房地產(chǎn)調(diào)控與房企違約風(fēng)險
——基于KMV模型和面板回歸的分析*

蔡 真,林 菁,薄 棟

(1.中國社會科學(xué)院 金融研究所,北京 100710;2.中國社會科學(xué)院大學(xué) 經(jīng)濟(jì)學(xué)院,北京102488;3.國聯(lián)證券股份有限公司,江蘇 無錫 214003)

近年來,我國房企違約風(fēng)險激增。根據(jù)Wind數(shù)據(jù)庫的統(tǒng)計,2018年房企違約債券數(shù)量為6只,2021年前三季度,房企違約債券數(shù)量分別為14只、19只和57只;違約金額占比也逐漸上升,分別為2.30%、4.51%、10.68%和31.29%,房企債券成為債券違約的主力。銀行方面,上市公司年報顯示,房地產(chǎn)開發(fā)貸的不良率逐漸上升,2019年,工商銀行開發(fā)貸不良率為1.71%;2021年前兩個季度,工商銀行開發(fā)貸不良率分別為2.32%和4.29%。同期,中信銀行開發(fā)貸不良率分別為1.19%、3.35%和3.31%。一些城商行的開發(fā)貸不良率更高,2021年上半年,重慶銀行的這一指標(biāo)高達(dá)6.28%。除正規(guī)金融體系出現(xiàn)了房企違約風(fēng)險外,影子銀行以及非正規(guī)金融體系也是房企爆雷的重災(zāi)區(qū),根據(jù)用益信托的統(tǒng)計,2021年1-10月,房地產(chǎn)信托共發(fā)生66起違約事件,違約規(guī)模約489億元,占比近六成。私募理財方面,恒大財富、錦恒財富(為房企佳兆業(yè)提供融資)等機(jī)構(gòu)產(chǎn)品也相繼出現(xiàn)了兌付危機(jī)。

房企違約影響重大,因為房地產(chǎn)關(guān)聯(lián)上下游行業(yè)、銀行、土地財政等多個方面,是爆發(fā)系統(tǒng)性金融風(fēng)險的源頭之一[1]。對于房企違約的原因,既往研究多從微觀視角進(jìn)行探討,如房企財務(wù)不健康、內(nèi)部治理機(jī)制薄弱、公司戰(zhàn)略激進(jìn)、盲目擴(kuò)張等;宏觀層面則主要探討調(diào)控政策對房價的影響[2-3]。一些學(xué)術(shù)論文探討了限貸限購政策對房企違約風(fēng)險的影響,但研究方法多限于政策前后對比、配對T檢驗,未研究其他控制因素;且限購、限貸是區(qū)域政策,而大部分房企布局是面向全國的,因此關(guān)于兩者關(guān)系結(jié)論的可靠性有待進(jìn)一步檢驗。

自2020年7月房地產(chǎn)金融審慎管理制度實施以來,房企普遍反映因政策收緊使得融資不暢而導(dǎo)致了風(fēng)險,這一影響是直接的。從人民銀行2021年第三季度金融統(tǒng)計數(shù)據(jù)新聞發(fā)布會的表述來看,這一點得到了驗證:“部分金融機(jī)構(gòu)對于30家試點房企‘三線四檔’融資管理規(guī)則也存在一些誤解……原本應(yīng)該合理支持的新開工項目得不到貸款,也一定程度上造成了一些企業(yè)資金鏈緊繃?！比欢?一些研究表明,房地產(chǎn)調(diào)控對降低房企風(fēng)險有積極作用。房地產(chǎn)調(diào)控到底是降低還是提高了房企違約風(fēng)險?這是本文要回答的核心問題。相較于既往文獻(xiàn),本文的邊際貢獻(xiàn)體現(xiàn)在以下三個方面。一是研究視角上,從長周期的視角展開,研究時段為2008年1月1日至2021年9月30日,覆蓋了政策“從放松到收緊”三個完整階段,使研究結(jié)論接受檢驗的時期更長。二是研究方法上,構(gòu)建了全國性的房地產(chǎn)調(diào)控變量值,避免了過往區(qū)域政策與房企全域布局不匹配的問題,增強(qiáng)了研究結(jié)論的可靠性。三是政策含義上,一方面要堅持“房住不炒”精神,從總量上保持調(diào)控定力;另一方面也應(yīng)注意調(diào)控產(chǎn)生的結(jié)構(gòu)性效應(yīng),減少房地產(chǎn)金融審慎管理制度執(zhí)行中的所有制歧視現(xiàn)象,避免民營房企的違約風(fēng)險增加,防止出現(xiàn)傳染效應(yīng)。

一、文獻(xiàn)綜述

與本研究相關(guān)的文獻(xiàn)包括兩個分支:一是公司違約風(fēng)險的度量,二是房地產(chǎn)調(diào)控對房企風(fēng)險的影響。

關(guān)于公司違約風(fēng)險的度量可以分為兩類:一類是基于計量方法的判別模型。這類模型最早可追溯到Altman的Z值模型,該模型選取流動資金/資產(chǎn)、保留盈余/資產(chǎn)、息稅前盈余/資產(chǎn)、權(quán)益市值/長期債務(wù)面值、銷售額/資產(chǎn)五個財務(wù)指標(biāo)構(gòu)建Z值[4]。隨著計量技術(shù)的發(fā)展,尤其是Logit模型的出現(xiàn),早期的線性判別模型被逐漸取代,因為Logit模型無須對違約的先驗概率和樣本分布做任何假設(shè),具有更大優(yōu)勢。Ohlson首次應(yīng)用Logit模型對企業(yè)違約進(jìn)行研究,他以1970-1976年間105家破產(chǎn)企業(yè)及2 058家非破產(chǎn)企業(yè)為樣本,選擇九個解釋變量構(gòu)建Logit模型,其結(jié)果表明模型準(zhǔn)確率達(dá)92%以上[5]。另一類模型為結(jié)構(gòu)模型,是將公司違約率與公司因果結(jié)構(gòu)(資本結(jié)構(gòu))相關(guān)變量聯(lián)系在一起的一種信用風(fēng)險度量方法。這類模型構(gòu)建的基本思想是基于Merton的期權(quán)定價思想,即將公司的違約看作一項或有期權(quán)[6]。結(jié)構(gòu)模型中應(yīng)用最廣的當(dāng)屬KMV模型,該模型很簡單,即公司是否會違約取決于公司總資產(chǎn)未來的市場價值是否小于負(fù)債總值,并據(jù)此計算違約概率。1993年后,KMV公司和穆迪公司陸續(xù)發(fā)布多篇KMV模型相關(guān)研究成果和白皮書,介紹KMV模型的理論基礎(chǔ)、模型框架、參數(shù)設(shè)定等內(nèi)容[7]。近年來,隨著計算機(jī)技術(shù)的發(fā)展,一些機(jī)器學(xué)習(xí)方法如神經(jīng)網(wǎng)絡(luò)、向量支持機(jī)等也被用于信用違約的計算。Chen等基于卷積神經(jīng)網(wǎng)絡(luò)將風(fēng)險因子轉(zhuǎn)換成非結(jié)構(gòu)化數(shù)據(jù),使得對多個行業(yè)信用風(fēng)險的識別率達(dá)到80%以上[8]。Sariev等基于支持向量機(jī)(support vector machines,SVM)的最大距離原則提出了一種新的繞封方法用于度量違約概率,該方法的實證結(jié)果優(yōu)于Logit回歸的結(jié)果[9]。文本挖掘技術(shù)也被用于預(yù)測信用風(fēng)險,Matin等應(yīng)用上市公司年報中的管理層陳述內(nèi)容構(gòu)建公司壓力指數(shù)以預(yù)測違約風(fēng)險[10],Li等應(yīng)用新浪新聞構(gòu)建公司財務(wù)狀況指數(shù)預(yù)測信用風(fēng)險[11],Daniel等應(yīng)用企業(yè)社會責(zé)任報告中的文本構(gòu)建指數(shù),比較了多種方法對信用風(fēng)險的預(yù)測準(zhǔn)確度,結(jié)果表明隨機(jī)森林方法最優(yōu)[12]。這類方法具有較強(qiáng)的學(xué)習(xí)能力,故有效降低了違約率預(yù)測中犯第一類錯誤和第二類錯誤的可能性。然而,也正是由于其優(yōu)點太過突出,這些方法的缺點也很明顯:一個樣本內(nèi)很有解釋力的模型在樣本外卻可能表現(xiàn)極差,即存在過度擬合問題,這是由于計算方法的指標(biāo)之間缺乏內(nèi)在的經(jīng)濟(jì)邏輯,正如Daniel等在文中所言,企業(yè)社會責(zé)任并不能系統(tǒng)性地反映信用評級結(jié)果。正因為如此,本文計算所使用的結(jié)構(gòu)模型的違約含義十分清晰,即公司未來資產(chǎn)價值落入違約點以下的可能性,而違約距離則是很好的刻畫指標(biāo)。

關(guān)于房地產(chǎn)調(diào)控對房企違約風(fēng)險影響的文獻(xiàn)分為兩類:一類持負(fù)面觀點,即房地產(chǎn)調(diào)控會導(dǎo)致房企違約風(fēng)險增加。張玉梅等分析了緊縮調(diào)控導(dǎo)致房地產(chǎn)信托違約的原因,包括銷售回款困難、融資成本過高、委托代理中的道德風(fēng)險等[13]。袁海霞等從債券融資視角討論了調(diào)控對房企信用風(fēng)險的影響,緊縮調(diào)控導(dǎo)致房企融資、住房按揭收緊,同時房企債務(wù)集中到期,這兩個因素共同導(dǎo)致了房企信用風(fēng)險的增加[14]。以上文獻(xiàn)都是基于對直接原因的分析,缺少實證方面的檢驗。周陽敏采用計量方法研究了限購令、房產(chǎn)稅和新土管政策對房企風(fēng)險的影響,結(jié)果表明上市房企整體抗風(fēng)險能力都很弱,其中限購令的政策沖擊最強(qiáng)[15]。但該研究存在一定缺陷:一是被解釋變量為凈利潤增長率,回歸模型中因子系數(shù)為負(fù),這僅能說明凈利潤增長放緩,并不代表風(fēng)險增加;二是研究樣本只限定于2011年,研究結(jié)論可靠性不強(qiáng)。Jiang考察了房地產(chǎn)調(diào)控是否降低了對銀行的風(fēng)險,結(jié)果表明調(diào)控政策并沒有起到降低風(fēng)險的作用[16]。另一類文獻(xiàn)持正面觀點,即房地產(chǎn)調(diào)控有利于控房價和促進(jìn)房地產(chǎn)市場的可持續(xù)增長,有利于防范系統(tǒng)性風(fēng)險,進(jìn)而有利于降低房企違約風(fēng)險。馬草原等從貸款價值比(loan to value,LTV)視角切入并構(gòu)建了DSGE模型進(jìn)行探討[17]。楊源源等同樣構(gòu)建了DSGE模型,探討了在不同情形下應(yīng)該使用房產(chǎn)稅政策還是宏觀審慎政策[18]。與DSGE模型不同,Su等應(yīng)用向量自回歸模型發(fā)現(xiàn),土地融資導(dǎo)致房價上升,貨幣政策可以起到抑制房價的作用[19]。彭中文等應(yīng)用實證方法探討了宏觀調(diào)控對房企信用風(fēng)險的影響機(jī)制,認(rèn)為宏觀調(diào)控越嚴(yán)厲,越有利于降低房企信用風(fēng)險[20]。該文樣本時間跨度為2003-2012年,對結(jié)論可靠性有一定支撐。作者認(rèn)為宏觀調(diào)控政策包括從緊、適中、寬松三種,但何為適中則具有明顯主觀性,且并未進(jìn)行穩(wěn)健性檢驗。

梳理上述文獻(xiàn)可知,現(xiàn)有討論房地產(chǎn)調(diào)控與房企違約風(fēng)險的文獻(xiàn)存在如下不足:持負(fù)面觀點的文獻(xiàn)缺少計量檢驗的支持;持正面觀點的文獻(xiàn)有的混淆了系統(tǒng)性風(fēng)險與房企違約風(fēng)險,兩者并不存在必然因果關(guān)系;有的宏觀調(diào)控政策賦值存在主觀性,且研究跨度較短。相較于既往文獻(xiàn),本文采取如下研究策略:第一,應(yīng)用KMV模型度量房企的違約風(fēng)險。這么做的好處是,一方面違約風(fēng)險來自于企業(yè)資產(chǎn)價值與債務(wù)之間的違約距離,是市場交易直接給出的評估結(jié)果,這就避免了內(nèi)生性問題。第二,以國務(wù)院、住建部、人民銀行、銀保監(jiān)會的政策性文件為基準(zhǔn),按時間段確定政策松緊程度,構(gòu)建了全國性房地產(chǎn)調(diào)控政策變量,避免區(qū)域性政策與房企全國布局之間的矛盾。第三,在控制住房企規(guī)模、運營、財務(wù)等條件下分析房地產(chǎn)調(diào)控對房企違約風(fēng)險的影響,并進(jìn)行了穩(wěn)健性檢驗和異質(zhì)性分析。

二、研究設(shè)計

(一)研究思路及房地產(chǎn)宏觀調(diào)控政策賦值

本文的具體研究思路包括三步:一是應(yīng)用KMV模型計算房企的違約距離(違約距離越大,違約風(fēng)險越小),二是給房地產(chǎn)宏觀調(diào)控政策賦值,三是應(yīng)用面板計量模型分析房地產(chǎn)調(diào)控對房企違約距離的影響。

KMV模型的建模思想如下:從股東的視角來看,當(dāng)公司借入負(fù)債時,可以將這一行為視為買入以公司總資產(chǎn)市場價值為標(biāo)的資產(chǎn)的歐式看漲期權(quán),期權(quán)的執(zhí)行價格為負(fù)債的價值,期限是負(fù)債的期限。當(dāng)期末公司總資產(chǎn)的市場價值低于期末負(fù)債價值時,公司的股權(quán)價值為零,公司所有人會選擇不執(zhí)行該歐式看漲期權(quán),即會對債權(quán)人違約。依據(jù)這一建模思想,KMV模型的主要目標(biāo)是估算違約距離(distance to default,DD)和預(yù)期違約概率(expected default frequency,EDF)。模型將公司總資產(chǎn)市場價值與公司負(fù)債價值相等的情況定義為違約點(default point,DPT),將預(yù)期總資產(chǎn)價值偏離違約點的相對距離定義為DD(為使不同規(guī)模公司間具有可比性,該指標(biāo)是一個標(biāo)準(zhǔn)化指標(biāo))。圖1中,DD表示未來資產(chǎn)市場價值的均值與違約點的距離,EDF為未來資產(chǎn)市場價值曲線落入違約點以下的陰影部分面積,T表示負(fù)債的期限。違約距離越大,公司的信用風(fēng)險越小,也即EDF越小。

圖1 KMV模型建模思路示意圖

對全國性房地產(chǎn)調(diào)控政策松緊程度的界定如下。收緊以國務(wù)院、住建部、央行等部委出臺限貸、限售、限購等標(biāo)志性收縮政策為依據(jù),放松以國務(wù)院、部委出臺降低首付比例、首套房認(rèn)定標(biāo)準(zhǔn)、降低交易稅費等標(biāo)志性放松政策為依據(jù)。2005年以來,房地產(chǎn)調(diào)控政策經(jīng)歷了三輪“放松-收緊”過程(見表1)。

表1 房地產(chǎn)調(diào)控全國性政策及主要內(nèi)容

核心解釋變量房地產(chǎn)調(diào)控政策(real estate control policy,RECP)的賦值方法如下:在收緊時間段內(nèi)RECP賦值為1,在放松時間段內(nèi)RECP賦值為0,對于年度內(nèi)房地產(chǎn)調(diào)控政策既經(jīng)歷收緊又經(jīng)歷放松的情況,按照收緊時間段占年度的比重賦值。表2為房地產(chǎn)調(diào)控變量的賦值結(jié)果。

表2 2008-2021年房地產(chǎn)調(diào)控變量賦值結(jié)果

對于影響房企違約距離的因素,除房地產(chǎn)調(diào)控政策外,需從規(guī)模、資產(chǎn)結(jié)構(gòu)、經(jīng)營效率、盈利能力、短期償債能力等方面控制房企的微觀差異,因為這些因素顯著影響房企違約風(fēng)險,故設(shè)定如下面板回歸模型

DDit=α0+∑βjXit,j+γRECPt+λt+μi+εit

(1)

式(1)中:i表示各上市房企;t表示年份;DD為違約距離變量,作為被解釋變量;α0為常數(shù)項;Xj為上市房企的總資產(chǎn)等房企自身變量,作為控制變量;βj為控制變量的系數(shù),j(j=1,2,…,n)為標(biāo)識不同解釋變量的下標(biāo);RECP為房地產(chǎn)調(diào)控政策變量,作為核心解釋變量;γ為其系數(shù);λt為時間固定效應(yīng)控制變量的系數(shù);μi為個體固定效應(yīng)控制變量的系數(shù);εit為隨機(jī)誤差項。

由于企業(yè)的所有制性質(zhì)影響融資成本及融資難易程度,進(jìn)而導(dǎo)致房地產(chǎn)調(diào)控政策不同的響應(yīng)效果,對此筆者以企業(yè)所有制性質(zhì)設(shè)立調(diào)節(jié)變量。具體的分類標(biāo)準(zhǔn)如下:國有企業(yè),指出資股份在51%以上或第一大股東或?qū)嵖厝藶閲匈Y產(chǎn)監(jiān)督管理機(jī)構(gòu)的情況;民營企業(yè),指出資股份在51%以上或第一大股東或?qū)嵖厝藶槊駹I資本的情況;外資企業(yè),指出資股份在51%以上、或第一大股東或?qū)嵖厝藶橥赓Y資本的情況;其他企業(yè),除上述企業(yè)之外所有的情形,主要包括集體企業(yè)或公眾企業(yè),公眾企業(yè)一般指沒有實控人的企業(yè)。

本文選取的研究變量具體如表3所示。

表3 研究變量的類型、名稱及代碼

(二)樣本選取及數(shù)據(jù)來源

本文選取上海、深圳證券交易所所有上市房地產(chǎn)開發(fā)公司作為初選樣本,樣本數(shù)據(jù)選取期間為2008年1月1日至2021年9月30日,依據(jù)Wind行業(yè)分類標(biāo)準(zhǔn)進(jìn)行分類,所屬行業(yè)明細(xì)為房地產(chǎn)—房地產(chǎn)Ⅱ—房地產(chǎn)管理和開發(fā)—房地產(chǎn)開發(fā)。樣本篩選的原則如下:(1)剔除數(shù)據(jù)缺失樣本;(2)剔除數(shù)據(jù)異常值。最終得到103個上市房企作為樣本,各變量的描述性統(tǒng)計如表4所示。

表4 變量描述性統(tǒng)計

三、房地產(chǎn)調(diào)控對房企違約風(fēng)險的實證分析

(一)KMV模型的計算結(jié)果

根據(jù)上述計算方法,得到103家上市房企每年度的違約距離。從描述性統(tǒng)計來看,整體平均值為2.41,最小值為0.32(2021年第三季度的泰禾集團(tuán)),最大值為10.12(2017年中房股份),違約距離主要集中在[2,3]區(qū)間。違約距離的時間變化趨勢如圖2所示。

圖2 2008-2021年上市房企的違約距離變化趨勢圖

從圖2可以看出,2015年出臺的棚改貨幣化政策整體改善了房企違約風(fēng)險,房企違約距離上升較大;但2017年“房住不炒”政策提出后,房企違約距離整體上并沒有明顯下降,其影響僅體現(xiàn)為房企尾部風(fēng)險加大。由此可見,房企違約風(fēng)險表現(xiàn)出時序特征,但房地產(chǎn)調(diào)控政策影響的具體表現(xiàn)還有待后續(xù)面板回歸的考察。

在房地產(chǎn)金融審慎管理制度實施后的這段時間內(nèi)出現(xiàn)了大型房企違約的現(xiàn)象。表5按規(guī)模分組內(nèi)統(tǒng)計表明,1 000億以上規(guī)模房企的平均違約距離是所有分組中最小的,且標(biāo)準(zhǔn)差較小,說明其整體違約風(fēng)險最高,理論違約概率的最大值達(dá)到37.52%,與現(xiàn)實基本一致。在后續(xù)的面板回歸分析中,筆者將重點考察不同規(guī)模分組的房企受房地產(chǎn)調(diào)控政策的影響情況。

表5 2021年前三季度按總資產(chǎn)規(guī)模分組的A股上市房企違約距離

(二)面板回歸基本估計結(jié)果

為了避免多重共線性問題,應(yīng)用上文面板模型,通過逐步回歸分析法,以控制時間和個體變量的方式來研究影響違約距離的各個因素。表6給出了逐步回歸的每步基本統(tǒng)計結(jié)果,剔除未通過顯著性檢驗的因素后,可得如下基準(zhǔn)回歸方程

表6 逐步回歸的每步基本估計結(jié)果

DDit=-1.13+0.000 805×TAit-0.000 010×TLit-0.000 529×NDRit+0.015 3×ITRit+0.000 398×NPMSit+0.000 090×CSDRit+3.94×RECPt+λt+μi+εit

(2)

根據(jù)回歸方程,可得出以下結(jié)論:總資產(chǎn)的系數(shù)為正,即隨著房企總資產(chǎn)的增加,違約距離越大,違約概率越小;總負(fù)債的系數(shù)為負(fù),即隨著房企總負(fù)債的增加,違約距離越小,違約概率越大。因為總資產(chǎn)的系數(shù)大于總負(fù)債的系數(shù),所以房企凈資產(chǎn)的規(guī)模越大,違約風(fēng)險反而降低。凈負(fù)債率是一個結(jié)構(gòu)指標(biāo),其系數(shù)為負(fù),反映了負(fù)債水平越高,房企違約距離越小(違約風(fēng)險越大)。存貨周轉(zhuǎn)率、銷售凈利率和現(xiàn)金短債比三個指標(biāo)的系數(shù)都為正,說明經(jīng)營效率越高、盈利能力以及短期償債能力越強(qiáng),則違約距離越大(違約風(fēng)險越小)。在控制住上述微觀解釋變量后,房地產(chǎn)調(diào)控政策對房企違約風(fēng)險的影響為正。這說明從長周期視角看,緊縮的房地產(chǎn)調(diào)控有效遏制了房企的規(guī)?？焖贁U(kuò)張,降低了杠桿水平,使得房企違約距離擴(kuò)大,房企違約風(fēng)險降低。

(三)穩(wěn)健性檢驗

借鑒Altman[4][21]的研究成果,按照式(3)構(gòu)造Z值。

Z-Score=1.2X1+1.4X2+3.3X3+0.6X4+0.999X5

(3)

式(3)中:X1=營運資金/總資產(chǎn),反映資產(chǎn)的變現(xiàn)能力和規(guī)模特征;X2=留存收益/總資產(chǎn),反映公司的累積盈利能力;X3=EBIT/總資產(chǎn),EBIT表示息稅前利潤,反映資產(chǎn)的盈利能力;X4=權(quán)益的市場價值/總負(fù)債的賬面價值,是衡量一家公司財務(wù)結(jié)構(gòu)、表明所有者權(quán)益和債權(quán)人權(quán)益相對關(guān)系的比率,可以反映一家公司的償債能力;X5=營業(yè)收入/總資產(chǎn),反映企業(yè)資金周轉(zhuǎn)情況,用來衡量公司利用資產(chǎn)的效率情況。Z值越大,表明公司財務(wù)狀況越良好;Z值越小,表明公司違約風(fēng)險越高。

借鑒Ohlson[5]的研究成果,按照式(4)構(gòu)造O值。

O-Score=-1.32-0.407SIZE+6.03TLTA-1.43WCTA+0.075 7CLCA-2.37NITA-1.83FUTL+0.285INTWO-1.72OENEG-0.521CHIN

(4)

式(4)中:SIZE=Ln(總資產(chǎn));TLTA=總負(fù)債/總資產(chǎn);WCTA=營運資金/總資產(chǎn);CLCA=流動負(fù)債/流動資產(chǎn);NITA=凈利潤/總資產(chǎn);FUTL=經(jīng)營性凈現(xiàn)金流/總負(fù)債;INTWO=如過去兩年凈利潤均為負(fù)數(shù)則為1,否則為0;OENEG=如總負(fù)債>總資產(chǎn)為1,否則為0;CHIN=(NIt-NIt-1)/(|NIt|+|NIt-1|),NI表示凈利潤。O值越大表明公司違約風(fēng)險越大,破產(chǎn)概率越高。

被解釋變量房企違約距離(DD)基于KMV模型進(jìn)行度量,為確保研究結(jié)論的可靠性,引入替換變量O值(O-Score)和Z值(Z-Score)對模型進(jìn)行回歸。替換被解釋變量后的回歸結(jié)果如表7中(1)和(2)所示,系數(shù)符號方向與基準(zhǔn)回歸結(jié)果一致,兩個替換變量均在10%水平上顯著,說明檢驗結(jié)果均保持一致,研究結(jié)論具有穩(wěn)健性和可靠性。

表7 穩(wěn)健性檢驗

為克服可能存在的小樣本偏誤問題,使用傾向匹配得分法(propensity score matching,PSM)為受到房地產(chǎn)調(diào)控的樣本匹配與之特征相近的、未受到調(diào)控的樣本作為對照組進(jìn)行回歸分析。匹配完成后,利用新的樣本對模型進(jìn)行回歸,結(jié)果如表7中(3)違約距離所示?？梢钥吹?房地產(chǎn)調(diào)控與房企違約距離之間仍然存在1%顯著性水平上的正向相關(guān)關(guān)系,與本文結(jié)論一致。

(四)異質(zhì)性分析

為進(jìn)一步考察房地產(chǎn)調(diào)控對不同規(guī)模房企違約風(fēng)險的影響,本文將上市房企按如下規(guī)模分成5組,比較各分組情況下房地產(chǎn)調(diào)控對房企違約距離的影響。表8為資產(chǎn)規(guī)模分組的異質(zhì)性分析,其估計結(jié)果表明,房地產(chǎn)調(diào)控對房企違約距離的影響成倒U型(對房企違約風(fēng)險的影響成U型),即房地產(chǎn)調(diào)控政策對500億～1 000億資產(chǎn)規(guī)模房企風(fēng)險的調(diào)控風(fēng)險降低最明顯。對于資產(chǎn)規(guī)模大于1 000億的房企房地產(chǎn)調(diào)控降低風(fēng)險的效果并不明顯,這可能是因為大型房企利用其市場勢力采取“大而不倒”的經(jīng)營策略,逆市加杠桿,因而調(diào)控效果不明顯,這一點以恒大的表現(xiàn)最為典型。對于資產(chǎn)規(guī)模小于500億的房企,房地產(chǎn)調(diào)控的效果也不明顯,這可能是因為小型房企本身就難以從銀行獲得貸款。

表8 資產(chǎn)規(guī)模分組的異質(zhì)性分析

房企所有制性質(zhì)的異質(zhì)性分析如表9所示。

表9 房企所有制性質(zhì)的異質(zhì)性分析

為進(jìn)一步考察房地產(chǎn)調(diào)控對不同所有制房企違約風(fēng)險的影響,本文根據(jù)房企所有制性質(zhì)生成國有企業(yè)、民營企業(yè)、外資企業(yè)、其他企業(yè)四個虛擬變量,以國有企業(yè)為基準(zhǔn)組,將其余三個所有制性質(zhì)虛擬變量與房地產(chǎn)調(diào)控政策變量做交互后,加入計量模型中重復(fù)基準(zhǔn)回歸。對房企所有制性質(zhì)所做的異質(zhì)性分析報告的估計結(jié)果表明,盡管統(tǒng)計并不顯著,但房地產(chǎn)調(diào)控政策對民營企業(yè)和其他企業(yè)相對于國有企業(yè)造成的負(fù)面影響要大,導(dǎo)致其違約距離減少(違約風(fēng)險增加);房地產(chǎn)調(diào)控政策對外資企業(yè)比國有企業(yè)造成的正面影響要大,導(dǎo)致其違約距離增加(違約風(fēng)險減少)。這說明房地產(chǎn)調(diào)控政策在不同所有制企業(yè)中存在結(jié)構(gòu)差異(見表9)。

四、結(jié)論與政策建議

本文基于2008-2021年第三季度我國A股103家上市房企股票日交易數(shù)據(jù)和財務(wù)數(shù)據(jù),運用KMV模型估算出的違約距離來度量其違約風(fēng)險,進(jìn)一步地,本文采用面板模型在控制住房企微觀因素的基礎(chǔ)上分析了房地產(chǎn)調(diào)控政策對房企違約風(fēng)險的影響。從實證結(jié)果來看,筆者有如下發(fā)現(xiàn):(1)房企違約風(fēng)險整體上表現(xiàn)出時序性特征,在截面上也有明顯分化,以2021年前三季度為例,規(guī)模1 000億以上房企的違約風(fēng)險最高;(2)在微觀層面,房企違約風(fēng)險與以下因素有關(guān):房企凈資產(chǎn)規(guī)模越大違約風(fēng)險越低,經(jīng)營效率越高、盈利水平越強(qiáng)則違約風(fēng)險越小,凈負(fù)債率越低、短期償債能力越強(qiáng)違約風(fēng)險越小;(3)在宏觀層面,緊縮的房地產(chǎn)調(diào)控政策有利于降低房企違約風(fēng)險,異質(zhì)性分析表明調(diào)控政策存在明顯的結(jié)構(gòu)效應(yīng),調(diào)控政策對規(guī)模在500億～1 000億的房企的風(fēng)險抑制效果最好,對民營企業(yè)和其他所有制性質(zhì)企業(yè)產(chǎn)生負(fù)向效果,即會導(dǎo)致違約風(fēng)險增加。

本文研究結(jié)果表明,從長周期視角看,房地產(chǎn)調(diào)控政策有利于降低房企違約風(fēng)險,有利于房地產(chǎn)市場健康平穩(wěn)發(fā)展。盡管2021年出現(xiàn)了較多房企違約事件,但絕大部分是市場自我出清的結(jié)果,因此在政策上應(yīng)繼續(xù)堅持“房住不炒”精神,貫徹執(zhí)行房地產(chǎn)金融審慎管理制度。本文的異質(zhì)性分析表明,房地產(chǎn)調(diào)控政策存在結(jié)構(gòu)效應(yīng):一方面,房地產(chǎn)調(diào)控對資產(chǎn)規(guī)模最大組別的風(fēng)險抑制效果并不好,這可能是因為大型房企利用“大而不倒”策略逆市加杠桿所導(dǎo)致,因此針對大型房企應(yīng)采取“一企一策”措施,防止資本無序擴(kuò)張。另一方面,房地產(chǎn)調(diào)控政策在客觀上導(dǎo)致民營房企和其他所有制性質(zhì)房企的違約風(fēng)險加大,在政策層面,監(jiān)管層應(yīng)鼓勵銀行按照運營效率、經(jīng)營能力等指標(biāo)開展貸款評估,減少放款過程中的所有制歧視現(xiàn)象。同時,監(jiān)管層也應(yīng)關(guān)注民營房企的違約是流動性風(fēng)險導(dǎo)致的還是資不抵債導(dǎo)致的,對于前一種情況應(yīng)注入流動性、防止出現(xiàn)傳染效應(yīng),對于后一種情況在處置問題資產(chǎn)時應(yīng)注意隔離風(fēng)險。