银行风险与房地产风险的趋势异同与传导特征研究——基于中国股票市场的实证研究

刘居照

（中国人民银行南昌中心支行，江西 南昌 330008）

一、问题的提出

中国房地产业和银行业关系密切，房价和信贷波动及二者间的共生性是造成银行不稳定的重要原因（谭政勋和王聪，2011）[1]。各界普遍认为，信贷市场与房地产市场间的冲击效应会形成相互强化的顺周期波动。理论上看，如果房价下跌，随着房贷抵押品价值走低，则无论是购房者还贷能力或意愿减弱，抑或银行追加抵押品，均不利于维系房地产金融稳定。2020 年新冠肺炎疫情暴发以来，政策调控、信贷限制加强，特别是货币信贷政策更加强调灵活精准、合理适度，房地产贷款集中度管理加强，使得重新审视房地产和信贷市场发展及其传导特征具有重要的现实意义。2020 年11 月，中国人民银行发布《中国金融稳定报告（2020）》明确指出，中国商业银行体系的客户集中度、表外业务、地方政府债务、房地产贷款等领域风险值得关注。中央经济工作会议指出，2021 年要抓好各种存量风险化解和增量风险防范。所以，从金融业看，既要加强房地产“灰犀牛”等风险防范，也要提防应对疫情有关政策潜在风险，确保金融体系安全稳健运行。那么，现阶段中国房地产业与银行业的风险程度究竟如何？房地产业风险与银行业风险之间的反馈机制呈现何种特征？聚焦这些问题进行深入探讨，可以为宏观调控提供参考，对维护房地产和金融市场安全稳健运行具有重要的政策含义和应用价值。

从已有研究看，大多围绕房地产行业波动与金融体系稳定性之间的关系来展开，主要包括三类。一是房地产风险与银行风险的作用机制。例如：银行资金涌入房地产导致泡沫膨胀，加上道德风险和逆向选择，导致银行风险不断累积（Allen 和Gale，2000）[2]；银行资金撤出房地产会导致泡沫破裂，进而产生大面积不良资产和储户挤兑，最终威胁金融稳定（Allen和Carletti，2008）[3]；房价对均衡价值的偏离以及房价上涨对银行风险溢价和杠杆率的影响都可能放大银行风险（谭政勋和陈铭，2012；司登奎等，2019）[4-5]。二是房地产风险对金融体系的影响。例如：房地产业存在金融负外部性，原因在于虽然其创造的经济效益是局部的，但因其具备显著的金融属性和虚拟化特性，造成的社会成本和福利损失却是全局性的（白钦先和主父海英，2011）[6]；房地产业对金融机构存在较为显著的系统性风险溢出效应，在时间维度上具有周期性（孙翎等，2019）[7]；房地产市场和金融市场具有较强相关性，并存在非对称效应（曹晓飞等，2020）[8]；在新冠肺炎疫情期间尤其要深化金融改革发展，否则较大的家庭储蓄和政府刺激会助涨房地产泡沫，增加金融脆弱性（Fendoglu，2021）[9]。三是房地产周期与金融周期的关系。例如：房地产周期对金融稳定的影响主要体现在房地产信贷风险暴露、政府担保风险及长存短贷的期限错配风险上（张晓晶和孙涛，2006）[10]；房地产周期与银行危机乃至金融稳定密切相关（Pouvelle，2012）[11]；房价对金融系统性风险存在门槛效应（贾庆英和高蕊，2020）[12]。

我们发现，虽然学界围绕房价冲击引致金融风险的研究已经比较丰富，但是聚焦房地产业风险与银行业风险的联动性进行深入研究的并不多。基于此，本文综合运用标准差法、FAMA-FRENCH 三因子模型法和动态因子Copula模型法以及广义矩估计检验和格兰杰因果检验等方法，对中国银行业和房地产业市场各14 家主要公司股票收益率进行分析，通过联动性研究金融市场和房地产市场系统性风险、异质性风险和市场联合违约概率以及对风险传导方向和效率进行量化检验。相比以往文献，本文可能的创新之处在于：一是将银行业风险和房地产业风险细分为波动率、系统性风险、异质性风险和违约概率进行分析，对各种表现形式风险的走势和重大事件冲击影响进行量化对比，丰富了现有研究；二是量化了银行业与房地产业间风险传导的方向、周期和效率，为以往的研究结论提供了实证支撑。本文研究认为，针对银行业市场，须重点关注其可能向其他市场传导的系统性风险，从源头上提高金融系统稳定程度；而针对房地产市场，既要从宏观角度把握金融市场风险，也要从微观角度警惕异质性风险，可以为宏观调控政策提供参考，对维护房地产和金融市场的安全稳健运行具有重要的政策含义和应用价值。

二、理论分析

（一）房地产业与银行业市场间相关风险的界定

1.总体风险

总体风险囊括了各种各样的风险因子，通过观察总体风险状况，可以对市场整体面临的不确定性进行预判。本文对于房地产市场与银行市场的总体风险情况运用收益率波动的标准差进行衡量，该方法是最简单、最常见的衡量方式，后续本文将风险进一步细分为系统性风险与异质性风险。

2.系统性风险

当前学术界和监管当局对系统性风险的定义并不统一。例如IMF（国际货币基金组织）、BIS（国际清算银行）和FSB（金融稳定委员会）将系统性风险定义为金融体系部分或全部受损时引发的大范围金融服务失效且可能对实体经济产生严重冲击的风险；又如 Benoit（2017）[13]将系统性风险定义为导致市场大量参与者同时遭受严重损失，并迅速扩散到其他系统中的风险。尽管系统性风险没有统一定义，但却形成了以下共识，即系统性风险是全局性风险且具有传染性，一旦房地产泡沫破裂，将恶化银行资产质量并导致流动性严重不足，进而引发整个金融体系不稳定并对经济持续稳定增长产生重大冲击。系统性风险的度量有两类主要技术方法：一类为结构化方法，通常通过构建矩阵模型和网络模型对金融机构间的敞口数据进行分析，研究系统性风险传染的路径、影响范围及影响大小；另一类为简约化方法，基于机构股票收益率、CDS 价差、信用违约互换费率等市场数据建立模型进行度量。考虑到数据可得性以及市场数据前瞻性等因素，本文基于第二种方法度量系统性风险。

3.异质性风险

异质性风险是个股自身情况引起的风险，在“股灾”、新冠肺炎疫情、房地产政策变动等特殊时期，个股的异质性风险表现尤为明显，风险水平显著提升。近年来，随着各项房地产、金融政策的出台落地，银行和房地产市场异质性风险基本控制在一个较低水平。本文主要采用FAMA-FRENCH 三因子模型法来衡量房地产市场与银行业市场的异质性风险。

4.联合违约概率

联合违约概率主要用来测度行业给定公司的系统重要性。关于这一概念，学术界早有讨论，例如Segoviano 和Goodhart（2009）[14]引入给定一家银行违约的情况下其余银行联合违约的概率，以此测度给定银行的系统重要性；Zhou（2010）[15]运用极值理论提出系统性冲击指数，测度在给定银行违约情况下其余银行的期望违约数量；Xu 等（2017）[16]通过联合违约概率构建条件联合违约概率，以此分析欧洲银行系统中“过于关联而不能倒”的银行，类似的联合违约概率拓宽至房地产市场亦能测度类似房企的系统性重要性。本文采用动态因子Copula模型法来测度银行业与房地产业的联合违约概率。

（二）房地产市场与银行业市场间相关风险的传导渠道

中国房地产行业与银行业存在着双向依赖、双向驱动的关系（葛红玲和聂晓曦，2015）[17]。一方面，房价轮番上涨使得家庭部门形成了房价“只涨不跌”的预期，进而刺激大量家庭部门举债购房；另一方面，房地产市场与银行体系形成了利益共同体关系，由于房地产行业的资金主要来源于银行信贷，而如果考虑到与房地产行业存在紧密关联的建筑、钢铁等行业，则银行体系投入到房地产行业相关的信贷资金会更多（司登奎等，2019）[5]。因此，房地产市场与银行信贷之间形成了双向依赖、双向驱动关系，促成房地产业的金融化、泡沫化倾向逐步加强，导致宏观杠杆率逐步提升，风险逐步积聚并在房地产业与银行业逐步形成联动。具体传导渠道如下。

1.房地产业与银行业正反馈效应传导渠道

一是居民财富效应。房价上升给居民带来财富效应，促进居民消费和企业生产，提高经济水平，有利于金融稳定。二是抵押效应。当房地产价格上涨时，房地产作为抵押资产价值上升，基于托宾Q理论和价值抵押理论，企业资产状况得到改善，可以从银行获取更多资金，从而改善资产负债表，增加企业投资的信心和积极性，进而降低经济风险，维系金融稳定。对于银行而言，银行持有的抵押品价值上升，会优化银行资产负债表，有利于增强金融系统的稳定性。三是投资者渠道。居民财富增加，企业盈利稳定，会增强投资者信心，提高资源配置效率，加强银行与房地产业的正向联动。虽然该过程会增加贷款，但经济总量在增长，经济整体的资产负债情况得到优化。如果处于比较成熟的金融发展阶段，金融系统就能够将房地产价格上涨的影响传递到经济体的其他领域；但如果金融系统不完善，那么即使在经济杠杆较低情况下，房地产价格上涨也不一定会促进金融稳定。

2.房地产业与银行业负反馈效应传导渠道

一是挤出效应。对于家庭来说，较高的负债率本身就是沉重的负担，面临房地产价格上涨，无房户需要压缩消费积攒首付款，有房户则大多通过贷款购得，同样也会挤出消费，所以总体表现出家庭部门负债率上升，对消费产生挤出效应。二是虹吸效应。对企业部门来说，高负债率下实体企业的资金通过虹吸效应会流向高回报率领域，原本用于企业创新研发的资金和用于实体企业设备改造的资金会流向房地产市场，企业产出水平下降，整体表现出投机性增强，从而增加金融系统性风险。对于金融中介而言，在高杠杆情况下，金融系统脆弱性增强。一旦发生信用危机或房地产价格大幅下跌，银行资本金无法在极速贬值的抵押资产中快速抽身，资不抵债将造成大面积的银行、企业破产，风险在房地产业和银行业间传导并互相促进。三是溢出效应。房地产业和银行业剧烈波动将冲击其他行业和金融部门，形成更广泛的联动，风险跨市场迅猛传播，资源“脱实向虚”导致经济虚拟化程度加重，进一步导致金融风险系统化，增加金融体系脆弱性。

有鉴于此，本文旨在联动研究金融市场和房地产市场总体风险、系统性风险、异质性风险和市场联合违约概率，并对风险传导方向和效率进行量化检验。

三、研究设计

（一）数据样本

1.商业银行样本说明及描述性统计

本文参照王辉和梁俊豪（2020）[18]的做法，并综合考虑数据完整性、可获取程度以及代表性，选取工商银行、建设银行、中国银行、交通银行、中信银行、北京银行、兴业银行、招商银行、民生银行、华夏银行、南京银行、浦发银行、平安银行、宁波银行14 家银行股票的对数收益率作为中国银行业系统性风险数据来源，样本期为 2015 年 1 月 1 日至 2021 年 4 月30 日，股票收益率为日度对数收益率。选取以上银行作为样本的主要原因有：一是中国大多数银行于2007年开始陆续上市，选取以上14家银行能够较大程度满足数据的完整性；二是这14 家银行2021 年4月30 日收盘时流通市值之和占A 股市场上市的所有银行业股票总流通市值的比重约为90%，具有较好的代表性；三是这14 家银行样本量均为1541，涵盖的历史时间较长，既确保了结论可靠性，也减少了程序计算时间。表1对14家银行股票收益率进行了一个简单描述性统计。总体来说，银行业股票收益率波动不大，日均收益率数值不高。国有商业银行股票收益率标准差略低于股份制银行、城市商业银行等其他类型银行，反映出国有商业银行的股市投资风险略低于其他类型银行。日均收益率最高的银行是招商银行，最低的是民生银行。投资风险最高的是南京银行，标准差为2.7143%；最低的是工商银行，标准差为1.4606%。此外，本文所使用数据均为经过除权除息调整后的数据，故而收益率均介于-11.63%至9.62%的合理区间内。

表1 中国部分银行业股票收益率的描述性统计

2.房地产公司样本及描述性统计

本文采用房地产业部分公司股票市场收益率衡量房地产行业系统性风险。为了与金融行业相对应，选取万科A、保利地产、绿地控股、华侨城A、金地集团、金科股份、陆家嘴、张江高科、中南建设、新湖中宝、上海临港、荣盛发展、阳光城、华夏幸福14家房地产业公司股票对数收益率作为中国房地产业系统性风险数据来源，样本期为2015 年1 月1 日至2021 年4 月30 日，股票收益率为日度对数收益率。之所以选取这些股票：一是流通市值份额占比高，具有市场代表性；二是在2015 年1 月1 日后有数据且不中断，存在分析可能性；三是14 家房地产业公司股票样本量均为1541，与银行业股票样本量一致。表2对14家房地产公司股票收益率进行了一个简单描述性统计，总体来说，房地产股票收益率均值绝对值和标准差都要高于银行业股票，这反映出房地产市场投资风险要高于银行业股票。若采用单位风险收益（均值/标准差）来衡量各股票的投资价值，房地产市场中投资价值最高的是万科A，最低的是华夏幸福。与银行业股票相比，房地产业股票过去6 年平均单位风险收益略高。

表2 中国部分房地产业股票收益率的描述性统计

3.商业银行和房地产公司样本偏度和峰度分析

表3 给出了样本股票收益率的偏度和峰度统计。从表中可知，79%的银行业股票和房地产业股票收益率偏度为负，收益率具有左偏性质；同时银行业股票和房地产业股票收益率峰度均值分别达到8.24 和3.58，在分布上呈现尖峰厚尾特征。通过Jarque-Bera 检验可知，各收益率序列均拒绝服从正态分布的原假设。因此，我们在对边际分布建模时不能简单考虑残差服从正态分布，而要采用GARCH族模型，以减小模型拟合误差。

表3 样本股票收益率的偏度和峰度

（二）计量方法

本文采用三种方法衡量个股风险和市场风险，分别为标准差法、FAMA-FRENCH 三因子模型法和动态因子Copula模型法。

1.标准差法

该方法是最简单、最常见的衡量方式，本文采用该方法衡量个股的总体风险（相对后述系统性风险和异质性风险而言）。为了更直观地展现股票收益率波动率变化，本文进一步采用移动窗口方式计算标准差。

2.FAMA-FRENCH三因子模型法

该模型认为，一个投资组合的超额回报率可以由它对三个因子的暴露来解释，这三个因子分别是市场投资组合超额收益率、市值因子和账面市值比因子。这个多因子模型可以表示为：

其中，Rit为股票收益率，Rmt为市场收益率，Rft为无风险利率，本文中使用银行间隔夜拆借利率作为代理变量，SMBt为市值因子，HMLt为账面市值比因子，μt为模型残差。根据模型理论，我们可以用来衡量市场超额收益率对个股超额收益率的影响，也即系统性风险大小。βi的值越大，市场波动对个股的影响程度越大，系统性风险越高。而残差的标准差sd(μt)表示个股超额收益率中无法被市场超额收益率、市值因子、账面市值比因子解释的部分，sd(μt)的值可以用来衡量个股自身因素对个股超额收益率的影响，也即异质性风险，与系统性风险相对。类似地，为了更直观地展现股票系统性风险和异质性风险变化，本文进一步采用移动窗口的方式进行拟合。

3.动态因子Copula模型法

该方法由Oh和Patton（2017）[19]首先提出。相较CoVaR 模型、Copula 函数等风险测量方法，该方法具有以下优点：一是能够较为准确地测算多个股票的联合违约概率，即系统性风险发生概率，且可以考虑金融市场收益率尖峰厚尾特征；二是能够反映不同银行之间的差异；三是可以避免“维数诅咒”，在计算多个收益率的联合违约概率时仍具有较高的计算效率。本文构建动态因子Copula 模型的主要步骤：一是采用ARMA-GARCH-Skewt 分布模型对每只股票的边际收益率进行拟合，得到边际分布函数；二是将各边际分布函数运用动态因子Copula模型计算联合分布函数；三是运用联合分布函数计算全市场联合违约概率，以衡量系统性风险的整体水平及其演变趋势。

在得到金融市场系统性风险变化趋势和房地产市场系统性风险变化趋势后，本文进一步采用时间序列检验方法检验风险在两市场间的传导情况：一方面，采用广义矩估计检验（GMM）方法对上述模型进行量化检验，分析风险传导效率，该方法可以有效缓解模型数据内生性对结果带来的影响，提高结果估计的准确性；另一方面，使用格兰杰因果检验方法来检验风险传导方向。

四、实证研究

（一）模型一：使用标准差法估计市场总体风险

使用标准差法估计2015—2021 年银行市场和房地产市场总体风险走势，所使用数据为按照流通市值为权重加权平均的14 家公司的平均收益率，结果如图1 和图2 所示。图1 的T 取值30，含义为当日风险使用过去一个月收益率波动大小计算；图2 中的T 取值90，含义为当日风险使用过去一个季度收益率波动大小计算。图1 一般用来衡量短期内总体风险变化情况，其优势在于波动剧烈、反应迅速，但因样本量限制而使准确性降低；图2 一般用来衡量长期内总体风险变化情况，其优势在于样本量多，准确性提高，但风险反应速度、响应时间延长。从中可知，银行业和房地产业市场总体风险走势基本一致，2015 年受股市收益率大涨大跌的“股灾”影响，两市场总体风险值一度达到0.04，进入2016 年后总体风险趋于平稳。2018 年由于中美贸易摩擦影响，两市场总体风险又有所升高；2020 年新冠肺炎疫情和全球金融市场震荡再度抬升总体风险。这些特殊时点在图2 中体现得更加明显。近期而言，两市场总体风险总体维持在稳定水平（短期在0.01—0.02 之间，长期在0.01—0.015之间），市场运行较为稳定。

图1 2015—2021年银行业股票市场和房地产业股票市场总体风险序列图（T=30）

图2 2015—2021年银行业股票市场和房地产业股票市场总体风险序列图（T=90）

进一步对比金融行业和房地产行业，我们发现，2016 年以后，不管是短期水平还是长期水平上，房地产业市场总体风险波动都比银行业市场更为剧烈。这不仅表现在峰顶的数值更高，也表现在峰值出现得更加频繁。这可能是房地产市场对消息、投资者情绪反应更为灵敏所致。此外，我们还发现在2016 年下半年，房地产市场总体风险出现了一个较高峰值（短期0.022，长期0.016），而同时期银行业市场并没有出现，这可能是由2016 年房地产政策调整所致。2016 年，由于股票市场不景气，信贷政策宽松，资金逃离严重并大量涌入房地产市场，导致部分一、二线热点城市房价上涨明显，不少专家和投资者呼吁严格约束“炒房”行为。同年下半年召开的中央经济工作会议提出，要坚持“房子是用来住的，不是用来炒的”的定位，在宏观上管住货币，微观信贷政策要支持合理自住购房，严格限制信贷流向投资投机性购房，促进市场健康平稳发展。由此，中国房地产政策发生了较大转变，房地产市场投资风险也出现了一定幅度的上升。

（二）模型二：使用FAMA-FRENCH 三因子模型法估计市场系统性风险和异质性风险

使用FAMA-FRENCH 三因子模型法估计两市场各只股票的系统性风险和异质性风险，结果如表4 和表 5 所示。表中 β-value 指的是模型 β 系数值，表示系统性风险大小。若该股票收益率与市场收益率走势完全相同，则β 系数为1；若该股票收益率波动弱于市场收益率波动，即该股票受到市场影响较小时，β 系数小于1；若该股票收益率波动强于市场收益率波动，即该股票受到市场影响时放大波动，则β 系数大于 1。t-value 是 β 系数的 t 值，即系数显著程度。sd（residuals）是模型残差的标准差，衡量的是异质性风险，即该股票受到其他因素影响的扰动程度，其数值越大表示风险越大。此外，为了保证时间序列数据伪回归现象，本文还对个股收益率进行ADF检验。表4和表5显示所有股票收益率均在1%的显著性水平上拒绝原假设，即所有股票收益率在1%的显著性水平上均平稳。从表4和表5风险测量结果看，2015—2021 年，总的来说房地产业股票平均系统性风险和平均异质性风险均要高于银行业股票，且所有股票β 系数均在1%的显著性水平上显著。因此，银行业股票较房地产业股票市场波动的程度较小，涨跌幅明显低于市场。银行业股票中异质性风险较高的股票主要是城市商业银行股票和股份制银行股票，国有银行股票异质性风险明显低于上述二者。

表4 中国部分银行业股票的系统性风险和异质性风险

表5 中国部分房地产业股票的系统性风险和异质性风险

图3 和图4 展示的是2015—2021 年银行业股票市场和房地产业股票市场系统性风险和异质性风险序列图。其计算数据来自表4和表5，具体计算方式是将每期所有股票系统性风险和异质性风险按照流通市值（市场份额）加权平均所得。特别要说明的是，由于系统性风险期望值为1，因此在计算系统性风险加权平均值时先用减去1 的数值计算，然后再加1。从中可知，不管是系统性风险还是异质性风险，房地产行业风险均强于银行业。对于银行业股票来说，系统性风险的波动频率及幅度强于异质性风险，异质性风险仅在2015 年发挥了较强作用；对于房地产业股票来说，系统性风险在2018 年前发挥着较强作用，而异质性风险仅在2015 年发挥了较强作用。这说明：一是在“股灾”期间，系统性风险和异质性风险同时作用于股票收益率，引起收益率剧烈波动；二是在股市平稳期，系统性风险发挥着较强作用，较大程度影响着股市稳定性，故而防范化解重大金融风险具有较强现实意义；三是近年来两市场系统性风险呈现明显平稳态势，并且均值有下降势头，说明近年来防范金融风险已有较为明显的成效。

图3 2015—2021年银行业和房地产业股票市场系统性风险序列图（T=30）

图4 2015—2021年银行业和房地产业股票市场异质性风险序列图（T=30）

图5 和图6 则是长期水平（T=90）上两市场系统性风险和异质性风险序列图。长期水平上的结论与短期水平基本一致，但系统性风险的下降趋势更明显。前文提到的2016 年下半年政策改变引起房地产总体风险升高的现象，在图3至图6中可以将结论进一步细化，即2016 年下半年政策调整引起房地产风险升高的现象，主要是由系统性风险所致。此外，房地产政策调整引起的系统性风险升高比“股灾”来得更强烈，可能是“股灾”引起整个股票市场泡沫破灭风险均摊于所有市场股票，而房地产市场政策调整主要作用于本市场，即单个市场的系统性风险对于该市场单只股票收益率的作用程度强于多市场联合系统性风险。

图5 2015—2021年银行业和房地产业股票市场系统性风险序列图（T=90）

图6 2015—2021年银行业和房地产业股票市场异质性风险序列图（T=90）

（三）模型三：动态因子Copula 模型法估计市场联合违约概率

使用动态因子Copula模型法估计市场联合违约概率。由于该模型无显性解，因此本文通过1000 次蒙特卡洛模拟估计联合违约概率。参照王辉和梁俊豪（2020）[18]的做法，设定估计频率为月度，并将违约股票数量设定为半数7。即市场上有至少一半的股票处于风险状态则认为市场处于风险状态。结果如图7所示。从中可知，在2015—2016上半年，银行业市场联合违约概率处于2%—32%之间，在2016 年下半年后违约概率降至2%—12%之间，说明“股灾”较大程度刺激了市场联合违约概率提升。对于房地产业市场来说，违约概率处于2%—37%之间，且其波动频率和幅度均强于银行业市场，这印证了之前结论。2021 年4 月，银行业市场联合违约概率为6.7%，房地产业市场联合违约概率为10.0%，房地产业市场违约概率仍约为银行业市场违约概率的1.5倍，目前两市场股票收益率风险处于历史较低水平。总的来看，市场联合违约概率的走势基本与市场总体风险走势一致，说明系统性风险和异质性风险共同作用提高了市场联合违约概率。

图7 2015—2021年银行业和房地产业股票市场联合违约概率序列图

（四）银行业市场和房地产业市场风险联动程度

本文采用格兰杰因果检验对银行业市场和房地产业市场风险传导途径进行研究。首先，排除异质性风险，因为异质性风险是个股自身情况引起的风险波动，理论上相互间无传导性。滞后期是指自变量与因变量间错开的期限，即两市场间风险传导时间。对于总体风险和系统性风险（日度数据）而言，单位为日（d），选取1d 和5d；对于联合违约概率（月度数据）而言，单位为月（m），选取1m 和3m。H0 为格兰杰因果检验原假设，“银行房地产”指的是银行业风险变动不是房地产业风险变动的原因，“房地产银行”指的是房地产业风险变动不是银行业风险变动的原因。F 值为格兰杰因果检验F 值。GMM 是采用GMM检验方法对模型传导系数进行估计，即所传导风险大小。该模型为：

表中展示的为β1值。之所以控制Yt-T变量，是为了排除自身持续性对结果的影响。对于格兰杰因果检验不显著的传导途径，其系数在10%显著性水平上与0无显著差异，因此表中不反映其结果。表6结果显示，一是总体风险由银行业向房地产业传导较为明显，且风险产生后1—5 天影响程度略有增强（系数从0.0113 增至0.0275）；二是房地产业总体风险产生5 天后向银行业传导较短期（1 天）更明显（F值分别为5.3292 和1.9629）；三是系统性风险在银行业传导至房地产业时显著，且在短期（1 天）最为显著；四是联合违约概率在两市场间交叉传导，持续期限较长（1—3 月均显著），且银行业向房地产业传导的风险效率更高。总的来说，风险在两市场间存在交叉传导、反复传导、长期传导的特征，银行业风险在两市场风险联动中占据主导地位。

表6 格兰杰因果检验结果

五、结论与政策建议

（一）主要结论

本文通过对中国银行业和房地产业市场各14家主要公司股票收益率进行收集整理，采用标准差法、FAMA-FRENCH 三因子模型法和动态因子Copula 模型法分别计算两市场总体风险、系统性风险、异质性风险和市场联合违约概率，分析比较两行业风险走势特征，总结风险发展趋势异同。并采用格兰杰因果检验方法对风险传导方向和效率进行量化检验。主要结论如下。

一是银行业和房地产股票市场总体风险走势基本一致，房地产市场的波动要比银行市场更为剧烈、频繁。在“2015 年股灾”“2018 年中美贸易摩擦”、房地产政策调控、新冠肺炎疫情等特殊时期，两行业市场风险显著提升。近年来，随着影响事件逐渐平息，各项房地产、金融调控政策稳定出台实施，银行和房地产市场风险基本控制在相对较低水平。

二是进一步将总体风险拆分为系统性风险和异质性风险，房地产行业股票平均系统性风险和平均异质性风险均高于银行业。在“股灾”期间系统性风险和异质性风险显著放大，引起收益率剧烈波动；在股市平稳期，系统性风险发挥着较强作用，较大程度影响着股市稳定性。分市场来看，对于银行业，城市商业银行股票和股份制银行股票的异质性风险比国有银行股票更高。近年来两市场系统性风险呈现明显的平稳态势且有下降势头，中国近年来防范金融风险已有较为明显的成效。

三是两市场的联合违约概率与整体风险走势基本一致，系统性风险和异质性风险共同作用于市场联合违约概率。房地产市场违约概率高于银行市场，约为银行市场违约概率的1.5 倍。近期，两市场联合违约概率保持在2%至12%水平区间，较股灾期间的30%以上违约概率大幅降低。

四是风险在两市场间存在交叉传导、反复传导、长期传导的特征。总体风险更倾向于在较长期限上反复传导，银行业向房地产业传导更明显，房地产业向银行业传导时间更滞后；系统性风险更倾向于在较短期限由银行向房地产传导。联合违约概率在较长时期（1至3月）在两市场交叉传导，日均传导效率约为2.2%。总体上，银行业相比于房地产业会对市场稳定造成更大影响，银行业风险在两市场风险联动中占据主导地位。

（二）政策建议

金融稳定是金融安全的重要基础，金融安全又是国家安全的重要组成部分。近年来，国际金融危机频发，大宗商品价格波动剧烈，各国间进出口贸易较量不断，给国际金融稳定带来了不小冲击。对于中国而言，如何把握住金融运行的动态规律、提高金融治理能力和治理水平，对金融服务发展、占得国际市场先机具有重要意义。根据金融稳定抵御冲击说，金融稳定的实现方式是合理配置金融资源以抵御冲击，而金融资源中最重要的当属具有乘数效应的银行存款供应。本文即从银行业股票市场风险出发，横向连接备受关注且风险波动较为频发、剧烈的房地产市场，得出了以下有关风险防控的政策建议。

一方面，对于银行业市场，须重点关注其可能向其他市场传导的系统性风险。要从源头上提高金融系统稳定程度，必须要加强银行业治理。近年来，中国坚持推进金融供给侧结构性改革，着力化解突出风险，提高银行业服务实体经济能力，已取得不错成效，总体而言风险基本可控，但是当前面临的国际国内金融形势依然严峻。要稳固已取得的成果，一是要继续坚持当下严监管政策不动摇，做好风险前瞻预判和防控预案，动态把握银行业金融风险的周期性与规律性，做到标本兼治，尤其要严格管控银行房地产信贷，优化银行业资产结构；二是加快建设多层次、差异化、高开放度金融体系，有效分散行业风险冲击；三是注意防范影子银行、民间借贷、违法经营等监管难以触及领域带来的风险，持续整治金融市场乱象，严厉打击非法金融活动，将银行业市场尽可能纳入监管范围；四是加快金融市场改革，完善证券市场、期货市场等资本市场制度，更进一步发挥资本市场作用，提高直接融资比率，优化资源配置效率，降低企业融资成本，促进企业健康发展，不断提高居民收入。

另一方面，对于房地产市场，须重点加强房地产金融宏观审慎管理。要坚持“房住不炒”立场不动摇，坚决打击恶意炒房行为，维护好房地产金融市场稳定。特别是近期人民币汇率波动加剧，叠加新时期世界经济格局不断变化，引起投资者投资意愿频繁调整，给房地产金融市场稳定带来不小挑战。基于本文研究结论，一是既要从宏观角度把握金融市场风险，在估算单个市场风险时考虑各市场间风险传染性，也要从微观角度警惕异质性风险，关注每个公司特别是系统重要性较高的公司突发风险的状况；二是把握住新时期世界经济格局变化的机遇，根据“股灾”、新冠肺炎疫情、其他国家政策变化可能导致的结果，不断修正政策引导方向；三是探索建立市场风险预警系统，通过宏观经济指标变化，动态掌握市场实时风险评估指标，及时采取措施稳市场；四是加快人民币国际化步伐，进一步提高金融对外开放水平，着力降低美元利率波动对中国金融市场的影响，降低境外风险的溢出效应，引导投资者根据市场需要理性投资。