我国房地产业对银行业系统性风险的溢出效应测度：基于行业和企业层面视角*

● 张 超，张文蕾

（安徽财经大学金融学院，安徽 蚌埠 233030）

一、引言

进入新世纪以来，我国GDP由全球第六跃升至全球第二，并对美国形成强有力的追赶。毋庸置疑在我国经济增长过程中房地产业发挥了重要作用；但是，随着资金的大量涌入，房地产业出现了明显的投资过热倾向，虚拟化属性逐渐放大，泡沫风险不断累积。同时，房地产企业经营具有显著的高负债特征，加之以银行为主导的金融结构，我国商业银行普遍具有较高的房地产风险敞口①根据中国政府网发布的《2021年金融机构贷款投向统计报告》，截止到2021年末，我国房地产贷款余额占金融机构人民币各项贷款余额的比例约为27.07%。。随着我国经济向高质量发展阶段转型，房地产业一直被诟病——不仅推高了房价，也大大挤压了实体经济的生存空间。政府对房地产业的调控也从未停止，近年来政策更是进一步趋紧。由于市场与政策的双向逼近，近年来多家经营不善的房地产企业宣告破产，个别万亿级别的房地产企业也陷入资金困境。房地产业与银行业之间具有高度关联性，房地产风险可能会对银行业产生溢出效应，增大银行业的系统性风险，进而波及经济金融的稳定与发展。有鉴于此，研究拟从行业和企业两个层面分析房地产业对银行业系统性风险的溢出过程，厘清其风险传导机制，最后依据分析结果提出具有针对性的政策建议。

二、文献综述

系统性风险的溢出效应是倍受关注的热点问题，现有研究主要集中于金融部门间、金融市场间的渠道识别和预警。房地产业和银行业的风险溢出效应也应重点关注。实证表明，房地产和银行部门是极端风险溢出效应的净发送者，在系统性风险溢出中发挥关键作用[1-3]，其中，银行业是系统性风险的主要发送者[4]，房地产业对银行业存在显著的风险溢出效应[5-6]。

近年来对于房地产业如何影响银行业系统性风险这一问题，文献主要从房地产信贷和房地产业的风险特征两个方面进行分析。

一是银行业高占比的房地产信贷形成较高的房地产风险敞口，使得房地产业风险容易转化成银行业系统性风险。在以银行为主导的结构中，房地产融资几乎全来自商业银行，使得银行部门产生高占比房地产信贷，进而使得房地产业风险高度集中于银行体系[7]，这一潜在的金融风险直到近期也依然存在[8]。银行业高占比的房地产信贷，一方面使得房地产业发展离不开银行业的稳定[9]；另一方面，较高的房地产风险敞口，使得银行业对房地产业风险的敏感性更高[10-11]，两者形成利益共同体和风险共生关系[12]。房地产业风险极易通过信贷渠道影响银行部门的系统性风险[13]。历史证据表明，在过去几十年中，银行业系统性风险变得更加频繁，房地产开发往往是这些风险背后的主要因素[14-15]。房地产繁荣与系统性风险的产生密切相关[16]。近些年来，随着房地产信贷逐渐成为银行资产负债表中越来越大的组成部分，房地产开发已成为银行风险的主要驱动因素[17]。长此以往，房地产业风险可能会导致银行业系统性风险恶化[18]。如果在经济发展过程中过分倚重房地产，会出现房地产业投资过热，带来对金融和经济的“风险效应”[19]。

二是房地产业顺周期性和泡沫化的风险特征使得房地产业风险对银行业系统性风险的影响不容忽视。由于房价与投资及信贷之间自我强化的顺周期性特征，房价波动与银行风险承担存在联动性，房价上涨会增加银行系统性风险进而对金融稳定产生不利冲击[20]。房地产价格持续上涨，若缺乏宏观经济面的足够支撑，房地产投资属性显化，房价主要由市场预期和投资量决定，会催生房地产泡沫[21-22]。长期的房地产泡沫会显著危害银行稳定性[23]，房地产泡沫破裂后会引起银行业系统性风险[24]。房地产业风险已成为中国主要的系统性金融风险来源之一[25-26]，其中，银行体系是房地产业风险向系统性风险传染的关键[27]。

综上，现有研究就以下现象达成了共识：房地产业对银行业系统性风险的溢出问题突出，银行信贷由于集中于房地产业具有较高房地产风险暴露，房地产自身风险会通过信贷渠道向银行业系统性风险演化。但研究空间仍有拓展的可能性：第一，现有研究多从市场层面展开，很少有研究集中于两个系统重要市场（房地产与银行）进行分析，因此房地产业对银行业系统性风险的溢出效应研究仍需深入。第二，房地产业对银行业系统性风险影响机制的分析仍需完善。现有研究多从房地产信贷或房价波动视角分析房地产部门与银行部门间的风险影响，而从房地产行业和企业两个层面，以及系统性风险溢出效应的视角所进行的理论或定量分析较少。基于此，研究将房地产行业风险和企业风险纳入对银行业系统性风险的溢出效应的分析框架，利用中国市场数据建立DCC-GARCH-CoVaR模型，动态考察房地产业风险对银行业系统性风险的溢出效应。本研究的创新之处或边际贡献是：相比于现有集中于行业间系统性风险溢出效应的实证研究，考察房地产行业层面和企业层面的风险如何产生对银行业系统性风险的溢出效应。

三、机制分析

在过去二十多年里中国房地产市场快速发展，成为经济增长的重要驱动力，但也暴露出市场过热、价格上涨过快及泡沫风险加剧等问题[28]。从时间维度和集中度来看，房地产部门具有极强的顺周期性特征，极易受到宏观经济波动的冲击[29]；房地产行业还由于其上市公司众多、杠杆率较高、资本损失概率较大，存在明显的金融风险隐患[30]。现实是，房地产业与银行业风险高度共生[5]，房地产业与银行业组成的金融系统比单独的银行系统更加脆弱[31]，房地产业对银行业的风险溢出效应比银行业对房地产业的风险溢出效应更为显著[32]。因此，房地产自身风险对银行业的风险溢出起到关键作用。

从风险的空间维度来看，在中国以银行为主导的金融市场中，相比于保险、信托等金融机构，房地产业融资多与银行业的信贷相关联。房地产信贷占据银行业较高的风险敞口，其风险主要通过贷款和抵押两种信贷渠道向银行业产生溢出效应。一方面，在经济繁荣时期房地产市场过热会催生房地产泡沫风险，同时推动房地产信贷规模扩大，表现为房地产贷款宽松和抵押盛行，从而加大银行业对房地产业风险的暴露，加剧银行业脆弱性，埋下系统性风险隐患。另一方面，在经济萧条时期，房地产市场过热带来的信贷资金高度集中会使得其难以抵御冲击，极易产生风险。而银行业在受到冲击后由于房地产贷款实际价值过高和房地产抵押价值大幅缩水，在“债务-通缩理论”和“金融加速器”效应下，会引起信贷危机和流动性危机，最终演变成银行业系统性风险。

行业和企业层面视角下房地产业对银行业系统性风险的溢出效应机制如图1所示。从行业层面来看，如图1左图所示，房地产行业风险受顺周期特征、市场过热和市场脆弱性影响；房地产行业风险通过信贷渠道引起房地产贷款违约和房地产抵押价值缩水，导致银行业信贷危机和流动性危机，然后再通过银行间资产关联和共同风险暴露使得风险演化、扩大成银行业系统性风险，正向产生对银行业的风险溢出效应。从房地产企业层面来看，如图1右图所示，单个房地产企业的风险受到企业负债水平、企业资产规模和盈利能力的影响；单个房地产企业的风险通过信贷渠道引起房地产贷款违约和房地产抵押价值缩水导致单个或多个银行信贷危机、流动性危机，然后再通过银行间资产关联和共同风险暴露使得风险演化、扩大成银行业系统性风险，正向产生对银行业的风险溢出效应。

图1 行业和企业层面视角下房地产业对银行业系统性风险的溢出效应机制

四、研究设计

（一）模型设计与变量说明

系统性风险的溢出效应测度，主流方法有分位数回归的 CoVaR、Copula函数的 CoVaR和DCC-GARCH-CoVaR。相比前两者，DCCGARCH-CoVaR模型可以有效拟合两序列间时变相关系数，从而使CoVaR估计更精准、预警更有效，且更符合中国现实[33]，故研究选择 DCCGARCH-CoVaR模型[34]来测度中国房地产业对银行业系统性风险的溢出效应，然后再分别从行业层面和企业层面，进一步探究房地产自身风险对银行业系统性风险的溢出问题。

1.房地产业对银行业系统性风险的溢出效应①行业层面和企业层面的溢出效应在此处统称为“房地产业对银行业系统性风险的溢出效应”；此外，为表示区分，行业层面的溢出效应称为“房地产行业对银行业系统性风险的溢出效应”，企业层面的溢出效应称为“房地产企业对银行业系统性风险的溢出效应”。其中，行业层面的溢出效应指标由房地产行业和银行业指数周对数收益率序列运用DCC-GARCH-CoVaR模型计算得到；企业层面的溢出效应指标由房地产企业i和银行业指数周对数收益率序列运用DCC-GARCH-CoVaR模型计算得到。下文同。测度模型

（1）动态条件相关系数测度（DCC-GARCH模型）

为刻画房地产业与银行业的时变联动性，选取DCC-GARCH模型[35]进行估计，再依据单变量GARCH模型进一步计算出房地产业与银行业间动态条件相关系数。

假设房地产业或银行业收益率rt服从分布：

其中，rt是收益率，Ωt是t时刻信息集，Ht是条件协方差矩阵，Rt是动态条件相关系数矩阵，条件方差hNN,t由单变量GARCH模型算出，Dt为含的对角矩阵。

其中，Qt是残差标准化的条件协方差矩阵，是残差标准化的无条件协方差矩阵，ψ是滞后n阶的标准化残差系数，ξ是滞后m阶的条件方差系数，两者都不小于零，约束条件为ψ+ξ＜1。

进而，DCC-GARCH(1,1)模型下两变量间动态条件相关系数定义如下：

（2）溢出效应测度（CoVaR 和ΔCoVaR）

分别采用CoVaR和ΔCoVaR测算房地产业对银行业的条件在险价值和系统性风险的溢出效应，进而分析房地产业自身风险对银行业稳定的影响。作为CoVaR的基础，VaR用于测度某个金融部门在一定置信水平下最大可能损失。

其中，Xi是金融部门i的损失，是金融部门i在q%的置信水平下的最大可能损失。VaR无法测度一个金融部门对另一个金融部门的风险溢出效应，但CoVaR和ΔCoVaR可以。计算公式如下：

其中，XB表示银行业风险损失；C(XRE)表示房地产市场遭受的风险事件；表示当房地产市场受到风险事件C(XRE)冲击时，在q%的置信水平下，银行业面临的最大可能风险损失；表示房地产自身风险波动处于正常水平下，银行业面临的最大可能风险损失。

假设房地产市场风险和银行业风险服从二元正态分布，即：

进而，房地产市场（RE）对银行业（B）的边际溢出或溢出效应为：

2.房地产业自身风险对银行业系统性风险溢出的影响

首先从行业层面初步确认房地产行业风险是如何产生对银行业系统性风险的溢出效应，然后从企业层面比较并验证房地产企业风险如何产生对银行业系统性风险的溢出效应。根据相关研究[5]，选取房地产业对银行业的条件在险价值变动（ΔCoVaR）作为被解释变量，采用房地产自身风险（VaR）作为核心解释变量；在企业层面模型中，另选择房地产企业的资产负债率（ALR）、资产规模（Lnsize）以及总资产收益率（ROA）作为控制变量。

分别构建模型如下：

（1）房地产行业风险对银行业系统性风险溢出的影响

（2）房地产企业风险对银行业系统性风险溢出的影响

选择双向固定效应模型进行测度，模型如下：

3.变量说明

模型使用的变量（见表1）如下：

表1 变量定义与测度

被解释变量。条件在险价值变动（ΔCoVaR）：作为反映房地产业对银行业系统性风险的溢出效应的代理变量。其中，ΔCoVaR越大，表示房地产业对银行业系统性风险的溢出效应越高。ΔCoVaRB|RE、ΔCoVaRB|REE分别由房地产业指数收益率（RE）与银行业指数收益率（B）、房地产企业个股收益率（REE）与银行业指数收益率（B）根据DCC-GARCH-CoVaR模型计算得到。对于收益率的频率，由于日数据尾部时间短、月数据样本不足，参照相关研究[36]，选择周对数收益率的百分数。通过对每周收盘价进行对数一阶差分得到的百分数，具体计算公式分别为：。

解释变量。房地产自身风险（VaR）：参照相关研究[5]所使用的方法，选择周对数收益率的VaR值作为衡量房地产自身风险的代理变量。考虑到周对数收益率当前的实际情况，此处的VaR值是通过方差-协方差法正向计算得出的，计算公式为：VaR=μt+ϕ-1(q%)σt。VaR值越大，表示房地产自身风险越大。其中，VaRRE、VaRREE分别由房地产业指数周对数收益率（RE）、房地产企业个股周对数收益率（REE）计算得到，分别反映房地产行业风险和房地产企业风险。

控制变量。考虑到房地产企业层面的面板数据特征，在现有研究的基础上，尽可能控制会影响房地产企业对银行业系统性风险溢出效应的因素。参照相关研究[5]，选择的控制变量主要有：一是房地产企业资产负债率（ALR）。通过计算总负债/总资产得到，作为房地产企业负债水平的代理变量。二是房地产资产规模（Lnsize）。以ln(总资产)作为衡量指标。三是房地产总资产收益率（ROA）。通过税后净利润/总资产度量得到，用作房地产企业盈利能力的代理变量。四是时间和个体固定效应（Year、Enterprise）。为了控制年度特征对ΔCoVaRB|REE的影响，按照不同年份生成T-1个虚拟变量；为了控制企业个体特征对ΔCoVaRB|REE的影响，按照企业数量生成N-1个虚拟变量。

（二）数据来源与样本选择

各变量的原始数据来自RESSET金融研究数据库和CSMAR国泰安财经研究数据库。考虑到1998年住房市场化改革政策的时滞性，以及数据的完整性和可靠性，研究中将样本期定为2000年1月1日—2020年12月31日。行业层面，选择了申万一级行业分类下房地产业和银行业指数周数据。企业层面，选择了证监会2012版行业分类项下房地产行业139家上市公司作为研究对象，并作如下数据处理：一是剔除存续期完全不在样本期以内的公司；二是剔除被解释变量（ΔCoVaRB|REE）缺失值过多和样本观察值不足的公司；三是对于利用房地产上市企业个股周对数收益率计算得到的ΔCoVaRB|REE和VaRREE的周数据，通过Excel数据透视表汇总成年平均值得到年数据，其他财务指标（总资产、总负债、税后净利润）选择年度数据。最后筛选整理出2000—2020年131家房地产上市公司的面板数据作为研究样本，一共2 493组有效数据。数据分析所用软件为Stata16.0。

五、实证分析

（一）描述性统计

首先对周对数收益率进行描述性统计Jarque-Bera检验，结果如表2①由于企业层面个体较多，限于篇幅，无法全部列示，考虑到后续实证结果表明企业资产规模对银行业系统性风险的溢出效应存在显著影响，故表2只列示样本期内资产规模年度平均值排名前10的房地产上市公司，即招商蛇口、新城控股、保利发展、万科A、荣盛发展、万科B、滨江集团、金地集团、北辰实业与华发股份。所示。从均值看，房地产业与银行业指数收益率为正，而大部分房地产企业个股收益率为负。从标准差看，房地产企业个股收益率均大于房地产业和银行业指数收益率。从最值看，大部分房地产企业个股收益率最大值和最小值差距都大于房地产业和银行业指数收益率。从偏度和峰度看，除银行业指数收益率表现为右偏外，房地产业指数与房地产企业个股收益率都表现出左偏；三者峰度都高于3，可知三者分布都表现为尖峰厚尾，符合大多数金融数据特点。Jarque-Bera检验在1%显著水平拒绝原假设，说明数据非正态。

表2 周对数收益率描述性统计与检验结果

其次对模型(14)和(15)中包含的变量进行描述性统计，具体如表3所示。从整体来看，无论是行业层面还是企业层面，对银行业系统性风险的溢出效应（ΔCoVaR）与自身风险（VaR）的均值、标准差和最大值均为正且数值较大，初步验证了房地产业对银行业存在正向系统性风险溢出，房地产自身存在风险。从均值和标准差看，企业层面对银行业系统性风险的溢出效应（ΔCoVaRB|REE)的均值和波动远大于行业层面；而行业层面自身风险（VaRRE）的均值和波动远大于企业层面，初步说明行业层面自身风险的影响相比企业层面更大，企业层面对于银行业系统性风险的溢出效应相比行业层面更大。

表3 房地产业对银行业系统性风险溢出效应模型中变量描述性统计结果

（二）房地产行业对银行业系统性风险的溢出效应分析

根据DCC-GARCH模型，利用房地产业指数收益率（RE）以及银行业指数收益率（B）计算出两行业时变联动关系，获取两者动态条件相关系数和动态条件方差，然后再计算出房地产行业对银行业系统性风险的溢出效应（ΔCoVaR）。

1.房地产行业与银行业动态条件相关性分析

DCC-GARCH模型可以用于测度多元变量间的动态相关性。由模型(5)可以计算出房地产行业与银行业动态条件的相关系数。根据模型(13)可知，该系数数值越大，代表房地产行业和银行业的相关性越强，亦即风险溢出效应越明显。计算得出的房地产行业与银行业的动态条件相关系数整体均值高达0.6511%，其标准差为0.0565%。

通过对房地产行业对银行业动态条件相关系数时间序列图（见图2）的分析可知，其动态条件相关系数在样本期内全部大于零，说明房地产业对银行业具有正向动态相关关系。由此可合理推导出，房地产业对银行业具有明显正向的系统性风险溢出。

图2 房地产行业对银行业动态条件相关系数时间序列图

2.房地产行业对银行业系统性风险的溢出效应分析

将房地产行业层面数据代入模型(12)和(13)，可估计出在99%置信水平下的CoVaR和ΔCo-VaR，其均值和标准差具体见表4。从均值来看，房地产行业对银行业CoVaR和ΔCoVaR的贡献分别是 55.312%、29.005%，对应标准差分别为40.398%、23.566%，CoVaR的均值和标准差都比Δ CoVaR的更大。从最值来看，CoVaR的最大值和最小值的差距也比ΔCoVaR的更大。

一是要摆正位置，行业、企业主管部门是介于政府与学校、企业之间的机构，既要发挥桥梁纽带作用，又要监督企业对《办法》的落实。要积极配合政府及相关行政部门，在校企合作系统工程中扮演协调者、监管者、促进者的角色。二是要发挥督导作用，行业、企业主管部门既是企业的领导者，也是校企合作机制的制定者。要针对企业参与校企合作途径不畅的短板，采取相应措施，拿出具体解决办法，使企业充分了解并履行应尽的责任与义务，主动配合政府主导的监管绩效考评。同时，按照校企合作年度“责任报告”，进行具有行业特点的监管，考核与支持并举，引导、落实企业主动参与、承担培养学生的社会责任。

表4 房地产行业对银行业的CoVaR和ΔCoVaR统计结果

为了直观地观察房地产行业对银行业CoVaR和ΔCoVaR变化的影响，以下根据二者的时间序列变化图（见图3）进行分析。由图3可知，面对房地产行业自身风险的冲击，银行业产生的Co-VaR和ΔCoVaR变化具有共同的趋势，且波动幅度大、频率高，尤其是在2008年集中波动，而且Co-VaR和ΔCoVaR的最高值也是出现在这个时期。这主要是由于2008年的全球金融危机的冲击与影响。从整体来看，房地产行业对银行业系统性风险的溢出效应大约在2017年之前都存在高频大幅波动现象，在2017年之后，大多数情况都是高频小幅波动。这是因为，2016年末，基于国情，中央政府大力着手稳房价调控，对房地产新的政策定位是“房住不炒”；2017年之后，中央政府大力推行降杠杆措施；2020年8月出台了针对房地产企业资金检测和融资管理的“三线四档”政策，2020年12月又出台了银行业金融机构房地产贷款集中度管理制度。这些政策的出台使得房地产市场风险得到一定程度的控制，相应减少了其对银行业系统性风险的溢出效应。

图3 房地产行业对银行业的CoVaR和ΔCoVaR变动图

3.房地产行业风险对银行业系统性风险溢出的影响

使用模型(14)计算出的房地产行业层面风险对银行业系统性风险溢出的影响结果如表5列(1)所示。该结果表明房地产行业自身风险（VaRRE）显著正向促进对银行业系统性风险的溢出效应（ΔCoVaRB|RE），与预期影响方向一致。

为检验该实证结果的可靠性，通过变量替换方式进行稳健性检验。考虑到模型(8)揭示的条件在险价值（CoVaR）与溢出效应（ΔCoVaR）间存在正相关关系，以房地产行业对银行业的条件在险价值（CoVaRB|RE）替换原被解释变量溢出效应（ΔCoVaRB|RE）重新回归，结果如表5列(2)所示。该结果表明房地产行业自身风险（VaRRE）对银行业的条件在险价值（CoVaRB|RE）存在显著正向影响。与原结论一致，说明原实证结果具有稳健性。

表5 房地产行业风险对银行业系统性风险溢出影响的回归结果与稳健性检验结果

（三）房地产企业对银行业系统性风险溢出效应分析

1.房地产企业自身风险对银行业系统性风险溢出的影响

使用模型(15)实证分析房地产企业风险对银行业系统性风险溢出的影响。为了确保实证结果的稳健性，先保持核心解释变量房地产企业风险（VaRREE）固定不变，对控制变量进行逐步组合后进行双向固定效应回归。表6列(1)至列(8)列示了核心解释变量房地产企业风险（VaRREE）与控制变量对银行业系统性风险的溢出效应（ΔCoVaRB|REE）。

表6 房地产企业风险对银行业系统性风险溢出影响的面板回归结果

首先，从整体上可以发现无论是否添加控制变量或者是添加几个控制变量，核心解释变量房地产企业风险（VaRREE）对银行业系统性风险的溢出效应（ΔCoVaRB|REE）的影响都在1%的水平上显著。列(8)是添加所有控制变量后的回归结果，可以看出，其他因素不变，房地产企业风险（VaRREE）的解释力度和显著性水平几乎没有变化，十分稳健。由此，可合理推导出房地产企业自身风险是对银行业系统性风险溢出的作用关键。

其次，观察列(1)至列(8)可以发现，房地产企业风险（VaRREE）的系数β1显著为正，说明房地产企业风险越高对银行业系统性风险的溢出效应也越高。这与预期影响方向一致。结合中国现实情况可知，银行持有较高比例的房地产信贷敞口，房地产与银行业间存在风险共生性，房地产企业风险会通过信贷渠道和银行业间资产负债表渠道增大对银行业系统性风险的溢出效应。

最后，观察列(1)至列(8)的变量系数显著性、组内可决系数（R2within）和 F 统计量可发现，列(3)模型最优，因为除了拟合优度最高外，加入的控制变量资产规模（Lnsize）对银行业系统性风险的溢出效应（ΔCoVaRB|REE）也是显著正向影响，而其他控制变量对ΔCoVaRB|REE的影响则不显著。该结果表明房地产企业资产规模显著正向影响对银行业系统性风险的溢出效应，即单个房地产企业资产规模越大，对银行业产生的系统性风险的溢出效应也就越高。大型房地产企业因其规模优势，较易获得银行信贷资源[37]；企业规模越小，银行融资占总资产的比重越小，同时银行融资相对于股权融资的比例越小[38]。由此，可合理推导出房地产企业资产规模越大，银行信贷融资规模就越大，对银行业产生系统性风险的溢出效应也就越高。

2.稳健性检验

为进一步检验该结论的可靠性，采用变量替换方式进行稳健性检验。由于基于公式(8)揭示的条件在险价值（CoVaR）与溢出效应（ΔCoVaR）间存在正相关关系，以房地产企业对银行业的条件在险价值（CoVaRB|REE）替换原被解释变量ΔCoVaRB|REE重新进行双向固定效应面板回归，分析结果如表7所示。观察表7列(1)至列(8)可以发现，房地产企业的自身风险（VaRREE）对银行业的条件在险价值（CoVaRB|REE）具有显著的正向影响；再结合模型变量系数显著性、组内可决系数（R2within）和F统计量可知，列(3)所示的模型最优，这些结论都与表6得到的结论相一致，因此，该实证结论具有稳健性。

表7 房地产企业风险对银行业条件在险价值影响的稳健性检验面板回归结果

六、结论与建议

研究从行业和企业两个层面，基于DCCGARCH-CoVaR模型实证分析房地产业对银行业系统性风险的溢出效应，然后通过逐步回归法分析房地产行业风险和房地产企业风险如何产生对银行业系统性风险的溢出效应，得到如下结论：第一，无论是行业层面还是企业层面，房地产自身风险均对银行业产生显著正向的系统性风险溢出，原因是银行持有较高比例的房地产信贷敞口，房地产业与银行业存在风险共生性；第二，从行业层面来看，房地产市场风险管控措施可以有效降低房地产业对银行业系统性风险的溢出效应，这意味着，管控好房地产业自身风险是解决其对银行业风险溢出问题的关键；第三，从企业层面来看，大规模房地产企业对银行业系统性风险会产生更大的溢出效应，这意味着为控制房地产业对银行业的风险溢出效应，需要重点监管解决大型房地产企业的风险问题。

由上述结论可知，就减少房地产业对银行业系统性风险的溢出效应，以及贯彻“坚守不发生系统性金融风险的底线”而言，最关键的是要促进房地产行业平稳健康发展。降低房地产业风险的外溢性和传染性，需要在稳定房地产业现有融资渠道的基础上，降低房地产业与银行业的风险共生性，提高房地产企业的风险抵抗能力。

首先，从行业层面来看，一是从整体上降低银行部门房地产信贷敞口，从信贷渠道降低房地产业与银行业的风险共生性。要严格落实银行业房地产贷款集中度管理，加强房地产金融审慎管理制度，引导银行业调整信贷方向，优化信贷结构。减少存量规模，对房地产信贷占比较高的银行实行名单制管理，督促这些银行做好房地产信贷的追踪审查与风险控制。减少房地产信贷增量，做好贷前审查与贷后资金监控工作。二是要监管房地产市场资金的过度流入，防止房价非理性上涨，降低房地产市场的泡沫化风险。通过围堵绕道违规资金流入房地产市场、住房限购、强调住房的实体资产属性，以及避免利用房地产短期刺激经济的举施，稳住房价、房地产市场预期，以弱化房地产自身风险，从而降低房地产业对银行业系统性风险的溢出效应。

其次，从企业层面来看，一是房地产企业应当通过提高融资质量和优化融资结构来提高其风险抵抗能力。要合理规划开发项目，注重融资渠道的合规性，减小负债规模，降低融资杠杆；同时，拓宽保险、信托等多元化融资渠道，增强企业抵抗金融风险的能力，在降低自身风险的同时，减少风险的溢出效应。二是重点监管大规模房企的风险。对于负债规模大、融资涉及多个金融机构的房地产企业，应当重点监管其融资管理、经营风险，实时跟进资金动向，以降低其风险，减少其风险溢出效应。

最后，从长期来看，需要大力发展实体经济，提高实体经济回报率，引导房地产市场过热资金回流到实体经济，从而降低房地产市场过度投资，降低房地产市场泡沫化风险，进而减少房地产业对银行业系统性风险的溢出效应。