信用扩张视角下资产价格对系统性金融风险的影响研究——基于SV-TVP-VAR模型的实证研究

如下：
Yt=Xtβt+A
-1 t
∑t∈t，t=S+1，…，n
（1）
其中，βt，At，∑t∈t均是时变参数。指定为 at=
（a21，a31，a41，…，ak，k-1）′，at 表示为下三角矩阵 At 的
堆叠向量；令 ht=（h1t，h2t，…，hk，）t ′，hjt=logσ
2 jt
。假
定所有的参数都服从随机游走过程，则有，
为进一步论证上述事实，构建 SV—TVP— VAR 模型，在统一框架下分析信用扩张，资产价 格和系统性金融风险间的动态关系。
二、模型设定 （一）SV-TVP-VAR 模型设计 相较于常系数向量自回归模型，伴有随机 干扰项的时变参数向量自回归模型（SV-TVP-
30 JRYJJ
信用扩张视角下资产价格对系统性金融风险的影响研究——基于 SV-TVP-VAR 模型的实证研究
指标子系统 编号
指标名称
与风险关系
1.1 国内生产总值增长率 适度[6.5，8.5]
1.2 工业增加值增速
负向
宏观经济 1.3
通货膨胀率
风险 1.4 固定资产投资增长率
适度[2，3] 负向
1.5 企业景气指数增长率
负向
1.6
财政赤字率
正向
2.1
MI/M2
负向
2.2
贷款增速
正向
银行市场 2.3 风险 2.4
分布估计。
（二）数据来源及指标选取
结合数据可得性，选定 2004 年第 1 季度至
2020 年第 3 季度的数据进行实证分析，研究区间
包括了中国经济波动的关键时期和信用扩张的
几个阶段。
1. 信用扩张
由于我国的银行信用在总信用中占比较
大，足以作为我国总信用规模增长趋势的代表，
且信用扩张与否是相对于实体经济增长情况而
信用扩张对资产价格的影响。关于 Allen & Gale（2000）构建的基于信贷扩张的资产价格泡 沫模型（AG 模型）较好地解释了信贷扩张和资 产价格泡沫之间的关联，认为由于借贷双方之 间存在代理问题和风险转移问题，投资者可以 运用贷款过度投资高风险金融资产，进而推高 资产价格。沿着这一思路，国外学者对历史上 发生的几次影响较大的资产价格泡沫事件进行 了实证研究，结果表明信用扩张会助推资产价 格 泡 沫 的 形 成 ，例 如 Eichengreen & Mitchener （2003）对美国股市泡沫的研究、Malkiel（2010）
[关键词] 信用扩张；股价；房价；系统性金融风险 [中图分类号] F822.0 [文献标识码]A [文章编号]1006-169X（2021）08-0029-09 DOI：10.19622/36-1005/f.2021.08.004 [基金项目] 国家社会科学基金项目“金融转移视角下我国农村金融制度调整研究” （13BJY087）。 [作者简介] 陈敏（1965—），黑龙江海伦人，哈尔滨商业大学金融学院，教授，研究方向为 货币政策、金融发展与金融风险问题；张乐乐（1992—），黑龙江五常人，哈尔滨商业大学金 融学院，硕士研究生，研究方向为金融风险。
实际利率 存贷比
适度[1，4] 正向
2.5
资本充足率
负向
2.6
不良贷款率
正向
3.1 外汇储备增长率
负向
3.2
外部市场 风险
3.3
3.4
实际有效汇率指数 短期外债/外债总额 短期外债/外汇储备
正向 正向 正向
3.5 经常项目差额/GDP
正向
4.1 房地产投资增长率
负向
4.2 商品住宅售价增长率
资产泡沫 风险
βt+1=βt+uβt，at+1=at+uat，ht+1=ht+uht
（2）
é∈ tù
∑ êêu
ú úβt
∑ êu úat
∑ ëêu
ú ûht
~N
é ê
éI ê
êê0，êêêê
ê êê
ê ë
ê ë
ùù úú β úúú úúú a úúú úú h ûû
为解决模型估计偏误的问题，采用 MCMC
方法对 SV-TVP-VAR 模型的时变参数进行后验
通过上述文献梳理可知，信用扩张会推动 资产价格泡沫的实现且可能引发金融危机，资 产价格泡沫的破裂是金融危机爆发时的典型现 象。经济繁荣时，市场预期较为乐观，企业会通 过借款来增加投资，居民会通过贷款来增加消 费，因此银行信用规模会扩大，企业和居民的流 动性过剩。而随着经济开始衰退，实体企业利 润率下降，过剩的资金就会被收益率较高的金 融资产所吸引，进而推动资产价格的上涨。根 据 AG 模型，由于借贷双方之间存在风险转移问 题，资产价格的上涨会吸引家庭和企业部门通 过借贷进行过度投资，进一步助推资产价格上 涨。同时，金融机构还会通过影子银行、通道业 务等加大信贷供给，致使信贷规模持续扩大，最 终在信用扩张和资产价格上涨的相互作用下致 使泡沫达到高潮。
度膨胀仅仅是危机爆发前的表象，实质上每次 资产价格泡沫的过度膨胀都伴随着持续的信用 扩张。系统性金融风险与资产价格之间存在着 较强的关联性。从我国实际情况看，2020 年以 来，为了应对新冠肺炎疫情对经济的冲击，我国 采取了定向降准、低成本再贷款、再贴现、贷款 延期支持工具和贷款支持计划等一系列“宽信 用”的措施，信用规模明显增大。因此，在信用扩 张环境下，对资产价格与系统性金融风险的影响 关系研究具有重要的现实意义。
对日本资产价格泡沫和美国房地产泡沫的研 究等。
国内学者通过案例分析和数据论证了信贷 扩张和资产价格之间的关联。从案例分析看， 瞿强（2005）分析了主要泡沫经济历史案例，认 为虽然各种泡沫案例的形成年代、具体背景、经 济后果不尽相同，但大量证据显示，信贷扩张与 泡沫之间存在高度的相关性。刘传玉（2013）回 顾分析了美国和日本三次典型泡沫案例，发现 每次资产价格泡沫过度膨胀都伴随着大规模的 信用扩张。在实证分析方面，马勇等（2009）认 为经济繁荣时期的乐观预期和过低的实际贷款 利率引发了几乎无节制的贷款供给和过剩的资 金需求，从而对资产价格泡沫起到了推波助澜 作用。赵胜民等（2011）探究了信贷量与房价、 股价之间的动态关系，结果表明信贷扩张与股 价之间存在明显的相关性。
源于国家统计局；股价选取了上证指数月度收
盘价，数据来源于 Wind 数据库。房地产价格和 股价均剔除了物价指数（CPI）的影响。
3. 系统性金融风险指数 系统性金融风险指数选择采用主成分析方 法计算得出。根据信用扩张影响以及我国的实 际情况，参考谭中明和夏琦（2020）的做法，从宏 观经济、银行市场、外部市场、资产泡沫四个层 面选取相关指标构建我国系统性金融风险指标 体系（如表 1 所示），数据来源于国家统计局、国 家外汇管理局、Wind 数据库、证监会以及中国人 民银行网站。 表 1 系统性金融风险测度指标体系
3 2.198 9.992 64.613 2.198 9.992 64.613 2.383 10.83062.783
4 1.614 7.334 71.947 1.614 7.334 71.947 1.746 7.939 70.722
5 1.414 6.426 78.372 1.414 6.426 78.372 1.683 7.650 78.372
4.3
国房景气指数
4.4 股票总市值/GDP
正向 正向 正向
4.5
股票市盈率
正向
首先，为了使各类指标能够统一度量，对正 向、负向和适度指标分别进行了标准化的预处
JRYJJ 31
金融与经济 2021.08
理。其次，利用 SPSS 软件对指标数据进行可行 性检验，KMO 统计量为 0.715，表明所选取的指 标之间偏相关性较强，Sig. 值为 0，说明本文选取 的指标适宜做因子分析。再次，对 22 个变量提 取因子（见表 3），前 5 个因子的特征值都大于 1 且累计方差贡献率达到了 78.372%，表明这 5 个 因子对系统性金融风险的解释力较强，因此保 留前 5 个因子较为合理。最后，利用 5 个因子的 特征根和方差贡献率计算权重合成系统性金融 风险指数。
国内研究方面，马勇等（2009）以 66 个国家 或地区的跨国数据为基础，研究发现资产价格 和金融监管具有同周期性的特征。马永坤和杨 继瑞（2011）认为资产价格波动对中国金融市场 的不稳定有着显著的影响。相比较而言，国内 学者关于房价与系统性金融风险关系的研究较 多，谭政勋和陈铭（2012）对 29 个发生过金融危 机的国家或地区进行了实证研究，发现房价大 幅上涨和房价偏离其真实价值均增加了金融危 机发生的概率。徐荣等（2017）实证研究发现房 价的大幅上涨是导致我国系统性金融风险积累 的重要原因。白鹤祥等（2020）发现房地产市场 已成为我国主要的系统性金融风险来源之一。 单克强（2021）认为房地产价格泡沫的膨胀与破 裂将会通过财富转移加剧社会阶层分化，由此 引发的政治风险可能导致市场恐慌甚至形成金 融危机。
一、引言与文献综述 系统性金融风险不仅危及金融体系的稳 定，还会对实体经济造成严重的冲击。防止发 生系统性金融风险是金融工作的根本性任务。 中共十九大报告提出，守住不发生系统性金融 风险的底线；“十四五”规划中提出要坚持“金融 供给侧结构性改革”战略及方向；2020 年政府工 作报告中强调，金融领域风险有所积聚。从国 际经验教训看，1929 年美国股市大崩盘引发了 经济危机和大萧条；1980 年日本经济泡沫的幻 灭导致日本经济下滑至谷底并长期处于低迷 期；2008 年美国房地产泡沫的破裂引发了蔓延 至全球的金融危机。然而，资产价格泡沫的过
言的。因此，采用了银行信贷占 GDP 的比重作
为信用扩张的衡量指标，数据来源于中国人民
银行和国家统计局。
2. 资产价格
考虑到我国资产市场的发展情况以及不同
资产之间的特性，选择了股价（sp）和房地产价格
（hp）代表资产价格。由于我国没有官方公布的
房地产价格数据，因此用商品房销售额除以销
售面积计算出商品房销售单价来代表，数据来
VAR）有两个显著的优点：一是能够更充分地反
映模型中变量间时变关系特征；二是能估计出
特殊时点变量间的脉冲响应结果，其更贴近现
实经济的运行过程。因此，采用 SV-TVP-VAR
模 型 进 行 实 证 研 究 分 析 ，模 型 设 计 参 考 自
Nakajima（2011）。SV-TVP-VAR 模型方程设计
J 金融与经济
2021.08
ournal of Finance and Economics
信用扩张视角下资产价格对系统性 金融风险的影响研究
——基于 SV-TVP-VAR 模型的实证研究
■ 陈 敏，张乐乐
[摘 要] 基于国内金融供给侧结构性改革的背景，构建 SV-TVP-VAR 模型对我国信用 扩张、资产价格和系统性金融风险的动态关系进行研究。实证研究发现：首先，信用扩张会 促进股价上涨，股价上涨会遏制系统性金融风险；其次，信用扩张会助推房地产价格上涨， 房价的上涨会提升系统性金融风险；最后，信用扩张对系统性金融风险的促进作用较强。 且与房价对系统性金融风险的影响正相关。
资产价格对系统性金融风险的影响。关于 国外学者研究的焦点以 2008 年为分水岭。在此 之前，国外学济 2021.08
机 之 间 的 关 联 上 。 Wilson（2002）研 究 了 美 国 1870—1999 年发生的 4 次股市泡沫破裂与金融 危机之间的关系，结果表明股市泡沫与金融危 机之间具有较高的相关性。Söhnke et al（. 2007） 提出可以通过监测有效市场上的银行股票价格 变化情况对系统性金融风险进行预测。2008 年 之后，国外学者聚焦于房地产价格与系统性金 融风险之间的关联。Koetter & Poghosyan（2010） 研究发现，房地产价格偏离均衡值会对金融系 统的稳定性造成影响。Capozza & Order（2011） 验证了房价波动引发主动违约导致的系统性金 融风险的作用机制。
表 2 主要因子的特征值及累计方差贡献率
初始特征值 提取载荷平方和 旋转载荷平方和
成
分
总计
方差 （%）
累计 （%）
总计
方差 累计 （%） （%）
总计
方差 累计 （%） （%）
1 8.876 40.34540.345 8.876 40.34540.345 7.968 36.21736.217
2 3.141 14.27654.620 3.141 14.27654.620 3.462 15.73651.953