| 廣告聯系 | 簡體版 | 手機版 | 微信 | 微博 | 搜索:
歡迎您 游客 | 登錄 | 免費注冊 | 忘記了密碼 | 社交賬號注冊或登錄

首頁

新聞資訊

論壇

溫哥華地產

大溫餐館點評

溫哥華汽車

溫哥華教育

黃頁/二手

旅游

溫克堅:砸鍋賣鐵——地方債務的前世今生

QR Code
請用微信 掃一掃 掃描上面的二維碼,然後點擊頁面右上角的 ... 圖標,然後點擊 發送給朋友分享到朋友圈,謝謝!
9月初,一份關於“砸鍋賣鐵”的文件於網路廣傳,引發熱議。網傳截圖顯示,重慶市璧山區人民政府辦公室下發《關於成立重慶市璧山區“砸鍋賣鐵”工作專班的通知》,決定成立“砸鍋賣鐵”工作專班。工作專班由常務副區長擔任組長、區財政局局長、區國資中心主任任副組長。而此前,中央出台的加強化債重點省份政府投資項目管理相關文件也有類似表述,要求12個重點省份“砸鍋賣鐵”全力化解地方債務風險。




砸鍋賣鐵的背後,是百萬億地方債務的積重難返。人們盡可以嘲笑砸鍋賣鐵這個詞的土味與狼狽,但在嘲笑之外,欲圖清醒認知時代的人,還必須全面審視其背後深層次的現實成因與政經邏輯。




探究今日地方債的歷史淵源,至少要追溯到上世紀九十年代中後期,其中最關鍵的就是地方融資平台模式的出現。


1994 年通過的《預算法》第二十八條規定“地方各級預算按照量入為出、收支平衡的原則 編制,不列赤字”。這意味著地方政府必須量入為出,不能舉債。


現實是復雜的,沒有“正門”的舉債,地方政府探索出一套“後門”的舉債機制。1998 年,國家開發銀行與蕪湖市政府在國內首創了城市基礎設施貸款領域的“蕪湖模式”:即把若幹個單一的城建項目打捆,由市政府指定的融資平台作為統借統還借款法人,由市政府建立“償債准備金”作為還款保證。隨後的 2000 年,國開行與蘇州工業園區的合作進一步發展了這一模式,創造出一種嶄新的制度安排:政府出資設立商業性法人機構作為基礎設施建設的借款機構,使借款方獲得土地出讓的項目收益權,培育借款人的“內部現金流”;同時通過財政的補償機制,將以土地出讓收入等財政型基金轉化為借款人的“外部現金流”,兩者共同發揮作用,使政府信用有效轉化為還款現金流。這就是如今人們熟知的地方融資平台模式的開端。

地方政府融資平台在中國特色的財政管理制度以及經濟績效考核之下野蠻生長。2008 年,為抵抗全球金融危機帶來的經濟衰退,中國啟動了史無前例的“四萬億”經濟刺激計劃,各地紛紛成立融資平台公司,主要的商業銀行和絕大多數地方政府都卷入到地方政府融資平台。據國家審計署2011年 審計,2010 年在地方政府性債務余額中的 48.85%為 2008 年後發生的,同時地方債務是全國范圍的。2010 年底,全國 2779 個縣,只有 54 個縣級政 府沒有舉借政府性債務。審計署 2013 年的審計中,包括負有償還責任、負有擔保責任和其他相應債務在內的全部地方政府債務由 2010 年的 10.7 萬億上升到 2013 年 6 月的 17.99 萬 億,年均增長近 20%。其中縣級政府債務增長最快,為 26.59%;市級次之,為 17.36%;省 級為 14.41%。地方政府融資平台最初主要投資在市政工程、重點工程等競爭性較低的領域來拉動經濟發展,然而這些企業的政府背景使得他們很容易獲得不均等的金融資源和政策資源,隨著政策風向的變化,“國退民進”變成“國進民退”,地方融資平台企業畸形發 展,已經全面介入到各個競爭性市場領域。

就資源配置效率而言,為了地方政府融資目的而設計的平台公司,總體上缺乏科學合理的規劃,舉債所投資的項目往往是政府導向而非市場導向的,同時在地方政府政績壓力之下,往往較少考慮未來的償債能力和財政承受能力,缺乏統一嚴格的舉債審批程序,存在大量不規范管理的現象。地方政府平台總體而言乏善可陳,其投資項目往往缺乏合理回報,現金流低迷,缺乏後續可持續性,經過 2008 年以來幾輪的經濟表現,其困境已經清晰可見:融資項目無法通過投資所產生的回報償還債務,只有通過信貸延期或債務借新還舊維系,在此過程中,很多低效的融資平台事實上成為了僵屍企業。
您的點贊是對我們的鼓勵     還沒人說話啊,我想來說幾句
上一頁12345下一頁
注:
  • 新聞來源於其它媒體,內容不代表本站立場!
  • 在此頁閱讀全文
    猜您喜歡:
    您可能也喜歡:
    我來說兩句:
    評論:
    安全校驗碼:
    請在此處輸入圖片中的數字
    The Captcha image
    Terms & Conditions    Privacy Policy    Political ADs    Activities Agreement    Contact Us    Sitemap    

    加西網為北美中文網傳媒集團旗下網站

    頁面生成: 0.0330 秒 and 4 DB Queries in 0.0028 秒