盧建新, 盧明安

(1.中南財經(jīng)政法大學(xué) 金融學(xué)院，湖北 武漢 430073；2.中信銀行 合肥分行，安徽 合肥 230001)

在現(xiàn)代社會中，金融市場與房價波動之間呈現(xiàn)出較強(qiáng)的聯(lián)動關(guān)系。住房抵押貸款融資已成為購房者從銀行獲得貸款的主要方式，因而房價與信貸規(guī)模及貨幣政策之間的聯(lián)系極為緊密。房價波動與信貸市場的聯(lián)系主要通過流動性效應(yīng)和信貸供需雙方的資產(chǎn)負(fù)債表效應(yīng)來實(shí)現(xiàn)；房價波動與股票市場之間的聯(lián)系主要通過資產(chǎn)組合效應(yīng)、擠出效應(yīng)和替代效應(yīng)來實(shí)現(xiàn)；房價波動與外匯市場的聯(lián)系則通過財富效應(yīng)、信貸效應(yīng)和資產(chǎn)收益率效應(yīng)來完成。此外，在開放經(jīng)濟(jì)下，房價波動、股市和匯率變化也會影響短期國際資本的流動。國內(nèi)外實(shí)踐表明，如果房價波動風(fēng)險控制不當(dāng)，則可能給金融市場帶來災(zāi)難性的連鎖反應(yīng)。因此，研究金融市場與房價波動的聯(lián)動關(guān)系具有重要的現(xiàn)實(shí)意義。

一、文獻(xiàn)綜述

從文獻(xiàn)來看，金融市場與房價波動之間的聯(lián)動關(guān)系早就受到重視。早期研究主要集中在房價與股價之間的聯(lián)系上，Ling和Naranjo認(rèn)為兩者之間具有協(xié)整關(guān)系[1]。Clayton等認(rèn)為房地產(chǎn)市場變化對股票市場有很大的沖擊作用[2]。隨著研究的拓展，一些學(xué)者把貨幣政策因素加入到房地產(chǎn)市場與股票市場聯(lián)動關(guān)系的研究中。Goodhart和Hofmann認(rèn)為，房價、股價和銀行信貸存在長期和短期的雙向因果關(guān)系[3]。Bj?rnland和Jacobsen研究了房價和股價在貨幣政策傳導(dǎo)機(jī)制中的不同作用[4]。馬亞明和邵士妍考察了資產(chǎn)價格波動、銀行信貸與金融穩(wěn)定之間的聯(lián)動關(guān)系，并側(cè)重分析了信貸規(guī)模與股價波動的內(nèi)在關(guān)聯(lián)性[5]。趙勝民等認(rèn)為，房價與股市之間的聯(lián)系隨著信貸周期的變化而變化[6]。雖然學(xué)者們普遍認(rèn)為房價和股價之間存在著較強(qiáng)的聯(lián)動關(guān)系，但并沒有指明兩者互動作用是否一致。

Anundsen和Jansen研究了房價與信貸之間的聯(lián)系，實(shí)證表明，高房價導(dǎo)致信貸擴(kuò)張，進(jìn)而產(chǎn)生價格上漲壓力，利率通過信貸渠道間接影響房價[7]。Ramcharan和Crowe認(rèn)為，房價波動對信貸可得性具有顯著影響，并且是產(chǎn)生宏觀經(jīng)濟(jì)沖擊的一個潛在的重要機(jī)制[8]。丁晨和屠梅曾指出，房價在貨幣政策傳導(dǎo)機(jī)制中的作用較為顯著，且房價傳導(dǎo)渠道的總體效率較高[9]。

Fratzscher等發(fā)現(xiàn)房價沖擊和股票市場沖擊是美國經(jīng)常賬戶的主要決定因素，它們可以解釋美國貿(mào)易平衡的30%，而實(shí)際匯率沖擊僅能解釋9%[10]。Jara和Olaberria發(fā)現(xiàn)大規(guī)模資本流入與房地產(chǎn)價格暴漲正相關(guān)，資本控制有助于削弱這種聯(lián)系[11]。Tillmann研究了亞洲新興市場國家的資產(chǎn)價格對國外資本流入的反應(yīng)，結(jié)果表明，資本流入沖擊對房價和股價有顯著影響，不同國家貨幣政策對資本流入反應(yīng)的差異會造成房價和股價對資本流入沖擊反應(yīng)的差異[12]。王愛儉和沈慶劼把房地產(chǎn)市場作為中介目標(biāo)來研究匯率如何影響國內(nèi)消費(fèi)、投資及國民經(jīng)濟(jì)發(fā)展[13]。杜敏杰和劉霞輝認(rèn)為人民幣小幅升值會使房價較大幅度上漲，如果存在持續(xù)的人民幣升值預(yù)期，那么房價也會持續(xù)上漲[14]。廖惠和張敏指出，匯率波動率、股價增長率與房價增長率之間存在非常明顯的波動溢出效應(yīng)[15]。

近年來，金融市場與房價波動的關(guān)系問題引起了研究者更廣泛的關(guān)注。Igan等研究了過去25年中發(fā)達(dá)國家的房價、住房投資、信貸、利率及實(shí)際經(jīng)濟(jì)活動之間的聯(lián)動關(guān)系，實(shí)證表明，在長期里房價周期引導(dǎo)著信貸和實(shí)際經(jīng)濟(jì)活動，在中短期里，上述關(guān)系在不同國家有所不同[16]。隨著研究方法的創(chuàng)新，學(xué)者們開始使用更為復(fù)雜的模型來進(jìn)行研究，如Guo等運(yùn)用馬爾科夫區(qū)制轉(zhuǎn)換VAR框架分析了房地產(chǎn)市場、股票市場、信貸違約市場及能源市場之間的傳染效應(yīng)，研究表明，在金融危機(jī)期間，除自身沖擊外，股票市場沖擊和石油價格沖擊分別是信貸違約市場和股票市場偏離的主要推動力，然而，信貸違約市場對房地產(chǎn)市場的影響并不像預(yù)期中那樣顯著[17]。Chevallier運(yùn)用馬爾科夫區(qū)制轉(zhuǎn)換模型分析了全球失衡、信貸市場、住房市場、股票市場、商品市場及宏觀經(jīng)濟(jì)變量之間的相互作用，結(jié)果顯示，全球市場和住房市場極大地沖擊著股票市場和宏觀經(jīng)濟(jì)變量[18]。李成等建立開放經(jīng)濟(jì)條件下包含多個非有效資產(chǎn)市場的動態(tài)宏觀經(jīng)濟(jì)模型，實(shí)證表明，利率變動不僅要對產(chǎn)出和通脹的動向做出反應(yīng)，而且還要對資產(chǎn)價格和匯率變動作相應(yīng)調(diào)整[19]。

綜上所述，國內(nèi)外學(xué)者已對金融市場與房價的聯(lián)動關(guān)系作了較深入的研究。在研究對象上，從房價波動與單個市場的聯(lián)系拓展到與多個市場的聯(lián)系；在研究方法上，從簡單的Granger因果檢驗(yàn)、協(xié)整分析演變?yōu)閺?fù)雜的系統(tǒng)模型分析。毫無疑問，這些成果為進(jìn)一步研究提供了極好的理論和方法支持。本文在利用有向無環(huán)(DAG)技術(shù)分析變量同期因果關(guān)系的基礎(chǔ)上構(gòu)建SVAR模型，采用脈沖響應(yīng)和方差分解方法來分析金融市場與房價波動之間的聯(lián)動關(guān)系。本文的創(chuàng)新體現(xiàn)在：一是通過運(yùn)用DAG技術(shù)分析擾動項之間的相關(guān)系數(shù)來識別擾動項之間的同期因果關(guān)系，為正確設(shè)定VAR模型擾動項的結(jié)構(gòu)關(guān)系提供了客觀依據(jù)。二是把房價波動視為一個沖擊源，考察房價變化是否會對金融市場產(chǎn)生聯(lián)動效應(yīng)。三是本文以月度數(shù)據(jù)為樣本，擴(kuò)大了樣本容量，這有利于觀察房價波動對金融市場的短期影響。

二、數(shù)據(jù)選取和模型構(gòu)建

(一)數(shù)據(jù)選取及來源

本文使用2006年10月至2012年12月的月度數(shù)據(jù)為樣本*在確定樣本區(qū)間時，原打算從2005年7月開始，因?yàn)?005年7月中國人民銀行宣布實(shí)行以市場供求為基礎(chǔ)、參考一籃子貨幣進(jìn)行調(diào)節(jié)、有管理的浮動匯率制度。但是有些變量2006年之前沒有數(shù)據(jù)，如求利率差時，人民幣隔夜利率從2006年10月起才有統(tǒng)計數(shù)據(jù)。，選取房價、信貸增額、股票價格、匯率、短期國際資本流動和利差作為基本變量。

房價(HP)用商品住宅銷售額除其銷售面積得到。在現(xiàn)有文獻(xiàn)中，多數(shù)學(xué)者采用住房銷售價格指數(shù)作為房價，但現(xiàn)在已有新的住房銷售價格指數(shù)，新舊指數(shù)之間缺少可比性，因而需要對新數(shù)據(jù)進(jìn)行補(bǔ)充。信貸增額(CL)用當(dāng)期各項貸款減上期各項貸款得到。股票價格(SP)用上證綜合指數(shù)的收盤價表示。匯率(EE)取人民幣兌美元的有效匯率，利用移動均值法把國際清算銀行提供的日數(shù)據(jù)換算成月數(shù)據(jù)。短期國際資本流動(SC)大規(guī)模的流入或流出可能會對一國經(jīng)濟(jì)發(fā)展帶來影響。本文用間接法進(jìn)行測算，它等于外匯儲備扣除正常貿(mào)易額及FDI的流入。利差(RR)用人民幣同業(yè)隔夜拆借利率減去美元隔夜Libor利率得到。

在以上數(shù)據(jù)中，房價、信貸增額來源于歷年《中國統(tǒng)計年鑒》；股票價格取自上海證券交易所；匯率數(shù)據(jù)來源于國際清算銀行；短期國際資本流動中計算數(shù)據(jù)均來自中經(jīng)網(wǎng)；人民幣同業(yè)隔夜拆借利率數(shù)據(jù)來源于銀行業(yè)同業(yè)拆借中心；美元隔夜Libor利率數(shù)據(jù)來源于Wind資訊。實(shí)證分析主要使用Tetrad IV和Eviews 7.0軟件。

(二)數(shù)據(jù)處理與檢驗(yàn)

在采用SVAR模型對系統(tǒng)變量進(jìn)行分析時，要首先對構(gòu)造的SVAR模型進(jìn)行檢驗(yàn)，然后才能利用相關(guān)方法進(jìn)行詳細(xì)分析。為此，本文先對相關(guān)數(shù)據(jù)進(jìn)行處理和檢驗(yàn)。

(1)數(shù)據(jù)序列處理。實(shí)證分析中涉及到的變量有房價HP、信貸增額CL、股價SP、匯率EE、短期國際資本流動SC和利差RR。首先，使用CensusX12加法對數(shù)據(jù)作季節(jié)調(diào)整。其次，由于6個變量的單位不統(tǒng)一，故先對各變量進(jìn)行量綱標(biāo)準(zhǔn)化處理。為方便起見，標(biāo)準(zhǔn)化后的變量仍記為HP、CL、SP、EE、SC、RR。

(2)數(shù)據(jù)單位根檢驗(yàn)。本文采用常用的ADF檢驗(yàn)來判斷數(shù)據(jù)的平穩(wěn)性。先根據(jù)各數(shù)據(jù)序列的條形趨勢圖確定其常數(shù)項和趨勢項，然后以AIC和SC值最小準(zhǔn)則確定變量的滯后階數(shù)。從檢驗(yàn)結(jié)果看，在1%的顯著水平下一階差分序列都是平穩(wěn)的。

(3)格蘭杰因果關(guān)系檢驗(yàn)。格蘭杰因果關(guān)系檢驗(yàn)結(jié)果表明：在10%的顯著水平下，信貸增額、股價、匯率和短期國際資本流動是房價的格蘭杰原因；在20%的顯著水平下，所有變量都是信貸增額的格蘭杰原因；在20%的顯著水平下，所有變量是股價的格蘭杰原因；在5%的顯著水平下，所有變量均是匯率的格蘭杰原因；在20%的顯著水平下，所有變量是利率的格蘭杰原因。因此，在觀察期內(nèi)，房價、信貸增額、股價、匯率、短期國際資本流動和利率間存在相互影響關(guān)系。

(三)SVAR模型構(gòu)建

本文構(gòu)建包含HP、CL、SP、EE、SC和RR等六個變量的P階結(jié)構(gòu)向量自回歸模型SVAR(P)為：

C0Yt=∏1Yt-1+∏2Yt-2+…+∏pYt-p+εt，t=1，2，…，T，

(1)

在式(1)中，C0為因變量的系數(shù)矩陣；Yt為因變量矩陣；∏p為滯后P階因變量的系數(shù)矩陣；εt為誤差項矩陣，具體表達(dá)式如下：

本文首先選擇盡可能大的滯后階數(shù)9，然后根據(jù)LR、FRE、AIC等準(zhǔn)則計算相應(yīng)指標(biāo)值，最后綜合考慮各指標(biāo)結(jié)果把模型的滯后階數(shù)設(shè)定為2。此外，VAR模型的聯(lián)合檢驗(yàn)表明模型的各階數(shù)是高度顯著的；通過對特征根圖表觀察得到，所有特征值均在單位根之內(nèi)(特征值小于1)，故VAR模型是穩(wěn)定的。

(四)同期因果關(guān)系的DAG分析

為了解決擾動項同期因果關(guān)系無法識別或同期因果設(shè)定存在先驗(yàn)主觀判斷的問題，Spirtes等提出了有向無環(huán)圖(DAG)技術(shù)[20]。DAG技術(shù)是在分析擾動項之間相關(guān)系數(shù)和偏相關(guān)系數(shù)的基礎(chǔ)上，對變量之間的同期因果關(guān)系進(jìn)行識別。根據(jù)Spirtes等的研究方法，在樣本量小于100情況下，宜采用20%的顯著水平進(jìn)行DAG分析。首先對VAR(2)模型估計和殘差提取，得到6個變量之間的“擾動相關(guān)系數(shù)矩陣”；然后以VAR模型的“擾動項相關(guān)系數(shù)矩陣”為出發(fā)點(diǎn)，對變量間的同期因果關(guān)系進(jìn)行DAG分析；最后根據(jù)分析結(jié)果設(shè)立SVAR模型。DAG分析結(jié)果表明，在20%的顯著水平下，存在房價到信貸增額和短期國際資本流動、信貸增額到股價和短期國際資本流動、股價到短期國際資本流動、匯率到利差和股價、短期國際資本流動到利差的同期因果關(guān)系。

三、SVAR模型實(shí)證分析

(一)結(jié)構(gòu)脈沖響應(yīng)函數(shù)分析

在分析SVAR模型時，采用結(jié)構(gòu)脈沖響應(yīng)函數(shù)方法，即分析當(dāng)一個誤差項發(fā)生變化，或者模型受到某種沖擊時對系統(tǒng)的動態(tài)影響。

1.房價波動的脈沖響應(yīng) 當(dāng)期對房價施加一個正的標(biāo)準(zhǔn)差沖擊，即房價上漲(變量響應(yīng)見圖1)。其他變量的響應(yīng)為：前期信貸增額和股價出現(xiàn)正響應(yīng)，而后呈現(xiàn)波動逐漸放緩趨勢，最終趨于0；匯率先升值后貶值，波動性變動最終趨于0；短期國際資本凈流入增加，隨后房價波動對其影響逐漸削弱；前期利差擴(kuò)大，隨后利差逐漸縮小。

圖1 其他變量對房價沖擊的響應(yīng)

2.信貸增額的脈沖響應(yīng) 給定信貸增額一個正的沖擊，即信貸增額增加(變量響應(yīng)見圖2)。其他變量的響應(yīng)為：房價短期內(nèi)波動較大，第10期后逐漸降低，最終衰減為0；股價的響應(yīng)較為平緩，響應(yīng)值大致在-0.05～0.05之間；前4期，匯率表現(xiàn)為正響應(yīng)，匯率貶值，持續(xù)時間大概5個月；短期國際資本流動和利差對其響應(yīng)持續(xù)時間較短，第10期后就衰減為0。

圖2 其他變量對信貸增額沖擊的響應(yīng)

3.股價的脈沖響應(yīng) 給定股價一個正的沖擊，即股價上漲(變量響應(yīng)見圖3)。其他變量的響應(yīng)為：房價和信貸增額(第3期出現(xiàn)短暫小幅度的下降)持續(xù)10個月的正響應(yīng)；前5期匯率升值，隨后出現(xiàn)波動且最后衰減為0；短期國際資本流動對股價響應(yīng)長期表現(xiàn)為完全凈流入；當(dāng)期股價上漲對利差的影響較大，隨后利差逐步縮小。

圖3 其他變量對股價沖擊的響應(yīng)

4.匯率的脈沖響應(yīng) 給定匯率一個正的沖擊，即匯率貶值(變量響應(yīng)見圖4)。其他變量的響應(yīng)為：房價波動的總體響應(yīng)值在-0.02～0.02之間；信貸增額正響應(yīng)，隨后出現(xiàn)小幅度波動性的負(fù)響應(yīng)，第8期開始逐步衰減為0；股價持續(xù)10個月左右的負(fù)響應(yīng)，響應(yīng)值較??；匯率貶值將導(dǎo)致短期國際資本流出增加和利差縮小。

圖4 其他變量對匯率沖擊的響應(yīng)

5.短期國際資本流動的脈沖響應(yīng) 給定短期國際資本流動一個正的沖擊，即短期國際資本凈流入(變量響應(yīng)圖略)。其他變量的響應(yīng)為：前期引起房價正響應(yīng)，呈現(xiàn)“W”形波動，最大值達(dá)到0.05左右；前期信貸增額和股價出現(xiàn)一定幅度的正響應(yīng)，隨后呈現(xiàn)波動衰減趨勢；前期匯率升值和利差縮小，波動幅度較小，響應(yīng)持續(xù)7個月左右。

6.利差的脈沖響應(yīng) 給定利差一個標(biāo)準(zhǔn)差正的沖擊，即利差擴(kuò)大(變量響應(yīng)圖略)。其他變量的響應(yīng)為：當(dāng)期房價上漲，隨后出現(xiàn)大幅度的負(fù)響應(yīng)；即期信貸增額的響應(yīng)很微弱，隨后呈現(xiàn)交替性減弱趨勢，最后衰減為0；前3期股價產(chǎn)生負(fù)響應(yīng)，之后出現(xiàn)波動衰減性趨勢；前4期匯率負(fù)響應(yīng)，即匯率升值；前3期短期國際資本流動正響應(yīng)，隨后雙向衰減收斂于0。

(二)方差分解分析

方差分解是通過分析每一個結(jié)構(gòu)沖擊對內(nèi)生變量變化(通過方差來度量)的貢獻(xiàn)度，進(jìn)一步評價不同結(jié)構(gòu)沖擊的重要性。

圖5 其他變量對房價波動的貢獻(xiàn)程度

1.房價的方差分解 從圖5可以看出，利差的貢獻(xiàn)一直不明顯，各變量對房價的貢獻(xiàn)度在第5期之后趨于平緩，略微出現(xiàn)局部波動。從前36期來看，信貸增額、股價、匯率、短期國際資本流動和利差的沖擊對房價波動的貢獻(xiàn)平均分別達(dá)到16.49%、5.11%、9.55%、1.72%和1.06%。說明信貸數(shù)額對房價影響起到至關(guān)重要的作用，這與我國房地產(chǎn)行業(yè)資金來源主要以銀行信貸為主有關(guān)，也間接反映了房地產(chǎn)行業(yè)和銀行之間的密切關(guān)系。

圖6 其他變量對信貸增額的貢獻(xiàn)程度

2.信貸增額的方差分解 從圖6可以看出，前7期房價和股價貢獻(xiàn)線性上升，隨后漸趨平穩(wěn)；短期國際資本流動呈下滑趨勢；前期匯率(2期)和利差(3期)貢獻(xiàn)度快速上升，隨后匯率的貢獻(xiàn)度曲折式上升至第10期達(dá)到平穩(wěn)，而利差卻緩慢下降至第10期趨于平穩(wěn)。總體來說，房價對信貸增額的貢獻(xiàn)度最大，之后貢獻(xiàn)度依次為利差、股價、短期國際資本流動和匯率。從方差分解結(jié)果可以看出，信貸增額自身的貢獻(xiàn)度高達(dá)85%，說明信貸增額受內(nèi)部因素的影響比較大。

圖7 各變量對股價波動的貢獻(xiàn)程度

3.股價的方差分解 從圖7可以看出，前5期，信貸增額和匯率的貢獻(xiàn)度逐漸增長，而后趨于平穩(wěn)；其他三個變量的貢獻(xiàn)度漲幅較小。股價自身的貢獻(xiàn)度達(dá)到85%，即股價波動大部分由自身沖擊影響。房價變動的沖擊對股價的貢獻(xiàn)度達(dá)到8.34%。短期國際資本流動對股價變動的解釋力度很小，這與前面的脈沖響應(yīng)分析是一致的。

圖8 各變量對匯率變動的貢獻(xiàn)程度

4.匯率的方差分解 從圖8可以看出，在前5期，房價、信貸增額、股價和利差對匯率變動的貢獻(xiàn)度都是上升的，而短期國際資本流動是先下降再上升，最后趨于平穩(wěn)。房價波動對匯率變動的解釋力度超過1/5(匯率變動約23.78%的比例由房價變動引起)，說明房地產(chǎn)市場變化對外匯市場有較強(qiáng)的影響，因而房地產(chǎn)行業(yè)的穩(wěn)定性不僅關(guān)系到本行業(yè)的發(fā)展，同時也對外匯市場的健康發(fā)展有著顯著作用。

四、結(jié)論與建議

本文通過對金融市場與房價波動聯(lián)動關(guān)系的實(shí)證分析，得到以下結(jié)論：

(1)房價與信貸增額之間的反應(yīng)最為顯著，房價波動易引起信貸增額的同向反應(yīng)，無論是響應(yīng)程度還是貢獻(xiàn)率都非常明顯，兩者之間具有自我強(qiáng)化的循環(huán)作用。實(shí)證表明，房價波動有31%的比例可由信貸增量解釋，因而房地產(chǎn)行業(yè)的發(fā)展受銀行信貸影響較大；同時，房地產(chǎn)市場占據(jù)銀行信貸相當(dāng)大的比例，導(dǎo)致銀行信貸集中，降低了銀行資產(chǎn)的安全性。

(2)房價與股價、匯率、國際資本凈流入、利差之間在短期內(nèi)具有正向響應(yīng)關(guān)系，在長期內(nèi)影響則逐漸趨于平穩(wěn)。從各變量相互響應(yīng)的結(jié)果來看，在短期內(nèi)房價波動會引起金融市場出現(xiàn)一定程度的正向響應(yīng)，同時金融市場的變動也會導(dǎo)致房價產(chǎn)生波動。但長期(大部分在10期以后) 影響逐漸趨于平穩(wěn)。

(3)信貸增額、股價、匯率對房價波動的貢獻(xiàn)度較大，除自身影響外，房價波動是其他變量波動的最大貢獻(xiàn)者。房價波動可以通過多種渠道影響信貸增量、股價和匯率等，說明房地產(chǎn)市場健康發(fā)展對金融市場的穩(wěn)定性有著至關(guān)重要的作用。

根據(jù)上述結(jié)論，本文給出如下建議：

(1)房價與信貸增額之間具有相互強(qiáng)化的作用，這使得一個市場的風(fēng)險極易傳染到另一個市場，從而擴(kuò)大風(fēng)險的范圍和深度。因此，房地產(chǎn)行業(yè)應(yīng)盡量減少對銀行信貸的依賴，拓展融資渠道，進(jìn)行多元化融資，以分散風(fēng)險。在風(fēng)險可控的條件下，政府應(yīng)鼓勵房地產(chǎn)企業(yè)創(chuàng)新融資手段，如私募基金等。同樣，銀行也應(yīng)進(jìn)行多行業(yè)投資，避免投資過于集中。

(2)在短期內(nèi)，由于房價與股價、匯率、國際資本凈流入、利差具有正向響應(yīng)關(guān)系，因而為了控制各市場波動帶來的風(fēng)險，既要調(diào)控整個金融市場大幅波動的幅度和頻率，又要調(diào)控房價大幅波動的幅度和頻率，以減少各市場波動之間的交叉影響和相互強(qiáng)化[21]。

(3)決策者應(yīng)認(rèn)識到資產(chǎn)價格波動連鎖反應(yīng)的重要性。與其他資產(chǎn)價格波動相比，房價波動對金融市場的影響更大，因而決策者應(yīng)著重關(guān)注房價波動，控制其風(fēng)險。

[參考文獻(xiàn)]

[1]Ling D.C. and Naranjo A. The Integration of Commercial Real Estate Markets and Stock Markets[J]. Real Estate Economics, 1999, 27(3): 483-515.

[2]Clayton, J., N. Miller and L., Peng. Price-volume Correlation in the Housing Market: Causality and Co-movements[J]. Journal of Real Estate Finance and Economics, 2010,40(1):14-40.

[3]Goodhart C. and B. Hofmann. House Prices and the Macroeconomy: Implications for Banking and Price Stability[M]. New York: Oxford University Press Inc., 2007:145-172.

[4]Bj?rnland H.C. and D.H. Jacobsen. House Prices and Stock Prices: Different Roles in the US Monetary Transmission Mechanism[J]. Scandinavian Journal of Economics, 2013, 115 (4): 1084-1106.

[5]馬亞明，邵士妍.資產(chǎn)價格波動、銀行信貸與金融穩(wěn)定[J].中央財經(jīng)大學(xué)學(xué)報,2012(1):45-51.

[6]趙勝民，方意，王道平.金融信貸是否中國房地產(chǎn)、股票價格泡沫和波動的原因——基于有向無環(huán)圖的分析[J].金融研究,2011(12):62-76.

[7]Anundsen A.K. and E.S. Jansen. Self-reinforcing Effects between Housing Prices and Credit[J]. Journal of Housing Economics, 2013,22(3):192-212.

[8]Ramcharan R. and C. Crowe. The Impact of House Prices on Consumer Credit: Evidence from an Internet Bank[J]. Journal of Money, Credit and Banking, 2013,45(6):1085-1115.

[9]丁晨，屠梅曾.論房價在貨幣政策傳導(dǎo)機(jī)制中的作用——基于VECM分析[J].數(shù)量經(jīng)濟(jì)技術(shù)經(jīng)濟(jì)研究,2007(11):106-114.

[10]Fratzscher M., L. Juvenal and L. Sarno. Asset Prices, Exchange Rates and the Current Account[J]. European Economic Review, 2010, 54(5): 419-437.

[11]Jara A. and E.A. Olaberria. Are All Capital Inflows Associated with Booms in House Prices An Empirical Evaluation[R]. Working Papers Central Bank of Chile,2013,696:1-24.

[12]Tillmann P. Capital Inflows and Asset Prices: Evidence from Emerging Asia[J]. Journal of Banking & Finance, 2013, 37(3): 717-729.

[13]王愛儉，沈慶劼.人民幣匯率與房地產(chǎn)價格的關(guān)聯(lián)性研究[J].金融研究,2007(6):13-22.

[14]杜敏杰，劉霞輝.人民幣升值預(yù)期與房地產(chǎn)價格波動[J].世界經(jīng)濟(jì),2007(1):81-88.

[15]廖慧，張敏.人民幣匯率與我國股價、房價的聯(lián)動關(guān)系研究[J].投資研究,2012(7):108-117.

[16]Igan D., et al. Housing, Credit, and Real Activity Cycles: Characteristics and Comovement[J]. Journal of Housing Economics, 2011, 20(3): 210-223.

[17]Guo F., C.R. Chen, Y.S. Huang. Markets Contagion during Financial Crisis: A Regime-Switching Approach[J]. International Review of Economics & Finance, 2011, 20(1): 95-109.

[18]Chevallier J. Global Imbalances, Cross-Market Linkages, and the Financial Crisis: A Multivariate Markov-Switching Analysis[J]. Economic Modelling, 2012, 29(3): 943-973.

[19]李成，王彬，馬文濤.資產(chǎn)價格、匯率波動與最優(yōu)利率規(guī)則[J].經(jīng)濟(jì)研究,2010(3):91-103.

[20]Spirtes P., et al. Causation, Prediction and Search[M]. Cambridge: MIT Press, MA, 2000: 191-207.

[21]王健.培育與世界第二大經(jīng)濟(jì)體相稱的中國資本市場[J].廣東商學(xué)院學(xué)報，2013(2)：4-10.