房價波動對銀行計提損失準備的時變傳導效應研究

黎東升,夏靜文

(浙江科技學院 經(jīng)濟與管理學院,杭州 310023)

自1998年中國啟動住房制度改革以來,房地產(chǎn)市場迅速發(fā)展,房地產(chǎn)價格一路攀升,甚至一度出現(xiàn)“非理性繁榮”現(xiàn)象,對金融體系的穩(wěn)定產(chǎn)生了較大的負面作用。為規(guī)范房地產(chǎn)金融業(yè)的發(fā)展,中國人民銀行在2018年初提出加強對房地產(chǎn)金融的宏觀審慎管理,以切實防范金融風險。司登奎等[1]的研究表明房價上漲會增加銀行系統(tǒng)性風險,從而對金融穩(wěn)定產(chǎn)生不利沖擊。石林梅等[2]認為一二線城市房價的急劇拉升與人口基數(shù)的迅速增長呈正相關。何鑫[3]的研究表明人口凈流入越多的城市,房價增長的幅度越高。況偉大[4]的研究表明利好性的理性預期會刺激投機行為使得房價波動幅度增大。而王云清等[5]認為貨幣政策是影響中國房價波動的主要因素。唐志軍等[6]認為房價變動會通過影響GDP和通貨膨脹率,間接影響到商業(yè)銀行的經(jīng)營狀況。陳志英等[7]的研究表明房價和信貸波動及聯(lián)合波動會對商業(yè)銀行經(jīng)營穩(wěn)定造成影響。Gorton等[8]認為信貸行業(yè)的發(fā)展與房地產(chǎn)行業(yè)的繁榮聯(lián)系緊密。Collyns等[9]的研究表明房價增長與銀行信貸擴張之間存在雙向引導關系。Beaty等[10]認為商業(yè)銀行計提的貸款損失準備不僅是對貸款損失的估計,同時也反映了銀行與貸款方的信息不對稱程度。孫天琦等[11]認為貸款損失準備的計提比例與抵御風險的能力成正比。戴德明等[12]認為在穩(wěn)定的條件下,貸款損失準備計提越多,商業(yè)銀行抵抗下一階段的個體風險和外溢風險能力越強。申宇等[13]的研究表明在經(jīng)濟政策不確定性較高時,商業(yè)銀行增加貸款損失準備計提,有助于穩(wěn)定銀行收益、降低銀行破產(chǎn)風險。祝繼高等[14]發(fā)現(xiàn)由大型審計事務所審計的城市商業(yè)銀行的貸款損失準備會計提更高。尤博揚[15]的研究表明在經(jīng)濟波動影響下,房地產(chǎn)業(yè)通過銀行信貸渠道傳導至銀行業(yè)的信貸風險逐漸增加,商業(yè)銀行可以通過改變計提風險準備策略覆蓋該類風險。在房價波動對商業(yè)銀行經(jīng)營的影響中,現(xiàn)有文獻分析了房價變動對銀行信貸的影響,但主要研究房地產(chǎn)價格波動與信貸規(guī)模的聯(lián)系。而對于作為商業(yè)銀行管控金融風險手段的貸款損失準備,現(xiàn)有文獻多從其作為風險管理的手段出發(fā),研究貸款損失準備應對銀行信貸和金融風險的能力。通過梳理文獻發(fā)現(xiàn),對房價波動與商業(yè)銀行貸款計提準備的動態(tài)聯(lián)動機制的研究尚不多,因此,筆者借助隨機波動時變參數(shù)向量自回歸(random fluctuation time-varying parameter vector autoregression,TVP-VARS-SV)模型,研究房價波動對商業(yè)銀行計提貸款損失準備的時變傳導特性,進一步提出在中國特有經(jīng)濟運行環(huán)境下,針對房價波動的優(yōu)化商業(yè)銀行管控風險模式。

1 機制分析

1.1 房價波動與商業(yè)銀行經(jīng)營穩(wěn)定性的互動分析

房地產(chǎn)行業(yè)是典型的周期長、資金集聚的產(chǎn)業(yè),充裕的資金鏈條是整個產(chǎn)業(yè)得以順利運轉(zhuǎn)的必要條件。在目前以銀行為主要融資方式的背景下,房地產(chǎn)行業(yè)與銀行業(yè)的經(jīng)營模式之間已然存在一定的互動性。從前期開發(fā)商的開發(fā)投資到后期購房者購房需求的實現(xiàn)都需要商業(yè)銀行的信貸支持。對金融業(yè)務多元化的商業(yè)銀行而言,由房地產(chǎn)行業(yè)發(fā)展所引發(fā)的貸款需求占其經(jīng)營業(yè)務的主要部分。商業(yè)銀行能否穩(wěn)健持續(xù)地經(jīng)營較大程度上取決于房地產(chǎn)行業(yè)能否保持健康長足的發(fā)展。從可量化視角切入,已有的研究主要集中在房地產(chǎn)價格波動對商業(yè)銀行經(jīng)營穩(wěn)定的影響上。一般認為,從銀行風險管理的角度出發(fā),房價上升在短期內(nèi)可以增加抵押物價值進而降低銀行發(fā)生系統(tǒng)性風險的可能性;但是從中長期來看,一方面房價持續(xù)上漲會吸引熱錢的流入造成非理性繁榮,另一方面銀行為擴大盈利空間會降低貸款標準。然而,當基本面發(fā)生轉(zhuǎn)變,房價難以進一步上升開始回落時,銀行將是房地產(chǎn)行業(yè)風險的主要承擔者。房價一旦跌到銀行難以承受的區(qū)域,銀行經(jīng)營穩(wěn)定性就會受到挑戰(zhàn)。

1.2 房價波動與商業(yè)銀行計提貸款損失準備的關聯(lián)性

貸款損失準備作為銀行業(yè)應對信貸及金融風險的主要方式,自建立以來就在風險防控上起著重要作用。一方面,它緩沖了銀行信貸資產(chǎn)的風險;另一方面,它在商業(yè)銀行經(jīng)營的風險預警機制中發(fā)揮重要作用。祝繼高等[16]通過對房價波動與商業(yè)銀行計提貸款損失準備關聯(lián)性的研究后得出,房價波動幅度加大會刺激城市商業(yè)銀行計提更多的貸款損失準備。換言之,房價的利差波動與商業(yè)銀行計提的貸款損失準備成正相關。對此,有部分研究側重于房價波動作用于商業(yè)銀行計提貸款損失準備的傳導途徑。馬洋[17]通過對2007—2016年商業(yè)銀行貸款損失準備和各類型房地產(chǎn)價格波動的數(shù)據(jù)進行面板回歸,發(fā)現(xiàn)房價上漲時能夠降低貸款損失準備的計提比例,而房價下跌時會通過投資效應和財富效應直接影響到房地產(chǎn)市場的直接參與者,最終會通過抵押品價值、資產(chǎn)負債表及資本充足率三個渠道對商業(yè)銀行的信貸規(guī)模產(chǎn)生影響,進而影響到貸款損失準備的計提。銀行對貸款損失準備計提的自主性較高,因而目前關于貸款損失準備的研究主要集中在其內(nèi)部影響因素上,并且現(xiàn)有的關于房價變動與商業(yè)銀行互動關系的研究,大多停留在房價變動對銀行信貸規(guī)模的影響上,而將房價變動作為外部影響因素影響貸款損失準備的相關研究較少。因此本研究可視為對銀行貸款損失準備研究的一種補充。

2 實證分析

2.1 研究變量選擇

本研究旨在研究房價波動與商業(yè)銀行計提貸款損失準備之間的時變聯(lián)系,考慮到貨幣政策對商業(yè)銀行信貸行為和房地產(chǎn)行業(yè)發(fā)展的信息指導作用,筆者會增加一個合適的政策變量。同時,研究期間設定為2012年第一季度到2018年第四季度。本文所涉及的變量如下:1)國房景氣指數(shù)。房價波動屬于較為宏觀的經(jīng)濟現(xiàn)象,且具有隨機性,為擬合這種特征,本文借鑒邵方等[18]描述房地產(chǎn)行業(yè)變動的指標,將國房景氣指數(shù)作為房價波動的代理變量,用INHC表示。2)貸款損失準備。被解釋變量,用PII表示。3)貨幣供應量。參考陳旭東等[19]在研究貨幣政策與貸款損失準備中的做法,又鑒于所研究主體是銀行業(yè),與之相關的貨幣政策變量主要有利率指標、貨幣供應指標(如M1、M2)?？紤]到數(shù)據(jù)收集的可行性,筆者選取廣義貨幣量作為貨幣政策的代理變量,用M2表示。

2.2 數(shù)據(jù)檢驗

2.2.1 單位根檢驗

在對數(shù)據(jù)進行協(xié)整檢驗之前需要對數(shù)據(jù)進行平穩(wěn)性檢驗,只有兩個時間序列數(shù)據(jù)呈現(xiàn)同階單整時才能呈現(xiàn)協(xié)整關系,而檢驗一個序列是否平穩(wěn),可以對其進行單位根檢驗,筆者運用ADF方法(Augmented Dickey-Fuller test)對變量進行檢驗,結果見表1。由表1可知,貸款損失準備、廣義貨幣供應量、國房景氣指數(shù)均在1%的顯著水平下滿足一階單整。

表1 時序變量單位根檢驗結果

2.2.2 協(xié)整檢驗

表2 變量組協(xié)整關系檢驗結果

如果若干時間序列同階單整,則它們之間的某種線性組合可能存在長期均衡關系。如表1的結果所示,三個序列均屬于一階單整序列,滿足協(xié)整檢驗的前提。筆者使用EG(Engle-Granger)兩步法來判斷PII與INHC和M2的協(xié)整性,結果見表2。由表2可知,殘差序列平穩(wěn)即表明PII與INHC和M2存在長期均衡關系。

2.2.3 格蘭杰因果關系檢驗

協(xié)整結果證明貸款損失準備與廣義貨幣量和國房景氣指數(shù)之間存在長期穩(wěn)定的均衡,但是否構成因果關系還需進一步檢驗。通過不同滯后期數(shù)的格蘭杰因果關系檢驗,發(fā)現(xiàn)滯后期數(shù)為2時,一階差分的廣義貨幣供應量可以看作是一階差分的貸款損失準備的單向格蘭杰原因,檢驗結果見表3。但是變量間的因果關系并沒有隨著滯后期數(shù)的增加而表現(xiàn)得更明顯,可見,廣義貨幣供應量變化在一定程度上通過特殊的傳導路徑影響了貸款損失準備,這與理論分析相一致,同時這種影響存在適度的滯后期。一般而言,貨幣政策的傳導具有滯后性,即從貨幣政策的實施到影響到銀行業(yè)的信貸行為及經(jīng)營管理方式存在一定的時間跨度。同時檢驗結果也表明房價波動和貸款損失準備之間不能建立良好的格蘭杰因果關系。筆者認為檢驗結果不顯著的原因主要如下:首先,實證過程中可能存在統(tǒng)計技術上的問題,如變量的選取、檢驗方法的運用等;其次,從理論上而論,格蘭杰因果檢驗并不是嚴格意義上變量之間的邏輯因果關系,而只是提供變量間先后發(fā)生順序的預判;再者,也有現(xiàn)實方面的因素,與一般產(chǎn)業(yè)相比,房地產(chǎn)行業(yè)與信貸市場的關系更復雜,交織的利益鏈條更隱秘,房價波動對貸款損失準備的傳導路徑表現(xiàn)為隱性化,因而較難通過檢驗有效地捕捉到相關變量之間顯著的格蘭杰因果聯(lián)系。換言之,盡管檢驗結果表明房價變化不是貸款損失準備的格蘭杰原因,但是房價波動可能通過其他方式或渠道影響貸款損失準備。

表3 滯后期數(shù)為2時的格蘭杰因果關系檢驗結果

2.3 模型設計

Chan等[20]認為TVP-VARS-SV模型具有協(xié)方差和回歸系數(shù)雙時變特性,同時與一般的向量自回歸(vector autoregression,VAR)模型相比,在估計精度與演算效率上具有明顯的優(yōu)勢,同時更能準確刻畫兩者間影響機制的時變特性,因此選定該模型進行研究。

假設變量個數(shù)為n,而滯后期為p,那么TVP-VARS-SV模型如下:

B0tyt=μt+B1tyt -1+…+Bp tyt -p+εt,εt～N(0,Σt)。

(1)

式(1)中:yt為自變量組成的n×1維向量;μt為n×1維時變截距向量;B1t,…,Bp t為n×n時變系數(shù)矩陣,B0t與隨機波動Σt=diag(exp(h1t),…,exp(hn t))分別為n×n的下三角矩陣與n×n的時變誤差協(xié)方差矩陣,對數(shù)波動率ht=(h1t,…,hn t)′服從隨機游走。

為實現(xiàn)式(1)的參數(shù)估計,參考半相依回歸方法將式(1)改寫為

(2)

基于以上假設,為提高采樣效率,參考Eisenstat等[21]的做法,聯(lián)合βt和γt進一步改寫式(2)為

yt=xtθt+εt,εt～N(0,Σt)。

(3)

θt=θt-1+ηt,ηt～N(0,Σθ)。

(4)

2.4 實證結果分析

2.4.1 TVP-VARS-SV實證結果分析

本研究借助MATLAB軟件,采用馬爾科夫鏈蒙特卡羅算法(Markov Chain Monte Carlo algorithm,MCMC)進行100 000次模擬,實證結果表明樣本的取值方法產(chǎn)生了非相關樣本。從各個待估計參數(shù)方差的Geweke收斂值可以判斷收斂于后驗分布的零假設不能被拒絕,高斯分布10%的臨界值是1.65,而表4中的檢驗值顯著低于該水平。無效因子是衡量模擬所得樣本有效性的指標,其數(shù)值越小,抽樣效果越好。模型中無效因子最大值為198.73,即已進行的100 000次有效模擬相當于至少有100 000/198.73≈503個不相關數(shù)據(jù),以上結果足以準確推斷后驗分布。綜合考慮,利用MCMC算法進行估計是有效的。

表4 樣本參數(shù)方差估計結果

2.4.2 時變脈沖響應分析

TVP-VARS-SV模型與常系數(shù)VAR模型下二維脈沖響應不同,可以運用時變參數(shù)計算各變量在滯后3期、滯后6期和滯后12期上的脈沖響應,如圖1所示。

圖1 變量滯后3期、6期和12期的動態(tài)脈沖響應

如圖1(a)所示,廣義貨幣供應對房價波動的沖擊在2014年以前表現(xiàn)為負影響,2014年以后,不同滯后期房價波動對廣義貨幣供應呈正響應。寬松的貨幣政策刺激銀行放貸,提高了市場流動性,同時也為房地產(chǎn)行業(yè)的發(fā)展注入資金活力,與之相應的是房價在接收到貨幣政策利好的信號下微幅上漲。短期、中期與長期的房價波動在期初受到廣義貨幣供應沖擊,脈沖響應表現(xiàn)得顯著不同。在樣本區(qū)間內(nèi),滯后3期和滯后6期的房價波動在受到廣義貨幣供給沖擊之后,在短期內(nèi)由負響應轉(zhuǎn)為正響應。中短期表現(xiàn)為負影響的可能因素是貨幣政策的傳導具有時滯性,政策從出臺到落實需要一定的空間與時間。一旦房地產(chǎn)行業(yè)充分接收到政府發(fā)出的積極信號就會迅速作出調(diào)整,具體表現(xiàn)為房價有所上漲。

如圖1(b)所示,房價波動對貸款損失準備的影響均為負影響,但長期和短期影響的顯著水平不同。其中長期影響較為顯著。在經(jīng)濟大環(huán)境較為穩(wěn)定且朝著積極健康方向調(diào)整的情況下,房價上漲,銀行所擁有的抵押物價值相應上升,即表現(xiàn)為信貸資產(chǎn)良好,銀行將其視為調(diào)控經(jīng)營模式的信號,進一步采取積極的管理舉措,在風險可控的范圍內(nèi)適量減少計提貸款損失準備以期增加利潤。但在2015年,滯后12期的脈沖響應曲線觸底反彈,結合《中國房地產(chǎn)統(tǒng)計年鑒》可知,2015年是新的一輪房價上漲元年,銀行業(yè)作為風險敏感性行業(yè)對明顯的變動會提高警惕并采取防范措施以規(guī)避風險,前幾年逐年調(diào)低的貸款損失準備開始理性回升,并且這種趨勢具有持續(xù)性。滯后3期的貸款損失準備對房價上漲沖擊的響應一開始處于較低位,但逐年緩慢爬升,繁榮的房產(chǎn)市場吸引眾多投資者,銀行大量的信貸資金流入房地產(chǎn)行業(yè),與之相應的,房地產(chǎn)市場的發(fā)展在一定程度上刺激了信貸市場的繁榮,銀行業(yè)作為信貸市場的主體積極地應對這種變化。同時,由于銀行業(yè)天生的金融脆弱性使得其在面對繁榮景象時必須要強化風險意識、規(guī)范風險管控手段,因此,隨著房價上漲相應的貸款損失準備也呈逐年增加的趨勢。如圖1(c)所示,貸款損失準備對廣義貨幣供給的沖擊響應均為正影響且不同滯后期反應相似。寬松的貨幣供給釋放了市場流動性,銀行業(yè)作為資金周轉(zhuǎn)的主要渠道為避免流動性風險相應的就會提高貸款損失準備。

3 建 議

房地產(chǎn)業(yè)曾是中國的支柱產(chǎn)業(yè),銀行業(yè)又是金融系統(tǒng)的中心,兩者變化態(tài)勢在經(jīng)濟層面上影響著國民經(jīng)濟持續(xù)、健康發(fā)展?；谝陨蠈嵶C檢驗的結果,筆者認為貨幣政策在長期和短期對房價和貸款損失準備都有顯著影響,房價與貸款損失準備相互影響,中長期比短期影響程度更大,要維護房價穩(wěn)定與銀行業(yè)健康發(fā)展需要從多方面著手。

3.1 對銀行業(yè)的建議

首先,商業(yè)銀行應積極開拓新型業(yè)務,發(fā)展多元化業(yè)務模式,減少對房貸業(yè)務的依賴,將經(jīng)營風險分散,降低銀行承擔風險的概率。其次,考慮到房地產(chǎn)行業(yè)對銀行業(yè)經(jīng)營發(fā)展的重要性,銀行的風險控制部門可針對房價變動與貸款損失準備聯(lián)動機制設計一套專業(yè)化的風險監(jiān)測系統(tǒng),以達到特定業(yè)務下的風險可控范圍內(nèi)收益最大化目標。再者,銀行業(yè)可以借助金融市場上多元化的金融工具去規(guī)避風險,具體措施如實施信貸資產(chǎn)證券化等。

3.2 對政府的建議

首先,貨幣政策作為中國重要的宏觀調(diào)控手段,其對房價和貸款損失準備都有顯著影響,因此,政府需要強化貨幣政策調(diào)控作用。同時,政府要考慮貨幣政策影響下的貸款損失準備可能對未來房價波動方向和變動程度帶來的影響,在制定貨幣政策時要根據(jù)可能對房地產(chǎn)市場產(chǎn)生的沖擊適當調(diào)整政策力度。其次,政策制定者應考慮到貨幣政策可能存在的時滯效應,把握好調(diào)控時機。最后,政府不僅是宏觀調(diào)控的主體也是市場的監(jiān)管者,應充分發(fā)揮其第三方監(jiān)管職能,給那些因利益而違規(guī)的當事者適時警告,責令其及時改正以避免災難性后果的發(fā)生。

4 結 語

隨著政府對房地產(chǎn)行業(yè)監(jiān)管力度的加強,房價出現(xiàn)一定幅度波動的概率增大,因此,為維護銀行業(yè)的金融穩(wěn)定而完善風險預警機制就顯得很重要。筆者從動態(tài)化視角出發(fā),借助時變動態(tài)模型研究房價波動對銀行計提貸款損失準備的影響,這對從量化動態(tài)方向去改進商業(yè)銀行風險防范機制具有現(xiàn)實意義。對于未來研究,研究者應側重于對房價異常波動信息的抓取,從及對商業(yè)銀行計提貸款損失準備動態(tài)時變模型的構建,從更精準的角度進行商業(yè)銀行風險管控,進而在房價發(fā)生較大變動時能在較大程度上規(guī)避風險。