◎付趙彤 王重潤

引言

房價(jià)和匯率是兩個(gè)重要的資產(chǎn)價(jià)格，對金融穩(wěn)定有重要影響。就房價(jià)而言，2003年以來，總體上呈現(xiàn)上漲態(tài)勢，僅就近十年看，全國平均房價(jià)從2011年的9445元/平米上漲到2020年11月的15755元/平米，累計(jì)漲幅66.8%，房價(jià)漲幅呈現(xiàn)出周期性波動。2016年以后，在“房住不炒”的政策定位下，房地產(chǎn)調(diào)控方式和力度發(fā)生變化，住宅價(jià)格同比增速開始呈現(xiàn)下降趨勢。2017年底中美貿(mào)易沖突爆發(fā)后，在國內(nèi)經(jīng)濟(jì)刺激等多種因素作用下，房價(jià)增速下降趨勢有所減緩，在2020年初疫情爆發(fā)后，房價(jià)漲幅出現(xiàn)短暫快速下跌，從3.39%降至2020年5月份的2.99%，北京、天津等一線城市住房價(jià)格同比增速甚至為負(fù)，從二季度開始房價(jià)增幅開始趨穩(wěn)并有小幅回升，11月份達(dá)到4.3%。

在匯率方面，2005年7月第一次匯改以來，人民幣匯率一直處于上升趨勢，直到2015年7月第二次匯改以后，人民幣匯率開始進(jìn)入震蕩下行階段，2017年底爆發(fā)的貿(mào)易沖突加強(qiáng)了貶值預(yù)期，月平均匯率從2018年4月份的6.29元/美元下降至2020年5月的7.09元/美元，貶值幅度12.7%，跌至近12年來的低位。進(jìn)入2020年下半年，隨著國內(nèi)疫情形勢好轉(zhuǎn)和經(jīng)濟(jì)恢復(fù)，人民幣匯率開始回升，11月份達(dá)到6.60元/美元，大致回歸到貿(mào)易沖突爆發(fā)前的水平。與匯率變化相聯(lián)系的是國際資本流動。如果以國際收支誤差與遺漏項(xiàng)表示投資性國際資本流動，那么自2013年以來資本呈現(xiàn)凈流出態(tài)勢，而且規(guī)模有逐漸擴(kuò)大趨勢，不過在貿(mào)易爭端最激烈的2018年資本凈流出規(guī)模反而縮小，2019年資本流出規(guī)模繼續(xù)擴(kuò)大，達(dá)到2573億美元。2020年前三季度凈流出合計(jì)949億美元。

WIND數(shù)據(jù)顯示，2013年以來銀行不良貸款率和不良貸款余額雙雙快速上升，貸款風(fēng)險(xiǎn)增大。2016年3月到2018年3月期間不良貸款率在1.75%左右徘徊，貿(mào)易摩擦加劇后又出現(xiàn)一波小幅上升。目前不良貸款率在1.96%，而不良貸款余額一直在增長，特別是2020年初疫情發(fā)生后出現(xiàn)一個(gè)小幅躍升，到2020年9月為28350億元，是2011年的6.54倍。

觀察圖1發(fā)現(xiàn)，房價(jià)、匯率以及不良貸款率之間存在某種聯(lián)系。較為明顯的是，從2014年5月到2018年2月，不良率與房價(jià)、匯率呈現(xiàn)相同變化趨勢；在此后，匯率與不良率都呈現(xiàn)出波動變化，而房價(jià)漲幅的下降趨勢也有所減緩。房價(jià)與匯率是重要的資產(chǎn)價(jià)格，而且易于波動，并且企業(yè)、家庭都會投資房地產(chǎn)和美元等貨幣資產(chǎn)，所以房價(jià)與匯率變化對銀行系統(tǒng)性風(fēng)險(xiǎn)是否有影響值得研究。由于面臨貿(mào)易摩擦和疫情的不確定性，房價(jià)和匯率波動可能會更大，所以研究房價(jià)與匯率波動對銀行系統(tǒng)性風(fēng)險(xiǎn)的影響，有助于監(jiān)管部門把握金融風(fēng)險(xiǎn)演變趨勢，采取預(yù)防性措施。

從相關(guān)文獻(xiàn)來看，房價(jià)和匯率被眾多國內(nèi)外學(xué)者認(rèn)為是誘發(fā)金融風(fēng)險(xiǎn)的重要原因。例如，Goodhart等（2010）認(rèn)為，房價(jià)下跌導(dǎo)致銀行的壞賬率迅速上升引發(fā)房地產(chǎn)市場危機(jī)，進(jìn)而逐步破壞宏觀金融系統(tǒng)的穩(wěn)定。Huiran Pan等（2013）通過分析美國1995～2010年的樣本數(shù)據(jù)計(jì)算房價(jià)偏差模型發(fā)現(xiàn)，以4.85%為閾值，當(dāng)收入增長低于門限值時(shí)，房價(jià)偏差會加重銀行的不良貸款率，且當(dāng)經(jīng)濟(jì)出現(xiàn)衰退時(shí)，通過收入效應(yīng)的影響，會加重房地產(chǎn)市場對銀行的負(fù)面影響。況偉大（2014）利用商業(yè)銀行2004～2009年的數(shù)據(jù)進(jìn)行實(shí)證分析，發(fā)現(xiàn)房價(jià)上漲會降低違約概率，房價(jià)下降將導(dǎo)致違約概率提高。對于房價(jià)波動影響金融風(fēng)險(xiǎn)的方式，沈悅（2016）認(rèn)為在房價(jià)上漲沖擊下銀行系統(tǒng)性風(fēng)險(xiǎn)在短期內(nèi)處于潛伏階段，長期則通過融資成本、資金價(jià)格渠道傳導(dǎo)風(fēng)險(xiǎn)。而房價(jià)下跌沖擊下，系統(tǒng)性風(fēng)險(xiǎn)會通過影響融資成本迅速傳導(dǎo)蔓延。荊中博等（2019）得到了與沈悅（2016）類似的結(jié)論，他們發(fā)現(xiàn)，當(dāng)多個(gè)房地產(chǎn)市場出現(xiàn)房價(jià)同步上漲的情況時(shí)預(yù)示著系統(tǒng)性風(fēng)險(xiǎn)的不斷累積，而系統(tǒng)性風(fēng)險(xiǎn)又與政策調(diào)控的力度反方向變動。

匯率波動通過影響銀行或企業(yè)的貨幣資產(chǎn)配置以及短期資本流動對金融風(fēng)險(xiǎn)產(chǎn)生影響。例如，Krugman（1999）認(rèn)為當(dāng)企業(yè)的資產(chǎn)或者負(fù)債項(xiàng)目出現(xiàn)貨幣錯(cuò)配的情況時(shí)，匯率的波動會引發(fā)企業(yè)的凈值波動，從而引發(fā)風(fēng)險(xiǎn)。Fairl（2012）通過對2008年金融危機(jī)研究發(fā)現(xiàn)，當(dāng)一個(gè)國家發(fā)生了貨幣錯(cuò)配，并且本幣出現(xiàn)了貶值，二者在相互作用下直接致使私人部門的凈值下降，資產(chǎn)負(fù)債比會大幅升高，企業(yè)償債能力不足，違約行為發(fā)生概率提高，這種連鎖反應(yīng)加劇了銀行系統(tǒng)的脆弱性。國內(nèi)學(xué)者也有類似的發(fā)現(xiàn)。例如，金祥義、張文菲（2019）對2011-2016年商業(yè)銀行的資產(chǎn)負(fù)債表進(jìn)行研究，發(fā)現(xiàn)商業(yè)銀行普遍存在貨幣錯(cuò)配的現(xiàn)象，當(dāng)匯率發(fā)生較大波動時(shí)，這種本幣與外匯之間的錯(cuò)配現(xiàn)象持續(xù)加劇，增加潛在的系統(tǒng)性風(fēng)險(xiǎn)。尹航（2018）則對貨幣錯(cuò)配程度進(jìn)行了測度，認(rèn)為貨幣錯(cuò)配具有非對稱性的特點(diǎn)，對商業(yè)銀行沖擊較大。李婧、吳遠(yuǎn)遠(yuǎn)（2017）通過建構(gòu)VAR模型發(fā)現(xiàn)，匯率因素較之于利率差異和股市收益對于短期跨境資本流動影響更大，且當(dāng)人民幣匯率預(yù)期貶值時(shí)，跨境資金流通速度加快。

通過文獻(xiàn)梳理發(fā)現(xiàn)，無論房價(jià)還是匯率波動都會對銀行風(fēng)險(xiǎn)構(gòu)成沖擊，然而二者的聯(lián)合作用需要進(jìn)一步研究，因?yàn)閰R率與房價(jià)之間存在雙向影響關(guān)系（郭銳欣、朱懷任，2018），當(dāng)二者共同發(fā)生變化的時(shí)候，對銀行系統(tǒng)性風(fēng)險(xiǎn)帶來什么影響呢？承襲現(xiàn)有文獻(xiàn)，本文構(gòu)建SVAR模型研究房價(jià)與匯率結(jié)構(gòu)性沖擊對銀行系統(tǒng)性風(fēng)險(xiǎn)帶來的影響，并通過構(gòu)造交互項(xiàng)分析房價(jià)與匯率同時(shí)波動的沖擊效果，為防范系統(tǒng)性金融風(fēng)險(xiǎn)提供政策參考。

房價(jià)與匯率沖擊對銀行系統(tǒng)性風(fēng)險(xiǎn)影響機(jī)理

房價(jià)對銀行系統(tǒng)性風(fēng)險(xiǎn)的沖擊傳導(dǎo)機(jī)制可以從兩個(gè)方面解釋。一是債務(wù)通縮渠道。當(dāng)房價(jià)出現(xiàn)下跌時(shí)，家庭和企業(yè)用于貸款的抵押品減值，借款方的違約成本也就隨之下降，違約風(fēng)險(xiǎn)上升。迫于償還債務(wù)的壓力，借款人選擇拋售房產(chǎn)。房地產(chǎn)市場上供給增加，導(dǎo)致房價(jià)進(jìn)一步下降，加重尚未償還債務(wù)的抵押借款人的還款壓力。呂江林（2015）證實(shí)，當(dāng)房地產(chǎn)價(jià)格持續(xù)下降，幅度超過40%時(shí)，有可能誘發(fā)大面積商業(yè)銀行倒閉，形成大規(guī)模的金融危機(jī)。2008年爆發(fā)的美國次貸危機(jī)就是一個(gè)很好的例證。

二是代理成本渠道。由于信貸市場存在信息不對稱，外部融資代理成本要高于內(nèi)部融資，而代理成本與企業(yè)資產(chǎn)凈值負(fù)相關(guān)意味著企業(yè)資產(chǎn)負(fù)債表狀況對銀行貸款具有重要影響。而房地產(chǎn)作為企業(yè)的重要資產(chǎn)，其價(jià)值波動無疑會對資產(chǎn)負(fù)債表狀況產(chǎn)生影響，進(jìn)而對融資產(chǎn)生影響。當(dāng)房地產(chǎn)市場呈現(xiàn)繁榮狀態(tài)時(shí)，企業(yè)凈資產(chǎn)增長，外部融資成本較低，企業(yè)更加偏向于外部融資，導(dǎo)致銀行資產(chǎn)負(fù)債表規(guī)模膨脹，企業(yè)杠桿率上升。當(dāng)房價(jià)出現(xiàn)下降時(shí)，抵押品價(jià)值縮水，代理成本上升，銀行業(yè)面臨流動性風(fēng)險(xiǎn)，從而削減房地產(chǎn)的信貸規(guī)模，使得企業(yè)融資成本提高。面對上升的融資成本，企業(yè)的現(xiàn)金流壓力增大，企業(yè)違約風(fēng)險(xiǎn)升高。金融加速器作用在房價(jià)與信貸之間形成正反饋。房價(jià)上漲增強(qiáng)了銀行與借款人雙重道德風(fēng)險(xiǎn)，由于代理成本的下降，銀行貸款政策更加激進(jìn)，而借款人則增加負(fù)債率，加持投機(jī)性資產(chǎn)如房地產(chǎn)（王重潤等，2019），這導(dǎo)致銀行資產(chǎn)質(zhì)量下降，對資本充足率形成壓力，銀行風(fēng)險(xiǎn)不斷累積。

匯率波動對系統(tǒng)性風(fēng)險(xiǎn)的沖擊主要有三條途徑：一是貨幣錯(cuò)配渠道。由于商業(yè)銀行資產(chǎn)以本幣計(jì)價(jià)，外匯負(fù)債以外匯計(jì)價(jià)，當(dāng)人民幣發(fā)生貶值時(shí)，導(dǎo)致商業(yè)銀行國外債務(wù)價(jià)值增加，本幣資產(chǎn)發(fā)生減值，銀行的資產(chǎn)負(fù)債表兩側(cè)失衡，負(fù)債的增加和資產(chǎn)的減少致使銀行凈權(quán)益的下降，可能會誘發(fā)風(fēng)險(xiǎn)。二是資產(chǎn)價(jià)格渠道。匯率對跨境資本流動的影響顯著，貨幣貶值預(yù)期引起資本外流，導(dǎo)致股價(jià)下跌，對資本市場造成沖擊（許從寶等，2020；張蕾，2020）。三是通脹渠道。匯率波動帶來資本外流，引起本國貨幣供給增加，使得實(shí)際利率下降，刺激長期投資，推動PPI上漲并導(dǎo)致物價(jià)上漲（楊小軍，2020），最終導(dǎo)致企業(yè)成本增長、利潤下降，財(cái)務(wù)風(fēng)險(xiǎn)增大。

在匯率與房價(jià)雙重沖擊下，個(gè)體銀行風(fēng)險(xiǎn)會通過金融市場網(wǎng)絡(luò)形成擴(kuò)散傳染，引起市場對流動性不良預(yù)期，為滿足流動性要求，銀行不得不折價(jià)出售資產(chǎn)，從而誘發(fā)銀行業(yè)系統(tǒng)性風(fēng)險(xiǎn)。綜上，房價(jià)、匯率與銀行系統(tǒng)性風(fēng)險(xiǎn)之間的內(nèi)在聯(lián)系如圖2描述。

房價(jià)與匯率波動對系統(tǒng)性風(fēng)險(xiǎn)沖擊的SVAR實(shí)證分析

（一）數(shù)據(jù)說明

本文樣本區(qū)間選為2011年1月至2020年10月的月度數(shù)據(jù)，并對相關(guān)數(shù)據(jù)進(jìn)行季節(jié)調(diào)整。之所以選擇從2011年開始，是因?yàn)閲医y(tǒng)計(jì)局在2011年2月16發(fā)布了新版《住宅銷售價(jià)格統(tǒng)計(jì)調(diào)查方案》，房價(jià)統(tǒng)計(jì)口徑發(fā)生了變化。銀行的數(shù)據(jù)來自于2011年前上市的16家商業(yè)銀行，包括中國銀行、農(nóng)業(yè)銀行、工商銀行、建設(shè)銀行和交通銀行等國有商業(yè)銀行，興業(yè)、華夏、平安、招商、民生、光大和中信銀行等全國性股份制商業(yè)銀行，以及北京銀行、寧波銀行和南京銀行等城市商業(yè)銀行。

（二）變量定義

核心解釋變量為房價(jià)波動（HP）和匯率波動（ER），分別采用經(jīng)過季節(jié)調(diào)整后的百城平均房價(jià)同比增速和美元兌人民幣匯率波動幅度。

被解釋變量是銀行系統(tǒng)風(fēng)險(xiǎn)（RISK），借鑒Adrian（2016）提出的測度銀行間的CoVaR來表示銀行業(yè)系統(tǒng)性風(fēng)險(xiǎn)的方法。利用極端分位數(shù)回歸方法測度個(gè)體銀行對銀行業(yè)的CoVaR來代表系統(tǒng)性風(fēng)險(xiǎn)（RISK）。計(jì)算方法如下：

運(yùn)用t時(shí)期內(nèi)銀行j的月度收益率Rtj對銀行i的月度收益率進(jìn)行分位數(shù)回歸，估計(jì)出參數(shù)和，得到:

表1：各個(gè)變量描述性統(tǒng)計(jì)結(jié)果

其中，銀行i收益率計(jì)算公式為：

Pt和Pt-1分別表示該銀行在t和t-1期的收盤價(jià)格。銀行系統(tǒng)的收益率由每一期16家商業(yè)銀行的收益率加權(quán)求和得到，其中權(quán)重為各個(gè)銀行同期的A股流通市值占樣本銀行當(dāng)期流通市值的比重。

根據(jù)系統(tǒng)性風(fēng)險(xiǎn)CovaRqj/i定義得到：

上述各變量的描述性統(tǒng)計(jì)結(jié)果如下（見表1）：

本文選取自2011年1月到2020年10月期間房價(jià)匯率的波動和16家上市銀行的系統(tǒng)性風(fēng)險(xiǎn)的月度數(shù)據(jù)，共354個(gè)樣本數(shù)據(jù)，根據(jù)表1，三種變量的峰度都接近于3，且在95%的置信度下均拒絕不滿足正態(tài)分布的原假設(shè)，整體近似于正態(tài)分布。符合構(gòu)建SVAR模型對樣本數(shù)據(jù)概率分布的要求。

（三）SVAR模型構(gòu)建與識別

為檢驗(yàn)房價(jià)及匯率波動及其相互作用對銀行系統(tǒng)性風(fēng)險(xiǎn)的沖擊效果，本文選擇使用結(jié)構(gòu)向量自回歸模型SVAR。較之于向量自回歸模型VAR，SVAR在方程右側(cè)加入了同期變量，且根據(jù)變量之間的相互作用關(guān)系，增加了結(jié)構(gòu)信息，同時(shí)可以表示內(nèi)生變量房價(jià)和匯率之間的相互作用，并且解決了VAR模型中只能通過已有經(jīng)驗(yàn)識別的弊端，可以充分發(fā)掘各個(gè)變量間同期或滯后期的動態(tài)關(guān)系。

SVAR(p)模型為包含k個(gè)內(nèi)生變量的p階結(jié)構(gòu)向量自回歸模型，模型表達(dá)式如下：

yt為3×1維向量，包括銀行系統(tǒng)性風(fēng)險(xiǎn)（RISK）、房價(jià)波動（HP）及匯率波動（ER）三個(gè)內(nèi)生變量。B0表示變量間當(dāng)期相互作用，At表示不同滯后期變量間相互作用，t表示當(dāng)期數(shù)據(jù)，p表示滯后期數(shù)。i，j=1，2，3。ut表示允許同期相關(guān)的簡化式擾動項(xiàng)，包括utRISK、utHP及utER代表三種內(nèi)生變量的沖擊，這三種沖擊為互不相關(guān)的白噪聲序列。

假設(shè)B0為可逆矩陣，便可將SVAR模型轉(zhuǎn)化為VAR模型：

為識別結(jié)構(gòu)式擾動項(xiàng)ut涵蓋的3種沖擊，施加短期約束條件來識別基本方程。房價(jià)波動對銀行系統(tǒng)性風(fēng)險(xiǎn)傳導(dǎo)需要有一定時(shí)間且傳導(dǎo)渠道較長（沈悅等，2015），當(dāng)期房價(jià)變化并不會對系統(tǒng)性風(fēng)險(xiǎn)造成顯著影響，設(shè)定b12=0。匯率貶值會刺激出口，但也會造成物價(jià)上漲壓力，企業(yè)可以通過成本加成率的調(diào)整吸收一部分短期內(nèi)匯率波動的風(fēng)險(xiǎn)，所以在當(dāng)期內(nèi)匯率波動傳遞效應(yīng)影響較?。n劍等，2017），設(shè)定b13=b31=0。因?yàn)樯虡I(yè)銀行系統(tǒng)性風(fēng)險(xiǎn)有多種誘發(fā)因素，并且風(fēng)險(xiǎn)傳導(dǎo)渠道較為復(fù)雜（方意，2016），當(dāng)期系統(tǒng)性風(fēng)險(xiǎn)并不會立即反作用給匯率，而且單一因素很難對匯率波動造成較為明顯的影響（沈悅等，2014），設(shè)定b32=0。另外，房價(jià)變動具有粘性，房價(jià)受到外界影響后并不會立即在當(dāng)期做出反應(yīng)（郭娜等，2019），設(shè)定b21=b23=0。

綜上，基于Cholesky分解的思路和相關(guān)經(jīng)濟(jì)理論，本文短期約束矩陣B0設(shè)定如下：

在構(gòu)建VAR模型前本文使用eviews9.0對原序列RISK、HP、ER和一階差分dRISK、dHP、dER進(jìn)行ADF檢驗(yàn)，結(jié)果如下（見表2）。

從表2結(jié)果來看，在1%的顯著水平條件下，三個(gè)變量的原序列都是不平穩(wěn)的，經(jīng)過一階差分后平穩(wěn)，因此使用三個(gè)變量一階差分后的序列建立SVAR模型。檢驗(yàn)發(fā)現(xiàn)，AIC、FPE推薦的最優(yōu)滯后階數(shù)為2階，SC和HQ推薦為1階。本文選擇2階滯后，建立SVAR（2）。進(jìn)而對其單位根進(jìn)行穩(wěn)健性檢驗(yàn)，結(jié)果如圖3所示，所有單位根模的倒數(shù)均落在單位圓內(nèi)部，故該模型是穩(wěn)定的。

（四）脈沖響應(yīng)分析與方差分解

接下來對該模型進(jìn)行脈沖響應(yīng)分析，分析在不同的滯后期，某個(gè)內(nèi)生變量一個(gè)正向結(jié)構(gòu)性標(biāo)準(zhǔn)差的沖擊給其他變量所帶來的影響（見圖4）。圖4顯示，在本期給房價(jià)波動一個(gè)正向沖擊，銀行系統(tǒng)性風(fēng)險(xiǎn)在第1期到第10期均為負(fù)向脈沖響應(yīng)，在第三期達(dá)到極值-0.07，然后開始逐步遞減，直至趨近于0?？梢酝茢喈?dāng)房價(jià)增速在短期內(nèi)下降時(shí)，銀行業(yè)系統(tǒng)性風(fēng)險(xiǎn)指數(shù)增加。

在短期給匯率波動一個(gè)正向沖擊，在0～2.5期內(nèi)銀行系統(tǒng)性風(fēng)險(xiǎn)做出負(fù)向脈沖響應(yīng)在2期達(dá)到極值-0.03；在第2.5期后銀行業(yè)系統(tǒng)性風(fēng)險(xiǎn)表現(xiàn)為正向脈沖響應(yīng)，在第3期達(dá)到最大值0.04，并在之后逐步遞減，最終趨于0。匯率上升在短期內(nèi)會刺激對外貿(mào)易增加出口，在一定程度上減小了銀行業(yè)系統(tǒng)性風(fēng)險(xiǎn)，但是從長期看人民幣貶值預(yù)期下產(chǎn)生的跨境資本流動會導(dǎo)致銀行業(yè)系統(tǒng)性風(fēng)險(xiǎn)增加。

（五）房價(jià)與匯率對銀行系統(tǒng)性風(fēng)險(xiǎn)的聯(lián)合作用

為繼續(xù)考察房價(jià)與匯率對銀行系統(tǒng)性風(fēng)險(xiǎn)的聯(lián)合作用，在SVAR模型中引入房價(jià)和匯率的交乘項(xiàng)，用ER×HP表示。對其進(jìn)行一階差分后，進(jìn)行脈沖響應(yīng)分析（見圖5）。

表2： 各個(gè)變量ADF檢驗(yàn)結(jié)果

圖5顯示，當(dāng)給DERHP一個(gè)單位的正向結(jié)構(gòu)性沖擊時(shí)，銀行系統(tǒng)性風(fēng)險(xiǎn)在第1.5期到第4.5期為負(fù)向脈沖響應(yīng)，在第三期達(dá)到極值-0.017，并開始逐步遞減，在第4期達(dá)到正值最大0.01，并在之后逐漸趨近于0。這表明，在考慮到房價(jià)與匯率同時(shí)上漲的聯(lián)合作用之后，匯率上升削弱系統(tǒng)性風(fēng)險(xiǎn)對房價(jià)上漲的負(fù)向響應(yīng)，但是房價(jià)上漲則加劇了系統(tǒng)性風(fēng)險(xiǎn)對匯率上升的負(fù)向響應(yīng)。這意味著在房價(jià)與匯率聯(lián)合作用下，系統(tǒng)性風(fēng)險(xiǎn)對房價(jià)下跌的正向響應(yīng)會被來自匯率貶值的作用削弱。

（六）異質(zhì)性分析

進(jìn)一步，將商業(yè)銀行細(xì)分為國有商業(yè)銀行、股份制銀行、城市商業(yè)銀行三種類型，進(jìn)行脈沖響應(yīng)分析，觀察匯率、房價(jià)波動對系統(tǒng)性風(fēng)險(xiǎn)影響的差異。結(jié)果如圖6所示。

其中，DB1、DB2、DB3分別代表一階差分后的國有銀行、股份制銀行和城商行的系統(tǒng)性風(fēng)險(xiǎn)指數(shù)。根據(jù)脈沖響應(yīng)分析結(jié)果來看，房價(jià)上漲均降低了三類銀行的系統(tǒng)性風(fēng)險(xiǎn)，且對于股份制銀行、城市商業(yè)銀行的影響較為顯著，這與該兩類銀行在房地產(chǎn)領(lǐng)域的貸款普遍高于國有商業(yè)銀行有關(guān)系，房價(jià)上漲為房地產(chǎn)貸款提供了更強(qiáng)的信用擔(dān)保，改善了資產(chǎn)質(zhì)量提高了盈利。匯率上漲（人民幣貶值）對系統(tǒng)性風(fēng)險(xiǎn)的影響存在較大差異，股份制銀行和城商行系統(tǒng)性風(fēng)險(xiǎn)對房價(jià)與匯率波動沖擊的脈沖響應(yīng)均表現(xiàn)為先負(fù)，持續(xù)2期后轉(zhuǎn)正，國有商業(yè)銀行對于匯率波動的響應(yīng)始終為正，但是影響并不明顯?？偲饋砜矗績r(jià)波動對銀行系統(tǒng)性風(fēng)險(xiǎn)影響更持久。

上述三類銀行的系統(tǒng)風(fēng)險(xiǎn)在應(yīng)對房價(jià)和匯率聯(lián)合沖擊時(shí)，波動幅度的差異，與不同類型銀行之間資產(chǎn)結(jié)構(gòu)的異質(zhì)性有關(guān)。根據(jù)Choice數(shù)據(jù)分析，國有商業(yè)銀行資產(chǎn)負(fù)債比率為92.18%，城商行的資產(chǎn)負(fù)債比率為93.11%，城商行的占比更高，這使得其抵抗風(fēng)險(xiǎn)能力較弱。在資本充足率方面，國有商業(yè)銀行也有著較大的優(yōu)勢，國有商業(yè)銀行資本充足率15.92%，而城市商業(yè)銀行資本充足率為12.56%，股份制銀行為12.92%，與國有商業(yè)銀行有較大差距，這也導(dǎo)致在面對外生沖擊時(shí)國有商業(yè)銀行系統(tǒng)性風(fēng)險(xiǎn)受到的影響更小。

結(jié)論與政策建議

研究表明，房價(jià)波動對于銀行系統(tǒng)性風(fēng)險(xiǎn)的沖擊較為強(qiáng)烈，當(dāng)房價(jià)增速降低時(shí)，會造成銀行業(yè)系統(tǒng)性風(fēng)險(xiǎn)的上升。匯率的波動在短期內(nèi)對銀行業(yè)穩(wěn)定性有一定的沖擊，但沖擊強(qiáng)度快速衰減。房價(jià)與匯率相互作用，匯率波動在一定程度上削弱房價(jià)波動的影響，房價(jià)波動則會加強(qiáng)匯率波動的影響。不同類型的銀行在面對房價(jià)與匯率的沖擊時(shí)做出的反應(yīng)不同，通常來講，股份制銀行以及城商行等中小銀行受到的沖擊更明顯。未來中國經(jīng)濟(jì)會繼續(xù)受到外部環(huán)境變化和疫情的影響，房價(jià)和匯率的變化存在很大不確定性，為防止銀行業(yè)系統(tǒng)性風(fēng)險(xiǎn)短期內(nèi)受房價(jià)和匯率雙重沖擊迅速上升，我們建議：

首先，保持房價(jià)相對穩(wěn)定，引導(dǎo)市場逐步回歸均衡。加強(qiáng)對房地產(chǎn)市場調(diào)控，既要控制房價(jià)上漲速度，更要注意防止下跌幅度過大。目前部分城市房價(jià)已經(jīng)出現(xiàn)小幅下跌，增速也放緩，要防止房價(jià)硬著陸。2020年9月央行推出的重點(diǎn)房地產(chǎn)企業(yè)資金監(jiān)測和融資管理辦法，對資產(chǎn)負(fù)債率、凈負(fù)債率以及現(xiàn)金短債比劃出了監(jiān)管紅線，今年年初，又對商業(yè)銀行提出了貸款集中度管理要求，這有利于降低金融風(fēng)險(xiǎn)。但與此同時(shí)，要密切關(guān)注疫情發(fā)展變化、房地產(chǎn)企業(yè)庫存和流動性狀況，拓展直接融資渠道，避免出現(xiàn)流動性風(fēng)險(xiǎn)，以免房地產(chǎn)企業(yè)因流動性枯竭而拋售房地產(chǎn)導(dǎo)致房價(jià)下跌。

其次，增強(qiáng)匯率彈性，加強(qiáng)外匯市場管理。進(jìn)一步完善以市場供求為基礎(chǔ)、參考一籃子貨幣進(jìn)行調(diào)節(jié)、有管理的浮動匯率制度，增強(qiáng)人民幣匯率彈性。加強(qiáng)外匯市場監(jiān)管，擴(kuò)大金融市場雙向開放，以加強(qiáng)宏觀審慎為核心改善跨境資本流動管理。加強(qiáng)世界疫情演變對國際貿(mào)易和資本流動影響的監(jiān)測和預(yù)警，對外匯市場進(jìn)行預(yù)防性調(diào)控，防止匯率出現(xiàn)大的波動。

第三，加強(qiáng)對中小銀行的系統(tǒng)性風(fēng)險(xiǎn)防范。要重視系統(tǒng)性風(fēng)險(xiǎn)具有的傳染性的特點(diǎn)，加強(qiáng)風(fēng)險(xiǎn)監(jiān)控并建立風(fēng)險(xiǎn)預(yù)警系統(tǒng)，重點(diǎn)關(guān)注風(fēng)險(xiǎn)抵抗能力較差的中小銀行，監(jiān)測其系統(tǒng)風(fēng)險(xiǎn)的變化，同時(shí)多渠道充實(shí)補(bǔ)充資本金，優(yōu)化信貸結(jié)構(gòu)，增強(qiáng)抵御風(fēng)險(xiǎn)的能力，為經(jīng)濟(jì)高質(zhì)量發(fā)展提供穩(wěn)定的金融環(huán)境。