• 當前位置:論文網 > 論文寶庫 > 工程技術類 > 房地產 > 中國貨幣政策對房地產市場的非對稱效應正文

    中國貨幣政策對房地產市場的非對稱效應

    來源:UC論文網2018-08-13 08:31

    摘要:

      摘要:本文基于國房景氣指數及馬爾科夫區制轉換模型,研究了中國貨幣政策對房地產市場的影響。研究發現,中國貨幣政策對房地產市場影響存在非對稱效應:一是貨幣政策在房地產市場處于“平穩期”時,對房地產市場...

      摘要:本文基于國房景氣指數及馬爾科夫區制轉換模型,研究了中國貨幣政策對房地產市場的影響。研究發現,中國貨幣政策對房地產市場影響存在非對稱效應:一是貨幣政策在房地產市場處于“平穩期”時,對房地產市場幾乎沒有作用,但是在房地產市場處于“上行期”和“下行期”時作用明顯;二是預期貨幣政策變動對房地產市場具有預期調控作用,非預期貨幣政策變動則會弱化貨幣政策的預期調控作用,因此,具有一定規則、平穩可預期的貨幣政策將有助于維護我國房地產市場健康平穩發展。另外,現階段適宜的房地產市場調控貨幣政策中介目標為貨幣供應量,而利率對房地產市場的調控作用可能有限。


      關鍵詞:貨幣政策;中國房地產市場;馬爾科夫區制轉換模型;非對稱效應;國房景氣指數;


      作者簡介:陳日清,男,湖南省耒陽市人,2007年畢業于東北財經大學金融學院,獲經濟學博士學位,現為東北財經大學金融學院、應用金融研究中心講師。研究方向為房地產市場、行為金融、公司金融。


      一、引言


      近年來貨幣政策與房地產市場的關系一直是學術界比較關注的熱點問題,1998年我國房地產市場化改革以來,隨著房地產市場飛速發展,國內也有大量研究討論貨幣政策與房地產市場的關系(如段忠東、曾令華,2008)。不過上述研究基本基于線性模型框架,而許多研究發現非線性模型馬爾科夫區制轉換模型能夠很好地刻畫風險資產的波動趨勢(Chan,etal.,2011)、貨幣政策影響(方舟等人,2011)、經濟周期波動(Thomas,1993)。基于此,許多研究嘗試將馬爾科夫區制轉換模型運用到房地產市場(徐迎軍、李東,2010;朱孟楠等人,2011;夏程波、莊媛媛,2012),并發現了房地產市場具有非線性特征。其中徐迎軍、李東(2010)發現我國的房地產價格呈現出馬爾柯夫機制轉換模型的非線性特征,朱孟楠等人(2011)采用馬爾科夫區制轉換VAR模型分析了2005年匯改以來人民幣兌美元匯率與我國房地產價格之間的非線性動態關系,而夏程波、莊媛媛(2012)運用馬爾科夫區制轉移模型對我國通貨膨脹率和房地產收益率相關關系進行了研究,并發現通貨膨脹率周期成分在三個區制中都與房地產收益率顯著相關。


      綜上所述,已有國內研究在分析我國貨幣政策對房地產市場的影響上獲得了豐富成果,但是存在如下值得改進之處:一是已有貨幣政策對房地產市場影響的研究基本基于線性模型框架,但是房地產市場還存在非線性周期特征(徐迎軍、李東,2010;朱孟楠等人,2011;夏程波、莊媛媛,2012);二是已有研究(蔣青華,2010)未對貨幣政策對不同狀態區制下的房地產市場的影響實施相關實證檢驗,使得我們并不清楚貨幣政策在不同的狀態區制下對房地產市場的影響是否顯著,以及如果存在影響,也無法判斷貨幣政策在不同的區制狀態下對房地產市場的影響是否存在差異;三是已有研究未區分貨幣政策的預期變動與非預期沖擊在不同狀態區制下對房地產市場的影響,這樣使得我們難以深入了解貨幣政策對房地產市場的影響方式。另外,現有研究大多通過房價來分析中國房地產市場(如況偉大,2006),但是由于房地產市場具有較長的開發周期,加之與銀行信貸關系非常密切,同時受土地供給量的約束,因此用房價作為整個房地產市場的度量指標具有一定的局限性。而國房景氣指數是國家統計局在1997年研制并建立的一套針對房地產業發展變化趨勢和變化程度的綜合量化指數體系(其將1995年3月當作基期),該指數從土地、資金、開發量、市場需求等角度顯示全國房地產業基本運行狀況,能夠更準確地反映我國房地產市場總體運行狀況和總體趨勢,因此本文通過對國房景氣指數的分析來識別我國房地產市場所處的不同狀態區制。


      本文將基于擴展的馬爾科夫區制轉換AR模型研究我國貨幣政策對房地產市場影響的非對稱效應。首先選取國房景氣指數月度數據,運用馬爾科夫區制轉換AR模型對我國房地產市場的狀態區制進行識別。然后,在將貨幣供應量(M2)與利率水平(7天月平均銀行間同業拆借利率)兩種貨幣政策變量分解為預期變動和非預期變動基礎上,研究貨幣政策在不同狀態區制下對我國房地產市場的非對稱影響。


      二、研究方法———馬爾科夫區制轉換AR模型①


      馬爾科夫區制轉換模型將隨機過程可能發生的路徑劃分為m種狀態區制,令st為隨機過程在t期所處的狀態區制,其為一個不可觀測的隨機變量并且遵循一階馬爾科夫鏈過程,狀態轉移概率矩陣P=(pij)m×m,并且狀態轉移概率pij滿足pij=P(st=j|st-1=i,…s1=l;It-1)=P(st=j|st-1=i),其中,i,j∈[1,2,…,m],It-1為t-1期的信息集,∑jpij=1,i。由Hanmilton(1994),具有馬爾科夫區制轉換特征的AR模型可以表示為φ(L)yt=μst+εt,并且εt~i.i.d.N(0,σ2st),μst和σ2st是狀態依賴的均值和標準差,φ(L)為滯后算子L的函數。令φ(L)=1-∑Pi=1αi,stLi,其中αi,st為狀態依賴的自回歸系數,P為滯后階數,因此我們可以得到:


      由式(1)我們可以進一步計算y的狀態依賴均值和標準差


      同時,該模型可以根據狀態轉移概率計算出y處于某種狀態區制的平均持續期(即E(Ti)=1/(1-pii)),因而非常適合用來研究經濟變量的周期性波動。馬爾科夫區制轉換AR模型(式(1))描述了y在不同的狀態區制下不同的動態過程,那么如何考察某一外生變量x對y在不同的狀態區制下的影響呢?為了分析該問題,我們對馬爾科夫區制轉換AR模型進行一定修正和擴展,即將外生變量x引入到式(1)中,從而得到


      其中,xt為外生變量,βst為yt對xt的狀態依賴反應系數,Q是xt的滯后階數,其余符號含義同式(1)。式(3)顯示,模型的參數能夠隨著狀態的變化而變化,從而能夠更好描述變量之間的關系。下面我們就在上述兩個模型的框架下,識別中國房地產市場在不同時期的狀態區制,并進一步探討貨幣政策對不同狀態區制下房地產市場的非對稱影響。


      三、中國房地產市場的狀態區制識別


      (一)數據及描述性統計


      考慮到我國在1998年才開始全面實施房地產的市場化改革,本文選取1999年1月至2013年5月國房景氣指數月度變動率作為樣本②。為了盡可能避免異方差問題,采用對數變動率計算國房景氣指數變動率,計算公式為(lnPt-lnPt-1)×100,其中Pt為第t個月的國房景氣指數值。圖1描述了國房景氣指數月度變動率趨勢。


      圖1顯示,國房景氣指數月度變動率在整個樣本期的不同時期可能具有不同的特征,主要表現為均值或標準差可能存在差異,如果我們以2005年12月為界分為兩個子樣本,方差比較檢驗表明其方差存在顯著差異①。另外國房景氣指數月度變動率均值為-0.0065,標準差為0.6690,偏度為0.6301,峰度為6.5627,JB統計量為102.9(P值為0),表明該序列具有右偏、尖峰的分布形態,并拒絕正態分布的假設。因此,可以初步判斷國房景氣指數月度變動率可能具有馬爾科夫區制轉換等非線性特征。下文進一步考察國房景氣指數月度變動率是否具有馬爾科夫區制轉換特征。


      (二)非線性特征檢驗


      建模之前,首先用ADF檢驗和PP檢驗考察國房景氣指數月度變動率序列的平穩性。結果顯示ADF檢驗與PP檢驗統計量都小于1%顯著性水平的臨界值,從而拒絕了國房景氣指數月度變動率序列存在單位根的零假設,因此國房景氣指數月度變動率序列是平穩的。其次,為了檢驗國房景氣指數月度變動率序列是否存在非線性特征,本文對國房景氣指數月度變動率序列在去除序列自相關后②實行了BDS檢驗③,結果表明,所有嵌入區間檢驗BDS統計量均在1%的顯著性水平下拒絕了不存在非線性特征的原假設,所以國房景氣指數月度變動率序列存在非線性特征。我們進一步采用Chow檢驗對國房景氣指數月度收益序列進行檢驗,其中,回歸模型采用BIC信息準則確定的AR(3)模型,并選擇2005年12月作為國房景氣指數時間序列的一個斷點。結果發現,F檢驗在5%顯著水平下拒絕零假設,因此國房景氣指數月度變動率序列可能在2005年12月發生了結構性突變。


      (三)中國房地產市場的狀態區制識別


      上述斷點是根據國房景氣指數月度變動率序列趨勢圖主觀判斷而外生確定的,而整個國房景氣指數月度變動率序列可能還存在其他斷點,并且所有這些斷點都是內生的。而馬爾科夫區制轉換模型正好能夠將斷點內生化并且能通過已知的數據信息估計出來,所以下文便采用該模型做進一步分析。現有經驗研究顯示,當狀態區制數大于4時,參數數量很大,可能會導致自由度過小問題,同時狀態區制數大于4的模型并不能提供很好的經濟學解釋。因此實證研究中,馬爾科夫區制轉換模型的狀態區制數一般選為2個或3個。所以本文主要考慮2個或3個狀態區制的馬爾科夫區制轉換模型。本文按以下步驟來確定模型的狀態區制數和國房景氣指數月度變動率序列的滯后階數:首先,考慮一般的線性AR模型,按AIC和BIC等信息準則選擇國房景氣指數月度變動率的AR滯后階數,結果表明,國房景氣指數月度變動率存在3階自相關;其次,在國房景氣指數月度變動率存在3階自相關的基礎上,按AIC和BIC信息準則選擇MS(#)-AR(p)的模型狀態區制數#(#=2,3)和滯后階數p(p=0,1,2,3);最后,對殘差做進一步診斷分析來確定最后的計量模型,具體地,本文采用如下三個檢驗來對模型進行選擇:①殘差序列相關檢驗(Q統計量);②AIC和BIC信息準則;③Hamilton和Susmel(1994)年提出似然比檢驗(LikelihoodRatio,LR)④。限于篇幅,本文僅給出了按AIC信息準則確定的普通線性AR(3)模型、具有兩狀態的馬爾科夫區制轉換模型MS(2)-AR(3)和三狀態的馬爾科夫區制轉換模型MS(3)-AR(3)(見表1)。


      從模型殘差診斷檢驗與AIC值(表1)以及模型LR檢驗(表2)來看,三個模型中,MS(3)-AR(3)解釋能力最好,明顯優于其他兩個模型,而且此模型各個參數也都基本顯著。從而可以認為國房景氣指數月度變動率存在明顯的三種狀態區制,并且我們對關于MS(3)-AR(3)模型的零假設月度變動率均值和方差相等(H0:μs1=μs2,μs1=μs3,σs1=σs2,σs1=σs3)的Wald統計量①為132.974,P值為0。因此三種狀態區制月度變動率均值和方差在統計上存在顯著差異。另外,根據式(2)可以進一步得出三種狀態區制下,國房景氣指數預期平均月度變動率和方差具有如下特征:①在狀態區制1中,國房景氣指數預期平均月度變動率為-0.7923%,標準差為0.7303%,即表明在狀態區制1中,國房景氣指數平均來看向下變動,我們將狀態區制1定義為我國房地產市場的“下行期”;②在狀態區制2中,國房景氣指數預期平均月度變動率為0(μs2不顯著),標準差為0.1930%,即表明在狀態區制2中,國房景氣指數平均來看幾乎未發生變動,我們將狀態區制2定義為我國房地產市場的“平穩期”;③在狀態區制3中,國房景氣指數預期平均月度變動率為2.7304%,標準差為0.5178%,即表明在狀態區制3下,國房景氣指數平均來看向上變動,我們將這種狀態區制定義為我國房地產市場“上行期”。


      對表1中的狀態轉移概率矩陣做進一步分析可以得出如下判斷:其一,我國房地產市場本月處于“下行期”,下個月很可能還是處于“下行期”(P11=0.9123),不過一旦發生狀態區制轉換,更有可能轉換為“上行期”(P13=0.0675>P12=0.0202),并且我國房地產市場處于“下行期”的平均持續時間為11.4個月;其二,我國房地產市場本月處于“平穩期”,下個月很可能還是處于“平穩期”(P22=0.9807),不過一旦發生狀態區制轉換,只可能轉換為“下行期”(P21=0.0193),而不會轉換為“上行期”(P23=0.000)。另外,我國房地產市場處于“平穩期”的平均持續時間為51.8個月(4年1個季度),在所有狀態區制中最長;其三,我國房地產市場本月處于“上行期”,下個月可能還是處于“上行期”(P33=0.5838),不過一旦發生狀態區制轉換,則更有可能轉換為“下行期”(P31=0.4152>P32=0.0010)。另外,我國房地產市場處于“上行期”的平均持續時間為2.4個月,在所有狀態區制中最短。進一步地,我們可以根據狀態平滑概率②計算出國房景氣指數變動率序列三種不同狀態區制下的平滑概率(圖2),并進而對國房景氣指數在不同時期的狀態區制情況進行準確判斷①(表3)。表3顯示,1994年4月以來,在2007年3月之前,國房景氣指數基本處于“平穩期”與“下行期”,而之后基本為“上行期”和“下行期”交替,僅2011年5月為“平穩期”,并且“下行期”累計月數為76個月,“平穩期”累計月數為82個月,“上行期”累計月數為12個月。


      按表3對我國房地產市場處于不同狀態區制的劃分,進一步對國房景氣指數月度變動率進行描述性統計分析及均值比較檢驗與方差比較檢驗。結果顯示,在房地產市場“下行期”(狀態區制1),國房景氣指數下行,波動較小。在房地產市場“平穩期”(狀態區制2),國房景氣指數緩慢上行,波動較小。在房地產市場“上行期”(狀態區制3),國房景氣指數急速上行,波動較大。另外,所有狀態區制的均值和方差存在顯著差別,雖然相對于其他兩個狀態區制而言,我國房地產市場“上行期”累計月數比較少,但是該期間國房景氣指數平均月度變動率為1.1123%,其變動幅度遠遠大于“下行期”的-0.2296%,前者的絕對值是后者的近5倍。因此,我國房地產市場在1999年4月到2007年3月期間呈現緩慢上行特征,但是之后呈現短時期急速上行,然后緩慢調整,繼而又急速上行的特征。


      四、貨幣政策對房地產市場影響的非對稱效應


      (一)貨幣政策變量的選擇及分解


      前文分析表明我國房地產市場存在三種不同的狀態區制,在不同的狀態區制下,房地產市場受哪些因素的影響?是何種影響?許多研究分析了各種因素對房地產市場的作用(如況偉大,2006;杜敏杰、劉霞輝,2007等等),但是在國內基本沒有研究涉及貨幣政策對房地產市場的非對稱影響。下文我們著重分析以下問題:一是貨幣政策對我國房地產市場是否存在影響?二是在不同的市場狀態下貨幣政策對我國房地產市場的影響是否一致?本文分別從貨幣政策兩個主要中介目標,即利率水平和貨幣供應量角度考察貨幣政策對我國房地產市場的影響。雖然我國利率并未完全市場化,但許多學者采用7天加權平均同業拆借利率(r7)作為市場利率的代理變量(如陸軍、鐘丹,2003),因此本文也采用該變量作為市場利率的代理變量來考察利率變動對我國房地產市場的影響。另外,還選取貨幣供應量M2的月度增長率來度量貨幣政策。具體地,本文采用貨幣供應量M2的月度對數增長率(m2)來考察貨幣供應量對我國房地產市場的影響。現有相關研究中,基本未區分預期貨幣政策與非預期貨幣政策(沖擊)對房地產市場的影響,但是本文在分析貨幣政策對我國房地產市場的影響之前,借鑒Chen(2007)的作法,首先對不同的貨幣政策變量進行分解,將其分解成預期的貨幣政策變動與非預期的貨幣政策變動,然后再進一步分析其不同的組成部分對我國房地產市場的影響。分解方式如下:①將m2視為一個AR過程,基于AIC信息準則采用AR(12)來分解m2,將擬合值當作預期變動,而回歸殘差當作非預期變動(沖擊);②由于貨幣政策的最終目標用通貨膨脹率或經濟增長衡量,因此對m2的分解最好考慮通貨膨脹率或經濟增長,由于工業增加值月度同比數據無法獲取,我們建立一個僅包含CPI月度環比增長率①與m2的VAR模型,并利用AIC信息準則選取VAR(12)來進行建模,最后通過其中的m2方程來獲得貨幣政策的預期變動(擬合值)和非預期變動(方程殘差);③對7天加權平均同業拆借利率r7我們采用①中類似作法,由AIC信息準則我們用AR(3)來對其進行分解為預期變動(擬合值)和非預期變動(方程殘差)。在對貨幣政策變量m2和r7進行分解之前,我們采用ADF檢驗及PP檢驗來考察其平穩性。結果表明m2與r7在1%顯著水平下拒絕存在單位根的零假設,因此是平穩時間序列。另外,為了與未分解的貨幣政策變量對房地產市場的整體影響作對比,我們還估計了未分解的貨幣政策變量m2與r7對房地產市場的影響。


      (二)貨幣政策對我國房地產市場的影響估計


      本文接下來在前文MS(3)-AR(3)模型的基礎上,利用擴展的馬爾科夫區制轉換模型(式(3)),分析貨幣政策對我國房地產市場的影響,模型中外生貨幣政策變量的滯后階數根據AIC和BIC等信息準則、Hamilton和Susmel(1994)似然比檢驗以及回歸殘差診斷檢驗綜合確定。另外,為了判斷貨幣政策是否在不同市場狀態下對我國房地產市場具有不同的影響,我們采用了Hamilton和Susmel(1994)似然比檢驗及AIC信息準則來進行比較。從估計結果看,所有含有貨幣政策變量的模型與表1中不含貨幣政策變量的模型MS(3)-AR(3)相比,LR檢驗、AIC值均表明含有貨幣政策變量的模型擬合程度更好,因而證實了貨幣政策對我國房地產市場有顯著影響。


      (三)貨幣政策對我國房地產市場的非對稱影響檢驗


      前文的分析表明貨幣政策對我國房地產市場有顯著影響,為了進一步分析在不同市場狀態下貨幣政策對房地產市場是否存在非對稱影響。我們按以下步驟檢驗如下假設:①首先考察貨幣政策對我國房地產市場是否存在非對稱影響,檢驗零假設②H0:βpj,s1=βpj,s2,βpj,s1=βpj,s3,p,j。模型A、B、C、D、E該檢驗的Wald統計量分別漸近服從自由度為10、8、16、4、8的卡方分布。②其次分別檢驗貨幣政策在三個不同的市場狀態下對我國房地產市場是否存在影響,我們構造零假設H0,i:βpj,si=0,p,j。模型A、B、C、D、E該檢驗的Wald統計量分別漸近服從自由度為5、4、8、2、4的卡方分布。③如果在某一市場狀態i(i=1,2,3)下拒絕了②中的零假設,接下來檢驗貨幣政策對我國房地產市場在該市場狀態下的累積性影響。即檢驗如下假設:j,其Wald統計量漸近服從自由度為2(模型B、C、E)或1(模型A、D)的卡方分布。④如果第三步中貨幣政策在兩個市場狀態(i和k)下對我國房地產市場的累積影響非零,我們可以通過檢驗如下零假設j來檢驗貨幣政策對我國房地產市場是否存在非對稱的累積影響,其Wald統計量漸近服從自由度為4(對模型B、C、E)或2(對模型A、D)的卡方分布。⑤最后,為了進一步檢驗貨幣政策的預期變動與非預期變動對我國房地產市場是否存在相同影響,我們檢驗如下兩個假設上述檢驗分別檢驗貨幣政策的預期變動與非預期變動對房地產市場是否具有相同的單期影響及累積影響。模型B、C、E中,第一個零假設的Wald統計量漸近服從自由度為2、4、2的卡方分布,第二個零假設的Wald統計量漸近服從自由度為1的卡方分布。


      (四)實證結果分析


      檢驗結果顯示,所有五個貨幣政策的相關變量估計方程中,表4中的零假設①在1%的顯著性水平下被拒絕,這表明我國貨幣政策對我國房地產市場在不同的市場狀態下存在非對稱影響。并且,由模型A和D的估計與檢驗結果可以看出,貨幣政策變量對房地產市場的影響從整體看,僅在狀態區制3中存在影響,而在狀態區制1、2中不存在影響。具體地,m2當期的變動并未產生預期的作用(β0,s3=-0.3511),而在隨后的1月和第3月才有預期的正向作用,并且其累積影響不顯著,而r7當期的變動也未產生預期的作用(β0,s3不顯著),而隨后的影響為正,并且其累積影響也不顯著。這也和我們假定只有一種狀態時的分析一致①。上述分析似乎表明在我國房地產市場,貨幣政策的影響較小,不過這可能是由于貨幣政策預期變動與非預期變動對房地產市場的影響相互抵消而導致的,因此我們有必要把貨幣政策變量分解為預期變動與非預期變動(沖擊)來做進一步分析。由于相對模型B而言,模型C對貨幣政策的分解要更為合理一些,因此下面我們基于模型C和E來進行分析。


      首先,貨幣政策在房地產市場處于“平穩期”(狀態區制2)時,對房地產市場幾乎沒有作用,但是在房地產市場處于“上行期”和“下行期”時作用明顯(表4零假設②)。不過,貨幣供應量m2與7天平均同業拆借利率r7在“下行期”(狀態區制1)和“上行期”(狀態區制3)中對房地產市場的影響也存在差異,其中,貨幣供應量在“下行期”(狀態區制1)和“上行期”(狀態區制3)中對房地產市場都存在影響,并且在兩種狀態區制下對房地產市場的當期影響為負,而在之后的影響在狀態區制3下通常為正,這說明當貨幣供應量增加時,在當期并不會對房地產市場產生刺激作用,其正向的刺激作用要在隨后才逐步顯現出來,具有一定的滯后特征。而7天平均同業拆借利率僅在“上行期”(狀態區制3)中存在影響(表4零假設②),并且在當期就能夠體現出對房地產市場的調控作用,不過隨后的影響將會被削弱。另外,表4的零假設③與零假設④的檢驗結果表明,在“下行期”(狀態區制1)和“上行期”(狀態區制3),貨幣政策對房地產市場存在累積性影響,并且這種影響在“下行期”和“上行期”存在顯著差異。


      其次,預期貨幣政策變動與非預期貨幣政策變動對房地產市場的影響也存在差異(表4零假設⑤)。具體而言,貨幣供應量的變動在“下行期”僅預期變動對房地產市場存在當期的負向作用,非預期變動對房地產市場沒有顯著影響;而在“上行期”,貨幣供應量的預期變動與非預期變動對房地產市場均存在顯著影響,其中當期影響都為負,并且非預期變動的影響強度也高于預期變動的影響強度,預期變動對房地產市場隨后的影響都為正,并且其累積影響顯著大于零,而非預期變動對房地產市場隨后的影響作用方向正負相間,但其累積影響顯著小于零,如果假定預期變動與非預期變動具有相同大小,則貨幣供應量的變動在“上行期”總的累積影響也顯著大于0,這也符合我們的預期和直覺,因此,雖然貨幣供應量作為貨幣政策中介目標對房地產市場的調控作用會受到其非預期變動的削弱影響,但是也能夠達到預期目標。另外,利率水平的變動在“下行期”對房地產市場無顯著影響,在“上行期”,利率水平的預期變動與非預期變動均對房地產市場有顯著影響,其中預期變動的當期影響為負,符合我們的預期與直覺,但是非預期變動的當期影響為正,會削弱利率對房地產市場的調控作用,同時利率水平的預期變動雖然隨后的影響為正,但是其累積影響顯著為負,如果假定預期變動與非預期變動具有相同大小,則利率水平總的累積影響顯著為正,進一步表明非預期的利率水平變動不僅大大削弱利率對房地產市場的調控作用,當非預期變動比較大時,其對房地產市場的作用方向可能與政策制定者的預期相反,因此利率對房地產市場的調控作用可能有限。這也可能是我國利率市場化水平較低造成的,另外的可能因素在于我國房地產市場的主要推動力是消費者的自適應性預期。


      上述討論表明,當貨幣當局想采用貨幣政策來調控我國房地產市場時,也應該視不同的市場狀態而采用具有針對性的措施。應主要采用以貨幣供應量M2為中介目標的貨幣政策來影響我國房地產市場,具體地,當我國房地產市場上漲過快,具有“泡沫化”傾向時,可以適當降低M2的增長率,考慮到貨幣政策變動不僅僅影響房地產市場,還影響到整個國民經濟,如果我們很難用貨幣政策的微調方式來對房地產市場進行調控時,可適當采取稅收等財政政策來引導房地產市場的發展。而當房地產市場處于“下行期”時,如果想提升房地產市場,我們的研究表明,貨幣政策的作用可能有限,此時也應多采取稅收等財政政策或其他方式。更為重要的是,上述研究顯示非預期貨幣政策變動會弱化貨幣政策對房地產市場的調控作用,因此貨幣當局在利用貨幣政策調控房地產市場時,應在一定的規則下實行,使得房地產市場的參與者能夠準確預期貨幣政策的相應變化,這樣貨幣政策對房地產市場的預期調控效果才有可能實現,否則,可能會進一步使房地產市場的發展偏離我們的預期。


      (五)穩健性檢驗


      穩健性分析主要從以下兩個方面進行:一是為了減少異方差的影響,前文采用了相關變量的對數變動率,我們還進一步采用了一般的變動率計算方法(Xt-Xt-1)/Xt×100,其中Xt為相關變量,如國房景氣指數、M2等,以避免變量計算方法所帶來的偏誤;二是為了避免變量選取所導致的偏誤,對市場利率的代理變量選取30天月平均銀行間同業拆借利率來進行計算。上述穩健性分析并未改變本文的基本結論,因此,可以認為本文研究結果是比較穩健的。


      五、結論與政策建議


      本文選取1999年1月至2013年5月期間的國房景氣指數和相關貨幣政策變量的月度數據作為樣本,運用馬爾科夫區制轉換模型識別了我國房地產市場的狀態區制,并在此基礎上,實證研究了我國貨幣政策在不同狀態區制下,對房地產市場的非對稱性影響。主要結論如下:


      一是我國房地產市場具有非線性特征和狀態區制轉換特征。本文通馬爾科夫區制轉換模型對我國房地產市場的狀態區制進行分析時發現,我國房地產市場存在三種市場狀態:“下行期”、“平穩期”和“上行期”。其中,“下行期”的平均持續時間為11.4個月;“平穩期”的平均持續時間為51.8個月;“上行期”平均持續期為2.4個月。另外,根據平滑概率對我國房地產所處狀態區制進行劃分發現,1999-2006年,我國房地產市場處于“平穩”上升期(上升幅度較小),而2007年以來,我國房地產市場短時期急速上漲,然后緩慢調整,繼而又急速上漲。


      二是我國貨幣政策對我國房地產市場的影響存在非對稱性效應。具體體現在以下方面:其一,貨幣政策在房地產市場處于“平穩期”時,對房地產市場幾乎沒有作用,但是在房地產市場處于“上行期”和“下行期”時作用明顯;其二,預期的貨幣政策變動與非預期的貨幣政策變動對房地產市場的影響也存在差異,并且,非預期貨幣政策變動會弱化貨幣政策對房地產市場的調控效果。其中,貨幣供應量M2的調控作用雖然被削弱,但是其作用方向還符合政策制定者預期。而對利率而言,當非預期變動比較大時,其對房地產市場的作用方向可能與政策制定者的預期相反,因此,利率對房地產市場的調控作用可能有限。


      針對上面的結論,可以得到以下幾個方面的啟示:


      首先,我國房地產市場存在明顯非線性和狀態區制轉換特征,人們可以根據狀態區制轉移概率和平均持續期等指標,對房地產市場處于何種狀態區制做出準確判斷,然后再做出相應的房地產消費和投資決策。


      其次,我國貨幣政策在不同的市場狀態區制下,對房地產市場影響具有一定程度的非對稱性效應,貨幣管理當局應根據我國房地產市場當前的真實狀態區制,選擇最合理的貨幣政策工具和中介目標,來對房地產市場施加影響,從而做到因時因地制宜,避免由于貨幣政策工具選擇的盲目性而導致房地產市場的過度波動,由前文研究可知,預期的貨幣政策變動基本上能夠達到相應調控目標,而非預期的貨幣政策變動可能將導致房地產市場過度波動,所以,具有一定規則、平穩可預期的貨幣政策將有助于維護我國房地產市場健康平穩發展。


      本文具有一定的局限性,可能存在如下研究拓展方向:一是本文未考慮貨幣政策對房地產市場的狀態區制形成的影響,將來的進一步研究可考慮外生貨幣變量對狀態區制的影響,即將轉移密度視為貨幣政策的函數來進一步分析;二是本文對貨幣政策的預期變動與非預期變動的劃分比較簡單,進一步研究可考慮我國存在的特定貨幣規則,考慮不同的貨幣規則對房地產市場的相互影響。


    核心期刊推薦


    發表類型: 論文發表 論文投稿
    標題: *
    姓名: *
    手機: * (填寫數值)
    Email:
    QQ: * (填寫數值)
    文章:
    要求:
    11选5任3必中计算方法