我国房地产市场波动对金融结构的影响(上)

摘要:目前，房地产行业是我国宏观经济的支柱行业，房地产市场的资金主要来源于商业银行，并对我国的金融结构影响较大。构建了衡量金融结构融资效率的跨期互补效应模型，通过实证分析的方法分析了房地产行业的发展对我国金融结构的影响。结果显示:无论是房地产开发投资还是住宅类房地产开发投资，它们在初期对金融结构中各个融资体系跨期互补效应的影响均是正面的，但在长期，这种影响效应会越来越小，并转为负面影响。这意味着从长期来看，房地产的发展不利于金融结构中融资体系之间的跨期互补效应，也就是说，房地产行业的发展不利于我国金融结构融资效率的提高及优化。
    关键词:房地产，金融结构，融资效率

一、引言
    
    金融结构(Financial Structure)指各种金融工具和机构的相对规模，即包括金融与实体经济的配比关系，又包括各类金融工具与机构在金融资产中的比例关系。金融结构是衡量一国金融体系效率的重要指标，完善的金融结构可以有效减少市场信息不对称、分散金融风险、降低市场融资成本以及促进储蓄向投资转化，引导资源配置到具有较高运行效率的实体经济部门。同时在完善的金融结构中，间接融资和直接融资之间能够实现跨期互补效应，也就是说银行贷款和金融市场融资之间能够有效替代，当银行贷款效率下降时，金融市场能够进行有效补充，或者金融市场融资效率下降时，银行贷款能进行有效补充。融资体系之间的跨期互补效应是衡量金融结构效率的重要指标。
    目前，房地产市场资金主要来源于商业银行(见图1)，图1给出了2001-2010年间房地产市场的资金来源占比，图中显示，国内贷款占比虽然低于自筹资金占比和其他资金占比，但房地产市场的自筹资金主要来自于商业银行，其他资金来源主要是购房者的“定金和预付款”，而购房者款项的主要来源也是商业银行，这样看来，房地产市场来源于商业银行的资金占所有资金的比重超过了90%。
    

随着房地产行业对GDP贡献力度不断增加，银行部门向房地产行业的贷款规模也不断加大，大量资金流入房地产市场，一方面促使房地产价格居高不下，另一方面强化了商业银行在金融体系中的主导作用，实体经济的融资需求更加依赖于银行体系，金融体系结构更加失衡。房地产市场的发展速度和规模已经严重影响到我国金融结构融资效率的提高及优化。
    学术界也非常关注房地产市场波动对金融结构的影响。Kindleberger(1978)和Minsky(1982)认为银行贷款和房地产价格之间存在双向因果关系，这种关系会导致信贷和房地产市场相互加强的循环。他们认为对于家庭部门而言，房地产和银行贷款是其主要的资产和负债，房地产市场的波动会使家庭部门严重依赖银行贷款。Bernanke and Gertler(1989)、Kiyotaki and Moore(1997)以及Bernanke and Gertler(1999)从“金融加速器”的角度分析了房地产市场波动对金融结构的影响。他们认为由于存在借贷限制，借款人只有提供抵押品才能获得贷款，这导致借款人的融资能力取决于抵押品(房地产)的净值，由于净值变动是顺周期的，这种顺周期性通过“加速效应”放大贷款规模，由此影响到融资结构。Mishkin(1999)认为房地产市场波动会通过信息不对称途径促使商业银行信贷规模的顺周期变动，由此影响到金融体系的融资结构。他还认为如果由信息不对称引起的逆向选择和道德风险积累到一定程度，金融体系的融资功能就有可能瘫痪。Chen(2001)通过建立一般均衡模型来对房地产波动对金融结构的影响进行分析，他认为房地产波动通过抵押品的价值来对银行信贷以及融资结构产生影响。
    在美国次贷危机爆发之前，MBS、CDO等房地产衍生工具的发展对金融结构产生了更深层次的影响。房地产衍生工具不仅拓宽了金融体系的融资渠道，更使金融结构得到了优化，多层次融资体系逐渐形成。有学者甚至表示，这些衍生工具出现使金融体系中的“投资约束”将不复存在，市场中也不会出现流动性短缺(Kehoe and Levin，1993；Krishnamurthy，2003；Lorenzoni，2008)。但是次贷危机的爆发弱化了房地产衍生工具对金融结构的作用，甚至导致金融体系融资功能的丧失(Bervas，2008；BIS，2008；Kapadia，Millard and Perez，2008；Reinhart and Rogoff，2008)。由此看出，不仅房地产市场本身可以对金融结构产生影响，其衍生工具的不断创新也能够影响到金融结构。在我国，随着房地产行业对GDP增长贡献力度不断加大，实体经济的融资需求也更加依赖于银行系统，本论文的目的就是通过实证分析方法来判断房地产行业的发展是否影响到了我国金融结构的优化及融资效率的提高，房地产市场波动是否阻碍了融资结构之间的跨期互补效应。
    二、金融结构中融资效率的分析框架
    我们构建一个涵盖经济增长、商业银行贷款和其他金融市场融资的理论模型。我们以扩展的Cobb-Douglas生产函数(Ramirez，2000)为基础，建立如下函数:
    

    其中，η=Hz，H代表经济中的教育水准，l为劳动的投入量，z是相对于劳动投入的教育回报，Y为实际产出，A为生产效率系数，KB为经济中从商业银行获得的贷款额，E通过金融市场获得的融资额度，比如股票市场和债券市场融资等。在上面的方程中，α、β和(1-α-β)分别表示劳动投入，银行贷款以及金融市场融资对经济增长的促进比例。我们在这里遵循经典模型中每种要素边际收益递减的假定，因此α和β都小于1。因此，E可以由Cobb-Douglas生产函数重新表述为:
    

    在上面的式子中，KF是通过金融市场获得的融资，θ和φ分别代表商业银行贷款和金融市场融资的边际效用以及替代弹性。我们把上面关于E的表述代入Cobb-Douglas生产函数，可以得到:
    

    因此得到:
    

    在上面的式子中，如果θ>0，就意味着银行贷款与金融市场融资之间存在跨期互补效应，也就是说银行贷款和金融市场融资之间能够实现有效替代，金融结构的融资效率较高；如果θ<0，就意味着银行贷款和金融市场融资之间存在挤出效应，即银行贷款效率的上升会降低金融市场的融资效率，或者金融市场融资效率的上升会降低银行贷款的融资效率。
    三、房地产波动对金融结构影响的实证分析
    在上面的内容中，我们用一个扩展的Cobb-Douglas生产函数对银行贷款和金融市场融资之间的跨期互补效应进行了分析，我们认为如果一个金融结构是有效的，那么各个融资部门可以实现有效补充，也就是说当金融市场的融资功能下降时，商业银行能够进行有效的补充。在我国，房地产已成为经济增长的主要贡献力量，房地产市场的资金主要来源于商业银行，这一部分内容主要通过实证分析来判断房地产市场波动是否阻碍了我国融资体系之间的跨期互补效应，如果确实存在这种阻碍效应，则说明我国房地产市场的发展不利于金融结构效率的提高。
    (一)数据的选取
    对于金融市场融资，我们以股票市场境内外筹资额(stock_financing)和债券每月发行额(bond_financing)之和进行衡量，其中债券包括政府债券、央行票据、金融债券、政策性银行债券以及企业债券等债券的发行额。为了不失分析的完整性，我们将股票市场每月成交额(stock_volume)和交易所债券每月成交额(bond_volume)纳入进来进行分析。对于商业银行贷款，我们以金融机构的各类贷款(bank_loaning)来衡量。对于房地产市场，我们以房地产开发投资总额(House_inves-ting)和住宅类房地产开发投资额(Home_inves-ting)来衡量。所有数据均来自Wind咨询，时间区间为2005年1月到2011年11月。根据所构建的扩展的Cobb-Douglas生产函数，我们可以建立如下两个变量，从而对金融结构中不同融资体系之间的跨期互补效应进行衡量:
    

    (二)我国房地产市场波动对金融结构影响的实证分析

1.对金融结构中不同融资体系之间跨期互补效应的初始判断
    

    图2是以“金融市场发行额”为基础的变量(r1)变化图。从图1中可以看出，在大多数时间里r1是大于零的，在2007年上旬和2010年末，这个替代变量甚至达到20左右，由此看出，以“金融市场发行额”为基础的跨期互补效应衡量指标表明金融市场融资和银行贷款之间没有形成有效的互补效应，也就是说金融结构的融资效率是比较低的。
    

    图3是以“金融市场交易量”为基础的变量(r2)变化图。从图中可以看出，类似于图1，该图也显示大多数时间内的r2是大于零的，在2010年末，这个变量高达15。因此我们可以看出，和前面讨论的以“金融市场发行额”为基础的衡量指标一样，以“金融市场交易量”为基础的衡量指标也表明金融市场融资和银行贷款之间没有形成有效的互补效应，金融结构的融资效率比较低下。
    2.房地产市场对金融结构影响的实证分析
    上面我们对我国金融结构中的跨期互补效应进行了初步分析。从数据显示来看，从2005年1月到2011年11月的大多数时间里，反映跨期互补效应的指标值在大多数时间里是大于零的，说明我国金融结构中的跨期互补效应比较弱，融资效率比较低下。在本部分内容中，我们纳入反映房地产市场的一些基本数据，采用计量经济理论中的VAR模型，通过实证分析的方法来判断我国房地产行业的发展是否阻碍了融资体系之间的跨期互补效应，如果确实存在这种阻碍效应，则我们认为房地产行业的发展已经影响到我国金融结构融资效率的提高及优化。对于房地产市场衡量指标，我们采用房地产开发投资总额(House_inves-ting)和住宅类房地产开发投资额(Home_inves-ting)。为了防止异方差，我们对这两组数据进行自然对数处理。所有检验结果均由EVIEWs5.0统计软件来实现。
    (1)数据的平稳性检验由于大多数时间序列数据是不平稳的，为了保证分析效果，我们首先对数据进行平稳性检验。我们采用ADF检验法对数据进行单位根检验，其检验结果见表1和表2。表中显示各个变量在水平值的序列下接受原假设，即序列不平稳，但一阶差分序列的ADF值在1%、5%和10%的水平上是显著的，因此数据的一阶差分是平稳的，从而可以进行协整检验。
    

    (2)变量之间的协整检验协整检验可以解释变量之间的长期稳定关系。我们在进行协整检验之间，首先进行滞后阶数的检验。对于滞后阶数的确定，最主要的方法就是AIC信息准则和SC准则。判定方法就是它们的值越小越好(见下表)。
    

    表中显示，通过对三列不同滞后阶数建立向量自回归模型进行分析，并根据滞后阶数的判断标准，即AIC和SC值越小越好的原则我们可以判定模型的最优滞后阶数为3阶。
    协整检验是用来判断变量之间是否存在长期均衡关系。如果变量之间存在协整关系，那么它们之间就存在长期均衡的变化趋势。下面我们采取Johansen协整检验中的特征根迹检验和最大特征值检验来判断变量之间的协整关系，见下表3、4。
    

    从表3和4可以看出，不管是Johansen协整检验中的特征根迹检验，还是最大特征值检验均反应至少两个向量是协整的，因此存在协整关系。