房地产价格与银行信贷实证关系研究毕业作品.docx
《房地产价格与银行信贷实证关系研究毕业作品.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实证关系研究毕业作品.docx（19页珍藏版）》请在冰豆网上搜索。
房地产价格与银行信贷实证关系研究毕业作品
毕论
业文
（届）
房地产价格与银行信贷实证关系研究
所在学院商学院
专业班级金融学
学生姓名学号
指导教师职称
完成日期年月日
摘要
我国银行信贷近几年飞速发展，且有相当一部分资金流向了房地产，在如今房地产价格飙升、银行信贷猛增的背景下，本文基于2008年5月至2010年12月的月度数据，利用协整检验、误差修正模型、格兰杰因果检验、方程分解等实证方法分析我国房地产价格与银行信贷之间的关系。
结果发现：
房屋销售价格的增长对银行信贷增长具有推动作用，银行信贷增加对房屋销售价格指数的上涨也有一定的促进作用。
由此提出建议：
一是保证对房地产信贷适度增长；二是规范行业秩序，完善房地产市场调节机制。
关键词：
房地产价格，信贷，政策建议
ABSTRACT
Ourbankcreditrapiddevelopment,andinrecentyearsquiteanumberoftherealestate,capitalflowsinrealestateprices,nowunderthebackgroundofthebankcreditsurge,basedonMay2008toDecember2010monthlydata,usingcointegrationtest,errorcorrectionmodel,grangercausalitytest,equationanalysisofChina'seconometricmethod,decompositionofrealestatepricesandtherelationshipbetweenthebankcredit.Theresultsshowed:
thegrowthofhomesalespriceofbankcreditgrowth,bankcredithasincreasedroleforthehomesalespriceindexrosealsohavecertainstimulativeeffect.ThenputsforwardSuggestions:
oneistheguaranteetothehousingcreditmoderategrowth;Twoistostandardizetradeorder,perfectadjustmentmechanismofrealestatemarket.
Keywords:
Realestateprice,credit,policySuggestions
摘要……………………………………………………………………………………Ⅰ
Abstract………………………………………………………………………………Ⅱ
引言……………………………………………………………………………………1
一、文献综述……………………………………………………………………………2
二、实证设计……………………………………………………………………………4
（一）数据处理与描述……………………………………………………………4
（二）研究方法……………………………………………………………………4
三、房地产价格与银行信贷关系实证结果与分析……………………………………4
（一）时间序列的平稳性检验……………………………………………………5
（二）最优滞后期的确定…………………………………………………………5
（三）协整检验和协整方程………………………………………………………6
（四）格兰杰因果检验……………………………………………………………7
（五）VAR模型估计………………………………………………………………8
（六）误差修正模型………………………………………………………………9
（七）基于VAR模型的脉冲响应函数……………………………………………10
四、结论与建议…………………………………………………………………………11
五、参考文献…………………………………………………………………………13
引言
1998年中国住房制度改革，取消城镇居民福利分房制度，正式确定了房地产的全面市场化方向，计划和分配长期积累的需求得到极大释放，中国房地产从无到有，发展十分迅速，同时带动了全国经济增长。
进入21世纪以后，中国住房价格持续走高，在2003年全国累计完成房地产开发投资突破1万亿元，直到2007年美国次贷危机爆发，在次贷危机影响下，我国房地产市场的不健全、不稳定凸显出来。
国家统计局公布的数据显示，2009年全国商品房销售面积93713.54万平方米，同比增长42.1%；商品房销售额43994.54亿元，同比增长75.5%。
我国房地产市场持续升温，房价不断上涨，政府对房地产市场泡沫扩大的担心与日俱增。
回顾历史上各国信贷危机乃至进入危机爆发前房价与信贷之间的关系可以发现，二者关系微妙。
例如，香港房价曾在1997年创出历史最高水平，但在亚洲金融危机后，房价下跌之势一直持续到2003年。
房地产价格的波动受宏观经济基本面与非基本面的影响,反过来又对宏观经济产生重要的反馈作用。
这种反馈作用对宏观经济有直接影响,但更重要的是通过银行信贷扩张与收缩所形成的间接影响。
尤其在银行贷款作为我国最主要的融资渠道情况下,房地产价格的波动通过影响银行信贷从而对产出和宏观经济的波动产生深刻影响。
当前,我国房地产投资出现局部过热迹象,房地产价格在一些城市不断创出新高。
房地产产业是国民经济的基础性产业。
房地产价格的快速上涨或过高,不仅影响了普通民众在改革开放过程中财富水平以及福利水平的变化,更重要的是过高的房地产价格会引发泡沫经济,导致金融风险的发生,关系到国家的宏观经济稳定。
正确分析房地产的价格,使商品房价格达到合理水平,对于活跃房地产交易,带动相关产业发展,减缓宏观经济波动,为政府提供制定和实施相应宏观经济政策的决策依据,都具有重要的实践指导作用。
房地产行业的稳定,对维护经济稳定、金融稳定和资本市场的稳定具有非常重要的作用。
近几年来,我国实施了一系列针对房地产市场的调控措施,以抑制房地产价格过快增长,促进房地产行业健康发展。
仅2010年上半年,国务院、国土部和住建部就出台了九项调控房地产市场的通知和相关文件,其中涉及房地产消费和房地产开发的信贷调控政策多达四项,还有一些城市和地区也出台了与中央调控政策对应的细则,这些政策的出台表明了中央政府控制房地产价格过快增长的决心。
但是,调控的效果并不是很理想。
在这种情况下,对房地产价格影响银行信贷的机制和效应展开理论分析和实证检验具有重要的意义。
一、国内外文献回顾
国外房地产市场化进程进行的比较早，同时市场化程度也比较高。
房价问题重要性和房地产价格的敏感性吸引了大量学者和公众的广泛关注，从国外研究文献来看，对房地产价格的实证研究主要集中在形成均衡房地产价格的动力因素和供需因素对房地产价格影响的实证分析方面。
但是却忽而是了房地产价格对金融机构信贷的反馈机制。
在过去十年间，我国房地产价格与金融机构信贷关系日趋紧密。
从理论上来讲，房地产价格与金融机构信贷的关系可以从两个方面来分析。
一方面，房地产价格可能影响金融机构的信贷规模，另一方面，金融机构的信贷的可得性及其房贷态度会影响房地产需求和投资决策。
Herring（2002）从国际视角研究房地产繁荣与银行危机之间关系，通过构造贷款市场模型，得出银行集中贷款导致房地产繁荣，房地产市场繁荣酝酿银行危机。
ChenandWang（2006）使用台湾1991～2001年之间的台湾交易数据,研究了资产价格周期中公司抵押物价值和地产抵押贷款的经验关系,同时考虑了银行的异质性。
研究结果发现,可抵押资产的价值对地产抵押贷款的规模存在正向和显著的影响,同时,抵押物的杠杆效应对资产价格波动是顺周期的。
Hofiann（2001）研究了20个主要工业化国家实际住房价格与实际贷款、实际GDP和实际利率的关系，发现这20个国家中的15个国家都可以在10%的显著性水平上拒绝银行贷款、GDP和房地产价格不存在协整关系的零假设，并发现从长期而言，是房地产价格周期变化导致了银行贷款周期的改变，而不是过多的银行贷款带来了房地产价格泡沫。
Gerlach和Peng（2002）基于标准的回归技术,对香港的银行信贷与房地产价格之间的因果关系进行了研究，利用1982年1季度至2001年4季度的季度数据对银行贷款，实际GDP和实际房价之间的关系研究，均得出房地产价格影响银行贷款变化，而不是银行贷款决定房地产价格。
DavisandHaibinZhu（2004）利用17个国家的跨国数据对银行贷款和商用房地产价格之间的关系进行了实证分析,结论是,房地产价格的上涨导致了银行信贷的扩张,而不是过度的银行信贷扩张导致了房地产价格的上涨。
Collyns和Senhadji（2002）利用向量自回归的方法分析了东南亚金融危机国家1979年至2001年间房地产实际价格与实际贷款、人均实际GDP的关系，发现实际贷款的增加将在其后的6个季度内明显提高房地产价格。
发现在许多亚洲国家中贷款增长对住宅价格有显著的同期影响。
这些国家之中，银行贷款的增长对房地产价格具有显著的同步效应。
但是也有一些研究指出房地产价格与银行信贷增长只有单方面作用，即房地产价格周期变化导致银行信贷的改变，而不是过多的银行贷款导致房地产价格增长。
例如Hofiann（2001）研究了20个主要工业化国家实际住房价格与实际贷款、实际GDP和实际利率的关系，发现这20个国家中的15个国家都可以在10%的显著性水平上拒绝银行贷款、GDP和房地产价格不存在协整关系的零假设，并发现从长期而言，是房地产价格周期变化导致了银行贷款周期的改变，而不是过多的银行贷款带来了房地产价格泡沫。
武康平、皮舜等（2004）建立了房地产市场与信贷市场的一般均衡模型,通过对均衡解的比较静态分析,其研究结论认为房地产价格的上涨导致了银行信贷的增加,银行信贷供给增加导致房地产价格的上涨,二者之间存在正反馈的作用机制。
张涛、龚六堂、卜永祥（2006）对中国房地产价格与房地产贷款的关系进行了实证分析,结果表明中国房地产价格水平与银行房地产贷款有较强的正相关关系。
薛磊（2006）利用简单回归的方法,从定量的角度对我国银行信贷与房地产价格之间的关系进行了研究,发现银行信贷与房地产价格之间存在着高度的正相关。
梁云芳、高铁梅、贺书平（2006）利用协整分析和HP滤波，计算了房地产均衡价格水平，以及房地产价格偏离均衡价格的波动状态，得出结论：
我国房地产市场价格的偏离只是受部分地区的影响。
通过利率来调控房地产市场，成效不大，但信贷规模的变化对房地产投资有较大的影响。
而崔光灿（2009）运用面板数据模型对我国1995—2006年31个省市的数据进行分析后发现，房地产价格明显受利率和通货膨胀率的影响，而且房地产供给、收入等基础性宏观经济变量在中长期也决定房地产价格。
段忠东，曾令华，黄泽先（2007）运用多变量协整分析技术对房地产价格与银行贷款之间的长期均衡和短期动态关系进行检验。
结果表明，在长期均衡水平上，房地产价格和银行贷款之间存在双向因果关系;在短期内，房地产价格波动不是短期银行贷款增长的直接Granger原因，而是通过协整关系成为短期银行贷款增长的Granger原因。
李健飞、史晨昱（2005）采用协整分析方法,利用1998年1月至2004年9月之间的季度数据,对我国房地产价格波动和银行信贷之间的关系进行了实证研究,其研究结论是,银行的过度放贷并不是目前房地产价格上涨的根源,而房地产价格上涨对银行信贷扩张的作用却不能忽视。
黄静（2010）利用DCC-MGARCH动态相关性分析、脉冲响应分析和Granger因果关系检验等计量方法,对我国房地产价格、信贷和房地产投资之间的关系进行了分析,我国近十年的房价上涨促使了房地产投资和信贷的增加,并且房价上涨和房地产投资之间形成了相互促进的正反馈机制,但是,还没有形成从信贷增长到房价上涨和房地产投资增长的反馈机制。
综上所述，在以往文献中，大部分观点认为房价和银行信贷之间长期内相关。
2008年至2010年间，因为中国房地产价格波动远远大于过去几年，上述因果关系似乎并不明显。
本文选取该段时期的月度，利用VAR模型探讨房地产价格与银行信贷之间的动态因果关系。
此外，还加入了预测方差分解，进一步分析结构变量对内生变量的贡献度，使得出的结论更加有力。
二、实证设计
（一）数据处理与描述
本文利用2008年5月至2010年12月的我国房屋销售价格指数（P）与银行对房地产贷款（L）月度数据，共33组样本数据来对房地产价格与银行信贷之间的关系进行实证研究。
其中，银行贷款数据是用金融机构各项贷款来表示，并且将银行贷款数据取对数值，以消除异方差的影响，而房屋销售价格指数则不用处理。
所有的原始数据均来自于国家统计局和东方财富网。
（二）研究方法
本文将以2008年5月至2010年12月数据为时间序列，以房屋销售价格指数与银行信贷为变量构建VAR计量模型进行分析，首先对变量进行平稳性检验—ADF单位根检验，检验其平稳性，再基于VAR模型采用Johansen提出的协整检验方法对时间序列进行长期的平稳性检验，如果变量间存在协整关系,我们将运用格兰杰因果关系检验其长期变量之间的因果关系。
上述模型检验的是变量之间的长期关系，对于短期影响，需要进行VAR模型估计，此外，还加入的脉冲响应函数方法，使得出的结论更加有力。
三、房地产价格与银行信贷关系的实证结果与分析
（一）时间序列的平稳性检验
单位根检验是指检验序列中是否存在单位根，因为存在单位根就是非平稳时间序列了，会使回归分析中存在伪回归。
本文采用的是2008年5月至2010年12月数据为时间序列，时间序列矩特性的时变行为实际上反映了时间序列的非平稳性质。
对非平稳时间序列的处理方法一般是将其转变为平稳序列，这样就可以应用有关平稳时间序列的方法来进行相应得研究。
对时间序列单位根的检验就是对时间序列平稳性的检验，非平稳时间序列如果存在单位根，则一般可以通过差分的方法来消除单位根，得到平稳序列。
本文运用EVIEWS5.1软件，对检验房屋价格销售指数（P）和银行信贷（L）两个变量是否存在单位根。
首先通过画折线图确定变量的截距项与趋势项，回归滞后阶数的确定主要依据然赤池信息准则（AIC），要求其取值越小越好，然后经过多次尝试，选择最佳滞后期的检验形式，得到单位根结果如表1。
表1P和L序列的ADF检验结果
变量
检验类型
（c，ｔ，k）
AIC
ADF检验值
5%显著水平临界值
结论
P
（c，t，0）
0.559154
-1.784613
-2.957110
不平稳
lnL
（c，0，2）
0.322189
-1.067883
-2.960411
不平稳
ΔP
（c，0，0）
0.692191
-5.262241
-2.96041
平稳
ΔlnL
（c，0，1）
0.299042
-8.412259
-2.99042
平稳
注：
ΔP、ΔlnL表示原序列的一阶差分序列，（c，ｔ，k）分别表示单位根检验模型中的截距项、时间趋势项和滞后阶数。
通过平稳性检验，我们从表1可以发现P、lnL在原始序列上的其ADF值均小于5%的临界值，故对这些非平稳性变量采用一阶差分进行检验，发现在1阶差分上变量P、lnL趋于平稳，在1阶差分上均能在5%显著水平下平稳，表明变量为1阶单整序列，可能存在协整关系，因此需要进一步检验变量之间的协整关系。
（二）最优滞后期的确定
在估计VAR模型时，我们要对系统内解释变量的滞后期进行选择，而且协整分析的结果对滞后长度的选择比较敏感，因此多元VAR模型的滞后期长度的确定就至关重要，不当的滞后期，很可能出现“虚协整”。
而且滞后期不能过小或过大，否则会影响模型参数估计量的有效性，误差项的自相关性会很严重，并导致参数的非一致性估计。
因此在该模型中选择适当的滞后变量个数，可以消除误差项中的自相关和虚协整，本文采用Eviews5中的LagLengthCriteria（滞后长度准则），从而选择最合适的滞后期。
表2VAR模型滞后期的确定
Lag
LogL
LR
FPE
AIC
SC
HQ
0
-31.47653
NA
0.031939
2.231769
2.325182
2.261653
1
-14.98064
29.69261*
0.013902*
1.398709*
1.678949*
1.488360*
2
-11.19538
6.308773
0.014173
1.413025
1.880091
1.562443
3
-7.036682
6.376663
0.014182
1.402445
2.056338
1.611631
注：
5个评价统计量各自给出的最小的滞后期用“*”号表示。
*表示其标准的滞后期。
LR表示其连续修改的检验统计量（每个测试在5%的水平下）；FPE表示最终的预测误差；AIC、SC、HQ均为信息准则。
在VAR模型的基础上，通过对5个指标的检测结果（如上表2）我们发现，所有的准则选出来的最优滞后期均为1，可见这里的VAR模型最合适的滞后期数为1，因此本文选择VAR
（1）模型。
（三）协整检验和协整方程
根据协整理论，如果非平稳变量序列之间的线性组合有不随时间变化的性质或者具有平稳性特征，即说明这些非平稳变量之间具有长期稳定的均衡关系。
如果在不平稳的时间序列上进行分析，很容易出现“伪回归”的问题。
为了解决“伪回归”的出现，传统的做法是在对数据差分的基础上进行回归，但是这样做容易损坏变量间长期关系的信息，为了减少不必要的信息受损，本文在VAR模型的基础上建立协整检验。
协整方程实际上是对非限制性VAR模型进行协整约束后得到的VAR模型，该模型的滞后期应该是非限制性VAR模型一阶差分变量的滞后期，由于上文中VAR模型选择的最优滞后期是1，所以协整检验的VAR模型的最优滞后期确定为0，但考虑到滞后期为0不便于理解和分析经济变量的长短期关系，而且依据滞后0期建立的长期协整方程变量系数也出现不显著的情况，所以还是选择滞后1期进行协整检验，同时进一步通过联合检验来确定选择的仅有截距且序列有确定性线性趋势的Johansen协整检验。
因此，要实证研究农村金融发展与农村经济增长的关系，就需要对其是否具有长期稳定的协整关系进行检验。
表3协整检验结果
变量
原假设
特征值
迹统计量
5%的临界值
P值
lnL
P
0个协整方程*
0.479248
22.27763
18.39771
0.0136
至少1个协整方程
0.086165
2.703172
3.841466
0.1001
从表3中，我们可以看出迹统计量为22.27763，其值大于5%的临界值18.39771，或者看其P值0.0198小于0.05，也说明远假设成立。
综合表明lnL与P存在长期的均衡关系，进一步对lnL与P之间进行回归分析得出其协整方程如表（4）：
表4协整系数
lnL
P
1.000000
0.161620
（0.03994）
由以上的检验结果可以看出，在1%和5%的显著行水平上，2个变量之间存在一个协整关系，并以lnL为被解释变量，得到的协整关系式如下：
lnL=0.161620P
（0.03994）
以上2个变量之间的协整关系式表明了银行信贷和房地产价格之间存在长期均衡关系。
银行信贷对房地产价格的长期均衡弹性为0.161620，即从长期来看，房地产价格每上涨1%，银行信贷也相应上涨0.161620%，可见，房地产价格对银行信贷的正面作用十分明显。
（四）格兰杰因果检验
在进行格兰杰因果检验之前，需要对变量进行协整检验。
根据上文的检验结果，房地产价格销售指数与银行信贷之间存在长期协整关系，但变量之间是否构成因果关系还需要进一步检验，所以需要进行格兰杰因果关系检验。
格兰杰因果检验的定义为：
若在包含了变量X、Y的过去信息的条件下，对变量Y的预测效果要优于只单独由Y的过去信息对Y进行预测的效果，即变量X有助于解释变量Y的将来变化，则认为X是引致变量Y的格兰杰原因，公式为：
（1）
（2）
考虑到格兰杰因果关系检验对滞后期非常敏感，本文将根据VAR模型确定的最优滞后期1期作为格兰杰因果检验的最优滞后期，如果其概率大于0.05，表明在5%的显著水平上原假设成立，如其概率小于0.05，则在5%的显著水平上原假设不成立。
检验结果如表5。
表5格兰杰因果检验
原假设
AIC
最优滞后期
样本数
F统计量
P值
结论
P不是lnL的Granger原因
0.705518
1
32
1.91566
0.17690
接受
lnL不是P的Granger原因
1
32
0.03156
0.86023
接受
检验结果表明，格兰杰因果检验滞后1期房地产价格与银行信贷之间存在双向Granger因果关系。
这表明，房地产价格对银行信贷的增长有推动作用，银行信贷对房地产价格也有一定的推动作用。
通过以上的分析，从长期均衡来看，房地产价格与银行信贷之间存在双向因果关系，但是房地产价格对银行信贷的影响更大，还是银行信贷对房地产价格的影响更大，正向或者负向的影响，以及两者之间的短期影响，这些都需要进一步利用下面的分析来验证。
（五）VAR模型估计
向来自回归模型（VAR）采用的，自向量模型采用的是多方程联立的形式，它并不以经济理论为基础，在模型的每一个方程中，内生变量对模型的全部内生变量的滞后项进行回归，从而估计出内生变量的动态关系。
向量自回归通常用来预测相互联系的时间序列系统以及分析随机扰动项对变量系统的动态影响。
向量自回归的原理在于把每个内生变量作为系统中所有内生变量滞后值的函数来构造模型，从而避开了结构建模方法中需要对系统每个内生变量关于所有内生变量滞后值的建模问题。
一般的VAR（p）模型的数学表达式是：
其中Yt=（Y1t,Y2t,……Ykt）表示k*1阶随机变量，A1到Ap到表示Ak*k阶的参数矩阵，
表示M*1阶外生变量向量，
到
是K*M阶待估系数矩阵，并且假定
为白噪声序列。
该模型常用于预测相互联系的时间序列系统及分析随机扰动对变量系统的动态冲击，从而解释各种经济冲击对经济变量形成的影响，该模型比单变量自回归模型具有更高的可靠性。
本文采用向量自回归模型来探讨房地产价格与银行信贷之间的关系，其估计结果如表6。
表6向量自回归模型的估计结果
VAR
被解释变量
P（-1）
P（-2）
lnL（-1）
lnL（-2）
C
模型1
P
0.904750
（0.19504）
-0.194333
（-0.19544）
0.017784
（0.20544）
0.226476
（0.18981）
27.13108
（12.9824）
模型2
lnL
0
升级会员 