影子銀行對中國房價(jià)的影響研究
——基于VAR模型

何曉繁 周子翔

0 引言

自2008年美國次貸危機(jī)發(fā)生以來，“影子銀行”這四個字就被各國學(xué)者所青睞。它被認(rèn)定為是次貸危機(jī)發(fā)生的元兇，為經(jīng)濟(jì)的發(fā)展帶來了潛在的威脅。在中國，雖然影子銀行相對于國外發(fā)展路程緩慢，但它在中國由先前的不活躍到現(xiàn)在它已經(jīng)積累到不可忽視的數(shù)字，引起了中國政府的關(guān)注。同時，房地產(chǎn)行業(yè)在中國經(jīng)濟(jì)發(fā)展道路中，是一個支柱產(chǎn)業(yè)，為中國的經(jīng)濟(jì)發(fā)展做出了不可忽視的貢獻(xiàn)。由于房地產(chǎn)行業(yè)資金需求量很大，向銀行貸款不足，導(dǎo)致房地產(chǎn)企業(yè)通過影子銀行渠道進(jìn)行融資。所以實(shí)證研究房地產(chǎn)行業(yè)與影子銀行之間的關(guān)系，不僅僅有利于了解影子銀行在房地產(chǎn)行業(yè)的作用，更對掌握影子銀行在房地產(chǎn)行業(yè)得風(fēng)險(xiǎn)也有很重要的意義。

1 文獻(xiàn)綜述

目前國內(nèi)外關(guān)于研究影子銀行與房地產(chǎn)之間的關(guān)系的文獻(xiàn)有很多，有相當(dāng)一部分的研究是基于理論的，有部分則是基于各種模型進(jìn)行實(shí)證分析，得到的研究結(jié)果也不盡相同。魏燕子（2016）通過建立 VAR 模型，脈沖響應(yīng)和方差分解的方法，結(jié)果顯示：影子銀行快速發(fā)展在一定程度上能夠有效緩解房地產(chǎn)行業(yè)從正規(guī)商業(yè)銀行融資難的問題，在短期內(nèi)平抑了房價(jià)。李曉峰、晏妮（2018）采用向量自回歸模型探究北京市影子銀行規(guī)模與房價(jià)之間的關(guān)系，結(jié)果發(fā)現(xiàn)北京市影子銀行的規(guī)模與房價(jià)之間具有長期協(xié)整關(guān)系，對房價(jià)產(chǎn)生正向影響。劉子策（2020）構(gòu)建動態(tài)隨機(jī)一般均衡模型，研究了影子銀行對地價(jià)、房價(jià)上漲的作用以及房地產(chǎn)與影子銀行的相互作用對中國經(jīng)濟(jì)波動的影響。結(jié)果表明，放松對影子銀行的監(jiān)管時，地價(jià)和房價(jià)的上升幅度顯著增大。張輝（2019）采用主成分分析法并構(gòu)建 SVAR 模型進(jìn)行實(shí)證分析。分析結(jié)果表明：影子銀行與房地產(chǎn)價(jià)格之間存在著相互促進(jìn)的關(guān)系。李丹丹（2015）采用EGARCH-M模型實(shí)證分析結(jié)果顯示影子銀行對房價(jià)具有正向影響。賈生華等（2016）通過構(gòu)建結(jié)構(gòu)向量自回歸模型進(jìn)行實(shí)證，研究結(jié)果表明影子銀行規(guī)模的上升促進(jìn)了房價(jià)的抬升。任行偉等（2019）基于影子銀行與房地產(chǎn)價(jià)格之間的作用機(jī)理，構(gòu)建結(jié)構(gòu)向量自回歸模型（SVAR）進(jìn)行研究，實(shí)證研究結(jié)果表明影子銀行規(guī)模擴(kuò)大推高了房價(jià)。張?jiān)彙⒑翁m芳（2017）選取31個省的面板數(shù)據(jù)，引用門檻效應(yīng)模型，實(shí)證研究影子銀行與商品房價(jià)格之間的關(guān)系，研究結(jié)果表明：影子銀行在一定規(guī)模下，能顯著促進(jìn)商品房價(jià)格的上漲；當(dāng)影子銀行超過一定規(guī)模后，影子銀行對商品房價(jià)格的影響不再顯著。

綜上所述，目前學(xué)者研究方向不一致，選取的模型和指標(biāo)也不相同，得到的結(jié)果同樣不同。本文通過不同于以前學(xué)者的影子銀行規(guī)模的測算方法以及指標(biāo)的選取進(jìn)行實(shí)證分析。

2 實(shí)證分析

2.1 變量選取與數(shù)據(jù)來源

被解釋變量：商品房價(jià)格（vsale），計(jì)算公式為：商品房銷售額/商品房銷售面積。

被解釋變量：影子銀行規(guī)模（scale），本文影子銀行規(guī)模規(guī)模的測算借鑒封思賢（2014）未觀測信貸規(guī)模的計(jì)算方法。

控制變量：貨幣供應(yīng)量（M2），國內(nèi)生產(chǎn)總值（GDP），房地產(chǎn)住宅投資（ivh），分別借鑒魏燕子（2016）、王若涵（2020）、張?jiān)彛?017）的控制變量選取。進(jìn)行數(shù)據(jù)處理時，為了消除異方差所帶來的影響，本文對所選取的變量取對數(shù)處理。

本文選取2000年-2018年中國的年度數(shù)據(jù)為研究區(qū)間，運(yùn)用Eviews10.0軟件進(jìn)行實(shí)證分析。數(shù)據(jù)來源于國家統(tǒng)計(jì)局和中國統(tǒng)計(jì)年鑒。

2.2 ADF檢驗(yàn)

在建立VAR模型之前需要對本文的數(shù)據(jù)進(jìn)行平穩(wěn)性檢驗(yàn)。ADF單位根檢驗(yàn)結(jié)果見表1。從表中可以看出本文所處理的變量都在二階差分平穩(wěn)，符合構(gòu)建VAR的基礎(chǔ)條件。

表1 ADF單位根檢驗(yàn)結(jié)果

2.3 Johenson協(xié)整檢驗(yàn)

本文為了檢驗(yàn)五個變量之間是否存在長期的關(guān)系，采用Johenson協(xié)整檢驗(yàn)方法對上述變量進(jìn)行檢驗(yàn)，檢驗(yàn)結(jié)果表2。從表2得出，原假設(shè)的跡檢驗(yàn)統(tǒng)計(jì)量和最大特征值統(tǒng)計(jì)量在5%顯著性水平下顯著，即在5%顯著性水平下拒絕原假設(shè)，表明五個變量之間存在四個協(xié)整關(guān)系，五個變量之間存在長期均衡關(guān)系。

表2 Johenson協(xié)整檢驗(yàn)結(jié)果

2.4 AR檢驗(yàn)

從圖1中可以看出，沒有單位根落在單位圓外，表明時間序列數(shù)據(jù)是穩(wěn)定的，符合建立VAR模型標(biāo)準(zhǔn)，選取的五個變量可以進(jìn)行VAR模型實(shí)證分析。

2.5 脈沖分析

根據(jù)Eviews10.0軟件的處理結(jié)果顯示最優(yōu)滯后階數(shù)為2階。此外，本文主旨研究是影子銀行規(guī)模對房價(jià)的影響研究，所以本文在做脈沖響應(yīng)分析時，只對影子銀行與房價(jià)之間做脈沖響應(yīng)。

圖1 AR檢驗(yàn)

圖2 LNSCALE對LNVSALE的脈沖響應(yīng)圖

圖2表示影子銀行規(guī)模與商品房價(jià)格之間的脈沖響應(yīng)圖。

從圖2中可以看出，給影子銀行規(guī)模一個沖擊，對商品房價(jià)格有一個正向的影響，并在第二期達(dá)到最大值，隨后開始下降。在第六期又開始上升，并在第十期之后趨于平穩(wěn)。這說明，影子銀行規(guī)模的不斷擴(kuò)大，促進(jìn)了房地產(chǎn)行業(yè)的發(fā)展，使更多的房地產(chǎn)公司和更多的資金進(jìn)入房地產(chǎn)行業(yè)，從而促進(jìn)了商品房價(jià)格的上升，這種促進(jìn)作用是正向的且長期的。

2.6 方差分解

為了進(jìn)一步分析LNSCALE、LNM2、LNIVH、LNGDP四個變量對LNVSALE增長率的貢獻(xiàn)程度，需要對LNVSALE進(jìn)行方差分解。根據(jù)表3，除了商品房價(jià)格對自身的貢獻(xiàn)度之外，LNSCALE在促進(jìn)商品房價(jià)格上漲貢獻(xiàn)度最大，貢獻(xiàn)程度大概在19.65%-36.58%。LNIVH對房價(jià)貢獻(xiàn)程度其次，大概在8.04%-13.51%。LNM2對房價(jià)的貢獻(xiàn)程度大概2.29%-4.23%。LNGDP對房價(jià)的貢獻(xiàn)程度大概在0.38%-0.66%。方差分解的結(jié)果和上述的實(shí)證分析結(jié)果相互一致。

3 結(jié)論與建議

本文通過選取2000-2018年共19年的年度數(shù)據(jù)，選取了五個變量并且經(jīng)過ADF檢驗(yàn)等之后構(gòu)建向量自回歸模型（VAR模型）進(jìn)行實(shí)證分析，分析了我國影子銀行規(guī)模與我國房價(jià)之間關(guān)系，實(shí)證分析得出：影子銀行規(guī)模的擴(kuò)張，促使了房價(jià)的上漲。

基于以上實(shí)證分析得出的結(jié)果，提出以下相關(guān)建議：

第一：影子銀行雖然促進(jìn)了房地產(chǎn)行業(yè)的發(fā)展，進(jìn)而促進(jìn)了房價(jià)的上升。但由于正規(guī)商業(yè)銀行融資有，房地產(chǎn)行業(yè)資金需求不足，進(jìn)而轉(zhuǎn)向影子銀行融資，導(dǎo)致房地產(chǎn)行業(yè)越來越依賴影子銀行渠道進(jìn)行融資，所以房地產(chǎn)企業(yè)自身應(yīng)當(dāng)慢慢減少對影子銀行融資的依賴。

第二：政府不僅要控制房價(jià)的過度上漲，還要提高房地產(chǎn)行業(yè)門檻。這是因?yàn)橛白鱼y行進(jìn)入房地產(chǎn)行業(yè)以高于銀行貸款的利率要為自身盈利，增高了房地產(chǎn)企業(yè)開發(fā)成本，進(jìn)而導(dǎo)致了房價(jià)的上漲。如此循環(huán)，就會導(dǎo)致房價(jià)的過度上漲，所以一方面政府應(yīng)該控制房價(jià)的上漲，另一方面要提高企業(yè)進(jìn)入房地產(chǎn)行業(yè)進(jìn)行資格。