基于VAR模型的人民币汇率与房地产价格相关性文献综述研究

骆泽深　郑馨婷　江焯娴　黄少杰　肖浩芳　刘霈霈

摘要：随着中国房地产价格的上涨，学者对于房地产价格影响因素的研究日益增加，其中人民币汇率与房地产价格相关性尤为明显。本文在系统查阅相关文献的基础上，从研究历程、方法和结果出发，对基于VAR模型来研究人民币汇率和房地产关系的相关论文进行了综述，希望通过本文的介绍，能够对该研究主题下的研究方向、思路以及得出的结论形成基本轮廓并从中得到相关的启示。因此，本文将从两大板块出发，第一部分是对基于人民币汇率和房地产关系研究下的VAR模型进行简要的介绍分析，同时对各文献研究的方向和思路进行综述；第二部分则是对基于VAIL模型研究下人民币汇率和房地产关系的研究结论进行分类综述。

关键词：人民币汇率；房地产；VAR模型

引言

人民币汇率和房地产价格的变动对于我国经济发展具有重要的意义，特别是在全球经济一体化的现今，人民币汇率和房地产价格的改变所带来的影响更为举足轻重，房价与汇率的研究是当前中国经济形势的热点，自2005年的汇改以来，人民币持续小幅升值。据国家外汇管理局公布，2005年7月美元对人民币折算率为8.28，而2016年7月为6.65，下降了19.7%。与此同时，我国房地产产业发展十分繁荣，十余年来房价虽有所波动，但总体上涨的趋势并未被掩盖，持续高涨。在当今经济金融一体化趋势下，资产价格与汇率的关系愈发密切，学术界开始关注人民币汇率与房地产价格之间的互动关系，该研究对于防范风险以及稳定金融体系有着非常重要的理论及现实意义。但在复杂的经济条件下，房地产价格与人民币汇率间极有可能存在非线性关系，因而经济学者们在研究该问题时经常会选择使用一种计量经济模型。1980年由克里斯托弗·西姆斯（1980）提出的向量自回归模型（简称VAR模型）。VAR模型简而言之，便是把系统数据中每一个的内生变量都作为系统所有内生变量的滞后值的函数所构建出的模型，早期的VAR模型是由Sims提出的简约式的VAR模型，随着经济学研究的需要，VAR模型逐渐演变发展出MS-VAR模型、PVAR模型和FA-VAR模型等等。对于人民币汇率和房地产关系的研究，很多经济学者都选择使用不同的VAR模型作为工具达到不同的研究目的，可以是用于考虑与实际经济情况相吻合，也可以是为了克服数据限制，甚至是用于作为数据分析预测的基础，不同的研究目的和研究思路对于VAR模型的使用方式不同，本文通过对使用了VAR模型来研究人民币汇率和房地产关系的文献进行综述，整理了基于该研究课题下，各种VAR模型在经济学者使用下的不同研究方向、思路和不同结论，希望通过两大部分的文献综述，能够对使用VAR模型来研究该课题的研究文献的思路和进程有了解和启发。

一、基于汇率和房地产关系研究下的VAR模型综述

为克服传统的经济计量方法的估计和推断的不可靠性，Sims（1980）提出回归系统中内生变量的滞后值，估计内生变量动态关系的VAR模型。然而VAR模型不考虑结构性的经济冲击，因此Blanchard和Quah（1990）加入了内生变量的当期值的SVAR模型，使之更符合实际情况。非线性科学理论的发展促进Hamilton（1990）提出MS-VAR模型，用于描述经济周期的不同特征和规律。因VAR模型在数据量上有限制性，其空间个体也有异质性，Pesaran和Smith（1995）扩展了基于面板数据，运用面板分析并向空间计量扩展的PVAR模型。VAR模型不能处理较多的经济变量，而现如今需要考虑的经济因素越来越多，原有的VAR模型不足以反映经济政策在经济发展以及推动经济系统的真实效果，Bernanke（2005）构建出FAVAR模型，通过多变量和大数据，有利于全面反映真实的经济情况和变量之间相互影响的动态关系。VAR模型的参数随着时间的推移而变化，但传统的VAR模型在描述多变量之间的互相作用有较大限制，带有随机波动的时变参数的TVP-VAR模型也由此产生。

总而言之，VAR模型自提出后便不断被探索、质疑和创新，越来越贴近真实的经济发展状況，在处理非线性、多变量以及空间计量方面有了较大的改进。

而在研究汇率与房地产价格关系时，构建VAR模型可以提高实证研究的有效性，运用协整、格兰杰因果检验能够对房价和汇率之间的关系进行分析。SVAR模型能够区分不同冲击的影响，构建SAVR模型能够精确地查找到模型系统各个变量的结构关系。因为汇率与房地产价格的波动具有非线性特征，因而在研究汇率与房地产价格关系时，构建MS-VAR模型能够表现出不同时期汇率与房地产价格波动的特征。由于汇率与房地产价格两个变量具有时效性，构建PVAR模型能够把两个变量看成一个内生系统，真实地反映变量之间的互动关系，并能分析出汇率与房地产价格的关系和影响程度。由于VAR模型变量处理少，信息量有限，而选取FAVSR模型能够分析房地产价格与汇率之间的传导机制，更好地得出实证分析的结果。考虑到汇率与房地产价格两个变量的时变性，构建TVP-VAR模型能够分析汇率与房地产价格两个变量的持续变化过程，从而更加灵活而显著地观察到相关变量间的时变性。下文中，我们将对相关文献进行分类综述，由此能够更好的了解经济学者们在研究人民币汇率和房地产价格关系时，对于使用各种不同的VAR模型的研究方向，研究思路以及研究过程。

（一）VAR模型

该部分所综述的被学者用于研究汇率和房地产价格的VAR模型是1980年由克里斯托弗·西姆斯提出的简约式的VAR模型，国内很多学者在研究该问题时会选择使用简约式的VAR模型，研究过程较为简便，重点在于建立VAR模型前必须进行平稳性检验或者数据调整确定研究数据为一组平稳的数据，以及选择确定出最优的滞后阶数。

陈香莲（2009）利用VAR模型对上海和深圳的地产指数与人民币名义汇率的关系进行了实证检验分析，特别的，她选取了2001年9月到2009年2月股市和汇市的共873组日数据作为样本进行分析，她对选取的样本数据以此进行了单位根检验，协整检验以及格兰杰因果检验并采用了AIC和SC值最小作为标准，得出最佳滞后期为2，由此建立了VAR（2）模型进行脉冲响应函数分析对汇改前后的汇率与上海和深圳的房地产指数关系进行了实证研究。

陈婕，路静，高鹏和董纪昌（2009）为分析自汇率改革以来，中国的房价与汇率之间的关系，选择采用了2005年7月到2007年12月间共30组的样本数据，同时考虑到双边汇率仅能反应一个国家的经济关系，他们选择采用实际有效汇率进行分析，基于无约束的VAR模型基础上，同样是通过了平稳性检验，协整检验和格兰杰因果检验确定了最优滞后阶数3，再进行脉冲响应分析得出相关结论。

吕光明和徐曼（2012）希望采用VAR模型对影响我国短期国际资本流动的因素进行分析，其中他们提出影响我国短期国际资本流动的三个重要因素分别为利率，汇率和资产价格；在研究汇率时，他们选择了人民币汇率变动率和人民币汇率预期变动率作为VAR模型中的其中两个变量，同时选择了2002年1月到2011年6月的月度数据作为样本，首先进行了模型变量的单位根检验，确保变量是平稳的序列，紧接着根据Granger因果关系检验确定Choleskv分解顺序，同时采用滞后结构检验得出滞后阶数3，并对得出的VAR模型结果进行分析，包括脉冲响应函数分析和短期国际资本流动变化的方差分解，得知各变量在受到1各单位正向冲击时的变化情况以及对短期国际资本流动变化的影响比率，由此推导出三种因素中哪种因素的驱动影响最大。

钟晨（2015）把外商直接投资房地产（简称FDI）作为一个中间变量来考察人民币汇率与房地产价格间的关系，出于对中国经济发展不平衡的考量，他将房地产价格分为两个指标：全国指标（即全国平均房价）和分类指标（东部加權平均房价，中部加权平均房价以及西部加权平均房价），同时汇率选择采用2004年12月到2014年12月人民币兑美元直接有限汇率的月度数据，并将其分为两组其中一组代表了外商直接投资；首先对两组数据进行了相关性系数分析，得出了两组数据与汇率间皆存在正相关关系，接着对第一组数据进行平稳性检验，确定其为平稳序列后再进行Johansen协整检验和Granger因果检验，得出滞后阶数为1后建立VAR模型进行相关分析，第二组数据作为第一组数据的对比分析，最终得出基于外商直接投资房地产的条件下，人民币汇率与房地产价格间的关系。

李欣欣和刘海龙（2015）从国际资本流动对国内市场价格影响渠道的角度出发，研究汇率与房地产价格的关系，他们将国际资本流动的影响渠道分为：流动性渠道、货币政策渠道以及财富效应渠道，同时通过理论和实证分析分别研究三个渠道的影响程度，除此之外更考虑了经济周期、巴拉萨一萨缪尔森效应、城市化进程等影响因素；为得出平稳的样本数据，他们首先进行了Census X12的季节性调整，再选择建立VAR（1）模型进行估计，基于VAR模型的基础上进行Granger因果检验，另一反面，他们分别对三个渠道进行稳健性检验，观察其变化程度，综合两方面的分析结果，得出相关的结论。

（二）SVAR模型

SVAR模型是在简约式VAR模型的基础上，考虑到结构性的经济冲击，为与实际经济情况一致，Blanehard和Quah在1990年通过对简约式的VAR模型进行修正而提出的结构性VAR模型，使用SVAR模型研究汇率与房地产的关系比简约式的VAR模型更能够与实际的经济情况相结合。

Orjan Robstad（2014）在研究挪威的货币政策对房地产价格的影响时使用到了贝叶斯结构向量自回归模型，先在基本的VAR模型基础上，将参数使用最小二乘法进行估算，基于BIC、HQ和AIC测试，作者最终选择了第二优的滞后阶数为2，同时，参考了Sims的简约式VAR模型和还原形式的贝叶斯VAR模型后，作者希望使用三种不同的鉴定程序来确定货币政策的冲击，因此他选择基于贝叶斯向量自回归模型（即BVAR模型）和结构向量自回归模型（即SVAR模型）构建几种结构性的贝叶斯向量自回归模型；同时，他也像Uhlig（2005）一样使用了标志限制来识别货币政策的冲击，这相当于将一些变量受到结构冲击导致的脉冲响应同期效果的标志上放上限制，由此进行分析。

（三）PVAR模型

PVAR模型是在传统的VAR模型基础上，为解决VAR模型对于数据的限制以及数据的差异化的缺陷，由计量经济学家们进行改进提出的，在研究汇率与房地产关系时选择使用PVAR模型能够降低对数据的强度要求，同时控制差异个体，为研究分析提供一个较为灵活的框架。

CW Calomiris，SD Longhofer和w Mile（2012）为研究美国的丧失抵押品赎回权房产的价格及其在经济上的重要性构建了PVAR模型。他们选取了1989-2009年的美国房地产价格季度数据以及止赎方程的五个变量，汇率是其中的变量之一，然后他们运用了Choleski分解法产生脉冲响应和方差分解，得出模型的平均拟合优度，从而分析各经济变量对房地产价格的影响。最后他们对结果进行稳健性检查，考虑各个变量对结果的影响，从而证明结果的稳健性和可靠性。

为探索全球资产流动性，房地产价格与宏观经济的关系，ACesa-Bianchi，LF Cespedes和A Rebueei（2015）比较了房地产价格在发达国家和新兴经济体在商业周期中的表现。

首先他们比较了1990-2012年的无条件时刻，以及在小部分宏观经济和金融变量的交叉相关。接着他们探讨特定冲击下的资本流动。然后运用外部工具变量法，对Watson（2012），Mertens和Ravn（2013）在PVAR模型中，新兴经济体以及发达国家之间的这种冲击进行分析。最后他们将两个可能与金融摩擦和探索它们的相关性的全球性流通手段的传动机制联合起来，分析冲击效应，得出全球性流通冲击在发达国家和新兴经济体中，对房地产价格和消费的不同影响，以及汇率在房地产价格中的影响。

（四）MS-VAR模型

MS-VAR模型是非线性动态VAR模型的一种，最早由Hamihon（1990）提出，对于经济研究，能够更好的表现出经济周期的不同特征和规律，如不同时期的汇率与房地产价格波动的特征。

刘杰、王定祥（2014）为分析人民币汇率、资产价格与利率规则的区制转换效应，构建了包括利率、产品缺口、通胀缺口、房价缺口以及汇率缺口的MS-VAR模型。

他们以2000年1月至2012年12月（月度数据）作为样本空间，利用“三次样条插值法”得到月度GDP，再用X12法排除掉季节因素并取自然对数；用同比居民消费价格指数代表通货膨胀水平；用人民币有效汇率代表汇率指标；用同比国房景气指数代表房地产价格（以替代资产价格）；最后利用HP滤波得到产品、通胀、房价、汇率缺口。并以7天期银行间同业拆借利率代表我国的市场基准利率。在数据基础上，采用AIC、sc、HQ与对数似然值准则确定该VAR模型的最优滞后阶数为5阶，区制个数为2，并根据检验结果选择MSIH（2）-VAR（5）模型进行估计。除此之外又在不同区制下分别给四个缺口变量一个正向冲击，分析了20个月内利率的累积脉冲响应。

李芳、李秋娟（2014）则建立了包括汇率、房价、以及国际资本流动这三个变量的MS-VAR模型。以2005年7月-2012年12月的月度数据为样本，以即期人民币兑美元汇率月度平均值为汇率；以月度环比的全国商品房平均销售价格分类指数为房价；采用简化的间接法估算短期国际资本流动量，取月末值，作为短期国际资本流动净额。并利用ADF检验确定三个变量的平稳性。进而采用Eview6.0软件，并比较模型参数，确定MSH（2）-VAR（3）模型能去的最佳拟合效果。

基于该模型，采用Krolzig的OX-MSVAR包，在Givewin平台进行模型参数估计，又利用Oxmetrics软件划分出两区制并进行对比分析。最后利用脉冲响应考察系统内三个变量之间的短期动态冲击关系。

王申、陶士贵（2015）考虑到由于央行对外汇市场的干预会影响国内流动性，所以货币供应量也应引入实证研究。因此，他们构建MS-VAR模型，以探讨房价、汇率以及货币供应量三者间的非线性关系。

研究时他们选取了从2005年7月到2013年12月的102个月度数据作为样本。房价变量为国内70个大中城市的新建住宅价格指数，汇率变量为美元兑人民币的月平均汇率，货币供应变量为广义货币供应量的同比增长。然后通过ADF单位根检验法检验通过了各个变量的平稳性。

在模型选取时，根据SC、AC等信息准则，确定了该VAR模型的滞后阶数为2阶，区制个数为2。并在依据对所有滞后2阶、2区制的MS-VAR模型的指標信息的进一步分析，确定了MSIH（2）-VAR（2）模型具有最优的拟合效果。

选择该模型之后，在GiveWin这一软件平台运用Krolzig（1998）的OX-MSVAR包进行了模型估计。在分析模型结果基础上，又对比了两个区制的波动情况，并且利用脉冲响应，分别给三个变量一个标准差的冲击，比较了在两个区制下响应的差异性。

（五）TVP-VAR模型

TVP-VAR模型是时变参数的向量自回归模型，在研究经济学问题时，能够很好的克服随着时间的推移，各种影响因素的改变，模型参数也会随之改变的缺陷，能够更好的观察变量间持续变化的过程。

V Peretti，R Gupta和R lnglesi-Lotz（2012）为研究南非的房地产价格是否会影响消费和利率，其中包括研究房价冲突对货币政策带来的影响时，选择构建了TVP-VAR模型。他们选取了1966年1月到2011年2月各季度的样本数据，然后分析包括实际消费增速，名义三月短期国库券利率与实际房价的增长速度之间的宏观经济动态，并运用MCCM方法，得出随机波动的TVP-VAR模型结果，由此进行分析。

Guangxi Cao（2014）为了研究利率和人民币汇率对中国股市的影响，将TVP-VAR模型和TVP-P模型拓展为LTVP-VAR模型和LTVP-P模型。他选取了2005年7月22日到2012年1月13日的样本数据，分析股票市场，利率市场和人民币外汇市场的相关性。然后估计长期参数，检验LTVP-VAR模型的收敛性。接着实证分析股票市场的时变脉冲响应，长期时变均衡关系。最后他讨论了移除金融时间序列的长期性的问题，分析长期反映波动依赖的趋势。

周德才、冯婷、邓姝姝（2015）在研究我国灵活金融状态指数时，为打破目前的研究缺乏灵活动态性，决定构建MI-TVP-SV-VAR模型作为预测我国通货膨胀的研究。由于2001年后我国经济迎来新发展，因而他们选取2001年1月-2014年6月共162个样本点的月度数据，以货币供应量、利率、汇率、房地产价格和股票价格等五个变量为金融状况变量，分析这五个金融状况变量与通货膨胀的关系。

在进行模型估计前，他们运用ADF方法对数列的平稳性进行检验，得出它们都是平稳时间序列的结论，从而能够用于构建模型。然后，他们运用格兰杰因果检验证明五个金融状况变量用于构建金融状况指数的合理性。最后，使用VAR模型中的Lag OrderSelection Criteria进行检验，确定此MI-TVP-SV-VAR模型滞后阶数。

在他们具体测算我国灵活动态金融状况指数时，经过实证分析，得出MI-TVP-SV-VAR模型灵活动态的参数演进特征，分析通货膨胀对五种实际变量缺口的单位冲击脉冲响应函数值，得出五个金融变量的灵活动态权重。为得出我国灵活动态金融状况指数与通货膨胀的关系，他们比较FDFCI与IR的相关性图形，检验FDFCI与IR的跨期相关性及领先滞后关系，研究FDFCI与IR的因果关系，检测FDFCI与IR的预测能力，并比较分析了FDFCI对通货膨胀解释力度。

（六）FAVAR模型

为了更好的使用多变量、大规模数据研究变量对系统的冲击，从而真实的反应变量间的动态关系，可以选择使用Bernanke（2005）对VAR模型进行改进后提出的FAVAR模型进行相关研究分析。

喻开志，董赜文，陈翔（2015）认为汇率对经济发展有着重要作用，因此他们通过构建基于IS-LM-BP框架的FAVAR模型，进而分析美元、日元兑人民币汇率对中国经济的影响以及汇率与房地产价格的关系。

根据实际情况，考虑到2005年以后中国的汇率政策有了重大改革以及汇率对经济各方面的影响，因而选取2005年1月到2013年9月的数据作为样本，以及包括房地产在内的五个经济领域作为变量。经过初始变量选择和主成分的提取并进行单位根检验和JJ协整检验，发现各变量间存在协整关系，符合平稳性的要求。

他们运用Choleskv分解构建FAVAR模型，得出模型的平均拟合优度，从而分析各经济变量的脉冲响应分析，最终得出中国各经济变量受到美元兑人民币和日元兑人民币汇率在结构上具有相似性，在程度上又有明显差异的结论。而为了检验这个结果是否稳健而不是随机或不可控的，他们又采用2006-2014年的数据构建模型，得出了相似的结果，证明了数据的稳健性。

二、基于VAR模型人民币汇率和房地产关系的研究结果综述

（一）房地产价格与人民币汇率呈正相关关系

陈婕、路静、高鹏和董纪昌（2009），朱孟楠、刘林和倪玉娟（2011），蔡彤娟和马冠男（2016）皆通过VAR模型研究分析得出，汇率、房价以及利率存在着长期的均衡关系，人民币汇率与我国房地产价格呈正相关关系。由于人民币升值，吸引了境外资本流入我国，同时房地产具有高回报的特征，因此这些境外资本流向了我国的房地产市场，从而推动了我国房价的上涨，但是该现象具有滞后效应。

与此同时，李芳和李秋娟（2014），王申和陶士贵（2015）则根据VAR模型研究分别发现，滞后1到3期与滞后1期的实际房价变化对当期汇率有明显的负向作用，简而言之，便是实际的房价上升会带来当期实际汇率的升值。

A Cesa-Bianchi、LF Cespedes和A Rebucci（2015）根据构建PVAR模型研究全球流动性过剩、房价与宏观经济时，认为在应对全球流动性冲击，与AEs的房价相比，新兴经济体的房价似乎与资本流动更为密切相关，同时房价增长也更快更稳定。

（二）房地产价格与人民币汇率呈负相关关系

朱孟楠、刘林和倪玉娟（2011）使用非线性MS-VAR模型研究房地产价格和汇率间关系时，根据非线性模型的脉冲响应函数分析，发现对于实际的汇率和实际的房地产价格，在区制1的条件下，实际的汇率升值不能够导致实际的房地产价格上涨，反而会使实际的房地产价格下降。

Guangxi Cao（2014）在研究利率和匯率对中国股票市场的影响时，认为就长期而言，中国股票回报率和利率与汇率呈负相关关系，并提出中国股市对由利率市场引起的短期震荡和由人民币汇率市场引起的脉冲响应将持续约6天的时间，随后反应将消失。同时，国内的李芳和李秋娟（2014）也认为在开放经济的条件下，汇率与房地产价格之间相互促进的关系只能在短期内维持，对于长期，当汇率升值到一定程度时，短期内国际资本流出从而会导致房价下降。

三、结语

本文系统的整理了使用VAR模型研究人民币汇率与房地产价格关系的相关文献，分类综述了国内外文献中基于汇率与房地产价格关系课题的研究下，使用VAR模型的研究方向和思路，以及该研究方法下得出的相关结论；综合两大部分的内容，我们可以得出以下的结论：

对于选择使用VAR模型研究该课题，首先需要确定该课题的具体的研究方向，例如，是结构性的研究汇率影响房地产价格的相关因素，还是时效性的研究汇率影响房地产价格的变化进程等等。确定了具体的研究方向后，便需要选择采用的样本数据和研究的VAR模型种类，根据获得数据的特征以及该VAR模型种类的限制，选择是否需要进行平稳性检验或者构建平稳序列；同时，根据研究课题的方向，确定最佳的滞后阶数或者所研究的滞后期，从而成功构建VAR模型；基于各种不同的研究方向，我们还可以选择使用Johansen协整检验、Granger因果检验、脉冲响应函数和方差分解等检验分析方法，研究分析基于VAR模型下，数据间的各种相关关系，在得出最终结论后，还能够检验该结论的稳健性。

在当前经济快速发展的前提下，房地产价格深刻影响着广大人民群众，对各国政府有着重要的决策地位。当国际社会对某一国的货币存在升值预期时，该国资产，尤其是不动产便会有不同程度的升值。在1985年“广场协议”之后，日元开始大幅地升值，这一现象引起的进口扩张带动一般消费品价格的下降，因此，就有大量资本流进了房地产市场。由于投机，造成了日本的房地产泡沫，严重影响了当时的经济，并且导致了长期的经济萧条以及一系列的金融问题。而在台湾，从1986年开始，新台币不断升值，台湾当局为了稳定新台币而采取的政策导致货币过多投放，因而使得房价过度膨胀，使台湾经济受到严重影响。这些经验都表明，汇率与房价之间存在密不可分的联系，政策制定者对此必须特别警惕。研究房地产价格与人民币汇率之间的关系，有利于维持汇率与房地产价格的稳定进而稳定金融体系乃至整个经济体系。对于保障国家经济的平稳发展，社会的安定和谐，以及对人民生活水平的逐步提升有着深远的意义。

在上文中，我们综述了各文献中汇率对房地产价格影响关系的相关结论，得知汇率对房地产价格有着深刻的影响，同时，房地产价格对汇率也存在负向作用。因此，决策者可以更多的关注汇率对房地产价格的影响，这有利于决策更加合理有效。对于外汇市场，决策者可以适当的加强对国际短期资本流动的监控，改革外汇冲销干预手段，加快汇率体制改革。而对于房地产市场，决策者可以适当抑制国内外资本投机性购房需求，加强对房地产价格的预期引导，并根据市场需求合理调整房地产结构。

在未来，汇率对房地产价格影响的研究将不断的继续和发展，对于未来的研究，其研究的方向可以从更多的角度出发，进行探讨，在运用理论分析时，更加与实际情况相结合；还可以选择继续拓展修正VAR模型及其拓展式，以更好地贴近实际需求并分析；同时也可以选择更加深入的分析汇率影响房地产价格的渠道，或者是长期汇率与房地产价格关系的变化情况等等，使该课题得出的结论更为清晰及与实际情况更为相符。