置顶我们的公众号随时获得最噺金融资讯。
加入联盟成员俱乐部开放QQ群,微信群请加微信号:ziduo8848(入群务必验证信息:城市、公司、职务)
文末附你想知道的关于联盟的那些事儿
七周成为数据分析析能力真是越来越重要了,无论哪个岗位都需要具备这个能力那七周成为数据分析析能力需要多少时间養成呢?七周你信不信~咱们一起来看看今天的文章
写这个系列,是希望在当初知乎某一个回答的基础上单独完善出针对互联网产品和運营们的教程。不论对七周成为数据分析析或数据运营我都希望它是一篇足够好的教材。
得承认我有标题党之嫌更准确说,这是一份七周的互联网七周成为数据分析析能力养成提纲
我会按照提纲针对性的增加互联网侧的内容,比如网站分析用户行为序列等。我也不想留于表面而是系统性讲述。比如什么是产品埋点在获得埋点数据后,怎么利用Python / Pandas的shift ( )函数将其清洗为用户行为session进而计算出用户在各页媔的停留时间,后续如何转换成统计宽表如何以此建立用户标签等。
这是一份入门到熟练的指南并不包含数据挖掘等高阶内容。可也足够让产品和运营们获得进步
还有一点要(悲伤地)注明,这是七周的学习时间不是我用七周就能写完。具体时间我也不知道幸好峩从没公布微信号,你们追杀不到我 (?`ω′?)
如果Excel玩的顺溜,你可以略过这一周不过介于我入行时也不会vlookup,所以有必要講下
Excel函数不需要学全,重要的是学会搜索即如何将遇到的问题在搜索引擎上描述清楚。
我认为掌握vlookup和数据透视表足够是最具性价比嘚两个技巧。
这两个搞定基本10万条以内的数据统计没啥难度,80%的办公室白领都能秒杀
Excel是熟能生巧,多找练习题还有需要养成好习惯,不要合并单元格不要过于花哨。表格按照原始数据(sheet1)、加工数据(sheet2)图表(sheet3)的类型管理。
下面是为了以后更好的基础而附加的學习任务
了解数组,以及怎么用(excel的数组挺难用)Python和R也会涉及到 list。
了解函数和参数当进阶为编程型的七周成为数据分析析师时,会讓你更快的掌握
了解中文编码,UTF8和ASCII包括CSV的delimiter等,以后你会回来感谢我的
这一周的内容我会拆分成两部分:函数篇和技巧篇。
这是一道練习题我给你1000个身份证号码,告诉我里面有多少男女各省市人口的分布,这些人的年龄和星座如果能完成上述过程,那么这一周就矗接略过吧(身份证号码规律可以网上搜索
七周成为数据分析析界有一句经典名言,字不如表表不如图。数据可视化是七周成为数据汾析析的主要方向之一除掉数据挖掘这类高级分析,不少七周成为数据分析析就是监控数据观察数据
七周成为数据分析析的最终都是偠兜售自己的观点和结论的。兜售的最好方式就是做出观点清晰数据详实的PPT给老板看如果没人认同分析结果,那么分析也不会被改进和優化不落地的七周成为数据分析析价值又在哪里?
首先要了解常用的图表:
Excel的图表可以100%完成上面的图形要求但这只是基础。后续的进階可视化势必要用到编程绘制。为什么比如常见的多元分析,你能用Excel很轻松的完成但是在IPython只需要一行代码。
其次掌握BI下图是微软嘚BI。
BI(商业智能)和图表的区别在于BI擅长交互和报表更擅长解释已经发生和正在发生的数据。将要发生的数据是数据挖掘的方向
BI的好處在于很大程度解放七周成为数据分析析师的工作,推动全部门的数据意识另外降低其他部门的数据需求(万恶的导数据)。
BI市面上的產品很多基本都是建立仪表盘Dashboard,通过维度的联动和钻取获得可视化的分析。
最后需要学习可视化和信息图的制作
这是安(装)身(逼)立(加)命(薪)之本。这和数据本事没有多大关系更看重审美、解读、PPT、信息化的能力。但值得花一点时间去学习
数据可视化嘚学习就是三个过程,了解数据(图表)整合数据(BI),展示数据(信息化)
这周轻松一下,学学理论知识
好的七周成为数据分析析首先要有结构化的思维,也就是我们俗称的金字塔思维思维导图是必备的工具。
之后再了解SMART、5W2H、SWOT、4P理论、六頂思考帽等框架这些框架都是大巧不工的经典。
分析也是有框架和方法论的我会主要围绕三个要点展开:
一个业务没有指标,则不能增长和分析;
好的指标应该是比率或比例;
好的分析应该对比或关联
举一个例子:我告诉你一家超市今天有1000人的客流量,你会怎么分析
这1000人的数量,和附近其他超市比是多是少(对比)
这1000人的数量比昨天多还是少?(对比)
1000人有多少产生了实际购买(转化比例)
路過超市,超市外的人流是多少(转化比例)
这是一个快速搭建分析框架的方法。如果只看1000人是看不出分析不出任何结果。
优秀的七周荿为数据分析析师会拷问别人的数据而他本身的分析也是经得起拷问,这就是分析思维能力需要确切明白的是,一周时间锻炼不出数據思维只能做到了解。数据思维是不断练习的结果我只是尽量缩短这个过程。
Excel对十万条以内的数据处理起来没有问题但是互联网行業就是不缺数据。但凡产品有一点规模数据都是百万起。这时候就需要学习数据库
越来越多的产品和运营岗位,会在招聘条件中将會SQL作为优先的加分项。
SQL是七周成为数据分析析的核心技能之一从Excel到SQL绝对是数据处理效率的一大进步。
学习围绕Select展开增删改、约束、索引、数据库范式均可以跳过。
再有点追求就去了解Explain优化,了解SQL的工作原理了解数据类型,了解IO以后就可以和技术研发们谈笑风生,畢竟将“这里有bug”的说话换成“这块的数据死锁了”,逼格大大的不同
SQL的学习主要是多练,网上寻找相关的练习题刷一遍就差不多叻。
很遗憾统计知识也是我薄弱的地方,可这是七周成为数据分析析的基础
我看过很多产品和运营相关的七周成为数据分析析文章,沒有多少提及统计知识这是不严谨的。
比如产品的AB测试如果产品经理并不清楚置信度的含义和概念,那么好的效果并不意味着真正的恏尤其是5%这种非显著的提高。
比如运营一次活动运营若不了解检验相关的概念,那么如何去判别活动在数据上是有效果还是没有效果别说平均数。
再讨论一下经典的概率问题如果一个人获流感,实验结果为阳性的概率为90%;如果没有获流感实验结果为阳性的概率为9%。现在这个人检验结果为阳性他有多少几率是得了流感?
如果你觉得几率有50%、60%、70%等等那么都犯了直觉性的错误。它还和得病的基础概率有关
统计知识会教我们以另一个角度看待数据。如果大家了解过《统计数据会撒谎》那么就知道很多七周成为数据分析析的决策并鈈牢靠。
我们需要花一周的时间掌握描述性统计包括均值、中位数、标准差、方差、概率、假设检验、显著性、总体和抽样等概念。
不需要学习更高阶的统计知识谁让我们是速成呢。只要做到不会被数据欺骗不犯错误就好。
以Excel的分析工具库举例(图片网上找来)在初级的统计学习中,需要了解列1的各名词含义而不是停留在平均数这个基础上。
这一周需偠了解业务对于七周成为数据分析析师来说,业务的了解比数据方法论更重要当然很遗憾,业务学习没有捷径
我举一个数据沙龙上嘚例子,一家O2O配送公司发现在重庆地区外卖员的送货效率低于其他城市,导致用户的好评率降低总部的七周成为数据分析析师建立了各个指标去分析原因,都没有找出来问题后来在访谈中发觉,因为重庆是山城路面高低落差比较夸张,很多外卖人员的小电瓶上不了坡…所以导致送货效率慢
这个案例中,我们只知道送货员的送货水平距离即POI数据,根本不可能知道垂直距离的数据这就是数据的局限,也是只会看数据的分析师和接地气分析师的最大差异
对业务市场的了解是七周成为数据分析析在工作经验上最大的优势之一。不同荇业领域的业务知识都不一样我就不献丑了。在互联网行业有几个宽泛的业务数据需要了解。
产品七周成为数据分析析以经典的AAARR框架学习,了解活跃留存的指标和概念(这些内容我的历史文章已经涉及了部分)。
并且七周成为数据分析析师需要知道如何用SQL计算因為在实际的分析过程中,留存只是一个指标通过userId 关联和拆分才是常见的分析策略。
网站七周成为数据分析析可以抽象吃一个哲学问题:
用户从哪里来(SEO/SEM),用户到哪里去(访问路径)用户是谁(用户画像/用户行为路径)。
虽然网站已经不是互联网的主流但现在囿很多APP Web的复合框架,朋友圈的传播活动肯定需要用到网页的指标去分析
用户七周成为数据分析析,这是数据化运营的一种应用
在产品早期,可以通过埋点计算转化率利用AB测试达到快速迭代的目的,在积累到用户量的后期利用埋点去分析用户行为,并且以此建立用户汾层用户画像等
例如用贝叶斯算法计算用户的性别概率,用K聚类算法划分用户的群体用行为数据作为特征建立响应模型等。不过快速叺门不需要掌握这些只需要有一个大概的框架概念。
除了业务知识业务层面的沟通也很重要。在业务线足够长的时候我不止一次遇箌产品和运营没有掌握所有的业务要点,尤其涉及跨部门的分析良好的业务沟通能力是七周成为数据分析析的基础能力。
终于到第七周也是最痛苦的一周。这时应该学习编程技巧
是否具备编程能力,是初级七周成为数据分析析和高级七周成为数据分析析的风水岭数據挖掘,爬虫可视化报表都需要用到编程能力(例如上文的多元散点图)。掌握一门优秀的编程语言可以让七周成为数据分析析师事半功倍,升职加薪迎娶白富美。
以时下最热门的R语言和Python为学习支线速成只要学习一条。
我刚好两类都学过R的优点是统计学家编写的,缺点也是统计学家编写如果是各类统计函数的调用,绘图分析的前验性论证,R无疑有优势但是大数据量的处理力有不逮,学习曲線比较陡峭Python则是万能的胶水语言,适用性强可以将各类分析的过程脚本化。PandasSKLearn等各包也已经追平R。
R语言的开发环境建议用RStudio
学习Python有很哆分支,我们专注七周成为数据分析析这块需要了解调用包、函数、数据类型(list,tuple,dict),条件判断迭代等。高阶的Numpy和Pandas在有精力的情况下涉及
Python嘚开发环境建议Anaconda,可以规避掉环境变量、包安装等大部分新手问题Mac自带Python2.7,但现在Python 3已经比几年前成熟没有编码问题,就不要抱成守旧了
对于没有技术基础的运营和产品,第七周最吃力虽然SQL+Excel足够应付入门级七周成为数据分析析,但是涉及到循环迭代、多元图表的分析蔀分复杂度就呈几何上升。更遑论数据挖掘这种高阶玩法
我也相信,未来了解数据挖掘的产品和运营会有极强的竞争力
到这里,刚剛好是七周如果还需要第八周 ,则是把上面的巩固和融会贯通毕竟这只是目的性极强的速成,是开始而不是七周成为数据分析析的畢业典礼。
最后还需要补充如果希望七周成为数据分析析能力更近一步,或者成为优秀的七周成为数据分析析师每一周的内容都能继續学习至精通。实际上业务知识、统计知识仅靠两周是非常不牢固的。
再往后的学习会有许多分支。比如偏策划的数据产品经理比洳偏统计的机器学习,比如偏商业的市场分析师比如偏工程的大数据工程师。
之后我会把每一周要点再单独用文章写出来。
中国货币金融七周成为数据分析析入门
银行业、金融业的研究分析需要关注各类宏观、货币与金融数据涉及的数据最主要的包括三大类:(1)货幣数量;(2)利率水平;(3)融资情况。其他还包括外汇数据、金融机构业务数据等
本报告将主要分析方法做统一整理,形成一个总体汾析框架为投资者今后的深入分析做一个指引。
货币数量和利率水平主要受央行货币政策影响。
央行货币政策目标比较多元各国不┅,大体上包括物价(币值)稳定、充分就业、经济增长、国际收支平衡等我国《人民银行法》第三条规定:“(中国人民银行)货币政策目标是保持货币币值的稳定,并以此促进经济增长”因此,人行货币政策主要目标是币值稳定、经济增长充分就业未写入该条款Φ,但可以视为经济增长的一部分国际收支平衡也未写入,但与人行维护金融稳定的职责相关
对于货币政策本身,我们有三个分析步驟:
1.1 央行确定货币总量目标
首先为达成币值稳定这一目标,要求人行根据经济需要合理适度投放货币。
所谓的经济需要包括三方面:(1)经济总量增加(实际值,不是名义值用实际GDP表示)需要对应的货币增量;(2)物价上涨(虽然目标是物价稳定,但现代信用货币淛度下总有不同程度的通货膨胀)需要对应的货币量;(3)货币深化即将原先不投入市场的要素投入了市场中(在我国主要是土地),需要对应的货币另外,不计入CPI的物价上涨(主要是房价)也计入这一顶。
央行通过估计上述三方面数据确定一年的新增投放货币量。比如2015年GDP目标为7%左右,CPI目标为3%左右再加上2百分点左右的货币深化,最终确定了M2增速为12%当然,这不是硬性指标而会根据GDP、CPI、货币深囮的具体情况随时调整。
1.2 央行调节基础货币和货币派生来实现货币总量目标
在现代信用货币制度下央行首先投放基础货币,然后由存款貨币银行(基本上就是商业银行)的信用活动派生货币
基础货币包括流通中的现金,和银行的存款准备金(包括法定和超额)现金不參与派生。存款准备金则用来派生货币最终货币总量与基础货币之间的比值,称为货币乘数
基础货币投放,央行具有较大自主权在基础货币基础上,央行再控制银行的信贷、购债等派生渠道用以控制货币派生。以此将货币总量控制在其合意范围内。
但央行也有对仩述两个环节失控的时候
基础货币方面,热钱快速流入(或流出)时居民(主要是指外贸企业)结汇会导致央行被动投放(或收缩)基础货币(同时也直接投放存款)。此时央行就通过调节派生环节,来控制货币总量比如2007年热钱大幅流入时,央行不得不屡次提高准備金率降低货币乘数。而目前有可能是2007年的逆过程热钱流出,央行降准(提高货币乘数)
货币派生方面,年信贷收紧,银行通过洎营非标向企业投放信用在货币经济学原理上与放贷同样能派生货币,但非标不在央行监管范围内因而派生失控。因此央行只能通過收缩基础货币的方式加以干预,导致2013年“钱荒”最终才遏制住这一局面。
1.3 调节货币政策松紧来实施宏观调控
最后为达成经济增长这┅目标,央行会调整既定的货币政策做出宽松或紧缩的决定,将货币政策作为宏观调控手段经济过热时期,央行收紧货币经济衰退時则实施宽松的货币政策,帮助复苏
央行直接操作的货币政策工具包括前述的调节基础货币、派生货币的各种手段。这些工具并不直接莋用于经济本身而是作用于中间目标,包括货币总量和利率水平等然后,货币总量或利率水平的变化再作用于经济运行。
但货币政筞对于经济并非万能只是因素之一。有可能存在其他更重大的因素影响经济,导致货币政策效果有限
打个比喻。农民的目标是丰收(货币政策目标)手里的工具是农药(货币政策工具),农药不直接作用于粮食丰收但能控制虫害(中间目标),进而帮助丰收但影响丰收的因素很多,有可能虫害控制住了却出现天灾,这个就不是农药管得住的了
2. 实证:央行如何调节货币总量
我们从实际数据角喥观察央行如何调节货币总量。沿用上述框架分为投放基础货币和控制派生渠道两个环节,最终目标是将货币总量控制在其合理目标范圍内
2.1 从货币当局资产负债表观察基础货币投放细节
央行每月公布的《货币当局资产负债表》中包含基础货币(储备货币)的详细数据,包括货币发行(即流通中的现金M0)和其他存款性公司存款(即存款准备金)两部分。
2014年末央行资产负债表上基础货币共29.4万亿元,其中貨币发行6.7万亿元其他存款性公司存款22.7万亿元。历史上看两者比例常年稳定,除春节时期M0剧增外(节日现金持有量增加)其余时间较為稳定。近年也有微弱的M0占比下降趋势主要是受支付电子化影响。
如果单纯研究货币政策那么整张资产负债表甚至可以理解为都是围繞基础货币在运行。央行动用各种货币政策工具调整基础货币最终都会反映在表中其他科目上。投放基础货币的工具包括:
(1)公开市場操作:用央票或国债等证券为标的央行通过在银行间市场买入卖出这些证券,调节银行的准备金这些操作体现在“发行债券”(央票)、“其他负债”(主要是逆回购等)等负债科目中。比如央行向银行发行央票,则增加“发行债券”科目减少“储备货币”科目,从而降低基础货币央票发行会形成央行的利息支出(货币政策成本由央行负担),近年用得少了
(2)再贷款:除传统再贷款外,近姩央行推出的PSL、MLF等本质上都是再贷款这些操作体现在“对其他存款性公司债权”科目中。央行发放再贷款后央行资产负债表的“对其怹存款性公司债权”和“储备货币”两个科目同时增加金额。再贷款会形成央行的利息收入货币政策成本由商业银行负担,但会转嫁给借款人
(3)向政府贷款:向政府贷款也是投放基础货币的方式,但我国禁止央行向政府授信“对政府债权”科目目前无变化。
(4)政府存款:政府存款也是基础货币投放工具政府通过收税的方式从民间获取资金,这些货币理论上就退出流通此外也通过政府采购,将貨币重新投入流通我国是每季度终了后的第一个月缴纳税款,基础货币因此收缩对流动性会有一定影响。
(5)国外资产:主要是外汇資产居民通过外贸等活动赚到外汇,向商业银行结汇换取人民币自己拿到人民币存款。商业银行再向央行结汇拿到准备金,形成基礎货币表现在央行资产负债表上,就是“外汇资产”和“储备货币”科目同时增加央行持有外汇资产,运用于各类投资有时还会承擔汇率损失,承担了货币政策成本
上述各类科目的变化,背后是各类基础货币投放(或回收)工具的运用从2014年数据来看,外汇占款投放了6411亿元基础货币央行通过再贷款投放了1.28万亿元,公开市场操作投放了4738亿元再加上其他投放或回收渠道,全年共投放2.3万亿元
用央行資产负债表分析基础货币是严谨的,但有个缺陷就是每月央行资产负债表披露时间较晚,基本上是推迟2个月左右披露时效性不高。因此平时我们主要通过追踪热钱、央行公开市场操作、再贷款、政府收税或采购等数据,来估算最新的基础货币总量
2.2 从其他数据观察货幣派生细节
有了基础货币数据后,我们再观察如何派生出货币总量(M2)
首先,M2中有一部分存款是居民结汇时形成的,不是由基础货币派生而来的可以粗略地假设,这部分存款约等于央行资产负债表上的外汇资产
余下的货币(包括存款和存款取现后的M0)便是由基础货幣派生而来。由此我们已经将货币总量(M2)划分为了两个部分。2014年末我国M2总量122.8万亿元,其中外汇资产为27.1万亿元则余下部分95.7万亿元。這95.7万亿元为派生而来
我们再将派生而来的货币总量作分解,划分为各派生渠道银行将自有资金投放给非金融企业的行为,均能派生货幣主要包括三类:(1)发放贷款;(2)购买非金融企业债券;(3)自营非标等。
前两项均有公布然后可相减求出第三项。
央行公布的《其他存款性公司资产负债表》中披露了商业银行对非金融企业和民居投放的信用总额(包括“对非金融机构债权”、“对其他居民部門债权”两个科目,包括贷款和债券)即为贷款、债券之和。然后再根据已披露的信贷总额数据,相减后便可将信贷、债券两类加鉯区分。
以此信贷、债券、自营非标三类即可大致划分出来。比如通过观察年数据年上半年非标膨胀,派生货币而后“钱荒”对此囿一定的遏制。2014年后同业业务监管规范化,非标又有上升
上述是余额数据。还能在此基础上求得年度增量数据用来判断当年新增M2的投放渠道。比如2014年派生货币的增量中,85%由信贷投放债券渠道投放了7%,自营非标等投放了8%不同投放渠道往往对应着不同的借款人,因此会导致货币投向不同领域比如,信贷渠道主要投向贷款借款人,以大型企业为主而2012年,非标渠道贡献了21%的派生货币这意味着这些货币投向了非标资产的借款人,也就是地方政府融资平台、地产开发商等
央行通过直接干预银行的信贷额度、购债情况(一般是窗口指导),来控制派生货币总量自营非标原先不在央行管控范围内,所以出现了年上半年那样的非标失控导致M2失控的局面目前同业业务巳经统一纳入监管,重演M2失控的可能性不高
至此,我们平时所花的“钱”究竟是怎么来的已经十分清晰。
在一个充分市场化的经济体Φ货币数量和利率水平是充分对应的指标,控制数量就能影响利率水平但我国目前金融体系并未完全市场化(当然,没有一国的金融體系是彻底市场化的只是程度区别),货币政策传导机制还不够通畅因此在控制货币数量的同时,还需同时调节利率
依然结合前文所述的货币政策框架,首先央行投放基础货币这会形成一个市场,即银行间市场然后,银行再通过向借款人投放资产派生货币,这昰另一个市场即信贷市场。
银行间市场和信贷市场之间存在利率传导机制。但受银行放贷行为影响该机制并不会很通畅,因此两个市场的利率水平会有差异
同时,派生货币有不同渠道各渠道间有一定割裂性,也会形成子市场
1. 银行间市场利率:银行的资金成本
银荇间市场由同业拆借市场、票据市场、债券市场、外汇市场、黄金市场等构成,是银行及非银行金融机构之间的交易银行间市场是央行調节货币流通和货币供应量的场所,同时又是银行调节资金余缺、多余资金保值增值的场所
银行及非银行金融机构在央行(或其授权的登记机构)开立账户,存有超额存款准备金(这是基础货币的一部分所以有时也可将银行间市场理解为基础货币的市场),用以银行间茭易超额存款准备金一般是银行为应对流动性需要而额外准备的资金,其收益率水平很低是一种牺牲收益性来保持流动性的做法。因此超额存款准备金率的高低,与银行间市场的流动性水平高度相关
2010年宏观调控以来,市场利率上升银行超额存款准备金率日趋下降。这两者互为因果:一方面市场高收益,引诱银行降低超额准备金率把资金拿去赚钱;另一方面,超额准备金率下降银行间市场流動性更紧,收益率更高
银行间市场的流动性水平是观测银行自身资金松紧的关键指标。理论上银行在资金短缺时可从银行间市场融资,这是它们除存款外的重要负债来源且是主动负债来源,其利率水平充分市场化而存款是被动负债,且利率管制(管制也有波动但波动较小且慢),因此我们更倾向将银行间利率水平视为银行的资金成本。
将来存款利率市场化之后其利率水平应该接近(但不会超過)银行间利率水平。否则存在套利空间。从这一角度也能说明银行间市场利率是银行业的资金成本。
银行间市场利率主要观测七忝回购定盘利率(FR007)和SHIBOR(3M),分别代表短期利率和中期利率(长期利率则用国债利率)其中,FR007是定盘利率准确性更高。SHIBOR是报价利率目前,SHIBOR(3M)已跌破4%从2013年“钱荒”开始的高位显著回落。
准备金缴纳、财政存款变化、热钱进出等因素会影响短期银行间利率央行林林總总的货币政策,最终作用于基础货币将银行间利率水平调节在合理范围内。因此银行间利率水平是央行政策对冲上述所有影响因素嘚结果。所以我们与其讨论央行是宽松还是紧缩,还不如紧密观测其政策效果
2. 信贷市场利率:借款人的融资成本
上节提到,我们将银荇间利率水平视为银行的资金成本如果将银行类比为制造业,则银行间市场是银行的原材料市场而信贷市场则是其产成品市场,两个市场利率之间的差就是银行的“毛利”区间
信贷市场利率是银行资产运用的利率,反映其收益水平由于贷款利率已经充分市场化,因此相比存款利率更具有可参考性
央行在每季度的《货币政策执行报告》中披露当期的金融机构贷款加权平均利率,并披露有一般贷款、票据融资、个人住房贷款细项数据
从数据上看,受经济下行、有效信贷需求减弱影响2014年以来贷款整体利率是有所下降的。四季度末为6.77%较2013年降43BP,较三季度末降20BP这助于借款人降低财务压力。
但同时仍有两个问题需要注意:(1)这样的降幅对企业而言可能仍是杯水车薪;(2)贷款加权平均利率还受贷款结构影响,有些企业的贷款利率未必下降
为观测结构情况,我们从《货币政策执行报告》获取贷款各利率区间的占比情况整体而言,近年利率上浮的贷款的占比有明显提升一方面,这是行业转型过程中银行为获取更高资产回报,客戶定位下沉逐步向中小微企业和零售倾斜,从而上浮贷款占比提升但另一方面,2010年开始的宏观调控也抬高了贷款利率水平。
而低利率贷款的突击投放也能拉低贷款加权平均利率2014年12月,利率下浮的贷款占比为13.1%而11月及此前一直是10%以内,大多为7-9%左右所以,是12月单月大量投放了利率打折的贷款(主要是国家背景的大项目、大企业)将贷款加权平均利率水平拉低。
为剔除这种贷款结构因素对利率的影响我们需要观察中小微企业的融资成本。票据贴现是小微企业常用的融资方式其利率水平更能反映实体经济信贷利率。常用的指标包括Φ国货币网公布的“长三角票据贴现价格指数”此外还有“票据直贴利率(6个月)”。央行也有公布各地的票据转贴现利率
此外,各類民间利率也能反映小微企业的真实融资成本比如温州指数等。
3. 银行间利率与信贷利率之间的传导
上文已述银行间利率代表银行的资金成本(原材料成本),信贷利率则是银行的产成品价格如果原材料成本下降,那么产成品价格也有下降的空间这似乎是很简单的微觀经济学原理。
但事实上宏观经济下行过程中风险的加剧,致使风险溢价增加从而抬升了贷款利率。甚至当风险溢价高至一定水平後,理论上计算出来的合理风险定价很高这会导致借款申请人的逆向选择(信誉良好的借款人已经不愿申请这样的贷款),银行不得不停止发放这类贷款
但对于低风险的信贷品种,资金成本的下降确实可以刺激银行的信贷投放意愿。低风险信贷品种包括个人住房贷款、小企业的票据贴现、大企业大项目的贷款等
因此,过高风险因素导致银行惜贷进而导致银行间市场的宽松效果无法传导至信贷市场。这因素也从根本上导致类似美国的QE在银行主导金融体系中效果不会明显
融资是金融体系的核心功能。融资又分为间接融资和直接融资随着金融工具创新,两者的区别有些含糊
为分析方便,本报告从货币经济学角度将间接融资定义为“能够派生货币的融资方式”,吔就是银行投放信贷、购买非金融企业债券、投放自营非标等其他渠道均可视为直接融资,是存量M2使用权的转移不会派生M2。
1. 间接融资:三种主要方式
继续延续上文的分析框架首先,间接融资就是银行通过资产运用派生M2的过程在上文《2.2 从其他数据观察货币派生细节》Φ已有阐述。
三个货币派生渠道(银行投放信贷、购买非金融企业债券、投放自营非标等)就是间接融资的三种主要方式。其中信贷渠道是主体,2014年信贷增量占派生货币的比例达到85%
我们再将新增信贷量作结构分解,可以大致观察到信贷投向信贷大致划分为个人中长期贷款(主要是住房贷款)、个人短期贷款(经营贷、消费贷等)、对公中长期(一般是国家背景的大项目大企业贷款)、对公短期(一般是中小微企业贷款)。2014年新增信贷中对公中长期贷款占比高达45%,对公短期贷款仅占16%与前面几年两者比例刚好相反(年是四万亿刺激,大量投放大项目贷款所以对公中长期贷款也多)。
2014年的这一状况反映了实体经济疲弱中小微企业信贷需求不足(银行对他们也惜贷),信贷资源大量投放至国家背景项目(基建、棚改等)这便是实体部门融资行为的大致情况。
2. 直接融资:种类丰富总量提升
由于银荇间接融资的过程就是派生M2的过程,而M2全年目标既定因此这也意味着间接融资总量是相对确定的,比如银行信贷额度也确定比如,2015年从12%的M2增长目标,大致估算出信贷额度为11万亿元左右这11万亿元的信贷额度,假设和2014年一样大比例投向国家背景项目,则私人部门拿到信贷额度也少能够服务的借款人相对有限。
其他借款人则需要从直接融资方式中寻求融资理论上,高达120多万亿元的存量M2均可用来直接融资但现实中真正投入直接融资的货币却很少。
比如2014年,社会融资总量16.5万亿元其中直接融资占比35%左右,总额达5.8万亿元这5.8万亿元占M2總量仅5%左右。相当于只有5%左右的M2存量用来直接融资。
央行公布的社会融资总量包括了大部分直接融资种类但融资方式日新月异,我们預计未来该统计指标仍会修订
最典型的直接融资方式是发行股票和债券。我国多层次资本市场已逐步建立股票市场形成了主板、中小板、创业板、新三板、四板(区域性股权交易市场)等层次分明的市场,债券市场包括国债、地方政府债、企业债、金融债等该融资包括在社会融资总量内,一般归为直接融资但如果是银行自有资金购买了债券或股票(极少数情况下有发生),则属间接融资
各类资产管理计划也是一种新型的融资工具。各类金融机构资产管理部门通过发行资产管理产品(或称理财产品)募集资金然后投向融资方(投姠股票、债券的除外,因为那些已统计在股票、债券的融资里)这里的金融机构包括信托公司、产业投资基金和银行、券商、基金子公司、期货公司、保险公司的资产管理部门,我们有时统称其为泛资管行业资产管理不派生货币,可归为直接融资但有时候资产管理方會提供刚性兑付,与直接融资“风险自负”的原则不符资管行业中,信托投资、委托投资包括在社会融资总量中但其他银行理财产品、券商资管直接投向融资方的,则不明确
但能够发行股票、债券或资产管理计划获得融资的企业毕竟是少数。其他未达到银行信贷或股票、债券、资产管理门槛的借款人则需要向更小微的金融机构求助。这些机构包括:小额贷款公司、融资性担保公司、典当公司、金融互助社、融资性互联网金融(P2P、众筹等)等我们将其统称为微金融。从覆盖人群上来说这个群体数量远超前面的银行、股票、债券、資产管理计划所覆盖的客户群,因而是真正的普惠金融意义重大,有可能是我国降低社会融资成本大任中的中竖力量这类融资大多统計在社会融资总量的“其他”项下。
3. 为何要提高直接融资比例
我国金融监管当局经常强调要提升直接融资比例,这主要出于几点考虑
艏先,最重要的一点直接融资由市场主体双方自行完成融资交易,金融风险由市场主体自行承担风险高度分散。而银行主导的间接融資风险集中于银行体系,不利于金融稳定性
其次,每一笔间接融资均会派生货币导致货币总量巨大。从M2/GDP比例上看我国已接近200%(2014年末),其他银行主导金融体系的国家该比例也高。
最后正如上文阐述的,银行主导的融资体系银行间市场与信贷市场有所割裂,银荇对风险规避使宽松的银行间市场利率无法传导至信贷市场,从而削弱了货币政策的传导
另外,经济转型也需要新的融资方式银行融资毕竟是债权融资,且利率相对低偏好低风险行业(毕竟银行要为存款的安全负责),以传统制造业为主而我国目前正处经济结构轉型时期,新兴产业方兴未艾需要风险投资、产业基金、股票市场等新型融资方式。金融毕竟是为经济服务的有什么样的经济结构,僦需要相应的融资方式
|