大型房企违约对金融部门的影响——基于系统性风险视角

杨凡佳，杨 勇，方 意（博士生导师）

一、引言

房地产是国民经济的支柱产业，在经济社会和金融体系中承担着重要使命。2021年中央财经委员会第十次会议提出，“完善住房供应和保障体系”。2021年中国人民银行针对楼市提出重要的“两个维护”，即维护房地产市场的健康发展、维护住房消费者的合法权益。针对房地产领域，监管部门在近年持续通过调控政策推进房地产业风险防范化解。2021年，房地产贷款集中度管理制度得以建立，表明中国房地产金融的宏观审慎监管向前迈出了标志性的一步。

在强力的调控政策之下，房地产市场的存量风险逐步暴露，导致当前房企违约事件频发。截至2021年10月26日，2021年房地产行业累计违约债券达到40只，累计违约债券余额420.16亿元。房地产企业违约成为社会关注的热点问题。2021年恒大集团发生债务违约的舆情危机：广发银行的地方支行申请对恒大集团进行财产保全，恒大集团旗下的理财公司恒大财富也出现兑付危机，同时供应商大规模对其商业票据逾期提起法律诉讼。监管部门对恒大的违约风险给予了高度关注。2021年10月20日，中国人民银行行长易纲公开回应，恒大风险是个案风险，需要避免恒大风险传染至其他房企与金融部门，有信心避免系统性风险的发生。

历史上，发达国家房地产业对金融部门的风险传导曾造成重大而深刻的影响。而在恒大集团深陷舆情危机的2021年9月，金融行业板块的股价受其影响持续下跌，为这种风险传导增加了新的经验证据。在房企违约风险高企、违约事件频发的当前阶段，大型房企违约背后的风险机理如何？其对金融部门能造成何种程度的影响？监管部门应该如何应对？针对这些问题，本文围绕房企违约的风险成因、影响程度与政策应对三个方面，对现实依据丰富的房企债券违约事件进行案例研究，对理论依据丰富的房企贷款违约情景进行实证模拟。

二、文献综述

房地产业对金融部门具有风险溢出效应，这是本文研究的一条基础逻辑。Herring和Wachter[1]通过构建信贷市场模型，发现银行对房地产的高信贷集中度直接导致美国信贷危机的发生。基于房地产业对金融部门的重要影响，国内学者对房地产业对金融部门的系统性风险溢出效应进行了测算[2，3]。方意等[4]利用双重△CoVaR模型测算了我国房地产业对银行部门的风险溢出效应。

Pais和Stork[5]分析了金融危机时期澳大利亚房地产业对银行业的风险传导，证明房地产业使银行业跨部门风险传染更加严重。王辉和李硕[6]利用银行间同业市场与房地产行业的信贷市场进行建模，发现房地产行业的加入使银行系统具有更强的金融脆弱性。

系统性风险领域的研究为本文提供了研究框架和方法。本文借鉴系统性风险领域的经典研究，对系统性风险的主流建模思路包括两种[7]。第一种思路是构建尾部依赖模型，例如上文提及的△CoVaR类模型，已有研究运用此类模型进行了大量研究，如范小云等[8]、梁琪和常姝雅[9]、李政等[10]；第二种思路是构建金融网络模型，从直接关联性和间接关联性出发直接建立网络，对系统性风险的传染结果实现模拟[11，12]，例如Greenwood等[13]建立了基于共同资产持有的间接关联网络模型。

本文以房企的违约风险为切入点，重点研究房地产行业的风险状态。已有研究集中于行业层面进行分析[14，15]。房地产周期是风险驱动的关键因素，房地产周期波动中的风险也高度集中于商业银行[16]。针对微观层面的研究发现，在房地产调控政策下，我国房地产企业的抗风险能力偏弱[17]。在限购、限贷政策下，房地产企业的财务风险水平持续提升[18，19]。借助案例研究的方法，李焰等[20]分析了复星集团的集团化运作模式，发现房地产企业集团化的运作模式使其面临较大的融资约束，并抬高了财务风险。

梳理已有研究发现，学者们较多从宏观视角分析行业层面的关联性，较少从微观视角出发基于房地产企业分析风险溢出效应。基于此，本文创新性地将系统性风险传染模型用于研究大型房企违约对金融部门的风险溢出效应，并结合金融因素分析当前阶段房企违约的风险机理。

三、大型房企违约的风险成因分析

当前房企违约事件频发，其中比较典型的包括泰禾集团违约事件、华夏幸福违约事件和蓝光发展违约事件。将这三起房企违约案例进行比较分析，可以更加全面地理解房企违约背后的风险机理。

（一）房企违约案例介绍

1.泰禾集团违约案例。泰禾集团股份有限公司（简称“泰禾集团”）成立于1992年，于2010年借壳上市，发展速度一度较快。据克而瑞咨询公司统计，2018年集团销售额达1007.2亿元，位居我国房企前20名。但从2018年开始，集团的现金净增加额由正转负，此后三年中现金流不断消耗。2017年，泰禾集团期末现金余额为132.43亿元；2021年6月末，期末现金余额仅为10.08亿元。泰禾集团正式违约之前，市场上已经酝酿了多轮的舆论危机，其信用评级也几经下调。表1对泰禾集团违约的过程进行了整理。如表1所示，从2020年7月6日首次违约开始，2020年泰禾集团共计违约六只债券。2021年5月24日及8月2日，泰禾集团再度出现债券违约。事实上，通过泰禾集团披露的信息可知，除自身违约外，其担保的子公司也频繁地出现违约。截至2021年7月30日，公司违约债务金额共计436.93亿元。

表1 泰禾集团违约债券明细

在违约事件发生后，泰禾集团启动了一系列措施应对债务危机，其中包括引入战略投资者、债务重组、资产出售等。2020年7月31日，泰禾集团拟引入万科作为战略投资者，随后双方签订股权转让框架协议。同时，泰禾集团与民生银行、长城资产管理公司、华融资产管理公司、东方资产管理公司等金融机构进行大规模的债务重组，对现有债务进行展期，以保障公司项目继续运行，盘活存量资产。泰禾集团对优质的存量房地产项目也进行了部分出售。然而，成功引入战略投资者的泰禾集团并未“重获新生”。根据2021年中报的财务数据，泰禾集团营业收入为6.6亿元，同比下降73.1%。截至2021年6月30日，泰禾集团已到期未归还借款金额为447.08亿元，如何消化这笔庞大的已违约债务依然是有待解决的难题。

2.华夏幸福违约案例。华夏幸福基业股份有限公司（简称“华夏幸福”）成立于1998年，2011年在上交所上市。据克而瑞咨询公司统计，华夏幸福销售额位居中国房企第47名。依靠产业新城模式，华夏幸福在房地产行业内被称为“环京王”。2018年，平安集团作为战略投资者入股华夏幸福，随后成为华夏幸福的第二大股东。早在华夏幸福正式违约之前，其已发行债券的价格就已经开始大幅下跌。表2对华夏幸福违约的债券进行了整理。华夏幸福违约始于2021年2月27日，截至2021年9月22日，其违约债务本息达到878.99亿元。

表2 华夏幸福违约债券明细

华夏幸福在违约之后，迅速采取多元举措化解债务风险。2021年2月华夏幸福成立债权人委员会，专职推进债务处置工作。同时，华夏幸福对部分项目及子公司进行出售以换取流动性。根据公司在2021年9月30日披露的信息可知，其正在积极推动债务重组。虽然地方政府和金融监管部门积极助力，华夏幸福也为化解债务风险付出了巨大努力，但债务危机仍然对其造成了不可挽回的巨大损失。

3.蓝光发展违约案例。四川蓝光发展股份有限公司（简称“蓝光发展”）隶属于蓝光投资控股集团有限公司，于2015年在上交所重组上市，是四川省房地产业的龙头企业。根据中国指数研究院的统计数据，2021年蓝光发展位列我国房企第21名、我国百强成长性房企第4名、沪深最具投资价值上市房地产公司第4名。在违约事件爆发之前，蓝光发展快速扩张规模，跃升至千亿房企的行列。事实上，蓝光发展的债务风险暴露较早，评级公司自2020年11月开始陆续下调公司信用评级并提示投资风险。表3对蓝光发展违约的债券进行了整理。2021年5月，媒体报道蓝光发展信托产品暴雷；2021年7月，19蓝光MTN001正式违约。随后，公司已发行的债券在短时间内密集性地发生违约；截至2021年9月24日，根据蓝光发展的最新公告，其已违约的债务本息合计约215.07亿元。

表3 华夏幸福违约债券明细

在违约以后，蓝光发展提出以“不逃废债”为原则制定债务偿付的综合方案。然而据媒体报道，2021年8月蓝光发展由于流动性持续紧张，公司仅归还借款500万元。值得关注的是，市场普遍认为在其公司债务结构中“明股实债”的表外债务占有较大比重。作为当前阶段最新暴雷的房地产企业，蓝光发展后续处置如何，仍然有待进一步观察。

（二）房企违约风险的主要成因

根据Wind的统计数据，2020年房地产行业累计违约债券为23只；截至2021年10月27日，年内房地产行业累计违约债券已达40只。在房企违约频发的阶段，结合金融因素识别风险成因具有重要的理论意义和现实意义。

1.宏观经济下行。经济下行是2020年我国宏观经济的重要表征。2020年第一季度，我国GDP同比增长速度骤降至-6.8%，这是改革开放近四十年以来我国经济首次负增长。受困于经济不景气，房地产市场需求萎靡，具体影响表现在供求两侧：①在需求侧，居民消费意愿紧缩，同时楼盘交付无法保证，导致居民购房意愿进一步削弱。售楼处活动被迫暂停，销售回款节奏中断。②在供给侧，土地交易节奏放缓，施工活动被迫暂停，项目交付大幅延期，房地产企业的现金流由此受到双重挤压。

2.房市调控与下行周期。2020年在严格的政策调控下，房地产市场处于下行周期，房企的经营压力进一步加剧。房地产市场既关系国计民生，又易引起经济金融的相关风险，因此房地产市场需要政府的有力调控和积极引导。在房企发展和政策调控的共同作用下，房地产行业的发展具有较强的周期性。在房地产周期的上行阶段，房地产市场供需两侧同时优化，大型房企发展势头迅猛，并快速实现规模扩张；在房地产周期的下行阶段，积聚已久的风险得以暴露，违约现象逐渐增加。

参考张晓晶等[16]的研究成果，本文可以从房地产市场的销售价格方面观察其周期性变化。如图1所示，借助国家统计局公布的房地产销售价格指数，本文对房地产周期性变化趋势进行了绘制。可以看出，当前阶段是房地产行业的“寒冬期”：①本轮房地产周期的下行阶段尤为持久。在样本期间内，房地产市场基本以3至4年为一个运行周期。然而，伴随着2016年“房住不炒”政策的提出，从2016年末开始，房地产市场进入了近十年以来持续时间最长的下行区间。②观察几轮房地产周期性变化特征可以发现，房地产市场总体上具有下行趋势，每一轮房价上升的低点在不断地下移。

图1 2004～2020年我国房地产市场周期性变化

前述三家违约房企负债水平较高，监管政策的出台使得其再融资环境迅速恶化。以华夏幸福为例，根据2020年第三季度的财务数据进行计算，其现金短债比为0.41，净负债率为214%，剔除预收款的资产负债率为78%，在“三条红线”的政策规定中，属于“红档房企”。房地产下行周期的政策调控目的在于化解风险，但也必然使得高风险房企的存量风险加速暴露，导致其最终违约。

3.房企“激进”的扩张战略。在已有的房企违约案例中，各家房企在公司战略层面均存在重大失误，大都表现为利用杠杆实现“激进”的扩张。例如，泰禾集团于2010年上市，从2013年开始加速扩张，布局全国一线城市，加快拿地节奏。早在2018年，监管机构已经表现出对泰禾集团扩张战略的担忧。2018年第一季度末公司负债超过2000亿元，控股股东对其持有股票的99%份额进行质押，导致股票融资计划被证监会中止审查。泰禾集团最终的实质性违约本质上是房企经营的战略失败。相似的，华夏幸福的战略失败表现为高杠杆的“激进扩张”以及对主要目标市场的判断失误。在业务多元化方面，与几家已经违约的大型房企相近，近期陷入舆论危机的恒大集团其发展战略也具有“激进”的特征。除去高杠杆支撑下的大举拿地之外，恒大集团同时实施了高度的多元化发展战略。截至目前，恒大集团已涉足地产、金融、健康、新能源汽车、足球、网络、高科技等诸多行业。一方面，公司涉及的业务板块过于复杂，并且与其主营业务关联性差；另一方面，其多元化收益较低，甚至为集团自身带来了巨额的亏损。

4.融资成本高企的财务困境。华夏幸福一度因其强大的多元化融资能力而备受瞩目。在2017～2020年，华夏幸福利用永续债进行信托融资，规模达381亿元。发行永续债的融资方式，本质上是“借新还旧”的债务叠加，同时还需承担超出赎回时间而利率上升的风险。得益于多渠道融资的财务安排，华夏幸福在案例房企中融资成本最低。尽管如此，根据华夏幸福年报数据披露，其融资加权平均利率依然在2017～2019年间从5.98%上升至7.86%。违约房企的融资成本远高于房企融资的平均水平。据统计，近年房企融资成本的平均水平为5%～6%。然而，在房地产周期的上行阶段，高风险房企曾经一度使用融资成本为10%以上的融资工具以提高杠杆水平。过度的负债经营使得房企的债务风险加速积累，直至最终暴露并导致实质性违约。

从房企融资的视角来看，金融部门扮演了类似“加速器”的角色。在房地产周期的上行阶段，房企通过金融机构以高融资成本获取大量流动资金，快速地实现规模扩张。在房地产周期的下行阶段，市场需求萎靡导致房企资金回流缓慢。房企既难以从金融部门获取新的融资，又面临前一阶段高融资成本债务偿还的困境，流动性危机的发生使得房企经营进一步恶化，可能引发更严重的风险事件。因此，当前阶段政府科学施策、合理引导房企走出经营困境十分重要。

四、大型房企违约对金融部门的影响分析

本部分通过实证检验，分析大型房企违约对金融部门的影响，重点探究违约后的风险传染机制。房企违约之后，其债权主体会因此利益受损，具体传染机制如图2所示。由图2可知，银行机构遭受直接损失之后，会因为银行间关联网络发生风险传染，从而造成更大的损失；非银行机构会出现债券违约、基金净值下降和信托贷款损失等现象，给金融市场的稳定造成一定影响；与房企相关的上下游企业、房产业主和房企员工也会受到相应的影响。

图2 大型房企违约造成的影响作用

考虑到全面量化房企违约影响的复杂性及数据可得性的问题，本部分选择金融机构中的银行部门作为房地产企业的违约对象。尽管银行部门是金融体系的重要组成部分，但本部分测算出的影响作用远低于其对经济社会带来的整体影响。

（一）大型房企违约对银行业金融机构的风险传染

为了满足正常经营需要，房企向银行贷款，由此与银行建立了债权债务关系。当房企的现金流出现问题时，债权银行就面临贷款无法收回的风险。房企发生贷款违约时，债权银行会遭受数量等于违约贷款的直接损失；由于我国银行之间间接关联网络的存在，除直接损失之外，银行还会面临间接关联网络带来的传染损失。因此，构造包含直接损失与传染损失的网络模型十分重要。借鉴Greenwood等[13]的方法，本部分通过构建包含间接关联性的系统性风险传染模型，探究大型房企在不同违约程度下给银行网络带来的损失程度，并计算各家银行的系统重要性指标以探究应对政策。

1.模型构建。系统性风险传染模型包含银行间直接损失和传染损失，下面将具体介绍直接损失和传染损失发生的过程。银行网络中往往包含多家银行，因此本文采用矩阵的形式进行风险传染的计算。其中，diag是将向量转换为对角矩阵或者将对角矩阵转换成向量的计算符号。M'表示矩阵M的转置，1表示N×1的元素都为1的向量。

（1）直接损失。假定银行网络中有N家银行、K种银行间共同资产。在t时刻，房企发生贷款违约，银行遭受到无法收回贷款的损失。此时，银行体系遭受的直接损失如式（1）所示：

其中：At为资产矩阵；M为共同资产矩阵；Ft为冲击矩阵。

发生直接损失后，银行资本金随之下降。变化后的资本金数量为：

其中，Et为资本金矩阵。

银行资本金下降后，银行需要出售资产使杠杆水平回归初始水平。在经历了直接损失和资产出售后，银行的总资产变化为：

其中，I为单位矩阵。

（2）传染损失。从式（3）中可以得知银行回归初始杠杆水平而抛售的资产数量为：

银行在抛售资产后，由于市场上资产的供给增加，资产的价格会相应下降。价格的下降程度与资产抛售之间的关系如式（5）所示：

资产价格下降后，仍然拥有该项资产的银行会遭受降价损失。这部分损失被称为传染损失：

（3）相关指标的建立。首先构建度量银行网络整体风险水平的指标risk_level，计算公式为：

其中，LOSSt为直接损失，LOSSt+1为传染损失，sum（E）表示银行网络中各银行所有者权益之和，risk_level为银行网络中直接损失和传染损失之和与各银行所有者权益之和的比值，描述了银行网络风险水平的大小。

然后构建度量单家银行对银行网络造成影响的指标SI（n），计算公式为：

系统重要性指标SI（n）反映的是银行n遭受资产价格冲击后，进行资产抛售对银行网络造成的影响程度。δ是第n个元素为1、其余元素为0的列向量，其作用是将银行n资产抛售数量提取出来，作为影响资产价格的总抛售，计算其产生的影响。由于房企的银行贷款数量相对于银行的资产数量非常小，贷款违约引起的资产抛售数量较小，导致SI（n）指标较小。为了更好地体现不同银行的重要性，本文构建SIB指标度量银行体系中各家银行的系统重要性。其计算公式为：

2.数据说明。在进行冲击模拟时需要以各家银行的资产数据来构建初始资产矩阵A、资本金矩阵E、共同资产矩阵M以及杠杆水平矩阵B。由于非上市银行的财务数据缺失严重，故本文选择与三家房企的主要往来银行中的上市银行组成银行网络。经过筛选，本文构建的银行网络中共有10家银行，具体包括SH银行、ZX银行、GD银行、XY银行、NY银行、GS银行、JS银行、MS银行、ZS银行和PF银行。这10家银行代表了房企的主要贷款业务合作对象，增加了冲击模拟的真实性。根据本文的研究需要，样本区间设定为2021年，样本频率为年频。

表4为样本银行资产数据的描述性统计结果。资产主要根据资产负债表中的资产负债项目进行分类，前八项资产项目为银行持有的共同资产。其中，其他资产为总资产减去前六种共同资产总和后的差值。

表4 样本描述性统计

3.风险度量。接下来，需确定银行体系面临风险敞口的大小。根据泰禾集团、华夏幸福和蓝光发展的财务报告，三家房企从银行获得的总借款分别为162.75亿元、452.2亿元和323.08亿元。由于缺乏房企对各家银行的真实贷款数据，本部分通过以下步骤建立初始冲击矩阵Ft。

首先，将银行体系中各家银行的发放贷款及垫款资产求和：

其中，loan（i）代表第i家银行的发放贷款及垫款资产的数量。

然后，计算违约比例与房地产企业总贷款的乘积：

其中，p表示房企的违约比例，loanep表示房企总借款。

最后，利用assetdefault与loansum的比值计算各家银行发放贷款及垫款资产的资产损失率。

为了研究大型房企在不同违约水平下对银行网络的影响，本文以不同贷款损失比例p作为外生冲击，模拟大型房企的风险暴露对于银行网络的影响。具体操作为：违约比例以10%为步长，以（0，1］为总区间，由此构建10个不同的违约比例。通过网络模型的模拟，计算各个违约水平下银行体系的整体风险水平，如图3所示。

图3 不同违约水平下银行网络的风险水平

表5列示了不同贷款违约程度下银行网络的风险水平。可以发现，随着贷款违约率的上升，银行网络的风险水平在不断提高，风险水平与违约比例几乎呈线性变化。根据模拟结果，如果三家大型房企各自贷款违约比例为10%，银行网络整体资本金损失为0.23%，表明该损失程度较小。如果三家大型房企各自违约比例达到50%，银行网络整体资本金损失为1.14%，该程度的损失值得关注。如果三家大型房企共同违约100%（基本相当于三家房企同时破产），将给银行网络整体资本金带来2.21%的总损失。虽然超过2%的资本金损失值得银行警惕，但是房企违约是“个案风险”，大型房企同时破产的情况几乎不会发生。

表5 不同贷款违约比例下银行网络的风险（%）

据此可知，大型房企的违约不会对银行网络带来较大的影响。其背后深层次的原因有两点：①相较于庞大的银行体系总贷款，大型房企贷款的比例较小。事实上，本研究选取的三家大型房企贷款总额占银行体系总贷款的比例为0.12%。较小的风险敞口决定了银行部门的受影响程度并不大。②即便应对经营危机，房企一般也存在风险处置手段以避免破产。房企能够采取的措施包括：出售控股银行股份，增加企业流动性；银行向房地产企业发放贷款时，其一般会占有房地产企业一定的抵押资产，即使房地产企业发生危机，银行可以通过拍卖抵押资产来减少损失。综上所述，以房企的银行贷款作为风险敞口，其债务违约对银行部门产生的影响有限。

4.银行网络中系统重要性银行的识别。系统重要性银行是指与其他金融机构关联性较强，在金融体系中扮演重要角色、提供关键金融服务的银行。在负向冲击发生后，保持系统重要性银行的稳健经营是金融体系稳定的关键点。因此，识别系统重要性银行对于促进我国银行健康发展、完善银行监管政策框架具有重要意义。本文选择以三家房地产企业共同违约为负向冲击，计算出各家银行的SIB指标的大小，结果如表6所示。

表6 银行网络中各家银行的系统重要性水平（SIB）

从表6可以看出，GS银行、JS银行、NY银行和ZX银行是该网络中系统重要性程度最高的银行。这四家银行的重要性较高的原因主要在于：四家银行的资产规模较大，因此其往往拥有更多的贷款资产。在相同的冲击和杠杆水平下，规模大的银行往往会抛售更多的资产，相对于其他银行会给资产价格造成更大的负向冲击，从而重要性程度也较高。因此，在大型房企发生较为严重的风险事件时，监管当局应当对上述银行予以重视，以增强银行体系的稳定性。

五、结论与政策建议

（一）结论

本文主要研究大型房企违约的成因及其对金融部门的影响作用：一方面，基于当前的典型房企违约事件分析了房企违约的风险成因；另一方面，基于系统性风险传染模型进行了数值模拟。基于两个方面的研究结果，本文得出主要结论如下：

第一，当前阶段的房企违约是内外部风险因素共同叠加的结果，金融部门在其中扮演了重要角色。外部风险成因包括宏观经济下行、房市调控与处于房地产下行周期。内部风险成因包括房企“激进”的扩张战略与融资成本高企的财务困境。金融部门在房地产市场中扮演了类似“加速器”的角色。

第二，大型房企对金融部门的影响较为有限。相较于庞大的银行体系，即便大型房企的金融债务同时发生一部分违约，也仅能造成银行部门较小比例的资本金损失。伴随大型房企贷款违约比例的逐渐提升，银行网络遭受的资本金损失也基本呈线性增加的趋势。这进一步说明房企违约造成的风险具有可控性。

第三，在大型房企违约时，银行网络中各家银行的系统重要性不同。在本文构建的银行网络中，GS银行、JS银行、NY银行和ZX银行是该网络中系统重要性程度最高的银行。这意味着大型房企违约时，对以上几家银行需要给予更多的关注。

（二）政策建议

基于以上结论，本文提出政策建议如下：

第一，在房企违约风险引发舆论危机时，监管部门应及时告知风险的可控性，加强政策沟通，引导市场稳定发展。从理论模型的测算结果来看，即便是多家大型房企同时发生违约，其对金融部门的影响依然较小。然而，若缺乏监管引导和政策沟通，房企违约会引发投资者的深度担忧。因此，监管部门应该及时与社会各界加强沟通，让公众对房地产市场平稳健康发展保持信心，引导金融机构向房地产市场提供信贷资金，从而稳房价、稳地价、稳预期。

第二，在房企发生实质性违约时，监管部门应该在明晰风险机理的基础上科学施策，在早期阻断风险传导。房企违约是内部成因与外部成因叠加的结果，风险化解也要从宏观层面与微观层面综合施策。尤为重要的是，化解房企风险应该关注对金融部门的风险传导，针对性地通过系统重要性银行实现早期的风险阻断，这能从根本上避免系统性风险的生成。

第三，房地产金融监管应该围绕房地产周期展开，加速推进房地产金融宏观审慎监管，积极构建房地产金融管理长效机制。金融部门在房地产市场中扮演着类似“加速器”的角色，是房企违约的一个重要风险源。而房地产风险具有顺周期性，因此房地产金融宏观审慎监管政策尤为必要。在房地产周期上行阶段，要及时发现高风险房企，避免其过度扩张，弱化其风险承担意愿；在房地产周期下行阶段，要引导房企去杠杆、降负债，促进房地产市场健康发展。

第四，政府应该加强引导，让房地产市场发展回归本源，让房企转变粗放式经营模式，紧跟国家高质量发展战略。当前阶段房企内部的风险根源在于粗放式的经营战略和财务管理。在已经享受我国房地产市场的土地红利和金融红利之后，房企更应该加强“内功”修炼。房企需要根据市场需求的改变和监管政策的调整加快自身转型，逐步转向精细化发展。在高质量发展阶段，房企应借助数字化技术与价值链管理打造自身品牌，挖掘高品牌的附加价值。

【主要参考文献】

［1］Herring R.J.，Wachter S..Real Estate Booms and Banking Busts：An International Perspective［Z］.Center for Financial Institu⁃tions Working Papers，1999.

［2］方意.货币政策与房地产价格冲击下的银行风险承担分析［J］.世界经济，2015（7）：73～98.

［3］肖斌卿，王粟旸，周小超，颜建晔.债务网络、投资者行为与传染性风险：来自中国银行业与房地产业的研究发现［J］.管理科学学报，2014（11）：139～150.

［4］方意，荆中博，马晓.中国房地产市场对银行业系统性风险的溢出效应［J］.经济学（季刊），2021（6）：2037～2060.

［5］Pais A.，Stork P.A..Contagion Risk in the Australian Banking and Property Sectors［J］.Social Science Electronic Publishing，2011（3）：681～697.

［6］王辉，李硕.基于内部视角的中国房地产业与银行业系统性风险传染测度研究［J］.国际金融研究，2015（9）：76～85.

［7］Elliott M.，Golub B.，Jackson M.O..Financial Networks and Contagion［J］.The American Economic Review，2014（10）：3115～3153.

［8］范小云，张少东，王博.跨境资本流动对股市波动的影响——基于分部门资本流动波动性视角的研究［J］.国际金融研究，2020（10）：24～33.

［9］梁琪，常姝雅.我国金融混业经营与系统性金融风险——基于高维风险关联网络的研究［J］.财贸经济，2020（11）：67～82.

［10］李政，朱明皓，温博慧.经济政策不确定性的跨国溢出效应及其形成机理［J］.财贸经济，2021（1）：92～106.

［11］方意.前瞻性与逆周期性的系统性风险指标构建［J］.经济研究，2021（9）：191～208.

［12］方意.系统性风险的传染渠道与度量研究——兼论宏观审慎政策实施［J］.管理世界，2016（8）：32～57+187.

［13］Greenwood R.M.，Landier A.，Thesmar D..Vulnerable Banks［J］.Journal of Financial Economics，2011（3）：471～485.

［14］杨娟妮，张品一.我国房地产业对银行业的风险溢出效应研究——基于GARCH-CoVaR模型［J］.价值工程，2020（11）：96～100.

［15］江红莉，何建敏.房地产业与金融业的波动溢出效应研究［J］.现代管理科学，2014（8）：33～35.

［16］张晓晶，孙涛.中国房地产周期与金融稳定［J］.经济研究，2006（1）：23～33.

［17］周阳敏.房地产企业风险压力测试实证研究：限购令、房产税、新土管政策的持续性冲击影响［J］.管理评论，2014（9）：58～68.

［18］陶雪梅.限购背景下的房地产财务风险探究［J］.经济管理文摘，2021（4）：180～181.

［19］郭淑青.限贷令背景下房地产企业财务风险控制［J］.合作经济与科技，2021（21）：150～151.

［20］李焰，陈才东，黄磊.集团化运作、融资约束与财务风险——基于上海复星集团案例研究［J］.管理世界，2007（12）：117～135.