銀行風險與房地產風險的趨勢異同與傳導特征研究
——基于中國股票市場的實證研究

劉居照

（中國人民銀行南昌中心支行，江西 南昌 330008）

一、問題的提出

中國房地產業和銀行業關系密切，房價和信貸波動及二者間的共生性是造成銀行不穩定的重要原因（譚政勛和王聰，2011）[1]。各界普遍認為，信貸市場與房地產市場間的沖擊效應會形成相互強化的順周期波動。理論上看，如果房價下跌，隨著房貸抵押品價值走低，則無論是購房者還貸能力或意愿減弱，抑或銀行追加抵押品，均不利于維系房地產金融穩定。2020 年新冠肺炎疫情暴發以來，政策調控、信貸限制加強，特別是貨幣信貸政策更加強調靈活精準、合理適度，房地產貸款集中度管理加強，使得重新審視房地產和信貸市場發展及其傳導特征具有重要的現實意義。2020 年11 月，中國人民銀行發布《中國金融穩定報告（2020）》明確指出，中國商業銀行體系的客戶集中度、表外業務、地方政府債務、房地產貸款等領域風險值得關注。中央經濟工作會議指出，2021 年要抓好各種存量風險化解和增量風險防范。所以，從金融業看，既要加強房地產“灰犀牛”等風險防范，也要提防應對疫情有關政策潛在風險，確保金融體系安全穩健運行。那么，現階段中國房地產業與銀行業的風險程度究竟如何？房地產業風險與銀行業風險之間的反饋機制呈現何種特征？聚焦這些問題進行深入探討，可以為宏觀調控提供參考，對維護房地產和金融市場安全穩健運行具有重要的政策含義和應用價值。

從已有研究看，大多圍繞房地產行業波動與金融體系穩定性之間的關系來展開，主要包括三類。一是房地產風險與銀行風險的作用機制。例如：銀行資金涌入房地產導致泡沫膨脹，加上道德風險和逆向選擇，導致銀行風險不斷累積（Allen 和Gale，2000）[2]；銀行資金撤出房地產會導致泡沫破裂，進而產生大面積不良資產和儲戶擠兌，最終威脅金融穩定（Allen和Carletti，2008）[3]；房價對均衡價值的偏離以及房價上漲對銀行風險溢價和杠桿率的影響都可能放大銀行風險（譚政勛和陳銘，2012；司登奎等，2019）[4-5]。二是房地產風險對金融體系的影響。例如：房地產業存在金融負外部性，原因在于雖然其創造的經濟效益是局部的，但因其具備顯著的金融屬性和虛擬化特性，造成的社會成本和福利損失卻是全局性的（白欽先和主父海英，2011）[6]；房地產業對金融機構存在較為顯著的系統性風險溢出效應，在時間維度上具有周期性（孫翎等，2019）[7]；房地產市場和金融市場具有較強相關性，并存在非對稱效應（曹曉飛等，2020）[8]；在新冠肺炎疫情期間尤其要深化金融改革發展，否則較大的家庭儲蓄和政府刺激會助漲房地產泡沫，增加金融脆弱性（Fendoglu，2021）[9]。三是房地產周期與金融周期的關系。例如：房地產周期對金融穩定的影響主要體現在房地產信貸風險暴露、政府擔保風險及長存短貸的期限錯配風險上（張曉晶和孫濤，2006）[10]；房地產周期與銀行危機乃至金融穩定密切相關（Pouvelle，2012）[11]；房價對金融系統性風險存在門檻效應（賈慶英和高蕊，2020）[12]。

我們發現，雖然學界圍繞房價沖擊引致金融風險的研究已經比較豐富，但是聚焦房地產業風險與銀行業風險的聯動性進行深入研究的并不多。基于此，本文綜合運用標準差法、FAMA-FRENCH 三因子模型法和動態因子Copula模型法以及廣義矩估計檢驗和格蘭杰因果檢驗等方法，對中國銀行業和房地產業市場各14 家主要公司股票收益率進行分析，通過聯動性研究金融市場和房地產市場系統性風險、異質性風險和市場聯合違約概率以及對風險傳導方向和效率進行量化檢驗。相比以往文獻，本文可能的創新之處在于：一是將銀行業風險和房地產業風險細分為波動率、系統性風險、異質性風險和違約概率進行分析，對各種表現形式風險的走勢和重大事件沖擊影響進行量化對比，豐富了現有研究；二是量化了銀行業與房地產業間風險傳導的方向、周期和效率，為以往的研究結論提供了實證支撐。本文研究認為，針對銀行業市場，須重點關注其可能向其他市場傳導的系統性風險，從源頭上提高金融系統穩定程度；而針對房地產市場，既要從宏觀角度把握金融市場風險，也要從微觀角度警惕異質性風險，可以為宏觀調控政策提供參考，對維護房地產和金融市場的安全穩健運行具有重要的政策含義和應用價值。

二、理論分析

（一）房地產業與銀行業市場間相關風險的界定

1.總體風險

總體風險囊括了各種各樣的風險因子，通過觀察總體風險狀況，可以對市場整體面臨的不確定性進行預判。本文對于房地產市場與銀行市場的總體風險情況運用收益率波動的標準差進行衡量，該方法是最簡單、最常見的衡量方式，后續本文將風險進一步細分為系統性風險與異質性風險。

2.系統性風險

當前學術界和監管當局對系統性風險的定義并不統一。例如IMF（國際貨幣基金組織）、BIS（國際清算銀行）和FSB（金融穩定委員會）將系統性風險定義為金融體系部分或全部受損時引發的大范圍金融服務失效且可能對實體經濟產生嚴重沖擊的風險；又如 Benoit（2017）[13]將系統性風險定義為導致市場大量參與者同時遭受嚴重損失，并迅速擴散到其他系統中的風險。盡管系統性風險沒有統一定義，但卻形成了以下共識，即系統性風險是全局性風險且具有傳染性，一旦房地產泡沫破裂，將惡化銀行資產質量并導致流動性嚴重不足，進而引發整個金融體系不穩定并對經濟持續穩定增長產生重大沖擊。系統性風險的度量有兩類主要技術方法：一類為結構化方法，通常通過構建矩陣模型和網絡模型對金融機構間的敞口數據進行分析，研究系統性風險傳染的路徑、影響范圍及影響大小；另一類為簡約化方法，基于機構股票收益率、CDS 價差、信用違約互換費率等市場數據建立模型進行度量。考慮到數據可得性以及市場數據前瞻性等因素，本文基于第二種方法度量系統性風險。

3.異質性風險

異質性風險是個股自身情況引起的風險，在“股災”、新冠肺炎疫情、房地產政策變動等特殊時期，個股的異質性風險表現尤為明顯，風險水平顯著提升。近年來，隨著各項房地產、金融政策的出臺落地，銀行和房地產市場異質性風險基本控制在一個較低水平。本文主要采用FAMA-FRENCH 三因子模型法來衡量房地產市場與銀行業市場的異質性風險。

4.聯合違約概率

聯合違約概率主要用來測度行業給定公司的系統重要性。關于這一概念，學術界早有討論，例如Segoviano 和Goodhart（2009）[14]引入給定一家銀行違約的情況下其余銀行聯合違約的概率，以此測度給定銀行的系統重要性；Zhou（2010）[15]運用極值理論提出系統性沖擊指數，測度在給定銀行違約情況下其余銀行的期望違約數量；Xu 等（2017）[16]通過聯合違約概率構建條件聯合違約概率，以此分析歐洲銀行系統中“過于關聯而不能倒”的銀行，類似的聯合違約概率拓寬至房地產市場亦能測度類似房企的系統性重要性。本文采用動態因子Copula模型法來測度銀行業與房地產業的聯合違約概率。

（二）房地產市場與銀行業市場間相關風險的傳導渠道

中國房地產行業與銀行業存在著雙向依賴、雙向驅動的關系（葛紅玲和聶曉曦，2015）[17]。一方面，房價輪番上漲使得家庭部門形成了房價“只漲不跌”的預期，進而刺激大量家庭部門舉債購房；另一方面，房地產市場與銀行體系形成了利益共同體關系，由于房地產行業的資金主要來源于銀行信貸，而如果考慮到與房地產行業存在緊密關聯的建筑、鋼鐵等行業，則銀行體系投入到房地產行業相關的信貸資金會更多（司登奎等，2019）[5]。因此，房地產市場與銀行信貸之間形成了雙向依賴、雙向驅動關系，促成房地產業的金融化、泡沫化傾向逐步加強，導致宏觀杠桿率逐步提升，風險逐步積聚并在房地產業與銀行業逐步形成聯動。具體傳導渠道如下。

1.房地產業與銀行業正反饋效應傳導渠道

一是居民財富效應。房價上升給居民帶來財富效應，促進居民消費和企業生產，提高經濟水平，有利于金融穩定。二是抵押效應。當房地產價格上漲時，房地產作為抵押資產價值上升，基于托賓Q理論和價值抵押理論，企業資產狀況得到改善，可以從銀行獲取更多資金，從而改善資產負債表，增加企業投資的信心和積極性，進而降低經濟風險，維系金融穩定。對于銀行而言，銀行持有的抵押品價值上升，會優化銀行資產負債表，有利于增強金融系統的穩定性。三是投資者渠道。居民財富增加，企業盈利穩定，會增強投資者信心，提高資源配置效率，加強銀行與房地產業的正向聯動。雖然該過程會增加貸款，但經濟總量在增長，經濟整體的資產負債情況得到優化。如果處于比較成熟的金融發展階段，金融系統就能夠將房地產價格上漲的影響傳遞到經濟體的其他領域；但如果金融系統不完善，那么即使在經濟杠桿較低情況下，房地產價格上漲也不一定會促進金融穩定。

2.房地產業與銀行業負反饋效應傳導渠道

一是擠出效應。對于家庭來說，較高的負債率本身就是沉重的負擔，面臨房地產價格上漲，無房戶需要壓縮消費積攢首付款，有房戶則大多通過貸款購得，同樣也會擠出消費，所以總體表現出家庭部門負債率上升，對消費產生擠出效應。二是虹吸效應。對企業部門來說，高負債率下實體企業的資金通過虹吸效應會流向高回報率領域，原本用于企業創新研發的資金和用于實體企業設備改造的資金會流向房地產市場，企業產出水平下降，整體表現出投機性增強，從而增加金融系統性風險。對于金融中介而言，在高杠桿情況下，金融系統脆弱性增強。一旦發生信用危機或房地產價格大幅下跌，銀行資本金無法在極速貶值的抵押資產中快速抽身，資不抵債將造成大面積的銀行、企業破產，風險在房地產業和銀行業間傳導并互相促進。三是溢出效應。房地產業和銀行業劇烈波動將沖擊其他行業和金融部門，形成更廣泛的聯動，風險跨市場迅猛傳播，資源“脫實向虛”導致經濟虛擬化程度加重，進一步導致金融風險系統化，增加金融體系脆弱性。

有鑒于此，本文旨在聯動研究金融市場和房地產市場總體風險、系統性風險、異質性風險和市場聯合違約概率，并對風險傳導方向和效率進行量化檢驗。

三、研究設計

（一）數據樣本

1.商業銀行樣本說明及描述性統計

本文參照王輝和梁俊豪（2020）[18]的做法，并綜合考慮數據完整性、可獲取程度以及代表性，選取工商銀行、建設銀行、中國銀行、交通銀行、中信銀行、北京銀行、興業銀行、招商銀行、民生銀行、華夏銀行、南京銀行、浦發銀行、平安銀行、寧波銀行14 家銀行股票的對數收益率作為中國銀行業系統性風險數據來源，樣本期為 2015 年 1 月 1 日至 2021 年 4 月30 日，股票收益率為日度對數收益率。選取以上銀行作為樣本的主要原因有：一是中國大多數銀行于2007年開始陸續上市，選取以上14家銀行能夠較大程度滿足數據的完整性；二是這14 家銀行2021 年4月30 日收盤時流通市值之和占A 股市場上市的所有銀行業股票總流通市值的比重約為90%，具有較好的代表性；三是這14 家銀行樣本量均為1541，涵蓋的歷史時間較長，既確保了結論可靠性，也減少了程序計算時間。表1對14家銀行股票收益率進行了一個簡單描述性統計。總體來說，銀行業股票收益率波動不大，日均收益率數值不高。國有商業銀行股票收益率標準差略低于股份制銀行、城市商業銀行等其他類型銀行，反映出國有商業銀行的股市投資風險略低于其他類型銀行。日均收益率最高的銀行是招商銀行，最低的是民生銀行。投資風險最高的是南京銀行，標準差為2.7143%；最低的是工商銀行，標準差為1.4606%。此外，本文所使用數據均為經過除權除息調整后的數據，故而收益率均介于-11.63%至9.62%的合理區間內。

表1 中國部分銀行業股票收益率的描述性統計

2.房地產公司樣本及描述性統計

本文采用房地產業部分公司股票市場收益率衡量房地產行業系統性風險。為了與金融行業相對應，選取萬科A、保利地產、綠地控股、華僑城A、金地集團、金科股份、陸家嘴、張江高科、中南建設、新湖中寶、上海臨港、榮盛發展、陽光城、華夏幸福14家房地產業公司股票對數收益率作為中國房地產業系統性風險數據來源，樣本期為2015 年1 月1 日至2021 年4 月30 日，股票收益率為日度對數收益率。之所以選取這些股票：一是流通市值份額占比高，具有市場代表性；二是在2015 年1 月1 日后有數據且不中斷，存在分析可能性；三是14 家房地產業公司股票樣本量均為1541，與銀行業股票樣本量一致。表2對14家房地產公司股票收益率進行了一個簡單描述性統計，總體來說，房地產股票收益率均值絕對值和標準差都要高于銀行業股票，這反映出房地產市場投資風險要高于銀行業股票。若采用單位風險收益（均值/標準差）來衡量各股票的投資價值，房地產市場中投資價值最高的是萬科A，最低的是華夏幸福。與銀行業股票相比，房地產業股票過去6 年平均單位風險收益略高。

表2 中國部分房地產業股票收益率的描述性統計

3.商業銀行和房地產公司樣本偏度和峰度分析

表3 給出了樣本股票收益率的偏度和峰度統計。從表中可知，79%的銀行業股票和房地產業股票收益率偏度為負，收益率具有左偏性質；同時銀行業股票和房地產業股票收益率峰度均值分別達到8.24 和3.58，在分布上呈現尖峰厚尾特征。通過Jarque-Bera 檢驗可知，各收益率序列均拒絕服從正態分布的原假設。因此，我們在對邊際分布建模時不能簡單考慮殘差服從正態分布，而要采用GARCH族模型，以減小模型擬合誤差。

表3 樣本股票收益率的偏度和峰度

（二）計量方法

本文采用三種方法衡量個股風險和市場風險，分別為標準差法、FAMA-FRENCH 三因子模型法和動態因子Copula模型法。

1.標準差法

該方法是最簡單、最常見的衡量方式，本文采用該方法衡量個股的總體風險（相對后述系統性風險和異質性風險而言）。為了更直觀地展現股票收益率波動率變化，本文進一步采用移動窗口方式計算標準差。

2.FAMA-FRENCH三因子模型法

該模型認為，一個投資組合的超額回報率可以由它對三個因子的暴露來解釋，這三個因子分別是市場投資組合超額收益率、市值因子和賬面市值比因子。這個多因子模型可以表示為：

其中，Rit為股票收益率，Rmt為市場收益率，Rft為無風險利率，本文中使用銀行間隔夜拆借利率作為代理變量，SMBt為市值因子，HMLt為賬面市值比因子，μt為模型殘差。根據模型理論，我們可以用來衡量市場超額收益率對個股超額收益率的影響，也即系統性風險大小。βi的值越大，市場波動對個股的影響程度越大，系統性風險越高。而殘差的標準差sd(μt)表示個股超額收益率中無法被市場超額收益率、市值因子、賬面市值比因子解釋的部分，sd(μt)的值可以用來衡量個股自身因素對個股超額收益率的影響，也即異質性風險，與系統性風險相對。類似地，為了更直觀地展現股票系統性風險和異質性風險變化，本文進一步采用移動窗口的方式進行擬合。

3.動態因子Copula模型法

該方法由Oh和Patton（2017）[19]首先提出。相較CoVaR 模型、Copula 函數等風險測量方法，該方法具有以下優點：一是能夠較為準確地測算多個股票的聯合違約概率，即系統性風險發生概率，且可以考慮金融市場收益率尖峰厚尾特征；二是能夠反映不同銀行之間的差異；三是可以避免“維數詛咒”，在計算多個收益率的聯合違約概率時仍具有較高的計算效率。本文構建動態因子Copula 模型的主要步驟：一是采用ARMA-GARCH-Skewt 分布模型對每只股票的邊際收益率進行擬合，得到邊際分布函數；二是將各邊際分布函數運用動態因子Copula模型計算聯合分布函數；三是運用聯合分布函數計算全市場聯合違約概率，以衡量系統性風險的整體水平及其演變趨勢。

在得到金融市場系統性風險變化趨勢和房地產市場系統性風險變化趨勢后，本文進一步采用時間序列檢驗方法檢驗風險在兩市場間的傳導情況：一方面，采用廣義矩估計檢驗（GMM）方法對上述模型進行量化檢驗，分析風險傳導效率，該方法可以有效緩解模型數據內生性對結果帶來的影響，提高結果估計的準確性；另一方面，使用格蘭杰因果檢驗方法來檢驗風險傳導方向。

四、實證研究

（一）模型一：使用標準差法估計市場總體風險

使用標準差法估計2015—2021 年銀行市場和房地產市場總體風險走勢，所使用數據為按照流通市值為權重加權平均的14 家公司的平均收益率，結果如圖1 和圖2 所示。圖1 的T 取值30，含義為當日風險使用過去一個月收益率波動大小計算；圖2 中的T 取值90，含義為當日風險使用過去一個季度收益率波動大小計算。圖1 一般用來衡量短期內總體風險變化情況，其優勢在于波動劇烈、反應迅速，但因樣本量限制而使準確性降低；圖2 一般用來衡量長期內總體風險變化情況，其優勢在于樣本量多，準確性提高，但風險反應速度、響應時間延長。從中可知，銀行業和房地產業市場總體風險走勢基本一致，2015 年受股市收益率大漲大跌的“股災”影響，兩市場總體風險值一度達到0.04，進入2016 年后總體風險趨于平穩。2018 年由于中美貿易摩擦影響，兩市場總體風險又有所升高；2020 年新冠肺炎疫情和全球金融市場震蕩再度抬升總體風險。這些特殊時點在圖2 中體現得更加明顯。近期而言，兩市場總體風險總體維持在穩定水平（短期在0.01—0.02 之間，長期在0.01—0.015之間），市場運行較為穩定。

圖1 2015—2021年銀行業股票市場和房地產業股票市場總體風險序列圖（T=30）

圖2 2015—2021年銀行業股票市場和房地產業股票市場總體風險序列圖（T=90）

進一步對比金融行業和房地產行業，我們發現，2016 年以后，不管是短期水平還是長期水平上，房地產業市場總體風險波動都比銀行業市場更為劇烈。這不僅表現在峰頂的數值更高，也表現在峰值出現得更加頻繁。這可能是房地產市場對消息、投資者情緒反應更為靈敏所致。此外，我們還發現在2016 年下半年，房地產市場總體風險出現了一個較高峰值（短期0.022，長期0.016），而同時期銀行業市場并沒有出現，這可能是由2016 年房地產政策調整所致。2016 年，由于股票市場不景氣，信貸政策寬松，資金逃離嚴重并大量涌入房地產市場，導致部分一、二線熱點城市房價上漲明顯，不少專家和投資者呼吁嚴格約束“炒房”行為。同年下半年召開的中央經濟工作會議提出，要堅持“房子是用來住的，不是用來炒的”的定位，在宏觀上管住貨幣，微觀信貸政策要支持合理自住購房，嚴格限制信貸流向投資投機性購房，促進市場健康平穩發展。由此，中國房地產政策發生了較大轉變，房地產市場投資風險也出現了一定幅度的上升。

（二）模型二：使用FAMA-FRENCH 三因子模型法估計市場系統性風險和異質性風險

使用FAMA-FRENCH 三因子模型法估計兩市場各只股票的系統性風險和異質性風險，結果如表4 和表 5 所示。表中 β-value 指的是模型 β 系數值，表示系統性風險大小。若該股票收益率與市場收益率走勢完全相同，則β 系數為1；若該股票收益率波動弱于市場收益率波動，即該股票受到市場影響較小時，β 系數小于1；若該股票收益率波動強于市場收益率波動，即該股票受到市場影響時放大波動，則β 系數大于 1。t-value 是 β 系數的 t 值，即系數顯著程度。sd（residuals）是模型殘差的標準差，衡量的是異質性風險，即該股票受到其他因素影響的擾動程度，其數值越大表示風險越大。此外，為了保證時間序列數據偽回歸現象，本文還對個股收益率進行ADF檢驗。表4和表5顯示所有股票收益率均在1%的顯著性水平上拒絕原假設，即所有股票收益率在1%的顯著性水平上均平穩。從表4和表5風險測量結果看，2015—2021 年，總的來說房地產業股票平均系統性風險和平均異質性風險均要高于銀行業股票，且所有股票β 系數均在1%的顯著性水平上顯著。因此，銀行業股票較房地產業股票市場波動的程度較小，漲跌幅明顯低于市場。銀行業股票中異質性風險較高的股票主要是城市商業銀行股票和股份制銀行股票，國有銀行股票異質性風險明顯低于上述二者。

表4 中國部分銀行業股票的系統性風險和異質性風險

表5 中國部分房地產業股票的系統性風險和異質性風險

圖3 和圖4 展示的是2015—2021 年銀行業股票市場和房地產業股票市場系統性風險和異質性風險序列圖。其計算數據來自表4和表5，具體計算方式是將每期所有股票系統性風險和異質性風險按照流通市值（市場份額）加權平均所得。特別要說明的是，由于系統性風險期望值為1，因此在計算系統性風險加權平均值時先用減去1 的數值計算，然后再加1。從中可知，不管是系統性風險還是異質性風險，房地產行業風險均強于銀行業。對于銀行業股票來說，系統性風險的波動頻率及幅度強于異質性風險，異質性風險僅在2015 年發揮了較強作用；對于房地產業股票來說，系統性風險在2018 年前發揮著較強作用，而異質性風險僅在2015 年發揮了較強作用。這說明：一是在“股災”期間，系統性風險和異質性風險同時作用于股票收益率，引起收益率劇烈波動；二是在股市平穩期，系統性風險發揮著較強作用，較大程度影響著股市穩定性，故而防范化解重大金融風險具有較強現實意義；三是近年來兩市場系統性風險呈現明顯平穩態勢，并且均值有下降勢頭，說明近年來防范金融風險已有較為明顯的成效。

圖3 2015—2021年銀行業和房地產業股票市場系統性風險序列圖（T=30）

圖4 2015—2021年銀行業和房地產業股票市場異質性風險序列圖（T=30）

圖5 和圖6 則是長期水平（T=90）上兩市場系統性風險和異質性風險序列圖。長期水平上的結論與短期水平基本一致，但系統性風險的下降趨勢更明顯。前文提到的2016 年下半年政策改變引起房地產總體風險升高的現象，在圖3至圖6中可以將結論進一步細化，即2016 年下半年政策調整引起房地產風險升高的現象，主要是由系統性風險所致。此外，房地產政策調整引起的系統性風險升高比“股災”來得更強烈，可能是“股災”引起整個股票市場泡沫破滅風險均攤于所有市場股票，而房地產市場政策調整主要作用于本市場，即單個市場的系統性風險對于該市場單只股票收益率的作用程度強于多市場聯合系統性風險。

圖5 2015—2021年銀行業和房地產業股票市場系統性風險序列圖（T=90）

圖6 2015—2021年銀行業和房地產業股票市場異質性風險序列圖（T=90）

（三）模型三：動態因子Copula 模型法估計市場聯合違約概率

使用動態因子Copula模型法估計市場聯合違約概率。由于該模型無顯性解，因此本文通過1000 次蒙特卡洛模擬估計聯合違約概率。參照王輝和梁俊豪（2020）[18]的做法，設定估計頻率為月度，并將違約股票數量設定為半數7。即市場上有至少一半的股票處于風險狀態則認為市場處于風險狀態。結果如圖7所示。從中可知，在2015—2016上半年，銀行業市場聯合違約概率處于2%—32%之間，在2016 年下半年后違約概率降至2%—12%之間，說明“股災”較大程度刺激了市場聯合違約概率提升。對于房地產業市場來說，違約概率處于2%—37%之間，且其波動頻率和幅度均強于銀行業市場，這印證了之前結論。2021 年4 月，銀行業市場聯合違約概率為6.7%，房地產業市場聯合違約概率為10.0%，房地產業市場違約概率仍約為銀行業市場違約概率的1.5倍，目前兩市場股票收益率風險處于歷史較低水平。總的來看，市場聯合違約概率的走勢基本與市場總體風險走勢一致，說明系統性風險和異質性風險共同作用提高了市場聯合違約概率。

圖7 2015—2021年銀行業和房地產業股票市場聯合違約概率序列圖

（四）銀行業市場和房地產業市場風險聯動程度

本文采用格蘭杰因果檢驗對銀行業市場和房地產業市場風險傳導途徑進行研究。首先，排除異質性風險，因為異質性風險是個股自身情況引起的風險波動，理論上相互間無傳導性。滯后期是指自變量與因變量間錯開的期限，即兩市場間風險傳導時間。對于總體風險和系統性風險（日度數據）而言，單位為日（d），選取1d 和5d；對于聯合違約概率（月度數據）而言，單位為月（m），選取1m 和3m。H0 為格蘭杰因果檢驗原假設，“銀行房地產”指的是銀行業風險變動不是房地產業風險變動的原因，“房地產銀行”指的是房地產業風險變動不是銀行業風險變動的原因。F 值為格蘭杰因果檢驗F 值。GMM 是采用GMM檢驗方法對模型傳導系數進行估計，即所傳導風險大小。該模型為：

表中展示的為β1值。之所以控制Yt-T變量，是為了排除自身持續性對結果的影響。對于格蘭杰因果檢驗不顯著的傳導途徑，其系數在10%顯著性水平上與0無顯著差異，因此表中不反映其結果。表6結果顯示，一是總體風險由銀行業向房地產業傳導較為明顯，且風險產生后1—5 天影響程度略有增強（系數從0.0113 增至0.0275）；二是房地產業總體風險產生5 天后向銀行業傳導較短期（1 天）更明顯（F值分別為5.3292 和1.9629）；三是系統性風險在銀行業傳導至房地產業時顯著，且在短期（1 天）最為顯著；四是聯合違約概率在兩市場間交叉傳導，持續期限較長（1—3 月均顯著），且銀行業向房地產業傳導的風險效率更高。總的來說，風險在兩市場間存在交叉傳導、反復傳導、長期傳導的特征，銀行業風險在兩市場風險聯動中占據主導地位。

表6 格蘭杰因果檢驗結果

五、結論與政策建議

（一）主要結論

本文通過對中國銀行業和房地產業市場各14家主要公司股票收益率進行收集整理，采用標準差法、FAMA-FRENCH 三因子模型法和動態因子Copula 模型法分別計算兩市場總體風險、系統性風險、異質性風險和市場聯合違約概率，分析比較兩行業風險走勢特征，總結風險發展趨勢異同。并采用格蘭杰因果檢驗方法對風險傳導方向和效率進行量化檢驗。主要結論如下。

一是銀行業和房地產股票市場總體風險走勢基本一致，房地產市場的波動要比銀行市場更為劇烈、頻繁。在“2015 年股災”“2018 年中美貿易摩擦”、房地產政策調控、新冠肺炎疫情等特殊時期，兩行業市場風險顯著提升。近年來，隨著影響事件逐漸平息，各項房地產、金融調控政策穩定出臺實施，銀行和房地產市場風險基本控制在相對較低水平。

二是進一步將總體風險拆分為系統性風險和異質性風險，房地產行業股票平均系統性風險和平均異質性風險均高于銀行業。在“股災”期間系統性風險和異質性風險顯著放大，引起收益率劇烈波動；在股市平穩期，系統性風險發揮著較強作用，較大程度影響著股市穩定性。分市場來看，對于銀行業，城市商業銀行股票和股份制銀行股票的異質性風險比國有銀行股票更高。近年來兩市場系統性風險呈現明顯的平穩態勢且有下降勢頭，中國近年來防范金融風險已有較為明顯的成效。

三是兩市場的聯合違約概率與整體風險走勢基本一致，系統性風險和異質性風險共同作用于市場聯合違約概率。房地產市場違約概率高于銀行市場，約為銀行市場違約概率的1.5 倍。近期，兩市場聯合違約概率保持在2%至12%水平區間，較股災期間的30%以上違約概率大幅降低。

四是風險在兩市場間存在交叉傳導、反復傳導、長期傳導的特征。總體風險更傾向于在較長期限上反復傳導，銀行業向房地產業傳導更明顯，房地產業向銀行業傳導時間更滯后；系統性風險更傾向于在較短期限由銀行向房地產傳導。聯合違約概率在較長時期（1至3月）在兩市場交叉傳導，日均傳導效率約為2.2%。總體上，銀行業相比于房地產業會對市場穩定造成更大影響，銀行業風險在兩市場風險聯動中占據主導地位。

（二）政策建議

金融穩定是金融安全的重要基礎，金融安全又是國家安全的重要組成部分。近年來，國際金融危機頻發，大宗商品價格波動劇烈，各國間進出口貿易較量不斷，給國際金融穩定帶來了不小沖擊。對于中國而言，如何把握住金融運行的動態規律、提高金融治理能力和治理水平，對金融服務發展、占得國際市場先機具有重要意義。根據金融穩定抵御沖擊說，金融穩定的實現方式是合理配置金融資源以抵御沖擊，而金融資源中最重要的當屬具有乘數效應的銀行存款供應。本文即從銀行業股票市場風險出發，橫向連接備受關注且風險波動較為頻發、劇烈的房地產市場，得出了以下有關風險防控的政策建議。

一方面，對于銀行業市場，須重點關注其可能向其他市場傳導的系統性風險。要從源頭上提高金融系統穩定程度，必須要加強銀行業治理。近年來，中國堅持推進金融供給側結構性改革，著力化解突出風險，提高銀行業服務實體經濟能力，已取得不錯成效，總體而言風險基本可控，但是當前面臨的國際國內金融形勢依然嚴峻。要穩固已取得的成果，一是要繼續堅持當下嚴監管政策不動搖，做好風險前瞻預判和防控預案，動態把握銀行業金融風險的周期性與規律性，做到標本兼治，尤其要嚴格管控銀行房地產信貸，優化銀行業資產結構；二是加快建設多層次、差異化、高開放度金融體系，有效分散行業風險沖擊；三是注意防范影子銀行、民間借貸、違法經營等監管難以觸及領域帶來的風險，持續整治金融市場亂象，嚴厲打擊非法金融活動，將銀行業市場盡可能納入監管范圍；四是加快金融市場改革，完善證券市場、期貨市場等資本市場制度，更進一步發揮資本市場作用，提高直接融資比率，優化資源配置效率，降低企業融資成本，促進企業健康發展，不斷提高居民收入。

另一方面，對于房地產市場，須重點加強房地產金融宏觀審慎管理。要堅持“房住不炒”立場不動搖，堅決打擊惡意炒房行為，維護好房地產金融市場穩定。特別是近期人民幣匯率波動加劇，疊加新時期世界經濟格局不斷變化，引起投資者投資意愿頻繁調整，給房地產金融市場穩定帶來不小挑戰。基于本文研究結論，一是既要從宏觀角度把握金融市場風險，在估算單個市場風險時考慮各市場間風險傳染性，也要從微觀角度警惕異質性風險，關注每個公司特別是系統重要性較高的公司突發風險的狀況；二是把握住新時期世界經濟格局變化的機遇，根據“股災”、新冠肺炎疫情、其他國家政策變化可能導致的結果，不斷修正政策引導方向；三是探索建立市場風險預警系統，通過宏觀經濟指標變化，動態掌握市場實時風險評估指標，及時采取措施穩市場；四是加快人民幣國際化步伐，進一步提高金融對外開放水平，著力降低美元利率波動對中國金融市場的影響，降低境外風險的溢出效應，引導投資者根據市場需要理性投資。