王桂虎 白 明 朱 剛

(商務部 國際貿易經濟合作研究院，北京 102600)

近年我國一些重點城市在住房領域的泡沫化、金融化傾向較為嚴重。過度的住房金融化會引起兩個嚴重后果：一是房價泡沫一旦破裂，將會引發(fā)民間借貸、影子銀行等崩盤，形成金融風險傳染；二是由于金融風險的快速聚集，必然侵蝕實體經濟的健康發(fā)展，乃至誘發(fā)經濟和金融危機。重點城市是維系國民經濟發(fā)展和城市化進程的主動脈，其由于人口、產業(yè)、金融等要素的大量聚集，住房交易市場的活躍度最高，對金融風險的易感性更強。因此，深入分析住房金融化對重點城市所可能引發(fā)的金融風險及其傳導機制是我們當前的一個任務。

一、文獻綜述

關于住房金融化與金融風險之間的關系，國外學者如喬丹等指出，住房金融化已經演化為各國金融體系的普遍特征，而且房地產和金融的結合在房地產行業(yè)中占據(jù)的比重越來越高[1]。法維盧基斯等使用實證模型對住房金融化的影響因素與風險進行了檢驗，結果表明，融資約束放松、風險溢價下降引發(fā)了房價上漲，低利率不能解釋高房價，同時住房金融化有可能引致嚴重的金融風險[2]。瓊斯和斯特德以全球網絡的創(chuàng)新住房融資模式為例，分析了低收入人群與精英人群面臨的不同成本及風險[3]。

國內學者如秦征和周琦指出，我國金融機構可以使用保險產品來化解住房金融引發(fā)的金融風險[4]。王曉燕和李美洲梳理了美國、德國、英國和新加坡等住房金融化的國際經驗，提出了促進房產稅改革、建立住房金融監(jiān)管機制等啟示[5]。陳選娟和林宏妹使用2013年的CHFS數(shù)據(jù)，對住房公積金和家庭風險金融資產投資之間的影響機制進行了實證研究，并且提出了降低住房的金融投資屬性、將住房公積金余額進行股票、基金等風險投資的對策建議[6]。

然而，現(xiàn)有文獻的研究主要集中于住房金融化與金融風險之間的關系方面，并沒有詳細闡述住房金融化所可能引致金融風險的傳導機制。同時，多數(shù)文獻以宏觀和微觀為主，例如宏觀層面的定性分析與對策建議，以及微觀層面的住房公積金、個人住房貸款與金融風險，但是還缺乏對重點城市住房金融化等中觀層面的研究。

綜上，本文立足于我國重點城市住房金融化的發(fā)展情況，詳細闡述住房金融化引致重點城市金融風險的傳導機制，并且通過編制重點城市金融風險指數(shù)和建立實證模型，對二者之間的關系和傳導機制進行實證檢驗。具體而言，通過宏觀經濟、資源配置、金融體系和金融運行等四個維度來編制70個重點城市的金融風險指數(shù)；然后使用雙向固定效應模型對住房金融化與重點城市金融風險之間的關系進行實證檢驗，并且通過加入房地產杠桿率的三次項、引入外生沖擊和使用工具變量來進行穩(wěn)健性和內生性檢驗。

二、理論分析與研究假設

(一)我國房地產政策與住房金融化現(xiàn)狀

由于近十年來房價的快速上漲，2016年12月，中央經濟工作會議首次提出“房住不炒”的定位，力求保障房地產市場健康穩(wěn)定發(fā)展。2021年，中國銀保監(jiān)會主席郭樹清多次強調：“我國房地產現(xiàn)階段的主要問題是金融化、泡沫化傾向比較強”，“押注房價永遠不會下跌的人最終會付出沉重代價”。

在現(xiàn)實中，隨著經濟金融化的發(fā)展，住房市場也呈現(xiàn)出金融化不斷加深的現(xiàn)象。具體而言，我國住房金融化的特征主要表現(xiàn)為：首先，房地產企業(yè)使用金融工具進行投資和融資，金融機構與其他非金融企業(yè)通過購買、持有住房來實現(xiàn)資本增值，住房市場已經表現(xiàn)出明顯的金融屬性，它與金融市場之間存在相互共生的關系，共同推進了財富幻覺和泡沫積累[7]。其次，地方政府是房地產公司土地開發(fā)的供給者，這些公司也通過地方政府的融資平臺等金融工具進行融資，區(qū)域土地增值預期是土地抵押行為最重要的信用來源，而這又提升了地方政府對住房部門的依賴度[8]。再次，很多居民通過金融工具來購買住房，甚至有些城市如深圳出現(xiàn)了非法集資、哄抬房價的股份化和規(guī)?；捶康默F(xiàn)象。鑒于“住房金融化”的表現(xiàn)特征較多，本文研究的主要內容限定為前兩條特征。

(二)重點城市金融風險的演化

重點城市的金融風險可能與經濟景氣程度呈負相關關系。在所有重點城市中，2020年我國東部和中部地區(qū)重點城市的金融風險相對較低，西部地區(qū)重點城市的金融風險相對較高，其中金融風險最低的重點城市分布在河南、山東、江蘇和廣西，而金融風險最高的重點城市則分布在西藏、甘肅、青海和新疆。

圖1 2000-2019年重點城市金融風險指數(shù)走勢圖

圖1是筆者測算得出的2000-2019年北京、上海、杭州、深圳、武漢、廣州等重點城市金融風險指數(shù)走勢圖，從中可以看出，北京的金融風險指數(shù)在2009-2012年間較高，位于30以上，其余年份均低于30。歷年來上海的金融風險指數(shù)位于20-28之間。杭州、深圳、武漢、廣州等重點城市金融風險指數(shù)較高，多數(shù)年份均位于30以上。

(三)研究假設的提出

由于住房市場的金融屬性較為明顯，它與金融市場的風險呈現(xiàn)正向積累的特征。一旦這種風險積累的泡沫出現(xiàn)破裂，就會引起居民財富幻覺的破滅，甚至引發(fā)房價崩潰和金融危機。國際貨幣基金組織(IMF)的統(tǒng)計數(shù)據(jù)表明，在全球近50次系統(tǒng)性銀行危機中，超過三分之二的危機與住房價格波動有關。

住房金融化引發(fā)的重點城市金融風險可以由“流動性偏好”“金融加速器”等理論來解釋。一方面，由于金融資產的投資回報率相對較高，住房企業(yè)具有購買或持有金融資產的交易動機、投機動機與預防動機，適度金融化可以適度提升住房企業(yè)的財務穩(wěn)健性，對降低區(qū)域金融風險可能起到促進作用。另一方面，當金融資產的投資比例超過一定閾值之后，由于金融資產的變動會導致住房企業(yè)的現(xiàn)金流出現(xiàn)大幅波動，此時可能出現(xiàn)“金融加速器”作用，即重點城市的金融風險可能被集聚和放大。也就是說，適度的金融化可能降低區(qū)域金融風險，過度的金融化則可能提高區(qū)域金融風險。由此，本文提出以下研究假設：

假設1：住房金融化與區(qū)域金融風險之間呈U型關系。

在實踐中，銀行由于住房貸款的變化而面臨信用風險，而且通過持有住房抵押貸款支持證券而面臨信貸和市場風險。一旦出現(xiàn)借款人違約或住房抵押貸款支持證券價格大幅下跌，那么銀行將會蒙受損失，其資產端和償債能力將被削弱，這可能反過來導致它們減少對經濟的信貸供應。由此，本文提出以下研究假設：

假設2：住房金融化與銀行償付能力渠道之間呈正相關關系。

由于房地產企業(yè)進行加杠桿投資的主要投資方向是進行土地投資，它也是住房投資環(huán)節(jié)的最重要部分。同時，李嘉等認為，地方政府對于土地財政過于依賴，也導致土地的資本化，并且有可能造成實體經濟和金融周期的正常周期出現(xiàn)紊亂[9]。由此，本文提出以下研究假設：

假設3：住房金融化與土地投資渠道之間存在正相關關系。

目前，很多房地產公司通過金融工具進行融資，并且將一些閑置資金投資于股票、基金、債券等金融資產。同時，一些保險公司、養(yǎng)老基金和投資基金也投資于房地產公司的股權。這樣就形成了住房市場和金融市場的共生性與循環(huán)性，也會引發(fā)嚴重的金融風險。由此，本文提出以下研究假設：

假設4：住房金融化與金融工具渠道之間存在顯著正相關關系。

三、研究設計

(一)樣本與數(shù)據(jù)

在數(shù)據(jù)來源方面，選取2000-2019年70個重點城市作為研究樣本。由于本文測算的70個重點城市金融風險指數(shù)的數(shù)據(jù)未出現(xiàn)異常值，因此這些數(shù)據(jù)都被保留下來。在實證分析中，我們選取重點城市金融風險指數(shù)作為被解釋變量。

(二)變量界定

參考李嘉等的做法[9]，重點城市的房地產杠桿率可以用于衡量重點城市住房金融化的核心解釋變量。同時為了刻畫我國重點城市的金融風險，我們依據(jù)國家統(tǒng)計局定期公布的數(shù)據(jù)，選取全國70個重點城市(1)70個重點城市的名單詳見：https:/zhidao.baidu.com/question2141578062831525748.html。，并編制出它們的金融風險指數(shù)。本文選取重點城市金融風險作為研究對象，還有以下原因：首先，重點城市處于我國房地產市場的主體位置，其住房價格要高出三四線城市很多，這些城市的需求剛性和居民負債率也比三四線城市高，可以更好地反映出住房金融與城市金融風險的關系；其次，在“房住不炒”等宏觀政策的干預下，目前三四線城市“去庫存”的壓力較大，房價面臨調整的概率較高，因此它們可能與本文的模型設定不太吻合。

(三)指標選取

1.被解釋變量

在編制重點城市金融風險指數(shù)時，我們主要考察宏觀經濟、資源配置、金融體系和金融運行等四個維度。在選取二級指標時，我們一方面考慮該指標是否具有較強的代表性，另一方面重視指標體系的內部結構以及指標數(shù)據(jù)的可得性。鑒于我國重點城市的一些指標，如失業(yè)率、資本充足率、銀行部門資產利潤率等指標數(shù)據(jù)缺失，通過對二級指標進行篩除和遴選，最終得到以下指標體系。

宏觀經濟維度的二級指標：主要包括經濟增速(A11)、CPI指數(shù)(A12)和凈出口變化率(A13)；資源配置維度的二級指標主要包括財政收入增速(A21)、財政赤字率(A22)和固定資產投資增長率(A23)。

金融體系維度的二級指標：主要包括銀行存貸比(A31)、城市房地產貸款集中度(A32)、社會融資規(guī)模占GDP比例(A33)和小額貸款增長率(A34)。

金融運行維度的二級指標：主要包括工業(yè)增加值占總貸款比例(A41)、上市公司市值增長率(A42)和工業(yè)企業(yè)利潤占社會融資規(guī)模比例(A43)。

在確定以上二級指標之后，可以根據(jù)指標性質將其分為正指標、逆指標和適配指標三種，通過確定映射參數(shù)臨界值、設置轉換函數(shù)等方式將指標數(shù)據(jù)標準化，并且使用建立層次結構模型、構建判斷矩陣和平均隨機一致性指數(shù)來確定以上二級指標的權重，最終得到重點城市金融風險指數(shù)的計算公式如下。

重點城市宏觀經濟分指數(shù)：

Fp1=0.49×A11+0.35×A12+0.16A13

(1)

重點城市資源配置分指數(shù)：

Fp2=0.36×A21+0.42×A22+0.22A23

(2)

重點城市金融體系分指數(shù)：

Fp3=0.23×A31+0.24×A32+0.29A33+0.24×A34

(3)

重點城市金融運行分指數(shù)：

Fp4=0.31×A41+0.37×A42+0.32A43

(4)

重點城市金融風險總指數(shù)：

Jp=0.31×Fp1+0.23×Fp2+0.28×Fp3+0.18×Fp4

(5)

在(1)—(5)式中，A11-A43為通過確定映射參數(shù)臨界值、設置轉換函數(shù)等方式處理得到的指標值。

2.解釋變量

我們選取的核心解釋變量包括重點城市房地產負債率、它的平方項以及它與金融風險指數(shù)的交乘項，這樣可以考察二者之間的相互關系,詳見表1。

表1 模型中各變量一覽表

同時，為了有效控制不同重點城市之間經濟文化等方面的差異對金融風險指數(shù)形成的影響，本文還選取了一些控制變量,并將其分為三個層次：一是重點城市的經濟和金融層次，主要包括各重點城市的人均GDP(gdp)、首套房平均借貸利率(dkll)、城市財政收入(czsr)；二是重點城市的住房發(fā)展層次，主要包括新增住宅投資額(xztz)和住宅銷售價格(xsjg)；三是重點城市的社會環(huán)境，主要包括城鎮(zhèn)化率(czh)。

(四)模型構建

由于本文采取的是70個重點城市的面板數(shù)據(jù)，這70個重點城市之間可能存在經濟文化等方面的差異，如果在實證分析中忽略了這種異質性，有可能形成嚴重偏誤。參考張曉晶的做法[10]，使用雙向固定效應模型可以較好地處理以上異質性問題，并且可以較好地控制時間效應和個體效應，因此本文的基準回歸模型選取雙向固定效應模型。

本文針對住房金融化與重點城市金融風險之間的影響機制，設定如下模型：

jrfxit=αi+ζkerit+ψconit+int+εit

(6)

kerit=[gglit,gglit2,gglitjrfxit]

(7)

conit=[xztzit,xsjgit,gdpit,dkllit,czsrit,czhit]

(8)

在(6)—(8)式中，t代表年份，i代表不同的重點城市，jrfxit代表重點城市的金融風險指數(shù)，kerit代表模型中的核心解釋變量，conit代表可能對重點城市金融風險指數(shù)產生影響的控制變量，int代表個體效應，εit代表誤差項。

在數(shù)據(jù)來源方面，本文選取2000—2019年70個重點城市為研究樣本。由于作者測算的70個重點城市金融風險指數(shù)的數(shù)據(jù)未出現(xiàn)異常值，因此這些數(shù)據(jù)都被保留了下來。在實證分析中，我們選取重點城市金融風險指數(shù)作為被解釋變量。

參考李嘉等做法[9]，重點城市房地產杠桿率可以用作衡量重點城市住房金融化的核心解釋變量，而鑒于各城市房地產杠桿率的數(shù)據(jù)難以搜集到，而且從微觀視角上，杠桿率的數(shù)據(jù)與負債率(房地產企業(yè)負債/房地產企業(yè)資產)的數(shù)據(jù)較為接近，因此我們可以使用重點城市房地產負債率作為代理變量。在(7)式中，我們選取的核心解釋變量包括重點城市房地產負債率，它的平方項，以及它與金融風險指數(shù)的交乘項，這樣可以考察二者之間的相互關系。

四、實證分析過程

(一)描述性統(tǒng)計

表2為模型的描述性統(tǒng)計，從中可以看到，金融風險指數(shù)(jrfx)的均值為28.539，最小值為16.008，最大值為49.284，說明不同重點城市的金融風險指數(shù)存在較大差異，部分城市存在較高的金融風險。房地產杠桿率(ggl)的均值為76.085，最小值為47.723，最大值為92.328，表明不同重點城市住房金融化的差異較大。

表2 模型的描述性統(tǒng)計

(二)基準回歸

在設定好模型和選擇好變量之后，我們就可以使用雙向固定效應模型做基準回歸。表3是使用雙向固定效應模型對重點城市金融風險指數(shù)的回歸結果。由于在使用雙向固定效應模型需要考察時間趨勢變量，因此在模型中我們控制了不同重點城市在某時間段內經歷的共同沖擊，即年度啞變量。模型1-6分別加入不同控制變量，或使用不同的樣本進行分析。

從表3第(1)列的回歸結果看，重點城市房地產杠桿率整體上對金融風險指數(shù)呈正向促進作用。從(2)—(3)列的回歸結果看，當在回歸模型中加入平方項或交乘項時，房地產杠桿率的符號顯著為負數(shù)，而它與金融風險指數(shù)的交乘項、平方項均顯著為正數(shù)，這表明房地產杠桿率與金融風險指數(shù)之間的關系并非線性的，而是呈先下降后上升的U型關系。

從第(4)列可以看出，變量新增住宅投資額與城鎮(zhèn)化率對金融風險指數(shù)的影響并不顯著。為了避免房地產杠桿率與金融風險指數(shù)的交乘項可能產生的非線性影響，我們使用第(4)列的回歸結果，大致可以判斷出拐點位置(0.3691/(2*0.0025)=73.8%)。

從(5)—(6)列分樣板數(shù)據(jù)的回歸結果看，這種U型關系更為明顯：當ggl≥74%時，重點城市房地產杠桿率對金融風險指數(shù)的影響顯著為正，而且回歸系數(shù)的數(shù)值，即影響力度也較大；當ggl<74%時，重點城市房地產杠桿率對金融風險指數(shù)的關系為負值，但是影響力度與顯著性均出現(xiàn)明顯下降。從整體樣本數(shù)據(jù)看，由于重點城市ggl≥74%的數(shù)據(jù)相對較多，因此房地產杠桿率整體上對金融風險指數(shù)呈正向促進作用，這與(1)列的回歸結果相吻合。

此外，從表3的回歸結果來看，人均GDP與金融風險指數(shù)之間呈顯著負相關關系，住宅銷售價格與金融風險指數(shù)之間呈顯著正相關關系，以上回歸結果也較為符合經濟學直覺。同時，新增住宅投資額、首套房平均借貸利率與城鎮(zhèn)化率均與金融風險指數(shù)之間的關系不顯著。

表3 使用雙向固定效應模型對重點城市金融風險指數(shù)的回歸結果模型

(三)穩(wěn)健性和內生性檢驗

本文采用以下方式進行穩(wěn)健性和內生性檢驗。

1.穩(wěn)健性檢驗

首先，為了驗證U型曲線的合理性，本文首先在基準回歸中增加重點城市房地產杠桿率的三次項(ggl3)，回歸結果顯示，變量ggl3的回歸系數(shù)并不顯著，而重點城市房地產杠桿率及其平方項的回歸系數(shù)與顯著性并未發(fā)生實質性變化。同時，我們將樣板數(shù)據(jù)進行2%的winsor縮尾，再次進行實證檢驗，實證結果顯示，重點城市房地產杠桿率及其平方項的回歸系數(shù)與顯著性也未發(fā)生實質性變化，以上實證結果表明本文的假設是穩(wěn)健的(限于篇幅，穩(wěn)健性檢驗結果不再詳細展示)。

2.內生性檢驗I：引入外生沖擊

為了防止模型出現(xiàn)內生性問題，本文將從兩方面進行內生性檢驗，即引入外生沖擊和使用工具變量法。首先，上證指數(shù)從2015年6月至2016年1月之間出現(xiàn)了一輪暴跌，這次暴跌也被人們稱為“股災”。由于“股災”對于重點城市住房金融化是外生的，即股市崩盤與重點城市住房金融化之間不存在邏輯關系。因此，本文嘗試將“股災”作為一項準自然實驗，使用廣義雙重差分模型對住房金融化與重點城市金融風險之間的關系再次進行檢驗。該檢驗的邏輯為，由于“股災”對一些房地產企業(yè)持有的金融資產形成沖擊，由此導致的金融收益波動也會觸發(fā)金融風險，但是由于不同房地產企業(yè)持有金融資產的占比不同，因此它們引發(fā)的金融風險程度也存在較大差異。

在實證分析中，本文以住房金融化的程度為分類標準，將U型曲線右側(即ggl≥74%)的樣本數(shù)據(jù)設定為實驗組，treat賦值為1；將U型曲線左側(即ggl<74%)的樣本數(shù)據(jù)設定為控制組，treat賦值為0。住房金融化程度較高的城市可能由于金融收益波動受到的沖擊更大，因此理論上它們引發(fā)的金融風險也會顯著提升。在時間選取上，本文選取2015年前后兩年的數(shù)據(jù)，即2013-2014年的time賦值為0，2015-2016年的time賦值為1。廣義雙重差分模型設定為以下形式：

jrfxit=β0+β1post×treat+βjconit+int+εit

(9)

表4是使用廣義雙重差分模型(DID)，并分別使用OLS和FE兩種方法回歸的結果。

表4 使用廣義雙重差分模型(DID)的回歸結果

由表4可知，time×treat項的系數(shù)顯著為正，表明住房金融化程度越高的城市引發(fā)的金融風險越大，進而驗證了本文的假設。

3.內生性檢驗II：使用工具變量

除了引入外生沖擊之外，本文還使用工具變量法進行內生性檢驗。由于傳統(tǒng)意義上的工具變量很難尋找，本文選取重點城市房地產杠桿率的滯后一期(gglit-1)為工具變量，并且使用兩階段最小二乘法(2SLS)進行估計，這樣可以有效緩解模型中可能由于遺漏變量或者反向因果而導致的內生性問題?；貧w結果見表5。

在表5中，變量gglit-1表示重點城市房地產杠桿率的滯后一期，gglit-12表示其平方項，gglit-1jrfxit表示它與金融風險的交乘項。從表5可以看出，核心解釋變量房地產杠桿率的滯后一期、其平方項、交乘項的系數(shù)符號和顯著性均沒有發(fā)生實質性變化。同時，在第一階段回歸的結果中，變量gglit-1均為顯著，并且對應模型F值的數(shù)值較大，這表明該變量并非弱工具變量。以上分析表明，本文實證模型的結果是穩(wěn)健的。

表5 使用工具變量法(IV)的回歸結果模型

五、傳導機制檢驗

根據(jù)上文分析，住房金融化引致重點城市金融風險的傳導渠道主要包括銀行償付能力、土地投資和金融工具渠道，在做完實證檢驗之后，我們需要對以上傳導機制進行進一步檢驗。阿塞莫格魯?shù)日J為，當模型加入了中介變量，核心變量的顯著性或系數(shù)出現(xiàn)了明顯下降，或者由顯著變?yōu)椴伙@著，就可以認為中介變量的作用是顯著的[11]。由此，我們將引發(fā)傳導機制的中介應模型設定為如下形式：

jrfxit=α0+ζ0gglit+ψ0conit+int+εit

(10)

jrfxit=λ0+λ1gglit+λ2zjit+λ3conit+int+vit

(11)

在(11)式中，zjit表示中介變量，可以代表以上三種渠道。

在中介變量的選取上，我們選取銀行不良貸款率作為銀行償付能力渠道的中介變量，選取土地價格作為土地投資的中介變量。由于金融工具渠道的中介變量的選取有一定難度，我們統(tǒng)計了目前A股中123家房地產公司的可出售金融資產，雖然這123家房地產公司的注冊地址僅包含22個重點城市：北京、上海、深圳、西安、寧波、天津、昆明、南寧、大連、成都、長春、武漢、福州、吉林、南京、廣州、杭州、合肥、溫州、濟南、海口、蘇州。但也反映出了房地產公司使用金融工具的方式和程度。

表6 傳導機制檢驗

表6是我們對傳導機制檢驗得到的回歸結果。在表6中，(1)為基礎回歸方程，(2)-(4)則分別加入了三個不同的中介變量。在回歸結果中，三個不同的中介變量bldk(不良貸款率)、tdjg(土地價格)和jrzc(金融資產)均為顯著，而(2)中核心變量gglit的顯著性出現(xiàn)明顯下降，(3)—(4)中核心變量gglit由顯著變?yōu)椴伙@著，這表明以上三個傳導機制均成立。

六、對策建議

通過對住房金融化引致重點城市金融風險的傳導機制進行實證分析，我們發(fā)現(xiàn)傳導渠道主要包括銀行償付能力、土地投資和金融工具渠道，而且上述三個傳導渠道對重點城市金融風險的影響均是顯著的。為此，我們提出以下意見：

第一，推動重點城市房地產企業(yè)去杠桿。根據(jù)本文的實證發(fā)現(xiàn)，重點城市房地產杠桿率與金融風險指數(shù)之間關系的拐點值大約為74%左右，目前我國多數(shù)重點城市房地產杠桿率已經超過74%，即位于U型曲線的右側，這表明這些重點城市房地產杠桿率對金融風險指數(shù)呈正向促進作用。因此，管理層可以首先鼓勵資產規(guī)模較大的國企房地產企業(yè)去杠桿，然后通過示范效應鼓勵民營、中小房地產企業(yè)去杠桿，確保這些房地產企業(yè)可以達到銀保監(jiān)會發(fā)布的“三道紅線”新規(guī)的要求，這樣可以有效降低債務違約和金融風險。

第二，嚴控住房金融化引致重點城市金融風險的傳染效應。根據(jù)本文結論，住房金融化引致重點城市金融風險的傳導渠道主要包括銀行償付能力、土地投資和金融工具渠道，這些傳導渠道導致了嚴重的“灰犀?！憋L險。鑒于目前我國房地產業(yè)和金融業(yè)高度關聯(lián)的現(xiàn)狀，管理層應當規(guī)范各類信貸管理業(yè)務，嚴禁投機性資金、銀行理財資金等違規(guī)流入房地產行業(yè)，加強流動性風險、信用風險的管理，進一步提升房地產企業(yè)資產端和負債端的匹配度，并且完善土地供應制度，從銀行償付能力、土地投資和金融工具等渠道分別防控金融風險的傳染和溢出。

第三，繼續(xù)落實“房住不炒”的調控基調。根據(jù)研究發(fā)現(xiàn)，在本文的實證模型中，重點城市住宅銷售價格對金融風險也起到了正向促進作用。因此，從住房市場健康發(fā)展的視角看，管理層應當繼續(xù)落實“房住不炒”的調控基調，遏制重點城市的房價快速上漲。從長期而言，我國應當建立重點城市住房價格指數(shù)監(jiān)控系統(tǒng)，將該指數(shù)監(jiān)控系統(tǒng)與居民消費指數(shù)、通貨膨脹指數(shù)等綁定在一起，并且開發(fā)和完善錨定市場價格和基于市場完備信息的住房市場宏觀調控工具。