經(jīng)濟政策風(fēng)險、房地產(chǎn)市場從眾行為與信貸風(fēng)險的影響關(guān)系研究 財務(wù)管理專業(yè)

1、經(jīng)濟政策風(fēng)險、房地產(chǎn)市場從眾行為與信貸風(fēng)險的影響關(guān)系研究摘要本文主要研究了房地產(chǎn)市場從眾行為對信貸風(fēng)險的影響；在經(jīng)濟政策作用下房地產(chǎn)市場從眾行為的變動及其對信貸風(fēng)險造成的影響。在文獻綜述中主要通過之前學(xué)者的文獻概述印證假說的成立，并且通過行業(yè)數(shù)據(jù)收集和回歸分析運用數(shù)學(xué)的模式驗證了整體市場收益率，居住房市場收益率，從眾行為，經(jīng)濟政策變動之間的相關(guān)關(guān)系，進而證實假說的成立。本文通過研究所得到的結(jié)論如下：首先，在不考慮經(jīng)濟政策波動的影響下，房地產(chǎn)市場上的從眾行為對信貸風(fēng)險差生負向影響關(guān)系。其次，經(jīng)濟政策不確定性對于信貸風(fēng)險產(chǎn)生正向影響作用。另外，在加入經(jīng)濟政策波動的影響后，經(jīng)濟政策不確定性作為影響從

2、眾行為的因素而導(dǎo)致良性從眾的出現(xiàn)，使得商業(yè)銀行信貸風(fēng)險降低。本文的主要貢獻點在于考察了經(jīng)濟政策波動對于商業(yè)銀行信貸風(fēng)險的影響，并且考慮了在加入經(jīng)濟政策波動作為交乘項之后從眾行為對信貸風(fēng)險的影響關(guān)系。關(guān)鍵詞：經(jīng)濟政策波動，從眾行為，信貸風(fēng)險，回歸分析 II目錄1緒論11.1 研究背景12 文獻綜述22.1 從眾行為對信貸風(fēng)險的影響22.2 經(jīng)濟政策波動和其影響下的從眾行為對信貸風(fēng)險的影響43 模型與方法設(shè)計63.1 樣本選取和數(shù)據(jù)來源63.2 自變量指標(biāo)設(shè)定73.2.1 CSAD模型設(shè)定73.2.2 NHCI模型設(shè)定83.2.3 模型設(shè)定93.2.4 描述性統(tǒng)計分析94 實證分析和結(jié)果104.1

3、 三者整體相關(guān)性和趨勢性分析104.2 從眾行為和市場變動對于信貸風(fēng)險的影響134.3 政策波動和整體市場環(huán)境對信貸風(fēng)險的影響144.4政策波動影響下的從眾行為對于信貸風(fēng)險的影響155 結(jié)論17參考文獻18致謝221緒論1.1 研究背景隨著中國房地產(chǎn)市場在21世紀(jì)中的飛速發(fā)展，房地產(chǎn)市場行為成為了對中國房地產(chǎn)研究的主要模式。隨著網(wǎng)絡(luò)泡沫和后續(xù)的股票市場的動蕩，加之2008年的金融海嘯，投資者對于金融市場的信心減少，繼而尋求另一種可以規(guī)避風(fēng)險的方式，諸如房地產(chǎn)市場，中國房地產(chǎn)市場受到的沖擊和影響也不例外，中國房地產(chǎn)市場投資者也更加傾向于讓自己資金通過房產(chǎn)進行保值。中國房地產(chǎn)市場泡沫在近些年中一直

4、存在，居住型房地產(chǎn)市場也在近幾年中呈現(xiàn)出價格上升態(tài)勢，而房地產(chǎn)作為百姓可以直接投資的不動產(chǎn)所帶來的保值效應(yīng)使得很多人認為購買居住類房產(chǎn)是最佳的保值模式。在機構(gòu)或大型投資者投資房產(chǎn)賺取升值空間之后越來越多的中小型甚至個人投資者也紛紛加入投資房地產(chǎn)的行列。在投資者進行投資決策時一些投資者可以很好的調(diào)查投資相關(guān)的訊息并且做出理性判斷，但是有另外一些投資者并不能在需要投資資金的短時間內(nèi)做出正確的決策而更傾向于跟隨一些有經(jīng)驗的投資者進行決策。所以我認為在中國居住房市場上從眾行為是一個重要的課題。現(xiàn)如今，更多的人選擇通過銀行房屋抵押貸款，或者通過運用適當(dāng)?shù)呢攧?wù)杠桿讓自有資金更加活絡(luò)，可以購買更多的不動產(chǎn)賺

5、取利益。但是國家對于預(yù)售房政策的調(diào)控，租住同權(quán)的出臺和對于商品房租賃市場鼓勵使得房產(chǎn)價格并不像之前那樣快速向上發(fā)展，有些投資者并不能夠承受政策波動帶來的風(fēng)險，進而不能支付抵押貸款的利息和部分本金，導(dǎo)致銀行信貸風(fēng)險的產(chǎn)生。中國房地產(chǎn)市場政策風(fēng)險的主要表現(xiàn)在經(jīng)濟政策不確定性層面。其表現(xiàn)為：投資者預(yù)期房地產(chǎn)市場上價格會上升但是實際因為政府的宏觀調(diào)控政策房價并沒有像預(yù)期一樣達到新的高度，由此而引發(fā)的經(jīng)濟政策風(fēng)險和這種風(fēng)險在房地產(chǎn)市場和金融市場內(nèi)部的傳導(dǎo)讓中國房產(chǎn)市場展現(xiàn)出了較高程度的不確定性。為了衡量中國居住房地產(chǎn)市場上的不確定性因素，中國經(jīng)濟政策不確定性 (EPU) 就成為了主要的測定指標(biāo)。Bake

6、r, Bloom and Davis (2015) 提出的有關(guān)經(jīng)濟政策不確定性指數(shù)來表示中國房地產(chǎn)市場上政策波動程度。經(jīng)濟政策不確定性測定了有關(guān)投資、出口、經(jīng)濟增長和就業(yè)都會造成一定的影響。并且經(jīng)濟或者政策的沖擊會對市場上公司的成本、銷售和利益造成極大程度的影響。許多研究都聚焦在EPU對于經(jīng)濟和資本市場上的影響。信貸風(fēng)險也是投資者行為的重要影響指標(biāo)。因為投資者的信用和對貸款的態(tài)度會著重的影響投資者行為和市場的表現(xiàn)形式。所以信貸風(fēng)險作為主要的參考性指標(biāo)成為了我的研究對象之一。中國房地產(chǎn)市場風(fēng)險可以劃分為兩個層面，一方面是基于各種原因使得房地產(chǎn)價格大幅度波動造成的風(fēng)險，另一方面是投資者在準(zhǔn)備轉(zhuǎn)出或

7、出租時遇到的不適合買家的情況。這兩種都會產(chǎn)生信貸上面的影響，第一方面對于信貸風(fēng)險上的影響在于商業(yè)銀行的房屋抵押貸款，如果因為經(jīng)濟政策波動的風(fēng)險因素，諸如調(diào)整首套房貸款利率，限制房屋預(yù)售等政策都會使得房產(chǎn)價格波動，給投資者造成風(fēng)險；第二方面的影響基于房屋租賃中出現(xiàn)長租公寓等新型租賃模式，造成了更大程度上承租人的不確定型風(fēng)險，另外租金也可以通過銀行貸款獲取而產(chǎn)生某種程度上的信貸風(fēng)險。本文運用EPU和從眾行為的效果研究其對中國居住房市場信貸風(fēng)險的影響。文章的主要結(jié)論如下: 首先，從眾行為對于信貸風(fēng)險產(chǎn)生反向影響作用。另外，經(jīng)濟政策波動對信貸風(fēng)險產(chǎn)生正向影響，經(jīng)濟政策波動下的從眾行為對于信貸風(fēng)向產(chǎn)生負

8、向影響作用。2 文獻綜述基于中國房地產(chǎn)市場上從眾行對信貸風(fēng)險影響的研究和加入政策波動后從眾行為影響的變動，我參考了之前學(xué)者有關(guān)從眾行為和經(jīng)濟政策不確定性對于信貸風(fēng)險影響的研究，并基于此得出了文章的結(jié)論。2.1 從眾行為對信貸風(fēng)險的影響中國房地產(chǎn)在近幾年從呈現(xiàn)出一種持續(xù)走強的趨勢，尤其是在于住房市場上面，房屋價格的持續(xù)走高給投資者一種強烈的刺激訊號，讓投資者認為中國房地產(chǎn)市場是最佳的投資渠道進而越來越多的人愿意跟隨先行者加入房地產(chǎn)市場的行列。Song, Wang and Qin (2008) 從資產(chǎn)價格角度分析了北京房地產(chǎn)市場是否存在從眾行為，北京房地產(chǎn)市場的實證檢驗結(jié)果表明，2003年是轉(zhuǎn)折點

9、：之前并不存在從眾行為，而此后就顯而易見了。Wang (2013) 檢驗了北京住房市場的相關(guān)情況得出了中國房地產(chǎn)市場存在嚴重的從眾行為。Lan (2014) 利用1998年至2013年30個中國省市市區(qū)住宅銷售價格的獨特數(shù)據(jù)集，檢驗從眾行為，證明了中國房地產(chǎn)市場確實存在城市層面的從眾行為。He (2009)對中國35個城市的房地產(chǎn)市場進行了詳細調(diào)查，發(fā)現(xiàn)中國房地產(chǎn)市場存在嚴重的從眾行為。由此可見，在眾多學(xué)者的研究中，近些年來中國房地產(chǎn)市場確實存在著從眾行為，并且這種行為會影響到整個行業(yè)的發(fā)展。在證明中國房地產(chǎn)市場存在從眾行為之后，從眾行為所帶來的影響就成為了各個學(xué)者研究的關(guān)鍵點。基于從眾行為對

10、于市場的具體影響層面，學(xué)者們研究不同的市場和不同的發(fā)展階段分別得出了對于中國房地產(chǎn)市場之前表現(xiàn)得不同結(jié)論。Ke and Huang (2012)運用前20年來中國20個主要省份的面板數(shù)據(jù)進行分析得出了：從眾行為在中國房地產(chǎn)市場中具有重要意義且其在不同情況下呈現(xiàn)出不對稱性，并且房價與從眾行為增加程度之間的反饋效應(yīng)已經(jīng)形成。Lan (2014)的研究結(jié)果表明，增加市場的從眾形成比市場減少更強。He (2009) 認為從眾行為是房地產(chǎn)市場的關(guān)鍵行為之一，是加快商品房價格上漲和銷售下降的因素。Wei, Yang and Wang (2007)認為房地產(chǎn)市場中的從眾行為對市場的效率和穩(wěn)定性有很大的影響。

11、其研究結(jié)果表明，宏觀經(jīng)濟基本面與房價之間的關(guān)系因存在從眾行為而變得更大。從眾行為對中國房地產(chǎn)市場的諸多影響也從一個層面上說明了這種行為作為房價的主要影響因素的研究意義和價值。從眾行為作為中國房地產(chǎn)市場上的主要影響指標(biāo)，其對商業(yè)銀行信貸風(fēng)險的影響也是十分顯著的?；诜康禺a(chǎn)市場影響下對于中國商業(yè)銀行信貸風(fēng)險的研究，之前的學(xué)者主要是基于國內(nèi)和國際兩方面進行研究，并且將不同的風(fēng)險進行整合研究得出房地產(chǎn)市場上商業(yè)銀行存在的信貸風(fēng)險的層面。Kai and Tian (2008) 提出了隨著房地產(chǎn)市場持續(xù)升溫，商業(yè)銀行面臨著越來越大的雙重風(fēng)險。一方面，由于目前國內(nèi)融資渠道不足，商業(yè)銀行貸款成為房地產(chǎn)開發(fā)商的

12、主要融資手段。另一方面，隨著住房需求的增長，大多數(shù)商業(yè)銀行開始對房地產(chǎn)進行抵押貸款購買。由于商業(yè)銀行存在的種種不足，更多的研究就基于房地產(chǎn)市場對于商業(yè)銀行的特定因素的影響進行研究。Yang and Yao (2006) 指出作為資本密集型行業(yè)，房地產(chǎn)行業(yè)嚴重依賴銀行對資金的支持。近年來，房地產(chǎn)業(yè)的擴張對銀行融資造成了很大影響。在這個過程中，銀行的風(fēng)險集中度會變得很高。Burdekin and Tao (2014) 指出房價對流動性和貸款利率上升的反應(yīng)，以及股票價格和房價具有共同決策?；诖朔康禺a(chǎn)市場的變動和房地產(chǎn)市場投資人行為對信貸風(fēng)險產(chǎn)生了顯著性影響?；诖耍康禺a(chǎn)市場投資人更愿意遵從機構(gòu)或

13、大型投資人的決斷而從眾，使得自己的投資決策更加趨于理性化，雖然有更多的投資者通過商業(yè)銀行借貸進行融資，但是在投資更理性地前提下他們會評估借貸的成本在進行決定。雖然整體市場的從眾行為增加，但是商業(yè)銀行的信貸風(fēng)險水平下降?；诖?，本文的第一個假設(shè)如下：假設(shè)1：房地產(chǎn)市場從眾行為對信貸風(fēng)險產(chǎn)生負向影響關(guān)系。2.2 經(jīng)濟政策波動和其影響下的從眾行為對信貸風(fēng)險的影響經(jīng)濟政策波動對于中國房地產(chǎn)市場的影響層面也有所不同。中國在不同的經(jīng)濟發(fā)展階段下為了適應(yīng)不同的發(fā)展需要通過政策的頒布和實施控制房地產(chǎn)市場的過快上漲或者房地產(chǎn)價格的波動。Baker, Bloom and Davis (2015) 提出了經(jīng)濟政策不

14、確定性指標(biāo)（Economic Policy Uncertainty EPU）來衡量經(jīng)濟政策波動其他產(chǎn)業(yè)的影響。經(jīng)濟政策不確定性指標(biāo)(EPU)可以很好地作為衡量政策波動影響的指標(biāo)，EPU的波動和大小可以作為整體市場政策影響的因素。經(jīng)濟政策不確定性表現(xiàn)出的是投資者行為和市場表現(xiàn)之間的差異，因為存在這種不確定性因素，進而細化到中國房地產(chǎn)市場作為市場政策的導(dǎo)向性指標(biāo)。Chow, Cunado, Gupta and Wong (2017) 檢驗了經(jīng)濟政策不確定性（EPU）增長與中國和印度實際住房收益之間的因果關(guān)系。面板線性和非線性格蘭杰因果關(guān)系檢驗表明，中國和印度都存在從EPU增長到實際住房收益的線性和

15、非線性單向因果關(guān)系，而雙變量線性格蘭杰因果關(guān)系檢驗表明僅在中國實際住房回報存在增長的線性單向因果關(guān)系在EPU中呈現(xiàn)。他們在對中國住房回報結(jié)果的研究中證實了EPU數(shù)據(jù)的相關(guān)性，用來更好地了解和預(yù)測房地產(chǎn)市場回報的未來行為。Aye (2018)得出了經(jīng)濟政策不確定性具有時變回歸的因果關(guān)系證據(jù)。這些經(jīng)濟政策變量所引發(fā)的中國房地產(chǎn)政策波動對房地產(chǎn)市場的從眾行為和信貸風(fēng)險也有一定程度的影響，并且因為政策變動的時變回歸性不同時間段的影響因素不盡相同。EPU對于投資者行為的影響也有重要作用。先前的研究表明投資者面對的不確定性不僅表現(xiàn)在傳統(tǒng)市場的價格波動層面而且也表現(xiàn)在想象不到的政策變動帶來的不確定性(Ahl

16、quist, 2006; Fuss, Szolgayova, Obersteiner and Gusti, 2008)。許多研究也基于經(jīng)濟政策不確定性和房地產(chǎn)市場的關(guān)系層面展開，并且可以很清楚的看到政策不確定性對房地產(chǎn)市場投資產(chǎn)生影響 (Aye 2018)。Antonakakis, Gupta and André (2015) 檢測了房地產(chǎn)市場回報和EPU的動態(tài)關(guān)系，結(jié)果表明在19872014年期間房地產(chǎn)市場回報和EPU呈現(xiàn)負向相關(guān)關(guān)系。基于此EPU作為房地產(chǎn)市場的重要政策性指標(biāo)具有積極的意義。而EPU對于房地產(chǎn)市場上的投資者行為也有顯著性影響。Liow and Huang, (20

17、18) 指出投資者在選擇房地產(chǎn)市場投資行為的時候更關(guān)注于經(jīng)濟政策波動所造成的影響。在中國房地產(chǎn)市場上投資者更多的關(guān)注點在于政策波動帶來的影響，而更多的后續(xù)行為會因為一些大型投資者或者機構(gòu)投資者的行為的改變而改變。市場上也存在抵抗變動的行為，投資者更傾向于避免市場變動所帶來的影響而減少自己的貸款行為。另外一些投資者會因為經(jīng)濟政策波動性增加而導(dǎo)致原本的投資決策受到干擾，影響他們原本在商業(yè)銀行的貸款，繼而銀行的信貸風(fēng)險增加。所以經(jīng)濟政策波動越大，銀行的信貸風(fēng)險水平越高。在EPU影響下的從眾行為對于信貸風(fēng)險的影響也具有相關(guān)關(guān)系。如前所述，在經(jīng)濟政策風(fēng)險的影響下投資者更不愿意承擔(dān)更多的風(fēng)險性而對于投資決

18、策更加審慎。這從一方面會降低可能造成不良后果的從眾行為，另一方面，投資者的理性程度增加會導(dǎo)致更多的人遵從正確的投資決策而減少商業(yè)銀行的信貸風(fēng)險。Zheng (2011) 指出自2010年以來，中國先后出臺了一系列房地產(chǎn)調(diào)控政策，通過房地產(chǎn)調(diào)控政策的作用，進入房地產(chǎn)理性調(diào)整期。在此背景下，加強商業(yè)銀行房地產(chǎn)貸款風(fēng)險研究，探討建立可持續(xù)信貸模式具有重要意義。Ma (2011) 做了關(guān)于中國房地產(chǎn)市場泡沫，銀行信貸資本效應(yīng)和泡沫風(fēng)險的研究。在他們的模型中，將首先找出影響房價的因素，并對未來價格進行簡單的預(yù)測。然后他們將研究抵押貸款存在對房價泡沫的影響。另一種模式顯示抵押貸款首付比例也影響資產(chǎn)價格泡沫

19、。Deng and Liu (2009) 指出因為中國預(yù)售房政策的影響下，更多的投資者愿意通過遠期合約和房地產(chǎn)抵押貸款的方式進行融資，在這個種方式下銀行等金融機構(gòu)成為了他們的首選。目前，中國政府提出了租售同權(quán)和限制預(yù)售房交易等政策，因為這種政策的波動導(dǎo)致了房地產(chǎn)市場上的投資者更加傾向于遵從政策發(fā)布之后理性的分析師報告所呈現(xiàn)出的公司預(yù)測的內(nèi)容，這種因為政策波動導(dǎo)致良性的從眾行為造成了商業(yè)銀行信貸風(fēng)險的下降。基于此，本文的第二個假設(shè)如下：假設(shè)2：EPU對信貸風(fēng)險有正向影響作用，但影響下的房地產(chǎn)市場從眾行為對于信貸風(fēng)險產(chǎn)生負向影響。3 模型與方法設(shè)計3.1 樣本選取和數(shù)據(jù)來源這篇論文選取2008年1

20、月至2018年9月的中國A股居住房地產(chǎn)市場月收益率、中國房地產(chǎn)市場整體的月收益率、中國四大銀行(中國銀行、中國農(nóng)業(yè)銀行、中國建設(shè)銀行、中國交通銀行)的月收益率為四大行不良貸款的代理變量 Qi(2012)指出商業(yè)銀行資產(chǎn)對信貸規(guī)模有正向影響，進而推出不良貸款額和商業(yè)銀行月收益率正向關(guān)系。通過相關(guān)系數(shù)的檢驗也可以得出正向關(guān)系，為了統(tǒng)一數(shù)據(jù)收集時間區(qū)段，所以采用商業(yè)銀行的月收益率作為信貸風(fēng)險的代理變量。、經(jīng)濟政策不確定性(EPU)指數(shù)、中國房地產(chǎn)開發(fā)景氣指數(shù)作為整篇論文所有變量的來源和依據(jù)。時間跨度選取20082018年月度數(shù)據(jù)，Wu (2015)指出2008年經(jīng)濟危機后中國房地產(chǎn)市場進入新的發(fā)展周

21、期。2008金融危機后國際房產(chǎn)市場變動對中國貨幣政策和房地產(chǎn)政策有影響。在此之后中國為了防止房地產(chǎn)市場泡沫和房價過快上漲實施了一系列調(diào)控政策，新時代的政策更加符合中國住房市場的現(xiàn)狀。在數(shù)據(jù)庫中可以找到相對應(yīng)的月度數(shù)據(jù)作為原始數(shù)據(jù)的來源對論文進行支撐。選取中國四大商業(yè)銀行的原因是中國市場和其他市場不同點在于四大國有商業(yè)銀行受中國中央銀行的控制并且分管中國的農(nóng)業(yè)儲蓄信貸(中國農(nóng)業(yè)銀行)、國家基建投資(中國建設(shè)銀行)、在城市開展儲蓄和借貸(中國工商銀行)、外幣管理(中國銀行)，四大行的業(yè)務(wù)很大程度上涉及中國城鄉(xiāng)建設(shè)，所以用四大行的數(shù)據(jù)作為代表具有可行性。經(jīng)濟政策不確定性指標(biāo)(EPU)主要基于Bake

22、r Bloom and Davis (2015) 提出的有關(guān)經(jīng)濟政策不確定性指數(shù)和中國經(jīng)濟政策不確定性主要為新聞指數(shù)，但是也可以表現(xiàn)出中國經(jīng)濟政策的波動。中國房地產(chǎn)開發(fā)景氣指數(shù)(國房景氣指數(shù)) 綜合反映全國房地產(chǎn)業(yè)發(fā)展景氣狀況的總體指數(shù)，從土地、資金、開發(fā)量、市場需求等角度顯示全國房地產(chǎn)業(yè)基本運行狀況，波動幅度，預(yù)測未來趨勢，作為居住房市場的非主要影響因素，用國房景氣指數(shù)作為控制變量可以更準(zhǔn)確的表現(xiàn)居住房市場的發(fā)展特點。表1 論文變量模型選擇變量類型模型意義因變量Rbt銀行月平均收益率作為信貸風(fēng)險的代理指標(biāo)自變量CSAD個別收益和市場收益的差異體現(xiàn)從眾行為Rmt房地產(chǎn)市場收益率Rit居住房市場

23、公司收益率EPU經(jīng)濟政策不確定性指標(biāo)控制變量NHCI國家房地產(chǎn)市場景氣指標(biāo)3.2 自變量指標(biāo)設(shè)定3.2.1 CSAD模型設(shè)定CSAD模型運用股票市場上行業(yè)收益率減去整個市場收益率的絕對值在很多研究中作為研究從眾行為的基礎(chǔ)指標(biāo)(Lin et al.,2018)。CSAD模型的表現(xiàn)在Chang, Cheng and Khorana (2000) 為以下方程：(1)公式中Ri,t表示中國居住房市場的股票收益率，公司i在時間t的收益率，Rm,t表示整個房地產(chǎn)市場的平均收益率。公式從整體上表現(xiàn)的是個別公司股票收益率和市場整體收益率的差異。先前文獻從多個方面表現(xiàn)出CSAD可以從一定程度上表現(xiàn)出中國市場上從

24、眾行為的程度。Shu-Geng and Bin (2016) 基于CSAD模型構(gòu)建股票收益與加權(quán)市場收益之間的偏差指標(biāo)，選擇構(gòu)成滬深300指數(shù)的股票來檢驗國內(nèi)股票市場存在從眾行為并且從眾行為存在差異。許多文獻從不同的角度說明了CSAD模型可以用來研究房地產(chǎn)市場的從眾行為。Ngene、Sohn and Hassan (2017) 通過CSAD模型研究美國房地產(chǎn)市場的從眾行為得出從眾程度因制度，地區(qū)和條件分布而異。Lin , Wu and Chen (2018) 用CSAD模型提出美國REITs市場存在從眾行為。另外，在中國房地產(chǎn)市場的研究中，Lin and Tsai (2016)研究指出中國房地

25、產(chǎn)市場存在波動性效應(yīng)。并且Lan (2013)在研究中用CSAD作為衡量中國房地產(chǎn)市場從眾行為的公式，并且通過實證分析說明了中國房地產(chǎn)市場上的眾行為，不管市場上升還是下降都存在。不同的文獻從不同角度解釋了CSAD可以衡量從眾行為并且也適用于衡量房地產(chǎn)市場的從眾行為。CSAD模型表現(xiàn)出的是部分市場和總體市場的收益率的差距，如果市場上存在從眾行為，從眾效應(yīng)越強所以差異越小，CSAD越小，反之差異越大，CSAD越大。所以CSAD指標(biāo)和居住房市場從眾效應(yīng)負向相關(guān)，也正因如此可以用CSAD度量存在從眾行為的居住房市場上的從眾行為的程度。3.2.2 NHCI模型設(shè)定中國房地產(chǎn)市場景氣指數(shù)（NHCI）以房地

26、產(chǎn)開發(fā)投資為基準(zhǔn)指標(biāo)，選取了房地產(chǎn)投資、資金、面積、銷售有關(guān)指標(biāo)，剔除季節(jié)因素的影響，包含了隨機因素，采用增長率循環(huán)方法編制而成，每月根據(jù)新加入的數(shù)據(jù)對歷史數(shù)據(jù)進行修訂。NHCI可以衡量從1997年以來中國房地產(chǎn)市場的緊張程度和變化程度，雖然并不是直接衡量中國房地產(chǎn)市場收益率的指標(biāo)，但是作為房地產(chǎn)市場上的主要影響因素，NHCI從一定層面表現(xiàn)出中國房地產(chǎn)市場的整體狀況。NHCI指標(biāo)的基準(zhǔn)為100 (1995年),之后的年份中高于100表示市場處于上升狀態(tài)，低于100表示市場處于下降狀態(tài)，這個指標(biāo)表現(xiàn)出市場狀態(tài)對投資人行為產(chǎn)生影響。Yu, Ying and Zhong (2014)指出國家房地產(chǎn)市

27、場景氣指數(shù)對于經(jīng)濟發(fā)展有明顯的溢出效應(yīng)。Amp and Fang (2010) 通過使用中國房地產(chǎn)市場景氣指數(shù)說明房地產(chǎn)市場的周期性波動特征。我認為中國房地產(chǎn)市場景氣指數(shù)作為對中國房地產(chǎn)市場具有顯著性影響特征的指標(biāo)應(yīng)當(dāng)作為重要參考對象。但是其并不是直接影響指標(biāo)，所以本文從控制變量的角度對中國房地產(chǎn)市場景氣指數(shù)的影響進行研究。3.2.3 模型設(shè)定在模型設(shè)定過程中，為了驗證在居住房市場收益率和信貸風(fēng)險的關(guān)系，用Rit表示的居住房市場收益率在信貸風(fēng)險高或者低的時候呈現(xiàn)出相反的變動模式，即將居住房市場收益率的變動與信貸風(fēng)險的正負不同進行對應(yīng)分析，得出的相關(guān)系數(shù)呈現(xiàn)出反向變動的關(guān)系，如下表所示：表1：信

28、貸風(fēng)險為正信貸風(fēng)險Rit信貸風(fēng)險1Rut0.1105411表2：信貸風(fēng)險為負信貸風(fēng)險Rit信貸風(fēng)險1Rit-0.036091所以在證明居住房市場變動和信貸風(fēng)險之間的相關(guān)關(guān)系時選取居住房市場的絕對值進行分析。另外，為了放大市場變動帶來的影響，居住房市場變動的平方可以更好地表現(xiàn)市場變動中信貸風(fēng)險的變動狀態(tài)，在之后的模型構(gòu)建中采用Rit的絕對值和平方的原因也如此。3.2.4 描述性統(tǒng)計分析描述性統(tǒng)計分析基于整體數(shù)據(jù)的集中程度和離散程度進行分析，并且對數(shù)據(jù)中整體所呈現(xiàn)出的對應(yīng)關(guān)系進行分析，繼而得出相對應(yīng)數(shù)據(jù)得分布狀態(tài)。其中，平均數(shù)，中位數(shù)，眾數(shù)說明了整體數(shù)據(jù)的集中水平，并且體現(xiàn)出數(shù)據(jù)的基本分布模式。標(biāo)

29、準(zhǔn)偏差，方差，偏度和峰度表現(xiàn)出數(shù)據(jù)的離散程度和正態(tài)分布水平，置信度則表示數(shù)據(jù)落在某個區(qū)間。整體描述性分析可以從數(shù)據(jù)分布的角度表現(xiàn)各個數(shù)據(jù)的分布特征，提升了整體數(shù)據(jù)在回歸執(zhí)行中的適用程度。表3：描述性統(tǒng)計分析RbtCSADEPU Rmt|Rit|Rit2CSAD*EPUNHCI平均0.003 1.018 209.064 0.011 1.029 1.130 230.401 99.129 標(biāo)準(zhǔn)誤差0.007 0.026 11.793 0.009 0.024 0.053 17.715 0.327 中位數(shù)0.003 1.026 162.693 0.003 1.026 1.053 167.467 100.

30、370 眾數(shù)#N/A#N/A103.444 #N/A#N/A#N/A#N/A104.720 標(biāo)準(zhǔn)差0.078 0.300 133.944 0.106 0.267 0.607 201.203 3.711 方差0.006 0.090 17940.921 0.011 0.071 0.369 40482.573 13.772 峰度3.526 1.678 1.852 0.822 2.569 12.038 3.523 -1.141 偏度0.393 0.254 1.363 0.171 0.569 2.304 1.842 -0.120 區(qū)域0.556 1.992 668.705 0.611 1.827 4.8

31、30 935.787 13.680 最小值-0.243 0.259 26.144 -0.278 0.408 0.167 26.703 92.430 最大值0.313 2.251 694.849 0.333 2.235 4.997 962.490 106.110 求和0.405 131.291 26969.218 1.480 132.771 145.789 29721.782 12787.624 觀測數(shù)129.000 129.000 129.000 129.000 129.000 129.000 129.000 129.000 最大0.313 2.251 694.849 0.333 2.235

32、4.997 962.490 106.110 最小-0.243 0.259 26.144 -0.278 0.408 0.167 26.703 92.430 置信度(95.0%)0.014 0.052 23.335 0.018 0.047 0.106 35.052 0.647 4 實證分析和結(jié)果本文通過實證分析主要再證明居住房市場從眾行為對信貸風(fēng)險的正向顯著性影響作用。經(jīng)濟政策不確定性指標(biāo) (EPU作為從眾行為的交乘項加入之后對信貸風(fēng)險也有正向顯著性影響。我們從兩個角度證明這兩個觀點，其一是從宏觀上相關(guān)系數(shù)和折線圖表現(xiàn)其特征，其二是從多元線性回歸分析中加入不同的變量進行討論分析。4.1 三者整體相

33、關(guān)性和趨勢性分析為了證明居住房市場從眾行為、經(jīng)濟政策不確定性 (EPU) 和銀行信貸風(fēng)險之間的相關(guān)關(guān)系，文中先從圖像和相關(guān)系數(shù)這種宏觀的角度說明。Lan在研究中用CSAD作為衡量中國房地產(chǎn)市場從眾行為的公式，并且通過實證分析說明了中國房地產(chǎn)市場上的眾行為，不管市場上升還是下降都存在。所以在研究中我們選取CSAD作為從眾行為的指標(biāo)來進行研究。從2008年1月到2018年9月月度數(shù)據(jù)摘取后我采用時間序列數(shù)據(jù)分析的方式研究不同指標(biāo)自身隨時間的變化和對其他指標(biāo)的影響關(guān)系。表3展示出三個主體研究因素的相關(guān)系數(shù)，從表中我們可以看出EPU和CSAD對于信貸風(fēng)險都是負向影響作用(-13.43%，-0.67%)

34、，說明整體上從眾行為對于信貸風(fēng)險具有正向影響而經(jīng)濟政策波動對于信貸風(fēng)險具有負向影響作用。表中除了檢驗兩個指標(biāo)對于信貸風(fēng)險的影響關(guān)系，我還研究了經(jīng)濟政策波動和從眾行為的相關(guān)關(guān)系,表明經(jīng)濟政策波動和從眾行為具有負向相關(guān)性(44.25%)，也表明二者可以互相影響共同對信貸風(fēng)險產(chǎn)生作用。表4 EPU、信貸風(fēng)險、CSAD的相關(guān)關(guān)系信貸風(fēng)險CSADEPU信貸風(fēng)險1CSAD-0.1341EPU-0.0070.4421除了相關(guān)系數(shù)之外，我也從宏觀的圖像層面研究EPU、CSAD和信貸風(fēng)險之間的關(guān)系。從圖1中不難看出EPU和CSAD呈現(xiàn)正向相關(guān)關(guān)系，表明經(jīng)濟政策波動對于從眾行為的具有負向影響作用，也證明出他們之間

35、存在聯(lián)系性。圖2和圖3都可以表明EPU和CSAD對于信貸風(fēng)險具有聯(lián)動關(guān)系，且影響有時是負向的。從表和圖的宏觀趨勢來看整體指標(biāo)也可以證明從眾行為和信貸風(fēng)險正相關(guān)而經(jīng)濟政策波動和信貸風(fēng)險負相關(guān)，且經(jīng)濟政策波動和從眾行為具有聯(lián)動關(guān)系。圖1 EPU和CSAD的相關(guān)關(guān)系圖2 EPU和信貸風(fēng)險的相關(guān)關(guān)系圖3 CSAD和信貸風(fēng)險的相關(guān)關(guān)系4.2 從眾行為和市場變動對于信貸風(fēng)險的影響Chang et al.(2000)提出了用CSAD指標(biāo)表示從眾行為的影響，并且根據(jù)從眾行為的基本定義，CSAD指標(biāo)越大從眾行為越小，反之也成立。而市場因素既作為影響房地產(chǎn)市場從眾行為的因素，也作為影響銀行信貸風(fēng)險的指標(biāo)，整體市場

36、和居住房市場的變動狀況從另一方面表現(xiàn)出對于信貸風(fēng)險的影響程度。基于此得出以下公式，并且進行回歸分析。(2)公式中Rmt表示整體市場收益率，Rit表示居住房市場收益率。從回歸分析的結(jié)果中得出市場變動對于信貸風(fēng)險具有正向顯著性影響( t=8.533*)，表明市場回報率越高信貸風(fēng)險越高，在市場高回報的條件下，投資者更愿意通過貸款進行融資已達到多樣化投資決策的目的，在貸款份額增加同時不良貸款也呈現(xiàn)出上升趨勢，銀行信貸風(fēng)險水平增加。同樣，居住房地產(chǎn)市場的變動對于信貸風(fēng)險的影響也展現(xiàn)出正向顯著的相關(guān)關(guān)系( t=6.725*),表明居住房市場變動對于信貸風(fēng)險的影響和整體房地產(chǎn)市場類似，在市場回報率高的時候信

37、貸風(fēng)險水平高。而在研究CSAD對于信貸風(fēng)險影響的時候，我發(fā)現(xiàn)CSAD對于信貸風(fēng)險具有正向顯著的影響作用( t=-2.093*)?；贑SAD和從眾效應(yīng)的負向相關(guān)關(guān)系，所以在中國居住房市場上從眾效應(yīng)和信貸風(fēng)險負相關(guān)，從眾效應(yīng)越強，銀行業(yè)的信貸風(fēng)險越低。從眾效應(yīng)解釋了在房地產(chǎn)市場投資方面投資者更愿意追隨理性的投資人進行的決策而不是自己原本決策的時候，投資的效益更好，雖然通過貸款進行融資，但是基于他們的理性程度增加，商業(yè)銀行的信貸風(fēng)險水平下降，這種理性的從眾行為更有利于經(jīng)濟的良性發(fā)展。表3中國居住房市場信貸風(fēng)險的回歸分析信貸風(fēng)險(1)(2)Coef.t-valueCoef.t-valueInterc

38、ept-0.081-1.797*-0.1130.024*CSAD0.0402.093*0.0410.019*Rmt0.4898.533*0.4940.057*|Rit|0.0080.1070.0670.020*Rit20.0270.804注：*，*分別表示在10%，1%的顯著性水平上4.3 政策波動和整體市場環(huán)境對信貸風(fēng)險的影響如前所述，市場波動和從眾行為都對信貸風(fēng)險有所影響，并且得到驗證。為了進一步驗證加入經(jīng)濟政策不確定性 (EPU) 影響之后的效果，我將公式(2)加以變形:（3）公式中EPU表示經(jīng)濟政策不確定性，NHCI表示中國房地產(chǎn)市場景氣指數(shù)。從整體的回歸分析結(jié)果可以看出在加入EPU指

39、標(biāo)之后，整體市場的表現(xiàn)對于信貸風(fēng)險的影響仍然是正向顯著的 (t=8.533*) ，說明在政策波動的條件下整體市場對于商業(yè)銀行信貸風(fēng)險的影響依舊是市場回報率越高，投資者更愿意通過貸款進行融資以加重銀行的信貸風(fēng)險水平。在加入控制變量NHCI之后整體的相關(guān)性和顯著性沒有明顯改變 (t=7.76*), 說明市場表現(xiàn)具有可信性。另外在研究EPU對于信貸風(fēng)險的影響中，不管是否加入控制變量NHCI，EPU的影響都是正向顯著的 (t=5.449*, 5.537*)，說明中國房地產(chǎn)市場經(jīng)濟政策波動越大，商業(yè)銀行的信貸風(fēng)險水平越高。經(jīng)濟政策波動的條件下，整體經(jīng)濟環(huán)境較前期更不穩(wěn)定，投資人的投資行為比在穩(wěn)定的環(huán)境下

40、面臨更大的風(fēng)險性水平，會有更多的投資者在經(jīng)濟波動的條件下不容易歸還貸款，進而商業(yè)銀行的不良貸款水平可能因為經(jīng)濟政策不穩(wěn)定性水平增加而擴大。表4 政策波動和和整體市場對信貸風(fēng)險的影響信貸風(fēng)險(1)(2)Coef.t-valueCoef.t-valueIntercept-0.087-2.106*0.0660.496CSAD-0.0271.5760.0241.394Rmt0.4468.533*0.4257.76*|Rit|-0.002-0.03-0.008-0.119Rit20.0150.5000.0200.655EPU0.00025.449*0.00025.537*NHCI-0.002-1.21注

41、： *表示在1%的顯著性水平上4.4政策波動影響下的從眾行為對于信貸風(fēng)險的影響在過往的研究中，學(xué)者們對于經(jīng)濟政策波動對商業(yè)銀行的信貸風(fēng)險進行研究，Chi and Li (2017) 研究指出EPU增加了銀行的信用風(fēng)險，并對貸款規(guī)模產(chǎn)生了負面影響。Bordo, Duca and Koch (2016)提出政策不確定性對銀行信貸增長有顯著的負面影響。為了進一步進行說明EPU的影響效果，我將公式(3)進行變型，加入EPU*CSAD作為自變量考察，并且主要針對整體市場對于信貸風(fēng)險的影響進行分析。單純考慮EPU和從眾行為的影響都并不全面，如果將兩者相聯(lián)系考慮對于信貸風(fēng)險就顯得更加全面，公式變型如下：(4

42、)從回歸分析的結(jié)果可以看出，市場影響對于商業(yè)銀行信貸風(fēng)險的影響依舊是正向顯著的 (t=10.561*)，說明在考慮到政策變動影響下的從眾行為對于信貸風(fēng)險的影響程度下，整體市場的表現(xiàn)越好，會有更多的人傾向于進行貸款融資，進而信貸風(fēng)險的水平越高。另外在研究經(jīng)濟政策波動下的從眾行為對信貸風(fēng)險的影響中發(fā)現(xiàn)，在考慮到經(jīng)濟政策變動的影響之后，CSAD對于信貸風(fēng)險的影響依舊是正向顯著的 (t=2.276*, 1.727*)。說明在經(jīng)濟政策波動的狀態(tài)下，從眾行為越高，信貸風(fēng)險越低。在經(jīng)濟政策波動的大環(huán)境下，投資者更傾向于理性的投資而遵從他們值得信賴的大型或機構(gòu)投資者的決定而更加審慎。在這種環(huán)境下，他們理性投資

43、的程度增加，雖然依舊可以通過商業(yè)銀行貸款的方式進行多元化投資，但是在更加理性的投資氛圍中不良貸款減少，銀行的信貸風(fēng)險下降。表5 政策波動影響下的從眾行為對信貸風(fēng)險影響信貸風(fēng)險 (1) (2) Coef.t-valueCoef.t-valueIntercept-0.017-2.072*0.1152.280*CSAD-0.111-2.358*Rmt0.52410.561*EPU-0.00034-1.501EPU*CSAD0.000062.276*0.00031.727*注：*，*，*分別表示在10%，5%，1% 的顯著性水平上綜上所述，在數(shù)據(jù)分析部分得出如下結(jié)論：其一：居住房市場從眾行為對信貸風(fēng)險

44、有負向顯著的影響關(guān)系，說明從眾行為越強信貸風(fēng)險越低，投資者傾向于遵從大型或機構(gòu)投資人使得自己的投資決策更加理性。其二：經(jīng)濟政策波動對于信貸風(fēng)險具有正向顯著的影響作用，并且經(jīng)濟政策波動影響下的從眾行為對信貸風(fēng)險具有負向顯著的影響作用。 5 結(jié)論先前的學(xué)者從各個方向證明了中國房地產(chǎn)市場上存在從眾行為，并且從眾行為對房地產(chǎn)市場上投資人行為產(chǎn)生顯著性影響。目前，中國房地產(chǎn)市場的政策波動較為明顯，中國政府為了調(diào)控宏觀經(jīng)濟和房地產(chǎn)市場泡沫而采取了一系列的刺激政策穩(wěn)定房價，以激勵更多的人通過銀行貸款融資進行投資不動產(chǎn)，繼而使中國的房地產(chǎn)又快又好的發(fā)展。在這種政策的刺激下，投資者對于政策波動的反應(yīng)也因人而異，

45、在政策波動的環(huán)境下，先前通過銀行貸款進行融資的投資者可能會因為政策的收緊而不能夠歸還貸款導(dǎo)致銀行信貸風(fēng)險的增加。另一方面，經(jīng)濟政策波動對于其他的投資者來講會更加審慎的對于房地產(chǎn)市場進行投資，可能會跟隨大型或者機構(gòu)投資者進行自己的投資決策，雖然也會通過貸款進行融資，但是她們因為投資決策更加理性而貸款決策也相對理性，商業(yè)銀行的不良貸款下降，導(dǎo)致信貸風(fēng)險的減少本文通過研究中國居住房市場上的從眾行為對商業(yè)銀行信貸風(fēng)險的影響和在經(jīng)濟政策波動影響下的從眾行為變動對商業(yè)銀行的影響，對中國房地產(chǎn)市場上的投資者行為進行簡要分析得出結(jié)論。基于市場上的信息不對稱性，投資者在選擇通過房地產(chǎn)市場的投資規(guī)避風(fēng)險的時候很容

46、易跟隨其他大型的或者機構(gòu)投資者進行決策，這樣會導(dǎo)致中國房地產(chǎn)市場的從眾行為。而這種從眾行為是由于投資者更加謹慎的決斷自己的投資行為導(dǎo)致的，進而更加審慎的決定是否需要通過商業(yè)銀行貸款進行資金周轉(zhuǎn)，銀行的信貸風(fēng)險隨之下降。經(jīng)濟政策波動影響已經(jīng)投資房地產(chǎn)市場的投資者的行為，影響他們償還貸款的能力。而中國居住房市場上經(jīng)濟政策的波動引起更多的投資人愿意跟隨理性的投資者進行決策，這也是從眾行為的一種，但是由于他們的投資理性化程度更高，使得它們更明白怎樣才可以讓自己的資金創(chuàng)造更多的價值。這種政策波動影響下的理性的從眾行為增加使得投資者的借貸更理性，銀行的信貸風(fēng)險降到一個較低的水平。進而得出本文的結(jié)論：中國居

47、住房市場的從眾行為對信貸風(fēng)險產(chǎn)生負向影響；經(jīng)濟政策波動對于信貸風(fēng)險產(chǎn)生正向影響；在經(jīng)濟政策不確定性的影響下，中國居住房市場產(chǎn)生良性從眾對信貸風(fēng)險產(chǎn)生負向影響。參考文獻1 1 Weiyi S , Xiaogang W , Xuezhi Q . Herd Behavior Research on Beijing Real Estate MarketJ. Construction Economy, 2008.2 Wang, Y. Study of herding behavior on china's real estate market price fluctuations. Inform

48、ation Technology Journal,2013,12(23), 7926-7929.3 Lan, T. Herding behavior in china housing market. International Journal of Economics & Finance, 2013,6(2).4 T. Lan, Herding behavior in China housing market, International Journal of Economics and Finance. 6(2) (2014) 115-124.5 He J. Herding in R

49、eal Estate Market and Its Impact on the Quantity of Commercial HousingJ. Journal of Zhejiang University, 2009.6 Ke S, Jing H. Research on the Herd Behavior of Chinese Real Estate Market Based on Non-linear Test Model CSADJ. Management Review, 2012.7 Wei Z Y, Yang Z Z, Wang A M. A New Perspective of

50、Study on Real Estate Price and Macroeconomics FundamentalsJ. Journal of Systems & Management, 2007.8 Kai, Y. E., & Tian, J Analysis of Credit Risk in Real Estate Market of China and Preventive Measurements. 2008 international conference on construction & real estate management.9 Yang, W.

51、, & Yao, T. The Credit Risk of Real Estate Industry:A Case Study of Hangzhou. 2006 international conferncen on construction & real estate management.10 Burdekin, R. C. K., & Tao, R.Chinese real estate market performance. Chinese Economy, 2014,47(2), 5-26.11 Baker, S. R. , Bloom, N. , &am

52、p; Davis, S. J. Measuring economic policy uncertainty.2015 Cep Discussion Papers.12 Chow, S. C., Cunado, J., Gupta, R., & Wong, W. K. (2017). Causal relationships between economic policy uncertainty and housing market returns in china and india: evidence from linear and nonlinear panel and time

53、series models. Working Papers, 22(2).13 G.C. Aye, (2018) Causality between economic policy uncertainty and real housing returns in emerging economies: A cross-sample validation approach, Cogent Economics & Finance. Forcecoming.14 J.S. Ahlquist, Economic policy, institutions, and capital flows: P

54、ortfolio and direct investment flows in developing countries, International Studies Quarterly. 2006,50(3) 681-704.15 S. Fuss, J. Szolgayova, M. Obersteiner, M. Gusti, Investment under market and climate policy uncertainty, Applied Energy.2008, 85(8) 708-721.16 N. Antonakakis, R. Gupta, C. André

55、, Dynamic co-movements between economic policy uncertainty and housing market returns, Journal of Real Estate Portfolio Management.2015, 21(1) 53-60.17 K.H. Liow, Y. Huang, The dynamics of volatility connectedness in international real estate investment trusts, Journal of International Financial Mar

56、kets, Institutions and Money. 2018,55 195-210.18 Zheng, Y. (2011). Bank credit risk and countermeasures under the background of the real estate market regulation. Journal of Shanghai Finance University.19 Ma, N. (2011). A study on bubbles in the chinese real estate market and its risk.20 Deng, Y. , & Liu, P. . Mortgage prepayment and default behavior with embedded forward contract risks in chinas housing market. Journal of Real Estate Finance & Economics, 2009,38(3), 214-240.21 Wu, F. Commodification and housing market cycles in chinese cities. International Journal o