房?jī)r(jià)過(guò)度波動(dòng)的系統(tǒng)性風(fēng)險(xiǎn)溢出效應(yīng)測(cè)度
——基于GARCH-Copula-CoVaR模型

沈 悅 戴士偉 陳 錕

一、引言及文獻(xiàn)綜述

國(guó)際經(jīng)驗(yàn)表明，由于房地產(chǎn)業(yè)在國(guó)民經(jīng)濟(jì)發(fā)展中具有特殊性，一旦出現(xiàn)房?jī)r(jià)過(guò)度上漲或下跌，可能會(huì)引發(fā)系統(tǒng)性風(fēng)險(xiǎn)，威脅經(jīng)濟(jì)金融安全運(yùn)行，甚或引發(fā)系統(tǒng)性危機(jī)。然而，不幸的是，我國(guó)近年來(lái)出現(xiàn)了房?jī)r(jià)過(guò)度波動(dòng)，由此所引發(fā)的系統(tǒng)性風(fēng)險(xiǎn)已呈不斷積聚之勢(shì)。雖然宏觀調(diào)控措施不斷出臺(tái)，但調(diào)控效果卻不盡如人意。那么，房?jī)r(jià)過(guò)度波動(dòng)的系統(tǒng)性風(fēng)險(xiǎn)溢出效應(yīng)（房?jī)r(jià)過(guò)度波動(dòng)引起的金融風(fēng)險(xiǎn)在經(jīng)濟(jì)體系相互傳導(dǎo)，對(duì)經(jīng)濟(jì)金融安全的破壞程度）到底有多大？給經(jīng)濟(jì)金融運(yùn)行帶來(lái)的負(fù)效應(yīng)有哪些？引起房?jī)r(jià)過(guò)度波動(dòng)的原動(dòng)力又在哪里？弄清這些問(wèn)題有利于遏制房?jī)r(jià)過(guò)度波動(dòng)，減小系統(tǒng)性風(fēng)險(xiǎn)擴(kuò)散帶來(lái)的負(fù)效應(yīng)。

次貸危機(jī)爆發(fā)后，房?jī)r(jià)過(guò)度波動(dòng)及其系統(tǒng)性風(fēng)險(xiǎn)是學(xué)術(shù)界關(guān)注的熱點(diǎn)問(wèn)題。概括起來(lái)看，目前的研究主要集中于三個(gè)方面。

其一是有關(guān)房?jī)r(jià)過(guò)度波動(dòng)系統(tǒng)性風(fēng)險(xiǎn)的生成機(jī)理問(wèn)題?；诤暧^經(jīng)濟(jì)波動(dòng)視角的研究認(rèn)為，房?jī)r(jià)波動(dòng)受宏觀經(jīng)濟(jì)基本面影響，宏觀經(jīng)濟(jì)環(huán)境變化是引起房?jī)r(jià)過(guò)度波動(dòng)系統(tǒng)性風(fēng)險(xiǎn)的經(jīng)濟(jì)基礎(chǔ)（Lee等，2014［1］； 徐妍和沈悅，2014［2］）； 基于金融支持視角的研究認(rèn)為，金融支持由過(guò)度到不足是房?jī)r(jià)過(guò)度波動(dòng)系統(tǒng)性風(fēng)險(xiǎn)生成的加速器（Iacoviello和 Neri，2010［3］； 鞠方等，2013［4］）； 基于正反饋交易行為視角的研究認(rèn)為，房地產(chǎn)市場(chǎng)存在的正反饋交易行為是房?jī)r(jià)過(guò)度波動(dòng)系統(tǒng)性風(fēng)險(xiǎn)生成的主觀原因（Case和Shiller，2000［5］； 沈悅和張學(xué)峰，2011［6］）； 基于國(guó)際資本流動(dòng)視角的研究認(rèn)為，國(guó)際投機(jī)資本攻擊是房?jī)r(jià)過(guò)度波動(dòng)系統(tǒng)性風(fēng)險(xiǎn)生成的外部原因（Ohnoa和Shimizub，2015［7］； 王申和陶士貴，2015［8］）； 基于信息不對(duì)稱視角的研究認(rèn)為，信息不對(duì)稱是房?jī)r(jià)過(guò)度波動(dòng)系統(tǒng)性風(fēng)險(xiǎn)得以生成的現(xiàn)實(shí)基礎(chǔ)（Kurlat和Stroebel，2015［9］； 譚政勛和王聰，2011［10］）。

其二是關(guān)于房?jī)r(jià)過(guò)度波動(dòng)系統(tǒng)性風(fēng)險(xiǎn)的傳導(dǎo)效應(yīng)研究。國(guó)內(nèi)外學(xué)者認(rèn)為房?jī)r(jià)過(guò)度波動(dòng)會(huì)給經(jīng)濟(jì)金融帶來(lái)一系列負(fù)效應(yīng)。 Castelnuovo 和 Nisticò（2010）［11］運(yùn)用DSGE模型探討了包括房?jī)r(jià)在內(nèi)的資產(chǎn)價(jià)格波動(dòng)對(duì)實(shí)體經(jīng)濟(jì)的沖擊后果，發(fā)現(xiàn)房?jī)r(jià)沖擊會(huì)顯著影響經(jīng)濟(jì)增長(zhǎng)、消費(fèi)需求以及宏觀經(jīng)濟(jì)周期，但在他們的研究中卻未涉及金融體系。與此同時(shí)，Koetter和Poghosyan（2010）［12］的研究結(jié)論認(rèn)為房?jī)r(jià)過(guò)度波動(dòng)不利于金融穩(wěn)定，彌補(bǔ)了 Castelnuovo 和 Nisticò（2010）［11］研究的不足。 Gustafsson等（2015）［13］的實(shí)證研究證明，如果瑞典的房?jī)r(jià)下降20%，將會(huì)導(dǎo)致經(jīng)濟(jì)衰退，消費(fèi)下降，失業(yè)率提高。 許憲春等（2015）［14］研究認(rèn)為，房地產(chǎn)業(yè)如果增長(zhǎng)速度過(guò)高或過(guò)低則影響國(guó)民經(jīng)濟(jì)穩(wěn)定增長(zhǎng)。

其三是對(duì)于房?jī)r(jià)過(guò)度波動(dòng)系統(tǒng)性風(fēng)險(xiǎn)的測(cè)度方法探討。VaR模型在金融風(fēng)險(xiǎn)測(cè)度中一直占據(jù)主導(dǎo)地位，然而，2008年金融危機(jī)后人們對(duì)該方法卻產(chǎn)生了質(zhì)疑。 2009年，Huang和 Zhou（2009）［15］首次采用 “壓力測(cè)試法”測(cè)度系統(tǒng)性風(fēng)險(xiǎn)程度，可以說(shuō)是一種進(jìn)步。 隨后，Gray和 Jobst（2010）［16］采用未定權(quán)益分析法（CCA 法），Tarashev等（2010）［17］采用夏普利值法分別對(duì)系統(tǒng)性風(fēng)險(xiǎn)進(jìn)行測(cè)度，豐富了系統(tǒng)性風(fēng)險(xiǎn)測(cè)度理論。但以上方法的缺陷是均不能測(cè)度系統(tǒng)性風(fēng)險(xiǎn)的溢出效應(yīng)。與此同時(shí)，Adian和Brunnermeier（2009）［18］則通過(guò)對(duì) VaR 模型不斷改進(jìn)，最終形成了條件在險(xiǎn)價(jià)值（CoVaR）模型，可以用來(lái)測(cè)度系統(tǒng)性風(fēng)險(xiǎn)的溢出效應(yīng)，得到學(xué)術(shù)界的充分肯定。

近年來(lái)，中國(guó)學(xué)者也廣泛采用CoVaR方法測(cè)度中國(guó)金融體系的系統(tǒng)性風(fēng)險(xiǎn)，取得了一系列研究成果。針對(duì)CoVaR方法存在的一些不足，謝福座（2010）［19］提出可將 Copula函數(shù)引入 CoVaR 計(jì)算中。沈悅等（2014）［20］提出在引入Copula函數(shù)的基礎(chǔ)上，通過(guò)偏態(tài)t分布對(duì)金融時(shí)間序列殘差項(xiàng)進(jìn)行優(yōu)化可以提高CoVaR的計(jì)算精度。但現(xiàn)有研究存在兩個(gè)不足：一是主要關(guān)注房?jī)r(jià)波動(dòng)給金融體系帶來(lái)的風(fēng)險(xiǎn)，幾乎未涉及其他經(jīng)濟(jì)方面；二是在研究方法上沒(méi)有結(jié)合中國(guó)房?jī)r(jià)變化的特點(diǎn)將CoVaR模型進(jìn)行拓展，使之更適合測(cè)度房?jī)r(jià)波動(dòng)的系統(tǒng)性風(fēng)險(xiǎn)溢出效應(yīng)。另外，雖然有人關(guān)注了Copula函數(shù)的擬合效果，但卻沒(méi)有考慮GARCH殘差項(xiàng)分布導(dǎo)致的測(cè)度偏離這一問(wèn)題。

鑒于此，本文擬采用GARCH-Copula-CoVaR模型，分別從 “宏觀經(jīng)濟(jì)、金融機(jī)構(gòu)、資本市場(chǎng)以及制度環(huán)境”四個(gè)層面測(cè)度房?jī)r(jià)過(guò)度波動(dòng)的系統(tǒng)性風(fēng)險(xiǎn)溢出效應(yīng)。主要貢獻(xiàn)有兩個(gè)：一是率先將CoVaR模型應(yīng)用于中國(guó)房地產(chǎn)市場(chǎng)，從不同層面測(cè)度房?jī)r(jià)過(guò)度波動(dòng)的系統(tǒng)性風(fēng)險(xiǎn)溢出效應(yīng)，克服現(xiàn)有研究主要針對(duì)金融體系，忽視其他經(jīng)濟(jì)層面的不足，拓展了系統(tǒng)性風(fēng)險(xiǎn)測(cè)度的應(yīng)用范圍；二是通過(guò)引入Skewed?t分布和描述性更強(qiáng)的Copula函數(shù)，構(gòu)建了GARCH-Copula-CoVaR模型，修正了CoVaR模型的缺陷，使模型得到拓展，測(cè)度結(jié)果更科學(xué)。

二、模型構(gòu)建

CoVaR指在概率水平一定情況下，若某機(jī)構(gòu)在將來(lái)一個(gè)時(shí)間段遭遇困境，其他機(jī)構(gòu)所遭受的最大損失。當(dāng)置信水平為1－α?xí)r，若機(jī)構(gòu)i遭遇的損失為，則機(jī)構(gòu)j可能遭受的最大損失為：

根據(jù)式（1）定義可知，其實(shí)是在特定條件下的一種特殊形式。進(jìn)一步，可以將機(jī)構(gòu)j所承受的條件在險(xiǎn)價(jià)值分為兩個(gè)部分：其本身承受的無(wú)條件在險(xiǎn)價(jià)值和機(jī)構(gòu)i對(duì)其的溢出風(fēng)險(xiǎn)價(jià)值由此可以得到：

當(dāng)j＝s（s為經(jīng)濟(jì)體系的不同層面）時(shí)，變量i對(duì)經(jīng)濟(jì)體系風(fēng)險(xiǎn)的邊際貢獻(xiàn)為當(dāng)變量i發(fā)生最大可能損失這一極端事實(shí)時(shí)，經(jīng)濟(jì)體系的條件再險(xiǎn)價(jià)值與無(wú)條件在險(xiǎn)價(jià)值之差為：

再對(duì)溢出風(fēng)險(xiǎn)價(jià)值去量綱化，以方便在后續(xù)實(shí)證研究中進(jìn)行比較。

由定義可知，CoVaR實(shí)際是在VaR處于α分位點(diǎn)時(shí)CoVaR的條件概率分布的α分位數(shù)。由于分位數(shù)的本質(zhì)其實(shí)是對(duì)一個(gè)變量的密度函數(shù)求變上限積分，因此，在密度函數(shù)已知的情況下，便能求出CoVaR。在引入Cop?ula函數(shù)后，通過(guò)運(yùn)用Skewed?t分布來(lái)提高計(jì)算精度，再利用GARCH模型計(jì)算CoVaR，具體計(jì)算過(guò)程如下：

（一）引入Skewed?t分布

Skewed?t分布（偏態(tài)t分布）由Hansen（1994）［21］提出，目的是通過(guò)加入偏度參數(shù)λ對(duì)普通t分布的定義進(jìn)行延伸。近年來(lái)眾多實(shí)證研究表明，Skewed?t分布能夠更加準(zhǔn)確地描述金融時(shí)間序列的“尖峰厚尾”性，概率密度函數(shù)如下：

其中自由度η∈（2，∞），偏度參數(shù)λ∈（－1，1）。當(dāng)λ＞0時(shí)存在右偏；當(dāng)λ＝0，η取任意有限實(shí)數(shù)時(shí)，Skewed?t分布便是普通t分布；當(dāng)λ＝0，η→∞時(shí)，Skewed?t分布則為正態(tài)分布。

（二）計(jì)算每一個(gè)VaR

VaR值主要取決于兩個(gè)關(guān)鍵變量：方差及資產(chǎn)回報(bào)的概率分布。因此，在預(yù)測(cè)VaR時(shí)必須選擇適當(dāng)?shù)牟▌?dòng)率模型。由于金融數(shù)據(jù)有強(qiáng)烈的ARCH效應(yīng)，在刻畫金融時(shí)間序列時(shí)會(huì)造成尾部信息的損失，低估VaR，因此，為了使估計(jì)更有效，常用GARCH模型度量波動(dòng)率。假設(shè)某機(jī)構(gòu)i的收益率滿足GARCH模型：同時(shí)，為了提高計(jì)算精度，假設(shè)其殘差序列zi，t獨(dú)立同Skewed?t分布，條件方差滿足標(biāo)準(zhǔn)GARCH（1，1）條件：VaR計(jì)算結(jié)果為：

其中，Vt－1為t－1期的資產(chǎn)，Zα為對(duì)應(yīng)的α分位數(shù)，σ為收益率標(biāo)準(zhǔn)差的估計(jì)值，ΔT為資產(chǎn)持有期。根據(jù)式（6）即可求出該變量在某段時(shí)期內(nèi)的在險(xiǎn)價(jià)值

（三）計(jì)算變量i對(duì)經(jīng)濟(jì)層面s的溢出風(fēng)險(xiǎn)價(jià)值

首先假設(shè)變量i和經(jīng)濟(jì)層面s的收益率的聯(lián)合密度函數(shù)為則由條件密度函數(shù)的定義可得：

由Copula函數(shù)性質(zhì)可得：

通過(guò)條件密度函數(shù)可以得出條件分布函數(shù)：

根據(jù)的定義，式（9）中的Fs、Ft均為Copula函數(shù)的邊緣分布函數(shù)。因此式（9）可轉(zhuǎn)換為：

由式（11）可以求出的分位數(shù)代入Co?，得到。利用式（3）、（4）求出相應(yīng)的和%。

據(jù)此，在第三節(jié)將運(yùn)用GARCH-Copule-CoVaR模型對(duì)我國(guó)房?jī)r(jià)波動(dòng)的系統(tǒng)性風(fēng)險(xiǎn)溢出效應(yīng)進(jìn)行測(cè)度。

三、數(shù)據(jù)選取和基本統(tǒng)計(jì)量描述

（一）指標(biāo)及數(shù)據(jù)選取

本文選取 “商品房銷售平均價(jià)格”作為房?jī)r(jià)波動(dòng)指標(biāo)，將經(jīng)濟(jì)體系分解為 “宏觀經(jīng)濟(jì)、金融機(jī)構(gòu)、資本市場(chǎng)和制度環(huán)境”四個(gè)層面，每個(gè)層面設(shè)置數(shù)量不等的指標(biāo)個(gè)數(shù)。其中，宏觀經(jīng)濟(jì)方面包括的指標(biāo)有GDP增長(zhǎng)率、出口變化率以及通貨膨脹率（根據(jù)CPI統(tǒng)計(jì)量計(jì)算而得）；金融機(jī)構(gòu)方面選取的指標(biāo)有銀行貸款總額、存貸比及不良貸款率；資本市場(chǎng)僅選取股價(jià)指數(shù)（上證指數(shù)）；制度環(huán)境選取貨幣供應(yīng)膨脹率、實(shí)際利率及實(shí)際匯率①實(shí)際利率由當(dāng)期一年期存款名義利率減去通貨膨脹率得到。。本文對(duì)各個(gè)指標(biāo)賦權(quán)采用層次分析法得出具體指標(biāo)類型、相對(duì)權(quán)重及經(jīng)濟(jì)意義如表1所示。

表1 指標(biāo)選取匯總表

由于表1中各指標(biāo)樣本數(shù)據(jù)收集的難度較大，數(shù)據(jù)缺失程度比較嚴(yán)重，為此本文所有指標(biāo)所選樣本均是從2003年第1季度至2014年第4季度，每個(gè)指標(biāo)的觀測(cè)值為48個(gè)。2003至2014年涵蓋了我國(guó)房地產(chǎn)市場(chǎng)迅猛發(fā)展、2008年房?jī)r(jià)下跌以及2009年初房?jī)r(jià)再次回升以及2013年以來(lái)的下跌等主要階段，也包含政府對(duì)房地產(chǎn)市場(chǎng)宏觀調(diào)控等說(shuō)服力較強(qiáng)。本文實(shí)證分析中的所有數(shù)據(jù)均來(lái)自于國(guó)家統(tǒng)計(jì)局網(wǎng)站，數(shù)據(jù)處理均使用Matlab（R2012a）。

（二）基本統(tǒng)計(jì)量描述

由于各指標(biāo)對(duì)系統(tǒng)性風(fēng)險(xiǎn)的影響方向并不一致，為消除這一差別，本文采用各指標(biāo)的變化率R進(jìn)行后續(xù)的實(shí)證計(jì)算。對(duì)每個(gè)指標(biāo)取100倍的對(duì)數(shù)一階差分來(lái)表示其變動(dòng)率：其中，為該指標(biāo)的上一期值。處理過(guò)后，對(duì)所有二級(jí)指標(biāo)進(jìn)行基本統(tǒng)計(jì)量描述，結(jié)果如表2所示。

由表2可知，各個(gè)指標(biāo)的統(tǒng)計(jì)量中偏度系數(shù)Skewness雖然都有略微的左偏或右偏現(xiàn)象，但都較為接近于正態(tài)分布的偏度系數(shù)0，但峰度系數(shù)Kurtosis卻都遠(yuǎn)大于正態(tài)分布的峰度系數(shù)3，其中存貸比這一指標(biāo)的峰度系數(shù)最大，達(dá)到16.658 41，尖峰性非常顯著。且各指標(biāo)的Jarque-Bera統(tǒng)計(jì)量的概率值都接近于0，拒絕各個(gè)指標(biāo)變化率的正態(tài)分布假設(shè)，因此結(jié)論是各指標(biāo)變化率的時(shí)間序列并不服從正態(tài)分布。

表2 各指標(biāo)變化率序列的描述性統(tǒng)計(jì)

續(xù)前表

接下來(lái)，運(yùn)用Matlab軟件對(duì)各指標(biāo)變化率的時(shí)間序列進(jìn)行圖形描述（見圖1）。

從圖1可以看出，在各層面內(nèi)，各指標(biāo)波動(dòng)的協(xié)同趨勢(shì)比較明顯，但波動(dòng)程度略有不同，其中出口變化率、貸款總額、實(shí)際利率波動(dòng)程度顯著大于其所在指標(biāo)層面中其他指標(biāo)的波動(dòng)程度?？傮w來(lái)說(shuō)，各指標(biāo)的變化有規(guī)律可循，均在2009年左右明顯出現(xiàn)較大波動(dòng)幅度，這說(shuō)明各經(jīng)濟(jì)層面中的各個(gè)變量之間存在一定的相關(guān)性，各變量相互影響相互作用，共同作用于經(jīng)濟(jì)體系。

圖1 各指標(biāo)變化率時(shí)間序列變化圖

四、系統(tǒng)性風(fēng)險(xiǎn)溢出效應(yīng)測(cè)度

（一）平穩(wěn)性檢驗(yàn)

從對(duì)各指標(biāo)的統(tǒng)計(jì)量進(jìn)行的描述可以看出，所取指標(biāo)變化率的時(shí)間序列并不服從標(biāo)準(zhǔn)正態(tài)分布，且從時(shí)間序列變化圖中可以看出其波動(dòng)具有一定的叢集性，推斷其存在ARCH效應(yīng)的可能性比較大。GARCH模型的運(yùn)用對(duì)于具有尖峰厚尾性的金融序列數(shù)據(jù)有較好的擬合結(jié)果，但普通的GARCH模型假設(shè)其殘差項(xiàng)服從標(biāo)準(zhǔn)正態(tài)分布，這一假設(shè)拉低了計(jì)算結(jié)果的精確度。為彌補(bǔ)這一缺陷，有學(xué)者用t分布或GED分布來(lái)假設(shè)殘差項(xiàng)的分布，本文假設(shè)GARCH模型殘差項(xiàng)序列服從Skewed?t分布來(lái)提高計(jì)算結(jié)果的精度。

在以上假設(shè)基礎(chǔ)上，先對(duì)各指標(biāo)變化率序列進(jìn)行ADF檢驗(yàn)（檢驗(yàn)結(jié)果見表3），發(fā)現(xiàn)各指標(biāo)ADF檢驗(yàn)值均小于其1%顯著水平下ADF檢驗(yàn)的臨界值，因此可以得出各指標(biāo)變化率序列均為平穩(wěn)序列的結(jié)論，建立GARCH模型計(jì)算各指標(biāo)的VaR和CoVaR。

表3 各指標(biāo)ADF檢驗(yàn)結(jié)果

（二）風(fēng)險(xiǎn)溢出效應(yīng)測(cè)度

在假設(shè)GARCH序列殘差項(xiàng)服從Skewed?t分布，置信水平為0.01時(shí)，根據(jù)式（6），可以計(jì)算出商品房銷售平均價(jià)格在各個(gè)時(shí)期的在險(xiǎn)價(jià)值及其他各指標(biāo)的在險(xiǎn)價(jià)值同時(shí)， 將式 （11）中代入商品房銷售平均價(jià)格變化率序列的殘差序列的α分位數(shù)，即可得出其他各指標(biāo)變化率殘差序列的α分位數(shù)再將代入公式即可得出商品房銷售平均價(jià)格變化對(duì)其他各指標(biāo)變化率產(chǎn)生的條件在險(xiǎn)價(jià)值在得到各指標(biāo)的在險(xiǎn)價(jià)值和條件在險(xiǎn)價(jià)值的基礎(chǔ)上，根據(jù)式（3）、 （4）可以求出房?jī)r(jià)波動(dòng)對(duì)各指標(biāo)的溢出風(fēng)險(xiǎn)價(jià)值和標(biāo)準(zhǔn)化溢出風(fēng)險(xiǎn)價(jià)值%其中，各變量最終結(jié)果由其各時(shí)期計(jì)算結(jié)果數(shù)學(xué)平均而得，各層面一級(jí)指標(biāo)及經(jīng)濟(jì)總體的各變量結(jié)果則由表1中各指標(biāo)權(quán)重加權(quán)平均而得。具體計(jì)算結(jié)果如表4所示。

表4 房?jī)r(jià)波動(dòng)對(duì)各指標(biāo)的VaR，CoVaR，ΔCoVaR及%CoVaR計(jì)算結(jié)果

續(xù)前表

（三）結(jié)果分析

根據(jù)表4可以得出如下結(jié)果。

1.房?jī)r(jià)波動(dòng)的系統(tǒng)性風(fēng)險(xiǎn)溢出效應(yīng)明顯，但對(duì)不同經(jīng)濟(jì)層面的風(fēng)險(xiǎn)溢出效應(yīng)存在差異。

總體上講，房?jī)r(jià)波動(dòng)的系統(tǒng)性風(fēng)險(xiǎn)溢出效應(yīng)為13.35%。分別來(lái)看，房?jī)r(jià)波動(dòng)對(duì)不同經(jīng)濟(jì)層面的風(fēng)險(xiǎn)溢出效應(yīng)為：金融機(jī)構(gòu)（28.13%）、宏觀經(jīng)濟(jì)（12.43%）、 制度環(huán)境（5.26%）、 股價(jià)指數(shù)（0.67%）。從中可以看出，房?jī)r(jià)波動(dòng)對(duì)金融機(jī)構(gòu)的影響最為顯著，其中房?jī)r(jià)波動(dòng)對(duì)存貸比的標(biāo)準(zhǔn)化溢出風(fēng)險(xiǎn)價(jià)值達(dá)到33.12%，對(duì)貸款總額和不良貸款率的影響也分別達(dá)到24.98%和26.56%。相對(duì)而言，房?jī)r(jià)波動(dòng)對(duì)其他三個(gè)經(jīng)濟(jì)層面的影響要小得多，但房?jī)r(jià)波動(dòng)對(duì)宏觀經(jīng)濟(jì)指標(biāo)中的通貨膨脹率的風(fēng)險(xiǎn)貢獻(xiàn)程度達(dá)到18.50%，也因此拉高了房?jī)r(jià)波動(dòng)對(duì)宏觀經(jīng)濟(jì)的標(biāo)準(zhǔn)化溢出風(fēng)險(xiǎn)價(jià)值%CoVaR。令人感到意外的是，房?jī)r(jià)波動(dòng)對(duì)股價(jià)指數(shù)的影響非常小，僅有0.67%，看來(lái)房?jī)r(jià)波動(dòng)對(duì)資本市場(chǎng)的風(fēng)險(xiǎn)溢出效應(yīng)并不明顯，這與沈悅和盧文兵（2008）［22］的觀點(diǎn)一致。

我們認(rèn)為出現(xiàn)上述情況的原因主要是：首先，房地產(chǎn)貸款占各金融機(jī)構(gòu)貸款總額的比重十分巨大。截至2015年6月底，我國(guó)房地產(chǎn)貸款余額占金融機(jī)構(gòu)貸款總額將近20%①見中國(guó)人民銀行：《2015年上半年金融機(jī)構(gòu)貸款投向統(tǒng)計(jì)報(bào)告》。。當(dāng)房?jī)r(jià)上升時(shí)，信貸規(guī)模擴(kuò)張迅速，存貸比和不良貸款率下降；而當(dāng)房?jī)r(jià)下降時(shí)，不良貸款率迅速提高，金融機(jī)構(gòu)流動(dòng)性風(fēng)險(xiǎn)迅速上升，金融體系不穩(wěn)定程度迅速提高。其次，在通貨膨脹期間人們?yōu)榱吮Ｖ禃?huì)將手中持有的貨幣投入房地產(chǎn)市場(chǎng)，從而推動(dòng)房?jī)r(jià)上漲；相反，在通貨緊縮期間，大量資金縮水，房地產(chǎn)泡沫很快被擠掉，房?jī)r(jià)對(duì)市場(chǎng)形成副作用，加速了緊縮程度。

2.宏觀經(jīng)濟(jì)環(huán)境變化對(duì)房?jī)r(jià)波動(dòng)影響顯著，但不同經(jīng)濟(jì)層面對(duì)房?jī)r(jià)波動(dòng)的風(fēng)險(xiǎn)溢出效應(yīng)差異較大。

總體上看，經(jīng)濟(jì)體系對(duì)房地產(chǎn)市場(chǎng)的溢出風(fēng)險(xiǎn)價(jià)值為17.03%。分別來(lái)看，四個(gè)經(jīng)濟(jì)層面中對(duì)房?jī)r(jià)波動(dòng)影響最大的是宏觀經(jīng)濟(jì)層面，達(dá)到24.08%，其次是金融機(jī)構(gòu)層面（19.00%）、制度環(huán)境層面（18.39%），資本市場(chǎng)層面僅有1.45%。這說(shuō)明房地產(chǎn)市場(chǎng)發(fā)展受上述三個(gè)層面的影響十分顯著，宏觀經(jīng)濟(jì)基本面下滑、金融體系出現(xiàn)危機(jī)以及不適宜的宏觀政策調(diào)控都有可能成為樓市崩潰的導(dǎo)火索，而這三類指標(biāo)之間又相互影響、相互作用、緊密相連，共同使得房?jī)r(jià)過(guò)度波動(dòng)的系統(tǒng)性風(fēng)險(xiǎn)有可能一觸即發(fā)。

我們認(rèn)為產(chǎn)生上述情況的原因主要是：首先，改革開放以來(lái)我國(guó)經(jīng)濟(jì)長(zhǎng)期保持高速增長(zhǎng)，居民收入水平不斷提高，房地產(chǎn)兼具投資和消費(fèi)雙重屬性，是居民消費(fèi)和投資的最好工具之一。針對(duì)房?jī)r(jià)持續(xù)上漲，為了維持房?jī)r(jià)穩(wěn)定，國(guó)家近年來(lái)先后出臺(tái)了一系列宏觀調(diào)控措施，但由于將打壓和救市措施頻繁使用，也無(wú)形中加大了房?jī)r(jià)波動(dòng)程度，積聚了系統(tǒng)性風(fēng)險(xiǎn)生成和傳導(dǎo)的能量。其次，在我國(guó)以商業(yè)銀行為主的金融體系中，房地產(chǎn)貸款總量占商業(yè)銀行貸款比重過(guò)高。根據(jù)商業(yè)銀行風(fēng)險(xiǎn)承擔(dān)理論，當(dāng)經(jīng)濟(jì)由上升轉(zhuǎn)為下降后，由于商業(yè)銀行不良資產(chǎn)增多，自身經(jīng)營(yíng)風(fēng)險(xiǎn)必然上升。目前我國(guó)商業(yè)銀行的不良貸款率持續(xù)上升②數(shù)據(jù)顯示，截至2015年二季度末，商業(yè)銀行不良貸款余額為1.09萬(wàn)億元，較2014年同期增加3 975億元，增長(zhǎng)率達(dá)57.24%。銀行業(yè)不良貸款率為1.50%，日趨接近銀行業(yè)風(fēng)險(xiǎn)2%警戒線。，當(dāng)商業(yè)銀行成為系統(tǒng)性風(fēng)險(xiǎn)的天然存儲(chǔ)庫(kù)后，對(duì)房地產(chǎn)市場(chǎng)的風(fēng)險(xiǎn)溢出效應(yīng)自然增大。再次，近年來(lái)我國(guó)的實(shí)際利率水平逐級(jí)提升，目前已經(jīng)遠(yuǎn)遠(yuǎn)超過(guò)發(fā)達(dá)國(guó)家水平。資金借貸成本過(guò)高，導(dǎo)致經(jīng)營(yíng)成本加大，利潤(rùn)攤薄甚至虧損，必然加大微觀經(jīng)濟(jì)風(fēng)險(xiǎn)，整個(gè)社會(huì)運(yùn)行成本也因此而加大，導(dǎo)致制度環(huán)境變差、違約風(fēng)險(xiǎn)增加、房地產(chǎn)市場(chǎng)出現(xiàn)斷供、房?jī)r(jià)暴跌，系統(tǒng)性風(fēng)險(xiǎn)加大。

五、結(jié)論及政策啟示

近年來(lái)，房?jī)r(jià)過(guò)度波動(dòng)已成為引發(fā)系統(tǒng)性風(fēng)險(xiǎn)的主要爆發(fā)源，給經(jīng)濟(jì)金融運(yùn)行帶來(lái)一系列負(fù)效應(yīng)。本文針對(duì)現(xiàn)有研究存在的不足，通過(guò)對(duì)測(cè)度系統(tǒng)性風(fēng)險(xiǎn)的主流模型——CoVaR模型進(jìn)行拓展，建立GARCHCopula-CoVaR模型，實(shí)證研究了房?jī)r(jià)過(guò)度波動(dòng)所引發(fā)的系統(tǒng)性風(fēng)險(xiǎn)溢出效應(yīng)。通過(guò)研究得出如下結(jié)論。

第一，近年來(lái)我國(guó)房?jī)r(jià)過(guò)度波動(dòng)給經(jīng)濟(jì)金融安全運(yùn)行帶來(lái)一系列負(fù)效應(yīng)，如果情況嚴(yán)重可能會(huì)引發(fā)經(jīng)濟(jì)金融危機(jī)。本文實(shí)證研究結(jié)果表明，因房?jī)r(jià)過(guò)度波動(dòng)所生成的系統(tǒng)性風(fēng)險(xiǎn)首先會(huì)傳導(dǎo)到金融體系，導(dǎo)致系統(tǒng)性風(fēng)險(xiǎn)首先在金融機(jī)構(gòu)之間相互傳染，然后逐漸向?qū)嶓w經(jīng)濟(jì)傳導(dǎo)，引起宏觀經(jīng)濟(jì)發(fā)生連鎖反應(yīng)，最后，如果系統(tǒng)性風(fēng)險(xiǎn)持續(xù)擴(kuò)散，便有可能爆發(fā)經(jīng)濟(jì)金融危機(jī)。

第二，宏觀經(jīng)濟(jì)和制度環(huán)境變化是生成房?jī)r(jià)過(guò)度波動(dòng)系統(tǒng)性風(fēng)險(xiǎn)的原動(dòng)力。本文的實(shí)證研究結(jié)果表明，宏觀經(jīng)濟(jì)環(huán)境對(duì)房?jī)r(jià)波動(dòng)的影響最大，自住房商品化改革以來(lái)，得益于我國(guó)宏觀經(jīng)濟(jì)長(zhǎng)期保持高速發(fā)展，房?jī)r(jià)也出現(xiàn)了持續(xù)上漲。但當(dāng)出現(xiàn)經(jīng)濟(jì)基本面下滑、金融機(jī)構(gòu)經(jīng)營(yíng)不善和不適宜的宏觀調(diào)控后，都有可能導(dǎo)致房?jī)r(jià)下跌，樓市崩潰，房地產(chǎn)市場(chǎng)風(fēng)險(xiǎn)演化為系統(tǒng)性風(fēng)險(xiǎn)，給國(guó)民經(jīng)濟(jì)發(fā)展帶來(lái)一系列負(fù)效應(yīng)。

基于以上結(jié)論，我們認(rèn)為政策啟示應(yīng)是：在宏觀調(diào)控政策的選擇上盡量保持政策的連續(xù)性，避免頻繁采用 “打壓→救市→打壓→救市……”的調(diào)控政策，既要防范房?jī)r(jià)過(guò)度波動(dòng)系統(tǒng)性風(fēng)險(xiǎn)給經(jīng)濟(jì)金融發(fā)展帶來(lái)的負(fù)效應(yīng)，也應(yīng)為穩(wěn)定房?jī)r(jià)創(chuàng)造良好的宏微觀經(jīng)濟(jì)環(huán)境和制度條件。

［1］Lee S，Shin K，J-H，Kim J-J and Jae-Jun Kim.Comparison of Dynamics in the Korean Housing Market Based on the FDW Model for the Periods before and after the Macroeconomic Fluctuations［J］.Journal of Asian Architecture and Building Engineering，2014（11）：117 －124.

［2］徐妍，沈悅.房地產(chǎn)價(jià)格與經(jīng)濟(jì)產(chǎn)出周期相關(guān)性的譜分析［J］.中央財(cái)經(jīng)大學(xué)學(xué)報(bào)，2014（10）：77－71.

［3］Iacoviello M，Neri S.Housing Market Spillovers：Evidence from an Estimated DSGE Model［J］.American Economic Journal：Macroeconomics，2010，2（2）：125－164.

［4］鞠方，于靜靜，代支祥.中國(guó)房地產(chǎn)市場(chǎng)金融加速器效應(yīng)研究［J］.湘潭大學(xué)學(xué)報(bào)：哲學(xué)社會(huì)科學(xué)版，2013（7）：62－68.

［5］Case K E，Shiller R J.Forecasting Prices and Excess Returns in the Housing Market［J］.Areuea Journal，1990（18）：253 －273.

［6］沈悅，張學(xué)峰.住房支付能力穩(wěn)定性：理論解讀與實(shí)證分析［J］.財(cái)貿(mào)經(jīng)濟(jì)，2011（2）：118－124.

［7］Ohnoa S，Shimizub J.Do Exchange Rate Arrangements and Capital Controls Influence International Capital Flows and Housing Prices in Asia？ ［J］.Journal of Asian Economics，2015，39（8）：1 －18.

［8］王申，陶士貴.人民幣匯率、短期國(guó)際資本流動(dòng)與資產(chǎn)價(jià)格［J］.金融論壇，2015（7）：36－44.

［9］Kurlat P，Stroebel J.Testing for Information Asymmetries in Real Estate Markets［J］.The Review of Financial Studies，2015（5）：1 －44.

［10］譚政勛，王聰.中國(guó)信貸擴(kuò)張、房?jī)r(jià)波動(dòng)的金融穩(wěn)定效應(yīng)研究——?jiǎng)討B(tài)隨機(jī)一般均衡模型視角［J］.金融研究，2011（8）：57－71.

［11］Castelnuovo E，Nisticò S.Stock Market Conditions and Monetary Policy in a DSGE Model for the U.S ［J］.Journal of Economic Dynamics＆ Control，2010（9）：1700.

［12］Koetter M，Poghosyan T.Real Estate Prices and Bank Stability［J］.Journal of Banking and Fiance，2010（9）：1129 －1138.

［13］Gustafsson P，Stockhammar P，?sterholm P.Macroeconomic Effects of a Decline in Housing Prices in Sweden ［R］.Sweden National Institute of Economics Research Working Paper，No 138，2015：1 －26.

［14］許憲春，賈海，李嬌.房地產(chǎn)經(jīng)濟(jì)對(duì)中國(guó)國(guó)民經(jīng)濟(jì)增長(zhǎng)的作用研究［J］.中國(guó)社會(huì)科學(xué)，2015（1）：84－93.

［15］Huang X，Zhou H，Zhu H.A Framework for Assessing the Systemic Risk of Major Financial Institutions ［R］.BIS Working Paper No 281，2009：1－37.

［16］Gray D，Jobst.A.Systemic CCA：A Model Approach to Systemic Risk ［R］.IMF Working Paper，2010b.

［17］Tarashev N，Borio C，Tsatsaronis K.Attributing Systemic Risk to Individual Institutions ［R］.BIS Working Papers No 308，2010：1－21.

［18］Adrian T，Brunnermeier M K.CoVaR ［R］.Fed Reserve Bank of New York Staff Report，2009：1 －27.

［19］謝福座.基于GARCH-Copula-CoVaR模型的風(fēng)險(xiǎn)溢出測(cè)度研究［J］.金融發(fā)展研究，2010（12）：12－16.

［20］沈悅，戴士偉，羅希.中國(guó)金融業(yè)系統(tǒng)性風(fēng)險(xiǎn)溢出效應(yīng)測(cè)度——基于GARCH-Copula-CoVaR模型的研究［J］.當(dāng)代經(jīng)濟(jì)科學(xué)，2014（06）：36－44.

［21］Hansen B E.Autoregressive Conditional Density Estimation［J］.International Economic Review，1994，35（8）：705－730.

［22］沈悅，盧文兵.中國(guó)股票價(jià)格與房地產(chǎn)價(jià)格關(guān)聯(lián)性研究［J］.當(dāng)代經(jīng)濟(jì)科學(xué)，2008（7）：87－93.