期限错配、影子银行利率与地方政府隐性债务风险

摘要：本文基于2011—2019年地方融资平台数据和相关经济数据，采用因子分析法估算了地方政府隐性债务风险，考察了期限错配、影子银行利率与地方政府隐性债务风险三者之间的关系。

研究发现：我国各省份的隐性债务风险均呈上升态势，并且西部地区风险明显高于东部地区；投融资期限错配程度提高会显著增加隐性债务风险，影子银行利率的上升会降低隐性债务风险，并且影子银行利率的上升会强化投融资期限错配程度对隐性债务风险的影响。

进一步研究发现，这类影响存在区域异质性。

结合研究结果，本文建议地方政府在持续化解隐性债务风险的同时，要鼓励社会资本进入基础设施建设领域，加大财税改革以及对影子银行的监管力度。

关键词：地方政府；隐性债务风险；期限错配；影子银行中图分类号：F812文献标识码：A 文章编号：1009-3540（2021）10-0035-0008
■
杨怀东陈舒悦
作者简介：杨怀东（1968—），男，博士，中南大学商学院副教授；陈舒悦（1997—），女，中南大学商学院硕士研究生。

一、引言
自2013年财政部进行全国地方政府性债务审计之后，地方政府隐性债务被归类为不受地方政府预算管理，但地方政府负有担保责任或者可能承担一定救助责任的债务，其主要集中在地方融资平台、政府部门等。

债务限额管理规定限制了地方政府的合规举债规模，导致地方政府不得不另寻融资渠道，使得隐性债务规模持续攀升。

2020年末的中央经济工作会议强调要“抓实化解地方政府隐性债务风险工作”，这揭示了未来债务治理重点在于化解隐性债务存量和防范化解期间由于资金链断裂等引发系统性风险的可能。

隐性债务逐渐成为政府和学术界关注的热点问题。

目前学术界对隐性债务的研究主要集中于其形成机理、规模测算以及风险特征三方面。

与本文相关的主要是风险特征部分，现有研究涉及隐性债务风险特征的主要有：债务规模过大和增速过快[1—2]；负债形式多样，隐蔽性强，难以识别[3—4]；债务资金主要投向公益性项目而导致资金使用效率低[5]；债务
偿还依赖于土地市场[6]，隐性债务投融资期限错配严重[7—8]等。

其中，期限错配主要表现为：从投资端来看，隐性债务主要投资于城市轨道交通、棚户区改造、农村基础设施建设等项目[9]，这类项目回收期往往都长达十余年；从融资端来看，随着市场融资环境日渐收紧，城投债、地方融资平台贷款、信托、融资租赁等是形成隐性债务的主要方式[10]，这些债务绝大多数都是期限五年以下的中短期债务。

两者期限的不匹配导致地方政府需要不断对债务进行滚动式操作。

一旦市场流动性紧缩，有可能导致资金链断裂，引发信用风险。

目前学者们都认同地方政府隐性债务期限错配现象普遍存在并为诱发隐性债务风险的重要因素之一，但是对于期限错配程度的研究止步于理论层面，缺乏实证检验来验证其与债务风险之间的关系。

进一步来看，当资金融资和资金运用出现期限错配时，地方政府通常对债务进行借新还旧来维持资金的可持续性。

在这一过程中，隐性债务风险不可避免地被相关金融工具所影响。

面临银行信贷的监管措施趋严和投资冲动不减的矛盾，地方政府越
期限错配、影子银行利率与地方政府隐性债务风险
来越依赖影子银行作为资金来源为以基础设施建设为主的政府项目进行融资[11]。

影子银行近年来业务规模的急剧扩张也为地方政府债务融资提供了便利[12]。

影子银行业务在隐性债务融资占比中的上升往往伴随着隐性债务发行成本的上升[13]。

影子银行的风险也会通过相关产品传导至地方政府性债务[14]。

近年屡屡发生的融资平台爆雷事件中就少不了影子银行业务的身影。

例如，深陷信用风险的江苏泰州临港经济园投资开发有限公司的负债结构中非标类业务比重甚至高达75%。

但是影子银行在隐性债务风险中的影响机制却少有人关注，相关的实证研究成果还不够丰富。

基于以上原因，本文针对地方政府隐性债务的期限错配对隐性债务风险的影响，影子银行的变化是否会在一定程度上影响期限错配程度，以及如何影响到隐性债务风险等问题进行了研究。

本文的边际贡献在于：第一，从实证层面考察了期限错配和隐性债务风险之间的关系，丰富了当前隐性债务风险相关领域的研究成果；第二，进一步考察了影子银行在其中所起到的作用，验证了影子银行、期限错配和隐性债务风险之间的影响机制；第三，通过对区域异质性的实证分析，考察了区域异质性差异的影响因素，为相关政策建议提供有针对性的参考。

二、文献综述与研究假设
（一）期限错配和地方政府隐性债务风险
目前我国地方政府隐性债务面临着短债长投导致的期限错配问题[3]。

隐性债务举借主体包括政府部门、融资平台、有政府基建项目的地方国有企业和事业单位等，其中融资平台是重点[15]。

刘红忠等[16]构建了扩展的“投资-负债结构”敏感性模型，实证检验了融资平台的债务期限错配现象，并发现期限错配程度与所在地区市场化程度负相关。

夏勇毅[17]从金额错配和路径错配两方面论证了我国地方政府融资平台资产收益与债务支出不匹配的问题，认为主要是市场因素和制度因素造成了这个现象。

根据Morris[18]提出的传统企业债务期限结构理论，当债务期限和资产期限不匹配时，企业容易陷入债务危机，并引发流动性风险等问题。

在债务期限比资产期限短的情况下，债务到期时资产收益还不足以偿还债务；在债务期限比资产期限长的情况下，资产已经停止产生现金流后债务还未到期[19]。

相对于隐性债务，更多文献关注于企业和商业银行的债务期限错配问题，认为期限错配增加了企业的经营风险[20]和债务违约风险，增加了商业银行的流动性风险[21]和银行间系统的风险传染性[22]。

与自身拥有经营性收入的企业和商业银行不同，隐性债务资金投向的是城市基础设施建设等公共项目。

这类项目带有公益属性，往往无法产生经营性现金流，资金使用效率难以提高。

作为主要债务人的融资平台其用来偿债的资金依赖于土地财政收入和房地产收入，来源不稳定[23]。

在这种背景下，期限错配对地方政府隐性债务风险可能带来的影响具体包括以下几点：（1）导致融资能力下降。

地方政府在面临商业银行融资约束的前提下，只能转而向市场寻求其他融资渠道。

短期借款要满足临时性流动资产和部分长期资产的资金需求，资金需求量较大。

短期借款到期后需重复举债或延期债务的举动会向市场发送不良信号[24]，从而加剧了主体的融资困境。

（2）加剧资金链脆弱性。

企业期限错配的程度越高，以更加高昂的利息成本“借新还旧”来缓解资金周转困难的可能性就越高[25]。

地方政府为了维持债务融资安排的可持续性，只能选择在债务到期时继续举借债务，不断进行滚动式操作。

债务短期化比率越高，债务展期的难度就越大，越容易触发风险。

一旦期限错配严重致使资金链断裂，持续聚集的信用风险可能会传导至整个地方政府隐性债务产生风险。

基于以上分析，提出假设1。

H1：地方政府隐性债务期限错配程度的提高将扩大其隐性债务风险。

（二）影子银行利率对隐性债务风险的影响
地方政府在融资约束收紧的同时还面临着基础设施建设需求变大的压力，影子银行在隐性债务资金来源中占比越来越重。

从隐性债务融资端来看，根据申万宏源的测算，2018年地方政府融资平台债务构成为债券7万亿，非标产品6万亿，信贷28万亿，其中非标产品的融资占比上升到了15%①。

从影子银行端来看，影子银行信用扩张的投向主要是地方融资平台、国有企业等[26]。

因此，在讨论地方政府隐性债务风险时，影子银行也是不可避免的部分。

针对目前影子银行业务在地方政府隐性债务融资结构中的比重，影子银行利率可能会从以下两个方面影响到地方政府隐性债务风险：（1）影响融资成本。

隐性债务资金主要用于建设周期长、投资回报
率低的公益性以及准公益性项目，当影子银行利率提高时，融资成本也随之上升，而此时项目资金回报率一般不会改变，融资成本的上升导致地方政府可能出现违约现象，隐性债务风险显著上升。

（2）影响偿债资金。

当企业短债长投频率上升时，短期债务占比的上升使得企业需要对债务进行更为频繁的还本付息操作，通过借新还旧来进行展期。

地方政府对于债务的需求具有刚性，因此一旦影子银行利率上升导致市场流动性下降，地方政府获得新短期融资来填补旧债的难度也会上升。

地方政府隐性债务存在期限错配的本质是长期投资的资金主要来源于短期负债。

影子银行作为目前隐性债务资金的来源之一，其和地方政府相关的主要业务包括信托、融资租赁等。

2019年新发行的信托产品平均期限为2.4年，新成立的融资租赁合同平均期限为3.7年②。

与此相比，隐性债务投向的基础设施建设项目从包括建设期、投资回收期等全周期年限来看，一般为5~10年，甚至是25年。

债务期限和投资期限并不匹配。

总体而言，地方政府举债进行的投资与通过银政信合作模式发行的信托产品及理财产品等影子银行业务形成了鲜明的期限对比[27]。

影子银行融资占比的上升加剧了地方政府隐性债务投融资期限的错配程度。

地方政府由于债务期限错配的存在，需要不断对存量债务进行借新还旧以实现展期，并维持债务融资安排的可持续性。

然而，一旦市场流动性紧缩或者融资成本上升，地方政府难以保证及时对存量债务进行展期，就可能触发信用风险事件[16]。

因此，当影子银行在隐性债务融资结构中占比越来越大时，影子银行利率的提高会增加短期负债融资成本，在长期负债融资约束依然不变的情况下，隐性债务的期限错配程度也会加重，使其债务风险趋于复杂化。

基于以上分析，本文提出假设2和假设3。

H2：影子银行利率的上升会扩大隐性债务风险。

H3：银子银行利率的上升会强化期限错配对隐性债务风险的影响。

三、隐性债务风险测算
从国内外文献来看，地方政府债务风险的测算方法可以分为模型法和指标法。

模型法强调微观层面的信用风险度量，通过测算出债务违约概率对债务违约风险进行评估，运用的模型有Logit模型和KMV模型[28—29]；指标法运用风险预警理论构建债务风险指标，在此基础上采用不同的定量方法对债务风险进行分析，常用的赋权方法有因子分析法、熵值法、层次分析法等[30—31]。

这两类方法相比较而言，指标法由于对数据和假设条件的要求更加宽松，更适用于在测算全国范围内的风险值时使用[32]，因此本文选择通过建立风险指标体系对地方政府隐性债务风险进行测算。

从隐性债务形成的内在逻辑来看，地方政府承担着一定的刚性支出需求，财权事权的不匹配导致地方政府只能通过举债来填补支出缺口。

目前地方政府的融资方式主要是在债务限额内发行地方政府债券，超出债务限额的部分只能通过隐性债务来进行弥补。

因此，地方政府的财政状况和隐性债务的规模都会影响到地方政府隐性债务风险。

从微观地方融资平台角度考虑，地方融资平台是隐性债务最重要的主体，它的经营状况毫无疑问会影响到隐性债务的融资难易程度，并且当地方政府不再对隐性债务进行兜底时，它的偿债能力和隐性债务的流动性风险息息相关。

因此，地方融资平台自身的偿债能力以及经营状况均会影响到地方政府隐性债务风险。

在隐性债务风险指标的选择上，考虑到数据合理性以及可得性，本文使用地方政府融资平台数据作为隐性债务的替代变量，采用城投债规模来衡量隐性债务规模，分别从宏观经济角度和微观平台公司角度考虑，参考宋樊君[33]的指标体系，设计风险指标如表1。

表1
风险指标体系
在对指标体系评价方法运用的实践中，常用的赋权方法有主观赋权法和客观赋权法。

主观赋权法
依赖于主观判断，缺乏客观性。

本文将采用客观赋权法中的因子分析法来进行赋权。

选用因子分析法可以有效避免主观赋权法所造成的人为偏差，在赋权的精确度上具有一定优势。

计算具体步骤如下：
1.选取r 个年份，
n 个省份，m 个指标，X θij 即第θ年的i 省份第j 个指标值。

为了消除量纲和影响
方向的影响，选用极值法对数据进行标准化处理。

正向指标：X '
θij =
X θij -(X j )min
(X j )max -(X j )min
负向指标：X '
θij =
(X j )max -X θij
(X j )max -(X j )min
2.进行相关性检验。

因子分析法使用的前提是
相关变量间存在相关性，因此进行巴特利特球形检验和KMO 检验，检验结果如表2所示。

巴特利特检
验的P 值为0，通过了检验，KMO 测度值达到0.631，可以认为变量之间存在一定的显著相关性，说明适合进行因子分析。

表2
检验结果
3.提取因子。

确定公共因子的准则是特征值要
大于1。

从表3可以看出，前四个公共因子特征值均大于1，累计方差贡献率为77.3%，说明这4个公共因子对于债务风险的主要特征具有较好的代表性。

4.确定公共因子及其权重。

在使用方差极大正
交旋转对因子进行变换后，从得出的结果可以看到
公共因子的累计方差贡献率没有变化，依然为77.3%，同时公共因子对所有指标的解释能力更加
均匀。

通过Stata ，可以得到成分得分矩阵。

5.根据公式将各公共因子的方差贡献率除以累
计方差贡献率得到各公共因子的权重分别为0.3679、0.2373、0.2125、0.1823，因此各融资平台债务
风险值可以表示为：
F =0.3679×F 1+0.2373×F 2+0.2125×F 3+0.1823×F 4
最终将各个融资平台债务风险按照总资产进行加权求和，汇总到省级层面，将其定义为各省份的隐
性债务风险。

图1隐性债务风险变化趋势（2011—2019）
由图1可以看出，2011—2019年各省份隐性债务风险呈不断上升趋势。

2014年之前东部省份隐性债务风险高于中西部省份，2014年之后西部省份隐性债务风险显著上升。

原因在于2014年43号文的颁布标志着地方政府隐性债务的管理趋严，东部地区经济发达省份隐性债务得到有效监管，而西部省份隐性债务依然担负着拉动经济发展的重任，债务风险居高不下。

从表4可以看出，2019年在风险最高的十个省份中，四川、广西、贵州、云南、重庆均为西部省份，占比50%；风险最低的十个省份中，只有内蒙古、宁夏和青海三个西部省份，仅占比30%。

四、实证模型
（一）模型设计和变量定义
为了验证上述三个假设，本文设立模型如下：risk it =α0+β1mismatch it +β2fd it +
β3promotive it -1+β4pergdp it +εit （1）risk it =α0+β1mismatch it +β2rate it +β3fd it +
β4promotive it -1+β5pergdp it +εit （2）
表3
因子提取结果
risk
it=α0+β1mismatch it+β2rate it+
β3misrate
it+β4fd it+β5promotive it-1+
β6pergdp
it+εit（3）其中，被解释变量risk it为i省份t年度的隐性债务风险变量，解释变量mismatch it为i省份t年度的期限错配程度变量，由于隐性债务融资结构信息隐晦不明，而地方融资平台作为主要借债方，它的债务期限结构在一定程度上也能体现出隐性债务的期限结构特点，因此本文对地方融资平台的债务期限错配程度进行测算，测算方法参考马红等[34]的研究，具体公式为“固定资产等投资活动现金支出-（长期借款本期增加额+本期权益增加额+经营活动现金净流量+出售固定资产现金流入）”，并利用总资产进行标准化处理。

rate it为i省份t年度的影子银行利率，由于我国影子银行体系中信托产品占比很大，并且部分信托产品与地方政府债务相关，因此运用各省份信托产品加权利率作为替代变量[35]。

Hall等[36]、姜子叶等[37]和项后军等[38]研究发现，利率和经济增长、晋升激励等都是影响地方政府债务风险的重要因素。

李丽珍等[39]认为财政分权、地方政府激励机制是隐性债务形成的动因和源头，通过对地方政府预算收入和地方官员行为产生影响，进而决定地方政府的举债意愿。

本文在其基础上引入财政分权（fd）、晋升激励（promotive）、人均GDP（pergdp）作为控制变量，由于晋升激励通常影响到下一期的举债行为，因此在控制变量选取中取其滞后一期。

在模型1中，期限错配程度越严重，隐性债务风险将会越大，即β1显著为正，并且两者之间影响越大，β1越大。

根据假设2，进一步分析影子银行利率对于隐性债务风险的影响，加入影子银行利率变量，设定模型2，影子银行利率越高，隐性债务风险越大，β2显著为正。

根据假设3，为了考察影子银行利率的变动会不会对期限错配程度和隐性债务风险之间的关系产生影响，引入影子银行利率和债务期限错配程度的交互项，得到模型3。

此时，期限错配程度对风险的影响不再是常数而是与影子银行利率有关的变量，影子银行利率越大，其产生的边际效应越大。

本文各变量含义及具体核算方法如表5所示。

表5
主要变量及定义
（二）研究样本和数据来源
本文选取2011—2019年间财务报表连续的地方融资平台为研究样本，数据根据Wind数据库中的银监会口径进行统计，对连续变量样本进行了上下
0.5%的缩尾处理，并汇总到省级层面。

地方经济数据来源于Wind、统计年鉴以及年度统计公报；信托产品数据来源于国泰安数据库，由于广西、海南、宁夏和西藏四个省份的数据缺失，故对其进行删除，个别省份缺失的数据运用插值法进行补齐。

对交互项进行中心化，以排除多重共线性对实证结果产生的影响。

五、实证分析
（一）描述性统计和相关性分析
对样本进行描述性统计分析，结果如表6所示。

地方政府隐性债务风险值（risk）的平均数为-0.048，
表42019
年各省份隐性债务风险值
最小值为-1.228，最大值为1.393，标准差为0.378，可以看出地方政府隐性债务风险最大值和最小值之间差别较大。

债务期限错配程度（mismatch）的平均数为-0.076，中位数为-0.051，最小值为-2.084，最大值为0.074，标准差为0.157，表明各省份之间债务期限错配程度的差距不是很大，并且大部分省份短债长投现象还不太严重，仍在可控制范围之内。

影子银行利率（rate）的最小值和最大值分别为5.069和
12.486，标准差为1.559，不同省份影子银行利率波动较大，平均数为8.616，影子银行利率要显著高于商业银行利率。

为了观察变量之间的相关性，本文进一步对数据做了相关性检验。

主要变量之间的Pearson相关系数整体上较小，除去交互项外，主要变量相关系数最高为0.3858。

由于交互项可能会增加变量之间的多重共线性，故而做了主要变量的VIF值检验，表7显示各变量的方差膨胀因子都较低，均在3以下，因此主要变量间不存在严重的多重共线性问题。

表6
主要变量描述性统计
（二）实证结果和分析
本文进行豪斯曼检验后，统计量值为103.81，P 值为0，在1%的水平上显著，最终选用固定效应模型进行分析。

根据回归模型设定，首先引入所有控制变量得到回归（1），然后依次加入债务期限错配程度、影子银行利率以及两者交互项（misrate）分别得到回归（2）、回归（3）和回归（4）。

从表7四个回归结果中可以看到所有模型都显著成立，随着变量的加入，模型拟合度显著提升。

回归（2）中，债务期限错配程度的系数为0.374，且在1%的水平上显著为正，表明期限错配程度越高，隐性债务风险越大，假设1成立。

回归（3）中加入影子银行利率变量，此时债务期限错配程度系数为0.412，在1%的水平上显著；影子银行利率系数为-0.0366，在1%的水平上显著为负，说明影子银行利率和隐性债务风险成反比，和假设2冲突。

影子银行利率下降会导致地方政府隐性债务融资成本下降，地方政府在具有融资需求刚性的背景下融资动机上升。

根据数据显示，影子银行利率在2015年过后由于加强管控而开始下降，而信托业协会的数据显示投向基础产业的资金在逐年上升，因此尽管融资成本下降了，但由于影子银行业务的融资规模上升，影子银行业务本身存在的风险溢出到地方政府，隐性债务风险依然呈现上升态势。

进一步从回归（4）的结果中可以看到，在加入影子银行利率和债务期限错配程度交互项后，债务期限错配程度的系数显著提高，交互项前面的系数在1%的水平上显著为正，说明影子银行利率的提高会增强期限错配程度对隐性债务风险的影响，假设3成立。

在所有回归模型中控制变量均表现出高度稳定性，且在1%的水平上显著为正，说明财政分权程度越高、晋升激励越大、经济增长水平越高都将导致隐性债务风险越大。

表7
模型回归结果
注：***p<0.01，**p<0.05，*p<0.1，括号里为t检验值。

根据上文分析，本文认为当隐性债务期限错配程度，即短债长投现象严重时，地方政府会通过影子银行借新债还旧债来维持项目的资金运转。

在影子银行是地方政府用来进行短期融资缓解期限错配的一种融资手段的预设前提下，期限错配越严重的地
区，对债务进行滚动式操作的可能性就越大，从而影子银行利率对期限错配和隐性债务风险之间的影响强度越大，这反映在回归模型里就是交互项系数的绝对值越大。

因此本文取2019年各地区隐性债务期限错配程度的平均数为界限，将样本分为债务期限错配程度较高和错配程度较低的两组③，进行回归分析。

结果如表8所示。

表8
分区域回归结果
注：***p<0.01，**p<0.05，*p<0.1，括号里为t检验值。

在回归模型（8）中债务期限错配程度（mis‐match）的系数为0.302，回归（9）中影子银行利率（rate）的系数为-0.0435，回归（10）中交互项（mis‐rate）的系数为0.201，并且均在1%的水平上显著，和全样本回归的结果一致。

与期限错配程度较高的地区相比，期限错配程度较低地区的模型中期限错配程度（mismatch）和影子银行利率（rate）的系数均显著且方向与全样本回归一致，但交互项（misrate）并不十分显著，这说明影子银行利率的变化对加强期限错配和隐性债务风险之间关系的影响并不明显。

期限错配程度低说明隐性债务的资金链稳定，短时间内不会出现流动性风险，此时地方政府寻求影子银行进行短期融资的冲动不强烈。

同时可以看到期限错配程度较低地区中影子银行利率（rate）的系数比期限错配程度较高地区中的系数绝对值低，这可能是因为影子银行业务会推高隐性债务的期限错配程度，所以当影子银行利率上升时，期限错配程度越高的省份对从影子银行渠道进行举债的行为越谨慎，影子银行利率（rate）的系数绝对值越大。

（三）稳健性检验
1.替换被解释变量
熵值法同因子分析法相比，更注重于考察原始数据信息熵值的效用价值，对于信息质量高的指标赋予更高的权重。

为了能够实现不同年份之间的比较，本文参考杨丽等[41]的研究，用加入时间变量做出改进之后的熵值法模型进行赋权，将最后得出的风险得分替换因子分析法所计算得出的风险得分进行稳健性检验。

回归结果表明，解释变量的系数方向和显著性均没有变化，研究结论不变。

2.内生性问题
本文采用的面板固定效应估计虽然可以缓解一部分由于变量个体异质性导致的内生性问题，但对于其他因素可能导致的内生性问题并没有多大作用。

目前针对影子银行利率缺乏有效的外生工具变量，然而Melecky等[42]认为存在外生工具变量难以找寻的情况时，解释变量的滞后项也可以作为有力的工具变量。

因此，根据弱工具变量检验和过度识别检验结果，本文将影子银行利率滞后一阶及其与期限错配程度的交互项作为工具变量来考察可能存在的内生性问题。

利用Davidson-MacKinnon内生性检验对模型（2）和（3）进行IV估计，结果显示，p值分别为0.1977和0.4321，无法拒绝“不存在内生性问题”的原假设，表明本文的实证结果较为稳健。

六、结论与建议
本文基于2011—2019年地方融资平台数据和相关经济数据，采用因子分析法估算了地方隐性债务风险，考察了期限错配、影子银行利率与地方政府隐性债务风险三者之间的关系。

研究结果表明：第一，近十年来我国地方政府隐性债务风险呈上升趋势，在2014—2015年间隐性债务风险增速有所放缓，然而由于隐性债务继续膨胀，地方政府隐性债务风险值在2015年之后依然呈上升态势。

进一步分地区研究表明：2014年之前，东部地区地方政府隐性债务风险高于中西部地区；2014年之后，西部地区的隐性债务风险超越东部地区。

第二，债务期限错配程度的提高会显著增加地方政府隐性债务风。