金融风险与部门传染——基于资金流量核算的CCA模型和宏观金融网络分析.pdf

从资金存量表视角分析中国实体经济部门的债务负担和资产负债情况，并运用未定权益分析方法（CCA模型）分析2 0 0 4 至2 0 2 0 年住户、非金融企业、广义政府、金融机构和国外五大经济部门的隐含资产负债率及债务违约风险变化趋势。同时，结合中国2 0 2 0 年末资金存量表明细数据，构建部门间关联矩阵，运用宏观金融网络分析方法，模拟测算上述五大经济部门违约风险的传染效应。研究结果表明，住户部门的隐含资产负债率平稳较快上升，但总体债务违约概率较低；企业部门的隐含资产负债率波动较大，部分时点违约概率较高；政府部门的隐含资产负债率小幅稳定增长，整体违约概率较低；金融部门始终处于风险的最前端，在部门间金融资产负债关联网络处于中枢地位，受其他部门的风险冲击影响最大。建议充分发挥金融账户在系统性金融风险评估中的作用，保持宏观调控政策稳健有效，政策发力适当靠前。关键词：资金流量核算；金融稳定；宏观金融网络；CCA模型中图分类号：F831文献标识码：A文章编号：2 0 97-1 3 4 6(2 0 2 3)0 3-0 1 2 6-1 9一、引言2023年3 月，美国硅谷银行“光速”倒闭与瑞士信贷巨亏共振，蔓延风险引爆市场情绪，甚至引发是否发生新一轮全球金融危机的担忧。全球金融危机的教训充分说明，单个金融机构的安全稳定并不能确保金融体系的安全稳定，在国民经济各部门债权债务关系构成的相互连接的宏观金融网络中，其他部门的局部风险冲击可通过宏观金融网络不断传染蔓延，并最终酿成系统性风险。在中国乃至世界，还没有国家金融学这门学科，但是从理论与实践方面都应积极探索创设国家金融学，把整个国家作为金融学的研究对象（陈云贤，2021，王彩萍和李建平,2 0 2 2）。近年来，中国经济运行中困难不少，在金融改革持续深化的收稿日期：2 0 2 2-1 0-1 3基金项目：国家社会科学基金重点项目（2 2 AJY022）。作者简介：高慧颖，东北财经大学博士研究生，供职于中国人民银行调查统计司，研究方向为宏观金融；周潮，通讯作者，供职于中国人民银行张校市中心支行，研究方向为动态宏观与经济政策模拟，；刘安，供职于中国人民银行兰州中心支行，研究方向为金融统计分析；全恩有，供职于中国人民银行武汉分行，研究方向为资金流量核算分析。*本文只代表作者个人观点，不代表所在单位意见。127.金融风险与部门传染同时，全社会杠杆率增长较快，根据国际清算银行（BIS）数据，2 0 2 0 年末中国非金融企业部门债务总额与GDP之比（即“宏观杠杆率”）达到1 6 2.3%，高于全球其他主要经济体，非金融部门整体宏观杠杆率攀升至2 8 9.5%，较2 0 0 8 年末提高1 50.5个百分点。一旦单一部门出现债务违约，则很有可能传染至金融部门和其他部门，进而产生系统性金融风险。全球金融危机之后，越来越多的国家把资金存流量核算，尤其是金融账户分析，作为宏观审慎和金融稳定分析的重要工具和方法，特别是分析反映各类金融工具的部门交易对手信息和部门之间资金相互联系的明细数据信息，在分析金融风险传染性方面极具优势。在参考国内外学者相关研究成果的基础上，本文从资金存量表视角分析中国实体经济部门债务负担和资产负债情况，并运用未定权益分析方法（CCA模型），深入分析住户、非金融企业、广义政府、金融机构和国外五大经济部门近年来的隐含资产负债率及债务违约风险变化趋势，同时构建部门间关联矩阵进行宏观金融网络分析，模拟测算五大经济部门违约风险的传染效应。本文的基本研究思路是：首先利用中国中央银行官方的资金存量表（金融账户）数据，使用债务负担率、金融资产负债率等作为非金融部门债务水平的衡量指标，与美国、日本和澳大利亚等进行国际比较，分析近年中国非金融部门债务风险变化情况。其次，采用未定权益分析方法（CCA模型）将基于核算的资金存量表构建为基于风险的资金存量关联矩阵，计算出各部门经风险调整后的隐含金融资产负债率、财务违约概率等指标，进一步分析中国各部门的债务风险。最后，基于中国资金存量表五大部门之间“谁对谁”关联矩阵数据，构造五部门间金融资产负债关联网络，利用宏观金融网络分析方法进一步模拟计算各部门发生债务违约后对其他部门的冲击影响。本文的边际贡献主要有三点。一是运用来自中国人民银行的资金存量表金融账户明细数据，以及中国人民银行最新公布的资金存量表（金融账户）样式，编制了国民经济五部门之间的“从谁到谁”的资金关联矩阵，在遵循SNA体系和IMF金融货币统计手册中的金融存量核算原则基础上完整地涵盖国民经济各部门，使风险传染渠道展现更加真实完整，有助于提升研究结论的有效性。二是同时使用未定权益分析（CCA模型）方法和宏观金融网络分析方法，既分析各经济部门违约风险，又展示部门间金融资产负债关联网络结构、分析各部门违约风险对其他部门的冲击和影响，比较全面阐释了各部门的金融风险和部门间的风险传染。三是动态模拟了国外部门与中国住户部门增加直接网络连接后金融风险的冲击后果，进一步证实完整的部门间金融资产负债关联网络可以有效分散金融风险、降低社会损失。二、文献综述国民经济五大部门之间的金融相互连接是一个非常重要的机制，存款、贷款和证券产中国资金存流量核算金融交易表由中国人民银行调查统计司编制，目前资金流量表已按季度公布，资金存量表已按年度公布，数据表可见中国人民银行官网。网址为：http：/w w w，p b c.g o v.c n/d i a o c h a t o n g j i s i/1 1 6 2 1 9/1 1 6 3 1 9/3750274/4137554/index.html。中国的资金存量表金融账户的核算原则，可参考中国人民银行调查统计司近几年出版的金融统计核算专著。1282023年第3 期金融经清学研究品的资金循环通过这个机制在金融系统内部传递。一个整合良好的金融体系也是提高金融效率的重要因素，因为它有利于金融风险的分担，促进信贷的获得，降低居民、企业和金融中介机构的成本（Castren and Rancan,2014）。为了与全文的基本研究思路对应，本文相应从基于资金流量和存量的金融风险分析、基于未定权益分析方法（CCA模型）的债务风险研究，以及基于宏观金融网络模型的系统性金融风险研究三个层面进行文献梳理。（一）基于资金流量和存量的金融风险分析美国经济学者Copeland(1947,1952）对其受NBER委托开展的货币循环统计框架研究进行了总结，首次明确提出了资金流量统计的概念及定义，1 952 年出版专著美国货币流量研究，用资金流量的方法对美国主要经济部门的金融活动做了全面的研究，构造了资金流量表的最初表式，从此资金流量核算成为一个薪新的宏观经济核算分析工具，为后续资金流量核算在世界范围内的推广和发展奠定了基础。中国资金流量核算分析起步较晚，王传纶（1 98 0）最早引人资金流量分析方法，从宏观分析、中观分析和微观分析三个层面总结了资金流量分析方法的应用情况。中国的资金流量相关研究工作进展及其在金融风险方面的应用研究情况，可参考贝多广和骆峰（2 0 0 6）、刘晓欣和熊丽（2 0 2 1）以及高慧颖（2 0 2 2）等。总体上，资金流量核算及其在分析金融风险方面的研究已经被政策层和学界广为关注，但是限于数据可得性、时效性以及对矩阵式报表核算框架理解等因素，目前国内在资金流量核算理论实务方面尚缺乏权威、系统和全面的梳理，对相关核算账户和报表、各部门与金融工具统计之间的关系，以及相应的核算统计方法等缺乏系统的论述，特别是对中国资金存量表（金融账户）方面的研究更是非常稀少。鉴于本文研究采用的中国央行的官方数据，因此本文将资金存量表的相关研究作为文献梳理的重点。资金流量可以看作是一个观察期内从期初到期末两个连续时间点之间的头寸差额，而资金存量则是观察期的期末或某个特定时间点上资产和负债的价值水平。与资金流量表的相关研究类似，基于资金存量表考察金融风险面临的最大困难，是实体交易和金融交易的资产负债表数据缺乏（刘晓欣和熊丽，2 0 2 1）。1 997 年和2 0 0 7 年国家统计局均出版了中国资产负债表编制方法，并根据十八届三中全会的精神在2 0 1 3 年提出编制国家和地方资产负债表，但是目前官方的中国国家资产负债表数据尚未公布。因此学者在尝试编制中国的国家资产负债表方面进行了很多探索，李杨等（2 0 1 2 a，2 0 1 2 b）初步编制了2 0 0 0 年开始的年度中国主权资产负债表，后来又加人了金融部门资产负债表，构建了相对完整的中国国家资产负债表。杜金富（2 0 1 5）、刘磊和张晓晶（2 0 2 0）等也在国家资产负债表方面进行了很多探索性研究。上述流量表文献研究的重点在于整个国家资产负债表，对于资金存量表金融账户的研究长期处于非主流的地位，并且对中国金融账户存量表的研究可谓少之又少，其中以殷剑峰（2 0 1 8）对中国资金存量表的估算研究比较具有代表性。殷剑峰（2 0 1 8）基于存款和信用两类金融工具，采用较为合理的推算技术，构建了中国自2 0 0 7 年以来七个部门的部门对部门季度资金存量表，分析资金存量的部门分布和交易关系，揭示在相互联系的多部门经济中货币和信用的创造机制。学者们的估算研究囿于数据可得性、假设脱离现实和分析工具129.金融风险与部门传染匮乏等原因，存在诸多不足之处，因于此本文采用中国人民银行的资金存量表金融交易“谁对谁”账户数据开展研究。（二）基于未定权益分析方法（CCA模型）的债务风险研究基于资金流量和存量账户的研究，优点在于可以运用国民间各部门、各账户的关系和数据，对宏观经济风险进行模拟及分析。当前研究金融风险运用较多的宏观经济模型当属CCA模型，Merton(1973）首次提出采用未定权益分析方法（CCA模型）对金融风险进行测度分析。Castrn andKavonius（2 0 0 9）使用CCA模型测算分析了欧元区各经济部门的违约风险，在利用金融账户数据分析金融风险方面做出了开创性贡献。Antunes etal.（2 0 1 1）采用CCA模型分析了葡萄牙住户、企业等部门的金融风险，并且在模型中考虑了主权债务危机和银行部门信用危机的关系，最终基于网络分析和CCA模型提出了新的系统性风险指标。Tiwari(2013）在实物期权框架下运用CCA模型探讨债券持有人和股东在研发投资方面的代理冲突，认为与研发活动相关的风险来自于资产的无形化程度、研发项目的成功率以及资产的特殊性，发现用于研发的资产如果具有很高的无形化程度和特殊性，并且成功率很低，那么股东就会减少研发方面的投资，将风险负担转嫁给债券持有人，从而降低未偿债务的价值。国内方面，宫晓琳（2 0 1 2）根据中国公开发布的资金流量表（金融交易部分）、人民币信贷收支表等数据测算编制了2 0 0 0 年至2 0 0 8 年的资金存量表，利用CCA模型分析了中国2000年至2 0 0 8 年的金融风险演变情况。苟文均等（2 0 1 6）根据美国和欧元区金融账户，及测算编制的中国资金存量表，使用CCA模型对宏观杠杆率杆与系统性风险传染之间的内在联系进行了理论和实证分析。刘磊等（2 0 1 9）运用CCA模型分析基于SNA体系的中国各部门资产负债表，借鉴谷歌网页排名算法，重新构建了各部门的金融风险指数。袁金建和刘海龙（2 0 1 9）基于非对称GARCH模型捕捉银行资产波动率的时变特性，并运用GARCH期权定价模型测度系统性风险，发现银行业系统性风险分别在2 0 1 2 和2 0 1 5年“股灾”之后小幅上升，并且在2 0 1 6 年大幅上升，基于时变波动率CCA方法的系统性风险指标对宏观经济动态的预测能力，要明显优于基于传统CCA方法的指标。CCA方法最大的优势在于能够测度各部门经风险调整后的资产价值，真实反映各部门的风险情况，这也是CCA方法受到众多学者重视的原因。陈华等（2 0 2 0）将外汇储备置于主权国家资产负债表管理（SALM）框架，基于CCA方法对外汇储备的资产配置策略和合意规模进行测算，发现外汇储备资产配置策略与主权国家资产负债表的隐含杠杆比例有关，外汇储备资产规模对主权国家违约风险具有门槛效应，新兴市场国家的合意外汇储备/GDP比例为高于1 1.4 9%。郑立君和黄友逵（2 0 2 0）基于中观经济部门视角运用CCA模型量化国内各经济部门的风险，并在构建部门间资产负债关联矩阵的基础上，模拟债务杠杆风险冲击的风险情景。王兆成（2 0 2 1）基于CCA模型分析杠杆率对系统性风险传染机制的影在中国人民银行官网“统计数据”中“金融账户”只发布了2 0 1 7 年至2 0 2 0 年四个年度的资金存量表（金融账户），详见网址：http：/w w w.p b c.g o v.c n/d i a o c h a t o n g j i s i/1 1 6 2 1 9/1 1 6 3 1 9/3 7 50 2 7 4/4 1 3 7 554/i n d e x.h t ml。本文研究部分采用了官方内部数据，考虑到官方公布的逐年资金流量表（金融交易）采用的是五部门结构，因此本文也采用了对应的五部门的资金存量表（金融交易）的官方数据来尝试研究。130.2023年第3 期金融经清学研究响，发现杠杆率走高导致国民经济各部门的风险水平上升，通过股权与债权渠道助推系统性风险在各部门之间传导。（三）基于宏观金融网络模型的系统性金融风险研究现有文献通过宏观和微观两方面对系统性金融风险进行定义，一种是从宏观角度分析系统性金融风险，原欧洲央行行长定义系统性金融风险为“金融系统中普遍存在的不稳定性转化为对整个经济增长和福利产生不利影响的风险。”另一种则从微观角度人手，利用单家机构交易数据测算系统性风险以及单家机构对整个金融系统的影响程度。目前的系统性金融风险度量方法主要有尾部度量、前瞻性风险度量、宏观经济模型等，本文主要关注宏观金融网络模型的研究。网络关联法中矩阵法和网络分析法是网络关联分析的代表性方法，这类方法通过部门间交易数据建立分析网络。Mueller（2 0 0 6）利用瑞士银行数据，根据不同的银行结构建立不同的网络结构识别系统性风险。国内学者的研究中，宫小琳和下江（2 0 1 0）以中国公开发布的资金流量表（金融交易部分）数据为基础编制了2 0 0 7 年资金存量数据，利用最大熵法测算编制了“谁对谁”数据，通过网络分析方法构造中国部门间资产一负债网络结构，模拟企业部门和住户部门的风险冲击效应。范小云等（2 0 1 2）利用国内银行间的交易数据建立借贷关联矩阵，模拟金融系统中一家银行出现危机时导致银行破产的数量以及银行部门的资本损失。刘冲和盘宇章（2 0 1 3）通过构建银行间市场网络模型，分析得出在异质性流动冲击下，银行间市场的风险分担机制能够使银行避免清算长期资产带来的损失，从而有效降低金融传染风险的可能性。李绍芳和刘晓星(2 0 1 8)基于溢出效应和尾部风险的视角，运用动态尾部事件驱动网络模型构建了中国金融机构体系的关联网络，发现中国金融系统总体关联度呈现了周期性的变化，银行部门溢出效应的影响输出强度最高，个别金融机构虽然规模较小，但是与其他金融机构的高度关联性，也可能成为系统性金融风险的诱发因素刘磊和张晓晶（2 0 2 0）阐述了债权债务关系下的风险传染机制，根据李扬团队编制公布的中国国家资产负债表数据，将投入产出分析方法和金融网络分析方法有机结合构建违约风险和流动性风险的传导模型，提出了宏观金融风险指数量化标准。蒋海等（2 0 2 1）构建银行间尾部风险关联网络的拓扑结构，分析经济政策不确定性和网络关联对银行业系统性风险的影响，发现政策不确定性的上升与银行间网络关联性的提高均会增加银行业系统性风险。杨子晖等（2 0 2 0）构建全球金融市场与经济政策不确定性的非线性关联网络，发现风险传染沿着“股票市场经济政策不确定性一外汇市场”这一路径扩散开来，并且境外金融市场会对中国大陆金融市场产生显著的风险传染。王辉等（2 0 2 1）将政府控股银行的议价能力量化为溢价倍数，并运用资产负债数据和股权结构数据构建了中国银行间市场内生均衡交易网络，量化分析银行关联度限制最优区间及各类政府救助政策效果。傅强和石泽龙（2 0 2 2）以金融类股票的高频数据为对象建立了高维度局部平稳的非参数时变VHAR模型，运用拟贝叶斯局部似然（QBLL）估计方法，提出联合网络关联度的频率成分指标分析中国系统性金融风险，发现中国金融系统风险的联合网络关联度比较高且持续性波动。张伟平和曹廷求（2 0 2 2）基于SIM单指数分位数回归技术提出测量系统性风险的新指标SIM-CoVaR，结合前沿的TENET网络模型构建跨房地产企业风险动态传染的尾131.金融风险与部门传染部风险网络，发现在市场动荡时期房地产部门是金融风险溢出的放大器。梁琪和常姝雅（2 0 2 2）把全球股票市场波动率划分低波动和高波动而构建高低波动风险溢出网络，发现全球股市系统性风险具有顺周期性，在金融危机期间，跨区域、跨组织的股市间风险溢出水平明显上升，发达经济体股市主要为风险输出方，新兴市场股市主要为风险输人方。基于对上述研究的分析以及参考唐文进等（2 0 2 0)对网络结构模型的系统性风险研究总结，本文认为网络关联很好刻画了部门之间的联系，将这种关联数量化，可以模拟风险冲击，是研究系统性金融风险的有效方法。（四）文献评论上述文献为本文的研究提供了重要参考和启示，但是目前限于资料可得性，学界和机构部门在不同金融工具上的编制方法和思路，尚缺乏深人研究和提炼。资金流量核算作为国民经济核算体系SNA的重要组成部分，为宏观经济金融研究提供了独特的观察视角、详实的基础数据和科学的分析工具。2 0 0 8 年国际金融危机后，加强宏观审慎管理、防范系统性风险成为主要国际组织和经济体金融改革的共同政策主张，越来越多的国家把资金流量核算作为宏观审慎和金融稳定分析的重要工具和方法，并认为资金流量核算报表是金融风险识别的关键起点。本文将从数据、指标和核算方法等方面进一步完善，深人分析中国的系统性金融风险情况，本文研究的主要突破点有：一是以部门债务负担率和金融资产负债率等指标的变化趋势，揭示中国部门的金融风险情况；二是采用未定权益分析法（CCA模型），定量分析各部门隐含的金融风险及特点；三是利用中国资金存量表明细数据，构造了五部门金融资产负债关联网络，利用宏观金融网络分析方法模拟计算了各部门债务违约对其他部门造成的损失。三、中国非金融部门债务水平的国际比较分析从国际经验看，非金融部门债务水平衡量指标主要包括债务负担率、金融资产负债率等。基于中国、美国、日本和澳大利亚等四国资金存量表数据，本文使用上述指标，比较分析了近年中国非金融部门债务风险变化情况（一）中国住户部门债务水平较快上升，2 0 2 0 年末已明显高于美国和日本，但低于澳大利亚利用中国2 0 0 4 年至2 0 2 0 年资金存量表及其他相关数据，本文计算了同期中国非金融部门债务负担率（图1）。如图1 所示，随着中国住户部门贷款特别是住房贷款快速增长，中国住户部门的债务负担率从2 0 0 8 年末的3 1.4%快速上升至2 0 2 0 年末的1 0 8.6%。从中、美、日、澳四国住户部门2 0 0 4 年至2 0 2 0 年金融资产负债率（图2）看,2 0 0 7 年开始，中国住户部门金融资产负债率持续快速上升，至2 0 2 0 年达到3 8%，比美国和日本同期高2 0 个百分点以上，比澳大利亚同期低4 个百分点。债务负担率=负债/可支配收人，各部门负债=贷款+债券+未贴现银行承兑汇票，各部门可支配收入数据来源于资金流量表（非金融交易）中的各部门可支配收人；金融资产负债率=负债/金融资产。中国资金存量表数据由人民银行提供，为内部资料；美国、日本和澳大利亚资金存量表数据来自各国央行或统计部门官网发布的金融账户。1322023年第3 期金融经清学研究（二）中国企业部门债务水平先升后降，2 0 2 0 年仍高于美国、日本和澳大利亚如图1 所示，2 0 0 9年开始，受中国“四万亿经济刺激计划”影响，中国企业部门债务负担率快速上升，至2 0 1 2年达到历史高点；此后，中国经济发展进人“三期叠加”阶段，经济下行压力加大，各项“逆周期”调控政策不断出台，中国企业债务负担率呈波动上升走势，于2 0 1 5年再次上升至阶段性高点；2016年以后随着“去杠杆”政策的逐步实施，债务负担率开始下降，2 0 2 0 年末为6 7 0.9%，较2 0 1 2 年末降低2 52 个百分点。从中美日澳四国企业部门2 0 0 4年至2 0 2 0 年金融资产负债率（图3）看，中国企业部门金融资产负债率从2005年的历史高点（1 6 4.6%）逐步下降至2 0 2 0 年的1 1 3%，但仍比美国、日本和澳大利亚同期分别高5个、4 1 个和1 3 个百分点。（三）中国政府部门债务水平呈阶梯走势，长期低于美日澳水平从中美日澳四国金融资产负债率（图4)看，2 0 1 4 年以前，中国政府部门债务负担率小幅下降；2 0 1 5年开始，中国政府部门债务呈阶梯式上升走势，随后保持平稳；2 0 2 0 年为应对新冠肺炎疫情冲击，中国赤字规模有所扩大，政府部门债务负担率上升至2 8 0.2%。由于中国一直从严控制政府债务规模，60%40%20%0%910z810二中国一一日本美国澳大利亚图1国内非金融部门债务负担率的四国对比情况60%50%40%30%20%10%0%900200800%60022109102兰一中国一一日本美国澳大利亚图2住户部门金融资产负债率的四国对比情况200%150%100%50%0%900元2002800元6000910810610中国一米一日本.美国澳大利亚图3企业部门金融资产负债率的四国对比情况550%500%450%400%350%300%250%200%150%100%50%0%900z2002800600100S106102二中国一*一日本美国澳大利亚图4政府部门金融资产负债率的四国对比情况中国政府部门金融资产负债率明显低于美国、日本和澳大利亚同期水平。以上基于资金存量表数据分析债务风险的一个不足是，它建立在一个完全确定的、基于核算的框架上，无法反映市场波动对债务风险的影响。为此，本文采用未定权益分析方法（CCA模型）将基于核算的资金存量表转向基于风险的资金存量表，计算出各部门经风险调整后的隐含金融资产负债率、财务违约概率等指标，进一步分析中国各部门债务风险。四、基于资金存量表构建CCA模型分析各部门债务风险（一）CCA模型理论简介CCA（c o n t i n g e n t c l a i ms a n a l y s i s）模型即未定权益分析法，又称为或有权益法、不定权益133是金融风险与部门传染法，起源于BlackandScholes（1 97 3）和Merton（1 97 3）对期权定价模型的开创性研究，Grayetal.（2 0 0 7）将模型的使用范围从微观的金融产品、公司的信用风险拓展到宏观经济部门的整体性风险实证研究方面。该模型的运用基于以下三个假设前提：一是负债的市场价值基于资产的市场价值；二是资产市场价值的变化是一个随机过程，遵循几何布朗运动，在到期日，资产价值可能高于当期应偿付的债务，也有可能低于当期应付债务，当资产价值低于应付债务时，该经济部门就会发生违约风险；三是对于不确定的资产索取权，其索取权具有优先次序之分，债权是优先索取权，股权是剩余索取权，每个经济部门资产的市场价值A是低等索取权（股权E）和高等索取权（风险债务D）的价值总和。根据CCA模型，资产的市场价值受多种因素的影响，其变动轨迹类似布朗运动，如式(1）：dA=_AAdt+_AAdz（1）QA是资产A的波动率，A为资产的期望收益率,dz是t的一个函数,且服从零均值，方差时间t的平方根的正态分布。资产的期望收益率与无风险收益率之间的关系，如式（2）WA=r+入OA（2其中r为无风险收益率，入表示风险的市场价格，表示的是投资者对于风险的厌恶程度，Grayetal.（2 0 0 7）建议将入的值固定为全球的长期平均水平0.4 5。股权市场价值E可以看成一个以资产市场价值A为标的资产、到期日为T、执行价格为债务账面价值B的欧式看涨期权,定义x=T-t,由伊藤引理可得：E=AN(d,)-BeN(d,)(3）A1n十ABX2(4)OAVxAlnBAX2=d,-OA V/x(5)N(d,)AE=A(6)E其中,N(d.）和N（d）表示标准正态分布的累积分布概率,x=T-t表示的债务期限，多数文献中按照一年计算，本文计算时的到期债务时间也视为一年，为股权市场价值的波动率。风险债务D可以看成一个隐形看跌期权，为债务账面价值B与债务预期损失P的差值D=Be-x-P（7P=Be-xN(-d)-AN(-d,)（8当资产小于负债、资不抵债时，则会出现财务违约，因此，可通过债务账面价值B（财务危机临界点）和资产市场价值A之间的关系，构造出反映经济部门债务风险的指标，包括财务违约概率（PD）、财务违约距离（DD）和风险调整后的隐含资产负债率（Lvg）。其中，财务违约概率（PD）是度量财务违约风险的重要指标，当财务违约概率上升时，财务违约风险134临2023年第3 期金融经清学研究相应上升。而财务违约距离（DD）是资产市场价值与财务危机临界点之间的距离，财务违约距离缩短，说明部门总资产的市场价值与债务违约临界值距离越近，财务违约风险则会上升。相关指标计算公式如下：A门PD=P(A B)=NB2=N(-d2,A)DD=d,=d,-OA/x（1 0Lvg=六B（1）在已知宏观经济部门的股权市场价值E及其波动率E、债务账面价值B（财务危机界点）、无风险利率r的条件下，构造出如下函数：f(A,oA)=miniAN(d,)-Be-N(d)-E?+AAN(d,)-Eo?)(12)运用迭代算法求出函数f（A，Q A）的最优解，以得出函数中的两个未知变量资产市场价值A及其波动率A（二）数据来源及指标选取本文以中国编制的资金存量表为基础，以住户、企业、金融机构、广义政府和国外五大部门为测算主体，分别选取CCA模型中的财务危机临界点B、股权市场价值E、股权市场价值波动率和无风险收益率r等四个已知变量（表1）。其中，财务危机临界点B和股权市场价值E数据来源于资金存量表，股权市场价值波动率e和无风险收益率r数据来源于Wind数据库表1经济部门CCA模型指标变量部门财务危机临界值B股权市场价值E股权市场价值波动率0 E无风险收益率r住户来源方资金合计净金融投资10年期国债收益波动率企业来源方的非股票部分来源方股票上证综指（非金融）波动率来源方非股票部分一来源方股票+证券投金融机构上证金融指数波动率证券投资基金/2资基金/21年期国债收益率广义政府来源方非国债部分来源方国债10年期国债收益波动率来源方非直接投资和来源方直接投资中股国外标普50 0 指数波动率股票部分权和股票之和1股权市场价值。由于住户部门不发行股票，参考CastrenandKavonius（2 0 0 9）将净金融资产作为住户部门的股权市场价值，可由资金存量表的资金运用方减资金来源方计算所得。企业部门直接以其来源方股票价值作为股权市场价值。金融部门参考刘磊等（2 0 1 9）以其来源方股票价值和一半的证券投资基金作为股权市场价值。在广义政府部门股权市场价值的认定上，为避免政府部门净金融资产为负数对计算结果的影响，本文参考宫晓琳（2 0 1 2）做法，采用来源方国债价值作为广义政府部门的股权市场价值。国外部门的股权市场价值以直接投资中的股权与股票投资之和来衡量。2财务危机临界点。基于CCA模型的假设前提和股权市场价值的认定，从资金存量表看，财务危机临界点取各部门的债务账面价值。即将住户部门来源方资金合计作为财务危机临界点。对于企业、金融部门、广义政府和国外部门而言，将企业部门来源方中的股票135金融风险与部门传染剔除、将金融部门来源方中的股票和一半的证券投资基金剔除、将广义政府部门来源方中的国债剔除、将国外部门来源方中的直接投资中的股权和股票剔除后分别作为四个部门的财务危机临界点。3股权市场价值波动率。住户部门和广义政府部门不存在股权市场价值的波动率，仍参考CastrenandKavonius（2 0 0 9）将股权市场价值波动率采用1 0 年期国债收益率的波动率来计算。企业部门、金融部门和国外部门的股权市场价值波动率分别采用Wind上证全A（非金融）指数波动率、上证金融指数波动率、标普50 0 指数波动率来计算，波动率以对应时段的指数收益率的标准差代替。4.无风险收益率。参考苟文均等（2 0 1 6），选取1 年期国债收益率作为五大部门的无风险收益率。（三）各部门金融风险的演变按照上述模型和数据，本文计算了各个经济部门的资产市场价值及其波动率、违约距离和违约概率，然后分别从隐含资产负债率、违约距离来分析各部门金融风险的演变，得到如下结果。1.各部门隐含资产负债率变化趋势。隐含资产负债率等于各部门债务账面价值除以资产市场价值，反映风险调整后的各部门真实资产负债情况，数值越高，表明债务风险越高。从各部门隐含的资产负债率变化趋势（图5）来看，金融部门的隐含资产负债率最高，企业部门次之，住户部门和政府部门较1600%120%100%1200%080%800%60%40%400%20%0%0%2.020企业部门（左轴）金融部门（左轴）住户部门（右轴）广义政府部门（右轴）图5各部门隐含的资产负债率变化趋势低。由于金融部门的净金融资产在总资产中的占比偏小，隐含资产负债率偏高，与实体经济部门可比性不强，因此本文主要研究实体经济三大部门的隐含资产负债率变化趋势。住户部门的隐含资产负债率呈现平稳较快的上升趋势，尤其是在2 0 0 8 年和2 0 1 5年两个时点，上升速度有所加快。2 0 0 8 年以前，住户部门的债务和资产保持基本相当的增长速度，资产负债率相对稳定。金融危机之后，金融资产价格缩水，居民债务增速显著高于金融资产增速，住户部门隐含资产负债率从2 0 0 8 年的2 0%提高到2 0 1 4 年的4 0%。2 0 1 5年以后，房地产价格迅速上涨，对于住户部门而言，无论是住房刚性需求还是投资需求都比较旺盛，住房贷款增长速度加快，导致住户部门的隐含资产负债率快速攀升。近年来，随着房地产信贷政策逐步收紧，住户部门的隐含资产负债率保持相对稳定，风险可控。20042020年企业部门的隐含资产负债率平均达3 1 1.7%，在三部门中处于较高水平，且波动较大。2 0 0 4 一2 0 0 6 年为抑制房价、物价过快增长，市场流动性收紧，企业部门隐含资产负债率持续下跌，2 0 0 7 年股市的暴涨又推动了隐含资产负债率的迅速下降。但随之而来的全球金融危机和中国推出的大规模经济刺激计划，使得企业部门的隐含资产负债率经历了“V”型反转。此后全球经济不景气，中国经济逐步下行，在2 0 1 5年推出供给侧结构性改革，针对产能过剩、楼市库存大、债务高企等问题，实行“三去一降一补”的政策，企业部门的隐含资产负债率大幅下降，并呈现持续下降的态势，2 0 2 0 年末降至2 1 4.1%。136.2023年第3 期究金融经清学研剔除2 0 1 5年数据看，政府部门的隐含资产负债率保持小幅稳定增长，从2 0 0 4 年的23%上升到2 0 2 0 年的3 7%，1 7 年的时间仅上升1 4 个百分点。一方面，随着中国政府的债务支出的增长，政府部门的资产同步增长，资产负债率不会发生较大的变动；另一方面，财政支出力度的逐年加大，政府部门职能开始发生转变，使政府部门逐渐成为资金需求者，导致政府部门的资产负债率有小幅增长趋势。再回到2 0 1 5年前后，地方政府债务达到一个小高峰，随后供给侧结构性改革，地方政府债务化解和以政府背书的国有企业债务是去杠杆的重中之重，政府部门的资产负债率呈现出倒“V”型形态，总体上政府部门的金融风险相对有限。资产价值波动率反映风险调整后各部门资产价值波动程度的大小，从各部门资产价值波动率（图6）来看（住户部门与政府部门波动率趋势基本重合），2 0 0 8 年的全球金融危机，使中国金融市场的波动性显著增强，各部门的资产价值波动率迅速冲高，此后回归到稳定水平。2 0 1 5年资本市场的波动再度3.50.730.62.50.520.41.50.310.20.50.100住户部门（左轴）一一企业部门（左轴）金融部门（左轴）-广义政府部门（右轴）图6各部门资产价值波动率趋势引起各部门的资产价值波动率快速上升，表明金融资产价格的变动对中国各部门的债务风险有显著影响。需要注意的是，本文的计算结果与殷剑峰（2 0 1 8）、刘磊等（2 0 1 9）、刘磊和张晓晶(2020）等研究结果存在着一定的差别，这主要有三个原因。一是数据源不同。刘磊等（2 0 1 9）研究采用的是社科院李杨等（2 0 1 8）估算的国家资产负债表数据，而国家统计局核算的该官方统计数据目前尚未发布，本文采用的是中央银行的金融存量统计数据。二是样本期不同。刘磊等(2 0 1 9)采用的是2 0 0 0 一2 0 1 6 年国家资产负债表数据，而本文采用的是2004一2 0 2 0 年央行资金存量金融账户表数据。三是指标口径不同。刘磊等（2 0 1 9）发现在三个实体经济部门中，非金融企业的隐含资产负债率最高，政府次之，居民最低；而本文的计算结果显示在三个实体经济部门中，广义政府部门的隐含资产负债率最高，居民次之，非金融企业最低（图5）。这是因为本文采用的央行金融资产存量表数据，并不包括非金融资产，而刘磊等（2 0 1 9）则包含了非金融资产2.财务违约距离（DD）变化趋势。财务违约距离和违约概率都是刻画债务风险的指标，DD数值越大代表风险越小。从各部门财务违约距离变动趋势（图7 看，金融部门和企业部门的财务违约距离最小，风险发生概率相对较高；住户部门和政府部门的财务违约距离较大，风险发生概率相对较小。上述402.52301.52010.5100-0.50-1-10-1.52019住户部门（左轴）。企业部门（左轴）广义政府部门（左轴）金融部门（右轴）图7各部门财务违约距离（DD）变动趋势测算结果与各部门的隐含资产负债率反映出的各部门债务风险基本一致，从财务违约距离的具体走势看，可以发掘进一步的信息137金融风险与部门传染住户部门和政府部门的财务违约距离对金融风险的刻画具有较好的预警作用。2 0 0 7年住户部门和政府部门的财务违约距离下降到相对低点，此时企业部门和金融部门的财务违约距离处于下降的趋势，2 0 0 8 年危机发生后达到最低点。同样，2 0 1 3 一2 0 1 4 年住户部门和政府部门的财务违约距离再次跌落到低点，企业部门和金融部门的财务违约距离还处于波动中，2 0 1 5年才迅速下降。另外，各部门的隐含资产负债率也只是在危机发生时呈现出大幅变动的情况，因此在现有数据时段内，一定程度上可认为住户部门和政府部门的财务违约距离指标能在金融风险事故发生前发出预警。从2 0 0 4 2 0 2 0 年违约距离的整体数据（图8）来看，企业部门和金融部门的财务违约距离呈下降趋势，违约距离由1.3 下降到1，表明企业部门的违约风险有加大趋势。金融部门作为金融中介，本身就是负债经营，财务违约距离由0.7 下降到0.6，始终处于风险的最前端。住户部门和政府部门的情况320-1-2200400102012012201320140020企业部门金融部门图8企业部门和金融部门财务违约距离（DD）变动趋势基本相似，财务违约距离由8 左右提高到1 2 以上，这与住户部门历来的高储蓄率和政府部门家底殷实息息相关，金融风险相对可控。五、宏观金融网络及风险传染效应分析（一）部门间金融资产负债关联网络结构本文根据2 0 2 0 年末