中國房地產價格波動影響金融穩定的實證研究

摘 要：本文在構建金融穩定性評價指標體系的基礎上，運用VAR模型實證檢驗了1987至2011年間中國房地產價格波動對金融穩定的影響。結果顯示：房地產價格波動對國內金融穩定的影響主要表現為長期的負向效應；銀行不良貸款率和匯率波動顯著加大金融風險效應也主要表現為長期；企業虧損率在長、短期內均對金融穩定產生顯著的負向影響。

關鍵詞：房地產；價格波動；金融穩定；VAR模型

中圖分類號：F832.4 文獻標識碼：A 文章編號：1003-9031（2013）06-0013-05 DOI：10.3969/j.issn.1003-9031.2013.06.03

一、引言

因房地產價格過度波動引發金融不穩定甚至誘發金融危機的例子時有發生。日本的房地產等資產泡沫在1991年左右破滅后，房地產價格經歷了長達15年的下跌，跌幅達45.47%（Agnello 和 Schuknecht，2009）[1]，給日本金融體系帶來巨大損失。很多研究將2008年全球金融危機的根源指向美國房地產泡沫的破滅。2000年以后，美國房地產市場經歷了大幅的波動，根據Fiserv Case-Shiller 10個城市的房地產價格指數，實際房價從1996年的低谷到2006年的頂峰，漲幅為125%，在其后的5年間又下跌38%（Sinai，2011）[2]。低估的風險鼓勵了抵押貸款市場放松信貸標準，這是導致美國發生次貸危機及隨后出現全球金融動蕩的重要因素（Zhu，2011）[3]。我國自1998年房地產市場化改革以來，房地產價格經歷了大幅的上漲。在此背景下，研究房地產價格波動對金融穩定的影響，具有較強的現實意義。

二、相關理論及實證研究進展

Crowe和Ariccia等（2011）[4]指出房地產價格的急劇或持續上升如果伴隨著杠桿的增加和信貸的持續增加，當房地產泡沫破滅時，去杠桿化和信貸緊縮可能危及金融體系和宏觀經濟的穩定。從已有研究來看，理論研究主要集中于房地產價格波動對銀行體系的影響分析，比如，Bernanke和Gertlrter（1995）[5]以及Allen和Gale（2000）[6]等。譚政勛和王聰（2011）[7]認為信貸波動、房價波動以及兩者相互驅動下的聯合波動是引起銀行不穩定因素的主要三個因素。IMF（2003）[8]發布的《全球金融穩定報告》分析了導致金融市場波動轉化為金融不穩定的因素，主要包括缺乏穩健的風險管理、激勵機制不合理、透明度不夠、市場基礎設施存在弱點等因素。

在實證研究方面，Eickmeier和Hofmann（2010）[9]基于美國數據， Pouvelle（2012）[10]基于法國數據，張曉晶和孫濤（2006）[11]、宋凌峰和葉永剛（2010）[12]基于中國數據的研究，均發現房地產周期或價格波動與銀行體系的穩健及金融穩定密切相聯。張燕等（2012）[13]采取安徽省的相關數據，得出了房地產價格波動不論在長短期內都會對金融穩定性存在顯著影響的結論。

可以看出，國內外學者的相關研究已經作出了較大貢獻，但已有的研究大多集中在房地產價格波動與銀行體系的相關性方面，較少從金融體系的總體視角進行系統分析；另一方面，少數研究雖然基于金融體系的總體視角，但研究樣本往往局限于區域層面，且多采取單一指標衡量金融的穩定性，沒有考慮金融穩定性內涵的多維性和復雜性。

三、中國金融穩定性的測度

金融系統的復雜性和多維性使得單個指標難以全面反映金融系統的穩定性，需構建一個包括多個指標的評價體系才能更好地反映金融系統的穩定狀況。本文從宏觀經濟、金融機構和各借款實體三個層面構建金融系統穩定的評價指標體系，并將這三個層面細分為宏觀經濟穩定性、金融部門穩定性、金融市場穩定性和各借款實體償付力四個一級指標子系統（見表1）。

（1）宏觀經濟穩定性指標。本文從經濟發展速度、經濟發展風險和經濟發展質量三個方面作為反映宏觀經濟穩定性的二級指標。其中，產出增速和投資增速兩個三級指標考察經濟發展速度；通脹風險和外匯儲備指標來反映經濟發展風險；人均產出增速和失業率兩個方面衡量經濟發展質量。

（2）金融部門穩定性指標。本文從金融部門效益性、金融資本流動性以及金融資本風險性三個方面來衡量銀行業、保險業和證券業等金融部門的穩定性。其中，銀行業、保險業和證券業的收益率考察金融部門的效益性；金融機構人民幣存貸款比率以及中長期貸款比率作為衡量金融部門資本流動性的三級指標；銀行業的不良貸款率、金融機構資金運用中貸款比率和保險業的實際賠付率三個三級指標反映金融資本的風險性。

（3）金融市場穩定性指標。本文從經濟金融化程度、金融市場活躍度以及金融市場波動性三個二級指標來衡量金融市場的穩定性。其中，金融深化度和金融增加值比重兩個三級指標來反映經濟金融化程度；匯率和實際利率的波動性來考察金融市場的波動程度；銀行、保險和證券三個市場的活躍度和流通性來共同反映金融市場的活躍程度。

（4）各借款實體償付力指標。本文從政府、企業以及居民的償付能力三個方面來反映借款實體所帶來的信用風險。其中，政府債務率和財政收入比率兩個三級指標來反映政府償付能力；成本費用利潤率和企業虧損率指標衡量企業償付能力；居民負債水平和居民收入水平兩個方面來反映居民層面的償付能力。

在指標體系構建的基礎上。本文采取層次分析法確定各指標項對金融系統穩定性的反映程度，在回收調查問卷并整理的基礎上，運用軟件Yaahp 0.5.2進行指標賦權。此外，為了消除評價指標體系中各項指標值的量綱影響，對各項指標值進行Min-max標準化處理。

在金融系統穩定性指標體系中，一些指標屬于正向指標；而另一些指標屬于逆向指標，數值越大，意味著金融穩定性越差。因此，本文對所有逆向指標采取倒數形式①，使得所有指標對金融穩定均具有正向作用。在確定了金融穩定指標體系中各指標的權重和標準值之后，以所得的權重值對標準值進行加權平均求和，得出金融穩定的綜合評價值（FS）。

四、房地產價格波動影響金融穩定的實證分析

（一）變量選取及衡量

確定了實證研究的因變量—金融穩定性（FS），還需進一步選取自變量、控制變量以及這些變量的衡量方法。

（1）自變量。關于房地產價格波動（HP）的衡量，目前較多采取的是商品房銷售面積、房地產開發投資完成額、商品房銷售價格等指標。但銷售面積數據無法反映出真實的價格水平，其銷售面積的波動也無法代表價格波動狀況。房地產開發投資完成額也較難反映房地產價格，尤其是在房地產價格波動方面，1988-2011年間，中國房地產開發投資完成額增長率波動幅度較為平緩，且年均增長率高達32.26%；但2000年之前，房地產價格波動幅度較大，并于1993年波動性達到最大，且年均增長率為11.66%，遠遠低于房地產開發投資完成額的年均增速。因此，考慮到本文主要研究房地產價格波動對金融穩定帶來的影響，選取商品房銷售價格增長率作為主要自變量。

（2）控制變量（CV）。在控制變量的選取上，為了不遺漏重要自變量，根據金融穩定評價指標體系中各指標所占權重，選取在指標體系中占權重較大的銀行不良貸款率、匯率波動以及企業虧損率等三個控制變量。

銀行不良貸款率（NL）。銀行業在中國金融體系中占據著舉足輕重的地位，較高的不良貸款率是商業銀行正常運行的障礙。當不良資產占總資產的比重逐漸增大，銀行的經營風險也隨之加劇，影響整體金融體系的穩定性。本文采取銀行不良貸款額占貸款總額的比重來衡量不良貸款率。

匯率波動（ER）。在金融全球化的背景下，匯率風險可能給國內商業銀行帶來巨大損失。匯率的無序波動還能夠對外匯資本產生影響，造成折算后的人民幣資本數量發生變動，影響資本充足率。因此，本文將匯率波動指標納入模型中，以控制人民幣升值對國內金融穩定帶來的影響。

企業虧損率（EL）。作為一國經濟發展和穩定的重要微觀主體，企業的經營效益在很大程度上決定了其償還貸款的能力，而企業的償還能力又與銀行等金融部門的風險息息相關。本文采取企業虧損率作為反映企業償付能力的指標，在其衡量上，考慮到工業企業仍然是中國經濟發展的主導力量，選取工業企業的虧損率來控制借款實體償付能力對金融穩定帶來的影響效應。

（二）模型構建及數據說明

在變量選取及衡量的基礎上，進一步構建檢驗房地產價格波動影響金融穩定的經驗模型。考慮到一些變量可能存在較強時間趨勢，同時模型中隨機誤差項也可能存在異方差現象，本文對模型中各變量取對數形式。但由于房地產價格波動可能存在由房價下跌而導致的負增長，故對HP變量未取對數形式。所采取的經驗檢驗模型的形式如下：

lnFS=？琢+？茁1HP+？姿1lnNL+？姿2lnER+？姿3lnEL+？著i （1）

其中，α為常數，εi為隨機擾動項。

此外，本文的樣本區間為1987—2011年，指標體系中各指標值以及實證分析所需的數據來自于中國經濟信息網、銳思金融數據庫、《中國統計年鑒》、《中國金融年鑒》以及銀監會、證監會、保監會給出的相關統計數據。

（三）實證過程及結果分析

為了能夠得出房地產價格波動影響金融穩定的長短期動態效應，本文在VAR系統中進行實證檢驗。

（1）VAR模型的最優滯后期。VAR模型的構建和應用首先需要確定模型的最優滯后期，VAR模型的滯后期決定了協整檢驗以及ECM模型的滯后期，因此，模型滯后期的選擇決定了整個檢驗結果。VAR模型的最優滯后期的確定一般需滿足模型穩定性和殘差經典假設等要求。在模型穩定性檢驗上，發現當模型滯后期1≤p≤2時，VAR系統中所有根的模的倒數位于單位圓內，即模型是穩定的；而當滯后期p≥3時，就會出現部分根的模的倒數大于1。因此，在VAR模型穩定的前提下，能夠初選的滯后期為1期和2期。在此基礎上，模型殘差的檢驗進一步表明在5%顯著水平下，只有選取滯后期為2期時，VAR模型的殘差才能夠滿足其不存在自相關和異方差現象以及服從正態分布的經典假設。此外，滯后長度準則檢驗也表明應選擇2期的滯后期。綜上所述，VAR模型的最優滯后期應為2期。

（2）ADF單位根檢驗。為了避免因變量非平穩而導致偽回歸問題，必須進行變量的平穩性檢驗，即單位根檢驗。本文采用ADF檢驗法進行單位根檢驗，并采用AIC 準則和SC 準則為最優滯后期的選取標準。同時，根據各變量及其一階差分的時序圖來確定模型中是否包含截距項和趨勢項。各變量及其一階差分的ADF的檢驗結果見表2。可以看出，各變量進行ADF檢驗后，其ADF值都大于5%顯著水平臨界值，即都存在單位根；但各變量經過一階差分后的一階序列在5%顯著水平下已不存在單位根，即都是平穩序列，滿足協整檢驗的前提。

（3）Johansen協整檢驗。由于協整檢驗是對變量的一階差分進行檢驗且無約束VAR模型的最優滯后期為2期，因此協整檢驗的最優滯后期p選擇1期。表3給出了滯后期為1期時的Johansen協整檢驗結果。

根據協整檢驗結果，將協整方程表示為：

lnFS=4.81-0.83HP-0.11lnNL-0.17lnER-0.17lnEL

（6.042） （9.3075） （4.9650） （15.9948）（2）

根據協整方程以及各變量的t值，各變量的系數均通過5%顯著性水平檢驗，即對lnFS的都具有顯著影響，且根據各變量的系數符號，都對lnFS呈現顯著的負向影響效應。這一結果顯示，長期來看，中國房地產價格波動對國內金融的穩定性具有顯著的負向影響，房地產價格波動性越大，會造成金融風險的增加，金融穩定性下降。這與中國房地產價格波動以及金融穩定狀況較為一致：2000年以前，由于中國房地產市場還未成熟，相關法規以及政府調控仍未規范，房地產開發商與消費者之間的信息渠道未正式形成，房地產價格波動較大，且此時國內剛剛形成的金融市場所面臨的金融風險較大，金融體系較為脆弱；但隨著政府調控經驗的日益積累和房地產法規的逐步完善，中國房地產價格波動變得相對平緩，金融市場也隨著一系列金融體系改革制度的實施日趨穩定。因此，長期來看，房地產價格波動越趨于平緩，金融系統的穩定性也逐步加大。

關于控制變量，銀行不良貸款率的增加、人民幣兌美元匯率波動性的加大以及企業虧損率的增加在長期都會加大國內金融系統的風險，導致金融穩定性下降，這與理論預期以及現實狀況相一致。

（4）誤差修正模型。根據Granger定理，若變量間存在長期均衡關系，則一定存在描述各變量由短期偏離向長期均衡調整的誤差修正模型。因此，在長期均衡分析的基礎上，進一步對房地產價格波動在短期內對金融系統穩定性的影響進行分析。根據誤差修正模型的回歸結果，得出的ECM模型為：

△lnFS=0.01-0.17△lnFSt-1+0.46△HPt-1-0.07△lnNLt-1

（-0.5135） （1.4225） （-0.7723）

-0.34△lnERt-1-0.10△lnELt-1-1.34vecmt-1 （3）

（-1.2746） （-1.3267） （-2.5399）

可以看出，ECM模型的誤差修正項為負，符合反向修正機制，且系數值達到-1.34，說明對金融穩定影響的短期內失衡通過上一期已完全調節。具體到各個變量來看，金融穩定對其自身的影響為負效應，即上一期金融穩定狀況會對當期的金融穩定性產生負向效應，說明金融系統本身的穩定性存在逐漸惡化趨勢，但從系數的t值來看，這種自身惡化效應并不顯著，因此，金融系統的穩定性受其自身影響較小；房地產價格波動在短期內會對金融穩定產生正向影響，且根據系數的t值判斷，其正向效應較為顯著，通過了5%的顯著性水平檢驗，這一結果說明短期內房地產價格波動能夠降低金融風險，提高金融系統的穩定性，但-1.34的誤差修正項系數說明這種積極的正向效應已通過上一期完全調節，即房地產價格波動對金融穩定的影響主要表現為長期的負向效應，短期內的正向失衡效應很快被調節為長期的正向均衡效應。

對于模型中的控制變量，短期內，銀行不良貸款率、人民幣兌美元匯率波動性以及企業虧損率對金融穩定都具有負向影響，不同的是，僅企業虧損率的負向效應較為顯著，其系數通過了5%的顯著性水平檢驗。說明銀行不良貸款率和人民幣兌美元匯率波動在短期內對國內金融穩定無顯著影響，不會增加金融風險性；而企業虧損率的增加在短期內能夠增大金融風險，這主要是因為企業虧損率的增加能夠直接影響其還貸和借貸的水平，進而影響金融系統的穩定性。

（5）脈沖響應函數。為了能夠進一步得到房地產價格波動對金融穩定的全部影響情況，本文采取脈沖響應函數進行進一步檢驗。在檢驗過程中，因傳統的Choleski分解法會因變量順序的不同而導致不同的脈沖響應結果，而廣義脈沖響應函數可以不考慮變量的順序而得到唯一的脈沖響應函數曲線。故本文基于ECM模型，采用廣義脈沖響應法，分別對變量HP、lnNL、lnER和lnEL產生一單位新信息時，lnFS的即期和遠期影響進行脈沖響應函數分析（見圖1）。

首先，金融系統穩定性的擾動項一單位標準差信息對其自身的沖擊在短期內沖擊效應較小，但從第二期開始，金融系統穩定性對其自身的正向沖擊效應隨著時間的推移逐漸增加，說明金融穩定短期內對其自身的影響不顯著，這與ECM模型得出的結論一致，但在長期，金融穩定自身的正向影響效應越來越顯著。

其次，房地產價格波動對金融穩定的沖擊效應從負向開始，且逐漸增大，并在第三期負向效應達到最大，從第四期開始，房地產價格對金額穩定的沖擊效應轉為正效應，且較為穩定。再次驗證了ECM模型中得出的房地產價格波動短期內對金融系統穩定性的正向效應已在當期完全調節的結論，同時，也說明了當年中國房地產價格的波動會在之后的第三年對國內金融系統的穩定性產生較大的負向效應，增大金融風險。

再次，銀行不良貸款率對金融穩定的沖擊從正向沖擊開始，但在第二期已轉為負向沖擊，直到第六期，負向效應開始減弱并趨于平緩，這說明銀行不良貸款率對金融系統穩定性的負向作用較大，且持續時間較長，這也一定程度上解釋了近年來政府以及相關監管機構對銀行不良貸款率高度關注并極力控制的一個主要原因。

最后，企業虧損率對金融系統穩定性的沖擊從負向沖擊開始，且短期內的負向沖擊效應較大，之后逐漸減弱，但一直持續至第六期，即在長期企業虧損率對金融穩定也具有顯著的負向相應，這一結論與前文協整檢驗和ECM模型得出的結論基本一致。進一步說明了借款實體的償付能力在維護金融系統穩定性中的重要作用。

五、結論

本文在構建評價金融系統穩定性指標體系的基礎上，采取1987—2011年中國相關數據，實證研究了房地產價格波動對金融穩定的影響效應，主要結論有：（1）1987—2011年間，我國金融系統穩定性整體上呈現出“U字型”趨勢，1997年的亞洲金融危機使得國內金融系統穩定性在1999年達到最低點，之后金融系統的風險性呈現出逐步降低趨勢；（2）房地產價格波動對國內金融穩定性能夠產生顯著的負向效應，但這種效應僅表現在長期。說明從長期來看，較大的房地產價格波動幅度增加了金融系統的風險性。因此，要加強對房地產市場的監測，控制房地產價格的大起大落；（3）銀行不良貸款率和匯率波動對國內金融穩定也產生了負向效應，但不同的是，短期內的負向效應不顯著，而在長期則顯著加大金融系統的風險性；（4）企業虧損率在長短期內均會對國內金融系統的穩定性產生顯著的負向效應，也從側面說明了借款實體的償付能力所帶來的金融風險是及時有效的。

（責任編輯：王艷）

參考文獻：

[1]Agnello L. and L. Schuknecht， Booms and Busts in

Housing Markets：Determinants and Implications[R].ECU Working Paper No.1070， 2009.

[2]Sinai T.， House Price Moments in Boom-Bust Cycles[R]. NBER Working paper，2011.

[3]Zhu H. B.， Deterninats of House Prices[R].BOK-IMF Workshop， Managing Real Estate Booms and Busts， 2011.

[4]Crowe C.， G. Ariccia， D. Igan， et al， How to Deal with Real Estate Booms： Lessons from Country Experiences[R]. IMF Working Paper， WP/ 11/91，2011.

[5]Bernanke B. S.， M. Gertle. Inside the Black Box： The Credit Channel of Monetary Policy Transmission[J]. Journal of Economic Perspective，1995，（4）.

[6]Allen F.， D.Gale， Bubbles and Crises[N].Economic Journal，2000（11）.

[7]譚政勛，王聰.中國信貸擴張、房價波動的金融穩定效應研究—動態隨機一般均衡模型視角[J].金融研究，2011（8）.

[8]IMF.Financial Asset Price Volatility： A Source of Instability[R].Chapter 3 in Global Financial Stability Report，2003.

[9]Eickmeier S.，B. Hofmann. Monetary Policy， Housing

Booms and Financial （Im）Balances[R].European Central Bank working paper， No 1178，2010.

[10]Pouvelle C.Bank Credit， Asset Prices and Financial

Stability： Evidence from French Banks[R].IMF Working Paper，WP/12/103，2012.

[11]張曉晶，孫濤.中國房地產周期與金融穩定[J].經濟研究，2006（1）.

[12]宋凌峰，葉永剛.中國房地產行業宏觀金融風險研究——基于金融穩定視角[J].經濟管理，2010（12）.

[13]張燕，季軍，王亮，魯玉祥.房地產價格波動對金融區域穩定的影響—基于安徽省的實證研究[J].金融縱橫，2012（3）.