设为首页
 加入收藏
 电子邮件
热点关注
站内搜索


合作网站
首页 > 重点推荐
房地产调控背景下房贷政策对商业银行信贷影响实证分析

 

□齐 岳1,2,3,4  陈皓妍5
(1.南开大学商学院 天津 300071 2.南开大学中国公司治理研究院 天津 300071
3.天津市中国特色社会主义理论体系研究中心南开大学基地 天津 300071
4.中国特色社会主义经济建设协同研究中心 天津 300071 5.华中科技大学管理学院 湖北武汉 430000)
  ◆基金项目:2015年国家自然科学基金重点项目“现代社会治理的组织与模式研究”(项目编号:71533002);2016年教育部人文社会科学重点研究基地重大项目“资本市场改革与公司治理有效性”(项目编号:16JJD630003); 2017年天津市普通高等学校十三五综合投资规划专业建设项目
  ■中图分类号:F832 文献标识码:A 文章编号:1002-5812(2018)14-0011-04
 
摘要:房地产业的发展带动了我国经济的高速发展,但也带来了房价过高的问题,对此房地产市场进入了新一轮的调控,商业银行如何在调控背景下有效管理房地产信贷业务至关重要。文章研究发现利率上升可以明显减缓信贷规模的增长速度,所以在调节贷款利率以控制信贷规模增长时,需谨慎操作。文章基于CPV模型较为深入地对商业银行信贷风险进行了度量,系统地运用国民生产总值、居民消费价格指数、房地产景气指数、宏观经济景气指数、一年期贷款基准利率这五个宏观经济指标对其进行回归分析。结果表明,这五个指标能够较好地协同拟合宏观经济指数,模型具备较好的预测效果。针对研究结论,文章提出商业银行应收紧信贷政策,建立信用风险度量模型,有效防范信贷风险。
关键词:房地产调控  房贷政策  信贷规模  信贷风险 CPV模型
 
  一、引言
  近年来,一二线城市房价增长过快问题受到了社会各界的关注,政府工作报告进一步强调“房子是用来住的、不是用来炒的”。商业银行因与房地产业息息相关,在新一轮的调控背景下会受到直接影响。因此,商业银行如何在政府调控的大背景下,切实有效地管理房地产信贷业务至关重要。
  房地产贷款是各商业银行的一项主要业务。目前,我国关于房贷政策与商业银行的信贷规模和信贷风险防范关系的相关文献较少。何静、李村璞、邱长溶(2011)对房地产价格与信贷规模的非线性动态关系进行了研究,得出只要房地产信贷数量保持在合理范围内,其对房价上涨的影响就会显著减弱的结论。危英(2014)设计了房地产信贷风险的压力测试方案,揭示了影响房地产开发企业利润率的主要因素。随着房价的过快增长,针对我国房地产调控政策是否有效影响了商业银行的房地产贷款发放行为问题依然有待验证。
  本文将我国的房贷政策演变过程(1993年至今)划分为四个不同阶段,分别探讨了不同阶段下商业银行信贷规模的变化情况,提出商业银行应健全和完善内部控制制度,根据房地产市场及相关政策制定房贷业务的发展计划。本文以房贷政策的主要工具之一——贷款利率为切入点,分析了调控阶段(2009—2016年)下贷款利率与商业银行信贷规模的关联性,发现贷款利率对房地产信贷规模的调控效应显著,利率上升可以减缓信贷规模的增长速度且抑制作用较大。因此,政府在利用贷款利率影响市场的供给和需求双方时,需谨慎操作,同时辅之以其他有效手段。
  在这些手段中,本文根据房贷政策的变化与宏观经济紧密相关的特点,运用以宏观经济变量为基础的CPV定量模型,对商业银行房地产信贷风险进行度量分析。CPV模型即信用组合观点模型,是由麦肯锡公司开发的一种多因数模型,该模型通过观测宏观经济因数信息,计算不同行业违约概率的分布函数。因此,本文应用该模型对信贷风险进行度量分析具有合理性。在模型指标的选取上,本文根据实际选取五个变量对宏观经济指数进行拟合,有效降低了模型运用的主观性。本文创新性地应用不良贷款率代替商业银行信贷违约率来估计信贷风险,精确地选取了36个观测值对模型进行分析,结果发现国民生产总值、居民消费价格指数、房地产景气指数、宏观经济景气指数、一年期贷款基准利率这五个宏观经济指标,能够较好地协同拟合宏观经济指数,在预测商业银行信贷违约率方面,估计值与实际值仅相差0.0028,因此具有较好的预测效果。本文的研究结论对房贷新政下商业银行的策略选择、政府和金融监管部门采取的措施具有一定的理论和实践指导意义。
  二、文献综述
  自2009年我国进入房地产调控阶段以来,国内学者纷纷展开关于房贷政策的研究。戴罗仙、朱吉芳(2015)提出要充分利用房贷政策及时调整融资手段,建立适应政府全面调控和市场变化的内部融资体制。吴爱民(2013)对房贷政策与商业银行的相关性进行了分析,认为房贷政策可能会给商业银行带来经营性风险,应实时调整经营管理战略。齐岳、衣梦涵和于博文(2016)分析了四类房地产调控政策对房企股票的影响,提出投资者可依据不同类别政策的波动期进行买卖操作。齐岳、廖科智和李心宇(2017)指出房地产市场是政策敏感性市场,政府采取相应措施完善房地产市场治理体系至关重要。关于商业银行方面的研究,齐岳、侯席培(2017)深度探究了房地产行业景气度与商业银行绩效之间的联动性,提出商业银行应积极响应房地产调控政策,完善信贷机制。
  国外学者Kashyap,Stein(2000)对货币政策对商业银行信贷供给的影响进行了深入研究,通过实证检验证明了存在货币政策信贷传导途径,并进一步指出,商业银行的流动性越差,受到的政策冲击越大。Nickell等人强调,相对于其他转移概率,经济周期最容易影响贷款的违约概率(PD)。李睿(2005)运用CPV(Credit Portfolio View)模型对违约事件的信用风险进行了模拟,即McKinsey公司提出的以宏观经济变量为基础的模型。
  通过查阅国内外的文献可以发现,目前我国学者较少通过定量分析研究房贷政策对商业银行信贷规模和信贷风险产生的影响,这是因为房贷政策因素难以量化。本文在已有研究成果的基础上,全面分析我国新一轮调控背景下房贷政策对商业银行信贷规模和信贷风险产生的影响,并利用相关指标展开实证研究。
  三、不同阶段下商业银行的信贷规模分析
  (一)房贷政策的演变
  初步形成阶段(1993—1997年):1995年8月,中国人民银行颁布了《商业银行自营住房贷款管理暂行办法》,为我国银行开展商业性住房贷款业务提供了新的机遇。
  成长阶段(1998—2002年):这一期间,我国房地产投资总额为32 424.7亿元,完成投资总额为36 781.5亿元,房地产业连续5年保持年均20%左右的增长率。
  快速发展阶段(2003—2008年):2003年我国累计完成的房地产开发投资额超过了1万亿元,比上年增加了29.7%,是1995年以来的最高增长幅度。自2008年下半年开始,受到美国次贷危机引发的金融危机影响,我国通过一系列政策措施确保房地产业的健康发展。“国十条”“国五条”“新国八条”陆续出台背景下,房地产市场交易规模严重萎缩。
  调控阶段(2009年至今):2016年房贷政策调整的基本逻辑是“分类指导、因地施策”,对房价过高的一二线城市进行调控,对房地产市场低迷的三四线城市着力推进“去库存”。同时,我国商业银行的房地产信贷调整也在不断深入。
  (二)商业银行房地产信贷规模分析
  商业银行房地产信贷主要分为对房地产企业的信贷和对购房者的信贷,即供给信贷和需求信贷。本文根据四个阶段商业银行房地产信贷的规模,取各个阶段的年份均值,数据整理如表1所示。(表略)
  形成信贷风险的主要原因在于商业银行对房地产贷款的依赖性,由表1可以看到,商业银行房地产贷款余额在逐年增加,各个阶段的个人住房贷款余额远远大于房地产开发贷款余额,尤其到了调控阶段(2009—2016年),个人住房贷款所占比例已达到房地产开发贷款的2倍,说明个人住房贷款对商业银行信贷规模的影响较大。
  从下页图1可以直观地看出具体的变化情况,不同类型的房贷政策对商业银行信贷规模的影响较大。1993—1997年是起步阶段,商业银行房地产信贷规模相对较小;1998—2002年进入发展阶段,房地产信贷规模开始初步增大,但增速较小,房地产开发贷款与个人住房贷款均保持在相对稳定的水平;2003—2008年是房地产的快速发展时期,这一时期房地产贷款占各项贷款的比例增速最大,其中个人住房贷款激增,大大促进了房地产市场的发展;2008年美国次贷危机爆发,我国政府制定了一系列调控措施来应对危机所造成的影响,因此2009—2016年房地产贷款的增速有所放缓。总体来看,我国商业银行房地产信贷规模是在逐年扩张的,而偏离正常发展速度的快速扩张极有可能带来潜在风险,制约经济发展。目前,房地产行业处于调整期,商业银行应健全和完善内部控制制度,实行“审贷分离”的管理机制。(表略)
  四、房贷政策对商业银行房地产信贷影响实证分析
  (一)调控阶段下贷款利率与商业银行信贷规模相关性分析
  利率调整是用来影响商业银行信贷规模的主要房贷政策之一。从房地产的供给看,利率下降,开发成本减少,房地产开发商会增加对房地产的开发,供给就会增加,反之亦然;从房地产的需求看,利率上升,购房者的购房压力加重,需要向银行还款的数额变大,购房者对房地产的需求减少,反之亦然。传导过程如图2所示。(表略)
  由于目前房地产行业处于调控阶段,因此,本文选取我国2009年第一季度到2016年第四季度的一年期贷款基准利率(LR),对其与商业银行房地产信贷规模的相关关系进行分析,如表2所示。可以看出,一年期贷款基准利率越低,房地产贷款占各项贷款的比例(ELP)越高,二者反向相关,为0.901,在1%的水平上显著,这也充分说明了商业银行的房地产信贷规模可以通过贷款利率进行有效调节。提高利率是减缓贷款增长速度的重要方法,而且影响程度较大,所以在调节贷款利率以控制信贷增加时,需审慎操作。调整贷款利率是房贷政策的三大手段之一,但仅仅采用利率工具对房贷规模进行调控,效果可能存在一定局限性,应辅之以其他有效手段。同时,房地产信贷规模的扩大和缩小也会影响商业银行房地产信贷风险的变化,以下从实证角度进行度量分析。
  (二)基于CPV模型的商业银行信贷风险度量分析
  金融机构的不良贷款率是衡量金融机构信贷是否安全的重要标准,不良贷款率(NPL)的高低直接决定着金融机构能否如期收回贷款。本文基于CPV模型选取合适的代表宏观经济状况的因子,对调控背景下房贷政策对商业银行信贷风险的影响进行分析。
  1.指标及样本数据选择。房地产市场的兴衰与我国的宏观经济状况紧密相连,同时,只有当影响因素个数达到三个以上时,CPV模型才能有效运用。因此,本文选取了一年期贷款基准利率(NLR)、宏观经济景气指数(MCI)、国民生产总值(GDP)、房地产景气指数(ECI)和居民消费价格指数(CPI)五个指标,运用CPV模型来评估房地产信贷风险。本文分别选取这五个指标从2008年第一季度到2016年第四季度的36组数据,根据各上市商业银行的年报,可以得到2008—2016年商业银行不良贷款率(NPL)的值。
  2.模型构建。为了降低以往模型运用中主观因素的影响,本文选取了代表宏观经济状况的五个变量对宏观经济指数进行拟合研究。同时,商业银行的有序发展关系到我国金融发展的大局,而对不良贷款的管理是目前商业银行亟需解决的重要问题。因此本文创新性地应用不良贷款率代替商业银行信贷违约率来进行信贷风险的估计与分析。在时间选择上,本文应时性地选取了房地产调控背景下的36个观测值,紧密联系现阶段房贷政策所带来的影响,为未来宏观经济变革给商业银行造成的信贷风险提供有效的预测工具。CPV模型如下:
  Pj,t=1/(1+e-Yj,t)    (1)
  其中,Pj,t表示借款人的条件违约概率;Yj,t是由如下多因素模型给出的宏观经济变量相关指数:
  Yj,t=βj,0+βj,1Xj,1,t+βj,2Xj,2,t+…+βj,mXj,m,t+ε    (2)
  其中,Xj,m,t表示t时期j行业的m个宏观经济变量;Xj,1,t、Xj,2,t、Xj,3,t、Xj,4,t、Xj,5,t分别代表NLR、MCI、GDP、ECI、CPI;βj,m是j行业债务人的估计系数;ε是假设独立于Xj,m,t的误差项。
  3.模型估计与分析。本文根据前文所统计出的不良贷款率数据,代入公式(1)求出Y值(此处的Y值表示公式(1)中的-Yj,t),再利用Y值和一年期贷款基准利率(NLR)、宏观经济景气指数(MCI)、国民生产总值(GDP)、房地产景气指数(ECI)和居民消费价格指数(CPI)五个指标的实际值,运用Eviews软件,得到的回归结果如表3所示。(表略)
 (1)结果分析。由第12页表1可以看出,R2为0.9757,模型的整体拟合度表现较好。而且模型中各变量均通过了给定显著性水平0.05的t检验、F检验,说明各解释变量对模型均具有显著性作用。从估计出的敏感系数可以看出,NLR和CPI的系数(Coefficient)为正,所以当CPI、NLR值上升时,Y值也上升。同时,居民消费价格指数(CPI)的系数值是一年期贷款基准利率(NLR)的2倍左右,说明其对商业银行的信贷风险影响更大。一般来说,居民消费价格指数越高,宏观经济越可能出现通胀过度现象,从而引起经济波动,银行信贷风险加大,不良贷款率增加。根据实证结果,本文发现模型中的违约概率与宏观经济密切相关,由公式(1)可以看出贷款违约概率Pj,t随着指数价值Y反向变动,Y越大Pj,t越小。解释变量中国内生产总值(GDP)、宏观经济景气指数(MCI)、房地产景气指数(ECI)在模型中的系数为负,这说明随着国内生产总值、景气指数的增加,国内经济前景明朗,贷款违约率下降;反之,当经济运行不佳时,违约概率较大,这与实际情况是相符的。
  从以上分析可以看出,该模型符合经济原理。2008年美国次贷危机引发的金融危机,加之目前我国商业银行处于调控阶段,因此选取2008—2016年的数据并引入模型,计算出贷款违约率,可以提高商业银行面对宏观经济变化时的反应速度,有效应对商业银行贷款风险。
  (2)模型预测与分析。本文分别使用X1、X2、X3、X4、X5代表NLR、MCI、GDP、ECI、CPI,构建的商业银行信贷风险回归模型为:
  Y=-2.7228+0.0168X1-0.0148X2-2.96E-08X3-0.0498X4+0.0464X5    (3)
  为了验证上述模型的预测效果,本文依据我国2017年第四季度的宏观经济数据,对宏观经济系数表达式中的各个变量赋值,计算出的Y值为3.8817,将该值代入Pj,t=1/(1+e-Yj,t)中,可以计算出违约率的估计值为0.0202,这一数据与银监会发布的实际商业银行贷款违约率0.0174相差较小,因此本文构建的模型具有一定的现实意义,可以应用于预测和分析新一轮调控背景下房贷政策对商业银行信贷风险的影响。
  针对一二线城市房价过快上涨,“房子是用来住的、不是用来炒的”概念的提出切中要害。房地产市场在进入2018年之后调控力度进一步加大,分类调控也将持续加强。在此背景下,本文提出的模型可以分析出影响商业银行违约率的主要因素,同时模型的系数包含了以下信息:房地产景气指数和居民消费价格指数是影响商业银行信贷风险的主要宏观经济因素,其中,房地产景气指数与信贷违约率呈负相关关系,而居民消费价格与信贷违约率呈正相关关系。商业银行应密切关注这两个指数的变化趋势,关注“新政”对房贷业务可能产生的负面影响。不确定因素将会增加贷款违约率的上升和不良贷款反弹压力增大的风险,商业银行可以运用本文所构建的CPV模型对信贷风险进行预测分析,沉着面对未来业务经营中出现的新挑战,有效防范房地产信贷风险。
  五、总结与建议
  本文紧密结合经济新常态下央行、银监会关于房地产贷款的新政及商业银行面临的新环境,将房贷政策划分为四个阶段,深入比较分析了各个阶段下商业银行的房地产信贷情况。在目前的调控阶段,以贷款利率的变化实证分析了房贷政策与商业银行信贷规模的相关性。基于CPV模型,使用宏观经济的代表性变量对贷款违约率进行回归分析,并以不良贷款率代替贷款违约率,具有一定创新性。根据模型的估计结果实证分析了房贷调控政策对商业银行信贷风险的影响力度。随着房贷调控的持续深入,商业银行房地产信贷规模控制与信贷风险防范也面临着新的挑战,本文从不同角度提出如下建议:
  从研究结果可以看出,商业银行信贷风险与一年期贷款基准利率(NLR)、宏观经济景气指数(MCI)、国民生产总值(GDP)、房地产景气指数(ECI)和居民消费价格指数(CPI)五个指标息息相关,其中房地产景气指数和居民消费价格指数的影响力度最大。因此,商业银行应密切关注这两个指标的变化趋势,若居民消费价格指数呈递增趋势,房地产景气指数呈递减趋势,商业银行应及时优化房地产信贷配置,积极寻求资金出路,提高资金的使用效率和效益,降低不良贷款率。同时,商业银行应实时关注房地产调控政策的变化,使房贷业务的发展方向与相关政策保持一致。针对一二线城市房价过高的问题,商业银行应收紧信贷政策,缩小房地产信贷规模,将房贷规模控制在一个合理范围内。
  本文研究发现贷款利率的调控效应显著,政府可通过利率影响控制房地产信贷规模。同时,金融监管部门应以监管促进商业银行加强内部管理,提高房地产贷款准入门槛,规范房地产信贷业务。本文提出的建议对商业银行信贷业务的稳健发展提供了借鉴。S
 
  
参考文献:
  [1]丰吉闯,李建平,高丽君.商业银行操作风险度量模型选择分析[J].国际金融研究,2011,(8):88-96.
  [2]何静,李村璞,邱长溶.信贷规模与房地产价格的非线性动态关系研究[J].经济评论,2011,(2):21-28.
  [3]危英.我国商业银行房地产信贷风险压力测试研究[J].商业会计,2014,(10):58-60.
  [4]靳凤菊.基于CPV模型的房地产信贷信用风险的度量和预测[J].金融论坛,2007,(9):40-43.
  [5]戴罗仙,朱吉芳.房贷政策、融资结构与财务绩效——基于129家房地产上市公司的证据[J].财务与金融,2015,(2):22-27.
  [6]吴爱民.房地产信贷政策效应与商业银行经营管理创新研究[J].观察思考,2013,(1):60-63.
  [7]齐岳,衣梦涵,于博文.房地产调控下房企股票的历史分析及投资建议[J].投资研究,2016,(389):4-17.
  [8]齐岳,廖科智,李心宇.“信念-反馈”效应下房地产市场调控政策传导机制研究[J].管理现代化,2017,(212):15-19.
  [9]齐岳,侯席培.住房居住属性下的房地产行业景气度与商业银行绩效研究[J].金融与经济,2017,(12):14-20.
  [10]Kashyap A K,Stein J C.Monetary Policy and Bank Lending[J].Monetary Policy,2000,(42):117-131.
  [11]Nickell P,Perraudin W,Varotto S.Stability of Rating Transitions[J].Journal of Banking and Finance,2000,(24):203-227.
  [12]李睿.中国商业银行房地产贷款信用风险管理研究[D].华东师范大学,2005.
  [13]唐志军,徐会军,巴曙松.中国房地产市场波动对宏观经济波动的影响研究[J].统计研究,2010,(2):15-22.
  [14]吴晶妹,范瑾.我国商业银行不良资产问题探析[J].现代管理科学,2015,(6):3-5.
  [15]邓芳芳,陈娟,周亚虹.银行业不良贷款率的国际比较及我国商业银行的对策研究[J].现代管理科学,2016,(6):31-32.
  [16]白建琨,魏晓琴.基于CPV模型的城镇化国内贷款信用风险分析[J].山东农业大学学报(自然科学版),2015,46(4):635-639.
  [17]程婵娟,邹海波.CPV模型在银行贷款违约概率计算中的应用研究[J].当代经济科学,2009,(9):15-20.

文章刊登于《商业会计》2018年第14期

房地产调控背景下房贷政策对商业银行信贷影响实证分析.pdf
 

 相关链接:

版权所有 © 2005-2016《商业会计》杂志 图文未经同意请勿转载 订阅管理 投稿管理
copyright © COMMERCIAL ACCOUNTING MAGAZINE All Rights Reserved
订阅热线:010-66095303(发行部)66095301(编辑部)66095331(传真)