金融房价观点 宏观调控指标——房地产市场交易金融宏观建模探讨

文｜广东省建设信息中心 杨海涛 陈辅淳 夏兰亭

1.研究背景

2021年7月22日，中央政治局常委、国务院副总理韩正在加快发展保障性租赁住房和进一步做好房地产市场调控工作电视电话会议上强调，要牢牢抓住房地产金融这个关键。

2020年12月28日，人民银行与银保监会出台银发〔2020〕322 号文件，规定银行业金融机构房地产贷款余额和个人住房贷款余额占机构人民币各项贷款余额的比例（简称房地产贷款占比和个人住房贷款占比）不得高于相应上限。

我国银行业金融机构整体房地产行业贷款占比（房地产贷款占比＋个人住房贷款占比）上限相当高：第一档为40%＋32.5%，第二档为27.5%＋20%，第三档为22.5%＋17.5%，等等。房地产行业的正规贷款总额占全部人民币各项贷款之和的大头。

20世纪90年代我国住房制度改革以来，住宅房地产市场交易规模和价格主要由社会经济的市场因素决定。政策性干预只能抑制、延缓或者提前释放市场因素的力量，市场因素的作用终究会兑现。市场因素在宏观上，哪些最能左右房地产市场交易规模和价格，最能揭示交易市场的动力和势态呢？房地产金融是个关键。

研究住宅房地产交易（买卖）金融宏观指标、建立相关概念模型，提纲要领地衡量评估房地产市场的金融属性，对于住宅房地产市场调控具有十分重要的现实意义。但是，自2003年8月国务院提出房地产市场宏观调控以来，仅有2020年底提出的个人住房贷款占比这个直接与市场交易有关的指标。

2.房地产市场宏观金融指标

房地产市场交易核心要素可归结到面积与资金这两点——本文由此出发，提出指标概念。约定：用下划线标识术语、概念或数据项，用[]标识术语、概念或数据项。

2.1 基础指标

[场内资金]：来源于房屋出售，再用于购置房屋（无论中途，只要重返楼市）的资金。

[场外资金]：首次进入房地产市场参与交易的非场内资金。房地产交易市场新增进场资金=场外资金。

[场外资金]＝场外资金中购房者自有部分＋场外资金中银行贷款部分。

[交易资金]：房屋交易资金，可划分为两部分：（1）[自有资金]：场外资金中购房者自有部分＋场内资金（购房者之前卖房所得）；（2）[银行贷款]：场外资金中银行贷款部分。

交易资金＝自有资金＋银行贷款＝场外资金＋场内资金

[一手交易量]，简称一手量：新建商品房（现房和期房）成交的总建筑面积。

[二手交易量]，简称二手量：存量房成交的总建筑面积。

[交易总量]＝一手交易量＋二手交易量。

2.2 测算指标

在前述基础指标上，再提出新的宏观测算指标：

①[杠杆增熵]，记作α ≡银行贷款/交易总量；②[本金增熵]，记作β ≡自有资金/交易总量；③[本杠比]，记作λ ≡自有资金/银行贷款；④[贷占比]，记作ρ ≡银行贷款/交易资金；⑤[市场增熵]≡场外资金/交易总量；⑥[市场熵值]≡场内资金/交易总量。

说明：“熵”本是衡量物质系统吸收或放出热量引起的系统状态无序度（热度）变化的物理概念，熵的增减反映系统热度的增减。在此借用“熵”来刻划市场热度，以杠杆增熵衡量银行贷款的涌入对房地产市场趋热（增熵）的杠杆影响，本金增熵衡量自有现金的流转对房地产市场趋热（增熵）的自力影响；以市场增熵衡量房地产市场场外资金的涌入所造成的市场热度（增熵）的外来激励，以市场熵值衡量房地产市场“卖房换房”所变现的场内资金的再投入对市场热度的内在激励，故又称“换房指数”，它反映卖房所得又再投入买房所引起的市场趋热（增熵）；以本杠比衡量银行贷款的带动效率——值越高代表贷款所撬动的住房投资的自有资金比例越高。

3.市场交易宏观金融建模

3.1 资金溯源及分类作用

3.1.1 无场外资金，就无交易

任何房屋的资金变现，一定是直接或间接来自于场外资金。一宗房屋交易的场内资金，若追溯其买方资金的来源链，最后都可归结到一系列的场外资金流入端节点。如图1 所示，对房屋A1 的交易资金进行溯源，则其资金来源可无一遗漏地追溯归结到当前或者之前交易的场外资金流入端节点系列{R1, {R2,1,…,R2,j},…, {Rx,1,…,Rx,k}}。商品房市值不可能自我增量膨胀，它是由不断进场的场外资金扛起来的。

图1 交易资金溯源图

3.1.2 无银行贷款，就无市场

场外资金以银行贷款为主力。我国房地产市场发展到现在，拥有产权房屋的人群几乎覆盖到所有中等收入以上工薪家庭，但是人们工薪收入增长远不及房屋市值的增长。我国房地产市场主要靠银行贷款花未来钱托起来，否则就没有兴旺的房地产市场；没有兴旺的房地产市场，银行也不会贷款给房地产项目。

3.2 市场衡量指数

（1）[杠杆调控指数]，记作τ ≡杠杆增熵当期／杠杆增熵上期≡α当期／α上期

（2）[本金调控指数]，记作σ ≡本金增熵当期／本金增熵上期≡β当期／β上期

在房屋面积摊分下，τ 代表当期流入房地产市场的银行贷款相对于上期的增长率；σ 代表流入房地产市场的个人自有现金的当期数相对于上期数的增长率。τ 和σ 可评判市场发展健康程度：τ 反映市场泡沫变化——置业者赊款交易强度的环比，σ 反映经济基础变化——置业者实有资金交易强度的环比。

3.3 交易资金池模型

以交易总量为底面，以成交单价为高度的市场交易资金池模型可直观地表示房地产市场规模、交易总量、房价、流入和流出市场资金等的关系，如图2 所示。资金池体积＝交易资金（交易总量×单价）代表市场规模。某个时期资金池：（1）体积变小，其减少量＝净流出市场的资金体量；（2）体积变大，其增加量＝净流进市场的资金体量。在交易总量不变的情况下，净流入房地产市场的资金将直接提升房屋价格。净流入资金等于前述场外资金。场外资金中，银行贷款的杠杆作用最值得关注——因为杠杆是市场泡沫发展的恶化因子。

图2 房地产市场交易资金池

4.模型应用的实效性

4.1 可计算性归结与分解

银行贷款和交易资金数据都可从银行或房地产交易系统中获得，自有资金可通过交易资金减去银行贷款间接计算。除市场增熵和市场熵值因场外资金和场内资金两个统计口径难以获得数据外，其他指标和指标均易计算。如，由公式(1)和相关定义可得：

4.2 测算指标关系分析与预测

我们建立起α、β、λ 与房价P 的关系：

其中，平均房价P ＝交易资金/交易总量。P 的环比可作为房价加速度来考察（＞1 为加速，＜1 为减速）；α、β 的环比则分别为杠杆和本金调控指数τ、σ。基于可计算性，可探索使用它们的历史数据来预测预判市场准状况及趋势。

5.广州市房地产金融指标例释

5.1 金融及销售数据的采用及处理

原则：（1）按金融机构具有“住户贷款”统计口径的年度，聚焦住宅房产数据；（2）尽量使用政府公开数据，如不足，再选用房地产行业领域有影响力的重要商业平台或者专家报告的数据补充；（3）直接数据不具备时，采用间接计算补充。

我们从文献中抽取数据经计算补充形成广州2016-2020年住房贷款、交易总量和资金、房价基础数据—多源数据以广州统计年鉴的为准，然后测算市场交易金融指标。

5.2 市场金融宏观指标的直观分析

5.2.1 基本测算指标数据序列的市场解释

广州市2016年至2020年的基本测算指标如图3 所示。图中，虚线型折线使用右侧纵坐标轴（单位:亿元），实线型折线使用左边纵坐标轴。由图可见：（1）2018年后银行贷款占比呈下降趋势，但市场规模总体上升，本金增熵β 稳步上扬——市场热度主要由新进场的自有资金和场内两手房流转活跃驱动，而同期本杠比λ 急剧增高则说明银行贷款的杠杆效应显著趋大；（2）2018年后房价上涨趋于平缓，是由银行贷款的抑制（α ↓）、自有资金的活跃（β ↑）、市场需求的释放（市场规模↑）共同决定。

图3 2016-2020 广州市房地产市场交易金融宏观指标测算

5.2.2 金融调控与市场动能的数据关系解释

用指数τ 和σ 跟房价环比的时序关系图来考察金融调控与市场动能的数据关系，见图4。可见，房价环比折线介于指数τ 和σ 之间，反映出杠杆调控和本金调控两者在房价年相对上升速度上的影响的相互对冲。定量地，τ 和σ 对房价的综合影响应以加权值ρ·τ+(1-ρ)σ 评估，其中，用贷占比ρ 作为杠杆调控指数τ 的权值以反映银行贷款的影响系数，相应地用(1-ρ)反映自有资金的影响系数。显见，τ 和σ 的加权值的趋势线与房价环比折线的走向之间存在明显的正相关性，从而佐证了本文所提出的金融调控指数的合理性和有效性。

图4 调控指数对房价环比走势的影响

5.2.3 资金强度与市场均价的数据关系解释

用指标α 和β 及它们的线性回归线(α+β)/2 跟市场均价P 的关系曲线来考察,见图5。α 和β 于市场均价的共同作用可简单地归结成它们的加权和(α+β)/2。显见，(α+β)/2 折线与市场均价折线趋势类似—验证了本文关于交易资金强度指标设置的合理性和可用性。

图5 金融增熵与市场均价对照

6.深圳市房地产金融指标例释

基于广州市数据处理相同的原则，从相关参考文献抽取相关数据经计算补充形成深圳市2015-2019年住房贷款、交易总量和资金、房价等基础数据，然后进行市场交易金融宏观指标测算，形成如图6、7、8所示相应折线和趋势线（房价单位为:万元/m2）。图6 中，虚线型折线使用右侧纵坐标轴（单位:亿元），实线型折线使用左边纵坐标轴。由图6 可见：1）2015-2019年期间，贷占比基本平稳在33%～55%之间，并呈略降趋势，而反映自有资金作用的本杠比λ 和本金增熵β 几乎同步在2016年后稳步上扬，抵消了杠杆增熵α 下降的影响，从而市场规模虽然曾略有下降但仍然保持大致的体量——说明期间市场热度主要是由新进场的自有资金和场内两手房流转活跃驱动的；2）2017年以后，房价更加趋向平稳，本金增熵β、本杠比λ 呈同态稳步向上趋势，而同期杠杆增熵α 却呈反向下降趋势，说明房价主要受到银行贷款强度的下调影响，虽然自有资金的激活和市场需求的释放往上推动；3）2016年起平稳上扬的本杠比λ 标示银行贷款对自有资金的撬动效率较高，同期本金增熵β 平稳上升，说明期间深圳市住宅房地产市场受到新入场自有资金和场内资金的稳健支撑。

图6 2015-2019 深圳市房地产市场交易金融宏观指标测算

图7 显示，房价环比折线介于杠杆调控指数τ 和本金调控指数σ 之间，反映出银行贷款和自有资金两者对于房价年相对上升速度的作用相互对冲。τ 和σ 的综合影响以加权值ρ·τ+(1-ρ)σ 的趋势线体现——与房价环比折线的走向存在明显的正相关性。

图7 调控指数对房价环比走势的影响

图8 显示，杠杆增熵α 和本金增熵β对于市场均价P 的作用可简单归结成它们的线性加权和(α+β)/2——其趋势线与住宅交易市场均价折线的趋势相当类似。

图8 金融增熵与市场均价对照

7.分析与总结

我国房地产贷款是促进和支撑房地产开发建设的金融支柱，而个人住房贷款则是撬动和托起商品住房市场交易的金融杠杆。房地产市场的表现主要由场外资金的流入撬动、场内资金的流转促进，以及房屋的供需矛盾等三大因素共同决定。场内资金须有场外资金的激活才能开始流转，新进场的场外资金的强度越大，售换房产生的场内资金的流转量越高，从金融因素来看，要区分信贷资金和自有资金分别所起的杠杆和内在作用。场外资金的主力一定是来自于银行贷款，剔除卖房所得的个人家庭自有资金只占市场交易资金的较小部分。市场调控的牛鼻子在于调控个人住房购置贷款。本文提出杠杆增熵、本金增熵、本杠比、贷占比、市场增熵、市场熵值、杠杆调控指数和本金调控指数等房地产市场交易金融宏观指标，为衡量市场交易金融因素作用，研判市场发展趋势、泡沫性质与程度，提供了新颖有效的数字工具——经广州、深圳公开的统计数据建模例示验证。