房地产泡沫与银行信贷风险相关性研究的介绍

文/王春艳 董继刚

一、引言

1998年住房体制改革，结束了以往的福利化分房时代，“居者有其屋”成为每个中国人的梦想，这一定程度上刺激了对商品房的市场需求。房地产行业由于其产业联动性高、基础性强、投资收益率高等特点，对社会发展的作用不容小觑。由于信贷配给制的存在，商业银行只能通过非价格手段选择贷款客户，此时商业银行更偏好利润率较高的行业。房地产行业的利润率高达约12%，高额的投资回报率使银行往往会忽视对房地产过高的信贷支持所潜藏的风险，而加大房地产信贷的投放。当社会与银行的资本不足以支撑现有的房地产泡沫时，房地产商的资金链会断裂，市场投资者的预期会出现反转，使房地产价格迅速下降，房地产商纷纷破产，作为银行抵押物的房产价值也会在短期内急剧地、超周期地下降，银行会出现大量的不良资产，从而可能触发金融危机。国内外学者对于房地产泡沫与银行信贷风险的相关性进行了持续研究，取得了很多成果，本文对国内外相关研究文献进行了收集、整理、分析与归纳，以期探究防范房地产泡沫和银行信贷风险的有效措施，促进房地产市场的健康发展以及国家宏观经济的稳定。

二、国外研究现状

国外对房地产泡沫与银行信贷相关性的研究开始得较早，相关理论研究较为成熟。17世纪荷兰的郁金香狂热、英国的南海泡沫以及法国的密西西比泡沫使人们开始注意到这种投机所导致的泡沫化现象。相关研究最初主要针对证券市场和股票市场，直至20世纪90年代，才逐渐延伸到房地产业。

（一）对房地产泡沫的测度

1.经济指数比较分析法。国外对房地产泡沫的测度大多通过与同期其他有代表性和相关性的经济指数作比较。Campbell、Robert在1987运用单位根－协整检验对1871-1976年标准普尔指数进行检验，Diba、Grossman在1988年选取1928年-1977年的道琼斯指数和1871年-1979年的标准普尔500指数，通过单位根－协整检验实证分析房地产泡沫。Wei-Xing Zhou、Didier Sornette在2005年用幂律模型及LPPL模型测度美国东北部、中西部、南部和西部地区的房地产泡沫，发现美国东北部及西部的22个州出现了泡沫快速增长的明确信号，从而在标准普尔500指数分析的基础上提出泡沫的转折点可能会发生在2006年。Brian Scott Amrine在2011年用中位数倍数（城市房价中值除以收入中值）衡量城市的可负担性，通过多元回归分析发现中位价格可以解释17%的房地产泡沫变化，用美国20个城市2006年6月到2009年4月Case-Shiller房价指数的差值，即泡沫高峰期到泡沫低谷期的差值，可以大体衡量房地产泡沫。

2.基本面分析法。Allen、Gale在1998年通过构建投资者在房地产市场上完全用自有资金和投资者完全向银行贷款（将风险转移给银行）两种模型，对比风险转移前后均衡价格的变化，未发生风险转移的价格被确定为基本面价格，风险资产的均衡价格超过基本面价格的部分为资产泡沫。Fengyun Liu、Reza Malekian等在2017年利用经济基本面确定房地产基本值，在面板数据分析的基础上测度房地产泡沫，分析发现中国目前的房地产泡沫远远小于80年代的日本。Barberis等在2018年使用两组代理，第一组为理性预期（基本面），第二组为回顾性预期（外推器），发现外推器助长基本面的部分为泡沫部分。Jan R. Kim在2016年通过建立资产定价的现值模型实证测度了韩国1987年-2014年的房地产泡沫，将实际房价与租金比例的变动分解为对房地产市场基本面（租金增长、无风险利率和住房投资的超额回报）和泡沫的预期，提出2014年底房地产泡沫达到了房价的51%。

3.指标分析法。Timo Virtanen等在2018年通过对过去30年15个欧盟国家多个繁荣指标进行加权求和，得出综合繁荣指标以测度泡沫，并提出房价收入比和信贷与GDP的比是测度泡沫最好的指标。

4.其他。P. Phillips等（2015）通过SADF的实证方法，用右尾单位根检验测度时间序列中的泡沫。Banerjee等在2013年通过建立随机系数自回归模型以测度房地产泡沫。

（二）影响房地产价格的因素

Bertrand Renaud、John M. Quigley、Fuda Koji认为银行信贷的过度扩张是促进房价上涨的主要原因。Hitoshi Saito在2003年提出土地价格永远不会下降的预期，宽松的货币政策以及过度的银行信贷促使日本房价飙升，进而爆发经济危机。Hemmelberg等在2005年认为，在市场没有压力的情况下，房价完全受土地价格、实际建筑成本等供应因素的影响。然而，由于供应缺乏弹性以及房地产市场的不完善，Iossifov等、Hilber等认为收入、抵押贷款利率等需求因素是影响房价的主要因素。J Gallin在2008年通过长期回归和标准误差校正模型作实证分析，认为租价比可以反映未来房价的波动。Wei-Xing Zhou、Didier Sornette认为公众对房地产的乐观预期以及供需的不平衡导致房价自身的正反馈机制对房价波动产生影响。Michael Koettera在2009年通过PMG估计模型作实证分析，发现人口以及GDP是房价的决定因素。2010年波兰国家银行住房市场报告指出，银行抵押贷款在2002年-2009年的泡沫期间直接驱动了波兰市场上对房地产的需求，促进了房价的上升。Iacoviello、Neri在2010年对过去40年的房地产数据进行分析，发现住房需求、统计技术的进步以及货币因素对房价有影响，其中货币因素的影响最为显著。Ben Dachis在2012年通过实证分析提出，征收土地转让税会促进多伦多房价的下降。Justyna Brzezicka认为，如果房地产价格的形成过程没有行为因素的参与，那么房地产市场不可能存在泡沫现象。诱惑和情感、羊群行为、有限的理性行为以及短期投机这些市场行为因素是房地产泡沫形成的重要原因。I-Chun Tsai在2015年通过建立计量经济模型，对1991年1月-2012年8月美国房价数据进行实证分析，发现长期宽松的货币供应对房价有显著的影响。Jan R. Kim在2016年通过现值模型实证分析，发现住房投资的风险溢价是决定房价的根本因素。Williams在2016年提出，宽松的信贷和货币政策立场的支持促进了爱尔兰房地产需求的激增，进而影响房价上涨。Justyna Brzezicka在2018年运用相关分析和格兰杰因果检验分析发现，长期的供求不平衡以及信息的不对称会影响房地产价格。

（三）商业银行信贷资产的结构

2000年欧洲央行的报告显示，1989年－1998年非利息收入在欧盟银行收入中所占的比例由25%上升到41%。随后的数据显示，2007年非利息收入占比为49%，2013年下降至42%。

Inderst、Holger M提出，所有进行股权融资的银行的信贷行为会相对保守，更倾向于低信贷风险的项目。Fuda Koji在2008年实证分析发现，泰国金融危机爆发前，银行将大量信贷投向房地产业，偏离了实体经济，助长了泡沫的破裂。Michael Koetter等在2009年对德国银行1995年-2004年的信贷数据进行分析，发现德国专业抵押银行的按揭贷款约占其信贷总额的89%，全能银行的按揭贷款所占的比例同样较高，约占39%。Gonzalez-Paramo在2011年指出，利差的上升代表信贷流动性的缺乏，欧洲中央银行近年来实施的大多数非常规的货币操作都试图减轻银行间同业拆借的压力。Hans Gersbach在2013年通过建立一个包含金融中介的两周期模型，发现银行由于股权稀缺而通过加大股本的回报对股本进行竞争，这会加大对高利率（潜在违约风险大）公司信贷的赌博行为，降低对低利率公司的信贷。Ozlem Akin等在2014年提出，西班牙是一个以银行业为支柱的经济体，经历了房地产和信贷市场上最繁荣和最萧条的10年，抵押贷款占国内生产总值的65%，房地产开发商和建筑业的贷款占国内生产总值的45%，向家庭提供的抵押贷款和消费信贷占GDP的91%。Matthias Raddant在2014年通过建立自回归模型对1999年-2010年意大利同业拆借市场的交易量以及信贷利差进行实证分析发现，在经济景气时，银行对隔夜市场的借贷比例相对较高，经济低迷导致隔夜拆借的比例下降，并且一些小规模的银行会退出同业拆借市场。Simon Dubecq等在2016年通过构建无担保利率与无风险银行同业拆借利率息差的二次期限结构模型，用无套利经济计量框架将息差期限结构分解为信贷和流动性成分，结果表明在2012年-2013年间，银行间利差的减少大部分来自信贷流动性相关风险成分的减少。Malgorzata Pawlowska在2016年提出，金融危机前欧盟15国大量对私营部门过度放贷，西班牙和爱尔兰的住房贷款占银行信贷额的比例显著提升，通过对面板数据进行回归，发现银行业规模的扩大对欧盟银行内部的风险承担产生了负面影响。Alejandro Serrano在2016年通过OLS回归和分位数回归，发现墨西哥的外国银行控制着80%以上的银行资产，墨西哥的外国银行主要倾向于发放消费和住房信贷，而墨西哥的国内银行则将信贷大部分集中于商业项目。Joaquín Maudos在2017年通过对2002年-2012年欧洲银行的数据进行回归分析，发现非利息收入在经济扩张期随着金融脱媒占比逐渐提高，且非利息收入占比过高在金融危机期间使银行有更大的破产风险。Nitin Arora等在2018年通过对2005年-2013年间在印度经营的81家商业银行建立CASE模型，经实证分析发现，印度的公共部门银行由于向优先部门强制贷款，并且贷款的占比很大，直接导致效率的低下和不良贷款率的上升。

（四） 房地产周期与银行信贷周期的相关性

Wernecke等在2004年认为，德国房地产市场一直受到周期性波动的影响，房地产市场的周期性波动对项目开发、投资组合管理和房地产融资具有重要意义。Marcel Arsenault等在2013年通过建立CMBS模型发现，银行抵押贷款的波动是房地产市场周期性波动的重要推动力。Ozlem Akin等在2014年通过建立经济萧条和繁荣时期银行信贷的回归方程，发现房地产市场的繁荣和萧条以及相关的信贷周期是美国、爱尔兰、英国和西班牙金融危机的主要驱动因素。Suparna Chakraborty在2015年通过建立动态随机模型发现，房地产市场的周期性波动基于抵押品的质押明显地放大了对实际宏观总量的初始冲击，金融加速器通过“再分配通道”将资产价格转化为抵押品的价值，很好地解释了基于抵押品价值的信贷变动。

（五）房地产泡沫（房地产价格）与银行信贷相关性的因果关系

1.房地产泡沫（房地产价格）与银行信贷的单向因果关系。

（1）房地产泡沫（房地产价格）对银行信贷的单向因果关系。Davis、Haibin-Zhu在2004年通过对房地产价格与银行信贷之间的关系进行实证研究，发现房地产价格的上升直接促进了银行信贷规模的扩大，反之不成立。Mohannad Tajik等在2015年通过研究1999年-2011年美国房地产信贷与房价的波动走势，发现房价波动对银行信贷有显著的影响。Michael Koetter等在2009年基于1995年-2004年德国银行相关信贷数据建立了logistic模型，实证分析证明，房价的上升将直接影响银行信贷的投放量，并进一步影响银行的稳定性。

（2）银行信贷对房地产泡沫（房地产价格）的单向因果关系。Fuda Koji在2008年通过对1985年-1997年泰国金融机构的数据进行实证分析，发现泰国金融机构对房地产业过度放贷，偏离了实体经济，助长了房地产泡沫的膨胀与破裂。Ozlem Akin等在2014年通过使用一个独特的借款人-贷款人匹配的西班牙抵押贷款数据集，建立了经济繁荣和萧条时期的回归方程，发现经济繁荣会使银行放松信贷标准，银行的过度信贷促进了房地产泡沫的形成。2010年波兰国家银行住房市场报告指出，在2002年-2009年，波兰银行抵押贷款的过度投放直接促进了房价的上升。Williams在2016年提出，银行宽松的信贷导致住房需求激增，从而使爱尔兰房价迅速上涨。

2.房地产泡沫（房地产价格）与银行信贷的双向因果关系。Herring、Wachter认为，房地产价格上涨和银行信贷扩张是双向促进、螺旋上升的过程，若房地产价格下降，银行资产缩水，监管者将执行更为严格的要求，银行信贷下降将进一步促进房价下跌。Senhadji、Collyns在2001年通过对中国香港、泰国、韩国、新加坡四个东亚经济体的相关数据进行实证研究，发现房地产价格的变动与银行的信贷资金支持有双向的促进作用。Timo Virtanen等在2018年对1980年-2012年欧洲货币联盟15个国家的相关数据进行单位根繁荣检验，发现大多数国家在2000年初已经开始信贷和房价的爆炸性增长，且信贷与房价相互促进，加剧了泡沫的膨胀。Marcel Arsenault等在2013年用1978年-2008年美国的季度数据建立CMBS模型，发现银行抵押贷款的资金流动与房地产市场的资本增值形成积极的正反馈循环。

3.因果关系不明显。Gregory H. Bauer在2017年基于三个房价修正预测指标构建Logit回归面板模型，对18个经合组织国家的房价进行修正，发现相对于金融危机时期，此时银行信贷对房价的影响不明显。

三、国内研究现状

国内对于房地产泡沫与银行信贷相关性的研究起步较晚，相关理论体系尚不太完善，国内早期对房地产泡沫的研究大多建立在国外研究的基础上，通过理论、模型的借鉴并结合国内实际进行创新性研究。

（一）房地产泡沫的测度

国内学者主要采用指标法（单指标法、多指标法、功效系数法）、模型法、多元统计法（主成分分析法、因子分析法）以及多种方法结合使用等，对房地产泡沫进行测度。

1.指标法。国内学者对房地产泡沫的测度有多种方法，其中使用最为广泛的方法是指标法，但不同学者对测度房地产泡沫指标体系的设计有所不同。吕铮、高明（2012）用七个描述房地产泡沫的单项指标，通过熵权法和功效系数法计算综合预警系数K值，发现重庆市1996年-2009年间房地产市场总体发展较为平稳。张鹤彤、郑晓云、苏义坤（2018）以齐齐哈尔市为研究对象，计算了该市2011年-2015年五个房地产泡沫单项指标的数值，通过熵权法和功效系数法计算综合预警系数K值，发现齐齐哈尔市目前存在值得关注的一般程度的房地产泡沫。曹琳剑、王杰（2018）测算了我国2006年-2016年八个房地产泡沫单项指标的数值，通过熵权法和功效系数法计算综合预警系数K值，发现我国房地产泡沫水平总体呈下降趋势。徐泽民等（2009）、吕江林（2010）、王浩（2017）认为，房价收入比是测度我国房地产泡沫最理想、可靠的指标。

2.模型法。叶卫平、王雪峰（2005）选取我国2000年-2004年的相关数据构建Ramsey模型对房地产泡沫进行测度。杨灿、刘赟（2008）选取我国1991年-2006年的相关数据，通过对Ramsey模型进行改进以测度房地产泡沫，经实证分析发现，我国在1991年-2006年重复着正泡沫——无泡沫——负泡沫的过程。郭永济、唐建民（2011）通过建立资本边际收益率模型确定房地产的基本价值，用实际价格偏离其基本价值的程度衡量泡沫水平。张超（2018）以长三角城市群2007年-2015年的数据为研究对象，通过建立静态面板模型，发现长三角城市均存在不同程度的房地产泡沫。李梦玄、曹阳（2013）构建局部均衡模型，以行为金融理论为研究视角，对1997年-2011年我国的房地产泡沫进行测度。

3.多元统计法。陈璐佳、蒋伟伟（2016）以全国27个大中型城市2010年-2014年的数据为研究对象，通过主成分分析法和因子分析法进行实证分析，发现房价的高低与泡沫化程度并无直接的联系。赵息、孙继国（2010）以我国环渤海地区的部分城市为研究对象，用因子分析法测度各城市1999年-2007年的房地产泡沫。李平等（2015）、冯利英、等（2012）、王浩（2017）用因子分析法测度我国的房地产泡沫。

4.多种方法创新性结合。郭恩泽、陈荣清（2018）提出，根据我国国情采用指标法和模型法相结合的方式对我国房地产泡沫进行测算更合理。韩克勇、阮素梅（2017）将指标法与模型法结合，对房地产泡沫进行测度，首先建立房地产价格与租金和收入关系的简单模型，然后构建房价收入比、房价租金比两个指标以测度房地产泡沫的大小。

（二）影响房地产价格的因素

邹朋飞（2008）、张铭（2009）、吴可可（2015）、刘育肇,等（2018）、胡逸飞（2018）、向为民等（2018）认为，银行信贷的过度扩张是影响房价的主要因素。马勇、吴雪妍（2018）进一步提出，需求端的银行贷款对房价的影响更为显著。陈浩、葛扬（2008）研究发现，人民币升值、外资大量流入，通过流动性效应、财富效应以及信贷效应促进房价上涨。曹景林（2011）认为，土地交易价格是房价上升重要的成本推动力，市场的旺盛需求是房价上升重要的需求拉动力。赖一飞等（2012）认为，金融体制不健全、投资偏好、土地出让制度的缺陷、市场结构的不合理以及保障性住房的缺失是房地产泡沫形成的原因。韩克勇、阮素梅（2017）通过建立回归模型作实证分析，发现土地价格、财政支出、利率对房价有显著影响，而汇率、货币供应量对房价没有显著影响。刘付韩（2018）、蒲火元等（2018）、吴振华等（2018）认为，人口流动对房价有显著影响。

（三）我国银行信贷资产的结构

林国英、梅欢雪、王文星（2014）分析了2013年上半年福建省工商分行、工商系统以及工商A分行的信贷资产结构，其中信贷资产占比位于前三的是一般流动性贷款、项目贷款以及个人住房抵押贷款，房地产信贷总额占比分别为22.31%、23.2%、30.47%。张小琴（2015）指出，到2014年末，青海省银行机构将近八成的信贷投向了大中型企业，中长期信贷额占比72.77%，行业信贷结构中房地产业占比较高，约为4.3%。王静蓉（2017）指出，当前农行山西省分行的信贷投向有“贷大、贷长、贷集中”的倾向，并且信贷投放高度集中于“大而重”的重资产行业。樊志刚（2018）提出，2012年-2016年间四大行零售贷款占比由26%上升到35%，公司贷款（不含票据贴现）占比由70%下降到61%，2017年由于公众贷款需求增加，四大行加大了零售贷款和公司贷款的投放。金平（2018）指出，农行湖南分行的信贷资产结构存在着行业集中度高、客户总量小等短板。吴文忠（2018）指出，2018年上半年我国23家上市银行新增贷款额中，约38%为房地产信贷。张明哲（2018）以15家上市银行为研究对象，发现2017年在信贷需求回暖的情况下，15家上市银行压缩票据贴现，加大对公司和零售贷款的投放，持续退出对低端制造业以及不良率较高的批发零售业的信贷，持续加大对绿色信贷、国家战略支持区域及薄弱环节的信贷。

（四）房地产市场周期波动与银行信贷周期波动的相关性

由于我国房地产市场的发展历程较短，国内学者对于房地产周期与银行信贷周期波动的相关性的研究成果有限。杨小丽（2012）指出，银行信贷风险周期与房地产周期息息相关，并且随着房地产市场周期不同阶段的波动表现出不同的特征、风险形式和程度。羿建华、孙健（2016）用VAR模型和HP滤波法对1999年-2015年9月的数据进行实证分析，发现房地产销售额增速与货币供给增速有着明显的周期性波动特征，房地产市场周期与金融周期（银行信贷周期）有显著的相关性。易传和、詹蕙卿（2009）用房景指数描述房地产市场周期，用企业违约率描述银行信贷风险周期，发现两者的波动之间存在密切的联系。杨彩霞、李英子（2010）用房地产开发信贷资金占银行总贷款的比例划分房地产市场周期，用商品房销售面积的增长率划分银行信贷周期（金融稳定性），发现两者存在相关性，但由于存在时滞，两者之间不是强相关关系。易宪容认为，房地产市场的周期性调整会使房价下跌，银行体系的脆弱性会显现，银行信贷的不良资产会大量增加，银行信贷也将进入周期调整阶段。郭子睿等（2017）指出，房地产市场周期与银行信贷周期的波动走势大体相似，在不同时期呈现出领先和滞后的规律。吴文忠（2018）通过建立回归方程，发现房价指数与银行不良贷款同比增速呈高度负相关关系，房地产行业的周期变化与银行不良贷款周期波动的相关性增强。

（五）房地产泡沫（房地产价格）与银行信贷的因果关系

1.房地产泡沫（房地产价格）对银行信贷的单向因果关系。邵贤炤（2006）借鉴Carey模型和Herring &Wachter模型分析了房地产泡沫与银行信贷之间的关系，发现银行对房地产的过度信贷使房价飙升。曾国安、洪丽（2011）通过对中国1997年第一季度至2007年第二季度银行信贷及商品房价格的数据进行实证分析，发现从银行信贷到商品房价格有着长期单向的动态均衡关系。刘园、韩斌（2012）对我国经济增长、银行信贷、房价、利率1998年第一季度至2011年第四季度的数据进行ARDL边限协整检验，发现银行信贷对房地产价格有正向的显著影响。魏文轩（2013）通过对1997年-2011年银行信贷、房价以及一年期利率的相关数据进行回归分析，发现银行信贷支持是影响房价波动的重要因素，对银行信贷和房价之间的相关性拟合度可以较好地解释银行信贷政策对房价的调控效果。陈赟,杨坚争（2018）构建VAR模型，发现银行信贷增长率在短期与房价增长率呈现单向因果关系，房价和银行信贷在长期不存在协整关系。吴可可（2015）、胡逸飞（2018）构建VAR模型，发现房价与银行信贷是单向因果关系。

2.房地产泡沫（房地产价格）与银行信贷的双向向因果关系。陈梦璇（2010）、秦岭等（2012）从理论上分析了银行信贷与房价之间的影响机制，发现两者之间彼此推动与加强。杨飞、王春晨（2015）、徐晓通（2018）发现房地产价格与银行信贷存在双向的正相关关系，但这种正相关性有一定的延迟，可能因为短期内政府会对房价的上涨采取信贷紧缩政策。刘育肇、姚婷（2018）构建VAR模型作实证分析，发现长期银行信贷与房地产价格存在双向因果关系。向为民、谭娟（2018）通过建立SVAR模型，发现银行信贷和房价在短期和长期均互为因果关系。

四、国内外研究成果的评述

国外多采用与同期相关经济指数作比较以验证房地产泡沫的存在，而国内多采用指标法对房地产泡沫进行测度，在测度指标体系的构建上往往由于数据的可得性舍弃一些重要指标，从而降低了测度方法的科学性和有效性。此外，在国内，学者普遍认为房价收入比是测度房地产泡沫较为理想且可靠的指标，但房价收入比缺乏统一的计算标准，对收入缺乏统一的界定。我国受传统婚房观念的影响，年轻人大多通过父母、亲戚资助购房，因此房价收入比不能准确衡量家庭的购房能力。

国内外学者大多从宏观经济因素和购房者行为的角度探究房价的影响因素，而较少从房地产开发商行为的角度进行研究。我国自2003年实行土地招拍挂制度后，土地购置费成为地方政府重要的财政收入，房地产高额的利润可以使政府获得更多的税收，因此，相对于国外，“土地财政”是影响国内房价的一个重要因素。

国外银行信贷结构具有分散化、多元化的特征，而国内银行信贷结构具有期限集中、行业集中、产业集中、客户集中的特点，国内学者大多用静态视角研究某个对象在特定时间段内的信贷结构，而较少用动态视角研究某一对象不同时间的信贷差异以及银行信贷结构的区域差异性。

国内在研究房地产市场周期与银行信贷周期的相关性时，对房地产市场周期与银行信贷周期的描述指标没有一个统一的确定标准。此外，我国房价会随着频繁的政策调节出现短暂的波动，因此我国的房地产市场周期通常较短，然而国内学者对房地产市场周期进行研究时往往会忽视政策调节对房地产市场周期的影响。

国内学者在研究房价与银行信贷关系时，更关注房价对银行信贷的影响，并且大多采用VAR模型进行实证研究，但VAR模型存在一定的局限性，往往会因为按照不同标准选取最优阶数而得出不同结论。国内研究大多以全国为研究对象，由于我国二元结构突出，城乡经济发展差异大，利用平均商品房价格、平均人均可支配收入等数据进行分析时，往往会掩盖一些城市出现房地产泡沫的现象。此外，国内学者较少关注区域之间的异质性。