■ 田映華 副教授 謝云霞 通訊作者（華中科技大學經(jīng)濟學院 武漢 430074）

改革開放以來，中國經(jīng)濟迅速發(fā)展，以銀行為主導的間接金融體系對此做出了不可磨滅的貢獻。然而，銀行體系積累的信用風險引起了政府以及社會各界人士的擔憂，研究地域分布特征對防范風險全面爆發(fā)大有裨益。一方面，相鄰區(qū)域的經(jīng)濟活動由于地理條件、學習模仿等原因具有市場主體特點、行業(yè)分布規(guī)律的相似性，企業(yè)違約存在空間相關(guān)；另一方面隨著國內(nèi)貿(mào)易的不斷深入，產(chǎn)業(yè)鏈上企業(yè)信用風險相互傳染，以致違約風險在空間擴散，而相鄰省份貿(mào)易往來更加密切，產(chǎn)業(yè)鏈傳染強化了風險的空間聚集特征。

國內(nèi)外文獻除了研究信用風險的評估、管理與定價，近年也有較多學者將目光移至信用風險的傳染與擴散。Siem Jan Koopman，Andre Lucas（2005）用1933-1997年美國實際GDP等數(shù)據(jù)通過實證方法分析了信用風險的順周期性質(zhì)。Kay Gieseckea，Stefan Weber（2005）探討了由企業(yè)之間的商業(yè)聯(lián)系而引起的信用風險傳染機制。Philippe Jorion，Gaiyan Zhang（2009）首次用實證方法分析了信用風險通過直接的商業(yè)往來而相互傳染，作者認為信用風險傳導機制包括通過預期傳導式的行業(yè)內(nèi)部感染和交易對手的行業(yè)之間擴散。王倩等（2008）將企業(yè)違約分為宏觀經(jīng)濟變量導致的因果傳染和問題企業(yè)之間直接的信用違約傳染，并對這種現(xiàn)象進行了建模分析。陳藝云（2012）用數(shù)理模型的方式研究了供應鏈金融系統(tǒng)中核心企業(yè)與非核心企業(yè)之間的信用風險傳染關(guān)系，并且認為非核心企業(yè)之間的關(guān)聯(lián)性越強，交易對手風險便越大。鄭志堯等（2014）闡述了2005-2012年美國銀行不良貸款水平與失業(yè)率、GDP增長率、CPI增長率、PPI增長率、M2增長率之間的實證關(guān)系，并建議我國商業(yè)銀行要重視宏觀經(jīng)濟波動對信用風險的沖擊。陳庭強等（2011）從CRT市場的角度來研究了信用風險傳染的路徑與特征，側(cè)重點在于金融機構(gòu)間的交易引致的風險擴散。

研究方法及各省信用風險現(xiàn)狀

自1979 年P(guān)aelinck 和Klaassen出版了《空間計量經(jīng)濟學》以來，空間計量作為計量經(jīng)濟學的一個新興分支不斷發(fā)展與完善，空間滯后模型（SLM）與空間誤差模型（SEM）已經(jīng)較為成熟。雖然空間計量經(jīng)濟學廣泛用于區(qū)域或城市經(jīng)濟學等領(lǐng)域，但是源自實體經(jīng)濟的信用風險或同樣存在空間依存關(guān)系和擴散效應，因此本文采用空間計量方法來研究信用風險擴散效應可靠且合理。

本文首先對各變量進行描述性統(tǒng)計，然后采用全局Moran I指數(shù)（MI）來進行空間關(guān)聯(lián)度檢驗，再分別用SLM、SEM模型來試圖研究信用風險的空間擴散機理，并用FEM模型來驗證回歸結(jié)果的穩(wěn)健性。

表1 2005-2013年不良貸款率全局MI值與顯著性Z值

表2 變量由來及特征

表3 SLM、SEM與 FEM模型

其中，空間加權(quán)矩陣W元素Wij為0或1，i、j表示省份，相鄰為1，不相鄰為0。在實際使用中常將其標準化，即。全局Moran`I統(tǒng)計量：其中MI取值在-1到1之間，大于（小于）0表示各地區(qū)為空間正（負）相關(guān)，并且數(shù)值越大，相關(guān)性越強。而且MI近似服從均值為E（I）和方差為D（I）的正態(tài)分布，其中其中，因此可以構(gòu)造顯著性檢驗統(tǒng)計量

圖1 2013年各省不良貸款分布情況（%）

圖2 2013年信用風險的空間分布情況

圖3 2013年末各省貸款余額情況

將2005-2013年數(shù)據(jù)處理后得到以下結(jié)果：每個年份 MI值均大于0，顯示每年各省信用風險存在正相關(guān)關(guān)系，即存在風險聚集現(xiàn)象；從趨勢上來看，信用風險的空間關(guān)聯(lián)度在降低；雖 Z值近年有所下降，但僅在2011年、2012年Z值較低，其余年份相關(guān)性表現(xiàn)為高度顯著。如表1所示。

依據(jù)統(tǒng)計局對我國東部、中部、西部三大地區(qū)的劃分慣例，從2013年的不良貸款率分布來看，這三大地區(qū)呈現(xiàn)出一定的特征。如圖1、圖2、圖3所示。

東部地區(qū)整體風險水平較高，省際分化較為嚴重，最高的浙江省1.89%，最低為海南省0.49%。具體來看，以浙江省為中心，位處其周邊的江蘇、上海、山東、福建、廣東等省份同樣成為東部地區(qū)主要的信用風險聚集地。自改革開放以來，沿海地區(qū)憑借地理區(qū)位優(yōu)勢，經(jīng)濟迅速發(fā)展。經(jīng)濟的活力不僅體現(xiàn)在滋生了大批中小民營企業(yè)，而且還加速了行業(yè)之間、企業(yè)之間的新老更替，加之貿(mào)易依賴使得經(jīng)濟波動錯綜復雜。另一方面，與實體經(jīng)濟相輔相成的金融機構(gòu)發(fā)達，行業(yè)競爭激烈。因此，下沉的金融服務和復雜多變的企業(yè)經(jīng)營環(huán)境共同抬高了這些地區(qū)的不良貸款率。

中部地區(qū)信用風險的平均水平與東部相差不大，但省際波動微小。從全國經(jīng)濟格局來看，中部地區(qū)經(jīng)濟雖沒有東部沿海地區(qū)的高速發(fā)展，改革開放以來仍然保持了較快發(fā)展。2013年中部各省人均GDP為4.04萬元，低于東部地區(qū)的6.38萬元，高于西部地區(qū)的3.29萬元。河南、湖北、湖南、安徽等中部農(nóng)業(yè)大省，工業(yè)化不夠發(fā)達，貸款需求方與供給方風險偏好表現(xiàn)平穩(wěn)，不良貸款率分化不大。

西部地區(qū)違約風險更低，最低的重慶不良率僅為0.35%，最高的為青海1.08%，不過整體水平仍低于東部和中部地區(qū)。相對落后的經(jīng)濟水平使得西部順理成章的成為了金融弱覆蓋地區(qū)，融資相對困難的高風險中小微企業(yè)容易被排除在金融機構(gòu)門外，反而使得客戶違約率相對較低。比如西藏地區(qū)2013年人民幣貸款余額僅為1077億元，青海、寧夏分別為3398億元、3910億元，遠低于東部地區(qū)的均值35953億元和中部地區(qū)均值16676億元。

從圖2可以更直觀地看到，信用風險主要聚集在我國東部沿海省份（表現(xiàn)為圖上顏色最深），緊鄰這些高風險區(qū)域的中部省份（安徽、湖北、湖南、河南等）風險也較高，東北地區(qū)顏色亦較深。

數(shù)據(jù)來源及變量選取

本文采用2005-2013年我國31省（港澳臺地區(qū)除外）的面板數(shù)據(jù)，數(shù)據(jù)來自Wind數(shù)據(jù)庫或者中國銀監(jiān)會、國家統(tǒng)計局。因變量信用風險用各省的不良貸款率衡量，自變量除了國內(nèi)外學者常用的GDP增速（GDP）、失業(yè)率（UEM），本文還補充了城鎮(zhèn)化率（URB）、產(chǎn)業(yè)結(jié)構(gòu)（IDU）、受教育水平（EDU）這三個自變量。

信用風險爆發(fā)與宏觀經(jīng)濟周期（包括GDP增速、失業(yè)率等）息息相關(guān)，這點是得到國內(nèi)外學者一致認可的，本文也將沿用前人這一觀點。宏觀經(jīng)濟下行，意味著企業(yè)盈利惡化，容易發(fā)生資不抵債的極端情況，或者企業(yè)營運資金流發(fā)生斷裂，進而引起貸款違約事件。

在國家城鎮(zhèn)化的大背景下，城鎮(zhèn)化離不開金融的大力支持。在現(xiàn)有的城鄉(xiāng)二元結(jié)構(gòu)的背景下，農(nóng)村經(jīng)濟發(fā)展水平較低，可變現(xiàn)的高價值資產(chǎn)缺乏，加上容易受到自然災害沖擊，使得涉農(nóng)貸款不良率高于其他行業(yè)貸款。因此，本文加入了城鎮(zhèn)化率作為控制變量。

由于各個地區(qū)產(chǎn)業(yè)結(jié)構(gòu)各有特色，產(chǎn)業(yè)結(jié)構(gòu)的差異直接影響到貸款的分布，因此本文加入了產(chǎn)業(yè)結(jié)構(gòu)（IDU）變量。

一個地區(qū)人口接受教育水平也與貸款違約有密不可分的關(guān)系。對于零售貸款，一方面，除了資產(chǎn)可以給個人增信，學歷也是影響授信的變量之一，學歷越高的人越容易獲得貸款，比如信用卡；另一方面，學歷越高，越容易瞞天過海，美化信息，獲得授信額度，而學歷低的人相對更難獲得貸款，因此教育程度發(fā)達或伴隨更多的違約風險。

所有變量均通過對數(shù)處理，各個變量由來及特征如表2所示。

實證結(jié)果及分析

為了進一步研究影響信用風險擴散的原理，本文采用Eviews軟件通過SLM模型和SEM模型來做空間面板數(shù)據(jù)回歸，并且用FEM模型驗證了各回歸系數(shù)的穩(wěn)健性。分別建立模型如下：

空間滯后回歸SLM模型：

空間誤差回歸SEM模型：

首先，通過對各變量做了ADF單位根檢驗發(fā)現(xiàn)，LNY、LNGDP、LNIDU、LNUEM拒絕單位根假設，LNEDU、LNURB為一階差分平穩(wěn)。

在原假設為隨機效應模型的基礎上，通過Hausman檢驗結(jié)果顯示F值為38.6013，P值為0.0000，因此靜態(tài)面板數(shù)據(jù)估計更適合固定效應模型，并以固定效應模型來檢驗空間滯后模型（SLM）和空間誤差模型（SEM）的穩(wěn)健性，實證結(jié)果如表3所示。

SLM、SEM、FEM模型回歸結(jié)果無論是符號還是顯著性基本保持一致。SLM的WY項系數(shù)、SEM的Wu系數(shù)均顯著為正，再次證明信用風險存在擴散效應。GDP增速（LNGDP）、城鎮(zhèn)化率（LNURB）與信用風險顯著負相關(guān)，即經(jīng)濟越景氣、城鎮(zhèn)化率越高，則該地區(qū)違約率越低。GDP增速高意味著企業(yè)經(jīng)營良好，資金流穩(wěn)定；城鎮(zhèn)化率高意味著該地區(qū)隱含信用風險較高的第一產(chǎn)業(yè)占比較小。因此負相關(guān)關(guān)系符合預期。

而失業(yè)率（LNUEM）、受教育水平（LNEDU）則與信用風險顯著正相關(guān)，意味著失業(yè)率越高、人口受教育水平越高則該地區(qū)信用風險越高，符合假設。一個地區(qū)失業(yè)率高，意味著企業(yè)減產(chǎn)甚至是破產(chǎn)，均代表了盈利水平下滑，企業(yè)違約風險加大。而受教育水平高往往伴隨道德風險滋生，正如實證結(jié)果顯示，該地區(qū)大專以上學歷人口越多，信用風險越高。

另外，違約率與地區(qū)的第二產(chǎn)業(yè)比重并無顯著相關(guān)關(guān)系，說明貸款違約并沒有集中在第二產(chǎn)業(yè)：第一產(chǎn)業(yè)的涉農(nóng)貸款隱含的信用風險較高，2013年農(nóng)林牧漁行業(yè)不良率2.27%，居各行業(yè)首位；第二產(chǎn)業(yè)的落后制造業(yè)同樣面臨信用危機，2013年制造業(yè)不良率1.79%，居第三位；第三產(chǎn)業(yè)的批發(fā)零售業(yè)同樣也是風險聚集領(lǐng)域，2013年其不良率2.16%，居第二位。

關(guān)于信用風險存在空間擴散效應的原因，已有的信用風險傳染理論便可以解釋。在系統(tǒng)風險層面，各個省份的經(jīng)濟活動都受到相同的宏觀變量沖擊，比如經(jīng)濟下滑、貨幣政策等。因此，理論上所有省份的違約風險均有一致的趨勢，事實也基本如此。而空間相鄰的省份，由于地理條件、學習模仿等原因使其經(jīng)濟形態(tài)更趨向一致，包括市場主體和行業(yè)特征兩個方面，因此受宏觀變量沖擊的程度也更加相似。比如江蘇、浙江小微企業(yè)眾多，在經(jīng)濟下行周期中，小微企業(yè)的脆弱性便更快地體現(xiàn)出來，因此江蘇、浙江地區(qū)的違約風險爆發(fā)存在高度正相關(guān)性。比如制造業(yè)發(fā)達的珠三角地區(qū)，產(chǎn)能過剩問題是這些地區(qū)共同面對的困擾，相似的行業(yè)特征也會使違約率存在一致性。在非系統(tǒng)風險層面，供應鏈上下游企業(yè)的相互傳染也會導致信用風險的空間擴散。由于相鄰的省份相對更容易發(fā)生貿(mào)易往來，企業(yè)一旦出現(xiàn)資金鏈斷裂，則會不同程度地影響到產(chǎn)業(yè)鏈上企業(yè)的現(xiàn)金流，從而引發(fā)一系列的信用危機。

結(jié)論與建議

我國信用風險多集中在經(jīng)濟較為發(fā)達的東部和中部地區(qū)，原因在于經(jīng)濟水平較高地區(qū)貸款需求方與供給方風險偏好也高，加之激烈競爭使企業(yè)優(yōu)勝劣汰更加頻繁，因此不良貸款反而容易在中東部地區(qū)形成。進一步深入至省際的信用關(guān)聯(lián)，全局MI指數(shù)顯示信用風險爆發(fā)存在空間正相關(guān)性，相關(guān)性雖有減弱趨勢，但多數(shù)年份仍高度顯著。

SLM、SEM、FEM模型均表明，GDP增速、城鎮(zhèn)化率與違約率負相關(guān)。經(jīng)濟景氣企業(yè)盈利穩(wěn)定，從而違約概率大幅降低。城鎮(zhèn)化率越高，意味著貸款多分布在第二、三產(chǎn)業(yè)，投放在高風險行業(yè)農(nóng)林牧漁業(yè)貸款較少。失業(yè)率、受教育水平與違約率正相關(guān)。失業(yè)率越高，意味著企業(yè)生產(chǎn)動力不足，景氣下行，從而違約率增加。高學歷人群更擅長粉飾貸款資質(zhì)，獲取超越自身承受能力的高風險貸款，進而容易引發(fā)違約事件。第二產(chǎn)業(yè)比重多少與違約風險沒有顯著相關(guān)關(guān)系，原因是違約風險并沒有簡單集中在第二產(chǎn)業(yè)。

最后，基于以上結(jié)論本文提出如下建議：第一，警惕相鄰區(qū)域的風險集中爆發(fā)。對金融機構(gòu)來說，假如某地區(qū)信用違約事件頻繁發(fā)生，顯現(xiàn)風險暴露勢頭，那么則需密切關(guān)注周邊地區(qū)風險頭寸，比如當前應警惕東部沿海地區(qū)風險擴散至周邊的河南、安徽、湖北、湖南省份。第二，盯住GDP增速、城鎮(zhèn)化率、失業(yè)率等風險先導指標，在經(jīng)濟下行周期中為違約事件異動提前做好壓力測試、風險防范等工作，最大程度來降低損失。比如GDP增速下行不僅會帶來違約風險的普遍抬升，而且相鄰地區(qū)還會相互作用傳染。第三，金融機構(gòu)必須做好貸前嚴格審核、貸后密切監(jiān)督的工作，降低高學歷人群因投機帶來的違約風險。尤其在當前商業(yè)銀行紛紛重視大零售戰(zhàn)略的背景下，小微業(yè)務、個人業(yè)務均與個人信用資質(zhì)息息相關(guān)，教育學歷成為授信的一個重要參考條件，但同時也應關(guān)注交易對手方的道德風險問題。

1.Siem Jan Koopman，Andre Lucas.Business and Default Cycles for Credit Risk[J].Journal of Applied Econometrics，2005（2）

2.Kay Gieseckea，Stefan Weber.Credit contagion and aggregate losses[J].Journal of Economic Dynamics &Control，2006（30）

3.Philippe Jorion，Gaiyan Zhang.Credit Contagion from Counterparty Risk[J].The Journal of Finance，2009（5）

4.王倩等.信用違約風險傳染建模[J].金融研究，2008（10）

5.陳藝云.違約傳染與供應鏈金融的信用風險測度[J].統(tǒng)計與決策，2012（1）

6.鄭志堯等.美國銀行信用風險與宏觀經(jīng)濟變量的實證研究[J].蘇州科技學院學報，2014（4）

7.陳庭強等.基于銀行信貸行為的CRT市場信用風險傳染評述[J].金融理論與實踐，2011（11）