趙乃瑩

(湖南科技大學(xué)商學(xué)院，湖南 湘潭 411201)

面對當(dāng)前疫情爆發(fā)后的經(jīng)濟(jì)下行壓力，雖然中央一直提出“房住不炒”，但如何在寬松的貨幣政策下維持房地產(chǎn)市場的健康發(fā)展，防范寬松貨幣政策引致房地產(chǎn)市場金融風(fēng)險仍具有重要意義。本文基于貨幣政策的影響對不同城市的房價泡沫與金融風(fēng)險之間的聯(lián)動關(guān)系進(jìn)行系統(tǒng)梳理分析并提出相應(yīng)的對策，并試圖解決以下幾個問題：我國貨幣政策對不同城市房價泡沫的影響強(qiáng)度與方向；城市間房價泡沫溢出的強(qiáng)度與方向；城市房價泡沫對其他城市金融風(fēng)險的影響強(qiáng)度及方向。

1 研究方法與變量說明

首先建立一個GVAR模型，考慮地區(qū)之間幾種相互聯(lián)系的途徑：

途徑2：各地區(qū)局部變量受到全國層面外生變量的共同影響。如廣義貨幣供應(yīng)量的變動。

途徑3：第個地區(qū)受到來自第個地區(qū)遭到當(dāng)期沖擊的影響，并通過誤差的協(xié)方差矩陣反映。

其中：

是一個×階的系數(shù)矩陣；

為×1階的各地區(qū)自主沖擊向量，且～(0，Σ)。

在模型中加入全局變量，轉(zhuǎn)變?yōu)橐话慊男问剑?/p>

=++-1+Ψ+Ψ-1+

其中，=(,,…，)

=(,,…，)

=(-Λ0)

=(,Λ1)

Ψ=(Ψ,Ψ,…,Ψ0)

Ψ=(Ψ,Ψ,…,Ψ1)

其他系數(shù)的定義與之前完全相同，可以進(jìn)一步表示為類似的誤差修正形式：

=++(-)-1+Ψ+Ψ1+

將左右兩側(cè)同時乘以，得到下式：

=++(-)1+Ψ+Ψ-1+

2 實證結(jié)果分析

2.1 相關(guān)統(tǒng)計檢驗

在對模型進(jìn)行估計之前，需要對變量進(jìn)行統(tǒng)計檢驗。采用ADF-WS單位根檢驗對模型中的全部變量及相應(yīng)星標(biāo)變量的水平值、一階差分及二階差分進(jìn)行檢驗。四個城市廣義貨幣供應(yīng)量其水平值、一階差分的單位根檢驗結(jié)果是一樣的，其ADF檢驗統(tǒng)計值分別為0.02423和-3.34578，這表明其為5%顯著性水平的I(1)序列。同時，ADF單位根檢驗結(jié)果表明，四個城市的房價泡沫和信貸序列及相關(guān)的星標(biāo)變量(pb和ce)均為I(1)序列。再利用Johansen協(xié)整檢驗對各個城市模型中可能存在的協(xié)整關(guān)系進(jìn)行檢驗，檢驗方程中一階差分的滯后階數(shù)根據(jù)AIC法確定。

2.2 實證結(jié)果分析

使用Newey-West異方差和自相關(guān)一致協(xié)方差矩陣，可以得到本地變量和星標(biāo)變量的影響彈性系數(shù)。四個城市的pb系數(shù)均為顯著的正值，但大小卻不盡相同。四個城市中的北京市pb影響彈性系數(shù)最小，表示其他三個城市加權(quán)房價泡沫在某個季度的一個標(biāo)準(zhǔn)誤的變動導(dǎo)致北京市在該季度的房價泡沫發(fā)生0.264%的正向變動。天津市pb影響彈性系數(shù)最大，其他三個城市的加權(quán)房價泡沫在某個季度的一個標(biāo)準(zhǔn)誤的變動將導(dǎo)致天津市在該季度的房價泡沫發(fā)生1.655%的正向變動。

廣義貨幣供應(yīng)量的正向沖擊對四個城市房價泡沫均有正向作用。中國近些年來的寬松貨幣政策對于房價泡沫確實有顯著的正向推動作用。貨幣供應(yīng)量的變動對不同的城市房價泡沫的影響具有明顯的異質(zhì)性。沖擊下，天津和上海房價泡沫上漲幅度較大(0.09556%、0.08208%)，北京漲幅最低(0.02172%)，這與前人研究不同。導(dǎo)致這一現(xiàn)象的原因有以下兩點：

表1 星標(biāo)變量對本地變量的同期影響

一是人口虹吸效應(yīng)，貨幣供給正向沖擊將北京市房價泡沫推至更高，居民預(yù)期到房價將繼續(xù)升高，選擇房價泡沫相對較低的城市購房，人口與資本的流出抑制房價泡沫膨脹。

二是資本流動性，城市房價泡沫尚未膨脹到極限之前，大量資本涌入該城市的房地產(chǎn)業(yè)，泡沫發(fā)展到一定程度，難以從中獲得高額回報，資本遷移到房價泡沫尚未產(chǎn)生或較低的城市，抑制房價泡沫膨脹。

城市房價泡沫對不同城市溢出效應(yīng)在強(qiáng)度與方向上存在明顯差異。除天津外，其余直轄市的房價泡沫沖擊對其他三個城市的房價泡沫均產(chǎn)生正向的反應(yīng)。天津市所承受的最大正向溢出效應(yīng)來自重慶(0.041051%)，最大的負(fù)向溢出效應(yīng)來自于其自身的沖擊(-0.06831%)，與其他直轄市相比天津市房地產(chǎn)市場更容易受到外部房地產(chǎn)市場正向沖擊的影響。重慶市房地產(chǎn)市場所承受的最大正向溢出效應(yīng)來自于其自身的房地產(chǎn)市場沖擊(0.032163%)，作為西部城市與其他城市地理距離遠(yuǎn)，對其他直轄市的空間傳遞效應(yīng)較弱。

房地產(chǎn)市場與金融市場信貸存在顯著的聯(lián)系，但在方向與強(qiáng)度上有所差異。北京金融市場信貸承受的最大正向影響來自于天津(228.6653%)，最大負(fù)向影響來自上海(-150.715%)，相較于其他直轄市，北京金融市場信貸更容易受到外部房地產(chǎn)市場影響。天津金融市場信貸承受的最大影響來自于重慶房地產(chǎn)市場(182.125%)，其次是上海(-149.718%)和北京(-59.7115%)。上海金融市場信貸承受的最大影響來自于北京房地產(chǎn)市場(-91.8719%)，其次是天津(53.07548%)和重慶(-32.6462%)。天津房價泡沫沖擊僅對重慶金融市場信貸的沖擊為負(fù)向影響(-10.692%)。

3 結(jié)論與建議

房地產(chǎn)市場與金融市場存在密切的聯(lián)系。本文建立GVAR模型對貨幣政策影響下房價泡沫與金融風(fēng)險的時空聯(lián)動實證分析。研究發(fā)現(xiàn)：貨幣供應(yīng)量的沖擊對四個城市房價泡沫均有立竿見影的正向推動作用，對各城市的推動效果不同；房價泡沫的溢出效應(yīng)明顯，不同城市存在差異。房價泡沫的溢出效應(yīng)往往呈現(xiàn)非對稱性，溢出效應(yīng)強(qiáng)度不與地理距離成正相關(guān)關(guān)系，還會受到經(jīng)濟(jì)、預(yù)期等因素的影響；房價泡沫對信貸的影響顯著，但不同城市影響方向與強(qiáng)度存在顯著差異。房價與金融風(fēng)險之間的聯(lián)系往往非對稱，這種非對稱體現(xiàn)在方向與強(qiáng)度上。同時，房地產(chǎn)市場對金融市場的影響強(qiáng)度與方向不同，并不一定與地理距離相關(guān)。

本文研究具有明確的政策啟示：對于寬松貨幣政策導(dǎo)致房價泡沫的正向推動需要警惕，優(yōu)化貨幣政策調(diào)控機(jī)制，對不同城市進(jìn)行差異化調(diào)控，還應(yīng)注意不同城市間的經(jīng)濟(jì)、地理聯(lián)系導(dǎo)致政策的抵消或加強(qiáng)作用。傳統(tǒng)的盯住通貨膨脹的貨幣政策規(guī)則更容易導(dǎo)致貨幣的超發(fā)，進(jìn)而推高房價泡沫，央行可以考慮將房價泡沫納入貨幣政策調(diào)控的目標(biāo)。構(gòu)建房地產(chǎn)市場金融風(fēng)險監(jiān)測體系，充分識別度量并預(yù)警金融風(fēng)險是防范金融風(fēng)險的前提和基礎(chǔ)，實時對金融風(fēng)險進(jìn)行預(yù)警。完善房地產(chǎn)金融市場審慎的管理政策體系，應(yīng)當(dāng)重視房地產(chǎn)市場波動引發(fā)的金融風(fēng)險，探索研究合理的房地產(chǎn)金融風(fēng)險指標(biāo)并納入房地產(chǎn)金融市場的管理政策體系。