金融沖擊與中國(guó)房?jī)r(jià)波動(dòng)

摘要：構(gòu)建包含金融沖擊的動(dòng)態(tài)隨機(jī)一般均衡（HDSGE）模型，考察金融沖擊對(duì)我國(guó)房?jī)r(jià)波動(dòng)的影響，研究發(fā)現(xiàn)：包含金融沖擊的模型相對(duì)于未包含金融沖擊的模型更好地?cái)M合了我國(guó)經(jīng)濟(jì)的現(xiàn)實(shí)；金融沖擊對(duì)我國(guó)房地產(chǎn)市場(chǎng)具有顯著的沖擊效應(yīng)，并且積極的金融沖擊在增加房地產(chǎn)部門投資的同時(shí)降低了其他部門的投資；同時(shí)，金融沖擊具有擴(kuò)大貨幣政策沖擊效應(yīng)的“加速器”作用。進(jìn)一步對(duì)房?jī)r(jià)波動(dòng)進(jìn)行貝葉斯沖擊分解，分析表明：在短期和中期，金融沖擊是推動(dòng)我國(guó)房?jī)r(jià)波動(dòng)最為重要的因素；而在中長(zhǎng)期和長(zhǎng)期，貨幣政策沖擊仍是我國(guó)房?jī)r(jià)波動(dòng)的主要推動(dòng)力。因此，貨幣政策和金融政策都是房地產(chǎn)市場(chǎng)調(diào)控的重要手段。政府應(yīng)積極利用貨幣政策沖擊和金融沖擊的效應(yīng)穩(wěn)定房地產(chǎn)市場(chǎng)，不過(guò)在利用金融沖擊時(shí)需要注意其對(duì)國(guó)民經(jīng)濟(jì)其他部門產(chǎn)生的負(fù)面效應(yīng)。

關(guān)鍵詞：金融沖擊；房?jī)r(jià)波動(dòng)；動(dòng)態(tài)隨機(jī)一般均衡模型；貨幣政策沖擊；住房需求；房?jī)r(jià)膨脹；擔(dān)保約束；家庭優(yōu)化行為；企業(yè)投資行為

中圖分類號(hào)：F015；F822.2；F224.0 文獻(xiàn)標(biāo)志碼：A文章編號(hào)：16748131（2016）01006113

一、引言

宏觀經(jīng)濟(jì)理論和經(jīng)濟(jì)發(fā)展的實(shí)踐均表明，金融因素對(duì)于一國(guó)經(jīng)濟(jì)波動(dòng)具有顯著性影響（Nolan et al，2009；Jermann et al，2012）。然而，以新凱恩斯主義動(dòng)態(tài)隨機(jī)一般均衡（New Keynesian Dynamic Stochastic General Equilibrium，即NKDSGE）模型為代表的主流宏觀經(jīng)濟(jì)學(xué)分析框架卻長(zhǎng)期忽略了對(duì)金融因素的分析。2007至2009年國(guó)際金融危機(jī)給世界經(jīng)濟(jì)造成的巨大破壞引發(fā)了眾多研究者對(duì)現(xiàn)有宏觀經(jīng)濟(jì)學(xué)研究范式的重新思考，Blanchar等（2010）認(rèn)為，對(duì)金融因素的忽視導(dǎo)致現(xiàn)有的宏觀經(jīng)濟(jì)政策在金融管制方面的失敗是金融危機(jī)產(chǎn)生的重要原因。

鑒于金融因素的重要性，Christiano等（2011）、Jermann 和 Quadrini（2012）、Yu（2013）、Kaihatsu 和 Kurozumi（2014）、Alpanda和Aysun（2014）、Kolasa和Lambardo（2014）等將金融沖擊引入NKDSGE模型并考察其在經(jīng)濟(jì)周期波動(dòng)中的作用，結(jié)果均發(fā)現(xiàn)金融沖擊對(duì)于一國(guó)經(jīng)濟(jì)波動(dòng)具有重要影響。然而，這些研究均設(shè)定金融沖擊僅對(duì)企業(yè)的投資行為具有直接影響，并不影響家庭的優(yōu)化行為。這一設(shè)定簡(jiǎn)化了分析的難度，但與事實(shí)不符。因?yàn)榻鹑跊_擊可以使得家庭的擔(dān)保約束得到緩解，即家庭可以更容易獲得抵押貸款或在同等條件下能夠獲得更多的抵押貸款，而擔(dān)保約束的緩解將改變家庭的消費(fèi)行為（Kobayashi et al，2012）。另外，已有的相關(guān)研究大多主要考察金融沖擊的整體效應(yīng)，而忽略了金融沖擊對(duì)于房地產(chǎn)市場(chǎng)的影響（Davis et al，2011）。Gal′（2014）、Fendoglu（2014）以及Notarpietro 和Siviero（2014）等指出，房地產(chǎn)市場(chǎng)在經(jīng)濟(jì)波動(dòng)過(guò)程中具有重要的作用，并且是導(dǎo)致金融危機(jī)的重要因素。對(duì)于中國(guó)而言，房地產(chǎn)是當(dāng)前國(guó)民經(jīng)濟(jì)的支柱產(chǎn)業(yè)，對(duì)經(jīng)濟(jì)波動(dòng)具有重要的影響。因此，深入分析金融沖擊對(duì)中國(guó)房地產(chǎn)市場(chǎng)的影響，有利于更好地考察我國(guó)房地產(chǎn)市場(chǎng)乃至宏觀經(jīng)濟(jì)波動(dòng)，具有重要的理論價(jià)值和現(xiàn)實(shí)意義。

為了考察金融沖擊對(duì)我國(guó)房地產(chǎn)市場(chǎng)的影響，本文將金融沖擊引入包含房地產(chǎn)部門的動(dòng)態(tài)隨機(jī)一般均衡（HDSGE）模型中。在采用我國(guó)現(xiàn)實(shí)數(shù)據(jù)對(duì)模型進(jìn)行貝葉斯估計(jì)的基礎(chǔ)上，通過(guò)貝葉斯脈沖響應(yīng)函數(shù)以及貝葉斯沖擊分解等方法考察金融沖擊在推動(dòng)我國(guó)房?jī)r(jià)波動(dòng)過(guò)程中的作用。與已有的研究相比，本文主要做了如下貢獻(xiàn)：（1）建立了一個(gè)包含金融沖擊的多部門HDSGE模型，在這一模型中金融沖擊對(duì)家庭行為具有直接的影響，而國(guó)內(nèi)外大多數(shù)已有的研究均分析的是金融沖擊的整體宏觀經(jīng)濟(jì)效應(yīng)，并且設(shè)定金融沖擊對(duì)家庭行為不存在直接影響國(guó)內(nèi)已有的關(guān)于金融沖擊的研究，如王國(guó)靜和田國(guó)強(qiáng)（2014）以及陳利鋒（2015）的研究均采用這一設(shè)定。 ；（2）考察了金融沖擊對(duì)房地產(chǎn)市場(chǎng)以及貨幣政策沖擊的影響，進(jìn)而發(fā)現(xiàn)金融沖擊具有擴(kuò)大貨幣政策沖擊效應(yīng)的“加速器”作用；（3）通過(guò)對(duì)房?jī)r(jià)波動(dòng)推動(dòng)力量的分解，發(fā)現(xiàn)貨幣政策并非總是推動(dòng)我國(guó)房?jī)r(jià)波動(dòng)的主要因素（在短期和中期金融沖擊是推動(dòng)我國(guó)房?jī)r(jià)波動(dòng)的主要力量，在中長(zhǎng)期和長(zhǎng)期貨幣政策是導(dǎo)致我國(guó)房?jī)r(jià)波動(dòng)的主要因素），這一發(fā)現(xiàn)表明政府可以利用貨幣政策沖擊和金融沖擊效應(yīng)實(shí)現(xiàn)房地產(chǎn)市場(chǎng)的穩(wěn)定。

陳利鋒：金融沖擊與中國(guó)房?jī)r(jià)波動(dòng)

二、模型與假設(shè)

本部分建立一個(gè)包含家庭、非耐用品生產(chǎn)部門、房地產(chǎn)生產(chǎn)部門以及政府的多部門HDSGE模型。家庭依據(jù)其消費(fèi)的耐心程度可以分為消費(fèi)耐心（Patient）家庭與消費(fèi)不耐心（Impatient）家庭，并且后者在家庭總數(shù)中所占的比例為s。消費(fèi)耐心家庭是模型經(jīng)濟(jì)中的儲(chǔ)蓄者（Savers），而消費(fèi)不耐心家庭為借貸者（Borrowers）。這一模型設(shè)定方式最早由Kiyotaki和Moore（1997）提出，并將其用于宏觀經(jīng)濟(jì)分析中；Iacoviello（2005）將這一設(shè)定方式引入 HDSGE模型中。這一設(shè)定方式也意味著模型經(jīng)濟(jì)中的投資以及相應(yīng)的物質(zhì)資本形成和房地產(chǎn)生產(chǎn)部門生產(chǎn)過(guò)程中的土地投入均由消費(fèi)耐心家庭完成。模型經(jīng)濟(jì)中的生產(chǎn)部門包括非耐用品生產(chǎn)部門和房地產(chǎn)生產(chǎn)部門，每一部門中均包含最終產(chǎn)品生產(chǎn)企業(yè)和中間產(chǎn)品生產(chǎn)企業(yè)。與已有的單部門HDSGE模型類似，中間產(chǎn)品生產(chǎn)企業(yè)生產(chǎn)具有一定差異的中間投入品，是差異化產(chǎn)品的供給方；同時(shí)，兩類部門中間產(chǎn)品生產(chǎn)企業(yè)均具有一定的壟斷勢(shì)力，因而可以利用產(chǎn)品的定價(jià)權(quán)來(lái)實(shí)現(xiàn)利潤(rùn)的最大化。兩部門最終產(chǎn)品生產(chǎn)企業(yè)使用各部門的中間投入品生產(chǎn)出最終消費(fèi)品和房產(chǎn)（Housing Goods）。而政府則指的是貨幣政策的制定者。

1.消費(fèi)不耐心家庭的優(yōu)化行為endprint

消費(fèi)不耐心家庭的效用函數(shù)關(guān)于消費(fèi)Cbt、房地產(chǎn)持有（Housing Holdings）Hbt以及就業(yè)加性可分，其目標(biāo)為最大化效用：

Ubt=E0∞t=0（βb）texp（εdt）[lnCbt+exp（εht）lnHbt-

11+ηc（Nbc，t）1+ηc-11+ηh（Nbh，t）1+ηh] （1）

其中，0<βb<1為不耐心家庭的貼現(xiàn)因子；Nbc，t和Nbh，t分別為此類家庭的成員在非耐用品生產(chǎn)部門和房地產(chǎn)生產(chǎn)部門的就業(yè)；ηc和ηh分別為家庭成員在兩部門就業(yè)的Frisch勞動(dòng)偏好系數(shù)的倒數(shù)；εdt和εht分別為總需求沖擊和房地產(chǎn)偏好（Housing Preference）沖擊，且服從平穩(wěn)的AR（1）過(guò)程。

消費(fèi)不耐心家庭面臨借貸約束，但可以通過(guò)將持有的房產(chǎn)進(jìn)行抵押而獲得借款，因而已有的研究將這一約束稱為擔(dān)保約束（Collateral Constraints）。其面臨的擔(dān)保約束為：

Bbt≤exp（εLTVt）（1-χ）Et{Qt+1HbtΠct+1Rt}（2）

其中，Bbt為該類家庭抵押貸款數(shù)量；1-χ∈（0，1）為貸款價(jià)值比（LoantoValue Ratio）；Qt為實(shí)際房?jī)r(jià)；Rt為名義利率；Πct=PctPct-1為總體通貨膨脹率，Pct為物價(jià)總水平采用這一設(shè)定的原因在于各國(guó)計(jì)算通貨膨脹時(shí)均未包含房?jī)r(jià)因素。 ；εLTVt為貸款價(jià)值比沖擊，已有的研究，如BrzozaBrzezina等（2015）將其設(shè)定為金融沖擊，本文沿用這一設(shè)定。式（2）表明消費(fèi)不耐心家庭的借貸數(shù)量不能超過(guò)其持有的房地產(chǎn)的抵押價(jià)值。消費(fèi)不耐心家庭的約束條件為：

Cbt+Qt[Hbt-（1-δh）Hbt-1]+Rt-1ΠctBbt-1

≤Bbt+Wbc，tNbc，t+Wbh，tNbh，tPct+Obt（3）

其中：δh為房產(chǎn)的折舊率，Wbc，t和Wbh，t分別為家庭成員就業(yè)于兩類部門的名義工資率，Obt為其他收入。消費(fèi)不耐心家庭在約束（2）（3）下最大化效用函數(shù)（1），其對(duì)應(yīng)的一階條件為：

Wbc，tPct=Cbt（Nbc，t）ηc（4）

Wbh，tPct=Cbt（Nbh，t）ηh（5）

λt+βbexp（εdt+1）Et{1Cbt+1RtΠct+1}

=exp（εdt）1Cbt（6）

exp（εht）Hbt+βb（1-δh）Qt+1Cbt+1exp（εht+1-εht）+

（1-χ）λtexp（εLTVt-εht）Et{Qt+1ΠΠct+1Rt}=QtCbt （7）

其中，λt為式（2）的拉格朗日乘子。式（4）（5）決定了最優(yōu)的就業(yè)；式（6）為消費(fèi)的跨期無(wú)套利條件，表明消費(fèi)不耐心家庭效用最大化時(shí)無(wú)法通過(guò)調(diào)整不同時(shí)期的消費(fèi)水平來(lái)實(shí)現(xiàn)效用的改善；式（7）為最優(yōu)的房產(chǎn)持有條件，表明消費(fèi)不耐心家庭效用最大化時(shí)無(wú)法通過(guò)調(diào)整消費(fèi)和房產(chǎn)持有來(lái)進(jìn)一步提高效用水平。

2.消費(fèi)耐心家庭的優(yōu)化行為

類似的，消費(fèi)耐心家庭的效用函數(shù)關(guān)于消費(fèi)Cst、房地產(chǎn)持有Hst以及就業(yè)加性可分，此類家庭的最大化效用函數(shù)為：

Ust=E0∞t=0（βs）texp（εdt）[lnCst+exp（εht）lnHst-

11+ηc（Nsc，t）1+ηc-11+ηh（Nsh，t）1+ηh]（8）

其中，0<βs<1為該類型家庭的貼現(xiàn)因子，且βs>βb；Nsc，t和Nsh，t分別為此類型家庭的成員在兩類部門的就業(yè)。消費(fèi)耐心家庭的預(yù)算約束為：

Cst+Qt（Hst-（1-δh）Hst-1）+PltLt+Ict+

Iht+Rt-1ΠctBst-1≤Bst+Wsc，tNsc，t+Wsh，tNsh，tPct+

（Plt+Rlt）Lt-1+RctKct+RhtKht+Ft+Ot（9）

其中：Plt為土地的實(shí)際價(jià)格，Lt為土地?cái)?shù)量，Bst為家庭實(shí)際貸款額，Wsc，t和Wsh，t分別為消費(fèi)耐心家庭成員就業(yè)于兩類部門對(duì)應(yīng)的名義工資率，Rlt為土地的實(shí)際租金率，Rct和Rht為兩類部門物質(zhì)資本的實(shí)際租金率，F(xiàn)t為家庭所有的企業(yè)轉(zhuǎn)移而來(lái)的利潤(rùn)，Ot為其他收入，Ict和Iht分別為兩類部門的物質(zhì)資本投資，Kct和Kht分別為由兩部門投資形成的物質(zhì)資本。兩類部門物質(zhì)資本積累方程為：

Kτt+1=（1-δτk）Kτt+exp（εkt）KτtS（IτtKτt）

（τ=c，h）（10）

其中，δck和δhk為兩類部門的資本折舊率與Gal′等（2007）等已有的研究類似，兩類部門的資本調(diào)整函數(shù)S（.）滿足：S（δτk）=δτk，S′（δτk）=1，S′>0。 ；S″≤0；εkt為投資沖擊，且滿足平穩(wěn)的AR（1）過(guò)程。基于以上設(shè)定，消費(fèi)耐心家庭的優(yōu)化問(wèn)題為在約束條件（9）（10）下最大化效用函數(shù)（8）。其對(duì)應(yīng)的一階條件為：

Wsc，tPct=Cst（Nsc，t）ηc（11）

Wsh，tPct=Cst（Nsh，t）ηh（12）

exp（εht）1Hst+βs（1-δh）exp（εdt+1-εdt）1Cst+1Qt+1

=1CstQt（13）

βsRtEt（CstCst+1）1Πct+1exp（εdt+1-εdt）=1（14）

βsexp（εdt+1-εdt）1Cst+1（Plt+1+Rlt+1）=1CstPlt（15）

Qct=βs（CstCst+1）exp（εdt+1-εdt+εkt）Et{Rct+1+

Qct+1[exp（-εkt+1）（1-δck）+S（Ict+1Kct+1）-endprint

Ict+1Kct+1S′Ict+1Kct+1]}（16）

Qht=βsCstCst+1exp（εdt+1-εdt+εkt）Et{Rht+1+

Qht+1[exp（-εkt+1）（1-δhk）+SIht+1Kht+1-

Iht+1Kht+1S′Iht+1Kht+1]}（17）

其中，Qct=[S′（IctKct）]-1和Qht=[S′（IhtKht）]-1分別為非耐用品部門和房地產(chǎn)部門各自對(duì)應(yīng)的Tobin的“Q”（Tobins Q）。式（11）（12）決定了消費(fèi)耐心家庭成員的最優(yōu)就業(yè)，式（13）為最優(yōu)房產(chǎn)持有條件，式（14）為歐拉方程，式（15）為最優(yōu)土地持有，式（16）（17）為兩類部門最優(yōu)的物質(zhì)資本投資決策。

3.非耐用品生產(chǎn)部門

與已有研究類似，非耐用品生產(chǎn)部門最終產(chǎn)品生產(chǎn)企業(yè)采用DixitStiglitz技術(shù)將中間投入品轉(zhuǎn)變?yōu)樽罱K消費(fèi)品。定義Yct（i）和Pct（i）分別為第i類中間投入品的投入數(shù)量和價(jià)格，Yct為最終消費(fèi)品的產(chǎn)出，εcp為不同中間投入品的替代彈性。那么，非耐用品生產(chǎn)部門最終產(chǎn)品生產(chǎn)企業(yè)利潤(rùn)最大化的一階條件為：

Yct（i）=（Pct（i）Pct）-εcpYct（18）

非耐用品生產(chǎn)部門中間產(chǎn)品生產(chǎn)企業(yè)使用CobbDouglas技術(shù)進(jìn)行生產(chǎn)，其生產(chǎn)函數(shù)為：

Yct（i）=[Kct-1（i）]αc{exp（εact）[Nbc，t（i）]α×

[Nsc，t（i）]1-α}1-αc（19）

其中，αc為非耐用品部門資本的產(chǎn)出彈性；α為消費(fèi)不耐心家庭的勞動(dòng)投入占比；εact為非耐用品部門的技術(shù)沖擊，服從平穩(wěn)的AR（1）過(guò)程。生產(chǎn)技術(shù)的差異使得不同的中間產(chǎn)品生產(chǎn)企業(yè)的產(chǎn)品具有一定的差異，因而其在產(chǎn)品的定價(jià)上具有一定的壟斷勢(shì)力。與已有的相關(guān)研究類似，產(chǎn)品的價(jià)格依據(jù)Calvo（1983）交錯(cuò)設(shè)定方式進(jìn)行調(diào)整即：Pct=[（1-θcp）（Pct）1-εcp+θcp（Pct-1）1-εcp]1/（1-εcp）。其中Pct為最優(yōu)價(jià)格水平。 。通過(guò)調(diào)整價(jià)格，中間產(chǎn)品生產(chǎn)企業(yè)可以獲得最大的利潤(rùn)，與Iacoviello（2005）、Lee和Song（2015）等類似，決定非耐用品生產(chǎn)部門中間產(chǎn)品價(jià)格是否調(diào)整的最優(yōu)條件為：

E0∞k=0（βsθcp）kYct+k|t[（PctPct+k）-McpMCct+k|t]

=0（20）

這里，Mcp=εcp（εcp-1）為非耐用品生產(chǎn)部門穩(wěn)態(tài)價(jià)格加成，Yct+k|t和MCct+k|t分別為產(chǎn)品價(jià)格自時(shí)期t至t+k期保持不變條件下的產(chǎn)出和邊際成本。而邊際成本來(lái)源于中間產(chǎn)品生產(chǎn)企業(yè)的成本最小化問(wèn)題。中間產(chǎn)品生產(chǎn)企業(yè)成本最小化一階條件和邊際成本分別為：

Wbc，t/Pct[]Rct=α（1-αc）αcKct-1Nbc，t（21）

Wsc，t/Pct[]Rct=（1-α）（1-αc）αcKct-1Nsc，t（22）

MCct=Ωc（Rct）αc（Wsc，tPct）（1-α）（1-αc）（Wbc，tPct）α（1-αc）×

exp[-（1-αc）εact]（23）

式（21）（22）為成本最小化一階條件，決定了非耐用品生產(chǎn)部門最優(yōu)要素投入；式（23）為邊際成本，并且Ωc=α-α（1-αc）（1-α）-（1-α）（1-αc）（αc）-αc（1-αc）-（1-αc）。

4.房地產(chǎn)部門

房地產(chǎn)部門包括銷售商和開發(fā)商當(dāng)然，現(xiàn)實(shí)經(jīng)濟(jì)中房地產(chǎn)部門開發(fā)商與銷售商可能是同一家企業(yè)，這里將房地產(chǎn)部門生產(chǎn)與銷售分開設(shè)定主要是為了模型表述的便利。 ，開發(fā)商負(fù)責(zé)房地產(chǎn)的生產(chǎn)，銷售商負(fù)責(zé)房地產(chǎn)的定價(jià)和出

售。定義具體的房地產(chǎn)部門開發(fā)商的生產(chǎn)技術(shù)為如下CobbDouglas型函數(shù)：

Yht=（Kht-1）αh（exp（εlt）Lt-1）αl[exp（εaht）×

（Nbh，t）α（Nsh，t）1-α]1-αh-αl（24）

其中，αh為房地產(chǎn)部門資本的產(chǎn)出彈性；αl為土地的產(chǎn)出彈性；εlt和εaht分別為土地供給沖擊和房地產(chǎn)部門技術(shù)沖擊，并且二者均服從平穩(wěn)的AR（1）過(guò)程。房地產(chǎn)開發(fā)商成本最小化的一階條件為：

RltRht=αlαhKht-1Lt-1（25）

Wbh，t/Pct[]Rht=α（1-αh-αl）αhKht-1Nbh，t（26）

Wsh，t/PctRht=（1-α）（1-αh-αl）αhKht-1Nsh，t（27）

房地產(chǎn)銷售商在房地產(chǎn)價(jià)格設(shè)定上具有一定的壟斷勢(shì)力已有的大多數(shù)研究，如Iacoviello（2005）、Iacoviello和Neri（2010）、Burnside等（2011）、Finocchiaro和von Heideken（2013）、Gomes和Mendicino（2015）均設(shè)定房地產(chǎn)部門不存在壟斷勢(shì)力，因而價(jià)格是靈活的（Flexible）。但是，Kannan等（2012）在設(shè)定房地產(chǎn)價(jià)格靈活調(diào)整的HDSGE模型中引入物質(zhì)資本投資（Iacoviello et al，2010），結(jié)果發(fā)現(xiàn)緊縮性貨幣政策引起住宅投資的增長(zhǎng)，這一結(jié)果顯然與Monacelli（2009）發(fā)現(xiàn)的事實(shí)不符，也不符合我們的經(jīng)驗(yàn)判斷。基于此，Notarpietro和Siviero（2014）、陳利鋒和范紅忠（2014）以及馬亞明和劉翠（2014）等均設(shè)定房地產(chǎn)部門存在壟斷勢(shì)力。顯然，由于需求剛性的存在，我國(guó)房地產(chǎn)市場(chǎng)是存在壟斷勢(shì)力的，該設(shè)定符合我國(guó)的現(xiàn)實(shí)情況。 。與Notarpietro和Siviero（2014）、陳利鋒和范紅忠（2014）以及馬亞明和劉翠（2014）等的研究類似，本文設(shè)定任意時(shí)期t房地產(chǎn)價(jià)格調(diào)整的概率為1-θhp，那么，θhp代表了房地產(chǎn)部門的名義價(jià)格剛性事實(shí)上，Case（2008）發(fā)現(xiàn)美國(guó)房地產(chǎn)市場(chǎng)價(jià)格具有粘性特征。 。房地產(chǎn)價(jià)格調(diào)整方式為：endprint

Pht=[（1-θhp）（Pht）1-εhp+θhp（Pht-1）1-εhp]1/（1-εhp）（28）

其中，εhp為不同房地產(chǎn)之間的替代彈性，Pht為銷售商最優(yōu)價(jià)格設(shè)定，Pht為名義房?jī)r(jià)。銷售企業(yè)調(diào)整價(jià)格的目的在于實(shí)現(xiàn)利潤(rùn)最大化，即房地產(chǎn)銷售企業(yè)的優(yōu)化問(wèn)題為通過(guò)調(diào)整價(jià)格實(shí)現(xiàn)最大化的利潤(rùn)。決定房地產(chǎn)部門價(jià)格調(diào)整與否的最優(yōu)條件為：

E0∞k=0（βsθhp）kYht+k|t[（PhtPct+k）-MhpMCht+k|t]=0（29）

其中，Mhp=εhp（εhp-1）為房地產(chǎn)部門穩(wěn)態(tài)價(jià)格加成，MCht+k|t和Yht+k|t分別為房地產(chǎn)價(jià)格保持不變條件下的邊際成本和產(chǎn)出。房地產(chǎn)銷售商的邊際成本來(lái)源于房地產(chǎn)開發(fā)商，定義Ωh=（αl）-αl（αh）-αhα-α（1-αh-αl）（1-α）-（1-α）（1-αh-αl），結(jié)合房地產(chǎn)開發(fā)商成本最小化的一階條件可得：

MCht=Ωhexp[-αlεlt-（1-αh-αl）εaht]×

（Rht）αh（Rlt）αl（Wbh，tPct）α（1-αh-αl）（Wsh，tPct）（1-α）（1-αh-αl） （30）

5.市場(chǎng)均衡與貨幣政策當(dāng)局

定義Ct為總消費(fèi)，那么均衡時(shí)，非耐用品生產(chǎn)部門的產(chǎn)出Yct應(yīng)滿足兩類家庭的消費(fèi)需要（即等于總消費(fèi)）：Yct=sCbt+（1-s）Cst=Ct；對(duì)于房地產(chǎn)部門而言，其產(chǎn)出滿足兩類家庭新增加的房地產(chǎn)需求，即：Yht=s[Hbt-（1-δh）Hbt-1]+（1-s）[Hst-（1-δh）Hst-1]?；谥С龇▽?duì)產(chǎn)出進(jìn)行核算，可知均衡時(shí)滿足：

Yt=Ct+It+Qt[Ht-（1-δh）Ht-1]（31）

其中，It=Ict+Iht為總投資，Ht=sHbt+（1-s）Hst為房地產(chǎn)總需求。債務(wù)市場(chǎng)出清時(shí)，sBbt=（1-s）Bst，即兩類家庭的債務(wù)和債權(quán)剛好抵消。為了方便分析，我們將模型經(jīng)濟(jì)中勞動(dòng)力供給總量以及物質(zhì)資本總量標(biāo)準(zhǔn)化為1：Nbc，t+Nsc，t+Nbh，t+Nsh，t=1，Kct+Kht=1。以上兩式分別構(gòu)成了勞動(dòng)力市場(chǎng)和物質(zhì)資本的出清條件。與已有研究類似，本文設(shè)定貨幣政策當(dāng)局執(zhí)行如下簡(jiǎn)單貨幣政策機(jī)制：

Rt=R（ΠctΠc）φp（YtY）φyexp（εrt）（32）

其中：R、Y、Πc分別為利率、產(chǎn)出和通貨膨脹的穩(wěn)態(tài)值；φy和φp分別為利率對(duì)產(chǎn)出和通貨膨脹的反應(yīng)系數(shù)；εrt為利率的外生成分或者利率沖擊，且服從平穩(wěn)的AR（1）過(guò)程。（32）式即為Taylor（1993）提出的“泰勒規(guī)則”。已有的研究（Zhang，2009；李成 等，2010；賈俊雪 等，2013）均認(rèn)為這一政策機(jī)制可以較好地?cái)M合我國(guó)的現(xiàn)實(shí)政策機(jī)制。

三、模型核心方程的處理與參數(shù)化

本部分對(duì)模型進(jìn)行對(duì)數(shù)線性化處理，并對(duì)模型的關(guān)鍵方程進(jìn)行相應(yīng)的說(shuō)明；在此基礎(chǔ)上，對(duì)模型中的結(jié)構(gòu)性參數(shù)進(jìn)行參數(shù)化（Parameterization）。

1.模型核心方程的處理

定義Xt為模型經(jīng)濟(jì)中的任意變量，X為Xt的穩(wěn)態(tài)值，那么Xt對(duì)其穩(wěn)態(tài)的對(duì)數(shù)偏離t定義為：t=lnXt-lnX。基于這一原則，可以對(duì)包含金融沖擊的HDSGE模型進(jìn)行對(duì)數(shù)線性化。首先，對(duì)非耐用品部門最優(yōu)價(jià)格設(shè)定條件進(jìn)行對(duì)數(shù)線性化可以得到：

ct=βsEt{ct+1}+λcpmcct（33）

其中，實(shí)際邊際成本mcct=αcct+（1-α）（1-αc）×sc，t+α（1-αc）bc，t-（1-αc）εact，參數(shù)λcp=（1-θcp）（1-βθcp）θcp1-αc1-αc+αcεcp，πct=ln（PtPt-1）為通貨膨脹。（33）式被稱為新凱恩斯主義菲利普斯曲線（NKPC）。類似的，對(duì)房地產(chǎn)部門最優(yōu)價(jià)格設(shè)定條件進(jìn)行對(duì)數(shù)線性化可以得到：

ht=βsEt{ht+1}+λhpmcht（34）

λhp=（1-θhp）（1-βθhp）（1-αh）θhp（1-αh+αhεhp）；πht=ln（PhtPht-1），

為反映房地產(chǎn)價(jià)格上漲的房?jī)r(jià)膨脹（Housing Price Inflation）；mcht為房地產(chǎn)開發(fā)商的實(shí)際邊際成本，且滿足：mcht=-αlεlt-（1-αh-αl）εaht+αhht+αllt+α（1-αh-αl）bh，t+（1-α）（1-αh-αl）sh，t。

2.模型的參數(shù)化

兩類家庭的貼現(xiàn)因子βs和βb分別設(shè)定為0.95和0.98，前者為依據(jù)我國(guó)2002年至2013年物價(jià)變化數(shù)據(jù)估算的結(jié)果，而后者則為已有研究估計(jì)的結(jié)果，并且二者對(duì)于模型結(jié)論并不敏感；鑒于我國(guó)規(guī)定首付比例為30%，本文將信貸約束比例1-χ的取值設(shè)定為0.3；消費(fèi)不耐心家庭在家庭總數(shù)中所占的比例s的取值設(shè)定為0.5，這一參數(shù)對(duì)于模型結(jié)論不存在顯著性影響；非耐用品部門物質(zhì)資本折舊率δck的取值，依據(jù)He等（2007）采用GMM方法估計(jì)的結(jié)果將其設(shè)定為0.04；房地產(chǎn)部門物質(zhì)資本折舊率δhk的取值，依據(jù)易斌（2015）的研究將其設(shè)定為0.03；房地產(chǎn)折舊率δh的取值，依據(jù)黃勇峰（2002）以及王益煊和吳優(yōu)（2003）估算的結(jié)果將其設(shè)定為0.02；消費(fèi)不耐心家庭勞動(dòng)力在兩類部門生產(chǎn)中所占的比例α，本文將其設(shè)定為0.4，這一參數(shù)的取值意味著消費(fèi)不耐心家庭具有較弱的勞動(dòng)力供給意愿，這一設(shè)定與Lee和Song （2015）的研究是一致的；穩(wěn)態(tài)時(shí)消費(fèi)和投資占總產(chǎn)出的比重γc和γi的取值。本文采用2002年至2013年的年度數(shù)據(jù)進(jìn)行估算，總產(chǎn)出采用剔除凈出口之后的GDP表示，消費(fèi)和投資分別采用支出法核算GDP過(guò)程中使用的社會(huì)消費(fèi)總額和投資表示，在此基礎(chǔ)上計(jì)算消費(fèi)與GDP比值的平均值以及投資與GDP比值的平均值，估算結(jié)果分別為0.44和0.36。具體的參數(shù)校準(zhǔn)結(jié)果如表1。endprint

由于其余參數(shù)對(duì)于研究結(jié)論具有較強(qiáng)的敏感性，因而需要采用貝葉斯方法對(duì)其進(jìn)行估計(jì)。BlanchardKahn條件要求貝葉斯估計(jì)過(guò)程中使用的觀測(cè)變量序列的組數(shù)不超過(guò)外生沖擊的數(shù)量，因而我們至多可以選擇8組觀測(cè)變量?；跀?shù)據(jù)的可得性考慮，本文選取如下7組數(shù)據(jù)作為觀測(cè)變量（Observations）：（1）消費(fèi)，采用社會(huì)消費(fèi)品零售總額數(shù)據(jù)；（2）總的房地產(chǎn)需求，采用商品房銷售額數(shù)據(jù)；（3）通貨膨脹，采用消費(fèi)者物價(jià)指數(shù)（CPI）并使用環(huán)比方法計(jì)算；（4）房?jī)r(jià)膨脹，采用房地產(chǎn)銷售價(jià)格指數(shù)并使用環(huán)比方法計(jì)算2002年第1季度至2011年第4季度的房地產(chǎn)銷售價(jià)格指數(shù)來(lái)源于中經(jīng)網(wǎng)數(shù)據(jù)庫(kù)；2012年第1季度至2013年第4季度的相關(guān)數(shù)據(jù)為估算的結(jié)果，具體的估算方法為：首先以2002年第1季度至2011年第4季度的房地產(chǎn)銷售價(jià)格指數(shù)對(duì)全國(guó)房地產(chǎn)市場(chǎng)景氣指數(shù)做回歸，然后用2012和2013年的全國(guó)房地產(chǎn)市場(chǎng)景氣數(shù)據(jù)并結(jié)合回歸模型對(duì)房地產(chǎn)銷售價(jià)格指數(shù)進(jìn)行估算。 ；（5）名義利率，采用銀行業(yè)同業(yè)拆借利率數(shù)據(jù)；（6）總投資，采用支出法核算GDP中使用的投資數(shù)據(jù)；（7）總產(chǎn)出，采用剔除凈出口和政府購(gòu)買之后的GDP數(shù)據(jù)。所有數(shù)據(jù)均來(lái)源于中經(jīng)網(wǎng)數(shù)據(jù)庫(kù)，樣本空間為2002年第1季度至2013年第4季度。在以上觀測(cè)序列中，除（3）（4）（5）外，其余觀測(cè)序列全部采用CPI進(jìn)行調(diào)整，使其成為實(shí)際值。在此基礎(chǔ)上，采用Census X12方法對(duì)所有觀測(cè)值序列進(jìn)行褪趨勢(shì)（Detrend）處理以消除季節(jié)性趨勢(shì)的影響；并且使用非對(duì)稱全樣本ChristianoFitzgerald濾波法剔除各觀測(cè)序列的趨勢(shì)成分，進(jìn)而保留周期性成分以用于貝葉斯估計(jì)。

貝葉斯估計(jì)程序要求設(shè)定結(jié)構(gòu)性參數(shù)的先驗(yàn)均值和先驗(yàn)分布。家庭成員在兩部門各自的勞動(dòng)偏好系數(shù)ηc和ηh，依據(jù)Iacoviello和Neri（2010）的研究將其先驗(yàn)均值和分布分別設(shè)定為0.5和貝塔（Beta）分布；非耐用品部門生產(chǎn)函數(shù)中資本的產(chǎn)出彈性系數(shù)αc，依據(jù)He等（2007）和Zhang（2009）的研究將其先驗(yàn)均值和分布設(shè)定為0.6和貝塔分布；非耐用品部門名義價(jià)格剛性θcp和不同產(chǎn)品的替代彈性系數(shù)εcp，依據(jù)Gal′（2015）以及陳利鋒和范紅忠（2014）的研究將其先驗(yàn)均值分別設(shè)定為0.5和5，而對(duì)應(yīng)的先驗(yàn)分布設(shè)定為貝塔分布和伽馬（Gamma）分布；房地產(chǎn)部門生產(chǎn)函數(shù)中資本的產(chǎn)出彈性系數(shù)αh和土地的產(chǎn)出彈性αl，依據(jù)Liu等（2013）的研究將其先驗(yàn)均值分別設(shè)定為0.2和0.3，先驗(yàn)分布均設(shè)定為貝塔分布；房地產(chǎn)部門名義價(jià)格剛性θhp，參考馬亞明和劉翠（2015）的研究將其先驗(yàn)均值設(shè)定為0.75，對(duì)應(yīng)的先驗(yàn)分布為貝塔分布；房地產(chǎn)部門不同產(chǎn)品替代彈性εhp，依據(jù)陳利鋒和范紅忠（2014）的研究將其先驗(yàn)均值設(shè)定為6，對(duì)應(yīng)的先驗(yàn)分布設(shè)定為伽馬分布；名義利率對(duì)于產(chǎn)出缺口和通貨膨脹的反應(yīng)系數(shù)φy和φp，依據(jù)Zhang（2009）的研究將其先驗(yàn)均值分別設(shè)定為0.5和1.5，對(duì)應(yīng)的先驗(yàn)分布分別為貝塔分布和伽馬分布；外生沖擊的持續(xù)性參數(shù)ρd、ρh、ρk、ρLTV、ρa(bǔ)c、ρl、ρa(bǔ)h、ρr的先驗(yàn)均值全部設(shè)定為0.5，先驗(yàn)分布全部設(shè)定為貝塔分布；外生沖擊的標(biāo)準(zhǔn)差σd、σh、σk、σLTV、σac、σl、σah、σr的先驗(yàn)均值均設(shè)定為0.1，對(duì)應(yīng)的先驗(yàn)分布全部設(shè)定為逆伽馬（InverseGamma）分布。

為了規(guī)避貝葉斯估計(jì)的脆弱性問(wèn)題，在計(jì)算參數(shù)后驗(yàn)均值的過(guò)程中，我們要求貝葉斯估計(jì)程序同時(shí)使用5個(gè)平行鏈并進(jìn)行20 000次馬爾科夫蒙特卡洛模擬（MCMC），分別剔除首尾5 000個(gè)MCMC的結(jié)果。表2給出了參數(shù)貝葉斯估計(jì)的結(jié)果。

四、模型動(dòng)態(tài)分析

基于模型參數(shù)化的結(jié)果，本部分對(duì)第二部分的模型進(jìn)行動(dòng)態(tài)分析。具體的，首先對(duì)模型整體擬合優(yōu)度進(jìn)行分析，以考察包含金融沖擊的模型是否能夠較好地?cái)M合我國(guó)經(jīng)濟(jì)的現(xiàn)實(shí)數(shù)據(jù)；然后，通過(guò)金融沖擊的貝葉斯脈沖響應(yīng)函數(shù)分析金融沖擊對(duì)我國(guó)房地產(chǎn)市場(chǎng)以及宏觀經(jīng)濟(jì)波動(dòng)的影響；最后，進(jìn)一步采用貝葉斯沖擊分解方法考察金融沖擊在推動(dòng)我國(guó)房?jī)r(jià)波動(dòng)過(guò)程中的作用。

1.模型整體擬合優(yōu)度分析

本文在HDSGE模型中引入金融沖擊以考察金融沖擊在我國(guó)房?jī)r(jià)波動(dòng)過(guò)程中的作用，與之相關(guān)的一個(gè)問(wèn)題是，已有的研究未對(duì)這一問(wèn)題進(jìn)行分析，這是否意味著金融沖擊對(duì)于房地產(chǎn)市場(chǎng)并不具有重要的作用？換言之，與未包含金融沖擊的模型相比，包含金融沖擊的HDSGE模型是否能夠更好地?cái)M合我國(guó)房地產(chǎn)部門乃至宏觀經(jīng)濟(jì)的現(xiàn)實(shí)？

已有的相關(guān)研究往往采用模型整體擬合優(yōu)度分析法考察不同模型對(duì)于現(xiàn)實(shí)數(shù)據(jù)擬合的程度，該方法通常包含邊際數(shù)據(jù)密度法和隱含貝葉斯因子法（Implied Bayesian Factor）等Canova（2007）和Greenberg（2008）對(duì)這一方法進(jìn)行了較為詳細(xì)的介紹。 。模型擬合優(yōu)度檢驗(yàn)建立在模型貝葉斯估計(jì)的基礎(chǔ)上。一般而言，模型的邊際數(shù)據(jù)密度越大，則表明模型對(duì)于現(xiàn)實(shí)數(shù)據(jù)擬合的程度越好；而隱含貝葉斯因子法則將未包含金融沖擊的模型的隱含貝葉斯因子先驗(yàn)設(shè)定為1，然后計(jì)算包含金融沖擊的模型的隱含貝葉斯因子。模型整體擬合優(yōu)度分析的結(jié)果如表3所示。

表3給出了模型整體擬合優(yōu)度檢驗(yàn)的結(jié)果。首先，從模型的邊際數(shù)據(jù)密度指標(biāo)可以看出，包含金融沖擊的模型對(duì)應(yīng)的邊際數(shù)據(jù)密度為296.53，而未包含金融沖擊的模型對(duì)應(yīng)的邊際數(shù)據(jù)密度為27726，二者之差為19.27。因此，基于模型的邊際數(shù)據(jù)密度檢驗(yàn)的結(jié)果可知，我國(guó)現(xiàn)實(shí)數(shù)據(jù)傾向于支持包含金融沖擊的模型。另外，從模型的隱含貝葉斯因子檢驗(yàn)的結(jié)果中可以發(fā)現(xiàn)，包含金融沖擊的模型對(duì)應(yīng)的隱含貝葉斯因子為4.1×1011，這意味著接受未包含金融沖擊的模型所需要的先驗(yàn)信息的數(shù)量是接受包含金融沖擊的模型的4.1×1011倍，即隱含貝葉斯因子檢驗(yàn)的結(jié)果也顯著支持包含金融沖擊的模型。因此，基于模型整體擬合優(yōu)度分析的結(jié)論可知，相對(duì)于未包含金融沖擊的模型，包含金融沖擊的模型更好地?cái)M合了我國(guó)經(jīng)濟(jì)的現(xiàn)實(shí)情況。endprint

2.金融沖擊的貝葉斯脈沖響應(yīng)

模型整體擬合優(yōu)度檢驗(yàn)的結(jié)果表明，我國(guó)現(xiàn)實(shí)經(jīng)濟(jì)數(shù)據(jù)更多地支持包含金融沖擊的模型，在此基礎(chǔ)上，我們可以采用貝葉斯脈沖響應(yīng)函數(shù)對(duì)這一模型進(jìn)行動(dòng)態(tài)分析。基于本文研究目的考慮，圖1僅給出了金融沖擊的貝葉斯脈沖響應(yīng)函數(shù)。顯然，積極的金融沖擊意味著家庭可以獲得更多的購(gòu)房貸款，因而擴(kuò)大了消費(fèi)不耐心家庭的預(yù)算集合。家庭獲得購(gòu)房貸款數(shù)量的增加，推動(dòng)了家庭的住房需求，因此在積極的金融沖擊下，家庭的住房需求上升；而住房需求的上升推動(dòng)了實(shí)際房?jī)r(jià)的上漲，因此在積極的金融沖擊下，實(shí)際房?jī)r(jià)表現(xiàn)出隨時(shí)間上升的動(dòng)態(tài)反應(yīng)路徑?；诜?jī)r(jià)膨脹的定義可知，實(shí)際房?jī)r(jià)的上升將引起房?jī)r(jià)膨脹的上升，因而積極的金融沖擊也推動(dòng)了房?jī)r(jià)膨脹的上升。房?jī)r(jià)的上升也推動(dòng)了房地產(chǎn)部門收益的增加，對(duì)利潤(rùn)最大化的追求使得房地產(chǎn)部門生產(chǎn)企業(yè)增加投資，進(jìn)而推動(dòng)了房地產(chǎn)部門投資的增加，因此，積極的金融沖擊也推動(dòng)了房地產(chǎn)部門投資的上升。房地產(chǎn)投資的增加以及土地供給的有限性使得土地實(shí)際價(jià)格以及土地的實(shí)際租金率上升，因而在積極的金融沖擊下，土地的實(shí)際價(jià)格以及土地的實(shí)際租金率均表現(xiàn)出隨時(shí)間上升的趨勢(shì)。實(shí)際房?jī)r(jià)、土地價(jià)格以及土地實(shí)際租金率的上升推動(dòng)了整體物價(jià)水平的上升，進(jìn)而導(dǎo)致通貨膨脹率的上升。

最后，需要注意的是，積極的金融沖擊在推動(dòng)房地產(chǎn)部門投資增加的同時(shí)，也導(dǎo)致了非耐用品生產(chǎn)部門投資的下降，表現(xiàn)在圖1中金融沖擊下非耐用品生產(chǎn)部門投資呈現(xiàn)隨時(shí)間下降的變化路徑。因此，金融沖擊的貝葉斯脈沖響應(yīng)函數(shù)反映了我國(guó)經(jīng)濟(jì)發(fā)展過(guò)程中的一個(gè)事實(shí)，即房地產(chǎn)部門的迅速發(fā)展導(dǎo)致大量的社會(huì)資源進(jìn)入房地產(chǎn)部門，進(jìn)而導(dǎo)致其他部門的發(fā)展較為緩慢。這也從另一個(gè)方面表明包含金融沖擊的模型相對(duì)較好地?cái)M合了我國(guó)經(jīng)濟(jì)的現(xiàn)實(shí)；同時(shí)，也意味著在我國(guó)房地產(chǎn)市場(chǎng)調(diào)控過(guò)程中，如果政府使用積極的金融沖擊影響房地產(chǎn)市場(chǎng)，那么需要注意這一沖擊可能產(chǎn)生的負(fù)面效應(yīng)。

3.貨幣政策沖擊的效應(yīng)分析

部分已有的相關(guān)研究在引入金融沖擊時(shí)忽略貨幣政策沖擊的效應(yīng)在已有的研究中，如Jermann 和 Quadrini（2012）、Kaihatsu 和 Kurozumi（2014）、王國(guó)靜與田國(guó)強(qiáng)（2014）等均采用這一設(shè)定。在這一設(shè)定下，金融沖擊僅對(duì)企業(yè)的投資行為具有直接影響而對(duì)于家庭的優(yōu)化行為不存在任何影響。Yu（2013）認(rèn)為采用這一設(shè)定存在模型設(shè)定的偏誤，并且混淆了金融沖擊與貨幣政策沖擊的影響。而本文的設(shè)定則較好地規(guī)避了這一問(wèn)題。在本文的框架中，金融沖擊影響宏觀經(jīng)濟(jì)的路徑包括：（1）影響不耐心家庭的優(yōu)化行為而影響總需求；（2）通過(guò)影響不耐心家庭的需求而刺激企業(yè)的投資行為。 。盡管采用這一設(shè)定可以簡(jiǎn)化分析的難度，并且可以防止金融沖擊與貨幣政策沖擊作用機(jī)制相互混淆而引起模型設(shè)定的偏誤。但是，在本文構(gòu)建的包含金融沖擊的HDSGE模型中，金融沖擊與貨幣政策沖擊卻具有不同的作用機(jī)制，因而二者對(duì)于宏觀經(jīng)濟(jì)變量的影響也具有不同的傳導(dǎo)路徑。具體地講，金融沖擊主要通過(guò)緩解消費(fèi)不耐心家庭的預(yù)算約束來(lái)刺激企業(yè)的投資行為而對(duì)宏觀經(jīng)濟(jì)產(chǎn)生影響；而貨幣政策沖擊主要是通過(guò)利率而對(duì)企業(yè)的投資和生產(chǎn)行為產(chǎn)生影響，進(jìn)而通過(guò)企業(yè)的投資和生產(chǎn)行為影響宏觀經(jīng)濟(jì)。

圖2給出了貨幣政策沖擊的貝葉斯脈沖響應(yīng)函數(shù)。與金融沖擊類似，擴(kuò)張性貨幣政策沖擊引起房地產(chǎn)需求的增加，房地產(chǎn)需求的增加推動(dòng)了房地產(chǎn)部門投資的增加和實(shí)際房?jī)r(jià)的上升，繼而使得房?jī)r(jià)膨脹、土地租金率和土地的實(shí)際價(jià)格均上升。與金融沖擊不同的是，擴(kuò)張性貨幣政策沖擊降低了資本的租賃成本和融資的難度，進(jìn)而也刺激了非耐用品生產(chǎn)部門企業(yè)的投資行為。與已有研究所得到的結(jié)論類似，貨幣政策沖擊盡管促進(jìn)了產(chǎn)出的增加，但也提高了通貨膨脹率。因此，基于圖1與圖2的比較可以發(fā)現(xiàn)，金融沖擊與貨幣政策沖擊對(duì)于非耐用品生產(chǎn)部門的投資具有不同的沖擊效應(yīng)。

基于金融沖擊和貨幣政策沖擊的貝葉斯脈沖響應(yīng)函數(shù)還可以發(fā)現(xiàn)，金融沖擊與貨幣政策沖擊對(duì)主要宏觀經(jīng)濟(jì)變量沖擊效應(yīng)的大小存在顯著差異。顯然，通過(guò)比較圖1與圖2可以發(fā)現(xiàn)，貨幣政策沖擊對(duì)產(chǎn)出等主要宏觀經(jīng)濟(jì)變量均具有更大的沖擊效應(yīng)，具體表現(xiàn)為貨幣政策沖擊下產(chǎn)出等變量具有更大程度的動(dòng)態(tài)反應(yīng)。

另外，圖2還給出了未包含金融沖擊的模型中貨幣政策沖擊的貝葉斯脈沖響應(yīng)函數(shù)。通過(guò)比較可以發(fā)現(xiàn)，與未包含金融沖擊的模型相比，包含金融沖擊的模型中貨幣政策沖擊對(duì)于模型主要宏觀經(jīng)濟(jì)變量均具有更大的沖擊效應(yīng)。這一發(fā)現(xiàn)與Bernanke等（1999）類似，即資產(chǎn)市場(chǎng)具有“加速器”的作用，可以擴(kuò)大外生沖擊對(duì)于宏觀經(jīng)濟(jì)的效應(yīng)，而本文所考慮的金融沖擊正是通過(guò)放松消費(fèi)不耐心家庭的擔(dān)保約束進(jìn)而擴(kuò)大了貨幣政策沖擊的宏觀經(jīng)濟(jì)效應(yīng)。因此，金融沖擊具有放大貨幣政策沖擊效應(yīng)的“加速器”作用。

4.房?jī)r(jià)波動(dòng)的貝葉斯沖擊分解

盡管金融沖擊的貝葉斯脈沖響應(yīng)函數(shù)表明了金融沖擊下主要宏觀經(jīng)濟(jì)變量的動(dòng)態(tài)變化路徑，但是仍然存在的一個(gè)問(wèn)題是，在本文的考察期內(nèi)，金融沖擊對(duì)我國(guó)房?jī)r(jià)波動(dòng)具有怎樣的推動(dòng)作用？為了對(duì)這一問(wèn)題進(jìn)行回答，我們采用貝葉斯沖擊分解方法對(duì)我國(guó)房?jī)r(jià)波動(dòng)進(jìn)行沖擊分解，進(jìn)而可以看出不同的外生沖擊在推動(dòng)我國(guó)房?jī)r(jià)波動(dòng)過(guò)程中的作用。

表4給出了房?jī)r(jià)波動(dòng)的貝葉斯沖擊分解的結(jié)果。為了更加清晰地得到不同外生沖擊對(duì)我國(guó)房?jī)r(jià)波動(dòng)的影響，本文分別選取第4期、第16期、第20期以及第40期作為觀測(cè)期，進(jìn)而可以得到在短期、中期、中長(zhǎng)期以及長(zhǎng)期中房?jī)r(jià)波動(dòng)的推動(dòng)力量。

基于表4可以發(fā)現(xiàn)：

第一，房地產(chǎn)部門技術(shù)沖擊不是推動(dòng)我國(guó)房?jī)r(jià)波動(dòng)的主要力量。表4表明，在短期中，房地產(chǎn)部門技術(shù)沖擊對(duì)于我國(guó)房?jī)r(jià)波動(dòng)的解釋能力僅為8.5%；而在長(zhǎng)期，其僅僅可以解釋我國(guó)房?jī)r(jià)波動(dòng)的5.57%。因此，房地產(chǎn)部門技術(shù)沖擊并不是推動(dòng)我國(guó)房?jī)r(jià)波動(dòng)的主要力量。這一發(fā)現(xiàn)與Iacoviello和Neri（2010）的研究存在顯著差異，后者發(fā)現(xiàn)房地產(chǎn)部門技術(shù)沖擊可以解釋大部分的美國(guó)房?jī)r(jià)波動(dòng)，即美國(guó)房?jī)r(jià)上漲源于房地產(chǎn)部門技術(shù)進(jìn)步太慢。endprint

第二，房地產(chǎn)部門偏好沖擊在短期和中期對(duì)于我國(guó)房?jī)r(jià)波動(dòng)具有較強(qiáng)的影響；而在長(zhǎng)期，其對(duì)于我國(guó)房?jī)r(jià)波動(dòng)的解釋能力較為有限。表4顯示，在短期和中期，房地產(chǎn)偏好沖擊分別可以解釋我國(guó)房?jī)r(jià)波動(dòng)的15.34%和11.87%；而在中長(zhǎng)期和長(zhǎng)期，房地產(chǎn)偏好沖擊對(duì)于我國(guó)房?jī)r(jià)波動(dòng)的解釋能力僅為215%和1.63%。

第三，土地供給沖擊對(duì)于我國(guó)房?jī)r(jià)波動(dòng)具有較強(qiáng)的解釋能力。表4顯示，無(wú)論是在短期還是長(zhǎng)期，土地供給沖擊對(duì)于我國(guó)房?jī)r(jià)波動(dòng)的貢獻(xiàn)均超過(guò)15%。這一發(fā)現(xiàn)與已有的研究（易斌，2015）類似，后者發(fā)現(xiàn)土地供給沖擊對(duì)于我國(guó)房?jī)r(jià)波動(dòng)具有重要的影響。

第四，金融沖擊是推動(dòng)我國(guó)房?jī)r(jià)波動(dòng)的主要因素之一，并且貨幣政策沖擊并不總是推動(dòng)我國(guó)房?jī)r(jià)波動(dòng)最為重要的因素。已有的研究（陳利鋒 等，2014）等均認(rèn)為貨幣政策沖擊是推動(dòng)我國(guó)房?jī)r(jià)波動(dòng)最為重要的因素。而本文則發(fā)現(xiàn)，在短期和中期，金融沖擊是推動(dòng)我國(guó)房?jī)r(jià)波動(dòng)最為重要的力量，貨幣政策則次之；但是在中長(zhǎng)期和長(zhǎng)期，貨幣政策沖擊是推動(dòng)我國(guó)房?jī)r(jià)波動(dòng)最主要的因素，而金融沖擊則次之。

基于以上分析，金融沖擊對(duì)我國(guó)房地產(chǎn)市場(chǎng)具有顯著的沖擊效應(yīng)，并且擴(kuò)大了貨幣政策沖擊的效應(yīng)；在短期與中期，金融沖擊甚至是推動(dòng)我國(guó)房?jī)r(jià)波動(dòng)最為重要的因素。因此，在房地產(chǎn)調(diào)控過(guò)程中，政府可以積極利用金融沖擊效應(yīng)以達(dá)到調(diào)控目的。

五、結(jié)論

基于包含金融沖擊的多部門房地產(chǎn)動(dòng)態(tài)隨機(jī)一般均衡模型，本文對(duì)金融沖擊在我國(guó)房?jī)r(jià)波動(dòng)過(guò)程中的作用進(jìn)行了考察。金融沖擊的貝葉斯脈沖響應(yīng)函數(shù)表明，金融沖擊通過(guò)緩解消費(fèi)不耐心家庭的預(yù)算約束，對(duì)房地產(chǎn)市場(chǎng)產(chǎn)生了顯著的沖擊效應(yīng)；而基于模型比較的結(jié)果則可以發(fā)現(xiàn)，在包含金融沖擊的模型中貨幣政策沖擊具有更大的效應(yīng)。這意味著，金融沖擊擴(kuò)大了貨幣政策沖擊的影響，即金融沖擊具有“加速器”作用。房?jī)r(jià)波動(dòng)的貝葉斯沖擊分解結(jié)果表明，貨幣政策沖擊是中長(zhǎng)期和長(zhǎng)期推動(dòng)我國(guó)房?jī)r(jià)波動(dòng)最重要的力量，而金融沖擊是短期和中期推動(dòng)我國(guó)房?jī)r(jià)波動(dòng)最主要的因素。

由于貨幣政策對(duì)我國(guó)房?jī)r(jià)波動(dòng)具有顯著影響，因而在房地產(chǎn)市場(chǎng)調(diào)控中，貨幣政策仍然是一個(gè)不可或缺的重要手段。在房?jī)r(jià)不斷上升甚至產(chǎn)生房?jī)r(jià)泡沫時(shí)，政策當(dāng)局可以通過(guò)緊縮性貨幣政策抑制房?jī)r(jià)的過(guò)快上升；而在房?jī)r(jià)波動(dòng)頻繁且引起房地產(chǎn)市場(chǎng)波動(dòng)時(shí)，政府也可以通過(guò)貨幣政策實(shí)現(xiàn)房地產(chǎn)市場(chǎng)的穩(wěn)定化。

本文的結(jié)論表明，金融沖擊對(duì)于我國(guó)房?jī)r(jià)波動(dòng)具有重要的影響，因而在房地產(chǎn)市場(chǎng)調(diào)控過(guò)程中，政府可以利用金融沖擊的效應(yīng)影響房地產(chǎn)市場(chǎng)，進(jìn)而達(dá)到有效調(diào)控房地產(chǎn)市場(chǎng)的目的。在房地產(chǎn)市場(chǎng)繁榮甚至出現(xiàn)房地產(chǎn)泡沫時(shí)，政府可以通過(guò)提高公積金利率、提高首付比例等方式形成逆向金融沖擊以提高家庭的擔(dān)保約束，進(jìn)而抑制房地產(chǎn)市場(chǎng)泡沫；而在房地產(chǎn)市場(chǎng)低迷時(shí)，政府可以通過(guò)相反的措施形成積極的金融沖擊以影響房地產(chǎn)市場(chǎng)。在當(dāng)前房地產(chǎn)市場(chǎng)整體不景氣的背景下，我國(guó)政府實(shí)行降低首付比例、提高按揭的上限額度、減少公積金提取手續(xù)以及公積金利率優(yōu)惠等辦法對(duì)房地產(chǎn)市場(chǎng)進(jìn)行調(diào)節(jié)，這些措施正是政府利用金融沖擊積極效應(yīng)以穩(wěn)定房地產(chǎn)市場(chǎng)的表現(xiàn)。值得注意的是，本文的研究表明，積極的金融沖擊在對(duì)房地產(chǎn)部門產(chǎn)生積極效應(yīng)的同時(shí)，也降低了非耐用品部門的投資，進(jìn)而對(duì)于非耐用品部門具有不利的影響。因此，政府在利用金融沖擊進(jìn)行房地產(chǎn)市場(chǎng)調(diào)控的同時(shí)，也要注意其對(duì)國(guó)民經(jīng)濟(jì)其他部門產(chǎn)生的不利影響。

參考文獻(xiàn)：

陳利鋒.2015.金融沖擊、企業(yè)生存狀況與貨幣政策[J]. 現(xiàn)代財(cái)經(jīng)（6）：7081.

陳利鋒，范紅忠.2014.房?jī)r(jià)波動(dòng)、貨幣政策與中國(guó)社會(huì)福利損失[J].中國(guó)管理科學(xué)（5）：4250.

黃勇峰，任若恩，劉曉生.2002.中國(guó)制造業(yè)資本存量永續(xù)盤存法估計(jì)[J].經(jīng)濟(jì)學(xué)（季刊），1（2）：377396.

賈俊雪，郭慶旺.2012.財(cái)政支出類型、財(cái)政政策作用機(jī)理與最優(yōu)財(cái)政貨幣政策規(guī)則[J].世界經(jīng)濟(jì)（11）：330.

李成，王彬，馬文濤.2010.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（3）：91103.

馬亞明，劉翠.2014.房地產(chǎn)價(jià)格波動(dòng)與我國(guó)貨幣政策工具的選擇——基于DSGE模型的模擬分析[J]. 國(guó)際金融研究（8）：2434.

王國(guó)靜，田國(guó)強(qiáng).2014.金融沖擊與中國(guó)經(jīng)濟(jì)波動(dòng)[J].經(jīng)濟(jì)研究（3）：2034.

王益煊，吳優(yōu).2003.中國(guó)國(guó)有經(jīng)濟(jì)固定資本存量初步測(cè)算[J].統(tǒng)計(jì)研究（5）：4045.

易斌.2015.住房需求抑制還是土地供給調(diào)節(jié)：房地產(chǎn)調(diào)控政策比較研究[J].財(cái)經(jīng)研究（2）：6675.

ALPANDA S，AYSUN U. 2014. International Transmission of Financial Shocks in an Estimated DSGE Models[J]. Journal of International Money and Finance，47（c）：2155.

BERNANKE Ben S，GERTLER M，GILCHRIST S. 1999. The Financial Accelerator in a Quantitative Business Cycle Framework[C]// TAYLOR J B，WOODFORD M. Handbook of Macroeconomics，1，Elsevier：Holland：13411393.

BLANCHARD O，DELL ARICCIA G，MAURO P. 2010. Rethinking Macroeconomic Policy[J]. Journal of Money，Credit and Banking，42（1）：199215.

BRZOZABRZEZINA M，KOLASA M，KRZYSZTOF M. 2015. Macroprudential Policy and Imbalances in the Euro Area[J]. Journal of International Money and Finance，51（c）：137154.endprint

BURNSIDE C，EICHENBAUM M，REBELO S. 2011. Understanding Booms and Busts in Housing Markets[R]. NBER Working Papers，w16734.

CALVO G A. 1983. Staggered Prices in a UtilityMaximizing Framework[J]. Journal of Monetary Economics，12（3）：983998.

CANOVA F. 2007. Methods for Applied Macroeconomic Research[M]. Princeton：Princeton University Press.

CASE K E. 2008. The Central Role of Home Prices in the Current Financial Crisis：How will the Market Clear？[J]. Brookings Papers on Economic Activity，39（2）：161193.

CHRISTIANO L J，TRABANDT M，WALENTIN K. 2011. Introducing Financial Frictions and Unemployment into a Small Open Economy Model[J]. Journal of Economics Dynamics and Control，35（12）：19992041.

DAVIS M A，ORTALOMAGNE F. 2011. Household Expenditures，Wages，Rents[J]. Review of Economic Dynamics，14（2）：248261.

FENDOGLU S. 2014. Optimal Monetary Policy Rules， Financial Amplification，and Uncertain Business Cycle[J]. Journal of Economic Dynamics and Control，46（c）：271305.

FINOCCHIARO D，VON HEIDEKEN V. 2013. Do Central Banks React to Housing Prices？[J]. Journal of Money，Credit and Banking，45（8）：16591683.

GALI′ J. 2014. Monetary Policy and Rational Asset Price Bubbles[J]. American Economic Review，104（3）：721752.

GALI′ J，LOPEZSALIDO J D，VALLES J. 2007. Understanding the Effects of Government Spending on Consumption[J]. Journal of the European Economics Association，5（1）：227270.

GOMES S，MENDICINO C. 2015. Housing Market Dynamics：Any News？ [R]. ECB Working Papers，1775.

GREENBERG E. 2008. Introduction to Bayesian Econometrics[M]. Cambridge：Cambridge University Press.

HE D，ZHANG W，SHEK J. 2007. How Efficient has been Chinas Investment？ Empirical Evidence from National and Provincial Data[J]. Pacific Economic Review，12（5）：596617.

IACOVIELLO M. 2005. Housing Prices， Borrowing Constraints， and Monetary Policy in the Business Cycle[J]. American Economic Review，95（3）：739764.

IACOVIELLO M，NERI S. 2010. Housing Market Spillovers：Evidence from an Estimated DSGE Model[J]. American Economic Journal：Macroeconomics，2（2）：125164.

JERMANN U，QUADRINI V. 2012. Macroeconomic Effects of Financial Shocks[J]. American Economic Review，102（1）：238271.

KAIHATSU S，KUROZUMI T. 2014. Sources of Business Fluctuations： Financial or Technology Shocks？[J]. Review of Economic Dynamics，17（2）：224242.

KANNAN P，RABANAL P，SCOTT M A. 2012. Monetary and Macroprudential Policy Rules in a Model with House Price Booms[J]. The B. E. Journal of Macroeconomics，12（1），142.endprint

KIYOTAKI N，MOORE J. 1997. Credit Cycles[J]. Journal of Political Economy，105（2）：211248.

KOBAYASHI K，NAKAJIMA T，INABA M. 2012. Collateral Constraint and NewsDriven Cycles[J]. Macroeconomic Dynamics，16（5）：752776.

KOLASA M，LAMBARDO G. 2014. Financial Frictions and Optimal Monetary Policy in an Open Econpmy[J]. International Journal of Central Banking，10（1）：4394.

LEE J，SONG J. 2015. Housing and Business Cycles in Korea：A MultiSector Bayesian DSGE Approach[J]. 45：Economic Modelling，45（c），99108.

LIU Z，WANG P，ZHA T. 2013. Land Price Dynamics and Macroeconomic Fluctuations，Econometrica，81（3）：11471184.

MONACELLI T. 2009. New Keynesian Models，Durable Goods and Borrowing Constraints[J]. Journal of Monetary Economics，56（2）：242254.

NOLAN C，THOENISSEN C. 2009. Financial Shocks and the US Business Cycle[J]. Journal of Monetary Economics，56（4）：596604.

NOTARPIETRO A， SIVIERO S. 2014. Optimal Monetary Policy Rules and Housing Price[R]. Bank of Italy Working Papers， 993.

TAYLOR J B. 1993. Discretion Versus Policy Rules in Practice[J]. CarnegieRochester Series on Public Policy，39（1）：195214.

YU S X. 2013. Evaluating Macroprudential Policy in a DSGE Framework with Financial Frictions[R]. Division of Social Science， New College of Florida Working Paper.

ZHANG W. 2009. Chinas Monetary Policy： Quantity Versus Price Rules[J]. Journal of Macroeconomics，31（3）：473484.

Abstract： In this paper， we consider a Dynamic Stochastic General Equilibrium （DSGE） model with financial shocks， and investigate the effects of financial shocks on Chinas housing price fluctuations. The result shows that the model with financial shocks better fits for Chinas economic reality than the model without financial shocks， that financial shocks have significant shock effect on the housing market of China， and furthermore， the positive financial shocks decrease the investment of other sectors but increase the investment of housing sector. The result of model comparison argues that financial shocks amplify the effect of monetary policy shocks， which is the effect of accelerator. Further， the result of housing price Bayesian decomposition shows that， in the short and medium term， financial shocks is the most important driving force of housing price fluctuations， but in the longrun， monetary policy shocks is the most important factor for housing price volatility. Therefore， both monetary policy and financial policy are the important instrument of housing market regulations， governments should actively use monetary policy shocks and financial shocks to stabilize the housing market but the government should pay attention to the negative effect of financial shocks on other sectors of national economy.

Key words： financial shocks； housing price fluctuations； dynamic stochastic general equilibrium model； monetary policy shocks； housing demand； housing price dilation； guarantee restriction； family optimization behavior； enterprise investment behavior

CLC number：F015；F822.2；F224.0 Document code：AArticle ID：16748131（2016）01006113

（編輯：夏冬；段文娟）endprint