導語：房地產金融風險預警研究一文來源于網友上傳，不代表本站觀點，若需要原創(chuàng)文章可咨詢客服老師，歡迎參考。

一、研究背景

自1998年全面推進和實施住房制度改革以來，經過近二十年的快速發(fā)展，房地產市場化建設在取得巨大成就的同時，也出現了一些問題。房地產行業(yè)是資本密集型行業(yè)，離不開金融業(yè)和資本市場的支持，兩者緊密結合快速發(fā)展使得房地產金融風險積聚。風險隱患一旦暴露和形成風險，勢必通過風險的傳遞，損害房地產金融主體的相關利益，不利于房地產市場和資本市場的健康和穩(wěn)定運行，甚至影響和沖擊國民經濟發(fā)展。對于房地產金融風險的調控一直是各國政府的重要課題，而建立房地產金融風險預警預報和信息披露是管控的主要措施。當前我國有效和完善的房地產金融風險預警系統(tǒng)不多，信息披露準確性有待提高。因此，構建合理有效的房地產金融風險預警系統(tǒng)是非常必要的。借助預警系統(tǒng)預測2017年我國31省市的房地產金融風險狀況和評價我國房地產金融風險水平，可以為未來房地產金融風險預警提供分析工具及借鑒。

二、文獻綜述

（一）房地產金融風險預警指標體系相關研究。Koetter和Poghosyan（2010）認為房地產金融風險主要源于以商業(yè)銀行為主的金融機構是否穩(wěn)定運行，進而影響宏觀經濟波動的可能性?；诖诉x取德國75個經濟區(qū)域的人口、GDP等宏觀經濟因素以及商業(yè)銀行CAMEL等指標作為預警指標，得出房地產價值偏差及商業(yè)銀行自身穩(wěn)定是影響房地產價格的主要因素。國內學者陳萬銘（2004）提出分層次和級別建立房地產發(fā)展階段指標、供求狀況指標、市場價格指標、投機程度指標等四類宏觀風險預警指標體系。其中，房地產發(fā)展階段指標包括房地產投資增長率/GDP增長率、地價增長率/GDP增長率等；房地產供求狀況指標包括市場供應增長率/市場吸納增長率和出清時間；房地產市場價格指標包括房價收入比和實際價格/基礎價值；房地產投機程度指標包括住房抵押貸款增長率/居民家庭平均收入增長率等。薛星（2010）、張振勇（2011）具體將房價收入比、房價租金比、租金收入比、房地產價格增長率與GDP增長率之比、商品房空置率5個指標作為房地產市場預警統(tǒng)計指標，并劃分預警范圍，根據指標數據，確定警兆的警級，結合警兆的重要性進行加權綜合為指數，根據指數反映的市場風險表現，為調控房地產提供參考。（二）房地產金融風險預警方法及模型相關研究。1.傳統(tǒng)金融風險預警方法及模型。景氣指數法、統(tǒng)計預警法和模型預警法是當前金融風險預警的主要方法及模型。模型預警法中，國外學者Grudnitski（1992）探索了神經網絡方法在房地產預警中的運用。在其基礎上，Witold（2002）通過HP濾波模型建立房地產市場的周期指標。使用GDP、家庭消費支出、可支配收入、投資結構、資產回報作為變量指標，分析房地產價格變化。胡鵬、姚長學和鐘叔平（2003）以銷售率為基準循環(huán)，構建包括銷售面積增長率在內的8個指標作為房地產市場先行指標體系，建立房地產市場先行擴散指數預警監(jiān)測系統(tǒng)，并以此系統(tǒng)對四川房地產市場金融風險進行預警監(jiān)測。統(tǒng)計預警法主要包括LOGIT、VAR、ARCH和ARMA等。唐根年等（2010）基于格蘭杰檢驗的視角，對我國房地產價格上漲的基礎支撐面穩(wěn)固性進行分析。在此基礎上，采用突變模型對我國35個城市房地產風險進行比較和預警。2.癥狀監(jiān)測預警方法。美國CDC認為癥狀監(jiān)測（syndromicsurveillance）是對臨床確診前的相關數據和疾病可能爆發(fā)的信號進行監(jiān)測，以做出進一步的公共衛(wèi)生反應。在醫(yī)學領域，癥狀監(jiān)測被廣泛應用于疾病的預警與控制相關的理論研究和實踐中，由于其預警分析的機理和其他學科或安全事項預警機理相類似。因此，癥狀監(jiān)測思想亦被應用于其他領域的預警研究和實踐中。龐皓、黎實、賈彥東（2009）創(chuàng)新研究方法，首次將癥狀監(jiān)測應用到經濟及金融研究領域，基于癥狀監(jiān)測的思想，構建了我國金融安全預警機制和系統(tǒng)。韓寶興、賈彥東（2009）沿著癥狀檢測思路，構建了我國外債安全狀態(tài)指數并對我國外債安全進行機制分析，結果表明我國外債安全并不穩(wěn)定，其出現風險可能性有升高趨勢。（三）文獻述評可以發(fā)現：第一，房地產金融風險的生成和傳遞機制較為復雜，當前對于風險的生成研究側重于單一主體或市場角度，基于此構建的風險預警指標體系亦顯得有失全面，不能全面真實反映風險運行和水平，從而影響預警效果。第二，梳理預警方法和模型的研究發(fā)現，當前我國房地產金融風險預警方法及模型基本上是沿用傳統(tǒng)金融風險預警的方法和模型，適用并符合房地產金融風險預警特點的專有方法和模型較少。因此，未來有必要從更加宏觀的視角研究分析風險生成和傳遞，建立更加全面有效的預警指標體系和房地產金融風險預警的模型。本文的主要內容即以癥狀監(jiān)測作為理論指導，把房地產金融主體作為監(jiān)控點，選擇并確定預警指標的組成，結合預警方法和模型，構建我國房地產金融風險預警系統(tǒng)。然后將構建的風險預警系統(tǒng)應用到我國31個省市2017年房地產金融風險預警，找到未來可能存在的風險隱患，提出相應的風險防范措施。

三、我國房地產金融風險預警系統(tǒng)構建

本文將癥狀監(jiān)測思想進一步應用于我國房地產金融風險預警，建立風險監(jiān)測點（可能病變器官），構建預警指標（癥狀），前置發(fā)現指標特征（癥狀表現），合理預判風險類型（疾病類型），管控和防范風險發(fā)生（疾病爆發(fā)），形成穩(wěn)定健康的房地產金融系統(tǒng)。（一）預警主體選擇。在整個市場體系中，房地產金融各組織機構作為風險的主體，通過風險載體即房地產金融產品或工具及宏觀經濟和政策的影響，使得風險在各主體間生成和傳導。初級市場體系中，主要的房地產金融主體是房地產金融機構、房地產企業(yè)和房地產消費者。二級市場體系中，房地產金融機構將來自房地產企業(yè)和房地產消費者的抵押貸款進行打包發(fā)售，建立一定流動性的資產池，發(fā)售證券、信托計劃等在資本市場進行發(fā)售，獲得資金的回流。如下圖2所示，風險的傳遞離不開各類金融融資產品和工具這一風險載體，通過載體的傳遞，將不同原因導致的風險發(fā)生的可能性傳遞到相應主體自身。本文最終選擇金融機構、房地產開發(fā)企業(yè)、房地產消費者、宏觀經濟政策變化作為風險的主要來源即預警主體。（二）預警指標體系構建。1.預警指標組成。在前人有關房地產金融風險指標選擇研究基礎上，本文依據癥狀監(jiān)測的癥狀非特異性、時間性、空間性和指標體系構建原則要求基礎上，對預警指標進行擴充和改進，具體如表1所示。指標體系分為四個監(jiān)測點（預警主體），金融機構（A監(jiān)測點）、房地產企業(yè)（B監(jiān)測點）、房地產消費者（C監(jiān)測點）、宏觀經濟（D監(jiān)測點）。表1中四個監(jiān)測點共計10個指標構成我國房地產金融風險預警指標體系。按照陳萬銘（2004）對我國房地產金融風險預警指標的分類，其主要分為房地產發(fā)展階段指標、房地產供求狀況指標、房地產價格指標和房地產投機程度指標四類風險預警指標。（1）房地產發(fā)展階段指標。該類指標從宏觀經濟和房地產市場發(fā)展周期角度考察風險的生成和傳遞。在發(fā)展時期由于房地產市場資金的快速集聚，消費者對房地產市場的向好心理預期不斷加強，房地產泡沫存在的可能性加大，易導致房地產市場風險的產生和積聚不斷向金融系統(tǒng)蔓延和傳遞。第一，房地產開發(fā)企業(yè)貸款余額/金融機構貸款余額（A1）。信貸杠桿是推動房地產泡沫的主要力量，金融機構過大房地產貸款占比易導致泡沫風險從房地產市場向金融系統(tǒng)轉移和傳遞。第二，房地產投資增長率/GDP增長率（D2）。在宏觀經濟處于成長和繁榮時期，房地產市場對于宏觀經濟的支撐作用較為明顯，D2的數值可能偏大，這也是泡沫風險最易產生的時期；較低的D2值也可能代表衰退型房地產市場存在可能性。（2）房地產供求狀況指標。房地產金融風險傳遞的主要原因之一源自房地產市場產品和資金的供求失衡。第一，房地產開發(fā)企業(yè)銷售額增長率（B3）能準確反映房地產市場供需狀態(tài)。過大的B3值說明市場對于房地產的需求較大，銷售額增長越快，企業(yè)越有動力進行房地產開發(fā)投資。第二，人均房產稅/城鎮(zhèn)人均可支配收入（C2）。該指標同樣反映消費者對于房地產需求的影響。房產稅占可支配收入比例過大會帶來消費者對購買房地產的負擔和消極態(tài)度，減少對于房地產需求。第三，人口增長率（D1）。從宏觀層面反映對于房地產的需求情況，人口越多，對于房地產的剛性需求越大，從而影響房地產市場的供給和投資。（3）房地產價格指標。房地產價格是房地產商品實際價值的直接體現，影響著房地產的有效需求。房價增長率/城鎮(zhèn)人均可支配收入增長率（C1）是價格指標的典型代表。C1值的增加一方面說明房價相較于收入不斷增加，高房價的消費者可能加大個人住房貸款比重，造成道德風險和信用風險向金融機構的傳遞。（4）房地產投機程度指標。高利潤的房地產金融行業(yè)易吸引投機資本的進入，造成市場供求失衡和投機風險暴露。第一，資產負債率（B1）。過高的資產負債率表明企業(yè)資金杠桿較高，投機程度較大，可能造成企業(yè)發(fā)生流動性風險。第二，房價增長率/地價增長率（B2）。其表示房價和地價的增長速度快慢。過大的B2值，一定程度上反映企業(yè)拿地成本相對較低，而銷售價格相對偏高，形成高利潤而引誘投機資本的加入，一旦泡沫破滅即造成風險暴露。第三，M2增長率（D3）和貸款基準利率（D4）。M2貨幣供應量的多少和貸款基準利率的大小一方面影響房地產市場資金的供求狀況，另一方面也可能造成基于投機目的的房地產開發(fā)投資。2.警限劃分。對應上文劃分的不同范圍域對應不同指標特征表現，只有當指標處于正常特征范圍域以內，才保證房地產金融的安全；超出特征范圍域以外，則可能出現一定房地產金融風險。本文采用3δ法作為范圍域的劃分方法。其認為數值分布位于平均值加減正負3倍標準差之外的概率為1%，可被作為異常值處理。本文將這一方法進行細化改進，正負1倍標準差之外的數值作為關注指標，2倍標準差之外的數值作為控制指標，3倍標準差之外數值作為惡化指標，從而將指標劃分為過冷、冷、偏冷、正常、偏熱、熱、過熱7個特征。μ,σ分別表示平均值和方差，“正?！北硎驹撝笜藷o風險，特征范圍為(μ-σ,μ+σ)；“偏冷”或“偏熱”表示應該對該指標進行關注，范圍分別為(μ-2σ,μ-σ)，(μ+σ,μ+2σ)；“冷”或“熱”表示該指標出現不良趨勢，應加以控制，范圍分別為(μ-3σ,μ-2σ)，(μ+2σ,μ+3σ)；“過冷”或“過熱”表示該指標已經惡化，有爆發(fā)風險的可能性，范圍分別為(-∞,μ-3σ)，(μ+3σ,+∞)。3.預警方法及模型選擇。根據我國大陸行政區(qū)域劃分，將我國分成31個省市，考慮到預警精度的要求以及我國房地產市場在2000年才開始逐步發(fā)展的實際情況，搜集每一個省市的2001~2014年的表1中10個指標數據。如表2所示，結合BP神經網絡和Matlab編程，輸入2001~2010年的指標數據作為訓練樣本，為降低年限的關聯影響，間隔3年期為標準，輸出2013年指標數據作為訓練目標，待訓練完成后，輸入2002~2011年癥狀數據作為檢驗樣本，輸出2014年數據作為檢驗目標，待檢驗效果符合誤差范圍，分別輸入2004~2013年、2005~2014年指標數據作為預警樣本，輸出2017年指標數據作為預警目標，將目標值與特征范圍進行對比，得到特征表現。

四、我國房地產金融風險預警——以貴州省為例

（一）樣本數據與警限劃分。鑒于31個省市預警過程相同，為節(jié)省篇幅，本文以貴州省為例進行預警分析，其他省市預警過程省略。表3為2001~2014年貴州省房地產金融風險指標數據。然后據表3指標數據，可得各指標的特征范圍，設置預警范圍。見表4。其中μ、δ分別表示均值和標準差。（二）樣本檢驗。利用前文BP神經網絡模型和Matlab編程對樣本進行訓練，訓練次數為5000次，權值和閥值都為0.5，訓練精度為10-6。神經元個數范圍為（5，15），輸入2001~2010年指標訓練樣本和2013年訓練目標，得到最佳神經元個數為9，進而得到訓練完成的BP神經網絡模型，對其輸入2002~2011年檢驗樣本，得到2014年模擬值并將其與2014年真實值進行比較，按照指標特征作為參考標準，若經過MATLAB訓練樣本得到的2014年檢驗模擬值表現特征與2014年真實值特征均表現為正常，則神經網絡訓練較好，準確率為100%，可以引用到接下來的房地產金融風險預警，如表5。表6即通過預警模型得到2017年貴州省房地產金融風險指標特征。2017年，A1偏冷，其意味著貴州省房地產開發(fā)企業(yè)貸款余額占比金融機構貸款余額比較少；B類指標中B2、B3偏冷可知房地產價格增長率相對于土地價格增長率緩慢，房價的增長率低于地價增長率，導致地產商成本上升，資金負荷過大；而房地產開發(fā)企業(yè)銷售額有所下降，會導致房企利潤下降資金回籠緩慢。C類和D類指標中，C1和D3偏冷說明2017年宏觀貨幣M2投放量增速會繼續(xù)放緩，貴州省房地產市場繼續(xù)受到宏觀調控影響，房地產企業(yè)開發(fā)貸款占銀行貸款余額的比重不高，房價增長率放緩，而D1過熱表示會因為人口增長率上升，導致居民增大購房需求。鑒于其他指標的正常表現，可以判斷貴州省2017年房地產市場屬于繼續(xù)去庫存的一年，供給端繼續(xù)偏冷，房價增長率小于地價增長率，房地產開發(fā)企業(yè)會減少房地產的開發(fā)，從而減少成本損失?；驎驗槿丝谏仙龑е戮用裨龃筚彿啃枨螅环康禺a繼續(xù)去庫存量，房地產金融風險總體保持穩(wěn)定，但需要防范某些房地產企業(yè)資金回籠緩慢，拿地后資金鏈斷裂無法支付銀行貸款和工程款的風險。（四）我國31省市房地產金融風險預警分析。1.我國31省市2017年房地產金融風險預警分析。按照上述房地產金融風險預警過程，本文對我國大陸31個省市進行預警分析，得到2017年我國房地產金融風險指標的表現。8所示。2017年我國房地產金融風險異常指標主要集中于A1（房地產開發(fā)貸款余額/金融機構貸款余額）、B2（房地產價格增長率/土地價格增長率）、C1（房地產價格增長率/人均可支配收入增長率）、C2（人均房地產稅/城鎮(zhèn)人均可支配收入）、D1（人口增長率）、D2（房地產投資增長率/GDP增長率）。如表8所示，其中，北京、天津、山西、海南的A1指標表現過熱，房地產開發(fā)貸款余額占比金融機構貸款余額過大；吉林等7省市A1指標表現為熱，各地應該加大該指標的監(jiān)管；遼寧省房地產開發(fā)企業(yè)貸款占比金融機構貸款有所下降，可能與東北地區(qū)經濟發(fā)展降速和人口減少有關；其余20省市在A1指標上表現正常。B2指標中，廣西、海南、重慶三地房地產價格增速明顯，福建、山東及四川房地產價格亦有所上升，上述地區(qū)經濟發(fā)展較好，房地產市場健康發(fā)展；而遼寧為主的東北地區(qū)房地產價格增速顯著下降。C1指標中，西藏、山西、上海、安徽、廣西、云南等地的房地產價格相較于當地人均收入來說，增幅過快，房地產購買力會有所下降。C2指標表現中，河北等10省市指標較熱，即人均房地產稅相較于人均可支配收入來說相對過多，潛在影響該地區(qū)對房地產的需求。上海等5省市D1指標較熱，即上述五省市未來人口有所增加，提升房地產消費需求。天津、廣西等房地產投資額增長較快，會加大房地產供給；內蒙古、吉林、遼寧、河北等房地產投資增幅慢于GDP增長幅度，意味著未來上述區(qū)域的房地產供給有所下降，房地產市場不太景氣。從表7中指標惡化率可以得到，指標惡化率超過20%的有11個省市，其中天津、上海、安徽、河南、四川、西藏六省市指標惡化率為30%，河北、遼寧、吉林、廣西、海南五省市為40%，江蘇、湖北、湖南、廣東、寧夏五省市惡化率為0，其他省市指標惡化率均為20%。華北區(qū)域主要集中于京津冀地區(qū)和東三省、豫皖地區(qū)、瓊桂地區(qū)、川渝地區(qū)、甘藏地區(qū)等六個區(qū)域。其中京津冀地區(qū)主要是A1指標較熱和C1指標較冷，即房價相對于人均收入增幅較低，可能導致較大的房地產需求，促使房地產企業(yè)加大貸款規(guī)模進行房地產開發(fā)和供給。東三省主要是D2指標的過冷，即2017年東三省區(qū)域房地產投資增速嚴重下滑，可能影響經濟發(fā)展。瓊桂川渝地區(qū)主要是房地產價格增幅遠遠高于土地價格增速，可能造成大規(guī)模房地產開發(fā)供給和投機行為，產生房地產市場泡沫。甘藏地區(qū)的問題主要體現在相對于人均收入增速來說，該區(qū)域的房地產價格增幅和房地產稅收增幅較大，可能抑制房地產需求，給房地產銷售和供給帶來較大壓力。加之過大的房地產貸款占比會給房地產企業(yè)帶來較大的經營壓力，可能產生企業(yè)違約和信用風險。因此，相較于2016年，可以預測2017年我國房地產金融風險在深度上有所強化；在廣度上，風險有進一步向區(qū)域集中化和多范圍擴散化的趨勢，產生風險的可能性有所增加，應進一步加大相關異常指標的關注和控制，防范區(qū)域性房地產金融風險的產生。2.預警結論。綜上預警分析，本文認為我國2017年爆發(fā)惡劣型區(qū)域性房地產金融風險乃至整體性和規(guī)?；姆康禺a金融風險可能性較低?？赡墚a生風險的原因主要集中于房地產企業(yè)貸款余額占比金融機構貸款余額過大、房地產價格的快速上漲、房地產稅負的區(qū)域不合理征收、不同區(qū)域房地產投資建設逐步分化以及區(qū)域房地產金融風險的積蘊等。

五、我國房地產金融風險防范

加強房地產金融風險的管理和防范，對于包括房地產市場和金融市場在內的整個宏觀經濟體系有著重要意義。通過對我國31省市房地產金融風險的預警分析，本文對防范我國房地產金融風險提出幾點建議，希望有助于我國房地產金融的發(fā)展。（一）拓展全面多元的融資渠道。2014年我國房地產開發(fā)企業(yè)到位資金來源中，銀行貸款占比約50%。未來我國房地產企業(yè)金融機構貸款額度繼續(xù)保持增長。房地產信貸是房地產金融的重要組成部分，成為房地產市場各相關主體資金主要提供者。但房地產信貸融資比例過高和融資渠道單一的特點，增加了房地產金融風險爆發(fā)的可能性。因此，必須實現房地產融資渠道的多元化。一方面，增加房地產企業(yè)融資渠道，將傳統(tǒng)以銀行貸款融資為主轉化成銀行貸款、房地產信托、房地產資產證券化、企業(yè)眾籌、房地產互聯網金融等多元主體和融表82017年全國主要異常指標表現異常指標指標表現A1B2C1C2D1D2過熱北京、天津、山西、海南廣西、海南、重慶西藏、山西河北、山西、黑龍江、廣西、青海上海、廣西、貴州天津、黑龍江、廣西熱吉林、河南、重慶、西藏、甘肅、青海、新疆福建、山東、四川上海、安徽、廣西、云南吉林、安徽、河南、四川、甘肅安徽、河南過冷遼寧河北、內蒙古、遼寧、四川內蒙古、吉林冷遼寧天津、浙江、海南西藏河北、遼寧、福建資模式；另一方面，發(fā)行REITs、房地產中期票據、房地產企業(yè)債券等金融融資產品，增加房地產金融收益性和流動性，降低風險。更加全面的融資方式和渠道亦將成為防范和化解房地產金融風險的主要路徑。（二）制定完善的房地產稅負體系。稅收收入是國家財政收入的主要來源。包括房產稅在內以土地和不動產為稅收標的的稅收收入更是財政收入的重要組成部分。2013年我國房產稅等房地產相關稅收收入約為12246億元，同期占比國家稅收收入約為11%。過多的稅收和不合理稅收機制影響房地產市場的需求與供給，增加企業(yè)的開發(fā)成本，減少房地產的供給數量和質量。過多的稅收負擔還抑制消費者對于房地產的有效需求，從而不能真實反映房地產市場的供需狀況，不利于房地產市場良性平穩(wěn)發(fā)展。加之我國是一個區(qū)域經濟發(fā)展嚴重不平衡的國家，因此，政府應該大力推進財稅體制改革，考察房地產市場及相關主體真實狀況，根據不同區(qū)域經濟發(fā)展和居民收入情況，合理有效制定房地產相關稅收機制和政策，有效推動房地產市場健康平穩(wěn)發(fā)展。（三）分區(qū)域防范房地產金融風險。區(qū)域經濟的下滑和房地產金融風險的暴露可能導致全國性房地產金融風險的發(fā)生。海南房地產泡沫、浙江房地產企業(yè)資金鏈斷裂、鄂爾多斯鬼城、東北經濟下滑等都可能是區(qū)域性房地產金融風險爆發(fā)的前兆。區(qū)域性房地產金融風險的有效及時遏制和調控，將區(qū)域房地產金融風險發(fā)生可能性降低到最小化，對于我國整體房地產金融安全至關重要。面對我國區(qū)域經濟發(fā)展的不平衡，應該有區(qū)別有針對性地建立房地產風險預警系統(tǒng)，預警和關注各地區(qū)房地產金融風險水平變化，及時有效控制房地產金融風險狀況，特別是華北地區(qū)、川渝瓊桂地區(qū)等重點區(qū)域進行關注，制定區(qū)域性風險防范措施。

作者:孫涌等 單位:中國人民銀行遵義市中心支行