數字金融對重慶市房地產投資的影響研究

摘要：房地產構成了我國經濟發展的重要支柱，而數字金融則為我國經濟的持續增長提供了新的動力。重慶市是我國四大直轄市之一，加強其房地產發展狀況的研究，對于西南地區房地產市場的健康發展具有重要的參考價值。為了促進重慶市房地產行業的持續高質量發展，將數字金融與房地產行業融合已成為當前最理想的策略。本研究選取了2011年至2021年的年度數據，運用向量自回歸（VAR）模型，深入探討了數字金融與重慶市房地產投資之間的相互作用。研究結果顯示，在大多數情況下，數字金融對重慶市房地產投資具有顯著的正面推動效應；反之，房地產投資的穩健增長同樣對數字金融的發展產生了積極的促進作用。

關鍵詞：數字金融；房地產投資；VAR模型

引言

我國對房地產政策的重視程度不言而喻。在供給層面，政策包括降低房地產企業土地競拍的保證金，以及穩定房地產開發貸款的投放。在需求層面，通過降低貸款市場報價利率（LPR）來進一步減輕居民購房的經濟負擔。以重慶市為例，2022年4月，中國銀行保險監督管理委員會重慶監管局、人民銀行重慶營業部和重慶市地方金融監督管理局共同發布了《金融支持新市民安居樂業實施細則》。

觀察房地產行業的發展趨勢，過去該行業主要依賴于傳統信貸合作，與數字金融的結合相對較少。然而，在當前“三條紅線”政策的約束下，這種傳統模式的實施變得較為困難。因此，房地產企業對于新興數字經濟的需求正逐漸增長。

一、文獻綜述

現有文獻的研究有數字金融對房地產需求方即居民的資產負債影響研究，王海軍（2022）提出數字金融的使用雖然能在一定程度上緩解家庭負債情況，但是如果不加以監控，反而推動了家庭負債的上升，破壞了家庭負債的穩定性[1]。曹建飛（2022）提出數字經濟能夠提高城市經濟高質量發展水平，但是存在門檻效應，即除非該城市的網絡基礎設施十分完善，否則數字經濟的作用不是太大[2]。許芳、何劍（2022）以2011—2020年我國A股非金融上市公司19976個觀測值為樣本，通過分析得出數字金融發展通過降低融資成本、改善流動性限制等機制，實現對企業風險承擔能力的提高[3]。徐巍巍（2023）發現數字普惠金融對融資約束與財務杠桿負向關系的削弱，主要通過降低企業信貸成本來實現[4]。上述文獻更多的是在全國范圍內進行房地產行業研究，少有文獻實證研究數字金融發展與房地產投資之間的關系，并細分到某一個省市的房地產發展。因此本文認為在已有文獻的基礎上，通過VAR模型研究數字金融對重慶市房地產投資的影響是十分有必要的。

二、數字金融對房地產投資的影響機制分析

（一）降低房地產企業融資成本

第一，緩解信息不對稱問題。數字金融憑借人工智能，區塊鏈等技術能夠提高市場效率，降低信息損失，減少房地產企業所要面臨的風險溢價問題。第二，降低交易成本。數字金融讓金融機構大量物理網點服務轉向線上，降低了金融機構固定成本，同時其機器學習算法能夠通過多維度分析企業融資需求與未來發展前景，從而削弱金融中介向企業轉嫁成本的動機。

（二）減輕金融機構對房地產企業的資源錯配

我國當前面臨金融機構對房地產企業貸款分配不均的問題，具體表現為對某些房地產企業過度放貸，而對其他企業則施加了融資限制。這種金融資源的錯配現象，削弱了企業對資本成本變化的敏感度。數字金融技術的應用能夠助力傳統金融機構提升信貸需求的篩選效率，增加對財務穩健的房地產企業的信貸支持，進而緩解因融資不足導致的房地產企業資本成本敏感度降低的問題。

三、重慶市數字金融發展現狀分析

參考中國數字普惠金融指數進行分析，該指數包括了總指數，以及三個一級維度指標（覆蓋廣度，使用深度和數字化程度），從圖1可以看出，重慶數字普惠金融指數無論是總指數還是三個一級指標都是呈現出整體上升的一個態勢，但是數字化程度有較大波動，同時雖然覆蓋廣度在穩定增加，但是衡量實際使用效果的“使用深度”同樣存在波動，可能是因為基礎設施完善后民眾對于數字金融的了解不足。綜上所述，重慶市數字金融處于良性發展階段。

四、模型設計與檢驗

（一）模型與指標的選取

基于VAR模型能夠分析各個變量間的影響方向，因此本文選擇VAR模型來進一步定量分析研究數字金融對重慶市房地產投資的影響。對于解釋變量的選擇，借鑒錢海章等（2020）的做法，采用北京大學金融研究中心編制的“中國數字普惠金融指數”來衡量重慶市數字金融發展水平，本文選擇使用總指標來衡量[5]。對于被解釋變量的選擇，借鑒陳海龍（2020）的做法，本年完成房地產投資總額相比于其他指標更具有代表性[6]。其中，數字金融相關數據來源于2022年北京大學數字金融研究中心發布的“中國數字普惠金融指數（2011—2021）”，本年完成房地產投資總額來源于《重慶市統計年鑒》，樣本數據來源于2011—2021年，同時為降低異方差的影響，對絕對值數據進行對數化處理，具體見表1。

（二）模型檢驗分析

1.單位根檢驗。由于本文選取的是時間序列數據，為了避免偽回歸現象的出現，采用了ADF檢驗。檢驗結果表明，LNX1與LNY的P值均小于5%，因此可以拒絕存在單位根的假設，為平穩序列。

2.穩定性檢驗。為了確保VAR模型的可靠性以及選擇最適合數據的模型以提高模型的預測精度，選擇LNY與LNX1的差分數據DLNY與DLNX1進行穩定性檢驗，模型滯后階數P的確定采用多準則聯合確定的方法。確定各個變量的滯后階數為2階。

接下來本文對VAR模型進行穩定性分析，經檢驗4個特征根均位于單位圓里，沒有位于單位圓外的根，因此該模型通過了穩定性檢驗，認為該模型是穩定的。

（三）脈沖響應分析

為了解VAR模型中各個變量之間的關系以及它們之間的因果關系進行脈沖響應分析，圖2顯示重慶市的數字金融發展對重慶市的房地產投資的影響，從圖中可以看出重慶市數字金融的發展對重慶市房地產投資保持長期正向沖擊，到后期效果處于逐漸減少的情況，說明重慶市的數字金融發展能夠帶動重慶市的房地產投資，但是隨著時間的流逝，這種正向的帶動作用會逐漸減弱。

圖3顯示了重慶市房地產投資的發展對重慶市數字金融發展的影響，可以看出重慶市的房地產投資對重慶市的數字金融發展是有正向沖擊的，不過隨著時間的推移，這種正向的沖擊會逐漸下降到0，這說明房地產投資能夠對數字金融發展提供幫助。

五、結論與政策建議

（一）研究結論

綜合上文分析，我們可以得出以下結論：第一，在數字金融發展方面，重慶市的數字金融發展較為平穩。第二，基于實證分析的結果表明，數字金融的發展與房地產投資兩者之間具有相互正向促進的作用。

（二）政策建議

1.助推重慶市數字金融與房地產投資相結合。數字金融，作為金融科技的一個重要分支，在其加速發展的進程中，必須警惕潛在的問題。其一數據治理機制尚待完善。其二數字金融服務的生態系統尚未構建完整。為了改善這些狀況，我們可以采取以下措施：首先，建立一個數據共享機制，該機制應整合政務、企業以及個人數據，并強化數據隱私的保護措施以及實施分級分類的管理策略；其次，構建一個全面覆蓋客戶生命周期的數字金融環境。

2.加大對重慶市房地產投資的激勵措施。激勵措施要從每個參與方的角度擬定，因此本文從房地產企業、消費者、金融機構、政府四個方面分別給出相關建議。對于房地產企業而言，首先應該自查，檢查自身是否有不滿足“三條紅線”要求的部分，并積極運用自身所擁有的各類資產以及現金流，盡快滿足“三條紅線”要求。其次減少期房銷售，已經出售的期房應該設立相應資金池專用于期房建設，不得隨意挪用，同時增加準現房的比例，從房地產企業的角度給予消費者保證。對于消費者而言，首先在購房時應該盡量購買準現房，即使購買期房也要檢查企業是否證件齊全，做好風險預警。其次增加自己信息來源渠道，降低自身信息不對稱，學習房地產相關知識，對各類信息有清晰判斷，降低羊群效應發生可能性。

對于金融機構而言，首先繼續嘗試降低貸款利率，其次利用數字金融相關工具引導房地產企業進行開發，尊重房地產企業的有效投資行為，避免過度和不必要的監管，在“三條紅線”基礎上放寬貸款條件，鼓勵消費者購買房屋。

對于政府而言，首先政府帶頭聯合房地產企業建立信用評級體系，對房地產企業進行綜合評估，以便金融機構評估房地產企業的貸款能力；其次針對消費者可以重新啟動舊房拆遷補償，將市場價格、社會公平納入考量。

六、結語

在全面分析數字金融對重慶市房地產發展的推動作用后，我們深刻認識到，數字金融已成為一股不可忽視的力量，正以前所未有的速度和廣度，重塑重慶市房地產行業。通過大數據、云計算、人工智能等先進技術的深度融合與應用，數字金融不僅為房地產市場帶來了前所未有的透明度與效率，還極大地豐富了房地產產品的形態與服務模式，滿足了消費者日益多元化的需求。展望未來，隨著數字金融的不斷革新與迭代，重慶市房地產行業將迎來更加廣闊的發展空間和更加深刻的變革。數字金融將持續推動房地產市場的智能化、綠色化、人性化發展，為購房者提供更加便捷、舒適、個性化的居住體驗，同時也為開發商開辟了新的增長點與盈利模式。因此，我們有理由相信，數字金融將在推動重慶市房地產發展中發揮越來越重要的作用。

參考文獻：

[1]王海軍.數字金融助推了家庭債務風險嗎？——基于CFPS的微觀證據[J].國際金融研究，2022（07）：27-36.

[2]曹建飛，韓延玲.數字經濟對城市經濟高質量發展影響的實證檢驗[J].統計與決策，2022，38（16）：82-86.

[3]許芳，何劍.數字金融發展與企業風險承擔能力：多重效應與異質性分析[J].金融理論與實踐，2022（08）：12-21.

[4]徐巍巍.數字普惠金融、融資約束與資本結構——基于企業成長性分析[J].財會通訊，2023（10）：31-34+79.

[5]錢海章，陶云清，曹松威，等.中國數字金融發展與經濟增長的理論與實證[J].數字經濟技術經濟研究，2020，37（06）：26-46.

[6]陳海龍.貨幣政策、物價波動與房地產投資的聯動關系——基于VAR模型的實證研究[J].建筑經濟，2020，41（05）：9-14.

〔作者簡介：張克雯，貴州財經大學大數據應用與經濟學院（貴陽大數據金融學院）副教授。別學霖，貴州財經大學大數據應用與經濟學院（貴陽大數據金融學院）。〕