二 @! [# f$ S3 M, Q' `# U# i
8 }! e) l7 s- g2 `1 f+ q! @1 Y# l. X7 I$ R% `
) f9 u+ `- q y) J2 i
家庭债务累积加剧了企业经营不善和银行系统脆弱性 . J) n' b* t$ \, X
7 D8 i; F7 G( t' R+ k+ j+ u0 \5 w; p( g
. h3 i* t+ g; A0 f4 E& C
( f4 b* T% I, ~' A* Z 1.家庭债务累积对消费的挤出作用不仅局限于家庭部门内部,还会传导到其他部门,引起其他部门,特别是企业部门的连锁反应。我们的模型显示,受到流动性约束的家庭比例升高会首先通过拖累消费及总需求,使得企业的销售额下降,从而迫使企业不得不大量增加短期贷款来维持运转,导致企业被动加杠杆,桎梏了企业部门去杠杆的进程。虽然测算结果显示,受到流动性约束的家庭比例每升高1个百分点,企业的杠杆率平均仅升高约0.038个百分点,但家庭流动性约束比例的升高已足以解释2010-2014年间企业整体杠杆率上升的24%,可见家庭债务累积对消费的挤出作用之大!
* l8 z. h4 P4 [. ?2 \
; k1 H, v6 l+ h$ o- @, }0 E( V$ l7 x
) _' K+ s! j3 ]( ~8 _/ Y
9 o' k1 p' x1 y4 R
7 w, r) K8 V$ w+ m6 ?6 l9 A
; M/ ^/ @" s" ?
0 E( z! \, T# L" u# f" X. r; L; j. X
$ L0 G+ I3 m# L4 ^- c; M' ]( U" g
P: O! m8 T h" ]8 _4 K$ {
, F6 }* }$ U0 K# g( T3 c Z# z
8 F; W7 j9 N' ~4 y
3 b# l# y0 _9 u' @9 ?$ ]8 S 由于我国企业主要靠银行贷款融资,企业在面临总需求下降,销售业绩下滑,融资约束加大的情况时,更可能通过增加短期债务来维持经营。我们利用微观数据研究所得的结果也证实了这一点,即受到流动性约束的家庭比例升高时,会显著影响企业的短期借款,增加企业的短期债务,但对企业的长期借款与企业的应付债券几乎不产生影响。短期债务的大量累积会使企业面临更大的流动性风险,对企业现金流以及偿付能力提出更大的挑战,如果企业不能迅速进行调整,这对企业的经营无疑是雪上加霜。 / e( Z( Q/ {9 x: t/ W7 Q
5 L- u4 K. z8 L: ?0 r* x
6 b5 c% \1 {6 p2 i6 U/ E
# C! q7 d, f3 \
G2 l2 j. W2 _- b5 h7 i% Z并且,如果企业的活力下降直接影响债务能否按时归还,这一影响甚至还会传递到银行系统中,影响银行系统的稳定性。我们的模型显示,受到流动性约束的家庭比例越高的省份,银行系统的不良贷款比例就越高。也就是说,家庭部门流动性收紧的影响会通过拖累企业经营活力传递到银行系统中,从而危及整个金融系统的安全。 - Q, [. S) C& C4 u" T! K
4 k! Z1 v' q e& E2 } j
- n9 F* k8 N- ^& G7 y8 Z, N
7 p8 Y/ G' E. h+ x/ ~' r 2.企业经营不善还会反过来影响家庭部门,拖累可支配收入增速,从而进一步收紧家庭流动性,产生负反馈效应。当企业经营不善时,就有可能降低员工工资甚至进行裁员,从而反过来也会影响家庭的流动性,特别是,当可支配收入增速放缓的时候,有房贷的家庭以及受到流动性约束的家庭受到的影响更大,大大增加了家庭债务的偿付难度。为了说明这一负反馈机制,我们采用僵尸企业债务占所有企业总债务的比例来表示企业的经营情况,分析了企业经营对家庭流动性的影响,从图6中可以看出,僵尸企业所涉债务占比越高的省份,受到流动性约束的家庭比例越高。借助中国家庭追踪调查数据(China Family Panel Studies,CFPS)的面板结构,我们的模型显示,由于企业经营不善导致的僵尸企业债务占总债务的比例每升高1个百分点,会使得家庭陷入流动性约束的可能性提高0.15个百分点。
) K! q4 a% X! b$ e, g8 s1 G7 Y; _) k3 R! k4 K+ P# M
: d9 a8 [8 @* J5 J" Q3 ~# Q( y6 I- u, Y
3 x" j8 \# u$ S, b2 D+ _4 {" M6 E
3.更严重的是,家庭和企业部门间债务的负反馈效应还溢出到银行系统,导致银行的坏账率上升、系统脆弱性加剧。当企业经营不善时,就有可能变成僵尸企业,而僵尸企业对金融资源的侵蚀、对经济增长的阻碍等成为一项极为头疼的问题。如图7所示,虽然非金融上市公司中的僵尸企业获得授信占比从2006年的峰值90%下降到了2016年的42%,但根据我们的测算,仅14%的僵尸企业竟占用了约一半的金融资源,对商业银行已成绑架之势。另外,上市公司中的僵尸企业获得的授信规模从2009年的“四万亿”刺激政策后开始爆炸式增长,从2009年的1040亿元增长到2016年的1.9万亿元,短短8年间上市公司中的僵尸企业所获得的授信扩大了约19倍,可见当前僵尸企业占用金融资源之多。
- }* @4 R! r7 G' ]- Y' S& l$ F3 `" ^+ C) J( a! k
# i$ ]9 t+ U: u. W$ q- Y- k, C
! d' W& C5 ]; C1 Y2 q5 Y4 f, v 僵尸企业占用金融资源的一个结果就是僵尸企业越高的省份,银行不良贷款比例不仅没有越高,反倒越低。由于缺乏贷款合同层面的微观数据,我们通过考察一省僵尸企业获得授信所占比例与该省商业银行不良贷款比例之间的关系来分析我国商业银行对僵尸企业的输血机制。我们发现,虽然在2005-2016年的样本区间内,僵尸企业获得授信与银行不良贷款比例之间的相关性并不显著,但是二者之间仍是负向关系,即僵尸企业获得的信贷资源越多,商业银行的不良贷款比例越低。2009年之后二者之间的负向关系虽然变得不像之前那么明显,但采用各省僵尸企业获得授信的比例这一衡量一省上市企业中僵尸企业占用该省金融资源的严重程度的指标,我们依然发现商业银行对僵尸企业存在输血的行为。 1 `0 y- A4 l0 R, N( w
& \+ c& I: O1 F5 O1 L
4 y9 a1 {; t+ O8 G% D7 v 银行为什么会向僵尸企业进行输血呢,这是因为,长期以来,“保就业”“稳定压倒一切”等作为我国各级政府的政策目标,在政府的效用函数中一直占有相当重要的地位。我们发现,地方政府出于“保就业”“维稳”等动机,动用行政手段迫使商业银行向僵尸企业输血,而且使得这一绑架之势在2009年后愈发严重。我们的模型显示,2009年之后,僵尸企业的员工数占比每升高1个百分点,其获得的银行输血会增加0.04%。例如,2016年,僵尸企业获得的银行总授信约为4.5万亿元,那么0.04%就相当于18亿元。即僵尸企业和创造就业岗位越多的企业均可能获得更多银行授信,并且2009年后僵尸企业中员工数目更多的企业获得的授信显著增加,这说明2009年后商业银行对僵尸企业,尤其是能够帮助“保就业”的僵尸企业,输血的现象更加严重了。而商业银行对僵尸企业的输血不仅扭曲了金融资源的配置,更会对金融系统造成极大的风险隐患。
, I+ f# m& ?/ E& w+ M5 t: c+ J- G
9 m( U0 Q$ E7 g* r, T: a
1 L& O7 @9 _/ O5 M6 n! h 4.金融系统的稳定性已经受到影响。进入2018年以来,商业银行不断加大对家庭部门贷款的投放以及持续对僵尸企业的输血,虽然没有使商业银行的不良贷款率大幅上升,但是虚增的资产规模以及利润增速的下降已使得商业银行的稳定性,甚至银行系统的稳定性日渐变差。我们的模型显示,当单家银行发生风险时,国有四大行的风险溢出率最大。如表1所示,截至2018年二季度,国有四大行的平均风险溢出率为34%,较非四大行同期水平高出14%,较其自身2017年末的水平高出8%。而且,中国工商银行、中国银行和中国农业银行溢出的损失所占比例超过了30%,中国农业银行甚至高达38%,为项目组进行此项评估以来的峰值。而发生系统性风险时,非国有四大行的抗险能力也已显著下降,2018年二季度末其自身在险价值较2017年末上升0.96个百分点。另外,如表1所示,虽然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,但其风险溢出率持续上升,即对稳定银行系统所起到的作用越来越弱。综上所述,进入2018年以来,不论是国有五大行还是其他上市银行,其稳定性明显变差。
$ V& {$ j5 T* }0 M# s! T9 h+ h
5 w. ?- m# r) m" b6 E' |; ~: s2 E/ ^$ I2 m$ o. ?* ]
2 F' ?; y1 d/ j7 C. G4 h# u N I
4 H7 A( _, r! p, t 而金融机构资产负债表的恶化会进一步收紧实体经济中的流动性,从而压制企业的生产性投资,拖累企业的研发创新。我们的模型显示,平均而言,商业银行不良贷款率每上升1个百分点,将导致GDP年增速下降1.5个百分点。 3 O8 \) J' S$ p$ X- q. ^
1 C" V* t% i# \. w
7 R: w" i9 Q% p/ c8 C3 f }$ j; H+ ]. t6 G
/ v, |5 f1 M- m0 w e
; t! v; D% V+ h C0 V6 p- ^8 w |