經(jīng)濟政策不確定性、房地產(chǎn)金融化與商業(yè)銀行不良貸款率

史 彪

（中國人民銀行咸陽市中心支行，陜西 咸陽 712000）

一、引言

在次級貸款泛濫的背景下，美國房地產(chǎn)市場呈現(xiàn)畸形繁榮，房地產(chǎn)金融泡沫日益加劇，其后隨著房價轉(zhuǎn)跌，部分家庭喪失還貸能力，美國于2007年爆發(fā)了次貸危機，使得商業(yè)銀行面臨嚴峻不良資產(chǎn)問題。金融危機很快波及到其他發(fā)達國家和新興市場國家，嚴重沖擊全球金融穩(wěn)定，造成了全球?qū)嶓w經(jīng)濟的衰退。在此背景下，為應(yīng)對國際金融危機沖擊，保持經(jīng)濟平穩(wěn)較快發(fā)展，中國政府出臺了一系列經(jīng)濟刺激措施，中國人民銀行多次調(diào)整存貸款基準利率，下調(diào)金融機構(gòu)再貸款和再貼現(xiàn)利率，保證銀行體系流動性充足。財政政策方面，推出了“進一步擴大內(nèi)需，促進經(jīng)濟穩(wěn)定增長”的4萬億元的投資計劃。同時，為鼓勵住房消費，促使房地產(chǎn)銷售回暖，國家出臺了降低首付比及按揭貸款利率等措施。這一系列舉措有效扭轉(zhuǎn)了經(jīng)濟下滑趨勢，成功抵御了國際金融危機沖擊。2015年以來，全球經(jīng)濟增速放緩，國內(nèi)經(jīng)濟出現(xiàn)下行，面對財政金融風(fēng)險加劇的形勢，國家又先后出臺一系列政策，旨在實現(xiàn)穩(wěn)增長、調(diào)結(jié)構(gòu)、防風(fēng)險，但在持續(xù)降息降準政策的作用下，全國房價出現(xiàn)了明顯上漲。于是2016年中央經(jīng)濟工作會議上提出“房子是用來住的，不是用來炒的”的基本定位，隨后多地樓市調(diào)控政策密集出臺。

這些經(jīng)濟政策對促進經(jīng)濟平穩(wěn)健康發(fā)展發(fā)揮了重要作用，但也引起了一些其他后果。一方面，政策的頻繁出臺加劇了經(jīng)濟的不確定性。根據(jù)Baker等（2016）的研究，中國經(jīng)濟政策不確定性指數(shù)自2012年以來不斷上升[1]。而在經(jīng)濟政策不確定時，市場主體難以對政策調(diào)整進行預(yù)知，可能因政策模糊引發(fā)潛在風(fēng)險。另一方面，大規(guī)模刺激政策在改善我國實體經(jīng)濟投資下滑的同時，也加快了房地產(chǎn)等傳統(tǒng)行業(yè)的快速發(fā)展，我國居民杠桿率快速增長，大量杠桿資金積聚在房地產(chǎn)行業(yè)，企業(yè)金融化以及金融資源傾向房地產(chǎn)領(lǐng)域的趨勢更加明顯[2]。

房地產(chǎn)金融化的顯著特征是房地產(chǎn)行業(yè)從商業(yè)銀行獲取的信貸規(guī)模不斷增加，居民家庭按揭貸款比例不斷上升。同時，大量債券、股本、信托資金進入房地產(chǎn)行業(yè)，房地產(chǎn)行業(yè)與資本市場深度關(guān)聯(lián)。而商業(yè)銀行信貸資金過度集中于某一個行業(yè)，將不利于其控制資產(chǎn)風(fēng)險。尤其當經(jīng)濟政策不確定性上升時，企業(yè)經(jīng)營環(huán)境將發(fā)生較大變化，會加劇金融市場風(fēng)險[3]。因此，在經(jīng)濟政策不確定時，房地產(chǎn)金融化可能對商業(yè)銀行產(chǎn)生沖擊，如果出現(xiàn)大規(guī)模房地產(chǎn)企業(yè)債務(wù)違約，將損害商業(yè)銀行資產(chǎn)質(zhì)量。2020年末，我國商業(yè)銀行不良貸款率為1.92%，資產(chǎn)質(zhì)量總體平穩(wěn)，但不良貸款率較上年末增長了0.06個百分點。此外，我國商業(yè)銀行資產(chǎn)質(zhì)量表現(xiàn)出明顯的地區(qū)差異[4]。例如：北京、上海、江蘇等經(jīng)濟發(fā)達省份不良貸款率均在1%以下，而西北、東北地區(qū)部分省份不良貸款率處于高位，甘肅省不良貸款率高達7.71%①數(shù)據(jù)中的區(qū)域金融版圖：長三角是銀行貸款投放“最愛”［EB/OL］.（2020-10-10）.https://baijiahao.baidu.com/s?id=1680117125043787484&wfr=spider&for=pc.。如果商業(yè)銀行不良貸款率大幅上升，不僅會沖擊區(qū)域金融穩(wěn)定，還可能引發(fā)系統(tǒng)性金融風(fēng)險。

綜上所述，房地產(chǎn)金融化保證了房地產(chǎn)行業(yè)的資金供給，也為商業(yè)銀行提供了優(yōu)質(zhì)的信貸資產(chǎn)。但是金融資源過度積聚于地產(chǎn)領(lǐng)域如同“灰犀?！币话悖殉蔀槲＜拔覈虡I(yè)銀行體系的巨大隱患。當房地產(chǎn)過度金融化這只“灰犀牛”遇到“經(jīng)濟政策不確定”這只“黑天鵝”，是否會引起商業(yè)銀行不良貸款率的攀升？此外，部分研究認為經(jīng)濟政策不確定性在很大程度上被視為勻質(zhì)的[5]，那么對于房地產(chǎn)金融化和商業(yè)銀行不良貸款率，這一觀點是否仍然成立？本文將研究落腳點置于我國金融體系中占據(jù)重要地位的商業(yè)銀行，并考慮不同區(qū)域房地產(chǎn)金融化以及經(jīng)濟、金融發(fā)展水平的差異，選擇各省份商業(yè)銀行不良貸款率作為被解釋變量，通過構(gòu)建全國及各省份房地產(chǎn)金融化指數(shù)，分析經(jīng)濟政策不確定性、房地產(chǎn)金融化與商業(yè)銀行不良貸款率之間的關(guān)系。在分析中，將銀行體系流動性納入研究框架，探討銀行體系流動性在經(jīng)濟政策不確定性影響房地產(chǎn)金融化過程中的中介效應(yīng)，為本文研究提供支撐。

二、文獻綜述

（一）經(jīng)濟政策不確定性與房地產(chǎn)金融化

一方面，經(jīng)濟政策不確定將加劇房地產(chǎn)價格波動。張浩等（2015）構(gòu)建我國房價短期波動模型，采用LSTVAR模型分析發(fā)現(xiàn)較高的政策不確定性會延緩個人購房行為，降低房地產(chǎn)企業(yè)住房供給，加劇房地產(chǎn)價格波動[6]。另一方面，經(jīng)濟政策不確定將導(dǎo)致經(jīng)濟金融環(huán)境發(fā)生改變，從而影響市場主體行為[7]。對于商業(yè)銀行，經(jīng)濟政策不確定將影響商業(yè)銀行流動性創(chuàng)造。以歐洲央行在歐洲債務(wù)危機期間的貨幣政策操作為例，Talk（2016）認為其政策本意是刺激資金流向?qū)嶓w經(jīng)濟，提振經(jīng)濟增長，但是政策調(diào)整過于劇烈反而導(dǎo)致銀行放貸動力不足[8]。田國強等（2020）指出，當經(jīng)濟政策不確定性上升時，商業(yè)銀行會降低表內(nèi)、表外流動性創(chuàng)造，并且這一負向影響呈現(xiàn)“非對稱U型”結(jié)構(gòu)變化[9]。對于房地產(chǎn)企業(yè)，陳淑云等（2020）通過理論推導(dǎo)，認為經(jīng)濟政策不確定可能會加劇房地產(chǎn)企業(yè)投資行為。具體來看，在高度不確定時期，房地產(chǎn)企業(yè)將增加土地儲備，擴大投資，提前搶占未來市場份額[10]。潘群星等（2020）使用中國經(jīng)濟政策不確定性指數(shù)和中國房地產(chǎn)開發(fā)投資數(shù)據(jù)進行實證分析，結(jié)果表明中國經(jīng)濟政策不確定性會抑制房地產(chǎn)企業(yè)實物投資[11]。

（二）房地產(chǎn)金融化與商業(yè)銀行不良貸款率

林睿等（2015）認為我國房地產(chǎn)金融狀況大致可以分為四個階段，其中次貸危機時期房地產(chǎn)金融狀況較差。進入2010年以后，房地產(chǎn)金融市場運行相對平穩(wěn)，但與2007年前相比，房地產(chǎn)金融市場波動幅度增大，房地產(chǎn)市場的風(fēng)險也在增大[12]。李嘉珣（2021）指出當房地產(chǎn)市場風(fēng)險高度聚集時，一些突發(fā)因素可能會沖擊商業(yè)銀行體系，例如融資環(huán)境和政策的變化可能導(dǎo)致現(xiàn)金流斷裂，銀行呆賬壞賬的發(fā)生幾率劇增，甚至波及行業(yè)上下游的產(chǎn)業(yè)鏈[13]。此外，方明（2018）認為房地產(chǎn)資金供給和需求的期限不匹配問題導(dǎo)致房地產(chǎn)行業(yè)本身蘊含潛在風(fēng)險，尤其是過多的銀行資金積壓于房地產(chǎn)項目，將加劇整個銀行體系的系統(tǒng)性風(fēng)險[14]。

（三）經(jīng)濟政策不確定性、房地產(chǎn)金融化與商業(yè)銀行不良貸款率

陳詩一等（2016）指出，央行調(diào)整政策利率會通過金融體系傳遞到房地產(chǎn)市場，進而反作用于銀行業(yè)信貸資產(chǎn)[15]。潘晶（2017）認為，伴隨著房地產(chǎn)信貸規(guī)?？焖贁U張，金融資源配置的結(jié)構(gòu)失衡和效率低下開始顯現(xiàn)，從國外的發(fā)展教訓(xùn)來看，這將極易導(dǎo)致房地產(chǎn)泡沫的破滅和金融體系的動蕩，進而對整個實體經(jīng)濟造成沖擊[16]。在實證方面，周建軍等（2019）基于主成分分析法，利用SVAR模型和門檻模型，分析貨幣政策對房地產(chǎn)金融風(fēng)險的沖擊，結(jié)果表明貨幣政策調(diào)整對房地產(chǎn)金融風(fēng)險的沖擊在不同房價水平上具有非對稱性[17]。

回顧以往研究，學(xué)者普遍認為經(jīng)濟政策不確定會沖擊房地產(chǎn)市場和商業(yè)銀行體系，進而沖擊金融穩(wěn)定。但鮮有定量分析經(jīng)濟政策不確定對房地產(chǎn)金融化和商業(yè)銀行不良貸款率的影響，這可能是因為缺乏衡量房地產(chǎn)金融化的相關(guān)指標。因此，本文基于以往研究，構(gòu)建我國房地產(chǎn)金融化指數(shù)，衡量2008—2019年我國房地產(chǎn)金融市場發(fā)展狀況，同時基于我國經(jīng)濟政策不確定性不斷上升的背景，通過實證研究房地產(chǎn)金融化對商業(yè)銀行不良貸款率產(chǎn)生的影響。

三、理論機制與研究假設(shè)

本文首先討論房地產(chǎn)金融化對商業(yè)銀行不良貸款率的影響。房地產(chǎn)行業(yè)本身屬于資本密集型行業(yè)，其健康發(fā)展需要金融化作為支撐。適度的金融化將確保房地產(chǎn)行業(yè)平穩(wěn)、健康發(fā)展，房地產(chǎn)行業(yè)的快速發(fā)展也能夠有效促進金融行業(yè)的成長，兩者之間存在相互依賴關(guān)系。進入2008年以來，我國城鎮(zhèn)化進程加快，房地產(chǎn)市場呈現(xiàn)快速發(fā)展態(tài)勢，全國性住宅價格開始普漲，尤其部分大中城市房價大幅上漲。因此，房地產(chǎn)資產(chǎn)成為間接融資領(lǐng)域最優(yōu)質(zhì)的抵押物。當房價處于上漲階段，在信貸供給端，商業(yè)銀行投放房地產(chǎn)抵押貸款的意愿較強，甚至?xí)潘墒谛艞l件，提高抵押率，推動貸款投放加速，并通過同業(yè)業(yè)務(wù)的擴張促進信貸資源流向房地產(chǎn)行業(yè)，這將加速房地產(chǎn)金融化。在信貸需求端，居民購置資產(chǎn)向來存在買漲不買跌的傾向，購房融資需求也相對旺盛。在風(fēng)險方面，近十年房地產(chǎn)市場價值整體穩(wěn)定，居民投資房地產(chǎn)的風(fēng)險遠低于股票等其他權(quán)益類投資。此外，房地產(chǎn)市場還有著相對成熟規(guī)范的抵押及處置手續(xù)。因此，盡管“房地產(chǎn)泡沫是威脅金融安全最大的‘灰犀牛’”，但在過去十余年，房地產(chǎn)市場依靠融資以及超長景氣周期，借助土地以及房產(chǎn)的高抵押價值，為商業(yè)銀行提供了較為穩(wěn)健的收益和安全的信貸資產(chǎn)?；谝陨戏治?，提出假設(shè)1。

H1：房地產(chǎn)金融化水平的提升有利于改善商業(yè)銀行資產(chǎn)質(zhì)量，降低商業(yè)銀行不良貸款率。

接下來，本文進一步討論在經(jīng)濟政策不確定下，房地產(chǎn)金融化對商業(yè)銀行不良貸款率的影響。當經(jīng)濟政策不確定性較低時，政府出臺各項政策不會使市場主體行為發(fā)生劇烈調(diào)整，房地產(chǎn)金融市場得以平穩(wěn)發(fā)展，因此，假設(shè)H1仍然成立。但是，當經(jīng)濟政策不確定性提高時，房地產(chǎn)金融化對商業(yè)銀行不良貸款率的影響可能發(fā)生突變。根據(jù)真實期權(quán)理論，在高度不確定的政策環(huán)境下，若存在固定的不可逆成本，拖延價值就會上升[18]。由于銀行貸款的等待期權(quán)價值隨政策不確定性的上升而增加，銀行將傾向推遲放貸或收緊信貸規(guī)模。此外，根據(jù)不作為經(jīng)濟學(xué)，隨著政策不確定性的上升，銀行對未來的流動性需求缺乏穩(wěn)定預(yù)期，其信貸決策也會表現(xiàn)為推遲放貸，縮減貸款規(guī)模[19]。因此，經(jīng)濟政策不確定性上升將導(dǎo)致商業(yè)銀行流動性創(chuàng)造能力收縮以及信貸投放偏向短期資產(chǎn)，這將使得房地產(chǎn)行業(yè)難以獲得有效資金支持，進而開發(fā)投資規(guī)模下滑，金融化水平降低。如果商業(yè)銀行信貸資金驟縮，房地產(chǎn)企業(yè)其他外部融資渠道也受限，將可能導(dǎo)致房地產(chǎn)企業(yè)資金鏈斷裂，進而引發(fā)資不抵債，這種風(fēng)險甚至還會傳遞到建筑、建材等房地產(chǎn)企業(yè)供應(yīng)商，加劇商業(yè)銀行資產(chǎn)質(zhì)量的惡化。因此，經(jīng)濟政策不確定性將通過改變商業(yè)銀行體系流動性，影響房地產(chǎn)金融化水平，從而對商業(yè)銀行不良貸款率產(chǎn)生突變影響。基于以上分析，本文提出假設(shè)2和假設(shè)3。

H2：房地產(chǎn)金融化對商業(yè)銀行不良貸款率的影響受經(jīng)濟政策不確定性的門檻作用。在高政策不確定性下，房地產(chǎn)金融化對商業(yè)銀行不良貸款率的降低作用將弱化。

H3：銀行體系流動性是經(jīng)濟政策不確定性影響房地產(chǎn)金融化的中介變量，較高的經(jīng)濟政策不確定性將促使銀行體系流動性下降，降低房地產(chǎn)金融化水平。

經(jīng)濟政策不確定除了影響商業(yè)銀行信貸決策外，也會影響到居民對房地產(chǎn)市場的預(yù)期。這將打破房地產(chǎn)市場供需平衡，致使房價呈現(xiàn)異常波動，影響房地產(chǎn)資產(chǎn)抵押價值。房價波動的沖擊還會在信貸市場和房地產(chǎn)市場間被放大，這一放大效應(yīng)將造成房地產(chǎn)市場形成自我強化的順周期波動[20]，進而加劇房地產(chǎn)金融化與經(jīng)濟政策不確定對商業(yè)銀行不良貸款的沖擊。一方面，房價波動使得大部分家庭對房地產(chǎn)市場持觀望態(tài)度，從而導(dǎo)致房地產(chǎn)銷售狀況不及預(yù)期，房地產(chǎn)資金鏈趨緊，尤其高杠桿房地產(chǎn)企業(yè)將面臨嚴重的流動性壓力，甚至難以償還商業(yè)銀行貸款。另一方面，如果房價出現(xiàn)大幅下跌，可能通過“金融加速器”作用增加商業(yè)銀行不良貸款規(guī)模。具體來看，房價的下跌導(dǎo)致抵押資產(chǎn)價值縮水，商業(yè)銀行為了規(guī)避風(fēng)險會收緊信貸約束，同時要求補充抵押品或者提供違約賠償，這將進一步導(dǎo)致房地產(chǎn)企業(yè)資產(chǎn)價格下跌，外部融資成本上升，形成信貸緊縮—投資下降—資產(chǎn)價格下跌的正反饋循環(huán)。此外，房地產(chǎn)市場價值的波動有可能引發(fā)政策不確定性的上升。當房地產(chǎn)市場低迷時，政府采取新一輪調(diào)控措施刺激房地產(chǎn)企業(yè)融資需求，進一步加劇房地產(chǎn)價格波動?；谝陨戏治?，本文提出假設(shè)4。

H4：高經(jīng)濟政策不確定性將影響房地產(chǎn)金融化對商業(yè)銀行體系的作用，加劇商業(yè)銀行不良貸款率上升。

四、中國房地產(chǎn)金融化指數(shù)構(gòu)建

關(guān)于中國房地產(chǎn)金融化指數(shù)構(gòu)建，以往學(xué)者研究較少。呂錚等（2012）根據(jù)房地產(chǎn)泡沫的成因及特征表現(xiàn)選取房地產(chǎn)投資/全社會固定資產(chǎn)投資、商品房空置率、房價收入比、商品房價格漲幅/CPI漲幅等7個指標測度房地產(chǎn)泡沫程度[21]。周中明等（2019）從產(chǎn)業(yè)結(jié)構(gòu)關(guān)聯(lián)、房地產(chǎn)業(yè)發(fā)展以及信貸資金安全三方面構(gòu)建房地產(chǎn)金融風(fēng)險指數(shù)[22]。因此，本文參考房地產(chǎn)金融風(fēng)險指數(shù)和房地產(chǎn)泡沫測度系數(shù)，根據(jù)房地產(chǎn)金融化特點，從房地產(chǎn)部門、金融部門以及居民部門三個層面構(gòu)建房地產(chǎn)金融化指數(shù)，綜合反映房地產(chǎn)行業(yè)對金融部門、居民部門的依賴度。

房地產(chǎn)金融化指數(shù)共涵蓋7個一級指標、12個二級指標，所有指標均為正向指標，具體見表1。并且由于我國東部、中部和西部地區(qū)發(fā)展存在差異，各省份房地產(chǎn)開發(fā)和金融發(fā)展水平存在差距，因此，本文從省域?qū)用鎸Ψ康禺a(chǎn)金融化水平進行測算。

表1 房地產(chǎn)金融化指數(shù)指標構(gòu)成

（一）指標介紹

1.房地產(chǎn)市場指標

房地產(chǎn)市場層面指標有三類：第一類指標反映房地產(chǎn)市場景氣狀況。主要包括各省份住房銷售價格和銷售規(guī)模。當房地產(chǎn)市場景氣時，商業(yè)銀行住房抵押貸款投放意愿增強，將加速房地產(chǎn)金融化。第二類指標反映房地產(chǎn)市場投資狀況，該指標反映了房地產(chǎn)開發(fā)建設(shè)的活躍度。其中，投資完成額增長率體現(xiàn)房地產(chǎn)市場開發(fā)、建設(shè)資金規(guī)模變化，指標越高意味著房地產(chǎn)行業(yè)開發(fā)資金越充足；投資完成額占GDP的比重體現(xiàn)各省份經(jīng)濟對房地產(chǎn)行業(yè)的依賴度。第三類指標反映房地產(chǎn)企業(yè)自身經(jīng)營情況。主營業(yè)務(wù)成本率是各省份房地產(chǎn)企業(yè)主營業(yè)務(wù)成本與主營業(yè)務(wù)收入的比重，主要體現(xiàn)房地產(chǎn)企業(yè)在土地購置、開發(fā)建設(shè)等方面的成本支出；房地產(chǎn)企業(yè)資產(chǎn)負債率反映了其資產(chǎn)負債結(jié)構(gòu)，體現(xiàn)了各地房地產(chǎn)企業(yè)對外部資金的依賴情況。

2.金融機構(gòu)指標

房地產(chǎn)開發(fā)資金是房地產(chǎn)行業(yè)的實際到位資金，其增長率體現(xiàn)房地產(chǎn)行業(yè)的資金流入情況，反映商業(yè)銀行對房地產(chǎn)企業(yè)的資金投入總規(guī)模；房地產(chǎn)開發(fā)資金/銀行業(yè)各項貸款反映商業(yè)銀行貸款中流向房地產(chǎn)企業(yè)的比例；房地產(chǎn)銀行貸款/房地產(chǎn)開發(fā)資金體現(xiàn)房地產(chǎn)企業(yè)對商業(yè)銀行的依賴度；房地產(chǎn)非銀行貸款/房地產(chǎn)開發(fā)資金體現(xiàn)房地產(chǎn)企業(yè)對非銀行機構(gòu)的資金依賴度。

3.家庭層面指標

住房價格/人均GDP體現(xiàn)住房價格與當?shù)厣a(chǎn)力水平的比值，該指標越高，反映房價水平與居民自住需求相匹配程度越低；個人按揭貸款增長率則反映家庭住房債務(wù)變化情況，該指標越高，居民杠桿率越高。

本文選用2008—2019年樣本數(shù)據(jù)，數(shù)據(jù)來自中經(jīng)網(wǎng)、WIND數(shù)據(jù)庫以及EPS數(shù)據(jù)庫。

（二）房地產(chǎn)金融化指數(shù)的計算

本文采用主成分分析法（PCA）對31個省份的房地產(chǎn)金融化指數(shù)進行測度。該方法屬于客觀賦權(quán)法，可以基于數(shù)據(jù)本身特征確定各指標的權(quán)重，能夠在較大程度上減少人為因素干擾。因為各個省份城鎮(zhèn)化率、金融結(jié)構(gòu)、居民收入存在較大差異，所以構(gòu)成其房地產(chǎn)金融化指數(shù)的主成分不盡相同，就需要利用主成分分析法分別獲取構(gòu)成各省份房地產(chǎn)金融化指數(shù)的主成分，從而構(gòu)建各省份房地產(chǎn)金融化指數(shù)。數(shù)據(jù)處理采用SPSS25.0軟件，依次對31個省份的12項指標進行處理。首先，對所有數(shù)據(jù)進行標準化處理，確保所有指標值處于同一數(shù)量級別，可以進行綜合測評分析。其次，使用經(jīng)過標準化處理后的數(shù)據(jù)合成2008—2019年全國31個省份的房地產(chǎn)金融化指數(shù)。

第一步：使用KMO以及Bartlett檢驗，判斷第i個省份的數(shù)據(jù)能否使用主成分分析法。

第二步：確定第i個省份所有數(shù)據(jù)的主成分個數(shù)j，并選擇特征值大于1的因子作為主成分①特征值的大小反映了其所對應(yīng)的因子解釋樣本數(shù)據(jù)的水平，該值越大解釋效果就越佳，通常選擇特征值大于1的因子作為主成分。。

第三步：根據(jù)各變量因子得分系數(shù)計算出2008—2019年各個主成分的得分Fjt。

第四步：確定各個成分所對應(yīng)的權(quán)重：ωjt=Sj/，即各個成分對應(yīng)的方差解釋率和累積方差解釋率的比值。

第五步：使用各年份的主成分得分值Fjt與權(quán)重ωjt相乘得到第i個省份的房地產(chǎn)金融化得分Xt=Fjt×ωjt。因為所選指標涵蓋部分變動率指標，因此該得分實質(zhì)反映各個年份房地產(chǎn)金融化的變動情況。

最后，本文以2007年為基期，將2007年的房地產(chǎn)金融化水平視為100，使用公式RAFIit=100×（1-Xit/10）得到第i個省份2008—2019年的房地產(chǎn)金融化指數(shù)。

考慮到區(qū)域經(jīng)濟金融的差異性，本文將31個省份劃分為東部、西部和中部，并以各區(qū)域所有省份2008—2019年間的算術(shù)平均值作為這三個區(qū)域的房地產(chǎn)金融化指數(shù)。

（三）房地產(chǎn)金融化指數(shù)評價及趨勢分析

圖1反映了我國2008—2019年房地產(chǎn)金融化水平。從全國來看，2008年以來我國房地產(chǎn)金融化水平先出現(xiàn)明顯上升，在2013年達到頂峰后保持平穩(wěn)態(tài)勢，2017年開始出現(xiàn)較為明顯的下降。

圖1 2008—2019年房地產(chǎn)金融化指數(shù)

次貸危機后，我國政府采取積極的財政政策和適度寬松的貨幣政策，加快基礎(chǔ)設(shè)施以及保障性安居工程建設(shè)，鼓勵普通商品住房消費，商業(yè)銀行信貸規(guī)模不斷擴大，住房價格出現(xiàn)了快速上漲，導(dǎo)致房地產(chǎn)行業(yè)大量信貸資金流入。因此，2008年之后，我國房地產(chǎn)金融化程度快速提升。

2012年以后，部分大中城市加強房地產(chǎn)市場調(diào)控，房地產(chǎn)開發(fā)貸款收緊，監(jiān)管機構(gòu)開始密切關(guān)注房地產(chǎn)企業(yè)融資行為，防止其違規(guī)套取銀行資金。但與此同時，國內(nèi)金融產(chǎn)品創(chuàng)新日益活躍，影子銀行市場迅速膨脹，房地產(chǎn)企業(yè)轉(zhuǎn)而求助于游離于正規(guī)銀行部門的各類影子銀行。因此，影子銀行為房地產(chǎn)企業(yè)提供了大量資金支持，房地產(chǎn)金融化程度仍繼續(xù)攀升。2014年至2016年上半年，房地產(chǎn)市場呈現(xiàn)“總量放緩、區(qū)域分化”狀態(tài)，國家調(diào)控聚焦于去庫存和分類管理，通過放松限購政策、公積金松綁、降準降息等措施對需求端進行調(diào)控，房地產(chǎn)金融化水平仍居高不下。2016年底，中央提出“房住不炒”定位后，出臺了一系列政策助推表外資金回流表內(nèi)，收緊銀行信貸、保險、地方資產(chǎn)管理、海外發(fā)債等房地產(chǎn)融資渠道，房地產(chǎn)行業(yè)的杠桿率持續(xù)下降，我國房地產(chǎn)金融化指數(shù)出現(xiàn)回落。2020年在新冠肺炎疫情影響下，貨幣環(huán)境整體較為寬松，但房地產(chǎn)調(diào)控仍堅持“房住不炒”基調(diào)不變，2020年8月，央行提出了對房地產(chǎn)企業(yè)融資的三道紅線以及相應(yīng)的融資限制條件，2020年12月，房地產(chǎn)貸款集中度管理制度正式出臺，標志著房地產(chǎn)金融長效管理機制進一步完善。

分區(qū)域來看，相比于中部和西部，東部區(qū)域房地產(chǎn)金融化指數(shù)于2010年達到高峰，之后整體較為平穩(wěn)。主要由于東部地區(qū)城鎮(zhèn)化水平較高，并且房地產(chǎn)企業(yè)融資渠道相對廣泛，可以通過發(fā)行股票、債券等多種渠道籌集資金，對商業(yè)銀行的信貸依賴度較低。所以盡管部分一線城市房價上漲明顯，但房地產(chǎn)金融化指數(shù)整體偏低。而西部房地產(chǎn)金融化指數(shù)相比于東部和中部呈現(xiàn)較大差異，主要體現(xiàn)在西部地區(qū)房地產(chǎn)金融化指數(shù)最晚達到峰值，并自2016年開始出現(xiàn)回落，這主要是由于西部地區(qū)城鎮(zhèn)化水平較低，在城鎮(zhèn)化建設(shè)中房地產(chǎn)市場仍需大量資金支持。中部地區(qū)房地產(chǎn)金融化水平呈現(xiàn)較大波動幅度，且在趨勢上與全國較為貼近。

五、模型設(shè)定及檢驗結(jié)果分析

（一）變量選取和數(shù)據(jù)來源

1.被解釋變量

商業(yè)銀行不良貸款率（NPL）。選擇31個省份銀行業(yè)金融機構(gòu)不良貸款率，該數(shù)值越大，表明區(qū)域資產(chǎn)質(zhì)量越低。2008—2018年數(shù)據(jù)來自EPS數(shù)據(jù)庫，2019年數(shù)據(jù)來自中國銀保監(jiān)會網(wǎng)站。

2.解釋變量

一是房地產(chǎn)金融化指數(shù)（RAFI），反映各省份房地產(chǎn)金融化水平。為使RAFI與其他數(shù)據(jù)量級較為一致，本文將計算得到的房地產(chǎn)金融化指數(shù)縮小100倍。

二是經(jīng)濟政策不確定性指數(shù)。本文采用Baker等（2016）根據(jù)《南華早報》關(guān)鍵詞搜索測算得到的中國經(jīng)濟政策不確定性指數(shù)①數(shù)據(jù)來源于policy uncertainty網(wǎng)站（http://policyuncertainty.com/china_epu.html）。，并將月度指數(shù)經(jīng)算術(shù)平均得到年度不確定性指數(shù)，再對年度數(shù)據(jù)取對數(shù)，記做LNEPU。

3.控制變量

為解決部分遺漏變量而導(dǎo)致的內(nèi)生性問題，本文加入以下控制變量：經(jīng)濟增長水平（GDP）、消費者價格水平（CPI）、工業(yè)生產(chǎn)價格水平（PPI）、固定資產(chǎn)投資（IIFA）、財政風(fēng)險（FDGDP）、居民收入（PGDP）、金融深化（CBGDP）。以上數(shù)據(jù)來自中經(jīng)網(wǎng)、WIND以及EPS數(shù)據(jù)庫，由于西藏地區(qū)固定資產(chǎn)投資價格指數(shù)部分指標缺失，采用其他年份數(shù)據(jù)平均值代替。同時，為避免異常值對實證結(jié)果造成的不利影響，本文對所有連續(xù)變量進行了1%水平上的Winsorize縮尾處理。

各變量介紹及說明如表2所示。

表2 變量介紹及說明

（二）模型設(shè)定

基于前文分析，為研究經(jīng)濟政策不確定性、房地產(chǎn)金融化與商業(yè)銀行不良貸款率之間的關(guān)系，本文首先建立普通面板回歸模型。

在（1）式中，i=1，2，3，......，n，表示第i個省份，t=2008，.......，2019。μit表示每個省份的個體效應(yīng)，εit為隨機擾動項。

前文分析，經(jīng)濟政策不確定下，房地產(chǎn)金融化對商業(yè)銀行不良貸款率的影響是非線性的，即存在門檻效應(yīng)。因此，本文在基本回歸模型的基礎(chǔ)上引入指數(shù)函數(shù)，建立單門檻模型。

在（2）式中，γ為門檻的臨界值。當β1與β2不相等時，表明在不同門檻范圍內(nèi)回歸系數(shù)不一致，即存在門檻效應(yīng)。

（三）變量描述性統(tǒng)計

變量描述性統(tǒng)計如表3所示。

表3 變量描述性統(tǒng)計

（四）實證檢驗與結(jié)果分析

1.普通回歸模型

通過對數(shù)據(jù)進行豪斯曼檢驗，發(fā)現(xiàn)拒絕原假設(shè)，本文采用固定效應(yīng)模型進行普通面板回歸。為檢驗固定效應(yīng)模型的隨機誤差項，本文在固定效應(yīng)模型的基礎(chǔ)上，依次進行了異方差檢驗、序列相關(guān)檢驗以及截面相關(guān)性檢驗，檢驗結(jié)果表明不能使用傳統(tǒng)的穩(wěn)健性估計。因此，本文采用“異方差－序列相關(guān)－截面相關(guān)”穩(wěn)健標準誤對模型進行了修正，模型（1）的回歸結(jié)果見表4。

表4 模型（1）和模型（2）回歸結(jié)果

（1）經(jīng)濟政策不確定性、房地產(chǎn)金融化對商業(yè)銀行不良貸款率的影響。從回歸結(jié)果看，在1%的顯著性水平下，LNEPU的系數(shù)為0.0042，表明隨著經(jīng)濟政策不確定性的提高，商業(yè)銀行不良貸款率將上升，資產(chǎn)質(zhì)量出現(xiàn)下降。在10%的顯著性水平下，房地產(chǎn)金融化同商業(yè)銀行不良貸款率呈負向關(guān)系，房地產(chǎn)金融化能夠降低商業(yè)銀行不良貸款率，證實了假設(shè)H1。這表明在樣本區(qū)間內(nèi)，房地產(chǎn)市場能為商業(yè)銀行提供優(yōu)質(zhì)的抵押資產(chǎn)，商業(yè)銀行也傾向于將資金投向房地產(chǎn)領(lǐng)域，房地產(chǎn)金融化有利于降低商業(yè)銀行不良貸款率。

（2）控制變量對商業(yè)銀行不良貸款率的影響。消費者價格指數(shù)同商業(yè)銀行不良貸款率顯著負相關(guān)。消費者價格指數(shù)反映了物價水平上漲的程度，通貨膨脹率高表明經(jīng)濟發(fā)展處于繁榮周期，商業(yè)銀行所面臨的宏觀經(jīng)濟環(huán)境相對穩(wěn)定，有利于降低商業(yè)銀行不良貸款率。生產(chǎn)價格指數(shù)同商業(yè)銀行不良貸款率顯著正相關(guān)。生產(chǎn)價格指數(shù)反映了工業(yè)企業(yè)生產(chǎn)資料價格水平變動情況，原材料價格上漲可能沖擊企業(yè)生產(chǎn)經(jīng)營，導(dǎo)致商業(yè)銀行不良資產(chǎn)增加。經(jīng)濟增長同商業(yè)銀行不良貸款率顯著負相關(guān)，表明較好的經(jīng)濟形勢能為商業(yè)銀行提供良好的外部經(jīng)營環(huán)境，從而降低商業(yè)銀行不良貸款率。居民收入同商業(yè)銀行不良貸款率顯著負相關(guān)，表明收入水平越高，個人信貸的償還能力越強，因此越有利于降低商業(yè)銀行不良貸款率。金融深化同商業(yè)銀行不良貸款率顯著負相關(guān)，表明當?shù)亟鹑诎l(fā)展水平越高，商業(yè)銀行對經(jīng)濟的滲透度越深，抵抗風(fēng)險的能力也越強，越有助于降低商業(yè)銀行不良貸款率。固定資產(chǎn)投資價格指數(shù)、財政風(fēng)險對商業(yè)銀行不良貸款率的影響并不顯著。

2.面板門檻模型

基于前文分析，本文將經(jīng)濟政策不確定性作為門檻變量，設(shè)置自舉次數(shù)為500，依次檢驗是否存在雙重門檻和單一門檻效應(yīng)。檢驗結(jié)果（見表5）發(fā)現(xiàn)，在單一門檻下，p值為0.0120，表明房地產(chǎn)金融化對商業(yè)銀行不良貸款率的影響存在單一門檻效應(yīng)，驗證了假設(shè)H2。

表5 門檻效應(yīng)檢驗結(jié)果

模型（2）的回歸結(jié)果如表4所示。根據(jù)表4，當經(jīng)濟政策不確定性指數(shù)小于門檻值5.1395時，房地產(chǎn)金融化同商業(yè)銀行不良貸款率負相關(guān)，估計系數(shù)為-0.0155，在1%的顯著性水平下顯著；當經(jīng)濟政策不確定性指數(shù)大于門檻值5.1395時，房地產(chǎn)金融化與商業(yè)銀行不良貸款率仍顯著負相關(guān)，但估計系數(shù)為-0.0098，表明隨著經(jīng)濟政策不確定性的上升，房地產(chǎn)金融化對商業(yè)銀行不良貸款率的降低作用明顯減弱，經(jīng)濟政策不確定性存在門檻效應(yīng)。

3.中介效應(yīng)檢驗

為檢驗經(jīng)濟政策不確定性對房地產(chǎn)金融化發(fā)生作用的路徑，本文借鑒吳軍（2008）的研究[23]，使用存貸比作為中介變量，反映各省份銀行體系流動性。同時，不同于傳統(tǒng)的商業(yè)銀行存貸比（銀行貸款總額/存款總額），本文將存貸比定義為各省份銀行業(yè)存款余額/各省份銀行業(yè)貸款余額，記做LDR①該指標為正向指標，當LDR上升，表明銀行體系流動性增強。。借鑒溫忠麟等（2014）的研究[24]，建立如下三個模型，采用逐步回歸系數(shù)法進行中介效應(yīng)檢驗。其中，α1表示模型（3）中解釋變量LNEPU對被解釋變量RAFI的總效應(yīng)，γ1是模型（4）中LNEPU對中介變量LDR的系數(shù)，φ2是模型（5）中中介變量LDR對被解釋變量RAFI的系數(shù)。γ1×φ2即表示解釋變量經(jīng)由中介變量LDR產(chǎn)生的中介效應(yīng)，φ1表示LNEPU對RAFI的直接效應(yīng)，γ1×φ2/φ1是中介效應(yīng)在總效應(yīng)中所占的比重。具體檢驗過程如下，檢驗結(jié)果如表6所示。

表6 中介效應(yīng)回歸結(jié)果

第一步：對模型（3）進行OLS回歸，檢驗經(jīng)濟政策不確定性與房地產(chǎn)金融化之間的主效應(yīng)。檢驗結(jié)果表明，α1在1%的置信水平上顯著，經(jīng)濟政策不確定性與房地產(chǎn)金融化呈負相關(guān)。

第二步：對模型（4）進行OLS回歸，檢驗經(jīng)濟政策不確定性同銀行體系流動性之間的關(guān)系。結(jié)果表明，經(jīng)濟政策不確定性上升將顯著降低銀行體系流動性，系數(shù)γ1=-0.199。

第三步：對模型（5）進行OLS回歸，在加入銀行體系流動性指標后，經(jīng)濟政策不確定性與房地產(chǎn)金融化指數(shù)仍顯著負相關(guān)，但系數(shù)的絕對值由0.0466降低至0.0328；銀行體系流動性與房地產(chǎn)金融化也顯著正相關(guān)，系數(shù)φ2=0.0696，這表明銀行體系流動性在經(jīng)濟政策不確定性和房地產(chǎn)金融化間發(fā)揮著部分中介作用，假設(shè)H3成立。

具體來講，經(jīng)濟政策不確定性對房地產(chǎn)金融化的總效應(yīng)為-0.0466，其中直接效應(yīng)為-0.0328。經(jīng)濟政策不確定性通過影響銀行體系流動性對房地產(chǎn)金融化發(fā)揮的間接效應(yīng)是γ1×φ2=-0.199×0.0696=-0.0139，銀行體系流動性中介效應(yīng)在總效應(yīng)中占比為γ1×φ2/φ1=0.0139/0.0466=29.83%。

綜上所述，銀行體系流動性是經(jīng)濟政策不確定性影響房地產(chǎn)金融化的重要渠道。經(jīng)濟政策不確定性上升使得商業(yè)銀行體系流動性降低，進而加速房地產(chǎn)金融化水平下降，這也與田國強等（2020）[9]的研究一致，即經(jīng)濟政策不確定水平上升，商業(yè)銀行流動性創(chuàng)造能力將降低。同時，中介效應(yīng)檢驗結(jié)果為經(jīng)濟政策不確定性的門檻效應(yīng)提供了支撐，因為當經(jīng)濟政策不確定性加劇時，商業(yè)銀行縮減流動性規(guī)模以及調(diào)整信貸結(jié)構(gòu)，導(dǎo)致房地產(chǎn)市場資金壓力加大，部分高杠桿房地產(chǎn)企業(yè)可能因為資金鏈斷裂出現(xiàn)信貸違約，因此，將弱化房地產(chǎn)金融化對商業(yè)銀行不良貸款率的作用。

4.引入經(jīng)濟政策不確定性虛擬變量

為進一步分析高經(jīng)濟政策不確定性背景下房地產(chǎn)金融化對商業(yè)銀行不良貸款率的影響，本文設(shè)立經(jīng)濟政策不確定性的虛擬變量DLNEPU，以門檻值5.1395將LNEPU分為高低兩類。當LNEPU高于5.1395時，DLNEPU取值為1，當LNEPU低于5.1395時，DLNEPU取值為0。因為經(jīng)濟政策不確定性將通過改變房地產(chǎn)金融化水平，進而改變商業(yè)銀行不良貸款率。因此，本文以乘法方式引入DLNEPU，將DLNEPU×RAFI作為新的解釋變量，構(gòu)造模型（6），更精確地反映高經(jīng)濟政策不確定性背景下，房地產(chǎn)金融化對商業(yè)銀行不良貸款率的影響。

回歸結(jié)果見表7，結(jié)果顯示，DLNEPUt×FAFIit項的系數(shù)為0.0052，在1%的顯著水平下顯著。表明在高政策不確定性下，房地產(chǎn)金融化對商業(yè)銀行不良貸款率的邊際影響由負轉(zhuǎn)正，兩者間的顯著負向關(guān)系被弱化，房地產(chǎn)金融化加劇了商業(yè)銀行不良貸款率的上升，證實了假設(shè)H4。這可能由于以下原因：一是高政策不確定性導(dǎo)致房地產(chǎn)金融化水平快速下降，在快速去金融化的過程中，可能會集中出現(xiàn)房地產(chǎn)企業(yè)現(xiàn)金流問題，使商業(yè)銀行資產(chǎn)質(zhì)量受到?jīng)_擊。二是高政策不確定性導(dǎo)致的房地產(chǎn)價格波動，加劇了房地產(chǎn)抵押資產(chǎn)價值的波動，從而提高了商業(yè)銀行所面臨的風(fēng)險水平。

5.分樣本回歸

更進一步，本文對樣本進行分類回歸，分別檢驗東部、中部、西部地區(qū)經(jīng)濟政策不確定性、房地產(chǎn)金融化對商業(yè)銀行不良貸款率的影響。分類回歸結(jié)果見表7，結(jié)果顯示：（1）東部、中部地區(qū)房地產(chǎn)金融化對商業(yè)銀行不良貸款率的影響都顯著為負，西部地區(qū)系數(shù)不顯著。就估計系數(shù)來看，東部地區(qū)房地產(chǎn)金融化對商業(yè)銀行不良貸款率的估計系數(shù)為為-0.0116，相較于全國水平，絕對數(shù)值更小?？赡芤驗闁|部地區(qū)城鎮(zhèn)化率水平整體較高，且東部地區(qū)多為資金實力強的頭部房地產(chǎn)企業(yè)，其在金融市場融資手段更豐富，與商業(yè)銀行的依存度更低，因此，房地產(chǎn)市場的金融化對商業(yè)銀行資產(chǎn)質(zhì)量的促進作用有限。（2）經(jīng)濟政策不確定性虛擬變量和房地產(chǎn)金融化的交乘項系數(shù)都為正，體現(xiàn)了高經(jīng)濟政策不確定性下，房地產(chǎn)金融化會使得區(qū)域金融風(fēng)險高度聚焦，影響區(qū)域銀行資產(chǎn)質(zhì)量，不過西部地區(qū)該指標系數(shù)并未通過顯著性檢驗。中部地區(qū)該指標的估計系數(shù)顯著大于東部，主要是因為中部地區(qū)居民收入、經(jīng)濟金融發(fā)展水平同東部地區(qū)有較大差距，且金融市場發(fā)展尚不成熟，房地產(chǎn)市場對商業(yè)銀行體系的依賴性更強。因此，經(jīng)濟政策不確定性通過影響市場主體行為沖擊房地產(chǎn)價格，形成與房地產(chǎn)金融化的相互作用，從而沖擊商業(yè)銀行資產(chǎn)質(zhì)量。

表7 引入虛擬變量及分樣本回歸結(jié)果

（五）穩(wěn)健性檢驗

為保證實證結(jié)果的可靠性，本文引入被解釋變量NPL的一階滯后項作為解釋變量，運用動態(tài)面板模型進行穩(wěn)健性檢驗，分別采用差分GMM和系統(tǒng)GMM進行估計。AR（1）和AR（2）的p值顯示，在Arellano-Bond檢驗中，擾動項存在一階自相關(guān)，不存在二階自相關(guān)；Sargan檢驗表明，所有工具變量都是有效的，不存在過度識別問題，所以差分GMM和系統(tǒng)GMM估計方法適用?；貧w結(jié)果見表8。無論是差分GMM還是系統(tǒng)GMM估計，實證結(jié)果與前文基本保持一致，且主要解釋變量均通過顯著性檢驗，證明了本文研究結(jié)論的穩(wěn)健性。

表8 動態(tài)面板回歸結(jié)果

六、結(jié)論及建議

本文基于房地產(chǎn)部門、金融部門以及居民部門三個層面，運用2008—2019年的樣本數(shù)據(jù)，使用主成分分析法（PCA）構(gòu)建我國房地產(chǎn)金融化指數(shù)，利用固定效應(yīng)和面板門檻模型分析政策不確定性、房地產(chǎn)金融化與商業(yè)銀行不良貸款率的關(guān)系，得到以下結(jié)論：（1）經(jīng)濟政策不確定性的上升將導(dǎo)致商業(yè)銀行不良貸款率上升，而房地產(chǎn)金融化同商業(yè)銀行不良貸款率呈顯著負相關(guān)，即在樣本期間內(nèi)，房地產(chǎn)金融化對商業(yè)銀行不良貸款率有降低作用。（2）經(jīng)濟政策不確定性對房地產(chǎn)金融化影響商業(yè)銀行不良貸款率具有單一門檻效應(yīng)。當經(jīng)濟政策不確定性指數(shù)低于e5.1395時，房地產(chǎn)金融化能夠在一定程度上降低商業(yè)銀行不良貸款率，提高商業(yè)銀行資產(chǎn)質(zhì)量；當經(jīng)濟政策不確定性指數(shù)高于e5.1395時，房地產(chǎn)金融化對商業(yè)銀行不良貸款率的降低效果下降。（3）銀行體系流動性在經(jīng)濟政策不確定性和房地產(chǎn)金融化間發(fā)揮著中介作用，經(jīng)濟政策不確定性上升將通過降低銀行體系流動性，加速房地產(chǎn)金融化水平下降。（4）高經(jīng)濟政策不確定性背景下，房地產(chǎn)金融化將加劇商業(yè)銀行不良貸款率的上升。（5）相較于東部地區(qū)，中部地區(qū)商業(yè)銀行不良貸款率受經(jīng)濟政策不確定性和房地產(chǎn)金融化的影響更為劇烈。綜上，盡管樣本期內(nèi)房地產(chǎn)金融化并未導(dǎo)致大規(guī)模金融體系的動蕩，并且能夠降低商業(yè)銀行不良貸款率，但如遇政策不確定性等疊加因素影響，將導(dǎo)致區(qū)域金融資產(chǎn)質(zhì)量下降。

針對以上結(jié)論，本文提出如下建議：

1.穩(wěn)定經(jīng)濟政策預(yù)期，加強微觀主體引導(dǎo)。經(jīng)濟政策不確定通過對房地產(chǎn)和金融市場產(chǎn)生沖擊，從而加劇商業(yè)銀行資產(chǎn)質(zhì)量的惡化。因此，要進一步穩(wěn)定經(jīng)濟金融預(yù)期，注重房地產(chǎn)政策的穩(wěn)定性、連續(xù)性，打造公開透明的政策環(huán)境，引導(dǎo)微觀主體形成合理預(yù)期。

2.持續(xù)做好房地產(chǎn)金融風(fēng)險監(jiān)測。商業(yè)銀行要加強對房地產(chǎn)金融風(fēng)險的監(jiān)測、分析和預(yù)警，進一步完善房地產(chǎn)金融風(fēng)險監(jiān)測預(yù)警體系；加強對房地產(chǎn)行業(yè)貸款風(fēng)險的事前、事中和事后控制，及時準確分析經(jīng)濟政策環(huán)境變化，避免流動性收縮引發(fā)的快速去金融化沖擊資產(chǎn)質(zhì)量。

3.加強房地產(chǎn)金融審慎管理。一是借助房地產(chǎn)融資“三線四檔”政策，倒逼房地產(chǎn)企業(yè)優(yōu)化融資結(jié)構(gòu)，拓展融資渠道。二是持續(xù)做好房地產(chǎn)貸款集中度管理，防范信貸資金過度集中于房地產(chǎn)領(lǐng)域，引導(dǎo)房地產(chǎn)與金融市場良性發(fā)展。三是鼓勵房地產(chǎn)企業(yè)通過發(fā)展REITs和CMBS等資產(chǎn)證券化產(chǎn)品，實現(xiàn)存量資產(chǎn)的盤活，提升房地產(chǎn)企業(yè)流動性。