錢雪松，屈 伸，康 瑾，杜 立

(1.華中科技大學(xué)經(jīng)濟(jì)學(xué)院，湖北 武漢 430074；2.中國(guó)科學(xué)院科技戰(zhàn)略咨詢研究院，北京 100190)

1 引言

近年來(lái)，我國(guó)影子銀行規(guī)模爆發(fā)式增長(zhǎng)。據(jù)穆迪統(tǒng)計(jì)，截至2018年上半年，中國(guó)影子銀行規(guī)模已達(dá)到65.6萬(wàn)億元，總量相當(dāng)于同期GDP的79%以上。特別地，作為我國(guó)影子銀行重要組成部分，近年來(lái)委托貸款發(fā)展迅速。中國(guó)人民銀行公布的社會(huì)融資規(guī)模數(shù)據(jù)顯示，委托貸款規(guī)模余額已由2002年的175億元增長(zhǎng)到2017年年末的12.97萬(wàn)億元，近十年年均增長(zhǎng)率高達(dá)25.92%。然而，委托貸款等影子銀行長(zhǎng)期游離于監(jiān)管體系之外，其風(fēng)險(xiǎn)狀況受到社會(huì)各界關(guān)注。2017年7月14-15日召開(kāi)的全國(guó)金融工作會(huì)議強(qiáng)調(diào)了防范系統(tǒng)性金融風(fēng)險(xiǎn)的重要性，7月17日銀監(jiān)會(huì)進(jìn)一步指出，為了避免系統(tǒng)性金融風(fēng)險(xiǎn)增大，要著力防控影子銀行等重點(diǎn)領(lǐng)域的金融風(fēng)險(xiǎn)。此背景下，委托貸款等影子銀行的風(fēng)險(xiǎn)狀況以及如何防范風(fēng)險(xiǎn)等問(wèn)題迫切需要回答。

實(shí)際上，考慮到近年來(lái)委托貸款等影子銀行在我國(guó)迅速發(fā)展，學(xué)術(shù)界也涌現(xiàn)出一些研究考察其運(yùn)作機(jī)理與宏觀效應(yīng)。理論定性研究方面，李波和伍戈[1]指出，與商業(yè)銀行相比，影子銀行具有更強(qiáng)的信用創(chuàng)造功能、更高的杠桿，這會(huì)對(duì)金融穩(wěn)定產(chǎn)生重大影響；高然等[2]、林琳等[3]通過(guò)構(gòu)造包含影子銀行部門的DSGE模型分析指出，為應(yīng)對(duì)資本充足率和存貸比約束，商業(yè)銀行積極參與影子銀行業(yè)務(wù)，這不僅使得影子銀行呈現(xiàn)逆周期特征，而且加劇了金融系統(tǒng)的復(fù)雜程度和期限錯(cuò)配問(wèn)題，導(dǎo)致大量金融風(fēng)險(xiǎn)聚集。實(shí)證研究方面，李向前等[4]運(yùn)用VAR模型對(duì)2000-2012年我國(guó)相關(guān)宏觀經(jīng)濟(jì)數(shù)據(jù)進(jìn)行實(shí)證檢驗(yàn)發(fā)現(xiàn)，影子銀行顯著降低了我國(guó)金融系統(tǒng)穩(wěn)定性；胡利琴等[5]運(yùn)用門限回歸模型實(shí)證考察了我國(guó)影子銀行體系的風(fēng)險(xiǎn)承擔(dān)行為，研究發(fā)現(xiàn)，長(zhǎng)期的利率管制和緊縮的貨幣政策放大了影子銀行的過(guò)度風(fēng)險(xiǎn)承擔(dān)行為。這些研究增進(jìn)了我們對(duì)影子銀行體系運(yùn)作機(jī)理和宏觀效應(yīng)的認(rèn)識(shí)和理解。

但值得指出的是，出于規(guī)避管制等原因，影子銀行具有一定隱蔽性，相關(guān)微觀數(shù)據(jù)難以獲得，因而，運(yùn)用影子銀行微觀數(shù)據(jù)展開(kāi)的實(shí)證研究并不多見(jiàn)。Allen等[6]、Chen Kaiji等[7]以及錢雪松等[8]運(yùn)用委托貸款這一獨(dú)特微觀數(shù)據(jù)，分別實(shí)證研究了企業(yè)參與委托貸款的動(dòng)機(jī)、委托貸款區(qū)域流動(dòng)、委托貸款如何影響貨幣政策傳導(dǎo)等相關(guān)問(wèn)題。廖理等[9]、楊立等[10]運(yùn)用中國(guó)P2P借貸平臺(tái)的交易數(shù)據(jù)實(shí)證研究發(fā)現(xiàn)，社交網(wǎng)絡(luò)及羊群效應(yīng)是影響我國(guó)P2P借貸違約率的重要因素。

綜上，現(xiàn)有考察影子銀行的文獻(xiàn)要么采用理論模型進(jìn)行研究，要么從宏觀加總數(shù)據(jù)切入進(jìn)行研究，利用微觀層面數(shù)據(jù)實(shí)證考察影子銀行違約風(fēng)險(xiǎn)的研究仍十分稀缺。

慶幸的是，證監(jiān)會(huì)要求我國(guó)上市公司發(fā)布公告披露其涉及的委托貸款交易，其中不僅涵括借貸雙方、貸款規(guī)模、期限、是否存在抵押條款等詳細(xì)的借貸信息，還披露了委托貸款的回收情況，這使我們可以獲取委托貸款的違約信息，從而為本文實(shí)證考察影子銀行違約風(fēng)險(xiǎn)提供了很好的研究素材。

基于此，我們手工搜集整理了2004-2015年我國(guó)上市公司委托貸款公告數(shù)據(jù)。本文將委托貸款到期未能按時(shí)還款界定為違約，在此基礎(chǔ)上實(shí)證考察委托貸款的違約風(fēng)險(xiǎn)及其防范機(jī)制?；谶@一獨(dú)特手工搜集整理數(shù)據(jù)的經(jīng)驗(yàn)分析發(fā)現(xiàn)，委托貸款整體違約率高達(dá)10.09%，遠(yuǎn)高于同期銀行業(yè)金融機(jī)構(gòu)的不良貸款率(1.94%)。同時(shí)，數(shù)據(jù)顯示，我國(guó)委托貸款違約風(fēng)險(xiǎn)主要集中在房地產(chǎn)行業(yè)和中西部地區(qū)。從行業(yè)維度來(lái)看，與其他行業(yè)相比，房地產(chǎn)行業(yè)違約率高達(dá)13.25%，高出其他行業(yè)平均違約率4個(gè)百分點(diǎn)；從地區(qū)層面來(lái)看，東部地區(qū)委托貸款的違約率為8.7%，而中部、西部貸款違約率分別高達(dá)13.33%和11.70%，平均比流向東部地區(qū)貸款違約率高44%。

進(jìn)一步考察委托貸款的風(fēng)險(xiǎn)防范機(jī)制發(fā)現(xiàn)：其一，抵押條款的運(yùn)用與委托貸款違約率顯著正相關(guān)，換言之，與抵押在傳統(tǒng)銀行信貸領(lǐng)域有效發(fā)揮防控風(fēng)險(xiǎn)的作用不同，在委托貸款這一影子銀行機(jī)制中，抵押并沒(méi)有降低違約風(fēng)險(xiǎn)；其二，借貸雙方地理位置分布會(huì)顯著影響委托貸款違約率，與近距離借貸(或同省借貸)相比，遠(yuǎn)距離借貸(或異省借貸)的違約風(fēng)險(xiǎn)相對(duì)較高。

據(jù)筆者所知，本文是第一篇運(yùn)用委托貸款這一獨(dú)特影子銀行數(shù)據(jù)從微觀層面切入實(shí)證考察影子銀行風(fēng)險(xiǎn)狀況及其防范機(jī)制的研究。本文研究不僅為我國(guó)委托貸款這一影子銀行機(jī)制的風(fēng)險(xiǎn)狀況提供了直接的經(jīng)驗(yàn)證據(jù)，而且對(duì)影子銀行參與者如何有效防范風(fēng)險(xiǎn)和相關(guān)政府部門加強(qiáng)監(jiān)管具有重要的借鑒意義。

其一，從參與委托貸款這一影子銀行機(jī)制的經(jīng)濟(jì)主體層面看，一方面，由于抵押并不能有效降低委托貸款違約風(fēng)險(xiǎn)，貸款提供方不能期望要求借款企業(yè)提供抵押就能降低違約風(fēng)險(xiǎn)，而應(yīng)加強(qiáng)自身對(duì)借款企業(yè)潛在風(fēng)險(xiǎn)的識(shí)別能力；另一方面，考慮到跨區(qū)域、遠(yuǎn)距離借貸易通過(guò)信息不對(duì)稱渠道推高違約風(fēng)險(xiǎn)，資金提供方在參與委托貸款等影子銀行交易時(shí)應(yīng)將地理距離作為是否達(dá)成交易的重要因素，慎重考慮是否參與跨區(qū)域、遠(yuǎn)距離影子銀行交易。

其二，從銀監(jiān)會(huì)等監(jiān)管部門看，僅根據(jù)貸款契約是否含有抵押條款就判定其風(fēng)險(xiǎn)大小進(jìn)而調(diào)節(jié)監(jiān)管力度的做法并不行之有效，相關(guān)監(jiān)管部門應(yīng)建立健全風(fēng)險(xiǎn)評(píng)估體系，密切關(guān)注委托貸款等影子銀行的風(fēng)險(xiǎn)狀況，而且，監(jiān)管當(dāng)局也應(yīng)對(duì)跨區(qū)域影子銀行機(jī)制實(shí)施重點(diǎn)監(jiān)管。

2 委托貸款樣本與違約風(fēng)險(xiǎn)初步分析

本文利用手工搜集的委托貸款這一獨(dú)特微觀數(shù)據(jù)來(lái)進(jìn)行實(shí)證研究，因此，我們首先對(duì)文中使用的這一委托貸款樣本及數(shù)據(jù)來(lái)源進(jìn)行描述，在此基礎(chǔ)上初步分析委托貸款違約風(fēng)險(xiǎn)。

2.1 樣本選擇與數(shù)據(jù)來(lái)源

考慮到2016年及之后發(fā)生的委托貸款大部分沒(méi)有到期，我們無(wú)法獲知其貸款違約信息。基于此，本文收集整理了2004-2015年中國(guó)A股上市公司披露的委托貸款公告和貸后情況公告，得到1612筆委托貸款交易數(shù)據(jù)，其中包含委托貸款借貸雙方、借貸規(guī)模、期限、貸后回收情況、是否含有抵押擔(dān)保條款等詳細(xì)的借貸信息。為研究委托貸款違約風(fēng)險(xiǎn)，我們選取其中1150筆截至2015年12月31日已經(jīng)到期的貸款作為本文研究樣本，共涉及交易金額達(dá)1787億元。

本文數(shù)據(jù)包括委托貸款貸后回收情況、契約條款和借款企業(yè)特征數(shù)據(jù)。其中，借貸條款包括期限、規(guī)模和具體的抵押條款信息，均來(lái)自于上市公司發(fā)布的委托貸款公告；借款企業(yè)特征包括所有制屬性、年齡、所在行業(yè)、是否為上市公司、以及借貸雙方是否存在股權(quán)關(guān)聯(lián)關(guān)系等，其信息部分來(lái)源于委托貸款公告，部分通過(guò)網(wǎng)絡(luò)搜集獲得。

2.2 變量定義與描述性統(tǒng)計(jì)

本文利用委托貸款是否發(fā)生違約來(lái)測(cè)度影子銀行風(fēng)險(xiǎn)。我們將到期未按期償還界定為貸款違約，并設(shè)定表示貸款是否發(fā)生違約的變量Default。在此基礎(chǔ)之上考察影子銀行風(fēng)險(xiǎn)狀況。具體而言，當(dāng)一筆委托貸款到期未按時(shí)歸還時(shí)，Default變量取1，否則取0。

文章所使用的主要變量還包括抵押變量、距離變量、借款企業(yè)特征變量以及行業(yè)、年度等變量，具體定義如下。

我們運(yùn)用虛擬變量Collateral測(cè)度借貸交易中是否涵括抵押條款，如果委托貸款中涵括抵押條款則取值為1，否則記為0。我們采用兩種方式測(cè)度借貸雙方之間的距離，其一，通過(guò)設(shè)置表示借貸雙方處于同省還是異省的虛擬變量來(lái)測(cè)度，設(shè)置Diprovince變量，當(dāng)借貸雙方處于異省時(shí)取1，否則取0；其二，直接通過(guò)借貸雙方之間的經(jīng)緯度距離來(lái)測(cè)度，同時(shí)在1%水平上進(jìn)行雙邊縮尾處理并取自然對(duì)數(shù)，得到Distance變量。

Ownership表示借款企業(yè)的所有制屬性。具體地，如果借款企業(yè)為國(guó)有企業(yè)，則所有制虛擬變量取值為1，否則取值為0。企業(yè)年齡定義為借款企業(yè)從成立到委托貸款交易發(fā)生時(shí)的時(shí)間長(zhǎng)度。我們通過(guò)委托貸款公告、上市公司年報(bào)、網(wǎng)絡(luò)等渠道手工查找借款企業(yè)的注冊(cè)時(shí)間，然后用委托貸款交易發(fā)生的時(shí)間減去注冊(cè)時(shí)間，以得到借款企業(yè)年齡，最后，再將計(jì)算得到的原始年齡加1之后取自然對(duì)數(shù)，以得到借款企業(yè)年齡的測(cè)度變量Age。Relate表示借貸企業(yè)之間是否存在股權(quán)關(guān)聯(lián)關(guān)系，當(dāng)借貸雙方存在股權(quán)關(guān)聯(lián)關(guān)系時(shí)，Relate變量取值為1，否則為0。我們用Public表示借款企業(yè)是否是上市公司，是則取1，否則取0。

Maturity表示委托貸款期限，以年為單位，經(jīng)過(guò)1%雙邊縮尾處理并取自然對(duì)數(shù)。Amount表示委托貸款規(guī)模的對(duì)數(shù)值。Year和Industry分別表示年度和行業(yè)的虛擬變量。

表1 Panel A是主要變量的描述性統(tǒng)計(jì)特征。數(shù)據(jù)顯示，其一，在1150筆委托貸款中，有116筆發(fā)生違約，有242筆貸款存在抵押條款，有418筆貸款的借貸雙方位于不同省份，變量的豐富差異性為我們從抵押條款和借貸雙方位置關(guān)系角度考察委托貸款違約風(fēng)險(xiǎn)提供了數(shù)據(jù)基礎(chǔ)；其二，借款企業(yè)年齡、所有制屬性、是否為上市公司、是否與貸款方存在股權(quán)關(guān)聯(lián)關(guān)系等信息都具有豐富差異性，這為我們利用多元回歸方法考察委托貸款違約風(fēng)險(xiǎn)提供了很好的研究素材。

Panel B為主要變量的Pearson相關(guān)系數(shù)矩陣。第1列展示了各主要變量與委托貸款違約率的相關(guān)系數(shù)，結(jié)果顯示，抵押與委托貸款違約率的Pearson相關(guān)系數(shù)在1%的水平上顯著為正。這初步表明，抵押條款的運(yùn)用與委托貸款違約率存在正相關(guān)關(guān)系；類似地，異省變量(借貸距離變量)與違約率的Pearson相關(guān)系數(shù)同樣在1%的水平上顯著為正，這說(shuō)明，與借貸雙方處于同一省份的委托貸款相比，借貸雙方處于異省時(shí)，委托貸款違約率顯著上升，同樣地，借貸雙方之間距離越遠(yuǎn)，貸款違約的可能性越大。此外，Ownership、Relate、Age等都與委托貸款違約率顯著相關(guān)，這說(shuō)明考察委托貸款違約風(fēng)險(xiǎn)時(shí)需要控制相關(guān)變量。

表1 變量描述性統(tǒng)計(jì)和Pearson相關(guān)系數(shù)矩陣

續(xù)表1 變量描述性統(tǒng)計(jì)和Pearson相關(guān)系數(shù)矩陣

2.3 委托貸款風(fēng)險(xiǎn)分析

我們對(duì)貸款樣本違約情況進(jìn)行初步分析，首先將委托貸款違約數(shù)據(jù)與中國(guó)銀監(jiān)會(huì)披露的同期銀行業(yè)金融機(jī)構(gòu)不良貸款率進(jìn)行對(duì)比；其次分別從行業(yè)層面和地區(qū)層面切入，細(xì)致考察委托貸款違約風(fēng)險(xiǎn)在上述兩方面的差異性。

在本文1150個(gè)委托貸款樣本中，共有116個(gè)樣本發(fā)生違約，總體違約率為10.09%。根據(jù)中國(guó)銀行業(yè)監(jiān)督管理委員會(huì)2015年年報(bào)顯示，截至2015年年末，銀行業(yè)金融機(jī)構(gòu)不良貸款率僅為1.94%，遠(yuǎn)低于委托貸款違約率。這表明，作為一種典型影子銀行機(jī)制，委托貸款具有較高的違約風(fēng)險(xiǎn)，如表2 Panel A所示。進(jìn)一步地，我們分別從行業(yè)層面和地區(qū)層面考察委托貸款違約風(fēng)險(xiǎn)，如表2 Panel B和Panel C所示。

其一，從行業(yè)層面來(lái)看，在1150筆貸款樣本中，流向房地產(chǎn)的有249筆，其中有33筆發(fā)生違約，違約率高達(dá)13.25%，流向其他行業(yè)的有901筆，有83筆發(fā)生違約，違約率為9.21%。流向房地產(chǎn)行業(yè)的委托貸款比流向其他行業(yè)委托貸款的事后違約率高44%，同時(shí)，T檢驗(yàn)結(jié)果顯示，兩者在5%水平上存在顯著差異。這表明，相對(duì)于其他行業(yè)，流向房地產(chǎn)行業(yè)的委托貸款發(fā)生違約的概率更大。

其二，從地區(qū)層面審視，在1150筆貸款樣本中，有735筆貸款流向東部地區(qū)，其中有64筆發(fā)生違約，違約率為8.7%，流向中部和西部地區(qū)的分別有210和205筆，違約率分別高達(dá)13.33%和11.70%，平均比流向東部地區(qū)貸款違約率高3.83個(gè)百分點(diǎn)，同時(shí)T檢驗(yàn)結(jié)果表明，流向中西部地區(qū)委托貸款的違約率顯著高于流向東部地區(qū)貸款的違約率。這揭示出，相比于東部地區(qū)委托貸款，流向中西部地區(qū)委托貸款的違約可能性更大。綜合來(lái)看，相對(duì)于同期銀行業(yè)金融機(jī)構(gòu)不良貸款率，我國(guó)委托貸款違約率較高，且表現(xiàn)出鮮明的行業(yè)特征和區(qū)域特征。一方面，房地產(chǎn)行業(yè)違約率顯著高于其他行業(yè)平均違約率；另一方面，我國(guó)委托貸款大部分分布在東部地區(qū)，中西部地區(qū)委托貸款占少數(shù)，但中西部地區(qū)委托貸款違約率顯著高于東部地區(qū)。

3 影子銀行風(fēng)險(xiǎn)的防范機(jī)制分析：基于抵押和借貸距離的視角

作為典型的影子銀行機(jī)制，委托貸款也是一種借貸交易，它們往往受到信息不對(duì)稱及其引致違約風(fēng)險(xiǎn)問(wèn)題的困擾。這樣一來(lái)，不僅貸款企業(yè)會(huì)采用索取抵押品等手段防控放貸風(fēng)險(xiǎn)，而且，借貸距離等影響信息監(jiān)督的因素也會(huì)對(duì)委托貸款違約風(fēng)險(xiǎn)施加作用。

其一，實(shí)踐中抵押往往作為防控債務(wù)違約風(fēng)險(xiǎn)的重要機(jī)制。世界銀行2006-2017年的企業(yè)調(diào)查數(shù)據(jù)顯示，超過(guò)79.2%的企業(yè)負(fù)債融資都是抵押貸款，我國(guó)企業(yè)抵押貸款占比也高達(dá)77.6%?，F(xiàn)代公司金融理論和經(jīng)驗(yàn)研究表明，抵押條款是減少信息不對(duì)稱進(jìn)而降低違約風(fēng)險(xiǎn)的重要機(jī)制[11]。一方面，從事前信息不對(duì)稱角度來(lái)看，抵押能向貸款者傳遞借款者信用質(zhì)量信息，從而作為信號(hào)傳遞甄別工具緩解逆向選擇問(wèn)題[12-13]；另一方面，從事后信息不對(duì)稱角度看，抵押不僅能有效遏制借款者資產(chǎn)替代行為引發(fā)的風(fēng)險(xiǎn)問(wèn)題[14-15]，而且能避免借款者努力程度下降導(dǎo)致的項(xiàng)目期望回報(bào)降低[16-17]，因而通過(guò)激勵(lì)機(jī)制有效緩解道德風(fēng)險(xiǎn)問(wèn)題。那么，對(duì)本文關(guān)注的委托貸款這一影子銀行機(jī)制而言，一個(gè)自然的問(wèn)題是：抵押機(jī)制是否發(fā)揮了有效防控借款企業(yè)違約風(fēng)險(xiǎn)的作用？

表2 委托貸款違約情況描述

其二，地理因素會(huì)通過(guò)信息生產(chǎn)傳遞渠道對(duì)企業(yè)微觀金融活動(dòng)產(chǎn)生影響。具體地，由于資金提供方需要通過(guò)實(shí)地考察掌握借款企業(yè)信用、資金使用等情況，信息不對(duì)稱程度會(huì)隨著借貸雙方距離的增加而增強(qiáng)，這不僅會(huì)在傳統(tǒng)銀行業(yè)影響貸款可得性[18-19]和借貸價(jià)格[20-22]，而且還會(huì)影響到風(fēng)險(xiǎn)投資領(lǐng)域融資輪數(shù)[23-24]以及基金經(jīng)理的股票投資回報(bào)率[25]?？紤]到本文樣本中存在大量的跨區(qū)域委托貸款，那么，借貸距離是否以及如何影響委托貸款違約風(fēng)險(xiǎn)呢？

基于此，我們分別從抵押和借貸距離兩個(gè)視角切入考察影子銀行的風(fēng)險(xiǎn)防范問(wèn)題，具體做了以下兩個(gè)實(shí)證檢驗(yàn)：其一，將樣本分別按照是否存在抵押條款、借貸雙方是否處于同省(距離遠(yuǎn)近)進(jìn)行分類，再分別統(tǒng)計(jì)不同分組的委托貸款違約率，并采用T檢驗(yàn)方法考察上述機(jī)制對(duì)違約率的影響；其二，我們進(jìn)一步將可能影響委托貸款違約的多種因素同時(shí)考慮，運(yùn)用多元回歸模型實(shí)證考察這一問(wèn)題。

3.1 單變量分析

表3是利用T檢驗(yàn)方法考察抵押條款、借貸距離等因素對(duì)貸款違約風(fēng)險(xiǎn)影響的初步結(jié)果。表3Panel A顯示，在1150筆貸款中，有242筆委托貸款包含抵押條款，占比21.04%，含抵押條款樣本的貸款違約率為16.94%，無(wú)抵押條款樣本的貸款違約率是8.26%，T檢驗(yàn)結(jié)果顯示，前者在1%的水平上顯著高于后者。與不含抵押條款的樣本相比，含抵押條款樣本的貸款違約率顯著上升，這初步表明，抵押條款的運(yùn)用并不能有效降低貸款違約風(fēng)險(xiǎn)。

Panel B是按照借貸雙方是否處于同一省份對(duì)違約率進(jìn)行T檢驗(yàn)的結(jié)果。Panel B結(jié)果顯示，從借貸雙方是否處于同一省份視角來(lái)看，借貸雙方處于同一省份的委托貸款數(shù)量占貸款總筆數(shù)的63.65%，而違約率僅為8.33%，在1%的水平上顯著低于借貸雙方處于異省的委托貸款違約率13.16%。這初步揭示出，與借貸雙方處于同一省份相比，借貸企業(yè)位于不同省份時(shí)借款企業(yè)違約可能性更大，借貸雙方地理位置的遠(yuǎn)近顯著影響了委托貸款違約風(fēng)險(xiǎn)。

表3 抵押條款、距離與貸款違約風(fēng)險(xiǎn)相關(guān)性描述性統(tǒng)計(jì)

進(jìn)一步地，我們從借貸雙方的經(jīng)緯度距離切入考察距離對(duì)委托貸款違約風(fēng)險(xiǎn)的影響。如表3Panel C所示，首先將借貸雙方經(jīng)緯度距離按照四分位數(shù)進(jìn)行分組，其次分別對(duì)不同組別樣本貸款違約率進(jìn)行T檢驗(yàn)。檢驗(yàn)結(jié)果發(fā)現(xiàn)，隨著借貸雙方地理距離的增加，貸款違約率逐漸上升。這進(jìn)一步說(shuō)明了借貸雙方距離顯著影響貸款違約風(fēng)險(xiǎn)，借貸雙方距離越遠(yuǎn)，信息不對(duì)稱程度越強(qiáng)，借款企業(yè)發(fā)生違約的可能性更大。

3.2 多元回歸分析

考慮借款方特征等因素也會(huì)對(duì)委托貸款違約風(fēng)險(xiǎn)產(chǎn)生影響，我們將年齡、所有制屬性等借款企業(yè)特征以及規(guī)模、期限等借貸條款考慮進(jìn)去，利用如下Logit回歸模型進(jìn)行實(shí)證分析：

Default=β1Collateral

+β2Diprovince(Distance)+β3Control+C

(1)

在模型(1)中，因變量Default是表示該筆委托貸款是否發(fā)生違約的虛擬變量；Collateral是測(cè)度貸款交易中抵押條款運(yùn)用的虛擬變量；Diprovince表示借貸雙方是否位于不同省份；Distance是測(cè)度借貸雙方經(jīng)緯度距離的變量；Control涵蓋了其他控制變量，包括所有制屬性、年齡、是否是上市公司、與貸款方是否存在股權(quán)關(guān)聯(lián)關(guān)系等借款企業(yè)特征以及借貸規(guī)模、期限等條款，此外還包括年度變量和行業(yè)變量。實(shí)證結(jié)果見(jiàn)表4。

表4第1列只加入了抵押變量Collateral和異省變量Diprovince，回歸結(jié)果顯示抵押變量與貸款違約率在1%的水平上顯著正相關(guān)；第2列回歸顯示，在加入借款企業(yè)特征變量和行業(yè)年度控制變量之后，Collateral與Default仍在1%的水平上顯著正相關(guān)；進(jìn)一步地，為使結(jié)果更加穩(wěn)健，在第3列中加入了委托貸款規(guī)模和期限等借貸條款變量，結(jié)果顯示，Collateral與Default仍在1%水平上顯著正相關(guān)。

如何理解這一實(shí)證結(jié)果呢？實(shí)際上，在經(jīng)濟(jì)實(shí)踐中，信息不對(duì)稱這一資本市場(chǎng)不完美因素使得抵押與違約之間的聯(lián)系和作用機(jī)制十分復(fù)雜。

一方面，從事前信息不對(duì)稱角度看，抵押可通過(guò)“借款者選擇”機(jī)制對(duì)違約風(fēng)險(xiǎn)施加影響。具體而言，為了防范信息不對(duì)稱導(dǎo)致的逆向選擇問(wèn)題，低風(fēng)險(xiǎn)借款者可以將提供抵押作為信號(hào)甄別工具，以此向貸款者傳遞信用和質(zhì)量信息，從而使得抵押與違約風(fēng)險(xiǎn)表現(xiàn)出負(fù)相關(guān)關(guān)系[26-27]。

另一方面，從事后信息不對(duì)稱角度看，抵押可通過(guò)“貸款者選擇”和“防止風(fēng)險(xiǎn)轉(zhuǎn)移”等機(jī)制影響違約風(fēng)險(xiǎn)[28-29]。具體而言，其一，“貸款者選擇”機(jī)制是指，貸款者在事前了解借款者風(fēng)險(xiǎn)情況下，會(huì)傾向于向高風(fēng)險(xiǎn)借款者索取抵押品，以彌補(bǔ)事后違約可能帶來(lái)的損失，從而使得“抵押-風(fēng)險(xiǎn)”關(guān)系為正；其二，“防止風(fēng)險(xiǎn)轉(zhuǎn)移”機(jī)制是指，抵押品的存在能夠有效防止借款者將所獲借款轉(zhuǎn)移至高風(fēng)險(xiǎn)項(xiàng)目，從而會(huì)降低借款企業(yè)事后違約風(fēng)險(xiǎn)，進(jìn)而導(dǎo)致“抵押-風(fēng)險(xiǎn)”關(guān)系為負(fù)。

需要指出的是，經(jīng)濟(jì)實(shí)踐中，由于不同地區(qū)、不同市場(chǎng)、不同類型借款者的特征不同，抵押和風(fēng)險(xiǎn)之間的關(guān)系并不確定。一方面，Godlewski和Weill[30]、Brick和Palia[31]等實(shí)證研究發(fā)現(xiàn)，為了防范借款者事后的道德風(fēng)險(xiǎn)，貸款者會(huì)要求低質(zhì)量借款者提供抵押，從而使得抵押和風(fēng)險(xiǎn)之間的關(guān)系可能因?yàn)椤百J款者選擇”機(jī)制占主導(dǎo)而表現(xiàn)出正向關(guān)系；另一方面，抵押和風(fēng)險(xiǎn)之間的關(guān)系也可能因?yàn)椤敖杩钫哌x擇”或“防止風(fēng)險(xiǎn)轉(zhuǎn)移”機(jī)制占主導(dǎo)而表現(xiàn)出負(fù)相關(guān)關(guān)系。例如，Cerqueiro等[32]使用瑞典企業(yè)貸款數(shù)據(jù)的研究表明，抵押條款能夠強(qiáng)化貸款者對(duì)借款者的監(jiān)督作用，從而降低借款企業(yè)的違約風(fēng)險(xiǎn)，類似地，Berger等[33]使用玻利維亞企業(yè)貸款數(shù)據(jù)的研究也發(fā)現(xiàn)，抵押能夠緩解借款者事后的道德風(fēng)險(xiǎn)，從而降低違約風(fēng)險(xiǎn)。

值得強(qiáng)調(diào)的是，對(duì)本文關(guān)注的委托貸款交易而言，其借款者一般在正規(guī)銀行信貸市場(chǎng)中受到融資抑制，往往規(guī)模較小、風(fēng)險(xiǎn)較高。在向這些高風(fēng)險(xiǎn)借款者發(fā)放貸款時(shí)，貸款者傾向于向借款企業(yè)索取抵押品。此時(shí)，抵押與事后違約概率就會(huì)因?yàn)椤百J款者選擇”機(jī)制占主導(dǎo)而表現(xiàn)出正向關(guān)系。

同時(shí)，表4中1-3列結(jié)果還顯示，無(wú)論加入借款企業(yè)特征變量，還是貸款條款變量，異省變量Diprovince與委托貸款違約概率Default均在5%的水平上顯著正相關(guān)。這說(shuō)明，與借貸雙方處于同一省份相比，借貸雙方處于不同省份時(shí)，借款方到期不能按時(shí)歸還借款的可能性更大。同時(shí)，我們也采用經(jīng)緯度距離直接測(cè)度借貸雙方距離因素，結(jié)果見(jiàn)表4中4-6列，無(wú)論加入借款企業(yè)特征變量，還是借貸條款之后，Distance與Default均在1%水平上顯著正相關(guān)，這說(shuō)明，借貸雙方距離越遠(yuǎn)，該筆貸款發(fā)生違約的可能性更大。這與一般經(jīng)濟(jì)直覺(jué)相一致。

這些結(jié)果表明，與近距離借貸(或同省借貸)相比，遠(yuǎn)距離借貸(或異省借貸)違約風(fēng)險(xiǎn)更大。如何理解這一有趣結(jié)果呢？

一般而言，地理位置分布因素會(huì)通過(guò)交通成本機(jī)制和信息不對(duì)稱機(jī)制對(duì)經(jīng)濟(jì)活動(dòng)施加影響。但值得強(qiáng)調(diào)的是，與實(shí)物交易活動(dòng)同時(shí)受到交通成本機(jī)制和信息機(jī)制的影響不同，由于現(xiàn)代金融市場(chǎng)的資本流動(dòng)快捷，金融交易活動(dòng)涉及到的運(yùn)輸成本相對(duì)較小，交易雙方的地理位置分布(或地理距離因素)主要通過(guò)信息機(jī)制發(fā)揮作用。

具體地，一方面，從事前維度看，地理距離影響了貸款者對(duì)優(yōu)質(zhì)借款企業(yè)的甄別，距離越遠(yuǎn)，借貸雙方信息不對(duì)稱程度越強(qiáng)，貸款方越不容易以較低成本識(shí)別借款企業(yè)潛在風(fēng)險(xiǎn)，這給低質(zhì)量企業(yè)以可乘之機(jī)，導(dǎo)致遠(yuǎn)距離借貸樣本中低質(zhì)量企業(yè)較多，發(fā)生違約的可能性更大；另一方面，從事后維度來(lái)看，借貸雙方地理距離的增加提高了貸款方對(duì)借款企業(yè)的監(jiān)督成本，貸款方如果想對(duì)借款企業(yè)資金運(yùn)用進(jìn)行定期監(jiān)督檢查，需要付出比在近距離借貸中更大的成本，因而遠(yuǎn)距離借貸樣本中貸款方普遍不能對(duì)借款企業(yè)實(shí)施有效監(jiān)督，借款方存在發(fā)生道德風(fēng)險(xiǎn)的動(dòng)機(jī)(如將資金運(yùn)用到高收益高風(fēng)險(xiǎn)項(xiàng)目)，從而導(dǎo)致不能按時(shí)還款，發(fā)生違約。

4 結(jié)語(yǔ)

作為影子銀行的一種典型形式，委托貸款交易不僅具有隱蔽性，而且往往游離于正規(guī)監(jiān)管體系之外，風(fēng)險(xiǎn)狀況受到社會(huì)各界關(guān)注。然而，出于規(guī)避管制等原因，影子銀行具有一定隱蔽性，相關(guān)微觀數(shù)據(jù)難以獲得?，F(xiàn)有關(guān)于影子銀行的文獻(xiàn)大多或采用理論模型進(jìn)行研究，或從宏觀加總數(shù)據(jù)切入進(jìn)行實(shí)證研究，利用微觀層面數(shù)據(jù)實(shí)證考察影子銀行違約風(fēng)險(xiǎn)的研究鳳毛麟角，這導(dǎo)致我們對(duì)影子銀行風(fēng)險(xiǎn)狀況及其防范機(jī)制缺乏認(rèn)識(shí)。

本文利用手工搜集委托貸款這一獨(dú)特?cái)?shù)據(jù)進(jìn)行實(shí)證研究，研究結(jié)果顯示，我國(guó)委托貸款違約率高達(dá)10.09%，顯著高于同期銀行業(yè)金融機(jī)構(gòu)不良貸款率(1.94%)。這表明，作為一種典型影子銀行機(jī)制，委托貸款具有較高違約風(fēng)險(xiǎn)。進(jìn)一步研究發(fā)現(xiàn)，委托貸款違約分布具有顯著的行業(yè)特征和和區(qū)域特征，房地產(chǎn)行業(yè)和中西部地區(qū)違約率較高。

考慮到在委托貸款等影子銀行機(jī)制中，不僅貸款企業(yè)會(huì)采用索取抵押品等手段防控放貸風(fēng)險(xiǎn)，而且借貸距離等影響信息監(jiān)督的因素也會(huì)對(duì)委托貸款違約風(fēng)險(xiǎn)施加作用，我們分別從抵押條款和借貸距離視角切入考察委托貸款違約風(fēng)險(xiǎn)的影響因素。實(shí)證檢驗(yàn)結(jié)果顯示，其一，抵押與違約風(fēng)險(xiǎn)顯著正相關(guān)，這表明，與抵押在傳統(tǒng)銀行信貸領(lǐng)域有效發(fā)揮防控風(fēng)險(xiǎn)的作用不同，在委托貸款這一影子銀行機(jī)制中，抵押并沒(méi)有發(fā)揮降低違約風(fēng)險(xiǎn)的作用；其二，借貸距離與違約風(fēng)險(xiǎn)顯著正相關(guān)，這表明，借貸雙方地理位置會(huì)通過(guò)信息機(jī)制影響委托貸款違約率，借貸雙方距離越遠(yuǎn)(或處于異省)，信息不對(duì)稱程度越強(qiáng)，發(fā)生違約的可能性越大。

本文的經(jīng)驗(yàn)研究考察了委托貸款的違約風(fēng)險(xiǎn)及其防范機(jī)制，不僅為我國(guó)委托貸款這一影子銀行機(jī)制的風(fēng)險(xiǎn)狀況提供了直接經(jīng)驗(yàn)證據(jù)，而且對(duì)影子銀行參與者和監(jiān)管當(dāng)局都具有重要啟示意義：一方面，對(duì)于參與委托貸款這一影子銀行機(jī)制的經(jīng)濟(jì)主體而言，不能僅依靠抵押降低違約風(fēng)險(xiǎn)，應(yīng)加強(qiáng)自身對(duì)借款企業(yè)潛在風(fēng)險(xiǎn)的識(shí)別能力；另一方面，對(duì)于監(jiān)管當(dāng)局而言，相關(guān)部門應(yīng)建立健全影子銀行風(fēng)險(xiǎn)評(píng)估體系，密切關(guān)注委托貸款等影子銀行風(fēng)險(xiǎn)狀況，尤其對(duì)跨區(qū)域、流向房地產(chǎn)及遠(yuǎn)距離影子銀行機(jī)制施加重點(diǎn)關(guān)注。