1. 引言
房地产业作为我国经济发展的支柱产业，长期带动着经济高速增长。但其资金体量大，密集度高，需要高杠杆维持其不断的运转，与金融业有密不可分的内在联系。房地产开发企业1作为房地产市场产品供给者及金融市场的资金需求方，其健康运营直接关系到金融体系的稳定。近期连续曝光的恒大、蓝光等地产信用违约事件等无一不警示要防范由房地产企业风险传导的系统性金融风险。2020年房地产行业资产负债率高达79.07%，如图1所示，近些年我国房地产行业资产负债率总体上呈不断升高趋势而行业ROA却逐年下降。
银行虽为我国金融体系的主导，但其传统信贷在政策监管以及本身的风险偏好下无法满足所有企业的融资需求。从而影子银行在利率市场化的推行下因势发展。2008年美国次贷危机揭示了影子银行和房地产市场的相互影响及风险互溢。其后，“国十一条”2明确规定严禁对不符合信贷政策规定的房地产开发企业或开发项目发放开发贷款。但国内影子银行作为银行的影子，其本质为脱离监管体系外进行信贷支持，紧缩货币政策反而推动影子银行规模扩张(吴娜等，2020) [1] 。房地产融资来源中其他资金来源与银行贷款资金呈现出明显的替代效应，如图2所示，我国开发企业的非银行贷款与银行贷款比逐年上升。房价攀升吸引大量资金规避监管，借通道业务流入房地产行业。在面临房价泡沫，一旦房价发生大幅下跌冲击市场情绪，开发企业的大量存货贬值将使其面临财务危机，其债权及权益投资人将面临巨大损失，产业链、地方财政甚至普通老百姓更是无一幸免。
由此可见，房地产开发企业的财务性风险与房价波动、影子银行规模密切关联。影子银行和房价波动对开发企业的风险有何影响？以上关系互相作用路径如何？基于以上推论有必要对微观层面的企业风险展开研究从而实现对宏观层面金融风险把控。
资料来源：根据Wind终端数据库数据自行绘制。
Figure 1. Asset-liability ratio and ROA changes in the real estate industry
图1. 房地产行业资产负债率与ROA变动
资料来源：根据前瞻数据库数据自行绘制。
Figure 2. The ratio of non-bank loans to bank loans for developmer
图2. 开发企业非银贷款与银行贷款比
2. 理论依据
我国影子银行与房地产市场早已形成现实中的共生关系。资金是开发企业所有经济活动的持续推动力，房地产产品同质化现状更是让开发企业的核心竞争力变为了获取稳定资金的资本能力。在正规银行信贷被监管下，影子银行为我国房地产领域提供了大量的影子资金，在一定程度上打破了传统的资金运营机制，增加了资产价格的波动和相关金融风险。其次，影子银行通过信用创造催生房地产泡沫，并影响企业短期融资来源而改变企业风险水平，房价波动也影响资产价值从而影响企业融资约束。
2.1. 影子银行与房价
作为金融信贷市场中创新成分的影子银行与房价波动具有互相联系。Coleman等(2008)认为，美国影子银行体系所产生的需求冲击了房地产价格，这种信用创造方式提供了房地产市场大量资金并催生了房地产价格泡沫 [2] 。同样，单畅(2015)认为国内影子银行通过信用创造为房地产市场提供了充分的融资来源 [3] 。且相比传统银行信贷，影子银行对房价波动的影响更强。但是影子银行和房价关联的正负性，学术界观点不一。部分学者认为影子银行通过扩大了房地产投资规模，推动了房价的上涨(赵胜民和何玉洁，2018；张宝林和潘焕学，2013；贾生华等，2016) [4] [5] [6] 。而马亚明和王虹珊(2018)通过VAR模型实证影子银行规模与房地产价格总是呈反方向变动 [7] 。实际上，影子银行与房价存在双向互动，二者的相关性还受到研究期限的长短(魏燕子，2016)、样本时间节点差异(姜世超，2019)及分析区域异质性等(曹化楠，2014)多因素的影响 [8] [9] [10] 。
2.2. 影子银行与企业风险
在我国以银行信贷为主要融资渠道的金融体系下，影子银行作为商业信贷的重要补充解决了大量企业融资约束问题。王旭(2017)发现金融机构的新增贷款中的一部分通过各种非银行信用中介机构间接流入了房地产业 [11] 。程小可等(2015)研究显示影子银行通过拓宽短期融资来源直接影响企业风险承担水平，且企业风险承担水平越高，这种效应体现得愈加明显 [12] 。裘翔和周强龙(2014)发现影子银行降低了贷款条件，从而降低了高风险企业的贷款成本，刺激了高风险企业的投资行为 [13] 。基于对于影子银行机构放贷偏好，Key (2010)等研究表明投资人和发行人之间的信息不对称，导致影子银行发行机构将资金投向风险更高的业务 [14] 。银行正规信贷渠道的贷款标准要求较高，这使得房地产这类高风险企业具有较强的动机通过影子银行渠道获取信贷支持。
2.3. 房价与企业风险
房价波动与企业风险的互相效应主要基于抵押担保效应理论。房价上涨将直接增加企业投资(曾海舰，2012；余静文和谭静，2015)，而企业投融资行为将影响到企业财务状况 [15] [16] 。沿着这一路径。刘洪玉等(2013)研究发现，房价持续上涨的背景下，样本企业的长期偿债能力随着存货规模的扩大而得到增强，但由于房产变现能力弱同时也带来了企业短期偿债能力的潜在风险 [17] 。刘行和建蕾(2016)则认为房价增长虽带来企业房产抵押价值增加，而管理者为了规避风险而增加低风险投资，导致企业风险水平降低 [18] 。
2.4. 结合性研究
在宏观视角上任行伟等(2019)赵胜民和何玉洁(2018)等学者将货币政策、影子银行与房价这三者进行了结合，研究了货币政策作的中介传导效应以及三者的关联性 [4] [19] 。从系统性风险防范视角，雷霖(2018)将影子银行、房价和金融稳定性三者结合，发现影子银行与房价双向促进，二者共同对金融稳定性产生影响 [20] 。马亚明、王虹珊(2018)将影子银行、房地产市场与宏观经济波动三者进行了结合，将利率、生产率、通胀等一系列宏观指标纳入了研究体系 [7] 。但现有研究少有将影子银行纳纳入到微观研究体系中。在此方面程小可等(2016)将影子银行纳入了一个包含企业风险的三变量研究体系。通过对企业风险高低分组探讨影子银行、企业风险与企业价值的互相关联 [21] 。
2.5. 理论综评
综观以上相关研究可以观察我国影子银行、房价波动、房地产企业风险三者间存在着两两互动的关系且互相传导。一方面影子银行规模通过房地产非银行贷款流入房地产行业，改变企业投融资行为，从而影响企业风险水平，投融资行为及融资成本变动又造成房价波动。另一方面，资产价格变动将影响抵押物价值，从而反作用于影子银行发展及企业融资约束。房地产金融市场上存在通过开发企业渠道传导的系统性风险。
但现有研究仅对影子银行、房价波动与开发企业风险中两个因素进行论证，缺失三个因素结合的动态分析。其次，关于影子银行所蕴含的金融风险更多的是从宏观角度去探讨，较少从企业微观层面去分析。而企业风险作为微观层面，对宏观经济有着重要影响。再次，影子银行与房地产结合的研究并未阐述影子银行资金流入房地产的微观渠道，不能完全反映影子银行对房地产市场的支持作用。
3. 研究设计
3.1. 研究问题
研究将联系影子银行、房价波动与房地产企业风险三个变量。对影子银行变量设置供需端指标来反映资金流入房地产业的情况。构建VAR模型并进行综合性分析，充分考虑变量间影响关系，分析变量间的影响路径。做到将宏观层面潜在金融风险落脚到微观层面企业管控与防范。
3.2. 模型设定
本文采用VAR模型来分析影子银行、房价波动和房地产企业风险之间的作用机制。不考虑外生性变量，模型设定如下：
(1)
其中，y是由影子银行规模、房地产影子信贷、房价波动、开发企业风险承担能力组成的4维列向量，A，
代表4阶系数矩阵，右端
至
是无穷的滞后项。ut为干扰项。
3.3. 变量选取及数据说明
1) 全国影子银行规模
代表影子银行供给端。选取季度社会融资中的委托贷款、信托贷款、未贴现银行承兑汇票、企业债券、非金融企业境内股票融资五个指标总量作为全国影子银行规模总量，数据来源于RESSET数据库。图3所示为我国影子银行月度增量。
资料来源：根据RESSET库数据自行绘制。
Figure 3. Monthly increase in shadow banking scale
图3. 月度影子银行规模增量
2) 房地产影子信贷
代表影子银行房地产业需求端。基于王旭(2017)的相关研究设定这一变量 [11] ，指房地产业基于信用的非银行贷款，属于狭义的影子银行概念下的行业指标。指标采用房地产开发资金来源中的非银行贷款和其他资金的加总，作为影子银行资金流入房地产行业的重要考量，以全面的体现影子银行对于房地产业的影响。
3) 房价波动
全国住宅商品房销售额与全国住宅商品房面积的比值作为全国住宅商品房均价，数据来源于国家统计局网站。
4) 房地产企业风险
研究样本范围为沪深两市A股及中小板的上市主营房地产开发业务的公司，行业整体财务数据来源于Wind终端数据库行业板块数据。采用Atlman (1977)提出的Z-Score模型进行房地产企业整体财务风险指标 [22] ，模型如下：
(2)
其中：
Z_Score即Z值，体现了企业风险状态，详见表1。
X1 = 营运资本/资产总额，反映公司资产的变现能力和规模特征。
X2 = 留存收益/资产总额，反映了公司的累积获利能力。
X3 = EBIT/资产总额，衡量公司运用全部资产获利的能力。
X4 = 股东权益的市场价值总额/负债总额，测定的是财务结构。
X5 = 销售收入/资产总额，反映总资产的经营水平。
Table 1. Z-value and enterprise risk status
表1. Z值与企业风险状态
以上变量的样本观察期为2008年至2020年季度数据，影子银行、房地产影子信贷和房价波动由于都是亿元为度量，因此对其进行同等变换对数化，再进行一阶差分，以增量体现事物发展与波动变化情况。房地产开发企业风险采用Z值度量，作为数值系数，为体现增量变化，本文对其同比处理。
4. 实证分析
4.1. 平稳性检验
实证过程借助eviews8.0软件实现，各变量是否为平稳时间序列是构建向量自回归模型的必要条件，否则易造成实验结果的伪回归。本文采用Augment Dickey-Fuller test检验，所有变量均过了平稳性检验，检验结果如表2。
4.2. 格兰杰因果分析
本文运用VAR模型实证研究影子银行、房价波动和开发企业风险承担的影响机制，并加入房地产影子信贷，从而能更好的研究影子银行对房地产行业的传导机制。关于VAR模型滞后阶数的选择，本文首先在Eviews的Lag structure窗口中输入了一个8阶的最大滞后阶数，根据LR、AIC、SC三项值最小准则确定最优滞后期数为3，从而重新建立3阶的VAR模型。虽然格兰杰因果检验的结果并不代表变量之间的互相作用关系，但其是否存在因果关系，是检验VAR模型整体是否具有意义的重要考量。因此本研究进行了格兰杰因果检验，检验结果见表3。
由检验结果可知，在滞后3阶的VAR模型上，5%的显著性水平下，房地产影子信贷和影子银行存在双向格兰杰因果关系。这一结果印证了影子银行增长、房地产影子贷信贷间具有可信的互相解释力度。另外，在5%的显著性水平下，房地产企业财务风险是房地产影子贷款的格兰杰原因，房价波动是影子银行增长的格兰杰原因。在10%的显著性水平下，房价是房地产企业财务风险的格兰杰原因。这里仅讨论模型是否有效，具体逻辑关系不再展述。可见，所建立的模型整体存在变量之间的因果关系，模型整体具有意义。
4.3. 脉冲响应分析
为了脉冲保证结果的可信度，首先在脉冲响应前对AR特征多项式的根检验图进行分析。如图4所示，所有的点均落于单位圆内，这说明VAR模型是稳定的，可继续进行脉冲响应分析。
Figure 4. AR feature polynomial root test
图4. AR特征多项式根检验
脉冲响应函数能够描述模型中的某一变量一个单位冲击对其自身及其他内生变量当前值及将来值的影响，并且可以反正两个变量影响的正负方向。本文基于VAR模型构建正交化的脉冲响应函数，研究各变量间的动态交互作用。脉冲图中的横坐标表示一个冲击作用的滞后期间，纵坐标代表回应变量的响应程度。实线表示脉冲响应函数，上下的虚线分别代表两倍标准误差的正负偏离带。
4.3.1. 各变量对企业风险冲击分析
1) 影子银行冲击企业风险
在正向影子银行规模冲击下，房地产企业风险在第3期前正负效应波动，而后均呈现负向效应，达到9期后影响基本消失(见图5(a))。结合影子银行与房地产影子信贷的双向因果关系及脉冲图6(a)和图6(b)分析可知，短期内影子银行规模增大确实增加了房地产影子信贷，通过改善房地产企业融资结构解决了企业的资金困难，因此出现短暂的正向效应。但是由于影子银行资金缺乏有效监管，大量的影子银行资金进行房地产行业，随着其规模增大，房地产企业在不断寻求影子贷款其信用风险也逐渐暴露，使得影子银行对房地产企业风险承担能力的负向效应逐渐掩盖正向效应。另一方面，金融监管的延迟跟进，使得第7期开始房地产企业风险承担能力有所回落并趋于稳定，风险逐渐降低。
2) 房地产影子信贷冲击企业风险
如图5(b)所示，房地产影子信贷实际上与影子银行对房地产企业风险作用相似。不同的是，房地产影子信贷在前期对风险承担能力的正向作用持续时期较长。资金是企业的营运的根本，短期内流动资金的补充对企业的降低风险的影响是显著。
3) 房价波动冲击企业
图5(c)显示在所有滞后期内，房价波动对房地产企业风险皆为正向作用。即房价增长，企业风险指标Z值越强，因而企业发生财务风险可能性越低。证实了房价增长通过资产抵押担保渠道，进一步影响到企业资信，增强其融资能力。因此房地产价格上涨造成企业的抗风险能力增强。但是由于资本的逐利性，在融资约束被大大释放时，管理者将唯利是图继续加大高风险投资，造成抗风险能力的正向效应在短期内迅速减弱。
(a) (b)
(c)
Figure 5. (a) Response of RISK to SB; (b) Response of RISK to SB_RE; (c) Response of RISK to HP
图5. (a) 影子银行冲击企业风险；(b) 影子信贷冲击影子银行；(c) 房价冲击影子银行
4.3.2. 格兰杰检验显著关系及其他关系分析
1) 影子银行与房地产影子信贷的双向冲击
结合图6(a)与图6(b)，房地产影子信贷对影子银行的冲击较大。房地产影子信贷由于选取房地产非银行贷款为主要参数，直接体现了房地产开发企业对影子银行资金的需求。其对影子银行规模短期冲击影响非常明显，第5期后正向效应仍然较强且往后一直趋于稳定。而影子银行对房地产影子信贷的冲击则弱很多。可见，在影子银行的供给端和需求端相互冲击对比下，我国影子银行规模主要是由资金需求端主导而增长。
2) 企业风险冲击房地产影子信贷
图7所示，给一个正向开发企业风险冲击，房地产影子信贷在1~4期做出负向回应。猜测可能由于企业财务风险降低时，部分银行信贷限制被解除，从而企业转向寻求低资金成本的银行信贷，对影子信贷造成了挤出效应，关于此种效应的传导论证有待后续研究。第5期后转为正向回应，随后这种回应又有所增长。主要是企业对资金的需求不断提升，而银行信贷额度不足以满足其资金需求，必然促使影子信贷作为新的资金补充途径补齐缺口。
3) 房地产影子信贷冲击房价波动
图8所示，房地产影子信贷对房价的冲击一直呈现周期性波动，并逐渐减弱，交互效应时正时负。由于房价一方面受供需水平的影响，影子信贷资金流入增加了开发企业的库存生产，提升了房地产的供应量，造成房价的下降。另一方面受影子信贷融资成本的影响，一定程度上提升了房价。两种影响在造成影子信贷对房价波动的冲击在滞后期内正负交替并逐渐趋稳。
(a) (b)
Figure 6. (a) Response of SB to SB_RE; (b) Response of SB_RE to SB
图6. (a) 房地产影子信贷冲击影子银行；(b) 影子银行冲击房地产影子信贷
Figure 7. Response of SB_RE to RISK
图7. 企业风险冲击房地产影子信贷
Figure 8. Response of HP to SB_RE
图8. 房地产影子信贷冲击房价波动
4) 房价对影子银行与房地产影子信贷的冲击
如图9(a)和图9(b)所示，给予房价波动一个正向冲击，其在滞后期内影子银行与房地产影子信贷都做出了长期正回应。说明房价的上涨会通过资金供给端和需求端双面促进影子银行规模的扩张。在资金供给端，房价的上涨带来房地产行业的整体收益增加，这激励大量金融机构为了分享收益红利而放宽贷款条件，增加房地产行业资金供给。但由于金融监管，银行等信贷资金增加房地产开发投资较为困难，因此使得影子银行成为了增加房地产市场资金来源的主要途径。在资金需求端，房价上涨使得使得开发商在高预期收益下扩大投资，增加对影子银行的资金需求。由此，影子银行的供需同步扩大，从而冲击影子银行长期扩张。
(a) (b)
Figure 9. (a) Response of SB to HP; (b) Response of SB_RE to HP
图9. (a) 房价冲击影子银行；(b) 房价冲击房地产影子信贷
4.4. 方差分解
方差分解能够分析每一个变量冲击对内生变量变化的贡献，从而评价不同结构冲击的重要程度。从图10可以看出，房地产企业风险不仅收到自身变化的影响，也一定程度上收到了影子银行、房地产影子信贷及房价带来的影响。房地产企业风险在前6期对自身冲击的影响一直下降，随后基本维持在71%左右。房价对房地产企业风险的冲击贡献度在第2期开始迅速增加，在第5期达到17%，其后保持平稳。而影子银行、房地产影子信贷对房地产企业风险冲击的贡献值增长较为缓慢，基本保持在一定水平上。
长期来看，房地产企业财务风险变动约71%由其自身决定，17%由房价决定，9%由房地产影子贷款决定。三个变量中，房价对房地产企业风险冲击起到主要贡献，这也说明资产抵押渠道及担保效应对企业风险重要影响。
5. 结论及政策建议
5.1. 研究结论
本文采用2008年~2020年沪深A股上市房地产企业整体财务数据，实证检验了作为资金供给端的影子银行、资金需求端的房地产影子信贷、房价波动及房地产企业的财务性风险四者之间的动态关系，传导关系可见图11，研究得出以下结论。
资料来源：根据实证结论自行绘制
Figure 11. Variable dynamic relationship diagram
图11. 变量动态关系图
一是影子银行规模的扩张主要是由于房地产企业的影子信贷需求增加主导，而非影子银行资金供给主导。开发企业对影子银行信贷资金有较大的需求是因为从传导信贷资金获取逐渐困难。必须积极拓宽房地产企业的融资渠道，探求多元化的融资才能缓解影子信贷的资金需求，从资金需求端降低影子银行规模。
二是影子银行与房地产影子信贷分别作为影子银行系统内的资金和供需端具有同步性。在房价–影子银行供需双端——企业风险的这条传导途径，首先，房价对二者的影响类似，即房价增长，金融机构为分享红利增加了影子银行资金供给，同时房地产开发企业由于高预期收益也增加了影子银行资金需求，供需双端推动影子银行规模持续增长。其次，二者对房地产企业风险的影响类似，即二者增长时，影子信贷资金将落实到位，企业的资金风险短期将被改善从而降低企业风险，提升风险承担能力。长期来看，开发企业过多依赖影子银行融资将造成风险积累。
三是房地产影子信贷、房价波动、企业风险分别具有顺逆周期，从而形成滞后的周期性循环。影子信贷增长对房价造成波动性影响但以促进作用为主，房价波动通过资产抵押担保渠道同向影响企业Z值。Z值的提升意味着降低企业财务风险可能，增强了企业抗风险能力。信用升级造成正规信贷供给的增加，对影子信贷造成挤出效应。以上形成往复波动内循环。
5.2. 建议
根据研究结论，逐一给出如下建议：
1) 针对开发企业——化解风险
开发商借道影子银行获取资金主要是因为传统信贷资金获取逐渐困难。现阶段，头部房地产开发企业接连出现债务危机，中小房地产开发企业更是进退两难。当前必须将化解房地产开发企业流动性风险作为首要任务，积极拓宽房地产企业的融资渠道，探求多元化的融资模式，提升直接融资比例。继续健全我国的REITs制度，缓解开发企业的资金需求。其次，开发企业自身一方面要做好存货管理，另一方面自身应关注国家政策，确定正确的投资战略，防范投资风险。
2) 针对房价政策——双向调控
对于房价涨跌要进行双向调控，有保有压。基于供需平衡理论因地施策，促进房价趋稳。弹性调控才有助于防范房地产市场风险扩散为系统性金融风险，促进宏观经济的平稳发展。
3) 针对影子银行——保持客观
长期来看，我国影子银行与房价波动并非呈顺周期性。对影子银行的发展我们需保持客观的态度。在加强监管力度的同时，也要肯定其对经济增长，资源配置的贡献。在进行房地产市场调控时，应当利用影子银行的积极作用，合理引导资金流向，带动房地产上下游产业链的共同发展，从而更好实现服务于实体经济。促进影子银行、宏观经济层面的房价与微观经济层面的房地产开发企业之间的良性互动，助力房地产业进行转型升级。
NOTES
1后文所述“房地产企业”、“开发企业”均指房地产开发企业，主营业务为房地产开发。
2指2010年国务院办公厅所发布《关于促进房地产市场平稳健康发展的通知》。