[摘 要]地方政府債務(wù)風(fēng)險(xiǎn)和金融風(fēng)險(xiǎn)易通過存貸款渠道、擔(dān)保渠道、政府救助等渠道相互傳導(dǎo)，從而將金融危機(jī)與財(cái)政危機(jī)聯(lián)系起來。基于山東省2012—2018年的季度數(shù)據(jù)，運(yùn)用因子分析法和SVAR模型，度量山東省政府債務(wù)風(fēng)險(xiǎn)指數(shù)和金融風(fēng)險(xiǎn)指數(shù)，分析二者的關(guān)系。結(jié)果顯示：金融風(fēng)險(xiǎn)引發(fā)政府債務(wù)風(fēng)險(xiǎn)的滯后期為5個(gè)季度，平穩(wěn)期為15個(gè)季度;政府債務(wù)風(fēng)險(xiǎn)引發(fā)金融風(fēng)險(xiǎn)的滯后期為1個(gè)季度，平穩(wěn)期為20個(gè)季度。由此建議，通過加強(qiáng)投融資的管理、整頓地方融資平臺、理清并化解債務(wù)存量、制定合理的財(cái)政預(yù)算、建立規(guī)范的信息披露制度等防范財(cái)政風(fēng)險(xiǎn)金融化;通過建立財(cái)政準(zhǔn)備金制度、采用安全穩(wěn)健的經(jīng)營策略、加強(qiáng)對影子銀行監(jiān)管、規(guī)范銀企關(guān)系等防范金融風(fēng)險(xiǎn)財(cái)政化。

[關(guān)鍵詞]地方政府債務(wù)風(fēng)險(xiǎn);區(qū)域金融風(fēng)險(xiǎn);因子分析;SVAR

[中圖分類號]F127 [文獻(xiàn)標(biāo)識碼]A [文章編號]1671-8372（2021）01-0084-10

Research on the transmission effect of local government debt risks and regional financial risks

—taking Shandong Province as an example

YANG Ji-mei， SUN Ji-qiao

（College of Economics and Management， Qingdao University of Science and Technology， "Qingdao 266061， China）

Abstract：Local government debt risks and financial risks are easily transmitted to each other through deposit and loan channels， guarantee channels， government assistance and other channels， thus linking the financial crisis with the fiscal crisis. Based on the quarterly data of Shandong Province from 2012 to 2018， this study uses factor analysis method and SVAR model to measure the government debt risk index and financial risk index of Shandong Province， and analyzes the interaction between them. The results show that the lag period of government debt risks caused by financial risks is 5 quarters， and the stable period is 15 quarters. The lag period of financial risks caused by government debt risks is 1 quarter， and the stable period is 20 quarters. Therefore， it is suggested to prevent the financialization of financial risks by strengthening the management of investment and financing， rectifying local financing platforms， clarifying and resolving the stock of debt， formulating reasonable fiscal budget， and establishing standard information disclosure system. Financial risks should be prevented by establishing the financial reserve system， adopting safe and sound business strategies， strengthening the supervision of shadow banking， and standardizing the relationship between banks and enterprises.

Key words：local government debt risks; regional financial risks; factor analysis; SVAR

一、引言

2017年，習(xí)近平主席在全國金融工作會議上強(qiáng)調(diào)，金融安全是國家安全的重要組成部分。防止發(fā)生系統(tǒng)性金融風(fēng)險(xiǎn)是金融工作的永恒主題，而防范化解系統(tǒng)性金融風(fēng)險(xiǎn)的主要方法之一就是嚴(yán)控地方政府債務(wù)增量。但是，我國政府債務(wù)和金融發(fā)展仍存在問題：一方面，目前我國政府債務(wù)存在債務(wù)規(guī)模巨大、償債率過高、舉債方式隱蔽等問題，無形中加大了我國地方政府債務(wù)風(fēng)險(xiǎn);另一方面，我國正處于下調(diào)經(jīng)濟(jì)增長速度、轉(zhuǎn)變經(jīng)濟(jì)增長方式的關(guān)鍵時(shí)期，在此期間經(jīng)濟(jì)下行風(fēng)險(xiǎn)再加上監(jiān)管不力極易導(dǎo)致金融風(fēng)險(xiǎn)的出現(xiàn)。2008年金融危機(jī)后全國地方政府債務(wù)余額呈指數(shù)型增長（見圖1），不良貸款率自2012年呈現(xiàn)增長趨勢，由此可見，我國政府債務(wù)風(fēng)險(xiǎn)與金融風(fēng)險(xiǎn)均呈現(xiàn)不斷擴(kuò)大的趨勢。近年來，山東省政府債務(wù)也呈現(xiàn)逐年增長態(tài)勢。截至2018年，山東省政府債務(wù)余額11436.7億元，債務(wù)規(guī)模居全國第二，同時(shí)，山東省不良貸款率也在逐年遞增?？紤]地方政府債務(wù)風(fēng)險(xiǎn)和金融風(fēng)險(xiǎn)極易通過銀行貸款、政府擔(dān)保等渠道不斷反饋循環(huán)，若不進(jìn)行有效的風(fēng)險(xiǎn)管控，必將導(dǎo)致區(qū)域金融風(fēng)險(xiǎn)與地方政府債務(wù)風(fēng)險(xiǎn)的相互傳導(dǎo)，威脅經(jīng)濟(jì)的穩(wěn)定健康發(fā)展。因此，本文基于2012—2018年山東省季度數(shù)據(jù)，度量山東省政府債務(wù)風(fēng)險(xiǎn)和金融風(fēng)險(xiǎn)，考察二者的關(guān)系，為防范財(cái)政風(fēng)險(xiǎn)金融化和金融風(fēng)險(xiǎn)財(cái)政化提供決策參考。

二、文獻(xiàn)綜述

（一）地方政府債務(wù)風(fēng)險(xiǎn)研究

學(xué)者們對政府債務(wù)風(fēng)險(xiǎn)的研究集中于三個(gè)方面：一是債務(wù)構(gòu)成。Brixi 和Schick提出了財(cái)政風(fēng)險(xiǎn)矩陣，將政府負(fù)債分為“顯性負(fù)債”“隱形負(fù)債”“直接負(fù)債”“間接負(fù)債”[1]。Li和 Lin通過分析中國地方政府債務(wù)、大學(xué)債務(wù)和國有銀行的不良貸款來研究中國國債的規(guī)模和結(jié)構(gòu)[2]。二是債務(wù)風(fēng)險(xiǎn)的影響因素。Galiński以波蘭為例，以實(shí)證方法分析影響波蘭地方政府1995—2013年債務(wù)比率增長的一些經(jīng)濟(jì)和金融因素，認(rèn)為公共財(cái)政部門和地方政府部門的財(cái)務(wù)狀況以及當(dāng)?shù)氐馁Y本成本顯著擴(kuò)大了債務(wù)增長規(guī)模[3]。Equiza-Go?i基于1991—2013年6個(gè)歐洲經(jīng)濟(jì)體國家（比利時(shí)、芬蘭、法國、德國、意大利和西班牙）的數(shù)據(jù)建立一個(gè)新的綜合性主權(quán)債務(wù)存量和收益數(shù)據(jù)庫，用反事實(shí)模擬的方法展示了不同期限結(jié)構(gòu)對債務(wù)演變的影響，發(fā)現(xiàn)延長2013—2015年的債務(wù)到期日將導(dǎo)致2022年的債務(wù)比率下降[4]。 Demirci等基于1990—2014年40個(gè)國家的數(shù)據(jù)，實(shí)證研究政府債務(wù)對公司融資決策的影響進(jìn)行，發(fā)現(xiàn)政府債務(wù)與公司杠桿率呈負(fù)相關(guān)[5]。三是債務(wù)風(fēng)險(xiǎn)的度量。徐蕾和劉小川基于KMV模型測度和評估了我國31省份地方政府性債務(wù)的違約風(fēng)險(xiǎn)，發(fā)現(xiàn)我國多數(shù)省份債務(wù)可持續(xù)能力較差[6]。李凱風(fēng)和李星采用熵權(quán)法和綜合模糊評價(jià)法分別從主觀和客觀兩個(gè)角度對我國30省份的政府債務(wù)風(fēng)險(xiǎn)進(jìn)行了測算[7]。刁偉濤等將政府債務(wù)分為一般債務(wù)和專項(xiàng)債務(wù)，并基于違約概率模型計(jì)算二者的債務(wù)風(fēng)險(xiǎn)，發(fā)現(xiàn)我國債務(wù)風(fēng)險(xiǎn)整體呈現(xiàn)上升趨勢[8]。

（二）金融風(fēng)險(xiǎn)研究

國外學(xué)者對金融風(fēng)險(xiǎn)的研究主要集中于金融風(fēng)險(xiǎn)的度量，并提出了不同的研究方法：一是Sachs等提出了橫截面分析法（STV法），并使用此方法預(yù)測、解釋金融風(fēng)險(xiǎn)[9]。二是Frankel 和 Rose提出了參數(shù)法（FR方法），并基于105個(gè)發(fā)展中國家的金融數(shù)據(jù)預(yù)測了金融危機(jī)爆發(fā)的概率[10]。三是Kaminsky等提出了信號分析法（KLR法），并構(gòu)建了一套貨幣危機(jī)預(yù)警系統(tǒng)用于金融風(fēng)險(xiǎn)預(yù)警[11]。四是金融壓力指數(shù)，Ishrakieh等以美元化程度最高的國家黎巴嫩為研究對象構(gòu)建金融壓力指數(shù)，得出美元化率金融壓力指數(shù)是最重要的指標(biāo)的結(jié)論[12];Chadwick和Ozturk基于貨幣市場、債券市場、外匯市場、股票市場和銀行業(yè)5個(gè)不同的市場選取14個(gè)指標(biāo)構(gòu)建金融壓力指標(biāo)度量了土耳其的金融系統(tǒng)壓力[13]。國內(nèi)學(xué)者主要通過構(gòu)建金融風(fēng)險(xiǎn)指標(biāo)體系的方法度量金融風(fēng)險(xiǎn)：黎娜等基于經(jīng)濟(jì)、財(cái)政、貨幣、國際收支、股市泡沫、銀行6個(gè)子系統(tǒng)選取20個(gè)指標(biāo)構(gòu)建投影尋蹤模型對金融風(fēng)險(xiǎn)進(jìn)行評估，得出我國金融風(fēng)險(xiǎn)整體可控的結(jié)論[14]。郭娜等選取23個(gè)指標(biāo)構(gòu)建金融預(yù)警指標(biāo)體系并基于主成分分析法對金融風(fēng)險(xiǎn)進(jìn)行測算，發(fā)現(xiàn)我國金融風(fēng)險(xiǎn)水平較高[15]。王擎等在CAMELS評級指標(biāo)的基礎(chǔ)上構(gòu)建了區(qū)域金融風(fēng)險(xiǎn)度量的指標(biāo)體系[16]。羅曉蕾等排除了宏觀因素的干擾，以區(qū)域微觀指標(biāo)為基礎(chǔ)建立了一個(gè)三級指標(biāo)體系度量金融風(fēng)險(xiǎn)[17]。范云朋基于1996—2014年的數(shù)據(jù)選取27個(gè)指標(biāo)采用ESRB-CISS方法對我國系統(tǒng)性金融風(fēng)險(xiǎn)進(jìn)行了測度[18]。

（三）地方政府債務(wù)風(fēng)險(xiǎn)與金融風(fēng)險(xiǎn)的傳導(dǎo)研究

一些學(xué)者研究發(fā)現(xiàn)地方政府債務(wù)風(fēng)險(xiǎn)與金融風(fēng)險(xiǎn)具有關(guān)聯(lián)性。Caggiano 和 Greco認(rèn)為金融波動(dòng)加劇了對財(cái)政狀況的影響[19]。Tagkalakis評估了金融危機(jī)事件對債務(wù)發(fā)展的影響，認(rèn)為嚴(yán)重的金融危機(jī)事件使20個(gè)經(jīng)合組織國家的債務(wù)存量平均增加了GDP的2.7%-4.0%[20]。Alter 和 Beyer使用VAR模型對歐元區(qū)國家的政府債務(wù)風(fēng)險(xiǎn)和銀行風(fēng)險(xiǎn)之間的溢出效應(yīng)進(jìn)行定量分析，結(jié)果顯示歐債危機(jī)期間二者存在雙向傳染現(xiàn)象[21]。Magkonis 和 Tsopanakis以G5經(jīng)濟(jì)體為例，通過構(gòu)建金融壓力指數(shù)和財(cái)政壓力指數(shù)，評估了每一個(gè)經(jīng)濟(jì)體的溢出效應(yīng)以及橫截面效應(yīng)，并采用了兩種輔助方法測量互聯(lián)程度，發(fā)現(xiàn)兩種危機(jī)的關(guān)聯(lián)程度十分密切[22]。

還有一些學(xué)者通過構(gòu)建實(shí)證模型對地方政府債務(wù)風(fēng)險(xiǎn)和金融風(fēng)險(xiǎn)的關(guān)聯(lián)特征進(jìn)行分析。Reinhart 和 Rogoff研究發(fā)現(xiàn)當(dāng)銀行持有大量政府債務(wù)時(shí)，會導(dǎo)致政府債務(wù)風(fēng)險(xiǎn)蔓延至金融系統(tǒng)[23]。Reboredo 和 Ugolini通過構(gòu)建CoVaR模型指出政府債務(wù)風(fēng)險(xiǎn)會對系統(tǒng)性金融風(fēng)險(xiǎn)產(chǎn)生正向影響[24]。李偉和宋亦威基于2015—2017年的數(shù)據(jù)建立多元回歸模型對商業(yè)銀行系統(tǒng)性金融風(fēng)險(xiǎn)的財(cái)政溢出作出預(yù)測[25]。吳建梅等基于2016年全國省級截面數(shù)據(jù)運(yùn)用空間杜賓模型對地方政府風(fēng)險(xiǎn)對金融系統(tǒng)的溢出效應(yīng)進(jìn)行實(shí)證分析[26]。毛銳等、熊琛和金昊通過構(gòu)建DSGE 模型研究政府債務(wù)風(fēng)險(xiǎn)與金融風(fēng)險(xiǎn)的相互疊加機(jī)制[27-28]。周子旋通過研究財(cái)政風(fēng)險(xiǎn)與金融風(fēng)險(xiǎn)的轉(zhuǎn)換機(jī)制，提出應(yīng)對財(cái)政風(fēng)險(xiǎn)金融化的對策建議[29]。

已有研究為探究地方政府債務(wù)風(fēng)險(xiǎn)、金融風(fēng)險(xiǎn)以及二者間的傳導(dǎo)效應(yīng)提供了理論和技術(shù)支撐，然而仍有不足之處：一是地方政府債務(wù)風(fēng)險(xiǎn)和區(qū)域金融風(fēng)險(xiǎn)的監(jiān)測指標(biāo)的選取并不全面、有效，臨界值與預(yù)警區(qū)間的確定并沒有形成統(tǒng)一的標(biāo)準(zhǔn)，導(dǎo)致最后得到的計(jì)量結(jié)果并不是十分準(zhǔn)確;二是未對債務(wù)風(fēng)險(xiǎn)與區(qū)域金融風(fēng)險(xiǎn)的傳導(dǎo)效應(yīng)進(jìn)行研究，而是大多強(qiáng)調(diào)債務(wù)規(guī)模龐大、增長迅速的表象，缺乏對地方債務(wù)風(fēng)險(xiǎn)和區(qū)域金融系統(tǒng)傳導(dǎo)路徑的研究。因此，本文擬首先基于地方政府債務(wù)類指標(biāo)、地方政府收支類指標(biāo)、區(qū)域經(jīng)濟(jì)因素和宏觀經(jīng)濟(jì)因素等選取18個(gè)指標(biāo)構(gòu)建地方政府債務(wù)風(fēng)險(xiǎn)度量指標(biāo)體系，然后基于區(qū)域銀行業(yè)因素、區(qū)域經(jīng)濟(jì)因素、貨幣因素指標(biāo)和宏觀經(jīng)濟(jì)因素選取16個(gè)指標(biāo)構(gòu)建指標(biāo)體系度量金融風(fēng)險(xiǎn)，最后采用SVAR模型研究二者間的傳導(dǎo)關(guān)系，以彌補(bǔ)已有研究的不足。

三、地方政府債務(wù)風(fēng)險(xiǎn)與區(qū)域金融風(fēng)險(xiǎn)傳導(dǎo)效應(yīng)分析

地方政府債務(wù)風(fēng)險(xiǎn)與區(qū)域金融風(fēng)險(xiǎn)的傳導(dǎo)效應(yīng)主要包括直接效應(yīng)和間接效應(yīng)，其中直接效應(yīng)主要是直接的資產(chǎn)負(fù)債表渠道，即金融部門的資產(chǎn)負(fù)債表中的地方政府債務(wù)，間接效應(yīng)是指債務(wù)風(fēng)險(xiǎn)與區(qū)域金融風(fēng)險(xiǎn)相互傳導(dǎo)的渠道。

（一）直接效應(yīng)

我國地方政府債券持有者結(jié)構(gòu)如表1所示。從表1可以看出，2018年末，我國地方債托管總金額為18.07萬億，其中，17.69萬億托管在銀行間市場，占比97.92%，3753億地方債轉(zhuǎn)托管至交易所市場，占比2.08%。在政府債券持有者結(jié)構(gòu)中，商業(yè)銀行占比約為84.82%，其次是政策性銀行，占比約9.8%，其他持有者大多為一些非銀行金融機(jī)構(gòu)，非金融機(jī)構(gòu)持有者很少，近乎可以忽略不計(jì)。由此可見，政府債務(wù)以各種形式存在于金融機(jī)構(gòu)的資產(chǎn)負(fù)債表中，而這種政府債務(wù)與金融機(jī)構(gòu)聯(lián)系十分密切的情況極易導(dǎo)致地方政府債務(wù)風(fēng)險(xiǎn)與區(qū)域金融風(fēng)險(xiǎn)的相互傳導(dǎo)。

（二）間接效應(yīng)

地方政府債務(wù)風(fēng)險(xiǎn)與區(qū)域金融風(fēng)險(xiǎn)的間接效應(yīng)主要表現(xiàn)為二者通過間接渠道進(jìn)行傳導(dǎo)。主要傳導(dǎo)渠道如下：

1. 政府融資渠道

各級政府的主要融資渠道有項(xiàng)目融資、國內(nèi)資本市場融資、民間融資、商業(yè)銀行貸款、爭取上級資金等，但多數(shù)還是貸款渠道。商業(yè)銀行的貸款很容易導(dǎo)致財(cái)政風(fēng)險(xiǎn)金融化，并且政府融資資金多投向基礎(chǔ)設(shè)施建設(shè)和公共項(xiàng)目，這些項(xiàng)目大多屬于非盈利且資金回收期長的項(xiàng)目，一旦不能及時(shí)還款，就會造成金融機(jī)構(gòu)的損失。

2. 政府擔(dān)保渠道

（1）融資平臺擔(dān)保。地方政府為彌補(bǔ)財(cái)政赤字成立了地方融資平臺公司，以融資平臺的名義對外借款，這是一種由政府給予的變相擔(dān)保。這種行為會增加政府的隱性負(fù)債，增加政府的債務(wù)負(fù)擔(dān)。

（2）企業(yè)擔(dān)保。由于地方政府和擔(dān)保企業(yè)之間的信息不對稱，地方政府難以掌握企業(yè)生產(chǎn)經(jīng)營狀況的全部信息，一旦企業(yè)無力還款，就會增加負(fù)有企業(yè)擔(dān)保責(zé)任者的債務(wù)負(fù)擔(dān)，地方政府無法履行擔(dān)保責(zé)任，就會給區(qū)域金融體系造成沖擊，進(jìn)而引發(fā)金融風(fēng)險(xiǎn)。

3. 政策性轉(zhuǎn)嫁渠道

金融業(yè)分為政策性金融機(jī)構(gòu)和商業(yè)性金融機(jī)構(gòu)。政策性金融機(jī)構(gòu)需對符合國家發(fā)展目標(biāo)的產(chǎn)業(yè)進(jìn)行資金支持，然而這些產(chǎn)業(yè)大多是高風(fēng)險(xiǎn)的產(chǎn)業(yè)，其資產(chǎn)質(zhì)量較差。此外，政策性金融機(jī)構(gòu)的資金缺口大多由中央銀行彌補(bǔ)，加大了央行基礎(chǔ)貨幣的負(fù)擔(dān)，影響央行實(shí)時(shí)貨幣政策的獨(dú)立性、有效性，不利于金融市場的穩(wěn)定。

4. 向商業(yè)銀行注資

我國國有商業(yè)銀行大多由政府出資補(bǔ)充缺口，如，財(cái)政部先后于1998年、1999年、2004年、2005年、2008年向四大商業(yè)銀行注資。雖然向商業(yè)銀行注資暫時(shí)解決了商業(yè)銀行的沉重負(fù)擔(dān)問題，但是這只是將金融領(lǐng)域的負(fù)擔(dān)轉(zhuǎn)移給政府，造成政府負(fù)擔(dān)過重，最終演變?yōu)檎畟鶆?wù)風(fēng)險(xiǎn)。

5. 股權(quán)無償劃轉(zhuǎn)

（1）違規(guī)操作。我國于1999年在銀行間實(shí)行無償劃轉(zhuǎn)，此政策實(shí)行后，股權(quán)的歸屬權(quán)并不明確，導(dǎo)致很多銀行在操作過程中存在著違規(guī)現(xiàn)象。

（2）稅收問題。在國有企業(yè)“混改”階段，政府在稅收上應(yīng)該予以支持。但是，在股權(quán)無償轉(zhuǎn)讓的過程中，增值稅常常被忽略，這也嚴(yán)重?fù)p害了政府的利益，減少了政府的財(cái)政收入。

（3）政府行為。當(dāng)銀行的經(jīng)營業(yè)績不佳時(shí)，地方政府為了維護(hù)銀行的市場形象，將優(yōu)質(zhì)資產(chǎn)注入上市公司，增加了政府的財(cái)政支出。

6. 成立資產(chǎn)管理公司

1999年，國務(wù)院成立了四家國有獨(dú)資金融機(jī)構(gòu)，分別管理和處置從四家國有商業(yè)銀行剝離的1.4萬億不良資產(chǎn)。這四家國有獨(dú)資金融機(jī)構(gòu)處置的不良資產(chǎn)的市場價(jià)值遠(yuǎn)遠(yuǎn)低于其賬面價(jià)值，這個(gè)缺口最終由政府承擔(dān)，不良資產(chǎn)慢慢轉(zhuǎn)化和沉淀為政府的債務(wù)負(fù)擔(dān)，造成政府債務(wù)風(fēng)險(xiǎn)。

7. 中國人民銀行再貸款

當(dāng)一些金融機(jī)構(gòu)瀕臨破產(chǎn)時(shí)，中國人民銀行就會以“最后貸款人”的身份向這些金融機(jī)構(gòu)再貸款。雖然不用政府出資，但是這種由央行為商業(yè)銀行“墊款”的行為，其實(shí)就是中央財(cái)政的變相補(bǔ)貼，最終也會變成中央財(cái)政的債務(wù)負(fù)擔(dān)，增加政府債務(wù)風(fēng)險(xiǎn)，造成了金融風(fēng)險(xiǎn)向財(cái)政風(fēng)險(xiǎn)的轉(zhuǎn)移。

8. 中央財(cái)政充當(dāng)最后支付人

當(dāng)一些金融機(jī)構(gòu)破產(chǎn)關(guān)閉時(shí)，這些機(jī)構(gòu)的外債由中央財(cái)政負(fù)責(zé)償還;當(dāng)某商業(yè)銀行接手破產(chǎn)金融機(jī)構(gòu)時(shí)，在一定的期限內(nèi)，央行會減免其再貸款利息，變相為此商業(yè)銀行提供資金支持;另外，當(dāng)?shù)胤浇鹑跈C(jī)構(gòu)出現(xiàn)問題時(shí)，地方財(cái)政也會給這些金融機(jī)構(gòu)注入一部分資金。這些舉措都會增加政府財(cái)政負(fù)擔(dān)，使得金融領(lǐng)域虧損轉(zhuǎn)移給政府，擴(kuò)大地方政府財(cái)政缺口，最后演變?yōu)檎畟鶆?wù)風(fēng)險(xiǎn)。

四、地方政府債務(wù)風(fēng)險(xiǎn)及區(qū)域金融風(fēng)險(xiǎn)的度量

本文基于2012—2018年山東省季度數(shù)據(jù)，采用因子分析法度量地方政府債務(wù)風(fēng)險(xiǎn)和區(qū)域金融風(fēng)險(xiǎn)。

（一） 地方政府債務(wù)風(fēng)險(xiǎn)的度量

1.指標(biāo)體系的構(gòu)建

（1）地方政府債務(wù)類指標(biāo)。這類指標(biāo)最能直觀體現(xiàn)地方政府債務(wù)情況，因此本文選擇債務(wù)余額增長率、債務(wù)率、負(fù)債率和國民應(yīng)債率作為地方政府債務(wù)類指標(biāo)的下級指標(biāo)，綜合反映地方政府債務(wù)情況。

（2）地方政府收支類指標(biāo)。地方政府收入擴(kuò)大政府盈余，政府支出會擴(kuò)大赤字，增加政府債務(wù)風(fēng)險(xiǎn)，因此本文選取政府收支類指標(biāo)，如赤字債務(wù)率、財(cái)政收入/GDP、財(cái)政支出/GDP、財(cái)政赤字率和赤字依存度作為政府收支類二級指標(biāo)。

（3）區(qū)域經(jīng)濟(jì)因素指標(biāo)。區(qū)域經(jīng)濟(jì)發(fā)展指標(biāo)是衡量區(qū)域經(jīng)濟(jì)發(fā)展?fàn)顩r的直觀指標(biāo)，與政府債務(wù)風(fēng)險(xiǎn)息息相關(guān)。另一方面企業(yè)的經(jīng)營狀況也會對政府債務(wù)風(fēng)險(xiǎn)產(chǎn)生重要影響，因此本文選取區(qū)域GDP增長率、區(qū)域CPI增長率、固定資產(chǎn)投資增長率、規(guī)模以上工業(yè)增加值增長率和企業(yè)資產(chǎn)負(fù)債率作為區(qū)域經(jīng)濟(jì)因素二級指標(biāo)。

（4）宏觀經(jīng)濟(jì)因素指標(biāo)。宏觀經(jīng)濟(jì)因素會對政府收支、政府債務(wù)產(chǎn)生重要影響，是衡量債務(wù)風(fēng)險(xiǎn)的主要參評依據(jù)?？紤]到政府收支與宏觀經(jīng)濟(jì)運(yùn)行、貸款利率、失業(yè)率、通貨膨脹率息息相關(guān)，因此，宏觀經(jīng)濟(jì)因素設(shè)置這四個(gè)指標(biāo)反映宏觀經(jīng)濟(jì)運(yùn)行情況。

綜上，政府債務(wù)風(fēng)險(xiǎn)綜合度量指標(biāo)體系見表2。

2. 風(fēng)險(xiǎn)度量

（1）KMO 和 Bartlett 的檢驗(yàn)

利用KMO和bartlett進(jìn)行相關(guān)性檢驗(yàn)時(shí)，一般結(jié)合KMO統(tǒng)計(jì)量和Sig值來判斷數(shù)據(jù)是否適合做因子分析。本文所選變量的檢驗(yàn)結(jié)果中，KMO的值為0.666>0.5，且Sig為0，明顯拒絕原假設(shè)，表示變量之間存在相關(guān)關(guān)系，這就表明可以對所選變量進(jìn)行因子分析。

（2）提取主成分

提取主成分采用的方法是最小特征值法。通過計(jì)算離差矩陣的特征值獲取公因子數(shù)，特征值大于1的個(gè)數(shù)即為公因子數(shù)。另外，所提取的公因子的累積貢獻(xiàn)率要大于80%，這樣就能夠保證變量均能被公因子解釋。本文利用SPSS軟件對這18個(gè)變量進(jìn)行處理，結(jié)果顯示，前三個(gè)因子的特征值都大于1，且這三個(gè)因子之和的累積方差貢獻(xiàn)率為82.683%，超過了80%，說明所選取的這三個(gè)因子能夠充分解釋和反映原始變量的信息。

（3）計(jì)算綜合得分

首先根據(jù)成分得分系數(shù)矩陣、旋轉(zhuǎn)平方和方差百分比以及各因子得分計(jì)算公式，計(jì)算地方政府債務(wù)風(fēng)險(xiǎn)各因子得分，然后根據(jù)各因子得分計(jì)算得到地方政府債務(wù)風(fēng)險(xiǎn)綜合得分，結(jié)果如表3所示。

（二） 區(qū)域金融風(fēng)險(xiǎn)的度量

1.指標(biāo)體系的構(gòu)建

（1）區(qū)域銀行業(yè)指標(biāo)。由于銀行等金融機(jī)構(gòu)的平穩(wěn)運(yùn)行是決定金融健康發(fā)展的重要因素，選取不良貸款率、資產(chǎn)負(fù)債率、資產(chǎn)利潤率、資本充足率和存貸比作為區(qū)域銀行業(yè)的二級指標(biāo)。

（2）區(qū)域經(jīng)濟(jì)因素指標(biāo)。區(qū)域金融風(fēng)險(xiǎn)極易受到區(qū)域經(jīng)濟(jì)運(yùn)行狀況的影響，政府部門是調(diào)控金融風(fēng)險(xiǎn)的重要力量，企業(yè)在金融風(fēng)險(xiǎn)中扮演重要角色，因此本文選取區(qū)域GDP增長率、區(qū)域CPI增長率、固定資產(chǎn)投資增長率、規(guī)模以上工業(yè)增加值增長率和企業(yè)資產(chǎn)負(fù)債率財(cái)政赤字率和赤字依存度作為區(qū)域經(jīng)濟(jì)因素的二級指標(biāo)。

（3）貨幣因素指標(biāo)。由于貨幣流動(dòng)性變化會影響金融發(fā)展穩(wěn)定性，選取M2增長率（反映現(xiàn)實(shí)和潛在購買力增速）和貸款利率（反映利潤在借款企業(yè)和銀行之間的分配比例）作為貨幣因素的二級指標(biāo)。

（4）宏觀經(jīng)濟(jì)因素指標(biāo)。由于外部宏觀經(jīng)濟(jì)因素會對本區(qū)域金融穩(wěn)定健康發(fā)展產(chǎn)生促進(jìn)或抑制作用，選取GDP增長率和通貨膨脹率表示宏觀經(jīng)濟(jì)運(yùn)行情況。

綜上，金融風(fēng)險(xiǎn)綜合度量指標(biāo)體系見表4。

2. 風(fēng)險(xiǎn)度量

（1）KMO和bartlett檢驗(yàn)

根據(jù)本文所選變量的檢驗(yàn)結(jié)果，KMO的值為0.678>0.5，且Sig為0，明顯拒絕原假設(shè)，表示變量之間存在相關(guān)關(guān)系，這就表明可以對所選變量進(jìn)行因子分析。

（2）提取主成分

本文利用SPSS軟件對區(qū)域性金融風(fēng)險(xiǎn)的16個(gè)變量進(jìn)行旋轉(zhuǎn)平方和處理，結(jié)果得出前三個(gè)因子的特征值都大于1，且這三個(gè)因子之和的累積方差貢獻(xiàn)率為80.83%，超過了80%，說明所選取的這三個(gè)因子能夠充分解釋和反映原始變量的信息。

（3）計(jì)算各因子得分和綜合得分

首先根據(jù)成分得分系數(shù)矩陣、旋轉(zhuǎn)平方和方差百分比和各因子得分計(jì)算公式計(jì)算區(qū)域性金融風(fēng)險(xiǎn)各因子得分，然后根據(jù)綜合得分的計(jì)算公式得金融風(fēng)險(xiǎn)得分，結(jié)果如表5所示。

五、地方政府債務(wù)風(fēng)險(xiǎn)與區(qū)域金融風(fēng)險(xiǎn)相互傳導(dǎo)實(shí)證分析

將山東省的政府債務(wù)風(fēng)險(xiǎn)與區(qū)域金融風(fēng)險(xiǎn)在一張折線圖中表示（見圖4），可以看出兩者具有相關(guān)性。本文以這兩組數(shù)據(jù)為基礎(chǔ)，探究山東省政府債務(wù)風(fēng)險(xiǎn)與金融風(fēng)險(xiǎn)的相互傳導(dǎo)效應(yīng)。

（一）模型的構(gòu)建

將山東省政府債務(wù)風(fēng)險(xiǎn)得分（y1）作為債務(wù)風(fēng)險(xiǎn)指數(shù)，將金融風(fēng)險(xiǎn)得分（y2）作為金融風(fēng)險(xiǎn)指數(shù)，選取對外開放水平①（x1）和產(chǎn)業(yè)結(jié)構(gòu)升級水平②（x2）作為控制變量，構(gòu)建SVAR模型：

（1）

其相對應(yīng)的VAR形式為：

（2）

（二）基于SVAR模型的實(shí)證結(jié)果分析

1.平穩(wěn)性檢驗(yàn)

首先，對數(shù)據(jù)進(jìn)行平穩(wěn)性檢驗(yàn)。因?yàn)閥1、y2、x1和x2均為時(shí)間序列數(shù)據(jù)，因此采用ADF檢驗(yàn)來進(jìn)行平穩(wěn)性檢驗(yàn)。檢驗(yàn)結(jié)果（表格從略）顯示，在5%顯著性水平下，y1通過了平穩(wěn)性檢驗(yàn)，在1%顯著性水平下，y2、x1和x2均通過了平穩(wěn)性檢驗(yàn)，均為零階單整。

2. Granger因果檢驗(yàn)

由Granger因果檢驗(yàn)可知，在1%的顯著性水平下，山東省金融風(fēng)險(xiǎn)和政府債務(wù)風(fēng)險(xiǎn)互為格蘭杰因果，對外開放水平是政府債務(wù)風(fēng)險(xiǎn)的格蘭杰因果，產(chǎn)業(yè)結(jié)構(gòu)升級是山東省金融風(fēng)險(xiǎn)和政府債務(wù)風(fēng)險(xiǎn)的格蘭杰因果。

3. 最優(yōu)滯后階數(shù)的確定

本文采用AIC和SC 最小法則判斷滯后期，選擇的標(biāo)準(zhǔn)是滯后期一直增長直至模型的殘差項(xiàng)沒有明顯的自相關(guān)時(shí)的最小值。根據(jù) Eviews軟件運(yùn)行結(jié)果，滯后期選擇為2時(shí)，AIC和SC均出現(xiàn)了最小值，所以采用滯后2期。

4.單位根檢驗(yàn)

對模型進(jìn)行單位圓和特征根的檢驗(yàn)，結(jié)果如圖5所示。圖中的小圓點(diǎn)表示AR特征多項(xiàng)式的根的倒數(shù)，這些點(diǎn)均位于單位圓之內(nèi)，因此，所估計(jì)的VAR模型是穩(wěn)定的，可進(jìn)行下一步的模型分析。

5. SVAR模型估計(jì)

對于n元SVAR模型需要個(gè)約束條件。約束條件又分為短期約束條件和長期約束條件，短期約束條件是根據(jù)實(shí)際經(jīng)濟(jì)條件進(jìn)行施加的。本文結(jié)合經(jīng)濟(jì)理論及格蘭杰因果檢驗(yàn)結(jié)果選取了矩陣B的短期約束條件為：?；谝陨戏治觯校?/p>

（1）

使用Eviews9在VAR模型的基礎(chǔ)上建立SVAR模型對同期結(jié)構(gòu)系數(shù)矩陣B中的參數(shù)進(jìn)行估計(jì)（見表6）。從表6可知，P值均小于0.01，結(jié)果顯著;a12與a21的參數(shù)值皆為正，說明山東省的政府債務(wù)風(fēng)險(xiǎn)與金融風(fēng)險(xiǎn)呈同期正相關(guān)，符合經(jīng)濟(jì)學(xué)原理。但是僅僅通過參數(shù)的估計(jì)結(jié)果不能反映各變量之間的動(dòng)態(tài)變化，因此，還需進(jìn)行脈沖響應(yīng)分析和方差分解分析。

6.脈沖響應(yīng)分析

脈沖響應(yīng)函數(shù)是用來衡量來自某個(gè)內(nèi)生變量的隨機(jī)擾動(dòng)項(xiàng)的一個(gè)標(biāo)準(zhǔn)差沖擊（脈沖）對當(dāng)前值和未來取值的影響。圖6及圖7分別為山東省政府債務(wù)風(fēng)險(xiǎn)對金融風(fēng)險(xiǎn)擾動(dòng)的脈沖響應(yīng)及山東省金融風(fēng)險(xiǎn)對政府債務(wù)風(fēng)險(xiǎn)擾動(dòng)的脈沖響應(yīng)，其中，橫軸表示時(shí)期數(shù)，縱軸表示脈沖函數(shù)的大小，紅色虛線代表正負(fù)兩個(gè)標(biāo)準(zhǔn)差偏離帶。

當(dāng)對金融風(fēng)險(xiǎn)施加一個(gè)標(biāo)準(zhǔn)差的沖擊時(shí)，給債務(wù)風(fēng)險(xiǎn)帶來的影響如圖6所示。從圖6可以看出，政府債務(wù)風(fēng)險(xiǎn)并沒有在第1期就對金融風(fēng)險(xiǎn)的擾動(dòng)作出響應(yīng)，從第1期中期到第2期，政府債務(wù)風(fēng)險(xiǎn)對金融風(fēng)險(xiǎn)的擾動(dòng)的響應(yīng)是負(fù)向的。從第3期到第5期響應(yīng)增加至最大值0.002左右。隨著時(shí)間的推移，脈沖影響開始下降至15期左右趨于0。這說明金融風(fēng)險(xiǎn)并不會馬上引起金融風(fēng)險(xiǎn)，存在一個(gè)滯后期。根據(jù)脈沖響應(yīng)函數(shù)，山東省政府債務(wù)風(fēng)險(xiǎn)對金融風(fēng)險(xiǎn)的正向沖擊在第5期達(dá)到最大。因此，政府債務(wù)風(fēng)險(xiǎn)引發(fā)金融風(fēng)險(xiǎn)的滯后期約為5個(gè)季度，沖擊完全消失在15個(gè)季度之后。

當(dāng)對政府債務(wù)風(fēng)險(xiǎn)施加一個(gè)標(biāo)準(zhǔn)差的沖擊時(shí)，給金融風(fēng)險(xiǎn)20個(gè)季度內(nèi)帶來的影響如圖7所示。從圖7可以看出，金融風(fēng)險(xiǎn)在第1期就對債務(wù)風(fēng)險(xiǎn)的擾動(dòng)作出響應(yīng)，第1期的響應(yīng)約為0.017。從第1期到第3期，金融風(fēng)險(xiǎn)對政府債務(wù)風(fēng)險(xiǎn)擾動(dòng)的響應(yīng)為正向，且此正向效應(yīng)慢慢減小，直至第3期左右趨于0。從第4期到第20期響應(yīng)效應(yīng)為負(fù)。其中，第14期負(fù)向效應(yīng)最大，到第20期左右，響應(yīng)效應(yīng)緩慢回升逐漸趨于0。根據(jù)脈沖響應(yīng)函數(shù)，山東省金融風(fēng)險(xiǎn)對地方政府債務(wù)風(fēng)險(xiǎn)的正向沖擊在第1期達(dá)到最大。因此，政府債務(wù)風(fēng)險(xiǎn)導(dǎo)致金融風(fēng)險(xiǎn)的滯后期約為1個(gè)季度，沖擊完全消失，即穩(wěn)定期為20個(gè)季度。

7. 方差分解分析

方差分解的主要思想是將VAR模型中每個(gè)外生變量預(yù)測誤差的方差按照其成分分解為與各個(gè)內(nèi)生變量相關(guān)聯(lián)的組成部分，即分析每個(gè)信息沖擊對內(nèi)生變量變化的貢獻(xiàn)度。圖8及圖9分別為山東省金融風(fēng)險(xiǎn)對政府性風(fēng)險(xiǎn)的方差分解圖及山東省政府債務(wù)風(fēng)險(xiǎn)對金融風(fēng)險(xiǎn)的方差分解圖。

從圖8可以看出，政府債務(wù)風(fēng)險(xiǎn)預(yù)測方差中由金融風(fēng)險(xiǎn)所引起部分的百分比從第1期中間部分就開始增加，并隨著時(shí)間的推移逐漸增加，于第7期達(dá)到最大，于第14期開始趨于平穩(wěn)。出現(xiàn)這一現(xiàn)象的主要原因是，金融風(fēng)險(xiǎn)對地方政府債務(wù)風(fēng)險(xiǎn)的影響是通過實(shí)體經(jīng)濟(jì)進(jìn)行傳導(dǎo)的，山東省金融風(fēng)險(xiǎn)的增加還會導(dǎo)致實(shí)體經(jīng)濟(jì)環(huán)境的惡化，一方面降低了山東省的財(cái)政收入，另一方面增加了財(cái)政支出，導(dǎo)致政府財(cái)政缺口越來越大，造成債務(wù)風(fēng)險(xiǎn)的增加。但隨著金融機(jī)構(gòu)內(nèi)部調(diào)整，政府調(diào)控金融風(fēng)險(xiǎn)對債務(wù)風(fēng)險(xiǎn)的影響逐漸平穩(wěn)。由此可見，金融風(fēng)險(xiǎn)可以通過向商業(yè)銀行注資等方式向債務(wù)風(fēng)險(xiǎn)轉(zhuǎn)移。

從圖9可以看出，山東省金融風(fēng)險(xiǎn)預(yù)測方差中由政府債務(wù)風(fēng)險(xiǎn)所引起部分的百分比在第1期就達(dá)到了40%，隨后短期內(nèi)上升，于第2期達(dá)到最大值43%，隨著時(shí)間的推移，影響效應(yīng)逐漸減小，第10期降至最低，隨后緩慢回升，并逐漸趨于平穩(wěn)。說明山東省債務(wù)風(fēng)險(xiǎn)在第1期就對金融風(fēng)險(xiǎn)產(chǎn)生了影響，隨后影響效應(yīng)逐漸下降，最后趨于平穩(wěn)。發(fā)生這一現(xiàn)象的主要原因是，當(dāng)政府發(fā)生債務(wù)風(fēng)險(xiǎn)時(shí)，首先選擇的是銀行貸款，當(dāng)政府無力償債時(shí)，債務(wù)風(fēng)險(xiǎn)就會迅速轉(zhuǎn)移到金融領(lǐng)域，造成金融風(fēng)險(xiǎn)。但隨著時(shí)間的推移，財(cái)政收入逐漸累積，地方政府有能力還款并對金融機(jī)構(gòu)進(jìn)行扶持，金融風(fēng)險(xiǎn)逐漸降低，并逐漸平穩(wěn)。由此可見，債務(wù)風(fēng)險(xiǎn)可以通過政府融資、政府擔(dān)保等渠道向金融領(lǐng)域轉(zhuǎn)移。

六、主要結(jié)論與政策建議

（一）主要結(jié)論

本文基于山東省2012—2018年的季度數(shù)據(jù)，采用因子分析法構(gòu)建指標(biāo)體系，分別度量地方政府債務(wù)風(fēng)險(xiǎn)與區(qū)域金融風(fēng)險(xiǎn)，并構(gòu)建SVAR模型考察地方政府債務(wù)風(fēng)險(xiǎn)與區(qū)域金融風(fēng)險(xiǎn)的關(guān)系。本文認(rèn)為：（1）地方政府債務(wù)風(fēng)險(xiǎn)與區(qū)域金融風(fēng)險(xiǎn)相互傳導(dǎo)的直接效應(yīng)表現(xiàn)為政府債務(wù)以各種形式出現(xiàn)在金融部門資產(chǎn)負(fù)債表中;（2）地方政府債務(wù)風(fēng)險(xiǎn)和區(qū)域金融風(fēng)險(xiǎn)相互傳導(dǎo)的間接渠道包括政府融資、政府擔(dān)保、政策性轉(zhuǎn)嫁、向商業(yè)銀行注資、股權(quán)無償劃轉(zhuǎn)、成立資產(chǎn)管理公司、中國人民銀行再貸款、中央財(cái)政充當(dāng)最后支付人;（3）當(dāng)金融風(fēng)險(xiǎn)受到一個(gè)標(biāo)準(zhǔn)差沖擊后，山東省將會在5個(gè)季度后爆發(fā)政府債務(wù)風(fēng)險(xiǎn)，15個(gè)季度后此沖擊給債務(wù)風(fēng)險(xiǎn)帶來的影響才會消失;（4）當(dāng)政府債務(wù)風(fēng)險(xiǎn)受到一個(gè)單位的標(biāo)準(zhǔn)差沖擊時(shí)，山東省會在1個(gè)季度內(nèi)爆發(fā)金融風(fēng)險(xiǎn)，且此沖擊效應(yīng)在20個(gè)季度后才會消失;（5）隨著時(shí)間的推移，山東省金融風(fēng)險(xiǎn)對政府債務(wù)風(fēng)險(xiǎn)的影響逐漸增大，金融風(fēng)險(xiǎn)對債務(wù)風(fēng)險(xiǎn)方差變動(dòng)貢獻(xiàn)百分比在第7期達(dá)到最大，之后趨于平穩(wěn);（6）山東省政府債務(wù)風(fēng)險(xiǎn)對金融風(fēng)險(xiǎn)的影響在第2期達(dá)到最大，隨著時(shí)間的推移，影響逐漸降低，并在第14期后趨于平穩(wěn)。

（二）政策建議

1. 防范財(cái)政風(fēng)險(xiǎn)金融化的建議

（1）加強(qiáng)中央政府對地方投融資的管理。地方政府不恰當(dāng)?shù)耐度谫Y是造成地方政府債務(wù)風(fēng)險(xiǎn)的主要原因，因此中央要加強(qiáng)對地方投融資的管理。融資方面，根據(jù)地方政府債務(wù)余額、償債能力等指標(biāo)，來判斷是否批準(zhǔn)地方政府的舉債。投資方面，地方政府投資也要得到中央政府投融資管理機(jī)構(gòu)的審批，且地方政府的投資規(guī)劃一旦得到審批，本屆政府就不得更改。

（2）整頓地方融資平臺。目前，我國尚未形成有效的地方融資平臺規(guī)范及管理制度，山東省地方融資平臺的情況也不容樂觀，一旦無力償債，債務(wù)風(fēng)險(xiǎn)就會轉(zhuǎn)移到金融領(lǐng)域。因此，必須對地方融資平臺進(jìn)行規(guī)范和整頓。如：核實(shí)并妥善處理融資平臺公司債務(wù);劃清融資平臺的職能;對融資平臺資金流向部門進(jìn)行事前審查，并實(shí)時(shí)監(jiān)控融資平臺的資金去向;對地方政府違規(guī)擔(dān)保行為進(jìn)行問責(zé)和處罰;對地方融資平臺的融資行為進(jìn)行嚴(yán)格審查，取締違規(guī)注資行為。

（3）理清并化解債務(wù)存量。要想阻斷地方政府債務(wù)風(fēng)險(xiǎn)向金融領(lǐng)域的擴(kuò)散，必須從源頭上化解政府性債務(wù)。如：地方政府對債務(wù)進(jìn)行定期審計(jì);推進(jìn)債務(wù)置換，以“新債還舊債”，政府發(fā)行債券從銀行拿到資金后投入融資平臺償還舊債;推出專項(xiàng)債創(chuàng)新品種，地方政府可以創(chuàng)新提出專項(xiàng)債名目，并提高發(fā)行額度等。

（4）制定合理的財(cái)政預(yù)算。一方面地方政府應(yīng)根據(jù)以前年度財(cái)政預(yù)算執(zhí)行情況來制定本年的財(cái)政預(yù)算;另一方面地方政府要合理安排財(cái)政支出，量入為出，根據(jù)財(cái)政收入以及實(shí)際需要制定合理的規(guī)劃，避免財(cái)政赤字的發(fā)生。

（5）建立規(guī)范的信息披露制度?，F(xiàn)階段，地方政府和金融機(jī)構(gòu)存在著嚴(yán)重的信息不對稱現(xiàn)象，部分地方政府向銀行等金融機(jī)構(gòu)貸款時(shí)隱瞞對自己不利的信息，會造成金融機(jī)構(gòu)的虧損，進(jìn)而引發(fā)金融風(fēng)險(xiǎn)。為解決信息不對稱問題，地方政府在向金融機(jī)構(gòu)籌集資金時(shí)，需提交一份包含政府負(fù)債情況、償債能力的文件，由金融機(jī)構(gòu)進(jìn)行審核來判斷是否應(yīng)該借款，這樣就能避免一部分由于信息不對稱造成的風(fēng)險(xiǎn)，有效切斷財(cái)政風(fēng)險(xiǎn)向金融領(lǐng)域轉(zhuǎn)移的渠道。

2.防范金融風(fēng)險(xiǎn)財(cái)政化的建議

（1）建立財(cái)政準(zhǔn)備金制度。當(dāng)金融風(fēng)險(xiǎn)發(fā)生時(shí)，地方政府會對將要破產(chǎn)或關(guān)閉的金融機(jī)構(gòu)提供資金支持，這樣的做法會擴(kuò)大政府的財(cái)政缺口，進(jìn)而引發(fā)債務(wù)風(fēng)險(xiǎn)。為此，地方政府一要對有資格接受財(cái)政準(zhǔn)備金的金融機(jī)構(gòu)設(shè)立標(biāo)準(zhǔn)，以免造成混亂;二要加強(qiáng)對金融機(jī)構(gòu)的監(jiān)管，判斷金融機(jī)構(gòu)是否需要接受財(cái)政準(zhǔn)備金，對需要幫助的金融機(jī)構(gòu)及時(shí)提供幫助;三要提高財(cái)政實(shí)力，以拿出足夠數(shù)量的財(cái)政準(zhǔn)備金，以免延誤對金融機(jī)構(gòu)最佳救助時(shí)期，進(jìn)而造成系統(tǒng)性金融風(fēng)險(xiǎn)。

（2）防范房地產(chǎn)泡沫。房地產(chǎn)泡沫是區(qū)域金融風(fēng)險(xiǎn)的誘因，地方政府為了保障經(jīng)濟(jì)發(fā)展還需要維護(hù)房地產(chǎn)行業(yè)的良性發(fā)展。房地產(chǎn)泡沫將會導(dǎo)致金融風(fēng)險(xiǎn)，進(jìn)而向政府部門擴(kuò)散蔓延，給經(jīng)濟(jì)發(fā)展帶來災(zāi)難。要想化解房地產(chǎn)泡沫帶來的金融風(fēng)險(xiǎn)需要金融機(jī)構(gòu)和政府多方面的合作。地方政府應(yīng)該控制對房地產(chǎn)行業(yè)的投資規(guī)模和投資力度，培育新的經(jīng)濟(jì)增長點(diǎn)，鼓勵(lì)住房租賃市場;金融機(jī)構(gòu)應(yīng)審慎考察流向房地產(chǎn)的資金，并嚴(yán)格控制信貸規(guī)模。

（3）金融機(jī)構(gòu)采用安全穩(wěn)健的經(jīng)營策略。商業(yè)銀行應(yīng)加強(qiáng)內(nèi)部控制，推動(dòng)股份制改革，通過加快壞賬核銷、不良資產(chǎn)證券化等措施來化解不良資產(chǎn)，降低金融風(fēng)險(xiǎn)發(fā)生的可能性。

（4）加強(qiáng)對影子銀行的監(jiān)管。影子銀行是金融風(fēng)險(xiǎn)向政府部門轉(zhuǎn)移溢出的重要載體。為了防范影子銀行風(fēng)險(xiǎn)，需從財(cái)政和金融兩個(gè)方向共同發(fā)力。在財(cái)政方向，政府要加強(qiáng)對影子銀行的監(jiān)管，針對影子銀行進(jìn)行立法，對影子機(jī)構(gòu)的相關(guān)行為進(jìn)行法律監(jiān)管，取締違法的影子銀行;在金融方向，要控制影子銀行的信貸規(guī)模，要求影子銀行披露經(jīng)營狀況、償債能力等相關(guān)信息。

（5）規(guī)范銀企關(guān)系。企業(yè)是銀行的主要信貸對象，一旦企業(yè)經(jīng)營不善無力還貸，就易導(dǎo)致金融風(fēng)險(xiǎn)，引致地方政府債務(wù)風(fēng)險(xiǎn)。為規(guī)范銀企關(guān)系，應(yīng)構(gòu)建銀企之間債務(wù)債權(quán)硬約束機(jī)制，拓寬企業(yè)融資渠道，企業(yè)不僅可以選擇向銀行貸款也可以向社會融資，這就轉(zhuǎn)移了一部分銀行風(fēng)險(xiǎn)。此外，要求國有企業(yè)在向銀行貸款時(shí)提供企業(yè)經(jīng)營狀況、償債能力、盈利能力等信息，以化解信息不對稱帶來的風(fēng)險(xiǎn)。

[參考文獻(xiàn)]

BRIXI H P， SCHICK A. Government at Risk： Contingent Liabilities and Fiscal Risk [M].Washington： World Bank Publications， 2002： 24-31.

LI S， LIN S. The size and structure of China's government debt [J].The Social Science Journal， 2011（48）： 527-542.

GALINSKI P. Determinants of debt limits in local governments： case of Poland [J]. Procedia-Social and Behavioral Sciences， 2015（213）： 376-382.

EQUIZA-GO?I J. Government debt maturity and debt dynamics in Euro area countries [J]. Journal of Macroeconomics， 2016（49）： 292-311.

DEMIRCI I， HUANG J， SIALM C. Government debt and corporate leverage： international evidence [J]. Journal of Financial Economics， 2019.

徐蕾，劉小川.地方政府債務(wù)違約風(fēng)險(xiǎn)測度[J].上海經(jīng)濟(jì)研究，2018（1）：84-93.

李凱風(fēng)，李星.債務(wù)風(fēng)險(xiǎn)水平的識別及對區(qū)域金融風(fēng)險(xiǎn)的影響：基于熵權(quán)TOPSIS法和綜合模糊評價(jià)法[J].上海金融，2019（3）：74-80.

刁偉濤，傅巾益，李慧杰.信用利差、違約概率與地級政府債務(wù)風(fēng)險(xiǎn)分類測度[J].財(cái)貿(mào)經(jīng)濟(jì)，2019（6）：5-21.

SACHS J， TORNELL A， VELASCO A. The Mexican psoriases： sudden death or death foretold [J]. Journal of International Economics， 1996（41）： 65-283.

FRANKEL J A， Rose A K. Currency crashes in emergency markets： an empirical treatment [J]. Journal of International Economics ， 1996 （4）： 351- 466.

KAMINSKY G， LIZONDO S， REINHART C M. Leading indicators of currency crisis [J]. IMF Staff Paper， 1998（9）： 37-46.

ISHRAKIEH L M， DAGHER L， El HARIRI S. Not the usual suspects： critical indicators in a dollarized country's Financial Stress Index[J/OL]. [2020-10-09].Finance Research Letters， https：//www.sciencedirect.com/science/article/pii/S1544612318307451？via%3Dihub.

CHADWICK M G， OZTURK H. Measuring financial systemic stress for Turkey： a search for the best composite indicator [J].Economic Systems， 2019（43）： 151-172.

黎娜，陳奕霏，樓文高.我國金融風(fēng)險(xiǎn)評價(jià)與預(yù)警的投影尋蹤建模與實(shí)證研究[J].江淮論壇，2017（5）：66-73.

郭娜，祁帆，張寧.我國系統(tǒng)性金融風(fēng)險(xiǎn)指數(shù)的度量與監(jiān)測[J].財(cái)經(jīng)科學(xué)，2018（2）：1-14.

王擎，劉軍，金致雯.區(qū)域性金融風(fēng)險(xiǎn)與區(qū)域經(jīng)濟(jì)增長的相關(guān)性分析[J].改革，2018（5）：66-75.

羅曉蕾，張明輝，許尚超.區(qū)域性金融風(fēng)險(xiǎn)監(jiān)測預(yù)警體系研究：以河南省區(qū)域金融風(fēng)險(xiǎn)為例[J].金融理論與實(shí)踐，2018（5）：40-46.

范云朋.我國系統(tǒng)性金融風(fēng)險(xiǎn)監(jiān)測與度量研究：基于ESRB-CISS研究方法[J].經(jīng)濟(jì)問題探索，2020（11）：157-171.

CAGGIANO G， GRECO L. Fiscal and financial determinants of Euro-zone sovereign spreads [J]. Economics Letters， 2012（117）： 774-776.

TAGKALAKIS A. The effects of financial crisis on fiscal positions [J].European Journal of Political Economy， 2013（29）： 197-213.

ALTER A， BEYER A. The dynamics of spillover effects during the European sovereign debt turmoil [J]. Journal of Banking amp; Finance， 2014， 42： 134-153.

MAGKONIS G， TSOPANAKIS A. The financial and fiscal stress interconnectedness： The case of G5 economies [J].International Review of Financial Analysis， 2016（46）： 62-69.

REINHART C M， ROGOFF K S. The aftermath of financial crises [J]. American Economic Review， 2009（2）： 466-72.

REBOREDO J C， UGOLINI A. A vine-copula conditional value-at-risk approach to systemic sovereign debt risk for the financial sector [J]. The North American Journal of Economics and Finance， 2015， 32： 98-123.

李偉，宋亦威.我國商業(yè)銀行系統(tǒng)性金融風(fēng)險(xiǎn)財(cái)政溢出效應(yīng)研究[J].河南社會科學(xué)，2018（7）：38-42.

吳健梅，王濤，王英家.經(jīng)濟(jì)新常態(tài)下我國地方政府債務(wù)風(fēng)險(xiǎn)特征及空間溢出效應(yīng)研究[J].東岳論叢，2018（4）：37-49.

毛銳，劉楠楠，劉蓉.地方政府債務(wù)擴(kuò)張與系統(tǒng)性金融風(fēng)險(xiǎn)的觸發(fā)機(jī)制[J].中國工業(yè)經(jīng)濟(jì)，2018（4）：19-38.

熊琛，金昊.地方政府債務(wù)風(fēng)險(xiǎn)與金融部門風(fēng)險(xiǎn)的“雙螺旋”結(jié)構(gòu)：基于非線性DSGE模型的分析[J].中國工業(yè)經(jīng)濟(jì)，2018（12）：23-41.

周子旋.財(cái)政風(fēng)險(xiǎn)金融化問題分析[J].市場研究，2019（4）：29-31.

[責(zé)任編輯 張桂霞]