房地产景气指数与银行房地产信贷风险计量
我国房地产价格波动与银行信贷增长关系的协整检验与误差修正模型
６６ ．５
３ ７ ．６
从 以上 的检验结果可 以看出 ，在 ５ 的显著性水平上已经被 ％
的其他 数据取 自然对数 ，消 除异方差 的影 响得到 的房地 产价格 拒绝 ，所 以四个变量之间存在一个协 整关系。该协整关系可以表 （ Ｐ 、银行贷款 ｛Ｌ 、经济增长 （Ｙ 、利率 ｃＩ。所有原始 示 为 ： Ｌ ） Ｈ Ｌ） Ｌ） Ｌ）
关 系 ， 行 贷 款 与 工 业增 加 有 着 互 相 推 动 作 用 。 此 外 ． 地 产价 银 房
Ｌ Ｌ Ｌｐ Ｈ
Ｌ Ｙ Ｌ ｊ
ＤＬ Ｌ Ｄ ＨＰ Ｌ
０Ｙ Ｌ
（ ． ，） ｃ ｔ２ （ 。 ．） ｃ ｔ２
（ 。， ） ｃ ｔ２ （ ．． ） ｃ Ｏ ２
（ ０ １ ｃ。， ） （ ０ １ ０．。）
１ ２１０ １ ８ ６
５ ．６ ４４ ３ ．５ ５ ６
２ ４ ００
月度 的Ｇ Ｐ Ｄ 数据 ，故用工业增加值代替 。对选取 的数据用消费指
数 进 行 指 数平 减 ．以消 除通 货 膨 胀 因素 的影 响 。将 银 行 贷 款 以外
ｒ ≤３
０ ０ ｇ ３ ．４ ｇ ３
３． ７ ４ ２ ０４ ２
（ ０ １ ｃ。，）
－ ． １７ ０ － ． ３６ ８
－ ． ３７ ５ － ． １Ｏ ８
、
我 国房地产价格波 动与银行信贷增长 的协 整分析
１ 数 据 的 来源 及处 理
具 有明显的确定性趋势 因此将协整方程 设定为含截距项 。
原假设Ｈ ０
ｒ０ － ｒ ≤１
ｒ ２ ≤
本文选用 ２ ０ ０ ２年 １月至 ２ ０ ０ ７年 ９月期 间的月度数据。选 取 的变量为我国房地产价格 （Ｐ 、银行贷款 （） 经济增长 （ Ｈ） Ｌ Ｙ） 与银行贷款利率 （Ｉ。为了消 除统计数据 中价格 因素的影响 ．以 Ｌ） 变量实际值进行计量检验 故对相关数据进行 了处理 ： 因为没有
基于VAR模型的商业银行房地产信贷风险研究
（ ） 一 季节调整 本 文采 用 国际通 用 的 Ｃ ｎｕ １ 节调 整 方法 对进 ｅ ｓｓ ２季 Ｘ 入模 型 的序列 进行调 整 ， 由于调整 后的序列增 加 了＂ｓ” ａ的 后缀 名 ， 为了研究 的方便 ， 统一把后缀名 去掉 。
（ ） 三 ቤተ መጻሕፍቲ ባይዱ房景 气指数
中 图分 类号 ： ８０３ 文献标 识码 ： Ｆ３ ． ３ Ａ 文章编 号 ：０ ５ ９ ３ ２ １ ） ０ ８ — ３ １０ — １Ｘ（０ １ － ０ １ ０ １ １
它从房地产业发展必须同时具备的土地、资金和市场 需要 三个基本 条件 出发 ， 地产 开发投 资 、 由房 资金来 源 、 土
三 、 证分析 实
其 中 ：Ｉ 示房地产 信贷 的实际 违约率 （ Ｄ表 以下 简称违 约 率 ）Ｍ Ｃ 表 示 宏 观经 济 景气 指 数 、Ｒ Ｃ 表示 中国房 、ＥＩ Ｃ ＥＩ 地 产开发 综合 景气 指数 （ 以下 简称 国房景 气指 数 ）Ｒ ＩＩ 、 ＥＣ 表示 房地产行业 景气指 数 、Ｐ 表示 居民消费 价格指数 。 ＣＩ
度 较 小 。 因此 为 了更 好 的 控 制 房 地 产 信 贷 风 险 ， 努 力保 要
上， 本文采 用 ２０ ０４年到 ２ １ 年的季度数据 ， 数据 的选 ００ 模型 择符 合要求 。
（ ） 约 率 一 违
在指 标的选择 上 ，结合众 多国内外学者 的研 究成果和 数据 的可得 性 、 确性 和 实用 性 的基础 上 ， 用 商业银 行 准 选 不 良贷款中次级类贷款 占全部贷款 比例作为房地产信贷 的实 际违约率 。 。
地转 让收 入 、 地开 发 面积 、 开 工面 积 、 工 面积 、 置 土 新 竣 空 面积 、 商品房销售 价格等 ８ 个具 有代表性 的分类 指数合成 ， 可以较为 全面反映全 国房地产业 的基本运行状况 。 （ 房地产行 业景 气指数 四） 房地产行 业景气指 数是企业景气指 数 中的一种 ，是根 据企 业 负责人 对 本企 业综 合 生产 经 营情况 的 判断 与预 期 而编 制 的指数 ， 以综 合反 映企 业 的生 产经 营状 况 ， 业 用 企 景气调查 采用问卷调查 的方式 。由于本 文研 究对象是 房地 产信贷风 险 ， 选择企 业景 气指标 中的房地产业 作 为研 因此 究 对象 。 （ ） 民消费价格 指数 五 居 居 民消 费价格指数 主要 反映城 乡居 民购买并用 于消费 的消费 品及服 务价格 水平 的变动 情况 ， 它来 反映通货 并用 膨 胀程度 。随着 国家统计 局上调居住类 在 Ｃ Ｉ Ｐ 测算 中的比
适应新形势 推动新营销 为建设中部一流银行机构提供有力支撑
效 的 站在湖北 第一大行 、系统第一 方 阵的新高度 、新起点 ，展 望打造 中
部 地 区 一 流 银 行 机 构 的 新 目标 、 新 蓝
的考核权重 大幅提高 ，新设置 了法人 存贷款高端 客户 占比及 增长 、对公 与 个人 产 品交 叉销售等客户 类指标 。与
紧跟考核 办法 、新制度导 向 ，重点 围
法 。主要 是 指 存款 ５ 万 以上 对公 客 Ｏ 户 、Ａ 级以上法人客户和 １ 万 以上金 Ａ ０
是外部 形势更加严峻 。 当前 ，
来 ，我们 虽然有预见 性地 启动 了营 销
改进工作 ，在 信贷 品质提 升 、营销 转 型、 “ 一户 三案”等 方面也取得 了一 定进展 ，但 营销工作基础 还不稳 固 ， 关键 问题还 没有根本解 决。在高端 客
求进 ”基调 、人民币汇率 连续十 多天
跌停 、存款准 备金率首次 下调等诸 多 信号 中 ，提前预 判市场趋势 ，准确把 握营销机 遇 ，既要智慧 ，更要能力。 二是 市场 竞争更加激 烈。金融竞 争全 方位 、多领域 展开 ，竞争 对手越 来越 多 ，我们正 面临着城 乡两个战场 的双 重挑战 。在 县域 ，农信社 凭借不 良资 产置换 、股份 制改革等 多重利好 政策 ，近 年来发展势头迅猛 ，２ １ 年 ０１ 前 １ 月存贷 款分 别 比农行 多增 １ １ ０ ５ 亿 元 和２ ３ 元 ，对 农行 县域 主流 地位 ４亿 构成 重大威胁 。在城市 ，农行 产 品和
绕 “ ”、 “ ”、 “ ”三字做好 高 精 深
文章 ，切实提升品质营销能力。
（ ）围绕 “ ” 字做 营 销 。评 一 高
图，机 遇与挑 战并存 压 力与动力 同 在 。面对复杂 变化 的新形势 、 日趋严 格 的 新 要 求 ，我 们 尤 为 需 要清 醒 头 脑 。认 清形 势 ，提 升 能 力 ，主动 应
2024年我国商业银行房地产信贷风险压力测试的研究
2024年我国商业银行房地产信贷风险压力测试的研究一、风险压力测试定义风险压力测试是一种定量化分析技术，它模拟极端但可能发生的经济环境，评估银行资产、负债和整体资本结构在不利情况下的稳健性。
通过这种测试，银行可以识别出潜在的脆弱点，为制定风险管理策略和资本规划提供依据。
在当前的金融环境下，随着房地产市场的波动性和复杂性增加，商业银行面临着越来越大的房地产信贷风险。
因此，对房地产信贷风险进行压力测试，对于确保银行资产质量和稳定经营具有重要意义。
二、房地产信贷风险特点房地产信贷风险具有以下几个显著特点：高杠杆性：房地产开发和购买往往涉及高额的资金投入，开发商和购房者常常通过银行融资来实现。
这种高杠杆操作使得房地产市场一旦出现波动，信贷风险便会迅速放大。
周期性波动：房地产市场具有明显的周期性，繁荣与萧条交替出现。
在市场过热时，银行可能会过度投放信贷，而在市场降温时，则面临大量的违约和坏账风险。
地域性差异：不同地区的房地产市场发展水平和成熟度存在很大差异，这导致房地产信贷风险的地域性特征明显。
政策依赖性：政府对房地产市场的调控政策直接影响房地产市场的运行状况，从而影响银行的房地产信贷风险。
三、房地产信贷风险压力测试方法房地产信贷风险压力测试可以采用多种方法，主要包括敏感性分析、情景分析和历史模拟法。
敏感性分析：这种方法通过调整关键参数（如利率、房价、贷款成数等）来测试信贷资产组合在不同假设条件下的风险敞口。
情景分析：构建一系列可能发生的宏观经济或房地产市场情景，如经济衰退、房价下跌等，并模拟这些情景对银行信贷资产的影响。
历史模拟法：利用历史上发生过的极端事件或危机时期的数据，分析其对银行信贷资产组合的影响，以评估银行在类似情况下的风险承受能力。
四、压力测试模型构建在构建压力测试模型时，需要考虑多种因素，如宏观经济环境、房地产市场状况、银行信贷政策等。
模型通常包括以下几个主要部分：宏观经济模型：模拟未来宏观经济环境的变化，如GDP增长率、利率水平、通货膨胀率等。
中国当前几种主要的房地产指数
中国当前几种主要的房地产指数房地产市场作为中国经济的重要组成部分，对于国民经济的发展和就业的增长起着重要的推动作用。
为了及时了解和监测房地产市场的变化和趋势，各种房地产指数应运而生。
目前，中国房地产市场主要存在以下几种主要的房地产指数。
一、房地产价格指数房地产价格指数是衡量房地产市场价格水平变动的指标。
目前应用较多的房地产价格指数包括中国指数研究院发布的全国房地产价格指数（CRPI）和全国70个城市住宅价格指数（CREIS）。
这些指数通过对各地房地产市场的房屋成交价格进行统计和分析，反映了不同城市和地区房价的变动趋势，有助于投资者和政府监测房地产市场的价格波动情况。
二、房地产销售指数房地产销售指数是衡量房地产市场销售情况的指标。
其中比较有代表性的指数是国家统计局发布的商品房销售价格指数（CPI）。
该指数通过对全国范围内商品房销售价格的统计和分析，反映了商品房销售情况的变化趋势，并提供了重要的市场参考。
此外，还有一些机构发布的自有住宅销售指数以及商业地产销售指数等，都对了解房地产市场的销售情况具有较大的参考价值。
三、房地产投资指数房地产投资指数是衡量房地产投资规模和增长率的指标。
当前，中国房地产投资指数主要以国家统计局发布的固定资产投资价格指数（FAI）为主。
该指数通过对房地产开发和投资项目的投入与产出进行统计和分析，反映了房地产投资规模、增速以及结构的变动情况，有助于投资者和政府了解房地产行业的投资状况。
四、房地产信贷指数房地产信贷指数是衡量房地产信贷规模和增长的指标。
近年来，中国房地产市场受到宏观调控的影响较大，各项政策对于房地产市场的信贷政策也有明确的规定。
因此，房地产信贷指数成为了衡量房地产市场金融风险的主要指标之一。
房地产信贷指数涵盖了人民银行发布的各项信贷指标，包括房地产开发贷款、个人住房贷款、房地产购置贷款等，用于监测和评估房地产信贷的规模和增长情况。
综上所述，中国当前主要的房地产指数包括房地产价格指数、房地产销售指数、房地产投资指数和房地产信贷指数等。
系统性金融风险动态测度——基于动态CoVaR模型
2024年4月第21卷 第4期湖北经济学院学报(人文社会科学版)Journal of Hubei University of Economics(Humanities and Social Sciences)Apr.2024Vol.21 No.4系统性金融风险动态测度——基于动态CoVaR 模型何泽宇（南京审计大学 经济学院，江苏 南京 211815）摘 要：科学、有效地进行系统性金融风险动态测度与分析，直接关系到我国金融风险的防范与化解。
本文基于46家上市金融机构股票数据，构建了系统性金融风险的动态CoVaR 研究模型，分析各金融机构的风险溢出价值以及对金融体系整体的贡献情况，最后为我国金融监管工作提出相关政策建议。
关键词：系统性金融风险；CoVaR 模型；风险溢出价值作者简介：何泽宇（1997- ），男，湖北襄阳人，南京审计大学经济学院硕士研究生，研究方向为金融风险。
一、引言最近十年在经济下行和中美摩擦不断的背景下，我国金融系统面临的风险复杂多样，且更容易爆发。
2013年的“钱荒”，2015年的股灾，以及突发的公共卫生事件对整个宏观经济的不利冲击，都不同程度的影响系统性金融风险。
随着经济下行压力继续加大和就业环境持续恶化，未来系统性金融风险爆发概率可能提高。
如何防范和化解系统性金融风险是关乎党和国家金融安全的重大问题。
二、文献综述国内外大量学者用不同的计量方法实证测算和度量系统性金融风险，并形成了比较完整的测量和应对方法，其中CoVaR 是最近国内外常用的一种测度金融机构对系统性金融风险的边际贡献的方法。
Tobias Adrian 等（2016）详细探讨CoVaR 定义、指标估算、指标运用、指标构建和研究结论[1]。
王周伟等（2014）认为条件风险价值(CoVaR)是度量系统性风险的有效指标之一。
有多种方法计算条件在险价值，其中分位数回归法能够较好地刻画不同分位数对应的系统性风险价值[2]。
什么是房地产景气指数-
什么是房地产景气指数?导读:本文介绍在房屋买房，购房政策的一些知识事项，如果觉得很不错，欢迎点评和分享。
房地产开发景气指数是反映房地产业发展景气状况的综合指数。
它是根据经济周期波动理论和景气指数原理，采用合成指数的计算方法，从房地产业发展必须同时具备的土地、资金和市场需求三个基本条件出发，选择房地产开发、资金来源、土地出让收入、完成土地开发面积、空置面积、新开工面积、竣工面积、商品房销售价格这8个具有代表性的统计指标进行分类指数测算，然后进行加权平均得到的总体指数，并以1994年12月为基期对比计算出用百分制表示的指数体系。
国房景气指数"国房景气指数"是全国房地产开发业综合景气指数的简称。
它是对房地产业发展变化趋势和变化程度的量化反映，由8个分类指数合成运算出综合指数，并用百分制表示。
其中，综合指数值100为景气线，100以上为景气空间，100以下为不景气空间。
通过对景气所处空间、景气值波动幅度、趋势的评估发布，可为国家宏观调控提供决策依据，也为社会提供统计信息，引导中国房地产业健康、有序发展。
"国房景气指数"是反映房地产市场景气变化趋势和程度的综合指数，其数据资料来源于国家统计局房地产统计机构进行的全面调查，而且数据资料可以月月更新，保证"国房景气指数"按月发布。
同时，"国房景气指数"是由政府统计部门编制，是代表国家行使统计监督职能的政府行为，因此，具有及时性、综合性和性等特点。
"国房景气指数"的计算（8部分）一是确定指标体系二是建立原始指标数据库三是消除量纲的影响四是确定权数五是确定基准对比时期六是消除季节、价格因素的影响七是建立分类指数和"国房景气指数"计算数学模型八是"国房景气指数"计算结果的分析报告国房景气指数作用通过分析报告可综合反映全国房地产业运行的景气状况，政府可以据此制定房地产改革和发展的各项政策，出台调节房地产健康发展的有效措施，者可以接受信息的正确导向，权衡的得失利弊，支配自己的行为.这样就对房地产业的健康发展起到了信息导向作用。
房地产景气指数与市场预警
01
政策调整是市场预警的重要依据
政策调整是政府对房地产市场进行调控的重要手段，其变化可以作为市
场预警的重要依据。
02
市场预警是政策调整的重要参考
通过市场预警，政府可以及时了解房地产市场的运行状况，为政策调整
提供重要参考。
03
政策调整与市场预警相互影响
政策调整会影响房地产市场的运行状况，进而影响市场预警的结果；而
市场预警的结果也会对政策调整提供依据，形成相互影响的关系。
政策调整对房地产市场的影响
短期影响
政策调整会在短期内对房地产市场产生影响，如需求减少、供应增加等，导致市场波动 。
长期影响
政策调整会对房地产市场的长期发展产生影响，如房价走势、投资回报等，进而影响房 地产市场的可持续发展。
05
未来房地产市场趋势与预 警
01
02
03
供求关系变化
关注房地产市场的供求关 系变化，包括土地供应、 新房和二手房市场等。
价格走势
关注房地产价格走势，包 括一线城市和二线城市的 房价变化。
政策调控动向
关注政府对房地产市场的 调控政策动向，包括限购 、限贷等政策。
应对未来市场变化的策略建议
合理规划投资
根据市场趋势和自身需求 ，合理规划房地产投资， 分散投资风险。
该系统通过对房地产市场的监测和分析，为 企业提供投资决策的参考依据，避免盲目投 资。当市场出现异常波动时，系统会发出预
警信号，提醒企业及时调整投资策略。
03
房地产市场周期与预警信 号
房地产市场周期的划分
01
02
03
04初创期房地产市场刚起步供求关系 基本平衡。成长期
市场需求增长，供不应求，价 格上涨。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
2009/216 房地产景气指数与银行房地产信贷风险计量易传和 詹蕙卿摘 要:房地产业是典型的资金密集型行业,其发展依赖于银行信贷支持,一旦房价突然出现大幅度的波动会给银行房地产信贷带来巨大的风险。
房地产景气指数是房地产业繁荣与否的直观反映。
本文以房地产景气指数为基础,构建了房地产信贷风险计量模型,对我国银行当前房地产信贷风险进行了分析,提出了相应的对策。
关键词:房地产;景气指数;房地产信贷;CPV 模型中图分类号:F293.35 文献标识码:A 文章编号:1001-490X (2009)2-016-03作 者:易传和,湖南大学金融学院副教授;/詹蕙卿,湖南大学金融学院,湖南,长沙,410082基金项目:教育部人文社会科学研究项目(08JA790041)目前,我国公布的房地产指数多种多样。
基于数据的稳定性、完整性和及时性,本文选用的房地产景气指数为“国房景气指数”。
我国近年来房地产景气指数逐年上升,2008年3月份的国房景气指数为104.72,比2007年同期上涨3.4%,存在着很大的潜在房地产风险。
由于房地产景气指数月月更新,利用其计量房地产信贷风险,具有可操作性,对提前防范和化解银行房地产信贷风险,提高银行房地产信贷的资产质量,促进银行的长久发展,保障房地产业健康稳定发展有着重要的作用。
一 现有研究成果总结我国银行信贷风险管理经历了传统的产品经济体制下的信贷风险管理、有计划的商品经济体制下的信贷风险管理和社会主义市场经济体制下的信贷风险管理三个阶段。
对于银行的风险计量研究尚处于起步阶段。
在对国外计量模型研究方面,彭书杰、詹远瑞(2002)4将Credit R isk +模型与我国使用的贷款风险计量法做了详细比较,对贷款风险计量方法提出了一些建议。
沈沛龙、任若恩(2002)5对信用风险计量模型进行了一系列的比较,研究了模型建立的理论基础和模型之间的相互关系,阐述了现代信用风险计量技术和方法的发展趋势。
王琼、陈金贤(2002)6从期权理论的角度讨论了信用风险定价问题,论述了基于期权理论的信用风险定级方法以及在此基础上建立的K MV 模型,并对该模型进行了评价。
易丹辉、吴建民(2003)7讨论了K MV 模型的基本结构及形式,对我国上市公司的信用状况进行了实证分析,指出了K MV 模型在分析我国上市公司信用风险时所面临的一些问题与不足。
朱小宗、张宗益、耿丹华(2004)8从多方面剖析了几个比较著名的风险计量模型,并进行了比较,发现建模的方法不同,预测的效果也相差较大,最后对这些模型作出了较为客观的评价。
目前在我国,关于金融风险的研究主要是从宏观层面和制度层面分析我国金融风险的现状、成因和应对措施,而从市场角度计量风险及有效地防范和规避风险的研究却不多见。
国外在房地产信贷风险研究以及对信贷风险的控制方法上已经有了比较成熟的理论,并在金融实践中取得了较好的效果。
银行信用风险计量的探索过程大致可以分为三个阶段:(1)1970年以前,大多数金融机构基本上是依据银行专家的经验和主观分析来评估信用风险,主要的分析工具有5C 分析法、LAPP 法、五级分类法等。
(2)建立基于财务指标的信贷评分模型。
主要有线性几率模型、判别分析模型等。
(3)20世纪90年代以来,西方若干商业银行开始探索运用现代金融理论、数学工具来定量评估信用风险,建立了以风险价值为基础、以违约概率、预期损失为核心指标的计量模型,如Credit Metrics,K MV 模型、Credit R isk +、Credit Portfolio V iew 模型等。
Peek 、Eric S .Rosengren (1994)9认为,银行信贷减少会给房地产业带来负面影响,但并未指出房地产业的发展状况是否对银行业的业绩也会造成影响。
Davis 、Philip 、Haibin Zhu (2004)10利用17个国家的跨国数据对银行贷款和商用房地产价格之间的关系进行了实证分析,结论是房地产价格的上涨导致了银行信贷的扩张,而不是过度的银行信贷扩张导致了房地产价格的上涨。
D idier Cossin 、Hugues Pirotte (2005)11运用CPV 模型进行了分析,CPV 是一个用于分析贷款组合风险和收益的多因素模型,它根据失业率、长期利率、G DP 增长率、汇率、政府支出和总储蓄率等宏观因素,借助于经济计量工具和蒙特卡罗技术,将每个国家不同行业中不同等级的违约概率和转移概率相联系,进而计算出风险价值。
综上所述,在房地产信贷风险研究及控制方法上国外已经有了比较成熟的理论体系,并取得了较好的金融实践效果。
国外在信用风险评估上从主观分析法转变为以多变量、依赖于资本市场理论和计算机信息科学的动态计量分析方法,减少主观判断上的随意性和盲目性。
二 计量模型及变量选取现代房地产信贷风险计量模型,既有很多共同点,又有很多不同之处。
在模型要达到的目标、风险驱动因素及关键参数上,这些模型有着共同点。
在具体应用中,以上四个模型分别具有其特定的建模基础和应用环境,若用于我国房地产信贷风险的计量,必须选取适合我国房地产信贷风险发展背景的模型。
Credit Portfolio V iew (CPV )模型将各种影响违约概率的宏17 观因素纳入了考核体系中,采用了前瞻性的VAR 观点,因此该模型应该被看作是信用计量方法的补充。
CPV 模型是唯一用经济状态来模拟违约事件的信用风险模型,被用来模拟不同国家各个信用级别的产品的违约概率和信用等级转换概率的联合条件分布,同时此模型既可以被当作盯市模型使用,又可以被当作违约模型使用,对房地产信贷风险既有度量的作用,也有预测的功能。
总体上看,CPV 模型适合我国目前的房地产信贷现实情况,从该模型的实证中可以分析出经济景气情况与违约率之间的关系。
因此,本文选择运用CPV 模型的基本思想,构建房地产信贷风险计量模型,分析房地产信贷违约率和宏观经济的关系,以为今后及早防范房地产信贷风险提供有效的依据和手段,减少因房地产信贷风险带来的危害。
在实际运用CPV 模型时,宏观经济因素个数必须达到3个以上,模型才具有一定的有效性。
本文构建房地产信贷风险计量模型为:Dp =αι×CL I +α2×CREC I +α3×EC I +c 其中:DP 为被解释变量房地产贷款违约率;CL I 、CREC I 和EC I 分别为综合领先指标、国房景气指数和企业景气指数(建筑业);α表示自变量影响因变量的波动幅度;c 为误差项。
三 计量结果与分析本文选取2001年1季度至2008年2季度的季度数据来进行风险计量。
根据样本数期间的数据做出各变量的趋势图如下,见图1:图1 各变量趋势图 由以上统计分析可以看出,我国的房地产违约率(DP )变化幅度很大,三个解释变量中,变化幅度最大的是国房景气指数(CREC I ),变化幅度较缓的是企业景气指数(EC I ),综合领先指标指数(CL I )在2004年到2007年间也相对比较平稳。
根据构建的房地产信贷风险计量模型,运用Eviews 软件进行线性回归,可以得到如下回归结果(见表1):表1 线性回归结果V ariable Coefficient Std .Err or t -Statistic Pr ob .CL I -0.0029160.001419-2.0543960.0501CERC I 0.0034990.0021691.6130860.1188EC I -0.0010850.000373-2.9079890.0073C 0.1273180.3031700.4199570.6780R -squared 0.763896Sch warz criteri on -4.703492Adjusted R -squared0.693065F -statistic12.44203Durbin -W ats on stat 0.872568Pr ob (F -statistic )0.000031 从以上的回归结果可以看出,国房景气指数与房地产信贷违约率并没有出现负相关,而是呈现正相关的关系,与模型开始的假设出现误差。
观察各变量的趋势图可以发现,国房景气指数在2005年跌入了谷底,随后开始逐渐回升,以2005年2季度为界限,分别对这两个阶段进行线性回归,得到结果:第一阶段:2001年1季度至2005年2季度DP =-0.002542CL I -0.000948CERC I -0.000706EC I +0.517071(-1.246937) (-0.2826)(-1.076527)(1.303705)R 2=0.798774 珚R 2=0.584134 F =3.721448从以上分析结果可以看出,方程的拟合度较好,为避免模型出现异方差,对模型进行怀特检验,结果如下(见表2):表2 怀特检验结果W hite Heter oskedasticity Test:F -statistic 0.860970Pr obability 0.572948Obs 3R -squared8.377389Pr obability0.496607 由以上检验结果可知:计算的X 2值小于给定显著性水平5%对应的临界值,因此不存在异方差。
通过分析随机扰动项的残差图发现样本区间存在着异常值,如图2所示:图2 随机扰动项的残差图 从残差图可以看出,2001年、2003年出现异常了情况,根据中国当时的现实经济环境可以发现:(1)2000年我国国民经济扭转了近七年增速减缓的趋势,经济景气运行出现重大转机。
中国经济景气正走出低谷,各项调控政策已经发挥了作用,国内投资需求将升温,个人消费将平稳增长。
总体上说,中国经济运行已经从数量型目标改为质量型目标,但由于经济回升的基础还不稳固,表现在世界性经济紧缩趋势并未得到明显改变,而国内消费增长率在短期内不会有大幅度提高,投资利润率较低,投资增长难度较大,特别是经济结构调整尚需假以时日,在2001年年初时房贷违约率是上升的。
直到2001年6月,国有股减持的政策正式出台,宏观经济开始出现了好转,表现为房贷违约率的大幅度下降。
(2)2003年我国经历了非典,非典对我国当时经济产生的影响不可低估。
旅游、交通、服务等行业受到明显的影响,这些部门的需求减少,生产下降。
这些行业下降的活动量,一方面会导致这些行业对其它部门的需求减少,投资减少;另一方面也使在这些行业就业的人的收入不能提高甚至下降,使全社会的就业增长率下降,从而人们的收入下降,导致今后人们的消费需求下降,从而使总需求下降,包括对房地产业的需求。
在这一阶段,我国的房贷违约率出现上升趋势。
以上出现的两处异常值,结合当时中国经济发展的现状都可以得到很好的解释,因此对模型不会产生实质性的影响。