北京市影子银行规模及其对北京市房价的影响分析

李晓峰 晏妮

[摘 要]影子银行体系作为正式银行系统的补充，正成为房地产行业另一重要的融资渠道，其对房价变动的影响和对政策效果的冲击十分值得关注。从测算北京市的影子银行规模入手分析北京市影子银行体系的发展，采用向量自回归模型进一步探究北京市影子银行规模与北京市房价之间的关系，结果发现北京市影子银行的规模不断扩大，其与北京市房价之间具有长期协整关系，其变动会对北京市房价产生正向冲击的影响，且影响力在不断上升。

[关键词]银行；北京市房价；VAR模型；协整关系

[中图分类号]F832.5[文献标志码]A [文章编号] 1672-4917（2018）02-0104-06

一、引言

我国的房地产市场自20世纪90年代以来一直表现出蓬勃发展的态势，房地产市场的快速发展带来了对国民经济的贡献，同时也使得房价不断攀高。一方面，不管是刚需还是改善住房，购房者的热情始终高涨，特别是像北京这样的一线城市，据2016年北京市房地产市场发展研究报告数据显示，2015年北京商品房市场需求十分旺盛，与2014年相比，销售均价涨幅达16.8%，达23291元/平方米，增速远高于全国平均水平[1]；另一方面，在实体经济低迷的当下，投资房地产成为最好的投资渠道之一，这导致房地产投资异常火爆，投机性购房为房价高涨添了一把火。高房价反映出了房地产市场的繁荣，但大量热钱热衷于炒房而非进入实体经济，使得部分城市的房价已经严重脱离其实际价值，这也直接或间接影响了国家的经济建设、社会发展和民生改善。因此，国家出台了包括房地产信贷调控政策在内的众多调控政策来稳定房价。但从房价越调控越涨的事实来看，几次调控政策的预期效果并不理想，这与近年来逐渐发展起来的影子银行体系不无关系。

金融稳定委员会（FSB）定义影子银行为非正式银行系统实体和活动的信贷中介。[2]目前，我国的影子银行体系主要充当的是补充、替代银行信贷的角色，其已逐渐成为社会融资的一个重要途径，而且融资规模不断扩大，对实体经济的影响也不断加深。对于房地产市场来说，影子银行的高杠杆率、强大的信用创造以及其特有的运行机制，使得影子银行体系不受传统货币政策的调控，很容易规避国家房地产信贷调控政策从而进入房地产市场，尤其是影子银行能够为房地产市场的发展提供信用供给，其规模不断扩张进一步助推了房价的持续上涨。

葛爽（2010年）认为在房价上升时期，影子银行系统赚取了大量利润，将资产泡沫越吹越大；[3]Krugman（2011年）认为中国信贷的增长大量来自影子银行体系，并且对房地产价格的不断上涨进而形成的房地产泡沫表示担忧；[4]Zou等（2013年）运用2001—2010年的季度数据进行协整检验，建立的误差修正模型结果表明中国的影子银行虽然补充了正规金融体系，但是其过度生长与包括房地产价格在内的资产价格大幅波动有密切联系[5]；张宝林和潘焕学（2013年）认为影子银行通过信用生成、抵押品、资产替代和风险传染等作用渠道，助推了房地产泡沫，成为系统性金融风险的重要诱因。他们对2003—2012年的季度数据进行实证研究，发现影子银行在长期会导致房价显著上涨，房地产泡沫膨胀将显著引起系统性金融风险的增加；[6]单畅等（2015年）认为影子银行通过信用创造增强、风险承担意愿增强和资产替代增强效应，为房地产市场提供了充分的融资来源。他们选取2010—2014年月度数据，运用VAR模型对我国影子银行体系与房地产价格的关系研究结果表明，相比传统银行信贷而言，影子银行对房地产价格波动的影响强度更强；[7]贾生华等（2016年）通过实证研究发现影子银行规模的上升促进了房价的抬升及房地产投资额的扩大，还发现影子银行抑制了货币政策对房地产市场的调控效果，削弱了房价和房地产投资规模对紧缩型货币政策的响应程度。[8]

综上所述，现有文献主要研究了我国影子银行体系的发展及其规模的变动对房价的影响，大多学者认为影子银行规模的扩大对我国房地产市场有重要影响，具体表现为促进房价上涨、助推房地产泡沫、减弱货币政策效果等方面。北京作为国家的首都、一线城市的代表，其房价的变动一直是人们关注的焦点和热点，也是国家和北京市相关部门制定房地产政策的重要参考指标。北京市影子银行体系发展规模如何，北京市房价变动是否受到影子银行发展规模的影响，这种影响有多大？

为回答以上问题，本文从测算北京市影子银行体系的发展规模入手，采用北京市2002—2015年的季度数据，建立VAR模型进一步探究影子银行规模与房价变动之间的关系。

二、北京市影子银行规模的测算

因为影子银行缺乏监管，同时具有较强的隐蔽性，难以直接对其规模进行准确的统计，目前大多采用间接测算的方式估计我国影子银行的规模。本文借鉴封思贤（2014年）[9]、史焕平（2015年）[10]的研究方法，把未观测金融应用到影子银行规模的测算中。具体测算模型形式如下：

ShBankNOE=LGDP

其中，ShBank表示影子银行规模（即未观测金融规模）；NOE表示未观测经济规模，用未观测收入总量来反映，未观测收入总量为国民总收入（GNI）与可观测收入总量（INC）的差额，可观测收入总量为人均收入乘以人口数；L表示金融机构贷款余额；GDP表示地区生产总值。测算结果如表1所示。根据表1可以看出北京市影子银行规模在15年间的发展情况：北京市影子银行规模的绝对数不断扩大，从2000年的3821.42亿元增加到2015年的33826.94亿元，增加了8.85倍，平均每年增加2000亿元。

根据图1中北京市影子银行规模增长率可知，2000—2015年间，北京市影子银行规模平均增长率为15.65%。2011年之前北京市影子银行规模增长率一直处于较高水平，2002年、2009年增长率更是在30%以上，之后虽有所回落，但仍保持每年超过6.7%以上的增长率。同时，北京市影子银行规模增长率波动幅度较大，最低的为2015年，為6.71%，最高的为2002年，达到了31.79%。

三、影子银行规模对北京市房价的影响分析

1.研究方法与数据说明

本文采用向量自回归模型（VAR）对影子银行规模与房价变动之间的互动关系进行研究。具体为：首先，采用ADF单位根检验方法对各变量进行平稳性检验（具体变量选取及相关说明见表2）；其次，对各变量进行基于多元Johansen模型的协整检验，来分析它们是否具有长期均衡关系；再次，为确定变量之间的相互作用，对变量之间进行格兰杰因果关系检验，考察变量之间的因果关系；接着，通过脉冲响应分析具体验证各变量之间的关系及影响进程；最后，利用方差分解考察影子银行规模变动对房价波动的贡献率。

大量研究结论表明银行信贷对房价的波动有较大影响，因此，在考虑影子银行规模对房价的影响时也要考虑到银行信贷的影响，结合前人研究和数据的可得性，本文选取北京市房价（Hiprice）作为被解释变量，选取影子银行规模（ShBank）、银行信贷规模（Bank）、影子银行体系利率（RS）、银行体系利率（RR）等作为解释变量，建立VAR模型。

由于集合信托产品收益率在数据网站上最早是从2002年第3季度开始，影子银行体系利率的数据自2002年第3季度起可得，因此本文进行实证分析采用2002年第3季度到2015年第4季度的季度数据。影子银行规模来自上文测算，影子银行体系利率来自用益信托工作社，其他宏观数据均来自中经网统计数据库。

2.实证分析

（1）平稳性检验结果

运用ADF单位根检验法对变量进行平稳性检验结果见表3。从表中可以看出，所有变量的一阶差分均为平稳变量，因此为I（1）序列，满足进行协整的前提条件。

检验结果表明，北京市房价与北京市影子银行规模、利率，北京市银行信贷规模、利率之间均存在长期协整关系，我们进一步通过格兰杰因果关系检验确定它们之间具体的因果关系。

（3）格兰杰因果检验结果

格兰杰因果关系检验结果如表5所示。

由表5可知，北京市影子銀行规模变动和北京市房价波动之间表现出双向格兰杰因果关系。其他变量之间均为单向因果关系，具体表现为：北京市影子银行体系利率变动非北京市房价波动的格兰杰原因，北京市房价波动是北京市影子银行体系利率变动的格兰杰原因；北京市银行信贷规模和利率变动均是引起北京市房价波动的格兰杰原因，而北京市房价波动非北京市银行信贷规模和利率变动的格兰杰原因。

北京市房地产信贷调控政策通过调整银行信贷规模与利率水平来调控房价，这使得银行信贷规模与利率水平成为影响房价波动的因素。而影子银行体系不在监管范围之内，其规模与利率水平的变动不受调控政策控制，更具自主性，在其规模变动影响房价的同时，房价波动能够对其规模与利率水平产生反作用，更多地体现了市场化机制的作用。

（4）脉冲响应分析

在对VAR模型进行脉冲响应分析之前，运用AR根对平稳性进行检验。根据图2，可以看到VAR模型特征根都落在单位圆内，说明模型具有平稳性。

VAR模型脉冲响应分析结果如图3所示，当影子银行规模（ShBank）受到一个标准差的冲击时，北京市房价（Hiprice）会受到正向的冲击，且这个正向的冲击具有一定时滞，并在第5期达到正向效应的最大值。从第6期开始向下调整，直到第15期趋于稳定。在银行信贷规模（Bank）一个标准差的冲击下，北京市房价（Hiprice）短期就会受到显著的正向冲击，并在第5期达到正向效应的最大值，而后在第20期趋于稳定。

从图3可以看出，影子银行规模与银行信贷规模的变动都对北京市房价的波动有长期正向的冲击影响。其中，影子银行信贷规模变动对房价波动的影响具有一定的滞后性，并且冲击的响应程度略低于银行信贷规模。银行信贷规模变动对北京市房价波动的影响在短期内更加显著。

（5）方差分解

VAR模型中的方差分解是分析影响内生变量的结构冲击的贡献度。本文主要是通过方差分解来考察影子银行规模变动对北京市房价波动的贡献率，并与银行信贷规模的贡献率相比较，检验结果见图4。

长期来看，北京市房价变动大约有65%由其自身决定，影子银行规模变动对北京市房价变动的贡献率为6%，而且是不断上升的，其稍低于银行信贷规模变动对北京市房价变动的贡献率（15%）。

四、结论与建议

（一）结论

本文运用VAR模型研究了北京市影子银行规模及其对北京市房价的影响，主要结论有：北京市影子银行规模绝对数不断扩大，在2000—2015年15年间增加了8.85倍，平均年增长率为15.65%。北京市影子银行规模与北京市房价之间具有长期协整关系，其中，由于受市场化机制的影响，北京市影子银行规模是北京市房价波动的格兰杰原因，而北京市房价又进一步反作用于北京市影子银行的规模和利率水平。另外，北京市影子银行规模变动对北京市房价波动产生正向的冲击且有一定的滞后性，长期来看，其对北京市房价波动的贡献率为6%，而且影响在不断上升。

以上这些结论进一步验证了前言中所说的“影子银行体系不受传统货币政策的调控，很容易规避国家房地产信贷调控政策从而进入房地产市场，尤其是影子银行能够为房地产市场的发展提供信用供给，其规模的扩张进一步助推了房价的持续上涨”适用于首都北京的房价波动，这主要是因为：

在我国利率市场化的过程中，传统的银行等渠道资金不能满足地方政府和企业的资金需求，影子银行体系的出现就成为必然。由于资金的逐利本性，其更喜欢进入快速获利或者获利稳健的渠道。近些年来，由于实体经济获利缓慢且增长乏力，大量影子银行体系资金流向房地产市场，尤其是北京这样能够维持高房价且增长迅速的房地产市场，一再经历房价疯狂上涨而不破灭，这能够使进入的资金快速获利且相对风险较低。这是北京市影子银行体系资金大规模增长的重要原因之一。

大量影子银行体系资金进入北京市房地产市场后，必然会助推房价进一步上涨，产生叠加效应，影子银行体系资金成为北京市房价上涨的格兰杰原因。同时，正是由于获利快、大且风险相对较低，北京市房价反作用于影子银行体系资金，吸引更多影子银行体系资金进入北京市房地产市场，在规模提高的同时，也提高了利率，北京市房价成为影子银行体系资金和利率的格兰杰原因。

另外，为了控制房价的快速上涨，北京市出台了很多调控房价的信贷政策，但这往往是管住了正规银行信贷，由于每次管控房价后的赚钱效应，大量需求铤而走险，转道借助影子银行资金实现购房需求。但由于影子银行体系资金的来源仍然是正规银行信贷资金转化而来，其必须先要通过一定方式从正规银行信贷渠道流出来成为影子银行体系资金，并且资金持有者也需要管控风险，制定相关资金使用规则，这相当于增加了资金使用程序，相对正规银行信贷的直接影响来说其对房价的影响具有一定滞后性。

（二）建议

1.加强对北京市影子银行信贷的监管

当房地产企业未能及时回收垫付款和借款，购房者不愿意或者不能偿还购房贷款，其转嫁风险最好的途径便是影子银行体系，一旦转嫁的风险较大，影子银行体系内部又未能及时化解，其更易引发金融体系系统性风险。因此，建议北京市银监局等相关金融监管部门应将影子银行体系纳入银行信贷监管范围，完善现有监管框架，尤其是在针对北京市房价调控的政策中将影子银行的影响纳入政策考虑范围。

2.抑制北京市影子銀行体系信用的过度扩张

商业银行体系的各种资金是影子银行体系最有效、最直接的资金来源，必须规范北京市相关商业银行与影子银行之间的业务关系，有效切断北京市影子银行体系信贷过度扩张的根源，避免不合规资金通过影子银行体系进入北京市房地产市场，进而影响北京市房地产市场的房价调控政策的效果。

3.加强北京市房地产市场综合调控措施的实施

要注意北京市的影子银行体系和银行信贷体系对房价影响的差异性，采取更具有针对性、强调差异化的调控政策。同时应继续深入研究影子银行体系资金进入北京市房地产市场的通道和风险特征，深入把握其信用创造机制，在调控房价的政策中推出对于影子银行更为有效的信贷调控政策，使其在北京市的房价调控中发挥作用。

[参考文献]

[1] 中国房地产指数系统：《2016年北京房地产市场发展研究报告》，中国指数研究院，2016年1月29日。

[2] 中国人民银行调查统计司与成都分行调查统计处联合课题组：《影子银行体系的内涵及外延》，《金融发展评论》2012年第8期。

[3] 葛爽：《金融危机中影子银行的作用机制及风险防范》，《金融与经济》2010年第7期。

[4] Paul Krugman：“ Will China Break？”， The New York Times， December 18，2011.

[5] Zou Xiao-peng， Pang Yu-xiao， Zhu Hui-lin：The study between shadow banking and financial fragility in Ghina： an empirical analysis based on the co-integration test and error correction model”，Quality & Quantity， vol.47， No.6， 2013， pp.3363-3370.

[6] 张宝林、潘焕学：《影子银行与房地产泡沫：诱发系统性金融风险之源》，《现代财经》2013年第11期。

[7] 单畅、韩复龄、李浩然：《影子银行体系对房地产价格的作用机理探究》，《技术经济与管理研究》2015年第4期。

[8] 贾生华、董照樱子、陈文强：《影子银行、货币政策与房地产市场》，《当代经济科学》2016年第3期。

[9] 封思贤、居维维、吴越：《我国影子银行的规模测算问题研究》，《西南金融》2014年第9期。

[10] 史焕平、李泽成：《货币政策、影子银行规模增速与经济增长》，《金融论坛》2015年第7期。