中国房地产价格波动影响金融稳定的实证研究
开篇：润墨网以专业的文秘视角，为您筛选了一篇中国房地产价格波动影响金融稳定的实证研究范文，如需获取更多写作素材，在线客服老师一对一协助。欢迎您的阅读与分享！
摘 要：本文在构建金融稳定性评价指标体系的基础上，运用VAR模型实证检验了1987至2011年间中国房地产价格波动对金融稳定的影响。结果显示：房地产价格波动对国内金融稳定的影响主要表现为长期的负向效应；银行不良贷款率和汇率波动显著加大金融风险效应也主要表现为长期；企业亏损率在长、短期内均对金融稳定产生显著的负向影响。
关键词：房地产；价格波动；金融稳定；VAR模型
中图分类号：F832.4 文献标识码：A 文章编号：1003-9031（2013）06-0013-05 DOI：10.3969/j.issn.1003-9031.2013.06.03
一、引言
因房地产价格过度波动引发金融不稳定甚至诱发金融危机的例子时有发生。日本的房地产等资产泡沫在1991年左右破灭后，房地产价格经历了长达15年的下跌，跌幅达45.47%（Agnello 和 Schuknecht，2009）[1]，给日本金融体系带来巨大损失。很多研究将2008年全球金融危机的根源指向美国房地产泡沫的破灭。2000年以后，美国房地产市场经历了大幅的波动，根据Fiserv Case-Shiller 10个城市的房地产价格指数，实际房价从1996年的低谷到2006年的顶峰，涨幅为125%，在其后的5年间又下跌38%（Sinai，2011）[2]。低估的风险鼓励了抵押贷款市场放松信贷标准，这是导致美国发生次贷危机及随后出现全球金融动荡的重要因素（Zhu，2011）[3]。我国自1998年房地产市场化改革以来，房地产价格经历了大幅的上涨。在此背景下，研究房地产价格波动对金融稳定的影响，具有较强的现实意义。
二、相关理论及实证研究进展
Crowe和Ariccia等（2011）[4]指出房地产价格的急剧或持续上升如果伴随着杠杆的增加和信贷的持续增加，当房地产泡沫破灭时，去杠杆化和信贷紧缩可能危及金融体系和宏观经济的稳定。从已有研究来看，理论研究主要集中于房地产价格波动对银行体系的影响分析，比如，Bernanke和Gertlrter（1995）[5]以及Allen和Gale（2000）[6]等。谭政勋和王聪（2011）[7]认为信贷波动、房价波动以及两者相互驱动下的联合波动是引起银行不稳定因素的主要三个因素。IMF（2003）[8]的《全球金融稳定报告》分析了导致金融市场波动转化为金融不稳定的因素，主要包括缺乏稳健的风险管理、激励机制不合理、透明度不够、市场基础设施存在弱点等因素。
在实证研究方面，Eickmeier和Hofmann（2010）[9]基于美国数据， Pouvelle（2012）[10]基于法国数据，张晓晶和孙涛（2006）[11]、宋凌峰和叶永刚（2010）[12]基于中国数据的研究，均发现房地产周期或价格波动与银行体系的稳健及金融稳定密切相联。张燕等（2012）[13]采取安徽省的相关数据，得出了房地产价格波动不论在长短期内都会对金融稳定性存在显著影响的结论。
可以看出，国内外学者的相关研究已经作出了较大贡献，但已有的研究大多集中在房地产价格波动与银行体系的相关性方面，较少从金融体系的总体视角进行系统分析；另一方面，少数研究虽然基于金融体系的总体视角，但研究样本往往局限于区域层面，且多采取单一指标衡量金融的稳定性，没有考虑金融稳定性内涵的多维性和复杂性。
三、中国金融稳定性的测度
金融系统的复杂性和多维性使得单个指标难以全面反映金融系统的稳定性，需构建一个包括多个指标的评价体系才能更好地反映金融系统的稳定状况。本文从宏观经济、金融机构和各借款实体三个层面构建金融系统稳定的评价指标体系，并将这三个层面细分为宏观经济稳定性、金融部门稳定性、金融市场稳定性和各借款实体偿付力四个一级指标子系统（见表1）。
（1）宏观经济稳定性指标。本文从经济发展速度、经济发展风险和经济发展质量三个方面作为反映宏观经济稳定性的二级指标。其中，产出增速和投资增速两个三级指标考察经济发展速度；通胀风险和外汇储备指标来反映经济发展风险；人均产出增速和失业率两个方面衡量经济发展质量。
（2）金融部门稳定性指标。本文从金融部门效益性、金融资本流动性以及金融资本风险性三个方面来衡量银行业、保险业和证券业等金融部门的稳定性。其中，银行业、保险业和证券业的收益率考察金融部门的效益性；金融机构人民币存贷款比率以及中长期贷款比率作为衡量金融部门资本流动性的三级指标；银行业的不良贷款率、金融机构资金运用中贷款比率和保险业的实际赔付率三个三级指标反映金融资本的风险性。
（3）金融市场稳定性指标。本文从经济金融化程度、金融市场活跃度以及金融市场波动性三个二级指标来衡量金融市场的稳定性。其中，金融深化度和金融增加值比重两个三级指标来反映经济金融化程度；汇率和实际利率的波动性来考察金融市场的波动程度；银行、保险和证券三个市场的活跃度和流通性来共同反映金融市场的活跃程度。
（4）各借款实体偿付力指标。本文从政府、企业以及居民的偿付能力三个方面来反映借款实体所带来的信用风险。其中，政府债务率和财政收入比率两个三级指标来反映政府偿付能力；成本费用利润率和企业亏损率指标衡量企业偿付能力；居民负债水平和居民收入水平两个方面来反映居民层面的偿付能力。
在指标体系构建的基础上。本文采取层次分析法确定各指标项对金融系统稳定性的反映程度，在回收调查问卷并整理的基础上，运用软件Yaahp 0.5.2进行指标赋权。此外，为了消除评价指标体系中各项指标值的量纲影响，对各项指标值进行Min-max标准化处理。
在金融系统稳定性指标体系中，一些指标属于正向指标；而另一些指标属于逆向指标，数值越大，意味着金融稳定性越差。因此，本文对所有逆向指标采取倒数形式①，使得所有指标对金融稳定均具有正向作用。在确定了金融稳定指标体系中各指标的权重和标准值之后，以所得的权重值对标准值进行加权平均求和，得出金融稳定的综合评价值（FS）。
四、房地产价格波动影响金融稳定的实证分析
（一）变量选取及衡量
确定了实证研究的因变量—金融稳定性（FS），还需进一步选取自变量、控制变量以及这些变量的衡量方法。
（1）自变量。关于房地产价格波动（HP）的衡量，目前较多采取的是商品房销售面积、房地产开发投资完成额、商品房销售价格等指标。但销售面积数据无法反映出真实的价格水平，其销售面积的波动也无法代表价格波动状况。房地产开发投资完成额也较难反映房地产价格，尤其是在房地产价格波动方面，1988-2011年间，中国房地产开发投资完成额增长率波动幅度较为平缓，且年均增长率高达32.26%；但2000年之前，房地产价格波动幅度较大，并于1993年波动性达到最大，且年均增长率为11.66%，远远低于房地产开发投资完成额的年均增速。因此，考虑到本文主要研究房地产价格波动对金融稳定带来的影响，选取商品房销售价格增长率作为主要自变量。
（2）控制变量（CV）。在控制变量的选取上，为了不遗漏重要自变量，根据金融稳定评价指标体系中各指标所占权重，选取在指标体系中占权重较大的银行不良贷款率、汇率波动以及企业亏损率等三个控制变量。
银行不良贷款率（NL）。银行业在中国金融体系中占据着举足轻重的地位，较高的不良贷款率是商业银行正常运行的障碍。当不良资产占总资产的比重逐渐增大，银行的经营风险也随之加剧，影响整体金融体系的稳定性。本文采取银行不良贷款额占贷款总额的比重来衡量不良贷款率。
汇率波动（ER）。在金融全球化的背景下，汇率风险可能给国内商业银行带来巨大损失。汇率的无序波动还能够对外汇资本产生影响，造成折算后的人民币资本数量发生变动，影响资本充足率。因此，本文将汇率波动指标纳入模型中，以控制人民币升值对国内金融稳定带来的影响。
企业亏损率（EL）。作为一国经济发展和稳定的重要微观主体，企业的经营效益在很大程度上决定了其偿还贷款的能力，而企业的偿还能力又与银行等金融部门的风险息息相关。本文采取企业亏损率作为反映企业偿付能力的指标，在其衡量上，考虑到工业企业仍然是中国经济发展的主导力量，选取工业企业的亏损率来控制借款实体偿付能力对金融稳定带来的影响效应。
（二）模型构建及数据说明
在变量选取及衡量的基础上，进一步构建检验房地产价格波动影响金融稳定的经验模型。考虑到一些变量可能存在较强时间趋势，同时模型中随机误差项也可能存在异方差现象，本文对模型中各变量取对数形式。但由于房地产价格波动可能存在由房价下跌而导致的负增长，故对HP变量未取对数形式。所采取的经验检验模型的形式如下：
lnFS=？琢+？茁1HP+？姿1lnNL+？姿2lnER+？姿3lnEL+？着i （1）
其中，α为常数，εi为随机扰动项。
此外，本文的样本区间为1987—2011年，指标体系中各指标值以及实证分析所需的数据来自于中国经济信息网、锐思金融数据库、《中国统计年鉴》、《中国金融年鉴》以及银监会、证监会、保监会给出的相关统计数据。
（三）实证过程及结果分析
为了能够得出房地产价格波动影响金融稳定的长短期动态效应，本文在VAR系统中进行实证检验。
（1）VAR模型的最优滞后期。VAR模型的构建和应用首先需要确定模型的最优滞后期，VAR模型的滞后期决定了协整检验以及ECM模型的滞后期，因此，模型滞后期的选择决定了整个检验结果。VAR模型的最优滞后期的确定一般需满足模型稳定性和残差经典假设等要求。在模型稳定性检验上，发现当模型滞后期1≤p≤2时，VAR系统中所有根的模的倒数位于单位圆内，即模型是稳定的；而当滞后期p≥3时，就会出现部分根的模的倒数大于1。因此，在VAR模型稳定的前提下，能够初选的滞后期为1期和2期。在此基础上，模型残差的检验进一步表明在5%显著水平下，只有选取滞后期为2期时，VAR模型的残差才能够满足其不存在自相关和异方差现象以及服从正态分布的经典假设。此外，滞后长度准则检验也表明应选择2期的滞后期。综上所述，VAR模型的最优滞后期应为2期。
（2）ADF单位根检验。为了避免因变量非平稳而导致伪回归问题，必须进行变量的平稳性检验，即单位根检验。本文采用ADF检验法进行单位根检验，并采用AIC 准则和SC 准则为最优滞后期的选取标准。同时，根据各变量及其一阶差分的时序图来确定模型中是否包含截距项和趋势项。各变量及其一阶差分的ADF的检验结果见表2。可以看出，各变量进行ADF检验后，其ADF值都大于5%显著水平临界值，即都存在单位根；但各变量经过一阶差分后的一阶序列在5%显著水平下已不存在单位根，即都是平稳序列，满足协整检验的前提。
（3）Johansen协整检验。由于协整检验是对变量的一阶差分进行检验且无约束VAR模型的最优滞后期为2期，因此协整检验的最优滞后期p选择1期。表3给出了滞后期为1期时的Johansen协整检验结果。
根据协整检验结果，将协整方程表示为：
lnFS=4.81-0.83HP-0.11lnNL-0.17lnER-0.17lnEL
（6.042） （9.3075） （4.9650） （15.9948）（2）
根据协整方程以及各变量的t值，各变量的系数均通过5%显著性水平检验，即对lnFS的都具有显著影响，且根据各变量的系数符号，都对lnFS呈现显著的负向影响效应。这一结果显示，长期来看，中国房地产价格波动对国内金融的稳定性具有显著的负向影响，房地产价格波动性越大，会造成金融风险的增加，金融稳定性下降。这与中国房地产价格波动以及金融稳定状况较为一致：2000年以前，由于中国房地产市场还未成熟，相关法规以及政府调控仍未规范，房地产开发商与消费者之间的信息渠道未正式形成，房地产价格波动较大，且此时国内刚刚形成的金融市场所面临的金融风险较大，金融体系较为脆弱；但随着政府调控经验的日益积累和房地产法规的逐步完善，中国房地产价格波动变得相对平缓，金融市场也随着一系列金融体系改革制度的实施日趋稳定。因此，长期来看，房地产价格波动越趋于平缓，金融系统的稳定性也逐步加大。
关于控制变量，银行不良贷款率的增加、人民币兑美元汇率波动性的加大以及企业亏损率的增加在长期都会加大国内金融系统的风险，导致金融稳定性下降，这与理论预期以及现实状况相一致。
（4）误差修正模型。根据Granger定理，若变量间存在长期均衡关系，则一定存在描述各变量由短期偏离向长期均衡调整的误差修正模型。因此，在长期均衡分析的基础上，进一步对房地产价格波动在短期内对金融系统稳定性的影响进行分析。根据误差修正模型的回归结果，得出的ECM模型为：
lnFS=0.01-0.17lnFSt-1+0.46HPt-1-0.07lnNLt-1
（-0.5135） （1.4225） （-0.7723）
-0.34lnERt-1-0.10lnELt-1-1.34vecmt-1 （3）
（-1.2746） （-1.3267） （-2.5399）
可以看出，ECM模型的误差修正项为负，符合反向修正机制，且系数值达到-1.34，说明对金融稳定影响的短期内失衡通过上一期已完全调节。具体到各个变量来看，金融稳定对其自身的影响为负效应，即上一期金融稳定状况会对当期的金融稳定性产生负向效应，说明金融系统本身的稳定性存在逐渐恶化趋势，但从系数的t值来看，这种自身恶化效应并不显著，因此，金融系统的稳定性受其自身影响较小；房地产价格波动在短期内会对金融稳定产生正向影响，且根据系数的t值判断，其正向效应较为显著，通过了5%的显著性水平检验，这一结果说明短期内房地产价格波动能够降低金融风险，提高金融系统的稳定性，但-1.34的误差修正项系数说明这种积极的正向效应已通过上一期完全调节，即房地产价格波动对金融稳定的影响主要表现为长期的负向效应，短期内的正向失衡效应很快被调节为长期的正向均衡效应。
对于模型中的控制变量，短期内，银行不良贷款率、人民币兑美元汇率波动性以及企业亏损率对金融稳定都具有负向影响，不同的是，仅企业亏损率的负向效应较为显著，其系数通过了5%的显著性水平检验。说明银行不良贷款率和人民币兑美元汇率波动在短期内对国内金融稳定无显著影响，不会增加金融风险性；而企业亏损率的增加在短期内能够增大金融风险，这主要是因为企业亏损率的增加能够直接影响其还贷和借贷的水平，进而影响金融系统的稳定性。
（5）脉冲响应函数。为了能够进一步得到房地产价格波动对金融稳定的全部影响情况，本文采取脉冲响应函数进行进一步检验。在检验过程中，因传统的Choleski分解法会因变量顺序的不同而导致不同的脉冲响应结果，而广义脉冲响应函数可以不考虑变量的顺序而得到唯一的脉冲响应函数曲线。故本文基于ECM模型，采用广义脉冲响应法，分别对变量HP、lnNL、lnER和lnEL产生一单位新信息时，lnFS的即期和远期影响进行脉冲响应函数分析（见图1）。
首先，金融系统稳定性的扰动项一单位标准差信息对其自身的冲击在短期内冲击效应较小，但从第二期开始，金融系统稳定性对其自身的正向冲击效应随着时间的推移逐渐增加，说明金融稳定短期内对其自身的影响不显著，这与ECM模型得出的结论一致，但在长期，金融稳定自身的正向影响效应越来越显著。
其次，房地产价格波动对金融稳定的冲击效应从负向开始，且逐渐增大，并在第三期负向效应达到最大，从第四期开始，房地产价格对金额稳定的冲击效应转为正效应，且较为稳定。再次验证了ECM模型中得出的房地产价格波动短期内对金融系统稳定性的正向效应已在当期完全调节的结论，同时，也说明了当年中国房地产价格的波动会在之后的第三年对国内金融系统的稳定性产生较大的负向效应，增大金融风险。
再次，银行不良贷款率对金融稳定的冲击从正向冲击开始，但在第二期已转为负向冲击，直到第六期，负向效应开始减弱并趋于平缓，这说明银行不良贷款率对金融系统稳定性的负向作用较大，且持续时间较长，这也一定程度上解释了近年来政府以及相关监管机构对银行不良贷款率高度关注并极力控制的一个主要原因。
最后，企业亏损率对金融系统稳定性的冲击从负向冲击开始，且短期内的负向冲击效应较大，之后逐渐减弱，但一直持续至第六期，即在长期企业亏损率对金融稳定也具有显著的负向相应，这一结论与前文协整检验和ECM模型得出的结论基本一致。进一步说明了借款实体的偿付能力在维护金融系统稳定性中的重要作用。
五、结论
本文在构建评价金融系统稳定性指标体系的基础上，采取1987—2011年中国相关数据，实证研究了房地产价格波动对金融稳定的影响效应，主要结论有：（1）1987—2011年间，我国金融系统稳定性整体上呈现出“U字型”趋势，1997年的亚洲金融危机使得国内金融系统稳定性在1999年达到最低点，之后金融系统的风险性呈现出逐步降低趋势；（2）房地产价格波动对国内金融稳定性能够产生显著的负向效应，但这种效应仅表现在长期。说明从长期来看，较大的房地产价格波动幅度增加了金融系统的风险性。因此，要加强对房地产市场的监测，控制房地产价格的大起大落；（3）银行不良贷款率和汇率波动对国内金融稳定也产生了负向效应，但不同的是，短期内的负向效应不显著，而在长期则显著加大金融系统的风险性；（4）企业亏损率在长短期内均会对国内金融系统的稳定性产生显著的负向效应，也从侧面说明了借款实体的偿付能力所带来的金融风险是及时有效的。
参考文献：
[1]Agnello L. and L. Schuknecht， Booms and Busts in
Housing Markets：Determinants and Implications[R].ECU Working Paper No.1070， 2009.
[2]Sinai T.， House Price Moments in Boom-Bust Cycles[R]. NBER Working paper，2011.
[3]Zhu H. B.， Deterninats of House Prices[R].BOK-IMF Workshop， Managing Real Estate Booms and Busts， 2011.
[4]Crowe C.， G. Ariccia， D. Igan， et al， How to Deal with Real Estate Booms： Lessons from Country Experiences[R]. IMF Working Paper， WP/ 11/91，2011.
[5]Bernanke B. S.， M. Gertle. Inside the Black Box： The Credit Channel of Monetary Policy Transmission[J]. Journal of Economic Perspective，1995，（4）.
[6]Allen F.， D.Gale， Bubbles and Crises[N].Economic Journal，2000（11）.
[7]谭政勋，王聪.中国信贷扩张、房价波动的金融稳定效应研究—动态随机一般均衡模型视角[J].金融研究，2011（8）.
[8]IMF.Financial Asset Price Volatility： A Source of Instability[R].Chapter 3 in Global Financial Stability Report，2003.
[9]Eickmeier S.，B. Hofmann. Monetary Policy， Housing
Booms and Financial （Im）Balances[R].European Central Bank working paper， No 1178，2010.
[10]Pouvelle C.Bank Credit， Asset Prices and Financial
Stability： Evidence from French Banks[R].IMF Working Paper，WP/12/103，2012.
[11]张晓晶，孙涛.中国房地产周期与金融稳定[J].经济研究，2006（1）.
[12]宋凌峰，叶永刚.中国房地产行业宏观金融风险研究——基于金融稳定视角[J].经济管理，2010（12）.
[13]张燕，季军，王亮，鲁玉祥.房地产价格波动对金融区域稳定的影响—基于安徽省的实证研究[J].金融纵横，2012（3）.