非對稱信息視角下中國區域金融風險的影響機制

史桂芬 陳倩 王佳瑩

摘?要：本文基于委托代理理論，構建非對稱信息視角下中國區域金融風險影響機制的分析框架，并采用TVP-SV-VAR模型探究不同地區區域內金融風險影響機制的異質性。研究表明，非對稱信息下金融系統委托代理行為致使商業銀行存在信貸配給，資金傾斜助長了地方債擴張和房地產泡沫累積，一旦債務違約及泡沫破裂造成大量銀行不良資產積聚，將引發區域金融風險。異質性研究發現，經濟發達地區中房地產泡沫是區域金融風險形成的主導因素；經濟次發達地區中地方政府過度舉債是引致區域金融風險的主要沖擊；而經濟欠發達地區的區域金融風險是地方政府過度舉債與房地產泡沫共同作用所致。國家金融監督管理總局應嚴控商業銀行信貸資金流向，并對地方債擴張和房地產泡沫等區域金融風險影響因素實行“屬性+對策”的差異化監管，構建風險治理的區域協作平臺，提高區域金融風險的防范處置能力。

關鍵詞：非對稱信息；區域金融風險；信貸配給；地方政府債務；房地產泡沫

中圖分類號：F8127；F83??文獻標識碼：A??文章編號：1001-148X（2024）01-0038-11

收稿日期：2023-05-13

作者簡介：史桂芬（1972—），女，吉林長春人，教授，博士生導師，研究方向：財政金融；陳倩（1993—），本文通訊作者，女，湖北咸寧人，博士研究生，?研究方向：金融計量、金融風險管理；王佳瑩?（2000—），女，浙江臺州人，?碩士研究生，研究方向：宏觀金融。

基金項目：國家社會科學基金項目，項目編號：20BJY138。

①具體事件如，2021年8月，恒大地產年中財報披露其整體負債197萬億元，企業由于資金鏈斷裂，出現流動性風險，宣布出售名下資產；2022年12月30日，貴州遵義地方政府最大的城投——“遵義道橋”由于償債能力不足進行15594億隱形債務的銀行貸款重組。2023年4月15日，貴州省地方債暴雷，地方政府公開承認靠自身“無力化債”。

一、引?言

在百年未有之大變局加速演進及國際地緣政治沖突的沖擊下，宏觀經濟下行壓力加大，中國經濟發展面臨的內外環境發生深刻變化，不穩定因素顯著增加，金融風險進入易發多發期。隨著地方金融業態的創新發展，傳統金融機構內控機制不完善，致使部分經濟主體戰略定位產生偏差，房地產行業資金斷鏈、地方政府債務暴雷等區域金融亂象頻生①，致使銀行不良貸款居高不下，區域金融風險誘因呈現多主體化特征［1］。同時，隨著中國區域金融一體化進程的推進，同一區域內銀行間的債權債務關系以及不同區域間的金融業務往來愈加頻繁，形成了緊密的區域金融關聯網絡，使得區域金融風險的傳染性增強［2］。一旦區域金融風險不斷累計突破局部閾值，其溢出沖擊所引發的“多米諾效應”最終將演變為系統性金融風險。黨的二十大報告提出以中國特色宏觀調控助力經濟高質量發展的同時，健全“雙支柱”調控框架深化區域金融體制改革，確定系統重要性銀行并實施附加監管，加強區域金融風險的應對處置能力，守住不發生系統性金融風險的底線。

明晰區域性金融風險源，防范系統性金融風險是當前亟待解決的重要議題。學界針對區域金融風險影響因素的研究，主要有以下三個方面：一是來自宏觀經濟金融運行環境。金融法制環境的不完善，特別是傳統金融機構的法律法規建設落后，導致部分金融交易的合規性監管不足，形成潛在的經營風險［3］。在中國社會主義市場經濟下，銀行作為最大的金融資源擁有者，其體制長期處于產權不清晰及激勵約束機制不到位的運行環境中，重計劃性、行政性的預算軟約束使其滯后于市場經濟條件下金融業創新發展的需要［4］。同時，由于大部分商業銀行缺乏有效的內控制度，銀行間無序競爭、投資項目類型集中度較高等問題，都易導致銀行的不良貸款率上升，進而引發區域金融風險［5］。二是來自地方政府舉債行為。分稅制改革之后，地方政府財權與事權的不匹配是地方政府債務擴張的主要誘因［6］。在地方財政能力受限的壓力下，地方政府憑借自身信用優勢及軟約束干預金融信貸來代行財政功能，使得地方政府債務規模高企，一旦政府償債能力不足，地方債務風險將轉化為金融部門的不良資產［7］。同時，在中央政府對地方政府直接借債的約束限制下，地方政府紛紛設立地方融資平臺，干預金融機構的資金流向，加大隱形債務規模，地方債擴張所致的風險一旦爆發，“長貸短存”的期限錯配問題將形成銀行的流動性風險，加速區域金融風險累積［8］。三是來自土地財政。地方政府在經濟上行壓力及GDP晉升激勵機制下，為獲取土地出讓收入，大力推進資金密集型的房地產行業迅猛發展，導致房價高企［9］?；诜績r持續上漲，地方政府通過“土地融資”方式進行隱形地方債的擴張，而高額的債務償還壓力又倒逼地方政府持續依賴土地財政創收，促使銀行提高對房地產企業的信貸配給份額，從而加劇了房地產泡沫累積［10］。一旦房地產泡沫破裂，銀行不良貸款迅速增加，信貸風險過度累積將造成區域金融風險。

綜上所述，關于區域金融風險的現有研究主要集中在單個風險影響因素的論述上，缺乏將區域金融風險誘因的多主體化特征貫穿在風險影響機制的分析框架上，且少有研究分析區域金融風險形成路徑的內在機理。因此，本文擬基于信息經濟學中委托代理行為理論，分析中國區域金融風險的影響機制，并測度不同地區的區域金融風險指數，進一步采用TVP-SV-VAR模型實證探究區域金融風險影響機制的異質性。本文可能的貢獻有以下三點：第一，通過金融系統中委托代理行為數理模型的構建，提出了非對稱信息視角下我國區域金融風險影響機制的路徑分析框架；第二，測算出中國31個?。ú话ǜ郯呐_）的區域金融風險指數，為區域金融風險的量化分析提供數據儲備；第三，考慮到區域金融風險影響機制在不同地區的差異性，本文進行空間異質性分析，為相關部門差異化監管以及構建風險處置能力的區域協作機制提供政策啟示。

二、區域金融風險形成的機制分析

（一）金融系統委托代理行為模型構建——基于非對稱信息結構視角

在金融系統中，金融監管者賦予金融機構享有特殊經營權，希望金融機構在實現自身利益的同時為社會生產合理配置資源，維持金融穩定，與此同時，金融投資者將資產委托給金融機構期望獲得資產增值，從而形成監管方、金融投資者與金融機構之間的委托代理行為。但在非對稱信息條件下，金融機構利用信息優勢采取的決策行為會引發金融風險。

金融投資者的行為設定。令其委托給金融機構進行投資的資產為固定值M，每單位資產的期望收益為ε，則總資產收益為εM。假定金融投資者為風險厭惡者，市場中固有的系統風險為σ0，金融投資者委托金融機構進行資產投資時可承擔的風險水平為σ。金融投資者愿意承擔的風險水平σ是金融監管方監管力度水平θ的單調遞減函數，即金融投資者愿意承擔的風險水平隨著監管部門監管力度上升而下降。同時，金融投資者的效用由委托給金融機構管理的總資產收益和風險水平共同決定。便于進行一般性分析，令金融投資者風險水平σ的函數形式及其效用函數為：

σθ=σ01+θ（1）

U1=εMσθ（2）

金融機構的行為設定。金融機構有兩種投資活動，即常規投資業務γ和套利投資業務β。假定金融機構開展常規業務投資的收益為Rγ，投資風險水平為σ2γ；進行套利業務投資的收益為Rβ，投資風險水平為σ2β，則金融機構進行常規業務投資的利潤為Wγ=M（Rγ－ε），開展套利業務投資的利潤為Wβ=M（Rβ－ε）。假定對于金融機構而言，套利業務投資相較于常規業務投資的風險水平更高，但給金融機構帶來的收益會更大，即存在Rβ>Rγ，σ2β>σ2γ。由于套利業務會影響金融系統穩定，催生金融風險，所以當金融機構進行套利業務被監管方發現時，不僅金融機構的收益將被沒收，且監管方還會對其收取懲罰金λ。假定金融機構進行套利業務被監管方發現的概率為ρ，金融機構進行常規業務投資的比率為e。假定金融機構為風險中性者，其最大化的期望效用函數可表示為：

MaxU2=eWγ+1－e1－ρWβ－ρλ（3）

金融監管者的行為設定。假定金融監管者存在監管成本厭惡，即當監管者的收入固定時，其會盡量不增強監管力度，避免加大監管成本C。監管方短期的收入是固定的，令為H，同時令金融監管者獲取的租金為Y，則Y=H－Cθ。由監管者的成本厭惡可知，其監管成本C是監管力度水平θ的單調遞增函數。便于進行后續的一般性分析，設定監管成本函數為：

Cθ=C0+12θ2（4）

金融監管者期望維持金融穩定的同時實現金融系統整體福利提升。因此，監管者的目標函數是金融投資者和金融機構的效用之和，并減去監管者自身的監管租金，其最大化目標函數可表示為：

MaxU3θ=U1+U2－Y（5）

在非對稱信息結構下，金融監管方無法獲取金融機構投資業務組合的精準信息，因此金融機構最大化自身效用時，存在隱蔽投機信息的動機，其進行套利業務被監管者發現的概率滿足0<ρ<1，該概率是監管方監管力度水平θ的遞增函數，即ρ′θ>0。便于進行一般性分析，將ρθ函數形式設定為ρθ=tθ，其中，t代表監管者每單位監管力度可發現金融機構進行套利業務的概率。

由于非對稱信息結構下，金融機構的套利投資活動受監管部門約束，為求均衡解，先從金融監管者的行為進行分析。監管者的最大化目標效用函數為：

Max?U3（θ）=εMσ（θ）+eWγ+（1－e）{［（1－ρ（θ）Wβ］－ρ（θ）λ}－H+C（θ）（6）

式（6）對監管者的監管力度θ求導可得：

U3θθ=εMσ0－t1－eWβ+λ+θ（7）

故監管者目標效用最大化的一階條件為：

θ1=t1－eWβ+λ－εMσ0（8）

由式（8）可得：

θ1e=－tWβ+λ?（9）

此時，金融機構的最大化效用函數可表示為：

Max?U2=eWγ+1－e1－tθ1Wβ－tθ1λ（10）

式（10）對金融機構的常規業務投資比率e求導可得：

U2e=Wγ－1－tθ1Wβ－tθ1λ－θ1e?1－etWβ+λ（11）

結合式（9）、式（11），金融機構效用最大化的一階條件可表示為：

e*=1－εMσ0tWβ+λ+Wβ－Wγ2t2Wβ+λ2（12）

將式（12）代入式（8）可得：

θ*=－εMσ0tWβ+λ+Wβ－Wγ2tWβ+λ（13）

上述e*和θ*分別為非對稱信息條件下，模型達到帕累托效率時金融機構常規投資業務占比和金融監管者監管力度水平的均衡解。

式（12）對金融機構套利業務的風險溢價Rβ－Rγ求導可得：

e*Rβ－Rγ=－M2t2Wβ+λ2<0（14）

由式（14）可知，當金融市場中套利投資業務的風險溢價越高，金融機構進行常規業務的占比就越小，表示金融機構此時存在更高的套利投資動機。

式（13）對套利業務的風險溢價Rβ－Rγ求導可得：

θ*（Rβ－Rγ）=12tWβ+λ>0（15）

由式（15）可知，金融市場中套利業務的風險溢價越大，金融監管者需付出的最優監管力度就越大。

式（12）對金融機構套利業務被收取的懲罰金λ求導可得：

e*λ=εMσ0tWβ+λ+2（Wβ－Wγ）2t2Wβ+λ3>0（16）

由式（16）可知，監管部門對金融機構進行套利投資業務收取的懲罰金越高，金融機構投資活動中常規業務的最優投資占比就越大。

式（12）金融市場固有的系統風險σ0求導可得：

e*σ0=εM2tWβ+λσ20>0（17）

由式（17）可知，金融系統的固有風險越大，金融機構進行常規業務投資的最優占比越高。

因此，綜上分析可得出如下命題：

命題1：非對稱信息條件下，金融市場中套利投資相較于常規投資高風險溢價的存在，致使金融機構存在強烈的套利動機，實現收益最大化。

命題2：金融系統的固有風險和金融監管對套利投資業務的懲罰可以約束金融機構的套利投資行為，因此金融機構在業務收益一定時，會優先考慮資金的安全性。

（二）中國區域金融風險影響機制的路徑分析

目前，銀行業在中國金融體系中占主導地位，尤其在地方層面，其對地方金融活動的穩定產生直接影響截至2022年12月，中國銀行業總資產為37939萬億元，占金融機構總資產的9041%。在地方層面，以湖北省為例，金融機構中銀行業資產占比為8272%，新增貸款占全省新增社會融資規模的比例高達9627%，數據來源于Wind。。商業銀行作為中國經濟活動的中樞，是聯結國民經濟各環節、各部門的紐帶，控制和調節著資金運行總量和軌跡。此外，商業銀行通常作為“風險守門員”處于“地方政府——商業銀行”“企業——商業銀行”以及“居民——商業銀行”風險鏈條的終端位置，承受多方風險轉嫁壓力［11］。一旦商業銀行風險過度累積引發危機，將導致整個區域金融活動發生崩潰的可能。因此，本文以商業銀行的金融活動作為出發點對中國區域金融風險形成的作用路徑展開分析。

基于非對稱信息顯著存在于商業銀行信貸業務的現實基礎，依據上述命題1和命題2的結論剖析可知，商業銀行存在顯著的信貸配給現象。具體來說，一方面，商業銀行在考慮借款人違約風險的基礎上會盡可能地提高貸款利率，以實現其“收益最大化”的經營目標。房地產行業作為資金密集型行業，融資需求旺盛致使其可以接受較高的貸款利率［12］。因此，銀行往往傾向于放寬對房地產信貸的支持力度，期望賺取風險溢價。另一方面，商業銀行對于借款人的貸款需求，會在貸款利率確定的情況下優先考慮借款人資金用途的安全性。因此，地方政府的融資以其“收益一定、風險最小化”的隱性擔保優勢以及預算軟約束，成為銀行的重點貸款對象，獲得商業銀行信貸資源傾斜。此外，在預算軟約束及高收益套利的驅動下，商業銀行試圖借助非銀行類金融機構擴大自身經營投資規模，寄生于銀行體系的影子銀行應運而生［13］。影子銀行依托表外業務經營突破監管紅線，將資金大量投入至地方政府融資平臺、房地產行業等高需求方向，變相支持并推動了地方政府的非理性舉債擴張，這種信貸配給進一步加劇了區域整體的信貸資源錯配。

圖1?中國區域金融風險影響機制的傳導路徑

地方政府因基建、民生等設施建設存在投資周期長、資金規模大的融資需求，尤其在財稅分權體制后，由于地方稅收不足以支撐地方政府維持超規模的資金供給，為解決體制內資金短缺問題，地方投融資平臺以城投公司等形式履行政府投資職能［14］。隨著地方政府債務規模的持續擴大，有限的償債能力與無限的融資本息使得債務矛盾更加尖銳。因此，面對高居不下的償債壓力，地方政府急于通過推動房價高漲，從而提高土地財政收入來變現還貸，而房地產作為資本密集型行業，房價的迅速攀升致使房地產資金需求規模不斷擴大，使其反過來接受高利率貸款成本不斷通過影子銀行進行融資，形成信貸膨脹循環［15］。此外，在許多國企、房地產等實力雄厚的大型企業獲得超額融資的同時，銀行的信貸歧視使得中小企業被排斥在融資體系之外從而形成融資困境，出現信貸結構失衡［16］。當市場經濟環境處于低杠桿率的情況下，這種操作模式并不促使金融系統的潛在風險爆發，一旦整體經濟處于高杠桿行情，且伴隨外部金融環境不斷收縮，由于資源錯配、信貸約束、結構失衡等問題存在使得金融風險在銀行內部不斷積聚。最終，在個體金融風險的不斷催化下，致使群體性風險爆發，從而引發區域性金融風險。

三、我國區域金融風險指數的測算

（一）指數測度模型介紹

本文借鑒Jurado?et?al（2015）在Bernanke等（2005）提出的FAVAR模型基礎上通過單邊估計改善的因子增廣向量自回歸模型測度我國31個省份（不包括港澳臺）的省級區域金融風險［17-18］。該方法從多個金融數據中提取與金融風險相關的共同因子，作為區域金融風險的代理指標，彌補了單一指標的缺陷，同時，該模型通過納入宏觀經濟控制變量，過濾宏觀經濟系統波動對金融變量的干擾和反饋效應，增加區域金融風險測算結果的可靠性。此外，該模型方法考慮數據的時變特征，從而充分體現了模型內相關指標在風險測度中的動態變化和階段性差異，提高本文區域金融風險測算結果的有效性。

定義本文區域金融風險測度指標池中選取的多維金融指標及宏觀經濟控制指標為平穩序列數據集Yit=Y1t，…，YNt，其中N為所選的指標個數。數據集可表示為如下因子結構形式：

Yit=HiHt+εYit（18）

其中，Ht為潛在共同因子，Hi為因子載荷矩陣，εYit為誤差項。在上述因子結構模型中，誤差向量允許存在有限的截面自相關，故提取的共同因子數Nr可小于變量序列數N。

令rjt表示模型估計出的單個風險序列，其h1期的測算值由如下因子增廣預測模型得出：

rjt+1=θrjFrjt+αHjFHkt[DD（-*2/3][HT6”]⌒[][HT][DD）]+αGjFGlt+σrjt+1（19）

其中，θrjF、αHjF和αGjF分別為Pr、PH和PG階滯后算子，向量Ht[DD（-*2/3][HT6”]⌒[][HT][DD）]為Ht的一致性估計值，Gt為額外可預測因子。由于rjt+1、Hkt+1和Glt+1的向前一步預測誤差帶有時變波動率erjt+1、eHkt+1和eGlt+1，模型估計出的單個區域金融風險序列rjt是具有時變特征的。

令單個風險序列rjt∈Rt=（r1t，r2t，…，rNt）向前h期不可預測成分的條件波動率為單個區域金融風險指數Riskrjth，其可表示為：

Riskrjth=Erjt+h－Erjt+hAt）/At2（20）

利用擴散指數預測法計算出式（20）中的條件期望Erjt+h/At，然后通過隨機波動模型測算共同因子rjt的向前一期預測殘差τrjt+h=rjt+h－Erjt+h/At，并通過遞歸運算得到h1期的條件波動率E（τrjt+h）2/At。最后將得到的單個區域金融風險指數Riskrjt在每個時點上進行權重加總，利用式（21）得到本文所需測度的總的區域金融風險指數Riskrt。

Riskrth=plimNr→∑Nrj=1βjRiskrjth=EβRiskrjth（21）

其中βj為權重，直接的加權形式是為每個風險序列賦予相同的權重，即βj=1/Nr，若單個風險序列存在結構性特征，則權重可通過其協方差矩陣的最大特征根決定。

（二）指標選取

表1為區域金融風險測度的相關指標選擇。正向指標表示數值越大，風險越大；負向指標表示數值越大，風險越??；適度指標表示數值應維持在一定水平，過高或過低都代表風險積累過度。表中區域金融風險的相關指標涉及我國31個?。ú话ǜ郯呐_）的季度數據指標體系中省級商業銀行的不良貸款率以及GDP增長率在樣本的時間跨度中只有年度數據，筆者通過運用EViews軟件中的二次插值法對其進行頻率轉換，將年度數據轉換為季度數據。，相關數據來源于CEIC數據庫和Wind數據庫，時間跨度為2005—2019年該樣本區間的選擇是基于目前數據的可獲得性，相關數據庫中省級區域內商業銀行的不良貸款率只能獲取到2019年。。

（三）中國區域金融風險典型化事實分析

關于區域金融風險區域范圍的選擇，應以區域的空間位置、行政管轄及經濟發展特性的相似度為準則進行劃分［19］。因此，本文測算出中國31個?。ú话ǜ郯呐_）的省級區域金融風險指數后，基于經濟發展現狀六大行政區華北、華東、中南、西南、西北和東北2022年年末的人均GDP大小排序呈現華東>華北>中南>西南>東北>西北，數據來源于CEIC數據庫。將中國六大行政區劃分為發達地區（華北和華東）、次發達地區（中南和西南）以及欠發達地區（西北和東北），通過等權重加總得到三大地區的區域金融風險指數。圖2為三大地區2006—2019年區域金融風險指數的演變趨勢由于采用Jurado?et?al（2015）的模型方法進行指數測度時存在向前預測值，而本文風險測度時的最優滯后期為4，因此本文最終測算出的區域金融風險指數損失了2005年4個季度的數據，指數呈現的是2006—2019年的趨勢結果。

從整體趨勢來看，三大地區的區域金融風險水平呈現相似的路徑走向，即“上升—下降—上升—下降”的變化趨勢，其中，區域金融風險迅速積聚階段是2008—2009年和2015—2016年。2008—2009年，美國次貸危機引發全球金融危機，金融風險在全球范圍擴散，三大地區出現顯著的風險累積。為應對全球性金融風險的沖擊，中國2008年11月出臺了4萬億元的經濟刺激政策，在政策刺激下，中國GDP雖保持了一段時間的高增速，但金融體制的潛在風險仍未從根本上得到紓解，只是推遲了金融風險暴露的進程。2015年之后，刺激政策的弊端凸顯，導致2015—2016年“股災”“人民幣貶值”“房價快速上漲”以及“影子銀行”過度膨脹等風險事件和金融亂象頻發，三大地區區域金融風險再次出現積聚，其中，欠發達地區區域金融風險積聚尤為顯著。隨著2017年中國“去杠桿、嚴監管”的強監管政策落地實施后，各地區的區域金融風險出現下降。

圖2?三大地區區域金融風險指數演變趨勢

四、區域金融風險形成機制的異質性分析

（一）模型構建

本文采用TVP-SV-VAR模型實證探究在經濟發達地區（華北和華東）、次發達地區（中南和西南）以及欠發達地區（西北和東北）之間區域金融風險形成機制的異質性。該模型是對VAR模型進行時變參數處理而提出的，其假定參數能隨著時間變動，因此能靈活地分析變量之間的相互影響路徑，同時捕捉經濟結構的突變和漸變特征。含有隨機波動率的時變參數結構向量自回歸模型如下：

Yt=G1tYt-1+…+GPtYt－p+et，et～N0，Ωt（22）

其中，t=p+1，…，n，G1t，…，Gpt為k×k時變系數矩陣，Ωt為k×k時變協方差矩陣。模型可通過分解Ωt=D－1tΣt2D′t－1來假設遞歸識別，Σt=diagσ1t，…，σkt。定義gt為模型時變系數矩陣G1t，…，Gpt行向量的堆棧向量，dt=（d1t，…，dpt）′為Ft下三角元素行向量的堆棧列向量，τt=τ1t，…，τkt‘，其中τit=logσ2it。假定模型的時變參數均服從隨機游走過程，即：

gt+1=gt+μgt

dt+1=dt+ddt

τt+1=τt+μτt（23）

εtμgtμdtμτt～N0，IOOOOΣgOOOOΣdOOOOΣτ（24）

（11）式中，I、Σg、Σd、Στ分別是εt、μgt、μdt和μτt的方差-協方差矩陣，均為對角陣，時變參數都服從正態分布，即gt+1～Nμg0，Σg0，dt+1～Nμd0，Σd0，τt+1～Nμτ0，Στ0。為了規避最小二乘法或最大似然法估計TVP-SV-VAR模型容易引發的過度識別問題，本文采用馬爾可夫鏈和蒙特卡羅（MCMC）方法的Gibbs抽樣來對模型參數進行估計，為保證抽取的樣本能較好地接近參數分布的隨機樣本，選取10000次的迭代次數，預燒值設置為1000。模型估計需要設定超參數，本文參照Nakajima（2011）的做法，對時變參數擾動項的分布設置為：Σg－2i～Gamma40，002，Σd－2i～Gamma4，002，Στ－2i～Gamma?4，002［20］。

（二）變量選取

本文涉及變量包括三大地區的區域金融風險指數（Risk）、地方政府的舉債風險（LGD）、房地產行業的信貸風險（REC）。由于地方政府債務與政府財政收支缺口相關，財政缺口率可以間接反映地方政府的信用風險［9］。因此本文以財政缺口率衡量地方政府的舉債風險，而各地區房地產泡沫的信貸風險由房地產貸款增速來衡量。令發達地區、次發達地區以及欠發達地區的區域金融風險分別為RISK-1、RISK-2、RISK-3，發達地區、次發達地區以及欠發達地區地方政府的舉債風險分別為LGD-1、LGD-2以及LGD-3，發達地區、次發達地區以及欠發達地區房地產行業的信貸風險分別為REC-1、REC-2以及REC-3。本文數據來源于CEIC數據庫、Wind數據庫。

（三）變量平穩性檢驗

表2是三大地區中模型變量的單位根檢驗結果。從表2中可看出，綜合ADF單位根檢驗、PP單位根檢驗以及KPSS平穩性檢驗三種方法，所有變量在1%的顯著性水平下都非平穩。對變量進行一階差分后，三大地區的所有變量在1%的顯著性水平下都是平穩的。因此，本文對三組時間序列數據進行一階差分處理后放入TVP-SV-VAR模型。

（四）模型估計結果

表3為模型的參數估計結果，從表3中可看出，發達地區、次發達地區以及欠發達地區模型估計參數的后驗均值均落在95%的置信區間內，且收斂診斷值均不大于196，說明三個模型的估計參數在5%的顯著性水平下都是接受收斂性原假設的。同時，三個模型估計參數中無效因子的取值都較小，說明模型的參數估計結果是穩定、有效的，可以進行后續的脈沖響應分析。

（五）實證結果與分析

圖3-圖5分別呈現的是發達地區、次發達地區、欠發達地區的等間隔脈沖響應函數圖?？紤]到風險形成及傳導的持續時效，本文將等間隔脈沖響應函數的滯后期選擇為1個季度、2個季度和4個季度，分別反映區域金融風險形成的短期、中期和長期動態路徑。

在經濟發達地區，地方政府過度舉債一個單位的正向沖擊對區域金融風險的影響在短期和中期都是正的，中期的正向影響相較于短期減弱，且地方政府的舉債風險在長期逐漸趨向于零。說明發達地區地方政府的舉債風險對本地區區域金融風險積累僅存在短暫沖擊，長期來看不會對區域金融風險有顯著的促進作用。這可能是因為像東部這樣涵蓋有長三角和珠三角這樣發達經濟圈的區域，金融市場相對成熟，市場化程度較高，政府的舉債行為能夠被金融市場逐步消化從而不會過度累積風險。發達地區區域金融風險對房地產泡沫一個單位的正沖擊的響應路徑在短期和中期呈現正負交替的波動走向，而長期的響應值顯著為正。說明發達地區房地產行業的價格波動會促使區域金融風險累積，房地產泡沫會對該地區區域金融風險爆發產生顯著的推動作用，且具有較長時間的持續性。在經濟次發達地區，地方政府過度舉債一個單位的正向沖擊對區域金融風險的影響在短期幾乎為零，但從中長期來看，顯著為正。表明在次發達地區，地方政府過度舉債行為會造成區域金融風險累積，但地方政府的舉債風險對區域金融風險的推動作用存在時滯性。次發達地區地方政府在GDP政績考核制度下，同級地方政府之間因晉升激勵、規避政治風險會競相效仿從而主動舉債，使得該地區出現嚴重的信貸資源錯配問題，加重區域金融風險的聚集。次發達地區區域金融風險對房地產泡沫一個單位正向沖擊的響應路徑在短期呈現正負交替的波動趨勢，而從中長期來看響應值趨向于零。說明次發達地區房地產泡沫不會造成區域金融風險長期累積。在經濟欠發達地區，地方政府過度舉債一個單位的正向沖擊對區域金融風險的影響在短期呈現負值向正值變化路徑，而中期和長期顯著為正。表明在經濟落后的西北和東北地區，地方政府過度舉債會促使區域金融風險的形成，但其對風險形成的推動作用具有時滯性，這可能是因為在欠發達地區金融市場不成熟，監管較弱以及市場化程度較低導致其風險敏感度較差。欠發達地區區域金融風險對房地產泡沫一個單位正向沖擊的響應路徑在中期和短期呈現出正負交替的趨勢，而長期響應值為正，且該正向響應值相對于發達地區較小。這表明在經濟落后的西北和東北地區，房地產行業的信貸風險會形成區域金融風險累積，但由于該地區房地產行業規模相對較小，相對于發達地區而言其對區域金融風險形成的影響較弱。

為研究不同時期地方債擴張和房地產泡沫對區域金融風險的影響，本文接著進行不同時點的脈沖響應分析。具體地，首先確定時點脈沖響應函數的三個時點：第一個時點是2008年8月（t=11），第二個時點是2015年1月（t=37），第三個時點是2017年3月（t=45）。第一個時點選取在全球金融危機正式爆發時期?Ivashina?and?Scharfstein（2010）將2008年8月定義為危機的起點，因為當時金融機構的CDS息差開始上升，金融體系開始恐慌。，第二個時點選取在股災、樓市迅速膨脹等地方金融亂象頻發的2015年，第三個時點選取在政府強調“去杠桿、強監管”的2017年2017年3月，以原銀保監會“三三四十”檢查為代表的第一波“去杠桿、嚴監管”的政策正式落地實施。。

圖6呈現的是發達地區、次發達地區以及欠發達地區地方政府過度舉債行為在三個不同時點對區域金融風險形成的動態影響路徑，從圖6中可看出，三大地區中區域金融風險在三個時點對地方政府過度舉債行為一個單位正向沖擊的響應路徑是基本相同的，且每個地區的動態響應路徑與上文的結論相似，即地方政府舉債主要在次發達地區和欠發達地區對區域金融風險產生正向影響。圖7呈現的是發達地區、次發達地區以及欠發達房地產泡沫在三個不同時點對區域金融風險形成的動態影響路徑，從圖7中可看出，次發達地區三個階段房地產泡沫對區域金融風險的影響出現正負交替的路徑走勢，影響不存在顯著的持續性。發達地區和欠發達地區在全球金融危機期間房地產泡沫對區域金融風險的影響都較大，這可能是因為危機期間金融系統脆弱性更嚴重，市場悲觀情緒蔓延，使得房地產泡沫更易破裂而產生一系列的風險連鎖反應從而引發區域金融風險。此外，從圖7中還可以看出，2015—2016年房地產泡沫對區域金融風險的影響仍較大，這是因為2015年金融戰引發的股災迫使中央引導資金流向樓市，提倡房地產去庫存，房價的快速上漲導致房地產行業信貸膨脹，引發區域金融風險累積，特別是發達地區。但在2017“去杠桿、嚴監管”的政策落地實施后，發達地區房地產泡沫對區域金融風險形成的影響顯著減弱，而欠發達地區沒有顯著變化，說明欠發達地區“去杠桿”的監管有效性不足，金融監管體系相較于發達地區較落后。

五、結論與政策建議

本文基于信息經濟學中委托代理行為的理論基礎，構建非對稱信息視角下中國區域金融風險影響機制的路徑分析框架，并測度出31個省份（不包括港澳臺）的區域金融風險指數，進一步采用TVP-SV-VAR模型實證探究我國發達地區、次發達地區以及欠發達地區區域內金融風險影響機制的異質性。研究結論如下：（1）非對稱信息結構下金融系統委托代理行為會致使商業銀行存在信貸配給現象。（2）商業銀行的信貸配給現象促進了地方政府過度舉債和房地產泡沫累積，而地方政府的債務風險和房地產的信貸風險傳導至商業銀行形成大量不良貸款積聚，將引發區域金融風險。（3）發達地區中房地產泡沫是區域金融風險形成的主導因素；次發達地區中地方政府過度舉債是區域金融風險形成的主要因素；欠發達地區中地方政府過度舉債和房地產泡沫疊加是區域金融風險形成的沖擊來源。

根據上述研究結論，本文提出如下政策建議。一是深化協同監管體制建設。構建地方部門間信息共享的協同監管平臺，利用“互聯網+監管”的數字技術手段，提升融資環境的信息對稱化程度。同時，強化地方金融監督管理局的風險防范職能，對區域金融風險的防控實行差異化監管，形成“屬性+對策”的金融監管思路［21］。二是嚴控地方政府新增隱形債務，夯實地方償債基礎。結合各地區資源稟賦、發展需求、財政能力等要素，聯合融資的需求端和供給端，形成阻斷隱性融資路徑的窗口指導。同時，推進地方稅體系建設，探索構建融資平臺資產證券化的市場盤活模式，夯實地方政府的財力和自我創造力。三是加強房地產信貸資金管控，推進房地產行業融資渠道多元化。嚴控商業銀行信貸資金流向，發揮中央信貸政策的導向作用，引導區域內信貸資源在房地產行業和其他中小企業之間進行合理配置。同時推進房屋信貸證券化，培植房產證券二級市場，形成房地產融資渠道多元化局面。四是構建商業銀行的風險治理機制。商業銀行內部建立風險預警機制以及風險補償機制，做到風險事件的事前預防及事后分散，防范金融風險在銀行內部出現過度累積，并構建銀行風險治理的區域協作機制，通過商業銀行間區域信息的溝通和共享，提高區域金融風險的處置能力。

參考文獻：

［1］?李蘭冰，劉秉鐮.?“十四五”時期中國區域經濟發展的重大問題展望［J］．管理世界，2020，36（5）：36-51+8.

［2］?沈麗，張影，張好圓.?我國金融風險的區域差異及分布動態演進［J］．改革，2019（10）：85-97.

［3］?劉貫春，張軍，豐超.?金融體制改革與經濟效率提升——來自省級面板數據的經驗分析［J］．管理世界，2017（6）：9-22+187.

［4］?巴曙松，劉孝紅，牛播坤.?轉型時期中國金融體系中的地方治理與銀行改革的互動研究［J］．金融研究，2005（5）：25-37.

［5］?王擎，劉軍，金致雯.?區域性金融風險與區域經濟增長的相關性分析［J］．改革，2018（5）：66-75.

［6］??劉尚希，馬洪范，劉微，等.?以明晰支出責任為切入點完善財政體制［J］．中國財政，2013（5）：46-47.

［7］?李一花，張芳潔.?機會成本視野的地方政府舉債邏輯及其風險防控研究［J］．中央財經大學學報，2020（11）：3-12.

［8］?呂勇斌，陳自雅.?區域金融風險部門間傳遞的空間效應——2005—2012年［J］．財政研究，2014（8）：46-48.

［9］?劉民權，孫波.?商業地價形成機制、房地產泡沫及其治理［J］．金融研究，2009（10）：22-37.

［10］周世愚.?地方政府債務風險：理論分析與經驗事實［J］．管理世界，2021，37（10）：128-138.

［11］?宋凌峰，葉永剛.中國區域金融風險部門間傳遞研究［J］．管理世界，2011（9）：172-173.

［12］?邵新建，巫和懋，江萍.?中國城市房價的“堅硬泡沫”——基于壟斷性土地市場的研究［J］．金融研究，2012（12）：67-81.

［13］?巴蜀松，王璟怡，杜婧.?從微觀審慎到宏觀審慎：危機下的銀行監管啟示［J］．國際金融研究，2010（5）：83-89.

［14］?項后軍，巫姣，謝杰.地方債務影響經濟波動嗎［J］．中國工業經濟，2017（1）：43-61.

［15］?朱英姿，許丹.?官員晉升壓力、金融市場化與房價增長［J］．金融研究，2013（1）：65-78.

［16］石貝貝，夏曉雪，姜付秀.?融資約束文獻綜述：基于中國制度背景的分析［J］．中央財經大學學報，2023（1）：58-68.

［17］?Jurado?K，Ludvigson?S?C，Ng?S.?Appendix?for?Update?of?“Measuring?Uncertainty”Data［J］．American?Economic?Review，2015，105（3）：1177-1216.

［18］?Bernanke?B?S，Jean?B，Piotr?E.?Measuring?the?Effects?of?Monetary?Policy：A?Factor-Augmented?Vector?Autoregressive?（FAVAR）?Approach*［J］．Quarterly?Journal?of?Economics，2005（1）：387-422.

［19］?JM?Pavía，Larraz?B.?Regional?Size，Wealth?and?EU?Regional?Policy［J］．Investigaciones?Regionales，2012，23（23）：127-141.

［20］?Nakajima，J.，M.?Kasuya，T.?Watanabe.?Bayesian?Analysis?of?Time-varying?Parameter?Vector?Autoregressive?Model?for?the?Japanese?Economy?and?Monetary?Policy［J］．Journal?of?the?Japanese?and?International?Economies，2011（25）：225-245.

［21］?劉任重，李棟.地方中小銀行治理風險問題研究——基于內外部協同治理視角［J］．理論探討，2023（1）：162-168.

The??Influence?Mechanism?of?Regional?Financial?Risk?in?China?from?the?Perspective

of?Asymmetric?Information

SHI?Guifen，CHEN?Qian，WANG?Jiaying

（School?of?Economics?and?Management，?Northeast?Normal?University，?Changchun?130117，China）

Abstract：?Based?on?the?principal-agent?theory，?this?paper?constructs?an?analysis?framework?for?the?impact?mechanism?of?regional?financial?risk?in?China?from?the?perspective?of?asymmetric?information，?and?uses?the?TVP-SV-VAR?model?to?explore?the?heterogeneity?of?the?financial?risk?impact?mechanism?in?different?regions.?The?results?show?that?the?entrustment?agency?behavior?of?the?financial?system?under?asymmetric?information?leads?to?credit?rationing?of?commercial?banks，?and?the?tilt?of?funds?promotes?the?expansion?of?local?bonds?and?the?accumulation?of?real?estate?bubbles.?Once?the?debt?default?and?bubble?burst?cause?a?large?number?of?banks?non-performing?assets?to?accumulate，?regional?financial?risks?will?be?triggered.?Heterogeneity?studies?have?found?that?real?estate?bubble?in?economically?developed?regions?is?the?leading?factor?in?the?formation?of?regional?financial?risks.?Excessive?borrowing?by?local?governments?in?economically?sub-developed?regions?is?the?main?impact?of?regional?financial?risks.?Regional?financial?risks?in?economically?underdeveloped?areas?are?caused?by?the?combination?of?excessive?borrowing?by?local?governments?and?real?estate?bubbles.?The?China?Banking?and?Insurance?Regulatory?Commission?should?rigorously?control?the?flow?of?credit?funds?from?commercial?banks?and?implement?differentiated?supervision?on?factors?influencing?regional?financial?risks，?such?as?local?debt?expansion?and?real?estate?bubbles，?using?an?“attribute?+?strategy”?approach.?It?is?suggested?to?establish?a?regional?cooperation?platform?for?risk?governance?to?enhance?the?prevention?and?disposal?capabilities?of?regional?financial?risks.

Key?words：asymmetric?information;?regional?financial?risks;?local?government?debt;?real?estate?bubble

（責任編輯：周正）