新金融业态风险对经济高质量发展的影响分析

■李国柱，李晓壮

一、引言与文献综述

随着经济发展逐步进入新常态，提高经济高质量发展水平是新时代中国发展的战略目标和根本任务。值得注意的是，新常态下数字经济成为推动未来经济快速发展的重要推动力量，以数字经济为引导的经济转型发展新格局重塑了经济发展新优势。但现阶段我国数字金融发展基础设施不足，新型金融工具层出不穷，金融交易平台良莠不齐，新金融业中潜在交易风险凸显。近年来，金融风险事件频发，新金融业中潜在的风险被放大。由此，深刻反映出中国现阶段数字金融基础设施不完善、企业风控能力缺失、新金融业风险监管力度不足等问题。经济增长与风险防控之间的平衡性已成为制约新金融业发展的关键因素。但已有研究主要从新金融业态定义及影响的定性分析和金融风险测度两个独立视角展开。

对新金融业态的定性分析中，学术界大多从互联网金融角度出发。宫晓林（2013）提出互联网模式下新金融业态模式主要包括：第三方支付、网络借贷和众筹融资。黄钫（2016）指出新金融包括信息的互联网金融和互联网时代的传统金融。关于新金融业态对经济发展的影响研究，学术界持两种不同的观点。一部分学者认为中国互联网金融发展不完善，新金融业态体系中存在信息不对称、监管力度不够等问题，对金融体系发展具有不利影响（程雪军等，2020）。另一部分学者认为新金融业态的发展会直接提高金融资源的配置效率，降低融资门槛，激发金融创新和技术创新，对经济发展具有积极促进作用（王瑶佩和郭峰，2019）。

有关金融风险的测度研究主要包括经验方法和指标体系。基于经验分析，金融风险的测度模型主要包括：FR模型（Frankel&Rose，1996）、STV模型（Sachs et.al，1996）等。除此之外，金融风险测度需考虑多方面风险因素，构造金融风险综合指数（陈敏和张乐乐，2021）。也有一些学者从不同角度进行金融风险与经济发展的相关研究。有关金融风险与经济发展的研究动态，主要从金融风险对经济发展的溢出效应以及预警作用两方面进行。溢出效应方面，赵华和王杰（2018）研究表明股票市场大部分时间存在向实体经济的波动率溢出效应。预警方面，系统性金融风险包含着未来经济困境的预警信息（Brownlees&Engle，2017）、对未来经济冲击分布的重要信息（De Nicolo&Lucchetta，2011）。有关新金融业态风险测度的定量研究主要通过网络借贷风险间接衡量新金融业态风险，例如李苍舒和沈艳（2019）以网络借贷为切入点运用CoVaR方法来识别新金融业态风险等。

不难发现，尚未有学者考察新金融业态风险对经济高质量发展的影响。因此，选取新金融业态为研究对象，在构建在险增长模型的基础上，重点考察新金融业态风险对经济高质量发展的影响，探索实现稳增长与防风险之间的动态平衡方法，为有效防控化解新金融业态风险，加快形成经济新发展格局提供有价值的参考。

二、新金融业态风险对经济高质量发展的影响机制

新金融业态是相对传统的银行、证券、保险等商业性金融或政策性金融而言的，是为弥补传统金融服务局限性而日益兴起的新金融机构类型、模式及标准等。新金融业态与传统金融是一种有效互补关系，不仅能够增强金融市场活力，拓展完善金融产业链，而且可以支持、反哺传统金融机构的盈利能力及竞争力，进一步提高金融业整体附加值，支持并服务于经济转型。随着新金融业态发展，新金融体系将会受到内部和外部不同维度的冲击作用。内部产生流动性风险、信用风险和市场风险，中国宏观经济运行情况同样会对新金融业态产生一定的外部冲击作用。金融风险通过机制传染与扩散最终形成新金融业态风险并直接反馈给经济高质量发展。

具体来看，风险的影响具有两面性，一方面，新金融业态降低准入门槛，中小型企业及个人主体均可依靠互联网金融实现短期融资，资本流将会流经股票市场、证券市场、房地产市场等从而引起资产价格的变动，抬升金融杠杆率，导致资产泡沫风险。同时，由于资本的逐利性，投机者依托新金融业资金获得的便利性，致使大量资本在短期内就可以在金融市场中流进和流出，这种行为将会使市场悲观预期的资本产生外逃现象，导致金融市场的泡沫积累，对金融稳定和经济高质量发展造成危害。另一方面，新金融业态风险造成的高风险和高回报是同时存在的，收益是对承担风险的补偿。新金融业态风险中蕴含着资本的流动性增强，加速资本的形成，从而促进融资结构的多元性，分担传统金融的融资职能，并且新金融工具增加信贷可得性，使股票市场、证券市场等规模扩大，提升金融资本在各行业的配置效率，提高资本回报率，对经济高质量发展具有一定的正面影响，具体影响路径如图1所示。

图1 新金融业态风险对经济高质量发展的影响机制

三、模型建立与变量测度

（一）“在险增长”模型

1.“在险增长”模型的建立

基于GaR模型，将新金融业态风险与经济高质量发展置于统一的分析框架中。假设经济高质量发展的时间序列gt的概率密度函数为f（gt）。需要得到在置信度水平α下最低的经济高质量发展水平gmin，使经济高质量发展水平低于gmin的概率为1-α。具体公式为：

进一步定义在险增长水平（GaR）的公式为：

在险增长水平（GaR）表示经济发展的平均增长率与最低增长率之间的差值，即经济增长速度可能存在的损失。

2.“在险增长”模型的估计方法

（1）分位数回归模型

分位数回归相比一般回归模型，分位数回归能够估计出若干重要条件分位数，提供更加全面的信息，并且不易受到极端值的影响，回归结果更为稳健。分位数回归模型设定如下：

其中，I（·）为示性函数，若（·）的逻辑关系为真，则I（·）=1，反之I（·）=0。由上述分位数回归结果可以得到基于Xt条件下Scoret+h的条件分位数函数，具体公式如下：

（2）偏态t分布估计

根据上述分位数回归结果，将回归系数代入（5）式中，可以得到基于Xt条件下yt+h的条件分位数的累积分布函数。但实际中，Q̂Scoret+h|Xt(q|Xt)受到随机扰动项和误差项的多重影响，估计结果存在一定的偏差。由此，需要将分位数回归结果拟合到参数较少的概率密度函数中，来保证结果的稳健性。Azzalini&Capitanio（2003）在传统t分布中加入了偏度参数，可以更加直观地反映概率密度函数左偏或者右偏的特征。这种概率分布被称为偏态t分布，对应的概率密度函数如下：

其中，f（Score；μ，σ，s，n）为偏态t分布的概率密度函数。t（·）和T（·）分别表示t分布的概率密度函数和累计分布函数。f（·）中包含四个参数，分布为t分布的期望（μ）、标准差（σ）、自由度（n）以及使t分布发生偏移的偏度参数（s）。为估计偏态t分布中四个参数，要保证与偏态t分布的累计分布函数的反函数之间距离平方和最小：

（二）变量测度

被解释变量：经济高质量发展综合指数（Score）。参考赵儒煜等（2020）相关研究，结合新常态下中国经济高质量发展理念，将多维的经济高质量发展理念分解为创新发展、协调发展、绿色发展、开放发展、共享发展和经济效益六大维度，运用熵值法进行测度，指标体系如表1所示。

解释变量：新金融业态风险指数（NFR）。以互联网金融风险为切入点，从流动性风险、信用风险（董小君和石涛，2020）、市场风险（陈荣达等，2020）和宏观经济运行风险（塔琳，2019）四个角度来测度新金融业态风险，具体指标体系如表2所示。

表2 新金融业态风险测度指标体系

考虑到中国新金融业月度数据的可得性，流动性风险最终选取人气流动性和期限流动性两个指标来评价新金融流动性风险。信用风险主要用于刻画新金融业用户和平台对资金借贷的失衡情况。本文从两个角度来评价信用风险，一是偿还风险，选取网络借贷行业的成交量总额与待还余额之比来测度；二是违约风险，采用P2P行业当月问题企业发生数表示。市场风险参照欧阳资生等（2019）关于系统性金融风险指标的选取原则，采用市场周期波动风险、新金融业市场风险以及信息技术风险来共同刻画市场风险。宏观经济运行风险从国内经济运行风险和外部冲击风险两个角度来测度宏观运行风险。

表1 经济高质量发展指标体系

（三）数据来源与数据处理

本文基于2000—2020年新金融业态风险和经济发展的月度数据，来考察新金融业态风险对中国经济高质量发展的影响。所用数据主要来源于“国家统计局”“国泰安数据库”“中经统计数据库”“中国人民银行”。

由于新金融业态风险与经济高质量相关数据的起始时间存在差异，无法在2000—2020年全部区间上进行分析。为尽可能多地包含所有指标的有效信息，采用IMF推荐的主成分分析法来实现新金融业态风险的降维过程。参考张晓晶和刘磊（2020）的处理方法，将指标在不同时间段进行主成分分析，然后将不同时间段的指标合并成新金融业态金融风险指数。对于缺失数据采用线性插补法进行填补。

四、实证分析

（一）分位数回归结果分析

根据分位数回归模型，将不同分位数（0.10、0.25、0.50、0.75和0.90）回归结果在表3中显示。在分位数回归的基础之上，将被解释变量设定为向前12个月、24个月和36个月的经济高质量发展指数进行回归，分别用来表示经济高质量发展短期、中期以及长期的三个期限维度。

表3中流动性风险在短期、中期和长期三个期限维度内，对经济高质量发展全部为正向影响。究其原因主要分为两点：一是随着新金融业的发展，网络借贷市场逐步扩大，虽蕴含着一定的金融风险，但借款和投资人数反映的直接融资能力在一定程度上推动经济高质量发展。二是新金融业能够带动大数据、互联网以及实体经济等多行业联动发展，虽然流动性风险较大，但其他行业的扩张将带动中国经济高质量发展。在短期内，流动性风险在尾部分布（10%分位数）的正向影响最大，中间分布（50%分位数）正向影响最小。流动性风险对经济高质量低增长阶段促进作用更大，经济下行压力较大，其正向影响反而增加。在中期和长期，50%分位数下正向影响最大，10%分位数下正向影响最小。

表3 分位数回归结果

对于信用风险，全部为正向促进作用。三个期限维度中，在50%分位数点处正向影响最大，两侧尾部影响逐渐减小。根据董小君和石涛（2020）的研究发现，偿还风险较违约风险的影响作用更强，偿还风险为负向指标，可以间接将信用风险理解为负向指标。对于经济高质量中度发展阶段，资本等生产资料均达到一定水平，信用风险指标值越高，新金融风险水平越低，可以同时带动不同行业进行生产发展，提高经济高质量发展水平。在75%和90%分位数上，信用风险值较低，新金融风险水平反而越高。当经济处于高发展阶段，经济需要各个产业共同协调发展，才能真正实现经济的高“质”发展。同时，经济易陷入“牵一发动全身”的危机，信用风险所带来的经济危机负面影响更显著。

市场风险对中国经济高质量发展全部为负向影响。三个期限维度内，分别在75%分位数（短期）、90%分位数（中期）、50%分位数（长期）下，负面影响最大。在短期和中期内，市场风险对经济高质量发展的负面影响更多地出现在靠近尾部区域，这体现了金融风险的“脆弱性”特点。一般来说，当经济高质量发展水平处于正常水平时，市场风险所产生的影响相对较小。而当经济高质量发展水平处于极端值处，金融业本身固有的“脆弱性”呈现出的信息不对称性、信贷市场失调等因素将会产生更大的拖累作用。就长期而言，当经济发展处于中等水平时，新金融市场风险的抑制作用更为明显。三个阶段相比，中期5个分位数点的回归系数均大于短期和长期的结果，说明市场风险对经济发展的负面影响在中期会得到最大程度的显现，中国有关金融监管部门要加强对新金融业风险中期效应的防控力度。

在短期内，宏观经济运行风险在10%分位数下回归系数为负值（-0.0296），表明宏观经济运行风险对经济高质量发展的抑制作用显著。当经济发展水平较低时，中国社会整体经济发展处于趋于稳定但缺乏动力阶段。宏观经济运行过程中不可避免的潜在风险会造成城镇失业率增加、外汇储备及人民币汇率波动、社会总需求面临下滑压力等，严重阻碍经济高质量发展水平的提高。90%分位数下，回归系数变为正值（0.0488），通过10%的显著性检验。在经济高质量发展中期，宏观经济运行风险不显著；长期来看，只有90%高分位点处，回归系数通过10%显著性检验，并且为正值。宏观经济运行波动会直接影响新金融业的重要决策，放大互联网金融风险的外部冲击影响。中国作为世界上第二大经济体，经济体量较大，国内外金融周期存在一定的差异，在国内经济运行和外部冲击双重影响下，人民币汇率走弱反而可能提升经济高质量发展水平。

为确保回归结果的稳健性，将原来数据的时间区间缩短至2014年1月—2020年12月。主要原因是此时间段内所包含的数据较为完整，新金融业态风险指数缺失值较少，缺失部分采用插补法进行填补，之后运用主成分分析法进行合成，结论并没有因变更样本范围而发生改变。因此，基准回归结果是稳健的。

（二）偏态t分布的概率密度函数

根据分位数回归中的结果，利用拟合的偏态t分布的概率密度函数图将回归结果与真实值结合起来，更加直观地反映新金融业态风险对中国经济高质量发展的影响。为此，根据新金融业的发展历程，选取2004年12月支付宝上线、2015年12月发布《国务院关于印发推进普惠金融发展规划（2016—2020）》以及2020年1月P2P网贷平台清零三个案例来观察新金融业态风险对经济高质量发展的影响。

1.支付宝上线前后的概率分布

依托2004年支付宝上线对中国经济发展的冲击影响案例，选取2003年末、2004年末、2005年末的概率密度分布来考察新金融业态风险对经济高质量发展的影响，结果如图2所示。

图2 支付宝上线前后经济高质量发展的概率密度函数

由图2可以看出，在样本考察期内，2005年末的方差最大，可见支付宝上线后新金融业态金融风险对经济高质量发展产生正面冲击，金融风险增大，未来经济高质量发展的波动性显著增加。从短期看，由于支付宝上线所带来的经济效应初见成效，2005年末曲线水平向右侧移动幅度有限。但从中期看，曲线中出现两个波峰，长期波峰逐步平稳。以支付宝上线为开端的新金融业发展短期内对中国经济高质量发展产生了良好的正面效应，但此效应难以长期维持；从中期和长期看，新金融业态发展带来的金融风险的负面影响不容忽视。短暂的金融工具刺激，会迅速提升经济发展水平，但此时金融脆弱性也会随之上升。

三个时间期限内，2003—2005年概率密度函数图的波峰逐年右移，表明支付宝上线后刺激中国经济高质量发展的提高。波峰逐年变低并且宽度增加，侧面反映出中国内部经济发展存在不平衡性，区域发展差距较大。曲线右侧尾部逐年放宽，说明经济高质量发展水平分散于两端的概率分布逐渐增加。由于新金融业的刺激，中国经济高质量发展水平分化程度逐渐加深。

2.普惠金融发展规划制定前后的概率分布

将2015年12月份《国务院关于印发普惠金融发展规划（2016—2020年）的通知》的下达作为新金融业发展过程中的有效案例，选取2014年12月、2015年12月、2016年12月的概率密度分布来考察新金融业态风险对经济高质量发展的影响（图3）。

图3 普惠金融发展规划制定前后经济高质量发展的概率密度函数

由图3可以看出：第一，总体上看，2014—2016年的概率密度函数图的峰值并没有发生显著变化，三年的峰值均位于[0.20，0.30]之间，且大部分的经济高质量发展指数围绕着大于0.40的峰值逐渐向两边扩散。由此可知，普惠金融发展规划的提出并没有显著刺激中国经济高质量发展水平的提高。一方面，因为中国新金融业兴起时间较短，普惠金融对经济的刺激效应具有一定的时滞性；另一方面，中国对互联网金融风险的监管力度不足，监管体系尚不完善。第二，相比于中期和长期，短期的波峰宽度最宽，说明中国新金融业内部发展不平衡，各产业发展差距较大。第三，在中期和长期，2014年的波峰变高，但波峰逐年变低，同样反映各地区经济高质量发展不平衡性导致产生区域发展差异。

3.P2P平台清零前后的概率分布

2020年11月，中国银保监会首席律师刘福寿表示，新金融业防控化解重大金融风险取得了实质性进展。P2P网贷平台清零是着新金融业态风险防控关键的一环。选取2019年11月、2020年11月、2020年12月的概率密度分布来考察新金融业态风险对经济高质量发展的影响（图4）。

图4 P2P网贷平台清零前后经济高质量发展的概率密度函数

由图4可以看出，曲线在短期、中期和长期的走势基本一致。随着时间的推移，曲线的波峰向下偏移，2020年11月和12月基本重合，2019年11月的波峰较高，但三个时间段内峰值均位于[0.20，0.30]之间。需要关注的是，根据Adrian et al.（2019）的研究结果，当经济处于下行趋势时，概率密度函数左偏更加明显，风险会以最快的速度上升。而图4中结果与此结论正好相反，2020年至今，新冠肺炎疫情尚未完全平复，全球经济受到巨大冲击，中国经济同样具有下行风险。但由此看来，新金融业中P2P网贷平台的清零对经济高质量发展有着巨大的正向作用，抑制新金融业风险的迅速上升。

五、结论与建议

本文基于2000—2020年中国新金融业和经济高质量发展的月度数据，首先运用分位数回归模型分析新金融业态风险对经济高质量发展的影响，然后选取了新金融发展过程中三个重要案例拟合偏态t分布，重点考察新金融业中发生的重要事件对经济高质量发展的冲击作用。主要结论与建议如下：

第一，在短期、中期与长期三个期限维度内，流动性风险与信用风险对中国经济高质量发展的正向影响显著，市场风险全部为负向影响。宏观经济运行风险在10%分位数下对经济高质量发展的抑制作用显著，在90%高分位点处促进作用显著。四个金融风险指标相比，流动性风险的影响作用最为显著。新金融业态金融风险防控应分为三个阶段，分别为事前、事中和事后控制。事前是指新金融业监管部门对金融风险进行预测，建立风险预警机制及时有效地监控新金融业态风险的波动情况。事中与事后主要是尽量减少新金融业态风险造成的损失。此外，信用风险大部分缘于信息不对称，要实现个人和企业征信系统的信息共享，有效防止违约事件的发生。

第二，当经济高质量发展水平处于下行趋势，经济高质量发展水平的标准差值会随发展期望的降低而减小，两者之间具有较强的正相关影响。值得注意的是，此时的偏度值会更大，经济高质量发展水平的波动性迅速提升，新金融业态风险上升。同时，随着数字经济的发展，新金融业给中国经济带来的机遇与风险并存。重大金融事件凸显出防范新金融业风险的紧迫感和重要性。因此，要将在险增长纳入到宏观新金融业态风险的调控范畴，创新宏观调控。

第三，新金融业发展历程中的三个重要案例分析结果显示，宽松（收紧）的政策决定虽然一方面会在短期内促进（抑制）经济高质量发展水平，但另一方面对中长期的影响效应不足。新金融业态发展体系尚不完善，长期看易加大金融体系的失衡，并且增加金融的脆弱性。由此，中国政府要依托新金融业中的重大影响事件合理恰当地制定政策计划，推动提升积极政策决定的效率。进一步加强协调配合，增强政策举措的灵活性、协调性与配套性。健全财政、货币、就业等政策协调机制，与新金融业实现优势互补。在国内外金融风险形势严峻，面临的金融风险挑战前所未有情况下，要谋取有关新金融业政策效应的最大化。