房价﹑信贷与商业银行系统性风险的文献综述

董 莉，薛 晴

(1.长安大学 经济与管理学院，陕西 西安 710061；2.陕西师范大学 国际商学院，陕西 西安 710119)

1 引言

我国商业银行当前面临着严峻的系统性风险，由于房地产投机性行为和过度开发使得部分地区的房地产价格一路高歌猛进。房价的不良波动，直接导致银行信贷质量和数量发生变化，由此而引起的信贷风险和信用风险通过风险传染机制使商业银行资产负债数据发生变化，进而使商业银行面临较大的系统性风险。房地产行业的兴衰将影响到商业银行的风险承担，房价一直是备受各方关注的焦点问题，国内外学者也致力于研究房价与商业银行系统性风险的关系及影响机制。文章着重就房价的影响因素，房价、信贷、商业银行系统性风险三者之间的关系做以梳理。

2 房价波动的影响因素研究现状

2.1 从供需模型出发

1998年实行住房市场化改革以后，住房交易市场由此诞生，国内外学者对中国房地产行业的研究也由此开始。根据价格决定理论，房地产市场供给与需求决定了房价，众多研究结果表明我国房地产价格在近20年内呈现单边上扬趋势，已经形成严重的价格泡沫。Edward Glaeser等(2017)非常详细地以经济﹑人口﹑文化﹑投机因素为变量研究房地产市场需求；以房价﹑建造成本为变量研究房地产市场供给，模拟了20年房价变动情况，表明中国房价上升迅速且波动剧烈，已然形成泡沫化，但是住房需求旺盛，除非供给锐减，或是政府采取强制措施，否则泡沫暂时不会破裂。Tommaso等(2018)建立状态空间模型计算出理论房价，与当期市场房价做差值作为衡量房地产泡沫程度的指标，并计算该指标随时间变动和各种政策对它的影响，也得出了中国房地产泡沫程度很严重的结论。国内对于房价的研究一直热度不减，于雪(2019)建立时变参数状态空间模型，基于房地产供给和需求，对比分析日本东京和中国上海房地产均衡价格和泡沫情况，得出价格泡沫具有阶段性的结论，并利用脉冲响应函数，分别研究了金融政策、房地产开发投资和土地供给、可持续性和收入增长对于价格泡沫拐点的短期、中期、长期影响。周亮锦等(2019)构建了基于供求关系的面板回归模型，选用价格预期、人口、收入、信贷等指标，从国家层面和地域角度探究房价波动的原因。

2.2 信贷对房价的影响

房地产行业的资金大部分依赖于银行信贷，信贷是造成房价波动的主要因素。李成等(2020)建立“人口数量—货币政策—房地产价格”理论模型，并建立多元线性回归计量实证模型，结果表明信贷扩张会使房地产供需缺口增大，进而促进了房价上涨，但是由于城市化进程的推进，信贷对房价的促进作用会逐步抵消。潘海峰(2020)研究了信贷、不同类型货币政策工具和房价的关系，认为信贷的增加一定会促进房价的上涨，但是在房价波动较高的时期，利率工具发挥了较好的调控作用，而信贷等数量型工具在房价波动较平稳时才会发挥较好的作用。马勇、吴雪妍(2018)认为银行信贷对房价的影响具有非线性特点，当信贷规模较低时，信贷对房价的影响很有限。而只有信贷规模超过一定阈值时，才会对房价产生显著的促进作用。

2.3 其他因素对房价的影响

除了银行信贷的影响之外，国内外学者对货币供应量﹑利率等宏微观变量对房价的影响研究也比较丰富。张品一、王超(2020)建立VAR模型，表明房地产价格滞后期、限购政策、货币供应量对房价的影响依次减弱。Goodhart和Hofmann(2008)通过对工业化国家30年数据的分析，指出信贷扩张可推动房价上涨，房价上涨继续推动经济增长，经济增长又会推动信贷扩张，一直循环反复，三者之间存在相互影响机制。John和Robert(2012)建立了代理人基模型(Agent-Based-Model)，控制杠杆率和利率，模拟房价波动状况，以此反映房地产市场的繁荣与衰退，结果表明杠杆率才是影响房地产市场价格波动的根本因素。郭娜(2019)构建了纳入房地产部门的DSGE模型，结果表明随着技术进步，房价会持续上升；紧缩的货币政策冲击能够有效降低房价。李凯等(2021)通过建立TVP-SV-VAR模型，研究发现社会融资规模对房价的影响更显著且更强。

3 房价波动、信贷与商业银行系统性风险关系的研究

3.1 房价对银行信贷的影响

房价的高低影响到房企的资金收入，影响房企的还债能力，进而影响到商业银行放贷意愿，银行信贷又可以划分为对居民的住房按揭贷款和向房企的房地产贷款，两者联系密切。Gimeno和Carrascal (2010)认为房价决定抵押品价值，会影响家庭财富总额，进而引起住房信贷规模与质量的变动。Hott(2011)通过引入三种非理性预期方法建立理论模型，研究住房按揭贷款、房地产价格、房屋供给之间的关系。结果表明银行既是危机的受害者，因其向房地产市场提供资金，也是房地产价格泡沫化的推动者。银行利润与房地产市场存在正反馈效应，房价下跌时，银行面临较大损失和承担较高风险，信贷规模会受到显著影响。房价上涨时，银行信贷规模也会随之扩张。国内学者关于房价对信贷的影响研究起步稍晚，但也取得了丰硕的成果，冀志斌等(2020)检验房价变动与企业融资约束之间的关系，房价上升有利于缓解借方的融资约束，缓解程度因企业类型不同而表现出显著差异。企业融资约束的缓解，意味着企业负债来源增加或是负债成本减少，企业贷款的筹集多来源于商业银行，企业融资约束的缓解侧面意味着银行信贷的扩张。作为高负债的房地产企业，需要大量筹资用于土地购买和房产开发，而房地产企业融资的主要来源便是银行贷款。房价上涨会促进信贷规模扩张，相反，房价下跌会造成银行信贷规模的收缩(张澄、沈悦，2018)。陈玺任(2021)研究表明，房价波动通过影响居民对房贷的需求进而影响银行对房企的贷款规模，也会显著影响房地产贷款的质量。

3.2 信贷对商行系统性风险的影响

信贷是商业银行主要资产业务，商业银行信贷规模与质量发生变化，会通过资产负债数据影响商行系统性风险。王重润、胡雨婷(2021)将房地产企业负债规模与银行系统性风险相联系，发现两者呈现显著的正向关系。房企的负债大多来源于银行信贷，即银行信贷扩张会增加商业银行系统性风险，且短期信贷的促进作用更大。闫世军、李丛文(2015)根据房地产开发商数据与银行业板块指数，基于GARCH-时变Copula-CoVaR模型，研究房地产行业与银行业的动态风险溢出度，发现两者之间的影响程度与置信水平显著相关。王辉、李硕(2015)将与房地产行业相关的信贷市场和银行市场作为整体模拟风险传染过程，研究结果表明两个市场系统整体比单独的分市场风险更大，且个人住房按揭贷款规模对银行系统性风险的影响更强烈。宋凌峰等(2018)从资产和负债两个方面，使用2002—2016年数据，动态演绎了我国房价波动、房地产市场信贷、银行系统性风险的演变过程，表明银行系统性风险主要通过房地产市场信贷进行传导，且该传导并非线性，而是呈现出显著的结构性突变特点。

3.3 房价对商行系统性风险的影响

我国学者主要建立网络模型、进行压力测试，以此来研究房价对商业银行系统性风险的影响。方意(2017)将去杠杆—降价抛售—破产机制引入传统网络模型中，对房地产贷款违约进行压力测试，以此算出传染损失比重指标。指出房价下跌，导致信贷大量违约经过银行网络关联性导致的传染风险是银行系统性风险产生的根源。方意等(2018)立足于我国整个金融体系，基于CoVaR模型，引入状态变量，建立分位数回归模型，研究房地产市场，股票、债券等金融市场对银行系统性风险的动态溢出效应，结果表明银行系统性风险很大一部分来源于房地产市场，而房价在其中发挥了很重要的作用。李世泽等(2019)依据复杂网络模型构造了我国银行体系内部借贷网络，并引入银行的房地产贷款损失和房地产市场价格等因素，建立银行系统性风险传染模型，发现银行系统性风险的增强是由房价的不良变动引起的。贾庆英、高蕊(2020)构建门槛——VAR模型研究房价对金融系统性风险的影响。结果表明随着杠杆的增强，房价对金融系统性风险的影响逐步增强，但这种影响呈现非线性特点。彭俊华、许桂华(2020)采用独立性权系数法编制出系统性金融风险综合指数，建立VAR模型，结果表明房价的异常波动会影响到整体经济的资产配置，房地产市场会出现过度配置状态，最终会导致系统性金融风险的爆发。张炜(2018)创造性地使用系统动力学理论研究房地产业与银行的关系，将Copula函数引入系统性或有权益分析法模型，确定商业银行系统性风险评价指标体系，再利用房地产价格和系统性风险指标建立结构向量自回归模型，得出无论长短期，房价波动对商业银行系统性风险都存在显著影响。虽然商业银行系统性风险的概念尚未统一，但是研究结论一致表明房价不良变动会显著增强银行系统性风险，且信贷是房价影响商业银行系统性风险的一条重要渠道。

4 结语

通过整理与学习国内外学者的研究成果，可以发现，供给和需求确定了房地产的基本价格，社会、经济、政策等外部因素影响着房价波动。银行信贷作为房地产市场的主要资金来源，对房价发挥着重要的作用。20年来，房地产行业经历了繁荣和衰退。整体上看，房价一路攀升，致使房地产市场面临较大的风险敞口，但是对于房地产价格泡沫是否破裂仍未达成一致意见，笔者认为房价泡沫暂时不会破裂，仍将继续保持在一个较高的水平，与Edward Glaeser(2017)的观点保持一致。

国内外学者关于房价对商业银行系统性风险的直接影响主要基于风险传染效应，以此建立网络模型研究两者的传导机制，研究结论均表明房价的不良波动会提高商业银行系统性风险。银行信贷作为外生变量可以影响到我国房价的变动，信贷扩张会促进房价上涨。房价波动又会影响到房地产开发企业的资金来源，信贷作为我国企业传统的融资渠道，房价波动势必会影响到信贷的扩缩，即房价与信贷两者存在相互影响机制。银行信贷是我国商业银行主要传统资产业务，也是银行的利润来源，信贷的规模和质量也影响到商业银行系统性风险水平，即房价可以通过银行信贷间接影响到商业银行系统性风险。

随着互联网金融的发展，各行各业之间的联系愈来愈密切，一方受损，将会产生“蝴蝶效应”，最终对整个国民经济带来不良影响。商业银行是国民经济的资金中介，也是许多实体企业的资金来源，一旦商业银行爆发系统性风险，通过风险传染机制和溢出效应，会对业务联系频繁的其他机构造成影响，这对整个经济的不良影响不容小觑，要严防商业银行系统性风险的爆发，切实提高商业银行抵御风险的能力。因此，关于商业银行系统性风险传导机制的研究和系统性风险预警体系的建立显得格外重要，外界冲击对商业银行系统性风险影响的研究也将是未来该领域的研究重点。