LPR對南京市房價的影響*
——基于VAR模型的實證研究

陳 昆 孫秀冰 張曉霞

(南京審計大學金融學院， 江蘇南京 211815)

一、引言

中華人民共和國成立至今，我國的利率市場化進程一共經(jīng)歷了5個階段。第一階段最早是在1993年通過的一個關于建立市場經(jīng)濟的相關文件，但其實在1996年才正式得以運行，并且一直延續(xù)至2007年[1]，在此期間，貨幣市場利率和債券市場利率陸續(xù)開放，我國利率市場化進入新階段；2007年至2012年是第二階段，2008年的金融危機減緩了我國利率市場化進程，但我國仍在為下一步的發(fā)展做準備；第三階段則是從2013年開始，一直到2015年結束，央行對于利率的管制基本放開，能夠替代的金融產(chǎn)品也在不斷地被推出，貸款基礎利率(LPR)在2013年首次運行[2]168；第四階段是2015年至2018年利率市場化進程得到進一步的完善，LPR也在這期間進行了調(diào)整，同時構建了利率走廊機制；第五階段是從2019年至今，中國人民銀行在2019年8月17日頒布貸款市場報價利率(簡稱LPR)，這也就意味著利率向“兩軌合一軌”的方向發(fā)展[3]210。

從我國長期的發(fā)展來看，我國正在由原來的資本短缺向資本過剩轉化，而通常一個國家的發(fā)展水平越高，資本就更容易過剩，導致利率也會越低，因此LPR的出臺勢在必行[2]。首先，新LPR的出臺使得利率由“雙軌制”變?yōu)長PR機制，大大降低了貸款利率的滯后性，貨幣政策利率傳導更為靈活，加強了央行對信貸市場融資成本的“抓手”作用；其次，在LPR發(fā)布之前我國商業(yè)銀行貸款利率=央行基準理論*(1+x%)，但是現(xiàn)在商業(yè)銀行貸款利率已經(jīng)變?yōu)長PR+ x個基點(其中x可正可負)。從表1可以看出，從2019年8月開始全國同業(yè)拆借中心發(fā)布的LPR利率雖然下降幅度并不大，但是，一直在持續(xù)穩(wěn)定的下降，因此，可以說明我國的貸款利率也在往下降。自LPR改革后，可以有效地減低貸款實際利率，從10月正式運行后，更是呈直線下降，這是因為商業(yè)銀行貸款利率不再依據(jù)貸款基礎利率制定，而是根據(jù)LPR制定，而LPR則是依據(jù)MLF制定，即LPR(貸款基礎利率)=MLF利率(中期借貸便利)+加點幅度。央行調(diào)節(jié)LPR的武器就變成了改變MLF利率和加點幅度，LPR變得更加靈活富有彈性。

本文運用VAR模型的研究方法，通過單位根檢驗、Johansen協(xié)整檢驗、Granger因果關系檢驗、脈沖響應分析和方差分析，探討房貸利率對商品房供求關系和商品房市場價格的影響。

二、文獻綜述

美國在1933年就已經(jīng)開始使用LPR報價機制，目的是為了保護銀行存貸息差，之后雖有變化曲折，但是沿用至今。而日本也參照美國設立了LPR。Samet Gunay等人分析了就業(yè)水平、通貨膨脹、住房和個人儲蓄對FFR的影響，結果表明FFR對勞動力市場和住房市場存在滯后期，但影響卻不明顯，對通貨膨脹的影響更是有限[4]。其實在國內(nèi)外有許多專門針對信貸對于房地產(chǎn)市場的影響的研究，例如Abbas Valadkhani等人研究發(fā)現(xiàn)利率上升時房價會急速下降且幅度很大，相反，利率下降時房價上升的幅度卻不大，同時還發(fā)現(xiàn)大城市房價的下降幅度要大于小城市[5]。

當然，基礎利率變動所造成的最直接的影響還是對于商業(yè)銀行的，Joseph Friedman和Yochanan Shachmurove通過分析質(zhì)數(shù)率行為的變化，認為FFR對向商業(yè)銀行收取其最佳客戶的基本利率會產(chǎn)生滯后性，但當貸款利率改為聯(lián)邦基金利率加3%的利差后，商業(yè)銀行能更及時地做出反應[6]；Matthew Osborne等人研究認為銀行資本與貸款利率之間存在明顯的周期性不穩(wěn)定，但這一發(fā)現(xiàn)卻與許多公認的理論相違背，主要是因為不穩(wěn)定性可能反映了貸款需求分布的變化，因此需要探索更深層次精確的機制[7]。

現(xiàn)今我國LPR的改革也讓許多學者對貸款利率等做了更深入的研究，張希、陳軒通過研究發(fā)現(xiàn)“雙軌利率”傳導機制是由存款利率剛性、貸款端難于合理定價、實體企業(yè)流動性分層等原因?qū)е碌腫8]；李丹認為“兩軌并一軌”這一舉措推動降低實體經(jīng)濟融資成本，房貸利率由于是根據(jù)LPR制定，因此LPR的浮動增加了房貸利率的靈活性，更趨于市場化[9]；梁斯通過對比分析，發(fā)現(xiàn)不管是哪個國家LPR的實踐與改革都有類似之處，但因為國情的不同會存在細微差別[10]；李璇、楊霽帆分析認為房貸利率的變動對商品房的房價和供求關系產(chǎn)生作用，房貸利率下降促進了房地產(chǎn)市場經(jīng)濟的回暖[11]。

LPR的改革不僅影響了貸款利率，還推進了利率市場化的進程。李寶偉等人認為在利率市場化的背景下，貨幣市場利率對存款利率和債券收益率的傳導效應明顯增加[12]；康晴晴等認為雖然利率市場化過程對金融深化影響不大，但金融深化對經(jīng)濟增長有顯著影響，金融深化和經(jīng)濟增長都不會對利率市場化過程產(chǎn)生任何促進作用[13]。

通過國內(nèi)外文獻研究結果發(fā)現(xiàn)，由于實證分析所研究的區(qū)域和時期不同，所得到的貸款利率對于房地產(chǎn)市場的影響和結論都存在差異性。同時，我們也能發(fā)現(xiàn)其他國家與我國的LPR存在一定的相似以及不同。首先LPR的出臺都有利于利率市場化的發(fā)展，為這一進程提供了過渡的作用。其次他們都是在一定的基礎利率上加點形成，但也存在差異，主要表現(xiàn)為基礎利率和加點幅度的不同。最后，我們必須得承認我國利率市場化徹底完成的終點并不是LPR報價機制的改革。參照西方經(jīng)驗來看，如果擁有完整的利率傳導的話，對整個利率體系的調(diào)控只需要央行稍微調(diào)節(jié)政策利率就能夠?qū)崿F(xiàn)。雖然直接連通政策利率到貸款利率可以由LPR報價機制來實現(xiàn)，但是也必須發(fā)現(xiàn)在這兩個利率的傳導之間依然存在堵塞狀況。

三、實證分析

1.變量選取和數(shù)據(jù)來源

本文著重探討房貸利率對南京市各個地區(qū)房地產(chǎn)市場的地區(qū)差異化影響，選取了2016年6月至2020年1月南京市11個區(qū)的月度數(shù)據(jù)來進行研究。選取房貸利率、房屋的銷售均價、房屋的供給量與需求量作為本文的主要變量。數(shù)據(jù)來源于EPS《中國統(tǒng)計年鑒》和《南京房地產(chǎn)年鑒》。其中房貸利率用國內(nèi)第一套商業(yè)銀行的月平均貸款利率來表示；商品房市場價格用商品房的銷售均價來表示；商品房的供給量用商品房的累計未售面積進行表示；而商品房的需求量則由各個區(qū)域商品房每個月已售面積來表示。

對數(shù)據(jù)進行簡單的分析，可以看出，選取4個發(fā)展程度不同的區(qū)域(鼓樓區(qū)和玄武區(qū)接近市中心發(fā)展較好，浦口區(qū)和六合區(qū)在市郊發(fā)展相對較慢)，都可以發(fā)現(xiàn)在10月有一個上升的趨勢，這是因為10月頒布了新的LPR使得貸款利率由原本的上升趨勢變?yōu)橄陆?，雖然下降不明顯，但在房價高但利率低的情況下，居民出于省錢及期望房價升值以賺取差價的心理增加了買房需求，這又使得房價不斷上升，造成明顯的轉折式變化。

2.數(shù)據(jù)檢驗分析

上述數(shù)據(jù)只是簡單描述了一下2016年6月至2020年1月房價的變化走勢，下面我就將這些變量用Eviews做變量描述性處理。為了減少異方差的存在，將所得的數(shù)據(jù)都取對數(shù)進行表示(見表1)。

表1 描述性統(tǒng)計結果表

接下來，采用LLC、IPS、Fisher-ADF和Fisher-PP的檢驗方法對數(shù)據(jù)進行單位根檢驗。通過研究結果發(fā)現(xiàn)均為序列平穩(wěn)的變量。(見表2)

表2 單位根檢驗結果

3.協(xié)整關系分析

基于Kao檢驗、Pedroni檢驗和Johansen檢驗可以判斷出變量R與Price、Supply和Demand是協(xié)整的。根據(jù)上述協(xié)整理論，可以對原序列R、Price、Supply、Demand進行VAR建模(見表3)。

表3 協(xié)整檢驗結果

四、VAR模型構建

1.VAR模型的建立

本文通過建立VAR模型來探討房貸利率對房地產(chǎn)市場的直接影響，用R表示房貸利率，Price表示市場價格，Supply表示商品房供給量，Demand表示商品房需求量。

在進行脈沖響應分析之前對全國首套房平均貸款利率(R)與Price、Supply、Demand之間的因果關系進行分析。由于變量之間存在誤差，基于誤差修正模型，利用Engle-Granger因果檢驗方法進行分析，得出變量之間的因果關系(單向、雙向、無關系)(見表4)。

表4 格蘭杰因果檢驗結果

結果顯示，R和Price變量之間具有單向的格蘭杰因果關系，這表示全國首套房貸款利率R會引起商品房銷售均價Price的變化，但商品房銷售均價不能引起房貸利率的變化。這是因為房貸利率不僅受到房屋市場價格的影響，同時還受到房屋供給量與需求量的影響，受多種因素的影響因此不能簡單地判定房屋均價能引起房貸利率的變化。但是高淳區(qū)例外，變量之間不存在格蘭杰原因。同樣，R和Demand變量之間也存在單向的格蘭杰因果關系，貸款利率能引起房屋需求量的變化，反之則不能。其中雨花臺區(qū)和溧水區(qū)的R和Demand之間不存在任何的因果關系，玄武區(qū)則存在雙向的格蘭杰因果關系。

根據(jù)R和Supply變量的格蘭杰檢驗結果，建鄴區(qū)、玄武區(qū)和六合區(qū)的貸款利率和房屋供給量之間存在雙向的格蘭杰因果關系，鼓樓區(qū)和溧水區(qū)的貸款利率是商品房供給量的格蘭杰原因，其他的幾個區(qū)之間R和Supply之間不存在格蘭杰因果關系。在一定程度上說明不同地區(qū)的房貸利率對房地產(chǎn)市場的影響不同，城市的發(fā)展是造成這種差異的原因，也是影響房地產(chǎn)市場的因素。

2.脈沖響應和方差分析

(1)脈沖響應分析

為了更加明顯地刻畫出不同地區(qū)對房地產(chǎn)市場的作用，采用脈沖響應函數(shù)圖像來展示出當全國首套房貸利率發(fā)生變化時，房屋市場價格、房屋累計未售面積以及銷售面積對房貸利率擾動的響應和動態(tài)調(diào)整情況。橫軸表示響應函數(shù)的滯后期數(shù)，縱軸表示因變量對解釋變量的響應程度。(見圖1—14)

圖1 鼓樓區(qū)Price對R擾亂的響應

圖2 玄武區(qū)Price對R擾亂的響應

圖3 浦口區(qū)Price對R擾亂的響應

圖4 高淳區(qū)Price對R擾亂的響應

圖5 鼓樓區(qū)Supply對R的擾亂響應

圖6 秦淮區(qū)Supply對R的擾亂響應

圖7 玄武區(qū)Supply對R的擾亂響應

圖8 浦口區(qū)Supply對R的擾亂響應

圖9 棲霞區(qū)Supply對R的擾亂響應

圖10 高淳區(qū)Supply對R的擾亂響應

圖11 秦淮區(qū)Demand對R的響應

圖12 建鄴區(qū)Demand對R的響應

圖13 江寧區(qū)Demand對R的響應

圖14 高淳區(qū)Demand對R的響應

鼓樓區(qū)、玄武區(qū)、浦口區(qū)和高淳區(qū)4個區(qū)的商品房銷售均價對每月貸款平均利率的響應存在共同點，但也存在著差異性。從相同性來看，這4個區(qū)的函數(shù)映現(xiàn)出先負后正的變化，這說明Price對R擾亂的響應都存在滯后性；從差異性來看，高淳區(qū)商品房銷售均價對貸款利率擾亂的響應波動較大，玄武區(qū)其次，鼓樓區(qū)和浦口區(qū)響應波動較小。

鼓樓區(qū)、秦淮區(qū)、玄武區(qū)、浦口區(qū)和高淳區(qū)的響應波動相似，同時這5個區(qū)的商品房供給量對貸款利率擾動的響應均為負向的，都存在滯后性。而棲霞區(qū)的Supply的作用力隨著變量R的增大而持續(xù)下降，并且在第10期仍然沒有停止的趨勢。

秦淮區(qū)、建鄴區(qū)和江寧區(qū)剛開始隨著R的增加而下降，到第二期達到最低值，之后又呈現(xiàn)出上升趨勢最后趨于平穩(wěn)，但這三個區(qū)又存在差異性，秦淮區(qū)商品房需求量對貸款利率擾亂的響應波動較大，其次是建鄴區(qū)，江寧區(qū)的波動最小。高淳區(qū)的商品房需求量對貸款利率擾亂的響應呈先下降后平穩(wěn)的趨勢。

(2)方差分析

上述所有檢驗的結果皆是在異方差不存在的情況下進行的，在5%的顯著水平下，P值大于0.05時變量接受原假設這代表變量之間不存在異方差，變量互為同方差，反之則是如果拒絕了原假設就是變量存在異方差。那么從上面的表5可以看出商品房銷售均價、商品房累計未售面積、商品房已售面積與貸款利率之間大多數(shù)不存在異方差。但也有例外，如溧水區(qū)商品房銷售均價與貸款利率之間、玄武區(qū)和棲霞區(qū)商品房供給量與貸款利率之間就存在異方差。

表5 White檢驗結果

五、結論與建議

本文通過研究2016年6月至2020年1月南京市11個區(qū)的數(shù)據(jù)，在Eviews上進行了一系列的檢驗來為建立VAR模型做準備，并探討房貸利率對不同城市房地產(chǎn)市場的差異化影響。結果顯示：

其一，商品房的供求關系會隨著房貸利率的變化而變化。經(jīng)過實證結果發(fā)現(xiàn)當房貸利率下調(diào)時，會刺激消費者的需求，使得居民的購房意愿提高，房地產(chǎn)市場進一步回暖；當房貸利率上升時，雖然消費會有所下降，但卻不會很明顯。

其二，雖然房貸利率是一樣的，但是由于地區(qū)發(fā)展程度的不同，房貸利率帶來的影響也會存在深度和廣度的不同。這也就是說不同城市的房屋銷售量、供給量以及房價對房貸利率的變化存在敏感性差異。從上文的分析中可以發(fā)現(xiàn)發(fā)展較好的地區(qū)接近市中心且收入水平較高的市區(qū)(如秦淮區(qū)、鼓樓區(qū)等)，房貸利率帶來的沖擊敏感性較低，收斂期要較短一些。

雖然，從目前來看，我們會發(fā)現(xiàn)新的LPR報價機制的確是起到了過渡的作用，房貸利率也到了一個拐點處，實際利率在不斷下降，但從長期來看還有許多家銀行并為按照LPR來定價，對于房地產(chǎn)市場也會存在很大的影響，因此提出以下幾點建議：

第一，銀行要更加完善貸款市場報價機制，同時加強內(nèi)部建設。商業(yè)銀行應該繼續(xù)加強FTP建設，理順銀行內(nèi)部的利率傳導機制，為合理地制定風險溢價奠定基礎。

第二，為了制定相應的貨幣市場政策，政府應該密切關注房地產(chǎn)市場的變化情況，并以此為依據(jù)來制定政策。政府部門應該依據(jù)房貸利率對于房地產(chǎn)市場的影響，運用實時數(shù)據(jù)來進行分析，更加及時地采取相關措施來穩(wěn)定市場。