房地产价格与银行信贷间联动机理分析文档格式.docx
《房地产价格与银行信贷间联动机理分析文档格式.docx》由会员分享，可在线阅读，更多相关《房地产价格与银行信贷间联动机理分析文档格式.docx（10页珍藏版）》请在冰豆网上搜索。
然而，虽经历数次调控，房价自2004年以来涨幅仍持续攀升。
国家统计局于2013年8月18日发布的7月份70个大中城市住宅销售价格统计数据显示，2013年7月份70个大中城市房价总体仍呈涨势。
与2012年同月相比，70个大中城市中，房价下降的城市有1个，上涨的城市有69个。
其中，10个城市的房价同比涨幅超过10%，北京上涨18.3%、广州上涨17.4%、深圳上涨17%、上海上涨16.5%。
另外，厦门、南京、郑州、南充、福州、沈阳等城市的同比上涨幅度也均超过10%。
种种迹象表明，国家以限购、限贷等为代表的行政化楼市调控政策所能起到的效果愈来愈微弱，被称为十年来最犀利楼市调控的“新国五条”也没能有效遏制住房价的涨势。
因此，从微观层面厘清房地产价格波动的根源，及与相关因素的作用机制，对有效抑制房地产价格的非理性上涨是非常有必要的。
房地产价格波动是多种因素作用的结果，它是房地产市场供给与需求严重不匹配而出现的一种失衡现象。
房地产价格波动产生的原因包括银行信贷、消费者预期、信息失真、政府调控措施不协调等因素，其中银行信贷是房价波动的主要原因之一，众多学者对房地产价格波动与银行信贷之间的关联关系进行了研究。
鉴于国外房地产金融市场比较成熟，国外学者对房地产金融的研究比较早，因此理论与实证层面的文献都非常丰富。
Allen和Gale（2000）构建了基于信贷扩张的房地产价格模型，研究结果表明信贷支持有力推动了投资者的投资行为，进而推动了资产价格的上涨;
Collyns和Senhadji（2002）对韩国、新加坡、我国香港地区和泰国的实证研究结果显示，银行信贷扩张与房价上涨存在双向的引导关系;
Davis和HaibinZhu（2004）选取17个国家的相关数据对房地产信贷与房地产价格之间的因果关系进行了分析，结果表明部分国家银行信贷变化对房地产价格的波动具有显着的影响;
Benito（2006）指出信贷条件的变动，如购房者首付比例的变化对房价波动影响较大。
随着我国房地产金融理论与实践的不断发展，国内学者对我国房地产价格与银行信贷的关联关系的研究也越来越深入。
皮舜、武康平（2004）通过建立误差修正模型，对房价与银行信贷的关联关系进行了实证分析，认为房价上涨引发银行信贷扩张，同时银行信贷扩张又会引发房价的上涨，两者存在正反馈作用;
周京奎（2005）通过构建存量-流量模型，并利用面板数据分析了银行信贷对房价的影响，说明扩张的银行信贷对房价上涨影响较大;
李健飞、史晨昱（2005）选取1998～2004年季度数据，利用Johansen协整检验表明银行信贷扩张不是房价上涨的根源，但房价上涨对银行信贷扩张的作用不容忽视;
段忠东等（2007）利用我国2000～2006年的月度数据进行分析，认为银行信贷与房地产价格之间存在长期的均衡关系，且银行信贷变动是房地产价格短期波动的格兰杰原因。
丘长溶（2008）从理论层面研究了房地产信贷对房价的作用机理，并利用协整分析方法进行实证分析，结论认为银行信贷对房价存在长期的正反馈效应。
通过梳理研究文献可以发现，国内学者对于房地产价格与银行信贷关联关系的研究，从定性角度考虑，多是运用协整检验、误差修正模型等计量经济学手段定量探讨两者之间的均衡状态及引导关系。
在前述研究中，侧重分析房地产价格波动与银行信贷规模变化之间的关系，而忽视了房地产价格波动与银行信贷质量之间的相互影响机制。
因此，本文通过VAR模型，借助房地产价格指数、银行贷款余额及贷款资产恶化率等指标，综合分析房地产价格与银行信贷风险之间的动态相关关系，从而为抑制房地产价格的非理性上涨及商业银行有效规避信贷风险提供理论指导。
二、房地产价格与银行信贷间联动机理分析
（一）银行信贷对房地产价格的影响机理
房地产业各市场主体对资金需求量大，且房地产业建设周期长，在投放少量的自有资金的同时，大部分资金需要金融体系的信用支持。
目前，我国金融体系不完善、不健全，导致房地产资金来源单一，多数资金来自商业银行的信贷，银行信贷从信贷资金的获得条件、投放方向及数量方面影响房地产市场中供给方与需求方的投资决策，进而影响房地产价格的波动。
从房屋供给主体考虑，银行信贷扩张使得房地产开发商获得了更多的可用资金，商品房供给将增加，在房屋需求不变的情况下，房价将会下降。
从房屋需求主体考虑，银行信贷扩张给需求者提供了更多的资金支持，市场中的投资者和投机者增多，致使房屋需求将增多，在供给固定不变的情况下，房价将会上升。
鉴于房地产业建设周期长，短期内房屋供给变化不大，因此，扩张的信贷资金将会使房屋需求增多，最终导致房价上涨。
而房价的上涨使得房地产抵押物的价值攀升，银行利润增加促使银行信贷的进一步扩张。
而一旦出现房地产价格下跌，房地产信贷风险将会凸显出来，商业银行将会收紧房地产信贷规模、提高房地产信贷门槛，致使房地产价格下降。
（二）房地产价格对银行信贷的作用机理
房地产价格的波动对银行信贷具有反作用。
从房屋供给主体来看，房价上涨时，基于自身利益考虑，开发商会增加对资金的需求，同时银行信贷的方向将会倾向房地产业，银行信贷条件将更宽松，信贷规模扩张。
房价下跌时，银行将会面临抵押物价值下降、房产开发企业无法还款的信用风险，银行紧缩政策将使银行信贷规模萎缩;
从房屋需求主体来看，房价上涨时，需求者会形成对房价上涨的预期，致使房屋需求者举债进行更大规模的房地产投资，同时出于自身利益的考虑，信贷条件放宽，银行信贷规模扩张。
房价下跌时，以投资、投机为目的的房屋需求下降，需要的信贷规模下降，同时，由于房地产抵押物价值下降，银行面临住房抵押贷款违约的可能性，银行紧缩政策致使银行信贷规模大幅缩减。
三、研究方法、指标选取及说明
（一）研究方法
本文拟构建VAR模型，通过脉冲响应函数、方差分解方法分别测度商业银行贷款余额以及贷款资产恶化率与房地产价格指数之间的联动关系及影响程度。
传统计量经济学模型以经济理论为基础来描述变量间的关系，然而经济理论往往不足以严密说明变量间的动态联系，同时内生变量出现在方程的两端增加了模型估计的难度。
作为一种非结构性方程，VAR模型有效解决了传统计量经济学模型存在的弊端。
VAR模型以数据的统计特性为基础，把一个系统中的每一个内生变量作为系统中所有内生变量的滞后值来构建模型，在VAR模型中，经济理论的作用仅仅局限于选择变量，且因为VAR系统中每个方程都包含相同的解释变量，只要所有变量平稳，且残差满足计量经济模型的基本假设，其参数估计将比较容易。
鉴于VAR模型的众多优点，其被广泛应用于经济预测、检验经济变量间的因果关系及估计脉冲响应函数中。
VAR模型的数学表达式如下:
【公式】
其中，yt是k维内生变量列向量，xt是d维外生变量列向量，p为模型的滞后阶数，其确定往往结合AIC、SC统计量选择使得AIC、SC值最小的阶数，k×
k维矩阵A1…Ap及k×
d维矩阵H是代估系数矩阵，εt为k维扰动项矩阵，其相互之间可以同期相关，但不与自身的滞后值相关，且不能与等式右边的变量相关。
（二）指标选取及说明
本文研究的时间段为2004年1季度到2013年2季度。
选取商品房销售价格指数（P）、银行贷款余额（L）、贷款资产恶化率（A）为研究指标，为了避免商品房销售价格指数和银行贷款余额序列可能存在的异方差性，对上述两指标取其自然对数，分别记为LNP、LNL。
1.商品房销售价格指数本文选取中华人民共和国国家统计局全国商品房销售额及商品房销售面积的季度数据计算得出销售价格。
为了使各季度的价格具有可比性，以2004年1季度的数据为基数并记为100，在此基础上得到各季度的商品房销售价格指数的名义值，利用CPI价格指数对各名义值进行缩减进而得到商品房价格指数的真实值。
2.商业银行贷款余额商业银行贷款余额数据来源于金融年鉴。
自2006年开始，中国人民银行开始编制《存款性公司概况》，与原《银行概况》相比，不包含信托投资公司和金融融资租赁公司。
为了与商品房价格指数具有可比性，银行贷款余额选取每个季度的新增量。
3.贷款资产恶化率贷款资产恶化率的取得需要经过相关的计算。
具体公式包括:
不良贷款余额=贷款余额*不良贷款率;
贷款资产恶化率=（当年该季度不良贷款余额－上年同期不良贷款余额）/（当年该季度贷款余额－上年同期贷款余额）*100%。
四、实证分析
（一）平稳性检验
为了避免时间序列数据间可能存在的伪回归现象，在系统建模前利用ADF法对相关数据进行单位根检验，以保证所用数据的平稳性，进而为Granger因果检验、VAR模型分析提供前提条件。
ADF单位根检验结果如表1所示。
【表1】
单位根检验结果显示，各变量的ADF值均大于10%显着性水平对应的临界值，说明各变量的原始时序数列均是非平稳的，而各变量的一阶差分序列的ADF值均小于1%显着性水平对应的临界值，说明各变量的一阶差分序列是平稳的，即各变量的原始序列为一阶单整序列。
因此，下文将着重利用各变量的一阶差分序列进行系统建模。
（二）Granger因果关系检验
Granger因果关系检验本质上是检验一个变量的滞后变量是否能够引入到某一目标变量方程中。
如果目标方程中引入另一变量的若干阶滞后值后，使得方程的解释程度提高，则称两变量具有Granger因果关系。
Granger因果检验的任何一种检验结果与滞后长度的选择高度相关，通常结合AIC及SC最小准则来确定滞后阶数。
1.商品房销售价格指数与银行贷款余额的Granger因果关系检验为了检验商品房销售价格指数与银行贷款余额间的引导关系，对ΔLNP和ΔLNL进行Granger因果检验，依据AIC及SC准则，选取滞后阶数1，结果如表2所示。
【表2】
由表2可知，在5%的显着性水平下，商品房销售价格指数和银行贷款余额间存在单向的引导关系，即银行贷款余额是商品房销售价格指数的Granger原因，而商品房销售价格指数不是银行贷款余额的Granger原因。
这说明银行贷款的变化对房地产价格的波动影响较大，银行贷款的扩张直接导致了房地产价格的不断攀升。
同时，银行信贷的投放之所以没有受到房地产价格波动的严重影响，究其原因可能在于银行信贷受投资政策方面的限制，同时也受宏观调控因素的影响，弱化了市场环境下房地产价格波动的反馈作用。
2.商品房销售价格指数与贷款资产恶化率的Granger因果关系检验商品房销售价格指数不是银行贷款余额的Granger原因是否说明房地产价格的变化对银行贷款的质量没有任何影响呢?
事实上，商品房销售价格指数虽然不能直接解释贷款余额的变化，但可能会影响反映银行信贷质量的某些具体指标，进而间接对银行信贷产生影响。
此处，引进反映银行信贷质量的指标:
贷款资产恶化率（A），并对ΔLNP和ΔA进行Granger因果检验，依据AIC及SC最小准则，滞后阶数仍选取为1阶。
检验结果如表3所示。
【表3】
从表3可知，在5%的显着性水平下，商品房销售价格指数和贷款资产恶化率之间存在单向的引导关系，即商品房销售价格指数的确是贷款资产恶化率的Granger原因，而贷款资产恶化率不是商品房销售价格指数的Granger原因。
其原因可能在于随着房地产价格的上升，房产抵押物价值也随之上升，而抵押贷款持续周期通常较长，一旦房地产价格出现下行压力，金融衍生品将会产生信用风险，使得度量信贷风险之一的贷款资产恶化率指标增大。
综上我们可以得出:
银行信贷与房地产价格、房地产价格与贷款资产恶化率之间存在着动态因果关系，银行信贷的增加会导致房价上升，房价的上升又会导致贷款资产恶化率提高，从而加剧银行的信贷风险。
这种关系的根源就在于银行信贷，只有控制银行信贷的非理性扩张、提高银行信贷的质量才可以有效地抑制房价的上涨，避免房地产泡沫的形成及扩散。
（三）脉冲响应分析
为了定量分析房地产销售价格指数与银行信贷及贷款资产恶化率之间的动态联动机制，引入VAR模型，根据AIC、SC等信息准则，最终模型的滞后阶数为4阶，建立了VAR（4）模型，并利用脉冲响应函数及方差分解方法进行解析。
脉冲响应函数旨在分析模型受到某种冲击时对整个系统产生的动态影响，即考虑随机扰动项的影响是如何传播到各变量的，以及分析这种影响的作用方向及持续时间。
图1～4描述了各变量之间的脉冲响应函数。
在下述脉冲响应函数图形中，横轴表示冲击作用的滞后期间数（单位:
季度），纵轴表示变量的变化值，实线表示脉冲响应函数，虚线表示正负两倍标准差偏离带。
【图1-2】
图1、图2分别描述了房价对于房价、银行信贷的脉冲响应函数图。
可以看出，当给房价一个正冲击后，房价在当期便做出最大的正响应，之后便开始减弱且一直持续下去，稳定在1%左右;
当给银行信贷一个正冲击后，由于存在时滞等原因，在当期没有对房价产生影响，在第2期影响达到最大，之后开始减弱且具有较长的持续效应，稳定在1.5%左右。
综上所述，房价波动、银行信贷受到冲击后，均会对房价波动带来同向的冲击，且持续期较长，产生持续的拉动作用。
图3、图4分别描述了贷款资产恶化率对于房价及自身的脉冲响应函数。
可以看出，给房价一个正的冲击，贷款资产恶化率在当期便做出了正反馈，在第二期达到了最大值，之后持续减弱且产生了持续的影响;
给贷款资产恶化率一个正的冲击，在当期便对自身产生了最大的同向影响，之后开始持续减弱，第6期后产生了负面影响。
因此，房价波动确实对贷款资产恶化率产生了同向的持久性影响。
【图3-4】
（四）方差分解
为描述结构冲击对于房价、银行信贷及贷款资产恶化率之间的动态变化的重要程度，我们采用方差分解进行定量分析。
方差分解是通过每一结构冲击对于内生变量变动的贡献率来说明不同结构冲击的重要性。
基于所建立的VAR（4）模型，建立房价及贷款资产恶化率的方差分解如表4和表5所示。
【表4-5】
由表4可知，房价波动在第1期只受自身波动的影响，受时滞的作用，银行信贷、贷款资产恶化率对房价的冲击从第2期才开始显现出来，其中银行信贷冲击对房价波动的贡献率在第4期达到最大值26.97%，之后便稳定在26%左右;
房价波动中大约60%由其自身冲击造成;
贷款资产恶化率的冲击对房价波动的贡献率较小。
由表5可知，自身冲击对贷款资产恶化率波动的贡献率在第1期高达93%，之后便逐步减弱，6期以后稳定在45%左右;
银行信贷冲击对贷款资产恶化率波动的贡献率持续加强，在第7期达到最大值49%左右，之后稳定在46%左右;
房价冲击对于贷款资产恶化率的贡献度在第1期便体现出来，在第2期达到最大值，且整个考察期稳定在7%左右。
五、结论与建议
本文根据2004～2013年的季度数据，通过VAR模型对房地产价格波动与银行信贷风险之间的动态相关关系进行了实证分析，得出了以下结论:
（1）Granger因果关系检验表明，在5%的显着性水平上，银行信贷与房地产价格存在单向的引导关系，即银行信贷是房地产价格的Granger原因，银行信贷的持续扩张势必会造成房价的非理性上涨，进而催生房价泡沫，加剧房地产金融风险。
同时，虽然房地产价格不是银行信贷的Granger原因，但房地产价格与反应银行信贷风险的指标-贷款资产恶化率之间存在单向的Granger因果关系，房地产价格是贷款资产恶化率的原因，房地产价格的波动加剧了银行的信贷风险;
（2）脉冲响应及方差分解表明，银行信贷对房地产价格具有正反馈效应，银行信贷受到冲击后对房地产价格产生同向的持久性影响;
房价受到冲击后，在短期内就会引发贷款资产恶化率的同向波动，且这种影响具有持久性。
从以上分析可知，只有控制银行信贷的非理性扩张，才能有效抑制房价的非理性上涨，进而有效地防范和化解房地产泡沫风险及银行信贷风险，并最终防范整个社会经济体系的系统风险。
针对以上结论，提出下述建议。
（一）商业银行应提升内部风险控制，加强风险防范能力
当前银行应该对房地产开发企业的资信进行严格审查，构建完善的个人信用制度，完善房地产信贷评级机构建设。
同时，银行应构建完整的风险防控体系，对房地产信贷风险进行实时监控，通过压力测试等手段使房地产信贷回归理性，防范信贷风险。
（二）拓展房地产业融资渠道
目前我国银行信贷贯穿于房地产业的整个生命周期，无形中加大了银行的信贷风险。
所以要拓宽房地产业的融资渠道，以期有效规避和分流商业银行的房地产信贷风险。
建议除了银行外，债券融资、房地产投资基金、海外房产基金、房地产信托以及股权融资都可以作为房地产市场的融资渠道。
（三）加强对银行房地产信贷的外部监管
我国现有的法律体系缺少关于商业银行房地产贷款的相关法律条文。
商业银行房地产贷款的相关监管只限于中国银监会和中国人民银行的行政手段，无论是监管力度还是监管广度都与现行的房地产贷款发展程度不相匹配。
因此，相关部门应该完善关于商业银行房地产贷款的相关法律条文，现有的监管部门应制定更为严格的监管规章制度和办法，加大对银行的外部监管。
（四）逐步完善房地产市场信息体系
完善房地产市场信息体系建设，可以有效解决房地产市场中普遍存在的信息不对称、不完全现象，避免市场失灵。
实现房产信息的公开、及时、准确，能够使各投资主体对房地产价格形成理性预期，避免因非理性预期而造成房价的剧烈波动。
升级会员 