貨幣政策數(shù)量效應(yīng)與房價波動

張國峰+張程慧+宋丹丹+殷林森

摘要：以四個一線城市北京、上海、廣州和深圳為例，選取2001-2015年M2、杠桿率、住宅商品房平均銷售價格、地方生產(chǎn)總值GDP和居民消費價格指數(shù)的增長率作為變量，通過構(gòu)建面板向量自回歸模型（PVAR）得出脈沖響應(yīng)函數(shù)和方差分解結(jié)果，分析一線城市房價增長率和M2增長率、CPI增長率、杠桿增長率之間的關(guān)系，得出結(jié)論：M2的增發(fā)短期被房地產(chǎn)市場吸收，長期則過渡到CPI，引起通貨膨脹；杠桿增長率與房價增長率呈反向變動關(guān)系是由于政府調(diào)控政策下公眾事前預(yù)期并搶先行動，抵消了政策作用。最后，提出保持M2適度增長、增加建設(shè)用地指標(biāo)、控制商業(yè)銀行過度放貸和勸導(dǎo)宣示以調(diào)整民眾預(yù)期等政策建議。

關(guān)鍵詞：房地產(chǎn)價格，貨幣政策，面板向量自回歸模型

中圖分類號：F293.3 文獻(xiàn)標(biāo)識碼：B

文章編號：1001-9138-（2017）11-0022-30 收稿日期：2017-08-20

1 引言

有了諸如美國房地產(chǎn)泡沫導(dǎo)致的次貸危機(jī)的先例，我國房地產(chǎn)市場的價格運行儼然成為一個值得關(guān)注的問題。當(dāng)下中國經(jīng)濟(jì)正在面臨轉(zhuǎn)型考驗，房地產(chǎn)行業(yè)作為國民經(jīng)濟(jì)的“晴雨表”，聯(lián)動著基建、家電、消費等眾多行業(yè)領(lǐng)域，未來走勢非常關(guān)鍵。

據(jù)國家統(tǒng)計局?jǐn)?shù)據(jù)，2017年2月北京與上海新建住宅銷售價格指數(shù)同比分別上漲22.1%和21.1%，深圳則同比上漲13.5%，可見一線城市房價仍處于上升中，以北京為代表的一線城市出臺了新一輪樓市調(diào)控政策，包括實施“認(rèn)房又認(rèn)貸”的升級限貸措施、調(diào)高二套房首付比例、暫停發(fā)放25年以上個人房貸等，但這些調(diào)控措施似乎效果有限。5月雖然北京、上海新房價格環(huán)比漲幅為零，北京二手房價甚至環(huán)比下跌0.9%，但從同比來看，北京、上海等一線城市房價依舊保持了兩位數(shù)的增速。

關(guān)于房地產(chǎn)價格的影響因素有很多，本文通過構(gòu)建PVAR模型著重探討一線城市房價和貨幣政策數(shù)量效應(yīng)之間的關(guān)系。

2 文獻(xiàn)綜述

2.1 國外研究現(xiàn)狀

國外關(guān)于貨幣政策數(shù)量效應(yīng)與房價波動關(guān)系的研究主要有三方面。

第一，從杠桿率角度研究二者關(guān)系。Lamont & Stein（1997）通過對美國城市的研究發(fā)現(xiàn)，房地產(chǎn)價格對于房主有較高杠桿率的城市的特定沖擊（例如人均收入的變化）更為敏感，貸款價值比（loan-to-value ratios）的變化對于房地產(chǎn)價格有動態(tài)影響，尤其會影響房地產(chǎn)價格的波動。

第二，從貸款存量角度研究二者關(guān)系。Oikarinen（2009）采用時間序列數(shù)據(jù)研究了從芬蘭金融自由化以來房地產(chǎn)價格和房地產(chǎn)信貸存量的相互作用。結(jié)果表明，房屋升值對于消費貸款存量有顯著的積極影響，自20世紀(jì)80年代末開始金融自由化開始之后，房地產(chǎn)價格與房貸存量便呈現(xiàn)出顯著的雙向因果關(guān)系，而這種關(guān)系在金融自由化之前則明顯較弱。

第三，通過構(gòu)建包括房價、貨幣和宏觀經(jīng)濟(jì)變量的系統(tǒng)，在該系統(tǒng)內(nèi)研究房價和貨幣之間的作用關(guān)系。一般認(rèn)為貨幣政策變量和宏觀經(jīng)濟(jì)變量均對房價波動有重要影響。如C Goodhart & B Hofmann（2008）對17個工業(yè)化國家的季度數(shù)據(jù)建立VAR模型，研究發(fā)現(xiàn)房價、貨幣、宏觀經(jīng)濟(jì)之間存在多種顯著的直接影響關(guān)系，尤其在1985-2006年，房價和貨幣政策變量間的聯(lián)系更強(qiáng)。EP Davis & H Zhu（2011）對17個國家的房地產(chǎn)價格和GDP、銀行貸款等變量的關(guān)系進(jìn)行實證分析，發(fā)現(xiàn)房地產(chǎn)價格的變動在很大程度上可由其自身的滯后沖擊來解釋，同時GDP和銀行貸款對房價的變動也有重要影響。

2.2 國內(nèi)研究現(xiàn)狀

國內(nèi)學(xué)者對房地產(chǎn)價格波動也展開了較多實證研究，研究思路與國外相同，也主要集中于以下三個方面。

第一，從杠桿率角度研究二者關(guān)系。郭曄（2011）對2005年第1季度至2009年第4季度37個大中城市的面板數(shù)據(jù)進(jìn)行分析，結(jié)果表明一線城市和二線城市的杠桿率均較高。其中，一線城市的高杠桿率主要表現(xiàn)為房地產(chǎn)開發(fā)商的貸款比重最高，二線城市的高杠桿率主要表現(xiàn)為個人消費者的個人貸款比例最高。

第二，從信貸規(guī)模角度研究二者關(guān)系。何靜、李村璞和邱長溶（2011）通過非線性平滑轉(zhuǎn)換模型對我國房地產(chǎn)價格與信貸規(guī)模的動態(tài)關(guān)系進(jìn)行研究發(fā)現(xiàn)，2000至2009年我國信貸規(guī)模對房地產(chǎn)價格存在非線性影響，信貸規(guī)模的變動是房地產(chǎn)價格變動的格蘭杰原因，兩者之間的關(guān)系適合使用LSTR1模型來擬合。

第三，通過構(gòu)建包括房價、貨幣和宏觀經(jīng)濟(jì)變量的系統(tǒng)，在該系統(tǒng)內(nèi)研究房價和貨幣之間的作用關(guān)系。一般認(rèn)為貨幣供給量是房價波動的重要原因。魏瑋、王洪衛(wèi)（2010）使用脈沖響應(yīng)函數(shù)分析方法，建立面板向量自回歸模型，分析了我國各種貨幣政策工具對東、中、西部地區(qū)房地產(chǎn)市場價格動態(tài)影響的異同。實證結(jié)果表明：中部地區(qū)房地產(chǎn)價格受數(shù)量型工具沖擊后向穩(wěn)態(tài)收斂的速度相對于東、西部最快。價格型工具對東部地區(qū)房地產(chǎn)價格的累積效應(yīng)最大，東、中部地區(qū)房地產(chǎn)市場上主導(dǎo)型貨幣政策工具為M0。羅孝玲、洪波和馬世昌（2012）采用2001-2010年的季度數(shù)據(jù)，通過建立向量自回歸模型定量描述了各宏觀因素對房地產(chǎn)價格的影響程度，發(fā)現(xiàn)房地產(chǎn)價格受往期價格及貨幣供給量影響較大；格蘭杰因果關(guān)系檢驗表明房地產(chǎn)價格與GDP、貸款利率存在雙向格蘭杰因果關(guān)系，與居民消費存在單向格蘭杰因果關(guān)系。劉文棟、王飛和翁偉斌（2017）基于省級面板數(shù)據(jù)通過面板VAR模型分析房地產(chǎn)市場、貨幣政策和產(chǎn)出之間的關(guān)系，發(fā)現(xiàn)房地產(chǎn)市場對消費有一定的擠出效應(yīng)，房地產(chǎn)市場地區(qū)差異化較為明顯，應(yīng)針對不同區(qū)域不同情況，采取差異化措施。

以上國內(nèi)文獻(xiàn)多以全國房地產(chǎn)市場為研究對象，雖然最近已有一些文章從區(qū)域異質(zhì)性角度出發(fā)研究我國房地產(chǎn)市場，但數(shù)量較少，在以往文獻(xiàn)基礎(chǔ)之上，本文采用北京、上海、廣州和深圳的面板數(shù)據(jù)構(gòu)建面板向量自回歸模型重點分析我國一線城市房價增長率和貨幣量、杠桿率的增長率之間的關(guān)系，探討貨幣政策數(shù)量效應(yīng)與房價波動之間的關(guān)系，并據(jù)此提出一線城市房地產(chǎn)市場調(diào)控的政策建議。同時，本文相較以往文獻(xiàn)另一不同之處是引入杠桿率變量取代以往文獻(xiàn)中常用的信貸變量，以更好地反映金融機(jī)構(gòu)貸款余額對房價的影響。endprint

3 基本理論分析

本文采用第三種研究思路，即通過構(gòu)建房價、貨幣和宏觀經(jīng)濟(jì)變量的系統(tǒng)研究房價與貨幣政策數(shù)量效應(yīng)之間的關(guān)系，在實證分析之前，對變量間的作用關(guān)系進(jìn)行理論分析。

貨幣供給量的增加容易引起房價的上升，寬松的貨幣政策會導(dǎo)致信貸供給的增加，從而引起房價上升。一般認(rèn)為貸款與房價之間存在雙向因果關(guān)系。一方面，貸款通過改變市場需求影響房價；另一方面，房價通過資產(chǎn)負(fù)債表效應(yīng)或信貸效應(yīng)影響貸款。資產(chǎn)負(fù)債表效應(yīng)主要針對企業(yè)而言，即房價的下跌會導(dǎo)致企業(yè)資產(chǎn)凈值的下降，從而減少企業(yè)對信貸的需求。信貸效應(yīng)則從銀行角度出發(fā)，房價下跌會導(dǎo)致抵押資產(chǎn)價值下降，致使銀行資產(chǎn)負(fù)債表狀況惡化，從而減少信貸供給。

房價波動除會對信貸產(chǎn)生影響外，還會引起消費和投資變動，從而影響宏觀經(jīng)濟(jì)波動。房價對宏觀經(jīng)濟(jì)的傳導(dǎo)主要有以下三種渠道：一是財富效應(yīng)渠道，房價上升時會導(dǎo)致財富水平上升，在邊際消費傾向不變的情況下引起消費增加，從而使總需求增加；二是托賓q效應(yīng)渠道，當(dāng)房價高于其重置成本時，托賓q值大于1，導(dǎo)致房地產(chǎn)投資收益增加，進(jìn)而引起房地產(chǎn)投資增加，導(dǎo)致總需求增加，使得總產(chǎn)出和通貨膨脹上升；三是信貸渠道，房價上升會改善借貸者資產(chǎn)負(fù)債表，從而銀行愿意投放更多貸款，進(jìn)而刺激投資和總產(chǎn)出。因此，房價與信貸的相互促進(jìn)作用會導(dǎo)致總產(chǎn)出和通脹水平不斷上升，即二者之間存在相互增強(qiáng)的金融加速器作用。反之，總產(chǎn)出的上升會引起居民收入增長，進(jìn)而通過財富效應(yīng)推動房地產(chǎn)市場需求增加，房價上漲；房地產(chǎn)投資增加最終導(dǎo)致房地產(chǎn)供給過剩，進(jìn)而阻礙房價上漲甚至轉(zhuǎn)為下跌；通脹上升一方面會引起商業(yè)銀行利率上升，阻礙房價上漲，另一方面，通脹上升會促進(jìn)名義房地產(chǎn)價格上升，通脹對房價的反饋作用在理論上具有不確定性。

綜上，房價、貨幣供給量、信貸、消費與投資之間相互影響，存在系統(tǒng)性的互動關(guān)系，因此下面采用面板向量自回歸模型進(jìn)行實證分析。

4 變量、數(shù)據(jù)與模型

4.1 變量

本文重點分析一線城市房價增長率和貨幣量、杠桿率的增長率之間的關(guān)系，其中貨幣量用M2來度量，杠桿率定義為貸款余額和房地產(chǎn)銷售額的比值（Leverage）。房價選取住宅商品房平均銷售價格（Price）作為反映房地產(chǎn)價格的指標(biāo)，房地產(chǎn)銷售額采用住宅商品房銷售額指標(biāo)（Volume），貸款余額選取金融機(jī)構(gòu)貸款余額指標(biāo)（Loan），經(jīng)濟(jì)發(fā)展指標(biāo)選取地方生產(chǎn)總值（GDP），通貨膨脹選取城市居民消費價格指數(shù)指標(biāo)（CPI）（以1978年為基期100）。

各變量均取對數(shù)做一階差分處理，經(jīng)濟(jì)意義表示各變量的變化率。處理后的各變量分別表示為：dlnprice、dlnm2、dlnleverage、dlncpi和dlngdp。

4.2 數(shù)據(jù)來源

所用數(shù)據(jù)來自中國經(jīng)濟(jì)與社會發(fā)展統(tǒng)計數(shù)據(jù)庫、中國統(tǒng)計年鑒、地方統(tǒng)計年鑒和國家統(tǒng)計局網(wǎng)站，選取2001-2015年中國四個一線城市北京、上海、廣州和深圳的面板數(shù)據(jù)，其中深圳2015年個別缺省數(shù)據(jù)根據(jù)廣州同比數(shù)據(jù)計算得出。

4.3 PVAR模型

采用面板數(shù)據(jù)向量自回歸（Panel Data Vector Autoregression，PVAR）的計量方法。PVAR模型最早由Holtz-Eakin等（1988）提出，后經(jīng)McCoskey & Kao（1999）、Joakim Westerlund（2005）等學(xué)者的發(fā)展，已經(jīng)成為一個兼具時序分析與面板數(shù)據(jù)分析優(yōu)勢的成熟模型。PVAR的主要估計步驟如下：1.利用廣義矩估計（GMM）在面板數(shù)據(jù)上估計VAR；2.估計脈沖響應(yīng)函數(shù)；3.進(jìn)行方差分解，進(jìn)一步說明各影響因素的大小。

本文定義PVAR模型如下：

（1）

其中，yit表示第i個城市第t期的內(nèi)生變量，yit=（dlnpriceit，dlnm2it，dlnleverageit，dlncpiit，dlngdpit）。p代表模型的滯后階數(shù)，βj代表滯后內(nèi)生變量的回歸系數(shù)，εit為模型的隨機(jī)擾動項，fi為模型的個體效應(yīng)。為消除模型中的個體效應(yīng)，采用前向均值差分法即Helmert轉(zhuǎn)換（Arellano和Bover，1995）消除fi，以消除滯后項與隨機(jī)擾動項之間的相關(guān)性，從而更加精確地估計模型的參數(shù)。然后，利用廣義矩（GMM）對模型進(jìn)行估計，得到脈沖響應(yīng)函數(shù)，用來反映一個變量的變化對另一個變量的影響。最后給出方差分解結(jié)果，反映一個變量沖擊對另一個變量變動的影響程度。

考慮到樣本數(shù)據(jù)可得性問題，本文定義模型為一階滯后。

5 實證分析及結(jié)論

5.1 樣本數(shù)據(jù)的平穩(wěn)性檢驗

數(shù)據(jù)序列的平穩(wěn)性檢驗首先根據(jù)SIC準(zhǔn)則確定最佳滯后階數(shù)后，然后采用LLC檢驗和IPS檢驗方法，分別對各序列及其差分序列進(jìn)行單位根檢驗，檢驗結(jié)果如表1所示，結(jié)果表明所有序列均為平穩(wěn)序列。

5.2 PVAR模型的估計

對上述數(shù)據(jù)進(jìn)行面板向量自回歸GMM估計。由于在估計之前已經(jīng)通過前向均值差分法消除了個體固定效應(yīng)，保證了滯后變量與轉(zhuǎn)換后的變量正交，進(jìn)而與誤差項無關(guān)，因此可以使用滯后變量作為工具變量。PVAR估計結(jié)果見表2。

5.3 PVAR模型的穩(wěn)定性檢驗

特征根的檢驗結(jié)果見圖1。變量的特征根均小于1，都落在單位圓內(nèi)，因此建立的PVAR模型是平穩(wěn)的。

5.4 格蘭杰因果關(guān)系檢驗

格蘭杰因果關(guān)系可以用來檢驗?zāi)硞€變量的所有滯后項是否對另一個或幾個變量的當(dāng)期值有影響，即某個變量是否可以用來提高對其他相關(guān)變量的預(yù)測（forecast）能力。限于篇幅，本文只給出了在10%的顯著性水平下構(gòu)成格蘭杰因果關(guān)系的檢驗結(jié)果。從表3可以看出，在10%的顯著性水平下，杠桿率變化率和城市居民消費價格指數(shù)變化率是房價變化率的格蘭杰原因，房價變化率是M2變化率、杠桿率變化率和地方生產(chǎn)總值變化率的格蘭杰原因。endprint

5.5 正交化脈沖響應(yīng)函數(shù)分析

正交化脈沖響應(yīng)函數(shù)分析的優(yōu)勢在于它可通過控制其它政策變量的沖擊，來度量房價對某一變量的正交化新息（innovation）響應(yīng)。由于式（1）誤差項的方差-協(xié)方差矩陣可能為非對角矩陣，因此若要獨立識別出某一變量的沖擊，還需對系統(tǒng)中的變量進(jìn)行喬萊斯基分解（Cholesky decomposition）排序。魏瑋和王洪衛(wèi)（2010）認(rèn)為在短期內(nèi)，順序在前的變量較后面的變量更具弱外生性，即排序在前變量的滯后期項與同期項均會對后面變量產(chǎn)生影響，但后面變量僅通過滯后期項對前面變量產(chǎn)生影響，結(jié)合上文給出的格蘭杰因果關(guān)系檢驗結(jié)果，設(shè)定變量作用次序如下：dlnprice，dlngdp，dlnm2，dlnleverage，dlncpi。脈沖響應(yīng)函數(shù)結(jié)果見圖2。

從圖2可以看出，房地產(chǎn)價格增長率對M2增長率的沖擊響應(yīng)為正，貨幣的主要流向之一為房地產(chǎn)市場，在圖中表現(xiàn)為短期內(nèi)近乎呈直線上升，隨后急速下降，說明短期M2增長率對房地產(chǎn)價格增長率呈正向沖擊，長期則成負(fù)向沖擊。而在房價增長率對CPI增長率的脈沖響應(yīng)圖中，沖擊響應(yīng)先近乎成直線下降，在第一期后逐漸緩慢回升，原因為通貨膨脹選取的是CPI指數(shù)（只反映了居民消費商品的加權(quán)平均波動，并不包含住房商品）。值得注意的是，房價增長率對CPI增長率的脈沖響應(yīng)與房價增長率對M2增長率的脈沖響應(yīng)呈現(xiàn)出此消彼長關(guān)系，從第5期開始均趨于平緩。從吸收論的角度解釋，貨幣供應(yīng)量的增加在短期內(nèi)被房地產(chǎn)市場吸收，抑制通貨膨脹的上漲，說明房地產(chǎn)市場對消費有一定的擠出效應(yīng)，這與劉文棟、王飛、翁偉斌（2017）的研究結(jié)果一致。而在長期中，會逐步反映在消費品價格上，使得負(fù)向沖擊影響逐步減弱。另一方面，通貨膨脹造成的利率上升也會反向影響房地產(chǎn)價格。

與預(yù)期相反，GDP增長率與房地產(chǎn)價格增長率存在著反向關(guān)系，鑒于本文研究的是一線城市，倘若GDP增長率過快，容易導(dǎo)致投機(jī)炒房活動盛行，進(jìn)而引起政府宏觀調(diào)控，造成對房地產(chǎn)價格的負(fù)向沖擊。另外，由圖可知杠桿率的增長率對房價增長率有著負(fù)向沖擊效應(yīng)，看似是一個悖論，實際上因為政府發(fā)布降杠桿的消息，容易引起群眾預(yù)期性恐慌，又由于需求是剛性的，投資者會做出搶先貸款購房的行為，這樣會抵消政策的作用，反而促進(jìn)房地產(chǎn)價格加速上升，可見預(yù)期在調(diào)控房地產(chǎn)價格中的作用。

5.6 方差分解分析

方差分解給出了對模型中變量產(chǎn)生影響的每個隨機(jī)擾動的相對重要性的信息，以此評價每個結(jié)構(gòu)沖擊對內(nèi)生變量變化的貢獻(xiàn)度。表4顯示了面板誤差項方差分解結(jié)果。

從表4中看出，房價對其自身的解釋能力占據(jù)主導(dǎo)，房價增長率對自身的沖擊反應(yīng)在第五期和第十期都在60%左右，說明房地產(chǎn)市場存在明顯的正反饋機(jī)制，過去的價格波動能夠較大程度解釋當(dāng)期的價格波動，因此容易形成價格增速持續(xù)上升或下降的情況，其余四個變量對房價增長率的解釋能力均不足20%，但CPI增長率對房價增長率仍有17%的貢獻(xiàn)率，符合預(yù)期。在對杠桿增長率的方差分解中，房價增長率對杠桿增長率方差的貢獻(xiàn)率最高，第五期和第十期均在40%以上。另外，在對CPI增長率的方差分解中，房價增長率的貢獻(xiàn)率在第五期和第十期都保持在40%左右，說明房價是影響通貨膨脹的重要因素。

6 政策建議

6.1 實行穩(wěn)健的貨幣政策，保持M2適度增長

從統(tǒng)計意義上看，房地產(chǎn)價格增長率是M2增長率的格蘭杰原因，M2增長率不是房地產(chǎn)價格增長率的格蘭杰原因。但從經(jīng)濟(jì)意義上講，M2過快上漲會引起CPI的加速上升，而CPI增長率又是房價增長率的格蘭杰原因。因此，要保持M2適度增長，同時，這也能保證資金來源不枯竭，正如大禹治水，重點應(yīng)是改變資金的流向，深化供給側(cè)改革，振興實體經(jīng)濟(jì)的發(fā)展。

6.2 商業(yè)銀行應(yīng)控制放貸規(guī)模，合理配置資金

商業(yè)銀行作為金融中介機(jī)構(gòu)的主體，很大程度上決定了資金的流向，房地產(chǎn)貸款的持續(xù)增加，不僅提高了監(jiān)管成本，也有可能造成大規(guī)模信用風(fēng)險，從而侵蝕經(jīng)濟(jì)基本面，因此更應(yīng)防微杜漸。同時，應(yīng)當(dāng)加強(qiáng)銀行體系監(jiān)管，合理引導(dǎo)商業(yè)銀行在虛擬經(jīng)濟(jì)和實體經(jīng)濟(jì)的放貸比例，這也是房地產(chǎn)市場價格調(diào)控的配合措施之一。

6.3 在不影響農(nóng)業(yè)用地的情況下，放松土地供給政策

如今國內(nèi)一線城市的房地產(chǎn)價格高升，不僅僅是一個貨幣泡沫的問題，更重要的是，房地產(chǎn)價格的背后有著堅實的供需關(guān)系的基礎(chǔ)。需求方面，一線城市是人才聚集地，必然會源源不斷地吸引新增人口，對住房需求只增不減。供給方面，一線城市對比二、三線城市，土地供給量急劇下降，會加劇供給和需求的不匹配，進(jìn)而不斷推高房地產(chǎn)價格。從這個層面來看，適度地增加建設(shè)用地指標(biāo)可以減緩房地產(chǎn)價格上升的壓力。

6.4 發(fā)揮宣示勸導(dǎo)作用，穩(wěn)定民眾預(yù)期

房地產(chǎn)價格具有非常明顯的連續(xù)性和時序性，從行為金融學(xué)的角度說，民眾心理將決定實際需求和行為，一旦產(chǎn)生恐慌心理，加之同群效應(yīng)的放大，價格會在短期內(nèi)大幅提高。由于民眾預(yù)期房地產(chǎn)投資品是一項幾乎無風(fēng)險、高收益的保值產(chǎn)品，限貸政策的嚴(yán)格施行，會刺激群眾心理，搶先一步購房，因此政府應(yīng)審慎使用限貸政策，重要的是調(diào)整民眾預(yù)期，要進(jìn)行適當(dāng)?shù)恼l(fā)言，充分發(fā)揮宣示告誡的作用。

參考文獻(xiàn)：

1.郭曄.政策調(diào)控、杠桿率與區(qū)域房地產(chǎn)價格.廈門大學(xué)學(xué)報：哲學(xué)社會科學(xué)版.2011.04

2.何靜 李村璞 邱長溶.信貸規(guī)模與房地產(chǎn)價格的非線性動態(tài)關(guān)系研究.經(jīng)濟(jì)評論.2011.02

3.魏瑋 王洪衛(wèi).房地產(chǎn)價格對貨幣政策動態(tài)響應(yīng)的區(qū)域異質(zhì)性——基于省際面板數(shù)據(jù)的實證分析.財經(jīng)研究.2010.06

4.羅孝玲 洪波 馬世昌.基于VAR模型的房地產(chǎn)價格影響因素研究.中南大學(xué)學(xué)報：社會科學(xué)版.2012.04

5.劉文棟 王飛 翁偉斌.區(qū)域資產(chǎn)價格、通脹與產(chǎn)出關(guān)系的實證研究——基于面板VAR的研究.浙江金融.2017.02endprint

6.Lamont O，Stein J C.Leverage and House-price Ddynamics in US Cities [R].National Bureau of Economic Research.1997

7.Oikarinen E.Interaction between Housing Prices and Household Borrowing：The Finnish Case.Journal of Banking & Finance.2009.33（4）

8.Goodhart C，Hofmann B.House Prices，Money，Credit，and the Macroeconomy.Oxford Review of Economic Policy.2008.24（1）

作者簡介：

張國峰，上海立信會計金融學(xué)院本科生，研究方向為貨幣政策與宏觀經(jīng)濟(jì)。

張程慧，上海立信會計金融學(xué)院本科生，研究方向為貨幣政策與宏觀經(jīng)濟(jì)。

宋丹丹，上海立信會計金融學(xué)院本科生，研究方向為貨幣政策與宏觀經(jīng)濟(jì)。

殷林森，上海立信會計金融學(xué)院金融科技學(xué)院教授、經(jīng)濟(jì)學(xué)博士，研究方向為公司金融。

基金項目：

本文受上海立信會計金融學(xué)院2016年大學(xué)生創(chuàng)新創(chuàng)業(yè)訓(xùn)練計劃項目資助（項目編號：201611639002）。

注：本文感謝世界銀行金融研究部Inessa Love博士提供的PVAR程序。

Abstract：Taking the four first-tier cities on behalf of Beijing，Shanghai，Guangzhou and Shenzhen as examples，then by selecting M2 growth rate，leverage growth rate，growth rate of selling price of residential real estate，local GDP growth rate and CPI growth rate from 2001 and 2015 to build panel variable auto regression model（PVAR），we analyze relationships of house price growth rate，money supply growth rate and leverage growth rate.In addition，conclusions are drawing：First，M2 supply is absorbed in real estate market in the short term and reflected in CPI caused inflation in the long term.Second，the leverage manifests the negative correlation of high prices on account of the publics expectation and initiative in macroeconomic control of government.Finally，the policy recommendations to maintain modest growth in M2，increase land use indicators，manipulate credit of commercial banks and adjust to expectation of investors are proposed.

Keywords：Real Estate Prices，Monetary Policy，PVAR Model

王春敏/責(zé)任編輯endprint