商業銀行信用風險與商業地產行業周期關系的實證研究

王海濤

摘 要：商業地產市場的繁榮程度與商業銀行信貸的發展密切相關。以不良貸款率（Y）作為信用風險指標，選取全國商業地產開發投資額（X1）和全國商品房銷售額（X2）來反映商業地產行業周期性，選取GDP增長率（X3）代表國民經濟增長指標構建VAR模型，并進行脈沖響應和方差分解探究各經濟變量對信用風險水平的傳遞效應和貢獻度。結果顯示，不良貸款率受全國商業地產開發投資額的負向沖擊，受全國商品房銷售額較大的正向沖擊，綜合來看，不良貸款率受到二者的正向沖擊，符合實際。

關鍵詞：信用風險；商業地產行業周期；VAR；脈沖響應；方差分解

一、引言

近些年伴隨著銀行業的急劇膨脹、信貸行業的快速發展、金融改革和創新的推進，商業銀行的信用風險（credit risk）逐漸暴露出來。信用風險是商業銀行面臨的各種風險中危害最大、處置最為棘手的一類。過高的信用風險不利于商業銀行的穩健運營，也阻礙著我國金融體系的健康高效發展。

作為存貸款的媒介，商業銀行受所貸款企業的周期性波動影響較大。商業地產行業的高利性、商行的逐利性決定了商業地產開發貸款及個人住房貸款是商業銀行貸款的主要類型。2016年全年，主要金融機構的人民幣商業地產開發貸款額迅猛增長，使得商業銀行的信用風險不斷積聚。

2008年金融危機之后，我國商業地產行業受商業銀行信貸政策的變化，經歷了一個由萎靡不振到欣欣向榮的波動周期。2012年時，被銀行信貸催生出來的商業地產、礦產等行業次級貸款激增，樓市崩盤，景氣度下跌。隨后2014年央行全面放開限貸，商業地產行業開始復蘇，到2016年底房貸增量已經達到5萬億，樓市一片繁榮景象。

因此，針對我國商業銀行信用風險水平與商業地產行業周期關系進行分析研究，是防范系統性金融風險、促進國民經濟又好又快發展的關鍵舉措，也是經濟新常態下商業銀行加強風險管理調控、降低不良貸款率的必然要求。

本文選取了2010年到2016年的季度數據，利用向量自回歸模型（VAR）中的“正交”脈沖響應函數（IRF）分析經濟變量對商業銀行信用風險影響的傳遞效應；運用方差分解（VD）得出各經濟變量對信用風險水平的貢獻度，并為商業銀行提供了防控信用風險的政策建議。

二、基本原理

VAR模型常用于分析和預測多個相關的經濟指標，從而解釋經濟沖擊對經濟變量帶來的影響。自1980年西姆斯（C.A.Sims）提出了VAR模型的概念與基本原理后，VAR模型就廣泛地運用于經濟系統的動態分析中。

滯后階數為P階的VAR（p）模型的數學表達式為：

其中，yt是k維內生變量列向量，xt是d維外生變量列向量，k×k維矩陣和k×d維矩陣H是待估計的系數矩陣，εt是k維擾動列向量。由于VAR中的滯后期變量皆在等式右邊，故模型不存在同期自相關的問題，用普通最小二乘法就能得出一致有效的估計量。

為了簡化VAR模型，我們定義一個n×1的時間序列向量：

本文將用式（1）中不含外生變量的非限制性向量自回歸模型來分析房地產行業周期波動對商業銀行信用水平的傳遞效應與貢獻度。

三、實證分析

1.樣本數據選取

由于商業銀行的信用風險水平很大程度上取決于其不良貸款率的高低，且二者呈正相關變動，因此本文將商業銀行不良貸款率指標（Y）作為商業銀行信用風險的代理變量。從中國銀監會網站選取了2010年第一季度到2016年第四季度商業銀行不良貸款率的樣本數據。

在商業地產行業指標的選取時，考慮到應能夠充分體現房地產行業經濟周期變化的特征，最終確定了GDP、全國商業地產開發投資額、全國商品房銷售額作為主要的經濟變量，并搜集了自2010年至2016年三個指標的季度數據，樣本容量為28。

2.數據分析與處理

（1）H-P濾波

由于原始數據包含長期趨勢項和短期隨機波動項，因此采用H-P濾波法，去除長期趨勢項，對隨機波動項進行量化，得到新的一組數據YN、X1N、X2N、X3N，并進行以下分析。

（2）單位根（ADF）檢驗

在對原數據建立VAR模型時使用非平穩序列進行OLS回歸會造成虛假回歸。為了保證回歸結果的無偏性、有效性，我們利用ADF（Augmented Dickey-Fuller）單位根檢驗對樣本數據的時間序列特征的平穩性進行檢驗，結果見表1。

ADF檢驗結果顯示，YN，X1N和X3N序列在水平值檢驗未拒絕原假設（原假設：序列具有單位根，是不平穩的），而一階差分后的X1N、X2N、X3N拒絕原假設，序列中含有一個單位根，是一階單整I（1），這說明變量之間可能存在協整關系。

（3）Johansen協整檢驗

Johansen協整檢驗是基于VAR模型的檢驗回歸系數特征的方法，用于分析多個經濟指標之間是否存在協整關系。協整檢驗是基于非平穩序列之上的，對各序列的ADF檢驗表明各變量都為I（1）序列，符合協整檢驗的條件。應用Johansen檢驗方法對YN，X1N，X2N，X3N指標之間的協整關系進行特征根跡檢驗（Trace檢驗）得到表2。

表2中的Trace Statistic即為特征根跡統計量，依次將特征根與5%顯著性水平下的Johansen分布臨界值進行比較。由于是右邊假設檢驗，若η0>臨界值，則拒絕原假設H00（不存在協整關系），表明各指標之間存在著協整關系；若η1>臨界值，則拒絕原假設H01（至多存在1個協整關系），表明至少有1個協整向量，依次進行下去。

由表2可知，第一行TS=112.2431>47.8561，即在5%的顯著水平下拒絕原假設，表明YN，X1N，X2N，X3N存在協整關系。第二行TS=55.38498>29.7971，即在5%的顯著水平下拒絕原假設，說明該模型中不止存在1個協整向量；第三行14.50021<15.49471，接受了原假設，說明不良貸款率（Y）、全國商業地產開發投資額（X1）、全國商品房銷售額（X2）和GDP增長率（X3）之間存在兩個協整向量，具有長期均衡關系。接著進行Granger檢驗，檢驗變量之間存在的因果關系。

（4）Granger因果關系檢驗

Granger提出，若X是Y的原因，則X應有助于預測Y，即在Y與Y滯后變量的回歸方程中，添加X的若干期滯后變量能夠顯著地提高Y預測的精度。Granger因果關系就是從預測角度定義的因果關系。Granger因果關系檢驗用于檢驗相關變量之間的依賴性。對于X1N、X2N、X3N是否是YN變動的格蘭杰原因，進行格蘭杰因果關系檢驗，結果見表3。

通過表3，可以得到如下結果：滯后階數為3時，接受原假設，即X1N、X2N、X3N和YN均不是Granger原因；滯后階數為1，2，4時，拒絕X1N、X2N、X3N不是YN的Granger原因，但都接受YN不是X1N、X2N、X3N的Granger原因，即X1N、X2N、X3N是YN單向格蘭杰因果關系。由此可知，全國商業地產開發投資額、全國商品房銷售額、GDP增速對不良貸款率沖擊明顯；不良貸款率對全國商業地產開發投資額、全國商品房銷售額、GDP增速沖擊不明顯。

3.實證模型的建立

（1）建立實證模型

通過單位根檢驗、Johansen協整檢驗及Granger因果關系檢驗，探究了原時間序列數據的平穩性、各變量之間的協整關系和因果關系，符合VAR模型建立的假設，因此建立了無約束的商業銀行信用風險與商業地產行業周期波動VAR模型。

則P階的VAR模型，即VAR（P）為：

（3）式中，C表示4×1維常數向量；表示4×4維自回歸系數矩陣；εt表示4×1維的向量白噪音。

（2）滯后階數的確定

選擇合適的滯后階數對VAR模型的正確建立起著關鍵作用。滯后項過少，模型不能反映理想的動態運動特征；但滯后項過多，所估計的變量參數就越多，模型的自由度越小。因此滯后階數應保證在一個合理的范圍內。本文運用AIC（Akaike Information Criterion）和SC（Schwarz Criterion）信息準則來選擇VAR模型的滯后階數。

運行EVIEWS 6.0得到所建立的模型滯后階數的判斷結果見表4。

AIC和SC信息準則要求AIC和SC的值越小越好，故結合表4的結果，確定了最優滯后階數為3階，即p=3。接下來下文的分析均建立在VAR（3）模型的基礎上。

（3）模型的穩定性檢驗

VAR模型穩定性的條件滿足：

（4）式中，j定義的是Yt在第j期的自協方差矩陣。對于具體的VAR（p）模型，其平穩性條件是逆特征方程：

解出的特征根全部落在單位圓外，或者特征方程：

解出的特征根全部落在單位圓內。

運用EVIEWS6.0得到單位根分布圖如圖2所示。

由圖2可以清晰地看出，VAR（3）模型的單位根全部落在單位圓內，模型是平穩的，可以進行脈沖響應和方差分解分析。

4.脈沖響應函數

在對VAR模型進行分析時，并不關注某個變量的變化對其他變量的影響，而是分析當隨機誤差項發生變動時，即模型受到某種程度的沖擊時系統的動態變化。這種分析方法即脈沖響應函數方法（Impulse Response Function，IRF），它能夠比較全面地反映各個變量之間的動態關系。

利用脈沖效應函數分析了商業地產行業的周期波動數據，即全國商業地產開發投資額（X1）、全國商品房銷售額（X2）和GDP增長率（X3）對商業銀行不良貸款率（Y）的變動影響。分別給X1、X2、X3一個正的沖擊，運用廣義脈沖方法得到了關于商業銀行不良貸款率（Y）的脈沖響應圖如圖3所示。在圖3中，實線表示商業銀行不良貸款率（Y）的脈沖響應函數，反映了不良貸款率對商業地產行業周期波動的反應程度，虛線表示正負兩倍標準差偏離帶。

從圖3可以看出，當在本期給全國商業地產開發投資額（X1）一個正沖擊后，商業銀行的不良貸款率在前10期先下降后上升，并在第10期達到最高點，此后一直穩定下降。這表明當全國商業地產開發投資額受到市場的正沖擊后，會使商業銀行的不良貸款率呈現顯著的負向沖擊并具有較長的持久性。當在本期給全國商品房銷售額（X2）一個正沖擊后，商業銀行的不良貸款率在前9期呈逐漸上升的趨勢，并在第9期達到最大，隨后開始持續下降。但整體來看，全國商品房銷售額在受到外部某一沖擊后，會給不良貸款率帶來正向沖擊。當在本期給GDP增長率（X3）一個正沖擊后，商業銀行的不良貸款率在第3期達到最低點后，一直趨于幅度不大的上下波動，說明GDP增長率受到沖擊對商業銀行不良貸款率的影響較小，僅有微小的正向沖擊。

同時得到了全國商業地產開發投資額（X1）、全國商品房銷售額（X2）和GDP增長率（X3）對商業銀行不良貸款率（Y）變動的綜合影響函數如圖4所示。

由圖4可知，由于商業地產市場的繁榮程度與銀行信貸的發展密切相關，影響商業地產行業周期波動的因子如全國商業地產開發投資額、全國商品房銷售額一旦受到外部的沖擊，就會引起商業銀行信用水平一定程度的波動，且綜合來看這種波動表現為正向的促進作用。

5.方差分解

方差分解（Variance Decomposition）是在脈沖響應的基礎上，更進一步地分析每一個結構變動對內生變量變化的貢獻程度（用方差來度量），從而評價不同因子對系統沖擊的重要性。運用EVIEWS對商業銀行的不良貸款率（Y）進行方差分析，得到表5。

通過表5可以發現，全國商業地產開發投資額和全國商品房銷售額對商業銀行的不良貸款率均有一定的影響。以全國商品房銷售額（X2）來看，盡管前幾期對不良貸款率的影響甚微，但從11期開始以較快的速度持續上升，到第15季影響最大。

四、結論與建議

本文基于我國商業地產周期行業波動和商業銀行不良貸款率2010年-2016年的季度數據，在對原始時間序列進行了ADF單位根檢驗、Johansen協整檢驗和Granger因果關系檢驗后建立了3階滯后期的VAR模型并對其平穩性、模型中各個因變量間的傳遞效應和貢獻度進行了分析探究，最終得出商業地產行業中全國商業地產開發投資額和商品房銷售額對我國商業銀行的信用風險影響較大，相對而言，GDP增速對商業銀行的不良貸款率貢獻程度較小。

從相關關系上看，商業銀行的不良貸款率受全國商業地產開發投資額的負向沖擊，受全國商品房銷售額較大的正向沖擊，綜合而言，我國商業地產行業的周期波動對商業銀行的信用水平存在著持久的正向沖擊。從時間關系上看，不良貸款率與商業地產行業的主要宏觀經濟變量之間具有相對穩定的滯后期，一般不良貸款率的變化滯后于經濟運行3到4期。

基于上述分析可以看出，銀行信貸業務集中的商業地產行業對商業銀行信用風險的水平有著一定的影響。商業地產市場的良性發展，有利于減少商業銀行的不良貸款隱患，降低其信貸風險。隨著政府關于商業地產新政的不斷出臺，促進商業地產行業健康合理發展成為政府當前的重要目標。本文就政府如何管理監控商業地產行業的發展、降低商業的不良貸款率提出了相關政策建議。

首先，在經濟新常態下，商業地產市場出現了非理性繁榮。一線城市房價飆升，購房需求量激增，并開始向二三線城市蔓延。政府必須采取中性偏緊的政策來為樓市降溫，如出臺限購令，并對商品房許可證、投機性買房、購房資金來源等問題進行嚴格的限定，以抑制商業地產泡沫的產生，控制商業地產信貸風險的滋生和積聚。同時，商業銀行要加強房產信貸管理，積極調整信貸范圍。完善房貸的相關法律法規，并嚴格監管信貸的數量、質量。發放住房按揭貸款時應注意核實貸款人的資產情況和購房原因，以首套剛性需求住房為主，并將更多的信貸資源偏向一、二線房價堅挺的發達城市。

參考文獻：

[1]劉研.我國商業銀行不良貸款成因及相關因素分析[J].系統工程，2007，5：66-74.

[2]李麟.經濟波動、不良貸款與銀行業系統性風險[J].數理統計與管理，2007，26（1）：149-157.

[3]郭毅，馬慧.從美國次貸危機看中國房地產金融法律的完善[J].高等函授學報（哲學社會科學版），2010，（04）：28-30.

[4]張碧英：銀行不良貸款的博弈分析[J]統計與決策，2007，5：103-105.

[5]張琳.基于VAR模型的商業銀行信用風險與經濟周期關系的實證研究[J].時代金融，2014，（08）：130-131+140.

[6]白玉華，吳艷文.基于VAR模型的廣西就業結構演進影響因素分析[J].現代管理科學，2014，（02）：90-92+101.

[7]董彥嶺，朱興婷，劉然.熱錢流入對我國一、二線城市房價影響差異的實證分析[J].山東經濟，2011，（04）：37-44.

[8]高鐵梅，王金明，梁云芳.計量經濟分析方法與建模.[M].北京：清華大學出版社，2009.5.

[9]劉璐，吳洪鵬.我國國際資本流動影響因素的實證分析：1982-2004[J].哈爾濱商業大學學報（社會科學版），2006，（06）：70-73.

[10]周躍輝，周定根.基于M_2/GDP視角的中國貨幣化進程問題研究[J].經濟研究參考，2015，（41）：79-82+86.

[11]郭啟陽.物流業對區域經濟增長的推動作用研究[D].西南大學，2013.

[12]吳文忠.房地產行業周期變化與銀行不良貸款相關性增強，警惕房市調控對銀行資產的沖擊[J].赤子（上中旬），2016，（21）：136.