經(jīng)濟(jì)增長、房地產(chǎn)景氣與地方債風(fēng)險(xiǎn)

摘要：在拓展基于信用風(fēng)險(xiǎn)的宏觀壓力測試模型的基礎(chǔ)上，采用我國2009年以來發(fā)行的所有地方政府債券數(shù)據(jù)，預(yù)測在短期宏觀經(jīng)濟(jì)劇烈波動(dòng)的情境下，地方政府債券的風(fēng)險(xiǎn)。模型結(jié)果顯示，在經(jīng)濟(jì)遭受嚴(yán)重沖擊，經(jīng)濟(jì)增長大幅下滑的假設(shè)情境下，地方政府債券風(fēng)險(xiǎn)有較大提高，但風(fēng)險(xiǎn)仍在可控范圍內(nèi)。地方政府債券能夠承受的最大經(jīng)濟(jì)衰退沖擊約為21%～30%。預(yù)測結(jié)果表明，地方政府債務(wù)改革較好地提升了地方債的抗壓能力，但風(fēng)險(xiǎn)的疊加放大效果仍不可忽視。

關(guān)鍵詞：地方政府債券;壓力測試;利差

中圖分類號(hào)：F812.5 文獻(xiàn)標(biāo)識(shí)碼：A

文章編號(hào)：1001-9138-（2021）07-0039-50 收稿日期：2021-05-10

1 引言

2020年新冠肺炎疫情對(duì)經(jīng)濟(jì)短期沖擊較大。一方面，經(jīng)濟(jì)停滯帶來了政府財(cái)政收入銳減，另一方面，為了刺激經(jīng)濟(jì)增長，地方政府迅速增大了財(cái)政投資規(guī)模，這給地方政府債務(wù)風(fēng)險(xiǎn)帶來了考驗(yàn)。盡管經(jīng)濟(jì)已進(jìn)入緩慢復(fù)蘇，然而，逆周期寬松及其預(yù)期必然帶來杠桿率高企，增大經(jīng)濟(jì)下行風(fēng)險(xiǎn)，妨礙金融穩(wěn)定，放大經(jīng)濟(jì)體系脆弱性，而政府過度負(fù)債則限制了宏觀調(diào)控對(duì)沖杠桿率的能力（Cardani et al.，2020），為政府債務(wù)風(fēng)險(xiǎn)埋下伏筆，2010年歐債危機(jī)正是這一過程的現(xiàn)實(shí)寫照。盡管我國實(shí)施果斷、嚴(yán)格的防控措施，在經(jīng)濟(jì)停滯100多天后，有效控制了疫情，率先進(jìn)入經(jīng)濟(jì)復(fù)蘇，然而世界各國的疫情發(fā)展不盡相同，疫情仍未在世界范圍內(nèi)得到控制，近日印度新增確診病例大幅反彈引發(fā)了新一輪衰退的擔(dān)憂。疫情的不確定性，以及全球流動(dòng)性過剩帶來的金融市場波動(dòng)加劇，政府負(fù)債率上升對(duì)宏觀調(diào)控造成壓力。過去一年的經(jīng)濟(jì)表現(xiàn)充分體現(xiàn)了中國經(jīng)濟(jì)的韌性，然而未來世界經(jīng)濟(jì)必然面臨更大的挑戰(zhàn)，地方政府債務(wù)風(fēng)險(xiǎn)能否在更大的壓力下保持穩(wěn)健、可控，是必須直面的一個(gè)重要問題。

2014年以前，根據(jù)1994年修訂的《預(yù)算法》規(guī)定，中國地方政府無債務(wù)融資權(quán)利，而地方政府的部分經(jīng)濟(jì)職能使其實(shí)際上有著強(qiáng)烈的融資需要。因此地方政府通過其控股的城投公司變相融資，以地方土地出讓金作為城投公司債務(wù)的最終還款擔(dān)保。2008年金融危機(jī)席卷全球，中央政府出臺(tái)了一系列財(cái)政政策以刺激經(jīng)濟(jì)增長，其中超過一半的資金由地方政府籌集，中央政府鼓勵(lì)地方政府通過城投公司融資，從而積聚了風(fēng)險(xiǎn)。2011年，云南路投違約事件引爆了地方政府債務(wù)危機(jī)，地方政府債務(wù)風(fēng)險(xiǎn)大幅攀升。經(jīng)濟(jì)危機(jī)——財(cái)政投資增加——政府債務(wù)大增——政府債務(wù)危機(jī)，這一過程與2010年的歐債危機(jī)何其相似。“歷史總是重演”，2020年，世界經(jīng)濟(jì)正經(jīng)歷著相似的過程。我們希望通過構(gòu)建模型，預(yù)測政府債務(wù)在壓力情境下的抗風(fēng)險(xiǎn)能力，以評(píng)估中國地方政府債務(wù)風(fēng)險(xiǎn)，為系統(tǒng)性風(fēng)險(xiǎn)做出預(yù)警。

我們改進(jìn)了一個(gè)基于信用風(fēng)險(xiǎn)預(yù)測的壓力測試模型，這一模型廣泛應(yīng)用于評(píng)估銀行業(yè)風(fēng)險(xiǎn)，我們將這一模型引入地方政府債務(wù)風(fēng)險(xiǎn)領(lǐng)域。通過模型估算和歷史數(shù)據(jù)分析，預(yù)測中國地方政府債務(wù)在劇烈宏觀經(jīng)濟(jì)風(fēng)險(xiǎn)沖擊下的風(fēng)險(xiǎn)狀況。

2 文獻(xiàn)綜述

2.1 政府債務(wù)風(fēng)險(xiǎn)評(píng)估

20世紀(jì)90年代以后，政府債務(wù)管理理論得到長足發(fā)展，政府債務(wù)風(fēng)險(xiǎn)評(píng)估是其中非常重要而實(shí)用的一個(gè)分支。政府債務(wù)風(fēng)險(xiǎn)是債務(wù)規(guī)模膨脹所致，可以劃分為兩類：一是政府債務(wù)規(guī)模增加所導(dǎo)致的貨幣貶值風(fēng)險(xiǎn)，二是政府債務(wù)增加還將會(huì)導(dǎo)致債務(wù)違約，從而影響政府信用。Merton在1974年提出了違約結(jié)構(gòu)化模型理論，構(gòu)建了著名的Merton模型，研究債券違約概率，據(jù)此模型進(jìn)行證券定價(jià)可以推導(dǎo)出，違約概率越大，證券的信用溢價(jià)越高。這一理論經(jīng)Black、Leland，以及Longstaff等人的研究得到進(jìn)一步發(fā)展，逐漸成為債券風(fēng)險(xiǎn)評(píng)價(jià)的重要工具之一，并被應(yīng)用于政府債券風(fēng)險(xiǎn)評(píng)估。一些研究通過政府債務(wù)與內(nèi)外部因素的關(guān)系來評(píng)價(jià)政府債務(wù)風(fēng)險(xiǎn)，這些因素包括信用評(píng)級(jí)（Tang & Li，2021）、信息披露 （Beck，2018）、稅收異質(zhì)性 （Babina et al.，2021）、腐敗 （Liu et al.，2017）、法律（Clarke，2017）、宗教信仰（Abakah，2020）、社會(huì)資本（Li et al.，2018）等因素。Br?thaler et al.（2015）發(fā)現(xiàn)，政府債風(fēng)險(xiǎn)、可持續(xù)性與宏觀因素緊密相關(guān);Gao et al.（2019）發(fā)現(xiàn)上級(jí)政府對(duì)嚴(yán)重政府債務(wù)風(fēng)險(xiǎn)的態(tài)度顯著影響了當(dāng)前政府債風(fēng)險(xiǎn)，這在世界范圍內(nèi)廣泛存在。另一些研究則試圖將內(nèi)外部因素全部納入計(jì)量，構(gòu)建一套指標(biāo)體系，盡可能全面反映收入、支出、國債、赤字等財(cái)政體制內(nèi)和經(jīng)濟(jì)、金融、政策、制度等財(cái)政體制外風(fēng)險(xiǎn)要素，附以統(tǒng)計(jì)、計(jì)量方法或經(jīng)人為判斷的方式確定指標(biāo)賦值區(qū)間和權(quán)重，采用線性加權(quán)預(yù)警指數(shù)方法衡量風(fēng)險(xiǎn)程度（Padovani et al.，2018）。隨著信貸風(fēng)險(xiǎn)評(píng)價(jià)模型的發(fā)展，KMV、Credit Metrics等信貸風(fēng)險(xiǎn)模型逐漸被應(yīng)用于政府債務(wù)風(fēng)險(xiǎn)評(píng)估（Tao，2015）。

2.2 土地財(cái)政與地方政府債務(wù)風(fēng)險(xiǎn)

地方政府在土地供應(yīng)上具有絕對(duì)的壟斷權(quán)，分稅制導(dǎo)致的財(cái)政缺口以及地方對(duì)于土地財(cái)政的競爭模仿，促進(jìn)了土地財(cái)政的增長和地方對(duì)土地財(cái)政的慣性依賴。土地財(cái)政所引起的地價(jià)上漲會(huì)強(qiáng)化城市過度舉債的動(dòng)機(jī)，促進(jìn)了地方政府債務(wù)規(guī)模的擴(kuò)大。張莉等（2018）發(fā)現(xiàn)土地出讓收入能促進(jìn)城投債的發(fā)行。土地價(jià)格上漲時(shí)，地方政府更傾向于利用抵押土地的方式獲得債務(wù)融資，推動(dòng)地方債務(wù)規(guī)模擴(kuò)張的同時(shí)，也積聚了很大的債務(wù)風(fēng)險(xiǎn)（田新民和夏詩園，2017）。而受地方政府壟斷的土地市場推高了房價(jià)，也促進(jìn)了地方債規(guī)模擴(kuò)張（陳瑞等，2016），增加了地方政府債務(wù)風(fēng)險(xiǎn)（秦鳳鳴等，2016）。

地方政府以土地出讓金作為擔(dān)保，發(fā)行大量地方債。未來地方債的償還也一定程度上依賴土地收入。對(duì)地方政府而言，土地出讓兩個(gè)主要目的是經(jīng)濟(jì)建設(shè)和緩解背負(fù)的大量債務(wù)（趙文哲和楊繼東，2015），地方政府基建和土地收儲(chǔ)開發(fā)主要依靠地方政府債務(wù)和土地出讓收入。土地財(cái)政規(guī)模膨脹，雖然增加了地方政府的預(yù)算收入，但稟賦較差的地區(qū)在引資競爭中處于劣勢(shì)，未來土地出讓收入可能不足以償還債務(wù)（范劍勇，2014），最后導(dǎo)致債券違約，債務(wù)風(fēng)險(xiǎn)上升。

2.3 基于信用風(fēng)險(xiǎn)的宏觀壓力測試

信用風(fēng)險(xiǎn)（Credit Risk）又稱違約風(fēng)險(xiǎn)，是指交易對(duì)手未能履行約定契約中的義務(wù)而造成經(jīng)濟(jì)損失的風(fēng)險(xiǎn)，即受信人不能履行還本付息的責(zé)任而使授信人的預(yù)期收益與實(shí)際收益發(fā)生偏離的可能性，它是金融風(fēng)險(xiǎn)的主要類型。許多信用風(fēng)險(xiǎn)的評(píng)估技術(shù)都來源于對(duì)銀行風(fēng)險(xiǎn)的評(píng)估。20世紀(jì)90年代以前，傳統(tǒng)的商業(yè)銀行信用風(fēng)險(xiǎn)度量主要依賴具有豐富審批經(jīng)驗(yàn)的貸款核準(zhǔn)人和財(cái)務(wù)數(shù)據(jù)，例如專家法、Z評(píng)分模型法、ZETA模型等。20世紀(jì)90年代，VaR方法一經(jīng)推出便在全球范圍內(nèi)得到廣泛認(rèn)可和應(yīng)用，然而，1997年亞洲金融風(fēng)暴使管理者認(rèn)識(shí)到，金融風(fēng)險(xiǎn)不是由單一風(fēng)險(xiǎn)造成，而是操作風(fēng)險(xiǎn)、市場風(fēng)險(xiǎn)、信用風(fēng)險(xiǎn)等多種風(fēng)險(xiǎn)的共同結(jié)果，為此，巴塞爾委員會(huì)提出了壓力測試以彌補(bǔ)VaR的不足。

宏觀壓力測試是用于評(píng)估金融系統(tǒng)面對(duì)“罕見但可能發(fā)生”的宏觀沖擊時(shí)脆弱性的一系列技術(shù)，它的主要目標(biāo)是確定金融系統(tǒng)脆弱性和總風(fēng)險(xiǎn)敞口，對(duì)系統(tǒng)性風(fēng)險(xiǎn)提供預(yù)警。全球系統(tǒng)性金融風(fēng)險(xiǎn)頻發(fā)使越來越多的政府當(dāng)局意識(shí)到宏觀壓力測試的重要性，這一方法在評(píng)估某一機(jī)構(gòu)資產(chǎn)的脆弱性上被越來越多國家和國際組織使用。從2000年開始，國際清算銀行全球金融體系委員會(huì)便每年從全世界選擇約70家大銀行，對(duì)他們進(jìn)行壓力測試并發(fā)布調(diào)查報(bào)告。由國際貨幣基金組織（IMF）和世界銀行（World Bank）共同推動(dòng)的金融部門評(píng)估計(jì)劃（FSAP）也對(duì)壓力測試進(jìn)行了多次實(shí)踐總結(jié)。隨著各國金融監(jiān)管當(dāng)局對(duì)系統(tǒng)性風(fēng)險(xiǎn)的日趨重視，宏觀壓力測試方法逐漸成為檢驗(yàn)一國銀行體系的脆弱性、維護(hù)金融穩(wěn)定的首選工具。

壓力測試首先進(jìn)行情境設(shè)定，再通過該情境下風(fēng)險(xiǎn)因子的變動(dòng)，重新評(píng)估資產(chǎn)價(jià)值。情境設(shè)定需要確定“異常但合理”的事件，一些學(xué)者關(guān)注模型的“尾端風(fēng)險(xiǎn)”，而另一些學(xué)者則視其為一門“藝術(shù)”。折中的觀點(diǎn)認(rèn)為，選擇的情境應(yīng)當(dāng)在可能可測的基礎(chǔ)上，達(dá)到某種程度的可能。情境設(shè)定的依據(jù)一般有兩種，一種是基于歷史情境，另一種則由宏觀經(jīng)濟(jì)模型輔助產(chǎn)生情境。

重新評(píng)估通常需要將所設(shè)定的情境變量Xt與Yt某個(gè)財(cái)務(wù)指標(biāo)相關(guān)聯(lián)，估計(jì)經(jīng)驗(yàn)?zāi)Ｐ停?/p>

Yt = f （Xt ，Vt）

其中，Yt是衡量金融系統(tǒng)風(fēng)險(xiǎn)的矩陣，是衡量違約情況的指標(biāo)，主要通過模擬壓力情境下的點(diǎn)估計(jì)獲得。 f （°）為損失方程，模擬了宏觀經(jīng)濟(jì)沖擊對(duì)金融體系風(fēng)險(xiǎn)的影響關(guān)系。

Mckinsey公司的Wilson首先發(fā)展了這一思路，他結(jié)合基本動(dòng)力學(xué)和計(jì)量經(jīng)濟(jì)學(xué)理論提出了信用組合觀點(diǎn)，借助蒙特卡洛技術(shù)，對(duì)不同宏觀經(jīng)濟(jì)發(fā)展情境下的違約率的分布進(jìn)行模擬。這一方法被許多學(xué)者應(yīng)用于銀行、制造業(yè)等領(lǐng)域，并不斷改進(jìn)，形成了多種框架。同時(shí)在實(shí)踐領(lǐng)域的應(yīng)用也十分廣泛。奧地利銀行將其用于對(duì)奧地利銀行部門的壓力測試，加拿大央行、瑞士央行、巴西央行、印度央行、南非央行和挪威央行等也都在宏觀壓力測試中采用類似的分析框架;許多銀行等機(jī)構(gòu)采用類似的框架，結(jié)合人工智能技術(shù)，預(yù)測企業(yè)的債務(wù)違約率（Kim et al.，2020）。這一方法已得到理論和實(shí)踐領(lǐng)域的廣泛認(rèn)可。

3 信用風(fēng)險(xiǎn)壓力測試模型的構(gòu)建

在Liu et al.（2020）、孫東升等（2015）研究的基礎(chǔ)上，本文進(jìn)行了拓展，構(gòu)建了壓力測試模型。

假設(shè)債務(wù)人在時(shí)刻t的條件違約概率為Pt∈[0，1]，為了擴(kuò)大變量的取值范圍，通過Logit轉(zhuǎn)換得到中間變量Yt：

（1）

這一公式可以通過簡單數(shù)學(xué)變換成為：

（2）

假設(shè)宏觀經(jīng)濟(jì)變量服從自回歸過程，同時(shí)，債務(wù)人的信用風(fēng)險(xiǎn)與宏觀經(jīng)濟(jì)風(fēng)險(xiǎn)相關(guān)，因此構(gòu)建以下聯(lián)立方程：

Yt = A0 + A1Xt + A2Xt-1 + … + AmXt-m + Φ1Yt-1 +

… + ΦnYt-n +εt ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ?（3）

Xt = B0 + B1Xt-1 + … + Bp Xt-p + Θ1Yt-1 + … + ΘqYt-q + νt ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ?（4）

其中Xt為宏觀經(jīng)濟(jì)指標(biāo)。在方程（3）和（4）中加入因變量的滯后變量作為解釋變量，更具有普遍性，既能夠反映信用風(fēng)險(xiǎn)的滯后效果，又能夠反映信用風(fēng)險(xiǎn)對(duì)經(jīng)濟(jì)風(fēng)險(xiǎn)的反饋?zhàn)饔谩＆舤和νt為誤差項(xiàng)，我們假設(shè)它們服從正態(tài)分布且序列不相關(guān)，它們的方差-協(xié)方差矩陣分別為Σε和Σν。記：

當(dāng)樣本量足夠大時(shí)有：

4 模型估計(jì)結(jié)果

4.1 數(shù)據(jù)的選取

4.1.1 違約率的估算

按照通行做法，違約率一般以歷史違約率作為估算基礎(chǔ)。然而中國地方政府債券發(fā)行的歷史并不長，經(jīng)查，目前尚無地方政府債券違約的先例。由于一個(gè)實(shí)際未違約的債券的違約概率難以獲取，在許多研究中都采用了代理變量。Wong et al.（2008）采用逾期三個(gè)月的信貸占比代理信用違約率，孫東升等（2015）則采用破產(chǎn)機(jī)構(gòu)數(shù)量占總機(jī)構(gòu)數(shù)量比例來代理違約率?？紤]到信用利差能夠較好地反映債券的信用風(fēng)險(xiǎn)，在假定地方政府債券流動(dòng)性風(fēng)險(xiǎn)維持不變的前提下，可以通過信用利差來作為違約率的代理變量。為了信用利差能夠更直觀地反映地方政府債券的違約率，我們將信用利差作適當(dāng)變形：

其中：Pe為估計(jì)的違約概率，YTM為債券的到期收益率，Rf為無風(fēng)險(xiǎn)利率，r為債券的違約回收率。

此公式的基本內(nèi)涵是把債券的到期收益率分解為無風(fēng)險(xiǎn)利率與違約成本的加總（未考慮流動(dòng)性風(fēng)險(xiǎn)），即由市場決定的到期收益率可以看作在無風(fēng)險(xiǎn)利率基礎(chǔ)上加上違約風(fēng)險(xiǎn)的溢價(jià)。

無風(fēng)險(xiǎn)利率采用1年期國債到期收益率，地方政府債券到期收益率采用當(dāng)月所有期限地方政府債券的平均到期收益率。中國2009年5月開始發(fā)行地方政府債券，因此數(shù)據(jù)區(qū)間為2009年5月到2021年2月，數(shù)據(jù)來源于choice金融數(shù)據(jù)庫。而違約回收率，Wong et al. （2008）簡單采用了50%作為估計(jì)值，我們采用穆迪公布的全球市政債券平均違約回收率64%。估算出的地方政府債券違約概率如圖1所示。

圖1較完整地反映了中國地方政府債券發(fā)展的全部歷程。為了應(yīng)對(duì)2008年全球金融危機(jī)籌措資金，2009年開始試點(diǎn)發(fā)行地方政府債券，2011年具有地方政府隱性擔(dān)保的城投債風(fēng)險(xiǎn)集中爆發(fā)波及到地方政府債券，使利差出現(xiàn)了階段性高點(diǎn)。2015年宏觀風(fēng)險(xiǎn)的上升，加上地方政府債務(wù)改革的推進(jìn)，地方政府債務(wù)余額增速迅猛，地方政府債券信用利差再次達(dá)到了階段性高點(diǎn)。2020年新冠肺炎疫情使宏觀經(jīng)濟(jì)風(fēng)險(xiǎn)突然升高，地方政府債券信用風(fēng)險(xiǎn)也隨之達(dá)到了歷史最高點(diǎn)。由于新冠肺炎疫情造成了宏觀經(jīng)濟(jì)劇烈波動(dòng)，地方政府債務(wù)風(fēng)險(xiǎn)也劇烈上升。本文擬設(shè)定的情境是，假設(shè)疫情的沖擊延續(xù)3個(gè)月，因此，我們下述的計(jì)量研究數(shù)據(jù)全部截止到2020年3月。

4.1.2 宏觀經(jīng)濟(jì)指標(biāo)的選取

根據(jù)相關(guān)文獻(xiàn)研究，結(jié)合中國地方政府債券的實(shí)際以及本研究的需要，選取宏觀經(jīng)濟(jì)波動(dòng)、房地產(chǎn)市場波動(dòng)、固定資產(chǎn)投資指標(biāo)作為解釋變量。自變量與因變量的正負(fù)相關(guān)性預(yù)期如表1所示。

（1） GDP增長率：這是最為廣受認(rèn)可的反映經(jīng)濟(jì)波動(dòng)的指標(biāo)，在大多數(shù)壓力測試、地方債風(fēng)險(xiǎn)分析的文獻(xiàn)中都采用了這一指標(biāo)作為地方債風(fēng)險(xiǎn)的重要影響因素。地方債風(fēng)險(xiǎn)壓力測試的最重要目的之一就是為了研究地方債承受經(jīng)濟(jì)風(fēng)險(xiǎn)壓力的能力，因此，GDP增長率作為反映經(jīng)濟(jì)波動(dòng)的重要指標(biāo)，也是影響地方債風(fēng)險(xiǎn)的最重要因素之一。由于GDP增長率僅有季度數(shù)據(jù)，我們采用Denton方法進(jìn)行插值處理。

（2）國房景氣指數(shù)增長率：土地財(cái)政一直是中國地方政府的重要財(cái)政收入來源之一，這意味著房地產(chǎn)市場的波動(dòng)很大程度上影響了地方政府的財(cái)政收入，也影響著地方政府還款能力。因此，采用國房景氣指數(shù)作為地方政府債券違約率的解釋變量是比較恰當(dāng)?shù)摹?/p>

（3）固定資產(chǎn)投資增速：固定資產(chǎn)投資是衡量實(shí)體經(jīng)濟(jì)發(fā)展的重要指標(biāo)（劉貫春等，2019），并一定程度上反映宏觀經(jīng)濟(jì)狀況。實(shí)體經(jīng)濟(jì)的繁榮有利于增加地方政府財(cái)政收入，同時(shí)也促進(jìn)金融市場的活躍，這些都有利于降低地方政府債務(wù)風(fēng)險(xiǎn)?；粼丛吹龋?016）也采用該指標(biāo)用于中國商業(yè)銀行信用風(fēng)險(xiǎn)的壓力測試。

數(shù)據(jù)的描述性統(tǒng)計(jì)如表2所示。

4.2 實(shí)證結(jié)果

根據(jù)式（3）和（4），擬合結(jié)果如表3所示。

估計(jì)結(jié)果顯示，各解釋變量的t檢驗(yàn)均在5%水平上顯著，R-squared為82.3%，F(xiàn)統(tǒng)計(jì)量在1%水平上顯著，說明解釋變量較好地解釋了地方政府債券違約率的變異。經(jīng)測試，GDP增長率2階和4階自回歸均能夠較好地?cái)M合數(shù)據(jù)，而時(shí)間跨度更大的4階自回歸能夠更好地反映數(shù)據(jù)生成過程，同時(shí)考慮到本文研究主題的需要，疫情的短期沖擊對(duì)GDP增長率的影響更大，短期波動(dòng)較大，需要GDP增長率能夠更好地溯及往期，才能使預(yù)測效果更好，因此此處采用4階自回歸。GDP增長率、國房景氣指數(shù)增長率和固定資產(chǎn)投資增長率的系數(shù)符號(hào)為負(fù)，說明經(jīng)濟(jì)增長、房地產(chǎn)市場景氣和實(shí)體經(jīng)濟(jì)景氣更有利于降低地方政府債券的違約率，這與預(yù)期相符，如表4所示。3個(gè)解釋變量均采用增長率，數(shù)值大致在同一量級(jí)，因此系數(shù)的大小能一定程度上反映解釋變量對(duì)被解釋變量影響力的大小，例如，GDP增長率每增加1%將使地方政府債券風(fēng)險(xiǎn)的代理變量降低0.0217，國房景氣指數(shù)增長率每增加1%將使地方政府債券風(fēng)險(xiǎn)的代理變量降低0.0108，而固定資產(chǎn)投資增長率每增加1%將使地方政府債券風(fēng)險(xiǎn)的代理變量減少0.00314，說明GDP和國房景氣指數(shù)增長對(duì)地方政府債券風(fēng)險(xiǎn)的影響力較大，而固定資產(chǎn)投資的增長則有較小的影響力。

5 壓力測試

新冠肺炎疫情對(duì)全球經(jīng)濟(jì)產(chǎn)生了巨大沖擊，房地產(chǎn)市場、金融市場、經(jīng)濟(jì)增長率都出現(xiàn)了較大波動(dòng)。2020年第一季度，中國經(jīng)濟(jì)增長率陡然下滑到-6.8%。過去30年來，世界經(jīng)濟(jì)經(jīng)受了1997年亞洲金融風(fēng)暴、2008年全球金融危機(jī)等重大風(fēng)險(xiǎn)的沖擊，然而中國經(jīng)濟(jì)增長率從未跌破5%。此次疫情是近30年來中國經(jīng)濟(jì)面臨的最大的短期沖擊。中國以經(jīng)濟(jì)全面停滯為巨大代價(jià)換取了疫情的迅速控制，實(shí)踐證明是可行的、有效的，長期看是代價(jià)最小的。在全國上下連續(xù)百日的共同努力下，疫情得到緩解。2020年4月8日武漢解封標(biāo)志著中國疫情得到較好控制，生產(chǎn)逐步恢復(fù)，經(jīng)濟(jì)得到復(fù)蘇。2020年第二季度，中國GDP增長率已恢復(fù)到3.2%，第四季度，GDP增速已恢復(fù)到正常水平。然而，不同于中國的抗疫模式，許多國家的疫情并未得到有效控制，近日印度每日新增確診病例超過30萬例，使全球疫情防控再次面臨挑戰(zhàn)，經(jīng)濟(jì)增長再次面臨巨大風(fēng)險(xiǎn)。本文采用的壓力測試模型正是用于測試經(jīng)濟(jì)環(huán)境面臨巨大風(fēng)險(xiǎn)時(shí)，某一資產(chǎn)組合風(fēng)險(xiǎn)的變化。因此，本文將壓力沖擊的情境設(shè)定為，假如疫情沒有得到控制，經(jīng)濟(jì)增長持續(xù)停滯，甚至惡化。針對(duì)這一情境，對(duì)地方政府債務(wù)風(fēng)險(xiǎn)展開壓力測試。

首先需要選定觸發(fā)情境的宏觀經(jīng)濟(jì)變量。表3的回歸結(jié)果顯示，GDP增長率和國房景氣指數(shù)增長率對(duì)地方政府債券風(fēng)險(xiǎn)的影響力最大。GDP增長率是較為公認(rèn)的宏觀經(jīng)濟(jì)增長指標(biāo)，被絕大多數(shù)宏觀壓力測試文獻(xiàn)選用設(shè)定壓力情境，在此次疫情中，由于強(qiáng)力的疫情防控政策導(dǎo)致企業(yè)生產(chǎn)大面積停擺，GDP增長率受到較大的沖擊，因此我們選定GDP增長率作為設(shè)定壓力情境的變量。

如表4所示，從2020年4月起，各項(xiàng)宏觀經(jīng)濟(jì)指標(biāo)開始好轉(zhuǎn)，經(jīng)濟(jì)在持續(xù)了3個(gè)月的停滯之后重新復(fù)蘇。然而，過去一年，美國的每日新增病例數(shù)持續(xù)維持在高位，巴西、印度等國的疫情則持續(xù)惡化。未來世界經(jīng)濟(jì)必然面臨更多不確定性和沖擊，金融資產(chǎn)能否經(jīng)受更劇烈的經(jīng)濟(jì)動(dòng)蕩的壓力，是我們必須考慮的問題。因此，我們此處將情境設(shè)定為，假如2020年4月，疫情未見緩解，甚至再持續(xù)3個(gè)月，宏觀經(jīng)濟(jì)狀況持續(xù)惡化，在這樣的情境下，地方政府債務(wù)的風(fēng)險(xiǎn)如何演化。當(dāng)然，這也同樣適用于未來其他重大風(fēng)險(xiǎn)的沖擊給金融資產(chǎn)帶來的壓力。

宏觀經(jīng)濟(jì)指標(biāo)的未來估計(jì)值在壓力測試系統(tǒng)中產(chǎn)生的方法通常有兩種，傳統(tǒng)方法和蒙特卡洛方法。傳統(tǒng)方法是假定測試系統(tǒng)的隨機(jī)擾動(dòng)項(xiàng)為0，對(duì)系統(tǒng)中各個(gè)宏觀經(jīng)濟(jì)指標(biāo)進(jìn)行點(diǎn)估計(jì)，進(jìn)而得到違約概率的期望值。蒙特卡洛方法是假定測試系統(tǒng)的隨機(jī)擾動(dòng)項(xiàng)不為0，對(duì)隨機(jī)擾動(dòng)項(xiàng)進(jìn)行抽樣，從而得到違約率的概率分布。根據(jù)本文的研究需要，采用傳統(tǒng)方法更適宜。

我們先通過表3的自回歸結(jié)果，簡單推算GDP增長率未來3期的預(yù)測，如表5所示。

世界范圍來看，2020年二季度美國GDP增速為-9.03%，德國為-11.25%，加拿大為-12.5%，意大利為-18%，法國為-18.74%。因此，如果疫情沒有好轉(zhuǎn)而是持續(xù)惡化，GDP增速的預(yù)測數(shù)值是有可能達(dá)到的。根據(jù)以上預(yù)測，我們將壓力情境設(shè)定為：

假定GDP增長率在未來3期下降為-10.3243、

-13.1512和-15.3590。

接著需要確定在設(shè)定的情境下，其他宏觀經(jīng)濟(jì)指標(biāo)是否出現(xiàn)相應(yīng)的波動(dòng)，為此，借鑒華曉龍（2009），以GDP為解釋變量分別對(duì)其他指標(biāo)進(jìn)行回歸。經(jīng)檢驗(yàn)，GDP對(duì)RECI有較好的解釋力，對(duì)FAI沒有較好的解釋力。這十分符合預(yù)期。房地產(chǎn)市場受經(jīng)濟(jì)波動(dòng)的影響較大，而FAI作為反映實(shí)體經(jīng)濟(jì)增長預(yù)期的領(lǐng)先指標(biāo)，不由GDP或RECI解釋。事實(shí)上，F(xiàn)AI數(shù)據(jù)看起來也確實(shí)不隨疫情而變化。FAI在2019年11月達(dá)到最低點(diǎn)后持續(xù)回升直至2020年6月，后又轉(zhuǎn)入下行（見表2），似乎獨(dú)立于疫情或GDP。國房景氣指數(shù)增長率與GDP增長率回歸結(jié)果如表6所示。

這一方程的系數(shù)、常數(shù)項(xiàng)和F統(tǒng)計(jì)量均在1%水平上顯著，說明國房景氣指數(shù)增長率與GDP增長率存在顯著的線性關(guān)系。方程R-squared為0.98說明該方程能夠解釋因變量98%的變異，回歸效果較好。經(jīng)測試，GDP的滯后2階也能較好地解釋RECI，但考慮到GDP的短期波動(dòng)較為劇烈，更多的滯后階數(shù)能夠起到更好的預(yù)測效果，同時(shí)R-squared也確實(shí)更高，因此這里采用了GDP的4階滯后。

在GDP受到較大沖擊而連續(xù)大幅下降的情境下，各經(jīng)濟(jì)變量的相應(yīng)變化如表7所示。

FAI的預(yù)測值由其自回歸方程獲得。如前所述，GDP和RECI均難以完全解釋FAI的變異，從現(xiàn)實(shí)的數(shù)據(jù)來看，F(xiàn)AI在2019年11月達(dá)到短期底部后逐月回升，在中國疫情最嚴(yán)重的2020年1季度仍維持回升勢(shì)頭，而GDP在2019年12月仍在6%的合理水平上，2020年1月才開始下降，這說明FAI的走勢(shì)確實(shí)獨(dú)立于GDP和疫情的發(fā)展。

將以上數(shù)據(jù)代入表3回歸式（1），結(jié)果如表8所示。

如表8所示，在GDP連續(xù)大幅下降的情境下，當(dāng)GDP下降到-15.3590時(shí)，地方政府債券利差達(dá)到385個(gè)基點(diǎn)。按照近10年1年期國債平均收益率測算，在GDP下降到-10.3243、-13.1512、-15.3590時(shí)，地方政府債券的平均收益率分別為4.8792、5.6301、6.6940。2010年3月希臘10年期國債收益率達(dá)到6.36%，惠譽(yù)已準(zhǔn)備下調(diào)其主權(quán)信用等級(jí)。對(duì)照這一先例，6%的政府債收益率已經(jīng)較高?？紤]到地方政府債和國債收益率仍有一定的差異，因此，地方政府債券風(fēng)險(xiǎn)在GDP下降到-15.3590時(shí)，可能仍未達(dá)到爆發(fā)危機(jī)，但已經(jīng)具有一定的風(fēng)險(xiǎn)了。

接下來，我們考慮在GDP大幅下滑過程中，各經(jīng)濟(jì)變量的波動(dòng)對(duì)地方政府債券風(fēng)險(xiǎn)波動(dòng)的貢獻(xiàn)，我們定義這一貢獻(xiàn)為，其他經(jīng)濟(jì)變量不變，某一經(jīng)濟(jì)變量單獨(dú)跨期波動(dòng)時(shí)造成的地方政府債券風(fēng)險(xiǎn)波動(dòng)占總風(fēng)險(xiǎn)波動(dòng)的比率，公式表示為：

其中，i為第i個(gè)經(jīng)濟(jì)變量，Yit-1為其他變量不變，第i個(gè)經(jīng)濟(jì)變量單獨(dú)跨期波動(dòng)時(shí)的Y值。在GDP從下跌10到13和13到15過程中，各解釋變量對(duì)地方債利差變動(dòng)的貢獻(xiàn)度如表9所示。

如表9所示，地方債利差的變動(dòng)主要由其自身的滯后期引起。除了其自身以外，GDP和RECI均是最主要的影響因素，而FAI的貢獻(xiàn)度較小。這一結(jié)果大致印證了前述分析的表3回歸式（1）中各系數(shù)大小關(guān)系。因此，GDP增長率和國房景氣指數(shù)是地方債利差變動(dòng)的最主要解釋因素。

最后，我們測算了在國債風(fēng)險(xiǎn)較平穩(wěn)的情況下，地方政府債券能夠承受多大的經(jīng)濟(jì)下滑沖擊。首先我們需要假定一個(gè)地方政府債券收益率的最高值。如前文所述，由地方政府隱性擔(dān)保的城投債風(fēng)險(xiǎn)在2012年達(dá)到頂峰，出現(xiàn)了極少數(shù)城投債違約，但得到及時(shí)控制，并未發(fā)生系統(tǒng)性風(fēng)險(xiǎn)。2012年時(shí)城投債最高平均收益率為7.1391。歐債危機(jī)期間，國債收益率7%經(jīng)常被視為各國國債收益率的“警戒線”。根據(jù)這兩個(gè)歷史情境，我們?cè)O(shè)定地方政府債券收益率7.2%和8%兩個(gè)“警戒線”。另外，由于疫情期間流動(dòng)性充沛，國債收益率偏低，因此我們采用過去10年國債平均收益率進(jìn)行推算，測算GDP增速不低于多少時(shí)，地方政府債券收益率不會(huì)超過“警戒線”。

由表10可見，為了保障地方政府債券收益率不高于7.2%和8%，GDP跌幅不應(yīng)高于21.7841%和30.7396%。雖然世界各主要經(jīng)濟(jì)體GDP增速的跌幅在2020年二季度普遍接近20%，但三季度以來，各國經(jīng)濟(jì)開始好轉(zhuǎn)，并未大幅跌破-20%。接近30%的經(jīng)濟(jì)跌幅在近百年的經(jīng)濟(jì)史中都十分罕見，因此，總體而言，中國地方政府債券風(fēng)險(xiǎn)仍在可控范圍內(nèi)。然而，考慮到疫情期間流動(dòng)性充沛，國債收益率維持在較低水平。如果國債收益率同步放大，地方債風(fēng)險(xiǎn)將很有可能突破警戒線，經(jīng)濟(jì)、金融、財(cái)政的疊加風(fēng)險(xiǎn)仍不可掉以輕心。

6 結(jié)論與建議

得益于良好的疫情防控措施，中國率先控制疫情并引領(lǐng)世界經(jīng)濟(jì)復(fù)蘇。然而，為了應(yīng)對(duì)疫情給經(jīng)濟(jì)帶來的巨大沖擊，中國各級(jí)政府加大了舉債力度，宏觀杠桿率已攀升至歷史新高。不可否認(rèn)，對(duì)于中國這一蓬勃發(fā)展的經(jīng)濟(jì)體而言，政府仍有充足的財(cái)政貨幣政策以應(yīng)對(duì)突如其來的系統(tǒng)性風(fēng)險(xiǎn)。然而，從2015年正式允許地方政府發(fā)債以來，地方債規(guī)模連創(chuàng)新高，增速迅猛，近年來地方債規(guī)模的增速遠(yuǎn)遠(yuǎn)超過了GDP增速，政府負(fù)債率的攀升必然擠壓財(cái)政政策空間，中國地方債的可持續(xù)性問題已提上議事日程，地方債風(fēng)險(xiǎn)仍將是一個(gè)不容忽視的風(fēng)險(xiǎn)點(diǎn)。新冠疫情的沖擊初步檢驗(yàn)了改革后中國地方債的抗壓能力。借助這一“機(jī)遇”，本文選取目前所有已上市流通的地方政府債券作為樣本，構(gòu)建基于信用風(fēng)險(xiǎn)的宏觀經(jīng)濟(jì)壓力測試系統(tǒng)，設(shè)定如果疫情多持續(xù)3個(gè)月，經(jīng)濟(jì)持續(xù)大幅下滑的情境，測算地方政府債券風(fēng)險(xiǎn)的變化。測試表明，如果連續(xù)3個(gè)月經(jīng)濟(jì)增速下滑到-10.3243、-13.1512、-15.3590，地方政府債券利差分別達(dá)到204、289、385個(gè)基點(diǎn);如果設(shè)定7.2%和8%為地方政府債券收益率警戒線，那么GDP下跌幅度不應(yīng)高于21.7841和30.7396?？傮w上看，中國地方政府債務(wù)風(fēng)險(xiǎn)仍在可控范圍內(nèi)，這一方面反映了近幾年地方債改革初見成效，也反映了中國地方經(jīng)濟(jì)風(fēng)險(xiǎn)總體仍穩(wěn)健、可控。然而，未雨綢繆，壓力測試反映的一些問題仍應(yīng)引起重視：

①經(jīng)濟(jì)增速下滑將給地方政府債務(wù)的違約率和利差帶來明顯的影響。考慮到近幾年地方政府債務(wù)規(guī)模持續(xù)擴(kuò)大，這一影響在未來可能被放大，同時(shí)，系統(tǒng)性風(fēng)險(xiǎn)上升可能導(dǎo)致的國債收益率上升將進(jìn)一步推高地方政府債券收益率，這些風(fēng)險(xiǎn)的同步放大決不可忽視。因此，保持一定的經(jīng)濟(jì)增速仍是降低地方債風(fēng)險(xiǎn)的有效手段之一。

②實(shí)證結(jié)果表明，房地產(chǎn)市場仍對(duì)地方債風(fēng)險(xiǎn)有較大的影響力，反映了地方財(cái)政對(duì)土地財(cái)政仍有一定的依賴，這進(jìn)一步證實(shí)了房地產(chǎn)市場風(fēng)險(xiǎn)對(duì)金融風(fēng)險(xiǎn)有較大影響，因此，在“房住不炒”的原則下，保證各地房地產(chǎn)市場的平穩(wěn)運(yùn)行，是對(duì)政策穩(wěn)健、精準(zhǔn)的一大考驗(yàn)。

③雖然中國地方債風(fēng)險(xiǎn)總體可控，但仍應(yīng)適當(dāng)控制地方債規(guī)模增速，為防控系統(tǒng)性風(fēng)險(xiǎn)留足政策工具空間，防范于未然。

參考文獻(xiàn)：

1.Cardani R， Menna L，Tirelli P.The Optimal Policy Mix to Achieve Public Debt Consolidation.Macroeconomic Dynamics.2020.01

2.Tang L，Li P.Are investors fixated on credit ratings？ Reinterpreting the municipal bond recalibration.Finance Research Letters.2021.38

3.Beck A W.Opportunistic financial reporting around municipal bond issues.Review of Accounting Studies.2018.23（3）

4.Babina T， Jotikasthira C，Lundblad C， Ramadorai T.Heterogeneous taxes and limited risk sharing： Evidence from municipal bonds.The review of financial studies.2021.34（1）

5.Liu C， Moldogaziev T T， Mikesell J L.Corruption and state and local government debt expansion.Public Administration Review.2017.77（5）

6.Clarke D， Lu F.The law of Chinas local government debt ： Local government financing vehicles and their bonds.The American Journal of Comparative Law.2017.65 （4）

7.Abakah A A.Local religious beliefs and municipal bond market outcomes.Financial Management.2020.49 （2）

8.Li P，Tang L，Jaggi B.Social capital and the municipal bond market.Journal of Business Ethics.

2018.153 （2）

9.Br?thaler J， Getzner M， Haber G.Sustainability of local government debt： a case study of Austrian municipalities.Empirica.2015.42 （3）

10.Gao P， Lee C， Murphy D.Municipal borrowing costs and state policies for distressed municipalities.Journal of Financial Economics.2019.132 （2）

11.Padovani E， Rescigno L， Ceccatelli J.Municipal bond debt and sustainability in a non-mature financial market： The case of Italy.Sustainability.2018.10 （9）

12.Tao K.Assessing local government debt risks in China： a case study of local government financial vehicles.China & World Economy.2015.23 （5）

13.張莉 年永威 劉京軍.土地市場波動(dòng)與地方債——以城投債為例.經(jīng)濟(jì)學(xué)（季刊）.2018.03

14.田新民 夏詩園.地方政府債務(wù)風(fēng)險(xiǎn)影響研究——基于土地財(cái)政和房地產(chǎn)價(jià)格的視角.山西財(cái)經(jīng)大學(xué)學(xué)報(bào).2017.39 （06）

15.陳瑞 卞洋 齊天翔.房價(jià)波動(dòng)對(duì)地方債規(guī)模的影響——基于省級(jí)數(shù)據(jù)的實(shí)證研究.財(cái)政研究.2016.06

16.秦鳳鳴 李明明 劉海明.房價(jià)與地方政府債務(wù)風(fēng)險(xiǎn)——基于城投債的證據(jù).財(cái)貿(mào)研究.2016.27（05）

17.趙文哲 楊繼東.地方政府財(cái)政缺口與土地出讓方式——基于地方政府與國有企業(yè)互利行為的解釋.管理世界.2015.04

18.范劍勇 莫家偉.地方債務(wù)，土地市場與地區(qū)工業(yè)增長.經(jīng)濟(jì)研究.2014.01

19.Kim H，Cho H，Ryu D.Corporate Default Predictions Using Machine Learning： Literature Review.Sustainability.2020.12

20.Liu C， Tang L， Lin D， Guo J.Testing to extreme： An application of reverse stress testing engineering on mortgages of commercial banks in China.International Journal of Finance & Economics.2020.12

21.孫東升 陳昊 徐素萍.經(jīng)濟(jì)下行壓力下地方政府融資平臺(tái)違約率的估算.經(jīng)濟(jì)與管理研究.

2015.06

22.Wong J， Choi K， Fong T P W.A Framework for Stress Testing Banks Credit Risk.The Journal of Risk Model Validation.2008.01

23.劉貫春 段玉柱 劉媛媛.經(jīng)濟(jì)政策不確定性、資產(chǎn)可逆性與固定資產(chǎn)投資.經(jīng)濟(jì)研究.2019.08

24.霍源源 李江 馮宗憲.不同股權(quán)結(jié)構(gòu)商業(yè)銀行信用風(fēng)險(xiǎn)分析——基于宏觀經(jīng)濟(jì)因素視角.財(cái)貿(mào)研究.2016.04

25.華曉龍.基于宏觀壓力測試方法的商業(yè)銀行體系信用風(fēng)險(xiǎn)評(píng)估.數(shù)量經(jīng)濟(jì)技術(shù)經(jīng)濟(jì)研究.2009.04

作者簡介：陳詩穎，華中科技大學(xué)管理學(xué)院，博士研究生。

基金項(xiàng)目：江西省教育廳科學(xué)技術(shù)項(xiàng)目（181290）。