【房价波动对金融市场风险的影响实证分析报告10000字（论文）】

房价波动对金融市场风险的影响实证分析报告目录TOC\o"1-2"\h\u27380一、绪论 119299（一）研究背景 17393（二）研究意义 210035（三）国内外研究现状 317995二、福州房价及金融市场现状分析 516269（一）福州房价现状 524087（二）福州房地产贷款现状 531161（三）金融市场现状分析 628877三、房地产价格波动对金融市场风险影响的研究 816618（一）变量选取和数据说明 88390（二）平稳性检验 916652（三）Johansen协整检验 1020310（四）VEC模型 112837四、结论及建议 1518486（一）结论 154904（二）建议 16摘要:近年来，福州房地产市场发展扩张趋势明显，银行业是福州房地产市场的主要资金提供方，房地产市场发展会拉动银行业加大发放房地产贷款的规模，造成银行信贷扩张，随着房市发展，两者间联系变得日益紧密。而房地产资产仍是福州的重要投资品，房地产投资需求拉动房地产价格持续上涨，房价上涨虽然在一定程度上会通过影响房地产资产价值和抵押品价值降低金融市场风险，但如果房地产价格上涨到非理性繁荣的层面，房地产市场泡沫化迅速积累，金融市场风险则会持续上升，一旦房地产泡沫破裂，房价猛跌不止，此时极易引发银行业危机，并会因房地产风险传导至其他行业，乃至整个金融系统，最终演变为一场金融危机。因此选择这个课题，旨在通过自己对于福州房地产的价格波动对金融市场的影响研究，结合国内外的专家研究能够摸清福州金融市场的现状、存在的问题、风险以及对策，并对今后的金融市场发展进行探讨。关键词:房价波动；金融市场；影响；应对策略一、绪论（一）研究背景2007年8月，次贷危机在美国爆发，使得整个国家乃至国际经济秩序受到严重冲击，以致除了中国等几个少数国家外，全球实体经济陷入衰退。此次金融危机恰是由房价波动引起的风险传染至银行系统，引起银行业危机，并最终传染至其他行业，金融危机由此发生。正是因为此次危机为全球实体经济造成了不可估量的损失，金融市场风险才开始逐渐受学界重视起来，房价波动作为金融市场风险重要的波动源也随之得到学者们越来越多的关注。近年来，福州房地产市场发展扩张趋势明显，银行业是福州房地产市场的主要资金提供方，房地产市场发展会拉动银行业加大发放房地产贷款的规模，造成银行信贷扩张，随着房市发展，两者间联系变得日益紧密。而房地产资产仍是福州的重要投资品，房地产投资需求拉动房地产价格持续上涨，房价上涨虽然在一定程度上会通过影响房地产资产价值和抵押品价值降低金融市场风险，但如果房地产价格上涨到非理性繁荣的层面，房地产市场泡沫化迅速积累，金融市场风险则会持续上升，一旦房地产泡沫破裂，房价猛跌不止，此时极易引发银行业危机，并会因房地产风险传导至其他行业，乃至整个金融系统，最终演变为一场金融危机。因此，本文研究房地产价格波动对金融市场风险的影响，最终给金融市场造成一定的影响。（二）研究意义1、理论意义国内学者早在2005年就关注着福州金融市场风险问题的研究，但是遗憾的是，国内研究缺少从资产价格波动对金融体系影响的视角。直到2007年受美国次贷危机的影响，学者们开始重视研究资产价格波动对金融系统性风险影响，一时间，有关从资产价格波动与金融市场风险关系角度出发的研究大量展开。目前对这种关系的理论研究表明，当金融市场发展不成熟时，由于资产价值总体体量较小，此时资产价格波动不足以破坏宏观经济的稳定性。随着金融市场愈趋成熟，金融市场会逐渐独立于实体经济发展，从而资产价格波动可能会导致金融系统性风险的发生。因此，房地产资产作为福州市场上重要的资产之一，研究房地产价格波动对金融市场的影响具有重要理论意义。2、实践意义福州银行业与房地产业关系紧密，银行业是房地产业主要资金提供方，福州房地产市场的发展离不开银行信贷的支持。同时，房地产企业作为银行主要的贷款接收者，是银行的重要客户，银行每年都会从房地产贷款中获得可观的利息收入。在经济现实中，早期房价上涨会使双方均在一定程度上获益，利润增加，双方资产负债表扩列。但是房地产价格过度上涨到一定程度，一旦出现增速趋缓并开始暴跌时，房价的异常波动会为银行体系带来过大负担，金融市场风险上升，又由于福州银行同业业务高度集中，这使得银行与房地产开发企业的联系会破坏银行系统的稳定，甚至造成巨大的金融危机。因此，研究房地产价格波动对金融市场的影响具有重要现实意义。（三）国内外研究现状1、房地产价格的影响因素现有的关于房地产价格影响因素的研究文献主要集中在宏观层面和微观层面上。宏观方面主要从经济因素和政策因素等层面展开相关研究，微观方面则主要通过对税收、土地价格、消费者预期等因素来考察房价波动。在宏观方面的研究中，张世涵总结现有研究发现经济发展、居民收入、人口、城镇化、利率、货币供应量等指标水平越高，房价相对会越高。Finocchiaro和Heideken、冯涛、杨达和张蕾将商业银行纳入研究对象，运用DSGE模型研究房价、货币政策和商业银行宏观审慎政策三者之间的关系，得出相关机构合理地利用货币政策和信贷政策干预房价是必要的，并且应该综合各工具手段以实现在不同时期时，总量调控与价格控制能协调配合。在微观影响因素方面上，陈冠南和陈少晖通过收集多个OECD国家的房地产业样本，以实证分析的方式探索房地产税和房价之间关系，最终得出房地产税仅在短期内会对房价产生影响，而房地产税对房价的改变不存在长期效应。Eve和Hannah两篇文献均研究土地价格对房价影响。分别发现无论是在英国还是韩国，部分房地产价格上涨源于土地供给的不足。受到经济学经典的理性预期资产定价理论启发，Hua以实证的方式检验并验证出房产的预期未来价值决定当前房产市场价值的假设。2、金融风险的测度根据现有文献情况，常用金融市场金融风险测量方法大体有两种：指数法和模型法。学者们在研究早期常采用指数法研究金融市场金融风险，ling和Liu以一项加拿大银行的内部调查为依据，分别在加拿大银行、外汇市场、债券市场、股票市场中选取合适的指标最终构建出一个比传统方法更能准确描述加拿大金融市场风险的FSI，以期达到金融危机风险预警的效果。国内学者赖娟和吕江林借鉴Illing和Liu等人关于金融压力指数的研究方法并将其与中国实际国情结合，构建出了一个适合中国的金融压力指数且该指数对2002-2009年期间中国金融的现实历史情况拟合良好。指数法相对较便捷，但是此方法由于主观选取权重且会计信息滞后等缺陷因此也存在局限性。为此学者们采用构建模型来提高准确性。模型法多采用大量公开的市场数据来测度系统性金融风险。其中，Adrian和Brunnermeier在对VaR模型进行优化后提出运用ΔcoVaR度量风险。后国内学者白雪梅和石大龙将CoVaR用于测量福州金融市场金融风险证实效果良好。Grayetal.（2007）开创性地综合利用公开的市场数据和传统会计信息创造出新的CCA模型法，研究出一套指标来衡量系统性金融风险。王擎又基于CCA方法，再结合POT-Coupla方法对福州金融市场风险对整个系统性风险的贡献作实证分析。3、房价波动对金融市场的影响目前学界关于房价波动影响金融市场的研究大体可分为两个方面：一方面，现有研究表明，房价波动是金融市场风险变化的原因之一。Reinhart和Rogoff认为房地产市场风险与金融市场风险呈现相似的行为模式。王璐和童中文分析了多种引发金融市场风险的因素，得出房价过度上涨易引发金融市场风险。彭建刚和童磊实证分析得出引起福州金融市场风险的最主要的因素是房地产价格波动。徐荣等基于有向无环图分析得出房地产价格对金融市场风险具有同期影响关系。彭俊华和许桂华在研究异常房价波动是如何影响系统性风险的过程中，运用VAR模型得出，房价在杠杆效应、挤出效应催化的情况下会通过银行信贷引发金融市场风险。宋凌峰等在资产和负债两个层面展开房地产价格波动影响金融市场风险的机理，运用TVP-VAR模型最终得出房地产市场衰退会非线性地加速恶化银行业系统性风险。曹晓飞、赵芬芬和万月亮通过改良的CoVaR模型测度系统性金融风险后，通过实证说明房地产价格波动与系统性金融风险存在正向相依关系，即房价波动影响系统性金融风险，也极易引发金融市场金融风险。王文和芦哲分别探讨了美国、日本、德国和中国房地产泡沫情况，总结了美国和日本的房地产泡沫破裂后所引发系统性金融风险的关键原因在于泡沫破裂后的金融市场风险的升高。最后实证分析表明福州目前房地产市场对金融市场风险的影响还相对可控。另一方面，学者们从影响路径角度出发，Gerlach和Peng认为房地产价格影响金融市场风险的主要传导渠道是盲目扩张的银行信贷。Tajiketal.认为房地产市场的发展会造成一定程度的房地产价格泡沫，但是一旦泡沫破裂会通过不良贷款给银行业带来巨大压力，且影响会随不同房地产贷款类型和银行类别不同而有所区别。唐建伟认为房地产价格波动引发的风险会通过信贷风险、市场风险、经纪业务收入等不同渠道传导至银行业。邹静等总结到，房价易通过引发资产价格泡沫的方式从而引起金融市场风险上升。二、福州房价及金融市场现状分析（一）福州房价现状如图3-1所示，近年来福州房价总体上呈现出稳步上升的趋势，仅在2008年受全球金融危机的影响出现过一次微跌。截至2019年，全国房价从2007年的3864元/平方米一直涨到9310元/平方米，增幅达到140.9%之高。这十三年来福州房价增速在2008-2010年间波动较大。此后的十年里福州房价逐渐呈现出平稳上涨趋势，增速大体保持在5-10%水平。水平。图2-12007-2019年福州商品房平均销售价格及其增长率（二）福州房地产贷款现状表2-1为福州房地产企业获取资金的主要渠道的概况，可以看出，福州房地产贷款规模逐年上升，2007年福州房地产贷款规模仅为37478亿元，到2020年存量已涨至198307亿元。在各项融资渠道中，其他项主要包括预付款、个人按揭贷款及定金等，在四项融资渠道里占比最高，其次是自筹资金，由此可以看出福州房地产开发资金来源较依赖银行贷款。表2-12007-2020年福州房地产开发资金来源及占比年份小计（亿元）其他（亿元）占比（%）贷款（亿元）占比（%）自筹资金（亿元）占比（%）2007374781804948.16701618.721177331.412008396191597340.32760619.201531238.652009577992800648.451136519.661794931.052010729443295245.171256417.222663736.522011856893684243.001305715.243500540.852012965384227543.791477815.313908340.4820131221225449144.621967316.114742538.8320141219924969040.732124317.415042041.3320151252035565544.452021416.154903839.1720161442137342850.922151214.924913334.0720171560537977051.122524216.185087232.6020181712199127653.312400514.025583132.61201918459010102754.732522913.675815831.51202019830711015555.552667613.456130530.91（三）金融市场现状分析金融系统的脆弱性导致个别银行风险传染至整个行业，金融市场风险具有负外部性、累积性、传染性等特征。1、不良贷款率图2-2结果显示，福州银行不良贷款率在前两年比较差，2006年和2007年分别为7.5%和6.1%，但从2008年开始已明显好转，不良贷款率下降至2.4%，并从此长年保持着1-2%水平，其原因可能是福州银行业的贷款结构。但是需要说明的是，2008年以来较低的不良贷款率不能支持福州银行具有良好资产质量状况的结论，因为数值较低的不良贷款率在福州通常是国家政策性调节的结果，不来自商业银行内部经营管理水平。因此，从长期来看，商业银行在面临外部风险冲击时不良贷款率可能会迅速回升，福州银行业仍面临着潜在的金融市场风险。图2-22006-2017年福州商业银行不良贷款率2、金融市场风险指数本文金融市场风险测量根据陈守东，马辉，穆春舟构建银行风险预警指标时，采用存贷比例RLD监测过度信贷风险、实际利率RIR衡量利率变化带来的风险、货币供应量MS测量货币供给失衡风险，以此来确定金融市场风险指数。存贷款比例RLD为存款与贷款比值，该比例越高证明商业银行的流动性越差，会增加银行危机；实际利率RIR高低会影响宏观经济的储蓄与投资，本文选取6个月至1年（含）作为代理变量；货币供应量MS为M2与GDP比值，值越高说明金融危机的可能性越高。金融市场风险指数BRI公式为：BRI其中，w注：i分别为RLD、RIR、MS金融市场风险指数值越大对应地银行系统风险越大。由图2-3我们可以看出，2014年初，2020年初这些时间点上，福州银行业风险处于风险高峰时期。金融市场风险指数如图：图2-32008-2020年福州银行系统风险指数三、房地产价格波动对金融市场风险影响的研究（一）变量选取和数据说明本文研究房价对金融市场风险产生的影响，将金融市场风险指数作为因变量，选取商品房平均销售价格作为自变量，同时将通货膨胀率（CPI）、人民币3-5年中长期贷款利率（LIR）、A股上证指数（GA）三个经济指标作为控制变量，选取2008年第一季度至2020年第四季度共计52个样本，分析福州房地产价格与金融市场金融风险的关系。本文涉及的变量及变量解释如表3-1。表3-1变量、指标与标识变量指标标识被解释变量金融市场风险金融市场风险指数Y解释变量房地产价格商品房平均销售价格LNHPI控制变量宏观经济指标通货膨胀率LNCPI人民币3-5年中长期贷款利率LIRA股上证指数LNGA1、被解释变量本文根据第三章算出的金融市场风险指数作为金融市场风险的代理指标。由于该指数具有正负波动特点，为消除此特性且保持其单调性，本文将其进行sigmoid变换以方便分析。图3-2金融市场风险指数sigmoid转换2、解释变量本文主要研究房地产价格对银行业风险的影响，故选取房地产价格作为解释变量。但是，目前无法直接获取有关福州房地产价格数据，故本文选取商品房平均销售价格作为房价的代理指标，即商品房销售总额与商品房销售面积的比值，并进行季度频率转换、取对数处理。3、控制变量通货膨胀率包含宏观经济价格变动的经济信息，本文用消费者价格指数来衡量通货膨胀率，并对消费者价格指数做对数处理。根据前文房价对银行业系统性风险传导机制的理论分析，贷款利率降低会使银行营收减少，从而银行持有高风险资产的风险升高。又因为房地产开发过程周期长的特点，本文选用人民币3-5年中长期贷款利率作为控制变量。A股上证指数会综合反映出股价整体水平，因此将其作为控制变量加入到模型中，同时对其进行取对数处理。（二）平稳性检验如果对非平稳时间序列构建VEC模型，可能会出现“伪回归”现象，即实际上没有经济意义关系的变量却在统计意义上存在回归关系。因此，本文利用Eviews10对序列进行ADF检验，如果序列为同阶单整时，方可进行后续的实证分析。结果如下：表3-2ADF检验结果变量检验形式ADF检验值5%显著性水平上的检验值P值检验结果Y(C,0,7)-2.032287

-2.9314040.2725不平稳D(Y)(0,0,6)-4.698640-1.9486860.0000平稳LIR(C,0,1)-2.446555-2.9211750.1346不平稳D(LIR)(0,0,0)-4.312046-1.9475200.0001平稳HPI(0,0,8)2.653598-1.9486860.9976不平稳D(HPI)(C,0,7)-3.227950-2.9314040.0251平稳GA(C,0,0)-2.666840-2.9199520.0868不平稳D(GA)(0,0,0)-7.141532-1.9475200.0000平稳CPI(0,0,8)-0.358362-1.9486860.5498不平稳D(CPI)(0,0,7)-4.814130-1.9486860.0000平稳注：c,t,k分别表示是否含有常数项、是否含有趋势项以及滞后阶数ADF检验结果如表3-2所示，在5%显著水平下，原序列数据皆不拒绝原假设，但一阶差分序列显著，皆为平稳序列。因此序列具有一阶单整性，但是为了建立VEC模型，还需要进行协整检验。（三）Johansen协整检验对于非平稳时间序列，需要检验变量间是否存在协整关系，如果存在才使建立VEC模型具有实际经济意义。本文采用Johansen协整检验的迹检验法和最大特征根检验法两种方法，利用Eviews10检验变量之间的协整关系。根据AIC、SC信息准则，最佳滞后期为2期，故选择1期滞后阶数进行协整检验以及后续建立VEC。Johansen协整检验结果如表3-3、3-4所示：表3-3迹统计量检验结果零假设H0特征根Trace统计量5%临界值P值None0.634006122.260576.972770.0000Atmost10.57210872.0036654.079040.0006Atmost20.34479929.5594435.192750.1784Atmost30.1233728.41877820.261840.7889Atmost40.0360381.8351489.1645460.8103表3-4最大特征根检验结果零假设H0特征根Max统计量5%临界值P值None0.63400650.2568634.805870.0004Atmost10.57210842.4442228.588080.0005Atmost20.34479921.1406622.299620.0720Atmost30.1233726.58363115.892100.7200Atmost40.0360381.8351489.1645460.8103结果显示，在5%显著性水平下，迹统计检验和最大特征根检验均拒绝变量间不存在协整关系的原假设，即银行业系统性风险指数、商品房平均销售价格、A股上证指数、通货膨胀和人民币中长期贷款利率间具有长期稳定关系，因此标准化处理协整关系方程后，得到协整方程为：Y=0.00039∗LNHPI−0.00064∗LNGA+0.00401∗LNCPI−0.01976∗LIR#(4.1)由方程可知，LNHPI升高1%时，Y也会随之上升0.0004%，对应现实中的经济意义是房地产价格与金融市场风险存在正向相关关系，房地产价格上涨会引起金融市场风险升高，与实际较符合。但是，当变量短期偏离动态均衡状态后是如何修复的，以及这种修复的速度和方向等问题需要进一步通过建立VEC模型来确定。（四）VEC模型根据上节可知，本文序列具有一阶单整性，且变量间存在长期稳定的动态均衡关系，因此可以建立VEC模型，故通过Eviews10构建VEC模型，得到回归结果如下：表3-5VEC回归结果CointegratingEq:

CointEq1Y(-1)

1.000000LNHPI(-1)-0.000390

(0.00049)[-0.80328]LNGA(-1)

0.000642

(0.00048)[1.34171]LNCPI(-1)-0.004012

(0.00464)[-0.86511]LIR(-1)

0.019757

(0.01672)[1.18129]C-0.484968

(0.02016)[-24.0528]

续表3-5VEC回归结果ErrorCorrection:D(Y)D(LNHPI1)D(LNGA)D(LNCPI)CointEq1-2.286982

12.52003-8.847521-1.123011

(0.27705)

(9.59974)

(29.2018)

(2.05229)[-8.25473][1.30421][-0.30298][-0.54720]D(Y(-1))

0.617655-18.76110

6.397739-0.191092

(0.16129)

(5.58851)

(16.9999)

(1.19474)[3.82956][-3.35708][0.37634][-0.15994]D(LNHPI(-1))-0.020748

0.014774

0.183987

0.016996

(0.00454)

(0.15748)

(0.47903)

(0.03367)[-4.56529][0.09382][0.38408][0.50483]D(LNGA(-1))

0.001161-0.024360-0.020435

0.029346

(0.00151)

(0.05239)

(0.15937)

(0.01120)[0.76814][-0.46496][-0.12822][2.62008]D(LNCPI(-1))-0.000667-0.005757-2.125416

0.387144

(0.02216)

(0.76783)

(2.33570)

(0.16415)[-0.03012][-0.00750][-0.90997][2.35845]D(LIR(-1))

0.168969-4.172133-7.943122

1.326377

(0.10354)

(3.58749)

(10.9129)

(0.76695)[1.63199][-1.16297][-0.72787][1.72941]在对协整方程标准化处理后，本文得出向量误差修正项为：E+0.01976∗LIR−0.48497#通过方程可以看出，向量误差修正项与协整方程唯一区别在于常数项，这表明建立的VEC模型具有良好的修正机制。基于上述分析，建立向量误差修正模型如下：Δ从向量误差修正模型可以得出，当房地产价格在短期内偏离均值时，会以2%速度进行修正，短期内房地产价格与金融市场风险呈现负向关系，这说明房价在短期起步阶段内上涨有利于降低金融市场风险，这与第二章理论分析相符，短期内房价上涨使银行业利润上升，同时违约贷款减少，金融市场风险下降。1、脉冲响应分析脉冲响应分析刻画各个变量间动态关系以及内生变量对误差变化大小的反应。房地产价格对其它各变量脉冲响应如图3-3：图3-3脉冲响应图从第一行左图可以看出，房价对金融市场风险从整体来看冲击为正，整个过程呈现先下降后增强的趋势，在第3期达到最低值-0.00003后又逐渐上升，这与第二章理论分析相符，即房价短暂上涨会促进实际经济发展，从而金融市场风险能在一定程度上减小。但是，当房价过度上涨时会破坏银行体系稳定性，且会持续使得金融市场风险升高。第一行右图显示，房地产价格对自身的冲击影响最大且为正向影响，当房价受到自身的一个冲击后，正向响应会逐期减弱地持续下去，这与福州房价走势现状基本保持一致，福州房价近几年虽然增速放缓，但仍处于上涨状态。第二行左图里，房价期初给上证指数一个正向冲击后，上证指数会首先受到正向影响，但在滞后1期后变为负向影响,最终稳定在-0.02水平。这说明，房价升高，投资情绪高涨，人们对未来的预期较为乐观，这会在初期带动股价上涨，但是，一旦房价过度上升，可能受房地产泡沫破裂影响，股市会低迷不振。第二行右图，房地产价格在期初对中长期贷款利率施加正向冲击，后缓慢上升至5期以后逐渐平稳，这说明，房价波动对中长期贷款利率的冲击反应比较迟钝，且在长期会拉高利率水平。2、方差分解分析本文利用方差分解探究得出每个结构冲击对内生变量改变的影响。在房地产价格对金融市场风险影响关系中，需要通过方差分解得出两者之间的贡献程度，结果如图所示：表3-6金融市场风险的方差分解

PeriodS.E.YLNHPILNGALNCPILIR

1

0.001567

100.0000

0.000000

0.000000

0.000000

0.000000

2

0.002058

59.11234

22.47729

0.030624

5.892009

12.48774

3

0.002268

56.52492

22.17842

4.122321

5.237903

11.93643

4

0.002446

54.76618

22.98207

3.986812

7.051476

11.21346

5

0.002636

51.80551

25.41994

4.088164

8.032138

10.65425

6

0.002805

50.03046

27.22854

3.970875

8.339528

10.43059

7

0.002967

48.59042

28.66945

3.909752

8.374951

10.45542

8

0.003119

47.15351

30.01850

3.887976

8.272279

10.66774

9

0.003262

45.88150

31.17152

3.920162

8.108936

10.91788

10

0.003399

44.71227

32.16069

4.045016

7.941474

11.14055由表3-6结果可以看出，房价对金融市场风险的方差贡献度逐渐上升，最终占比32%，而其他变量贡献度均在10%以下，这表明近年来房地产市场的发展较为快速，房价上涨给银行带来明显的风险提升。四、结论及建议（一）结论本文基于福州房市和房价的现实情况，选取金融市场风险指数、商品房平均销售价格、人民币中长期贷款利率、通货膨胀率、A股上证指数，基于向量误差修正（VEC）模型，研究房地产价格波动对金融市场风险的影响，得出以下结论：通过现状分析，现有房价年度数据显示，从2007年到2019年，福州房价从3864元/平方米涨到9310元/平方米，近5年增速一直保持在5-10%。可得出福州房地产市场仍处于持续发展的状态，房价增速虽然平稳但仍处于过高水平，表明福州仍存在潜在的房地产泡沫破裂的风险。2006年商业银行不良贷款率还在7.5%，但2008年以后已降至1-2%水平。这表明福州银行业整体资产质量虽然在近十年有所好转，但由于多变的国际经济形式以及有限的管理水平，未来福州银行业关于防范金融市场风险仍然需要应对新环境的挑战。通过Johansen协整检验和VEC模型可得出：房地产价格、通货膨胀率、上证指数、中长期贷款利率和金融市场风险之间存在长期动态均衡关系，且房价与金融市场风险成正向相关关系，长期来看房价每上涨1%时，金融市场风险也会随之上升0.0004%，而短期内房价与金融市场风险成负向关系，房价短期偏离时会以2%速度修正回来。通过脉冲响应函数结果分析，可得出福州房地产价格的快速上涨会使金融市场风险先下降后持续上升，因此房地产市场对银行稳定性起着至关重要的影响作用。方差分解结果显示，相对于通货膨胀率、股票价格、人民币中长期贷款利率等宏观经济因素，房地产价格波动解释金融市场风险贡献度占比32%，是最显著影响金融市场风险的因素。因此，要维护银行系统的稳定，促进金融行业的健康发展，需要重视对房地产价格的监管和控制。（二）建议基于本文第二章理论分析和第四章实证分析，房地产价格波动会在一定程度上影响金融市场风险，而商业银行一旦出现危机，整个宏观经济的风险也会急剧上升。为了防范金融市场风险出现，保证国民经济健康平稳发展，本文从监管、房地产业和银行业三个层面提出以下政策建议。1、监管层面央行和监管部门应该选用科学合理的金融市场风险的测量工具。一方面，综合指数法结合国内各项宏观经济基础数据，可以全面反映一国的银行风险情况，更加贴合福州金融市场风险现实情况。另一方面，综合指数法便于计算，使得监管部门度量更加灵活机敏，一旦福州商业银行出现异常情况，监管部门得以利用综合指数法及时地评估风险。此外，监管部门应当着重关注房地产价格波动对银行业系统性风险的影响，在第三章分析中，通过对金融市场风险进行方差分解分析，我们得出只有房地产价格对银行风险的影响相较于其他变量逐年递增，最终占比32%，显著高于其他变量。说明房地产价格波动是造成金融市场风险的主要原因。因此，相关监管部门应坚持将调控房价作为防范金融市场风险的重心。通过持续监测预警房地产泡沫，判断房地产市场是否平稳发展。此外，相关监管部