限購、股價波動與信用風險

劉軼 李旭彪 楊萌萌

摘 要：本文以房地產行業上市公司為樣本，利用KMV信用風險模型和面板數據回歸方法，研究了房地產市場限購、股價波動與宏觀和微觀因素對我國房地產上市公司信用風險的影響，結果發現：限購政策對房地產上市公司控制信用風險有促進作用，股價波動對房地產上市公司控制信用風險有負面影響，但股價增長增加了資產市場價值，對控制信用風險有正面影響。

關鍵詞：限購；股價波動；信用風險； KMV模型

中圖分類號：F830.91 文獻標識碼：A 文章編號：1674-2265（2015）12-0070-06

一、引言

近年來，我國房地產行業發展迅速，已經成為我國經濟增長的重要支柱產業。盡管在2008年前后受國際金融危機影響，房地產行業景氣指數出現了短期下降，但在金融危機后國家“四萬億”政策的刺激下，房地產市場很快開始了新一輪高速增長，房地產價格迅速攀升。2009年末，為抑制房價過快上漲，政府在部分城市開始實施限購政策。限購政策的出臺短期內遏制了房價過快上漲，局部地區甚至出現房價下跌，全國范圍內房地產行業發展增速放緩。2012年后，由于經濟增速放緩，房地產市場開始明顯降溫，一些城市房價大幅下挫，2014年百城房價指數更是連續四個月出現下跌。在我國經濟下行壓力增大與房地產行業持續低迷的大背景下，多個限購城市陸續松綁限購政策，以保持房地產市場發展。房地產是資金密集型行業，信貸資金占有很大比重，房地產行業衰退可能給金融業帶來巨大損失。在當前背景下，研究房地產上市公司信用狀況，關注其信用風險變化，具有重要的現實意義。同時，限購作為一項具有典型中國特色的市場調控手段將逐漸退出市場，探討限購在本輪房地產宏觀調控中對房地產市場的影響具有典型意義。

二、文獻綜述

國內外研究發現，房地產市場對金融穩定有重要影響。房地產公司信用風險能衡量房地產市場風險狀況，有助于把握房地產市場動態。房地產行業信用風險受到貸款類型、貸款期限結構等微觀因素的影響，也受到宏觀經濟環境、調控政策的影響。溫紅梅（2009）利用因子分析研究發現商品房屋實際銷售面積、國內貸款、自有資金與房地產平均售價對房地產信用風險影響較大。張玲（2010）對我國房地產上市公司的實證研究表明，股票價格的波動情況對違約距離有顯著影響。肖冰（2010）應用Logistic模型對房地產上市公司信用風險進行實證研究，認為房地產公司的財務狀況與宏觀經濟環境如GDP增長率等對信貸風險有重要影響。許（Pisun Xu，2011）發現美國貨幣政策對證券化的房地產市場有積極影響。克羅（Crowe，2013）認為符合宏觀審慎的政策措施對抑制房價、約束房地產市場杠桿率更合適。

國內學者較少研究我國宏觀調控政策對房地產信用風險的影響。范廣根（2012）討論了房地產政策與政治因素的關系，提出政治因素對房地產政策有重要影響。鄭忠華（2012）將房地產納入一個包括家庭、企業、金融機構等的DSGE模型進行討論，研究發現通貨膨脹和利率在穩定房價方面有重要影響，宏觀調控政策應注重貨幣政策的使用。喬元坤（2012）通過對我國70個城市進行實證分析，測算了限購令對房價和交易量的影響，發現限購令使得房價下跌，但交易量有所提高。劉晨暉等（2014）研究認為2008—2012年我國房地產市場泡沫不斷積累，但房地產市場尚未達到泡沫破裂的條件，同時認為我國貨幣政策調控對房地產泡沫存在明顯的非線性特征。張所地等（2014）將宏觀調控分為寬松、從緊兩個時期，并通過虛擬變量反映政策的方向性轉折，通過35個大城市數據進行面板數據實證，結果表明由于城市經濟發展、房地產供給結構等差異導致宏觀調控實施的效果沒有達到預期，調控要因地制宜。

目前國內對房地產信用風險的研究多從商業銀行信貸角度探討商業銀行房地產信貸風險，但忽視了房地產上市公司作為信用主體的風險研究。對于宏觀調控的影響，學者多從利率、信貸、土地等傳統角度著手分析。本文在之前研究基礎上進行了以下創新：一是將限購因素納入考察，分析限購對房地產上市公司信用風險的影響機制，對限購令這種行政手段進行量化處理，分析了限購對房地產上市公司信用風險的影響；二是結合股票價格波動情況，研究股票市場定價對公司信用風險的影響。

三、理論分析與研究設計

（一）房地產市場信用風險影響因素分析

房地產上市公司信用風險的影響因素分為微觀因素與宏觀因素。微觀因素主要是房地產企業自身經營與投融資活動，宏觀因素主要是宏觀調控政策。

行政手段是特殊時期政府調控房地產市場的非常規方式，其中針對房地產市場的行政措施中，限購影響深遠。限購令作為行政手段用于房地產市場，其目的在于通過抑制房地市場投機需求以控制房地產市場泡沫。限購政策不僅直接作用于房地產市場需求，其通過影響房地產企業的未來預期來影響企業的宏觀戰略布局和微觀運營行為，從而對房地產企業的信用風險造成影響。限購將導致需求暫時性下降、房價漲幅收窄或房價下跌的局面，房地產市場投資減少，房地產市場短期內會迅速轉向。房地產企業會基于預期判斷，從宏觀上逐步改變投資策略，適應房地產市場下降的投機需求。微觀運營方式上，房地產企業從自身銷售、融資等策略著手調整自身經營活動。具體表現為企業將合理安排自身庫存，減少新項目的實施，通過存貨調節控制企業的資金周轉，防止現金流斷裂；在負債管理上，房地產企業將降低債務擴張步伐，縮小借款規模，在減輕債務壓力的同時保證資金的流動性。

從其他宏觀政策來看，財政政策與貨幣政策對房地產市場、房地產企業信用風險都有重要影響。2008年金融危機背景下出臺的“四萬億”經濟刺激計劃，其中有相當一部分直接與房地產市場掛鉤，增加了房地產行業投資。寬松的貨幣政策下，2009年中國經濟實現了V形反轉，房地產領域的FDI增速上揚，市場逐漸回暖，房地產上市公司業績回升，信用風險也得到緩解。

股價波動同樣影響房地產上市公司的信用風險。股票市場具有價值發現功能，上市公司的股價直接反映了公司市場價值；股價波動直接導致公司資產價值的波動，波動過大將嚴重影響公司資產價值的穩定性，不利于公司維持穩定良好的償債能力。

房地產上市公司的融資能力與償債能力也對信用風險有重要影響。房地產企業主要依靠外部融資，外部融資能力提高能有效緩解公司現金流壓力、降低信貸違約概率。公司過度融資將會導致負債不合理增長，財務杠桿過高影響公司正常業務的開展。償債能力反映了公司合理償還到期債務的承受能力：一方面表現為公司資產償還債務的能力，另一方面表現為公司收益償還債務的能力。償債能力越強的公司，其違約概率應該越小，信用風險水平也越低。

本文運用KMV模型，通過計量預期違約概率衡量上市公司信用風險，并通過區域劃分考察地域分布對信用風險的影響。利用預期違約率作為被解釋變量，宏觀調控、股價波動、財務狀況等指標作為解釋變量，進行面板數據回歸，分析宏觀調控、股價波動、公司運營對信用風險的影響。

（二）KMV模型設定

KMV模型能有效地對信用風險進行預測，因而被廣泛使用。KMV模型通過上市公司股票價格的波動率計算資產價值的波動率，據此計算預期違約率，用以衡量公司當前市場價值降低到違約觸發點水平以下的概率大小。

（1）式和（2）式計算出資產波動率，（3）式計算得出違約距離。

[S=1n-1i=1n（ui-u）] （1）

[σA=S*n] （2）

[DD=EVA-DPE（VA）σA] （3）

其中：DD為違約距離，DP為所有樣本公司的違約點，[VA]為市場價值，[σA]為市場價值的波動率。

由于我國公司違約歷史數據的缺乏，無法建立違約距離DD與預期違約概率EDF間的函數關系。因此本文計算理論上的預期違約概率。對于理論EDF計算， t時刻公司的資產市場價值為：

[Pt=N-lnVtADt+u-σ22tσAt=N（-DD）]（4）

其中，[Pt]是t時點公司的違約率，[VtA]是t時刻公司資產的市場價值，[Dt]是t時刻到期的公司債務賬面價值。

四、信用風險度量分析

（一）數據說明

本文根據證監會房地產行業分類選擇2004—2013年房地產上市公司作為研究對象，為保證上市公司業務的持續性，剔除樣本期間更換主營業務的公司，符合條件的共有67家房地產上市公司。樣本數據包括總股本、長期負債、短期負債的年度數據及每股日收盤價格（前復權）、股權市場價值的日數據。

（二）KMV模型實證結果與分析

1. 資產價值波動率。

根據KMV模型資產價值波動率計算方法，計算樣本公司資產價值波動率[σA]，并將所得結果進行比較。

如表1所示，我國房地產上市公司2004—2008年資產價值波動率呈上升趨勢，2009—2013年的資產波動率則逐年降低。究其原因，2008年我國受美國次貸危機影響，股票價格波動增大，這導致2008年樣本公司的資產波動率較高。

表1：資產價值波動率[σA]

[年度＼&2004＼&2005＼&2006＼&2007＼&2008＼&最小值＼&0.130427＼&0.106081＼&0.184281＼&0.269818＼&0.292348＼&最大值＼&0.496481＼&0.466593＼&0.538664＼&0.689914＼&0.762250＼&極值＼&0.366053＼&0.360511＼&0.354382＼&0.420095＼&0.469902＼&中位數＼&0.240019＼&0.234246＼&0.308547＼&0.511936＼&0.523264＼&均值＼&0.250093＼&0.238149＼&0.319778＼&0.504542＼&0.514248＼&＼&2009＼&2010＼&2011＼&2012＼&2013＼&最小值＼&0.247946＼&0.140423＼&0.080304＼&0.088442＼&0.086210＼&最大值＼&0.897262＼&0.598493＼&0.673072＼&0.687490＼&0.414634＼&極值＼&0.649316＼&0.458069＼&0.592767＼&0.599048＼&0.328424＼&中位數＼&0.370145＼&0.271002＼&0.232713＼&0.201819＼&0.186883＼&均值＼&0.388165＼&0.283923＼&0.264090＼&0.236484＼&0.204282＼&]

2. 違約距離。

表2：違約距離DD

[年度＼&2004年＼&2005年＼&2006年＼&2007年＼&2008年＼&最小值＼&0.00023292＼&1.11463421＼&0.36009926＼&0.45284610＼&0.05503534＼&最大值＼&3.86795684＼&5.65335274＼&2.41944762＼&2.66897283＼&2.36390992＼&極值＼&3.86772392＼&4.53871852＼&2.05934836＼&2.21612673＼&2.30887458＼&中位數＼&2.62735031＼&2.19650747＼&1.80753758＼&1.49862481＼&1.29049667＼&均值＼&2.59469844＼&2.27835252＼&1.74249964＼&1.50195908＼&1.27513635＼&年度＼&2009年＼&2010年＼&2011年＼&2012年＼&2013年＼&最小值＼&0.01460889＼&0.00310547＼&0.00142265＼&0.00310547＼&0.08472920＼&最大值＼&2.31839255＼&3.06264400＼&8.48841259＼&4.64123225＼&4.65652186＼&極值＼&2.30378366＼&3.05953853＼&8.48698994＼&4.63812678＼&4.57179266＼&中位數＼&1.77444999＼&2.14680500＼&2.22745269＼&2.15122096＼&2.37217345＼&均值＼&1.67473349＼&2.05315416＼&2.31708437＼&2.17163220＼&2.36124274＼&]

從表2發現，2004—2008年違約距離的均值與中位數逐年下降，而2009—2013年違約距離的均值與中位數逐年遞增，但在2012年出現小幅反轉。比較發現，2011—2013年的違約距離基本保持同一水平。從2011年起，各公司的違約距離出現了較大的波動，但這種波動明顯低于前3年水平。

3. 預期違約概率。

表3：預期違約概率

[年度＼&2004年＼&2005年＼&2006年＼&2007年＼&2008年＼&最小值＼&0.0000548＼&0.00000001＼&0.00777205＼&0.00132436＼&0.00196385＼&最大值＼&0.08766802＼&0.13250360＼&0.35938645＼&0.32532978＼&0.39236333＼&極值＼&0.08761314＼&0.13250359＼&0.35161440＼&0.32400542＼&0.39039948＼&中位數＼&0.00425824＼&0.01402782＼&0.03533925＼&0.06698550＼&0.09383078＼&均值＼&0.00850852＼&0.02066178＼&0.05803354＼&0.07458385＼&0.09510782＼&年度＼&2009年＼&2010年＼&2011年＼&2012年＼&2013年＼&最小值＼&0.01021400＼&0.00094669＼&0.00000016＼&0.00000173＼&0.00000161＼&最大值＼&0.27343462＼&0.59849317＼&0.26221442＼&0.20899501＼&0.31430812＼&極值＼&0.26322062＼&0.59754647＼&0.26221426＼&0.20899328＼&0.31430651＼&中位數＼&0.03653180＼&0.01590400＼&0.01232209＼&0.01599182＼&0.00976416＼&均值＼&0.04724157＼&0.04022914＼&0.02904850＼&0.02908782＼&0.03459864＼&]

從表3可得，2004—2008年公司的期望違約概率均值、中位數和極值逐年上升，2008年達到峰值后期望違約概率均值等數據逐年下降，但2012年出現了重新上升態勢。2004—2005年期望違約概率總體較低，2006—2008年公司的期望違約概率普遍較高。總體而言，我國房地產上市公司整體信用風險呈現倒U形分布，峰值出現在2008年，即2004—2008年上市公司信用風險逐年上升，2008—2011年信用風險逐年下降，2012—2013年信用風險水平稍有上升，但整體仍低于2008年。

4. 房地產上市公司信用風險的地域差異。不同的房地產公司主營地域不同，經濟發展水平和市場環境均有不同，這都將導致房地產上市公司信用風險存在較大差異。

本文根據67家房地產行業上市公司年報，按照地區主營收入貢獻度與相關指標將公司按地域劃分為東部地區、中部地區以及西部地區，未能劃分地域的公司則是業務均勻分散于全國。區域劃分依據《中國城市統計年鑒》的分類標準。

圖1反映了分屬東部、中部、西部以及全國地域的上市公司平均預期違約概率。四個地域整體預期違約概率呈現先上升、后下降的趨勢，與先前總體預期違約概率分布基本一致。這表明分屬各地域的房地產上市公司信用風險與整體信用風險一致。四個地區的預期違約概率走勢雖然相似，但存在差異。東部地區的預期違約概率較高，西部地區的預期違約概率整體較低。東部地區在2012年出現了拐點，信用風險出現上升趨勢；中部、西部地區的預期違約概率在2010年便出現了上升趨勢。波動率方面，東部地區波動率較大，中、西部波動率較小，說明東部地區預期違約概率變化較大，東部各公司預期違約概率有較大差異，中西部地區各公司預期違約概率相對一致。這表明在經濟發達的東部地區，企業有較高的預期違約概率。

五、信用風險影響因素的實證分析

（一）變量與數據說明

本文選擇證監會房地產行業分類下的房地產上市公司作為樣本。為保證時間跨度與完整性，僅選取2004—2013年一直從事房地產相關行業、數據較完整的67家房地產行業上市公司。相關上市公司財務數據、行業數據和宏觀數據均來自萬得數據庫，具體變量設定如表4。

表4：變量定義

[EDF＼&預期違約率＼&CURRENT RATIO＼&流動比率＼&ROE＼&凈資產回報率＼&DEBT GROWTH＼&負債總額增長率＼&CY＼&財務費用/營業收入＼&SIZE GROWTH＼&公司資產規模增長率＼&VARPRICE＼&股價年振幅＼&PRICE GROWTH＼&股價年漲幅＼&POLICY＼&限購令＼&LOAN GROWTH＼&房地產行業信貸總額增長率＼&STATE INVESTMENT＼&地方政府固定資產投資增長率＼&TOTAL INVESTMENT＼&中央政府固定資產投資增長率＼&]

本文依據前面對上市公司的地域劃分，分別考察10年間上市公司所屬地區是否實行限購令，并以此設置虛擬變量考察限購令的影響，即：

[POLICYi，t=0，未實施限購令1，已實施限購令]

根據理論分析，分別考察微觀運營因素、資本市場因素與宏觀調控政策對房地產上市公司信用風險的影響。將預期違約率作為被解釋變量，將以上解釋變量分別進行回歸分析。根據樣本情況和hausman檢驗結果，選擇隨機效應面板回歸模型進行分析（見表5）。

（二）實證結果分析

回歸結果（1）刻畫了微觀運營因素對房地產上市公司信用風險的影響。回歸結果顯示，流動比率與預期違約概率負相關并在1%的置信水平下顯著，負債增長率與預期違約概率正相關并在1%的置信水平下顯著，凈資產回報率、財務費用/營業收入與預期違約概率負相關但不顯著，資產規模增長率與預期違約概率正相關但不顯著。回歸結果（2）刻畫了股價波動因素對房地產上市公司信用風險的影響。回歸結果顯示，股價波動率與預期違約概率正相關并在1%的置信水平下顯著，股價增長率與預期違約概率負相關并在1%的置信水平下顯著。回歸結果（3）刻畫了宏觀調控對房地產上市公司信用風險的影響。回歸結果顯示，限購政策與預期違約概率負相關并在1%的置信水平下顯著，中央政府固定資產投資增長率與預期違約概率負相關并在1%的置信水平下顯著，房地產行業信貸總額增長率、地方政府固定資產投資增長率與預期違約概率相關性不顯著。回歸結果（4）刻畫了微觀運營因素、股價波動因素與宏觀調控政策對房地產上市公司信用風險的綜合影響。回歸結果與前三組回歸結果十分接近，流動比率與預期違約概率負相關、負債增長率與預期違約概率正相關、股價波動率與預期違約概率正相關、股價增長率與預期違約概率負相關、限購令與預期違約概率負相關、中央政府固定資產投資增長率與預期違約概率負相關，并均在1%的置信水平下顯著，說明解釋變量具有一定的穩健性。

包括限購令在內的宏觀調控政策對房地產上市公司信用風險的影響與預期基本一致。限購與中央固定資產投資增加可以顯著改善房地產上市公司信用風險水平。限購令出臺后，房地產價格漲幅縮小、交易量下滑，房地產市場景氣指數開始下降。限購令出臺也使得房地產公司根據預期改善微觀運營行為、提高企業抗風險能力。從企業數據來看，房地產上市公司減少了新開工的面積，負債擴張也有所放緩，行為與預期相符。2008年金融危機之后，國家出臺了“四萬億”投資計劃，政府財政支出增加，大量資金流入房地產及相關行業，對房地產行業產生了積極影響。房地產行業信貸總額反映了貨幣政策、商業銀行貸款對房地產行業上市公司信用風險的影響，但研究結果不顯著。

股價波動對房地產上市公司信用風險的影響與預期基本一致。股價波動越大，房地產上市公司信用風險越大；股價增長越高，信用風險越小。股價波動反映了資產價值的波動，而股價增長則反映了資產價值的增長。資本市場從2004—2008年經歷了一波牛市，房地產行業公司股價一路飆升，房地產行業指數（申萬一級）從550點漲至5575點。這個過程中，資本市場泡沫不斷擴大，房地產行業上市公司價值虛高、泡沫不斷積累，信用風險不斷增大。金融危機爆發使我國資本市場泡沫迅速破滅，房地產行業股價大幅下跌、波動劇烈，房地產行業預期違約率達到頂點。2009年開始，房地產行業指數整體波動較小，加上房地產上市公司市值回升，房地產上市公司股票市值波動較小，行業信用風險逐步下降。

微觀運營因素對房地產上市公司信用風險的影響與預期基本一致。流動比例反映了公司的償債能力，反映了公司抵御違約風險的能力。流動比率越高，公司的償債能力越強，違約的概率越低。預期違約率與公司負債總額增長率呈現正相關，說明個體負債對公司信用風險的影響。負債增長率先保持上升趨勢，并在2008年和2009年達到頂峰，之后開始下降，2011年和2012年稍許上升。公司負債的快速增長加大了公司還款壓力，提高了公司的信用風險；債務壓力的降低減緩了公司的還款壓力，也降低了公司的信用風險。

六、結論

本文研究了房地產上市公司信用風險水平，發現我國房地產上市公司的信用風險呈現先升后降的趨勢，在2008年信用風險達到頂峰，之后有所下降并保持平穩。并且房地產上市公司信用風險也未表現出明顯的地域差異。

本文進一步對信用風險的影響因素進行了實證分析，研究發現宏觀調控政策、股價波動以及微觀運營因素都對房地產上市公司的預期違約率有顯著影響。實證結果表明：（1）限購通過影響房地產上市公司預期改善其微觀運營活動，對房地產上市公司控制信用風險有促進作用；（2）股價波動通過影響資產市場價值波動對房地產上市公司控制信用風險產生負面影響；（3）股價增長通過增加資產市場價值，對控制信用風險有正面影響。在當前房地產市場表現疲軟，市場預期不樂觀的背景下，房地產企業信用風險控制意義重大。政府應重視宏觀調控政策對房地產信用風險的積極作用，關鍵時刻可以采取類似限購的手段，幫助房地產上市公司控制信用風險；房地產企業方面，在穩健運營的同時，積極維護股價、進行市值管理也具有積極意義。

參考文獻：

[1]Duffie D， Saita L，and Wang K. 2007. Multi-period corporate default prediction with stochastic covariates， Journal of Financial Economics，83（3）.

[2]Peter Crosibie. 2003. Modeling default risk，KMV Corporation.

[3]Akin O，Montalvo J G，and Villar J G. 2014. The real estate and credit bubble：evidence from Spain，SERIEs，5（2-3）.

[4]Pisun Xu，Jian Yang. 2011. U.S Monetary Policy Surprises and International Securitized Real Estate Markets，Journal of Real Estate Finance and Economics，38.

[5]Crowe C，DellAriccia，and Igan D. 2013. How to deal with real estate booms：lessons from country experiences，Journal of Financial Stability，9（3）.

[6]謝邦昌，朱世武，李璇.我國上市公司信用風險度量模型的選擇[J].經濟學動態，2008，（5）.

[7]張曉晶，孫濤.中國房地產周期與金融穩定[J].經濟研究，2006，（1）.

[8]溫紅梅，韓曉翠.基于因子分析的我國房地產業信用風險的實證研究[J].中國管理科學，2009，（10）.

[9]肖冰，李春紅.基于Logistic模型的房地產行業信用風險研究[J].技術經濟，2010，（3）.

[10]范廣垠.我國房地產政策宏觀分析的模型與方法—以1998-2009年房地產政策為例[J].同濟大學學報（社會科學版），2010，（1）.

[11]鄭忠華，邸俊鵬.房地產借貸、金融加速器和經濟波動—一個貝葉斯估計的DSGE模擬研究[J].經濟評論，2012，（6）.

[12]喬坤元.住房限購令真的起作用了嗎？—來自中國70大中城市的證據[J].經濟與管理研究，2012，（12）.

[13]劉晨暉，陳長石.貨幣政策對房地產泡沫的非線性影響研究—基于Threshold-VAR模型的實證分析[J].投資研究，2014，（10）.

[14]張所地，趙華平，李斌，董春.房地產宏觀調控影響下的房價與租金關系研究—基于中國35個大中城市面板數據的實證分析[J].數理統計與管理，2014，（2）.

（特約編輯 張立光；校對 CX，SJ）