郭娜+章倩+周揚(yáng)

摘要：面對處于高位的房地產(chǎn)市場，我國政府開啟了新一輪嚴(yán)苛的房地產(chǎn)市場調(diào)控，然而房價(jià)卻出現(xiàn)下行困難的高價(jià)格粘性局面，使得我國金融與宏觀經(jīng)濟(jì)穩(wěn)定受到威脅。本文構(gòu)建了包含房地產(chǎn)部門的系統(tǒng)性金融風(fēng)險(xiǎn)內(nèi)生化DSGE模型，分別考察了在不同房價(jià)粘性下，杠桿率等金融變量和宏觀經(jīng)濟(jì)變量在面對不同外生沖擊時(shí)的動態(tài)響應(yīng)。研究結(jié)果表明：技術(shù)沖擊使房價(jià)、產(chǎn)出和通貨膨脹等宏觀變量呈現(xiàn)正向響應(yīng)，使系統(tǒng)性金融風(fēng)險(xiǎn)和風(fēng)險(xiǎn)溢價(jià)呈現(xiàn)負(fù)向響應(yīng)；緊縮的貨幣政策沖擊使房價(jià)和產(chǎn)出等宏觀經(jīng)濟(jì)變量下降，杠桿率和系統(tǒng)性金融風(fēng)險(xiǎn)水平上升。此外，不同的房價(jià)粘性情況下，金融變量和宏觀經(jīng)濟(jì)變量對外生沖擊的響應(yīng)程度存在差異。高房價(jià)粘性情況下偏離穩(wěn)態(tài)的幅度較小，同時(shí)高房價(jià)粘性的存在會影響貨幣政策對房地產(chǎn)市場的調(diào)控效果。本文研究結(jié)論對我國房地產(chǎn)市場有效調(diào)控和降低系統(tǒng)性金融風(fēng)險(xiǎn)、實(shí)現(xiàn)我國宏觀經(jīng)濟(jì)穩(wěn)定具有重要政策啟示。

關(guān)鍵詞：房價(jià)“粘性”；系統(tǒng)性金融風(fēng)險(xiǎn)；宏觀經(jīng)濟(jì)波動；DSGE模型

文獻(xiàn)標(biāo)識碼：A文章編號：100228482017（06）000710

一、 引言

近年來，我國房地產(chǎn)市場日趨繁榮，房地產(chǎn)投資在我國國民經(jīng)濟(jì)中的占比也在不斷提高。房地產(chǎn)投資占國內(nèi)生產(chǎn)總值（GDP）的比重從2003年的739%上升到2015年的1418%。2016年9月，中國房地產(chǎn)總市值占GDP的比例為411%，遠(yuǎn)高于國際上260%的平均水平。然而，伴隨著房地產(chǎn)市場的蓬勃發(fā)展，我國商品房價(jià)格也在快速攀升，逐步形成了非理性的上漲局面。2016年年初，政府針對居民部門實(shí)施了降低首付、以房抵貸、首付貸等加杠桿政策，我國各地的房地產(chǎn)價(jià)格又開始了新一輪上漲。2016年9月，根據(jù)中國統(tǒng)計(jì)局公布的數(shù)據(jù)，全國100個(gè)大中城市新建住宅平均價(jià)格為12617元/平方米，其中有81個(gè)城市的新建住宅平均價(jià)格實(shí)現(xiàn)環(huán)比上漲，環(huán)比漲幅283%，同比漲幅達(dá)1664%；北京、上海、深圳等一線城市房價(jià)甚至出現(xiàn)失控局面，同比上漲25%～45%，房價(jià)遠(yuǎn)超歷史同期水平。2017年3月，新一輪嚴(yán)苛的限購限貸政策再次啟動，全國多地樓市調(diào)控政策密集出臺，房價(jià)出現(xiàn)小幅度的回落，但熱點(diǎn)城市仍保持較高的房價(jià)。房地產(chǎn)市場逐步形成了下行困難的高價(jià)格粘性局面。如何在對整體房價(jià)維穩(wěn)基礎(chǔ)上，進(jìn)一步加強(qiáng)對房地產(chǎn)市場的有效調(diào)控，防范系統(tǒng)性金融風(fēng)險(xiǎn)，將成為下一階段國家重點(diǎn)關(guān)注的問題。

國內(nèi)眾多理論認(rèn)為房地產(chǎn)市場的價(jià)格泡沫是引發(fā)金融不穩(wěn)定、導(dǎo)致宏觀經(jīng)濟(jì)波動的主要原因[14]。2016年12月，中央經(jīng)濟(jì)工作會議強(qiáng)調(diào)，要把防控金融風(fēng)險(xiǎn)放到更加重要的位置，并進(jìn)一步明確住房的居住定位，在支持居民自住購房的同時(shí)更加注重抑制投資投機(jī)需求；2017年4月，中央再次強(qiáng)調(diào)金融安全是關(guān)系經(jīng)濟(jì)社會發(fā)展的戰(zhàn)略性、根本性的大事，并明確提出加強(qiáng)構(gòu)建防范系統(tǒng)性金融風(fēng)險(xiǎn)的格局。那么，在目前我國房地產(chǎn)市場高位徘徊的背景下，房地產(chǎn)價(jià)格波動對系統(tǒng)性金融風(fēng)險(xiǎn)乃至宏觀經(jīng)濟(jì)波動有著怎樣影響？在不同的房價(jià)粘性下，這種影響是否不同？2016年3月7日，北京大學(xué)經(jīng)濟(jì)學(xué)院曹和平教授等幾十位學(xué)者在《兩會專家談》中發(fā)文探討新常態(tài)下中國經(jīng)濟(jì)的轉(zhuǎn)型之路，曹和平表示：“中國房地產(chǎn)存在結(jié)構(gòu)性泡沫，且房價(jià)具有粘性價(jià)格特征?！睂@些問題的回答對于完善我國房地產(chǎn)市場調(diào)控、維護(hù)金融穩(wěn)定無疑具有重要的理論和現(xiàn)實(shí)意義。鑒于此，本文構(gòu)建了包含房地產(chǎn)部門的系統(tǒng)性金融風(fēng)險(xiǎn)內(nèi)生化動態(tài)隨機(jī)一般均衡（DSGE）模型，探討在不同的房價(jià)粘性下系統(tǒng)性金融風(fēng)險(xiǎn)與宏觀經(jīng)濟(jì)風(fēng)險(xiǎn)的變動情況，同時(shí)對我國貨幣政策維護(hù)金融穩(wěn)定和調(diào)控房地產(chǎn)市場的作用效果進(jìn)行了評價(jià)，以期為我國宏觀經(jīng)濟(jì)政策的進(jìn)一步有效實(shí)施提供理論依據(jù)。

本文主要內(nèi)容由以下幾部分構(gòu)成。第二部分是文獻(xiàn)綜述；第三部分是理論模型，介紹了本文DSGE模型的建立；第四部分是實(shí)證分析；第五部分是本文的研究結(jié)論與政策建議。二、 文獻(xiàn)綜述

關(guān)于資產(chǎn)價(jià)格與金融穩(wěn)定之間的關(guān)系，早期研究多集中于探討銀行信貸在資產(chǎn)價(jià)格波動引發(fā)系統(tǒng)性金融風(fēng)險(xiǎn)中的核心作用[58]。有關(guān)房地產(chǎn)價(jià)格與系統(tǒng)性金融風(fēng)險(xiǎn)關(guān)系的研究起源于2008年金融危機(jī)爆發(fā)后。Goetzmann等人通過實(shí)證分析發(fā)現(xiàn)，房地產(chǎn)市場里的潛在家庭存在理性預(yù)期，他們會根據(jù)歷史的房價(jià)景氣指數(shù)來預(yù)測未來房地產(chǎn)價(jià)格和抵押風(fēng)險(xiǎn)從而加快房價(jià)波動對系統(tǒng)性金融風(fēng)險(xiǎn)的傳導(dǎo)速度[9]。Beatrice等人研究表明，評級機(jī)構(gòu)的虛增評級使房地產(chǎn)價(jià)格的波動形成泡沫，大量金融衍生產(chǎn)品的出現(xiàn)則在一定程度上加劇了房價(jià)泡沫對金融市場的沖擊[10]。Castelnuovo和Nisticò運(yùn)用DSGE模型探討了房價(jià)波動對系統(tǒng)性金融風(fēng)險(xiǎn)的傳導(dǎo)效應(yīng)，發(fā)現(xiàn)包括房價(jià)在內(nèi)的資產(chǎn)價(jià)格波動與金融穩(wěn)定呈負(fù)相關(guān)關(guān)系[11]。Pan和Wang利用面板門限向量自回歸的方法，構(gòu)建了不同的門限約束，詳細(xì)地闡述了房價(jià)波動對系統(tǒng)性金融風(fēng)險(xiǎn)影響的傳導(dǎo)過程[12]。Nicola等人構(gòu)建了一個(gè)包含影子銀行的理論模型，得出的結(jié)論是，當(dāng)家庭和中介機(jī)構(gòu)忽視尾部風(fēng)險(xiǎn)時(shí)，影子銀行會引發(fā)風(fēng)險(xiǎn)貸款的擴(kuò)張和中介機(jī)構(gòu)風(fēng)險(xiǎn)的集中，增強(qiáng)金融市場的脆弱性，促使房地產(chǎn)價(jià)格波動引發(fā)金融危機(jī)[13]。

國內(nèi)關(guān)于資產(chǎn)價(jià)格與金融穩(wěn)定關(guān)系的研究始于1997年東南亞金融危機(jī)[1416]。隨著2008年金融危機(jī)的爆發(fā)，更多的學(xué)者開始注意到房價(jià)與金融穩(wěn)定之間的密切聯(lián)系。葛奇從次貸危機(jī)的動因出發(fā)，進(jìn)行詳細(xì)的理論分析及數(shù)據(jù)對比，發(fā)現(xiàn)房地產(chǎn)市場的泡沫以及次級房屋貸款的發(fā)放是引發(fā)金融危機(jī)的根源[17]。郭娜和梁琪采用隨機(jī)游走濾波方法與相關(guān)度分析方法相結(jié)合，對房地產(chǎn)市場周期與金融穩(wěn)定之間的關(guān)系進(jìn)行了深入研究，認(rèn)為不斷積累的房地產(chǎn)市場風(fēng)險(xiǎn)將威脅到我國的金融穩(wěn)定[18]。張寶林和潘煥學(xué)采用結(jié)構(gòu)向量自回歸（SVAR）模型，觀察并分析了我國2003—2015年的房地產(chǎn)銷售價(jià)格指數(shù)并引入“影子銀行”和金融壓力指數(shù)，發(fā)現(xiàn)“影子銀行”等金融衍生產(chǎn)品是加劇房地產(chǎn)泡沫、誘發(fā)系統(tǒng)性風(fēng)險(xiǎn)的根源[19]。羅娜和程方楠則通過構(gòu)建新凱恩斯主義的DSGE模型，探討房價(jià)波動的宏觀審慎政策與貨幣政策協(xié)調(diào)效應(yīng)分析，旨在提高房地產(chǎn)市場調(diào)控的有效性，防范系統(tǒng)性金融風(fēng)險(xiǎn)[20]。國內(nèi)外學(xué)者研究角度多樣，從各個(gè)層面探究了房價(jià)波動與金融穩(wěn)定，乃至宏觀經(jīng)濟(jì)波動之間的關(guān)系，然而大多數(shù)前期研究僅僅探討了房價(jià)變動與金融穩(wěn)定之間的動態(tài)關(guān)系，卻未深入討論在不同的房價(jià)變動機(jī)制下金融與宏觀經(jīng)濟(jì)風(fēng)險(xiǎn)的變動情況，這也就無法為進(jìn)一步調(diào)控房地產(chǎn)市場及宏觀審慎政策的實(shí)施提供理論依據(jù)。endprint

在研究方法上，前期文獻(xiàn)大多采用風(fēng)險(xiǎn)價(jià)值模型（VaR）、CoVaR、TVAR和FAVAR等方法研究房價(jià)波動與金融穩(wěn)定乃至宏觀經(jīng)濟(jì)波動的關(guān)系。沈悅和郭培利分別建立了門限向量自回歸（TVAR）模型與FAVAR模型對房價(jià)和金融穩(wěn)定的結(jié)構(gòu)以及機(jī)制效果進(jìn)行解析[3]。這些研究都對房價(jià)與金融穩(wěn)定之間的關(guān)系提供了重要的理論視角與研究方法，但仍存在一定的局限性。首先，單一分析房價(jià)或房地產(chǎn)市場與金融穩(wěn)定或金融風(fēng)險(xiǎn)之間的關(guān)系都不足以反映出房價(jià)變動或金融穩(wěn)定之間產(chǎn)生的經(jīng)濟(jì)效應(yīng)全貌，忽略了對整個(gè)經(jīng)濟(jì)主體的考量，可能會得出完全相反的結(jié)論；其次，當(dāng)經(jīng)濟(jì)個(gè)體面臨金融風(fēng)險(xiǎn)以及房價(jià)變動時(shí)，會根據(jù)新的經(jīng)濟(jì)環(huán)境改變其經(jīng)濟(jì)行為，以符合“理性預(yù)期”，這就會導(dǎo)致以回歸分析為基礎(chǔ)的研究對政策分析失效。相對而言，建立一個(gè)以理性預(yù)期為核心的具有微觀基礎(chǔ)的DSGE模型不僅能夠避免上述問題，還能夠?qū)?jīng)濟(jì)進(jìn)行數(shù)值模擬，已經(jīng)成為宏觀經(jīng)濟(jì)研究的基本方法。國內(nèi)運(yùn)用DSGE模型研究相關(guān)問題的文獻(xiàn)較為豐富[2122]，然而這些研究都從一般均衡的角度出發(fā)，將房價(jià)置于經(jīng)濟(jì)體系的框架下，對金融風(fēng)險(xiǎn)的描述都簡單地認(rèn)定為經(jīng)濟(jì)波動，并未將系統(tǒng)性金融風(fēng)險(xiǎn)作為一個(gè)獨(dú)立的變量納入模型當(dāng)中。對系統(tǒng)性金融風(fēng)險(xiǎn)加以內(nèi)生化可以衡量任何時(shí)期經(jīng)濟(jì)體的風(fēng)險(xiǎn)承擔(dān)情況，從而能夠更好地觀測經(jīng)濟(jì)體的風(fēng)險(xiǎn)狀況[2325]。因此，本文構(gòu)建了系統(tǒng)性金融風(fēng)險(xiǎn)內(nèi)生化的DSGE模型，并設(shè)置不同的房價(jià)粘性系數(shù)來考察在不同房價(jià)粘性下，當(dāng)經(jīng)濟(jì)體受到不同的外生沖擊時(shí)金融變量與宏觀經(jīng)濟(jì)變量的變動情況，以期得出更加準(zhǔn)確和富有政策啟示的結(jié)論。三、 理論模型

參考Stefan等的研究[2526]，我們構(gòu)建一個(gè)資本限制金融中介的動態(tài)新凱恩斯一般均衡模型。資本限制的金融中介的非線性傳導(dǎo)效應(yīng)近似成一個(gè)三階擾動函數(shù)，這樣就可以將其置于一個(gè)名義與實(shí)際摩擦的DSGE模型之中。我們假設(shè)時(shí)間是離散的，用t來表示。同時(shí)假設(shè)經(jīng)濟(jì)體分為三個(gè)部門：家庭部門、金融中介部門和產(chǎn)品生產(chǎn)部門。家庭部門不能直接購買住房而是通過購買金融中介部門的債券與股票來間接持有住房。原因在于，假設(shè)存在有限的市場參與，即市場中存在信息交易成本，導(dǎo)致家庭無法直接進(jìn)行住房投資[5，23]；股本屬于經(jīng)理人經(jīng)營的金融中介所有，金融中介機(jī)構(gòu)面臨股權(quán)資本約束，我們定義金融中介既包括商業(yè)銀行，也包括非銀行的金融機(jī)構(gòu)（如投資銀行、對沖基金和私募股權(quán)基金）。模型基本結(jié)構(gòu)如圖1所示。

（一）家庭部門

一個(gè)代表性家庭最大化其期望效用：

Ut=E0∑∞t=0βtu（Ct，Lt）（1）

式中，β代表折現(xiàn)因子，Ct和Lt分別代表消費(fèi)和勞動力。瞬時(shí)效用函數(shù)消除了財(cái)富效應(yīng)對勞動力供給的影響，定義如下：

u（Ct，Lt）=（Ct-hCt-1-φL1+Lt/（1+L））1-σ-11-σ（2）

式中，σ代表跨期替代彈性的倒數(shù)，1/L代表勞動力供給的弗里希彈性。參數(shù)φ>0用于解釋Lt的穩(wěn)態(tài)，h用來衡量消費(fèi)中的外部消費(fèi)習(xí)慣。

家庭的最大化目標(biāo)函數(shù)受如下跨期預(yù)算約束①的限制：

Wt=wntLt-PtCt+Vt-1+Rft-1Bt-1+Dκt-

0.5cwπ2w，t（3）

式中，Wt代表金融財(cái)富，wt=wnt/Pt是以最終消費(fèi)代表的實(shí)際工資，Pt代表最終消費(fèi)束的價(jià)格，最后一項(xiàng)表示名義工資調(diào)整成本。雖然家庭部門會得到資本生產(chǎn)商的回扣從而獲得利潤Dκt，但我們假定家庭無法直接擁有股本。相反，家庭將其財(cái)富投資于由金融部門直接發(fā)行的無風(fēng)險(xiǎn)和有風(fēng)險(xiǎn)資產(chǎn)。

詳細(xì)來講，家庭財(cái)富的最小一部分λ投資于無風(fēng)險(xiǎn)存款Bt，用于交易和流動性服務(wù)并賺取總實(shí)際

①該預(yù)算約束同時(shí)也可以寫成Wt=Pt（wtLt-Ct）+RwtWt-1+Dκt，其中Rwt=Rft（1-αt-1）+tαt-1是無風(fēng)險(xiǎn)的加權(quán)平均值，而風(fēng)險(xiǎn)回報(bào)的權(quán)重為αt-1=Vt/Wt。收益Rft-1=（1+it-1），其中，it-1是名義無風(fēng)險(xiǎn)利率。實(shí)際無風(fēng)險(xiǎn)利率通過標(biāo)準(zhǔn)歐拉方程無風(fēng)險(xiǎn)利率可以簡單地定義為Rrt=1βEtuc，t+1uc，t。來控制家庭部門的消費(fèi)儲蓄選擇：

βEtuc，t+1uc，t1+it1+πt+1=1（4）

式中，πt代表消費(fèi)價(jià)格Pt的通貨膨脹率，同時(shí)我們給出了消費(fèi)的邊際效用uc，t=[Ct-hCt-1-φL1+Lt/（1+L）]-σ。

另一部分（1-λ）被投資于獲得隨機(jī)回報(bào)為t的風(fēng)險(xiǎn)金融資產(chǎn)Vt中，或者用于存款。這兩種回報(bào)都是給定的。家庭是否選擇投資于一個(gè)金融中介的風(fēng)險(xiǎn)金融投資組合取決于金融中介的“聲譽(yù)”et。在是穩(wěn)態(tài)財(cái)富的情況下，對于每一個(gè)金融中介，我們假設(shè)以下關(guān)系成立：

Vt=min{et-1，（1-λ）γW1-γt}（5）

當(dāng)γ=1時(shí)，在經(jīng)濟(jì)繁榮期，投資于風(fēng)險(xiǎn)資產(chǎn)的家庭財(cái)富份額是不變的，為αt≡Vt/Wt=1-λ。然而，在經(jīng)濟(jì)蕭條期，金融部門脆弱性加強(qiáng)，股權(quán)αt隨著et的下降而下降。我們發(fā)現(xiàn)，γ=1與金融部門杠桿的順周期性這一經(jīng)驗(yàn)觀察相一致。

非線性模型應(yīng)當(dāng)傾向于從全局的角度來求最優(yōu)解，但是由于存在“維數(shù)詛咒”問題，因此這種方法只適用于包含有限數(shù)量的狀態(tài)變量的小型模型。我們用一個(gè)可微的函數(shù)來代替偶然的緊約束。具體表示如下：Vt=（1-λ）γW1-γt1+γ1St-1-S。它能夠顯示股權(quán)約束的本質(zhì)特征，即在經(jīng)濟(jì)衰退期會提高股權(quán)籌資的成本。

最后，我們描述工資設(shè)定和勞動力供給。消費(fèi)和閑暇之間的邊際替代率由邊際效用的比率給出：

mrst=φLLt（6）

遵循新凱恩斯主義的設(shè)定，我們假設(shè)家庭具有設(shè)定其名義工資的市場力量，使得以最終消費(fèi)品價(jià)格表示的名義工資為家庭部門的勞動的邊際替代率的一個(gè)加成水平：

Wnt=μw，tmrst（7）endprint

而工資的加成水平μw，t=πtwt/wt-1由設(shè)定工資的名義剛性決定，這也使得工資菲利普斯曲線控制工資通貨膨脹πw，t=πtwt/wt-1。

πw，t=（1-γw）Etπw，t-1-κw（μw，t-μss）（8）

工資通貨膨脹的成本產(chǎn)生自家庭部門，相當(dāng)于家庭的損失，即0.5cwπ2w，t。參數(shù)cw是κw的一個(gè)函數(shù)，以至于按照Rotemberg和Calvo的一階近似調(diào)整成本將給出相同的動態(tài)效應(yīng)。

（二）產(chǎn)品生產(chǎn)部門

遵循新凱恩斯主義框架，存在一個(gè)連續(xù)的壟斷廠商根據(jù)技術(shù)生產(chǎn)差異化的商品：

Yt=AtLαtκ1-αt-1-（9）

給定私人企業(yè)的產(chǎn)出需求為y*t=（p*t/Pt）-ε·Yt。實(shí)物資本給定為：

Kt=（1-δ）Kt-1+It（10）

但是，由于企業(yè)歸金融中介所有，投資決策It實(shí)質(zhì)上由金融中介決定。

勞動力市場需求表示如下：

wt=mctαAtLα-1tK1-αt（11）

企業(yè)面臨著一個(gè)Rotemberg形式的調(diào)整成本，該調(diào)整成本由參數(shù)cp決定，代表著如下價(jià)格通脹的非線性菲利普斯曲線：

cpπt（1+πt）+（ε-1）Yt=

εmctYt+βEtcpπt+1（1+πt+1）（12）

參數(shù)cp是傳統(tǒng)的新凱恩斯主義菲利普斯曲線的參數(shù)κp的一個(gè)函數(shù)，按照Rotemberg和Calvo形式的一階近似調(diào)整成本將給出相同的動態(tài)效應(yīng)。邊際成本mc是要素價(jià)格（工資和租金率）和全要素生產(chǎn)率的函數(shù)：

mct=wαtr1-ακ，tAtαα（1-α）1-α（13）

全要素生產(chǎn)率是一個(gè)分別由臨時(shí)的沖擊εAt和持續(xù)的沖擊εgt所控制的固定外生過程：

At=gt+ρAA+（1-ρA）At-1+σAεAt（14）

gt=ρggt-1+σgεgt（15）

（三）房地產(chǎn)部門

房地產(chǎn)部門通過購買舊的投資品It來生產(chǎn)新的房地產(chǎn)并以價(jià)格Qt出售給金融中介。由于新舊房地產(chǎn)之間沒有差別，房地產(chǎn)存量的實(shí)際價(jià)值可以簡單定義為qtKt，其中，qt=Qt/Pt。因此，中介的房地產(chǎn)估值qt也會帶動投資。在qt給定的情況下，通過選擇投資來最大化下式：

maxItqtt-It-Φ（It/Kt，Kt）（16）

式中，Φ（It/Kt，Kt）=0.5κ（It/Kt-δ）2Kt。這種二階調(diào)整成本取決于加總成本，其中κ代表房地產(chǎn)價(jià)格的粘性系數(shù)，在這種技術(shù)水平下，一單位新的房地產(chǎn)投資就等于用作生產(chǎn)新房地產(chǎn)投資的舊投資量t=It。最優(yōu)條件為：

It/Kt=δ+qt-1κ（17）

房地產(chǎn)部門將利潤返還給家庭部門，該利潤在確定穩(wěn)態(tài)下為0：

Dκt=qtIt-It-Φ（It/Kt，Kt）=

（qt-1）δ+qt-12κKt

（四）金融中介部門

金融中介所有權(quán)和控制權(quán)分離，經(jīng)理人（管理人員）享有對金融中介所有投資的決策權(quán)。一般情況下，經(jīng)理人通過兩種方式從家庭部門籌集資金用于購買資本，即股權(quán)和債權(quán)Wt=Vt+Bt。經(jīng)理人的目標(biāo)在于最大化聲譽(yù)，該種聲譽(yù)基于該中介結(jié)構(gòu)發(fā)行股權(quán)所獲得的實(shí)際收益的歷史狀況：

et=et-1mt（18）

式中，m>0代表用于描述經(jīng)理人風(fēng)險(xiǎn)厭惡程度的常數(shù)，代表金融中介風(fēng)險(xiǎn)投資組合的實(shí)際回報(bào)率，資金成本如下：

t=θt-1Rt-（θt-1-1）（1+τt）Rft-1=

Rt+（θt-1-1）（Rt-（1+τt）Rft-1）（19）

參考Hans和Raf的研究[24]，我們用θt來度量系統(tǒng)性金融風(fēng)險(xiǎn)。θt>1代表金融中介杠桿率，它放大了投資回報(bào)率Rt。換句話說，θt是資產(chǎn)和金融中介權(quán)益的比率，（θt-1）為債務(wù)權(quán)益比。在均衡條件下，有θt=Wt/Vt和θt-1=Bt/Vt。當(dāng)股本溢價(jià)為正時(shí)，EtRt+1-Rft>0，更高的杠桿率有望提高金融中介機(jī)構(gòu)的股本回報(bào)率。在這種情況下，政府的宏觀審慎工具τt有效，在下文將會詳細(xì)闡述。

最優(yōu)杠桿率由經(jīng)理人最大化預(yù)期終身對數(shù)“聲譽(yù)”來決定，這與傳統(tǒng)的均值方差組合策略相一致：

θt=tRt+1-RftmVart（Rt+1）（20）

式中，tRt+1=EtRt+1+vt，vt遵循一階自回歸過程。實(shí)現(xiàn)的投資回報(bào)率為：

Rt=qtKt+Dtqt-1Kt-1（21）

式中，Dt來自公司的股息，即Dt=Yt-δKt-wtLt。夏普比率定義為投資的風(fēng)險(xiǎn)溢價(jià)除以其自身的風(fēng)險(xiǎn)：

Sαt=mθtσRt+1（22）

式中，σRt+1=Vart（Rt+1）。夏普比率等于中介機(jī)構(gòu)投資組合的風(fēng)險(xiǎn)θtσRt+1乘以金融中介的風(fēng)險(xiǎn)規(guī)避系數(shù)m。中介機(jī)構(gòu)在其投資組合中承擔(dān)的風(fēng)險(xiǎn)越高，夏普比率越大。

考慮資本約束的放大效應(yīng)十分有益。如果et<（1-λ）γW1-γt，則金融中介只需要籌集Vt=et的股權(quán)。在這種狀態(tài)下，負(fù)沖擊的影響減少了Wt=qtKt，但會通過兩個(gè)渠道減少更多的et=Vt。首先，由于中介部門被杠桿化，股本回報(bào)是中介部門資產(chǎn)的內(nèi)在收益的倍數(shù)；其次，由于金融中介的風(fēng)險(xiǎn)厭惡程度m大于1（et=et-1mt），因此，聲譽(yù)et與資本回報(bào)之間將不再一一對應(yīng)。因此，當(dāng)資本為緊約束時(shí)，負(fù)面沖擊會被放大進(jìn)而導(dǎo)致杠桿率上升。更高的杠桿率意味著資本投資的夏普比率更高，這反過來意味著資本的價(jià)格必須更低，旨在提供更高的預(yù)期回報(bào)。較低的資本價(jià)格也將反過來壓低投資，該投資取決于資本品價(jià)值的大小。

（五）貨幣政策endprint

假設(shè)貨幣當(dāng)局根據(jù)簡單的泰勒規(guī)則設(shè)定短期名義利率，其中無風(fēng)險(xiǎn)名義利率對其滯后值、價(jià)格和工資通貨膨脹、經(jīng)濟(jì)活動的度量以及杠桿率度量t做出反應(yīng)。

it=iit-1+（1-i）（ππet+xxt+θt）+εmt（24）

πet=（1-w）πt+wπwt（25）

式中，πet是一個(gè)反映工資和價(jià)格通貨膨脹的復(fù)合指標(biāo)在具有固定價(jià)格和工資的模型中，在某些條件下，我們可以證明復(fù)合通貨膨脹做出的反應(yīng)是最佳的。在我們的基礎(chǔ)設(shè)定中，參數(shù)w≈0.5給出了良好的福利表現(xiàn)。。我們還附加了貨幣政策沖擊εmt，在研究貨幣政策傳導(dǎo)機(jī)制時(shí)可能存在自相關(guān)。

（六）均衡條件和加總

商品市場出清代表產(chǎn)出全部被消費(fèi)或用于投資，可以表示如下：

Yt=Ct+It+12κ（it-δ）2Kt+12（cpπ2t+cwπ2w，t）（27）

金融行業(yè)投資組合的價(jià)值必須等于整個(gè)家庭在金融中介機(jī)構(gòu)的金融投資，即：

QtKt=Wt=Vt+Bt（28）

整個(gè)金融中介部門的加總“聲譽(yù)”為St。由于給定的經(jīng)理人可能在任意時(shí)期以一個(gè)固定的泊松分布η>0下的泊松強(qiáng)度參數(shù)下死亡，所以金融部門的加總聲譽(yù)的變動規(guī)律表示為：

St=St-1（mt-η）（29）

進(jìn)一步，在均衡條件下，整體金融部門的權(quán)益可以表示如下：

Vt=min{St，（1-λ）1-γWγt}（30）四、 實(shí)證分析

（一）參數(shù)校準(zhǔn)

為了對我國的實(shí)際經(jīng)濟(jì)情況進(jìn)行模擬分析，本文采用數(shù)據(jù)校準(zhǔn)的方法，從國內(nèi)學(xué)者對我國的經(jīng)濟(jì)進(jìn)行實(shí)證分析的數(shù)據(jù)中選取相應(yīng)的參數(shù)。對于標(biāo)準(zhǔn)DSGE模型中常見的參數(shù)，我們對多篇文獻(xiàn)的取值進(jìn)行了比較，確定了響應(yīng)的參數(shù)值；對于本文中特有且國內(nèi)前期研究較少的參數(shù)，我們選取國外文獻(xiàn)重點(diǎn)的參數(shù)并說明其適應(yīng)性。參數(shù)的含義及校準(zhǔn)值的選取參見表1。

（二）脈沖響應(yīng)分析

本文將分別使用1%的正向技術(shù)沖擊、1%的正向貨幣政策沖擊來考察在不同房地產(chǎn)價(jià)格粘性水平下，金融變量（中介機(jī)構(gòu)經(jīng)理人聲譽(yù)、總資產(chǎn)、杠桿率、權(quán)益、風(fēng)險(xiǎn)溢價(jià)、房價(jià)）與宏觀經(jīng)濟(jì)變量（投資、消費(fèi)、產(chǎn)出、工資總額、收益、工資、總通貨膨脹、實(shí)際短期利率）分別對兩種沖擊的變動情況。表1模型中校準(zhǔn)值的參考依據(jù)參數(shù)含義校準(zhǔn)值校準(zhǔn)值參考β貼現(xiàn)系數(shù)0.990國內(nèi)主要文獻(xiàn)將其設(shè)置為0.90～0.99之間，參見黃賾琳（2005）、劉斌（2008）、鄭挺國（2016）的測算，根據(jù)模型的穩(wěn)態(tài)條件，加之消費(fèi)習(xí)慣參數(shù)在歐拉方程中被消掉，故選擇0.99。h消費(fèi)習(xí)慣0.300消費(fèi)習(xí)慣，大多數(shù)都是通過估計(jì)結(jié)果得出，參見劉斌（2008）、郭新強(qiáng)等（2013）、杭斌（2013）、鄭挺國（2016）的估計(jì)，本文選擇0.300。ψ穩(wěn)態(tài)勞動2.940穩(wěn)態(tài)勞動，對于該參數(shù)的研究不同的學(xué)者存在較大的分歧，參見黃賾琳（2005）、鄧子基（2012）、康立（2014）、王玉鳳（2015）的研究，考慮到貝葉斯估計(jì)的后驗(yàn)結(jié)果受先驗(yàn)分布的影響較大，故我們采用鄧子基（2012）的設(shè)定，取值2.940。L逆弗里希勞動彈性1.000國內(nèi)主要文獻(xiàn)將其確定為0.2～6之間，參見陳學(xué)斌（2005）、侯成琪和龔六堂（2014）、陳詩一（2016）和謝超峰（2016）的研究，本文選取設(shè)定為1。σ跨期替代彈性1.000國內(nèi)主要文獻(xiàn)將其確定為1，參見黃賾琳（2005）、薛鶴翔（2010）、梅冬州等（2013）、謝超峰（2015）的研究，本文同樣設(shè)定為1。γw工資指數(shù)0.500國內(nèi)缺乏對該參數(shù)值設(shè)定方面的研究，因此根據(jù)Dewachter和Wouter（2014）以及Laseen等（2015）的設(shè)定，選擇0.5為校準(zhǔn)值。δ住房折舊率0.008參照陳彥斌和邱哲圣（2011）的研究。α勞動產(chǎn)出彈性0.650國內(nèi)主要文獻(xiàn)對其估計(jì)值都在0.5～0.7之間，參見張軍（2002）、崔光燦（2006）、謝綿陛（2013）、王玉鳳（2015）的研究，本文設(shè)定為0.650。Φ生產(chǎn)固定成本0.200參照Dewachter和Wouter（2014）以及Laseen等（2015）的設(shè)定。η金融中介退出率0.010該參數(shù)為本文特有的參數(shù)值，對金融中介退出率的研究相對較少，但對企業(yè)退出率的研究則較為豐富，參照袁申國（2011）、康立（2014）的企業(yè)退出率，及He和Krishnamurthy（2014）美國的中介機(jī)構(gòu)退出率，與本國實(shí)際經(jīng)驗(yàn)相匹配，設(shè)定為0.010。λ流動性服務(wù)份額0.926參照Dewachter和Wouter（2014）以及Laseen等（2015）的研究，與我國銀監(jiān)會數(shù)據(jù)相結(jié)合，設(shè)定為0926。m管理人風(fēng)險(xiǎn)厭惡3.000參照Dewachter和Wouter（2014）、Dewachter和Wouter（2014）、Laseen等（2015）的研究，設(shè)定為3。γ杠桿率周期性1.000參照Dewachter和Wouter（2014）以及Laseen等（2015）的研究，當(dāng)設(shè)定為1時(shí)，與金融部門的杠桿率是順周期的經(jīng)驗(yàn)觀測是一致的。κp價(jià)格粘性0.750參照崔光燦（2006）、康立（2014）、陳詩一（2016）、劉斌（2008）等的設(shè)定，選取0.750。κw工資粘性0.025參照徐建煒（2012）的研究。

1.不同房價(jià)粘性下金融變量對技術(shù)沖擊的響應(yīng)

圖2顯示了施加標(biāo)準(zhǔn)差為1%的正向技術(shù)沖擊時(shí)，金融變量在不同房地產(chǎn)價(jià)格粘性下的脈沖響應(yīng)情況。從圖中可以看出，正向技術(shù)沖擊使聲譽(yù)、資產(chǎn)、權(quán)益和房價(jià)在沖擊當(dāng)期相對于穩(wěn)態(tài)呈正向反應(yīng)，其中，聲譽(yù)、資產(chǎn)和房價(jià)在第1期迅速上升至頂點(diǎn)，隨后開始緩慢下降并趨于穩(wěn)態(tài)；權(quán)益自沖擊當(dāng)期開始迅速增長，在第3期達(dá)到峰值后逐步下降，回歸穩(wěn)態(tài)水平。這表明，正向的技術(shù)沖擊會使商業(yè)銀行等中介機(jī)構(gòu)的投資收益率上升，經(jīng)理人的聲譽(yù)提高[25]，家庭受資本約束的限制會傾向于以購買股權(quán)的方式將資金投入中介機(jī)構(gòu)，中介機(jī)構(gòu)權(quán)益資本增加，中介機(jī)構(gòu)能夠獲得充足的資金購買房地產(chǎn)，提高房地產(chǎn)的持有量，刺激房地產(chǎn)價(jià)格的上漲。另外，正向的技術(shù)沖擊導(dǎo)致風(fēng)險(xiǎn)溢價(jià)和杠桿率在沖擊當(dāng)期相對于穩(wěn)態(tài)水平呈負(fù)向反應(yīng)，隨后快速下降，在第3期達(dá)到最小值后緩慢上升，之后回歸穩(wěn)態(tài)。這表明，正向的技術(shù)沖擊在刺激房價(jià)上漲后會引發(fā)家庭對房地產(chǎn)市場的良好預(yù)期，提高家庭的風(fēng)險(xiǎn)偏好，家庭所要求的圖2不同房價(jià)粘性下金融變量對技術(shù)沖擊的響應(yīng)endprint

風(fēng)險(xiǎn)資產(chǎn)投資回報(bào)率降低，預(yù)期的風(fēng)險(xiǎn)溢價(jià)水平隨之降低，進(jìn)而帶來風(fēng)險(xiǎn)定價(jià)的下降，降低了系統(tǒng)性金融風(fēng)險(xiǎn)產(chǎn)生的可能性。從圖中還可以發(fā)現(xiàn)，相對于低房價(jià)粘性和中房價(jià)粘性，在高房價(jià)粘性下各個(gè)金融變量對技術(shù)沖擊的波動幅度較小。因?yàn)樵诟叻績r(jià)粘性下，房地產(chǎn)市場存在剛性需求，家庭風(fēng)險(xiǎn)偏好較為穩(wěn)定，家庭以購買股權(quán)的方式向中介機(jī)構(gòu)投入資金來購買房地產(chǎn)的需求程度變化不大，因此各個(gè)金融變量在技術(shù)沖擊下偏離穩(wěn)態(tài)的范圍較之低房價(jià)粘性和中房價(jià)粘性較小，這似乎與我國的房地產(chǎn)市場實(shí)際情況較為吻合。此外，房價(jià)這一變量在不同的房價(jià)粘性下波動幅度基本一致，主要因?yàn)榧夹g(shù)沖擊對房地產(chǎn)市場的影響程度不大，這與郝毅和李政[27]研究結(jié)論較為一致。

2.不同房價(jià)粘性下宏觀經(jīng)濟(jì)變量對技術(shù)沖擊的響應(yīng)

宏觀經(jīng)濟(jì)變量在不同房價(jià)粘性下的脈沖響應(yīng)情況。由圖中可以看出，正向的技術(shù)沖擊導(dǎo)致各個(gè)宏觀經(jīng)濟(jì)變量在當(dāng)期相對于穩(wěn)態(tài)水平均呈正向響應(yīng)。首先，產(chǎn)出、投資和收益在沖擊當(dāng)期迅速上升至峰值后緩慢下降，趨于穩(wěn)態(tài)。這表明，技圖3不同房價(jià)粘性下宏觀經(jīng)濟(jì)變量對技術(shù)沖擊的響應(yīng)

術(shù)的進(jìn)步會通過提高生產(chǎn)效率的方式刺激企業(yè)擴(kuò)大生產(chǎn)和投資規(guī)模，增加企業(yè)收益的同時(shí)帶動社會總產(chǎn)出水平的提高。其次，消費(fèi)和通貨膨脹自第1期快速上升，在第3期達(dá)到峰值后逐步下降，趨向穩(wěn)態(tài)。這表明，技術(shù)進(jìn)步帶來產(chǎn)出的增加進(jìn)而刺激消費(fèi)需求，使社會總需求量上升，帶來溫和的通貨膨脹。由于存在價(jià)格粘性，價(jià)格變動存在滯后性，因而通貨膨脹和消費(fèi)對技術(shù)沖擊的響應(yīng)呈駝峰型。再次，工資總額和工資在技術(shù)沖擊的作用下快速上漲，分別在第3期和第10期達(dá)到峰值后逐步回歸穩(wěn)態(tài)。這表明，產(chǎn)出增加引發(fā)勞動力市場供不應(yīng)求，企業(yè)提高單位工資價(jià)格，進(jìn)而吸引大量的勞動力進(jìn)入市場，帶來工資總額的增長。另外，利率在技術(shù)沖擊當(dāng)期快速上漲后迅速下降恢復(fù)穩(wěn)態(tài)。這表明，貨幣當(dāng)局會通過提高利率、緊縮銀根的貨幣政策來抑制社會總需求的膨脹，緩解經(jīng)濟(jì)過熱。從圖中還可以發(fā)現(xiàn)，相對于低房價(jià)粘性和中房價(jià)粘性，在高房價(jià)粘性下各個(gè)宏觀經(jīng)濟(jì)變量對技術(shù)沖擊的波動幅度較小。房價(jià)的高粘性特征導(dǎo)致房價(jià)下行困難，房地產(chǎn)市場的投資、消費(fèi)需求等對技術(shù)沖擊的響應(yīng)程度不大。

3.不同房價(jià)粘性下金融變量對貨幣政策沖擊的響應(yīng)

金融變量在不同房地產(chǎn)價(jià)格粘性下的脈沖響應(yīng)情況。從圖中可以看出，正向的貨幣政策沖擊促使聲譽(yù)、資產(chǎn)、權(quán)益和房價(jià)在沖擊當(dāng)期相對于穩(wěn)態(tài)呈負(fù)向反應(yīng)，其中，聲譽(yù)、資產(chǎn)和房價(jià)在第1期均迅速下降至最低點(diǎn)，聲譽(yù)隨后緩慢上漲并向穩(wěn)態(tài)水平趨近，資產(chǎn)和房價(jià)則快速上漲并在第5期基本達(dá)到峰值，隨后趨于穩(wěn)態(tài)，在第20期基本回歸穩(wěn)態(tài)；權(quán)益自沖擊當(dāng)期開始快速下降，在第3期基本降至最低點(diǎn)，隨后緩慢上升，逐步趨于穩(wěn)態(tài)。這表明，緊縮的貨幣政策沖擊會通過提高資金使用成本的方式降低商業(yè)銀行等中介機(jī)構(gòu)經(jīng)理人的聲譽(yù)，促使家庭將可用資金購買更多的債權(quán)，從而減少向中介機(jī)構(gòu)進(jìn)行股權(quán)投資。中介機(jī)構(gòu)權(quán)益資本隨之降低，同時(shí)由于資金的限制中介機(jī)構(gòu)也會減少房地產(chǎn)的持有額，房價(jià)受需求量降低的影響開始下降，這也說明緊縮性貨幣政策對房地產(chǎn)市場的調(diào)控是有效的。另外，正向的貨幣政策沖擊使風(fēng)險(xiǎn)溢價(jià)和杠桿率在沖擊當(dāng)期相對于穩(wěn)態(tài)呈正向反應(yīng)，在第3期達(dá)到峰值后緩慢下降，隨后回歸穩(wěn)態(tài)。這表明，雖然通常情況下緊縮性貨幣政策會降低杠桿率，但是當(dāng)經(jīng)濟(jì)處于房地產(chǎn)泡沫積圖4不同房價(jià)粘性下金融變量對貨幣政策沖擊的響應(yīng)

累期，突然性的緊縮性貨幣政策沖擊會造成房地產(chǎn)價(jià)格泡沫的破裂，從而使房價(jià)伴隨著產(chǎn)出和通脹的下降而迅速下跌，促使房地產(chǎn)市場的需求進(jìn)一步降低，同時(shí)帶來家庭風(fēng)險(xiǎn)溢價(jià)水平的上升，中介機(jī)構(gòu)的投資收益率也會隨之下降，風(fēng)險(xiǎn)定價(jià)提高，從而引發(fā)系統(tǒng)性金融風(fēng)險(xiǎn)上升。從圖中還可以發(fā)現(xiàn)，相對于低房價(jià)粘性和中房價(jià)粘性，在高房價(jià)粘性下各個(gè)金融變量對貨幣政策沖擊的波動幅度較小。這是因?yàn)楫?dāng)房地產(chǎn)市場存在價(jià)格高粘性時(shí)，緊縮性貨幣政策對房價(jià)的調(diào)控效果會受到限制[28]，家庭將繼續(xù)維持房價(jià)不易下降的預(yù)期，風(fēng)險(xiǎn)偏好程度不會大幅降低，風(fēng)險(xiǎn)溢價(jià)水平較為穩(wěn)定，家庭不會大幅限制向中介機(jī)構(gòu)投入的股權(quán)資金，中介機(jī)構(gòu)持有的包括房地產(chǎn)在內(nèi)的資本總量減少幅度較小。

4.不同房價(jià)粘性下宏觀經(jīng)濟(jì)變量對貨幣政策沖擊的響應(yīng)

宏觀經(jīng)濟(jì)變量在不同房價(jià)粘性下的脈沖響應(yīng)情況。從圖中可以看出，正向的貨幣政策沖擊促使實(shí)際短期利率自沖擊當(dāng)期快速上漲，在第3期基本達(dá)到峰值，隨后緩慢下降趨于穩(wěn)態(tài)。這表明，緊縮性貨幣政策會通過提高利率的方式收緊銀根、增加資金成本。投資、消費(fèi)、產(chǎn)出和收益在沖擊當(dāng)期迅速下降后逐步上升，在第20期基本回歸穩(wěn)態(tài)。這表明，利率水平的提升會通過提高資金價(jià)格的方式降低投資和消費(fèi)需求，同時(shí)利用增加融資成本降低企業(yè)的產(chǎn)出量和收益，從而降低社會總產(chǎn)出水平。另外，工資總額自沖擊當(dāng)期快速下降，在第3期降至谷底后逐步上升趨于圖5不同房價(jià)粘性下宏觀經(jīng)濟(jì)變量對貨幣政策的響應(yīng)

穩(wěn)態(tài)。這表明，產(chǎn)出的減少導(dǎo)致經(jīng)濟(jì)衰退，進(jìn)而失業(yè)人數(shù)增加，勞動力降低的幅度大于工資上漲的幅度。通貨膨脹在1%的緊縮性貨幣政策作用下迅速下降，表明了貨幣政策對通貨膨脹調(diào)控的有效性，這與王曦等人[29]得到的結(jié)論一致。從圖中還可以發(fā)現(xiàn)，相對于低房價(jià)粘性和中房價(jià)粘性，在高房價(jià)粘性下各個(gè)宏觀經(jīng)濟(jì)變量對貨幣政策沖擊的波動幅度較小。原因在于，在高房價(jià)粘性下，以房地產(chǎn)價(jià)格為媒介的貨幣政策傳導(dǎo)機(jī)制失效，緊縮性貨幣政策調(diào)控房地產(chǎn)市場的效果較之低、中房價(jià)粘性的情況差，導(dǎo)致各個(gè)宏觀經(jīng)濟(jì)變量偏離穩(wěn)態(tài)的程度較小。五、 結(jié)論與政策建議

本文立足于我國房價(jià)“粘性”這一特征，構(gòu)建了包含家庭部門、產(chǎn)品生產(chǎn)部門、房地產(chǎn)部門、金融中介部門、貨幣政策執(zhí)行部門以及宏觀政策執(zhí)行部門等六個(gè)部門的新凱恩斯動態(tài)隨機(jī)一般均衡模型。在此基礎(chǔ)上，引入經(jīng)理人管理中介部門和中介部門面臨資本約束兩種摩擦機(jī)制，將系統(tǒng)性金融風(fēng)險(xiǎn)內(nèi)生化，探討了在不同的房價(jià)粘性下，技術(shù)沖擊和貨幣政策沖擊對金融變量和宏觀經(jīng)濟(jì)變量的脈沖響應(yīng)情況。實(shí)證結(jié)果表明：第一，對于金融變量，技術(shù)進(jìn)步以提高投資收益率的方式增加房地產(chǎn)市場需求、推動房價(jià)上漲，使聲譽(yù)、資產(chǎn)、權(quán)益和房價(jià)呈正向響應(yīng)，使風(fēng)險(xiǎn)溢價(jià)和杠桿率呈負(fù)向響應(yīng)；另外，緊縮性的貨幣政策以提高資金使用成本的方式降低房地產(chǎn)市場需求來控制房價(jià)，使聲譽(yù)、資產(chǎn)、權(quán)益和房價(jià)呈負(fù)向響應(yīng)，使風(fēng)險(xiǎn)溢價(jià)和杠桿率呈正向響應(yīng)。第二，對于宏觀經(jīng)濟(jì)變量，由于技術(shù)進(jìn)步會刺激投資、消費(fèi)等需求，從而引發(fā)產(chǎn)出增加、帶來經(jīng)濟(jì)繁榮，因此技術(shù)沖擊促使各個(gè)宏觀經(jīng)濟(jì)變量呈正向響應(yīng)；貨幣政策沖擊以提高利率、緊縮銀根的形式抑制社會總需求，因此貨幣政策沖擊下實(shí)際短期利率在沖擊當(dāng)期相對于穩(wěn)態(tài)水平呈正向響應(yīng)，其他宏觀經(jīng)濟(jì)變量在沖擊當(dāng)期相對于穩(wěn)態(tài)水平均呈負(fù)向響應(yīng)。第三，在不同的房價(jià)粘性下，金融變量和宏觀經(jīng)濟(jì)變量對技術(shù)沖擊和貨幣政策沖擊的響應(yīng)程度存在差異，由于高房價(jià)粘性下房價(jià)下行困難，貨幣政策房地產(chǎn)價(jià)格傳導(dǎo)機(jī)制失效，因此外生沖擊使金融變量和宏觀經(jīng)濟(jì)變量偏離穩(wěn)態(tài)的幅度較小。另外，從貨幣政策調(diào)控效果來看，正向的貨幣政策沖擊能夠顯著降低房價(jià)、緩解宏觀經(jīng)濟(jì)波動，但高房價(jià)粘性的存在會影響調(diào)控效果。endprint

我國宏觀經(jīng)濟(jì)正逐步進(jìn)入新常態(tài)，實(shí)體經(jīng)濟(jì)下行，房地產(chǎn)市場卻在此背景下形成了不易下跌的高價(jià)格粘性特征，這也就增強(qiáng)了房地產(chǎn)市場調(diào)控的難度。因此，如何提高貨幣政策對房價(jià)調(diào)控的有效性，穩(wěn)定房地產(chǎn)價(jià)格，進(jìn)而維護(hù)金融市場和宏觀經(jīng)濟(jì)穩(wěn)定是政府當(dāng)前亟待解決的問題。結(jié)合本文實(shí)證分析結(jié)論，我們提出以下政策建議：第一，明確我國房地產(chǎn)市場當(dāng)前存在的高價(jià)格粘性特征，從嚴(yán)調(diào)控房地產(chǎn)市場價(jià)格。我國房地產(chǎn)市場高價(jià)格粘性的具體表現(xiàn)為價(jià)格不易下跌，因此應(yīng)當(dāng)在權(quán)衡物價(jià)和總產(chǎn)出、防范宏觀經(jīng)濟(jì)大幅波動的前提下，立足于我國房地產(chǎn)市場的特征，實(shí)行緊縮性貨幣政策來緩解房地產(chǎn)市場的過熱局面，從而防范因房地產(chǎn)價(jià)格泡沫破裂引發(fā)的系統(tǒng)性金融風(fēng)險(xiǎn)。第二，發(fā)揮貨幣政策與其他政策的聯(lián)動配合效應(yīng)，建立貨幣政策效果的多層次監(jiān)控體系。房價(jià)粘性與消費(fèi)者剛性需求聯(lián)系緊密，因此，在實(shí)施緊縮性貨幣政策的同時(shí)，應(yīng)與土地政策、稅收政策和信貸政策等其他政策聯(lián)動配合，基于房地產(chǎn)市場供需管理來調(diào)節(jié)資金的流向、配置以及消費(fèi)者的剛性購房需求，促使房地產(chǎn)價(jià)格回歸理性。同時(shí)加強(qiáng)貨幣政策效果的監(jiān)控，根據(jù)實(shí)際的經(jīng)濟(jì)形勢和房地產(chǎn)市場反應(yīng)狀況相機(jī)調(diào)整，增強(qiáng)貨幣政策對房價(jià)調(diào)控的靈活性和針對性。第三，完善宏觀審慎政策框架，建立有差別的宏觀審慎調(diào)節(jié)機(jī)制。高價(jià)格粘性的根本原因在于我國房地產(chǎn)市場存在結(jié)構(gòu)性泡沫，完善的宏觀審慎政策體系能夠彌補(bǔ)貨幣政策在對房地產(chǎn)市場結(jié)構(gòu)性調(diào)控能力和總量調(diào)控能力方面的不足，進(jìn)一步提高房地產(chǎn)市場調(diào)控的有效性。此外，應(yīng)建立有差別的宏觀審慎調(diào)節(jié)機(jī)制，明確不同房地產(chǎn)市場的發(fā)展特點(diǎn)，把握好房價(jià)調(diào)控的“方向”和“力度”，從根本上維護(hù)金融穩(wěn)定與宏觀經(jīng)濟(jì)安全。參考文獻(xiàn)：

[1]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）： 7584.

[2]郭娜， 李政. 我國貨幣政策工具對房地產(chǎn)市場調(diào)控的有效性研究——基于有向無環(huán)圖的分析 [J]. 財(cái)貿(mào)經(jīng)濟(jì)， 2013（9）： 130137.

[3]沈悅， 郭培利. 收入、房價(jià)與金融穩(wěn)定性——源自異質(zhì)面板門檻模型的解析 [J]. 經(jīng)濟(jì)科學(xué)， 2015（6）： 3850.

[4]馬勇， 田拓， 阮卓陽， 等. 金融杠桿、經(jīng)濟(jì)增長與金融穩(wěn)定 [J]. 金融研究， 2016（6）： 3750.

[5]Allen F， Gale D. Optimal financial crisis [J]. Journal of Finance， 1998， 53（4）： 12451284.

[6]Hofmann B. The determinants of private sector credit in industrialized countries： Do property prices matter？ [R]. BIS Working Paper， 2001.

[7]Hofmann B. Bank lending and property prices： Some international evidence [R]. The Hong Kong Institute for Monetary Research Working Paper， 2003.

[8]Gerlach S， Peng W S. Bank lending and property prices in Hong Kong [J]. Journal of Banking and Finance， 2005， 29： 461481.

[9]Goetzrnann W N， Peng L， Jaequeline Y. The subprime crisis and house price appreciation [R]. Yale ICF Working Paper， 2009.

[10]Beatrice D， Simo K， Mehmet B， et al. Is the relationship between monetary policy and house prices asymmetric across bull and bear markets in South Africa？ Evidence from a Markovswitching vector autoregressive model [J]. Economic Modelling， 2013， 32（1）： 161171.

[11]Castelnuovo E， Nisticò S. Stock market conditions and monetary policy in a DSGE model for the U.S. [J]. Journal of Economic Dynamics & Control， 2010（9）： 1700.

[12]Pan H R， Wang C. House prices， bank instability， and economic growth： Evidence from the threshold model [J]. Journal of Banking & Finance， 2013， 37（1）： 17201732.

[13]Nicola G， Shleifer A， Vishny R W. A model of shadow banking [J]. Journal of Finance， 2013， 68（4）： 13311363.

[14]蔡浩儀， 汪小亞. 再析東南亞金融危機(jī)成因： 整體視角——金融層面 [J]. 金融研究， 1998（7）： 1113.

[15]周京奎. 房地產(chǎn)價(jià)格波動與投機(jī)行為——對中國14個(gè)城市的實(shí)證研究 [J]. 當(dāng)代經(jīng)濟(jì)科學(xué)， 2005（4）： 19109.endprint

[16]崔光燦. 資產(chǎn)價(jià)格、金融加速器與經(jīng)濟(jì)穩(wěn)定 [J]. 世界經(jīng)濟(jì)， 2006（11）： 5969.

[17]葛奇. 次貸危機(jī)的成因、影響及金融監(jiān)管的啟示 [J]. 國際金融研究， 2008（11）： 1820.

[18]郭娜， 梁琪. 我國房地產(chǎn)市場周期與金融穩(wěn)定——基于隨機(jī)游走濾波的分析 [J]. 南開經(jīng)濟(jì)研究， 2011（4）： 98107.

[19]張寶林， 潘煥學(xué). 影子銀行與房地產(chǎn)泡沫： 誘發(fā)系統(tǒng)性金融風(fēng)險(xiǎn)之源 [J]. 現(xiàn)代財(cái)經(jīng)， 2013（11）： 3345.

[20]羅娜， 程方楠. 房價(jià)波動的宏觀審慎政策與貨幣政策協(xié)調(diào)效應(yīng)分析——基于新凱恩斯主義的DSGE模型 [J]. 國際金融研究， 2017（1）： 3948.

[21]譚政勛， 王聰. 中國信貸擴(kuò)張、房價(jià)波動的金融穩(wěn)定效應(yīng)研究——動態(tài)隨機(jī)一般均衡模型視角 [J]. 金融研究， 2011（8）： 5771.

[22]王云清， 朱啟貴， 談?wù)_(dá). 中國房地產(chǎn)市場波動研究——基于貝葉斯估計(jì)的兩部門DSGE模型 [J]. 金融研究， 2013（3）： 101113.

[23]He Z， Arvind K. A macroeconomic framework for quantifying systemic risk [J]. National Bureau of Economic Research， 2014： 150.

[24]Hans D， Raf W. Endogenous risk in a DSGE model with capitalconstrained financial intermediaries [J]. Journal of Economic Dynamics & Control， 2014， 43： 241268.

[25]Stefan L， Andrea P， Jarkko T. Systemic risk： A new tradeoff for monetary policy？ [R]. IMF Working Paper， 2015.

[26]Smets F， Wounters R. Shocks and frictions in US business cycles： A Bayesian DSGE approach [J]. American Economic Reviews， 2007（3）： 586606.

[27]郝毅， 李政. 土地財(cái)政、地方政府債務(wù)與宏觀經(jīng)濟(jì)波動研究——以地方政府投融資平臺為例 [J]. 當(dāng)代經(jīng)濟(jì)科學(xué)， 2017（1）： 112.

[28]馬亞明， 劉翠. 我國貨幣政策對房地產(chǎn)市場的非對稱影——基于CARCH模型的實(shí)證分析 [J]. 河北經(jīng)貿(mào)大學(xué)學(xué)報(bào)， 2015（3）： 6771.

[29]王曦， 王茜， 陳中飛. 貨幣政策預(yù)期與通貨膨脹管理——基于消息沖擊的DSGE分析 [J]. 經(jīng)濟(jì)研究， 2016（2）： 1628.

責(zé)任編輯、 校對： 高原endprint