我国高房价成因分析――基于银行信贷扩张的视角

《我国高房价成因分析――基于银行信贷扩张的视角》由会员上传分享，免费在线阅读，更多相关内容在应用文档-天天文库。

1、我国高房价成因分析――基于银行信贷扩张的视角一、文献综述　　银行信贷可以通过流动性效应影响房地产价格。信贷可得性和贷款态度的变化对房地产需求和新建筑的投资有相当大的影响，最终导致房地产价格的变化。Krugman（1999）认为，在房地产市场中，有泡沫都有一个共同点，即都是通过银行融资的。CollyIls和seIIlladji(2001)发现，在许多亚洲国家中信贷增长对住宅价格有显著的同期影响。　　早期的实证研究以个案研究为主，因而解释力显得不强。近期的实证研究则侧重于以跨国家、跨年度的数据为研究对象,其结果更富于解释力。B

2、orisHofmann(2003)对20个国家的银行信贷数据和不动产价格数据进行了协整检验，他们认为从短期来看，二者则相互影响,相互加强。NadaMora(2005)利用日本47个道县的纵向和横向数据进行了实证研究，结果发现在1981到1991年期间，某个道县的贷款额占总贷款额的比例只要上升1％。它的土地价格相对于其他道县就会上升14％~20％。谢经荣、朱勇等(2002)通过一个包括房地产商和银行两方的资本市场局部均衡模型说明了资产价格与信贷数量相关。资产回报的不确定性将导致房地产价格上升，而人们对未来信贷扩张的预期以及信

3、贷扩张程度的不确定性将提高价格上升幅度。Nan一KuangChen(2001)对1973―1992年之间的我国台湾股票价格和房地产价格的季度数据进行了检验。利用的方法包括VAR模型、格兰杰因果检验以及脉冲响应函数和方差分鹪技术，实证结果表明，银行贷款对于资产价格的波动具有显著的预测作用。　　二、银行信贷扩张推动房价增长的理论分析――Carey模型分析　　（一）Carey模型具有的假定条件　　1.房地产市场供给量在一定时期内是固定的，该供给量为S。　　2.在市场中有M个潜在投资者，他们的期望同质。但由于所掌握的信息量多少不同

4、，从而对房地产市场基准价格P0计算不同，并使他们对房地产市场的保留价格P持不同意见，且P为均匀分布闭函数，P0为其均值，函数为连续的凸集。　　3.P与P0之间的离差为h，基于上述假设，P服从于F分布，即P~F(P0-h,P0+h)。　　（二）Carey模型的推出　　假设房地产市场中投资者能够使用的资源量为L（如贷款额），M为潜在投资者人数，S为房地产市场的供给，则房地产市场的需求量由P≥P0的投资者占市场全部投资者的比例决定，总需求为M（1－F(P)）L。由于房地产市场的供给量为PS,根据经济学原理，市场均衡状态下市场供给

5、等于市场需求，所以得出均衡价格为：　　P=M（1－F(P)）L/S　　因为P~F(P0-h,P0+h),对上式整理可得Carey模型的基本形式如下：　　P=（M（P0+h）L）/（2hs+ML）　　通过该公式可以看出，房地产价格受到多方面因素的影响，为了判断各因素对房地产价格的影响方向，对其各变量求偏导。本文侧重考察银行信贷对房地产价格的影响，所以假定其他条件不变，唯一变量就是投资者所拥有的资源数量，对L求偏导可得：　　■=■　　由此可知，投资者拥有的资源量对房地产价格有正向影响，L越多房地产价格越高。而投资者拥有的资源量

6、多为银行信贷，所以，银行信贷对房地产价格有影响。银行扩张，利率降低，投资者融资便利，会增加其持有的金融资源，推进房地产价格上升。当一国紧急处于上升期，银行信贷规模相应扩大，投资者拥有的资源量增加，在银行信贷刺激下，房地产价格不断攀升。　　（三）Carey模型结论的现实意义　　目前，我国经济处于上行期，没有经历过一个完整的经济周期，未出现过经济危机，房地产业也并未有过房地产泡沫破灭的现象，我国商业银行将房地产市场视为优质贷款，不断扩大对房地产产业的信贷规模，使房地产价格不断攀升，同时作为抵押物的房屋价值的上升，增加了银行的资

7、本额，又进一步扩大房地产信贷规模。所以，我国房地产价格的高涨，银行信贷对其具有推动作用。　　三、我国银行信贷推高房价的实证分析　　（一）数据采集　　为了更清晰地了解我国近几年银行信贷对房地产价格的影响弹性，本文通过建立回归模型来加以实证分析。由于房地产商品的购买需要占用普通购买者绝大部分的收入，所以居民可支配收入也将成影响房屋销售价格的重要因素纳入到模型中，该指标用SR来表示。房地产价格本文用全国商品房销售额除以销售面积得出，用JG表示。银行房地产信贷规模在经济统计中并非独立项，所以用拟估算的房地产开发贷款额与个人住房抵押

8、贷款额的和来计算，该指标用XD来表示。本文三个指标所采用的数据均为季度数据，样本长度为2005年1月至2010年12月（详见下表）。由于三个变量的计量单位不同，本文以2005年第一季度数据做基准数据（100），对数据进行了无量纲处理，另外，对所有的数据都做了取对数的处理，以避免数据过于剧烈的波动。　　（