我國房地產(chǎn)業(yè)對銀行業(yè)系統(tǒng)性風險的溢出效應測度：基于行業(yè)和企業(yè)層面視角*

● 張 超，張文蕾

（安徽財經(jīng)大學金融學院，安徽 蚌埠 233030）

一、引言

進入新世紀以來，我國GDP由全球第六躍升至全球第二，并對美國形成強有力的追趕。毋庸置疑在我國經(jīng)濟增長過程中房地產(chǎn)業(yè)發(fā)揮了重要作用；但是，隨著資金的大量涌入，房地產(chǎn)業(yè)出現(xiàn)了明顯的投資過熱傾向，虛擬化屬性逐漸放大，泡沫風險不斷累積。同時，房地產(chǎn)企業(yè)經(jīng)營具有顯著的高負債特征，加之以銀行為主導的金融結構，我國商業(yè)銀行普遍具有較高的房地產(chǎn)風險敞口①根據(jù)中國政府網(wǎng)發(fā)布的《2021年金融機構貸款投向統(tǒng)計報告》，截止到2021年末，我國房地產(chǎn)貸款余額占金融機構人民幣各項貸款余額的比例約為27.07%。。隨著我國經(jīng)濟向高質量發(fā)展階段轉型，房地產(chǎn)業(yè)一直被詬病——不僅推高了房價，也大大擠壓了實體經(jīng)濟的生存空間。政府對房地產(chǎn)業(yè)的調控也從未停止，近年來政策更是進一步趨緊。由于市場與政策的雙向逼近，近年來多家經(jīng)營不善的房地產(chǎn)企業(yè)宣告破產(chǎn)，個別萬億級別的房地產(chǎn)企業(yè)也陷入資金困境。房地產(chǎn)業(yè)與銀行業(yè)之間具有高度關聯(lián)性，房地產(chǎn)風險可能會對銀行業(yè)產(chǎn)生溢出效應，增大銀行業(yè)的系統(tǒng)性風險，進而波及經(jīng)濟金融的穩(wěn)定與發(fā)展。有鑒于此，研究擬從行業(yè)和企業(yè)兩個層面分析房地產(chǎn)業(yè)對銀行業(yè)系統(tǒng)性風險的溢出過程，厘清其風險傳導機制，最后依據(jù)分析結果提出具有針對性的政策建議。

二、文獻綜述

系統(tǒng)性風險的溢出效應是倍受關注的熱點問題，現(xiàn)有研究主要集中于金融部門間、金融市場間的渠道識別和預警。房地產(chǎn)業(yè)和銀行業(yè)的風險溢出效應也應重點關注。實證表明，房地產(chǎn)和銀行部門是極端風險溢出效應的凈發(fā)送者，在系統(tǒng)性風險溢出中發(fā)揮關鍵作用[1-3]，其中，銀行業(yè)是系統(tǒng)性風險的主要發(fā)送者[4]，房地產(chǎn)業(yè)對銀行業(yè)存在顯著的風險溢出效應[5-6]。

近年來對于房地產(chǎn)業(yè)如何影響銀行業(yè)系統(tǒng)性風險這一問題，文獻主要從房地產(chǎn)信貸和房地產(chǎn)業(yè)的風險特征兩個方面進行分析。

一是銀行業(yè)高占比的房地產(chǎn)信貸形成較高的房地產(chǎn)風險敞口，使得房地產(chǎn)業(yè)風險容易轉化成銀行業(yè)系統(tǒng)性風險。在以銀行為主導的結構中，房地產(chǎn)融資幾乎全來自商業(yè)銀行，使得銀行部門產(chǎn)生高占比房地產(chǎn)信貸，進而使得房地產(chǎn)業(yè)風險高度集中于銀行體系[7]，這一潛在的金融風險直到近期也依然存在[8]。銀行業(yè)高占比的房地產(chǎn)信貸，一方面使得房地產(chǎn)業(yè)發(fā)展離不開銀行業(yè)的穩(wěn)定[9]；另一方面，較高的房地產(chǎn)風險敞口，使得銀行業(yè)對房地產(chǎn)業(yè)風險的敏感性更高[10-11]，兩者形成利益共同體和風險共生關系[12]。房地產(chǎn)業(yè)風險極易通過信貸渠道影響銀行部門的系統(tǒng)性風險[13]。歷史證據(jù)表明，在過去幾十年中，銀行業(yè)系統(tǒng)性風險變得更加頻繁，房地產(chǎn)開發(fā)往往是這些風險背后的主要因素[14-15]。房地產(chǎn)繁榮與系統(tǒng)性風險的產(chǎn)生密切相關[16]。近些年來，隨著房地產(chǎn)信貸逐漸成為銀行資產(chǎn)負債表中越來越大的組成部分，房地產(chǎn)開發(fā)已成為銀行風險的主要驅動因素[17]。長此以往，房地產(chǎn)業(yè)風險可能會導致銀行業(yè)系統(tǒng)性風險惡化[18]。如果在經(jīng)濟發(fā)展過程中過分倚重房地產(chǎn)，會出現(xiàn)房地產(chǎn)業(yè)投資過熱，帶來對金融和經(jīng)濟的“風險效應”[19]。

二是房地產(chǎn)業(yè)順周期性和泡沫化的風險特征使得房地產(chǎn)業(yè)風險對銀行業(yè)系統(tǒng)性風險的影響不容忽視。由于房價與投資及信貸之間自我強化的順周期性特征，房價波動與銀行風險承擔存在聯(lián)動性，房價上漲會增加銀行系統(tǒng)性風險進而對金融穩(wěn)定產(chǎn)生不利沖擊[20]。房地產(chǎn)價格持續(xù)上漲，若缺乏宏觀經(jīng)濟面的足夠支撐，房地產(chǎn)投資屬性顯化，房價主要由市場預期和投資量決定，會催生房地產(chǎn)泡沫[21-22]。長期的房地產(chǎn)泡沫會顯著危害銀行穩(wěn)定性[23]，房地產(chǎn)泡沫破裂后會引起銀行業(yè)系統(tǒng)性風險[24]。房地產(chǎn)業(yè)風險已成為中國主要的系統(tǒng)性金融風險來源之一[25-26]，其中，銀行體系是房地產(chǎn)業(yè)風險向系統(tǒng)性風險傳染的關鍵[27]。

綜上，現(xiàn)有研究就以下現(xiàn)象達成了共識：房地產(chǎn)業(yè)對銀行業(yè)系統(tǒng)性風險的溢出問題突出，銀行信貸由于集中于房地產(chǎn)業(yè)具有較高房地產(chǎn)風險暴露，房地產(chǎn)自身風險會通過信貸渠道向銀行業(yè)系統(tǒng)性風險演化。但研究空間仍有拓展的可能性：第一，現(xiàn)有研究多從市場層面展開，很少有研究集中于兩個系統(tǒng)重要市場（房地產(chǎn)與銀行）進行分析，因此房地產(chǎn)業(yè)對銀行業(yè)系統(tǒng)性風險的溢出效應研究仍需深入。第二，房地產(chǎn)業(yè)對銀行業(yè)系統(tǒng)性風險影響機制的分析仍需完善。現(xiàn)有研究多從房地產(chǎn)信貸或房價波動視角分析房地產(chǎn)部門與銀行部門間的風險影響，而從房地產(chǎn)行業(yè)和企業(yè)兩個層面，以及系統(tǒng)性風險溢出效應的視角所進行的理論或定量分析較少。基于此，研究將房地產(chǎn)行業(yè)風險和企業(yè)風險納入對銀行業(yè)系統(tǒng)性風險的溢出效應的分析框架，利用中國市場數(shù)據(jù)建立DCC-GARCH-CoVaR模型，動態(tài)考察房地產(chǎn)業(yè)風險對銀行業(yè)系統(tǒng)性風險的溢出效應。本研究的創(chuàng)新之處或邊際貢獻是：相比于現(xiàn)有集中于行業(yè)間系統(tǒng)性風險溢出效應的實證研究，考察房地產(chǎn)行業(yè)層面和企業(yè)層面的風險如何產(chǎn)生對銀行業(yè)系統(tǒng)性風險的溢出效應。

三、機制分析

在過去二十多年里中國房地產(chǎn)市場快速發(fā)展，成為經(jīng)濟增長的重要驅動力，但也暴露出市場過熱、價格上漲過快及泡沫風險加劇等問題[28]。從時間維度和集中度來看，房地產(chǎn)部門具有極強的順周期性特征，極易受到宏觀經(jīng)濟波動的沖擊[29]；房地產(chǎn)行業(yè)還由于其上市公司眾多、杠桿率較高、資本損失概率較大，存在明顯的金融風險隱患[30]。現(xiàn)實是，房地產(chǎn)業(yè)與銀行業(yè)風險高度共生[5]，房地產(chǎn)業(yè)與銀行業(yè)組成的金融系統(tǒng)比單獨的銀行系統(tǒng)更加脆弱[31]，房地產(chǎn)業(yè)對銀行業(yè)的風險溢出效應比銀行業(yè)對房地產(chǎn)業(yè)的風險溢出效應更為顯著[32]。因此，房地產(chǎn)自身風險對銀行業(yè)的風險溢出起到關鍵作用。

從風險的空間維度來看，在中國以銀行為主導的金融市場中，相比于保險、信托等金融機構，房地產(chǎn)業(yè)融資多與銀行業(yè)的信貸相關聯(lián)。房地產(chǎn)信貸占據(jù)銀行業(yè)較高的風險敞口，其風險主要通過貸款和抵押兩種信貸渠道向銀行業(yè)產(chǎn)生溢出效應。一方面，在經(jīng)濟繁榮時期房地產(chǎn)市場過熱會催生房地產(chǎn)泡沫風險，同時推動房地產(chǎn)信貸規(guī)模擴大，表現(xiàn)為房地產(chǎn)貸款寬松和抵押盛行，從而加大銀行業(yè)對房地產(chǎn)業(yè)風險的暴露，加劇銀行業(yè)脆弱性，埋下系統(tǒng)性風險隱患。另一方面，在經(jīng)濟蕭條時期，房地產(chǎn)市場過熱帶來的信貸資金高度集中會使得其難以抵御沖擊，極易產(chǎn)生風險。而銀行業(yè)在受到?jīng)_擊后由于房地產(chǎn)貸款實際價值過高和房地產(chǎn)抵押價值大幅縮水，在“債務-通縮理論”和“金融加速器”效應下，會引起信貸危機和流動性危機，最終演變成銀行業(yè)系統(tǒng)性風險。

行業(yè)和企業(yè)層面視角下房地產(chǎn)業(yè)對銀行業(yè)系統(tǒng)性風險的溢出效應機制如圖1所示。從行業(yè)層面來看，如圖1左圖所示，房地產(chǎn)行業(yè)風險受順周期特征、市場過熱和市場脆弱性影響；房地產(chǎn)行業(yè)風險通過信貸渠道引起房地產(chǎn)貸款違約和房地產(chǎn)抵押價值縮水，導致銀行業(yè)信貸危機和流動性危機，然后再通過銀行間資產(chǎn)關聯(lián)和共同風險暴露使得風險演化、擴大成銀行業(yè)系統(tǒng)性風險，正向產(chǎn)生對銀行業(yè)的風險溢出效應。從房地產(chǎn)企業(yè)層面來看，如圖1右圖所示，單個房地產(chǎn)企業(yè)的風險受到企業(yè)負債水平、企業(yè)資產(chǎn)規(guī)模和盈利能力的影響；單個房地產(chǎn)企業(yè)的風險通過信貸渠道引起房地產(chǎn)貸款違約和房地產(chǎn)抵押價值縮水導致單個或多個銀行信貸危機、流動性危機，然后再通過銀行間資產(chǎn)關聯(lián)和共同風險暴露使得風險演化、擴大成銀行業(yè)系統(tǒng)性風險，正向產(chǎn)生對銀行業(yè)的風險溢出效應。

圖1 行業(yè)和企業(yè)層面視角下房地產(chǎn)業(yè)對銀行業(yè)系統(tǒng)性風險的溢出效應機制

四、研究設計

（一）模型設計與變量說明

系統(tǒng)性風險的溢出效應測度，主流方法有分位數(shù)回歸的 CoVaR、Copula函數(shù)的 CoVaR和DCC-GARCH-CoVaR。相比前兩者，DCCGARCH-CoVaR模型可以有效擬合兩序列間時變相關系數(shù)，從而使CoVaR估計更精準、預警更有效，且更符合中國現(xiàn)實[33]，故研究選擇 DCCGARCH-CoVaR模型[34]來測度中國房地產(chǎn)業(yè)對銀行業(yè)系統(tǒng)性風險的溢出效應，然后再分別從行業(yè)層面和企業(yè)層面，進一步探究房地產(chǎn)自身風險對銀行業(yè)系統(tǒng)性風險的溢出問題。

1.房地產(chǎn)業(yè)對銀行業(yè)系統(tǒng)性風險的溢出效應①行業(yè)層面和企業(yè)層面的溢出效應在此處統(tǒng)稱為“房地產(chǎn)業(yè)對銀行業(yè)系統(tǒng)性風險的溢出效應”；此外，為表示區(qū)分，行業(yè)層面的溢出效應稱為“房地產(chǎn)行業(yè)對銀行業(yè)系統(tǒng)性風險的溢出效應”，企業(yè)層面的溢出效應稱為“房地產(chǎn)企業(yè)對銀行業(yè)系統(tǒng)性風險的溢出效應”。其中，行業(yè)層面的溢出效應指標由房地產(chǎn)行業(yè)和銀行業(yè)指數(shù)周對數(shù)收益率序列運用DCC-GARCH-CoVaR模型計算得到；企業(yè)層面的溢出效應指標由房地產(chǎn)企業(yè)i和銀行業(yè)指數(shù)周對數(shù)收益率序列運用DCC-GARCH-CoVaR模型計算得到。下文同。測度模型

（1）動態(tài)條件相關系數(shù)測度（DCC-GARCH模型）

為刻畫房地產(chǎn)業(yè)與銀行業(yè)的時變聯(lián)動性，選取DCC-GARCH模型[35]進行估計，再依據(jù)單變量GARCH模型進一步計算出房地產(chǎn)業(yè)與銀行業(yè)間動態(tài)條件相關系數(shù)。

假設房地產(chǎn)業(yè)或銀行業(yè)收益率rt服從分布：

其中，rt是收益率，Ωt是t時刻信息集，Ht是條件協(xié)方差矩陣，Rt是動態(tài)條件相關系數(shù)矩陣，條件方差hNN,t由單變量GARCH模型算出，Dt為含的對角矩陣。

其中，Qt是殘差標準化的條件協(xié)方差矩陣，是殘差標準化的無條件協(xié)方差矩陣，ψ是滯后n階的標準化殘差系數(shù)，ξ是滯后m階的條件方差系數(shù)，兩者都不小于零，約束條件為ψ+ξ＜1。

進而，DCC-GARCH(1,1)模型下兩變量間動態(tài)條件相關系數(shù)定義如下：

（2）溢出效應測度（CoVaR 和ΔCoVaR）

分別采用CoVaR和ΔCoVaR測算房地產(chǎn)業(yè)對銀行業(yè)的條件在險價值和系統(tǒng)性風險的溢出效應，進而分析房地產(chǎn)業(yè)自身風險對銀行業(yè)穩(wěn)定的影響。作為CoVaR的基礎，VaR用于測度某個金融部門在一定置信水平下最大可能損失。

其中，Xi是金融部門i的損失，是金融部門i在q%的置信水平下的最大可能損失。VaR無法測度一個金融部門對另一個金融部門的風險溢出效應，但CoVaR和ΔCoVaR可以。計算公式如下：

其中，XB表示銀行業(yè)風險損失；C(XRE)表示房地產(chǎn)市場遭受的風險事件；表示當房地產(chǎn)市場受到風險事件C(XRE)沖擊時，在q%的置信水平下，銀行業(yè)面臨的最大可能風險損失；表示房地產(chǎn)自身風險波動處于正常水平下，銀行業(yè)面臨的最大可能風險損失。

假設房地產(chǎn)市場風險和銀行業(yè)風險服從二元正態(tài)分布，即：

進而，房地產(chǎn)市場（RE）對銀行業(yè)（B）的邊際溢出或溢出效應為：

2.房地產(chǎn)業(yè)自身風險對銀行業(yè)系統(tǒng)性風險溢出的影響

首先從行業(yè)層面初步確認房地產(chǎn)行業(yè)風險是如何產(chǎn)生對銀行業(yè)系統(tǒng)性風險的溢出效應，然后從企業(yè)層面比較并驗證房地產(chǎn)企業(yè)風險如何產(chǎn)生對銀行業(yè)系統(tǒng)性風險的溢出效應。根據(jù)相關研究[5]，選取房地產(chǎn)業(yè)對銀行業(yè)的條件在險價值變動（ΔCoVaR）作為被解釋變量，采用房地產(chǎn)自身風險（VaR）作為核心解釋變量；在企業(yè)層面模型中，另選擇房地產(chǎn)企業(yè)的資產(chǎn)負債率（ALR）、資產(chǎn)規(guī)模（Lnsize）以及總資產(chǎn)收益率（ROA）作為控制變量。

分別構建模型如下：

（1）房地產(chǎn)行業(yè)風險對銀行業(yè)系統(tǒng)性風險溢出的影響

（2）房地產(chǎn)企業(yè)風險對銀行業(yè)系統(tǒng)性風險溢出的影響

選擇雙向固定效應模型進行測度，模型如下：

3.變量說明

模型使用的變量（見表1）如下：

表1 變量定義與測度

被解釋變量。條件在險價值變動（ΔCoVaR）：作為反映房地產(chǎn)業(yè)對銀行業(yè)系統(tǒng)性風險的溢出效應的代理變量。其中，ΔCoVaR越大，表示房地產(chǎn)業(yè)對銀行業(yè)系統(tǒng)性風險的溢出效應越高。ΔCoVaRB|RE、ΔCoVaRB|REE分別由房地產(chǎn)業(yè)指數(shù)收益率（RE）與銀行業(yè)指數(shù)收益率（B）、房地產(chǎn)企業(yè)個股收益率（REE）與銀行業(yè)指數(shù)收益率（B）根據(jù)DCC-GARCH-CoVaR模型計算得到。對于收益率的頻率，由于日數(shù)據(jù)尾部時間短、月數(shù)據(jù)樣本不足，參照相關研究[36]，選擇周對數(shù)收益率的百分數(shù)。通過對每周收盤價進行對數(shù)一階差分得到的百分數(shù)，具體計算公式分別為：。

解釋變量。房地產(chǎn)自身風險（VaR）：參照相關研究[5]所使用的方法，選擇周對數(shù)收益率的VaR值作為衡量房地產(chǎn)自身風險的代理變量?？紤]到周對數(shù)收益率當前的實際情況，此處的VaR值是通過方差-協(xié)方差法正向計算得出的，計算公式為：VaR=μt+?-1(q%)σt。VaR值越大，表示房地產(chǎn)自身風險越大。其中，VaRRE、VaRREE分別由房地產(chǎn)業(yè)指數(shù)周對數(shù)收益率（RE）、房地產(chǎn)企業(yè)個股周對數(shù)收益率（REE）計算得到，分別反映房地產(chǎn)行業(yè)風險和房地產(chǎn)企業(yè)風險。

控制變量?？紤]到房地產(chǎn)企業(yè)層面的面板數(shù)據(jù)特征，在現(xiàn)有研究的基礎上，盡可能控制會影響房地產(chǎn)企業(yè)對銀行業(yè)系統(tǒng)性風險溢出效應的因素。參照相關研究[5]，選擇的控制變量主要有：一是房地產(chǎn)企業(yè)資產(chǎn)負債率（ALR）。通過計算總負債/總資產(chǎn)得到，作為房地產(chǎn)企業(yè)負債水平的代理變量。二是房地產(chǎn)資產(chǎn)規(guī)模（Lnsize）。以ln(總資產(chǎn))作為衡量指標。三是房地產(chǎn)總資產(chǎn)收益率（ROA）。通過稅后凈利潤/總資產(chǎn)度量得到，用作房地產(chǎn)企業(yè)盈利能力的代理變量。四是時間和個體固定效應（Year、Enterprise）。為了控制年度特征對ΔCoVaRB|REE的影響，按照不同年份生成T-1個虛擬變量；為了控制企業(yè)個體特征對ΔCoVaRB|REE的影響，按照企業(yè)數(shù)量生成N-1個虛擬變量。

（二）數(shù)據(jù)來源與樣本選擇

各變量的原始數(shù)據(jù)來自RESSET金融研究數(shù)據(jù)庫和CSMAR國泰安財經(jīng)研究數(shù)據(jù)庫?？紤]到1998年住房市場化改革政策的時滯性，以及數(shù)據(jù)的完整性和可靠性，研究中將樣本期定為2000年1月1日—2020年12月31日。行業(yè)層面，選擇了申萬一級行業(yè)分類下房地產(chǎn)業(yè)和銀行業(yè)指數(shù)周數(shù)據(jù)。企業(yè)層面，選擇了證監(jiān)會2012版行業(yè)分類項下房地產(chǎn)行業(yè)139家上市公司作為研究對象，并作如下數(shù)據(jù)處理：一是剔除存續(xù)期完全不在樣本期以內的公司；二是剔除被解釋變量（ΔCoVaRB|REE）缺失值過多和樣本觀察值不足的公司；三是對于利用房地產(chǎn)上市企業(yè)個股周對數(shù)收益率計算得到的ΔCoVaRB|REE和VaRREE的周數(shù)據(jù)，通過Excel數(shù)據(jù)透視表匯總成年平均值得到年數(shù)據(jù)，其他財務指標（總資產(chǎn)、總負債、稅后凈利潤）選擇年度數(shù)據(jù)。最后篩選整理出2000—2020年131家房地產(chǎn)上市公司的面板數(shù)據(jù)作為研究樣本，一共2 493組有效數(shù)據(jù)。數(shù)據(jù)分析所用軟件為Stata16.0。

五、實證分析

（一）描述性統(tǒng)計

首先對周對數(shù)收益率進行描述性統(tǒng)計Jarque-Bera檢驗，結果如表2①由于企業(yè)層面?zhèn)€體較多，限于篇幅，無法全部列示，考慮到后續(xù)實證結果表明企業(yè)資產(chǎn)規(guī)模對銀行業(yè)系統(tǒng)性風險的溢出效應存在顯著影響，故表2只列示樣本期內資產(chǎn)規(guī)模年度平均值排名前10的房地產(chǎn)上市公司，即招商蛇口、新城控股、保利發(fā)展、萬科A、榮盛發(fā)展、萬科B、濱江集團、金地集團、北辰實業(yè)與華發(fā)股份。所示。從均值看，房地產(chǎn)業(yè)與銀行業(yè)指數(shù)收益率為正，而大部分房地產(chǎn)企業(yè)個股收益率為負。從標準差看，房地產(chǎn)企業(yè)個股收益率均大于房地產(chǎn)業(yè)和銀行業(yè)指數(shù)收益率。從最值看，大部分房地產(chǎn)企業(yè)個股收益率最大值和最小值差距都大于房地產(chǎn)業(yè)和銀行業(yè)指數(shù)收益率。從偏度和峰度看，除銀行業(yè)指數(shù)收益率表現(xiàn)為右偏外，房地產(chǎn)業(yè)指數(shù)與房地產(chǎn)企業(yè)個股收益率都表現(xiàn)出左偏；三者峰度都高于3，可知三者分布都表現(xiàn)為尖峰厚尾，符合大多數(shù)金融數(shù)據(jù)特點。Jarque-Bera檢驗在1%顯著水平拒絕原假設，說明數(shù)據(jù)非正態(tài)。

表2 周對數(shù)收益率描述性統(tǒng)計與檢驗結果

其次對模型(14)和(15)中包含的變量進行描述性統(tǒng)計，具體如表3所示。從整體來看，無論是行業(yè)層面還是企業(yè)層面，對銀行業(yè)系統(tǒng)性風險的溢出效應（ΔCoVaR）與自身風險（VaR）的均值、標準差和最大值均為正且數(shù)值較大，初步驗證了房地產(chǎn)業(yè)對銀行業(yè)存在正向系統(tǒng)性風險溢出，房地產(chǎn)自身存在風險。從均值和標準差看，企業(yè)層面對銀行業(yè)系統(tǒng)性風險的溢出效應（ΔCoVaRB|REE)的均值和波動遠大于行業(yè)層面；而行業(yè)層面自身風險（VaRRE）的均值和波動遠大于企業(yè)層面，初步說明行業(yè)層面自身風險的影響相比企業(yè)層面更大，企業(yè)層面對于銀行業(yè)系統(tǒng)性風險的溢出效應相比行業(yè)層面更大。

表3 房地產(chǎn)業(yè)對銀行業(yè)系統(tǒng)性風險溢出效應模型中變量描述性統(tǒng)計結果

（二）房地產(chǎn)行業(yè)對銀行業(yè)系統(tǒng)性風險的溢出效應分析

根據(jù)DCC-GARCH模型，利用房地產(chǎn)業(yè)指數(shù)收益率（RE）以及銀行業(yè)指數(shù)收益率（B）計算出兩行業(yè)時變聯(lián)動關系，獲取兩者動態(tài)條件相關系數(shù)和動態(tài)條件方差，然后再計算出房地產(chǎn)行業(yè)對銀行業(yè)系統(tǒng)性風險的溢出效應（ΔCoVaR）。

1.房地產(chǎn)行業(yè)與銀行業(yè)動態(tài)條件相關性分析

DCC-GARCH模型可以用于測度多元變量間的動態(tài)相關性。由模型(5)可以計算出房地產(chǎn)行業(yè)與銀行業(yè)動態(tài)條件的相關系數(shù)。根據(jù)模型(13)可知，該系數(shù)數(shù)值越大，代表房地產(chǎn)行業(yè)和銀行業(yè)的相關性越強，亦即風險溢出效應越明顯。計算得出的房地產(chǎn)行業(yè)與銀行業(yè)的動態(tài)條件相關系數(shù)整體均值高達0.6511%，其標準差為0.0565%。

通過對房地產(chǎn)行業(yè)對銀行業(yè)動態(tài)條件相關系數(shù)時間序列圖（見圖2）的分析可知，其動態(tài)條件相關系數(shù)在樣本期內全部大于零，說明房地產(chǎn)業(yè)對銀行業(yè)具有正向動態(tài)相關關系。由此可合理推導出，房地產(chǎn)業(yè)對銀行業(yè)具有明顯正向的系統(tǒng)性風險溢出。

圖2 房地產(chǎn)行業(yè)對銀行業(yè)動態(tài)條件相關系數(shù)時間序列圖

2.房地產(chǎn)行業(yè)對銀行業(yè)系統(tǒng)性風險的溢出效應分析

將房地產(chǎn)行業(yè)層面數(shù)據(jù)代入模型(12)和(13)，可估計出在99%置信水平下的CoVaR和ΔCo-VaR，其均值和標準差具體見表4。從均值來看，房地產(chǎn)行業(yè)對銀行業(yè)CoVaR和ΔCoVaR的貢獻分別是 55.312%、29.005%，對應標準差分別為40.398%、23.566%，CoVaR的均值和標準差都比Δ CoVaR的更大。從最值來看，CoVaR的最大值和最小值的差距也比ΔCoVaR的更大。

一是要擺正位置，行業(yè)、企業(yè)主管部門是介于政府與學校、企業(yè)之間的機構，既要發(fā)揮橋梁紐帶作用，又要監(jiān)督企業(yè)對《辦法》的落實。要積極配合政府及相關行政部門，在校企合作系統(tǒng)工程中扮演協(xié)調者、監(jiān)管者、促進者的角色。二是要發(fā)揮督導作用，行業(yè)、企業(yè)主管部門既是企業(yè)的領導者，也是校企合作機制的制定者。要針對企業(yè)參與校企合作途徑不暢的短板，采取相應措施，拿出具體解決辦法，使企業(yè)充分了解并履行應盡的責任與義務，主動配合政府主導的監(jiān)管績效考評。同時，按照校企合作年度“責任報告”，進行具有行業(yè)特點的監(jiān)管，考核與支持并舉，引導、落實企業(yè)主動參與、承擔培養(yǎng)學生的社會責任。

表4 房地產(chǎn)行業(yè)對銀行業(yè)的CoVaR和ΔCoVaR統(tǒng)計結果

為了直觀地觀察房地產(chǎn)行業(yè)對銀行業(yè)CoVaR和ΔCoVaR變化的影響，以下根據(jù)二者的時間序列變化圖（見圖3）進行分析。由圖3可知，面對房地產(chǎn)行業(yè)自身風險的沖擊，銀行業(yè)產(chǎn)生的Co-VaR和ΔCoVaR變化具有共同的趨勢，且波動幅度大、頻率高，尤其是在2008年集中波動，而且Co-VaR和ΔCoVaR的最高值也是出現(xiàn)在這個時期。這主要是由于2008年的全球金融危機的沖擊與影響。從整體來看，房地產(chǎn)行業(yè)對銀行業(yè)系統(tǒng)性風險的溢出效應大約在2017年之前都存在高頻大幅波動現(xiàn)象，在2017年之后，大多數(shù)情況都是高頻小幅波動。這是因為，2016年末，基于國情，中央政府大力著手穩(wěn)房價調控，對房地產(chǎn)新的政策定位是“房住不炒”；2017年之后，中央政府大力推行降杠桿措施；2020年8月出臺了針對房地產(chǎn)企業(yè)資金檢測和融資管理的“三線四檔”政策，2020年12月又出臺了銀行業(yè)金融機構房地產(chǎn)貸款集中度管理制度。這些政策的出臺使得房地產(chǎn)市場風險得到一定程度的控制，相應減少了其對銀行業(yè)系統(tǒng)性風險的溢出效應。

圖3 房地產(chǎn)行業(yè)對銀行業(yè)的CoVaR和ΔCoVaR變動圖

3.房地產(chǎn)行業(yè)風險對銀行業(yè)系統(tǒng)性風險溢出的影響

使用模型(14)計算出的房地產(chǎn)行業(yè)層面風險對銀行業(yè)系統(tǒng)性風險溢出的影響結果如表5列(1)所示。該結果表明房地產(chǎn)行業(yè)自身風險（VaRRE）顯著正向促進對銀行業(yè)系統(tǒng)性風險的溢出效應（ΔCoVaRB|RE），與預期影響方向一致。

為檢驗該實證結果的可靠性，通過變量替換方式進行穩(wěn)健性檢驗?？紤]到模型(8)揭示的條件在險價值（CoVaR）與溢出效應（ΔCoVaR）間存在正相關關系，以房地產(chǎn)行業(yè)對銀行業(yè)的條件在險價值（CoVaRB|RE）替換原被解釋變量溢出效應（ΔCoVaRB|RE）重新回歸，結果如表5列(2)所示。該結果表明房地產(chǎn)行業(yè)自身風險（VaRRE）對銀行業(yè)的條件在險價值（CoVaRB|RE）存在顯著正向影響。與原結論一致，說明原實證結果具有穩(wěn)健性。

表5 房地產(chǎn)行業(yè)風險對銀行業(yè)系統(tǒng)性風險溢出影響的回歸結果與穩(wěn)健性檢驗結果

（三）房地產(chǎn)企業(yè)對銀行業(yè)系統(tǒng)性風險溢出效應分析

1.房地產(chǎn)企業(yè)自身風險對銀行業(yè)系統(tǒng)性風險溢出的影響

使用模型(15)實證分析房地產(chǎn)企業(yè)風險對銀行業(yè)系統(tǒng)性風險溢出的影響。為了確保實證結果的穩(wěn)健性，先保持核心解釋變量房地產(chǎn)企業(yè)風險（VaRREE）固定不變，對控制變量進行逐步組合后進行雙向固定效應回歸。表6列(1)至列(8)列示了核心解釋變量房地產(chǎn)企業(yè)風險（VaRREE）與控制變量對銀行業(yè)系統(tǒng)性風險的溢出效應（ΔCoVaRB|REE）。

表6 房地產(chǎn)企業(yè)風險對銀行業(yè)系統(tǒng)性風險溢出影響的面板回歸結果

首先，從整體上可以發(fā)現(xiàn)無論是否添加控制變量或者是添加幾個控制變量，核心解釋變量房地產(chǎn)企業(yè)風險（VaRREE）對銀行業(yè)系統(tǒng)性風險的溢出效應（ΔCoVaRB|REE）的影響都在1%的水平上顯著。列(8)是添加所有控制變量后的回歸結果，可以看出，其他因素不變，房地產(chǎn)企業(yè)風險（VaRREE）的解釋力度和顯著性水平幾乎沒有變化，十分穩(wěn)健。由此，可合理推導出房地產(chǎn)企業(yè)自身風險是對銀行業(yè)系統(tǒng)性風險溢出的作用關鍵。

其次，觀察列(1)至列(8)可以發(fā)現(xiàn)，房地產(chǎn)企業(yè)風險（VaRREE）的系數(shù)β1顯著為正，說明房地產(chǎn)企業(yè)風險越高對銀行業(yè)系統(tǒng)性風險的溢出效應也越高。這與預期影響方向一致。結合中國現(xiàn)實情況可知，銀行持有較高比例的房地產(chǎn)信貸敞口，房地產(chǎn)與銀行業(yè)間存在風險共生性，房地產(chǎn)企業(yè)風險會通過信貸渠道和銀行業(yè)間資產(chǎn)負債表渠道增大對銀行業(yè)系統(tǒng)性風險的溢出效應。

最后，觀察列(1)至列(8)的變量系數(shù)顯著性、組內可決系數(shù)（R2within）和 F 統(tǒng)計量可發(fā)現(xiàn)，列(3)模型最優(yōu)，因為除了擬合優(yōu)度最高外，加入的控制變量資產(chǎn)規(guī)模（Lnsize）對銀行業(yè)系統(tǒng)性風險的溢出效應（ΔCoVaRB|REE）也是顯著正向影響，而其他控制變量對ΔCoVaRB|REE的影響則不顯著。該結果表明房地產(chǎn)企業(yè)資產(chǎn)規(guī)模顯著正向影響對銀行業(yè)系統(tǒng)性風險的溢出效應，即單個房地產(chǎn)企業(yè)資產(chǎn)規(guī)模越大，對銀行業(yè)產(chǎn)生的系統(tǒng)性風險的溢出效應也就越高。大型房地產(chǎn)企業(yè)因其規(guī)模優(yōu)勢，較易獲得銀行信貸資源[37]；企業(yè)規(guī)模越小，銀行融資占總資產(chǎn)的比重越小，同時銀行融資相對于股權融資的比例越小[38]。由此，可合理推導出房地產(chǎn)企業(yè)資產(chǎn)規(guī)模越大，銀行信貸融資規(guī)模就越大，對銀行業(yè)產(chǎn)生系統(tǒng)性風險的溢出效應也就越高。

2.穩(wěn)健性檢驗

為進一步檢驗該結論的可靠性，采用變量替換方式進行穩(wěn)健性檢驗。由于基于公式(8)揭示的條件在險價值（CoVaR）與溢出效應（ΔCoVaR）間存在正相關關系，以房地產(chǎn)企業(yè)對銀行業(yè)的條件在險價值（CoVaRB|REE）替換原被解釋變量ΔCoVaRB|REE重新進行雙向固定效應面板回歸，分析結果如表7所示。觀察表7列(1)至列(8)可以發(fā)現(xiàn)，房地產(chǎn)企業(yè)的自身風險（VaRREE）對銀行業(yè)的條件在險價值（CoVaRB|REE）具有顯著的正向影響；再結合模型變量系數(shù)顯著性、組內可決系數(shù)（R2within）和F統(tǒng)計量可知，列(3)所示的模型最優(yōu)，這些結論都與表6得到的結論相一致，因此，該實證結論具有穩(wěn)健性。

表7 房地產(chǎn)企業(yè)風險對銀行業(yè)條件在險價值影響的穩(wěn)健性檢驗面板回歸結果

六、結論與建議

研究從行業(yè)和企業(yè)兩個層面，基于DCCGARCH-CoVaR模型實證分析房地產(chǎn)業(yè)對銀行業(yè)系統(tǒng)性風險的溢出效應，然后通過逐步回歸法分析房地產(chǎn)行業(yè)風險和房地產(chǎn)企業(yè)風險如何產(chǎn)生對銀行業(yè)系統(tǒng)性風險的溢出效應，得到如下結論：第一，無論是行業(yè)層面還是企業(yè)層面，房地產(chǎn)自身風險均對銀行業(yè)產(chǎn)生顯著正向的系統(tǒng)性風險溢出，原因是銀行持有較高比例的房地產(chǎn)信貸敞口，房地產(chǎn)業(yè)與銀行業(yè)存在風險共生性；第二，從行業(yè)層面來看，房地產(chǎn)市場風險管控措施可以有效降低房地產(chǎn)業(yè)對銀行業(yè)系統(tǒng)性風險的溢出效應，這意味著，管控好房地產(chǎn)業(yè)自身風險是解決其對銀行業(yè)風險溢出問題的關鍵；第三，從企業(yè)層面來看，大規(guī)模房地產(chǎn)企業(yè)對銀行業(yè)系統(tǒng)性風險會產(chǎn)生更大的溢出效應，這意味著為控制房地產(chǎn)業(yè)對銀行業(yè)的風險溢出效應，需要重點監(jiān)管解決大型房地產(chǎn)企業(yè)的風險問題。

由上述結論可知，就減少房地產(chǎn)業(yè)對銀行業(yè)系統(tǒng)性風險的溢出效應，以及貫徹“堅守不發(fā)生系統(tǒng)性金融風險的底線”而言，最關鍵的是要促進房地產(chǎn)行業(yè)平穩(wěn)健康發(fā)展。降低房地產(chǎn)業(yè)風險的外溢性和傳染性，需要在穩(wěn)定房地產(chǎn)業(yè)現(xiàn)有融資渠道的基礎上，降低房地產(chǎn)業(yè)與銀行業(yè)的風險共生性，提高房地產(chǎn)企業(yè)的風險抵抗能力。

首先，從行業(yè)層面來看，一是從整體上降低銀行部門房地產(chǎn)信貸敞口，從信貸渠道降低房地產(chǎn)業(yè)與銀行業(yè)的風險共生性。要嚴格落實銀行業(yè)房地產(chǎn)貸款集中度管理，加強房地產(chǎn)金融審慎管理制度，引導銀行業(yè)調整信貸方向，優(yōu)化信貸結構。減少存量規(guī)模，對房地產(chǎn)信貸占比較高的銀行實行名單制管理，督促這些銀行做好房地產(chǎn)信貸的追蹤審查與風險控制。減少房地產(chǎn)信貸增量，做好貸前審查與貸后資金監(jiān)控工作。二是要監(jiān)管房地產(chǎn)市場資金的過度流入，防止房價非理性上漲，降低房地產(chǎn)市場的泡沫化風險。通過圍堵繞道違規(guī)資金流入房地產(chǎn)市場、住房限購、強調住房的實體資產(chǎn)屬性，以及避免利用房地產(chǎn)短期刺激經(jīng)濟的舉施，穩(wěn)住房價、房地產(chǎn)市場預期，以弱化房地產(chǎn)自身風險，從而降低房地產(chǎn)業(yè)對銀行業(yè)系統(tǒng)性風險的溢出效應。

其次，從企業(yè)層面來看，一是房地產(chǎn)企業(yè)應當通過提高融資質量和優(yōu)化融資結構來提高其風險抵抗能力。要合理規(guī)劃開發(fā)項目，注重融資渠道的合規(guī)性，減小負債規(guī)模，降低融資杠桿；同時，拓寬保險、信托等多元化融資渠道，增強企業(yè)抵抗金融風險的能力，在降低自身風險的同時，減少風險的溢出效應。二是重點監(jiān)管大規(guī)模房企的風險。對于負債規(guī)模大、融資涉及多個金融機構的房地產(chǎn)企業(yè)，應當重點監(jiān)管其融資管理、經(jīng)營風險，實時跟進資金動向，以降低其風險，減少其風險溢出效應。

最后，從長期來看，需要大力發(fā)展實體經(jīng)濟，提高實體經(jīng)濟回報率，引導房地產(chǎn)市場過熱資金回流到實體經(jīng)濟，從而降低房地產(chǎn)市場過度投資，降低房地產(chǎn)市場泡沫化風險，進而減少房地產(chǎn)業(yè)對銀行業(yè)系統(tǒng)性風險的溢出效應。