房产市场风险与银行信贷风险传导的时滞分析

李运蒙

（五邑大学经济管理学院，广东江门529020）

房产市场风险与银行信贷风险传导的时滞分析

李运蒙

（五邑大学经济管理学院，广东江门529020）

运用向量自回归模型，利用脉冲响应函数和方差分解方法对2007年1月至2010年6月居民中长期消费贷款和房屋销售价格指数月度统计数据之间的波动传导关系和时滞特点进行了研究。研究结果显示：居民中长期消费贷款和房屋销售价格指数之间存在协整关系；长期来看房屋销售价格指数与居民中长期消费贷款互为Granger因果原因；房屋销售价格指数的波动和居民中长期消费贷款的波动之间具有明显的双向传导效应。最后提出了一些相关的政策建议。

风险传导；房屋销售价格指数；居民中长期消费贷款；向量自回归

0 引言

房地产市场是近年来大家比较关注的风险投资领域，而房地产市场的开发融资和消费信贷等许多方面都需要通过银行来实现。据测算，我国目前房地产开发项目所需资金的70%来自于银行，个别项目高达90%[1]，可见房地产行业与银行业有着密切的联系，有关房地产市场的风险及其对银行的影响等问题值得重视和深入研究。

国内有一些学者对此类相关问题作了一些研究，研究内容既包括房地产行业与银行业的关联性问题，也包括房贷风险分析问题。张吉光通过对当时的统计数据分析，认为个人房贷的不良率尚不足百分之一，与其他贷款不良率两位数相比，显得微不足道；如果银行过分夸大房贷的风险，只能白白错过发展的最好时机[2]。刘海啸，王丽欣从房贷业务的参与主体及宏观环境等角度出发，归纳总结了众多学者关于银行房贷风险成因的研究成果，认为房贷风险伴随着房贷业务发生的全过程，银行必须时时刻刻增强房贷风险的防范意识，密切关注宏观经济及房地产行业走势，从贷前到贷后，全流程进行贷款风险控制，并定期对房贷质量进行监测分析[3]。国外也有学者对房地产行业与银行业关系问题进行了研究，Gerlach and peng利用香港1982年1季度至2001年4季度的季度数据，实证分析了银行贷款与房地产价格之间的长期均衡和短期波动关系，认为房地产价格的波动影响银行的信贷扩张，而银行的贷款却不影响房地产价格[4]。

可见，众多学者在对房地产与银行信贷关系及风险分析方面，在不同的时期，提出了各自不同的观点，表明此类问题的研究尚需深入进行，尤其是我国近几年来房价持续上升，在国务院2010年4月17日发出了《关于坚决遏制部分城市房价过快上涨的通知》的形势下，这一问题的研究更加具有现实意义。本文尝试从银行贷款波动与房价的波动关联性分析出发，探讨房产市场风险与银行信贷波动传导的时滞关系，由此分析二者的风险传导关系。

1 理论与模型介绍

1.1 VAR模型

VAR模型是非结构化的多方程模型，它的核心思想是不考虑经济理论而直接考虑经济变量时间序列之间的关系，不包含外生变量的VAR模型的一般形式为：

其中，Yt是n维序列:βt是参数矩阵;Yt-i是Yt的i阶滞后变量；εt是误差项。

模型（1）中的内生变量有m阶滞后期，因此被称为VAR (m)模型。在实际应用中通常希望滞后期m足够大，从而能够完整地反映模型的动态特征，但是滞后期越长，模型中待估计的参数就越多，自由度就越少，因此需要在滞后期和自由度之间寻求一种均衡状态。一般根据AIC和SC较小值的准侧来确定模型阶数：其中，l是对数似然值；n是样本总量；k=m(rd+pm)是估计参数的个数。

1.2 协整检验

传统的VAR理论要求模型中每一个变量都是平稳的，对于非平稳时间序列需要经过差分，得到平稳序列再建立VAR模型，但这样通常会损失水平序列所包含的信息。而随着协整理论的发展，对于非平稳时间序列，只要各变量之间存在协整关系也可以直接建立VAR模型[5]。所谓xt和yt是协整的，要满足下列条件：(1)xt和yt都是I(1)的，即它们是非平稳的，而其一阶差分是平稳的；(2)存在某个线性组合αxt+βyt是I(0)的，且具有零均值，则xt和yt具有协整关系，(α,β)为协整向量。关于协整关系检验与估计的方法主要有Engle-Granger两步法和Johansen极大似然法，本文采用Johansen极大似然法。

1.3 模型稳定性检验与变量关系的Granger检验

利用VAR模型得到估计方程之后需对模型的稳定性进行检验以保证模型的可靠性，本文采取AR根图表检验法（AR Roots Table/Graph），如果被估计的VAR模型中所有根模的倒数小于1，即在单位圆内，则其是稳定的；反之，如果有一个根模的倒数在单位圆之外，则模型不稳定。

由于经济变量的时间序列经常出现伪回归相关问题，即经济意义表明几乎没有联系的序列却可能计算出较大的相关系数，因此通常采用Granger因果检验考察变量之间的因果关系。

Granger因果检验的基本思路是:如果X变量有助于预测Y变量，即在Y的过去值回归中，添加的过去值作为独立变量，可以显著增加回归的解释能力，则X是Y的Granger原因。检验方法如下：

式中：p为最大滞后阶数。检验的原假设是序列X不是序列Y的Granger成因，即βi=0。如果不能拒绝假设，则序列X不是序列Y的Granger原因；如果拒绝假设，则序列X是序列Y的Granger原因。

1.4 脉冲影响函数与方差分解

脉冲响应函数（IPF）用于衡量来自随机扰动项的一个标准差冲击对内生变量当前和未来取值的影响，能够比较直观地刻画出变量之间的动态交互作用及其效应。方差分解是通过分析每一个结构冲击对内生变量变化（通常用方差来度量）的贡献度，进一步评价不同结构冲击的重要性，因此，方差分解给出对模型中的变量产生影响的每个随机扰动的相对重要性的信息，它从另一个角度描述了系统的动态特征。脉冲响应函数是追踪系统对一个变量冲击的效果，方差分解则是将系统的均方误差分解成各个变量冲击所做的贡献。

2 实证分析

2.1 数据选取与处理

由于我国商业银行的房地产贷款一直在中长期贷款中占有比较大的比重[6]，因此本文采用居民中长期消费贷款和房屋销售价格指数进行贷款和房价的关系的分析和研究，而后续的分析结果确实显示二者具有较强的关联性。居民中长期消费贷款来源于中国人民银行数据库的月度数据，房屋销售价格指数数据来源于清华金融研究中心数据库月度数据，数据提取时间段均为：2007年1月-2010年6月。其中房屋销售价格指数原始数据为按月环比指标(即上月为100)，记为，为使两个指标有可比性，将居民中长期消费贷款2007年1月指标设为100，后续各期折算为上月为100的环比指标，记为fj。同时为了使模型的设定更合理并减少或消除潜在的异方差问题，本文对所有序列取自然对数处理。又由于的波动性比较大，故对做指数平滑滤波处理，结果记为lndks，平滑处理运算为：

运用Eviews5.0绘制滤波后的居民中长期消费贷款与房屋销售价格曲线图如图1所示，由图1可以直观上看出两个变量之间有一定的关联性。

2.2 VAR模型建立

在建立var模型之前首先对lnfj和lndks的协整关系进行检验，关于lnfj和lndks的单位根ADF检验和Johansen协整检验结果如表1和表2。根据Johansen协整检验结果，居民中长期消费贷款与房屋销售价格指数之间存在一个协整关系。

表1 ADF检验数据结果

表2 Johansen协整关系检验

2.2.1 VAR模型的建立与检验

运用Eviews5.0根据赤池信息准则（AIC）和舒瓦茨信息准侧（SC）确定了VAR模型的滞后阶数为2，估计模型如下所示：

对模型的平稳性进行特征根检验，结果如图2。

由图2可见所有4个特征根都落在单位圆内，说明模型通过稳定性检验。

2.2.2 Granger检验

对居民中长期消费贷款和房地产销售价格指数做Granger因果检验，选最佳滞后期为4。结果如表3。

表3 lndks与lnfj的Granger因果关系检验结果

由表3可知，房地产价格与居民中长期消费贷款分别在90%和95%的置信水平下通过检验，故两者具有双向因果关系原因。

2.3 脉冲效应

运用Eviews5.0得出居民中长期消费贷款和房屋销售价格指数的动态变化趋势如图3、图4所示。

通过图3我们可以看到：房屋销售价格的一个标准差新息对居民中长期消费贷款的影响期初很不明显，随后逐渐增加并在第3期时达到正向峰值，这种正效应将一直持续到第5期，随后进入负效应并且一直持续到第16期，最后进入平稳阶段，可见房价对居民中长期消费贷款的影响最长可持续17个月左右。

通过图4我们可以看到：居民中长期消费贷款的一个标准差新息使得房价当期即作出反应，这种正效应在第5期达到峰值，且一直持续到第12期，之后出现较小的负效应影响。可见居民中长期消费贷款对房价的影响最长可持续20个月左右。

2.4 方差分解结果

运用Eviews5.0进行方差分解的结果如图5、图6所示。

由图5可知：的新息冲击在第一期对自身的波动贡献度为100%，随着滞后期的增加，方差分解结果逐渐稳定，总方差来自于的部分呈上升趋势，最终趋于约22.93%。总方差来自的部分呈下降趋势，最终趋于约77.07%。

由图6可知：的新息冲击在第一期对自身的波动贡献度为90.85%，随着滞后期的增加，方差分解结果逐渐稳定，总方差来自于的部分呈上升趋势，最终趋于约40.63%。总方差来自于的部分呈下降趋势，最终趋于约59.37%。

3 结论与建议

通过向量自回归模型以及脉冲效应和方差分解法，本文实证考察了2007年1月至2010年6月期间我国居民中长期消费贷款和房屋销售价格指数之间波动的传导关系和时滞特点。得到如下结论：

（1）由脉冲响应效果图3可知房价对居民中长期消费贷款的冲击效果期初并不明显，当房价上升时，大部分购房者还处于观望态势，随后才逐渐的进入市场，以买房升值为目的的购房者，炒房者，购房愿望迫切者，硬性购房者，此时逐渐地进入市场，从而使得贷款处于增长趋势，这将一直持续到第3期。随后由于前期市场对购房需求的消化和较高的房价，那些购房意愿不强烈者将逐渐减少对房屋的需求，贷款的增速将逐渐下降，第6期冲击效果的正向影响将减为0，高房价将导致需求的进一步缩水，贷款额增幅开始下降。这种影响最长可持续到第17期。

（2）由脉冲响应效果图4可知居民中长期消费贷款对房价的冲击效果期初即非常明显，当居民中长期消费贷款上升时说明贷款买房已成为既定事实，此时市场需求已经上升，房价随需求的上升立刻做出上升反应，这种上升的影响一直持续到第5期，而后由于高房价和前期市场对需求的消化，房价增幅的上升趋势逐渐减缓并且在第12期后房价增幅开始下滑，居民中长期消费贷款上升对房价的这种影响最长可持续到第20期。

由此可见银行信贷的波动在当期就引起房地产价格的波动，并在第5期时达到最高点，然后影响逐渐下降，反映出银行信贷波动对房价的波动影响较大，为了抑制房价的过快上涨可以采取相应措施控制信贷规模。

（3）通过方差分解分析，可以看到房价对长期贷款的影响初期并不明显但会逐渐增加，最终将趋于22.93%，这说明房价上升最终将导致房贷的上升，且影响比较大，这与现实情况相符；同时，长期贷款对房价的影响初期较明显，为9.16%，随后会逐渐上升，最后稳定到40.63%，可见，长期贷款是房价变动的重要影响要因素。

（4）居民中长期消费贷款包括住房贷款和非住房贷款（如购车贷款等），由二者较强的关联性结果可知居民中长期消费贷款与房价有明显的数量关系，居民中长期消费贷款的绝大部分投向了房地产市场。

通过以上分析可以得出这样的建议：房价与房贷存在较明显的关联性，在银行方面为了防范贷款风险，要密切关注房价的变化。在房地产市场过热和房地产泡沫明显的形势下，政府需一方面要求银行适时注意防范信贷风险，采取适当措施控制信贷规模；另一方面及时推出增加税收和限制购买第二，三套住房等相应的政策，抑制房价过快上涨，促进房产市场和银行业共同健康稳定发展。

[1]周永发，陈锋，李晓峰.房产新政下商业银行需防范房贷业务风险[J].上海金融,2010,(8).

[2]张吉光.当前银行个人房贷风险分析[J].上海金融，2004,(9).

[3]刘海啸，王丽欣.社会科学家.我国银行房贷风险分析[J].社会科学家,2009,(8).

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

[5]高铁梅,王金明,梁云芳,刘玉红.计量经济分析方法与建模-EViews应用及实例(第二版)[M].北京:清华大学，2009.

[6]韩振国,何敏蓉.房贷风险测试及商业银行防范策略[J].浙江金融, 2009,(12).

（责任编辑/浩天）

F293.35

A

1002-6487（2011）05-0114-03

广东省自然科学基金资助项目(8152902001000010；9452902001004060)

李运蒙（1964-），男，山东郓城人，硕士，副教授，研究方向：金融市场数据建模。