我国房价波动对系统性金融风险的动态冲击影响——基于TVP-VAR模型的实证研究

聂高辉 李泓良 晏佳惠

（1.江西财经大学，江西 南昌 330013；2.抚州中科院数据研究院，江西 抚州 344099）

一、引言

系统性金融风险是金融市场运作中负面影响和潜在威胁较大的一种风险。目前，我国正处在经济转型的关键时期，金融市场繁荣发展带来的金融领域范围拓宽、金融产品结构复杂化、金融创新力度加大使得现阶段我国系统性金融风险更易爆发。为防控系统性金融风险，党的十九大报告指出，要健全货币和宏观审慎政策双支柱调控框架，深化利率、汇率市场化改革，健全金融监管体系，守住不发生系统性金融风险的底线。我国房地产市场自1998年完成福利分配住房向货币化分配住房的制度改革后，房地产价格迅速上涨，以商品房价格为例，由1998 年的2144 元/平方米上涨到2018年的8658元/平方米，年平均增长率达15.2%，价格远超其内在实际价值。房价存在异常波动特征和虚高“泡沫化”趋势，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紧密的联系使得房价波动极易引发系统性金融风险，破坏整个金融市场的稳健运行。

在房价与系统性金融风险的研究上，Pouvelle（2012）认为房价波动或价格周期性变动会破坏银行系统的稳健性，进而危及整个金融市场的稳定运行。Pan &Wang（2013）利用投入产出模型和结合网络分析法的SVAR模型研究信贷风险跨部门溢出效应，发现房地产部门通过实体经济渠道增强与其他部门的关联度，房地产信贷风险对其他行业具有大规模溢出效应。徐荣等（2017）在变量因果关系识别上进行改进，用DAG 方法代替格兰杰因果检验来识别房价与系统性金融风险因果关系，并构建向量自回归模型（SVAR），由此发现房价大幅上升是我国系统性金融风险累积的主要原因，短期内货币政策能控制房价和稳定市场，但长期内这种政策效果会减弱。沈悦等（2016）基于GARCH-Copula-CoVaR 模型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。宋凌峰等（2018）从资产和负债视角出发，构建TVP-VAR 模型分析房地产价格波动、隐含担保和银行系统性金融风险的关系，发现房地产价格波动主要通过银行信贷从负债项将风险传导，诱发系统性金融风险，且系统性金融风险受房地产价格波动冲击后表现出非线性加速特征。郑勇（2018）对经济周期模型进行改进，将信用风险引入一般分析模型框架中，构建出动态随机一般均衡模型，探索信用风险、房价波动和宏观经济波动的联系。白鹤祥等（2020）基于16 家上市银行数据，分析我国房价较大幅度下跌引致的系统性金融风险的结构和水平，发现房地产市场的系统性金融风险呈收敛式下降。

鉴于此，本文首先厘清房价波动对系统性金融风险动态影响的传导机制。其次，构建我国系统性金融风险综合指数，从宏观经济子系统、资产泡沫经济风险、金融机构自身风险和国际市场冲击等四个维度出发组建三级指标体系，并选用综合分析法之一的主成分分析法，全面、完整地测度系统性金融风险，有别于现有研究大多将着重点放在银行或其他个别金融机构，仅能体现系统性金融风险某一方面的特征。之后，采用时变参数向量自回归（TVP-VAR）模型，从时期和时点两个维度实证房地产价格波动对系统性金融风险的动态冲击影响。本文的研究方法摆脱模型固定参数的假设，有别于以往大多数基于线性模型的研究，此外，虽也有部分学者实证两者间时变效应、门槛效应等非线性关系，但基于TVP-VAR 模型探索两者之间动态冲击的研究还较少。

二、房价波动影响系统性金融风险的传导机制分析

（一）房价上涨的风险累积阶段

房价上涨是系统性金融风险的累积阶段，该阶段风险较为隐蔽地扩大风险覆盖范围或增大风险程度。累积阶段会通过多种路径进行传导，具体影响机制如图1所示。第一，房价上涨通过财富效应促进宏观经济繁荣而掩盖风险的累积和传染。财富效应是指居民拥有财富量发生变化后居民消费量随之变化，当市场房价上涨时，房地产持有人所拥有的财富总量增多使其愿意花费更多资金来满足物质追求，这一定程度上推动宏观经济繁荣，但也使得房地产持有人透支消费和新增投资消费，累积系统性金融风险。第二，银行加大金融支持力度，扩大信贷投放并推动房价再上涨。房价上涨会提升房地产抵押品的价值，银行为获得更高的预期收益会加大对房地产市场的金融支持力度，增加信贷投放量。在市场繁荣背景下，借贷方会改变风险偏好或因无法精准识别风险而向信用低、高风险借贷人发放贷款，使房地产和金融两大市场同时暴露于风险敞口中。在这个过程中，一方面降低市场融资成本，提高市场信贷风险，累积和蔓延系统性金融风险；另一反面，加速资本的流动，使资金流入房地产市场而推动房价进一步上涨。第三，投机行为抬高房价，催生房地产泡沫，累积系统性金融风险。我国房价上涨时，为获得高收益回报，更多国内和国际投机行为会发生在我国房地产市场，而资本的大量流入会加速我国房价上涨，在这个房价螺旋式上涨的过程中慢慢催生房地产泡沫，累积系统性金融风险。第四，抵押贷款证券化将风险转移并扩散。抵押贷款证券化是将流动性差但未来具有发展优势的抵押品重新组合为抵押贷款证券，经过证券公司再进入金融市场。抵押贷款证券化在降低金融机构经营风险的同时也增加证券持有人的信用风险，拓宽房价波动诱发系统性金融风险的新路径。当房价上升时，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，使风险向证券市场转移和扩散，甚至感染整个金融系统，累积系统性金融风险。第五，市场信息非对称和用户非理性行为转化为羊群效应，扩大用户对房地产的刚性、投资和投机需求。羊群效应是单个决策者跟随多数决策者的行动，当房价上涨时，财富效应、金融支持力度加大、国际投机行为均会推动房地产市场的繁荣，使得大多数投资者对房地产市场的心理预期较好，带动更多的资金投入房地产市场以满足投资者的刚性、投资和投机需求，从而推动房价的循环上涨。

图1 房价上涨的系统性金融风险累积阶段

（二）房价下跌的风险暴露阶段

房价上涨是非持续的，当房价上涨到一定程度后，必然会面临房价下跌困境。房价下跌是系统性金融风险暴露的阶段，该阶段的系统性金融风险极易显现和暴露，房价下跌对系统性金融风险的影响较房价上涨过程会更直接和强烈。在此，本文梳理房价下跌对系统性金融风险的影响路径，如图2 所示。第一，房价下跌通过财富效应抑制社会消费，引发宏观经济环境的波动而暴露系统性金融风险。据估计，我国居民总财产的80%用于投资房地产市场，当市场房价发生下跌时，房地产持有人的财富拥有量不可避免受到影响，导致房地产持有人降低消费水平，从而抑制社会消费的增长，打击宏观经济活跃性，增加系统性金融风险发生概率。第二，国际投机行为减少，房地产市场进一步波动。资产流动的主要目标之一是获取利润，当房价下跌时，投资房地产市场的预期收益会减小甚至亏损，这使房地产市场的国际投机行为减少，已投入资本迅速抽离，房地产大量抛售，并产生负反馈机制，房价面临再次下跌。在这个过程中，可能会形成“房价下跌→投机行为减少→资本撤离→抛售房地产→房价下跌→……”的恶性循环，最终导致房地产泡沫破灭，系统性金融风险暴露。第三，抵押品价值缩水诱发系统性金融风险。房价的下跌使得房地产抵押品价值缩水，对于银行而言，房地产商和购买者违约可能性上升，为保障金融机构稳健运行，银行会减小房地产市场金融支持力度，使房地产商和其他经济主体获取贷款能力减弱，融资成本提高，资本流动性减小，资金链紧绷，房地产市场资金链断裂风险加大。面临资金链断裂风险，一方面投资者为回笼资金、及时止损而选择抛售房地产，房价再次下跌，增加房地产泡沫破灭风险；另一方面可能直接导致房地产开发商、投资者面临经营压力而破产，从而暴露系统性金融风险。此外，由于信息的不对称性，房价下跌导致的违约率上升会使得风险由商业银行转移至证券持有人手中，扩大风险的覆盖面积，增强房价对系统性金融风险的影响力。第四，通过羊群效应缩减用户对房地产的刚性、投资和投机需求。羊群效应能带动房地产市场的持续繁荣，也能导致房地产市场的持续低迷，当房价下跌时，财富效应、国际投机行为、抵押品机制传导路径纷纷影响房地产市场的繁荣，使得投资者减少投入房地产市场的资金，这将使得更多投资者对房地产市场的投资收益预期较差，对房地产市场呈持币观望态度，减少对房地产的刚性、投资和投机需求，使得房地产市场持续低迷，在这个恶性循环的过程中极易暴露系统性金融风险。

图2 房价下跌的系统性金融风险暴露阶段

三、系统性金融风险测度与分析

（一）指标体系构建

为精准识别我国系统性金融风险，本文结合国内外文献资料和我国金融体系实际情况，从宏观经济子系统、资产泡沫经济风险、金融机构自身风险和国际市场冲击四个维度出发构建1 个由一级指标、4 个二级指标、21 个三级指标组成的系统性金融风险指标体系，具体指标如表1 所示。属性分为正向、负向和区间属性：指标属性为正向，说明该指标越大，系统性金融风险越小；指标属性为负向，说明该指标越大，系统性金融风险越大；指标属性为区间指标，说明该指标在此区间内是合理的，偏离此区间存在一定风险。在指标属性的确定上，本文联系实际并参考吴成颂（2011）、唐升和周新苗（2018）的做法。

表1 系统性金融风险指标体系

系统性金融风险指标体系中数据选取时间范围为2008 年1 月至2019 年6 月，共138 个月度数据，总共涉及2898个数据，数据来源于中经网统计数据库、国家统计局、证监会、中国人民银行、财政部、外管局、海关总署、商务部、银保监会、上交所。由于数据量大、涉及范围广、时间维度长，数据之间存在频率不一致、量纲不相同、少量数据值缺失等问题，为提高数据的质量，本文首先对各指标数据进行如下预处理操作：

第一，数据缺失值处理。企业商品房销售价格、房地产开发投资增速每年1月份数据存在缺失，采用缺失值处前三个月与后三个月数据的均值填充。第二，数据频率一致化。本文中选用月度数据进行研究分析，而部分数据为季度数据，为统一频率，本文选用二次插值方法（Quadratic）将季度数据转换为月度数据。第三，数据标准化。数据标准化包括同趋化处理和无量纲化处理，同趋化处理是解决数据性质不同的问题，如GDP 增长率为正向指标，股市成交额同比增速为负向指标。无量纲化处理是消除数据间的量纲差异，如GDP增长率为比率数据，股票流通市值/GDP为倍数数据。具体数据标准化方法如公式（1）～（3）所示。

正向指标标准化：

负向指标标准化：

区间指标标准化：

其中xij为指标i的第j个数据，x'ij为xij经过标准化后的数据，a为区间指标最佳区间下界，b为区间指标最佳区间上界。

（二）测度结果分析

数据预处理后，本文通过SPSS 统计软件对指标体系进行主成分分析（PCA）。按照累计贡献率不低于85%、特征值大于1 的原则，提取出6 个主成分，从表2 中可知主成分累计贡献率为86.013%，特征值均大于1，即能够充分解释系统性金融风险指标体系中的原始数据。

表2 基于系统性金融风险指标体系的主成分分析结果

随后，将主成分进行加权平均，如公式（4）所示：

图3为系统性金融风险综合指数时序图，从中可看出，2008年到2019年，我国系统性金融风险综合指数动态波动现象客观存在。系统性金融风险综合指数由波谷到波峰的过程是系统性金融风险累积的过程，由波峰到波谷过程是系统性金融风险消弭的过程，处于波峰时系统性金融风险最易暴露。我国系统性金融风险综合指数在2008年经历第一个波峰后开始大幅减小至2009 年的第一个波谷，后在2010 年时到达第二个波峰，此后开始波动式下降并在近三年趋于稳定。整体而言，我国系统性金融风险有所缩小，国家经济越趋稳健运行。我国系统性金融风险综合指数大致可分为四个阶段：第一阶段为2008～2009年。该阶段受2008年全球金融危机的冲击，2008年1月系统性金融风险综合指数达到第一个波峰，波峰值为0.9。为稳定经济运行步伐、防范系统性金融风险，2008 年7 月中国人民银行调整金融宏观调控措施，2008年11月我国实施“四万亿计划”。系统性金融风险逐渐消弭，综合指数迅速下降，并在2009 年2 月经历第一个波谷，波谷值为-0.62，之后的一段时间里，系统性金融风险在低风险范围内变动。第二阶段为2010～2012年。期间，我国系统性金融风险先累积后消弭，系统性金融风险综合指数于2010年6月时达到峰值，波峰值为1.12。这可能是受到“四万亿计划”实施的影响，在经济复苏的同时市场货币量过多导致通货膨胀风险显现，给金融市场运行带来不规则的震动。加之2010年我国房地产市场颁布的三轮调控政策，从平稳房地产市场发展到坚决遏制过快增长，再到巩固落实前两次政策调控，使得房地产市场经历“调控→平静→反弹→再调控”的波动，在一定程度上促使系统性金融风险指数上升。2011年货币政策从扩张性政策转向紧缩性政策，系统性金融风险指数又有所减小。第三阶段为2013～2015 年。从大趋势来看该阶段是我国系统性金融风险消弭的一个过程，但在消弭过程中波动性较大，在2013年5月到达波峰，波峰值为0.57，在2015年5月到达波谷，波谷值为-0.84。2013～2015年是我国经济结构性问题相对凸显时期，国家在经济增速和产业结构调整之间寻求平衡。在经济增速下滑、传统增长动力难以为继、新增长源泉尚未完善、企业负债和杠杆率上升的背景下，国家对地方政府无序融资和银行同业业务进行治理，继续实施稳健货币政策的同时强调更加注重松紧适度，推进利率市场化改革等操作，货币和财政政策在消弭系统性金融风险中发挥决定性作用。第四阶段为2016～2019 年。在持续深化改革下，我国经济和金融环境均有所改善，我国系统性金融风险综合指数较小且较为平稳。

图3 系统性金融风险综合指数时序图

四、实证分析

（一）模型构建与估计

1.模型构建。为分析房地产价格波动对系统性金融风险的动态影响及其动态影响程度，本文通过MATLAB 软件构建系统性金融风险、房地产价格波动、货币政策的三变量时变参数向量自回归（TVPVAR）模型，参考Nakajima et al.（2011）提出的考虑随机波动率在内的时变系数估计方法。TVP-VAR模型是由向量自回归（VAR）模型扩展而来，并克服VAR模型固定参数假设的不足，大大提升模型现实解释能力，允许参数随时间变化而变化，较好地捕获到变量在随机波动过程中的突变结构性变化。具体TVPVAR模型如式（5）所示：

其中，Yt=(SFRt,REPFt,M2t)，SFR（Systematic Fi⁃nancial Risk）表示系统性金融风险，选用测度的系统性金融风险综合指数代理；REPF（Real Estate Price Fluctuation）表示房价波动，采用我国商品房平均价格增速代理，数据来源于国家统计局；M2 表示货币政策，是控制变量，采用货币和准货币供给增长率代理，数据来源于中国人民银行官网。本文变量选取时间范围为2008年1月至2019年6月，共计138个月度数据。

Xt=Is⊗(yTt-1,···,yTt-s)，其中，Is为三维的单位向量；⊗为克罗内克乘积；βt为具有时变性的系数参数。假定At=为对角线元素是1 的下三角时变性系数矩阵，对模型的时变协方差矩阵∑t进行乔里斯基（Cholesky）分解，，εt为服从N(0,IK)的结构性冲击。

2.模型估计。为判断变量的平稳性，防止不平稳数据导致实证结果出现伪回归现象，首先对系统性金融风险（SFR）、房价波动（REPF）、货币政策（M2）进行平稳性检验，选用ADF 单位根检验法，得到结果如表3 所示。从表中可以看出，系统性金融风险（SFR）、房价波动（REPF）、货币政策（M2）均为原序列且拒绝10%的置信水平下的原假设，系统性金融风险（SFR）、房价波动（REPF）、货币政策（M2）的一阶差分序列均接受10%的置信水平下的原假设，即系统性金融风险（SFR）、房价波动（REPF）、货币政策（M2）均为原序列不平稳，一阶差分序列平稳，即为同阶平稳变量，可进行后续分析。

表3 ADF平稳性检验结果

在构建TVP-VAR 模型之前，本文通过AIC 和SC最小值准则确定最优滞后阶数为1。且对TVP-VAR模型进行MCMC 模拟，首先依据Nakajima et al.（2011）提出的方法对各参数赋初始值∶

α、β、h分别为Yt=(SFRt,REPFt,M2t)里三个参数的时变系数，按照Nakajima et al.（2011）的方法假定∑β、∑α和∑h为对角矩阵，且先验分布满足正态分布，不同随机游走的同期参数之间相互独立，时变参数的随机游走过程如公式（6）、公式（7）所示：

借助MCMC算法抽取样本，选用MCMC迭代样本次数为10000 次，并舍弃前1000 次样本模拟结果，以保证生成有效样本集。表4为TVP-VAR模型估计结果，参数的后验均值均在95%上界和95%下界的范围内，参数的Geweke 诊断值均小于5%的临界值1.96，均未拒绝原假设，因此参数估计具备有效性特征。且参数无效因子Inef 均小于100，其中最大的无效影响因子数值仅为93.51，说明至少得到9000/93.51≈96个不相关样本可以进行有效的后验估计，即参数估计值都在合理范围内，满足后验设计的统计需要。以上数据说明TVP-VAR模型估计结果较为稳健。

表4 TVP-VAR模型估计结果

MCMC 参数模拟结果如图4 所示，其中第一排六张图表示样本自相关系数变化趋势，第二排六张图表示样本模拟路径，第三排六张图表示样本后验分布密度。从图中可以直观看出样本的自相关系数急速递减后趋于平稳，样本数据模拟路径相对稳定，样本后验密度存在波动聚类现象。模拟结果表明MCMC 算法能够有效地模拟出三个参数的分布情况。

图4 MCMC参数模拟结果

（二）动态冲击结果分析

1.等间隔脉冲响应结果分析。图5是房价波动、货币政策、系统性金融风险三者之间滞后1期、滞后6期、滞后12 期的等间隔脉冲响应图，揭示房价波动、货币政策、系统性金融风险之间在各时间点上短期、中期、长期响应差异特征。

图5 等间隔动态脉冲响应结果

从图5 中可以看出，给房价波动一个正向冲击，系统性金融风险在短、中、长期内均表现出先负向、后正向、再负向的不断波动的响应，整体负向响应偏多，且短期响应程度要大于中、长期响应程度。这表明房价正向波动总体上会抑制系统性金融风险，与理论分析中房价上涨是风险累积阶段较相符，但在不同的经济环境下房价波动对系统性金融风险的影响会有差异。具体而言，2008～2009 年，短期内房价正向波动抑制系统性金融风险程度会迅速增大，而长期内抑制程度减小，这可能是因为该时期在国际系统性金融风险涌动的背景下，我国房价上升会增加国内投机效应，吸引国际资本流入我国市场，房屋价值上升又增强居民消费底气和金融机构放贷信心，从而稳固我国社会经济各方面运行，抑制系统性金融风险。但通过房价增长来抑制系统性金融风险，短期内效果较大，长期内效果逐渐减弱。2010～2012年，我国金融市场动荡不稳，该时期再次验证房价正向波动抑制系统性金融风险短期内效果较大，长期内效果却较小，并会逐渐积累房价增长下滋生的系统新金融风险。2009～2014 年，房价波动长期和短期会推动系统性金融风险。在2015年以后，国内金融市场发展较为稳定，在大好局面下房价持续增长，在一定程度上也掩盖了系统性金融风险。给货币政策一个正向冲击，系统性金融风险在短、中、长期内均表现为正向响应，即加快货币供给量供给速度会促进系统性金融风险增生。2008～2010 年间系统性金融风险对货币政策冲击的响应呈“U”型，这可能是由于期间我国一直实行扩张性货币政策，2008 年扩张性货币政策和“四万亿计划”释放的资金流动性有助于我国经济抵御国际金融危机影响。而在2009～2010年间，货币供给量过多带来的通货膨胀风险显现，促进系统性金融风险增生。2011年，我国货币政策转为紧缩型，且之后实施深化稳健货币政策、扩大各经济体间货币互换规模、完善人民币汇率市场化等措施。2011年后在货币政策冲击下，系统性金融风险依然表现为正向响应，但响应程度在持续减小，且短期、中期对系统性金融风险的促进作用较大，而长期促进作用减小。给系统性金融风险一个正向冲击，短期、中期和长期均会抑制房价波动。具体来看，2008～2019年房价波动受到系统性金融风险冲击后，短期响应较为稳定，响应程度在-0.17左右，中期响应和长期响应的抑制作用先增大、后减小、再增大至平稳。一般情况下，系统性金融风险程度增大时，一方面投资者更偏爱投资回报率快、易变现的项目，另一方面房地产业投资预期收益会减小甚至出现亏损，这会使得投资者减少对投资变现时间长、收益回报率慢的房地产业的投机行为，已投入资本迅速抽离，导致房地产大量抛售，抑制房价波动程度会更小。但由于房地产业从投资到竣工需要较长的时间周期，因此系统性金融风险对房价的影响具有一定的滞后性。2008～2009 年系统性金融风险减小时，房地产市场并未及时响应，而在2009～2011 年表现出抑制房价增长作用减弱，2010～2012年系统性金融风险增大时，在2012～2014年表现出抑制房价增长作用增强，2013 年以后系统性金融风险减小并趋于稳定，对房价波动的影响作用也趋于稳定，给系统性金融风险一个正向冲击，短期、中期和长期也均会抑制货币供给量增速。具体而言，短期货币供给量增速较为稳定，固定在-0.1 左右，中期和长期内作用趋势相似，整体抑制作用逐渐减小，中期内抑制作用更大。

2.时点脉冲响应结果分析。图6是房价波动、货币政策、系统性金融风险三者之间时点脉冲响应结果，与等间隔脉冲响应不同，时点脉冲响应可以分析不同时点下的时变效应特征。根据房价波动特征和房地产市场的主要调控政策，本文选取2010年、2013年、2016 年为时点脉冲响应的代表性时点。2010 年被称为“史上最严”房地产市场的调控年，《国务院关于坚决遏制部分城市房价过快上涨的通知》（以下简称“国十条”）的印发遏制房市过热势头。2013 年发布的《国务院办公厅关于继续做好房地产市场调控工作的通知》（以下简称“国五条”）提出完善稳定房价工作责任制、坚决抑制投机投资性购房、增加普通商品住房及用地供应、加快保障性安居工程规划建设、加强市场监管等五项内容，房价上涨速度再次放缓。2016年是“稳增长、去库存”部署落实年，围绕放松限购限贷、加强信贷支持、税收减免出台四轮刺激政策，房价迎来增长。总体而言，房价波动、货币政策、系统性金融风险之间的冲击反应在不同时点呈现的走势较为相似，这在一定程度上验证计量结果的稳健性。

图6 时点脉冲响应结果

从图6中可以看出，给房地产价格波动一个正向冲击后，2010年、2013年对系统性金融风险的影响分别在滞后1期和滞后4期由抑制转变为促进，2016年表现为抑制系统性金融风险。这表明2010 年、2013年、2016 年房地产价格的正向波动最初都是会抑制系统性金融风险，且我国社会经济的稳定运行过度依赖于房地产业，2016年房地产价格持续上涨时，系统性金融风险会被抑制，2010年、2013年房地产价格上涨速度变缓甚至下跌时，则会促进系统性金融风险，验证房价下跌阶段的理论分析。给货币政策一个正向冲击后，会促进系统性金融风险累积且促进程度在2010 年最大、2013 年其次、2016 年最小，即市场流通货币量过多更易诱发系统性金融风险。具体可能是因为2008 年货币供给量过多、资金流动性过快的弊端在2010 年显现，使得促进系统性金融风险程度较大，2013 年我国货币政策转为紧缩型，促进程度减小，此后我国深化稳健的货币政策使得2016 年的促进程度最小。给系统性金融风险一个正向冲击后，2010 年、2013 年、2016 年均会抑制房地产价格波动，滞后前4 期抑制程度不断加大、滞后4 期以后抑制程度不断减小，且2016 年抑制程度会略强于2010 年，2010 年略强于2013 年，且同样会抑制货币和准货币供给增长速度，但抑制程度2010 年略强于2013 年、2013年略强于2016年。给系统性金融风险形成一个正向冲击后，会推动系统性金融风险形成，但随着时间的推移，推动程度会减小并趋于0，即系统性金融风险也会有一个自我调节过程。

五、结论与启示

我国系统性金融风险动态波动趋势是客观存在的，从2008年1月至2009年6月整体上系统性金融风险程度有所缩小。房价正向波动在短期、中期和长期对系统性金融风险的影响趋势大致相同，均表现出先抑制、后推动、再抑制的影响效果，即在不同的时期，房价正向波动对系统性金融风险的影响并不一致，且短期影响较中期、长期更为强烈。当社会经济较为稳健时，房价增长会隐藏滋生的系统性金融风险；而当社会经济较为动荡时，房价增长诱发系统性金融风险增大和暴露。短期通过提高房价抑制系统性金融风险可行，但长期来看并不可持续。2010 年和2013 年受“国十条”“国五条”政策调控，房价增长速度减缓，2016年在“稳增长、去库存”政策推动下，房价增长速度加快，时点脉冲响应结果显示2010 年、2013 年、2016年房价的正向波动最初都是会抑制系统性金融风险，而2010年、2013年分别在滞后1期、滞后4期由抑制转变为推动。这在一定程度上说明我国社会经济的稳定过度依赖于房地产业，房价持续上涨时系统性金融风险会被隐藏，一旦房价下跌或上涨速度变缓，系统性金融风险将会暴露和增大。无论在短期、中期、长期，还是在2010 年、2013 年、2016 年，系统性金融风险增大均会抑制房价正向波动，但这种抑制影响具有一定的滞后性。

为有效守住系统性金融风险底线，维持房地产市场健康发展，本文基于以上结论，得到如下启示：

第一，稳定房价，遏制房地产市场泡沫。一方面，加强政府和中央银行对房价波动的监督，引导融资资金流动方向，合理控制融资规模，限制房地产市场热钱流入和投机行为，坚持“房子是用来住的而不是用来炒”的原则，遏制房价虚高、房地产泡沫滋生。另一方面，平衡房地产市场供给和需求关系，加大居民住房保障，缓解房地产市场供给和需求不匹配带来的社会矛盾。政府在加强商品房调控外，还应加快保障性住房建设，推进棚户区、老旧小区改造，发展和规范租赁住房市场，增强居民住房幸福感和归属感。

第二，实施稳健的货币政策，避免市场货币供给量过多带来的流动性风险。充分发挥稳健性货币政策的逆周期调节作用，保证市场资金的流动性充沛且合理，本着金融服务实体经济的信念，降低实体经济融资成本，促进货币信贷、社会融资规模与经济增长同步发展。政府通过货币手段进行调控时，不能只关注单一的调控目标，要全方面考虑实施的货币政策可能对市场带来的影响，不能只关注短期效果，要考虑中期和长期效果，要协调好经济平稳增长、稳定宏观杠杆率、防控系统性金融风险之间的关系，尽量避免货币供给量过多导致的资金流动性风险。

第三，通过全面深化改革，从源头上防范系统性金融风险，加强我国金融监管力度和完善监管体系。为此，应加强监督监管，盘点资产债务、精准甄别隐性债务、多举并施以控制新增债务数量、化解历史存留债务，转变债务资金为可用资金，并清晰理性看待自身债务，寻找债务规模和偿还能力两者间的均衡点，确保风险在可控范围之内。加强互联网金融监管力度，引导互联网金融健康发展，为实体经济注入健康发展动力。