周建軍 孫倩倩

摘要：基于主成分分析方法測度房地產金融風險指標，并利用SVAR模型和門檻模型對貨幣政策與房地產金融風險兩者間的關系進行探索。實證結果表明：貨幣政策調整會對房地產金融風險產生沖擊;M2增長率與房地產金融風險間存在雙向因果關系，同業(yè)拆借利率和準備金率與房地產金融風險間存在單向因果關系;貨幣政策沖擊對房地產金融風險的影響在不同房價水平上具有非對稱性。以貨幣政策進行調控時應注意斟酌損益，避免此消彼長，加劇房地產金融風險。

關鍵詞：貨幣政策;M2增長率;同業(yè)拆借利率;存款準備金;房地產金融風險

一、引言

因房地產市場非正常運行導致的金融危機在世界范圍內已屢見不鮮，如十七世紀荷蘭的“郁金香熱”、二十世紀八十年代的日本房地產市場危機、九十年代的東南亞金融危機，以及2007年末的美國次貸危機。這些典型案例中，房地產市場劇烈波動不僅給本國金融體系造成了巨大的負面沖擊，同時還會通過金融和國際貿易渠道傳染擴散至其他地區(qū)，形成區(qū)域性金融風險，甚至是全球性的金融震蕩。這為世界各國敲響了警鐘，促使各國重新審視貨幣政策與房地產市場甚至是與整個宏觀經濟體系間的關系。房地產部門是我國金融風險的主要來源[1]，自2016年以來，強監(jiān)管、大高壓的金融防風險態(tài)勢不斷蔓延，房地產金融風險的防控成為宏觀經濟管理的重要環(huán)節(jié)。2018年中國人民銀行工作會議上進一步提出要加強房地產金融宏觀審慎管理，從更大的層面和維度去維持房地產業(yè)、房企、房貸、金融機構的穩(wěn)定，防止房地產企業(yè)的風險蔓延。

貨幣政策作為我國經濟領域常用的宏觀調控手段，在經濟的穩(wěn)定發(fā)展中發(fā)揮著重要作用。那么貨幣政策的調整會對我國房地產金融風險產生何種影響？經濟發(fā)展中又該如何靈活地運用好政策工具以有效防控房地產金融風險？這些問題對于當前處于穩(wěn)增長、調結構攻堅階段的我國來說至關重要。本文從我國現(xiàn)實國情出發(fā)，探討貨幣政策變動對房地產金融風險的影響，這對宏觀政策調控與房地產金融體系的穩(wěn)定發(fā)展具有重要的現(xiàn)實意義。

二、文獻綜述

已有關于貨幣政策與房地產市場相關性的研究大多圍繞房價展開，而房價也是導致房地產金融風險的重要因素，因此本文從貨幣政策的有效性及其經濟效應、貨幣政策對房價的影響和房地產金融風險三個方面梳理現(xiàn)有文獻。

貨幣政策是我國宏觀經濟調控中的常用方法，其有效性與經濟開放度[2]、流動性[3]等多種因素相關，并且不同政策工具調控效果存在差異[4]。我國金融領域的發(fā)展起步較晚，發(fā)展速度快但基礎仍較為薄弱，影子銀行的迅猛發(fā)展加劇了經濟波動與我國金融體系的風險[5]，而貨幣政策沖擊是導致中國影子銀行信貸波動的主要驅動力，通過資本充足率約束推動影子銀行融資規(guī)模的逆周期變動，間接降低了貨幣政策的有效性[6]。此外，寬松的貨幣政策會刺激銀行等金融機構降低貸款審批門檻，加劇銀行所面臨的風險，因此中央銀行在利用貨幣政策進行宏觀調控時，應采用諸如逆周期資本調節(jié)等措施以抵消銀行金融風險擴張的影響[7]。

隨著我國房地產業(yè)的迅速發(fā)展，關于貨幣政策影響房地產市場的研究與日俱增。貨幣政策是影響我國房價波動的重要因素，寬松的貨幣政策會助推房地產市場的蓬勃發(fā)展[8]，但這一影響具有顯著的區(qū)際差異化特點[9]。盯住真實房價的貨幣政策能夠顯著降低住房價格波動，并通過金融加速器機制降低經濟波動和福利損失[10]，因此貨幣政策的制定過程中應充分考慮房價的變動，以維護政策的連續(xù)性及經濟的穩(wěn)定性[11]。

我國的房地產業(yè)和金融體系構建起步較晚，因此房地產金融的發(fā)展中暴露出諸多問題，通常而言，房地產金融風險來自宏觀政策層面、房地產企業(yè)層面、金融體系層面以及家庭層面等七個方面[12]，成善棟和徐紅（2010）進一步將我國房地產金融風險歸納為土地儲備貸款存在的隱性風險、房地產開發(fā)貸款風險、個人住房消費貸款違約風險以及房地產金融的宏觀信用風險[13]?，F(xiàn)有研究表明，地方政府土地財政[14]、銀行體系“主場效應”造成的資本市場抑制[15]、住房空置[16]、擴張性的宏觀調控政策[17]等因素均會對房地產金融風險造成沖擊。

本文相較于以往研究將重點放在以下幾個方面，力求為宏觀調控政策的制定和構建房地產市場的長效健康發(fā)展機制做出貢獻：（1）從政府、金融機構、房地產企業(yè)和家庭四個方面入手，構建房地產金融風險測度的指標體系，利用主成分分析方法對房地產金融風險水平進行測度，以備為后文分析;（2）在利用VEC模型分析貨幣政策變動與房地產金融風險兩者間關系的基礎上，利用格蘭杰因果檢驗進行穩(wěn)健性檢驗，并通過構建SVAR模型和門檻模型分析兩者間的同期結構關系和非對稱效應。

三、房地產金融風險的測度

房地產業(yè)是典型的資金密集型行業(yè)，資金需求大且開發(fā)周期長，同時在房地產從開發(fā)到銷售的整個過程中涉及部門眾多，因而房地產金融風險是由多方共同作用衍生而來的。本文在借鑒以往關于金融穩(wěn)定性相關研究的基礎上[18]，依據(jù)有效性、可獲得性原則，分別從政府、金融機構、房地產企業(yè)以及家庭四個層面構建房地產金融風險水平的評價指標體系。具體指標選取及計算方法如表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)進行分析，樣本跨度為15年，基本涵蓋了我國房地產市場發(fā)展的過程，數(shù)據(jù)均來源于國家統(tǒng)計局和WIND數(shù)據(jù)庫。

在構建了以上評價指標體系的基礎上，本文利用主成分分析方法將多維指標轉化為綜合指標，主成分分析結果如表2所示②。由表2可知，前4個主成分的累積貢獻率已達到86.29%，故本文選取前四個主成分測算房地產金融風險（refs）指標。

四、實證分析

（一）變量選擇及數(shù)據(jù)來源

本文探索研究貨幣政策對房地產金融風險的影響，選取如下變量進行分析：參考馮科（2011）[19]的研究，選取M2同比增長率（m2r）、30天銀行間同業(yè)拆借加權平均利率（ibor）和金融機構存款準備金（rrr）作為數(shù)量型和價格型貨幣政策的代理變量，數(shù)據(jù)來源于中國人民銀行;房地產金融風險指標（refs）由前文計算而得。變量的描述性統(tǒng)計結果如表3所示。

（二）單位根檢驗與協(xié)整檢驗

正式分析前，本文利用ADF檢驗對上述變量進行單位根檢驗以確定各變量平穩(wěn)性狀況，檢驗結果如表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，需對上述變量進行協(xié)整分析。根據(jù)AIC值和SC值，將滯后階數(shù)定為2，Johansen協(xié)整檢驗結果表明，各變量間至少存在一組長期穩(wěn)定關系，可進行進一步的分析。

（三）估計結果及分析

由于各變量水平值不平穩(wěn)，同時又考慮到貨幣政策與房地產金融風險間存在長期的均衡關系，本文利用VEC模型進行估計，估計結果不能拒絕殘差“無自相關”的假設和“正態(tài)性”的原假設;穩(wěn)定性檢驗中，除模型自身假設的單位根，伴隨矩陣中所有的特征根均位于單位圓內，表明該模型是穩(wěn)定的③。誤差修正方程估計結果如表5所示，貨幣供應量增速修正系數(shù)不顯著，表明貨幣供應量變動對房地產金融風險不存在修正機制，只能借由其他途徑達到長期均衡，銀行間同業(yè)拆借利率和存款準備金率對房地產金融風險存在顯著的修正機制，二者會促進房地產金融風險逐步收斂至長期均衡水平。

本文進一步分析VEC模型的正交化脈沖響應函數(shù)，脈沖響應結果如圖1所示。整體來看，因貨幣政策沖擊而導致的房地產金融風險波動大多集聚在前5期，自第6期開始房地產金融風險會穩(wěn)定在一個長期均衡水平上;銀行間同業(yè)拆借利率和金融機構存款準備率的提升會顯著降低房地產金融風險水平，貨幣供給量增加在短期內會增加房地產金融風險，而后恢復到初始狀態(tài)。提高利率和存款準備金率的手段能有效降低房地產金融風險且效應長期存在，而改變貨幣供應量的方式只能在短期內奏效，難以標本兼治。

分別來看，給定一單位銀行間同業(yè)拆借利率（存款準備金率）沖擊，房地產金融風險自當期開始呈下降趨勢，最終穩(wěn)定在均衡水平，究其原因，兩率的提高會導致貨幣供應量收緊，房地產開發(fā)成本和投資成本升高，遏制房地產開發(fā)投資擴張，這一方面會降低整體的金融杠桿水平與貸款在房地產開發(fā)利用資金中的比重，從而抑制房地產金融風險;另一方面，由于房地產開發(fā)成本增加，房地產供給減少，有利于推進房地產去庫存進程，促進房地產企業(yè)資金回流，放松企業(yè)的信貸約束，進而降低房地產金融風險。給定一單位貨幣供給量增長率正向沖擊，房地產金融風險先小幅上升而后下降，最后恢復至原有水平。目前，房地產在我國擔當著重要投資品的角色，因此，貨幣供給的增加會導致大量資本涌入房地產市場，房地產開發(fā)投資增加，拉高各部門的金融杠桿，房地產金融風險水平提升;此外，貨幣供應增長率的升高會驅動通貨膨脹率的提升[20]，推升房價，進一步促進了房地產投機與投資需求增加，加劇房地產金融風險。

（四）穩(wěn)健性檢驗及進一步分析

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期協(xié)整關系，本文構建了貨幣政策與房地產金融風險的VEC模型，但該方法還存在三個缺陷：一是作為VAR模型的變形，只能表明變量間存在長期穩(wěn)定的相關關系，卻不能明確其因果關系;二是該模型著重分析了變量間的跨期相關性，忽略了變量間的同期影響;三是貨幣政策對資產價格具有明顯的非對稱效應[21]，而房價是引起房地產金融風險的重要因素，因此貨幣政策調整在不同房價水平下對房地產金融風險狀況的影響可能存在差異?；谏鲜鰡栴}，進行如下穩(wěn)健性檢驗及進一步分析：（1）格蘭杰因果檢驗。格蘭杰因果檢驗是檢驗變量間因果關系的常用方法，本文利用該方法深入探究貨幣政調整與房地產金融風險間的因果關系，驗證前文結論的可靠性。（2）構建SVAR模型。本文通過繪制各變量間的相關性波動圖（如圖2所示）發(fā)現(xiàn)，各變量在當期均具有較高程度的相關性，因而很可能存在即期影響，SVAR模型能很好地捕捉到內生變量間的同期相關性，因此本文構建貨幣政策與房地產金融風險間的SVAR模型進行深入分析。（3）非對稱效應檢驗。本文通過構建門檻模型，以房價為門檻變量對這一影響的非對稱效應進行檢驗。

1.格蘭杰因果檢驗。因各變量原序列不平穩(wěn)，本文將原序列進行一階差分變換后進行因果檢驗，檢驗結果如表6所示，貨幣供應量增長率與房地產金融風險卡方統(tǒng)計量均能在5%的顯著性水平下拒絕不存在因果關系的原假設，表明二者間存在雙向因果關系;銀行間同業(yè)拆借利率和金融機構存款準備金對房地產金融風險僅存在單向因果關系。這也與前文中利用VEC模型分析得出的結論相吻合，表明前文的分析是可靠的。同時也應該注意到，由于貨幣供給調整與房地產金融風險二者之間會產生累加效應，貨幣供應量的增加將導致短期內房地產金融風險水平迅速積聚，因此調整貨幣供給量的宏觀調控政策在實施中應仔細斟酌，避免此消彼長，加劇房地產金融風險。

2.基于SVAR模型的分析。本文利用SVAR模型貨幣政策與房地產金融風險的關系進行深入分析。

本文依據(jù)上述約束設定構建SVAR模型進行分析④，估計結果殘差不存在自相關且為正態(tài)分布，模型的所有特征根均位于單位圓內，模型穩(wěn)定有效。該模型的正交化脈沖響應結果如圖3所示，在接受一單位的貨幣政策沖擊后，房地產金融風險的波動情況與VEC模型的結果十分類似，表明VEC模型的分析結果是有效的。但有所不同的是，SVAR模型分析結果中，貨幣政策的三個代理變量對房地產金融風險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)拆借利率和存款準備金率的沖擊不再具有持久性，貨幣政策調控能在較長期內有效抑制房地產金融風險，但并非一勞永逸。

3.非對稱效應檢驗。由于本文選取了三個貨幣政策的代理變量，而各個變量對房地產金融風險指標的敏感度及作用路徑存在差異，因此本文進一步利用Hansen（2000）[22]提出的門檻模型方法對各變量的非對稱效應進行檢驗。以房價（hp，萬元/平方米）為門檻變量，控制CPI變動，經Bootstrap抽取2000次后檢驗發(fā)現(xiàn)，三個變量均在5%的顯著性水平下存在單一門檻值，具體檢驗結果如表7所示。具體來看，當房價高于5193元/平方米時，m2r系數(shù)更大，表明在這一房價區(qū)間內，貨幣供應增長率的升高對房地產金融風險的推升作用更強;當房價高于4473元/平方米時，存款準備金率提高對房地產金融風險的抑制作用顯著增強，約為房價低于門檻值時的兩倍;當房價低于4632元/平方米時，同業(yè)拆借利率對房地產金融風險無顯著影響，但高于這一門檻值影響顯著為負。根據(jù)國家統(tǒng)計局公布的數(shù)據(jù)來看，2019年5月我國住宅商品房價格已達到9243元/平方米，遠高于各門檻值，表明貨幣政策的調整會對房地產金融風險造成顯著沖擊。

五、結論與啟示

貨幣政策是我國房地產市場宏觀調控中的常用手段，防控房地產金融風險亦是當前我國房地產市場面臨的重要挑戰(zhàn)。本文利用我國2004年第1季度至2018年第3季度的宏觀數(shù)據(jù)，從政府、金融機構、房地產企業(yè)與家庭四個層面構建房地產金融風險的綜合評價指標體系，并基于主成分分析方法計算我國房地產金融風險指標，同時選取M2同比增長率、銀行間同業(yè)拆借利率和金融機構存款準備金率作為貨幣政策的代理變量，利用VEC模型、SVAR模型和門檻模型對貨幣政策與房地產金融風險兩者間的關系進行探索，分析結果表明：（1）貨幣政策的調整會對房地產金融風險產生沖擊，其中，M2增長率與房地產金融風險呈同向變動，銀行間同業(yè)拆借利率和金融機構存款準備金率與房地產金融風險呈反向變動。（2）M2增長率與房地產金融風險間存在雙向因果關系，同業(yè)拆借利率和準備金率與房地產金融風險間存在單向因果關系。（3）貨幣政策變動對房地產金融風險的影響在不同房價水平上具有非對稱效應，當房價高于門檻值時，貨幣政策的調控效應明顯增強。（4）利用貨幣政策防控房地產金融風險的手段并不能一勞永逸，調整貨幣供給量的調控手段應充分斟酌對房地產業(yè)的影響后再實施。

本文的研究結論對宏觀經濟調控政策的實施以及房地產金融風險的防控具有一定現(xiàn)實意義：第一，建立健全貨幣政策和宏觀審慎政策雙支柱調控框架。貨幣政策是宏觀經濟調控中常用的方法，但房地產金融風險對貨幣政策十分敏感，擴張性的貨幣政策會加劇房地產金融風險，并且這種影響會在較長時間內持續(xù)存在，因此在利用貨幣政策進行宏觀調控時應該將金融穩(wěn)定納入考量，促進經濟的健康運行。第二，適度拓寬投資渠道。貨幣政策只能解房地產市場于一時之困，但并非長久之計。我國投資渠道狹窄是房地產市場成為重要投資場所的根本原因，要從根本上解決房地產金融市場高風險難題，實現(xiàn)“住有所居”的政策目標，就要從源頭入手，適度拓寬投資渠道，擺脫房地產投資屬性泛濫的局面。第三，綜合運用財稅、土地、立法等多重手段調控房地產市場。自2003年實行土地政策調整后，東部土地供應收緊，投資者的大量涌入促使東部城市房價一路高歌猛進，高漲的房價不僅加劇了房地產金融風險，還使得居民間貧富差距加大[23-24]。因此構建房地產市場發(fā)展的長效機制需要從多角度入手，改革土地供給政府壟斷的局面，以市場決定資源配置，同時逐步開征房產稅、遺產稅，從根本上遏制房地產投資投機行為。

注釋：

①房價收入比以“兩個父母+一個孩子”的典型家庭計算，假定人均住房面積為30平米，房價收入比=住房總價值/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結果類似。

④本文同時還通過構建長期SVAR和調整變量次序等方法進行驗證，但分析結果十分類似，故只報告短期SVAR模型結果，其他估計結果備索。

參考文獻：

[1]楊子暉，陳雨恬，陳里璇.極端金融風險的有效測度與非線性傳染[J].經濟研究，2019，54（5）：63-80.

[2]馬勇，陳雨露.經濟開放度與貨幣政策有效性：微觀基礎與實證分析[J].經濟研究，2014，49（3）：35-46.

[3]陳繼勇，袁威，肖衛(wèi)國.流動性、資產價格波動的隱含信息和貨幣政策選擇——基于中國股票市場與房地產市場的實證分析[J].經濟研究，2013，48（11）：43-55.

[4]陳浪南，田磊.基于政策工具視角的我國貨幣政策沖擊效應研究[J].經濟學（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[J].經濟研究，2018，53（12）：68-82.

[7]金鵬輝，張翔，高峰.銀行過度風險承擔及貨幣政策與逆周期資本調節(jié)的配合[J].經濟研究，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.貨幣政策對房價影響的區(qū)域差異：來自多層混合效應模型的新證據(jù)[J].南開經濟研究，2018（5）：41-57+175.

[10]侯成琪，龔六堂.貨幣政策應該對住房價格波動作出反應嗎——基于兩部門動態(tài)隨機一般均衡模型的分析[J].金融研究，2014（10）：15-33.

[11]譚政勛，王聰.房價波動、貨幣政策立場識別及其反應研究[J].經濟研究，2015，50（1）：67-83.

[12]唐平.中國房地產金融風險分析[J].經濟體制改革，2007（2）：140-143.

[13]成善棟，徐紅.房地產金融風險影響宏觀經濟安全的相關研究——兼論我國房地產金融潛在風險及政策建議[J].金融論壇，2010，15（3）：13-20.

[14]李蘭英，李偉.我國房地產金融風險向土地財政風險傳導的博弈機制分析[J].現(xiàn)代財經（天津財經大學學報），20132（7）：59-68.

[15]劉知博，賈甫，韋靜強.銀行體制、資本市場與房地產金融風險[J].經濟體制改革，2014（5）：134-138.

[16]鞠方，陽娟，黎小佳.基于空間異質性的中國住房空置率與房地產金融風險研究[J].財經理論與實踐，2018，39（4）：26-31.

[17]周建軍，孫倩倩.改革開放以來國家宏觀調控房地產的政策效應分析[J].中州學刊，2018（11）：42-51.

[18]李向前，諸葛瑞英，黃盼盼.影子銀行系統(tǒng)對我國貨幣政策和金融穩(wěn)定的影響[J].經濟學動態(tài)，2013（5）：81-87.

[19]馮科.中國房地產市場在貨幣政策傳導機制中的作用研究[J].經濟學動態(tài)，2011（4）：42-49.

[20]張成思.通貨膨脹、經濟增長與貨幣供應：回歸貨幣主義？[J].世界經濟，20135（8）：3-21.

[21]王立勇，張代強，劉文革.開放經濟下我國非線性貨幣政策的非對稱效應研究[J].經濟研究，2010，45（9）：4-16.

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

[23]原鵬飛，馮蕾.經濟增長、收入分配與貧富分化——基于DCGE模型的房地產價格上漲效應研究[J].經濟研究，2014，49（9）：77-90.

[24]周建軍，孫倩倩，鞠方.房價波動、收入差距與消費差距[J].消費經濟，2018，34（5）：23-30.

（責任編輯：鐘瑤）