黃 　 文，　王 　 曄，　謝 雨 菲

(1.河海大學(xué) 商學(xué)院， 江蘇 南京210098； 2.南京大學(xué) 商學(xué)院， 江蘇 南京210093)

一、引　言

近此年一直作為國民經(jīng)濟中的基礎(chǔ)性和先導(dǎo)性產(chǎn)業(yè)的房地產(chǎn)業(yè)與其他產(chǎn)業(yè)之間高度關(guān)聯(lián)，是推動近年來我國經(jīng)濟增長的重要力量。房地產(chǎn)業(yè)的高速發(fā)展也推動了房價的迅速攀升。中國房地產(chǎn)網(wǎng)資料顯示，從1998年我國住房貨幣化改革到2015年的近20年里，我國商品房的平均價格從剛剛突破每平米2000元漲到每平米7571元，漲幅高達279%。2016年以后，中國房地產(chǎn)市場百城住宅價格持續(xù)增長，2016年1～11月份累計上漲17.83%，較2015年全年擴大13.68個百分點，其中一、二線城市的累積漲幅分別高達22.95%和13.34%，而與此同時，多數(shù)三、四線城市面臨“去庫存”難題，全國市場區(qū)域分化態(tài)勢延續(xù)。房地產(chǎn)的虛擬資產(chǎn)特性使得其價格與成本相脫離，并且具有很強的波動性。隨著近幾年貨幣信貸政策的收緊和各級政府房價調(diào)控政策的陸續(xù)出臺，熱點城市房價在經(jīng)歷大漲后更容易產(chǎn)生大幅波動。作為居民資產(chǎn)配置的重要組成部分以及商業(yè)銀行發(fā)放貸款的主要抵押品，房價的波動會直接導(dǎo)致居民財富總量和貨幣供給的變動，進而引起社會生產(chǎn)、消費等實際領(lǐng)域的變化，同時對金融市場中金融資產(chǎn)的價格產(chǎn)生影響。

事實上，在房地產(chǎn)市場經(jīng)歷周期性波動的同時，我國的金融市場也在跌宕起伏中發(fā)展，房價和金融資產(chǎn)價格從運動軌跡來看表現(xiàn)出一定的相關(guān)性，房價波動會推高市場運行風(fēng)險，助長或者擠壓金融資產(chǎn)價格中原有的泡沫，并對金融體系的穩(wěn)健運行帶來隱患。為此，本文將從股票市場和債券市場著手，對我國房價波動的金融資產(chǎn)價格效應(yīng)進行全面系統(tǒng)的研究。

二、文獻綜述

房價波動不僅會引起宏觀經(jīng)濟指標(biāo)的變動，還會對金融市場產(chǎn)生沖擊。大量研究指出，房價波動與銀行信貸規(guī)模存在緊密的關(guān)系，并且房價波動會借由信貸市場的“金融加速器效應(yīng)”引起金融系統(tǒng)的不穩(wěn)定。Gerlach和 Peng利用1982年到2001年香港的季度數(shù)據(jù)對銀行貸款、房價之間的長期均衡和短期波動關(guān)系進行了實證分析，結(jié)論是香港地區(qū)房價波動會影響銀行信貸的擴張[1]。Goodhart 和 Hofmann發(fā)現(xiàn)，信用擴張和房價波動存在雙向影響關(guān)系，但房價對信貸的影響比信貸對房價的影響要大得多[2]。段忠東等運用多變量協(xié)整分析技術(shù)對我國房價影響銀行信貸的效應(yīng)進行實證檢驗，研究表明,房價和銀行信貸之間在長期內(nèi)存在互為因果關(guān)系,但是短期內(nèi)房價波動對銀行信貸發(fā)放的直接影響十分有限[3]。林江等利用VAR模型對深圳的商品房住宅市場進行了研究，發(fā)現(xiàn)深圳市商品住宅交易均價與金融信貸互為Granger因果關(guān)系[4]。

也有一些學(xué)者針對房價波動和金融資產(chǎn)價格的關(guān)系進行了研究，其中大部分是關(guān)于房地產(chǎn)市場和股票市場相關(guān)性的研究。Quan和Titman運用17個不同國家和地區(qū)14年間的數(shù)據(jù)進行檢驗,發(fā)現(xiàn)股價與商業(yè)房價有很強的相關(guān)性，但在亞洲,股票價格與房價的相關(guān)性會減弱[5]。Tse的研究表明香港房價和股價存在協(xié)整關(guān)系，并且使用VAR模型和脈沖響應(yīng)分析證明了香港房價波動是導(dǎo)致股價變動的決定性因素，房價和股價負(fù)相關(guān)[6]。Yang利用協(xié)整檢驗表明，瑞典的房價、股票價格和國債價格存在一個長期的均衡關(guān)系,且這3個變量有著類似的運動軌跡[7]。沈悅和盧文兵利用協(xié)整分析和VAR模型對我國股票市場與房地產(chǎn)市場的關(guān)系進行實證研究，結(jié)果表明房價上漲對股票價格上升有顯著影響,房價的上升與股票價格的上升存在兩季左右的間隔,且兩者呈現(xiàn)出螺旋式變化的趨勢[8]。巴曙松等利用變點檢驗、線性和非線性Granger因果檢驗的計量方法研究了房地產(chǎn)市場化改革完成后中國股票市場和房地產(chǎn)市場的關(guān)系，發(fā)現(xiàn)股市是房市的線性Granger先導(dǎo),而房市在一定程度上對股市有滯后的非線性Granger的引導(dǎo)作用[9]。彭興庭選取了GARCH模型進行研究，認(rèn)為房市和股市之間的波動存在溢出效應(yīng),而且是單向的,即房地產(chǎn)市場的波動將引起股票市場的波動[10]。林眾和林相森同樣利用了VAR模型，基于預(yù)期效應(yīng)、財富效應(yīng)與替代效應(yīng)的傳遞機制來研究中國房地產(chǎn)市場與股票市場之間的相關(guān)性，其研究結(jié)果表明,在長期內(nèi)房地產(chǎn)市場與股票市場不存在穩(wěn)定關(guān)系；在短期內(nèi),房地產(chǎn)市場對股票市場的替代效應(yīng)引起的負(fù)效應(yīng)起主導(dǎo)作用且較顯著[11]。

通過上述文獻回顧可以發(fā)現(xiàn)，國內(nèi)外學(xué)者對于房價波動效應(yīng)的研究主要集中在房價波動對金融市場的影響。我國學(xué)者對這一領(lǐng)域的研究起步比較晚，其中，關(guān)于房價波動對金融資產(chǎn)價格的影響，大多探討的是房地產(chǎn)市場和股票市場的關(guān)聯(lián)性，較少聚焦于債券價格受房價波動的影響。從研究方法來看，現(xiàn)有文獻中用的較多的方法是協(xié)整檢驗和Granger因果檢驗，這些方法雖經(jīng)典但也存在一些不足?；诖?，本文在構(gòu)建理論框架的基礎(chǔ)上，采用時變參數(shù)向量自回歸(TVP-VAR)模型，研究樣本期內(nèi)房價波動對股票和債券這兩種金融資產(chǎn)價格的時變效應(yīng)。

三、模型構(gòu)建與估計方法

在過去的10多年里，我國房地產(chǎn)市場和金融市場都經(jīng)歷了快速成長，各時期的宏觀經(jīng)濟變量和政策形勢也不盡相同。因此，分析房價波動對我國金融資產(chǎn)價格的影響，不能采用固定參數(shù)模型來研究。為了充分反映我國經(jīng)濟結(jié)構(gòu)的動態(tài)變化，本文通過構(gòu)建時變參數(shù)向量自回歸(TVP-VAR)模型，并選用股票和債券作為金融資產(chǎn)的代表，試圖全面揭示房價波動對金融資產(chǎn)價格的動態(tài)影響。

1.三變量TVP-VAR模型構(gòu)建

首先，構(gòu)造一個基礎(chǔ)的結(jié)構(gòu)向量自回歸(SVAR)模型：

Ayt=F1yt-1+…+Fsyt-s+ut,t=s+1,…,n

(1)

yt=B1yt-1+…+Bsyt-s+A-1∑εt,εt～N(0,I3)

(2)

yt=Xtβ+A-1∑εt

(3)

為探究房價波動對金融資產(chǎn)價格的時變影響，將模型(3)中所有的參數(shù)加入時變特征，便得到了如下的時變參數(shù)向量自回歸(TVP-VAR)模型：

(4)

2.模型估計方法

基于上述假設(shè)，本文使用貝葉斯估計以及馬爾科夫蒙特卡羅(MCMC)算法對所構(gòu)建的TVP-VAR模型進行估計。

四、實證檢驗

1.樣本選擇與數(shù)據(jù)說明

房價以商品房月度銷售單價來表示，缺失的一月份數(shù)值用線性插值法計算補足。金融資產(chǎn)價格以股票價格和債券價格來代替,其中，本文采用上證A股指數(shù)收盤價作為我國A股市場行情的衡量指標(biāo)，選取中債綜合指數(shù)中的總凈價指數(shù)反映債券市場總體情況。由于上證A股指數(shù)和中債綜合指數(shù)的原始數(shù)據(jù)是日度數(shù)據(jù)，本文以月內(nèi)日度數(shù)據(jù)的算術(shù)平均值反映該月的股票價格和債券價格的總體變化情況。由于中債綜合指數(shù)的起始日期為2002年1月，考慮到數(shù)據(jù)的可得性，本文的樣本期間始于此。另外，本文寫作時能夠獲得的完整數(shù)據(jù)的截止月份為2016年11月，因此，本文的樣本期間為2002年1月～2016年11月，共179組樣本數(shù)據(jù)。將上述月度價格指標(biāo)用Census-12方法進行季節(jié)調(diào)整，得到房價、股價和債券價格經(jīng)過季節(jié)調(diào)整后的序列，分別記為HOUSE、STOCK和BOND。

房價HOUSE、股價STOCK和債券價格BOND這3個價格序列的單位根檢驗結(jié)果見表1。由表1可知，房價序列在1%的顯著性水平上拒絕了序列含有單位根的假設(shè)，因此，該序列是平穩(wěn)的；股票價格序列在經(jīng)PP檢驗后表明不平穩(wěn)，且ADF檢驗結(jié)果顯示在5%的顯著性水平上不能拒絕序列含有單位根的原假設(shè)，因此，可以認(rèn)為該序列是不平穩(wěn)的；對于債券價格序列的ADF檢驗和PP檢驗結(jié)果均表明不能拒絕該序列存在單位根的假設(shè)，因此，該序列也是不平穩(wěn)的。

表1　價格序列單位根檢驗結(jié)果

注：ADF檢驗形式(c,t,n)中的c,t,n分別代表常數(shù)項、趨勢項和滯后階數(shù)，PP檢驗形式(c,t,b)中的c,t,b分別代表常數(shù)項、趨勢項和帶寬。

為了避免時間序列不平穩(wěn)造成“偽回歸”問題，同時減弱異方差的影響，本文將上述價格序列均作對數(shù)差分處理，從而得到上述房價、股票價格和債券價格的收益率序列，分別記為house、stock、bond。這3個收益率序列的單位根檢驗結(jié)果如表2。ADF檢驗和PP檢驗結(jié)果均表明，房價收益率、股價收益率和債券價格收益率都滿足平穩(wěn)性要求，可以進行TVP-VAR模型估計。

表2　資產(chǎn)價格收益率序列單位根檢驗結(jié)果

注：ADF檢驗形式(c,t,n)中的c,t,n分別代表常數(shù)項、趨勢項和滯后階數(shù)，PP檢驗形式(c,t,b)中的c,t,b分別代表常數(shù)項、趨勢項和帶寬。

2.TVP-VAR模型參數(shù)估計

運用TVP-VAR模型進行估計之前，首先要選擇模型中的滯后階數(shù)。為此，本文先把房價收益率House、股價收益率Stock和債券價格收益率Bond代入傳統(tǒng)的VAR模型，滯后階數(shù)分別選取0～4階，得到結(jié)果如表3。由表3可知，根據(jù)LR準(zhǔn)則、FPE準(zhǔn)則和AIC準(zhǔn)則，最佳滯后階數(shù)應(yīng)為4階，而根據(jù)HQIC準(zhǔn)則和SBIC準(zhǔn)則，最佳滯后階數(shù)應(yīng)為1階。為簡化模型，同時盡可能不喪失自由度，本文在進行TVP-VAR估計時選取的滯后階數(shù)為1階。

表3　滯后階數(shù)選擇

用MCMC算法連續(xù)抽樣10 000次，舍棄預(yù)燒(burn-in)階段的前1000次抽樣，得到各參數(shù)的后驗均值、標(biāo)準(zhǔn)差、95%的置信區(qū)間、收斂診斷值和無效因子，如表4所示。

表4　MCMC算法估計結(jié)果

表4顯示參數(shù)的后驗均值都在95%的置信區(qū)間內(nèi)，因此，模型的估計結(jié)果是可信的。CD統(tǒng)計量均小于5%顯著性水平下的臨界值1.96，說明無法拒絕后驗分布收斂于0的零假設(shè)。無效因子最大為85.45，表明我們共得到了10000÷85.45≈117個不相關(guān)樣本，這足以滿足后驗推斷的要求。

圖1從上到下分別是樣本的自相關(guān)圖、樣本路徑以及被選參數(shù)的后驗密度函數(shù)。自相關(guān)圖表明在舍棄了最初的1000次樣本后，樣本的自相關(guān)系數(shù)迅速下降并且在0附近波動，可以判斷樣本基本不存在自相關(guān)關(guān)系。另外，10 000次有效樣本的樣本路徑比較平穩(wěn)，路徑顯示參數(shù)具有顯著的波動聚類現(xiàn)象。上述結(jié)果表明，MCMC算法有效地模擬了參數(shù)的分布狀況。

3.房價波動對金融資產(chǎn)價格的同期效應(yīng)分析

如圖2所示，房價波動對股票價格和債券價格的同期效應(yīng)均呈現(xiàn)出時變特征。2005年5月之前，房價收益率和股價收益率、房價收益率和債券價格收益率的同期相關(guān)系數(shù)均小于0，表明在此期間，房價上升抑制了同期金融資產(chǎn)價格的上漲。究其原因：2005年之前，我國的股票市場和債券市場長期處于“熊市”的陰霾中。一方面，股權(quán)分置改革尚未進行，制度性缺陷束縛著股票市場發(fā)揮其應(yīng)有的資源配置、投資理財功能；另一方面，債券市場交易品種較少，債券遠(yuǎn)期交易、短期融資券等品種尚未推出，信用債市場以企業(yè)債為主，發(fā)改委對其采取嚴(yán)格的審批制度限制了其規(guī)模的增長，商業(yè)銀行進入公司債券的大門也還未打開，債券市場增長比較緩慢；而房地產(chǎn)市場自1998年貨幣化制度改革以來，在土地和建材價格上漲、購房需求旺盛、以及投資者炒作等因素的影響下熱度高漲。在此背景下，投資者競相追逐高收益的房地產(chǎn)，將資金撤離收益率較低的股票和債券市場，導(dǎo)致股票和債券收益率進一步走低，從而形成了房價波動對金融資產(chǎn)價格的“替代效應(yīng)”，在圖2中，即表現(xiàn)為兩者同期的負(fù)相關(guān)關(guān)系。此外，注意到0軸一直被包括在95%的置信區(qū)間內(nèi)，這說明在5%的顯著性水平上，不能拒絕同期關(guān)聯(lián)系數(shù)為0的原假設(shè)，這說明在2005年5月之前房價波動對金融資產(chǎn)價格的同期影響不顯著。

圖1　樣本自相關(guān)圖(上)、樣本路徑(中)和密度函數(shù)(下)

2005年5月之后，房地產(chǎn)市場和股票市場、房地產(chǎn)市場和債券市場的同期影響情況發(fā)生了分化。從圖2(a)關(guān)聯(lián)系數(shù)后驗均值的走勢可以看到，房價收益率對股價收益率的同期影響在2005年5月之后由負(fù)向變?yōu)檎颍谊P(guān)聯(lián)系數(shù)的數(shù)值基本處于穩(wěn)步上升的態(tài)勢，表明在此期間房價的上漲會推升同時期的股票價格；2013年后，后驗均值一直保持在0.35附近，表明2013年后，房地產(chǎn)市場對股票市場的同期影響力度趨于穩(wěn)定。結(jié)合股票市場的發(fā)展情況，2005年4月29日晚，股權(quán)分置改革的試點啟動，自此，我國證券市場制度才開始逐漸完善，證券市場真實的供求關(guān)系和定價機制才得以發(fā)揮作用。從此A股市場開始步入上升通道，市場活躍度持續(xù)增加，股票逐漸成為了投資者尋求資金保值增值的重要金融工具。在這一階段，房價波動對股票價格的同期影響可以用“財富效應(yīng)”、“抵押品效應(yīng)”和“開發(fā)企業(yè)效應(yīng)”等來解釋。首先，房價上漲使得房屋所有者總體財富增加，人們在變得“富有”時往往更加有能力進行金融資產(chǎn)投資；由于股改后，股票在投資者資產(chǎn)組合中的地位上升，根據(jù)“財富效應(yīng)”，投資者在自身財富增加時會加大對股票市場的投資，從而促進了股票收益率的提升；其次，房價上漲使得房地產(chǎn)抵押貸款的資產(chǎn)質(zhì)量提升，促進了銀行的信貸投放，市場中流通貨幣增加使得資金成本下降，由于股改促使了我國股票市場的定價機制向市場化方向轉(zhuǎn)變，股價對資金成本變動的敏感度提升，因此，2005年5月后，房價上升對股價的推動作用也更加能夠通過“抵押品效應(yīng)”得以實現(xiàn)；最后，在定價機制完善的金融市場中，股市應(yīng)扮演著宏觀經(jīng)濟晴雨表的角色，股改使得A股市場流動性有所提升，有助于股價變動反映實體經(jīng)濟波動，從而強化房價波動對股票市場的“開發(fā)企業(yè)效應(yīng)”，即房價上升，房地產(chǎn)開發(fā)企業(yè)及其上下游產(chǎn)業(yè)的生產(chǎn)經(jīng)營能力提高，使得房價與股價表現(xiàn)出正相關(guān)性。

圖2　房價波動對股票價格和債券價格的同期影響注：圖中實線為關(guān)聯(lián)系數(shù)的后驗均值，兩條虛線之間為95%的置信區(qū)間。

雖然2005年5月之后房價收益率和股票價格收益率的同期關(guān)聯(lián)為正，但是從置信區(qū)間來看，同期關(guān)聯(lián)系數(shù)只有在2009年初至2013年上半年末這段時期內(nèi)能夠在5%的水平上保持顯著。2009年下半年初至2013年上半年末正好處于A股市場兩次暴漲暴跌時期之間。在A股市場，股市的大起大落常常伴隨著投資者的非理性情緒以及股市政策的頻繁變動，因此，股市大幅震蕩期間股價的波動會脫離其原本的規(guī)律，股價受市場情緒左右，使得房價波動對其影響大大減弱。而2009年上半年初至2013年上半年末，股市總體相對穩(wěn)定，這有利于股價反映經(jīng)濟基本面變動，在“開發(fā)企業(yè)效應(yīng)”等作用下，房地產(chǎn)市場和股票市場的關(guān)聯(lián)性更為顯著。

結(jié)合圖2(b)可知，2005年5月至2016年11月，房價收益率對債券價格收益率的同期關(guān)聯(lián)系數(shù)時正時負(fù)，圍繞著0軸上下小幅波動；到2012年3月之后才一直保持在0軸以上，且波動上升，最終穩(wěn)定在0.1的水平上。圖2(b)反映出以下3點：第一，2012年3月之前，房價波動對債券價格收益率的影響方向不明晰，房地產(chǎn)對債券的“替代效應(yīng)”與“財富效應(yīng)”等效應(yīng)不相上下、輪流占優(yōu)；2012年3月之后，房價上漲或下跌會引起債券價格的同向變動，這說明該時期“財富效應(yīng)”“抵押效應(yīng)”比較突出。第二，房價收益率和債券價格收益率的同期關(guān)聯(lián)系數(shù)的絕對數(shù)最大僅為0.1，小于房價收益率和股價收益率的同期關(guān)聯(lián)系數(shù)絕對數(shù)的最大值0.35，說明相對于股票市場，房價波動對債券市場的同期影響比較微弱。第三，在整個樣本期間，房價收益率對債券市場收益率的同期影響系數(shù)95%的置信區(qū)間都涵蓋了0值，即房市對債市的同期影響不顯著。

回顧我國債券市場變遷史，2005年，短期融資券問世、商業(yè)銀行投資企業(yè)債券的限制被打破以及信貸資產(chǎn)證券化試點開啟都使得一級市場發(fā)行品種不斷豐富，發(fā)行主體和參與主體顯著增加，從而市場認(rèn)購踴躍度增加、需求提升。隨著債券市場在投資者資產(chǎn)配置中的比重增加，公司信用債在社會融資結(jié)構(gòu)中占比上升，房價波動更容易通過“財富效應(yīng)”和“抵押品效應(yīng)”渠道影響債券價格。因此，在2005年后，房價對債券價格的影響來源于兩股力量的角逐，一是資金的逐利性產(chǎn)生的“替代效應(yīng)”致使兩者反向運用，二是“財富效應(yīng)”和“抵押品效應(yīng)”致使兩者同向運動，兩股力量相互制衡，造成樓市波動對債市的沖擊不甚明朗。2012年后，中小企業(yè)私募債的推出、國債期貨的重啟、資產(chǎn)證券化進程的加快等舉措，都推動了債券市場進一步發(fā)展，債市與宏觀經(jīng)濟的聯(lián)系愈發(fā)密切，而房地產(chǎn)市場的發(fā)展又深刻影響著我國的宏觀經(jīng)濟走勢，因此，債市和樓市也日益表現(xiàn)出同向關(guān)聯(lián)。盡管如此，我國債券市場尚且存在一些結(jié)構(gòu)性問題。一方面，目前我國的債券市場以政府、金融機構(gòu)和公有部門為主導(dǎo)，其對非金融私人部門企業(yè)提供服務(wù)的功能還比較欠缺，這使得債券市場與實體經(jīng)濟存在一定程度的脫節(jié)；另一方面，債券市場發(fā)行和流通環(huán)節(jié)的分割性、交易所市場和銀行間市場的分割性、機構(gòu)投資者和個人投資者的分割性使得債券定價機制不合理，市場收益率曲線無法充分反映供求關(guān)系。這些問題使得相對于股票市場而言，房價波動對債市收益率同期影響呈現(xiàn)并不十分顯著的特點。

4.房價波動對金融資產(chǎn)價格的滯后沖擊

為了全面考察我國房價波動對金融資產(chǎn)價格變動的動態(tài)效應(yīng)，本文分別設(shè)定超前1期、3期、6期、9期(即超前1個月、1個季度、半年、3個季度)，分析模型系統(tǒng)對外生沖擊的響應(yīng)。圖3、圖4分別描述了以股票、債券為代表的金融資產(chǎn)價格面臨來自超前1期、3期、6期、9期房價收益率的一個單位標(biāo)準(zhǔn)差的正向沖擊的脈沖響應(yīng)圖。

圖3　股價對于正的房價沖擊的響應(yīng)

圖3刻畫了房價波動沖擊對1個月、1個季度、半年、3個季度后的股票價格收益率產(chǎn)生的影響，波動的脈沖相應(yīng)圖很直觀地顯示了這種影響的時變性。脈沖響應(yīng)結(jié)果傳遞出以下4點信息：第一，房價波動會對后一季度內(nèi)的股票市場持續(xù)產(chǎn)生影響，且間隔一季度的影響程度約為間隔一個月的影響程度的1/2，而當(dāng)間隔時間為半年以上時，股票市場基本不再受之前房地產(chǎn)市場波動的影響。第二，2002年2月到2005年5月、2009年2月到2016年11月這兩段時間內(nèi)，圖3中脈沖響應(yīng)值的符號與圖2(a)中同期關(guān)聯(lián)系數(shù)的符號基本一致，即2005年5月之前，同期關(guān)聯(lián)和滯后沖擊都表現(xiàn)為房價收益率和股價收益率的反向關(guān)聯(lián)，房價波動主要通過“替代效應(yīng)”作用于當(dāng)期及滯后期的股票市場；而2009年2月之后的同期關(guān)聯(lián)系數(shù)大于0，滯后沖擊也總體顯示出房價收益率和股價收益率的正向關(guān)聯(lián)，房價波動主要通過“財富效應(yīng)”、“抵押效應(yīng)”和“開發(fā)企業(yè)效應(yīng)”作用于當(dāng)期及后期的股票市場，表現(xiàn)出樓市和股市共進退。第三，2005年5月至2009年2月期間，雖然圖2(a)中房價收益率和股價收益率在“財富效應(yīng)”等機制下表現(xiàn)為同期的正相關(guān)，但是圖3中脈沖響應(yīng)曲線幾乎都處于0軸以下的區(qū)域，這說明，這段時間內(nèi)房價波動對股價的“替代效應(yīng)”在滯后期發(fā)揮了主要的作用。第四，2014年后，房價波動對股市的滯后影響穩(wěn)定在一個相對較高的水平，考慮到該時期房價收益率和股價收益率同期也為正相關(guān)關(guān)系，可以判斷，目前我國樓市對股市的同向促進作用比較穩(wěn)定。

圖4描繪的是房價波動沖擊對超前1個月、1個季度、半年、3個季度后的債券價格收益率產(chǎn)生的影響，從圖形的波動程度來看，沖擊到響應(yīng)的時間間隔越短，響應(yīng)值的時變性越強，這與圖3類似。而比較圖3和圖4中響應(yīng)值的變動范圍可以發(fā)現(xiàn)，在房價波動的沖擊下，債券價格收益率的響應(yīng)程度要比同時期股票價格收益率的響應(yīng)程度小得多，這與同期關(guān)聯(lián)效應(yīng)中的結(jié)論一致。從圖4的脈沖響應(yīng)結(jié)果可知：第一，房價波動會對后一季度內(nèi)的債券市場持續(xù)產(chǎn)生影響，且間隔一季度的影響程度約為間隔一個月的影響程度的1/3，表明相對于股票市場，房價波動對債市的滯后效應(yīng)消失得更快，而當(dāng)間隔時間為半年以上時，房地產(chǎn)市場波動對債券市場影響十分微弱。第二，在整個樣本期間，圖4中的脈沖響應(yīng)曲線與圖2(b)中同期關(guān)聯(lián)系數(shù)的變動模式相同，即2005年3、4月之前，同期關(guān)聯(lián)和滯后沖擊都表現(xiàn)為房價收益率和債券價格收益率的反向關(guān)聯(lián)，房價波動影響當(dāng)期及滯后期債券市場的渠道主要是“替代效應(yīng)”；2005年5月至2012年初，房價波動對當(dāng)期及滯后期債券價格收益率的響應(yīng)方向都不穩(wěn)定；2012年后，同期關(guān)聯(lián)和滯后沖擊結(jié)果又同時表現(xiàn)為房價收益率對債券價格收益率的同向促進作用，這說明“財富效應(yīng)”和“抵押品效應(yīng)”等在該時期一直處于上風(fēng)。第三，2014年后，債市對房價波動的滯后響應(yīng)也趨于穩(wěn)定，但從數(shù)值來看，不足股市滯后響應(yīng)程度的一半，這也與債券市場分割、定價機制不完善有關(guān)。

圖4　債券價格對于正的房價沖擊的響應(yīng)

五、研究結(jié)論與政策建議

本文利用2002年1月至2016年11月的月度數(shù)據(jù)，通過建立TVP-VAR模型，實證檢驗了我國房地產(chǎn)市場波動對以股票和債券為代表的金融資產(chǎn)價格的同期和滯后效應(yīng)。本文的主要結(jié)論如下：

(1)就同期效應(yīng)而言，房價波動對金融資產(chǎn)價格的同期影響呈現(xiàn)出時變性。2005年5月之前，房價上升抑制了同期金融資產(chǎn)價格上漲。2005年5月之后，隨著股票市場和債券市場市場化程度的提升，房價上升對金融資產(chǎn)價格由抑制作用逐漸轉(zhuǎn)變?yōu)榇龠M作用。房價波動對股價的同期影響僅在2009年上半年初至2013年上半年末股市相對平穩(wěn)的這段時間上顯著，股市的暴漲暴跌會大大削弱房價波動對股票價格影響的顯著性。同時，我國房價波動對債券市場的同期影響程度不如其對股票市場的同期影響。

(2)就滯后效應(yīng)而言，房價波動對金融資產(chǎn)價格的影響具有持續(xù)性，可維持一個季度的時間，滯后效應(yīng)的時變性隨著間隔時間的增加而減??；相對于股票市場，房價波動對債券市場的滯后影響更小、消失得更快。2009年2月之前，房價上升會抑制滯后期股票價格的上漲；2009年2月以來，樓市對滯后期的股市有同向促進作用。2005年3月之前，房價上升抑制滯后期債券價格的上漲；2012年后，房價波動對滯后期債券價格保持同向促進作用；其余時間段上，房價波動對債券價格的沖擊方向不明朗。

為減少房地產(chǎn)市場對金融市場的沖擊，防止金融風(fēng)險在房市、股市、債市累積和傳遞，保障國民經(jīng)濟平穩(wěn)運行，本文提出如下政策建議：

首先，建立房地產(chǎn)調(diào)控政策的壓力測試。監(jiān)管部門在對房地產(chǎn)市場進行調(diào)控時，要考慮相關(guān)政策引起的金融資產(chǎn)價格的波動。在出臺房地產(chǎn)調(diào)控政策之前，應(yīng)建立模型并仔細(xì)考慮不同的購房首付比例或房貸利率對商業(yè)銀行等金融機構(gòu)、房地產(chǎn)及其他相關(guān)行業(yè)的影響范圍和影響力度，基于此，分析在該情形下相應(yīng)版塊股票和債券價格可能的變動方向和范圍，并據(jù)此制定應(yīng)對金融市場波動的策略和方法。

其次，抑制房地產(chǎn)市場價格上漲，以實現(xiàn)房價平穩(wěn)著陸。由于不同的經(jīng)濟金融環(huán)境中，房地產(chǎn)市場波動對金融資產(chǎn)價格的作用方向和力度不盡相同，為避免房價上漲或下跌幅度過大引發(fā)金融市場風(fēng)險，當(dāng)務(wù)之急還是應(yīng)采取措施逐步收窄房價上漲幅度，抑制房地產(chǎn)泡沫的膨脹，保障房地產(chǎn)市場的平穩(wěn)運行。

最后，完善股市和債市的基礎(chǔ)制度建設(shè)，預(yù)防和控制金融資產(chǎn)價格大幅震蕩。為防止金融資產(chǎn)價格異常波動，應(yīng)圍繞對投資者利益嚴(yán)密保護的原則，進一步完善股市和債市的基礎(chǔ)制度建設(shè)。對于股票市場，應(yīng)強化市場監(jiān)管，嚴(yán)厲打擊非法操縱市場的內(nèi)幕交易行為，同時嚴(yán)格把控上市公司質(zhì)量，杜絕虛假資本運作；對于債券市場，采取有效途徑化解債券市場分割的局面，健全國內(nèi)信用評級機制和市場化違約機制，以構(gòu)建市場化、法制化、高效率、嚴(yán)監(jiān)管的資本市場體系。

參考文獻：

[1] GERLACH S,PENG W. Bank lending and property prices in Hong Kong[J]. Ssrn Electronic Journal,2004,29(2):461-481.

[2] GOODHART C,HOFMANN B. House Prices and the Macroeconomy:Implications for Banking and Price Stability[M]. New York:Oxford University Press,2006:132-144.

[3] 段忠東,曾令華,黃澤先,等. 房地產(chǎn)價格波動與銀行信貸增長的實證研究[J]. 金融論壇,2007,12(2):40-45.

[4] 林江,徐世長,黃建新. 適應(yīng)性預(yù)期、金融加速器效應(yīng)與房價波動——以深圳為例[J]. 現(xiàn)代財經(jīng)-天津財經(jīng)大學(xué)學(xué)報,2015(1):22-31.

[5] QUAN D C,TITMAN S. Do real estate prices and stock prices move together? an international analysis[J]. Real Estate Economics,1999,27(2):183-207.

[6] TSE R Y C. Impact of property prices on stock prices in Hongkong[J]. Review of Pacific Basin Financial Markets & Policies,2001,4(1):29-43.

[7] YANG Z. Co-integration of housing prices and property stock prices:evidence from the Swedish market[J]. Journal of Property Research,2005,22(1):1-17.

[8] 沈悅,盧文兵. 中國股票價格與房地產(chǎn)價格關(guān)聯(lián)性研究[J]. 當(dāng)代經(jīng)濟科學(xué),2008,30(4):87-92.

[9] 巴曙松,覃川桃,朱元倩. 中國股票市場與房地產(chǎn)市場的聯(lián)動關(guān)系[J]. 系統(tǒng)工程,2009(9):16-21.

[10] 彭興庭. 我國房地產(chǎn)市場與股票市場的波動相關(guān)性研究[J]. 北京理工大學(xué)學(xué)報(社會科學(xué)版),2011,13(5):39-43.

[11] 林眾,林相森. 中國房地產(chǎn)市場與股票市場相關(guān)性的實證研究[J]. 統(tǒng)計與決策,2013(12):133-136.

[12] NAKAJIMA J. Time-varying Parameter VAR Model with Stochastic Volatility:An Overview of Methodology and Empirical Applications[R]. Institute for Monetary and Economic Studies,Bank of Japan,2011.