投資要點
社融數據存在壹個統計細節，兩期存量相減並不等於當期新增，即Δ存量≠增量。常見的社融存量增速估測方法是先估測不同分項新增社融，再加總得到新增總社融，然後計算存量同比增速。這就意味著直接利用新增量估測存量增速，會引入估測誤差。本文旨在探討這壹誤差細節。
誤差有多大？歷史經驗顯示年度誤差在1%左右，誤差不可忽視
2018年社融的月度Δ存量和增量誤差在3%~25%。回溯歷史，社融增量和Δ存量始終存在誤差，且絕大多數情況下前者大於後者。對比兩種測算方法結果可觀察誤差大小：方法1，本期增量/上期存量*100%；方法2，(本期存量-上期存量)/上期存量*100%。方法1計算結果大概率高於方法2，差距在1%左右(年頻)。方法2計算得到的是真實存量增速，可見以新增量直接估算存量增速，年度誤差在1%左右。
緣何有誤差？誤差主要來自五個細分項目
拆分社融細分項，發現Δ存量和增量的差異主要來自外幣貸款、委托貸款、信托貸款、企業債券融資和其他項這五個細分項。
信托貸款項誤差主因每年1月存量調整。 以信托業協會口徑的信托貸款作為影子指標，發現年度信托貸款Δ存量和增量誤差幾乎全由每年1月貢獻，且1月誤差主因當月社融的信托貸款存量進行了脈沖式調整。我們猜測1月調整或與年初存量統計數據排摸有關。委托貸款數據透明度不高，誤差原因暫時不明，然2015年以來該項誤差幾乎可忽略。
外幣貸款項誤差起因於匯率波動。 外幣貸款增量匡算使用當期平均匯率，存量匡算使用期末時點匯率。修正匯率影響，即按對應匯率換算得到美元計價的增量和Δ存量，發現Δ存量和增量誤差基本被抹平，驗證外幣貸款誤差主要來自匯率波動。
企業債券融資項誤差起因不同類型債券統計方式各異。 社融口徑企業債券融資內含多類券種(至少有11類)。萬得口徑這11類券種年度凈融資與社融口徑企業債券融資增量數據擬合度高，Δ存量亦如此。然而即便同是萬得口徑，這11類債券的新增量和Δ存量也存在差異，原因是萬得存量統計以起息日為標準，凈融資額統計以發行日為標準。社融口徑的企業債券融資，內含多類券種，涉及不同發行制度、兌付規則和余額統計標準，不止起息日和發行日標準差異。故其日常統計監測牽涉較廣，天然就存在統計難度，新增量和Δ存量難免存在統計誤差。
其他項主因在於保險公司賠償和金融去杠桿特定背景。 將社融總量扣減人民幣貸款等7個分項所得剩余稱為“其他項”，其實際包含保險公司賠償、投資性房地產、其他融資三個細分項。我們認為2016年以來大多數情況下其他項誤差主因保險公司賠償款；2017年誤差不僅與保險公司賠償有關，或可還與特定的去杠桿背景有關。
有何指示意義？2019年以增量推算存量增速的估算結果較往年穩健
加總五個分項Δ存量和增量的誤差，得到2019年老口徑社融存量增速的估測總誤差大概率不過1.04%，屬2010年以來中性偏小的誤差水平。新口徑社融存量的Δ存量和增量誤差大概率低於0.9%，即2019年增量估算存量社融增速，估測結果較往年穩健。
核心假設風險： 中美貿易摩擦超預期，國內需求下行超預期。
目錄
正文
壹、社融存量相減不等於當期增量
1.1 社融存量相減並不等於當期新增社融
央行同時報告社融存量和增量數據，然而將兩期的期末存量相減，所得結果並不等於當期社融增量。以2018年為例，12月新口徑社融存量200.75萬億，減去11月新口徑社融存量199.29萬億，所得結果14535億元；與央行直接報告的12月新增社融15897.6億元，相差1362.6億元。同理2018年1~12月均存在Δ存量不等於當月新增量的現象，兩組數據的誤差在3%~25%之間[1]。回溯歷史數據，社融增量和Δ存量之間壹直存在誤差，並且絕大多數情況下誤差為正，即社融增量大於Δ存量。
1.2 以新增社融估算社融存量增速的誤差不可忽視
估算社融存量增速，壹個常見的方法是先估算t期新增社融(新增社融t)，除以過去壹期的社融存量t-1，便得到t期的社融存量增速預測值。然而Δ存量並不等於當期社融增量，這就意味著以新增社融t推算社融存量t同比增速的估算方法，將引入誤差。這壹誤差多大程度上影響估算準確度？這是社融存量增速估測需要面對的問題。
為了觀察誤差大小，我們對比兩種算法的測算結果。 算法1，本期增量/上期存量*100%；算法2，(本期存量-上期存量)/上期存量*100%。其中央行直接報告的社融存量增速采用方法2測算，即Δ存量/存量所得結果才是真實的社融存量增速。
圖3(只追溯老口徑社融)顯示算法1所得結果基本上都高於算法2，多數年份兩者測算結果的差異保持1%上下；少數年份超過1%，例如2006(1.1%)、2007(1.1%)、2009年(1.9%)、2011年(1.6%)、2012和2013年(1.4%)；個別年份甚至超過3%，例如2004年(3.4%)、2005年(4.8%)和2008年(3.5%)，而且這些差異大的年份主要集中在2010年之前。2018年新口徑(9月調整後口徑)、7月調控口徑也同樣存在類似誤差，用方法1和方法2測算，結果差異(季頻)在0.8%以內，如圖4所示。
二、誤差主要來自五個細分項目
2.1 誤差主要來自於五個細分項
闡述誤差主要來源之前，我們先簡要回顧央行公布社融數據的頻率特點。 存量社融方面， 央行2015年才開始直接公布存量數據(含分項)，數據頻率為季頻。2016年開始公布月頻的社融存量數據(含分項)。2002~2014年央行並不直接公布社融存量規模(含分項)，但公布年頻的社融存量同比增速(含分項)。所以理論上可以利用2015年及以後社融存量數據，以及2002~2014年存量同比增速，計算得到相應年份的年頻社融存量數據。 增量社融方面， 2012年央行公布月頻社融增量數據，並在同年補充公布了2002~2011年月頻社融增量數據。至此，2002年1月以後的月度增量數據均有直接公布。
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(2018年開始精確到小數點後兩位)，因而同比增速倒算方法會出現如下情況——年份越早，小數點精確度造成的誤差累計也越多。第二，月度新增社融有“當月初值”和“當月值”之分。央行每月10-15號左右時間以新聞公告形式公布初步統計社融(含分項)數據，即為“當月初值”，每月16-19號左右修正數據，即為最終的“當月值”。
我們之所以花去壹定精力梳理央行公布的社融口徑及數據頻率，目的是為了盡量理清哪部分誤差來自Δ存量與新增量之差，哪部分誤差僅是因為數據口徑換算而引入的。例如2015年及之前缺乏央行直接公布的社融存量數據，雖然可以根據央行給出的社融存量同比增速倒算出年頻社融存量，但央行公布的社融存量同比只精確到壹位小數點，每壹次倒算都會引入壹次誤差，且隨著倒算期拉長，越早年份的誤差累計越多。故而我們 觀察年頻的Δ存量和增量差異時，將數據範圍框定在2010年及以後。 另需強調，2015年及之前缺乏直接公布的月頻存量數據，同時也無法倒算月頻社融存量增速，所以我們在 探討月頻Δ存量與增量誤差時，將數據範圍框定在2016年及以後。
2016年以來，不論年頻還是月頻，信托貸款、委托貸款、外幣貸款、企業債券融資、其他項這五個細分項，均是社融Δ存量與增量誤差的主要來源，其中月度誤差更是集中在外幣貸款、企業債券融資和其他項三個細分項。 細分項對總量社融誤差的貢獻率取決於兩個因素，壹個是細分項本身誤差大小，另壹個是細分項相對總體社融的占比。雖然股票融資分項本身誤差項較大，但其相對社融總量的占比較低，因而股票分項對社融總量誤差的最終貢獻並不高。人民幣貸款相對社融總量的比重雖然比較高，然而其本身的Δ存量與增量誤差較小，所以人民幣分項的Δ存量與增量誤差，對總量社融誤差的貢獻也不高。票據規範以來表外票據融資的誤差逐漸收斂，雖然其相對占比不低，然而2016年及以後票據分項對社融總量誤差的貢獻快速下降。下文我們重點圍繞信托貸款、委托貸款、外幣貸款、企業債券融資、其他項這五個細分項的誤差展開分析。
2.2 信托貸款誤差或主因1月存量統計排摸
對比信托業協會和社融兩個口徑的信托貸款數據，前者存量是後者存量余額的97%-98%；絕大部分情況下前者的年度新增量基本上是後者的94%-101%。可見 信托業協會(以下簡稱協會口徑)統計的信托貸款可作為觀察社融口徑信托貸款的絕佳影子指標。
首先，我們發現社融口徑信托貸款Δ存量與增量誤差基本在每年的1月達到年度峰值，並且1月誤差基本上可以解釋全年的絕大部分誤差。換言之，分析社融口徑信托貸款Δ存量與增量誤差，主要是解釋1月誤差。
其次，對比社融口徑和協會口徑發現，兩者存量數據趨勢基本壹致，除了每年1月；而新增量方面，並無類似季節性現象。協會口徑作為影子指標，指向社融口徑信托貸款每年1月Δ存量與增量之間的誤差，主要由社融口徑信托貸款存量變動引起。
目前我們仍無法有效判斷每年1月社融口徑信托貸款存量出現“脈沖式調整”的最終原因。我們猜測或與每年年初信托貸款數據統計排摸有關。不論如何，我們至少可以知道觀察社融口徑信托貸款分項Δ存量與增量誤差，重要的是觀察1月份。
委托貸款數據缺乏透明度，目前尚無法得知委托貸款項Δ存量與增量誤差的原因。2015年以來委托貸款項誤差大幅收斂，對社融總誤差貢獻幾乎為零。我們暫不對委托貸款項誤差展開詳細分析。
2.3 外幣貸款項原因在於匯率波動
外幣貸款是金融機構向非金融企業、個人、機關團體以貸款、票據貼現、墊款、押匯、福費廷等方式提供的外幣形式的貸款[2]。值得註意的是，雖然是“外幣”形式，外幣貸款匡算到社融統計中卻使用人民幣計價，因而匯率波動將直接影響人民幣計價的外幣貸款規模。計算社融增量時，外幣貸款使用當期平均匯率； 計算社融存量時，外幣貸款使用期末時點匯率 [3] ，因此匯率波動是影響Δ存量和增量差異的主要原因。 修正匯率影響，即將存量和新增社融分別按照上述匯率換算原則倒算為美元計價，我們發現Δ存量和增量數據缺口較大程度上被抹平(如圖15所示)。個別月份數據仍有細微差異，主要與期末時點匯率大幅波動有關。
2.4 企業債券融資項原因在於統計方式
企業債券融資是指由非金融企業發行的各類債券，具體包括企業債、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、可轉債、可分離可轉債和中小企業私募債等券種(包含並不限於上述十壹類券種)。我們對照了萬得口徑的十壹類券種[4]年度凈融資量和Δ存量，發現十壹類企業債券凈融資與社融口徑的企業債券新增融資量基本上相等，至少變動趨勢極為壹致，如圖表16所示；Δ存量也有類似表現，如圖表17所示。然而即便同為萬得口徑，十壹類券種的新增凈融資和Δ存量之間也存在差異，而差異主因在於存量統計以起息日為標準，凈融資額統計以發行日為標準。
社融口徑的企業債券融資，內含多個券種，涉及不同發行制度、兌付規則和余額統計標準，而不只限於發行日和起息日統計標準的差異。換言之， 企業債券融資日常統計監測牽涉較廣，天然就存在壹定的統計難度，這也是社融口徑企業債券融資新增量和Δ存量存在差異的主要原因。 考慮到社融口徑企業債券融資統計的復雜性，再者社融口徑企業債券融資的新增量和Δ存量缺口也未表現出明顯規律，我們不再追究造成差異的原因細節。
2.5 其他項主因在於保險公司賠償和去杠桿特定背景
老口徑社融統計包含人民幣貸款、外幣貸款、委托貸款、信托貸款、未貼現的銀行承兌匯票、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、其他融資***計10類細分項。央行通常公布前7類細分項的新增和存量數據，而不公布保險公司賠償、投資性房地產、其他融資三個細分項數據。將社融總量數據扣減前7類分項，所得剩余稱為“其他項”，實際上包含了保險公司賠償、投資性房地產、其他融資這三個細分項。
保險公司賠償指保險公司在保險合同有效期內履行賠償義務而提供的各項資金，具體包括財產險賠償、健康險賠款和意外傷害險賠款， 該指標會在年末收支相抵，沒有存量或余額的概念。 即，其他項存量=投資性房地產存量+其他融資存量，其他項新增量=保險公司賠償增量+投資性房地產增量+其他融資增量，其他項增量-Δ其他項存量=(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)+保險公司賠償增量。
投資性房地產增量和Δ投資性房地產存量無差異，其他融資增量和Δ其他融資存量亦如此，那麽其他項增量-Δ其他項存量就等於保險公司賠償增量。我們對照保監會數據，2016年以來的絕大部分時間，其他項增量-Δ其他項存量幾乎等於保險公司賠償款，如圖21所示。 換言之，絕大部分時間中其他項差異主要來源於保險公司賠償款。 少數時間段，例如2017年，其他項增量-Δ其他項存量與保險公司賠償款差異較大，並且呈現顯著的季節性波動。考慮到投資性房地產主要指金融機構為賺取租金或資本增值，或者兩者兼而有之持有房地產，不太容易出現季節性的大幅波動。所以我們傾向於認為2016年數據差異大概率不是來自於投資性房地產項目。其他融資指實體經濟從小額貸款公司、貸款公司等獲得資金，主要包括小額貸款公司貸款以及貸款公司貸款，2017年金融同業去杠桿背景下金融體系結構異動，小額貸款公司等或隨之波動。換言之， 我們傾向於認為2017年其他項增量和Δ存量之間的差異，不僅與保險公司賠償有關，或可還與特定的金融去杠桿背景有關。
三、技術細節對社融存量增速預測的意義
外幣貸款日益成為外貿型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、境內外利差和外匯管理政策等多重因素疊加產生影響。準確捕捉外幣貸款增量估算帶來的誤差擾動存在壹定難度。類似的，企業債券融資涉及不同券種和統計標準，其他項內含三個細分項目融資，委托和信托貸款涉及非標，信息不完全透明，因而準確捕捉五個細分項誤差存在現實難度。我們轉而用歷史比較方法，大致估算2019年五個分項的Δ存量和增量誤差。
回溯歷史，2010年以來其他項誤差基本穩定在0.3%~0.5%區間。我們傾向於認為 2019年其他項誤差大概率在0.3%~0.5%，屬於中性水平。 企業債券融資方面，除了2018年以外(0.4%)，2010年以來誤差鮮少超出-0.2%~0.2%區間。我們傾向於認為 2019年企業債券項的誤差大概率在-0.2%~0.4%，屬於近年來較高水平。 外幣貸款方面，2009年以來誤差也基本控制在-0.2%~0.45%。隨著2015年人民幣結束2001年以來的單邊貶值趨勢，外幣貸款項的誤差也由正轉負。以2017年作為人民幣匯率升值假設情況下的參照樣本，2015年作為人民幣匯率貶值假設情況下的參照樣本，推測 2019年外幣貸款項誤差在-0.16%~0.1%區間，屬2010年以來偏弱水平。 信托和委托貸款方面，1月信托貸款Δ存量和增量差異582億元，超過過去兩年同期水平，委托貸款亦然。考慮到信托貸款誤差主要由1月貢獻，這就意味著2019年信托貸款和委托貸款項遺引入誤差大概率超過2017和2018年。按過去兩年1月同期誤差數量進行線性外推， 2019年委托和信托貸款細項或引入0.02%~0.04%誤差，屬歷史較高水平。加總五個分項誤差，最終誤差大概率不過1.04%，屬2010年以來中性偏小水平。
值得註意的是，2019年1~2月央行並未公布核銷和ABS細分項，按照過去兩年經驗，地方專項債、ABS以及核銷Δ存量和增量不存在誤差。則新口徑Δ存量和增量誤差主要來源與外幣貸款、信托貸款、委托貸款、企業債券融資、其他項五個分項，並且這五個風險對新口徑總社融的Δ存量和增量誤差貢獻或大概率低於0.9%。
風險提示： 中美貿易摩擦超預期，國內需求下行超預期。
[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]對應勾選萬得中的企業債、公司債、中票、短融、PPN、ABN、可轉債、可分離轉債***8項。
（文章來源：郭磊宏觀茶座）