影子银行、货币政策与房地产价格

任行伟，邢天才，张 鑫

（东北财经大学 金融学院，辽宁 大连 116025）

一、引言

影子银行发端于20世纪80年代，是各主要发达国家在利率市场化进程中金融创新与传统金融碰撞的产物[1]。影子银行产品因其高杠杆性、高流动性加剧了系统性金融风险，给金融危机的爆发留下了隐患。2007年始于美国的次贷危机逐渐演化成全球性的金融危机，给全球各主要经济体都造成了不可估量的损失，这几乎逼迫着人们开始对影子银行的形成机理、影响效应、风险测量及外部监管展开研究。McCulley[2]首次提出了“影子银行体系”的概念，专指那些不受银行监管体系监管，但经营业务和银行类似的一些其他金融机构和金融衍生产品。此后波萨尔[3]也对影子银行进行了界定。总结起来，国外就影子银行内涵的界定主要从两个角度：第一，监管角度，指那些游离于监管体系之外的与商业银行相对应的金融机构、信用中介及衍生金融类业务。第二，功能角度，指具有信用转换、期限转换和流动性转换的信用中介。2010年之后，我国出现了大宗商品物价的普遍上涨和资产泡沫现象①，导致政府不得不对正规的信贷系统加以收紧。逐步收紧的信贷政策使那些已经开展的项目进行后续资金的银行融资变得异常困难，银行也不愿看到放出去的贷款变成坏账，双方一拍即合，各种影子银行工具应运而生，比如贴现票据、信托贷款、委托贷款等。这其中对资金量需求最大的莫过于房地产行业、中小企业等，它们开始转向从其他渠道，例如从影子银行市场上融资。因此，对影子银行的形成机理、影响效应等进行研究刻不容缓。

房地产业在国民经济中处于基础性和先导性地位，它的兴衰直接或间接地影响其上下游几十个行业，很多城市把房地产业作为其支柱产业。我国自1998年实行住房商品化改革以来，房地产价格就持续攀升，虽然出现过短期的价格下调，但与整体的上涨幅度和持续时间相比显得微不足道。2016年，在南京、厦门、合肥等一线城市房地产价格出现了高达40%左右的上涨，而我国全年CPI同比只上涨了2.0%。很明显，在房地产业通过银行融资越来越难的大背景下，作为“第二金融业”的房地产业只能被迫寻求其他融资渠道，而具有产品流动性强、申请审批速度快、融资者进场门槛低等特征的影子银行市场，在此时就很容易得到房地产开发商的青睐。那么，影子银行规模增加与房地产价格之间的关系是什么？货币政策变化对影子银行规模与房地产价格之间关系有何影响？

二、文献综述

McCulley认为影子银行体系是指不受银行监管体系监管，但经营银行相关业务的非银行金融机构和金融衍生产品。金融稳定理事会于2011年从广义角度定义了影子银行体系，指进行信用转换、期限转换和流动性转换的信用中介组织和中介业务。在国内，龚明华等[4]认为中国影子银行一般指游离于银行相关法律法规监管之外的民间金融、非正规金融机构和业务。王浡力等[5]认为影子银行是指通过在流动性、期限转换上进行创新，实现信贷资产可交易化的金融中介及其信用业务。中国人民银行海口中心支行课题组[6]界定中国影子银行包括委托贷款、理财产品、担保公司、典当行、小额贷款公司、网络借贷及地下钱庄等融资模式。胡滨等[7]将国内对影子银行的界定分为“监管说”“风险说”和“非传统信贷说”。刘煜辉[8]认为中国影子银行崛起是体制异化的产物。李存等[9]认为影子银行是单一融资向多元化融资、信贷配给问题严重、中小微企业融资难的必然产物。

贾生华等[10]基于2002—2014年的季度数据，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，扩大了社会信贷配给，降低了利率水平。李建军等[11]研究发现，过桥贷款一定程度上会助推房价的上涨，这种作用在短期和长期都比较显著。欧阳志刚等[12]研究表明，房地产价格对于影子银行市场的冲击在短期内会产生明显的正响应，而长期看则会使房地产价格逐渐回归实际均值水平。单畅等[13]研究表明，影子银行贷款增加与房地产价格之间并不呈正向关系。张宝林等[14]研究表明，影子银行规模对房价的短期影响不太显著，但长期内导致房价显著上涨。

“影子银行体系”这一概念自2007年提出以后，国内外学者对其内涵的界定、生成原因、作用机理、风险测量、风险防范及对货币政策的影响等，进行了广泛研究。国内很多学者也从理论层面对影子银行作用于房地产价格的机理进行了定性分析，结论也比较一致，认为影子银行规模扩张推动了房价的上涨[15-16]。实证分析的结论则不尽相同，例如单畅等[13]研究认为，影子银行规模与房地产价格不呈正向关系，而其他实证分析的结论则主要认为影子银行规模推高了房地产价格。综合来看，学者们对影子银行规模与房地产价格之间的关系展开了深入研究，对影子银行与货币政策之间的关系展开研究的文献也不少[17-18]，但对影子银行、货币政策和房地产价格三者之间内在传导机制展开研究的文献比较缺乏。所以有必要从影子银行、货币政策和房地产价格之间互动关系的视角，对影子银行规模与房地产价格之间的关系展开深入研究。

三、理论分析与研究假设

决定房地产价格水平的因素很多，政治人文环境、居民收入水平、土地价格、货币政策、原材料价格、建筑成本等，这些因素总结起来除了成本因素以外，其他因素主要通过供给和需求两方面左右着房地产价格，房地产市场均衡价格的形成主要是这两种力量平衡的结果。房地产市场上的需求包括投机需求和自住需求，投机需求由两部分构成：投机性购房和投资性购房，前者指短期内瞄准时机、低价买入高价卖出以赚取差价的购房行为，后者指通过收取房租、静待房产升值的中长期购房行为；自住需求包括改善型需求和刚性购房需求，前者指随着家庭收入水平的改善，对住房有更高层次的享受要求而产生的购房行为，后者指诸如子女婚嫁、工作地变更等原因而引起的被迫购房行为。一般来说，投机需求随着房地产价格的上涨而上涨，房地产价格的下跌而下跌；自住需求随着房地产价格的上涨而下滑，房地产价格的下跌而上涨，但因为刚性购房需求的作用，房地产市场上的需求价格弹性较小。房地产市场上的供给主要受行业准入门槛较高、政府政策制约及商品房建设周期较长等因素影响，即使房地产价格上涨较快，供给也不可能增加很多。综上所述，为便于后文的理论分析，特提出以下四条理论假设②：（1）房地产市场上的需求价格弹性较小，市场上的自住需求多于投机需求，因此房地产市场上的需求曲线凸向右上方。（2）房地产市场上的供给弹性也较小，当供给达到一定数量之后，政府会加大对房地产市场的管制力度，限制其增加房地产市场上的供给，因此房地产市场上的供给曲线凸向右下方。（3）政府抑制房地产价格上涨，相较于抑制房地产需求因素，抑制房地产供给更容易，因此，需求曲线移动的幅度会快于供给曲线移动速度。（4）假设房地产开发商融资渠道只有两个，银行融资和影子银行市场融资。

基于以上假设，绘制了紧缩货币政策下影子银行规模影响房地产市场均衡价格变化的坐标图（如图1所示）。开始时市场的均衡价格处于A点，随着居民收入水平的提高和各种影子银行理财工具融资的便利，房地产市场的需求曲线由D1移动到D2。因为需求提高拉动房地产价格提高，开发商有利可图，但碍于国家货币政策的收紧，开发商只能从影子银行市场上融资，这种融资获得导致房地产市场的供给增加，供给曲线由S1移动到S2，此时的均衡价格变为B点。以此类推，均衡价格还会移动到C点，A、B、C三点构成了房地产均衡价格变化线。因此，提出研究假设1：影子银行规模与房地产价格呈正向相关关系。

图1 紧缩货币政策下影子银行规模影响房地产市场均衡价格变化

宽松的货币政策一方面为房地产开发商提供了投资资金，另一方面也为购房者提供了低息的贷款，从供给和需求两个方面共同影响房地产价格。房地产开发商此时既可以从银行融资又可以从影子银行市场上融资，此时房地产开发商的融资成本相较于紧缩货币政策下要低，因此房地产市场上的供给相较于紧缩货币政策下增加较快。与此同时，居民从银行获取不动产贷款会更加便利，因此需求曲线移动速度还是会快于供给曲线移动速度，此时房地产市场均衡价格变化如图2所示。可以看出，宽松型货币政策助推了房地产价格的上涨，但此时房地产市场均衡价格变化线HP相较于图1上涨速度缓慢。据此，在肯定宽松型货币政策推高房价的前提下，提出研究假设2：货币政策的变化对影子银行规模有显著影响。

图2 宽松货币政策下影子银行规模影响房地产市场均衡价格变化

四、研究设计

（一）变量设置

1.房地产价格变化率（lnhp）。房地产价格等于商品房销售额（元）除以商品住宅销售面积（平方米）。为了消除时序数列的指数增长趋势，对房地产价格取自然对数。

2.银行间同业拆借加权平均利率（ibor）。使用银行间同业拆借加权平均利率代表同时期的利率水平，以此反映融资者对资金的需求程度。

3.广义货币供给量变化率（lnm2）。使用广义货币供给量（M2）反映市场上的货币供给，并同样对其取自然对数，其经济含义为广义货币供给量变化率。

4.影子银行规模变化率（lnsb）。由于学术界尚未在口径范畴上对影子银行作明确界定，所以这里采用中国人民银行自2012年公布的社会融资规模中的委托贷款、信托贷款、非贴现银行承兑汇票、企业债券和非金融企业境内股票融资额的加总作为影子银行规模的代理变量。同样为了消除时序数列的指数增长趋势对其取自然对数。

（二）数据来源

基于2012年1月至2017年8月各指标的月度数据进行研究，数据来源于中经网统计数据库、中国人民银行网站等。由于官方不公布每年1月商品房销售额（亿元）和商品住宅销售面积（万平方米）的数据，所以对每年1月的商品房销售价格采用统计学上的估值法进行估算处理。

（三）模型选择

传统的VAR模型在很多研究领域被证明是实用且有效的统计方法。然而，当模型中的内生变量过多时，估计众多的参数就变成了一件很困难的事情，而最重要的是，VAR模型并不能给出当期变量之间的相关关系，而是把这些当期相关关系隐藏在误差项的相关结构之中，这是无法解释的[19]。结构向量自回归模型（SVAR）允许变量之间存在当期影响，因而更符合实际的宏观经济环境。

含有k个内生变量，滞后阶数为p阶的结构向量自回归模型SVAR（p）的表达式为：

对于该模型，需要估计的参数个数是k2p+k2个。想得到结构式模型唯一的估计参数，需要对含k个内生变量的SVAR（p）模型的结构式施加k（k-1）/2个限制条件。这些约束条件可以是短期的，也可以是长期的。

可以把（1）式写成滞后算子形式：

C（Q）是滞后算子L的k×k参数矩阵。假定A、B是（k×k）的可逆矩阵，A矩阵乘以（4）式可得：

如果 A、B 满足系列条件：Aεt=Bμt，E（μtμ′t）=Ik，则称上述SVAR模型为A-B型SVAR模型。

五、实证分析

（一）描述性统计

时间序列的季度、月度观测值常常显示出月度或季度的循环变动，这种循环变动常常会掩盖经济发展的客观规律，因此，需要对时间序列数据进行季节调整[19]。Census X12方法能很好地分解节假日期间数据对整个时间序列数据的影响，增加整个序列区间的稳定性。因此，选择Census X12方法对各变量进行季节调整，再对经过季节调整后的各变量进行描述性统计，结果如表1。可以看到各变量的均值都远大于其标准差，说明各变量经过季节性调整之后的数值不存在异常值。

表1 变量的描述性统计

（二）单位根检验

采用Augmented Dickey-Fuller test检验，结果汇总如表2，各变量经过一阶差分后，在1%的显著性水平下都拒绝了原假设，因此判定各变量都是一阶单整时间序列。

表2 各变量的ADF单位根检验结果

（三）协整检验

因为各变量都是一阶单整序列，它们之间可能存在长期的协整关系。可以选用Johansen协整检验方法来判定这种协整关系是否存在，根据AIC和SC准则确定模型的最优滞后阶数为1阶，并选用迹统计量和最大特征值两个指标来确定各变量之间的协整方程数量，具体如表3和表4。

表3 迹统计量检验结果

表4 最大特征值统计检验结果

根据Johnansen检验结果表3和表4，表明在5%的显著性水平下，各变量之间可能存在1个协整方程。

方程1：

lnhp=-3.841 0+0.025 4lnsb+0.858 4lnm2+0.059 7 ibor+μ

根据方程1的系数关系，影子银行规模每增加1%，房地产价格会提高0.025 4%。影子银行规模的增加解决了房地产市场从银行体系间接融资难的问题，但影子银行市场上的高利率水平也提高了房地产市场的经营成本，进而间接助推了房价上涨，这也很好地验证了研究假设1。广义货币供给量每增加1%，房地产价格会提高0.858 4%。根据金融学理论，扩张性的货币政策会引起居民名义收入水平的提高，在“货币幻觉”作用下，居民会增加对商品的购买，包括对房地产的需求，从而拉升了房地产价格。银行间同业拆借加权平均利率每上升1%，房地产价格上升0.059 7%。银行间利率水平的提高，会提高房地产开发商借入资金的成本，根据西方经济学理论，成本的上升会拉高产品的销售价格，也即这里的房地产价格。

（四）SVAR模型参数估计

根据（1）式建立了 4变量的 SVAR（1）模型，其形式如下：

（6）式中变量和参数矩阵设为：

其中，εt=（εt，ε2t，…，ε4t）′，μt=（μt，ε2t，…，μ4t）′。εt是VAR模型的扰动项，μt的各子向量分别代表作用在房地产价格变化率（lnhp）、银行间同业拆借加权平均利率（ibor）、广义货币供给量变化率（lnm2）和影子银行规模变化率（lnsb）四个变量上的结构性冲击，即结构式扰动项。所以建立的是4变量的SVAR（1）模型，至少需要施加k（k-1）/2=6个约束。估计结果如下：

上述（7）式表明，当期影子银行规模并不影响其他变量；（8）式表明，当期的利率水平受同期影子银行规模影响；（9）式表明，同期影子银行规模和利率水平会影响货币政策效果；（10）式表明，同期货币供给、影子银行规模和利率水平都会影响房地产价格，广义货币供给量变化率对房地产价格变化率的影响方向为负值，说明当期的货币政策与房价变动呈负相关关系，比如宽松型货币政策降低了房地产商的融资成本，增加了其盈利空间，从而给房价下跌提供了可能。

（五）格兰杰因果关系检验

在经济学中，为了验证各变量之间的相关性是否具有因果关系，经常采用Granger因果关系检验这种方式，本文对相关变量进行了Granger因果关系检验，检验结果汇总如表5。

表5 Granger因果关系检验结果汇总

Granger因果关系检验结果表明，第一，影子银行规模、货币政策是房地产价格的Granger原因。影子银行市场上的大量资金为房地产企业投资提供了更多的融资渠道，货币政策松紧度也事关房地产开发商的盈利程度。第二，房地产价格是利率水平的Granger原因，房地产市场上的大量占款或者大量撤资导致金融机构资金量供需矛盾凸显，资金价格也即利率会因为供需原因上下波动。第三，货币政策松紧度也是影子银行规模的Granger原因。宽松型货币政策必然导致市场上资金量充足，市场利率水平降低，资金需求方融资便利，影子银行市场上的需求力量不足；紧缩性货币政策正好相反，使得影子银行市场上的需求力量强劲。

（六）脉冲响应分析

图3 脉冲响应分析

本文以SVAR模型为基础，构建正交化的脉冲响应函数，分析影子银行规模变化率（lnsb）的扰动项变动一个单位对其他各变量的当期值和未来值的动态交互作用，结果如图3。

从图3可以看出，给lnsb一个正的冲击，在第1期lnhb有正的影响，在第3期达到峰值，然后逐渐减弱，到第6期逐渐趋于0，lnsb对lnhb的各期影响都是正的。给lnsb一个正的冲击，它对lnm2在第1期有最大的正向影响，此后逐渐减弱，在第3期之后逐渐趋于0，lnsb对lnm2的各期影响始终为正。给lnsb一个正的冲击，它对ibor的影响始终为负，并在第2期达到峰值，此后逐渐减弱。lnsb的扰动项对其自身的影响在第1期有一个正向最大的影响，此后逐渐减弱，到第5期已趋于0，影响方向正负不定。

六、研究结论与政策性思考

影子银行的产生是金融发展、金融创新的必然结果。影子银行本身所具有的信用中介属性，使其在服务实体经济、拓宽居民投资渠道等方面都发挥了积极的作用。房地产行业作为国民经济的基础产业和先导产业，它的兴衰直接或间接地影响其上下游几十个行业。伴随着我国政府出台的一系列调控房地产行业的法律法规，房地产开发商从银行融资变得异常艰难，而影子银行市场在解决房地产开发商融资的同时，也对房地产价格产生了一定的影响。在对不同货币政策下房地产价格的变化过程进行理论分析的基础上，提出了两个研究假设，再基于2012年1月至2017年8月的相关数据，建立了结构向量自回归模型（SVAR）对这两个研究假设进行验证，实证分析的结论也很好地验证了这两个假设。为此，提出以下两点政策性思考：

1.影子银行规模增加推高了房地产价格。主要是因为影子银行处于法律监管的盲区，其市场上资金的高利率属性增加了房地产开发商的成本，开发商再把增加的成本转移到房地产价格上。但与此同时，影子银行也解决了不少房地产开发商、中小企业融资难的困境，避免了这些企业的破产对我国经济的冲击。因此，政府要加快制定相关的法律法规规范这些影子银行类中介机构的行为，合理引导影子银行类信用中介机构为实体经济发展服务。

2.宽松型货币政策能在一定程度上抑制影子银行规模增加推高房地产价格上涨的幅度，也可以说货币政策的松紧度对影子银行规模变化有显著影响。房地产行业作为“第二金融业”，具有资金需求量大、企业高负债经营的特征。宽松型货币政策降低了房地产开发商的融资成本，但与此同时，购房者也获得了不动产消费贷款的便利，在供需力量共同作用下，房地产价格可能还是会上涨。根据西方经济学理论，宽松型货币政策还极易引发通货膨胀甚至经济泡沫。由上文关于房地产市场均衡价格变化的理论分析可知，在紧缩型货币政策下，房地产价格在影子银行助推下上涨更快。因此，在进行房地产价格调控过程中，应谨慎使用货币政策松紧度来调控，可以通过实施“房产税”、加快廉租房和保障房建设、改革土地拍卖制度等方式多维度地调节房地产价格。

注释：

①据国家统计局网站显示，2011年CPI涨幅由2010年的3.3%攀升到5.4%，通胀压力不断加大。

②理论假设是此部分理论分析的研究前提。研究假设1和研究假设2是理论分析后提出的有待后文实证检验的命题。