江紅莉，何建敏

（1.江蘇大學(xué) 財經(jīng)學(xué)院，江蘇 鎮(zhèn)江 212013；2.東南大學(xué) 經(jīng)管學(xué)院，江蘇 南京 211189）

房地產(chǎn)業(yè)與銀行業(yè)風(fēng)險溢出效應(yīng)研究

江紅莉1，何建敏2

（1.江蘇大學(xué) 財經(jīng)學(xué)院，江蘇 鎮(zhèn)江 212013；2.東南大學(xué) 經(jīng)管學(xué)院，江蘇 南京 211189）

房地產(chǎn)業(yè)和銀行業(yè)均是資金密集型行業(yè)，風(fēng)險管理是其健康發(fā)展的基石。在分析房地產(chǎn)業(yè)與銀行業(yè)風(fēng)險溢出機(jī)制基礎(chǔ)上，采用GARCH-EVT模型、VaR-Granger因果關(guān)系檢驗?zāi)Ｐ脱芯课覈康禺a(chǎn)業(yè)與銀行業(yè)間風(fēng)險溢出效應(yīng)，并基于條件風(fēng)險價值CoVaR方法測度風(fēng)險溢出強(qiáng)度。研究發(fā)現(xiàn)：a=5%顯著水平下，房地產(chǎn)業(yè)與銀行業(yè)之間存在雙向的風(fēng)險溢出效應(yīng)；房地產(chǎn)業(yè)對銀行業(yè)的風(fēng)險溢出強(qiáng)度略強(qiáng)于銀行業(yè)對房地產(chǎn)業(yè)的風(fēng)險溢出強(qiáng)度，前者為36.73%，后者為33.96%。關(guān)鍵詞：房地產(chǎn)業(yè)；銀行業(yè)；極端風(fēng)險溢出；風(fēng)險-Granger因果關(guān)系；CoVaR

一、文獻(xiàn)回顧

房地產(chǎn)業(yè)是國民經(jīng)濟(jì)體系的重要組成部分，現(xiàn)階段和未來一段時間，房地產(chǎn)業(yè)依然是我國的支柱產(chǎn)業(yè)（成思危，2014）[1]；銀行業(yè)是現(xiàn)代金融業(yè)的主體，是國民經(jīng)濟(jì)運轉(zhuǎn)的樞紐。作為我國國民經(jīng)濟(jì)發(fā)展極其重要的兩個行業(yè)，房地產(chǎn)業(yè)和銀行業(yè)之間有著天然的密切聯(lián)系：兩者均是資金密集型行業(yè)；房地產(chǎn)市場的生產(chǎn)和消費都需要銀行業(yè)的資金支持。房地產(chǎn)業(yè)風(fēng)險不僅會影響到其本身的可持續(xù)發(fā)展，而且可能會向銀行業(yè)傳遞，致使宏觀金融風(fēng)險擴(kuò)大，對國家的經(jīng)濟(jì)安全與金融穩(wěn)定形成威脅。2007年的美國次貸危機(jī)表明，房地產(chǎn)業(yè)的風(fēng)險可能轉(zhuǎn)化為銀行業(yè)的系統(tǒng)性風(fēng)險，給金融和經(jīng)濟(jì)體系帶來沖擊。

隨著房地產(chǎn)業(yè)的快速發(fā)展，房地產(chǎn)業(yè)和銀行業(yè)間的風(fēng)險關(guān)聯(lián)性受到政界和業(yè)界的高度重視，學(xué)術(shù)界也進(jìn)行了研究。Bla sko和Sinkey（2006）[2]研究銀行資產(chǎn)結(jié)構(gòu)、房地產(chǎn)貸款及風(fēng)險承擔(dān)之間的關(guān)系，發(fā)現(xiàn)保持較高固定利率貸款比率的房地產(chǎn)銀行面臨著更高的破產(chǎn)風(fēng)險。Von等（2009）[3]認(rèn)為美國次貸危機(jī)肇始于銀行資本的惡化，得出資本價格下降與銀行損失的相互作用導(dǎo)致經(jīng)濟(jì)動蕩的結(jié)論。Koetter和Poghosyan（2010）[4]研究德國的房地產(chǎn)市場和銀行穩(wěn)定性，發(fā)現(xiàn)房價偏離基本價值而不是名義房價將導(dǎo)致銀行不穩(wěn)定。劉明興等（2000）[5]認(rèn)為銀行將大量資金投入房地產(chǎn)市場進(jìn)行投機(jī)炒作，促使房地產(chǎn)泡沫的出現(xiàn)，從而使得銀行部門高度脆弱，由于房地產(chǎn)泡沫破滅，可能引發(fā)銀行大量壞賬的產(chǎn)生甚至引發(fā)金融危機(jī)。項衛(wèi)星等（2007）[6]通過對20世紀(jì)80年代以來先后在美國、日本以及東亞各國和地區(qū)發(fā)生的房地產(chǎn)泡沫危機(jī)的考察，指出銀行信貸在房地產(chǎn)業(yè)的過度擴(kuò)張不僅是造成房地產(chǎn)泡沫的重要原因，而且在泡沫崩潰和經(jīng)濟(jì)、金融危機(jī)中也起了同樣重要作用。文鳳華等（2012）[7]建立VAR模型對房地產(chǎn)價格波動與金融脆弱性進(jìn)行實證分析，結(jié)果表明金融脆弱性與房地產(chǎn)價格波動存在著雙向的因果關(guān)系。江紅莉等（2013）[8]基于時變Copula模型研究了房地產(chǎn)業(yè)和銀行業(yè)的動態(tài)尾部相關(guān)性，發(fā)現(xiàn)當(dāng)市場低迷時，房地產(chǎn)業(yè)和銀行業(yè)易產(chǎn)生共生風(fēng)險。盡管現(xiàn)有文獻(xiàn)對房地產(chǎn)業(yè)與銀行業(yè)風(fēng)險間的關(guān)聯(lián)性進(jìn)行了深入研究，但存在關(guān)聯(lián)性并不意味著存在溢出效應(yīng)。如果兩者之間存在風(fēng)險溢出效應(yīng)，那么房地產(chǎn)業(yè)（或銀行業(yè)）發(fā)現(xiàn)風(fēng)險的信息就有助于預(yù)測未來銀行業(yè)（或房地產(chǎn)業(yè)）發(fā)生類似的風(fēng)險。但目前鮮有文獻(xiàn)研究房地產(chǎn)業(yè)和銀行業(yè)之間的風(fēng)險溢出效應(yīng)。本文將采用GARCH、EVT對房地產(chǎn)業(yè)和銀行業(yè)收益率建模，得到兩個行業(yè)的日VaR（在險價值）值，然后采用VaR-Granger方法檢驗兩個行業(yè)間的風(fēng)險溢出效應(yīng)，最后基于CoVaR（條件在險價值）測度兩個行業(yè)間的風(fēng)險溢出強(qiáng)度。

二、房地產(chǎn)業(yè)與銀行業(yè)風(fēng)險溢出機(jī)制

房地產(chǎn)業(yè)是典型的資金密集型行業(yè)，相對于一般工商企業(yè)，房地產(chǎn)企業(yè)對資金更為饑渴，資金運用數(shù)額更大、周轉(zhuǎn)周期更長。由于我國資本市場尚不完善，房地產(chǎn)開發(fā)商從股市、債市和房地產(chǎn)信托業(yè)融資所占的比重很小，主要通過銀行信貸融資。如果將通過其他渠道被使用做房地產(chǎn)開發(fā)資金的銀行資金（主要是定金及預(yù)收款、個人抵押貸款）計算在內(nèi)，房地產(chǎn)開發(fā)投資中直接和間接使用的銀行資金占比就將平均高達(dá)66.81%，是房地產(chǎn)開發(fā)企業(yè)自籌資金的兩倍多（秦嶺等，2012）[9]。房地產(chǎn)開發(fā)商通過抵押土地、房地產(chǎn)產(chǎn)品等資產(chǎn)從銀行融資，這些資金將一部分流向土地市場，用于支付購買土地款項，另一部分將流向建筑商，支付其建筑、安裝費用。由于自有資金有限，建筑商也需要通過抵押等手段從銀行融資，購買建筑材料、償付建筑工人的薪酬等，從而順利完成房屋建筑，提供房地產(chǎn)產(chǎn)品。對于投資者（包括投機(jī)者）而言，當(dāng)其購房資金不充足時，在滿足一定條件下，可以通過抵押向銀行申請按揭貸款，從而購買房地產(chǎn)產(chǎn)品。當(dāng)然，資金的使用是有成本的，銀行提供融資，房地產(chǎn)開發(fā)商、建筑商、投資者等需要向銀行支付本金利息。

如果房地產(chǎn)價格穩(wěn)中有升，房地產(chǎn)產(chǎn)品作為投資品可以升值，房地產(chǎn)開發(fā)商、建筑商通過開發(fā)、供給房地產(chǎn)產(chǎn)品獲得收益，投資者也可以通過（按揭）購買房地產(chǎn)產(chǎn)品獲得收益，從而可以正常支付銀行本金利息。此種情況下，即便房地產(chǎn)開發(fā)商、建筑商和消費者違約，銀行也可以通過出售抵押資產(chǎn)減少損失。此時，銀行的資產(chǎn)是安全的，從銀行業(yè)流向房地產(chǎn)業(yè)的資金處于良性循環(huán)狀態(tài)。

如果房地產(chǎn)價格進(jìn)入下跌階段，資金實力較弱的房地產(chǎn)企業(yè)可能因為較高的財務(wù)杠桿比率使得企業(yè)出現(xiàn)資金周轉(zhuǎn)困難，從而使資產(chǎn)價值總量和凈值減少，導(dǎo)致房地產(chǎn)企業(yè)與貸款銀行貸款協(xié)議的違約概率上升，貸款銀行的信貸風(fēng)險上升，貸款銀行預(yù)期利潤下降，銀行資本充足率下降。當(dāng)房地產(chǎn)抵押價值進(jìn)一步下降時，房地產(chǎn)投資者難以按期償還已有貸款，一旦貸款銀行的資本充足率下降到某種臨界水平，貸款銀行的支付能力已不能完全解決其所面對的流動性風(fēng)險，從而出現(xiàn)房地產(chǎn)企業(yè)流動性風(fēng)險以及破產(chǎn)導(dǎo)致的風(fēng)險向局部銀行溢出。另一方面，在市場信息不對稱作用下，局部銀行機(jī)構(gòu)的流動性困難可能會導(dǎo)致市場恐慌心理及盲從行為，進(jìn)而可能引起擠兌，導(dǎo)致銀行危機(jī)的發(fā)生。房地產(chǎn)價格波動包含有未來經(jīng)濟(jì)運行情況的信息。當(dāng)房地產(chǎn)價格大幅下降時，預(yù)示著未來經(jīng)濟(jì)出現(xiàn)緊縮的系統(tǒng)性風(fēng)險加大。如果市場中所有投資者都據(jù)此判斷，相信未來經(jīng)濟(jì)將會陷入緊縮狀態(tài)，則會導(dǎo)致房地產(chǎn)價格的進(jìn)一步下降，從而陷入一種預(yù)期自我實現(xiàn)的循環(huán)當(dāng)中，由此可能導(dǎo)致銀行危機(jī)的出現(xiàn)。房地產(chǎn)業(yè)風(fēng)險將傳導(dǎo)至銀行業(yè)。

如果銀行業(yè)存在風(fēng)險，比如銀行擠兌，銀行資金充足率低于某種臨界水平，銀行資金緊張，房地產(chǎn)企業(yè)從銀行融資將變得更困難，房地產(chǎn)企業(yè)資金周轉(zhuǎn)困難，房地產(chǎn)業(yè)資金鏈可能會斷裂，銀行業(yè)的風(fēng)險將傳導(dǎo)至房地產(chǎn)業(yè)。

三、房地產(chǎn)業(yè)與銀行業(yè)極端風(fēng)險溢出效應(yīng)檢驗及測度模型

（一）風(fēng)險-Granger因果關(guān)系

VaR是指在一定的置信度下，某一金融資產(chǎn)或資產(chǎn)組合在未來特定一段時間內(nèi)的最大可能損失。用Vt=V(It-1,α)表示，VaR是某一時間序列過程Yt（如投資收益率）條件概率密度函數(shù)的α-分位數(shù)的相反數(shù)，其滿足如下方程：

其中，It-1={ Yt-1,Yt-2,…} 是t-1時刻可獲得的信息集。α通常取10%，5%和1%。

令 It-1={I1(t-1),I2(t-1)} ， 其 中 I1(t-1)= {Y1(t-1),…,Y11}，I2(t-1)={Y2(t-1),…,Y21}分別是t-1時刻資產(chǎn)1和資產(chǎn)2（本文指房地產(chǎn)業(yè)和銀行業(yè)）的信息集。

若H0∶P(Y1t＜-V1t|I1(t-1))=P(Y1t＜-V1t|It-1)成立，則時間序列{Y2t}關(guān)于信息It-1在風(fēng)險水平α下并不Granger-引起時間序列{Y1t} 。

若HA∶P(Y1t＜-V1t|I1(t-1))≠P(Y1t＜-V1t|It-1)成立，則時間序列{Y2t}關(guān)于信息It-1在風(fēng)險水平α下Granger-引起時間序列{Y1t}。此種情況下，{Y2t}發(fā)生風(fēng)險的信息有助于預(yù)測未來{Y1t}發(fā)生類似的風(fēng)險。

（二）風(fēng)險-Granger因果關(guān)系的檢驗?zāi)Ｐ?/p>

由于VaR-Granger因果關(guān)系僅關(guān)注與大幅下滑市場風(fēng)險相關(guān)的左尾概率，即極端風(fēng)險溢出效應(yīng)，洪永淼等（2004）[10]首先定義了一個基于VaR的“風(fēng)險指標(biāo)函數(shù)”：

其中l(wèi)(?)為指示函數(shù)。當(dāng)實際損失超過VaR時，風(fēng)險指標(biāo)函數(shù)取值1，否則取0。

檢驗假設(shè)H0和HA可等價地表述為：

因此，{Y1t}與{Y2t}之間的VaR-Granger因果關(guān)系可以看成是{Z1t}和{Z2t}之間的均值-Granger因果關(guān)系。

無VaR-Granger因果關(guān)系H0的含義：

若對某一階j＞0，有cov(Z1t,Z2t-j)≠0，則表明存在VaR-Granger因果關(guān)系。這意味著當(dāng)一個行業(yè)發(fā)生大的風(fēng)險時，能用這個信息去預(yù)測另一個行業(yè)未來可能發(fā)生同樣風(fēng)險的可能性。雖然也可以用I2t-1中的其他信息去預(yù)測{Y1t}的風(fēng)險，但本文主要是研究房地產(chǎn)業(yè)與銀行業(yè)極端風(fēng)險溢出效應(yīng)，故使用cov (Z1t,Z2t-j)是恰當(dāng)?shù)摹?/p>

1.單向VaR-Granger因果關(guān)系檢驗

設(shè)Vlt(θl)=Vl(Il(t-1),θl,α)，l=1，2是行業(yè)1，2在顯著水平α下{Vlt}的VaR值，其中θl是未知模型參數(shù)。本文采用GARCH-EVT模型族建模得到。

洪永淼等（2004）[10]提出了基于核函數(shù)的VaRGranger因果關(guān)系檢驗統(tǒng)計量：

其中心因子和尺度因子分別為：

2.雙向VaR-Granger因果關(guān)系檢驗

原假設(shè)為任一行業(yè)的風(fēng)險均不Granger-引起另一行業(yè)的風(fēng)險，并且兩個行業(yè)間不存在極端風(fēng)險溢出效應(yīng)，這就意味著cov(Z1t,Z2t-i)=0，對任意階j=0,± 1,±2,…。采用統(tǒng)計量Q2(M)檢驗該原假設(shè)：

其中心因子和尺度因子分別為：

與Q1(M)相同，Q2(M)在原假設(shè)成立時也服從漸進(jìn)標(biāo)準(zhǔn)正態(tài)分布。

（三）條件風(fēng)險價值（CoVaR）

CoVaR（Conditional Value at Risk，條件風(fēng)險價值）是Adrian等（2009）[11]提出的滿足一致性風(fēng)險度量的所有性質(zhì)和凸性的風(fēng)險測度方法，反映的是尾部損失超過VaR的平均值，通過樣本分位數(shù)估計等方法，可以不依賴于VaR計算實現(xiàn)尾部損失的充分測度。CoVaR的定義：

其中，Xi和Xj分別表示金融資產(chǎn)（本文指房地產(chǎn)業(yè)或銀行業(yè)）i、j的風(fēng)險損失水平，q表示顯著水平，j對i的風(fēng)險溢出效應(yīng)通過CoVaR和VaR的數(shù)值關(guān)系來描述。CoVaR表示當(dāng)j處于極端不利條件時，i所面臨的風(fēng)險水平，是i關(guān)于j的條件風(fēng)險價值，包含了無條件風(fēng)險價值和溢出風(fēng)險價值。顯然，要真實地反映j對i的風(fēng)險溢出效應(yīng)大小，需從CoVaR中減去i的無條件風(fēng)險價值，即

四、實證分析

（一）數(shù)據(jù)來源及描述性統(tǒng)計

分別用大智慧“板塊指數(shù)”中的“房地產(chǎn)”和“銀行類”數(shù)據(jù)代表房地產(chǎn)業(yè)和銀行業(yè)，樣本考察期為2007年8月30日到2014年1月9日，共1546組數(shù)據(jù)。將收益率定義為Rt=100×ln(Pt/Pt-1)。

將房地產(chǎn)業(yè)和銀行業(yè)的收益率分別記為Ret和Rbk，其描述性統(tǒng)計如表1所示。由表1可知，在樣本觀察期間內(nèi)，房地產(chǎn)業(yè)和銀行業(yè)的平均收益均為正。峰度統(tǒng)計量和J-B檢驗統(tǒng)計量均表明房地產(chǎn)業(yè)收益率和銀行業(yè)收益率不服從正態(tài)分布。ARCH效應(yīng)檢驗和Ljung-Box Q統(tǒng)計量顯示，滯后10階，房地產(chǎn)業(yè)收益率和銀行業(yè)收益率都具有明顯的條件異方差性，但不具有自相關(guān)性。單位根ADF檢驗表明，所有的序列都是平穩(wěn)的。即房地產(chǎn)收益率和銀行業(yè)收益率均具有高峰、厚尾，條件異方差性，適合用GARCH模型建模。

（二）邊緣分布建模

采用GARCH模型族進(jìn)行建模，根據(jù)極大似然函數(shù)值，最終選擇FIGARCH-t模型對Ret建模，選擇IGARCH模型對Rbk建模。參數(shù)估計結(jié)果如表2所示。

表2 房地產(chǎn)業(yè)和銀行業(yè)收益率建模參數(shù)估計結(jié)果

在實踐中，人們普遍更加關(guān)注下尾部風(fēng)險。極值理論（EVT）建模關(guān)鍵之一是確定閾值u。常用的方法有：經(jīng)驗平均超出函數(shù)法、參數(shù)估計穩(wěn)定法、厚尾分布與正態(tài)分布相交法等。前兩種方法是定性確定閾值，具有很強(qiáng)的主觀性，后一種方法的求解過程很復(fù)雜，并且需要知道具體的厚尾分布形式。Patie（2000）[12]提出了峰度法，利用正態(tài)分布峰度系數(shù)等于3的條件確定閾值，其基本原理同厚尾分布與正態(tài)分布相交法，易理解并便于操作。本文基于峰度法確定閾值u。得到閾值u后，基于splus8.0軟件，利用極大似然法估計GPD中的形狀參數(shù)ξ和尺度參數(shù)β，閾值的選取結(jié)果及GPD分布中的參數(shù)估計結(jié)果見表3。形狀參數(shù)ξ和尺度參數(shù)β的t值較顯著，說明GPD分布能較好地擬合房地產(chǎn)業(yè)和銀行業(yè)收益率尾部的分布。

表3 基于GPD的尾部分布參數(shù)估計結(jié)果

（三）風(fēng)險溢出檢驗

表4 房地產(chǎn)業(yè)和銀行業(yè)間的極端風(fēng)險溢出效應(yīng)

根據(jù)VaR-Granger因果關(guān)系檢驗方法，基于R2.15軟件編程，得到α=5%時，VaR-Granger因果關(guān)系的檢驗統(tǒng)計量和對應(yīng)的p-值，如表4所示。根據(jù)表4，發(fā)現(xiàn)α=5%顯著水平下，當(dāng)有效滯后截尾階數(shù)M=10、20時，房地產(chǎn)業(yè)和銀行業(yè)之間的雙向、單向VaR-Granger因果關(guān)系檢驗都非常顯著，說明我國房地產(chǎn)業(yè)和銀行業(yè)之間存在強(qiáng)烈的極端風(fēng)險溢出效應(yīng)，地產(chǎn)業(yè)的風(fēng)險Granger-引起銀行業(yè)的風(fēng)險，銀行業(yè)的風(fēng)險也會Granger-引起地產(chǎn)業(yè)的風(fēng)險。

（四）風(fēng)險溢出強(qiáng)度測度

采用分位數(shù)回歸法（Adrian等，2009）[11]得到各收益率序列的CoVaR、△CoVaR以及%CoVaR，如表5所示。由表5可知，5%的顯著水平下，房地產(chǎn)業(yè)對銀行業(yè)具有正風(fēng)險溢出效應(yīng)，溢出強(qiáng)度為36.73%；銀行業(yè)對房地產(chǎn)業(yè)也具有正向風(fēng)險溢出效應(yīng)，溢出強(qiáng)度為33.96%。風(fēng)險溢出的方向與基于VaRGranger方法得到的結(jié)果一致。

表5 房地產(chǎn)業(yè)和銀行業(yè)的CoVaR

五、結(jié)論

房地產(chǎn)業(yè)是資金密集型產(chǎn)業(yè)，現(xiàn)階段，我國房地產(chǎn)業(yè)融資對銀行業(yè)具有很強(qiáng)的依賴性。如果房地產(chǎn)泡沫破滅，房地產(chǎn)業(yè)風(fēng)險可能會向銀行業(yè)溢出；如果銀行業(yè)出現(xiàn)危機(jī)，銀行向房地產(chǎn)業(yè)融資困難，可能會使房地產(chǎn)業(yè)資金鏈斷裂，銀行業(yè)風(fēng)險也可能向房地產(chǎn)業(yè)溢出。本文在分析房地產(chǎn)業(yè)與銀行業(yè)風(fēng)險溢出機(jī)制的基礎(chǔ)上，采用GARCH-EVT模型、VaRGranger因果關(guān)系檢驗?zāi)Ｐ脱芯苛宋覈康禺a(chǎn)業(yè)與銀行業(yè)間極端風(fēng)險溢出效應(yīng)，發(fā)現(xiàn)：α=5%風(fēng)險水平下，房地產(chǎn)業(yè)與銀行業(yè)之間存在雙向的風(fēng)險溢出效應(yīng)，地產(chǎn)業(yè)的風(fēng)險Granger-引起銀行業(yè)的風(fēng)險，銀行業(yè)的風(fēng)險也會Granger-引起地產(chǎn)業(yè)的風(fēng)險。在此基礎(chǔ)上，基于條件風(fēng)險價值CoVaR方法測度了風(fēng)險溢出強(qiáng)度，發(fā)現(xiàn)房地產(chǎn)業(yè)對銀行業(yè)的風(fēng)險溢出強(qiáng)度略強(qiáng)于銀行業(yè)對房地產(chǎn)業(yè)的風(fēng)險溢出強(qiáng)度，房地產(chǎn)業(yè)對銀行業(yè)的風(fēng)險溢出強(qiáng)度為36.73%，而銀行業(yè)對房地產(chǎn)業(yè)的風(fēng)險溢出強(qiáng)度為33.96%。

房地產(chǎn)業(yè)需要外來資金的支持，過度依賴銀行融資，銀行勢必要承擔(dān)高風(fēng)險?，F(xiàn)階段，對于房地產(chǎn)業(yè)而言，一方面要堅持房地產(chǎn)調(diào)控不動搖；另一方面房地產(chǎn)業(yè)要大力開拓資金來源渠道，用多元化支持資金的方式分散風(fēng)險，大力發(fā)展房地產(chǎn)股權(quán)融資、房地產(chǎn)信托、外資投入等一級市場的融資方式，適時開展二級市場的融資渠道。對于銀行業(yè)而言，針對房地產(chǎn)貸款風(fēng)險，嚴(yán)格落實差別化購房貸款政策，嚴(yán)格審批程序，加強(qiáng)名單制管理和壓力測試；加快推進(jìn)銀行信用風(fēng)險量化技術(shù)的應(yīng)用，嚴(yán)防信用違約風(fēng)險、嚴(yán)控表外業(yè)務(wù)關(guān)聯(lián)風(fēng)險、嚴(yán)管外部風(fēng)險傳染。

[1]成思危.20年內(nèi)，中國房地產(chǎn)業(yè)依然是支柱產(chǎn)業(yè)[OL].鳳凰網(wǎng)：http://house.ifeng.com/hezuo/special/ jinfenghuang2014/zuixin/detail_2014_01/19/ 33141752_0.shtm.

[2]Bla sko M,Sinkey JF.Bank Asset Structure, Real-estate Lending and Risk-taking[J].The Quarterly Review of Economicsand Finance,2006,46(1):53-81.

[3]Goetz V P.Asset Prices and Banking Distress: A Macroeconomic Approach[J].Journal of Financial Stability,2009,5(3):298-319.

[4]Koetter M,Poghosyan T.Real Estate Prices and Bank Stability[J].Journalof Banking&Finance,2010, 34(6):1129-1138.

[5]劉明興，羅俊偉.泡沫經(jīng)濟(jì)與金融危機(jī)[J].經(jīng)濟(jì)學(xué)家，2000，（4）：105-110.

[6]項衛(wèi)星，李宏瑾，白大范.銀行信貸擴(kuò)張與房地產(chǎn)泡沫：美國、日本及東亞各國和地區(qū)的教訓(xùn)[J].國際金融研究，2007，（3）：54-60.

[7]文鳳華，張阿蘭，戴志鋒，楊曉光.房地產(chǎn)價格波動與金融脆弱性——基于中國的實證研究[J].中國管理科學(xué)，2012，20（2）：1-10.

[8]江紅莉，何建敏，莊亞明.基于時變Copula的房地產(chǎn)業(yè)與銀行業(yè)尾部動態(tài)相依性研究[J].管理工程學(xué)報，2013，27（3）：53-59.

[9]秦嶺，姚一旻.我國銀行信貸與房地產(chǎn)價格關(guān)系研究[J].經(jīng)濟(jì)社會體制比較，2012，（2）：188-202.

[10]洪永淼，成思危，劉艷輝，汪壽陽.中國股市與世界其他股市之間的大風(fēng)險溢出效應(yīng)[J].經(jīng)濟(jì)學(xué)季刊，2004，3（3）：703-726.

[11]Adrian，Brunnermeier. CoVaR[R].Working Paper，F(xiàn)ederal Reserve Bank of New York and Princeton University,April2009.

[12]Patie P.Estimation of ValueatRisk Using Extreme Value Theory[R/OL].http://www.math.ethz.ch/-patie/VaREvT,2000.

（責(zé)任編輯：王淑云）

ract:Real estate and banking are capital-intensive industries.Risk management is the cornerstone of their healthy development.We provide an empirical study on spillover ofextreme downside risk and the spillover degree between Chinese real estate and banking,by using GARCH-EVT,VaRGrange,and CoVaR,basing on analyzing the spillovermechanic between Chinese realestate and banking.It is found that there existsstrong risk spilloverbetween Chinese realestate and banking at5%significance level.The spillover degree of real estate to banking is stronger than degree ofbanking to real estate,the former is36.73%and the latter is33.96%.

ords:realestate business;banking business;spillover ofextreme risk;Granger causality in risk; CoVaR

1003-4625（2014）07-0032-05

F832.2

A

2014-04-27

本文為國家自然科學(xué)基金項目（71071034，71271103）；教育部人文社會科學(xué)研究青年基金項目（12YJC630101）；中國博士后科學(xué)基金第54批面上資助項目（2013M541603）；江蘇省教育廳2013年度高校哲學(xué)社會科學(xué)基金資助項目（2013SJB6300018）。

江紅莉（1982-），女，湖北隨州人，博士，研究方向：金融工程與風(fēng)險管理；何建敏（1956-），男，江蘇無錫人，教授，博士生導(dǎo)師，研究方向：金融工程與風(fēng)險管理。