陸應(yīng)鳳 梁寶麗 周洪鋼

摘要：房地產(chǎn)作為我國經(jīng)濟發(fā)展的壓艙石，其風險狀況對于國民經(jīng)濟發(fā)展至關(guān)重要。本文以房地產(chǎn)金融風險傳遞的3階段模型為切入點，構(gòu)建房地產(chǎn)金融風險預(yù)警的指標體系，利用北京市數(shù)據(jù)以因子分析法劃分房地產(chǎn)金融風險的維度，分別為房價上漲與信貸擴張、房地產(chǎn)業(yè)與金融機構(gòu)、金融機構(gòu)與居民、金融機構(gòu)與政府部門4大維度。最后，基于K-均值聚類算法，測量2010-2020年北京市房地產(chǎn)金融風險狀況，結(jié)果表明，近10年北京市金融風險波動較大且近兩年風險值有上升的趨勢。據(jù)此結(jié)論，提出健全北京市房地產(chǎn)監(jiān)管體系、完善長效機制、完善預(yù)測體系的政策建議。

關(guān)鍵詞：房地產(chǎn)金融風險;預(yù)警體系;因子分析;K-均值聚類

引言

近十年，我國房地產(chǎn)價格持續(xù)上漲，房地產(chǎn)業(yè)已成為中國金融體系最大的“灰犀?！?。黨的十九大中，習(xí)近平總書記強調(diào)，打好防范化解重大風險攻堅戰(zhàn)，重點是防控金融風險。從國際經(jīng)驗教訓(xùn)看，房價和房地產(chǎn)信貸是影響經(jīng)濟金融體系穩(wěn)定的重要因素。如1991年日本房地產(chǎn)泡沫破裂，2007年美國次貸危機發(fā)生并不斷蔓延，致使全球經(jīng)濟遭受重創(chuàng)。而北京市房價收入比居于全國前列，是住房供需矛盾較為突出的城市，其房地產(chǎn)業(yè)的發(fā)展受到業(yè)界、全國的關(guān)注。因此，分析當前北京市房地產(chǎn)金融風險狀況，并探討如何構(gòu)建起有效的預(yù)警體系，對推動北京市房地產(chǎn)業(yè)、金融業(yè)良好運行有著重要意義。

房地產(chǎn)風險，包括房地產(chǎn)價格風險、房地產(chǎn)投資風險等?；仡櫼延形墨I，眾多學(xué)者將房地產(chǎn)風險等價于房地產(chǎn)價格風險，研究房價波動對銀行、居民、實體企業(yè)等部門以及對于系統(tǒng)性金融風險的影響。如齊謳歌（2015）利用VAR-MVGARCH-Asymmetric-BEKK模型表明房地產(chǎn)市場價格下降對銀行信貸的穩(wěn)定性造成影響;白鶴翔等（2020）分析并測度了當房價大幅下跌時對于我國系統(tǒng)性金融風險的影響;唐云鋒與毛軍（2020）以房價下跌為起點，認為房地產(chǎn)的價格風險會與地方債務(wù)風險疊加，對于金融系統(tǒng)產(chǎn)生風險“倒逼”效應(yīng)?？梢?，現(xiàn)有研究對于房地產(chǎn)業(yè)價格大幅波動所導(dǎo)致的經(jīng)濟后果已經(jīng)較為深入，但是房地產(chǎn)的金融風險是否等于房地產(chǎn)價格風險？其中的傳導(dǎo)機制如何？如何構(gòu)建預(yù)警體系？以上問題尚有研究空間。

綜合來看，房地產(chǎn)金融風險可以通過房地產(chǎn)部門與金融機構(gòu)信貸擴張、風險溢出到金融部門、居民、以及政府部門進行風險傳導(dǎo)。所以，本文基于房地產(chǎn)金融風險三階段傳導(dǎo)路徑選取測評指標，利用K-均值聚類算法測度北京市2010-2020年的房地產(chǎn)金融風險狀況，并得出相關(guān)的結(jié)論與建

二、理論分析

在第一階段，銀行是依據(jù)抵押的房地產(chǎn)的價值提供貸款，而其對房產(chǎn)的估值主要是參考當前市場的交易價格。當房地產(chǎn)市場過熱時 ，價格就有被高估的趨勢，進而導(dǎo)致銀行增加下一期的信貸。同時，房價的增長與信貸擴張之間是互相推動的。當金融機構(gòu)增加信貸供給時，客戶的借貸成本就會降低，就會使得房地產(chǎn)資產(chǎn)需求增加，房價將由此增長，而房價增長會使金融機構(gòu)降低房地產(chǎn)貸款抵押客戶的成本，放松信貸標準，進一步促進金融機構(gòu)對房地產(chǎn)業(yè)的信貸。這將導(dǎo)致房地產(chǎn)業(yè)和銀行業(yè)之間的聯(lián)系越發(fā)緊密，風險也不斷累積。

當房價上漲到一定程度之后，超出了后續(xù)購買者的購買能力，或者發(fā)生信貸緊縮，房價上漲的勢頭將會戛然而止，這時進入第二階段——房地產(chǎn)與部門間的風險溢出階段。此時房價開始下跌，一旦房價下跌超出了原本的預(yù)期，原來累積在各個部門的風險將會通過資產(chǎn)信貸等渠道發(fā)生風險溢出。從房地產(chǎn)企業(yè)與金融部門來看，一旦房價大幅下跌時，房地產(chǎn)的資產(chǎn)價值將會下降，企業(yè)的短期償債能力因此減弱，債務(wù)違約風險將大大增加。從以房產(chǎn)為抵押、借貸的居民、其他企業(yè)與金融部門來看。當房價不斷地下跌，作為借貸抵押品的房價價值也將會大幅縮水，當借款人的房子價值小于貸款的價值時，將會出現(xiàn)資不抵債的情況。在這樣的情形之下，資金鏈極大可能發(fā)生斷裂，債務(wù)違約的風險加大，從而影響金融穩(wěn)定。最后，從政府部門與金融部門之間的風險溢出渠道來看，房價的下跌，房地產(chǎn)企業(yè)的經(jīng)營和投資都會受到重創(chuàng)，從而房地產(chǎn)的相關(guān)稅收減少，對地方政府的財政帶來負面影響，政府債務(wù)違約的風險加大。

第三階段將進入雙邊債權(quán)債務(wù)結(jié)構(gòu)的金融機構(gòu)間風險傳染。當房地產(chǎn)風險傳遞到金融機構(gòu)之間后，由于金融機構(gòu)之間存在比如同業(yè)拆借等債務(wù)關(guān)系，一家金融機構(gòu)的信貸資產(chǎn)狀況惡化后會導(dǎo)致與其他金融機構(gòu)之間債務(wù)的違約，進而會導(dǎo)致該金融企業(yè)遭受損害。當信用違約瘋狂蔓延，波及多家金融機構(gòu)時，就極大可能會引發(fā)系統(tǒng)性金融風險

三、房地產(chǎn)金融風險監(jiān)測預(yù)警體系構(gòu)建

房地產(chǎn)金融風險預(yù)警指標體系構(gòu)建

本文根據(jù)房地產(chǎn)金融風險傳遞階段選取衡量指標，主要衡量房地產(chǎn)金融風險傳遞的前兩個階段，對于基于雙邊債權(quán)債務(wù)結(jié)構(gòu)的風險傳遞主要運用邏輯分析。構(gòu)建指標體系如表1。

2.數(shù)據(jù)處理

（1）根據(jù)構(gòu)建的指標體系，本文主要從中國人民銀行官網(wǎng)、中宏數(shù)據(jù)庫、國家統(tǒng)計局等處收集數(shù)據(jù)。因為各個指標實際值量綱不一致、數(shù)值差異較大，因此本文利用極大極小差值法對原始數(shù)據(jù)進行標準化，公式如下：

其中，代表不同的年份，為原始數(shù)據(jù)中第個指標在第年的取值，為標準化后的指標。

（2）由于數(shù)據(jù)存在少數(shù)年份的缺失，本文使用多重插補法進行缺失值填補，利用SPSS軟件可以較快地產(chǎn)生插補值，最終得到可用的數(shù)據(jù)集。

四、基于主成分分析的變量維度劃分

從總方差解釋來看，基于主成分分析法的降維分析將13個變量劃分為4個維度，總累積解釋方差為77.527%，表明4個公共因子基本上能較大程度上解釋北京市房地產(chǎn)金融風險前兩個階段的大部分信息。

通過上表的載荷因子矩陣可知，因子F1主要荷載了房價增長與信貸擴張部分的因素，表明第一階段的房價上漲與信貸擴張是相互交融的，單獨劃分維度合理性較差，因此本文改善維度劃分，將第一階段的房價上漲與信貸擴張融合為一個維度;F2主要荷載了部門間風險溢出時房地產(chǎn)業(yè)與金融機構(gòu)之間的因素;因子F3主要荷載了居民與金融部門之間的風險溢出因素;因子F4主要荷載了政府部門與金融部門的風險溢出因素。

通過載荷因子矩陣，結(jié)合4個因子的方差貢獻率，本文構(gòu)造北京市房地產(chǎn)金融風險變量，計算方式如式（2），再通過取值范圍劃分北京市各個年份所屬的房地產(chǎn)金融風險狀態(tài)。

五、基于K-均值聚類算法的房地產(chǎn)金融風險劃分

如上一部分將房地產(chǎn)金融風險相關(guān)的13個變量劃分為4個維度一樣，我們同樣將取值劃分為與之相對應(yīng)的4種狀態(tài)。現(xiàn)有的研究在劃分風險狀態(tài)時，大多是采用專家法（劉林，2014）或根據(jù)現(xiàn)實情況人為賦權(quán)（羅曉蕾等，2018），以上方法均較為主觀。本文彌補上述不足，以K-均值聚類法對進行分類。

借鑒白鶴翔等人（2020）的風險劃分做法，本文通過K-均值聚類方法將劃分為綠色安全期，向量表示為（0，0，1），記為狀態(tài)1;橙色低風險期（0，1，0），記為狀態(tài)2;與紅色高風險期（1，0，0），記為狀態(tài)3。相應(yīng)的分析結(jié)果如表2：

通過上述分析結(jié)果，我們可以初步將北京市房價上漲與信貸擴張階段、部門間風險溢出階段所構(gòu)成的房地產(chǎn)金融風險指標的閾值劃分為：當為綠色安全期。數(shù)據(jù)的分析結(jié)果大致符合北京市房地產(chǎn)金融風險的狀況。2010年，處于2008年之后的后金融危機時代，房地產(chǎn)泡沫嚴重，各種目的的炒房及投機性購房需求大增，此時房地產(chǎn)金融風險處于較高的水平，因此北京市執(zhí)行“限購令”，規(guī)定北京家庭只能認購一套商品房，此政策一定程度上抑制了房產(chǎn)的需求，此后的2年房地產(chǎn)金融風險較低;2013年至2015年，全國主要城市房價集體下跌，一定程度上影響了北京市的房價水平，房產(chǎn)抵押品價值小幅縮水，所以北京市房地產(chǎn)金融風險進入橙色低風險期;2016至2017年，北京推出“京八條”，拉開年內(nèi)最強的調(diào)控序幕，包括嚴打首付貸、發(fā)文限售、嚴堵商改住等措施，外部的強力監(jiān)控降低了北京市房地產(chǎn)金融風險程度，使其回歸到綠色安全區(qū);但是自2018年開始，北京市房地產(chǎn)金融風險有上升的趨勢，特別是在去年新冠疫情的影響下，買房需求降低，房地產(chǎn)市場一定程度上熱度回落，房產(chǎn)價值存在縮水的風險，這可能引致較為嚴重的房地產(chǎn)金融風險。

六、主要結(jié)論及建議

通過分析我們發(fā)現(xiàn)：（1）北京市房屋價格增速波動較大，但其絕對水平始終在一個較高的水平狀態(tài)下上升;且相當一部分社會固定資產(chǎn)是投入到房地產(chǎn)業(yè)中，若房價大幅下跌則易對實體經(jīng)濟企業(yè)造成沖擊，從而將房地產(chǎn)價格風險傳遞至實體企業(yè)。

（2）商行對于房地產(chǎn)業(yè)的信貸擴張與國家監(jiān)管政策大致同步浮動，表明政府對于房地產(chǎn)業(yè)“房住不炒”的政策調(diào)控 對于金融機構(gòu)影響較為有效。（3）北京市房價收入比值一直居于全國全列，表明北京市個人住宅承載能力較低，當房價下跌時，房屋價值縮水，此時收入水平較低的這一部分群體住宅承載能力再次下降，可能會增加貸款違約風險，風險將由個人蔓延至金融機構(gòu)。（4）由均值聚類算法對北京市房地產(chǎn)金融風險的數(shù)據(jù)結(jié)果來看，近十年來北京市房地產(chǎn)風險波動程度較大且有上升的趨勢。

基于研究結(jié)論，本文提出以下政策建議：首先，規(guī)范房地產(chǎn)金融監(jiān)管體系，提高房地產(chǎn)調(diào)控政策的精準性。北京市作為房地產(chǎn)風險波動程度較大且依然有上升趨勢的一線城市，應(yīng)重視房地產(chǎn)市場波動所引發(fā)的系統(tǒng)性金融風險情況，適時調(diào)整及優(yōu)化宏觀政策工具組合，同時要保持政策的定力和壓力。

其次，健全長效機制，促進房地產(chǎn)市場平穩(wěn)發(fā)展。建議在加強需求側(cè)管理的同時注重長期制度的建設(shè)。完善住房供給體系，加快落實租賃住房配套政策。對于北京市房地產(chǎn)業(yè)現(xiàn)狀而言，或許可以加大土地供給數(shù)量，穩(wěn)定房價過快上漲預(yù)期。

最后，完善基于房地產(chǎn)市場的系統(tǒng)性金融風險監(jiān)測預(yù)體系。建議構(gòu)建房地產(chǎn)市場壓力指數(shù)，量化房價和房地產(chǎn)信貸劇烈波動可能引發(fā)的系統(tǒng)性金融風險水平，確定風險監(jiān)測指標閾值，及時對風險進行預(yù)警。

參考文獻

[1]白鶴祥，劉社芳，羅小偉，劉蕾蕾，郝威亞.基于房地產(chǎn)市場的我國系統(tǒng)性金融風險測度與預(yù)警研究[J]. 金融研究， 2020（8）：54-73.

[2]羅曉蕾，張明輝，許尚超.區(qū)域性金融風險監(jiān)測預(yù)警體系研究——以河南省區(qū)域金融風險為例[J].金融觀察，2018（5）：40-46.

[3]劉林.基于模糊評判方法的區(qū)域系統(tǒng)性金融風險預(yù)警研究[J].金融理論與實踐，2014（12）：38-40.

[4]李夢雨.中國金融風險預(yù)警系統(tǒng)的構(gòu)建研究——基于K-均值聚類算法和BP神經(jīng)網(wǎng)絡(luò)[J].中央財經(jīng)大學(xué)學(xué)報， 2012（10）：25-30.

[5]袁家超，孟慶紅.我國房地產(chǎn)價格與信貸擴張關(guān)系研究[J].商品與質(zhì)量，2012.2.

[6]李佩珈，梁婧.基于宏觀審慎視角的房地產(chǎn)風險預(yù)警研究[J].金融監(jiān)管研究，2018（09）：32-49.

[7]周琦.房地產(chǎn)風險預(yù)警研究方法對比分析[J].科技信息（學(xué)術(shù)研究），2008（07）：75-78.

[8]曾昭法，游悅.基于神經(jīng)網(wǎng)絡(luò)分位數(shù)回歸的金融風險預(yù)警[J].統(tǒng)計與決策，2020，36（14）：137-140.

[9]劉文輝，鄭智，宋高堂.我國房地產(chǎn)金融風險識別系統(tǒng)的構(gòu)建思路探討[J].金融與經(jīng)濟，2007（05）：30-32.

[10]唐云鋒，毛軍.房地產(chǎn)與地方政府債務(wù)風險疊加機制及其金融空間溢出效應(yīng)[J].社會科學(xué)戰(zhàn)線，2020（11）：65-73.

陸應(yīng)鳳，2001年10月生人，女，漢族，重慶綦江，北京工商大學(xué)本科生，研究方向：房地產(chǎn)金融

梁寶麗，1998年12月生人，女，漢族，廣西河池，北京工商大學(xué)本科生，研究方向：房地產(chǎn)金融

周洪鋼，1999年7月生人，男，漢族，北京豐臺，北京工商大學(xué)本科生，研究方向：房地產(chǎn)金融

基金項目：囯家社科基金“我國區(qū)域性房地產(chǎn)金融風險空間溢出機制、效應(yīng)及預(yù)警研究”（19BJL058）; 北京市社會科學(xué)基金重點項目“京津冀地區(qū)房地產(chǎn)金融風險傳遞及預(yù)警研究”（17YJA003）。