摘要：文章基于房價基本面與異質(zhì)性泡沫成分的分解視角，運用TVP-SV-VAR模型考察了房價波動的基本面因素和異質(zhì)性泡沫成分對金融風險的差異化影響，研究發(fā)現(xiàn)：房價波動中的泡沫成分是引發(fā)金融風險的關鍵原因，而符合基本面的房地產(chǎn)基本價值則會對金融風險產(chǎn)生一定的抑制作用?！芭蛎浭健迸菽瓕鹑陲L險的影響要顯著大于“衰退式”泡沫。不同宏觀調(diào)控政策時點下，房價波動的泡沫成分對金融風險的影響具有明顯的異質(zhì)性，且隨著提前期的延長，其影響呈先漸強后漸弱的趨勢特征。

關鍵詞：房價波動；金融風險；TVP-SV-VAR模型

2008年金融危機后，在寬松的財政政策和貨幣政策的影響下，我國房價呈爆發(fā)式增長，脫離經(jīng)濟基本面，房價泡沫化現(xiàn)象凸顯。國家統(tǒng)計局數(shù)據(jù)顯示，2008-2020年間，我國東部和中部地區(qū)城市房價的平均漲幅高達237.34%和202.21%，該輪房價波動具有顯著的“膨脹式”泡沫化特征。然而，2020年以來，在宏觀經(jīng)濟形勢變化和疫情沖擊等因素影響下，部分城市房價大幅回落。根據(jù)國家統(tǒng)計局數(shù)據(jù)顯示，2023年12月，70個大中城市中有62個城市住房價格下降，僅8個城市環(huán)比上漲，總體上該輪房價波動具有更明顯的“衰退式”泡沫化特征（陳小亮和李誠浩，2022）。一時間，由房價波動引發(fā)的金融風險問題引發(fā)社會各界關注。在國家實施金融安全戰(zhàn)略，推進金融高質(zhì)量發(fā)展的關鍵時期，探討房價波動對金融風險的異質(zhì)性影響問題，將有助于高效應對跌宕起伏、變幻莫測的國際金融形勢。

鑒于此，本文從房價基本面與異質(zhì)性泡沫成分的分解視角出發(fā)，探討房價波動引發(fā)的“膨脹式”泡沫和“衰退式”泡沫對金融風險的異質(zhì)性影響?？赡艿倪呺H貢獻為：通過房地產(chǎn)市場局部均衡價格模型將房價波動分解為房價基本面、“膨脹式泡沫”和“衰退式泡沫”，為房價波動帶來的異質(zhì)性泡沫成分提供理論支撐。采用TVP-SV-VAR實證考察房地產(chǎn)基本價值、“膨脹式”泡沫和“衰退式”泡沫對金融風險影響的異質(zhì)性，拓寬現(xiàn)有房價波動對金融風險影響的研究范疇。

一、文獻綜述

房價波動對金融風險的影響是多方面的，主要有以下觀點：一是抵押品價值假說，認為房價上漲可使現(xiàn)有借款人的住房權益增加，降低其違約的可能性，同時可使銀行的抵押品價值升高，減少其面臨的違約損失（Pan和Wang，2013）。二是房價上漲會增加金融風險，認為房價上漲使房地產(chǎn)融資風險較難被感知，導致銀行以不合理的低利率向高風險的房地產(chǎn)借款人過度放貸，同時也會鼓勵風險較大的投資者押注房價會進一步上漲，進而要求銀行提供信貸，增加銀行對高風險資產(chǎn)的敞口，加劇金融風險問題（Wang等，2022）。但以Koetter和Poghosyan（2010）為代表的學者提出了房價偏離假說，指出高房價雖可通過增加抵押品價值和借款人的凈財富來降低其信貸違約概率，但房價對其基本價值的持續(xù)偏離會使銀行產(chǎn)生逆向選擇的行為，導致市場中信用較低的借款人獲得貸款，增加銀行面臨的風險。對此，沈悅等（2019）基于PVAR模型研究發(fā)現(xiàn)目前我國房價泡沫顯著地降低了金融穩(wěn)定性。郭文偉等（2022）提出房價泡沫對金融風險的影響可分解成兩部分，一方面是由房價本身上漲所帶來的利好影響，另一方面是由住房價格扭曲所帶來的資源錯配的負面影響，其最終影響則取決于二者之間的綜合效應。

現(xiàn)有研究房價波動的文獻表明，房價可分解成基本價值和泡沫兩部分，從理論上來看符合經(jīng)濟基本面的房價波動即房價基本價值應當更多體現(xiàn)的是抵押品價值效應，有利于降低金融體系內(nèi)的風險。而房價的泡沫成分更多體現(xiàn)的是增加金融體系內(nèi)的風險。同時，結(jié)合我國房地產(chǎn)市場發(fā)展的實際情況來看，近兩年房價波動表現(xiàn)出的“衰退式”泡沫和過去十多年的“膨脹式”泡沫對金融風險的影響也可能存在異質(zhì)性。但現(xiàn)有文獻多將房價的基礎價值和異質(zhì)性泡沫成分“混為一談”，可能會導致房價波動影響效應被低估。同時，現(xiàn)有研究多局限于線性分析，難以捕捉房價波動典型時期對金融風險影響的時變性和差異性。鑒于此，本文就以上問題展開研究，以期補充相關文獻研究，為防范化解房地產(chǎn)領域風險提供經(jīng)驗證據(jù)。

二、指標測度與模型構(gòu)建

（一）房價波動分解

本文參考王京濱等（2022）和沈悅等（2019）的研究，根據(jù)房價泡沫定義，將房價HP分解為基本價值HPf和HPb兩部分：

HP=HPf+HPb（1）

式（1）中，HPf為房地產(chǎn)市場局部均衡狀態(tài)下的價格，HPb指超過基本價值而購房者仍愿意支付的價格，是房價對其基本價值的偏離。房地產(chǎn)市場局部均衡狀態(tài)下，假設消費者效用函數(shù)符合柯布——道格拉斯效用函數(shù)：

U＝（HPtHXt）k（GPtGXt）1-k（2）

式（2）中，HX和GX分別為住房和其他商品的購買量，GP為其他商品價格，t為消費時點，k為可支配收入中用于購買住房的比例，參照王京濱等（2022）將k取值0.2。對消費者來說，在既定的可支配收入Y下尋求效用最大化，則其最大化期望效用的約束函數(shù)表達式為：

LnEtU={kLnEtHPtHXt+（1-k）LnEtGPtGXt}（3）

s.t.：Et（HPtHXt+GPtGXt）=Yt

上述帶有約束條件的最大化問題的一階條件為：

EtHPtHXt＝kYt（4）

同理，對于開發(fā)商而言，在擁有總資金M的情況下進行房地產(chǎn)項目開發(fā)，并追求利潤I最大化。假設房地產(chǎn)市場是完全競爭市場，總資金M的機會成本為社會平均利潤率R，建造房屋的單位成本為C，且總成本是建房數(shù)量的二次函數(shù)，開發(fā)商在既定的資金最大化期望利潤的約束函數(shù)表達式為：

EtI=Et（HPtHXt-Ct（HXt）2/2-RtMt）（5）

s.t.：EtCt（HXt）2/2＝Mt

上述帶有約束條件的最大化問題的一階條件為：

EtHPt＝CtHXt（1+Rt）（6）

聯(lián)立式（4）和（6）可得房地產(chǎn)基本價值為：

HP＝（7）

考慮到房地產(chǎn)開發(fā)周期長，一般從土地獲取到預銷售需一年左右的時間。將式（7）右邊各項滯后一年：

HP＝（8）

由式（1）可得，房價泡沫可表示為：

HP＝HPt-（9）

（二）金融風險測度

關于金融風險的測度，鑒于本文的研究對象為宏觀層面的金融風險，因此，本文采用熵值法通過構(gòu)建金融風險綜合測度指標體系以測算金融風險大小。指標選取方面，本文選取保險、股票、銀行信貸以及房地產(chǎn)市場的主要指標（見表1）。

（三）TVP-SV-VAR模型構(gòu)建

為捕捉變量間的非線性關系，本文參考Wang等（2022）的研究，采用帶有隨機波動的時變參數(shù)向量自回歸模型（TVP-SV-VAR），模型的參數(shù)和協(xié)方差矩陣的時變特征能夠準確地反映出在不同時期變量之間的動態(tài)關系。模型設定如下：

yt=Xtβt+A∑tεt（10）

式（10）中t=s+1，…，n，βt，At，∑t均隨時間而變化。本部分選取房價基本價值、房價泡沫、金融支持和金融風險的2003-2023年季度數(shù)據(jù)展開建模分析，其中，金融支持為整個房地產(chǎn)業(yè)涉及的信貸情況，選取房地產(chǎn)貸款余額增加值來表示。數(shù)據(jù)來源于Wind數(shù)據(jù)庫、金融機構(gòu)貸款投向統(tǒng)計報告、國家數(shù)據(jù)、中國人民銀行等相關數(shù)據(jù)庫。

三、房價波動對金融風險的異質(zhì)性影響

本文采用ADF檢驗對變量進行平穩(wěn)性檢驗，發(fā)現(xiàn)一階差分后的數(shù)據(jù)均平穩(wěn)。因此，本文選取差分后的變量進行建模分析，分別記為f，b，l，r。進一步采用馬爾科夫鏈蒙特卡洛方法（MCMC）對模型（10）進行估計。同時，將MCMC采樣次數(shù)設置為20000次，同時根據(jù)SC信息準則確定模型最優(yōu)滯后階數(shù)為3階。估計結(jié)果分析如下：

第一，變量間同期關系分析。圖1反映的是房地產(chǎn)基本價值、房價泡沫、金融支持與金融風險之間影響關系隨時間變化的特征。由圖1（a）可知，房地產(chǎn)基本價值對金融風險的影響系數(shù)a（f→r）為負，可見，房價基本價值的波動更多體現(xiàn)的是抵押品價值效應，有利于降低金融體系內(nèi)的風險。而圖1（c）顯示的房價泡沫對金融風險的影響系數(shù)a（b→r）基本為正，這說明房價的泡沫成分更多體現(xiàn)的是增加金融體系內(nèi)的風險，且受異質(zhì)性泡沫的影響，其對金融風險的影響系數(shù)具有明顯的時變特征。

由圖1（b）可以看出，房價泡沫對金融支持的影響系數(shù)為正值，在整個樣本期間，影響系數(shù)先波動下降，后基本維持在0.6左右，時變特征較弱。圖1（c）和（d）分別是房價泡沫對金融風險的影響系數(shù)以及金融支持與對金融風險的影響系數(shù)，可以看出兩者的參數(shù)的變化趨勢十分相似，而a（b→l）的參數(shù)則保持一定的穩(wěn)定性。這說明金融支持是房價波動影響金融風險的重要中介變量。

第二，不同時點房價波動的異質(zhì)性影響分析。根據(jù)本文房價分解及宏觀調(diào)控政策情況，本文選取以下四個時點：一是2016年第二季度，房價波動“膨脹式”泡沫特征顯著，同時該時點房地產(chǎn)行業(yè)的外部宏觀調(diào)控政策偏向于寬松。二是2018年第三季度，該時點房價波動同樣表現(xiàn)為“膨脹式”泡沫特征，但外部宏觀調(diào)控政策趨于收緊。三是2021年第四季度，該時點“衰退式”泡沫特征顯著，同時外部宏觀調(diào)控政策處于較為收緊的階段。四是2023年第一季度，該時點房價波動同樣表現(xiàn)為“衰退式”泡沫特征，但我國各地陸續(xù)出臺寬松的房地產(chǎn)宏觀調(diào)控政策，政策環(huán)境持續(xù)放松。

不同時點房價泡沫與金融風險之間的脈沖響應結(jié)果如圖2。在四個不同的時點，房價泡沫對金融風險的影響存在時變特征。首先，在“膨脹式”泡沫時點，房價泡沫對金融風險的影響始終為正，并表現(xiàn)為先波動上升后波動下降。在“衰退式”泡沫時點，房價泡沫對金融風險的影響基本為正，同樣表現(xiàn)為先波動上升后波動下降的時變特性。其次，“膨脹式”泡沫對金融風險的影響要顯著大于“衰退式”泡沫。這說明，在房價快速上漲波動階段，其對金融風險的影響具有一定的隱匿性，較難被覺察。再次，在“膨脹式”泡沫時點，2016年第二季度房價泡沫對金融風險的影響顯著大于2018年第三季度，可知隨著外部調(diào)控政策的收緊，房價泡沫對金融風險的正向影響逐漸變小，即在市場繁榮期，而收緊的調(diào)控政策可改善房價泡沫帶來的金融風險問題。最后，在“衰退式”泡沫時點，2021年第四季度房價泡沫對金融風險的影響顯著大于2023年第一季度，說明隨著外部宏觀調(diào)控政策放松，房價泡沫對金融風險的正向影響變小，即在市場衰退期，寬松的宏觀調(diào)控政策有利于緩解房價泡沫帶來的金融風險問題。

第三，不同提前期下房價波動的異質(zhì)性影響分析。分別選取1期、4期和8期來刻畫短期、中期和長期房價波動與金融風險之間的沖擊影響。結(jié)果如圖3所示，在三個不同提前期下，房價泡沫對金融風險的影響存在時變特征。首先，各提前期下脈沖響應的沖擊基本為正，呈現(xiàn)出先波動上升后波動下降的變化趨勢，但在幅度存在一定差異，長期和短期的沖擊幅度顯著小于中期，即隨著提前期的延長，房價泡沫對金融風險的影響呈先漸強后漸弱的趨勢特征。

四、結(jié)論及政策建議

本文研究發(fā)現(xiàn)：金融支持是房價波動影響金融風險的重要渠道，房價波動中的泡沫成分是引發(fā)金融風險的關鍵原因，而符合基本面的房地產(chǎn)基本價值部分則會對金融風險產(chǎn)生一定的抑制作用?！芭蛎浭健迸菽瓕鹑陲L險的影響要顯著大于“衰退式”泡沫。不同宏觀調(diào)控政策時點下，房價波動的泡沫成分對金融風險的影響具有明顯的異質(zhì)性，且隨著提前期的延長，房價泡沫對金融風險的影響呈先漸強后漸弱的趨勢特征。

據(jù)此，本文提出需嚴守非理性投資的政策調(diào)控底線，根據(jù)市場發(fā)展的實時情況及時調(diào)整調(diào)控政策針對性，在保持“房住不炒”調(diào)控政策連續(xù)性和穩(wěn)定性的基礎上適當引導市場，著眼長期發(fā)展的同時需兼顧市場短期平穩(wěn)。銀行設置涉房貸款紅線，嚴守住房信貸閘門。

參考文獻：

[1]陳小亮，李誠浩.防范房價泡沫化風險的對策研究：“疏堵結(jié)合”的新思路[J].人文雜志，2022（02）：26-38.

[2]沈悅，李博陽，張嘉望.城市房價泡沫與金融穩(wěn)定性——基于中國35個大中城市PVAR模型的實證研究[J].當代財經(jīng)，2019（04）：62-74.

[3]郭文偉，黃子聰，何潔.房價泡沫與金融風險：相互促進或此消彼長？——基于省際面板數(shù)據(jù)的實證分析[J].南方金融，2022（05）：3-17.

[4]王京濱，夏貝貝，李博.土地財政、金融支持對房價泡沫的影響研究——基于制度因素與市場因素的雙重視角[J].管理現(xiàn)代化，2022，42（01）：48-52.

[5]WangJ，XiaB，Qiao H.Time-varyingimpactofhousingpricefluctuationsonbankingfinancialrisk[J].ManagerialandDecisionEconomics，2022，43（02）：457-467.

[6]PanH，WangC.Houseprices，bankinstability，andeconomicgrowth：Evidencefromthethresholdmodel[J].JournalofBanking&Finance，2013，37（05）：1720-1732.

[7]KoetterM，PoghosyanT.Realestatepricesandbankstability[J].JournalofBanking&Finance，2010，34（06）：1129-1138.

＊基金項目：河南省軟科學研究計劃項目“大數(shù)據(jù)賦能河南房地產(chǎn)金融風險監(jiān)測預警與防范對策研究”（項目編號：242400410252）；河南財政金融學院博士科研啟動費支持項目“基于時空異質(zhì)的房地產(chǎn)金融風險演化特征、驅(qū)動因素與處置機制研究”（項目編號：2023BS005）。

（作者單位：河南財政金融學院工程經(jīng)濟學院）