Seminar | 委托贷款：打开中国影子银行的黑匣子

本文讲解：张计宝

本文推介：陈丹慧

本文编辑：王子一

近期，爬虫俱乐部举行论文workshop，由博士生张计宝跟大家分享了论文：Entrusted Loans: A Close Look at China's Shadow Banking System，由硕士生陈丹慧为大家总结本文要点。

原文信息

Allen F , Qian Y , Tu G , et al. Entrusted Loans: A Close Look at China's Shadow Banking System[J]. Cepr Discussion Papers, 2018.

近些年来，影子银行在中国迅速扩张，其净收益和监管问题引起了激烈的讨论。影子银行主要是指游离于传统银行体系外的信用中介体系，它像一个黑匣子影响着中国经济的发展。2014年华尔街日报曾提出了这样的一个问题：“公司间委托贷款是中国影子银行增长最快的部门，然而几乎没有数据揭示这些委托贷款到底流向了何方。” 委托贷款是银行按照委托人指定要求发放的贷款，可分为两类：附属贷款和非附属贷款。大多数附属贷款是由母公司向子公司提供的，还有一些是在客户与供应商之间或合作投资伙伴间产生的，但非附属贷款双方之间没有任何事前关系。2014年之前，委托贷款一直是中国影子银行体系中最大组成部分。为了近距离观察中国的影子银行体系，本文利用委托贷款交易数据探讨了以下问题：一、影子银行快速增长的原因；二、影子银行是否会放大或扩散系统性风险；三、影子银行信贷的定价效率；四、影子银行的监管问题。

本文一大难点也是亮点就是数据的获取与整理。根据中国证监会的规定，上市公司有义务在年报中披露其发放的委托贷款。本文作者通过在2004-2013年间所有非金融类上市公司的年报中搜索“委托贷款”一词来搜集数据。此外，作者还收集了公司的委托贷款公告，结合年报得到交叉检验的数据。

为了揭晓围绕影子银行的诸多谜题，本文从信贷供需双方入手，首先分析了委托贷款供给方的特征。t检验和多元回归结果一致表明：盈利能力较高的大型国有企业更有可能提供附属贷款，拥有过剩现金但增长率较低的大公司倾向发放非附属贷款。为了研究影响贷款人做出贷款决策的宏观经济因素，作者在模型中纳入了一个衡量信贷情况的指标——上海银行间同业拆放利率（SHIBOR）。回归结果表明影子银行是逆周期的，信贷紧缩时，委托贷款会增加。其他数据分析表明：和银行相比，贷款公司有较低的杠杆率和较高的流动性；和一般公司相比，这些贷款公司因债务违约被起诉可能性更低。因此，作者认为将信贷从银行转向这些资本充足的公司，可降低系统性风险，增加金融稳定性。

本文紧接着分析了借款方的特征。附属贷款的低利率表明其实际上是一种“转手”贷款，借款人因处于弱势地位需要求助于优势企业（如大型国企）进行贷款。而非附属贷款的利率近乎是官方银行利率的两倍，巨大的利率差异反映了官方银行体系的扭曲。并且通过对借款方行业分布的分析，作者发现高比例的非附属贷款流入房地产和建筑业，这表明非附属贷款确实有助于规避监管限制。房地产等高生产率的行业贷款无门，导致了影子银行呈指数级增长。

然后，本文考察了委托贷款的定价是否取决于借款人的基本风险和信息风险。作者用行业回报波动、行业销售增长差距、是否为房地产借款人三个指标来衡量借款人的基本风险，用是否在同一城市、同一行业两个虚拟变量来衡量借贷双方的信息不对称。回归结果表明两种类型贷款定价都符合风险收益原则。此外，作者通过分析贷款后续表现检验了委托贷款定价是否有效包含风险。

最后，本文通过考察公司发布委托贷款公告后的股票价格反应，研究委托贷款对股东的财富效应。并且为了区分价值创造和信息披露效应，作者将公告分为首次公告和后续公告。结果表明两种类型贷款都是相对补偿投资，其中，附属贷款虽然低于市场利率，但并没有破坏价值，而是被市场视为一种投资形式。

这篇论文揭示了委托贷款的资金来源与资金去向，首次系统分析了委托贷款的定价和财富效应，并揭露了委托贷款逆信贷周期的特点，初步揭示了影子银行在我国快速增长的原因，有助于厘清影子银行在金融体系中发挥的作用及其产生的风险，从而为委托贷款等影子银行监管相关问题的研究提供有益借鉴。但本文也存在一个样本选择问题：由于我国法规对委托贷款公告披露的相关规定比较模糊，部分公司可能没有主动披露，还有部分公司可能只披露了优良委托贷款。论文作者也意识到了这一问题，并且运用Heckman检验纠正样本选择偏误，结果发现委托贷款公告披露的可能性随贷款额的增加而增加，随公司资产规模的增加而减少。

对我们的推文累计打赏超过1000元，我们即可给您开具发票，发票类别为“咨询费”。用心做事，不负您的支持！

往期推文推荐

关于我们

微信公众号“Stata and Python数据分析”分享实用的stata、python等软件的数据处理知识，欢迎转载、打赏。我们是由李春涛教授领导下的研究生及本科生组成的大数据处理和分析团队。

此外，欢迎大家踊跃投稿，介绍一些关于stata和python的数据处理和分析技巧。

投稿邮箱：[e-mail]

投稿要求：
1）必须原创，禁止抄袭；
2）必须准确，详细，有例子，有截图；
注意事项：
1）所有投稿都会经过本公众号运营团队成员的审核，审核通过才可录用，一经录用，会在该推文里为作者署名，并有赏金分成。
2）邮件请注明投稿，邮件名称为“投稿+推文名称”。
3）应广大读者要求，现开通有偿问答服务，如果大家遇到有关数据处理、分析等问题，可以在公众号中提出，只需支付少量赏金，我们会在后期的推文里给予解答。