结构性去杠杆与中国房地产金融业波动溢出风险：促进还是抑制？

郭文伟，朱洪进，马晓文

(广东财经大学 金融学院，广州 510320)

一、引言

近10年来，中国房地产市场热度持续高涨，不少城市地价房价持续上涨并形成相互促进的趋势。根据国家统计局公布数据表明，2020年全国商品房均价为9860元/平方米，同比涨幅为5.9%。全国100个城市新建商品住宅成交均价同比涨幅也达到近11%。与此同时，2020年全国土地均价为6763元/平方米，同比涨幅为18.7%。这表明地价增速明显高于房价，无形中进一步增强了房价上涨预期。进入2021年，一线城市与强二线城市房价上涨更为明显，不断激发购房需求，由此导致银行房贷规模及增速不断扩大，居民部门杠杆增速过快。局部地区房地产金融化泡沫化趋势开始显现，对此，监管部门从2020年开始实施结构性去杠杆，以此来抑制居民部门和企业部门(尤其是房地产企业)的杠杆水平，随后推出“三道红线”和“房地产企业贷款集中管理制度”来优化金融资源配置，严防资金违规流入房地产市场。2021年3月2日，银保监会主席郭树清在国新办新闻发布会上表示，房地产领域的核心问题还是泡沫比较大，金融化、泡沫化倾向比较强，是金融体系最大灰犀牛，是防范化解金融风险攻坚战的关键环节。在目前各类房地产市场的严格调控政策持续落实的大背景下，房地产行业竞争格局势必会明显分化，市场集中度将进一步提升。与此同时，大量的中小房地产企业将面临生存压力或淘汰出局，这势必导致房地产领域债务违约风险的不断积累，进而引发金融业坏账风险的积累。因此，在当前有序结构性去杠杆背景下，研究房地产业与金融业之间的相互波动溢出影响机制就具有重要的现实意义和研究价值：第一，有助于明确不同部门去杠杆对房地产业和金融业波动溢出风险的影响效应；第二，有助于厘清在宏观部门去杠杆背景下房地产业与金融业之间的波动溢出风险及其差异；第三，有助于评价结构性去杠杆对房地产金融风险的影响效应，从而合理确定结构性去杠杆的力度和方向，避免过度去杠杆引发房地产金融风险向外传染，为制定科学的金融风险防范政策提供有益的借鉴。

二、文献综述

(一)房地产金融业波动溢出风险形成机理研究

随着全球经济的迅猛发展，房地产业在满足居住的基础上，已逐渐成为重要的投资品。伴随着房价的快速上涨与金融业的高速发展，在中国社会依然以间接融资为主导的背景下，整个房地产开发的各个环节均需要大量的资金支持，离不开金融业的支持，从而房地产业与金融业之间形成了共生关系。与此同时，近20年来，中国城市房价持续上涨带动了居民的住房消费与投资热情，使得居民房贷规模持续增大，居民部门杠杆水平持续上升。显然，这种房地产市场过度繁荣背后也积累了大量的潜在金融风险。2008年金融危机的爆发，使得房地产金融风险的形成机理再次引起国内外学者的广泛关注。Bernanke等(1999)较早利用“金融加速器”效应诠释了房地产金融风险存在“升缓降急”的非对称性[1]。Iacoviello(2005)实证发现房地产市场存在金融加速器效应，信贷约束的存在扩大了房价变化对宏观经济的影响，受抵押贷款约束的购房者具有明显的顺周期性特征[2]。Allen和Carletti(2008)认为对于贷款者来说，当资产价格升高，贷款者会利用抵押物预期价格上升向银行借更多的钱，但若资产价格下降，贷款者会随着抵押物价格的下降而发生违约，造成银行的的不良贷款[3]。

2008年美国房地产业的次贷危机，通过雷曼兄弟等大型金融机构的破产逐步扩散到全世界各个国家，引发了全球性的金融危机，不仅让各方意识到房地产金融业波动溢出风险的强大破坏力,而且让国内外学术界开始研究房地产金融业波动溢出风险。国外学者在此研究上取得了丰硕成果，Pavlova和Rigobon(2008)指出，房价变化将引起社会财富的再分配、银行贷款的结构发生改变及影响市场流动性，并最终导致银行产生系统性风险[4]。Ewald(2010)指出，美国金融危机的导火索源于房地产泡沫的破灭，在这场危机中，房产占了家庭总资产的大部分，而购房资金又大部分来源于银行贷款，随着房价的暴跌，家庭和银行都付出了巨大的代价[5]。Mian和Sufi(2011)研究发现，一般家庭会在经济繁荣时向银行过度贷款用于投资房地产，但房地产市场的泡沫会随着经济衰退的到来而破裂，致使信贷市场出现大量违约[6]。Liu和Minford(2014)将银行部门加入新凯恩斯模型，验证了加入信贷渠道后该模型仍然有效，揭示出信贷冲击对次贷危机的生成发挥了主要作用[7]。Andreas(2016)通过对2019家房屋抵押贷款违约概率和预期损失利润的数据分析，认为商业抵押担保证券投资者的信用风险主要源于金融和资本市场[8]。Deng等(2019)基于复杂网络理论研究房地产价格冲击下银行的系统性风险传染机制，认为房地产的资产抛售在风险传染过程中发挥主导作用[9]。国内学者也进行了大量相关研究。伍冠玲(2009)通过研究发现，房地产市场的繁荣程度将密切影响房地产金融风险的大小[10]。曹玉华(2010)通过研究美国次贷危机后认为，住房按揭贷款的准入条件下降以及相关监管部门的失职是造成此次危机的主要原因[11]。林那(2011)研究指出，因为中国房地产市场上的金融产品种类稀少，无法满足直接融资的需求，导致银行为其提供了大部分信贷资金的同时也承担了主要的风险。由此鼓励金融产品多样化创新、拓宽房地产市场的融资渠道，可以加大分散房地产行业的风险程度[12]。齐讴歌(2015)认为，房地产价格波动对整个金融体系产生重大影响，而银行信贷扩张会对房地产市场风险产生助推作用[13]。蔡真(2018)指出，这些风险一旦形成便会在房地产市场进行不断传导、扩散[14]。方意(2015)研究货币政策和房价冲击对银行风险承担的影响[15]，沈悦等(2014)研究银行风险承担与房地产信贷政策之间的关系[16]。刘超等(2018)认为，房地产市场作为资产配置的重要工具，当其资产价格剧烈波动时，往往能产生从局部危机扩散至全局的系统性金融风险[17]。王文胜和张梦凯(2019)认为，低迷时期的房地产业下行压力加大，对货币流通速度的变化存在滞后，造成其价格的不稳定波动，不利于金融市场的稳定[18]。翟永会(2019)认为，在各个行业中房地产业对银行业的风险溢出效应程度最大，与系统性风险的关系最为紧密，房价的过度波动不利于金融稳定[19]。司登奎等(2019)认为，房价上涨将增加杠杆率，对银行产生风险溢出效应，最终导致金融市场的动荡[20]。

(二)房地产金融波动溢出风险测度研究

2008年全球金融危机的爆发再次证明了房地产业与金融业之间存在显著的波动溢出效应。同时也表明之前学界测度房地产金融业波动溢出风险方法存在明显的局限，由此引发学者开始探讨更为科学合理的测度方法。早期学者主要通过采用Pearson线性相关系数法和Granger因果关系法分析房地产业与金融业之间的相互关系，但这两种方法存在很大的局限性。前者没有考虑到在变量与变量之间可能会有非线性的相关性，而后者的缺陷在于没有办法定量计算出变量与变量间的相关性。随后有学者采用Copula函数来测度房地产业与金融业之间的非线性相依性。

在房地产金融波动溢出风险测度方面，Diebold和Yilmaz(2009)首次基于广义VaR模型预测误差方差分解，提出了静态波动溢出指数(简称DY方法)来测度金融市场间波动溢出效应[21]。随后Diebold和Yilmaz(2012,2014)采用滚动窗口技术来实现动态VaR估计，进而实现了总波动溢出指数和有向溢出指数的动态测度[22～23]。由于DY方法可以充分捕捉行业或市场之间波动溢出效应变化，所以被广泛应用到不同国家的金融市场或不同金融资产间的波动溢出关系研究中。Abbas等(2019)利用DY方法研究了七国集团国家股市收益率和波动率与其宏观经济因素之间的关系[24]。Benlagha和Mseddi(2019)研究了伊斯兰银行与传统银行在金融危机期间的波动溢出强度与方向，研究发现伊斯兰银行间的联系强于传统银行，并且溢出指数对经济事件高度敏感[25]。Santiago等(2017)拓展了Diebold和Yilmaz(2009，2012)[21～22]的模型框架，使用DCC-GARCH模型构建了波动溢出指数，该方法直接从资产收益序列中计算溢出指数并识别协方差矩阵的时变性[26]。为了克服DY方法依赖窗口长度和步长选择主观性的局限，Antonakakis和Gabauer(2017)引入时变参数向量自回归(TVP-VAR)模型的时变溢出指数方法。此种方法可以很好改进DY方法的缺陷，因为其不用设定窗宽，进而也就不会有样本的损失[27]。

近年来国内学术界基于DY方法作了许多实证研究。刘超等(2017)采用 DY方法和复杂网络方法测度中国一级金融子市场间的波动风险溢出效应[28]。何敏园(2018)实证研究了全球股市间的波动溢出效应，结果表明全球股市波动率溢出效应大于收益率溢出效应，且波动率溢出与收益率溢出都具有时变性与非对称性[29]。刘姣姣等(2020)基于DY方法考察了国内不同畜产品价格之间的溢出效应[30]。赵艳平等(2020)基于DY方法测算了1997年1月至2019年7月全球30个主要外汇交易经济体的外汇市场压力双向溢出效应[31]。郑挺国等(2018)基于TVP-VaR模型对1993—2016年间国际8个主要股市的时变波动溢出效应进行了测算，发现国际股市间的总波动溢出效应呈上升趋势，尤其是在金融震荡时期显著上升[32]。杨子晖等(2018)采用VaR，MES，CoVaR以及ΔCoVaR四类风险测度方法，结合风险溢出网络方法，从静态和动态两个角度对中国金融机构和房地产公司的系统性风险及其传染展开研究[33]。

(三)结构性去杠杆对房地产金融业波动溢出风险的影响机理研究

2008年全球性的金融危机以后，“去杠杆”逐渐成为各方关注的问题。国外学者Eggertsson和Krugman(2012)首先提出了“去杠杆化危机”，认为金融去杠杆化会对宏观经济产生负面冲击[34]。Reinhart和Rogoff(2010)、Schularick和Taylor(2012)通过研究指出，过高的杆杆率会引发流动性风险，导致经济陷入“债务—通缩”的恶性循环中，从而加大了金融危机爆发的概率，引起经济衰退[35～36]。Black等(2013)、Engle等(2015)、Hautsch等(2014)认为，商业银行业资产规模及其财务杠杠是系统性风险的关键驱动因素，也是造成系统性风险溢出效应的重要原因[37～39]。

国内学者在分析去杠杆与房地产金融业风险之间的关系研究上紧跟国家监管政策变化，主要分为三个方向：一是研究各部门杠杆之间的溢出效应。马亚明和张洁琼(2019)通过实证建模发现，各部门杠杆之间存在时变影响效应：金融部门杠杆会挤压非金融企业部门杠杆，居民部门杠杆会抑制非金融企业部门杠杆和政府部门杠杆[40]。江红莉和蒋鹏程(2019)同样认为，政府部门杠杆上升会对非金融企业部门杠杆和居民部门杠杆产生挤出效应[41]。二是分析金融去杠杆在宏观层面的影响效应。马勇和李振(2016)通过研究指出，适度的金融去杠杆可以提升金融效率、优化金融结构，从而提高经济增长[42]。苟文均等(2016)、陈雨露等(2014)认为，由于不同部门的杠杆率对系统性金融风险的影响存在差异，因此，过度金融去杠杆将加大系统性风险和金融危机的发生概率[43～44]。马勇和陈雨露(2017)、顾永昆(2017)及吴建銮等(2018)认为，金融去杠杆加剧了经济波动[45～47]。三是探讨结构性去杠杆的实施方法及影响效果。刘勇和白小滢(2017)通过研究表明，居民部门和金融部门去杠杆能显著降低系统性风险，而政府部门和非金融企业部门去杠杆对抑制金融系统性风险传染效果较为一般[48]。王桂虎和郭金龙(2018)通过实证发现，宏观杠杆率对宏观金融风险的影响存在区制效应，只有高杠杆区制才会加剧结构性扭曲，进而引发金融系统性风险溢出[49]。刘哲希和李子昂(2018)研究结论表明，居民部门加杠杆最终会加剧企业部门去杠杆造成的经济下行趋势，无助于推进结构性去杠杆[50]。黄少安和王伟佳(2019)实证认为，去杠杆会产生较大经济波动，而企业和居民部门同时去杠杆的效果要好于单独某一部门去杠杆的效果[51]。

综上所述，尽管国内外学者已对房地产业与金融业之间的波动溢出效应进行了深入研究并取得丰富的成果，能为本文研究带来有益的启发，可是大部分研究结果仍有一定的局限性：第一，研究角度存在局限性。现有文献大都从一级行业视角来分析房地产业与金融业(或银行业)之间的波动溢出风险，忽视了近几年来中国影子银行在房地产业融资上发挥的重要促进作用，而影子银行机构往往来自金融业三级子行业；与此同时，房地产业中房地产开发、园区开发、房地产服务业与不同金融子行业之间的波动溢出效应也存在明显差异，因此，从三级子行业视角来研究房地产业与金融业之间的波动溢出效应，将更加贴近中国实际情况。第二，研究方法有局限性。现有研究方法大多只能分析两个行业之间的静态波动溢出效应，而难以将房地产金融各子行业纳入统一分析框架中，从而无法充分捕捉各子行业之间的动态溢出效应及其形成的连通性网络。第三，研究的问题有局限。现有文献主要侧重分析宏观杠杆或部门杠杆波动对中国经济的影响，鲜有文献研究结构性去杠杆对房地产金融波动溢出风险的影响效应，更没有进一步分析结构性去杠杆对房地产金融各子行业波动溢出风险的影响差异。与现有研究相比，本文研究特色主要体现在：第一，创新的研究视角。基于三级行业视角中3个房地产子行业(房地产开发、园区开发及房地产服务)和6个金融子行业(国有银行、股份制银行、保险、证券、信托及其他非银金融)的波动溢出风险。第二，研究问题更深入。一方面，从宏观层面分析不同部门去杠杆对房地产金融总体波动溢出风险的影响效应，另一方面，也进一步比较不同部门去杠杆对9个房地产金融子行业波动溢出风险的影响差异。

三、实证模型的构建与说明

(一)房地产金融业时变波动率测度:GJR(1,1)-SkT(v,λ)模型

因为传统的GARCH模型仅能描述出金融收益率系列的正态分布，但实证研究发现越来越多的金融资产收益率分布实际上均表现为“尖峰、肥尾”的正态分布特征，所以，本文使用了边缘分布GJR(1,1)-SkT(v,λ)模型对中国房地产金融子行业的时变波动率进行刻画，以求能够得到更加合理的描述性特征。边缘分布的模型形式如下：

Ri,t=c0+c1Ri,t-1+ei,t

(1)

ei,t=hi,tεi,t,εi,t～SkT(v,λ)

(2)

(3)

上述边缘分布模型有8个参数，其中，式(1)为均值方程，包含参数c0和c1，ei,t为股指收益率系列的残差，i=1,2,…,9分别代表中国9个房地产金融子行业。式(2)中的SkT(v,λ)为偏斜学生-t分布，它能同时刻画收益系列的尖峰、厚尾、偏斜特性；式(2)中参数ν和λ分别代表自由度参数和非对称性参数。式(3)为方差方程，包括4个参数(ω，α，β，γ)，I(ei,t-1<0)为指示性指标，当ei,t-1<0取1，否则取0，表明面对一个负面冲击时，收益率系列波动要大于面对一个正面冲击时的波动。

对于GJR(1，1)模型来说，式(3)还面临着如下的约束条件。

α+2β+γ<2,α>-γ,β∈(0,1)

(4)

DCC-GARCH模型形式如下：

(5)

(二)房地产金融业波动溢出风险测度：DY模型

本文参考了Diebold和Yilmaz(2014)[23]的基于广义方差分解的溢出指数方法，对房地产金融业的9个子行业进行波动溢出效应的测度及分析，主要分成三步进行模型的构建：一是构建了N维p阶VaR模型；二是对其进行广义方差分解；三是建立总体溢出指数及方向性溢出指数。本文借鉴Diebold和Yilmaz(2014)[23]提出的溢出指数方法来测度9个房地产金融子行业的波动溢出效应。假设所构建的N维VAR(p)模型为：

(6)

其中，Xt=(X1t,X2t,…,Xnt)是一个N维列向量，也即各股市波动率系列øi，i=1,2,…,p是N×N自回归系数矩阵，误差向量εt均值为零，协方差矩阵记为∑；假设该VAR模型具有平稳的协方差，因此，则可将式(6)转换为移动平均形式(VMA)：

(7)

其中，Aj=ø1Aj-1+ø2Aj-1+…+øpAj-p。A0为N×N阶单位矩阵，且j<0 时，Aj=0。通过对VaR模型的构建，进行协方差矩阵的方差分解，可以把每一个变量的预测误差通过方差分离成为源自各个系统内部的变量，并把其归属于各自变量的溢出效应。为了测度变量间的溢出效应和总溢出效应，先对变量间的溢出效应进行定义：变量Xj对变量Xi的溢出效应被定义为Xi的H步预测误差的方差受到来自Xj部分的冲击，其中i≠j，H步表示VAR模型的预测误差的时间跨度，即方差分解的期数，可以表达为如下形式：

(8)

(9)

(10)

(11)

(12)

式(10)为总溢出指数，衡量9个房地产金融子行业波动的总溢出指数。式(11)和式(12)为方向性溢出指数，分别表示行业i受到其他行业波动的溢入水平和对其他行业的溢出水平，从而全面刻画出各行业之间的溢出强度和溢出方向。

四、中国房地产金融业波动溢出风险测度

(一)样本数据选择与说明

本文分析对象为6个金融子行业指数(国有银行GYYH、股份制银行GFZYH、保险BX、证券ZQ、信托XT、其他非银金融QTJR)与3个房地产子行业指数(房地产开发FDCKF、园区开发YQKF、房地产服务FDCFW)，以这些行业指数的日收盘价作为样本数据进行实证研究。数据来源于东方财富Choice数据库。研究时期从2011年8月1日至2020年11月25日。这里对样本数据均进行了对数收益率处理。

(二)变量描述性统计分析及相关检验

本文对整个周期内的样本数据进行正态分布、平稳性检验，具体分析结果如表1所示。国有银行、股份制银行、保险、证券这4个子行业存在“尖峰、右偏”特征，而信托、其他金融、房地产开发、园区开发、房地产服务这5个子行业存在“尖峰、左偏”特征。所有子行业均在1%的置信水平上为平稳序列且不服从正态分布。

表1 房地产金融各子行业收益系列的描述性统计结果

(三)房地产金融各子行业边缘分布模型估计结果

本文采用GJR(1,1)-SkT(v,λ)模型对各子行业的收益率序列分布进行参数估计，进而获得房地产金融各子行业时变波动率，为后续分析行业波动溢出指数提供数据支持。基于整个研究周期的边缘分布估计结果如表2所示。从表2可以看到，所有9个子行业的α参数和β参数均在1%的置信水平上显著，且其值相加之和均接近于1，说明这9个子行业的波动具有明显的持续性。各子行业的γ参数都没有通过统计显著性检验，说明各子行业波动不存在明显的“杠杆效应”。与此同时，各子行业的估计参数均满足式(4)的约束条件，说明本文所采用的边缘分布模型是合适的。

表2 整个时期内房地产金融各子行业边缘分布估计结果

(四)中国房地产金融各子行业波动溢出风险测度结果

1.中国房地产金融各子行业时变波动率测度结果

从房地产金融各子行业在整个研究时期内的时变波动率均值来看，其他非银金融行业波动率最大，其次是房地产服务业和证券业；比较可知，保险业和银行业的波动率最小。显然，银行业和保险业自身巨大的行业规模在一定程度上起到了稳定金融市场波动率的作用。从各子行业波动率走势来看(见图1)，各子行业均在2015年下半年和2020年上半年出现了较大的波动率峰值，前者主要是由于2015年下半年沪深股市出现“杠杆式股灾”导致，后者主要由于2020年初出现新冠肺炎疫情冲击导致。比较可知，后者波动率水平远小于前者。

(资料来源：作者根据数据统计而得)图1 中国房地产金融各子行业时变波动率走势(2011年8月—2020年12月)

2.中国房地产金融子行业之间的静态波动溢出效应测度结果

本文首先采用基于广义方差分解的溢出指数方法,测度中国房地产金融子行业之间在整个研究时期内(2011年8月—2020年11月)的波动溢出效应。这里基于AIC准则确定VAR模型的最佳滞后阶数为1，将预测误差方差分解的期数设为5。整个研究时期内各子行业之间波动溢出矩阵如表3所示(1)受文章篇幅限制，本文仅列出整个研究时期内各子行业之间的波动溢入溢出矩阵，而不再列出各子行业历年的波动溢入溢出矩阵。对其他结果感兴趣的读者可联系作者索取。。

表3 整个研究时期内房地产金融各子行业之间的波动溢入溢出结果

在整个研究时期内，房地产金融各子行业的总体净溢出指数为63.58%，说明总体波动净溢出效应较为明显，各子行业波动更多源于自身前期波动的影响，而其他子行业的波动冲击也有一定的影响。在金融业各子行业内部，国有银行业对股份制银行业和保险业的波动溢出较大(分别为19.93%、10.93%)，但相比于证券业、信托业及其他非银金融业的波动溢出较小；股份制银行同样对国有银行业和保险业的波动溢出较大(分别为22.96%、15.01%)，相较之下另外三个金融子行业的波动溢出较小。证券业对国有银行业、股份制银行业及其他非银金融业的波动溢出较小，但对其他两个金融子行业的波动溢出较大。信托业对国有银行业、股份制银行业及保险业的波动溢出较小，而对另外两个金融子行业的波动溢出较大。其他非银金融业对国有银行业、股份制银行业及保险业的波动溢出较小，但对另外两个金融子行业的波动溢出较大。从金融子行业对房地产子行业的波动溢出来看，国有银行业、股份制银行业、保险业、证券业对房地产开发业的波动溢出明显大于对园区开发业和房地产服务业的波动溢出，而信托业和其他非银金融业对园区开发业的波动溢出明显大于对房地产开发业和房地产服务业的波动溢出。同时房地产各子行业相比于证券业和信托业的波动溢出显著高于国有银行业、股份制银行业、保险业及其他非银金融业的波动溢出。总体上分析各行业的波动溢出及溢入，可以发现波动溢出效应在各子行业间相差不大，其顺序依次是：证券业(9.44%)、房地产开发业(8.97%)、股份制银行业(8.49%)、保险业(7.52%)、信托业(6.91%)、国有银行业(6.61%)、园区开发业(6.11%)、房地产服务业(5.24%)、其他非银金融业(4.31%)。而波动溢入效应由大到小排序是：证券业(7.88%)、房地产开发业(7.72%)、股份制银行业(7.49%)、保险业(7.45%)、园区开发业(7.07%)、国有银行业(6.85%)、信托业(6.83%)、房地产服务业(6.48%)、其他非银金融业(5.85%)。显然，在整个研究时期内，证券业和房地产开发业波动溢出溢入效应最大。

3.新冠肺炎疫情以来中国房地产金融子行业之间的静态波动溢出效应测度结果

基于广义方差分解的溢出指数方法,测度中国房地产金融子行业之间在新冠肺炎疫情以来(2020年1月—2021年10月)的波动溢出效应。这里基于AIC准则确定VAR模型的最佳滞后阶数为1，将预测误差方差分解的期数设为5。整个研究时期内各子行业之间波动溢出矩阵如表4所示。

表4 新冠肺炎疫情以来房地产金融各子行业之间的波动溢入溢出结果

新冠肺炎疫情发生以来，房地产金融各子行业的总体净溢出指数为65.071%，其数值略高于前文的整个研究周期数值，说明新冠肺炎疫情加大了总体波动净溢出效应。国有银行、股份制银行、保险、其他非银金融和房地产服务的自身波动溢出在新冠肺炎疫情以来都有所下降，而其他房地产金融子行业的自身波动溢出均出现上升。在金融业各子行业内部，国有银行业对其他非银金融行业、证券行业、信托在新冠肺炎疫情以来的波动溢出均上升(分别上升4.5%、1.56%、0.37%)，而其对股份制银行和保险的波动溢出均下降(分别下降7.33%、2.48%)；股份制银行业对其他非银金融的波动溢出上升(上升3.11%)，而其对国有银行、证券、保险、信托的波动溢出均下降(分别下降9.01%、7.4%、5.12%、0.86%)；保险行业对其他非银金融的波动溢出上升(上升3.89%)，而对其他子行业的波动溢出均下降；证券行业对其他非银金融和国有银行业的波动溢出均上升(分别上升1.45%、0.821%)，而对其他子行业的波动溢出均下降；信托行业对国有银行业和股份制银行业的波动溢出均上升(分别上升0.124%、0.19%)，而对其他子行业的波动溢出均下降；其他非银金融对其他子行业的波动溢出均上升(上升0.124%)。从金融子行业对房地产子行业的波动溢出来看，国有银行业、股份制银行业和其他非银金融对房地产开发业和房地产服务业在新冠肺炎疫情发生后的波动溢出均出现上升，股份制银行和其他非银金融对园区开发业的波动溢出也出现上升且对房地产开发的波动溢出上升明显大于另两个房地产子行业；而保险业、证券业和信托业对房地产开发业、园区开发业和房地产服务业的波动溢出均下降，其中，证券业对这三个房地产子行业的波动溢出下降得更为明显。总体上分析各行业在新冠肺炎疫情以后波动溢出及溢入的变化，波动溢出在各子行业间的上升顺序依次是：其他非银金融业(6.57%)、房地产开发业(2.43%)、房地产服务业(1.06%)；波动溢出下降顺序依次为：证券业(3.87%)、园区开发业(1.84%)、股份制银行业(1.06%)、信托业(1.04%)、保险业(0.59%)、国有银行业(0.21%)。而在新冠肺炎疫情以后波动溢入效应上升由大到小排序是：其他非银金融业(2.25%)、股份制银行业(0.64%)、国有银行业(0.62%)、保险业(0.58%)、房地产服务业(0.27%)；期间波动溢入效应下降顺序依次为：证券业(1.58%)、园区开发业(0.75%)、房地产开发业(0.3%)、信托业(0.29%)。从各行业总波动溢出来看，新冠肺炎疫情发生以来，房地产开发业波动溢出效应最大；从各行业总波动溢入来看，新冠肺炎疫情发生以来，股份制银行业波动溢入效应最大。

4.中国房地产金融行业的总体动态波动溢出效应测度结果

本文以1年期(243个交易日)作为滚动窗口长度，1个交易日作为滚动步长，通过采用滚动窗口技术来获得整个时期内中国房地产金融各子行业波动的总溢出指数，以此来度量中国房地产金融业在2011—2020年期间的总体动态波动溢出效应(Spillover)(见图2)。从图2可看出，在整个研究时期内，房地产金融业总溢出指数走势波动较为激烈，该溢出指数从2012年53点开始震荡上升至2013年的阶段性高点(70)，随后保持大幅波动震荡走势，并分别在2015年和2018年出现两个历史低点，随后从2019年开始大幅波动上升至今一直维持在历史高位。这表明，2019年以来，中国房地产金融业总体波动溢出风险持续上升至今并保持较高风险水平。

图2 中国房地产金融业总体波动溢出指数

从各子行业波动溢出指数走势来看，房地产金融业各子行业走势大体相同，均在从2011年大幅波动下降至2018年的历史低位，随后开启震荡上升趋势至2020年。从净溢出指数走势来看(见图3)，国有银行业、股份制银行业、保险业、证券业、其他非银金融业、房地产开发业总体上呈现出波动风险净溢出状态，而信托业、园区开发业、房地产服务业总体上呈现出波动风险净溢入风险，尤其是信托业从2019年以来面临持续增加的波动溢入风险，房地产服务业则从2020年以来同样面临持续加大的波动溢入风险，显然，这两个子行业将成为防范房地产金融风险的重点对象。其他非银金融业从2019年至今一直呈现出较大的波动净溢出水平，也是需要重点监控的金融子行业。

图3 中国房地产金融各子行业波动净溢出指数

5.中国房地产金融子行业之间的动态波动溢出效应测度结果

(1)一级行业视角下房地产金融业之间的动态波动溢出效应

图4为一级行业视角下金融业与房地产业之间的波动溢出效应。总体上房地产业对金融业的波动溢出均值(1.08)要明显大于金融业对房地产业的波动溢出均值(0.89)，这说明在整个时期内，房地产业对金融业的波动溢出效应要大于金融业对其的波动溢出效应，尤其是进入2020年以来，这种溢出效应在不断加大。从走势来看，两者走势基本类似，均在2015年初和2018年初出现低位，随后从2018年持续上升至今维持在高位。

图4 中国金融业与房地产业之间波动溢出效应

(2)三级子行业视角下房地产金融业之间的动态波动溢出效应

从表5的统计结果来看，国有银行业对房地产开发业的波动溢出效应(5.77)小于房地产开发业对国有银行业的波动溢出效应(6.57)。与此相反，国有银行业对园区开发业和房地产服务业呈现净波动溢出效应，说明前者对后者的波动溢出影响大于后者对前者的波动溢出影响。从横向比较来看，国有银行对房地产子行业中的房地产开发业波动影响最大，对房地产服务业的波动影响最小。这是比较符合实际情况的，房地产开发由于融资规模相比园区开发业和房地产服务业大很多，且更多依赖金融业，因此，房地产开发业与金融业各子行业的关系更为密切，也就容易受到更大的波动溢出影响。股份制银行业与房地产开发业之间的双向波动溢出效应较为接近，但股份制银行业对园区开发业和房地产服务业均呈现净波动溢出状态。保险业对房地产开发业的波动溢出效应略小于房地产开发业对保险业的波动溢出效应。保险业对园区开发业和房地产服务业均呈现净波动溢出状态。证券业对房地产开发业、园区开发业和房地产服务业均呈现净波动溢出状态。信托业、其他非银金融业对房地产开发业的波动溢出效应小于房地产开发业对信托业和其他非银金融业的波动溢出效应，但信托业和其他非银金融业对园区开发业和房地产服务业均呈现净波动溢出状态。在各金融子行业中，证券业对房地产开发业的波动溢出效应最大(10.40)，然后是其他非银金融业(8.29)。同时，其他非银金融业对于园区开发业和房地产服务业的波动溢出效应明显高于金融业的其他子行业。综合来看，证券业和其他非银金融业与房地产各子行业之间相互溢出效应比较大。

表5 房地产金融各子行业之间的波动溢出效应均值

五、结构性去杠杆对中国房地产金融业波动溢出风险的影响效应

(一)部门杠杆的衡量

在部门杠杆衡量方面，这里借鉴陈雨露等(2014)[44]的研究结果，采用对其他金融部门债权占国内信贷的比率来衡量金融部门杠杆FL、采用非金融企业部门债权(包括企业部门和居民部门)占国内信贷的比率来衡量非金融企业部门杠杆NFL、采用对政府部门债权占国内信贷的比率来衡量政府部门杠杆GL。各部门杠杆都进行了季度效应调整。从各部门杠杆走势来看，金融部门杠杆在2000—2005年期间出现小幅波动下降趋势，随后从2006—2007年开始出现一定的上涨趋势；在受到2008年金融危机冲击下出现了持续下跌趋势；直至2011年历史低位后开始反转出现持续上涨趋势并在2017年中达到历史新高(17%)，然后随着中国金融监管层开始实施去杠杆政策而出现持续回落至今(10.19%)。政府部门杠杆在2000—2015年期间总体保持平稳波动趋势，杠杆水平基本处于4.47%～6.80%的波动区间，从2016年开始出现持续上升趋势至今达到13.50%，说明这5年间中国政府部门持续加杠杆。非金融企业部门杠杆在2000—2005年期间出现下降趋势，2006—2011年处于震荡上升趋势；2012—2018年处于快速下降趋势，而从2019年至今出现了缓慢上升趋势。总体上各部门杠杆走势各异，从近几年来看，金融部门明显处于快速去杠杆状态，政府部门处于快速加杠杆状态，而非金融企业部门处于缓慢加杠杆状态。

(二)部门杠杆对中国房地产金融业总体波动溢出风险的影响效应

在借鉴现有相关研究成果的基础上，本文将充分考虑国内外经济政策不确定性、经济增速、经济政策工具等因素的影响，来全面分析各部门杠杆对房地产金融波动溢出风险的影响效应；同时，将从一级和三级行业层面开展实证分析，以期深入比较房地产金融波动溢出风险的行业异质性特征。模型因变量为总体波动溢出风险Spillover以及各行业之间的相互溢出风险，包括金融业对房地产业的波动溢出JR_TO_FDC及房地产业对金融业的波动溢出FDC_TO_JR；主要自变量是各部门杠杆(金融部门杠杆FL、非金融企业部门杠杆NFL及政府部门杠杆GL)；控制变量为全球经济政策不确定性GEPU、中国经济政策不确定性CNEPU(2)本文采用 Baker等(2016)构建的经济政策不确定性指数。该指数的构造基于新闻报道内容，由斯坦福大学和芝加哥大学联合发布，涵盖了全球主要经济体。 Baker等(2016)选取了香港南华早报(South China Morning Post)作为新闻报道检索平台，基于文本检索和过滤方法构建了中国经济政策不确定性指数和全球经济政策不确定性指数。本文采用这两种指数的自然对数形式。、货币政策工具(分别用广义货币M2同比、实际1年期贷款利率DKLL来代表中国的数量型和价格型政策)、用工业增加值增速GYZJZ来代表经济发展。除了全球经济政策不确定性、中国经济政策不确定性这两个变量外，其他变量均采取百分比形式。这里研究时期为2012年8月至2020年11月，共100个月，所有变量数据均为月度数据，原始数据来源于东方财富Choice数据库。

1.模型变量数据描述性统计

表6为主要模型变量的指标说明及描述性统计。从表6可知，从一级行业来看，在整个研究时期内金融业对房地产业的波动溢出均值略大于房地产业对金融业的波动溢出均值，但后者的波动率略大于前者的波动率。房地产金融业波动溢出风险的最大值为78.42、最小值为12.36、波动率高达16.68，说明中国房地产金融业波动溢出风险走势较为激烈，始终存在较大的溢出效应。中国经济政策不确定性要显著大于全球经济政策不确定性。

表6 模型主要变量描述性统计

2.部门杠杆对房地产金融业波动溢出风险的影响结果

从表7的分析结果可知，在核心自变量的影响方面，金融部门杠杆率和政府部门杠杆率均对中国房地产金融总体波动溢出风险(Spillover)具有显著的正向促进作用，而非金融企业部门杠杆率对中国房地产金融业总体波动溢出风险具有显著的抑制作用。在控制变量的影响方面，中国经济增长对房地产金融总体波动溢出风险并没有影响；与此相反，货币政策对房地产金融总体波动溢出风险影响非常大：广义货币政策增速能显著提升房地产金融总体波动溢出风险，而贷款实际利率水平能显著降低房地产金融波动溢出风险。由此可知，总体上房地产金融波动溢出风险存在明显的顺周期特征，这就要求：一方面适度降低广义货币增速并提高银行贷款实际利率将能有效抑制中国房地产金融总体波动溢出风险；另一方面降低金融部门杠杆率，同时，提高非金融企业部门杠杆率能有效抑制房地产金融总体波动溢出风险。国内经济政策不确定性对房地产金融总体波动溢出风险具有显著的促进作用，而全球经济政策不确定性则没有明显影响。

表7 基于总体、一级行业互动和三级子行业净溢出视角的实证结果

从一级行业互动视角来看，金融部门杠杆率上升将显著增加金融业对房地产业的波动溢出风险，而非金融企业部门杠杆率的上升能显著抑制金融业对房地产业的波动溢出风险，但抑制程度没有金融部门杠杆的促进程度大。金融业对于房地产业的波动溢出风险基本不受政府部门杠杆率的影响。与此同时，金融部门杠杆率和政府部门杠杆率均在房地产业对金融业的波动溢出风险上具有显著的正向促进作用，而非金融企业部门杠杆率能显著抑制房地产业对金融业的波动溢出风险。货币政策同样对房地产业与金融业之间的波动溢出风险具有显著的影响，货币增速均显著增强了两者之间的双向溢出风险，而贷款实际利率则对两者之间的双向溢出风险具有显著的抑制作用。

从三级子行业的净溢出风险来看，金融部门杠杆对国有银行业、其他非银金融业的波动净溢出具有显著的正向促进作用，而对证券业、信托业、房地产开发业、园区开发业和房地产服务业的波动净溢出均具有显著的抑制作用，但对股份制银行业和保险业的波动净溢出没有明显影响。显然，金融部门杠杆的变化对房地产金融各子行业波动溢出效应的影响存在明显分化，从影响力度来看，对国有银行业的正向影响力度最大，这主要是因为国有银行的贷款规模在整个金融业贷款规模中占绝对主导地位，从而使得其深受金融部门杠杆水平的影响。金融部门杠杆率提升，势必使得国有银行业最为受益，其贷款规模将大幅扩张，从而加大其波动溢出效应。与此同时，可能挤占了其他金融子行业和房地产业的贷款资源，从而对其波动溢出效应产生抑制作用。非金融企业部门杠杆对国有银行业、其他非银金融业产生显著的抑制作用，而对保险业、证券业、房地产开发业、园区开发业、房地产服务业的波动净溢出产生显著的促进作用。显然，非金融企业部门杠杆对房地产金融各子行业波动净溢出的影响与金融部门杠杆的影响基本相反。这说明随着非金融企业部门杠杆的提升，房地产各子行业将能从金融业获得更多的贷款，进而提升自身杠杆水平，从而促进了波动净溢出效应。

表7(续)

(三)部门结构性去杠杆对中国房地产金融各子行业波动溢出风险的影响效应

在衡量各部门去杠杆方面，这里借鉴郭文伟(2020)[52]的做法，采用HP滤波方法(lambda=1440)将各部门杠杆分解为趋势序列Trend和周期波动序列Cycle；去杠杆变量取值的确定参考周期波动序列值;以金融部门杠杆为例，当其周期波动序列值Cycle小于0时，金融部门去杠杆变量DFL=1，否则取DFL=0，非金融部门去杠杆变量DNFL、政府部门去杠杆变量DGL取值也类似处理。

从表8估计结果可知，金融部门和政府部门去杠杆可以有效抑制房地产金融总体波动溢出风险，而非金融企业部门去杠杆会显著提升房地产金融总体波动溢出风险。从一级行业互动视角来看，同样是金融部门和政府部门去杠杆均能显著抑制房地产业与金融业之间的双向波动溢出风险，而非金融企业部门去杠杆则显著促进房地产业与金融业之间的双向波动溢出风险。由此可知，实施部门结构性去杠杆中，要重点针对金融部门和政府部门的去杠杆，而保持甚至适度提升非金融企业部门的杠杆水平，从而实现对中国房地产金融总体波动溢出风险和行业双向溢出风险的有效抑制。

表8 各部门去杠杆影响房地产金融波动溢出风险的实证结果

六、结论与建议

本文以3个房地产子行业(房地产开发、园区开发及房地产服务)和6个金融子行业(国有银行、股份制银行、保险、证券、信托及其他非银金融)为研究对象，采用DY方法来测度房地产金融总体波动溢出风险及各子行业之间的波动溢出风险，在此基础上，深入分析部门杠杆、宏观经济政策对房地产金融波动溢出风险的影响效应及行业异质性特征。得出以下研究结论并提出如下建议;

首先，房地产金融各子行业在整个研究时期内存在时变波动率，且各子行业波动程度差异较大，行业波动率与行业资产规模成负相关性。非银金融业波动最为激烈，而银行和保险业波动率相对较小。各子行业波动率峰值往往聚集在外部突发事件的冲击期间(2015年短期股灾和2020年新冠肺炎疫情)；时变波动率是行业波动溢出效应的内在根源，降低行业自身波动水平是有效防控房地产金融波动溢出风险的内在要求。

其次，房地产金融业的总体波动净溢出效应较为明显，各子行业波动更多源于自身前期波动的影响。2019年以来，中国房地产金融业总体波动溢出风险持续上升至较高风险水平。国有银行业、股份制银行业、保险业、证券业、其他非银金融业、房地产开发业，总体上呈现出波动风险净溢出状态，而信托业、园区开发业、房地产服务业，总体上呈现出波动风险净溢入状态。房地产金融业之间存在非对称的双向波动溢出效应。整体来看，金融业对于房地产业的波动溢出效应明显小于反向的波动溢出效应;从三级行业互动来看，国有银行业、股份制银行业、保险业、证券业对房地产开发业的波动溢出明显大于对园区开发业和房地产服务业的波动溢出，而信托业和其他非银金融业对园区开发业的波动溢出明显大于对房地产开发业和房地产服务业的波动溢出。同时，房地产各子行业对国有银行业、股份制银行业、保险业及其他非银金融业的波动溢出明显小于对其他金融子行业。因此，作为防范房地产金融风险的重点要放在房地产业波动溢出风险上，尤其是要动态监测房地产各子行业对证券业和信托业的波动风险传染，同时，严控国有银行业自身杠杆率及其对房地产业的贷款规模，从而来间接抑制房地产开发业的波动溢出风险。

再次，房地产金融业受到各部门杠杆的波动溢出风险影响存在明显的不同。金融部门杠杆和政府部门杠杆的提升会显著促进房地产金融总体波动溢出风险和行业双向溢出风险的上升，而非金融企业部门杠杆的提升会显著抑制房地产金融业总体波动溢出风险行业双向溢出风险的。由此表明，在实施结构性去杠杆时，需要避免采取一刀切的做法，要在明确具体部门杠杆变化影响房地产金融风险溢出差异的基础上，采取差异性的部门结构性去杠杆做法。要重点实施针对金融部门和政府部门的去杠杆，而保持甚至适度提升非金融企业部门的杠杆水平，从而实现对中国房地产金融总体波动溢出风险和行业双向溢出风险的有效抑制。

最后，房地产金融波动溢出风险深受宏观经济政策影响，存在明显的顺周期特征。持续宽松的货币政策无疑将显著促进房地产波动溢出风险的上升。国内经济政策不确定性的加大也会明显增强房地产波动溢出风险水平。因此，要保持稳健的宏观经济政策，避免急转弯的做法。同时，要适度降低广义货币增速并提高银行贷款利率，通过多重有针对性的宏观经济政策组合来有效抑制房地产金融波动溢出风险。