我國(guó)房地產(chǎn)市場(chǎng)波動(dòng)的溢出效應(yīng)研究

王 翔,辛夢(mèng)陽

(1.鄭州航空工業(yè)管理學(xué)院 土木工程學(xué)院，河南 鄭州 450015;2.西安建筑科技大學(xué) 管理學(xué)院，陜西 西安 710055)

隨著城市化的推進(jìn)，房地產(chǎn)市場(chǎng)的地位日益提升，伴隨而來的房地產(chǎn)市場(chǎng)發(fā)展方向與宏觀政策制定成為相關(guān)研究的關(guān)鍵和重點(diǎn)。我國(guó)為了確保房地產(chǎn)市場(chǎng)的穩(wěn)健發(fā)展，出臺(tái)了一系列的調(diào)控政策，中央銀行通過制定貨幣政策調(diào)節(jié)其傳導(dǎo)效應(yīng)，從而維持金融和房地產(chǎn)市場(chǎng)的穩(wěn)定。但同一貨幣政策對(duì)不同等級(jí)城市的房地產(chǎn)市場(chǎng)的影響卻有著巨大差異，同一貨幣政策對(duì)一線城市與二三線城市①房地產(chǎn)市場(chǎng)產(chǎn)生的效果大相徑庭，市場(chǎng)成效與預(yù)期有一定差距，調(diào)控效果差異明顯。因此，學(xué)界應(yīng)研究貨幣政策與不同等級(jí)城市房?jī)r(jià)之間的波動(dòng)溢出效應(yīng)，進(jìn)而明確房?jī)r(jià)的差異化調(diào)控效果，以把握對(duì)不同等級(jí)房地產(chǎn)市場(chǎng)的調(diào)控程度，找出房地產(chǎn)市場(chǎng)波動(dòng)的深層原因，促進(jìn)整個(gè)經(jīng)濟(jì)體系的穩(wěn)健運(yùn)行。

一、文獻(xiàn)回顧

關(guān)于貨幣政策對(duì)房地產(chǎn)市場(chǎng)的波動(dòng)溢出效應(yīng)，國(guó)內(nèi)外學(xué)者對(duì)此從各個(gè)方面進(jìn)行了探討。

國(guó)外學(xué)者主要探討房?jī)r(jià)在區(qū)域方面的空間溢出效應(yīng)。Meen(1999)[1]提出了英國(guó)房?jī)r(jià)在區(qū)域傳導(dǎo)的整體特征；Vansteenkiste和Gros(2006)[2]研究了美國(guó)與歐洲房?jī)r(jià)波動(dòng)變化的關(guān)聯(lián)性；Hiebert(2011)[3]對(duì)歐盟部分國(guó)家進(jìn)行分析，認(rèn)為與其經(jīng)濟(jì)發(fā)展聯(lián)系密切，房?jī)r(jià)的溢出效應(yīng)卻不顯著；Cesa-Bianchi (2013)[4]探討了發(fā)達(dá)國(guó)家與發(fā)展中國(guó)家房地產(chǎn)市場(chǎng)的關(guān)系。

國(guó)內(nèi)學(xué)者對(duì)其研究起步較晚，研究?jī)?nèi)容大多是貨幣政策對(duì)整體房地產(chǎn)市場(chǎng)的作用，如劉傳哲和何凌云(2006)[5]研究了貨幣政策變量供應(yīng)量、利率、匯率等在房地產(chǎn)市場(chǎng)化后對(duì)房?jī)r(jià)的影響；丁晨和屠梅曾(2007)[6]提出貨幣傳導(dǎo)機(jī)制對(duì)房?jī)r(jià)有著較為明顯的反應(yīng)，且其傳導(dǎo)效率處于領(lǐng)先地位，制定貨幣政策時(shí)房?jī)r(jià)的因素是不可忽略的；戴國(guó)強(qiáng)和張建華(2009)[7]基于VAR模型明確了我國(guó)貨幣政策對(duì)房?jī)r(jià)的傳遞渠道；吳江和韓鑫韜(2009)[8]運(yùn)用VAR模型和GARCH模型分析貨幣供應(yīng)量與房?jī)r(jià)之間的動(dòng)態(tài)關(guān)聯(lián)性和波動(dòng)相關(guān)性，得出不需要考慮貨幣政策影響的結(jié)論；李成、黎克俊和馬文濤(2011)[9]基于動(dòng)態(tài)隨機(jī)均衡模型發(fā)現(xiàn)貨幣政策主要作為數(shù)量型工具對(duì)市場(chǎng)變化產(chǎn)生影響，并對(duì)數(shù)量型貨幣政策和價(jià)格型貨幣政策進(jìn)行對(duì)比，把握綜合使用的程度；陳繼勇等(2013)[10]認(rèn)為貨幣政策需要在市場(chǎng)成熟時(shí)干預(yù)房?jī)r(jià)，只需各自側(cè)重注意貨幣總量與價(jià)格；黃文(2018)[11]采用DSGE模型和貨幣沖擊變量進(jìn)行研究，發(fā)現(xiàn)貨幣供應(yīng)量并不直接影響房?jī)r(jià)，而是通過利率、物價(jià)等因素間接影響房?jī)r(jià)。

近年來，學(xué)界也出現(xiàn)了對(duì)不同等級(jí)房地產(chǎn)市場(chǎng)的研究，如陳雪楚等(2012)[12]發(fā)現(xiàn)，房?jī)r(jià)泡沫可以通過房?jī)r(jià)的溢出效應(yīng)傳導(dǎo)風(fēng)險(xiǎn)，應(yīng)當(dāng)利用房?jī)r(jià)之間的相關(guān)作用；余華義和黃燕芬(2015)[13]采用GVAR模型探討了貨幣供應(yīng)量對(duì)35個(gè)城市房?jī)r(jià)的沖擊和影響。

綜合已有研究發(fā)現(xiàn)，國(guó)內(nèi)外學(xué)者對(duì)房地產(chǎn)溢出效應(yīng)的研究大多基于不同的空間區(qū)域或者研究貨幣政策對(duì)整體房?jī)r(jià)的波動(dòng)溢出效應(yīng)。但是，空間區(qū)域的研究局限于地理位置，僅研究貨幣政策對(duì)整體房?jī)r(jià)的影響而不考慮城市的不同經(jīng)濟(jì)水平，研究結(jié)論無法真實(shí)反映房地產(chǎn)市場(chǎng)的溢出效應(yīng)。就研究方法而言，主要利用動(dòng)態(tài)隨機(jī)均衡模型、VAR模型及其延伸、需求供給模型等進(jìn)行研究，僅具有參考意義，房地產(chǎn)市場(chǎng)細(xì)分不夠具體，不可能得到具體市場(chǎng)的溢出效應(yīng)。

本文將房地產(chǎn)市場(chǎng)劃分為一二三線城市，主要考察貨幣政策對(duì)各個(gè)等級(jí)城市房?jī)r(jià)的影響及傳導(dǎo)過程，采用VAR-BEKK-GARCH模型，研究貨幣供應(yīng)量對(duì)一二三線城市房地產(chǎn)市場(chǎng)的波動(dòng)溢出效應(yīng)及各個(gè)等級(jí)城市之間的波動(dòng)溢出效應(yīng)。

二、模型建立與數(shù)據(jù)描述

本文中貨幣政策與房地產(chǎn)市場(chǎng)的波動(dòng)溢出效應(yīng)采用VAR-BEKK-GARCH模型分析其動(dòng)態(tài)關(guān)系。VAR模型建立多個(gè)變量之間的非結(jié)構(gòu)性無約束模型，變量的滯后階數(shù)由其中的內(nèi)生變量確定，以此來構(gòu)造矢量自回歸模型。

Yt=A1Yt-1+……+ApYt-p+εt+c

(1)

其中，Yt表示4維的內(nèi)生矢量，A表示模型相應(yīng)的系數(shù)矩陣，p表示內(nèi)生變量的滯后階數(shù)，c是常數(shù)項(xiàng)，εt是殘差項(xiàng)，也可以稱為擾動(dòng)變量。Y1，t(m2)是貨幣供應(yīng)量在t時(shí)刻的變化率，Yi，t(HPi1)是i線城市房?jī)r(jià)指數(shù)在t時(shí)刻的變化率(i=1,2,3)。

BEKK模型是以GARCH模型為基礎(chǔ)對(duì)兩個(gè)或兩個(gè)以上的市場(chǎng)進(jìn)行研究，消除了協(xié)方差矩陣的非正定問題。該模型可表示為：

(2)

Ht=W'W+A'εt-1εε'tA+B'Ht-1B

(3)

其中，W是一個(gè)下三角常數(shù)矩陣，A和B都是N×N的參數(shù)矩陣。矩陣中A的元素aij表示i變量對(duì)j變量的未來狀況的沖擊，反映了波動(dòng)的ARCH效應(yīng)，矩陣B的元素bij表示i變量對(duì)j變量GARCH效應(yīng)的影響，即波動(dòng)率傳導(dǎo)的持久性。此模型既反映了市場(chǎng)之間的波動(dòng)相關(guān)性，也能夠考察市場(chǎng)之間的波動(dòng)相關(guān)度。本文選用四元BEKK(1，1，1，1)模型，其矩陣向量形式如公式(4)所示。

(4)

其中，hii，t表示某個(gè)變量的條件方差，hij，t表示兩個(gè)變量之間的條件協(xié)方差，hij，t和hji，t是完全相等的。1代表貨幣供應(yīng)量的變化率，2、3、4分別代表一二三線城市房?jī)r(jià)指數(shù)的變化率。本文采用的VAR-BEKK-GARCH模型形式如下:

rt=c+θ1rt-1+……+θprt-p+εt

(5)

Ht=W'W+A'εt-1ε't-1A+B'Ht-1B

(6)

其中，rt、c、εt是4×1維向量，εt假定服從四元學(xué)生t分布，W、A和B均為4×4維參數(shù)矩陣，W矩陣假定為一個(gè)下三角矩陣。對(duì)于公式(5)，采用一般VAR模型，考察A矩陣的顯著性；對(duì)于公式(6)，為BEKK模型的方差方程，考察多個(gè)變量之間的波動(dòng)溢出效應(yīng)。

本文選取2010年6月開始至2019年4月為止的房?jī)r(jià)、貨幣供應(yīng)量的月度數(shù)據(jù)為研究對(duì)象。其中，房?jī)r(jià)選取具有代表性的全國(guó)一百個(gè)重點(diǎn)城市的住宅價(jià)格數(shù)據(jù)，根據(jù)城市等級(jí)的劃分，通過計(jì)算平均值得出一二三線城市平均房?jī)r(jià)分別為HPi，再將其定基化(2010年06月=100)得各級(jí)房?jī)r(jià)指數(shù)HPi0(i=1,2,3)，最后用對(duì)數(shù)差分消除異方差來表示其變化率：HPi1=ln(HPi0t/HPi0t-1)(i=1,2,3，HPi0t表示第t月i線城市房?jī)r(jià)指數(shù)變化率)；貨幣供應(yīng)量采用同時(shí)反映現(xiàn)實(shí)和潛在購(gòu)買力的m2，m2i表示第i月貨幣供應(yīng)量，貨幣供應(yīng)量變化率表示為m=ln(m2i/m2i-1)，單位為%。其數(shù)據(jù)均來源于國(guó)家統(tǒng)計(jì)局和中國(guó)房地產(chǎn)指數(shù)研究院公布的百城住宅價(jià)格，共4組變量，每組107個(gè)月度數(shù)據(jù)。

圖 1 貨幣供應(yīng)量與各級(jí)城市住宅均價(jià)的變動(dòng)趨勢(shì)

圖 1所示為樣本區(qū)間內(nèi)各序列的變動(dòng)趨勢(shì)。首先，我國(guó)貨幣供應(yīng)量持續(xù)增長(zhǎng)，總體變化幅度不大；其次，各線城市房?jī)r(jià)均連年遞增，但一線城市的增長(zhǎng)趨勢(shì)波動(dòng)較大，二三線城市較小且趨勢(shì)相近；最后，我國(guó)房地產(chǎn)市場(chǎng)與貨幣供應(yīng)量存在正向關(guān)系，其中一線城市房?jī)r(jià)走勢(shì)與貨幣供應(yīng)量趨勢(shì)較吻合，二三線城市房?jī)r(jià)趨勢(shì)與之相符，但變化率與貨幣供應(yīng)量相差較大。上述情況說明貨幣供給因經(jīng)濟(jì)發(fā)展水平在各級(jí)房地產(chǎn)市場(chǎng)之間存在差異，一線城市所獲資金規(guī)模最多，其次是二線城市，最后是三線城市。房地產(chǎn)市場(chǎng)通常與貨幣金融市場(chǎng)息息相關(guān)，貨幣供應(yīng)量往往影響著房?jī)r(jià)的攀升，貨幣政策的調(diào)控對(duì)于控制房?jī)r(jià)具有現(xiàn)實(shí)意義。先看一線城市，2012年以前較為平穩(wěn)，2013年新國(guó)五條出臺(tái)，商品住房限購(gòu)措施更為嚴(yán)格，房?jī)r(jià)出現(xiàn)明顯的增長(zhǎng)趨勢(shì)；2014年部分地區(qū)取消限購(gòu)政策，房?jī)r(jià)開始出現(xiàn)短暫的平穩(wěn)狀態(tài)；2015年“去庫(kù)存”政策出臺(tái)，改善性需求大量釋放，房?jī)r(jià)重新開始攀升；2016年中央經(jīng)濟(jì)工作會(huì)議提出，要堅(jiān)持“房子是用來住的，不是用來炒的”的定位，要求回歸住房居住屬性，逐步推出限售政策，房?jī)r(jià)重新回歸平穩(wěn)。再看二三線城市，增長(zhǎng)趨勢(shì)與一線城市相似，2016年以前房?jī)r(jià)平穩(wěn)增長(zhǎng)，2016年中央推出限售政策以后，房?jī)r(jià)增長(zhǎng)幅度變大。因此，相同的政策對(duì)不同等級(jí)市場(chǎng)的影響有所不同，差異化研究具有現(xiàn)實(shí)意義。

表 1 研究對(duì)象的基本統(tǒng)計(jì)特征

表 1是對(duì)變量的描述性統(tǒng)計(jì)。各級(jí)城市的房?jī)r(jià)總體呈上升趨勢(shì)，一線城市房?jī)r(jià)波動(dòng)程度遠(yuǎn)遠(yuǎn)高于二三線城市；貨幣供應(yīng)量漲幅變化較小，處于一個(gè)平穩(wěn)增長(zhǎng)的狀態(tài)。三線城市變化率呈現(xiàn)左偏，一二線城市房?jī)r(jià)指數(shù)變化率和貨幣供應(yīng)量變化率呈現(xiàn)右偏；一三線城市房?jī)r(jià)指數(shù)變化率呈厚尾分布，二線城市房?jī)r(jià)指數(shù)變化率與貨幣供應(yīng)量呈現(xiàn)瘦尾分布。

表 2 序列變化率的正態(tài)性

表 2對(duì)各組序列的正態(tài)性進(jìn)行了檢驗(yàn)，根據(jù)伴隨概率P值來判斷序列值是否服從正態(tài)分布。HP11、HP21均拒絕服從原假設(shè)；HP31、m服從正態(tài)分布。

三、實(shí)證分析

(一)單位根檢驗(yàn)

表 3 單位根檢驗(yàn)結(jié)果

對(duì)這四組數(shù)據(jù)進(jìn)行單位根檢驗(yàn)，采用ADF檢驗(yàn)考察時(shí)間序列的平穩(wěn)性，結(jié)果顯示HP11、HP21、m均拒絕“存在單位根”原假設(shè)，分別在10%、10%和1%的顯著性水平下為平穩(wěn)序列，HP31不能拒絕原假設(shè)，但一階差分后，在1%的顯著性水平上拒絕原假設(shè)，因此HP31為非平穩(wěn)序列。

(二)貨幣供應(yīng)量與房地產(chǎn)市場(chǎng)波動(dòng)溢出效應(yīng)的分析

為了研究貨幣政策與不同等級(jí)房地產(chǎn)市場(chǎng)房?jī)r(jià)之間的波動(dòng)溢出關(guān)系，本文基于VAR-BEKK-GARCH模型分析了貨幣供應(yīng)量變化率與各個(gè)等級(jí)房?jī)r(jià)指數(shù)變化率之間的變化關(guān)系。

1.VAR模型的估計(jì)

表 4 貨幣供應(yīng)量變化率與一二線房?jī)r(jià)指數(shù)變化率的向量自回歸估計(jì)結(jié)果

由于三線城市房?jī)r(jià)指數(shù)變化率(HP31)為非平穩(wěn)序列，故使用一階差分后的數(shù)據(jù)作為三線城市的變量序列。采用貨幣供應(yīng)量與一二三線房?jī)r(jià)建立模型，階數(shù)考察最多4階滯后的VAR模型。根據(jù)表 4的結(jié)果判斷，貨幣供應(yīng)量變化率(m2)與一二三線房?jī)r(jià)指數(shù)變化率(HP11、HP21、HP31)三個(gè)序列組成的VAR模型，選取最優(yōu)滯后階數(shù)為1階。

貨幣供應(yīng)量變化率在95%的顯著水平下、一二線城市房?jī)r(jià)指數(shù)變化率在99%的置信水平下受到其自身滯后項(xiàng)的影響，貨幣供應(yīng)量對(duì)自身具有負(fù)向影響；一線城市對(duì)三線城市房?jī)r(jià)指數(shù)變化率在90%的置信水平下存在線性溢出，具有明顯的負(fù)向影響。根據(jù)VAR模型的估計(jì)結(jié)果，建立如下條件均值方程：

(7)

由此可得，貨幣供應(yīng)量和一二線城市房?jī)r(jià)均存在著時(shí)滯性，除貨幣供應(yīng)量中的三線城市房地產(chǎn)市場(chǎng)和部分常數(shù)項(xiàng)外，其余變量均通過T統(tǒng)計(jì)量的檢驗(yàn)。根據(jù)VAR模型的估計(jì)結(jié)果，采用OLS線性回歸模型，分別對(duì)貨幣供給、一線和二線城市房地產(chǎn)市場(chǎng)建立如下方程：

mt=0.011799-0.204406mt-1

[8.747504][-2.112952]

(8)

HP11t=0.001561+0.807996HP11t-1-0.66951HP31t-1

[2.336557][13.34486][-0.710370]

(9)

HP21t=0.000834+0.817585HP21t-1

[1.974051][14.79547]

(10)

從結(jié)果來看，貨幣供應(yīng)量對(duì)各線城市房?jī)r(jià)均不顯著，顯示了中央銀行投放貨幣的變化對(duì)各線城市房?jī)r(jià)的變化無明顯影響；一線城市對(duì)三線城市在VAR模型中顯著，但回歸后不顯著，其影響效果不明顯，一線城市變動(dòng)1%，三線城市的變化幅度為反向的0.67%，說明了一線對(duì)三線城市房?jī)r(jià)有著微弱的抑制作用。

2.動(dòng)態(tài)相關(guān)性分析

為了進(jìn)一步解釋兩兩變量的波動(dòng)傳遞現(xiàn)象，引入動(dòng)態(tài)相關(guān)性分析，即DCC-GARCH模型分析各個(gè)變量之間的波動(dòng)相關(guān)性。從圖 2可得，貨幣供應(yīng)量、一二三線城市房?jī)r(jià)之間的動(dòng)態(tài)相關(guān)性均具有明顯的時(shí)變特征，波動(dòng)區(qū)間貨幣供應(yīng)量與三線城市房地產(chǎn)市場(chǎng)反應(yīng)幅度最大且均值為負(fù)，動(dòng)態(tài)相關(guān)系數(shù)在研究時(shí)間內(nèi)除貨幣供應(yīng)量與三線城市外均值均為正值。這表明了中央銀行采取的收放房貸、加息等貨幣政策與一二線城市有著正向的波動(dòng)關(guān)系而與三線城市有著負(fù)向的波動(dòng)關(guān)系，各線城市房?jī)r(jià)均存在正向的動(dòng)態(tài)關(guān)系。

圖 2 動(dòng)態(tài)相關(guān)系數(shù)

3.BEKK-GARCH模型的估計(jì)

建立模型之前，先檢驗(yàn)變量的ARCH效應(yīng)，對(duì)四個(gè)變化率序列進(jìn)行自相關(guān)函數(shù)檢驗(yàn)和ARCH-LM檢驗(yàn)，結(jié)果表明四組變量均存在顯著的ARCH效應(yīng)。因此，可建立BEKK-GARCH模型，其中，m表示貨幣供應(yīng)量變化率，HP11、HP21和HP31分別表示一二三線城市房?jī)r(jià)指數(shù)變化率。

由表 5可得，對(duì)角元素中a11和a22分別在99%的置信水平下顯著，表明了貨幣供應(yīng)量變化率和一線城市房?jī)r(jià)指數(shù)變化率自身存在顯著的ARCH效應(yīng)；b22、b33和b44分別在99%、99%和90%的置信水平下顯著，表示一二三線城市房?jī)r(jià)指數(shù)變化率存在顯著的GARCH效應(yīng)。

首先，貨幣供應(yīng)量對(duì)各線城市房地產(chǎn)市場(chǎng)均存在波動(dòng)溢出效應(yīng)，這是因?yàn)殡m然a12、a13和b14不顯著，但是b12、b13和a14分別在99%、99%和90%的水平下顯著，這表明了貨幣供應(yīng)量對(duì)一二線城市房地產(chǎn)市場(chǎng)存在長(zhǎng)期的直接波動(dòng)溢出效應(yīng)，對(duì)三線城市存在短期的直接波動(dòng)溢出效應(yīng)。

其次，二線城市對(duì)一線城市有長(zhǎng)期的直接波動(dòng)溢出效應(yīng)，這是因?yàn)閎32在95%的水平下顯著。

最后是三線城市對(duì)其他變量的影響，a41、a42、a43均不顯著，b42和b43分別在99%和95%的水平下顯著，表示了三線城市對(duì)一二線城市房地產(chǎn)市場(chǎng)有著長(zhǎng)期的直接波動(dòng)溢出效應(yīng)。

表 5 BEKK模型估計(jì)結(jié)果

因此，貨幣政策與各線房地產(chǎn)市場(chǎng)以及各線房地產(chǎn)市場(chǎng)自身之間都有著緊密的聯(lián)系。當(dāng)房地產(chǎn)市場(chǎng)漲勢(shì)較為明顯時(shí)，中央銀行可以采用調(diào)整匯率和利率等緊縮性政策使資金較難獲得，從而對(duì)漲勢(shì)過熱的房地產(chǎn)市場(chǎng)予以降溫；反之，當(dāng)房地產(chǎn)市場(chǎng)較為疲軟時(shí)，要通過實(shí)施寬松型政策，如降低匯率、降低利率等措施擴(kuò)大貨幣供給量，促進(jìn)房地產(chǎn)市場(chǎng)擴(kuò)大投資，實(shí)現(xiàn)消費(fèi)規(guī)模增長(zhǎng)。各線城市房地產(chǎn)市場(chǎng)之間也存在著聯(lián)動(dòng)關(guān)系，同期發(fā)生時(shí)，較低等級(jí)房地產(chǎn)市場(chǎng)會(huì)反向影響較高等級(jí)房地產(chǎn)市場(chǎng)的變化，但髙等級(jí)房地產(chǎn)市場(chǎng)卻不會(huì)在當(dāng)期直接引起低等級(jí)市場(chǎng)房?jī)r(jià)的波動(dòng)，具有一定滯后性，這是一種自下而上的房?jī)r(jià)調(diào)控機(jī)制。房?jī)r(jià)增長(zhǎng)的帶動(dòng)者并不是一線城市房地產(chǎn)市場(chǎng)，但較高等級(jí)城市受較低等級(jí)市場(chǎng)變化的影響。

四、研究結(jié)論與建議

本文基于VAR-BEKK-GARCH模型進(jìn)行了貨幣供給與各級(jí)房地產(chǎn)市場(chǎng)之間的波動(dòng)溢出效應(yīng)的實(shí)證分析，其結(jié)果如下:

首先，一二線城市房?jī)r(jià)均與上一期貨幣政策存在顯著關(guān)系，貨幣供應(yīng)量對(duì)自身起著負(fù)向影響，而一二線城市房?jī)r(jià)對(duì)自身起著正向影響。一線對(duì)三線城市房?jī)r(jià)的解釋力度有限，影響較小。

其次，貨幣政策對(duì)一二線城市有正向的波動(dòng)關(guān)系而與三線城市有著負(fù)向的波動(dòng)關(guān)系，各線城市房?jī)r(jià)之間均存在正向的動(dòng)態(tài)關(guān)系。

最后，貨幣供應(yīng)量對(duì)各線城市房?jī)r(jià)均存在直接的波動(dòng)溢出效應(yīng)。二線對(duì)一線、三線對(duì)一二線城市房地產(chǎn)市場(chǎng)有著長(zhǎng)期的直接波動(dòng)溢出效應(yīng)。據(jù)此給出以下建議：

第一，控制貨幣供給。貨幣供應(yīng)量的變化通過數(shù)量型工具在短期內(nèi)迅速影響房?jī)r(jià)變動(dòng)。中央銀行能夠控制的貨幣工具包括利率、匯率以及備用金等，主要通過直接或間接的方式影響貨幣供給，使其能在膨脹型或緊縮型市場(chǎng)發(fā)揮效用，避免其發(fā)生大幅度變化對(duì)房地產(chǎn)市場(chǎng)產(chǎn)生不良影響。

第二，制定差異化財(cái)政政策。為了有效地實(shí)現(xiàn)對(duì)房地產(chǎn)市場(chǎng)的調(diào)控目標(biāo)，應(yīng)因地制宜在地方政府財(cái)權(quán)范圍內(nèi)采取不同的財(cái)政政策防止各地區(qū)的價(jià)格分化愈來愈大，銀行應(yīng)利用央行允許浮動(dòng)利率有針對(duì)性地與地方政府商定合理的貸款政策，根據(jù)各線城市的特點(diǎn)進(jìn)行調(diào)控。對(duì)于一線城市，貨幣流通量較大，應(yīng)采用控制信貸服務(wù)范圍、提高信貸標(biāo)準(zhǔn)的政策進(jìn)行調(diào)控，抑制房?jī)r(jià)過快增長(zhǎng)，對(duì)于二、三線城市，貨幣流通量相對(duì)較小，應(yīng)采用利率、信貸政策、備用金等措施，但相對(duì)一線城市來說要放寬政策，促進(jìn)當(dāng)?shù)亟?jīng)濟(jì)發(fā)展的同時(shí)控制房?jī)r(jià)的增長(zhǎng)。

第三，合理調(diào)控。貨幣金融市場(chǎng)對(duì)各級(jí)房地產(chǎn)市場(chǎng)有著波動(dòng)溢出效應(yīng)，各線城市房地產(chǎn)之間也存在著波動(dòng)溢出效應(yīng)。因此，各級(jí)部門在進(jìn)行調(diào)控時(shí)要對(duì)自身其他市場(chǎng)的影響有初步的估計(jì)，適當(dāng)進(jìn)行小幅度的微調(diào)，逐步使房?jī)r(jià)處于合理的范圍。

注 釋：

①房地產(chǎn)市場(chǎng)等級(jí)劃分：一線(5)：北京、上海、廣州、深圳、天津；二線(27)：重慶、杭州、南京、武漢、成都、蘇州、大連、廈門、西安、長(zhǎng)沙、寧波、東莞、無錫、福州、沈陽、青島、濟(jì)南、鄭州、太原、石家莊、長(zhǎng)春、哈爾濱、昆明、溫州、唐山、佛山、煙臺(tái)；三線(46)：呼和浩特、?？凇⑻m州、西寧、貴陽、銀川、烏魯木齊、濰坊、包頭、常州、嘉興、南通、徐州、鎮(zhèn)江、揚(yáng)州、惠州、昆山、廊坊、洛陽、中山、珠海、吉林、金華、泉州、宜昌、湛江、江門、鞍山、寶雞、保定、德州、東營(yíng)、鄂爾多斯、邯鄲、菏澤、江陰、聊城、柳州、綿陽、淮安、臺(tái)州、泰州、威海、蕪湖、張家港、紹興。