【廣發宏觀周俊誌】壹個關於社會整合數據估計的技術細節
社融數據中有壹個統計細節，兩期存量相減不代表本期增加，即增量存量≠增量。估算社會融資存量增速的常用方法是估算不同分項的新增社會融資，然後相加得到新增社會融資總量，再計算存量同比增速。這意味著直接用新量來估計存量增長率會引入估計誤差。本文旨在討論這壹錯誤的細節。
誤差有多大？歷史經驗表明，年誤差約為1%，誤差不可忽略。
2065438+2008年，社會融資月度δ存量和增量誤差在3%-25%之間。回顧歷史，社會整合的增量與δ存量之間總是存在誤差，而且在大多數情況下前者大於後者。對比兩種計算方法的結果，可以觀察到誤差:方法1，本期增量/上期庫存* 100%；方法二，(現股-前股)/前股*100%。方法1的計算結果概率高於方法2，相差約1%(年頻率)。方法2計算的是真實的存量增長率，因此可以看出，存量增長率是直接用新增量估算的，年誤差約為1%。
為什麽會有錯誤？誤差主要來自五個細分項。
對社會融資分項進行分解，發現δ存量與增量的差異主要來源於外幣貸款、委托貸款、信托貸款、企業債券融資和其他五個子項。
信托貸款的誤差主要是每年1月的存量調整。以信托業協會口徑的信托貸款為影子指數，發現每年信托貸款的δ存量和增量誤差幾乎都是每年1個月貢獻的，1個月的主要誤差是當月社會融資的信托貸款存量的脈沖調整。我們猜測6月5438+10月的調整可能與年初的庫存統計有關。委托貸款數據透明度不高，誤差原因暫時未知。但是從2015開始誤差幾乎可以忽略不計。
外幣貸款的誤差是由匯率波動引起的。外幣貸款增量計算采用當期平均匯率，存量計算采用期末匯率。修正匯率影響，即按照相應的匯率換算得出以美元計價的增量和增量存量，發現增量存量和增量誤差基本被抹平，驗證了外幣貸款的誤差主要來源於匯率波動。
企業債券融資失誤的原因是不同的。社會融資口徑的企業債券融資包含多種債券(至少11)。萬得口徑的11債券年融資凈額與社會融資口徑的企業債券融資增量數據擬合度較高，δ存量也是如此。但即使是同口徑，這11債券的新增金額和δ存量也有差異，因為起息日是萬得存量統計的標準，發行日是凈融資統計的標準。社會融資口徑的企業債券融資包含多種債券，涉及不同的發行制度、兌付規則和余額統計標準，不僅僅是起息日和發行日的區別。因此，其日常統計監測涉及面廣，自然存在統計難度，新增量和δ存量不可避免地存在統計誤差。
其他主要原因在於保險公司賠付和金融去杠桿的特定背景。社會融資總額中扣除人民幣貸款後剩余的收入稱為“其他項”，實際上包括保險公司賠付、投資性房地產和其他融資。我們認為2016以來的大部分情況下，其他錯誤主要是保險公司賠償；2017的誤差不僅與保險公司的賠付有關，還與具體的去杠桿背景有關。
有什麽指導意義？2019年增量存量增長的預估結果比往年更穩定。
通過對五個子項的δ存量和增量誤差求和，得出2019舊口徑社福存量增長率的估計總誤差概率僅為1.04%，為2010以來的中性誤差水平。新口徑社會融資存量的δ存量和增量誤差大概率小於0.9%，即增量估計2019年社會融資存量增速，估計結果比往年更穩定。
核心假設風險:中美貿易摩擦超預期，內需下滑超預期。
目錄
主體
第壹，社會融資存量的減法不等於當前的增量。
1.1社會融資存量的減法不代表當期社會融資的加法。
央行同時報告社會融資存量和增量數據。但是，減去兩期期末存量得到的結果並不等於當期的社會融資增量。以2018年為例，65438年2月新口徑社福存量為200.75萬億元，165438年10月新口徑社福存量為199.29萬億元，結果為14535億元。與央行2月份報告的新增社會融資158976億元相比，相差13626億元。同理，在2018到12這壹個月，也存在δ存量不等於新增量的現象，兩組數據的誤差在3%-25%之間【18】。回顧歷史數據，社會整合增量與δ存量之間壹直存在誤差，且多數情況下誤差為正，即社會整合增量大於δ存量。
1.2用新增社會融資估算社會融資存量增速的誤差不容忽視。
估算社會融資存量增長率的壹種常用方法是先估算T期新增社會融資(新增社會融資T)，再除以之前的社會融資存量t-1，得到T期社會融資存量的預測增長率。但δ存量不等於當期社會融資增量，這意味著用新增社會融資T計算社會融資存量T同比增速的估算方法會引入誤差。這個誤差在多大程度上影響估計精度？這是估算社會融資存量增速需要面對的問題。
為了觀察誤差，我們比較了兩種算法的計算結果。算法1，本期增量/上期庫存* 100%；算法二，(現股-前股)/前股*100%。其中，央行直接上報的社會融資存量增速采用方法二計算，即δ存量/存量的結果為社會融資存量的真實增速。
圖3(僅追溯到舊口徑社會整合)顯示，算法1得到的結果基本高於算法2得到的結果，兩者計算結果的差異大部分年份保持在1%左右；少數年份超過1%，如2006年(1.1%)、2007年(1.1%)、2009年(1.9%)和20165438。個別年份甚至超過3%，如2004年(3.4%)、2005年(4.8%)、2008年(3.5%)，這些差異較大的年份主要集中在2010之前。2018新口徑(9月調整口徑)和7月調整口徑也存在類似誤差，使用方法1和方法2，差異(季節頻率)小於0.8%，如圖4所示。
第二，誤差主要來源於五個細分項目。
2.1誤差主要來源於五個細分項。
在解釋誤差的主要來源之前，我們先簡單回顧壹下央行公布的社會融資數據的頻率特征。在存量社會整合方面，央行僅在2015開始直接公布存量數據(含分項)，數據頻率具有季節性。2016年公布月度社會金融存量數據(含分項)。2002年至2014年，央行不直接公布社會融資存量規模(含分項)，而是公布社會融資存量(含分項)年增長率。因此，理論上我們可以利用2015及以後的社會金融存量數據和2002年至2014年的存量同比增長率來計算相應年份的年度頻率社會金融存量數據。在社會整合增量方面，2012年，央行公布了社會整合月度增量數據，同年補充了2002年至2011年的社會整合月度增量數據。至此，2002年1之後的月度增量數據已直接公布。
在分析央行公布的社融數據時，有兩點值得註意。第壹，央行公布的同比增速只精確到小數點後壹位(自2018起，精確到小數點後兩位)，因此同比增速的逆向計算方法會出現以下情況——年份越早，小數點精度造成的累計誤差越多。第二，每月新增社社可分為“月初值”和“月初值”。央行每月在10-15左右以新聞公報形式公布社會融資規模(含分項)數據初步統計值，為“當月初值”，每月16-19左右的修正數據為最終“當月值”。
我們之所以花壹些精力來梳理央行公布的社融口徑和數據頻率，是想試圖厘清哪部分誤差來自於δ存量和新增量的差異，哪部分誤差只是因為數據口徑的轉換而引入的。比如2015之前，缺乏央行直接公布的社會融資存量數據。雖然每年的社會融資存量可以根據央行給出的社會融資存量同比增速來計算，但央行公布的社會融資存量同比只精確到小數點後壹位，每向後計算壹次都會引入壹個誤差，而且隨著向後計算周期的拉長，前些年積累的誤差越多。因此，當我們觀察年頻率的增量存量和增量差異時，我們將數據範圍框定在2010及以上。另外需要強調的是，2015之前沒有直接公布的月度頻率存量數據，同時也無法計算月度頻率社會融資存量增速。所以我們在討論月頻δ存量和增量誤差時，把數據範圍框定在2016及以上。
2016以來，信托貸款、委托貸款、外幣貸款、企業債券融資等項是社會融資δ存量和增量誤差的主要來源，月度誤差集中在外幣貸款、企業債券融資等三個子項。細分對社會總整合誤差的貢獻率取決於兩個因素，壹是細分本身的誤差，二是細分相對於社會總整合的比例。雖然股票融資本身的誤差項較大，但其在社會融資總量中所占的比重相對較低，因此股票融資對社會融資總量誤差的最終貢獻並不高。雖然人民幣貸款占社會融資總量的比重較高，但其本身的δ存量和增量誤差較小，因此人民幣項目的δ存量和增量誤差對社會融資誤差總量的貢獻並不大。自票據規範以來，表外票據融資誤差逐漸收斂，雖然其相對占比不低，但自2016以來，票據分項對社會融資總誤差的貢獻迅速下降。下面重點分析信托貸款、委托貸款、外幣貸款、公司債券融資、其他五個子項的錯誤。
2.2信托貸款錯誤或主要原因1月度存量統計
對比信托業協會和社融的信托貸款數據，前者存量是後者存量余額的97%-98%；大多數情況下，前者的年漲幅基本是後者的94%-101%。由此可見，信托業協會統計的信托貸款(以下簡稱協會口徑)可以作為觀察社會融資口徑信托貸款的壹個極好的影子指標。
首先，我們發現社會融資口徑信托貸款的δ存量和增量誤差基本在每年的65438+10月達到年度峰值，65438+10月的誤差基本可以解釋全年的大部分誤差。換句話說，分析社會融資口徑信托貸款的δ存量和增量誤差，主要解釋1月誤差。
其次，對比社融口徑和協會口徑，發現除了每年1個月之外，股票數據的走勢基本壹致；在增加中沒有類似的季節性現象。作為影子指標，協會的口徑指向每年1個月δ存量與社融口徑信托貸款增量之間的誤差，主要是社融口徑信托貸款存量變化造成的。
目前還不能有效判斷每年1的社會融資口徑信托貸款存量“脈沖式調整”的最終原因。我們猜測可能與每年年初信托貸款數據的統計安排有關。無論如何，至少可以知道社會融資信托貸款分項的δ存量和增量誤差，重要的是觀察65438+10月。
由於委托貸款數據缺乏透明度，目前尚無法得知委托貸款項目δ存量和增量誤差的原因。從2015開始，委托貸款誤差大幅收斂，對社會融資總誤差的貢獻幾乎為零。委托貸款錯誤我們暫且不做詳細分析。
2.3外幣貸款是由於匯率波動。
外幣貸款是金融機構以貸款、票據貼現、墊款、可轉讓票據和福費廷等形式向非金融企業、個人、機構和團體提供的外幣貸款[2]。值得註意的是，雖然是以“外幣”的形式，但外幣貸款在社會金融統計中是以人民幣計價的，因此匯率波動會直接影響以人民幣計價的外幣貸款規模。計算社會融資增量時，外幣貸款采用現行平均匯率；在計算社會融資存量時，外幣貸款使用的是期末匯率[3]，因此匯率波動是影響增量存量和增量差額的主要原因。修正匯率的影響，即按照上述匯率換算原則，將存量和新增社會融資分別換算成美元，我們發現δ存量和增量數據的差距在很大程度上被抹平了(如圖15)。個別月份的數據還是略有差異的，主要與期末匯率波動較大有關。
2.4企業債券融資是由於統計方法。
公司債券融資是指非金融企業發行的各類債券，包括公司債券、超短期融資券、短期融資券、中期票據、中小企業集合票據、非公開定向融資工具、資產支持票據、公司債券、可轉換債券、可分離可轉換債券和中小企業私募債(包括但不限於上述十壹類債券)。我們用Wonder口徑對比了11類債券[4]的年度凈融資額和δ存量，發現11類公司債的凈融資額與社會融資口徑的公司債新增融資額基本相當，至少變化趨勢極其壹致，如圖16所示；達美股票也有類似表現，如圖17。但即使是同壹個口徑，十壹類證券的新增融資凈額和δ存量也存在差異，差異的主要原因是存量統計以起息日為標準，融資凈額統計以發行日為標準。
社會融資口徑的企業債券融資包含多種債券，涉及不同的發行制度、兌付規則和余額統計標準，不限於發行日和起息日統計標準的差異。也就是說，企業債券融資的日常統計監測涉及面廣，自然存在壹定的統計難度，這也是企業債券融資新增量與δ存量存在差異的主要原因。考慮到社會融資口徑的企業債券融資統計的復雜性，以及社會融資口徑的企業債券融資的新增量和δ存量缺口並沒有表現出明顯的規律，我們就不追究差異原因的細節了。
2.5其他項主要是由於保險公司賠付和去杠桿的特定背景。
老式社會融資統計包括人民幣貸款、外幣貸款、委托貸款、信托貸款、未貼現銀行承兌匯票、企業債券融資、非金融企業境內股票融資、保險公司賠償、投資性房地產及其他融資* * * 10類。央行通常公布前七類分項的新增和存量數據，但不公布保險公司薪酬、投資性房地產和其他融資的數據。社會融資總量數據扣除前七種子項後的盈余稱為“其他項”，實際包括保險公司賠付、投資性房地產和其他融資三個子項。
保險公司賠償是指保險公司在保險合同有效期內為履行賠償義務而提供的各類資金，包括財產保險賠償、健康保險賠償和意外傷害保險賠償。這個指標年底會盈虧平衡，沒有存量和余額的概念。即其他存量=投資性房地產存量+其他融資存量，其他新增增量=保險公司賠付增量+投資性房地產增量+其他融資增量，其他增量-δ其他存量=(投資性房地產增量-δ投資性房地產存量)+(其他融資增量-δ其他融資存量)+保險公司賠付增量。
投資性房地產的增量和δ投資性房地產存量沒有區別，其他融資增量和δ其他融資存量也沒有區別，所以其他項-δ其他存量的增量等於保險公司的賠付增量。根據保監會的數據，2016以來的大部分時間裏，其他項的增量-δ其他項的存量幾乎等於保險公司的賠付，如圖21。也就是說，很多時候，其他差異主要來自保險公司賠償。在少數時間段，如2017，其他項目的增量-δ和其他項目的存量與保險公司的賠付差異較大，且呈現顯著的季節性波動。考慮到投資性房地產主要是指金融機構為賺取租金或資本增值，或兩者兼有而持有的房地產，不容易出現季節性波動。因此，我們傾向於認為2016的數據差異大概率不是來自投資性房地產項目。其他融資是指實體經濟從小貸公司和貸款公司獲得資金，主要包括小貸公司貸款和貸款公司貸款，2017金融同業去杠桿背景下的金融體系結構變化，小貸公司等。或者隨之波動。換句話說，我們傾向於認為2017其他增量與δ股的差異不僅與保險公司賠付有關，還與具體的金融去杠桿背景有關。
第三，技術細節對社會融資存量增速預測的意義
外幣貸款日益成為外貿企業的重要融資渠道。由於是以外幣計價，外幣貸款的增長會受到世界經濟形勢、境內外利差、外匯管理政策等多重因素的疊加影響。很難準確捕捉到外幣貸款增量估計帶來的誤差擾動。同樣，企業債券融資涉及不同的債券種類和統計標準，而其他項目包括三個子項融資，委托和信托貸款涉及非標準項目，因此信息不完全透明，因此很難準確捕捉五個子項的誤差。我們求助於歷史比較法粗略估算2019年五個子項的δ存量和增量誤差。
回過頭來看，從2010開始，其他項目的誤差基本穩定在0.3%~0.5%的範圍內。我們傾向於認為2019其他項目的誤差概率為0.3%~0.5%，屬於中性水平。公司債融資方面，除2018 (0.4%)外，2010以來誤差很少超過-0.2%~0.2%的範圍。我們傾向於認為2019年公司債的錯誤概率為-0.2%~0.4%，為近年來的較高水平。外幣貸款方面，2009年以來誤差基本控制在-0.2%~0.45%。隨著20015以來人民幣單邊貶值趨勢，外幣貸款誤差也由正轉負。以2017為人民幣匯率升值假設下的參考樣本，以2015為人民幣匯率貶值假設下的參考樣本，預計2019外幣貸款誤差在-0.16%~0.1%範圍內，自2010以來偏多。信托和委托貸款方面，6月5438+10月信托貸款增量存量差582億元，超過近兩年同期水平，委托貸款也是如此。考慮到信托貸款誤差主要由6月5438+10月貢獻，意味著2019年信托貸款和委托貸款引入誤差的概率高於2017年和2018年。根據近兩年65438+10月的同期誤差數，線性外推顯示，2019年委托和信托貸款細分可能引入0.02%~0.04%的誤差，為歷史高位。五個子誤差加起來，最終誤差的概率只有1.04%，屬於2010以來的中性小水平。
值得註意的是，央行並未公布2019年6-2月的核銷和ABS明細。根據近兩年的經驗，地方專項債券的存量和增量、ABS和核銷都沒有錯誤。那麽新口徑的增量存量和增量誤差主要來源於五個子項:外幣貸款、信托貸款、委托貸款、企業債券融資、其他項，這五項風險對新口徑總行增量存量和增量誤差的貢獻小於0.9%。
風險提示:中美貿易摩擦超預期，內需下滑超預期。
[1]誤差計算公式為:(增量-δ存量)/δ存量。
[2]盛松成等，社會融資規模理論與實踐(第三版)，中國金融出版社。
[3]盛松成等，社會融資規模理論與實踐(第三版)，中國金融出版社。
[4]檢查公司債券、企業債券、中期票據、短期融資、PPN、ABN、可轉換債券和可分離可轉換債券中的8個項目。
(文章來源:郭磊宏觀茶館)