中国房产价格与系统性金融风险联动关系研究

(济南大学 山东 济南 250002)

一、导言

在经济全球化进程中，系统性金融危机的爆发是全球经济的灾难，而中国作为第一大新兴开放经济体，更是难以避免全球性系统性金融风险的影响。一方面，由于中国实体金融业务交叉性大以及复杂性等特点，金融体系在适应经济转型方面存在诸多困难。另一方面，在经济新常态的背景下，金融市场也开始进入风险释放期。早期积累的风险会伴随经济转型逐步暴露，而金融本身具有加速的作用，因此可能会导致金融风险的持续扩大化，继而引发金融危机。经验表明，房地产业在国民经济发展中具有特殊性，一旦出现房产价格过度波动，就很有可能会导致金融风险快速累积，并进而威胁到宏观经济的安全运行。

二、文献综述

Moscone(2014)等将房产价格、政府资助房地产企业贷款整合成一个特征的函数，研究了美国信用贷款对金融风险的效应。结果显示，房产价格对不良贷款产生负向影响。不良贷款的增加也使得金融风险进一步升高[1]。Huang(2016)使用条件风险值(CoVAR)来衡量系统性风险贡献，金融网络由DCC和MST的图过滤方法构成。研究发现，节点强度大，中介中心性、紧密度，节点聚类系数更大的金融机构往往有更大的系统风险贡献率[2]。

陶玲和朱迎(2015)提出了包含7个维度的系统性金融风险综合指数，构建了一个既可以综合分析整体风险，又可以分解进行局部研究的系统性金融风险监测和度量方法[3]。徐荣和郭娜(2017)通过建立基于DAG的SVAR模型，探讨房价波动对我国系统性金融风险造成的动态影响，实证结果表明房价的大幅上涨是导致我国系统性金融风险积累的重要原因[4]。

三、模型构建

(一)变量选取

本文选取房价水平值(HP)、系统性金融风险(SFRI)、房地产开发企业购置土地成交款(PLTP)及货币当局总负债(TL)为变量，原始数据来源于中宏数据库，SFRI采用了陶玲、朱迎(2016)的研究方法构建的系统性金融风险指数。

(二)2SLS模型

2SLS模型设为yi=(Yi,Xi)δi+ei,Yi为内生变量，Xi为外生变量。

SFRI与CHP关系的联立方程模型为：

SFRI=α0+α1CHP+α2SFRI(-1)+α3PLTP+u1

(1)

CHP=β0+β1SFRI+β2CHP(-1)+β3TL+u2

(2)

方程(1)由房价和房地产开发企业购置土地成交款以及其他的变量决定了系统性金融风险水平，方程(2)分析了房价变动的决定因素。

四、实证结果分析

表1 2SLS回归结果

注:括号内数字为t统计量。*表示通过1%显著水平;F统计量都能通过1%的显著性检验。

在2SLS方程的拟合度分别为0.846、0.621，说明模型整体的拟合度都很好。房价波动对中国的系统性金融风险水平负向影响不显著，而系统性金融风险水平对房价波动有显著正向影响。原因可能在于，一方面，房价上涨时系统性金融风险多处于潜伏阶段，风险传导机制表现较为隐蔽，风险蔓延存在一定滞后期。另一方面，当系统性金融风险水平处于高位爆发状态时，房地产市场杠杆率也接近最高点。但由于不完全市场信息和政策落地的滞后性，消费者总是存在一种“追涨杀跌”的心理，对于购房的热情居高不下，促使房价进一步升高。

五、政策建议

在本文实证分析结论，我们的政策建议是：第一，房产价格波动与金融系统性风险之间有着紧密的内在联系，政府应重视长期的土地供给调控，维持房地产市场平稳健康发展，防止其加剧房价的波动，建立多元化房地产融资机制，防止风险集聚。总的来说，政府实施房产价格调控需遵循“宏观审慎”的原则，把阻绝房价剧烈波动作为先决条件，对金融系统的风险概况进行严密监管[5];第二，加强系统性金融风险的监管，系统性金融风险对整个金融体系和实体经济的影响更广泛、更具毁灭性，当宏观经济失衡，出现金融危机时，房地产行业往往首当其冲。尽管我国已有不少监管实践确实可以纳入系统性风险监管的范畴，但与国际上类似，我国对于系统性风险的监管从整体上看仍然处于初级探索阶段。因此，积极构建系统性风险防范长效机制，不断建立并完善系统性风险监管的法律制度、机构安排、技术工具等是必不可少的。