2010年第一季度，第二产业增加值达到了峰值，为15.4%，这与2008年全球金融危机以后，中国实施的4万亿元刺激计划有关。2011—2015年，中国经济正式进入“新常态”，GDP、消费、投资、通胀、投资价格、工业企业利润和资本金等经济指标的增速均显现下降态势，2016年第一季度，宏观经济指标企稳回升，供给侧结构性改革初见成效，而工业企业的杠杆率、金融机构信贷规模增长并未呈现相同的态势，表明影子银行信用扩张与杠杆率之间可能存在着紧密的联系。结合图5−4中各变量的增长趋势和图5−5的波动趋势，各变量之间的关系如下。

图5−4　各变量增长趋势比较

第一，经济增速与杠杆率之间负相关，符合费雪的“债务—通缩”理论。图5−4中，2011—2015年，第二产业增加值增速放缓，全样本工业企业的杠杆率小幅攀升；图5−5中经济增长和杠杆率的波动趋势更加明显，呈现相反的波动方向。当采用经济增长率指标替换为工业增加值后，结论相同（未列出）。

第二，经济增速慢于总信贷增速（总信贷包括银行渠道信贷规模和影子银行信贷规模），并且两者在2012年底差距逐渐拉大，这可以验证李扬（2013）测算的企业部门杠杆率快速攀升的事实。进一步比较信贷总规模、银行信贷规模和影子银行贷款规模，得出的结论：

图5−5　各变量波动率的比较（经过HP滤波剔除了趋势项）

（1）信贷总规模（credit）的增长趋势完全取决于银行信贷规模（bl）。图5−4和图5−5中第一排第一幅图和第三排第二幅图，信贷总规模三次向上波动的峰值与银行信贷增长和波动的峰值所处的时间完全重合，分别为2009年二季度、2012年三季度和2015年三季度。主要原因是中国仍然以间接融资为主，银行信贷规模总量大，增幅比影子银行贷款规模小。尽管在图4−1中，2016年影子银行总规模与银行信贷的比值为0.869 3，扣除空转的规模，影子银行实际贷款规模与银行信贷的比值为0.586 2。

（2）信贷总规模的波动幅度受影子银行（bh）的影响较大。影子银行信贷规模增长的峰值所处的时间早于信贷总规模一个季度，而波动率早于信贷规模两个季度。然而，影子银行规模的波动率明显大于其他两个，以2012年为例，影子银行贷款规模的波动幅度是银行贷款的6.64倍，信贷总规模的5.89倍（见图5−5）。(www.daowen.com)

主要原因是2012年以前，影子银行处于发展初期，以银行理财产品和资金信托为主，出现规模小、增速快的特点。尽管2012年6月6日，中国证券投资基金业协会正式成立，资产管理机构进入“全牌照”的年份，2012年6月底影子银行总规模增速已经达到接近40%的水平（实际上应该是65%，为了缩小与经济增长指数的差距，在计算时采用同比增长率，（本期−上期）/本期，由于所有指标均按该方法处理，并不影响相互比较），这意味着即便从事资产管理业务的机构数量增加，但是继续维持40%的同比增长是不可能的，更何况2011年银信合作被叫停，对银行同业业务的监管逐步加强，券商、基金子公司等作为替代信托成为新的“通道”机构需要寻找新的合作模式，这些都对影子银行增速下降产生了重要影响。这种增速放缓仅仅持续了两年时间，更多新的金融创新被推出，比如2013年货币市场基金的典型代表余额宝产品，表明影子银行产品中嵌入了资金池−资产池模式，再次推动了影子银行规模的扩张，2014年第一季度时止跌回稳。此次不仅增幅超过了2012年第二季度，而且时间短（1年时间，2012年之前的上涨时间持续了2.5年）。

第三，高风险企业杠杆率（levh）攀升，低风险企业杠杆率（levl）下降，表现出结构性特征，但是两类企业杠杆率的波动却在2014年第二季度之前同向波动，之后反向波动。这不仅与资产收益率（rkh，rkl）或者利润增长（nh，nl）有关，还与贷款利率（rh，rl）或者贷款规模（bh，bl）有关。

就杠杆率本身的变动趋势而言，图5−4第一排第三列，2015年第二季度，高风险企业开始去杠杆率（图5−5中波动率在该时点向下），要早于经济增长、投资、投资价格增长回升的时间，晚于消费增长和通胀回升的时间以及高风险企业利润上升的时间，表明高风险企业去杠杆与业绩增长和整个宏观经济形势有关，因此去杠杆需要提高企业资产收益率或者利润。低风险企业杠杆率总体呈现下降趋势，并且在2013年第一季度开始进入快速下降趋势，这可以解释全样本的工业企业杠杆率在2013年开始出现小幅的下降趋势。图5−5第一排第三张图中，2014年第二季度以前，高风险企业和低风险企业杠杆率的波动方向一致，第二季度以后波动方向相反。2014年第二季度之前，高风险和低风险企业均出现了正向波动峰值或者杠杆率攀升的高位，分别是2011年第四季度，2013年第三季度。

在本章中，高风险企业从影子银行融资，低风险企业从商业银行融资。2008年12月23日至2011年7月7日（含），中国银行基准利率保持加息或者紧缩态势；2012年6月6日至今，处于降息或者扩张态势。2011年第四季度，银行基准利率rf，商业银行贷款利率rl和银行理财利率在该时点达到峰值（见图5−5第二排第二张图），高风险企业的利润达到波谷，而低风险企业的利润处于下降区间中，在三个季度后达到波谷，同时同业拆借利率在一个季度达到峰值。高风险和低风险企业杠杆率达到峰值，正好与货币政策紧缩到宽松的过程有关，虽然影子银行扩张的速度加快，但是规模较小，未能满足高风险企业的贷款需求，银行信贷规模保持水平的增长态势，总体来看呈紧缩状态。因此，当货币紧缩时，企业贷款利率上升，负担增加，杠杆率攀升；反之，杠杆率则降低。

2013年第一季度低风险企业杠杆率的波动达到峰值（峰值不高），同年第三季度高风险企业的杠杆率的波动也达到了峰值，同时两类企业的利润率达到峰值的时间一致（见图5−4和图5−5第二排第四张图）。该时期处于降息的货币宽松的环境下调控背景，仅考虑高风险企业，2013年第三季度之前一年半的时间，高风险企业的杠杆率有一个大幅攀升的过程，比2011年之前一年半的时间攀升的幅度要大。该区间内，影子银行融资规模增速放缓，并且高风险企业贷款利率下降。比较其他市场利率，发现除了同业拆借利率和银行理财利率上升以外，其他利率水平均下降。可能的原因是自2010年底高风险企业利润下降趋势明显，影子银行向高风险企业提供贷款的意愿降低。此外，影子银行主要依靠商业银行同业业务融资，2013年一季度，影子银行中该项业务融资达到历史最高水平，随后增速下降，导致影子银行资金来源受限，同业拆借利率上升（见图5−4第三行第三和第四张图，商业银行参与影子银行规模mcb，非银行金融机构参与的影子银行规模msb和通道规模mptcb的增长速度均呈现先下降后上涨的趋势）。虽然投入实体的影子银行规模增速放缓，但是影子银行空转规模增速却在持续上升，表明大量资金在银行体系内部空转，未投入实体部门，从而放大了经济波动（见图5−5第一排第一列，杠杆率攀升时，经济增长出现小幅向下波动），这表明中国的影子银行信用扩张中，也存在“金融加速效应”，国内学者也发现中国的银行信贷市场也存在金融加速器效应。实证研究中，赵振全等（2007）运用门限向量自回归（TVAR）模型研究信贷市场与经济波动的非线性关系，认为中国1990年1月至2006年5月存在金融加速器效应，信贷市场紧缩时的经济波动明显强于信贷放松状态，对经济的冲击力度从强到弱依次为信贷冲击、货币冲击、价格冲击和实际冲击。黄静（2010）运用金融资产时间序列的动态相关分析（DCC−MGARCH）、格兰杰因果关系检验以及脉冲响应分析，认为1999年至2009年中国存在房地产价格的金融加速器机制，房地产信贷风险暴露被低估，房地产价格的上涨促进了房地产投资和信贷的增加，但信贷上涨没有对房价上涨和房地产投资形成正向反馈。

2014年第二季度以后，高风险和低风险企业的杠杆率反向波动，即高风险企业杠杆率向上波动，低风险企业杠杆率向下波动，2015年第二季度，高风险企业杠杆率达到波峰，低风险企业杠杆率达到波谷。2014年第三季度至2015年第二季度，高风险企业杠杆率攀升，同时影子银行贷款规模也在攀升，而高风险企业贷款利率却在下降，并且所有的市场利率均处于下降趋势，这表明资金充裕。资金充裕并未带来高风险企业杠杆率的下降，主要还是其资产收益率或者利润下降趋势明显。

综上所述，高风险企业杠杆率的攀升除了资产收益率下降直接影响外，金融市场摩擦导致了放大效应。本书对企业2009—2016年期间三次杠杆率攀升的影子银行方面的原因进行总结（见表5−3）。2010年第一季度至2011年第四季度，信贷规模和杠杆率之间的关系，符合“债务—通缩”理论；2012年第一季度至2013年第四季度，信贷规模和杠杆率之间的关系符合“金融加速器效应”；2014年第三季度至2015年第二季度期间，符合“存量债务对增量货币的反噬”，更多的货币投入无效的产出，高风险企业利润下降明显。

表5−3　高风险企业三次杠杆率攀升的原因