商業(yè)銀行信用風(fēng)險與商業(yè)地產(chǎn)行業(yè)周期關(guān)系的實證研究

王海濤

摘 要：商業(yè)地產(chǎn)市場的繁榮程度與商業(yè)銀行信貸的發(fā)展密切相關(guān)。以不良貸款率（Y）作為信用風(fēng)險指標，選取全國商業(yè)地產(chǎn)開發(fā)投資額（X1）和全國商品房銷售額（X2）來反映商業(yè)地產(chǎn)行業(yè)周期性，選取GDP增長率（X3）代表國民經(jīng)濟增長指標構(gòu)建VAR模型，并進行脈沖響應(yīng)和方差分解探究各經(jīng)濟變量對信用風(fēng)險水平的傳遞效應(yīng)和貢獻度。結(jié)果顯示，不良貸款率受全國商業(yè)地產(chǎn)開發(fā)投資額的負向沖擊，受全國商品房銷售額較大的正向沖擊，綜合來看，不良貸款率受到二者的正向沖擊，符合實際。

關(guān)鍵詞：信用風(fēng)險；商業(yè)地產(chǎn)行業(yè)周期；VAR；脈沖響應(yīng)；方差分解

一、引言

近些年伴隨著銀行業(yè)的急劇膨脹、信貸行業(yè)的快速發(fā)展、金融改革和創(chuàng)新的推進，商業(yè)銀行的信用風(fēng)險（credit risk）逐漸暴露出來。信用風(fēng)險是商業(yè)銀行面臨的各種風(fēng)險中危害最大、處置最為棘手的一類。過高的信用風(fēng)險不利于商業(yè)銀行的穩(wěn)健運營，也阻礙著我國金融體系的健康高效發(fā)展。

作為存貸款的媒介，商業(yè)銀行受所貸款企業(yè)的周期性波動影響較大。商業(yè)地產(chǎn)行業(yè)的高利性、商行的逐利性決定了商業(yè)地產(chǎn)開發(fā)貸款及個人住房貸款是商業(yè)銀行貸款的主要類型。2016年全年，主要金融機構(gòu)的人民幣商業(yè)地產(chǎn)開發(fā)貸款額迅猛增長，使得商業(yè)銀行的信用風(fēng)險不斷積聚。

2008年金融危機之后，我國商業(yè)地產(chǎn)行業(yè)受商業(yè)銀行信貸政策的變化，經(jīng)歷了一個由萎靡不振到欣欣向榮的波動周期。2012年時，被銀行信貸催生出來的商業(yè)地產(chǎn)、礦產(chǎn)等行業(yè)次級貸款激增，樓市崩盤，景氣度下跌。隨后2014年央行全面放開限貸，商業(yè)地產(chǎn)行業(yè)開始復(fù)蘇，到2016年底房貸增量已經(jīng)達到5萬億，樓市一片繁榮景象。

因此，針對我國商業(yè)銀行信用風(fēng)險水平與商業(yè)地產(chǎn)行業(yè)周期關(guān)系進行分析研究，是防范系統(tǒng)性金融風(fēng)險、促進國民經(jīng)濟又好又快發(fā)展的關(guān)鍵舉措，也是經(jīng)濟新常態(tài)下商業(yè)銀行加強風(fēng)險管理調(diào)控、降低不良貸款率的必然要求。

本文選取了2010年到2016年的季度數(shù)據(jù)，利用向量自回歸模型（VAR）中的“正交”脈沖響應(yīng)函數(shù)（IRF）分析經(jīng)濟變量對商業(yè)銀行信用風(fēng)險影響的傳遞效應(yīng)；運用方差分解（VD）得出各經(jīng)濟變量對信用風(fēng)險水平的貢獻度，并為商業(yè)銀行提供了防控信用風(fēng)險的政策建議。

二、基本原理

VAR模型常用于分析和預(yù)測多個相關(guān)的經(jīng)濟指標，從而解釋經(jīng)濟沖擊對經(jīng)濟變量帶來的影響。自1980年西姆斯（C.A.Sims）提出了VAR模型的概念與基本原理后，VAR模型就廣泛地運用于經(jīng)濟系統(tǒng)的動態(tài)分析中。

滯后階數(shù)為P階的VAR（p）模型的數(shù)學(xué)表達式為：

其中，yt是k維內(nèi)生變量列向量，xt是d維外生變量列向量，k×k維矩陣和k×d維矩陣H是待估計的系數(shù)矩陣，εt是k維擾動列向量。由于VAR中的滯后期變量皆在等式右邊，故模型不存在同期自相關(guān)的問題，用普通最小二乘法就能得出一致有效的估計量。

為了簡化VAR模型，我們定義一個n×1的時間序列向量：

本文將用式（1）中不含外生變量的非限制性向量自回歸模型來分析房地產(chǎn)行業(yè)周期波動對商業(yè)銀行信用水平的傳遞效應(yīng)與貢獻度。

三、實證分析

1.樣本數(shù)據(jù)選取

由于商業(yè)銀行的信用風(fēng)險水平很大程度上取決于其不良貸款率的高低，且二者呈正相關(guān)變動，因此本文將商業(yè)銀行不良貸款率指標（Y）作為商業(yè)銀行信用風(fēng)險的代理變量。從中國銀監(jiān)會網(wǎng)站選取了2010年第一季度到2016年第四季度商業(yè)銀行不良貸款率的樣本數(shù)據(jù)。

在商業(yè)地產(chǎn)行業(yè)指標的選取時，考慮到應(yīng)能夠充分體現(xiàn)房地產(chǎn)行業(yè)經(jīng)濟周期變化的特征，最終確定了GDP、全國商業(yè)地產(chǎn)開發(fā)投資額、全國商品房銷售額作為主要的經(jīng)濟變量，并搜集了自2010年至2016年三個指標的季度數(shù)據(jù)，樣本容量為28。

2.數(shù)據(jù)分析與處理

（1）H-P濾波

由于原始數(shù)據(jù)包含長期趨勢項和短期隨機波動項，因此采用H-P濾波法，去除長期趨勢項，對隨機波動項進行量化，得到新的一組數(shù)據(jù)YN、X1N、X2N、X3N，并進行以下分析。

（2）單位根（ADF）檢驗

在對原數(shù)據(jù)建立VAR模型時使用非平穩(wěn)序列進行OLS回歸會造成虛假回歸。為了保證回歸結(jié)果的無偏性、有效性，我們利用ADF（Augmented Dickey-Fuller）單位根檢驗對樣本數(shù)據(jù)的時間序列特征的平穩(wěn)性進行檢驗，結(jié)果見表1。

ADF檢驗結(jié)果顯示，YN，X1N和X3N序列在水平值檢驗未拒絕原假設(shè)（原假設(shè)：序列具有單位根，是不平穩(wěn)的），而一階差分后的X1N、X2N、X3N拒絕原假設(shè)，序列中含有一個單位根，是一階單整I（1），這說明變量之間可能存在協(xié)整關(guān)系。

（3）Johansen協(xié)整檢驗

Johansen協(xié)整檢驗是基于VAR模型的檢驗回歸系數(shù)特征的方法，用于分析多個經(jīng)濟指標之間是否存在協(xié)整關(guān)系。協(xié)整檢驗是基于非平穩(wěn)序列之上的，對各序列的ADF檢驗表明各變量都為I（1）序列，符合協(xié)整檢驗的條件。應(yīng)用Johansen檢驗方法對YN，X1N，X2N，X3N指標之間的協(xié)整關(guān)系進行特征根跡檢驗（Trace檢驗）得到表2。

表2中的Trace Statistic即為特征根跡統(tǒng)計量，依次將特征根與5%顯著性水平下的Johansen分布臨界值進行比較。由于是右邊假設(shè)檢驗，若η0>臨界值，則拒絕原假設(shè)H00（不存在協(xié)整關(guān)系），表明各指標之間存在著協(xié)整關(guān)系；若η1>臨界值，則拒絕原假設(shè)H01（至多存在1個協(xié)整關(guān)系），表明至少有1個協(xié)整向量，依次進行下去。

由表2可知，第一行TS=112.2431>47.8561，即在5%的顯著水平下拒絕原假設(shè)，表明YN，X1N，X2N，X3N存在協(xié)整關(guān)系。第二行TS=55.38498>29.7971，即在5%的顯著水平下拒絕原假設(shè)，說明該模型中不止存在1個協(xié)整向量；第三行14.50021<15.49471，接受了原假設(shè)，說明不良貸款率（Y）、全國商業(yè)地產(chǎn)開發(fā)投資額（X1）、全國商品房銷售額（X2）和GDP增長率（X3）之間存在兩個協(xié)整向量，具有長期均衡關(guān)系。接著進行Granger檢驗，檢驗變量之間存在的因果關(guān)系。

（4）Granger因果關(guān)系檢驗

Granger提出，若X是Y的原因，則X應(yīng)有助于預(yù)測Y，即在Y與Y滯后變量的回歸方程中，添加X的若干期滯后變量能夠顯著地提高Y預(yù)測的精度。Granger因果關(guān)系就是從預(yù)測角度定義的因果關(guān)系。Granger因果關(guān)系檢驗用于檢驗相關(guān)變量之間的依賴性。對于X1N、X2N、X3N是否是YN變動的格蘭杰原因，進行格蘭杰因果關(guān)系檢驗，結(jié)果見表3。

通過表3，可以得到如下結(jié)果：滯后階數(shù)為3時，接受原假設(shè)，即X1N、X2N、X3N和YN均不是Granger原因；滯后階數(shù)為1，2，4時，拒絕X1N、X2N、X3N不是YN的Granger原因，但都接受YN不是X1N、X2N、X3N的Granger原因，即X1N、X2N、X3N是YN單向格蘭杰因果關(guān)系。由此可知，全國商業(yè)地產(chǎn)開發(fā)投資額、全國商品房銷售額、GDP增速對不良貸款率沖擊明顯；不良貸款率對全國商業(yè)地產(chǎn)開發(fā)投資額、全國商品房銷售額、GDP增速沖擊不明顯。

3.實證模型的建立

（1）建立實證模型

通過單位根檢驗、Johansen協(xié)整檢驗及Granger因果關(guān)系檢驗，探究了原時間序列數(shù)據(jù)的平穩(wěn)性、各變量之間的協(xié)整關(guān)系和因果關(guān)系，符合VAR模型建立的假設(shè)，因此建立了無約束的商業(yè)銀行信用風(fēng)險與商業(yè)地產(chǎn)行業(yè)周期波動VAR模型。

則P階的VAR模型，即VAR（P）為：

（3）式中，C表示4×1維常數(shù)向量；表示4×4維自回歸系數(shù)矩陣；εt表示4×1維的向量白噪音。

（2）滯后階數(shù)的確定

選擇合適的滯后階數(shù)對VAR模型的正確建立起著關(guān)鍵作用。滯后項過少，模型不能反映理想的動態(tài)運動特征；但滯后項過多，所估計的變量參數(shù)就越多，模型的自由度越小。因此滯后階數(shù)應(yīng)保證在一個合理的范圍內(nèi)。本文運用AIC（Akaike Information Criterion）和SC（Schwarz Criterion）信息準則來選擇VAR模型的滯后階數(shù)。

運行EVIEWS 6.0得到所建立的模型滯后階數(shù)的判斷結(jié)果見表4。

AIC和SC信息準則要求AIC和SC的值越小越好，故結(jié)合表4的結(jié)果，確定了最優(yōu)滯后階數(shù)為3階，即p=3。接下來下文的分析均建立在VAR（3）模型的基礎(chǔ)上。

（3）模型的穩(wěn)定性檢驗

VAR模型穩(wěn)定性的條件滿足：

（4）式中，j定義的是Yt在第j期的自協(xié)方差矩陣。對于具體的VAR（p）模型，其平穩(wěn)性條件是逆特征方程：

解出的特征根全部落在單位圓外，或者特征方程：

解出的特征根全部落在單位圓內(nèi)。

運用EVIEWS6.0得到單位根分布圖如圖2所示。

由圖2可以清晰地看出，VAR（3）模型的單位根全部落在單位圓內(nèi)，模型是平穩(wěn)的，可以進行脈沖響應(yīng)和方差分解分析。

4.脈沖響應(yīng)函數(shù)

在對VAR模型進行分析時，并不關(guān)注某個變量的變化對其他變量的影響，而是分析當隨機誤差項發(fā)生變動時，即模型受到某種程度的沖擊時系統(tǒng)的動態(tài)變化。這種分析方法即脈沖響應(yīng)函數(shù)方法（Impulse Response Function，IRF），它能夠比較全面地反映各個變量之間的動態(tài)關(guān)系。

利用脈沖效應(yīng)函數(shù)分析了商業(yè)地產(chǎn)行業(yè)的周期波動數(shù)據(jù)，即全國商業(yè)地產(chǎn)開發(fā)投資額（X1）、全國商品房銷售額（X2）和GDP增長率（X3）對商業(yè)銀行不良貸款率（Y）的變動影響。分別給X1、X2、X3一個正的沖擊，運用廣義脈沖方法得到了關(guān)于商業(yè)銀行不良貸款率（Y）的脈沖響應(yīng)圖如圖3所示。在圖3中，實線表示商業(yè)銀行不良貸款率（Y）的脈沖響應(yīng)函數(shù)，反映了不良貸款率對商業(yè)地產(chǎn)行業(yè)周期波動的反應(yīng)程度，虛線表示正負兩倍標準差偏離帶。

從圖3可以看出，當在本期給全國商業(yè)地產(chǎn)開發(fā)投資額（X1）一個正沖擊后，商業(yè)銀行的不良貸款率在前10期先下降后上升，并在第10期達到最高點，此后一直穩(wěn)定下降。這表明當全國商業(yè)地產(chǎn)開發(fā)投資額受到市場的正沖擊后，會使商業(yè)銀行的不良貸款率呈現(xiàn)顯著的負向沖擊并具有較長的持久性。當在本期給全國商品房銷售額（X2）一個正沖擊后，商業(yè)銀行的不良貸款率在前9期呈逐漸上升的趨勢，并在第9期達到最大，隨后開始持續(xù)下降。但整體來看，全國商品房銷售額在受到外部某一沖擊后，會給不良貸款率帶來正向沖擊。當在本期給GDP增長率（X3）一個正沖擊后，商業(yè)銀行的不良貸款率在第3期達到最低點后，一直趨于幅度不大的上下波動，說明GDP增長率受到?jīng)_擊對商業(yè)銀行不良貸款率的影響較小，僅有微小的正向沖擊。

同時得到了全國商業(yè)地產(chǎn)開發(fā)投資額（X1）、全國商品房銷售額（X2）和GDP增長率（X3）對商業(yè)銀行不良貸款率（Y）變動的綜合影響函數(shù)如圖4所示。

由圖4可知，由于商業(yè)地產(chǎn)市場的繁榮程度與銀行信貸的發(fā)展密切相關(guān)，影響商業(yè)地產(chǎn)行業(yè)周期波動的因子如全國商業(yè)地產(chǎn)開發(fā)投資額、全國商品房銷售額一旦受到外部的沖擊，就會引起商業(yè)銀行信用水平一定程度的波動，且綜合來看這種波動表現(xiàn)為正向的促進作用。

5.方差分解

方差分解（Variance Decomposition）是在脈沖響應(yīng)的基礎(chǔ)上，更進一步地分析每一個結(jié)構(gòu)變動對內(nèi)生變量變化的貢獻程度（用方差來度量），從而評價不同因子對系統(tǒng)沖擊的重要性。運用EVIEWS對商業(yè)銀行的不良貸款率（Y）進行方差分析，得到表5。

通過表5可以發(fā)現(xiàn)，全國商業(yè)地產(chǎn)開發(fā)投資額和全國商品房銷售額對商業(yè)銀行的不良貸款率均有一定的影響。以全國商品房銷售額（X2）來看，盡管前幾期對不良貸款率的影響甚微，但從11期開始以較快的速度持續(xù)上升，到第15季影響最大。

四、結(jié)論與建議

本文基于我國商業(yè)地產(chǎn)周期行業(yè)波動和商業(yè)銀行不良貸款率2010年-2016年的季度數(shù)據(jù)，在對原始時間序列進行了ADF單位根檢驗、Johansen協(xié)整檢驗和Granger因果關(guān)系檢驗后建立了3階滯后期的VAR模型并對其平穩(wěn)性、模型中各個因變量間的傳遞效應(yīng)和貢獻度進行了分析探究，最終得出商業(yè)地產(chǎn)行業(yè)中全國商業(yè)地產(chǎn)開發(fā)投資額和商品房銷售額對我國商業(yè)銀行的信用風(fēng)險影響較大，相對而言，GDP增速對商業(yè)銀行的不良貸款率貢獻程度較小。

從相關(guān)關(guān)系上看，商業(yè)銀行的不良貸款率受全國商業(yè)地產(chǎn)開發(fā)投資額的負向沖擊，受全國商品房銷售額較大的正向沖擊，綜合而言，我國商業(yè)地產(chǎn)行業(yè)的周期波動對商業(yè)銀行的信用水平存在著持久的正向沖擊。從時間關(guān)系上看，不良貸款率與商業(yè)地產(chǎn)行業(yè)的主要宏觀經(jīng)濟變量之間具有相對穩(wěn)定的滯后期，一般不良貸款率的變化滯后于經(jīng)濟運行3到4期。

基于上述分析可以看出，銀行信貸業(yè)務(wù)集中的商業(yè)地產(chǎn)行業(yè)對商業(yè)銀行信用風(fēng)險的水平有著一定的影響。商業(yè)地產(chǎn)市場的良性發(fā)展，有利于減少商業(yè)銀行的不良貸款隱患，降低其信貸風(fēng)險。隨著政府關(guān)于商業(yè)地產(chǎn)新政的不斷出臺，促進商業(yè)地產(chǎn)行業(yè)健康合理發(fā)展成為政府當前的重要目標。本文就政府如何管理監(jiān)控商業(yè)地產(chǎn)行業(yè)的發(fā)展、降低商業(yè)的不良貸款率提出了相關(guān)政策建議。

首先，在經(jīng)濟新常態(tài)下，商業(yè)地產(chǎn)市場出現(xiàn)了非理性繁榮。一線城市房價飆升，購房需求量激增，并開始向二三線城市蔓延。政府必須采取中性偏緊的政策來為樓市降溫，如出臺限購令，并對商品房許可證、投機性買房、購房資金來源等問題進行嚴格的限定，以抑制商業(yè)地產(chǎn)泡沫的產(chǎn)生，控制商業(yè)地產(chǎn)信貸風(fēng)險的滋生和積聚。同時，商業(yè)銀行要加強房產(chǎn)信貸管理，積極調(diào)整信貸范圍。完善房貸的相關(guān)法律法規(guī)，并嚴格監(jiān)管信貸的數(shù)量、質(zhì)量。發(fā)放住房按揭貸款時應(yīng)注意核實貸款人的資產(chǎn)情況和購房原因，以首套剛性需求住房為主，并將更多的信貸資源偏向一、二線房價堅挺的發(fā)達城市。

參考文獻：

[1]劉研.我國商業(yè)銀行不良貸款成因及相關(guān)因素分析[J].系統(tǒng)工程，2007，5：66-74.

[2]李麟.經(jīng)濟波動、不良貸款與銀行業(yè)系統(tǒng)性風(fēng)險[J].數(shù)理統(tǒng)計與管理，2007，26（1）：149-157.

[3]郭毅，馬慧.從美國次貸危機看中國房地產(chǎn)金融法律的完善[J].高等函授學(xué)報（哲學(xué)社會科學(xué)版），2010，（04）：28-30.

[4]張碧英：銀行不良貸款的博弈分析[J]統(tǒng)計與決策，2007，5：103-105.

[5]張琳.基于VAR模型的商業(yè)銀行信用風(fēng)險與經(jīng)濟周期關(guān)系的實證研究[J].時代金融，2014，（08）：130-131+140.

[6]白玉華，吳艷文.基于VAR模型的廣西就業(yè)結(jié)構(gòu)演進影響因素分析[J].現(xiàn)代管理科學(xué)，2014，（02）：90-92+101.

[7]董彥嶺，朱興婷，劉然.熱錢流入對我國一、二線城市房價影響差異的實證分析[J].山東經(jīng)濟，2011，（04）：37-44.

[8]高鐵梅，王金明，梁云芳.計量經(jīng)濟分析方法與建模.[M].北京：清華大學(xué)出版社，2009.5.

[9]劉璐，吳洪鵬.我國國際資本流動影響因素的實證分析：1982-2004[J].哈爾濱商業(yè)大學(xué)學(xué)報（社會科學(xué)版），2006，（06）：70-73.

[10]周躍輝，周定根.基于M_2/GDP視角的中國貨幣化進程問題研究[J].經(jīng)濟研究參考，2015，（41）：79-82+86.

[11]郭啟陽.物流業(yè)對區(qū)域經(jīng)濟增長的推動作用研究[D].西南大學(xué)，2013.

[12]吳文忠.房地產(chǎn)行業(yè)周期變化與銀行不良貸款相關(guān)性增強，警惕房市調(diào)控對銀行資產(chǎn)的沖擊[J].赤子（上中旬），2016，（21）：136.