行业报告应如何撰写 我国房地产价钱波动对系统性金融风险影响的动态机制研究——基于有向无环图的分析

2024-11-30 19:49

一、小引

连年来，我国的房地产商场发展十分速即，住房商场矫正握住鼓舞，而房地产价钱也在随之而步步攀升。2016年，房地产商场迎来了本轮周期的高点，据国度统计局数据自大，2016年8月，世界70个大中城市中有64个城市新建商品住宅销售价钱同比高涨，其中，北京、上海、广州三大一线城市新建商品住宅销售价钱同比涨幅均在20%-40%之间，深圳新建商品住宅销售价钱同比涨幅以致高达43.01%，房价涨幅屡立异高。全年的成交量创下了历史新高，最具有代表性的五十个城市全年月均成交约3710万平方米，同比增长逾两成，成交量十足额远大历史同期最高纪录。为了阻难房价的过快高涨，自2017年3月16日北京颁布最严限购令发轫，世界多地楼市调控政策密集出台，商场环境收紧，价钱出现一定程度的回落。为了谛视房价泡沫远大所酿成的系统性金融风险，2016年12月中央经济使命会议中强调：“要把防控金融风险放到更加遑急的位置，并进一步明确住房的居住定位，在相沿住户自住购房的同期更加谨防阻难投资投契性需求，以谛视热门城市的泡沫风险及商场出现大起大落”。

房地产行业的圆润发展离不开金融方面的闲静相沿，我国的金融体系以银步履中心就决定了房地产业的融资需求更多地依靠贸易银行等金融机构来温存，因此，房地产价钱水平的波动在很大程度上会对一国金融业乃至通盘这个词金融体系的相识产生影响。历史上，房地产价钱波动激发金融危境的表象时有发生，如日本、好意思国、东南亚齐曾因为房地产泡沫导致金融危境的爆发，严重蹂躏本国以致专家的金融系统相识性，酿成专家经济的阑珊和金融规律的芜乱。当今，面对处于高位的房地产商场，我国政府发轫担忧房价泡沫远大对金融系统相识酿成的冲击，并开启了新一轮严苛的房地产调控政策。当今，我国房价热潮是否会对系统性金融风险酿成径直的影响？其动态影响程度若何？何种调控技能更为灵验？对于这些问题的正确回话，对于保险我国金融体系相识和改善房地产商场调控技能有着十分遑急的表面和实践意旨。因此，本文将接纳基于有向无环图(DAG)的结构向量自归来(SVAR)模子和预计瑕疵方差认识的方法，在系统梳理房地产价钱波动对系统性金融风险影响传导机制的基础上，实证研究了房价波动对我国系统性金融风险酿成的动态影响，定量给出了影响程度的大小，并在此基础上盘考房地产商场调控技能的灵验性问题，以期简略为赞好意思我国金融相识和政府进一步实施灵验的房地产商场调控政策提供依据。

本文接下来主要包括：第二部分即文件综述；第三部分确认了房价波动对系统性金融风险的传导机制；第四部分先容了接纳的研究方法和样本数据的组成及来源；第五部分是实证分析；第六部分为本文的研究论断和政策建议。

二、文件综述

前期对于房地产价钱水平波动与金融体系相识的研究主要以Bernanke and Gertlrter(1995)以及Allen and Gale(2000)等为代表，这些研究后果大多谨防探讨房地产价钱水平波动对银行体系是否产生影响以及这种影响的传导机制。Collyns and Senhadji(2002)接纳了VAR模子研究了海外上四个国度和地区的房价与银行信贷的关系性，并得出论断：房地产价钱的波动与银行贷款变动之间具有显赫的关系性和一致性。Goodhart and Hofmann(2007)实证得出，短期而言，骨子利率对房地产价钱存在显赫负关系性，耐久来说，房地产价钱波动对银行信贷变动产生的影响更大。好意思国金融危境的爆发又发轫让学者们聚焦到房价与金融相识的议题上，Crowe et al.(2011)该轮房价的高涨伴跟着金融杠杆化的增多，一朝实行信贷紧缩政策将可能导致房价下落，并伴跟着系统性金融风险的增大，有可能酿成宏不雅经济的不相识。Pouvelle (2012)基于法国数据，以为房地产周期或价钱波动与银行体系的郑重及金融相识密切相联。Shen et al.(2015)接纳面板瑕疵修正模子对我国27个省及4个直辖市的银行信贷和房地产价钱水平之间的关系进行研究，实证末端标明，我国房地产价钱水平对银行信贷的影响大于银行信贷对房地产价钱水平的影响。

国内臆测房地产价钱影响金融相识研究方面，张晓晶、孙涛(2006)要点研究了房地产周期对金融体系相识的影响，他们提议房地产周期对金融体系相识产生影响的遑急渠谈是期限错配风险、政府担保风险和房地产信贷风险泄露，况且据此提议了用功处分银行业问题和表率政府步履等政策建议。段忠东等(2007)在表面上解释了房地产价钱与银行信贷之间的作用机制，并通过实证分析标明，从短期来看，房地产价钱水平对银行信贷所产生的影响是有限的，但从耐久来看，房地产价钱水仁和银行信贷增长之间存在着互为因果的关系。强林飞等(2010)通过协整分析、格兰杰因果关系纯熟发现我国房地产价钱、银行信贷和宏不雅经济三者之间存在两两的互动关系。郭娜、梁琪(2011)通过对房地产商场周期与金融相识以及房地产商场周期的影响成分进行了关系度分析，以为经济情景和政策成分会很大程度上导致经济周期的产生，而且金融相识靠近着来自房地产行业的冲击。赵园(2015)登第了股票市值、房地产价钱波动、金融相识指数当作变量，构建了一个三变量的VAR模子，得到以房地产价钱为代表的资产价钱波动与金融相识指数的变化两者互为因果关系的论断。

国表里学者仍是辞别从各个层面各个角度比拟全面地潜入研究了房地产价钱水平与银行体系乃至一国宏不雅金融相识之间的关系问题，但前期研究后果并未盘考房地产价钱高涨对系统性金融风险产生的遑急影响，系统性金融风险是本次金融危境暴浮现来的专家性金融体系新问题，许多国度因此发轫构建温存自己需求的逆周期宏不雅审慎监管框架，从而镌汰由房地产商场失衡激发系统性风险并对实体经济的酿成不利影响。因此，盘考系统性金融风险与房价波动的关系问题，在现阶段更具有实验意旨。另外，前期文件在对金融相识的推敲登第中只接纳银行贷款额或贷款/国内坐蓐总值等推敲来替代度量，使得末端的准确性和可靠性下降，也就无法为政策的进一步灵验实施提供表面依据。有鉴于此，本文接纳基于DAG的结构向量自归来方法来对分析房价波动对系统性金融风险的动态影响，从而为政策实施提供有意的参考依据。

在系统性风险推敲登第上，本文接纳了陶玲、朱迎(2016)的研究方法构建的系统性金融风险指数。连年来，系统性金融风险度量方法主要有：(1)研究风险传染性和金融机构关联程度的方法，包括汇聚分析法、共同风险模子法、窘境依赖矩阵法和负约强度模子法；(2)评估系统性风险赔本及赔本概率的方法，包括在险价值和要求在险价值法、旯旮盼愿赔本法和系统性盼愿赔本法、Gray and Jobst(2010)在Merton模子基础上提议的或有权利分析法、Huang et al.(2009)提议的窘境保费法；(3)海外组织以及列国中央银行金融监管机构辞别开导的监测预警用具，如欧洲央行接纳的改进的综合指数法、IMF系统性风险早期预警系统、英国系统性机构风险评估系统、韩国央行的宏不雅审慎政策系统性风险评估模子等。陶玲、朱迎(2016)在接纳马尔科夫状态调治方法对综合指数进行实证分析的基础上，构建了包含七个维度的系统性金融风险综合指数。其方法上的上风为：第一，对历史上是否发生过金融危境不作念强制要求，因此对于我国这种数据量有限且金融商场不完善的发展中国度来说绝顶适宜；第二，综合指数法不温雅系统性风险发生的具体原因，而是按照万般金融推敲与金融危境之间的关系性大小来遴荐风险推敲构建综合指数，再凭据综合指数的近况和走势判断系统性金融风险的水仁和发展趋势；第三，综合指数法抒发松弛，不错和好多复杂的模子方法蚁合使用，举例在风险推敲细目权重等方面不错由模子来决定，此外还不错愚弄模子构建复杂推敲当作综合指数的原始推敲等。另外，在基础推敲登第上，咱们登第了金融机构风险股票商场风险、债券商场风险、货币商场风险、外汇商场风险、房地产商场风险及政府部门风险7个维度当作基础推敲池，推敲涵盖了全面的经济信息来测度系统性金融风险，然后通过统计综合评价技能构造出系统性金融风险综合指数。

从研究方法来看，前期后果大多遴荐接纳预计瑕疵方差认识方法、格兰杰因果关系纯熟和VAR(或VECM)模子来进行研究，但这些研究方法齐有较大的局限性。起先，格兰杰因果关系形色的只是是时辰成见上的“先于”关系，而不是具有信得过意旨的因果关系，此外它还忽略了变量之间的同期因果关系；其次，VAR模子滞后阶数的遴荐对格兰杰因果关系的影响较大，不同的滞后阶数有可能得到迥然不同的论断；更遑急的是，格兰杰因果关系所纯熟的变量之间的显赫性并不具有信得过的经济意旨，而是仅从统计角度来接洽的显赫性，但是，前者却是研究者更应该温雅的。因此，只是通过格兰杰因果关系来研究我国货币政策与房地产价钱调控之间的关系是不够的。另外，现存国表里对货币政策与房地产价钱关系研究后果中，多数文件接纳乔利斯基(Cholesky)认识法，该方法对变量先后轨则十分明锐，或者在关系经济表面的基础上再蚁合作家的先验判断来适度立时瑕疵项的同期因果关系，不异具有一定的主不雅性。

但是，Spirtes et al.(2000)提议了“有向无环图”(Directed Acyclic Graphs，DAG)研究方法，该方法收效远大了上述方法的局限性。DAG不需要任何先验判断和表面假定，只需要分析残差的方差协方差矩阵(或者关系统统矩阵)，就能对扰动项之间存在的同期因果关系进行正确地识别，同期为SVAR的结构方差认识和结构关系设定提供依据。当今，这种数据驱动的研究方法仍是被应用到经济关系研究规模中，并受到了国表里学者的平凡怜爱。鉴于此，为了远大传统VAR模子研究的局限性，本文将愚弄基于有向无环图(DAG)的结构向量自归来模子对系统性金融风险的影响成分进行了潜入考究的分析，克服了传统VAR模子研究的弱势，以期得出更加准确且宽裕政策启暗示旨的论断，提高研究后果的准确性和郑重性。

三、房价波动对系统性金融风险影响的传导机制分析

本文在对国表里文件分析与总结的基础上空洞出房地产价钱波动对系统性金融风险影响的金融体系传导渠谈和宏不雅经济传导渠谈，具体内容如下：

(一) 金融体系传导渠谈

房地产价钱波动风险通过银行体系径直与金融系统关系联，银行危境时时会激发通盘这个词金融系统的危境。银行径直或迤逦参与投资多量高风险高收益的房地产开导形状，靠近较大的风险泄露。当房价急剧下落容易激发银行产生多量的坏账使得银行堕入流动性危境，更进一步诱发多量假贷老本外逃，影响东谈主民币汇率相识。与此同期多量房地产公司靠近停业，致使银行产生广泛不良资产，加重了银行危境，诱发了系统性金融风险。如上世纪八九十年代发生的好意思国储贷危境、日本房地产泡沫危境、东南亚金融危境等齐存在着房地产价钱速即攀升使得风险握住累积，泡沫离散后房地产价钱急剧下落，使得银行堕入流动性危境，进一步产生四百四病最终演变为金融危境的表象。

我国房价波动风险向金融体系传导机制主要如下：(1)典质品机制。银行贷款除少数基于借款东谈主的信誉披发以外，大部分是要求债务东谈主提供典质品的，凭据典质品价值细目贷款金额。房地产按揭贷款的数额较大，要求房屋购买东谈主在向银行按揭时候必须将其购买的房屋典质给银行。当房价上升的时候，典质品价值上升，导致贷款东谈主获贷款的数目增多，典质贷款数目的增多会使贷款东谈主的欠债率进一步上升，欠债率的上升会对金融相识性酿成影响。当房地产价钱下降时候，典质品价值下降。起先，会导致贷款东谈主的资产值下降，极点情况下，购房者会废弃典质品而遴荐负约，这时候银行会对典质房屋进行拍卖，但仍然会有一定的赔本，银行流动性会靠近压力，酿成风险上升。其次，银行不良贷款率的上升会使银行的贷款环境恶化，个东谈主或者企业从银行取得贷款的可行性镌汰，导致经济总产出下降，宏不雅经济下行，影响系统性金融风险。(2)老本金机制。老本金的作用机制和典质品机制有点近似，典质品机制是从购房者的角度来说，而老本金机制主要从银行角度来接洽，当房地产价钱上升时候，贷款者的资产值上升，房地产典质品价值也会随之上升，因此，购房者的负约概率会下降，银行在这种情况下一般会遴荐扩大信贷范畴以增多利润，进而影响到金融相识。当房地产价钱下降时候，贷款东谈主的资产水平下降，下降程度越大，贷款东谈主的负约概率越高，银行的老本金减少，银行会相应的收缩信贷范畴，不单是是房地产行业的贷款，对实体经济的贷款也会跟着减少，导致缺血的实体企业的融资更加清贫，取得资金的成本更加高。企业在这种情况下的积极性会受到打击，资金不饱胀会导致社会总产出下降，增多系统性金融风险。(3)流动性机制。房地产价钱高涨时候，房地产开导商贷款和房地产按揭贷款齐会有所增多。当今，由于搭理形状增多，我国住户和企业依期储蓄和进款的倾向镌汰，大部分齐是短期储蓄和进款，而房地产行业的贷款的期限平时较长。因此，跟着房地产行业贷款的范畴的握住扩大，银行可能会产生流动性错配的问题。当房地产价钱高涨时，房地产类贷款增多，期限错配问题更加严重，在遭受大额取现或者挤兑的情况时，银行会靠近很大的风险，影响金融相识性。当房地产价钱下降时，一方面银行的净资产值会缩水，另一方面房屋通盘东谈主的负约率会增多，这两种末端齐会导致银行的流动性减少以致不及的情况发生，为了补充流动性，银行或遴荐出售风险资产(典质房屋)，进一步导致资产(房屋)价钱下落，或者遴荐计帐其投资头寸进而影响老本商场的流动性，这导致系统性金融风险的积聚。

另外，我国的影子银行发展较为速即，在金融商场中起着越来越遑急的作用。影子银行在房地产商场上一定程度上也在补充着房地产企业的信贷需求。当房地产价钱上升时，房地产企业倾向于扩大范畴，因此需要更多的资金。房地产开导商从贸易银行取得贷款的范畴是有限的，因此他们会寻求影子银行的信贷相沿。影子银行的搭理产物收益率在房价热潮的情况下平时会高于普通搭理产物，因此会劝诱多量的资金流入，部分住户储蓄和企业依期进款等也会流出贸易银行进入影子银行，增多了贸易银行进款量的波动幅度，导致贸易银行期限错配的问题更加严重。当房地产价钱下降时，影子银行臆测房地产的搭理产物也会靠近问题，收益率下降，严重时以致会出现负约，影子银行可能会靠近兑付危境、资金病笃。这种情况下，影子银行会出售风险资产或者会提高老本金，出售风险资产会酿成房价进一步下落，影响宏不雅金融相识。

(二) 宏不雅经济传导渠谈

房地产行业当作国民经济的基础产业，与其他各实体产业息息关系，房地产价钱波动会影响到我国宏不雅经济各部门。风险传导机制如下：(1)资产效应机制。房地产的资产效应指的是当房地产价钱发生变化的时候，房地产通盘者会以为其所领有的资产水平也会跟着房屋价钱的变化而发生变化，最终导致购买者的消耗发生变化，消耗的变化又会影响到社会的总产出水仁和宏不雅经济，对金融相识酿成影响。具体来说，当房价高涨时候，房屋通盘者对我方的消耗野心作念出诊治，增多消耗的旯旮倾向，从而增多企业的积极性，企业便会有能源不息扩大产能，促进经济总产出水平上升，影响宏不雅经济，酿成对金融相识的影响。当房地产价钱下落时候，房屋通盘者的净资产值减少，他们会凭据我方的资产水平对我方的消耗开销作念出一定的诊治，减少非糊口必须品的开销，导致商场需求减少，使得社会总产出也随之下降，影响宏不雅经济，酿成对系统性金融风险的影响。(2)房地产价钱还和会过托宾Q效应报答融相识酿成影响。“托宾Q”统统指的是老本的商场价值与其重置成本的比值。托宾Q表面是开导在有诊治成本的新古典投资模子的基础之上的一种新古典投资表面。咱们不错将房地产价钱引诱为托宾Q表面中的企业股票价值，将新址屋的建酿成本引诱为托宾Q表面中的资产重置成本。当房地产价钱上升时，房屋的Q值会增大即房屋价钱会大于或者远宏大于房地产建酿成本，这会刺激房地产开导商增多对房地产商场的投资增多，以追求更高的利润，投资增多带动了总需求的扩大，影响到社会总产出，进而影响到金融相识。而当房地产价钱下降时候，房地产行业的利润会被压缩，Q值会接近于1以致出现小于1的情形，此时房屋建酿成本会大于或者就是房屋价钱，开导商会削减投资，投资的减少会酿成社会总需乞降总产出减少，影响到宏不雅经济发展，从而增大国度宏不雅层面的系统性金融风险水平。

四、研究方法与样本数据 (一) 结构向量自归来模子

本文接纳的VAR模子可表述为式(1)：

$ {X_t} = \mu + \sum\limits_{i = 1}^p {{\Phi _i}{X_{t - i}} + {e_t}, t = 1, 2..., T} $ (1)

由式(1)中不错看出，Xt表露列向量所组成的内生变量，p表露VAR模子中的滞后阶数，μ为常数项列向量，T是为样本容量。Φ1，…，Φp表露统统矩阵。et是表露立时瑕疵项列向量，Σ表露et的协方差矩阵。

传统的研究方法频繁使用格兰杰因果关系纯熟来分析变量之间的关系，但是格兰杰因果关系纯熟存在无法克服的弱势。预计方差认识方法对于解释变量之间的关系更特意旨，但是，应用此方法前提是必须对公式(2)中的矩阵A和B进行适度，即设定扰动项et之间的同期因果关系，对VAR模子结构进行识别，在此基础之上开导结构向量自归来模子(SVAR)。

$ A{e_t} = {v_t} = B{u_t}, {u_t} \sim N\left({0, {I_k}} \right) $ (2)

式(2)中的A矩阵表露K阶方阵，B矩阵与A矩阵一样齐表露K阶方阵，ut为结构扰动项。乔利斯基正交化认识骨子上是对变量设定了一个恰好识别的递归结构，即设定矩阵A是下三角矩阵，主对角线元素为1，矩阵B为对角矩阵，这种递归的同期因果关系无疑是一种绝顶强的假定，而且不同的变量轨则时时会带来不同的分析末端。研究者大多依据以往的研究后果和我方的主不雅判断开导结构向量自归来模子(SVAR)模子，变量之间的同期因果关系一般很难依靠经济表面携带，因此主不雅色调较为热烈，导致模子分方差认识末端也存在一定的主不雅性，弗成更好地解释其经济意旨。

往时的文件研究大齐是基于以上所形色的方法，因此，设定扰动项结组成为了要道性难题。“有向无环图”技能灵验克服了传统研究方法的这一弱势，DAG完全基于数据，不需要先验的教学或者表面假定，使得实证末端更郑重，更具有实验意旨。

(二) 有向无环图的分析方法

有向无环图简略识别变量之间的同期因果关系，它通过两个体式来完成：第一，分析变量之间的无要求关系统统；第二，对变量之间的偏关系统统进行分析，通过这两步来完成识别，是一种新式的数据驱动方法。变量之间的同期因果关系是否存在以及存在什么标的的同期因果关系会以图形的形状表泄露来。有向无环图由变量和“边”组成，若是两个变量之间存在“边”，则标明二者之间存在同期因果关系，两个相互零丁的变量之间则莫得“边”。带有箭头的边表露变量之间同期因果关系的标的性。具体来讲，假定存在两个变量，辞别为X和Y，他们之间存在五种关系性：(1)“X→Y”，表露在其他变量不变时，X的变化径直导致Y的变化，而Y对X无影响。(2)“Y→X”，表露在其他变量不变时，Y的变化径直导致X的变化，而X对Y无影响。(3)“X$ \leftrightarrow $Y”，在其他变量不变时，X的变化径直导致Y的变化，Y的变化也会径直导致X的变化，X和Y互为因果关系。(4)“X－Y”则表露X和Y存在因果关系，但是标的不解确；(5)“XY”表露X和Y之间不存在职何同期因果关系，二者相互零丁。

在有向无环图的骨子操作中，主要有两个体式，起先要对无向完全图进行“去边”，之后进行“定向”。凭借这两部完成对变量之间同期因果关系的识别，主要借助PC算法。在去边的历程中，咱们起先从一个运转的关联图动身，图中各变量之间均有一个无向边衔接。通过PC算法分析无要求关系统统，对于无要求关系统统显赫为0的无向边接纳去除的形状。然后，对于弗成去掉边的变量再进行偏关系统统分析，起先分析其1阶偏关系统统，然后2阶、3阶……，规律类推，假如模子中存在N个变量，则对偏关系统统的分析要执续到N-2阶。另外，PC算法接纳了Fisher’s z统计量①，纯熟偏关系统统是否显赫为0，进行“去边”，然后在“定向”体式中，PC判别两个变量之间同期因果关系。

①  对于Fisher’s z统计量的关系细节见Spirtes et al.(2000)。

(三) 样本数据

本文的原始数据来源于中经网中国经济统计数据库，蚁合我国的经济骨子和数据的可获性，本文的样本区间设定为2001年第一季度到2016年第四季度。系统性金融风险指数本文接纳了陶玲、朱迎(2016)的研究方法构建的系统性金融风险指数；跟着我国利率商场化进度的握住鼓舞，银行间的同行拆借利率的商场化程度也握住提高，因而本文将以银行间商场的7天同行拆借利率当作代理变量来替代商场利率；由于房地产价钱莫得公开的原始数据，本文接纳了中经网统计数据库公布的世界商品房销售额除以世界商品房销售面积计较得到。由于存在通货彭胀等成分，为了使研究论断更加顺应实验经济情景，本文凭据中经网统计数据库公布的消耗物价指数推敲，对口头变量(国内坐蓐总值、房地产平均销售价钱)进行了消涨处理，并对其进行了季节诊治，诊治方法为好意思国商务部国势普查局最新推出的X-13ARIMA-SEATS方法。然后接纳H-P滤波方法对其进行了去势处理，终末对两者取了对数值。系统性金融风险指数、房地产价钱、国内坐蓐总值和骨子利率辞别接纳FS、HP、GDP和SHIBOR来表露。

五、实证分析 (一) 单元根纯熟

为了对模子中每个变量的相识性进行判断，咱们对模子中接纳的各个变量进行了ADF纯熟，纯熟末端如表 1所示。

表 1 各变量的放心性纯熟末端

由表 1咱们可知，模子中变量均在5%的显赫水平下拒却了变量放心的备择假定，然后用一阶差分后的时辰序列再次进行ADF纯熟，发现各个变量的一阶差分后的新序列均在5%的显赫水平下拒却了非放心的原假定，则不错据此判断各个变量均为一阶单整的I(1)历程。对于一阶单整I(1)历程，要开导VAR模子，必须保证原序列之间存在协整关系，不然无法开导模子。因此，接下来要对各原时辰序列进行Johansen协整关系纯熟，协整纯熟的关系如表 2所示，模子四个变量之间存在两个协整关系，顺应开导VAR模子的要求。

表 2 Johansen协整关系纯熟末端 (二) DAG分析以及SVAR模子的构建

凭据AIC和FPE最小化原则，咱们开导了一个2阶四变量的向量自归来(VAR)模子，公式(3)给出了各变量的残差关系统统矩阵：

$ {\rm{corr = }}\left( \begin{array}{l} \;\;\;HP\;\;\;\;\;\;\;\;GDP\;\;\;\;\;\;\;\;SHIBOR\;\;\;\;\;\;\;FS\\ \;\;\;\;\;1\;\;\;\;\;\;\;\;\;\;\;\;\;\;\;\;\;\;\;\;\;\;\;\;\;\;\;\;\;\;\;\;\;\;\;\;\;\;\;\;\;\;\;\\ - 0.0697\;\;\;\;\;\;\;1\;\;\;\;\;\;\;\;\;\;\;\;\;\;\;\;\;\;\;\;\;\;\;\;\;\;\;\;\;\\ - 0.2184\;\; - 0.1175\;\;\;\;\;\;\;\;1\;\;\;\;\;\;\;\;\;\;\;\;\\ 0.3450\;\;\;\;\;0.1600\;\;\;\;\;\; - 0.1769\;\;\;\;\;\;\;\;\;1 \end{array} \right) $ (3)

接下来，咱们愚弄DAG分析方法对系统性金融风险指数(FS)、房地产价钱(HP)、国内坐蓐总值(GDP)和骨子利率(SHIBOR)之间的同期因果关系进行了分析。起先，咱们从无向完全图发轫进行分析，如图 1所示，在肇始阶段并弗成判断各变量之间是否有同期因果关系存在，因此变量之间齐用一条无标的的边引诱。接下来，进行“去边”使命，起先分析各变量之间的无要求关系统统，去掉无要求关系统统为0的边；之后对莫得去掉边的变量不雅察其偏关系统统，去掉偏关系统统为0的边，依此类推。然后再通过“膺惩集”的成见细目变量之间同期因果关系的标的性。

图 1 无向完全图

起先，咱们通过无要求关系统统可知，房地产价钱与骨子利率的关系统统为-0.2184(p=0.3384)，这确认房地产价钱和骨子利率之间在20%的显赫水平下进展为同期零丁变量，二者之间不存在同期因果关系，因此可移去图中二者之间的连线。同理，国内坐蓐总值与骨子利率的关系统统为-0.1175(p=0.3621)，这确认国内坐蓐总值和骨子利率之间在20%显赫水平下也进展为同期零丁变量，同理不错将二两者之间的无向边去掉；系统性金融风险与骨子利率的关系统统为-0.1769(p=0.4626)，这确认系统性金融风险与骨子利率之间在20%显赫水平下亦然同期零丁变量，可移去二者之间的无向边。在无要求关系统统分析完之后，咱们在接洽变量之间的偏关系统统，进而通过偏关系统统大小进行下一步的去边体式。当系统性金融风险为要求变量时，国内坐蓐总值与房地产价钱之间的偏关系统统为0.2239(p=0.2956)，由此可知国内坐蓐总值与房地产价钱之间也进展为同期零丁，两者之间的连线也不错去除。由此，在无向完全图去掉四条连线后，唯有房地产价钱与系统性金融风险指数以及国内坐蓐总值与系统性金融风险指数之间存在表露同期因果关系的连线，不错表露为房地产价钱-系统性金融风险指数-国内坐蓐总值，这么房地产价钱与系统性金融风险指数“相邻”，国内坐蓐总值与系统性金融风险指数“相邻”。在细目了各变量之间关系的存在性后，咱们要对存在同期因果关系的各变量之间标的性进行细目，通过上文偏关系统统末端不错判断，系统性金融风险不属于房地产价钱和国内坐蓐总值的“膺惩集”，因此凭据PC算法的准则，咱们不错推知房地产价钱-系统性金融风险指数-国内坐蓐总值三者之间的同期因果关系应为房地产价钱→系统性金融风险指数←国内坐蓐总值。综合以上历程，咱们不错知谈各个变量之间的同期因果关系和因果关系标的(如图 2)，存在着房地产价钱到系统性金融风险指数的同期因果关系；国内坐蓐总值到系统性金融风险指数的同期因果关系。下一步，咱们将凭据上文的分析论断，开导基于有向无环图的结构向量自归来模子，然后进行脉冲响应函数与预计方差认识分析。为了纯熟有向无环图的分析末端是否合理，以及扰动项机构设置是否具有可靠性，本文接纳了似然比纯熟对其进行考据。纯熟末端表露，LR纯熟统计量在5%的显赫水平下接受了“过度管制为真”的原假定，因此，咱们上文中有向无环图的分析结构以及扰动项结构的设置均具有合感性和可靠性。

图 2 有向无环图 (三) 基于DAG的脉冲响应函数分析

接下来，咱们基于以上DAG分析末端，开导了结构向量自归来(SVAR)模子，并进行了脉冲响应函数分析，以此探究各个变量对系统性金融风险的影响作用，描述房价波动对系统性金融风险影响的动态特征。图 3是各个变量对系统性金融风险冲击的脉冲响应函数图。

图 3 系统性金融风险指数的脉冲响应函数图

图 3中第一幅图代表了系统性金融风险指数对房地产价钱冲击的脉冲响应函数，由图中不错看出，对于一个单元轨范新息的房地产价钱冲击，系统性金融风险指数长久进展为正向响应，最发轫第一期达到最大值0.0798，然后在第二期下降到0.0017，并在第三期达到了另一个高点0.0317，随后便一直向0管制。由此可知，房价冲击会对系统性金融风险产生正向影响，大幅高涨的房地产价钱如实会推动我国系统性金融风险的上升，房地产价钱上升和会过资产效应机制、银行信贷机制、托宾Q机制和影子银行机制四种传导机制影响到金融相识，从而导致系统性金融风险累积，但是这种影响会跟着时辰推移逐步缩小；第二幅图代表系统性金融风险指数对骨子利率冲击的脉冲相应函数图，由图中不错看出，对于一个单元轨范新息的骨子利率冲击，系统性金融风险指数长久进展为负向的响应，响应时辰较短而且响应深度较大，在第四期便达到了最大影响-0.0618，随后渐进管制到0值隔邻。这标明中央银行提高利率在短期内如实简略使系统性金融风险指数下降，是调控房价并赞好意思金融系统相识的遑急技能，但是耐久其调控效果会逐步收缩，这似乎也与我国历次房地产商场调控事实相符①；第三幅图代表系统金融风险指数对国内坐蓐总值冲击的脉冲响应函数图，由图中不错看出，系统性金融风险指数对国内坐蓐总值的动态响应最发轫进展为正向，在第一期便达到了最大值0.0398，随后快速下降，第三期便下降到0值隔邻，随后相识管制到0。这标明，国内坐蓐总值的变化对系统性金融风险的影响相对较小，在耐久这种影响逐步收缩并灭绝。由此可见，经济基本面情景似乎并未对假造经济风险产生较大影响，这源于多年来我国多量资金流向房地产商场、股票商场、大量商品交往商场等进行投契步履，资金存在离实向虚的表象，因此我国系统性金融风险一定程度上脱离实体经济情景而存在；第四幅图代表了系统性金融风险指数对自己冲击的脉冲响应函数，由图中不错看出，对于一个单元轨范新息的系统金融风险指数冲击，其自己当先保执着正向响应，在一发轫达到最大值0.2121，第二期发轫逐步下降，在第五期的变为负值-0.0048，随后逐步趋向于0。这标明我国的金融系统相识性最发轫容易受到自己惯性的影响，但是自己惯性的影响程度在随时辰握住减小，外部冲击对其影响变得越来显赫。

①   如2006年2次加息，3次上调存准率，2011年出台新国八条等房地产调控政策，末端均是房价短期出现下落随后耐久出现房价的高涨。

(四) 基于DAG的预计方差认识分析

咱们对上文开导的SVAR模子进行了预计方差认识，来进一步潜入分析房地产价钱、国内坐蓐总值、骨子利率三种成分对我国系统性金融风险的动态影响机制，表 3为基于有向无环图的预计方差认识实证末端。

表 3 基于DAG的预计方差认识(%)

通过表 3咱们不错看出，系统性金融风险指数波动主要由其自己解释大部分齐由系统性风险自己来解释，第一期中达到84.06%的解释比例，到第八期仍然有74.61%的解释比例，确认我国系统性金融风险受其自己惯性的影响较大。金融系统性风险具有传染性，金融体系在自己出现扞拒衡的情况时，风险会速即传导，并在预期的作用下握住扩大，同期信息不合称以及金融脆弱性的存在齐会导致金融系统性风险在金融体系内快速传导，因此系统性金融风险存在惯性。在其他三种影响成分中，房地产价钱波动相对于其他变量来说领有对系统性金融风险指数波动更大的解释力，彻首彻尾长久保执在10.00%-13.00%之间。确认房地产价钱波动简略对系统性金融风险起到基础性作用，房地产价钱冲击和会过前文所述的四种传导机制影响到金融相识；其次为骨子利率，由最发轫的0速即上升到第六期的11.67%，随后逐步相识在11.60%隔邻，这确认我国骨子利率对系统性金融风险的解释力是逐步上升的。这是因为利率水平的变化会径直影响到经济体系中的可用资金范畴，提高利率会使得金融商场的资金供求成本上升，阻难房地产投资和投契需求，从而镌汰系统性金融风险的生成；终末是国内坐蓐总值变量，由第二期的3.65%逐步下降并相识在第八期的2.67%，这确认我国经济基本面对系统性风险的解释力较弱，当今我国资金偏重于从事投契步履，并未信得过流入到实体经济，是导致国内坐蓐总值波动对系统性金融风险的解释力较弱的要道原因。

预计方差认识末端还自大，在其他三种影响成分中，房地产价钱波动的解释力齐较强。起先，房地产价钱波动对自己的影响最大，第一期中完全由自己解释，然后下降到第二期的92.38%，直到第八期的68.75%，这确认我国的房地产价钱波动主要受其自己惯性的推动，一方面我国城镇化水平的提高和我国东谈主口数目增长所形成的住房刚性需求一直推动着我国房地产价钱的握住高涨(郭娜、吴敬，2015)，另一方面房地产价钱的增值预期和投契步履亦然引起房价握住高涨的遑急原因(赵胜民等东谈主，2011)；其次，是房地产价钱波动对国内坐蓐总值的影响，从第一期的0快速上升到第八期的11.74%，仅次于国内坐蓐总值自己的影响力(79.26%)，这确认我国国内坐蓐总值上升最主要如故源于国内经济的成长性，房地产行业对我国经济的带动作用十分显赫，牵动着五行八作的发展，举例：钢铁、水泥以致石油化工等行业，对经济发展以及服务影响巨大。最新数据自大2016年我国房地产增多值占通盘这个词国内坐蓐总值的比重达到了6.5%，其价钱波动势必会对国内坐蓐总值起到至关遑急的推动作用；终末，是房地产价钱波动对骨子利率的影响，从第一期的0一直上升到第八期的6.05%，这确认房地产价钱波动对骨子利率的解释力很弱，我国货币政策制定并莫得在很大程度上盯住房地产价钱波动，这也与我国相识物价和促进经济增长的货币政策办法相一致。现阶段，东谈主民银行对资产价钱最准确的说法是温雅，房地产价钱并不是制定和扩充货币政策的径直依据。

(五) 接纳递归的预计方差认识进行郑重性分析

为了进一步得出我国房地产价钱波动对系统性金融风险的动态影响，同期纯熟本文研究论断的郑重性，咱们接纳了递归方差认识方法来进行分析。咱们从2008年第一季度发轫当作基准期，每增多一期，作念一次方差认识末端，同期索要第八期的方差认识末端当作一个样本点，直至到样本期的最末端2016年第四季度。递归的方差认识末端见下图。

由图 4-图 5的递归预计方差认识末端，咱们不错知谈系统性金融风险指数变化大部分波动(70%-85%)由其自己进行解释，这标明系统性金融风险的惯性成分一直是推动我国风险积聚的遑急原因。房地产价钱对系统性金融风险的解释力在通盘这个词递归期内基本保执与上文预计方差认识一致的末端，保执在10%傍边；骨子利率对系统性金融风险的影响一直保执在9%傍边；国内坐蓐总值的平均解释力也盘桓在2%隔邻，与上文预计方差认识末端保执一致。但是，咱们不雅察到在2009年第2季度，系统性金融风险有一个突然的上升随后渐渐下降，房地产价钱却正好相背，在转眼的下降之后发轫了沉稳地回升。这充分确认了我国房地产商场由于受到了来自金融危境的热烈外部冲击，使自己的发展旅途产生了篡改，同期使系统性风险出现了显赫的上升。另外，在金融危境以后，房地产价钱冲击对骨子利率的解释力有着十分显然的上升，这也从侧面反应出，我国中央银行在制定货币政策时发轫愈发地温雅房地产价钱波动，货币政策诊治和章程制定发轫在更大程度上参考房地产商场成分，央行意图通过货币政策用具调控房地产价钱的办法也更加显然。凭据以上递归预计方差认识可知即使篡改样本时代，本文的分析末端依然不会篡改，因而确认本文得出的是十分郑重的实证研究末端。

图 4 系统性金融风险的递归预计方差认识 图 5 房地产价钱的递归预计方差认识 图 6 国内坐蓐总值的递归预计方差认识 图 7 骨子利率的递归预计方差认识 六、论断及对策建议

本文基于当今我国房价高涨的实验情况，本文通过登第系统性金融风险指数、房地产价钱、国内坐蓐总值和同行拆借利率，开导基于有向无环图(DAG)的结构向量自归来(SVAR)模子，研究房地产价钱波动对系统性金融风险的影响机制和动态效应，得出了如下论断:第一，有向无环图的纯熟标明我国存在房地产价钱对系统性金融风险指数的同期影响，国内坐蓐总值对系统性金融风险指数的同期影响，其他变量之间不存在同期因果关系；第二，通过脉冲响应函数末端得到我国房地产价钱的快速高涨如实会推动我国系统性金融风险的上升，为了应酬该种情况，我国中央银行一般采选提高利率这种货币政策用具技能来调控房价并赞好意思金融系统相识，但是耐久看，政策效果狭窄；另外，由于多年来我国资金存在离实向虚的表象，导致我国系统性金融风险一定程度上脱离实体经济情景而存在；第三，预计方差认识末端自大，自己惯性的推动作用是我国房地产价钱水平握住上升的主要原因，房地产价钱波动相较于其他变量来说领有对系统性金融风险更大的解释力，房价对金融相识起到至关遑急的基础作用，且由于金融系统性风险具有传染性，信息不合称以及金融脆弱性的存在齐会导致金融系统性风险在金融体系内快速传导，使得系统性金融风险也存在惯性。

为了赞好意思我国金融相识和政府进一步实施灵验的房地产商场调控政策，蚁合本文实证分析论断，咱们提议如下政策建议：第一，房地产价钱波动与金融系统性风险之间有着紧密的内在臆测，政府要加强地皮商场调控，合理阻挡地皮的供应，合理阻挡房地产开导投资，谛视其加重房地产价钱的波动，开导多元化房地产融资机制，谛视风险集聚。总的来说，政府实施房地产价钱调控需服从“宏不雅审慎”的原则，把杜绝房价剧烈波动当作先决要求，对金融系统的风险概况进行严实监管；第二，东谈主民银行的应该密切温雅房地产价钱的变化，尤其在房地产价钱波动对金融系统性风险产生遑急影响时，不错当令合理地愚弄货币政策用具，比喻诊治货币供应量，推动利率商场化矫正无邪使用利率政策等，来对房地产商场进行调控，镌汰房地产价钱波动导致可能导致的金融系统性风险；第三，政府应通过镌汰税收、提高金融商场效率等举措镌汰企业计划成本；加大基础设施投资和基础科学研究和技能立异的过问来提高企业事业坐蓐率；不息鼓舞海外商场开拓和专家化计谋，进步中国产物竞争力和需求；切实进步实体企业答复率，从而诱导社会资金“脱虚入实”，我国应当握住鼓舞经济结构优化进度、加速经济结构诊治要领，打造资金、技能、资源、事业密集型行业平衡发展的可执续经济增长模式，从根源上谛视系统性金融风险的出现和延长。