安徽省影子銀行對安徽省房價的影響研究

李夢雅，雷 鳴，陸 彥

(安徽農業大學經濟管理學院，安徽 合肥 230036)

近年來，居民收入水平不斷提高，對住房和投資房產的需求不斷增加，從而拉動了房價的上漲。銀行風險評估和監管體系逐漸完善，貸款難度增加，個人和企業獲取銀行貸款的難度加大，多種原因刺激了影子銀行的發展。2008年以來，影子銀行就被認定為導致次貸危機發生的元兇，從而備受關注。近年來，房地產行業的快速發展引起了國家的重視，國家也做出了相應的調控措施，導致房地產行業從銀行獲得貸款的難度加大。因此，影子銀行得到發展的機會，很快成為房地產行業除正規金融機構外的另外一種主要資金來源。影子銀行內部風險管控機制不健全，外部缺乏有效監管，致使其面臨較大的風險。雖然影子銀行能為房地產行業補充一些資金，但同時也會給房地產行業帶來潛在的風險。

安徽省經濟快速發展，居民在房產方面的資金投入顯著增加，高熱度的投資需求推動安徽省房價持續增長，房地產行業迅速發展起來。本文所研究的是安徽省房價與安徽省影子銀行規模之間的聯動影響，不僅有利于了解影子銀行對房地產行業的影響，也有利于控制影子銀行給我國金融機構所帶來的潛在風險。

一、文獻綜述

自美國次貸危機以來，影子銀行就一直被各國學者關注，與之相關的文獻越來越多。于歌、回振彪實證分析影子銀行對房地產價格的影響，研究結果表明影子銀行對房地產價格產生顯著正向影響。魏燕子在研究影子銀行規模和我國房地產價格之間的關系時發現:影子銀行會對房地產價格產生一定的影響，同時也容易受到房地產行業波動的影響。Wu和Shen研究影子銀行是否會對商業銀行發展產生負面影響，結果發現影子銀行的發展會給商業銀行帶來一定的風險，但良好的治理措施和風險承擔假說能夠降低影子銀行所帶來的不利影響。吉任文杰在研究甘肅省影子銀行規模對房價的影響時發現，影子銀行規模的快速擴張并未引起該省房價的較大波動。Feng等研究了影子銀行、杠桿風險和資產價格之間的關系，發現影子銀行放大了金融市場的杠桿率，也決定了金融市場資產的價格。韓生貴、何曉繁在探究青海省影子銀行規模對該省房價的影響時發現:長期來看，青海省影子銀行規模的擴張對該省的房價和中長期的貸款規模產生了正向影響。劉子策在研究房地產價格、影子銀行和中國經濟波動之間的關系時發現:當對影子銀行的監管適當放松時，我國房價和地價都會有上升的趨勢。

綜上所述，學者關于影子銀行發展對房地產行業的影響研究主要存在三種觀點:一是影子銀行的發展對房地產行業存在促進作用；二是影子銀行的規模會抑制房地產行業的發展；三是影子銀行的規模對房地產行業的影響并不顯著。安徽省作為長江三角經濟帶的重要組成部分，其經濟快速增長備受矚目，房價也水漲船高，尤其是合肥市房價的上漲幅度位居全國前列。因此，本文從安徽省的角度來分析影子銀行規模與房地產行業的關系具有重要意義。

二、變量選取及數據來源

本文采用VAR模型研究安徽省影子銀行的規模對安徽省房價的影響，被解釋變量為商品房平均銷售價格(SALE)，解釋變量為安徽省影子銀行的規模(SB)，由于目前影子銀行規模的測算并未存在統一標準，故借鑒姜世超研究影子銀行規模和房地產價格的實證研究方法，用社會融資總規模來估算影子銀行規模。社會融資總規模包括:信托貸款、委托貸款、非金融企業境內股票融資、未貼現銀行承兌匯票、企業債券融資。控制變量的選取分別借鑒了魏燕子、姜世超的研究方法，為金融機構貸款余額(LOAN)、消費者物價指數(CPI)、房地產開發投資額(IVH)。如表1所示。本文數據來源于安徽省統計局、中國人民銀行官網、Wind數據庫以及本人整理所得。為了消除異方差等因素的影響，將對所有數據取對數。

表1 各變量名稱

三、實證分析

(一)ADF單位根檢驗

為保證數據的平穩性，首先對該序列進行ADF檢驗。本文使用EViews7.2軟件對相關數據進行處理。首先對取對數后的商品房平均銷售價格(lnSALE)、影子銀行的規模(lnSB)、消費者物價指數(lnCPI)、金融機構貸款余額(lnLOAN)、房地產開發投資額(lnIVH)五個變量進行ADF檢驗，檢驗結果如表2所示。

表2 各變量單位根檢驗結果

由以上檢驗結果可知:在二階差分處理之后，該時間序列在5%的顯著性水平下是平穩的，符合構建VAR模型的條件。

(二)Johensen協整檢驗

本文采用Johensen協整檢驗來驗證5個變量之間是否存在長期協整關系。結果如表3、表4所示。

表3 各變量的跡檢驗結果

表4 各變量最大特征值檢驗結果

檢驗結果顯示，在5%的置信水平下，至少有兩個變量存在協整關系，即拒絕了變量間不存在協整關系的原假設，說明變量間存在長期穩定的均衡關系。

(三)確定最優滯后階數

在進行脈沖響應分析之前，要確定VAR模型的最優滯后階數，以便更好地解釋內生變量之間的相互關系。表5反映了在各種準則下最優滯后階數的選取情況，可以看出滯后期為3，即VAR(3)。

表5 最優滯后階數結果

(四)AR檢驗

在脈沖響應和方差分解分析之前，先用AR對該時間序列進行檢驗。如圖1所示，所有單位根都在單位圓內，表明該時間序列是平穩的，可以建立VAR模型，可以對商品房平均銷售價格(SALE)、影子銀行規模(SB)、消費者物價指數(CPI)、房地產開發投資總額(IVH)、金融機構貸款余額(LOAN)五個變量進行脈沖響應和方差分解。

圖1 變量的VAR模型平穩性檢驗的結果

(五)脈沖響應分析

由于本文所研究的是影子銀行規模對安徽省商品房平均銷售價格的影響，所以只做了影子銀行規模對房價的沖擊的脈沖響應圖。如圖2所示，當安徽省商品房的平均銷售價格受到一個標準差的沖擊時，它能夠及時做出反應，先受到一個正向的沖擊，同時達到最大值，在第1期和第2期之間由正變負，在第3期和第4期之間達到最小值，在第18期之后趨于平穩。由該圖可知，影子銀行規模對商品房的平均銷售價格有著長期的正向促進作用，這種作用在前幾期比較明顯。

圖2 影子銀行規模對房價的脈沖響應圖

(六)方差分解

為進一步分析各變量對安徽省商品房平均銷售價格的影響程度，將對安徽省商品房平均銷售價格進行方差分解，設置期限為10。如表6所示，除安徽省商品房平均銷售價格自身的貢獻度外，消費者物價指數對安徽省商品房平均銷售價格的貢獻度最大，波動的幅度在0%～19.6%之間，且貢獻度水平在后期相對穩定。金融機構貸款余額對安徽省商品房平均銷售價格的影響也很大，在2.28%～5.49%之間，并逐期穩步增長。影子銀行規模對安徽省商品房平均銷售價格的貢獻度排在第三位，在0.2%～5.22%之間，具體表現為前兩期貢獻度很小，后幾期影響變大且穩定。房地產開發投資額對安徽省商品房平均銷售價格的貢獻度是最小的，均未超過1.5%。由此得出，消費者物價指數、影子銀行規模和金融機構貸款余額對安徽省商品房平均銷售價格的貢獻度較為明顯。

表6 VAR模型預測方差分解

四、結論及建議

(一)結論

本文選取了2013年至2020年的季度數據，通過建立VAR模型研究各變量之間的關系，得出以下結論:

1.從長期來看，安徽省影子銀行規模對安徽省房價具有積極的促進作用，但這種作用存在滯后性。

2.從總體來看，與消費者物價指數和金融機構貸款余額對安徽省房價的影響程度相比，安徽省影子銀行的規模雖然對安徽省房價存在一定影響，但卻不是主要因素。

(二)建議

影子銀行的快速發展在一定程度上會給我國經濟帶來潛在的風險，相關監管部門如何對影子銀行實施監管將是一個值得研究的問題。根據以上結論，提出以下幾點建議。

1.房價過高是房地產泡沫進一步擴大的主要原因，監管部門應該采取有效措施控制房價上漲。例如，監管部門可以針對房地產行業的投機行為以及房地產開發商的盲目開發建立有效監管機制，從而降低影子銀行出現的可能性。監管部門在對影子銀行實施監管的同時也應當關注影子銀行給當地經濟發展所帶來的影響，房地產在利用影子銀行進行融資時會解決當地的一些就業問題，也會吸引更多優質企業對當地進行投資，促進當地經濟快速發展。

2.金融監管機構應當加大對影子銀行的監管力度。由于正規金融機構難以滿足房地產企業的貸款需求，房地產企業會通過影子銀行來獲得大量資金，影子銀行成為正規金融機構資金的重要補充來源，因此影子銀行會提高利率以獲得較高的收益，從而導致利率的上升。當地政府應當建立健全金融體系，加快利率市場化的形成過程，盡可能讓影子銀行利率與商業銀行利率保持一致，降低貸款成本。監管部門也應當披露更多影子銀行的信息，以便更好地防范影子銀行所帶來的潛在風險。

3.金融監管機構在加強對安徽省影子銀行監管的同時要適當放松對安徽省正規商業銀行的監管，以保證其創新活力。若正規金融機構受到較為嚴格的監管，創新能力得不到提升，就可能會進行高風險的影子銀行業務，從而給我國經濟發展帶來潛在危險。但需要注意的是，安徽省影子銀行規模對安徽省房價的影響具有一定滯后性，所以在對影子銀行采取相關措施之后，其對安徽省房價的影響可能在半年后才有所體現。