宏观经济的风险精选(五篇)

序言：作为思想的载体和知识的探索者，写作是一种独特的艺术，我们为您准备了不同风格的5篇宏观经济的风险，期待它们能激发您的灵感。

篇1

利率市场化作为一种金融放开性政策，在带来诸多金融

自由化的益处的同时也必然会相应而生诸多风险，本文试图从撇开被广泛讨论的商业银行微观经营中的风险而详细分析其对宏观经济层面所带来的风险，并结合世界各国在此方面的经验与教训进行阐释。

（一）信贷规模控制难度增大，通胀面临抬头之势

一直以来，我国商业银行都采用以传统的存贷款业务为核心，营业收入主要依赖存贷款利差收入。而一旦放开利率管制,商业银行在快速发展的金融市场中展开竞争,利差会受资金来源与运用两方面的挤压而缩小。在资金来源方面,为防止资金向金融市场其他领域过度分流,存款利率会出现“棘轮效应”,难以向下调整,商业银行的成本上升；在资金运用方面,由于企业拥有了更多的融资选择,银行议价能力被明显削弱,因而贷款利率上升水平有限,导致存贷款利差出现收窄现象。如美国1980-1985年的存贷利差平均为2.17%,而至1986-1990年则20降为1.63%。存贷利差的减小必将刺激商业银行投放更多贷款以增加自身经营利润,这也就导致了信用总量的扩张和信用总量增速的提高。韩国和日本在利率市场化期间,M2平均增速均高于前后年份2-4个百分点。即便在金融市场发展水平较高的美国,货币供应增速也出现了较快的提高,1980-1986年货币供应平均増速为9.32%,比1980-1990年高出1.89个百分点。而根据经典货币理论可知，货币供应增速必将致使宏观经济面临通货膨胀的巨大抬头之势。本想为经济注入更多活力的市场化改革如果控制不当反而会给民计民生带来多一重的压力，给各种宏观调整与政策推行增加难度。

（二）商业银行风险冒进可能增高，政府面临巨额“担保”成本

如上文所述，利率市场化将会推动银行存贷利差缩窄，加之银行传统业务结构及其业务发展过度依赖大中型公司客户的经营模式面临巨大调整压力，调整进程中的各种研发、经营成本必将使得商业银行的生存日益艰辛。银行如要维持其原有的盈利水平，很多高风险业务或将纳入其日常经营的考虑范畴。而另一方面，我国目前尚没有真正推行存款保险制度，而是用政府的隐性支持保障的商业银行没有倒闭的风险。而当利率市场化广泛推进，各商业银行自主灵活性增大，在拥有隐性担保支持这种使得银行风险和收益不对称的条件之下,则很有可能激励银行高风险经营。而一旦由此引发的金融危机爆发或苗头闪现时,政府都会成为银行该高风险经营行为的最后买单单者，面临巨额的“担保”成本。

（三）资产泡沫与外资流入压力增强

如上文所述，利率的市场化极有可能带来信用总量的扩张,而在此情况下必将使得更多资金流入资本市场,资产价格出现泡沫。观察国际利率市场化的推行经验，1989年,日本大举推行利率市场化政策期间，日经225指数由五年前的11542.6点猛增至38915高点,并且同期大量资金流入房地产市场,导致了严重的房地产泡沫。台湾地区在利率市场化推行期间的TWSE加权指数也由1985年末的835.12点激增至1989年的10602点。其他国家如马来西亚、智利、瑞典等,都在利率市场化后遭遇资产价格飘升的问题。加之我国民众对房地产投资的一贯热衷，我国股票市场的不成熟性，利率市场化推进中资产市场面临的风险与压力必须予以高度重视和警惕。另一方面，由于利率市场化政策为利率注入的灵活性很有可能同时也吸引国际游资流入，给人民币本就不低的升值预期施以进一步的压力。在我国这种金融体制尚不成熟和监管尚不到位的国家,境外资金的大幅度流动也会给我国带来巨大不稳定性。拉美国家利率市场化后,由于外资流入过多,汇率出现严重高估现象,高估汇率由于过分脱离经济基本面而最终难以维持,出现汇率大幅赔值的结果,大量外资流出,引发了拉美债务危机。因此利率市场化给外汇市场所带来的压力也是我国此项改革进程中不可忽视的层面。

二、我国利率市场化改革中的风险防范

鉴于利率市场化改革势在必行，而其进程中又存在着诸多方面风险的现实，探索其风险的防范措施成为了关键性问题之一。

（一）增强市场利率的联动性

在开放的经济格局中,资金流动规模大、速度快,如果金融市场统一、产品丰富、联动性强则有可能避免短期内利率的大起大落,给经济带来危害。为此,首先要继续发展同业拆借市场,使同业拆借利率真正成为反映资金市场供求关系的晴雨表。扩大票据的贴现和再贴现业务,使得再贴现率成为中央银行调控市场资金供求的基准利率。其次要进一步完善资本市场的建设,规范证券市场的动作,推动我国债券一级、二级市场的发展。此外要发展银行债券柜台交易,这样就可以使债券发行和交易都市场化,形成零售与批发、场外与场内有机统一的、分层次的债券市场体系,消除不同市场债券交易价格与收益率的非正常差异,增强市场利率的联动性。再次要进一步降低非银行金融机构进入货币市场的限制,通过交易主体的交叉,增强货币市场和资本市场的沟通与渗透。

（二）加快金融体制改革与存款保险制度建立

中国利率市场化改革不是单独的、孤立的改革,而是伴随着对整个金融系统的改革。整个金融系统向着自由化方向的步伐迈出的越是到位、稳健，提供给利率市场化改革的发挥的空间也就自然越大，对其风险的防范作用也就越是明显。这些改革包括对金融机构(尤其是银行)的企业管理制度的改革、企业产权制度的改革、货币市场利率形成机制的改革、金融业监管制度的改革、证券市场的改革以及人民币汇率的改革。这些领域的改革相互交叉、相互影响,因此利率市场化改革过程中不能不考虑到其他金融领域的改革进度以及它们之间的相互影响。而在各项金融体制改革中，存款保险制度的尽早建立对于利率市场化推进过程中的风险防范有着重要的意义。存款保险制度的宗旨在于保护存款人的利益,尤其是小额存款人的利益,从而提高公众对银行的信心,保证银行体系的稳定。利率市场化之后,无论是国有商业银行还是一些新兴的中小型商业银行及其他金融机构,都将同样面对市场风险,而且由于银行业“借短贷长”以及信息不对称而产生的逆向选择和道德风险所导致的内在脆弱性,极容易将某一银行的问题传染给其他银行及金融机构，从而蔓延到整个宏观经济体系之中。而存款保险制度的建立，则能够有效降低利率市场化过程中的金融风险,维护金融系统的稳定。

（三）加强金融监管

在各国利率市场化的实践经验中,能够很好的正反两方面证明重塑金融监管在改革中的关键作用，建立有效监管机制是利率市场化成功实现的前提。要实现金融监管的规范化,必须尽快建立与国际接轨的市场金融监管;按市场化金融运行的要求,建立既符合我国国情又符合国际惯例的金融监管法规;选拔和培养一支高素质的监管队伍,从而大大提高我国监管水平。有了有效的金融监管体系，商业银行的冒进式经营与逆向选择的可能性将会被降至最低；信贷投放量也能够得到有效的控制，从而通胀抬头、资产泡沫高起等宏观经济层面上令政府与国人担忧的问题都能够得到有效的遏制。这其中，中央银行监管水平的提高,是实施利率市场化改革的关键前提条件。

（四）拓展商业银行盈利模式

篇2

中央经济工作会议指出，党的十以来初步确立了适应经济发展新常态的经济政策框架，其主线则是供给侧结构性改革，改革将成为2017年中国宏观经济的主旋律，各类经济政策的实施都不会离开改革这个主线。

突破口是解决结构性问题

中国经济当前存在的主要问题是结构性问题，出路是供给侧结构性改革。我国经济运行面临的突出矛盾和问题，根源是重大结构性失衡，必须从供给侧结构性改革上想办法。

2016年，供给侧改革取得了良好成绩，但是也存在一些问题。2016年国企去杠杆进展良好。下半年重工业去产能加速，部分行业的去产能速度快于计划进度。同时，根据具体情况，已开始通过关闭僵尸企业、不良贷款核销、债转股并出售给资产管理公司等方式去杠杆。

2017年，将推动“三去一降一补”取得实质性进展。“去产能”方面，继续推动钢铁、煤炭行业化解过剩产能，处置“僵尸企业”，防止已经化解的过剩产能死灰复燃，做好其他产能严重过剩行业去产能工作；“去库存”方面，坚持分类调控、因城因地施策，把去库存和促进人口城镇化结合起来；“去杠杆”方面，把降低企业杠杆率作为重中之重；“降成本”方面，在减税、降费、降低要素成本上加大工作力度；“补短板”方面，既补发展短板也补制度短板。

此外，2017年供给侧结构性改革的一个亮点是农业。农业将成为供给侧结构性改革重要一环。2017年要深入推进农业供给侧结构性改革，并从增加绿色优质农产品供给、改革重要农产品价格形成和收储机制、深化农村产权制度改革等方面，全面确定了农业供给侧结构性改革的施力重点。

财政金融政策稳中有进

长期以来，我们习惯于从需求侧想办法，单纯靠投资拉动和增发货币来解决经济问题，但这一传统的调控理念、方式和增长路径已经难以为继，例如，货币发行和实体经济增长率已严重不一致。目前，化解经济下行压力主要不是靠政策刺激，而是需要推进相应的制度调整与制度创新。

对于财政政策，必须突出财政支出要与供给侧结构性改革相配合，“预算安排要适应推进供给侧结构性改革、降低企业税费负担、保障民生兜底的需要”。这表明，宏观调控政策不仅自足于短期的稳增长，还要照顾到长期的结构改革，在短期的调控政策中贯彻落实长期的改革部署，要弱化短期增长的总量平衡，强化长期增长的结构均衡和升级。

对于货币政策，基调是货币不能过于宽松，“调节好货币闸门”“维护流动性基本稳定”。大水漫灌可能带来股市、楼市或大宗商品一时的大涨，也可能取得暂时的高增长，但是与长期结构调整的改革精神相违背。经济工作会议还指出货币政策要保持稳健中性，与以往不同，增加了“中性”的说法。事实上，相比以往的“稳健”，“中性”有更强的经济理论支撑，中性特指不影响实体经济的发展，言下之意2016年的“脱实向虚”必须遏制，相关的经济风险必须防控。

还要指出的是，稳增长在2017年经济工作中的地位有所下降。2015年中央经济工作会议提出“要在适度扩大总需求的同时，着力加强供给侧结构性改革”，2016年变为“坚持以推进供给侧结构性改革为主线，适度扩大总需求”，调整了改革和扩大需求的顺序。这不仅是改革与增长地位的对调，而且是政策协调性的增强，要在宏调中落实改革。既要做好短期风险防范和应对，更要注重挖掘中长期增长潜力；既要扩大总需求，也要改善供给质量。

金融改革重中之重是防控风险

2016年，中国经济增长路径呈现“债务―投资”驱动模式，央行增发货币、财政发债、地方发债和PPP的债务融资方式明显，并且资金主要流向央企、地方投融资平台和地方国企，投资于铁路、公路等传统的过剩产能行业而非创新型的高科技行业，投资效率低、债务风险累积高。

现阶段的金融业分业监管已无法适应混业经营的需要。目前银行理财产品余额已突破20万亿元，其中表外理财超过14万亿元，表外理财等影子银行成为我国金融市场的一支重要力量。很多短期资金成为国内游资，在各金融市场寻找套利机会，险资到处举牌，也成为这一轮股市暴涨暴跌的重要推力。而由于分业监管，很难形成监管合力。

“房子是用来住的，不是用来炒的”这一定论明确弱化房地产的金融属性，建立稳健发展的长效机制。

篇3

[关键词] 宏观经济；钢铁行业；市场风险；影响

doi ： 10 . 3969 / j . issn . 1673 - 0194 . 2014 . 12. 054

[中图分类号] F27 [文献标识码] A [文章编号] 1673 - 0194（2014）12- 0084- 03

1 引 言

宏观经济指标是企业战略发展的风向标，而产业或行业的发展也同时影响着宏观经济形势。2010-2011年粗钢产量变化百分比基本与GDP增速一致：2010年，GDP同比增加10.4%，当年粗钢产量增速为10.61%；2011年GDP增速9.2%，粗钢产量增加9.22%。但2012年GDP增速7.8%，粗钢产量同比增长才3.1%。据中钢协通报，2012年末，我国粗钢产量已达7.9亿吨，但钢铁企业利润同比下降98.22%，亏损面28.75%；亏损企业亏损额289.24亿元，同比增长7.39倍；大中型钢铁企业销售利润率仅0.04%。此外，钢铁的需求一半以上来自于固定资产投资；M2/M1增速一般领先钢铁价格增速约24个月，当前者见顶时，后者也将见底。本文从宏观经济的多个角度选取了与钢铁产业相关的指标来探析各宏观经济因子是如何影响我国钢铁行业利润的。

2 市场风险研究概述

广义的市场风险是指由市场机制作用及其相关因素变化引发的风险，包括根植于市场内在机制的内在风险和根植于市场机制以外因素的外在风险。关于狭义的市场风险，我国学者胡杰武、万里霜将其界定为未来市场价格（利率、汇率、股票价格和商品价格）的不确定性对企业实现其既定目标的影响[1]。王周伟认为市场风险是指由于市场供求或价格因素（如利率、汇率、证券价格、商品价格与衍生品价格）发生不利变动而使公司的表内和表外业务或公司价值发生损失的风险[2]。张涛、黄国良、姚圣 等认为市场风险主要是指企业在生产和购销过程中，由于市场行情的变化、消费需求转移、经济政策的改变等不确定因素所引起的实际收益与预期收益发生偏离的不确定性[3]。综合来看，狭义的市场风险是由利润、价值或收益的下降而体现的，因此本文以钢铁行业的利润作为钢铁行业市场风险的指标来研究。可以理解为，行业利润越大反映市场风险越小，行业利润越小则说明市场风险更大。

关于宏观经济对行业或企业风险影响的研究也不少，如卢永艳以制造业的上市公司为例，运用Logit模型研究了宏观经济因素对企业财务风险的影响[4]；邢治斌和仲伟利用ARMA-GARCH模型实证分析了宏观经济政策对股票市场流动性风险的影响[5]；利用改进的Keen模型研究了宏观经济因素对上市公司信用风险的影响[6]；李关政选取宏观经济因子构建了我国商业银行信用风险的MF-Logistic度量模型[7]等。本文主要运用OLS最小二乘法，构建了宏观经济与钢铁行业利润关系的回归模型，在对模型进行修正检验后确定最终模型，从而得出宏观经济对钢铁行业市场风险的影响关系与程度。

3 实证研究

3.1 数据收集整理

3.1.1 指标选取及数据标准化

本文选取黑色金属冶炼和压延加工业的利润指标作为钢铁行业的市场风险指标（PRO），因为利润的大小直接反映着企业乃至行业的盈利情况。宏观经济因素选取了GDP值、城镇固定资产投资（FI）、广义货币量（M2）、制造业采购经理指数（PMI）、工业品出厂价格指数（PPI）、原材料购进价格指数（PPPI）。数据来源于聚源数据库，样本数据为2005年2月至2012年9月的月度时间序列数据共45组。因选取的指标中PRO、GDP、FI、M2是以“亿元”单位计，而PMI、PPI和PPPI都是价格指数单位，所以要将数据进行标准化处理，本研究采用的是z-score标准化法，利用原始数据的均值和标准差进行标准化。

篇4

【关键词】 商业银行;信用风险;宏观压力测试

一、引言

随着金融全球化进程加快、大型商业银行跨国活动增加、信贷衍生产品迅猛发展,新形势下商业银行信用风险管理问题日益突出。特别是2007年底次贷危机的爆发,使得各国商业银行的资产质量严重恶化,大量银行纷纷破产,虽然我国的商业银行因为种种政策性原因,在这次危机中损失较小,但随着我国金融市场的进一步开放,我国商业银行和国际金融市场的完全融合,将对我国商业银行的信用风险管理水平提出挑战。

目前,宏观压力测试由于能模拟潜在金融危机等极端事件对商业银行体系稳定性的影响,已经引起了国际金融组织和各国政策当局广泛的重视,并在实践中得到迅速推广。本文运用宏观压力测试法,结合我国商业银行的特性,对商业银行的信用风险水平及其影响因素进行分析,这对现阶段我国商业银行信用风险管理具有现实意义。

二、文献综述

宏观压力测试是用于评估一国金融体系在受到“异常但合理”宏观经济冲击时的稳定程度,其通过情景设定或历史事件,来衡量宏观经济冲击对整个对整个金融体系的影响。自20世纪90年代末以来,国外对宏观压力测试的研究及其在实践中的应用都已取得了丰硕的成果,其中最具代表性的是Wilson(1997a,1997b)用各工业部门违约概率与一系列宏观经济变量的敏感度直接建模,通过模拟将来违约概率分布的路径,得到了资产组合的预期异常损失,进而模拟出在宏观经济波动冲击下的违约概率值。Boss M(2002)和Virolainen (2004)利用Wilson提出的模型,根据加总的企业违约概率估计出宏观经济信贷模型来分析澳大利亚和芬兰银行部门的压力情境。

而在国内对宏观压力测试的研究还尚在起步阶段。在理论研究方面,徐明东、刘晓星(2008)通过对国际上流行的几种宏观压力测试方法的比较,阐述了如何运用宏观压力测试方法去评估一国金融体系的稳定性。在模型研究和实证方面,任宇航、孙啸坤等(2007)利用Logit回归测试的方法,通过收集我国的宏观经济数据和金融机构的数据,对我国银行业信用风险损失作出了合理估计。但国内的这些研究只是借鉴了压力测试的思想,使用传统的方法,通过模拟情境下宏观经济因素异动,由Logit模型最终得出稳定性指标期望值的点估计来评价银行体系的稳定性。这种方法存在一定的缺陷:其不能有效地反映出宏观变动冲击对银行体系的影响,不能具体看出压力情境下哪些宏观经济变量对银行信用风险的影响最大,这就有进一步研究的必要。

三、模型构建与实证研究

宏观压力测试是对微观层面压力测试的有益补充,它是将各宏观经济冲击变量整合量化为一个宏观因子,将宏观波动因素整合到评估银行信用风险的模型中,通过压力情境的构建,预测在极端情形下宏观经济变动对银行系统信用风险的影响。

(一)模型构建

本文在研究我国商业银行信用风险水平与宏观经济变量的关系时借鉴了Wilson(1997a, 1997b),Boss(2002),and Virolainen(2004)所提出的模型。该模型主要包括:建立了一个信用风险水平和宏观经济变量间的联立方程;用蒙特卡洛法模拟了违约损失的分布。

具体来说,假定商业银行将贷款贷给了J个经济部门,其中j部门在t时刻违约的概率为pj,t,在这里j=1,2,…,J,pj,t介于0和1之间,用它的Logit转换值yj,t作为回归值,即:

进而,设定yt=(y1,t,……,yj,t)*,yt为转换指标。本文所采用的模型是基于M个宏观经济变量的现在值和滞后期的值所构成的一个线性方程:

yt=m+A1xt+…+A1+sxt-sη1yt-1+…+ηkyt-k+vt (2)

式(2)中明确表示了各宏观经济变量与违约转换指标yt之间的关系。其中,xt=(x1,t,x2,t…xm,t)表示宏观经济变量,其为M×1阶向量;m为截距项,其为J×1阶向量;A1……A1+s和η1……ηk为系数,它们分别为J×M阶和J×J阶矩阵;vt为随机误差项,其为J×1阶向量。

同时为了考虑各宏观经济变量之间的相关性,根据Wilson模型中关于宏观经济变量的等式系统,本文采用了下列的描述:

xt=n+δ1xt-1+…+δpxt-p+μ1yt-1+…+μqyt-q+ξt (3)

其中,n为M×1阶列向量,系数δ1,…δp和μ1,…μq分别为M×M和M×J阶矩阵向量,随机误差项ξt为M×1阶向量。

本文所考虑的模型在Wilson(1997a,1997b),Boss (2002)和Virolainen(2004)基础上,进行了两点改进:一是考虑了宏观经济变量对商业银行信用风险影响的时滞效应;二是模型的设定还考虑了商业银行体系对宏观经济变量的回馈效应。考虑到我国商业银行在国民经济中所占有的重要地位,该模型更符合我国的实际情况,因而用其来研究我国商业银行信用风险水平与宏观经济变量间的关系,具有很强的适用性。

(二)变量的选取与数据描述

为了建立商业银行信用风险水平和宏观经济变量之间的实证关系,本文收集了2003年1季度到2009年2季度共26个季度的商业银行不良贷款率和相关宏观经济数据,并通过参考国内外学者在研究宏观压力测试时的变量选择,考虑我国商业银行信用风险以及宏观经济发展的特点,对相关变量做了如下选择。

1.被解释变量

本文综合考虑了我国商业银行经营的特殊性和相关数据的可得性,选用了商业银行体系的信用风险为被解释变量,以不良贷款率为其衡量指标,即:商业银行体系的不良贷款率越高,其信用风险水平就越高。我国商业银行的不良贷款率的数据来源于中国银监会网站和国研网的统计数据库,其中,商业银行的样本包括了国有商业银行、股份制商业银行、城市商业银行、农村商业银行和外资银行。根据《贷款质量评估指导原则》,中国的贷款按照五级分类法进行分类,不良贷款率=(次级+可疑+损失)/贷款总额。

2.解释变量

在解释变量方面,鉴于我国宏观经济的运行情况以及相关数据的获取难度,选取了GDP增长率、CPI指数(用以表示通货膨胀率)、广义货币增长率M2、进口额同比增长率M、三至五年期贷款利率R、房地产价格指数RE、失业率U七个宏观变量,数据来源于锐思数据库和国泰安数据库。

3.数据描述

从表1可以看出:(1)我国商业银行的不良贷款率经过Logit模型转换为yt后,其波动率仍然较大。(2)从选取的宏观经济变量来看,我国的宏观经济进入了高增长、低通胀、低失业、适度宽松货币政策的繁荣时期,但房价指数RE和进口额增长率M的波动较大。

(三)实证研究与结果分析

1.实证研究

根据上述的模型设定,首先对Pj,t运用Logit模型进行转换,得到转换指标yt,再将对商业银行信用风险构成冲击的各宏观经济变量及其yt的一阶滞后变量(考虑到宏观经济冲击的滞后性往往为一年)的数据代入,利用Eviews5.0与yt进行多元线性回归,结果显示:GDP增长率ZGDP、通货膨胀率CPI、房价指数RE、贷款利率R、进口总额同比增长率M以及yt的一阶滞后变量这六个变量显著,而失业率U和广义货币增长率M2不显著,被剔除。然后再利用式(3)进行各宏观经济变量的自回归。回归结果如表2。

从表2可以看出:(1)在1%到10%的显著性水平上,CPI指数、GDP增长率、进口额增长率M、贷款利率R以及房价指数RE均显著影响到了我国商业银行的信用风险水平,且信用风险的转换指标受其滞后一期值的显著影响;(2)各宏观经济变量均受到其滞后项的显著影响,且除商品房销售价格指数RE外其余宏观经济变量还受到了转换指标滞后一期值的影响。

2.结果分析

从上述模型中,可以看出在宏观经济变量中贷款利率R对转换指标的影响最大,R的上升代表企业的融资成本增加,为了按期还本付息,企业就必须拿出更多的利润交给银行,如果融资成本大于企业盈利能力,那企业就有违约的冲动,使得商业银行的信用风险加大。而CPI对银行信用风险的影响与R则恰恰相反,其上升预示着国家在实行宽松的货币政策,使得企业融资成本降低,企业的盈利大幅上升,减少银行的信用风险。GDP增长预示着整个社会的宏观经济比较景气,经济处于上升繁荣期,企业平均盈利能力较好,不良贷款率也将随之下降。进口总额增长率M上升,对我国的出口企业造成负面影响,致使其业绩下降,进而会增加银行的信用风险。房地产销售价格指数的上升,会使得大量的资金涌入房地产市场,产生泡沫经济,鉴于目前我国房屋贷款在银行贷款中的比重,将会使银行的不良贷款率显著提高,进而增大银行的信用风险。同时,也可以发现转换指标的滞后一期对当期影响显著。显然,模型的回归结果符合经济学上的解释。

四、宏观压力情景的设定及其风险分析

压力测试主要是通过情境设定,根据情境假设下可能的风险因子变动情形,重新评估金融商品或投资组合的价值。通常重新评估的方式不会有太大的差异,但是情境设定的方式却有很多种选择。情境分析是目前应用的主流,即利用一组风险因子定义为某种情境,分析在个别情境下的压力损失。情境分析的事件设计方法有两种:历史情境分析和假设情境分析。整个程序通常分为两大步:一是情境设定;二是重新评估。

(一)情境设定

分析上述模型的回归结果,可以发现贷款利率R对银行信用风险的影响最大,而GDP增长率则是判定一国经济发展最重要的指标,同时考虑到大多数危机的冲击期会持续四个季度,因而假定2009年2季度为基期,模拟从2009年3季度到2010年2季度共4个时间点涵盖了一年期的未来路径。本文设定了两个压力情境:一是GDP指数突然大幅下降的情境。假定我国GDP季度增长率自2009年2季度起在未来的4个季度里每季度均会同比下降一个百分点。二是贷款利率R大幅上升的情境。设定我国的贷款利率自2009年2季度起在未来的4个季度里,每季度均会同比上升一个百分点。为了便于计算,假定这两个冲击是相互独立的,即当一个宏观解释变量受到冲击,其它解释变量仍然保持不变。

(二)重新评估

设定情景下的冲击结果如表3。

从表3中可以看出,在设定的两种压力情境下,我国商业银行的信用风险水平明显增加,其不良贷款率显著提高。同时,还可以发现,贷款利率R的大幅升高比GDP增长率的降低对商业银行体系信用风险的冲击幅度更大,这也充分说明了货币政策在调控宏观经济中的重要性及其对商业银行的显著影响。

为了更清晰地表现两种压力情境下银行体系信用风险的变化,将上述结果绘在图1中。

图1中P1代表了GDP增长率突然下降情境下的我国商业银行体系的不良贷款率,P2代表了贷款利率R上升时我国商业银行体系的不良贷款率。从图1中可以清楚地看到P2一直在P1的上方,即贷款利率R的大幅上升比GDP增长率的大幅降低对商业银行体系信用风险的冲击幅度更大。

五、结论

本文采用我国2003年1季度到2009年2季度的宏观经济数据和商业银行的不良贷款率数据,基于Wilson (1997a, 1997b),Boss(2002)及Virolainen(2004)所提出的模型,通过Eviews5.0软件建立了商业银行信用风险转换指标 与各宏观经济变量及转换指标滞后一阶的回归方程,结果表明GDP增长率、通货膨胀率、房价指数、贷款利率、进口总额同比增长率对我国商业银行的信用风险影响显著。进而利用得出的回归方程,依据假设情景对我国商业银行的信用风险进行了压力测验,在宏观压力测试的情境分析中,得出了贷款利率R的大幅上升比GDP增长率的大幅降低对商业银行体系信用风险的冲击幅度更大的结论。

鉴于本文的研究结论,可以看出宏观经济变量和商业银行信用风险之间有着密切的联系,在本轮的次贷危机中我国的商业银行虽没有受到大的冲击,但应该吸取欧美大银行在这次危机中的教训,防患于未然,提高自身的风险意识,继续降低银行的不良贷款率。另外,政府在遇到宏观经济问题时,货币政策起着至关重要的作用。一国货币当局在面对危机时,应该审时度势,制定正确的货币政策,确保经济的快速增长。

【参考文献】

[1] Wilson T C. Portfolio credit risk I [ J ]. Risk, 1997, 9(10) : 111 - 170.

[2] Wilson T C. Portfolio credit risk II [ J ]. Risk, 1997, 10(10) : 56 - 61.

[3] BossM. A Macroeconomic credit risk model for Stress Testing the Austrian credit portfolio [ J ]. Financial Stability Report, 2002(4): 64 - 82.

篇5

关键词：房地产；风险；协整；宏观经济

中图分类号：F293.3 文献标识码：A 文章编号：1003-5192(2008)04-0001-05

Risk Assessment of China’s Real Estate Market: Basing on

Cointegration of Price and Macroeconomics

TIAN Cheng-shi, LI Hui

（Statistics College, Dong Bei University of Finance & Economic, Dalian 116025, China）

Abstract:In the long-term, real estate prices should be in coordinating with the social economic level, if the tendency of real estate price has departed from the macroeconomics support, then the market may hide risk. The paper analyzes the dynamic relations of the China’s real estate price index and main macroeconomic indexes in recent years under the cointegration and error correction model frame.The finding is that real estate price has the support of macroeconomic background, real estate market risk is not severe.

Key words:real estate; risk; cointegration; macroeconomic

1 引言

房地产业产业关联度高、具有先导性和基础性的特点，是我国国民经济的支柱产业。但近年来我国部分地区出现了房地产投资增幅过高、商品房空置面积增加、房价上涨过快、海外热钱纷纷涌入等现象，房地产市场发展有过热的苗头［1～3］。因此，如何评价中国房地产市场风险问题目前已经成为政府、学者和消费者关注的热点。但从现有的研究成果看，房地产市场风险的评价大多是通过数据比较，以是否存在地产泡沫来衡量。如谢经荣、朱勇提出了指标体系法，他们通过对相关数据的比较分析来判断是否发生地产泡沫及其严重程度［4］。李维哲、曲波采用功效系数法计算泡沫的综合比测度地产风险的大小［5］。刘琳等提出综合指数法来判断房地产业是否存在风险及风险程度［6］。而从宏观经济调控的角度出发，将房地产发展纳入宏观经济运行，从房地产市场与宏观经济运行的协调性来评价房地产市场风险的研究还未发现。众所周知，房地产市场的发展应该与宏观经济发展相协调，如果房地产市场发展偏离了宏观经济运行的正常轨道，则表明市场有非理存在，市场隐藏着风险。

虽然例如房屋空置面积、房地产投资额等多个指标都能够衡量房地产市场的发展状况，但由于价格是商品供求关系的最集中反映，因此房地产业与宏观经济发展相协调最主要表现为房地产价格与整体社会经济水平相协调。从长期看，房地产价格不会稳定不变，但是在一定时期内价格变化所呈现出的某种变动趋势应该由宏观经济如GDP、人均收入水平和利率等因素变化所影响和决定。也就是说，房地产价格的趋势变化应该有宏观经济背景的支持，即房地产价格变化趋势和宏观经济变化应保持一种长期稳定的动态关系。因此，从长期看，如果房地产价格走势和宏观经济变化是协整的，则说明房地产价格波动有经济背景的支持，可以认为房地产市场是健康和理性的；反之，如果房地产价格走势和宏观经济变化严重背离则预示着房地产市场潜伏着风险。

具体地，本文在协整和误差校正模型的框架下，通过分析房地产价格变化与宏观经济发展（包括GDP、城镇居民人均可支配收入、市场化利率指标）是否协整来判断中国房地产市场是否存在潜在风险。

2 中国房地产价格与宏观经济协整关系的实证研究

2.1 指标选取

本文选取了可能影响房地产价格的多个变量：GDP、通货膨胀率、收入水平和市场化利率。由于我国房地产价格只是在近年来才出现迅速上涨的势头，故我们尽可能地选取了近期的季度数据，样本区间为2000年第1季度到2006年第4季度。

(1)房地产价格指标

在房地产业与社会经济千丝万缕的联系中，房地产价格是其中最有影响力，也是最关键的一个因素。从微观角度来看，房地产价格的波动关系到人们的生活水平。从宏观角度来看，房地产价格对国民经济的产业结构、产业政策、产业协调发展等方面都有着重要的影响。能否保证房地产价格与社会经济协调发展是摆在各国政府面前的一个难题，一旦处理不慎，将对社会经济产生巨大的负面影响。目前中国的房地产价格指数主要包括房屋销售价格指数、土地交易价格指数和房屋租赁价格指数三大类，其中，房屋销售价格指数与公众对房地产价格波动预期的相关性最强，所以本文选择房屋销售价格指数来反映房地产价格指数的整体性变化，用PI表示。

(2)经济发展水平指标

经济发展水平与房地产业有重要的互动影响［7］。房地产价格是由房地产市场的供给和需求所决定。如果经济发生衰退，市场上供出售的土地和建筑大量增加，存量住房的供给会上升。同时，居民由于失业和收入下降，对增量住房的需求也会大量减少，供给与需求的不匹配将导致价格的下降。相反，在经济高速增长期间，人们对未来有良好的预期，房地产市场一般会供销两旺、价格稳步上升。本文选用国内生产总值代表我国经济发展水平，用GDP表示。

(3)居民收入指标

房地产销售价格与居民收入水平息息相关［8］。当人均可支配收入较高时，人们会增加对房地产的购买，这将直接带动房地产市场的繁荣。当人均可支配收入降低时，对房地产的需求也会相应地降低，进而导致房价下跌。由于目前中国房地产市场主要是针对城镇居民，因此居民收入指标选用城镇居民人均可支配收入，用IN表示。

(4)市场化利率指标

房地产业是资金密集型产业，其供给和需求都离不开信贷支持，因此，利率对房地产市场具有非常重要的影响［9］。当利率下降时，房地产开发投资和房地产抵押贷款将源源不断地涌入房地产业，推动房地产价格持续上涨。反之，利率提高将导致房地产价格下跌。在发达的市场经济国家，国债利率是金融市场的基础利率，中国国债市场虽然得到一定的发展，但总体规模尚小，还不足以引导市场利率。而我国同业拆借市场自1984年建立以后，得到了长足的发展，能够迅速反映货币市场的资金供求状况［10］，故将同业拆借利率作为市场化利率的变量，用I表示。

(5)通货膨胀率指标

由于消费者价格指数包含了服务价格的变化，能更全面地反映物价变化，故我们用消费者价格指数来衡量通货膨胀率［11］，用CPI表示。

为了消除通货膨胀的影响，我们利用消费者价格指数CPI分别将名义GDP，收入指标和利率指标转化为实际值。同时，为了在分析中避免出现季节性的影响，我们用目前最广泛使用的X-11方法消除了序列的季节性。

2.2 单位根检验

在检验变量间是否具有协整关系之前，首先要检验数据的平稳性。本文采用ADF检验法。检验方程为

Δyt=α+βt+γyt-1+∑kj=1δjΔyt-j+εt

其中α,β,γ,δj为参数， εt为随机误差项，是服从独立同分布的白噪声过程，t为趋势因素。在检验中，本文采用麦金农（Mackinnon）临界值。解释自相关性的Δyt-j的最优滞后期k的选取标准为：保证残差项不相关的前提下，同时采用AIC准则与SC准则，将使二者同时为最小值时的k作为最佳滞后期。关于检验方程中是否包括常数项和线性趋势项或二者都不包括，本文的标准为，通过变量的时序图观察，如果序列好像包含有趋势（确定的或随机的），序列回归中应既有常数又有趋势项。如果序列没有表现任何趋势且有非零均值，回归中应仅有常数项。如果序列在零均值波动，检验回归中应既不含有常数又不含有趋势项。ADF检验结果如表1所示。

从表1可以看出，变量lnPI，lnGDP，lnIN，lnI的ADF统计量在5%的显著水平上接受原假设，表明它们均为非平稳的时间序列，同时它们又都在一阶差分检验中拒绝了原假设，因此，它们均是单位根过程，可以检验lnPI与lnGDP，

lnIN，lnI之间是否具有协整关系。

2.3 房地产价格指数与各经济变量长期均衡关系（协整）检验

关于协整关系的检验与估计，本文采用Johansen检验法。考虑阶数为p的VAR模型

其中yt是一个含有非平稳的I (1)变量的k维向量； xt是一个确定的d维的向量。VAR模型可改写为

Granger定理指出：如果系数矩阵Π的秩r

协整检验对滞后阶尤为敏感，不当的滞后阶可能导致虚协整。我们采用AIC准则和SC准则对p值进行选择，即选取当二者同时为最小值时的阶数。在p值确定后，再对协整回归中是否具有常数项和(或)时间趋势进行验证。

Johansen检验结果见表2。从表中看到，在1%的显著水平上只有一个协整向量，也就是说，从长期而言，房地产价格指数与国内生产总值、人均收入水平与市场化利率之间存在唯一的协整关系。

基于我国的数据特征，即使协整存在，也可能含常数和时间趋势，因此我们在作Johansen极大似然估计检验时均考虑了含有常数和（或）时间趋势情况，并根据SC准则、AIC准则确定最佳滞后阶数的方程形式。我们从可能的解释变量组成的多维空间开始分析，并逐步将不相关的解释变量去掉，最终我们选取最大化特征根对应的协整方程

由方程可以看出：在长期，若其它条件不变，当GDP上升1％，房地产价格指数将上升0.2126%，当人均收入水平增加1％，房地产价格指数上升0.4275％，当市场化利率增长1％，房地产价格指数下降0.1038％。而且从房地产价格指数的长期均衡方程看出：人均收入水平和经济增长水平对房地产价格指数的影响较大，尤其是人均收入水平，而市场化利率的调整对房地产价格指数影响最小。

2.4 房地产价格指数的误差校正模型

E-G两步法协整检验虽已证明变量之间存在协整关系，但无法度量变量偏离共同随机趋势时的调整速度，为此引入误差校正模型，误差修正项EC的大小表明了从短期非均衡向长期均衡状态调整的速度。我们首先取最大滞后阶数为4，使残差满足白噪声的要求，然后逐步去掉不显著和可以忽略的变量，得到如下的最终模型

ΔlnPI=-3.6525+0.04541•ΔlnGDP(-1)+0.01583•ΔlnGDP(-2)+0.1036•ΔlnIN+

（-5.7322）（2.4162）（1.9129）（2.9743）

0.05411•ΔlnIN(-1)-0.01054ΔI(-1)-0.2341EC(-1)

（-1.7172）（-1.9743）（-2.5219）

其中EC是误差修正项，Δ表示一阶差分，lnGDP(-1)表示GDP的滞后一期值，EC(-1)表示多元回归方程残差的滞后一期值。下面括号里的值是各系数的t检验值，各系数均在5%的水平上显著。从模型拟合值与实际值的比较看，模型的拟合精度较高。

误差校正模型显示：房地产价格指数、GDP和人均可支配收入三者之间存在紧密关系。从模型的系数可以看出，滞后一期与二期的GDP对房地产价格指数的弹性系数分别是0.04541和0.01583，而当期与滞后一期的人均收入对房地产价格指数的弹性系数分别是0.1036和0.05411，滞后一期的市场化利率对房地产价格指数的影响系数为-0.01054。由此可见，在短期，人均收入对房地产价格的贡献是最为显著的。同时，模型中误差修正系数是表示误差修正项对房地产价格指数的调整速度，系数值为-0.2341，说明四者间的长期稳定关系以-0.2341的调整力度将非均衡状态拉回到均衡状态，即房地产价格指数的实际值与均衡值的差距能很快被校正。由于误差修正项的系数为负，这个结果与误差修正的负反馈机制相一致，即前一期房地产价格指数的值高于（或低于）其均衡点的值时，误差修正项的负值系数对当期值起反向调整作用，从而导致当期房地产价格指数回落（或上升）。

3 结论

通过协整和误差校正模型我们得出结论：从长期看，我国房地产价格指数与国内生产总值、市场化利率及人均收入存在长期稳定的均衡关系。从短期看，误差修正项系数表明四者间由非均衡状态向均衡状态的调整速度很快。也就是说，通过房地产价格指数与宏观经济变量的长期和短期动态关系，我们得到如下判断：目前，我国房地产价格的变化基本符合现阶段我国经济高速增长的要求，并没有出现价格严重脱离经济发展水平和居民支付能力的现象。即从总体上看，宏观经济的增长可以解释我国房地产价格的增长，房地产价格的增长得到了宏观经济基本面的支撑。

当然，本文只是提出了通过考察房地产价格指数与宏观经济协整关系来评价房地产市场风险的一种思路，并得出了中国目前房地产价格受宏观经济支持，市场风险还不大的结论。但应该注意的是，由于缺少数据的支持，本文只对全国房地产价格指数进行分析，并没有针

对具体区域或城市。也就是说，从全国范围看，房地产市场的潜在风险不大并不意味着局部地区房地产风险也不大。近年来，个别区域尤其是部分大中城市的房地产价格的快速上涨可能存在与宏观经济发展相背离的风险，应该引起警惕。

4 控制我国房地产市场风险的宏观政策及建议

房地产价格的高低对一个地区甚至国家的整体社会经济的协调稳定起着非常重要的作用。如果房地产资产价格过高，将导致生产和生活成本的上升，影响生产性投资者的积极性，降低地区或国家的整体竞争力。因此，我们必须即时监控房地产价格与宏观经济的关系，使房地产价格稳定在合理的、与整体社会经济协调的水平。

第一，加强房地产土地市场的宏观调控。各级政府要明确政府职能，规范政府行为，保证土地的开发与整个经济发展速度相适应，与居民收入和购买力水平相适应。要平衡好土地一级市场总量、结构和区域，建立土地储备制度。改进土地供应方式，平衡好二级市场规模、节奏、档次，杜绝单纯炒卖地皮的谋利行为。制约土地价格的过快增长，规范行政收费与交易行为，减少房地产开发项目的行政收费，加强交易过程的监督，制定合理的土地拍卖规则。

第二，改善我国房地产产品结构。应根据社会各层次的消费能力和需求特点，选取合适的地段进行建设，形成与工薪阶层购买力相适应的多层次供应体系。此外，发展房地产二级市场，完善房地产市场体系，分层次提供住宅产品，促进房屋商品的流通，实现新房市场和旧房市场的滚动发展。

第三，完善房地产市场风险预警机制。完善房地产市场风险预警机制是预防房地产风险的有效途径。房地产市场风险预警机制包括四个方面，一是对宏观经济的预测机制，这是房地产市场风险预警的前提条件。二是房地产市场的预测机制，这是风险预警的基础。三是房地产类贷款的预测机制，这是风险预警的关键。最后是风险控制机制，这是风险预警的目标所在。

参 考 文 献：

［1］易宪容.中国房地产市场过热与风险预警［J］.财贸经济,2005,26(5):14-22.

［2］周江.我国房地产宏观调控效应分析［J］.宏观经济研究,2007,10(5):8-12.

［3］朱华.日本房地产泡沫破灭若干新思考［J］.经济学动态,2006,47(8):23-28.

［4］谢经荣,朱勇.地产泡沫与金融危机［M］.北京:经济管理出版社,2002.

［5］李维哲,曲波.地产泡沫预警系统研究［J］.中国房地产金融,2002,11(8):18-21.

［6］刘琳,黄英,刘洪玉.房地产泡沫测度系数研究［J］.价格理论与实践,2003,23(3):37-38.

［7］朱永升,王卫华.房地产市场风险的影响因素及其模糊评价［J］.中国农业大学学报,2001,6(6):8-12.

［8］中国人民银行武汉分行金融研究处课题组.湖北省房地产景气循环与宏观调控研究:基于合成指数与自相关滞后分布模型的分析［J］.金融研究,2006,28(4):166-175.

［9］黄慧,汪波.银行利率变动对房地产市场的影响［J］.价格理论与实践,2007,27(2):51-52.