影子銀行對國內(nèi)房價的影響
前言：想要寫出一篇引人入勝的文章？我們特意為您整理了影子銀行對國內(nèi)房價的影響范文，希望能給你帶來靈感和參考，敬請閱讀。
【摘要】中國影子銀行規(guī)模的不斷擴張，對中國經(jīng)濟帶來了潛在危險。此外，影子銀行具有一定的銀行功能，對房地產(chǎn)行業(yè)融資渠道進行補充。本文通過收集中國年度數(shù)據(jù)，構建VAR模型，分析影子銀行規(guī)模與房地產(chǎn)價格之間的關系，得出了：影子銀行在一定程度上影響商品房價格。
【關鍵詞】影子銀行；房地產(chǎn)價格；VAR模型
引言
自2008年美國次貸危機發(fā)生以來，“影子銀行”這四個字就被各國學者所青睞。它被認定為是次貸危機發(fā)生的元兇，為經(jīng)濟的發(fā)展帶來了潛在的威脅。在中國，雖然影子銀行相對于國外發(fā)展路程緩慢，但它在中國由先前的不活躍到現(xiàn)在它已經(jīng)積累到不可忽視的數(shù)字，引起了中國政府的關注。同時，房地產(chǎn)行業(yè)在中國經(jīng)濟發(fā)展道路中，是一個支柱產(chǎn)業(yè)，為中國的經(jīng)濟發(fā)展做出了不可忽視的貢獻。由于房地產(chǎn)行業(yè)資金需求量很大，向銀行貸款不足，導致房地產(chǎn)企業(yè)通過影子銀行渠道進行融資。所以實證研究房地產(chǎn)行業(yè)與影子銀行之間的關系，不僅僅有利于了解影子銀行在房地產(chǎn)行業(yè)的作用，更對掌握影子銀行在房地產(chǎn)行業(yè)得風險也有很重要的意義。
1文獻綜述
目前國內(nèi)外關于研究影子銀行與房地產(chǎn)之間的關系的文獻有很多，有相當一部分的研究是基于理論的，有部分則是基于各種模型進行實證分析，得到的研究結果也不盡相同。魏燕子（2016）通過建立VAR模型，脈沖響應和方差分解的方法，結果顯示：影子銀行快速發(fā)展在一定程度上能夠有效緩解房地產(chǎn)行業(yè)從正規(guī)商業(yè)銀行融資難的問題，在短期內(nèi)平抑了房價。李曉峰、晏妮（2018）采用向量自回歸模型探究北京市影子銀行規(guī)模與房價之間的關系，結果發(fā)現(xiàn)北京市影子銀行的規(guī)模與房價之間具有長期協(xié)整關系，對房價產(chǎn)生正向影響。劉子策（2020）構建動態(tài)隨機一般均衡模型，研究了影子銀行對地價、房價上漲的作用以及房地產(chǎn)與影子銀行的相互作用對中國經(jīng)濟波動的影響。結果表明，放松對影子銀行的監(jiān)管時，地價和房價的上升幅度顯著增大。張輝（2019）采用主成分分析法并構建SVAR模型進行實證分析。分析結果表明：影子銀行與房地產(chǎn)價格之間存在著相互促進的關系。李丹丹（2015）采用EGARCH-M模型實證分析結果顯示影子銀行對房價具有正向影響。賈生華等（2016）通過構建結構向量自回歸模型進行實證，研究結果表明影子銀行規(guī)模的上升促進了房價的抬升。任行偉等（2019）基于影子銀行與房地產(chǎn)價格之間的作用機理，構建結構向量自回歸模型（SVAR）進行研究，實證研究結果表明影子銀行規(guī)模擴大推高了房價。張曾蓮、何蘭芳（2017）選取31個省的面板數(shù)據(jù)，引用門檻效應模型，實證研究影子銀行與商品房價格之間的關系，研究結果表明：影子銀行在一定規(guī)模下，能顯著促進商品房價格的上漲；當影子銀行超過一定規(guī)模后，影子銀行對商品房價格的影響不再顯著。綜上所述，目前學者研究方向不一致，選取的模型和指標也不相同，得到的結果同樣不同。本文通過不同于以前學者的影子銀行規(guī)模的測算方法以及指標的選取進行實證分析。
2實證分析
2.1變量選取與數(shù)據(jù)來源
被解釋變量：商品房價格（vsale），計算公式為：商品房銷售額/商品房銷售面積。被解釋變量：影子銀行規(guī)模（scale），本文影子銀行規(guī)模規(guī)模的測算借鑒封思賢（2014）未觀測信貸規(guī)模的計算方法。控制變量：貨幣供應量（M2），國內(nèi)生產(chǎn)總值（GDP），房地產(chǎn)住宅投資（ivh），分別借鑒魏燕子（2016）、王若涵（2020）、張曾蓮（2017）的控制變量選取。進行數(shù)據(jù)處理時，為了消除異方差所帶來的影響，本文對所選取的變量取對數(shù)處理。本文選取2000年-2018年中國的年度數(shù)據(jù)為研究區(qū)間，運用Eviews10.0軟件進行實證分析。數(shù)據(jù)來源于國家統(tǒng)計局和中國統(tǒng)計年鑒。
2.2ADF檢驗
在建立VAR模型之前需要對本文的數(shù)據(jù)進行平穩(wěn)性檢驗。ADF單位根檢驗結果見表1。從表中可以看出本文所處理的變量都在二階差分平穩(wěn)，符合構建VAR的基礎條件。
2.3Johenson協(xié)整檢驗
本文為了檢驗五個變量之間是否存在長期的關系，采用Johenson協(xié)整檢驗方法對上述變量進行檢驗，檢驗結果表2。從表2得出，原假設的跡檢驗統(tǒng)計量和最大特征值統(tǒng)計量在5%顯著性水平下顯著，即在5%顯著性水平下拒絕原假設，表明五個變量之間存在四個協(xié)整關系，五個變量之間存在長期均衡關系。
2.4AR檢驗
從圖1中可以看出，沒有單位根落在單位圓外，表明時間序列數(shù)據(jù)是穩(wěn)定的，符合建立VAR模型標準，選取的五個變量可以進行VAR模型實證分析。
2.5脈沖分析
根據(jù)Eviews10.0軟件的處理結果顯示最優(yōu)滯后階數(shù)為2階。此外，本文主旨研究是影子銀行規(guī)模對房價的影響研究，所以本文在做脈沖響應分析時，只對影子銀行與房價之間做脈沖響應。圖2表示影子銀行規(guī)模與商品房價格之間的脈沖響應圖。從圖2中可以看出，給影子銀行規(guī)模一個沖擊，對商品房價格有一個正向的影響，并在第二期達到最大值，隨后開始下降。在第六期又開始上升，并在第十期之后趨于平穩(wěn)。這說明，影子銀行規(guī)模的不斷擴大，促進了房地產(chǎn)行業(yè)的發(fā)展，使更多的房地產(chǎn)公司和更多的資金進入房地產(chǎn)行業(yè)，從而促進了商品房價格的上升，這種促進作用是正向的且長期的。
2.6方差分解
為了進一步分析LNSCALE、LNM2、LNIVH、LNGDP四個變量對LNVSALE增長率的貢獻程度，需要對LNVSALE進行方差分解。根據(jù)表3，除了商品房價格對自身的貢獻度之外，LNSCALE在促進商品房價格上漲貢獻度最大，貢獻程度大概在19.65%-36.58%。LNIVH對房價貢獻程度其次，大概在8.04%-13.51%。LNM2對房價的貢獻程度大概2.29%-4.23%。LNGDP對房價的貢獻程度大概在0.38%-0.66%。方差分解的結果和上述的實證分析結果相互一致。
3結論與建議
本文通過選取2000-2018年共19年的年度數(shù)據(jù)，選取了五個變量并且經(jīng)過ADF檢驗等之后構建向量自回歸模型（VAR模型）進行實證分析，分析了我國影子銀行規(guī)模與我國房價之間關系，實證分析得出：影子銀行規(guī)模的擴張，促使了房價的上漲?；谝陨蠈嵶C分析得出的結果，提出以下相關建議：第一：影子銀行雖然促進了房地產(chǎn)行業(yè)的發(fā)展，進而促進了房價的上升。但由于正規(guī)商業(yè)銀行融資有，房地產(chǎn)行業(yè)資金需求不足，進而轉向影子銀行融資，導致房地產(chǎn)行業(yè)越來越依賴影子銀行渠道進行融資，所以房地產(chǎn)企業(yè)自身應當慢慢減少對影子銀行融資的依賴。第二：政府不僅要控制房價的過度上漲，還要提高房地產(chǎn)行業(yè)門檻。這是因為影子銀行進入房地產(chǎn)行業(yè)以高于銀行貸款的利率要為自身盈利，增高了房地產(chǎn)企業(yè)開發(fā)成本，進而導致了房價的上漲。如此循環(huán)，就會導致房價的過度上漲，所以一方面政府應該控制房價的上漲，另一方面要提高企業(yè)進入房地產(chǎn)行業(yè)進行資格。
【參考文獻】
[1]魏燕子.影子銀行與我國房地產(chǎn)價格相互影響研究——基于VAR模型的實證分析[A].金融經(jīng)濟，2016.
[2]李曉峰,晏妮.北京市影子銀行規(guī)模及其對北京市房價的影響分析[A].北京聯(lián)合大學學報(人文社會科學版)，2018.
[3]劉子策.影子銀行、房地產(chǎn)價格與中國經(jīng)濟波動[A].武漢金融，2020.
[4]張輝.影子銀行、房價波動與金融穩(wěn)定性的動態(tài)研究——基于SVAR模型的實證分析[A].專題，2019.
作者：何曉繁 周子翔 單位：青海民族大學