信贷增长与房地产市场风险相关性研究.docVIP

信贷增长与房地产市场风险相关性研究 　　【摘 要】 银行信贷对于房地产市场是至关重要的，把握好银行信贷的规模有利于房地产市场健康有序地稳步向前发展。为了研究银行信贷和房地产市场之间的协调关系，文章利用Granger因果关系检验模型，对银行信贷与房地产市场发展状况进行实证研究。 　　【关键词】 商业银行； 信贷风险； 协整 　　一、引言 　　由于房地产行业建设周期长、资金量占用大等特点，使得房地产市场必须大量融资来维持正常的资金运转。而房地产行业大概有一半左右的资金直接或间接来源于银行信贷，银行信贷可谓是房地产市场的血液。当银行信贷增加，房地产企业资金充足，融资成本相对较低，房地产开发、建设、经营、流通和消费等过程比较活跃，房地产市场表现出欣欣向荣的一面；相反，当银行信贷减少，房地产企业资金逐渐匮乏，融资成本骤然上升，房地产企业利润下降，抑制房地产市场的发展。同样，对于个人购房者来说，银行信贷收紧，那些通过按揭购房的个人不得不延期购房，房地产市场的需求降低，房地产价格下降。 　　可以看出，银行信贷对于房地产市场是至关重要的，把握好银行信贷的规模有利于房地产市场健康有序的稳步向前发展。为了研究银行信贷和房地产市场之间的协调关系，本文利用Granger因果关系检验模型，对银行信贷与房地产市场发展状况进行实证研究。 　　二、Granger因果检验模型 　　Granger因果检验要求检验变量的时间序列是平稳的，但是很多金融、经济时间序列都是不平稳的，所以必须先对变量的时间序列进行平稳性检验。这里我们选取ADF检验，存在以下三种模型： 　　其中，模型1没有常数项和趋势项；模型2仅有常数项；模型3有常数项和趋势项。一般情况下，若序列围绕0均值上下波动，则选择模型1；若序列具有非0均值，没有时间趋势变化，则选择模型2；如序列具有随时间变化的趋势变动，则选择模型3。 　　为了克服伪回归的出现，当检验的变量为非平稳时间序列时，要对检验的变量进行差分使其变为平稳时间序列，这样导致长期稳定关系的损失。所以必须对两个变量进行协整检验，这里利用EG检验方法，分两步实现： 　　（1）建立两个时间序列的协整回归，用最小二乘法估计各个变量的系数，并计算残差序列； 　　（2）对残差序列进行ADF检验。若残差序列是平稳的，表明两个变量是协整的；反之，则不是协整关系。 　　Granger因果检验的模型如下： 　　其中，u1t和u2t假定为不相关。 　　如果y对其他变量进行回归时，x的滞后值能显著改进对y的预测，即x的变化先于y的变化，则变量x是变量y的Granger原因，同理推出y是x的Granger原因。由于Granger因果检验的滞后期是任意选取的，一般要检验若干个不同滞后期的Granger因果检验且结论相同时，才能得出最终结论。 　　三、信贷风险定量分析 　　为了研究银行信贷和房地产市场之间的协调关系，本文利用Granger因果关系检验模型，对银行信贷与房地产市场发展状况进行实证研究。 　　（一）数据的选取 　　由于房地产行业建设周期长、资金链长，因此本文采用金融机构人民币信贷中长期贷款的增长率作为衡量银行信贷的指标，用Mll来表示，数据来源于中国人民银行2001到2010年的季度数据。房地产方面采用国房景气指数作为衡量指标，用Gdex来表示，数据来源于国家统计局2001年到2010年的季度数据。由于数据进行自然对数变换能够消除时间序列中的异方差，不改变原来的协整关系，所以我们对银行信贷和国房景气指数进行自然对数变换，变换后的变量分别用lnMll和lnGdex表示。 　　（二）单位根检验 　　依据lnGdex和lnMll形成新的时间序列如图1和图2。 　　从图3和4中可以看出lnGdex和lnMll的图形都表现不平稳的特性。而且图中lnGdex和lnGms都围绕非0均值上下波动，并没有明显的趋势变动，所以检验时选用带有常数项的模型进行。检验结果如下表1和表2。 　　从表1和表2可以看出lnGdex和lnMll的ADF统计量大于显著性水平10%下的临界值，所以不能拒绝原假设，说明lnGdex和lnMll都存在单位根。由此对lnGdex和lnMll进行一阶差分，新的差分序列分别表示为D（lnGdex）和D（lnMll），再次进行ADF检验，检验结果如表3和表4。 　　从表3和表4可以看出D（lnGdex）和D（lnMll）的ADF统计量小于显著性水平1%下的临界值，所以拒绝原假设，说明D（lnGdex）和D（lnMll）是平稳的时间序列。 　　（三）协整检验 　　通过对lnGdex和lnMll进行ADF检验后可以得出lnGdex和lnMll都是一阶单整的，因此两者之间可能存在着协整关系，下面对两者进行协整检