劉夢媛 朱玉林

摘要：基于2000年-2018年的季度數(shù)據(jù)，從宏觀經(jīng)濟(jì)視角分析房地產(chǎn)價格波動與銀行信貸之間的風(fēng)險傳染機(jī)制，并運用VEC模型和IRF脈沖響應(yīng)函數(shù)進(jìn)行實證檢驗，研究表明：我國房地產(chǎn)價格和銀行信貸存在長期協(xié)整關(guān)系，銀行信貸的變動是房價變動的單向Granger原因;房價的波動風(fēng)險主要來自于需求方，而供給方的影響較小但更為持久。

關(guān)鍵詞：房地產(chǎn)價格 銀行信貸 傳染機(jī)制

一、引言

自我國1998年實行住房貨幣化改革后，房地產(chǎn)市場出現(xiàn)了前所未有的繁榮景象。僅房地產(chǎn)貸款余額從1999年的3.56億元增長到38.7億元，房地產(chǎn)貸款占金融機(jī)構(gòu)貸款的比重從2000年的6.04%上升至2018年的14.12%，房地產(chǎn)開發(fā)貸款和個人住房貸款分別以25.99%和51.19%年均增速增長，遠(yuǎn)超同期金融機(jī)構(gòu)的貸款增速13.06%①，房地產(chǎn)市場的信貸擴(kuò)張直接引起了房價的快速增長，房價的快速增長又通過財富效應(yīng)和成本規(guī)模的變化來影響消費與投資，間接擴(kuò)大銀行信貸[1]。因此，研究我國房地產(chǎn)價格與銀行信貸之間風(fēng)險傳染機(jī)制顯得尤為重要，不僅對確保房地產(chǎn)市場穩(wěn)定健康發(fā)展具有重要的理論意義，更具有重要的實踐價值。

國內(nèi)外專家學(xué)者關(guān)于房地產(chǎn)價格波動與銀行信貸的風(fēng)險傳染機(jī)制做過很多探討。一方面房地產(chǎn)價格可以通過多種財富渠道影響銀行信貸的規(guī)模。Chen et al.[2]（1998）認(rèn)為信貸和房地產(chǎn)周期會受到GDP和利率等經(jīng)濟(jì)變量及預(yù)期的影響，經(jīng)濟(jì)環(huán)境變化會影響需求因素如收入、利率以及銀行信貸政策等。況偉大[3]（2011）認(rèn)為經(jīng)濟(jì)增長對信貸規(guī)模的變動會對房地產(chǎn)投資產(chǎn)生聯(lián)動效應(yīng)。Davis et al.[4]（2011）通過17個國家的跨國數(shù)據(jù)發(fā)現(xiàn)商業(yè)地產(chǎn)價格的上漲是自身引起的，是它們導(dǎo)致銀行信貸擴(kuò)張。

另一方面，銀行信貸可以通過多個流動性效應(yīng)影響房地產(chǎn)價格。Kiyotaki[5]（1997）認(rèn)為金融市場的信息不對稱問題，會導(dǎo)致借款者的資產(chǎn)負(fù)債表和現(xiàn)金流狀況成為其借貸能力的重要因素。平新喬[6]（2004）則認(rèn)為政府支持的銀行信貸對房地產(chǎn)價格和開發(fā)投資都具有正向推動作用。龍少波[7]（2016）發(fā)現(xiàn)增加貨幣供應(yīng)會刺激消費，當(dāng)消費取向轉(zhuǎn)向房地產(chǎn)市場會引起房價的上漲。因此，房價波動與銀行信貸之間的波動關(guān)系不僅源于房地產(chǎn)供需雙方的力量不平衡，而且會受到各項宏觀經(jīng)濟(jì)指標(biāo)的影響。

鑒于以上，本文從兩個層面進(jìn)行研究，首先是運用多變量協(xié)整分析我國房地產(chǎn)價格與銀行信貸之間長期、短期的均衡關(guān)系，其次是運用脈沖響應(yīng)和方差檢驗深層分析房地產(chǎn)價格和銀行信貸之間的動態(tài)關(guān)系。本文接下來安排如下，第二部分是研究方法與數(shù)據(jù)來源介紹，第三部分是脈沖響應(yīng)與方差檢驗深層分析，最后一部分是研究結(jié)論與建議。

二、研究方法與數(shù)據(jù)來源

（一）研究方法

在傳統(tǒng)計量分析中要求涉及的變量均為平穩(wěn)序列變量，但對于多個非平穩(wěn)時間序列，有一種特殊情況，即幾個非平穩(wěn)時間序列變量的線性組合形成的變量是平穩(wěn)序列。這種情況下研究者一般稱非平穩(wěn)時間序列存在協(xié)整關(guān)系[8]。

對于協(xié)整關(guān)系，如果序列X1t，X2t，...Xkt是d階單整，存在向量α=（α1，α2，...αk），使得Zt=αXt～I(xiàn)（d-b），其中b>0，Xt=（X1t，X2t，...Xkt），則認(rèn)為序列X1t，X2t，...Xkt是（d，b）階協(xié)整。兩個變量存在（d，b）協(xié)整關(guān)系表示它們在服從各自長期波動規(guī)律同時，兩者之間存在著一個長期穩(wěn)定的比例關(guān)系[9]。在多變量協(xié)整關(guān)系中，最為常用的是Johansen協(xié)整檢驗，檢驗?zāi)Ｐ褪欠翊嬖趨f(xié)整關(guān)系，如果存在，則可以建立VEC模型來分析多變量模型的動態(tài)關(guān)系。

VAR模型建模思想是把每一個外生變量作為所有內(nèi)生變量滯后值的函數(shù)來構(gòu)造模型，而VEC矢量誤差修正模型則是在差分序列建立的VAR模型中加入一個誤差修正項，則VEC模型的具體表達(dá)式如下：

式中，Yi（i=0...p）代表K維的內(nèi)生變量矢量，ECM代表根據(jù)協(xié)整方程計算的誤差修正項，α代表調(diào)整系數(shù)，Ai（i=0...p）代表相應(yīng)的系數(shù)矩陣，P代表內(nèi)生變量滯后的階數(shù)，εt為一白噪聲過程。由于該模型中的系數(shù)矩陣并不是研究者主要關(guān)注的對象，故需要借助Granger因果檢驗、IRF脈沖響應(yīng)函數(shù)和方差分解等工具?；谝陨希疚牡膮f(xié)整模型構(gòu)造如下：

（二）數(shù)據(jù)來源與處理

本文利用2000-2018年我國房地產(chǎn)價格指數(shù)、金融機(jī)構(gòu)各項貸款余額以及宏觀變量經(jīng)濟(jì)增長、貨幣供應(yīng)量、銀行中長期貸款利率五個變量的季度數(shù)據(jù)，其中共77組樣本數(shù)據(jù)來對房價與銀行信貸之間的關(guān)系進(jìn)行實證分析。其中房地產(chǎn)價格指數(shù)（HPI），是由全國商品房銷售額和銷售面積的季度數(shù)據(jù)換算成全國商品房季度平均銷售價格，本文將其標(biāo)準(zhǔn)化處理為以2000年第一季度為基期的價格指數(shù);本文所指的銀行信貸（LOAN）僅涉及銀行系統(tǒng)總體的規(guī)模，故選取金融機(jī)構(gòu)各項貸款余額作為樣本數(shù)據(jù)，代表房地產(chǎn)市場資金的供給。經(jīng)濟(jì)增長用國民生產(chǎn)總值GDP表示，貨幣供應(yīng)量中M1對資產(chǎn)價格的關(guān)聯(lián)性最強(qiáng)，代表宏觀經(jīng)濟(jì)政策調(diào)節(jié)變量，銀行中長期貸款利率由1-3年人民銀行貸款基準(zhǔn)利率（R）表示，代表投資方成本及需求方的變量。除了銀行中長期貸款利率未取對數(shù)，其他樣本數(shù)據(jù)均取對數(shù)，所有樣本數(shù)據(jù)在一階差分后均平穩(wěn)。本文數(shù)據(jù)均來自中國統(tǒng)計年鑒和中國人民銀行公開數(shù)據(jù)。

三、實證分析

（一）單位根檢驗與協(xié)整檢驗

通過單位根檢驗，可知HPI、LOAN、GDP、M1、R是一階單整。本文采用Johansen檢驗的兩種方法：跡（Trance檢驗）和最大特征值（Maximum Eigenvalue）檢驗。使用Johansen協(xié)整檢驗方法對變量的長期關(guān)系進(jìn)行觀測時，首先判斷最佳的滯后期，運用AIC和SC準(zhǔn)則進(jìn)行判斷，綜合考慮本文VAR模型選擇3期作為最佳滯后期。

選取的變量具有較明顯的確定性趨勢，將檢驗的方程定義為有截距項的方程，協(xié)整檢驗結(jié)果如表：

通過跡（Trance檢驗）和最大特征值（Maximum Eigenvalue）檢驗結(jié)果顯示：五個變量在95%的置信水平下存在一個長期的協(xié)整關(guān)系。房價HPI、銀行貸款LOAN、經(jīng)濟(jì)增長GDP、貨幣供應(yīng)量M1、利率R五個變量間的協(xié)整關(guān)系表示為：

HPI=0.149549LOAN+0.051822GDP+0.306844M1-0.000491R（3.1）

（0.14605）? ? （0.04356）? （0.15568）（0.01356）

注釋：圓括號內(nèi)數(shù)值代表系數(shù)的標(biāo)準(zhǔn)誤差

從以上協(xié)整關(guān)系方程可以看出：五個變量之間存在長期均衡關(guān)系，且每個變量的統(tǒng)計量都較為顯著。LOAN、GDP、M1對HPI均為正向影響，與R呈現(xiàn)反向關(guān)系，即LOAN增長1%HPI上漲0.15%，另外GDP增長1%HPI上漲0.05%，M1增長1%HPI上漲0.31%，R增長1%HPI下跌0.0005%。其中M1對HPI的影響最明顯，上述協(xié)整關(guān)系的誤差修正項形式為：

ECMt=HPI-0.149549LOAN-0.051822GDP-0.306844M1 +0.000491R-6.756338（3.2）

該VEC誤差修正項表達(dá)式與Johansen協(xié)整關(guān)系是一致的，只是在協(xié)整關(guān)系中加入一個常數(shù)項為-6.756338，表明該模型具有良好的反向誤差修正機(jī)制。

VEC模型表示為：

HPI的調(diào)整系數(shù)為-1.104574，表明在其它變量不變的情況下，第t期的變化可以消除前一期110%的非均衡誤差，而LOAN的調(diào)整系數(shù)為0.105994，說明在其它變量不變的情況下，第t期的變化會增加前一期10.60%的非均衡誤差，此時模型不能對LOAN滯后一期的非均衡誤差起反向調(diào)節(jié)作用。故從HPI與LOAN的短期動態(tài)關(guān)系看，滯后一個季度的HPI對當(dāng)期LOAN產(chǎn)生負(fù)向影響，說明短期內(nèi)LOAN對HPI增長的變化相當(dāng)敏感，但從長期來看，結(jié)果不盡相同。

本文通過Granger因果關(guān)系檢驗可以發(fā)現(xiàn)，在協(xié)整關(guān)系存在的長期情況下，房價波動和銀行信貸之間不存在雙向 Granger因果關(guān)系，即銀行信貸增長率的變動是實際房價增長率變動的Granger原因，其中P值為0.0003。但是，反過來不成立，即房價增長率不是銀行信貸增長率的Granger原因。本文基于宏觀經(jīng)濟(jì)的分析認(rèn)為在長期中銀行信貸在中國更多地表現(xiàn)為政策變量，具有一定的外生性，而且影響其變動的因素有很多，包括各個行業(yè)的經(jīng)濟(jì)增長，因此較難發(fā)現(xiàn)房價增長率的變動顯著影響銀行信貸增長率的變動。

（二）脈沖響應(yīng)函數(shù)及方差檢驗

根據(jù)上述建立的房地產(chǎn)價格的VEC誤差修正模型以及Granger因果檢驗的結(jié)果，通過假定模型中各個變量的標(biāo)準(zhǔn)差信息，可以計算出LOAN、GDP、M1以及R波動對HPI沖擊的響應(yīng)函數(shù)，檢驗結(jié)果如圖所示：

從檢驗結(jié)果可以看出，HPI受到自身沖擊響應(yīng)的影響最大，最大值達(dá)到8.9%，在第一季度為正，緊接著在第二季度開始波動下行，并且第五季達(dá)到最小值-0.4%，隨后開始出現(xiàn)上行趨勢為正，之后便圍繞著0值上下波動。受到大眾預(yù)期的影響，當(dāng)大眾認(rèn)為房價處于高位時，在短期內(nèi)造成的恐慌心理繼續(xù)推動房價的上漲，但是當(dāng)實際情況與期望不相符時，大眾對于房地產(chǎn)的投資、投機(jī)心理會迅速消退，反而導(dǎo)致房價的下跌，這樣的下跌后又會引起大眾的消費心理，如此便產(chǎn)生房價對于自身的波動的反應(yīng)。

LOAN對HPI沖擊響應(yīng)的第一季度為0，但是第二季度開始達(dá)到最大值2.5%，緊接著出現(xiàn)下滑，在第四季度達(dá)到最小值-1%，這與我們所認(rèn)為的信貸的增長會推動房價的增長有些相違背，前者的增長并不會帶來持續(xù)的房價上升，而是多個波動周期的遞減，說明了銀行信貸的擴(kuò)張會在短期內(nèi)會促進(jìn)房價的上漲，但在此時為了防止房價的繼續(xù)上漲，受到宏觀調(diào)控下的經(jīng)濟(jì)變量的影響，短期的信貸增長而不見得房價持續(xù)的增長。

GDP和M1對HPI的沖擊響應(yīng)第一季度都為0，但是第一年內(nèi)GDP對HPI的沖擊響應(yīng)波動要明顯大于M1，但兩者對HPI的沖擊均為正向。第四季度GDP對于HPI的沖擊波動達(dá)到1.5%，第三季度便跌至0.1%，隨后在第四季度達(dá)到最大值1.7%，之后下跌三個季度后，在第八個季度又上升至0.9%，說明經(jīng)濟(jì)增長帶來的房價波動影響較為持久，而貨幣供給帶來的房價波動較平穩(wěn)，到了第五季度至七季度才有比較明顯的波動。

R對HPI的沖擊響應(yīng)明顯與前三種的響應(yīng)不同，從第二季度開始有較為明顯的下降，第三季度達(dá)到最低值-1.3%，之后雖有上升，但一直處于下行為負(fù)，較平穩(wěn)，說明短期內(nèi)銀行利率的增長對房價增長率具有促進(jìn)的作用，但從長期看，房地產(chǎn)投資、投機(jī)的流動資金受限，使得房價增長率一直處于負(fù)，對房價有一定的抑制作用，與協(xié)整關(guān)系檢驗相一致。

綜上所述，根據(jù)脈沖響應(yīng)函數(shù)分析的結(jié)果顯示，短期內(nèi)HPI的沖擊受到自身的影響最為明顯，LOAN、GDP、M1的增加都能夠在短期內(nèi)推動HPI小幅度的上升與下滑，并且作用持續(xù)性強(qiáng)，說明宏觀調(diào)控下的經(jīng)濟(jì)變量具有時滯性，具有短期波動，長期浮動的作用效果。R對HPI的影響與前者不盡相同，HPI增長率僅僅短期內(nèi)上升，之后一直處于負(fù)值，原因可能在于利率的增長會使房地產(chǎn)投資流動資金受限，抑制房價上漲?？傮w來說，四個變量中R的增長（需求方）對HPI的增長率具有較明顯的抑制作用，LOAN會受到宏觀經(jīng)濟(jì)變量的作用并不會導(dǎo)致HPI的持續(xù)增長，并且宏觀經(jīng)濟(jì)變量GDP、M1（供給方）的作用效應(yīng)更為持久。

方差檢驗結(jié)果顯示短期內(nèi)HPI的預(yù)測方差大部分來自自身，隨著期數(shù)的增加，HPI變動的方差由自身變動的解釋部分逐漸下降，其他變量的解釋部分逐漸增加，并且長期內(nèi)分別有LOAN的6.92%、GDP的6.72%、M1的8.09%以及R的9.67%的解釋力度。可知，HPI與LOAN的波動短期內(nèi)有一定的關(guān)聯(lián)性，但長期來看，房地產(chǎn)價格上漲的主要原因在于需求方，供給方的解釋力度相對較弱。

四、結(jié)論與建議

與國外發(fā)達(dá)國家相比，作為經(jīng)濟(jì)轉(zhuǎn)型的中國房地產(chǎn)和信貸市場，具有其特殊性，本文通過將HPI、LOAN、GDP、M1、R五個變量進(jìn)行協(xié)整關(guān)系的實證檢驗房地產(chǎn)價格與銀行信貸風(fēng)險傳染機(jī)制后可以得出以下結(jié)論：

從二者長期均衡關(guān)系來看，房價與銀行信貸之間的彈性系數(shù)為0.14，即銀行信貸增長1%，房價同向增加0.14%。由于銀行信貸在中國更多地表現(xiàn)為政策變量，具有一定的外生性，影響其變動的因素較多，房價與銀行信貸在長期內(nèi)并不存在互為Granger因果關(guān)系，即銀行信貸變動是房價變動的Granger原因，而反過來則不成立。

從脈沖響應(yīng)函數(shù)及方差檢驗分析的結(jié)果看，房價的波動風(fēng)險主要來自于需求方，包括短期利率的變化以及大眾對房價的預(yù)期，而供給方的影響則是小幅度變動但較為持久，這說明我國房地產(chǎn)市場存在比較嚴(yán)重的供需不平衡現(xiàn)象，導(dǎo)致局部地區(qū)出現(xiàn)較多空置房，而部分地區(qū)又存在過高房價。因此提出以下建議：

對于需求方面，建立合理的房地產(chǎn)投資政策，投資主體結(jié)構(gòu)的變化會對房地產(chǎn)周期帶來較大的影響，可以通過利率對投資規(guī)模進(jìn)行控制，確保投資占比的合理性，保障投資規(guī)模與宏觀經(jīng)濟(jì)規(guī)模相當(dāng)。對于房價過高的城市，應(yīng)該加大市場供應(yīng)，建立多渠道的住房保障體系，例如廉租房、共有產(chǎn)權(quán)房的建設(shè)，長期租賃體系的完善，為大眾提供更加多樣的選擇。

對于供給方面，即宏觀經(jīng)濟(jì)方面，建立嚴(yán)格的土地開發(fā)制度，保持土地價格穩(wěn)定，建筑成本公開透明化，限制投機(jī)性住房，合理規(guī)劃城市住房布局，在新城區(qū)內(nèi)建立完善的醫(yī)療、教育、交通、住房體系，推動人口向新城區(qū)遷移，改變城市中心過度擁擠的狀態(tài)。

注釋：

①該數(shù)據(jù)來源于歷年《中國人民銀行》官網(wǎng)統(tǒng)計數(shù)據(jù)。

參考文獻(xiàn)：

[1]劉育肇，姚婷.《房價波動與銀行信貸關(guān)系的實證分析》.《中國商論》，2018第26期33-35頁.

[2]Ming-Chi Chen and Kanak Patel，1998，“House Price Dynamics and Granger Causality：An Analysis of Taipei New Dwelling Market.”Journal of the Asian Real Estate Society，vol.1，No.1，pp.101-126.

[3]況偉大.《房地產(chǎn)投資、房地產(chǎn)信貸與中國經(jīng)濟(jì)增長》.《經(jīng)濟(jì)理論與經(jīng)濟(jì)管理》.2011第1期59-68頁.

[4]E.Philip Davis and Haibin Zhu，2011，“Bank lending and commercial property cycles：some cross-country evidence.” Journal of International Money andFinance，vol.30，No.1，pp.1-21.

[5]Kiyotaki N and Moore J，1997，“Credit Cycles.” Journal of Political Economy，vol.105，No.2，pp.211-248.

[6]平新喬，楊慕云.《信貸市場信息不對稱的實證研究—來自中國國有商業(yè)銀行的證據(jù)》《金融研究》，2009第3期1-18頁.

[7]龍少波，陳璋，胡國良.《貨幣政策、房價波動對居民消費影響的路徑研究》.《金融研究》，2016第6期52-66頁.

[8]李子奈，潘文卿.《計量經(jīng)濟(jì)學(xué)》.高等教育出版社，2015年9月第四版.

[9]馬慧慧.《EViews統(tǒng)計分析與應(yīng)用》.電子工業(yè)出版社，2016年4月第三版.

劉夢媛系中南林業(yè)科技大學(xué)經(jīng)濟(jì)學(xué)院碩士研究生;朱玉林系中南林業(yè)科技大學(xué)經(jīng)濟(jì)學(xué)院院長