【广发宏观周俊志】一个关于社会整合数据估计的技术细节
社融数据中有一个统计细节，两期存量相减不代表本期增加，即增量存量≠增量。估算社会融资存量增速的常用方法是估算不同分项的新增社会融资，然后相加得到新增社会融资总量，再计算存量同比增速。这意味着直接用新量来估计存量增长率会引入估计误差。本文旨在讨论这一错误的细节。
误差有多大？历史经验表明，年误差约为1%，误差不可忽略。
2065438+2008年，社会融资月度δ存量和增量误差在3%-25%之间。回顾历史，社会整合的增量与δ存量之间总是存在误差，而且在大多数情况下前者大于后者。对比两种计算方法的结果，可以观察到误差:方法1，本期增量/上期库存* 100%；方法二，(现股-前股)/前股*100%。方法1的计算结果概率高于方法2，相差约1%(年频率)。方法2计算的是真实的存量增长率，因此可以看出，存量增长率是直接用新增量估算的，年误差约为1%。
为什么会有错误？误差主要来自五个细分项。
对社会融资分项进行分解，发现δ存量与增量的差异主要来源于外币贷款、委托贷款、信托贷款、企业债券融资和其他五个子项。
信托贷款的误差主要是每年1月的存量调整。以信托业协会口径的信托贷款为影子指数，发现每年信托贷款的δ存量和增量误差几乎都是每年1个月贡献的，1个月的主要误差是当月社会融资的信托贷款存量的脉冲调整。我们猜测6月5438+10月的调整可能与年初的库存统计有关。委托贷款数据透明度不高，误差原因暂时未知。但是从2015开始误差几乎可以忽略不计。
外币贷款的误差是由汇率波动引起的。外币贷款增量计算采用当期平均汇率，存量计算采用期末汇率。修正汇率影响，即按照相应的汇率换算得出以美元计价的增量和增量存量，发现增量存量和增量误差基本被抹平，验证了外币贷款的误差主要来源于汇率波动。
企业债券融资失误的原因是不同的。社会融资口径的企业债券融资包含多种债券(至少11)。万得口径的11债券年融资净额与社会融资口径的企业债券融资增量数据拟合度较高，δ存量也是如此。但即使是同口径，这11债券的新增金额和δ存量也有差异，因为起息日是万得存量统计的标准，发行日是净融资统计的标准。社会融资口径的企业债券融资包含多种债券，涉及不同的发行制度、兑付规则和余额统计标准，不仅仅是起息日和发行日的区别。因此，其日常统计监测涉及面广，自然存在统计难度，新增量和δ存量不可避免地存在统计误差。
其他主要原因在于保险公司赔付和金融去杠杆的特定背景。社会融资总额中扣除人民币贷款后剩余的收入称为“其他项”，实际上包括保险公司赔付、投资性房地产和其他融资。我们认为2016以来的大部分情况下，其他错误主要是保险公司赔偿；2017的误差不仅与保险公司的赔付有关，还与具体的去杠杆背景有关。
有什么指导意义？2019年增量存量增长的预估结果比往年更稳定。
通过对五个子项的δ存量和增量误差求和，得出2019旧口径社福存量增长率的估计总误差概率仅为1.04%，为2010以来的中性误差水平。新口径社会融资存量的δ存量和增量误差大概率小于0.9%，即增量估计2019年社会融资存量增速，估计结果比往年更稳定。
核心假设风险:中美贸易摩擦超预期，内需下滑超预期。
目录
主体
第一，社会融资存量的减法不等于当前的增量。
1.1社会融资存量的减法不代表当期社会融资的加法。
央行同时报告社会融资存量和增量数据。但是，减去两期期末存量得到的结果并不等于当期的社会融资增量。以2018年为例，65438年2月新口径社福存量为200.75万亿元，165438年10月新口径社福存量为199.29万亿元，结果为14535亿元。与央行2月份报告的新增社会融资158976亿元相比，相差13626亿元。同理，在2018到12这一个月，也存在δ存量不等于新增量的现象，两组数据的误差在3%-25%之间【18】。回顾历史数据，社会整合增量与δ存量之间一直存在误差，且多数情况下误差为正，即社会整合增量大于δ存量。
1.2用新增社会融资估算社会融资存量增速的误差不容忽视。
估算社会融资存量增长率的一种常用方法是先估算T期新增社会融资(新增社会融资T)，再除以之前的社会融资存量t-1，得到T期社会融资存量的预测增长率。但δ存量不等于当期社会融资增量，这意味着用新增社会融资T计算社会融资存量T同比增速的估算方法会引入误差。这个误差在多大程度上影响估计精度？这是估算社会融资存量增速需要面对的问题。
为了观察误差，我们比较了两种算法的计算结果。算法1，本期增量/上期库存* 100%；算法二，(现股-前股)/前股*100%。其中，央行直接上报的社会融资存量增速采用方法二计算，即δ存量/存量的结果为社会融资存量的真实增速。
图3(仅追溯到旧口径社会整合)显示，算法1得到的结果基本高于算法2得到的结果，两者计算结果的差异大部分年份保持在1%左右；少数年份超过1%，如2006年(1.1%)、2007年(1.1%)、2009年(1.9%)和20165438。个别年份甚至超过3%，如2004年(3.4%)、2005年(4.8%)、2008年(3.5%)，这些差异较大的年份主要集中在2010之前。2018新口径(9月调整口径)和7月调整口径也存在类似误差，使用方法1和方法2，差异(季节频率)小于0.8%，如图4所示。
第二，误差主要来源于五个细分项目。
2.1误差主要来源于五个细分项。
在解释误差的主要来源之前，我们先简单回顾一下央行公布的社会融资数据的频率特征。在存量社会整合方面，央行仅在2015开始直接公布存量数据(含分项)，数据频率具有季节性。2016年公布月度社会金融存量数据(含分项)。2002年至2014年，央行不直接公布社会融资存量规模(含分项)，而是公布社会融资存量(含分项)年增长率。因此，理论上我们可以利用2015及以后的社会金融存量数据和2002年至2014年的存量同比增长率来计算相应年份的年度频率社会金融存量数据。在社会整合增量方面，2012年，央行公布了社会整合月度增量数据，同年补充了2002年至2011年的社会整合月度增量数据。至此，2002年1之后的月度增量数据已直接公布。
在分析央行公布的社融数据时，有两点值得注意。第一，央行公布的同比增速只精确到小数点后一位(自2018起，精确到小数点后两位)，因此同比增速的逆向计算方法会出现以下情况——年份越早，小数点精度造成的累计误差越多。第二，每月新增社社可分为“月初值”和“月初值”。央行每月在10-15左右以新闻公报形式公布社会融资规模(含分项)数据初步统计值，为“当月初值”，每月16-19左右的修正数据为最终“当月值”。
我们之所以花一些精力来梳理央行公布的社融口径和数据频率，是想试图厘清哪部分误差来自于δ存量和新增量的差异，哪部分误差只是因为数据口径的转换而引入的。比如2015之前，缺乏央行直接公布的社会融资存量数据。虽然每年的社会融资存量可以根据央行给出的社会融资存量同比增速来计算，但央行公布的社会融资存量同比只精确到小数点后一位，每向后计算一次都会引入一个误差，而且随着向后计算周期的拉长，前些年积累的误差越多。因此，当我们观察年频率的增量存量和增量差异时，我们将数据范围框定在2010及以上。另外需要强调的是，2015之前没有直接公布的月度频率存量数据，同时也无法计算月度频率社会融资存量增速。所以我们在讨论月频δ存量和增量误差时，把数据范围框定在2016及以上。
2016以来，信托贷款、委托贷款、外币贷款、企业债券融资等项是社会融资δ存量和增量误差的主要来源，月度误差集中在外币贷款、企业债券融资等三个子项。细分对社会总整合误差的贡献率取决于两个因素，一是细分本身的误差，二是细分相对于社会总整合的比例。虽然股票融资本身的误差项较大，但其在社会融资总量中所占的比重相对较低，因此股票融资对社会融资总量误差的最终贡献并不高。虽然人民币贷款占社会融资总量的比重较高，但其本身的δ存量和增量误差较小，因此人民币项目的δ存量和增量误差对社会融资误差总量的贡献并不大。自票据规范以来，表外票据融资误差逐渐收敛，虽然其相对占比不低，但自2016以来，票据分项对社会融资总误差的贡献迅速下降。下面重点分析信托贷款、委托贷款、外币贷款、公司债券融资、其他五个子项的错误。
2.2信托贷款错误或主要原因1月度存量统计
对比信托业协会和社融的信托贷款数据，前者存量是后者存量余额的97%-98%；大多数情况下，前者的年涨幅基本是后者的94%-101%。由此可见，信托业协会统计的信托贷款(以下简称协会口径)可以作为观察社会融资口径信托贷款的一个极好的影子指标。
首先，我们发现社会融资口径信托贷款的δ存量和增量误差基本在每年的65438+10月达到年度峰值，65438+10月的误差基本可以解释全年的大部分误差。换句话说，分析社会融资口径信托贷款的δ存量和增量误差，主要解释1月误差。
其次，对比社融口径和协会口径，发现除了每年1个月之外，股票数据的走势基本一致；在增加中没有类似的季节性现象。作为影子指标，协会的口径指向每年1个月δ存量与社融口径信托贷款增量之间的误差，主要是社融口径信托贷款存量变化造成的。
目前还不能有效判断每年1的社会融资口径信托贷款存量“脉冲式调整”的最终原因。我们猜测可能与每年年初信托贷款数据的统计安排有关。无论如何，至少可以知道社会融资信托贷款分项的δ存量和增量误差，重要的是观察65438+10月。
由于委托贷款数据缺乏透明度，目前尚无法得知委托贷款项目δ存量和增量误差的原因。从2015开始，委托贷款误差大幅收敛，对社会融资总误差的贡献几乎为零。委托贷款错误我们暂且不做详细分析。
2.3外币贷款是由于汇率波动。
外币贷款是金融机构以贷款、票据贴现、垫款、可转让票据和福费廷等形式向非金融企业、个人、机构和团体提供的外币贷款[2]。值得注意的是，虽然是以“外币”的形式，但外币贷款在社会金融统计中是以人民币计价的，因此汇率波动会直接影响以人民币计价的外币贷款规模。计算社会融资增量时，外币贷款采用现行平均汇率；在计算社会融资存量时，外币贷款使用的是期末汇率[3]，因此汇率波动是影响增量存量和增量差额的主要原因。修正汇率的影响，即按照上述汇率换算原则，将存量和新增社会融资分别换算成美元，我们发现δ存量和增量数据的差距在很大程度上被抹平了(如图15)。个别月份的数据还是略有差异的，主要与期末汇率波动较大有关。
2.4企业债券融资是由于统计方法。
企业债券融资是指非金融企业发行的各类债券，包括公司债券、超短期融资券、短期融资券、中期票据、中小企业集合票据、非公开定向融资工具、资产支持票据、公司债券、可转换债券、可分离可转换债券和中小企业私募债(包括但不限于上述十一类债券)。我们用Wonder口径对比了11类债券[4]的年度净融资额和δ存量，发现11类公司债的净融资额与社会融资口径的公司债新增融资额基本相当，至少变化趋势极其一致，如图16所示；达美股票也有类似表现，如图17。但即使是同一个口径，十一类证券的新增融资净额和δ存量也存在差异，差异的主要原因是存量统计以起息日为标准，融资净额统计以发行日为标准。
社会融资口径的企业债券融资包含多种债券，涉及不同的发行制度、兑付规则和余额统计标准，不限于发行日和起息日统计标准的差异。也就是说，企业债券融资的日常统计监测涉及面广，自然存在一定的统计难度，这也是企业债券融资新增量与δ存量存在差异的主要原因。考虑到社会融资口径的企业债券融资统计的复杂性，以及社会融资口径的企业债券融资的新增量和δ存量缺口并没有表现出明显的规律，我们就不追究差异原因的细节了。
2.5其他项主要是由于保险公司赔付和去杠杆的特定背景。
老式的社会融资统计包括人民币贷款、外币贷款、委托贷款、信托贷款、未贴现银行承兑汇票、企业债券融资、非金融企业境内股票融资、保险公司赔偿、投资性房地产和其他融资，共计10类。央行通常公布前七类分项的新增和存量数据，但不公布保险公司薪酬、投资性房地产和其他融资的数据。社会融资总量数据扣除前七种子项后的盈余称为“其他项”，实际包括保险公司赔付、投资性房地产和其他融资三个子项。
保险公司赔偿是指保险公司在保险合同有效期内为履行赔偿义务而提供的各类资金，包括财产保险赔偿、健康保险赔偿和意外伤害保险赔偿。这个指标年底会盈亏平衡，没有存量和余额的概念。即其他存量=投资性房地产存量+其他融资存量，其他新增增量=保险公司赔付增量+投资性房地产增量+其他融资增量，其他增量-δ其他存量=(投资性房地产增量-δ投资性房地产存量)+(其他融资增量-δ其他融资存量)+保险公司赔付增量。
投资性房地产的增量和δ投资性房地产存量没有区别，其他融资增量和δ其他融资存量也没有区别，所以其他项-δ其他存量的增量等于保险公司的赔付增量。根据保监会的数据，2016以来的大部分时间里，其他项的增量-δ其他项的存量几乎等于保险公司的赔付，如图21。也就是说，很多时候，其他差异主要来自保险公司赔偿。在少数时间段，如2017，其他项目的增量-δ和其他项目的存量与保险公司的赔付差异较大，且呈现显著的季节性波动。考虑到投资性房地产主要是指金融机构为赚取租金或资本增值，或两者兼有而持有的房地产，不容易出现季节性波动。因此，我们倾向于认为2016的数据差异大概率不是来自投资性房地产项目。其他融资是指实体经济从小贷公司和贷款公司获得资金，主要包括小贷公司贷款和贷款公司贷款，2017金融同业去杠杆背景下的金融体系结构变化，小贷公司等。或者随之波动。换句话说，我们倾向于认为2017其他增量与δ股的差异不仅与保险公司赔付有关，还与具体的金融去杠杆背景有关。
第三，技术细节对社会融资存量增速预测的意义
外币贷款日益成为外贸企业的重要融资渠道。由于是以外币计价，外币贷款的增长会受到世界经济形势、境内外利差、外汇管理政策等多重因素的叠加影响。很难准确捕捉到外币贷款增量估计带来的误差扰动。同样，企业债券融资涉及不同的债券种类和统计标准，而其他项目包括三个子项融资，委托和信托贷款涉及非标准项目，因此信息不完全透明，因此很难准确捕捉五个子项的误差。我们求助于历史比较法粗略估算2019年五个子项的δ存量和增量误差。
回过头来看，从2010开始，其他项目的误差基本稳定在0.3%~0.5%的范围内。我们倾向于认为2019其他项目的误差概率为0.3%~0.5%，属于中性水平。公司债融资方面，除2018 (0.4%)外，2010以来误差很少超过-0.2%~0.2%的范围。我们倾向于认为2019年公司债的错误概率为-0.2%~0.4%，为近年来的较高水平。外币贷款方面，2009年以来误差基本控制在-0.2%~0.45%。随着20015以来人民币单边贬值趋势，外币贷款误差也由正转负。以2017为人民币汇率升值假设下的参考样本，以2015为人民币汇率贬值假设下的参考样本，预计2019外币贷款误差在-0.16%~0.1%范围内，自2010以来偏多。信托和委托贷款方面，6月5438+10月信托贷款增量存量差582亿元，超过近两年同期水平，委托贷款也是如此。考虑到信托贷款误差主要由6月5438+10月贡献，意味着2019年信托贷款和委托贷款引入误差的概率高于2017年和2018年。根据近两年65438+10月的同期误差数，线性外推显示，2019年委托和信托贷款细分可能引入0.02%~0.04%的误差，为历史高位。五个子误差加起来，最终误差的概率只有1.04%，属于2010以来的中性小水平。
值得注意的是，央行并未公布2019年6-2月的核销和ABS明细。根据近两年的经验，地方专项债券的存量和增量、ABS和核销都没有错误。那么新口径的增量存量和增量误差主要来源于五个子项:外币贷款、信托贷款、委托贷款、企业债券融资、其他项，这五项风险对新口径总行增量存量和增量误差的贡献小于0.9%。
风险提示:中美贸易摩擦超预期，内需下滑超预期。
[1]误差计算公式为:(增量-δ存量)/δ存量。
[2]盛松成等，社会融资规模理论与实践(第三版)，中国金融出版社。
[3]盛松成等，社会融资规模理论与实践(第三版)，中国金融出版社。
[4]共对应检查了公司债券、企业债券、中期票据、短期融资、PPN、ABN、可转换债券、可分离可转换债券8个项目。
(文章来源:郭磊宏观茶馆)