阮湛洋

一、引 言

國際金融危機(jī)后，我國實(shí)施了大規(guī)模財(cái)政和貨幣刺激計(jì)劃，有力支撐了經(jīng)濟(jì)的高速增長。但同時(shí)也帶來了區(qū)域性和行業(yè)性的產(chǎn)能過剩、杠桿過高、資產(chǎn)價(jià)格泡沫風(fēng)險(xiǎn)等“后遺癥”問題。信貸供需的總量失衡與結(jié)構(gòu)性失衡問題日漸凸顯，不同地區(qū)、不同行業(yè)的信貸平衡境況因此存在明顯的差異。信貸供需的失衡，一方面會導(dǎo)致市場主體信貸需求難以滿足，生存能力被擠壓；另一方面，受經(jīng)濟(jì)轉(zhuǎn)型“三期疊加”影響，經(jīng)濟(jì)發(fā)展面臨諸多困難和不確定性因素，市場主體的信貸需求疲軟，使得信貸資金“千方百計(jì)”地“脫實(shí)向虛”去尋租，從而帶來信貸風(fēng)險(xiǎn)的增加。因此，信貸供需的平衡問題，并不單純是簡單的供給需求兩者的均衡問題，更關(guān)系到金融體系的風(fēng)險(xiǎn)問題。

本文從研究信貸供需平衡的問題出發(fā)，類比生態(tài)足跡模型，構(gòu)建信貸足跡模型，以更好地對信貸平衡與風(fēng)險(xiǎn)進(jìn)行總體研究。通過對不同區(qū)域、不同行業(yè)的信貸足跡與金融機(jī)構(gòu)的信貸承載力進(jìn)行比較，定量地判斷某一行業(yè)或地區(qū)目前信貸市場的盈余或赤字狀態(tài)，為政策部門改善信貸供需的總量與結(jié)構(gòu)性失衡狀態(tài)、防范由此帶來的信貸風(fēng)險(xiǎn)提供參考建議。

二、理論基礎(chǔ)與文獻(xiàn)綜述

（一）理論基礎(chǔ)

生態(tài)足跡模型是加拿大生態(tài)經(jīng)濟(jì)學(xué)家William Rees與Mathis Wackernagel于20世紀(jì)90年代提出的一種度量區(qū)域可持續(xù)發(fā)展程度的方法。所謂生態(tài)足跡，就是支持一定地區(qū)的人口所需的生產(chǎn)性土地和水域的面積，以及吸納這些人口所產(chǎn)生的廢氣物所需要的土地之總和。生態(tài)足跡是要估計(jì)承載一定生活質(zhì)量的人口，需要多大的可供人類使用的可再生資源或者能夠消納廢物的生態(tài)系統(tǒng)，主要是測算人類為了維持自身生存而利用自然的量來評估人類對生態(tài)系統(tǒng)的影響，定量反映一定地區(qū)的可持續(xù)發(fā)展?fàn)顩r。該模型的構(gòu)建的主體思想主要有三方面內(nèi)容：一是利用生物生產(chǎn)土地生產(chǎn)各種資源和能源消費(fèi)項(xiàng)目的平均產(chǎn)量，將該消費(fèi)項(xiàng)目的生產(chǎn)量折算成以生物生產(chǎn)面積來衡量的生態(tài)足跡；二是將生物生產(chǎn)面積劃分為耕地、草地、林地、建筑用地、海洋、化石能源土地等6種類型，并據(jù)此計(jì)算總的生態(tài)承載力；三是由于不同類型的生物生產(chǎn)面積的生態(tài)生產(chǎn)力存在差異，且不同地區(qū)的同類生物生產(chǎn)面積的生態(tài)生產(chǎn)力也不相同，生態(tài)足跡模型引入了均衡因子和產(chǎn)量因子 ，用不同類型、不同地區(qū)的生態(tài)面積進(jìn)行標(biāo)準(zhǔn)化處理，以便于比較。

（二）生態(tài)足跡模型應(yīng)用文獻(xiàn)綜述

生態(tài)足跡模型的應(yīng)用范圍很廣，目前主要包括國家、區(qū)域、地區(qū)和特定系統(tǒng)。我國對于生態(tài)足跡的研究起步較晚，徐中民等人（1999）在1999年把生態(tài)足跡概念引入國內(nèi)后，國內(nèi)學(xué)者利用生態(tài)足跡模型在國家、省、市、縣、鎮(zhèn)等各個(gè)層面進(jìn)行了大量的實(shí)證研究。國內(nèi)研究傾向?qū)^長時(shí)間段生態(tài)足跡的動態(tài)分析，王亞菲（2010）對北京市1995-2005年生態(tài)足跡進(jìn)行了測算；王軍等（2011）對海口2000-2008年的生態(tài)足跡進(jìn)行了測算和分析；周韞力（2014）利用時(shí)間序列方法對鄱陽湖生態(tài)經(jīng)濟(jì)區(qū)1991-2011年的生態(tài)足跡和生態(tài)承載力進(jìn)行測算，認(rèn)為鄱陽湖生態(tài)經(jīng)濟(jì)區(qū)的快速發(fā)展，生態(tài)足跡由原來的生態(tài)盈余轉(zhuǎn)為現(xiàn)在的高生態(tài)赤字，其經(jīng)濟(jì)增長方式屬于典型的資源、能源消耗型，對生態(tài)資源具有很強(qiáng)的依賴性。在研究過程中，國內(nèi)學(xué)者對傳統(tǒng)的生態(tài)足跡方法作了很多改進(jìn)，使生態(tài)足跡模型更適合研究對象。張黎明（2010）等將生態(tài)足跡模型與灰色關(guān)聯(lián)度分析方法結(jié)合起來對湖南省1998-2007年的生態(tài)足跡進(jìn)行了測算并分析了經(jīng)濟(jì)增長與資源消耗的關(guān)系。袁鐘等（2016）運(yùn)用生態(tài)足跡法和ARIMA模型，以2013年以及1994-2013年西安生物資源賬戶和碳足跡賬戶的消費(fèi)數(shù)據(jù)，對靜態(tài)生態(tài)承載力與動態(tài)生態(tài)承載力進(jìn)行分析并預(yù)測未來5年生態(tài)安全情況。

（三）信貸平衡與風(fēng)險(xiǎn)文獻(xiàn)綜述

1、信貸平衡

針對信貸供給與需求方面，國內(nèi)眾多學(xué)者從多角度進(jìn)行了研究。邵靜（2016）利用我國2006-2014年季度數(shù)據(jù)，使用多變量Granger因果關(guān)系檢驗(yàn)和SVAR模型的脈沖響應(yīng)函數(shù)，實(shí)證檢驗(yàn)信貸供給、經(jīng)濟(jì)波動與我國商業(yè)銀行信貸資產(chǎn)質(zhì)量之間關(guān)系，認(rèn)為信貸供給是經(jīng)濟(jì)波動和信貸資產(chǎn)質(zhì)量變化的驅(qū)動力。伍戈（2015）等根據(jù)貸款利率、貸款數(shù)量的量價(jià)組合變化規(guī)律，采用符號約束VAR模型，具體識別信貸供給和需求沖擊，并在此基礎(chǔ)上運(yùn)用歷史分解方法區(qū)分我國各時(shí)期信貸供給和需求的動態(tài)變化，結(jié)果表明，我國信貸需求總體上具有順周期性，而信貸供給具有逆周期性。黎毅等（2014）利用2012年陜西渭南483戶農(nóng)戶實(shí)地調(diào)研數(shù)據(jù)，對供給抑制下的農(nóng)戶信貸進(jìn)行研究，并在此基礎(chǔ)上運(yùn)用Heckman廣義三階段回歸模型對農(nóng)戶信貸需求以及約束程度進(jìn)行估計(jì)，得出當(dāng)?shù)仄毡榇嬖谛刨J需求和信貸約束，農(nóng)戶資產(chǎn)的高低分別與獲得資金呈正向關(guān)系，與信貸約束呈負(fù)向關(guān)系；由于信息不對稱等原因，中高資產(chǎn)農(nóng)戶較中低資產(chǎn)農(nóng)戶面臨更重的信貸約束。

2、信貸風(fēng)險(xiǎn)

關(guān)于信貸風(fēng)險(xiǎn)問題，現(xiàn)有研究主要集中在中小企業(yè)信貸風(fēng)險(xiǎn)和信貸風(fēng)險(xiǎn)的影響因素問題。錢龍（2015）基于中國某省2009-2014年的信貸數(shù)據(jù)，研究銀企關(guān)系、銀行競爭對中小企業(yè)信貸風(fēng)險(xiǎn)的影響，結(jié)果顯示，銀企關(guān)系對中小企業(yè)信貸風(fēng)險(xiǎn)整體上呈顯著的正向影響，銀行競爭對信貸風(fēng)險(xiǎn)有顯著的負(fù)向影響。梁彩紅（2014）從商業(yè)銀行視角出發(fā)，重新審視小微企業(yè)信貸風(fēng)險(xiǎn)存在的特征，提出通過加強(qiáng)客戶準(zhǔn)入甄選、提高審批時(shí)效、加強(qiáng)貸后管理等措施來防范和化解小微企業(yè)信貸風(fēng)險(xiǎn)。龍正清（2015）提出了中小企業(yè)信貸風(fēng)險(xiǎn)管理控制的相應(yīng)措施和對策建議，包括優(yōu)化信貸流程、建立科學(xué)的風(fēng)險(xiǎn)控制方法、建立風(fēng)險(xiǎn)預(yù)警體系和健全信貸激勵制度和責(zé)任追究制度。祁樹鵬等（2015）利用向量自回歸模型，研究主要宏觀經(jīng)濟(jì)變量的沖擊對我國商業(yè)銀行信貨風(fēng)險(xiǎn)水平影響的傳遞過程以及貢獻(xiàn)程度，發(fā)現(xiàn)宏觀經(jīng)濟(jì)變量的波動對我國商業(yè)銀行信貨風(fēng)險(xiǎn)的變化有較大影響，不良率的周期波動對自身的慣性影響非常明顯。

綜上，生物生態(tài)足跡模型較為完整地給出了衡量系統(tǒng)供給與需求的方法，對分析某個(gè)系統(tǒng)的供需盈余和赤字問題，具有重要的借鑒意義。然而，現(xiàn)有文獻(xiàn)仍存在以下不足：一是尚未有將生態(tài)足跡模型應(yīng)用到信貸市場的研究；二是信貸供需的研究則多是使用替代指標(biāo)來分析信貸供給或需求的特征及其與經(jīng)濟(jì)變量的關(guān)系，并未給出精確衡量信貸需求與供給的方法；三是信貸風(fēng)險(xiǎn)的研究，多從銀行競爭或管理的角度出發(fā)，較少從信貸供需平衡的角度分析信貸風(fēng)險(xiǎn)問題?；诖耍疚膭?chuàng)新構(gòu)建了信貸足跡模型并加以應(yīng)用，測算并分析了信貸市場的盈余與赤字情況，并從供需失衡的角度對信貸風(fēng)險(xiǎn)進(jìn)行了分析，填補(bǔ)了現(xiàn)有研究的不足。

三、基于生態(tài)足跡的信貸足跡模型的構(gòu)建

基于生態(tài)足跡模型的構(gòu)建思路，本文嘗試構(gòu)建信貸足跡模型，以對信貸需求與供給的盈余與赤字狀況進(jìn)行測算并分析。

（一）信貸足跡模型構(gòu)建思路

類比生態(tài)足跡模型，本文將信貸資源比作生物生產(chǎn)面積，并按銀行主體劃分為不同類型的信貸資源，將行業(yè)種類比作生物生產(chǎn)土地生產(chǎn)的消費(fèi)項(xiàng)目，構(gòu)建信貸足跡模型，測算出不同地區(qū)、不同行業(yè)的信貸足跡和信貸承載能力，根據(jù)不同地區(qū)、行業(yè)信貸盈余或赤字狀況，評估信貸平衡和潛在風(fēng)險(xiǎn)狀況。在模型構(gòu)建過程，類比生態(tài)足跡模型，對各類信貸資源進(jìn)行均衡化處理，同時(shí)對各類信貸資源的生產(chǎn)能力進(jìn)行標(biāo)準(zhǔn)化處理。具體構(gòu)建思路如表1所示。

表1 生態(tài)足跡模型與信貸足跡模型構(gòu)建思路和意義類比表

（二）指標(biāo)含義

信貸足跡模型各指標(biāo)的選取，是根據(jù)生態(tài)足跡模型各指標(biāo)的具體含義，類比到信貸環(huán)境中具有相同含義的指標(biāo)，并根據(jù)數(shù)據(jù)可得性來確定，具體指標(biāo)類比情況見表2。

表2 信貸足跡模型與生態(tài)足跡模型指標(biāo)類比情況表

（三）模型構(gòu)建

1、對不同銀行主體信貸資源進(jìn)行均衡化處理

生態(tài)足跡模型中，由于不同生物生產(chǎn)面積的生態(tài)生產(chǎn)力不同，因此通過均衡化處理，在計(jì)算得到的各類生物生產(chǎn)面積乘以一個(gè)均衡因子rj，將不同生態(tài)生產(chǎn)力的生物生產(chǎn)面積轉(zhuǎn)化為具有相同生態(tài)生產(chǎn)力的面積，以匯總生態(tài)足跡和生態(tài)承載力。信貸足跡模型中，不同類型金融機(jī)構(gòu)信貸資產(chǎn)的產(chǎn)出能力也存在一定差異，同樣需要進(jìn)行均衡化處理，因此需要先計(jì)算出均衡因子rj。

類比生態(tài)足跡均衡因子，rj計(jì)算公式為：

其中，dj為全國第j類信貸資產(chǎn)的平均信貸生產(chǎn)力，用“j類金融機(jī)構(gòu)的利潤總額/j類金融機(jī)構(gòu)的信貸規(guī)?！眮肀硎?；D為全國所有類型的金融機(jī)構(gòu)的平均信貸生產(chǎn)力，用“全國金融機(jī)構(gòu)利潤總額/信貸規(guī)?！眮肀硎?。

2、信貸足跡

首先，類比人均生態(tài)足跡，計(jì)算企業(yè)平均信貸足跡。

k地區(qū)i類行業(yè)的企業(yè)平均信貸足跡(efik)：

從而，計(jì)算出K地區(qū)總信貸足跡（EFk）和全國i行業(yè)總信貸足跡（EFi）

同時(shí)，還可以推算出k地區(qū)平均信貸足跡（efk）以及i行業(yè)的平均信貸足跡（efi），計(jì)算公式如下：

全國總的信貸足跡（EF）

j表示銀行類型，分別為大型商業(yè)銀行、股份制商業(yè)銀行、城商行、農(nóng)合機(jī)構(gòu)、外資銀行5類銀行業(yè)金融機(jī)構(gòu)類型。i表示行業(yè)類型，分別為農(nóng)林牧漁業(yè)、工業(yè)、建筑業(yè)、批發(fā)和零售業(yè)、交通運(yùn)輸和倉儲業(yè)、住宿和餐飲業(yè)、金融業(yè)、房地產(chǎn)業(yè)以及其他行業(yè)9類行業(yè)。k表示國內(nèi)大陸31個(gè)省份（直轄市）。

Aijk為K地區(qū)i行業(yè)需要j類金融機(jī)構(gòu)提供的企業(yè)平均信貸足跡，計(jì)算公式為為j類信貸資產(chǎn)支持的k地區(qū)第i類行業(yè)的年產(chǎn)出量，用行業(yè)增加值表示。Yij為j類金融機(jī)構(gòu)對i行業(yè)的信貸產(chǎn)出效率，計(jì)算公式為：全國i行業(yè)增加值/全國j銀行總資產(chǎn)。Nik是k省i類行業(yè)的企業(yè)數(shù)量。

3、信貸承載力

類比生態(tài)足跡模型，計(jì)算k地區(qū)的企業(yè)平均信貸承載能力（eck）：

以及i行業(yè)企業(yè)平均信貸承載能力（ec）i：eci＝

從而，計(jì)算出K地區(qū)總信貸承載力（ECk）、i行業(yè)總信貸承載力（ECk）：

全國總的信貸承載能力；

其中，ajk是k地區(qū)j類金融機(jī)構(gòu)可提供的企業(yè)平均信貸資產(chǎn)，計(jì)算公式為：k地區(qū)j類金融機(jī)構(gòu)總資產(chǎn)/k地區(qū)企業(yè)數(shù)量；aij是j類金融機(jī)構(gòu)可提供的i行業(yè)企業(yè)平均信貸資產(chǎn)，計(jì)算公式為：j類金融機(jī)構(gòu)可提供i行業(yè)的資產(chǎn)/i行業(yè)企業(yè)數(shù)量。rj為均衡因子，含義和計(jì)算方法與信貸足跡相同。yjk是k地區(qū)的產(chǎn)量因子，為k地區(qū)j類金融機(jī)構(gòu)信貸生產(chǎn)能力與全國同類金融機(jī)構(gòu)的信貸生產(chǎn)能力的比率，計(jì)算公式為；（k地區(qū)j類銀行利潤總額/k地區(qū)j類銀行信貸規(guī)模）/(全國j類銀行利潤總額/全國j類銀行信貸規(guī)模）。

4、信貸盈余或赤字

信貸盈余或赤字=EC-EF

如果某地區(qū)或某行業(yè)信貸足跡大于能提供的信貸承載力，就出現(xiàn)信貸赤字；如果小于某地區(qū)或某行業(yè)的信貸承載力，則表現(xiàn)為信貸盈余。通過信貸赤字或盈余，可以定量判斷某地區(qū)、某行業(yè)總體信貸均衡現(xiàn)狀。如果出現(xiàn)信貸赤字，該地區(qū)（行業(yè)）的整體信貸杠桿水平較高，積累的金融風(fēng)險(xiǎn)也比較大；相反，該地區(qū)（行業(yè)）信貸可持續(xù)能力較高，積累的風(fēng)險(xiǎn)相對較小。

四、信貸足跡模型的分析與應(yīng)用

本部分運(yùn)用分行業(yè)數(shù)據(jù)和分省份（含直轄市）數(shù)據(jù)，對構(gòu)建的信貸足跡模型加以應(yīng)用，檢驗(yàn)?zāi)Ｐ偷目刹僮餍院蛯?shí)踐結(jié)果。

（一）指標(biāo)選擇和數(shù)據(jù)來源

本部分涉及的相關(guān)指標(biāo)和數(shù)據(jù)來源如表3所示，數(shù)據(jù)選取時(shí)點(diǎn)為2015年末。

表3 變量含義及數(shù)據(jù)來源

（二）信貸足跡與信貸承載力計(jì)算與結(jié)果

1、信貸足跡計(jì)算

基于信貸足跡模型的研究思路，要計(jì)算某地區(qū)或某行業(yè)的信貸足跡，需要先將其信貸需求拆分為通過不同類型銀行業(yè)金融機(jī)構(gòu)形成的信貸足跡，再通過均衡因子轉(zhuǎn)化為統(tǒng)一的度量標(biāo)準(zhǔn)。

（1）均衡因子

如前所述，本文將信貸資源劃分為大型商業(yè)銀行、股份制商業(yè)銀行、城市商業(yè)銀行、小型農(nóng)村金融機(jī)構(gòu)和外資金融機(jī)構(gòu)五類。首先對這五類銀行的均衡因子進(jìn)行計(jì)算，均衡因子越大說明該類機(jī)構(gòu)的平均信貸生產(chǎn)力越大。各類金融機(jī)構(gòu)的均衡因子主要受全其綜合實(shí)力、市場占比和機(jī)構(gòu)數(shù)量影響。如圖1所示，大型商業(yè)銀行均衡因子最大，為1.24；外資金融機(jī)構(gòu)的均衡因子最小，僅為0.58。

圖1 各類銀行業(yè)金融機(jī)構(gòu)的均衡因子

（2）分省信貸足跡

按照信貸足跡模型，首先分別計(jì)算各省各類金融機(jī)構(gòu)提供信貸的企業(yè)平均信貸足跡Ajk，最后通過均衡因子rj轉(zhuǎn)變，得到各省份的企均信貸足跡efk和各省份的總信貸足跡EFk，如表4所示。從企均足跡來看，廣東企均信貸足跡最大，西藏企均信貸足跡最??；從整體情況來看，江蘇總信貸足跡最大，西藏總信貸足跡最??；從省份整體分布來看，東部沿海地區(qū)總信貸足跡最大，其后依次為中部地區(qū)、東北地區(qū)、西部地區(qū)。

表4 各省份信貸足跡

圖2 各省份信貸足跡分布圖

（3）分行業(yè)信貸足跡

按照信貸足跡模型，首先分別計(jì)算各行業(yè)各類金融機(jī)構(gòu)信貸的產(chǎn)出效率Yij，然后可得各行業(yè)各類金融機(jī)構(gòu)提供信貸的企業(yè)平均信貸足跡Aij，最后通過均衡因子rj可得到各行業(yè)的信貸足跡，如表5所示。從企均足跡來看，資金密集型行業(yè)的企均信貸足跡明顯高于其他行業(yè)。房地產(chǎn)業(yè)企均信貸足跡為2.92，信貸足跡最大；其次為金融業(yè)；農(nóng)林牧漁業(yè)企均信貸足跡最小.從行業(yè)整體足跡來看，工業(yè)總信貸足跡最大，交通運(yùn)輸和倉儲業(yè)總信貸足跡最小。

表5 各行業(yè)信貸足跡

圖3 各行業(yè)信貸足跡分布圖

2、信貸承載力計(jì)算

（1）分省信貸承載力計(jì)算

圖4 各省各類金融機(jī)構(gòu)產(chǎn)量因子

根據(jù)信貸足跡模型，信貸承載力的均衡因子可直接使用信貸足跡中的均衡因子，故只需計(jì)算各省各類金融機(jī)構(gòu)產(chǎn)量因子（如圖4所示）和各省各類金融機(jī)構(gòu)的企均可得信貸資產(chǎn)ajk，即得到各省份的企均信貸承載力eck和各省份的總信貸承載力ECk，如表6圖5所示。

表6 各省份信貸承載力

從企均信貸承載力來看，上海、北京、西藏、廣東、浙江的企均信貸承載力最大，位居前五名。廣西等省份企均信貸承載力較弱。從全省整體信貸承載力來看，北京信貸總承載力最大，青海信貸總承載力最小。從省份整體分布來看，除了政策傾斜的部分省份外，信貸承載力與信貸足跡的分布基本一致，東部沿海地區(qū)總信貸承載力最大，其后依次為中部地區(qū)、東北地區(qū)、西部地區(qū)。

圖5 各省份信貸承載力

（2）分行業(yè)信貸承載力計(jì)算

采用相似的算法即可得分行業(yè)的企均信貸承載力eci和各省份的總信貸承載力ECi，如表7圖6所示。從企均信貸承載力來看，房地產(chǎn)業(yè)的企均信貸承載力最大，而農(nóng)林牧漁業(yè)的企均信貸承載力最??；從行業(yè)整體信貸承載力來看，銀行對工業(yè)信貸總承載力最大，對金融業(yè)的信貸總承載力最小。

表7 各行業(yè)信貸承載力

圖6 各行業(yè)信貸承載力

（三）信貸平衡結(jié)果分析

通過比較各省份或行業(yè)的信貸足跡和信貸承載力，可得各省份或行業(yè)的信貸足跡平衡狀況和信貸風(fēng)險(xiǎn)情況。當(dāng)信貸足跡大于信貸承載力，代表信貸赤字，信貸平衡為負(fù)數(shù)；當(dāng)信貸足跡小于信貸承載力，代表信貸盈余，信貸平衡為正數(shù)。信貸平衡過大，表示金融資源浪費(fèi)；信貸平衡過小，表示金融支持不足；信貸平衡越接近0，表示信貸平衡狀態(tài)越好。信貸平衡的赤字或盈余大，說明信貸資源存在供不應(yīng)求或供過于求的情況，會因此滋生不同程度和不同種類的信貸風(fēng)險(xiǎn)。

1、分省份信貸平衡和風(fēng)險(xiǎn)情況

（1）總體情況

由表8可見，全國31個(gè)省、直轄市中，企業(yè)平均信貸和總信貸呈現(xiàn)赤字的有16個(gè)地區(qū)，占比51.6%。企業(yè)平均信貸和總信貸赤字排名基本一致。其中，江蘇、山東、廣東、浙江的赤字規(guī)模最大。企業(yè)平均信貸和總信貸呈現(xiàn)盈余的有15個(gè)地區(qū)，占比48.4%。企業(yè)平均信貸和總信貸盈余排名存在一定偏離。其中，企業(yè)平均信貸盈余排名前四位的地區(qū)為西藏、上海、北京和海南；總信貸盈余排名前四位的地區(qū)則為北京、上海、福建和甘肅。貴州、江西等省份供需基本平衡，信貸風(fēng)險(xiǎn)最小。從區(qū)域分布上看，東部地區(qū)信貸平衡狀況最差，信貸資源與實(shí)體經(jīng)濟(jì)背離較為嚴(yán)重，信貸風(fēng)險(xiǎn)最高；中部地區(qū)信貸足跡平衡狀況最好，信貸資源供給情況較為良好，信貸風(fēng)險(xiǎn)最低；西部地區(qū)和東北地區(qū)多數(shù)省份有一定的信貸盈余，屬于信貸平衡中等情況，信貸風(fēng)險(xiǎn)適中。

圖7 各省份信貸足跡供需平衡情況

（2）特點(diǎn)

對赤字省份的供給和需求進(jìn)行深入分析，發(fā)現(xiàn)導(dǎo)致不同地區(qū)信貸赤字結(jié)果的原因存在以下特點(diǎn)：一是供給大，需求更大，以致赤字大，如江蘇、廣東、山東、浙江等；二是需求大，供給小，以致赤字大，如河南、湖北兩個(gè)地區(qū)；三是不發(fā)達(dá)地區(qū)需求低，供給更低，導(dǎo)致信貸赤字存在，但赤字規(guī)模相對較小，如廣西、內(nèi)蒙兩個(gè)地區(qū)；四是總信貸供給高，但企業(yè)數(shù)量多，拉低了其平均信貸足跡供給，如江蘇、山東和浙江三省。信貸盈余的特點(diǎn)則相對簡單，主要表現(xiàn)在兩方面：一是供給大，需求相對低，導(dǎo)致盈余大，主要表現(xiàn)在北京、上海和福建，這三個(gè)省的信貸盈余在全國排名前三位；二是其他省出現(xiàn)盈余，則主要是需求和供給均較小，反映這些省份信貸雖然盈余，但并不表示其信貸資源充足；三是西藏企業(yè)平均信貸盈余排名第一，主要是企業(yè)數(shù)量少，較大程度拉高了平均信貸供給。

2、分行業(yè)信貸平衡和風(fēng)險(xiǎn)情況

（1）總體情況

九大行業(yè)中，信貸呈現(xiàn)盈余的行業(yè)有4個(gè)，占比44.4%，分別為住宿和餐飲業(yè)、交通運(yùn)輸和倉儲業(yè)、批發(fā)和零售業(yè)、其他行業(yè)。其中，批發(fā)和零售業(yè)的信貸盈余最大。信貸呈現(xiàn)赤字的行業(yè)有5個(gè)，占比55.6%，分別為房地產(chǎn)業(yè)、工業(yè)、金融業(yè)、建筑業(yè)和農(nóng)林牧漁業(yè)，表明以上行業(yè)的發(fā)展依然高度依賴信貸投入，容易受到信貸政策影響出現(xiàn)信貸風(fēng)險(xiǎn)。住宿和餐飲業(yè)、農(nóng)林牧漁業(yè)等行業(yè)供需基本平衡，信貸風(fēng)險(xiǎn)最低（詳見表9）。

表9 各行業(yè)生態(tài)足跡供需平衡情況

圖8 各行業(yè)生態(tài)足跡供需平衡情況

（2）特點(diǎn)

一是房地產(chǎn)業(yè)信貸總供給排名靠后，導(dǎo)致赤字最大。測算結(jié)果顯示，房地產(chǎn)業(yè)的行業(yè)總信貸供給排在第5名，說明2015年房地產(chǎn)信貸調(diào)控效果顯現(xiàn)，這是導(dǎo)致該行業(yè)赤字最大的主因。此外，值得關(guān)注的是，房地產(chǎn)行業(yè)的企業(yè)平均信貸需求和信貸供給均排在第一位，主要是因?yàn)樵撔袠I(yè)以大企業(yè)為主，企業(yè)數(shù)量偏少。二是批發(fā)和零售業(yè)、交通運(yùn)輸和倉儲業(yè)的信貸足跡盈余較大，可將其列為信貸資源調(diào)配行業(yè)。測算結(jié)果顯示，上述兩大行業(yè)的信貸盈余分別排在第一、第二位，且信貸總供給排名明顯高于信貸總需求排名。三是工業(yè)平均信貸供需排名相比總信貸供需靠后，說明工業(yè)企業(yè)數(shù)多，應(yīng)關(guān)注該行業(yè)中小微企業(yè)信貸平衡狀況。

五、結(jié)論和建議

（一）結(jié)論

本文在構(gòu)建信貸足跡模型的基礎(chǔ)上，對全國省際層面和行業(yè)層面的信貸足跡與信貸承載力進(jìn)行計(jì)算和分析，從而了解不同地區(qū)、不同行業(yè)的信貸平衡狀況。研究結(jié)果表明，2015年我國信貸結(jié)構(gòu)性失衡狀況較為明顯，容易滋生信貸風(fēng)險(xiǎn)，值得關(guān)注。具體結(jié)論如下：

1、部分地區(qū)和行業(yè)信貸赤字明顯，應(yīng)關(guān)注資金鏈斷裂導(dǎo)致的區(qū)域性和行業(yè)性風(fēng)險(xiǎn)

一是東部沿海省份信貸赤字明顯。研究結(jié)果顯示，江蘇、山東、廣東、浙江、河南、湖北的信貸赤字最大，超過百萬信貸單位。這些省份的信貸承載力本身已經(jīng)排在全國前列，仍然存在較大的赤字，主要是由于市場主體潛在信貸需求高，反映這些省份的市場主體對金融機(jī)構(gòu)信貸資金的依賴程度大。二是部分行業(yè)信貸赤字較大。研究結(jié)果顯示，房地產(chǎn)業(yè)、工業(yè)、金融業(yè)、建筑業(yè)的信貸赤字最為明顯，超過五十萬信貸單位。其中，房地產(chǎn)業(yè)、建筑業(yè)和金融業(yè)受近年信貸調(diào)控政策影響，信貸承載力低，是導(dǎo)致這些行業(yè)信貸赤字的主要原因；而工業(yè)信貸承載力排在第一位，仍存在較大的信貸赤字，則主要是因?yàn)樵撔袠I(yè)屬于傳統(tǒng)行業(yè)，對金融機(jī)構(gòu)信貸資金的依賴程度大，信貸潛在需求高。

上述省份和行業(yè)信貸赤字問題容易導(dǎo)致以下兩方面的風(fēng)險(xiǎn)，值得關(guān)注。一是對金融機(jī)構(gòu)信貸資金依賴程度高的省份和行業(yè)，由于信貸供給難以滿足其信貸需求，其正常的生產(chǎn)經(jīng)營易受到影響。尤其是在總體信貸收緊的情況下，相應(yīng)地區(qū)和行業(yè)的企業(yè)容易產(chǎn)生資金鏈斷裂問題，進(jìn)而導(dǎo)致區(qū)域性和行業(yè)性的經(jīng)營風(fēng)險(xiǎn)，并形成多米諾骨牌效應(yīng)，傳導(dǎo)至金融體系，產(chǎn)生金融系統(tǒng)性風(fēng)險(xiǎn)。二是在金融機(jī)構(gòu)信貸資金供給難以滿足其需求的情況下，赤字地區(qū)和行業(yè)的企業(yè)為保證充足的資金運(yùn)作，或通過其他非金融機(jī)構(gòu)渠道進(jìn)行融資，包括民間借貸等高成本渠道。其結(jié)果是，高融資成本導(dǎo)致企業(yè)高負(fù)債和財(cái)務(wù)費(fèi)用，在經(jīng)濟(jì)發(fā)展的下行期，企業(yè)容易面臨負(fù)利潤風(fēng)險(xiǎn)和償債風(fēng)險(xiǎn)。在眾多企業(yè)倒閉和償債風(fēng)險(xiǎn)積聚的情況下，容易傳道至經(jīng)濟(jì)金融的其他部門，導(dǎo)致系統(tǒng)性經(jīng)濟(jì)金融風(fēng)險(xiǎn)。

2、部分地區(qū)和行業(yè)信貸盈余明顯，應(yīng)關(guān)注盈余信貸資金“尋租”行為導(dǎo)致的金融體系風(fēng)險(xiǎn)

一是北京、上海存在較高的信貸盈余，超過百萬信貸單位。北京、上海的信貸承載力較高，分別排在第1位和第3位。而這兩大城市中，前者作為首都，以政治中心、金融中心和旅游中心為主，工業(yè)等實(shí)體經(jīng)濟(jì)行業(yè)相對較少，故信貸足跡相對較低，排在全國第8位；后者作為全國的經(jīng)濟(jì)金融中心，發(fā)展重點(diǎn)在于金融領(lǐng)域，信貸承載力較高，而各行業(yè)企業(yè)主體數(shù)量相對較少，故信貸足跡排在全國第13位。信貸承載力明顯高于信貸足跡，造成了這兩大城市存在大額信貸盈余的結(jié)果。此外，考慮到總部效應(yīng)問題，由于較多金融機(jī)構(gòu)的總部均設(shè)在這兩大城市，其信貸承載力可能包括了這兩大城市所轄金融機(jī)構(gòu)總部的分支機(jī)構(gòu)的規(guī)模，一定程度上虛增了這兩大城市的信貸盈余規(guī)模。二是批發(fā)和零售業(yè)、交通運(yùn)輸和倉儲業(yè)、其他行業(yè)、住宿和餐飲業(yè)等四大行業(yè)存在較高的信貸盈余。從其供給和需求情況來看，這四大行業(yè)對金融機(jī)構(gòu)信貸的需求和金融機(jī)構(gòu)對其的信貸供給都排在較前的位置。分析其原因，主要是隨著電子商務(wù)的繁榮和產(chǎn)業(yè)鏈金融的發(fā)展，此類行業(yè)對金融機(jī)構(gòu)信貸的依存度逐漸降低，出現(xiàn)了信貸盈余的現(xiàn)象。

金融機(jī)構(gòu)信貸資金的盈余，存在三方面的問題和風(fēng)險(xiǎn)。一是造成金融資源空轉(zhuǎn)等資源浪費(fèi)現(xiàn)象，降低信貸資金的使用效率。二是導(dǎo)致金融機(jī)構(gòu)“尋租”行為增加，導(dǎo)致信貸資金投放到欠穩(wěn)健、高風(fēng)險(xiǎn)的行業(yè)或項(xiàng)目，拉高信貸風(fēng)險(xiǎn)。如近年興起的銀行信貸資金通過券商、保險(xiǎn)公司、基金公司發(fā)起的資管計(jì)劃，最終流入互聯(lián)網(wǎng)金融理財(cái)、股市、房地產(chǎn)等高風(fēng)險(xiǎn)領(lǐng)域的行為。這類行為與美國次貸危機(jī)的罪魁禍?zhǔn)状嬖谝欢ǖ南嗨贫?，值得關(guān)注。三是導(dǎo)致信貸盈余地區(qū)的資金無序地流向信貸赤字的地區(qū)。一方面，易導(dǎo)致信貸數(shù)據(jù)的失真，不利于監(jiān)管部門實(shí)現(xiàn)有效監(jiān)管；另一方面，由于跨地區(qū)的業(yè)務(wù)審核和資金運(yùn)用監(jiān)測存在一定的難度，會導(dǎo)致信貸違約風(fēng)險(xiǎn)增加，不利于金融機(jī)構(gòu)信貸業(yè)務(wù)的健康發(fā)展。

（二）建議

綜合上述結(jié)論，不同地區(qū)、不同行業(yè)的信貸結(jié)構(gòu)性失衡，會導(dǎo)致信貸赤字地區(qū)和行業(yè)面臨企業(yè)經(jīng)營風(fēng)險(xiǎn)、盈余地區(qū)和行業(yè)面臨信貸資源使用效率低且存在金融機(jī)構(gòu)“尋租”行為風(fēng)險(xiǎn)，每一種風(fēng)險(xiǎn)都可能傳導(dǎo)至金融系統(tǒng)和實(shí)體經(jīng)濟(jì)部門，最終導(dǎo)致系統(tǒng)性風(fēng)險(xiǎn)的產(chǎn)生。因此，有必要對信貸的結(jié)構(gòu)性失衡問題進(jìn)行處理，提高信貸資金使用效率，防范信貸風(fēng)險(xiǎn)。具體建議如下：

1、建立信貸供需平衡測算制度，定期衡量地區(qū)和行業(yè)層面的信貸平衡狀態(tài)

本文的實(shí)踐表明，參考生態(tài)足跡模型建立的信貸足跡模型具有較強(qiáng)的實(shí)踐性，應(yīng)用效果較好，與預(yù)期相符。建議加強(qiáng)對信貸供給需求測算方法和模型的研究，建立起常規(guī)性的信貸供給需求測算制度，實(shí)現(xiàn)定期掌握不同地區(qū)、不同行業(yè)信貸平衡狀態(tài)，為信貸供需平衡分析提供參考。此外，在研究相對成熟之后，可考慮建立重要性微觀主體的信貸供需平衡狀態(tài)調(diào)查制度，掌握重要性主體的信貸平衡狀況，以對其經(jīng)營和違約風(fēng)險(xiǎn)進(jìn)行合理評估。

2、建立地區(qū)間的信貸資源調(diào)配機(jī)制，改善地區(qū)信貸失衡現(xiàn)狀

根據(jù)地區(qū)信貸供需平衡狀況的分析結(jié)果，按步驟實(shí)現(xiàn)地區(qū)間的信貸資源調(diào)配。一是建立信貸盈余資金虛擬資金池，抽取信貸盈余地區(qū)的盈余資金，確定信貸盈余資金規(guī)模。二是通過兩方面措施對盈余資金池內(nèi)的資金進(jìn)行調(diào)配。一方面是通過銀行同業(yè)間的借貸行為，引導(dǎo)信貸盈余地區(qū)的金融機(jī)構(gòu)將其自身未能放貸出去的資金劃轉(zhuǎn)至資金赤字地區(qū)的金融機(jī)構(gòu)；另一方面是，引導(dǎo)盈余地區(qū)的金融機(jī)構(gòu)在風(fēng)險(xiǎn)可控的前提下，與赤字地區(qū)的金融機(jī)構(gòu)合作，拓展跨地區(qū)的信貸業(yè)務(wù)。針對后一種做法，應(yīng)明確異地信貸業(yè)務(wù)的數(shù)據(jù)報(bào)送和風(fēng)險(xiǎn)管理規(guī)定。

3、繼續(xù)實(shí)施信貸行業(yè)投向指導(dǎo)機(jī)制，改善行業(yè)信貸失衡現(xiàn)狀

一是繼續(xù)引導(dǎo)金融機(jī)構(gòu)加大對實(shí)體行業(yè)的信貸投放比例，降低房地產(chǎn)、建筑業(yè)等杠桿率較高的行業(yè)的信貸投放比例。二是在投向指導(dǎo)中，建立把握好引導(dǎo)的速度和規(guī)模。房地產(chǎn)業(yè)、建筑業(yè)雖然屬于信貸高風(fēng)險(xiǎn)行業(yè)，但如果調(diào)控政策幅度大，導(dǎo)致其在短期內(nèi)出現(xiàn)大規(guī)模赤字，則容易產(chǎn)生行業(yè)性、系統(tǒng)性的風(fēng)險(xiǎn)。因此建議對高風(fēng)險(xiǎn)行業(yè)的信貸調(diào)控采取循序漸進(jìn)的方法。一方面，引導(dǎo)各行業(yè)繼續(xù)加快電子商務(wù)和產(chǎn)業(yè)鏈金融的發(fā)展，降低對金融機(jī)構(gòu)信貸資金的依賴程度；另一方面，建立房地產(chǎn)業(yè)、建筑業(yè)專項(xiàng)信貸管理措施，實(shí)施更加嚴(yán)格的信貸審核、信貸投放制度，確保信貸盈余資金投向更為健康的市場主體。

4、加強(qiáng)信貸失衡狀態(tài)下的信貸風(fēng)險(xiǎn)管理，建立針對性的防范和管理措施

一是加強(qiáng)對重要性微觀主體資金需求滿足情況的關(guān)注，及時(shí)評估其經(jīng)營和違約風(fēng)險(xiǎn)，并做好風(fēng)險(xiǎn)防范，避免微觀主體風(fēng)險(xiǎn)傳遞至宏觀經(jīng)濟(jì)金融系統(tǒng)。二是重點(diǎn)加強(qiáng)對信貸赤字明顯地區(qū)和行業(yè)民間借貸行為的管理，對市場主體的高利貸等違法違規(guī)行為進(jìn)行查處，降低金融體系風(fēng)險(xiǎn)。三是將信貸足跡模型應(yīng)用于通道業(yè)務(wù)管理當(dāng)中，提高“去通道”的針對性。重點(diǎn)加強(qiáng)對信貸盈余明顯地區(qū)的銀行表外信貸業(yè)務(wù)和券商資管業(yè)務(wù)的監(jiān)管，完善互聯(lián)網(wǎng)金融數(shù)據(jù)抓取制度，遏制金融機(jī)構(gòu)信貸資金串道流向高風(fēng)險(xiǎn)行業(yè)或部門的行為。

［1］ Wackernagel M,Rees William E.Our Ecological Footprint:Reducing Human Impact on the Earth.Gabriola Island,B.C.,Canada:New Society Publishers,1996

［2］ Wackernagel M,Rees W E.Perceptual and Structure Barriers to Investing Capital Criticality:Economics from an Ecological Footprint Perspective.Ecological Economics,1997,20（1）

［3］ Rees W.Ecological footprints of the future.Overview.People&the planet/IPPF,UNFPA,IUCN,1996.5（2）

［4］徐中民，張志強(qiáng)，程國棟，陳東景.中國1999年生態(tài)足跡計(jì)算與發(fā)展能力分析.應(yīng)用生態(tài)學(xué)報(bào).2003（02）280-285

［5］王亞菲.北京市生態(tài)足跡的變動與預(yù)測分析.城市發(fā)展研究.2010（11）82-89

［6］王軍，張勇，王賽，李建保，傅國華，熊春榮.海口生態(tài)足跡的動態(tài)分析與預(yù)測.海南大學(xué)學(xué)報(bào).自然科學(xué)版.2011（01）68-73

［7］周韞力.鄱陽湖生態(tài)經(jīng)濟(jì)生態(tài)效率研究.東華理工大學(xué).2014

［8］張黎明，文倩，霍金煒，彭昕.基于生態(tài)足跡和灰色關(guān)聯(lián)度的湖南省可持續(xù)發(fā)展研究.農(nóng)業(yè)現(xiàn)代化研究.2010（04）459-461

［9］袁鐘，趙牡丹，劉蕊娟，王靜.西安市生態(tài)足跡與生態(tài)承載力動態(tài)變化與預(yù)測.未來與發(fā)展.2016（07）107-112

［10］邵靜.信貸供給、經(jīng)濟(jì)波動與商業(yè)銀行信貸資產(chǎn)質(zhì)量.西部金融.2016（03）12-18

［11］伍戈，謝潔玉.信貸供給不足還是需求萎縮:量價(jià)組合的信號作用. 金融評論.2015（06）30-40+124

［12］黎毅，羅劍朝，曹瓅，房啟明.供給抑制下的不同類型農(nóng)戶信貸需求及其約束研究.農(nóng)村經(jīng)濟(jì).2014（10）60-65

［13］錢龍.信息不對稱與中小企業(yè)信貸風(fēng)險(xiǎn)緩釋機(jī)制研究.金融研究.2015（10）115-132

［14］梁彩紅.論商業(yè)銀行小微企業(yè)信貸風(fēng)險(xiǎn)管理.上海金融.2014（09）108-110

［15］龍正清.我國商業(yè)銀行中小企業(yè)信貸風(fēng)險(xiǎn)管理研究.金融經(jīng)濟(jì).2015（06）140-142

［16］祁樹鵬，馮艷，李京曉.經(jīng)濟(jì)周期對我國商業(yè)銀行信貸風(fēng)險(xiǎn)管理的影響分析——基于VAR模型的實(shí)證研究.金融監(jiān)管研究.2015（04）1-14