李運蒙

（五邑大學經(jīng)濟管理學院，廣東江門529020）

房產(chǎn)市場風險與銀行信貸風險傳導的時滯分析

李運蒙

（五邑大學經(jīng)濟管理學院，廣東江門529020）

運用向量自回歸模型，利用脈沖響應函數(shù)和方差分解方法對2007年1月至2010年6月居民中長期消費貸款和房屋銷售價格指數(shù)月度統(tǒng)計數(shù)據(jù)之間的波動傳導關系和時滯特點進行了研究。研究結果顯示：居民中長期消費貸款和房屋銷售價格指數(shù)之間存在協(xié)整關系；長期來看房屋銷售價格指數(shù)與居民中長期消費貸款互為Granger因果原因；房屋銷售價格指數(shù)的波動和居民中長期消費貸款的波動之間具有明顯的雙向傳導效應。最后提出了一些相關的政策建議。

風險傳導；房屋銷售價格指數(shù)；居民中長期消費貸款；向量自回歸

0 引言

房地產(chǎn)市場是近年來大家比較關注的風險投資領域，而房地產(chǎn)市場的開發(fā)融資和消費信貸等許多方面都需要通過銀行來實現(xiàn)。據(jù)測算，我國目前房地產(chǎn)開發(fā)項目所需資金的70%來自于銀行，個別項目高達90%[1]，可見房地產(chǎn)行業(yè)與銀行業(yè)有著密切的聯(lián)系，有關房地產(chǎn)市場的風險及其對銀行的影響等問題值得重視和深入研究。

國內(nèi)有一些學者對此類相關問題作了一些研究，研究內(nèi)容既包括房地產(chǎn)行業(yè)與銀行業(yè)的關聯(lián)性問題，也包括房貸風險分析問題。張吉光通過對當時的統(tǒng)計數(shù)據(jù)分析，認為個人房貸的不良率尚不足百分之一，與其他貸款不良率兩位數(shù)相比，顯得微不足道；如果銀行過分夸大房貸的風險，只能白白錯過發(fā)展的最好時機[2]。劉海嘯，王麗欣從房貸業(yè)務的參與主體及宏觀環(huán)境等角度出發(fā)，歸納總結了眾多學者關于銀行房貸風險成因的研究成果，認為房貸風險伴隨著房貸業(yè)務發(fā)生的全過程，銀行必須時時刻刻增強房貸風險的防范意識，密切關注宏觀經(jīng)濟及房地產(chǎn)行業(yè)走勢，從貸前到貸后，全流程進行貸款風險控制，并定期對房貸質(zhì)量進行監(jiān)測分析[3]。國外也有學者對房地產(chǎn)行業(yè)與銀行業(yè)關系問題進行了研究，Gerlach and peng利用香港1982年1季度至2001年4季度的季度數(shù)據(jù)，實證分析了銀行貸款與房地產(chǎn)價格之間的長期均衡和短期波動關系，認為房地產(chǎn)價格的波動影響銀行的信貸擴張，而銀行的貸款卻不影響房地產(chǎn)價格[4]。

可見，眾多學者在對房地產(chǎn)與銀行信貸關系及風險分析方面，在不同的時期，提出了各自不同的觀點，表明此類問題的研究尚需深入進行，尤其是我國近幾年來房價持續(xù)上升，在國務院2010年4月17日發(fā)出了《關于堅決遏制部分城市房價過快上漲的通知》的形勢下，這一問題的研究更加具有現(xiàn)實意義。本文嘗試從銀行貸款波動與房價的波動關聯(lián)性分析出發(fā)，探討房產(chǎn)市場風險與銀行信貸波動傳導的時滯關系，由此分析二者的風險傳導關系。

1 理論與模型介紹

1.1 VAR模型

VAR模型是非結構化的多方程模型，它的核心思想是不考慮經(jīng)濟理論而直接考慮經(jīng)濟變量時間序列之間的關系，不包含外生變量的VAR模型的一般形式為：

其中，Yt是n維序列:βt是參數(shù)矩陣;Yt-i是Yt的i階滯后變量；εt是誤差項。

模型（1）中的內(nèi)生變量有m階滯后期，因此被稱為VAR (m)模型。在實際應用中通常希望滯后期m足夠大，從而能夠完整地反映模型的動態(tài)特征，但是滯后期越長，模型中待估計的參數(shù)就越多，自由度就越少，因此需要在滯后期和自由度之間尋求一種均衡狀態(tài)。一般根據(jù)AIC和SC較小值的準側來確定模型階數(shù)：其中，l是對數(shù)似然值；n是樣本總量；k=m(rd+pm)是估計參數(shù)的個數(shù)。

1.2 協(xié)整檢驗

傳統(tǒng)的VAR理論要求模型中每一個變量都是平穩(wěn)的，對于非平穩(wěn)時間序列需要經(jīng)過差分，得到平穩(wěn)序列再建立VAR模型，但這樣通常會損失水平序列所包含的信息。而隨著協(xié)整理論的發(fā)展，對于非平穩(wěn)時間序列，只要各變量之間存在協(xié)整關系也可以直接建立VAR模型[5]。所謂xt和yt是協(xié)整的，要滿足下列條件：(1)xt和yt都是I(1)的，即它們是非平穩(wěn)的，而其一階差分是平穩(wěn)的；(2)存在某個線性組合αxt+βyt是I(0)的，且具有零均值，則xt和yt具有協(xié)整關系，(α,β)為協(xié)整向量。關于協(xié)整關系檢驗與估計的方法主要有Engle-Granger兩步法和Johansen極大似然法，本文采用Johansen極大似然法。

1.3 模型穩(wěn)定性檢驗與變量關系的Granger檢驗

利用VAR模型得到估計方程之后需對模型的穩(wěn)定性進行檢驗以保證模型的可靠性，本文采取AR根圖表檢驗法（AR Roots Table/Graph），如果被估計的VAR模型中所有根模的倒數(shù)小于1，即在單位圓內(nèi)，則其是穩(wěn)定的；反之，如果有一個根模的倒數(shù)在單位圓之外，則模型不穩(wěn)定。

由于經(jīng)濟變量的時間序列經(jīng)常出現(xiàn)偽回歸相關問題，即經(jīng)濟意義表明幾乎沒有聯(lián)系的序列卻可能計算出較大的相關系數(shù)，因此通常采用Granger因果檢驗考察變量之間的因果關系。

Granger因果檢驗的基本思路是:如果X變量有助于預測Y變量，即在Y的過去值回歸中，添加的過去值作為獨立變量，可以顯著增加回歸的解釋能力，則X是Y的Granger原因。檢驗方法如下：

式中：p為最大滯后階數(shù)。檢驗的原假設是序列X不是序列Y的Granger成因，即βi=0。如果不能拒絕假設，則序列X不是序列Y的Granger原因；如果拒絕假設，則序列X是序列Y的Granger原因。

1.4 脈沖影響函數(shù)與方差分解

脈沖響應函數(shù)（IPF）用于衡量來自隨機擾動項的一個標準差沖擊對內(nèi)生變量當前和未來取值的影響，能夠比較直觀地刻畫出變量之間的動態(tài)交互作用及其效應。方差分解是通過分析每一個結構沖擊對內(nèi)生變量變化（通常用方差來度量）的貢獻度，進一步評價不同結構沖擊的重要性，因此，方差分解給出對模型中的變量產(chǎn)生影響的每個隨機擾動的相對重要性的信息，它從另一個角度描述了系統(tǒng)的動態(tài)特征。脈沖響應函數(shù)是追蹤系統(tǒng)對一個變量沖擊的效果，方差分解則是將系統(tǒng)的均方誤差分解成各個變量沖擊所做的貢獻。

2 實證分析

2.1 數(shù)據(jù)選取與處理

由于我國商業(yè)銀行的房地產(chǎn)貸款一直在中長期貸款中占有比較大的比重[6]，因此本文采用居民中長期消費貸款和房屋銷售價格指數(shù)進行貸款和房價的關系的分析和研究，而后續(xù)的分析結果確實顯示二者具有較強的關聯(lián)性。居民中長期消費貸款來源于中國人民銀行數(shù)據(jù)庫的月度數(shù)據(jù)，房屋銷售價格指數(shù)數(shù)據(jù)來源于清華金融研究中心數(shù)據(jù)庫月度數(shù)據(jù)，數(shù)據(jù)提取時間段均為：2007年1月-2010年6月。其中房屋銷售價格指數(shù)原始數(shù)據(jù)為按月環(huán)比指標(即上月為100)，記為，為使兩個指標有可比性，將居民中長期消費貸款2007年1月指標設為100，后續(xù)各期折算為上月為100的環(huán)比指標，記為fj。同時為了使模型的設定更合理并減少或消除潛在的異方差問題，本文對所有序列取自然對數(shù)處理。又由于的波動性比較大，故對做指數(shù)平滑濾波處理，結果記為lndks，平滑處理運算為：

運用Eviews5.0繪制濾波后的居民中長期消費貸款與房屋銷售價格曲線圖如圖1所示，由圖1可以直觀上看出兩個變量之間有一定的關聯(lián)性。

2.2 VAR模型建立

在建立var模型之前首先對lnfj和lndks的協(xié)整關系進行檢驗，關于lnfj和lndks的單位根ADF檢驗和Johansen協(xié)整檢驗結果如表1和表2。根據(jù)Johansen協(xié)整檢驗結果，居民中長期消費貸款與房屋銷售價格指數(shù)之間存在一個協(xié)整關系。

表1 ADF檢驗數(shù)據(jù)結果

表2 Johansen協(xié)整關系檢驗

2.2.1 VAR模型的建立與檢驗

運用Eviews5.0根據(jù)赤池信息準則（AIC）和舒瓦茨信息準側（SC）確定了VAR模型的滯后階數(shù)為2，估計模型如下所示：

對模型的平穩(wěn)性進行特征根檢驗，結果如圖2。

由圖2可見所有4個特征根都落在單位圓內(nèi)，說明模型通過穩(wěn)定性檢驗。

2.2.2 Granger檢驗

對居民中長期消費貸款和房地產(chǎn)銷售價格指數(shù)做Granger因果檢驗，選最佳滯后期為4。結果如表3。

表3 lndks與lnfj的Granger因果關系檢驗結果

由表3可知，房地產(chǎn)價格與居民中長期消費貸款分別在90%和95%的置信水平下通過檢驗，故兩者具有雙向因果關系原因。

2.3 脈沖效應

運用Eviews5.0得出居民中長期消費貸款和房屋銷售價格指數(shù)的動態(tài)變化趨勢如圖3、圖4所示。

通過圖3我們可以看到：房屋銷售價格的一個標準差新息對居民中長期消費貸款的影響期初很不明顯，隨后逐漸增加并在第3期時達到正向峰值，這種正效應將一直持續(xù)到第5期，隨后進入負效應并且一直持續(xù)到第16期，最后進入平穩(wěn)階段，可見房價對居民中長期消費貸款的影響最長可持續(xù)17個月左右。

通過圖4我們可以看到：居民中長期消費貸款的一個標準差新息使得房價當期即作出反應，這種正效應在第5期達到峰值，且一直持續(xù)到第12期，之后出現(xiàn)較小的負效應影響?？梢娋用裰虚L期消費貸款對房價的影響最長可持續(xù)20個月左右。

2.4 方差分解結果

運用Eviews5.0進行方差分解的結果如圖5、圖6所示。

由圖5可知：的新息沖擊在第一期對自身的波動貢獻度為100%，隨著滯后期的增加，方差分解結果逐漸穩(wěn)定，總方差來自于的部分呈上升趨勢，最終趨于約22.93%?？偡讲顏碜缘牟糠殖氏陆第厔?，最終趨于約77.07%。

由圖6可知：的新息沖擊在第一期對自身的波動貢獻度為90.85%，隨著滯后期的增加，方差分解結果逐漸穩(wěn)定，總方差來自于的部分呈上升趨勢，最終趨于約40.63%。總方差來自于的部分呈下降趨勢，最終趨于約59.37%。

3 結論與建議

通過向量自回歸模型以及脈沖效應和方差分解法，本文實證考察了2007年1月至2010年6月期間我國居民中長期消費貸款和房屋銷售價格指數(shù)之間波動的傳導關系和時滯特點。得到如下結論：

（1）由脈沖響應效果圖3可知房價對居民中長期消費貸款的沖擊效果期初并不明顯，當房價上升時，大部分購房者還處于觀望態(tài)勢，隨后才逐漸的進入市場，以買房升值為目的的購房者，炒房者，購房愿望迫切者，硬性購房者，此時逐漸地進入市場，從而使得貸款處于增長趨勢，這將一直持續(xù)到第3期。隨后由于前期市場對購房需求的消化和較高的房價，那些購房意愿不強烈者將逐漸減少對房屋的需求，貸款的增速將逐漸下降，第6期沖擊效果的正向影響將減為0，高房價將導致需求的進一步縮水，貸款額增幅開始下降。這種影響最長可持續(xù)到第17期。

（2）由脈沖響應效果圖4可知居民中長期消費貸款對房價的沖擊效果期初即非常明顯，當居民中長期消費貸款上升時說明貸款買房已成為既定事實，此時市場需求已經(jīng)上升，房價隨需求的上升立刻做出上升反應，這種上升的影響一直持續(xù)到第5期，而后由于高房價和前期市場對需求的消化，房價增幅的上升趨勢逐漸減緩并且在第12期后房價增幅開始下滑，居民中長期消費貸款上升對房價的這種影響最長可持續(xù)到第20期。

由此可見銀行信貸的波動在當期就引起房地產(chǎn)價格的波動，并在第5期時達到最高點，然后影響逐漸下降，反映出銀行信貸波動對房價的波動影響較大，為了抑制房價的過快上漲可以采取相應措施控制信貸規(guī)模。

（3）通過方差分解分析，可以看到房價對長期貸款的影響初期并不明顯但會逐漸增加，最終將趨于22.93%，這說明房價上升最終將導致房貸的上升，且影響比較大，這與現(xiàn)實情況相符；同時，長期貸款對房價的影響初期較明顯，為9.16%，隨后會逐漸上升，最后穩(wěn)定到40.63%，可見，長期貸款是房價變動的重要影響要因素。

（4）居民中長期消費貸款包括住房貸款和非住房貸款（如購車貸款等），由二者較強的關聯(lián)性結果可知居民中長期消費貸款與房價有明顯的數(shù)量關系，居民中長期消費貸款的絕大部分投向了房地產(chǎn)市場。

通過以上分析可以得出這樣的建議：房價與房貸存在較明顯的關聯(lián)性，在銀行方面為了防范貸款風險，要密切關注房價的變化。在房地產(chǎn)市場過熱和房地產(chǎn)泡沫明顯的形勢下，政府需一方面要求銀行適時注意防范信貸風險，采取適當措施控制信貸規(guī)模；另一方面及時推出增加稅收和限制購買第二，三套住房等相應的政策，抑制房價過快上漲，促進房產(chǎn)市場和銀行業(yè)共同健康穩(wěn)定發(fā)展。

[1]周永發(fā)，陳鋒，李曉峰.房產(chǎn)新政下商業(yè)銀行需防范房貸業(yè)務風險[J].上海金融,2010,(8).

[2]張吉光.當前銀行個人房貸風險分析[J].上海金融，2004,(9).

[3]劉海嘯，王麗欣.社會科學家.我國銀行房貸風險分析[J].社會科學家,2009,(8).

[4]StefanGerlach，WenshengPeng.BankLendingandProperty Prices in Hong Kong[J].Journal of Banking&Finance,2005,(20).

[5]高鐵梅,王金明,梁云芳,劉玉紅.計量經(jīng)濟分析方法與建模-EViews應用及實例(第二版)[M].北京:清華大學，2009.

[6]韓振國,何敏蓉.房貸風險測試及商業(yè)銀行防范策略[J].浙江金融, 2009,(12).

（責任編輯/浩天）

F293.35

A

1002-6487（2011）05-0114-03

廣東省自然科學基金資助項目(8152902001000010；9452902001004060)

李運蒙（1964-），男，山東鄆城人，碩士，副教授，研究方向：金融市場數(shù)據(jù)建模。