基于SVAR模型的房價波動與銀行信貸實證分析

向為民，譚 娟

(重慶理工大學 經濟金融學院， 重慶 400054)

一、引言

近年來，針對房地產市場迅猛發展所帶來的房價過快上漲以及房地產金融風險增大的現象，國家有針對性地出臺了一系列調控措施，例如2008年的“國十三條”、2009年的“國四條”、2010年的“新國十條”、2011年的“新國八條”、2013年的“國五條”、2015年的“供給側改革”等。然而，雖經歷了多次調控，2016年一、二線城市房價依舊暴漲，直到2017年6月份才有所緩和，從中可以反映出政策調控效果欠佳、資金流向難控制等問題。與此同時，房地產信貸在商業銀行的資產業務中所占的比例也日益提高，并保持著逐年擴大的趨勢。通過查閱中國人民銀行數據可知，我國住房抵押貸款在中長期貸款中所占比例高達83%左右，銀行信貸在房地產企業開發資金來源中約占40%，因此一旦房地產業出現資金周轉問題，房地產業的信貸風險可能會轉嫁到銀行，金融業的穩定性就可能遭到巨大威脅。

房地產市場繁榮發展時，商業銀行基于房地產市場良好的盈利效果及其較高的資金回報率增加了放貸意愿，并下調利率以吸引房地產開發企業貸款；同時，銀行為個人提供的住房抵押貸款業務也間接地為房地產行業的開發建設提供了資金支持，因此銀行信貸為房地產開發提供了主要的融資渠道。當銀行信貸擴張與房價波動之間相互推動導致房價上漲時，銀行利率降低，個人和開發商因貸款成本降低而對房地產需求增加，此時供給小于需求，房價持續上漲。一旦房價突然下跌，就可能導致個人及企業貸款主動違約，抵押資產價值下降，銀行在市場上無法對抵押資產進行處理，不良貸款增加。此時，如果銀行采取緊縮性信貸政策，個人或投資者預期房價將下跌，對房地產的需求減少，房地產行業滯后的供給反應，將刺激房價進一步下跌直至崩潰。

為了防范泡沫風險的產生，并有序地引導房地產市場健康發展，政府已出臺一系列信貸政策，雖然沒有直接對房價進行調控，但其釋放出的政策信號卻對銀行信貸業務具有指引性作用。因此，通過對房價波動與銀行信貸規模之間的相互作用進行分析，并探討房價波動所帶來的風險是如何向商業銀行傳播的，可以為房地產市場發展的長期趨勢預測提供合理依據，促使房地產市場與金融市場互相協調、健康、穩定地發展，共同為我國經濟社會的繁榮做出貢獻。

二、文獻綜述

我國房地產行業經過近20年的迅猛發展，已發展成為我國經濟的支柱性產業，其價格的波動是多種因素共同作用的結果，如銀行信貸、消費者預期、信息失真、政府調控措施不協調等因素都可能造成房地產市場供給與需求不平衡，從而出現房價波動。其中，銀行信貸是房價波動的主要原因之一。

關于房價波動與銀行信貸關系研究的文獻中，國外學者Stein將生命周期理論首次引入信貸約束中對銀行信貸與房價波動進行研究，并得出當消費者購房存在信貸約束時信貸擴張會提高購房者的需求從而影響房價波動的結論[1]。Gerlach等對香港銀行信貸和房價波動兩者的關系進行了回歸分析，認為：無論長期、短期，房價波動都會導致信貸規模發生變化，但信貸規模的變化卻不是房價波動的主要原因[2]。Davis等將人均收入和利率等作為控制變量，建立一般均衡模型進行研究，從中得出人均收入、利率等宏觀經濟因素會使銀行信貸和房價之間的關系發生變化的結論[3]。隨著我國房地產金融的不斷發展，其相關的理論與實踐不斷成熟，房價與銀行信貸關系的研究多在協整和誤差修正分析框架下分析和解釋二者之間的長短期均衡關系。國內學者張濤等在全國層面的月度數據的基礎上，將實際房價與貸款利率和貸款額進行協整檢驗，發現貸款利率與貸款額度對房價之間的影響是相反的，前者為負，后者為正，并以此建立VECM模型來分析三者之間的短期波動性，得到了與長期效應分析一樣的結論[4]。秦嶺等利用2005—2010年的季度數據，通過建立VAR模型進行研究，認為信貸擴張與房價上漲兩者之間的互推加強作用顯著[5]。譚政勵等通過構建貨幣政策代理變量作為控制變量進行分析，根據實證結果可知，在認識到貨幣政策立場的基礎上，用貨幣政策對房價波動進行調控具有較好的效果，同時也驗證了我國央行利用緊縮的貨幣政策來抑制房價迅猛上漲的事實[6]。

三、實證分析

房價波動與銀行信貸之間存在著互動關系，由于向量自回歸模型(VAR)一般只能反應變量的當期值與其滯后期值之間的關系，而結構向量自回歸模型(SVAR)不僅可以反應變量的同期相關性，還可以通過對某變量施加長短期約束進而減少待估參數的個數，因此本文選擇施加約束的SVAR模型來分析兩者之間的長短期關系，并使用計量統計軟件Eview7.0來進行實證分析。

(一)指標及數據選取

本文主要研究的是房價波動與銀行信貸之間的關系，由于住宅銷售價格指數反映房地產價格的波動情況，房地產開發貸款與個人住房抵押貸款共同構成房地產信貸，但國內不公開個人住房抵押貸款數據，所以選用了住宅銷售價格指數和房地產開發貸款額來分別表示房價波動與銀行信貸兩個指標。銀行間同業拆借利率的高低代表了我國系統性金融風險的大小并會影響銀行信貸的規模，因此可將同業拆借利率作為控制變量引入該模型。因此，本文選用房地產住宅銷售價格指數、國內房地產開發貸款額和銀行間同業拆借加權平均利率3個指標來進行分析。同時，考慮到數據的可得性，選取了2005—2017的月度數據作為分析對象，數據來源于國家房地產信息網和中國人民銀行貨幣政策司，并通過X-12季節調整法來剔除季節因素的影響，部分數據采用自然對數來消除異方差，最終得到以下時間序列變量：住宅銷售價格指數(lnHP)、房地產開發貸款額(lnHL)、同業拆借利率(BR)。

(二)模型設定與檢驗

1.序列平穩性檢驗

首先，對模型中所用到的變量做ADF序列平穩性檢驗，檢驗結果如表1所示，可知在5%的顯著性水平下，所有變量經過一階差分后都表現平穩。

表1 平穩性檢驗結果

注： ***和 **分別表示在1%和5%的置信水平下顯著

2.協整檢驗

根據ADF檢驗可知所有變量都為I(1)變量，為了防止出現“偽回歸”，將繼續采用Johansen協整檢驗法對所有變量進行協整檢驗，結果見表2。

表2 Johansen非約束協整關系檢驗結果

注：**表示在5%的水平下拒絕原假設

由表2可知，在5%的置信水平下，房地產開發貸款額、住宅銷售價格指數和同業拆借利率之間至少存在一個協整向量，即3個變量之間存在著一個長期穩定關系。然而這一長期穩定的關系可以通過Johansen協整檢驗測算出具體的協整方程，協整方程系數估計結果見表3。

表3 Johansen標準化協整方程系數

注：括號中是標準差的值

由此可以得出一個協整方程如式(1)：

lnHL= 0.055 07lnHP- 0.003 6BR

(1)

(0.027 3) (0.011 9)

由式(1)可知，房地產開發貸款與房價之間的彈性系數約為0.550 7，即假設房價每增長一個百分點，貸款規模將擴張0.550 7%，由此得出銀行貸款與房價之間長期正相關。因此，當我國房價快速上漲時，隨著時間的推移，緊縮的信貸政策效果還是顯著的。然而，銀行信貸與同業拆借利率之間長期負相關，這主要是因為當同業拆借利率增加時，銀行業之間的借款成本增加，從而房地產商或者個人購房者貸款成本增加，長期來看貸款會越來越少[7]。

由于3個變量之間存在協整關系，因此本文將在房地產開發貸款、住宅銷售價格指數和同業拆借利率的水平值的基礎上，構建SVAR模型來分析，并對SVAR模型進行最優滯后期檢驗，根據AIC及SC原則可知該模型最優滯后階數是1，并用AR根法檢驗模型是穩定的，從而可以進行后續相關的檢驗及實證分析。

3.格蘭杰因果檢驗

由于協整檢驗只說明了3個變量之間存在長期的關系，然而在以往研究中，有些沒有經濟意義的變量之間的協整檢驗卻存在較大的相關系數，因此需要采用格蘭杰因果檢驗來說明三者之間的短期關系，檢驗結果如表4。

表4 VAR模型中的格蘭杰因果檢驗結果

通過表4可以看出，在5%的置信水平下，房地產開發貸款額與住宅銷售價格指數互為格蘭杰原因，而同業拆借利率是房地產開發貸款的格蘭杰原因。因此，房價過度波動會引起銀行信貸的波動，從而增加銀行的不良貸款，進而影響銀行的內部穩定性，系統性風險增加[8-10]；消費者由于信貸擴張，預期房價上漲，再考慮到此時銀行利率較低，對房產的需求增加，進而刺激房價上漲[11-12]；同業拆借利率作為銀行之間貸款的利率，代表了銀行業系統性風險的大小，拆借利率越高，銀行間同業借貸的意愿越低，銀行信貸規模緊縮，間接地影響房價。

4.SVAR模型設定

根據前面最優滯后期的確定，本文將SVAR模型設定為：

Axt=A0+A1xt-1+ut

(2)

用A-1左乘式(2)兩邊，將SVAR模型轉化為VAR模型的表達式：

xt=C0+C1xt-1+εt

(3)

其中：C0=A-1×A0為常數項，εt=A-1μt=(ε1t,ε2t,ε3t)為(3×1)維擾動向量，C1=A-1A1為(3×3)維系數矩陣，εt為簡單式殘差項，且μt=Aεt。

5.脈沖響應函數

脈沖響應函數描述的是給某一內生變量一個標準差大小的沖擊后，對這一內生變量自身及其他變量所產生的影響作用。分別給3個變量一個標準差沖擊后，相應的脈沖響應結果如圖1，從左到右依次顯示了HP對HL、BR，HL對HP、BR，BR對HP、HL的脈沖響應圖，當給房價一個正向沖擊時，銀行信貸從第1期開始出現正的變化，在第3期達到最高點，隨后緩慢下降，到30期左右的時候開始穩定，其沖擊力大約為0.15，由此可見房價波動對銀行信貸規模具有較短的影響時滯。而且，房價對信貸產生的影響會在短期內達到最大，因此銀行在考慮對房地產商進行貸款時應注意該時滯問題。在房價上漲時，銀行若想獲得更大的收益就得放松貸款門檻，此時銀行同業拆借利率會有一個負的響應沖擊，因為在銀行大肆放貸的同時，銀行業同業之間的借款意愿增強，同業拆借利率減少。當給銀行信貸一個正向沖擊時，房價在第1期時會迅猛上升，在第2期達到最大，在第12期左右開始穩定，其沖擊力大約是0.45，由此可見銀行信貸對房價的影響在短期內是顯著的，而且長期來看也有很大的影響，因此在實施信貸政策對房價進行調節時應針對短期和長期的不同影響效果而實施不同的信貸政策[13-14]。然而，當給銀行同業拆借利率一個正的沖擊時，銀行信貸以及房地產價格會出現負的響應，先是開始下降到第2期時達到最低點，其沖擊力大約為-0.1，然后上升直到第20期左右開始趨于穩定。

圖1 3個變量之間的脈沖響應函數

注：shock1、shock2、shock3分別表示HP、HL、BR的一個標準差的結構沖擊

6.方差分解

通過方差分解可得每個沖擊對內生變量的貢獻率，還可以知道每個變量的重要程度，對該模型中的變量進行方差分解結果見圖2。圖2表示對HP、HL和BR進行方差分解，可知房價除了自身的貢獻率較大之外，信貸規模對房地產價格的影響也較大，約為30%，從第10期開始趨于穩定；對信貸規模波動貢獻度較大的是房價，從第30期開始趨于穩定，貢獻度約為40%。由此可知，房價波動與銀行信貸規模之間的影響是相互的，而且兩者之間的影響程度是不同的。信貸規模一般很容易隨著房價的波動而波動，如果房地產價格大肆上漲，在信貸規模急劇增加的情況下，一旦房價泡沫破滅，房價下跌極易造成不良貸款，從而使銀行面臨風險，因此銀行應根據自身的情況選擇放貸規模。房價波動與銀行信貸對同業拆借利率的貢獻率很低，主要是由于其自身具有較強的隨機波動性。

圖2 3個變量的方差分解圖

四、結論及政策建議

(一)結論

本文通過建立結構向量自回歸模型(SVAR)對房價波動、銀行信貸和同業拆借利率三者之間的關系進行實證分析，得出以下結論：首先，房價波動與銀行信貸互為因果，并且無論長期還是短期，兩者都存在一種正向反饋機制；然后，通過協整檢驗以及格蘭杰因果檢驗可以看出同業拆借利率在長期和短期都會對信貸規模產生一定的影響，進而刺激房價波動，而房價波動又會引起商業銀行信貸風險，進一步影響銀行間拆借利率，三者之間的傳導形成了一個循環回路；最后，在脈沖響應及方差分解的分析中可知，房價波動和同業拆借利率對信貸規模的影響在長期內呈緩慢下降趨勢，信貸規模對房價的影響在最初階段會越來越大，經歷短期的增長后才呈現出緩慢下降的趨勢，因此應謹慎使用信貸政策對房價進行調控。

(二)政策建議

(1)政府應靈活地運用信貸政策，有針對性地采取相應的措施。通過對以前發生的金融危機進行分析可知，銀行信貸的過度擴張極易滋生房價泡沫，虛增的房價導致個別銀行面臨房地產金融風險，進而擴大到整個銀行業。為了保證金融體系的健康穩定發展，在房地產市場過熱時，可以采取緊縮性的貨幣政策或者信貸政策來調控房價。在房價大肆上漲時，銀行應嚴格把控好信貸規模，采取審慎經營的原則，在向房地產業提供貸款的同時，不僅要加強對貸款事前、事中、事后的調查，還應兼顧到其他行業的貸款來分散風險。雖然已出臺一系列政策房價，但房價上漲的問題依舊存在，因此在實施政策時應充分利用各種金融政策工具的搭配，防止銀行業出現金融危機。

(2)利用信貸政策調控房價時，應注意時滯問題和利率的調節作用。根據脈沖相應及方差分解可知，房價波動與銀行信貸之間的相互影響存在時滯，同一信貸政策在不同時期的房地產市場調控中將產生不同的效果，因此，政府在實施貨幣政策時，需要考慮信貸政策工具對房地產市場所產生的不同沖擊適當地調整調控力度。信貸政策影響信貸規模，信貸規模通過影響房地產的資金需求影響房價，利率作為一種常用的信貸政策工具，主要是通過影響信貸規模間接地對房價產生影響，因此應加強利率市場化改革，提高利率在信貸政策傳導中的作用，增強信貸政策的調控效率。

(3)房地產業應拓寬融資渠道，運用多元化的融資方式。目前，我國房地產開發企業中銀行信貸的比例很大，且融資渠道單一，一旦開發商在運營過程中出現問題，開發商和商業銀行都將承擔一定的風險，同時也將引發潛在的金融風險。因此，金融業應積極開拓信貸融資渠道、開發商和商業銀行發展多元化融資方式來避免這種風險。例如，利用股權融資來優化房地產開發商的資本結構，以及針對個人按揭貸款增加除房地產抵押貸款之外的其他貸款。政策上還應大力支持發展房地產信托、投資基金等，不同企業應根據自身狀況選擇適合的融資方式開發項目。

[1] STEIN J C.Prices and trading volume in the housing market:A model with down-Payment effects[J].Quarterly Journal of Economics,1995,110(2):379-406.

[2] GERLACH S,PENG,W.Bank lending and property prices in Hong Kong[J].Journal of Banking and Finance,2005,29(2):461-481.

[3] DAVIS E P,ZHU H.Commercial property prices and bank performance[J].Quarterly Review of Economics and Finance,2009,49(4):1341-1359.

[4] 張濤,龔六堂,卜永祥.資產回報、住房按揭貸款與房地產均衡價格[J].金融研究,2006(2):1-11.

[5] 秦嶺,姚一旻.我國銀行信貸與房地產價格關系研究[J].經濟社會體制比較,2012(3):188-202.

[6] 譚政勵,王聰.房價波動、貨幣政策立場識別及其反應研究[J].經濟研究,2015(1):67-83.

[7] 向為民,李嬌.居民收入、心理預期及其商品房價格波動[J].改革,2012(6):127-132.

[8] 梁偉鋒.銀行信貸與房地產價格波動[D].南京：南京財經大學,2012.

[9] 王拉娣，安勇，王佳.房價波動與銀行信貸風險的動態相關關系研究[J].經濟研究，2014(12):42-47.

[10] 高文涵,童中文.信貸擴張、房價波動與銀行系統性風險——基于SVAR的實證分析[J].金融與經濟,2015(11):14-19.

[11] 胡剛.利率對我國房地產投資影響的實證分析[D].廣州：廣東外語外貿大學，2015.

[12] 吳淑萍，樊穎，楊贊.利率政策對房價的“非對稱性”影響路徑——基于小波分析和GARCH模型的研究[J].上海金融，2017(2):3-10.

[13] 向為民,王霜.我國房地產開發投資規模測算及影響因素研究[J].重慶理工大學學報(社會科學),2016(7):59-65.

[14] 向為民，譚希為.房地產投資與經濟增長——基于重慶的協整分析[J].重慶理工大學學報(社會科學)，2017(8):21-27.