《房地产业与银行业间的相互依存关系研究的国内外文献综述》9100字

房地产业与银行业间的相互依存关系研究的国内外文献综述目录TOC\o"1-2"\h\u18116房地产业与银行业间的相互依存关系研究的国内外文献综述 1252981.1房地产业与银行业相依关系的文献综述 117961（1）从宏观层面研究两行业相依关系的文献综述 119470（2）从微观层面研究两行业间关联的文献综述 3264561.2关于市场间传染机制研究的文献综述 46268（1）金融关联理论相关文献综述 47737（2）行为金融理论的文献综述 669071.3文献评述 811896参考文献 9本文分别从房地产业与银行业间相依关系，以及不同市场间传染机制两方面梳理、总结相关文献，形成综述。1.1房地产业与银行业相依关系的文献综述目前关于房地产业与银行业相依关系的研究大致可以分为宏观和微观两个层面。（1）从宏观层面研究两行业相依关系的文献综述国内外学者从宏观层面，以不同国家的房地产业与银行业为研究对象，对两行业间相依性以及风险溢出性进行了大量且充分的研究，证明房两行业间存在显著关联：Richard[9]从国际视角出发探究房地产与银行的关联，结果发现两者存在着显著的关联关系；Koetter和Poghosyan[10]以德国市场为例，探究房价变动如何影响银行经营，结果表明当房价波动超出其基本价值时会造成银行业的不稳定；Ghosh等[11]研究房地产市场的有关信息与证券市场的关系，发现当房地产市场传递出消极信息时，证券价格会显著下降，两者之间存在显著的正向关联。从研究方法上看，早期关于两行业的相关研究主要基于线性方法，如Granger检验、GARCH模型、VAR等（Guglielmo等[12]、文凤华等[13]）。随着研究的进一步深入，并且考虑到现实的金融市场变化是复杂的、非线性的，学者们将能够捕捉时间序列非线性相依关系的Copula函数对两行业进行研究。Copula模型最早由Sklar[14]提出，并对其定义及相关性质进行了证明；随后，Copula方法被广泛应用于研究不同时间序列的尾部依赖关系[15-17]；Zhou和Gao[18]采用Copula方法，研究了六个国家或地区房地产行业间的动态依赖关系，发现这六个市场的房地产行业间存在非线性尾部依赖关系，尤其是在2008年金融危机期间这种尾部依赖关系进一步增强；郭文伟和王礼昱[19]利用藤Copula函数对金融业间的溢出效应进行探究，发现银行业对其他行业的风险溢出最强；江红莉等[20]运用时变Copula函数探究了房地产业与银行业间的尾部依赖，发现当整个市场表现不佳时，两行业易产生共生风险；钟明和郭文伟[21]通过SJCCopula函数探究房地产行业与银行业之间的动态依赖关系及其结构突变，结果表明，两行业间具有明显的尾部依赖性，且这种尾部依赖性是持续存在的，此外，两行业的尾部相依性呈现出非对称和非线性特征，同时其考察了两行业间的结构突变情况，发现在有关部门发布重大楼市政策的时间点前后，两行业的尾部相关系数曲线通常会出现短期的突变点，也就是说两行业在短期内对政策变化较敏感，但作者并没有进一步探究两行业的风险传染关系和相关传染机制。通过线性及非线性方法，众多学者对不同国家、不同区域、不同时期的房地产业与银行业相依关系进行探究，发现两行业间存在较强的关联性以及尾部非对称性，基于此，学者们进一步对两行业危机期间的风险溢出效应以及风险传染特征进行研究。Pais和Stork[22]以澳大利亚市场为对象，研究风险在房地产行业及银行业间的传染，发现两行业在金融危机期间发生风险传染的概率显著上升；曹洁和雷良海[23]对我国的情况进行分析，结果显示，我国金融业与房地产行业间的关联表现为时变的、非对称的双向风险溢出，且房地产业的溢出强度更高；姜堃[24]使用时变SJCCopula-CoVaR方法分析房地产业对银行业以及其他金融行业风险溢出的程度和差异，发现其对银行业的溢出效应最强，此外，房地产业对各个金融行业的风险溢出效应在危机事件前后具有较大差异；陈迅等[25]通过非线性方法研究在市场极端波动时期，房地产行业及银行业间的风险溢出关系，发现在市场极端下行期间两行业发生风险关联的可能性更高；李程等[26]构建并计算我国金融压力指数（FSI），研究发现长期内房价导致金融压力增大主要是通过推高杠杆率来实现的；司登奎等[27]的研究同样发现，房价上涨将增加杠杆率，对银行产生风险溢出效应，最终导致金融市场的动荡；戚逸康等[28]通过BEKK-GARCH模型探究房地产市场对整个股票市场的风险溢出，发现房地产市场风险聚集可能会导致波及整个股票市场，相关部门应当重点关注；任英华等[29]通过SRISK模型，检测发现我国的各部门的风险溢出中房地产行业近几年有上升的态势，而银行业作为长期的风险溢出部门始终占据主要地位；沈沛龙等[30]采用CoVaR方法探究我国房地产行业对资本市场系统性风险的贡献度，发现与非危机时期相比，2008年金融危机期间我国房地产行业的系统性风险贡献度更大。（2）从微观层面研究两行业间关联的文献综述另一部分的研究主要基于微观层面。作为典型的资本密集型行业，房地产市场价格与银行信贷关联异常紧密，银行信贷债务网络在危机期间会加剧风险在不同行业间的传染，而房地产市场的极端下跌更是会引起银行系统因风险爆发而失灵，甚至导致整个金融系统崩溃。因此，多数学者基于此对房地产价格与银行信贷关联方面展开研究。Gerlach和Peng[31]对香港资产价格与银行信贷行为进行探究，发现银行加强市场监管以及施行更加严格的风控制度，可以防范房价波动对银行系统的影响；Davis和Zhu[32]以17个国家为样本探究房价与银行信贷间关系，研究表明二者间为单向因果关系，房价的变动会影响银行信贷投放量，而反之则没有明显影响；Charles和Boris[33]研究发现房地产行业和银行业之间的关联主要是基于二者高额的债务关系，因此房地产市场过快增长或者其泡沫过度累积会使风险在银行体系不断集聚造成银行体系的负担，甚至对国家经济体系的安全造成潜在威胁；Crowe等[34]对2008年金融危机进行研究，结论表明当房市表现良好价格上涨时，大量资本涌入市场购买房屋资产，银行会提升其杠杆率以适应市场，然而一旦房价出现下降趋势，银行的资本结构会迅速恶化，从而导致严重的危机；Peter[35]认为，银行资产负债率是房价下跌造成金融系统不稳定的主要原因；Blasko和Sinkey[36]研究发现银行的固定利率贷款比率越高，其发生破产的可能性越大；Bertrand[37]的研究发现对于新兴经济体而言，其较高的金融自由化程度以及较宽松的金融监管环境是导致房地产市场过快膨胀泡沫加速破裂的主要影响因素之一；Deng等[38]基于复杂网络理论，研究房地产价格冲击下银行的系统性风险传染机制，认为房地产的资产抛售在风险传染过程中发挥主导作用；刘超等[39]研究发现，房地产作为投资者投资的主要对象，当房市遭受冲击而剧烈下跌时，其风险通常能从局部扩散至全局，形成系统性金融风险；王文胜和张梦凯[40]研究发现，低迷时期的房地产业下行压力加大，对货币流通速度变化的反应存在滞后，导致其价格剧烈波动，影响金融市场整体稳定性；祝继高等[41]通过分析我国房价波动对商业银行贷款损失准备金的影响，发现房价的涨幅上升，商业银行贷款损失准备金计提额度也上升，两者存在明显的正相关关系；才国伟和吴裕晴[42]研究了1998-2013年我国房市的快速扩张对其他企业信贷投放量的影响，结果表明房市的迅速膨胀和大规模扩张会对银行投向其他工业企业的信贷量产生较大影响，尤其是对与地产公司关联度较小且对融资约束较为敏感的中小企业，其影响更大，会严重制约实体经济的发展效率。对于房地产泡沫的存在性以及泡沫破裂对金融市场，尤其是银行业的影响，也是国内外学者长期探讨的话题。Glaeser[43]对我国房地产业与金融体系进行探究，结果表明我国房地产市场由于过快增长而有泡沫集聚，而政策当局适度的楼市调控可以防止泡沫收缩或破灭；沈悦等[44]基于PVAR模型，对我国大中城市进行探究发现房地产泡沫增长会造成金融体系波动，然而相比泡沫增大，泡沫收缩或破裂对整个体系的冲击更大。平新乔和董兴[45]通过我国房屋销售与租住比来衡量房市泡沫，发现我国60%的住宅买卖市场存在泡沫，此外，其相关研究还表明商业银行信贷投放量的扩大对泡沫具有正向影响。马理和范伟[46]探究了房地产泡沫对我国经济的影响，结果表明房地产泡沫对消费有挤出效应，并且导致杠杆率上升，进一步引起较高系统性金融风险在资本市场的集聚。1.2关于市场间传染机制研究的文献综述Hoseli[66]在其研究中根据以往文献总结了关于风险传染渠道研究的有关理论，即金融关联理论、贸易关联理论以及行为金融理论。由于本文的研究主要针对的是同一国家不同行业间的传染，因而贸易关联理论在本文研究中暂不考虑，故本文在本节对另两方面的相关研究进行梳理、总结和综述。（1）金融关联理论相关文献综述金融关联理论认为，传染会通过流动性和信息关联两种机制传播。Brunnermeier[2]的研究为流动性渠道的研究提供了理论依据，他们在文章中解释了流动性螺旋如何导致传染；信息关联渠道基于King和Wadhwani[3]的理论，其理论假设，受其他市场金融崩溃影响的市场存在即时价格效应，即一个市场的信息，将会对另一市场价格产生事实影响，在危机期间，这将导致风险传染的发生。在关于房地产业与银行业风险传染渠道的相关实证文献中，考虑上述两种渠道而直接探究两行业相关传染机制的文献较少，下面将分别从流动性风险对两行业的影响以及信息关联能否影响市场间风险传染关系两个方面进行文献综述。流动性风险是银行业所面临的主要风险之一。所以一些学者从流动性冲击以及系统性金融风险的角度对银行风险传染进行深入研究。Berger和Bouwman[47]研究了流动性与风险的关系，发现高流动性往往伴随着高风险的发生，其发现与Acharya和Naqvi[48]的理论一致；Horvath等[49]通过格兰杰检验方法，研究结果表明《巴塞尔协议Ⅲ》的相关标准可能会使市场流动性降低，且银行的流动性与其风险敞口正相关；Kaufman[50]通过研究发现与其他行业相比，银行业发生风险传染的可能性更高，其认为根本原因是银行作为一个国家金融体系的核心，与其他金融主体具有非常紧密的关联，当风险事件发生时，危机会通过这种紧密的关系网迅速蔓延到其他市场，导致风险传染的发生；Diamond和Dybvig[51]运用银行挤兑模型研究银行挤兑风险发生的原因，研究发现存款者的预期改变是挤兑发生的主要原因；Chatterjee[52]对资本市场流动性进行进一步研究发现资本市场流动性以及信贷利差能够促进银行系统的流动性；Chen等[53]在研究中提到，在危机时那些严重依赖短期货币市场为其资产业务提供资金的银行往往更会遭受流动性短缺的困扰；Neef和Ozlem[54]在其研究中分析了2008年美国次贷危机导致的银行业流动性危机对资产价格的影响以及后续对实体经济的影响，研究中发现金融危机带来的银行流动性冲击会使银行所持有的资产总额减少，进而影响信贷额度，而紧缩的信贷环境造成房价的下跌最终会影响整体的经济情况；Cingano等[55]分析了意大利的银行在2008年金融危机前和危机期间所有的贷款水平数据和资产负债表数据，研究发现较低的信贷可获得性对企业有着非常大的负面影响，最终会影响实体经济的附加值、就业率等变量；Jiaka等[56]的研究发现，在金融市场出现流动性不足时，资产证券价格也将会出现波动，住房抵押贷款市场债券违约风险明显提高，然而伴随投资者的资金注入，资金流动性不断增强，资产证券市场会逐步恢复正常；Silva等[57]通过研究指出实体经济与金融业存在风险溢出及反馈机制，两者之间的风险传导在金融危机演变过程中发挥了显著作用；Brunnermeier等[58]也强调了研究实体经济与金融市场间风险溢出效应的重要性；Funke等[59]以新西兰房地产市场为对象，对一国货币政策作用于房价的效果进行研究，结果表明政策当局的货币政策对房地产价格有很强的影响；Suh[60]研究了资产关联性、系统性风险以及银行监管间关系，发现三者具有显著的相互作用。国内部分学者对于金融市场流动性及其危机期间的风险传染进行了一定研究。苗文龙[61]研究风险在中、美、德三国金融市场间的传染，发现在危机期间，风险会在银行间同业拆借市场、证券市场及外汇市场传播，且流动性会加速风险在金融市场间的传染速度。部分学者进一步研究发现银行业的流动性风险与银行信贷有关，而房地产市场是银行信贷的主要市场。马勇和李振[62]研究了资金流动性对银行所面临的风险大小的影响，发现当流动性收紧时，银行会面临更大的风险，且资金流动性会通过银行贷款影响银行所面临的风险大小；隋修平和高磊[63]的研究发现，银行为增加流动性而进行的资产证券化业务，会将银行经营风险从表内转移至表外，导致整体流动性风险提高。一些学者对不同市场间的信息关联是否会成为市场下行期间两市场间风险传染的渠道进行研究。Ahnert和Bertsch[64]认为市场间的信息不对称以及投资者信息采收集导致不确定性增强，使得风险在非理性投机者间传播；Longstaff[65]研究美国金融危机期间，其抵押品贬值导致的银行业危机对其他金融市场的风险传染，研究发现信息关联可以解释危机的蔓延；Hoesli[66]对2008年金融危机期间美国房地产市场与股票市场的风险传染渠道进行研究，发现信息关联并不是两市场危机期间发生风险传染的渠道；Kallberg等[67]分析了亚洲几个国家，发现1997年金融危机期间，货币和股票收益之间的传染是通过信息溢出和投资组合再平衡渠道发生的。（2）行为金融理论的文献综述近年来，行为金融学迅速发展崛起，成为国内外学者研究的焦点。部分学者在实证研究中加入投资者情绪变量[68-71]，探究市场投资者情绪的作用和影响。Ding等[72]分析了市场投资者情绪对股市的影响，发现二者显著负相关；Lee等[73]的研究同样发现投资者的悲观情绪越盛，收益波动越剧烈；Shefrin和Statman[74]研究发现投资分析师情绪指数与S&P500指数收益率负相关；Zhang等[75]使用2005-2012年我国股票市场数据，从行为金融的角度研究股票市场危机，研究发现控制经济变量后，投资者情绪与股市的危机存在明显正相关关系；Clayton等[76]研究了房价与情绪的相关性，同样发现控制基本面因素后，投资者情绪的波动会显著作用于房价，引起房价变动，这一发现与行为金融学的相关理论一致；Ma等[77]研究了亚洲国家市场情绪与ETF价格偏差的关系，发现ETF价格偏差受到市场情绪的严重影响，并且这种影响在金融危机期间加剧；Kumari和Mahakud[78]以印度股市为对象进行探究，再次证实投资情绪是导致市场波动的天然不稳定因素；康海斌和王正军[79]应用SV-TVP-SVAR模型，探究投资者情绪与股市波动间是否存在关联，发现二者间存在关联，且情绪的影响具有滞后性；张本照等[80]探究发现市场政策的不确定通过影响投资者情绪进而导致基金市场羊群效应更加明显。对于不同的研究，所需要的代理变量有所差异，因而一些学者在实证中，通过选取与所研究的问题相关的指标来构建适用的投资者情绪。Renault[81]通过微博平台发布的大量消息数据，构建投资者情绪指标，探究在线投资者对相关消息的情绪对当日股票收益率的影响，研究发现投资者情绪对当日股票收益率的作用存在滞后性，滞后时间为30分钟；Yang和Zhou[82]选取心理线系数、交易量、换手率等代理变量构建情绪指标，研究投资者情绪与股票超额收益率间的关系，结果显示两者间存在显著的相关性；Schneller等[83]构建投资者情绪指标对德国及欧洲市场进行研究，结果表明两地的投资者情绪均与其股市收益率存在显著关联；Paulo和Harminder[84]利用市场分散度指标方法（CSAD）对中国市场及印度市场进行分析，发现当市场波动剧烈时，中国股票市场羊群行为更为显著；姚尧之等[85]采用混频数据抽样模型构建投资者情绪指标，探究情绪与我国股市收益率波动间的关系，结果显示情绪与当期收益率间呈显著正相关关系，且情绪对股市收益率的这种显著影响是长期存在的；文凤华等[86]采用主成分分析法构建情绪指标，同样对两者间相互作用进行研究，结果表示积极的情绪对股市收益率的作用非常明显；黄燕芬等[87]建立行业的情绪指数，探究市场投资者情绪与房价波动间关系，研究发现高涨的投资者情绪会使房价明显上升，二者间关系显著为正，且这种正向作用关系在地理空间上存在差异，其中东部地区的正向作用最强。部分学者将投资者情绪分为悲观情绪与乐观情绪进行研究。Yu和Yuan[6]发现当市场对未来预期悲观时，资产的预期超额收益率与市场情况正相关，而市场对未来预期乐观时，这一关系不显著；Verma和Soydemir[88]探究投资者情绪对股票价格的影响，结果发现投资者的过度乐观对MPR的影响显著为负；肖争艳等[89]采用文本挖掘技术计量了三种网络情绪指标，探究中小投资者的网络情绪对于股市羊群行为的作用，研究发现在市场表现积极时，投资者高涨的情绪更易导致股市羊群行为的发生；周亮[90]从国际视角研究投资者情绪对资本市场的影响，发现高涨的投资者情绪的溢出效应比悲观的情绪溢出效应更明显。相关学者对投资者情绪的影响因素进行大量研究，部分学者认为过度自信是其主要影响因素之一。Barber和Odean[91]的研究表明，拥有过度自信特质的投资者在相同的时间内进行投资决策的次数会更多，而交易的频率与投资者的损失正相关。另有学者认为投资者情绪的变化与新闻媒体的关注和报道有关。Cfa[92]的研究发现媒体评论会影响资本市场价格，这种影响通过投资者情绪起作用；Barber[93]研究媒体关注对投资者购买行为的影响，发现媒体关注度越高投资者购买的意愿越强烈。鉴于投资者情绪在风险传染中所起的作用，一些学者将情绪作为传染的渠道之一，对风险在不同市场之间的传染机制进行进一步探究。Holise[66]的研究结果显示，投资者情绪是金融危机期间美国股票市场与房地产市场在风险传染的渠道之一；裴茜和朱书尚[94]利用变结构因子模型研究2000年5月-2015年6月期间我国金融市场的传染，并探究相关传染机制，发现市场投资者情绪是金融传染的渠道之一，且情绪类变量在2007-2008年(金融危机期间)样本区间内的显著性要大于2014-2015(中国股灾)样本区间。1.3文献评述目前，对于我国房地产行业与银行业间相依关系及其风险传染的研究，国内相关文献已经初步证明两行业之间存在着非线性的复杂相依关系，并且两行业发生传染的概率较高，但仍存在几点不足，第一，大多数文献仅仅停留在探究其相关性的层面，少有文献专注于风险传染角度进行探究，第二，若两个市场同时暴露于相同的风险因素，那么则不能确定风险传染是否确实存在，因此在研究时应首先控制基本面因素，然而目前国内文献较少从这一角度展开研究。此外，国内对于两行业传染机制的研究相对较少，而对于传染研究来说，探究传染机制，了解传染发生的渠道，从而在市场极端情况发生时尽可能减小损失，对于传染研究具有重要意义。从已有文献来看，流动性对于两行业均具有重要意义，流动性缩紧很容易导致银行业风险发生，并传染到其他金融和实体行业，首当其冲受到冲击的就是房地产行业，然而目前没有相关文献同时考虑流动性对于房地产行业与银行业之间关系的影响；此外，根据行为金融学理论，国内外学者单独探讨投资者情绪对股市或者投资者情绪对于房地产的研究较多，而将投资者情绪作为风险传染的可能渠道进行传染机制研究的文献相对较少。通过上述文献综述，可以发现房地产业与银行业间具有极其紧密的债权债务关系，使得两行业牵一发而动全身，从而为危机发生时风险在两行业间的传染提供了良好环境，因此，对市场下行期间两行业风险传染关系以及传染渠道进行研究具有一定的价值和意义。鉴于以上当前国内外研究的不足之处，本文考虑借鉴国外学者Bekaert[95]对传染的定义，即“传染是超出经济基本面预期的关联”，首先选取2005年1月4日至2018年12月28日申万一级行业分类的房地产业指数与银行业指数，构建资产定价模型，控制基本面因素的影响，接下来，研究房地产业与银行业在控制基本面因素后是否仍然存在着关联及传染关系，最后，构建多时点回归模型和分位数回归模型，从信息关联、市场流动性以及投资者情绪三个方面，探究两行业之间的传染渠道，并提出相关政策及投资建议，丰富相关研究。参考文献[1]蒋先玲.货币银行学[M].中国金融出版社,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]文凤华,张阿兰,戴志锋,杨晓光.房地产价格波动与金融脆弱性——基于中国的实证研究[J].中国管理科学,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]郭文伟，王礼昱.关联网络、风险溢出与重要系统性金融机构识别——基于市场、行业和机构的实证[J].中央财经大学学报，2019(5):33-48[20]江红莉,何建敏,庄亚明.基于时变Copula的房地产业与银行业尾部动态相依性研究[J].管理工程学报,2013(3):53-59.[21]钟明,郭文伟.基于SJCCopula模型的银行业与房地产业动态相依性及其结构突变[J].系统工程,2014,32(8):32-43.[22]PaisA,StorkPA.Contagionriskintheaustralianbankingandpropertysectors[J].JournalofBankingandFinance,2011,35(3):681-697.[23]曹洁,雷良海.基于广义CoES方法的金融业与房地产业风险溢出研究[J].运筹与管理,2021,30(4):200-205.[24]姜堃.房地产业金融风险溢出及其防范研究——基于时变Copula-CoVaR模型的分析[J]价格理论与实践,2020(2):87-175.[25]陈迅,胡成春,花拥军.我国银行业与房地产业极端风险溢出效应研究[J].系统工程,2017,35(8):127-133.[26]李程,刘媛嫄,母波,李波.房地产价格、杠杆率与金融压力的时变非线性关系研究[J].统计与信息论坛,2020,35(10):70-80.[27]司登奎,葛新宇,曾涛,李小林.房价波动、金融稳定与最优宏观审慎政策[J].金融研究,2019(11):38-56.[28]戚逸康,袁圆,李连发.我国房地产板块与整体股市的溢出效应以及风险相关性——来自实证分析的证据[J].上海经济研究,2018(6):58-67.[29]任英华,刘洋,彭庆雪,汤季蓉.中国系统性金融风险信息溢出者是谁——来自SRISK模型及网络分析法的经验证据[J].湖南大学学报(社会科学版),2021,35(3):49-59.[30]沈沛龙,张萌,王晓婷.中国房地产业对资本市场系统性风险的贡献度研究[J].金融与经济,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