影子银行与我国房地产价格相互影响研究——基于VAR模型的实证分析

魏燕子

(中国人民银行鄂州市中心支行，湖北 鄂州 436000)



影子银行与我国房地产价格相互影响研究
——基于VAR模型的实证分析

魏燕子

(中国人民银行鄂州市中心支行，湖北 鄂州 436000)

影子银行在某种程度上具备了银行的功能，在房地产行业融资普遍不足情况下，对商业银行起到了一个很好的补充作用。本文通过建立VAR模型，脉冲响应和方差分解的方法，探讨了影子银行与我国房地产价格相互影响，结果显示影子银行在一定程度上能影响房地产价格，也很容易受到房地产经济波动的影响。

影子银行；房地产；VAR 模型

一、研究的背景

影子银行又可称作为影子金融体系或者影子银行系统，是指房地产的贷款被加工成有价证券，交易到资本市场。影子银行主要是对传统银行信贷业务的一种复制和衍生，它的产生和扩张代表的是迅速崛起的民营经济。根据穆迪2015年预测，2014年底我国影子银行资产约为41万亿元，这相当于GDP的65%。伴随着影子银行规模的扩张，2008年以来，我国的房地产价格也一路扶摇直上，REICO 工作室《中国房地产市场报告》显示，2010年、2011年、2012年、2013年、2014年、2015年，70 大中城市新建住宅价格分别同比上涨12.2%、4.4%、4.45%、8.2%、1.56%、2.07%。

影子银行的发展和壮大逐渐影响着中国的金融结构乃至经济发展的状况，为此国内外专家和学者对影子银行进行了大量的相关研究。Coleman etal.(2008)在分析次贷危机中美国房地产价格泡沫形成及破裂的原因时就指出美国影子银行体系所产生的需求冲击了房地产价格，同时这种信用方式催生了房地产价格泡沫。单畅(2015)通过计量分析研究得出影子银行贷款规模变动和影子银行贷款利率变动会影响房地产价格。会最终降低房地产价格的上涨幅度。于歌(2013)认为影子银行的规模无论短期还是长期对房地产价格均具有正向的影响。因此监测好影子银行创造的流动性对平抑房地产价格的波动具有十分关键的意义。在我国大部分学者都肯定了影子银行的积极作用，且认为我国影子银行的特性使其不具备引发系统性金融风险的条件。侯建(2012)认为影子银行以其独特的优越性和灵活性在一定程度上满足了中小企业的金融服务需求。此外，[8]陈剑，张晓龙(2012)通过基于SVAR计量模型的实证分析得出影子银行对于我国宏观经济增长起着一定程度的促进作用。

根据我国目前的经济表现和国外的相关研究，影子银行体系和房地产价格之间的关系、具体影响机理和影响效果值得进行理论研究和实证检验，这不仅对有效调控影子银行和房地产价格这两个经济问题具有重要的理论意义，而且对金融自由化过程中的金融监管和宏观经济调控也具有重要的借鉴意义。

二、影子银行对房地产影响分析

(一)影子银行对房地产融资途径分析

图1 一个典型的委托贷款计划

房地产行业号称第二金融，我国房地产企业普遍存在着资产负债率偏高，经营风险大，自有资金不足的问题，其开发和买卖资金大部分来自金融机构。在市场经济不发达的国家，房地产融资主要依靠银行，而我国大多数房地产企业规模小，属于中小型企业，商业银行对中小型企业的贷款业务设置了较高门槛，一些中小型的房地产开发商在融资上存在很大的困难。影子银行的出现很好的填补了这一不足，影子银行利用其委托贷款、信托贷款和民间借贷等体系信贷能很好的弥补房地产开发商的资金不足问题，为其健康发展提供了良好的融资环境。

图1显示的是影子银行一个典型的委托贷款计划，影子银行对房地产的委托贷款是指委托人可以要求影子银行将其存入的资金，按其指定的范围、对象和期限等来发放房地产贷款。影子银行机构与委托人签订贷款协议，并按照委托贷款协议来审查发放贷款，到期收回贷款本息并转交委托人。在我国房地产行业一方面供需不平衡另一方面受到国家政策调控，开发商资金紧张，成为吸金重地，这部分委托贷款大都以开发商的不动产或股权作为抵押，有固定资产作担保，因此成为委托贷款的流向大户。

图2 一个典型的信托贷款计划

如图2，影子银行对房地产的信托贷款与委托贷款类似，是指信托贷款机构运用信托基金或其吸收的自由资金，对房地产商进行资金融通，仍是以不动产或股权作质押。但相比于委托贷款，信托贷款赋予信托机构更大的灵活性和自主性，其审批程序更简便，经营决策更自主，对房地产业具有更强的适应性。

在我国，影子银行对房地产的信贷支持还主要限定在传统的直接融资的范畴，是对传统银行信贷的替代。中国的影子银行基本上还没有进入到类似西方的资产证券化的范畴，自证监会2013年发布《证券公司资产证券化业务管理规定》以来，资产证券化逐渐成为基建和房企趋之若鹜的融资方式。目前券商与房地产开发商都对此种新融资方式抱有极大的热情与期待。

(二)影子银行与房地产价格相互影响分析

在金融体系相对健全、经济环境相对稳定的背景下，影子银行能够弥补房地产商在商业银行融资难的问题，增加房地产的供给，平抑房地产供需的不平衡。但影子银行的融资成本也会对房地产价格产生很大的影响，当影子银行要求较高的资本回报率时会增加房地产商的融资成本，进而抬高房价。影子银行对房地产商提供贷款的主要依据是抵押屋的价值，房地产市场存在投机现象时，抵押屋的价值会随着房价的上涨而上升，当影子银行预期利润增加，在逐利驱使下，会加大对房地产业的信贷支持，而忽视其信贷风险，进一步推动房价。

房地产是一个具有双重性的产业。它是实体经济的一个子部门但又极具虚拟经济属性，不仅具有投资性更具投机性，而影子银行的宽松信贷支持助长了各种房地产投机行为的产生，从而也将间接导致了房价的上升。另一方面其过度宽松的信贷环境以及尚未正规化的监管体制也将在一定程度上促使房价的上涨。

三、基于VAR模型的实证分析

(一)指标选取与数据处理

影子银行逐渐被人们认识还是在2008年次贷危机之后，近两年国内影子银行发展迅速，房价的波动幅度也很大，故本文选取的是次贷危机前至今的月度数据。

房地产价格指数是反映房地产价格变动趋势和变动程度的相对数，是通过百分数的形式来反映房价在不同时期的涨跌幅度，其代表性强。故房价的衡量指标选取的是全国房屋销售价格指数的环比增长率HP。

由于影子银行的数据难以获得，从影子银行各项贷款的占比来看我国委托贷款、信托贷款构成了影子银行绝大部分，因而将两者总规模的环比增长率DP作为衡量影子银行规模数据。

考虑到宏观经济环境的影响，本文还选取了货币发行量作为观测变量。在我国，M2更能体现出经济投资的货币环境，故本文采用货币供应量的环比增长额M2作为测量工具。

本文数据来源于中国人民银行，中国统计局以及wind数据库和中国指数研究院，所有的数据均采用月度数据，时间跨度为2005年7月至2015年12月。

(二)VAR模型的建立

1.单位根检验

在进行时间序列分析时，应该首先进行平稳性检验并确定单整阶数，本文采用ADF检验方法，结果如表1示

表1 ADF单位根检验结果

注：检验为mackinnon(1996)单边检验方法。

从表1中数据可以看出，序列DP，HP，M2的ADF统计量均大于1%显著性水平下的临界值，因此我们接受原假设，即原时间序列是非平稳序列，含有单位根；而一阶差分序列DDP，DHP，DM2的ADF值均小于1%显著性水平下的临界值，因此我们拒绝原假设，是平稳序列。所以，DDP，DHP，DM2序列具有一阶差分平稳性，即它们是I(1)过程。

2.建立VAR模型

VAR模型是一种非结构化的方程模型，常用于预测相互联系的时间序列系统及分析随机扰动对变量系统的动态冲击，从而解释各种经济冲击对经济变量形成的影响。

VAR模型建立前必须进行滞后期的确定，滞后期对模型的影响是非常大的。我们根据AIC和SC信息准则选择最优滞后阶数为4。综上对样本数据建立如下VAR(4)模型。

Yt=Φ1Yt-1+Φ2Yt-2+Φ2Yt-3+Φ2Yt-4+et

其中Yt=(DDPt，DHPt，DM2t)，Φ1，Φ2，Φ3，Φ4为3×3矩阵，et为白噪声向量。

3.对模型进行检验

(1) Johansen协整检验

通过上面的单位根检验，可知DDP，DHP和DM2是同阶单整序列，满足协整检验前提。现采用Johansen法来判断协整关系是否真正存在，检验结果如表2和表3所示

表2 特征迹检验(Trace Test)

注：检验统计量的上标**表示拒绝原假设

表3 最大特征值检验(Maximum Eigenvalue)

注：检验统计量的上标**表示拒绝原假设

根据表2，表3得出以下结论：在5%的置信水平下，特征迹检验与最大特值的迹统计量均大于临界值，也就是拒绝原假设。即以上两种方式都认为，在5%的置信水平下，影子银行(DDP)、房价(DHP)和货币供应量(DM2)之间存在协整关系，即变量在长期内存在相关关系。

(2)模型平稳性检验

对VAR模型进行平稳性检验，如果全部根的倒数值都在单位圆内，则认为模型是稳定的，否则是不稳定的，非稳定的VAR不可以做脉冲响应函数分析和方差分解。下面运用单位根检验法对VAR(4)模型进行稳定性检验。

图3 VAR(4)模型单位根检验图

从估计结果中可以看出，向量自回归方程的所有根均在单位圆内，即满足平稳性条件，可以对结果进行脉冲分析和方差分解。

(三)模型结果分析

1.脉冲响应函数分析

脉冲响应函数描述一个内生变量对来自另一内生变量的一个单位变动冲击所产生的响应，提供系统受冲击所产生响应的正负方向、调整时滞和稳定过程等信息。横轴表示冲击作用的滞后期(单位：月)，纵轴表示被解释变量对解释变量冲击的响应程度。实线为脉冲响应函数，上下两条虚线为正负两倍标准差的偏离带。

(1)影子银行(DDP)的脉冲响应函数分析

图4 影子银行受DHP，DM2脉冲响应函数曲线

如图4所示，初始时刻给予货币供应量(DM2) 单位正向误差冲击，影子银行开始有了正向的变动但效应不明显，影响效应随后逐渐上升，在第5期达到最大，在第6期到达峰谷后再逐渐上升，接着逐渐趋于平稳。说明国家实行宽松货币政策的同时也会诱发影子银行的发展，并且滞后效应明显。

当给予房价(DHP)单位正向误差冲击，影子银行的变动刚开始也是正向的，相比对于货币供应量的冲击影响，前期效应要明显很多，也是在第5期达到顶峰，随后第6期到达峰谷，接着逐渐趋于平稳。房价的影响后期要平缓一些。整体来看，房价对影子银行主要是正的冲击且作用明显，也说明了房价上涨，房地产投资前景被看好时，追求高利润的影子银行将会加大对房地产行业的投资。

(2)房价(DHP)的脉冲函数影响分析

作为房价的衡量指标——DHP 显示出当其受到影子银行和货币供应量单位正向冲击之后，主要呈波动状态且波动频繁。从图中可观察到影子银行对房价短期内主要是负影响，长期主要是正的冲击。短期影子银行信贷增加后，房地产贷款增加会增加房屋的供给，故房价会出现一定程度的下降，但是长期由于房地产行业的刚性需求加上宽松信贷环境导致的过度的投机势必会引起房价的上升。

图5 DHP受DDP，DM2脉冲响应函数曲线

2.方差分解分析

为进一步分析每一个结构冲击对内生变量变化的贡献程度，现借助方差分解对影子银行(DDP)，房价(DHP)，货币供应量(DM2)进行考察。根据经济变量间的宏观关系，将滞后阶数设为10。

表4 影子银行(DDP)的方差分解

从表4 中可以看出，滞后期越短，影子银行的自身贡献率越大。随着滞后期的增加，房价对影子银行的贡献率不断上升，并分别于第8 期和第9期达到稳定，为16. 46%和20. 30%。进一步表明，房地产行业的繁荣和宽松的货币政策对影子银行的发展有很大的促进效用。

表5 房地产价格(DHP)的方差分解

由表5可知，房地产价格(DHP)受自身的影响很大，在第7期达到稳定，为89.23%，而影子银行(DDP)和货币供应量(M2)对房价有一定的贡献率，但影响都有限，分别在第5期和第9期达到稳定，为6.68%和4.13%。由此可知，影子银行对房价的影响程度不如房价对影子银行的大。也说明了我国房价受到诸如地价以及国家的宏观政策调控等的影响比较大。

四、结论及政策建议

本文重点分析了影子银行和房地产价格相互影响关系，并基于我国2005-2015 年月度数据进行了实证分析，得出结论如下：

第一，影子银行的发展对房地产是把“双刃剑”。一方面，其快速发展在一定程度上能够有效缓解房地产行业从正规商业银行融资难的问题，在短期内平抑了房价；另一方面，其逐利性又助长了房地产行业的过度投机行为。

第二，高房价和宽松的货币政策对于影子银行的发展和壮大起到了很大的促进作用。故一旦房地产经济发生波动，房地产企业的经营风险将转变为影子银行的金融风险，进而影响国家的金融安全。

因此，监管当局对待影子银行的发展问题应该慎重，要保持客观的态度，不能因2008年的全球性金融危机就抹杀了影子银行对房地产行业的促进效应，忽略其在资源再配置上的功能。与此同时也要对影子银行的高杠杆性保持警惕，进一步完善监管环境、加强监督力度，引导其健康发展。

首先，监管当局应当充分发挥委托贷款、贷款信托和民间借贷等影子银行体系作为资源配置方式的功效，切实鼓励、引导影子银行的健康发展和进一步壮大，让其在创造经济价值的同时也能促进我国房地产业的发展。

其次，我国房地产行业的确存在过度投机的现象，再加上房地产商的盲目投资，缺乏合理的规划，有较大的融资风险。故应尽量规划和管制好房地产行业的发展，建立精细化、数据化的房地产监管系统，避免引起类似2008的次贷危机。

最后，要将影子银行纳入到宏观审慎监管体系当中。开展银信合作、表内转表外的业务。对地区委托贷款、民间借贷的总量，监管当局应当加以控制，制定统一、客观的数据信息统计口径，加强金融部门和机构的信息披露，逐步建立金融业综合统计体系。尽快将影子银行业务正式纳入商业银行监管体系范畴。

[1] Gary，G.Metrick A.Regulating the Shadow Banking System，Yale University，18 Oct 2010

[2] Morgan，R.Shadow Banking and Financing Regulation，Harvard University，30 Aug 2010.

[3] 侯健.影子银行发展对中小企业融资的影响研究[J].企业与银行，2012(6)：84-86.

[4] 陈剑、张晓龙.影子银行对我国经济发展的影响研究[J].财经问题研究，2012(8)：66-72.

[5] 张仁枫.房地产金融创新与影子银行的监管 [J].内蒙古财经学院学报，2011(6)：44-47.

[6] 易宪容.中国“影子银行”的特征及风险[N].上海商报，2011-09-06.

[7] 单畅，韩复龄，李浩然.影子银行体系对房地产价格的作用机理探究[J].技术经济与管理研究，2015(4)：94-98.

[8] 于歌，回振彪.影子银行对中国房价的影响[J].时代金融，2015(11)：134.

[9] 卢琼佩.影子银行对我国房地产价格影响的实证分析[J].经济论坛，2015(1)：74-78.

[10] 韩蓉蓉，白建东，赵婉淞.银行信贷对房地产价格影响的研究[J].内蒙古农业大学学报，2011(2)：57-60.

[11] 安辉，王瑞东.我国房地产几个影响因素的实证研究[J].财经科学，2013(3)：115-124.

[12] 陈志英，韩振国，邓欣.信贷、房价波动于银行稳定性关系的实证研究[J]. 金融理论与实践，2013(2)：7-11.

[13] 高铁梅.计量经济分析方法与建模：Eviews应用及实例[M].清华大学出版社，2009.