影子銀行與我國房地產價格相互影響研究——基于VAR模型的實證分析

魏燕子

(中國人民銀行鄂州市中心支行，湖北 鄂州 436000)

?

影子銀行與我國房地產價格相互影響研究
——基于VAR模型的實證分析

魏燕子

(中國人民銀行鄂州市中心支行，湖北 鄂州 436000)

影子銀行在某種程度上具備了銀行的功能，在房地產行業融資普遍不足情況下，對商業銀行起到了一個很好的補充作用。本文通過建立VAR模型，脈沖響應和方差分解的方法，探討了影子銀行與我國房地產價格相互影響，結果顯示影子銀行在一定程度上能影響房地產價格，也很容易受到房地產經濟波動的影響。

影子銀行；房地產；VAR 模型

一、研究的背景

影子銀行又可稱作為影子金融體系或者影子銀行系統，是指房地產的貸款被加工成有價證券，交易到資本市場。影子銀行主要是對傳統銀行信貸業務的一種復制和衍生，它的產生和擴張代表的是迅速崛起的民營經濟。根據穆迪2015年預測，2014年底我國影子銀行資產約為41萬億元，這相當于GDP的65%。伴隨著影子銀行規模的擴張，2008年以來，我國的房地產價格也一路扶搖直上，REICO 工作室《中國房地產市場報告》顯示，2010年、2011年、2012年、2013年、2014年、2015年，70 大中城市新建住宅價格分別同比上漲12.2%、4.4%、4.45%、8.2%、1.56%、2.07%。

影子銀行的發展和壯大逐漸影響著中國的金融結構乃至經濟發展的狀況，為此國內外專家和學者對影子銀行進行了大量的相關研究。Coleman etal.(2008)在分析次貸危機中美國房地產價格泡沫形成及破裂的原因時就指出美國影子銀行體系所產生的需求沖擊了房地產價格，同時這種信用方式催生了房地產價格泡沫。單暢(2015)通過計量分析研究得出影子銀行貸款規模變動和影子銀行貸款利率變動會影響房地產價格。會最終降低房地產價格的上漲幅度。于歌(2013)認為影子銀行的規模無論短期還是長期對房地產價格均具有正向的影響。因此監測好影子銀行創造的流動性對平抑房地產價格的波動具有十分關鍵的意義。在我國大部分學者都肯定了影子銀行的積極作用，且認為我國影子銀行的特性使其不具備引發系統性金融風險的條件。侯建(2012)認為影子銀行以其獨特的優越性和靈活性在一定程度上滿足了中小企業的金融服務需求。此外，[8]陳劍，張曉龍(2012)通過基于SVAR計量模型的實證分析得出影子銀行對于我國宏觀經濟增長起著一定程度的促進作用。

根據我國目前的經濟表現和國外的相關研究，影子銀行體系和房地產價格之間的關系、具體影響機理和影響效果值得進行理論研究和實證檢驗，這不僅對有效調控影子銀行和房地產價格這兩個經濟問題具有重要的理論意義，而且對金融自由化過程中的金融監管和宏觀經濟調控也具有重要的借鑒意義。

二、影子銀行對房地產影響分析

(一)影子銀行對房地產融資途徑分析

圖1 一個典型的委托貸款計劃

房地產行業號稱第二金融，我國房地產企業普遍存在著資產負債率偏高，經營風險大，自有資金不足的問題，其開發和買賣資金大部分來自金融機構。在市場經濟不發達的國家，房地產融資主要依靠銀行，而我國大多數房地產企業規模小，屬于中小型企業，商業銀行對中小型企業的貸款業務設置了較高門檻，一些中小型的房地產開發商在融資上存在很大的困難。影子銀行的出現很好的填補了這一不足，影子銀行利用其委托貸款、信托貸款和民間借貸等體系信貸能很好的彌補房地產開發商的資金不足問題，為其健康發展提供了良好的融資環境。

圖1顯示的是影子銀行一個典型的委托貸款計劃，影子銀行對房地產的委托貸款是指委托人可以要求影子銀行將其存入的資金，按其指定的范圍、對象和期限等來發放房地產貸款。影子銀行機構與委托人簽訂貸款協議，并按照委托貸款協議來審查發放貸款，到期收回貸款本息并轉交委托人。在我國房地產行業一方面供需不平衡另一方面受到國家政策調控，開發商資金緊張，成為吸金重地，這部分委托貸款大都以開發商的不動產或股權作為抵押，有固定資產作擔保，因此成為委托貸款的流向大戶。

圖2 一個典型的信托貸款計劃

如圖2，影子銀行對房地產的信托貸款與委托貸款類似，是指信托貸款機構運用信托基金或其吸收的自由資金，對房地產商進行資金融通，仍是以不動產或股權作質押。但相比于委托貸款，信托貸款賦予信托機構更大的靈活性和自主性，其審批程序更簡便，經營決策更自主，對房地產業具有更強的適應性。

在我國，影子銀行對房地產的信貸支持還主要限定在傳統的直接融資的范疇，是對傳統銀行信貸的替代。中國的影子銀行基本上還沒有進入到類似西方的資產證券化的范疇，自證監會2013年發布《證券公司資產證券化業務管理規定》以來，資產證券化逐漸成為基建和房企趨之若鶩的融資方式。目前券商與房地產開發商都對此種新融資方式抱有極大的熱情與期待。

(二)影子銀行與房地產價格相互影響分析

在金融體系相對健全、經濟環境相對穩定的背景下，影子銀行能夠彌補房地產商在商業銀行融資難的問題，增加房地產的供給，平抑房地產供需的不平衡。但影子銀行的融資成本也會對房地產價格產生很大的影響，當影子銀行要求較高的資本回報率時會增加房地產商的融資成本，進而抬高房價。影子銀行對房地產商提供貸款的主要依據是抵押屋的價值，房地產市場存在投機現象時，抵押屋的價值會隨著房價的上漲而上升，當影子銀行預期利潤增加，在逐利驅使下，會加大對房地產業的信貸支持，而忽視其信貸風險，進一步推動房價。

房地產是一個具有雙重性的產業。它是實體經濟的一個子部門但又極具虛擬經濟屬性，不僅具有投資性更具投機性，而影子銀行的寬松信貸支持助長了各種房地產投機行為的產生，從而也將間接導致了房價的上升。另一方面其過度寬松的信貸環境以及尚未正規化的監管體制也將在一定程度上促使房價的上漲。

三、基于VAR模型的實證分析

(一)指標選取與數據處理

影子銀行逐漸被人們認識還是在2008年次貸危機之后，近兩年國內影子銀行發展迅速，房價的波動幅度也很大，故本文選取的是次貸危機前至今的月度數據。

房地產價格指數是反映房地產價格變動趨勢和變動程度的相對數，是通過百分數的形式來反映房價在不同時期的漲跌幅度，其代表性強。故房價的衡量指標選取的是全國房屋銷售價格指數的環比增長率HP。

由于影子銀行的數據難以獲得，從影子銀行各項貸款的占比來看我國委托貸款、信托貸款構成了影子銀行絕大部分，因而將兩者總規模的環比增長率DP作為衡量影子銀行規模數據。

考慮到宏觀經濟環境的影響，本文還選取了貨幣發行量作為觀測變量。在我國，M2更能體現出經濟投資的貨幣環境，故本文采用貨幣供應量的環比增長額M2作為測量工具。

本文數據來源于中國人民銀行，中國統計局以及wind數據庫和中國指數研究院，所有的數據均采用月度數據，時間跨度為2005年7月至2015年12月。

(二)VAR模型的建立

1.單位根檢驗

在進行時間序列分析時，應該首先進行平穩性檢驗并確定單整階數，本文采用ADF檢驗方法，結果如表1示

表1 ADF單位根檢驗結果

注：檢驗為mackinnon(1996)單邊檢驗方法。

從表1中數據可以看出，序列DP，HP，M2的ADF統計量均大于1%顯著性水平下的臨界值，因此我們接受原假設，即原時間序列是非平穩序列，含有單位根；而一階差分序列DDP，DHP，DM2的ADF值均小于1%顯著性水平下的臨界值，因此我們拒絕原假設，是平穩序列。所以，DDP，DHP，DM2序列具有一階差分平穩性，即它們是I(1)過程。

2.建立VAR模型

VAR模型是一種非結構化的方程模型，常用于預測相互聯系的時間序列系統及分析隨機擾動對變量系統的動態沖擊，從而解釋各種經濟沖擊對經濟變量形成的影響。

VAR模型建立前必須進行滯后期的確定，滯后期對模型的影響是非常大的。我們根據AIC和SC信息準則選擇最優滯后階數為4。綜上對樣本數據建立如下VAR(4)模型。

Yt=Φ1Yt-1+Φ2Yt-2+Φ2Yt-3+Φ2Yt-4+et

其中Yt=(DDPt，DHPt，DM2t)，Φ1，Φ2，Φ3，Φ4為3×3矩陣，et為白噪聲向量。

3.對模型進行檢驗

(1) Johansen協整檢驗

通過上面的單位根檢驗，可知DDP，DHP和DM2是同階單整序列，滿足協整檢驗前提。現采用Johansen法來判斷協整關系是否真正存在，檢驗結果如表2和表3所示

表2 特征跡檢驗(Trace Test)

注：檢驗統計量的上標**表示拒絕原假設

表3 最大特征值檢驗(Maximum Eigenvalue)

注：檢驗統計量的上標**表示拒絕原假設

根據表2，表3得出以下結論：在5%的置信水平下，特征跡檢驗與最大特值的跡統計量均大于臨界值，也就是拒絕原假設。即以上兩種方式都認為，在5%的置信水平下，影子銀行(DDP)、房價(DHP)和貨幣供應量(DM2)之間存在協整關系，即變量在長期內存在相關關系。

(2)模型平穩性檢驗

對VAR模型進行平穩性檢驗，如果全部根的倒數值都在單位圓內，則認為模型是穩定的，否則是不穩定的，非穩定的VAR不可以做脈沖響應函數分析和方差分解。下面運用單位根檢驗法對VAR(4)模型進行穩定性檢驗。

圖3 VAR(4)模型單位根檢驗圖

從估計結果中可以看出，向量自回歸方程的所有根均在單位圓內，即滿足平穩性條件，可以對結果進行脈沖分析和方差分解。

(三)模型結果分析

1.脈沖響應函數分析

脈沖響應函數描述一個內生變量對來自另一內生變量的一個單位變動沖擊所產生的響應，提供系統受沖擊所產生響應的正負方向、調整時滯和穩定過程等信息。橫軸表示沖擊作用的滯后期(單位：月)，縱軸表示被解釋變量對解釋變量沖擊的響應程度。實線為脈沖響應函數，上下兩條虛線為正負兩倍標準差的偏離帶。

(1)影子銀行(DDP)的脈沖響應函數分析

圖4 影子銀行受DHP，DM2脈沖響應函數曲線

如圖4所示，初始時刻給予貨幣供應量(DM2) 單位正向誤差沖擊，影子銀行開始有了正向的變動但效應不明顯，影響效應隨后逐漸上升，在第5期達到最大，在第6期到達峰谷后再逐漸上升，接著逐漸趨于平穩。說明國家實行寬松貨幣政策的同時也會誘發影子銀行的發展，并且滯后效應明顯。

當給予房價(DHP)單位正向誤差沖擊，影子銀行的變動剛開始也是正向的，相比對于貨幣供應量的沖擊影響，前期效應要明顯很多，也是在第5期達到頂峰，隨后第6期到達峰谷，接著逐漸趨于平穩。房價的影響后期要平緩一些。整體來看，房價對影子銀行主要是正的沖擊且作用明顯，也說明了房價上漲，房地產投資前景被看好時，追求高利潤的影子銀行將會加大對房地產行業的投資。

(2)房價(DHP)的脈沖函數影響分析

作為房價的衡量指標——DHP 顯示出當其受到影子銀行和貨幣供應量單位正向沖擊之后，主要呈波動狀態且波動頻繁。從圖中可觀察到影子銀行對房價短期內主要是負影響，長期主要是正的沖擊。短期影子銀行信貸增加后，房地產貸款增加會增加房屋的供給，故房價會出現一定程度的下降，但是長期由于房地產行業的剛性需求加上寬松信貸環境導致的過度的投機勢必會引起房價的上升。

圖5 DHP受DDP，DM2脈沖響應函數曲線

2.方差分解分析

為進一步分析每一個結構沖擊對內生變量變化的貢獻程度，現借助方差分解對影子銀行(DDP)，房價(DHP)，貨幣供應量(DM2)進行考察。根據經濟變量間的宏觀關系，將滯后階數設為10。

表4 影子銀行(DDP)的方差分解

從表4 中可以看出，滯后期越短，影子銀行的自身貢獻率越大。隨著滯后期的增加，房價對影子銀行的貢獻率不斷上升，并分別于第8 期和第9期達到穩定，為16. 46%和20. 30%。進一步表明，房地產行業的繁榮和寬松的貨幣政策對影子銀行的發展有很大的促進效用。

表5 房地產價格(DHP)的方差分解

由表5可知，房地產價格(DHP)受自身的影響很大，在第7期達到穩定，為89.23%，而影子銀行(DDP)和貨幣供應量(M2)對房價有一定的貢獻率，但影響都有限，分別在第5期和第9期達到穩定，為6.68%和4.13%。由此可知，影子銀行對房價的影響程度不如房價對影子銀行的大。也說明了我國房價受到諸如地價以及國家的宏觀政策調控等的影響比較大。

四、結論及政策建議

本文重點分析了影子銀行和房地產價格相互影響關系，并基于我國2005-2015 年月度數據進行了實證分析，得出結論如下：

第一，影子銀行的發展對房地產是把“雙刃劍”。一方面，其快速發展在一定程度上能夠有效緩解房地產行業從正規商業銀行融資難的問題，在短期內平抑了房價；另一方面，其逐利性又助長了房地產行業的過度投機行為。

第二，高房價和寬松的貨幣政策對于影子銀行的發展和壯大起到了很大的促進作用。故一旦房地產經濟發生波動，房地產企業的經營風險將轉變為影子銀行的金融風險，進而影響國家的金融安全。

因此，監管當局對待影子銀行的發展問題應該慎重，要保持客觀的態度，不能因2008年的全球性金融危機就抹殺了影子銀行對房地產行業的促進效應，忽略其在資源再配置上的功能。與此同時也要對影子銀行的高杠桿性保持警惕，進一步完善監管環境、加強監督力度，引導其健康發展。

首先，監管當局應當充分發揮委托貸款、貸款信托和民間借貸等影子銀行體系作為資源配置方式的功效，切實鼓勵、引導影子銀行的健康發展和進一步壯大，讓其在創造經濟價值的同時也能促進我國房地產業的發展。

其次，我國房地產行業的確存在過度投機的現象，再加上房地產商的盲目投資，缺乏合理的規劃，有較大的融資風險。故應盡量規劃和管制好房地產行業的發展，建立精細化、數據化的房地產監管系統，避免引起類似2008的次貸危機。

最后，要將影子銀行納入到宏觀審慎監管體系當中。開展銀信合作、表內轉表外的業務。對地區委托貸款、民間借貸的總量，監管當局應當加以控制，制定統一、客觀的數據信息統計口徑，加強金融部門和機構的信息披露，逐步建立金融業綜合統計體系。盡快將影子銀行業務正式納入商業銀行監管體系范疇。

[1] Gary，G.Metrick A.Regulating the Shadow Banking System，Yale University，18 Oct 2010

[2] Morgan，R.Shadow Banking and Financing Regulation，Harvard University，30 Aug 2010.

[3] 侯健.影子銀行發展對中小企業融資的影響研究[J].企業與銀行，2012(6)：84-86.

[4] 陳劍、張曉龍.影子銀行對我國經濟發展的影響研究[J].財經問題研究，2012(8)：66-72.

[5] 張仁楓.房地產金融創新與影子銀行的監管 [J].內蒙古財經學院學報，2011(6)：44-47.

[6] 易憲容.中國“影子銀行”的特征及風險[N].上海商報，2011-09-06.

[7] 單暢，韓復齡，李浩然.影子銀行體系對房地產價格的作用機理探究[J].技術經濟與管理研究，2015(4)：94-98.

[8] 于歌，回振彪.影子銀行對中國房價的影響[J].時代金融，2015(11)：134.

[9] 盧瓊佩.影子銀行對我國房地產價格影響的實證分析[J].經濟論壇，2015(1)：74-78.

[10] 韓蓉蓉，白建東，趙婉淞.銀行信貸對房地產價格影響的研究[J].內蒙古農業大學學報，2011(2)：57-60.

[11] 安輝，王瑞東.我國房地產幾個影響因素的實證研究[J].財經科學，2013(3)：115-124.

[12] 陳志英，韓振國，鄧欣.信貸、房價波動于銀行穩定性關系的實證研究[J]. 金融理論與實踐，2013(2)：7-11.

[13] 高鐵梅.計量經濟分析方法與建模：Eviews應用及實例[M].清華大學出版社，2009.