李运蒙，钱 鑫

(五邑大学经济管理学院，广东江门529020)

房地产业在拉动内需、促进经济增长等方面扮演了重要的角色。然而，随着房地产市场的繁荣，房价的升高，人们越来越担忧房地产的风险，尤其是对该产业的发展提供大量贷款的银行方面，对房价的波动则更加关注。探讨银行在房地产方面的贷款与房价的关系问题，不仅可以使银行方面更好地把握市场需求，及时防范风险，还可以为国家利用银行信贷调控房地产市场提供参考。

有关银行信贷与房产价格方面，学者们提出了很多建议。丰雷等对中国房地产市场泡沫问题进行了多方面的实证研究，其结果表明，房贷及货币供给量的变化比房价的变化相对滞后一些［1］。盛松成等对上海市房地产市场发展周期与GDP增长率、实际利率和房地产信贷的相关关系进行了分析，认为上海房地产市场发展周期与经济金融运行的相关关系十分密切，其发展与银行信贷相关度较高，信贷政策、利率等对房地产市场发展周期的影响较大，央行可利用各种货币政策工具进行调控和引导［2］。刘明等通过建立霍特林模型研究了利率对最优房价涨幅的作用，认为利率对房价涨幅具有决定性作用，但并不意味着可以利用利率手段来对房价进行完全有效的调控，认为我国与西方国家不同，至少在现阶段，将利率作为房地产市场的调控工具存在很大风险［3］。GERLACH等利用香港1982年至2001年的数据，实证分析了银行贷款与房地产价格之间的长期均衡和短期波动关系，认为房地产价格的波动影响银行的信贷扩张，而银行贷款却不明显影响房地产价格［4］。

在2010年上半年，国家出台了一系列房地产调控政策，预示着国家开始大力调控房地产市场，同时银行在房地产方面的贷款风险也越来越受到人们的关注。笔者使用近期的统计数据，运用协整等相关理论对银行信贷与房价指数之间的波动关系进行实证分析。

1 理论与模型简介

协整理论是由ENGLE和GRANGER在1987提出的［5］，对非平稳序列的建模提供了一种新的方法。当一组非平稳的变量存在一个线性组合是平稳序列时，认为这组经济变量具有协整关系，可以建立长期均衡模型和误差修正模型。建立模型步骤一般是先进行单位根平稳检验再进行协整关系检验，最后建立误差修正模型，对变量间因果关系的进一步判断可以进行Granger因果检验。

1.1 单位根平稳检验

如果直接用非平稳的时间序列数据来做计量回归，则容易出现伪回归，因此在回归之前首先要对时间序列数据进行单位根的平稳性检验，常用的方法为ADF检验，检验基于以下模型［6］:

式中:μt为误差项;ρ为差分算子;t为时间因素;α、β 为系数。

检验假设为H0∶ρ=1;H1∶ρ＜1，H0为存在单位根假设，检验从式(3)开始依次检验至式(1)，如果有一个模型拒绝H0则序列平稳，否则非平稳。对于非平稳变量，还需检验其一阶差分的稳定性，如果变量的一阶差分稳定，则称该变量是一阶单整I(1)的。

1.2 协整检验

所谓xt和yt是协整的，要满足下列条件:①xt和yt都是I(1)的，即它们是非平稳的，而其一阶差分是平稳的;②存在某个线性组合αxt+βyt是I(0)的，且具有零均值，则xt和yt具有协整关系，α、β为协整系数。协整关系检验与估计方法主要有Engle－Granger两步法和Johansen极大似然法。

1.3 Granger因果检验

Granger因果检验的基本思路是:如果X变量有助于预测Y变量，即在Y的过去值回归中，添加X的过去值作为独立变量，可显著增加回归的解释能力，则X是Y的Granger原因。检验方法为:

式中，p为最大滞后阶数。

检验的原假设是序列X不是序列Y的Granger成因，即βt=0。如果不能拒绝假设，则序列X不是序列Y的Granger原因;如果拒绝假设，则序列X是序列Y的Granger原因。

1.4 误差修正模型

误差修正模型的基本思想是，若变量是协整的，则表明变量间存在长期的稳定关系，而这种长期的稳定关系是在短期动态过程的不断调整下得以维持的，这种短期动态的调整过程就是误差校正机制。建立误差修正模型一般步骤如下:

(1)建立一阶自回归分布滞后模型:

2 数据收集与模型建立

2.1 数据选取与分析

选取居民中长期消费贷款dk和全国房屋销售价格指数fj两个变量作为研究对象，居民中长期消费贷款来源于中国人民银行数据库的月度数据［7］，房屋销售价格指数数据来源于清华金融研究中心数据库月度数据，数据提取时间段均为2007年1月至2010年6月。其中房屋销售价格指数原始数据为按月环比指标(即上月为100)，为使两个指标有可比性，将居民中长期消费贷款2007年1月指标设为100，后续各期折算为上月为100的环比指标。具体数据如表1所示。

表1 居民中长期消费贷款环比与全国房屋销售价格指数(2007年1月—2010年6月)

对于环比指标，原数据为具体经济变量，如居民中长期消费贷款环比的原数据为居民中长期消费贷款的实际值。环比值可以看作原数据的波动指标，当指标的值大于100时原数据波动向上，小于100时原数据波动向下。如果用at、at+1表示某环比指标的相邻两个数据，当at+1＞at时，会有3种情况:①at、at+1均小于等于100，说明原数据处于下降状态，但下降幅度减缓;②at、at+1均大于等于100，说明原数据处于上升状态，上升幅度加速;③at、at+1由小于100变为大于100，说明原数据由下降状态转变为上升状态。综合上述3个方面考虑，当at+1≥at时原数据有利于向上升方向发展。同样，当at+1≤at时原数据趋向下降方向发展。

为了使模型的设定更合理并减少或消除潜在的异方差问题，下面对所有序列取自然对数处理。又由于ln dk的波动性比较大，故对ln dk做指数平滑处理，结果记为ln dks，平滑处理运算为:

ln kdst=0.5×ln dkt+0.5×ln dk(t－1)(8)

运用Eviews 6.0绘制［8］ln dks和ln fj的折线图如图1所示。

图1 ln dks和ln fj的趋势图

由图1可以看出，居民中长期消费贷款与房屋销售价格(均用二者环比指标)变化趋势是一致的，由此可以猜测二者可能具有某种关联关系，但须进一步验证。

2.2 单位根平稳检验

对序列ln fj和ln dks的ADF单位根检验如表2所示。表2中滞后阶数的选择原则采取AIC准则，检验形式中的c和t为带有常数项和趋势项，k为差分项的滞后阶数。

表2 ADF检验数据结果

从表2可以看出，ln fj的ADF统计量(－0.359 3)大于5%的显著水平(－1.949 6)，不能拒绝存在单位根的零假设，该序列不平稳;同理可知ln dks也是非平稳序列。ln fj的一阶差分Δln fj和ln dks的一阶差分Δln dks在给定1%的显著水平下拒绝存在单位根的零假设，因此，Δln fj和Δln dks都是平稳的时间序列。那么ln fj、ln dks均为一阶单整序列，它们之间有可能存在协整关系。

2.3 协整检验与长期模型建立

采用Engle－Granger两步法检验居民中长期消费贷款与房屋销售价格指数之间可能存在的协整关系。

(1)建立最小二乘回归模型如下:

ADR2=0.582 1，AIC=－6.618 2，D.W.=0.659 1，t统计量通过1%显著性检验，F统计量=54.322 3，F统计量的P值=0.000 0。

由ADR2值可知模型拟合度较一般，由F统计量的P值可知模型显著性通过检验，可以继续进行下一步。

(2)对模型生成的残差进行单位根检验，如表3所示。

表3 残差ADF检验

由表3可知，模型的残差项μt的ADF值为－4.635 5，小于5%显著水平的临界值 －3.529 7，因此拒绝残差序列具有单位根的假设，说明残差序列μt为零阶单整，即I(0)。

由式(9)知存在ln fj和ln dks的一个线性组合是平稳序列，故ln fj和ln dks具有协整关系。对于D.W.值小于2，观察残差相关图，模型存在严重自相关，可以在模型中加入AR(1)来调整，得到最终结果为:参数均通过1%的t检验，且残差平稳，已消除明显自相关。

残差、实际值、拟合值结果如图2所示。

从图2中可以看到，实际值与拟合值拟合程度较好，残差曲线无明显趋势。

2.4 Granger因果关系检验

为了明确变量之间的因果关系，对ln fj和ln dks做Granger因果检验，选最佳滞后期为4，结果如表4所示。

图2 式(10)的拟合效果图

表4 Granger因果关系检验结果

由表4可知，在90%的置信水平下，房产价格是居民中长期消费贷款的Granger原因，在95%的置信水平下，居民中长期消费贷款是房产价格的Granger原因。房产价格与居民中长期消费贷款互为Granger因果关系。

2.5 误差修正模型的建立

两个变量即使长期存在均衡关系，但在短期内由于受外界干扰，可以是不均衡的，因此必须对这种短期行为进行修正。对于建立误差修正模型，可用OLS方法先建立滞后一期的回归方程，再推导出误差修正模型。ADR2=0.810 5，AIC=－7.316 8，D.W.=1.594 3，参数均通过1%的t检验，F统计量为51.336 2，F统计量的P值=0.000 0。

由ADR2的值可知模型拟合程度较好，由残差相关图知残差不存在自相关。对式(11)进行移项变化，将式(11)化为带误差修正项ecm的形式。

将式(11)两端减去ln dkst－1并在右边加减0.902 7×ln fjt－1整理得:

最终推导得出:

式(13)为误差修正模型，由于误差修正项ecmt－1的系数(－0.320 9)为负，调整方向符合误差修正机制，表明上月的非均衡误差以32%的比率对本月的Δln dkst做反向修正，修正力度较大。

3 结论与风险控制建议

3.1 消费贷款和房屋销售价格之间的关系

通过上述分析，对于2007年1月至2010年6月的居民中长期消费贷款和房屋销售价格的月度环比数据，将环比看作描述原数据的波动指标，可得出以下结论:居民中长期消费贷款的波动与房屋销售价格波动之间存在协整关系，即存在长期稳定的均衡关系;由误差修正模型可知，ecmt－1的系数为－0.320 9，说明误差修正项对居民中长期消费贷款波动偏离长期均衡水平的调整力度为32.09%，具有较强的调整作用。Δln fjt的系数为0.902 7，说明在短期内房屋销售价格的波动将会引起居民中长期消费贷款同方向波动，房屋销售价格波动每增长1个百分点，居民中长期消费贷款波动将增长0.902 7个百分点，房屋销售价格波动对居民中长期消费贷款波动存在同方向影响，且影响力度很强。

与国内外同类研究结果相比，文献［1］实证了货币供应量与房价存在相互关系，采用相关系数进行分析，认为二者高度相关，这一点与笔者结论相一致，而笔者采用的是居民中长期消费贷款指标(货币供应量的组成部分)研究与房价的关系，且给出了计量经济学模型，分析更加具体。文献［4］认为香港房地产价格的波动影响银行的信贷扩张这一结论与笔者的结论相一致，而银行贷款却不明显影响香港房地产价格这一结论与笔者的结论不同，说明香港房地产市场与大陆市场有相似之处，也有所不同。此外文献［9－10］均认为我国房价波动与银行信贷密切相关，但未建立基于协整与误差修正理论的计量经济学模型。

3.2 风险控制建议

由图1和Granger因果关系检验结果及协整、误差修正模型的建立，不难看出房价的波动常常伴随着贷款的波动，当房价持续上升时，居民中长期消费贷款也会持续上升，反之前者持续下降，后者也会持续下降。这一结果与投资者买涨不买跌的现象非常符合，体现了我国房产市场近期阶段性的规律，根据这一规律，可以从以下几个方面来分析和控制银行信贷风险:

(1)适时地减少风险偏高的贷款项目是一种对放贷风险的控制。当房价持续上升时，如果银行方面不对贷款进行必要的控制，根据上述结论，房价的波动会影响居民中长期消费贷款的波动，房产市场的风险会没有阻挡地传给银行。因此，当房产市场表现出过热和过度投机现象时，应及时采取提高放贷条件、限制放贷和控制信贷规模等措施，避免房产市场绑架银行，否则，一旦房产市场急剧下跌，出现大批按揭贷款的“断供”现象时，银行将面临巨大损失。实际操作时，根据银行自身抗击风险的能力，采用不同的偏好，如可选择在一年内，房价上涨20%、30%、40%等情况，分别采取相应的控制措施。

(2)银行发放的贷款都具有不同程度的风险，通过增加风险小、收益稳健的项目贷款规模，也是对其经营风险的控制。在房价持续稳定期内，根据前面的结论，相应的贷款也相对稳定，即不会自发地快速增加或快速减少。而此时银行放贷的风险也相对较少，会获得稳健的收益。因此银行方面应该抓住机遇，适当采取措施，积极扩大信贷规模，改善贷款结构，根据偏好，可以将稳健收益贷款比例控制在70%、80%甚至90%。

(3)研究结果表明，由于房价的上升，推动了居民中长期消费贷款上升，而不仅仅是住房贷款的上升，这一结论的合理性在于它与信贷市场的某些现象十分符合。例如，在房价持续上升的情况下，某人的固有房产大幅升值，由于房产的财富效应，使其产生强的消费信心，便通过住房抵押贷款进行各种消费。而此时银行贷款的增加又与房价的上升联系在一起，如果房价突然大幅下跌，仍然会使银行难以收回抵押贷款。因此当房产市场表现出过热和过度投机现象时，以住房为抵押物的各种贷款也应给予相应的控制。

综上所述，银行方面可以根据房价和贷款的相互关系，采取适当措施控制放贷风险，同时根据房产价格与居民中长期消费贷款互为Granger因果关系的特点，控制房贷，就会控制房价的进一步上升，形成良性循环。而政府一方面要支持银行规避风险的行动，另一方面可通过增加房产交易税等手段控制房产市场的过度投机，降低房产市场风险，进而降低银行房贷风险，促进经济的协调稳定发展。

［1］丰雷，朱勇，谢经荣.中国地产泡沫实证研究［J］.管理世界，2002(10):57－62.

［2］盛松成，李安定，刘惠娜.上海房地产市场发展周期与金融运行关系研究［J］.上海金融，2005(6):4－7.

［3］刘明，刘斌.利率调控房价的效应分析［J］.上海金融，2005(11):14－16.

［4］GERLACH S，PENGW S.Bank lending and property prices in Hongkong［J］.Journal of Banking＆Finance，2005(20):461－481.

［5］ENGLE R F，GRANGER CW J.Co－integration and error correction:representation，estimation，and testing［J］.Econimetrica，1987(55):251－276.

［6］高铁梅，王金明，梁云芳，等.计量经济分析方法与建模:EViews应用及实例［M］.北京:清华大学出版社，2009:131－132.

［7］韩振国，何敏蓉.房贷风险测试及商业银行防范策略［J］.浙江金融，2009(12):23－24.

［8］张晓峒.EViews使用指南与案例［M］.北京:机械工业出版社，2007:36－43.

［9］孔煜.房价波动、银行信贷与经济增长［J］.财经理论与实践，2009，30(9):12－16.

［10］王宏新，王昊.房价变动情景测试与商业银行风险规避［J］.改革，2009(3):131－135.