影子銀行、利率和房價波動對房地產價格的影響
——基于EGARCH-M模型的實證分析

李丹丹

（東北財經大學，遼寧大連116025）

影子銀行、利率和房價波動對房地產價格的影響
——基于EGARCH-M模型的實證分析

李丹丹

（東北財經大學，遼寧大連116025）

我國影子銀行的資金主要投向房地產領域，造成了前些年房地產價格的泡沫以及影子銀行體系發展的失衡.因此，本文研究影子銀行在中國房地產市場的發展不僅可以對房地產行業的發展起到推波助瀾的作用，還可以穩定影子銀行規模的發展，完善影子銀行體系.EGARCH-M模型的實證結果顯示影子銀行和借貸利率對房價具有正向影響，而房價的波動則產生負向影響，其他政策性的虛擬變量也對房價出現顯著正向影響.針對實證結果提出了相關控制影子銀行規模的政策，以及穩定房價的波動的策略，可以有效地調控我國房地產市場.

影子銀行，商品房價格，EGARCH-M模型

1　引言

影子銀行的規模近些年在我國迅速攀升，主要由于傳統的銀行信貸無法滿足企業對資本金的大量需求.2014年底的社會融資規模大幅增加，影子銀行再次出現反彈.我國影子銀行的資金主要投向房地產領域.傳統的銀行信貸受到宏觀政策的影響，對投放到房地產行業的貸款額度和利率存在管制.房地產價格的持續飆升帶來投資收益的大幅增加，導致大量房地產商轉向以房地產信托和民間借貸等為主的融資方式，推動了服務于房地產行業的影子銀行的快速發展.

房地產行業作為我國經濟的一大支柱產業，如果是以消費為主的房地產市場的增長，會對我國經濟的發展起到促進作用.但是近十年我國的房地產行業的畸形發展，價格快速飆升，主要成為以投機為主導的市場，造成風險的不斷堆積.有可能使中國出現第二個美國的次貸危機.2014年上半年，眾多房地產商出現了資金鏈斷裂，如浙江和江蘇等省份，房價開始大幅下滑，以民間借貸為主要資金來源的房企破產倒閉，影子銀行的風險也突然顯現，造成金融體系風險加劇.本文從實證分析的方面研究影子銀行對房地產價格的影響，并首次考慮了房價波動的影響，這對我國房地產行業未來的穩定發展具有重要的意義.

2　相關文獻綜述

近幾年來，大量文獻開始關注影子銀行和房地產價格的影響，但是缺少量化的實證分析.符瑞武（2014）探討了影子銀行和房地產的相互關系，認為這兩者的關聯會削弱貨幣政策的有效性、加大監管的難度，導致流動性風險和系統性風險，催生資產泡沫的形成.賈甫（2014）研究了影子銀行、信貸擴張和高房價問題之間的關系，并從風險管理、薪酬制度、資產證券化、影子銀行和金融監管等方面提出對策建議.李志鋒（2014）闡述了由房地產發展引發的影子銀行的形成機制.并從房地產金融發展的宏觀監管的五個方面提出政策建議.

實證研究的文獻，主要集中運用線性OLS模型和VAR模型.于歌和回振彪（2013）利用VAR模型進行實證分析，結果顯示影子銀行的規模對房地產價格具有正向影響，并且影響的程度大于銀行表內信貸.提出對影子銀行創造的流動性進行檢測將會有助于控制房地產價格過度波動.張寶林和潘煥學（2013）研究發現影子銀行通過房地產泡沫引發系統性風險，通過VAR模型的實證結果顯示2003-2012年間，影子銀行在長期導致房價上漲.文章給出政策建議要強化影子銀行監管，推進房地產綜合調控.王秋霞（2014）通過線性回歸模型分析信托貸款、商業銀行委托貸款和未貼現銀行承兌匯票對我國房地產價格的影響，發現商業銀行委托貸款對房價具有較大的影響，并且這三者對房價的影響均為正向.另外針對影子銀行規模分別對東、中和西部地區的房價進行實證分析，結果表明影子銀行對東部的影響顯著，對西部的房價影響最小.本文考慮到房價波動的影響，利用EGARCH-in mean模型，將政策的變化作為虛擬變量，綜合檢驗影子銀行、借貸利率和房價波動對我國房地產價格的影響.

3　中國影子銀行對房地產行業的影響

3.1規避信貸限制，為房地產行業提供資金來源

隨著房價的快速飆升，房地產行業已經成為中國經濟的支柱產業之一.中央為了抑制房價過度上漲，嚴格控制銀行對房地產企業的貸款，但是大量資金仍然通過影子銀行借助表外業務間接流入房地產領域（例如房地產信托、民間借貸等），甚至一些企業將生產經營貸款投入到房地產市場進行“炒短”.影子銀行的資金流入增加了房地產領域的信用總量，加速了房地產行業的發展，同時，也很大程度上影響了房價的穩定和宏觀調控.

3.2造成房地產行業泡沫，不利于房地產調控政策

盡管中央為防止房地產泡沫的膨脹，進行了一系列的調控（如限購令，房產稅等），房價依然居高不下.投機性泡沫逐漸增大，盲目的擴張導致住房存量快速增加，一旦房地產泡沫破裂，房價出現暴跌，房地產抵押值和企業資產凈值將嚴重下跌，金融市場的穩定也將受到巨大的負面影響.從2013年開始，三四線城市的住宅價格明顯回落.2014年上半年，一線大中城市的房屋成交量也大幅縮水，房價基本持平.房價的下跌，一方面大量增加了商業銀行在房地產行業的不良貸款，另一方面，由于影子銀行的信用擴張使系統性風險大大增加，可能會傳染到整個金融市場.

4　模型方法

Engle等人（1987）提出的ARCH-in-mean模型，主要用于分析金融資產的回報和風險之間的關系，如資本資產定價模型（CAPM）.Bollerslev等人（1992）將GARCH-M模型實際應用在股票、利率和匯率市場的研究進行了總結.Nelson（1991）提出了EGARCH模型，并采用GED分布.由于金融產品收益率的實證分析一般存在尖峰厚尾的特征，并非正態分布，因此本文采用GED分布.由于GARCH模型對于正的和負的沖擊對條件方差的影響是對稱的，無法反映條件方差波動的非對稱性.因此本文將運用EGARCH-M模型將房價的波動加入到房價、影子銀行規模和利率的研究中，實證研究模型如下：

模型中的HPt表示商品房的投資回報，SBt表示影子銀行規模的增長率，IRt表示利率，σt+1是殘差的有條件標準差，用來代表房價的波動，首次將房價的波動作為影響房價的因素之一.對于方差方程中，如果φ2＜0，則負向信息沖擊（當εt-1＜0時）的作用的系數為φ1-φ2，比正向沖機（當εt-1＞0時）的作用系數φ1+φ2大，存在杠桿效應，對利空和利好的消息的反應程度不一致.φ3表示的是GARCH項系數，越大就意味條件方差的沖擊要經過長時間才會消失，波動具有長記憶性和持久性.

5　實證分析

5.1數據來源和分析

影子銀行和住房借貸成本的數據來自于中經網統計數據庫，選用2006年1月到2014年12月的月度數據.將社會融資規模中的委托貸款、信托貸款和銀行未承兌票據作為影子銀行規模的衡量變量.銀行間同業拆借3個月的加權平均利率用來替代住房借貸成本.商品房的銷售額和銷售面積的數據選自國家統計局，經計算得到商品房房價的數據.由于經濟指標會出現季度或者月度的循環變動，因此本文對樣本數據進行季度調整，使其更好的反映經濟發展的客觀規律.

圖1　影子銀行規模、房價和利率

如圖1所示，影子銀行的規模在2008年下半年明顯放緩，2009年后出現快速攀升，到了2011年下半年又再度下滑，進入到2012-2013上半年出現持續攀升，2014年之后則呈現大規模下降.房地產價格的變化呈現持續上升的趨勢.2013年之后價格保持相對平穩.但是在2014年中國房地產市場出現動蕩，許多三、四線的城市的房價大幅跳水.2008年初受到次貸危機的影響，為了刺激經濟，市場利率大幅下降.然而從2009年開始，我國的貨幣政策由寬松轉向緊縮，房地產和地方基礎設施建設的擴張所需的資金，只能通過影子銀行等渠道獲取，不斷推高了市場利率.2012年12月，同業拆借利率飆升主要和央行上調存款準備金率相關.2013年6月銀行間利率大幅上漲，由于中國經濟增長放緩，人們提出銀行存款轉向高收益的理財產品，造成供不應求，流動性下降.進入2014年，中國經濟預期不佳，央行不斷推出降息降準的政策，刺激經濟.

5.2單位根檢驗

ADF單位根檢驗的結果見表1所示，影子銀行、房價和利率無法拒絕原假設，存在單位根.而對這三個變量的一階變形進行檢驗，發現均為一階協整.

表1　ADF單位根檢驗

由于ADF單位根檢驗的結果顯示這三個變量為I（1），因此考慮是否是由于結構突變引起的，所以選用Zivot-Andrews的截距突變崩潰模型進行檢驗.結果①顯示影子銀行、房價和利率都不存在單位根，為I（0）.影子銀行的轉折點為2009M10，說明在受到2008年美國次貸危機之后，雖然我國缺少資產信貸化的影子銀行模式，但是其他的影子銀行業務出現巨大變化.房價在2009M5也出現拐點，在前后兩個階段表現出不同的趨勢.

5.3Bai Perron轉折點檢驗

OLS的回歸結果②顯示影子銀行和利率對房價都存在正向顯著的影響.但是影子銀行的影響程度要比借貸利率的影響大.本文將Bai Perron檢驗給出的三個轉折點2008M10，2009M5和2012M5作為虛擬變量，考慮我國房地產政策的變化.2008年10月后，我國受到美國次貸危機的影響，為了刺激經濟，降低借貸利率.2009年5月后，為了控制房地產行業過熱和投機過度的問題，一系列的宏觀政策在接下來的幾年內相繼出臺.2012年5月到2012年年底又出現了短暫的刺激，促進房地產行業的發展.

5.4EGARCH-M模型

EGARCH-M模型的結果見表2，在均值方程中，影子銀行增長率和利率的系數都顯著為正，影子銀行的規模增長對商品房收益的影響明顯大于利率的影響.影子銀行的規模增加，更多資金會流向房地產行業，推高房價.借貸利率的升高，房價增加，則說明通過降息來推動房地產的效果不明顯.而房價波動的系數顯著為負，說明房價的巨大波動會帶來商品房收益的下跌，所以針對房地產的調控政策，要盡量控制房價的波動，避免房價大幅下降.虛擬變量用來反映政策的影響對房產價格的變化，在寬松的政策下，房地產的價格會有所回升，投資收益增加，同時也驗證了政策的有效性.

在方差方程中，常數項的系數的絕對值顯示了長期波動的固定成本，回歸結果顯示波動期較長，成本較大.φ2的系數顯著為負，存在杠桿效應，負面消息對房價的影響程度更大.由于φ2的絕對值小于φ1，因此不對稱信息不是波動最主要的決定性因素.（φ1+φ2）衡量了波動性對市場信息沖擊的反應敏感性，0.4371相對比較小，不太敏感.φ3顯著為0.6473，說明波動具有相對較長的記憶性.

表2　EGARCH-M模型

如圖2表示的是房價的有條件標準差，用來衡量房價的波動.波動幅度較大的時間段為2008年和2014年.2008年的2次波動主要是由于美國次貸危機的影響，為了緩解中國的經濟疲軟，實行寬松的政策，降低利率，刺激房地產行業.2014年我國房價出現大幅下降，引起房價的巨大波動，主要是由房地產商的資金鏈斷裂和房貸利率的上升引起的.作為中國主要的支柱產業，如果房價持續下跌，必然影響我國經濟的平穩發展，因此，政府在2014年下半年通過放松限購，下調房貸利率等方式調節房價.

圖2　房價的波動

通過分析從2006M1到2014M06的EGARCH模型，對2014年7月到12月的房價進行預期.預測的結果與實際數據符合度較高③，能夠預測房價的走勢和波動，證明了模型的適用性.

6　政策建議

第一，適度發展房地產資產證券化.在拓寬房地產融資渠道的同時，適度發展房地產貸款證券化，但同時要加強對影子銀行的監管和風險控制，在可控范圍內充分發揮影子銀行對房地產的促進作用.

第二，盡量降低宏觀政策對房地產行業的影響程度.在制定宏觀政策時需要全面考慮房地產的周期性波動和政策的時滯性問題，降低房地產價格的波動，控制風險，注意政策執行的有效性.

第三，加快利率市場化的進程.取消存款利率的限制，加快利率的市場化，拓寬房地產行業的資金來源渠道，減少對銀行信貸的過度依賴，分散商業銀行的房地產信貸風險，減少來自于房地產行業的不良貸款可能性.

注釋：

①如果需要Zivot-Andrews檢驗的結果可以聯系作者.

②OLS回歸和BaiPerron檢驗的結果如果有所需要，作者可以提供.

③由于篇幅有限，實際預期的檢驗結果和與實際房價的對比圖此處省略，如有需要請與作者聯系.

〔1〕符瑞武.我國影子銀行與房地產金融風險研究—基于中央銀行金融穩定的視角［J］.華北金融，2014（12）：12-14.

〔2〕賈甫，影子銀行、信貸擴張與高房價問題研究［J］.金融與經濟，2014（4）：14-17.

〔3〕李丹丹，魏琪嘉.影子銀行對中國經濟的影響分析［J］.中國市場，2015（8）：20-23.

〔4〕李志鋒.房地產、影子銀行與宏觀審慎監管機制—基于房地產金融屬性視角的分析［J］.生產力研究，2014（3）：67-72.

〔5〕王秋霞.影子銀行對我國商品房價格的影響實證分析［J］.市場周刊，2014（6）：92-94.

〔6〕于歌，回振彪.影子銀行對中國房價的影響［J］.時代金融，2013（11）：134.

〔7〕張寶林，潘煥學.影子銀行與房地產泡沫：誘發系統性金融風險之源［J］.天津財經大學學報，2013（11）：33-44.

〔8〕Bollerslev，T.，Chou，R.Y.，&Kroner，K.F.（1992）.ARCH modeling in finance：A review of the theory and empirical evidence.Journal of Econometrics，52，5-59.

〔9〕Engle，R.F.，Lilien，D.M.，&Robins，R.P.（1987）.Estimating time varying risk premia in the term structure：The ARCH-M model.Econometrica，55，391-407.

〔10〕Zviot，E.，&Andrew s，D.W.K.（1992）.Future evidence on the great crash，the oil-price shock and the unit root hypothesis.Journal of Business and Economic Statistics，10，251-270.

F293.3

A

1673-260X（2015）06-0105-03

遼寧省社科規劃基金項目（L13DJY062）