金融沖擊與中國房價波動*——基于動態(tài)隨機一般均衡模型的考察

陳利鋒

(中共廣東省委黨校 經(jīng)濟學(xué)教研部，廣州510053)

?

金融沖擊與中國房價波動*
——基于動態(tài)隨機一般均衡模型的考察

陳利鋒

(中共廣東省委黨校 經(jīng)濟學(xué)教研部，廣州510053)

摘要：構(gòu)建包含金融沖擊的動態(tài)隨機一般均衡(HDSGE)模型，考察金融沖擊對我國房價波動的影響，研究發(fā)現(xiàn)：包含金融沖擊的模型相對于未包含金融沖擊的模型更好地擬合了我國經(jīng)濟的現(xiàn)實；金融沖擊對我國房地產(chǎn)市場具有顯著的沖擊效應(yīng)，并且積極的金融沖擊在增加房地產(chǎn)部門投資的同時降低了其他部門的投資；同時，金融沖擊具有擴大貨幣政策沖擊效應(yīng)的“加速器”作用。進一步對房價波動進行貝葉斯沖擊分解，分析表明：在短期和中期，金融沖擊是推動我國房價波動最為重要的因素；而在中長期和長期，貨幣政策沖擊仍是我國房價波動的主要推動力。因此，貨幣政策和金融政策都是房地產(chǎn)市場調(diào)控的重要手段。政府應(yīng)積極利用貨幣政策沖擊和金融沖擊的效應(yīng)穩(wěn)定房地產(chǎn)市場，不過在利用金融沖擊時需要注意其對國民經(jīng)濟其他部門產(chǎn)生的負面效應(yīng)。

關(guān)鍵詞：金融沖擊；房價波動；動態(tài)隨機一般均衡模型；貨幣政策沖擊；住房需求；房價膨脹；擔(dān)保約束；家庭優(yōu)化行為；企業(yè)投資行為

一、引言

宏觀經(jīng)濟理論和經(jīng)濟發(fā)展的實踐均表明，金融因素對于一國經(jīng)濟波動具有顯著性影響(Nolan et al，2009；Jermann et al，2012)。然而，以新凱恩斯主義動態(tài)隨機一般均衡(New Keynesian Dynamic Stochastic General Equilibrium，即NK-DSGE)模型為代表的主流宏觀經(jīng)濟學(xué)分析框架卻長期忽略了對金融因素的分析。2007至2009年國際金融危機給世界經(jīng)濟造成的巨大破壞引發(fā)了眾多研究者對現(xiàn)有宏觀經(jīng)濟學(xué)研究范式的重新思考，Blanchar等(2010)認(rèn)為，對金融因素的忽視導(dǎo)致現(xiàn)有的宏觀經(jīng)濟政策在金融管制方面的失敗是金融危機產(chǎn)生的重要原因。

為了考察金融沖擊對我國房地產(chǎn)市場的影響，本文將金融沖擊引入包含房地產(chǎn)部門的動態(tài)隨機一般均衡(HDSGE)模型中。在采用我國現(xiàn)實數(shù)據(jù)對模型進行貝葉斯估計的基礎(chǔ)上，通過貝葉斯脈沖響應(yīng)函數(shù)以及貝葉斯沖擊分解等方法考察金融沖擊在推動我國房價波動過程中的作用。與已有的研究相比，本文主要做了如下貢獻：(1)建立了一個包含金融沖擊的多部門HDSGE模型，在這一模型中金融沖擊對家庭行為具有直接的影響，而國內(nèi)外大多數(shù)已有的研究均分析的是金融沖擊的整體宏觀經(jīng)濟效應(yīng)，并且設(shè)定金融沖擊對家庭行為不存在直接影響*國內(nèi)已有的關(guān)于金融沖擊的研究，如王國靜和田國強(2014)以及陳利鋒(2015)的研究均采用這一設(shè)定。；(2)考察了金融沖擊對房地產(chǎn)市場以及貨幣政策沖擊的影響，進而發(fā)現(xiàn)金融沖擊具有擴大貨幣政策沖擊效應(yīng)的“加速器”作用；(3)通過對房價波動推動力量的分解，發(fā)現(xiàn)貨幣政策并非總是推動我國房價波動的主要因素(在短期和中期金融沖擊是推動我國房價波動的主要力量，在中長期和長期貨幣政策是導(dǎo)致我國房價波動的主要因素)，這一發(fā)現(xiàn)表明政府可以利用貨幣政策沖擊和金融沖擊效應(yīng)實現(xiàn)房地產(chǎn)市場的穩(wěn)定。

二、模型與假設(shè)

本部分建立一個包含家庭、非耐用品生產(chǎn)部門、房地產(chǎn)生產(chǎn)部門以及政府的多部門HDSGE模型。家庭依據(jù)其消費的耐心程度可以分為消費耐心(Patient)家庭與消費不耐心(Impatient)家庭，并且后者在家庭總數(shù)中所占的比例為s。消費耐心家庭是模型經(jīng)濟中的儲蓄者(Savers)，而消費不耐心家庭為借貸者(Borrowers)。這一模型設(shè)定方式最早由Kiyotaki和Moore(1997)提出，并將其用于宏觀經(jīng)濟分析中；Iacoviello(2005)將這一設(shè)定方式引入 HDSGE模型中。這一設(shè)定方式也意味著模型經(jīng)濟中的投資以及相應(yīng)的物質(zhì)資本形成和房地產(chǎn)生產(chǎn)部門生產(chǎn)過程中的土地投入均由消費耐心家庭完成。模型經(jīng)濟中的生產(chǎn)部門包括非耐用品生產(chǎn)部門和房地產(chǎn)生產(chǎn)部門，每一部門中均包含最終產(chǎn)品生產(chǎn)企業(yè)和中間產(chǎn)品生產(chǎn)企業(yè)。與已有的單部門HDSGE模型類似，中間產(chǎn)品生產(chǎn)企業(yè)生產(chǎn)具有一定差異的中間投入品，是差異化產(chǎn)品的供給方；同時，兩類部門中間產(chǎn)品生產(chǎn)企業(yè)均具有一定的壟斷勢力，因而可以利用產(chǎn)品的定價權(quán)來實現(xiàn)利潤的最大化。兩部門最終產(chǎn)品生產(chǎn)企業(yè)使用各部門的中間投入品生產(chǎn)出最終消費品和房產(chǎn)(Housing Goods)。而政府則指的是貨幣政策的制定者。

1.消費不耐心家庭的優(yōu)化行為

(1)

消費不耐心家庭面臨借貸約束，但可以通過將持有的房產(chǎn)進行抵押而獲得借款，因而已有的研究將這一約束稱為擔(dān)保約束(Collateral Constraints)。其面臨的擔(dān)保約束為：

(2)

(3)

(4)

(5)

(6)

(7)

其中，λt為式(2)的拉格朗日乘子。式(4)(5)決定了最優(yōu)的就業(yè)；式(6)為消費的跨期無套利條件，表明消費不耐心家庭效用最大化時無法通過調(diào)整不同時期的消費水平來實現(xiàn)效用的改善；式(7)為最優(yōu)的房產(chǎn)持有條件，表明消費不耐心家庭效用最大化時無法通過調(diào)整消費和房產(chǎn)持有來進一步提高效用水平。

2.消費耐心家庭的優(yōu)化行為

(8)

(9)

(τ=c,h)

(10)

(11)

(12)

(13)

(14)

(15)

(16)

(17)

3.非耐用品生產(chǎn)部門

(18)

非耐用品生產(chǎn)部門中間產(chǎn)品生產(chǎn)企業(yè)使用Cobb-Douglas技術(shù)進行生產(chǎn)，其生產(chǎn)函數(shù)為：

(19)

=0

(20)

(21)

(22)

(23)

式(21)(22)為成本最小化一階條件，決定了非耐用品生產(chǎn)部門最優(yōu)要素投入；式(23)為邊際成本，并且Ωc=α-α(1-αc)(1-α)-(1-α)(1-αc)(αc)-αc(1-αc)-(1-αc)。

4.房地產(chǎn)部門

房地產(chǎn)部門包括銷售商和開發(fā)商*當(dāng)然，現(xiàn)實經(jīng)濟中房地產(chǎn)部門開發(fā)商與銷售商可能是同一家企業(yè)，這里將房地產(chǎn)部門生產(chǎn)與銷售分開設(shè)定主要是為了模型表述的便利。，開發(fā)商負責(zé)房地產(chǎn)的生產(chǎn)，銷售商負責(zé)房地產(chǎn)的定價和出售。定義具體的房地產(chǎn)部門開發(fā)商的生產(chǎn)技術(shù)為如下Cobb-Douglas型函數(shù)：

(24)

(25)

(26)

(27)

(28)

(29)

(30)

5.市場均衡與貨幣政策當(dāng)局

Yt=Ct+It+Qt[Ht-(1-δh)Ht-1]

(31)

(32)

三、模型核心方程的處理與參數(shù)化

本部分對模型進行對數(shù)線性化處理，并對模型的關(guān)鍵方程進行相應(yīng)的說明；在此基礎(chǔ)上，對模型中的結(jié)構(gòu)性參數(shù)進行參數(shù)化(Parameterization)。

1.模型核心方程的處理

(33)

(34)

2.模型的參數(shù)化

表1　基準(zhǔn)參數(shù)的校準(zhǔn)

由于其余參數(shù)對于研究結(jié)論具有較強的敏感性，因而需要采用貝葉斯方法對其進行估計。Blanchard-Kahn條件要求貝葉斯估計過程中使用的觀測變量序列的組數(shù)不超過外生沖擊的數(shù)量，因而我們至多可以選擇8組觀測變量?；跀?shù)據(jù)的可得性考慮，本文選取如下7組數(shù)據(jù)作為觀測變量(Observations)：(1)消費，采用社會消費品零售總額數(shù)據(jù)；(2)總的房地產(chǎn)需求，采用商品房銷售額數(shù)據(jù)；(3)通貨膨脹，采用消費者物價指數(shù)(CPI)并使用環(huán)比方法計算；(4)房價膨脹，采用房地產(chǎn)銷售價格指數(shù)并使用環(huán)比方法計算*2002年第1季度至2011年第4季度的房地產(chǎn)銷售價格指數(shù)來源于中經(jīng)網(wǎng)數(shù)據(jù)庫；2012年第1季度至2013年第4季度的相關(guān)數(shù)據(jù)為估算的結(jié)果，具體的估算方法為：首先以2002年第1季度至2011年第4季度的房地產(chǎn)銷售價格指數(shù)對全國房地產(chǎn)市場景氣指數(shù)做回歸，然后用2012和2013年的全國房地產(chǎn)市場景氣數(shù)據(jù)并結(jié)合回歸模型對房地產(chǎn)銷售價格指數(shù)進行估算。；(5)名義利率，采用銀行業(yè)同業(yè)拆借利率數(shù)據(jù)；(6)總投資，采用支出法核算GDP中使用的投資數(shù)據(jù)；(7)總產(chǎn)出，采用剔除凈出口和政府購買之后的GDP數(shù)據(jù)。所有數(shù)據(jù)均來源于中經(jīng)網(wǎng)數(shù)據(jù)庫，樣本空間為2002年第1季度至2013年第4季度。在以上觀測序列中，除(3)(4)(5)外，其余觀測序列全部采用CPI進行調(diào)整，使其成為實際值。在此基礎(chǔ)上，采用Census X12方法對所有觀測值序列進行褪趨勢(De-trend)處理以消除季節(jié)性趨勢的影響；并且使用非對稱全樣本Christiano-Fitzgerald濾波法剔除各觀測序列的趨勢成分，進而保留周期性成分以用于貝葉斯估計。

為了規(guī)避貝葉斯估計的脆弱性問題，在計算參數(shù)后驗均值的過程中，我們要求貝葉斯估計程序同時使用5個平行鏈并進行20 000次馬爾科夫蒙特卡洛模擬(MCMC)，分別剔除首尾5 000個MCMC的結(jié)果。表2給出了參數(shù)貝葉斯估計的結(jié)果。

表2　參數(shù)貝葉斯估計的結(jié)果

注：表中后驗估計值與后驗標(biāo)準(zhǔn)誤均為保留小數(shù)點后4位數(shù)的數(shù)值。

四、模型動態(tài)分析

基于模型參數(shù)化的結(jié)果，本部分對第二部分的模型進行動態(tài)分析。具體的，首先對模型整體擬合優(yōu)度進行分析，以考察包含金融沖擊的模型是否能夠較好地擬合我國經(jīng)濟的現(xiàn)實數(shù)據(jù)；然后，通過金融沖擊的貝葉斯脈沖響應(yīng)函數(shù)分析金融沖擊對我國房地產(chǎn)市場以及宏觀經(jīng)濟波動的影響；最后，進一步采用貝葉斯沖擊分解方法考察金融沖擊在推動我國房價波動過程中的作用。

1.模型整體擬合優(yōu)度分析

本文在HDSGE模型中引入金融沖擊以考察金融沖擊在我國房價波動過程中的作用，與之相關(guān)的一個問題是，已有的研究未對這一問題進行分析，這是否意味著金融沖擊對于房地產(chǎn)市場并不具有重要的作用？換言之，與未包含金融沖擊的模型相比，包含金融沖擊的HDSGE模型是否能夠更好地擬合我國房地產(chǎn)部門乃至宏觀經(jīng)濟的現(xiàn)實？

已有的相關(guān)研究往往采用模型整體擬合優(yōu)度分析法考察不同模型對于現(xiàn)實數(shù)據(jù)擬合的程度，該方法通常包含邊際數(shù)據(jù)密度法和隱含貝葉斯因子法(Implied Bayesian Factor)等*Canova(2007)和Greenberg(2008)對這一方法進行了較為詳細的介紹。。模型擬合優(yōu)度檢驗建立在模型貝葉斯估計的基礎(chǔ)上。一般而言，模型的邊際數(shù)據(jù)密度越大，則表明模型對于現(xiàn)實數(shù)據(jù)擬合的程度越好；而隱含貝葉斯因子法則將未包含金融沖擊的模型的隱含貝葉斯因子先驗設(shè)定為1，然后計算包含金融沖擊的模型的隱含貝葉斯因子。模型整體擬合優(yōu)度分析的結(jié)果如表3所示。

表3　模型擬合優(yōu)度檢驗

表3給出了模型整體擬合優(yōu)度檢驗的結(jié)果。首先，從模型的邊際數(shù)據(jù)密度指標(biāo)可以看出，包含金融沖擊的模型對應(yīng)的邊際數(shù)據(jù)密度為296.53，而未包含金融沖擊的模型對應(yīng)的邊際數(shù)據(jù)密度為277.26，二者之差為19.27。因此，基于模型的邊際數(shù)據(jù)密度檢驗的結(jié)果可知，我國現(xiàn)實數(shù)據(jù)傾向于支持包含金融沖擊的模型。另外，從模型的隱含貝葉斯因子檢驗的結(jié)果中可以發(fā)現(xiàn)，包含金融沖擊的模型對應(yīng)的隱含貝葉斯因子為4.1×1011，這意味著接受未包含金融沖擊的模型所需要的先驗信息的數(shù)量是接受包含金融沖擊的模型的4.1×1011倍，即隱含貝葉斯因子檢驗的結(jié)果也顯著支持包含金融沖擊的模型。因此，基于模型整體擬合優(yōu)度分析的結(jié)論可知，相對于未包含金融沖擊的模型，包含金融沖擊的模型更好地擬合了我國經(jīng)濟的現(xiàn)實情況。

2.金融沖擊的貝葉斯脈沖響應(yīng)

模型整體擬合優(yōu)度檢驗的結(jié)果表明，我國現(xiàn)實經(jīng)濟數(shù)據(jù)更多地支持包含金融沖擊的模型，在此基礎(chǔ)上，我們可以采用貝葉斯脈沖響應(yīng)函數(shù)對這一模型進行動態(tài)分析?；诒疚难芯磕康目紤]，圖1僅給出了金融沖擊的貝葉斯脈沖響應(yīng)函數(shù)。顯然，積極的金融沖擊意味著家庭可以獲得更多的購房貸款，因而擴大了消費不耐心家庭的預(yù)算集合。家庭獲得購房貸款數(shù)量的增加，推動了家庭的住房需求，因此在積極的金融沖擊下，家庭的住房需求上升；而住房需求的上升推動了實際房價的上漲，因此在積極的金融沖擊下，實際房價表現(xiàn)出隨時間上升的動態(tài)反應(yīng)路徑。基于房價膨脹的定義可知，實際房價的上升將引起房價膨脹的上升，因而積極的金融沖擊也推動了房價膨脹的上升。房價的上升也推動了房地產(chǎn)部門收益的增加，對利潤最大化的追求使得房地產(chǎn)部門生產(chǎn)企業(yè)增加投資，進而推動了房地產(chǎn)部門投資的增加，因此，積極的金融沖擊也推動了房地產(chǎn)部門投資的上升。房地產(chǎn)投資的增加以及土地供給的有限性使得土地實際價格以及土地的實際租金率上升，因而在積極的金融沖擊下，土地的實際價格以及土地的實際租金率均表現(xiàn)出隨時間上升的趨勢。實際房價、土地價格以及土地實際租金率的上升推動了整體物價水平的上升，進而導(dǎo)致通貨膨脹率的上升。

最后，需要注意的是，積極的金融沖擊在推動房地產(chǎn)部門投資增加的同時，也導(dǎo)致了非耐用品生產(chǎn)部門投資的下降，表現(xiàn)在圖1中金融沖擊下非耐用品生產(chǎn)部門投資呈現(xiàn)隨時間下降的變化路徑。因此，金融沖擊的貝葉斯脈沖響應(yīng)函數(shù)反映了我國經(jīng)濟發(fā)展過程中的一個事實，即房地產(chǎn)部門的迅速發(fā)展導(dǎo)致大量的社會資源進入房地產(chǎn)部門，進而導(dǎo)致其他部門的發(fā)展較為緩慢。這也從另一個方面表明包含金融沖擊的模型相對較好地擬合了我國經(jīng)濟的現(xiàn)實；同時，也意味著在我國房地產(chǎn)市場調(diào)控過程中，如果政府使用積極的金融沖擊影響房地產(chǎn)市場，那么需要注意這一沖擊可能產(chǎn)生的負面效應(yīng)。

圖1　金融沖擊的脈沖響應(yīng)

3.貨幣政策沖擊的效應(yīng)分析

部分已有的相關(guān)研究在引入金融沖擊時忽略貨幣政策沖擊的效應(yīng)*在已有的研究中，如Jermann 和 Quadrini(2012)、Kaihatsu 和 Kurozumi(2014)、王國靜與田國強(2014)等均采用這一設(shè)定。在這一設(shè)定下，金融沖擊僅對企業(yè)的投資行為具有直接影響而對于家庭的優(yōu)化行為不存在任何影響。Yu(2013)認(rèn)為采用這一設(shè)定存在模型設(shè)定的偏誤，并且混淆了金融沖擊與貨幣政策沖擊的影響。而本文的設(shè)定則較好地規(guī)避了這一問題。在本文的框架中，金融沖擊影響宏觀經(jīng)濟的路徑包括：(1)影響不耐心家庭的優(yōu)化行為而影響總需求；(2)通過影響不耐心家庭的需求而刺激企業(yè)的投資行為。。盡管采用這一設(shè)定可以簡化分析的難度，并且可以防止金融沖擊與貨幣政策沖擊作用機制相互混淆而引起模型設(shè)定的偏誤。但是，在本文構(gòu)建的包含金融沖擊的HDSGE模型中，金融沖擊與貨幣政策沖擊卻具有不同的作用機制，因而二者對于宏觀經(jīng)濟變量的影響也具有不同的傳導(dǎo)路徑。具體地講，金融沖擊主要通過緩解消費不耐心家庭的預(yù)算約束來刺激企業(yè)的投資行為而對宏觀經(jīng)濟產(chǎn)生影響；而貨幣政策沖擊主要是通過利率而對企業(yè)的投資和生產(chǎn)行為產(chǎn)生影響，進而通過企業(yè)的投資和生產(chǎn)行為影響宏觀經(jīng)濟。

圖2　貨幣政策沖擊的貝葉斯脈沖響應(yīng)

圖2給出了貨幣政策沖擊的貝葉斯脈沖響應(yīng)函數(shù)。與金融沖擊類似，擴張性貨幣政策沖擊引起房地產(chǎn)需求的增加，房地產(chǎn)需求的增加推動了房地產(chǎn)部門投資的增加和實際房價的上升，繼而使得房價膨脹、土地租金率和土地的實際價格均上升。與金融沖擊不同的是，擴張性貨幣政策沖擊降低了資本的租賃成本和融資的難度，進而也刺激了非耐用品生產(chǎn)部門企業(yè)的投資行為。與已有研究所得到的結(jié)論類似，貨幣政策沖擊盡管促進了產(chǎn)出的增加，但也提高了通貨膨脹率。因此，基于圖1與圖2的比較可以發(fā)現(xiàn)，金融沖擊與貨幣政策沖擊對于非耐用品生產(chǎn)部門的投資具有不同的沖擊效應(yīng)?；诮鹑跊_擊和貨幣政策沖擊的貝葉斯脈沖響應(yīng)函數(shù)還可以發(fā)現(xiàn)，金融沖擊與貨幣政策沖擊對主要宏觀經(jīng)濟變量沖擊效應(yīng)的大小存在顯著差異。顯然，通過比較圖1與圖2可以發(fā)現(xiàn)，貨幣政策沖擊對產(chǎn)出等主要宏觀經(jīng)濟變量均具有更大的沖擊效應(yīng)，具體表現(xiàn)為貨幣政策沖擊下產(chǎn)出等變量具有更大程度的動態(tài)反應(yīng)。

另外，圖2還給出了未包含金融沖擊的模型中貨幣政策沖擊的貝葉斯脈沖響應(yīng)函數(shù)。通過比較可以發(fā)現(xiàn)，與未包含金融沖擊的模型相比，包含金融沖擊的模型中貨幣政策沖擊對于模型主要宏觀經(jīng)濟變量均具有更大的沖擊效應(yīng)。這一發(fā)現(xiàn)與Bernanke等(1999)類似，即資產(chǎn)市場具有“加速器”的作用，可以擴大外生沖擊對于宏觀經(jīng)濟的效應(yīng)，而本文所考慮的金融沖擊正是通過放松消費不耐心家庭的擔(dān)保約束進而擴大了貨幣政策沖擊的宏觀經(jīng)濟效應(yīng)。因此，金融沖擊具有放大貨幣政策沖擊效應(yīng)的“加速器”作用。

4.房價波動的貝葉斯沖擊分解

盡管金融沖擊的貝葉斯脈沖響應(yīng)函數(shù)表明了金融沖擊下主要宏觀經(jīng)濟變量的動態(tài)變化路徑，但是仍然存在的一個問題是，在本文的考察期內(nèi)，金融沖擊對我國房價波動具有怎樣的推動作用？為了對這一問題進行回答，我們采用貝葉斯沖擊分解方法對我國房價波動進行沖擊分解，進而可以看出不同的外生沖擊在推動我國房價波動過程中的作用。

表4給出了房價波動的貝葉斯沖擊分解的結(jié)果。為了更加清晰地得到不同外生沖擊對我國房價波動的影響，本文分別選取第4期、第16期、第20期以及第40期作為觀測期，進而可以得到在短期、中期、中長期以及長期中房價波動的推動力量。

表4　房價的貝葉斯沖擊分解

注：表中各數(shù)據(jù)均為保留小數(shù)點后兩位數(shù)的結(jié)果。

基于表4可以發(fā)現(xiàn)：

第一，房地產(chǎn)部門技術(shù)沖擊不是推動我國房價波動的主要力量。表4表明，在短期中，房地產(chǎn)部門技術(shù)沖擊對于我國房價波動的解釋能力僅為8.5%；而在長期，其僅僅可以解釋我國房價波動的5.57%。因此，房地產(chǎn)部門技術(shù)沖擊并不是推動我國房價波動的主要力量。這一發(fā)現(xiàn)與Iacoviello和Neri(2010)的研究存在顯著差異，后者發(fā)現(xiàn)房地產(chǎn)部門技術(shù)沖擊可以解釋大部分的美國房價波動，即美國房價上漲源于房地產(chǎn)部門技術(shù)進步太慢。

第二，房地產(chǎn)部門偏好沖擊在短期和中期對于我國房價波動具有較強的影響；而在長期，其對于我國房價波動的解釋能力較為有限。表4顯示，在短期和中期，房地產(chǎn)偏好沖擊分別可以解釋我國房價波動的15.34%和11.87%；而在中長期和長期，房地產(chǎn)偏好沖擊對于我國房價波動的解釋能力僅為2.15%和1.63%。

第三，土地供給沖擊對于我國房價波動具有較強的解釋能力。表4顯示，無論是在短期還是長期，土地供給沖擊對于我國房價波動的貢獻均超過15%。這一發(fā)現(xiàn)與已有的研究(易斌，2015)類似，后者發(fā)現(xiàn)土地供給沖擊對于我國房價波動具有重要的影響。

第四，金融沖擊是推動我國房價波動的主要因素之一，并且貨幣政策沖擊并不總是推動我國房價波動最為重要的因素。已有的研究(陳利鋒 等，2014)等均認(rèn)為貨幣政策沖擊是推動我國房價波動最為重要的因素。而本文則發(fā)現(xiàn)，在短期和中期，金融沖擊是推動我國房價波動最為重要的力量，貨幣政策則次之；但是在中長期和長期，貨幣政策沖擊是推動我國房價波動最主要的因素，而金融沖擊則次之。

基于以上分析，金融沖擊對我國房地產(chǎn)市場具有顯著的沖擊效應(yīng)，并且擴大了貨幣政策沖擊的效應(yīng)；在短期與中期，金融沖擊甚至是推動我國房價波動最為重要的因素。因此，在房地產(chǎn)調(diào)控過程中，政府可以積極利用金融沖擊效應(yīng)以達到調(diào)控目的。

五、結(jié)論

基于包含金融沖擊的多部門房地產(chǎn)動態(tài)隨機一般均衡模型，本文對金融沖擊在我國房價波動過程中的作用進行了考察。金融沖擊的貝葉斯脈沖響應(yīng)函數(shù)表明，金融沖擊通過緩解消費不耐心家庭的預(yù)算約束，對房地產(chǎn)市場產(chǎn)生了顯著的沖擊效應(yīng)；而基于模型比較的結(jié)果則可以發(fā)現(xiàn)，在包含金融沖擊的模型中貨幣政策沖擊具有更大的效應(yīng)。這意味著，金融沖擊擴大了貨幣政策沖擊的影響，即金融沖擊具有“加速器”作用。房價波動的貝葉斯沖擊分解結(jié)果表明，貨幣政策沖擊是中長期和長期推動我國房價波動最重要的力量，而金融沖擊是短期和中期推動我國房價波動最主要的因素。

由于貨幣政策對我國房價波動具有顯著影響，因而在房地產(chǎn)市場調(diào)控中，貨幣政策仍然是一個不可或缺的重要手段。在房價不斷上升甚至產(chǎn)生房價泡沫時，政策當(dāng)局可以通過緊縮性貨幣政策抑制房價的過快上升；而在房價波動頻繁且引起房地產(chǎn)市場波動時，政府也可以通過貨幣政策實現(xiàn)房地產(chǎn)市場的穩(wěn)定化。

本文的結(jié)論表明，金融沖擊對于我國房價波動具有重要的影響，因而在房地產(chǎn)市場調(diào)控過程中，政府可以利用金融沖擊的效應(yīng)影響房地產(chǎn)市場，進而達到有效調(diào)控房地產(chǎn)市場的目的。在房地產(chǎn)市場繁榮甚至出現(xiàn)房地產(chǎn)泡沫時，政府可以通過提高公積金利率、提高首付比例等方式形成逆向金融沖擊以提高家庭的擔(dān)保約束，進而抑制房地產(chǎn)市場泡沫；而在房地產(chǎn)市場低迷時，政府可以通過相反的措施形成積極的金融沖擊以影響房地產(chǎn)市場。在當(dāng)前房地產(chǎn)市場整體不景氣的背景下，我國政府實行降低首付比例、提高按揭的上限額度、減少公積金提取手續(xù)以及公積金利率優(yōu)惠等辦法對房地產(chǎn)市場進行調(diào)節(jié)，這些措施正是政府利用金融沖擊積極效應(yīng)以穩(wěn)定房地產(chǎn)市場的表現(xiàn)。值得注意的是，本文的研究表明，積極的金融沖擊在對房地產(chǎn)部門產(chǎn)生積極效應(yīng)的同時，也降低了非耐用品部門的投資，進而對于非耐用品部門具有不利的影響。因此，政府在利用金融沖擊進行房地產(chǎn)市場調(diào)控的同時，也要注意其對國民經(jīng)濟其他部門產(chǎn)生的不利影響。

參考文獻：

陳利鋒.2015.金融沖擊、企業(yè)生存狀況與貨幣政策[J]. 現(xiàn)代財經(jīng)(6)：70-81.

陳利鋒，范紅忠.2014.房價波動、貨幣政策與中國社會福利損失[J].中國管理科學(xué)(5)：42-50.

黃勇峰，任若恩，劉曉生.2002.中國制造業(yè)資本存量永續(xù)盤存法估計[J].經(jīng)濟學(xué)(季刊)，1(2)：377-396.

賈俊雪，郭慶旺.2012.財政支出類型、財政政策作用機理與最優(yōu)財政貨幣政策規(guī)則[J].世界經(jīng)濟(11)：3-30.

李成，王彬，馬文濤.2010.資產(chǎn)價格、匯率波動與最優(yōu)利率規(guī)則[J].經(jīng)濟研究(3)：91-103.

馬亞明，劉翠.2014.房地產(chǎn)價格波動與我國貨幣政策工具的選擇——基于DSGE模型的模擬分析[J]. 國際金融研究(8)：24-34.

王國靜，田國強.2014.金融沖擊與中國經(jīng)濟波動[J].經(jīng)濟研究(3)：20-34.

王益煊，吳優(yōu).2003.中國國有經(jīng)濟固定資本存量初步測算[J].統(tǒng)計研究(5)：40-45.

易斌.2015.住房需求抑制還是土地供給調(diào)節(jié)：房地產(chǎn)調(diào)控政策比較研究[J].財經(jīng)研究(2)：66-75.

ALPANDA S，AYSUN U. 2014. International Transmission of Financial Shocks in an Estimated DSGE Models[J]. Journal of International Money and Finance，47(c)：21-55.

BERNANKE Ben S，GERTLER M，GILCHRIST S. 1999. The Financial Accelerator in a Quantitative Business Cycle Framework[C]// TAYLOR J B，WOODFORD M. Handbook of Macroeconomics，1，Elsevier：Holland：1341-1393.

BLANCHARD O，DELL’ ARICCIA G，MAURO P. 2010. Rethinking Macroeconomic Policy[J]. Journal of Money，Credit and Banking，42(1)：199-215.

BRZOZA-BRZEZINA M，KOLASA M，KRZYSZTOF M. 2015. Macroprudential Policy and Imbalances in the Euro Area[J]. Journal of International Money and Finance，51(c)：137-154.

BURNSIDE C，EICHENBAUM M，REBELO S. 2011. Understanding Booms and Busts in Housing Markets[R]. NBER Working Papers，w16734.

CALVO G A. 1983. Staggered Prices in a Utility-Maximizing Framework[J]. Journal of Monetary Economics，12(3)：983-998.

CANOVA F. 2007. Methods for Applied Macroeconomic Research[M]. Princeton：Princeton University Press.

CASE K E. 2008. The Central Role of Home Prices in the Current Financial Crisis：How will the Market Clear?[J]. Brookings Papers on Economic Activity，39(2)：161-193.

CHRISTIANO L J，TRABANDT M，WALENTIN K. 2011. Introducing Financial Frictions and Unemployment into a Small Open Economy Model[J]. Journal of Economics Dynamics and Control，35(12)：1999-2041.

DAVIS M A，ORTALO-MAGNE F. 2011. Household Expenditures，Wages，Rents[J]. Review of Economic Dynamics，14(2)：248-261.

FENDOGLU S. 2014. Optimal Monetary Policy Rules， Financial Amplification，and Uncertain Business Cycle[J]. Journal of Economic Dynamics and Control，46(c)：271-305.

FINOCCHIARO D，VON HEIDEKEN V. 2013. Do Central Banks React to Housing Prices?[J]. Journal of Money，Credit and Banking，45(8)：1659-1683.

GALI′ J. 2014. Monetary Policy and Rational Asset Price Bubbles[J]. American Economic Review，104(3)：721-752.

GALI′ J，LOPEZ-SALIDO J D，VALLES J. 2007. Understanding the Effects of Government Spending on Consumption[J]. Journal of the European Economics Association，5(1)：227-270.

GOMES S，MENDICINO C. 2015. Housing Market Dynamics：Any News? [R]. ECB Working Papers，1775.

GREENBERG E. 2008. Introduction to Bayesian Econometrics[M]. Cambridge：Cambridge University Press.

HE D，ZHANG W，SHEK J. 2007. How Efficient has been China’s Investment? Empirical Evidence from National and Provincial Data[J]. Pacific Economic Review，12(5)：596-617.

IACOVIELLO M. 2005. Housing Prices， Borrowing Constraints， and Monetary Policy in the Business Cycle[J]. American Economic Review，95(3)：739-764.

IACOVIELLO M，NERI S. 2010. Housing Market Spillovers：Evidence from an Estimated DSGE Model[J]. American Economic Journal：Macroeconomics，2(2)：125-164.

JERMANN U，QUADRINI V. 2012. Macroeconomic Effects of Financial Shocks[J]. American Economic Review，102(1)：238-271.

KAIHATSU S，KUROZUMI T. 2014. Sources of Business Fluctuations： Financial or Technology Shocks?[J]. Review of Economic Dynamics，17(2)：224-242.

KANNAN P，RABANAL P，SCOTT M A. 2012. Monetary and Macro-prudential Policy Rules in a Model with House Price Booms[J]. The B. E. Journal of Macroeconomics，12(1)，1-42.

KIYOTAKI N，MOORE J. 1997. Credit Cycles[J]. Journal of Political Economy，105(2)：211-248.

KOBAYASHI K，NAKAJIMA T，INABA M. 2012. Collateral Constraint and News-Driven Cycles[J]. Macroeconomic Dynamics，16(5)：752-776.

KOLASA M，LAMBARDO G. 2014. Financial Frictions and Optimal Monetary Policy in an Open Econpmy[J]. International Journal of Central Banking，10(1)：43-94.

LEE J，SONG J. 2015. Housing and Business Cycles in Korea：A Multi-Sector Bayesian DSGE Approach[J]. 45：Economic Modelling，45(c)，99-108.

LIU Z，WANG P，ZHA T. 2013. Land Price Dynamics and Macroeconomic Fluctuations，Econometrica，81(3)：1147-1184.

MONACELLI T. 2009. New Keynesian Models，Durable Goods and Borrowing Constraints[J]. Journal of Monetary Economics，56(2)：242-254.

NOLAN C，THOENISSEN C. 2009. Financial Shocks and the US Business Cycle[J]. Journal of Monetary Economics，56(4)：596-604.

NOTARPIETRO A， SIVIERO S. 2014. Optimal Monetary Policy Rules and Housing Price[R]. Bank of Italy Working Papers， 993.

TAYLOR J B. 1993. Discretion Versus Policy Rules in Practice[J]. Carnegie-Rochester Series on Public Policy，39(1)：195-214.

YU S X. 2013. Evaluating Macroprudential Policy in a DSGE Framework with Financial Frictions[R]. Division of Social Science， New College of Florida Working Paper.

CLC number：F015；F822.2；F224.0 Document code：AArticle ID：1674-8131(2016)01-0061-13

(編輯：夏冬；段文娟)

ZHANG W. 2009. China’s Monetary Policy： Quantity Versus Price Rules[J]. Journal of Macroeconomics，31(3)：473-484.

Financial Shocks and Housing Price Fluctuations in China—Analysis Based on Dynamic Stochastic General Equilibrium Model

CHEN Li-feng

(Department of Economics, The Party School of Guangdong Provincial Committee of CPC,

Guangzhou 510053, China)

Abstract:In this paper, we consider a Dynamic Stochastic General Equilibrium (DSGE) model with financial shocks, and investigate the effects of financial shocks on China’s housing price fluctuations. The result shows that the model with financial shocks better fits for China’s economic reality than the model without financial shocks, that financial shocks have significant shock effect on the housing market of China, and furthermore, the positive financial shocks decrease the investment of other sectors but increase the investment of housing sector. The result of model comparison argues that financial shocks amplify the effect of monetary policy shocks, which is the effect of accelerator. Further, the result of housing price Bayesian decomposition shows that, in the short and medium term, financial shocks is the most important driving force of housing price fluctuations, but in the long-run, monetary policy shocks is the most important factor for housing price volatility. Therefore, both monetary policy and financial policy are the important instrument of housing market regulations, governments should actively use monetary policy shocks and financial shocks to stabilize the housing market but the government should pay attention to the negative effect of financial shocks on other sectors of national economy.

Key words:financial shocks; housing price fluctuations; dynamic stochastic general equilibrium model; monetary policy shocks; housing demand; housing price dilation; guarantee restriction; family optimization behavior; enterprise investment behavior

中圖分類號：F015；F822.2；F224.0

文獻標(biāo)志碼：A

文章編號：1674-8131(2016)01-0061-13

作者簡介：陳利鋒(1982—)，男，湖北黃岡人；副教授，博士，在中共廣東省委黨校經(jīng)濟學(xué)教研部任教，主要從事貨幣與金融經(jīng)濟學(xué)、勞動經(jīng)濟學(xué)研究。

基金項目：廣東省哲學(xué)社會科學(xué)“十二五”規(guī)劃學(xué)科共建項目(GD14XYJ02)

收稿日期：*2015-09-11；修回日期：2015-11-05

DOI：10.3969/j.issn.1674-8131.2016.01.008