房地產(chǎn)價(jià)格波動(dòng)對(duì)系統(tǒng)性金融風(fēng)險(xiǎn)的動(dòng)態(tài)影響

■ 聶高輝 晏佳惠

一、引言

自我國房地產(chǎn)市場完成房屋實(shí)物分配轉(zhuǎn)向貨幣化分配后改革后，房地產(chǎn)業(yè)得到迅速發(fā)展，成為了拉動(dòng)我國經(jīng)濟(jì)增長的支柱性產(chǎn)業(yè)之一。在我國房地產(chǎn)市場繁榮發(fā)展的同時(shí)，房地產(chǎn)價(jià)格卻呈現(xiàn)出非理性增長。據(jù)國家統(tǒng)計(jì)局相關(guān)數(shù)據(jù)顯示，2016年9月全國100 個(gè)大中城市中有81 個(gè)城市的新建住宅平均價(jià)格同比上漲16.64%，北上廣等一線城市房價(jià)更是屢創(chuàng)新高，同比上漲25%～45%。房地產(chǎn)價(jià)格的波動(dòng)是房地產(chǎn)“泡沫”化傾向的一種表現(xiàn)，而房地產(chǎn)市場的融資需求又多依賴于以銀行為中心的金融機(jī)構(gòu)，房地產(chǎn)市場與金融體系之間日益深化的資產(chǎn)負(fù)債關(guān)聯(lián)性使得房地產(chǎn)“泡沫”一旦破滅極易引發(fā)系統(tǒng)性金融風(fēng)險(xiǎn)，進(jìn)而破壞整個(gè)宏觀經(jīng)濟(jì)的穩(wěn)定。因此研究房地產(chǎn)價(jià)格波動(dòng)與系統(tǒng)性金融風(fēng)險(xiǎn)之間的影響及其動(dòng)態(tài)影響程度，對(duì)于穩(wěn)定房地產(chǎn)價(jià)格、防范系統(tǒng)性金融風(fēng)險(xiǎn)均有重要的理論和實(shí)際意義。

二、文獻(xiàn)綜述

在房地產(chǎn)價(jià)格波動(dòng)與系統(tǒng)性金融風(fēng)險(xiǎn)的問題上，國內(nèi)外諸多學(xué)者進(jìn)行了深入研究，研究成果主要有兩個(gè)方面。一方面是在研究內(nèi)容上。國外的研究中，早期Bernanke and Gertlrter（1995）、Allen and Gale（1999）就開始研究房價(jià)波動(dòng)對(duì)銀行體系的影響效果及其傳導(dǎo)機(jī)制。次貸危機(jī)后，Pouvelle（2012）以法國為研究對(duì)象，發(fā)現(xiàn)房地產(chǎn)價(jià)格波動(dòng)或價(jià)格周期性變動(dòng)對(duì)銀行系統(tǒng)穩(wěn)健性有顯著性影響，會(huì)危機(jī)金融市場的穩(wěn)定性。Pan and Wang（2013）通過面板門限向量自回歸模型深入分析了房價(jià)波動(dòng)給不同地區(qū)金融市場帶來的影響。Tajik et al（2015）通過GMM 估計(jì)，并得出房地產(chǎn)價(jià)格沖擊對(duì)銀行不良貸款率會(huì)有所影響，影響幅度因貸款和銀行類型而有差異。國內(nèi)研究中，沈悅（2016）等人基于GARCH-Copula-CoVaR 模型探討房地產(chǎn)價(jià)格波動(dòng)對(duì)系統(tǒng)性風(fēng)險(xiǎn)溢出效應(yīng)，發(fā)現(xiàn)房價(jià)波動(dòng)對(duì)金融機(jī)構(gòu)的風(fēng)險(xiǎn)溢出效應(yīng)最明顯，且宏觀經(jīng)濟(jì)條件和政策制度是房價(jià)波動(dòng)的主要?jiǎng)恿Α９龋?017）等人構(gòu)建房地產(chǎn)部門的系統(tǒng)性金融風(fēng)險(xiǎn)內(nèi)生化DSGE 模型，探討了不同房價(jià)“粘性”下系統(tǒng)性金融風(fēng)險(xiǎn)、宏觀經(jīng)濟(jì)風(fēng)險(xiǎn)的變動(dòng)情況。徐榮（2017）等人在DAG 方法識(shí)別房價(jià)與系統(tǒng)性金融風(fēng)險(xiǎn)因果關(guān)系的基礎(chǔ)上構(gòu)建SVAR 模型判別房價(jià)波動(dòng)與系統(tǒng)性金融風(fēng)險(xiǎn)的動(dòng)態(tài)影響機(jī)制。

另一方面是在系統(tǒng)性金融風(fēng)險(xiǎn)的測度上。較有影響力的度量方法中有綜合指標(biāo)法，如Illing and Liu（2003）構(gòu)建的金融壓力指數(shù)、Jan Willem van den End and Tabbae（2005）構(gòu)建的金融穩(wěn)定狀態(tài)指數(shù)。金融危機(jī)以后，Gray and Jobst(2010)基于Merton 模型提出或有權(quán)益分析法用以評(píng)估系統(tǒng)性金融風(fēng)險(xiǎn)發(fā)生概率。對(duì)于我國金融數(shù)據(jù)構(gòu)建的風(fēng)險(xiǎn)測度指標(biāo)體系中，2012年方意等人選用DCC-GARCH 和隨機(jī)模擬法對(duì)系統(tǒng)性金融風(fēng)險(xiǎn)進(jìn)行測度。李志輝等(2016)通過改良的SCCA 技術(shù)，闡述了風(fēng)險(xiǎn)相依結(jié)構(gòu)對(duì)系統(tǒng)性金融風(fēng)險(xiǎn)的重要性，并基于此構(gòu)建系統(tǒng)性風(fēng)險(xiǎn)測算指標(biāo)。茍文均等(2016)通過CCA 模型，發(fā)現(xiàn)債務(wù)杠桿攀升能加大金融風(fēng)險(xiǎn)水平，并通過債務(wù)、股權(quán)渠道進(jìn)一步誘發(fā)系統(tǒng)性風(fēng)險(xiǎn)。

基于以上文獻(xiàn)研究，本文首先從理論上分析房價(jià)波動(dòng)對(duì)系統(tǒng)性金融風(fēng)險(xiǎn)的傳導(dǎo)機(jī)制；在此基礎(chǔ)上引入控制變量經(jīng)濟(jì)增速、銀行貸款利率，構(gòu)建房價(jià)與系統(tǒng)性金融風(fēng)險(xiǎn)的SVAR 計(jì)量模型，并通過脈沖響應(yīng)和方差分解結(jié)果分析房價(jià)波動(dòng)對(duì)系統(tǒng)性金融風(fēng)險(xiǎn)的動(dòng)態(tài)影響機(jī)制。在系統(tǒng)性金融風(fēng)險(xiǎn)測度上，本文以我國金融數(shù)據(jù)為基礎(chǔ)，選用陶玲（2016）等人構(gòu)建的系統(tǒng)性金融風(fēng)險(xiǎn)測度方法。

二、房地產(chǎn)價(jià)格波動(dòng)對(duì)系統(tǒng)性金融風(fēng)險(xiǎn)影響的傳導(dǎo)機(jī)制分析

房地產(chǎn)價(jià)格波動(dòng)會(huì)通過諸多途徑傳導(dǎo)至金融機(jī)構(gòu)，其中誘發(fā)系統(tǒng)性金融風(fēng)險(xiǎn)的傳導(dǎo)機(jī)制歸納起來可分為宏觀經(jīng)濟(jì)和金融體系機(jī)制。

（一）宏觀經(jīng)濟(jì)傳導(dǎo)機(jī)制

宏觀經(jīng)濟(jì)傳導(dǎo)機(jī)制如圖2-1 所示，傳導(dǎo)路徑為：房地產(chǎn)價(jià)格波動(dòng)→財(cái)富效應(yīng)、托賓Q 效應(yīng)→社會(huì)總消費(fèi)→宏觀經(jīng)濟(jì)波動(dòng)→系統(tǒng)性金融風(fēng)險(xiǎn)。

財(cái)富效應(yīng)是指某種財(cái)富的累積到一定規(guī)模時(shí)，會(huì)對(duì)相關(guān)領(lǐng)域產(chǎn)生傳導(dǎo)和控制效應(yīng)。用財(cái)富效應(yīng)解釋房地產(chǎn)價(jià)格對(duì)系統(tǒng)性金融風(fēng)險(xiǎn)的作用效果時(shí)，房地產(chǎn)價(jià)格上漲會(huì)促進(jìn)實(shí)際貨幣存量的增加，進(jìn)一步增加可支配收入；房地產(chǎn)價(jià)格下跌會(huì)相應(yīng)的實(shí)際貨幣存量將減少，從而導(dǎo)致可支配收入減少。托賓Q比率是企業(yè)市場價(jià)值與重置成本的比值，當(dāng)Q 值大于1 時(shí)，投資者買進(jìn)資本產(chǎn)品會(huì)獲利，因此會(huì)增加投資的需求；反之，當(dāng)Q 值接近甚至小于1 時(shí)，持續(xù)買進(jìn)并不能帶來收益甚至?xí)潛p，因此會(huì)減少投資的需求。在房地產(chǎn)市場中可以將房價(jià)理解為企業(yè)市場價(jià)值，將房屋建造成本理解為重置成本。當(dāng)房價(jià)上漲時(shí)，房地產(chǎn)企業(yè)市場價(jià)值增大，開發(fā)商為獲得更高的利益會(huì)增加房地產(chǎn)市場的投入；當(dāng)房價(jià)下跌時(shí)，房地產(chǎn)企業(yè)市場價(jià)值減小，開發(fā)商為避免虧損會(huì)消減房地產(chǎn)市場的投入。

（二）金融體系傳導(dǎo)機(jī)制

金融體系傳導(dǎo)機(jī)制如圖2-2 所示，傳導(dǎo)路徑包括抵押品機(jī)制、住房抵押貸款證券化機(jī)制和流動(dòng)性機(jī)制。

抵押品機(jī)制主要從購房者角度出發(fā)，借貸人獲得銀行貸款的能力很大程度上取決于抵押品的價(jià)值。當(dāng)房地產(chǎn)價(jià)格上漲時(shí)，抵押品（房屋）價(jià)值上升，借貸人獲得銀行抵押貸款的能力相應(yīng)提高，但這導(dǎo)致借貸人資產(chǎn)負(fù)債率提高，且使更多信貸資金流入到房地產(chǎn)市場，使房地產(chǎn)和金融兩大市場同時(shí)暴露于風(fēng)險(xiǎn)敞口中，進(jìn)一步擴(kuò)大了系統(tǒng)性金融風(fēng)險(xiǎn)產(chǎn)生的概率。當(dāng)房地產(chǎn)價(jià)格下跌時(shí)，抵押品價(jià)值縮水，而需償還借貸金額不變，使借貸人在極端條件下會(huì)放棄抵押品選擇違約，道德風(fēng)險(xiǎn)的產(chǎn)生進(jìn)一步誘發(fā)系統(tǒng)性金融風(fēng)險(xiǎn)。

圖2-1 宏觀經(jīng)濟(jì)傳導(dǎo)機(jī)制圖

圖2-2 金融體系傳導(dǎo)機(jī)制圖

抵押貸款證券化機(jī)制是金融機(jī)構(gòu)將現(xiàn)流動(dòng)性不足但具有發(fā)展優(yōu)勢的抵押品重新組合為抵押貸款證券群組，由證券公司買入后再次投入到金融市場。抵押貸款證券化機(jī)制降低了金融機(jī)構(gòu)的經(jīng)營風(fēng)險(xiǎn)，但也增加了證券所有人的信用風(fēng)險(xiǎn)，拓寬了房地產(chǎn)價(jià)格誘發(fā)系統(tǒng)性金融風(fēng)險(xiǎn)的又一條路徑。當(dāng)房價(jià)下跌時(shí)，不良貸款率和違約率上升，風(fēng)險(xiǎn)由商業(yè)銀行轉(zhuǎn)移到證券持有人手中，不但未能消除金融風(fēng)險(xiǎn)，反而擴(kuò)大了風(fēng)險(xiǎn)的覆蓋面積，增強(qiáng)了房價(jià)對(duì)系統(tǒng)性金額風(fēng)險(xiǎn)的影響力。當(dāng)房地產(chǎn)價(jià)格上升時(shí)，更多流動(dòng)性不足的抵押品會(huì)成為抵押貸款證券進(jìn)入金融市場，這意味著更多風(fēng)險(xiǎn)的轉(zhuǎn)向證券市場，極易感染至整個(gè)金融系統(tǒng)，誘發(fā)系統(tǒng)性金融風(fēng)險(xiǎn)。

流動(dòng)性緊縮機(jī)制與抵押品機(jī)制相類似，不同的是從銀行角度出發(fā)。當(dāng)房地產(chǎn)價(jià)格上漲時(shí)，抵押品價(jià)值上升，房地產(chǎn)商和購買者違約概率下降，銀行為獲取利益會(huì)擴(kuò)大信貸規(guī)模，從而加快資金流動(dòng)性，這讓更多資金投入到房地產(chǎn)市場，進(jìn)一步提高了房地產(chǎn)價(jià)格和抵押品價(jià)值，在這個(gè)螺旋式上升的過程中影響了金融市場的穩(wěn)定性，慢慢滋生了系統(tǒng)性金融風(fēng)險(xiǎn)隱患。當(dāng)房價(jià)下跌時(shí)，抵押品價(jià)值隨之下降。房地產(chǎn)商和購買者違約的可能性更容易發(fā)生，銀行會(huì)縮減信貸規(guī)模使得房地產(chǎn)商和其他實(shí)體經(jīng)濟(jì)獲取貸款能力減弱，資金流動(dòng)性減小使融資成本增大，不僅投入房地產(chǎn)市場的金額量減少，房地產(chǎn)價(jià)格下跌，更打擊了實(shí)體經(jīng)濟(jì)的活躍性，共同增加了系統(tǒng)性金融風(fēng)險(xiǎn)。

三、實(shí)證研究

（一）SVAR 模型理論基礎(chǔ)

簡化式VAR（向量自回歸）模型是一種研究兩個(gè)變量及兩個(gè)以上變量間動(dòng)態(tài)互動(dòng)關(guān)系的時(shí)間序列線性回歸模型，能夠刻畫出變量本身的滯后項(xiàng)及其他變量的滯后項(xiàng)對(duì)該變量的作用效果，具體形式如公式（1）所示。SVAR（結(jié)構(gòu)向量自回歸）模型與簡化式VAR 模型相比，揭示出變量間的即時(shí)性經(jīng)濟(jì)結(jié)構(gòu)，將隱藏在誤差項(xiàng)中的變量間當(dāng)期關(guān)系以具體形式展現(xiàn)出來，打破了VAR 模型僅解釋變量滯后項(xiàng)于當(dāng)期之間關(guān)系的局限性，具體形式如公式（2）所示。

在SVAR 模型的識(shí)別上，由于SVAR 模型與VAR 模型之間存在某種相關(guān)聯(lián)系，因此識(shí)別的本質(zhì)思想是通過給出一定的約束條件，使得SVAR 模型未知量的數(shù)量大于或等于VAR 模型系數(shù)和方差矩陣中統(tǒng)計(jì)量數(shù)量。這也使得設(shè)置約束成為了識(shí)別SVAR模型的藝術(shù)。SVAR 模型分為A 模型、B 模型和AB模型，約束類型又分為短期和長期約束。本文選用一般形式的AB 模型分析房價(jià)波動(dòng)與系統(tǒng)性金融風(fēng)險(xiǎn)的動(dòng)態(tài)關(guān)系，并對(duì)矩陣A、B 施加短期約束，不僅能給出各變量間的當(dāng)期關(guān)系，更能直觀分析出系統(tǒng)在標(biāo)準(zhǔn)正交擾動(dòng)項(xiàng)沖擊后的變化。

（二）指標(biāo)選取與數(shù)據(jù)來源

本文以2010 第一季度至2018年第二季度的時(shí)間序列數(shù)據(jù)為研究樣本，考察房地產(chǎn)價(jià)格（HP）波動(dòng)對(duì)我國系統(tǒng)性金融風(fēng)險(xiǎn)(CIFSR)的影響，并以經(jīng)濟(jì)增速(GDP)、銀行貸款利率(SHIBOR)為控制變量。我國房地產(chǎn)價(jià)格目前并無公開數(shù)據(jù)，本文以商品房平均銷售價(jià)格來表示，數(shù)據(jù)來源于國家統(tǒng)計(jì)局。經(jīng)濟(jì)增速以國民生產(chǎn)總值同期增長率表示，數(shù)據(jù)來源于中經(jīng)網(wǎng)。銀行貸款利率以銀行間7 天同業(yè)拆借利率代替，數(shù)據(jù)來源于中國人民銀行。系統(tǒng)性金融風(fēng)險(xiǎn)涉及匯率、利率、政策、經(jīng)濟(jì)周期等諸多方面的風(fēng)險(xiǎn)，目前國內(nèi)外并無統(tǒng)一的度量標(biāo)準(zhǔn)。本文借鑒2016年陶玲等人構(gòu)建的系統(tǒng)性金融風(fēng)險(xiǎn)指數(shù)來刻畫系統(tǒng)性金融風(fēng)險(xiǎn)。該方法的優(yōu)點(diǎn)是：立足我國金融市場實(shí)際情況，結(jié)合我國當(dāng)前系統(tǒng)性金融風(fēng)險(xiǎn)狀況；系統(tǒng)性而非單獨(dú)聚焦于單個(gè)金融子系統(tǒng)，提出包含金融機(jī)構(gòu)、股票市場、債券市場、貨幣市場、外匯市場、房地產(chǎn)市場和政府部門7 個(gè)維度的綜合指數(shù)；利用馬爾科夫狀態(tài)轉(zhuǎn)換法進(jìn)一步驗(yàn)證綜合指數(shù)，并識(shí)別風(fēng)險(xiǎn)指標(biāo)的狀態(tài)和拐點(diǎn)，清晰地反映系統(tǒng)性金融風(fēng)險(xiǎn)程度。由于樣本數(shù)據(jù)為季度數(shù)據(jù)，為消除季節(jié)性因素影響，首先采用Census X12 季節(jié)調(diào)整方法對(duì)數(shù)據(jù)進(jìn)行趨勢處理。

（三）平穩(wěn)性檢驗(yàn)

對(duì)經(jīng)濟(jì)數(shù)據(jù)進(jìn)行實(shí)證分析時(shí)，避免分析結(jié)果出現(xiàn)“偽回歸”現(xiàn)象，我們采用ADF 檢驗(yàn)法對(duì)數(shù)據(jù)進(jìn)行平穩(wěn)性檢驗(yàn)。檢驗(yàn)結(jié)果如表3-1，從中可以看出，在10% 的置信水平下，變量CIFSR、HP、GDP、SHIBOR 均拒絕了“存在單位根”的原假設(shè)，即四個(gè)變量均通過平穩(wěn)性檢驗(yàn)。

（四）格蘭杰因果檢驗(yàn)

在時(shí)間序列數(shù)據(jù)平穩(wěn)性基礎(chǔ)，為確認(rèn)變量之間的格蘭杰因果關(guān)系，并以此為依據(jù)確定結(jié)構(gòu)向量自回歸（SVAR）模型的約束條件，本文對(duì)各變量進(jìn)行了Granger 因果分析，得到如表3-2 所示分析結(jié)果。從中可以看出，在10%的置信水平下，房地產(chǎn)價(jià)格、銀行貸款利率是系統(tǒng)性金融風(fēng)險(xiǎn)的格蘭杰原因，經(jīng)濟(jì)增速、銀行貸款利率是房地產(chǎn)價(jià)格的格蘭杰原因，系統(tǒng)性金融風(fēng)險(xiǎn)是經(jīng)濟(jì)增速的格蘭杰原因，其他變量間影響不顯著不存在格蘭杰原因。根據(jù)Granger 因果分析結(jié)果，本文對(duì)SVAR 模型實(shí)施如公式（3）所示的短期約束。

表3-1 ADF 平穩(wěn)性檢驗(yàn)結(jié)果

表3-2 格蘭杰因果檢驗(yàn)結(jié)果

（五）SVAR 的脈沖響應(yīng)函數(shù)

約束實(shí)施以后，我們建立了SVAR 模型，在此基礎(chǔ)上進(jìn)行了脈沖響應(yīng)函數(shù)分析，以捕捉一個(gè)變量對(duì)另一個(gè)變量全面又復(fù)雜的動(dòng)態(tài)影響，具體刻畫房地產(chǎn)價(jià)格波動(dòng)對(duì)系統(tǒng)性金融風(fēng)險(xiǎn)的影響過程。脈沖響應(yīng)結(jié)果如圖3-1 所示，從中可看出，系統(tǒng)性金融風(fēng)險(xiǎn)受到自身一個(gè)標(biāo)準(zhǔn)差的沖擊后，響應(yīng)第1 期達(dá)到最大為0.041，其后隨著時(shí)間推移這種響應(yīng)逐漸減小但始終為正向響應(yīng)，在第6 期后沖擊作用開始趨于0。這表明系統(tǒng)性金融風(fēng)險(xiǎn)易受到自身慣性影響，金融市場中風(fēng)險(xiǎn)漏洞的存在會(huì)通過多種途徑共同作用誘導(dǎo)系統(tǒng)性金融風(fēng)險(xiǎn)發(fā)生，但隨著時(shí)間推移這種慣性作用會(huì)逐漸減?。幌到y(tǒng)性金融風(fēng)險(xiǎn)受到房地產(chǎn)價(jià)格一個(gè)標(biāo)準(zhǔn)差的沖擊后，響應(yīng)在第1 期最小為0，隨后響應(yīng)逐漸變大，到期6 期達(dá)到最大為0.005，其后趨于穩(wěn)定。房地產(chǎn)價(jià)格波動(dòng)對(duì)系統(tǒng)性金融風(fēng)險(xiǎn)的影響與上文在風(fēng)險(xiǎn)傳導(dǎo)機(jī)制中分析相似，會(huì)通過抵押品機(jī)制、住房抵押貸款證券化機(jī)制、流動(dòng)性機(jī)制、財(cái)富效應(yīng)機(jī)制和托賓Q 效應(yīng)傳導(dǎo)途徑影響宏觀經(jīng)濟(jì)和金融市場的穩(wěn)定性，從而引發(fā)系統(tǒng)性金融風(fēng)險(xiǎn)。但從房地產(chǎn)價(jià)格波動(dòng)到引發(fā)系統(tǒng)性金融風(fēng)險(xiǎn)需要耗費(fèi)一定的時(shí)間，因此影響效果具有滯后性，隨著時(shí)間的推移會(huì)有所增大；系統(tǒng)性金融風(fēng)險(xiǎn)受到經(jīng)濟(jì)增速一個(gè)標(biāo)準(zhǔn)差的沖擊后，響應(yīng)在第1 期最小為0，后開始逐漸增大，到第4 期達(dá)到最大為0.004，從第5期后又逐漸減小，最終慢慢趨近于0。經(jīng)濟(jì)增速對(duì)系統(tǒng)性金融風(fēng)險(xiǎn)雖為正向影響效果，但影響程度卻較小，這可能是隨著我國經(jīng)濟(jì)的快速發(fā)展大量資金愈加流入房地產(chǎn)、股票、證券市場，使得系統(tǒng)性金融風(fēng)險(xiǎn)有脫離實(shí)體經(jīng)濟(jì)存在偏向虛擬經(jīng)濟(jì)的發(fā)展趨勢；系統(tǒng)性金融風(fēng)險(xiǎn)受到銀行貸款利率一個(gè)標(biāo)準(zhǔn)差的沖擊后，響應(yīng)在第1 期為0，最后響應(yīng)慢慢增大到第4期達(dá)到最大為0.016，其后響應(yīng)慢慢減小并趨近于0。銀行貸款利率上升會(huì)導(dǎo)致資金流動(dòng)性不足、企業(yè)融資成本增加，投入金融市場的資金減少，使得金融問題進(jìn)一步突出，推動(dòng)系統(tǒng)性金融風(fēng)險(xiǎn)的發(fā)生。

（六）方差分解

在脈沖響應(yīng)函數(shù)后，我們對(duì)SVAR 模型再進(jìn)行預(yù)測方差分解，以具體分析房地產(chǎn)價(jià)格波動(dòng)、經(jīng)濟(jì)增速、銀行貸款利率對(duì)系統(tǒng)性金融風(fēng)險(xiǎn)的貢獻(xiàn)程度，并得到表3-3 所示結(jié)果。從中可以看出系統(tǒng)性金融風(fēng)險(xiǎn)對(duì)自身的貢獻(xiàn)率最大，第一期為100%貢獻(xiàn)率，隨著預(yù)測期的延長貢獻(xiàn)率有所下降，但始終保持了60%以上的貢獻(xiàn)率，這說明系統(tǒng)性金融風(fēng)險(xiǎn)受自身的慣性影響頗大。隨著金融市場的不斷完善，各金融子系統(tǒng)間的聯(lián)系愈加緊密，而金融風(fēng)險(xiǎn)又有極強(qiáng)的感染性，使得金融風(fēng)險(xiǎn)的覆蓋面廣影響度大。一旦金融市場失衡出現(xiàn)系統(tǒng)性金融風(fēng)險(xiǎn)，必然會(huì)在金融市場中循環(huán)疊加加劇系統(tǒng)性金融風(fēng)險(xiǎn)的程度。其次是房地產(chǎn)價(jià)格波動(dòng)對(duì)系統(tǒng)性金融風(fēng)險(xiǎn)的貢獻(xiàn)率，隨著預(yù)測期的延長，房地產(chǎn)價(jià)格的貢獻(xiàn)率逐漸增大，到第10 期時(shí)已經(jīng)接近30%的貢獻(xiàn)率。房地產(chǎn)市場的高盈利性使得大量資金流入其中形成過高過熱的社會(huì)投資，一方面出現(xiàn)房地產(chǎn)“泡沫”，可能引發(fā)系統(tǒng)性金融危機(jī)，另一方面房地產(chǎn)價(jià)格的波動(dòng)會(huì)牽連到銀行、證券市場等多個(gè)機(jī)構(gòu)，內(nèi)部關(guān)系失衡后將通過多條傳導(dǎo)路徑疊加系統(tǒng)性金融風(fēng)險(xiǎn)。銀行貸款利率、經(jīng)濟(jì)增速對(duì)系統(tǒng)性金融風(fēng)險(xiǎn)的貢獻(xiàn)率一直維持在10%以下，作用程度并不明顯。

圖3-1 脈沖響應(yīng)結(jié)果

四、結(jié)論與政策建議

本文首先分析房地產(chǎn)價(jià)格波動(dòng)對(duì)系統(tǒng)性金融風(fēng)險(xiǎn)的傳導(dǎo)機(jī)制，發(fā)現(xiàn)房價(jià)的過分上漲和下跌會(huì)誘發(fā)或擴(kuò)大系統(tǒng)性金融風(fēng)險(xiǎn)程度。在此基礎(chǔ)上，本文構(gòu)建SVAR 模型、以經(jīng)濟(jì)增速、銀行貸款利率為控制變量，探索房地產(chǎn)價(jià)格波動(dòng)對(duì)系統(tǒng)性金融風(fēng)險(xiǎn)的動(dòng)態(tài)影響。實(shí)證結(jié)果表明，房地產(chǎn)價(jià)格、銀行貸款利率是系統(tǒng)性金融風(fēng)險(xiǎn)的格蘭杰原因，經(jīng)濟(jì)增速、銀行貸款利率是房地產(chǎn)價(jià)格的格蘭杰原因，系統(tǒng)性金融風(fēng)險(xiǎn)是經(jīng)濟(jì)增速的格蘭杰原因；系統(tǒng)性金融風(fēng)險(xiǎn)受到房價(jià)波動(dòng)沖擊后，脈沖響應(yīng)函數(shù)會(huì)逐漸增大，但其沖擊響應(yīng)具有滯后效應(yīng)；各變量對(duì)系統(tǒng)性金融風(fēng)險(xiǎn)貢獻(xiàn)率由大到小依次是系統(tǒng)性金融風(fēng)險(xiǎn)、房地產(chǎn)價(jià)格、銀行貸款利率、經(jīng)濟(jì)增速，系統(tǒng)性金融風(fēng)險(xiǎn)對(duì)自身貢獻(xiàn)率最大，達(dá)到60%左右，房地產(chǎn)價(jià)格也有接近30%的貢獻(xiàn)率。

房地產(chǎn)價(jià)格大幅度波動(dòng)會(huì)誘發(fā)系統(tǒng)性金融風(fēng)險(xiǎn)，對(duì)金融發(fā)展和經(jīng)濟(jì)建設(shè)都會(huì)帶來不利影響，為防范系統(tǒng)性金融風(fēng)險(xiǎn)，我們提出以下政策建議：第一，防范房地產(chǎn)市場泡沫化?？刂七^量資產(chǎn)流入房地產(chǎn)市場產(chǎn)生房市泡沫化現(xiàn)象，加大資產(chǎn)流動(dòng)環(huán)節(jié)管理力度，限制國外資產(chǎn)流入國內(nèi)房地產(chǎn)市場的規(guī)模，鼓勵(lì)國內(nèi)資產(chǎn)投資國外市場，減輕國內(nèi)房地產(chǎn)市場投機(jī)性購房需求。第二，防范局部金融風(fēng)險(xiǎn)演變?yōu)橄到y(tǒng)性金融風(fēng)險(xiǎn)。系統(tǒng)性金融風(fēng)險(xiǎn)帶來的危害遠(yuǎn)大于局部金融風(fēng)險(xiǎn)，但其是由局部金融風(fēng)險(xiǎn)惡化、傳染、疊加而來，因此要建立金融機(jī)構(gòu)各部門的風(fēng)險(xiǎn)防范體系，避免系統(tǒng)性金融風(fēng)險(xiǎn)。第三，關(guān)注房價(jià)波動(dòng)。金融機(jī)構(gòu)尤其是銀行機(jī)構(gòu)要密切關(guān)注房價(jià)變動(dòng)，適時(shí)運(yùn)用貨幣政策手段、推動(dòng)利率市場靈活變動(dòng)，對(duì)房價(jià)進(jìn)行合理調(diào)控以減小系統(tǒng)性金融風(fēng)險(xiǎn)發(fā)生的概率。

表3-3 方差分解結(jié)果