朱順東

摘 要：本文采用 2009-2018年各類銀行的經(jīng)營能力與各類型房地產(chǎn)價格波動的數(shù)據(jù)進行面板回歸，探究房價波動對銀行經(jīng)營能力的影響。結(jié)果顯示商品房價格增長能顯著促進銀行的經(jīng)營能力，從商品房分類看，住宅房價格、辦公樓價格對房產(chǎn)價格有顯著促進，商業(yè)營用房價對銀行經(jīng)營能力反而出現(xiàn)顯著負向抑制作用，其他商品房價格變動對銀行經(jīng)營能力無顯著的向影響。

關(guān)鍵詞：房產(chǎn)價格;經(jīng)營能力;凈資產(chǎn)收益率;面板數(shù)據(jù)

一、引言

房地產(chǎn)貸款是商業(yè)銀行信貸中的重要組成部分，2019年房地產(chǎn)貸款在金融機構(gòu)各項貸款余額中占比接近30%。同時，近幾年房地產(chǎn)不良貸款出現(xiàn)快速增長給商業(yè)銀行帶來較大的風(fēng)險。探討房產(chǎn)價格波動變化對銀行金融機構(gòu)提升經(jīng)營能力和管控風(fēng)險具有重要意義。

二、研究方法與研究現(xiàn)狀

2.1房地產(chǎn)價格對商業(yè)銀行信貸的影響

江彤（2007）利用月度數(shù)據(jù)建立誤差修正模型，認(rèn)為在 10%的置信水平下，房地產(chǎn)價格是銀行信貸單向的的 Granger 因。袁俊、施有文（2010）研究發(fā)現(xiàn)房地產(chǎn)價格上漲對銀行信貸擴張的只存在單向的影響，且銀行信貸資金對房地產(chǎn)供給的影響有一年滯后期。況偉大（2011）研究發(fā)現(xiàn)房地產(chǎn)價格對銀行信貸有著顯著影響，并且影響效果要大于經(jīng)濟增長。皮舜和武康平（2004）研究發(fā)現(xiàn)房地產(chǎn)業(yè)繁榮能夠帶動信貸的擴張，而信貸的繁榮又會反過來促進房地產(chǎn)行業(yè)新一輪的上漲。段忠東、曾令華等（2007）利用月度數(shù)據(jù)建立VAR 模型，發(fā)現(xiàn)長期內(nèi)銀行信貸與房價波動互為 Granger 因果，而從短期來看只有銀行信貸對房價波動的影響顯著。

2.2房地產(chǎn)價格對商業(yè)銀行經(jīng)營的影響

易憲容（2005）提出如果我國的房地產(chǎn)市場的發(fā)展完全依靠銀行業(yè)的信貸支持，那么當(dāng)我國的房地產(chǎn)行業(yè)走向衰退期時銀行業(yè)就會面臨很高的房地產(chǎn)信貸違約風(fēng)險。所以他認(rèn)為我國應(yīng)該出臺一系列有效政策抑制住房價格的不斷高漲，從而阻止房地產(chǎn)泡沫不斷的擴張。聶晶（2008）提出房地產(chǎn)市場對銀行業(yè)貸款較高的依存度已經(jīng)導(dǎo)致了“信貸杠桿推動型”泡沫暴露在房地產(chǎn)市場中[8]。在我國宏觀打壓房價政策和房地產(chǎn)發(fā)展周期波動的情況下，房價很有可能下行，那么緊接著就會帶來房地產(chǎn)信貸違約率的不斷上升。朱海燕和王苗苗（2016）研究發(fā)現(xiàn)：當(dāng)房地產(chǎn)行業(yè)處于繁榮期時，銀行業(yè)就會增加房地產(chǎn)行業(yè)的貸款支持力度，這會給房地產(chǎn)行業(yè)帶來泡沫性的繁榮假象;然而當(dāng)房地產(chǎn)行業(yè)走向衰退期時，銀行業(yè)將會縮小房地產(chǎn)行業(yè)的貸款支持力度，這會加劇房地產(chǎn)行業(yè)的衰退，從而造成銀行業(yè)房地產(chǎn)貸款違約率上升。

三、變量選取與數(shù)據(jù)說明

本文研究目的是探究房地產(chǎn)價格波動對銀行貸款損失準(zhǔn)備金額以及貸款撥備率的影響，本文根據(jù)《中國房地產(chǎn)統(tǒng)計年鑒》的商品房分類標(biāo)準(zhǔn)，將商品房細分為住宅、辦公樓、商業(yè)營用房和其他商品房。同時為了控制盈余平滑、資本管理、資產(chǎn)負債結(jié)構(gòu)等影響因素對商業(yè)銀行的貸款損失準(zhǔn)備的影響，本文引用信貸規(guī)模（Loan）、資本充足率（CAR）、銀行資產(chǎn)規(guī)模（Size）、凈資產(chǎn)收益率（ROE）、不良貸款率（nlr）、資產(chǎn)負債率（Lev）作為控制變量。

四、模型的建立

觀察單位是中國住宅商品房從2009—2018年的數(shù)據(jù)，總觀察值的個數(shù)為1142個。本文以凈資產(chǎn)收益率為被解釋變量，解釋變量分別是商品房價格增長率、住宅價格增長率、辦公樓價格增長率、商業(yè)營用房價格增長率、其他商品房價格增長率，共5個變量。控制變量為資產(chǎn)負債率、貸款比例、資本充足率、資產(chǎn)規(guī)模、貸款撥備率、撥備覆蓋率等六個變量，我們建立以下回歸模型：

ROEit=cons+βΣXit+ɑΣcontrolit +Ui+Vt+εit

其中，i是代表第i個省市，t是代表年份，Ui是代表銀行的個體效應(yīng)，Vt是代表年份的效應(yīng) ，εit是代表殘差項。

五、實證分析

5.1變量基本統(tǒng)計情況

凈資產(chǎn)收益率均值為13.6%、最大值為38.3%、最小值為-7.5%，銀行個體經(jīng)營能力通過標(biāo)準(zhǔn)差看出，整體差異不大;自變量中五個房產(chǎn)價格指數(shù)增長率可以看出，整體波動標(biāo)準(zhǔn)差均大于平均值，說明價格增長率波動大，控制變量中貸款撥備覆蓋率和撥備覆蓋率分布差異大。

5.2相關(guān)性分析

辦公樓房價增長率PO、商業(yè)營用房價增長率POP、其他商品房價增長率POT、企業(yè)資產(chǎn)負債率、企業(yè)資產(chǎn)規(guī)模與ROE相關(guān)系數(shù)為正數(shù)，在研究的期間內(nèi)與企業(yè)凈資產(chǎn)收益率ROE同趨勢變化;綜合商品房房價增長率PC、住宅房價增長率PR、貸款比例、資本充足率、貸款撥備率相關(guān)系數(shù)均為負數(shù)，這些變量與凈資產(chǎn)收益率ROE在研究的期間負向趨勢變化。綜合房價增長率PC、住宅房價增長率PR、資產(chǎn)負債率LEV、貸款比例LOAN、 企業(yè)資產(chǎn)規(guī)模SIZE、貸款撥備率LLR相關(guān)系數(shù)均為負數(shù)，這些變量與貸款撥備覆蓋率在研究的期間負向趨勢變化;辦公樓房價增長率PO、商業(yè)營用房價增長率POP、其他商品房價增長率POT、資本充足率與貸款撥備覆蓋率相關(guān)系數(shù)為正數(shù)，與貸款撥備覆蓋率在研究的期間同趨勢變化。自變量之間：除商品房綜合價格增長率與住宅價格相關(guān)系數(shù)為0.928超出0.8外，其他變量之間的相關(guān)系數(shù)基本上小有0.5;控制變量之間的相關(guān)系數(shù)基本處于0.3以下，最高不超出0.5，說明控制變量之間的共線性不大，自變量和控制變量的相關(guān)系數(shù)也均處于0.3以下，故不存在嚴(yán)重的共線性問題。

5.3多重共線

為了避免多重共線性造成估計量無效，對解釋變量通過采用方差因子進行多重共線檢驗，通過采用方差因子（VIF）對變量進行檢驗，根據(jù)檢驗標(biāo)準(zhǔn)，如果VIF大于10就說明存在一定的多重共線性，超過100就存在較嚴(yán)重的多重共線性影響，通過表3可以看出VIF最大值為2.69，平均VIF為1.44遠小于10，說明自變量之間不存在多重共線性;通過表4可以看出，當(dāng)變量綜合房價和其他房價放在一起的時候，VIF最大值為11.64，略超出10但平均VIF值為3.17遠小于10，故只存在弱共線性，為了避免出現(xiàn)共線性，故本文采用將變量PC和其他房價變量分開回歸的形式進行分析。

5.4模型篩選

因本文是采用平衡面板數(shù)據(jù)，通常采用有混合模型、隨機效應(yīng)模型、固定效應(yīng)模型，每個效應(yīng)假設(shè)條件不同，為了得出合理的估算之前都在模型估計之前需要進行相應(yīng)的檢驗，首先通過LM檢驗來判別是否采用隨機效應(yīng)還是混合效應(yīng)，通過表4檢驗結(jié)果中可以看出，LM檢驗得出P值為0.000小于0.05，強烈拒絕原假設(shè)，說明隨機效應(yīng)比混合模型更適合;其次通過F檢驗來判別是采用固定效應(yīng)還是混合效應(yīng)，經(jīng)過檢驗得出F值為26.29，對應(yīng)的P值為0.000小于0.05，說明固定效應(yīng)比混合模型更適合;最后通過豪斯曼檢驗來判斷是否固定效應(yīng)和隨機效應(yīng)，通過估算得出豪斯曼檢驗卡方值為53.88對應(yīng)的P值為0.00小于0.05，說明固定效應(yīng)比隨機效應(yīng)模型更適合，故本文采用固定效應(yīng)模型進行分析。

5.5實證分析

由于利用面板數(shù)據(jù)進行回歸分析 時，可能存在時間序列與截面相關(guān)以及異方差等問題，同時也為了避免因遺漏變量而帶來的內(nèi)生性 偏誤，本文使用 Stata 15.0 軟件對上述數(shù)據(jù)進行固定效應(yīng)模型分析，并采用 Driscoll-Kraay 標(biāo)準(zhǔn) 誤進行估計，以規(guī)避使用常規(guī)面板數(shù)據(jù)估計方法時會低估標(biāo)準(zhǔn)誤差的問題。

通過整理表5得出：PC回歸系數(shù)為0.0027在1%水平下顯著，分細項看，模型1.2中看出住宅價格回歸系數(shù)為0.0025在1%水平下顯著;PO回歸系數(shù)為0.0073在1%水平下顯著;說明商品房的價格增長顯著促進了銀行的凈資產(chǎn)收益率的增長;控制變量中資產(chǎn)負債率和資本充足率、撥備覆蓋率的回歸都顯著為正數(shù)，說明在采集銀行的樣本研究的期間內(nèi)，高杠桿和風(fēng)險控制變量資本充足率、撥備覆蓋率都顯著促進銀行的凈資產(chǎn)收益率增長。貸款撥備率回歸系數(shù)為負且顯著，說明該變量抑制了銀行的ROE的增長。

通過整理表6得出：PC回歸系數(shù)為-2.67在1%水平下顯著，分細項看，模型1.2中看出住宅價格回歸系數(shù)為-2.37在1%水平下顯著;POP回歸系數(shù)為-0.507在5%水平下顯著;說明商品房的價格增長顯著降低了銀行的撥備覆蓋率增長，抑制了不良貸款增長;控制變量資產(chǎn)負債率、貸款比例回歸系數(shù)為負且顯著，說明該變量抑制了銀行的撥備覆蓋率的增長。

六、結(jié)論

根據(jù)第四部份的對銀行經(jīng)營分析，結(jié)合采集數(shù)據(jù)實證回歸分析可以看出說明商品房的價格增長顯著提升了銀行經(jīng)營績效;同時高杠桿和風(fēng)險控制變量資本充足率、撥備覆蓋率都顯著促進銀行經(jīng)營績效增長，但同時商品房的價格抑制銀行的撥備覆蓋率、不良貸款增。因此，為使我國銀行經(jīng)營達到健康運轉(zhuǎn)的狀態(tài)，隨著房地產(chǎn)調(diào)控，房價增長率會面臨停滯不前狀態(tài)，銀行經(jīng)營能力在這一方面會存在抑制下降的銀行的風(fēng)險抵抗能力也會顯著下降，銀行應(yīng)降低房地產(chǎn)類別的貸款占比，調(diào)整信貸結(jié)構(gòu)，拓寬向?qū)嶓w經(jīng)濟項目提供融資占比。結(jié)構(gòu)性的調(diào)整，優(yōu)化商業(yè)銀行房地產(chǎn)貸款的結(jié)構(gòu)，大力支持房地產(chǎn)市場中的合理住房消費，進而使得商業(yè)銀行的穩(wěn)健經(jīng)營能力得到提升;提升商業(yè)銀行信貸資產(chǎn)的流動性，從而增加商業(yè)銀行的穩(wěn)健經(jīng)營能力;加大對房地產(chǎn)貸款投放的審核與監(jiān)督力度進而來規(guī)范房地產(chǎn)資金的投放，嚴(yán)禁違規(guī)對房地產(chǎn)行業(yè)投放貸款，進而增加商業(yè)銀行穩(wěn)健經(jīng)營的能力;對房地產(chǎn)貸款的貸前進行嚴(yán)格地評估，建立針對房地產(chǎn)貸款項目的跟蹤監(jiān)督機制，監(jiān)督和規(guī)范房地產(chǎn)貸款的使用，加強房地產(chǎn)貸款的事前、事中和事后監(jiān)控以有效降低信貸風(fēng)險，進而增加商業(yè)銀行的穩(wěn)健經(jīng)營能力。

參考文獻：

[1]易憲容.中國房地產(chǎn)市場過熱與風(fēng)險預(yù)警[J].財經(jīng)經(jīng)濟，2005，（5）：14-21.

[2]聶晶.淺析房地產(chǎn)市場泡沫對銀行業(yè)的風(fēng)險及銀行防范對策[J].金融與經(jīng)濟，2006，（2）：77-80.

[3]陳武瓊.外資流動對中國房地產(chǎn)市場的影響—基于上海房地產(chǎn)市場的實證分析[D].寧波：寧波大學(xué)，2010.

[4]李德福.中國房地產(chǎn)企業(yè)房地產(chǎn)投資信托基金融資方式[D].天津：南開大學(xué)，2005.

[5]鄒薇.基于 BSSI 指數(shù)的中國銀行體系穩(wěn)定性研究[J].經(jīng)濟理論與經(jīng)濟管理，2007，

（江西省社會科學(xué)院 ?江西 ?南昌 ?330077）