羿建华　孙　健

(济南大学 经济学院，山东 济南　250022；中国人民银行 济南分行，山东 济南　250021)



房地产、金融周期与工业周期的内在影响机制分析
——基于商业银行信贷管理视角

羿建华孙健

(济南大学 经济学院，山东 济南250022；中国人民银行 济南分行，山东 济南250021)

[摘要]自我国实施住房制度改革以来，房地产市场与金融周期始终保持同步走势。目前，我国经济进入新常态，房地产市场的平稳发展，对我国实现“稳增长、促改革、调结构、惠民生”的发展目标具有重要的影响。本文基于商业银行信贷管理的视角，构建了我国房地产市场的理论模型，探讨了房地产市场与信贷周期、工业周期之间的内在关系，并基于我国1999年-2015年9月份的数据，实证分析了房地产周期与金融周期、工业周期的关联度。结果表明，房地产市场货币化以及房地产信贷需求的快速膨胀，派生了大量的货币需求；同时，商业银行注重以房地产为抵押担保的商业管理模式，进一步强化了房地产市场周期与金融周期同步性的关系。

[关键词]房地产；金融周期；工业周期；HP滤波分析法

经济发展新常态下，城镇化建设是经济工作的重要着力点。城镇化建设过程中，房地产市场的平稳发展，是城镇化顺利实施的重要保障。伴随着城镇化的稳步推进，居民住房消费将呈现平稳增长的态势，需要与之相配套的房地产供给。从近年来我国房地产市场发展态势看，自1998年我国全面实施住房制度改革，房地产市场进入快速发展的历史时期。*1998年7月3日国务院颁发《关于进一步深化城镇住房制度改革、加快住房建设的通知》，明确要求自1998年下半年停止实物分配，逐步实行住房分配货币化。全国房地产投资额由1998年的3614.23亿元上升到2014年的95035.6亿元，而2014年房地产贷款余额达到17.4万亿元，比1998年增加了17.1万亿元。房地产具有双重属性，既是企业、居民生产生活所需要的重要实物资产，同时也具有虚拟资产的属性，进而导致房地产市场受宏观经济、货币政策、人口结构、居民消费倾向等多重因素影响。从我国房地产历史走势看，房地产市场与金融周期波动保持着高度的相关性，值得我们深入研究其内在运行机理。

关于金融周期与房地产周期的关系，国外学者做了大量相关研究。Stein (1995)从家庭居民住房消费的角度，通过将信贷约束引入生命周期理构建了多重均衡模型，研究了房地产价格波动与信贷增长的关系，结果发现在信贷购机增加时，受信贷约束的家庭将会获得融资支持，提高房地产市场的需求，进而影响了房地产市场价格的变动。Davis和Zhu(2004)通过对在宏观经济层面上探讨了房地产价格与银行贷款之间的相互关系。通过对17个发达国家的样本数据研究发展，房地产市场价格的上涨带动了信贷扩张，银行信贷的扩张又进一步提升了房地产市场的需求和投资，进而反作用于房地产市场价格。Hoftnann (2003)以20个主要工业化国家面板数据为例，研究了住房价格与实际贷款、实际利率之间的关系，结果发现商业银行信贷供给与房地产价格之间存在着长期的因果关系，房地产市场价格周期通过对经济周期和经济预期的影响，作用于银行信贷周期，而商业银行信贷供给对房地产市场价格没有显著影响。

由于我国房地产市场发展的历史周期较短，国内学者对商业银行信贷供给与房地产市场的关系研究成果有限。张晓晶、孙涛(2006)研究了我国1978-2005年期间的房地产走势，对房地产周期的影响因素进行了分析，并重点分析了房地产周期与我国金融周期的关系。邱兆祥、王涛对我国1950-2008年期间房地产走势进行了划分，对我国房地产周期不同发展阶段的特征进行了梳理，认为1993之后我国房地产市场开始了市场化的进程。周建军等(2011)研究了金融政策对房地产周期的影响，结果发现金融政策对平抑房地产周期波动有着显著效果。羿建华、孙健、郭峰(2014)运用1999-2013年第二季度的样本数据，研究了房地产、货币周期与经济扩张的关系，提出房地产市场货币化以及房地产信贷需求的快速膨胀，派生了大量的货币需求，是房地产市场与金融周期同步波动的关键因素。

伴随着房地产市场的发展，我国经济改革开放不断深化，房地产市场的波动将对我国货币政策、稳定经济增长产生重要的影响。面对当地房地产市场与金融周期的密切走势关系，进一步深化研究其内在影响机制，对于促进我国实现“稳增长、调结构、促改革、惠民生”的发展目标，具有重要的现实意义。本文拟在前期的研究基础上，通过分析商业银行的信贷管理体制，进一步完善我国金融周期与房地产周期互动关系的理论研究，并提出相应的政策建议。

一、理论模型

为了对上述问题的深入分析，本文构建了一个解释货币扩张、房地产建设和经济增长的基本框架。通过建立房地产与商业银行信贷管理的理论模型，探讨房地产市场周期与货币供给之间的关系。

(一)工业经济增长对房地产市场的影响机制

在工业发展中，土地是工业生产的关键生产要素，因此工业生产过程中需要购买土地等不动产，从而为生产提供物质场所。同时，土地作为不动产，工业企业可以通过抵押等方式，获取银行信贷融资。商业银行贷款担保方式中，抵押贷款占比最高。在抵押品中，房地产是商业银行公认的流动性、保值性较好的资产。商业银行当前的信贷管理模式，加大了房地产资产的需求，从而促进了房地产市场的发展。据此，本文构建工业对房地产市场的影响模型。

基本假设：工业生产需要土地作为生产要素；企业生产的资金全部来源于银行；商业银行发放贷款需要抵押品，而抵押品中主要以土地使用权、房地产使用权等权证为主。

工业生产模型为：Y=f(L,K,H)。其中，Y代表产出，L代表劳动力投入，K为资本投入，H为企业的土地、房产投资。

金融机构贷款放贷模型为：K=Loan(H,p)。其中，p为工业企业增长水平。

通过上述模型，可以求得企业的房地产需求函数： H=H(p,K)

企业的房地产需求水平主要取决于银行的抵押率以及企业的工业增长水平。房地产的供应在短期内固定，从长远来看可以逐步调整。伴随着工业生产水平的提高，资本需求的加大，工业企业会加大房地产投资，从而对房地产市场产生影响。

(二)房地产市场对货币供给的影响

将货币需求分解为两部分，其中一部分代表用于房地产交易的需求，一部分为非房地产商品需求。

交易方程式的修正形式为：

MV = Mh + PQ

(1)

其中，M为货币供给量，V为货币流动速度，Mh为房地产市场交易所需要的资金需求，P为普通商品价格指数(不包括房地产)，Q为普通商品交易量(不包括房地产)。

房地产市场发展，从两方面影响信贷需求。一方面涉及支持存量房地产交易的货币信贷需求，房地产市场存量交易水平的提高，尤其是二手房交易市场的形成，提高了房地产资产的流动性，派生了用于房地产交易的贷款融资需求；另一方面，房地产市场增量的开发投资，个人及企业都主要依靠银行融资，如居民按揭贷款、房地产开发贷款等方式，在房地产市场化的进程中，进一步派生了大量贷款融资需求。

我国的房地产市场发展时间较短，房地产市场对货币供给的影响主要在两个方面。一是房地产市场存量的货币化交易，购房者提高了住房交易的资金需求，导致派生了相应的货币资金需求；二是增量房地产开发投资建设，派生了相应的贷款资金需求，需要相应的货币供给支持。房地产市场对货币供给的影响可以分解为两部分：一部分用于投资投机需求，一部分用于自住型购房交易需求。购房货币需求如下：

M1=M1(Qh)

M2=M2(Eh,H)

Mh=M1+M2

(2)

其中，M1表示自住型房地产交易所派生的货币需求，Qh表示自住型房地产成交额；M2是房地产投资投机派生的货币需求，Eh为未来房地产预期价格，H为房屋租金水平，房地产投资投机需求主要取决于房地产预期价格Eh以及房租回报H；房地产交易的总需求为Mh。

联立方程(1)和(2)，可得：

Mh=P*T*=MV-PQ

(3)

其中，P*为平均房价水平，T*表示房产交易量。

从方程(3)可以看出，在非房地产类产品交易市场稳步增长的情况下，随着货币供应量M的快速增加，房地产价格将随之上升；相反，若货币供应量M快速减少，则房地产价格也将随之下降。

根据以上分析，得到理论假说：商业银行贷款信贷投放机制影响了房地产市场的投资需求，工业生产资金需求加大，进一步放大了房地产等不动产投资需求，带动了房地产市场价格上涨。同时，房地产市场发展，进一步促进了信贷需求的增长，推动了货币供应量的增加，从而导致房地产周期与金融周期相关性加强。

二、计量模型设定和数据说明

本文采用HP滤波分析法分离出金融周期和房地产周期的波动部分，在此基础上利用结构VAR模型分析两者之间的相关关系。

为了研究波动，我们常常希望将经济数据中的时间趋势“滤掉”，分离出其波动的部分。传统的做法是用线性回归的方法，估计一个线性的时间趋势，将原序列减去时间趋势(detrend)的剩余部分就是波动部分，而HP 滤波法可以较好的估计非线性时间趋势。它将一个时间序列分解为“增长部分”和“波动部分”之和。

计量模型设定。按照理论分析，工业经济周期、信贷周期以及房地产周期可能存在一定的相关关系，本文选用向量自回归模型(VAR)和向量误差修正模型(VEC)对两个时序变化变量的长期变动关系进行分析。建立VAR计量模型如下：

Yt=α+β1Yt-1+β2Yt-2+……+βpYt-p+εt

(4)

上式中，Yt指的是经济增长波动dvindusst、货币供给波动dvm2t以及房地产销售额波动dvhst 3个变量组成的向量矩阵，即Yt=(dvindusst, dvm2t；dvhst)，α为常数项，βp为待估计的参数，εt为误差向量，p代表滞后阶数。

样本选取及数据说明。本文采用中国1999-2015年9月份的宏观时间序列数据为本文实证分析的样本，所用数据主要来自wind数据库。

为了计算我国工业运行周期的波动，本文选用我国工业增加值累计增速数据作为工业经济周期的衡量指标，金融周期的衡量，选用中国人民银行公布的M2余额增速作为衡量指标，M2指标与我国的信贷结构和金融宏观调控方式相匹配，是衡量我国金融周期波动较好的指标；对于房地产周期的衡量，由于我国房地产市场发展时间较短，难以全面精确衡量房地产周期水平，因此本文选用房地产销售额累计增速作为房地产周期的衡量指标，刻画房地产市场的波动走势。各变量的描述性统计结果见表1。

表1　工业、货币供给与房地产数据统计性描述

为了便于观察工业经济周期、金融周期与房地产周期的关系，本文首先构建了工业经济周期、金融周期与房地产周期指标的相关系数矩阵(见表2)。表2的统计结果说明：一是工业经济周期与金融周期的相关系数为0.2097，相关性相对较低；二是房地产周期与金融周期的相关系数高达0.5271存在较为显著的相关关系。

表2　经济、金融与房地产指标相关性

表2显示，房地产周期与金融周期呈现显著的正相关关系，即货币供给增长速度越快，房地产销售额增加越多，而工业经济增长率与货币供给增速相关关系较低。初步验证了我们的理论假设，为了保证结论的可靠性，本文将对房地产周期、金融周期与工业经济周期之间的相关关系进行计量分析。

三、计量结果及分析

(一)周期波动测算

本文运用HP滤波法消除趋势项观察货币供给增速、房地产销售额增速与工业经济增速的波动水平。测算结果表明，我国货币供应量、房地产销售额与工业增加值增速的波动水平呈现以下特征：一是工业经济波动水平较小；二是货币供应量M2增速波动高于工业经济波动水平；三是房地产销售额增长率波动幅度较大，与金融周期的波动幅度呈现趋同性，具有明显的周期性特征。

表3　经济波动、金融波动与房地产波动统计性描述

(二)VAR模型实证分析

1.单位根检验。本文采用平稳性检验方法(KPSS)，对周期指标dvinduss、dvm2和dvhs进行单位根检验。检验结果显示，周期指标dvinduss、dvm2和dvhs在5%的水平下接受“平稳序列”的原假设，即可以判断不存在单位根。

2.最优滞后阶数选取。根据信息准则，估计VAR系统的阶数。根据HQIC和SBIC信息准则，按最小值原则，最优滞后阶数皆为1，因此选用VAR(1)模型进行分析。

3.估计VAR(1)模型。模型4表明，工业经济增长的波动受上一期工业增长水平、货币供给与房地产销售额波动的影响。工业增长波动指标的滞后项L.dvinduss的回归系数为0.793，在1%的水平下显著不为0，说明工业增长之间保持连续性，前期波动幅度对当期工业增长波动有着显著影响。金融周期波动指标L.dvm2的估计系数为0.0472，表明货币供给量的变化对工业经济增长有着正向影响。但是，金融周期波动指标的估计系数在10%的水平下不显著，这可能是由于房地产周期波动与金融周期存在着趋同性，从而导致金融周期指标的回归系数不显著。房地产销售额波动指标回归系数为正，表明房地产销售额波动提高了工业经济增长的波动水平，并且估计系数显著不为0，表明房地产周期对工业经济增长有着显著影响。

模型5中，考察了工业增长变动、房地产市场变动对货币供给增长的影响。工业经济增长水平波动指标L.dinduss的回归系数为-0.233，表明工业经济增长的波动与货币供应量波动存在负相关关系，并且回归系数在1%的水平显著，表明工业经济周期的波动与金融周期波动之间的关系较为显著；房地产销售额波动指标L.dvhs的符号为正，表明房地产销售额波动提高了货币供给增长的波动水平。

在模型6中，考察的是货币供应量的变动、工业经济变动对房地产销售额波动的影响。货币供应量波动指标为正，表明货币供应量对房地产销售额的波动有着正向影响；货币供应量指标在10%下显著不为0，说明货币供应量的波动水平对房地产销售额的波动有着显著影响。同时，滞后项显著，表明房地产与上期销售水平有着显著影响。

4.VAR(1)显著性检验。通过对所有方程进行联合显著性检验，结果表明，无论是单一方程，还是两个方程作为整体，各阶系数均高度显著。进一步，对VAR系统是否稳定进行检验，结果表明所有特征值均在单位根之内，故此VAR系统是稳定的。

表5　VAR(1)估计结果

表6　VAR(1)各阶系数的显著性检验

5.格兰杰因果检验。下面考察变量dvinduss、dvm2和dvhs之间的格兰杰因果关系。根据上述VAR(1)模型，本文通过Granger因果检验方法进一步分析工业增长、房地产销售额指标和货币供应量之间的关系，检验结果如表7所示，该检验结果表明工业经济增长波动指标是货币供应量波动指标的格兰杰因，房地产市场变动率是工业经济波动的格兰杰因，工业经济波动、货币供应量变动率是房地产变动率的格兰杰因。这意味着，工业经济增长、货币供应量的变化会对房地产市场产生影响，房地产市场的变化对工业经济有着显著的影响。

表7　格兰杰因果检验

6.脉冲响应函数。脉冲响应函数可以描述系统中某一内生变量的发生的冲击对其他指标的动态效应轨迹。通过工业增长波动指标、货币供给指标与房地产销售额指标的脉冲响应函数可以了解到，*限于篇幅，脉冲响应图从略。有感兴趣者，可向作者索用。工业增长指标、货币供应量增长指标的正向冲击对房地产市场的波动有着显著影响，工业增长波动对房地产市场有着负向影响，在第4期达到顶点，随后逐步恢复到均衡水平，货币供应量的波动变化对房地产市场波动有着正向影响，冲击发生后，在第二期达到顶点，滞后6期过后，这种冲击恢复到均衡点，房地产波动呈现先上升、后恢复到均衡水平的趋势。工业经济波动受房地产市场、货币供给的变化影响较小，这可能是由于工业增长的波动主要取决于技术进步等因素，而房地产冲击、货币供应量波动对工业经济的波动影响不显著；房地产市场的波动对货币供给的波动有着一定负向影响，但总体影响较小，这与我国货币政策主要目标是稳定物价和实现经济平稳增长有关，受房地产市场的影响较小。

四、结论及政策建议

本文通过构建我国房地产理论模型，从理论上探讨了房地产发展与金融、工业经济的关系，并基于我国1999-2015年9月份的数据，实证分析了房地产周期、金融周期与工业经济周期的关系。结果表明，房地产周期的波动与金融周期波动关系密切，主要原因：一是我国房地产市场的货币化，派生了大量货币需求，从而体现在房地产周期与金融周期上走势一致；二是金融供给变动影响房地产市场交易的变动，如果货币政策放松，银行信贷增多，将导致房地产需求增加，从而推动房地产价格上涨。基于我国房地产发展与金融、工业增长的关系，我们提出以下政策建议：

一是改善银行商业信贷管理模式，加大企业信用贷款、股权质押等贷款投放力度。商业银行过度依赖房地产抵押贷款等担保方式，导致工业企业加大了房地产投资力度，影响了企业的资金使用效率。同时，商业银行高度依赖抵押贷款授信的方式，导致房地产市场对银行贷款质量有着显著影响。伴随着房地产市场的波动，也一定程度上影响了商业银行贷款质量水平。建议商业银行加大信贷产品创新力度，开发适用于工业企业的信用贷款、股权质押贷款等贷款方式，提高金融服务实体经济的能力。

二是实施差别化房地产调控政策，促进房地产市场平稳发展。首先，积极支持棚户区改造、自住性住房贷款需求，通过出台相关政策性金融支持政策，支持保障房建设和居民改善性住房需求。同时，长期将抑制住房投资投机需求作为长期房地产调控政策的重点，发挥房地产市场的居住和生产性功能，降低房地产的投资投机属性。各商业银行应当严格执行国家房地产调控政策，有效抑制住房投机投资需求，使其回归居住属性，降低货币政策对房地产市场的影响。

三是畅通货币政策传导渠道，支持实体经济发展。一方面发展多层次资本市场，引导资金进入实体经济，支持工业企业转型升级，优先支持“中国制造2025”、互联网+以及高新技术产业和新兴战略产业；另一方面，引导资金进入保障房建设等民生领域，发展普惠金融，实施金融精准扶贫，有效缓解棚户区改造的资金匮乏问题，解决困难群众的住房需求。

(责任编辑：佘克)

[中图分类号]F822

[文献标识码]A

[文章编号]1003-4145[2016]04-0143-06

基金项目：本文系国家自然科学基金重点研究项目“民间金融风险：变迁、区域差异与治理研究”(编号：71333009)、国家自然科学基金面上项目“小额贷款公司系统性风险的评估与度量研究”(编号：71273155)和国家自然科学基金青年项目“中国化的动态随机一般均衡模型：微观基础检验与经济波动分析”(编号：71503147)的部分研究成果。

作者简介：羿建华，女，山东大学经济学院博士研究生，济南大学经济学院金融系讲师。

收稿日期：2016-02-21

孙健，男，金融学博士，中国人民银行济南分行经济师。