基于SVAR模型的房价波动与银行信贷实证分析

向为民，谭 娟

(重庆理工大学 经济金融学院， 重庆 400054)

一、引言

近年来，针对房地产市场迅猛发展所带来的房价过快上涨以及房地产金融风险增大的现象，国家有针对性地出台了一系列调控措施，例如2008年的“国十三条”、2009年的“国四条”、2010年的“新国十条”、2011年的“新国八条”、2013年的“国五条”、2015年的“供给侧改革”等。然而，虽经历了多次调控，2016年一、二线城市房价依旧暴涨，直到2017年6月份才有所缓和，从中可以反映出政策调控效果欠佳、资金流向难控制等问题。与此同时，房地产信贷在商业银行的资产业务中所占的比例也日益提高，并保持着逐年扩大的趋势。通过查阅中国人民银行数据可知，我国住房抵押贷款在中长期贷款中所占比例高达83%左右，银行信贷在房地产企业开发资金来源中约占40%，因此一旦房地产业出现资金周转问题，房地产业的信贷风险可能会转嫁到银行，金融业的稳定性就可能遭到巨大威胁。

房地产市场繁荣发展时，商业银行基于房地产市场良好的盈利效果及其较高的资金回报率增加了放贷意愿，并下调利率以吸引房地产开发企业贷款；同时，银行为个人提供的住房抵押贷款业务也间接地为房地产行业的开发建设提供了资金支持，因此银行信贷为房地产开发提供了主要的融资渠道。当银行信贷扩张与房价波动之间相互推动导致房价上涨时，银行利率降低，个人和开发商因贷款成本降低而对房地产需求增加，此时供给小于需求，房价持续上涨。一旦房价突然下跌，就可能导致个人及企业贷款主动违约，抵押资产价值下降，银行在市场上无法对抵押资产进行处理，不良贷款增加。此时，如果银行采取紧缩性信贷政策，个人或投资者预期房价将下跌，对房地产的需求减少，房地产行业滞后的供给反应，将刺激房价进一步下跌直至崩溃。

为了防范泡沫风险的产生，并有序地引导房地产市场健康发展，政府已出台一系列信贷政策，虽然没有直接对房价进行调控，但其释放出的政策信号却对银行信贷业务具有指引性作用。因此，通过对房价波动与银行信贷规模之间的相互作用进行分析，并探讨房价波动所带来的风险是如何向商业银行传播的，可以为房地产市场发展的长期趋势预测提供合理依据，促使房地产市场与金融市场互相协调、健康、稳定地发展，共同为我国经济社会的繁荣做出贡献。

二、文献综述

我国房地产行业经过近20年的迅猛发展，已发展成为我国经济的支柱性产业，其价格的波动是多种因素共同作用的结果，如银行信贷、消费者预期、信息失真、政府调控措施不协调等因素都可能造成房地产市场供给与需求不平衡，从而出现房价波动。其中，银行信贷是房价波动的主要原因之一。

关于房价波动与银行信贷关系研究的文献中，国外学者Stein将生命周期理论首次引入信贷约束中对银行信贷与房价波动进行研究，并得出当消费者购房存在信贷约束时信贷扩张会提高购房者的需求从而影响房价波动的结论[1]。Gerlach等对香港银行信贷和房价波动两者的关系进行了回归分析，认为：无论长期、短期，房价波动都会导致信贷规模发生变化，但信贷规模的变化却不是房价波动的主要原因[2]。Davis等将人均收入和利率等作为控制变量，建立一般均衡模型进行研究，从中得出人均收入、利率等宏观经济因素会使银行信贷和房价之间的关系发生变化的结论[3]。随着我国房地产金融的不断发展，其相关的理论与实践不断成熟，房价与银行信贷关系的研究多在协整和误差修正分析框架下分析和解释二者之间的长短期均衡关系。国内学者张涛等在全国层面的月度数据的基础上，将实际房价与贷款利率和贷款额进行协整检验，发现贷款利率与贷款额度对房价之间的影响是相反的，前者为负，后者为正，并以此建立VECM模型来分析三者之间的短期波动性，得到了与长期效应分析一样的结论[4]。秦岭等利用2005—2010年的季度数据，通过建立VAR模型进行研究，认为信贷扩张与房价上涨两者之间的互推加强作用显著[5]。谭政励等通过构建货币政策代理变量作为控制变量进行分析，根据实证结果可知，在认识到货币政策立场的基础上，用货币政策对房价波动进行调控具有较好的效果，同时也验证了我国央行利用紧缩的货币政策来抑制房价迅猛上涨的事实[6]。

三、实证分析

房价波动与银行信贷之间存在着互动关系，由于向量自回归模型(VAR)一般只能反应变量的当期值与其滞后期值之间的关系，而结构向量自回归模型(SVAR)不仅可以反应变量的同期相关性，还可以通过对某变量施加长短期约束进而减少待估参数的个数，因此本文选择施加约束的SVAR模型来分析两者之间的长短期关系，并使用计量统计软件Eview7.0来进行实证分析。

(一)指标及数据选取

本文主要研究的是房价波动与银行信贷之间的关系，由于住宅销售价格指数反映房地产价格的波动情况，房地产开发贷款与个人住房抵押贷款共同构成房地产信贷，但国内不公开个人住房抵押贷款数据，所以选用了住宅销售价格指数和房地产开发贷款额来分别表示房价波动与银行信贷两个指标。银行间同业拆借利率的高低代表了我国系统性金融风险的大小并会影响银行信贷的规模，因此可将同业拆借利率作为控制变量引入该模型。因此，本文选用房地产住宅销售价格指数、国内房地产开发贷款额和银行间同业拆借加权平均利率3个指标来进行分析。同时，考虑到数据的可得性，选取了2005—2017的月度数据作为分析对象，数据来源于国家房地产信息网和中国人民银行货币政策司，并通过X-12季节调整法来剔除季节因素的影响，部分数据采用自然对数来消除异方差，最终得到以下时间序列变量：住宅销售价格指数(lnHP)、房地产开发贷款额(lnHL)、同业拆借利率(BR)。

(二)模型设定与检验

1.序列平稳性检验

首先，对模型中所用到的变量做ADF序列平稳性检验，检验结果如表1所示，可知在5%的显著性水平下，所有变量经过一阶差分后都表现平稳。

表1 平稳性检验结果

注： ***和 **分别表示在1%和5%的置信水平下显著

2.协整检验

根据ADF检验可知所有变量都为I(1)变量，为了防止出现“伪回归”，将继续采用Johansen协整检验法对所有变量进行协整检验，结果见表2。

表2 Johansen非约束协整关系检验结果

注：**表示在5%的水平下拒绝原假设

由表2可知，在5%的置信水平下，房地产开发贷款额、住宅销售价格指数和同业拆借利率之间至少存在一个协整向量，即3个变量之间存在着一个长期稳定关系。然而这一长期稳定的关系可以通过Johansen协整检验测算出具体的协整方程，协整方程系数估计结果见表3。

表3 Johansen标准化协整方程系数

注：括号中是标准差的值

由此可以得出一个协整方程如式(1)：

lnHL= 0.055 07lnHP- 0.003 6BR

(1)

(0.027 3) (0.011 9)

由式(1)可知，房地产开发贷款与房价之间的弹性系数约为0.550 7，即假设房价每增长一个百分点，贷款规模将扩张0.550 7%，由此得出银行贷款与房价之间长期正相关。因此，当我国房价快速上涨时，随着时间的推移，紧缩的信贷政策效果还是显著的。然而，银行信贷与同业拆借利率之间长期负相关，这主要是因为当同业拆借利率增加时，银行业之间的借款成本增加，从而房地产商或者个人购房者贷款成本增加，长期来看贷款会越来越少[7]。

由于3个变量之间存在协整关系，因此本文将在房地产开发贷款、住宅销售价格指数和同业拆借利率的水平值的基础上，构建SVAR模型来分析，并对SVAR模型进行最优滞后期检验，根据AIC及SC原则可知该模型最优滞后阶数是1，并用AR根法检验模型是稳定的，从而可以进行后续相关的检验及实证分析。

3.格兰杰因果检验

由于协整检验只说明了3个变量之间存在长期的关系，然而在以往研究中，有些没有经济意义的变量之间的协整检验却存在较大的相关系数，因此需要采用格兰杰因果检验来说明三者之间的短期关系，检验结果如表4。

表4 VAR模型中的格兰杰因果检验结果

通过表4可以看出，在5%的置信水平下，房地产开发贷款额与住宅销售价格指数互为格兰杰原因，而同业拆借利率是房地产开发贷款的格兰杰原因。因此，房价过度波动会引起银行信贷的波动，从而增加银行的不良贷款，进而影响银行的内部稳定性，系统性风险增加[8-10]；消费者由于信贷扩张，预期房价上涨，再考虑到此时银行利率较低，对房产的需求增加，进而刺激房价上涨[11-12]；同业拆借利率作为银行之间贷款的利率，代表了银行业系统性风险的大小，拆借利率越高，银行间同业借贷的意愿越低，银行信贷规模紧缩，间接地影响房价。

4.SVAR模型设定

根据前面最优滞后期的确定，本文将SVAR模型设定为：

Axt=A0+A1xt-1+ut

(2)

用A-1左乘式(2)两边，将SVAR模型转化为VAR模型的表达式：

xt=C0+C1xt-1+εt

(3)

其中：C0=A-1×A0为常数项，εt=A-1μt=(ε1t,ε2t,ε3t)为(3×1)维扰动向量，C1=A-1A1为(3×3)维系数矩阵，εt为简单式残差项，且μt=Aεt。

5.脉冲响应函数

脉冲响应函数描述的是给某一内生变量一个标准差大小的冲击后，对这一内生变量自身及其他变量所产生的影响作用。分别给3个变量一个标准差冲击后，相应的脉冲响应结果如图1，从左到右依次显示了HP对HL、BR，HL对HP、BR，BR对HP、HL的脉冲响应图，当给房价一个正向冲击时，银行信贷从第1期开始出现正的变化，在第3期达到最高点，随后缓慢下降，到30期左右的时候开始稳定，其冲击力大约为0.15，由此可见房价波动对银行信贷规模具有较短的影响时滞。而且，房价对信贷产生的影响会在短期内达到最大，因此银行在考虑对房地产商进行贷款时应注意该时滞问题。在房价上涨时，银行若想获得更大的收益就得放松贷款门槛，此时银行同业拆借利率会有一个负的响应冲击，因为在银行大肆放贷的同时，银行业同业之间的借款意愿增强，同业拆借利率减少。当给银行信贷一个正向冲击时，房价在第1期时会迅猛上升，在第2期达到最大，在第12期左右开始稳定，其冲击力大约是0.45，由此可见银行信贷对房价的影响在短期内是显著的，而且长期来看也有很大的影响，因此在实施信贷政策对房价进行调节时应针对短期和长期的不同影响效果而实施不同的信贷政策[13-14]。然而，当给银行同业拆借利率一个正的冲击时，银行信贷以及房地产价格会出现负的响应，先是开始下降到第2期时达到最低点，其冲击力大约为-0.1，然后上升直到第20期左右开始趋于稳定。

图1 3个变量之间的脉冲响应函数

注：shock1、shock2、shock3分别表示HP、HL、BR的一个标准差的结构冲击

6.方差分解

通过方差分解可得每个冲击对内生变量的贡献率，还可以知道每个变量的重要程度，对该模型中的变量进行方差分解结果见图2。图2表示对HP、HL和BR进行方差分解，可知房价除了自身的贡献率较大之外，信贷规模对房地产价格的影响也较大，约为30%，从第10期开始趋于稳定；对信贷规模波动贡献度较大的是房价，从第30期开始趋于稳定，贡献度约为40%。由此可知，房价波动与银行信贷规模之间的影响是相互的，而且两者之间的影响程度是不同的。信贷规模一般很容易随着房价的波动而波动，如果房地产价格大肆上涨，在信贷规模急剧增加的情况下，一旦房价泡沫破灭，房价下跌极易造成不良贷款，从而使银行面临风险，因此银行应根据自身的情况选择放贷规模。房价波动与银行信贷对同业拆借利率的贡献率很低，主要是由于其自身具有较强的随机波动性。

图2 3个变量的方差分解图

四、结论及政策建议

(一)结论

本文通过建立结构向量自回归模型(SVAR)对房价波动、银行信贷和同业拆借利率三者之间的关系进行实证分析，得出以下结论：首先，房价波动与银行信贷互为因果，并且无论长期还是短期，两者都存在一种正向反馈机制；然后，通过协整检验以及格兰杰因果检验可以看出同业拆借利率在长期和短期都会对信贷规模产生一定的影响，进而刺激房价波动，而房价波动又会引起商业银行信贷风险，进一步影响银行间拆借利率，三者之间的传导形成了一个循环回路；最后，在脉冲响应及方差分解的分析中可知，房价波动和同业拆借利率对信贷规模的影响在长期内呈缓慢下降趋势，信贷规模对房价的影响在最初阶段会越来越大，经历短期的增长后才呈现出缓慢下降的趋势，因此应谨慎使用信贷政策对房价进行调控。

(二)政策建议

(1)政府应灵活地运用信贷政策，有针对性地采取相应的措施。通过对以前发生的金融危机进行分析可知，银行信贷的过度扩张极易滋生房价泡沫，虚增的房价导致个别银行面临房地产金融风险，进而扩大到整个银行业。为了保证金融体系的健康稳定发展，在房地产市场过热时，可以采取紧缩性的货币政策或者信贷政策来调控房价。在房价大肆上涨时，银行应严格把控好信贷规模，采取审慎经营的原则，在向房地产业提供贷款的同时，不仅要加强对贷款事前、事中、事后的调查，还应兼顾到其他行业的贷款来分散风险。虽然已出台一系列政策房价，但房价上涨的问题依旧存在，因此在实施政策时应充分利用各种金融政策工具的搭配，防止银行业出现金融危机。

(2)利用信贷政策调控房价时，应注意时滞问题和利率的调节作用。根据脉冲相应及方差分解可知，房价波动与银行信贷之间的相互影响存在时滞，同一信贷政策在不同时期的房地产市场调控中将产生不同的效果，因此，政府在实施货币政策时，需要考虑信贷政策工具对房地产市场所产生的不同冲击适当地调整调控力度。信贷政策影响信贷规模，信贷规模通过影响房地产的资金需求影响房价，利率作为一种常用的信贷政策工具，主要是通过影响信贷规模间接地对房价产生影响，因此应加强利率市场化改革，提高利率在信贷政策传导中的作用，增强信贷政策的调控效率。

(3)房地产业应拓宽融资渠道，运用多元化的融资方式。目前，我国房地产开发企业中银行信贷的比例很大，且融资渠道单一，一旦开发商在运营过程中出现问题，开发商和商业银行都将承担一定的风险，同时也将引发潜在的金融风险。因此，金融业应积极开拓信贷融资渠道、开发商和商业银行发展多元化融资方式来避免这种风险。例如，利用股权融资来优化房地产开发商的资本结构，以及针对个人按揭贷款增加除房地产抵押贷款之外的其他贷款。政策上还应大力支持发展房地产信托、投资基金等，不同企业应根据自身状况选择适合的融资方式开发项目。

[1] STEIN J C.Prices and trading volume in the housing market:A model with down-Payment effects[J].Quarterly Journal of Economics,1995,110(2):379-406.

[2] GERLACH S,PENG,W.Bank lending and property prices in Hong Kong[J].Journal of Banking and Finance,2005,29(2):461-481.

[3] DAVIS E P,ZHU H.Commercial property prices and bank performance[J].Quarterly Review of Economics and Finance,2009,49(4):1341-1359.

[4] 张涛,龚六堂,卜永祥.资产回报、住房按揭贷款与房地产均衡价格[J].金融研究,2006(2):1-11.

[5] 秦岭,姚一旻.我国银行信贷与房地产价格关系研究[J].经济社会体制比较,2012(3):188-202.

[6] 谭政励,王聪.房价波动、货币政策立场识别及其反应研究[J].经济研究,2015(1):67-83.

[7] 向为民,李娇.居民收入、心理预期及其商品房价格波动[J].改革,2012(6):127-132.

[8] 梁伟锋.银行信贷与房地产价格波动[D].南京：南京财经大学,2012.

[9] 王拉娣，安勇，王佳.房价波动与银行信贷风险的动态相关关系研究[J].经济研究，2014(12):42-47.

[10] 高文涵,童中文.信贷扩张、房价波动与银行系统性风险——基于SVAR的实证分析[J].金融与经济,2015(11):14-19.

[11] 胡刚.利率对我国房地产投资影响的实证分析[D].广州：广东外语外贸大学，2015.

[12] 吴淑萍，樊颖，杨赞.利率政策对房价的“非对称性”影响路径——基于小波分析和GARCH模型的研究[J].上海金融，2017(2):3-10.

[13] 向为民,王霜.我国房地产开发投资规模测算及影响因素研究[J].重庆理工大学学报(社会科学),2016(7):59-65.

[14] 向为民，谭希为.房地产投资与经济增长——基于重庆的协整分析[J].重庆理工大学学报(社会科学)，2017(8):21-27.