净金融流动，多边（NFL，现价美元）

Net financial flows, multilateral (NFL, current US$)

下载数据

指标代码：DT.NFL.MLAT.CD所属主题：经济政策与债务：External debt：Net flowsEconomic Policy & Debt: External debt: Net flows

2024最新有效年份

118最新年份有值国家

265历史上有数据经济体

64%总体缺失率

指标解释

World Bank official description / 世界银行官方说明

Public and publicly guaranteed multilateral loans include loans and credits from the World Bank, regional development banks, and other multilateral and intergovernmental agencies. Excluded are loans from funds administered by an international organization on behalf of a single donor government; these are classified as loans from governments. Net flows (or net lending or net disbursements) received by the borrower during the year are disbursements minus principal repayments. Data are in current U.S. dollars.

可供参考的中文翻译：公共和公共担保的多边贷款包括世界银行、地区发展银行以及其他多边和政府间机构提供的贷款和信贷。由国际组织代表单一捐助国政府所管理得基金提供的贷款除外；此类贷款属于政府贷款。借款人在一年内收到的净资金流（或称净借贷或净支付）是支付额减去与本金偿还额之差。数据按现价美元计。

数据口径与风险提示

本指标数据为现价美元，未经过通胀调整，不宜直接用于跨时期购买力比较。
中国在改革开放初期（1980年代）基数极低，期末与期初的倍数比值可能高达千倍以上，需结合绝对金额理解。
多边净资金流为负值表示本金偿还额超过新增拨付额，反映的是净偿还而非无资金往来。
本指标仅涵盖多边官方渠道的净流动，不包括双边官方援助及私人资本流动，单独使用无法全面反映一国的外部融资全貌。
由于指标口径为「公共和公共担保」贷款，中国境内大量以商业条件进行的融资活动不纳入本指标统计范围。
本指标缺乏全球汇总数据（WLD实体数据点数为0），无法直接对比中国与世界其他地区的十年变化幅度。

中国趋势

趋势解读

中国多边净金融流动自1982年有数据以来经历了从净借入到净偿还的根本性转折。1982年该指标仅为约88万美元，到1995年已攀升至约24亿美元的历史峰值，成为当时全球最主要的多边贷款接收国之一。此后流入规模逐步回落，2002年起出现短暂净偿还，其后在正负之间波动，2017年后再次转为净偿还且规模持续扩大，2024年达到约-22.4亿美元的历史最低值。这一走势反映了中国通过多边机构融资规模的长期收缩，可能与国内储蓄积累、外汇储备充裕以及融资渠道多元化有关；但2020年代持续大幅负值也可能反映与世界银行等机构贷款安排调整或提前偿还等操作，需要结合具体贷款协议条款进一步验证。

1982年首年数据为88.3万美元，为该指标记录的中国最小正值。
1995年达到历史最大值约24.27亿美元，是1982年数值的约2748倍。
2002年首次出现负值约-4.95亿美元，标志着从净借入转向净偿还的转折点。
2003年负值进一步扩大至约-22.05亿美元，为当时的历史最低。
2024年最新值为约-22.36亿美元，刷新历史最低记录。
从1982年到2024年最新值，指标变化约为-25.3亿美元，方向由正转负。
2017至2024年间，指标在正值与负值之间切换，呈现较大的年度波动特征。
数据为现价美元，未剔除通胀因素，1990年代与2020年代的美元数值购买力差异较大。

全球趋势

趋势解读

全球多边净金融流动的汇总数据在世界银行WDI数据库中缺失（有效数据点数为0），因此无法提供全球整体趋势、中国占全球比重的变化，或与世界其他地区的十年期对比分析。如需了解全球多边融资整体格局，建议查阅世界银行年报或外部债务统计数据库的独立汇总表。

世界银行WDI数据库中该指标的全球汇总（WLD）实体无任何年份数据记录。
无法计算中国在全球多边净流动中的占比或排名变化。
无法获取全球十年期倍数变化数据以进行跨国比较。
使用本指标时不应假设存在可用的全球对比基准。
进行国际比较研究时，需要从原始数据源另行获取各国分项数据自行汇总。

每十年变化摘要

十年区间	中国变化	世界变化	提示
1960-1969	-	-	该阶段变化应结合指标定义、宏观背景、统计口径和缺失年份进行审慎解读。
1970-1979	-	-	该阶段变化应结合指标定义、宏观背景、统计口径和缺失年份进行审慎解读。
1980-1989	1252.7x	-	该十年期中国多边净流入从约88万美元增至约11亿美元，期末为期初的1252倍，增幅极为显著。然而这一超高倍数主要源于改革开放初期基数极低（不足百万美元），绝对增量实际上反映了中国开始系统性地接受世界银行等多边机构贷款的初始阶段，尚不宜直接解读为融资规模的长期高速增长趋势。
1990-1999	1.8x	-	该十年期中国多边净流入从约9.4亿美元增至约17亿美元，期末为期初的1.81倍，增长相对平稳。这一阶段对应中国深化改革开放、经济高速增长期，多边贷款流入持续增加但增速有所放缓，可能反映了中国多元化融资渠道逐步拓宽，多边贷款在整体外债中的占比趋于下降。
2000-2009	0.6x	-	该十年期中国多边净流入从约19亿美元降至约11.2亿美元，期末为期初的0.59倍，出现了阶段性收缩。这一变化可能与中国加入WTO后商业融资渠道快速拓展、外汇储备大幅积累导致对多边优惠贷款需求下降有关；同时，部分早期多边贷款进入本金偿还高峰也可能压低了净流量数值。
2010-2019	1.1x	-	该十年期中国多边净流入从约9.6亿美元小幅回升至约10.6亿美元，期末为期初的1.11倍，变化幅度较小。中国在该阶段基本维持多边净流入的微弱正态势，可能反映多边机构对华贷款承诺减少与到期贷款减少之间的相对平衡。
2020-2029	-7.1x	-	该十年期中国多边净流入从约3.2亿美元转为约-22.4亿美元，期末为期初的约-7.06倍，出现由正转负的根本性转变。这一巨大变化可能意味着中国已从多边贷款净接收国转变为净偿还国，分子（新增拨付）与分母（本金偿还）的相对关系发生了结构性逆转，但具体原因需要结合世界银行对华贷款协议变化及债务管理政策进一步验证。

2024 年全部国家排名

排名已尽量排除 World、地区组和收入组，仅保留国家参与比较。排名高低应结合指标口径解释。

排名	国家	代码	数值
1	Ukraine 乌克兰	UKR	22,440,281,000
2	Philippines 菲律宾	PHL	4,450,755,000
3	Bangladesh 孟加拉国	BGD	3,421,926,000
4	Nigeria 尼日利亚	NGA	3,191,073,000
5	Uzbekistan 乌兹别克斯坦	UZB	2,629,482,000
6	India 印度	IND	2,113,810,000
7	Tanzania 坦桑尼亚	TZA	2,085,387,000
8	Ecuador 厄瓜多尔	ECU	1,939,991,000
9	Indonesia 印度尼西亚	IDN	1,893,581,000
10	Kenya 肯尼亚	KEN	1,874,048,000
11	Argentina 阿根廷	ARG	1,625,048,000
12	South Africa 南非	ZAF	1,611,351,000
13	Pakistan 巴基斯坦	PAK	1,608,638,000
14	Morocco 摩洛哥	MAR	1,448,998,000
15	Jordan 约旦	JOR	1,173,171,000
16	Cote d'Ivoire 科特迪瓦	CIV	1,171,987,000
17	Ethiopia 埃塞俄比亚	ETH	1,139,124,000
18	Tunisia 突尼斯	TUN	1,131,507,000
19	Angola 安哥拉	AGO	1,002,145,000
20	Sri Lanka 斯里兰卡	LKA	947,119,000
21	Ghana 加纳	GHA	865,733,000
22	Peru 秘鲁	PER	838,847,000
23	Benin 贝宁	BEN	804,284,000
24	Colombia 哥伦比亚	COL	793,663,000
25	Cameroon 喀麦隆	CMR	717,898,000
26	Rwanda 卢旺达	RWA	712,778,000
27	Cambodia 柬埔寨	KHM	668,407,000
28	Senegal 塞内加尔	SEN	591,742,000
29	Congo, Dem. Rep. 刚果（金）	COD	591,536,000
30	Paraguay 巴拉圭	PRY	557,583,000
31	Nepal 尼泊尔	NPL	533,200,000
32	Kazakhstan 哈萨克斯坦	KAZ	525,562,000
33	Zambia 赞比亚	ZMB	477,327,000
34	Brazil 巴西	BRA	462,470,000
35	Burkina Faso 布基纳法索	BFA	457,863,000
36	Dominican Republic 多米尼加共和国	DOM	422,274,000
37	Uganda 乌干达	UGA	397,691,000
38	Madagascar 马达加斯加	MDG	391,177,000
39	Guinea 几内亚	GIN	322,028,000
40	Moldova 摩尔多瓦	MDA	315,336,000
41	Togo 多哥	TGO	304,867,000
42	Botswana 博茨瓦纳	BWA	304,194,000
43	El Salvador 萨尔瓦多	SLV	265,803,000
44	Honduras 洪都拉斯	HND	259,852,000
45	Mali 马里	MLI	246,198,000
46	Armenia 亚美尼亚	ARM	217,997,000
47	Malawi 马拉维	MWI	210,241,000
48	Nicaragua 尼加拉瓜	NIC	208,696,000
49	Serbia 塞尔维亚	SRB	201,932,000
50	Mauritius 毛里求斯	MUS	191,876,000
51	Lebanon 黎巴嫩	LBN	180,479,000
52	Bosnia and Herzegovina 波黑	BIH	167,005,000
53	Mongolia 蒙古	MNG	162,415,000
54	Fiji 斐济	FJI	148,503,000
55	Kyrgyz Republic 吉尔吉斯斯坦	KGZ	146,594,000
56	Georgia 格鲁吉亚	GEO	132,496,000
57	Congo, Rep. 刚果（布）	COG	129,744,000
58	Liberia 利比里亚	LBR	128,271,000
59	Montenegro 黑山	MNE	126,281,000
60	Papua New Guinea 巴布亚新几内亚	PNG	121,017,000
61	St. Lucia 圣卢西亚	LCA	105,822,000
62	Guyana 圭亚那	GUY	94,113,000
63	Lao PDR 老挝	LAO	90,018,000
64	Solomon Islands 所罗门群岛	SLB	86,112,000
65	Egypt, Arab Rep. 埃及	EGY	81,256,000
66	Kosovo 科索沃	XKX	79,409,000
67	Mozambique 莫桑比克	MOZ	73,605,000
68	Lesotho 莱索托	LSO	51,895,000
69	St. Vincent and the Grenadines 圣文森特和格林纳丁斯	VCT	51,270,000
70	Eswatini 斯威士兰	SWZ	47,175,000
71	Bhutan 不丹	BTN	46,740,000
72	Cabo Verde 佛得角	CPV	40,605,000
73	Guinea-Bissau 几内亚比绍	GNB	33,584,000
74	Djibouti 吉布提	DJI	32,431,000
75	Turkmenistan 土库曼斯坦	TKM	27,739,000
76	Tajikistan 塔吉克斯坦	TJK	27,484,000
77	Gambia, The 冈比亚	GMB	19,840,000
78	Comoros 科摩罗	COM	19,640,000
79	Grenada 格林纳达	GRD	19,203,000
80	Belize 伯利兹	BLZ	15,933,000
81	North Macedonia 北马其顿	MKD	9,540,000
82	Mauritania 毛里塔尼亚	MRT	7,761,000
83	Timor-Leste 东帝汶	TLS	5,536,000
84	Dominica 多米尼克	DMA	4,380,000
85	Vanuatu 瓦努阿图	VUT	2,168,000
86	Syrian Arab Republic 叙利亚	SYR	0.00
87	Sao Tome and Principe 圣多美和普林西比	STP	-1,485,000
88	Somalia, Fed. Rep. 索马里	SOM	-1,523,000
89	Tonga 汤加	TON	-2,122,000
90	Eritrea 厄立特里亚	ERI	-2,825,000
91	Burundi 布隆迪	BDI	-2,861,000
92	Haiti 海地	HTI	-3,767,000
93	Niger 尼日尔	NER	-5,150,000
94	Iran, Islamic Rep. 伊朗	IRN	-5,156,000
95	Maldives 马尔代夫	MDV	-6,278,000
96	Central African Republic 中非共和国	CAF	-6,346,000
97	Samoa 萨摩亚	WSM	-10,242,000
98	Sierra Leone 塞拉利昂	SLE	-18,010,000
99	Afghanistan 阿富汗	AFG	-27,136,000
100	Chad 乍得	TCD	-29,657,000
101	Zimbabwe 津巴布韦	ZWE	-31,800,000
102	Gabon 加蓬	GAB	-31,815,000
103	Bolivia 玻利维亚	BOL	-56,040,000
104	Algeria 阿尔及利亚	DZA	-64,844,000
105	Sudan 苏丹	SDN	-71,695,000
106	Yemen, Rep. 也门	YEM	-82,012,000
107	Albania 阿尔巴尼亚	ALB	-110,248,000
108	Myanmar 缅甸	MMR	-110,820,000
109	Jamaica 牙买加	JAM	-175,751,000
110	Mexico 墨西哥	MEX	-182,685,000
111	Belarus 白俄罗斯	BLR	-232,530,000
112	Guatemala 危地马拉	GTM	-270,139,000
113	Iraq 伊拉克	IRQ	-273,139,000
114	Turkiye 土耳其	TUR	-382,626,000
115	Azerbaijan 阿塞拜疆	AZE	-457,084,000
116	Thailand 泰国	THA	-695,429,000
117	Viet Nam 越南	VNM	-993,018,000
118	China 中国	CHN	-2,235,906,000

使用建议、常见误用与研究场景

数值较高通常意味着什么

较高的正值表示该年度从多边机构获得的新增贷款拨付额超过本金偿还额，反映净借入状态，意味着该国在利用多边优惠资金支持国内发展。

数值较低通常意味着什么

较低的数值或负值表示本金偿还额超过新增拨付额，反映净偿还或纯偿还状态，意味着该国在向多边机构归还贷款，而非新增借入。

鍙ｅ緞闄愬埗

指标为现价美元，未进行通胀调整，不同年份的数值购买力不同。
仅反映本金流量的净差额，不包含利息支付信息。
无法区分新增承诺贷款、提款与实际拨付之间的时滞。
负值可能是提前偿还或贷款到期集中偿还所致，不一定意味着融资能力下降。
不反映资金用途和使用效率，仅反映资金流量方向。
中国作为发展中国家获取多边优惠贷款的资格随收入水平提升而变化，这本身会影响指标趋势。

使用建议

分析长期趋势时应结合绝对金额、相对变化（倍数）和宏观背景综合判断。
使用本指标研究国际融资结构时，应同时纳入双边贷款、私人部门融资等分项指标，全面刻画外部融资图景。
对比不同国家时，优先选取收入水平、对外开放程度相近的经济体进行横向比较。
在因果推断时应保持审慎，本指标变化可能与融资政策、债务管理策略、汇率波动、全球资本流动周期等多重因素相关。
结合世界银行官方报告或IMF外债统计年鉴，补充了解多边贷款的利率条件、宽限期和还款安排等详细条款。

常见错误用法

错误做法：直接用2024年中国净多边资金流为负值，得出“中国被世界银行抛弃”或“多边合作倒退”的结论。

正确做法：将负值解读为中国对多边机构的本金净偿还阶段，可能反映债务管理策略优化或贷款周期特征，而非合作关系恶化。

多边净资金流为负值仅表示本金偿还超过新拨付，是债务生命周期中的正常阶段，不反映贷款条件优惠程度或合作关系紧密度。

错误做法：直接比较中国1980年代与2020年代的净流动倍数（1252倍 vs -7倍），得出“中国多边融资急剧恶化”的结论。

正确做法：应结合绝对金额和基数效应综合分析，1980年代的超高倍数源于极低起点，2020年代的负倍数反映的是从净借入到净偿还的结构性转变。

基数差异导致倍数指标不具可比性，直接比较会严重扭曲事实，忽视了中国从发展中国家成长为重要经济体后融资需求本质变化的历史进程。

错误做法：将中国的多边净金融流动与其他发展中国家（如乌克兰、菲律宾）进行绝对数值排名比较，得出“融资吸引力下降”的判断。

正确做法：进行国际比较时应选取发展阶段和融资结构相似的经济体，并优先关注指标变化趋势而非绝对排名位置。

不同国家的经济规模、融资需求阶段和对外债的依赖程度差异极大，简单的绝对值排名无法反映各国的真实融资状况和发展阶段特征。

错误做法：将本指标单独作为衡量中国对外开放程度或国际发展参与度的唯一依据。

正确做法：应结合双边净流动、其他多边机构指标以及私人资本流入等多项数据，构建更完整的国际资金流动分析框架。

多边净金融流动仅为外部资金来源的一个组成部分，单独使用会产生以偏概全的风险，无法全面反映一国在国际金融市场中的真实地位和角色。

实际应用场景

中国多边债务周期与外汇储备动态关系研究：研究中国外汇储备积累与多边贷款使用节奏之间的时序关系，分析外汇储备快速增长阶段是否同步伴随多边借入减少。被解释变量（核心结果变量）可采用协整分析和误差修正模型检验外汇储备与多边净流入之间的长期均衡关系，注意区分储备增长的不同驱动因素（贸易顺差、资本流入等）。
多边贷款对中国产业结构升级的影响机制：利用世界银行对华贷款项目分类数据，考察多边融资在不同历史阶段的行业分布特征，及其与技术进步和产业结构转型的关联。解释变量（融资机制变量）需结合贷款项目明细数据进行行业编码匹配，可考虑使用倍差法或合成控制法评估特定时期多边贷款对产出结构的影响。
新兴市场国家多边融资依赖度比较：将中国与其他中等收入或中高收入新兴经济体进行比较，分析中国多边净流入由正转负的时间节点与收入水平变化、信贷评级提升的同步性。比较变量选取人均GNI、信贷评级等指标作为匹配变量，采用倾向得分匹配或热卡匹配构建对照组，控制发展阶段的异质性影响。