數(shù)量型與價格型貨幣工具對房地產市場價格的影響機制研究

杜萌 尹航

摘 要 使用非線性邊限（NARDL）模型探索數(shù)量型和價格型貨幣政策工具對房地產市場的影響.結果顯示無論數(shù)量型貨幣政策和還是價格型貨幣政策都會對房地產價格產生非對稱性效應.對于數(shù)量型貨幣政策來說，緊縮的貨幣政策和寬松的貨幣政策都會顯著影響房地產價格.相對而言緊縮的貨幣政策對房地產市場的影響效果更明顯.對于價格型貨幣政策來說，利率變動對房地產價格的影響在長端呈現(xiàn)非對稱特征，而在短期則無此效應.降低利率水平能夠推動房地產價格的提升，而提高利率無法有效地約束房地產價格的上漲.

關鍵詞 金融學;貨幣政策;房地產價格;NARDL模型

中圖分類號 ?F830 ???????????文獻標識碼 A

The Influence Mechanism of Quantitative and Price

Monetary Instruments on the Real Estate Market Price

DU Meng1 ，YIN Hang2

（1. School of Economics and Management， Dalian University， Dalian，Liaoning 116622，China;

2. Dalian Central Subbranch， The Central Bank of the People's Republic of China， Dalian，Liaoning 116000， China）

Abstract We use the NARDL Model to analysis how monetary policy affects the real estate market in China， the results show that both quantitative and price monetary policy tools have asymmetric effect on house prices. For the quantitative monetary policy， the tighten and loose monetary policy can influence the price of house price， however， compared with the loose monetary policy， the tighten money policy could play a more obvious effect on house price. For the price monetary policy， the influence of interest rate has the asymmetric effect in the long term， but there does not exist the asymmetric effect in the short term. Decreasing rate can promote the prosperity of the real estate market， raising the rate could not prevent the increasing of house price.

Key words finance; monetary policy; real estate price; NARDL model

1 引 言

從1998年住房體制改革以來，我國房地產市場從無到有，從小到大，已經成為國民經濟的支柱產業(yè).隨著房地產市場的蓬勃發(fā)展，與此相關的負面問題也開始逐漸顯露，其中最大的問題就是我國房地產市場的過度繁榮.從1998年到2015年，我國房地產價格累積漲幅超過200%，房價收入比已經超過15倍，而在深圳、北京、上海等一線城市，房價收入比已經超過50倍，房地產成為我國城市居民最重要的家庭資產，住房問題關系民生，已經成為經濟增長和社會穩(wěn)定的核心問題.

為了抑制房價過快上漲，各級政府出臺了一系列樓市調控政策，尤其是在一線城市和新一線城市.其中貨幣政策調控一直處于房地產市場調控的核心.例如調整房貸首付比例和基準利率等.從十多年房地產政策調控周期來看，貨幣政策調控能夠在短期抑制房價的上升.但從長期來看，房地產價格并沒有因為貨幣政策調控的實施而下降，反而陷入了房價越調控越上漲的怪圈，貨幣政策在房價飆升的過程中起到了推波助瀾的作用.一些學者從數(shù)量型貨幣政策出發(fā)，探索貨幣供給量對房價的影響.Vargassilva（2008）使用FAVAR（FactorAugmented VAR）模型分析美國貨幣政策對房地產市場的影響，結果顯示增加貨幣供給量能夠在短期推動房價上升，隨后影響效果開始逐漸下降[1].沈悅等（2011）研究表明價格型貨幣政策對于調控我國房地產市場更有效[2].Gupta等（2012）通過構建BVAM（Bayesian VAM）模型研究美國房地產市場情況時，發(fā)現(xiàn)美聯(lián)儲的貨幣政策對美國房價的影響并不明顯[3].王敏等（2014）使用SVAR模型對我國貨幣政策如何影響房地產市場進行研究，認為貨幣供給量能夠在短期和中期影響房地產價格[4].

SimoKengne等（2013）對南非房地產市場進行研究，他們發(fā)現(xiàn)貨幣不是中性的，貨幣政策在經濟繁榮期的作用更大，而在經濟蕭條期貨幣政策作用效果較小[5].涂紅（2018）認為數(shù)量型貨幣政策會對不同類型城市房價帶來不同的影響[6].

有部分學者探究利率變動對房價的影響.Giuliodori（2005）使用VAR模型分析歐洲貨幣政策對房地產市場的影響，結果顯示房地產價格和利率之間存在著顯著的因果關系[7].陳曉川和陳蘭蓀（2018）認為實際利率對住房的影響具有明顯的滯后性[8].Shi等（2014）認為在新西蘭價格型貨幣政策無法顯著調節(jié)房地產市場價格[9].孫斌藝和余倩妮（2018）認為盡管上調利率能夠在一定程度上抑制房地產價格，但影響效果有限[10].龍威和劉金全（2019）、劉金全和張龍（2018）認為利率不會對我國房地產市場帶來顯著影響[11，12].

不同類型貨幣政策可能會對房地產市場帶來不同的沖擊，但是現(xiàn)有文獻

很少關注數(shù)量型貨幣政策和價格型貨幣政策對房地產價格影響效果的差異.此外，由于存在價格粘性、工資剛性以及信息不對稱等原因，市場價格不能靈活變動，一般來說具有向上反應過度和向下調整惰性的特點.從非對稱的角度研究貨幣政策對房價影響的相關文獻較少，且僅有的少數(shù)文獻都是從長期的角度研究貨幣政策對房地產市場影響的非對稱性，而沒有關注短期非對稱效應.幸運的是，非線性邊限模型（Nonlinear Auto Regressive Distributed Lag，以下簡稱為NARDL模型）能夠很好地解決上述問題.NARDL模型不僅能夠得到貨幣政策和房地產市場的長期協(xié)整關系以及短期修正機制，還能夠區(qū)分短期和長期的非對稱效應，分析數(shù)量型貨幣政策和價格型貨幣政策在長短期對房地產市場的沖擊效應，因此，選用NARDL模型研究不同類型貨幣政策如何影響我國房地產市場，這對于中央銀行如何通過貨幣政策手段調節(jié)房地產市場價格具有非常積極的現(xiàn)實意義.

2 模型設定

選擇NARDL模型分析貨幣政策對房地產市場之間的影響主要基于以下幾點考慮.第一，NARDL模型能夠描述貨幣政策對房地產市場的非對稱效應，考察寬松貨幣和緊縮貨幣政策對我國房地產的影響效果和傳導機制.第二，NARDL不僅能夠分析貨幣政策對房價的長期非對稱影響效應，還能夠對短期非對稱影響效果進行探究.第三，NARDL模型繼承了ARDL模型的一個優(yōu)點，即便變量不是同階單整也可以進行實證分析.傳統(tǒng)的誤差修正模型可以表示為式（1）.

Δyt=μ+ρyyt-1+ρxxt-1+∑ri=1αiΔyt-i

+∑si=0βiΔxt-1+εt，（1）

其中，ρy和ρx分別為長期待估系數(shù)，而αi和βi分別為短期待估系數(shù)，由于需要分析長期和短期的非對稱效應，因此，將xt分解為正向變動累積x+t和負向變動累積x-t分別作為正向沖擊和負向沖擊.其中，x+t=∑tj=1Δx+j=∑tj=1max （Δxj，0），x-t=∑tj=1Δx-j=∑tj=1min （Δxj，0），將長期和短期非對稱特征引入ARDL模型之后，可以得到NARDL模型，具體形式如公式（2）所示.

Δyt=μ+ρyt-1+ρ+xx+t-1+ρ-xx-t-1+∑ri=0αiΔyt-i

+∑si=0（β+iΔx+t-i+β-iΔx-t-i）+εt，（2）

其中，上標的（+）和（-）分別代表正向和負向的方差分解之和，而長期非對稱效應是由ρ+和ρ-決定的，非對稱長期系數(shù)分別為L+=-ρ+x/ρy和L-=-ρ-x/ρy，L+和L-分別表示正向長期均衡和負向長期均衡，NARDL模型的長期非對稱性可以使用Wald檢驗來進行，其原假設為ρ+=ρ-.而β+和β-決定著NARDL模型中短期非對稱效應，短期對稱性的假設檢驗有兩種形式，一種是β+i=β-i，其中i=0，1，……，另一種是∑si=0β+i=∑si=0β-i，二者都可以用Wald統(tǒng)計量進行檢驗，比較常用方法的是限制條件較少的加總形式.

3 實證結果分析

中央銀行通過使用貨幣政策工具調控宏觀經濟，貨幣政策工具可分為數(shù)量型貨幣政策工具和價格型貨幣政策工具.在我國，盡管貨幣政策由數(shù)量型逐漸向價格型轉變，但貨幣供給量依舊能夠顯著影響實體經濟，因此，同時考慮數(shù)量型和價格型貨幣政策來代表貨幣政策指標，分別使用廣義貨幣供給量M2和貸款基準利率來表示.房地產價格選用新建商品房的價格，用每個月份房屋銷售額除以銷售面積得到的.考慮到數(shù)據的可得性，選用2004年1月到2016年12月的數(shù)據作為樣本，使用Stata15進行實證分析，數(shù)據均來自于CEIC數(shù)據庫.在使用NARDL模型分析之前，需要確定計量模型的具體形式，這需要對模型（1）和模型（2）進行對稱性檢驗，分析貨幣政策變動是否會對房地產市場帶來非對稱效應.在表1中，報告了對稱性檢驗的Wald檢驗值.

從第一行中可以發(fā)現(xiàn)，無論是長期還是短期，Wald檢驗都顯著拒絕原假設，表明貨幣供給量在長期和短期對房價的影響是非對稱的.而對于利率來說，長期Wald檢驗在1%的統(tǒng)計水平上拒絕原假設，利率在長期對房價的影響呈非對稱性，而在短期，Wald檢驗接受了原假設，表明在短期利率與房價直接沒有非對稱效應.在進行實證檢驗之前，需要確定變量的滯后階數(shù)，Shin等（2014）建議將p和q分別設定為12和5，然后在5%的統(tǒng)計水平上剔除不顯著的滯后變量[13]，回歸結果如表2所示.

在表2中，發(fā)現(xiàn)無論是M2還是利率，協(xié)整檢驗的t值和F值都在5%的統(tǒng)計水平上顯著，可以認為貨幣政策與房地產價格之間存在著長期的協(xié)整關系.根據模型的估計結果，M2的正向沖擊系數(shù)為0.021，且在1%的統(tǒng)計水平上顯著，表明中央銀行增加貨幣供給量能夠導致房地產價格的上升.對于M2的負向沖擊來說，每減少一單位M2的供給，能夠使房價下跌0.12，這一結果在1%的統(tǒng)計水平上顯著，且負向沖擊的估計系數(shù)顯著大于正向沖擊的系數(shù)，二者大約相差0.1%，也就是無論是寬松的數(shù)量型貨幣政策還是緊縮的數(shù)量型貨幣政策都會對房地產價格帶來顯著的影響，只是緊縮的數(shù)量型貨幣政策效果更明顯.然而，近十年來我國的房價節(jié)節(jié)攀升，現(xiàn)實情況與所得結果似乎相悖，原因可能在于這段時間內我國貨幣政策多以寬松或穩(wěn)健的貨幣政策為主，而緊縮的貨幣政策很少見.當緊縮的貨幣政策對房地產市場產生效果時，下一輪寬松貨幣政策接踵而至，這就會侵蝕之前緊縮性貨幣政策的實施效果，往往達不到預期的效果.M2對房地產市場的正向和負向長期系數(shù)均衡值分別為0.047和-0.271，同樣是負向沖擊顯著大于正向沖擊，且都在1%的統(tǒng)計水平上顯著，情況與之前的分析類似，不再贅述.

在短期，對于M2的正向沖擊來說，滯后1期和滯后3期都會顯著影響房地產價格，系數(shù)分別為0.091和-0.088.M2的負向沖擊只在當期有效，但系數(shù)高達0.372，也就是說在短期，實施緊縮性的數(shù)量型貨幣政策效果要好于寬松型數(shù)量型貨幣政策.

對于利率的影響效果而言，利率的正向沖擊對房價的影響效果不明顯，而利率的負向沖擊能夠顯著影響房地產市場，系數(shù)為-0.226.從長期均衡系數(shù)來看，利率對房地產市場的負向沖擊的長期均衡系數(shù)為0.618，且在1%的統(tǒng)計水平上顯著，正向沖擊的效果不顯著.也就是說，降低貸款的基準利率能夠推動房價的上升，提高基準貸款利率很難約束房價的上漲.當中央銀行降低基準貸款利率，房地產開發(fā)商能夠得到更便宜的貸款，增加樓盤的開發(fā)，這樣也會提高個人購房預期，房地產市場活躍起來，市場一片繁榮，推動房價的攀升.當中央銀行想要提高貸款利率遏制這種趨勢，發(fā)現(xiàn)效果并不明顯，這可能與房地產市場的預期有關，也可能與我國貨幣政策主要以數(shù)量型貨幣政策為主有關.盡管近些年貨幣政策一直傾向于向價格型貨幣政策轉變，但目前利率對實體經濟的調節(jié)作用并沒有M2的調節(jié)作用明顯.在短期，利率的正向沖擊在當期和滯后2期的時候能夠顯著影響房地產價格，而利率的負向沖擊僅在滯后2期能夠影響房地產價格.

4 結 論

通過構建NARDL模型，對我國貨幣政策如何影響房地產市場進行了分析，發(fā)現(xiàn)貨幣政策對房地產價格的影響效果具有非對稱性.具體來說，對于數(shù)量型貨幣政策來說，調整M2在長期和短期都會具有非對稱性，緊縮的貨幣政策和寬松的貨幣政策都會給房地產價格帶來顯著的影響.相對而言緊縮的貨幣政策對房地產市場的影響效果更明顯.在短期，寬松的貨幣政策在滯后1期和3期對房地產市場帶來顯著影響，而緊縮的貨幣政策只能在當期影響房地產價格.

對于價格型貨幣政策來言，利率變動對房地產價格的長期影響呈非對稱效應，而在短期則無此效應.在長期，降低利率能夠推動房地產市場的繁榮，房地產價格將會隨之攀升，而提高利率則無法有效地約束房地產價格的上漲.在短期，利率的正向沖擊的當期和滯后2期能夠顯著影響房地產價格，而利率的負向沖擊僅在滯后2期時能夠影響房地產價格.

從研究結果來看，無論是數(shù)量型貨幣政策還是價格型貨幣政策都會對房地產價格帶來顯著的長期影響，也就是說可以通過調整貨幣政策來影響房地產市場價格.首先，中央銀行應該重視貨幣政策對房地產市場的影響機制，針對于持續(xù)攀升的房地產價格，中央銀行應該更多地通過控制貨幣總量的方式控制房地產價格，而不是通過提高利率這一方式來解決這一問題.其次，寬松的貨幣政策在短期內對房地產市場的影響效果較為明顯.中央銀行在進行貨幣政策調整時，應該著重考慮這一點，引導房地產開發(fā)商和購房者的預期，使房價處于一個合理的區(qū)間.最后，中央銀行應該運用多種貨幣政策工具調控房地產市場，綜合使用數(shù)量型貨幣政策和價格型貨幣政策，發(fā)揮各種貨幣政策工具的長處，使其能夠在長短期內發(fā)揮作用，保證房地產市場的健康發(fā)展.

參考文獻

[1] VARGASSILVA C. The Effect of Monetary Policy on Housing： a Factoraugmented Vector Autoregression （FAVAR） Approach[J]. Applied Economics Letters， 2008， 15（10）： 749-752.

[2] 沈悅，周奎省，李善燊.基于FAVAR模型的貨幣政策的房價傳導機制研究[J].當代經濟科學， 2011 ， 33 （3） ：50-58.

[3] GUPTA R， JURGILAS M， KABUNDI A， MILLER S M. Monetary Policy and Housing Sector Dynamics in a Largescale Bayesian Vector Autoregressive Model[J]. International Journal of Strategic Property Management ， 2012， 16（1）： 1-20.

[4] 王敏，時鵬，余勁.貨幣政策工具對房地產價格影響的動態(tài)研究[J]. 華中農業(yè)大學學報（社會科學版）， 2014 ， 33 （2） ：121-128.

[5] SIMOKENGNE B D， BALCILAR? M， REID M， AYE G C. Is The Relationship Between Monetary Policy And House Prices Asymmetric In South Africa？ Evidence From A MarkovSwitching Vector Autoregressive Model[J]. Economic Modelling， 2013， 32（2）： 161-171.

[6] 涂紅，徐春發(fā)，余子良. 貨幣政策對房價影響的區(qū)域差異：來自多層混合效應模型的新證據[J]. 南開經濟研究， 2018（5）：41-56.

[7] GIULIODORI M. Monetary Policy Shocks and the Role of House Prices Across European Countries[J]， Scottish Journal of Political Economy， 2005， 52（4）： 519-543.

[8] 陳曉川，陳蘭蓀.利率與住房價格關系的實證研究：2000-2014[J]. 數(shù)學的實踐與認識，2018（1）：1-9.

[9] SHI S， JOU J， TRIPE? D. Can Interest Rates Rreally Control House Prices？ Effectiveness and Implications for Macroprudential Policy[J]. Journal of Banking & Finance， 2014（10）：15-28.

[10]孫斌藝，余倩妮.房價變動的利率和限購政策混合效應研究[J].華東師范大學學報（哲學社會科學版），2018（6）：92-99.

[11]龍威，劉金全.貨幣政策對房地產價格影響機制的區(qū)域異質性特征檢驗[J].當代經濟研究，2019（1）：102-112.

[12]劉金全，張 龍.中國數(shù)量型和價格型貨幣政策的價格時變效應——基于CPI與PPI“虛假背離”的分析[J].財經理論與實踐，2018，39（6）：22-28.

[13]SHIN? Y， YU? B. GREENWOODNIMMO， M. Modelling Asymmetric Cointegration and Dynamic Multipliers in a Nonlinear ARDL Framework[M]. SSRN Electronic Journal， 2014： 281-314.