基于房地产信贷背景下商业银行压力测试研究

于沐清 张怡超/ 文

一、引言

房地产业作为我国国民经济的支柱性产业，其健康发展对经济的平稳运行起着举足轻重的作用。1998 年的住房改革实行后，掀起了住房商品化的浪潮，房地产业迎来了蓬勃的发展期。数据显示，2000 年以来我国房地产业在国民生产总值中的比重一直在4%以上，且呈逐年增长态势，截至2018 年末，这一比重更是攀升至6.65%。作为连接上下游产业链的关键行业，房地产业同宏观经济具有高度联动性，其市场波动与经济周期紧密相关，因此房地产行业风险的暴露极易引发“负反馈”，直接或间接地对金融市场产生巨大冲击。恒大研究院的有关报告显示，在历经多年的高速扩张和巨量融资后，我国房地产业于2018年底开始进入偿债的高峰期。

房地产业对银行信贷的需求主要来源于两方面，即房地产企业和个人购房者。由于资金需求量较大且资金流动性较弱，房地产企业通常会采取低自有资本，高外部融资的发展战略，在较高的负债率水平上进行经营。与此形成鲜明对比的是，囿于成本问题，总体上我国房地产企业的融资方式仍十分单一，诸如海外债券、资产支持证券以及短期融资券这类直接融资工具并未得到市场的广泛青睐，相关的融资运作基本局限于大型规模化房地产企业，而实际上中小型房企的资金来源仍要依赖于商业银行的信贷供给，使得房地产企业的开发类贷款在商业银行信贷投放中占有相当大的规模。房地产行业对银行贷款的高依赖性，实际上将信用风险和市场风险潜在向银行系统转嫁，令商业银行成为风险共担者。而在刚性需求与房价高企的双重夹击下，个人购房者为购置房屋普遍要寻求银行所提供的住房贷款。此外，商业银行还会通过股票市场、债券市场以及基金理财渠道同房地产行业产生紧密联系。在此情形下，银行信贷成为房地产行业资金来源的底层支撑机制，一旦房地产行业发生风险失控，大规模经营房地产信贷的银行业将首当其冲，使得各大商业银行与房地产业一同置于巨大风险之下。

二、文献综述

压力测试源于20 世纪90 年代大型跨国银行所做的内部风险评估操作，并于1996 年正式进入巴塞尔协议的修订条款，作为银行业风险计量新框架的重要组成部分在世界范围内推广应用。根据国际货币基金组织和巴塞尔协议的相关定义，“压力测试是一系列风险评估技术的总称，能够系统地衡量金融体系在风险暴露时的脆弱性，旨在用来评价在面对宏观经济中可能发生的极端异常事件冲击下，金融机构可能面临的损失。”随着测试方法不断完善与新技术不断引入，压力测试现已成为传统风险计量方法的重要补充工具之一，尤其在揭示商业银行承压能力方面越来越发挥着不可替代的作用。压力测试在我国银行业中的普及推广始于2007 年，为了提高商业银行对风险监控能力，银监会于当年年末制定并发布了《商业银行压力测试指引》。随着近年来我国对房地产行业的频繁调控，房地产市场不稳定因素涌动，潜在风险加大，对此中国银监会多次强调各家银行对其房地产贷款展开风险自查，对房地产贷款情况和月度趋势变化进行压力测试。

Merton（1973）在Black- Scholes 模型的框架下，加入一系列宏观经济变量，以此为基础研究股价波动情况，同时将改进后的期权定价模型推广至测度信用风险的相关领域。他所应用的理论与实证方法蕴含原始的压力测试思想，为后来进行相关研究的学者们开辟了一条新道路。但学术界对于商业银行压力测试的理论研究，则要略晚于各大商业银行的实务操作。Wilson（1997）通过构建有关经济变量与关键风险指标的统计关系，优化了当时流行的压力测试模型，使其计算量大大减少，更适用于商业银行的日常业务操作，真正推动了压力测试在商业银行经营中的应用向常态化发展。Berkowitz（1999）在为美联储撰写的一份参考性研究报告中，强调了压力测试在商业银行风险管理中的重要性，并认为商业银行压力测试方法应遵循一致性要求，以使各大银行的测试结果具备可比性和实用性，使美联储能够有对照地把握银行业的风险水平。Virolainen K（2004）利用芬兰企业的实证数据，以宏观信贷风险模型为压力测试工具，刻画了企业部门是如何影响商业银行贷款违约率并推高银行系统信贷风险的。Hoggarth（2005）借助VAR 模型分析了英国银行业的贷款核销状况是如何受宏观压力情景变动影响的。Jim Wong（2006）等选取了香港地区有代表性的商业银行，重点研究了贷款违约率和GDP、利率的关系，揭示了住房抵押贷款的风险问题。Louzis（2012）等利用动态面板模型分析了希腊主要商业银行的几种不同类别贷款在经济下行周期中对银行不良贷款率走势的影响。

与此同时，国内对商业银行压力测试的研究成果也在不断丰富。汪寿阳（2002）等在日元贬值情景下，评估了日元汇率波动给我国对外贸易带来的不确定性风险，是国内学界最早以压力测试思想进行的实证分析研究。徐明东等（2008）对IMF 的FASP 系统、奥地利央行的SRM 系统和英格兰银行的TD 系统等主流宏观压力测试系统进行了深入地比较研究，对利用压力测试方法来评估我国金融系统稳定性提出了建议。宇文境泽和李诚（2010）进一步地将CPI 等宏观指标纳入房地产信贷的压力测试，结果表明，在给定压力情景下商业银行将面临房地产贷款的大量违约。潘岳汉和易晓微（2018）提出利用FAVAR 模型生成宏观情景，将压力测试进一步推广到利润预测与资本规划等方面的应用中。

三、我国商业银行房地产信贷概况

（一）房地产信贷现状简析

从银行的角度来看，我国商业银行开展的房地产信贷业务大致可划分为三个类别，即向房地产企业提供的房地产开发贷款、向购房者提供的购房贷款和以房地产作为抵押物的其他贷款。央行发布的报告显示，截至2018 年末，我国房地产行业信贷余额为38.7 万亿元，全年增长6.45 万亿元，其增量在全年贷款增量中的占比接近四成。虽然平均增速相较于2017 年同期回落了1.2%，但十分值得关注的是，作为涉房信贷主要风险来源的房地产开发贷款余额却同比增长22.6%，其增速反而超出上年5.5 个百分点。

（二）商业银行房地产信贷风险点分析

由于几类房地产信贷在期限、条件等基本条件上具有显著差异，其面临的风险点也有显著不同。

对于房地产开发贷款，在开发商向商业银行办理贷款时，通常会使用在建工程、土地使用权等项目作为抵押品，由于此类抵押品具备一定盈利预期且价值波动率要低于证券类资产，能够为商业银行的基本收益提供可靠保障，因此能够帮助房地产企业获取大量信贷资金以满足开发支出需要。但相应地，这类抵押物也蕴含着一定风险。首先，当房地产价格持续受挫时，受消费心理和市场情绪的影响，房地产项目的销售将不可避免地陷入萎靡，从而引发房地产消费的放缓甚至停滞，极大削弱开发商的偿还能力。随着滞销的扩大化，房地产行业将普遍面临越来越大的资金压力，使得房地产开发贷款风险激增。其次，房地产企业的经营会在一定程度上影响抵押物价值。比如，工程支出超出预算、不可抗力因素等都可能使企业资金链意外断裂，从而影响项目的建造进度，并导致贷款抵押物的贬值缩水，而这类停工停建项目往往流动性较差，使商业银行面临无法挽回的信贷损失。

个人住房贷款则是有购房意愿的个人，利用所要购置的房产向银行进行抵押，来获得贷款以补充购房资金。这类贷款的风险主要来自贷款人违约而形成的信用风险。由于个人住房贷款的期限较长，实际中大多在10 年到30 年不等。在这样长的时间跨度中，个人在还款期内遭遇重疾、失业以及其他突发困难的可能性会增加，从而使借款人还贷能力恶化而无力偿还贷款。但值得说明的是，我国个人住房贷款首付比例高且个人对贷款承担无限责任，导致主动“断供”的相应违约收益较低，个人住房贷款所面临的道德风险微乎其微。

以房地产为抵押物的其他贷款，主要以非房地产企业和地方政府融资平台通过抵押所持土地与房产所获得的银行贷款。此类贷款与上述房地产信贷最大的不同点在于，资金并未直接流入房地产市场，其风险主要来源于抵押物价值受房地产市场波动影响，导致商业银行收回贷款的潜在风险加剧。

四、房地产信贷压力测试

（一）模型建立

借鉴张明等（2017）的相关研究并考虑实证数据的可得性，模型选取2005 年1 月至2018 年12 月这一时间跨度内，中国实际GDP 增速（季）、居民消费价格指数增幅、房地产开发投资完成额、商品房销售额、一至三年期贷款利率四个经济指标，运用向量自回归模型（VAR）建立各指标同商业银行不良贷款率之间的长期模型。在数据处理过程中，对中国实际GDP 增速（季）进行平滑插值，转换为统一的月度数据，并将相关指标对数化以消除不平稳性。

根据ADF 检验显示，各指标的单位根均位于单位圆内，呈现良好的稳定性。如表1 所示，利用施瓦茨信息准则（SC）与赤池信息准则（AIC）可确定模型最大滞后阶数为2。

表1 滞后阶数判断结果

因此，选择2 期滞后模型，并根据t 检验剔除部分不显著变量，拟合不良贷款率方程模型如下，系数见表2。

其中，NPLt为不良贷款率，CPIt为居民消费价格指数，lggdpt为实际GDP 增速的对数，INVt为房地产开发投资完成额，REVt为商品房销售额，RATEt为一至三年期贷款利率，（t-s）代表滞后s 期。

表2 方程回归结果

（二）压力情景设定

一般而言，商业银行压力测试的情景设计可划分为敏感性分析和情景分析两大类。敏感性分析通过测试单个风险因素或几项关系密切的风险因素，揭示经济指标的变动对银行风险暴露与银行承受风险能力的影响。情景分析则基于敏感度分析，在通过敏感性分析获知银行财务状况对风险因素变动的潜在脆弱性的前提下，侧重于对商业银行面对罕见但可能发生风险事件的承受能力，具体又可分为历史情景法和假设情景法。

由于我国房地产行业并未发生过大规模崩盘事件，无相关历史数据可供使用，本文将采取假设情景法来模拟利率与商品房销售变动情况。情景中的变动幅度参照银监会2010 商业银行压力测试指引中给出的指导意见，考察商品房销售额平均跌幅水平达到10%、20%和30%时，商业银行房地产信贷的不良率变动，具体情景设定如表3。

表3 压力测试情景设定

（三）压力测试

将不同压力情景下产生变化的相应变量代入VAR 方程中，预测得到未来几期银行贷款不良率的估计值，见下表4。

表4 不良贷款率预测

结果表明，在利率下降、房地产销售受挫的压力情景下，商业银行的不良贷款率将有显著升高。尤其是在一年后，在利率上升200bp 和商品房销售情况下降30%的重度压力下，不良贷款率水平将达到3.5%的高位。

五、对策建议

本文简要论述了当前商业银行房地产信贷的规模，并大致对几类细分贷款类型的风险点加以分析。在实证分析中，同时选取了中国实际GDP 增速、居民消费价格指数增幅、房地产开发投资完成额、商品房销售额与一至三年期贷款利率等几类典型的宏观经济变量，利用向量自回归方法建立了以上变量同商业银行不良贷款率之间的长期回归模型，并以此为基础对商业银行的房地产信贷进行了压力测试。从定性分析与定量结果来看，一旦房地产市场遭遇销售寒冬，商品房销售下跌30%就会引发一系列连锁反应，使不良贷款率显著上升。而且，这种冲击很有可能通过房地产信贷业务渠道进一步影响商业银行的拨备覆盖率等重要风险指标，对商业银行的抗风险能力提出挑战，甚至会最终削弱商业银行的盈利能力。尤其对于许多中小型城商行与农商行来说，由于缺乏雄厚资本，其面临的风险问题将更加严峻。根据这一结论，本文对于商业银行的房地产信贷业务提出以下几点建议。

第一，商业银行应采取审慎的态度经营房地产信贷业务。目前，房地产行业正经历调整性运行周期，短期来看房地产业的频繁调整对于宏观经济运行将造成一定的下行压力。同时国家层面也在紧盯房地产行业的运行，仅2018 年，人民银行、银保监会以及住建部等多家部委关于房地产行业的通知政策就多达十余项，密集涵盖土地供给、公积金使用等多个领域。面对房地产市场的未来变化，商业银行应时刻保持对宏观经济政策的密切关注，在谨慎把握市场变化的基础上理性开展房地产信贷业务，科学安排房地产信贷规模。

第二，做好房地产信贷动态监测，深化风险预警工作。例如在开展房地产企业的开发贷款业务时，一方面，应严格贷前调查流程，重点审核财务状况、企业“四证”等必要的关键性材料，做到在源头上防范风险。另一方面，要强化项目跟踪，避免贷款的“一放了之”，在项目资金是否到位、成本核算是否合规、工程进度是否顺利乃至房地产的后续销售情况等方面给予应有的关注。此外，商业银行对于房地产信贷的风险评估维度往往过于单一，仅仅关注房地产企业某一开发项目的完成情况。商业银行应跳出传统模式的思维定式，构建对项目所属企业、企业所在集团的整体风险认知，力求在更高层面实现对一项信贷业务的整体把控。

第三，明确不同地区的房地产风险差异，聚焦房地产信贷风险中的区域性特征。商业银行应对借款企业所在地区的社会经济形势做出审慎评估，依照根据信贷投放区域的房地产经营环境建立起有针对性的风险评估小组。通过灵活的区域性小组形式，更加及时准确地捕捉本区域内的房地产行业风向，如土地供应情况、项目开发进度以及房地产价格区间等信息动态。结合区域专家研讨等多种补充手段，在深刻分析国家房地产行业政策的基础上结合本地区域特质进一步完善风险识别机制，确保房地产信贷风险管理的精准性。