貨幣政策對我國部分城市房地產價格影響分析

龍 飛

（招商銀行股份有限公司北京分行，北京 100038）

房地產資產價格的波動會對宏觀經濟和金融體系產生重要影響，特別是美國次貸危機爆發后，房地產市場的價格波動的問題受到學者、各國政府與貨幣當局高度關注.進入21 世紀以來，我國房地產市場得到了空前的發展，與此同時，對房地產市場的調控也從未間斷. 貨幣政策作為房地產市場調控的主要工具，對房價波動造成怎樣的沖擊和影響以及針對不同地區房地產市場的調控政策是否具有針對性，對這些問題的進一步深入研究，對促進我國宏觀經濟穩定、房地產市場均衡和可持續發展具有重要意義.為此，本文選取我國及部分城市樣本數據，對房價波動進行分析，辨析和探討貨幣政策對房價影響的關鍵因素，從而為政府部門針對不同的地域市場環境制定相適應的調控政策提供決策參考.

1 文獻綜述

新古典經濟增長理論認為，經濟增長的動力來自生產率的不斷提高，房地產價格上漲帶動相關產業的較快速增長，短期內促進經濟迅速發展.但是由此產生家庭單元的高負債等問題，也抑制了最優資本存量的“黃金律”增長，在一定程度上抑制了實體經濟增長.Arturo&Mishkin[1]從國債收益率曲線視角對經濟周期進行了分析，研究認為收益率曲線息差在宏觀經濟預測中可以有效發揮作用，且政策實施對經濟的影響通常有很長時間的滯后.因此，收益率曲線在較長時間內的表現明顯優于其他變量. Borio[2]從運行周期角度分析，發現金融與宏觀經濟存在密切的順周期性關系；陳斌開等[3]發現因房地產生產率水平低于其它行業，住房價格與真實經濟增長率之間呈現負相關關系.有學者認為房地產價格上漲并且可能放大經濟波動，馬理等[4]認為房地產對實體經濟增長有擠出效應，會造成宏觀經濟杠桿率上升并累積較大的金融風險.馬勇[5]認為，實體經濟活動過冷同時金融活動過熱，需要使用擴張性貨幣政策給實體經濟升溫，運用緊縮性的宏觀審慎政策對金融活動降溫.陳日清[6]研究發現利率只有短期效應.陳創練[7]認為數量型貨幣政策在管控房價和杠桿率上更為有效.在運用預測模型和方法上主要基于VAR 分析模型為主，如高然[8]通過VAR分析發現因地方政府對土地財政的依賴，會放大房地產市場的波動，也將波動傳導到實體經濟.相較于以往的VAR 模型，齊岳等[9]從分析不同經濟狀態和政策因素的影響角度，運用TVP-VAR 的描述變量非線性特征和時變特性的特點，同樣得出利率對資產價格存在一定滯后性的結論.

已有文獻在貨幣政策重點圍繞收益率曲線、利率等宏觀政策對房地產價格調控方面的研究較為豐富，但在研究內容上，通常以國家和區域研究為對象，貨幣政策效果在不同地區之間差異性的研究文獻較少.本文試圖在既定貨幣政策下，以宏觀經濟政策和金融政策為基準，通過加入更多的宏觀經濟指標分析全國整體價格波動情況；并剖析不同經濟發展階段典型城市的房價波動與貨幣政策敏感度，通過檢視房價波動蘊含的經濟信息，識別潛在風險因素，增強貨幣政策和地方性政策反應的預見性，為管理部門對不同經濟發展水平的地區實施房地產精準施策提供依據.

2 全國房地產價格波動的影響因素分析

2.1 模型與變量選擇

本文通過VAR 模型建立各變量間關系，從減少模型估計的不確定性和推斷過程復雜性入手，盡可能全面地洞悉更多的數據特征，力圖更準確地描述我國貨幣政策在不同狀態下對房價的影響特征.由于國內生產總值（GDP）只有季度數據，而本文研究的樣本數據均為月度時間序列數據，所以在前期試驗中通過二次插值法將季度數據轉為月度數據.但在研究過程中發現，季度數據轉為月度數據時，對原始數據造成了很大的失真，致使建立的VAR 模型很不穩定.又因為工業增加值與GDP 有很強的相關性.因此，本文選取工業增加值增速（IP）代替GDP，采用工業增加值增速衡量實體經濟. 廣義貨幣供應量（M2）和0.08 年（月度）國債利率（R）衡量貨幣政策因素.房地產價格變量方面，選取房地產價格（HP）、房地產開發投資額（REI）來衡量價格.在實證檢驗之前將對5 個變量進行排序.相對外生變量放在序列靠前的位置，設定模型中變量的順序為IP、R、INM2、REI、INHP.選取2010 年01 月至2020 年12 月的5 組經濟變量月度數據，共有132組樣本，660 個觀測點（見表1）.數據均來源于國家統計局、東方財富choice 金融端、國泰安數據庫、中國人民銀行官網和中國經濟數據庫等.

表1宏觀經濟指標

2.2 變量處理與檢驗數據

由于每年1 月數據缺失及房地產的價格季節性特點，本文將當年每月全國商品房平均銷售價格加總后的平均數作為當年1 月房價月度數據的估計值.商品房開發投資額和工業增加值增速運用線性插值法對1 月月度數據進行調整.對廣義貨幣供應量和房地產價格取其自然對數，減少波動和異方差對實證的影響.由于使用的月度數據容易隨著季節更迭發生波動與變化，因此本文對樣本數據進行了CensusX-12 季節調整.通過做單位根檢驗選擇了ADF 檢驗來判斷各序列是否平穩，一階差分處理后的數據都達到了平穩狀態.比較各種指標在5%顯著性水平上的滯后項位置，選取滯后期為2 的VAR 模型.在Jahansen 協整檢驗模型系統中至少有2 個協整向量，采用AR 單位根檢驗方法檢驗2 階VAR 模型通過了穩定性檢驗，可以進行脈沖響應函數分析與方差分解分析.房地產價格與變量間的Granger 因果檢驗結果中，接受的貨幣供給量的自然對數（INM2）和房地產開發投資額（REI）均是房地產價格自然對數（INHP）的格蘭杰因果原因，其有助于預測房地產價格的變化.房地產價格的自然對數（INHP）對工業增加值（IP）和房地產開發投資額（REI）格蘭杰因果原因的概率均小于5%，即房地產價格能夠解釋工業增加值（IP）和房地產開發投資額（REI）的變化.從檢驗結果中進一步可知，國債利率（R）與房地產價格互不存在統計上的格蘭杰因果關系.

2.3 脈沖函數響應分析

為了更好地觀察各變量與房價之間的動態影響路徑，將滯后期數設定為20 期，本文采用的是月度數據，橫軸一期即代表一個月.全國房地產價格脈沖響應如圖1 所示，圖中縱軸代表各指標對房地產價格的響應程度，實線為脈沖響應函數值隨時間的變化路徑，而虛線部分是響應函數值增加、減少兩倍標準差的置信區間.圖1a 至圖1e 給出脈沖響應函數的檢驗結果，在此基礎上，本文分別分析房地產價格對不同變量發起的標準差沖擊的響應結果.

圖1 全國房地產價格脈沖響應分析

結合以上脈沖響應函數和分析可以發現，貨幣政策影響房地產價格的幅度比較明顯.其中，廣義貨幣供應量（M2）、商品房開發投資額（REI）和月度國債利率（R）對房地產價格的影響呈正向，脈沖函數響應期早且對房價波動性產生負向影響；社會融資增量（LNSFI）和工業增加值（IP）對房價的影響有一定遲滯，在短期內既有負向也有正向的響應效果；但在長期情況下幾個變量對房價影響趨于平穩.

2.4 方差分解與結果分析

為探究貨幣政策對房地產價格未來波動造成的影響，對模型中的變量進行了方差分解；并通過方差分解來分析房地產開發投資額、工業增加值同比增長、貨幣供給量和社會融資規模增量對我國房地產價格波動的作用率，得到的方差分解結果如表2 所示.

表2 2010 年1 月至2020 年12 月我國商品房平均銷售價格方差分解結果

表2 中的結果分別為房地產價格（HP）、國債利率（R）、貨幣供給量（M2）、社會融資規模增量（SFI）和工業增加值（IP）對房價的方差分解估計值.其中，房地產價格（HP）對本身價格波動的影響幅度最大，在第一期對房價自身的影響程度為100%，從第二期開始影響程度逐期下降，到第六期時降至88.86%，從第七期開始一直持續到第二十期一直維持在88.83%左右的顯著水平，這說明房地產市場的價格水平波動較大.此外，房地產開發投資額（REI）為房價水平波動的最大貢獻變量，在第2 期的影響程度在5.73%左右，之后逐期增加，在第3 期增至7.76%.從第8 期開始一直穩定在7.96%水平上下，第20 期對房價的貢獻為7.96%.國債利率（R）貢獻度為2%；社會融資增量（SFI）對房價的貢獻基本穩定在0.48%附近；工業增加值（IP）同比增長和貨幣供給量對房價水平波動影響變化幅度較小，均維持在0.26%的顯著水平.

3 典型地區房地產價格波動的影響因素分析

前面部分重點研究了全國貨幣政策對房地產價格影響的總體情況，為了進一步細化探究效果，以我國具有人口聚集度高、產業分布齊全和教育醫療健全等有代表性的直轄市和省會城市為研究對象，從地域上來看從南到北力圖較全面的選取利于描述不同經濟發展特點的城市經濟數據的樣本；以此原則確定和采集了上海、北京、深圳、天津、杭州、南京、沈陽和哈爾濱等城市作為進一步分析樣本.

3.1 樣本數據的采集和處理變量

本文選取2014 年01 月至2020 年12 月的4 組經濟變量的月度數據作為實證樣本，共有28 組樣本，336 個觀測點來研究貨幣政策對我國房地產價格波動的影響，各指標數據處理方法同上.但由于杭州、哈爾濱、沈陽數據通過季節調整、取自然對數后仍無法通過平穩性檢驗，通過進行一階差分后的數據均達到了平穩狀態，故所有地區均采用一階差分數據構建VAR模型.

3.2 各地區脈沖響應分析

部分城市房地產價格的脈沖響應分析如圖2 所示.由圖2a 可知，上海房價響應上海房地產開發投資額的沖擊效果最為明顯，在滯后第3 期的響應結果最為顯著，這表明短期內增加上海房地產開發投資額可以顯著提升上海房地產價格.

此外，北京、南京與天津的房價在前幾個滯后期中對其房地產開發投資額的響應較為顯著，北京在滯后第2 期達到最高點，天津在滯后第4 期最為顯著，南京在滯后第3 期的函數曲線達到最高點.然而杭州和沈陽的房價對其房地產開發投資額的響應并不顯著，即增加房地產開發投資額并不會顯著提升杭州和沈陽的房價.哈爾濱房價的響應在前幾個滯后期中波動起伏較大，在滯后第5 期最為顯著.深圳房價在前幾個滯后期一直做出負向響應，在滯后第3 期達到負向最大值. 圖2b 是各地區房地產價格對各地區社會融資增量的脈沖響應函數的曲線，當社會融資增量給出一個正向的標準沖擊時，首先，南京房價對社會融資規模增量的響應十分凸顯.其次，上海房價對其融資規模增量的響應顯著，在滯后第9 期歸于0.深圳房價對社會融資規模增量的響應較明顯，在滯后第2 期達到負向最高點，隨后房價對該沖擊的響應逐漸上升，在滯后第8 期達到正向最高點.北京房價對融資規模增量在滯后第4 期較為顯著，于滯后第8 期歸于0，但又在滯后第12 期開始緩慢下降.天津房價一直對其社會融資規模增量做出負向響應，其中在滯后第3 期達到最高點.杭州房價對其社會融資增量的響應在滯后第3 期達到最高點，在滯后第4 期降為負向單位，之后圍繞在0 上下波動.但沈陽和哈爾濱房價對其各自社會融資規模增量的響應并不顯著，其響應結果一直在0 附近波動.從圖2c 各地區房地產價格響應工業增加值同比增長的脈沖來看，當工業增加值同比增長給出一個正向的標準沖擊時，上海和南京房價對該沖擊的響應最為明顯，且一直做出負向響應.上海房價在滯后第3 期到達最高，南京房價在滯后第4 期到達負向最高點，之后兩地房價響應曲線逐漸上升，且在滯后第20 期趨于0.北京房價對工業增加值同比增長沖擊的響應與南京和上海的響應十分相似，但房價響應較為平緩.其次，杭州和哈爾濱類似，短期內均出現多次正負向交替響應，但從滯后第8 期開始，響應結果一直圍繞在0 附近.深圳房價對工業增加值同比增長的響應較顯著，在滯后第3 期最為明顯，之后逐漸上升，在滯后第11 期之后，一直維持在正向0.01個單位左右.最后，沈陽房價對該沖擊的效應結果不顯著，房價響應結果一直趨向于0.

3.3 方差分解

在上述脈沖響應函數分析的基礎上，為了進一步研究各宏觀因素對房地產價格未來波動造成的影響，本文對模型中的變量進行了方差分解，并利用方差分解的結果分析房地產開發投資額、社會融資規模增量和工業增加值對我國房地產價格波動的作用率.選取20 期的預測期，并進行各變量對房價的方差分解預估計，得到的方差分解結果如圖3 所示.

圖3 部分城市房地產價格方差分解

由部分城市方差分解圖可知，房地產價格（HP）對本身價格波動的影響程度很大，在第一期對房價自身的程度影響達到了100%，之后逐期下降.其中，北京房地產價格對本身價格波動的貢獻最顯著，其一直穩定在93%以上.哈爾濱和杭州次之.此外，深圳、南京、上海與天津房價在前幾個滯后期對本身價格波動的貢獻顯著，之后逐期遞減，但天津房價曲線遞減最為迅速，南京次之.另外，沈陽房地產價格對本身價格波動的貢獻一直持續在79%附近.各地區房地產價格對本身價格波動的貢獻均在64%以上.這說明房地產市場的價格水平波動十分劇烈，由于社會經濟的快速發展，房地產市場的主體會預期價格繼續升高，進而影響和推動房地產市場的價格走勢，造成房價水平的波動起伏.

沈陽、天津、上海的房地產開發投資額（REI）對房地產價格波動的貢獻率較大，從滯后第2 期到5 期影響程度增速較快，之后增速放緩，直至第20 期分別增至14.76%，17.40%，14.80%. 北京、哈爾濱、杭州、深圳、南京的貢獻率較小，到第20 期依次達到5.92%，5.38%，4.26%，4.18%，2.40%.

深圳社會融資規模增量（SFI）對房地產價格的貢獻十分明顯，雖在前幾個滯后期影響較小，但逐期遞增，在滯后第20 期達到8.49%.天津和南京次之，其中，天津在滯后第6 期增加至6.16%，之后一直穩定在6%以上.南京在滯后第12 期之后持續穩定于5%以上.北京、上海、杭州、沈陽和哈爾濱社會融資規模增量對其城市房價的影響較小，到第20 期依次達到0.26%，0.65%，1.47%，0.57%，0.73%.

南京、上海與天津工業增加值同比增長變量（SFI）的波動對房價影響較大，其中南京最為顯著，南京在滯后第20 期達到17.39%，上海在滯后第20 期增加至12.56%.此外，杭州工業增加值同比增長變量在前幾個滯后期對房價的貢獻較大，之后一直穩定于7%以上.其他各地區工業增加值同比增長對房價的影響較小.

4 結 語

實證研究結果表明從全國范圍來看：社會融資增量、貨幣供給量和國債利率短期內對房地產價格影響波動性較大；社會融資增量、貨幣供給量影響幅度顯著高于利率型政策，但從中長期來看仍然是推升房地產價格的重要因素；工業增加值對房地產價格主要存在負向影響.總體來說，貨幣型政策對房價的影響顯著，在長期情況下對房價的影響趨于穩定向上.因而要實現房價長期穩定，加強金融嚴監管和出臺房地產調控政策并舉對于防范化解風險具有積極作用. 從典型城市視角來看，房地產開發投資額對上海、北京、深圳、天津與南京房價的影響作用較大.社會融資規模增量對上海、深圳、天津、杭州和南京城市房價的影響作用顯著，對哈爾濱和沈陽房價的影響作用很小.工業增加值同比增長對上海、天津與南京房價的影響最為顯著，對杭州和哈爾濱房價的影響次之，對沈陽房價的影響作用最小.

貨幣供應量、社會融資規模和信貸等金融指標作為央行貨幣政策傳導機制的監測指標，貨幣政策在調控房價方面僅短期有效，從長期來看這些指標是影響房地產價格繼續上漲的重要因素.對于管控一、二線城市的房地產投機性需求，限貸限購對防范金融風險非常重要.而對于其它城市，為了促進其產業和人口的聚集和房地產市場平穩健康發展，調控房價波動時應采取相對寬松的貨幣政策并輔之以地方性政策共同調控實現可控發展.