《房地產業(yè)與銀行業(yè)間的相互依存關系研究的國內外文獻綜述》9100字

房地產業(yè)與銀行業(yè)間的相互依存關系研究的國內外文獻綜述目錄TOC\o"1-2"\h\u18116房地產業(yè)與銀行業(yè)間的相互依存關系研究的國內外文獻綜述 1252981.1房地產業(yè)與銀行業(yè)相依關系的文獻綜述 117961（1）從宏觀層面研究兩行業(yè)相依關系的文獻綜述 119470（2）從微觀層面研究兩行業(yè)間關聯(lián)的文獻綜述 3264561.2關于市場間傳染機制研究的文獻綜述 46268（1）金融關聯(lián)理論相關文獻綜述 47737（2）行為金融理論的文獻綜述 669071.3文獻評述 811896參考文獻 9本文分別從房地產業(yè)與銀行業(yè)間相依關系，以及不同市場間傳染機制兩方面梳理、總結相關文獻，形成綜述。1.1房地產業(yè)與銀行業(yè)相依關系的文獻綜述目前關于房地產業(yè)與銀行業(yè)相依關系的研究大致可以分為宏觀和微觀兩個層面。（1）從宏觀層面研究兩行業(yè)相依關系的文獻綜述國內外學者從宏觀層面，以不同國家的房地產業(yè)與銀行業(yè)為研究對象，對兩行業(yè)間相依性以及風險溢出性進行了大量且充分的研究，證明房兩行業(yè)間存在顯著關聯(lián)：Richard[9]從國際視角出發(fā)探究房地產與銀行的關聯(lián)，結果發(fā)現(xiàn)兩者存在著顯著的關聯(lián)關系；Koetter和Poghosyan[10]以德國市場為例，探究房價變動如何影響銀行經營，結果表明當房價波動超出其基本價值時會造成銀行業(yè)的不穩(wěn)定；Ghosh等[11]研究房地產市場的有關信息與證券市場的關系，發(fā)現(xiàn)當房地產市場傳遞出消極信息時，證券價格會顯著下降，兩者之間存在顯著的正向關聯(lián)。從研究方法上看，早期關于兩行業(yè)的相關研究主要基于線性方法，如Granger檢驗、GARCH模型、VAR等（Guglielmo等[12]、文鳳華等[13]）。隨著研究的進一步深入，并且考慮到現(xiàn)實的金融市場變化是復雜的、非線性的，學者們將能夠捕捉時間序列非線性相依關系的Copula函數(shù)對兩行業(yè)進行研究。Copula模型最早由Sklar[14]提出，并對其定義及相關性質進行了證明；隨后，Copula方法被廣泛應用于研究不同時間序列的尾部依賴關系[15-17]；Zhou和Gao[18]采用Copula方法，研究了六個國家或地區(qū)房地產行業(yè)間的動態(tài)依賴關系，發(fā)現(xiàn)這六個市場的房地產行業(yè)間存在非線性尾部依賴關系，尤其是在2008年金融危機期間這種尾部依賴關系進一步增強；郭文偉和王禮昱[19]利用藤Copula函數(shù)對金融業(yè)間的溢出效應進行探究，發(fā)現(xiàn)銀行業(yè)對其他行業(yè)的風險溢出最強；江紅莉等[20]運用時變Copula函數(shù)探究了房地產業(yè)與銀行業(yè)間的尾部依賴，發(fā)現(xiàn)當整個市場表現(xiàn)不佳時，兩行業(yè)易產生共生風險；鐘明和郭文偉[21]通過SJCCopula函數(shù)探究房地產行業(yè)與銀行業(yè)之間的動態(tài)依賴關系及其結構突變，結果表明，兩行業(yè)間具有明顯的尾部依賴性，且這種尾部依賴性是持續(xù)存在的，此外，兩行業(yè)的尾部相依性呈現(xiàn)出非對稱和非線性特征，同時其考察了兩行業(yè)間的結構突變情況，發(fā)現(xiàn)在有關部門發(fā)布重大樓市政策的時間點前后，兩行業(yè)的尾部相關系數(shù)曲線通常會出現(xiàn)短期的突變點，也就是說兩行業(yè)在短期內對政策變化較敏感，但作者并沒有進一步探究兩行業(yè)的風險傳染關系和相關傳染機制。通過線性及非線性方法，眾多學者對不同國家、不同區(qū)域、不同時期的房地產業(yè)與銀行業(yè)相依關系進行探究，發(fā)現(xiàn)兩行業(yè)間存在較強的關聯(lián)性以及尾部非對稱性，基于此，學者們進一步對兩行業(yè)危機期間的風險溢出效應以及風險傳染特征進行研究。Pais和Stork[22]以澳大利亞市場為對象，研究風險在房地產行業(yè)及銀行業(yè)間的傳染，發(fā)現(xiàn)兩行業(yè)在金融危機期間發(fā)生風險傳染的概率顯著上升；曹潔和雷良海[23]對我國的情況進行分析，結果顯示，我國金融業(yè)與房地產行業(yè)間的關聯(lián)表現(xiàn)為時變的、非對稱的雙向風險溢出，且房地產業(yè)的溢出強度更高；姜堃[24]使用時變SJCCopula-CoVaR方法分析房地產業(yè)對銀行業(yè)以及其他金融行業(yè)風險溢出的程度和差異，發(fā)現(xiàn)其對銀行業(yè)的溢出效應最強，此外，房地產業(yè)對各個金融行業(yè)的風險溢出效應在危機事件前后具有較大差異；陳迅等[25]通過非線性方法研究在市場極端波動時期，房地產行業(yè)及銀行業(yè)間的風險溢出關系，發(fā)現(xiàn)在市場極端下行期間兩行業(yè)發(fā)生風險關聯(lián)的可能性更高；李程等[26]構建并計算我國金融壓力指數(shù)（FSI），研究發(fā)現(xiàn)長期內房價導致金融壓力增大主要是通過推高杠桿率來實現(xiàn)的；司登奎等[27]的研究同樣發(fā)現(xiàn)，房價上漲將增加杠桿率，對銀行產生風險溢出效應，最終導致金融市場的動蕩；戚逸康等[28]通過BEKK-GARCH模型探究房地產市場對整個股票市場的風險溢出，發(fā)現(xiàn)房地產市場風險聚集可能會導致波及整個股票市場，相關部門應當重點關注；任英華等[29]通過SRISK模型，檢測發(fā)現(xiàn)我國的各部門的風險溢出中房地產行業(yè)近幾年有上升的態(tài)勢，而銀行業(yè)作為長期的風險溢出部門始終占據(jù)主要地位；沈沛龍等[30]采用CoVaR方法探究我國房地產行業(yè)對資本市場系統(tǒng)性風險的貢獻度，發(fā)現(xiàn)與非危機時期相比，2008年金融危機期間我國房地產行業(yè)的系統(tǒng)性風險貢獻度更大。（2）從微觀層面研究兩行業(yè)間關聯(lián)的文獻綜述另一部分的研究主要基于微觀層面。作為典型的資本密集型行業(yè)，房地產市場價格與銀行信貸關聯(lián)異常緊密，銀行信貸債務網絡在危機期間會加劇風險在不同行業(yè)間的傳染，而房地產市場的極端下跌更是會引起銀行系統(tǒng)因風險爆發(fā)而失靈，甚至導致整個金融系統(tǒng)崩潰。因此，多數(shù)學者基于此對房地產價格與銀行信貸關聯(lián)方面展開研究。Gerlach和Peng[31]對香港資產價格與銀行信貸行為進行探究，發(fā)現(xiàn)銀行加強市場監(jiān)管以及施行更加嚴格的風控制度，可以防范房價波動對銀行系統(tǒng)的影響；Davis和Zhu[32]以17個國家為樣本探究房價與銀行信貸間關系，研究表明二者間為單向因果關系，房價的變動會影響銀行信貸投放量，而反之則沒有明顯影響；Charles和Boris[33]研究發(fā)現(xiàn)房地產行業(yè)和銀行業(yè)之間的關聯(lián)主要是基于二者高額的債務關系，因此房地產市場過快增長或者其泡沫過度累積會使風險在銀行體系不斷集聚造成銀行體系的負擔，甚至對國家經濟體系的安全造成潛在威脅；Crowe等[34]對2008年金融危機進行研究，結論表明當房市表現(xiàn)良好價格上漲時，大量資本涌入市場購買房屋資產，銀行會提升其杠桿率以適應市場，然而一旦房價出現(xiàn)下降趨勢，銀行的資本結構會迅速惡化，從而導致嚴重的危機；Peter[35]認為，銀行資產負債率是房價下跌造成金融系統(tǒng)不穩(wěn)定的主要原因；Blasko和Sinkey[36]研究發(fā)現(xiàn)銀行的固定利率貸款比率越高，其發(fā)生破產的可能性越大；Bertrand[37]的研究發(fā)現(xiàn)對于新興經濟體而言，其較高的金融自由化程度以及較寬松的金融監(jiān)管環(huán)境是導致房地產市場過快膨脹泡沫加速破裂的主要影響因素之一；Deng等[38]基于復雜網絡理論，研究房地產價格沖擊下銀行的系統(tǒng)性風險傳染機制，認為房地產的資產拋售在風險傳染過程中發(fā)揮主導作用；劉超等[39]研究發(fā)現(xiàn)，房地產作為投資者投資的主要對象，當房市遭受沖擊而劇烈下跌時，其風險通常能從局部擴散至全局，形成系統(tǒng)性金融風險；王文勝和張夢凱[40]研究發(fā)現(xiàn)，低迷時期的房地產業(yè)下行壓力加大，對貨幣流通速度變化的反應存在滯后，導致其價格劇烈波動，影響金融市場整體穩(wěn)定性；祝繼高等[41]通過分析我國房價波動對商業(yè)銀行貸款損失準備金的影響，發(fā)現(xiàn)房價的漲幅上升，商業(yè)銀行貸款損失準備金計提額度也上升，兩者存在明顯的正相關關系；才國偉和吳裕晴[42]研究了1998-2013年我國房市的快速擴張對其他企業(yè)信貸投放量的影響，結果表明房市的迅速膨脹和大規(guī)模擴張會對銀行投向其他工業(yè)企業(yè)的信貸量產生較大影響，尤其是對與地產公司關聯(lián)度較小且對融資約束較為敏感的中小企業(yè)，其影響更大，會嚴重制約實體經濟的發(fā)展效率。對于房地產泡沫的存在性以及泡沫破裂對金融市場，尤其是銀行業(yè)的影響，也是國內外學者長期探討的話題。Glaeser[43]對我國房地產業(yè)與金融體系進行探究，結果表明我國房地產市場由于過快增長而有泡沫集聚，而政策當局適度的樓市調控可以防止泡沫收縮或破滅；沈悅等[44]基于PVAR模型，對我國大中城市進行探究發(fā)現(xiàn)房地產泡沫增長會造成金融體系波動，然而相比泡沫增大，泡沫收縮或破裂對整個體系的沖擊更大。平新喬和董興[45]通過我國房屋銷售與租住比來衡量房市泡沫，發(fā)現(xiàn)我國60%的住宅買賣市場存在泡沫，此外，其相關研究還表明商業(yè)銀行信貸投放量的擴大對泡沫具有正向影響。馬理和范偉[46]探究了房地產泡沫對我國經濟的影響，結果表明房地產泡沫對消費有擠出效應，并且導致杠桿率上升，進一步引起較高系統(tǒng)性金融風險在資本市場的集聚。1.2關于市場間傳染機制研究的文獻綜述Hoseli[66]在其研究中根據(jù)以往文獻總結了關于風險傳染渠道研究的有關理論，即金融關聯(lián)理論、貿易關聯(lián)理論以及行為金融理論。由于本文的研究主要針對的是同一國家不同行業(yè)間的傳染，因而貿易關聯(lián)理論在本文研究中暫不考慮，故本文在本節(jié)對另兩方面的相關研究進行梳理、總結和綜述。（1）金融關聯(lián)理論相關文獻綜述金融關聯(lián)理論認為，傳染會通過流動性和信息關聯(lián)兩種機制傳播。Brunnermeier[2]的研究為流動性渠道的研究提供了理論依據(jù)，他們在文章中解釋了流動性螺旋如何導致傳染；信息關聯(lián)渠道基于King和Wadhwani[3]的理論，其理論假設，受其他市場金融崩潰影響的市場存在即時價格效應，即一個市場的信息，將會對另一市場價格產生事實影響，在危機期間，這將導致風險傳染的發(fā)生。在關于房地產業(yè)與銀行業(yè)風險傳染渠道的相關實證文獻中，考慮上述兩種渠道而直接探究兩行業(yè)相關傳染機制的文獻較少，下面將分別從流動性風險對兩行業(yè)的影響以及信息關聯(lián)能否影響市場間風險傳染關系兩個方面進行文獻綜述。流動性風險是銀行業(yè)所面臨的主要風險之一。所以一些學者從流動性沖擊以及系統(tǒng)性金融風險的角度對銀行風險傳染進行深入研究。Berger和Bouwman[47]研究了流動性與風險的關系，發(fā)現(xiàn)高流動性往往伴隨著高風險的發(fā)生，其發(fā)現(xiàn)與Acharya和Naqvi[48]的理論一致；Horvath等[49]通過格蘭杰檢驗方法，研究結果表明《巴塞爾協(xié)議Ⅲ》的相關標準可能會使市場流動性降低，且銀行的流動性與其風險敞口正相關；Kaufman[50]通過研究發(fā)現(xiàn)與其他行業(yè)相比，銀行業(yè)發(fā)生風險傳染的可能性更高，其認為根本原因是銀行作為一個國家金融體系的核心，與其他金融主體具有非常緊密的關聯(lián)，當風險事件發(fā)生時，危機會通過這種緊密的關系網迅速蔓延到其他市場，導致風險傳染的發(fā)生；Diamond和Dybvig[51]運用銀行擠兌模型研究銀行擠兌風險發(fā)生的原因，研究發(fā)現(xiàn)存款者的預期改變是擠兌發(fā)生的主要原因；Chatterjee[52]對資本市場流動性進行進一步研究發(fā)現(xiàn)資本市場流動性以及信貸利差能夠促進銀行系統(tǒng)的流動性；Chen等[53]在研究中提到，在危機時那些嚴重依賴短期貨幣市場為其資產業(yè)務提供資金的銀行往往更會遭受流動性短缺的困擾；Neef和Ozlem[54]在其研究中分析了2008年美國次貸危機導致的銀行業(yè)流動性危機對資產價格的影響以及后續(xù)對實體經濟的影響，研究中發(fā)現(xiàn)金融危機帶來的銀行流動性沖擊會使銀行所持有的資產總額減少，進而影響信貸額度，而緊縮的信貸環(huán)境造成房價的下跌最終會影響整體的經濟情況；Cingano等[55]分析了意大利的銀行在2008年金融危機前和危機期間所有的貸款水平數(shù)據(jù)和資產負債表數(shù)據(jù)，研究發(fā)現(xiàn)較低的信貸可獲得性對企業(yè)有著非常大的負面影響，最終會影響實體經濟的附加值、就業(yè)率等變量；Jiaka等[56]的研究發(fā)現(xiàn)，在金融市場出現(xiàn)流動性不足時，資產證券價格也將會出現(xiàn)波動，住房抵押貸款市場債券違約風險明顯提高，然而伴隨投資者的資金注入，資金流動性不斷增強，資產證券市場會逐步恢復正常；Silva等[57]通過研究指出實體經濟與金融業(yè)存在風險溢出及反饋機制，兩者之間的風險傳導在金融危機演變過程中發(fā)揮了顯著作用；Brunnermeier等[58]也強調了研究實體經濟與金融市場間風險溢出效應的重要性；Funke等[59]以新西蘭房地產市場為對象，對一國貨幣政策作用于房價的效果進行研究，結果表明政策當局的貨幣政策對房地產價格有很強的影響；Suh[60]研究了資產關聯(lián)性、系統(tǒng)性風險以及銀行監(jiān)管間關系，發(fā)現(xiàn)三者具有顯著的相互作用。國內部分學者對于金融市場流動性及其危機期間的風險傳染進行了一定研究。苗文龍[61]研究風險在中、美、德三國金融市場間的傳染，發(fā)現(xiàn)在危機期間，風險會在銀行間同業(yè)拆借市場、證券市場及外匯市場傳播，且流動性會加速風險在金融市場間的傳染速度。部分學者進一步研究發(fā)現(xiàn)銀行業(yè)的流動性風險與銀行信貸有關，而房地產市場是銀行信貸的主要市場。馬勇和李振[62]研究了資金流動性對銀行所面臨的風險大小的影響，發(fā)現(xiàn)當流動性收緊時，銀行會面臨更大的風險，且資金流動性會通過銀行貸款影響銀行所面臨的風險大小；隋修平和高磊[63]的研究發(fā)現(xiàn)，銀行為增加流動性而進行的資產證券化業(yè)務，會將銀行經營風險從表內轉移至表外，導致整體流動性風險提高。一些學者對不同市場間的信息關聯(lián)是否會成為市場下行期間兩市場間風險傳染的渠道進行研究。Ahnert和Bertsch[64]認為市場間的信息不對稱以及投資者信息采收集導致不確定性增強，使得風險在非理性投機者間傳播；Longstaff[65]研究美國金融危機期間，其抵押品貶值導致的銀行業(yè)危機對其他金融市場的風險傳染，研究發(fā)現(xiàn)信息關聯(lián)可以解釋危機的蔓延；Hoesli[66]對2008年金融危機期間美國房地產市場與股票市場的風險傳染渠道進行研究，發(fā)現(xiàn)信息關聯(lián)并不是兩市場危機期間發(fā)生風險傳染的渠道；Kallberg等[67]分析了亞洲幾個國家，發(fā)現(xiàn)1997年金融危機期間，貨幣和股票收益之間的傳染是通過信息溢出和投資組合再平衡渠道發(fā)生的。（2）行為金融理論的文獻綜述近年來，行為金融學迅速發(fā)展崛起，成為國內外學者研究的焦點。部分學者在實證研究中加入投資者情緒變量[68-71]，探究市場投資者情緒的作用和影響。Ding等[72]分析了市場投資者情緒對股市的影響，發(fā)現(xiàn)二者顯著負相關；Lee等[73]的研究同樣發(fā)現(xiàn)投資者的悲觀情緒越盛，收益波動越劇烈；Shefrin和Statman[74]研究發(fā)現(xiàn)投資分析師情緒指數(shù)與S&P500指數(shù)收益率負相關；Zhang等[75]使用2005-2012年我國股票市場數(shù)據(jù)，從行為金融的角度研究股票市場危機，研究發(fā)現(xiàn)控制經濟變量后，投資者情緒與股市的危機存在明顯正相關關系；Clayton等[76]研究了房價與情緒的相關性，同樣發(fā)現(xiàn)控制基本面因素后，投資者情緒的波動會顯著作用于房價，引起房價變動，這一發(fā)現(xiàn)與行為金融學的相關理論一致；Ma等[77]研究了亞洲國家市場情緒與ETF價格偏差的關系，發(fā)現(xiàn)ETF價格偏差受到市場情緒的嚴重影響，并且這種影響在金融危機期間加??；Kumari和Mahakud[78]以印度股市為對象進行探究，再次證實投資情緒是導致市場波動的天然不穩(wěn)定因素；康海斌和王正軍[79]應用SV-TVP-SVAR模型，探究投資者情緒與股市波動間是否存在關聯(lián)，發(fā)現(xiàn)二者間存在關聯(lián)，且情緒的影響具有滯后性；張本照等[80]探究發(fā)現(xiàn)市場政策的不確定通過影響投資者情緒進而導致基金市場羊群效應更加明顯。對于不同的研究，所需要的代理變量有所差異，因而一些學者在實證中，通過選取與所研究的問題相關的指標來構建適用的投資者情緒。Renault[81]通過微博平臺發(fā)布的大量消息數(shù)據(jù)，構建投資者情緒指標，探究在線投資者對相關消息的情緒對當日股票收益率的影響，研究發(fā)現(xiàn)投資者情緒對當日股票收益率的作用存在滯后性，滯后時間為30分鐘；Yang和Zhou[82]選取心理線系數(shù)、交易量、換手率等代理變量構建情緒指標，研究投資者情緒與股票超額收益率間的關系，結果顯示兩者間存在顯著的相關性；Schneller等[83]構建投資者情緒指標對德國及歐洲市場進行研究，結果表明兩地的投資者情緒均與其股市收益率存在顯著關聯(lián)；Paulo和Harminder[84]利用市場分散度指標方法（CSAD）對中國市場及印度市場進行分析，發(fā)現(xiàn)當市場波動劇烈時，中國股票市場羊群行為更為顯著；姚堯之等[85]采用混頻數(shù)據(jù)抽樣模型構建投資者情緒指標，探究情緒與我國股市收益率波動間的關系，結果顯示情緒與當期收益率間呈顯著正相關關系，且情緒對股市收益率的這種顯著影響是長期存在的；文鳳華等[86]采用主成分分析法構建情緒指標，同樣對兩者間相互作用進行研究，結果表示積極的情緒對股市收益率的作用非常明顯；黃燕芬等[87]建立行業(yè)的情緒指數(shù)，探究市場投資者情緒與房價波動間關系，研究發(fā)現(xiàn)高漲的投資者情緒會使房價明顯上升，二者間關系顯著為正，且這種正向作用關系在地理空間上存在差異，其中東部地區(qū)的正向作用最強。部分學者將投資者情緒分為悲觀情緒與樂觀情緒進行研究。Yu和Yuan[6]發(fā)現(xiàn)當市場對未來預期悲觀時，資產的預期超額收益率與市場情況正相關，而市場對未來預期樂觀時，這一關系不顯著；Verma和Soydemir[88]探究投資者情緒對股票價格的影響，結果發(fā)現(xiàn)投資者的過度樂觀對MPR的影響顯著為負；肖爭艷等[89]采用文本挖掘技術計量了三種網絡情緒指標，探究中小投資者的網絡情緒對于股市羊群行為的作用，研究發(fā)現(xiàn)在市場表現(xiàn)積極時，投資者高漲的情緒更易導致股市羊群行為的發(fā)生；周亮[90]從國際視角研究投資者情緒對資本市場的影響，發(fā)現(xiàn)高漲的投資者情緒的溢出效應比悲觀的情緒溢出效應更明顯。相關學者對投資者情緒的影響因素進行大量研究，部分學者認為過度自信是其主要影響因素之一。Barber和Odean[91]的研究表明，擁有過度自信特質的投資者在相同的時間內進行投資決策的次數(shù)會更多，而交易的頻率與投資者的損失正相關。另有學者認為投資者情緒的變化與新聞媒體的關注和報道有關。Cfa[92]的研究發(fā)現(xiàn)媒體評論會影響資本市場價格，這種影響通過投資者情緒起作用；Barber[93]研究媒體關注對投資者購買行為的影響，發(fā)現(xiàn)媒體關注度越高投資者購買的意愿越強烈。鑒于投資者情緒在風險傳染中所起的作用，一些學者將情緒作為傳染的渠道之一，對風險在不同市場之間的傳染機制進行進一步探究。Holise[66]的研究結果顯示，投資者情緒是金融危機期間美國股票市場與房地產市場在風險傳染的渠道之一；裴茜和朱書尚[94]利用變結構因子模型研究2000年5月-2015年6月期間我國金融市場的傳染，并探究相關傳染機制，發(fā)現(xiàn)市場投資者情緒是金融傳染的渠道之一，且情緒類變量在2007-2008年(金融危機期間)樣本區(qū)間內的顯著性要大于2014-2015(中國股災)樣本區(qū)間。1.3文獻評述目前，對于我國房地產行業(yè)與銀行業(yè)間相依關系及其風險傳染的研究，國內相關文獻已經初步證明兩行業(yè)之間存在著非線性的復雜相依關系，并且兩行業(yè)發(fā)生傳染的概率較高，但仍存在幾點不足，第一，大多數(shù)文獻僅僅停留在探究其相關性的層面，少有文獻專注于風險傳染角度進行探究，第二，若兩個市場同時暴露于相同的風險因素，那么則不能確定風險傳染是否確實存在，因此在研究時應首先控制基本面因素，然而目前國內文獻較少從這一角度展開研究。此外，國內對于兩行業(yè)傳染機制的研究相對較少，而對于傳染研究來說，探究傳染機制，了解傳染發(fā)生的渠道，從而在市場極端情況發(fā)生時盡可能減小損失，對于傳染研究具有重要意義。從已有文獻來看，流動性對于兩行業(yè)均具有重要意義，流動性縮緊很容易導致銀行業(yè)風險發(fā)生，并傳染到其他金融和實體行業(yè)，首當其沖受到沖擊的就是房地產行業(yè)，然而目前沒有相關文獻同時考慮流動性對于房地產行業(yè)與銀行業(yè)之間關系的影響；此外，根據(jù)行為金融學理論，國內外學者單獨探討投資者情緒對股市或者投資者情緒對于房地產的研究較多，而將投資者情緒作為風險傳染的可能渠道進行傳染機制研究的文獻相對較少。通過上述文獻綜述，可以發(fā)現(xiàn)房地產業(yè)與銀行業(yè)間具有極其緊密的債權債務關系，使得兩行業(yè)牽一發(fā)而動全身，從而為危機發(fā)生時風險在兩行業(yè)間的傳染提供了良好環(huán)境，因此，對市場下行期間兩行業(yè)風險傳染關系以及傳染渠道進行研究具有一定的價值和意義。鑒于以上當前國內外研究的不足之處，本文考慮借鑒國外學者Bekaert[95]對傳染的定義，即“傳染是超出經濟基本面預期的關聯(lián)”，首先選取2005年1月4日至2018年12月28日申萬一級行業(yè)分類的房地產業(yè)指數(shù)與銀行業(yè)指數(shù)，構建資產定價模型，控制基本面因素的影響，接下來，研究房地產業(yè)與銀行業(yè)在控制基本面因素后是否仍然存在著關聯(lián)及傳染關系，最后，構建多時點回歸模型和分位數(shù)回歸模型，從信息關聯(lián)、市場流動性以及投資者情緒三個方面，探究兩行業(yè)之間的傳染渠道，并提出相關政策及投資建議，豐富相關研究。參考文獻[1]蔣先玲.貨幣銀行學[M].中國金融出版社,2014.[2]BrunnermeierMK.Decipheringtheliquidityandcreditcrunch2007–2008[J].JournalofEconomicPerspectives,2009,23(01):77–100.[3]KingMA,WadhwaniS.Transmissionofvolatilitybetweenstockmarkets[J].TheReviewofFinancialStudies,1990,3(1):5-33.[4]KeynesJ.Thegeneraltheoryofemployment,interestandmoney[J].JournaloftheAmericanStatisicalAssociation,1936,31:791-835.[5]BurrellOK.Possibilityofanexperimentalapproachtoinvestmentstudies[J].JournalofFinance,2001,2(1):57-61.[6]YuJF,YuanY.Investorsentimentandthemean-variancerelation[J].JournalofFinancialEconomics,2011,100(2):367-381.[7]KahnemanD,RiepeMW.Aspectsofinvestorpsychology[J].TheJournalofPortfolioManagement,1998,24(4):52-65.[8]HillEW,BrennanJF.Methodologyforidentifyingthedriversofindustrialclusters:thefoundationofregionalcompetitiveadvantage[J].EconomicDevelopmentQuarterly,2000,14(1):65一96[9]RichardJ.Realestateboomsandbankingbust:aninternationalperspective[Z].UniversityofPennsylvania,1999.[10]KoetterM,PoghosyanT.Realestatepricesandbankstability[J].JournalofBankingandFinance,2010,34(6):1129-1138.[11]GhoshC,GutteryRS,SirmansCF.Theeffectsoftherealestatecrisisoninstitutionalstockprices[J].RealEstateEconomics,1997,25(4):591-614.[12]GuglielmoMC,JohnH,FaekMA.Onthelinkagesbetweenstockpricesandexchangerates:evidencefromthebankingcrisisof2007–2010[J].InternationalReviewofFinancialAnalysis,2014,33:87-103.[13]文鳳華,張阿蘭,戴志鋒,楊曉光.房地產價格波動與金融脆弱性——基于中國的實證研究[J].中國管理科學,2012,20(2):1-10.[14]SklarA.Fonctionsderepartitionàndimensionsetleursmarges[J].Publicationde1’InstitutdeStatistiquede1’UniversitèdeParis,1959,8:229–231.[15]YanC,ChuG.EstimationofdefaultriskbasedonKMVmodel—anempiricalstudyforChineserealestatecompanies[J].JournalofFinancialRiskManagement,2014,3(2):40-49.[16]ZhangXW,JiangH.Applicationofcopulafunctioninfinancialriskanalysis[J].ComputersandElectricalEngineering,2019,77:376-388.[17]ShahzadJ,HernandezJA,BekirosS,etal.AsystemicriskanalysisofIslamicequitymarketsusingvinecopulaanddeltaCoVaRmodeling[J].JournalofInternationalFinancialMarketsInstitutionsandMoney,2018,56:104-127.[18]ZhouJ,GaoYM.Taildependenceininternationalrealestatesecuritiesmarkets[J].TheJournalofRealEstateFinanceandEconomics,2012,45(1):128-151.[19]郭文偉，王禮昱.關聯(lián)網絡、風險溢出與重要系統(tǒng)性金融機構識別——基于市場、行業(yè)和機構的實證[J].中央財經大學學報，2019(5):33-48[20]江紅莉,何建敏,莊亞明.基于時變Copula的房地產業(yè)與銀行業(yè)尾部動態(tài)相依性研究[J].管理工程學報,2013(3):53-59.[21]鐘明,郭文偉.基于SJCCopula模型的銀行業(yè)與房地產業(yè)動態(tài)相依性及其結構突變[J].系統(tǒng)工程,2014,32(8):32-43.[22]PaisA,StorkPA.Contagionriskintheaustralianbankingandpropertysectors[J].JournalofBankingandFinance,2011,35(3):681-697.[23]曹潔,雷良海.基于廣義CoES方法的金融業(yè)與房地產業(yè)風險溢出研究[J].運籌與管理,2021,30(4):200-205.[24]姜堃.房地產業(yè)金融風險溢出及其防范研究——基于時變Copula-CoVaR模型的分析[J]價格理論與實踐,2020(2):87-175.[25]陳迅,胡成春,花擁軍.我國銀行業(yè)與房地產業(yè)極端風險溢出效應研究[J].系統(tǒng)工程,2017,35(8):127-133.[26]李程,劉媛嫄,母波,李波.房地產價格、杠桿率與金融壓力的時變非線性關系研究[J].統(tǒng)計與信息論壇,2020,35(10):70-80.[27]司登奎,葛新宇,曾濤,李小林.房價波動、金融穩(wěn)定與最優(yōu)宏觀審慎政策[J].金融研究,2019(11):38-56.[28]戚逸康,袁圓,李連發(fā).我國房地產板塊與整體股市的溢出效應以及風險相關性——來自實證分析的證據(jù)[J].上海經濟研究,2018(6):58-67.[29]任英華,劉洋,彭慶雪,湯季蓉.中國系統(tǒng)性金融風險信息溢出者是誰——來自SRISK模型及網絡分析法的經驗證據(jù)[J].湖南大學學報(社會科學版),2021,35(3):49-59.[30]沈沛龍,張萌,王曉婷.中國房地產業(yè)對資本市場系統(tǒng)性風險的貢獻度研究[J].金融與經濟,2019(6):44-49.[31]GerlachS,PengW.BanklendingandpropertypricesinHongKong[J].JournalofBankingandFinance,2005,29(2):461-481.[32]DavisEP,ZhuH.Commercialpropertypricesandbankperformance[J].QuarterlyReviewofEconomicsandFinance,2009(4):41-59.[33]CharlesG,BorisH.Houseprices,money,credit,andthemacro-economy[J].OxfordReviewofEconomicPolicy,2008,24(1):180-205.[34]CroweC,AricciaGD,IganD,RabanalP.Howtodealwithrealestatebooms:Lessonsfromcountryexperiences[J].JournalofFinancialStability,2013,9(3):300-319.[35]PeterGV.Assetpricesandbankingdistress:amacroeconomicapproach[J].JournalofFinancialStability,2009,5(3):298-319．[36]BlaskoM,SinkeyJF.Bankassetstructure,real-estatelendingandrisk-taking[J].TheQuarterlyReviewofEconomicsandFinance,2006,46(1):53-81．[37]RenaudB.The1985-94Globalrealesta