NBER|隐性债务披露

（一）案例分析

1.莫桑比克的债务问题

莫桑比克的隐性债务问题在2016年首次引起国际关注，当时媒体披露了该国1.2亿美元未公开的主权债务负债。在2010年代初期，莫桑比克被视为发展成功的典范，北部沿海地区发现了大量天然气储备，随之而来的是外国直接投资激增和数年的高经济增长。在2013年，正值经济繁荣期，该国在国际资本市场上发行了8.5亿美元的主权债券，用于投资渔船船队。在同一年及次年，莫桑比克的国有企业通过政府担保，从国际银行（如瑞士信贷和VTB）借款12亿美元，但这些额外的负债未向债券投资者和公众披露。

两年后，2015年，莫桑比克开始出现债务偿还困难。由8.5亿美元债券发行资助的金枪鱼船队的捕捞量不到预期的5%，政府因此向债券持有人提出重组债务的计划。2016年初，大多数债券持有人同意了重组计划，但随后有关莫桑比克巨额隐性债务的传言开始浮现。2016年4月，《华尔街日报》首次报道了莫桑比克国有企业所借的额外银行贷款及其国家担保，但这些贷款此前未曾披露。

隐性债务的传闻导致莫桑比克债券的利差急剧上升，债券投资者担心这些未披露的额外负债可能会在违约事件中稀释其债权的回收价值。最终，莫桑比克在2017年1月违约。国际货币基金组织（IMF）和国际会计事务所对莫桑比克的债务进行了审计，证实了12亿美元的隐性负债存在，并且莫桑比克宪法法院裁定这些贷款是非法签订的。

最终，莫桑比克花了四年时间与债券持有人达成重新谈判协议，并且自那以后再未能进入国际债券市场。

通过对世界银行《国际债务统计》不同版本的莫桑比克债务报告进行比较，可以量化莫桑比克的隐性债务。最初报告的2014年债务数据为71亿美元（见图2），随着之前未披露的贷款被公之于众，该数据在之后的版本中被大幅上调。最新的2014年债务数据为85亿美元，增加了14亿美元，相当于GDP的8%。

2.赞比亚的隐性债务

在2010年代，赞比亚的外债显著增加。得益于高商品价格，赞比亚与多个外部债权人（包括债券持有人、双边债权人、商业银行、出口信贷机构和数十家不同供应商）签订了负债协议。这些债务不仅由中央政府签订，还包括国有企业和特别目的公司，它们积累了用于基础设施和能源项目的债务。2011年，赞比亚仅签订了五笔新贷款，而在经济繁荣的高峰期（2016年），这一数字增加到了至少三十笔。

随着赞比亚公共债务组合的复杂性增加，人们对该国真实债务状况的不确定性也在加剧。2018年4月，当国际媒体和主要投资者公开质疑赞比亚债务统计数据的准确性时，该国的借贷成本开始上升。2020年初，COVID-19疫情爆发及其伴随的新兴市场资本外流加剧了该国的债务问题。2020年3月，赞比亚财政部就112亿美元的外债重组问题向银行寻求建议。该消息导致赞比亚的债券利差急剧上升，最终在2020年10月，当政府未能支付4250万美元的一笔欧元债券票息时，赞比亚陷入违约。

由于债务规模的不确定性，债务解决过程拖延了很长时间。债权人委员会拒绝了赞比亚提出的暂停债务和重组的请求，理由是“缺乏对该国其他外债透明度的信任”。经过几个月的数据对账，赞比亚当局最终公布了修订后的债务统计数据，证实了投资者的担忧，赞比亚新任总统承认“债务窟窿比预期的更大”。截至2024年6月，债务重组谈判仍在进行。

通过比较不同版本的世界银行《国际债务统计》中的赞比亚债务数据，可以量化赞比亚的隐性债务。2021年最初报告的外部公共和公共担保债务存量为125亿美元，而在最新版本中，该数据为157亿美元，上调了32亿美元，相当于GDP的14%。这种隐性债务问题引发了赞比亚主权债务重组中的协调困难和长时间的谈判过程。

（二）隐性债务测度方法

1.数据来源

文章的数据来源是世界银行自1970年代以来发布的债务统计数据。具体而言，这些数据包括了《国际债务统计》（International Debt Statistics，2012–2023）、《全球发展金融报告》（Global Development Finance Reports，1997–2012）以及《世界债务统计》（World Debt Tables，1973–1996）等多种版本。所有数据均基于世界银行的债务报告系统（Debtor Reporting System, DRS），该系统于1951年建立，要求主权借款国报告其长期公共和公共担保债务的数据。

新数据库涵盖了146个发展中和新兴市场国家，从1970年至2022年的53年数据。数据库包含多达51个不同版本的债务报告数据，每个国家的数据可以在多个版本间进行比较。

对于2013年及之后的数据版本，国际债务统计的数据可以从世界银行网站直接下载。对于2005年之前的数据，研究团队则从世界银行网站获取PDF格式的报告或从不同图书馆获取原始的纸质报告，并通过光学字符识别（OCR）软件和手动编码的方式将数据转化为机器可读格式。最终，所有不同版本的数据被整合到一个综合数据库中。

2.数据测量与解释

（1）隐性债务的定义

隐性债务（Hidden Debt）是指在某一年未被报告的债务金额，定义为某个年份在最新版本的债务数据（DebtV）和首次发布时的数据（Debtv0）之间的差异。

隐性债务揭露（Hidden Debt Revelations）：是指在某个版本中揭示的未被报告的债务量，定义为某一版本与前一版本之间债务数据的差异。

（2）计算公式

文章中采用了以下公式来衡量某一年的隐性债务：

其中，DebtV表示在某版本中报告的债务数据，而Debtv0则表示该国首次报告的债务数据。

隐性债务揭露的计算公式如下：

其中，t0为首次在两个版本中报告债务数据的年份，T为最新可用数据的年份。隐性债务的总和为：

隐性债务的揭露反映了某一特定年份未被报告的债务被揭示的过程。这种揭露往往发生在债务危机或经济衰退期间，揭示出债务数据被低报的现象。由于世界银行的债务数据是基于借款国的报告，因此它不受估值变化的影响，也没有反映债务报告规则的变化。

3.数据一致性检查

（1）跨版本一致性检查（Across-vintage consistency checks）

每个债务数据点出现在多个版本中，因此对于每个数据点，研究团队检查其在不同版本之间的差异。若前后两个版本的数据差异为零，但数据值本身不相等，则标记为潜在的测量错误，并通过回溯原始来源进行修正。

（2）版本内一致性检查（Within-vintage consistency checks）：

通过跟踪会计恒等式在每个版本中的偏差来识别潜在的测量错误。例如，总公共和公共担保债务存量应等于对官方债权人和私人债权人债务存量的总和。若这些恒等式不成立，则返回原始PDF文档进行核实。

4.数据清理和转换

（1）消除估计和初步数据点

若某个发展中或新兴市场国家未能履行其向世界银行债务报告系统（DRS）提交数据的义务，世界银行可能会提供估算值或其他未报告的值。这种情况下，本文的分析只考虑被标记为“实际”或“如报告”的国家版本数据，剔除所有被标记为“初步”或“估计”的数据。

（2）数据转换

为确保跨版本数据的一致性，研究团队将所有数据转换为以百万美元计的名义值，并对所有条目进行四舍五入，保留整数值。此外，还对国别代码进行了统一处理，例如将扎伊尔和刚果民主共和国的数据统一归入“COD”代码下。

（3）数据验证和额外分析

本文进一步分析了不同版本之间数据修正的规律，验证了隐性债务的影响。研究发现，债务数据修正通常表现出向上的系统性偏差，这表明主权国家初始报告的债务数据普遍存在低报现象。

（三）测度结果

1. 隐藏债务的规模和特征

规模大且普遍存在：隐藏债务广泛存在于各国的公共债务中，且其规模相当大。

作者通过对各国债务数据的修正发现，隐藏债务的平均修正值约为GDP的1%，这一数据在统计上具有显著性。在所有收入组别和债务人地区中，债务数据的修正存在系统性的上调趋势，尤其在制度薄弱的国家中更为显著。对于债权人来说，双边贷款和非债券商业贷款是最容易被低报的贷款形式。

债务数据修正的分布：图5展示了外部公共和公开担保债务的修正分布，修正值按债务人国家GDP的比例进行调整。该分布表明，债务数据修正的中位数和平均数都显示出显著的右偏态，这意味着隐藏债务在某些国家和年份中的累积量非常大。

2.隐藏债务的揭露时间

周期性揭露：隐藏债务通常在经济繁荣期累积，并在经济低迷期被揭露，特别是在IMF项目和外部主权违约期间更为明显。例如，COVID-19疫情后的经济衰退就引发了过去50年中规模最大的隐藏债务揭露。数据表明，隐藏债务的累积和揭露的周期性主要由监控力度的变化驱动。

揭露时间的延迟：平均来看，一项隐藏借款在未报告后约7.6年才会被揭露，其中有10%的未报告贷款在承诺日期超过15年后才被揭露。这表明，很多未报告的债务可能长期处于隐藏状态，而不会被立即揭露。

3. 隐藏债务与主权违约

更大的债权人损失：在主权违约期间，隐藏债务与更大的债权人损失（“削减”）和更长的违约时间相关。每当隐藏债务的比例（占GDP的百分比）增加1个百分点，债权人损失就会增加1.23个百分点。隐藏债务越高，违约重组过程所需的时间就越长，这与更严重的债权人损失相关。

对市场投资者的影响：在债务重组开始时，较高的隐藏债务与更长的重组时间和更大的债权人损失相关，这表明高隐藏债务确实稀释了市场投资者的回收价值。

（四）模型概述

本文第五部分构建了一个量化模型，以研究隐性债务及其揭露对违约风险、资产价格和福利的影响。模型基于传统的主权债务和违约文献（如Eaton & Gersovitz, 1981；Arellano, 2008；Aguiar & Gopinath, 2006），并结合了长期债务和正的回收率（如Hatchondo et al., 2016；2021）的框架进行扩展。

1.隐性债务累积与揭露：模型引入了隐性债务的累积过程，并允许国际贷方对国家账目进行监控，从而触发隐性债务的内生揭露。隐性债务的累积是外生的，不受借款人战略决策的影响。这种设置反映了那些政府对公共部门（如国有企业）的借款决策缺乏控制力的国家情况，通常这些国家具有较弱的制度环境和对真实债务水平的不确定性。

2.  监控机制的设置：国际贷方可以选择是否对一个国家的隐性债务进行监控，监控是有成本的。由于隐性债务会在违约时通过稀释债权人的回收率而减少他们的索赔价值，因此贷方有动力对债务水平进行监控。在模型中，监控频率和隐性债务的揭露概率随着时间的推移而变化，这与数据中揭露频率的实际模式相符。

3. 债务与违约风险的关系：模型中隐性债务的存在增加了主权借款者的违约动机，因为当隐性债务被揭露时，总债务水平将会增加，这会导致更高的债务成本（如更高的利差）。这种动态影响进一步降低了借款者的债务承载能力，并增加了市场对其违约风险的预期。

4. 福利效应的分析：模型量化了债务透明度对福利的影响。隐性债务的揭露减少了债务不确定性，因此降低了主权借款者的融资成本。然而，如果揭露的隐性债务规模很大，尽管不确定性降低了，但整体债务水平的增加可能会带来更高的融资成本。因此，债务揭露对主权借款者的福利效应取决于揭露的债务规模和市场对其反应的平衡。

（五）量化分析

1.校准策略

在模型校准过程中，本文采用了标准的参数设定，并基于第三和第四部分的数据进行模型校准。模型中的参数包括借贷国家的相对风险厌恶系数、风险溢价、贴现因子等，这些参数的取值均符合新兴市场国家主权债务研究中的典型数值。模型假设了一个小型开放经济体，其代表性代理人的效用函数表现出相对风险厌恶系数不变的特征。模型中还包括了一个随机过程来描述借贷国的禀赋变化。这个过程基于Chatterjee和Eyigungor（2012）的研究，假设在违约事件期间，借贷国的收入将受到一个二次损失函数的影响。此外，模型假设隐性债务的发行是独立同分布的，遵循正态分布，并且债权人只能在揭露后观察到隐性债务。

2.模型分析

该部分分析了模型在不同监控政策和借贷条件下的特性，包括违约动机、监控政策和政府借贷条款等。

模型显示，当隐性债务累积到一定程度时，政府的违约动机会显著增加。这是因为隐性债务会稀释债权人的回收价值，导致借贷条件恶化。当隐性债务积累到较高水平时，债权人更有动机加强对政府债务的监控，从而导致隐性债务的揭露增加。然而，监控成本的增加会削弱债权人进行监控的积极性。在隐性债务较高的情况下，政府的借贷条件会恶化，包括更高的借贷利率和更严格的借贷限制。隐性债务的存在加大了借贷的不确定性，导致政府的债务承载能力下降。

3.隐性债务揭露与市场利差

模型分析了隐性债务揭露对市场均衡利差的影响。研究发现，隐性债务的揭露会导致市场利差显著上升，这是因为揭露后债权人重新评估了主权国家的违约风险，并要求更高的风险溢价来补偿可能的损失。

模型模拟显示，隐性债务揭露后，市场利差的增加幅度取决于隐性债务的规模和经济环境。例如，在经济衰退期揭露的隐性债务对市场利差的影响更为显著，因为债权人担心经济环境的恶化会加剧违约风险。通过将模型结果与本文构建的数据库进行对比，研究发现模型很好地捕捉了隐性债务揭露与市场利差之间的关系，验证了模型的有效性。

4.福利影响

本文进一步研究了隐性债务对社会福利的影响，并通过比较三种不同情境下的模型结果来评估隐性债务的影响：

1.基准模型：即隐性债务存在但不一定被揭露的情况。

2. 监控成本降低的模型：债权人监控成本降低，导致隐性债务更容易被揭露。

3. 完全信息模型：债权人对所有隐性债务有完全信息，不存在信息不对称。

结果表明，消除隐性债务相关的不确定性会带来显著的福利提升，相当于消费永久性增加5.5%。更高的监控力度可以改善福利，但前提是隐性债务的水平相对较低。在隐性债务水平较高时，加强监控反而可能带来福利损失，因为更严格的监控会暴露更多的隐性债务，从而恶化借贷条件。

How reliable are public debt statistics? This paper quantifies the magnitude, characteristics, and timing of hidden debt by tracking ex post data revisions across a comprehensive new database of more than 50 vintages of World Bank debt statistics. In a sample of debt data covering 146 countries and 53 years, the paper establishes three new stylized facts: (i) debt statistics are systematically under-reported; (ii) hidden debt accumulates in boom years and tends to be revealed in bad times, often during IMF programs and sovereign defaults; and (iii) in debt restructurings, higher hidden debt is associated with larger creditor losses. The novel data is used to numerically discipline a quantitative sovereign debt model with hidden debt accumulation and an endogenous monitoring decision that triggers revelations. Model simulations show that hidden debt has adverse effects on default risk, debt-carrying capacity and asset prices and is therefore welfare detrimental. 

关于我们

黄达教授是新中国“大金融”思想体系的首倡者和设计者。世纪之交，他针对经济金融全球化对中国金融学科建设提出的新挑战与新要求，重构基于中国实际的金融学科框架，首倡并系统设计“大金融”学科体系；几代学人在此基础上不断传承发扬，主张金融与实体经济相结合、宏观金融与微观金融相结合，具有鲜明“人大学派”特色的重大理论创新体系日渐形成。

本公众号由中国人民大学国际货币研究所（IMI）负责维护及推送，围绕大金融理念，专注传播优秀学术研究成果，加强大金融学术研究交流。

中国人民大学国际货币研究所（IMI）成立于2009年12月20日，是专注于货币金融理论、政策与战略研究的非营利性学术研究机构和新型专业智库。

研究所长期聚焦国际金融、货币银行、宏观经济、金融监管、金融科技、地方金融等领域，与国内外金融机构、科研院所、政策部门多次开展研究合作与学术交流，形成了《人民币国际化报告》《天府金融指数报告》《金融机构国际化报告》《中国财富管理能力评价报告》《宏观经济月度分析报告》等一大批具有重要理论和政策影响力的学术成果。

IMI定期举办国际货币论坛、货币金融（青年）圆桌会议、大金融思想沙龙、麦金农大讲坛、陶湘国际金融讲堂、IMF经济展望报告发布会、金融科技公开课等高层次系列论坛或讲座，形成了内参要报、学术月刊、中英文周报等系列研究产品。

微信号：大金融思想

（点击识别下方二维码关注我们）

文章推荐/投稿/合作     ☎️010-62516755

          联系方式             📮imi@ruc.edu.cn