企业信用风险空间扩散及原因分析.docVIP

企业信用风险的空间扩散及原因分析 　　内容摘要：经济飞速发展所积累的信用风险引起了政府及社会各界人士的广泛关注，对其地域分布特征进行研究有助于防范系统性风险事件的发生。本文基于我国2005-2013年31省的空间面板数据，采用空间计量经典的SLM、SEM模型，证明了企业信用风险存在空间扩散效应，并且与GDP增速、城镇化率负相关，与失业率、受教育水平正相关，但第二产业比重与信用风险并无显著相关关系。最后，本文提出了警惕高风险区域周边信用风险抬升和盯住信用风险先导指标如GDP增速等的建议。 　　关键词：信用风险 扩散 空间计量 　　改革开放以来，中国经济迅速发展，以银行为主导的间接金融体系对此做出了不可磨灭的贡献。然而，银行体系积累的信用风险引起了政府以及社会各界人士的担忧，研究地域分布特征对防范风险全面爆发大有裨益。一方面，相邻区域的经济活动由于地理条件、学习模仿等原因具有市场主体特点、行业分布规律的相似性，企业违约存在空间相关；另一方面随着国内贸易的不断深入，产业链上企业信用风险相互传染，以致违约风险在空间扩散，而相邻省份贸易往来更加密切，产业链传染强化了风险的空间聚集特征。 　　国内外文献除了研究信用风险的评估、管理与定价，近年也有较多学者将目光移至信用风险的传染与扩散。Siem Jan Koopman， Andre Lucas（2005）用1933-1997年美国实际GDP等数据通过实证方法分析了信用风险的顺周期性质。Kay Gieseckea，Stefan Weber（2005）探讨了由企业之间的商业联系而引起的信用风险传染机制。Philippe Jorion，Gaiyan Zhang（2009）首次用实证方法分析了信用风险通过直接的商业往来而相互传染，作者认为信用风险传导机制包括通过预期传导式的行业内部感染和交易对手的行业之间扩散。王倩等（2008）将企业违约分为宏观经济变量导致的因果传染和问题企业之间直接的信用违约传染，并对这种现象进行了建模分析。陈艺云（2012）用数理模型的方式研究了供应链金融系统中核心企业与非核心企业之间的信用风险传染关系，并且认为非核心企业之间的关联性越强，交易对手风险便越大。郑志尧等（2014）阐述了2005-2012年美国银行不良贷款水平与失业率、GDP增长率、CPI增长率、PPI增长率、M2增长率之间的实证关系，并建议我国商业银行要重视宏观经济波动对信用风险的冲击。陈庭强等（2011）从CRT市场的角度来研究了信用风险传染的路径与特征，侧重点在于金融机构间的交易引致的风险扩散。 　　研究方法及各省信用风险现状 　　自1979 年Paelinck 和Klaassen出版了《空间计量经济学》以来，空间计量作为计量经济学的一个新兴分支不断发展与完善，空间滞后模型（SLM）与空间误差模型（SEM）已经较为成熟。虽然空间计量经济学广泛用于区域或城市经济学等领域，但是源自实体经济的信用风险或同样存在空间依存关系和扩散效应，因此本文采用空间计量方法来研究信用风险扩散效应可靠且合理。 　　本文首先对各变量进行描述性统计，然后采用全局Moran I指数（MI）来进行空间关联度检验，再分别用SLM、SEM模型来试图研究信用风险的空间扩散机理，并用FEM模型来验证回归结果的稳健性。 　　其中，空间加权矩阵W元素Wij为0或1，i、j表示省份，相邻为1，不相邻为0。在实际使用中常将其标准化，即。全局Moran`I统计量：， 其中。MI取值在-1到1之间，大于（小于）0表示各地区为空间正（负）相关，并且数值越大，相关性越强。而且MI近似服从均值为E（I）和方差为D（I）的正态分布，其中，，其中，，，因此可以构造显著性检验统计量。 　　将2005-2013年数据处理后得到以下结果：每个年份 MI值均大于0，显示每年各省信用风险存在正相关关系，即存在风险聚集现象；从趋势上来看，信用风险的空间关联度在降低；虽 Z值近年有所下降，但仅在2011年、2012年Z值较低，其余年份相关性表现为高度显著。如表1所示。 　　依据统计局对我国东部、中部、西部三大地区的划分惯例，从2013年的不良贷款率分布来看，这三大地区呈现出一定的特征。如图1、图2、图3所示。 　　东部地区整体风险水平较高，省际分化较为严重，最高的浙江省1.89%，最低为海南省0.49%。具体来看，以浙江省为中心，位处其周边的江苏、上海、山东、福建、广东等省份同样成为东部地区主要的信用风险聚集地。自改革开放以来，沿海地区凭借地理区位优势，经济迅速发展。经济的活力不仅体现在滋生了大批中小民营企业，而且还加速了行业之间、企业之间的新老更替，加之贸易依赖使得经济波动错综复杂。另一方面，与实体经济相辅相成的金融机构发达，行业竞争激烈。因此，下沉的金