前言

国家统计局数据显示，2003年至2008年的6年间，全国住宅销售均价由2197元／平方米上涨至4456元／平方米，北京市住宅销售均价由3576元／平方米上涨至11648元／平方米，分别上涨103%和226%。根据中国房地产信息网最新数据，以北京市为例，2009年12月普通商品房一类地段集中成交价为34500元／平方米，同比上涨97% ，我国房地产价格的过快上涨已成为不争的事实，并引起了各级政府、国内外经济学人士的广泛关注。从经济增长速度、信贷投入力度、固定资产投资规模以及资产价格上涨幅度等多方面考察，我国目前已面临严峻的房地产价格调整压力，在房地产价格调整背景下，深入研究房地产相关信用风险对商业银行的影响，是十分迫切又十分有意义的课题。

房地产信用风险具有多样性和复杂性，对其进行估算和计量有着相当的难度，本书第一次尝试将房地产相关的信用风险进行归类细分研究（共分为5大类风险），并大量采用压力测试（基于随机过程的压力测试、基于历史模拟的宏观压力测试）、计量与多元统计方法（如时差分析、聚类分析、滤波分析、判别分析）、资产组合理论（如MV模型法、因子分析法）等统计学和数理经济学的理论与方法，对不同类型房地产信用风险的产生原因、传导机制、影响程度以及防范措施等进行了全面的分析、估算和归纳，得到了许多具有理论意义和实践意义的结论。

本书共分为10章，其中第一章和第十章分别为导论和结束语部分；第二章和第七章分别对房地产业的行业特征（重点是波动特征）、房地产在国民经济中的地位及对相关行业的影响进行了分析，为房地产业相关信用风险的情景分析和参数设定提供基础；在上述研究成果基础上，第三章至第六章对房地产直接相关的四类信用风险，即房地产开发贷款信用风险、个人住房贷款信用风险、土地储备贷款信用风险和抵押价值风险的成因、防范进行了阐述，重点对价格调整压力下四类信用风险的规模进行了估算；第八章对房地产行业的信用风险进行了宏观压力测试，研究了房地产行业的波动对其他行业信用风险的影响；第九章重点从行业限额的角度，对防范房地产行业的信用风险进行了深入的研究和探讨。

通过以上研究，本书得到了以下重要结论：

第一，中国的房地产经济周期以短周期为主，1992年前周期长度在3～5年，1993年后周期长度有逐渐缩短的趋势，且表现出了2年超短周期特征。在房地产市场化程度较高的近15年，房地产行业的周期性特征以增长率周期为主，房地产的绝对价格整体上处于绝对上涨之中，没有体现出明显的因价格调整导致商业银行信用风险大起大落的特征。中国房地产对GDP的贡献已达到20%左右，高产值、强拉动作用及高杠杆率，导致商业银行在房地产价格持续过快上涨的过程中，面临严重的价格调整带来的信用风险问题。

第二，基于行业现金流的随机模拟结果显示，温和压力情景下，当房价下跌幅度由5%增大到40%时，房地产开发贷款的违约概率从9.52%上升到40.46%，预计出现的房地产开发贷款增量损失约在500亿元至3000亿元之间。考虑到2008年末中国银行业整体的资产减值准备数量和利润水平，在温和压力情景下即使按房价下跌40%、回收率60%计算开发贷款损失，中国银行业也完全可以应对房价较大幅度的调整压力。但如果房价继续上涨，且政府不能正确引导开发商的投资预期，在房价接近拐点之前非理性投资继续增长，后果可能不堪设想。

第三，由于目前中国住房金融深化程度尚低，个人住房贷款总体上是比较安全的，若以最差情景估计，违约概率大约可上升至8.5%左右。由于中国LTV值较高，且不存在个人破产制度，最差情景下最大违约损失应在500亿元之内。

第四，根据对中国显性土地储备贷款整体信用风险的估算，在房价下跌40%的极端情形下，可能形成的增量违约贷款约436亿元，可能出现的增量贷款损失约65亿元。隐性土地储备贷款由于透明度低，规模难以统计，无法进行信用风险估算，但由于其操作不规范导致的高风险特征，应引起商业银行和监管机构的高度重视。

第五，抵押价值风险包括贷款损失风险和信用收缩风险两类。对贷款损失风险，如果以实际抵押率中间值估算，当房地产价格下降10%时，将出现抵质押缺口值约125亿元；下降20%时，抵质押缺口值约600亿元；假设出现极端情况，下降50%时，抵质押缺口值约2700亿元。对于信用收缩风险，当房地产价格调整30%时，信用收缩金额约1100亿元，其他调整幅度下的信用收缩量由于无法得到细分的抵押率数据尚不能计算。

第六，中国商业银行长期受计划经济的影响，市场化程度不高，1990—2006年中国商业银行的制度和管理模式发生了根本性变化（同时包括一些注资和剥离行为），现有的宏观金融数据较难进行信用风险的宏观压力测试研究。在对相关数据进行一定的处理和估计以后，将价格调整压力转换为滞涨情景，可以得到在通货膨胀率为7%、名义GDP 3.25%的情景下，不良贷款率可能上升约1.1%的结论。

第七，商业银行可在一系列监管约束和风险偏好约束下进行较为科学的行业组合管理工作。对于规模较大，管理较规范，数据积累充足的商业银行可采取资产组合优化模型确定行业限额；如果数据积累不充分，或者经过组合分析发现组合结果较难实施，则可使用基于压力调整的集中度管理方法；对于一般的商业银行，则建议采用基于承认现实的同业占比法。当然，在条件满足的情况下（如实施性价比较高，且准确度较好），上述方法的联合运用和校验当然是最优的行业限额确定方案。

综合国内外主要相关研究成果，本书首次比较系统地研究了中国房地产价格调整下商业银行的信用风险问题，且多个章节无论从研究方法还是研究内容上都有较多的创新，主要创新概括如下：

首先，对中国房地产周期进行了分区间讨论，并以房地产行业为例，较系统地提出了商业银行行业信用风险管理思路和方法，即在充分考察一个行业的影响力和波动性的基础上，综合运用风险计量方法和压力测试方法对该行业的整体信用风险进行分析和测度，估算银行的风险承受能力，提出风险管理措施。

其次，对房地产相关信用风险进行了分类，对中国房地产行业相关信用风险及其影响进行了全面估算。其中，基于行业总量数据，运用现金流随机模拟方法对房地产开发贷款的信用风险进行全行业压力测试；对基于价格调整压力的中国个人住房贷款整体信用风险进行估计；对土地储备贷款信用风险的成因和防范问题进行了系统研究，并对基于价格调整压力的土地储备贷款的整体信用风险进行了估算；对抵押价值风险进行了分类，并对中国银行业抵押价值风险的整体状况进行了压力测试。

最后，综合运用MV模型法、因子模型法、经济资本评价法、承认现实的同业占比法，系统地提出了核定商业银行行业贷款限额的理念和方法，并以房地产行业为例进行了实证分析。

当然，由于受时间、篇幅和数据等多方面限制，本书难免存在许多不足之处，尚需完善的内容以及未来的研究方向，在“结束语”一章进行了详细阐述，请各位读者指正。

笔者
2016年6月