房地产信贷波动与房价波动相互关系研究

开篇：润墨网以专业的文秘视角，为您筛选了一篇房地产信贷波动与房价波动相互关系研究范文，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:自2006年以来,房价一直处于高位运行,同时,随着国家四万亿的经济刺激计划的实施,大量的资金进入了房地产市场,本文正是在这个现实基础上主要分析房地产信贷波动和房价波动的关系,利用误差修正模型分析信贷在短期和长期对房价的影响大小,在此基础上使用VAR模型具体分析二者的因果关系,以及量化影响的程度,并得出相应的结论。

关键词:房地产信贷;房价波动;误差修正模型;VAR模型

一 、房地产信贷波动与房价波动相互关系概述

(一)银行信贷加速房价上涨的机制分析

在我国现行银行制度很不完善的情况下,绝大部分房地产信贷都是以抵押为依据的,因此房地产产品的市场价值大小直接决定了信贷额度的大小。在房地产周期性波动的上升过程中,作为抵押品的房地产价值由于宏观经济环境、预期等因素随之上升,直接导致银行的房地产信贷投放量增加,在土地、房地产产品短期供给弹性很小的情况下,投入房地产市场资金量的增加一定程度上会推高房价,同时,根据静态和适应性预期理论,此时房地产市场的各种参与者包括银行等金融机构和消费者预期后续房价还会上升,银行会放松贷款条件,增加房地产信贷额度,由于不同于发达国家的消费习惯和银行的信贷集中现象等原因,在我国,房地产信贷被认为是优质贷款,因此银行等金融机构会竞相增加房地产信贷,在获得贷款条件放松和预期房价上涨的情况下,除了原有的房地产参与者获得更多贷款外,由于“羊群效应”,大量的投资者、投机者和新的消费者、开发商参与进来,而房地产产品作为一种商品,其价格也是由需求和供给双方的力量相互作用形成的,从供给的角度看,开发商获得大量信贷资金必然会进行后续的项目购置和开发,大量的理论和实践表明,短期内地价受房价影响,由于房价的上升或预期上升,地价也随之上升,在我国地价是房地产成本构成的主要部分,因此房价必将随地价的上涨而上涨。从需求的角度分析,购房者同样预期房价的上涨,随着参与其中的投机者不断增加,需求人数会急剧上升,在房地产供给增加不多甚至减少的情况下,房价也会被推高。因此,供给和需求的相互作用致使房价不断上涨。另一方面,房价的上升不仅会提高银行自有房产的价值,还会提升银行贷款的质量,促使银行减少储备,进一步增加信贷数量。以上两方面相互作用必然会导致“银行贷款增加――房地产价格上升――银行贷款增加”的螺旋式上升结果。在房价拐点未来临之前,大量投机者的存在及银行信贷的支持,使得房地产价格日益脱离实际的均衡价格和基础的价值,导致房地产泡沫的产生并不断膨胀。

(二)银行信贷加速房价下跌的机制分析

房地产信贷不仅在房地产上升周期中对房价影响很大,在房地产周期性波动中的下降阶段也扮演了同样重要的角色。如果宏观经济环境发生逆转,房地产行业步入下行通道时,一方面,用于发放房地产信贷的抵押品价格大幅下降,而信贷的需求者会由于经济条件的改变而产生违约的可能,致使银行资产质量下降;另一方面,房价的下降直接降低银行所拥有的房地产资产的价值,导致银行资产规模缩水等。所有这些因素都会促使银行减少房地产信贷规模,而房地产业是个资金密集型产业,一旦投入资金的减少和基于价格下降的预期导致有效需求减少势必会造成房价下行的压力。如此同时,为了应对不利局面,监管者可能执行更为严格的监管措施以缩减房地产信贷的投放,致使房价进一步下降。

二、 房地产信贷波动与房价波动相互关系分析的理论模型及实证

(一) 指标、数据的选择

本文所要研究的是银行房地产信贷和房地产价格之间的关系,反映房地产信贷的主要有两个指标,即房地产开发资金来源中的国内贷款部分和个人住房抵押贷款。由于个人住房抵押贷款数据难以获得,故只选取国内贷款的数据。反映房地产价格波动的综合指标是房地产销售价格指数,而且数据容易获得。

本文模型中需要的是季度数据,选取从1999年1月份到2008年12月份共40个季度的数据进行整理。数据来源于中经网统计数据库,其中国内贷款部分为月度累计值,经过简单的处理,换算成季度累计值。房地产销售价格指数为当季值,并以上年=100来衡量,为了使价格水平具有可比性,因此选取1998年销售价格指数为100,计算每年各个季度在1998年的基础上累计价格指数值,并进一步计算出每个季度的指数增量值,以反映出价格的变化水平。为了使因变量与解释变量之间具有可比性,信贷资金量选取每个季度的新增量。

(二)银行房地产信贷与房价关系的实证分析

1、模型设定

选取房地产价格指数HP作为因变量,银行房地产信贷资金L为自变量。模型的具体形式如下:

lnHPt=α+βlnLt+μt(1)

为了使方程的回归系数更有实际含义,这里采用了对数的形式。式中α为常数项,μt为随机扰动项。

2、误差修正模型(ECM)

2.1序列平稳性检验

在实践中遇到的经济和金融数据大多是非平稳的时间序列。如果直接用非平稳的时间序列进行回归建模,即使模型本身拟合的很好,但是它的残差序列是一个非平稳序列,残差序列是一个非平稳序列的回归称为伪回归。因此必须对时间序列进行平稳性检验。本文主要采用 法进行检验,检验结果如下表:

表1 各时间序列变量的单位根检验结果

变量 ADF值 1%的临界值 5%的临界值10%的临界值检验结果

lnHP -1.9489-3.6105-2.9390-2.6079 不平稳

lnL -1.6154-3.6329-2.9484-2.6129 不平稳

lnHP-6.8400-3.6156-2.9411-2.6091 平稳

lnL -2.9986-3.6463-2.9540-2.6158 平稳

注: 表示一阶差分 。

从表1中可以看出,各变量的ADF值都大于10%的临界值,表明变量的时间序列都不是平稳的,而各变量经过一阶差分后, lnHP 在1%的水平下显著,lnL在5%的水平下显著,因此两个时间序列都是一阶单整,即为I(1)。

2.2协整检验

协整检验是Engle和Granger在1987年提出的理论。协整检验是对回归方程的残差进行单位根检验。如果因变量和解释变量之间存在协整关系,即稳定的均衡关系,那么方程回归的残差应该是一个平稳序列。进行协整检验的变量必须有相同的单整阶数,上述对房价指数的对数lnHP和信贷资金L的对数lnL 进行单位根检验可知都属于I(1),因此接下来对其进行协整检验。首先根据公式(1)进行回归,得到如下估计方程为:

lnHP=-8.736714+1.657721lnL+^μt

(-12.73257) (15.97996)

R2+0.87.D.W.=1.29(2)

上式中括号内表示t值,从式(2)可以看出,回归方程整体比较显著,解释变量的系数值也很显著,回归方程拟合实际数据效果很好,表明当信贷资金的量每变动1%,房价会变动1.66%。

对式(2)回归的残差序列进行平稳性检验,结果如下表:

表2 残差的^μt单位根检验结果

变量 ADF值 1%的临界值 5%的临界值10%的临界值检验结果

^μt -3.490349-2.634731-1.951000-1.610907平稳

从表2中可以看出,残差序列在^μt在1%的显著性水平下通过检验,即不存在单位根,表明残差序列是平稳的,即为I(0),因此,lnHPt和lnLt之间具有协整关系,且协整向量为(1,1.657721)T。

2.3误差修正模型(ECM)

根据最常用的(ECM) 模型的估计方法即Engle和Granger(1981)两步法估计房地产价格和信贷的误差修正模型,以反映它们的短期动态关系。第一步,进行协整回归(OLS法),检验变量间的协整关系,估计协整向量(长期均衡关系参数);第二步,若协整性存在,则以第一步求到的残差作为非均衡误差项加入到误差修正模型中,并用OLS法估计相应参数。第一步已经在上面协整检验中处理过了,下面是对第二步的处理过程:

令误差修正项ecmt=^μt,建立下面的误差修正模型:

lnHPt=β0+αecmt-1+β2lnLt+εt(3)

经估计得到下式:

lnHPt=0.089813-0.293338ecmt-1+0.209033lnLt(4)

在上面的误差修正模型中,差分项反映了短期波动的影响。房价的短期波动可以分为两部分:一部分是短期房地产信贷波动的影响;一部分是偏离长期均衡的影响。误差修正项ecmt-1的系数大小反映了对偏离长期均衡的调整力度,上一期偏离越远,本期修正的量就越大,即系统存在误差修正机制。从式(4)的系数估计值(-0.293)来看,当短期波动偏离长期均衡时,将以-0.293的调整力度将非均衡状态拉回到均衡状态。

3、VAR模型

3.1VAR模型简介

向量自回归(VAR)是基于数据的统计性质建立模型,VAR模型把系统中每一个内生变量作为系统中所有内生变量的滞后值的函数来构造模型,从而将单变量自回归模型推广到由多元时间序列变量组成的“向量”自回归模型。VAR(P)模型的数学表达式是

yt=A1yt-1+…+ApYt-p+BXt+εt,t=1,2……T (5)

其中:yt是k维内生变量向量,Xt是d维外生变量向量,p是滞后阶数,T是样本个数。k×k维矩阵A1,A2,…Ap和k×p维矩阵B是要被估计的系数矩阵。εt是k维随机扰动向量。VAR模型的滞后阶数一般根据AIC和SC信息量取值最小的准则来确定。

3.2模型的建立及分析

3.2.1模型滞后阶数的确定

一个理想的模型,AIC和SC应该都很小,所以,可以通过对滞后阶数不同的模型的AIC和SC值进行比较,从中选出AIC和SC都较小的模型,根据准则得出的结果是滞后阶数为4。

3.2.2模型的建立

利用EViews6.0对lnHP、lnL进行回归估计得出如下结果:

经修正的R值达到0.96,方程的拟合效果比较好,具体看(6)式可得,房价和信贷资金的滞后一期值对房价影响比较大,分别达到了0.62和0.45,从而表明上期的房价值和信贷资金量对本期房价的正向影响比较大。滞后期越大,影响的程度越小,到第四期影响就不明显了,而且,滞后期的房价和信贷对房价不仅仅有正向的影响,还有负向的影响,如信贷的滞后2期和房价的滞后4期。但总体影响随着滞后期的增大而迅速减小。

3.2.3 格兰杰(Granger)因果检验

Granger因果检验的实质是检验一个变量的滞后变量是否可以引入到其他变量方程中。一个变量如果受到其他变量的滞后影响,则称它们具有Granger因果关系。具体方法就是先估计当前的Y值被其自身滞后期取值所能解释的程度,然后验证通过引入序列X的滞后值是否可以提高Y的被解释程度。如果是,则称序列X是Y的格兰杰成因(Granger Cause),此时X的滞后期系数具有统计显著性。同样的方法检验Y是否是X的格兰杰成因。

根据上述方法对VAR模型进行检验,结果如下:

表5 格兰杰因果检验的结果

Dependent variable: lnHP

ExcludedChi-sqdfProb.

lnL9.97891140.0408

All9.97891140.0408

Dependent variable: lnL

ExcludedChi-sqdfProb.

lnHP7.82468640.0982

All7.82468640.0982

从表5可以看出, lnL在5%的显著性水平下通过检验,是lnHP的Granger成因,即房地产信贷资金的变化会显著的引起房价的变化,而lnH在10%的显著性水平下通过检验,是 lnL的Granger成因,表明房价的变动也会引起房地产信贷资金量的变化。说明二者互为因果,表明房价和信贷资金是一个交替增加,螺旋式上升的过程。格兰杰因果检验只是表明了二者之间的因果关系,但究竟相互影响的程度有多大,并没有说明,因此,接下来通过脉冲响应函数和方差分解的方法进一步探讨二者之间的联系。

3.2.4脉冲响应函数

脉冲响应函数是用来分析当一个误差项发生变化,或者说模型受到某种冲击时对系统的动态影响,即对内生变量当前和未来取值的影响。这里主要分析信贷和房价的波动对房价的动态影响,如下图所示:

图1 房价和信贷冲击引起房价变动的脉冲响应函数

图1是关于式(6)中第一个方程的脉冲响应函数的合成图。反映了lnHP对一个标准差新息的响应情况。横轴表示冲击作用的滞后期间数(单位:季度),纵轴表示房价的变化值(单位:%)。

从图1可以看出,当在本期给房地产信贷资金一个正冲击后,房地产价格从第二期开始有正的反应,并且此波动一直比较稳定的持续下去,维持在0.05%左右,表明信贷资金受到外部条件的某一冲击后,经市场传递给房价,给房价带来同向的冲击,而且这一冲击具有显著的促进作用和较长的持续效应。而当本期房价受到外部条件冲击后,在前5期内,对房价都有正向的影响,但影响越来越小,5期之后影响就变成负向的,并且也呈越来越小的趋势。尤其是在前三期同向影响比较明显,说明购房者在买房时判断的一个重要依据就是前期房价的高低,尤其在投机盛行时,前期房价的高涨会导致更多的投机,促使房价进一步上涨。但经过6期之后,影响的方向发生改变,并最终趋于0。

3.2.5 方差分解

脉冲响应函数描述的是VAR模型中的一个内生变量的冲击给其他内生变量所带来的影响。而方差分解是通过分析每一个结构冲击对内生变量变化(通常用方差来度量)的贡献度,进一步评价不同结构冲击的重要性。因此,方差分解给出对VAR模型中的变量产生影响的每个随机扰动项的相对重要性的信息。这里主要分析信贷和房价的波动对房价波动的贡献程度,结果如图2和表4.8所示:

图2 信贷和房价波动对房价波动的贡献率

图中横轴表示滞后时间(单位:季度),纵轴表示各变量对价格波动的贡献率(单位:%)

从图2可以看出,价格波动的自身贡献率从一开始的100%逐渐下降,到20期时已经下降到了60%,也即价格本身在最初的几期里对房价波动比较显著,且是同向影响,这符合适应性预期理论。而房地产信贷资金的波动对房价波动的贡献率从0开始逐渐增大,在第20期是达到40%,逐渐往后,二者的贡献率各占约50%,从而表明,房地产信贷的变化对房价起同向波动的作用非常明显。

(三)结论

通过以上实证分析,可以得出以下结论:

1、房地产价格波动性和房地产信贷资金量在长期存在稳定的均衡关系,协整检验表明银行信贷资金量每变化1%,房价同方向变动1.66%。而误差修正模型给出了二者之间的动态关系表明:在短期波动中,信贷资金量每变化1%,房价同方向波动0.21%;同时,当房价在短期波动中偏离均衡状态时,将以-0.293的调整力度将非均衡状态拉回到均衡状态。

2、房地产价格波动同时还受到自身前期值的影响,即价格波动具有惯性。从VAR模型中可以看出:房地产价格波动受自身和信贷资金的滞后一期影响最大,达到了0.62和0.45,滞后期越大,房价对自身的影响减小的越快,表明房价受自身影响的滞后阶数比较小,一般只考虑前两期的价格水平即可;而信贷的影响在滞后一期之后表现比较稳定,说明对房价始终有一定的影响。而脉冲响应函数和方差分解的结果也表明的同样的结果:即房价波动在短期内受自身影响最大,在4期后影响就不明显,而银行房地产信贷的影响是逐渐增大,最终其对房价波动的贡献率达到了50%。说明当外界对信贷产生一个冲击时,经市场传递,对房价波动的影响比较显著。

3、房价波动和房地产信贷二者之间相互影响。从格兰杰因果检验可以看出,二者之间互为Granger成因,而从VAR模型和脉冲响应函数看,二者同向影响,表明二者是相互促进的。在房价上升时,随着市场预期和信贷资金增加,会进一步导致房价上升,而在房价下跌时,随着抵押品价值的下降等原因,信贷资金投放量也随之下降,而房地产作为资金密集型产业,一旦投入的资金减少,势必造成房价进一步下行的压力。从而表明二者之间的关系比较紧密,相互影响的程度比较大。

参考文献:

[1] 高铁梅.计量经济分析方法与建模-EViews应用及实例[M].清华大学出版社,2006.

[2] 庞皓.计量经济学[M].北京:科学出版社,2006.

[3] 江彤.银行信贷行为对房地产泡沫的影响[D].厦门:厦门大学,2007.5

[4] 刘俊. 房地产信货波动与房地产业波动的关系研究[D].武汉:武汉大学,2004.5

(作者单位:西南财经大学金融学院)