房價和匯率雙重沖擊對銀行系統(tǒng)性風險的動態(tài)影響研究

◎付趙彤 王重潤

引言

房價和匯率是兩個重要的資產(chǎn)價格，對金融穩(wěn)定有重要影響。就房價而言，2003年以來，總體上呈現(xiàn)上漲態(tài)勢，僅就近十年看，全國平均房價從2011年的9445元/平米上漲到2020年11月的15755元/平米，累計漲幅66.8%，房價漲幅呈現(xiàn)出周期性波動。2016年以后，在“房住不炒”的政策定位下，房地產(chǎn)調(diào)控方式和力度發(fā)生變化，住宅價格同比增速開始呈現(xiàn)下降趨勢。2017年底中美貿(mào)易沖突爆發(fā)后，在國內(nèi)經(jīng)濟刺激等多種因素作用下，房價增速下降趨勢有所減緩，在2020年初疫情爆發(fā)后，房價漲幅出現(xiàn)短暫快速下跌，從3.39%降至2020年5月份的2.99%，北京、天津等一線城市住房價格同比增速甚至為負，從二季度開始房價增幅開始趨穩(wěn)并有小幅回升，11月份達到4.3%。

在匯率方面，2005年7月第一次匯改以來，人民幣匯率一直處于上升趨勢，直到2015年7月第二次匯改以后，人民幣匯率開始進入震蕩下行階段，2017年底爆發(fā)的貿(mào)易沖突加強了貶值預期，月平均匯率從2018年4月份的6.29元/美元下降至2020年5月的7.09元/美元，貶值幅度12.7%，跌至近12年來的低位。進入2020年下半年，隨著國內(nèi)疫情形勢好轉(zhuǎn)和經(jīng)濟恢復，人民幣匯率開始回升，11月份達到6.60元/美元，大致回歸到貿(mào)易沖突爆發(fā)前的水平。與匯率變化相聯(lián)系的是國際資本流動。如果以國際收支誤差與遺漏項表示投資性國際資本流動，那么自2013年以來資本呈現(xiàn)凈流出態(tài)勢，而且規(guī)模有逐漸擴大趨勢，不過在貿(mào)易爭端最激烈的2018年資本凈流出規(guī)模反而縮小，2019年資本流出規(guī)模繼續(xù)擴大，達到2573億美元。2020年前三季度凈流出合計949億美元。

WIND數(shù)據(jù)顯示，2013年以來銀行不良貸款率和不良貸款余額雙雙快速上升，貸款風險增大。2016年3月到2018年3月期間不良貸款率在1.75%左右徘徊，貿(mào)易摩擦加劇后又出現(xiàn)一波小幅上升。目前不良貸款率在1.96%，而不良貸款余額一直在增長，特別是2020年初疫情發(fā)生后出現(xiàn)一個小幅躍升，到2020年9月為28350億元，是2011年的6.54倍。

觀察圖1發(fā)現(xiàn)，房價、匯率以及不良貸款率之間存在某種聯(lián)系。較為明顯的是，從2014年5月到2018年2月，不良率與房價、匯率呈現(xiàn)相同變化趨勢；在此后，匯率與不良率都呈現(xiàn)出波動變化，而房價漲幅的下降趨勢也有所減緩。房價與匯率是重要的資產(chǎn)價格，而且易于波動，并且企業(yè)、家庭都會投資房地產(chǎn)和美元等貨幣資產(chǎn)，所以房價與匯率變化對銀行系統(tǒng)性風險是否有影響值得研究。由于面臨貿(mào)易摩擦和疫情的不確定性，房價和匯率波動可能會更大，所以研究房價與匯率波動對銀行系統(tǒng)性風險的影響，有助于監(jiān)管部門把握金融風險演變趨勢，采取預防性措施。

從相關(guān)文獻來看，房價和匯率被眾多國內(nèi)外學者認為是誘發(fā)金融風險的重要原因。例如，Goodhart等（2010）認為，房價下跌導致銀行的壞賬率迅速上升引發(fā)房地產(chǎn)市場危機，進而逐步破壞宏觀金融系統(tǒng)的穩(wěn)定。Huiran Pan等（2013）通過分析美國1995～2010年的樣本數(shù)據(jù)計算房價偏差模型發(fā)現(xiàn)，以4.85%為閾值，當收入增長低于門限值時，房價偏差會加重銀行的不良貸款率，且當經(jīng)濟出現(xiàn)衰退時，通過收入效應的影響，會加重房地產(chǎn)市場對銀行的負面影響。況偉大（2014）利用商業(yè)銀行2004～2009年的數(shù)據(jù)進行實證分析，發(fā)現(xiàn)房價上漲會降低違約概率，房價下降將導致違約概率提高。對于房價波動影響金融風險的方式，沈悅（2016）認為在房價上漲沖擊下銀行系統(tǒng)性風險在短期內(nèi)處于潛伏階段，長期則通過融資成本、資金價格渠道傳導風險。而房價下跌沖擊下，系統(tǒng)性風險會通過影響融資成本迅速傳導蔓延。荊中博等（2019）得到了與沈悅（2016）類似的結(jié)論，他們發(fā)現(xiàn)，當多個房地產(chǎn)市場出現(xiàn)房價同步上漲的情況時預示著系統(tǒng)性風險的不斷累積，而系統(tǒng)性風險又與政策調(diào)控的力度反方向變動。

匯率波動通過影響銀行或企業(yè)的貨幣資產(chǎn)配置以及短期資本流動對金融風險產(chǎn)生影響。例如，Krugman（1999）認為當企業(yè)的資產(chǎn)或者負債項目出現(xiàn)貨幣錯配的情況時，匯率的波動會引發(fā)企業(yè)的凈值波動，從而引發(fā)風險。Fairl（2012）通過對2008年金融危機研究發(fā)現(xiàn)，當一個國家發(fā)生了貨幣錯配，并且本幣出現(xiàn)了貶值，二者在相互作用下直接致使私人部門的凈值下降，資產(chǎn)負債比會大幅升高，企業(yè)償債能力不足，違約行為發(fā)生概率提高，這種連鎖反應加劇了銀行系統(tǒng)的脆弱性。國內(nèi)學者也有類似的發(fā)現(xiàn)。例如，金祥義、張文菲（2019）對2011-2016年商業(yè)銀行的資產(chǎn)負債表進行研究，發(fā)現(xiàn)商業(yè)銀行普遍存在貨幣錯配的現(xiàn)象，當匯率發(fā)生較大波動時，這種本幣與外匯之間的錯配現(xiàn)象持續(xù)加劇，增加潛在的系統(tǒng)性風險。尹航（2018）則對貨幣錯配程度進行了測度，認為貨幣錯配具有非對稱性的特點，對商業(yè)銀行沖擊較大。李婧、吳遠遠（2017）通過建構(gòu)VAR模型發(fā)現(xiàn)，匯率因素較之于利率差異和股市收益對于短期跨境資本流動影響更大，且當人民幣匯率預期貶值時，跨境資金流通速度加快。

通過文獻梳理發(fā)現(xiàn)，無論房價還是匯率波動都會對銀行風險構(gòu)成沖擊，然而二者的聯(lián)合作用需要進一步研究，因為匯率與房價之間存在雙向影響關(guān)系（郭銳欣、朱懷任，2018），當二者共同發(fā)生變化的時候，對銀行系統(tǒng)性風險帶來什么影響呢？承襲現(xiàn)有文獻，本文構(gòu)建SVAR模型研究房價與匯率結(jié)構(gòu)性沖擊對銀行系統(tǒng)性風險帶來的影響，并通過構(gòu)造交互項分析房價與匯率同時波動的沖擊效果，為防范系統(tǒng)性金融風險提供政策參考。

房價與匯率沖擊對銀行系統(tǒng)性風險影響機理

房價對銀行系統(tǒng)性風險的沖擊傳導機制可以從兩個方面解釋。一是債務通縮渠道。當房價出現(xiàn)下跌時，家庭和企業(yè)用于貸款的抵押品減值，借款方的違約成本也就隨之下降，違約風險上升。迫于償還債務的壓力，借款人選擇拋售房產(chǎn)。房地產(chǎn)市場上供給增加，導致房價進一步下降，加重尚未償還債務的抵押借款人的還款壓力。呂江林（2015）證實，當房地產(chǎn)價格持續(xù)下降，幅度超過40%時，有可能誘發(fā)大面積商業(yè)銀行倒閉，形成大規(guī)模的金融危機。2008年爆發(fā)的美國次貸危機就是一個很好的例證。

二是代理成本渠道。由于信貸市場存在信息不對稱，外部融資代理成本要高于內(nèi)部融資，而代理成本與企業(yè)資產(chǎn)凈值負相關(guān)意味著企業(yè)資產(chǎn)負債表狀況對銀行貸款具有重要影響。而房地產(chǎn)作為企業(yè)的重要資產(chǎn)，其價值波動無疑會對資產(chǎn)負債表狀況產(chǎn)生影響，進而對融資產(chǎn)生影響。當房地產(chǎn)市場呈現(xiàn)繁榮狀態(tài)時，企業(yè)凈資產(chǎn)增長，外部融資成本較低，企業(yè)更加偏向于外部融資，導致銀行資產(chǎn)負債表規(guī)模膨脹，企業(yè)杠桿率上升。當房價出現(xiàn)下降時，抵押品價值縮水，代理成本上升，銀行業(yè)面臨流動性風險，從而削減房地產(chǎn)的信貸規(guī)模，使得企業(yè)融資成本提高。面對上升的融資成本，企業(yè)的現(xiàn)金流壓力增大，企業(yè)違約風險升高。金融加速器作用在房價與信貸之間形成正反饋。房價上漲增強了銀行與借款人雙重道德風險，由于代理成本的下降，銀行貸款政策更加激進，而借款人則增加負債率，加持投機性資產(chǎn)如房地產(chǎn)（王重潤等，2019），這導致銀行資產(chǎn)質(zhì)量下降，對資本充足率形成壓力，銀行風險不斷累積。

匯率波動對系統(tǒng)性風險的沖擊主要有三條途徑：一是貨幣錯配渠道。由于商業(yè)銀行資產(chǎn)以本幣計價，外匯負債以外匯計價，當人民幣發(fā)生貶值時，導致商業(yè)銀行國外債務價值增加，本幣資產(chǎn)發(fā)生減值，銀行的資產(chǎn)負債表兩側(cè)失衡，負債的增加和資產(chǎn)的減少致使銀行凈權(quán)益的下降，可能會誘發(fā)風險。二是資產(chǎn)價格渠道。匯率對跨境資本流動的影響顯著，貨幣貶值預期引起資本外流，導致股價下跌，對資本市場造成沖擊（許從寶等，2020；張蕾，2020）。三是通脹渠道。匯率波動帶來資本外流，引起本國貨幣供給增加，使得實際利率下降，刺激長期投資，推動PPI上漲并導致物價上漲（楊小軍，2020），最終導致企業(yè)成本增長、利潤下降，財務風險增大。

在匯率與房價雙重沖擊下，個體銀行風險會通過金融市場網(wǎng)絡形成擴散傳染，引起市場對流動性不良預期，為滿足流動性要求，銀行不得不折價出售資產(chǎn)，從而誘發(fā)銀行業(yè)系統(tǒng)性風險。綜上，房價、匯率與銀行系統(tǒng)性風險之間的內(nèi)在聯(lián)系如圖2描述。

房價與匯率波動對系統(tǒng)性風險沖擊的SVAR實證分析

（一）數(shù)據(jù)說明

本文樣本區(qū)間選為2011年1月至2020年10月的月度數(shù)據(jù)，并對相關(guān)數(shù)據(jù)進行季節(jié)調(diào)整。之所以選擇從2011年開始，是因為國家統(tǒng)計局在2011年2月16發(fā)布了新版《住宅銷售價格統(tǒng)計調(diào)查方案》，房價統(tǒng)計口徑發(fā)生了變化。銀行的數(shù)據(jù)來自于2011年前上市的16家商業(yè)銀行，包括中國銀行、農(nóng)業(yè)銀行、工商銀行、建設銀行和交通銀行等國有商業(yè)銀行，興業(yè)、華夏、平安、招商、民生、光大和中信銀行等全國性股份制商業(yè)銀行，以及北京銀行、寧波銀行和南京銀行等城市商業(yè)銀行。

（二）變量定義

核心解釋變量為房價波動（HP）和匯率波動（ER），分別采用經(jīng)過季節(jié)調(diào)整后的百城平均房價同比增速和美元兌人民幣匯率波動幅度。

被解釋變量是銀行系統(tǒng)風險（RISK），借鑒Adrian（2016）提出的測度銀行間的CoVaR來表示銀行業(yè)系統(tǒng)性風險的方法。利用極端分位數(shù)回歸方法測度個體銀行對銀行業(yè)的CoVaR來代表系統(tǒng)性風險（RISK）。計算方法如下：

運用t時期內(nèi)銀行j的月度收益率Rtj對銀行i的月度收益率進行分位數(shù)回歸，估計出參數(shù)和，得到:

表1：各個變量描述性統(tǒng)計結(jié)果

其中，銀行i收益率計算公式為：

Pt和Pt-1分別表示該銀行在t和t-1期的收盤價格。銀行系統(tǒng)的收益率由每一期16家商業(yè)銀行的收益率加權(quán)求和得到，其中權(quán)重為各個銀行同期的A股流通市值占樣本銀行當期流通市值的比重。

根據(jù)系統(tǒng)性風險CovaRqj/i定義得到：

上述各變量的描述性統(tǒng)計結(jié)果如下（見表1）：

本文選取自2011年1月到2020年10月期間房價匯率的波動和16家上市銀行的系統(tǒng)性風險的月度數(shù)據(jù)，共354個樣本數(shù)據(jù)，根據(jù)表1，三種變量的峰度都接近于3，且在95%的置信度下均拒絕不滿足正態(tài)分布的原假設，整體近似于正態(tài)分布。符合構(gòu)建SVAR模型對樣本數(shù)據(jù)概率分布的要求。

（三）SVAR模型構(gòu)建與識別

為檢驗房價及匯率波動及其相互作用對銀行系統(tǒng)性風險的沖擊效果，本文選擇使用結(jié)構(gòu)向量自回歸模型SVAR。較之于向量自回歸模型VAR，SVAR在方程右側(cè)加入了同期變量，且根據(jù)變量之間的相互作用關(guān)系，增加了結(jié)構(gòu)信息，同時可以表示內(nèi)生變量房價和匯率之間的相互作用，并且解決了VAR模型中只能通過已有經(jīng)驗識別的弊端，可以充分發(fā)掘各個變量間同期或滯后期的動態(tài)關(guān)系。

SVAR(p)模型為包含k個內(nèi)生變量的p階結(jié)構(gòu)向量自回歸模型，模型表達式如下：

yt為3×1維向量，包括銀行系統(tǒng)性風險（RISK）、房價波動（HP）及匯率波動（ER）三個內(nèi)生變量。B0表示變量間當期相互作用，At表示不同滯后期變量間相互作用，t表示當期數(shù)據(jù)，p表示滯后期數(shù)。i，j=1，2，3。ut表示允許同期相關(guān)的簡化式擾動項，包括utRISK、utHP及utER代表三種內(nèi)生變量的沖擊，這三種沖擊為互不相關(guān)的白噪聲序列。

假設B0為可逆矩陣，便可將SVAR模型轉(zhuǎn)化為VAR模型：

為識別結(jié)構(gòu)式擾動項ut涵蓋的3種沖擊，施加短期約束條件來識別基本方程。房價波動對銀行系統(tǒng)性風險傳導需要有一定時間且傳導渠道較長（沈悅等，2015），當期房價變化并不會對系統(tǒng)性風險造成顯著影響，設定b12=0。匯率貶值會刺激出口，但也會造成物價上漲壓力，企業(yè)可以通過成本加成率的調(diào)整吸收一部分短期內(nèi)匯率波動的風險，所以在當期內(nèi)匯率波動傳遞效應影響較小（韓劍等，2017），設定b13=b31=0。因為商業(yè)銀行系統(tǒng)性風險有多種誘發(fā)因素，并且風險傳導渠道較為復雜（方意，2016），當期系統(tǒng)性風險并不會立即反作用給匯率，而且單一因素很難對匯率波動造成較為明顯的影響（沈悅等，2014），設定b32=0。另外，房價變動具有粘性，房價受到外界影響后并不會立即在當期做出反應（郭娜等，2019），設定b21=b23=0。

綜上，基于Cholesky分解的思路和相關(guān)經(jīng)濟理論，本文短期約束矩陣B0設定如下：

在構(gòu)建VAR模型前本文使用eviews9.0對原序列RISK、HP、ER和一階差分dRISK、dHP、dER進行ADF檢驗，結(jié)果如下（見表2）。

從表2結(jié)果來看，在1%的顯著水平條件下，三個變量的原序列都是不平穩(wěn)的，經(jīng)過一階差分后平穩(wěn)，因此使用三個變量一階差分后的序列建立SVAR模型。檢驗發(fā)現(xiàn)，AIC、FPE推薦的最優(yōu)滯后階數(shù)為2階，SC和HQ推薦為1階。本文選擇2階滯后，建立SVAR（2）。進而對其單位根進行穩(wěn)健性檢驗，結(jié)果如圖3所示，所有單位根模的倒數(shù)均落在單位圓內(nèi)部，故該模型是穩(wěn)定的。

（四）脈沖響應分析與方差分解

接下來對該模型進行脈沖響應分析，分析在不同的滯后期，某個內(nèi)生變量一個正向結(jié)構(gòu)性標準差的沖擊給其他變量所帶來的影響（見圖4）。圖4顯示，在本期給房價波動一個正向沖擊，銀行系統(tǒng)性風險在第1期到第10期均為負向脈沖響應，在第三期達到極值-0.07，然后開始逐步遞減，直至趨近于0?？梢酝茢喈敺績r增速在短期內(nèi)下降時，銀行業(yè)系統(tǒng)性風險指數(shù)增加。

在短期給匯率波動一個正向沖擊，在0～2.5期內(nèi)銀行系統(tǒng)性風險做出負向脈沖響應在2期達到極值-0.03；在第2.5期后銀行業(yè)系統(tǒng)性風險表現(xiàn)為正向脈沖響應，在第3期達到最大值0.04，并在之后逐步遞減，最終趨于0。匯率上升在短期內(nèi)會刺激對外貿(mào)易增加出口，在一定程度上減小了銀行業(yè)系統(tǒng)性風險，但是從長期看人民幣貶值預期下產(chǎn)生的跨境資本流動會導致銀行業(yè)系統(tǒng)性風險增加。

（五）房價與匯率對銀行系統(tǒng)性風險的聯(lián)合作用

為繼續(xù)考察房價與匯率對銀行系統(tǒng)性風險的聯(lián)合作用，在SVAR模型中引入房價和匯率的交乘項，用ER×HP表示。對其進行一階差分后，進行脈沖響應分析（見圖5）。

表2： 各個變量ADF檢驗結(jié)果

圖5顯示，當給DERHP一個單位的正向結(jié)構(gòu)性沖擊時，銀行系統(tǒng)性風險在第1.5期到第4.5期為負向脈沖響應，在第三期達到極值-0.017，并開始逐步遞減，在第4期達到正值最大0.01，并在之后逐漸趨近于0。這表明，在考慮到房價與匯率同時上漲的聯(lián)合作用之后，匯率上升削弱系統(tǒng)性風險對房價上漲的負向響應，但是房價上漲則加劇了系統(tǒng)性風險對匯率上升的負向響應。這意味著在房價與匯率聯(lián)合作用下，系統(tǒng)性風險對房價下跌的正向響應會被來自匯率貶值的作用削弱。

（六）異質(zhì)性分析

進一步，將商業(yè)銀行細分為國有商業(yè)銀行、股份制銀行、城市商業(yè)銀行三種類型，進行脈沖響應分析，觀察匯率、房價波動對系統(tǒng)性風險影響的差異。結(jié)果如圖6所示。

其中，DB1、DB2、DB3分別代表一階差分后的國有銀行、股份制銀行和城商行的系統(tǒng)性風險指數(shù)。根據(jù)脈沖響應分析結(jié)果來看，房價上漲均降低了三類銀行的系統(tǒng)性風險，且對于股份制銀行、城市商業(yè)銀行的影響較為顯著，這與該兩類銀行在房地產(chǎn)領(lǐng)域的貸款普遍高于國有商業(yè)銀行有關(guān)系，房價上漲為房地產(chǎn)貸款提供了更強的信用擔保，改善了資產(chǎn)質(zhì)量提高了盈利。匯率上漲（人民幣貶值）對系統(tǒng)性風險的影響存在較大差異，股份制銀行和城商行系統(tǒng)性風險對房價與匯率波動沖擊的脈沖響應均表現(xiàn)為先負，持續(xù)2期后轉(zhuǎn)正，國有商業(yè)銀行對于匯率波動的響應始終為正，但是影響并不明顯?？偲饋砜?，房價波動對銀行系統(tǒng)性風險影響更持久。

上述三類銀行的系統(tǒng)風險在應對房價和匯率聯(lián)合沖擊時，波動幅度的差異，與不同類型銀行之間資產(chǎn)結(jié)構(gòu)的異質(zhì)性有關(guān)。根據(jù)Choice數(shù)據(jù)分析，國有商業(yè)銀行資產(chǎn)負債比率為92.18%，城商行的資產(chǎn)負債比率為93.11%，城商行的占比更高，這使得其抵抗風險能力較弱。在資本充足率方面，國有商業(yè)銀行也有著較大的優(yōu)勢，國有商業(yè)銀行資本充足率15.92%，而城市商業(yè)銀行資本充足率為12.56%，股份制銀行為12.92%，與國有商業(yè)銀行有較大差距，這也導致在面對外生沖擊時國有商業(yè)銀行系統(tǒng)性風險受到的影響更小。

結(jié)論與政策建議

研究表明，房價波動對于銀行系統(tǒng)性風險的沖擊較為強烈，當房價增速降低時，會造成銀行業(yè)系統(tǒng)性風險的上升。匯率的波動在短期內(nèi)對銀行業(yè)穩(wěn)定性有一定的沖擊，但沖擊強度快速衰減。房價與匯率相互作用，匯率波動在一定程度上削弱房價波動的影響，房價波動則會加強匯率波動的影響。不同類型的銀行在面對房價與匯率的沖擊時做出的反應不同，通常來講，股份制銀行以及城商行等中小銀行受到的沖擊更明顯。未來中國經(jīng)濟會繼續(xù)受到外部環(huán)境變化和疫情的影響，房價和匯率的變化存在很大不確定性，為防止銀行業(yè)系統(tǒng)性風險短期內(nèi)受房價和匯率雙重沖擊迅速上升，我們建議：

首先，保持房價相對穩(wěn)定，引導市場逐步回歸均衡。加強對房地產(chǎn)市場調(diào)控，既要控制房價上漲速度，更要注意防止下跌幅度過大。目前部分城市房價已經(jīng)出現(xiàn)小幅下跌，增速也放緩，要防止房價硬著陸。2020年9月央行推出的重點房地產(chǎn)企業(yè)資金監(jiān)測和融資管理辦法，對資產(chǎn)負債率、凈負債率以及現(xiàn)金短債比劃出了監(jiān)管紅線，今年年初，又對商業(yè)銀行提出了貸款集中度管理要求，這有利于降低金融風險。但與此同時，要密切關(guān)注疫情發(fā)展變化、房地產(chǎn)企業(yè)庫存和流動性狀況，拓展直接融資渠道，避免出現(xiàn)流動性風險，以免房地產(chǎn)企業(yè)因流動性枯竭而拋售房地產(chǎn)導致房價下跌。

其次，增強匯率彈性，加強外匯市場管理。進一步完善以市場供求為基礎、參考一籃子貨幣進行調(diào)節(jié)、有管理的浮動匯率制度，增強人民幣匯率彈性。加強外匯市場監(jiān)管，擴大金融市場雙向開放，以加強宏觀審慎為核心改善跨境資本流動管理。加強世界疫情演變對國際貿(mào)易和資本流動影響的監(jiān)測和預警，對外匯市場進行預防性調(diào)控，防止匯率出現(xiàn)大的波動。

第三，加強對中小銀行的系統(tǒng)性風險防范。要重視系統(tǒng)性風險具有的傳染性的特點，加強風險監(jiān)控并建立風險預警系統(tǒng)，重點關(guān)注風險抵抗能力較差的中小銀行，監(jiān)測其系統(tǒng)風險的變化，同時多渠道充實補充資本金，優(yōu)化信貸結(jié)構(gòu)，增強抵御風險的能力，為經(jīng)濟高質(zhì)量發(fā)展提供穩(wěn)定的金融環(huán)境。