1. 引言
2021年以后，整个房地产市场发生转变。由于宏观经济处于下行期，叠加我国城镇化水平、居民杠杆率都达到较高的水平，在遭遇公众卫生事件后，我国房地产市场不再像以前红火，而是出现量价齐跌，一方面全国的商品房的销售面积较去年下跌百分之十，平均价格也较去年下跌百分之八。并且，出现了不少的头部房企资金流断裂，债务违约事件在房企间更加频繁，甚至出现资不抵债的现象。房企接连出现问题，加大了人们对房地产市场的担忧。在过去，房地产业是我国的支柱性产业，在高峰时期，占我国GDP比重高达百分之十以上。房地产的产业关联度高，与建筑行业、装修行业、钢铁行业等实体行业密切相关，而且由于房地产业是高度的资金密集型产业，房地产开发资金的来源银行占了三分之一以上，在我国以商业银行为主的金融体系而言，一旦房地产市场出现问题，会对我国的金融系统造成不小的冲击。如果不能及时稳定房地产市场，任其恶化，极有可能出现像日本房地产泡沫破裂导致风险传至整个金融系统。
过去一旦房价出现不合理的波动时，国家会根据现实情况及时进行调整，不管用货币政策，还是个人购房政策，都是希望房价在合理的范围内波动，不出现短时间内快速上涨和快速下跌，针对当前我国面临的房价下跌的情况，以及如何测量房价波动对系统性金融风险的影响程度，以及如何开展各种政策，进行微宏观调控，稳住房地产市场，是我们不得不面临的重要课题。
2. 文献综述
当前研究人员深入分析房地产价格的波动与系统性金融风险之间的联系时，他们主要关注了多个方面。包括了系统性金融风险的测量、房价波动产生系统性金融风险的路径以及对金融稳定的影响，这为理解房地产市场和金融稳定之间的关系提供了深刻的理论基础。
从系统性金融风险的测量来看：许涤龙和陈双莲(2015)基于CRITIC赋权法构建了金融压力指数(FSI)，该指数从银行、房地产、股票市场以及外部金融市场等四个维度综合考量，为我国金融风险的评估提供了有力工具[1]。此外，陶玲和朱迎(2016)进一步提出了包含七个方面的系统性金融风险综合指数，并运用马尔可夫状态转换方法精准识别和判断风险指标的状态与转折点。这些研究不仅丰富了系统性金融风险评估的理论体系，也为风险管理和政策制定提供了重要参考[2]。Giglio (2016)团队运用分位数回归的样本外预测技术，深入探究了多种系统性风险指标在预测欧美经济衰退中的效能，并成功构建了系统性风险指标[3]。
从房价波动对系统性金融风险传导路径来看：项银涛(2011)的深入研究揭露了房地产市场的波动是如何深刻地影响金融稳定的核心因素，那就是房地产市场的有限理性。由于这种有限的理性，市场的参与者经常面临预测和应对市场波动的困难，这进一步增加了市场不稳定的风险[4]。沈悦(2018)利用FVAR模型深入研究了房价的波动与系统性金融风险的相互影响，他们发现大规模的房价波动可以通过资金价格和融资两个途径来传导和触发金融风险[5]。宋凌峰(2018)的研究进一步阐明了我国的房地产风险主要是通过银行信贷从负债项传递的，并强调了明显的结构性变化现象[6]。
从房地产价格波动对金融稳定来看：Woo (2000)对金融系统的脆弱性进行了深入的研究，他们认为金融系统的脆弱性和金融机构之间的紧密联系是导致金融脆弱性的关键因素[7]。Adam (2010)的研究则重点关注了银行间的紧密联系对银行业稳定性的影响。他认为，银行间的紧密联系虽然有助于提升金融市场的效率，但也可能加剧银行业的不稳定性[8]。谭政勋与王聪(2011)的实证研究深度分析了房价的波动如何影响银行系统的稳定性，并揭露了通过信贷策略可能导致的宏观经济波动[9]。魏丽莉和赵亚楠(2013)的实证研究更深入地关注了甘肃省的各个区域，他们发现房价的波动与金融的稳定性之间有着负向关联[10]。Gennaioli (2013)研究则重点关注了银行间的紧密联系对银行业稳定性的影响。他认为，银行间的紧密联系虽然有助于提升金融市场的效率，但也可能加剧银行业的不稳定性[11]。安尉(2017)的研究更深入地探讨了在不同的经济增长阶段和政策调整强度下，房价的波动与金融的稳定性之间的联系，并揭示了这种联系的复杂性和变化性[12]。司登奎(2019)强调了房价上升可能给银行的风险和经济的稳定性带来的不利影响，并给出了逆周期的房价稳定建议，同时也突出了房屋贷款和房价调控策略的关键性[13]。
这些研究揭露了金融过度支持和银行在房地产信贷扩张方面对房地产泡沫生成的关键作用，同时也指出了泡沫破裂和信贷收缩可能对金融稳定构成的隐患，并强调了商业银行在进行房地产信贷风险管理时应采取谨慎的策略[11]。
之前的国内外的学者主要研究房价的飞速上涨对系统性金融风险的影响，缺乏对于房价的持续下跌对于金融风险的影响，由于经济增速放缓叠加公众卫生等事件，房价下跌已成为现实情况，因此研究当前房价下跌对于系统性金融风险的影响更具有现实意义。国内外学者对于风险的研究大多也都集中于银行业，缺少综合各个子市场进行分析的研究。另外，以往的文献研究大多集中于宏观经济与系统性金融风险的关系上，较少从房地产市场角度入手研究系统性金融风险。本文通过梳理已有的研究成果，分析房价波动对系统性金融风险的传导机制，使用VAR 模型研究房价波动对系统性金融风险的动态影响，并根据分析结果提出针对性的建议已达到稳定房价、防范和化解系统性金融风险的目的。
3. 房地产价格波动对系统性金融风险的传导机制
房地产价格波动的风险影响路径复杂多样，传导形式灵活多变，主要通过金融体系与宏观经济体系传导。
3.1. 金融体系传导路径
房地产市场与金融体系，特别是与银行信贷之间，有着密切的相互关联。在房地产领域，融资的需求巨大且期限较长，而银行的存款业务则呈现出短期和碎片化的特点，这种明显的特性差异为两者在业务操作中带来了潜在的风险。
房地产价格波动通过流动性路径传导风险见图1所示。在房地产价格持续上升的情况下，市场普遍持乐观态度，信用违约的风险也相应减少，这进一步推动了商业银行增加对房地产市场的信贷额度。由于房地产市场吸引了大量的社会资本，抵押贷款的规模也在不断扩大，这进一步加速了房价的增长。但是，这样的繁荣之下，潜藏着银行流动性的潜在风险。当银行的短期存款和长期贷款策略受到外部冲击时，可能会出现期限不匹配的问题，这对金融的稳定带来了潜在风险。
Figure 1. Liquidity tightening mechanism
图1. 流动性紧缩机制
如果房地产的价格开始下滑，那么情况将会完全不同。随着抵押物价值的逐渐减少，房地产开发公司的盈利空间面临压缩，资金链可能会断裂，同时银行贷款违约的风险也会显著增加。与此同时，由于个人贷款的履约成本超过了抵押物的价值，违约的可能性也随之增加。这种情况不仅对银行资产的质量产生了负面影响，还进一步导致了整个金融机构流动性的显著下降和机会成本的增加。为了缓解资金流动性的压力，银行可能不得不出售抵押品，这进一步导致了房价的下滑，形成了一个恶性循环。
3.2. 宏观经济传导路径
房地产价格的波动对系统性金融风险的影响，主要是通过财富效应和托宾Q效应机制来进行传递的。财富效应能够通过调整家庭资产的价值来影响整个社会的需求，这进一步对金融系统造成了冲击，并可能对系统性金融风险的出现概率产生影响。从另一个角度来看，托宾Q效应对房地产市场的开发投资产生影响。由于这些开发投资资金主要来自金融机构，其波动会间接地影响金融系统的稳定性，并进一步对系统性金融风险造成影响。房地产价格与系统性金融风险之间的关系是由这两种机制紧密交织而成的，这使得房地产市场的不稳定性对系统性金融风险的产生有着显著的影响。
3.2.1. 财富效应
在房地产市场上，财富效应作为一种经济活动，其影响和体现尤为突出。其传导路径见图2所示。
随着房产价格的上涨，那些拥有房产的人的净收入也随之上升，他们的可支配收入也随之增长。这样的转变不仅刺激了他们的消费能力和需求，还间接地推动了房地产开发公司和其他相关产业增加投资和生产，从而形成了一个正向的经济循环。但是，如果这种发展趋势持续时间过长，它可能会导致社会经济产值的过度增长，从而可能触发宏观经济的非逻辑繁荣，并对金融市场的稳定带来隐患。与此相对，当房产的价格开始下滑，那些拥有房产的人的净资产和可支配的收入都会相应地减少，这也导致了他们的消费需求下降。这样的变动不只是对消费者的日常生活造成了影响，它还可能对公司的投资和生产热情带来不利的后果，从而导致社会的经济产值下滑。如果这种状况继续扩散，它有可能给宏观经济带来打击，并提高系统性的金融风险。
Figure 2. Transmission mechanism of wealth effect
图2. 财富效应传导机制
3.2.2. 托宾Q效应
在房地产市场和宏观经济的风险传递过程中，托宾Q效应起到了不可或缺的作用。
见图3所示，托宾Q比率作为一个评估资本市场价值与重置成本关系的度量标准，其波动情况直观地揭示了企业愿意增加投资的程度和驱动力。随着房地产市场价格的上升，托宾Q比率也会相应增加，一旦超过1的临界点，这意味着资产的市场价值将超过其重置成本，这时房地产开发企业将面临更多的盈利机会和更强的投资动力。随着托宾Q比例的增长，房地产开发公司开始加大投资力度，这不仅直接促进了社会总产值的提升，还通过增加企业的市场价值，进一步减少了融资成本，并扩大了生产规模。这个过程不只是对房地产市场产生影响，它还通过金融体系的传递机制，对宏观经济的稳定状况带来了长远的效应。
Figure 3. Transmission mechanism of Tobin Q effect
图3. 托宾Q效应传导机制
4. 研究实证
为通过模型来量化地产价格波动对系统性金融风险的动态影响，我们采用(Var)模型来动态分析房价波动与系统性金融风险之间的相互作用关系。通过这一研究，我们得以更全面地理解房价变动对金融风险的影响机制。
4.1. 变量的选取
本项研究在选择变量的过程中，深度融合了理论框架的分析和研究焦点，同时也确保了数据的完整性和可获取性。采用商品房的均价同比增长率(HP)作为评估房产价格变动的核心标准，这些数据是基于如国家统计局和中国人民银行这样的权威机构提供的。本研究通过分析商品房的平均销售价格，深入研究了房地产价格的波动是如何影响系统性金融风险(CFRI)的。在深入研究系统性金融风险时，本文首先对现有的测度指标体系进行了系统梳理。基于系统性金融风险相关理论，并紧密结合我国宏观经济和金融体系的实际状况，参考陶玲和朱迎(2016)提出的包含七个方面的系统性金融风险综合指数，并运用马尔可夫状态转换方法精准识别和判断风险指标[2]。该指标池涵盖了从宏观到微观的多个维度，包括一级指标系统性金融风险，以及宏观经济、金融机构、利率市场、股票市场、债券市场、货币市场、房地产市场七个二级指标。此外，考虑到宏观经济和金融系统的传递方式，这项研究还考虑了GDP的年度增长率和不良贷款率(UL)等关键因素。所研究的样本涵盖了从2008年第一季度到2022年第四季度的60个季度的数据，这为接下来的实证研究提供了坚实的数据基础。
4.2. 单位根的检验
基于以上的变量选择，首先采用ADF单位根检验对CFRI、HP、GDP、UL进行平稳性检验。
见表1的ADF检验结果表明，所选变量CFRI、HP、GDP、UL均存在单位根且表现为平稳，符合同阶单整特征。这表明可以深入研究这些变量之间的相互关系，从而更全面地理解它们之间的动态作用机制。
Table 1. Unit root inspection
表1. 单位根检验
变量 |
ADF值 |
临界(1%) |
P值 |
结论 |
CFRI |
−3.494 |
−3.567 |
0.0081 |
显著 |
HP |
−4.180 |
−3.567 |
0.0007 |
显著 |
GDP |
−4.356 |
−3.567 |
0.0004 |
显著 |
UL |
−3.092 |
−3.567 |
0.0271 |
显著 |
4.3. 格兰杰因果检验
在实际分析中，即使某些变量间的相关系数较高，也可能并不存在实际的因果关系。因此，为避免误判，本文采用格兰杰因果检验来分析变量间的时间先后顺序关系。格兰杰因果检验是在实际分析中，即使某些变量间的相关系数较高，也可能并不存在实际的因果关系。因此，为避免误判，本文采用格兰杰因果检验来分析变量间的时间先后顺序关系。一种基于自回归模型的假设检验方法，用分析经济变量间的因果关系。值得注意的是，这种检验所揭示的仅为统计上的时间先后顺序，并非真正意义上的因果关系。
从表2可以看出，通过格兰杰的因果关系检验，我们观察到商品房的平均价格年增长率、不良贷款比率以及GDP的年增长率与我国的系统性金融风险指数之间有着明显的联系。更具体地说，在5%的显著性水平下，商品房的均价同比增长率成为我国系统性金融风险指数的格兰杰原因，这表明房价的波动对系统性金融风险有着显著的影响。此外，不良贷款率与我国的系统性金融风险指数之间呈现出格兰杰的因果联系，这揭示了信贷的质量与金融风险之间的深层次联系。另外，GDP的年度增长率与我国的系统性金融风险指数之间呈现出单向的格兰杰因果联系，这意味着经济的增长确实对金融风险有所影响。这些研究成果有助于我们更深入地洞察各种因素与系统性金融风险之间的动态相互作用，并为风险管理提供有价值的参考依据。
Table 2. Granger causality test results
表2. 格兰杰因果检验结果
原假设 |
Chi-sq |
Df |
Prob |
结论 |
CFRI不是HP的格兰杰原因 |
2.747 |
2 |
0.53 |
接受 |
HP不是CFRI的格兰杰原因 |
8.843 |
2 |
0.02 |
拒绝 |
CFRI不是GDP的格兰杰原因 |
0.194 |
2 |
0.95 |
接受 |
GDP不是CFRI的格兰杰原因 |
7.186 |
2 |
0.08 |
拒绝 |
CFRI不是UL的格兰杰原因 |
0.393 |
2 |
0.80 |
接受 |
UL不是CFRI的格兰杰原因 |
3.027 |
2 |
0.02 |
拒绝 |
4.4. AR根图
在进行模型分析时，稳定性检验是至关重要的一步。本研究采用AR根图表分析来评估模型的稳定性。脉冲响应分析的前提是所有单位根均小于1且位于单位圆内。见图4 VAR根图所示可知，我们发现所有单位根均满足这一条件，从而确认模型是平稳的。这一结果为后续进行脉冲响应分析提供了有力支持，使我们能够更准确地探究各变量的冲击情况。
Figure 4. Unit root test chart of VAR
图4. VAR的单位根检验图
4.5. 脉冲响应
见图5显示可知，商品房均价同比增长率(HP)对我国系统性金融风险指数(CFRI)产生正向冲击，自第1期起冲击效应逐渐增强。至第10期，冲击水平的变化率趋于稳定，几乎不再波动。这表明房地产价格波动对我国系统性金融风险水平具有显著影响，且该影响随时间推移逐渐显现并趋于稳定。
Figure 5. CFRI pulse response diagram under HP variable shock
图5. CFRI在HP变量冲击下脉冲反应图
见图6所示可知，GDP同比增长率对系统性金融风险指数(CFRI)的冲击表现是正效应，这种效应在第1期即显现，至第4期达到最大正向影响，随后逐渐趋于稳定。经济增速对系统性金融风险虽为正向影响效果，但影响程度却较小，这可能是随着我国经济的快速发展大量资金愈加流入房地产、股票、证券市场，使得系统性金融风险有脱离实体经济存在偏向虚拟经济的发展趋势。
Figure 6. CFRI impulse response diagram under GDP variable shock
图6. CFRI在GDP变量冲击下脉冲反应图
见图7所示可知，不良贷款率(UL)对我国的系统性金融风险指数(CFRI)产生了明显的正向影响，尤其是在第5期达到峰值，之后逐步降低。这种情况揭露了不良贷款率如何通过金融系统途径对系统性金融风险产生深远的影响。房价的剧烈波动常常会引发不良贷款率的增加，从而进一步加速了系统性金融风险的累积和传播。
Figure 7. CFRI pulse response diagram under UL variable impact
图7. CFRI在UL变量冲击下脉冲反应图
5. 政策建议
通过Var脉冲响应分析，我们发现房地产价格的上升对系统性金融风险产生了正向的影响，但系统性金融风险也受到了其固有的惯性效应的明显制约。这表明，房地产市场的波动不仅会直接提高金融风险，还可能通过影响市场的预期和投资者的行为，间接地放大金融风险。房地产价格的大幅波动可能威胁金融稳定，进而诱发系统性金融风险，对经济发展产生不利影响。为维护宏观经济平稳发展和金融市场稳定，需高度重视并有效应对房地产市场的价格波动，防范系统性金融风险的发生，提出以下政策建议。
第一，为了房地产市场的稳健增长，确保销售环节的稳定变得尤为关键。因此，我们应当遵循“不炒房住”的策略，并努力达到“稳定地价、稳定房价、稳定预期”的发展愿景。为了达到这个目的，我们需要根据实际情况和城市特点制定策略，确保满足基本和改进的住房需求，同时增强政策的支持，保障政策的实效性和针对性。第二，为确保房地产企业不因房价的剧烈波动而面临资金中断和破产的风险，我们必须坚决执行一套旨在支持房地产融资的策略。在信贷融资方面，我们应该进一步加强与房地产相关的信贷审批制度，适当放宽对“房地产贷款集中度”的监管标准，激励金融机构与房地产企业合作，共同应对潜在的风险，并确保不良资产得到及时处理，从而确保金融市场的稳定和高效运作。第三，房地产业曾是我国宏观经济的核心部分，但其过度扩张也引发了一系列的挑战和问题。对房地产行业的过度依赖导致了市场的不平衡，这不仅对实体经济造成了挤压，还妨碍了其他行业的健康成长。为了改变当前的状况，我们需要正视房地产市场宏观调控对经济产生的影响，并逐渐减少对房地产业的过度依赖。