銀行信貸與房價(jià)波動(dòng)的關(guān)系及風(fēng)險(xiǎn)控制

李運(yùn)蒙，錢 鑫

(五邑大學(xué)經(jīng)濟(jì)管理學(xué)院，廣東江門529020)

房地產(chǎn)業(yè)在拉動(dòng)內(nèi)需、促進(jìn)經(jīng)濟(jì)增長等方面扮演了重要的角色。然而，隨著房地產(chǎn)市場的繁榮，房價(jià)的升高，人們越來越擔(dān)憂房地產(chǎn)的風(fēng)險(xiǎn)，尤其是對該產(chǎn)業(yè)的發(fā)展提供大量貸款的銀行方面，對房價(jià)的波動(dòng)則更加關(guān)注。探討銀行在房地產(chǎn)方面的貸款與房價(jià)的關(guān)系問題，不僅可以使銀行方面更好地把握市場需求，及時(shí)防范風(fēng)險(xiǎn)，還可以為國家利用銀行信貸調(diào)控房地產(chǎn)市場提供參考。

有關(guān)銀行信貸與房產(chǎn)價(jià)格方面，學(xué)者們提出了很多建議。豐雷等對中國房地產(chǎn)市場泡沫問題進(jìn)行了多方面的實(shí)證研究，其結(jié)果表明，房貸及貨幣供給量的變化比房價(jià)的變化相對滯后一些［1］。盛松成等對上海市房地產(chǎn)市場發(fā)展周期與GDP增長率、實(shí)際利率和房地產(chǎn)信貸的相關(guān)關(guān)系進(jìn)行了分析，認(rèn)為上海房地產(chǎn)市場發(fā)展周期與經(jīng)濟(jì)金融運(yùn)行的相關(guān)關(guān)系十分密切，其發(fā)展與銀行信貸相關(guān)度較高，信貸政策、利率等對房地產(chǎn)市場發(fā)展周期的影響較大，央行可利用各種貨幣政策工具進(jìn)行調(diào)控和引導(dǎo)［2］。劉明等通過建立霍特林模型研究了利率對最優(yōu)房價(jià)漲幅的作用，認(rèn)為利率對房價(jià)漲幅具有決定性作用，但并不意味著可以利用利率手段來對房價(jià)進(jìn)行完全有效的調(diào)控，認(rèn)為我國與西方國家不同，至少在現(xiàn)階段，將利率作為房地產(chǎn)市場的調(diào)控工具存在很大風(fēng)險(xiǎn)［3］。GERLACH等利用香港1982年至2001年的數(shù)據(jù)，實(shí)證分析了銀行貸款與房地產(chǎn)價(jià)格之間的長期均衡和短期波動(dòng)關(guān)系，認(rèn)為房地產(chǎn)價(jià)格的波動(dòng)影響銀行的信貸擴(kuò)張，而銀行貸款卻不明顯影響房地產(chǎn)價(jià)格［4］。

在2010年上半年，國家出臺(tái)了一系列房地產(chǎn)調(diào)控政策，預(yù)示著國家開始大力調(diào)控房地產(chǎn)市場，同時(shí)銀行在房地產(chǎn)方面的貸款風(fēng)險(xiǎn)也越來越受到人們的關(guān)注。筆者使用近期的統(tǒng)計(jì)數(shù)據(jù)，運(yùn)用協(xié)整等相關(guān)理論對銀行信貸與房價(jià)指數(shù)之間的波動(dòng)關(guān)系進(jìn)行實(shí)證分析。

1 理論與模型簡介

協(xié)整理論是由ENGLE和GRANGER在1987提出的［5］，對非平穩(wěn)序列的建模提供了一種新的方法。當(dāng)一組非平穩(wěn)的變量存在一個(gè)線性組合是平穩(wěn)序列時(shí)，認(rèn)為這組經(jīng)濟(jì)變量具有協(xié)整關(guān)系，可以建立長期均衡模型和誤差修正模型。建立模型步驟一般是先進(jìn)行單位根平穩(wěn)檢驗(yàn)再進(jìn)行協(xié)整關(guān)系檢驗(yàn)，最后建立誤差修正模型，對變量間因果關(guān)系的進(jìn)一步判斷可以進(jìn)行Granger因果檢驗(yàn)。

1.1 單位根平穩(wěn)檢驗(yàn)

如果直接用非平穩(wěn)的時(shí)間序列數(shù)據(jù)來做計(jì)量回歸，則容易出現(xiàn)偽回歸，因此在回歸之前首先要對時(shí)間序列數(shù)據(jù)進(jìn)行單位根的平穩(wěn)性檢驗(yàn)，常用的方法為ADF檢驗(yàn)，檢驗(yàn)基于以下模型［6］:

式中:μt為誤差項(xiàng);ρ為差分算子;t為時(shí)間因素;α、β 為系數(shù)。

檢驗(yàn)假設(shè)為H0∶ρ=1;H1∶ρ＜1，H0為存在單位根假設(shè)，檢驗(yàn)從式(3)開始依次檢驗(yàn)至式(1)，如果有一個(gè)模型拒絕H0則序列平穩(wěn)，否則非平穩(wěn)。對于非平穩(wěn)變量，還需檢驗(yàn)其一階差分的穩(wěn)定性，如果變量的一階差分穩(wěn)定，則稱該變量是一階單整I(1)的。

1.2 協(xié)整檢驗(yàn)

所謂xt和yt是協(xié)整的，要滿足下列條件:①xt和yt都是I(1)的，即它們是非平穩(wěn)的，而其一階差分是平穩(wěn)的;②存在某個(gè)線性組合αxt+βyt是I(0)的，且具有零均值，則xt和yt具有協(xié)整關(guān)系，α、β為協(xié)整系數(shù)。協(xié)整關(guān)系檢驗(yàn)與估計(jì)方法主要有Engle－Granger兩步法和Johansen極大似然法。

1.3 Granger因果檢驗(yàn)

Granger因果檢驗(yàn)的基本思路是:如果X變量有助于預(yù)測Y變量，即在Y的過去值回歸中，添加X的過去值作為獨(dú)立變量，可顯著增加回歸的解釋能力，則X是Y的Granger原因。檢驗(yàn)方法為:

式中，p為最大滯后階數(shù)。

檢驗(yàn)的原假設(shè)是序列X不是序列Y的Granger成因，即βt=0。如果不能拒絕假設(shè)，則序列X不是序列Y的Granger原因;如果拒絕假設(shè)，則序列X是序列Y的Granger原因。

1.4 誤差修正模型

誤差修正模型的基本思想是，若變量是協(xié)整的，則表明變量間存在長期的穩(wěn)定關(guān)系，而這種長期的穩(wěn)定關(guān)系是在短期動(dòng)態(tài)過程的不斷調(diào)整下得以維持的，這種短期動(dòng)態(tài)的調(diào)整過程就是誤差校正機(jī)制。建立誤差修正模型一般步驟如下:

(1)建立一階自回歸分布滯后模型:

2 數(shù)據(jù)收集與模型建立

2.1 數(shù)據(jù)選取與分析

選取居民中長期消費(fèi)貸款dk和全國房屋銷售價(jià)格指數(shù)fj兩個(gè)變量作為研究對象，居民中長期消費(fèi)貸款來源于中國人民銀行數(shù)據(jù)庫的月度數(shù)據(jù)［7］，房屋銷售價(jià)格指數(shù)數(shù)據(jù)來源于清華金融研究中心數(shù)據(jù)庫月度數(shù)據(jù)，數(shù)據(jù)提取時(shí)間段均為2007年1月至2010年6月。其中房屋銷售價(jià)格指數(shù)原始數(shù)據(jù)為按月環(huán)比指標(biāo)(即上月為100)，為使兩個(gè)指標(biāo)有可比性，將居民中長期消費(fèi)貸款2007年1月指標(biāo)設(shè)為100，后續(xù)各期折算為上月為100的環(huán)比指標(biāo)。具體數(shù)據(jù)如表1所示。

表1 居民中長期消費(fèi)貸款環(huán)比與全國房屋銷售價(jià)格指數(shù)(2007年1月—2010年6月)

對于環(huán)比指標(biāo)，原數(shù)據(jù)為具體經(jīng)濟(jì)變量，如居民中長期消費(fèi)貸款環(huán)比的原數(shù)據(jù)為居民中長期消費(fèi)貸款的實(shí)際值。環(huán)比值可以看作原數(shù)據(jù)的波動(dòng)指標(biāo)，當(dāng)指標(biāo)的值大于100時(shí)原數(shù)據(jù)波動(dòng)向上，小于100時(shí)原數(shù)據(jù)波動(dòng)向下。如果用at、at+1表示某環(huán)比指標(biāo)的相鄰兩個(gè)數(shù)據(jù)，當(dāng)at+1＞at時(shí)，會(huì)有3種情況:①at、at+1均小于等于100，說明原數(shù)據(jù)處于下降狀態(tài)，但下降幅度減緩;②at、at+1均大于等于100，說明原數(shù)據(jù)處于上升狀態(tài)，上升幅度加速;③at、at+1由小于100變?yōu)榇笥?00，說明原數(shù)據(jù)由下降狀態(tài)轉(zhuǎn)變?yōu)樯仙隣顟B(tài)。綜合上述3個(gè)方面考慮，當(dāng)at+1≥at時(shí)原數(shù)據(jù)有利于向上升方向發(fā)展。同樣，當(dāng)at+1≤at時(shí)原數(shù)據(jù)趨向下降方向發(fā)展。

為了使模型的設(shè)定更合理并減少或消除潛在的異方差問題，下面對所有序列取自然對數(shù)處理。又由于ln dk的波動(dòng)性比較大，故對ln dk做指數(shù)平滑處理，結(jié)果記為ln dks，平滑處理運(yùn)算為:

ln kdst=0.5×ln dkt+0.5×ln dk(t－1)(8)

運(yùn)用Eviews 6.0繪制［8］ln dks和ln fj的折線圖如圖1所示。

圖1 ln dks和ln fj的趨勢圖

由圖1可以看出，居民中長期消費(fèi)貸款與房屋銷售價(jià)格(均用二者環(huán)比指標(biāo))變化趨勢是一致的，由此可以猜測二者可能具有某種關(guān)聯(lián)關(guān)系，但須進(jìn)一步驗(yàn)證。

2.2 單位根平穩(wěn)檢驗(yàn)

對序列l(wèi)n fj和ln dks的ADF單位根檢驗(yàn)如表2所示。表2中滯后階數(shù)的選擇原則采取AIC準(zhǔn)則，檢驗(yàn)形式中的c和t為帶有常數(shù)項(xiàng)和趨勢項(xiàng)，k為差分項(xiàng)的滯后階數(shù)。

表2 ADF檢驗(yàn)數(shù)據(jù)結(jié)果

從表2可以看出，ln fj的ADF統(tǒng)計(jì)量(－0.359 3)大于5%的顯著水平(－1.949 6)，不能拒絕存在單位根的零假設(shè)，該序列不平穩(wěn);同理可知ln dks也是非平穩(wěn)序列。ln fj的一階差分Δln fj和ln dks的一階差分Δln dks在給定1%的顯著水平下拒絕存在單位根的零假設(shè)，因此，Δln fj和Δln dks都是平穩(wěn)的時(shí)間序列。那么ln fj、ln dks均為一階單整序列，它們之間有可能存在協(xié)整關(guān)系。

2.3 協(xié)整檢驗(yàn)與長期模型建立

采用Engle－Granger兩步法檢驗(yàn)居民中長期消費(fèi)貸款與房屋銷售價(jià)格指數(shù)之間可能存在的協(xié)整關(guān)系。

(1)建立最小二乘回歸模型如下:

ADR2=0.582 1，AIC=－6.618 2，D.W.=0.659 1，t統(tǒng)計(jì)量通過1%顯著性檢驗(yàn)，F(xiàn)統(tǒng)計(jì)量=54.322 3，F(xiàn)統(tǒng)計(jì)量的P值=0.000 0。

由ADR2值可知模型擬合度較一般，由F統(tǒng)計(jì)量的P值可知模型顯著性通過檢驗(yàn)，可以繼續(xù)進(jìn)行下一步。

(2)對模型生成的殘差進(jìn)行單位根檢驗(yàn)，如表3所示。

表3 殘差A(yù)DF檢驗(yàn)

由表3可知，模型的殘差項(xiàng)μt的ADF值為－4.635 5，小于5%顯著水平的臨界值 －3.529 7，因此拒絕殘差序列具有單位根的假設(shè)，說明殘差序列μt為零階單整，即I(0)。

由式(9)知存在ln fj和ln dks的一個(gè)線性組合是平穩(wěn)序列，故ln fj和ln dks具有協(xié)整關(guān)系。對于D.W.值小于2，觀察殘差相關(guān)圖，模型存在嚴(yán)重自相關(guān)，可以在模型中加入AR(1)來調(diào)整，得到最終結(jié)果為:參數(shù)均通過1%的t檢驗(yàn)，且殘差平穩(wěn)，已消除明顯自相關(guān)。

殘差、實(shí)際值、擬合值結(jié)果如圖2所示。

從圖2中可以看到，實(shí)際值與擬合值擬合程度較好，殘差曲線無明顯趨勢。

2.4 Granger因果關(guān)系檢驗(yàn)

為了明確變量之間的因果關(guān)系，對ln fj和ln dks做Granger因果檢驗(yàn)，選最佳滯后期為4，結(jié)果如表4所示。

圖2 式(10)的擬合效果圖

表4 Granger因果關(guān)系檢驗(yàn)結(jié)果

由表4可知，在90%的置信水平下，房產(chǎn)價(jià)格是居民中長期消費(fèi)貸款的Granger原因，在95%的置信水平下，居民中長期消費(fèi)貸款是房產(chǎn)價(jià)格的Granger原因。房產(chǎn)價(jià)格與居民中長期消費(fèi)貸款互為Granger因果關(guān)系。

2.5 誤差修正模型的建立

兩個(gè)變量即使長期存在均衡關(guān)系，但在短期內(nèi)由于受外界干擾，可以是不均衡的，因此必須對這種短期行為進(jìn)行修正。對于建立誤差修正模型，可用OLS方法先建立滯后一期的回歸方程，再推導(dǎo)出誤差修正模型。ADR2=0.810 5，AIC=－7.316 8，D.W.=1.594 3，參數(shù)均通過1%的t檢驗(yàn)，F(xiàn)統(tǒng)計(jì)量為51.336 2，F(xiàn)統(tǒng)計(jì)量的P值=0.000 0。

由ADR2的值可知模型擬合程度較好，由殘差相關(guān)圖知?dú)埐畈淮嬖谧韵嚓P(guān)。對式(11)進(jìn)行移項(xiàng)變化，將式(11)化為帶誤差修正項(xiàng)ecm的形式。

將式(11)兩端減去ln dkst－1并在右邊加減0.902 7×ln fjt－1整理得:

最終推導(dǎo)得出:

式(13)為誤差修正模型，由于誤差修正項(xiàng)ecmt－1的系數(shù)(－0.320 9)為負(fù)，調(diào)整方向符合誤差修正機(jī)制，表明上月的非均衡誤差以32%的比率對本月的Δln dkst做反向修正，修正力度較大。

3 結(jié)論與風(fēng)險(xiǎn)控制建議

3.1 消費(fèi)貸款和房屋銷售價(jià)格之間的關(guān)系

通過上述分析，對于2007年1月至2010年6月的居民中長期消費(fèi)貸款和房屋銷售價(jià)格的月度環(huán)比數(shù)據(jù)，將環(huán)比看作描述原數(shù)據(jù)的波動(dòng)指標(biāo)，可得出以下結(jié)論:居民中長期消費(fèi)貸款的波動(dòng)與房屋銷售價(jià)格波動(dòng)之間存在協(xié)整關(guān)系，即存在長期穩(wěn)定的均衡關(guān)系;由誤差修正模型可知，ecmt－1的系數(shù)為－0.320 9，說明誤差修正項(xiàng)對居民中長期消費(fèi)貸款波動(dòng)偏離長期均衡水平的調(diào)整力度為32.09%，具有較強(qiáng)的調(diào)整作用。Δln fjt的系數(shù)為0.902 7，說明在短期內(nèi)房屋銷售價(jià)格的波動(dòng)將會(huì)引起居民中長期消費(fèi)貸款同方向波動(dòng)，房屋銷售價(jià)格波動(dòng)每增長1個(gè)百分點(diǎn)，居民中長期消費(fèi)貸款波動(dòng)將增長0.902 7個(gè)百分點(diǎn)，房屋銷售價(jià)格波動(dòng)對居民中長期消費(fèi)貸款波動(dòng)存在同方向影響，且影響力度很強(qiáng)。

與國內(nèi)外同類研究結(jié)果相比，文獻(xiàn)［1］實(shí)證了貨幣供應(yīng)量與房價(jià)存在相互關(guān)系，采用相關(guān)系數(shù)進(jìn)行分析，認(rèn)為二者高度相關(guān)，這一點(diǎn)與筆者結(jié)論相一致，而筆者采用的是居民中長期消費(fèi)貸款指標(biāo)(貨幣供應(yīng)量的組成部分)研究與房價(jià)的關(guān)系，且給出了計(jì)量經(jīng)濟(jì)學(xué)模型，分析更加具體。文獻(xiàn)［4］認(rèn)為香港房地產(chǎn)價(jià)格的波動(dòng)影響銀行的信貸擴(kuò)張這一結(jié)論與筆者的結(jié)論相一致，而銀行貸款卻不明顯影響香港房地產(chǎn)價(jià)格這一結(jié)論與筆者的結(jié)論不同，說明香港房地產(chǎn)市場與大陸市場有相似之處，也有所不同。此外文獻(xiàn)［9－10］均認(rèn)為我國房價(jià)波動(dòng)與銀行信貸密切相關(guān)，但未建立基于協(xié)整與誤差修正理論的計(jì)量經(jīng)濟(jì)學(xué)模型。

3.2 風(fēng)險(xiǎn)控制建議

由圖1和Granger因果關(guān)系檢驗(yàn)結(jié)果及協(xié)整、誤差修正模型的建立，不難看出房價(jià)的波動(dòng)常常伴隨著貸款的波動(dòng)，當(dāng)房價(jià)持續(xù)上升時(shí)，居民中長期消費(fèi)貸款也會(huì)持續(xù)上升，反之前者持續(xù)下降，后者也會(huì)持續(xù)下降。這一結(jié)果與投資者買漲不買跌的現(xiàn)象非常符合，體現(xiàn)了我國房產(chǎn)市場近期階段性的規(guī)律，根據(jù)這一規(guī)律，可以從以下幾個(gè)方面來分析和控制銀行信貸風(fēng)險(xiǎn):

(1)適時(shí)地減少風(fēng)險(xiǎn)偏高的貸款項(xiàng)目是一種對放貸風(fēng)險(xiǎn)的控制。當(dāng)房價(jià)持續(xù)上升時(shí)，如果銀行方面不對貸款進(jìn)行必要的控制，根據(jù)上述結(jié)論，房價(jià)的波動(dòng)會(huì)影響居民中長期消費(fèi)貸款的波動(dòng)，房產(chǎn)市場的風(fēng)險(xiǎn)會(huì)沒有阻擋地傳給銀行。因此，當(dāng)房產(chǎn)市場表現(xiàn)出過熱和過度投機(jī)現(xiàn)象時(shí)，應(yīng)及時(shí)采取提高放貸條件、限制放貸和控制信貸規(guī)模等措施，避免房產(chǎn)市場綁架銀行，否則，一旦房產(chǎn)市場急劇下跌，出現(xiàn)大批按揭貸款的“斷供”現(xiàn)象時(shí)，銀行將面臨巨大損失。實(shí)際操作時(shí)，根據(jù)銀行自身抗擊風(fēng)險(xiǎn)的能力，采用不同的偏好，如可選擇在一年內(nèi)，房價(jià)上漲20%、30%、40%等情況，分別采取相應(yīng)的控制措施。

(2)銀行發(fā)放的貸款都具有不同程度的風(fēng)險(xiǎn)，通過增加風(fēng)險(xiǎn)小、收益穩(wěn)健的項(xiàng)目貸款規(guī)模，也是對其經(jīng)營風(fēng)險(xiǎn)的控制。在房價(jià)持續(xù)穩(wěn)定期內(nèi)，根據(jù)前面的結(jié)論，相應(yīng)的貸款也相對穩(wěn)定，即不會(huì)自發(fā)地快速增加或快速減少。而此時(shí)銀行放貸的風(fēng)險(xiǎn)也相對較少，會(huì)獲得穩(wěn)健的收益。因此銀行方面應(yīng)該抓住機(jī)遇，適當(dāng)采取措施，積極擴(kuò)大信貸規(guī)模，改善貸款結(jié)構(gòu)，根據(jù)偏好，可以將穩(wěn)健收益貸款比例控制在70%、80%甚至90%。

(3)研究結(jié)果表明，由于房價(jià)的上升，推動(dòng)了居民中長期消費(fèi)貸款上升，而不僅僅是住房貸款的上升，這一結(jié)論的合理性在于它與信貸市場的某些現(xiàn)象十分符合。例如，在房價(jià)持續(xù)上升的情況下，某人的固有房產(chǎn)大幅升值，由于房產(chǎn)的財(cái)富效應(yīng)，使其產(chǎn)生強(qiáng)的消費(fèi)信心，便通過住房抵押貸款進(jìn)行各種消費(fèi)。而此時(shí)銀行貸款的增加又與房價(jià)的上升聯(lián)系在一起，如果房價(jià)突然大幅下跌，仍然會(huì)使銀行難以收回抵押貸款。因此當(dāng)房產(chǎn)市場表現(xiàn)出過熱和過度投機(jī)現(xiàn)象時(shí)，以住房為抵押物的各種貸款也應(yīng)給予相應(yīng)的控制。

綜上所述，銀行方面可以根據(jù)房價(jià)和貸款的相互關(guān)系，采取適當(dāng)措施控制放貸風(fēng)險(xiǎn)，同時(shí)根據(jù)房產(chǎn)價(jià)格與居民中長期消費(fèi)貸款互為Granger因果關(guān)系的特點(diǎn)，控制房貸，就會(huì)控制房價(jià)的進(jìn)一步上升，形成良性循環(huán)。而政府一方面要支持銀行規(guī)避風(fēng)險(xiǎn)的行動(dòng)，另一方面可通過增加房產(chǎn)交易稅等手段控制房產(chǎn)市場的過度投機(jī)，降低房產(chǎn)市場風(fēng)險(xiǎn)，進(jìn)而降低銀行房貸風(fēng)險(xiǎn)，促進(jìn)經(jīng)濟(jì)的協(xié)調(diào)穩(wěn)定發(fā)展。

［1］豐雷，朱勇，謝經(jīng)榮.中國地產(chǎn)泡沫實(shí)證研究［J］.管理世界，2002(10):57－62.

［2］盛松成，李安定，劉惠娜.上海房地產(chǎn)市場發(fā)展周期與金融運(yùn)行關(guān)系研究［J］.上海金融，2005(6):4－7.

［3］劉明，劉斌.利率調(diào)控房價(jià)的效應(yīng)分析［J］.上海金融，2005(11):14－16.

［4］GERLACH S，PENGW S.Bank lending and property prices in Hongkong［J］.Journal of Banking＆Finance，2005(20):461－481.

［5］ENGLE R F，GRANGER CW J.Co－integration and error correction:representation，estimation，and testing［J］.Econimetrica，1987(55):251－276.

［6］高鐵梅，王金明，梁云芳，等.計(jì)量經(jīng)濟(jì)分析方法與建模:EViews應(yīng)用及實(shí)例［M］.北京:清華大學(xué)出版社，2009:131－132.

［7］韓振國，何敏蓉.房貸風(fēng)險(xiǎn)測試及商業(yè)銀行防范策略［J］.浙江金融，2009(12):23－24.

［8］張曉峒.EViews使用指南與案例［M］.北京:機(jī)械工業(yè)出版社，2007:36－43.

［9］孔煜.房價(jià)波動(dòng)、銀行信貸與經(jīng)濟(jì)增長［J］.財(cái)經(jīng)理論與實(shí)踐，2009，30(9):12－16.

［10］王宏新，王昊.房價(jià)變動(dòng)情景測試與商業(yè)銀行風(fēng)險(xiǎn)規(guī)避［J］.改革，2009(3):131－135.