摘要：为构建更简单的金融安全监测指标体系，抓住具有预警性的关键指标，通过重新审视金融危机案例事实认为金融体系为实体经济各行业间融资不协调是金融危机发生的重要原因，并结合国际行业分类标准提出基于金融安全监测视角的行业分类。基于此，从融资与产出角度分别建立金融体系和实体经济指标体系，并通过功效系数法将协调度指标转化为金融安全指数。实证结果表明本文建立的金融安全指数基本能反映目前我国经济存在的问题，并能提前反映未来两年的金融安全状态，使监管部门能提前监测到潜在的金融风险。
关键词：融资结构；协调度；金融安全；预警性评价
文献标识码：A 文章编号：1002―2848―2017（02）―0053―09
一、引言
每次金融危机总是伴随着平均2―3年的经济低迷期，并造成平均5-10个百分点的GDP损失，为能更有效的应对金融危机以及减少危机之后的损失，对金融安全状态的监测就显得尤橹匾。众多学者研究表明信贷扩张是金融危机发生的重要原因，换言之金融体系为实体经济提供过度资金支持使得潜在的金融风险上升。而目前从信贷扩张角度建立指标体系判断一国金融运行状态主要从总量层面展开，如国内信贷总额/GDP指标等，鲜有从结构层面出发。
已有关于融资结构相关文献，多从微观层面和宏观层面出发分别研究企业融资结构和一个国家或地区的融资结构。融资结构即资金来源结构，并从不同的角度对融资结构作出划分：按资金属性不同可划分为权益资本融资和债权融资；按资金来源不同可分为外源融资和内源融资；按金融组织的性质还可分为非正规融资和正规金融机构融资。而本文所研究的融资结构是从易引起金融危机发生的重点行业视角出发，从金融体系和实体经济相对应的角度看，反过来即反映金融体系对实体经济各行业间资金支持的协调关系。基于现有研究分析，过度信贷行业集中势必导致系统性风险的上升，此外1618年以来所发生的历次金融危机表明投机领域仅体现在某些行业，因此有必要从分行业融资视角出发建立指标体系对金融安全状态进行监测。
由于宏观经济数据公布时间以及货币政策的滞后性使得金融安全预警性评价比现实评价更重要。相较于现实评价只评价当前的金融安全状态而言，预警性评价主要是能预测金融系统未来可能会受到的冲击，需对未来的金融安全状态做出一个判别。预警性评价只能基于经济体系内在联系或国别历史经验相结合，本文主要从后者出发。与已有文献不同，本文不关注与金融安全相关的全面指标，只关注其中某一方面，旨在抓住和量化具有预警性的关键指标，即首先通过金融危机案例事实重新思考金融危机发生的根源，并认为各行业间融资的不协调使得金融系统更易受到冲击。其次结合统计行业分类标准与危机事实提出基于金融安全监测视角的行业分类。然后从行业融资结构协调角度出发建立具有预警性作用的金融安全监测指标体系。最后对我国金融安全状态进行评价，并用灰色关联度分析表明从金融体系与实体经济连接渠道（资金）出发所建立的金融安全指数能提前反应未来一至两年的金融安全状态。
二、融资结构不协调与金融安全：典型事实
审视历史，每一轮金融危机都伴随着信贷泡沫。20世纪70年代初至今已出现四轮全球金融危机，第一轮和第二轮金融危机分别出现于20世纪80年代初和90年代初，分别有墨西哥等十余个发展中国家和日本等累积了巨大信贷泡沫。第三轮金融危机中，泰国及其周边东南亚新兴经济体成为信贷泡沫累积重灾区；始于2007年的第四轮金融危机信贷泡沫集中在美国、英国等国的房地产。信贷扩张是历次信贷泡沫事件发生的重要原因，如20世纪90年代早期发生的北欧三国金融危机中，挪威的贷款规模在1985年和1986年增长了40%，银行贷款对名义GDP的比率从1984年的40%上升到1988年的68%，资产价格飙升，原油价格的暴跌触发了经济泡沫的破裂，造成第二次世界大战以来最为严重的银行危机和经济衰退，1994年墨西哥金融危机中，墨西哥对私营非金融企业的银行信贷额从20世纪80年代后期占GDP10%左右的比重上涨到1994年占GDP40%的比重，1994年泡沫破灭后出现了严重的经济衰退。因此，大致看来，扩张的货币政策导致的信贷供给过度增加而引起的价格泡沫是金融危机发生的重要原因，这也是设置传统金融危机预警指标私人信贷总额/GDP和国内信贷总额/GDP等的主要原因，然而这两个指标预警效果却差强人意。
通过细探历次金融危机究其原因发现，虽然信贷供给过度增加引起价格泡沫，但由于资金过度集中在某一个行业（如房地产或证券市场），并未造成价格的普遍上涨，而是某个行业的快速发展，导致行业间发展不协调以及收入差距扩大，进一步引起行业产能过剩或资产价格泡沫。当资金过度地从实际经济部门转移到投机性泡沫中时，必然会造成生产性投资匮乏，实质经济增长乏力，结果就会导致投资者逐渐失去市场信心最终引发泡沫爆裂。艾伦认为1945-1971年这段时间除了1962年巴西发生的银行危机外，世界任何其他地方都未发生过银行危机，这是由于通过国有化，银行被严格管制，政府控制着资金在各产业之间的配置使得这期间段银行危机消失的无影无踪。因此，有理由认为资金在各行业间配置不合理使得某个行业快速发展形成产能过剩或价格泡沫，而其他行业未能跟上同样的脚步，这就使得收入差距扩大所造成的行业间的不协调以及收入与价格的不匹配是金融安全受到威胁的重要原因。
如1929年美国大萧条前，美国商业银行信贷大幅增长使得工业生产增长强劲，但农产品价格却不断下降。1994年墨西哥金融危机前，外资大量涌人，但墨西哥没有利用适当的产业政策将资金运用到关键部门，没有对基础工业进行充分投资，而使得资金大量流入消费领域和证券市场，使得墨西哥股票指数不断上涨，但投资和固定资本形成占GDP的比例仍基本保持不变，墨西哥金融危机发生的内在原因是经济结构失衡，具体体现为第三产业（主要是商业、服务业和金融业）发展太快，而第二产业和第一产业则分别处于低增长和负增长状态。再如以泰国为发端的亚洲金融危机发生的重要原因之一为信贷资金投向不合理导致的经济结构失调，泰国把大量资金集中于房地产和证券市场造成房地产严重过剩，韩国把大量资金投入低效益的大企业，其他国家也存在同样的问题。巴西金融危机一个重要的根源即“雷亚尔计划”，此计划核心为稳定货币而采取的高利率政策使得企业贷款减少，原本在工农业生产中循环的资本都纷纷流向国债和银行，严重抑制了生产发展使得实体经济衰竭。 我国《国民经济行业分类》（GB/T 4754-2011）与ISIC Rev.4有少许差异，其将行业分为20个门类，其中有11个门类可与ISIC Rev.4直接对照，由于基于金融安全监测视角的行业分类仅针对门类，对大类、中类和小类不做具体比较与分析。前文所分的七大部门在我国依然适用，分别为采矿业、制造业、建筑业、金融业、房地产业、政府部门和其他行业。基于我国钢铁等传统行业产能过剩背景以及制造业门类过大的事实，需将制造业细拆分为传统制造业和高技术制造业两类，其中高技术制造业包括医药制造、航空、航天器及设备制造、电子及通信设备制造、计算机及办公设备制造、医疗仪器设备及仪器仪表制造、信息化学品制造等6大类。高技术制造业需投入较多资金进行研发，若较多的资金倾斜与这些行业并不会对金融体系造成巨大威胁，而事实情况往往是由于其实现收益速度慢而使得这些行业资金缺乏，为避免这些行业与传统制造业产生资金流入的抵消效应，因此制造业行业中仅关注传统制造业。
四、指标体系建立与数据来源
金融既是整个国民经济的重要组成部分，也服务于实体经济。从前文分析可知，金融体系与实体经济之间的不匹配是金融体系受到冲击的重要原因，主要体现为资金在各行业间的配置不合理，即将资金过度的集中在某个行业，使得热点行业中企业过度进入以及生产能力严重过剩，在此情况下金融体系的资金投入在经济景气回落后极易形成不良贷款使得金融不稳定性增强。过度的资金行业集中以及金融机构间的羊群效应一方面阻碍了国家产业结构调整的步伐，另一方面放大了金融体系潜在的系统性风险，诱发我国整体金融市场的不稳定性，因此有必要基于各细分行业从金融体系获得的资金角度出发建立指标体系。资金作为重要生产投入要素，能提前反映未来各行业经济状态，使得所建立的指标体系具有预警性作用。
从金融体系出发，其为实体经济提供融资服务，融资快速增长反映了融资标准的下降，使得风险较高的企业更易从金融体系得到资金，导致潜在的风险增加。由于我国只公布了社会融资规模总量，而未细分到各行业，因此需采用替代指标反映金融体系对各行业的融资情况。各行业中的企业融资来源主要分为内源性融资和外源性融资，而内源性融资是企业用自身留存收益进行融资，因此本文只考]外源性融资部分，外源性融资包含债权融资和股权融资两大类。根据Fisher提出的债务通缩理论，过度投资或过度投机时的资金若不是借贷资金（债权融资）则不会产生严重的影响，且我国目前各行业资金来源主要为债权融资，因此本文仅从各行业债权融资角度建立指标体系。已有文献分析企业债权融资时多采用“总负债”指标衡量，因此本文采用各行业企业负债合计作为各行业债权融资替代指标，但由于房地产业和政府部门负债数据无法获得或样本时间不够长，只能采用信贷或贷款数据替代，数据来源于中国人民银行、中国统计年鉴和中国工业统计年鉴。
从实体经济角度出发，经济增长通过影响借方是否有能力偿还债务进而影响金融体系稳定性，因此选择各行业增加值反映其偿还能力，也反映了各行业对整个国民经济的贡献，但由于工业细分行业增加值只公布至2007年，以及采矿业增加值无法获取2014年数据，也为与金融体系指标相对应，采矿业和传统制造业实体经济指标用反映企业融入资金经营效率指标主营业务收入替代。从支出法角度计算国内生产总值，政府消费为国内生产总值中的一部分，因此选择政府消费作为政府部门实体经济指标，数据来源于中国统计年鉴。最终，基于行业融资结构和数据可得性角度建立的指标体系见表1，且所有指标时间段为2000年至2014年。
衡量两变量间协调关系的指标很多，但都大同小异，为使指标计算更简捷，本文对张晓东和朱德海依据灰色系统理论提出的度量经济与环境的协调度公式②进行少许修改（式1）以度量实体经济与金融体系的协调度（R）。其中，x和y分别为实体经济和金融体系各指标的增长速度，当两者增长率同方向变化时，且两者相等时，协调度指标取得最小值，即R=0，说明实体经济从金融体系获得与之匹配的资金支持，两者共同协调发展。当两者增长率反方向变动时，金融体系与实体经济的协调程度要差于同方向变化时。R越接近0，说明两者协调程序越好，反之越差。本文运用公式（（yt-y（t-1））/y（t-1）计算以上一期为基期的增加值或债权融资规模增长速度，其中yt、y（t-1）分别为第￡期、t-1期的增加值或债权融资规模，以此计算各行业协调度。由于本文问题的特殊性即监测金融安全状态，仅直接运用此指标并不能满足要求，需对其进行相应的转化。当行业债权融资增长速度小于行业增加值速度时，此时的金融体系与实体经济不协调表现为金融体系对实体经济支持不足，但该行业有足够能力对其债务进行偿还，并不会对金融体系产生威胁，此时将R转化为0，说明金融体系较安全，反之，则R为式（1）计算值，因此R越大，金融体系越不安全，R越接近于0，金融体系越安全。
五、我国金融安全状态评估
（一）增长速度与协调度分析
本文将各行业负债（信贷或银行贷款）作为各行业债权融资的替代变量，具体指标参考表1，整体看，各行业债权融资增长速度（图2）基本为正，说明债权融资大致保持上升趋势，但行业间具有明显差异，其中政府信贷和房地产业波动较大，政府信贷在2001年和2007年增长80%左右，房地产业在2003年和2009年增长40%以上，分别达到2个顶点。从2001年至2014年年均增长速度看，房地产业高于其他行业，而传统制造业最低，且2007年和2009年各行业（除政府信贷）债权融资增长速度均高于年均增长速度。从图2中也可明显看出，债权融资增长速度最快的行业随着时间变化而变化，体现了行业间的互动效应，并不是某一个行业一直保持快速增长。
从各行业指标增长速度看，采矿业、传统制造业和建筑业实体经济增长速度和债权融资增长速度基本保持相同的趋势，但房地产业和政府部门两者趋势具有明显差异，并且在2008年前几年，除了房地产业和政府部门，其余行业债权融资的增长速度都未跟上实体经济的增长速度。值得一提的是，就2012年至2014年看，各行业债权融资和实体经济增长速度都呈现下降趋势，反映了我国目前的经济下行状态，其中采矿业、建筑业和房地产业债权融资增长速度快于实体经济增长速度，而传统制造业则恰恰相反。 根据式（1）计算的各行业实体经济与金融体系协调度可知（图3），各行业协调度随着时间变化而变化并轮换为协调度最大值，体现了金融体系对各行业资金支持的倾斜度在不断调整。从2001年至2014年协调度均值看，政府部门协调度值大于其他行业，而建筑业均值最小，说明相较于其他行业而言，政府信贷与政府消费极不协调。就各行业协调度方差而言，政府部门和采矿业波动较大，其中政府部门实体经济与金融体系在2003年、2005年和2013年极其不协调，采矿业在2009年和2014年协调度值达到两高点。由于当某行业债权融资增长速度低于增加值增长速度时，该行业发生的违约率很低，不会对金融体系造成威胁，因此为使协调度指标反映金融安全状态，仅保留增加值增长速度慢与债权融资增长速度的协调度值，其余均用0代替，即协调度值越大，金融体系越不安全。经转化后的协调度指标表明（图4），2001年至2005年，行业协调度最大值呈下降趋势，即金融体系稳定性逐渐加强，而现阶段（2011年至2014年）由于采矿业债权融资与增加值极其不协调导致金融体系越易受到威胁，反映了我国现阶段煤炭等行业产能严重过剩的现实状况。
（二）金融安全指数建立
本文认为金融体系为某一个行业提供过多资金使得该行业快速发展进而导致的产能过剩或价格泡沫以及融资行业集中度过高等问题使得金融体系更容易受到实体经济冲击而更不稳健。金融体系对各行业资金支持度随着时间变化而变化，其与实体经济互相促进发展，因此选择各行业协调度最大值作为当年总的协调度指标，协调度越大，金融体系越不安全。为能直接反映我国金融安全状态，本文运用功效系数法（式2）将总的协调度指标转化为金融安全指数（zs），其中M为满意值，m为不容许值，R为协调度指标。由于本文协调度指标的最优值为0，因此M取值为0，但并没有明确的不容许值，为与已有的金融安全指数进行比较，本文运用反推法推出协调度指标的不容许值。已有的与本文时间基本一致的金融安全指数有2015年金融安全协同创新中心发布的《中国金融安全报告2015》所公布的金融安全指数（金融安全指数2）以及张安军所建立的国家金融安全指数（金融安全指数3，仅到2012年），由于不容S值最能反映金融安全较差时状态。因此选择两个指数都处于极小值的2009年作为标准，即假定本文金融安全指数2009年值为另两指数的均值（75.8），根据式2推导出不容许值为1.7，因此即可计算出本文的金融安全指数（金融安全指数1），指数值越大说明金融体系越安全。结果表明，2001年至2005年金融安全指数随着我国经济快速发展迅速好转，由于房地产业和政府部门实体经济指标与金融体系指标的不协调导致2006年至2007年金融安全指数有所下降预示着我国2008年经济下行状态，2010年欧债危机前的2009年金融安全指数也有所下降，这是由于采矿业债权融资过多而引起的，2011年至2014年由于我国经济增长模式的变化使得金融安全指数迅速下降。
总体看，本文建立的金融安全指数所采用的指标数量较少，并且方法较简单，避免了指标权重设置等所需的复杂统计方法，也避免了对指标主观赋权的尴尬，即本指标体系可操作性更强。从图4可以看出，金融安全指数1与金融安全指数3基本保持相同的趋势，但与金融安全指数2的峰值和谷值并不保持一致，其中金融安全指数2峰值和谷值分别处于2007年、2011年和2009年、2014年，对应的本文金融安全指数峰值和谷值分别处于2005年、2008年、2010年和2007年、2009年、2014年，初步判定本文所建立的金融安全指数较金融安全指数2领先1-2年，能提前反映金融安全状态。
由于两金融安全指数在2001年至2005年期间都处于相同的趋势，并没有上下波动，因此我们将系统参考序列设置为金融安全指数2的后阶段即2005年至2014年，而系统比较序列为本文的金融安全指数，当T=0时即同时期的本文金融安全指数，当T：一1时即向左移动一年，即2004年至2013年的本文金融安全指数，以此类推。从两指数灰色关联度看（图5），当T=-2时，即2003年至2012年本文的金融安全指数与2005年至2014年金融安全指数2关联度最高，则说明本文金融安全指数能对金融安全状态进行预警性监测。
六、结论与思考
通过重新审视金融危机历史，我们认为金融体系与实体经济行业间的融资结构不协调是导致金融系统受到冲击的主要原因并提出基于金融安全监测视角的行业分类。基于此，从融资与产出角度分别建立金融体系和实体经济指标体系，结合协调度指标建立了具有预警性监测的我国金融安全指数。较已有金融安全指数相关文献而言，本文所建立的指标体系更简洁，采用的方法更简单，操作性更强。通过灰色关联分析表明，本文建立的金融安全指数比《中国金融安全报告2015》中建立的指数能领先两年监测到金融风险，这在数据延迟发布以及政策滞后性背景下尤其重要。由于数据可得性问题，并未从社会融资规模全视角寻找指标，为更好的对金融安全进行准确的预警性监测，需对数据提出更高的要求，即就社会融资规模统计而言，不应仅从总量上考虑，更应分行业对社会融资规模进行统计，以能更充分了解金融体系资金在各行业间的配置。
从实体经济角度看，社会各界无不认同“转变经济增长方式、调整经济结构”是我国经济持续稳定发展的必由之路，其关键之一就在于产业结构的优化调整，使得各行业协调发展，避免某行业“一枝独秀”现象产生，促进经济稳定发展，然而这依赖于一定的外部环境和条件，尤其是对资金需求有特殊的要求，这就离不开金融体系的支持。资金在整个社会再生产运动中，是其他生产要素进行组合的先导和媒介，资金投入对产业产值影响具有一定的滞后性，即当前的行业融资结构反映了未来短期的产业结构，因此从金融体系看，加强货币政策对行业融资结构的引导作用，使之与产业结构调整政策相匹配，对行业间采取不同的资金倾斜度，在确保满足各行业发展合理资金需求的同时，也不可长期对某行业给予过多的资金支持，创造有利于行业间融资协调发展的政策条件，避免产生产能过剩或价格泡沫等问题。总体看，政策制定者应设置总量管控和结构调控双重目标，不仅关注融资总量，更应对行业融资结构进行监管，防止个别行业过度融资，引导我国产业结构合理发展，促进我国金融体系与实体经济共同健康发展。
