论文部分内容阅读
摘 要：本文以房地产行业上市公司为样本，利用KMV信用风险模型和面板数据回归方法，研究了房地产市场限购、股价波动与宏观和微观因素对我国房地产上市公司信用风险的影响，结果发现：限购政策对房地产上市公司控制信用风险有促进作用，股价波动对房地产上市公司控制信用风险有负面影响，但股价增长增加了资产市场价值，对控制信用风险有正面影响。
关键词：限购；股价波动；信用风险； KMV模型
中图分类号：F830.91 文献标识码：A 文章编号：1674-2265（2015）12-0070-06
一、引言
近年来，我国房地产行业发展迅速，已经成为我国经济增长的重要支柱产业。尽管在2008年前后受国际金融危机影响，房地产行业景气指数出现了短期下降，但在金融危机后国家“四万亿”政策的刺激下，房地产市场很快开始了新一轮高速增长，房地产价格迅速攀升。2009年末，为抑制房价过快上涨，政府在部分城市开始实施限购政策。限购政策的出台短期内遏制了房价过快上涨，局部地区甚至出现房价下跌，全国范围内房地产行业发展增速放缓。2012年后，由于经济增速放缓，房地产市场开始明显降温，一些城市房价大幅下挫，2014年百城房价指数更是连续四个月出现下跌。在我国经济下行压力增大与房地产行业持续低迷的大背景下，多个限购城市陆续松绑限购政策，以保持房地产市场发展。房地产是资金密集型行业，信贷资金占有很大比重，房地产行业衰退可能给金融业带来巨大损失。在当前背景下，研究房地产上市公司信用状况，关注其信用风险变化，具有重要的现实意义。同时，限购作为一项具有典型中国特色的市场调控手段将逐渐退出市场，探讨限购在本轮房地产宏观调控中对房地产市场的影响具有典型意义。
二、文献综述
国内外研究发现，房地产市场对金融稳定有重要影响。房地产公司信用风险能衡量房地产市场风险状况，有助于把握房地产市场动态。房地产行业信用风险受到贷款类型、贷款期限结构等微观因素的影响，也受到宏观经济环境、调控政策的影响。温红梅（2009）利用因子分析研究发现商品房屋实际销售面积、国内贷款、自有资金与房地产平均售价对房地产信用风险影响较大。张玲（2010）对我国房地产上市公司的实证研究表明，股票价格的波动情况对违约距离有显著影响。肖冰（2010）应用Logistic模型对房地产上市公司信用风险进行实证研究，认为房地产公司的财务状况与宏观经济环境如GDP增长率等对信贷风险有重要影响。许（Pisun Xu，2011）发现美国货币政策对证券化的房地产市场有积极影响。克罗（Crowe，2013）认为符合宏观审慎的政策措施对抑制房价、约束房地产市场杠杆率更合适。
国内学者较少研究我国宏观调控政策对房地产信用风险的影响。范广根（2012）讨论了房地产政策与政治因素的关系，提出政治因素对房地产政策有重要影响。郑忠华（2012）将房地产纳入一个包括家庭、企业、金融机构等的DSGE模型进行讨论，研究发现通货膨胀和利率在稳定房价方面有重要影响，宏观调控政策应注重货币政策的使用。乔元坤（2012）通过对我国70个城市进行实证分析，测算了限购令对房价和交易量的影响，发现限购令使得房价下跌，但交易量有所提高。刘晨晖等（2014）研究认为2008—2012年我国房地产市场泡沫不断积累，但房地产市场尚未达到泡沫破裂的条件，同时认为我国货币政策调控对房地产泡沫存在明显的非线性特征。张所地等（2014）将宏观调控分为宽松、从紧两个时期，并通过虚拟变量反映政策的方向性转折，通过35个大城市数据进行面板数据实证，结果表明由于城市经济发展、房地产供给结构等差异导致宏观调控实施的效果没有达到预期，调控要因地制宜。
目前国内对房地产信用风险的研究多从商业银行信贷角度探讨商业银行房地产信贷风险，但忽视了房地产上市公司作为信用主体的风险研究。对于宏观调控的影响，学者多从利率、信贷、土地等传统角度着手分析。本文在之前研究基础上进行了以下创新：一是将限购因素纳入考察，分析限购对房地产上市公司信用风险的影响机制，对限购令这种行政手段进行量化处理，分析了限购对房地产上市公司信用风险的影响；二是结合股票价格波动情况，研究股票市场定价对公司信用风险的影响。
三、理论分析与研究设计
（一）房地产市场信用风险影响因素分析
房地产上市公司信用风险的影响因素分为微观因素与宏观因素。微观因素主要是房地产企业自身经营与投融资活动，宏观因素主要是宏观调控政策。
行政手段是特殊时期政府调控房地产市场的非常规方式，其中针对房地产市场的行政措施中，限购影响深远。限购令作为行政手段用于房地产市场，其目的在于通过抑制房地市场投机需求以控制房地产市场泡沫。限购政策不仅直接作用于房地产市场需求，其通过影响房地产企业的未来预期来影响企业的宏观战略布局和微观运营行为，从而对房地产企业的信用风险造成影响。限购将导致需求暂时性下降、房价涨幅收窄或房价下跌的局面，房地产市场投资减少，房地产市场短期内会迅速转向。房地产企业会基于预期判断，从宏观上逐步改变投资策略，适应房地产市场下降的投机需求。微观运营方式上，房地产企业从自身销售、融资等策略着手调整自身经营活动。具体表现为企业将合理安排自身库存，减少新项目的实施，通过存货调节控制企业的资金周转，防止现金流断裂；在负债管理上，房地产企业将降低债务扩张步伐，缩小借款规模，在减轻债务压力的同时保证资金的流动性。
从其他宏观政策来看，财政政策与货币政策对房地产市场、房地产企业信用风险都有重要影响。2008年金融危机背景下出台的“四万亿”经济刺激计划，其中有相当一部分直接与房地产市场挂钩，增加了房地产行业投资。宽松的货币政策下，2009年中国经济实现了V形反转，房地产领域的FDI增速上扬，市场逐渐回暖，房地产上市公司业绩回升，信用风险也得到缓解。 股价波动同样影响房地产上市公司的信用风险。股票市场具有价值发现功能，上市公司的股价直接反映了公司市场价值；股价波动直接导致公司资产价值的波动，波动过大将严重影响公司资产价值的稳定性，不利于公司维持稳定良好的偿债能力。
房地产上市公司的融资能力与偿债能力也对信用风险有重要影响。房地产企业主要依靠外部融资，外部融资能力提高能有效缓解公司现金流压力、降低信贷违约概率。公司过度融资将会导致负债不合理增长，财务杠杆过高影响公司正常业务的开展。偿债能力反映了公司合理偿还到期债务的承受能力：一方面表现为公司资产偿还债务的能力，另一方面表现为公司收益偿还债务的能力。偿债能力越强的公司，其违约概率应该越小，信用风险水平也越低。
本文运用KMV模型，通过计量预期违约概率衡量上市公司信用风险，并通过区域划分考察地域分布对信用风险的影响。利用预期违约率作为被解释变量，宏观调控、股价波动、财务状况等指标作为解释变量，进行面板数据回归，分析宏观调控、股价波动、公司运营对信用风险的影响。
（二）KMV模型设定
KMV模型能有效地对信用风险进行预测，因而被广泛使用。KMV模型通过上市公司股票价格的波动率计算资产价值的波动率，据此计算预期违约率，用以衡量公司当前市场价值降低到违约触发点水平以下的概率大小。
（1）式和（2）式计算出资产波动率，（3）式计算得出违约距离。
[S=1n-1i=1n（ui-u）] （1）
[σA=S*n] （2）
[DD=EVA-DPE（VA）σA] （3）
其中：DD为违约距离，DP为所有样本公司的违约点，[VA]为市场价值，[σA]为市场价值的波动率。
由于我国公司违约历史数据的缺乏，无法建立违约距离DD与预期违约概率EDF间的函数关系。因此本文计算理论上的预期违约概率。对于理论EDF计算， t时刻公司的资产市场价值为：
[Pt=N-lnVtADt+u-σ22tσAt=N（-DD）]（4）
其中，[Pt]是t时点公司的违约率，[VtA]是t时刻公司资产的市场价值，[Dt]是t时刻到期的公司债务账面价值。
四、信用风险度量分析
（一）数据说明
本文根据证监会房地产行业分类选择2004—2013年房地产上市公司作为研究对象，为保证上市公司业务的持续性，剔除样本期间更换主营业务的公司，符合条件的共有67家房地产上市公司。样本数据包括总股本、长期负债、短期负债的年度数据及每股日收盘价格（前复权）、股权市场价值的日数据。
（二）KMV模型实证结果与分析
1. 资产价值波动率。
根据KMV模型资产价值波动率计算方法，计算样本公司资产价值波动率[σA]，并将所得结果进行比较。
如表1所示，我国房地产上市公司2004—2008年资产价值波动率呈上升趋势，2009—2013年的资产波动率则逐年降低。究其原因，2008年我国受美国次贷危机影响，股票价格波动增大，这导致2008年样本公司的资产波动率较高。
表1：资产价值波动率[σA]
[年度＼&2004＼&2005＼&2006＼&2007＼&2008＼&最小值＼&0.130427＼&0.106081＼&0.184281＼&0.269818＼&0.292348＼&最大值＼&0.496481＼&0.466593＼&0.538664＼&0.689914＼&0.762250＼&极值＼&0.366053＼&0.360511＼&0.354382＼&0.420095＼&0.469902＼&中位数＼&0.240019＼&0.234246＼&0.308547＼&0.511936＼&0.523264＼&均值＼&0.250093＼&0.238149＼&0.319778＼&0.504542＼&0.514248＼&＼&2009＼&2010＼&2011＼&2012＼&2013＼&最小值＼&0.247946＼&0.140423＼&0.080304＼&0.088442＼&0.086210＼&最大值＼&0.897262＼&0.598493＼&0.673072＼&0.687490＼&0.414634＼&极值＼&0.649316＼&0.458069＼&0.592767＼&0.599048＼&0.328424＼&中位数＼&0.370145＼&0.271002＼&0.232713＼&0.201819＼&0.186883＼&均值＼&0.388165＼&0.283923＼&0.264090＼&0.236484＼&0.204282＼&]
2. 违约距离。
表2：违约距离DD
[年度＼&2004年＼&2005年＼&2006年＼&2007年＼&2008年＼&最小值＼&0.00023292＼&1.11463421＼&0.36009926＼&0.45284610＼&0.05503534＼&最大值＼&3.86795684＼&5.65335274＼&2.41944762＼&2.66897283＼&2.36390992＼&极值＼&3.86772392＼&4.53871852＼&2.05934836＼&2.21612673＼&2.30887458＼&中位数＼&2.62735031＼&2.19650747＼&1.80753758＼&1.49862481＼&1.29049667＼&均值＼&2.59469844＼&2.27835252＼&1.74249964＼&1.50195908＼&1.27513635＼&年度＼&2009年＼&2010年＼&2011年＼&2012年＼&2013年＼&最小值＼&0.01460889＼&0.00310547＼&0.00142265＼&0.00310547＼&0.08472920＼&最大值＼&2.31839255＼&3.06264400＼&8.48841259＼&4.64123225＼&4.65652186＼&极值＼&2.30378366＼&3.05953853＼&8.48698994＼&4.63812678＼&4.57179266＼&中位数＼&1.77444999＼&2.14680500＼&2.22745269＼&2.15122096＼&2.37217345＼&均值＼&1.67473349＼&2.05315416＼&2.31708437＼&2.17163220＼&2.36124274＼&] 从表2发现，2004—2008年违约距离的均值与中位数逐年下降，而2009—2013年违约距离的均值与中位数逐年递增，但在2012年出现小幅反转。比较发现，2011—2013年的违约距离基本保持同一水平。从2011年起，各公司的违约距离出现了较大的波动，但这种波动明显低于前3年水平。
3. 预期违约概率。
表3：预期违约概率
[年度＼&2004年＼&2005年＼&2006年＼&2007年＼&2008年＼&最小值＼&0.0000548＼&0.00000001＼&0.00777205＼&0.00132436＼&0.00196385＼&最大值＼&0.08766802＼&0.13250360＼&0.35938645＼&0.32532978＼&0.39236333＼&极值＼&0.08761314＼&0.13250359＼&0.35161440＼&0.32400542＼&0.39039948＼&中位数＼&0.00425824＼&0.01402782＼&0.03533925＼&0.06698550＼&0.09383078＼&均值＼&0.00850852＼&0.02066178＼&0.05803354＼&0.07458385＼&0.09510782＼&年度＼&2009年＼&2010年＼&2011年＼&2012年＼&2013年＼&最小值＼&0.01021400＼&0.00094669＼&0.00000016＼&0.00000173＼&0.00000161＼&最大值＼&0.27343462＼&0.59849317＼&0.26221442＼&0.20899501＼&0.31430812＼&极值＼&0.26322062＼&0.59754647＼&0.26221426＼&0.20899328＼&0.31430651＼&中位数＼&0.03653180＼&0.01590400＼&0.01232209＼&0.01599182＼&0.00976416＼&均值＼&0.04724157＼&0.04022914＼&0.02904850＼&0.02908782＼&0.03459864＼&]
从表3可得，2004—2008年公司的期望违约概率均值、中位数和极值逐年上升，2008年达到峰值后期望违约概率均值等数据逐年下降，但2012年出现了重新上升态势。2004—2005年期望违约概率总体较低，2006—2008年公司的期望违约概率普遍较高。总体而言，我国房地产上市公司整体信用风险呈现倒U形分布，峰值出现在2008年，即2004—2008年上市公司信用风险逐年上升，2008—2011年信用风险逐年下降，2012—2013年信用风险水平稍有上升，但整体仍低于2008年。
4. 房地产上市公司信用风险的地域差异。不同的房地产公司主营地域不同，经济发展水平和市场环境均有不同，这都将导致房地产上市公司信用风险存在较大差异。
本文根据67家房地产行业上市公司年报，按照地区主营收入贡献度与相关指标将公司按地域划分为东部地区、中部地区以及西部地区，未能划分地域的公司则是业务均匀分散于全国。区域划分依据《中国城市统计年鉴》的分类标准。
图1反映了分属东部、中部、西部以及全国地域的上市公司平均预期违约概率。四个地域整体预期违约概率呈现先上升、后下降的趋势，与先前总体预期违约概率分布基本一致。这表明分属各地域的房地产上市公司信用风险与整体信用风险一致。四个地区的预期违约概率走势虽然相似，但存在差异。东部地区的预期违约概率较高，西部地区的预期违约概率整体较低。东部地区在2012年出现了拐点，信用风险出现上升趋势；中部、西部地区的预期违约概率在2010年便出现了上升趋势。波动率方面，东部地区波动率较大，中、西部波动率较小，说明东部地区预期违约概率变化较大，东部各公司预期违约概率有较大差异，中西部地区各公司预期违约概率相对一致。这表明在经济发达的东部地区，企业有较高的预期违约概率。
五、信用风险影响因素的实证分析
（一）变量与数据说明
本文选择证监会房地产行业分类下的房地产上市公司作为样本。为保证时间跨度与完整性，仅选取2004—2013年一直从事房地产相关行业、数据较完整的67家房地产行业上市公司。相关上市公司财务数据、行业数据和宏观数据均来自万得数据库，具体变量设定如表4。
表4：变量定义
[EDF＼&预期违约率＼&CURRENT RATIO＼&流动比率＼&ROE＼&净资产回报率＼&DEBT GROWTH＼&负债总额增长率＼&CY＼&财务费用/营业收入＼&SIZE GROWTH＼&公司资产规模增长率＼&VARPRICE＼&股价年振幅＼&PRICE GROWTH＼&股价年涨幅＼&POLICY＼&限购令＼&LOAN GROWTH＼&房地产行业信贷总额增长率＼&STATE INVESTMENT＼&地方政府固定资产投资增长率＼&TOTAL INVESTMENT＼&中央政府固定资产投资增长率＼&]
本文依据前面对上市公司的地域划分，分别考察10年间上市公司所属地区是否实行限购令，并以此设置虚拟变量考察限购令的影响，即：
[POLICYi，t=0，未实施限购令1，已实施限购令]
根据理论分析，分别考察微观运营因素、资本市场因素与宏观调控政策对房地产上市公司信用风险的影响。将预期违约率作为被解释变量，将以上解释变量分别进行回归分析。根据样本情况和hausman检验结果，选择随机效应面板回归模型进行分析（见表5）。
（二）实证结果分析
回归结果（1）刻画了微观运营因素对房地产上市公司信用风险的影响。回归结果显示，流动比率与预期违约概率负相关并在1%的置信水平下显著，负债增长率与预期违约概率正相关并在1%的置信水平下显著，净资产回报率、财务费用/营业收入与预期违约概率负相关但不显著，资产规模增长率与预期违约概率正相关但不显著。回归结果（2）刻画了股价波动因素对房地产上市公司信用风险的影响。回归结果显示，股价波动率与预期违约概率正相关并在1%的置信水平下显著，股价增长率与预期违约概率负相关并在1%的置信水平下显著。回归结果（3）刻画了宏观调控对房地产上市公司信用风险的影响。回归结果显示，限购政策与预期违约概率负相关并在1%的置信水平下显著，中央政府固定资产投资增长率与预期违约概率负相关并在1%的置信水平下显著，房地产行业信贷总额增长率、地方政府固定资产投资增长率与预期违约概率相关性不显著。回归结果（4）刻画了微观运营因素、股价波动因素与宏观调控政策对房地产上市公司信用风险的综合影响。回归结果与前三组回归结果十分接近，流动比率与预期违约概率负相关、负债增长率与预期违约概率正相关、股价波动率与预期违约概率正相关、股价增长率与预期违约概率负相关、限购令与预期违约概率负相关、中央政府固定资产投资增长率与预期违约概率负相关，并均在1%的置信水平下显著，说明解释变量具有一定的稳健性。 包括限购令在内的宏观调控政策对房地产上市公司信用风险的影响与预期基本一致。限购与中央固定资产投资增加可以显著改善房地产上市公司信用风险水平。限购令出台后，房地产价格涨幅缩小、交易量下滑，房地产市场景气指数开始下降。限购令出台也使得房地产公司根据预期改善微观运营行为、提高企业抗风险能力。从企业数据来看，房地产上市公司减少了新开工的面积，负债扩张也有所放缓，行为与预期相符。2008年金融危机之后，国家出台了“四万亿”投资计划，政府财政支出增加，大量资金流入房地产及相关行业，对房地产行业产生了积极影响。房地产行业信贷总额反映了货币政策、商业银行贷款对房地产行业上市公司信用风险的影响，但研究结果不显著。
股价波动对房地产上市公司信用风险的影响与预期基本一致。股价波动越大，房地产上市公司信用风险越大；股价增长越高，信用风险越小。股价波动反映了资产价值的波动，而股价增长则反映了资产价值的增长。资本市场从2004—2008年经历了一波牛市，房地产行业公司股价一路飙升，房地产行业指数（申万一级）从550点涨至5575点。这个过程中，资本市场泡沫不断扩大，房地产行业上市公司价值虚高、泡沫不断积累，信用风险不断增大。金融危机爆发使我国资本市场泡沫迅速破灭，房地产行业股价大幅下跌、波动剧烈，房地产行业预期违约率达到顶点。2009年开始，房地产行业指数整体波动较小，加上房地产上市公司市值回升，房地产上市公司股票市值波动较小，行业信用风险逐步下降。
微观运营因素对房地产上市公司信用风险的影响与预期基本一致。流动比例反映了公司的偿债能力，反映了公司抵御违约风险的能力。流动比率越高，公司的偿债能力越强，违约的概率越低。预期违约率与公司负债总额增长率呈现正相关，说明个体负债对公司信用风险的影响。负债增长率先保持上升趋势，并在2008年和2009年达到顶峰，之后开始下降，2011年和2012年稍许上升。公司负债的快速增长加大了公司还款压力，提高了公司的信用风险；债务压力的降低减缓了公司的还款压力，也降低了公司的信用风险。
六、结论
本文研究了房地产上市公司信用风险水平，发现我国房地产上市公司的信用风险呈现先升后降的趋势，在2008年信用风险达到顶峰，之后有所下降并保持平稳。并且房地产上市公司信用风险也未表现出明显的地域差异。
本文进一步对信用风险的影响因素进行了实证分析，研究发现宏观调控政策、股价波动以及微观运营因素都对房地产上市公司的预期违约率有显著影响。实证结果表明：（1）限购通过影响房地产上市公司预期改善其微观运营活动，对房地产上市公司控制信用风险有促进作用；（2）股价波动通过影响资产市场价值波动对房地产上市公司控制信用风险产生负面影响；（3）股价增长通过增加资产市场价值，对控制信用风险有正面影响。在当前房地产市场表现疲软，市场预期不乐观的背景下，房地产企业信用风险控制意义重大。政府应重视宏观调控政策对房地产信用风险的积极作用，关键时刻可以采取类似限购的手段，帮助房地产上市公司控制信用风险；房地产企业方面，在稳健运营的同时，积极维护股价、进行市值管理也具有积极意义。
参考文献：
[1]Duffie D， Saita L，and Wang K. 2007. Multi-period corporate default prediction with stochastic covariates， Journal of Financial Economics，83（3）.
[2]Peter Crosibie. 2003. Modeling default risk，KMV Corporation.
[3]Akin O，Montalvo J G，and Villar J G. 2014. The real estate and credit bubble：evidence from Spain，SERIEs，5（2-3）.
[4]Pisun Xu，Jian Yang. 2011. U.S Monetary Policy Surprises and International Securitized Real Estate Markets，Journal of Real Estate Finance and Economics，38.
[5]Crowe C，Dell’Ariccia，and Igan D. 2013. How to deal with real estate booms：lessons from country experiences，Journal of Financial Stability，9（3）.
[6]谢邦昌，朱世武，李璇.我国上市公司信用风险度量模型的选择[J].经济学动态，2008，（5）.
[7]张晓晶，孙涛.中国房地产周期与金融稳定[J].经济研究，2006，（1）.
[8]温红梅，韩晓翠.基于因子分析的我国房地产业信用风险的实证研究[J].中国管理科学，2009，（10）.
[9]肖冰，李春红.基于Logistic模型的房地产行业信用风险研究[J].技术经济，2010，（3）.
[10]范广垠.我国房地产政策宏观分析的模型与方法—以1998-2009年房地产政策为例[J].同济大学学报（社会科学版），2010，（1）.
[11]郑忠华，邸俊鹏.房地产借贷、金融加速器和经济波动—一个贝叶斯估计的DSGE模拟研究[J].经济评论，2012，（6）.
[12]乔坤元.住房限购令真的起作用了吗？—来自中国70大中城市的证据[J].经济与管理研究，2012，（12）.
[13]刘晨晖，陈长石.货币政策对房地产泡沫的非线性影响研究—基于Threshold-VAR模型的实证分析[J].投资研究，2014，（10）.
[14]张所地，赵华平，李斌，董春.房地产宏观调控影响下的房价与租金关系研究—基于中国35个大中城市面板数据的实证分析[J].数理统计与管理，2014，（2）.
（特约编辑 张立光；校对 CX，SJ）
关键词：限购；股价波动；信用风险； KMV模型
中图分类号：F830.91 文献标识码：A 文章编号：1674-2265（2015）12-0070-06
一、引言
近年来，我国房地产行业发展迅速，已经成为我国经济增长的重要支柱产业。尽管在2008年前后受国际金融危机影响，房地产行业景气指数出现了短期下降，但在金融危机后国家“四万亿”政策的刺激下，房地产市场很快开始了新一轮高速增长，房地产价格迅速攀升。2009年末，为抑制房价过快上涨，政府在部分城市开始实施限购政策。限购政策的出台短期内遏制了房价过快上涨，局部地区甚至出现房价下跌，全国范围内房地产行业发展增速放缓。2012年后，由于经济增速放缓，房地产市场开始明显降温，一些城市房价大幅下挫，2014年百城房价指数更是连续四个月出现下跌。在我国经济下行压力增大与房地产行业持续低迷的大背景下，多个限购城市陆续松绑限购政策，以保持房地产市场发展。房地产是资金密集型行业，信贷资金占有很大比重，房地产行业衰退可能给金融业带来巨大损失。在当前背景下，研究房地产上市公司信用状况，关注其信用风险变化，具有重要的现实意义。同时，限购作为一项具有典型中国特色的市场调控手段将逐渐退出市场，探讨限购在本轮房地产宏观调控中对房地产市场的影响具有典型意义。
二、文献综述
国内外研究发现，房地产市场对金融稳定有重要影响。房地产公司信用风险能衡量房地产市场风险状况，有助于把握房地产市场动态。房地产行业信用风险受到贷款类型、贷款期限结构等微观因素的影响，也受到宏观经济环境、调控政策的影响。温红梅（2009）利用因子分析研究发现商品房屋实际销售面积、国内贷款、自有资金与房地产平均售价对房地产信用风险影响较大。张玲（2010）对我国房地产上市公司的实证研究表明，股票价格的波动情况对违约距离有显著影响。肖冰（2010）应用Logistic模型对房地产上市公司信用风险进行实证研究，认为房地产公司的财务状况与宏观经济环境如GDP增长率等对信贷风险有重要影响。许（Pisun Xu，2011）发现美国货币政策对证券化的房地产市场有积极影响。克罗（Crowe，2013）认为符合宏观审慎的政策措施对抑制房价、约束房地产市场杠杆率更合适。
国内学者较少研究我国宏观调控政策对房地产信用风险的影响。范广根（2012）讨论了房地产政策与政治因素的关系，提出政治因素对房地产政策有重要影响。郑忠华（2012）将房地产纳入一个包括家庭、企业、金融机构等的DSGE模型进行讨论，研究发现通货膨胀和利率在稳定房价方面有重要影响，宏观调控政策应注重货币政策的使用。乔元坤（2012）通过对我国70个城市进行实证分析，测算了限购令对房价和交易量的影响，发现限购令使得房价下跌，但交易量有所提高。刘晨晖等（2014）研究认为2008—2012年我国房地产市场泡沫不断积累，但房地产市场尚未达到泡沫破裂的条件，同时认为我国货币政策调控对房地产泡沫存在明显的非线性特征。张所地等（2014）将宏观调控分为宽松、从紧两个时期，并通过虚拟变量反映政策的方向性转折，通过35个大城市数据进行面板数据实证，结果表明由于城市经济发展、房地产供给结构等差异导致宏观调控实施的效果没有达到预期，调控要因地制宜。
目前国内对房地产信用风险的研究多从商业银行信贷角度探讨商业银行房地产信贷风险，但忽视了房地产上市公司作为信用主体的风险研究。对于宏观调控的影响，学者多从利率、信贷、土地等传统角度着手分析。本文在之前研究基础上进行了以下创新：一是将限购因素纳入考察，分析限购对房地产上市公司信用风险的影响机制，对限购令这种行政手段进行量化处理，分析了限购对房地产上市公司信用风险的影响；二是结合股票价格波动情况，研究股票市场定价对公司信用风险的影响。
三、理论分析与研究设计
（一）房地产市场信用风险影响因素分析
房地产上市公司信用风险的影响因素分为微观因素与宏观因素。微观因素主要是房地产企业自身经营与投融资活动，宏观因素主要是宏观调控政策。
行政手段是特殊时期政府调控房地产市场的非常规方式，其中针对房地产市场的行政措施中，限购影响深远。限购令作为行政手段用于房地产市场，其目的在于通过抑制房地市场投机需求以控制房地产市场泡沫。限购政策不仅直接作用于房地产市场需求，其通过影响房地产企业的未来预期来影响企业的宏观战略布局和微观运营行为，从而对房地产企业的信用风险造成影响。限购将导致需求暂时性下降、房价涨幅收窄或房价下跌的局面，房地产市场投资减少，房地产市场短期内会迅速转向。房地产企业会基于预期判断，从宏观上逐步改变投资策略，适应房地产市场下降的投机需求。微观运营方式上，房地产企业从自身销售、融资等策略着手调整自身经营活动。具体表现为企业将合理安排自身库存，减少新项目的实施，通过存货调节控制企业的资金周转，防止现金流断裂；在负债管理上，房地产企业将降低债务扩张步伐，缩小借款规模，在减轻债务压力的同时保证资金的流动性。
从其他宏观政策来看，财政政策与货币政策对房地产市场、房地产企业信用风险都有重要影响。2008年金融危机背景下出台的“四万亿”经济刺激计划，其中有相当一部分直接与房地产市场挂钩，增加了房地产行业投资。宽松的货币政策下，2009年中国经济实现了V形反转，房地产领域的FDI增速上扬，市场逐渐回暖，房地产上市公司业绩回升，信用风险也得到缓解。 股价波动同样影响房地产上市公司的信用风险。股票市场具有价值发现功能，上市公司的股价直接反映了公司市场价值；股价波动直接导致公司资产价值的波动，波动过大将严重影响公司资产价值的稳定性，不利于公司维持稳定良好的偿债能力。
房地产上市公司的融资能力与偿债能力也对信用风险有重要影响。房地产企业主要依靠外部融资，外部融资能力提高能有效缓解公司现金流压力、降低信贷违约概率。公司过度融资将会导致负债不合理增长，财务杠杆过高影响公司正常业务的开展。偿债能力反映了公司合理偿还到期债务的承受能力：一方面表现为公司资产偿还债务的能力，另一方面表现为公司收益偿还债务的能力。偿债能力越强的公司，其违约概率应该越小，信用风险水平也越低。
本文运用KMV模型，通过计量预期违约概率衡量上市公司信用风险，并通过区域划分考察地域分布对信用风险的影响。利用预期违约率作为被解释变量，宏观调控、股价波动、财务状况等指标作为解释变量，进行面板数据回归，分析宏观调控、股价波动、公司运营对信用风险的影响。
（二）KMV模型设定
KMV模型能有效地对信用风险进行预测，因而被广泛使用。KMV模型通过上市公司股票价格的波动率计算资产价值的波动率，据此计算预期违约率，用以衡量公司当前市场价值降低到违约触发点水平以下的概率大小。
（1）式和（2）式计算出资产波动率，（3）式计算得出违约距离。
[S=1n-1i=1n（ui-u）] （1）
[σA=S*n] （2）
[DD=EVA-DPE（VA）σA] （3）
其中：DD为违约距离，DP为所有样本公司的违约点，[VA]为市场价值，[σA]为市场价值的波动率。
由于我国公司违约历史数据的缺乏，无法建立违约距离DD与预期违约概率EDF间的函数关系。因此本文计算理论上的预期违约概率。对于理论EDF计算， t时刻公司的资产市场价值为：
[Pt=N-lnVtADt+u-σ22tσAt=N（-DD）]（4）
其中，[Pt]是t时点公司的违约率，[VtA]是t时刻公司资产的市场价值，[Dt]是t时刻到期的公司债务账面价值。
四、信用风险度量分析
（一）数据说明
本文根据证监会房地产行业分类选择2004—2013年房地产上市公司作为研究对象，为保证上市公司业务的持续性，剔除样本期间更换主营业务的公司，符合条件的共有67家房地产上市公司。样本数据包括总股本、长期负债、短期负债的年度数据及每股日收盘价格（前复权）、股权市场价值的日数据。
（二）KMV模型实证结果与分析
1. 资产价值波动率。
根据KMV模型资产价值波动率计算方法，计算样本公司资产价值波动率[σA]，并将所得结果进行比较。
如表1所示，我国房地产上市公司2004—2008年资产价值波动率呈上升趋势，2009—2013年的资产波动率则逐年降低。究其原因，2008年我国受美国次贷危机影响，股票价格波动增大，这导致2008年样本公司的资产波动率较高。
表1：资产价值波动率[σA]
[年度＼&2004＼&2005＼&2006＼&2007＼&2008＼&最小值＼&0.130427＼&0.106081＼&0.184281＼&0.269818＼&0.292348＼&最大值＼&0.496481＼&0.466593＼&0.538664＼&0.689914＼&0.762250＼&极值＼&0.366053＼&0.360511＼&0.354382＼&0.420095＼&0.469902＼&中位数＼&0.240019＼&0.234246＼&0.308547＼&0.511936＼&0.523264＼&均值＼&0.250093＼&0.238149＼&0.319778＼&0.504542＼&0.514248＼&＼&2009＼&2010＼&2011＼&2012＼&2013＼&最小值＼&0.247946＼&0.140423＼&0.080304＼&0.088442＼&0.086210＼&最大值＼&0.897262＼&0.598493＼&0.673072＼&0.687490＼&0.414634＼&极值＼&0.649316＼&0.458069＼&0.592767＼&0.599048＼&0.328424＼&中位数＼&0.370145＼&0.271002＼&0.232713＼&0.201819＼&0.186883＼&均值＼&0.388165＼&0.283923＼&0.264090＼&0.236484＼&0.204282＼&]
2. 违约距离。
表2：违约距离DD
[年度＼&2004年＼&2005年＼&2006年＼&2007年＼&2008年＼&最小值＼&0.00023292＼&1.11463421＼&0.36009926＼&0.45284610＼&0.05503534＼&最大值＼&3.86795684＼&5.65335274＼&2.41944762＼&2.66897283＼&2.36390992＼&极值＼&3.86772392＼&4.53871852＼&2.05934836＼&2.21612673＼&2.30887458＼&中位数＼&2.62735031＼&2.19650747＼&1.80753758＼&1.49862481＼&1.29049667＼&均值＼&2.59469844＼&2.27835252＼&1.74249964＼&1.50195908＼&1.27513635＼&年度＼&2009年＼&2010年＼&2011年＼&2012年＼&2013年＼&最小值＼&0.01460889＼&0.00310547＼&0.00142265＼&0.00310547＼&0.08472920＼&最大值＼&2.31839255＼&3.06264400＼&8.48841259＼&4.64123225＼&4.65652186＼&极值＼&2.30378366＼&3.05953853＼&8.48698994＼&4.63812678＼&4.57179266＼&中位数＼&1.77444999＼&2.14680500＼&2.22745269＼&2.15122096＼&2.37217345＼&均值＼&1.67473349＼&2.05315416＼&2.31708437＼&2.17163220＼&2.36124274＼&] 从表2发现，2004—2008年违约距离的均值与中位数逐年下降，而2009—2013年违约距离的均值与中位数逐年递增，但在2012年出现小幅反转。比较发现，2011—2013年的违约距离基本保持同一水平。从2011年起，各公司的违约距离出现了较大的波动，但这种波动明显低于前3年水平。
3. 预期违约概率。
表3：预期违约概率
[年度＼&2004年＼&2005年＼&2006年＼&2007年＼&2008年＼&最小值＼&0.0000548＼&0.00000001＼&0.00777205＼&0.00132436＼&0.00196385＼&最大值＼&0.08766802＼&0.13250360＼&0.35938645＼&0.32532978＼&0.39236333＼&极值＼&0.08761314＼&0.13250359＼&0.35161440＼&0.32400542＼&0.39039948＼&中位数＼&0.00425824＼&0.01402782＼&0.03533925＼&0.06698550＼&0.09383078＼&均值＼&0.00850852＼&0.02066178＼&0.05803354＼&0.07458385＼&0.09510782＼&年度＼&2009年＼&2010年＼&2011年＼&2012年＼&2013年＼&最小值＼&0.01021400＼&0.00094669＼&0.00000016＼&0.00000173＼&0.00000161＼&最大值＼&0.27343462＼&0.59849317＼&0.26221442＼&0.20899501＼&0.31430812＼&极值＼&0.26322062＼&0.59754647＼&0.26221426＼&0.20899328＼&0.31430651＼&中位数＼&0.03653180＼&0.01590400＼&0.01232209＼&0.01599182＼&0.00976416＼&均值＼&0.04724157＼&0.04022914＼&0.02904850＼&0.02908782＼&0.03459864＼&]
从表3可得，2004—2008年公司的期望违约概率均值、中位数和极值逐年上升，2008年达到峰值后期望违约概率均值等数据逐年下降，但2012年出现了重新上升态势。2004—2005年期望违约概率总体较低，2006—2008年公司的期望违约概率普遍较高。总体而言，我国房地产上市公司整体信用风险呈现倒U形分布，峰值出现在2008年，即2004—2008年上市公司信用风险逐年上升，2008—2011年信用风险逐年下降，2012—2013年信用风险水平稍有上升，但整体仍低于2008年。
4. 房地产上市公司信用风险的地域差异。不同的房地产公司主营地域不同，经济发展水平和市场环境均有不同，这都将导致房地产上市公司信用风险存在较大差异。
本文根据67家房地产行业上市公司年报，按照地区主营收入贡献度与相关指标将公司按地域划分为东部地区、中部地区以及西部地区，未能划分地域的公司则是业务均匀分散于全国。区域划分依据《中国城市统计年鉴》的分类标准。
图1反映了分属东部、中部、西部以及全国地域的上市公司平均预期违约概率。四个地域整体预期违约概率呈现先上升、后下降的趋势，与先前总体预期违约概率分布基本一致。这表明分属各地域的房地产上市公司信用风险与整体信用风险一致。四个地区的预期违约概率走势虽然相似，但存在差异。东部地区的预期违约概率较高，西部地区的预期违约概率整体较低。东部地区在2012年出现了拐点，信用风险出现上升趋势；中部、西部地区的预期违约概率在2010年便出现了上升趋势。波动率方面，东部地区波动率较大，中、西部波动率较小，说明东部地区预期违约概率变化较大，东部各公司预期违约概率有较大差异，中西部地区各公司预期违约概率相对一致。这表明在经济发达的东部地区，企业有较高的预期违约概率。
五、信用风险影响因素的实证分析
（一）变量与数据说明
本文选择证监会房地产行业分类下的房地产上市公司作为样本。为保证时间跨度与完整性，仅选取2004—2013年一直从事房地产相关行业、数据较完整的67家房地产行业上市公司。相关上市公司财务数据、行业数据和宏观数据均来自万得数据库，具体变量设定如表4。
表4：变量定义
[EDF＼&预期违约率＼&CURRENT RATIO＼&流动比率＼&ROE＼&净资产回报率＼&DEBT GROWTH＼&负债总额增长率＼&CY＼&财务费用/营业收入＼&SIZE GROWTH＼&公司资产规模增长率＼&VARPRICE＼&股价年振幅＼&PRICE GROWTH＼&股价年涨幅＼&POLICY＼&限购令＼&LOAN GROWTH＼&房地产行业信贷总额增长率＼&STATE INVESTMENT＼&地方政府固定资产投资增长率＼&TOTAL INVESTMENT＼&中央政府固定资产投资增长率＼&]
本文依据前面对上市公司的地域划分，分别考察10年间上市公司所属地区是否实行限购令，并以此设置虚拟变量考察限购令的影响，即：
[POLICYi，t=0，未实施限购令1，已实施限购令]
根据理论分析，分别考察微观运营因素、资本市场因素与宏观调控政策对房地产上市公司信用风险的影响。将预期违约率作为被解释变量，将以上解释变量分别进行回归分析。根据样本情况和hausman检验结果，选择随机效应面板回归模型进行分析（见表5）。
（二）实证结果分析
回归结果（1）刻画了微观运营因素对房地产上市公司信用风险的影响。回归结果显示，流动比率与预期违约概率负相关并在1%的置信水平下显著，负债增长率与预期违约概率正相关并在1%的置信水平下显著，净资产回报率、财务费用/营业收入与预期违约概率负相关但不显著，资产规模增长率与预期违约概率正相关但不显著。回归结果（2）刻画了股价波动因素对房地产上市公司信用风险的影响。回归结果显示，股价波动率与预期违约概率正相关并在1%的置信水平下显著，股价增长率与预期违约概率负相关并在1%的置信水平下显著。回归结果（3）刻画了宏观调控对房地产上市公司信用风险的影响。回归结果显示，限购政策与预期违约概率负相关并在1%的置信水平下显著，中央政府固定资产投资增长率与预期违约概率负相关并在1%的置信水平下显著，房地产行业信贷总额增长率、地方政府固定资产投资增长率与预期违约概率相关性不显著。回归结果（4）刻画了微观运营因素、股价波动因素与宏观调控政策对房地产上市公司信用风险的综合影响。回归结果与前三组回归结果十分接近，流动比率与预期违约概率负相关、负债增长率与预期违约概率正相关、股价波动率与预期违约概率正相关、股价增长率与预期违约概率负相关、限购令与预期违约概率负相关、中央政府固定资产投资增长率与预期违约概率负相关，并均在1%的置信水平下显著，说明解释变量具有一定的稳健性。 包括限购令在内的宏观调控政策对房地产上市公司信用风险的影响与预期基本一致。限购与中央固定资产投资增加可以显著改善房地产上市公司信用风险水平。限购令出台后，房地产价格涨幅缩小、交易量下滑，房地产市场景气指数开始下降。限购令出台也使得房地产公司根据预期改善微观运营行为、提高企业抗风险能力。从企业数据来看，房地产上市公司减少了新开工的面积，负债扩张也有所放缓，行为与预期相符。2008年金融危机之后，国家出台了“四万亿”投资计划，政府财政支出增加，大量资金流入房地产及相关行业，对房地产行业产生了积极影响。房地产行业信贷总额反映了货币政策、商业银行贷款对房地产行业上市公司信用风险的影响，但研究结果不显著。
股价波动对房地产上市公司信用风险的影响与预期基本一致。股价波动越大，房地产上市公司信用风险越大；股价增长越高，信用风险越小。股价波动反映了资产价值的波动，而股价增长则反映了资产价值的增长。资本市场从2004—2008年经历了一波牛市，房地产行业公司股价一路飙升，房地产行业指数（申万一级）从550点涨至5575点。这个过程中，资本市场泡沫不断扩大，房地产行业上市公司价值虚高、泡沫不断积累，信用风险不断增大。金融危机爆发使我国资本市场泡沫迅速破灭，房地产行业股价大幅下跌、波动剧烈，房地产行业预期违约率达到顶点。2009年开始，房地产行业指数整体波动较小，加上房地产上市公司市值回升，房地产上市公司股票市值波动较小，行业信用风险逐步下降。
微观运营因素对房地产上市公司信用风险的影响与预期基本一致。流动比例反映了公司的偿债能力，反映了公司抵御违约风险的能力。流动比率越高，公司的偿债能力越强，违约的概率越低。预期违约率与公司负债总额增长率呈现正相关，说明个体负债对公司信用风险的影响。负债增长率先保持上升趋势，并在2008年和2009年达到顶峰，之后开始下降，2011年和2012年稍许上升。公司负债的快速增长加大了公司还款压力，提高了公司的信用风险；债务压力的降低减缓了公司的还款压力，也降低了公司的信用风险。
六、结论
本文研究了房地产上市公司信用风险水平，发现我国房地产上市公司的信用风险呈现先升后降的趋势，在2008年信用风险达到顶峰，之后有所下降并保持平稳。并且房地产上市公司信用风险也未表现出明显的地域差异。
本文进一步对信用风险的影响因素进行了实证分析，研究发现宏观调控政策、股价波动以及微观运营因素都对房地产上市公司的预期违约率有显著影响。实证结果表明：（1）限购通过影响房地产上市公司预期改善其微观运营活动，对房地产上市公司控制信用风险有促进作用；（2）股价波动通过影响资产市场价值波动对房地产上市公司控制信用风险产生负面影响；（3）股价增长通过增加资产市场价值，对控制信用风险有正面影响。在当前房地产市场表现疲软，市场预期不乐观的背景下，房地产企业信用风险控制意义重大。政府应重视宏观调控政策对房地产信用风险的积极作用，关键时刻可以采取类似限购的手段，帮助房地产上市公司控制信用风险；房地产企业方面，在稳健运营的同时，积极维护股价、进行市值管理也具有积极意义。
参考文献：
[1]Duffie D， Saita L，and Wang K. 2007. Multi-period corporate default prediction with stochastic covariates， Journal of Financial Economics，83（3）.
[2]Peter Crosibie. 2003. Modeling default risk，KMV Corporation.
[3]Akin O，Montalvo J G，and Villar J G. 2014. The real estate and credit bubble：evidence from Spain，SERIEs，5（2-3）.
[4]Pisun Xu，Jian Yang. 2011. U.S Monetary Policy Surprises and International Securitized Real Estate Markets，Journal of Real Estate Finance and Economics，38.
[5]Crowe C，Dell’Ariccia，and Igan D. 2013. How to deal with real estate booms：lessons from country experiences，Journal of Financial Stability，9（3）.
[6]谢邦昌，朱世武，李璇.我国上市公司信用风险度量模型的选择[J].经济学动态，2008，（5）.
[7]张晓晶，孙涛.中国房地产周期与金融稳定[J].经济研究，2006，（1）.
[8]温红梅，韩晓翠.基于因子分析的我国房地产业信用风险的实证研究[J].中国管理科学，2009，（10）.
[9]肖冰，李春红.基于Logistic模型的房地产行业信用风险研究[J].技术经济，2010，（3）.
[10]范广垠.我国房地产政策宏观分析的模型与方法—以1998-2009年房地产政策为例[J].同济大学学报（社会科学版），2010，（1）.
[11]郑忠华，邸俊鹏.房地产借贷、金融加速器和经济波动—一个贝叶斯估计的DSGE模拟研究[J].经济评论，2012，（6）.
[12]乔坤元.住房限购令真的起作用了吗？—来自中国70大中城市的证据[J].经济与管理研究，2012，（12）.
[13]刘晨晖，陈长石.货币政策对房地产泡沫的非线性影响研究—基于Threshold-VAR模型的实证分析[J].投资研究，2014，（10）.
[14]张所地，赵华平，李斌，董春.房地产宏观调控影响下的房价与租金关系研究—基于中国35个大中城市面板数据的实证分析[J].数理统计与管理，2014，（2）.
（特约编辑 张立光；校对 CX，SJ）