房地產價格與銀行信貸之間風險傳染機制研究

劉夢媛 朱玉林

摘要：基于2000年-2018年的季度數據，從宏觀經濟視角分析房地產價格波動與銀行信貸之間的風險傳染機制，并運用VEC模型和IRF脈沖響應函數進行實證檢驗，研究表明：我國房地產價格和銀行信貸存在長期協整關系，銀行信貸的變動是房價變動的單向Granger原因;房價的波動風險主要來自于需求方，而供給方的影響較小但更為持久。

關鍵詞：房地產價格 銀行信貸 傳染機制

一、引言

自我國1998年實行住房貨幣化改革后，房地產市場出現了前所未有的繁榮景象。僅房地產貸款余額從1999年的3.56億元增長到38.7億元，房地產貸款占金融機構貸款的比重從2000年的6.04%上升至2018年的14.12%，房地產開發貸款和個人住房貸款分別以25.99%和51.19%年均增速增長，遠超同期金融機構的貸款增速13.06%①，房地產市場的信貸擴張直接引起了房價的快速增長，房價的快速增長又通過財富效應和成本規模的變化來影響消費與投資，間接擴大銀行信貸[1]。因此，研究我國房地產價格與銀行信貸之間風險傳染機制顯得尤為重要，不僅對確保房地產市場穩定健康發展具有重要的理論意義，更具有重要的實踐價值。

國內外專家學者關于房地產價格波動與銀行信貸的風險傳染機制做過很多探討。一方面房地產價格可以通過多種財富渠道影響銀行信貸的規模。Chen et al.[2]（1998）認為信貸和房地產周期會受到GDP和利率等經濟變量及預期的影響，經濟環境變化會影響需求因素如收入、利率以及銀行信貸政策等。況偉大[3]（2011）認為經濟增長對信貸規模的變動會對房地產投資產生聯動效應。Davis et al.[4]（2011）通過17個國家的跨國數據發現商業地產價格的上漲是自身引起的，是它們導致銀行信貸擴張。

另一方面，銀行信貸可以通過多個流動性效應影響房地產價格。Kiyotaki[5]（1997）認為金融市場的信息不對稱問題，會導致借款者的資產負債表和現金流狀況成為其借貸能力的重要因素。平新喬[6]（2004）則認為政府支持的銀行信貸對房地產價格和開發投資都具有正向推動作用。龍少波[7]（2016）發現增加貨幣供應會刺激消費，當消費取向轉向房地產市場會引起房價的上漲。因此，房價波動與銀行信貸之間的波動關系不僅源于房地產供需雙方的力量不平衡，而且會受到各項宏觀經濟指標的影響。

鑒于以上，本文從兩個層面進行研究，首先是運用多變量協整分析我國房地產價格與銀行信貸之間長期、短期的均衡關系，其次是運用脈沖響應和方差檢驗深層分析房地產價格和銀行信貸之間的動態關系。本文接下來安排如下，第二部分是研究方法與數據來源介紹，第三部分是脈沖響應與方差檢驗深層分析，最后一部分是研究結論與建議。

二、研究方法與數據來源

（一）研究方法

在傳統計量分析中要求涉及的變量均為平穩序列變量，但對于多個非平穩時間序列，有一種特殊情況，即幾個非平穩時間序列變量的線性組合形成的變量是平穩序列。這種情況下研究者一般稱非平穩時間序列存在協整關系[8]。

對于協整關系，如果序列X1t，X2t，...Xkt是d階單整，存在向量α=（α1，α2，...αk），使得Zt=αXt～I（d-b），其中b>0，Xt=（X1t，X2t，...Xkt），則認為序列X1t，X2t，...Xkt是（d，b）階協整。兩個變量存在（d，b）協整關系表示它們在服從各自長期波動規律同時，兩者之間存在著一個長期穩定的比例關系[9]。在多變量協整關系中，最為常用的是Johansen協整檢驗，檢驗模型是否存在協整關系，如果存在，則可以建立VEC模型來分析多變量模型的動態關系。

VAR模型建模思想是把每一個外生變量作為所有內生變量滯后值的函數來構造模型，而VEC矢量誤差修正模型則是在差分序列建立的VAR模型中加入一個誤差修正項，則VEC模型的具體表達式如下：

式中，Yi（i=0...p）代表K維的內生變量矢量，ECM代表根據協整方程計算的誤差修正項，α代表調整系數，Ai（i=0...p）代表相應的系數矩陣，P代表內生變量滯后的階數，εt為一白噪聲過程。由于該模型中的系數矩陣并不是研究者主要關注的對象，故需要借助Granger因果檢驗、IRF脈沖響應函數和方差分解等工具。基于以上，本文的協整模型構造如下：

（二）數據來源與處理

本文利用2000-2018年我國房地產價格指數、金融機構各項貸款余額以及宏觀變量經濟增長、貨幣供應量、銀行中長期貸款利率五個變量的季度數據，其中共77組樣本數據來對房價與銀行信貸之間的關系進行實證分析。其中房地產價格指數（HPI），是由全國商品房銷售額和銷售面積的季度數據換算成全國商品房季度平均銷售價格，本文將其標準化處理為以2000年第一季度為基期的價格指數;本文所指的銀行信貸（LOAN）僅涉及銀行系統總體的規模，故選取金融機構各項貸款余額作為樣本數據，代表房地產市場資金的供給。經濟增長用國民生產總值GDP表示，貨幣供應量中M1對資產價格的關聯性最強，代表宏觀經濟政策調節變量，銀行中長期貸款利率由1-3年人民銀行貸款基準利率（R）表示，代表投資方成本及需求方的變量。除了銀行中長期貸款利率未取對數，其他樣本數據均取對數，所有樣本數據在一階差分后均平穩。本文數據均來自中國統計年鑒和中國人民銀行公開數據。

三、實證分析

（一）單位根檢驗與協整檢驗

通過單位根檢驗，可知HPI、LOAN、GDP、M1、R是一階單整。本文采用Johansen檢驗的兩種方法：跡（Trance檢驗）和最大特征值（Maximum Eigenvalue）檢驗。使用Johansen協整檢驗方法對變量的長期關系進行觀測時，首先判斷最佳的滯后期，運用AIC和SC準則進行判斷，綜合考慮本文VAR模型選擇3期作為最佳滯后期。

選取的變量具有較明顯的確定性趨勢，將檢驗的方程定義為有截距項的方程，協整檢驗結果如表：

通過跡（Trance檢驗）和最大特征值（Maximum Eigenvalue）檢驗結果顯示：五個變量在95%的置信水平下存在一個長期的協整關系。房價HPI、銀行貸款LOAN、經濟增長GDP、貨幣供應量M1、利率R五個變量間的協整關系表示為：

HPI=0.149549LOAN+0.051822GDP+0.306844M1-0.000491R（3.1）

（0.14605）? ? （0.04356）? （0.15568）（0.01356）

注釋：圓括號內數值代表系數的標準誤差

從以上協整關系方程可以看出：五個變量之間存在長期均衡關系，且每個變量的統計量都較為顯著。LOAN、GDP、M1對HPI均為正向影響，與R呈現反向關系，即LOAN增長1%HPI上漲0.15%，另外GDP增長1%HPI上漲0.05%，M1增長1%HPI上漲0.31%，R增長1%HPI下跌0.0005%。其中M1對HPI的影響最明顯，上述協整關系的誤差修正項形式為：

ECMt=HPI-0.149549LOAN-0.051822GDP-0.306844M1 +0.000491R-6.756338（3.2）

該VEC誤差修正項表達式與Johansen協整關系是一致的，只是在協整關系中加入一個常數項為-6.756338，表明該模型具有良好的反向誤差修正機制。

VEC模型表示為：

HPI的調整系數為-1.104574，表明在其它變量不變的情況下，第t期的變化可以消除前一期110%的非均衡誤差，而LOAN的調整系數為0.105994，說明在其它變量不變的情況下，第t期的變化會增加前一期10.60%的非均衡誤差，此時模型不能對LOAN滯后一期的非均衡誤差起反向調節作用。故從HPI與LOAN的短期動態關系看，滯后一個季度的HPI對當期LOAN產生負向影響，說明短期內LOAN對HPI增長的變化相當敏感，但從長期來看，結果不盡相同。

本文通過Granger因果關系檢驗可以發現，在協整關系存在的長期情況下，房價波動和銀行信貸之間不存在雙向 Granger因果關系，即銀行信貸增長率的變動是實際房價增長率變動的Granger原因，其中P值為0.0003。但是，反過來不成立，即房價增長率不是銀行信貸增長率的Granger原因。本文基于宏觀經濟的分析認為在長期中銀行信貸在中國更多地表現為政策變量，具有一定的外生性，而且影響其變動的因素有很多，包括各個行業的經濟增長，因此較難發現房價增長率的變動顯著影響銀行信貸增長率的變動。

（二）脈沖響應函數及方差檢驗

根據上述建立的房地產價格的VEC誤差修正模型以及Granger因果檢驗的結果，通過假定模型中各個變量的標準差信息，可以計算出LOAN、GDP、M1以及R波動對HPI沖擊的響應函數，檢驗結果如圖所示：

從檢驗結果可以看出，HPI受到自身沖擊響應的影響最大，最大值達到8.9%，在第一季度為正，緊接著在第二季度開始波動下行，并且第五季達到最小值-0.4%，隨后開始出現上行趨勢為正，之后便圍繞著0值上下波動。受到大眾預期的影響，當大眾認為房價處于高位時，在短期內造成的恐慌心理繼續推動房價的上漲，但是當實際情況與期望不相符時，大眾對于房地產的投資、投機心理會迅速消退，反而導致房價的下跌，這樣的下跌后又會引起大眾的消費心理，如此便產生房價對于自身的波動的反應。

LOAN對HPI沖擊響應的第一季度為0，但是第二季度開始達到最大值2.5%，緊接著出現下滑，在第四季度達到最小值-1%，這與我們所認為的信貸的增長會推動房價的增長有些相違背，前者的增長并不會帶來持續的房價上升，而是多個波動周期的遞減，說明了銀行信貸的擴張會在短期內會促進房價的上漲，但在此時為了防止房價的繼續上漲，受到宏觀調控下的經濟變量的影響，短期的信貸增長而不見得房價持續的增長。

GDP和M1對HPI的沖擊響應第一季度都為0，但是第一年內GDP對HPI的沖擊響應波動要明顯大于M1，但兩者對HPI的沖擊均為正向。第四季度GDP對于HPI的沖擊波動達到1.5%，第三季度便跌至0.1%，隨后在第四季度達到最大值1.7%，之后下跌三個季度后，在第八個季度又上升至0.9%，說明經濟增長帶來的房價波動影響較為持久，而貨幣供給帶來的房價波動較平穩，到了第五季度至七季度才有比較明顯的波動。

R對HPI的沖擊響應明顯與前三種的響應不同，從第二季度開始有較為明顯的下降，第三季度達到最低值-1.3%，之后雖有上升，但一直處于下行為負，較平穩，說明短期內銀行利率的增長對房價增長率具有促進的作用，但從長期看，房地產投資、投機的流動資金受限，使得房價增長率一直處于負，對房價有一定的抑制作用，與協整關系檢驗相一致。

綜上所述，根據脈沖響應函數分析的結果顯示，短期內HPI的沖擊受到自身的影響最為明顯，LOAN、GDP、M1的增加都能夠在短期內推動HPI小幅度的上升與下滑，并且作用持續性強，說明宏觀調控下的經濟變量具有時滯性，具有短期波動，長期浮動的作用效果。R對HPI的影響與前者不盡相同，HPI增長率僅僅短期內上升，之后一直處于負值，原因可能在于利率的增長會使房地產投資流動資金受限，抑制房價上漲。總體來說，四個變量中R的增長（需求方）對HPI的增長率具有較明顯的抑制作用，LOAN會受到宏觀經濟變量的作用并不會導致HPI的持續增長，并且宏觀經濟變量GDP、M1（供給方）的作用效應更為持久。

方差檢驗結果顯示短期內HPI的預測方差大部分來自自身，隨著期數的增加，HPI變動的方差由自身變動的解釋部分逐漸下降，其他變量的解釋部分逐漸增加，并且長期內分別有LOAN的6.92%、GDP的6.72%、M1的8.09%以及R的9.67%的解釋力度。可知，HPI與LOAN的波動短期內有一定的關聯性，但長期來看，房地產價格上漲的主要原因在于需求方，供給方的解釋力度相對較弱。

四、結論與建議

與國外發達國家相比，作為經濟轉型的中國房地產和信貸市場，具有其特殊性，本文通過將HPI、LOAN、GDP、M1、R五個變量進行協整關系的實證檢驗房地產價格與銀行信貸風險傳染機制后可以得出以下結論：

從二者長期均衡關系來看，房價與銀行信貸之間的彈性系數為0.14，即銀行信貸增長1%，房價同向增加0.14%。由于銀行信貸在中國更多地表現為政策變量，具有一定的外生性，影響其變動的因素較多，房價與銀行信貸在長期內并不存在互為Granger因果關系，即銀行信貸變動是房價變動的Granger原因，而反過來則不成立。

從脈沖響應函數及方差檢驗分析的結果看，房價的波動風險主要來自于需求方，包括短期利率的變化以及大眾對房價的預期，而供給方的影響則是小幅度變動但較為持久，這說明我國房地產市場存在比較嚴重的供需不平衡現象，導致局部地區出現較多空置房，而部分地區又存在過高房價。因此提出以下建議：

對于需求方面，建立合理的房地產投資政策，投資主體結構的變化會對房地產周期帶來較大的影響，可以通過利率對投資規模進行控制，確保投資占比的合理性，保障投資規模與宏觀經濟規模相當。對于房價過高的城市，應該加大市場供應，建立多渠道的住房保障體系，例如廉租房、共有產權房的建設，長期租賃體系的完善，為大眾提供更加多樣的選擇。

對于供給方面，即宏觀經濟方面，建立嚴格的土地開發制度，保持土地價格穩定，建筑成本公開透明化，限制投機性住房，合理規劃城市住房布局，在新城區內建立完善的醫療、教育、交通、住房體系，推動人口向新城區遷移，改變城市中心過度擁擠的狀態。

注釋：

①該數據來源于歷年《中國人民銀行》官網統計數據。

參考文獻：

[1]劉育肇，姚婷.《房價波動與銀行信貸關系的實證分析》.《中國商論》，2018第26期33-35頁.

[2]Ming-Chi Chen and Kanak Patel，1998，“House Price Dynamics and Granger Causality：An Analysis of Taipei New Dwelling Market.”Journal of the Asian Real Estate Society，vol.1，No.1，pp.101-126.

[3]況偉大.《房地產投資、房地產信貸與中國經濟增長》.《經濟理論與經濟管理》.2011第1期59-68頁.

[4]E.Philip Davis and Haibin Zhu，2011，“Bank lending and commercial property cycles：some cross-country evidence.” Journal of International Money andFinance，vol.30，No.1，pp.1-21.

[5]Kiyotaki N and Moore J，1997，“Credit Cycles.” Journal of Political Economy，vol.105，No.2，pp.211-248.

[6]平新喬，楊慕云.《信貸市場信息不對稱的實證研究—來自中國國有商業銀行的證據》《金融研究》，2009第3期1-18頁.

[7]龍少波，陳璋，胡國良.《貨幣政策、房價波動對居民消費影響的路徑研究》.《金融研究》，2016第6期52-66頁.

[8]李子奈，潘文卿.《計量經濟學》.高等教育出版社，2015年9月第四版.

[9]馬慧慧.《EViews統計分析與應用》.電子工業出版社，2016年4月第三版.

劉夢媛系中南林業科技大學經濟學院碩士研究生;朱玉林系中南林業科技大學經濟學院院長