识别风险 ， 发现价值 请务必阅读末页的免责声明 1 / 24 宏观经济 |专题研究 2018 年 8 月 5 日 证券研究报告 未来 5 Tabl e_Title 中国居民部门杠杆如何评估 宏观 杠杆 率 研究 系列 Table_Summary 报告摘要： 杠杆率指标易受外生因素（暂且称之为结构变量 ）的影响，因而不能通过线性外推加上国际经验比较的方法来推测所谓 中国居 民加杠杆空间。与其探讨居民杠杆率极限值在哪里， 不如构建一套 更合理的 居民杠杆率评估体系，借以判断中国居民部门的杠杆 率 朝着 哪个 方向发展 。 居民杠杆率怎么观察，如何测算？ 度量居民杠杆率的三类 指标内涵。 1） 资 产负债率，反映资产和负债结构；2） 负债率，反映收入清偿债务 剩余年数，体现债务可持续性； 3） 债务偿付率，反映每年收入 对应付债务 支出的覆盖程度，体现实际还款负担水平。 中国居民部门杠杆率三大指标构建。 我们 首先 沿用社科院 方法还原20042017 年居民资产负债率并得到资产负债率。其次在 BIS 和社科院公布的 居民负债率 基础上充分考虑居民部门可支配收入内涵 ， 修正负债率指标 。债务偿付率方面，我们参照 社科院估算方法以及 CHFS 的家庭调查数据 ， 得到居民部门债务偿付率指标 。 能否准确测算得到居民杠杆率“ 极限 值 ”？ 线性外推国别经验存在方法论上的偏差。 目前探讨居民杠杆率是否存在 “ 极限值 ”，多数做法是直接参照国际经验 并线性外推 ，我们认为这种方法存在 三点偏误 ：第一，“合意”杠杆水平判断缺乏理论支撑，国际比较忽略国别基本面的异质性 。 第二，杠杆率非线性演化意味着杠杆是否可持续还受投机行为和资产价格预期影响。第三，受货币政策调控等影响，杠杆率指标存在较大弹性，故不能准确预测杠杆率 极限值 。 关注杠杆水平的同时还需关注 三 类 结构 变量 。 居民杠杆率指标对外生变量有较高的弹性，例如居民部门资产负债率对房地产价格变动敏感性较强，债务偿付水平对利率敏感性较强。 此外，给定总杠杆率，杠杆由更多低等级负债构成还是高等级构成，直接影响居民部门杠杆的脆弱性 。 另，给定同样的负债增速，分母居民收入增速高低决定 杠杆 脆弱程度，因而问及“还有多大杠杆空间”，居民收入增速同样不可忽视 。 换言之，预判居民杠杆率，我们关注杠杆率指标的同时，仍需关注资产价格、利率、债务信用结构 这三类 外生变量（亦为 结构变量 ） ，以及居民收入增速 。 本文分别测算中国居民部门杠杆率对资产价格和利率的 敏感性 ； 囿于中国居民债务的信用结构数据不可得，我们观察了美国次贷危机中信用等级迁移，验证了债务结构的确提高杠杆率的脆弱性。 中国居民杠杆率目前处于 怎样的状态 ？ 三类杠杆率度量指标显示 居民部门杠杆率自 2000 年来持续上升，目前在有数据观测以来的高点附近。结构变量显示： 第一，从房价收入比、空置率等指标上看 2015 年以来居民资产负债率有所承压；第二， 2017 年以来房贷短期贷款化问题暗示居民杠杆对应的债务结构变差；第三，内外均衡问题下货币政策空间受到汇率问题制约，在债务压力缓释方面 的空间收窄，居民部门大幅加杠杆，难度至少较上一轮小周期要高。另 需 重视的是，居民收入增速趋势性下降背景中 居民部门 负债率和债务偿付压力提升 。 从居民杠杆率的角度，我们可以更清晰地理解未来政策的方向。目前居民杠杆风险未必大，但政策放开房地产进一步加杠杆的概率偏低。 风险提示 ： 房地产调控政策超预期；外部经济环境变化超预期 。 分析师： 周君芝 S0260517030004 021-60750625 zhoujunzhigf Table_Report 相关研究： 中国经济：分化的宏微观杠杆率 2017-07-16 识别风险 ， 发现价值 请务必阅读末页的免责声明 2 / 24 宏观经济 |专题研究 目录索引 前言 . 4 一、居民杠杆率怎么观察，如何测算？ . 5 1.1 度量居民杠杆率的三类主要指标内涵 . 5 1.2 中国居民部门杠杆率三大指标测算 . 5 二、能否准确测算得到居民杠杆率极值？ . 9 2.1 线性外推国别经验存在方法论上的偏差 . 9 2.2 关注杠杆水平的同时还需关注四类结构变量 . 10 三、中国居民杠杆率目前处于怎样状态？ . 13 3.1 中国居民杠杆率自 2000 年持续攀升 . 13 3.2 结构变量指向近一轮周期中居民杠杆状况较之前差 . 14 四、结论 . 16 附录 . 17 附录 1SNA 体系及资产负债表匡算方法 . 17 附录 2中 国居民资产负债表匡算方法 . 19 附录 3抵押贷款本息偿付计算方法 . 22 识别风险 ， 发现价值 请务必阅读末页的免责声明 3 / 24 宏观经济 |专题研究 图表索引 图 1:居民杠杆率的三类常见度量指标比较 . 5 图 2:中国居民部门资产负债匡算（ 2004 年 2017 年） . 6 图 3:BIS 与社科院口径负债率并无太大差异 . 7 图 4:负债率指标修正 . 7 图 5:加入公积金贷款修正得到的负债率 . 7 图 6:加入公积金贷款修正得到的负债率增速 . 7 图 7:三个口径调整的负债率 . 8 图 8:三个口径调整的负债率增速 . 8 图 9:中国居民部门债务偿付率的两类指标计算 . 9 图 10:债务偿付率 . 9 图 11:账务偿付率增速 . 9 图 12:中国居民资产中房地产占比较高 . 11 图 13:居民资产负债率对房地产价格的弹性 . 11 图 14:本息偿付率对利率的弹性 . 12 图 15:居民部门贷款与名义增速差值呈现周期规律 . 12 图 16:美国次贷危机前债务偿付率大幅抬升 . 12 图 17:美国次贷危机前新发放房贷者信用评分下沉 . 12 图 18:美国次贷危机前低信用评级的新增房贷占比提升 . 12 图 19:2008 年以后中国居民部门经历三波杠杆小周期 . 13 图 20:BIS 公布的债务率差能够有效捕捉 “过度信贷” . 14 图 21:中国居民部门债务率差 . 14 图 22:2015 年以来中国房价收入比提升 . 15 图 23:2014 年以来中国房地产销售杠杆率提升 . 15 图 24:2017 年后居民短贷增速快于长贷 . 16 图 25:近期一二三四线城市房价收入比结构分化 . 16 图 26:简单说明 1（三张表之间的关系） . 18 图 27:SNA 体系中匡算资产负债表的案例说明 . 18 图 28:社科院编制国家资产负债表的匡算思路 . 21 图 29:中国居民部门资产负债表匡算方法 . 21 图 30:中国居民部门住房价值估算方法 . 22 识别风险 ， 发现价值 请务必阅读末页的免责声明 4 / 24 宏观经济 |专题研究 前言 6月央行货币政策委员会二季度例会中对流动性的表述发生变化 ， 由“合理稳定”转为“合理充裕” ； 7月政治局会议 指出 外部环境“明显变化”， 并且是当期宏观经济的“主要矛盾”。 房地产一则作为重要的内需稳定手段，曾在 08金融危机后对中国投资和增长稳定做出较大贡献 ， 二则房地产跟随政策调控亦步亦趋 ， 尤其对房贷利率变动即为敏感 。 目前外部条件面临“明显变化”，国内流动性 又较去年显著改善 ，是否意味着未来房地产 开启 新 一轮周期上行？然而 7月政治局会议在强调国内经济 稳定的同时，明确定调“ 坚决遏制房价上涨 ”、“下决心解决好房地产市场问题”。政策层面 对严控房价的表述， 显然与 目前焦灼的内外均衡矛盾有关。 这种情况下， 有一个实证问题引起 市场 广泛关注：房地产价格 还能否承受再一轮上涨 ，即居民部门是否还存在加杠杆的空间？ 最能直接回应这个问题的 方法在于 ，测算 得到中国 居民杠杆的“极限值”， 再 根据极限值和当前居民杠杆所处水平来反推居民加杠杆空间。 这就 自然而然 衍生出另一个问题 ， 中国居民部门杠杆率 的“ 极限值 ” 能否 被测算出来 ， 如何测算？如果不能精确 测算 ， 那该如何评判杠杆 状况？ 我们认为 杠杆率指标易受外生因素（我们暂且称之为结构变量）的影响， 所以不能通过线性外推加上国际经验值比较的方法来推测所谓的中国居民加杠杆空间。探讨居民杠杆率极限值在哪里，还不如 构建一套居民杠杆率评估体系，借以判断中国居民 部门的 杠杆朝着更好还是更坏的方向发展， 这也本文分析 的核心内容。 更进一步，回答中国居民杠杆以及房地产市场未来将朝着怎样的方向发展，需要判断中国未来房地产调控政策走向 ， 而这又需要深刻理解中国房地产发展在中国宏观经济发展中的地位，以及中国房地产调控的政策逻辑 。 识别风险 ， 发现价值 请务必阅读末页的免责声明 5 / 24 宏观经济 |专题研究 一 、 居民杠杆率怎么 观察， 如何测算 ？ 1.1 度量 居民杠杆率的三类主要指标内涵 当前居民杆杆率的衡量指标可以归纳为三类： 资产负债率 ， 反映资产和负债结构。 居民部门 资产负债率 =居民部门总负债 /居民部门总资产，其中分子负债和分母资产均为存量指标。 负债率 ， 反映 收入清偿债务的剩余年数，体现 债务可持续性。 居民部门负债率 =居民部门 总负债 /当期 收入，其中分子总负债为存量指标，分母当期收入为流量指标，通常以 GDP、劳动者报酬、居民可支配收入等指标衡量居民部门当期收入。 债务偿付率 ，反映每年收入对因债支出的覆盖程度，体现实际还款负担水平。居民部门债务偿付率 =居民部门当期本息支付 /居民部门当期收入，其中分母当期本息支付和分 子 当期收入均为流量指标，并且通常以可支配收入或者储蓄额来代理居民部门当期收入。 上述三类指标反映居民部门杠杆率 各有优劣 ：资产负债率 ， 优点在于指标便于直观理解，缺点在于数据可得性较差，且国际可比性较弱。各国业已 基于 SNA体系（ 国民经济账户体系 ） 编制本国居民部门的资产负债表，但囿于资产与负债细分项目存诸异同，国际可比性相较为弱。 负债率 ， 优点在于国际可比性较强，同时也是衡量居民部门杠杆率的最常用指标。鉴于普遍统计覆盖带来的国际可比特征，国际组织（如 IMF、 BIS）均给出国别负债率统计。 债务偿付率 ，优点在于分子和分母均使用流量指标，因而能够更加敏感反应债务偿付压力。债务偿付率缺点在于具体计算较大依赖利率、债务期限、本金偿付方式，故而指标稳定性较弱，且又缺乏统一标准，几乎不具国际可比性。 图 1:居民杠杆率的三类常见度量指标比较 数据来源：广发证券发展研究中心 1.2 中国居民部门 杠杆率三大指标测算 中国居民部门资产负债 表 匡算。 资产负债率 指标 本身 几乎不存在可争议 或 修正之处 。计算资产负债率的难度在于匡算出居民部门的资产和负债细项。 实践原因，中国 缺失可供参考的基期国家资产负债表 和 资产重估账户， 这 对资产负债表的编制造成一定困扰。 我们主要参照 社科院 1编制国家资产负债表方式，补足 20042017年1 李扬 、 张晓晶等 中国国家资产负债表 2015 指标名称 计算公式 内涵 公式解析 优劣势资产负债率总负债÷总资产资产负债结构存量÷存量·便于理解·数据可得性差·国际可比性较弱负债率总负债÷G D P债务可持续性存量÷增量·统计覆盖度高·国际可比性强债务偿付率债务偿付额 ÷可支配收入还款负担能力增量÷增量·能最直接反应杠杆是否可持续·国际可比性最弱识别风险 ， 发现价值 请务必阅读末页的免责声明 6 / 24 宏观经济 |专题研究 空缺 数据 。 中国 居民部门资产负债主要包含以下分项： 资产项包括金融资产和非金融资产 ， 其中 非金融资产由住房、汽车和农村生产性固定资产 三个细分项目构成 ，金融资产涉及大小十一个类目，主要包括存款、债券、股票、理财和信托等 。负债项主要包括 居民机构从商业银行获得的贷款。 为了保持一致性， 本专题 沿用社科院版资产负债表编制方法，对居民资产负债表进行更新 2。 我们 首先 根据居民资产负债表发布后新得数据与 初始 方法 就 2014年及之前 “外推法” （前五年增速均值，下同） 所得指标作相应调整 ， 因此并不完全等同社科院版资产负债表，所幸变幅较小。 其次 ，我们根据 新近公布的 20152017年 公开统计数据， 沿用 社科院方法 对居民资产负债细项数据进行补充 。 最后， 对于仍然无法通过公开统计数据匡算得到的细项数据， 我们采用 “外推法” 补足。对于 外推法测算得到的数据，我们通过其他维度 评估 “ 外推法 ” 产生的 误差，从而 验证 外推法的可信度 。 具体测算方法及误差评估详见本文附录 2，此处我们强调本文采用“外推法”估测居民资产负债表的两处细节 要点 ：第一，统计局不再公布 2013年及之后的“ 城镇（农村）人均住宅面积 ”、“农村 生产 性固定资产” 等数据 ，因此其后指标均采用“外推法”计算 ； 第二， 在尽量控制误差范围的前提下， 部分指标不同年份数据采自不同口径，例如“存款”、“金融机构理财产品”。 图 2:中国居民部门 资产 负债 匡算 （ 2004年 2017年 ） 数据来源： Wind；央行； 李扬、张晓晶等中国国家资产负债表 2015 ； 广发证券发展研究中心 。 注 ： 红色字体表示数据 来自 本文估测 ，黑色字体表示数据源自 中国国家资产负债表 2015 。 居民负债率 常用指标 。 最基础的居民负债率 衡量指标 是居民负债除以 GDP。 负债率是 目前 衡量居民杠杆率中最常用 且国际 可比性最好的指标。中国居民杠杆率数据 主要取自两个口径，一个是 社科院公布的居民负债率 ， 另一个是 BIS公布的居民负债率 。 社科院公布的居民部门杠杆率 是将 居民部门未偿贷款余额 除以名义 GDP， 其2 具体匡算方法详见本文附录 2。 项目（万亿） 2004 2005 2006 2007 2008 2009 2010 2011 2012 2013 2014 2015 2016 2017非金融资产 3 5 . 2 1 4 3 . 2 1 4 8 . 2 6 6 0 . 5 5 6 2 . 2 2 7 9 . 1 5 8 7 . 1 9 1 0 4 . 4 4 1 1 4 . 9 7 1 2 8 . 1 8 1 4 8 . 2 6 1 6 8 . 6 2 1 9 3 . 8 7 2 1 9 . 7 1房地产 3 2 . 7 4 4 0 . 3 0 4 4 . 9 5 5 6 . 7 0 5 7 . 8 2 7 3 . 9 1 8 0 . 9 0 9 6 . 2 9 1 0 5 . 7 6 1 1 7 . 7 6 1 3 6 . 5 2 1 5 5 . 2 7 1 7 8 . 2 8 2 0 1 . 9 6其中：城市 2 7 . 9 7 3 4 . 3 7 3 8 . 5 0 4 9 . 6 1 5 0 . 2 2 6 5 . 5 9 7 1 . 9 4 8 0 . 7 3 8 9 . 5 2 9 9 . 5 9 1 1 4 . 4 6 1 2 7 . 9 6 1 4 3 . 5 9 1 6 1 . 1 2农村 4 . 7 8 5 . 9 2 6 . 4 5 7 . 0 9 7 . 6 0 8 . 3 2 8 . 9 6 1 5 . 5 5 1 6 . 2 5 1 8 . 1 7 2 2 . 0 6 2 7 . 3 1 3 4 . 6 9 4 0 . 8 4汽车 1 . 3 6 1 . 6 0 1 . 9 3 2 . 3 6 2 . 8 1 3 . 5 1 4 . 4 6 5 . 4 5 6 . 4 0 7 . 2 0 8 . 0 0 8 . 9 4 1 0 . 2 8 1 1 . 6 8农村生产性固定资产 1 . 1 1 1 . 3 1 1 . 3 8 1 . 4 9 1 . 5 9 1 . 7 3 1 . 8 2 2 . 7 1 2 . 8 1 3 . 2 2 3 . 7 5 4 . 4 1 5 . 3 1 6 . 0 8金融资产 1 8 . 0 4 2 0 . 9 1 2 5 . 1 6 3 3 . 5 5 3 4 . 2 9 4 1 . 0 9 4 9 . 7 9 5 7 . 8 0 7 6 . 2 0 8 6 . 2 1 1 0 3 . 0 7 1 2 6 . 4 6 1 4 8 . 2 2 1 6 7 . 5 3通货 1 . 7 8 1 . 9 9 2 . 2 5 2 . 5 2 2 . 8 6 3 . 2 0 3 . 7 7 4 . 2 7 4 . 5 9 4 . 9 1 5 . 0 3 5 . 2 4 5 . 6 0 5 . 9 1存款 1 2 . 9 6 1 5 . 0 6 1 7 . 1 7 1 8 . 1 8 2 2 . 8 5 2 6 . 8 7 3 1 . 5 6 3 6 . 3 3 4 2 . 2 3 4 4 . 5 0 5 0 . 7 0 5 5 . 2 0 6 0 . 7 0 6 5 . 2 0债券 0 . 6 3 0 . 6 5 0 . 6 9 0 . 6 7 0 . 5 0 0 . 2 6 0 . 2 7 0 . 1 9 0 . 4 5 0 . 8 6 0 . 9 9 1 . 4 8 2 . 2 6 3 . 8 3股票 0 . 8 9 0 . 7 9 1 . 7 0 5 . 1 6 2 . 0 2 4 . 7 4 5 . 6 5 5 . 9 8 6 . 1 6 5 . 5 8 7 . 9 0 1 2 . 5 0 1 4 . 6 2 1 7 . 8 5证券投资基金份额 0 . 1 9 0 . 2 4 0 . 5 6 2 . 9 7 1 . 7 0 0 . 8 4 0 . 7 3 0 . 8 0 1 . 1 0 1 . 1 4 1 . 5 3 2 . 4 2 3 . 1 1 4 . 1 2证券公司客户保证金 0 . 1 3 0 . 1 6 0 . 3 1 0 . 9 9 0 . 4 8 0 . 5 7 0 . 4 4 0 . 2 6 0 . 2 2 0 . 2 1 0 . 4 2 0 . 8 4 1 . 0 7 1 . 5 1保险准备金 1 . 4 1 1 . 8 3 2 . 2 7 2 . 7 1 3 . 7 8 4 . 6 2 5 . 2 7 5 . 9 1 7 . 2 7 8 . 5 9 9 . 9 1 1 1 . 3 6 1 3 . 2 5 1 5 . 5 8金融机构理财产品 1 . 8 1 4 . 0 8 6 . 7 0 9 . 5 0 1 3 . 8 0 2 2 . 5 0 2 9 . 1 0 2 9 . 5 0资金信托计划 0 . 3 1 7 . 4 7 1 0 . 9 1 1 2 . 8 0 1 4 . 9 2 1 8 . 5 1 2 4 . 0 3结算资金 - 0 . 0 1 0 . 0 0 0 . 0 0 0 . 0 0 0 . 0 0 0 . 0 0 0 . 0 0其他金融资产 0 . 0 5 0 . 1 8 0 . 2 0 0 . 3 4 0 . 1 0 - 0 . 0 1 - 0 . 0 2总资产 5 3 . 2 5 6 4 . 1 1 7 3 . 4 2 9 4 . 1 0 9 6 . 5 1 1 2 0 . 2 4 1 3 6 . 9 8 1 6 2 . 2 5 1 9 1 . 1 7 2 1 4 . 3 9 2 5 1 . 3 3 2 9 5 . 0 8 3 4 2 . 0 8 3 8 7 . 2 4金融负债（贷款） 2 . 8 2 3 . 1 6 3 . 8 3 5 . 0 7 5 . 7 1 8 . 1 8 1 1 . 2 6 1 3 . 6 1 1 6 . 1 3 1 9 . 8 5 2 3 . 1 4 2 7 . 0 3 3 3 . 3 7 4 0 . 5 2消费性贷款 3 . 2 7 3 . 7 2 5 . 5 3 7 . 5 1 8 . 8 7 1 0 . 4 4 1 2 . 9 7 1 5 . 3 7 1 8 . 9 6 2 5 . 0 6 3 1 . 5 3短期 0 . 3 1 0 . 4 1 0 . 6 4 0 . 9 6 1 . 3 6 1 . 9 4 2 . 6 6 3 . 2 5 4 . 1 1 4 . 9 4 6 . 8 1中长期 2 . 9 6 3 . 3 1 4 . 9 0 6 . 5 5 7 . 5 2 8 . 5 0 1 0 . 3 2 1 2 . 1 2 1 4 . 8 5 2 0 . 1 2 2 4 . 7 2经营性贷款 1 . 7 9 1 . 9 8 2 . 6 5 3 . 7 5 4 . 7 3 5 . 6 9 6 . 8 8 7 . 7 8 8 . 0 7 8 . 3 1 8 . 9 9短期 1 . 2 8 1 . 4 6 1 . 9 6 2 . 4 8 3 . 0 2 3 . 6 2 4 . 3 6 4 . 8 2 4 . 8 0 4 . 6 2 4 . 5 9其中：农户贷款 1 . 0 7 1 . 2 0 1 . 4 6中长期 0 . 5 1 0 . 5 3 0 . 6 9 1 . 2 7 1 . 7 1 2 . 0 7 2 . 5 2 2 . 9 5 3 . 2 7 3 . 6 9 4 . 4 0净金融资产 1 5 . 2 2 1 7 . 7 5 2 1 . 3 3 2 8 . 4 8 2 8 . 5 8 3 2 . 9 0 3 8 . 5 3 4 4 . 2 0 6 0 . 0 7 6 6 . 3 6 7 9 . 9 3 9 9 . 4 3 1 1 4 . 8 5 1 2 7 . 0 2净资产 5 0 . 4 3 6 0 . 9 5 6 9 . 5 9 8 9 . 0 3 9 0 . 8 0 1 1 2 . 0 6 1 2 5 . 7 2 1 4 8 . 6 4 1 7 5 . 0 4 1 9 4 . 5 4 2 2 8 . 1 9 2 6 8 . 0 5 3 0 8 . 7 1 3 4 6 . 7 3资产负债率（ % ） 5 . 2 9 4 . 9 3 5 . 2 2 5 . 3 9 5 . 9 1 6 . 8 0 8 . 2 2 8 . 3 9 8 . 4 4 9 . 2 6 9 . 2 1 9 . 1 6 9 . 7 6 1 0 . 4 6识别风险 ， 发现价值 请务必阅读末页的免责声明 7 / 24 宏观经济 |专题研究 中居民部门贷款数据来自 金融机构本外币信贷收支表 ，数据 为年频 。 BIS公布的居民负债率为季频，因此涉及季节调整。 BIS统计杠杆率 时 使用 各 国公开数据 ， BIS对中国居民杠杆率统计主要使用信贷收支表数据 ， 因而 统计结果与社科院口径几乎一致 。 居民负债率 修正 指标。 负债率 指标本意在于以当期收入偿还既有债务存量，债务清偿需要多长时间。因而分母应该选择更能准确度量居民部门收入的指标，而非GDP。 基于此 ， 可将劳动报酬 、 居民可支配收入 、 储蓄总额三个变量替代 GDP， 从而得到三个修正的居民负债率指标 。考虑到中国住房公积金贷款也是居民重要的负债来源，而公积金贷款却并 不 在 居民贷款 统计范围， 在既有居民贷款基础上， 本文增加公积金贷款 进而 修正居民负债率指标 。 公积金贷款相对中国居民贷款总额的占比在 10%12%， 是否加入公积金贷款对中国居民负债率的变动趋势 并无 太大影响 。 图 3:BIS与社科院 口径负债率并无太大差异 图 4:负债率指标修正 数据来源： BIS； Wind； 广发证券发展研究中心 数据来源： Wind； 广发证券发展研究中心 图 5:加入 公积金贷款 修正 得到 的负债率 图 6:加入 公积金贷款 修正 得到 的负债率增速 数据来源： Wind； 广发证券发展研究中心 数据来源： Wind； 广发证券发展研究中心 1020304050社科院版中国负债率（年度； % ）BIS 中国负债率（季度； % ）指标构成 修正方式 修正说明分子 增加 住房公积金贷款公积金贷款占比稳定（1 0 % 1 2 % ）G D P 劳动者报酬 G D P 初次分配后收入G D P 可支配收入 再分配后收入G D P 总储蓄 最终消费后剩余收入分母020406080100051015公积金贷款与住户贷款比（ % ）负债率（ % ；右）考虑公积金贷款负债率（ % ；右）-55152535负债率增速（ % ）考虑公积金贷款负债率增速（ % ）识别风险 ， 发现价值 请务必阅读末页的免责声明 8 / 24 宏观经济 |专题研究 图 7:三个口径调整的负债率 图 8:三个口径调整的负债率增速 数据来源： Wind； 广发证券发展研究中心 数据来源： Wind； 广发证券发展研究中心 考虑 到两点 ： 第一 ， 考察居民负债率的主要目标是为了测度居民房贷 还有多大空间 ；第二， 居民主要的贷款是房贷 ， 且 有些消费贷也是 经过包装 的房贷 ， 所以本文考察居民杠杆率 时 从贷款规模和房贷规模两个角度加以把握 ，分别测算 得到居民 部门总债务偿付率和居民部门房贷债务偿付率。其中居民部门总债务偿付率的分子为居民部门总债务 包括房贷和其他贷款 的年度本息偿付额 ，分母为居民可支配收入；居民部门房贷债务偿付率的分子为居民房贷 年度本息偿付额 ， 考虑到中国并非所有家庭均有房贷负担，本文计算居民部门房贷债务偿付率时分母选用有房贷家庭的居民可支配收入 。 居民 部门 总债务偿付率。 人民银行公 布的住户贷款 最早可追溯至 2005年， 幸而资金流量表 （金融交易） 中的居民负 债 可追溯至 九十年代初 ，我们利用 资金流量表与 资金存量表的对应关系 对更早年份的住户贷款存量进行回溯 3。由于 居民负债中包括长短期贷款， 债务类型 各异意味着债务期限、偿付利 率 等均存在不小差异。 本文参考张晓晶 等（ 2018） 4假设，以等额本息法做年度债务偿付估算 ，久期设置为 15年，利率为 4.9%，具体测算详见本文附录 3。 居民 部门 房贷债务偿付率 。 住 户 房贷存量来自 人民银行 公布的个人住房贷款余额 ， 同样 假设以等额本息法偿付，久期设置为 20年，利率 为 5年以上中长期贷款利率季均。在计算分母上，并非所有家庭均借有房贷， 使用全国居民可支配收入作为分母 将稀释债务偿付率，难以 体现房贷家庭真实偿付压力，遂 选用 有房贷家庭的可支配收入 作为房贷债务偿付率的分母 。根据西南财经大学中国家庭金融调查 与研究中心中国家庭住房信贷报告中披露的 2011年全国房贷家庭 数量及其 2013、 2015年增速 5，我们估算出 2011年之后中国有房贷家庭户数，再通过城镇居民人均可支配收入与家庭户均人口（ 2010年人口普查数据为 3.1人 /户）计算城镇家庭可支配收入。 3具 体做法为，以 2005 年住户贷款存量累减之前历年资金流量表（金融交易）中住户部门贷款“来源”数据。 4张晓晶、常欣等中国去杠杆进程报告（ 2017 年度），国家金融与发展实验室与资产负债表研究中心 2018 年第 3 期智库讲坛。 5该报告非 公开发布，相关数据来自澎湃新闻 对该报告的数据援引 (thepaper/newsDetail_forward_1593135). 0306090120150180负债率（居民债务 / 劳动者报酬； % ）负债率（居民债务 / 可支配收入； % ）负债率（居民债务 / 总储蓄； % ）-2002040负债率增速（劳动者报酬； % ）负债率增速（可支配收入； % ）负债率增速（总储蓄； % ）识别风险 ， 发现价值