劉居照

（中國人民銀行南昌中心支行，江西 南昌 330008）

一、問題的提出

中國房地產(chǎn)業(yè)和銀行業(yè)關(guān)系密切，房價(jià)和信貸波動及二者間的共生性是造成銀行不穩(wěn)定的重要原因（譚政勛和王聰，2011）[1]。各界普遍認(rèn)為，信貸市場與房地產(chǎn)市場間的沖擊效應(yīng)會形成相互強(qiáng)化的順周期波動。理論上看，如果房價(jià)下跌，隨著房貸抵押品價(jià)值走低，則無論是購房者還貸能力或意愿減弱，抑或銀行追加抵押品，均不利于維系房地產(chǎn)金融穩(wěn)定。2020 年新冠肺炎疫情暴發(fā)以來，政策調(diào)控、信貸限制加強(qiáng)，特別是貨幣信貸政策更加強(qiáng)調(diào)靈活精準(zhǔn)、合理適度，房地產(chǎn)貸款集中度管理加強(qiáng)，使得重新審視房地產(chǎn)和信貸市場發(fā)展及其傳導(dǎo)特征具有重要的現(xiàn)實(shí)意義。2020 年11 月，中國人民銀行發(fā)布《中國金融穩(wěn)定報(bào)告（2020）》明確指出，中國商業(yè)銀行體系的客戶集中度、表外業(yè)務(wù)、地方政府債務(wù)、房地產(chǎn)貸款等領(lǐng)域風(fēng)險(xiǎn)值得關(guān)注。中央經(jīng)濟(jì)工作會議指出，2021 年要抓好各種存量風(fēng)險(xiǎn)化解和增量風(fēng)險(xiǎn)防范。所以，從金融業(yè)看，既要加強(qiáng)房地產(chǎn)“灰犀?！钡蕊L(fēng)險(xiǎn)防范，也要提防應(yīng)對疫情有關(guān)政策潛在風(fēng)險(xiǎn)，確保金融體系安全穩(wěn)健運(yùn)行。那么，現(xiàn)階段中國房地產(chǎn)業(yè)與銀行業(yè)的風(fēng)險(xiǎn)程度究竟如何？房地產(chǎn)業(yè)風(fēng)險(xiǎn)與銀行業(yè)風(fēng)險(xiǎn)之間的反饋機(jī)制呈現(xiàn)何種特征？聚焦這些問題進(jìn)行深入探討，可以為宏觀調(diào)控提供參考，對維護(hù)房地產(chǎn)和金融市場安全穩(wěn)健運(yùn)行具有重要的政策含義和應(yīng)用價(jià)值。

從已有研究看，大多圍繞房地產(chǎn)行業(yè)波動與金融體系穩(wěn)定性之間的關(guān)系來展開，主要包括三類。一是房地產(chǎn)風(fēng)險(xiǎn)與銀行風(fēng)險(xiǎn)的作用機(jī)制。例如：銀行資金涌入房地產(chǎn)導(dǎo)致泡沫膨脹，加上道德風(fēng)險(xiǎn)和逆向選擇，導(dǎo)致銀行風(fēng)險(xiǎn)不斷累積（Allen 和Gale，2000）[2]；銀行資金撤出房地產(chǎn)會導(dǎo)致泡沫破裂，進(jìn)而產(chǎn)生大面積不良資產(chǎn)和儲戶擠兌，最終威脅金融穩(wěn)定（Allen和Carletti，2008）[3]；房價(jià)對均衡價(jià)值的偏離以及房價(jià)上漲對銀行風(fēng)險(xiǎn)溢價(jià)和杠桿率的影響都可能放大銀行風(fēng)險(xiǎn)（譚政勛和陳銘，2012；司登奎等，2019）[4-5]。二是房地產(chǎn)風(fēng)險(xiǎn)對金融體系的影響。例如：房地產(chǎn)業(yè)存在金融負(fù)外部性，原因在于雖然其創(chuàng)造的經(jīng)濟(jì)效益是局部的，但因其具備顯著的金融屬性和虛擬化特性，造成的社會成本和福利損失卻是全局性的（白欽先和主父海英，2011）[6]；房地產(chǎn)業(yè)對金融機(jī)構(gòu)存在較為顯著的系統(tǒng)性風(fēng)險(xiǎn)溢出效應(yīng)，在時(shí)間維度上具有周期性（孫翎等，2019）[7]；房地產(chǎn)市場和金融市場具有較強(qiáng)相關(guān)性，并存在非對稱效應(yīng)（曹曉飛等，2020）[8]；在新冠肺炎疫情期間尤其要深化金融改革發(fā)展，否則較大的家庭儲蓄和政府刺激會助漲房地產(chǎn)泡沫，增加金融脆弱性（Fendoglu，2021）[9]。三是房地產(chǎn)周期與金融周期的關(guān)系。例如：房地產(chǎn)周期對金融穩(wěn)定的影響主要體現(xiàn)在房地產(chǎn)信貸風(fēng)險(xiǎn)暴露、政府擔(dān)保風(fēng)險(xiǎn)及長存短貸的期限錯(cuò)配風(fēng)險(xiǎn)上（張曉晶和孫濤，2006）[10]；房地產(chǎn)周期與銀行危機(jī)乃至金融穩(wěn)定密切相關(guān)（Pouvelle，2012）[11]；房價(jià)對金融系統(tǒng)性風(fēng)險(xiǎn)存在門檻效應(yīng)（賈慶英和高蕊，2020）[12]。

我們發(fā)現(xiàn)，雖然學(xué)界圍繞房價(jià)沖擊引致金融風(fēng)險(xiǎn)的研究已經(jīng)比較豐富，但是聚焦房地產(chǎn)業(yè)風(fēng)險(xiǎn)與銀行業(yè)風(fēng)險(xiǎn)的聯(lián)動性進(jìn)行深入研究的并不多。基于此，本文綜合運(yùn)用標(biāo)準(zhǔn)差法、FAMA-FRENCH 三因子模型法和動態(tài)因子Copula模型法以及廣義矩估計(jì)檢驗(yàn)和格蘭杰因果檢驗(yàn)等方法，對中國銀行業(yè)和房地產(chǎn)業(yè)市場各14 家主要公司股票收益率進(jìn)行分析，通過聯(lián)動性研究金融市場和房地產(chǎn)市場系統(tǒng)性風(fēng)險(xiǎn)、異質(zhì)性風(fēng)險(xiǎn)和市場聯(lián)合違約概率以及對風(fēng)險(xiǎn)傳導(dǎo)方向和效率進(jìn)行量化檢驗(yàn)。相比以往文獻(xiàn)，本文可能的創(chuàng)新之處在于：一是將銀行業(yè)風(fēng)險(xiǎn)和房地產(chǎn)業(yè)風(fēng)險(xiǎn)細(xì)分為波動率、系統(tǒng)性風(fēng)險(xiǎn)、異質(zhì)性風(fēng)險(xiǎn)和違約概率進(jìn)行分析，對各種表現(xiàn)形式風(fēng)險(xiǎn)的走勢和重大事件沖擊影響進(jìn)行量化對比，豐富了現(xiàn)有研究；二是量化了銀行業(yè)與房地產(chǎn)業(yè)間風(fēng)險(xiǎn)傳導(dǎo)的方向、周期和效率，為以往的研究結(jié)論提供了實(shí)證支撐。本文研究認(rèn)為，針對銀行業(yè)市場，須重點(diǎn)關(guān)注其可能向其他市場傳導(dǎo)的系統(tǒng)性風(fēng)險(xiǎn)，從源頭上提高金融系統(tǒng)穩(wěn)定程度；而針對房地產(chǎn)市場，既要從宏觀角度把握金融市場風(fēng)險(xiǎn)，也要從微觀角度警惕異質(zhì)性風(fēng)險(xiǎn)，可以為宏觀調(diào)控政策提供參考，對維護(hù)房地產(chǎn)和金融市場的安全穩(wěn)健運(yùn)行具有重要的政策含義和應(yīng)用價(jià)值。

二、理論分析

（一）房地產(chǎn)業(yè)與銀行業(yè)市場間相關(guān)風(fēng)險(xiǎn)的界定

1.總體風(fēng)險(xiǎn)

總體風(fēng)險(xiǎn)囊括了各種各樣的風(fēng)險(xiǎn)因子，通過觀察總體風(fēng)險(xiǎn)狀況，可以對市場整體面臨的不確定性進(jìn)行預(yù)判。本文對于房地產(chǎn)市場與銀行市場的總體風(fēng)險(xiǎn)情況運(yùn)用收益率波動的標(biāo)準(zhǔn)差進(jìn)行衡量，該方法是最簡單、最常見的衡量方式，后續(xù)本文將風(fēng)險(xiǎn)進(jìn)一步細(xì)分為系統(tǒng)性風(fēng)險(xiǎn)與異質(zhì)性風(fēng)險(xiǎn)。

2.系統(tǒng)性風(fēng)險(xiǎn)

當(dāng)前學(xué)術(shù)界和監(jiān)管當(dāng)局對系統(tǒng)性風(fēng)險(xiǎn)的定義并不統(tǒng)一。例如IMF（國際貨幣基金組織）、BIS（國際清算銀行）和FSB（金融穩(wěn)定委員會）將系統(tǒng)性風(fēng)險(xiǎn)定義為金融體系部分或全部受損時(shí)引發(fā)的大范圍金融服務(wù)失效且可能對實(shí)體經(jīng)濟(jì)產(chǎn)生嚴(yán)重沖擊的風(fēng)險(xiǎn)；又如 Benoit（2017）[13]將系統(tǒng)性風(fēng)險(xiǎn)定義為導(dǎo)致市場大量參與者同時(shí)遭受嚴(yán)重?fù)p失，并迅速擴(kuò)散到其他系統(tǒng)中的風(fēng)險(xiǎn)。盡管系統(tǒng)性風(fēng)險(xiǎn)沒有統(tǒng)一定義，但卻形成了以下共識，即系統(tǒng)性風(fēng)險(xiǎn)是全局性風(fēng)險(xiǎn)且具有傳染性，一旦房地產(chǎn)泡沫破裂，將惡化銀行資產(chǎn)質(zhì)量并導(dǎo)致流動性嚴(yán)重不足，進(jìn)而引發(fā)整個(gè)金融體系不穩(wěn)定并對經(jīng)濟(jì)持續(xù)穩(wěn)定增長產(chǎn)生重大沖擊。系統(tǒng)性風(fēng)險(xiǎn)的度量有兩類主要技術(shù)方法：一類為結(jié)構(gòu)化方法，通常通過構(gòu)建矩陣模型和網(wǎng)絡(luò)模型對金融機(jī)構(gòu)間的敞口數(shù)據(jù)進(jìn)行分析，研究系統(tǒng)性風(fēng)險(xiǎn)傳染的路徑、影響范圍及影響大??；另一類為簡約化方法，基于機(jī)構(gòu)股票收益率、CDS 價(jià)差、信用違約互換費(fèi)率等市場數(shù)據(jù)建立模型進(jìn)行度量?？紤]到數(shù)據(jù)可得性以及市場數(shù)據(jù)前瞻性等因素，本文基于第二種方法度量系統(tǒng)性風(fēng)險(xiǎn)。

3.異質(zhì)性風(fēng)險(xiǎn)

異質(zhì)性風(fēng)險(xiǎn)是個(gè)股自身情況引起的風(fēng)險(xiǎn)，在“股災(zāi)”、新冠肺炎疫情、房地產(chǎn)政策變動等特殊時(shí)期，個(gè)股的異質(zhì)性風(fēng)險(xiǎn)表現(xiàn)尤為明顯，風(fēng)險(xiǎn)水平顯著提升。近年來，隨著各項(xiàng)房地產(chǎn)、金融政策的出臺落地，銀行和房地產(chǎn)市場異質(zhì)性風(fēng)險(xiǎn)基本控制在一個(gè)較低水平。本文主要采用FAMA-FRENCH 三因子模型法來衡量房地產(chǎn)市場與銀行業(yè)市場的異質(zhì)性風(fēng)險(xiǎn)。

4.聯(lián)合違約概率

聯(lián)合違約概率主要用來測度行業(yè)給定公司的系統(tǒng)重要性。關(guān)于這一概念，學(xué)術(shù)界早有討論，例如Segoviano 和Goodhart（2009）[14]引入給定一家銀行違約的情況下其余銀行聯(lián)合違約的概率，以此測度給定銀行的系統(tǒng)重要性；Zhou（2010）[15]運(yùn)用極值理論提出系統(tǒng)性沖擊指數(shù)，測度在給定銀行違約情況下其余銀行的期望違約數(shù)量；Xu 等（2017）[16]通過聯(lián)合違約概率構(gòu)建條件聯(lián)合違約概率，以此分析歐洲銀行系統(tǒng)中“過于關(guān)聯(lián)而不能倒”的銀行，類似的聯(lián)合違約概率拓寬至房地產(chǎn)市場亦能測度類似房企的系統(tǒng)性重要性。本文采用動態(tài)因子Copula模型法來測度銀行業(yè)與房地產(chǎn)業(yè)的聯(lián)合違約概率。

（二）房地產(chǎn)市場與銀行業(yè)市場間相關(guān)風(fēng)險(xiǎn)的傳導(dǎo)渠道

中國房地產(chǎn)行業(yè)與銀行業(yè)存在著雙向依賴、雙向驅(qū)動的關(guān)系（葛紅玲和聶曉曦，2015）[17]。一方面，房價(jià)輪番上漲使得家庭部門形成了房價(jià)“只漲不跌”的預(yù)期，進(jìn)而刺激大量家庭部門舉債購房；另一方面，房地產(chǎn)市場與銀行體系形成了利益共同體關(guān)系，由于房地產(chǎn)行業(yè)的資金主要來源于銀行信貸，而如果考慮到與房地產(chǎn)行業(yè)存在緊密關(guān)聯(lián)的建筑、鋼鐵等行業(yè)，則銀行體系投入到房地產(chǎn)行業(yè)相關(guān)的信貸資金會更多（司登奎等，2019）[5]。因此，房地產(chǎn)市場與銀行信貸之間形成了雙向依賴、雙向驅(qū)動關(guān)系，促成房地產(chǎn)業(yè)的金融化、泡沫化傾向逐步加強(qiáng)，導(dǎo)致宏觀杠桿率逐步提升，風(fēng)險(xiǎn)逐步積聚并在房地產(chǎn)業(yè)與銀行業(yè)逐步形成聯(lián)動。具體傳導(dǎo)渠道如下。

1.房地產(chǎn)業(yè)與銀行業(yè)正反饋效應(yīng)傳導(dǎo)渠道

一是居民財(cái)富效應(yīng)。房價(jià)上升給居民帶來財(cái)富效應(yīng)，促進(jìn)居民消費(fèi)和企業(yè)生產(chǎn)，提高經(jīng)濟(jì)水平，有利于金融穩(wěn)定。二是抵押效應(yīng)。當(dāng)房地產(chǎn)價(jià)格上漲時(shí)，房地產(chǎn)作為抵押資產(chǎn)價(jià)值上升，基于托賓Q理論和價(jià)值抵押理論，企業(yè)資產(chǎn)狀況得到改善，可以從銀行獲取更多資金，從而改善資產(chǎn)負(fù)債表，增加企業(yè)投資的信心和積極性，進(jìn)而降低經(jīng)濟(jì)風(fēng)險(xiǎn)，維系金融穩(wěn)定。對于銀行而言，銀行持有的抵押品價(jià)值上升，會優(yōu)化銀行資產(chǎn)負(fù)債表，有利于增強(qiáng)金融系統(tǒng)的穩(wěn)定性。三是投資者渠道。居民財(cái)富增加，企業(yè)盈利穩(wěn)定，會增強(qiáng)投資者信心，提高資源配置效率，加強(qiáng)銀行與房地產(chǎn)業(yè)的正向聯(lián)動。雖然該過程會增加貸款，但經(jīng)濟(jì)總量在增長，經(jīng)濟(jì)整體的資產(chǎn)負(fù)債情況得到優(yōu)化。如果處于比較成熟的金融發(fā)展階段，金融系統(tǒng)就能夠?qū)⒎康禺a(chǎn)價(jià)格上漲的影響傳遞到經(jīng)濟(jì)體的其他領(lǐng)域；但如果金融系統(tǒng)不完善，那么即使在經(jīng)濟(jì)杠桿較低情況下，房地產(chǎn)價(jià)格上漲也不一定會促進(jìn)金融穩(wěn)定。

2.房地產(chǎn)業(yè)與銀行業(yè)負(fù)反饋效應(yīng)傳導(dǎo)渠道

一是擠出效應(yīng)。對于家庭來說，較高的負(fù)債率本身就是沉重的負(fù)擔(dān)，面臨房地產(chǎn)價(jià)格上漲，無房戶需要壓縮消費(fèi)積攢首付款，有房戶則大多通過貸款購得，同樣也會擠出消費(fèi)，所以總體表現(xiàn)出家庭部門負(fù)債率上升，對消費(fèi)產(chǎn)生擠出效應(yīng)。二是虹吸效應(yīng)。對企業(yè)部門來說，高負(fù)債率下實(shí)體企業(yè)的資金通過虹吸效應(yīng)會流向高回報(bào)率領(lǐng)域，原本用于企業(yè)創(chuàng)新研發(fā)的資金和用于實(shí)體企業(yè)設(shè)備改造的資金會流向房地產(chǎn)市場，企業(yè)產(chǎn)出水平下降，整體表現(xiàn)出投機(jī)性增強(qiáng)，從而增加金融系統(tǒng)性風(fēng)險(xiǎn)。對于金融中介而言，在高杠桿情況下，金融系統(tǒng)脆弱性增強(qiáng)。一旦發(fā)生信用危機(jī)或房地產(chǎn)價(jià)格大幅下跌，銀行資本金無法在極速貶值的抵押資產(chǎn)中快速抽身，資不抵債將造成大面積的銀行、企業(yè)破產(chǎn)，風(fēng)險(xiǎn)在房地產(chǎn)業(yè)和銀行業(yè)間傳導(dǎo)并互相促進(jìn)。三是溢出效應(yīng)。房地產(chǎn)業(yè)和銀行業(yè)劇烈波動將沖擊其他行業(yè)和金融部門，形成更廣泛的聯(lián)動，風(fēng)險(xiǎn)跨市場迅猛傳播，資源“脫實(shí)向虛”導(dǎo)致經(jīng)濟(jì)虛擬化程度加重，進(jìn)一步導(dǎo)致金融風(fēng)險(xiǎn)系統(tǒng)化，增加金融體系脆弱性。

有鑒于此，本文旨在聯(lián)動研究金融市場和房地產(chǎn)市場總體風(fēng)險(xiǎn)、系統(tǒng)性風(fēng)險(xiǎn)、異質(zhì)性風(fēng)險(xiǎn)和市場聯(lián)合違約概率，并對風(fēng)險(xiǎn)傳導(dǎo)方向和效率進(jìn)行量化檢驗(yàn)。

三、研究設(shè)計(jì)

（一）數(shù)據(jù)樣本

1.商業(yè)銀行樣本說明及描述性統(tǒng)計(jì)

本文參照王輝和梁俊豪（2020）[18]的做法，并綜合考慮數(shù)據(jù)完整性、可獲取程度以及代表性，選取工商銀行、建設(shè)銀行、中國銀行、交通銀行、中信銀行、北京銀行、興業(yè)銀行、招商銀行、民生銀行、華夏銀行、南京銀行、浦發(fā)銀行、平安銀行、寧波銀行14 家銀行股票的對數(shù)收益率作為中國銀行業(yè)系統(tǒng)性風(fēng)險(xiǎn)數(shù)據(jù)來源，樣本期為 2015 年 1 月 1 日至 2021 年 4 月30 日，股票收益率為日度對數(shù)收益率。選取以上銀行作為樣本的主要原因有：一是中國大多數(shù)銀行于2007年開始陸續(xù)上市，選取以上14家銀行能夠較大程度滿足數(shù)據(jù)的完整性；二是這14 家銀行2021 年4月30 日收盤時(shí)流通市值之和占A 股市場上市的所有銀行業(yè)股票總流通市值的比重約為90%，具有較好的代表性；三是這14 家銀行樣本量均為1541，涵蓋的歷史時(shí)間較長，既確保了結(jié)論可靠性，也減少了程序計(jì)算時(shí)間。表1對14家銀行股票收益率進(jìn)行了一個(gè)簡單描述性統(tǒng)計(jì)。總體來說，銀行業(yè)股票收益率波動不大，日均收益率數(shù)值不高。國有商業(yè)銀行股票收益率標(biāo)準(zhǔn)差略低于股份制銀行、城市商業(yè)銀行等其他類型銀行，反映出國有商業(yè)銀行的股市投資風(fēng)險(xiǎn)略低于其他類型銀行。日均收益率最高的銀行是招商銀行，最低的是民生銀行。投資風(fēng)險(xiǎn)最高的是南京銀行，標(biāo)準(zhǔn)差為2.7143%；最低的是工商銀行，標(biāo)準(zhǔn)差為1.4606%。此外，本文所使用數(shù)據(jù)均為經(jīng)過除權(quán)除息調(diào)整后的數(shù)據(jù)，故而收益率均介于-11.63%至9.62%的合理區(qū)間內(nèi)。

表1 中國部分銀行業(yè)股票收益率的描述性統(tǒng)計(jì)

2.房地產(chǎn)公司樣本及描述性統(tǒng)計(jì)

本文采用房地產(chǎn)業(yè)部分公司股票市場收益率衡量房地產(chǎn)行業(yè)系統(tǒng)性風(fēng)險(xiǎn)。為了與金融行業(yè)相對應(yīng)，選取萬科A、保利地產(chǎn)、綠地控股、華僑城A、金地集團(tuán)、金科股份、陸家嘴、張江高科、中南建設(shè)、新湖中寶、上海臨港、榮盛發(fā)展、陽光城、華夏幸福14家房地產(chǎn)業(yè)公司股票對數(shù)收益率作為中國房地產(chǎn)業(yè)系統(tǒng)性風(fēng)險(xiǎn)數(shù)據(jù)來源，樣本期為2015 年1 月1 日至2021 年4 月30 日，股票收益率為日度對數(shù)收益率。之所以選取這些股票：一是流通市值份額占比高，具有市場代表性；二是在2015 年1 月1 日后有數(shù)據(jù)且不中斷，存在分析可能性；三是14 家房地產(chǎn)業(yè)公司股票樣本量均為1541，與銀行業(yè)股票樣本量一致。表2對14家房地產(chǎn)公司股票收益率進(jìn)行了一個(gè)簡單描述性統(tǒng)計(jì)，總體來說，房地產(chǎn)股票收益率均值絕對值和標(biāo)準(zhǔn)差都要高于銀行業(yè)股票，這反映出房地產(chǎn)市場投資風(fēng)險(xiǎn)要高于銀行業(yè)股票。若采用單位風(fēng)險(xiǎn)收益（均值/標(biāo)準(zhǔn)差）來衡量各股票的投資價(jià)值，房地產(chǎn)市場中投資價(jià)值最高的是萬科A，最低的是華夏幸福。與銀行業(yè)股票相比，房地產(chǎn)業(yè)股票過去6 年平均單位風(fēng)險(xiǎn)收益略高。

表2 中國部分房地產(chǎn)業(yè)股票收益率的描述性統(tǒng)計(jì)

3.商業(yè)銀行和房地產(chǎn)公司樣本偏度和峰度分析

表3 給出了樣本股票收益率的偏度和峰度統(tǒng)計(jì)。從表中可知，79%的銀行業(yè)股票和房地產(chǎn)業(yè)股票收益率偏度為負(fù)，收益率具有左偏性質(zhì)；同時(shí)銀行業(yè)股票和房地產(chǎn)業(yè)股票收益率峰度均值分別達(dá)到8.24 和3.58，在分布上呈現(xiàn)尖峰厚尾特征。通過Jarque-Bera 檢驗(yàn)可知，各收益率序列均拒絕服從正態(tài)分布的原假設(shè)。因此，我們在對邊際分布建模時(shí)不能簡單考慮殘差服從正態(tài)分布，而要采用GARCH族模型，以減小模型擬合誤差。

表3 樣本股票收益率的偏度和峰度

（二）計(jì)量方法

本文采用三種方法衡量個(gè)股風(fēng)險(xiǎn)和市場風(fēng)險(xiǎn)，分別為標(biāo)準(zhǔn)差法、FAMA-FRENCH 三因子模型法和動態(tài)因子Copula模型法。

1.標(biāo)準(zhǔn)差法

該方法是最簡單、最常見的衡量方式，本文采用該方法衡量個(gè)股的總體風(fēng)險(xiǎn)（相對后述系統(tǒng)性風(fēng)險(xiǎn)和異質(zhì)性風(fēng)險(xiǎn)而言）。為了更直觀地展現(xiàn)股票收益率波動率變化，本文進(jìn)一步采用移動窗口方式計(jì)算標(biāo)準(zhǔn)差。

2.FAMA-FRENCH三因子模型法

該模型認(rèn)為，一個(gè)投資組合的超額回報(bào)率可以由它對三個(gè)因子的暴露來解釋，這三個(gè)因子分別是市場投資組合超額收益率、市值因子和賬面市值比因子。這個(gè)多因子模型可以表示為：

其中，Rit為股票收益率，Rmt為市場收益率，Rft為無風(fēng)險(xiǎn)利率，本文中使用銀行間隔夜拆借利率作為代理變量，SMBt為市值因子，HMLt為賬面市值比因子，μt為模型殘差。根據(jù)模型理論，我們可以用來衡量市場超額收益率對個(gè)股超額收益率的影響，也即系統(tǒng)性風(fēng)險(xiǎn)大小。βi的值越大，市場波動對個(gè)股的影響程度越大，系統(tǒng)性風(fēng)險(xiǎn)越高。而殘差的標(biāo)準(zhǔn)差sd(μt)表示個(gè)股超額收益率中無法被市場超額收益率、市值因子、賬面市值比因子解釋的部分，sd(μt)的值可以用來衡量個(gè)股自身因素對個(gè)股超額收益率的影響，也即異質(zhì)性風(fēng)險(xiǎn)，與系統(tǒng)性風(fēng)險(xiǎn)相對。類似地，為了更直觀地展現(xiàn)股票系統(tǒng)性風(fēng)險(xiǎn)和異質(zhì)性風(fēng)險(xiǎn)變化，本文進(jìn)一步采用移動窗口的方式進(jìn)行擬合。

3.動態(tài)因子Copula模型法

該方法由Oh和Patton（2017）[19]首先提出。相較CoVaR 模型、Copula 函數(shù)等風(fēng)險(xiǎn)測量方法，該方法具有以下優(yōu)點(diǎn)：一是能夠較為準(zhǔn)確地測算多個(gè)股票的聯(lián)合違約概率，即系統(tǒng)性風(fēng)險(xiǎn)發(fā)生概率，且可以考慮金融市場收益率尖峰厚尾特征；二是能夠反映不同銀行之間的差異；三是可以避免“維數(shù)詛咒”，在計(jì)算多個(gè)收益率的聯(lián)合違約概率時(shí)仍具有較高的計(jì)算效率。本文構(gòu)建動態(tài)因子Copula 模型的主要步驟：一是采用ARMA-GARCH-Skewt 分布模型對每只股票的邊際收益率進(jìn)行擬合，得到邊際分布函數(shù)；二是將各邊際分布函數(shù)運(yùn)用動態(tài)因子Copula模型計(jì)算聯(lián)合分布函數(shù)；三是運(yùn)用聯(lián)合分布函數(shù)計(jì)算全市場聯(lián)合違約概率，以衡量系統(tǒng)性風(fēng)險(xiǎn)的整體水平及其演變趨勢。

在得到金融市場系統(tǒng)性風(fēng)險(xiǎn)變化趨勢和房地產(chǎn)市場系統(tǒng)性風(fēng)險(xiǎn)變化趨勢后，本文進(jìn)一步采用時(shí)間序列檢驗(yàn)方法檢驗(yàn)風(fēng)險(xiǎn)在兩市場間的傳導(dǎo)情況：一方面，采用廣義矩估計(jì)檢驗(yàn)（GMM）方法對上述模型進(jìn)行量化檢驗(yàn)，分析風(fēng)險(xiǎn)傳導(dǎo)效率，該方法可以有效緩解模型數(shù)據(jù)內(nèi)生性對結(jié)果帶來的影響，提高結(jié)果估計(jì)的準(zhǔn)確性；另一方面，使用格蘭杰因果檢驗(yàn)方法來檢驗(yàn)風(fēng)險(xiǎn)傳導(dǎo)方向。

四、實(shí)證研究

（一）模型一：使用標(biāo)準(zhǔn)差法估計(jì)市場總體風(fēng)險(xiǎn)

使用標(biāo)準(zhǔn)差法估計(jì)2015—2021 年銀行市場和房地產(chǎn)市場總體風(fēng)險(xiǎn)走勢，所使用數(shù)據(jù)為按照流通市值為權(quán)重加權(quán)平均的14 家公司的平均收益率，結(jié)果如圖1 和圖2 所示。圖1 的T 取值30，含義為當(dāng)日風(fēng)險(xiǎn)使用過去一個(gè)月收益率波動大小計(jì)算；圖2 中的T 取值90，含義為當(dāng)日風(fēng)險(xiǎn)使用過去一個(gè)季度收益率波動大小計(jì)算。圖1 一般用來衡量短期內(nèi)總體風(fēng)險(xiǎn)變化情況，其優(yōu)勢在于波動劇烈、反應(yīng)迅速，但因樣本量限制而使準(zhǔn)確性降低；圖2 一般用來衡量長期內(nèi)總體風(fēng)險(xiǎn)變化情況，其優(yōu)勢在于樣本量多，準(zhǔn)確性提高，但風(fēng)險(xiǎn)反應(yīng)速度、響應(yīng)時(shí)間延長。從中可知，銀行業(yè)和房地產(chǎn)業(yè)市場總體風(fēng)險(xiǎn)走勢基本一致，2015 年受股市收益率大漲大跌的“股災(zāi)”影響，兩市場總體風(fēng)險(xiǎn)值一度達(dá)到0.04，進(jìn)入2016 年后總體風(fēng)險(xiǎn)趨于平穩(wěn)。2018 年由于中美貿(mào)易摩擦影響，兩市場總體風(fēng)險(xiǎn)又有所升高；2020 年新冠肺炎疫情和全球金融市場震蕩再度抬升總體風(fēng)險(xiǎn)。這些特殊時(shí)點(diǎn)在圖2 中體現(xiàn)得更加明顯。近期而言，兩市場總體風(fēng)險(xiǎn)總體維持在穩(wěn)定水平（短期在0.01—0.02 之間，長期在0.01—0.015之間），市場運(yùn)行較為穩(wěn)定。

圖1 2015—2021年銀行業(yè)股票市場和房地產(chǎn)業(yè)股票市場總體風(fēng)險(xiǎn)序列圖（T=30）

圖2 2015—2021年銀行業(yè)股票市場和房地產(chǎn)業(yè)股票市場總體風(fēng)險(xiǎn)序列圖（T=90）

進(jìn)一步對比金融行業(yè)和房地產(chǎn)行業(yè)，我們發(fā)現(xiàn)，2016 年以后，不管是短期水平還是長期水平上，房地產(chǎn)業(yè)市場總體風(fēng)險(xiǎn)波動都比銀行業(yè)市場更為劇烈。這不僅表現(xiàn)在峰頂?shù)臄?shù)值更高，也表現(xiàn)在峰值出現(xiàn)得更加頻繁。這可能是房地產(chǎn)市場對消息、投資者情緒反應(yīng)更為靈敏所致。此外，我們還發(fā)現(xiàn)在2016 年下半年，房地產(chǎn)市場總體風(fēng)險(xiǎn)出現(xiàn)了一個(gè)較高峰值（短期0.022，長期0.016），而同時(shí)期銀行業(yè)市場并沒有出現(xiàn)，這可能是由2016 年房地產(chǎn)政策調(diào)整所致。2016 年，由于股票市場不景氣，信貸政策寬松，資金逃離嚴(yán)重并大量涌入房地產(chǎn)市場，導(dǎo)致部分一、二線熱點(diǎn)城市房價(jià)上漲明顯，不少專家和投資者呼吁嚴(yán)格約束“炒房”行為。同年下半年召開的中央經(jīng)濟(jì)工作會議提出，要堅(jiān)持“房子是用來住的，不是用來炒的”的定位，在宏觀上管住貨幣，微觀信貸政策要支持合理自住購房，嚴(yán)格限制信貸流向投資投機(jī)性購房，促進(jìn)市場健康平穩(wěn)發(fā)展。由此，中國房地產(chǎn)政策發(fā)生了較大轉(zhuǎn)變，房地產(chǎn)市場投資風(fēng)險(xiǎn)也出現(xiàn)了一定幅度的上升。

（二）模型二：使用FAMA-FRENCH 三因子模型法估計(jì)市場系統(tǒng)性風(fēng)險(xiǎn)和異質(zhì)性風(fēng)險(xiǎn)

使用FAMA-FRENCH 三因子模型法估計(jì)兩市場各只股票的系統(tǒng)性風(fēng)險(xiǎn)和異質(zhì)性風(fēng)險(xiǎn)，結(jié)果如表4 和表 5 所示。表中 β-value 指的是模型 β 系數(shù)值，表示系統(tǒng)性風(fēng)險(xiǎn)大小。若該股票收益率與市場收益率走勢完全相同，則β 系數(shù)為1；若該股票收益率波動弱于市場收益率波動，即該股票受到市場影響較小時(shí)，β 系數(shù)小于1；若該股票收益率波動強(qiáng)于市場收益率波動，即該股票受到市場影響時(shí)放大波動，則β 系數(shù)大于 1。t-value 是 β 系數(shù)的 t 值，即系數(shù)顯著程度。sd（residuals）是模型殘差的標(biāo)準(zhǔn)差，衡量的是異質(zhì)性風(fēng)險(xiǎn)，即該股票受到其他因素影響的擾動程度，其數(shù)值越大表示風(fēng)險(xiǎn)越大。此外，為了保證時(shí)間序列數(shù)據(jù)偽回歸現(xiàn)象，本文還對個(gè)股收益率進(jìn)行ADF檢驗(yàn)。表4和表5顯示所有股票收益率均在1%的顯著性水平上拒絕原假設(shè)，即所有股票收益率在1%的顯著性水平上均平穩(wěn)。從表4和表5風(fēng)險(xiǎn)測量結(jié)果看，2015—2021 年，總的來說房地產(chǎn)業(yè)股票平均系統(tǒng)性風(fēng)險(xiǎn)和平均異質(zhì)性風(fēng)險(xiǎn)均要高于銀行業(yè)股票，且所有股票β 系數(shù)均在1%的顯著性水平上顯著。因此，銀行業(yè)股票較房地產(chǎn)業(yè)股票市場波動的程度較小，漲跌幅明顯低于市場。銀行業(yè)股票中異質(zhì)性風(fēng)險(xiǎn)較高的股票主要是城市商業(yè)銀行股票和股份制銀行股票，國有銀行股票異質(zhì)性風(fēng)險(xiǎn)明顯低于上述二者。

表4 中國部分銀行業(yè)股票的系統(tǒng)性風(fēng)險(xiǎn)和異質(zhì)性風(fēng)險(xiǎn)

表5 中國部分房地產(chǎn)業(yè)股票的系統(tǒng)性風(fēng)險(xiǎn)和異質(zhì)性風(fēng)險(xiǎn)

圖3 和圖4 展示的是2015—2021 年銀行業(yè)股票市場和房地產(chǎn)業(yè)股票市場系統(tǒng)性風(fēng)險(xiǎn)和異質(zhì)性風(fēng)險(xiǎn)序列圖。其計(jì)算數(shù)據(jù)來自表4和表5，具體計(jì)算方式是將每期所有股票系統(tǒng)性風(fēng)險(xiǎn)和異質(zhì)性風(fēng)險(xiǎn)按照流通市值（市場份額）加權(quán)平均所得。特別要說明的是，由于系統(tǒng)性風(fēng)險(xiǎn)期望值為1，因此在計(jì)算系統(tǒng)性風(fēng)險(xiǎn)加權(quán)平均值時(shí)先用減去1 的數(shù)值計(jì)算，然后再加1。從中可知，不管是系統(tǒng)性風(fēng)險(xiǎn)還是異質(zhì)性風(fēng)險(xiǎn)，房地產(chǎn)行業(yè)風(fēng)險(xiǎn)均強(qiáng)于銀行業(yè)。對于銀行業(yè)股票來說，系統(tǒng)性風(fēng)險(xiǎn)的波動頻率及幅度強(qiáng)于異質(zhì)性風(fēng)險(xiǎn)，異質(zhì)性風(fēng)險(xiǎn)僅在2015 年發(fā)揮了較強(qiáng)作用；對于房地產(chǎn)業(yè)股票來說，系統(tǒng)性風(fēng)險(xiǎn)在2018 年前發(fā)揮著較強(qiáng)作用，而異質(zhì)性風(fēng)險(xiǎn)僅在2015 年發(fā)揮了較強(qiáng)作用。這說明：一是在“股災(zāi)”期間，系統(tǒng)性風(fēng)險(xiǎn)和異質(zhì)性風(fēng)險(xiǎn)同時(shí)作用于股票收益率，引起收益率劇烈波動；二是在股市平穩(wěn)期，系統(tǒng)性風(fēng)險(xiǎn)發(fā)揮著較強(qiáng)作用，較大程度影響著股市穩(wěn)定性，故而防范化解重大金融風(fēng)險(xiǎn)具有較強(qiáng)現(xiàn)實(shí)意義；三是近年來兩市場系統(tǒng)性風(fēng)險(xiǎn)呈現(xiàn)明顯平穩(wěn)態(tài)勢，并且均值有下降勢頭，說明近年來防范金融風(fēng)險(xiǎn)已有較為明顯的成效。

圖3 2015—2021年銀行業(yè)和房地產(chǎn)業(yè)股票市場系統(tǒng)性風(fēng)險(xiǎn)序列圖（T=30）

圖4 2015—2021年銀行業(yè)和房地產(chǎn)業(yè)股票市場異質(zhì)性風(fēng)險(xiǎn)序列圖（T=30）

圖5 和圖6 則是長期水平（T=90）上兩市場系統(tǒng)性風(fēng)險(xiǎn)和異質(zhì)性風(fēng)險(xiǎn)序列圖。長期水平上的結(jié)論與短期水平基本一致，但系統(tǒng)性風(fēng)險(xiǎn)的下降趨勢更明顯。前文提到的2016 年下半年政策改變引起房地產(chǎn)總體風(fēng)險(xiǎn)升高的現(xiàn)象，在圖3至圖6中可以將結(jié)論進(jìn)一步細(xì)化，即2016 年下半年政策調(diào)整引起房地產(chǎn)風(fēng)險(xiǎn)升高的現(xiàn)象，主要是由系統(tǒng)性風(fēng)險(xiǎn)所致。此外，房地產(chǎn)政策調(diào)整引起的系統(tǒng)性風(fēng)險(xiǎn)升高比“股災(zāi)”來得更強(qiáng)烈，可能是“股災(zāi)”引起整個(gè)股票市場泡沫破滅風(fēng)險(xiǎn)均攤于所有市場股票，而房地產(chǎn)市場政策調(diào)整主要作用于本市場，即單個(gè)市場的系統(tǒng)性風(fēng)險(xiǎn)對于該市場單只股票收益率的作用程度強(qiáng)于多市場聯(lián)合系統(tǒng)性風(fēng)險(xiǎn)。

圖5 2015—2021年銀行業(yè)和房地產(chǎn)業(yè)股票市場系統(tǒng)性風(fēng)險(xiǎn)序列圖（T=90）

圖6 2015—2021年銀行業(yè)和房地產(chǎn)業(yè)股票市場異質(zhì)性風(fēng)險(xiǎn)序列圖（T=90）

（三）模型三：動態(tài)因子Copula 模型法估計(jì)市場聯(lián)合違約概率

使用動態(tài)因子Copula模型法估計(jì)市場聯(lián)合違約概率。由于該模型無顯性解，因此本文通過1000 次蒙特卡洛模擬估計(jì)聯(lián)合違約概率。參照王輝和梁俊豪（2020）[18]的做法，設(shè)定估計(jì)頻率為月度，并將違約股票數(shù)量設(shè)定為半數(shù)7。即市場上有至少一半的股票處于風(fēng)險(xiǎn)狀態(tài)則認(rèn)為市場處于風(fēng)險(xiǎn)狀態(tài)。結(jié)果如圖7所示。從中可知，在2015—2016上半年，銀行業(yè)市場聯(lián)合違約概率處于2%—32%之間，在2016 年下半年后違約概率降至2%—12%之間，說明“股災(zāi)”較大程度刺激了市場聯(lián)合違約概率提升。對于房地產(chǎn)業(yè)市場來說，違約概率處于2%—37%之間，且其波動頻率和幅度均強(qiáng)于銀行業(yè)市場，這印證了之前結(jié)論。2021 年4 月，銀行業(yè)市場聯(lián)合違約概率為6.7%，房地產(chǎn)業(yè)市場聯(lián)合違約概率為10.0%，房地產(chǎn)業(yè)市場違約概率仍約為銀行業(yè)市場違約概率的1.5倍，目前兩市場股票收益率風(fēng)險(xiǎn)處于歷史較低水平?？偟膩砜?，市場聯(lián)合違約概率的走勢基本與市場總體風(fēng)險(xiǎn)走勢一致，說明系統(tǒng)性風(fēng)險(xiǎn)和異質(zhì)性風(fēng)險(xiǎn)共同作用提高了市場聯(lián)合違約概率。

圖7 2015—2021年銀行業(yè)和房地產(chǎn)業(yè)股票市場聯(lián)合違約概率序列圖

（四）銀行業(yè)市場和房地產(chǎn)業(yè)市場風(fēng)險(xiǎn)聯(lián)動程度

本文采用格蘭杰因果檢驗(yàn)對銀行業(yè)市場和房地產(chǎn)業(yè)市場風(fēng)險(xiǎn)傳導(dǎo)途徑進(jìn)行研究。首先，排除異質(zhì)性風(fēng)險(xiǎn)，因?yàn)楫愘|(zhì)性風(fēng)險(xiǎn)是個(gè)股自身情況引起的風(fēng)險(xiǎn)波動，理論上相互間無傳導(dǎo)性。滯后期是指自變量與因變量間錯(cuò)開的期限，即兩市場間風(fēng)險(xiǎn)傳導(dǎo)時(shí)間。對于總體風(fēng)險(xiǎn)和系統(tǒng)性風(fēng)險(xiǎn)（日度數(shù)據(jù)）而言，單位為日（d），選取1d 和5d；對于聯(lián)合違約概率（月度數(shù)據(jù)）而言，單位為月（m），選取1m 和3m。H0 為格蘭杰因果檢驗(yàn)原假設(shè)，“銀行房地產(chǎn)”指的是銀行業(yè)風(fēng)險(xiǎn)變動不是房地產(chǎn)業(yè)風(fēng)險(xiǎn)變動的原因，“房地產(chǎn)銀行”指的是房地產(chǎn)業(yè)風(fēng)險(xiǎn)變動不是銀行業(yè)風(fēng)險(xiǎn)變動的原因。F 值為格蘭杰因果檢驗(yàn)F 值。GMM 是采用GMM檢驗(yàn)方法對模型傳導(dǎo)系數(shù)進(jìn)行估計(jì)，即所傳導(dǎo)風(fēng)險(xiǎn)大小。該模型為：

表中展示的為β1值。之所以控制Yt-T變量，是為了排除自身持續(xù)性對結(jié)果的影響。對于格蘭杰因果檢驗(yàn)不顯著的傳導(dǎo)途徑，其系數(shù)在10%顯著性水平上與0無顯著差異，因此表中不反映其結(jié)果。表6結(jié)果顯示，一是總體風(fēng)險(xiǎn)由銀行業(yè)向房地產(chǎn)業(yè)傳導(dǎo)較為明顯，且風(fēng)險(xiǎn)產(chǎn)生后1—5 天影響程度略有增強(qiáng)（系數(shù)從0.0113 增至0.0275）；二是房地產(chǎn)業(yè)總體風(fēng)險(xiǎn)產(chǎn)生5 天后向銀行業(yè)傳導(dǎo)較短期（1 天）更明顯（F值分別為5.3292 和1.9629）；三是系統(tǒng)性風(fēng)險(xiǎn)在銀行業(yè)傳導(dǎo)至房地產(chǎn)業(yè)時(shí)顯著，且在短期（1 天）最為顯著；四是聯(lián)合違約概率在兩市場間交叉?zhèn)鲗?dǎo)，持續(xù)期限較長（1—3 月均顯著），且銀行業(yè)向房地產(chǎn)業(yè)傳導(dǎo)的風(fēng)險(xiǎn)效率更高?？偟膩碚f，風(fēng)險(xiǎn)在兩市場間存在交叉?zhèn)鲗?dǎo)、反復(fù)傳導(dǎo)、長期傳導(dǎo)的特征，銀行業(yè)風(fēng)險(xiǎn)在兩市場風(fēng)險(xiǎn)聯(lián)動中占據(jù)主導(dǎo)地位。

表6 格蘭杰因果檢驗(yàn)結(jié)果

五、結(jié)論與政策建議

（一）主要結(jié)論

本文通過對中國銀行業(yè)和房地產(chǎn)業(yè)市場各14家主要公司股票收益率進(jìn)行收集整理，采用標(biāo)準(zhǔn)差法、FAMA-FRENCH 三因子模型法和動態(tài)因子Copula 模型法分別計(jì)算兩市場總體風(fēng)險(xiǎn)、系統(tǒng)性風(fēng)險(xiǎn)、異質(zhì)性風(fēng)險(xiǎn)和市場聯(lián)合違約概率，分析比較兩行業(yè)風(fēng)險(xiǎn)走勢特征，總結(jié)風(fēng)險(xiǎn)發(fā)展趨勢異同。并采用格蘭杰因果檢驗(yàn)方法對風(fēng)險(xiǎn)傳導(dǎo)方向和效率進(jìn)行量化檢驗(yàn)。主要結(jié)論如下。

一是銀行業(yè)和房地產(chǎn)股票市場總體風(fēng)險(xiǎn)走勢基本一致，房地產(chǎn)市場的波動要比銀行市場更為劇烈、頻繁。在“2015 年股災(zāi)”“2018 年中美貿(mào)易摩擦”、房地產(chǎn)政策調(diào)控、新冠肺炎疫情等特殊時(shí)期，兩行業(yè)市場風(fēng)險(xiǎn)顯著提升。近年來，隨著影響事件逐漸平息，各項(xiàng)房地產(chǎn)、金融調(diào)控政策穩(wěn)定出臺實(shí)施，銀行和房地產(chǎn)市場風(fēng)險(xiǎn)基本控制在相對較低水平。

二是進(jìn)一步將總體風(fēng)險(xiǎn)拆分為系統(tǒng)性風(fēng)險(xiǎn)和異質(zhì)性風(fēng)險(xiǎn)，房地產(chǎn)行業(yè)股票平均系統(tǒng)性風(fēng)險(xiǎn)和平均異質(zhì)性風(fēng)險(xiǎn)均高于銀行業(yè)。在“股災(zāi)”期間系統(tǒng)性風(fēng)險(xiǎn)和異質(zhì)性風(fēng)險(xiǎn)顯著放大，引起收益率劇烈波動；在股市平穩(wěn)期，系統(tǒng)性風(fēng)險(xiǎn)發(fā)揮著較強(qiáng)作用，較大程度影響著股市穩(wěn)定性。分市場來看，對于銀行業(yè)，城市商業(yè)銀行股票和股份制銀行股票的異質(zhì)性風(fēng)險(xiǎn)比國有銀行股票更高。近年來兩市場系統(tǒng)性風(fēng)險(xiǎn)呈現(xiàn)明顯的平穩(wěn)態(tài)勢且有下降勢頭，中國近年來防范金融風(fēng)險(xiǎn)已有較為明顯的成效。

三是兩市場的聯(lián)合違約概率與整體風(fēng)險(xiǎn)走勢基本一致，系統(tǒng)性風(fēng)險(xiǎn)和異質(zhì)性風(fēng)險(xiǎn)共同作用于市場聯(lián)合違約概率。房地產(chǎn)市場違約概率高于銀行市場，約為銀行市場違約概率的1.5 倍。近期，兩市場聯(lián)合違約概率保持在2%至12%水平區(qū)間，較股災(zāi)期間的30%以上違約概率大幅降低。

四是風(fēng)險(xiǎn)在兩市場間存在交叉?zhèn)鲗?dǎo)、反復(fù)傳導(dǎo)、長期傳導(dǎo)的特征。總體風(fēng)險(xiǎn)更傾向于在較長期限上反復(fù)傳導(dǎo)，銀行業(yè)向房地產(chǎn)業(yè)傳導(dǎo)更明顯，房地產(chǎn)業(yè)向銀行業(yè)傳導(dǎo)時(shí)間更滯后；系統(tǒng)性風(fēng)險(xiǎn)更傾向于在較短期限由銀行向房地產(chǎn)傳導(dǎo)。聯(lián)合違約概率在較長時(shí)期（1至3月）在兩市場交叉?zhèn)鲗?dǎo)，日均傳導(dǎo)效率約為2.2%?？傮w上，銀行業(yè)相比于房地產(chǎn)業(yè)會對市場穩(wěn)定造成更大影響，銀行業(yè)風(fēng)險(xiǎn)在兩市場風(fēng)險(xiǎn)聯(lián)動中占據(jù)主導(dǎo)地位。

（二）政策建議

金融穩(wěn)定是金融安全的重要基礎(chǔ)，金融安全又是國家安全的重要組成部分。近年來，國際金融危機(jī)頻發(fā)，大宗商品價(jià)格波動劇烈，各國間進(jìn)出口貿(mào)易較量不斷，給國際金融穩(wěn)定帶來了不小沖擊。對于中國而言，如何把握住金融運(yùn)行的動態(tài)規(guī)律、提高金融治理能力和治理水平，對金融服務(wù)發(fā)展、占得國際市場先機(jī)具有重要意義。根據(jù)金融穩(wěn)定抵御沖擊說，金融穩(wěn)定的實(shí)現(xiàn)方式是合理配置金融資源以抵御沖擊，而金融資源中最重要的當(dāng)屬具有乘數(shù)效應(yīng)的銀行存款供應(yīng)。本文即從銀行業(yè)股票市場風(fēng)險(xiǎn)出發(fā)，橫向連接備受關(guān)注且風(fēng)險(xiǎn)波動較為頻發(fā)、劇烈的房地產(chǎn)市場，得出了以下有關(guān)風(fēng)險(xiǎn)防控的政策建議。

一方面，對于銀行業(yè)市場，須重點(diǎn)關(guān)注其可能向其他市場傳導(dǎo)的系統(tǒng)性風(fēng)險(xiǎn)。要從源頭上提高金融系統(tǒng)穩(wěn)定程度，必須要加強(qiáng)銀行業(yè)治理。近年來，中國堅(jiān)持推進(jìn)金融供給側(cè)結(jié)構(gòu)性改革，著力化解突出風(fēng)險(xiǎn)，提高銀行業(yè)服務(wù)實(shí)體經(jīng)濟(jì)能力，已取得不錯(cuò)成效，總體而言風(fēng)險(xiǎn)基本可控，但是當(dāng)前面臨的國際國內(nèi)金融形勢依然嚴(yán)峻。要穩(wěn)固已取得的成果，一是要繼續(xù)堅(jiān)持當(dāng)下嚴(yán)監(jiān)管政策不動搖，做好風(fēng)險(xiǎn)前瞻預(yù)判和防控預(yù)案，動態(tài)把握銀行業(yè)金融風(fēng)險(xiǎn)的周期性與規(guī)律性，做到標(biāo)本兼治，尤其要嚴(yán)格管控銀行房地產(chǎn)信貸，優(yōu)化銀行業(yè)資產(chǎn)結(jié)構(gòu)；二是加快建設(shè)多層次、差異化、高開放度金融體系，有效分散行業(yè)風(fēng)險(xiǎn)沖擊；三是注意防范影子銀行、民間借貸、違法經(jīng)營等監(jiān)管難以觸及領(lǐng)域帶來的風(fēng)險(xiǎn)，持續(xù)整治金融市場亂象，嚴(yán)厲打擊非法金融活動，將銀行業(yè)市場盡可能納入監(jiān)管范圍；四是加快金融市場改革，完善證券市場、期貨市場等資本市場制度，更進(jìn)一步發(fā)揮資本市場作用，提高直接融資比率，優(yōu)化資源配置效率，降低企業(yè)融資成本，促進(jìn)企業(yè)健康發(fā)展，不斷提高居民收入。

另一方面，對于房地產(chǎn)市場，須重點(diǎn)加強(qiáng)房地產(chǎn)金融宏觀審慎管理。要堅(jiān)持“房住不炒”立場不動搖，堅(jiān)決打擊惡意炒房行為，維護(hù)好房地產(chǎn)金融市場穩(wěn)定。特別是近期人民幣匯率波動加劇，疊加新時(shí)期世界經(jīng)濟(jì)格局不斷變化，引起投資者投資意愿頻繁調(diào)整，給房地產(chǎn)金融市場穩(wěn)定帶來不小挑戰(zhàn)?；诒疚难芯拷Y(jié)論，一是既要從宏觀角度把握金融市場風(fēng)險(xiǎn)，在估算單個(gè)市場風(fēng)險(xiǎn)時(shí)考慮各市場間風(fēng)險(xiǎn)傳染性，也要從微觀角度警惕異質(zhì)性風(fēng)險(xiǎn)，關(guān)注每個(gè)公司特別是系統(tǒng)重要性較高的公司突發(fā)風(fēng)險(xiǎn)的狀況；二是把握住新時(shí)期世界經(jīng)濟(jì)格局變化的機(jī)遇，根據(jù)“股災(zāi)”、新冠肺炎疫情、其他國家政策變化可能導(dǎo)致的結(jié)果，不斷修正政策引導(dǎo)方向；三是探索建立市場風(fēng)險(xiǎn)預(yù)警系統(tǒng)，通過宏觀經(jīng)濟(jì)指標(biāo)變化，動態(tài)掌握市場實(shí)時(shí)風(fēng)險(xiǎn)評估指標(biāo)，及時(shí)采取措施穩(wěn)市場；四是加快人民幣國際化步伐，進(jìn)一步提高金融對外開放水平，著力降低美元利率波動對中國金融市場的影響，降低境外風(fēng)險(xiǎn)的溢出效應(yīng)，引導(dǎo)投資者根據(jù)市場需要理性投資。