《房地产信贷波动与房价波动相互关系研究》由会员分享，可在线阅读，更多相关《房地产信贷波动与房价波动相互关系研究（12页珍藏版）》请在金锄头文库上搜索。
1、pood房地产信贷波动与房价波动相互关系研究钟诚一、房地产信贷波动与房价波动相互关系概述（一）银行信贷加速房价上涨的机制分析根据静态和适应性预期理论，房地产市场的各种参与者包括银行等金融机构 和消费者在预期后续房价还会上升的情况下， 银行会放松贷款条件，增加房地产 信贷额度。在获得贷款条件放松和预期房价上涨的情况下，除了原有的房地产参 与者获得更多贷款外，由于“羊群效应”，大量的投资者、投机者和新的消费者、 开发商参与进来，而房地产产品作为一种商品，其价格也是由需求和供给双方的 力量相互作用形成的，从供给的角度看，开发商获得大量信贷资金必然会进行后 续的项目购置和开发，大量的理论和实践表明，短
2、期内地价受房价影响，由于房 价的上升或预期上升，地价也随之上升，在我国地价是房地产成本构成的主要部 分，因此房价必将随地价的上涨而上涨。 从需求的角度分析，随着参与其中的投 机者不断增加，需求人数会急剧上升，在房地产供给增加不多甚至减少的情况下， 房价也会被推高。因此，供给和需求的相互作用致使房价不断上涨。另一方面， 房价的上升不仅会提高银行自有房产的价值， 还会提升银行贷款的质量，促使银 行减少储备，进一步增加信贷数量。以上两方面相互作用必然会导致 “银行贷款 增加一一房地产价格上升一一银行贷款增加”的螺旋式上升结果。在房价拐点未 来临之前，大量投机者的存在及银行信贷的支持， 使得房地产价格
3、日益脱离实际 的均衡价格和基础的价值，导致房地产泡沫的产生并不断膨胀。（二）银行信贷加速房价下跌的机制分析房地产信贷不仅在房地产上升周期中对房价影响很大， 在房地产周期性波动 中的下降阶段也扮演了同样重要的角色。 在宏观经济环境发生逆转，房地产行业步入下行通道时，一方面，用于发放房地产信贷的抵押品价格大幅下降， 而信贷 的需求者会由于经济条件的改变而产生违约的可能，致使银行资产质量下降；另 一方面，房价的下降直接降低银行所拥有的房地产资产的价值，导致银行资产大规模缩水等。所有这些因素都会促使银行减少房地产信贷规模，而房地产业是个资金密集型产业，一旦投入资金的减少和基于价格下降的预期导致有效需求
4、减少 势必会造成房价下行的压力。为了应对不利局面，监管者可能执行更为严格的监 管措施以缩减房地产信贷的投放，致使房价进一步下降。二、房地产信贷波动与房价波动相互关系分析的理论模型及实证（一）指标、数据的选择反映房地产信贷主要有两个指标，即房地产开发资金来源中的国内贷款部分 和个人住房抵押贷款。但是个人住房抵押贷款数据在国内不属于公开数据，无从查起，所以在实证分析中将其剔除，只选取国内贷款的数据。反映房地产价格波 动的综合指标是房地产销售价格指数，数据容易获得。本文模型选取从1999年1月份到2008年12月份共40个季度的数据进行整 理。数据来源于中经网统计数据库，其中国内贷款部分为月度累计值
5、，经过简单 的处理，换算成季度累计值。房地产销售价格指数为当季值，并以上年=100来衡量，为了使价格水平具有可比性，选取 1998年销售价格指数为100,计算每 年各个季度在1998年的基础上累计价格指数值，并进一步计算出每个季度的指 数增量值，以反映出价格的变化水平。为了使因变量与解释变量之间具有可比性， 信贷资金量选取每个季度的新增量。（二）银行房地产信贷与房价关系的实证分析1、模型设定。选取房地产价格指数HP作为因变量，银行房地产信贷资金 L为自变量。模型的具体形式如下：(1)ln HPt - ln Lt 二为了使方程的回归系数更有实际，这里采用了对数的形式。式中为常数项, t为随机扰动
6、项。2、误差修正模型（ECM2.1 序列平稳性检验。在实践中遇到的经济和金融数据大多是非平稳的时间序列。如果直接用非平 稳的时间序列进行回归建模，即使模型本身拟合得很好，但是它的残差序列是一 个非平稳序列，残差序列是一个非平稳序列的回归称为伪回归。 因此必须对时间 序列进行平稳性检验。通常的方法有 ADF法和pp法，本文主要采用ADF法进行检验，检验的结果如下表：表1各时间序列变量的单位根检验结果变量ADF 值1%的临界值 5%的临界值10%的临界值检验结果In HP-1.9489-3.6105-2.9390-2.6079不平稳In L-1.6154-3.6329-2.9484-2.6129不
7、平稳 = ln HP-6.8400-3.6156-2.9411-2.6091平稳 =ln L-2.9986-3.6463-2.9540-2.6158平稳注：如nHP、“InL表示一阶差分从表1中可以看出，各变量的ADF值都大于10%勺临界值，表明变量的时 间序列都不是平稳的，而各变量经过一阶差分后，In HP在1%勺水平下显著,冷L在5%勺水平下显著，因此两个时间序列都是一阶单整，即为11 o2.2 协整检验。协整检验是对回归方程的残差进行单位根检验。如果因变量和解释变量之间存在协整关系，即稳定的均衡关系，那么方程回归的残差应该是一个平稳序列。进行协整检验的变量必须有相同的单整阶数，上述对房价
8、指数的对数In HP和信贷资金L的对数In L进行单位根检验可知都属于1 1，因此接下来对其进行协整 检验。首先根据公式（1）进行回归，得到如下估计方程为：A.In HP 一 -8.7367141.657721ln L t（-12.73257）（ 15.97996）2R =.87DW. =1.29（2）上式中括号内表示t值，从式（2）可以看出，回归方程拟合实际数据效果很好，表明当信贷资金的量每变动1%房价会变动1.66%。对式（2）回归的残差序列进行平稳性检验，结果如下表：A表2残差t的单位根检验结果变量ADF值1%的临界值 5%的临界值 10%的临界值检验结果At.-3.490349-2.6
9、34731-1.951000-1.610907平稳A.从表2中可以看出，残差序列在 t在1%的显著性水平下通过检验，即不存 在单位根，表明残差序列是平稳的，即为I 0，因此，lnHPt和1nLt之间T具有协整关系，且协整向量为1厂1.657721。2.3 误差修正模型ECM。根椐En gle和Gran ger（ 1981 ）两步法估计房地产价格和信贷的误差修正模型，以反映它们的短期动态关系。第一步，进行协整回归（OLS法）,检验变量间的协整关系，估计协整向量（长期均衡关系参数）；第二步，若协整性存在， 则以第一步求到的残差作为非均衡误差项加入到误差修正模型中，并用OLS法估 计相应参数。第一步
10、已经在上面协整检验中处理过了， 下面是对第二步的处理过 程：A.令误差修正项ecmt二t，建立下面的误差修正模型：ln HPt= ecm二 2 lnLt t经估计得到下式： ln HPt = 0.089813 -0.293338ecmt209033匚 In Lt（4）从短期看，房屋销售价格的变动是由较为稳定的长期趋势和短期波动所决定 的，短期内系统对于均衡状态的偏离程度的大小直接导致波动幅度的大小。从长期看，协整关系起到引力线的作用，将非均衡状态拉回到均衡状态。在误差修正 模型中，差分项反映了短期波动的影响。 房价的短期波动可以分为两部分： 一部 分是短期房地产信贷波动的影响；一部分是偏离长期
11、均衡的影响。误差修正项 ecm的系数大小反映了对偏离长期均衡的调整力度，上一期偏离越远，本期修正的量就越大，即系统存在误差修正机制。从式（4）的系数估计值（-0.293） 来看，当短期波动偏离长期均衡时，将以-0.293的调整力度将非均衡状态拉回 到均衡状态。3、VAR模型。3.1 .模型滞后阶数的确定。一个理想的模型，AIC和SC应该都很小，所以，可以通过对滞后阶数不同的 模型的AIC和SC值进行比较，从中选出AIC和SC都较小的模型。本文中各阶滞 后的AIC和SC值如下表所示：表3各阶滞后的AIC和SC值一期滞后二期滞后二期滞后四期滞后AIC-0.380841-0.224046-0.277
12、934-0.866241SC-0.1169210.2158210.337879-0.074481从上表可以看出，AIC的最小值是四阶滞后期的值（-0.866241 ），SC的最小值是一阶滞后期的值(-0.116921 ),因此无法确定模型的滞后阶数。接下来利用 LR检验继续进行检验，得出的结果是滞后阶数为4。从单位根的图形中也可以看 出，图形如下：In verse Roots of AR Characteristic Polyno mial1.51.00.50.0-0.5-1.0-1.5-1.5-1.0-0.50.00.51.01.5图1 VAR模型设定的单位根检验从图1中可以看出，所有的单位
13、根都落在单位圆内，因此设定的模型是稳定 的，即确定滞后阶数为4。3.2 .模型的建立。利用EViews6.0对1n HP、ln L进行回归估计得出如下结果：表4 VAR模型参数的估计值ln HPln Lln HPIn Lln HPln Lln HP(-1)0.615194-0.126901ln HP(-4)-0.1696560.139738ln L(-3)0.164646-0.0174900.184400.134190.177900.129450.175610.127793.33617-0.94570-0.953681.079440.93757-0.13687ln HP(-2)0.186615
14、-0.245453ln L(-1)0.4478860.196772In L(-4)0.0343790.7220500.216930.157860.176730.128610.177080.128860.86026-1.554912.534281.530040.194155.60351ln HP(-3)0.0262730.159937In L(-2)-0.1161940.138074C-2.6651920.1430580.213290.155210.177540.129191.203840.876030.123181.03048-0.654481.068761-2.213900.16330表为VAR模型参数的估计结果，每个自变量所在行为系数估计值，第二行为估计参数的标准差，第三行为t检验统计量，C为常数项。将参数额估计结果写成矩阵形式如下:In HPln L2.665192(0.615194 0.447886 +1-0.1269010.196772*ln HP(-1)、 Jn L (-1 )广 0.186615 -0.116194、In HP(-2 f+S.0262730.164646、ln HP(-31-0.245453
