李夢花，聶思玥

(1.山西財經(jīng)大學(xué) 經(jīng)濟(jì)學(xué)院，山西 太原030006;2.山西大學(xué) 經(jīng)濟(jì)與管理學(xué)院，山西 太原030006)

一、引 言

銀行脆弱性與資產(chǎn)價格之間的關(guān)系一直深受各國學(xué)術(shù)及實(shí)踐領(lǐng)域的廣泛關(guān)注，二者聯(lián)系的重要渠道之一是信貸，即經(jīng)濟(jì)景氣期形成的異常繁榮的信貸擴(kuò)張和經(jīng)濟(jì)衰退期出現(xiàn)的大規(guī)模信貸收縮?；仡櫴澜缃?jīng)濟(jì)發(fā)展歷史，1929年發(fā)生在美國華爾街的股市大崩潰、80年代日本由泡沫經(jīng)濟(jì)破裂引發(fā)的經(jīng)濟(jì)長期蕭條、1997年始于泰國泰銖貶值而后擴(kuò)散為東南亞的金融危機(jī)以及2007年由美國次貸危機(jī)引發(fā)的全球金融危機(jī)，無一例外均伴隨著資產(chǎn)價格大幅波動及信貸規(guī)模的劇烈變動。我國自2001年加入WTO組織至今，已成長為世界第二大經(jīng)濟(jì)體，這表明我國經(jīng)濟(jì)的發(fā)展對世界各國的發(fā)展可以起到越來越大的帶動作用，但同時我國的發(fā)展也愈發(fā)地依賴世界各國，即國際經(jīng)濟(jì)環(huán)境對我國經(jīng)濟(jì)發(fā)展的影響愈發(fā)顯著。例如2007年美國次貸危機(jī)爆發(fā)后，各國均采取寬松的刺激政策，在寬松一邊倒的國際經(jīng)濟(jì)環(huán)境下，我國政府為盡可能減少這場危機(jī)帶來的損失，不得不采取同樣的寬松政策，致使我國信貸規(guī)模及貨幣供應(yīng)量M2呈現(xiàn)出階躍式增長。從具體的數(shù)字來看，自2009年1月截止到2014年3月我國金融機(jī)構(gòu)境內(nèi)各項(xiàng)貸款余額達(dá)到72萬億元。危機(jī)發(fā)生后2009年全年的新增境內(nèi)各項(xiàng)貸款達(dá)到9.63萬億，而危機(jī)前的2007年全年新增貸款為3.64萬億，前者為后者的近3倍。與此同時資產(chǎn)價格，尤其是房地產(chǎn)市場經(jīng)歷了相當(dāng)幅度的上漲。那么這種銀行信貸的劇烈增長和資產(chǎn)價格的大幅上漲對我國的銀行穩(wěn)定(銀行脆弱性)會有影響嗎?其影響渠道是什么?這正是本文試圖探討的問題。

本文結(jié)構(gòu)安排如下:第二部分為國內(nèi)外相關(guān)理論文獻(xiàn)的回顧，第三部分為研究設(shè)計及數(shù)據(jù)說明，第四部分為實(shí)證結(jié)果與分析，第五部分為主要結(jié)論與政策啟示。

二、文獻(xiàn)綜述

絕大多數(shù)研究表明，銀行脆弱性的凸顯往往與資產(chǎn)價格的持續(xù)大幅波動相伴而生，而在這一過程中，銀行信貸往往被認(rèn)為是主要的“驅(qū)動力量”。因此在分析銀行脆弱性與資產(chǎn)價格波動之間的聯(lián)系時需要同時考慮信貸規(guī)模與資產(chǎn)價格波動的關(guān)系。

有關(guān)信貸規(guī)模與資產(chǎn)價格關(guān)系的理論探討，經(jīng)典理論主要有新奧地利學(xué)派的奠基者哈耶克提出的貨幣經(jīng)濟(jì)周期理論及美國新古典主義經(jīng)濟(jì)學(xué)家費(fèi)雪的債務(wù)通貨緊縮理論。Hayek[1]的貨幣經(jīng)濟(jì)周期理論提出過低的市場利率將引發(fā)信貸規(guī)模的非理性擴(kuò)張，而過多的信貸勢必帶來高昂的投資熱情，金融市場上的資產(chǎn)價格泡沫則不可避免，從而加劇金融系統(tǒng)的不穩(wěn)定。Fisher[2]的研究指出經(jīng)濟(jì)上升期引起的普遍過度負(fù)債會導(dǎo)致信貸規(guī)模大量增加，這將帶來一系列的潛在隱患，這些隱患會在經(jīng)濟(jì)下行時集中爆發(fā)，例如，債務(wù)人為償還到期債務(wù)必須廉價銷售資產(chǎn)，若此時中央銀行不施以援助，將會引發(fā)物價及資產(chǎn)價格的迅速下跌，大量企業(yè)會因資不抵債等問題而破產(chǎn)，爆發(fā)金融危機(jī)。此外，Allen ＆ Gale[3]從銀行部門中介人角色的視角，指出中介部門特有的委托代理關(guān)系是造成資產(chǎn)價格泡沫的主要因素，并在此基礎(chǔ)上建構(gòu)了信貸規(guī)模的擴(kuò)張行為導(dǎo)致資產(chǎn)價格波動的理論分析模型。國內(nèi)學(xué)者針對信貸規(guī)模與資產(chǎn)價格關(guān)系的理論分析也進(jìn)行了相關(guān)探索。袁志剛和樊瀟彥[4]在借鑒經(jīng)濟(jì)“理性泡沫”相關(guān)理論基礎(chǔ)上，構(gòu)建了房地產(chǎn)理性泡沫的局部均衡分析框架，分析結(jié)果表明行為人的預(yù)期、地產(chǎn)政策及信貸的擴(kuò)張共同推動了地產(chǎn)泡沫的形成極其破滅。

有關(guān)信貸規(guī)模與資產(chǎn)價格關(guān)系的實(shí)證研究，早期有Keran[5]運(yùn)用標(biāo)準(zhǔn)普爾500指數(shù)的季度均值數(shù)據(jù)，通過構(gòu)建簡單的單方程回歸模型得到信貸量對股票資產(chǎn)價格波動影響顯著的實(shí)證結(jié)論。近些年，一些學(xué)者運(yùn)用VAR等計量方法實(shí)證分析了信貸規(guī)模與資產(chǎn)價格的關(guān)系。比如 Chen[6]運(yùn)用臺灣地區(qū)1973至1992年的兩大主要資產(chǎn)價格——房地產(chǎn)和股票價格的季度數(shù)據(jù)，建立Multivariate VAR模型進(jìn)行實(shí)證分析，研究結(jié)果表明:相對利息率，信貸規(guī)模能夠更有效的預(yù)測資產(chǎn)價格。Greiber ＆ Setzer[7]通過構(gòu)建VECM估計模型，實(shí)證檢驗(yàn)了歐洲及美國的資產(chǎn)價格波動，結(jié)果表明信貸的擴(kuò)張是資產(chǎn)價格膨脹的重要渠道。此外，國內(nèi)學(xué)者對信貸規(guī)模與資產(chǎn)價格之間的關(guān)系進(jìn)行了頗多實(shí)證檢驗(yàn)。梁云芳、高鐵梅和賀書平[8]運(yùn)用HP濾波和協(xié)整分析得出我國房地產(chǎn)的均衡價格，并進(jìn)一步構(gòu)建了變參數(shù)模型及VAR模型，分析結(jié)果表明我國信貸規(guī)模的變化對房地產(chǎn)的投資有較大影響。肖本華[9]通過擴(kuò)展 Allen和Gale的資產(chǎn)價格泡沫模型，運(yùn)用Granger因果分析技術(shù)實(shí)證分析了我國2003年1月至2007年9月的月度數(shù)據(jù)，結(jié)果顯示我國的信貸擴(kuò)張為資產(chǎn)價格的膨脹提供了重要支撐。而桂荷發(fā)、鄒朋飛和嚴(yán)武[10]采用VAR模型對信貸規(guī)模與股票市場價格的動態(tài)關(guān)系進(jìn)行實(shí)證研究，結(jié)果顯示，股票市場價格的上漲會帶來信貸的擴(kuò)張，但是反之，信貸的擴(kuò)張卻不是股票市場價格上漲的原因。王曉明[11]通過運(yùn)用Granger因果檢驗(yàn)、VAR模型及脈沖響應(yīng)函數(shù)實(shí)證分析了我國的信貸規(guī)模與資產(chǎn)價格的順周期，結(jié)論表明信貸規(guī)模與房地產(chǎn)市場價格之間存在顯著的雙向因果關(guān)系，但信貸規(guī)模與股票市場價格之間并不存在因果關(guān)系。方意、趙勝民和謝曉聞[12]通過運(yùn)用“有向無環(huán)圖”及VAR模型分析了金融信貸與資產(chǎn)價格波動的同期因果關(guān)系，結(jié)果表明金融信貸擴(kuò)張對股票價格影響較大，而對房地產(chǎn)價格的影響相對有限。

進(jìn)一步梳理信貸規(guī)模、資產(chǎn)價格對金融脆弱性影響的相關(guān)文獻(xiàn)。理論研究方面，Mill ＆ Simons(1948)最早從信貸活動自身的擴(kuò)張性傾向角度來解釋銀行脆弱性。在經(jīng)濟(jì)上升期，銀行體系普遍有擴(kuò)張信貸的傾向，從而產(chǎn)生過度投機(jī)，伴隨過度投機(jī)的持續(xù)，會在一些行業(yè)出現(xiàn)產(chǎn)品價格嚴(yán)重偏離內(nèi)在價值，形成泡沫，一旦泡沫破滅將嚴(yán)重打擊儲戶對銀行體系的信心，增加不確定性，甚或發(fā)生擠兌。Minsky[13]分析了公司及銀行在經(jīng)濟(jì)周期中的差異化行為對銀行脆弱性的影響:在經(jīng)濟(jì)平穩(wěn)上升期，公司更多選擇較為謹(jǐn)慎的債務(wù)融資——即保值性融資;經(jīng)濟(jì)漸入繁榮，公司則傾向于投資周期長，高風(fēng)險的投機(jī)性融資甚或龐茲融資，銀行在樂觀的心理預(yù)期下傾向于貸出款項(xiàng)，一旦有任何妨礙貸款資源流向生產(chǎn)企業(yè)的沖擊出現(xiàn)，都可能帶來流動性不足抑或出現(xiàn)資不抵債等問題，并很快蔓延至銀行等金融機(jī)構(gòu)，使其脆弱性迅速攀升。Dell'Ariccia ＆ Marquez[14]提出當(dāng)其他銀行信貸標(biāo)準(zhǔn)都較低時，面臨信息非對稱的借款者，銀行在選擇策略時傾向于降低貸款標(biāo)準(zhǔn)，銀行的這一反應(yīng)策略成為信貸熱潮提升銀行脆弱性的內(nèi)在機(jī)制。實(shí)證研究方面，Borio ＆ Lowe[15]通過實(shí)證分析發(fā)現(xiàn)信貸規(guī)模與資產(chǎn)價格的膨脹存在雙向促進(jìn)作用，隨著時間的推移可能帶來經(jīng)濟(jì)中的過度投資，甚至引發(fā)銀行危機(jī)。皮舜[16]采用我國1997到2003年的房地產(chǎn)市場和金融市場的月度數(shù)據(jù)，構(gòu)建了兩個市場相互作用的誤差修正模型(ECM)，分析結(jié)果顯示，我國房地產(chǎn)市場與金融市場存在長期和短期的雙向線性因果關(guān)系，二者具有一定的共生性。馬勇、楊棟和陳雨露[17]采用66個國家的數(shù)據(jù)進(jìn)行實(shí)證分析，結(jié)果顯示資產(chǎn)價格周期、信貸周期及金融的監(jiān)管周期是金融不穩(wěn)定中的基本機(jī)制。

總結(jié)國內(nèi)外關(guān)于信貸規(guī)模、資產(chǎn)價格波動與金融脆弱性關(guān)系的研究文獻(xiàn)，我們發(fā)現(xiàn)在相關(guān)的實(shí)證分析中，大多數(shù)學(xué)者采用 Granger因果分析和預(yù)測方差分解方法等來分析三者之間的因果關(guān)系及對脈沖的響應(yīng)函數(shù)。但事實(shí)上這些方法都有一定的使用局限。首先 Gujarati[18]指出 Granger因果分析的結(jié)果依賴于對滯后期的選擇，選擇不同的滯后期會有不同的分析結(jié)論，而且不能給出同期變量之間的因果關(guān)系。更為重要的是，Sims[19]、Abdullah ＆ Rangazas[20]指出Granger因果分析并不具有我們作分析時更加關(guān)注的經(jīng)濟(jì)意義上的顯著性，而是僅僅考慮其統(tǒng)計意義上的顯著性。因此，僅僅用 Granger因果分析來檢驗(yàn)信貸規(guī)模、資產(chǎn)價格波動與銀行脆弱性三者的關(guān)系是非常不充分的。方差分解技術(shù)則更多考慮了變量關(guān)系在經(jīng)濟(jì)意義上的顯著性，但Cooley ＆ LeRoy[21]、Swanson ＆ Granger[22]提出有效地進(jìn)行方差分解的前提是正確設(shè)定擾動項(xiàng)間的同期因果關(guān)系。目前大多數(shù)選擇VAR方法進(jìn)行研究的文獻(xiàn)中，往往采用Cholesky分解技術(shù)來得到正交的誤差項(xiàng)，但該方法依賴于變量排序，變量排列順序的改變將會影響到脈沖響應(yīng)函數(shù)。這一問題Pesaran[23]中也同樣提到。此外 Bernanke[24]提出 Bnanker分解方法，但 Swanson ＆ Granger[22]指出該方法依然需要借助于相關(guān)理論及必要的先驗(yàn)信息，仍然無法克服主觀判斷的缺陷。為有效解決以上問題，Pearl[25]、Spirtes，Glymour ＆ Scheines[26]提出“有向無環(huán)圖(DAG)”的分析方法。該方法無需添加任何先驗(yàn)信息或假設(shè)條件，僅僅通過分析擾動項(xiàng)的方差協(xié)方差矩陣，即可有效識別擾動項(xiàng)的同期因果關(guān)系，從而能夠客觀確定擾動項(xiàng)的具體結(jié)構(gòu)形式，避免缺乏依據(jù)的主觀判斷。目前這一方法被國內(nèi)外學(xué)者越來越多的運(yùn)用到經(jīng)濟(jì)領(lǐng)域的各項(xiàng)研究中。如Bessler ＆ Yang;Awokuse;Yang，Guo ＆ Wang;吳文鋒和靳瑩;楊子暉;周泳宏和鄧衛(wèi)廣;Greiber ＆ Setzer[27-32，7]的研究，取得良好效果。

鑒于此，本文嘗試在已有研究基礎(chǔ)上，結(jié)合“有向無環(huán)圖”方法，研究我國信貸規(guī)模、資產(chǎn)價格波動與銀行脆弱性間的同期因果關(guān)系，并進(jìn)一步分析信貸規(guī)模、資產(chǎn)價格波動與銀行脆弱性三者的相互影響，以期得出一些啟示性的分析結(jié)論。

三、研究設(shè)計與數(shù)據(jù)說明

(一)SVAR與有向無環(huán)圖(DAG)

1.SVAR與識別問題

上世紀(jì)70年代之前，宏觀經(jīng)濟(jì)計量分析的數(shù)據(jù)描述、模型預(yù)測、結(jié)構(gòu)推斷以及政策分析等四大任務(wù)一般由傳統(tǒng)大型聯(lián)立方程模型承擔(dān)。到了1970年代后期，聯(lián)立方程模型受到計量經(jīng)濟(jì)學(xué)家的批評，尤其是自“盧卡斯批評”以來，這些大型聯(lián)立方程模型開始逐步被計量經(jīng)濟(jì)學(xué)家拋棄。在這種情況下，Sims[33]提出了新的宏觀計量分析架構(gòu)——向量自回歸(VAR)模型，也稱簡化型VAR(Reduced-form VAR，對應(yīng)于后文的結(jié)構(gòu)型VAR)。簡化型VAR以被解釋變量的滯后項(xiàng)作為解釋變量，這種將動態(tài)性特征納入考慮范圍的方法與時間序列分析一致，可以大大提高預(yù)測精度:

式(1)中 Yt=(y1t，y2t，…，ynt)'，Xt=Yt－1是滯后算子，L是滯后算子多項(xiàng)式矩陣，A(L)且滿足的根都在單位圓之外，∑u是非對角元素不全為0的方差協(xié)方差矩陣。VAR的平穩(wěn)性要求式(2)的根都在單位圓之外，

除了精準(zhǔn)的預(yù)測之外，VAR模型的經(jīng)典應(yīng)用是脈沖響應(yīng)分析，相應(yīng)地其誤差項(xiàng)也經(jīng)常被稱之為新息(innovation)，意為外生信息。然而，因?yàn)槠涓鱾€方程的誤差項(xiàng)是自相關(guān)的，無法區(qū)分出單個變量“純粹”的外生新息沖擊。雖然Sims提出了可以通過cholesky分解得到正交的新息向量，但這種分解方法的有效性依賴于變量之間wold因果鏈的確定。當(dāng)模型中變量的排序與wold因果鏈不一致或變量之間不存在wold因果鏈時，cholesky分解的基礎(chǔ)就被瓦解了。此外，Cooley ＆ LeRoy[21]等人批判無約束的簡化型VAR本身并不能直接觀測到系統(tǒng)內(nèi)變量之間的關(guān)系，因?yàn)楦鱾€方程中并不包含變量之間當(dāng)期的關(guān)系結(jié)構(gòu)，結(jié)構(gòu)推斷變得困難。正是基于這些問題的存在，Sims[34]以及 Bernanke[24]等在 VAR模型的基礎(chǔ)上提出了SVAR(Structural VAR，結(jié)構(gòu)型VAR):

比較式(1)、(4)可以發(fā)現(xiàn)，式(4)通過如下變換，可寫成式(1)的形式:

SVAR在模型設(shè)定時雖強(qiáng)調(diào)了對外生沖擊的識別，但是卻又將識別問題引入到參數(shù)估計里面來了。對于無約束的簡化型VAR，不存在解釋變量與新息項(xiàng)的相關(guān)問題，可以對模型中每個方程逐一用最小二乘法進(jìn)行估計，估計參數(shù)具有漸進(jìn)有效性和一致性，因而無約束的簡化型VAR系統(tǒng)是一個恰好識別系統(tǒng)。比較式(1)和式(4)可知，SVAR系統(tǒng)對vt的方差協(xié)方差矩陣進(jìn)行了約束(因是對稱矩陣，施加了共計個約束);同時比簡化型VAR的多了一個參數(shù)矩陣A0，多了n2個待估計參數(shù)。根據(jù)Rothenberg[35]方程識別的階條件(order condition)要求方程的約束個數(shù)不少于待估計參數(shù)的個數(shù)。該階條件是識別的必要條件，根據(jù)這個條件，識別式(4)的SVAR系統(tǒng)至少還需要－1)個約束。

因此，在SVAR模型被提出以后，出現(xiàn)了大量文獻(xiàn)探討SVAR的識別問題。觀察式(5)，對于這類SVAR模型，只需能夠識別矩陣A0的參數(shù)即可。因而，該模型識別問題可從Ut=的角度來認(rèn)識。因而選擇∑u的一個合適的正交分解矩陣，令A(yù)－10=P即可得到A0矩陣。前文提到的Cholesky分解方法就是選擇恰當(dāng)?shù)?P，使 SVAR模型變換為遞歸模型(recursive model)，即第i個方程的解釋變量包含前面第1，…，i－1個被解釋變量的當(dāng)期值和全部變量的滯后值，第i個方程的解釋變量只有全部變量的滯后值，從而第i個方程的新息項(xiàng)只影響第個變量，實(shí)現(xiàn)了SVAR關(guān)于新息項(xiàng)之間不相關(guān)的假定。這種分解方法本質(zhì)上對SVAR模型施加了wold因果鏈約束，當(dāng)變換變量的順序后，P矩陣也隨之變換，被不少計量經(jīng)濟(jì)學(xué)家批判為“由研究人員任意依據(jù)‘自以為是的經(jīng)濟(jì)理論’排序來決定結(jié)果”的方法。DAG方法為這個問題提供了一個非常好的解決途徑。

2.DAG方法原理分析

變量兩兩之間的因果關(guān)系構(gòu)成了變量的因果結(jié)構(gòu)。DAG方法從概率理論出發(fā)，運(yùn)用變量之間的條件獨(dú)立原理來搜索判斷兩兩變量之間的當(dāng)期因果關(guān)系，建立變量間直接控制的模型并最終得到因果結(jié)構(gòu)圖。

DAG是一類無環(huán)的有向圖，變量間是單向控制的關(guān)系，DAG所描述的因果結(jié)構(gòu)是遞歸類型的因果結(jié)構(gòu)。

變量間兩兩是否存在因果關(guān)系可由變量之間的條件獨(dú)立性確定。Granger是較早將條件獨(dú)立性引入因果分析領(lǐng)域的學(xué)者，他指出在給定滯后階數(shù)p，如果下式成立，則{xt}不是{yt}的格蘭杰原因:

{zt}是其他解釋{yt}的變量，y⊥x|(y，z)表示在(y，z)條件下，y獨(dú)立于x。這樣將變量之間的條件獨(dú)立性運(yùn)用到了推斷變量因果結(jié)構(gòu)的領(lǐng)域。更一般地，M信息集在條件信息集O下與信息集N獨(dú)立，記作M⊥N|O，有下式成立:

式(7)中IFF表示當(dāng)且僅當(dāng)，在滿足下文中的因果忠實(shí)條件下，其含義是，一旦知道了信息集 O后，則信息集N對于了解信息集M不能提供任何多余的信息。

DAG方法是基于變量集間D-分離(directionally separate)情形中的條件獨(dú)立性來判斷變量之間的因 果 關(guān) 系。Bessler ＆ Wang[36]和 Kwon ＆ Bessler[37]指出，在 DAG 圖中，兩個節(jié)點(diǎn) X、Y 被 D-分離是指兩節(jié)點(diǎn)之間的任何路徑都被一個子集O所阻斷。一條路徑被O子集D-分離，當(dāng)且僅當(dāng):

(1)該路徑中包含①因果鏈:X→Z→Y、X←Z←Y或②因果叉:X←Z→Y時，中間節(jié)點(diǎn)Z在子集 O中;或

(2)該路徑中包含③反叉因果結(jié)構(gòu):X→Z←Y時，中間節(jié)點(diǎn)Z及其子孫節(jié)點(diǎn)不在子集O中。如果X、Y間無直接相連邊，則Z是一個無盾相遇點(diǎn)。

在圖1(a)中，路徑A→B→E→D被{B、E}子集D-分離，而路徑A→B←C→E→D被{C、E}子集D-分離。D-分離構(gòu)成DAG圖中條件獨(dú)立性分析的基礎(chǔ):其一，相關(guān)的變量被D-分離后，在分離集O條件下獨(dú)立;其二，在反叉因果結(jié)構(gòu)中，相互獨(dú)立的變量在無盾相遇點(diǎn)條件下變得相關(guān)。Pearl[38]指出，D-分離具備上述推斷因果的性質(zhì)，需要滿足兩個條件:Markov因果條件和因果忠實(shí)(faithfull)條件。用Yi=f(YIi，ui)來代表變量集第個變量的方程，YIi是Yi解釋變量，ui是誤差項(xiàng)。

Markov因果條件:G是關(guān)于變量集r的因果圖，P是r的概率分布函數(shù)。W是r的子集。當(dāng)且僅當(dāng)r中的每個子集W與不包含其子孫節(jié)點(diǎn)變量的子集，在其祖先節(jié)點(diǎn)變量集的條件下相互獨(dú)立時，G、P滿足Markov因果條件。Markov因果條件包含兩方面的內(nèi)容，一是變量之間不存在互為因果的關(guān)系結(jié)構(gòu)，即因果圖中不存在環(huán);二是所有變量間的公共原因都包含在因果圖中，確保之間相互獨(dú)立，這點(diǎn)也被稱為因果充分條件(causal sufficient)。

因果忠實(shí)條件:當(dāng)Yi=f(Ai，ui)中參數(shù)發(fā)生變化時，變量集Y中的因果關(guān)系結(jié)構(gòu)不隨之改變，稱為因果忠實(shí)條件。因果忠實(shí)條件表明變量之間內(nèi)含的因果關(guān)系結(jié)構(gòu)是穩(wěn)定的，可以用不標(biāo)示參數(shù)的因果圖來描述變量之間的因果結(jié)構(gòu)。

在滿足Markov因果條件下，意味著在D-分離的情形①和②中，將 Z視為祖先節(jié)點(diǎn)變量集，X、Y在條件Z下相互獨(dú)立。在因果叉中X←Z→Y中，無論X、Y之間是否有邊直接連接，Z被稱為X、Y的公共原因(common cause)。因果結(jié)構(gòu)還可以在變量相互獨(dú)立情況下推斷條件非獨(dú)立。在D-分離的情形③中，滿足Markov因果條件下，X、Y是獨(dú)立的，加上因果忠實(shí)條件則可推斷X、Y在條件Z下是相關(guān)的。原因在于，X、Y都是導(dǎo)致Z的因素，當(dāng)X因素的影響參數(shù)變?nèi)鯐r，則由Y導(dǎo)致 Z的概率會增加，由此可見X、Y在條件Z下是相關(guān)的，因果忠實(shí)條件保證了參數(shù)變化下這種因果關(guān)系的穩(wěn)定性。因此，D-分離中的情形①和②，滿足X⊥Y|Z;而情形③下，不滿足X⊥Y|Z，當(dāng)因果圖中存在環(huán)時，如圖1(c)中，A→B←C構(gòu)成無盾相遇點(diǎn)下的反叉因果結(jié)構(gòu)，C節(jié)點(diǎn)與A節(jié)點(diǎn)(不包含C的子孫節(jié)點(diǎn))在條件B(C的祖先節(jié)點(diǎn))下并不獨(dú)立，因此不滿足Markov因果條件。

無盾相遇點(diǎn)因其在條件獨(dú)立性方面表現(xiàn)出區(qū)別于其他2種D-分離情形的特性，因而是搜索兩個變量之間因果關(guān)系的關(guān)鍵。圖1(a)中存在1個無盾相遇點(diǎn)，B點(diǎn)在A→B←C中。

5、輔導(dǎo)員要經(jīng)常深入到班級和宿舍和學(xué)生談心，及時了解學(xué)生遇到的困難，幫助他們切實(shí)解決。用愛心、耐心、責(zé)任心給學(xué)生創(chuàng)造優(yōu)良的學(xué)習(xí)生活環(huán)境，真正做到立德樹人。

上文闡述的是DAG方法的基本原理。利用上述基本原理，再結(jié)合目前常用的PC搜索算法即可在一組符合Markov因果條件和因果忠實(shí)條件的變量中搜索因果關(guān)系，得到因果結(jié)構(gòu)。PC算法按照D-分離的三種情形，一般分以下三步進(jìn)行搜索，假定數(shù)據(jù)生成過程DGP圖1所描述，以此為例闡述PC搜索算法的基本步驟:

步驟1，PC算法第一個步驟假定全部變量兩兩之間都存在因果關(guān)系，形成一個完整的無向圖。

步驟2，先檢驗(yàn)2個變量之間無條件獨(dú)立性，再檢驗(yàn)是否為因果鏈和因果叉情形，得到無向的因果概略圖。通過檢驗(yàn)變量無條件獨(dú)立性，刪除相互獨(dú)立變量之間的無向邊如圖1(a)中AC之間的無向邊會被刪除;后者檢驗(yàn)變量之間的條件獨(dú)立性，刪除條件獨(dú)立的變量之間的無向邊，即排除D-分離結(jié)構(gòu)的因果鏈和因果叉中被檢驗(yàn)的2個變量之間直接相連的情況。如圖1(a)中A、E在條件 B下獨(dú)立，A、D在條件 B、E下獨(dú)立，C、D和 B、D在條件E下均獨(dú)立，則 AE、AD、CD、BD間的無向邊將被刪除。完成第二個步驟就得到了因果圖的概略圖，如圖1(b)。

步驟3，是對概略圖中的無向邊進(jìn)行定向，這個步驟是復(fù)雜的，需要結(jié)合統(tǒng)計檢驗(yàn)、邏輯推理、預(yù)先假設(shè)等方面的知識進(jìn)行綜合考慮。思路是先利用無盾相遇點(diǎn)的性質(zhì)得到部分定向的DAG圖，再對圖中其他未定向的邊進(jìn)行分析，具體可參閱Pearl[38]。

(二)數(shù)據(jù)說明

我國自1998年開始取消信貸規(guī)模的計劃管理模式，住房商品化改革也在1998年開始施行，考慮到政策執(zhí)行的滯后性，本文研究樣本區(qū)間為1999年1月至2014年3月。實(shí)證分析過程中，依據(jù)Minsky的“金融不穩(wěn)定假說”，經(jīng)濟(jì)繁榮期，信貸快速擴(kuò)張，資產(chǎn)價格急劇膨脹，銀行風(fēng)險積累;經(jīng)濟(jì)下降期情況相反。即信貸、資產(chǎn)價格的變動可以在一定程度上影響金融系統(tǒng)的穩(wěn)定性，而且金融系統(tǒng)穩(wěn)定與否會對信貸與資產(chǎn)價格有反饋響應(yīng)。因此本文研究中涉及的變量有我國信貸額、房地產(chǎn)價格和銀行脆弱性，其代理變量依次為金融機(jī)構(gòu)境內(nèi)各項(xiàng)貸款增長率(cregw)、國房景氣指數(shù)(hp)和銀行脆弱性指數(shù)(zsore)。本文使用的各項(xiàng)銀行數(shù)據(jù)來源于中經(jīng)網(wǎng)統(tǒng)計數(shù)據(jù)庫和CCER經(jīng)濟(jì)金融數(shù)據(jù)庫。為消除季節(jié)因素，本文用X13-ARIMA-SEATS軟件對數(shù)據(jù)進(jìn)行了季節(jié)調(diào)整。

四、實(shí)證結(jié)果與分析

(一)變量平穩(wěn)性檢驗(yàn)

時間序列分析中，非平穩(wěn)變量會導(dǎo)致偽回歸現(xiàn)象，因而對變量進(jìn)行單位根檢驗(yàn)是必要的。本文采用了較為常見的ADF、KPSS和PP三種方法進(jìn)行檢驗(yàn)，結(jié)果如表1所示。

表1 變量單位根檢驗(yàn)結(jié)果

從表中可以觀察到，三種單位根檢驗(yàn)方法的結(jié)論是一致的。ZScore是一個平穩(wěn)的數(shù)據(jù)變量，Estate和Cregw都是非平穩(wěn)的數(shù)據(jù)變量。游與本文實(shí)證過程采用VAR模型進(jìn)行分析，因而有必要檢驗(yàn)變量之間的協(xié)整關(guān)系。

(二)變量間的協(xié)整檢驗(yàn)

對上述三個變量建立無約束 VAR模型，根據(jù)AIC和SC信息準(zhǔn)則，選擇VAR模型的滯后期為2，并進(jìn)行協(xié)整關(guān)系檢驗(yàn)。檢驗(yàn)結(jié)果如表2。

從表中檢驗(yàn)結(jié)果可以知道，VAR模型在數(shù)據(jù)空間帶有時間趨勢項(xiàng)時，存在一個協(xié)整向量。

表2 協(xié)整檢驗(yàn)結(jié)果

(三)DAG同期因果與SVAR模型的識別

為誤差項(xiàng)的相關(guān)系數(shù)矩陣，VAR模型的誤差項(xiàng)是進(jìn)行同期因果結(jié)構(gòu)分析的基礎(chǔ)，采用DAG方法分析信貸、資產(chǎn)、脆弱性之間的同期因果關(guān)系。DAG方法的原理已經(jīng)在前文進(jìn)行了詳盡說明，本文使用Tetrad V軟件對數(shù)據(jù)進(jìn)行DAG分析。根據(jù)第三部分SVAR識別與DAG分析理論可知，三個變量之間的同期因果關(guān)系蘊(yùn)含在VAR模型的三個誤差項(xiàng)中。首先，將三個變量用三條邊連接，如圖2(a)所示，代表可能存在的同期因果關(guān)系。在5%的顯著性水平下，檢驗(yàn)得到信貸(Cregw)和資產(chǎn)價格(Estate)兩個變量是無條件獨(dú)立的，因而連接兩個變量的因果關(guān)系邊應(yīng)該刪掉;其余兩條邊保留，得到圖2(b)的因果概略圖。在最后的對各邊進(jìn)行定向的環(huán)節(jié)，檢驗(yàn)發(fā)現(xiàn)Zscore是一個無盾相遇點(diǎn)。因而，得到圖2(c)最終的 DAG因果結(jié)構(gòu)圖，信貸、資產(chǎn)和銀行脆弱性之間的同期因果結(jié)構(gòu)為:Cregw→ Zscore←Estate。

上述DAG的分析結(jié)果顯示出我國的信貸(Cregw)、資產(chǎn)價格(Estate)和銀行脆弱性指數(shù)(Zscore)三者的同期因果關(guān)系及影響方向。具體來看，信貸(Cregw)和銀行脆弱性指數(shù)(Zscore)之間存在同期因果關(guān)系，而且資產(chǎn)價格(Estate)和銀行脆弱性指數(shù)(Zscore)之間也存在同期因果關(guān)系，但不存在資產(chǎn)價格(Estate)和信貸(Cregw)之間的同期因果關(guān)系。以上結(jié)果表明，信貸與資產(chǎn)價格均對銀行脆弱性有影響，而信貸與資產(chǎn)價格之間不存在同期相互影響。這主要是由于資產(chǎn)價格有其自身的運(yùn)行規(guī)律，外界因素對其影響十分有限。這啟示我們對資產(chǎn)價格的調(diào)控要遵循其內(nèi)在規(guī)律，通過控制信貸等政策等來調(diào)控資產(chǎn)的價格效果十分有限，而且還會影響到銀行的穩(wěn)健經(jīng)營。

圖2 有向無環(huán)圖、概略圖(無向圖)和有環(huán)圖示例

從而，在變量排序?yàn)?Credit、Estate、Zscore的情況下，對SVAR模型進(jìn)行識別時式(4)中的矩陣A0應(yīng)該約束為下三角矩陣，且a21=0，代表Credit與Estate無直接因果關(guān)系。最終，估計結(jié)果如下:

式(10)中Ut為式(8)的估計結(jié)果。其中，

式(11)中個估計參數(shù)下括號內(nèi)為t值，估計結(jié)果顯示各參數(shù)都通過顯著性檢驗(yàn)。Cregw、Estate和Zscore之間的同期因果結(jié)構(gòu)可由式(10)和式(11)表達(dá)，并可進(jìn)一步簡化表示為:

(四)預(yù)測誤差方差分解

預(yù)測誤差方差分解結(jié)果(表3)表明，在預(yù)測期第一個月房地產(chǎn)價格不能解釋信貸的波動，但對銀行脆弱性波動有一定的解釋力，同時，信貸不能解釋房地產(chǎn)價格的波動，但對銀行脆弱性波動的解釋高達(dá)38.60%。這表明相對于房地產(chǎn)價格，信貸對銀行脆弱性的影響效果更快，幾乎沒有時滯。這與馬勇、楊棟和陳雨露[17]的研究結(jié)論是一致的。導(dǎo)致信貸和房地產(chǎn)價格對銀行脆弱性影響不同的原因，可能是因?yàn)榉康禺a(chǎn)市場資金的高門檻特征，使得其價格變化不能快速得到響應(yīng)，而信貸的變化則能夠快速傳導(dǎo)，尤其是向銀行部門的傳導(dǎo)，幾乎不存在滯后。表3還顯示，伴隨著預(yù)測期的延長，房地產(chǎn)價格對銀行脆弱性的波動解釋力在增強(qiáng)，24個月后達(dá)到17.79%，與信貸規(guī)模的解釋力相差不到10%。這說明要確保銀行體系運(yùn)行的穩(wěn)健性，除了監(jiān)管銀行自身的各項(xiàng)指標(biāo)外，還需要同時關(guān)注信貸規(guī)模和房地產(chǎn)價格的波動。

表3 基于DAG的預(yù)測誤差方差分解(%)

與此同時，隨著預(yù)測期的延長，銀行脆弱性與房地產(chǎn)價格對信貸規(guī)模的波動具有一定的解釋力，8個月后分別達(dá)到4.40%和3.18%，24個月后達(dá)到13.07%和9.06%，表明信貸規(guī)模仍然會受外在沖擊的影響，雖然會存在一定程度的滯后。這表明信貸政策會受資產(chǎn)價格和銀行脆弱性的影響，我國在制定相關(guān)信貸貨幣政策時可能已經(jīng)將房地產(chǎn)價格、銀行脆弱性等因素納入考慮范圍。

預(yù)測誤差方差分解結(jié)果(表3)也顯示，房地產(chǎn)價格對自身波動的解釋較大，數(shù)據(jù)顯示，8個月后房地產(chǎn)價格對自身波動的解釋力仍高達(dá)97.65%，即使在2年(24個月)后，這一解釋力仍保持在90%以上。這說明房地產(chǎn)價格的波動主要來源于自身的價格運(yùn)行機(jī)制，尤其是其價格的慣性變動，比如投機(jī)行為等。這與周京奎[39]的研究是一致的。該研究指出，可支配收入對房地產(chǎn)的價格不存在顯著影響，城市房地產(chǎn)價格的攀升，主要是由投機(jī)行為推動的。因此，調(diào)控房地產(chǎn)價格，避免價格泡沫，需要打破人們的單邊升值預(yù)期，從而有效減少投機(jī)行為的發(fā)生。

(五)穩(wěn)健性分析

為了檢驗(yàn)文中通過“有向無環(huán)圖”技術(shù)(DAG)識別SVAR模型得出的分析結(jié)論是否穩(wěn)健，本文在DAG分析結(jié)果的基礎(chǔ)上更進(jìn)一步進(jìn)行遞歸的預(yù)測方差分解分析。本文在遞歸分析過程中以1999年1月至2011年3月樣本期為基期，進(jìn)行第一次方差分解分析，再以1999年1月至2011年4月進(jìn)行第二次方差分解分析，依次類推直至1999年1月至2014年3月，并將每次回歸分析第18期的預(yù)測誤差方差分解的結(jié)果繪與圖3。

圖3中，信貸規(guī)?；贒AG的遞歸預(yù)測方差分解表明，在2012年之前房地產(chǎn)價格對信貸規(guī)模波動的影響非常有限，基本維持在2%以下，銀行脆弱性對信貸規(guī)模波動的影響相對較大，但也保持在10%左右，我國信貸規(guī)模波動的88%左右來源于其自身的變動。2012年4月房地產(chǎn)價格對信貸規(guī)模波動的解釋力達(dá)到5%，至2014年3月，接近9%，而銀行脆弱性的解釋力仍然有10%左右，這說明我國信貸規(guī)模的變化主要受其自身變動的影響，但房地產(chǎn)價格的預(yù)測功能是不斷加強(qiáng)的。這意味著我國的金融信貸政策可能已經(jīng)將資產(chǎn)價格、銀行穩(wěn)定納入考慮范圍。

房地產(chǎn)價格基于DAG的遞歸預(yù)測方差分解表明，在2011年4月銀行脆弱性對房地產(chǎn)價格波動的解釋力十分有限，該解釋力僅為1.17%，信貸規(guī)模對房地產(chǎn)價格波動的影響僅有2.26%，房地產(chǎn)價格波動的96%左右來源于自身的變動;至2014年3月，銀行脆弱性對房地產(chǎn)價格波動的解釋力也仍然只有3.7%，銀行信貸對房地產(chǎn)價格波動的解釋力也沒有超過5%。這表明房地產(chǎn)價格變動的主要原因在于其自身的運(yùn)行機(jī)制，比如非理性的投機(jī)行為導(dǎo)致人們形成不合理的預(yù)期，致使房地產(chǎn)價格單邊上漲。這與姜春海[40]的研究結(jié)論一致。

銀行脆弱性基于DAG的遞歸預(yù)測方差分解表明，遞歸期內(nèi)銀行脆弱性受信貸規(guī)模影響較大，而受房地產(chǎn)價格影響較小，但都較為穩(wěn)定。2011年4月信貸規(guī)模對銀行脆弱性的解釋力為31.8%，同期房地產(chǎn)價格對銀行脆弱性的影響為11.1%;至2014年3月，信貸規(guī)模對銀行脆弱性的解釋力仍然穩(wěn)定在30%左右，房地產(chǎn)價格對銀行脆弱性的影響基本維持在10%左右。而銀行脆弱性受其自身影響較大，這一影響穩(wěn)定在57%左右。這反映了我國銀行脆弱性受自身因素影響較大，同時也會受到信貸規(guī)模及資產(chǎn)價格波動的影響。這一結(jié)論與譚政勛和魏琳[41]的研究結(jié)論一致，即信用擴(kuò)張助推房價上漲，當(dāng)二者帶來的沖擊從小到大，金融穩(wěn)定狀況將會受到影響。

以上遞歸分析表明，不同樣本期的分析結(jié)果并沒有發(fā)生改變，因此，本文結(jié)論具有穩(wěn)健性。

圖3 信貸規(guī)模、資產(chǎn)價格、銀行脆弱性的預(yù)測誤差方差分解

五、主要結(jié)論與政策啟示

本文采用“有向無環(huán)圖”(DAG)技術(shù)分析了信貸規(guī)模、資產(chǎn)價格波動與銀行脆弱性三者之間的同期因果關(guān)系，并以此為基礎(chǔ)進(jìn)行了SVAR的識別及遞歸的預(yù)測方差分解，有效刻畫三者之間的相互影響。由于DAG技術(shù)是基于數(shù)據(jù)的客觀分析，因此本文較好地克服了Granger因果分析及固定樣本下預(yù)測方差分解方法的局限性。

本文研究結(jié)果表明，信貸規(guī)模和銀行脆弱性之間存在同期因果關(guān)系，而且資產(chǎn)價格和銀行脆弱性之間也存在同期因果關(guān)系，但不存在資產(chǎn)價格和信貸規(guī)模之間的同期因果關(guān)系。即從同期來看資產(chǎn)價格對銀行脆弱性有影響，信貸規(guī)模對銀行脆弱性也有影響，但信貸規(guī)模與資產(chǎn)價格之間不存在影響。

同時結(jié)合DAG的固定樣本和遞歸的預(yù)測方差分解結(jié)果顯示，銀行脆弱性對房地產(chǎn)價格波動的解釋力十分有限，信貸規(guī)模對房地產(chǎn)價格波動的影響也很小，房地產(chǎn)價格主要受自身因素的影響。這說明房地產(chǎn)價格的波動主要來源于自身的價格運(yùn)行機(jī)制，尤其是其價格的慣性變動，比如投機(jī)行為等。這意味著對房地產(chǎn)價格的調(diào)控要遵循市場運(yùn)行規(guī)則，引導(dǎo)市場參與者形成合理預(yù)期，健全房地產(chǎn)市場相關(guān)秩序法規(guī)可能會有更好的效果。

研究結(jié)果還表明，銀行脆弱性受信貸規(guī)模及房地產(chǎn)價格的雙重影響，但相對房地產(chǎn)價格，信貸規(guī)模的影響更大。導(dǎo)致信貸和房地產(chǎn)價格對銀行脆弱性影響不同的原因，可能是因?yàn)榉康禺a(chǎn)市場資金的高門檻特征，使得其價格變化不能快速得到響應(yīng)，而信貸的變化則能夠快速傳導(dǎo)，尤其是向銀行部門的傳導(dǎo)，幾乎不存在滯后。這意味著要確保銀行體系運(yùn)行的穩(wěn)健性，除了監(jiān)管銀行自身的各項(xiàng)指標(biāo)外，則還需要同時關(guān)注信貸規(guī)模和房地產(chǎn)價格的波動。

[1]Hayek F A.Monetary theory and the trade cycle[J].1932

[2]Fisher I.The debt-deflation theory of great depressions[J].Econometrica:Journal of the Econometric Society，1933:337-357.

[3]Allen F，Gale D.Bubbles and crises[J].The economic journal，2000，110(460):236-255.

[4]袁志剛，樊瀟彥.房地產(chǎn)市場理性泡沫分析[J].經(jīng)濟(jì)研究，2003(03):34-43.

[5]Keran M W.Expectations，money，and the stock market[J].Federal Reserve Bank of St.Louis Review，1971(January 1971)

[6]Chen N K.Asset price fluctuations in Taiwan:evidence from stock and real estate prices 1973 to 1992[J].Journal of Asian Economics，2001.12(2):215-232.

[7]Greiber C，Setzer R.Money and housing:Evidence for the Euro Area and the US[R].Deutsche Bundesbank Discussion Paper，2007.

[8]梁云芳，高鐵梅，賀書平.房地產(chǎn)市場與國民經(jīng)濟(jì)協(xié)調(diào)發(fā)展的實(shí)證分析[J].中國社會科學(xué)，2006(3):74-84.

[9]肖本華.投資成本、信貸擴(kuò)張與資產(chǎn)價格[J].世界經(jīng)濟(jì)，2008(9):66-73.

[10]桂荷發(fā)，鄒朋飛，嚴(yán)武.銀行信貸與股票價格動態(tài)關(guān)系研究[J].金融論壇，2008(11):46-52.

[11]王曉明.銀行信貸與資產(chǎn)價格的順周期關(guān)系研究[J].金融研究，2010(3):45-55.

[12]方意，趙勝民，謝曉聞.貨幣政策的銀行風(fēng)險承擔(dān)分析——兼論貨幣政策與宏觀審慎政策協(xié)調(diào)問題[J].管理世界，2012(11):9-19.

[13]Minsky H.The financial instability hypothesis[J].The Jerome Levy Economics Institute Working Paper，1992(74)

[14]Dell A G，Marquez R.Lending booms and lending standards[J].The Journal of Finance，2006.61(5):2511-2546.

[15]Borio C EV，Lowe P W.Asset prices，financial and monetary stability:exploring the nexus[J].BIS Working Paper，2002

[16]皮舜.中國房地產(chǎn)市場與金融市場的Granger因果關(guān)系分析[J].系統(tǒng)工程理論與實(shí)踐，2004(12):29-33.

[17]馬勇，楊棟，陳雨露.信貸擴(kuò)張、監(jiān)管錯配與金融危機(jī):跨國實(shí)證[J].經(jīng)濟(jì)研究，2009(12):93-105.

[18]Gujarati D N.Basic Econometrics.4th:New York:McGraw-Hill，2003

[19]Sims C A.Money，income，and causality[J].The A-merican Economic Review，1972:540-552.

[20]Abdullah D A，Rangazas P C.Money and the business cycle:another look[J].The Review of Economics and statistics，1988:680-685.

[21]Cooley T F，LeRoy S F.Atheoretical macroeconometrics:a critique[J].Journal of Monetary Economics，1985.16(3):283-308.

[22]Swanson N R，Granger C W J.Impulse response functions based on a causal approach to residual orthogonalization in vector autoregressions[J].Journal of the A-merican Statistical Association，1997，92(437):357-367.

[23]Pesaran M H.Generalized impulse response analysis in linear multivariate models[J].Economics letters，1998.58(1):17-29.

[24]Bernanke B S.Alternative explanations of the moneyincome correlation:Elsevier，1986.49-99.

[25]Pearl J.Causal diagrams for empirical research[J].Biometrika，1995.82(4):669-688.

[26]Spirtes P，Glymour C N，Scheines R.Causation，prediction，and search[M]:MIT press，2000.

[27]Bessler D A，Yang J.The structure of interdependence in international stock markets[J].Journal of international money and finance，2003，22(2):261-287.

[28]Awokuse T O.Export-led growth and the Japanese economy:evidence from VAR and directed acyclic graphs[J].Applied Economics Letters，2005，12(14):849-858.

[29]Yang J，Guo H，Wang Z J.International transmission of inflation among G-7 countries:A data-determined VAR analysis[J].Journal of Banking ＆ Finance，2006，30(10):2681-2700.

[30]吳文鋒，靳瑩.基于DAG方法的物價波動國際間傳導(dǎo)研究[J].中國管理科學(xué)，2008(S1):481-485.

[31]楊子暉.財政政策與貨幣政策對私人投資的影響研究——基于有向無環(huán)圖的應(yīng)用分析[J].經(jīng)濟(jì)研究，2008(5):81-93.

[32]周泳宏，鄧衛(wèi)廣.聚集條件下的多企業(yè)間外溢效應(yīng)——基于 DAG與 Granger的面板分析[J].經(jīng)濟(jì)學(xué)，2010，9(001):533-552.

[33]Sims C A.Macroeconomics and reality[J].Econometrica:Journal of the Econometric Society，1980:1-48.

[34]Sims C A.Are forecasting models usable for policy analysis?[J].Federal Reserve Bank of Minneapolis Quarterly Review，1986，10(1):2-16.

[35]Rothenberg T J.Identification in Parametric Model，1971.577-591.

[36]Bessler D A，Wang Z J.D-separation，forecasting，and economic science:a conjecture[J].Theory and decision，2012，73(2):295-314.

[37]Kwon D H，Bessler D A.Graphical methods，inductive causal inference，and econometrics:a literature review[J].Computational Economics，2011，38(1):85-106.

[38]Pearl J.Causality:models，reasoning and inference[M].Cambridge Univ Press，2000.

[39]周京奎.房地產(chǎn)價格波動與投機(jī)行為——對中國14城市的實(shí)證研究[J].當(dāng)代經(jīng)濟(jì)科學(xué)，2005(4):19-24.

[40]姜春海.中國房地產(chǎn)市場投機(jī)泡沫實(shí)證分析[J].管理世界，2005(12):71-84.

[41]譚政勛，魏琳.信貸擴(kuò)張、房價波動對金融穩(wěn)定的影響[J].當(dāng)代財經(jīng)，2010(9):44-51.