房地产市场非理性繁荣对我国金融安全的影响研究

刘立民　牛玉凤　王永强

摘 要：本文通过构建金融安全指数，建立了房地产市场与金融安全关联机制模型，并对其进行关联机制研究。结果显示：我国GDP增长率与金融安全指数之间呈正相关关系，房地产价格指数与金融安全指数之间存在负相关关系；房地产价格变化虽然会对金融安全状况产生影响，但小于经济增长速度的变化对金融安全的正向影响，并提出了防范房地产泡沫与金融风险的政策建议。

关键词：房地产市场；金融安全

中图分类号：F830.31 文献标识码：B 文章编号：1674-0017-2014（4）-0055-05

作为资金密集型行业，房地产业与金融体系休戚相关，其发展态势关系到整个国家的经济稳定和金融安全。如果房地产业出现过度、非理性增长，则有可能引发房地产泡沫，泡沫的破灭极易导致严重的金融危机，危害到整个国民经济。无论是日本“失落的十年”还是美国的次贷危机，均是由房地产市场泡沫的破裂所引起。正确认识房地产市场对金融安全的影响机制，对预测和防范房地产金融市场风险、促进国民经济持续快速健康发展具有重要的现实意义。近几年，我国房地产发展势头过猛，快速上涨的房价使国内房地产市场处于非理性繁荣状态，金融风险隐患加大。为避免重蹈日本、东南亚之覆辙，国家也出台了一系列房地产调控政策，抑制房价过快上涨。

一、文献综述

在解释银行贷款容易集中于房地产市场方面，Bernanke和Gertler（1994）认为，银行信贷集中于房地产的原因在于信贷市场的不完备，在于信息不对称下的道德风险和逆向选择，在于贷款抵押品的价值随房地产价格的波动。郭田勇（2010）认为，银行体系对房地产市场的金融支持最主要的出发点在于其“商业性”，房地产行业所带来的可观利润使得商业银行很难出于“正的外部效应”的考虑而减少对房地产业的后勤输送。

在研究经典案例方面，王雪峰（2006）通过对20世纪80至90年代日本泡沫经济进行分析，指出地产泡沫对一国金融安全的威胁来源于房地产泡沫膨胀期间不断积累的金融风险，房地产泡沫破裂后金融危机的爆发不过是已有风险的释放，其根源在于房地产泡沫膨胀时期房地产风险不断向金融系统转移和集聚。李成等（2009）运用Allen—Gale模型对美国次贷危机生成机理进行分析，结果显示：银行房地产信贷的非理性扩张激励投资者投资风险资产，并引起房地产泡沫，由于金融创新和金融全球化使得房地产泡沫快速膨胀，其崩溃后的破坏性随着资金链条传导，使危机范围不断扩大，程度不断加深。

在实证研究方面，王雪峰（2006）以1998—2006年的数据为样本，定量分析了中国房地产价格和金融不安全指数之间的关系，最后得出了房地产泡沫加重了中国金融运行不安全的结论。袁鲲等（2009）通过借鉴东南亚金融危机和美国次贷危机的国际经验教训，实证分析发现，信贷扩张积聚的风险使银行脆弱性增加，我国房地产价格膨胀与银行信贷存在较强的共生性。张炯等（2009）通过对我国房地产价格与金融市场关系实证研究发现，房价与货币和信贷市场存在正向反馈机制，且金融加速器效应会使正向反馈影响持续放大。

概括起来，近年来国内外研究侧重于单个金融主体与房地产价格之间的关系，侧重于房地产价格逆转对单个金融主体的冲击，但对房地产价格和整个金融安全体系之间的关系研究不够。本文在总结上述研究成果的基础上，把中国放在开放的环境下，综合考虑与中国金融安全相关的国际国内因素，试图通过构建全面反映中国金融安全实际状况的安全指数，考察该指数与房地产市场之间的数量关系，来探讨中国房地产市场对中国金融安全的影响。

二、中国金融安全指数（FSI）的构建

（一）FSI构成指标的选择与数据来源。为使构建的金融安全指数更具合理性，本文充分考虑宏观经济、微观主体和国际金融环境等各方面因素，并参照IMF金融稳健性指标评价体系中有关指标的分类和选择方法，来选择中国金融安全指标。考虑到数据的可得性，最终选取三大类17个指标来构建反映金融安全状态的金融安全指数。

1、宏观先行指标，包括实际国内生产总值（X1）、GDP增长率（X2）、新增广义货币（X3）、新增固定资产投资（X4）和财政赤字或盈余（X5）等5个指标，这些指标旨在反映宏观经济状况。

2、微观审慎指标。（1）金融系统指标，包括反映金融机构流动性的指标——金融机构人民币存贷比（X6）；反映资产质量的指标——金融机构人民币中长期贷款余额与各类贷款余额的比值（X7）和金融机构新增人民币贷款（X8）；反映金融市场运行的指标——实际一年期贷款利率（X9）和股票市值总额（X10）共5个指标，用来反映金融系统资金来源、运用和价格变化，刻画金融系统流动性风险、利率风险和信贷风险等。（2）非金融企业部门指标，包括房地产投资占全社会固定资产投资比重（X11）和工业企业利润（X12）两个指标，用来衡量非金融企业的发展速度和经营业绩。

3、国际金融环境指标，包括实际有效汇率（X13）、外汇储备（X14）、经常项目差额（X15）、资本和金融项目差额（X16）以及外债负债率（X17）等5个指标，用来反映抗击国际冲击能力和抵抗国际综合压力能力。

由于中国房地产市场化进程是从2001年逐步步入正轨，因此，本文对金融安全的考察也从2001年开始，样本观测期为2001年至2012年的年度数据，数据来源于中经网统计数据库和中国人民银行网站。所有数据都作了四舍五入的处理，GDP和利率均是剔除价格变动影响的实际值。

（二）运用因子分析法构造金融安全指数。确定因子个数。利用SPSS统计软件对变量进行因子分析，变量相关系数矩阵的特征值和贡献率如表1所示。由表1可以看出，变量相关系数矩阵具有三大特征值：11.595、2.733、1.329，其累计贡献率已达92.099%，说明前三个公共因子已包含了原始数据中17个指标92.099%的信息，选择这三个公共因子进行分析是合理的。

计算各个因子得分。借助SPSS软件分别计算各主因子F1、F2、F3的得分Z1、Z2、Z3，如表2所示。

计算综合得分，构建金融安全指数。以提取的三个公共因子所对应的特征值贡献率为权数进行线性加权求和，计算金融安全综合得分Z，其中Z=11.595/（11.595+2.733+1.329）* Z1+2.733/（11.595+2.733+1.329）* Z2+1.329/（11.595+2.733+ 1.329）* Z3，得到金融安全指数FSI，如表2最后一列所示。

三、中国房地产市场对金融安全影响的实证分析

（一）指标选取。为简化分析过程，本文选取全国房屋销售价格指数（HP）来代表当前中国房地产市场发展状态。另外，由于影响金融安全的因素除了来自金融系统自身以及房地产价格的变动外，还可能来自其他如消费、投资等宏观经济因素的影响，为使分析更为合理，实证模型加入了GDP增长率（GDPR）变量，作为反映宏观经济因素的综合指标。上述数据均来自中经网统计数据库。为了增强样本数据的平稳性，对变量GDP增长率、房屋价格指数首先进行对数化处理。

（二）单位根检验。利用Eviews6.0对变量进行ADF检验，检验结果如表3所示，三个时间序列均是I（1）序列，因此，可直接对各变量进行回归分析。

（三）模型建立及回归分析。本文运用Eviews6.0对各变量进行线性回归分析。建立方程如下：

FSI=β1*LOG（HP）+β2*LOG（GDPR）+μ

其中μ为随机扰动项。

对方程进行回归，由于DW=0.353430，说明方程存在正自相关，故采用迭代法对其进行修正。修正后结果如下：

从上述结果可以看出， DW=2.10515，表明方程不存在自相关。各解释变量的t检验显著，说明各解释变量都对因变量有显著影响；方程可决系数R2=0.979278表明方程的拟合情况优良，回归结果可靠。

（四）结论分析。上述实证分析结果表明，GDP增长率与金融安全指数之间呈正相关关系，房地产价格指数与金融安全指数之间存在负相关关系。也就是说，在2001-2012年的考察期内，房地产价格增长率每提高1%，会导致金融安全指数反向波动0.471458，因此，房地产价格的上涨会加重金融不安全。相对于房地产价格的作用，GDP增长率每提高l%，金融安全指数同向变化0.645083。可见，房地产价格变化虽然会对金融安全状况产生影响，但小于经济增长速度的变化对金融安全的正向影响。

（五）Granger因果检验。由ADF检验可知，各时间序列为I（1）序列，因此，房地产价格指数与金融安全指数存在长期稳定的均衡关系，但这种均衡关系是否构成因果关系，还需进一步检验。本文借助Granger因果关系检验法对这一问题进行分析。各变量Granger因果关系检验结果如表4所示：

表4显示，当滞后阶数为3时，检验结果拒绝了LNHP不是FSI的Granger原因的零假设，这说明房地产价格是影响金融安全的Granger原因，即房地产价格是影响金融安全的重要因素。但是，在滞后阶数为1和2时，两者之间不存在Granger因果关系，这说明，中国房地产价格和金融安全之间因果关系的稳定性稍差，这可能与中国房地产周期不完整、金融系统具有较强的垄断性有关。

四、稳定房地产市场的政策选择

（一）调节经济发展模式，提高内需在国民经济中的地位，减少对房地产的依赖。定期发布房地产价格以及房地产经营、投资、消费和流通等方面的信息，引导房地产市场价格合理形成；改变现有土地制度，完善土地价格形成机制，合理安排土地财政收入。

（二）加强房地产业信贷规模监管，对房地产资金的流向实行疏堵结合。制定区域化的房地产信贷政策，建立完善的房地产信贷征信管理体系，为银行加强贷款前审查提供支持；加大对国际投机资本的监管，降低其投机金融产品和房地产产品的可能性。

（三）改善商业银行自身治理结构，加强住房开发贷款管理。严格贷款发放条件，保持合理的信用杠杆；设计并建立监控预警体系，根据房地产发展实际情况，适时调整房地产金融业务的经营方向和策略；强化商业银行风险控制的独立性，避免受到较大的行政性干预；完善房地产贷款担保和保险制度，建立多层次、多元化的房地产金融筹资渠道，创新房地产金融产品。

（四）健全房地产评价指标体系，建立多方面全方位的房地产泡沫预警体系。从多个角度对房地产泡沫进行预警，充分利用现代信息技术手段正确地引导房地产投资与消费，及时、准确地预防房地产泡沫产生。

参考文献

[1]李成，王建军.解读信贷推动下的美国房地产泡沫与金融危机[J].金融论坛，2009，（2）：49-54。

[2]王雪峰.房地产泡沫和金融安全—日本泡沫经济的启示[J].日本学论坛，2006，（4）：6-17。

[3]王雪峰.中国房地产泡沫和金融不安全的实证研究[J].山西财经大学学报，2006，（12）：79-84。

[4]袁鲲，段军山.信贷扩张、房地产泡沫与银行危机[J].开发研究，2009，（5）：150-153。

[5]张炯，贾仁甫，张兵.2001—2008年我国房地产价格与金融市场关系的实证研究[J].建筑经济，2009，（12）：47-50。

责任编辑、校对：张德进

计算各个因子得分。借助SPSS软件分别计算各主因子F1、F2、F3的得分Z1、Z2、Z3，如表2所示。

计算综合得分，构建金融安全指数。以提取的三个公共因子所对应的特征值贡献率为权数进行线性加权求和，计算金融安全综合得分Z，其中Z=11.595/（11.595+2.733+1.329）* Z1+2.733/（11.595+2.733+1.329）* Z2+1.329/（11.595+2.733+ 1.329）* Z3，得到金融安全指数FSI，如表2最后一列所示。

三、中国房地产市场对金融安全影响的实证分析

（一）指标选取。为简化分析过程，本文选取全国房屋销售价格指数（HP）来代表当前中国房地产市场发展状态。另外，由于影响金融安全的因素除了来自金融系统自身以及房地产价格的变动外，还可能来自其他如消费、投资等宏观经济因素的影响，为使分析更为合理，实证模型加入了GDP增长率（GDPR）变量，作为反映宏观经济因素的综合指标。上述数据均来自中经网统计数据库。为了增强样本数据的平稳性，对变量GDP增长率、房屋价格指数首先进行对数化处理。

（二）单位根检验。利用Eviews6.0对变量进行ADF检验，检验结果如表3所示，三个时间序列均是I（1）序列，因此，可直接对各变量进行回归分析。

（三）模型建立及回归分析。本文运用Eviews6.0对各变量进行线性回归分析。建立方程如下：

FSI=β1*LOG（HP）+β2*LOG（GDPR）+μ

其中μ为随机扰动项。

对方程进行回归，由于DW=0.353430，说明方程存在正自相关，故采用迭代法对其进行修正。修正后结果如下：

从上述结果可以看出， DW=2.10515，表明方程不存在自相关。各解释变量的t检验显著，说明各解释变量都对因变量有显著影响；方程可决系数R2=0.979278表明方程的拟合情况优良，回归结果可靠。

（四）结论分析。上述实证分析结果表明，GDP增长率与金融安全指数之间呈正相关关系，房地产价格指数与金融安全指数之间存在负相关关系。也就是说，在2001-2012年的考察期内，房地产价格增长率每提高1%，会导致金融安全指数反向波动0.471458，因此，房地产价格的上涨会加重金融不安全。相对于房地产价格的作用，GDP增长率每提高l%，金融安全指数同向变化0.645083。可见，房地产价格变化虽然会对金融安全状况产生影响，但小于经济增长速度的变化对金融安全的正向影响。

（五）Granger因果检验。由ADF检验可知，各时间序列为I（1）序列，因此，房地产价格指数与金融安全指数存在长期稳定的均衡关系，但这种均衡关系是否构成因果关系，还需进一步检验。本文借助Granger因果关系检验法对这一问题进行分析。各变量Granger因果关系检验结果如表4所示：

表4显示，当滞后阶数为3时，检验结果拒绝了LNHP不是FSI的Granger原因的零假设，这说明房地产价格是影响金融安全的Granger原因，即房地产价格是影响金融安全的重要因素。但是，在滞后阶数为1和2时，两者之间不存在Granger因果关系，这说明，中国房地产价格和金融安全之间因果关系的稳定性稍差，这可能与中国房地产周期不完整、金融系统具有较强的垄断性有关。

四、稳定房地产市场的政策选择

（一）调节经济发展模式，提高内需在国民经济中的地位，减少对房地产的依赖。定期发布房地产价格以及房地产经营、投资、消费和流通等方面的信息，引导房地产市场价格合理形成；改变现有土地制度，完善土地价格形成机制，合理安排土地财政收入。

（二）加强房地产业信贷规模监管，对房地产资金的流向实行疏堵结合。制定区域化的房地产信贷政策，建立完善的房地产信贷征信管理体系，为银行加强贷款前审查提供支持；加大对国际投机资本的监管，降低其投机金融产品和房地产产品的可能性。

（三）改善商业银行自身治理结构，加强住房开发贷款管理。严格贷款发放条件，保持合理的信用杠杆；设计并建立监控预警体系，根据房地产发展实际情况，适时调整房地产金融业务的经营方向和策略；强化商业银行风险控制的独立性，避免受到较大的行政性干预；完善房地产贷款担保和保险制度，建立多层次、多元化的房地产金融筹资渠道，创新房地产金融产品。

（四）健全房地产评价指标体系，建立多方面全方位的房地产泡沫预警体系。从多个角度对房地产泡沫进行预警，充分利用现代信息技术手段正确地引导房地产投资与消费，及时、准确地预防房地产泡沫产生。

参考文献

[1]李成，王建军.解读信贷推动下的美国房地产泡沫与金融危机[J].金融论坛，2009，（2）：49-54。

[2]王雪峰.房地产泡沫和金融安全—日本泡沫经济的启示[J].日本学论坛，2006，（4）：6-17。

[3]王雪峰.中国房地产泡沫和金融不安全的实证研究[J].山西财经大学学报，2006，（12）：79-84。

[4]袁鲲，段军山.信贷扩张、房地产泡沫与银行危机[J].开发研究，2009，（5）：150-153。

[5]张炯，贾仁甫，张兵.2001—2008年我国房地产价格与金融市场关系的实证研究[J].建筑经济，2009，（12）：47-50。

责任编辑、校对：张德进

计算各个因子得分。借助SPSS软件分别计算各主因子F1、F2、F3的得分Z1、Z2、Z3，如表2所示。

计算综合得分，构建金融安全指数。以提取的三个公共因子所对应的特征值贡献率为权数进行线性加权求和，计算金融安全综合得分Z，其中Z=11.595/（11.595+2.733+1.329）* Z1+2.733/（11.595+2.733+1.329）* Z2+1.329/（11.595+2.733+ 1.329）* Z3，得到金融安全指数FSI，如表2最后一列所示。

三、中国房地产市场对金融安全影响的实证分析

（一）指标选取。为简化分析过程，本文选取全国房屋销售价格指数（HP）来代表当前中国房地产市场发展状态。另外，由于影响金融安全的因素除了来自金融系统自身以及房地产价格的变动外，还可能来自其他如消费、投资等宏观经济因素的影响，为使分析更为合理，实证模型加入了GDP增长率（GDPR）变量，作为反映宏观经济因素的综合指标。上述数据均来自中经网统计数据库。为了增强样本数据的平稳性，对变量GDP增长率、房屋价格指数首先进行对数化处理。

（二）单位根检验。利用Eviews6.0对变量进行ADF检验，检验结果如表3所示，三个时间序列均是I（1）序列，因此，可直接对各变量进行回归分析。

（三）模型建立及回归分析。本文运用Eviews6.0对各变量进行线性回归分析。建立方程如下：

FSI=β1*LOG（HP）+β2*LOG（GDPR）+μ

其中μ为随机扰动项。

对方程进行回归，由于DW=0.353430，说明方程存在正自相关，故采用迭代法对其进行修正。修正后结果如下：

从上述结果可以看出， DW=2.10515，表明方程不存在自相关。各解释变量的t检验显著，说明各解释变量都对因变量有显著影响；方程可决系数R2=0.979278表明方程的拟合情况优良，回归结果可靠。

（四）结论分析。上述实证分析结果表明，GDP增长率与金融安全指数之间呈正相关关系，房地产价格指数与金融安全指数之间存在负相关关系。也就是说，在2001-2012年的考察期内，房地产价格增长率每提高1%，会导致金融安全指数反向波动0.471458，因此，房地产价格的上涨会加重金融不安全。相对于房地产价格的作用，GDP增长率每提高l%，金融安全指数同向变化0.645083。可见，房地产价格变化虽然会对金融安全状况产生影响，但小于经济增长速度的变化对金融安全的正向影响。

（五）Granger因果检验。由ADF检验可知，各时间序列为I（1）序列，因此，房地产价格指数与金融安全指数存在长期稳定的均衡关系，但这种均衡关系是否构成因果关系，还需进一步检验。本文借助Granger因果关系检验法对这一问题进行分析。各变量Granger因果关系检验结果如表4所示：

表4显示，当滞后阶数为3时，检验结果拒绝了LNHP不是FSI的Granger原因的零假设，这说明房地产价格是影响金融安全的Granger原因，即房地产价格是影响金融安全的重要因素。但是，在滞后阶数为1和2时，两者之间不存在Granger因果关系，这说明，中国房地产价格和金融安全之间因果关系的稳定性稍差，这可能与中国房地产周期不完整、金融系统具有较强的垄断性有关。

四、稳定房地产市场的政策选择

（一）调节经济发展模式，提高内需在国民经济中的地位，减少对房地产的依赖。定期发布房地产价格以及房地产经营、投资、消费和流通等方面的信息，引导房地产市场价格合理形成；改变现有土地制度，完善土地价格形成机制，合理安排土地财政收入。

（二）加强房地产业信贷规模监管，对房地产资金的流向实行疏堵结合。制定区域化的房地产信贷政策，建立完善的房地产信贷征信管理体系，为银行加强贷款前审查提供支持；加大对国际投机资本的监管，降低其投机金融产品和房地产产品的可能性。

（三）改善商业银行自身治理结构，加强住房开发贷款管理。严格贷款发放条件，保持合理的信用杠杆；设计并建立监控预警体系，根据房地产发展实际情况，适时调整房地产金融业务的经营方向和策略；强化商业银行风险控制的独立性，避免受到较大的行政性干预；完善房地产贷款担保和保险制度，建立多层次、多元化的房地产金融筹资渠道，创新房地产金融产品。

（四）健全房地产评价指标体系，建立多方面全方位的房地产泡沫预警体系。从多个角度对房地产泡沫进行预警，充分利用现代信息技术手段正确地引导房地产投资与消费，及时、准确地预防房地产泡沫产生。

参考文献

[1]李成，王建军.解读信贷推动下的美国房地产泡沫与金融危机[J].金融论坛，2009，（2）：49-54。

[2]王雪峰.房地产泡沫和金融安全—日本泡沫经济的启示[J].日本学论坛，2006，（4）：6-17。

[3]王雪峰.中国房地产泡沫和金融不安全的实证研究[J].山西财经大学学报，2006，（12）：79-84。

[4]袁鲲，段军山.信贷扩张、房地产泡沫与银行危机[J].开发研究，2009，（5）：150-153。

[5]张炯，贾仁甫，张兵.2001—2008年我国房地产价格与金融市场关系的实证研究[J].建筑经济，2009，（12）：47-50。

责任编辑、校对：张德进