李凱 樊明太 葉思暉

摘? ?要：我國房地產(chǎn)和金融市場發(fā)展使房價(jià)進(jìn)入到貨幣政策傳導(dǎo)渠道中，房價(jià)與貨幣政策中介變量、宏觀目標(biāo)變量間的關(guān)系呈動(dòng)態(tài)變動(dòng)。本文通過TVP-SV-VAR模型研究發(fā)現(xiàn)：與M2和信貸相比，社會(huì)融資規(guī)模與房價(jià)的關(guān)系更穩(wěn)定，且對彼此波動(dòng)的反應(yīng)更強(qiáng);近些年房價(jià)波動(dòng)對產(chǎn)出、物價(jià)波動(dòng)的邊際效應(yīng)減弱，對金融穩(wěn)定的影響仍較大，房價(jià)對外部因素波動(dòng)的敏感性有所降低。建議國家應(yīng)堅(jiān)持穩(wěn)定房價(jià)的總基調(diào)，把好貨幣供給閘門，合理管控社會(huì)融資規(guī)模增量，加強(qiáng)房地產(chǎn)各項(xiàng)融資監(jiān)管;各地方政府應(yīng)根據(jù)本地人口流入和住房庫存等實(shí)際情況，合理推進(jìn)房地產(chǎn)業(yè)發(fā)展，在發(fā)揮其積極作用的同時(shí)，防范區(qū)域金融風(fēng)險(xiǎn)。

關(guān)鍵詞：房地產(chǎn)價(jià)格;社會(huì)融資規(guī)模;貝葉斯估計(jì);邊際效應(yīng);TVP-SV-VAR模型

一、引言

2008年金融危機(jī)后，房地產(chǎn)業(yè)發(fā)展對我國經(jīng)濟(jì)運(yùn)行產(chǎn)生重要影響，房價(jià)的貨幣因素以及房價(jià)與產(chǎn)出、物價(jià)、金融市場的關(guān)系受到政府部門的極大關(guān)注。除自有資金以外，房地產(chǎn)開發(fā)資金主要來自金融市場，銀行貸款是主要來源。因此，房地產(chǎn)開發(fā)投資與貨幣供應(yīng)量、信貸規(guī)模和社會(huì)融資規(guī)模這三個(gè)貨幣政策中介變量（馬理等，2015）[1]均存在相關(guān)性，房地產(chǎn)開發(fā)投資也與房價(jià)高度相關(guān);金融危機(jī)期間房地產(chǎn)業(yè)發(fā)展對促進(jìn)我國經(jīng)濟(jì)恢復(fù)發(fā)揮了重要作用，但房價(jià)泡沫風(fēng)險(xiǎn)構(gòu)成了金融市場的隱患。當(dāng)前存在“貨幣政策中介變量—房地產(chǎn)開發(fā)投資—房價(jià)—宏觀經(jīng)濟(jì)和金融市場”這一傳導(dǎo)路徑，但房價(jià)與宏觀變量間的關(guān)系呈動(dòng)態(tài)變化。一是2004年房地產(chǎn)業(yè)融資多元化，信貸不再是房地產(chǎn)企業(yè)從金融市場獲取資金的唯一渠道，信托、委托貸款和股權(quán)等也成為重要資金來源，而上述融資是社會(huì)融資規(guī)模的組成部分，這引發(fā)了學(xué)者對三個(gè)中介變量與房地產(chǎn)開發(fā)投資、房價(jià)相關(guān)性的比較研究，各中介變量與房價(jià)的相關(guān)性強(qiáng)弱如何，相關(guān)性隨時(shí)間如何變動(dòng)？二是政府調(diào)控、房地產(chǎn)周期均會(huì)影響房地產(chǎn)與宏觀經(jīng)濟(jì)和金融市場的關(guān)系，房價(jià)與產(chǎn)出、物價(jià)、金融市場之間有何關(guān)系，相互關(guān)系如何變動(dòng)？2018年房地產(chǎn)去庫存完成后，我國樓市進(jìn)入結(jié)構(gòu)調(diào)整的成熟期，房價(jià)與各變量間關(guān)系有什么變化？

為了回答上述問題，本文首先分析資本資產(chǎn)市場發(fā)展對貨幣政策傳導(dǎo)機(jī)制的影響及資產(chǎn)價(jià)格進(jìn)入傳導(dǎo)渠道的理論機(jī)制，進(jìn)而闡述房價(jià)進(jìn)入我國貨幣政策傳導(dǎo)渠道吸納資金、影響宏觀經(jīng)濟(jì)和金融市場的理論機(jī)制，最后基于2002—2019年季度數(shù)據(jù)構(gòu)建TVP-SV-VAR模型，利用貝葉斯估計(jì)分析房價(jià)與宏觀變量間的動(dòng)態(tài)關(guān)系。

二、文獻(xiàn)綜述

關(guān)于貨幣、信貸、社會(huì)融資規(guī)模對資產(chǎn)價(jià)格的影響，王擎和韓鑫韜（2009）[2]利用我國1998—2008年季度數(shù)據(jù)構(gòu)建擾動(dòng)項(xiàng)時(shí)變的MGARCH-BEKK模型，發(fā)現(xiàn)貨幣增長率波動(dòng)與房價(jià)增長率波動(dòng)具有相似性。Bernanke和Gertler（1989）[3]認(rèn)為信貸和資產(chǎn)價(jià)格間常存在正反饋機(jī)制，Hofmann（2003）[4]通過20個(gè)發(fā)達(dá)國家數(shù)據(jù)，也發(fā)現(xiàn)短期內(nèi)房價(jià)與信貸規(guī)模呈互相增強(qiáng)關(guān)系。一些實(shí)證研究認(rèn)為信貸與房價(jià)的關(guān)系在房價(jià)上漲時(shí)更明顯（Goodhart和Hofmann，2007）[5]，房價(jià)上漲時(shí)對信貸擴(kuò)張的響應(yīng)更大（Collyns和Senhadji，2002）[6]。一些文獻(xiàn)指出，與貨幣總量相比，信貸總量對資產(chǎn)價(jià)格的影響更顯著（陳繼勇等，2013）[7]。一些研究認(rèn)為社會(huì)融資規(guī)模與房價(jià)相互作用明顯，控制住前者能在一定程度上左右房價(jià)變化（杜龍波和高婧，2014;楊艷慧，2016）[8，9]。

關(guān)于資產(chǎn)價(jià)格與產(chǎn)出、物價(jià)和金融市場的關(guān)系，Alchian和Klein（1973）[10]認(rèn)為，若預(yù)期未來價(jià)格水平上漲，在其他條件不變時(shí)，住房和股票價(jià)格也將上漲。2000年之前多數(shù)國內(nèi)研究認(rèn)為我國資產(chǎn)價(jià)格（主要是股價(jià)）與宏觀經(jīng)濟(jì)變量不相關(guān)（談儒勇，1999）[11];一些研究發(fā)現(xiàn)資產(chǎn)價(jià)格與宏觀經(jīng)濟(jì)變量間的關(guān)系會(huì)隨著資本市場發(fā)展程度的提高而增強(qiáng)（呂江林，2005;蔣海和伍雪玲，2013）[12，13]。多數(shù)研究認(rèn)為資產(chǎn)價(jià)格，特別是房價(jià)與未來CPI存在一定相關(guān)性，但股價(jià)與CPI的相關(guān)性難以準(zhǔn)確度量（Filardo，2000;羅雁，2018）[14，15]。羅雁（2018）[15]利用動(dòng)態(tài)條件相關(guān)系數(shù)模型研究我國2006—2016年數(shù)據(jù)，發(fā)現(xiàn)各樣本期間房價(jià)波動(dòng)與實(shí)際產(chǎn)出、通脹率的關(guān)系較大。劉曉欣等（2017）[16]采用主成分分析法構(gòu)建了衡量金融穩(wěn)定程度的指標(biāo)，通過SVAR模型研究我國2002—2016年月度數(shù)據(jù)，發(fā)現(xiàn)房價(jià)上漲會(huì)使金融穩(wěn)定性短期內(nèi)提升、長期內(nèi)下降。沈悅等（2020）[17]基于2000—2018年我國35個(gè)大中城市面板數(shù)據(jù)構(gòu)建PVAR模型，發(fā)現(xiàn)房價(jià)泡沫增大不利于金融穩(wěn)定，相比泡沫膨脹，泡沫收縮對金融穩(wěn)定的沖擊更大。李程等（2020）[18]構(gòu)建并測算了2008年7月—2019年9月我國金融壓力指數(shù)（FSI），利用MS-VAR模型將FSI劃分為三個(gè)區(qū)制，發(fā)現(xiàn)杠桿率、房價(jià)與FSI間存在明顯的非線性特征，通過三個(gè)區(qū)制的代表性時(shí)點(diǎn)的脈沖響應(yīng)分析，發(fā)現(xiàn)長期內(nèi)房價(jià)會(huì)通過推高杠桿率增大金融壓力。

綜上，大多數(shù)文獻(xiàn)研究認(rèn)為貨幣政策中介變量與資產(chǎn)價(jià)格，資產(chǎn)價(jià)格（特別是房價(jià)）與產(chǎn)出、物價(jià)、金融穩(wěn)定存在相關(guān)性，一些文獻(xiàn)還指出變量間關(guān)系的時(shí)變特點(diǎn)（蔣海和伍雪玲，2013）[13]，但國內(nèi)尚無文獻(xiàn)系統(tǒng)分析房價(jià)與各中介變量、目標(biāo)變量間的動(dòng)態(tài)關(guān)系，因此，本文采用季度數(shù)據(jù)分析房價(jià)與貨幣政策中介變量、目標(biāo)變量間的時(shí)變關(guān)系。關(guān)于資產(chǎn)價(jià)格與宏觀變量間關(guān)系的研究，主要采用通脹目標(biāo)制（Bernanke和Gertler，1999、2001;趙進(jìn)文和高輝，2009;李成等，2010;譚政勛和王聰，2015）[19-23]、DSGE模型（Kiyotaki和Moore，1997;梁斌和李慶云，2011;崔百勝和丁宇峰，2016;胡朝陽和馬芳芳，2019）[24-27]和VAR模型及其拓展形式（蔣海和伍雪玲，2013;閆先東和朱迪星，2016;劉璐等，2020）[13，28，29]等方法。本文研究少數(shù)變量間的關(guān)系，適用VAR模型;融資結(jié)構(gòu)變化和資本資產(chǎn)市場發(fā)展會(huì)影響房價(jià)在貨幣政策傳導(dǎo)機(jī)制中的作用，金融調(diào)控、經(jīng)濟(jì)結(jié)構(gòu)、實(shí)體經(jīng)濟(jì)與金融體系間關(guān)系變動(dòng)也會(huì)使經(jīng)濟(jì)變量間結(jié)構(gòu)參數(shù)發(fā)生變化，因此，本文采用TVP-SV-VAR模型（Primiceri，2005）[30]，并采用Nakajima（2011）[31]提出的蒙特卡羅算法（MCMC）進(jìn)行參數(shù)貝葉斯估計(jì)。

三、房價(jià)的貨幣政策傳導(dǎo)機(jī)制分析

20世紀(jì)80年代以來，股票、房地產(chǎn)等市場快速發(fā)展，相關(guān)資產(chǎn)價(jià)格波動(dòng)影響著傳統(tǒng)的貨幣政策傳導(dǎo)路徑，比如某一資產(chǎn)價(jià)格的持續(xù)上漲往往會(huì)從金融市場上吸引大量資金進(jìn)入該資產(chǎn)所在的市場，而且資產(chǎn)價(jià)格波動(dòng)也會(huì)影響宏觀經(jīng)濟(jì)和金融市場穩(wěn)定。其理論機(jī)制是：貨幣政策信號(hào)形成后，除信貸市場外，股票、中間業(yè)務(wù)等市場會(huì)通過股票融資、銀行理財(cái)?shù)荣Y金融通活動(dòng)規(guī)模和價(jià)格的變化對政策信號(hào)作出反應(yīng)，但一部分資金融通不直接接受政策工具的調(diào)節(jié)，而是直接進(jìn)入金融資產(chǎn)市場，影響資產(chǎn)價(jià)格（溫策，2019）[32]。就我國房地產(chǎn)市場而言，房價(jià)進(jìn)入貨幣政策傳導(dǎo)路徑并形成房價(jià)的貨幣政策傳導(dǎo)效應(yīng)，表現(xiàn)在兩方面：一是房地產(chǎn)市場吸納資金影響貨幣政策中介變量向?qū)嶓w經(jīng)濟(jì)的傳導(dǎo);二是房價(jià)通過多個(gè)渠道影響投資和消費(fèi)，進(jìn)而影響物價(jià)，房地產(chǎn)金融化程度加深，房價(jià)波動(dòng)增加金融風(fēng)險(xiǎn)、影響金融穩(wěn)定（見圖1）。

（一）房價(jià)吸納資金的理論基礎(chǔ)

凱恩斯提出的流動(dòng)性偏好理論構(gòu)成房價(jià)吸納資金的理論基礎(chǔ)。人們的貨幣需求由交易需求、預(yù)防需求和投機(jī)需求構(gòu)成。在我國，貨幣交易需求和投機(jī)需求都受到房地產(chǎn)交易的影響：城鎮(zhèn)化進(jìn)程刺激住房購買，增加了對貨幣的交易需求;金融危機(jī)后房價(jià)大幅上漲，房地產(chǎn)業(yè)利潤顯著高于其他行業(yè)，大量原本投資于制造業(yè)等行業(yè)的資金轉(zhuǎn)而流入房地產(chǎn)業(yè)，也增加了貨幣的交易需求;房地產(chǎn)投資屬性的增強(qiáng)則增加了貨幣的投機(jī)需求。房地產(chǎn)業(yè)規(guī)模擴(kuò)大和房價(jià)波動(dòng)引起不同市場主體貨幣需求的增大，這一需求最終通過信貸、股票、債券等融資方式得到滿足，導(dǎo)致大量資金流入房地產(chǎn)市場。

（二）房價(jià)影響宏觀經(jīng)濟(jì)和金融市場的機(jī)制分析

關(guān)于房價(jià)對宏觀經(jīng)濟(jì)的影響，Gertler和Bernanke（1999，2001）[19，20]認(rèn)為房價(jià)等資產(chǎn)價(jià)格將主要通過財(cái)富效應(yīng)、托賓q效應(yīng)、資產(chǎn)負(fù)債表（金融加速器機(jī)制）等途徑作用于消費(fèi)和投資，進(jìn)而影響產(chǎn)出和物價(jià)（陳繼勇等，2019）[7]。房價(jià)主要通過財(cái)富效應(yīng)和擠出效應(yīng)兩種渠道影響消費(fèi)，國內(nèi)外對于上述兩種效應(yīng)強(qiáng)弱的研究存在差異：發(fā)達(dá)國家房地產(chǎn)的財(cái)富效應(yīng)較明顯;我國房價(jià)的擠出效應(yīng)較明顯（曾世宏等，2019;?；ⅲ?020）[33，34]。

房價(jià)影響金融市場穩(wěn)定的機(jī)制較復(fù)雜，主要表現(xiàn)在：一是非房地產(chǎn)企業(yè)進(jìn)入房地產(chǎn)市場，影響企業(yè)所屬行業(yè)的產(chǎn)業(yè)升級(jí)，企業(yè)、行業(yè)和宏觀經(jīng)濟(jì)體系抵御外部沖擊的能力減弱，構(gòu)成金融安全隱患;二是金融危機(jī)后房價(jià)高漲，樓市泡沫風(fēng)險(xiǎn)加大，按揭購房者還貸壓力增大，在經(jīng)濟(jì)下行期斷供風(fēng)險(xiǎn)提升，銀行流動(dòng)性風(fēng)險(xiǎn)隱患加大，甚至可能導(dǎo)致銀行破產(chǎn)重組或被接管，影響金融市場穩(wěn)定;三是當(dāng)前我國房地產(chǎn)市場處于成熟調(diào)整期，“房住不炒”總基調(diào)下住房投資投機(jī)被限制，城鎮(zhèn)化空間收縮導(dǎo)致住房剛性需求減少，市場的觀望行為加大了住房銷售的不確定性，增大了房地產(chǎn)企業(yè)資金鏈斷裂隱患和信用風(fēng)險(xiǎn)，這又會(huì)增大銀行、債券等市場的運(yùn)行壓力。房地產(chǎn)市場的健康運(yùn)行關(guān)系到信貸市場、債券市場等市場的穩(wěn)定。因此，本文構(gòu)建包括貨幣、信貸、債券、股票、外匯、房地產(chǎn)等多個(gè)市場在內(nèi)的金融壓力指數(shù)，來研究房價(jià)波動(dòng)對金融市場的綜合影響。

四、模型設(shè)計(jì)和實(shí)證分析

本文先構(gòu)建金融壓力指數(shù)（FSI）（Illing和Liu，2003）[35]，再構(gòu)建TVP-SV-VAR模型，并對模型參數(shù)進(jìn)行貝葉斯估計(jì)，以分析房價(jià)與各中介變量、目標(biāo)變量之間的動(dòng)態(tài)關(guān)系。

（一）金融壓力指數(shù)測算

1. 金融壓力指數(shù)變量選擇。Illing和Liu（2003）[35]提出的金融壓力指數(shù)（FSI），為世界各國建立金融系統(tǒng)性風(fēng)險(xiǎn)預(yù)警指標(biāo)體系提供了新思路。本文參考許滌龍和陳雙蓮（2015）[36]、陳忠陽和許悅（2016）[37]、徐國祥和李波（2017）[38]的研究，除貨幣和信貸、債券、股票、外匯市場指標(biāo)外，還將房地產(chǎn)市場指標(biāo)納入FSI。本文選擇指標(biāo)的依據(jù)是：需符合金融壓力相關(guān)特征，即反映出金融市場上不確定性的增強(qiáng)（波動(dòng)率）和對風(fēng)險(xiǎn)資產(chǎn)或低流動(dòng)性資產(chǎn)偏好的降低（風(fēng)險(xiǎn)溢價(jià)）;指標(biāo)之間具有互補(bǔ)性，且在壓力增強(qiáng)時(shí)期具有一定的相關(guān)性。具體指標(biāo)及含義見表1。

2. 金融壓力指數(shù)構(gòu)建。首先，本文借鑒許滌龍和陳雙蓮（2015）[36]采用的CRITIC法，考慮指標(biāo)的變異性和不同指標(biāo)間的沖突性，設(shè)定各指標(biāo)的權(quán)重：[ωj=cj/j=1ncj]，[cj=σji=1n（1-rij）]，其中[ωj]表示權(quán)重，[σj]表示標(biāo)準(zhǔn)差，[rij]為變量i和j間的相關(guān)系數(shù)。其次，對數(shù)據(jù)進(jìn)行預(yù)處理：（1）為構(gòu)建季度頻率的FSI，對于只有月度數(shù)據(jù)的指標(biāo)，將月度數(shù)據(jù)轉(zhuǎn)換為季度數(shù)據(jù);（2）對于1月份數(shù)據(jù)缺失的情形，季度數(shù)據(jù)將利用2月和3月份數(shù)據(jù)轉(zhuǎn)化得到;（3）將指標(biāo)分為正向指標(biāo)和負(fù)向指標(biāo)，正向指標(biāo)值越大，則金融壓力越大，負(fù)向指標(biāo)相反;（4）利用極值法對指標(biāo)標(biāo)準(zhǔn)化。最后，利用公式[FSIt=j=1nωjXjt]，計(jì)算得到我國金融壓力指數(shù)FSI（見圖2），其中，[Xj]表示標(biāo)準(zhǔn)化后的指標(biāo)值。

（二）模型構(gòu)建

（三）數(shù)據(jù)、變量和相關(guān)檢驗(yàn)

1. 變量定義。本文選擇的樣本期間為2002—2019年，原始月度數(shù)據(jù)來自環(huán)亞經(jīng)濟(jì)數(shù)據(jù)和萬得數(shù)據(jù)庫，模型中季度數(shù)據(jù)由月度數(shù)據(jù)轉(zhuǎn)化得到，并使用各變量的相對波動(dòng)率。本文對數(shù)據(jù)做如下處理：（1）M2（m2）、信貸規(guī)模（loan）和社會(huì)融資規(guī)模（sfs）取季度增量，房價(jià)（hp）是商品房銷售價(jià)格累計(jì)平均值季末數(shù)據(jù)，產(chǎn)出（gdp） 是平減后的季度GDP，價(jià)格（cpi）是環(huán)比CPI增速，F(xiàn)SI（fsi）是金融壓力指數(shù);（2）考慮到時(shí)間序列數(shù)據(jù)受春節(jié)和清算業(yè)務(wù)影響而存在季節(jié)性，參考盧倩倩和許坤（2018）[39]，將各變量與0—1季節(jié)虛擬變量進(jìn)行回歸，得到各變量清除季節(jié)性的殘差序列，再利用HP濾波對殘差序列進(jìn)行趨勢分離，測算出相對波動(dòng)率，即HP濾波周期項(xiàng)和趨勢項(xiàng)的比值。

2. 平穩(wěn)性檢驗(yàn)。本文利用Eviews10.0軟件對各變量進(jìn)行平穩(wěn)性檢驗(yàn)（見表2），變量m2、loan、sfs、hp、gdp和cpi在1%的顯著性水平上平穩(wěn)，fsi在5%的顯著性水平上保持平穩(wěn)。

3. 滯后期選擇。通過檢驗(yàn)發(fā)現(xiàn)，三個(gè)貨幣政策中介變量與房價(jià)、房價(jià)與GDP、CPI和FSI之間均存在協(xié)整關(guān)系，因此可以進(jìn)行VAR建模分析。本文利用Rstudio軟件vars包中VARselect（）函數(shù)考察各模型的滯后期，最大滯后期設(shè)為10。在loan-hp的VAR模型中，AIC、HQ和SC信息值分別顯示滯后10期、10期和2期最優(yōu)，因樣本量有限，滯后10期將使信息損失嚴(yán)重，所以設(shè)定該VAR模型為滯后2期; m2-hp、sfs-hp的VAR模型中，各信息值和loan-hp的VAR模型存在區(qū)別，但為保持一致性，設(shè)定上述兩個(gè)模型也為滯后2期。hp-cpi、hp-fsi的VAR模型中，AIC、HQ和SC信息值均顯示滯后1期最優(yōu)，設(shè)定這兩個(gè)模型為滯后1期;hp-gdp的模型中，AIC、HQ和SC信息值與上述兩個(gè)模型存在差別，類似地，也設(shè)定該模型為滯后1期。

4. 格蘭杰因果關(guān)系檢驗(yàn)。根據(jù)表4，貨幣供應(yīng)和社會(huì)融資規(guī)模與房價(jià)互為格蘭杰因果關(guān)系，但信貸不是房價(jià)的格蘭杰原因，表明信貸對房價(jià)的影響作用較弱，而房價(jià)是信貸的格蘭杰原因，房價(jià)上漲會(huì)刺激信貸擴(kuò)張;房價(jià)與GDP互為格蘭杰因果關(guān)系，房價(jià)也是CPI和FSI的格蘭杰原因，但CPI和FSI均不是房價(jià)的格蘭杰原因，表明CPI和FSI對房價(jià)的影響較小。

（四）貝葉斯估計(jì)

本文使用2002—2006年數(shù)據(jù)序列對TVP-SV-VAR模型進(jìn)行初始訓(xùn)練，初始燃燒次數(shù)①為1000次，重復(fù)抽樣次數(shù)為20000次（許光健等，2019）[40];使用2007—2019年數(shù)據(jù)序列進(jìn)行參數(shù)估計(jì)，中介變量與房價(jià)的模型為滯后2期，損失2007年前兩個(gè)季度的擬合值，最終得到2007年第三季度到2019年第四季度（共50期）的結(jié)構(gòu)參數(shù)估計(jì)值;房價(jià)與宏觀目標(biāo)的模型為滯后1期，損失2007年第一季度的擬合值，最終得到2007年第二季度到2019年第四季度（共51期）的結(jié)構(gòu)參數(shù)估計(jì)值。

1. 貨幣政策中介變量與房價(jià)間的動(dòng)態(tài)關(guān)系。圖3和圖4分別描繪了2007年第三季度到2019年第四季度M2變動(dòng)、信貸變動(dòng)對房價(jià)的動(dòng)態(tài)影響。2007—2017年M2與房價(jià)保持同向變動(dòng)，M2擴(kuò)大會(huì)提高房價(jià)增速，這與我國高房價(jià)是由貨幣超發(fā)所導(dǎo)致的觀點(diǎn)一致;2018年起兩者呈反向變動(dòng)，原因可能在于，隨著2018年房地產(chǎn)去庫存基本完成和城鎮(zhèn)化放緩，房地產(chǎn)市場進(jìn)入結(jié)構(gòu)調(diào)整和優(yōu)化的成熟期，房價(jià)對貨幣的敏感性下降。

圖5顯示了2007年第三季度到2019年第四季度社會(huì)融資規(guī)模變動(dòng)對房價(jià)的動(dòng)態(tài)影響效果。與M2和信貸不同，社會(huì)融資規(guī)模與房價(jià)始終保持同向變化。2018年起社會(huì)融資規(guī)模變動(dòng)對房價(jià)波動(dòng)的邊際效應(yīng)趨于平穩(wěn)，原因在于，2016年底中央經(jīng)濟(jì)工作會(huì)議首次提出“房住不炒”的發(fā)展定位，2017年起國家多次強(qiáng)調(diào)穩(wěn)地價(jià)、穩(wěn)房價(jià)、穩(wěn)預(yù)期，房價(jià)進(jìn)入穩(wěn)中緩升階段，房價(jià)自身剛性特征強(qiáng)化，對社會(huì)融資的敏感性持續(xù)降低。與M2和信貸相比，社會(huì)融資規(guī)模變動(dòng)對房價(jià)波動(dòng)的邊際作用更大。

圖6、圖7和圖8分別描繪了2007年第三季度到2019年第四季度房價(jià)對M2、信貸和社會(huì)融資規(guī)模的影響。房價(jià)波動(dòng)對信貸變動(dòng)的邊際效應(yīng)為負(fù)，這可能與中央銀行對信貸的逆向操作有關(guān)。房價(jià)變動(dòng)對M2和社會(huì)融資規(guī)模的邊際效應(yīng)始終為正，表明兩個(gè)變量與房價(jià)均呈現(xiàn)順周期性;邊際效應(yīng)總體上均逐漸減弱，2018年減弱趨勢明顯，原因可能在于，2018年國家始終強(qiáng)調(diào)“房住不炒”定位，向市場傳達(dá)政府堅(jiān)決遏制房價(jià)非理性上漲的預(yù)期，房地產(chǎn)開發(fā)商融資趨于謹(jǐn)慎，政府也加強(qiáng)了對房地產(chǎn)融資的約束，使得M2和社會(huì)融資規(guī)模對房價(jià)的正向反應(yīng)減弱。與M2相比，社會(huì)融資規(guī)模對房價(jià)波動(dòng)的反應(yīng)更強(qiáng)，原因在于，針對房價(jià)過快上漲，政府會(huì)通過上調(diào)存款準(zhǔn)備金率、貸款利率等政策收緊銀根，減少M(fèi)2，但2016年之前政府對銀行表外業(yè)務(wù)監(jiān)管缺失，房地產(chǎn)開發(fā)企業(yè)可以通過信托貸款等手段獲取資金，因此房價(jià)波動(dòng)對社會(huì)融資規(guī)模的影響更大;2016年后，雖然國家加強(qiáng)了對銀行表外業(yè)務(wù)和企業(yè)信用債的管理，但包含表外業(yè)務(wù)和直接融資的社會(huì)融資規(guī)模對房價(jià)波動(dòng)會(huì)較M2更敏感。

2. 房價(jià)與產(chǎn)出、價(jià)格、金融壓力指數(shù)間的動(dòng)態(tài)關(guān)系。圖9左圖描繪了2007年第三季度到2019年第四季度房價(jià)波動(dòng)對產(chǎn)出波動(dòng)的影響。房價(jià)波動(dòng)對產(chǎn)出波動(dòng)的邊際效應(yīng)為正，表明房價(jià)上升會(huì)影響消費(fèi)和投資，使產(chǎn)出增加;房價(jià)波動(dòng)對經(jīng)濟(jì)增長的正向作用在2011—2013年迅速減弱，原因可能在于，2011年起房地產(chǎn)業(yè)對投資、消費(fèi)增長的帶動(dòng)效應(yīng)減弱，擠出效應(yīng)增強(qiáng)。右圖表示同期產(chǎn)出波動(dòng)對房價(jià)波動(dòng)的影響，產(chǎn)出波動(dòng)對房價(jià)波動(dòng)的邊際效應(yīng)為負(fù)，負(fù)向作用呈減小趨勢，原因可能在于，金融危機(jī)后房地產(chǎn)業(yè)發(fā)展的主要?jiǎng)恿κ菍捤傻呢泿耪?，而不是宏觀經(jīng)濟(jì)增長。

圖10左圖描繪了2007年第三季度到2019年第四季度房價(jià)波動(dòng)對物價(jià)波動(dòng)的影響。總體來看，房價(jià)波動(dòng)對物價(jià)波動(dòng)存在正向邊際效應(yīng)。2011年之前邊際效應(yīng)遞增，原因在于，這一時(shí)期房地產(chǎn)業(yè)對消費(fèi)和投資的帶動(dòng)效應(yīng)超過擠出效應(yīng)，需求擴(kuò)大引起物價(jià)上漲;2012—2014年，邊際效應(yīng)減弱，原因在于，這一時(shí)期房地產(chǎn)業(yè)的帶動(dòng)效應(yīng)減弱，擠出效應(yīng)增強(qiáng)。右圖表示同期物價(jià)波動(dòng)對房價(jià)波動(dòng)的影響。物價(jià)波動(dòng)對房價(jià)波動(dòng)存在負(fù)向影響，原因在于，通脹不是影響我國房價(jià)變動(dòng)的最重要因素，特別是2014年以來，我國宏觀經(jīng)濟(jì)逐漸企穩(wěn)，房價(jià)平穩(wěn)上漲的“慣性”機(jī)制增強(qiáng)，這與表4中“CPI不是房價(jià)的格蘭杰原因”的結(jié)論較一致。

圖11中左圖描繪了2007年第三季度到2019年第四季度房價(jià)波動(dòng)對FSI波動(dòng)的影響。房價(jià)波動(dòng)對FSI波動(dòng)的正向邊際效應(yīng)在2010年底到2014年初快速增強(qiáng)，然后減弱，在2016年中期再次增強(qiáng)。原因在于：2010年底我國房地產(chǎn)金融化程度加深，房地產(chǎn)業(yè)的巨大體量和房價(jià)泡沫風(fēng)險(xiǎn)使金融市場的安全隱患增大;2014年底政府重啟寬松周期，但市場反應(yīng)謹(jǐn)慎，金融穩(wěn)定壓力有所減小;然而隨著寬松政策連續(xù)加碼，一線城市和部分二線城市房價(jià)在2016年再次快速上漲，使金融壓力增大。右圖表明同期FSI波動(dòng)對房價(jià)波動(dòng)的影響。FSI波動(dòng)對房價(jià)波動(dòng)的正向邊際效應(yīng)在2014年初降到最低，這與表4中“FSI不是房價(jià)的格蘭杰原因”的結(jié)論較一致，原因在于，2014年我國經(jīng)濟(jì)下行，房價(jià)自身慣性作用增強(qiáng)，對經(jīng)濟(jì)和金融等外部因素的敏感性減弱。2014年后，F(xiàn)SI波動(dòng)對房價(jià)波動(dòng)的邊際效應(yīng)提升，原因在于，年底貨幣政策進(jìn)入新一輪寬松周期，房地產(chǎn)市場資金融通力度加大，金融市場各項(xiàng)融資活動(dòng)增多，金融壓力增大。

五、結(jié)論與政策建議

貝葉斯估計(jì)的主要結(jié)論是：（1）信貸變動(dòng)對房價(jià)波動(dòng)產(chǎn)生正向邊際效應(yīng)至少存在兩個(gè)季度滯后，房價(jià)對M2和社會(huì)融資規(guī)模的波動(dòng)更加敏感;與M2相比，社會(huì)融資規(guī)模變動(dòng)對房價(jià)波動(dòng)的正向邊際作用更大，社會(huì)融資規(guī)模對房價(jià)波動(dòng)的正向反應(yīng)更強(qiáng)，兩者同向相關(guān)關(guān)系更穩(wěn)定。（2）房價(jià)上漲對經(jīng)濟(jì)增長具有正向作用，但當(dāng)前這一正向作用逐漸減弱;產(chǎn)出波動(dòng)對房價(jià)波動(dòng)形成遞減的負(fù)向邊際效應(yīng)。（3）房價(jià)波動(dòng)對物價(jià)、物價(jià)波動(dòng)對房價(jià)的邊際效應(yīng)隨時(shí)間推移發(fā)生較大變化，近年來二者關(guān)聯(lián)關(guān)系減弱。（4）房價(jià)波動(dòng)對FSI波動(dòng)的正向邊際效應(yīng)在2010年底到2014年初快速增強(qiáng)，2014年到2016年初減弱，然后再次增強(qiáng);FSI變動(dòng)對房價(jià)波動(dòng)的正向邊際效應(yīng)在2014年初降到最低，隨后有所提升。

基于上述結(jié)論，本文建議如下：第一，中央銀行等金融管理部門在調(diào)控房價(jià)時(shí)，需同時(shí)關(guān)注貨幣供應(yīng)和社會(huì)融資規(guī)模，把好貨幣供給閘門，合理管控社會(huì)融資規(guī)模增量，避免房價(jià)大幅上漲引發(fā)市場風(fēng)險(xiǎn);第二，社會(huì)融資規(guī)模組成部分較多，中央銀行、銀保監(jiān)會(huì)等管理部門應(yīng)加強(qiáng)協(xié)作，加大對房地產(chǎn)企業(yè)通過信托貸款、委托貸款、債券發(fā)行等渠道融資的監(jiān)管，降低房地產(chǎn)企業(yè)和資金供給方的運(yùn)營風(fēng)險(xiǎn);第三，海外資金也是大型房地產(chǎn)開發(fā)企業(yè)的資金來源，應(yīng)加大海外融資監(jiān)管，未來應(yīng)嘗試將FDI納入社會(huì)融資規(guī)模統(tǒng)計(jì)中;第四，未來中央政府要繼續(xù)堅(jiān)持穩(wěn)定房地產(chǎn)市場和房價(jià)的總基調(diào)，完善相關(guān)政策以精準(zhǔn)監(jiān)管房地產(chǎn)業(yè)各項(xiàng)融資，防范房地產(chǎn)風(fēng)險(xiǎn);第五，我國房地產(chǎn)區(qū)域分化明顯，一些人口凈流入地區(qū)的房地產(chǎn)市場依然存在發(fā)展空間，各地方政府應(yīng)基于本地人口流入和地產(chǎn)庫存等實(shí)際情況，合理調(diào)節(jié)樓市發(fā)展，發(fā)揮房地產(chǎn)在帶動(dòng)本地經(jīng)濟(jì)增長、增加就業(yè)和居民收入等方面的積極作用，同時(shí)要確保樓市穩(wěn)定，防范區(qū)域金融風(fēng)險(xiǎn)。

注：

①貝葉斯估計(jì)中，重復(fù)抽樣得到馬爾科夫鏈，馬爾科夫鏈的平穩(wěn)分布即為后驗(yàn)分布，一般地，為得到平穩(wěn)的馬爾科夫鏈，需刪除最初部分抽樣結(jié)果，刪除的抽樣數(shù)也就是初始燃燒次數(shù)。

參考文獻(xiàn)：

[1]馬理，趙淼，何夢澤.社會(huì)融資規(guī)模是恰當(dāng)?shù)呢泿耪咧薪槟繕?biāo)變量嗎？——基于SVAR模型的數(shù)據(jù)分析與傳導(dǎo)效果檢驗(yàn) [J].金融理論與實(shí)踐，2015，（3）.

[2]王擎，韓鑫韜.貨幣政策能盯住資產(chǎn)價(jià)格嗎？——來自中國房地產(chǎn)市場的證據(jù) [J].金融研究，2009，（8）.

[3]Bernanke B，M? Gertler. 1989. Agency Costs，Net Worth，and Business Fluctuations [J].American Economic Review，No.79.

[4]Hofmann B. 2003. Bank Lending and Property Prices：Some International Evidence [R].HKIMR Working Papers.

[5]Goodhart C，Hofmann B. 2007. House Prices and the Macro-economy：Implications for Banking and Price Stability. Oxford University Press.

[6]Collyns M. C.，Senhadji Semlali A. 2002. Lending Booms，Real Estate Bubbles and the Asian Crisis [R].International Monetary Fund，No.2-20.

[7]陳繼勇，袁威，肖衛(wèi)國.流動(dòng)性、資產(chǎn)價(jià)格波動(dòng)的隱含信息和貨幣政策選擇——基于中國股票市場與房地產(chǎn)市場的實(shí)證分析 [J].經(jīng)濟(jì)研究， 2013，（11）.

[8]杜龍波，高婧.社會(huì)融資規(guī)模對房地產(chǎn)價(jià)格波動(dòng)的影響研究 [J].金融與經(jīng)濟(jì)，2014，（6）.

[9]楊艷慧.社會(huì)融資規(guī)模影響房地產(chǎn)價(jià)格波動(dòng)的實(shí)證研究 [J].價(jià)格月刊，2016，（9）.

[10]Alchian Armen A，Benjamin Klein. 1973. On A Correct Measure of Inflation [J].Journal of Money，Credit， and Banking，F(xiàn)ebruary.

[11]談儒勇.中國金融發(fā)展和經(jīng)濟(jì)增長關(guān)系的實(shí)證研究 [J].經(jīng)濟(jì)研究，1999，（10）.

[12]呂江林.我國的貨幣政策是否應(yīng)對股價(jià)變動(dòng)做出反應(yīng)？ [J].經(jīng)濟(jì)研究，2005，（3）.

[13]蔣海，伍雪玲.資產(chǎn)價(jià)格波動(dòng)對宏觀經(jīng)濟(jì)影響的SVAR分析 [J].產(chǎn)經(jīng)評論，2013，（2）.

[14]Filardo A? J. 2000. Monetary Policy and Asset Prices [J].Economic Review， No.85.

[15]羅雁.不同資產(chǎn)價(jià)格的貨幣政策對宏觀經(jīng)濟(jì)影響的實(shí)證分析 [J].統(tǒng)計(jì)與決策，2018，（10）.

[16]劉曉欣，雷霖，靳亞閣.貨幣供給、房地產(chǎn)價(jià)格與金融穩(wěn)定性——基于SVAR模型的實(shí)證研究 [J].上海經(jīng)濟(jì)研究，2017，（7）.

[17]沈悅，李博陽，張嘉望.金融杠桿率、房價(jià)泡沫與金融穩(wěn)定性 [J].大連理工大學(xué)學(xué)報(bào)（社會(huì)科學(xué)版），2020，（3）.

[18]李程，劉媛嫄，母波，李波.房地產(chǎn)價(jià)格、杠桿率與金融壓力的時(shí)變非線性關(guān)系研究 [J].統(tǒng)計(jì)與信息論壇，2020，（10）.

[19]Bernanke B，Gertler M. 1999.Monetary Policy and Asset Price Volatility [J].Economic Review，4th quarter，84（4）.

[20]Bernanke B，Gertler M. 2001. Should Central Banks Respond to Movements in Asset Prices [J].American Economic Review， 92（2）.

[21]趙進(jìn)文，高輝.資產(chǎn)價(jià)格波動(dòng)對中國貨幣政策的影響——基于1994—2006年季度數(shù)據(jù)的實(shí)證分析 [J].中國社會(huì)科學(xué)，2009，（2）.

[22]李成，王彬，馬文濤.資產(chǎn)價(jià)格、匯率波動(dòng)與最優(yōu)利率規(guī)則 [J].經(jīng)濟(jì)研究，2010，（3）.

[23]譚政勛，王聰.房價(jià)波動(dòng)、貨幣政策立場識(shí)別及其反應(yīng)研究 [J].經(jīng)濟(jì)研究，2015，（1）.

[24]Kiyotaki N，Moore J. 1997. Credit cycles [J].Journal of Political Economy，105（2）.

[25]梁斌，李慶云. 中國房地產(chǎn)價(jià)格波動(dòng)與貨幣政策分析——基于貝葉斯估計(jì)的動(dòng)態(tài)隨機(jī)一般均衡模型 [J].經(jīng)濟(jì)科學(xué)，2011，（3）.

[26]崔百勝，丁宇峰. 股價(jià)波動(dòng)、社會(huì)福利與貨幣政策制定——基于中國DSGE模型的模擬分析 [J].財(cái)經(jīng)研究，2016，（1）.

[27]胡朝陽，馬芳芳.中國貨幣政策調(diào)整應(yīng)該考慮股票市場嗎？——基于DSGE模型的模擬分析 [J].投資研究，2019，（9）.

[28]閆先東，朱迪星.資本市場泡沫、經(jīng)濟(jì)波動(dòng)與貨幣政策反應(yīng) [J].國際金融研究，2016，（10）.

[29]劉璐，王晉斌，郝超鵬.信貸、房價(jià)、股價(jià)及GDP的關(guān)系——基于TVP-VAR方法的分析 [J].金融論壇，2020，（6）.

[30]Primiceri G E. 2005. Time Varying Structural Vector Autoregressions and Monetary Policy [J].Review of Economic Studies，No.3.

[31]Jouchi Nakajima. 2011. Time-Varying Parameter VAR Model with Stochastic Volatility：An Overview of Methodology and Empirical Applications [EB/OL].IMES Discussion Paper Series 11-E-09，Institute for Monetary and Economic Studies，Bank of Japan.

[32]溫策.我國房地產(chǎn)價(jià)格的貨幣政策傳導(dǎo)效應(yīng)實(shí)證分析 [D].云南財(cái)經(jīng)大學(xué)，2019.

[33]曾世宏，鄒憑佑，牛皓翔.高房地產(chǎn)價(jià)格擠出了服務(wù)消費(fèi)嗎？——基于中國地區(qū)面板數(shù)據(jù)的門檻模型研究[J].消費(fèi)經(jīng)濟(jì)，2019，（6）.

[34]牛虎.住房價(jià)格波動(dòng)對居民消費(fèi)的“擠出效應(yīng)”分析 [J].商業(yè)經(jīng)濟(jì)研究，2020，（1）.

[35]Illing M，Liu Y. 2006. Measuring Financial Stress in A Developed Country： An Application to Canada [J].Journal of Financial Stability，2（3）.

[36]許滌龍，陳雙蓮.基于金融壓力指數(shù)的系統(tǒng)性金融風(fēng)險(xiǎn)測度研究 [J].經(jīng)濟(jì)學(xué)動(dòng)態(tài)，2015，（4）.

[37]陳忠陽，許悅.我國金融壓力指數(shù)的構(gòu)建與應(yīng)用研究 [J].當(dāng)代經(jīng)濟(jì)科學(xué)，2016，（1）.

[38]徐國祥，李波.中國金融壓力指數(shù)的構(gòu)建及動(dòng)態(tài)傳導(dǎo)效應(yīng)研究 [J].統(tǒng)計(jì)研究，2017，（4）.

[39]盧倩倩，許坤.財(cái)政政策、經(jīng)濟(jì)波動(dòng)與收入分配差距——兼論2000—2016 年財(cái)政政策的收入分配效應(yīng) [J].價(jià)格理論與實(shí)踐，2018，（8）.

[40]許光健，許坤，盧倩倩.貨幣政策、社會(huì)融資結(jié)構(gòu)與實(shí)體經(jīng)濟(jì)發(fā)展 [J].山西財(cái)經(jīng)大學(xué)學(xué)報(bào)，2019，（1）.