風(fēng)險溢出、周期性與中國房地產(chǎn)市場系統(tǒng)性風(fēng)險

荊中博 王樂儀 方意

摘要：從理論角度，本文提出不同城市房地產(chǎn)市場的風(fēng)險溢出以及房價上行時期的風(fēng)險累積是導(dǎo)致中國房地產(chǎn)市場系統(tǒng)性風(fēng)險加大的關(guān)鍵驅(qū)動因素。在此基礎(chǔ)上，本文對傳統(tǒng)系統(tǒng)性風(fēng)險度量指標進行改進，利用房價上行時期數(shù)據(jù)構(gòu)建具有前瞻性的風(fēng)險累積指標，并創(chuàng)新地運用于中國房地產(chǎn)市場。研究結(jié)果表明，中國房地產(chǎn)市場系統(tǒng)性風(fēng)險的波動性較大，且與政策調(diào)控具有較高相關(guān)性，但是政策調(diào)控對風(fēng)險的影響作用逐步減弱。城市層面，系統(tǒng)重要性城市主要集中于一線城市和新一線城市。此外，本文指標捕捉的是單個城市與中國房地產(chǎn)市場的同向變動，對于指標值顯著為負的城市應(yīng)予以特別關(guān)注，該類城市很可能是房地產(chǎn)市場進入新周期的領(lǐng)跑城市，具有較強的系統(tǒng)重要性。

關(guān)鍵詞：房地產(chǎn)市場;房價;系統(tǒng)性風(fēng)險;風(fēng)險溢出;系統(tǒng)重要性;城市

文獻標識碼：A

文章編號：1002-2848-2019（05）-0011-13

一、研究背景

2008年全球金融危機爆發(fā)以后，房地產(chǎn)價格的快速上漲已經(jīng)成為諸多國家經(jīng)濟復(fù)蘇的特征之一，中國也不例外。但是，房地產(chǎn)市場的過度繁榮會積累脆弱性并引發(fā)系統(tǒng)性金融風(fēng)險。國際貨幣基金組織（International Monetary Fund，IMF）[1]認為，后金融危機時期，各國的政策利率較低、利差收窄，投資者為追逐高收益開始大量進入房地產(chǎn)行業(yè)，使得房地產(chǎn)市場泡沫不斷積累，甚至?xí)l(fā)房地產(chǎn)市場危機。更為嚴重的是，歷史經(jīng)驗表明多數(shù)經(jīng)濟衰退與房地產(chǎn)市場危機息息相關(guān)。例如，1991年的日本經(jīng)濟衰退，1998年的亞洲金融危機和2007年的美國次貸危機。因此，房地產(chǎn)市場健康與否在國民經(jīng)濟的穩(wěn)定發(fā)展過程中具有不容忽視的作用，應(yīng)當(dāng)引起監(jiān)管部門的重點關(guān)注。

就中國而言，平均房價從2003年開始以將近兩倍于收入增長的速度飆升。2015年下半年開始，中國房地產(chǎn)價格迎來了新一輪的上漲周期，百城住宅價格指數(shù)同比值在2017年1月達到了歷史高值18.86%。雖然2016年9月房地產(chǎn)市場政策收緊，呈現(xiàn)出價格增速收窄、交易量大幅下滑的態(tài)勢，但前期房價快速上漲所積累的風(fēng)險依然存在。2018年底，中央經(jīng)濟工作會議提出要構(gòu)建房地產(chǎn)市場健康發(fā)展長效機制，完善住房市場體系和住房保障體系。實際上，如何在經(jīng)濟轉(zhuǎn)型過程中及時、準確把握房地產(chǎn)市場的風(fēng)險，降低房地產(chǎn)市場對金融體系和實體經(jīng)濟的沖擊，是當(dāng)前經(jīng)濟工作的重中之重，是全面建成小康社會的決定性基礎(chǔ)。在此背景下，研究中國房地產(chǎn)市場系統(tǒng)性風(fēng)險的生成機制對中國政府部門有效穩(wěn)定房地產(chǎn)市場和保證國民經(jīng)濟持續(xù)、健康發(fā)展具有重要的現(xiàn)實意義。

目前，關(guān)于中國房地產(chǎn)市場的研究已經(jīng)非常豐富。部分學(xué)者從區(qū)域間溢出效應(yīng)的角度出發(fā)探究房價的聯(lián)動機制。梁云芳等[2]對中國東、中、西部地區(qū)房價波動進行研究，認為東部地區(qū)是房地產(chǎn)商和投機者的投資熱點，存在累積房地產(chǎn)泡沫的可能性。Yang等[3]將基于方差分解計算的信息溢出指標運用到房地產(chǎn)市場上，對小城市群內(nèi)部房價溢出的模式和規(guī)律進行研究，發(fā)現(xiàn)區(qū)域發(fā)展政策對城市的房價溢出效應(yīng)有顯著的推高作用。王錦陽等[4]也進行了類似的研究。此外，部分學(xué)者從系統(tǒng)性金融風(fēng)險視角來研究房地產(chǎn)市場對銀行業(yè)系統(tǒng)性風(fēng)險的溢出效應(yīng)。方意[5-6]分析了房地產(chǎn)行業(yè)發(fā)生沖擊后銀行業(yè)系統(tǒng)性風(fēng)險的生成機制。王輝等[7]將房地產(chǎn)企業(yè)看作銀行同業(yè)市場的一部分，將房地產(chǎn)和銀行合為同一部門，采用擴展矩陣的方法研究了部門內(nèi)部房地產(chǎn)行業(yè)對銀行業(yè)的風(fēng)險傳染效應(yīng)。方意等[8]通過改進ΔCoVaR模型比較了股票市場、貨幣市場、房地產(chǎn)市場、債券市場和外匯市場對銀行業(yè)系統(tǒng)性風(fēng)險的溢出效應(yīng)，發(fā)現(xiàn)股票市場和房地產(chǎn)市場對中國銀行業(yè)系統(tǒng)性風(fēng)險貢獻最大。楊子暉等[9]采用多種風(fēng)險測度方法研究金融機構(gòu)與房地產(chǎn)公司之間的跨部門風(fēng)險傳染問題。此外，郝毅等[10]采用DSGE模型探究了房地產(chǎn)價格波動對投融資平臺債務(wù)風(fēng)險的影響機制。

盡管成果顯著，但是現(xiàn)有研究依然存在不足。第一，現(xiàn)有研究大多量化分析房地產(chǎn)市場的沖擊效應(yīng)，但是并沒有量化分析房地產(chǎn)市場自身的系統(tǒng)性風(fēng)險累積過程，無法深刻理解房地產(chǎn)市場系統(tǒng)性風(fēng)險的生成原理并提出有效防范化解的措施?，F(xiàn)有研究中，房價增速經(jīng)常被用作風(fēng)險的代理指標?？墒牵績r上漲是積極信號還是消極信號？如何對房地產(chǎn)市場系統(tǒng)性風(fēng)險累積進行準確的識別，并構(gòu)建量化的、具有前瞻性的風(fēng)險預(yù)警指標？這些問題仍然沒有權(quán)威的答案。由此可見，房價和風(fēng)險并不完全一致，故房地產(chǎn)市場系統(tǒng)性風(fēng)險的量化識別研究仍然任重而道遠。第二，現(xiàn)有研究已經(jīng)注意到房價的區(qū)域性溢出效應(yīng)，但是并沒有說明如何將溢出效應(yīng)納入度量整體房地產(chǎn)市場系統(tǒng)性風(fēng)險之中，哪些城市的房地產(chǎn)市場對系統(tǒng)性風(fēng)險具有重要的貢獻作用。基于以上分析，本文將彌補現(xiàn)有研究的不足，以中國房地產(chǎn)市場為研究對象，探究房地產(chǎn)市場系統(tǒng)性風(fēng)險的生成機制和量化識別，為房地產(chǎn)市場相關(guān)研究提供堅實的研究基礎(chǔ)。

住宅市場是中國房地產(chǎn)市場的主要組成部分，因此對房地產(chǎn)市場系統(tǒng)性風(fēng)險的分析可以住宅市場為研究對象展開。住宅市場產(chǎn)品兼具商品屬性和金融屬性。由于商品屬性的價值比較穩(wěn)定，因此金融屬性及其伴隨的投資者行為在住宅價格快速上漲時期是主要驅(qū)動因素。房地產(chǎn)市場繁榮時期，投資者會對各個城市的住宅進行投資以期獲得較高回報。此時，各個城市的房地產(chǎn)價格會呈現(xiàn)出同步上漲的趨勢，也意味著各個城市房地產(chǎn)價格的走勢逐步一致。在面對國家層面的經(jīng)濟放緩、政策緊縮等外部沖擊時，各個城市房地產(chǎn)市場同樣會出現(xiàn)共同的反應(yīng)，例如同時進入房地產(chǎn)市場收縮時期。這一共同的反應(yīng)將引發(fā)房地產(chǎn)市場的整體波動，甚至?xí)霈F(xiàn)房地產(chǎn)市場危機。本質(zhì)而言，本文認為各城市房價風(fēng)險溢出所帶來的同步性變動特征以及房價的周期性變動是整體房地產(chǎn)市場系統(tǒng)性風(fēng)險波動的重要驅(qū)動因素。理由如下：第一，作為對現(xiàn)有研究成果的深化，本文認為房價變動不等同于風(fēng)險的變化，但是不同城市房價的風(fēng)險溢出所帶來的房價同步變動則意味著系統(tǒng)性風(fēng)險出現(xiàn)了變化。第二，不同城市房價同步上漲帶來系統(tǒng)性風(fēng)險的累積，同步下降帶來系統(tǒng)性風(fēng)險的爆發(fā)。相比之下，風(fēng)險累積是系統(tǒng)性風(fēng)險生成的根本原因。

這里，本文對風(fēng)險累積和風(fēng)險兩個概念進行區(qū)分。風(fēng)險累積[11]代表房地產(chǎn)市場的脆弱性或者價格泡沫在不斷增加，主要體現(xiàn)在房價的極端上漲過程中。風(fēng)險則代表房地產(chǎn)市場的脆弱性開始實現(xiàn)，主要體現(xiàn)在房價的極端下跌或者大幅波動時期。因此，風(fēng)險累積并不等同于風(fēng)險。房價的上升意味著脆弱性在上升、泡沫破滅的可能性在增加。脆弱性累積到較高程度時，外部出現(xiàn)微小的沖擊會導(dǎo)致房地產(chǎn)市場風(fēng)險的爆發(fā)，此時泡沫才真正破滅。因此，風(fēng)險累積在前、風(fēng)險爆發(fā)在后，發(fā)生時間的不同意味著風(fēng)險累積指標能夠較好地預(yù)警未來房地產(chǎn)市場風(fēng)險水平。

基于以上分析，本文的研究目標是從風(fēng)險溢出和房價周期性的角度出發(fā)，理論探究整體房地產(chǎn)市場系統(tǒng)性風(fēng)險的累積機制。實證研究中，利用房價上行時期的數(shù)據(jù)構(gòu)建準確、具有前瞻性的中國房地產(chǎn)市場系統(tǒng)性風(fēng)險累積指標，并實證檢驗該指標的前瞻性。同時，從城市層面出發(fā)判斷哪些城市房地產(chǎn)市場對其他城市具有顯著的風(fēng)險溢出效應(yīng)，對中國房地產(chǎn)市場系統(tǒng)性風(fēng)險的驅(qū)動因素進行分析，為監(jiān)管部門提供科學(xué)的參考依據(jù)。具體而言，本文的主要貢獻包括以下兩點。

第一，基于理論梳理，本文認為風(fēng)險溢出和房價周期性是中國房地產(chǎn)系統(tǒng)性風(fēng)險生成的關(guān)鍵渠道。以此為基礎(chǔ)，本文將房價上行與尾部依賴模型相結(jié)合構(gòu)建具有前瞻性的系統(tǒng)性風(fēng)險累積指標，并創(chuàng)新性地將之應(yīng)用到中國房地產(chǎn)市場，有效預(yù)警系統(tǒng)性風(fēng)險的波動。與現(xiàn)有研究不同，本文從房價上行的視角出發(fā)刻畫系統(tǒng)性風(fēng)險的累積過程，更具有前瞻性。同時，本文將傳統(tǒng)的下行尾部依賴模型改進為更能反映系統(tǒng)性風(fēng)險累積的上行尾部依賴模型，為系統(tǒng)性風(fēng)險累積的度量提供技術(shù)支撐。而且，本文將系統(tǒng)性金融風(fēng)險的研究思想應(yīng)用到中國房地產(chǎn)市場，為目前房地產(chǎn)市場系統(tǒng)性風(fēng)險的量化識別和預(yù)警研究提供重要的理論基礎(chǔ)。

第二，合理地橫向?qū)Ρ确治霾煌鞘蟹康禺a(chǎn)市場的系統(tǒng)重要性，深化研究成果。單個城市房地產(chǎn)市場對其他市場的溢出效應(yīng)即為系統(tǒng)重要性。對系統(tǒng)重要性城市的識別和對比不僅能夠深刻了解系統(tǒng)性風(fēng)險的形成機理，而且能夠幫助監(jiān)管部門通過調(diào)控系統(tǒng)重要性城市的房地產(chǎn)市場有效管理整體房地產(chǎn)市場的系統(tǒng)性風(fēng)險水平，具有重要的理論價值和政策價值。同時，本文考慮了城市經(jīng)濟發(fā)展規(guī)模的影響，避免出現(xiàn)“小城市，大風(fēng)險”的不合理現(xiàn)象。

余文結(jié)構(gòu)安排如下：第二部分對房地產(chǎn)市場系統(tǒng)性風(fēng)險的生成機制進行理論探討，并對現(xiàn)有指標方法進行改進;第三部分介紹度量房地產(chǎn)市場系統(tǒng)性風(fēng)險累積指標的構(gòu)建過程;第四部分對相關(guān)樣本數(shù)據(jù)進行介紹，并分析中國房地產(chǎn)市場系統(tǒng)性風(fēng)險累積的特征;第五部分對指標的前瞻性進行檢驗;最后為本文的研究結(jié)論與政策建議。

二、房地產(chǎn)市場系統(tǒng)性風(fēng)險的生成機制和度量方法選擇

房地產(chǎn)市場系統(tǒng)性風(fēng)險主要來源于兩個方面：第一，各城市房地產(chǎn)價格的風(fēng)險溢出效應(yīng)，導(dǎo)致整體房地產(chǎn)市場的脆弱性顯著增加;第二，系統(tǒng)性風(fēng)險在房價上行期開始累積，在房價下行時期開始實現(xiàn)，甚至爆發(fā)危機。因此，本部分將從以上兩個角度出發(fā)理論分析房地產(chǎn)市場系統(tǒng)性風(fēng)險的生成機制，并根據(jù)機制分析改進現(xiàn)有的量化模型，構(gòu)建房地產(chǎn)市場系統(tǒng)性風(fēng)險累積指標，以期預(yù)警未來風(fēng)險的實現(xiàn)。

（一）風(fēng)險溢出與系統(tǒng)性風(fēng)險

一般情形下，不同城市房地產(chǎn)市場特征異質(zhì)性比較明顯的系統(tǒng)相對穩(wěn)定。原因在于：異質(zhì)性顯著的系統(tǒng)中，部分城市房價上漲、部分城市房價下跌，某個城市房地產(chǎn)市場的波動會與其他城市的反向波動相互抵消，從而避免整體市場出現(xiàn)大幅波動。相比之下，如果不同城市房地產(chǎn)市場的同步性比較強，系統(tǒng)脆弱性將會顯著增加。具體而言，如果一個城市房地產(chǎn)市場受到?jīng)_擊后房價出現(xiàn)上漲或者下跌，與其具有相似特征的城市同樣會出現(xiàn)相同方向的波動。而且，不同城市房地產(chǎn)市場之間的同步性會放大房價波動幅度，由此產(chǎn)生的惡性循環(huán)將會加速和放大整體房地產(chǎn)市場的脆弱性。綜上所述，不同城市房地產(chǎn)市場價格的同步變化及其所帶來的風(fēng)險溢出效應(yīng)是房地產(chǎn)市場系統(tǒng)性風(fēng)險的重要來源之一。國際貨幣基金組織在2018年4月發(fā)布的《金融穩(wěn)定報告》[1]中指出，2008年全球金融危機之后，40個國家的40個主要城市房價呈現(xiàn)出同步上漲的趨勢，這一同步性將會引發(fā)實體經(jīng)濟發(fā)展的下降風(fēng)險。具體而言，當(dāng)全球金融條件逆轉(zhuǎn)時，世界主要城市房價的同時下跌將嚴重沖擊各國的經(jīng)濟金融穩(wěn)定性。

那么，同步性是如何實現(xiàn)的呢？本文認為不同城市房地產(chǎn)市場的風(fēng)險溢出效應(yīng)帶來了同步性。具體而言，部分城市房地產(chǎn)市場相比其他城市具有顯著較高的溢出效應(yīng)，即這部分城市房地產(chǎn)市場的變動將顯著帶動其他城市發(fā)生同向變動。類似于系統(tǒng)重要性金融機構(gòu)的概念，這部分城市便成為整體房地產(chǎn)市場的系統(tǒng)重要性城市。顯然，某一個城市房地產(chǎn)市場在同步變化過程中對整體系統(tǒng)性風(fēng)險的貢獻越大、溢出效應(yīng)越強，意味著該城市在整體房地產(chǎn)市場中處于越關(guān)鍵的地位，即系統(tǒng)重要性越高。

綜上可知，整體和關(guān)鍵個體對系統(tǒng)性風(fēng)險均具有顯著的影響。具體而言，多數(shù)城市房地產(chǎn)市場的同向運動會通過風(fēng)險溢出和循環(huán)放大機制提高系統(tǒng)性風(fēng)險水平。其次，在同步運動中，具有系統(tǒng)重要性的城市將主導(dǎo)整體房地產(chǎn)市場的運動方向，成為整體房地產(chǎn)市場系統(tǒng)性風(fēng)險的關(guān)鍵來源。基于以上分析，作為對現(xiàn)有研究成果的深化，本文認為房價變動不等同于風(fēng)險的變化，但是房價的同步變動意味著系統(tǒng)性風(fēng)險出現(xiàn)了變化。

（二）周期性與系統(tǒng)性風(fēng)險

Minsky[12]認為，金融體系中的周期性特征會帶來系統(tǒng)性風(fēng)險的累積，從而引發(fā)未來風(fēng)險的爆發(fā)。他在金融不穩(wěn)定假說中提出：穩(wěn)定是不穩(wěn)定的（Stability is destabilizing）。在上行金融周期，金融體系的波動較小，投資者會由于樂觀的預(yù)期傾向于選擇風(fēng)險較大的決策行為，導(dǎo)致自身風(fēng)險承擔(dān)水平上升，進而提高系統(tǒng)脆弱性。在下行金融周期面臨外部沖擊時，整個體系累積的風(fēng)險將會爆發(fā)，引起金融危機。Brunnermeier等[13]提出的“波動性悖論”（Volatility Paradox）具有同樣的含義。由此可見，系統(tǒng)性風(fēng)險在上行金融周期時便開始累積，在下行金融周期中爆發(fā)出來。實證中，李政等[14]在研究中國銀行、證券和保險三部門之間的風(fēng)險溢出時，采用價格上行時期的數(shù)據(jù)刻畫風(fēng)險累積并研究發(fā)現(xiàn)該指標具有較好的風(fēng)險預(yù)警作用。從這一角度來看，上行周期系統(tǒng)性風(fēng)險的累積是未來爆發(fā)危機的根本性原因。

房地產(chǎn)市場是比較特殊的實業(yè)部門，其與金融部門具有較高的相似性。因此，房地產(chǎn)價格的周期性特征同樣會帶來系統(tǒng)性風(fēng)險的累積和爆發(fā)。從時間角度來看，系統(tǒng)性風(fēng)險在房價上行時期開始累積，而在房價下行時期開始實現(xiàn)。

在房價上行時期，持有房屋所獲取的價格收益顯著增加。此時，金融屬性開始成為房屋價格的主要驅(qū)動屬性，投資者開始積極追逐房地產(chǎn)市場的高額收益，進一步推升房屋價格上漲。反之，在房價下行時期，房地產(chǎn)價值下降，其抵押的價值也隨之下降，銀行放貸意愿下降，投資者的還款壓力開始增加，選擇拋售房屋，進一步降低了房地產(chǎn)的價格。由此可見，房地產(chǎn)市場和金融部門具有相似的周期性。

然而，兩部門依然存在不同，主要體現(xiàn)在風(fēng)險的表現(xiàn)方式不同。具體而言，金融部門屬于投資主體，其在上行周期的風(fēng)險承擔(dān)體現(xiàn)在風(fēng)險資產(chǎn)持有比重的增加，下行周期的風(fēng)險實現(xiàn)體現(xiàn)在資產(chǎn)拋售或者杠桿率的降低。相比之下，房地產(chǎn)市場屬于產(chǎn)品主體，不具有投資主動性。房價上行時期，房地產(chǎn)市場的風(fēng)險承擔(dān)主要體現(xiàn)在價格的同步快速上升;房價下行時期，房地產(chǎn)市場的風(fēng)險實現(xiàn)體現(xiàn)在價格的同步快速下降。因此，相比于金融機構(gòu)風(fēng)險累積和實現(xiàn)的復(fù)雜度量而言，房地產(chǎn)市場風(fēng)險累積和實現(xiàn)的度量比較直觀，主要以價格的同步變動為主。

既然房地產(chǎn)市場具有周期性行為，故最佳的監(jiān)管政策應(yīng)當(dāng)是將觀察視角拉長，從房價上行時期開始識別和度量房地產(chǎn)市場系統(tǒng)性風(fēng)險累積水平，并采取有效措施進行化解，防止房價下行時期系統(tǒng)性風(fēng)險的爆發(fā)。這也是本文研究的基礎(chǔ)依據(jù)。房地產(chǎn)市場系統(tǒng)性風(fēng)險的完整生成機制如圖1所示。

（三）系統(tǒng)性風(fēng)險度量方法選擇

房地產(chǎn)市場和金融部門具有較高的相似性。因此，本部分對系統(tǒng)性金融風(fēng)險的度量方法進行綜述，并根據(jù)房地產(chǎn)市場系統(tǒng)性風(fēng)險的生成機理，選擇和改進相應(yīng)的方法構(gòu)建適合房地產(chǎn)市場的系統(tǒng)性風(fēng)險度量指標。

金融體系系統(tǒng)性風(fēng)險度量方面，尾部依賴模型是目前較為常用的方法之一。這類模型通常考慮金融機構(gòu)市場數(shù)據(jù)分布之間的尾部依存關(guān)系。由于該類方法簡單直觀，且適合高頻數(shù)據(jù)測算，在系統(tǒng)性風(fēng)險度量領(lǐng)域格外被重視。當(dāng)前被廣泛關(guān)注的尾部依賴模型包括條件在險價值（ΔCoVaR）[15-18]、系統(tǒng)性期望損失（SES和MES）[19-20]、系統(tǒng)性風(fēng)險（SRISK）[21-22]、或有權(quán)益（CCA）[23-25]、非線性Granger T檢驗指標[26]等，均是利用股票市場數(shù)據(jù)并通過金融時間序列模型，如分位數(shù)回歸、歷史模擬、DCC-GARCH等模型，得出壓力情形下金融機構(gòu)之間、金融機構(gòu)與金融體系之間、金融市場之間的相互依賴關(guān)系。

結(jié)合房地產(chǎn)市場系統(tǒng)性風(fēng)險的生成機理，本文選擇的度量方法需要解決三方面問題。第一，能夠體現(xiàn)不同城市房地產(chǎn)市場的同步性，這一特征映射到金融體系可以體現(xiàn)為金融機構(gòu)之間的關(guān)聯(lián)性。第二，同步性意味著不同城市的共同運動帶來了整體的脆弱性。因此，整體房地產(chǎn)市場的系統(tǒng)性風(fēng)險主要體現(xiàn)為各個城市房地產(chǎn)市場風(fēng)險貢獻的水平。這一要求意味著度量指標需要具有可加性。第三，本文重點從房價上行時期出發(fā)構(gòu)建風(fēng)險累積指標以預(yù)警房價下行時期可能實現(xiàn)的風(fēng)險，因此度量指標應(yīng)當(dāng)可以考察房價上行時期極端值的影響作用。

因此，本文以Adrian等[15]提出的ΔCoVaR為基礎(chǔ)度量不同城市房地產(chǎn)市場之間的同步性，然后通過兩方面改進構(gòu)建量化的、具有前瞻性的房地產(chǎn)市場系統(tǒng)性風(fēng)險累積指標。第一，體現(xiàn)房地產(chǎn)市場的周期性特征。本文采用上分位數(shù)（即房價增速最高的分位數(shù)）衡量房地產(chǎn)市場的風(fēng)險累積。為了能夠采取措施有效防范系統(tǒng)性風(fēng)險，需要盡可能構(gòu)建前瞻性的系統(tǒng)性風(fēng)險累積指標。較理想的選擇是考慮房價上行時期的風(fēng)險累積，利用房價增速的上分位數(shù)實現(xiàn)這一目標。第二，體現(xiàn)出不同城市與整體房地產(chǎn)市場的同步性特征。該特征要求風(fēng)險度量指標具有可加性，即不同城市房地產(chǎn)市場的系統(tǒng)性風(fēng)險貢獻之和可以代表整體房地產(chǎn)市場系統(tǒng)性風(fēng)險。但是，ΔCoVaR并不滿足這一要求。因此，本文提出了條件預(yù)期損失指標（ΔMES）。鑒于期望損失（ES）能夠完整刻畫左側(cè)尾部收益率的分布，且期望損失具有可加的特征，條件預(yù)期損失以期望損失為基礎(chǔ)構(gòu)建。

三、房地產(chǎn)市場系統(tǒng)性風(fēng)險累積指標構(gòu)建與估計

（一）房地產(chǎn)市場系統(tǒng)性風(fēng)險累積指標構(gòu)建

房價收入比指標是一個重要的房地產(chǎn)泡沫或者風(fēng)險累積指標，但是該指標的不足在于并不是每個城市都公布該指標數(shù)據(jù)，而且該指標的頻率較低，不利于房地產(chǎn)市場系統(tǒng)性風(fēng)險的度量與實時監(jiān)測。因此，本文參照金融風(fēng)險研究成果以房價收益率的極端波動為基礎(chǔ)刻畫風(fēng)險累積。[WTBX]

假設(shè)房地產(chǎn)市場由N個城市組成，房地產(chǎn)市場整體的房價收益率為RM，第i個城市的房價收益率為Ri。則有

其中，wi為第i個城市的房地產(chǎn)價值占整個房地產(chǎn)市場價值的比例，其數(shù)據(jù)不可得。本文以該城市的當(dāng)季GDP在樣本城市（視為整個房地產(chǎn)市場）當(dāng)季GDP之和的占比為代理變量。為構(gòu)造房價上行時期單個城市的邊際期望損失指標，需要定義整個房地產(chǎn)市場的期望損失指標。給定顯著性水平q，分位數(shù)VaR1-q為整體房地產(chǎn)市場價格在給定顯著性水平下的在險價值。此時，整體市場期望損失為超過在險價值部分極端情形的期望值。該指標的具體定義為

其中，U代表該指標利用房價上行時期的數(shù)據(jù)構(gòu)建而成。本文參照現(xiàn)有研究設(shè)定q=10%，此時1-q=90%。因此，本文的指標刻畫了房價收益率的右側(cè)分布情形。

進一步地，由于整體房地產(chǎn)市場由多個城市房地產(chǎn)市場構(gòu)成，因此結(jié)合式（1）（2），整體房地產(chǎn)市場的預(yù)期損失還可以表示為

需要指出的是，式（3）與Acharya等[20]提出的期望損失（ESDq）并不相同。從計量技術(shù)而言，房價下行時期的期望損失建立在收益率分布左側(cè)的尾部依賴，房價上行時期的期望損失建立在收益率分布右側(cè)的尾部依賴。從經(jīng)濟含義而言，房價下行時期考慮的是房地產(chǎn)市場處于下跌時期單個城市與整個市場之間的傳染關(guān)系，房價上行時期考慮的則是房地產(chǎn)市場處于上漲時期單個城市與整個市場之間的傳染關(guān)系。與房地產(chǎn)市場下行時期相比，房價上行時期所帶來的風(fēng)險累積，能更具前瞻性地考察系統(tǒng)性風(fēng)險問題。

由式（3）可進一步求取城市i對整個房地產(chǎn)市場房價上漲的邊際貢獻度為

式（5）衡量的是城市i的房地產(chǎn)市場對整體房地產(chǎn)市場房價上漲的邊際貢獻度，即當(dāng)整體房地產(chǎn)市場價格處于上行時期時，單個城市房價上漲對整體房地產(chǎn)市場的貢獻幅度為MESi|Uq。

但是，即便在正常狀態(tài)下，各個城市也會由于各自的住房政策、供求關(guān)系等不同的基本面因素而對整體市場房價上漲有著不同的貢獻幅度。因此，在房價上行時期刻畫單個城市的貢獻度時應(yīng)當(dāng)剔除房價正常增長時期的貢獻度，只需要體現(xiàn)出單個城市在極端上行情形下的貢獻水平。此時，本文借鑒ΔCoVaR的思想，采用計算邊際量的方法解決這一問題。具體而言，本文利用單個城市在整體房地產(chǎn)市場處于上行時期（q=10%）時得到的MESi|Uq扣減該城市在整體房地產(chǎn)市場處于正常狀態(tài)時得到的MESi|U50%（q=50%），此時得到的差值（ΔMESi|Uq）便剔除了正常時期的貢獻水平，能夠純粹地反映該城市在房價上行時期對整個房地產(chǎn)市場的貢獻水平。其中，50%表示整個房地產(chǎn)市場的收益率處于50%分位數(shù)，即房地產(chǎn)市場處于正常發(fā)展時期。ΔMESi|Uq的定義如下：

其中，$Sizei表示各個城市經(jīng)過標準化的GDP規(guī)模，為該城市的當(dāng)季GDP在70個大中城市（視為整個房地產(chǎn)市場）當(dāng)季GDP之和的占比。式（7）則為每個城市房地產(chǎn)市場對整體系統(tǒng)性風(fēng)險累積的貢獻程度，用來刻畫不同城市房地產(chǎn)市場的系統(tǒng)重要性，是空間維度系統(tǒng)性風(fēng)險累積指標。

此外，由于期望損失指標具有良好的可加性，通過將ΔMESi|Uq加總可以得到房地產(chǎn)市場風(fēng)險不斷累積的度量指標：

這里，本文對不同城市的系統(tǒng)性風(fēng)險累積貢獻度進行簡單的求和，得到房地產(chǎn)市場的系統(tǒng)性風(fēng)險累積水平。需要說明的是，房地產(chǎn)市場系統(tǒng)性風(fēng)險累積指標的構(gòu)建方式不同于銀行業(yè)系統(tǒng)性風(fēng)險指標的構(gòu)建方式。前者通過單純求和得到，而后者以銀行機構(gòu)權(quán)益或者資產(chǎn)總值占銀行體系的比值為權(quán)重進行加權(quán)求和得到。處理方式的差異源于兩個市場的價格指數(shù)在構(gòu)建方面的不同。根據(jù)Wind數(shù)據(jù)庫的指標介紹可知，2011年以前國家統(tǒng)計局按照算術(shù)平均的方式計算70個大中城市住宅價格指數(shù)，此后不再發(fā)布70大中城市整體房價指數(shù)，而是開始發(fā)布單個城市的房價指數(shù)。不過，Wind數(shù)據(jù)庫同樣采用算術(shù)平均的方式構(gòu)建了2011年以后的70個大中城市住宅價格指數(shù)。相比之下，銀行業(yè)股票指數(shù)則通過市值加權(quán)得到。因此，兩個市場行業(yè)指數(shù)的構(gòu)建方式存在差異。為保持和權(quán)威房地產(chǎn)價格指數(shù)的一致性，式（8）采用簡單求和的方式得到房地產(chǎn)市場的系統(tǒng)性風(fēng)險累積水平。

綜上，Δ$MESi|Uq與ΔMESM|Uq有著重要區(qū)別。這兩個指標分別代表了系統(tǒng)性風(fēng)險累積的兩個維度。Δ$MESi|Uq是系統(tǒng)性風(fēng)險累積的空間維度指標，著重從單個城市視角看待各個城市對整個房地產(chǎn)市場系統(tǒng)性風(fēng)險累積的貢獻。利用該指標可以對任一給定時點各個城市的貢獻進行橫向排名，從而對系統(tǒng)重要性城市進行甄別。ΔMESM|Uq是系統(tǒng)性風(fēng)險累積的時間維度指標，著重從整個房地產(chǎn)市場視角看系統(tǒng)性風(fēng)險累積隨時間的演進趨勢，利用該指標可以對不同時間點的系統(tǒng)性風(fēng)險累積進行縱向比較，從而對房地產(chǎn)市場系統(tǒng)性風(fēng)險進行預(yù)警。

（二）系統(tǒng)性風(fēng)險累積指標估計

現(xiàn)有研究中，主流成果認為利用滾動窗口或者DCC-GARCH模型均可以構(gòu)建時變的系統(tǒng)性風(fēng)險指標。對比兩種估計方法可知，滾動窗口法對數(shù)據(jù)頻率的要求比較高。假如時間窗口為100期，則根據(jù)10%的分位數(shù)水平，該窗口期可以得到10個符合條件的數(shù)據(jù)。但是，對于房地產(chǎn)市場而言，其最高的數(shù)據(jù)頻率為月度，100個樣本構(gòu)成窗口期大大降低了樣本的利用效率。因此，本文采用動態(tài)的DCC-GARCH方法計算動態(tài)指標值。

借鑒Brownlees等[22]的研究，本文利用DCC-GARCH模型對房地產(chǎn)市場的收益率RM，t以及城市i的房價收益率Ri，t進行分解。假設(shè)RM，t和Ri，t滿足如下雙變量隨機過程

在構(gòu)建雙變量過程之前，需要對兩個市場的收益率去均值化。：

為了檢驗本文構(gòu)建的風(fēng)險累積指標是否具有良好的前瞻性，構(gòu)建傳統(tǒng)的系統(tǒng)性風(fēng)險指標進行對比分析。本文所構(gòu)建指標最重要的貢獻在于刻畫房價上行時期的風(fēng)險累積。相比之下，傳統(tǒng)的指標主要刻畫房價下行時期的風(fēng)險。前瞻性主要體現(xiàn)在風(fēng)險刻畫的時間維度方面存在差異，因此僅需要構(gòu)建時間維度的傳統(tǒng)系統(tǒng)性風(fēng)險指標，并不需要重新計算空間維度的傳統(tǒng)系統(tǒng)性風(fēng)險指標。

為保持研究一致性，本文以房價收益率低于左側(cè)分位數(shù)的數(shù)據(jù)樣本為考察對象，構(gòu)建傳統(tǒng)的房地產(chǎn)市場系統(tǒng)性風(fēng)險指標（ΔMES指標）進行前瞻性檢驗。Acharya等[20]在進行實證研究時以歷史上股票市場的損失為基礎(chǔ)度量系統(tǒng)性風(fēng)險，與滾動窗口法具有相同的本質(zhì)。因此，本部分采用滾動窗口的方法構(gòu)建傳統(tǒng)的房地產(chǎn)市場系統(tǒng)性風(fēng)險指標。

本文以5年的樣本區(qū)間為時間窗口構(gòu)建傳統(tǒng)指標，得到2010年6月—2017年12月的傳統(tǒng)系統(tǒng)性風(fēng)險指標，記為ΔMESM|Dq。這里，M代表整體房地產(chǎn)市場的系統(tǒng)性風(fēng)險，D代表該指標是利用房價下行周期的數(shù)據(jù)構(gòu)建的，q=10%代表該指標利用房價序列下10%分位數(shù)左側(cè)的風(fēng)險水平度量系統(tǒng)性風(fēng)險。

四、中國房地產(chǎn)市場系統(tǒng)性風(fēng)險累積測度

（一）樣本與數(shù)據(jù)

目前中國各城市房價統(tǒng)計數(shù)據(jù)中權(quán)威的基準是國家統(tǒng)計局公布的70個大中城市新建住宅價格指數(shù)。70個大中城市房地產(chǎn)開發(fā)投資額占全國所有城市房地產(chǎn)投資開發(fā)總額的80%以上，城市樣本的代表性非常強，可以得到可靠的研究結(jié)論。因此，本文選取中國70個大中城市作為研究樣本。該價格指數(shù)在2005年之前只統(tǒng)計35個城市，2005年之后拓展到70個城市。為保持一致性，樣本選擇起始點為70個大中城市房價統(tǒng)計開始之日，即最終確定的樣本區(qū)間為2005年7月—2017年12月，數(shù)據(jù)為月度頻率。數(shù)據(jù)來源為Wind數(shù)據(jù)庫、中經(jīng)網(wǎng)統(tǒng)計數(shù)據(jù)庫等。由于揚州市相關(guān)數(shù)據(jù)開始統(tǒng)計的時間要晚于其他城市，為保持樣本的時間區(qū)間盡可能長，本文將揚州市數(shù)據(jù)剔除。后續(xù)分析將基于其余69個城市展開，具體城市分類見表1。

根據(jù)前文闡述，指標的構(gòu)建需要中國整體房地產(chǎn)市場的收益率（RM）。本文仍然以70個大中城市新建住宅價格指數(shù)作為整體房地產(chǎn)市場的價格指數(shù)，并以該指數(shù)的環(huán)比作為房地產(chǎn)市場收益率。盡管本文樣本剔除了揚州市數(shù)據(jù)，但是70個大中城市房地產(chǎn)價格指數(shù)仍然是中國整體房地產(chǎn)市場的最優(yōu)代理變量。這與采用部分銀行機構(gòu)股票價格數(shù)據(jù)與銀行業(yè)股票指數(shù)進行系統(tǒng)性金融風(fēng)險研究具有相似性。此外，本文采用各個城市的新建住宅價格指數(shù)環(huán)比作為相應(yīng)城市房地產(chǎn)市場的收益率。

（二）房地產(chǎn)系統(tǒng)性風(fēng)險累積結(jié)果分析

如前文所述，房地產(chǎn)市場系統(tǒng)性風(fēng)險累積分為時間維度和空間維度。時間維度注重從整個房地產(chǎn)市場角度出發(fā)看系統(tǒng)性風(fēng)險隨時間的累積情況，即縱向?qū)Ρ??？臻g維度注重從各個城市角度出發(fā)看城市的系統(tǒng)性風(fēng)險貢獻，即橫向?qū)Ρ取?/p>

1.時間維度系統(tǒng)性風(fēng)險累積過程分析

時間維度的系統(tǒng)性風(fēng)險累積指標變化趨勢如圖2所示。整體來看，中國房地產(chǎn)市場系統(tǒng)性風(fēng)險累積呈現(xiàn)周期性波動特征。具體而言，可以將中國房地產(chǎn)市場系統(tǒng)性風(fēng)險累積分為5個階段。

第Ⅰ階段（2005年7月—2008年7月）：中國房地產(chǎn)市場系統(tǒng)性風(fēng)險波動劇烈，無明顯趨勢。2005 —2007年上半年，中國房地產(chǎn)市場系統(tǒng)性風(fēng)險處于下降趨勢，隨后開始上升并維持在較高水平，整體來看并無明顯的變化趨勢。結(jié)合當(dāng)時中國房地產(chǎn)市場狀況看，2003年開始中國房價持續(xù)上漲并于2007年達到頂峰。為限制房價快速攀升，國家采取多種措施調(diào)控房地產(chǎn)市場的發(fā)展。具體來看，2005年3月，國務(wù)院推出“國八條”，意在加強房價的調(diào)控和擴大多種房屋類型的供給。同年7月，房地產(chǎn)市場系統(tǒng)性風(fēng)險開始下降。2006年5月，建設(shè)部等九部委聯(lián)合推出“國六條”，可以看作是“國八條”的詳細補充。同年8月，房地產(chǎn)市場系統(tǒng)性風(fēng)險開始下降。007年9月，中國人民銀行和當(dāng)時的中國銀行業(yè)監(jiān)督管理委員會（現(xiàn)為中國銀行保險監(jiān)督管理委員會）聯(lián)合發(fā)布《關(guān)于加強商業(yè)地產(chǎn)信貸管理的通知》，從信貸供給的角度加強對房地產(chǎn)市場的調(diào)控。2008年3—5月，中國人民銀行連續(xù)3次上調(diào)存款準備金率。2這期間，房地產(chǎn)市場系統(tǒng)性風(fēng)險一直處于下降趨勢。整體來看，在此期間房地產(chǎn)市場在房價不斷上升和政府不斷調(diào)控的相互博弈過程中前行。盡管存在滯后效應(yīng)，但是房地產(chǎn)調(diào)控政策依然具有較好的調(diào)控效果，房地產(chǎn)市場系統(tǒng)性風(fēng)險在政策頒布后出現(xiàn)不同程度的下降。因此，這一時期房地產(chǎn)市場系統(tǒng)性風(fēng)險盡管由于調(diào)控政策的實施波動比較劇烈，但是并未出現(xiàn)明確的發(fā)展態(tài)勢。

第Ⅱ階段（2008年7月—2009年5月）：中國房地產(chǎn)市場系統(tǒng)性風(fēng)險處于快速攀升階段。這一時期的風(fēng)險上升主要與當(dāng)時的政策干預(yù)相關(guān)。2008年9月全球金融危機爆發(fā)，中國政府開始采取寬松的政策刺激房地產(chǎn)市場。具體來看，中國人民銀行在2008年9月15日宣布存款準備金率和人民幣貸款利率“雙率”下降，在10月19日再次下調(diào)存貸款基準利率。中央、財政部和地方政府分別采取各種措施鼓勵住房消費，全方位刺激樓市。有利的政策環(huán)境導(dǎo)致這一時期房地產(chǎn)市場繁榮發(fā)展。2009年，中國房地產(chǎn)開發(fā)投資同比增長16.1%，商品房銷售面積同比增長42%。然而，如前文所述，房地產(chǎn)市場的繁榮發(fā)展使得房價進入了上行時期，伴隨而來的也是系統(tǒng)性風(fēng)險的快速累積，直觀來講就是本文指標的快速上升。

第Ⅲ階段（2009年5月—2012年12月）：中國房地產(chǎn)市場系統(tǒng)性風(fēng)險呈現(xiàn)出先下降后上升的趨勢。首先，在2009年5月—2010年11月間，中國房地產(chǎn)市場的系統(tǒng)性風(fēng)險呈現(xiàn)下降的趨勢。主要的原因是前一時期房地產(chǎn)價格飆升，投機氛圍濃厚。此時，中央政府開始采用緊縮的政策調(diào)控房地產(chǎn)市場。例如，2009年5月25日，國家發(fā)展和改革委員會提出聯(lián)合財政部等部委研究開征物業(yè)稅。同年10月，營業(yè)稅免征優(yōu)惠政策終止。同時，國務(wù)院常務(wù)會議決定，個人住房轉(zhuǎn)讓營業(yè)稅的征免時限自2010年1月1日起由2年恢復(fù)到5年。其次，在2010年11月—2012年12月間，中國房地產(chǎn)市場的系統(tǒng)性風(fēng)險出現(xiàn)逐步上升的趨勢。然而，這一時期中央政府對待房地產(chǎn)市場仍然以緊縮的政策為主。例如，國務(wù)院辦公廳在2011年1月發(fā)布新“國八條”，進一步加大限購力度。上海和重慶兩市成為房地產(chǎn)稅改革的試點。2011年1—6月，中國人民銀行連續(xù)6次上調(diào)存款準備金率。2012年，中國的住房信息開始聯(lián)網(wǎng)。但是此時，房地產(chǎn)市場系統(tǒng)性風(fēng)險依然處于上升趨勢，意味著政策調(diào)控的效果并不明顯。

第Ⅳ階段（2013年1月—2014年10月）：中國房地產(chǎn)市場系統(tǒng)性風(fēng)險呈現(xiàn)出震蕩下行的趨勢。在此期間，中國房地產(chǎn)市場的調(diào)控政策依然以緊縮為主。2013年，新“國五條”出臺，房地產(chǎn)的限購策略更為嚴格。2013年的緊縮政策結(jié)合前期高強度的緊縮政策調(diào)控導(dǎo)致這一時期的房地產(chǎn)市場開始逐步冷靜下來，房地產(chǎn)價格指數(shù)逐步平穩(wěn)、房地產(chǎn)投資增速下降。綜合來看，房地產(chǎn)市場的平穩(wěn)也帶來了系統(tǒng)性風(fēng)險的穩(wěn)定以及隨后的下降。

第Ⅴ階段（2014年11月—2017年12月）：中國房地產(chǎn)市場系統(tǒng)性風(fēng)險呈現(xiàn)出先上升后下降的趨勢。2014年11月—2016年7月，中國房地產(chǎn)市場系統(tǒng)性風(fēng)險開始上升，原因在于這一時期寬松的調(diào)控政策再次推動了房地產(chǎn)市場的非理性繁榮發(fā)展。具體來看，在“穩(wěn)增長+去庫存”訴求下，2014年6月起部分城市取消限購政策。同年9月30日，限貸政策的放松代表著全國性寬松環(huán)境的出現(xiàn)。同年11月，中國人民銀行重啟降息。2015年和2016年房地產(chǎn)市場的全面寬松政策，導(dǎo)致全國房地產(chǎn)市場異?？焖俚匕l(fā)展起來。這一非理性發(fā)展必然會帶來房地產(chǎn)市場系統(tǒng)性風(fēng)險的快速上升。房價的快速上漲引起中央政府的關(guān)注。2016年9月30日起，以北京為代表的熱點城市推出新政，意味著房地產(chǎn)調(diào)控全面轉(zhuǎn)向。限購、限貸、限售、限價、限商改住等限制措施全方位實施，引起房地產(chǎn)市場的再一次緊縮。同時，房地產(chǎn)市場系統(tǒng)性風(fēng)險也開始逐步下降。

基于對上述5個階段的分析可以進一步得出以下兩方面結(jié)論。第一，外部經(jīng)濟和政策環(huán)境與中國房地產(chǎn)市場風(fēng)險累積程度有緊密關(guān)系。當(dāng)宏觀經(jīng)濟或者政策環(huán)境處于寬松時期時，房地產(chǎn)市場風(fēng)險累積程度會不斷提升;當(dāng)宏觀經(jīng)濟和政策環(huán)境處于衰退或者緊縮時期時，風(fēng)險累積程度隨之下降。第二，調(diào)控政策對房地產(chǎn)市場系統(tǒng)性風(fēng)險累積的調(diào)控效果逐步減弱。具體而言，在早期階段，較少的調(diào)控政策就可以使得房地產(chǎn)市場較快達到監(jiān)管部門所期望的效果。但是，從第三階段的后半段開始，調(diào)控政策對房地產(chǎn)市場的調(diào)控效果出現(xiàn)較長時期的滯后，而且2016年開始實施全方位的緊縮政策以后才保住房地產(chǎn)市場的穩(wěn)定。這一結(jié)論與荊中博等[27]的研究結(jié)果類似，后者發(fā)現(xiàn)我國宏觀審慎政策對房地產(chǎn)市場具有靶向作用，但是調(diào)控效果并不理想。

2.空間維度房地產(chǎn)市場系統(tǒng)性風(fēng)險貢獻分析

本文選取空間維度系統(tǒng)性風(fēng)險指標橫向?qū)Ρ确治霾煌鞘蟹康禺a(chǎn)市場系統(tǒng)性風(fēng)險水平，以準確判斷各個城市系統(tǒng)重要性的差異性。具體而言，本部分在計算得到各城市2005年7月—2017年12月的月度數(shù)據(jù)后，按照時間維度對每個城市的全樣本期進行加總，得到了各個城市房地產(chǎn)市場的系統(tǒng)重要性。系統(tǒng)重要性排序前20名的城市見表2?？梢钥闯觯本?、廣州和上海的系統(tǒng)重要性遙遙領(lǐng)先，尤以北京最為顯著。此外，第三名上海的系統(tǒng)重要性是第四名天津的兩倍左右。這一結(jié)果說明，系統(tǒng)重要性前三名的城市對中國房地產(chǎn)市場的風(fēng)險貢獻程度非常顯著，而且遠超其他城市。

意外的是，深圳市房地產(chǎn)市場的系統(tǒng)重要性僅排在第20名，與北京、上海、廣州并沒有處于同一等級。這一結(jié)果從表面上意味著，相對于北京、上海、廣州而言，深圳市對中國房地產(chǎn)市場的系統(tǒng)重要性較差。北京、上海、廣州、深圳4個城市房地產(chǎn)市場的系統(tǒng)重要性時間趨勢如圖3所示。可以看出，4個城市的系統(tǒng)重要性時間趨勢大部分是相似的，意味著這4個城市的系統(tǒng)重要性基本一致。但是，2015年6月—2016年2月，深圳市的系統(tǒng)重要性出現(xiàn)了大幅度的波動，先是快速下降，然后又快速上升。正是這一期間系統(tǒng)重要性的大幅下降拉低了整體樣本期間深圳市房地產(chǎn)市場系統(tǒng)重要性。

深圳市房地產(chǎn)市場系統(tǒng)重要性在2015年6月—2016年2月大幅下降的主要原因是該城市房地產(chǎn)價格波動與全國房地產(chǎn)價格的波動存在時間錯配。具體而言，2015年3月30日，中央政府開始支持房地產(chǎn)市場的發(fā)展，中國房地產(chǎn)市場進入新一輪的上漲周期。其中，深圳扮演著領(lǐng)跑者的角色，2015年4月至7月累計上漲了20%，全年漲幅接近40%。然而，此時全國房地產(chǎn)市場仍然處于不溫不火的狀態(tài)，北京、上海和“四小龍”（南京、蘇州、廈門、合肥）等城市的房價自2016年第1季度開始上升，而這些城市的房價上漲又刺激了武漢等城市的房價上行，越來越多的城市加入到房價上漲的隊伍中來，房地產(chǎn)市場進入全面上漲階段。

可見，深圳市房地產(chǎn)市場具有領(lǐng)先性而非同時性，導(dǎo)致深圳市房地產(chǎn)市場的快速發(fā)展并沒有如實反映在指標當(dāng)中。因此，本文構(gòu)建空間維度系統(tǒng)性風(fēng)險累積指標有助于監(jiān)管層從單個城市的角度監(jiān)管房地產(chǎn)市場的發(fā)展現(xiàn)狀，并通過對異常值的全面解剖挖掘到出人意料、極具價值的豐富信息，并據(jù)此設(shè)計更加完善的監(jiān)管制度和應(yīng)對措施。

整體來看，不同城市房地產(chǎn)市場的系統(tǒng)重要性基本與該城市的綜合實力比較匹配。排名靠前的多為綜合發(fā)展情況優(yōu)良的一線城市，其次是新一線城市。這一特征背后的原因包括兩方面。第一，綜合實力比較強的城市基本都具有較大的經(jīng)濟發(fā)展規(guī)模，而規(guī)模是現(xiàn)有研究中度量系統(tǒng)重要性的因素之一[15]。第二，不同城市房地產(chǎn)市場之間存在著顯著的溢出效應(yīng)。經(jīng)濟實力比較雄厚的城市溢出效應(yīng)更加顯著，導(dǎo)致周邊城市房地產(chǎn)價格同步上漲[4，28]，同時帶動全國整體房地產(chǎn)價格的快速上漲。

綜上，系統(tǒng)重要性高的城市房地產(chǎn)市場在極端情形下會使整體房地產(chǎn)市場的系統(tǒng)性風(fēng)險快速累積，顯著提高風(fēng)險爆發(fā)的可能性。從政策價值來看，政策制定者可以通過加強對這些系統(tǒng)重要性高的城市的監(jiān)管，實現(xiàn)減少房地產(chǎn)市場系統(tǒng)性風(fēng)險累積和防范泡沫破裂從而爆發(fā)危機的目標。

五、系統(tǒng)性風(fēng)險累積指標的前瞻性檢驗

為驗證本文指標的前瞻性，需要構(gòu)建基準的風(fēng)險指標。因此，本文利用歷史模擬法得到了2010年6月—2017年12月期間，利用房價下行時期數(shù)據(jù)構(gòu)建的系統(tǒng)性風(fēng)險傳統(tǒng)指標（ΔMESM|D10%）。這里，M代表整體房地產(chǎn)市場的系統(tǒng)性風(fēng)險，D代表該指標是利用房價下行時期的數(shù)據(jù)構(gòu)建的。q=10%代表該指標利用房價序列下10%分位數(shù)左側(cè)的風(fēng)險水平度量系統(tǒng)性風(fēng)險。

本文指標（ΔMESM|U10%）和傳統(tǒng)風(fēng)險指標（ΔMESM|D10%）以及70個大中城市新建住宅價格指數(shù)的變化情況如圖4所示。從圖中可以得到兩個結(jié)論。第一，本文指標與房地產(chǎn)價格指數(shù)具有較高的正向相關(guān)性，而且本文指標具有前瞻性。特別地，在房地產(chǎn)價格上漲的2012年和2015—2016年兩個時間段，本文指標均表現(xiàn)出了系統(tǒng)性風(fēng)險水平不斷累積的過程。而且，從波峰的出現(xiàn)時間可以看出，本文指標波峰的出現(xiàn)時間要早于價格指數(shù)的波峰。由此可知，本文指標能夠較好地預(yù)測出房地產(chǎn)市場系統(tǒng)性風(fēng)險的累積水平，前瞻性較好。第二，傳統(tǒng)指標與房地產(chǎn)價格指數(shù)具有較高的負向相關(guān)性，主要度量風(fēng)險的實現(xiàn)。具體來看，在房地產(chǎn)價格上漲的2012年，傳統(tǒng)指標呈現(xiàn)出下降的趨勢。相反的是，在房地產(chǎn)價格下降的2013—2014年，傳統(tǒng)指標則呈現(xiàn)出顯著的上升趨勢。這一結(jié)果意味著，房地產(chǎn)價格上升時傳統(tǒng)指標降低、房地產(chǎn)價格下降時傳統(tǒng)指標上升，因此傳統(tǒng)指標主要度量房地產(chǎn)市場系統(tǒng)性風(fēng)險的實現(xiàn)程度，不具有前瞻性。

接下來本文進一步采用格蘭杰因果檢驗對本文指標的前瞻性進行驗證。在進行格蘭杰因果檢驗之前，采用ADF單位根檢驗分析本文指標、傳統(tǒng)指標和房地產(chǎn)價格指數(shù)共3個時間序列的平穩(wěn)性。檢驗結(jié)果表明三個序列均是非平穩(wěn)序列，但是一階差分的序列均是平穩(wěn)序列。因此，可以斷定各個指標均為I（1）過程。進一步的協(xié)整檢驗結(jié)果表明，本文指標和房地產(chǎn)價格指數(shù)之間存在著長期均衡關(guān)系，可以使用格蘭杰因果檢驗，而傳統(tǒng)指標和房地產(chǎn)價格指數(shù)之間不存在長期穩(wěn)定的均衡關(guān)系。本文指標和房地產(chǎn)價格指數(shù)之間的格蘭杰因果檢驗結(jié)果見表3。

從表3可以明顯看出，房地產(chǎn)價格指數(shù)在滯后1期時是本文指標的格蘭杰原因，但是該結(jié)果僅在5%的水平上顯著不為零。而且，滯后期延長后，房地產(chǎn)價格指數(shù)并不是本文指標的格蘭杰原因，說明該結(jié)果并不穩(wěn)定。與之相反的是，本文指標從滯后2期開始是房地產(chǎn)市場價格指數(shù)的格蘭杰原因，而且在滯后2～5期時該結(jié)果依然保持在1%的水平下顯著，這一結(jié)果說明本文指標具有良好的前瞻性和穩(wěn)定性。

六、結(jié)論與政策建議

“明斯基不穩(wěn)定假說”認為，穩(wěn)定的發(fā)展可能帶來不穩(wěn)定的后果，原因在于穩(wěn)定發(fā)展中引起投資者風(fēng)險意識的下降和風(fēng)險承擔(dān)的上升，進而累積風(fēng)險并引發(fā)未來的風(fēng)險。由此可見，風(fēng)險管理一直是發(fā)展中不可忽視的話題。本文基于“明斯基不穩(wěn)定假說”的現(xiàn)實意義，提出了系統(tǒng)性風(fēng)險累積的量化指標，并創(chuàng)新性地將之應(yīng)用于中國房地產(chǎn)市場系統(tǒng)性風(fēng)險的度量與防范，具有重要的理論價值和現(xiàn)實意義。本文通過對2005年7月—2017年12月中國房地產(chǎn)市場系統(tǒng)性風(fēng)險累積的實證分析，得到了以下三方面結(jié)論。

在房地產(chǎn)市場系統(tǒng)性風(fēng)險累積指標的量化分析方面：本文通過分析風(fēng)險形成機理，認為房價的上升并不一定代表風(fēng)險，但是不同房地產(chǎn)市場房價同步出現(xiàn)極端上升則是脆弱性的累積。在此基礎(chǔ)上，本文借鑒金融風(fēng)險研究成果采用尾部依賴模型構(gòu)建房地產(chǎn)市場系統(tǒng)性風(fēng)險累積指標，通過實證研究發(fā)現(xiàn)，本文構(gòu)建的風(fēng)險累積指標是一種可靠的房地產(chǎn)市場系統(tǒng)性風(fēng)險預(yù)警指標。

在時間維度分析方面：中國房地產(chǎn)市場系統(tǒng)性風(fēng)險具有階段性的發(fā)展趨勢，而且和調(diào)控政策的立場息息相關(guān)。具體而言，當(dāng)宏觀經(jīng)濟或者政策環(huán)境處于寬松時期時，房地產(chǎn)市場風(fēng)險累積程度也會不斷提升;當(dāng)宏觀經(jīng)濟和政策環(huán)境處于衰退或者緊縮時期時，風(fēng)險累積程度隨之下降。此外，調(diào)控政策對房地產(chǎn)市場系統(tǒng)性風(fēng)險累積的調(diào)控效果逐步減弱。在早期階段，較少的調(diào)控政策便可以達到效果，但是2011年以后監(jiān)管政策調(diào)控的效果逐漸延遲，而且影響的幅度也在不斷下降。

在空間維度分析方面：我國系統(tǒng)重要性城市主要集中在綜合實力發(fā)達的一線城市，其次是新一線城市。這一結(jié)論意味著，房地產(chǎn)市場的系統(tǒng)重要性與城市的綜合實力具有較高的相關(guān)性。值得注意的是，部分城市可能會領(lǐng)先于整體市場出現(xiàn)發(fā)展高峰，這種領(lǐng)先性使得本文指標表現(xiàn)為負值。此時，監(jiān)管部門在實時監(jiān)測過程中要重點關(guān)注空間維度系統(tǒng)重要性為負值的城市，因為這一數(shù)值意味著該城市開始領(lǐng)跑房地產(chǎn)市場，其后將伴隨著整體房地產(chǎn)市場的快速繁榮。

基于以上研究結(jié)論，本文提出了三方面的政策建議。

第一，監(jiān)管部門應(yīng)當(dāng)利用自身的數(shù)據(jù)優(yōu)勢建立多層次、具有前瞻性的房地產(chǎn)市場系統(tǒng)性風(fēng)險監(jiān)控體系。本文通過理論分析利用房價上行時期的數(shù)據(jù)構(gòu)建了系統(tǒng)性風(fēng)險累積指標，而且該指標在有效性和前瞻性等方面具有顯著的優(yōu)勢。但是，由于數(shù)據(jù)的限制，本文僅僅對少數(shù)重要城市的房地產(chǎn)系統(tǒng)性風(fēng)險水平進行測算，無法深入到全國數(shù)百個城市的研究層面。因此，監(jiān)管部門應(yīng)當(dāng)利用自身的數(shù)據(jù)信息優(yōu)勢進一步擴大研究對象的范圍，深入地測算和分析每一個城市的系統(tǒng)性風(fēng)險水平?；诖耍袊康禺a(chǎn)市場系統(tǒng)性風(fēng)險的監(jiān)管能夠從整體角度出發(fā)，做到“一城一策”的差別化監(jiān)管。

第二，中國政府應(yīng)當(dāng)關(guān)注不同城市之間的均衡發(fā)展。本文認為，一線城市房地產(chǎn)市場的系統(tǒng)重要性最強，而且遠遠高于其他城市，主要原因是這些城市的綜合實力較強。結(jié)合系統(tǒng)重要性金融機構(gòu)的風(fēng)險管理經(jīng)驗，房地產(chǎn)市場系統(tǒng)性風(fēng)險過于集中在少數(shù)城市同樣存在著弊端?；诖?，中央政府應(yīng)當(dāng)多多關(guān)注不同級別城市的均衡發(fā)展，從而降低系統(tǒng)性風(fēng)險的跨市場溢出。

第三，房地產(chǎn)調(diào)控政策應(yīng)當(dāng)具有前瞻性和持續(xù)性。根據(jù)中國房地產(chǎn)市場系統(tǒng)性風(fēng)險的特征可知，政策收緊時房地產(chǎn)市場發(fā)展減緩、系統(tǒng)性風(fēng)險降低，政策寬松時房地產(chǎn)市場發(fā)展迅速、系統(tǒng)性風(fēng)險上升。中國房地產(chǎn)市場的系統(tǒng)性風(fēng)險高低與政策寬松與否具有重要的相關(guān)性?；诖?，監(jiān)管部門在制定房地產(chǎn)調(diào)控政策時應(yīng)當(dāng)保持前瞻性，防止房地產(chǎn)市場系統(tǒng)性風(fēng)險的大幅波動，維持房地產(chǎn)市場的穩(wěn)定發(fā)展。

參考文獻：

[1]?IMF. Global financial stability report[EB/OL]. （2018-04-02）. https： ∥www.imf.org/en/Publications/GFSR/Issues/2018/04/02/Global-Financial-Stability-Report-April-2018.

[2]?梁云芳， 高鐵梅. 中國房地產(chǎn)價格波動區(qū)域差異的實證分析[J]. 經(jīng)濟研究， 2007（8）： 133-142.

[3]?Yang J， Yu Z， Deng Y. Housing price spillovers in China： A high-dimensional generalized VAR approach[J]. Regional Science and Urban Economics， 2018， 68： 98-114.

[4]?王錦陽， 劉錫良. 住宅基本價值、泡沫成分與區(qū)域溢出效應(yīng)[J]. 經(jīng)濟學(xué)（季刊）， 2014（4）： 1283-1302.

[5]?方意. 貨幣政策與房地產(chǎn)價格沖擊下的銀行風(fēng)險承擔(dān)分析[J]. 世界經(jīng)濟， 2015（7）： 73-98.

[6]?方意. 系統(tǒng)性風(fēng)險的傳染渠道與度量研究——兼論宏觀審慎政策實施[J]. 管理世界， 2016（8）： 32-57.

[7]?王輝， 李碩. 基于內(nèi)部視角的中國房地產(chǎn)業(yè)與銀行業(yè)系統(tǒng)性風(fēng)險傳染測度研究[J]. 國際金融研究， 2015（9）： 76-85.

[8]?方意， 陳敏， 楊嬿平. 金融市場對銀行業(yè)系統(tǒng)性風(fēng)險的溢出效應(yīng)及渠道識別研究[J]. 南開經(jīng)濟研究， 2018（5）： 58-75.

[9]?楊子暉， 陳雨恬， 謝銳楷. 我國金融機構(gòu)系統(tǒng)性金融風(fēng)險度量與跨部門風(fēng)險溢出效應(yīng)研究[J]. 金融研究， 2018（10）： 19-37.

[10]郝毅， 李政. 土地財政、地方政府債務(wù)與宏觀經(jīng)濟波動研究——以地方政府投融資平臺為例[J]. 當(dāng)代經(jīng)濟科學(xué)， 2017（1）： 1-12.

[11]方意， 陳敏. 經(jīng)濟波動、銀行風(fēng)險承擔(dān)與中國金融周期[J]. 世界經(jīng)濟， 2019（2）： 3-25.

[12]Minsky P H. Can “It” happen again？ A reprise[J]. Challenge， 1982， 25（3）： 5-13.

[13]Brunnermeier M K， Sannikov Y. A macroeconomic model with a financial sector[J]. American Economic Review， 2014， 104（2）： 379-421.

[14]李政， 梁琪， 方意. 中國金融部門間系統(tǒng)性風(fēng)險溢出的監(jiān)測預(yù)警研究——基于下行和上行ΔCoES指標的實現(xiàn)與優(yōu)化[J]. 金融研究， 2019（2）： 40-58.

[15]Adrian T， Brunnermeier M K. CoVaR[J]. American Economic Review， 2016， 106（7）： 1705-1741.

[16]涂曉楓， 李政. 銀行的影子： 風(fēng)險分擔(dān)還是風(fēng)險傳染[J]. 當(dāng)代經(jīng)濟科學(xué)， 2016（2）： 20-29.

[17]李明輝， 黃葉苨. 商業(yè)銀行系統(tǒng)性風(fēng)險溢出及系統(tǒng)重要性研究——來自中國16家上市銀行CoVaR的證據(jù)[J]. 華東師范大學(xué)學(xué)報（哲學(xué)社會科學(xué)版）， 2017（5）： 106-116.

[18]郭曄， 趙靜. 存款競爭、影子銀行與銀行系統(tǒng)風(fēng)險——基于中國上市銀行微觀數(shù)據(jù)的實證研究[J]. 金融研究， 2017（6）： 81-94.

[19]范小云， 王道平， 方意. 我國金融機構(gòu)的系統(tǒng)性風(fēng)險貢獻測度與監(jiān)管——基于邊際風(fēng)險貢獻與杠桿率的研究[J]. 南開經(jīng)濟研究， 2011（4）： 3-20.

[20]Acharya V V， Brownlees C， Engle R， et al. Measuring systemic risk[J]. Review of Financial Studies， 2017， 30（1）： 2-47.

[21]梁琪， 李政， 郝項超. 我國系統(tǒng)重要性金融機構(gòu)的識別與監(jiān)管——基于系統(tǒng)性風(fēng)險指數(shù)SRISK方法的分析[J]. 金融研究， 2013（9）： 56-70.

[22]Brownlees C， Engle R. SRISK： A conditional capital shortfall index for systemic risk measurement[J]. Review of Financial Studies， 2017， 30（1）： 48-79.

[23]范小云， 方意， 王道平. 我國銀行系統(tǒng)性風(fēng)險的動態(tài)特征及系統(tǒng)重要性銀行甄別——基于CCA與DAG相結(jié)合的分析[J]. 金融研究， 2013（11）： 82-95.

[24]王擎， 白雪， 牛鋒. 我國商業(yè)銀行的系統(tǒng)性風(fēng)險測度及影響因素研究——基于CCA-POT-Copula方法的分析[J]. 當(dāng)代經(jīng)濟科學(xué)， 2016（2）： 1-9.

[25]范小云， 段月姣， 楊昊晰. 人口結(jié)構(gòu)與系統(tǒng)性風(fēng)險測度及監(jiān)管——以利率為紐帶的視角[J]. 經(jīng)濟研究， 2018（8）： 52-67.

[26]方意. 主板與中小板、創(chuàng)業(yè)板市場之間的非線性研究： “市場分割”抑或“危機傳染”？[J]. 經(jīng)濟學(xué)（季刊）， 2016（1）： 373-402.

[27]荊中博， 方意. 中國宏觀審慎政策工具的有效性和靶向性研究[J]. 財貿(mào)經(jīng)濟， 2018（10）： 75-90.

[28]余華義， 黃燕芬. 貨幣政策效果區(qū)域異質(zhì)性、房價溢出效應(yīng)與房價對通脹的跨區(qū)影響[J]. 金融研究， 2015（2）： 95-113.

[本刊相關(guān)文獻鏈接]

[1]?郭娜， 章倩， 周揚. 房價“粘性”、系統(tǒng)性金融風(fēng)險與宏觀經(jīng)濟波動——基于內(nèi)生化系統(tǒng)性風(fēng)險的DSGE模型[J]. 當(dāng)代經(jīng)濟科學(xué)， 2017（6）： 7-16.

[2]?劉震， 牟雯波. 宏觀審慎管理、金融摩擦與經(jīng)濟周期——基于準備金率工具的視角[J]. 當(dāng)代經(jīng)濟科學(xué)， 2017（3）： 12-21.

[3]?郭冉冉， 酈博文， 巴曙松. 不同資產(chǎn)泡沫過程及危機后果的實證分析[J]. 當(dāng)代經(jīng)濟科學(xué)， 2017（2）： 45-52.

[4]?賈生華， 董照櫻子， 陳文強. 影子銀行、貨幣政策與房地產(chǎn)市場[J]. 當(dāng)代經(jīng)濟科學(xué)， 2016（3）： 13-19+30.

[5]?趙勝民， 梁璐璐， 羅琦. 宏觀審慎體制下的金融摩擦與房地產(chǎn)市場[J]. 當(dāng)代經(jīng)濟科學(xué)， 2015（1）： 47-55.

[6]?鄭冠群. 虛擬經(jīng)濟波動影響實體經(jīng)濟周期的研究進展與展望[J]. 當(dāng)代經(jīng)濟科學(xué)， 2014（3）： 75-81.

[7]?王磊， 李勇， 王滿倉. 中國經(jīng)濟周期的“雙重性波動”： 理論與實證分析——基于市場成長的視角[J]. 當(dāng)代經(jīng)濟科學(xué)， 2010（6）： 1-8.