史桂芬 陳倩 王佳瑩

摘?要：本文基于委托代理理論，構(gòu)建非對稱信息視角下中國區(qū)域金融風(fēng)險影響機制的分析框架，并采用TVP-SV-VAR模型探究不同地區(qū)區(qū)域內(nèi)金融風(fēng)險影響機制的異質(zhì)性。研究表明，非對稱信息下金融系統(tǒng)委托代理行為致使商業(yè)銀行存在信貸配給，資金傾斜助長了地方債擴張和房地產(chǎn)泡沫累積，一旦債務(wù)違約及泡沫破裂造成大量銀行不良資產(chǎn)積聚，將引發(fā)區(qū)域金融風(fēng)險。異質(zhì)性研究發(fā)現(xiàn)，經(jīng)濟發(fā)達(dá)地區(qū)中房地產(chǎn)泡沫是區(qū)域金融風(fēng)險形成的主導(dǎo)因素；經(jīng)濟次發(fā)達(dá)地區(qū)中地方政府過度舉債是引致區(qū)域金融風(fēng)險的主要沖擊；而經(jīng)濟欠發(fā)達(dá)地區(qū)的區(qū)域金融風(fēng)險是地方政府過度舉債與房地產(chǎn)泡沫共同作用所致。國家金融監(jiān)督管理總局應(yīng)嚴(yán)控商業(yè)銀行信貸資金流向，并對地方債擴張和房地產(chǎn)泡沫等區(qū)域金融風(fēng)險影響因素實行“屬性+對策”的差異化監(jiān)管，構(gòu)建風(fēng)險治理的區(qū)域協(xié)作平臺，提高區(qū)域金融風(fēng)險的防范處置能力。

關(guān)鍵詞：非對稱信息；區(qū)域金融風(fēng)險；信貸配給；地方政府債務(wù)；房地產(chǎn)泡沫

中圖分類號：F8127；F83??文獻(xiàn)標(biāo)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(dǎo)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(fēng)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(xué)基金項目，項目編號：20BJY138。

①具體事件如，2021年8月，恒大地產(chǎn)年中財報披露其整體負(fù)債197萬億元，企業(yè)由于資金鏈斷裂，出現(xiàn)流動性風(fēng)險，宣布出售名下資產(chǎn)；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(jìn)行15594億隱形債務(wù)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(rèn)靠自身“無力化債”。

一、引?言

在百年未有之大變局加速演進(jìn)及國際地緣政治沖突的沖擊下，宏觀經(jīng)濟下行壓力加大，中國經(jīng)濟發(fā)展面臨的內(nèi)外環(huán)境發(fā)生深刻變化，不穩(wěn)定因素顯著增加，金融風(fēng)險進(jìn)入易發(fā)多發(fā)期。隨著地方金融業(yè)態(tài)的創(chuàng)新發(fā)展，傳統(tǒng)金融機構(gòu)內(nèi)控機制不完善，致使部分經(jīng)濟主體戰(zhàn)略定位產(chǎn)生偏差，房地產(chǎn)行業(yè)資金斷鏈、地方政府債務(wù)暴雷等區(qū)域金融亂象頻生①，致使銀行不良貸款居高不下，區(qū)域金融風(fēng)險誘因呈現(xiàn)多主體化特征［1］。同時，隨著中國區(qū)域金融一體化進(jìn)程的推進(jìn)，同一區(qū)域內(nèi)銀行間的債權(quán)債務(wù)關(guān)系以及不同區(qū)域間的金融業(yè)務(wù)往來愈加頻繁，形成了緊密的區(qū)域金融關(guān)聯(lián)網(wǎng)絡(luò)，使得區(qū)域金融風(fēng)險的傳染性增強［2］。一旦區(qū)域金融風(fēng)險不斷累計突破局部閾值，其溢出沖擊所引發(fā)的“多米諾效應(yīng)”最終將演變?yōu)橄到y(tǒng)性金融風(fēng)險。黨的二十大報告提出以中國特色宏觀調(diào)控助力經(jīng)濟高質(zhì)量發(fā)展的同時，健全“雙支柱”調(diào)控框架深化區(qū)域金融體制改革，確定系統(tǒng)重要性銀行并實施附加監(jiān)管，加強區(qū)域金融風(fēng)險的應(yīng)對處置能力，守住不發(fā)生系統(tǒng)性金融風(fēng)險的底線。

明晰區(qū)域性金融風(fēng)險源，防范系統(tǒng)性金融風(fēng)險是當(dāng)前亟待解決的重要議題。學(xué)界針對區(qū)域金融風(fēng)險影響因素的研究，主要有以下三個方面：一是來自宏觀經(jīng)濟金融運行環(huán)境。金融法制環(huán)境的不完善，特別是傳統(tǒng)金融機構(gòu)的法律法規(guī)建設(shè)落后，導(dǎo)致部分金融交易的合規(guī)性監(jiān)管不足，形成潛在的經(jīng)營風(fēng)險［3］。在中國社會主義市場經(jīng)濟下，銀行作為最大的金融資源擁有者，其體制長期處于產(chǎn)權(quán)不清晰及激勵約束機制不到位的運行環(huán)境中，重計劃性、行政性的預(yù)算軟約束使其滯后于市場經(jīng)濟條件下金融業(yè)創(chuàng)新發(fā)展的需要［4］。同時，由于大部分商業(yè)銀行缺乏有效的內(nèi)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(dǎo)致銀行的不良貸款率上升，進(jìn)而引發(fā)區(qū)域金融風(fēng)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(quán)與事權(quán)的不匹配是地方政府債務(wù)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(yōu)勢及軟約束干預(yù)金融信貸來代行財政功能，使得地方政府債務(wù)規(guī)模高企，一旦政府償債能力不足，地方債務(wù)風(fēng)險將轉(zhuǎn)化為金融部門的不良資產(chǎn)［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(shè)立地方融資平臺，干預(yù)金融機構(gòu)的資金流向，加大隱形債務(wù)規(guī)模，地方債擴張所致的風(fēng)險一旦爆發(fā)，“長貸短存”的期限錯配問題將形成銀行的流動性風(fēng)險，加速區(qū)域金融風(fēng)險累積［8］。三是來自土地財政。地方政府在經(jīng)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(jìn)資金密集型的房地產(chǎn)行業(yè)迅猛發(fā)展，導(dǎo)致房價高企［9］?；诜績r持續(xù)上漲，地方政府通過“土地融資”方式進(jìn)行隱形地方債的擴張，而高額的債務(wù)償還壓力又倒逼地方政府持續(xù)依賴土地財政創(chuàng)收，促使銀行提高對房地產(chǎn)企業(yè)的信貸配給份額，從而加劇了房地產(chǎn)泡沫累積［10］。一旦房地產(chǎn)泡沫破裂，銀行不良貸款迅速增加，信貸風(fēng)險過度累積將造成區(qū)域金融風(fēng)險。

綜上所述，關(guān)于區(qū)域金融風(fēng)險的現(xiàn)有研究主要集中在單個風(fēng)險影響因素的論述上，缺乏將區(qū)域金融風(fēng)險誘因的多主體化特征貫穿在風(fēng)險影響機制的分析框架上，且少有研究分析區(qū)域金融風(fēng)險形成路徑的內(nèi)在機理。因此，本文擬基于信息經(jīng)濟學(xué)中委托代理行為理論，分析中國區(qū)域金融風(fēng)險的影響機制，并測度不同地區(qū)的區(qū)域金融風(fēng)險指數(shù)，進(jìn)一步采用TVP-SV-VAR模型實證探究區(qū)域金融風(fēng)險影響機制的異質(zhì)性。本文可能的貢獻(xiàn)有以下三點：第一，通過金融系統(tǒng)中委托代理行為數(shù)理模型的構(gòu)建，提出了非對稱信息視角下我國區(qū)域金融風(fēng)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(qū)域金融風(fēng)險指數(shù)，為區(qū)域金融風(fēng)險的量化分析提供數(shù)據(jù)儲備；第三，考慮到區(qū)域金融風(fēng)險影響機制在不同地區(qū)的差異性，本文進(jìn)行空間異質(zhì)性分析，為相關(guān)部門差異化監(jiān)管以及構(gòu)建風(fēng)險處置能力的區(qū)域協(xié)作機制提供政策啟示。

二、區(qū)域金融風(fēng)險形成的機制分析

（一）金融系統(tǒng)委托代理行為模型構(gòu)建——基于非對稱信息結(jié)構(gòu)視角

在金融系統(tǒng)中，金融監(jiān)管者賦予金融機構(gòu)享有特殊經(jīng)營權(quán)，希望金融機構(gòu)在實現(xiàn)自身利益的同時為社會生產(chǎn)合理配置資源，維持金融穩(wěn)定，與此同時，金融投資者將資產(chǎn)委托給金融機構(gòu)期望獲得資產(chǎn)增值，從而形成監(jiān)管方、金融投資者與金融機構(gòu)之間的委托代理行為。但在非對稱信息條件下，金融機構(gòu)利用信息優(yōu)勢采取的決策行為會引發(fā)金融風(fēng)險。

金融投資者的行為設(shè)定。令其委托給金融機構(gòu)進(jìn)行投資的資產(chǎn)為固定值M，每單位資產(chǎn)的期望收益為ε，則總資產(chǎn)收益為εM。假定金融投資者為風(fēng)險厭惡者，市場中固有的系統(tǒng)風(fēng)險為σ0，金融投資者委托金融機構(gòu)進(jìn)行資產(chǎn)投資時可承擔(dān)的風(fēng)險水平為σ。金融投資者愿意承擔(dān)的風(fēng)險水平σ是金融監(jiān)管方監(jiān)管力度水平θ的單調(diào)遞減函數(shù)，即金融投資者愿意承擔(dān)的風(fēng)險水平隨著監(jiān)管部門監(jiān)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(gòu)管理的總資產(chǎn)收益和風(fēng)險水平共同決定。便于進(jìn)行一般性分析，令金融投資者風(fēng)險水平σ的函數(shù)形式及其效用函數(shù)為：

σθ=σ01+θ（1）

U1=εMσθ（2）

金融機構(gòu)的行為設(shè)定。金融機構(gòu)有兩種投資活動，即常規(guī)投資業(yè)務(wù)γ和套利投資業(yè)務(wù)β。假定金融機構(gòu)開展常規(guī)業(yè)務(wù)投資的收益為Rγ，投資風(fēng)險水平為σ2γ；進(jìn)行套利業(yè)務(wù)投資的收益為Rβ，投資風(fēng)險水平為σ2β，則金融機構(gòu)進(jìn)行常規(guī)業(yè)務(wù)投資的利潤為Wγ=M（Rγ－ε），開展套利業(yè)務(wù)投資的利潤為Wβ=M（Rβ－ε）。假定對于金融機構(gòu)而言，套利業(yè)務(wù)投資相較于常規(guī)業(yè)務(wù)投資的風(fēng)險水平更高，但給金融機構(gòu)帶來的收益會更大，即存在Rβ>Rγ，σ2β>σ2γ。由于套利業(yè)務(wù)會影響金融系統(tǒng)穩(wěn)定，催生金融風(fēng)險，所以當(dāng)金融機構(gòu)進(jìn)行套利業(yè)務(wù)被監(jiān)管方發(fā)現(xiàn)時，不僅金融機構(gòu)的收益將被沒收，且監(jiān)管方還會對其收取懲罰金λ。假定金融機構(gòu)進(jìn)行套利業(yè)務(wù)被監(jiān)管方發(fā)現(xiàn)的概率為ρ，金融機構(gòu)進(jìn)行常規(guī)業(yè)務(wù)投資的比率為e。假定金融機構(gòu)為風(fēng)險中性者，其最大化的期望效用函數(shù)可表示為：

MaxU2=eWγ+1－e1－ρWβ－ρλ（3）

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

Cθ=C0+12θ2（4）

金融監(jiān)管者期望維持金融穩(wěn)定的同時實現(xiàn)金融系統(tǒng)整體福利提升。因此，監(jiān)管者的目標(biāo)函數(shù)是金融投資者和金融機構(gòu)的效用之和，并減去監(jiān)管者自身的監(jiān)管租金，其最大化目標(biāo)函數(shù)可表示為：

MaxU3θ=U1+U2－Y（5）

在非對稱信息結(jié)構(gòu)下，金融監(jiān)管方無法獲取金融機構(gòu)投資業(yè)務(wù)組合的精準(zhǔn)信息，因此金融機構(gòu)最大化自身效用時，存在隱蔽投機信息的動機，其進(jìn)行套利業(yè)務(wù)被監(jiān)管者發(fā)現(xiàn)的概率滿足0<ρ<1，該概率是監(jiān)管方監(jiān)管力度水平θ的遞增函數(shù)，即ρ′θ>0。便于進(jìn)行一般性分析，將ρθ函數(shù)形式設(shè)定為ρθ=tθ，其中，t代表監(jiān)管者每單位監(jiān)管力度可發(fā)現(xiàn)金融機構(gòu)進(jìn)行套利業(yè)務(wù)的概率。

由于非對稱信息結(jié)構(gòu)下，金融機構(gòu)的套利投資活動受監(jiān)管部門約束，為求均衡解，先從金融監(jiān)管者的行為進(jìn)行分析。監(jiān)管者的最大化目標(biāo)效用函數(shù)為：

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

式（6）對監(jiān)管者的監(jiān)管力度θ求導(dǎo)可得：

U3θθ=εMσ0－t1－eWβ+λ+θ（7）

故監(jiān)管者目標(biāo)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(gòu)的最大化效用函數(shù)可表示為：

Max?U2=eWγ+1－e1－tθ1Wβ－tθ1λ（10）

式（10）對金融機構(gòu)的常規(guī)業(yè)務(wù)投資比率e求導(dǎo)可得：

U2e=Wγ－1－tθ1Wβ－tθ1λ－θ1e?1－etWβ+λ（11）

結(jié)合式（9）、式（11），金融機構(gòu)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(dá)到帕累托效率時金融機構(gòu)常規(guī)投資業(yè)務(wù)占比和金融監(jiān)管者監(jiān)管力度水平的均衡解。

式（12）對金融機構(gòu)套利業(yè)務(wù)的風(fēng)險溢價Rβ－Rγ求導(dǎo)可得：

e*Rβ－Rγ=－M2t2Wβ+λ2<0（14）

由式（14）可知，當(dāng)金融市場中套利投資業(yè)務(wù)的風(fēng)險溢價越高，金融機構(gòu)進(jìn)行常規(guī)業(yè)務(wù)的占比就越小，表示金融機構(gòu)此時存在更高的套利投資動機。

式（13）對套利業(yè)務(wù)的風(fēng)險溢價Rβ－Rγ求導(dǎo)可得：

θ*（Rβ－Rγ）=12tWβ+λ>0（15）

由式（15）可知，金融市場中套利業(yè)務(wù)的風(fēng)險溢價越大，金融監(jiān)管者需付出的最優(yōu)監(jiān)管力度就越大。

式（12）對金融機構(gòu)套利業(yè)務(wù)被收取的懲罰金λ求導(dǎo)可得：

e*λ=εMσ0tWβ+λ+2（Wβ－Wγ）2t2Wβ+λ3>0（16）

由式（16）可知，監(jiān)管部門對金融機構(gòu)進(jìn)行套利投資業(yè)務(wù)收取的懲罰金越高，金融機構(gòu)投資活動中常規(guī)業(yè)務(wù)的最優(yōu)投資占比就越大。

式（12）金融市場固有的系統(tǒng)風(fēng)險σ0求導(dǎo)可得：

e*σ0=εM2tWβ+λσ20>0（17）

由式（17）可知，金融系統(tǒng)的固有風(fēng)險越大，金融機構(gòu)進(jìn)行常規(guī)業(yè)務(wù)投資的最優(yōu)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(guī)投資高風(fēng)險溢價的存在，致使金融機構(gòu)存在強烈的套利動機，實現(xiàn)收益最大化。

命題2：金融系統(tǒng)的固有風(fēng)險和金融監(jiān)管對套利投資業(yè)務(wù)的懲罰可以約束金融機構(gòu)的套利投資行為，因此金融機構(gòu)在業(yè)務(wù)收益一定時，會優(yōu)先考慮資金的安全性。

（二）中國區(qū)域金融風(fēng)險影響機制的路徑分析

目前，銀行業(yè)在中國金融體系中占主導(dǎo)地位，尤其在地方層面，其對地方金融活動的穩(wěn)定產(chǎn)生直接影響截至2022年12月，中國銀行業(yè)總資產(chǎn)為37939萬億元，占金融機構(gòu)總資產(chǎn)的9041%。在地方層面，以湖北省為例，金融機構(gòu)中銀行業(yè)資產(chǎn)占比為8272%，新增貸款占全省新增社會融資規(guī)模的比例高達(dá)9627%，數(shù)據(jù)來源于Wind。。商業(yè)銀行作為中國經(jīng)濟活動的中樞，是聯(lián)結(jié)國民經(jīng)濟各環(huán)節(jié)、各部門的紐帶，控制和調(diào)節(jié)著資金運行總量和軌跡。此外，商業(yè)銀行通常作為“風(fēng)險守門員”處于“地方政府——商業(yè)銀行”“企業(yè)——商業(yè)銀行”以及“居民——商業(yè)銀行”風(fēng)險鏈條的終端位置，承受多方風(fēng)險轉(zhuǎn)嫁壓力［11］。一旦商業(yè)銀行風(fēng)險過度累積引發(fā)危機，將導(dǎo)致整個區(qū)域金融活動發(fā)生崩潰的可能。因此，本文以商業(yè)銀行的金融活動作為出發(fā)點對中國區(qū)域金融風(fēng)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(yè)銀行信貸業(yè)務(wù)的現(xiàn)實基礎(chǔ)，依據(jù)上述命題1和命題2的結(jié)論剖析可知，商業(yè)銀行存在顯著的信貸配給現(xiàn)象。具體來說，一方面，商業(yè)銀行在考慮借款人違約風(fēng)險的基礎(chǔ)上會盡可能地提高貸款利率，以實現(xiàn)其“收益最大化”的經(jīng)營目標(biāo)。房地產(chǎn)行業(yè)作為資金密集型行業(yè)，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(chǎn)信貸的支持力度，期望賺取風(fēng)險溢價。另一方面，商業(yè)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(yōu)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(fēng)險最小化”的隱性擔(dān)保優(yōu)勢以及預(yù)算軟約束，成為銀行的重點貸款對象，獲得商業(yè)銀行信貸資源傾斜。此外，在預(yù)算軟約束及高收益套利的驅(qū)動下，商業(yè)銀行試圖借助非銀行類金融機構(gòu)擴大自身經(jīng)營投資規(guī)模，寄生于銀行體系的影子銀行應(yīng)運而生［13］。影子銀行依托表外業(yè)務(wù)經(jīng)營突破監(jiān)管紅線，將資金大量投入至地方政府融資平臺、房地產(chǎn)行業(yè)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(jìn)一步加劇了區(qū)域整體的信貸資源錯配。

圖1?中國區(qū)域金融風(fēng)險影響機制的傳導(dǎo)路徑

地方政府因基建、民生等設(shè)施建設(shè)存在投資周期長、資金規(guī)模大的融資需求，尤其在財稅分權(quán)體制后，由于地方稅收不足以支撐地方政府維持超規(guī)模的資金供給，為解決體制內(nèi)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(wù)規(guī)模的持續(xù)擴大，有限的償債能力與無限的融資本息使得債務(wù)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(xiàn)還貸，而房地產(chǎn)作為資本密集型行業(yè)，房價的迅速攀升致使房地產(chǎn)資金需求規(guī)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(jìn)行融資，形成信貸膨脹循環(huán)［15］。此外，在許多國企、房地產(chǎn)等實力雄厚的大型企業(yè)獲得超額融資的同時，銀行的信貸歧視使得中小企業(yè)被排斥在融資體系之外從而形成融資困境，出現(xiàn)信貸結(jié)構(gòu)失衡［16］。當(dāng)市場經(jīng)濟環(huán)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(tǒng)的潛在風(fēng)險爆發(fā)，一旦整體經(jīng)濟處于高杠桿行情，且伴隨外部金融環(huán)境不斷收縮，由于資源錯配、信貸約束、結(jié)構(gòu)失衡等問題存在使得金融風(fēng)險在銀行內(nèi)部不斷積聚。最終，在個體金融風(fēng)險的不斷催化下，致使群體性風(fēng)險爆發(fā)，從而引發(fā)區(qū)域性金融風(fēng)險。

三、我國區(qū)域金融風(fēng)險指數(shù)的測算

（一）指數(shù)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(chǔ)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(qū)域金融風(fēng)險［17-18］。該方法從多個金融數(shù)據(jù)中提取與金融風(fēng)險相關(guān)的共同因子，作為區(qū)域金融風(fēng)險的代理指標(biāo)，彌補了單一指標(biāo)的缺陷，同時，該模型通過納入宏觀經(jīng)濟控制變量，過濾宏觀經(jīng)濟系統(tǒng)波動對金融變量的干擾和反饋效應(yīng)，增加區(qū)域金融風(fēng)險測算結(jié)果的可靠性。此外，該模型方法考慮數(shù)據(jù)的時變特征，從而充分體現(xiàn)了模型內(nèi)相關(guān)指標(biāo)在風(fēng)險測度中的動態(tài)變化和階段性差異，提高本文區(qū)域金融風(fēng)險測算結(jié)果的有效性。

定義本文區(qū)域金融風(fēng)險測度指標(biāo)池中選取的多維金融指標(biāo)及宏觀經(jīng)濟控制指標(biāo)為平穩(wěn)序列數(shù)據(jù)集Yit=Y1t，…，YNt，其中N為所選的指標(biāo)個數(shù)。數(shù)據(jù)集可表示為如下因子結(jié)構(gòu)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(jié)構(gòu)模型中，誤差向量允許存在有限的截面自相關(guān)，故提取的共同因子數(shù)Nr可小于變量序列數(shù)N。

令rjt表示模型估計出的單個風(fēng)險序列，其h1期的測算值由如下因子增廣預(yù)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(yù)測因子。由于rjt+1、Hkt+1和Glt+1的向前一步預(yù)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(qū)域金融風(fēng)險序列rjt是具有時變特征的。

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

Riskrjth=Erjt+h－Erjt+hAt）/At2（20）

利用擴散指數(shù)預(yù)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(yù)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(qū)域金融風(fēng)險指數(shù)Riskrjt在每個時點上進(jìn)行權(quán)重加總，利用式（21）得到本文所需測度的總的區(qū)域金融風(fēng)險指數(shù)Riskrt。

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

其中βj為權(quán)重，直接的加權(quán)形式是為每個風(fēng)險序列賦予相同的權(quán)重，即βj=1/Nr，若單個風(fēng)險序列存在結(jié)構(gòu)性特征，則權(quán)重可通過其協(xié)方差矩陣的最大特征根決定。

（二）指標(biāo)選取

表1為區(qū)域金融風(fēng)險測度的相關(guān)指標(biāo)選擇。正向指標(biāo)表示數(shù)值越大，風(fēng)險越大；負(fù)向指標(biāo)表示數(shù)值越大，風(fēng)險越小；適度指標(biāo)表示數(shù)值應(yīng)維持在一定水平，過高或過低都代表風(fēng)險積累過度。表中區(qū)域金融風(fēng)險的相關(guān)指標(biāo)涉及我國31個?。ú话ǜ郯呐_）的季度數(shù)據(jù)指標(biāo)體系中省級商業(yè)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(shù)據(jù)，筆者通過運用EViews軟件中的二次插值法對其進(jìn)行頻率轉(zhuǎn)換，將年度數(shù)據(jù)轉(zhuǎn)換為季度數(shù)據(jù)。，相關(guān)數(shù)據(jù)來源于CEIC數(shù)據(jù)庫和Wind數(shù)據(jù)庫，時間跨度為2005—2019年該樣本區(qū)間的選擇是基于目前數(shù)據(jù)的可獲得性，相關(guān)數(shù)據(jù)庫中省級區(qū)域內(nèi)商業(yè)銀行的不良貸款率只能獲取到2019年。。

（三）中國區(qū)域金融風(fēng)險典型化事實分析

關(guān)于區(qū)域金融風(fēng)險區(qū)域范圍的選擇，應(yīng)以區(qū)域的空間位置、行政管轄及經(jīng)濟發(fā)展特性的相似度為準(zhǔn)則進(jìn)行劃分［19］。因此，本文測算出中國31個省（不包括港澳臺）的省級區(qū)域金融風(fēng)險指數(shù)后，基于經(jīng)濟發(fā)展現(xiàn)狀六大行政區(qū)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(xiàn)華東>華北>中南>西南>東北>西北，數(shù)據(jù)來源于CEIC數(shù)據(jù)庫。將中國六大行政區(qū)劃分為發(fā)達(dá)地區(qū)（華北和華東）、次發(fā)達(dá)地區(qū)（中南和西南）以及欠發(fā)達(dá)地區(qū)（西北和東北），通過等權(quán)重加總得到三大地區(qū)的區(qū)域金融風(fēng)險指數(shù)。圖2為三大地區(qū)2006—2019年區(qū)域金融風(fēng)險指數(shù)的演變趨勢由于采用Jurado?et?al（2015）的模型方法進(jìn)行指數(shù)測度時存在向前預(yù)測值，而本文風(fēng)險測度時的最優(yōu)滯后期為4，因此本文最終測算出的區(qū)域金融風(fēng)險指數(shù)損失了2005年4個季度的數(shù)據(jù)，指數(shù)呈現(xiàn)的是2006—2019年的趨勢結(jié)果。

從整體趨勢來看，三大地區(qū)的區(qū)域金融風(fēng)險水平呈現(xiàn)相似的路徑走向，即“上升—下降—上升—下降”的變化趨勢，其中，區(qū)域金融風(fēng)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(fā)全球金融危機，金融風(fēng)險在全球范圍擴散，三大地區(qū)出現(xiàn)顯著的風(fēng)險累積。為應(yīng)對全球性金融風(fēng)險的沖擊，中國2008年11月出臺了4萬億元的經(jīng)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(fēng)險仍未從根本上得到紓解，只是推遲了金融風(fēng)險暴露的進(jìn)程。2015年之后，刺激政策的弊端凸顯，導(dǎo)致2015—2016年“股災(zāi)”“人民幣貶值”“房價快速上漲”以及“影子銀行”過度膨脹等風(fēng)險事件和金融亂象頻發(fā)，三大地區(qū)區(qū)域金融風(fēng)險再次出現(xiàn)積聚，其中，欠發(fā)達(dá)地區(qū)區(qū)域金融風(fēng)險積聚尤為顯著。隨著2017年中國“去杠桿、嚴(yán)監(jiān)管”的強監(jiān)管政策落地實施后，各地區(qū)的區(qū)域金融風(fēng)險出現(xiàn)下降。

圖2?三大地區(qū)區(qū)域金融風(fēng)險指數(shù)演變趨勢

四、區(qū)域金融風(fēng)險形成機制的異質(zhì)性分析

（一）模型構(gòu)建

本文采用TVP-SV-VAR模型實證探究在經(jīng)濟發(fā)達(dá)地區(qū)（華北和華東）、次發(fā)達(dá)地區(qū)（中南和西南）以及欠發(fā)達(dá)地區(qū)（西北和東北）之間區(qū)域金融風(fēng)險形成機制的異質(zhì)性。該模型是對VAR模型進(jìn)行時變參數(shù)處理而提出的，其假定參數(shù)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(jīng)濟結(jié)構(gòu)的突變和漸變特征。含有隨機波動率的時變參數(shù)結(jié)構(gòu)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(shù)矩陣，Ωt為k×k時變協(xié)方差矩陣。模型可通過分解Ωt=D－1tΣt2D′t－1來假設(shè)遞歸識別，Σt=diagσ1t，…，σkt。定義gt為模型時變系數(shù)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(shù)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(xié)方差矩陣，均為對角陣，時變參數(shù)都服從正態(tài)分布，即gt+1～Nμg0，Σg0，dt+1～Nμd0，Σd0，τt+1～Nμτ0，Στ0。為了規(guī)避最小二乘法或最大似然法估計TVP-SV-VAR模型容易引發(fā)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(shù)進(jìn)行估計，為保證抽取的樣本能較好地接近參數(shù)分布的隨機樣本，選取10000次的迭代次數(shù)，預(yù)燒值設(shè)置為1000。模型估計需要設(shè)定超參數(shù)，本文參照Nakajima（2011）的做法，對時變參數(shù)擾動項的分布設(shè)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(qū)的區(qū)域金融風(fēng)險指數(shù)（Risk）、地方政府的舉債風(fēng)險（LGD）、房地產(chǎn)行業(yè)的信貸風(fēng)險（REC）。由于地方政府債務(wù)與政府財政收支缺口相關(guān)，財政缺口率可以間接反映地方政府的信用風(fēng)險［9］。因此本文以財政缺口率衡量地方政府的舉債風(fēng)險，而各地區(qū)房地產(chǎn)泡沫的信貸風(fēng)險由房地產(chǎn)貸款增速來衡量。令發(fā)達(dá)地區(qū)、次發(fā)達(dá)地區(qū)以及欠發(fā)達(dá)地區(qū)的區(qū)域金融風(fēng)險分別為RISK-1、RISK-2、RISK-3，發(fā)達(dá)地區(qū)、次發(fā)達(dá)地區(qū)以及欠發(fā)達(dá)地區(qū)地方政府的舉債風(fēng)險分別為LGD-1、LGD-2以及LGD-3，發(fā)達(dá)地區(qū)、次發(fā)達(dá)地區(qū)以及欠發(fā)達(dá)地區(qū)房地產(chǎn)行業(yè)的信貸風(fēng)險分別為REC-1、REC-2以及REC-3。本文數(shù)據(jù)來源于CEIC數(shù)據(jù)庫、Wind數(shù)據(jù)庫。

（三）變量平穩(wěn)性檢驗

表2是三大地區(qū)中模型變量的單位根檢驗結(jié)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(wěn)性檢驗三種方法，所有變量在1%的顯著性水平下都非平穩(wěn)。對變量進(jìn)行一階差分后，三大地區(qū)的所有變量在1%的顯著性水平下都是平穩(wěn)的。因此，本文對三組時間序列數(shù)據(jù)進(jìn)行一階差分處理后放入TVP-SV-VAR模型。

（四）模型估計結(jié)果

表3為模型的參數(shù)估計結(jié)果，從表3中可看出，發(fā)達(dá)地區(qū)、次發(fā)達(dá)地區(qū)以及欠發(fā)達(dá)地區(qū)模型估計參數(shù)的后驗均值均落在95%的置信區(qū)間內(nèi)，且收斂診斷值均不大于196，說明三個模型的估計參數(shù)在5%的顯著性水平下都是接受收斂性原假設(shè)的。同時，三個模型估計參數(shù)中無效因子的取值都較小，說明模型的參數(shù)估計結(jié)果是穩(wěn)定、有效的，可以進(jìn)行后續(xù)的脈沖響應(yīng)分析。

（五）實證結(jié)果與分析

圖3-圖5分別呈現(xiàn)的是發(fā)達(dá)地區(qū)、次發(fā)達(dá)地區(qū)、欠發(fā)達(dá)地區(qū)的等間隔脈沖響應(yīng)函數(shù)圖?？紤]到風(fēng)險形成及傳導(dǎo)的持續(xù)時效，本文將等間隔脈沖響應(yīng)函數(shù)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(qū)域金融風(fēng)險形成的短期、中期和長期動態(tài)路徑。

在經(jīng)濟發(fā)達(dá)地區(qū)，地方政府過度舉債一個單位的正向沖擊對區(qū)域金融風(fēng)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(fēng)險在長期逐漸趨向于零。說明發(fā)達(dá)地區(qū)地方政府的舉債風(fēng)險對本地區(qū)區(qū)域金融風(fēng)險積累僅存在短暫沖擊，長期來看不會對區(qū)域金融風(fēng)險有顯著的促進(jìn)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(fā)達(dá)經(jīng)濟圈的區(qū)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(fēng)險。發(fā)達(dá)地區(qū)區(qū)域金融風(fēng)險對房地產(chǎn)泡沫一個單位的正沖擊的響應(yīng)路徑在短期和中期呈現(xiàn)正負(fù)交替的波動走向，而長期的響應(yīng)值顯著為正。說明發(fā)達(dá)地區(qū)房地產(chǎn)行業(yè)的價格波動會促使區(qū)域金融風(fēng)險累積，房地產(chǎn)泡沫會對該地區(qū)區(qū)域金融風(fēng)險爆發(fā)產(chǎn)生顯著的推動作用，且具有較長時間的持續(xù)性。在經(jīng)濟次發(fā)達(dá)地區(qū)，地方政府過度舉債一個單位的正向沖擊對區(qū)域金融風(fēng)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(fā)達(dá)地區(qū)，地方政府過度舉債行為會造成區(qū)域金融風(fēng)險累積，但地方政府的舉債風(fēng)險對區(qū)域金融風(fēng)險的推動作用存在時滯性。次發(fā)達(dá)地區(qū)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(guī)避政治風(fēng)險會競相效仿從而主動舉債，使得該地區(qū)出現(xiàn)嚴(yán)重的信貸資源錯配問題，加重區(qū)域金融風(fēng)險的聚集。次發(fā)達(dá)地區(qū)區(qū)域金融風(fēng)險對房地產(chǎn)泡沫一個單位正向沖擊的響應(yīng)路徑在短期呈現(xiàn)正負(fù)交替的波動趨勢，而從中長期來看響應(yīng)值趨向于零。說明次發(fā)達(dá)地區(qū)房地產(chǎn)泡沫不會造成區(qū)域金融風(fēng)險長期累積。在經(jīng)濟欠發(fā)達(dá)地區(qū)，地方政府過度舉債一個單位的正向沖擊對區(qū)域金融風(fēng)險的影響在短期呈現(xiàn)負(fù)值向正值變化路徑，而中期和長期顯著為正。表明在經(jīng)濟落后的西北和東北地區(qū)，地方政府過度舉債會促使區(qū)域金融風(fēng)險的形成，但其對風(fēng)險形成的推動作用具有時滯性，這可能是因為在欠發(fā)達(dá)地區(qū)金融市場不成熟，監(jiān)管較弱以及市場化程度較低導(dǎo)致其風(fēng)險敏感度較差。欠發(fā)達(dá)地區(qū)區(qū)域金融風(fēng)險對房地產(chǎn)泡沫一個單位正向沖擊的響應(yīng)路徑在中期和短期呈現(xiàn)出正負(fù)交替的趨勢，而長期響應(yīng)值為正，且該正向響應(yīng)值相對于發(fā)達(dá)地區(qū)較小。這表明在經(jīng)濟落后的西北和東北地區(qū)，房地產(chǎn)行業(yè)的信貸風(fēng)險會形成區(qū)域金融風(fēng)險累積，但由于該地區(qū)房地產(chǎn)行業(yè)規(guī)模相對較小，相對于發(fā)達(dá)地區(qū)而言其對區(qū)域金融風(fēng)險形成的影響較弱。

為研究不同時期地方債擴張和房地產(chǎn)泡沫對區(qū)域金融風(fēng)險的影響，本文接著進(jìn)行不同時點的脈沖響應(yīng)分析。具體地，首先確定時點脈沖響應(yīng)函數(shù)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(fā)時期?Ivashina?and?Scharfstein（2010）將2008年8月定義為危機的起點，因為當(dāng)時金融機構(gòu)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(zāi)、樓市迅速膨脹等地方金融亂象頻發(fā)的2015年，第三個時點選取在政府強調(diào)“去杠桿、強監(jiān)管”的2017年2017年3月，以原銀保監(jiān)會“三三四十”檢查為代表的第一波“去杠桿、嚴(yán)監(jiān)管”的政策正式落地實施。。

圖6呈現(xiàn)的是發(fā)達(dá)地區(qū)、次發(fā)達(dá)地區(qū)以及欠發(fā)達(dá)地區(qū)地方政府過度舉債行為在三個不同時點對區(qū)域金融風(fēng)險形成的動態(tài)影響路徑，從圖6中可看出，三大地區(qū)中區(qū)域金融風(fēng)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(yīng)路徑是基本相同的，且每個地區(qū)的動態(tài)響應(yīng)路徑與上文的結(jié)論相似，即地方政府舉債主要在次發(fā)達(dá)地區(qū)和欠發(fā)達(dá)地區(qū)對區(qū)域金融風(fēng)險產(chǎn)生正向影響。圖7呈現(xiàn)的是發(fā)達(dá)地區(qū)、次發(fā)達(dá)地區(qū)以及欠發(fā)達(dá)房地產(chǎn)泡沫在三個不同時點對區(qū)域金融風(fēng)險形成的動態(tài)影響路徑，從圖7中可看出，次發(fā)達(dá)地區(qū)三個階段房地產(chǎn)泡沫對區(qū)域金融風(fēng)險的影響出現(xiàn)正負(fù)交替的路徑走勢，影響不存在顯著的持續(xù)性。發(fā)達(dá)地區(qū)和欠發(fā)達(dá)地區(qū)在全球金融危機期間房地產(chǎn)泡沫對區(qū)域金融風(fēng)險的影響都較大，這可能是因為危機期間金融系統(tǒng)脆弱性更嚴(yán)重，市場悲觀情緒蔓延，使得房地產(chǎn)泡沫更易破裂而產(chǎn)生一系列的風(fēng)險連鎖反應(yīng)從而引發(fā)區(qū)域金融風(fēng)險。此外，從圖7中還可以看出，2015—2016年房地產(chǎn)泡沫對區(qū)域金融風(fēng)險的影響仍較大，這是因為2015年金融戰(zhàn)引發(fā)的股災(zāi)迫使中央引導(dǎo)資金流向樓市，提倡房地產(chǎn)去庫存，房價的快速上漲導(dǎo)致房地產(chǎn)行業(yè)信貸膨脹，引發(fā)區(qū)域金融風(fēng)險累積，特別是發(fā)達(dá)地區(qū)。但在2017“去杠桿、嚴(yán)監(jiān)管”的政策落地實施后，發(fā)達(dá)地區(qū)房地產(chǎn)泡沫對區(qū)域金融風(fēng)險形成的影響顯著減弱，而欠發(fā)達(dá)地區(qū)沒有顯著變化，說明欠發(fā)達(dá)地區(qū)“去杠桿”的監(jiān)管有效性不足，金融監(jiān)管體系相較于發(fā)達(dá)地區(qū)較落后。

五、結(jié)論與政策建議

本文基于信息經(jīng)濟學(xué)中委托代理行為的理論基礎(chǔ)，構(gòu)建非對稱信息視角下中國區(qū)域金融風(fēng)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(qū)域金融風(fēng)險指數(shù)，進(jìn)一步采用TVP-SV-VAR模型實證探究我國發(fā)達(dá)地區(qū)、次發(fā)達(dá)地區(qū)以及欠發(fā)達(dá)地區(qū)區(qū)域內(nèi)金融風(fēng)險影響機制的異質(zhì)性。研究結(jié)論如下：（1）非對稱信息結(jié)構(gòu)下金融系統(tǒng)委托代理行為會致使商業(yè)銀行存在信貸配給現(xiàn)象。（2）商業(yè)銀行的信貸配給現(xiàn)象促進(jìn)了地方政府過度舉債和房地產(chǎn)泡沫累積，而地方政府的債務(wù)風(fēng)險和房地產(chǎn)的信貸風(fēng)險傳導(dǎo)至商業(yè)銀行形成大量不良貸款積聚，將引發(fā)區(qū)域金融風(fēng)險。（3）發(fā)達(dá)地區(qū)中房地產(chǎn)泡沫是區(qū)域金融風(fēng)險形成的主導(dǎo)因素；次發(fā)達(dá)地區(qū)中地方政府過度舉債是區(qū)域金融風(fēng)險形成的主要因素；欠發(fā)達(dá)地區(qū)中地方政府過度舉債和房地產(chǎn)泡沫疊加是區(qū)域金融風(fēng)險形成的沖擊來源。

根據(jù)上述研究結(jié)論，本文提出如下政策建議。一是深化協(xié)同監(jiān)管體制建設(shè)。構(gòu)建地方部門間信息共享的協(xié)同監(jiān)管平臺，利用“互聯(lián)網(wǎng)+監(jiān)管”的數(shù)字技術(shù)手段，提升融資環(huán)境的信息對稱化程度。同時，強化地方金融監(jiān)督管理局的風(fēng)險防范職能，對區(qū)域金融風(fēng)險的防控實行差異化監(jiān)管，形成“屬性+對策”的金融監(jiān)管思路［21］。二是嚴(yán)控地方政府新增隱形債務(wù)，夯實地方償債基礎(chǔ)。結(jié)合各地區(qū)資源稟賦、發(fā)展需求、財政能力等要素，聯(lián)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(dǎo)。同時，推進(jìn)地方稅體系建設(shè)，探索構(gòu)建融資平臺資產(chǎn)證券化的市場盤活模式，夯實地方政府的財力和自我創(chuàng)造力。三是加強房地產(chǎn)信貸資金管控，推進(jìn)房地產(chǎn)行業(yè)融資渠道多元化。嚴(yán)控商業(yè)銀行信貸資金流向，發(fā)揮中央信貸政策的導(dǎo)向作用，引導(dǎo)區(qū)域內(nèi)信貸資源在房地產(chǎn)行業(yè)和其他中小企業(yè)之間進(jìn)行合理配置。同時推進(jìn)房屋信貸證券化，培植房產(chǎn)證券二級市場，形成房地產(chǎn)融資渠道多元化局面。四是構(gòu)建商業(yè)銀行的風(fēng)險治理機制。商業(yè)銀行內(nèi)部建立風(fēng)險預(yù)警機制以及風(fēng)險補償機制，做到風(fēng)險事件的事前預(yù)防及事后分散，防范金融風(fēng)險在銀行內(nèi)部出現(xiàn)過度累積，并構(gòu)建銀行風(fēng)險治理的區(qū)域協(xié)作機制，通過商業(yè)銀行間區(qū)域信息的溝通和共享，提高區(qū)域金融風(fēng)險的處置能力。

參考文獻(xiàn)：

［1］?李蘭冰，劉秉鐮.?“十四五”時期中國區(qū)域經(jīng)濟發(fā)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(fēng)險的區(qū)域差異及分布動態(tài)演進(jìn)［J］．改革，2019（10）：85-97.

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

［4］?巴曙松，劉孝紅，牛播坤.?轉(zhuǎn)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(qū)域性金融風(fēng)險與區(qū)域經(jīng)濟增長的相關(guān)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(zé)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(fēng)險防控研究［J］．中央財經(jīng)大學(xué)學(xué)報，2020（11）：3-12.

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

［9］?劉民權(quán)，孫波.?商業(yè)地價形成機制、房地產(chǎn)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(wù)風(fēng)險：理論分析與經(jīng)驗事實［J］．管理世界，2021，37（10）：128-138.

［11］?宋凌峰，葉永剛.中國區(qū)域金融風(fēng)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(jiān)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(wù)影響經(jīng)濟波動嗎［J］．中國工業(yè)經(jīng)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(xiàn)綜述：基于中國制度背景的分析［J］．中央財經(jīng)大學(xué)學(xué)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(fēng)險問題研究——基于內(nèi)外部協(xié)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(zé)任編輯：周正）