房地产金融风险预警研究

导语：房地产金融风险预警研究一文来源于网友上传，不代表本站观点，若需要原创文章可咨询客服老师，欢迎参考。

一、研究背景

自1998年全面推进和实施住房制度改革以来，经过近二十年的快速发展，房地产市场化建设在取得巨大成就的同时，也出现了一些问题。房地产行业是资本密集型行业，离不开金融业和资本市场的支持，两者紧密结合快速发展使得房地产金融风险积聚。风险隐患一旦暴露和形成风险，势必通过风险的传递，损害房地产金融主体的相关利益，不利于房地产市场和资本市场的健康和稳定运行，甚至影响和冲击国民经济发展。对于房地产金融风险的调控一直是各国政府的重要课题，而建立房地产金融风险预警预报和信息披露是管控的主要措施。当前我国有效和完善的房地产金融风险预警系统不多，信息披露准确性有待提高。因此，构建合理有效的房地产金融风险预警系统是非常必要的。借助预警系统预测2017年我国31省市的房地产金融风险状况和评价我国房地产金融风险水平，可以为未来房地产金融风险预警提供分析工具及借鉴。

二、文献综述

（一）房地产金融风险预警指标体系相关研究。Koetter和Poghosyan（2010）认为房地产金融风险主要源于以商业银行为主的金融机构是否稳定运行，进而影响宏观经济波动的可能性。基于此选取德国75个经济区域的人口、GDP等宏观经济因素以及商业银行CAMEL等指标作为预警指标，得出房地产价值偏差及商业银行自身稳定是影响房地产价格的主要因素。国内学者陈万铭（2004）提出分层次和级别建立房地产发展阶段指标、供求状况指标、市场价格指标、投机程度指标等四类宏观风险预警指标体系。其中，房地产发展阶段指标包括房地产投资增长率/GDP增长率、地价增长率/GDP增长率等；房地产供求状况指标包括市场供应增长率/市场吸纳增长率和出清时间；房地产市场价格指标包括房价收入比和实际价格/基础价值；房地产投机程度指标包括住房抵押贷款增长率/居民家庭平均收入增长率等。薛星（2010）、张振勇（2011）具体将房价收入比、房价租金比、租金收入比、房地产价格增长率与GDP增长率之比、商品房空置率5个指标作为房地产市场预警统计指标，并划分预警范围，根据指标数据，确定警兆的警级，结合警兆的重要性进行加权综合为指数，根据指数反映的市场风险表现，为调控房地产提供参考。（二）房地产金融风险预警方法及模型相关研究。1.传统金融风险预警方法及模型。景气指数法、统计预警法和模型预警法是当前金融风险预警的主要方法及模型。模型预警法中，国外学者Grudnitski（1992）探索了神经网络方法在房地产预警中的运用。在其基础上，Witold（2002）通过HP滤波模型建立房地产市场的周期指标。使用GDP、家庭消费支出、可支配收入、投资结构、资产回报作为变量指标，分析房地产价格变化。胡鹏、姚长学和钟叔平（2003）以销售率为基准循环，构建包括销售面积增长率在内的8个指标作为房地产市场先行指标体系，建立房地产市场先行扩散指数预警监测系统，并以此系统对四川房地产市场金融风险进行预警监测。统计预警法主要包括LOGIT、VAR、ARCH和ARMA等。唐根年等（2010）基于格兰杰检验的视角，对我国房地产价格上涨的基础支撑面稳固性进行分析。在此基础上，采用突变模型对我国35个城市房地产风险进行比较和预警。2.症状监测预警方法。美国CDC认为症状监测（syndromicsurveillance）是对临床确诊前的相关数据和疾病可能爆发的信号进行监测，以做出进一步的公共卫生反应。在医学领域，症状监测被广泛应用于疾病的预警与控制相关的理论研究和实践中，由于其预警分析的机理和其他学科或安全事项预警机理相类似。因此，症状监测思想亦被应用于其他领域的预警研究和实践中。庞皓、黎实、贾彦东（2009）创新研究方法，首次将症状监测应用到经济及金融研究领域，基于症状监测的思想，构建了我国金融安全预警机制和系统。韩宝兴、贾彦东（2009）沿着症状检测思路，构建了我国外债安全状态指数并对我国外债安全进行机制分析，结果表明我国外债安全并不稳定，其出现风险可能性有升高趋势。（三）文献述评可以发现：第一，房地产金融风险的生成和传递机制较为复杂，当前对于风险的生成研究侧重于单一主体或市场角度，基于此构建的风险预警指标体系亦显得有失全面，不能全面真实反映风险运行和水平，从而影响预警效果。第二，梳理预警方法和模型的研究发现，当前我国房地产金融风险预警方法及模型基本上是沿用传统金融风险预警的方法和模型，适用并符合房地产金融风险预警特点的专有方法和模型较少。因此，未来有必要从更加宏观的视角研究分析风险生成和传递，建立更加全面有效的预警指标体系和房地产金融风险预警的模型。本文的主要内容即以症状监测作为理论指导，把房地产金融主体作为监控点，选择并确定预警指标的组成，结合预警方法和模型，构建我国房地产金融风险预警系统。然后将构建的风险预警系统应用到我国31个省市2017年房地产金融风险预警，找到未来可能存在的风险隐患，提出相应的风险防范措施。

三、我国房地产金融风险预警系统构建

本文将症状监测思想进一步应用于我国房地产金融风险预警，建立风险监测点（可能病变器官），构建预警指标（症状），前置发现指标特征（症状表现），合理预判风险类型（疾病类型），管控和防范风险发生（疾病爆发），形成稳定健康的房地产金融系统。（一）预警主体选择。在整个市场体系中，房地产金融各组织机构作为风险的主体，通过风险载体即房地产金融产品或工具及宏观经济和政策的影响，使得风险在各主体间生成和传导。初级市场体系中，主要的房地产金融主体是房地产金融机构、房地产企业和房地产消费者。二级市场体系中，房地产金融机构将来自房地产企业和房地产消费者的抵押贷款进行打包发售，建立一定流动性的资产池，发售证券、信托计划等在资本市场进行发售，获得资金的回流。如下图2所示，风险的传递离不开各类金融融资产品和工具这一风险载体，通过载体的传递，将不同原因导致的风险发生的可能性传递到相应主体自身。本文最终选择金融机构、房地产开发企业、房地产消费者、宏观经济政策变化作为风险的主要来源即预警主体。（二）预警指标体系构建。1.预警指标组成。在前人有关房地产金融风险指标选择研究基础上，本文依据症状监测的症状非特异性、时间性、空间性和指标体系构建原则要求基础上，对预警指标进行扩充和改进，具体如表1所示。指标体系分为四个监测点（预警主体），金融机构（A监测点）、房地产企业（B监测点）、房地产消费者（C监测点）、宏观经济（D监测点）。表1中四个监测点共计10个指标构成我国房地产金融风险预警指标体系。按照陈万铭（2004）对我国房地产金融风险预警指标的分类，其主要分为房地产发展阶段指标、房地产供求状况指标、房地产价格指标和房地产投机程度指标四类风险预警指标。（1）房地产发展阶段指标。该类指标从宏观经济和房地产市场发展周期角度考察风险的生成和传递。在发展时期由于房地产市场资金的快速集聚，消费者对房地产市场的向好心理预期不断加强，房地产泡沫存在的可能性加大，易导致房地产市场风险的产生和积聚不断向金融系统蔓延和传递。第一，房地产开发企业贷款余额/金融机构贷款余额（A1）。信贷杠杆是推动房地产泡沫的主要力量，金融机构过大房地产贷款占比易导致泡沫风险从房地产市场向金融系统转移和传递。第二，房地产投资增长率/GDP增长率（D2）。在宏观经济处于成长和繁荣时期，房地产市场对于宏观经济的支撑作用较为明显，D2的数值可能偏大，这也是泡沫风险最易产生的时期；较低的D2值也可能代表衰退型房地产市场存在可能性。（2）房地产供求状况指标。房地产金融风险传递的主要原因之一源自房地产市场产品和资金的供求失衡。第一，房地产开发企业销售额增长率（B3）能准确反映房地产市场供需状态。过大的B3值说明市场对于房地产的需求较大，销售额增长越快，企业越有动力进行房地产开发投资。第二，人均房产税/城镇人均可支配收入（C2）。该指标同样反映消费者对于房地产需求的影响。房产税占可支配收入比例过大会带来消费者对购买房地产的负担和消极态度，减少对于房地产需求。第三，人口增长率（D1）。从宏观层面反映对于房地产的需求情况，人口越多，对于房地产的刚性需求越大，从而影响房地产市场的供给和投资。（3）房地产价格指标。房地产价格是房地产商品实际价值的直接体现，影响着房地产的有效需求。房价增长率/城镇人均可支配收入增长率（C1）是价格指标的典型代表。C1值的增加一方面说明房价相较于收入不断增加，高房价的消费者可能加大个人住房贷款比重，造成道德风险和信用风险向金融机构的传递。（4）房地产投机程度指标。高利润的房地产金融行业易吸引投机资本的进入，造成市场供求失衡和投机风险暴露。第一，资产负债率（B1）。过高的资产负债率表明企业资金杠杆较高，投机程度较大，可能造成企业发生流动性风险。第二，房价增长率/地价增长率（B2）。其表示房价和地价的增长速度快慢。过大的B2值，一定程度上反映企业拿地成本相对较低，而销售价格相对偏高，形成高利润而引诱投机资本的加入，一旦泡沫破灭即造成风险暴露。第三，M2增长率（D3）和贷款基准利率（D4）。M2货币供应量的多少和贷款基准利率的大小一方面影响房地产市场资金的供求状况，另一方面也可能造成基于投机目的的房地产开发投资。2.警限划分。对应上文划分的不同范围域对应不同指标特征表现，只有当指标处于正常特征范围域以内，才保证房地产金融的安全；超出特征范围域以外，则可能出现一定房地产金融风险。本文采用3δ法作为范围域的划分方法。其认为数值分布位于平均值加减正负3倍标准差之外的概率为1%，可被作为异常值处理。本文将这一方法进行细化改进，正负1倍标准差之外的数值作为关注指标，2倍标准差之外的数值作为控制指标，3倍标准差之外数值作为恶化指标，从而将指标划分为过冷、冷、偏冷、正常、偏热、热、过热7个特征。μ,σ分别表示平均值和方差，“正常”表示该指标无风险，特征范围为(μ-σ,μ+σ)；“偏冷”或“偏热”表示应该对该指标进行关注，范围分别为(μ-2σ,μ-σ)，(μ+σ,μ+2σ)；“冷”或“热”表示该指标出现不良趋势，应加以控制，范围分别为(μ-3σ,μ-2σ)，(μ+2σ,μ+3σ)；“过冷”或“过热”表示该指标已经恶化，有爆发风险的可能性，范围分别为(-∞,μ-3σ)，(μ+3σ,+∞)。3.预警方法及模型选择。根据我国大陆行政区域划分，将我国分成31个省市，考虑到预警精度的要求以及我国房地产市场在2000年才开始逐步发展的实际情况，搜集每一个省市的2001~2014年的表1中10个指标数据。如表2所示，结合BP神经网络和Matlab编程，输入2001~2010年的指标数据作为训练样本，为降低年限的关联影响，间隔3年期为标准，输出2013年指标数据作为训练目标，待训练完成后，输入2002~2011年症状数据作为检验样本，输出2014年数据作为检验目标，待检验效果符合误差范围，分别输入2004~2013年、2005~2014年指标数据作为预警样本，输出2017年指标数据作为预警目标，将目标值与特征范围进行对比，得到特征表现。

四、我国房地产金融风险预警——以贵州省为例

（一）样本数据与警限划分。鉴于31个省市预警过程相同，为节省篇幅，本文以贵州省为例进行预警分析，其他省市预警过程省略。表3为2001~2014年贵州省房地产金融风险指标数据。然后据表3指标数据，可得各指标的特征范围，设置预警范围。见表4。其中μ、δ分别表示均值和标准差。（二）样本检验。利用前文BP神经网络模型和Matlab编程对样本进行训练，训练次数为5000次，权值和阀值都为0.5，训练精度为10-6。神经元个数范围为（5，15），输入2001~2010年指标训练样本和2013年训练目标，得到最佳神经元个数为9，进而得到训练完成的BP神经网络模型，对其输入2002~2011年检验样本，得到2014年模拟值并将其与2014年真实值进行比较，按照指标特征作为参考标准，若经过MATLAB训练样本得到的2014年检验模拟值表现特征与2014年真实值特征均表现为正常，则神经网络训练较好，准确率为100%，可以引用到接下来的房地产金融风险预警，如表5。表6即通过预警模型得到2017年贵州省房地产金融风险指标特征。2017年，A1偏冷，其意味着贵州省房地产开发企业贷款余额占比金融机构贷款余额比较少；B类指标中B2、B3偏冷可知房地产价格增长率相对于土地价格增长率缓慢，房价的增长率低于地价增长率，导致地产商成本上升，资金负荷过大；而房地产开发企业销售额有所下降，会导致房企利润下降资金回笼缓慢。C类和D类指标中，C1和D3偏冷说明2017年宏观货币M2投放量增速会继续放缓，贵州省房地产市场继续受到宏观调控影响，房地产企业开发贷款占银行贷款余额的比重不高，房价增长率放缓，而D1过热表示会因为人口增长率上升，导致居民增大购房需求。鉴于其他指标的正常表现，可以判断贵州省2017年房地产市场属于继续去库存的一年，供给端继续偏冷，房价增长率小于地价增长率，房地产开发企业会减少房地产的开发，从而减少成本损失。或会因为人口上升导致居民增大购房需求；房地产继续去库存量，房地产金融风险总体保持稳定，但需要防范某些房地产企业资金回笼缓慢，拿地后资金链断裂无法支付银行贷款和工程款的风险。（四）我国31省市房地产金融风险预警分析。1.我国31省市2017年房地产金融风险预警分析。按照上述房地产金融风险预警过程，本文对我国大陆31个省市进行预警分析，得到2017年我国房地产金融风险指标的表现。8所示。2017年我国房地产金融风险异常指标主要集中于A1（房地产开发贷款余额/金融机构贷款余额）、B2（房地产价格增长率/土地价格增长率）、C1（房地产价格增长率/人均可支配收入增长率）、C2（人均房地产税/城镇人均可支配收入）、D1（人口增长率）、D2（房地产投资增长率/GDP增长率）。如表8所示，其中，北京、天津、山西、海南的A1指标表现过热，房地产开发贷款余额占比金融机构贷款余额过大；吉林等7省市A1指标表现为热，各地应该加大该指标的监管；辽宁省房地产开发企业贷款占比金融机构贷款有所下降，可能与东北地区经济发展降速和人口减少有关；其余20省市在A1指标上表现正常。B2指标中，广西、海南、重庆三地房地产价格增速明显，福建、山东及四川房地产价格亦有所上升，上述地区经济发展较好，房地产市场健康发展；而辽宁为主的东北地区房地产价格增速显著下降。C1指标中，西藏、山西、上海、安徽、广西、云南等地的房地产价格相较于当地人均收入来说，增幅过快，房地产购买力会有所下降。C2指标表现中，河北等10省市指标较热，即人均房地产税相较于人均可支配收入来说相对过多，潜在影响该地区对房地产的需求。上海等5省市D1指标较热，即上述五省市未来人口有所增加，提升房地产消费需求。天津、广西等房地产投资额增长较快，会加大房地产供给；内蒙古、吉林、辽宁、河北等房地产投资增幅慢于GDP增长幅度，意味着未来上述区域的房地产供给有所下降，房地产市场不太景气。从表7中指标恶化率可以得到，指标恶化率超过20%的有11个省市，其中天津、上海、安徽、河南、四川、西藏六省市指标恶化率为30%，河北、辽宁、吉林、广西、海南五省市为40%，江苏、湖北、湖南、广东、宁夏五省市恶化率为0，其他省市指标恶化率均为20%。华北区域主要集中于京津冀地区和东三省、豫皖地区、琼桂地区、川渝地区、甘藏地区等六个区域。其中京津冀地区主要是A1指标较热和C1指标较冷，即房价相对于人均收入增幅较低，可能导致较大的房地产需求，促使房地产企业加大贷款规模进行房地产开发和供给。东三省主要是D2指标的过冷，即2017年东三省区域房地产投资增速严重下滑，可能影响经济发展。琼桂川渝地区主要是房地产价格增幅远远高于土地价格增速，可能造成大规模房地产开发供给和投机行为，产生房地产市场泡沫。甘藏地区的问题主要体现在相对于人均收入增速来说，该区域的房地产价格增幅和房地产税收增幅较大，可能抑制房地产需求，给房地产销售和供给带来较大压力。加之过大的房地产贷款占比会给房地产企业带来较大的经营压力，可能产生企业违约和信用风险。因此，相较于2016年，可以预测2017年我国房地产金融风险在深度上有所强化；在广度上，风险有进一步向区域集中化和多范围扩散化的趋势，产生风险的可能性有所增加，应进一步加大相关异常指标的关注和控制，防范区域性房地产金融风险的产生。2.预警结论。综上预警分析，本文认为我国2017年爆发恶劣型区域性房地产金融风险乃至整体性和规模化的房地产金融风险可能性较低。可能产生风险的原因主要集中于房地产企业贷款余额占比金融机构贷款余额过大、房地产价格的快速上涨、房地产税负的区域不合理征收、不同区域房地产投资建设逐步分化以及区域房地产金融风险的积蕴等。

五、我国房地产金融风险防范

加强房地产金融风险的管理和防范，对于包括房地产市场和金融市场在内的整个宏观经济体系有着重要意义。通过对我国31省市房地产金融风险的预警分析，本文对防范我国房地产金融风险提出几点建议，希望有助于我国房地产金融的发展。（一）拓展全面多元的融资渠道。2014年我国房地产开发企业到位资金来源中，银行贷款占比约50%。未来我国房地产企业金融机构贷款额度继续保持增长。房地产信贷是房地产金融的重要组成部分，成为房地产市场各相关主体资金主要提供者。但房地产信贷融资比例过高和融资渠道单一的特点，增加了房地产金融风险爆发的可能性。因此，必须实现房地产融资渠道的多元化。一方面，增加房地产企业融资渠道，将传统以银行贷款融资为主转化成银行贷款、房地产信托、房地产资产证券化、企业众筹、房地产互联网金融等多元主体和融表82017年全国主要异常指标表现异常指标指标表现A1B2C1C2D1D2过热北京、天津、山西、海南广西、海南、重庆西藏、山西河北、山西、黑龙江、广西、青海上海、广西、贵州天津、黑龙江、广西热吉林、河南、重庆、西藏、甘肃、青海、新疆福建、山东、四川上海、安徽、广西、云南吉林、安徽、河南、四川、甘肃安徽、河南过冷辽宁河北、内蒙古、辽宁、四川内蒙古、吉林冷辽宁天津、浙江、海南西藏河北、辽宁、福建资模式；另一方面，发行REITs、房地产中期票据、房地产企业债券等金融融资产品，增加房地产金融收益性和流动性，降低风险。更加全面的融资方式和渠道亦将成为防范和化解房地产金融风险的主要路径。（二）制定完善的房地产税负体系。税收收入是国家财政收入的主要来源。包括房产税在内以土地和不动产为税收标的的税收收入更是财政收入的重要组成部分。2013年我国房产税等房地产相关税收收入约为12246亿元，同期占比国家税收收入约为11%。过多的税收和不合理税收机制影响房地产市场的需求与供给，增加企业的开发成本，减少房地产的供给数量和质量。过多的税收负担还抑制消费者对于房地产的有效需求，从而不能真实反映房地产市场的供需状况，不利于房地产市场良性平稳发展。加之我国是一个区域经济发展严重不平衡的国家，因此，政府应该大力推进财税体制改革，考察房地产市场及相关主体真实状况，根据不同区域经济发展和居民收入情况，合理有效制定房地产相关税收机制和政策，有效推动房地产市场健康平稳发展。（三）分区域防范房地产金融风险。区域经济的下滑和房地产金融风险的暴露可能导致全国性房地产金融风险的发生。海南房地产泡沫、浙江房地产企业资金链断裂、鄂尔多斯鬼城、东北经济下滑等都可能是区域性房地产金融风险爆发的前兆。区域性房地产金融风险的有效及时遏制和调控，将区域房地产金融风险发生可能性降低到最小化，对于我国整体房地产金融安全至关重要。面对我国区域经济发展的不平衡，应该有区别有针对性地建立房地产风险预警系统，预警和关注各地区房地产金融风险水平变化，及时有效控制房地产金融风险状况，特别是华北地区、川渝琼桂地区等重点区域进行关注，制定区域性风险防范措施。

作者:孙涌等 单位:中国人民银行遵义市中心支行