安徽省影子银行对安徽省房价的影响研究

李梦雅，雷 鸣，陆 彦

(安徽农业大学经济管理学院，安徽 合肥 230036)

近年来，居民收入水平不断提高，对住房和投资房产的需求不断增加，从而拉动了房价的上涨。银行风险评估和监管体系逐渐完善，贷款难度增加，个人和企业获取银行贷款的难度加大，多种原因刺激了影子银行的发展。2008年以来，影子银行就被认定为导致次贷危机发生的元凶，从而备受关注。近年来，房地产行业的快速发展引起了国家的重视，国家也做出了相应的调控措施，导致房地产行业从银行获得贷款的难度加大。因此，影子银行得到发展的机会，很快成为房地产行业除正规金融机构外的另外一种主要资金来源。影子银行内部风险管控机制不健全，外部缺乏有效监管，致使其面临较大的风险。虽然影子银行能为房地产行业补充一些资金，但同时也会给房地产行业带来潜在的风险。

安徽省经济快速发展，居民在房产方面的资金投入显著增加，高热度的投资需求推动安徽省房价持续增长，房地产行业迅速发展起来。本文所研究的是安徽省房价与安徽省影子银行规模之间的联动影响，不仅有利于了解影子银行对房地产行业的影响，也有利于控制影子银行给我国金融机构所带来的潜在风险。

一、文献综述

自美国次贷危机以来，影子银行就一直被各国学者关注，与之相关的文献越来越多。于歌、回振彪实证分析影子银行对房地产价格的影响，研究结果表明影子银行对房地产价格产生显著正向影响。魏燕子在研究影子银行规模和我国房地产价格之间的关系时发现:影子银行会对房地产价格产生一定的影响，同时也容易受到房地产行业波动的影响。Wu和Shen研究影子银行是否会对商业银行发展产生负面影响，结果发现影子银行的发展会给商业银行带来一定的风险，但良好的治理措施和风险承担假说能够降低影子银行所带来的不利影响。吉任文杰在研究甘肃省影子银行规模对房价的影响时发现，影子银行规模的快速扩张并未引起该省房价的较大波动。Feng等研究了影子银行、杠杆风险和资产价格之间的关系，发现影子银行放大了金融市场的杠杆率，也决定了金融市场资产的价格。韩生贵、何晓繁在探究青海省影子银行规模对该省房价的影响时发现:长期来看，青海省影子银行规模的扩张对该省的房价和中长期的贷款规模产生了正向影响。刘子策在研究房地产价格、影子银行和中国经济波动之间的关系时发现:当对影子银行的监管适当放松时，我国房价和地价都会有上升的趋势。

综上所述，学者关于影子银行发展对房地产行业的影响研究主要存在三种观点:一是影子银行的发展对房地产行业存在促进作用；二是影子银行的规模会抑制房地产行业的发展；三是影子银行的规模对房地产行业的影响并不显著。安徽省作为长江三角经济带的重要组成部分，其经济快速增长备受瞩目，房价也水涨船高，尤其是合肥市房价的上涨幅度位居全国前列。因此，本文从安徽省的角度来分析影子银行规模与房地产行业的关系具有重要意义。

二、变量选取及数据来源

本文采用VAR模型研究安徽省影子银行的规模对安徽省房价的影响，被解释变量为商品房平均销售价格(SALE)，解释变量为安徽省影子银行的规模(SB)，由于目前影子银行规模的测算并未存在统一标准，故借鉴姜世超研究影子银行规模和房地产价格的实证研究方法，用社会融资总规模来估算影子银行规模。社会融资总规模包括:信托贷款、委托贷款、非金融企业境内股票融资、未贴现银行承兑汇票、企业债券融资。控制变量的选取分别借鉴了魏燕子、姜世超的研究方法，为金融机构贷款余额(LOAN)、消费者物价指数(CPI)、房地产开发投资额(IVH)。如表1所示。本文数据来源于安徽省统计局、中国人民银行官网、Wind数据库以及本人整理所得。为了消除异方差等因素的影响，将对所有数据取对数。

表1 各变量名称

三、实证分析

(一)ADF单位根检验

为保证数据的平稳性，首先对该序列进行ADF检验。本文使用EViews7.2软件对相关数据进行处理。首先对取对数后的商品房平均销售价格(lnSALE)、影子银行的规模(lnSB)、消费者物价指数(lnCPI)、金融机构贷款余额(lnLOAN)、房地产开发投资额(lnIVH)五个变量进行ADF检验，检验结果如表2所示。

表2 各变量单位根检验结果

由以上检验结果可知:在二阶差分处理之后，该时间序列在5%的显著性水平下是平稳的，符合构建VAR模型的条件。

(二)Johensen协整检验

本文采用Johensen协整检验来验证5个变量之间是否存在长期协整关系。结果如表3、表4所示。

表3 各变量的迹检验结果

表4 各变量最大特征值检验结果

检验结果显示，在5%的置信水平下，至少有两个变量存在协整关系，即拒绝了变量间不存在协整关系的原假设，说明变量间存在长期稳定的均衡关系。

(三)确定最优滞后阶数

在进行脉冲响应分析之前，要确定VAR模型的最优滞后阶数，以便更好地解释内生变量之间的相互关系。表5反映了在各种准则下最优滞后阶数的选取情况，可以看出滞后期为3，即VAR(3)。

表5 最优滞后阶数结果

(四)AR检验

在脉冲响应和方差分解分析之前，先用AR对该时间序列进行检验。如图1所示，所有单位根都在单位圆内，表明该时间序列是平稳的，可以建立VAR模型，可以对商品房平均销售价格(SALE)、影子银行规模(SB)、消费者物价指数(CPI)、房地产开发投资总额(IVH)、金融机构贷款余额(LOAN)五个变量进行脉冲响应和方差分解。

图1 变量的VAR模型平稳性检验的结果

(五)脉冲响应分析

由于本文所研究的是影子银行规模对安徽省商品房平均销售价格的影响，所以只做了影子银行规模对房价的冲击的脉冲响应图。如图2所示，当安徽省商品房的平均销售价格受到一个标准差的冲击时，它能够及时做出反应，先受到一个正向的冲击，同时达到最大值，在第1期和第2期之间由正变负，在第3期和第4期之间达到最小值，在第18期之后趋于平稳。由该图可知，影子银行规模对商品房的平均销售价格有着长期的正向促进作用，这种作用在前几期比较明显。

图2 影子银行规模对房价的脉冲响应图

(六)方差分解

为进一步分析各变量对安徽省商品房平均销售价格的影响程度，将对安徽省商品房平均销售价格进行方差分解，设置期限为10。如表6所示，除安徽省商品房平均销售价格自身的贡献度外，消费者物价指数对安徽省商品房平均销售价格的贡献度最大，波动的幅度在0%～19.6%之间，且贡献度水平在后期相对稳定。金融机构贷款余额对安徽省商品房平均销售价格的影响也很大，在2.28%～5.49%之间，并逐期稳步增长。影子银行规模对安徽省商品房平均销售价格的贡献度排在第三位，在0.2%～5.22%之间，具体表现为前两期贡献度很小，后几期影响变大且稳定。房地产开发投资额对安徽省商品房平均销售价格的贡献度是最小的，均未超过1.5%。由此得出，消费者物价指数、影子银行规模和金融机构贷款余额对安徽省商品房平均销售价格的贡献度较为明显。

表6 VAR模型预测方差分解

四、结论及建议

(一)结论

本文选取了2013年至2020年的季度数据，通过建立VAR模型研究各变量之间的关系，得出以下结论:

1.从长期来看，安徽省影子银行规模对安徽省房价具有积极的促进作用，但这种作用存在滞后性。

2.从总体来看，与消费者物价指数和金融机构贷款余额对安徽省房价的影响程度相比，安徽省影子银行的规模虽然对安徽省房价存在一定影响，但却不是主要因素。

(二)建议

影子银行的快速发展在一定程度上会给我国经济带来潜在的风险，相关监管部门如何对影子银行实施监管将是一个值得研究的问题。根据以上结论，提出以下几点建议。

1.房价过高是房地产泡沫进一步扩大的主要原因，监管部门应该采取有效措施控制房价上涨。例如，监管部门可以针对房地产行业的投机行为以及房地产开发商的盲目开发建立有效监管机制，从而降低影子银行出现的可能性。监管部门在对影子银行实施监管的同时也应当关注影子银行给当地经济发展所带来的影响，房地产在利用影子银行进行融资时会解决当地的一些就业问题，也会吸引更多优质企业对当地进行投资，促进当地经济快速发展。

2.金融监管机构应当加大对影子银行的监管力度。由于正规金融机构难以满足房地产企业的贷款需求，房地产企业会通过影子银行来获得大量资金，影子银行成为正规金融机构资金的重要补充来源，因此影子银行会提高利率以获得较高的收益，从而导致利率的上升。当地政府应当建立健全金融体系，加快利率市场化的形成过程，尽可能让影子银行利率与商业银行利率保持一致，降低贷款成本。监管部门也应当披露更多影子银行的信息，以便更好地防范影子银行所带来的潜在风险。

3.金融监管机构在加强对安徽省影子银行监管的同时要适当放松对安徽省正规商业银行的监管，以保证其创新活力。若正规金融机构受到较为严格的监管，创新能力得不到提升，就可能会进行高风险的影子银行业务，从而给我国经济发展带来潜在危险。但需要注意的是，安徽省影子银行规模对安徽省房价的影响具有一定滞后性，所以在对影子银行采取相关措施之后，其对安徽省房价的影响可能在半年后才有所体现。