房價﹑信貸與商業銀行系統性風險的文獻綜述

董 莉，薛 晴

(1.長安大學 經濟與管理學院，陜西 西安 710061；2.陜西師范大學 國際商學院，陜西 西安 710119)

1 引言

我國商業銀行當前面臨著嚴峻的系統性風險，由于房地產投機性行為和過度開發使得部分地區的房地產價格一路高歌猛進。房價的不良波動，直接導致銀行信貸質量和數量發生變化，由此而引起的信貸風險和信用風險通過風險傳染機制使商業銀行資產負債數據發生變化，進而使商業銀行面臨較大的系統性風險。房地產行業的興衰將影響到商業銀行的風險承擔，房價一直是備受各方關注的焦點問題，國內外學者也致力于研究房價與商業銀行系統性風險的關系及影響機制。文章著重就房價的影響因素，房價、信貸、商業銀行系統性風險三者之間的關系做以梳理。

2 房價波動的影響因素研究現狀

2.1 從供需模型出發

1998年實行住房市場化改革以后，住房交易市場由此誕生，國內外學者對中國房地產行業的研究也由此開始。根據價格決定理論，房地產市場供給與需求決定了房價，眾多研究結果表明我國房地產價格在近20年內呈現單邊上揚趨勢，已經形成嚴重的價格泡沫。Edward Glaeser等(2017)非常詳細地以經濟﹑人口﹑文化﹑投機因素為變量研究房地產市場需求；以房價﹑建造成本為變量研究房地產市場供給，模擬了20年房價變動情況，表明中國房價上升迅速且波動劇烈，已然形成泡沫化，但是住房需求旺盛，除非供給銳減，或是政府采取強制措施，否則泡沫暫時不會破裂。Tommaso等(2018)建立狀態空間模型計算出理論房價，與當期市場房價做差值作為衡量房地產泡沫程度的指標，并計算該指標隨時間變動和各種政策對它的影響，也得出了中國房地產泡沫程度很嚴重的結論。國內對于房價的研究一直熱度不減，于雪(2019)建立時變參數狀態空間模型，基于房地產供給和需求，對比分析日本東京和中國上海房地產均衡價格和泡沫情況，得出價格泡沫具有階段性的結論，并利用脈沖響應函數，分別研究了金融政策、房地產開發投資和土地供給、可持續性和收入增長對于價格泡沫拐點的短期、中期、長期影響。周亮錦等(2019)構建了基于供求關系的面板回歸模型，選用價格預期、人口、收入、信貸等指標，從國家層面和地域角度探究房價波動的原因。

2.2 信貸對房價的影響

房地產行業的資金大部分依賴于銀行信貸，信貸是造成房價波動的主要因素。李成等(2020)建立“人口數量—貨幣政策—房地產價格”理論模型，并建立多元線性回歸計量實證模型，結果表明信貸擴張會使房地產供需缺口增大，進而促進了房價上漲，但是由于城市化進程的推進，信貸對房價的促進作用會逐步抵消。潘海峰(2020)研究了信貸、不同類型貨幣政策工具和房價的關系，認為信貸的增加一定會促進房價的上漲，但是在房價波動較高的時期，利率工具發揮了較好的調控作用，而信貸等數量型工具在房價波動較平穩時才會發揮較好的作用。馬勇、吳雪妍(2018)認為銀行信貸對房價的影響具有非線性特點，當信貸規模較低時，信貸對房價的影響很有限。而只有信貸規模超過一定閾值時，才會對房價產生顯著的促進作用。

2.3 其他因素對房價的影響

除了銀行信貸的影響之外，國內外學者對貨幣供應量﹑利率等宏微觀變量對房價的影響研究也比較豐富。張品一、王超(2020)建立VAR模型，表明房地產價格滯后期、限購政策、貨幣供應量對房價的影響依次減弱。Goodhart和Hofmann(2008)通過對工業化國家30年數據的分析，指出信貸擴張可推動房價上漲，房價上漲繼續推動經濟增長，經濟增長又會推動信貸擴張，一直循環反復，三者之間存在相互影響機制。John和Robert(2012)建立了代理人基模型(Agent-Based-Model)，控制杠桿率和利率，模擬房價波動狀況，以此反映房地產市場的繁榮與衰退，結果表明杠桿率才是影響房地產市場價格波動的根本因素。郭娜(2019)構建了納入房地產部門的DSGE模型，結果表明隨著技術進步，房價會持續上升；緊縮的貨幣政策沖擊能夠有效降低房價。李凱等(2021)通過建立TVP-SV-VAR模型，研究發現社會融資規模對房價的影響更顯著且更強。

3 房價波動、信貸與商業銀行系統性風險關系的研究

3.1 房價對銀行信貸的影響

房價的高低影響到房企的資金收入，影響房企的還債能力，進而影響到商業銀行放貸意愿，銀行信貸又可以劃分為對居民的住房按揭貸款和向房企的房地產貸款，兩者聯系密切。Gimeno和Carrascal (2010)認為房價決定抵押品價值，會影響家庭財富總額，進而引起住房信貸規模與質量的變動。Hott(2011)通過引入三種非理性預期方法建立理論模型，研究住房按揭貸款、房地產價格、房屋供給之間的關系。結果表明銀行既是危機的受害者，因其向房地產市場提供資金，也是房地產價格泡沫化的推動者。銀行利潤與房地產市場存在正反饋效應，房價下跌時，銀行面臨較大損失和承擔較高風險，信貸規模會受到顯著影響。房價上漲時，銀行信貸規模也會隨之擴張。國內學者關于房價對信貸的影響研究起步稍晚，但也取得了豐碩的成果，冀志斌等(2020)檢驗房價變動與企業融資約束之間的關系，房價上升有利于緩解借方的融資約束，緩解程度因企業類型不同而表現出顯著差異。企業融資約束的緩解，意味著企業負債來源增加或是負債成本減少，企業貸款的籌集多來源于商業銀行，企業融資約束的緩解側面意味著銀行信貸的擴張。作為高負債的房地產企業，需要大量籌資用于土地購買和房產開發，而房地產企業融資的主要來源便是銀行貸款。房價上漲會促進信貸規模擴張，相反，房價下跌會造成銀行信貸規模的收縮(張澄、沈悅，2018)。陳璽任(2021)研究表明，房價波動通過影響居民對房貸的需求進而影響銀行對房企的貸款規模，也會顯著影響房地產貸款的質量。

3.2 信貸對商行系統性風險的影響

信貸是商業銀行主要資產業務，商業銀行信貸規模與質量發生變化，會通過資產負債數據影響商行系統性風險。王重潤、胡雨婷(2021)將房地產企業負債規模與銀行系統性風險相聯系，發現兩者呈現顯著的正向關系。房企的負債大多來源于銀行信貸，即銀行信貸擴張會增加商業銀行系統性風險，且短期信貸的促進作用更大。閆世軍、李叢文(2015)根據房地產開發商數據與銀行業板塊指數，基于GARCH-時變Copula-CoVaR模型，研究房地產行業與銀行業的動態風險溢出度，發現兩者之間的影響程度與置信水平顯著相關。王輝、李碩(2015)將與房地產行業相關的信貸市場和銀行市場作為整體模擬風險傳染過程，研究結果表明兩個市場系統整體比單獨的分市場風險更大，且個人住房按揭貸款規模對銀行系統性風險的影響更強烈。宋凌峰等(2018)從資產和負債兩個方面，使用2002—2016年數據，動態演繹了我國房價波動、房地產市場信貸、銀行系統性風險的演變過程，表明銀行系統性風險主要通過房地產市場信貸進行傳導，且該傳導并非線性，而是呈現出顯著的結構性突變特點。

3.3 房價對商行系統性風險的影響

我國學者主要建立網絡模型、進行壓力測試，以此來研究房價對商業銀行系統性風險的影響。方意(2017)將去杠桿—降價拋售—破產機制引入傳統網絡模型中，對房地產貸款違約進行壓力測試，以此算出傳染損失比重指標。指出房價下跌，導致信貸大量違約經過銀行網絡關聯性導致的傳染風險是銀行系統性風險產生的根源。方意等(2018)立足于我國整個金融體系，基于CoVaR模型，引入狀態變量，建立分位數回歸模型，研究房地產市場，股票、債券等金融市場對銀行系統性風險的動態溢出效應，結果表明銀行系統性風險很大一部分來源于房地產市場，而房價在其中發揮了很重要的作用。李世澤等(2019)依據復雜網絡模型構造了我國銀行體系內部借貸網絡，并引入銀行的房地產貸款損失和房地產市場價格等因素，建立銀行系統性風險傳染模型，發現銀行系統性風險的增強是由房價的不良變動引起的。賈慶英、高蕊(2020)構建門檻——VAR模型研究房價對金融系統性風險的影響。結果表明隨著杠桿的增強，房價對金融系統性風險的影響逐步增強，但這種影響呈現非線性特點。彭俊華、許桂華(2020)采用獨立性權系數法編制出系統性金融風險綜合指數，建立VAR模型，結果表明房價的異常波動會影響到整體經濟的資產配置，房地產市場會出現過度配置狀態，最終會導致系統性金融風險的爆發。張煒(2018)創造性地使用系統動力學理論研究房地產業與銀行的關系，將Copula函數引入系統性或有權益分析法模型，確定商業銀行系統性風險評價指標體系，再利用房地產價格和系統性風險指標建立結構向量自回歸模型，得出無論長短期，房價波動對商業銀行系統性風險都存在顯著影響。雖然商業銀行系統性風險的概念尚未統一，但是研究結論一致表明房價不良變動會顯著增強銀行系統性風險，且信貸是房價影響商業銀行系統性風險的一條重要渠道。

4 結語

通過整理與學習國內外學者的研究成果，可以發現，供給和需求確定了房地產的基本價格，社會、經濟、政策等外部因素影響著房價波動。銀行信貸作為房地產市場的主要資金來源，對房價發揮著重要的作用。20年來，房地產行業經歷了繁榮和衰退。整體上看，房價一路攀升，致使房地產市場面臨較大的風險敞口，但是對于房地產價格泡沫是否破裂仍未達成一致意見，筆者認為房價泡沫暫時不會破裂，仍將繼續保持在一個較高的水平，與Edward Glaeser(2017)的觀點保持一致。

國內外學者關于房價對商業銀行系統性風險的直接影響主要基于風險傳染效應，以此建立網絡模型研究兩者的傳導機制，研究結論均表明房價的不良波動會提高商業銀行系統性風險。銀行信貸作為外生變量可以影響到我國房價的變動，信貸擴張會促進房價上漲。房價波動又會影響到房地產開發企業的資金來源，信貸作為我國企業傳統的融資渠道，房價波動勢必會影響到信貸的擴縮，即房價與信貸兩者存在相互影響機制。銀行信貸是我國商業銀行主要傳統資產業務，也是銀行的利潤來源，信貸的規模和質量也影響到商業銀行系統性風險水平，即房價可以通過銀行信貸間接影響到商業銀行系統性風險。

隨著互聯網金融的發展，各行各業之間的聯系愈來愈密切，一方受損，將會產生“蝴蝶效應”，最終對整個國民經濟帶來不良影響。商業銀行是國民經濟的資金中介，也是許多實體企業的資金來源，一旦商業銀行爆發系統性風險，通過風險傳染機制和溢出效應，會對業務聯系頻繁的其他機構造成影響，這對整個經濟的不良影響不容小覷，要嚴防商業銀行系統性風險的爆發，切實提高商業銀行抵御風險的能力。因此，關于商業銀行系統性風險傳導機制的研究和系統性風險預警體系的建立顯得格外重要，外界沖擊對商業銀行系統性風險影響的研究也將是未來該領域的研究重點。