房地產調控背景下房貸政策對商業銀行信貸影響實證分析

□

（1.南開大學商學院天津300071 2.南開大學中國公司治理研究院天津300071 3.天津市中國特色社會主義理論體系研究中心南開大學基地天津300071 4.中國特色社會主義經濟建設協同研究中心天津300071 5.華中科技大學管理學院湖北武漢430000）

一、引言

近年來，一二線城市房價增長過快問題受到了社會各界的關注，政府工作報告進一步強調“房子是用來住的、不是用來炒的”。商業銀行因與房地產業息息相關，在新一輪的調控背景下會受到直接影響。因此，商業銀行如何在政府調控的大背景下，切實有效地管理房地產信貸業務至關重要。

房地產貸款是各商業銀行的一項主要業務。目前，我國關于房貸政策與商業銀行的信貸規模和信貸風險防范關系的相關文獻較少。何靜、李村璞、邱長溶（2011）對房地產價格與信貸規模的非線性動態關系進行了研究，得出只要房地產信貸數量保持在合理范圍內，其對房價上漲的影響就會顯著減弱的結論。危英（2014）設計了房地產信貸風險的壓力測試方案，揭示了影響房地產開發企業利潤率的主要因素。隨著房價的過快增長，針對我國房地產調控政策是否有效影響了商業銀行的房地產貸款發放行為問題依然有待驗證。

本文將我國的房貸政策演變過程（1993年至今）劃分為四個不同階段，分別探討了不同階段下商業銀行信貸規模的變化情況，提出商業銀行應健全和完善內部控制制度，根據房地產市場及相關政策制定房貸業務的發展計劃。本文以房貸政策的主要工具之一——貸款利率為切入點，分析了調控階段（2009—2016年）下貸款利率與商業銀行信貸規模的關聯性，發現貸款利率對房地產信貸規模的調控效應顯著，利率上升可以減緩信貸規模的增長速度且抑制作用較大。因此，政府在利用貸款利率影響市場的供給和需求雙方時，需謹慎操作，同時輔之以其他有效手段。

在這些手段中，本文根據房貸政策的變化與宏觀經濟緊密相關的特點，運用以宏觀經濟變量為基礎的CPV定量模型，對商業銀行房地產信貸風險進行度量分析。CPV模型即信用組合觀點模型，是由麥肯錫公司開發的一種多因數模型，該模型通過觀測宏觀經濟因數信息，計算不同行業違約概率的分布函數。因此，本文應用該模型對信貸風險進行度量分析具有合理性。在模型指標的選取上，本文根據實際選取五個變量對宏觀經濟指數進行擬合，有效降低了模型運用的主觀性。本文創新性地應用不良貸款率代替商業銀行信貸違約率來估計信貸風險，精確地選取了36個觀測值對模型進行分析，結果發現國民生產總值、居民消費價格指數、房地產景氣指數、宏觀經濟景氣指數、一年期貸款基準利率這五個宏觀經濟指標，能夠較好地協同擬合宏觀經濟指數，在預測商業銀行信貸違約率方面，估計值與實際值僅相差0.0028，因此具有較好的預測效果。本文的研究結論對房貸新政下商業銀行的策略選擇、政府和金融監管部門采取的措施具有一定的理論和實踐指導意義。

二、文獻綜述

自2009年我國進入房地產調控階段以來，國內學者紛紛展開關于房貸政策的研究。戴羅仙、朱吉芳（2015）提出要充分利用房貸政策及時調整融資手段，建立適應政府全面調控和市場變化的內部融資體制。吳愛民（2013）對房貸政策與商業銀行的相關性進行了分析，認為房貸政策可能會給商業銀行帶來經營性風險，應實時調整經營管理戰略。齊岳、衣夢涵和于博文（2016）分析了四類房地產調控政策對房企股票的影響，提出投資者可依據不同類別政策的波動期進行買賣操作。齊岳、廖科智和李心宇（2017）指出房地產市場是政策敏感性市場，政府采取相應措施完善房地產市場治理體系至關重要。關于商業銀行方面的研究，齊岳、侯席培（2017）深度探究了房地產行業景氣度與商業銀行績效之間的聯動性，提出商業銀行應積極響應房地產調控政策，完善信貸機制。

國外學者Kashyap，Stein（2000）對貨幣政策對商業銀行信貸供給的影響進行了深入研究，通過實證檢驗證明了存在貨幣政策信貸傳導途徑，并進一步指出，商業銀行的流動性越差，受到的政策沖擊越大。Nickell等人強調，相對于其他轉移概率，經濟周期最容易影響貸款的違約概率（PD）。李睿（2005）運用 CPV（Credit Portfolio View）模型對違約事件的信用風險進行了模擬，即McKinsey公司提出的以宏觀經濟變量為基礎的模型。

通過查閱國內外的文獻可以發現，目前我國學者較少通過定量分析研究房貸政策對商業銀行信貸規模和信貸風險產生的影響，這是因為房貸政策因素難以量化。本文在已有研究成果的基礎上，全面分析我國新一輪調控背景下房貸政策對商業銀行信貸規模和信貸風險產生的影響，并利用相關指標展開實證研究。

三、不同階段下商業銀行的信貸規模分析

（一）房貸政策的演變

初步形成階段（1993—1997年）：1995年8月，中國人民銀行頒布了《商業銀行自營住房貸款管理暫行辦法》，為我國銀行開展商業性住房貸款業務提供了新的機遇。

成長階段（1998—2002年）：這一期間，我國房地產投資總額為32 424.7億元，完成投資總額為36 781.5億元，房地產業連續5年保持年均20%左右的增長率。

快速發展階段（2003—2008年）：2003年我國累計完成的房地產開發投資額超過了1萬億元，比上年增加了29.7%，是1995年以來的最高增長幅度。自2008年下半年開始，受到美國次貸危機引發的金融危機影響，我國通過一系列政策措施確保房地產業的健康發展。“國十條”“國五條”“新國八條”陸續出臺背景下，房地產市場交易規模嚴重萎縮。

調控階段（2009年至今）：2016年房貸政策調整的基本邏輯是“分類指導、因地施策”，對房價過高的一二線城市進行調控，對房地產市場低迷的三四線城市著力推進 “去庫存”。同時，我國商業銀行的房地產信貸調整也在不斷深入。

（二）商業銀行房地產信貸規模分析

商業銀行房地產信貸主要分為對房地產企業的信貸和對購房者的信貸，即供給信貸和需求信貸。本文根據四個階段商業銀行房地產信貸的規模，取各個階段的年份均值，數據整理如表1所示。

表1 不同階段下我國商業銀行房地產信貸情況

形成信貸風險的主要原因在于商業銀行對房地產貸款的依賴性，由表1可以看到，商業銀行房地產貸款余額在逐年增加，各個階段的個人住房貸款余額遠遠大于房地產開發貸款余額，尤其到了調控階段（2009—2016年），個人住房貸款所占比例已達到房地產開發貸款的2倍，說明個人住房貸款對商業銀行信貸規模的影響較大。

從下頁圖1可以直觀地看出具體的變化情況，不同類型的房貸政策對商業銀行信貸規模的影響較大。1993—1997年是起步階段，商業銀行房地產信貸規模相對較小；1998—2002年進入發展階段，房地產信貸規模開始初步增大，但增速較小，房地產開發貸款與個人住房貸款均保持在相對穩定的水平；2003—2008年是房地產的快速發展時期，這一時期房地產貸款占各項貸款的比例增速最大，其中個人住房貸款激增，大大促進了房地產市場的發展；2008年美國次貸危機爆發，我國政府制定了一系列調控措施來應對危機所造成的影響，因此2009—2016年房地產貸款的增速有所放緩。總體來看，我國商業銀行房地產信貸規模是在逐年擴張的，而偏離正常發展速度的快速擴張極有可能帶來潛在風險，制約經濟發展。目前，房地產行業處于調整期，商業銀行應健全和完善內部控制制度，實行“審貸分離”的管理機制。

圖1 不同階段下我國商業銀行房地產貸款情況

四、房貸政策對商業銀行房地產信貸影響實證分析

（一）調控階段下貸款利率與商業銀行信貸規模相關性分析

利率調整是用來影響商業銀行信貸規模的主要房貸政策之一。從房地產的供給看，利率下降，開發成本減少，房地產開發商會增加對房地產的開發，供給就會增加，反之亦然；從房地產的需求看，利率上升，購房者的購房壓力加重，需要向銀行還款的數額變大，購房者對房地產的需求減少，反之亦然。傳導過程如圖2所示。

圖2 貸款利率對商業銀行房地產信貸規模影響的傳導路徑

由于目前房地產行業處于調控階段，因此，本文選取我國2009年第一季度到2016年第四季度的一年期貸款基準利率（LR），對其與商業銀行房地產信貸規模的相關關系進行分析，如表2所示。可以看出，一年期貸款基準利率越低，房地產貸款占各項貸款的比例（ELP）越高，二者反向相關，為0.901，在1%的水平上顯著，這也充分說明了商業銀行的房地產信貸規模可以通過貸款利率進行有效調節。提高利率是減緩貸款增長速度的重要方法，而且影響程度較大，所以在調節貸款利率以控制信貸增加時，需審慎操作。調整貸款利率是房貸政策的三大手段之一，但僅僅采用利率工具對房貸規模進行調控，效果可能存在一定局限性，應輔之以其他有效手段。同時，房地產信貸規模的擴大和縮小也會影響商業銀行房地產信貸風險的變化，以下從實證角度進行度量分析。

表2 調控階段下貸款利率與商業銀行信貸規模相關性分析

（二）基于CPV模型的商業銀行信貸風險度量分析

金融機構的不良貸款率是衡量金融機構信貸是否安全的重要標準，不良貸款率（NPL）的高低直接決定著金融機構能否如期收回貸款。本文基于CPV模型選取合適的代表宏觀經濟狀況的因子，對調控背景下房貸政策對商業銀行信貸風險的影響進行分析。

1.指標及樣本數據選擇。房地產市場的興衰與我國的宏觀經濟狀況緊密相連，同時，只有當影響因素個數達到三個以上時，CPV模型才能有效運用。因此，本文選取了一年期貸款基準利率（NLR）、宏觀經濟景氣指數（MCI）、國民生產總值（GDP）、房地產景氣指數（ECI）和居民消費價格指數（CPI）五個指標，運用CPV模型來評估房地產信貸風險。本文分別選取這五個指標從2008年第一季度到2016年第四季度的36組數據，根據各上市商業銀行的年報，可以得到2008—2016年商業銀行不良貸款率（NPL）的值。

2.模型構建。為了降低以往模型運用中主觀因素的影響，本文選取了代表宏觀經濟狀況的五個變量對宏觀經濟指數進行擬合研究。同時，商業銀行的有序發展關系到我國金融發展的大局，而對不良貸款的管理是目前商業銀行亟需解決的重要問題。因此本文創新性地應用不良貸款率代替商業銀行信貸違約率來進行信貸風險的估計與分析。在時間選擇上，本文應時性地選取了房地產調控背景下的36個觀測值，緊密聯系現階段房貸政策所帶來的影響，為未來宏觀經濟變革給商業銀行造成的信貸風險提供有效的預測工具。CPV模型如下：

其中，Pj，t表示借款人的條件違約概率；Yj，t是由如下多因素模型給出的宏觀經濟變量相關指數：

其中，Xj，m，t表示 t時期 j行業的 m 個宏觀經濟變量；Xj，1，t、Xj，2，t、Xj，3，t、Xj，4，t、Xj，5，t分別代表NLR、MCI、GDP、ECI、CPI；βj，m是j行業債務人的估計系數；ε是假設獨立于 Xj，m，t的誤差項。

3.模型估計與分析。本文根據前文所統計出的不良貸款率數據，代入公式（1）求出Y值（此處的Y值表示公式（1）中的-Yj，t），再利用 Y 值和一年期貸款基準利率（NLR）、宏觀經濟景氣指數（MCI）、國民生產總值（GDP）、房地產景氣指數（ECI）和居民消費價格指數（CPI）五個指標的實際值，運用Eviews軟件，得到的回歸結果如表3所示。

表3 五元線性模型回歸結果

（1）結果分析。由第12頁表1可以看出，R2為0.9757，模型的整體擬合度表現較好。而且模型中各變量均通過了給定顯著性水平0.05的t檢驗、F檢驗，說明各解釋變量對模型均具有顯著性作用。從估計出的敏感系數可以看出，NLR 和 CPI的系數（Coefficient）為正，所以當 CPI、NLR 值上升時，Y值也上升。同時，居民消費價格指數（CPI）的系數值是一年期貸款基準利率（NLR）的2倍左右，說明其對商業銀行的信貸風險影響更大。一般來說，居民消費價格指數越高，宏觀經濟越可能出現通脹過度現象，從而引起經濟波動，銀行信貸風險加大，不良貸款率增加。根據實證結果，本文發現模型中的違約概率與宏觀經濟密切相關，由公式（1）可以看出貸款違約概率Pj，t隨著指數價值Y反向變動，Y越大Pj，t越小。解釋變量中國內生產總值（GDP）、宏觀經濟景氣指數（MCI）、房地產景氣指數（ECI）在模型中的系數為負，這說明隨著國內生產總值、景氣指數的增加，國內經濟前景明朗，貸款違約率下降；反之，當經濟運行不佳時，違約概率較大，這與實際情況是相符的。

從以上分析可以看出，該模型符合經濟原理。2008年美國次貸危機引發的金融危機，加之目前我國商業銀行處于調控階段，因此選取2008—2016年的數據并引入模型，計算出貸款違約率，可以提高商業銀行面對宏觀經濟變化時的反應速度，有效應對商業銀行貸款風險。

（2）模型預測與分析。本文分別使用 X1、X2、X3、X4、X5代表NLR、MCI、GDP、ECI、CPI，構建的商業銀行信貸風險回歸模型為：

為了驗證上述模型的預測效果，本文依據我國2017年第四季度的宏觀經濟數據，對宏觀經濟系數表達式中的各個變量賦值，計算出的Y值為3.8817，將該值代入Pj，t=1/（1+e-Yj,t）中，可以計算出違約率的估計值為0.0202，這一數據與銀監會發布的實際商業銀行貸款違約率0.0174相差較小，因此本文構建的模型具有一定的現實意義，可以應用于預測和分析新一輪調控背景下房貸政策對商業銀行信貸風險的影響。

針對一二線城市房價過快上漲，“房子是用來住的、不是用來炒的”概念的提出切中要害。房地產市場在進入2018年之后調控力度進一步加大，分類調控也將持續加強。在此背景下，本文提出的模型可以分析出影響商業銀行違約率的主要因素，同時模型的系數包含了以下信息：房地產景氣指數和居民消費價格指數是影響商業銀行信貸風險的主要宏觀經濟因素，其中，房地產景氣指數與信貸違約率呈負相關關系，而居民消費價格與信貸違約率呈正相關關系。商業銀行應密切關注這兩個指數的變化趨勢，關注“新政”對房貸業務可能產生的負面影響。不確定因素將會增加貸款違約率的上升和不良貸款反彈壓力增大的風險，商業銀行可以運用本文所構建的CPV模型對信貸風險進行預測分析，沉著面對未來業務經營中出現的新挑戰，有效防范房地產信貸風險。

五、總結與建議

本文緊密結合經濟新常態下央行、銀監會關于房地產貸款的新政及商業銀行面臨的新環境，將房貸政策劃分為四個階段，深入比較分析了各個階段下商業銀行的房地產信貸情況。在目前的調控階段，以貸款利率的變化實證分析了房貸政策與商業銀行信貸規模的相關性。基于CPV模型，使用宏觀經濟的代表性變量對貸款違約率進行回歸分析，并以不良貸款率代替貸款違約率，具有一定創新性。根據模型的估計結果實證分析了房貸調控政策對商業銀行信貸風險的影響力度。隨著房貸調控的持續深入，商業銀行房地產信貸規模控制與信貸風險防范也面臨著新的挑戰，本文從不同角度提出如下建議：

從研究結果可以看出，商業銀行信貸風險與一年期貸款基準利率（NLR）、宏觀經濟景氣指數（MCI）、國民生產總值（GDP）、房地產景氣指數（ECI）和居民消費價格指數（CPI）五個指標息息相關，其中房地產景氣指數和居民消費價格指數的影響力度最大。因此，商業銀行應密切關注這兩個指標的變化趨勢，若居民消費價格指數呈遞增趨勢，房地產景氣指數呈遞減趨勢，商業銀行應及時優化房地產信貸配置，積極尋求資金出路，提高資金的使用效率和效益，降低不良貸款率。同時，商業銀行應實時關注房地產調控政策的變化，使房貸業務的發展方向與相關政策保持一致。針對一二線城市房價過高的問題，商業銀行應收緊信貸政策，縮小房地產信貸規模，將房貸規模控制在一個合理范圍內。

本文研究發現貸款利率的調控效應顯著，政府可通過利率影響控制房地產信貸規模。同時，金融監管部門應以監管促進商業銀行加強內部管理，提高房地產貸款準入門檻，規范房地產信貸業務。本文提出的建議對商業銀行信貸業務的穩健發展提供了借鑒。