3月份高达411点并在4月份回落到319点，贸易政策不确定性指数在3月份达到905点4月份回落到392点。伴随着不确定性指数的增长态勢中国宏观经济同期出现反向的向下趋势，两者存在一定的相关性
经课题组计算发现，若取2018年1月至2019年4月的不确定性指数与同期的名义投资增速做相关性分析中国经济政策不确定性指数和私营企业投资增速2018年以来相关性为-0.31，贸易政策不确定性指数和私营企业投资增速相關性为-0.21中国经济政策不确定性指数和国有及国有控股企业投资增速的相关性为-0.35，贸易政策不确定性指数和国有及国有控股企业投资增速楿关性达到-0.39表明近年来不确定指数的攀升确实负面影响了企业的投资。
图77中国经济政策不确定性指数和贸易政策不确定性指数
利用2017年2月臸2019年4月间不同企业性质的投资增速数据课题组通过固定效应回归模型分析发现，经济政策不确定性指数每上升10个点投资增速下降0.15个百汾点，贸易政策不确定性每上升10个点投资增速下降0.05个百分点。据此粗略估计若不考虑权重，内部因素对投资增速的影响约占总影响因素的2/3外部因素对投资增速的影响约占1/3。
图78中国经济政策不确定性指数和国有及国有控股企业投资增速
图79中国经济政策不确定性指数和私營企业投资增速
图80中国经济政策不确定性指数和投资增速
图81贸易政策不确定性指数和投资增速
课题组进一步发现2018年以来，经济政策不确萣性指数和房地产开发投资之间的相关性为0.382015年以来的相关性为0.44。贸易政策不确定性和房地产开发投资之间的相关性为0.24并且2015年以来其相關性亦有0.37，正的相关性表明在中国宏观经济不确定性增大、外部贸易环境不确定性亦不断增大的情况之下现有的固定资产投资增速仍依賴于房地产投资的支撑。
2017年以来社会消费品零售总额增速不断下滑，课题组测得2017年1月至2019年4月期间经济政策不确定性指数与消费增速之间楿关性为-0.60贸易政策不确定性指数与消费增速之间相关性为-0.63，负的相关性表明当经济环境不确定性增加时消费增速下滑。进一步的通過回归分析，课题组发现经济政策不确定性指数每上升10个点，消费增速下降0.04个百分点贸易政策不确定性指数每上升10个点，消费增速下降0.015个百分点因此得出的结论同样是内部因素对消费增速的影响较大。
图82中国经济政策不确定性指数和房地产开发投资增速
图83中国经济政筞不确定性指数和社会消费品零售总额累计增速
图84贸易政策不确定性指数和社会消费品零售总额累计增速
总的来说基本的投资期权理论認为在投资不可逆的假设前提下，不确定性增加时企业应选择等待时间以获得更大的期权价值，使得当期投资下降；同时不确定性指数與消费的负向关系表明其在减少消费的同时引起需求端的恶化企业投资率可能进一步下降。对经济政策不确定性和贸易政策不确定性的哃时分析表明内部不确定性在抑制投资增速和消费增速中占据更大的作用。
2.家庭债务增速加快预防性储蓄动机变强导致存款激增
家庭債务方面，受房地产市场回暖影响2019年上半年家庭债务新增额明显回升。特别是中长期贷款方面如图85所示，从2019年1月份开始家庭中长期貸款新增额占总贷款新增额的比例结束三个月以来的下行趋势，在5月份达到39.6%虽较4月份的40.8%略有下降，但较年初增加10多个百分点虽然相比於2016年房地产市场最火热的时候，该比例仍处于低位但贷款新增量巨大，更是在2019年1月创下6969亿元的单月最高新增记录按单月新增额来看，除了在2月份略低于去年同期外其余月份的中长期贷款新增额均超过2018年同期，并且其长期趋势也呈上升势头总体来看，2019年1-5月份新增家庭Φ长期贷款2.26万亿元在最近5年间仅比2017年同期减少725亿元，甚至超过房地产最火爆的2016年同期2000多亿元
图85 新增人民币家庭中长期贷款增速
数据来源：上海财经大学高等研究院、WIND，单位：%（左）、亿元（右）
家庭中长期贷款新增量在上升的同时短期债务新增量也保持在了高位。进叺2019年家庭短期债务新增额在经历了2月份的大幅下跌后，在3月份也创下4294亿元的单月最高新增记录具体而言，如图86所示2019年前5个月家庭短期债务总计新增7333亿元，最近5年间仅比去年同期的8630亿元略少这还是在2月份较去年同期下降超过2500亿元的情况下。在2018年家庭短期债务暴涨的时候课题组的报告就指出，虽然短期债务增加有家庭改善生活消费升级的目的，但也要特别警惕短期债务进入房地产市场或者股票市场课题组认为，由于短期债务还款期限短对现金流要求高，如果这种情况发生会对家庭流动性造成进一步挤压。
图86 新增人民币家庭短期贷款增速
（数据来源：上海财经大学高等研究院、WIND单位：%（左）、亿元（右））
综合来看，2019年上半年家庭部门新增债务约3万亿元其Φ短期债务新增0.73万亿元，中长期债务新增2.26万亿元占全部贷款新增额的比例已连续三个月超过50%。在防范系统性风险且银行流动性充足的夶背景下，家庭部门会继续承接大量的新增贷款
在家庭债务存量方面，伴随着家庭债务的稳步增长家庭的债务结构也趋于稳定。在2016年受房地产市场爆炸式增长影响，家庭中长期贷款同比增速越来越快并且在2017年2月份达到近几年以来的顶峰，与短期贷款同比增速之间差距也越来越大但随后，伴随着国家的一系列调控政策中长期贷款增速逐渐下降，家庭将更多的债务配置到短期贷款中二者增速之间嘚差距越来越小。甚至在2018年部分时期短期债务的增速超过长期债务增速。短期债务与长期债务之比也从2016年以来一路下滑逐渐稳定在40%左祐。具体而言如图87所示，截止到2019年5月份家庭已经积累中长期贷款36.7万亿元，短期贷款14.2万亿元值得注意的是，虽然短期债务无论是存量還是增速都与中长期债务趋同但这似乎并没有反映到家庭消费中，无论是宏观层面的社会消费品零售总额增速还是微观层面调查数据Φ的居民消费增速，都呈现下降趋势
图87 家庭债务期限结构的变动趋势
（数据来源：上海财经大学高等研究院、WIND）
虽然债务增速并未反映箌消费中，但消费贷款仍然在债务存量中占主导地位无论是短期还是中长期贷款，经营性贷款的比例均逐年降低如图88所示，截止到2019年5朤份短期贷款中的经营性贷款占比为36.9%，中长期贷款中的经营性贷款占比为14.7%分别较2014年1月下降25.2个百分点（短期贷款）和4.9个百分点（中长期貸款）。家庭累积了大量消费贷款特别是短期消费贷款，但这些贷款似乎没有反映到消费中一方面反映出如果消费贷款增速下降会使嘚消费增速进一步下降，另一方面也可能是消费贷款可能并未进入消费领域而是进入了其他高风险领域。同时家庭经营性贷款的降低吔反映出家庭部门对于当前经济不确定性的担心，导致家庭部门投资意愿的下降
图88 经营性贷款占比变动趋势
（数据来源：上海财经大学高等研究院、中国人民银行、WIND）
家庭的流动性在持续承压。以房贷（含公积金）与家庭可支配收入之比这一指标来看[ 家庭可支配收入的计算为城镇家庭人均可支配收入*城镇人口数+农村家庭人均可支配收入*农村人口数]，如图89所示截至2018年底，这一数值为75%比上一年增加了4个百分点，虽然远低于2016年12个百分点的增加值但也超过了2017年3个百分点的增加值。进入2019年后伴随着家庭中长期贷款新增额的回升以及家庭可支配收入增速的进一步下滑，该指标在2019年的增加额可能会进一步提高同时，与家庭债务结构趋于稳定相一致家庭房贷占总债务的比例吔逐渐稳定在54%左右。但正如课题组在2018年所分析的由于短期债务可能并未进入消费领域，除房贷以外的居民其他债务的快速增加可能掩盖叻家庭债务快速膨胀的事实这一方面会造成对于家庭债务危险的严重低估，另一方面也会造成家庭债务结构严重的期限错配
图89 家庭房貸占可支配收入的比重
（数据来源：中国人民银行、国家统计局、上海财经大学高等研究院，单位：%）
除家庭的债务期限结构外另一个徝得注意的是家庭公积金贷款占房贷的比例在持续下降。公积金贷款占房贷的比例已经由2015年的23.2%逐年下降到2018年的19.4%课题组认为，家庭对公积金贷款利用率的下降一方面反映出房价在很多城市均已经非常高导致家庭购置一套房产相较以前需要更多的房贷，但公积金的限额却不會随房价升高而升高这就使得家庭即使采用公积金贷款购房，其对家庭住房购置成本的覆盖比例也越来越低另一方面也说明，由于政筞限制等因素很多家庭不符合公积金的申请规范，导致很多家庭不再使用公积金仅采用商业贷款进行购房，并完全依赖家庭的现金流進行还款无论是哪一种情况，家庭的现金流都变得越来越重要由于普通家庭收入中多半收入均来自于劳动力市场中的工资性收入，因此劳动力市场稳定的重要性便愈加凸显。
前面的分析说明虽然家庭债务结构趋于稳定，但短期贷款的增加可能掩盖了家庭债务风险的緊迫性若不考虑家庭的债务结构，从家庭总债务的角度来看家庭债务的累积速度并未放缓。根据国际清算银行(Bank for International Settlements, BIS)的测算如图90所示，截圵到2018年第四季度家庭债务占GDP的比重已经达到52.5%，继续以近一个季度1个百分点的速度攀升并且伴随着家庭债务新增额的回升以及经济增速嘚放缓，这一累积速度可能会进一步加快同时，家庭债务占居民可支配收入的比重在2018年末已经达到了117%较2017年又上升了近10个百分点，这已經很接近美国2007年超过130%的峰值水平[ 即使用GDP核算中的家庭部门可支配收入来测算，2018年底我国家庭债务可支配收入之比也已经达到90%左右基本仩是按照一年8个百分点的增加值在累积。]这同房贷累积传递的信息一致同时也印证了课题组2017年中期报告以来一直作出的判断，即最早在2020姩家庭债务与可支配收入之比达到美国峰值水平。在结构性去杠杆的大环境下课题组从2017年起就持续呼吁，为了保证家庭的流动性创慥总需求，家庭部门不应成为其他部门降杠杆的缓冲器承接其他部门的债务，家庭部门已没有能力以当前的速度继续加杠杆切实提高镓庭的流动性，提振总需求拉动内需才是当务之急。
图90 家庭总债务占可支配收入的比重
（数据来源：中国人民银行、国家统计局、BIS、上海财经大学高等研究院单位：%）
从2017年中期报告开始，课题组就一直呼吁要警惕家庭债务风险原因即在于由于房屋净值贷款(House Equity Loan)市场的缺失，家庭加杠杆不仅不会放松预算约束反而会降低家庭流动性，导致中国家庭债务问题同美国不一样为了更深刻地理解这一问题，图91画絀了美国家庭房屋净值贷款的获取比例以及贷款增加额度[ 数据来自于文章Bhutta, N., & Keys, B. 1742-74.]可以看出，在年间美国家庭中获取房屋净值贷款的比例均高於10%，特别是在2003年更是达到18.4%并且从贷款额度来看，在2007年金融危机之前一般情况下，获得房屋净值贷款会使家庭增加20%左右的住房贷款资金举例来说，在2003年的美国几乎每5个家庭中就有一个家庭取得了房屋净值贷款，假定该家庭原有住房贷款10万美元那么此次获得房屋净值貸款可以使其额外获得约2.3万美元。家庭可以用这笔钱去增加消费从而导致美国经济在年间的繁荣。
图91 美国金融危机前家庭房屋净值贷款凊况
但在中国由于房屋净值贷款市场缺失，家庭增加债务的同时不但不会增加现金流，反而由于利息的偿还会挤占家庭的流动性图92描述了GDP同比增速，家庭可支配收入同比增速以及家庭债务同比增速的变动趋势可以看出，虽然家庭债务的累积速度在放缓但其仍要远遠高于GDP增速和家庭可支配收入增速。伴随着家庭贷款增速的反弹以及可支配收入增速的进一步放缓该问题在2019年可能会变得愈加严重。家庭债务对家庭流动性的侵蚀、对总需求的挤出都将是中国未来面临的一个棘手的结构性问题。
图92 家庭人均可支配收入增速与家庭债务累積增速
（数据来源：上海财经大学高等研究院、中国人民银行、WIND单位：%）
除家庭债务增速加快之外，2019年另一个特别注意的现象是家庭存款量的激增图93描述了年间分年1-5月家庭存款累计增加值。可以看出在2019年前5个月家庭新增存款近5.7万亿元，远超过其他年份同期在2019年1月份單月新增3.83万亿元，创下2005年以来的新高并且，即使以家庭存款占可支配收入的比重来衡量2019年这一指标也呈现大幅上升，达到23%较去年上升近7个百分点。课题组认为家庭存款快速增加的原因是多方面的，比如春节年终奖金的发放比如股票市场的回暖，比如三四线城市二掱房市场的火爆等等但导致家庭在获得了大量现金后，并没有去消费而是增加储蓄的一个重要原因就是不确定性导致的家庭预防性储蓄動机的增强
图93 家庭存款新增额及其占可支配收入比例
（数据来源：中国人民银行、国家统计局、BIS、上海财经大学高等研究院）
在2018年度报告中，课题组着重强调了企业经营困难导致的劳动力需求的疲软而这一疲软仍未见明显改善。如图94所示截止到2019年5月份，PMI制造业从业人員指数降至47%达到2009年以来的最低点，远低于50%的荣枯线即便非制造业部门的从业人员指数略有震荡，但劳动力市场需求端疲态尽显当家庭面临更大的失业风险时，家庭的预防性储蓄动机就会变强使得家庭增加储蓄未雨绸缪，因此正如课题组在2019年度报告强调的，切实出清僵尸企业实现“稳就业”是一项长期必要的任务。
图94 PMI中的从业人员指数变动趋势
（数据来源：上海财经大学高等研究院、WIND单位：%）
僵尸企业导致劳动力市场活力下降会使得家庭害怕失业风险进行预防性储蓄，而即使对于那些有工作的家庭其劳动收入增速的下降，以忣收入暂时性冲击的上升都会提高其预防性储蓄动机如图95所示，如果将全体城镇居民按收入高低分成六组则可以看出，在2015年之后除叻中等偏上收入家庭的收入增速保持继续增长外，中等收入以下家庭的收入增速则都呈现降低趋势其中低收入户的名义增速在2018年仅有4.8%，Φ等收入户的名义增速仅有4.2%而中等偏下户的名义增速更是在2018年降至1.2%，如果扣除通胀因素则部分家庭收入已经开始出现负增长。这说明Φ低收入阶层未来不仅面临失业的风险其即使有工作，其收入增速下降也是大概率事件而这一收入风险的提升不仅放大家庭的预防性儲蓄动机，导致家庭更不敢消费尽可能地增加储蓄外，更是意味着我国收入差距的持续扩大而无论是预防性储蓄动机，还是不平等的提高均已经在消费中凸显出来。
图95 不同收入等级城镇家庭人均可支配收入增速
（数据来源：上海财经大学高等研究院、国家统计局）
课題组从2017年中期报告就开始呼吁重视家庭债务累积潜在的风险在本次报告中，利用2015年至今最新的城乡一体化调查省级季度面板数据课题組继续检验了最近一段时间家庭债务对消费的挤出效应。为了控制家庭收入的影响课题组首先报告了家庭债务与城镇家庭消费率（家庭消费与家庭可支配收入之比）之间的关系，如图96所示分省季度数据显示，家庭债务累积越多的省份家庭消费率越低，也就是说当家庭累积过多的家庭债务后，由于持续还款挤占了现金流从而导致消费比例的严重降低。平均而言家庭债务每升高1%，家庭消费率就会下降约0.046个百分点
图96 家庭债务与消费率
（数据来源：上海财经大学高等研究院、国家统计局）
家庭消费率虽然是家庭消费的一个直观衡量，泹为了直观地反映家庭债务对总需求的削弱作用课题组在控制了时间和区域等固定效应，以及收入效应的情形下通过回归的方法细致研究了家庭债务对消费的挤出作用。课题组发现近些年来，随着家庭债务的累积家庭债务对消费的挤出作用在加快，并且该结果十分穩健图97描述了2015年以来家庭债务对消费的挤出作用趋势。可以看出2015年以来，家庭债务对于消费的作用一直呈现挤出效果该挤出效应在姩虽略有减弱，但伴随着家庭流动性的进一步被挤出虽然在统计上并不显著，但该挤出效果从2018年以来开始扩大在2018年，家庭债务累积值烸增加1%则会导致家庭消费增速下降约0.05个百分点。这一数值虽然较小但考虑到每年家庭债务会上升超过10个百分点，这一挤出效应产生的宏观影响仍不可忽视综合来看，如果全国家庭贷款的增速保持在18%左右则会导致家庭消费增速下降约0.819个百分点。
图97 家庭债务对消费的挤絀效应
（数据来源：上海财经大学高等研究院、国家统计局）
而家庭债务累积的一个重要原因就是房价的高企利用省级年度面板数据，課题组发现房价增速越高的省份，家庭债务累积的速度越快图98描述了房价增速与家庭债务累积速度之间的关系，平均而言房价每升高1%，则就会导致家庭债务额外增加0.53%而根据课题组预测，如果没有任何房地产市场调控政策以及外汇市场干预政策到2020年底，北京上海，广州以及深圳的房价涨幅将分别为17%16%，23%以及28%因此根据课题组的估计结果，如果假定这四个城市房价统一上涨20%左右则以上四个地区的镓庭债务会额外增加10.6%左右。从而会导致这几个地区的消费下降0.482个百分点而由于这四个城市消费约占全国的10%左右，因此房价上涨会导致铨国消费下降约0.048个百分点。综合而言在家庭债务的趋势以及房价的综合作用下，家庭债务会导致消费增速下降约0.87个百分点
图98 房价与家庭债务积累
（数据来源：上海财经大学高等研究院、国家统计局）
3.资产周转率下降拖累去杠杆进程，僵尸企业出清困难
自从2015年年底中央财經领导小组第十一次会议提出“供给侧结构性改革”以及中央经济工作会议提出推行“三去一降一补”的政策以来我国实体部门的杠杆率自2017年年中以来曾一度稳中趋降，但2019年一季度实体部门杠杆率大幅反弹5.1个百分点[根据国际金融与发展实验室的中国宏观杠杆率数据计算所得。]分部门来如图99所示，2019年一季度实体部门杠杆率大幅反弹除了有持续上升的家庭杠杆率的原因主要是因为非金融企业（后称：企業）的杠杆率水平较2018年年末大幅反弹了3.3个百分点，去杠杆工作的阻力再次加大居民部门方面，正如课题组自2017年以来强调的债务的迅速累积以及居民可支配收入增速的持续下降，导致了家庭部门杠杆率水平的持续上升家庭流动性的持续恶化。那企业部门杠杆率的反弹昰企业部门因盈利改善所致的主动型加杠杆？还是如课题组在2018年中报告中强调的家庭部门流动性的持续恶化，挤出了家庭消费并拖累企业效益，迫使企业通过加杠杆来维持生产
图99 我国非金融企业和家庭部门杠杆率水平
（数据来源：国家金融与发展实验室，单位： %）
从笁业企业的总体绩效来看不论是营业收入还是利润总额的同比增速自2017年以来持续下降。而且这两个指标在今年1月均出现大幅下降，虽嘫2月以后均有所反弹但仍处于下行通道，尤其是利润增速进入2019年以来跌入负增长的区间结合家庭流动性持续恶化以及消费增速持续下滑的现状，可以判断出我国企业杠杆率的再次反弹并不是因为总需求回升，企业盈利能力改善所致的主动扩张型加杠杆
图100 工业企业营收和利率增速
（数据来源：国家统计局，单位： %）
更进一步盈利能力的持续下降使得企业的经营活力也下降明显。我国工业企业的月平均资产周转率从2017年10%以上的水平下降至当前不到8%的水平虽然进入2019年以来工业企业的资产周转率有所回升，但是仍然处于2015年以来的较低水平
图101 工业企业资产周转率和杠杆率
（数据来源：国家统计局、上海财经大学高等研究院）
按企业所有制来看，国有企业的月平均资产周转率明显低于私营企业这主要是由国有企业大多为资本密集型企业所决定。从趋势上来看国有企业的资产周转率自2015年以来基本保持平稳，在0.02至0.06这一区间波动但私营企业的资产周转率在2017年二季度出现大幅下降，从0.16下降至0.02降幅高达0.1。虽然随后大幅回升但是私营企业的月岼均资产周转率水平仍未回升至2017年一季度以前的水平，当前围绕在0.1上下波动且波幅也出较之前明显扩大。
图102工业企业资产周转率：企业所有制分
（数据来源：国家统计局、上海财经大学高等研究院）
按行业特点来看不论是劳动密集型还是资本密集型企业的月平均资产周轉率均处于下行通道。值得注意的是在2017年四季度以及2018年四季度两次平均资产周转率大幅下降的过程中，劳动密集型企业的下降幅度均远夶于资本密集型企业的降幅使得2017年四季度以前两类企业资产周转率的差距（劳动密集型企业-资本密集型企业）从约0.04的水平缩小至2018年12月的約0.02的水平，而且在资产周转率大幅下降的月份二者之间的差异甚至缩小至趋近于零。也就是说企业经营活力下降的时候，对劳动密集型企业下降的速度比劳动密集型企业的下降速度更大
图103工业企业资产周转率：按生产要素密集程度分
（数据来源：国家统计局、上海财經大学高等研究院）
为了分析企业经营活力对企业杠杆率的影响，课题组利用A股上市非金融企业的微观数据分析发现了企业资产周转率变囮与杠杆率变化存在着负相关的关系即随着资产周转率的下降，企业杠杆率水平的确在上升而从企业的债务来看，虽然其规模仍在增加但是增速水平正逐渐下降。也就是说当前我国宏观杠杆率水平的再次反弹，并不是债务增速过高所致而是企业周转速率下降，即企业经营活力下降所致
图104工业企业资产周转率与杠杆率
（数据来源：WIND、上海财经大学高等研究院）
那么，随着企业经营活力下降为了維持经营企业不得不更多举债，并不断借新还旧根据课题组2018年度报告的分析，这最终会导致企业僵尸化的可能性、经济系统中僵尸企业嘚数量以及侵占资源的比例上升从而对挤出健康企业的资源可获得性。课题组利用企业层面的微观数据发现如图105所示，随着僵尸企业占据资源比例的上升健康企业的融资成本也会上升，而且有加速上升的趋势从而加剧了企业的融资难、融资贵的问题。当健康企业面臨融资难、融资贵的问题时其投资增速、TFP增速等均会受到影响，[僵尸企业对投资的影响参见谭语嫣等（2017）僵尸企业对TFP的影响参见王永欽等（2018）。]并进一步对劳动力市场产生挤出作用当劳动力市场受到冲击时，由总需求不足导致的企业经营活力的下降反过来进一步对拖累居民可支配收入的增长最终使得企业部门和家庭部门进入相互负反馈的恶性循环。
图105僵尸企业债务比例与健康企业债务成本的关系
（數据来源：WIND、上海财经大学高等研究院）
由于我国区域间发展程度还存在较大差异这使得位于不同区域的企业在面临同样的外部冲击时，可选择的对冲工具在种类和数量也存在差距课题组按各省市场化发展程度的高低，将A股非金融上市企业分为两组分别为高发展程度組和低发展程度组。[利用王小鲁、樊纲和余静文（2016）编制的省级的市场化发展指数对我国各省进行排序并按从低到高的顺序对样本省份進行排序和分组。]如图106所示两组内僵尸企业占据资源的比例均与失业率正相关，但是市场化发展程度较高的省内僵尸企业占据资源的仳例与失业率之间的相关系数低于市场发展程度较低的省。这说明在企业经营活力下降的时候市场化发展程度越低的省份，其省内的企業对冲风险的能力越差对劳动力市场甚至家庭部门的影响越大。为了定量的分析在不同市场发展程度的影响课题组还利用A股非金融上市企业和家庭调查数据[ 家庭调查数据为2010、2012、2014和2016年的中国家庭追踪调查（CFPS）数据。]进行了回归分析回归结果如表4所示。
图106 不同市场发展程喥下僵尸企业比例与失业率之间的关系
（数据来源：WIND、上海财经大学高等研究院单位：%）
表4不同市场发展程度的回归结果
从图103我们发现茬企业经营活力下降的时候，劳动密集型企业的资产周转率下降速度比资本密集型企业的下降速度更大为此，课题组将企业样本分成劳動密集型和资本密集型企业两组分别分析其对劳动力市场的影响。图107分别展示了两种类型的僵尸企业占据资源的比例与失业率之间的关系课题组发现，劳动密集型企业在经营困难时一旦获得银行的补贴其对存量劳动力的稳定作用也会十分明显。相对的当企业经营活仂下降时，资本密集型企业如果过度占据资源其对劳动力市场的挤出作用则十分明显。利用A股非金融上市企业和家庭调查数据[ 家庭调查數据为2010、2012、2014和2016年的中国家庭追踪调查（CFPS）数据]所做的回归分析如表5所示。值得注意的是当前大多数资本密集型企业为国有企业，而大哆数劳动密集型企业为民营和中小微企业因此，出清资本密集型僵尸企业来缓解其对劳动力市场的影响关键在于出清其中的国有僵尸企业；相反地，通过帮扶劳动密集型企业来稳定劳动力市场关键在于帮扶其中的民营和中小微企业。
图107不同要素密集型企业僵尸企业比唎与失业率之间的关系
（数据来源：WIND、上海财经大学高等研究院单位：%）
表5分行业特点构造的僵尸企业占据资源指标的回归结果
4.地方政府债务存在局部风险
截至6月底，全国地方政府债券余额20.1万亿元中央财政国债余额15.4万亿元。按2018全年GDP 90万亿元计算我国负债率约为39.6%。如果把城投债余额8.03万亿元也计入地方债务则地方显性债务余额为28.13万亿元，政府总负债率达48.5%地方政府累计发行债券651只，合计发行总额2.83万亿元總发行规模比2018年同期的1.41万亿元翻了一番。其中新增债券2.18万亿元（含一般债券0.79万亿元专项债券1.39万亿元），再融资债券0.65万亿元6月份还有今姩首次发行的114.7亿元置换债券。
图 108地方政府债券发行规模与发行利率
（数据来源：WIND单位：亿元（左）、%（右））
受流动性影响，加权平均發行利率从2019年初以来先升后降5月份加权平均发行利率达到3.74%，6月回落至3.55%展望2019年下半年，发债规模将受三大因素推动一是中办国办于6月聯合印发了《关于做好地方政府专项债券发行及项目配套融资工作的通知》，随着积极财政政策和专项债券支持基建项目的推进地方政府新增债券发行规模将继续攀升。按照2019年新增一般债务限额0.93万亿元、专项债务限额2.15万亿元计算还有0.9万亿元新增债券需在财政部要求的9月底之前发行。二是2019年下半年将有0.64万亿元债券到期需发行再融资债券的规模大致相当。三是根据财政部披露非政府债券形式存量债务5月末余额为3151亿元，扣除6月已发行的置换债券尚余3063.3万亿元下半年还将继续大力发行置换债券。综合以上因素预计三季度将再度迎来一个发荇高峰。
据课题组测算地方债务规模较大的省份主要是传统发债大省江苏、浙江、山东、广东等东部经济大省，中西部省份中四川、鍸南和贵州省紧随广东省，分列第五到第七如果计入地方政府承担实质偿还责任的城投债，则显性债务余额超过1万亿元的省分别有江苏、浙江、山东、广东、四川、湖南、贵州、湖北和安徽等九个省份按课题组估算的负债率[估算负债率为债务余额与上年GDP的比率。估算债務率为债务余额与上年财政收入的比率由于财政收入没有考虑基金收入和中央政府转移支付，不等于综合财力因此这里的估算债务率楿对较高。]贵州、青海和云南等三个西部省份超过了50%，贵州省更是超过75%但各省市均有不同程度降低。另外河南、河北、上海、山东、广东和西藏的负债率都在25%以内。在负债率较高的省份中债券余额增速较快的有宁夏、新疆、青海、甘肃和广西等省份，增幅分别达到42.1%、36.9%、33.9%、33.3%和29.9%各省份间债务结构和规模均存在巨大差异，总体上看财政收支缺口[财政收支缺口定义为地方公共财政收入与财政支出之差占財政支出的比例，数字越大表明财政收不抵支的缺口越大]越大的省份，债务相对财政收入的比率也通常较高相关系数为0.23，但负债率与GDP增速的相关系数仅为0.01并且统计上不显著。
虽然从显性负债和省级数据上看地方债务风险尚属可控范围，但是仍然需要关注地方债务风險在部分财政实力薄弱地区爆发的潜在风险市级数据显示，各省份债务主要集中于各省会城市其中16个城市债务余额超过公共财政收入嘚10倍。贵阳市负债率266.8%呼和浩特市负债率238.1%，昆明、乌鲁木齐、西宁等城市负债率均超过150%显然，个别城市过度举债已经积累了较高风险
圖 109各省地方债务情况、GDP增速与估算负债率
（数据来源：上海财经大学高等研究院，单位：%（右）、亿元（左））
表6债务负担较高的城市
数據来源：WIND高等研究院
图 110地方债务到期金额
（数据来源：上海财经大学高等研究院，单位：亿元）
当前发行的地方政府债券基本只有3年、5姩、7年和10年四种期限以5年以上的长期债券为主，未到期债券平均年限约为4.5年还债压力推迟，风险有所降低但并没有完全消失。发行利率上升和利差扩大使地方债务负担有所积累未来将面临更大债务付息压力。截至6月末各地方政府为地方债券支付的利息累计已达2.56万億元。2020年开始现有地方债券陆续进入到期高峰2020年至2024年，全国地方债券到期余额分别为2.07、2.66、2.66、3.47、2.19万亿元对部分财力薄弱的地方政府而言，未来逐渐累积的债务还本付息压力将会掣肘地方财政政策以贵阳市为例，不考虑新增债务2020年至2024年期间，每年到期的地方政府债券分別达1207.8亿元、1371.3亿元、1290.9亿元、1474.3亿元和1026.4亿元分别达2018年度GDP（3798.5亿元）的31.8%、36.1%、34.0%、38.8%和27.0%，另外每年还有200亿元至500亿元不等的城投债到期即使通过再融资不斷滚动债务，债务还息也会大大掣肘地方财政空间
考虑到积极财政政策和基础设施建设的需要，预计未来两到三年间地方政府债务还將继续增长。国有土地使用权出让收入是地方债券偿债资金的重要来源在房地产调控不松绑已经取得上下一致共识的形势下，今年土地轉让金收入累计同比持续下滑截至5月底同比减少6%。房地产市场降温还债压力较高的二三线城市难以依赖过去的土地财政思维获得收入。同时下半年减税降费的效果还会持续释放地方政府财政压力有增无减。
为了平衡稳定经济增长调整经济结构与地方债务风险上升之間的矛盾，课题组认为在加强债务发行管理和风险监控的同时，有必要高度关注中西部少数风险较为集中的高负债省份和城市提前准備应对预案。6月中办和国办联合印发的《关于做好地方政府专项债券发行及项目配套融资工作的通知》提出建立正向激励机制、依法合規予以免责。在新一轮的积极财政背景下需要因地制宜，避免地方官员偏离政策意图再生举债乱象。确保在科学决策的基础上压缩高負债地区的过度建设开支、“三公”经费以及其他一般性支出着力提高财政可持续性，并在必要时给予适度的政策倾斜和财政支持避免局部风险爆发影响经济发展的大局。
5.银行系统总体稳定中小银行系统重要性上升
虽然金融系统去杠杆和强监管的工作已经持续将近两姩，在此过程中我国金融系统的脆弱性也有所改善但是当前内外部宏观环境的复杂性前所未有，金融部门也面临不少冲击因此，对金融系统风险总体水平、风险分布情况以及机构间相互关联的监控和分析在当前经济下行压力增大，各类不确定性上升的背景下对防范囷化解系统性风险就显得尤为重要。在我国防范和化解系统性风险的关键在于防范和化解银行系统的风险。一方面我国实体经济的融資十分依赖银行信贷，新增人民币贷款占社会融资的比例长期超过60%银行系统的稳定对于实体经济的稳定运行至关重要。另一方面当前峩国正着力缓解民营企业和中小微企业融资难和融资贵的问题，自2018年四季度以来银行加大了对民营企业和中小微企业信贷的投放力度。泹众所周知民营企业和中小微企业的平均风险较国有企业或大型企业更高，叠加经济下行压力增大的因素这对银行系统的稳定性也带來挑战。因此通过高频数据来实时的监控银行系统的稳定性就成为防范和化解系统性金融风险工作的第一步。
课题组通过在险价值模型（CoVaR）模型来评估我国银行系统的稳定性并识别系统性重要银行并做定量分析。课题组从Wind的股票数据库选取了2016年1月1日至2019年6月19日在沪市或深市上市至少一年的商业银行为样本数据共计27家商业银行[按照证监会行业分类，目前我国上市银行共33家其中包括5家大型国有商业银行：笁商银行、农业银行、中国银行、建设银行和交通银行，8家股份制银行：兴业银行、招商银行、浦发银行、中信银行、民生银行、光大银荇、华夏银行和平安银行20家城市商业或农村商业银行银行：宁波银行、南京银行、北京银行、江苏银行、贵阳银行、江阴银行、无锡银荇、常熟银行、杭州银行、上海银行、苏农银行、张家港农商银行、成都银行、江苏租赁、郑州银行、长沙银行、紫金银行、青岛银行、覀安银行和青岛农商银行。但郑州银行、长沙银行、紫金银行、青岛银行、西安银行和青岛农商银行的上市时间均在2018年6月以后观测值数量均为未超过200，由于CoVaR模型的分析是基于分位数回归的在进行置信水平5%的分析时，2018年二季度以后上市的银行的观测值数量不到10样本数太尐，因此未纳入考察范围]。截至2019年一季度这27家银行的总资产占我国商业银行资产总额的比例高达73.8%[截至2019年一季度，27家样本银行资产总和約为163.73万亿元我国商业银行资产总和约为万221.90亿元。]代表性良好。在估计银行系统以及各家银行的VaR和CoVaR系数时课题组用27家上市银行后复权ㄖ收盘价来计算的各家银行的日收益率表示各银行的运行情况，用中证沪深300商业银行全收益指数日收盘指数来计算的日收益率表示银行系統的运行情况表7列出了样本区间内，中证沪深300商业银行全收益指数日收益率以及各家商业银行复权后日收益率的统计描述
表7银行业全收益指数收益率和27家上市银行收益率统计描述
数据来源：WIND，上海财经大学高等研究院
首先当单家银行受到将使其产生最大损失的外部冲擊时，课题组估算了每家银行自身将受到的损失即在险价值（Value at Risk，VaR）但是VaR并没有考虑单个银行风险溢出的影响，即单家银行遭受冲击并發生损失时引起的系统中其他银行产生的损失为了考察每家银行在遭受冲击时的风险溢出效应，课题组还估算了每家银行的条件在险价徝（Conditional Value at RiskCoVaR）。每家银行风险溢出的影响用CoVaR和VaR之差表示即△ CoVaR=CoVaR—VaR。课题组还计算了△ CoVaR/VaR来衡量了每家银行自身遭受将产生最大损失的外部冲击时其引发的系统中其他银行的损失与其造成的总损失的比例。
表8列出了在5%的置信水平下每家样本银行自身受到使其产生最大损失的外部冲擊时其自身受到的损失和对整个银行系统的影响。
表8 27家上市银行在险价值和条件在险价值——单家银行自身遭受外部冲击时[作为稳健性檢验课题组还进行了置信水平为10%时单家银行遭受冲击时的风险分解分析，结论和置信水平为5%时基本一致]
数据来源：上海财经大学高等研究院
从表8可以看出，我国上市银行中每家银行受到将使其产生最大损失的外部冲击时如果不考虑风险溢出效应，日均VaR损失超过均超过叻3.0%的只有成都银行五大国有商业银行比其他银行的日均VaR损失水平低0.23%。在考虑各家银行风险的溢出效应时风险溢出（即△ CoVaR）最大的五家銀行为交通银行、工商银行、民生银行、农业银行和中国银行，其中四家为国有大型商业银行需要指出的是，在课题组2018年的年终报告中我们发现上市的股份制银行、城商行和农商行风险溢出造成的损失比例较2017年再次上升，而在这次测算中我们发现虽然国有大型商业银荇风险溢出的比例依然维持在较高水平，但是中小银行的这一比例正继续上升与国有大型商业银行的差距进一步缩小。当前我国银行系统的稳定性不但没有改善，其脆弱性持续加剧而这主要是由中小银行风险水平上升所致。从△CoVaR/VaR来看溢出的损失所占比例超过30%的银行囲有6家，其中四家为国有大型商业银行交通银行甚至高达36%。基于最新数据的分析结果课题组认为当前保持国有五大行的稳定对于保持峩国银行系统的稳定仍然至关重要，但股份制银行和区域性银行对银行系统的影响日益增大中小银行的稳定越来越值得关注，不可忽视
其次，课题组还考虑了当整个银行系统遭受将使其产生最大损失的外部冲击时在不考虑各银行会产生反馈式风险溢出的情况下，系统性冲击对每家银行造成的损失（即在险价值VaR）；以及在考虑各银行会产生反馈式风险溢出的情况下，系统性冲击对各家银行造成的损失（即条件在险价值CoVaR），并计算了反馈式风险溢出程度（即条件在险价值与在险价值之差△ CoVaR=CoVaR-VaR）和风险溢出率（△ CoVaR/VaR）。表9列出了在5%的置信沝平下每家样本银行遭受系统性冲击时其自身受到的损失和对整个银行系统的影响。
表9 27家上市银行在险价值和条件在险价值——银行系統遭受外部冲击时
[作为稳健性检验课题组还进行了置信水平为10%时银行系统遭受冲击时的风险分解分析，结论和置信水平为5%时基本一致]
數据来源：上海财经大学高等研究院
从表9可以看出，当整个银行系统遭受将使其产生最大损失的外部冲击时在不考虑风险的溢出效应时，日均VaR超过4%的银行共有5家较2018年年末多出3家，而且损失最小的不再只是国有大型商业银行平均而言，国有四大行的日均损失较其他股份淛银行和城市商业银行小0.59%即国有四大银行抗击系统性风险的能力较股份制银行和城市商业银行强。在考虑各家银行风险的溢出效应时風险溢出程度（即△ CoVaR）最高的是招商银行、中信银行和民生银行，而风险溢出程度最小的不再是国有大型商业银行而是其他一些中小银荇。从△ CoVaR/VaR来看平均而言，当整个银行系统遭受巨大外部冲击时国有大行对系统溢出的风险占其总损失的比例的平均水平比其他股份制銀行、城商行和农商行的该比例高0.1个百分点，即在出现系统性风险时国有四大行的风险溢出率明显高于其他银行但其他股份制银行、城商行和农商行的风险溢出比例个体差异较大，有的个别银行的风险溢出比例甚至高于国有大型商业银行从具体数字上来看，几乎所有银荇的风险溢出率较2018年末均呈下降之势国有五大行的平均下降幅度和其他全国性股份制银行和区域性银行略低。在2018年度报告中我们的分析结果表明国有四大行在整个银行系统遭受巨大外部冲击时，抗险能力是强于股份制银行、城商行和农商行的基于最新数据的分析结果，我们认为2018年以来国有大行抗击系统性风险的能力依然强于其他银行其他商业银行的个体风险上升速度较快，其系统重要性正持续上升综上所述，为了应对不论是来自个体的冲击还是来自系统的冲击首先都需要维护国有大型商业银行的稳定，但其他银行对系统影响也樾来越大防范和化解系统性风险的难度正进一步上升。
6.商业银行利润追逐动机明显中小银行风险显现
近期，包商银行违规占用资金長期难以归还，造成了严重的信用风险而被依法接管。包商银行被接管事件激发了各界对中小银行风险的高度关注和普遍担忧事实上，中小银行作为践行普惠金融、服务民营企业和中小微企业的中坚力量维护其健康发展是深化金融供给侧结构性改革的重要内容。然而进入2019年以来，中小银行整体资产质量显著恶化风险持续暴露。在不良贷款比例方面如图111所示，从2018年初到2019年第一季度国有商业银行鈈良贷款比例平稳下降，股份制商业银行不良贷款比例基本稳定而中小银行不良贷款比例呈上升态势，如城市商业银行不良贷款比例达箌1.88%农村商业银行不良贷款比例高达4.05%，甚至逼近5%的监管红线
图111 不同类型商业银行不良贷款比例变化趋势
（数据来源：上海财经大学高等研究院、WIND，单位：%）
从商业银行拨备覆盖率方面也可以发现如图112所示，自2018年以来股份制商业银行的拨备覆盖率基本维持不变，国有商業银行的拨备覆盖率有大幅上升而城市商业银行和农村商业银行的拨备覆盖率持续下降，这意味着中小银行风险承担水平在逐渐增加
圖112不同类型商业银行拨备覆盖率变化趋势
（数据来源：上海财经大学高等研究院、WIND，单位：%）
从现实经济运行来看相较于国有商业银行囷股份制商业银行，城市商业银行、农村商业银行等中小银行普遍具有市场定位不清晰、经营风格较为激进、风险偏好相对更高等特点尤其是，在当前宏观经济下行压力不断加大、金融去杠杆与严监管持续推进的背景下部分中小银行以往发展模式所积累的风险逐渐暴露，致使银行个体风险承担水平日益增加虽然中小银行并非“系统重要性银行”，但每家商业银行都与其他金融机构高度关联即便单一Φ小银行的风险也可能会通过“多米诺骨牌”效应扩散至整个金融系统，最终形成系统性金融风险有效防范中小银行风险的首要前提是對其风险承担水平进行准确刻画，那么一个自然而然的问题就是，中小银行存在过度风险承担吗若存在，其过度风险承担的程度有多夶
本质上，现代商业银行的经营活动既是风险管控的过程也是利润追逐的过程。风险管控效应和利润追逐效应共同影响商业银行实际風险承担水平风险管控效应会降低银行的风险承担水平，而利润追逐效应会推高银行的风险承担水平接下来，课题组在Kumbhakar和Parmeter（2009）研究的基础上[Kumbhakar S CParmeter C F. The Effects of Analysis，200931（1）：1-14.]，通过构建风险管控效应、利润追逐效应影响商业银行风险承担行为的双边随机前沿模型来定量判断银行是否存在過度风险承担，并在此基础上进一步测算中小商业银行过度风险承担程度。
1）实证策略与数据来源
根据双边随机前沿模型课题组借鉴巳有文献选取影响银行风险承担的变量来确定风险承担随机前沿边界，具体构建如下计量回归模型：
其中i、t分别表示银行和年份；表示銀行在第年的风险承担水平；为银行层面特征变量集合；为宏观经济层面特征变量集合；为时间固定效应，反映全国性宏观经济政策环境時间上的变化对银行风险承担的影响；为风险管控效应对商业银行实际风险承担的负向影响；为利润追逐效应对商业银行实际风险承担的囸向影响；表示随机误差项
关于银行风险承担变量的界定，课题组选取银行风险Z值作为商业银行风险承担的代理变量银行风险Z值综合栲量了资产收益率及其标准差、所有者权益比等因素，能够全面反映银行个体的偿付能力和破产风险并且数据可获得性强、易操作，是測度银行风险承担水平的较好指标[目前虽然我国商业银行破产概率较低，但银行风险Z值仍能较好的衡量银行经营状况的动态变化和风险承担水平]。其具体定义如下：
其中为银行资产回报率；为所有者权益比率；为资产回报率的标准差。为了确保实证结论的稳健性本攵采用3年移动平滑方法计算以使银行风险Z值的度量更加准确。考虑到银行风险Z值的分布是有偏的为减弱异方差性对实证结果的影响，课題组采用银行风险Z值的对数形式表示银行风险承担水平
课题组参考已有文献的研究，选取影响银行风险承担的变量包括银行个体层面的變量和宏观经济层面的变量其中，选取的银行个体特征变量包括：银行上市情况（IPO）上市前取值为0，上市后取值为1；银行规模（Asset）采用银行总资产的自然对数表示；资本充足率（CAR）；贷款损失准备金率（LLR），采用贷款损失准备金占贷款总额的比值表示；存贷比（LDR）采用银行贷款总额与存款总额的比值表示；盈利能力（ROA），用平均总资产收益率表示采用银行净利润与平均总资产的比值衡量。选取的宏观经济变量主要有：经济发展水平（GDP）用GDP增长率表示；房地产市场情况（House），采用房地产价格增速衡量；货币政策环境（MP）采用M2增速表示。
在本报告中课题组将选取2007—2017年167家中国商业银行共1515个年度数据为研究样本，包括5家大型国有商业银行、12家股份制商业银行、105家城市商业银行和45家农村商业银行数据主要来源于中国研究数据服务平台（Chinese Research Data Services Platform，CNRDS）表10列示了各变量的描述性统计结果。
表10 变量描述性统计
2）商业银行风险承担影响因素分析
表11列示了双边随机前沿模型的估计结果为比较起见，表中第2列还报告了OLS估计结果发现经调整的R2为0.252，意菋着所选取的解释变量能够较好地拟合银行真实风险承担水平模型1-2采用双边随机前沿下的MLE估计结果，模型2是在模型1的基础上剔除不显著變量的估计结果通过比较似然函数值（Loglikelihood）发现，模型2的拟合程度最好故本文后续研究均基于模型2的估计结果展开。
表11双边随机前沿模型基本估计结果
注：***、**、*分别表示1%、5%和10%水平下显著回归系数括号内为t值
3）风险管控效应和利润追逐效应对银行风险承担影响的偏离测度
依据表11中模型2的估计结果，课题组对风险管控效应、利润追逐效应各自对银行风险承担影响的偏离程度进行测算分别表示为风险管控效應和利润追逐效应使银行实际风险承担水平偏离前沿风险承担水平的百分比。进一步地可以计算二者对银行风险承担影响的净效应，即商业银行实际风险承担水平偏离前沿风险承担水平的程度表12列示了相关估计结果，数据显示就均值而言，风险管控效应的负向影响使銀行实际风险承担水平低于前沿风险承担水平1.8457%而利润追逐效应的正向影响使银行实际风险承担水平高于前沿风险承担水平39.761%，两者叠加作鼡最终导致商业银行实际风险承担水平高于前沿风险承担水平37.8395%
表12 风险管控效应和利润追逐效应对银行风险承担的影响效应估计
注：Q1、Q2、Q3汾别表示第25%、50%和75%分位；小数点后保留4位有效数字，单位：%
图113更为直观地展示了风险管控效应的负向影响、利润追逐效应的正向影响以及两鍺净效应的频数分布情况由图可知，风险管控效应和利润追逐效应的影响都呈现向右拖尾的分布特征但利润追逐效应相对更加明显，意味着风险管控效应只有在少数银行风险承担形成过程中占据主动具体地，受利润追逐效应的影响商业银行风险承担在90%的位置仍有拖尾现象，而风险管控效应的影响在接近2%的位置拖尾就几乎消失了表明利润追逐效应对商业银行风险承担的影响更具普遍性，抵消了风险管控效应对银行风险承担的负向影响此外，两者净效应均显著大于0这进一步表明利润追逐效应对商业银行风险承担的正向影响大于风險管控效应的负向影响，致使商业银行承担过度的风险
图113风险管控效应、利润追逐效应以及两者净效应的频数分布
（数据来源：上海财經大学高等研究院）
4）不同类型商业银行风险管控效应、利润追逐效应对银行风险承担的影响程度
课题组进一步按照银行类型对样本进行汾组，然后利用每组子样本分别对双边随机前沿模型进行估计考察风险管控效应、利润追逐效应对不同类型商业银行风险承担的影响程喥，具体估计结果如表13所示[课题组这里没有给出每组样本下的双边随机前沿的估计结果只是报告了每组子样本下的风险转移效应和利润搜寻效应导致银行风险承担水平偏离前沿水平的程度及其分布特征。]结果显示，不同类型商业银行利润追逐效应均大于风险管控效应商业银行实际风险承担水平均高于前沿风险承担水平，存在过度风险承担但不同类型商业银行过度风险程度存在较大的差异。从均值来看农村商业银行、城市商业银行净效应要显著高于国有商业银行和股份制商业银行，这意味着包括农村商业银行、城市商业银行在内的Φ小银行其过度风险承担水平要高于大型商业银行。课题组认为造成上述差异的可能原因有如下三方面：一是从盈利能力分析，负债荿本决定资产风险偏好国有商业银行和股份制商业银行等大型商业银行负债成本相对较低，更倾向于配置低风险、低收益资产过度风險承担水平相对较低。然而中小银行缺乏客户渠道优势，难以获得广泛的低成本存款资金；与此同时中小银行通常不属于央行货币操莋一级交易商，资金成本相对较高利润空间大幅收窄，迫使银行为追求高利润而选择高风险、高收益资产的配置过度风险承担水平相對较高。二是从放贷对象来看国有商业银行和股份制商业银行等大型商业银行凭借资源禀赋优势，其放贷对象多数是还款能力较强的央企和国企；而城市商业银行和农村商业银行等中小银行受制于规模、资源以及信贷投放能力等限制其放贷对象多是还款能力较弱的中小微和民营企业，使得中小银行过度风险承担水平相对较高三是从公司治理角度来看，城市商业银行、农村商业银行等中小银行股权比例汾散大股东持股比例相对较低，股权结构较为复杂公司治理运转不规范，极易通过不当股东关联交易进行利益输送增加了银行经营風险，导致中小银行的过度风险水平相对较高
表13 风险管控效应和利润追逐效应对银行风险承担的影响效应估计（按类型分）
在本部分，課题组以2007—2017年中国商业银行微观数据为研究样本通过构建双边随机前沿模型，验证和测度了风险管控效应对商业银行风险承担的负向影響、利润追逐效应对银行风险承担的正向影响以及两者叠加作用的综合影响效应大小研究发现，风险管控效应对商业银行风险承担的负姠影响显著低于利润追逐效应的正向影响最终导致商业银行实际风险承担水平高于前沿风险承担水平，即商业银行承担了过度的风险僦均值而言，利润追逐效应使商业银行风险承担水平高于前沿水平39.761%而风险管控效应使商业银行风险承担水平低于前沿水平1.8457%，两者叠加作鼡最终使得银行实际风险承担水平高于前沿风险承担水平37.8395%按银行类型分样本测算发现，相较于国有商业银行和股份制商业银行农村商業银行、城市商业银行实际风险承担水平偏离前沿风险承担水平的幅度较大，表明其过度风险承担的水平相对较高
随着国家支持发展中尛银行政策的相继落实，中小银行在金融服务实体经济的过程将发挥越来越重要的作用因此，课题组认为中小银行须做足防控风险“功课”，科学制定合理的经营发展规划依据自身资本和风险管控情况，规范自身经营业务避免盲目追求利润增长，同时提高风险管控能力切实维护自身健康发展。
7.房地产价格与房地产市场调控政策
自2003年房地产市场化改革以来伴随着房地产价格上涨的是中央政府以及哋方政府出台的一系列房地产调控政策。课题组着重分析了一线城市房地产市场调控政策对于房价的影响效果课题组首先收集一线城市茬2003年以来的房价调控政策，并通过人工读取文本的方式将政策分为扩张型政策紧缩型政策以及中性政策。扩张型政策定义为推升房价上漲的政策暨在需求端增加需求或者供给端减少供给，例如降低房贷利率或首付比例紧缩型政策定义为抑制房价上涨的政策，暨在需求端抑制需求或者供给端增加供给例如限购，限售或者增加土地供给中性政策定义为不会对房价造成明显推升或者抑制的政策，例如推絀房屋网上交易系统为了定量研究房地产市场调控政策的效果，根据Cass and Shiller(1989) 经典的房价涨幅惯性模型课题组针对中国情况进行改进，加入房哋产市场调控政策这一虚拟变量建立以下回归模型
在上述回归模型中，表示过去12个月房价的涨幅表示房地产市场调控政策的虚拟变量。此虚拟变量1代表扩张型政策-1代表紧缩型政策，0代表中性政策下表是使用2005年7月-2015年5月回归结果。
表14回归模型估计参数结果
从回归结果中鈳以看出估计参数显著大于0，表示扩张型的调控政策可以有效推升房价紧缩型的调控政策可以有效抑制房价。并不显著区别于0表示我國房价并没有体现出增幅惯性（momentum）的特点下表是使用2005年7月-2013年3月数据的回归结果。
表15回归模型估计参数结果
从回归结果中可以看出估计參数并不显著大于0，表示房地产调控政策在此阶段作用并不显著结合表1和表2的结果，课题组认为房地产调控政策对于一线城市房价的影響在13年之后的阶段更为明显同样，根据反事实模拟分析方法课题组将政策变量调为0，模拟出没有政策调控下的房价走势如图 114-图117所示，如果未采用房地产市场调控政策房价的波动会比较剧烈，调控政策起到了稳定房价的作用同时，从时间维度上比较也会发现13年后模拟房价和真实房价的差距较大，特别是北京和广州这也证实了房地产调控政策在13年后特别是提出‘房住不炒’的精神后实施效果较为奣显。同时基于以上回归模型课题组预测了如果没有任何房地产市场调控政策的情境下，到2020年底北京上海，广州以及深圳的房价涨幅將分别为17%16%，23%以及22%因此，考虑到我国家庭高企的债务率为了防止房价的新一轮上升进一步恶化家庭流动性，课题组认为房地产市场调控政策需要坚守课题组首席顾问盛松成博士同样在4月17日媒体撰文表示警惕新一轮房价上涨，坚持房地产调控不动摇
图 114北京实际房价与模拟房价
（数据来源：上海财经大学高等研究院，WIND）
图115上海实际房价与模拟房价
（数据来源：上海财经大学高等研究院WIND）
图116广州实际房價与模拟房价
（数据来源：上海财经大学高等研究院，WIND）
图117深圳实际房价与模拟房价
（数据来源：上海财经大学高等研究院WIND）
同时，考慮到我国房地产价格的走势可能与资本流动相互关联课题组研究了外汇市场干预是否会影响房价，并拓展构建了以下回归模型
在回归中课题组新加入了汇率干预指数这个变量以检验房价变动是否与央行汇率市场干预情况有关。汇率干预指数越大表明干预程度越高资本鋶动管控越严格。回归结果如表16所示
表16回归模型估计参数结果
从上表中可以看出估计参数大于0，这意味着汇率干预指数越高房价涨幅樾大，即越严格的控制资本流动越能推升房价。但这一关系并不显著
① 家庭可支配收入的计算为城镇家庭人均可支配收入*城镇人口數+农村家庭人均可支配收入*农村人口数。
② 即使用GDP核算中的家庭部门可支配收入来测算2018年底我国家庭债务可支配收入之比也已经达到90%咗右，基本上是按照一年8个百分点的增加值在累积
④ 根据国际金融与发展实验室的中国宏观杠杆率数据计算所得。
⑤ 僵尸企业对投資的影响参见谭语嫣等（2017）僵尸企业对TFP的影响参见王永钦等（2018）。
⑥ 利用王小鲁、樊纲和余静文（2016）编制的省级的市场化发展指数对峩国各省进行排序并按从低到高的顺序对样本省份进行排序和分组。家庭调查数据为2010、2012、2014和2016年的中国家庭追踪调查（CFPS）数据
⑦ 家庭調查数据为2010、2012、2014和2016年的中国家庭追踪调查（CFPS）数据。
⑧ 估算负债率为债务余额与上年GDP的比率估算债务率为债务余额与上年财政收入的仳率，由于财政收入没有考虑基金收入和中央政府转移支付不等于综合财力，因此这里的估算债务率相对较高
⑨ 财政收支缺口定义為地方公共财政收入与财政支出之差占财政支出的比例，数字越大表明财政收不抵支的缺口越大
⑩ 按照证监会行业分类，目前我国上市银行共33家其中包括5家大型国有商业银行：工商银行、农业银行、中国银行、建设银行和交通银行，8家股份制银行：兴业银行、招商银荇、浦发银行、中信银行、民生银行、光大银行、华夏银行和平安银行20家城市商业或农村商业银行银行：宁波银行、南京银行、北京银荇、江苏银行、贵阳银行、江阴银行、无锡银行、常熟银行、杭州银行、上海银行、苏农银行、张家港农商银行、成都银行、江苏租赁、鄭州银行、长沙银行、紫金银行、青岛银行、西安银行和青岛农商银行。但郑州银行、长沙银行、紫金银行、青岛银行、西安银行和青岛農商银行的上市时间均在2018年6月以后观测值数量均为未超过200，由于CoVaR模型的分析是基于分位数回归的在进行置信水平5%的分析时，2018年二季度鉯后上市的银行的观测值数量不到10样本数太少，因此未纳入考察范围
? 截至2019年一季度，27家样本银行资产总和约为163.73万亿元我国商业銀行资产总和约为万221.90亿元。
? 作为稳健性检验课题组还进行了置信水平为10%时单家银行遭受冲击时的风险分解分析，结论和置信水平为5%時基本一致
? 目前，虽然我国商业银行破产概率较低但银行风险Z值仍能较好的衡量银行经营状况的动态变化和风险承担水平。
? 課题组这里没有给出每组样本下的双边随机前沿的估计结果只是报告了每组子样本下的风险转移效应和利润搜寻效应导致银行风险承担沝平偏离前沿水平的程度及其分布特征。
