# 守正待时

- 原始网页：[https://gaoshanwen.com/articles/analysis-2016-07-07-12hogiu](https://gaoshanwen.com/articles/analysis-2016-07-07-12hogiu)
- 作者：高善文
- 日期：2016-07-07
- 栏目：分析
- 主题：金融风险、房地产、产业、周期

守正待时[1](#fn1)

高善文[2](#fn2)

2016年7月7日

**内容提要**

本文首先研究了房地产市场。

考虑到反腐败对政府行为的影响，我们将中国的二线城市分为两组，一组是重要官员牵涉腐败指控而落马的城市，对比组为没有出现这类冲击的城市。总体而言，数据显示2014年初以来前组城市的房价涨幅相对在显著加快。数据分析表明，由于反腐冲击，这导致前组城市的房地产新开工及土地供应受到了更强烈的抑制，客观上加速了房地产市场的存货去化过程，从而导致后期更快的房价上涨。进一步的数据分析指出，这两组城市的差别与收入增长和人口流入的差异没有关联。

对小学生及适龄入学儿童的数据分析显示，过去八年以来，中国的年轻人口主要涌向大中城市。由于人口结构的原因，最近两年这一趋势似乎进一步加速，这也许有助于理解中国大中城市旺盛的房地产需求。结合人口结构和城市化率的数据看，这一趋势还会延续一段时间。

然而，从短周期的角度看问题，房地产市场年初以来的加速上升势头似乎正在结束，并将很快转入下降趋势。从历史模式看，下降过程可能持续4-6个季度，并将在2个季度后传导为新开工的下降。我们认为，由于前期的需求透支，未来销售和开工的下降幅度不可低估。

本文接下来讨论了产能过剩问题。

我们研究了工业领域各行业在2013-15年期间的销售净利率和资产回报率，计算了这两个指标与其长期历史均值的背离程度，来比较和刻画产能过剩的情况。

从不同行业资产回报率对其长期趋势的背离看，可以用两种因素来进行解释。其一是该行业内国有资本的集中程度；其二是该行业在景气顶峰时对长期均值的背离程度。两个因素合并的解释能力接近一半，其中前一因素的单独解释力要略强一些。

这说明产能过剩具有周期性的背景，但由于预算软约束等原因，国有企业的大量存在妨碍和延迟了不少行业的自发出清过程，也是造成产能过剩难以克服的重要原因。

今年以来，工业品价格环比波动中枢显著抬升，商品价格也明显上涨。房地产和财政刺激的影响之外，市场自发进行的对过剩产能的清除，以及政府强力推进的重点领域产能出清政策造成了供应的收缩，也许是形成这一局面更加重要的原因。

价格的回升会逐步刺激企业的复产，从而重建供求平衡。虽然供应面的调整有望持续，但如果需求在未来再次显著回落，那么企业盈利和商品价格仍然面临风险。

本文最后讨论了影子银行体系的风险。

过去两年，在非标资产持续萎缩的同时，银行理财市场规模继续快速增长，大量理财资金越来越多地流向债券和银行同业等标准资产市场。尽管如此，理财利率与同期限定存利率及同业拆借利率的利差却持续扩大，或维持高位。银行理财能够在这一局面下长期维持相对更高的收益能力似乎是令人惊讶的，部分的原因在于金融创新，例如针对股票市场的质押贷款等，但更重要的原因可能在于扩大期限失配和信用风险暴露，并提高杠杆比率。这在提高了收益率的同时也使得金融体系承受着越来越大的风险暴露，但银行并未对这些风险保有明确和必要的资本缓冲。

如果未来出现了严重的流动性冲击（例如钱荒、资本外逃或高通胀）、或者显著的信用损失（例如信用债的严重违约），那么，这一体系很可能在局部上轰然崩塌，形成“债灾”，并波及整个金融体系，风险不可小视。

**目录**

[一、房地产市场 5](#一房地产市场)

[（一）反腐败对房地产市场的影响 5](#一反腐败对房地产市场的影响)

[（二）人口结构对房地产的影响 9](#二人口结构对房地产的影响)

[（三）对房地产市场的总结和展望 13](#三对房地产市场的总结和展望)

[二、产能过剩问题 17](#二产能过剩问题)

[（一）定量测量产能过剩 17](#一定量测量产能过剩)

[（二）产能过剩的原因 20](#二产能过剩的原因)

[（三）从PPI角度观察产能过剩 24](#三从ppi角度观察产能过剩)

[三、影子银行体系风险 27](#三影子银行体系风险)

# 一、房地产市场

今年年初以来，中国房地产市场出现了一轮非常猛烈的恢复。从交易量和交易价格的角度来看，市场的上涨非常猛烈，超出了年初绝大多数人，包括我们在内的预期。

从结构上来看，一线城市以外，二线和三线城市房价也出现了非常广泛的上涨，特别是二线城市直到今年5月份房地产价格和交易量的上涨仍然非常的强烈，这无疑是大大超出市场预期的。

接下来我们想讨论为什么会出现这样的局面，从对这一局面的思考之中我们能得到哪些一般性的结论和启示？

## （一）反腐败对房地产市场的影响

有位房地产业界的资深专家曾经提出了一个观点，认为房地产市场的这一轮上涨与反腐败存在着密切的联系。

这一基本想法是，如果反腐败导致某个地方政府的行政首长被查处，在随后的一段时间里会影响当地政府的行政作为，其中突出的表现会是系统性地减少市场上的土地供应。与地方政府“联系密切”的房地产商也会因为反腐败系统性地压低新房的开工。这些使得随后一到两年的时间里该地房地产市场的存货会被动地、加速去化。这样的库存加速去化在房地产市场周期上行的时候就会通过房价快速的上涨，房地产市场交易量快速的上涨表现出来。

我们专门针对这一看法梳理了相关数据，可以看到这种想法在一定程度上居然是正确的。

我们把中国二线城市分成两组，一组是有主要的行政官员因为腐败问题被查处的城市；另一组城市则没有出现这样的事件冲击。反腐败是中央自上而下对党的队伍进行清理的行为，从地方城市分组的角度来看，反腐败对地方的冲击应该具有一些随机性。

**表1：二线城市主要领导落马情况**

**南京**
市长季建业(2013.10)；市委常委冯亚军(2014.9)；市委书记杨卫泽(2015.1)

**无锡**
国土资源局局长王云鹤(2014.5)；副市长嵇克俭(2014.11)

**温州**
市委常委、秘书长吴开锋(2013.4)；副市长孔海龙(2015.4)

**昆明**
市委书记张田欣(2014.7)；市委常委、常务副市长李喜(2014.10)；市委常委、副市

长谢新松(2015.3)；市委书记高劲松(2015.4)

**太原**
市委书记陈川平(2014.8)

**呼和浩特**
市长汤爱军(2014.8)

**宁波**
市委常委洪嘉祥(2014.12)

**福州**
副市长时小雨(2014.3)

**济南**
市委书记王敏(2014.12)；市委副书记、市长杨鲁豫(2016.4)

**南宁**
市委书记余远辉(2015.5)

**贵阳**
副市长吴军(2014.6)

数据来源：安信证券整理

按这一标准分组，受到反腐败冲击的二线城市共11个，分别是：南京，无锡，温州，昆明，太原，呼和浩特，宁波，福州，济南，南宁，贵阳。没有受到冲击的二线城市有25个，分别是天津，石家庄，沈阳，大连，长春，哈尔滨，苏州，杭州，合肥，厦门，南昌，青岛，郑州，武汉，长沙，北海，海口，三亚，重庆，成都，西安，兰州，西宁，银川，乌鲁木齐。

我们首先对比这两组城市房价的表现。图1显示的是这两组城市定基房价指数的差。以新一届中央政府大力度反腐的开始为时间节点，2014年初之前，受到反腐冲击的城市在比较长的时间里房价涨幅系统性的更慢。但是在我们所研究的这一事件冲击发生以后，受到反腐冲击的城市样本组相对而言房价出现了系统性的加速，表现为两组城市的房价定基指数差开始显著收窄。

从房地产销售表现来看，2014年1季度之前，两个样本组房地产市场销售情况的差异平均在0附近，但此后受反腐冲击的样本组房地产销售增速出现了系统性的加快。这与2014年之前的情况具有非常大的差异。

从交易量和交易价格的角度看，我们重点研究的受反腐冲击的城市房地产市场的表现确实出现了系统性的变化。造成这一结果的原因是什么呢？在经济上有可能是我们重点研究的样本组的收入或人口流入在加速，还有一种可能是我们研究的样本组的房地产市场经历了更彻底的去存货。

图1：受反腐冲击城市和无冲击城市定基房价差

![图1：受反腐冲击城市和无冲击城市定基房价差](/assets/article-charts/analysis-2016-07-07-12hogiu/chart-01.png)

数据来源：wind，安信证券

注：2005年7月为100

图2：受反腐冲击城市和无冲击城市房地产销售滚动增速差，%

![图2：受反腐冲击城市和无冲击城市房地产销售滚动增速差，%](/assets/article-charts/analysis-2016-07-07-12hogiu/chart-02.png)

数据来源：wind，安信证券

首先观察房地产新开工情况。在我们所研究的事件冲击之前，受到反腐冲击的样本城市组的新开工增速系统性的高于对照组。而在2014年初之后接近两年的时间里，我们重点研究的样本组相对而言房地产新开工增速出现了更大的下滑。表现为两者之间的差距在2014年1月份以后接近两年的时间里都位于明显的负值区间。这意味着受到反腐冲击的城市组房地产新开工更低，相对而言房地产市场去存货更加彻底。

图3：受反腐冲击城市和无冲击城市房地产新开工滚动增速差，%

![图3：受反腐冲击城市和无冲击城市房地产新开工滚动增速差，%](/assets/article-charts/analysis-2016-07-07-12hogiu/chart-03.png)

数据来源：wind，安信证券

图4：受反腐冲击城市和无冲击城市土地购置面积滚动同比，%

![图4：受反腐冲击城市和无冲击城市土地购置面积滚动同比，%](/assets/article-charts/analysis-2016-07-07-12hogiu/chart-04.png)

数据来源：wind，安信证券

从土地购置面积来看，类似的情况依然是存在的。以2014年1季度为节点对比这两个样本组，可以看到受到反腐冲击的城市样本组土地购置面积下滑幅度显著更大。

这些情况在很大程度上已经佐证了我们前文提出的假说，一个城市的官员因为腐败问题被查处，这个城市在随后大概一至两年的时间里土地市场和新开工情况会受到更强的抑制，从而会加速这个城市的房地产存货去化过程。

## （二）人口结构对房地产的影响

**1、两组城市在居民收入和人口流入间差异不大。**

是否有一些经济上的原因也可能导致这一结果呢？我们接着从居民收入和人口流入的角度比较这两组城市的情况。

首先我们比较这两组城市居民可支配收入的情况。从图5的比较来看，应该说没有很强的证据说明一组城市的居民可支配收入出现了显著的加速。

图5：受反腐冲击城市和无冲击城市居民可支配收入增速差，%

![图5：受反腐冲击城市和无冲击城市居民可支配收入增速差，%](/assets/article-charts/analysis-2016-07-07-12hogiu/chart-05.png)

数据来源：wind，安信证券

是不是因为人口的加速流入从而推动房价的上升呢？

由于大多数二线城市没有可靠的常住人口连续数据，作为替代我们重点研究了这些城市的小学在校生人数的增长。因为小学在校人数是基于教育部的统计，数据的质量非常高，而且我们可以合理的设想，在中国大中城市6-11岁的适龄儿童如果不是出于特殊的情况，应该都在学校接受义务教育。

如果一个城市有大量的人口涌入，这些涌入人口的子女将在小学在校人数方面得到一定的体现。更加重要的是，小学在校人数的变化可以比较好的反映刚需的变化。如果一个年轻的家庭在某一城市安家，随后有了子女，并在这个城市上学，那么他对于学区房的刚需非常强。所以一个城市在校小学生人数的变化也许可以比较好的反映这个城市刚需的变化趋势，并且这个数据的质量非常高。

图6：受反腐冲击城市和无冲击城市小学在校生增速，%

![图6：受反腐冲击城市和无冲击城市小学在校生增速，%](/assets/article-charts/analysis-2016-07-07-12hogiu/chart-06.png)

数据来源：wind，安信证券

观察两组城市小学在校生增速，增速并没有系统的差异。甚至没有受到反腐冲击、房价上涨比较慢的那组城市，小学在校人数的增速更快，意味着它的刚需更强。

从居民收入、人口流入和刚需的角度，我们基本上可以排除两个样本组房价上涨的明显差异与经济因素或者是人口因素有关系的假设。同时从房地产市场的新开工以及土地购置的情况来看，我们可以在一定程度上认定受到反腐冲击城市的房地产市场在供应层面上受到了更强的抑制，这种抑制与随后房价的上涨之间应该存在着比较紧密的联系。

**2、人口小周期继续支持一二线城市房地产需求。**

从总量上观察中国的人口结构，如果以小学适龄人口的增长来推测未来的小学在校人数的增长，我们可以看到从现阶段到2020年左右，以小学适龄人口来衡量，将有一个小规模的人口红利或人口高峰。

从1998年到2013年前后，中国小学在校人数一直处于负增长，这反映了中国年轻人比例的下降。但是由于人口自身小周期的作用，大约从2014年或者2015年开始未来十年时间中国小学人数会重新恢复增长，这一增速大约在1%左右。

从分城市结构来看，尽管过去全国范围内小学在校人数长期负增长，但是中国一线城市小学在校人数至少在2008年以来一直维持高速的增长，增速在4%到5%之间，意味着在14年左右的时间里面人数就会翻一番。这表明一线城市吸纳了大量的，并且主要是年轻的劳动力，推动了一线城市小学在校人数以非常快的速度增长。这种人口趋势的变化推动了一线城市对住房、对学区房非常旺盛的需求，并且从人口的趋势来看，这一趋势在2020年之前不见得会结束。

对中国的二线城市合并来看，在2011年以前小学在校生人数大体处于负增长区间。2014年以来，二线城市的小学在校人数也出现了明显的加速。

从2015年往后看，我们将看到的是，全国的小学在校人数从以前每年-3%到-4%的增长，重新恢复到1%左右的增长。这在一线城市始终表现为小学在校人数非常快速的增长，在二线城市也开始转化为小学在校人数比较快的增长，并在一定程度上即将转化或者已经转化成为对包括学区房在内的刚性、旺盛的房地产需求。从人口角度来看，这一需求可能还会持续一段时间。

图7：普通小学在校生人数增速，%

![图7：普通小学在校生人数增速，%](/assets/article-charts/analysis-2016-07-07-12hogiu/chart-07.png)

数据来源：wind，安信证券

图8：全国小学适龄入学人口数，千人

![图8：全国小学适龄入学人口数，千人](/assets/article-charts/analysis-2016-07-07-12hogiu/chart-08.png)

数据来源：wind，安信证券

## （三）对房地产市场的总结和展望

**1、房地产市场的核心问题是去库存。**

综合此前的讨论，我们提出对房地产市场的一般性总结。

从刚性需求、人口城市化等角度来看，实际上过去很多年以来，中国的城市化以及城市化对房地产市场需求的推动始终保持在一个比较稳定的状态。从人口变化，以小学在校人数这个指标来衡量，人口结构以及城市化所推动的房地产需求在未来一段时间，会出现一段逐步强化的过程。这种强化和加速表现为一线城市人口大量的涌入，在可以预见的将来二线城市也将涌入大量的人口。

在这一背景下，中国房地产市场核心的问题是去存货。支持这一说法的重要证据就在于反腐败对房地产市场的影响。

从我们前文所讨论的证据来看，反腐败对经济活动产生了实实在在的影响，在短期之内突出的表现为房地产存货加速去化，在中长期来看它加速了房地产市场的正常化过程。所以在受到反腐败冲击的城市，房地产市场恢复的更快。

**2、从总量层面讨论房地产市场。**

房地产总量数据层面有三个情况。一是，从房地产的销售和新开工增速的对比来看，两者是高度同步的，平均而言新开工增速滞后销售大约2个季度左右。二是，在2011年以来的大多数时间里，房地产市场的新开工增速都处在销售增速之下，相对而言这个市场逐步进入了一个存货去化的过程。三是，房地产市场具有显著的周期和剧烈的波动，市场围绕某一趋势水平向上和向下都会出现显著的背离。

观察最近的房地产市场销售周期。目前房地产销售面积增速已经处于金融危机以来销售面积历史增速波动区间的上限附近。从短周期的角度来看，当前房地产销售面积的高速增长应该是很难维持的，用不了太长的时间，销售增速应该会拐头向下。从历史的模式来看，一旦销售增速拐头向下，将会有一个很深的下探，这种下探反映了房地产市场自身的短周期的波动，未必代表房地产市场的中长期趋势的变化。一旦这一拐点出现，房地产销售将出现4-6个季度的连续下降。

图9：房地产销售和新开工增速当季同比增速，%

![图9：房地产销售和新开工增速当季同比增速，%](/assets/article-charts/analysis-2016-07-07-12hogiu/chart-09.png)

数据来源：wind，安信证券

有一些观点认为，从历史上来看房地产市场顶部的出现都与货币的紧缩紧密的联系在一起。现在我们没有看到货币的紧缩，从这一观察出发，认为房地产销售不会下行，或者下行幅度很轻微。

我们认为货币的紧缩更可能是房地产销售拐点的催化剂，它触发或者是加速房地产销售增速回落的过程。但是即使没有货币的紧缩，房地产销售增速或迟或早也一定会出现转折，关键的原因是房地产市场存在内在的均值回复趋势。

从长期来看房地产市场有一个趋势增速，如果市场的销售情况与这一趋势背离逐渐加大，会有非常强的向趋势回归的力量。这一趋势回归的过程，表现为向上背离趋势非常远的时候，向下的回归也会非常深，从而在长期之内围绕趋势形成非常大的波动。

我们现在看到的是房地产销售面积增速太高，并且这一增速已经经历了至少5个季度的连续爬升。从趋势回归的角度看，房地产销售需要经历一个向下调整的过程。目前销售的趋势水平可能在0-5%之间，而1季度的销售增速在33%。所以这一向下的调整一旦开始，增速下探的幅度应该会很深。

随着销售的下滑，2个季度以后新开工也会调头向下，并且由于房地产存货去化的过程还没有完成,新开工可能会跌的更深。

由于房地产市场的存货数据可靠性很差，在这里我们设想了一个指标。尽管我们也不认为这个数据那么的可靠，但是它对存货的趋势多少有一些寓意。

我们把每一年的销售面积，减去剔除不可销售的部分[3](#fn3)后的新开工面积，就得到了每一年存货的变化情况。

尽管这一存货变化情况也不见得可靠，例如部分项目是房地产企业以自持的形式来长期持有。但以此观察，我们能够看到在2015年房地产市场经历了一定的存货去化，今年以来存货去化的速度有一定放慢。

从这一数据来看，考虑2011-2013年的存货积累情况，和过去2年的存货去化情况，我们认为房地产市场的存货仍然没有清理完毕，市场仍然需要一个存货去化的过程。这需要新开工面积经历一个更深的下降。

综合来看，我们现在也许处在一个短周期销售面积的顶峰附近，用不了太长时间我们就能看到销售面积快速下降，它也许不需要货币紧缩来触发，这个下跌会持续很长的时间，并且下探的会比较深。

考虑到房地产市场的存货去化仍然有比较明显的压力，新开工面积随后的下降应该也会有一定的幅度，并且在底部会持续比较长的时间。在这个意义上来讲，我们现在正在看到的新开工面积的上升，以及经济需求的恢复，应该说都是不可持续的。

图10：房地产存货变化情况，千平方米

![图10：房地产存货变化情况，千平方米](/assets/article-charts/analysis-2016-07-07-12hogiu/chart-10.png)

数据来源：wind，安信证券

注：蓝线调整方法，新开工面积（自2007年开始）*0.8-当年销售面积。2016年数据为估算值。

# 二、产能过剩问题

## （一）定量测量产能过剩

当下对产能过剩问题的讨论非常热烈，但是讨论中我们比较少看到用一系列可靠的经济指标对产能过剩进行定量的测量和分析，我们在这里想提出我们的一些分析。

我们认为产能过剩的经济意义中，关键的一点在于它使得行业的盈利受到了系统性的抑制。如果每一个企业的盈利都很好，我们认为是不存在产能过剩的，或者这种产能过剩是没有经济意义的。

从这个角度出发，我们用两个指标考察企业盈利情况，一个指标是ROA，另一个是行业的毛利率。

我们首先计算一个行业2001-2015年的长期ROA的历史均值以及长期毛利率的历史均值，然后计算2013-2015年这些行业的ROA和毛利率均值[4](#fn4)。因为2013年以后大多数行业的景气状况开始低迷，我们重点考察过去三年行业的盈利情况与盈利长期历史均值的背离情况。这里的背离情况用ROA变化的绝对水平，和毛利率变化的相对水平衡量。

图11显示了从毛利率和ROA角度衡量的行业盈利背离情况，在这个二维图中越处于右上方的行业盈利的降幅越大，图中第一象限内的行业盈利都受到了很大程度的抑制。

基于这一定义，如果一个行业的企业盈利在两个维度上都显著的低于长期历史均值，我们就认为这些行业存在严重的产能过剩。在这一定义下，我们筛选出了5个严重产能过剩的行业，包括：煤炭开采和洗选业，黑色金属冶炼及压延加工业，有色金属冶炼及压延加工业，黑色金属矿采选业，有色金属矿采选业。

筛选出的行业主要集中在有色金属的产业链、黑色金属产业链和煤炭产业链，特别是在这些产业链的中上游，这与中央重点提出的钢铁和煤炭行业是比较接近的。尽管从自上而下的角度来看，其他众多行业盈利也并不好，但是其盈利状况与长期历史均值的背离没有那么显著，意味着这些行业也许存在一定程度的产能过剩，但过剩程度并不严重。

图11：产能过剩行业分类

![图11：产能过剩行业分类](/assets/article-charts/analysis-2016-07-07-12hogiu/chart-11.png)

数据来源：Wind，安信证券

表2从工业增加值、就业、纳税、负债等角度，对产能过剩行业在宏观上进行描述。5个产能过剩行业占整个工业行业的比重大约在10%-20%之间。特别需要指出的一个特征是，这些行业内部国有资产占整个行业资产的比重平均在51%。

从产能过剩行业分布的地区来看，相对而言，这些行业集中在中国的中部、华北以及部分东北地区。在浙江地区产能过剩不是那么严重，到广东及周边省份，产能过剩问题要更加缓和。

**表2：产能过剩行业的描述性统计**

**产能过剩行业情况**
**占比**

占工业增加值比重
16.9%

占工业企业就业比重
12.0%

占工业企业纳税比重
9.9%

占工业企业负债比重
20.3%

国有资产平均比重
50.5%

数据来源：Wind，安信证券

注：国有资产平均比重为2014年数据，其余数据为2015年数据，其中占

工业增加值比重为测算数据。

图12：产能过剩行业地理分布

![图12：产能过剩行业地理分布](/assets/article-charts/analysis-2016-07-07-12hogiu/chart-12.png)

数据来源：wind，安信证券

注：选取5个产能过剩行业中资产占比前三的省份。

## （二）产能过剩的原因

接下来我们重点讨论为什么会有这么严重的产能过剩。

我们从两个维度研究横断面数据。第一个维度，在横轴上我们选择了不同行业国有资产的占比情况，在纵轴上我们选择了这些行业的ROA与长期历史均值的背离。

从统计结果看，其解释能力有33%，表明在统计上一个行业国有资本越集中，那么这个行业盈利受到的抑制就越大，如果一个行业国有资本越少，这个行业盈利受到的抑制越轻微。

图13：国有比重高的行业ROA 下降更加明显

![图13：国有比重高的行业ROA 下降更加明显](/assets/article-charts/analysis-2016-07-07-12hogiu/chart-13.png)

数据来源：wind，安信证券

第二个维度，在纵轴上我们仍然选择行业盈利所受到的抑制，在横轴上我们研究在行业最赚钱的时期行业盈利与长期历史均值的背离情况[5](#fn5)。这意味着从行业的景气波动来讲，如果一个行业在顶部的时候越赚钱，它在底部的时候越亏钱。我们同样看到了在统计上有意义的结果，它的解释能力为29%。

如果把这两个解释的维度合并，行业国有资产的占比情况，和景气顶部行业盈利与历史均值的背离，在横断面上合并能解释数据的47%。

图14：周期上升时ROA 越高，近期ROA 降幅越大

![图14：周期上升时ROA 越高，近期ROA 降幅越大](/assets/article-charts/analysis-2016-07-07-12hogiu/chart-14.png)

数据来源：wind，安信证券

这表明，中国的产能过剩问题在一定程度上是一个周期性的现象。由于在经济景气周期上升的时候，有一部分行业太赚钱，引进的资本太多，所以在底部的时候产能过剩更严重。

但是除了这种正常的周期性波动之外，从解释能力上来讲更加重要的一个原因是，部分行业存在着国有企业和国有资本过度集中的现象。

当国有资本过多的集中于一个行业的时候，它妨碍和延迟了市场的正常出清过程。如果一个行业盈利下降、产能过剩，民营企业关闭，在周期的意义上来讲这个行业在进行市场自发的调整。但是国有企业的大量存在妨碍了市场的自发调整和出清过程。所以造成了国有企业比较集中的领域产能过剩问题会变得更加严重。

为了进一步佐证这个观点，我们研究几个代表性的行业。

我们已经知道中国的产能过剩问题相对集中在重化产业链的中上游。我们把重化产业链里面的行业分解成两组，一组是我们刚才讨论的产能过剩严重的产业，另一组是其他行业，包括化学原料及化学制品制造业，化学纤维制造业，非金属矿物制品业，金属制品业。

我们把这两组行业进行对比。首先非常清楚的是，产能过剩行业的毛利率降幅和ROA降幅显著要更大。但是从经济总量占比看，例如就业、工业增加值、纳税这些指标，这两组行业对比是差不多的。与此同时还有一个显著的特征，在产能严重过剩的这些产业中，国有资本的平均占比在50%以上，而在产能过剩不那么严重的行业中，国有资本的占比只有17%。

**表3：过剩行业与其他重化工业对比**

**产能过剩行业（5个）**
**对照行业（4个）**

**毛利率平均降幅**
-27.3%
-6.8%

**ROA平均降幅**
-5.30
-1.83

**就业合计占比**
12.0%
15.4%

**增加值合计占比**
16.9%
15.2%

**纳税合计占比**
9.9%
13.1%

**负债合计占比**
20.3%
14.9%

**国有资产平均占比**
50.5%
17.4%

数据来源：Wind，安信证券

继续对比几个具体的行业，比如黑色、有色和化工行业。从盈利的恶化来讲黑色和有色行业毫无疑问要严重的多，但是从经济的体量来看化工行业比黑色行业在一些指标上还要大一些，相对于有色行业要大的多。

但是为什么化工行业的盈利恶化要更轻微呢？可以看到，化工行业国有资产的占比只有19%，而黑色、有色行业的占比分别为48%和41%。更进一步，有色行业比黑色行业的国有资本占比要小一些，ROA的降幅要小一些，化工行业的国有资本占比要小的多，它盈利的降幅也要小得多。

**表4：黑色、有色、化工行业比较**

**毛利率降幅**
**ROA降幅**
**就业占比**
**增加值占比**
**纳税占比**
**负债占比**
**国有资产平均比重**

**黑色**
-25.62%
-5.45
2.27%
3.94%
1.80%
4.48%
48.94%

**有色**
-26.79%
-4.51
1.31%
2.56%
1.27%
2.41%
41.86%

**化工**
-8.57%
-1.88
2.79%
3.65%
3.14%
4.06%
19.35%

数据来源：Wind，安信证券

注：黑色包括：黑色金属矿采选业、黑色金属冶炼及压延加工业；有色包括：有色金属矿采选业、

有色金属冶炼及压延加工业；化工包括：化学纤维制造业、化学原料及化学制品制造业

从行业的角度，从不同的维度看问题，我们想强调的结论是中国的产能过剩是一个周期性的现象，同时也是、甚至更加是一个结构性的现象，它突出的反映为国有资本的大量存在妨碍了市场的正常出清过程。在经济景气下降和盈利恶化的过程之中，民营企业快速的关闭产能，但是国有企业在这一过程之中关停产能要困难得多，这使得产能过剩的问题变得更严重。

这是因为国有资本在经济上特别重要吗？从就业、纳税、工业增加值等角度来看也不尽然，这些行业占纳税的比重、占就业、占工业增加值的比重并不显著更多。由于市场机制这时难以自发出清，就需要政府的供给侧政策来干预。今年的情况显示这些干预开始取得一些成效。

## （三）从PPI角度观察产能过剩

从总量层面来看，产能过剩突出的表现为产品价格受到了抑制。产品价格受到抑制以及这些抑制的缓解在一定程度上能够反映产能过剩的出清过程。

这里我们观察中国工业品价格的环比波动。一个特征是工业品价格环比在短期内有非常大的扰动，存货摆动、政府对经济的一些短周期刺激等，都造成了数据的扰动。如果我们忽略这些短期的扰动看问题，可以看到工业品价格有两轮下跌，第一轮下跌从2011年3、4月份开始，最严重时在2012年年中，也许稍微晚一些到2013年上半年。这一下跌毫无疑问与当时的宏观调控有关系，并使得产能过剩问题开始暴露出来。

图15：PPI 环比增速，%

![图15：PPI 环比增速，%](/assets/article-charts/analysis-2016-07-07-12hogiu/chart-15.png)

数据来源：wind，安信证券

在2013年下半年到2014年上半年，在差不多一年的时间里，工业品价格总体上已经稳定下来，工业企业的盈利已经开始恢复，从一些指标来观察企业的设备利用率也开始出现回升。这意味着产能过剩的问题开始缓解和改善。

但是2014年8月份以后工业品价格再次经历了猛烈的下跌，这一下跌过程大约在2015年8-10月份才稳定下来。这一轮猛烈的价格下跌再次造成了企业盈利严重的恶化和企业设备利用率的下降，造成或者大大凸现了产能过剩问题。

为什么会有这一轮猛烈的下跌呢？可能的原因有很多，但毫无疑问一个很重要的原因就是政府行为在2014年8月份以后发生了比较大的变化，造成了经济需求出现了断崖式的下滑。这表现为反腐败使得很多地方政府发展经济的积极性在一定程度上受到了影响，以及财政部对于地方融资平台的清理使得政府广义财政支出出现了非常大的下跌。经济需求的下滑造成了工业品价格非常大的下跌，这一下跌造成了企业盈利恶化和产能过剩问题再次凸现。

以上是对历史数据的简要回顾。

从近期的数据来看，去年10月份到今年2月份，经济的总需求并没有明显的恢复，总需求出现脉冲式的恢复发生在今年的3月份，但去年10月到今年2月工业品价格基本稳定下来，商品期货价格的底部也出现在11月、12月期间。为什么这期间工业品价格开始稳定下来？

关键的原因是，面对需求的冲击，民营比较集中的领域一部分企业被迫退出市场，产品的价格开始稳定下来。同时在国有资本集中的领域，去年11月份以后中央痛下决心要在这些领域重点解决产能过剩问题。中央下决心关闭产能的努力，对工业品价格、对商品期货价格造成了很大的刺激，这种刺激到现在为止还在延续。

在市场自发的去产能和政府通过行政手段去除过剩行业产能的过程之中，今年3月份政府同时推出了财政刺激计划。财政刺激计划又进一步刺激了市场对经济需求的乐观预期，这一预期催化了存货调整。需求好转以及存货调整，在宏观上造成了工业品价格急剧的反弹。从工业品价格看，这一反弹幅度是2011年以来没有出现过的。

合并来看，在供应层面，市场正常的产能去化叠加上政府主导的产能去化；在需求层面，政府不经意地刺激了房地产，在需求预期和存货调整层面上也造成了非常大的刺激，共同造成了市场在价格层面上极其剧烈的反弹。

我们现在也许处在一个相对比较短暂的蜜月期。从需求的角度来讲，3月份对需求的刺激和房地产市场的恢复仍然在继续发挥作用，同时供应的去化总体上也在正常进行，由此对工业品的价格和周期性行业的盈利都形成了比较有利的刺激。

但是随着时间的延续，也许3-6个月以后，随着政府基建和房地产市场重新掉头下降，我们将看到尽管供应也许仍在去化，但会重新出现价格下跌和盈利恶化的局面。

# 三、影子银行体系风险

接下来，我们简单讨论中国影子银行体系的发展、演化以及面临的风险问题。

2004-2005年前后，在商业银行的资产负债表之外，中国的影子银行体系逐步发展起来。起初，银行发行理财产品，募集资金大多用于购买企业债、政府债及其他一些标准化债权资产。尽管在会计原则、监管安排方面存在差异，但总体上这与正常的资产管理业务还是类似的。

2010-2011年开始，影子体系出现了持续几年的爆发式扩张，其中非常关键的驱动力量是非标业务的迅猛发展。

从需求端来看，地方融资平台、房地产开发商以及其他一些部门投融资活动旺盛，他们愿意支付、并且市场相信他们能够支付比较高的资金利率；从供给端来看，受存贷比考核、资本充足率约束以及宏观调控影响，商业银行表内信贷投放能力不足。在此背景下，影子体系应时而动，大量理财资金对接非标业务，实现监管套利，并获得了远高于表内存款利率的预期回报率。

但自2014年晚些时候开始，一方面，中央对地方融资平台的举债行为施加了很多的约束，房地产市场也因去存货而放缓了投融资步伐；另一方面，银行表内额度重新宽裕，部分非标业务回到表内。这使得整个非标业务的膨胀速度显著放缓。

下图显示的是新增委托贷款、信托贷款及未贴现承兑汇票占新增广义社融的比重，一定程度上衡量了非标业务的发展状况。

2014年之前，新增非标业务比重始终处于波动上升的过程之中，并于2013年底达到高点。但随后即结束扩张势头，并转为向下。

非标业务扩张的放缓，从银行理财资金投向上也生动地反映出来。例如，理财资金非标配置比例在2013年为27%，2015年底下降到16%的水平，目前的比重可能还要显著地更低。

图16：新增表外融资占新增广义社融的比重（%）

![图16：新增表外融资占新增广义社融的比重（%）](/assets/article-charts/analysis-2016-07-07-12hogiu/chart-16.png)

数据来源：Wind，安信证券

图17：银行理财资金投向

![图17：银行理财资金投向](/assets/article-charts/analysis-2016-07-07-12hogiu/chart-17.png)

数据来源：中债登，安信证券

在高利率非标业务占比萎缩背景下，一个合乎直觉的推论是，理财产品预期回报率将快速下滑，影子体系负债端的扩张也会大幅放缓。

但事实与此相反，过去两年银行理财市场规模仍然迅猛增长，没有显露出明显的减速迹象。

在理财市场规模继续高速增长的同时，我们也看到，理财产品预期回报率尽管在下降，但下降速度始终非常缓慢。

如果我们将它与竞争性产品例如定存、同业拆借业务作比较，还会看到，理财利率与同期限定存利率、同业拆借利率的差仍处在历史最高点附近。

图18：新增理财资金占M2 之比（%）

![图18：新增理财资金占M2 之比（%）](/assets/article-charts/analysis-2016-07-07-12hogiu/chart-18.png)

数据来源：Wind，安信证券

图19：理财产品预期回报率（%）

![图19：理财产品预期回报率（%）](/assets/article-charts/analysis-2016-07-07-12hogiu/chart-19.png)

数据来源：Wind，安信证券

图20：理财产品预期回报率与同期限定存、同业拆借利率的差（%）

![图20：理财产品预期回报率与同期限定存、同业拆借利率的差（%）](/assets/article-charts/analysis-2016-07-07-12hogiu/chart-20.png)

数据来源：Wind，安信证券

数据说明：2012年7月以前的定期存款利率为央行公布的3月定存基准利率，之后的以工商银行3月定存利率作为参考。

那么问题是，理财体系到底使用了什么样的办法，来获得和维持这么高的预期回报率？

第一，期限错配和成本法计价。

理财资金期限一般集中在6个月以内，其中有一定的比例对接了比较长期的资金用途。一些高利率的资金用途迄今还没有到期，并按照成本法计价。这在维持了高收益率的同时也意味着期限失配和潜在的流动性风险。

第二，增加信用风险暴露并加杠杆。

例如在信用债市场上，尽管经济下行、企业盈利恶化、企业实际的违约发生事件明显增多，但去年下半年至今年初，信用利差还是收窄至历史最低水平。理财资金增加信用风险暴露和加杠杆可能是背后十分重要的驱动力量。利率债领域的加杠杆可能一定程度上也是存在的。

图21：信用利差（5 年AA+与5 年国开利差，%）

![图21：信用利差（5 年AA+与5 年国开利差，%）](/assets/article-charts/analysis-2016-07-07-12hogiu/chart-21.png)

数据来源：Wind，安信证券

第三，金融创新以及对高风险标的的投资。

例如理财资金积极对接两融受益权和结构化证券产品，参与这一类金融创新。这对理财体系自身而言具有高收益、低风险的特征，但可能催化和放大了去年的股市泡沫，随后通过“强平”机制加剧了股票下跌过程中的流动性挤压，实际上增加了金融系统所承担的风险。

问题的关键在于，这些做法在提高了理财产品收益率的同时，也使得影子体系承受着越来越大的风险暴露，例如由期限失配带来的流动性风险、由杠杆和信用债带来的信用风险等，但银行并未对这些风险保有明确和必要的资本缓冲，以及相应的紧急流动性救助安排。

如果未来出现了严重的流动性冲击（例如钱荒、资本外逃或高通胀）、或者显著的信用损失（例如信用债的严重违约），那么，这一体系很可能在局部上轰然崩塌，形成“债灾”，并波及整个金融体系，风险不可小视。

中国在过去几年先后经历了钱荒、股灾和汇灾，未来会否发生由影子体系所引发的债灾，无疑值得认真关注。