论文部分内容阅读
2007年由于美国房地产价格的异常波动,房地产贷款占比、违约率、不良资产均出现了急速增加,这对金融市场产生了巨大冲击,并最终引发全球性金融危机。房价波动对银行业带来的冲击令人深思,因此,对房价与银行系统风险关系、信贷政策的研究是十分有意义的。本文主要使用指标法,通过采集的数据建立我国商业银行信贷风险VAR理论模型,并得出房价、贷款利率等因素对于银行信贷风险存在着特定短期及长期时滞影响。主要研究内容如下:首先,本文梳理了房地产价格波动影响银行风险的相关理论,并通过刻画银行、住房拥有者、房地产开发企业的资金传递关系观察这一过程中的风险传导机制。发现房价波动会直接影响买房者的偿还能力与购买能力进而间接影响银行信贷风险,此外,房价波动还会通过房地产企业的抵押贷款渠道和资本金渠道直接影响银行风险。因此,银行基于规避风险的原则应对银行信贷政策进行调整,进而间接地影响房价来达到降低其信贷风险的目的。随后,本文基于建立的与房产市场有关的银行系统性风险评估修正体系(MPA)、我国2007-2016年全国房价波动数据与大型商业银行信贷相关指标建立了的VAR理论模型,并分析了信贷风险与各个变量之间的动态关系。通过有效性检验发现该模型可以有效地反映房价波动与银行信贷风险之间的关系:(1)银行风险的格兰杰原因有房价、个人贷款占比、住房贷款利率。短期内,我国住宅市场的价格波动对银行信贷风险存在反向滞后影响,当期住宅价格下跌会使得下一期商业银行信贷风险加重。房地产开发商资金传递发挥的作用较一般住房拥有者的作用更大。(2)商业银行过度的信贷支持会引发房价剧烈波动、加剧银行系统性危机。因此,当信贷风险上升到一定程度时,需要对信贷规模进行限制。实施宏观政策调控应当结合预测结果进行逆向调节且注意时滞、调控效果和影响期限。最后,对VAR模型进行实证应用:以中国农业银行为样本,将农行相关数据代入模型,将农行的结果与前文的行业数据进行对比,从信贷政策控制与内部控制管理角度给出了一些旨在降低农业银行信贷风险和调整其信贷规模的对策建议:针对信贷方面通过提高房贷的门槛,剔除还款能力差的企业和个人,紧缩房贷发放量并提高贷款人质量;对内针对不同评级的网点下发相应的结构调整意见,指导和督促分行辖内信贷资产管理,加强人力资源建设、提升信贷从业职员素质。本文所采用的分析方法与构建的VAR模型具有较好的拓展性,对我国大型商业银行信贷数据分析与信贷政策研究具有重要的实际意义。