房地产价格波动对系统性金融风险的动态影响

■ 聂高辉 晏佳惠

一、引言

自我国房地产市场完成房屋实物分配转向货币化分配后改革后，房地产业得到迅速发展，成为了拉动我国经济增长的支柱性产业之一。在我国房地产市场繁荣发展的同时，房地产价格却呈现出非理性增长。据国家统计局相关数据显示，2016年9月全国100 个大中城市中有81 个城市的新建住宅平均价格同比上涨16.64%，北上广等一线城市房价更是屡创新高，同比上涨25%～45%。房地产价格的波动是房地产“泡沫”化倾向的一种表现，而房地产市场的融资需求又多依赖于以银行为中心的金融机构，房地产市场与金融体系之间日益深化的资产负债关联性使得房地产“泡沫”一旦破灭极易引发系统性金融风险，进而破坏整个宏观经济的稳定。因此研究房地产价格波动与系统性金融风险之间的影响及其动态影响程度，对于稳定房地产价格、防范系统性金融风险均有重要的理论和实际意义。

二、文献综述

在房地产价格波动与系统性金融风险的问题上，国内外诸多学者进行了深入研究，研究成果主要有两个方面。一方面是在研究内容上。国外的研究中，早期Bernanke and Gertlrter（1995）、Allen and Gale（1999）就开始研究房价波动对银行体系的影响效果及其传导机制。次贷危机后，Pouvelle（2012）以法国为研究对象，发现房地产价格波动或价格周期性变动对银行系统稳健性有显著性影响，会危机金融市场的稳定性。Pan and Wang（2013）通过面板门限向量自回归模型深入分析了房价波动给不同地区金融市场带来的影响。Tajik et al（2015）通过GMM 估计，并得出房地产价格冲击对银行不良贷款率会有所影响，影响幅度因贷款和银行类型而有差异。国内研究中，沈悦（2016）等人基于GARCH-Copula-CoVaR 模型探讨房地产价格波动对系统性风险溢出效应，发现房价波动对金融机构的风险溢出效应最明显，且宏观经济条件和政策制度是房价波动的主要动力。郭娜（2017）等人构建房地产部门的系统性金融风险内生化DSGE 模型，探讨了不同房价“粘性”下系统性金融风险、宏观经济风险的变动情况。徐荣（2017）等人在DAG 方法识别房价与系统性金融风险因果关系的基础上构建SVAR 模型判别房价波动与系统性金融风险的动态影响机制。

另一方面是在系统性金融风险的测度上。较有影响力的度量方法中有综合指标法，如Illing and Liu（2003）构建的金融压力指数、Jan Willem van den End and Tabbae（2005）构建的金融稳定状态指数。金融危机以后，Gray and Jobst(2010)基于Merton 模型提出或有权益分析法用以评估系统性金融风险发生概率。对于我国金融数据构建的风险测度指标体系中，2012年方意等人选用DCC-GARCH 和随机模拟法对系统性金融风险进行测度。李志辉等(2016)通过改良的SCCA 技术，阐述了风险相依结构对系统性金融风险的重要性，并基于此构建系统性风险测算指标。苟文均等(2016)通过CCA 模型，发现债务杠杆攀升能加大金融风险水平，并通过债务、股权渠道进一步诱发系统性风险。

基于以上文献研究，本文首先从理论上分析房价波动对系统性金融风险的传导机制；在此基础上引入控制变量经济增速、银行贷款利率，构建房价与系统性金融风险的SVAR 计量模型，并通过脉冲响应和方差分解结果分析房价波动对系统性金融风险的动态影响机制。在系统性金融风险测度上，本文以我国金融数据为基础，选用陶玲（2016）等人构建的系统性金融风险测度方法。

二、房地产价格波动对系统性金融风险影响的传导机制分析

房地产价格波动会通过诸多途径传导至金融机构，其中诱发系统性金融风险的传导机制归纳起来可分为宏观经济和金融体系机制。

（一）宏观经济传导机制

宏观经济传导机制如图2-1 所示，传导路径为：房地产价格波动→财富效应、托宾Q 效应→社会总消费→宏观经济波动→系统性金融风险。

财富效应是指某种财富的累积到一定规模时，会对相关领域产生传导和控制效应。用财富效应解释房地产价格对系统性金融风险的作用效果时，房地产价格上涨会促进实际货币存量的增加，进一步增加可支配收入；房地产价格下跌会相应的实际货币存量将减少，从而导致可支配收入减少。托宾Q比率是企业市场价值与重置成本的比值，当Q 值大于1 时，投资者买进资本产品会获利，因此会增加投资的需求；反之，当Q 值接近甚至小于1 时，持续买进并不能带来收益甚至会亏损，因此会减少投资的需求。在房地产市场中可以将房价理解为企业市场价值，将房屋建造成本理解为重置成本。当房价上涨时，房地产企业市场价值增大，开发商为获得更高的利益会增加房地产市场的投入；当房价下跌时，房地产企业市场价值减小，开发商为避免亏损会消减房地产市场的投入。

（二）金融体系传导机制

金融体系传导机制如图2-2 所示，传导路径包括抵押品机制、住房抵押贷款证券化机制和流动性机制。

抵押品机制主要从购房者角度出发，借贷人获得银行贷款的能力很大程度上取决于抵押品的价值。当房地产价格上涨时，抵押品（房屋）价值上升，借贷人获得银行抵押贷款的能力相应提高，但这导致借贷人资产负债率提高，且使更多信贷资金流入到房地产市场，使房地产和金融两大市场同时暴露于风险敞口中，进一步扩大了系统性金融风险产生的概率。当房地产价格下跌时，抵押品价值缩水，而需偿还借贷金额不变，使借贷人在极端条件下会放弃抵押品选择违约，道德风险的产生进一步诱发系统性金融风险。

图2-1 宏观经济传导机制图

图2-2 金融体系传导机制图

抵押贷款证券化机制是金融机构将现流动性不足但具有发展优势的抵押品重新组合为抵押贷款证券群组，由证券公司买入后再次投入到金融市场。抵押贷款证券化机制降低了金融机构的经营风险，但也增加了证券所有人的信用风险，拓宽了房地产价格诱发系统性金融风险的又一条路径。当房价下跌时，不良贷款率和违约率上升，风险由商业银行转移到证券持有人手中，不但未能消除金融风险，反而扩大了风险的覆盖面积，增强了房价对系统性金额风险的影响力。当房地产价格上升时，更多流动性不足的抵押品会成为抵押贷款证券进入金融市场，这意味着更多风险的转向证券市场，极易感染至整个金融系统，诱发系统性金融风险。

流动性紧缩机制与抵押品机制相类似，不同的是从银行角度出发。当房地产价格上涨时，抵押品价值上升，房地产商和购买者违约概率下降，银行为获取利益会扩大信贷规模，从而加快资金流动性，这让更多资金投入到房地产市场，进一步提高了房地产价格和抵押品价值，在这个螺旋式上升的过程中影响了金融市场的稳定性，慢慢滋生了系统性金融风险隐患。当房价下跌时，抵押品价值随之下降。房地产商和购买者违约的可能性更容易发生，银行会缩减信贷规模使得房地产商和其他实体经济获取贷款能力减弱，资金流动性减小使融资成本增大，不仅投入房地产市场的金额量减少，房地产价格下跌，更打击了实体经济的活跃性，共同增加了系统性金融风险。

三、实证研究

（一）SVAR 模型理论基础

简化式VAR（向量自回归）模型是一种研究两个变量及两个以上变量间动态互动关系的时间序列线性回归模型，能够刻画出变量本身的滞后项及其他变量的滞后项对该变量的作用效果，具体形式如公式（1）所示。SVAR（结构向量自回归）模型与简化式VAR 模型相比，揭示出变量间的即时性经济结构，将隐藏在误差项中的变量间当期关系以具体形式展现出来，打破了VAR 模型仅解释变量滞后项于当期之间关系的局限性，具体形式如公式（2）所示。

在SVAR 模型的识别上，由于SVAR 模型与VAR 模型之间存在某种相关联系，因此识别的本质思想是通过给出一定的约束条件，使得SVAR 模型未知量的数量大于或等于VAR 模型系数和方差矩阵中统计量数量。这也使得设置约束成为了识别SVAR模型的艺术。SVAR 模型分为A 模型、B 模型和AB模型，约束类型又分为短期和长期约束。本文选用一般形式的AB 模型分析房价波动与系统性金融风险的动态关系，并对矩阵A、B 施加短期约束，不仅能给出各变量间的当期关系，更能直观分析出系统在标准正交扰动项冲击后的变化。

（二）指标选取与数据来源

本文以2010 第一季度至2018年第二季度的时间序列数据为研究样本，考察房地产价格（HP）波动对我国系统性金融风险(CIFSR)的影响，并以经济增速(GDP)、银行贷款利率(SHIBOR)为控制变量。我国房地产价格目前并无公开数据，本文以商品房平均销售价格来表示，数据来源于国家统计局。经济增速以国民生产总值同期增长率表示，数据来源于中经网。银行贷款利率以银行间7 天同业拆借利率代替，数据来源于中国人民银行。系统性金融风险涉及汇率、利率、政策、经济周期等诸多方面的风险，目前国内外并无统一的度量标准。本文借鉴2016年陶玲等人构建的系统性金融风险指数来刻画系统性金融风险。该方法的优点是：立足我国金融市场实际情况，结合我国当前系统性金融风险状况；系统性而非单独聚焦于单个金融子系统，提出包含金融机构、股票市场、债券市场、货币市场、外汇市场、房地产市场和政府部门7 个维度的综合指数；利用马尔科夫状态转换法进一步验证综合指数，并识别风险指标的状态和拐点，清晰地反映系统性金融风险程度。由于样本数据为季度数据，为消除季节性因素影响，首先采用Census X12 季节调整方法对数据进行趋势处理。

（三）平稳性检验

对经济数据进行实证分析时，避免分析结果出现“伪回归”现象，我们采用ADF 检验法对数据进行平稳性检验。检验结果如表3-1，从中可以看出，在10% 的置信水平下，变量CIFSR、HP、GDP、SHIBOR 均拒绝了“存在单位根”的原假设，即四个变量均通过平稳性检验。

（四）格兰杰因果检验

在时间序列数据平稳性基础，为确认变量之间的格兰杰因果关系，并以此为依据确定结构向量自回归（SVAR）模型的约束条件，本文对各变量进行了Granger 因果分析，得到如表3-2 所示分析结果。从中可以看出，在10%的置信水平下，房地产价格、银行贷款利率是系统性金融风险的格兰杰原因，经济增速、银行贷款利率是房地产价格的格兰杰原因，系统性金融风险是经济增速的格兰杰原因，其他变量间影响不显著不存在格兰杰原因。根据Granger 因果分析结果，本文对SVAR 模型实施如公式（3）所示的短期约束。

表3-1 ADF 平稳性检验结果

表3-2 格兰杰因果检验结果

（五）SVAR 的脉冲响应函数

约束实施以后，我们建立了SVAR 模型，在此基础上进行了脉冲响应函数分析，以捕捉一个变量对另一个变量全面又复杂的动态影响，具体刻画房地产价格波动对系统性金融风险的影响过程。脉冲响应结果如图3-1 所示，从中可看出，系统性金融风险受到自身一个标准差的冲击后，响应第1 期达到最大为0.041，其后随着时间推移这种响应逐渐减小但始终为正向响应，在第6 期后冲击作用开始趋于0。这表明系统性金融风险易受到自身惯性影响，金融市场中风险漏洞的存在会通过多种途径共同作用诱导系统性金融风险发生，但随着时间推移这种惯性作用会逐渐减小；系统性金融风险受到房地产价格一个标准差的冲击后，响应在第1 期最小为0，随后响应逐渐变大，到期6 期达到最大为0.005，其后趋于稳定。房地产价格波动对系统性金融风险的影响与上文在风险传导机制中分析相似，会通过抵押品机制、住房抵押贷款证券化机制、流动性机制、财富效应机制和托宾Q 效应传导途径影响宏观经济和金融市场的稳定性，从而引发系统性金融风险。但从房地产价格波动到引发系统性金融风险需要耗费一定的时间，因此影响效果具有滞后性，随着时间的推移会有所增大；系统性金融风险受到经济增速一个标准差的冲击后，响应在第1 期最小为0，后开始逐渐增大，到第4 期达到最大为0.004，从第5期后又逐渐减小，最终慢慢趋近于0。经济增速对系统性金融风险虽为正向影响效果，但影响程度却较小，这可能是随着我国经济的快速发展大量资金愈加流入房地产、股票、证券市场，使得系统性金融风险有脱离实体经济存在偏向虚拟经济的发展趋势；系统性金融风险受到银行贷款利率一个标准差的冲击后，响应在第1 期为0，最后响应慢慢增大到第4期达到最大为0.016，其后响应慢慢减小并趋近于0。银行贷款利率上升会导致资金流动性不足、企业融资成本增加，投入金融市场的资金减少，使得金融问题进一步突出，推动系统性金融风险的发生。

（六）方差分解

在脉冲响应函数后，我们对SVAR 模型再进行预测方差分解，以具体分析房地产价格波动、经济增速、银行贷款利率对系统性金融风险的贡献程度，并得到表3-3 所示结果。从中可以看出系统性金融风险对自身的贡献率最大，第一期为100%贡献率，随着预测期的延长贡献率有所下降，但始终保持了60%以上的贡献率，这说明系统性金融风险受自身的惯性影响颇大。随着金融市场的不断完善，各金融子系统间的联系愈加紧密，而金融风险又有极强的感染性，使得金融风险的覆盖面广影响度大。一旦金融市场失衡出现系统性金融风险，必然会在金融市场中循环叠加加剧系统性金融风险的程度。其次是房地产价格波动对系统性金融风险的贡献率，随着预测期的延长，房地产价格的贡献率逐渐增大，到第10 期时已经接近30%的贡献率。房地产市场的高盈利性使得大量资金流入其中形成过高过热的社会投资，一方面出现房地产“泡沫”，可能引发系统性金融危机，另一方面房地产价格的波动会牵连到银行、证券市场等多个机构，内部关系失衡后将通过多条传导路径叠加系统性金融风险。银行贷款利率、经济增速对系统性金融风险的贡献率一直维持在10%以下，作用程度并不明显。

图3-1 脉冲响应结果

四、结论与政策建议

本文首先分析房地产价格波动对系统性金融风险的传导机制，发现房价的过分上涨和下跌会诱发或扩大系统性金融风险程度。在此基础上，本文构建SVAR 模型、以经济增速、银行贷款利率为控制变量，探索房地产价格波动对系统性金融风险的动态影响。实证结果表明，房地产价格、银行贷款利率是系统性金融风险的格兰杰原因，经济增速、银行贷款利率是房地产价格的格兰杰原因，系统性金融风险是经济增速的格兰杰原因；系统性金融风险受到房价波动冲击后，脉冲响应函数会逐渐增大，但其冲击响应具有滞后效应；各变量对系统性金融风险贡献率由大到小依次是系统性金融风险、房地产价格、银行贷款利率、经济增速，系统性金融风险对自身贡献率最大，达到60%左右，房地产价格也有接近30%的贡献率。

房地产价格大幅度波动会诱发系统性金融风险，对金融发展和经济建设都会带来不利影响，为防范系统性金融风险，我们提出以下政策建议：第一，防范房地产市场泡沫化。控制过量资产流入房地产市场产生房市泡沫化现象，加大资产流动环节管理力度，限制国外资产流入国内房地产市场的规模，鼓励国内资产投资国外市场，减轻国内房地产市场投机性购房需求。第二，防范局部金融风险演变为系统性金融风险。系统性金融风险带来的危害远大于局部金融风险，但其是由局部金融风险恶化、传染、叠加而来，因此要建立金融机构各部门的风险防范体系，避免系统性金融风险。第三，关注房价波动。金融机构尤其是银行机构要密切关注房价变动，适时运用货币政策手段、推动利率市场灵活变动，对房价进行合理调控以减小系统性金融风险发生的概率。

表3-3 方差分解结果