房价和汇率双重冲击对银行系统性风险的动态影响研究

◎付赵彤 王重润

引言

房价和汇率是两个重要的资产价格，对金融稳定有重要影响。就房价而言，2003年以来，总体上呈现上涨态势，仅就近十年看，全国平均房价从2011年的9445元/平米上涨到2020年11月的15755元/平米，累计涨幅66.8%，房价涨幅呈现出周期性波动。2016年以后，在“房住不炒”的政策定位下，房地产调控方式和力度发生变化，住宅价格同比增速开始呈现下降趋势。2017年底中美贸易冲突爆发后，在国内经济刺激等多种因素作用下，房价增速下降趋势有所减缓，在2020年初疫情爆发后，房价涨幅出现短暂快速下跌，从3.39%降至2020年5月份的2.99%，北京、天津等一线城市住房价格同比增速甚至为负，从二季度开始房价增幅开始趋稳并有小幅回升，11月份达到4.3%。

在汇率方面，2005年7月第一次汇改以来，人民币汇率一直处于上升趋势，直到2015年7月第二次汇改以后，人民币汇率开始进入震荡下行阶段，2017年底爆发的贸易冲突加强了贬值预期，月平均汇率从2018年4月份的6.29元/美元下降至2020年5月的7.09元/美元，贬值幅度12.7%，跌至近12年来的低位。进入2020年下半年，随着国内疫情形势好转和经济恢复，人民币汇率开始回升，11月份达到6.60元/美元，大致回归到贸易冲突爆发前的水平。与汇率变化相联系的是国际资本流动。如果以国际收支误差与遗漏项表示投资性国际资本流动，那么自2013年以来资本呈现净流出态势，而且规模有逐渐扩大趋势，不过在贸易争端最激烈的2018年资本净流出规模反而缩小，2019年资本流出规模继续扩大，达到2573亿美元。2020年前三季度净流出合计949亿美元。

WIND数据显示，2013年以来银行不良贷款率和不良贷款余额双双快速上升，贷款风险增大。2016年3月到2018年3月期间不良贷款率在1.75%左右徘徊，贸易摩擦加剧后又出现一波小幅上升。目前不良贷款率在1.96%，而不良贷款余额一直在增长，特别是2020年初疫情发生后出现一个小幅跃升，到2020年9月为28350亿元，是2011年的6.54倍。

观察图1发现，房价、汇率以及不良贷款率之间存在某种联系。较为明显的是，从2014年5月到2018年2月，不良率与房价、汇率呈现相同变化趋势；在此后，汇率与不良率都呈现出波动变化，而房价涨幅的下降趋势也有所减缓。房价与汇率是重要的资产价格，而且易于波动，并且企业、家庭都会投资房地产和美元等货币资产，所以房价与汇率变化对银行系统性风险是否有影响值得研究。由于面临贸易摩擦和疫情的不确定性，房价和汇率波动可能会更大，所以研究房价与汇率波动对银行系统性风险的影响，有助于监管部门把握金融风险演变趋势，采取预防性措施。

从相关文献来看，房价和汇率被众多国内外学者认为是诱发金融风险的重要原因。例如，Goodhart等（2010）认为，房价下跌导致银行的坏账率迅速上升引发房地产市场危机，进而逐步破坏宏观金融系统的稳定。Huiran Pan等（2013）通过分析美国1995～2010年的样本数据计算房价偏差模型发现，以4.85%为阈值，当收入增长低于门限值时，房价偏差会加重银行的不良贷款率，且当经济出现衰退时，通过收入效应的影响，会加重房地产市场对银行的负面影响。况伟大（2014）利用商业银行2004～2009年的数据进行实证分析，发现房价上涨会降低违约概率，房价下降将导致违约概率提高。对于房价波动影响金融风险的方式，沈悦（2016）认为在房价上涨冲击下银行系统性风险在短期内处于潜伏阶段，长期则通过融资成本、资金价格渠道传导风险。而房价下跌冲击下，系统性风险会通过影响融资成本迅速传导蔓延。荆中博等（2019）得到了与沈悦（2016）类似的结论，他们发现，当多个房地产市场出现房价同步上涨的情况时预示着系统性风险的不断累积，而系统性风险又与政策调控的力度反方向变动。

汇率波动通过影响银行或企业的货币资产配置以及短期资本流动对金融风险产生影响。例如，Krugman（1999）认为当企业的资产或者负债项目出现货币错配的情况时，汇率的波动会引发企业的净值波动，从而引发风险。Fairl（2012）通过对2008年金融危机研究发现，当一个国家发生了货币错配，并且本币出现了贬值，二者在相互作用下直接致使私人部门的净值下降，资产负债比会大幅升高，企业偿债能力不足，违约行为发生概率提高，这种连锁反应加剧了银行系统的脆弱性。国内学者也有类似的发现。例如，金祥义、张文菲（2019）对2011-2016年商业银行的资产负债表进行研究，发现商业银行普遍存在货币错配的现象，当汇率发生较大波动时，这种本币与外汇之间的错配现象持续加剧，增加潜在的系统性风险。尹航（2018）则对货币错配程度进行了测度，认为货币错配具有非对称性的特点，对商业银行冲击较大。李婧、吴远远（2017）通过建构VAR模型发现，汇率因素较之于利率差异和股市收益对于短期跨境资本流动影响更大，且当人民币汇率预期贬值时，跨境资金流通速度加快。

通过文献梳理发现，无论房价还是汇率波动都会对银行风险构成冲击，然而二者的联合作用需要进一步研究，因为汇率与房价之间存在双向影响关系（郭锐欣、朱怀任，2018），当二者共同发生变化的时候，对银行系统性风险带来什么影响呢？承袭现有文献，本文构建SVAR模型研究房价与汇率结构性冲击对银行系统性风险带来的影响，并通过构造交互项分析房价与汇率同时波动的冲击效果，为防范系统性金融风险提供政策参考。

房价与汇率冲击对银行系统性风险影响机理

房价对银行系统性风险的冲击传导机制可以从两个方面解释。一是债务通缩渠道。当房价出现下跌时，家庭和企业用于贷款的抵押品减值，借款方的违约成本也就随之下降，违约风险上升。迫于偿还债务的压力，借款人选择抛售房产。房地产市场上供给增加，导致房价进一步下降，加重尚未偿还债务的抵押借款人的还款压力。吕江林（2015）证实，当房地产价格持续下降，幅度超过40%时，有可能诱发大面积商业银行倒闭，形成大规模的金融危机。2008年爆发的美国次贷危机就是一个很好的例证。

二是代理成本渠道。由于信贷市场存在信息不对称，外部融资代理成本要高于内部融资，而代理成本与企业资产净值负相关意味着企业资产负债表状况对银行贷款具有重要影响。而房地产作为企业的重要资产，其价值波动无疑会对资产负债表状况产生影响，进而对融资产生影响。当房地产市场呈现繁荣状态时，企业净资产增长，外部融资成本较低，企业更加偏向于外部融资，导致银行资产负债表规模膨胀，企业杠杆率上升。当房价出现下降时，抵押品价值缩水，代理成本上升，银行业面临流动性风险，从而削减房地产的信贷规模，使得企业融资成本提高。面对上升的融资成本，企业的现金流压力增大，企业违约风险升高。金融加速器作用在房价与信贷之间形成正反馈。房价上涨增强了银行与借款人双重道德风险，由于代理成本的下降，银行贷款政策更加激进，而借款人则增加负债率，加持投机性资产如房地产（王重润等，2019），这导致银行资产质量下降，对资本充足率形成压力，银行风险不断累积。

汇率波动对系统性风险的冲击主要有三条途径：一是货币错配渠道。由于商业银行资产以本币计价，外汇负债以外汇计价，当人民币发生贬值时，导致商业银行国外债务价值增加，本币资产发生减值，银行的资产负债表两侧失衡，负债的增加和资产的减少致使银行净权益的下降，可能会诱发风险。二是资产价格渠道。汇率对跨境资本流动的影响显著，货币贬值预期引起资本外流，导致股价下跌，对资本市场造成冲击（许从宝等，2020；张蕾，2020）。三是通胀渠道。汇率波动带来资本外流，引起本国货币供给增加，使得实际利率下降，刺激长期投资，推动PPI上涨并导致物价上涨（杨小军，2020），最终导致企业成本增长、利润下降，财务风险增大。

在汇率与房价双重冲击下，个体银行风险会通过金融市场网络形成扩散传染，引起市场对流动性不良预期，为满足流动性要求，银行不得不折价出售资产，从而诱发银行业系统性风险。综上，房价、汇率与银行系统性风险之间的内在联系如图2描述。

房价与汇率波动对系统性风险冲击的SVAR实证分析

（一）数据说明

本文样本区间选为2011年1月至2020年10月的月度数据，并对相关数据进行季节调整。之所以选择从2011年开始，是因为国家统计局在2011年2月16发布了新版《住宅销售价格统计调查方案》，房价统计口径发生了变化。银行的数据来自于2011年前上市的16家商业银行，包括中国银行、农业银行、工商银行、建设银行和交通银行等国有商业银行，兴业、华夏、平安、招商、民生、光大和中信银行等全国性股份制商业银行，以及北京银行、宁波银行和南京银行等城市商业银行。

（二）变量定义

核心解释变量为房价波动（HP）和汇率波动（ER），分别采用经过季节调整后的百城平均房价同比增速和美元兑人民币汇率波动幅度。

被解释变量是银行系统风险（RISK），借鉴Adrian（2016）提出的测度银行间的CoVaR来表示银行业系统性风险的方法。利用极端分位数回归方法测度个体银行对银行业的CoVaR来代表系统性风险（RISK）。计算方法如下：

运用t时期内银行j的月度收益率Rtj对银行i的月度收益率进行分位数回归，估计出参数和，得到:

表1：各个变量描述性统计结果

其中，银行i收益率计算公式为：

Pt和Pt-1分别表示该银行在t和t-1期的收盘价格。银行系统的收益率由每一期16家商业银行的收益率加权求和得到，其中权重为各个银行同期的A股流通市值占样本银行当期流通市值的比重。

根据系统性风险CovaRqj/i定义得到：

上述各变量的描述性统计结果如下（见表1）：

本文选取自2011年1月到2020年10月期间房价汇率的波动和16家上市银行的系统性风险的月度数据，共354个样本数据，根据表1，三种变量的峰度都接近于3，且在95%的置信度下均拒绝不满足正态分布的原假设，整体近似于正态分布。符合构建SVAR模型对样本数据概率分布的要求。

（三）SVAR模型构建与识别

为检验房价及汇率波动及其相互作用对银行系统性风险的冲击效果，本文选择使用结构向量自回归模型SVAR。较之于向量自回归模型VAR，SVAR在方程右侧加入了同期变量，且根据变量之间的相互作用关系，增加了结构信息，同时可以表示内生变量房价和汇率之间的相互作用，并且解决了VAR模型中只能通过已有经验识别的弊端，可以充分发掘各个变量间同期或滞后期的动态关系。

SVAR(p)模型为包含k个内生变量的p阶结构向量自回归模型，模型表达式如下：

yt为3×1维向量，包括银行系统性风险（RISK）、房价波动（HP）及汇率波动（ER）三个内生变量。B0表示变量间当期相互作用，At表示不同滞后期变量间相互作用，t表示当期数据，p表示滞后期数。i，j=1，2，3。ut表示允许同期相关的简化式扰动项，包括utRISK、utHP及utER代表三种内生变量的冲击，这三种冲击为互不相关的白噪声序列。

假设B0为可逆矩阵，便可将SVAR模型转化为VAR模型：

为识别结构式扰动项ut涵盖的3种冲击，施加短期约束条件来识别基本方程。房价波动对银行系统性风险传导需要有一定时间且传导渠道较长（沈悦等，2015），当期房价变化并不会对系统性风险造成显著影响，设定b12=0。汇率贬值会刺激出口，但也会造成物价上涨压力，企业可以通过成本加成率的调整吸收一部分短期内汇率波动的风险，所以在当期内汇率波动传递效应影响较小（韩剑等，2017），设定b13=b31=0。因为商业银行系统性风险有多种诱发因素，并且风险传导渠道较为复杂（方意，2016），当期系统性风险并不会立即反作用给汇率，而且单一因素很难对汇率波动造成较为明显的影响（沈悦等，2014），设定b32=0。另外，房价变动具有粘性，房价受到外界影响后并不会立即在当期做出反应（郭娜等，2019），设定b21=b23=0。

综上，基于Cholesky分解的思路和相关经济理论，本文短期约束矩阵B0设定如下：

在构建VAR模型前本文使用eviews9.0对原序列RISK、HP、ER和一阶差分dRISK、dHP、dER进行ADF检验，结果如下（见表2）。

从表2结果来看，在1%的显著水平条件下，三个变量的原序列都是不平稳的，经过一阶差分后平稳，因此使用三个变量一阶差分后的序列建立SVAR模型。检验发现，AIC、FPE推荐的最优滞后阶数为2阶，SC和HQ推荐为1阶。本文选择2阶滞后，建立SVAR（2）。进而对其单位根进行稳健性检验，结果如图3所示，所有单位根模的倒数均落在单位圆内部，故该模型是稳定的。

（四）脉冲响应分析与方差分解

接下来对该模型进行脉冲响应分析，分析在不同的滞后期，某个内生变量一个正向结构性标准差的冲击给其他变量所带来的影响（见图4）。图4显示，在本期给房价波动一个正向冲击，银行系统性风险在第1期到第10期均为负向脉冲响应，在第三期达到极值-0.07，然后开始逐步递减，直至趋近于0。可以推断当房价增速在短期内下降时，银行业系统性风险指数增加。

在短期给汇率波动一个正向冲击，在0～2.5期内银行系统性风险做出负向脉冲响应在2期达到极值-0.03；在第2.5期后银行业系统性风险表现为正向脉冲响应，在第3期达到最大值0.04，并在之后逐步递减，最终趋于0。汇率上升在短期内会刺激对外贸易增加出口，在一定程度上减小了银行业系统性风险，但是从长期看人民币贬值预期下产生的跨境资本流动会导致银行业系统性风险增加。

（五）房价与汇率对银行系统性风险的联合作用

为继续考察房价与汇率对银行系统性风险的联合作用，在SVAR模型中引入房价和汇率的交乘项，用ER×HP表示。对其进行一阶差分后，进行脉冲响应分析（见图5）。

表2： 各个变量ADF检验结果

图5显示，当给DERHP一个单位的正向结构性冲击时，银行系统性风险在第1.5期到第4.5期为负向脉冲响应，在第三期达到极值-0.017，并开始逐步递减，在第4期达到正值最大0.01，并在之后逐渐趋近于0。这表明，在考虑到房价与汇率同时上涨的联合作用之后，汇率上升削弱系统性风险对房价上涨的负向响应，但是房价上涨则加剧了系统性风险对汇率上升的负向响应。这意味着在房价与汇率联合作用下，系统性风险对房价下跌的正向响应会被来自汇率贬值的作用削弱。

（六）异质性分析

进一步，将商业银行细分为国有商业银行、股份制银行、城市商业银行三种类型，进行脉冲响应分析，观察汇率、房价波动对系统性风险影响的差异。结果如图6所示。

其中，DB1、DB2、DB3分别代表一阶差分后的国有银行、股份制银行和城商行的系统性风险指数。根据脉冲响应分析结果来看，房价上涨均降低了三类银行的系统性风险，且对于股份制银行、城市商业银行的影响较为显著，这与该两类银行在房地产领域的贷款普遍高于国有商业银行有关系，房价上涨为房地产贷款提供了更强的信用担保，改善了资产质量提高了盈利。汇率上涨（人民币贬值）对系统性风险的影响存在较大差异，股份制银行和城商行系统性风险对房价与汇率波动冲击的脉冲响应均表现为先负，持续2期后转正，国有商业银行对于汇率波动的响应始终为正，但是影响并不明显。总起来看，房价波动对银行系统性风险影响更持久。

上述三类银行的系统风险在应对房价和汇率联合冲击时，波动幅度的差异，与不同类型银行之间资产结构的异质性有关。根据Choice数据分析，国有商业银行资产负债比率为92.18%，城商行的资产负债比率为93.11%，城商行的占比更高，这使得其抵抗风险能力较弱。在资本充足率方面，国有商业银行也有着较大的优势，国有商业银行资本充足率15.92%，而城市商业银行资本充足率为12.56%，股份制银行为12.92%，与国有商业银行有较大差距，这也导致在面对外生冲击时国有商业银行系统性风险受到的影响更小。

结论与政策建议

研究表明，房价波动对于银行系统性风险的冲击较为强烈，当房价增速降低时，会造成银行业系统性风险的上升。汇率的波动在短期内对银行业稳定性有一定的冲击，但冲击强度快速衰减。房价与汇率相互作用，汇率波动在一定程度上削弱房价波动的影响，房价波动则会加强汇率波动的影响。不同类型的银行在面对房价与汇率的冲击时做出的反应不同，通常来讲，股份制银行以及城商行等中小银行受到的冲击更明显。未来中国经济会继续受到外部环境变化和疫情的影响，房价和汇率的变化存在很大不确定性，为防止银行业系统性风险短期内受房价和汇率双重冲击迅速上升，我们建议：

首先，保持房价相对稳定，引导市场逐步回归均衡。加强对房地产市场调控，既要控制房价上涨速度，更要注意防止下跌幅度过大。目前部分城市房价已经出现小幅下跌，增速也放缓，要防止房价硬着陆。2020年9月央行推出的重点房地产企业资金监测和融资管理办法，对资产负债率、净负债率以及现金短债比划出了监管红线，今年年初，又对商业银行提出了贷款集中度管理要求，这有利于降低金融风险。但与此同时，要密切关注疫情发展变化、房地产企业库存和流动性状况，拓展直接融资渠道，避免出现流动性风险，以免房地产企业因流动性枯竭而抛售房地产导致房价下跌。

其次，增强汇率弹性，加强外汇市场管理。进一步完善以市场供求为基础、参考一篮子货币进行调节、有管理的浮动汇率制度，增强人民币汇率弹性。加强外汇市场监管，扩大金融市场双向开放，以加强宏观审慎为核心改善跨境资本流动管理。加强世界疫情演变对国际贸易和资本流动影响的监测和预警，对外汇市场进行预防性调控，防止汇率出现大的波动。

第三，加强对中小银行的系统性风险防范。要重视系统性风险具有的传染性的特点，加强风险监控并建立风险预警系统，重点关注风险抵抗能力较差的中小银行，监测其系统风险的变化，同时多渠道充实补充资本金，优化信贷结构，增强抵御风险的能力，为经济高质量发展提供稳定的金融环境。