貨幣政策對(duì)房地產(chǎn)金融風(fēng)險(xiǎn)的影響研究

周建軍 孫倩倩

摘要：基于主成分分析方法測(cè)度房地產(chǎn)金融風(fēng)險(xiǎn)指標(biāo)，并利用SVAR模型和門檻模型對(duì)貨幣政策與房地產(chǎn)金融風(fēng)險(xiǎn)兩者間的關(guān)系進(jìn)行探索。實(shí)證結(jié)果表明：貨幣政策調(diào)整會(huì)對(duì)房地產(chǎn)金融風(fēng)險(xiǎn)產(chǎn)生沖擊;M2增長(zhǎng)率與房地產(chǎn)金融風(fēng)險(xiǎn)間存在雙向因果關(guān)系，同業(yè)拆借利率和準(zhǔn)備金率與房地產(chǎn)金融風(fēng)險(xiǎn)間存在單向因果關(guān)系;貨幣政策沖擊對(duì)房地產(chǎn)金融風(fēng)險(xiǎn)的影響在不同房?jī)r(jià)水平上具有非對(duì)稱性。以貨幣政策進(jìn)行調(diào)控時(shí)應(yīng)注意斟酌損益，避免此消彼長(zhǎng)，加劇房地產(chǎn)金融風(fēng)險(xiǎn)。

關(guān)鍵詞：貨幣政策;M2增長(zhǎng)率;同業(yè)拆借利率;存款準(zhǔn)備金;房地產(chǎn)金融風(fēng)險(xiǎn)

一、引言

因房地產(chǎn)市場(chǎng)非正常運(yùn)行導(dǎo)致的金融危機(jī)在世界范圍內(nèi)已屢見(jiàn)不鮮，如十七世紀(jì)荷蘭的“郁金香熱”、二十世紀(jì)八十年代的日本房地產(chǎn)市場(chǎng)危機(jī)、九十年代的東南亞金融危機(jī)，以及2007年末的美國(guó)次貸危機(jī)。這些典型案例中，房地產(chǎn)市場(chǎng)劇烈波動(dòng)不僅給本國(guó)金融體系造成了巨大的負(fù)面沖擊，同時(shí)還會(huì)通過(guò)金融和國(guó)際貿(mào)易渠道傳染擴(kuò)散至其他地區(qū)，形成區(qū)域性金融風(fēng)險(xiǎn)，甚至是全球性的金融震蕩。這為世界各國(guó)敲響了警鐘，促使各國(guó)重新審視貨幣政策與房地產(chǎn)市場(chǎng)甚至是與整個(gè)宏觀經(jīng)濟(jì)體系間的關(guān)系。房地產(chǎn)部門是我國(guó)金融風(fēng)險(xiǎn)的主要來(lái)源[1]，自2016年以來(lái)，強(qiáng)監(jiān)管、大高壓的金融防風(fēng)險(xiǎn)態(tài)勢(shì)不斷蔓延，房地產(chǎn)金融風(fēng)險(xiǎn)的防控成為宏觀經(jīng)濟(jì)管理的重要環(huán)節(jié)。2018年中國(guó)人民銀行工作會(huì)議上進(jìn)一步提出要加強(qiáng)房地產(chǎn)金融宏觀審慎管理，從更大的層面和維度去維持房地產(chǎn)業(yè)、房企、房貸、金融機(jī)構(gòu)的穩(wěn)定，防止房地產(chǎn)企業(yè)的風(fēng)險(xiǎn)蔓延。

貨幣政策作為我國(guó)經(jīng)濟(jì)領(lǐng)域常用的宏觀調(diào)控手段，在經(jīng)濟(jì)的穩(wěn)定發(fā)展中發(fā)揮著重要作用。那么貨幣政策的調(diào)整會(huì)對(duì)我國(guó)房地產(chǎn)金融風(fēng)險(xiǎn)產(chǎn)生何種影響？經(jīng)濟(jì)發(fā)展中又該如何靈活地運(yùn)用好政策工具以有效防控房地產(chǎn)金融風(fēng)險(xiǎn)？這些問(wèn)題對(duì)于當(dāng)前處于穩(wěn)增長(zhǎng)、調(diào)結(jié)構(gòu)攻堅(jiān)階段的我國(guó)來(lái)說(shuō)至關(guān)重要。本文從我國(guó)現(xiàn)實(shí)國(guó)情出發(fā)，探討貨幣政策變動(dòng)對(duì)房地產(chǎn)金融風(fēng)險(xiǎn)的影響，這對(duì)宏觀政策調(diào)控與房地產(chǎn)金融體系的穩(wěn)定發(fā)展具有重要的現(xiàn)實(shí)意義。

二、文獻(xiàn)綜述

已有關(guān)于貨幣政策與房地產(chǎn)市場(chǎng)相關(guān)性的研究大多圍繞房?jī)r(jià)展開(kāi)，而房?jī)r(jià)也是導(dǎo)致房地產(chǎn)金融風(fēng)險(xiǎn)的重要因素，因此本文從貨幣政策的有效性及其經(jīng)濟(jì)效應(yīng)、貨幣政策對(duì)房?jī)r(jià)的影響和房地產(chǎn)金融風(fēng)險(xiǎn)三個(gè)方面梳理現(xiàn)有文獻(xiàn)。

貨幣政策是我國(guó)宏觀經(jīng)濟(jì)調(diào)控中的常用方法，其有效性與經(jīng)濟(jì)開(kāi)放度[2]、流動(dòng)性[3]等多種因素相關(guān)，并且不同政策工具調(diào)控效果存在差異[4]。我國(guó)金融領(lǐng)域的發(fā)展起步較晚，發(fā)展速度快但基礎(chǔ)仍較為薄弱，影子銀行的迅猛發(fā)展加劇了經(jīng)濟(jì)波動(dòng)與我國(guó)金融體系的風(fēng)險(xiǎn)[5]，而貨幣政策沖擊是導(dǎo)致中國(guó)影子銀行信貸波動(dòng)的主要驅(qū)動(dòng)力，通過(guò)資本充足率約束推動(dòng)影子銀行融資規(guī)模的逆周期變動(dòng)，間接降低了貨幣政策的有效性[6]。此外，寬松的貨幣政策會(huì)刺激銀行等金融機(jī)構(gòu)降低貸款審批門檻，加劇銀行所面臨的風(fēng)險(xiǎn)，因此中央銀行在利用貨幣政策進(jìn)行宏觀調(diào)控時(shí)，應(yīng)采用諸如逆周期資本調(diào)節(jié)等措施以抵消銀行金融風(fēng)險(xiǎn)擴(kuò)張的影響[7]。

隨著我國(guó)房地產(chǎn)業(yè)的迅速發(fā)展，關(guān)于貨幣政策影響房地產(chǎn)市場(chǎng)的研究與日俱增。貨幣政策是影響我國(guó)房?jī)r(jià)波動(dòng)的重要因素，寬松的貨幣政策會(huì)助推房地產(chǎn)市場(chǎng)的蓬勃發(fā)展[8]，但這一影響具有顯著的區(qū)際差異化特點(diǎn)[9]。盯住真實(shí)房?jī)r(jià)的貨幣政策能夠顯著降低住房?jī)r(jià)格波動(dòng)，并通過(guò)金融加速器機(jī)制降低經(jīng)濟(jì)波動(dòng)和福利損失[10]，因此貨幣政策的制定過(guò)程中應(yīng)充分考慮房?jī)r(jià)的變動(dòng)，以維護(hù)政策的連續(xù)性及經(jīng)濟(jì)的穩(wěn)定性[11]。

我國(guó)的房地產(chǎn)業(yè)和金融體系構(gòu)建起步較晚，因此房地產(chǎn)金融的發(fā)展中暴露出諸多問(wèn)題，通常而言，房地產(chǎn)金融風(fēng)險(xiǎn)來(lái)自宏觀政策層面、房地產(chǎn)企業(yè)層面、金融體系層面以及家庭層面等七個(gè)方面[12]，成善棟和徐紅（2010）進(jìn)一步將我國(guó)房地產(chǎn)金融風(fēng)險(xiǎn)歸納為土地儲(chǔ)備貸款存在的隱性風(fēng)險(xiǎn)、房地產(chǎn)開(kāi)發(fā)貸款風(fēng)險(xiǎn)、個(gè)人住房消費(fèi)貸款違約風(fēng)險(xiǎn)以及房地產(chǎn)金融的宏觀信用風(fēng)險(xiǎn)[13]?，F(xiàn)有研究表明，地方政府土地財(cái)政[14]、銀行體系“主場(chǎng)效應(yīng)”造成的資本市場(chǎng)抑制[15]、住房空置[16]、擴(kuò)張性的宏觀調(diào)控政策[17]等因素均會(huì)對(duì)房地產(chǎn)金融風(fēng)險(xiǎn)造成沖擊。

本文相較于以往研究將重點(diǎn)放在以下幾個(gè)方面，力求為宏觀調(diào)控政策的制定和構(gòu)建房地產(chǎn)市場(chǎng)的長(zhǎng)效健康發(fā)展機(jī)制做出貢獻(xiàn)：（1）從政府、金融機(jī)構(gòu)、房地產(chǎn)企業(yè)和家庭四個(gè)方面入手，構(gòu)建房地產(chǎn)金融風(fēng)險(xiǎn)測(cè)度的指標(biāo)體系，利用主成分分析方法對(duì)房地產(chǎn)金融風(fēng)險(xiǎn)水平進(jìn)行測(cè)度，以備為后文分析;（2）在利用VEC模型分析貨幣政策變動(dòng)與房地產(chǎn)金融風(fēng)險(xiǎn)兩者間關(guān)系的基礎(chǔ)上，利用格蘭杰因果檢驗(yàn)進(jìn)行穩(wěn)健性檢驗(yàn)，并通過(guò)構(gòu)建SVAR模型和門檻模型分析兩者間的同期結(jié)構(gòu)關(guān)系和非對(duì)稱效應(yīng)。

三、房地產(chǎn)金融風(fēng)險(xiǎn)的測(cè)度

房地產(chǎn)業(yè)是典型的資金密集型行業(yè)，資金需求大且開(kāi)發(fā)周期長(zhǎng)，同時(shí)在房地產(chǎn)從開(kāi)發(fā)到銷售的整個(gè)過(guò)程中涉及部門眾多，因而房地產(chǎn)金融風(fēng)險(xiǎn)是由多方共同作用衍生而來(lái)的。本文在借鑒以往關(guān)于金融穩(wěn)定性相關(guān)研究的基礎(chǔ)上[18]，依據(jù)有效性、可獲得性原則，分別從政府、金融機(jī)構(gòu)、房地產(chǎn)企業(yè)以及家庭四個(gè)層面構(gòu)建房地產(chǎn)金融風(fēng)險(xiǎn)水平的評(píng)價(jià)指標(biāo)體系。具體指標(biāo)選取及計(jì)算方法如表1所示。本文選用樣本期為2004年第4季度至2018年第3季度的季度數(shù)據(jù)進(jìn)行分析，樣本跨度為15年，基本涵蓋了我國(guó)房地產(chǎn)市場(chǎng)發(fā)展的過(guò)程，數(shù)據(jù)均來(lái)源于國(guó)家統(tǒng)計(jì)局和WIND數(shù)據(jù)庫(kù)。

在構(gòu)建了以上評(píng)價(jià)指標(biāo)體系的基礎(chǔ)上，本文利用主成分分析方法將多維指標(biāo)轉(zhuǎn)化為綜合指標(biāo)，主成分分析結(jié)果如表2所示②。由表2可知，前4個(gè)主成分的累積貢獻(xiàn)率已達(dá)到86.29%，故本文選取前四個(gè)主成分測(cè)算房地產(chǎn)金融風(fēng)險(xiǎn)（refs）指標(biāo)。

四、實(shí)證分析

（一）變量選擇及數(shù)據(jù)來(lái)源

本文探索研究貨幣政策對(duì)房地產(chǎn)金融風(fēng)險(xiǎn)的影響，選取如下變量進(jìn)行分析：參考馮科（2011）[19]的研究，選取M2同比增長(zhǎng)率（m2r）、30天銀行間同業(yè)拆借加權(quán)平均利率（ibor）和金融機(jī)構(gòu)存款準(zhǔn)備金（rrr）作為數(shù)量型和價(jià)格型貨幣政策的代理變量，數(shù)據(jù)來(lái)源于中國(guó)人民銀行;房地產(chǎn)金融風(fēng)險(xiǎn)指標(biāo)（refs）由前文計(jì)算而得。變量的描述性統(tǒng)計(jì)結(jié)果如表3所示。

（二）單位根檢驗(yàn)與協(xié)整檢驗(yàn)

正式分析前，本文利用ADF檢驗(yàn)對(duì)上述變量進(jìn)行單位根檢驗(yàn)以確定各變量平穩(wěn)性狀況，檢驗(yàn)結(jié)果如表4所示，各變量水平值均不平穩(wěn)，變量的一階差分均能在5%的顯著性水平下顯著。為避免偽回歸，需對(duì)上述變量進(jìn)行協(xié)整分析。根據(jù)AIC值和SC值，將滯后階數(shù)定為2，Johansen協(xié)整檢驗(yàn)結(jié)果表明，各變量間至少存在一組長(zhǎng)期穩(wěn)定關(guān)系，可進(jìn)行進(jìn)一步的分析。

（三）估計(jì)結(jié)果及分析

由于各變量水平值不平穩(wěn)，同時(shí)又考慮到貨幣政策與房地產(chǎn)金融風(fēng)險(xiǎn)間存在長(zhǎng)期的均衡關(guān)系，本文利用VEC模型進(jìn)行估計(jì)，估計(jì)結(jié)果不能拒絕殘差“無(wú)自相關(guān)”的假設(shè)和“正態(tài)性”的原假設(shè);穩(wěn)定性檢驗(yàn)中，除模型自身假設(shè)的單位根，伴隨矩陣中所有的特征根均位于單位圓內(nèi)，表明該模型是穩(wěn)定的③。誤差修正方程估計(jì)結(jié)果如表5所示，貨幣供應(yīng)量增速修正系數(shù)不顯著，表明貨幣供應(yīng)量變動(dòng)對(duì)房地產(chǎn)金融風(fēng)險(xiǎn)不存在修正機(jī)制，只能借由其他途徑達(dá)到長(zhǎng)期均衡，銀行間同業(yè)拆借利率和存款準(zhǔn)備金率對(duì)房地產(chǎn)金融風(fēng)險(xiǎn)存在顯著的修正機(jī)制，二者會(huì)促進(jìn)房地產(chǎn)金融風(fēng)險(xiǎn)逐步收斂至長(zhǎng)期均衡水平。

本文進(jìn)一步分析VEC模型的正交化脈沖響應(yīng)函數(shù)，脈沖響應(yīng)結(jié)果如圖1所示。整體來(lái)看，因貨幣政策沖擊而導(dǎo)致的房地產(chǎn)金融風(fēng)險(xiǎn)波動(dòng)大多集聚在前5期，自第6期開(kāi)始房地產(chǎn)金融風(fēng)險(xiǎn)會(huì)穩(wěn)定在一個(gè)長(zhǎng)期均衡水平上;銀行間同業(yè)拆借利率和金融機(jī)構(gòu)存款準(zhǔn)備率的提升會(huì)顯著降低房地產(chǎn)金融風(fēng)險(xiǎn)水平，貨幣供給量增加在短期內(nèi)會(huì)增加房地產(chǎn)金融風(fēng)險(xiǎn)，而后恢復(fù)到初始狀態(tài)。提高利率和存款準(zhǔn)備金率的手段能有效降低房地產(chǎn)金融風(fēng)險(xiǎn)且效應(yīng)長(zhǎng)期存在，而改變貨幣供應(yīng)量的方式只能在短期內(nèi)奏效，難以標(biāo)本兼治。

分別來(lái)看，給定一單位銀行間同業(yè)拆借利率（存款準(zhǔn)備金率）沖擊，房地產(chǎn)金融風(fēng)險(xiǎn)自當(dāng)期開(kāi)始呈下降趨勢(shì)，最終穩(wěn)定在均衡水平，究其原因，兩率的提高會(huì)導(dǎo)致貨幣供應(yīng)量收緊，房地產(chǎn)開(kāi)發(fā)成本和投資成本升高，遏制房地產(chǎn)開(kāi)發(fā)投資擴(kuò)張，這一方面會(huì)降低整體的金融杠桿水平與貸款在房地產(chǎn)開(kāi)發(fā)利用資金中的比重，從而抑制房地產(chǎn)金融風(fēng)險(xiǎn);另一方面，由于房地產(chǎn)開(kāi)發(fā)成本增加，房地產(chǎn)供給減少，有利于推進(jìn)房地產(chǎn)去庫(kù)存進(jìn)程，促進(jìn)房地產(chǎn)企業(yè)資金回流，放松企業(yè)的信貸約束，進(jìn)而降低房地產(chǎn)金融風(fēng)險(xiǎn)。給定一單位貨幣供給量增長(zhǎng)率正向沖擊，房地產(chǎn)金融風(fēng)險(xiǎn)先小幅上升而后下降，最后恢復(fù)至原有水平。目前，房地產(chǎn)在我國(guó)擔(dān)當(dāng)著重要投資品的角色，因此，貨幣供給的增加會(huì)導(dǎo)致大量資本涌入房地產(chǎn)市場(chǎng)，房地產(chǎn)開(kāi)發(fā)投資增加，拉高各部門的金融杠桿，房地產(chǎn)金融風(fēng)險(xiǎn)水平提升;此外，貨幣供應(yīng)增長(zhǎng)率的升高會(huì)驅(qū)動(dòng)通貨膨脹率的提升[20]，推升房?jī)r(jià)，進(jìn)一步促進(jìn)了房地產(chǎn)投機(jī)與投資需求增加，加劇房地產(chǎn)金融風(fēng)險(xiǎn)。

（四）穩(wěn)健性檢驗(yàn)及進(jìn)一步分析

前文中，考慮到變量原序列的非平穩(wěn)性以及宏觀變量間存在的長(zhǎng)期協(xié)整關(guān)系，本文構(gòu)建了貨幣政策與房地產(chǎn)金融風(fēng)險(xiǎn)的VEC模型，但該方法還存在三個(gè)缺陷：一是作為VAR模型的變形，只能表明變量間存在長(zhǎng)期穩(wěn)定的相關(guān)關(guān)系，卻不能明確其因果關(guān)系;二是該模型著重分析了變量間的跨期相關(guān)性，忽略了變量間的同期影響;三是貨幣政策對(duì)資產(chǎn)價(jià)格具有明顯的非對(duì)稱效應(yīng)[21]，而房?jī)r(jià)是引起房地產(chǎn)金融風(fēng)險(xiǎn)的重要因素，因此貨幣政策調(diào)整在不同房?jī)r(jià)水平下對(duì)房地產(chǎn)金融風(fēng)險(xiǎn)狀況的影響可能存在差異。基于上述問(wèn)題，進(jìn)行如下穩(wěn)健性檢驗(yàn)及進(jìn)一步分析：（1）格蘭杰因果檢驗(yàn)。格蘭杰因果檢驗(yàn)是檢驗(yàn)變量間因果關(guān)系的常用方法，本文利用該方法深入探究貨幣政調(diào)整與房地產(chǎn)金融風(fēng)險(xiǎn)間的因果關(guān)系，驗(yàn)證前文結(jié)論的可靠性。（2）構(gòu)建SVAR模型。本文通過(guò)繪制各變量間的相關(guān)性波動(dòng)圖（如圖2所示）發(fā)現(xiàn)，各變量在當(dāng)期均具有較高程度的相關(guān)性，因而很可能存在即期影響，SVAR模型能很好地捕捉到內(nèi)生變量間的同期相關(guān)性，因此本文構(gòu)建貨幣政策與房地產(chǎn)金融風(fēng)險(xiǎn)間的SVAR模型進(jìn)行深入分析。（3）非對(duì)稱效應(yīng)檢驗(yàn)。本文通過(guò)構(gòu)建門檻模型，以房?jī)r(jià)為門檻變量對(duì)這一影響的非對(duì)稱效應(yīng)進(jìn)行檢驗(yàn)。

1.格蘭杰因果檢驗(yàn)。因各變量原序列不平穩(wěn)，本文將原序列進(jìn)行一階差分變換后進(jìn)行因果檢驗(yàn)，檢驗(yàn)結(jié)果如表6所示，貨幣供應(yīng)量增長(zhǎng)率與房地產(chǎn)金融風(fēng)險(xiǎn)卡方統(tǒng)計(jì)量均能在5%的顯著性水平下拒絕不存在因果關(guān)系的原假設(shè)，表明二者間存在雙向因果關(guān)系;銀行間同業(yè)拆借利率和金融機(jī)構(gòu)存款準(zhǔn)備金對(duì)房地產(chǎn)金融風(fēng)險(xiǎn)僅存在單向因果關(guān)系。這也與前文中利用VEC模型分析得出的結(jié)論相吻合，表明前文的分析是可靠的。同時(shí)也應(yīng)該注意到，由于貨幣供給調(diào)整與房地產(chǎn)金融風(fēng)險(xiǎn)二者之間會(huì)產(chǎn)生累加效應(yīng)，貨幣供應(yīng)量的增加將導(dǎo)致短期內(nèi)房地產(chǎn)金融風(fēng)險(xiǎn)水平迅速積聚，因此調(diào)整貨幣供給量的宏觀調(diào)控政策在實(shí)施中應(yīng)仔細(xì)斟酌，避免此消彼長(zhǎng)，加劇房地產(chǎn)金融風(fēng)險(xiǎn)。

2.基于SVAR模型的分析。本文利用SVAR模型貨幣政策與房地產(chǎn)金融風(fēng)險(xiǎn)的關(guān)系進(jìn)行深入分析。

本文依據(jù)上述約束設(shè)定構(gòu)建SVAR模型進(jìn)行分析④，估計(jì)結(jié)果殘差不存在自相關(guān)且為正態(tài)分布，模型的所有特征根均位于單位圓內(nèi)，模型穩(wěn)定有效。該模型的正交化脈沖響應(yīng)結(jié)果如圖3所示，在接受一單位的貨幣政策沖擊后，房地產(chǎn)金融風(fēng)險(xiǎn)的波動(dòng)情況與VEC模型的結(jié)果十分類似，表明VEC模型的分析結(jié)果是有效的。但有所不同的是，SVAR模型分析結(jié)果中，貨幣政策的三個(gè)代理變量對(duì)房地產(chǎn)金融風(fēng)險(xiǎn)的影響最終均回到初始狀態(tài)，表明在考慮了變量間的同期影響后，銀行間同業(yè)拆借利率和存款準(zhǔn)備金率的沖擊不再具有持久性，貨幣政策調(diào)控能在較長(zhǎng)期內(nèi)有效抑制房地產(chǎn)金融風(fēng)險(xiǎn)，但并非一勞永逸。

3.非對(duì)稱效應(yīng)檢驗(yàn)。由于本文選取了三個(gè)貨幣政策的代理變量，而各個(gè)變量對(duì)房地產(chǎn)金融風(fēng)險(xiǎn)指標(biāo)的敏感度及作用路徑存在差異，因此本文進(jìn)一步利用Hansen（2000）[22]提出的門檻模型方法對(duì)各變量的非對(duì)稱效應(yīng)進(jìn)行檢驗(yàn)。以房?jī)r(jià)（hp，萬(wàn)元/平方米）為門檻變量，控制CPI變動(dòng)，經(jīng)Bootstrap抽取2000次后檢驗(yàn)發(fā)現(xiàn)，三個(gè)變量均在5%的顯著性水平下存在單一門檻值，具體檢驗(yàn)結(jié)果如表7所示。具體來(lái)看，當(dāng)房?jī)r(jià)高于5193元/平方米時(shí)，m2r系數(shù)更大，表明在這一房?jī)r(jià)區(qū)間內(nèi)，貨幣供應(yīng)增長(zhǎng)率的升高對(duì)房地產(chǎn)金融風(fēng)險(xiǎn)的推升作用更強(qiáng);當(dāng)房?jī)r(jià)高于4473元/平方米時(shí)，存款準(zhǔn)備金率提高對(duì)房地產(chǎn)金融風(fēng)險(xiǎn)的抑制作用顯著增強(qiáng)，約為房?jī)r(jià)低于門檻值時(shí)的兩倍;當(dāng)房?jī)r(jià)低于4632元/平方米時(shí)，同業(yè)拆借利率對(duì)房地產(chǎn)金融風(fēng)險(xiǎn)無(wú)顯著影響，但高于這一門檻值影響顯著為負(fù)。根據(jù)國(guó)家統(tǒng)計(jì)局公布的數(shù)據(jù)來(lái)看，2019年5月我國(guó)住宅商品房?jī)r(jià)格已達(dá)到9243元/平方米，遠(yuǎn)高于各門檻值，表明貨幣政策的調(diào)整會(huì)對(duì)房地產(chǎn)金融風(fēng)險(xiǎn)造成顯著沖擊。

五、結(jié)論與啟示

貨幣政策是我國(guó)房地產(chǎn)市場(chǎng)宏觀調(diào)控中的常用手段，防控房地產(chǎn)金融風(fēng)險(xiǎn)亦是當(dāng)前我國(guó)房地產(chǎn)市場(chǎng)面臨的重要挑戰(zhàn)。本文利用我國(guó)2004年第1季度至2018年第3季度的宏觀數(shù)據(jù)，從政府、金融機(jī)構(gòu)、房地產(chǎn)企業(yè)與家庭四個(gè)層面構(gòu)建房地產(chǎn)金融風(fēng)險(xiǎn)的綜合評(píng)價(jià)指標(biāo)體系，并基于主成分分析方法計(jì)算我國(guó)房地產(chǎn)金融風(fēng)險(xiǎn)指標(biāo)，同時(shí)選取M2同比增長(zhǎng)率、銀行間同業(yè)拆借利率和金融機(jī)構(gòu)存款準(zhǔn)備金率作為貨幣政策的代理變量，利用VEC模型、SVAR模型和門檻模型對(duì)貨幣政策與房地產(chǎn)金融風(fēng)險(xiǎn)兩者間的關(guān)系進(jìn)行探索，分析結(jié)果表明：（1）貨幣政策的調(diào)整會(huì)對(duì)房地產(chǎn)金融風(fēng)險(xiǎn)產(chǎn)生沖擊，其中，M2增長(zhǎng)率與房地產(chǎn)金融風(fēng)險(xiǎn)呈同向變動(dòng)，銀行間同業(yè)拆借利率和金融機(jī)構(gòu)存款準(zhǔn)備金率與房地產(chǎn)金融風(fēng)險(xiǎn)呈反向變動(dòng)。（2）M2增長(zhǎng)率與房地產(chǎn)金融風(fēng)險(xiǎn)間存在雙向因果關(guān)系，同業(yè)拆借利率和準(zhǔn)備金率與房地產(chǎn)金融風(fēng)險(xiǎn)間存在單向因果關(guān)系。（3）貨幣政策變動(dòng)對(duì)房地產(chǎn)金融風(fēng)險(xiǎn)的影響在不同房?jī)r(jià)水平上具有非對(duì)稱效應(yīng)，當(dāng)房?jī)r(jià)高于門檻值時(shí)，貨幣政策的調(diào)控效應(yīng)明顯增強(qiáng)。（4）利用貨幣政策防控房地產(chǎn)金融風(fēng)險(xiǎn)的手段并不能一勞永逸，調(diào)整貨幣供給量的調(diào)控手段應(yīng)充分斟酌對(duì)房地產(chǎn)業(yè)的影響后再實(shí)施。

本文的研究結(jié)論對(duì)宏觀經(jīng)濟(jì)調(diào)控政策的實(shí)施以及房地產(chǎn)金融風(fēng)險(xiǎn)的防控具有一定現(xiàn)實(shí)意義：第一，建立健全貨幣政策和宏觀審慎政策雙支柱調(diào)控框架。貨幣政策是宏觀經(jīng)濟(jì)調(diào)控中常用的方法，但房地產(chǎn)金融風(fēng)險(xiǎn)對(duì)貨幣政策十分敏感，擴(kuò)張性的貨幣政策會(huì)加劇房地產(chǎn)金融風(fēng)險(xiǎn)，并且這種影響會(huì)在較長(zhǎng)時(shí)間內(nèi)持續(xù)存在，因此在利用貨幣政策進(jìn)行宏觀調(diào)控時(shí)應(yīng)該將金融穩(wěn)定納入考量，促進(jìn)經(jīng)濟(jì)的健康運(yùn)行。第二，適度拓寬投資渠道。貨幣政策只能解房地產(chǎn)市場(chǎng)于一時(shí)之困，但并非長(zhǎng)久之計(jì)。我國(guó)投資渠道狹窄是房地產(chǎn)市場(chǎng)成為重要投資場(chǎng)所的根本原因，要從根本上解決房地產(chǎn)金融市場(chǎng)高風(fēng)險(xiǎn)難題，實(shí)現(xiàn)“住有所居”的政策目標(biāo)，就要從源頭入手，適度拓寬投資渠道，擺脫房地產(chǎn)投資屬性泛濫的局面。第三，綜合運(yùn)用財(cái)稅、土地、立法等多重手段調(diào)控房地產(chǎn)市場(chǎng)。自2003年實(shí)行土地政策調(diào)整后，東部土地供應(yīng)收緊，投資者的大量涌入促使東部城市房?jī)r(jià)一路高歌猛進(jìn)，高漲的房?jī)r(jià)不僅加劇了房地產(chǎn)金融風(fēng)險(xiǎn)，還使得居民間貧富差距加大[23-24]。因此構(gòu)建房地產(chǎn)市場(chǎng)發(fā)展的長(zhǎng)效機(jī)制需要從多角度入手，改革土地供給政府壟斷的局面，以市場(chǎng)決定資源配置，同時(shí)逐步開(kāi)征房產(chǎn)稅、遺產(chǎn)稅，從根本上遏制房地產(chǎn)投資投機(jī)行為。

注釋：

①房?jī)r(jià)收入比以“兩個(gè)父母+一個(gè)孩子”的典型家庭計(jì)算，假定人均住房面積為30平米，房?jī)r(jià)收入比=住房總價(jià)值/家庭總收入。

②變量因子載荷表備索。

③變換變量次序后估計(jì)結(jié)果類似。

④本文同時(shí)還通過(guò)構(gòu)建長(zhǎng)期SVAR和調(diào)整變量次序等方法進(jìn)行驗(yàn)證，但分析結(jié)果十分類似，故只報(bào)告短期SVAR模型結(jié)果，其他估計(jì)結(jié)果備索。

參考文獻(xiàn)：

[1]楊子暉，陳雨恬，陳里璇.極端金融風(fēng)險(xiǎn)的有效測(cè)度與非線性傳染[J].經(jīng)濟(jì)研究，2019，54（5）：63-80.

[2]馬勇，陳雨露.經(jīng)濟(jì)開(kāi)放度與貨幣政策有效性：微觀基礎(chǔ)與實(shí)證分析[J].經(jīng)濟(jì)研究，2014，49（3）：35-46.

[3]陳繼勇，袁威，肖衛(wèi)國(guó).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(guó)股票市場(chǎng)與房地產(chǎn)市場(chǎng)的實(shí)證分析[J].經(jīng)濟(jì)研究，2013，48（11）：43-55.

[4]陳浪南，田磊.基于政策工具視角的我國(guó)貨幣政策沖擊效應(yīng)研究[J].經(jīng)濟(jì)學(xué)（季刊），2015，14（1）：285-304.

[5]GennaioliN，ShleiferA，VishnyRW.Amodelofshadowbanking[J].TheJournalofFinance，2013，68（4）：1331-1363.

[6]高然，陳忱，曾輝，龔六堂.信貸約束、影子銀行與貨幣政策傳導(dǎo)[J].經(jīng)濟(jì)研究，2018，53（12）：68-82.

[7]金鵬輝，張翔，高峰.銀行過(guò)度風(fēng)險(xiǎn)承擔(dān)及貨幣政策與逆周期資本調(diào)節(jié)的配合[J].經(jīng)濟(jì)研究，2014，49（6）：73-85.

[8]ZhuB，BetzingerM，SebastianS.Housingmarketstability，mortgagemarketstructure，andmonetarypolicy：Evidencefromtheeuroarea[J].JournalofHousingEconomics，2017，37：1-21.

[9]涂紅，徐春發(fā)，余子良.貨幣政策對(duì)房?jī)r(jià)影響的區(qū)域差異：來(lái)自多層混合效應(yīng)模型的新證據(jù)[J].南開(kāi)經(jīng)濟(jì)研究，2018（5）：41-57+175.

[10]侯成琪，龔六堂.貨幣政策應(yīng)該對(duì)住房?jī)r(jià)格波動(dòng)作出反應(yīng)嗎——基于兩部門動(dòng)態(tài)隨機(jī)一般均衡模型的分析[J].金融研究，2014（10）：15-33.

[11]譚政勛，王聰.房?jī)r(jià)波動(dòng)、貨幣政策立場(chǎng)識(shí)別及其反應(yīng)研究[J].經(jīng)濟(jì)研究，2015，50（1）：67-83.

[12]唐平.中國(guó)房地產(chǎn)金融風(fēng)險(xiǎn)分析[J].經(jīng)濟(jì)體制改革，2007（2）：140-143.

[13]成善棟，徐紅.房地產(chǎn)金融風(fēng)險(xiǎn)影響宏觀經(jīng)濟(jì)安全的相關(guān)研究——兼論我國(guó)房地產(chǎn)金融潛在風(fēng)險(xiǎn)及政策建議[J].金融論壇，2010，15（3）：13-20.

[14]李蘭英，李偉.我國(guó)房地產(chǎn)金融風(fēng)險(xiǎn)向土地財(cái)政風(fēng)險(xiǎn)傳導(dǎo)的博弈機(jī)制分析[J].現(xiàn)代財(cái)經(jīng)（天津財(cái)經(jīng)大學(xué)學(xué)報(bào)），20132（7）：59-68.

[15]劉知博，賈甫，韋靜強(qiáng).銀行體制、資本市場(chǎng)與房地產(chǎn)金融風(fēng)險(xiǎn)[J].經(jīng)濟(jì)體制改革，2014（5）：134-138.

[16]鞠方，陽(yáng)娟，黎小佳.基于空間異質(zhì)性的中國(guó)住房空置率與房地產(chǎn)金融風(fēng)險(xiǎn)研究[J].財(cái)經(jīng)理論與實(shí)踐，2018，39（4）：26-31.

[17]周建軍，孫倩倩.改革開(kāi)放以來(lái)國(guó)家宏觀調(diào)控房地產(chǎn)的政策效應(yīng)分析[J].中州學(xué)刊，2018（11）：42-51.

[18]李向前，諸葛瑞英，黃盼盼.影子銀行系統(tǒng)對(duì)我國(guó)貨幣政策和金融穩(wěn)定的影響[J].經(jīng)濟(jì)學(xué)動(dòng)態(tài)，2013（5）：81-87.

[19]馮科.中國(guó)房地產(chǎn)市場(chǎng)在貨幣政策傳導(dǎo)機(jī)制中的作用研究[J].經(jīng)濟(jì)學(xué)動(dòng)態(tài)，2011（4）：42-49.

[20]張成思.通貨膨脹、經(jīng)濟(jì)增長(zhǎng)與貨幣供應(yīng)：回歸貨幣主義？[J].世界經(jīng)濟(jì)，20135（8）：3-21.

[21]王立勇，張代強(qiáng)，劉文革.開(kāi)放經(jīng)濟(jì)下我國(guó)非線性貨幣政策的非對(duì)稱效應(yīng)研究[J].經(jīng)濟(jì)研究，2010，45（9）：4-16.

[22]HansenBE.Samplesplittingandthresholdestimation[J].Econometrica，2000，68（3）：575-603.

[23]原鵬飛，馮蕾.經(jīng)濟(jì)增長(zhǎng)、收入分配與貧富分化——基于DCGE模型的房地產(chǎn)價(jià)格上漲效應(yīng)研究[J].經(jīng)濟(jì)研究，2014，49（9）：77-90.

[24]周建軍，孫倩倩，鞠方.房?jī)r(jià)波動(dòng)、收入差距與消費(fèi)差距[J].消費(fèi)經(jīng)濟(jì)，2018，34（5）：23-30.

（責(zé)任編輯：鐘瑤）