房?jī)r(jià)波動(dòng)對(duì)金融風(fēng)險(xiǎn)的異質(zhì)性影響研究

摘要：文章基于房?jī)r(jià)基本面與異質(zhì)性泡沫成分的分解視角，運(yùn)用TVP-SV-VAR模型考察了房?jī)r(jià)波動(dòng)的基本面因素和異質(zhì)性泡沫成分對(duì)金融風(fēng)險(xiǎn)的差異化影響，研究發(fā)現(xiàn)：房?jī)r(jià)波動(dòng)中的泡沫成分是引發(fā)金融風(fēng)險(xiǎn)的關(guān)鍵原因，而符合基本面的房地產(chǎn)基本價(jià)值則會(huì)對(duì)金融風(fēng)險(xiǎn)產(chǎn)生一定的抑制作用?！芭蛎浭健迸菽瓕?duì)金融風(fēng)險(xiǎn)的影響要顯著大于“衰退式”泡沫。不同宏觀調(diào)控政策時(shí)點(diǎn)下，房?jī)r(jià)波動(dòng)的泡沫成分對(duì)金融風(fēng)險(xiǎn)的影響具有明顯的異質(zhì)性，且隨著提前期的延長(zhǎng)，其影響呈先漸強(qiáng)后漸弱的趨勢(shì)特征。

關(guān)鍵詞：房?jī)r(jià)波動(dòng)；金融風(fēng)險(xiǎn)；TVP-SV-VAR模型

2008年金融危機(jī)后，在寬松的財(cái)政政策和貨幣政策的影響下，我國(guó)房?jī)r(jià)呈爆發(fā)式增長(zhǎng)，脫離經(jīng)濟(jì)基本面，房?jī)r(jià)泡沫化現(xiàn)象凸顯。國(guó)家統(tǒng)計(jì)局?jǐn)?shù)據(jù)顯示，2008-2020年間，我國(guó)東部和中部地區(qū)城市房?jī)r(jià)的平均漲幅高達(dá)237.34%和202.21%，該輪房?jī)r(jià)波動(dòng)具有顯著的“膨脹式”泡沫化特征。然而，2020年以來，在宏觀經(jīng)濟(jì)形勢(shì)變化和疫情沖擊等因素影響下，部分城市房?jī)r(jià)大幅回落。根據(jù)國(guó)家統(tǒng)計(jì)局?jǐn)?shù)據(jù)顯示，2023年12月，70個(gè)大中城市中有62個(gè)城市住房?jī)r(jià)格下降，僅8個(gè)城市環(huán)比上漲，總體上該輪房?jī)r(jià)波動(dòng)具有更明顯的“衰退式”泡沫化特征（陳小亮和李誠浩，2022）。一時(shí)間，由房?jī)r(jià)波動(dòng)引發(fā)的金融風(fēng)險(xiǎn)問題引發(fā)社會(huì)各界關(guān)注。在國(guó)家實(shí)施金融安全戰(zhàn)略，推進(jìn)金融高質(zhì)量發(fā)展的關(guān)鍵時(shí)期，探討房?jī)r(jià)波動(dòng)對(duì)金融風(fēng)險(xiǎn)的異質(zhì)性影響問題，將有助于高效應(yīng)對(duì)跌宕起伏、變幻莫測(cè)的國(guó)際金融形勢(shì)。

鑒于此，本文從房?jī)r(jià)基本面與異質(zhì)性泡沫成分的分解視角出發(fā)，探討房?jī)r(jià)波動(dòng)引發(fā)的“膨脹式”泡沫和“衰退式”泡沫對(duì)金融風(fēng)險(xiǎn)的異質(zhì)性影響。可能的邊際貢獻(xiàn)為：通過房地產(chǎn)市場(chǎng)局部均衡價(jià)格模型將房?jī)r(jià)波動(dòng)分解為房?jī)r(jià)基本面、“膨脹式泡沫”和“衰退式泡沫”，為房?jī)r(jià)波動(dòng)帶來的異質(zhì)性泡沫成分提供理論支撐。采用TVP-SV-VAR實(shí)證考察房地產(chǎn)基本價(jià)值、“膨脹式”泡沫和“衰退式”泡沫對(duì)金融風(fēng)險(xiǎn)影響的異質(zhì)性，拓寬現(xiàn)有房?jī)r(jià)波動(dòng)對(duì)金融風(fēng)險(xiǎn)影響的研究范疇。

一、文獻(xiàn)綜述

房?jī)r(jià)波動(dòng)對(duì)金融風(fēng)險(xiǎn)的影響是多方面的，主要有以下觀點(diǎn)：一是抵押品價(jià)值假說，認(rèn)為房?jī)r(jià)上漲可使現(xiàn)有借款人的住房權(quán)益增加，降低其違約的可能性，同時(shí)可使銀行的抵押品價(jià)值升高，減少其面臨的違約損失（Pan和Wang，2013）。二是房?jī)r(jià)上漲會(huì)增加金融風(fēng)險(xiǎn)，認(rèn)為房?jī)r(jià)上漲使房地產(chǎn)融資風(fēng)險(xiǎn)較難被感知，導(dǎo)致銀行以不合理的低利率向高風(fēng)險(xiǎn)的房地產(chǎn)借款人過度放貸，同時(shí)也會(huì)鼓勵(lì)風(fēng)險(xiǎn)較大的投資者押注房?jī)r(jià)會(huì)進(jìn)一步上漲，進(jìn)而要求銀行提供信貸，增加銀行對(duì)高風(fēng)險(xiǎn)資產(chǎn)的敞口，加劇金融風(fēng)險(xiǎn)問題（Wang等，2022）。但以Koetter和Poghosyan（2010）為代表的學(xué)者提出了房?jī)r(jià)偏離假說，指出高房?jī)r(jià)雖可通過增加抵押品價(jià)值和借款人的凈財(cái)富來降低其信貸違約概率，但房?jī)r(jià)對(duì)其基本價(jià)值的持續(xù)偏離會(huì)使銀行產(chǎn)生逆向選擇的行為，導(dǎo)致市場(chǎng)中信用較低的借款人獲得貸款，增加銀行面臨的風(fēng)險(xiǎn)。對(duì)此，沈悅等（2019）基于PVAR模型研究發(fā)現(xiàn)目前我國(guó)房?jī)r(jià)泡沫顯著地降低了金融穩(wěn)定性。郭文偉等（2022）提出房?jī)r(jià)泡沫對(duì)金融風(fēng)險(xiǎn)的影響可分解成兩部分，一方面是由房?jī)r(jià)本身上漲所帶來的利好影響，另一方面是由住房?jī)r(jià)格扭曲所帶來的資源錯(cuò)配的負(fù)面影響，其最終影響則取決于二者之間的綜合效應(yīng)。

現(xiàn)有研究房?jī)r(jià)波動(dòng)的文獻(xiàn)表明，房?jī)r(jià)可分解成基本價(jià)值和泡沫兩部分，從理論上來看符合經(jīng)濟(jì)基本面的房?jī)r(jià)波動(dòng)即房?jī)r(jià)基本價(jià)值應(yīng)當(dāng)更多體現(xiàn)的是抵押品價(jià)值效應(yīng)，有利于降低金融體系內(nèi)的風(fēng)險(xiǎn)。而房?jī)r(jià)的泡沫成分更多體現(xiàn)的是增加金融體系內(nèi)的風(fēng)險(xiǎn)。同時(shí)，結(jié)合我國(guó)房地產(chǎn)市場(chǎng)發(fā)展的實(shí)際情況來看，近兩年房?jī)r(jià)波動(dòng)表現(xiàn)出的“衰退式”泡沫和過去十多年的“膨脹式”泡沫對(duì)金融風(fēng)險(xiǎn)的影響也可能存在異質(zhì)性。但現(xiàn)有文獻(xiàn)多將房?jī)r(jià)的基礎(chǔ)價(jià)值和異質(zhì)性泡沫成分“混為一談”，可能會(huì)導(dǎo)致房?jī)r(jià)波動(dòng)影響效應(yīng)被低估。同時(shí)，現(xiàn)有研究多局限于線性分析，難以捕捉房?jī)r(jià)波動(dòng)典型時(shí)期對(duì)金融風(fēng)險(xiǎn)影響的時(shí)變性和差異性。鑒于此，本文就以上問題展開研究，以期補(bǔ)充相關(guān)文獻(xiàn)研究，為防范化解房地產(chǎn)領(lǐng)域風(fēng)險(xiǎn)提供經(jīng)驗(yàn)證據(jù)。

二、指標(biāo)測(cè)度與模型構(gòu)建

（一）房?jī)r(jià)波動(dòng)分解

本文參考王京濱等（2022）和沈悅等（2019）的研究，根據(jù)房?jī)r(jià)泡沫定義，將房?jī)r(jià)HP分解為基本價(jià)值HPf和HPb兩部分：

HP=HPf+HPb（1）

式（1）中，HPf為房地產(chǎn)市場(chǎng)局部均衡狀態(tài)下的價(jià)格，HPb指超過基本價(jià)值而購房者仍愿意支付的價(jià)格，是房?jī)r(jià)對(duì)其基本價(jià)值的偏離。房地產(chǎn)市場(chǎng)局部均衡狀態(tài)下，假設(shè)消費(fèi)者效用函數(shù)符合柯布——道格拉斯效用函數(shù)：

U＝（HPtHXt）k（GPtGXt）1-k（2）

式（2）中，HX和GX分別為住房和其他商品的購買量，GP為其他商品價(jià)格，t為消費(fèi)時(shí)點(diǎn)，k為可支配收入中用于購買住房的比例，參照王京濱等（2022）將k取值0.2。對(duì)消費(fèi)者來說，在既定的可支配收入Y下尋求效用最大化，則其最大化期望效用的約束函數(shù)表達(dá)式為：

LnEtU={kLnEtHPtHXt+（1-k）LnEtGPtGXt}（3）

s.t.：Et（HPtHXt+GPtGXt）=Yt

上述帶有約束條件的最大化問題的一階條件為：

EtHPtHXt＝kYt（4）

同理，對(duì)于開發(fā)商而言，在擁有總資金M的情況下進(jìn)行房地產(chǎn)項(xiàng)目開發(fā)，并追求利潤(rùn)I最大化。假設(shè)房地產(chǎn)市場(chǎng)是完全競(jìng)爭(zhēng)市場(chǎng)，總資金M的機(jī)會(huì)成本為社會(huì)平均利潤(rùn)率R，建造房屋的單位成本為C，且總成本是建房數(shù)量的二次函數(shù)，開發(fā)商在既定的資金最大化期望利潤(rùn)的約束函數(shù)表達(dá)式為：

EtI=Et（HPtHXt-Ct（HXt）2/2-RtMt）（5）

s.t.：EtCt（HXt）2/2＝Mt

上述帶有約束條件的最大化問題的一階條件為：

EtHPt＝CtHXt（1+Rt）（6）

聯(lián)立式（4）和（6）可得房地產(chǎn)基本價(jià)值為：

HP＝（7）

考慮到房地產(chǎn)開發(fā)周期長(zhǎng)，一般從土地獲取到預(yù)銷售需一年左右的時(shí)間。將式（7）右邊各項(xiàng)滯后一年：

HP＝（8）

由式（1）可得，房?jī)r(jià)泡沫可表示為：

HP＝HPt-（9）

（二）金融風(fēng)險(xiǎn)測(cè)度

關(guān)于金融風(fēng)險(xiǎn)的測(cè)度，鑒于本文的研究對(duì)象為宏觀層面的金融風(fēng)險(xiǎn)，因此，本文采用熵值法通過構(gòu)建金融風(fēng)險(xiǎn)綜合測(cè)度指標(biāo)體系以測(cè)算金融風(fēng)險(xiǎn)大小。指標(biāo)選取方面，本文選取保險(xiǎn)、股票、銀行信貸以及房地產(chǎn)市場(chǎng)的主要指標(biāo)（見表1）。

（三）TVP-SV-VAR模型構(gòu)建

為捕捉變量間的非線性關(guān)系，本文參考Wang等（2022）的研究，采用帶有隨機(jī)波動(dòng)的時(shí)變參數(shù)向量自回歸模型（TVP-SV-VAR），模型的參數(shù)和協(xié)方差矩陣的時(shí)變特征能夠準(zhǔn)確地反映出在不同時(shí)期變量之間的動(dòng)態(tài)關(guān)系。模型設(shè)定如下：

yt=Xtβt+A∑tεt（10）

式（10）中t=s+1，…，n，βt，At，∑t均隨時(shí)間而變化。本部分選取房?jī)r(jià)基本價(jià)值、房?jī)r(jià)泡沫、金融支持和金融風(fēng)險(xiǎn)的2003-2023年季度數(shù)據(jù)展開建模分析，其中，金融支持為整個(gè)房地產(chǎn)業(yè)涉及的信貸情況，選取房地產(chǎn)貸款余額增加值來表示。數(shù)據(jù)來源于Wind數(shù)據(jù)庫、金融機(jī)構(gòu)貸款投向統(tǒng)計(jì)報(bào)告、國(guó)家數(shù)據(jù)、中國(guó)人民銀行等相關(guān)數(shù)據(jù)庫。

三、房?jī)r(jià)波動(dòng)對(duì)金融風(fēng)險(xiǎn)的異質(zhì)性影響

本文采用ADF檢驗(yàn)對(duì)變量進(jìn)行平穩(wěn)性檢驗(yàn)，發(fā)現(xiàn)一階差分后的數(shù)據(jù)均平穩(wěn)。因此，本文選取差分后的變量進(jìn)行建模分析，分別記為f，b，l，r。進(jìn)一步采用馬爾科夫鏈蒙特卡洛方法（MCMC）對(duì)模型（10）進(jìn)行估計(jì)。同時(shí)，將MCMC采樣次數(shù)設(shè)置為20000次，同時(shí)根據(jù)SC信息準(zhǔn)則確定模型最優(yōu)滯后階數(shù)為3階。估計(jì)結(jié)果分析如下：

第一，變量間同期關(guān)系分析。圖1反映的是房地產(chǎn)基本價(jià)值、房?jī)r(jià)泡沫、金融支持與金融風(fēng)險(xiǎn)之間影響關(guān)系隨時(shí)間變化的特征。由圖1（a）可知，房地產(chǎn)基本價(jià)值對(duì)金融風(fēng)險(xiǎn)的影響系數(shù)a（f→r）為負(fù)，可見，房?jī)r(jià)基本價(jià)值的波動(dòng)更多體現(xiàn)的是抵押品價(jià)值效應(yīng)，有利于降低金融體系內(nèi)的風(fēng)險(xiǎn)。而圖1（c）顯示的房?jī)r(jià)泡沫對(duì)金融風(fēng)險(xiǎn)的影響系數(shù)a（b→r）基本為正，這說明房?jī)r(jià)的泡沫成分更多體現(xiàn)的是增加金融體系內(nèi)的風(fēng)險(xiǎn)，且受異質(zhì)性泡沫的影響，其對(duì)金融風(fēng)險(xiǎn)的影響系數(shù)具有明顯的時(shí)變特征。

由圖1（b）可以看出，房?jī)r(jià)泡沫對(duì)金融支持的影響系數(shù)為正值，在整個(gè)樣本期間，影響系數(shù)先波動(dòng)下降，后基本維持在0.6左右，時(shí)變特征較弱。圖1（c）和（d）分別是房?jī)r(jià)泡沫對(duì)金融風(fēng)險(xiǎn)的影響系數(shù)以及金融支持與對(duì)金融風(fēng)險(xiǎn)的影響系數(shù)，可以看出兩者的參數(shù)的變化趨勢(shì)十分相似，而a（b→l）的參數(shù)則保持一定的穩(wěn)定性。這說明金融支持是房?jī)r(jià)波動(dòng)影響金融風(fēng)險(xiǎn)的重要中介變量。

第二，不同時(shí)點(diǎn)房?jī)r(jià)波動(dòng)的異質(zhì)性影響分析。根據(jù)本文房?jī)r(jià)分解及宏觀調(diào)控政策情況，本文選取以下四個(gè)時(shí)點(diǎn)：一是2016年第二季度，房?jī)r(jià)波動(dòng)“膨脹式”泡沫特征顯著，同時(shí)該時(shí)點(diǎn)房地產(chǎn)行業(yè)的外部宏觀調(diào)控政策偏向于寬松。二是2018年第三季度，該時(shí)點(diǎn)房?jī)r(jià)波動(dòng)同樣表現(xiàn)為“膨脹式”泡沫特征，但外部宏觀調(diào)控政策趨于收緊。三是2021年第四季度，該時(shí)點(diǎn)“衰退式”泡沫特征顯著，同時(shí)外部宏觀調(diào)控政策處于較為收緊的階段。四是2023年第一季度，該時(shí)點(diǎn)房?jī)r(jià)波動(dòng)同樣表現(xiàn)為“衰退式”泡沫特征，但我國(guó)各地陸續(xù)出臺(tái)寬松的房地產(chǎn)宏觀調(diào)控政策，政策環(huán)境持續(xù)放松。

不同時(shí)點(diǎn)房?jī)r(jià)泡沫與金融風(fēng)險(xiǎn)之間的脈沖響應(yīng)結(jié)果如圖2。在四個(gè)不同的時(shí)點(diǎn)，房?jī)r(jià)泡沫對(duì)金融風(fēng)險(xiǎn)的影響存在時(shí)變特征。首先，在“膨脹式”泡沫時(shí)點(diǎn)，房?jī)r(jià)泡沫對(duì)金融風(fēng)險(xiǎn)的影響始終為正，并表現(xiàn)為先波動(dòng)上升后波動(dòng)下降。在“衰退式”泡沫時(shí)點(diǎn)，房?jī)r(jià)泡沫對(duì)金融風(fēng)險(xiǎn)的影響基本為正，同樣表現(xiàn)為先波動(dòng)上升后波動(dòng)下降的時(shí)變特性。其次，“膨脹式”泡沫對(duì)金融風(fēng)險(xiǎn)的影響要顯著大于“衰退式”泡沫。這說明，在房?jī)r(jià)快速上漲波動(dòng)階段，其對(duì)金融風(fēng)險(xiǎn)的影響具有一定的隱匿性，較難被覺察。再次，在“膨脹式”泡沫時(shí)點(diǎn)，2016年第二季度房?jī)r(jià)泡沫對(duì)金融風(fēng)險(xiǎn)的影響顯著大于2018年第三季度，可知隨著外部調(diào)控政策的收緊，房?jī)r(jià)泡沫對(duì)金融風(fēng)險(xiǎn)的正向影響逐漸變小，即在市場(chǎng)繁榮期，而收緊的調(diào)控政策可改善房?jī)r(jià)泡沫帶來的金融風(fēng)險(xiǎn)問題。最后，在“衰退式”泡沫時(shí)點(diǎn)，2021年第四季度房?jī)r(jià)泡沫對(duì)金融風(fēng)險(xiǎn)的影響顯著大于2023年第一季度，說明隨著外部宏觀調(diào)控政策放松，房?jī)r(jià)泡沫對(duì)金融風(fēng)險(xiǎn)的正向影響變小，即在市場(chǎng)衰退期，寬松的宏觀調(diào)控政策有利于緩解房?jī)r(jià)泡沫帶來的金融風(fēng)險(xiǎn)問題。

第三，不同提前期下房?jī)r(jià)波動(dòng)的異質(zhì)性影響分析。分別選取1期、4期和8期來刻畫短期、中期和長(zhǎng)期房?jī)r(jià)波動(dòng)與金融風(fēng)險(xiǎn)之間的沖擊影響。結(jié)果如圖3所示，在三個(gè)不同提前期下，房?jī)r(jià)泡沫對(duì)金融風(fēng)險(xiǎn)的影響存在時(shí)變特征。首先，各提前期下脈沖響應(yīng)的沖擊基本為正，呈現(xiàn)出先波動(dòng)上升后波動(dòng)下降的變化趨勢(shì)，但在幅度存在一定差異，長(zhǎng)期和短期的沖擊幅度顯著小于中期，即隨著提前期的延長(zhǎng)，房?jī)r(jià)泡沫對(duì)金融風(fēng)險(xiǎn)的影響呈先漸強(qiáng)后漸弱的趨勢(shì)特征。

四、結(jié)論及政策建議

本文研究發(fā)現(xiàn)：金融支持是房?jī)r(jià)波動(dòng)影響金融風(fēng)險(xiǎn)的重要渠道，房?jī)r(jià)波動(dòng)中的泡沫成分是引發(fā)金融風(fēng)險(xiǎn)的關(guān)鍵原因，而符合基本面的房地產(chǎn)基本價(jià)值部分則會(huì)對(duì)金融風(fēng)險(xiǎn)產(chǎn)生一定的抑制作用?！芭蛎浭健迸菽瓕?duì)金融風(fēng)險(xiǎn)的影響要顯著大于“衰退式”泡沫。不同宏觀調(diào)控政策時(shí)點(diǎn)下，房?jī)r(jià)波動(dòng)的泡沫成分對(duì)金融風(fēng)險(xiǎn)的影響具有明顯的異質(zhì)性，且隨著提前期的延長(zhǎng)，房?jī)r(jià)泡沫對(duì)金融風(fēng)險(xiǎn)的影響呈先漸強(qiáng)后漸弱的趨勢(shì)特征。

據(jù)此，本文提出需嚴(yán)守非理性投資的政策調(diào)控底線，根據(jù)市場(chǎng)發(fā)展的實(shí)時(shí)情況及時(shí)調(diào)整調(diào)控政策針對(duì)性，在保持“房住不炒”調(diào)控政策連續(xù)性和穩(wěn)定性的基礎(chǔ)上適當(dāng)引導(dǎo)市場(chǎng)，著眼長(zhǎng)期發(fā)展的同時(shí)需兼顧市場(chǎng)短期平穩(wěn)。銀行設(shè)置涉房貸款紅線，嚴(yán)守住房信貸閘門。

參考文獻(xiàn)：

[1]陳小亮，李誠浩.防范房?jī)r(jià)泡沫化風(fēng)險(xiǎn)的對(duì)策研究：“疏堵結(jié)合”的新思路[J].人文雜志，2022（02）：26-38.

[2]沈悅，李博陽，張嘉望.城市房?jī)r(jià)泡沫與金融穩(wěn)定性——基于中國(guó)35個(gè)大中城市PVAR模型的實(shí)證研究[J].當(dāng)代財(cái)經(jīng)，2019（04）：62-74.

[3]郭文偉，黃子聰，何潔.房?jī)r(jià)泡沫與金融風(fēng)險(xiǎn)：相互促進(jìn)或此消彼長(zhǎng)？——基于省際面板數(shù)據(jù)的實(shí)證分析[J].南方金融，2022（05）：3-17.

[4]王京濱，夏貝貝，李博.土地財(cái)政、金融支持對(duì)房?jī)r(jià)泡沫的影響研究——基于制度因素與市場(chǎng)因素的雙重視角[J].管理現(xiàn)代化，2022，42（01）：48-52.

[5]WangJ，XiaB，Qiao H.Time-varyingimpactofhousingpricefluctuationsonbankingfinancialrisk[J].ManagerialandDecisionEconomics，2022，43（02）：457-467.

[6]PanH，WangC.Houseprices，bankinstability，andeconomicgrowth：Evidencefromthethresholdmodel[J].JournalofBanking&Finance，2013，37（05）：1720-1732.

[7]KoetterM，PoghosyanT.Realestatepricesandbankstability[J].JournalofBanking&Finance，2010，34（06）：1129-1138.

＊基金項(xiàng)目：河南省軟科學(xué)研究計(jì)劃項(xiàng)目“大數(shù)據(jù)賦能河南房地產(chǎn)金融風(fēng)險(xiǎn)監(jiān)測(cè)預(yù)警與防范對(duì)策研究”（項(xiàng)目編號(hào)：242400410252）；河南財(cái)政金融學(xué)院博士科研啟動(dòng)費(fèi)支持項(xiàng)目“基于時(shí)空異質(zhì)的房地產(chǎn)金融風(fēng)險(xiǎn)演化特征、驅(qū)動(dòng)因素與處置機(jī)制研究”（項(xiàng)目編號(hào)：2023BS005）。

（作者單位：河南財(cái)政金融學(xué)院工程經(jīng)濟(jì)學(xué)院）