劉金全++陳德凱

摘要： 本文將經(jīng)濟(jì)政策不確定性作為門限變量，構(gòu)建了包括房地產(chǎn)價(jià)格、貨幣政策以及經(jīng)濟(jì)政策不確定性在內(nèi)的三維TSVAR模型，并且分別采用貨幣供給量、利率以及信貸規(guī)模作為貨幣政策代理變量，研究不同政策不確定性程度下各貨幣政策工具對(duì)房地產(chǎn)價(jià)格調(diào)控的有效性。實(shí)證結(jié)果表明，在當(dāng)前經(jīng)濟(jì)政策不確定性快速攀升時(shí)期，信貸規(guī)模調(diào)控是應(yīng)對(duì)房地產(chǎn)價(jià)格過快上漲的最佳選擇，其能夠在最短時(shí)間內(nèi)有效平抑房地產(chǎn)價(jià)格波動(dòng)，并且在長期中依舊保留一定的政策效果。因此，貨幣當(dāng)局在對(duì)房地產(chǎn)價(jià)格進(jìn)行調(diào)控時(shí)應(yīng)將著力點(diǎn)放在信貸規(guī)模上，通過控制信貸增長來抑制房地產(chǎn)價(jià)格的過快上漲，從而化解資產(chǎn)價(jià)格泡沫并推動(dòng)經(jīng)濟(jì)“脫虛向?qū)崱?，為?jīng)濟(jì)增長新動(dòng)力的形成奠定堅(jiān)實(shí)的基礎(chǔ)。

關(guān)鍵詞： 房地產(chǎn)價(jià)格； 貨幣政策工具； 經(jīng)濟(jì)政策不確定性； TSVAR模型

文獻(xiàn)標(biāo)識(shí)碼： A 文章編號(hào)： 1002-2848-2017（04）-0051-07

一、 引 言

房地產(chǎn)作為一種特殊資產(chǎn)，同時(shí)具有虛擬資產(chǎn)和實(shí)物資產(chǎn)雙重屬性。作為虛擬資產(chǎn)，其價(jià)值由未來預(yù)期收益的貼現(xiàn)值決定，并且同時(shí)受到宏觀經(jīng)濟(jì)基本面及非基本面的影響；而作為實(shí)物資產(chǎn)，其又具有投資屬性，因而房地產(chǎn)價(jià)格的波動(dòng)性遠(yuǎn)高于一般實(shí)物資產(chǎn)。2016年上半年開始，我國房地產(chǎn)市場一直保持高溫狀態(tài)，一、二線城市房地產(chǎn)價(jià)格大幅上漲，尤其以合肥、蘇州、南京和廈門為最高，其中合肥10月份二手房價(jià)格比上年同期上漲7681%。房地產(chǎn)價(jià)格上漲過快會(huì)產(chǎn)生極為嚴(yán)重的后果，不僅會(huì)引發(fā)資源配置扭曲，加劇當(dāng)前經(jīng)濟(jì)中的結(jié)構(gòu)性矛盾，也會(huì)對(duì)居民的消費(fèi)支出和其他行業(yè)投資產(chǎn)生擠出效應(yīng)，同時(shí)還會(huì)對(duì)金融系統(tǒng)穩(wěn)定性和宏觀經(jīng)濟(jì)穩(wěn)定性產(chǎn)生極大的破壞性。因此，面對(duì)房地產(chǎn)價(jià)格短期內(nèi)過度上漲的現(xiàn)象，政府必須采取科學(xué)有效的宏觀調(diào)控政策將房地產(chǎn)價(jià)格漲幅引導(dǎo)至合理區(qū)間。而貨幣政策作為我國宏觀調(diào)控政策的重要內(nèi)容，必須發(fā)揮其在房地產(chǎn)價(jià)格調(diào)控中的積極作用，維護(hù)我國房地產(chǎn)市場的健康發(fā)展，從而保證宏觀經(jīng)濟(jì)穩(wěn)定性和金融系統(tǒng)穩(wěn)定性，平衡經(jīng)濟(jì)增長結(jié)構(gòu)。

研究貨幣政策對(duì)房地產(chǎn)價(jià)格調(diào)控效應(yīng)的文獻(xiàn)很多，學(xué)者們一般從貨幣政策整體視角和分類視角兩個(gè)層面進(jìn)行研究。在貨幣政策整體視角方面，Hasan & Taghavi、Senhadji & Collyns以及Iacoviello & Minetti選取不同國家的數(shù)據(jù)樣本進(jìn)行實(shí)證研究，結(jié)果顯示各國家地區(qū)貨幣政策工具對(duì)房地產(chǎn)價(jià)格均具有顯著影響[13]。在貨幣政策分類視角方面，學(xué)者們主要從貨幣供給、利率和信貸規(guī)模三個(gè)主要貨幣政策工具著手研究，不同工具對(duì)房地產(chǎn)價(jià)格的調(diào)控效應(yīng)也不盡相同。Cooper、Gerlach & Peng以及梁斌和李慶云通過研究發(fā)現(xiàn)，利率水平與房地產(chǎn)價(jià)格呈現(xiàn)負(fù)相關(guān)性，而貨幣供給和信貸規(guī)模則與房地產(chǎn)價(jià)格則呈現(xiàn)正相關(guān)性[46]。但對(duì)于不同貨幣政策工具調(diào)控有效性的比較則存在著很大的分歧，丁晨和屠梅曾指出利率工具對(duì)房地產(chǎn)價(jià)格的影響程度最大調(diào)控效應(yīng)也最為顯著，貨幣供應(yīng)量和信貸規(guī)模的調(diào)控效應(yīng)則不明顯[7]。而郭娜和李政、鄧富民和王剛則認(rèn)為在貨幣政策工具調(diào)控效果方面，貨幣供給量和金融信貸對(duì)房地產(chǎn)價(jià)格的調(diào)控效果更好，而利率工具的調(diào)控效果十分有限[89]。此外，張小宇和劉金全指出，“經(jīng)濟(jì)新常態(tài)”時(shí)期貨幣政策對(duì)房地產(chǎn)市場的影響強(qiáng)度相比以前顯著降低，持續(xù)時(shí)期明顯縮短[10]。面對(duì)這種情況，選擇合適的貨幣政策工具對(duì)持續(xù)走高的房地產(chǎn)價(jià)格進(jìn)行調(diào)控顯得尤為重要。

另一方面，我國房地產(chǎn)市場素來有“政策市”之稱，房地產(chǎn)價(jià)格受政府政策影響程度較深。但是政府經(jīng)濟(jì)政策的頒布時(shí)點(diǎn)往往具有隨機(jī)性，這就給房地產(chǎn)市場帶來了政策不確定性問題。張浩等人認(rèn)為政策不確定性的存在會(huì)導(dǎo)致房屋供需雙方在面對(duì)各種外部沖擊時(shí)所采取的行為發(fā)生變化，可能會(huì)造成市場的短暫失靈，從而引起市場波動(dòng)[11]。并且Bloom以及Aastveit等人通過研究發(fā)現(xiàn)，經(jīng)濟(jì)政策不確定性會(huì)顯著影響貨幣政策的調(diào)控效果，當(dāng)經(jīng)濟(jì)政策不確定性程度較高時(shí)會(huì)削弱貨幣政策沖擊的影響[1213]。而張玉鵬和王茜指出，我國目前正處于增長速度換擋期、結(jié)構(gòu)調(diào)整陣痛期以及前期刺激政策消化期的“三期疊加時(shí)期”，宏觀經(jīng)濟(jì)調(diào)控面臨著“穩(wěn)增長、調(diào)結(jié)構(gòu)、促改革、防風(fēng)險(xiǎn)”四大目標(biāo)，且這四大目標(biāo)之間存在著內(nèi)在的矛盾和沖突，政府在進(jìn)行宏觀經(jīng)濟(jì)調(diào)控時(shí)不得不在多個(gè)目標(biāo)之間進(jìn)行切換，這就產(chǎn)生了較高的政策不確定性，從而影響貨幣政策工具的實(shí)際有效性[14]。因此，在研究和比較不同貨幣政策工具對(duì)房地產(chǎn)價(jià)格的調(diào)控效應(yīng)時(shí)，將經(jīng)濟(jì)政策的不確定性納入模型之中更符合當(dāng)前的實(shí)際情況。然而學(xué)者們?cè)谘芯拷?jīng)濟(jì)政策不確定性的影響時(shí)一般僅將其當(dāng)作普通的內(nèi)生變量，研究其存在的情況下貨幣政策的調(diào)控效應(yīng)將會(huì)受到何種影響，而很少考慮不同政策不確定性程度下貨幣政策調(diào)控效應(yīng)的差異。為此，本文采用門限結(jié)構(gòu)向量自回歸（TSVAR）模型，將經(jīng)濟(jì)政策的不確定性作為門限變量，從而劃分出高政策不確定性區(qū)制和低政策不確定性區(qū)制，以便研究不同政策不確定性程度下各貨幣政策的調(diào)控效應(yīng)，并為當(dāng)前形勢下貨幣政策工具的選擇提供相應(yīng)的建議。二、 TSVAR模型介紹

結(jié)構(gòu)向量自回歸（SVAR）模型能夠包含各變量之間的同期關(guān)系，因而比簡化的VAR模型更具有經(jīng)濟(jì)意義。本文首先構(gòu)建包括房地產(chǎn)價(jià)格指數(shù)、貨幣政策工具變量以及經(jīng)濟(jì)政策不確定性指數(shù)的三維SVAR模型，具體如下：

Yt=AYt+B（L）Yt-1+vt

（1）

其中，Yt是包含各內(nèi)生變量的向量，A表示各內(nèi)生變量同期系數(shù)矩陣，B（L）表示滯后多項(xiàng)式矩陣，而vt表示結(jié)構(gòu)擾動(dòng)項(xiàng)。

Balke為研究信貸規(guī)模和經(jīng)濟(jì)活動(dòng)之間的非線性關(guān)系，將門限效應(yīng)引入SVAR模型中從而將其擴(kuò)展為TSVAR模型[15]。本文為研究不同經(jīng)濟(jì)政策不確定性程度下各貨幣政策工具對(duì)房地產(chǎn)價(jià)格的調(diào)控效應(yīng)，將借鑒Balke[15]提出的模型，通過估計(jì)門限值將我國經(jīng)濟(jì)政策不確定性分為高不確定性和低不確定性兩個(gè)區(qū)制，并比較各不確定性區(qū)制下貨幣政策工具對(duì)房地產(chǎn)價(jià)格調(diào)控的有效性。endprint

TSVAR模型的具體形式如下：

Yt=A1Yt+B1（L）Yt-1+（A2Yt

+B2（L）Yt-1）I（ct-d>γ）+Ut

（2）

其中，A1和A2表示內(nèi)生變量同期系數(shù)矩陣，B1（L）和B2（L）表示滯后多項(xiàng)式矩陣，Ut表示結(jié)構(gòu)擾動(dòng)項(xiàng)。ct-d表示門限變量（本文中指經(jīng)濟(jì)政策不確定性），γ表示門限值，當(dāng)ct-d>γ表示經(jīng)濟(jì)政策不確定性程度較高，而當(dāng)ct-d≤γ表示經(jīng)濟(jì)政策不確定性程度較低，從而劃分出高政策不確定性和低政策不確定性兩個(gè)區(qū)制。而I（ct-d>γ）表示指示函數(shù)，當(dāng)ct-d>γ時(shí)取值為1，當(dāng)ct-d≤γ時(shí)取值為0。

從（2）式可以看出，不僅滯后多項(xiàng)式會(huì)隨著區(qū)制的變化而改變，內(nèi)生變量同期相關(guān)系數(shù)A1和A2也同樣會(huì)發(fā)生變化。按照Balke的假設(shè)，A1和A2存在一種遞歸結(jié)構(gòu)，這種遞歸結(jié)構(gòu)并不特意針對(duì)內(nèi)生變量進(jìn)行排序[15]。

此外，建立TSVAR模型最為關(guān)鍵的前提條件是模型存在門限效應(yīng)，因此首先對(duì)模型進(jìn)行門限效應(yīng)檢驗(yàn)顯得極為重要。理想情況下當(dāng)門限值γ為已知時(shí)，只需要檢驗(yàn)原假設(shè)A2=B2（L）=0是否成立。然而大多數(shù)情況下，門限值γ都是未知的。此時(shí)需要進(jìn)行非標(biāo)準(zhǔn)推理，因?yàn)樵陂T限效應(yīng)不存在的原假設(shè)下，門限值γ是不能識(shí)別的。為了檢驗(yàn)門限效應(yīng)，需要考慮所有可能的門限值并利用最小二乘方法對(duì)相應(yīng)的門限模型進(jìn)行估計(jì)。本文設(shè)定原假設(shè)為兩個(gè)區(qū)制的參數(shù)估計(jì)值不存在差異，即A2=B2（L）=0，并且采用Wald統(tǒng)計(jì)量對(duì)每個(gè)可能的門限值進(jìn)行假設(shè)檢驗(yàn)。為了確保檢驗(yàn)結(jié)果的準(zhǔn)確性，本文分別計(jì)算了三種Wald統(tǒng)計(jì)量：subWald，即Wald統(tǒng)計(jì)量的最大值；avgWald，即Wald統(tǒng)計(jì)量的平均值；expWald，即指數(shù)Wald統(tǒng)計(jì)量的和。同時(shí)采用Hansen提出的模擬方法（包括subWald、avgWald和expWald統(tǒng)計(jì)量經(jīng)驗(yàn)分布的模擬）來進(jìn)行推斷[16]。最后得出的門限值滿足殘差的對(duì)數(shù)行列式最小。三、 數(shù)據(jù)選取及門限效應(yīng)檢驗(yàn)

（一）數(shù)據(jù)選取

本文構(gòu)建的三維TSVAR模型中所包含的內(nèi)生變量有房地產(chǎn)價(jià)格、貨幣政策以及經(jīng)濟(jì)政策不確定性。對(duì)于房地產(chǎn)價(jià)格，本文選用70個(gè)大中城市新建住宅價(jià)格指數(shù)當(dāng)月同比數(shù)據(jù)來衡量，記為H。貨幣政策則選擇三種主要的貨幣政策工具來作為其代理變量，分別為貨幣供給量、利率以及信貸規(guī)模。其中，利率選用6個(gè)月的短期貸款基準(zhǔn)利率來衡量，記為R；貨幣供給量選用M2期末同比增速來衡量，記為M2；信貸規(guī)模則借鑒何靜等人[17]的做法，選用房地產(chǎn)投資資金來源中的國內(nèi)貸款部分的同比數(shù)據(jù)來衡量，記為Loan。由于70個(gè)大中城市新建住宅價(jià)格指數(shù)發(fā)布的時(shí)間較晚，本文的樣本區(qū)間設(shè)定為2005年7月到2016年7月，以上所有數(shù)據(jù)均來自Wind數(shù)據(jù)庫。

而對(duì)經(jīng)濟(jì)政策不確定性指標(biāo)的選取一直以來存在較大爭議，主要原因在于其難以量化。Fernndez Villaverde et al以及Born & Pfeifer分別估計(jì)了貨幣政策規(guī)則和財(cái)政政策規(guī)則的時(shí)間序列模型，并將估計(jì)的時(shí)變標(biāo)準(zhǔn)差當(dāng)作政策不確定性，但這種方法的缺點(diǎn)在于只能單方面表現(xiàn)貨幣政策或財(cái)政政策的不確定性，難以綜合度量包括監(jiān)管在內(nèi)的多種政策的不確定性[1819]。Bekaert et al采用VIX指數(shù)來反應(yīng)政策不確定性，但是近年來我國股票市場與宏觀經(jīng)濟(jì)的脫節(jié)相對(duì)嚴(yán)重，因此這種方法并不適用于我國的實(shí)際情況[20]。而王義中和宋敏則采用GARCH模型對(duì)GDP或工業(yè)增加值實(shí)際增速進(jìn)行分解從而得到了政策不確定性的度量指標(biāo)，這種方法同樣存在很大的弊端，因?yàn)槲覈鳪DP增速為季度數(shù)據(jù)，如果采用GARCH模型進(jìn)行分解必然要先進(jìn)行頻率轉(zhuǎn)換和季度平滑，極大地影響了數(shù)據(jù)的可靠性[21]。幸運(yùn)的是，Baker et al從2003年開始嘗試構(gòu)建經(jīng)濟(jì)政策不確定性指數(shù)（EPU），并在2013年通過收集量化香港南華早報(bào)上與經(jīng)濟(jì)政策不確定性相關(guān)的報(bào)道，構(gòu)建出了中國經(jīng)濟(jì)政策不確定性指數(shù)，具體詳見http：∥wwwpolicyuncertaintycom[22]。國內(nèi)很多學(xué)者論證了該指數(shù)的合理性，包括張浩等人以及田磊和林建浩[11，23]。因此本文也采用該指數(shù)來衡量我國經(jīng)濟(jì)政策的不確定性，樣本區(qū)間設(shè)定為2005年7月到2016年7月。

圖1顯示的是Baker et al.構(gòu)建的中國經(jīng)濟(jì)政策不確定性指數(shù)（EPU）的走勢圖[22]，可以看出我國經(jīng)濟(jì)政策不確定性從2005年7月至今出現(xiàn)三次較大幅度的波動(dòng)期。一是2008年下半年到2009年上半年。此時(shí)美國“次貸危機(jī)”全面爆發(fā)并引起了全球金融危機(jī)，我國經(jīng)濟(jì)發(fā)展也遇到極大的困難，經(jīng)濟(jì)下行壓力的不斷增加使得我國經(jīng)濟(jì)政策頻繁地調(diào)整，增加了政策的不確定性。二是2011年下半年到2012年上半年。此時(shí)歐洲主權(quán)債務(wù)危機(jī)不斷惡化，歐洲國家所面臨的經(jīng)濟(jì)衰退直接影響到我國的經(jīng)濟(jì)發(fā)展，出口萎縮、國際資本頻繁流動(dòng)以及輸入型通脹壓力等導(dǎo)致了政策不確定性的增加。三是2014年進(jìn)入“經(jīng)濟(jì)新常態(tài)”以來，我國實(shí)體經(jīng)濟(jì)增速不斷放緩，同時(shí)虛擬經(jīng)濟(jì)出現(xiàn)異常繁榮并且積累了大量的泡沫，宏觀調(diào)控政策面臨著“穩(wěn)增長、調(diào)結(jié)構(gòu)、促改革、防風(fēng)險(xiǎn)”四大目標(biāo)，且不得不在多個(gè)目標(biāo)之間進(jìn)行切換，從而產(chǎn)生了較高的政策不確定性。

（二）單位根檢驗(yàn)及協(xié)整檢驗(yàn)

為了避免出現(xiàn)偽回歸現(xiàn)象，本文首先對(duì)各數(shù)據(jù)進(jìn)行ADF單位根檢驗(yàn)，詳細(xì)的檢驗(yàn)結(jié)果列示在表1中。從表1可以看出，所有數(shù)據(jù)均是非平穩(wěn)的，但經(jīng)過一階差分處理后變?yōu)槠椒€(wěn)數(shù)據(jù)，因此本文選取的所有數(shù)據(jù)均滿足一階單整，可以接下來進(jìn)行協(xié)整性檢驗(yàn)。本文采用三種貨幣政策工具作為貨幣政策的代理變量，從而構(gòu)建了三個(gè)類似的TSVAR模型。其中，模型1使用貨幣供給量作為貨幣政策代理變量；模型2使用利率作為貨幣政策代理變量；模型3使用信貸規(guī)模作為貨幣政策代理變量。本文分別對(duì)這三組數(shù)據(jù)進(jìn)行Johansen協(xié)整性檢驗(yàn)，詳細(xì)結(jié)果見表2?？梢钥闯?，三組數(shù)據(jù)均顯著存在協(xié)整關(guān)系，因此本文在進(jìn)行模型估計(jì)時(shí)不需要再對(duì)各數(shù)據(jù)進(jìn)行平穩(wěn)性處理，直接使用原始數(shù)據(jù)即可。endprint

（三）門限效應(yīng)檢驗(yàn)

經(jīng)過ADF單位根檢驗(yàn)和Johansen協(xié)整性檢驗(yàn)之后，本文將針對(duì)模型進(jìn)行關(guān)鍵性的門限效應(yīng)檢驗(yàn)。根據(jù)AIC準(zhǔn)則，本文將模型中變量的滯后階數(shù)設(shè)定為2階，同時(shí)借鑒張浩等人[11]的做法，將經(jīng)濟(jì)政策不確定性指數(shù)（EPU）的滯后一階設(shè)置為門限變量。接下來，本文將按照Hansen提出的模擬方法并且利用Wald統(tǒng)計(jì)量對(duì)三個(gè)模型分別進(jìn)行門限效應(yīng)檢驗(yàn)[16]。

從表3的檢驗(yàn)結(jié)果中可以看出，三個(gè)模型均存在顯著的門限效應(yīng)，表明我國政策的不確定性水平確實(shí)會(huì)對(duì)貨幣政策工具的調(diào)控效應(yīng)產(chǎn)生影響。同時(shí)可以發(fā)現(xiàn)，三個(gè)模型的門限估計(jì)值γ的大小各不相同。其中，以貨幣供給量作為貨幣政策工具時(shí)模型的門限值最小，為141637，這表明貨幣供給量的調(diào)控效應(yīng)對(duì)經(jīng)濟(jì)政策不確定性水平的變化極為敏感，政策不確定性的小幅變化就會(huì)導(dǎo)致貨幣供應(yīng)量對(duì)房地產(chǎn)價(jià)格的調(diào)控效應(yīng)發(fā)生較大轉(zhuǎn)變。相比之下，以利率作為貨幣政策工具時(shí)模型的門限值最大，表明利率的調(diào)控效應(yīng)對(duì)政策不確定性具有較強(qiáng)的抵抗力，只有當(dāng)經(jīng)濟(jì)政策不確定性惡化到較高程度時(shí)才會(huì)發(fā)生轉(zhuǎn)變。

圖1中T1、T2和T3分別代表模型1、模型2以及模型3的門限估計(jì)值，在圖形中以三條水平線的形式直觀地將我國經(jīng)濟(jì)政策不確定性指數(shù)劃分為兩個(gè)區(qū)制，水平線之上即為高不確定性區(qū)制，水平線之下即為低不確定性區(qū)制。可以看出，我國在2015年之后處于高不確定性區(qū)制，并且政策不確定性程度仍在攀升，這種情況下各貨幣政策工具對(duì)房地產(chǎn)價(jià)格波動(dòng)的調(diào)控效應(yīng)將會(huì)發(fā)生怎樣的轉(zhuǎn)變以及何種工具的有效性最好，都是本文所要研究的重點(diǎn)。四、 實(shí)證分析

在完成門限值估計(jì)及門限效應(yīng)檢驗(yàn)之后，本文將采用累積的廣義脈沖響應(yīng)函數(shù)來研究各貨幣政策工具在不同政策不確定性程度下對(duì)房地產(chǎn)價(jià)格的調(diào)控效應(yīng)。

給量對(duì)房地產(chǎn)價(jià)格的調(diào)控效應(yīng)。圖2和圖3顯示的是貨幣供給量M2的一單位標(biāo)準(zhǔn)差正向沖擊和負(fù)向沖擊對(duì)房地產(chǎn)價(jià)格的影響，其中圖2為高政策不確定性區(qū)制，而圖3為低政策不確定性區(qū)制。圖2和圖3表明貨幣供給量在短期內(nèi)與房地產(chǎn)價(jià)格呈現(xiàn)出正相關(guān)性，即貨幣供給量增速的上升會(huì)導(dǎo)致房地產(chǎn)價(jià)格上漲，反之亦然。這是因?yàn)樨泿殴┙o量增速上升（下降），增加（減少）了市場中的流動(dòng)性，從而放大（縮小）房地產(chǎn)市場的需求；同時(shí)貨幣供給增加（減少）所帶來的通脹預(yù)期變化也會(huì)加大（減少）對(duì)房地產(chǎn)抗通脹能力的需求，從而促進(jìn)房地產(chǎn)價(jià)格的上漲（下跌）。其次可以發(fā)現(xiàn)，貨幣供給量對(duì)房地產(chǎn)價(jià)格的總影響在15期左右累積到最大，之后開始緩慢減弱直至接近于0，意味著貨幣供給量對(duì)房地產(chǎn)價(jià)格的影響在后期會(huì)出現(xiàn)逆轉(zhuǎn)，并抵消前期的促進(jìn)或抑制效果。這說明貨幣供給量沖擊對(duì)房地產(chǎn)價(jià)格僅具有短期效應(yīng)，長期內(nèi)的總影響幾乎為零。最后就調(diào)控效果而言，高政策不確定性區(qū)制下貨幣供給量對(duì)房地產(chǎn)價(jià)格的調(diào)控效應(yīng)強(qiáng)于低政策不確定性區(qū)制，前者總影響的峰值約為07，而后者僅為06。

接下來，本文將分析不同政策不確定性程度下利率政策對(duì)房地產(chǎn)價(jià)格的調(diào)控效應(yīng)。圖4和圖5顯示的是利率的一單位標(biāo)準(zhǔn)差正向沖擊和負(fù)向沖擊對(duì)房地產(chǎn)價(jià)格的影響。從圖中可以看出，利率與房地產(chǎn)價(jià)格之間存在顯著的負(fù)相關(guān)性，即利率的突然上升會(huì)導(dǎo)致房地產(chǎn)價(jià)格的持續(xù)下降，利率的下降也會(huì)導(dǎo)致房地產(chǎn)價(jià)格上漲。這主要是因?yàn)椋阂环矫?，利率的上升（下降）?dǎo)致購房者向金融機(jī)構(gòu)貸款的成本上升（下降），降低（增加）了房地產(chǎn)的需求；另一方面，利率的上升（下降）會(huì)抑制（刺激）房地產(chǎn)市場的投資與消費(fèi)，進(jìn)而帶動(dòng)房地產(chǎn)價(jià)格的下跌（上漲）。與貨幣供給量不同，利率與房地產(chǎn)價(jià)格之間的負(fù)相關(guān)性比較穩(wěn)定而不會(huì)出現(xiàn)逆轉(zhuǎn)，這一點(diǎn)從圖中累積脈沖響應(yīng)曲線持續(xù)上升（或下降）直至穩(wěn)定不變的走勢情況可以看出。從效果上看，高政策不確定性區(qū)制下利率的調(diào)控效應(yīng)弱于低政策不確定性區(qū)制，具體表現(xiàn)在兩方面：一，高政策不確定性區(qū)制下利率對(duì)房地產(chǎn)價(jià)格的總影響低于低政策不確定性區(qū)制；二，高政策不確定性區(qū)制下利率調(diào)控效應(yīng)的持續(xù)時(shí)間短于低政策不確定性區(qū)制。此外，低政策不確定性區(qū)制下利率對(duì)房地產(chǎn)價(jià)格的調(diào)控效應(yīng)存在顯著的非對(duì)稱性，利率下降對(duì)房地產(chǎn)價(jià)格的刺激效應(yīng)大于利率上升對(duì)房地產(chǎn)的抑制效應(yīng)。

最后，本文將分析不同政策不確定性程度下信貸規(guī)模對(duì)房地產(chǎn)價(jià)格的調(diào)控效應(yīng)。圖6和圖7顯示的是信貸規(guī)模的一單位標(biāo)準(zhǔn)差正向沖擊和負(fù)向沖擊對(duì)房地產(chǎn)價(jià)格的影響效果?？梢钥闯觯刨J規(guī)模的增加（下降）會(huì)導(dǎo)致房地產(chǎn)價(jià)格上漲（下跌），二者之間呈現(xiàn)顯著的正向關(guān)聯(lián)機(jī)制。因?yàn)樾刨J規(guī)模的增加（減少）提高（降低）了信貸的可獲得性并且降低（提高）了貼現(xiàn)利率，從而刺激（抑制）了房地產(chǎn)市場的投資和消費(fèi)，并推動(dòng)房地產(chǎn)價(jià)格上漲（下跌）。這種正相關(guān)性在前期不斷累積，于第10期左右達(dá)到峰值，此后出現(xiàn)一定程度的回落并最終收斂至穩(wěn)定水平。這意味著信貸規(guī)模對(duì)房地產(chǎn)價(jià)格的影響與貨幣供給量類似，會(huì)在后期出現(xiàn)逆轉(zhuǎn)，房地產(chǎn)價(jià)格出現(xiàn)一定程度的回調(diào)。從調(diào)控效果上來看，短期內(nèi)高政策不確定性區(qū)制下信貸規(guī)模的調(diào)控效應(yīng)遠(yuǎn)低于低政策不確定區(qū)制，前者峰值約為05而后者約為08；而在長期內(nèi)兩個(gè)區(qū)制下信貸規(guī)模對(duì)房地產(chǎn)價(jià)格的總影響近乎一致，這意味著較高的政策不確定性只能夠在短期內(nèi)削弱信貸規(guī)模的調(diào)控效應(yīng)，而在長期中并不會(huì)對(duì)其產(chǎn)生作用。

從以上分析可以發(fā)現(xiàn)，各貨幣政策工具對(duì)房地產(chǎn)價(jià)格的調(diào)控效應(yīng)確實(shí)會(huì)受到經(jīng)濟(jì)政策不確定性的影響。具體來看，當(dāng)經(jīng)濟(jì)政策不確定性程度增加時(shí)，貨幣供給量的調(diào)控效應(yīng)會(huì)略微增強(qiáng)，利率和信貸規(guī)模的調(diào)控效應(yīng)則會(huì)出現(xiàn)明顯的削弱，其中利率對(duì)房地產(chǎn)價(jià)格的總影響下降幅度最為明顯。再者，通過高、低兩個(gè)政策不確定性區(qū)制下各貨幣政策工具調(diào)控效應(yīng)的橫向?qū)Ρ瓤梢园l(fā)現(xiàn)，當(dāng)政策不確定性程度較低時(shí)，利率工具相比于貨幣供給量和信貸規(guī)模更有優(yōu)勢，其對(duì)房地產(chǎn)價(jià)格的作用效果更為穩(wěn)定，持續(xù)時(shí)間更長且總影響也更為突出。而當(dāng)政策不確定性程度較高時(shí)，三種貨幣政策工具各有優(yōu)劣：貨幣供給量短期內(nèi)對(duì)房地產(chǎn)價(jià)格的調(diào)控效應(yīng)最為顯著但其長期總影響近乎為零；利率對(duì)房地產(chǎn)價(jià)格的調(diào)控效應(yīng)較為穩(wěn)定且總影響最大，但其見效速度最為緩慢，前期作用效果較弱；信貸規(guī)模對(duì)房地產(chǎn)價(jià)格的調(diào)控效應(yīng)短期內(nèi)略低于貨幣供給量，但其見效速度快且長期中依舊能保留一定的政策效果。五、 結(jié) 論endprint

本文以房地產(chǎn)價(jià)格、貨幣政策以及經(jīng)濟(jì)政策不確定性作為內(nèi)生變量構(gòu)建了三維的門限結(jié)構(gòu)VAR模型，將經(jīng)濟(jì)政策不確定性指數(shù)的滯后一階作為門限變量，同時(shí)分別以貨幣供給量、利率以及信貸規(guī)模作為貨幣政策的代理變量進(jìn)行模型估計(jì)，并且采用累積的廣義脈沖響應(yīng)函數(shù)進(jìn)行實(shí)證分析，以研究不同政策不確定性程度下我國各貨幣政策工具對(duì)房地產(chǎn)價(jià)格的調(diào)控效應(yīng)，主要得出如下結(jié)論：

首先，以不同貨幣政策工具構(gòu)建的模型均通過了門限效應(yīng)檢驗(yàn)，表明經(jīng)濟(jì)政策不確定性水平超過某個(gè)臨界值時(shí)會(huì)導(dǎo)致貨幣政策對(duì)房地產(chǎn)價(jià)格的調(diào)控效應(yīng)發(fā)生突變。這其中，以貨幣供給量作為貨幣政策工具時(shí)模型的門限值最小，表明貨幣供給量的調(diào)控效應(yīng)對(duì)經(jīng)濟(jì)政策不確定性水平的變化極為敏感；而以利率作為貨幣政策工具時(shí)模型的門限值最大，表明利率的調(diào)控效應(yīng)對(duì)政策不確定性具有較強(qiáng)的抵抗力。

其次，各貨幣政策工具的調(diào)控效應(yīng)受經(jīng)濟(jì)政策不確定性的影響不同。當(dāng)政策不確定性程度增加時(shí)，貨幣供給量對(duì)房地產(chǎn)價(jià)格的作用效果會(huì)得到略微增強(qiáng)，而利率和信貸規(guī)模的作用效果則會(huì)出現(xiàn)顯著削弱。

最后也是最重要的一點(diǎn)，本文通過橫向?qū)Ρ劝l(fā)現(xiàn)，當(dāng)政策不確定性程度較低時(shí)，利率工具相比于貨幣供給量和信貸規(guī)模更有優(yōu)勢，其對(duì)房地產(chǎn)價(jià)格的作用效果更為穩(wěn)定、持續(xù)時(shí)間更長且總影響也更為突出。而當(dāng)政策不確定性程度較高時(shí)，三種貨幣政策工具各有優(yōu)劣：貨幣供給量短期內(nèi)對(duì)房地產(chǎn)價(jià)格的調(diào)控效應(yīng)最好但其長期總影響近乎為零；利率對(duì)房地產(chǎn)價(jià)格的調(diào)控效應(yīng)較為穩(wěn)定且總影響最大，但其見效速度最為緩慢，前期作用效果較弱；信貸規(guī)模對(duì)房地產(chǎn)價(jià)格的調(diào)控效應(yīng)短期內(nèi)略低于貨幣供給量，但其見效速度快且長期中依舊能保留一定的政策效果。

面對(duì)當(dāng)前房地產(chǎn)價(jià)格過快上漲同時(shí)經(jīng)濟(jì)政策不確定性快速攀升的情況，本文認(rèn)為信貸規(guī)模和貨幣供給量均是貨幣政策的合理選擇，二者能夠在較短時(shí)間內(nèi)對(duì)房地產(chǎn)價(jià)格波動(dòng)作出有效調(diào)控。其中，信貸規(guī)模因其起效更快、長期效果更好，是當(dāng)前情況下應(yīng)對(duì)房地產(chǎn)價(jià)格波動(dòng)的最佳選擇。因此，貨幣當(dāng)局在對(duì)房地產(chǎn)價(jià)格進(jìn)行調(diào)控時(shí)應(yīng)將著力點(diǎn)放在信貸規(guī)模上，通過控制信貸增長來抑制房地產(chǎn)價(jià)格的過快上漲，從而化解資產(chǎn)價(jià)格泡沫并推動(dòng)經(jīng)濟(jì)“脫虛向?qū)崱?，為?jīng)濟(jì)增長新動(dòng)力的形成奠定堅(jiān)實(shí)的基礎(chǔ)。參考文獻(xiàn)：

[1] Hasan M S， Taghavi M. Residential investment， macroeconomic activity and financial deregulation in the UK： an empirical investigation [J]. Journal of Economics & Business， 2002， 54（4）： 447462.

[2] Senhadji A S， Collyns C. Lending booms， real estate bubbles and the asian crisis [R]. International Monetary Fund Working Paper， 2002.

[3] Iacoviello M， Minetti R. Financial liberalization and the sensitivity of house prices to monetary policy： theory and evidence [J]. Manchester School， 2003， 71（1）： 2034.

[4] Cooper A. The impact of interest rates and the housing market on the UK economy [J]. Economic Outlook， 2004， 28（2）： 1018.

[5] Gerlach S， Peng W. Bank lending and property prices in Hong Kong [J]. Journal of Banking & Finance， 2005， 29（2）： 461481.

[6] 梁斌， 李慶云. 中國房地產(chǎn)價(jià)格波動(dòng)與貨幣政策分析——基于貝葉斯估計(jì)的動(dòng)態(tài)隨機(jī)一般均衡模型 [J]. 經(jīng)濟(jì)科學(xué)， 2011（3）： 1732.

[7] 丁晨， 屠梅曾. 論房價(jià)在貨幣政策傳導(dǎo)機(jī)制中的作用——基于VECM分析 [J]. 數(shù)量經(jīng)濟(jì)技術(shù)經(jīng)濟(jì)研究， 2007， 24（11）： 106114.

[8] 郭娜， 李政. 我國貨幣政策工具對(duì)房地產(chǎn)市場調(diào)控的有效性研究——基于有向無環(huán)圖的分析 [J]. 財(cái)貿(mào)經(jīng)濟(jì)， 2013（9）： 130136.

[9] 鄧富民， 王剛. 貨幣政策對(duì)房地產(chǎn)價(jià)格與投資影響的實(shí)證分析 [J]. 管理世界， 2012（6）： 177179.

[10] 張小宇， 劉金全. 貨幣政策、產(chǎn)出沖擊對(duì)房地產(chǎn)市場影響機(jī)制——基于經(jīng)濟(jì)發(fā)展新常態(tài)時(shí)期的分析 [J]. 中國工業(yè)經(jīng)濟(jì)， 2015（12）： 2035.

[11] 張浩， 李仲飛， 鄧柏峻. 政策不確定、宏觀沖擊與房價(jià)波動(dòng)——基于LSTVAR模型的實(shí)證分析 [J]. 金融研究， 2015（10）： 3247.

[12] Bloom N. The impact of uncertainty shocks [J]. Econometrica， 2009， 77（3）： 623685.

[13] Aastveit K A， Natvik G， Sola S. Economic uncertainty and the effectiveness of monetary policy [R]. Norges Bank Working Paper， 2013.

[14] 張玉鵬， 王茜. 政策不確定性的非線性宏觀經(jīng)濟(jì)效應(yīng)及其影響機(jī)制研究 [J]. 財(cái)貿(mào)經(jīng)濟(jì)， 2016， 37（4）： 116133.endprint

[15] Balke N S. Credit and economic activity： credit regimes and nonlinear propagation of shocks [J]. Review of Economics and Statistics， 2000， 82（2）： 344349.

[16] Hansen B E. Inference when a nuisance parameter is not identified under the null hypothesis [J]. Econometrica： Journal of The Econometric Society， 1996， 64（2）： 413430.

[17] 何靜， 李村璞， 邱長溶. 信貸規(guī)模與房地產(chǎn)價(jià)格的非線性動(dòng)態(tài)關(guān)系研究 [J]. 經(jīng)濟(jì)評(píng)論， 2011（2）： 2128.

[18] FernndezVillaverde J，GuerrónQuintana P，Kuester K， et al. Fiscal volatility shocks and economic activity [J]. The American Economic Review， 2015， 105（11）： 33523384.

[19] Born B， Pfeifer J. Policy risk and the business cycle [J]. Journal of Monetary Economics， 2014， 68： 6885.

[20] Bekaert G， Hoerova M， Duca M L. Risk， uncertainty and monetary policy [J]. Journal of Monetary Economics， 2013， 60（7）： 771788.

[21] 王義中， 宋敏. 宏觀經(jīng)濟(jì)不確定性、資金需求與公司投資 [J]. 經(jīng)濟(jì)研究， 2014（2）： 417.

[22] Baker S R， Bloom N， Davis S J. Measuring economic policy uncertainty [J]. The Quarterly Journal of Economics， 2016， 131（4）： 15931636.

[23] 田磊， 林建浩. 經(jīng)濟(jì)政策不確定性兼具產(chǎn)出效應(yīng)和通脹效應(yīng)嗎？來自中國的經(jīng)驗(yàn)證據(jù) [J]. 南開經(jīng)濟(jì)研究， 2016（2）： 324.

責(zé)任編輯、 校對(duì)： 李斌泉endprint