房地產(chǎn)價(jià)格波動(dòng)對(duì)銀行經(jīng)營(yíng)能力的影響

朱順東

摘 要：本文采用 2009-2018年各類(lèi)銀行的經(jīng)營(yíng)能力與各類(lèi)型房地產(chǎn)價(jià)格波動(dòng)的數(shù)據(jù)進(jìn)行面板回歸，探究房?jī)r(jià)波動(dòng)對(duì)銀行經(jīng)營(yíng)能力的影響。結(jié)果顯示商品房?jī)r(jià)格增長(zhǎng)能顯著促進(jìn)銀行的經(jīng)營(yíng)能力，從商品房分類(lèi)看，住宅房?jī)r(jià)格、辦公樓價(jià)格對(duì)房產(chǎn)價(jià)格有顯著促進(jìn)，商業(yè)營(yíng)用房?jī)r(jià)對(duì)銀行經(jīng)營(yíng)能力反而出現(xiàn)顯著負(fù)向抑制作用，其他商品房?jī)r(jià)格變動(dòng)對(duì)銀行經(jīng)營(yíng)能力無(wú)顯著的向影響。

關(guān)鍵詞：房產(chǎn)價(jià)格;經(jīng)營(yíng)能力;凈資產(chǎn)收益率;面板數(shù)據(jù)

一、引言

房地產(chǎn)貸款是商業(yè)銀行信貸中的重要組成部分，2019年房地產(chǎn)貸款在金融機(jī)構(gòu)各項(xiàng)貸款余額中占比接近30%。同時(shí)，近幾年房地產(chǎn)不良貸款出現(xiàn)快速增長(zhǎng)給商業(yè)銀行帶來(lái)較大的風(fēng)險(xiǎn)。探討房產(chǎn)價(jià)格波動(dòng)變化對(duì)銀行金融機(jī)構(gòu)提升經(jīng)營(yíng)能力和管控風(fēng)險(xiǎn)具有重要意義。

二、研究方法與研究現(xiàn)狀

2.1房地產(chǎn)價(jià)格對(duì)商業(yè)銀行信貸的影響

江彤（2007）利用月度數(shù)據(jù)建立誤差修正模型，認(rèn)為在 10%的置信水平下，房地產(chǎn)價(jià)格是銀行信貸單向的的 Granger 因。袁俊、施有文（2010）研究發(fā)現(xiàn)房地產(chǎn)價(jià)格上漲對(duì)銀行信貸擴(kuò)張的只存在單向的影響，且銀行信貸資金對(duì)房地產(chǎn)供給的影響有一年滯后期。況偉大（2011）研究發(fā)現(xiàn)房地產(chǎn)價(jià)格對(duì)銀行信貸有著顯著影響，并且影響效果要大于經(jīng)濟(jì)增長(zhǎng)。皮舜和武康平（2004）研究發(fā)現(xiàn)房地產(chǎn)業(yè)繁榮能夠帶動(dòng)信貸的擴(kuò)張，而信貸的繁榮又會(huì)反過(guò)來(lái)促進(jìn)房地產(chǎn)行業(yè)新一輪的上漲。段忠東、曾令華等（2007）利用月度數(shù)據(jù)建立VAR 模型，發(fā)現(xiàn)長(zhǎng)期內(nèi)銀行信貸與房?jī)r(jià)波動(dòng)互為 Granger 因果，而從短期來(lái)看只有銀行信貸對(duì)房?jī)r(jià)波動(dòng)的影響顯著。

2.2房地產(chǎn)價(jià)格對(duì)商業(yè)銀行經(jīng)營(yíng)的影響

易憲容（2005）提出如果我國(guó)的房地產(chǎn)市場(chǎng)的發(fā)展完全依靠銀行業(yè)的信貸支持，那么當(dāng)我國(guó)的房地產(chǎn)行業(yè)走向衰退期時(shí)銀行業(yè)就會(huì)面臨很高的房地產(chǎn)信貸違約風(fēng)險(xiǎn)。所以他認(rèn)為我國(guó)應(yīng)該出臺(tái)一系列有效政策抑制住房?jī)r(jià)格的不斷高漲，從而阻止房地產(chǎn)泡沫不斷的擴(kuò)張。聶晶（2008）提出房地產(chǎn)市場(chǎng)對(duì)銀行業(yè)貸款較高的依存度已經(jīng)導(dǎo)致了“信貸杠桿推動(dòng)型”泡沫暴露在房地產(chǎn)市場(chǎng)中[8]。在我國(guó)宏觀打壓房?jī)r(jià)政策和房地產(chǎn)發(fā)展周期波動(dòng)的情況下，房?jī)r(jià)很有可能下行，那么緊接著就會(huì)帶來(lái)房地產(chǎn)信貸違約率的不斷上升。朱海燕和王苗苗（2016）研究發(fā)現(xiàn)：當(dāng)房地產(chǎn)行業(yè)處于繁榮期時(shí)，銀行業(yè)就會(huì)增加房地產(chǎn)行業(yè)的貸款支持力度，這會(huì)給房地產(chǎn)行業(yè)帶來(lái)泡沫性的繁榮假象;然而當(dāng)房地產(chǎn)行業(yè)走向衰退期時(shí)，銀行業(yè)將會(huì)縮小房地產(chǎn)行業(yè)的貸款支持力度，這會(huì)加劇房地產(chǎn)行業(yè)的衰退，從而造成銀行業(yè)房地產(chǎn)貸款違約率上升。

三、變量選取與數(shù)據(jù)說(shuō)明

本文研究目的是探究房地產(chǎn)價(jià)格波動(dòng)對(duì)銀行貸款損失準(zhǔn)備金額以及貸款撥備率的影響，本文根據(jù)《中國(guó)房地產(chǎn)統(tǒng)計(jì)年鑒》的商品房分類(lèi)標(biāo)準(zhǔn)，將商品房細(xì)分為住宅、辦公樓、商業(yè)營(yíng)用房和其他商品房。同時(shí)為了控制盈余平滑、資本管理、資產(chǎn)負(fù)債結(jié)構(gòu)等影響因素對(duì)商業(yè)銀行的貸款損失準(zhǔn)備的影響，本文引用信貸規(guī)模（Loan）、資本充足率（CAR）、銀行資產(chǎn)規(guī)模（Size）、凈資產(chǎn)收益率（ROE）、不良貸款率（nlr）、資產(chǎn)負(fù)債率（Lev）作為控制變量。

四、模型的建立

觀察單位是中國(guó)住宅商品房從2009—2018年的數(shù)據(jù)，總觀察值的個(gè)數(shù)為1142個(gè)。本文以?xún)糍Y產(chǎn)收益率為被解釋變量，解釋變量分別是商品房?jī)r(jià)格增長(zhǎng)率、住宅價(jià)格增長(zhǎng)率、辦公樓價(jià)格增長(zhǎng)率、商業(yè)營(yíng)用房?jī)r(jià)格增長(zhǎng)率、其他商品房?jī)r(jià)格增長(zhǎng)率，共5個(gè)變量?？刂谱兞繛橘Y產(chǎn)負(fù)債率、貸款比例、資本充足率、資產(chǎn)規(guī)模、貸款撥備率、撥備覆蓋率等六個(gè)變量，我們建立以下回歸模型：

ROEit=cons+βΣXit+ɑΣcontrolit +Ui+Vt+εit

其中，i是代表第i個(gè)省市，t是代表年份，Ui是代表銀行的個(gè)體效應(yīng)，Vt是代表年份的效應(yīng) ，εit是代表殘差項(xiàng)。

五、實(shí)證分析

5.1變量基本統(tǒng)計(jì)情況

凈資產(chǎn)收益率均值為13.6%、最大值為38.3%、最小值為-7.5%，銀行個(gè)體經(jīng)營(yíng)能力通過(guò)標(biāo)準(zhǔn)差看出，整體差異不大;自變量中五個(gè)房產(chǎn)價(jià)格指數(shù)增長(zhǎng)率可以看出，整體波動(dòng)標(biāo)準(zhǔn)差均大于平均值，說(shuō)明價(jià)格增長(zhǎng)率波動(dòng)大，控制變量中貸款撥備覆蓋率和撥備覆蓋率分布差異大。

5.2相關(guān)性分析

辦公樓房?jī)r(jià)增長(zhǎng)率PO、商業(yè)營(yíng)用房?jī)r(jià)增長(zhǎng)率POP、其他商品房?jī)r(jià)增長(zhǎng)率POT、企業(yè)資產(chǎn)負(fù)債率、企業(yè)資產(chǎn)規(guī)模與ROE相關(guān)系數(shù)為正數(shù)，在研究的期間內(nèi)與企業(yè)凈資產(chǎn)收益率ROE同趨勢(shì)變化;綜合商品房房?jī)r(jià)增長(zhǎng)率PC、住宅房?jī)r(jià)增長(zhǎng)率PR、貸款比例、資本充足率、貸款撥備率相關(guān)系數(shù)均為負(fù)數(shù)，這些變量與凈資產(chǎn)收益率ROE在研究的期間負(fù)向趨勢(shì)變化。綜合房?jī)r(jià)增長(zhǎng)率PC、住宅房?jī)r(jià)增長(zhǎng)率PR、資產(chǎn)負(fù)債率LEV、貸款比例LOAN、 企業(yè)資產(chǎn)規(guī)模SIZE、貸款撥備率LLR相關(guān)系數(shù)均為負(fù)數(shù)，這些變量與貸款撥備覆蓋率在研究的期間負(fù)向趨勢(shì)變化;辦公樓房?jī)r(jià)增長(zhǎng)率PO、商業(yè)營(yíng)用房?jī)r(jià)增長(zhǎng)率POP、其他商品房?jī)r(jià)增長(zhǎng)率POT、資本充足率與貸款撥備覆蓋率相關(guān)系數(shù)為正數(shù)，與貸款撥備覆蓋率在研究的期間同趨勢(shì)變化。自變量之間：除商品房綜合價(jià)格增長(zhǎng)率與住宅價(jià)格相關(guān)系數(shù)為0.928超出0.8外，其他變量之間的相關(guān)系數(shù)基本上小有0.5;控制變量之間的相關(guān)系數(shù)基本處于0.3以下，最高不超出0.5，說(shuō)明控制變量之間的共線性不大，自變量和控制變量的相關(guān)系數(shù)也均處于0.3以下，故不存在嚴(yán)重的共線性問(wèn)題。

5.3多重共線

為了避免多重共線性造成估計(jì)量無(wú)效，對(duì)解釋變量通過(guò)采用方差因子進(jìn)行多重共線檢驗(yàn)，通過(guò)采用方差因子（VIF）對(duì)變量進(jìn)行檢驗(yàn)，根據(jù)檢驗(yàn)標(biāo)準(zhǔn)，如果VIF大于10就說(shuō)明存在一定的多重共線性，超過(guò)100就存在較嚴(yán)重的多重共線性影響，通過(guò)表3可以看出VIF最大值為2.69，平均VIF為1.44遠(yuǎn)小于10，說(shuō)明自變量之間不存在多重共線性;通過(guò)表4可以看出，當(dāng)變量綜合房?jī)r(jià)和其他房?jī)r(jià)放在一起的時(shí)候，VIF最大值為11.64，略超出10但平均VIF值為3.17遠(yuǎn)小于10，故只存在弱共線性，為了避免出現(xiàn)共線性，故本文采用將變量PC和其他房?jī)r(jià)變量分開(kāi)回歸的形式進(jìn)行分析。

5.4模型篩選

因本文是采用平衡面板數(shù)據(jù)，通常采用有混合模型、隨機(jī)效應(yīng)模型、固定效應(yīng)模型，每個(gè)效應(yīng)假設(shè)條件不同，為了得出合理的估算之前都在模型估計(jì)之前需要進(jìn)行相應(yīng)的檢驗(yàn)，首先通過(guò)LM檢驗(yàn)來(lái)判別是否采用隨機(jī)效應(yīng)還是混合效應(yīng)，通過(guò)表4檢驗(yàn)結(jié)果中可以看出，LM檢驗(yàn)得出P值為0.000小于0.05，強(qiáng)烈拒絕原假設(shè)，說(shuō)明隨機(jī)效應(yīng)比混合模型更適合;其次通過(guò)F檢驗(yàn)來(lái)判別是采用固定效應(yīng)還是混合效應(yīng)，經(jīng)過(guò)檢驗(yàn)得出F值為26.29，對(duì)應(yīng)的P值為0.000小于0.05，說(shuō)明固定效應(yīng)比混合模型更適合;最后通過(guò)豪斯曼檢驗(yàn)來(lái)判斷是否固定效應(yīng)和隨機(jī)效應(yīng)，通過(guò)估算得出豪斯曼檢驗(yàn)卡方值為53.88對(duì)應(yīng)的P值為0.00小于0.05，說(shuō)明固定效應(yīng)比隨機(jī)效應(yīng)模型更適合，故本文采用固定效應(yīng)模型進(jìn)行分析。

5.5實(shí)證分析

由于利用面板數(shù)據(jù)進(jìn)行回歸分析 時(shí)，可能存在時(shí)間序列與截面相關(guān)以及異方差等問(wèn)題，同時(shí)也為了避免因遺漏變量而帶來(lái)的內(nèi)生性 偏誤，本文使用 Stata 15.0 軟件對(duì)上述數(shù)據(jù)進(jìn)行固定效應(yīng)模型分析，并采用 Driscoll-Kraay 標(biāo)準(zhǔn) 誤進(jìn)行估計(jì)，以規(guī)避使用常規(guī)面板數(shù)據(jù)估計(jì)方法時(shí)會(huì)低估標(biāo)準(zhǔn)誤差的問(wèn)題。

通過(guò)整理表5得出：PC回歸系數(shù)為0.0027在1%水平下顯著，分細(xì)項(xiàng)看，模型1.2中看出住宅價(jià)格回歸系數(shù)為0.0025在1%水平下顯著;PO回歸系數(shù)為0.0073在1%水平下顯著;說(shuō)明商品房的價(jià)格增長(zhǎng)顯著促進(jìn)了銀行的凈資產(chǎn)收益率的增長(zhǎng);控制變量中資產(chǎn)負(fù)債率和資本充足率、撥備覆蓋率的回歸都顯著為正數(shù)，說(shuō)明在采集銀行的樣本研究的期間內(nèi)，高杠桿和風(fēng)險(xiǎn)控制變量資本充足率、撥備覆蓋率都顯著促進(jìn)銀行的凈資產(chǎn)收益率增長(zhǎng)。貸款撥備率回歸系數(shù)為負(fù)且顯著，說(shuō)明該變量抑制了銀行的ROE的增長(zhǎng)。

通過(guò)整理表6得出：PC回歸系數(shù)為-2.67在1%水平下顯著，分細(xì)項(xiàng)看，模型1.2中看出住宅價(jià)格回歸系數(shù)為-2.37在1%水平下顯著;POP回歸系數(shù)為-0.507在5%水平下顯著;說(shuō)明商品房的價(jià)格增長(zhǎng)顯著降低了銀行的撥備覆蓋率增長(zhǎng)，抑制了不良貸款增長(zhǎng);控制變量資產(chǎn)負(fù)債率、貸款比例回歸系數(shù)為負(fù)且顯著，說(shuō)明該變量抑制了銀行的撥備覆蓋率的增長(zhǎng)。

六、結(jié)論

根據(jù)第四部份的對(duì)銀行經(jīng)營(yíng)分析，結(jié)合采集數(shù)據(jù)實(shí)證回歸分析可以看出說(shuō)明商品房的價(jià)格增長(zhǎng)顯著提升了銀行經(jīng)營(yíng)績(jī)效;同時(shí)高杠桿和風(fēng)險(xiǎn)控制變量資本充足率、撥備覆蓋率都顯著促進(jìn)銀行經(jīng)營(yíng)績(jī)效增長(zhǎng)，但同時(shí)商品房的價(jià)格抑制銀行的撥備覆蓋率、不良貸款增。因此，為使我國(guó)銀行經(jīng)營(yíng)達(dá)到健康運(yùn)轉(zhuǎn)的狀態(tài)，隨著房地產(chǎn)調(diào)控，房?jī)r(jià)增長(zhǎng)率會(huì)面臨停滯不前狀態(tài)，銀行經(jīng)營(yíng)能力在這一方面會(huì)存在抑制下降的銀行的風(fēng)險(xiǎn)抵抗能力也會(huì)顯著下降，銀行應(yīng)降低房地產(chǎn)類(lèi)別的貸款占比，調(diào)整信貸結(jié)構(gòu)，拓寬向?qū)嶓w經(jīng)濟(jì)項(xiàng)目提供融資占比。結(jié)構(gòu)性的調(diào)整，優(yōu)化商業(yè)銀行房地產(chǎn)貸款的結(jié)構(gòu)，大力支持房地產(chǎn)市場(chǎng)中的合理住房消費(fèi)，進(jìn)而使得商業(yè)銀行的穩(wěn)健經(jīng)營(yíng)能力得到提升;提升商業(yè)銀行信貸資產(chǎn)的流動(dòng)性，從而增加商業(yè)銀行的穩(wěn)健經(jīng)營(yíng)能力;加大對(duì)房地產(chǎn)貸款投放的審核與監(jiān)督力度進(jìn)而來(lái)規(guī)范房地產(chǎn)資金的投放，嚴(yán)禁違規(guī)對(duì)房地產(chǎn)行業(yè)投放貸款，進(jìn)而增加商業(yè)銀行穩(wěn)健經(jīng)營(yíng)的能力;對(duì)房地產(chǎn)貸款的貸前進(jìn)行嚴(yán)格地評(píng)估，建立針對(duì)房地產(chǎn)貸款項(xiàng)目的跟蹤監(jiān)督機(jī)制，監(jiān)督和規(guī)范房地產(chǎn)貸款的使用，加強(qiáng)房地產(chǎn)貸款的事前、事中和事后監(jiān)控以有效降低信貸風(fēng)險(xiǎn)，進(jìn)而增加商業(yè)銀行的穩(wěn)健經(jīng)營(yíng)能力。

參考文獻(xiàn)：

[1]易憲容.中國(guó)房地產(chǎn)市場(chǎng)過(guò)熱與風(fēng)險(xiǎn)預(yù)警[J].財(cái)經(jīng)經(jīng)濟(jì)，2005，（5）：14-21.

[2]聶晶.淺析房地產(chǎn)市場(chǎng)泡沫對(duì)銀行業(yè)的風(fēng)險(xiǎn)及銀行防范對(duì)策[J].金融與經(jīng)濟(jì)，2006，（2）：77-80.

[3]陳武瓊.外資流動(dòng)對(duì)中國(guó)房地產(chǎn)市場(chǎng)的影響—基于上海房地產(chǎn)市場(chǎng)的實(shí)證分析[D].寧波：寧波大學(xué)，2010.

[4]李德福.中國(guó)房地產(chǎn)企業(yè)房地產(chǎn)投資信托基金融資方式[D].天津：南開(kāi)大學(xué)，2005.

[5]鄒薇.基于 BSSI 指數(shù)的中國(guó)銀行體系穩(wěn)定性研究[J].經(jīng)濟(jì)理論與經(jīng)濟(jì)管理，2007，

（江西省社會(huì)科學(xué)院 ?江西 ?南昌 ?330077）