Seminar丨荐仆贷款——19世纪中国的信任辅助贷款

本文推介：谢懿格，中南财经政法大学金融学院

本文编辑：温和铭

本文审核：谢懿格

Stata&Python云端课程来啦！

       为了感谢大家长久以来的支持和信任，爬虫俱乐部为大家送福利啦！！！Stata&Python特惠课程双双上线腾讯课堂～爬虫俱乐部推出了Python编程培训课程、Stata基础课程、Stata进阶课程、Stata文本分析、正则表达式、网络爬虫、基本字符串课程。报名课程即可加入答疑群，对报名有任何疑问欢迎在公众号后台和腾讯课堂留言哦。我们在这篇推文的最后提供了每门课程的课程二维码，大家有需要的话可以直接扫描二维码查看课程详情并进行购买哦~

原文信息

Miao M., Niu G. and Noe T. Contracting without contracting institutions: The trusted assistant loan in 19th century China[J]. Journal of Financial Economics, 2021(140):987-1007.

Abstract

This paper documents the emergence of a large bank loan market in the absence of contracting institutions: the trusted assistant loan market in 19th century China. These loans were legally unenforceable, one-shot loans to poor scholars that funded the costs of assuming lucrative administrative appointments offering ample opportunities for corruption. The trusted assistant loan’s distinguishing feature was a legally unenforceable stipulation that the borrower incorporate an agent of the creditor into his administrative cadre. We model the enforcement of these loans through expertise leverage and test the model’s predictions using data from officials’ diaries and a bank loan book.

01引言与制度背景

许多新制度经济学家认为，制度是订约的必要条件，合同的签订需要第三方执法机构来执行（North，1990）。然而，在19世纪中国清朝法律制度并不健全的情况下，却产生了一种新颖而普遍的融资机制——荐仆贷款。

荐仆贷款是账局等当地民间金融机构向未来官员提供的一笔贷款，用以支付官员首次离京就任的费用，同时规定，借款官员必须雇佣一个仆人（通常是账局雇员）作为其助手，随官员前往管辖地，直至贷款偿清。由于荐仆官债市场极易滋生贪污腐败，清政府严令禁止荐仆贷款，因此不存在一个标准机制和合同执行的环境，但是荐仆贷款市场在19世纪的中国却十分盛行，引起了诸多学者对其运行机制的研究。

本文考虑一种独特的“以行政资源作为抓手”的机制：由于官员任职前大部分时间都在准备科举考试，他们通常缺乏行政管理能力；相比而言，荐仆（即助手）在财务和行政事务方面经验丰富，因此在官员还不熟悉行政事务的前期，官员在很大程度上依赖于荐仆的专业知识，而荐仆可以以此为要挟，强迫官员还款。通过这一机制，本文分析了荐仆的配备如何在制度不完善的条件下影响贷款的发行及回收率。（苗萌，2021,《清华金融评论》）

02数据来源

本文使用官员日记和银行贷款账簿获得官员贷款信息：

作者共收集了54本官员电子日记样本，使用“借”、“债”、“欠”、“还”等关键词定位日记中有关债务描述的部分，最终从28本日记中获得了99条贷款记录，其中包括贷款利率、到日期、是否有抵押品以及与债务偿还等信息；

银行贷款账簿来源于余胜记银行1843年的一本账簿，作者从中获得66笔贷款记录，其中18笔为荐仆贷款。除基本信息外，贷款账簿中包含银行对贷款的评级：“优”、“良”、“差”，作者分别赋予回收率：70%、30%、15%。

本文最终获得165笔贷款，其中70笔为荐仆贷款。

03实证检验

3.1

什么情况下更有可能实施荐仆贷款？

对于清朝制度并不健全下的荐仆贷款，作者首先分析这种信任辅助贷款在什么情况下更容易被执行，并提出假设：

当（1）债权人和官员之间信息不对称程度更大时；（2）官员更依赖于荐仆的专业技能时；（3）官员和助手的关系持续时间更久时；（4）官员管辖地的经济状况更稳定时，官员贷款更有可能配备荐仆。

作者建立如下模型来验证假设。Trusted assistant loan当官员贷款配备荐仆时取值为一。

首先，为衡量信息不对称程度，作者构建变量Distance to Beijing，代表官员管辖地距离北京的公里数。回归结果Distance to Beijing系数显著为正，表明信息不对称程度越大，贷款更容易配备荐仆。

其次，为衡量官员对于荐仆的依赖，作者构建虚拟变量Rebellious tradition和Different dialect。Rebellious tradition取值为一代表官员管辖地行政区划为“难”，即当地民刁俗悍、命盗案多；different dialect取值为一代表官员和管辖地的方言不同。在这两种情况下，官员需要一个熟悉地区民俗、了解当地方言的助手（即荐仆）来辅助其行政管辖。回归结果（2）、（3）列系数显著为正，表明当官员对助手依赖程度更高时，其贷款更可能配备荐仆。

再次，作者考虑官员在服丧期内需解职守丧，直到三年期满后恢复原职，在此期间官员无法产生收入来偿还贷款。作者构建变量Parents alive，当官员双亲中至少有一位在世时取值为一，即官员未来服丧概率较大，用以衡量官员和助手关系持续时间的长短。第（4）列回归系数显著为负，表明当官员任职时间较短时，其贷款配备荐仆的概率会较低。

最后，作者利用官员管辖地米价波动率（rice price volatility）来衡量当地的经济波动水平，rice price volatility是管辖地10年前月度米价波动的标准差。第（5）列回归系数显著为负，表示当管辖地经济越不稳定，配备荐仆的概率越低。

3.2

什么因素会影响荐仆贷款的回收率？

荐仆贷款的偿还取决于官员提取地方收入的能力：在管辖地经济状况不利于提取租金时，荐仆对官员偿债施以容忍的态度；而当条件有利时强制要求还款。基于此，作者提出假设：这种人性化的还款方式使得荐仆贷款和普通贷款相比拥有更高的回收率。模型构建如下：

其中，trusted assistant当样本是荐仆贷款时取值为一。考虑到官员死亡、重大疾病、服丧等事件会很大程度上影响贷款的偿还，作者剔除了这些样本进行回归，结果显示，trusted assistant系数显著为正，表明荐仆的配备提高了贷款的回收率。

作者接着考虑了遗漏变量和选择性偏误带来的内生性问题：如果银行向荐仆贷款的官员加收抵押品，或当银行对官员筛查标准更为严格时，那么荐仆贷款相对于普通贷款有更高的回收率就不足为奇。

对于遗漏变量问题，作者引入了担保贷款（guaranteed loans）和家族声誉（family reputation）两个虚拟变量代表抵押行为。Guaranteed loans取一表示荐仆贷款有担保人或质押品；family reputation取一表示官员家乡是北京或山西（两大银行中心），即债权人可以在借款人家乡败坏其名声来威胁还款。回归结果（2）、（3）列显示，在控制了抵押行为后trusted assistant系数依然显著为正，表明结果并非由遗漏变量驱动。

对于选择性偏误，作者使用新任官员（rookie officials）的子样本进行回归。Rookie officials是指那些借款前从未在清政府有过行政任命的官员。由于对于非新任官员，银行在贷款前可以更多地获得官员的信息来辅助银行进行筛查，因此作者仅仅使用新任官员样本进行回归，发现trusted assistant系数依然显著，表明结果并非由官员样本的选择性偏误所驱动。

3.3

稳健性检验

本文使用五种方法来检验结论的稳健性：

第一，考虑到名位较高的官员的日记更有可能被保存、编辑并出版，日记样本可能存在选择性偏误，因此作者仅使用银行账簿样本进行回归；

第二，作者认为官员管辖地可能是预先分配的：朝廷会出于惩罚的目的任命懒惰的官员去偏僻的管辖地任职，因此银行在提供贷款前可以判断官员懒惰与否，并为懒惰的官员配备荐仆。但是对于官职较低的官员，朝廷通常采用抽签这种较为随机的方法决定其管辖地，因此作者仅用官职低于四品的官员子样本进行回归；

第三，由于文官和武官的选拔方式不同（文官通过科举考试而武官通过体能测试），作者仅使用文官样本进行回归；

第四，由于日记样本中贷款信息的准确度取决于官员是否勤于记日记，因此作者认为如果官员在日记中漏记了某笔账款的本金，那么他极有可能也会漏记还款信息。作者剔除了这些官员样本重新进行了回归；

第五，作者更换了回收率的衡量，用银行帐簿中基于“优”、“良”、“差”所估计的回收率，重新进行回归。以上五种检验的结论均稳健。

04其他假说

4.1

银行权力假说

在本文样本期的后半段（19世纪下半叶），清朝遭受了太平天国起义、捻军起义和东干起义，叛军控制的领土将北京与税收丰富的大省份分开，为了保持财政收入，当时的票号银行接管了清政府某些财政职能，将白银通过叛军控制的省份运送到北京，在此期间票号银行也掌握了更多的权力。因此作者考虑，银行可能通过其权力对借款官员施压来迫使官员还款，而荐仆的作用则变为纯粹的咨询，而非利用其行政能力要挟官员还款。

然而银行权力假说并未得到验证。首先，官员贷款样本中仅有4笔银行贷款来自于票号银行（其他均为漳州银行）；其次，作者比较了战乱时期和非战乱时期中荐仆贷款与普通学者贷款的发放数量，但结果并未有明显差异。

4.2

软贷款假说

作者还考虑，荐仆贷款的发放及荐仆的配备可能是某种变相的贿赂，目的是为了讨好有权势的官员，官员通过做出有利于债权人的政治决策来“偿还”贷款。在该假说下，荐仆贷款的发放数量应该和官员的职位呈正相关，而且向权位高的官员提供的贷款的回收率会较低；另外，如果银行提供贷款是出于贿赂心理，那么软贷款的好处就需要惠及所有债权人，而银团贷款中的私人投资者从软贷款中的获利会较低，因此荐仆贷款不太可能是银团贷款。

作者用官员职位（official’s rank）和科举考试成绩（Keju result）衡量官员权位高低，虚拟变量syndicated loan表示银团贷款。回归结果并不显著，软贷款假说并未得到支持。

4.3

政治威胁假说

政治威胁假说认为，职位高的官员可能是贷款银行的大股东，他们可以通过其政治权力强制贷款的偿还，因此，荐仆贷款是低位官员向高位官员的变相贿赂以寻求政治庇护，而荐仆在其中充当顾问的角色，确保官员可以从管辖区收取足够的收入来偿还贷款。在该假说下，荐仆贷款更可能在高位官员拥有任命权，而借款官员职位较低的情况下发放，而且贷款的回收率也会更高。

作者构建虚拟变量分散管理的省份（decentralized province）代表高位官员，用官职低于四品（low official）和汉族官员（Hanzu）代表低位官员。但回归结果不显著，政治威胁假说并未得到支持。

4.4

勒索假说

勒索假说认为，荐仆可以收集官员的贪污腐败行为，并以揭露这些行为为要挟来逼迫官员还款（而不是通过行政技能要挟）。但由于荐仆自身是非法的，因此荐仆在揭露贪污腐败时要保证自身的安全，防止揭露官员只损害了荐仆的利益，而官员并未受到影响。

作者考虑，在那些对极端腐败容忍度低的省份中，官员贪污腐败的暴露更容易被卸职，即荐仆的配备对贷款偿还的作用更明显。因此在该假说下，如果官员管辖地对极端腐败行为容忍度较低，那么荐仆贷款的发放和回收率应该更高。

作者分别构建虚拟变量易于征税（easy to collect tax）和非宗族地区（non-clan area）来衡量地区对极端腐败的容忍度，easy to collect tax取一表示管辖地未被划分为“僻”，non-clan area取一表示管辖地家谱数量低于样本均值。回归结果并不显著，政治威胁假说并未得到支持。

05结论

本文以19世纪清朝的荐仆官债市场为例，表明合同的签订不一定需要完善的制度或第三方执行机构，并提出“以行政资源为抓手”的机制来解释荐仆贷款的执行。这一新颖的历史视角为融资机制相关研究提供了新思路。

END

最后，我们为大家揭秘雪球网(https://xueqiu.com/)最新所展示的沪深证券和港股关注人数增长Top10。

腾讯课堂课程二维码

 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
       【技能篇】多进程队列间通信
        爬完独立董事的年薪，我的眼镜跌破了！        识别旅游“照骗”——看风景名胜是否名副其实        主成分分析的Python实现
Seminar丨谁更重要：高管股权薪酬与财务报告欺诈DOS能量，超乎你想象！Seminar丨附近的公司：利用卫星图像研究本地信息优势Stata&Python云端课程来啦！Seminar|总统的朋友：政治关联与企业价值
爬虫实战 | 爬取中国天气网Seminar|媒体关联董事对融资和外部治理的影响神奇的组内交叉合并 PDF分章节转TXT并实现可视化——以胡景北知青日记1971至1978年为例
order命令——快速改变变量顺序的利器 Ajax应用场景——以获取雪球网港股代码及公司名称为例
Meta Analysis in Stata17      

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。

   武汉字符串数据科技有限公司一直为广大用户提供数据采集和分析的服务工作，如果您有这方面的需求，请发邮件到[e-mail]，或者直接联系我们的数据中台总工程司海涛先生，电话：[phone]，wechat: super4ht。海涛先生曾长期在香港大学从事研究工作，现为知名985大学的博士生，爬虫俱乐部网络爬虫技术和正则表达式的课程负责人。

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。