资产负债表关联视角下的政府债务违约风险传染研究.pdf

056一、引 言新冠疫情以来，我国经济下行压力不断增大，中央出台的减税降费力度持续加大。2022年政府工作报告指出，本年度安排中央本级支出增长3.9%，其中中央部门支出继续负增长。中央对地方转移支付增加约1.5万亿元、规模近9.8万亿元，增长18%，为多年来最大增幅。相关政策的落地有效地降低了企业高杠杆的现状，但政府部门的杠杆率被迅速抬升。2021年政府部门杠杆率为46.8%，达到历史最高水平，并且这一趋势仍会持续。同时，地方政府隐性债务违约率上升且规模难以测算。地方政府隐性担保融资、地方融资平台借款、参与PPP项目等，进一步加大了政府部门潜在杠杆率提高的风险。宏观杠杆发生结构性变化，使得五大经济部门，即政府部门、非金融企业部门、金融资产负债表关联视角下的政府债务违约风险传染研究李程1，刘涵2 摘要 本文以政府部门为切入点，从理论和实证上分析政府债务对于宏观经济部门的影响。根据不同的金融工具构建分部门资产负债表关联矩阵，并运用未定权益分析（CCA）模型测度 20072019 年间我国系统性金融风险，模拟了政府部门在遭受债务违约情况下各部门系统性金融风险传染过程，研究结果表明：（1）考虑地方政府隐性债务后，政府部门的实际宏观杠杆率正在加速攀升；（2）政府部门隐性债务掩盖了部门内部系统性风险的实际积累水平，存在约 12 年的时滞效应；（3）政府部门债务违约后，金融部门遭受的损失最大；但考虑隐性债务后，非金融企业部门遭受的损失最为严重且形成的系统性风险停留时间更长，化解难度更大，对经济体的损害更深。因此要将地方政府隐性债务控制在合理区间，更注重杠杆监管的长期性，处理好经济部门间的债务转化关系，为地方政府有效控制风险留出空间。关键词 资产负债表关联；债务杠杆；地方政府隐性债务；部门间风险传染 中图分类号 F222 文献标识码A 文章编号1000-4211(2023)04-0056-21（1.天津工业大学经济与管理学院，天津 300387；2.天津财经大学统计学院，天津 300222）收稿日期 2022-11-01 基金项目 教育部哲社后期资助项目，资产负债表关联与风险溢出双重视角下的政府杠杆率结构性优化研究（批准号：21JHQ068）。作者简介 李程，天津工业大学经济与管理学院副教授，研究方向：宏观金融；刘涵，天津财经大学统计学院硕士研究生，研究方向：金融统计。2023 年第 4 期 金融057部门、居民部门、外国部门之间的内在关系和各部门之间的风险传导也将产生新的变化。在政府部门加杠杆提速和地方政府隐性债务违约增多的情况下，过去以非金融企业部门为核心的宏观杠杆率是否要被政府部门所取代。政府部门债务违约后产生的系统性风险会如何在各经济部门间传导，这会对其他部门会产生多大的影响，以及如何进一步防范和化解这一风险是值得进一步研究的方向。二、文献综述针对宏观经济部门杠杆率的变化，王梅婷（2021）研究了新冠疫情后各个经济部门加杠杆的新情况，认为非金融企业部门加杠杆主体从国有企业变为私营企业,政府和居民部门杠杆率出现一些积极的转变，但债务规模的扩张也伴随了金融风险的积聚。何德旭和冯明（2021）在对2008年金融危机后我国宏观经济主体融资结构的变化的研究后发现，居民部门净融出和非金融企业部门净融入相对收缩,广义政府部门成为更重要的融资主体。毛振华等（2021）在对比疫情前后我国经济部门去杠杆的特点后发现，疫情的冲击使得地方政府隐性债务风险加速积累，因此，国家目前去杠杆的主要目标已由国有企业转向了地方政府部门。政府债务视角对宏观杠杆率的研究主要着眼于地方政府隐性债务所带来的变化。根据李丽珍和安秀梅（2019）的研究，2017年政府部门的杠杆率为36%，但加上地方隐性债务后实际的政府杠杆率为55%，逼近欧盟60%的警戒线。而张明（2020）的研究显示，2017年政府部门实际的杠杆率将高达82%。易奔等（2022）通过对20072018年侠义地方政府隐性债务和广义地方政府隐性债务的测算，发现其债务规模巨大且年增速分别为4.44%和5.66%。虽然，针对政府部门杠杆率的变化已有相关的研究，但主要集中在宏观现象的分析或是政府隐性债务的测算，缺乏针对其潜在债务违约风险及传播的研究。针对经济部门债务风险的研究，2008 年金融危机后，更多的研究者开始广泛运用资产负债表方法(Balance Sheet Approach)探寻经济部门债务风险的机理。辜朝明(2009)利用“资产负债表衰退”一词解释了2008年美国金融危机是不同经济部门的资产负债表衰退而引发的。宫晓琳(2012)在分析我国20002008年国家资产负债表中资产、负债这些存量数据的基础上，发现波动率和类似金融资产组合也会对部门间系统性风险传染产生影响。Ad V.R.et al(2013)的研究是从资金流量的角度出发，认为金融部门与实体经济部门资产负债表变化存在高度相关，强调了资产负债变量和部门资产负债头寸在危机演变过程中的重要作用。Jaime Caruana（2015；2016）认为金融危机催生了资产负债表衰退，且衰退过程是一个漫长的金融周期。中国人民银行南京分行课题组等（2017）将去杠杆因素纳入资产负债表衰退对货币政策影响理论框架内，发现不同去杠杆方式使得资产负债表对货币政策传导的影响不尽相同。张鑫（2020）的研究表明，金融机构资产负债表变量扩张越快,市场风险越大,从而影响产出、通胀等宏观变量。针对金融风险及其传播机制，目前相关文献主要都基于Gray等(2007；2008)以及Gray和Jobst(2010)构建的分析框架，他们构建了国民经济各部门基于市场数据的资产负债表，并将未定权益分析模型(Contingent Claims Analysis，CCA)拓展至宏观层面，揭示了各经济部门系统性风险传导机制。在此基础上，宫晓琳（2012）、苟文均等(2016)和王兆成（2021）运用 CCA 模型分析宏观风险，并利用最大熵法构建资产负债表关联矩阵量化分析了我国宏观资产负债表关联视角下的政府债务违约风险传染研究058金融风险的累积和传染机制。郑立君,黄友逵(2020)在宫晓琳和苟文均的基础上，从中观的经济部门视角切入，结合现有数据建立资产负债表关联矩阵并对债务杠杆冲击产生的风险传染进行情景模拟。目前，运用CCA模型对宏观杠杆与系统性风险研究已经不少，研究方式方法也较为成熟，但大多数文章将五大宏观经济部门放在一起进行研究，没有特意针对某一部门的经济特性进行着重研究。本文以政府部门作为研究切入点，在中观视角下着重研究政府债务所引起的系统性风险传播机制。同时，相比于热门的非金融企业部门视角，本文考虑到，由于地方政府存在的隐性债务并未真正体现在其宏观杠杆率上，而相关的隐性债务研究更聚焦于微观。因此，本文用中观的角度，将地方政府的隐性杠杆率纳入到政府部门的杠杆率中，为政府部门债务风险传播和化解提供全新视角。三、我国各部门宏观杠杆率现状与分析根据中国社科院编制的国家资产负债表，实体经济部门由非金融企业部门、政府部门和居民部门组成。自2008年金融危机以来中国实体经济部门杠杆率（实体经济部门债务/名义GDP）呈现逐渐上升的趋势，其中在2008年金融危机和2020年新冠疫情的影响下，其杠杆率出现明显增速。具体来看，如图1所示，实体经济部门杠杆率在2008年金融危机前后，由2007年12月的145%上升至2019年12月173%，两年上涨28个百分点；在2020年新冠疫情前后，由2019年12月的246%上升至2021年12月的263%，两年上涨17个百分点。从2007年至2021年，实体经济部门杠杆率在过去的15年间累计上升101个百分点，上涨幅度接近45%，其中主要贡献来自非金融企业部门，而政府部门和居民部门的杠杆率也在逐年稳步上升。杠杆率的快速上升意味着金融泡沫的形成与积累，这是系统性金融风险产生的重要标志。刘瑞(2019)的研究认为，当单个部门的金融风险积累到一定临界值时，经济社会就会产生“黑天鹅”与“灰犀牛”事件，并会造成金融风险在各部门之间传染，从而严重威胁经济社会健康发展。0.0050.00100.00150.00200.00250.00300.002007-032007-112008-072009-032009-112010-072011-032011-112012-072013-032013-112014-072015-032015-112016-072017-032017-112018-072019-032019-112020-072021-032021-11实体经济部门杠杆率居民部门杠杆率非金融企业部门杠杆率政府部门杠杆率数据来源：Wind，下同图1 20072021年实体经济各部门宏观杠杆率2023 年第 4 期 金融059（一）非金融企业部门一直以来，非金融企业部门杠杆率是影响我国实体经济杠杆率和总杠杆率的最重要因素，约占实体经济部门杠杆率的五分之三。如图1所示，其发展的总体趋势与实体经济部门的总体趋势大体一致，2008年金融危机前，非金融企业部门杠杆率约为96.1%，而金融危机爆发后，其杠杆率迅速上升至2019年12月份的115.6%，直至2021年12月的154.8%。非金融企业部门的高负债主要来自国有企业和民营企业，其中最主要原因来自于国有企业加杠杆。但是谭小芬等（2020）发现，2017年以来企业偿债能力有所恶化，部分民营企业和中小企业融资难度增大，杠杆率被动上升。随着新冠疫情的冲击，许多中小型企业面临生存压力，或是破产倒闭或是减少投资保证现金流充沛，这造成了非金融企业部门进入了一轮被动去杠杆的过程，从而弱化实体经济活力。（二）政府部门政府部门可以分为中央政府部门和地方政府部门，如图2所示，在2008年金融危机爆发前政府部门的杠杆率约为30.1%，其中中央政府部门杠杆率约为19.6%，地方政府部门杠杆率约为10.5%；2011年初，地方政府部门杠杆率首次超过中央政府部门杠杆率并进入迅速攀升期；新冠疫情后，截至2021年12月，政府部门的杠杆率已达到46.8%，较2019年12月累计上涨8.3个百分点，其中中央政府部门杠杆率约为20.2%，已超过2008年金融危机时的最高值，地方政府部门杠杆率攀升至26.6%。由此可见，中央政府部门杠杆率较为平稳而地方政府杠杆率已经成为推动政府部门杠杆率上升的主要因素。一方面，2015年后非金融企业部门和居民部门的杠杆率皆比政府部门的高，政府部门拥有较大的加杠杆空间。随着经济下行压力加大并伴随新冠疫情的冲击，适当增加政府部门杠杆率有利于缓解非金融企业部门和居民部门被动去杠杆的现状，刺激经济活力。另一方面，地方政府参与许多高杠杆的政府信用背书的公司合作项目（PPP项目）和对地方企业与地方融资平台的隐性担保，这些项目的违约率正在逐步上升，这就导致了政府的隐性债务的显性化，从而推高了地方政府杠杆率的上升，加剧了政府部门债务违约风险。0.0010.0020.0030.0040.0050.002007-032007-122008-092009-062010-032010-122011-092012-062013-032013-122014-092015-062016-032016-122017-092018-062019-032019-122020-092021-06政府部门杠杆率中央政府杠杆率地方政府杠杆率图2 20072021年中央及地方政府宏观杠杆率（三）居民部门居民部门的杠杆率主要集中在居民住房贷款上，如图1所示，过去的15年间，我国的居资产负债表关联视角下的政府债务违约风险传染研究060民部门一直处于加杠杆的阶段，其杠杆率已经由2017年底的18.8%，暴涨至2021年12月的62.2%，累计上涨43.4个百分点，这其中还不包括未在金融机构的住户贷款，这种增速在世界主要经济体中是绝无仅有的。高企的居民部门杠杆率势必削弱居民继续加杠杆购房的能力，也削弱了居民的消费能力。随着国家相继出台对房地产市场的调控措施和新冠疫情对居民消费能力的影响，如图3所示，2022年第一季度的居民中长期贷款首次出现有记录以来的负增长，其反映出居民主动去杠杆的态度。而房地产一直以来都是我国信用扩张的主要载体，在去杠杆的趋势下“信贷塌方”的危机正在进一步逼近。-2,000.000.002,000.004,000.006,000.008,000.0010,000.002007-022007-102008-062009-022009-102010-062011-022011-102012-062013-022013-102014-062015-022015-102016-062017-022017-102018-062019-022019-102020-062021-022021-10亿元图3 2007Q12022Q1居民中长期贷款（四）金融部门金融部门的风险主要来自中小金融机构，如图4所示，在2008年金融危机爆发前，我国金融部门资产方的杠杆率约为25.6%，金融部门负债方的杠杆率约为34%，之后一路攀升，在2016年底金融部门资产方的杠杆率约为77.9%，金融部门负债方的杠杆率约为67.4%达到近几年的峰值，之后的3年金融部门在央行的调控下以“主动调结构、主动去杠杆、主动防泡沫”的思想进入温和去杠杆过程，但随着新冠疫情的影响，一方面企业违约率升高导致银行大量坏账积累，尤其是中小型银行由于体量小、抗风险能力弱、准备金不足以应对大规模债务违约，致使金融系统性风险不断增加；另一方面，央行为盘活市场经济活力，采取宽松的货币政策，加速扩表进程。截至2021年12月，金融部门资产方杠杆率为48.9%，负债方杠杆率为62.7%，这就解释了2020年以来，金融部门负债端资金出现大量融入而资产端资金融出放缓的相背离的现象。2023 年第 4 期 金融0610.0010.0020.0030.0040.0050.0060.0070.0080.0090.002007-032007-122008-092009-062010-032010-122011-092012-062013-032013-122014-092015-062016-032016-122017-092018-062019-032019-122020-092021-06金融部门杠杆率(资产方)金融部门杠杆率(负债方)图4 20072021年金融部门宏观杠杆率总结以上各部门杠杆率的描述性分析，发现政府杠杆率总体上呈现上升趋势，说明政府的债务负担在增加，居民的贷款额度波动比较大，而企业和金融杠杆近年来都有小幅下降的趋势，这不一定表示居民、企业和金融部门的风险在减弱，而可能是经济增加放缓、资产负债表收缩的表现，反而可能带来风险的积聚。因此，政府债务杠杆率的变化可能存在着向企业、金融部门和居民的风险传导，政府债务违约可能会放大其他部门的风险。下面对这个问题做理论分析。四、理论分析（一）政府部门债务杠杆引致的系统性风险传染机制政府部门债务对其他部门的影响可以通过多种渠道，例如政府部门债务可以通过贷款和债券来影响其他部门，因为其它部门通常会持有政府部门的贷款或债券，当政府部门违约时，其他部门就会遭受相应损失。政府部门债务也可以通过税收来影响其他部门。当政府部门为了平衡赤字时，就倾向于运用税收政策来达到效果。税收的增加一方面使得政府产生更多收益，另一方面使得居民和企业的成本在不断增加。政府部门债务也可以通过利率、汇率渠道来影响其他部门。孙长鹏和邓晓兰（2022）发现利率与政府债务率呈现正相关，即当政府债务升高时，利率将随之上升，进而使人民币与美元的汇率下降影响外国部门和进出口相关企业。本文主要利用中国社科院编制的国家资产负债表对政府部门债务及其风险传染进行研究。根据政府部门国家资产负债表，其负债以贷款和债券两种金融工具为主。当政府部门债务发生违约时，所产生的系统性风险主要通过贷款和债券这两条渠道传染至其它经济部门，进而引发新一轮的传染。具体而言：金融部门、居民部门和外国部门持有政府部门的贷款，当政府部门的贷款违约时，这三个部门的资产将受到相应的损失，损失比例与其持有多少政府部门的贷款数量有关。根据逐日盯市原则，资产损失发生后，各部门会根据损失情况对其资产负债表进行调整，即对其负债方项目进行相应的减记，进而引发第二轮传染。就金融部门而言，其并不对外发资产负债表关联视角下的政府债务违约风险传染研究062行贷款，因此其在第二轮冲击造成的资产损失并不会继续传染至其它经济部门。居民部门和外国部门的贷款被金融部门、居民部门和外国部门所持有，因此在第二轮的冲击中制造成了这三个部门的资产损失，从而引发第三轮冲击。如此往复直至贷款违约引起的系统性风险在各地经济部门中得到化解。五大经济部门都持有政府部门发行的债券。当政府部门由于债券违约引发系统性风险时，五大部门的资产都将受到不同程度的损失，损失的比例与其持有多少政府部门债券数量有关。各部门根据损失情况调整资产负债表从而引发新一轮冲击。而居民部门并不对外发行债券，因此其遭受的资产损失并不会继续传染至其他经济部门。非金融企业部门、金融部门、政府部门、外国部门所发行的债券，五大经济部门均持有，因此这四大部门会成为新一轮冲击的风险来源，继续引发资产损失，如此往复直至系统性风险得到化解。在国家资产负债表的视角下，政府部门债务损失引致的系统性风险传染过程虽然体现在贷款和债券这两条渠道上，但由于各部门还持有除贷款和债券外的其他金融工具，因此其实际传播途径将变得更为复杂且难以监测。为了便于对政府债务违约风险传染进行研究，本文对这一过程做出如下假设：（1）各个部门只通过贷款和债券两条渠道传染风险，其他金融工具引发资产损失但并不继续发生传染；（2）各部门每轮资产损失为总损失额与各部门负债总额所占比例的乘积；（3）各部门每轮发起冲击的总额为该部门上一轮资产损失总额与该部门贷款与债券的总额所占比例的乘积。在此假设的基础上，可以进一步分析政府部门债务违约后系统性风险传染的过程。政府部门债务违约后首先将风险传染至五大经济部门，而后引发第二轮传染。由于居民部门不对非金融企业部门和政府部门发行贷款和债券，因此居民部门之后的每一轮传染，只导致金融部门、居民部门、外国部门的资产损失，其他四个部门会对所有经济部门产生冲击，且每一轮的冲击总量呈现出逐渐递减的趋势，直至冲击总量远远低于初始损失，此时风险处于完全传染状态。（二）债务杠杆引致的系统性风险积累与传染机制1.未定权益分析模型未定权益分析模型（CCA）是在Black-Scholes-Merton期权定价模型（BSM模型）的基础上拓展而来。其将原本用于分析微观的金融产品风险和公司风险上升到用于分析宏观金融风险。根据Gary和Jobst（2010），他们将整个经济看作是一个包含五个宏观经济部门（非金融企业部门、政府部门、居民部门、金融部门、外国部门）的资产负债表集合。将金融市场信息和资产负债表信息结合起来，运用期权定价原理对风险债务进行定价，从而衍生出反映经济部门系统性风险的相关指标。在CCA模型中，每个经济部门资产的市场价值A恒等于高等索取权D（通常是债权）和低等索取权E（通常是股权）之和。ADE+（1）其中，由于债权（风险债务）会面临违约的风险，因此D又可以分解为无风险债务价值B减去债务的预期损失P。若B在Tt期后到期，则有：()r T tttDB eP=（2）根据CCA模型，假设某一经济部门的总资产A的市场价值不确定，即服从几何布朗运2023 年第 4 期 金融063动的过程，在到期日T，资产A的价值可能在债务危机临界值（即当期应还的债务）之上或之下，表现为一个概率分布，而这一分布的均值与资产的预期增长率（即漂移率）密切相关。由于在实际操作中，经济部门的资产预期增长率难以估计，通常采用无风险利率r进行替代，则有：tAdAArdAdZ=+（3）其中，r为无风险利率（漂移率），A为资产A的波动率（收益率的标准差），dZ是标准维纳过程的增量（即服从标准正态分布的过程）。运用BSM期权定价公式，将各经济部门资产负债表中预期损失tP看作标的资产为A，到期日为T，执行价格为TB的欧式看跌期权。(21()()r T tttPBeNdANd=）（4）将权益的市场价值E看作标的资产为A，到期日为T，执行价格为TB的欧式看涨期权。12()()rTtEAN dBeN d=（5）可得：21ln()()2ATAArTtBdTt+=（6）221ln()()2ATAAArTtBddTtTt+=（7）其中，r是无风险利率，1()N d和2()N d为标准正态分布的累积分布率，进而得到A。1()EAN d AE=（8）在已知无风险利率r、债务危机临界值TB、股权市场价值E及其波动率E的情况下，运用Matlab软件的迭代算法求出隐含资产价值A及其波动率A。根据伊藤引理，可以推导出债务违约概率PD和债务违约距离DD。2()()ttPDprob ABprobd=（9）2DDd=（10）其中债务违约距离是度量债务违约风险的重要指标。当债务违约概率上升时，债务违约风险也随之增高，体现的是债务违约距离的缩短，即DD越小，违约风险越高。2.债务杠杆与系统性风险关系通过 CCA 模型，可以从时间维度和截面维度两个角度解释债务杠杆与系统性风险之间的关系：在时间维度上，各部门债务违约距离(DD)与债务杆杆率(/B A)的关系解释了债务杠杆引致系统性风险的传染机制。具体来说，利用计算得到的隐含资产波动率A和隐含资产价值A可以得到不同经济部门在各个时间点上的债务违约距离DD和债务违约概率PD，将债务违约距离DD对债务杠杆率PD分别求一阶导和二阶导得到：资产负债表关联视角下的政府债务违约风险传染研究064 2ln()()20AAAAAtABtDDBBBtAA+=（12）由式子(17)、(18)可知，债务违约距离DD对债务杠杆率/B A的一阶导数小于 0，二阶导数大于0，这说明两者呈现出负相关的关系，并且对风险积累的影响具有非线性特征。即债务杠杆率的提升会使得违约距离逐渐降低且这一速度在逐渐加快，这意味着各个部门的系统性风险将不断积累，且随着杠杆率水平的迅速上升，风险积累的速度也将加快。在截面维度上，当某一经济部门债务杠杆率较高时，其违约概率将开始上升从而使该部门逐渐成为整个经济体的主要风险源。由于各个部门资产负债表的高度关联性，一个经济部门受到的冲击将通过部门间资产负债表的网络渠道形成内部连锁冲击，造成债务杠杆在各个部门之间的轮动与金融风险的传染，各部门受到冲击后又会产生新一轮的冲击，最终导致各个部门的违约风险不断提高。这一结论与实际经济活动中由于某一经济部门引发系统性风险而导致全经济部门爆发金融危机的事实高度吻合。与此同时，债务杠杆的高低还会对各个经济部门的风险传染路径和分布情况产生一定的影响。由式(19)债务违约距离一阶导和二阶导可知，随着违约距离的下降必然引致债务违约概率的上升，具体表现为债务违约概率PD对债务杠杆率/B A的一阶导数和二阶导数皆大于 0，即：220 0()PDPDBBAA （13）在有效市场的前提假设下，风险债务D的市场价值等于(1)PD与账面债务价值的乘积。根据式（1），由于 AED +，等量的资产损失会导致受到冲击的部门债务风险价值的下降幅度增加，同时该部门的权益价值下降幅度减少。即各个经济部门债务杠杆的差异会导致系统风险在传导的过程中，通过债务渠道和权益渠道的传导结构出现差异。债务杠杆较低的部门，系统风险将更多的通过权益渠道对外传导，致使持有其较多权益类资产的其他部门造成更大的损失；而债务杠杆较高的部门，系统风险更多的通过债务渠道对外传导，致使持有其较多债务类资产的其他部门造成更大的损失。在各经济部门的资产负债表中，金融部门和外国部门往往持有较高比例的债务类资产，而非金融企业部门、政府部门和家庭部门普遍持有较高比例的权益类资产。随和债务杠杆率的提升，风险会更加偏向于通过债务渠道向金融部门汇聚，使得作为资产负债表网2023 年第 4 期 金融065络结构关键节点的金融部门积累过高的系统性风险从而大面积的向其他部门传染引发金融危机。这就解释了历次系统性风险无论是由哪一个经济部门引发的最终都会传导至金融部门从而引发金融危机。在实际情况中，金融部门往往持有大量政府部门负债，因此政府部门债务违约势必会对金融部门造成较大的冲击。而在考虑到地方政府隐性债务后，情况或许会发生改变。具体来说，因为地方政府部门隐性债务多为与非金融企业部门合作，尤其是参与地方融资平台借款、国企的隐性担保融资和PPP项目。就地方融资平台而言，该平台上的企业一般都具有政府背景，当其发生违约时，产生的系统性风险必然会传导至地方政府部门这一真正的借款主体。就国企或私企而言，当其债务发生违约时，由于地方政府与其签订了隐性担保，因此产生的系统性风险将由企业传导至地方政府。反过来，由于地方政府部门隐性债务一般是建立在非金融企业资产基础上，当政府隐性债务违约后，引起自身资产损失，同时也会向非金融企业传导，使和政府关联的企业资产出现损失，形成违约风险的传染。由于本文将研究视角聚焦政府部门，因此在把隐性债务由非金融企业部门划归到政府部门后，政府部门债务违约除了对金融部门影响较大，势必也会引起非金融企业部门大量资产损失。在以上理论研究的基础上，本文研究对研究的内容提出如下假说：假说1：在不考虑地方政府隐性杠杆的情况下，政府部门债务违约引致的系统性风险将通过资产负债表网络传导至各个经济部门，其中大量的风险将汇聚向金融部门，造成金融部门资产大幅度损失；假说2：在考虑地方政府隐性杠杆后，政府部门债务违约引致的系统性风险将在资产负债表网络中主要影响非金融企业部门和金融部门，并造成其资产大幅度损失。五、政府债务违约风险在部门间传染的实证分析（一）实际政府部门杠杆率的估算近年来，地方政府隐性杠杆率的估算已成为各大学者深入研究的方向，但由于各方统计口径不同，估计方法有差异，因此估计结果也存在不一致。本文根据苏振兴等（2022）的研究，在20112018年间地方政府隐性债务的占比已由24.5%上升至43.4%，其中主要是由地方国有企业债务与融资平台债务组成。本文按照此增长速度平均至每一年的每一季度，对2007年第一季度至2021年第四季的政府部门和非金融企业部门实际杠杆率进行估算。在实体经济部门杠杆率不变的情况下，将估算的隐性杠杆率由非企业部门划归至地方政府中，同时保持中央政府杠杆率不变，从而加总得出实际的宏观政府部门杠杆率和实际非金融企业部门杠杆率。如图5所示：资产负债表关联视角下的政府债务违约风险传染研究0660.0020.0040.0060.0080.00100.00120.00140.00160.00180.002007-032007-112008-072009-032009-112010-072011-032011-112012-072013-032013-112014-072015-032015-112016-072017-032017-112018-072019-032019-112020-072021-032021-11非金融企业部门杠杆率政府部门杠杆率实际政府部门杠杆率实际非金融部门杠杆率图5 调整后的实际杠杆率在不针对隐性杠杆率进行调整的时候，政府杠杆率保持在20%40%的区间并缓慢增长，非金融企业部门的杠杆率由2007年初的100.5%逐步上升至2021年底的154.8%，两个部门的杠杆率差距在逐步扩大。但是根据隐性杠杆率进行调整之后，政府部门杠杆率与非金融企业杠杆率的趋势发生了明显的变化。具体来看，政府部门的实际杠杆率迅速走高，由2007年初的37.5%攀升至2021年底的98.3%，而非金融企业部门的杠杆率则由2007年88.8%上升至2021年底的103.3%，两个部门的实际杠杆率逼近一致。特别是2015年国家提出“三去一降一补”和2020年新冠疫情的影响，政府部门主动加杠杆和非金融企业部门被动去杠杆的现象突出。这预示着一方面国家在帮助非金融企业降低和控制其内部系统性风险的努力取得了一定成效，但由于疫情的加持，其被动去杠杆速度过快也导致了非金融企业活力稍显不足；另一方面，扩张性的财政政策和地方政府直接或间接参与的违规与变相举债的项目不断使得政府部门债台高筑，这一主动加杠杆的行为促使政府违约概率将大幅上涨，系统性风险在其中不断积累，对政府部门尤其是地方政府的正常运行造成极大的压力。（二）部门间资产负债表关联矩阵的建立1.矩阵构建方法为了识别经济冲击在各部门间的传染轨迹，系统性风险传染机制可以通过建立各部门资产负债表关联矩阵进行分析。根据中国社科院国家资产负债表研究中心编制的各部门国家资产负债表，其将金融工具一共分为十四个大类，分别为：通货、存款、贷款、未贴现银行承兑汇票、保险、金融机构往来、准备金、债券、股票和股权、证券投资基金份额、中央银行贷款、其他金融资产（或负债）、直接投资、国际储备资产。假设K为其中任意一种金融工具，该金融工具在五大经济部门间资产负债关联关系可以通过构建一个5 5的矩阵来表示：2023 年第 4 期 金融067 1,11,21,31,41,52,12,22,32,42,53,13,23,33,43,54,14,24,34,44,55,15,25,35,45,5KKKKKKKKKKKKKKKKKKKKKKKKKK=（14）其中,i jK既表示为i部门对j部门的资产K持有量，又表示为j部门对i部门的资产K负债量。在各部门的资产负债表中，每一个部门持有所有部门的任意一种金融工具都有相应的资产总量与负债总量与之对应，即对于矩阵K来说，已知该矩阵中每一行的和(1,.,5)ii=与每一列的和(1,.,5)ji=。具体表示为：5,5,ii jjji jiKK=（15）且总有如下等式恒成立 ij=（16）对资产负债表关联矩阵的估计，通常使用的是Upper（2006）的最大熵法。因为在现有的统计数据中，缺少各部门对某一金融工具的持有量与负债量，而最大熵法可以在这种数据不健全的情况下，预测结果满足全部已知的约束，同时概率分布最均匀，预测的风险最小，反映出最大量信息，有效降低数据处理量。具体而言：通过标准化，将资产i和负债j看作边际分布函数)if（和)jf（的实现值，,i jK看作联合分布函数)f（,的实现值。在)if（和)jf（相互独立时，则有矩阵*K满足市场结构的假设：*,i jijK=（17）通过最小化条件，使得矩阵*K与需要估计的矩阵K中各元素平方差的和最小，从而达到两个矩阵中元素差别最小，即：*55,*,11,minlni ji jiji jKKK=（18）5*,15*,1.ii jjji jjKstK=（19）在此基础上，利用Lingo软件在全局最优的设定下求出最优解。在使用最大熵法时，其矩阵的对角线数值应该全为0，这是因为微观个体自身不会与自身产生债务债权关系。而本文构建的资产负债表关联矩阵反映的是宏观经济部门间的资金融通关系，所以对角线元素不需要严格设置为0。在此基础上得到的各个金融工具的资产负债表关联矩阵，根据盯市会计原则，可以模拟在受到外部冲击后，各经济部门资产的连锁变化，进而对风险在部门间的积累和传染进行分析。虽然最大熵法可能与实际情况产生一定的偏差，但是在缺乏相关数据的情况下依然具有可行性和实用性。资产负债表关联视角下的政府债务违约风险传染研究0682.我国各部门资产负债表关联矩阵的计算根据社科院编制的国家资产负债表，本文沿用王兆成（2021）的做法，将资产负债表中的14类金融工具合并为5类金融工具，即通货和存款、贷款、债券、股票和股权、其他账户。本文提取整合2019年国家资产负债表中的数据，得到中各部门内部5类金融工具持有量，利用最大熵法构建部门间资产负债表关联矩阵，并在Lingo软件中进行求解，刻画出各部门内部对不同金融工具资产与负债的所占比例，将构建的五大部门资产负债表关联矩阵的对应元素相加，得到基于全金融工具的部门间资产负债表关联矩阵，如表1所示：表1 基于全金融工具的部门间资产负债表关联矩阵 （亿元）非金融部门金融部门居民部门政府部门外国部门合计非金融部门94,551.18 817,143.45 0.00 6,004.28 54,959.07 972,658.00 金融部门1,805,165.34 1,311,441.49 599,669.75 344,051.25 311,750.17 4,372,078.00 居民部门1,583,077.89 1,564,735.25 4,675.05 11,324.33 86,461.49 3,250,274.00 政府部门782,387.57 519,478.80 0.00 3,549.11 36,523.52 1,341,939.00 外国部门126,978.02 193,489.01 19,038.21 14,648.03 40,098.75 394,252.00 合计4,392,160.00 4,406,288.00 623,383.00 379,577.00 529,793.00 10,331,201.00进一步的，依据图5，2019年12月份政府部门隐性杠杆率水平为46.1%，将这一部分的非金融部门负债划归到政府部门负债中，从而提高非金融部门在政府部门负债总额中的占比。在实际中，政府部门的隐性债务存在一定的转化率，但由于种种原因很难确定。因此，本文为简化研究做出如下假设，即假设政府的隐性债务转化率为100%，使政府隐性债务完全显性化，使得政府部门的负债得到调整后的部门间资产负债表关联矩阵如表2所示。分析表1和表2可以发现，调整前后居民部门对非金融部门和政府部门的负债始终保持为0，这是因为从居民部门的负债端看，其在经济活动中几乎不向非金融部门和政府部门借款，而是直接与金融部门发生借贷关系。从其资产端看，居民部门可以持有非金融企业部门和政府部门发行的金融工具，成为其债权人。观察政府部门负债关系的变化可以发现，随着政府部门通过加大地方政府融资平台借款或者其他隐性担保等手段，为非金融企业部门提供了更充足的流动性，一方面使得政府部门负债总额不断上升，政府部门债务违约概率在逐渐变大；另一方面使得非金融部门与政府部门的关系更加紧密，政府部门与非金融部门债务资产负债联动性更强。表2 调整后的部门间资产负债表关联矩阵 （亿元）非金融部门金融部门居民部门政府部门外国部门合计非金融部门50,963.09 817,143.45 0.00 2,030,790.04 54,959.07 2,953,855.66 金融部门972,984.12 1,311,441.49 599,669.75 344,051.25 311,750.17 3,539,896.78 居民部门853,278.98 1,564,735.25 4,675.05 11,324.33 86,461.49 2,520,475.09 政府部门421,706.90 519,478.80 0.00 3,549.11 36,523.52 981,258.33 外国部门68,441.15 193,489.01 19,038.21 14,648.03 40,098.75 335,715.13 合计2,367,374.24 4,406,288.00 623,383.00 2,404,362.76 529,793.00 10,331,201.00 2023 年第 4 期 金融069在此基础上，可以利用此关联矩阵网络针对不同的外部冲击模拟各部门资产负债表演变情况，从而为进一步分析政府债务违约所带来的系统性风险积累与传播奠定基础。（三）各部门债务风险分析1.数据选取与参数设定根据CCA量化分析模型的设定，计算债务违约距离需要输入四个参数变量，分别为无风险利率r、债务危机临界值TB、低等索取权（股权市场价值）E及其波动率E，进而求出隐含资产价值A及其波动率A，最后推导出债务违约距离DD。选取20072019年间的年度数据，各项数据来源于Wind数据库，具体参数设定如下表3所示：表3 参数设定汇总表参数指标无风险利率债务危机临界值低等索取权低等索取权波动率非金融企业部门上证