影子银行对国内房价的影响

【摘要】中国影子银行规模的不断扩张，对中国经济带来了潜在危险。此外，影子银行具有一定的银行功能，对房地产行业融资渠道进行补充。本文通过收集中国年度数据，构建VAR模型，分析影子银行规模与房地产价格之间的关系，得出了：影子银行在一定程度上影响商品房价格。

【关键词】影子银行；房地产价格；VAR模型

引言

自2008年美国次贷危机发生以来，“影子银行”这四个字就被各国学者所青睐。它被认定为是次贷危机发生的元凶，为经济的发展带来了潜在的威胁。在中国，虽然影子银行相对于国外发展路程缓慢，但它在中国由先前的不活跃到现在它已经积累到不可忽视的数字，引起了中国政府的关注。同时，房地产行业在中国经济发展道路中，是一个支柱产业，为中国的经济发展做出了不可忽视的贡献。由于房地产行业资金需求量很大，向银行贷款不足，导致房地产企业通过影子银行渠道进行融资。所以实证研究房地产行业与影子银行之间的关系，不仅仅有利于了解影子银行在房地产行业的作用，更对掌握影子银行在房地产行业得风险也有很重要的意义。

1文献综述

目前国内外关于研究影子银行与房地产之间的关系的文献有很多，有相当一部分的研究是基于理论的，有部分则是基于各种模型进行实证分析，得到的研究结果也不尽相同。魏燕子（2016）通过建立VAR模型，脉冲响应和方差分解的方法，结果显示：影子银行快速发展在一定程度上能够有效缓解房地产行业从正规商业银行融资难的问题，在短期内平抑了房价。李晓峰、晏妮（2018）采用向量自回归模型探究北京市影子银行规模与房价之间的关系，结果发现北京市影子银行的规模与房价之间具有长期协整关系，对房价产生正向影响。刘子策（2020）构建动态随机一般均衡模型，研究了影子银行对地价、房价上涨的作用以及房地产与影子银行的相互作用对中国经济波动的影响。结果表明，放松对影子银行的监管时，地价和房价的上升幅度显著增大。张辉（2019）采用主成分分析法并构建SVAR模型进行实证分析。分析结果表明：影子银行与房地产价格之间存在着相互促进的关系。李丹丹（2015）采用EGARCH-M模型实证分析结果显示影子银行对房价具有正向影响。贾生华等（2016）通过构建结构向量自回归模型进行实证，研究结果表明影子银行规模的上升促进了房价的抬升。任行伟等（2019）基于影子银行与房地产价格之间的作用机理，构建结构向量自回归模型（SVAR）进行研究，实证研究结果表明影子银行规模扩大推高了房价。张曾莲、何兰芳（2017）选取31个省的面板数据，引用门槛效应模型，实证研究影子银行与商品房价格之间的关系，研究结果表明：影子银行在一定规模下，能显著促进商品房价格的上涨；当影子银行超过一定规模后，影子银行对商品房价格的影响不再显著。综上所述，目前学者研究方向不一致，选取的模型和指标也不相同，得到的结果同样不同。本文通过不同于以前学者的影子银行规模的测算方法以及指标的选取进行实证分析。

2实证分析

2.1变量选取与数据来源

被解释变量：商品房价格（vsale），计算公式为：商品房销售额/商品房销售面积。被解释变量：影子银行规模（scale），本文影子银行规模规模的测算借鉴封思贤（2014）未观测信贷规模的计算方法。控制变量：货币供应量（M2），国内生产总值（GDP），房地产住宅投资（ivh），分别借鉴魏燕子（2016）、王若涵（2020）、张曾莲（2017）的控制变量选取。进行数据处理时，为了消除异方差所带来的影响，本文对所选取的变量取对数处理。本文选取2000年-2018年中国的年度数据为研究区间，运用Eviews10.0软件进行实证分析。数据来源于国家统计局和中国统计年鉴。

2.2ADF检验

在建立VAR模型之前需要对本文的数据进行平稳性检验。ADF单位根检验结果见表1。从表中可以看出本文所处理的变量都在二阶差分平稳，符合构建VAR的基础条件。

2.3Johenson协整检验

本文为了检验五个变量之间是否存在长期的关系，采用Johenson协整检验方法对上述变量进行检验，检验结果表2。从表2得出，原假设的迹检验统计量和最大特征值统计量在5%显著性水平下显著，即在5%显著性水平下拒绝原假设，表明五个变量之间存在四个协整关系，五个变量之间存在长期均衡关系。

2.4AR检验

从图1中可以看出，没有单位根落在单位圆外，表明时间序列数据是稳定的，符合建立VAR模型标准，选取的五个变量可以进行VAR模型实证分析。

2.5脉冲分析

根据Eviews10.0软件的处理结果显示最优滞后阶数为2阶。此外，本文主旨研究是影子银行规模对房价的影响研究，所以本文在做脉冲响应分析时，只对影子银行与房价之间做脉冲响应。图2表示影子银行规模与商品房价格之间的脉冲响应图。从图2中可以看出，给影子银行规模一个冲击，对商品房价格有一个正向的影响，并在第二期达到最大值，随后开始下降。在第六期又开始上升，并在第十期之后趋于平稳。这说明，影子银行规模的不断扩大，促进了房地产行业的发展，使更多的房地产公司和更多的资金进入房地产行业，从而促进了商品房价格的上升，这种促进作用是正向的且长期的。

2.6方差分解

为了进一步分析LNSCALE、LNM2、LNIVH、LNGDP四个变量对LNVSALE增长率的贡献程度，需要对LNVSALE进行方差分解。根据表3，除了商品房价格对自身的贡献度之外，LNSCALE在促进商品房价格上涨贡献度最大，贡献程度大概在19.65%-36.58%。LNIVH对房价贡献程度其次，大概在8.04%-13.51%。LNM2对房价的贡献程度大概2.29%-4.23%。LNGDP对房价的贡献程度大概在0.38%-0.66%。方差分解的结果和上述的实证分析结果相互一致。

3结论与建议

本文通过选取2000-2018年共19年的年度数据，选取了五个变量并且经过ADF检验等之后构建向量自回归模型（VAR模型）进行实证分析，分析了我国影子银行规模与我国房价之间关系，实证分析得出：影子银行规模的扩张，促使了房价的上涨。基于以上实证分析得出的结果，提出以下相关建议：第一：影子银行虽然促进了房地产行业的发展，进而促进了房价的上升。但由于正规商业银行融资有，房地产行业资金需求不足，进而转向影子银行融资，导致房地产行业越来越依赖影子银行渠道进行融资，所以房地产企业自身应当慢慢减少对影子银行融资的依赖。第二：政府不仅要控制房价的过度上涨，还要提高房地产行业门槛。这是因为影子银行进入房地产行业以高于银行贷款的利率要为自身盈利，增高了房地产企业开发成本，进而导致了房价的上涨。如此循环，就会导致房价的过度上涨，所以一方面政府应该控制房价的上涨，另一方面要提高企业进入房地产行业进行资格。

【参考文献】

[1]魏燕子.影子银行与我国房地产价格相互影响研究——基于VAR模型的实证分析[A].金融经济，2016.

[2]李晓峰,晏妮.北京市影子银行规模及其对北京市房价的影响分析[A].北京联合大学学报(人文社会科学版)，2018.

[3]刘子策.影子银行、房地产价格与中国经济波动[A].武汉金融，2020.

[4]张辉.影子银行、房价波动与金融稳定性的动态研究——基于SVAR模型的实证分析[A].专题，2019.

作者：何晓繁 周子翔 单位：青海民族大学