商業銀行房地產信貸風險的度量與預測
——基于多元線性回歸分析方法

文/李洪超

引言

自20 世紀80 年代儲蓄和貸款危機以來，銀行業和住房融資發生了重大變化。在此之前，傳統銀行市場分散，包含大量小型和專業公司，結構性變化（例如技術和放松管制）緩慢但切實地將分割的銀行公司轉變為整合的多產品金融機構之一，這也標志著金融服務業的誕生。在這一轉型期間，商業銀行越來越多地將其產品和資產組合轉向消費貸款，這一部分在傳統上是儲蓄和信用合作社的專長。

隨著我國社會的發展和城鎮化程度的不斷提高，房地產貸款在銀行貸款中的比重不斷加大。2021 年，天風證券研究所的報告顯示，全國主要的16 家銀行涉房貸款占據了全部貸款的33%，這在持續推動房地產行業高速發展的同時也為銀行帶來了巨額利潤，但在這種相互促進的美好景象之中不容忽視的是，房地產市場體量大，而且影響房地產市場的因素較為復雜，蘊含了較大的財務風險，進而給銀行信貸資產帶來了巨大的風險。除了企業經營狀況的影響之外，國內整體宏觀經濟形勢也是一大影響因素，而宏觀形勢對房地產信貸風險影響的兩面性使得相關研究變得愈發困難。當宏觀經濟上行時，房地產行業會利潤大增，同時銀行會放松對房地產企業的銀根，在加大對房地產支持力度的同時減弱監管力度，一方面會刺激房地產行業的繁榮和降低不良貸款率，另一方面也會增加潛在的信用風險。

基于此，本文將從宏觀經濟視角出發，采用多元線性回歸的分析方法，得到能反映房地產信貸風險變化的一攬子指標。此外，本文還會引入非物質性指標（人力資本）以及前瞻性指標（綜合領先指數），建立商業銀行房地產不良貸款率的預測模型，并據此提出相應的風險控制對策，以便有效地防范房地產行業下行對金融行業的不利影響。

一、國內外文獻綜述

本研究涉及商業銀行信貸風險的界定（計量）、商業銀行房地產信貸風險的成因及風險控制對策等三個方面的內容，對于這些內容，理論界均有所研究。

學者曹帥從兩個方面（商業銀行信貸風險的含義及相關理論、信貸風險現狀及成因分析）進行闡述，運用CPV模型證明了CPI、一年期貸款利率LPR 的變動對于商業銀行房地產信貸風險的重要影響。[1]學者靳鳳菊先從理論上非常透徹地分析了CPV 模型的優勢和應用的可行性，[3]然后分部門分行業選取變量，認為國房景氣指數對房地產不良貸款率的影響最為顯著，且為負相關，最后通過BG 檢驗驗證了自己的結論。[4]學者黃俊杰則將1 年到3 年期的貸款利率引入模型里面，證實該貸款利率與房地產信貸風險成反比，還從政府和銀行兩個方面提出了一些防范信貸風險的建議。[2]齊雅坤采用CPI 的計算方式消除了各變量的通貨膨脹影響，然后通過線性回歸得出對房地產信貸風險影響最大的宏觀變量為貨幣供應量M2。[6]王俊籽等人認為房地產企業的經營狀況在很大程度上影響著商業銀行信貸資產質量，房地產的違約很有可能誘發銀行信貸風險進而導致金融風險。他們運用基于24 家上市公司面板數據的logistic 模型證實了降低房地產信貸風險的三種途徑：提高股東權益、加強短期償債能力、增強現金流量。[7]祁樹鵬等人采用向量自回歸模型（VAR）證實宏觀經濟變量的波動會對我國商業銀行信貸風險產生較大的影響。[5]

房地產市場在最近的金融危機中扮演著重要角色。認識到這一點，一些學者總結了房地產市場動態的四個問題，這四個問題的基本點是如何更好地理解房地產周期中的風險。[13]由于其流動性不足和異質性，房地產投資往往具有不同的風險調整后回報，同時，房地產市場與其他行業相互影響，使得房地產市場成為當地經濟的支柱產業。因此，從長遠來看，房地產投資的回報往往是穩定和有吸引力的，而在這些投資中，證券化房地產在亞洲國家特別受歡迎，對房地產市場具有重大影響。此外，由于房地產市場容易受到泡沫的影響，學者們有理由相信證券化房地產市場也是如此。[9]與直接房地產投資相比，證券化房地產投資具有相對較高的流動性水平，這使得資產價格波動更大。還有學者認為在蓬勃發展的市場中，資產價格的急劇上漲會不斷吸引新的參與者進入市場。[11]學者們甚至認為，一些投資者也意識到了資產定價過高或所謂的泡沫（定義為偏離基本面的非理性價值)現象。[12]有些專家從不同角度出發剖析了不同信貸風險度量模型的不同適應范圍。[14]國外學者運用“金融加速器”的概念[8]，闡述了宏觀經濟、房地產和商業銀行之間存在著相互作用，宏觀經濟下行，房地產市場不景氣，房地產企業的資產負債惡化，引發商業銀行的系統性風險。有學者則從國家宏觀調控的措施入手，深度解析了國家貨幣政策影響房地產和銀行的作用機制。[15]還有學者發現，金融市場和金融服務業各部門的結構性變化，特別是儲蓄和貸款部分，會給商業銀行帶來機會和威脅。[16]許多銀行家，尤其是當地社區的銀行家，已經將他們的投資組合轉向房地產貸款或住房融資。例如，房地產貸款銀行的數量從1989 年底的1724 家增加到1996 年底的2835 家，因此，銀行業的大幅整合與房地產業的收縮平行尤其值得注意。監管資本套利、聯邦存款保險改革以及FHLB 招聘的機會，為銀行更多地參與房地產貸款提供了額外的激勵。有學者實證評估了2006-2019 年間會計和財務變量對中國傳統銀行、影子銀行以及房地產金融服務的系統性風險水平的影響，通過評估危機時期的影響來進行一些穩定性分析。研究發現，大型金融機構的規模擴大增加了系統性風險，而后者對房地產金融服務的規模不敏感，相反，房地產金融服務對期限錯配和杠桿特別敏感，國有和非國有銀行的系統性風險也存在不同。[10]

國內外學者的研究理論與研究方法為本文的研究提供了較好的基礎。然而，已有研究的變量多集中在GDP 和CPI 上，一些重要但容易忽視的變量并未被納入模型，致使模型擬合優度不高，因此，本文將會針對這些不足之處展開研究。

二、模型構建

商業銀行信貸風險可以采用KMV 模型、CM 模型、CR+模型、CPV 模型等不同的計量模型進行計量，但相較而言，CPV 計量模型具有如下優勢：(1)CPV 模型的變量是宏觀經濟變量，適用范圍更廣，數據在我國更易獲??；(2)CPV 模型考慮了價差風險，既是盯市模型也是違約模型；(3)CPV 模型會隨著宏觀經濟狀況的變化改變違約率和信用等級轉換矩陣的概率。

信用組合觀點模型CPV 是麥肯錫公司在1997 年提出的。CPV 模型既關注是否出現不履約行為，同時還考慮企業或者個人的信用等級的變化，以及當前企業信貸資產的變動。模型利用統計學方法與動力學相結合來作定量分析，不僅依據借款企業信息資料，還考慮到國際宏觀經濟指標，數據權威性與連續性都能得到保障，模型的建立基礎堅實。CPV 模型基本假設如下：（1）各宏觀經濟變量之間不存在完全共線性；（2）模型殘差項不存在自相關性且同方差。

其中：βj= (βj,0,βj,1,βj,2,...,βj,n) 代表參數；

Xj,t=(Xj,1,t,Xj,2,t,...,Xj,n,t)代表n 個宏觀經濟變量；

μj,t代表殘差項，服從正態分布，即μj,t～N(0,σJ)。

三、實證分析

（一）變量選取

本文從國家、商業銀行、政府、房地產行業、消費者等與房地產行業相關的各個領域和部門依次選取指標。

首先選取國家宏觀層面的指標：

宏觀經濟一致指數（CI）。該指數反映當前宏觀經濟的基本走勢，當該指數的走勢向好時，居民消費和企業投資的熱情增加，就業率上升，居民收入和企業利潤上升。

綜合領先指數（CLI）。該指標用來預測未來幾個月的宏觀經濟狀況，當CLI 上升時，意味著未來國家經濟發展整體向好，反之則經濟有下滑趨勢。

實際總人力資本（ATHC）。該指標是一個非物質資本，它涵蓋了勞動者的知識、技能、文化以及健康水平等方面，更高的人力資本水平意味著更強的生產能力和更強的盈利能力。

M2 同比增長率（M2GT）。房地產行業的發展很大程度上依賴于金融業的支持，故M2 的變化必然會對房地產行業產生影響，尤其是房價，M2 的增多往往會抬高房價。

貸款基準利率（LPR）。貸款基準利率是各大金融機構制訂貸款利率的標準，提高基準利率，會收縮信貸，減少投資。

然后選取房地產行業的指標：

國房景氣指數（CERCI）。該指數綜合反映了房地產發展狀況，CERCI 過高或過低都會對房地產行業產生不利影響。

房地產開發投資增長率（REIGT）。該指標反映了在一定時期內，房地產企業在道路、供電、供熱等基礎設施的建設和與房地產開發配套的服務設施上的投資的增長情況。

隨后選取政府層面的指標：

政府財政支出（TPFE）。政府財政可以推動房地產行業的開發投資，同時，在房地產企業困難時期，積極的財政配合貨幣政策有利于房地產業發展。

最后選取消費者層面的指標：

消費者價格指數（CPI）。CPI 是衡量通貨膨脹非常重要的指標，CPI 上升，意味著物價水平上升、實際工資下降，會對企業投資和居民消費產生不利影響。

房地產信貸風險用不良貸款率P 來衡量，將P 通過logistic 模型轉化為宏觀經濟指標Y，所有的變量采用2011年至2021 年的月度數據，貸款基準利率采用當年的最新報價，當年無最新報價的采用去年最后給出的報價(表1)。

一般情況下，宏觀經濟變量之間普遍存在著相關關系，但如果變量之間存在著嚴重的線性相關關系，這種多重共線性就會導致回歸結果不準確，產生偽回歸。由于選取的變量多達9 個，本文先對變量之間相關性的大小進行檢驗，然后根據檢測結果來判斷是否進行多重共線性的篩選。由表2 中的數據可知，各自變量之間的相關系數有的達到了0.8 甚至0.9 以上，存在著嚴重的相關關系，因此需要對數據進行多重共線性的檢驗，篩除相關性較強的一些變量，確?；貧w結果準確。各變量之間的相關系數如表2 所示。

表2 各宏觀經濟變量之間的相關系數

這里運用SPSS 進行變量的篩選。采用后退法，經過6 次篩選后，剔除了消費者價格指數、宏觀經濟一致指數、政府財政支出、M2 同比增長率、貸款基準利率等5 個經濟變量，保留國房景氣指數、綜合領先指數、實際總人力資本、房地產開發投資增長率等4 個宏觀經濟變量.篩選過后，變量的容差明顯變大，VIF 明顯變小，多重共線性降低，因此，本文將重點研究這4 個變量與房地產不良貸款率之間的關系（表3）。

表3 多重共線性診斷結果

（二）描述性統計分析

表4 為因變量宏觀經濟指標Y 以及自變量國房景氣指數CERCI、綜合領先指數CLI、實際總人力資本ATHC 和房地產開發投資增長率REIGT 等5 個變量的描述性統計分析結果。從偏度和峰度來看，Y 和CLI 對應的偏度值全為負數，對應的峰度值大于3，因此數據分布是高峰右偏。其余3 個變量偏度值全部大于0 且峰度值小于3，因此數據分布是低峰左偏。從JB 統計量以及對應的P 值來看，在5%的顯著性水平下，5 個變量的JB 統計量對應的P 值全部大于0.05，說明所有變量都是服從正態分布的。

表4 描述性統計分析

（三）平穩性檢驗

在5%的顯著性水平下，自變量的T 統計量所對應的P 值全部大于0.05，因此接受原假設：時間序列存在單位根，不是平穩序列。經一階差分后的時間序列T 統計量所對應的P 值全部小于0.02，在2%的顯著性水平下，拒絕存在單位根的假設，均為平穩序列，5 個變量存在同階單整的情況。經過協整檢驗后發現，變量間至少存在一個協整關系，因此數據可用（表5）。

表5 ADF 單位根檢驗

（四）研究結果

由表6 的回歸結果可知：判定系數達到了88.5%，而調整的判定系數也達到80%以上，模型擬合度非常高。在1%的顯著性水平下，模型回歸的自變量系數是顯著的。從回歸系數來看，4 個自變量中只有CERCI 與房地產不良貸款率成正比，其余均與其成反比，CLI 對于Y 的影響最為顯著，其參數是CERCI 的2 倍多?？傮wF 統計量對應的P 值小于0.01，說明自變量整體對Y 有顯著性影響。此外，DW 值為2.06，根據DW 檢驗的判斷標準，殘差序列不存在一階自相關，自然也就不存在高階自相關性，這一點通過Q 檢驗進一步得到了證實。

圖1 殘差的自相關性檢驗

表6 線性回歸結果

表7 懷特檢驗

根據懷特檢驗原理，在P 值較大的情況下接受原假設，即殘差項不存在異方差性。

經過殘差項的自相關和異方差檢驗，證明該回歸模型可靠，則商業銀行房地產不良貸款率的預測表達式為：

Y=34.07717+0.3003356C E R C I-0.628446C L I-0.011201ATHC- 0.107848REIGT

從表達式來看，對房地產不良貸款率產生影響的宏觀因素主要有綜合領先指數、國房景氣指數、實際總人力資本、房地產開發投資增長率這4 個宏觀經濟變量。

1.綜合領先指數。綜合領先指數對于房地產不良貸款率的影響最大，而且與其呈負相關。綜合領先指數上升，意味著未來國民經濟會向著更好的方向發展，本國貨幣增值，居民消費欲望增加，銀行業更多資金流向房地產市場，房地產企業利潤增加，不良貸款率隨之下降；反之則不良貸款率上升。

2.國房景氣指數。國房景氣指數是影響房地產信貸風險的第二大因素。與常識相 的是，該指數與房地產信貸違約率呈正相關?？赡艿脑蚴牵喝绻麌烤皻庵笖颠^高，說明當前房地產行業熱情高漲，可能會導致房地產行業盲目擴大投資，銀行對于房地產信貸的審批和監管強度下降，最終會使房地產信貸的風險加大，違約率上升。

3.房地產開發投資增長率和實際總人力資本分別是影響房地產信貸違約率的第三和第四大因素。房地產開發投資增長率的上升，意味著房地產行業的行情變好，企業擁有更多的資金用于基礎設施和服務設施的建設，不良貸款違約率會下降。人力資本的增加意味著國民素質和學歷、健康狀況的提升，更多的人追求更高質量的生活，紛紛由農村走向城市，由三、四線城市走向一、二線城市，使買房的人數增加。更高的人力資本同樣也會提升企業的服務質量，推動房地產企業的發展，降低不良貸款率。

四、結論與建議

從宏觀角度出發，本文對房地產信貸風險進行了度量，采用CPV 模型預測商業銀行房地產不良貸款率，運用計量軟件進行數據的篩選、線性回歸、結果檢驗。結果表明：國房景氣指數、綜合領先指數、房地產開發投資增長率、實際總人力資本這4 個宏觀經濟變量對房地產不良貸款率有明顯影響。從預測模型來看，自變量系數有正有負，宏觀經濟形勢對信貸風險的影響確實呈現出了兩面性的特點：當宏觀經濟形勢發生變化時，一方面會降低不良貸款率，另一方面也會增加企業高負債所帶來的潛在的信用風險。

總體來說，降低房地產不良貸款率需要銀行、政府各個部門的共同努力。政策要有前瞻性，既要看到當前所面臨的風險，同時也要防范當前措施所帶來的潛在風險，確保國民經濟在房地產業下行壓力下健康發展。

（一）商業銀行方面的控制措施

1.建立預測性風險監督管理機制，加強信用風險控制?；诤暧^經濟假設，衡量貸款業績的當前和長期不確定性是對商業銀行信貸業務未來虧損可能性的預測。同時，建立一個系統全面的風險應對機制，加強行業處理和應對不確定性的能力。一些國際銀行設有風險準備金制度，該制度被用作控制風險的最終保險，然而在中國，這一制度并不完善。因此，合理提高風險準備金，可以有效化解商業銀行不良貸款的違約風險。

2.加大貸款前的審批力度。銀行須優化信用評價系統，提高企業信用評價的準確性，防止虛假數據帶來的信用虛高。銀行要對企業的財務報表加強審核，仔細核對企業的資產負債，準確了解企業近幾年的資金流動狀況，防止虛假財務數據導致貸后風險增加。此外，銀行也可利用一些指標評估企業違約概率，如本文所采用的預測模型和變量。

3.做好貸后監管相關事項。貸后要加強對房地產企業經營狀況的監管，如果遇到財務狀況不佳、經營不善的情況，且在評估后認為該企業狀況將長時間難以好轉，銀行可以通過縮短信貸期限、提高利率等方式來降低違約風險。

（二）政府方面的控制措施

1.各級城鄉建設部門在對房地產行業進行相關事項的受理、審查、審批過程中，要加大監管力度，對違反相關法律和規定的房地產企業及人員要給予相應的懲罰。

2.政府相關部門對于房地產部門的監督除了日常的例行檢查外，應加大隨機抽查的頻率，增強信息透明度。

3.銀保監會在對房地產貸款方面進行監管時要時刻保持警惕，保證銀行房地產貸款率維持在合理范圍內，防止銀行為贏利而肆意放款，對于違反相關規定的銀行要加大處罰力度。