本文是一篇金融学论文研究，本文以我国 1686 家上市非金融企业和 15 家上市商业银行为研究对象，首先对 2008 年至 2019 年我国 10 个非金融行业的杠杆率进行了测度，随后基于线性模型和门槛面板模型分行业对行业杠杆率与商业银行信贷风险的相关关系进行了实证检验。
第 1 章 绪论
1.1 选题背景及意义
1.1.1 选题背景
随着去杠杆政策的稳步推进，政策层、学术界和业界均认识到，企业杠杆率问题不仅包括总量层面，还包括结构层面，其核心应当是杠杆率的结构性问题，杠杆率行业结构便是结构性问题的重要方面。我国不同行业的杠杆率存在显著差异，并表现出明显的分化趋势。其中，房地产、建筑等与经济周期波动关系密切的行业杠杆率较高，信息技术业、传播与文化产业等行业杠杆率则相对较低。因此，实施一刀切式的、全面的去杠杆政策不仅会将一些优质企业从信贷市场挤出，加剧其“融资难、融资贵”的问题，而且与稳增长的目标相矛盾。为了尝试解决杠杆率的结构性问题，2018 年中央财经委员会正式提出结构性去杠杆的思路，标志着我国去杠杆进入结构性改革阶段，也就意味着，我国的去杠杆工作由过去单一地降低企业部门整体杠杆率调整为优化行业信贷结构。而商业银行作为我国金融体系的核心，应当充分发挥其在优化行业信贷资源配置中的作用，降低自身信贷风险，积极配合结构性去杠杆政策的推进。
毫无疑问，杠杆率行业结构性问题将在一定程度上影响我国商业银行信贷风险。首先，在当前，受经济增速放缓、中美贸易摩擦升级和新冠肺炎疫情爆发的影响，相关行业及其上下游行业的经营状况必将受到冲击，导致这些行业的贷款隐藏着很大风险。根据国际银行业应对危机的经验，银行业只有保持 3%以下的不良贷款率，才能够基本保障其发挥正常的信用中介功能，在经济下行时期更是如此。从银监会公布的《商业银行主要监管指标情况表(季度)》最新数据来看，我国银行业不良贷款规模在 2019 年年末已达 2.41 万亿元，关注类贷款余额为 3.77万亿元，规模是不良贷款的 1.56倍。如果其中有 50%的部分转化为不良贷款，那么我国商业银行潜在的不良贷款率为 3.32%，已经超过了 3%的警戒水平，触碰了商业银行稳健经营的底线，将给银行业的资产质量带来较大压力。
.....................
1.2 文献综述
1.2.1 关于杠杆率行业结构问题研究
从行业视角来看，我国非金融企业杠杆率存在明显的尾部特征，行业分化明显，从而导致杠杆率的行业结构问题，即大量负债集中在少数行业。从 1996年开始，国家大力推动工业和基础设施建设，加上我国银行在做信贷决策时，很看重信贷客户抵押品的数量，重工业企业由于抵押品较为充足，使大量信贷资金注入到重工业企业中，从而拉大了重工业企业和轻工业企业杠杆率水平的差距。Maliszewski（2016）指出，从平均水平来看，我国上市企业杠杆率不算高，但杠杆率行业结构问题严重，高杠杆企业主要集中在一些周期性较强的行业，如房地产企业和建筑业[1]。钟宁桦，刘志阔等（2016）研究发现，1998-2013 年间，企业部门整体呈现去杠杆趋势，然而很多国有上市企业在显著地加杠杆，由此可见我国企业杠杆率分化严重[2]。无独有偶，纪敏（2017）的研究也支持我国企业杠杆率明显分化的研究结论。在此基础上，张文魁（2017）研究发现，我国国有企业杠杆率在 2008 年金融危机前已经步入下降通道，但在危机后又开始大幅度上升。并且，整个工业部门的偿债能力比国有企业更强。谭小芬，尹碧娇等（2018）以 2002-2015 年我国 A 股上市公司为研究样本，经过测算得出，我国非金融企业中，房地产和建筑等两个行业的企业杠杆率水平普遍较高，交通运输、批发零售业的行业杠杆率水平相对稳定，制造业杠杆率整体水平在样本期间逐渐下降[3]。可见，我国杠杆率行业结构性问题历来已久，且较为严重。
那么，是什么原因导致了杠杆率的这种行业结构性差异呢？通过梳理众多学者的观点可以总结出，这种结构性差异的形成主要与以下两方面特征有关：
第一，行业周期性。一些学者认为，行业周期性是影响杠杆率行业结构的重要因素。Harris&Raviv（1991）根据来自美国非金融企业的经验证据，研究得到如下结论：样本期间，美国杠杆率较低的行业是医药、仪表仪器、电子和食品等与人民生活息息相关的行业，杠杆率较高的行业集中于造纸业、纺织业、钢铁业、航空业和水泥生产等工业企业[4]。虽然这里还没有明确涉及到周期性行业的概念，但稍加分析就会发现，这些高杠杆行业都具有一定的周期性特征，很容易受到经济周期波动的影响，而低杠杆行业大多与经济周期关系不大，很接近我们通常所说的防御型行业，从而为周期性行业与防御型行业之间的杠杆率结构差异提供了间接证明。我国也出现了和美国类似的这种情况。裘丽（2016）的实证研究表明，对于周期性行业的企业，其杠杆率水平和杠杆率波动幅度都要显著高于防御型行业，并且几乎所有行业杠杆率在经济周期的扩张期高于经济周期的紧缩期[5]。在此基础上，胡振兴等（2017）运用 2008-2016年上市公司面板数据进行了更为综合性的研究，他把经济周期、企业生命周期与行业周期纳入到同一个分析框架之中，系统地研究这些因素对企业杠杆率的影响。结果表明，由于受经济周期的影响，周期性行业在经济上行时期的杠杆率比经济下行时期要高；由于受企业生命周期的影响，周期性行业在企业导入期和成长期的杠杆率比成熟期高；由于受行业周期的影响，周期性行业杠杆率在样本期间内明显高于防御型行业[5]。
..............................
第 2 章 相关概念界定与理论基础
2.1 相关概念界定
2.1.1 微观杠杆率与宏观杠杆率定义
为衡量微观企业负债经营程度，微观杠杆率应运而生。微观杠杆率一般是通过单个经济主体的资产负债率或总资产相对于净资产的倍数，即权益乘数来测算。微观杠杆率从资产负债的角度，对经济主体的实际运行状态进行分析。然而，微观杠杆率在衡量债务风险时有一些局限性。首先，微观杠杆率仅仅基于企业的资产负债表来衡量企业债务风险，只考虑了资产数量，未考虑到资产质量对债务可持续性的影响；其次，企业债务风险，即债务按期偿付的不确定性主要决定于企业未来现金流的数量，而非资产现值的多少；最后，使用微观杠杆率衡量债务风险时不能在不同国家之间进行横向比较。
而与微观杠杆率相对应的宏观杠杆率，显然应该反映的是国家、地区以及分部门（政府部门、居民部门、非金融企业部门、金融部门）的负债程度。相对于微观杠杆率，宏观杠杆率的测度则较为复杂。目前，我国学术界对宏观杠杆率提出了三种衡量指标。一是中国人民银行杠杆率研究课题组和中国资产负债表研究中心从“债务/收入”的角度，定义了“债务总额/GDP”作为衡量国家、地区、分部门债务杠杆率的指标，用于衡量债务的可持续性[17]，在一定程度上弥补了微观杠杆率不能衡量债务可持续性的不足；二是货币产出比，使用M2与 GDP 的比值，即 M2/GDP 进行衡量，这一指标将货币变量和经济变量连接起来；三是使用社会融资余额与 GDP 的比值（IMF）对宏观杠杆率进行衡量。其中，第一种是广泛为学者所采用的。实际上，三种指标本质上是相通的，都衡量了宏观经济部门债务的可持续性和对经济发展的效率。但缺点是无法像微观杠杆率那样，从资产负债的视角对它们的实际运行状态进行分析。
.............................
2.2 相关理论
2.2.1 MM 定理及其修正理论
金融学中著名的 MM 定理，是分析企业杠杆率这一问题的理论根源，剖析了企业融资结构与企业总市值的相关性。MM 定理是说，在一定假设前提下（信息完全、无税收和破产成本、企业借款利率为无风险利率），企业不论以债务融资还是股权融资，对企业总市值都不会产生影响。那么，如果放松了上述三个假设条件，即如果市场信息不完全、存在税收和破产成本、企业借款利率不等于无风险利率等因素存在的话，则企业杠杆率会影响该企业的市场价值[18]，MM 定理将反向成立。因此，微观企业在债务融资和股权融资两种融资工具中的选择是其杠杆率水平的一种反映。同时，MM 定理相当于金融加速器模型的一个特例。Bernanke 等（1996）提出的金融加速器机制表明，企业融资溢价的高低是和交易成本高低紧密相关的，企业的交易成本越高，则它的融资溢价越高，杠杆率越低，反之则反是[19]。此外，从企业杠杆率与企业规模的相关关系来看，一般说来，企业杠杆率随企业规模的扩大而上升。这是由于规模大的企业，其企业管理体制相对健全，信息不对称问题不那么严重，交易成本也较小，并且大企业融资溢价要低于中小企业，因此，大企业的种种优势导致其融资成本比中小企业更低。这也就使得银行基于节约经营成本的考虑，更青睐于向大企业放贷，从而使大企业的杠杆率更高。可以看出，传统 MM 定理从企业交易成本、融资溢价、企业规模等角度解释了为何现实中不同企业的杠杆率水平有显著差异。
在传统 MM 定理的基础上，Jensen&Mecklin（1976）进行了修正，得到破产情形下的 MM 定理。两位学者认为，如果企业出现偿债困难的情况，将使其陷入财务困境，严重的将导致破产[20]。因而，企业作融资决策时，会在财务困境成本与债务减税收益两者间权衡和选择。很明显的是，企业的财务约束机制越严格，它就越不愿意主动负债。相反，预算软约束机制则会通过降低企业财务约束和破产的可能性，来增强企业的负债动机。另外，刚性兑付和破产清算成本过高进一步刺激了这类企业的过度负债。这可以解释为何存在预算软约束的国有企业和一些重资产行业，其杠杆率比其他行业高。
..........
