房地产企业资本结构对股价波动的传递效应分析

王虹，唐媛媛

［摘要］ 中国房地产企业资本结构长期处于高负债、高杠杆状态。在二十余年的房地产高速发展过程中，高杠杆风险长期被忽视，甚至被认为是房地产企业发展的固有模式。在结构化GARCH模型中引入资本结构因素，检验房地产企业资本结构对股价波动的传递与溢出效应。研究发现：中国房地产市场具有结构化特征，杠杆乘数与股价波动具有同步性；过高的负债水平并不会提升房地产企业的规模效应，反而会抑制股票收益率的增长。

［关键词］ 房地产企业；资本结构；股价波动；结构化GARCH模型

［中图分类号］  F275．6［文献标识码］ Ａ［文章编号］ 1008-1763（2024）02-0068-08

An Analysis of Transmission Effect of Capital Structure on Stock Price Fluctuation of Real Estate Enterprises： Based on the Structured GARCH Model

WANG Hong， TANG Yuanyuan

（Business School， Sichuan University， Chengdu610065， China）

Abstract：The capital structure of China's real estate enterprises has been in a state of high debt and high leverage for a long time. In the process of rapid development of real estate for more than 20 years， the high leverage risk has been ignored， and it is even considered as the inherent model of the development of real estate enterprises. The capital structure factor is introduced into the structured GARCH model to test the transmission effect of the capital structure of real estate enterprises on stock price fluctuation. The results show that China's real estate market has structural characteristics， and the leverage multiplier is synchronized with the stock price fluctuation. Excessive debt level will not improve the scale effect of real estate enterprises， but will inhibit the growth of stock returns.

Key words： real estate enterprises; capital structure; stock price fluctuation; structured GARCH model

一引言

二十多年來，房地产业作为国民经济的基础性和先导性产业，是扩大社会投资规模、完善基础设施、提高居民消费水平、推动国内经济增长的重要力量。随着社会需求增加、房价上涨及社会融资规模的扩大，房地产企业通过信用贷款、银行垫付、购买者预付、供应链金融等杠杆方式，在少量自有资金条件下启动房地产项目，增加资金的周转次数、加快周转速度，从而获取高额利润[1]。但在加速发展的同时，我国房地产行业资本结构长期处于不合理状态，其平均资产负债率已经仅次于银行和非银行金融业[2]。通过外源融资高杠杆手段实现的规模扩张，房地产企业积累了较高的财务杠杆和债务风险[3]，一旦资金链断裂引发流动性危机和信任危机，既可能对房地产企业上下游产生冲击，也可能导致房地产股票市场剧烈波动。截至2023年5月，已有64家上市房地产企业发生债务违约或债务展期，占上市房企总数的近三分之一[4]。2022年中央经济工作会议指出，要“有效防范化解优质头部房企风险，改善资产负债状况”。2023年中央经济工作会议再次指出，2024年要积极稳妥化解房地产风险，促进房地产市场平稳健康发展。房地产企业高债务风险关系证券市场稳定和国民经济良好发展，因此关注房地产企业资本结构调整问题既具有紧迫性又具有现实意义。

房地产市场发展与金融市场关系密切，国内外多次危机经验表明，房地产市场泡沫和股市剧烈震荡之间具有紧密的关联性[5]。基于中国的房地产市场和股票市场，大多数研究证实二者间的关联性主要通过房价变动对股价波动的影响体现出来[6，7]。并且，房市对股市的影响具有显著的时变特征和动态特征。如林众和林相森发现短期内房市对股市会产生较为显著的替代效应，而长期内房市与股市不存在稳定关系[8]。李增刚和杜舒康发现在2014年中国经济进入“三期叠加”新阶段后，房地产市场与股票市场由正向联动为主转为负向联动为主[9]。还有部分研究认为房价与股价在经济发展中存在相互作用和影响。如刘璐等研究发现房价提升促使信贷收紧，对股价短期波动影响显著；股价上升会拉升信贷，对房价也有拉升作用[10]。黄义及蒋彧等认为两个市场之间存在显著的双向波动溢出效应[11，12]。

多数研究采用格兰杰（Granger）因果检验和向量自回归（VAR）模型对中国房地产市场与股票市场的关系进行研究[13，14]，但这些方法主要考察两个市场间的静态效应[12]。学者们逐步证实GARCH模型对股票市场数据具有较强的适用性[15，16]，并开始运用该模型研究两个市场间的动态特征。如李增刚和杜舒康运用DCC-MGARCH模型提取动态条件相关系数考察房股联动效应[9]。张浩等采用三元GARCH和BEKK时序模型研究人民币汇率、房价和股价之间的动态影响关系及波动风险互动机制[17]。

通过文献回顾可以发现：第一，从研究视角来看，现有研究主要探讨房价变动对股价波动的影响，且研究结论尚不统一，较少考虑到房地产企业自身资本结构对股价波动的影响。第二，从研究目的来看，现有研究主要关注房地产企业股价波动的影响因素，没有立足于房地产企业资本结构这一内在因素探讨房地产企业股价波动的来源问题。第三，从研究方法来看，现有研究主要采用西方成熟的格兰杰因果检验和向量自回归模型，但这些方法对两个市场间的动态关系和时变特征的刻画存在一些不足。房地产企业的资本结构问题是否会传递到其股价，股价波动的内在原因是什么，高负债资本结构能否增加房地产企业价值并为股东带来溢出效应，这些问题值得进一步探讨。

GARCH模型能够充分刻画股票收益率的波动性集聚特征，结构化GARCH模型将公司资产负债因素纳入股市波动的测度范围，能够更好地解释股价波动的来源问题。本文通过改进的结构化GARCH模型探讨资本结构对股价波动的传递效应，并进一步检验资本结构对股票收益率的溢出效应。本文研究有望为中央去杠杆化政策执行、房地产市场资金管控和房地产企业资本结构调整提供理论依据，对保持房地产市场和股票市场的稳定繁荣和有序发展有启示作用。

二房地产企业资本结构对股价波动传递效应的理论分析

首先，房地产企业通过向银行获取信贷资源、向购房者收取预付款等高杠杆、高负债手段实现规模扩张，吸引投资者积极购房、买入股票，从而推动房价和股价上涨。信贷扩张效应和财富效应可以在一定程度上解释房地产市场和股票市场呈现出的正均值溢出现象[12，18]。从房地产企业融资特征看，信托贷款、委托贷款等“影子银行”的出现，使得信贷资金向房地产市场快速转移。通过增加信贷杠杆的方式扩大生产经营规模，房地产企业在房价快速上涨过程中获取了高额利润。站在投资者角度，投资者的逐利天性会使其将资金从收益低的市场流向高收益市场[8]。房地产企业高速发展使得投资者对房地产行业的发展前景持乐观预期，进而会积极买入股票推动房地产企业股价上涨[9]。房地产市场繁荣同样会刺激消费者的购房需求。财富效应认为，房价上涨提升人们对未来经济形势的预期，从而增加对房地产和股票的投资支出。消费者通过向银行等金融机构贷款的方式进行房地产投资，导致大量金融资本从供给端和消费端注入房地产行业，进一步推动了房价和股价的上涨。

其次，随着房地产市场的扩张，银行信贷规模增大、合同负债暴涨，房地产企业偿债压力不断加大，爆发债务风险的概率上升。信贷资产价格泡沫（AG）模型认为自有资金是资产基础价值的体现，而信贷扩张会形成泡沫，信息不对称、风险偏好等可能推动泡沫扩大直至破裂，最终导致资产价格崩盘。因此，房地产企业以获取信贷资源为主的金融性负债扩张模式，容易催生股市泡沫，引起股票市场波动。此外，在中国期房销售模式下，房地产企业可以向购房者预收售房款，这在会计上被定义为合同负债。房地产企业的建造及购房者的购买都需要通过向银行等金融机构贷款的方式进行，这就导致房地产企业积累大量合同负债。只有当房地产企业履行完按期交付房产给购房者的合同约定义务时，合同负债才能真正确认为房地产企业的收入。

再次，近年来房地产调控政策同时遏制了房地产企业负债扩张规模和购房者投机需求。“三道红线”督促房地产企业降低资产负债率、保持合理资本结构。限购、提高首付比例、增税、房價回调等“房住不炒”措施，从需求端抑制了购房投机需求[5]，使得房地产企业通过合同负债方式维持资金周转和生产运营手段受限。房价增速与销售回款放缓、资金流动性变弱，房屋不能按期建成交付给购房者，此前积累的合同负债可能会严重透支公司现金，给房地产企业带来资金链断裂风险。

最后，在高负债、高偿债压力，加之中央政策调控外部冲击之下，房地产企业资本结构风险因素最终传递到了公司股价。房地产市场疯狂扩张之后的过度杠杆会形成资产泡沫，企业财务风险上升。“三道红线”约束有息负债增速、“房住不炒”导致成交量下滑，银行信用贷款和客户商业信用同时受限，房地产企业偿债压力进一步加大。一旦房企资金链断裂，高杠杆将引发流动性危机、加剧财务风险，信任危机蔓延至供应商、银行甚至客户，最终将反映于房地产企业的股价，影响股东权益。

三结构化GARCH模型的演变及构建

（一）结构化GARCH模型演变

Merton模型通过风险中性的假定揭示公司负债与资产的关系，初步解释资本结构与公司债券的关系，讨论了公司的违约风险[19]。在Merton模型中，采用公司市值替代了不可观测的公司资产。Merton模型虽然简单易实现，但低估了债券收益率利差。后续学者们基于BSM期权定价的思想，用改进的Merton模型研究了公司资产价值、资产与负债关系及资本结构等问题[20]，这些模型被统称为结构化模型。结构化模型认为股票波动率不变，不符合股票波动率“时变聚集”的特征。GARCH模型可以充分刻画资产收益率的动态性特征。由于股票收益率不服从正态分布，GARCH模型能够捕获股票收益率的诸多重要经验特征事实，如厚尾边缘分布和波动率聚类，且该模型结构简单、参数估计相对容易，具有良好的波动率预测效果。但GARCH模型仅针对数据建模，没有说明股票波动率的来源。Engle和Siriwardane通过建立结构化GARCH模型，发现股票波动率来源于资产价值波动和资产负债的杠杆乘数，并对市场风险重新进行了测度与控制[21]。本文改进结构化GARCH模型，以中国房地产企业为研究对象，探讨房地产企业资本结构与股价波动的关系。

（二）结构化GARCH模型构建

Merton模型认为，持有上市公司股票的投资者理应获得超额权益，即公司资产减去负债所得权益。股权就等于以公司债务为执行价格、以公司资产为标的的买入期权。因此本文把股权价值定义为公司资产和债务的函数：

Et=f（At，Dt，σA，t，τ，rt）（1）

在模型（1）中，f是未知的买权函数，At为资产市值，Dt为未偿债务账面价值，σA，t为资产随机波动率，τ为债务期限，rt为t时刻年化无风险利率。同时，定义资产及其波动率满足一般的随机过程：

dAtAt=μA（t）dt+σA，tdBA（t）

dσ2A，t=μv（t，σΑ，t）dt+σv（t，σA，t）dBv（t）（2）

在模型（2）中，dBA（t）为标准的布朗运动，表示公司资产收益的随机冲击；σA，t为公司资产时变的资产波动率；dBv（t）表示公司资产波动率的冲击。

把模型（1）看成一个随机过程，使用伊藤引理对其微分，得到股票的瞬时收益率为

dEtEt=ΔtAtDtDtEtdAtAt+vtEtdσA，t+12Et2fA2td（A）t+

2f（σA，t）2d（σfA）t+2fAσA，td（A，σA）t（3）

在模型（3）中，Δt=fAt是期权定价中的“delta”，vt=fσA，t是期权的“vega”，d（X）t表示二阶项。考虑到上市房地产企业的债务期限较长，假设τ无限大。同时假设无风险利率为常数。所有的二阶项都与时间微分同阶，即二阶项为O（dt），因此所有二阶项记为q（At，σA，t;f）dt，这里q是一个未知的函数。

假设买权对所有股票是同质的，即不同股票的买权函数形式相同。由于公司资产难以观测，且期权价格齐性（即单位资产的期权价格相同），假设模型（1）对资产的反函数为：

AtDt=g（Et/Dt，1，σA，t，τ，rt）

≡f－1（Et/Dt，1，σA，t，τ，rt） （4）

本文将资本结构量化为总负债与总资产市值的比值，总资产市值等于股权价值与总负债之和。由于我国股票市场同时存在着流通股与非流通股（限售股），本文将股权价值定义为流通市值与非流通股权价值之和。于是将模型（4）改为模型（5）：

AtDt+Et=g［Et/（Dt+Et），1，σA，t，τ，rt］

≡f－1［Et/（Dt+Et），1，σA，t，τ，rt］ （5）

同时，将模型（3）改为模型（6）：

dEtEt=ΔtAtDt+EtDt+EtEtdAtAt+vtEtdσA，t+

12Et2fA2td（A）t+2f（σA，t）2d（σfA）t+

2fAσA，td（A，σA）t （6）

将模型（5）代入模型（6）中，对收益率化简得到模型（7）：

dEtEt=Δtg［Et/（Dt+Et），1，σA，t，τ，rt］Dt+EtEtdAtAt+vtEtdσA，t+q（At，σA，t;f）dt=LM［Et/（Dt+Et），1，σA，t，τ，rt］dAtAt+vtEtdσA，t+q（At，σA，t;f）dt（7）

令Δtg［Et/（Dt+Et），1，σA，t，τ，rt］Dt+EtEt=LM［Et/（Dt+Et），1，σA，t，τ，rt］

称LM［Et/（Dt+Et），1，σA，t，τ，rt］为杠杆乘数，模型（7）反映了公司资产收益与股票收益的关系。

对模型（2）使用伊藤引理，得到模型（8）：

dσA，t=μv（t，vt）2σA，t-σ2v（t，vt）8σ3A，tdt+

σv（t，vt）2σA，tdBv（t）=s（σA，t;μv，σv）dt+σv（t，vt）2σA，tdBv（t）（8）

將模型（2）和模型（6）代入模型（5）中，得到模型（9）：

dEtEt=［LMtμA（t）+s（σA，t;μv，σv）+q（At，σA，t;f）］dt+LMtσA，tdBA（t）+vtEtσv（t，σA，t）2σA，tdBv（t）（9）

考虑到长期收益的均值回复特点，忽略掉漂移项得到模型（10）：

dEtEt=LMtσA，tdBA（t）+vtEtσv（t，σA，t）2σA，tdBv（t）（10）

波动率模型通常含有均值回复的特点，比债务期限更短，资产波动率的累积实际上可以看成常数，第二项中的“vega”接近于0，因此得到模型（11）：

dEtEt=LMtσA，tdBA（t）

voltdEtEt=LMtσA，t（11）

Engle和Siriwardane建立结构化GARCH模型[21]：

rE，t=LMt－1rA，t，rA，t=hA，tεA，t

hA，t=ω+αrE，t-1LMt-22+β hA，t－1（12）

在模型（12）中，rE，t为房地产企业的股票收益率，LMt为杠杆乘数，rA，t为房地产企业的资产收益率，εA，t为随机扰动项。由于金融市场信息具有不完全性和滞后性，杠杆乘数LM需要统一滞后一期。杠杆乘数LMt的计算见模型（13），其中gBSM是BSM方程中期权价格f的反函数。

LMt=

ΔBSMtgBSM（Et/（Dt+Et），1，σfA，t，τ）Dt+EtEtφ（13）

当φ=1时，模型（12）为完全杠杆乘数的结构化GRACH模型。当φ=0时，模型（12）演变为GARCH（1，1）模型。当φ∈（0，1）时，资本结构对股票价格波动的影响程度由参数φ的大小决定，从资本结构角度解释了股票价格波动的原因。当φ<0时，股票价格波动与资本结构变动背离，表明公司存在潜在财务风险。当φ>1时，资本结构波动会加剧股票价格波动，杠杆效应增大。

由于本文旨在利用结构化GARCH模型，研究资本结构变化与股价波动的关系，因此需要对模型重新估计并推算出杠杆乘数。无风险利率选取中国银行同业拆借利率，使用GARCH模型拟合资产波动率σfA，t，利用BSM方程计算出期权价格f：

f=PN（d1）-X exp［-r（τ）］N（d2）（14）

在模型（14）中，d1和d2分别为BSM方程中正态分布的累积分布函数的分位点，τ为期权的到期期限。由于中国股票市场设有涨停板限制制度，因此设置执行价格的下限为X=0.9P，到期日最长为30个交易日，τ∈［1，30］。在实际运算中，本文发现选定不同执行价格与到期日，不会对最终的估计结果产生本质影响，结构化参数具有一定的齐性。在选取一系列不同的执行价格与到期日时，参数的估计结果没有发生显著变化。目前市场上的股票期权价格并不完善，因此使用房地产上市公司股票价格按照通常的BSM方程及计算出的理论的股票期权价格，并得到股票的delta值：ΔBSMt－1=Δf/ΔP，进而计算出期权价格的反函数，如模型（15）所示：

f-1t-1=At-1Dt-1+Et=

Et-1/（Dt-1+Et）+e-rτN（d2）N（d1）=gBSM［Et-1/（Dt-1+Et），1，σfA，t-1，τ］（15）

最后计算出杠杆乘数LMt。由于股票数据为日度数据，而资产负债为季度数据，所以数据频率不一致。因此本文建立利率期限结构来构造贴现因子对数据进行拟合。假设贴现因子是到期期限的连续的分段函数。即在利率期限结构中将利率曲线分成各段，分别应用多项式样条插值、指数样条插值、B样条插值、光滑样条插值或VRP方法进行插值，使数据频率匹配。由于不同的插值方法的估计结果差异较小，故本文对负债进行线性插值，使得负债数据与收益率数据相匹配。对模型使用极大似然法进行参数估计，对数似然函数的计算如模型（16）所示：

log（L）=

-12∑Tt=2log（2π）+log（LM2t-1hA，t）+（rE，t）2LM2t-1hA，t（16）

四房地产企业资本结构对股价波动传递效应的实证检验

资本结构攸关企业偿债能力和再融资能力，杠杆乘数可以反映企业资本结构的优劣。杠杆乘数越大，企业财务风险就越高。股票收益率是衡量股价波动、反映股票市场整体趋势的重要指标之一。本文以杠杆乘数衡量资本结构，以股票收益率作为股价波动的代理变量，实证检验房地产企业资本结构对股价波动的传递效应。

（一）保利地产结构化GARCH模型估计

本文选择保利地产（600048）作为研究对象，样本区间为2006年12月29日至2020年3月31日，从Wind数据库中获取关于企业资产负债及股票日收益率的数据。从图1可以看出，保利地产的股票收益率分別在2008年3月至6月、2015年6月至9月出现了剧烈的波动，说明在该期间股票价格波动幅度较大。从图2可以看出，保利地产的杠杆乘数在对应的两个时间段也呈现出相同的波动趋势，表明保利地产资本结构变动表现出与股价波动的同步性，且杠杆乘数放大了股票价格的波动。

基于一般GARCH模型和结构化GARCH模型，本文使用MATLAB2016a软件，分别对保利地产股票收益率进行参数估计。在表1中，只有一般GARCH模型截距项ω不显著，而该项并无实际意义。其他参数的统计量均大于临界值1.96（显著性水平为5%）。一般GARCH模型与结构化GARCH模型中相同参数的估计结果相差不大，都从数据角度解释了股价波动聚集的特点。但结构化GARCH模型的对数似然函数取值较大，反映出结构化GARCH模型比一般GARCH模型具有更好的数据拟合能力。进一步地，反映杠杆效应的结构化参数φ=0.8967，说明保利地产的资本结构变动会较明显地影响其股票价格波动，该结果在一定程度上解释了保利地产股票价格波动的来源。

（二）上证地产指数结构化GARCH模型估计

保利地产结构化GARCH模型的估计仅反映单一房地产企业资本结构与股价波动的关系。为从整体上探讨房地产市场的资本结构对股票市场的影响，本文选择在上海证券交易所挂牌上市的、股票市值排名前10的房地产指数作为上市房地产企业的综合代表，选取指数数据的时间范围为2009年9月30日至2020年3月31日。从图3可以看到，在2015年6月至9月期间，上证地产指数收益率经历了比较大的波动。从图4可以看到，房地产企业杠杆乘数在该期间也呈现出急剧变化的趋势，表明反映企业财务杠杆状况的杠杆乘数与股价波动具有同步性。

本文使用MATLAB2016a软件，对上证地产指数收益率进行GARCH模型的参数估计。在表2中，估计参数的t值均大于临界值1.96（显著性水平为5%）。一般GARCH模型与结构化GARCH模型中相同参数的估计结果相差不大。但结构化GARCH模型的对数似然函数取值较一般GARCH模型更大，反映出结构化GARCH模型的拟合效果更好。反映杠杆效应的结构化参数φ=0.1730，尽管该值比保利地产个股（φ=0.8967）要小，但从整体来看房地产行业的财务杠杆水平会充分影响股票价格波动，房地产企业资本结构变动是房地产行业股票价格波动的一个诱因。

通过对保利地产和上证地产指数的实证分析，本文发现结构化GARCH模型在一定程度上解释了上市房地产企业股价波动的来源，房地产企业资本结构的变动会对其股票价格波动产生传递效应。同时，结构化GARCH模型的拟合效果及估计结果要优于一般GARCH模型，反映出房地产市场具有一定的结构化特征。

（三）资本结构对股票收益率的溢出效应分析

房地产企业通过项目抵押贷款、信用贷款、债券发行、供应商垫付、购买者预付等以单一资产为标的、通过多重负债增加杠杆倍数，辅以房价增长阶段的快速销售，从而增加资金的周转次数、加快周转速度，实现规模扩张。短期来看，高财务杠杆带来的风险收益可能增加股东价值。但长期看，高杠杆导致的风险积聚使企业财务缺乏韧性，对现金流转和持续经营能力的挑战越来越大，最终对股东价值产生负面影响，甚至可能因个别债务清偿受限产生多米诺骨牌效应。特别是在“三道红线”去杠杆化政策背景下，“红线企业”融资能力受限、偿债压力快速上升，资金链断裂引起的信用崩盘将快速传递导致股价崩盘。上文利用改进的结构化GARCH模型证实了房地产企业资本结构变动，尤其是负债规模的增减，是引起股价波动的重要原因之一。鉴于资本结构合理与否是衡量房地产市场是否有序发展的重要指标，本文进一步检验资本结构对股票收益率的溢出效应，参照因子模型，建立回归模型（17）。

rE，t－rA，t=a+b×DtDt+Et+c（rM，t－rf）+

d ln St+et   （17）

其中，rE，t-rA，t反映房地产企业股票超额收益率。Dt为房地产企业负债总和，Dt+Et为房地产企业市值总和。为了避免内生性问题，引入了控制变量市场超额收益率rM，t－rf和市场总规模St。上述数据均使用2009年9月30日至2020年3月31日期间股票市值排名前10的上证地产指数的数据计算，对模型（17）主要变量进行ADF检验，结果显示各变量都是平稳的。

表3列示了上证地产指数资本结构（用债务市值比量化）对股票收益率溢出效应的估计结果。回归结果显示，债务市值比与股票超额收益率在1%的水平上显著负相关。债务市值比越高，房地产企业的财务杠杆越大，财务风险越高，房地产企业股票的表现可能会更差。上述结果表明，过高的负债水平可能并不会提升房地产企业的规模效应，反而会抑制股票收益率的增长。房地产企业应当把杠杆率降低到有效防范风险的阈值内，避免因杠杆率过高引致财务风险集中发生，最终导致股票价格异常波动。

五结论与启示

在中国房地产行业债务危机频发、中央去杠杆化政策背景下，本文选择上海证券交易所的房地产企业作为研究对象，利用改进的结构化GARCH模型，探讨房地产企业资本结构对股价波动的传递与溢出效应，结论如下：第一，通过保利地产的个案研究发现，杠杆乘数表现出与股价波动的同步性，杠杆乘数放大了股票价格的波动。第二，以上证地产指数为基准拟合的结构化GARCH模型再次验证，房地产企业资本结构变动是房地产行业股票价格波动的一个诱因。第三，通过资本结构对股票收益率的溢出效应进行分析，发现债务市值比与股票超额收益率显著负相关，说明过高的债务水平不会提升房地产企业的规模效应，反而会抑制股票收益率的增长。

基于研究结论，得到如下启示：

第一，房地产企业经营理念的转变要以稳定发展、风险控制为基本目标，控制自身财务杠杆水平，保持合理的资本结构。本文研究发现房地产企业高负债并不能带来规模效应，反而会抑制股票收益率增长，不利于为股东创造价值。房地产企业应转变以房价快速增长、消费者非理性抢购为基础的高杠杆扩张模式；注重杠杆风险管控，留出足够财务冗余度、保持财务适度弹性；将公司运营的重点由关注高杠杆扩张转变为按时、按质为消费者交付产品，以及在保持资金有序流动的基础上为股东创造价值。

第二，政府对房地产行业风险要“早发现、早管控”。房地产企业反复出现风险外溢的根本在于企业资本结构长期高位运行，抗风险能力低下。相关部门应严格控制房地产企业通过多种金融工具放大风险，从资本结构的源头出发，防范个体企业特别是超大型房地产企业的财务风险，维护房地产行业的稳定，同时也要防范房地产行业风险的外溢。

第三，金融监管部门要落实对房地产市场的穿透式管控，为政府监管提供数据支持。除定期对银行涉房贷款组织专项检查外，还应关注“影子銀行”等机构流入房地产市场的资金数量，从资金源头管控房地产企业资本结构与高杠杆风险。利用金融科技建立长效数据获取机制，实现对房地产市场负债规模的持续监控应是未来构建监管机制的核心目标。

［参考文献］

［1］陈享光，黄泽清.我国房地产价格变动的金融化逻辑[J].经济纵横，2017（12）：35-43+2.

[2]陈良华，叶茂然，迟颖颖.资本结构动态调整的目标资本结构优化研究——来自中国房地产上市公司的经验证据[J].东南大学学报（哲学社会科学版），2022（3）：31-39+146.

[3]万晓莉，张冰涛，张栋浩.去杠杆政策下房地产企业的销售分化及其对债务风险的影响[J].财贸经济，2023（8）：56-73.

[4]白彦军，鲁筱，叶剑平.房地产企业股权结构对债务风险的影响研究[J].财经问题研究，2023（9）：105-116.

[5]张云，刘芸，章逸飞.“房住不炒”政策的股市溢出效应——包含房产要素的动态均衡模型与资产定价研究[J].系统工程理论与实践，2022（4）：865-878.

[6]王晓明.银行信贷与资产价格的顺周期关系研究[J].金融研究，2010（3）：45-55.

[7]彭兴庭.我国房地产市场与股票市场的波动相关性研究[J].北京理工大学学报（社会科学版），2011（5）：39-43.

[8]林众，林相森.中国房地产市场与股票市场相关性的实证研究[J].统计与决策，2013（12）：133-136.

[9]李增刚，杜舒康.房股联动影响固定资产投资吗？——来自中国资产市场的经验证据[J].济南大学学报（社会科学版），2021（4）：100-114+159.

[10]刘璐，王晋斌，郝超鹏.信贷、房价、股价及GDP的关系——基于TVP-VAR方法的分析[J].金融论坛，2020（6）：11-22.

[11]黄义.股票市场与房地产市场波动溢出效应研究[J].统计与决策，2014（2）：127-131.

[12]蒋彧，李洁，王花.中国房地产市场与股票市场的双向溢出效应研究[J].上海经济研究，2021（6）：93-104.

[13]徐国祥，王芳.我国房地产市场与股票市场周期波动的关联性探讨[J].经济管理，2012（2）：133-141.

[14]逯进，刘芳燕，华玉飞.货币政策、股票价格与房价波动[J].统计与信息论坛，2023（1）：81-94.

[15]李成，马文涛，王彬.我国金融市场间溢出效应研究——基于四元VAR-GARCH（1，1）-BEKK模型的分析[J].数量经济技术经济研究，2010（6）：3-19.

[16]刘金全，解瑶姝.中国房地产市场与股票市场动态关联机制的实证检验[J].金融学季刊，2016（4）：76-92.

[17]张浩，韩铭辉，姚佳颖.外汇市场、股票市场与房地产市场的风险传染研究——基于三元VAR-BEKK-GARCH模型实证分析[J].运筹与管理，2020（7）：206-213.

[18]魏锋.中国股票市场和房地产市场的财富效应[J].重庆大学学报（自然科学版），2007（2）：153-157.

[19]Merton R C. On the pricing of corporate debt： the risk structure of interest rates[J].The Journal of Finance， 1974（2）：449-470.

[20]Leland H E， Toft K B. Optimal capital structure， endogenous bankruptcy， and the term structure of credit spreads[J].The Journal of Finance， 1996（3）：987-1019.

[21]Engle R F， Siriwardane E N. Structural GARCH： the volatility-leverage connection[J].The Review of Financial Studies， 2018（2）：449-493.