人民币汇率对我国城市房价区别影响研究

石怀平，张 博，阚瑀婷

(1.安徽财经大学 实验实训中心，安徽 蚌埠 233030；2.安徽财经大学 金融学院，安徽 蚌埠 233030；3.蚌埠市税务局，安徽 蚌埠 230061)

汇率和房地产价格是当前中国经济的两大热点问题，房地产业能否健康、平稳地发展，既关系到国民经济的长期可持续发展，又牵动着人民的财产分配与切身利益。房地产市场的发展进程不单受到国内经济形势的冲击，并且受到国际金融市场波动的影响。中国房地产业经历长时期高速发展后，当前正处于一个艰难的调整期，其作为资金密集型产业，和金融环境的变动紧密相连，因此人民币汇率的变动也会导致房地产市场的波动。从2005年7月21日开始，我国调整为有管理的浮动汇率制度。在经济全球化的大环境下，2006年至2015年，这过去的9年中，人民币持续升值，最高增长32%。这也正是中国房地产价格高速增长的9年。2015年至今，国内经济在“新常态”这一崭新的背景之下，人民币贬值预期持续加强，但对一、二、三线城市房地产价格的影响呈现不同状态。

在理论意义上，建立人民币汇率对一、二、三线城市房地产价格区别影响的理论分析框架，分析汇率以及通过各中间变量所起的作用，为实证分析提供理论依据。在现实意义上，考虑到我国目前所处于经济发展的“新常态”时期，由于一、二、三线城市房地产市场存在较大差异，研究汇率对不同城市房地产价格的结构性影响，平衡不同城市经济增长速度，具有现实意义。

文章基于理论分析，引入相关中间变量，利用面板 VAR模型来描述人民币汇率通过各因素作用于一、二、三线城市房地产价格的结构化影响，接着通过静、动态面板数据模型确定各因素对各线城市房价的影响方向与弹性系数，最后提出具有分类调控特点的政策建议。

一、文献综述

国外相关研究起始于美国远近闻名的经济学家欧文·费雪。他在1911年《货币的购买力》中强调，汇率的波动使得国外投资者对本国房地产市场进行投机活动，这是导致本国房价产生波动的一大诱因。而后，大量关于汇率对房地产价格的实证探究逐步展开。研究结果主要集中在三个方面：一是随着本币升值，房价增长，汇率和房价呈现显著相关[1-2]；二是汇率失衡导致热钱涌入而抬高房地产价格[3-4]；三是基于中国国情，认为人民币预期升值会引致国际资本进入，这成为中国房地产市场波动的关键因素，汇率变动影响着房地产投资组合的利润率[5-6]；四是汇率变化带来的信贷效应、流动性效应、预期效应、财富效应与溢出效应均对房价存在影响,其中影响最强烈的是溢出效应[7]。

国内相关研究主要分为两类，一是从经济理论视角对二者的关系进行探究；二是利用计量模型对二者的关系加以实证探究。从经济理论视角出发，存在国际资本流动渠道论和国内货币供给渠道论两大理论。国际资本流动渠道论认为：汇率升值引起国际资本流入从而导致房地产价格上扬[8]。国内货币供给渠道论认为：汇率升值会引致货币供应量的上升，从而引致房地产价格的飙升[9]。从实证分析视角出发，研究主要集中于整体影响研究和结构影响研究两类。在整体影响研究中，基于我国房价数据，采用线性回归方程得出房价随汇率变动百分比，且人民币升值会促使房价上扬[10]。采用VAR模型和向量修正模型得出汇率与房地产价格呈现反向相关[11]。采用VAR模型分析出中短期来看，人民币升值引致房价上扬，长期情况下则恰好相反[12]。以及利用非线性MSVAR模型判定出汇率与房地产价格呈现出彼此推进的关系[13-14]。在结构影响研究中，主要集中于对我国东中西部地区以及代表性省份房价的结构性研究。得出国内东中西部地区房地产市场在价格、投资偏好、市场供求与就业等方面呈现显著差别，这主要是因为各地区经济发展程度、政策扶助力度以及消费观念差异所致[15]。通过建立 VAR模型，对东部、中部、西部房价进行实证研析，结果表明汇率对西部地区房价波动的影响超过了东部地区，FDI作为中间变量的确有效传递了汇率变动对房价的影响，尤其在西部组上效果明显[16]。还有运用 Panel Data模型对人民币汇率与国内外向型地区房地产价格进行实证分析，发现二者具有显著的同向变化关系，人民币每升值1%，会引发外向型地区房地产价格上扬0.94%[17]。

无论是国外还是国内的研究，由于采取的计量口径、样本数据的区间以及计量模型的不同，人民币汇率对我国房地产价格影响结果也存在差异。现有的研究在经济原理和实证分析上，给我们提供了一个研究的高度。但研究大多集中在人民币汇率对我国房地产价格这一整体的研究，对于我国区域房地产的结构性研究，也局限于对东、中、西部以及选取代表性省份的分析，鲜有研究人民币汇率对我国一、二、三线城市房地产价格的研究，且无结构性影响的理论基础。由于我国一、二、三线城市房地产市场差异较大，因此文章基于面板VAR模型及静、动态数据模型，实证研究人民币汇率对我国一、二、三线城市房地产价格的影响具备现实意义，针对各城市不同的研究结果，有针对性对如何平衡“汇率稳定”与“房价稳定”的难题提出对策建议。

二、理论分析

(一)一般性分析

1.国际资本流动渠道论

在短期，汇率对房地产价格的影响表现为一国货币升值使得大批国际资本纷纷流入该国市场，其中一部分流向房地产市场，推高房地产价格。虽然中国实行资本管制政策，但国际资本会绕开资本管制，以种种隐形渠道进入中国市场。投资者一方面获得资本价格上升带来的买卖价格差；另一方面赚取人民币升值所带来的收益。在羊群效应的作用下，大量的国际资本流入，使得房价上升与资本流入呈螺旋式增长。但在长期，一国货币的不断升值会吸引更多的资本流入，升值压力不断增大，当升值到一定程度时，国际资本预期汇率已升值到顶，他们便会撤离该国市场，导致其房地产价格下跌。

2.货币供给渠道论

一国货币升值会带来经常项目与资本项目顺差，国外净资产的增加引致外汇储备的上涨，使得外汇占款激增，由于基础货币中包含外汇占款，而货币供应量又是基础货币与货币乘数的乘积，因而货币供应量成倍增长。

当一国货币供给量增加时，一方面促进个人消费、企业投资、政府购买的增加，从而增加总需求，国民收入增加；另一方面人们预期物价上涨，即货币购买力在未来将减弱，因此货币持有将会减少，转而购买能够保值的资产，如房屋等固定资产，让原本打算以后买房的人提前买房，增加当期购房需求，从而抬高房价，反之则降低房价。

(二)结构性分析

1.房地产交易者投机理论

一国货币升值一方面将导致进口原材料价格下跌，引致国内依靠进口原材料的产品成本降低；另一方面又会引致出口商品价格上涨，出口减少，国内产品供过于求；这都会引致实际利率的上涨，因此借贷资金供过于求带来名义利率下跌，最后预期投资收益上升，外商直接投资上涨。外商直接投资的进入会使房地产业投资增加，商品房成交量大幅增加，房地产价格上涨。与此同时，大量外商直接投资涌入本国市场也使得本币升值压力变大，更多的资金流入本国，抬高房价。对房地产投资者而言，短期资金流入多是投机目的，过度炒房也成为房价居高不下的原因，由于一、二、三城市金融市场发达程度，资金流动性存在差异,相同的汇率变动会导致外商直接投资在各城市有所不同，从而导致各线城市房价变动存在差异。

2.信贷投放对房价的传导效应

由于汇率变动通过外汇储备引致货币供应量的变动，房地产业作为资金密集型产业，对于投资者与消费者而言，往往需要向商业银行贷款，很难全额付清房款。货币供应量的增加会提高商业银行的放贷能力，商业银行在合理预估信贷风险收益后，扩大对房地产业的贷款投入，从而使购房者易于获得贷款，房地产有效需求上升，房价随之增长；反之房地产有效需求则下降，房价下跌。但由于一、二、三线城市信贷投放集中度不同，这一传导效应便对各线城市信贷投放的影响呈现不同状态，从而对一、二、三线城市房价存在区别影响。

三、实证研究

(一)数据来源与处理

在以上理论分析的基础上，选取2006年到2019年间的数据进行研究，选择一、二、三线城市商品房均价pt作为被解释变量，选取人民币兑美元汇率ert，广义货币供应量mt，一、二、三线城市国内生产总值gdpt，外商直接投资fdit，贷款额lat作为解释变量，其中t=1,2,3分别代表一、二、三线城市。根据最新一、二、三线城市分类标准，遴选北京、上海、广州、深圳、天津作为一线城市；重庆、杭州、南京、厦门、青岛、成都、西安、宁波、武汉、济南、大连作为二线城市；福州、合肥、南昌、石家庄、海口、昆明、贵阳、长春、兰州、南宁、西宁、呼和浩特作为三线城市。之所以做出这样的选择是因为大中发达城市金融市场体系较为完善、国际资本流动较为顺畅、外商直接投资引力较强且信贷投放集中度较高，使得研究更具现实意义。数据来源于各大城市统计局并经过整理得出。原始数据统计特征见表1，并对原始数据取对数，目的是为了消除异方差。

从表1可以清晰地看到，一、二、三线城市房价、国内生产总值、外商直接投资及贷款额存在较大差异，人民币兑美元汇率对各城市房价呈现较高的负相关性，对其他各变量也呈现一定程度的负相关性，因此有必要通过实证研究探讨汇率自身及通过这些中间变量对各城市房价的区别影响。

表1 数据统计特征

(二)面板VAR模型

文章对一、二、三线城市分别构建面板 VAR模型，以得出人民币汇率自身及通过各中间变量对各线城市房价的作用方向与轨迹，也为进一步利用静、动态面板数据模型加以研析做铺垫。

1.面板单位根检验

为了避免出现伪回归，应首先进行面板单位根检验，文章利用Eviews 8.0对全部变量加以检验，由表2可知，一、二、三线城市各个变量对数形式平稳。

表2 各变量面板单位根检验

2.模型平稳性检验

基于各变量对数形式平稳，接下来考虑面板 VAR模型的滞后阶数，根据AIC，SC，HQ及其他准则，经多次试验后确定一、二、三线城市该模型的最佳滞后阶数均是二阶。再分别对各线城市二阶面板VAR模型进行平稳性检验，结果表明所有的点均落于单位圆内，模型稳定。

3.脉冲响应函数估计

为了进一步分析人民币汇率自身及通过各个变量对一、二、三线城市房地产价格的区别冲击，文章利用脉冲响应函数做深入分析。

通过图1可清晰刻画人民币汇率自身及通过各中间变量对城市房地产价格的冲击方向与轨迹。

(1)人民币汇率对房价的直接影响

人民币汇率在正交化新息的冲击下，对一线城市房价的影响在前期正负正波动，而后第7期稳定于正向影响；对二线城市房价一直为负相关，且相关程度越来越大，三线城市房价先显现正向影响，第二期达到正向最大，而后转为负值，并随着期数的增加影响不断增强；可以看到人民币汇率对一、二、三线城市房价呈现区别影响，这也证实了后续研究的必要性。但一线城市房价受人民币汇率的影响与理论分析略有偏颇，这里可能的原因是一线城市金融市场发达，汇率的传递效应较为显著，在长期，人民币不断升值会吸引更多的资本流入，升值压力不断增大，当升值到一定程度时，国际资本预期汇率已升值到顶，投资者纷纷预期房价将下跌，此时虽然房地产需求与房地产供给均下降，但由于房地产供给周期长，反应时间相对滞后，导致房地产需求方的投资者先行撤离本国市场。

图1 脉冲响应图

(2)人民币汇率通过M2对房价的影响

人民币汇率的正交化新息冲击下M2均呈现负向冲击；M2的正交化新息冲击下一线城市房价呈先负后正波动，二线城市房价则呈正向波动，且正向影响在第2期达最大，后期有所下降，三线城市房价也呈正向波动，且波动幅度随着滞后期的增加略有上升。人民币汇率通过货币供应量对各线城市房价的影响存在滞后性，一线城市房价表现得更为突出。

(3)人民币汇率通过GDP对房价的影响

对于人民币汇率的一个正向冲击，一、二、三线城市 GDP均先呈现正向波动，在滞后2期以后开始呈现负向影响，这与理论分析基本一致，前期出现相悖，是因为人民币汇率到GDP的传递，中间还存在到货币供应量的传递，使人民币汇率的变动未能及时的反应各城市GDP中，且三线城市 GDP的负向波动逐渐增大，说明人民币汇率的波动在后期对三线城市 GDP的增加起到的效用有所增强；一线城市 GDP的一个正向冲击，使得一线城市房价呈现先负后正的波动，二、三线城市则呈现正向波动，三线城市房价的负向波动最为显著，说明一线城市 GDP对其房价的影响相对滞后，三线城市 GDP的提高会明显提高三线城市房价水平。

(4)人民币汇率通过FDI对房价的影响

人民币汇率对一、二、三线城市 FDI的影响均先为正后为负，且人民币汇率对三线城市 FDI的传递相对滞后，对一线城市 FDI的影响程度随着时间的推移越来越高；一、二线城市 FDI的一个单位正向冲击，对一、二线城市房价的影响呈现正负波动最后稳定为正值，且对一线城市的影响程度明显高于二线城市，但三线城市 FDI对其房价的影响非显著，因此图1中并未列出。

(5)人民币汇率通过贷款额对房价的影响

人民币汇率一个正向冲击，一线城市贷款额呈现负正负的波动，二线城市贷款额呈现负向波动，三线城市贷款额无显著影响。因此图1中并未列出；一、二、三线城市贷款额的一个正向冲击，使得一、二、三线城市房价呈现先为负后为正的影响，但三线城市房价在后期受贷款额的影响程度高于一、二线城市。又由于人民币汇率对三线城市贷款额的作用非显著，所以应对三线城市进行区域经济调控，提高三线城市信贷集中度，拓宽房地产融资渠道，这对于调整三线城市房价，去三线城市房地产库存至关重要。

由此我们可以看到，人民币汇率自身及通过各中间变量对一、二、三线城市房价的影响存在显著差异，需要进一步加以实证分析各变量的贡献程度。

4.方差分解

表3 第一组方差分解表

表4 第二组方差分解表

方差分解可以得出一个变量的结构冲击对内生变量的解释程度，通过比较贡献程度的大小，以了解各变量结构冲击的相对重要性。文章在进行方差分解时，将样本分为两组，第一组仅引入人民币汇率与一、二、三线城市房价两个变量，第二组则引入所有变量，旨在比较引入其他中间变量是否使得人民币汇率对一、二、三线城市房价的影响更显著。

由表3及表4可以看出，引入各中间变量后，人民币汇率对一、二、三线城市房价的贡献率有所增强，且区别影响更为显著，第5期一线城市房价变动中有38.21%由人民币汇率引起，有19.03%由外商直接投资引起，广义货币供应量、国内生产总值、贷款额的贡献率分别为16.51%、6.87%、9.05%，第10期 GDP的解释程度有所增加，达到13.73%，其他影响因素基本与第5期保持一致。二线城市在第5期人民币汇率、广义货币供应量、外商直接投资、国内生产总值的贡献度分别为30.26%、14.98%、11.76%、5.75%，在第10期，其他因素的贡献度大体不变。三线城市第5期人民币汇率、广义货币供应量、贷款额、国内生产总值、外商直接投资的贡献度分别为25.85%、18.55%、12.59%、9.42%、1.26%，而在第10期，广义货币供应量、贷款额的解释程度分别增长到23.75%、19.59%，房价本身的解释程度减少为17.94%，其他因素的贡献度基本不变。

这充分说明了人民币汇率不仅仅是直接作用于房价，中间因素起着重要影响，因此引入中间变量使得分析更加精准。相对于其他中间变量，人民币汇率对一、二、三线城市房价均存在显著影响，而且除房价本身以外人民币汇率的贡献率较其他变量而言均最大，贡献度从大到小依次为一线城市、二线城市、三线城市。这可能是因为人民币汇率较其他变量而言既可以直接作用于各线城市房价，又会通过其他变量，间接影响各线城市房价，而一线城市金融市场完善，资金流动性较强，具备更优地投资价值。

(三)面板数据模型

以面板VAR模型作为基础，建立静、动态面板数据模型。一是可以确定各因素对各线城市房价的影响方向与弹性系数；二是因为若直接构建面板数据模型，易产生伪回归。

1.静态面板数据模型

在建立静态面板数据模型形式之前，需明确模型效应形式，首先设立随机效用模型，利用Hauseman随机效应检验，P值小于0.05时，拒绝原假设，则应设定固定效应模型，否则设定随机效应模型，检验得到一、二、三线城市 P值均为0.00，因此静态面板数据模型构建形式如下：

(15)

其中，被解释变量lnpit表示各线城市房价水平，i表示各线城市，t表示年份，C表示截距，αt表示个体非观测效应，为固定常数，εit表示随机误差项。

对(15)式进行回归，我们可以看到一、二、三线城市回归结果见表5。除模型3变量 FDI不显著以外，3个模型各变量在置信度为10%的水平下均显著，人民币汇率对各线城市房价的影响系数从大到小依次为一线城市、二线城市、三线城市，贷款额则正好相反；一、二线城市 FDI对其对应房价的影响程度依次减少，而广义货币供应量对各线城市房价的影响系数从大到小依次为二线城市、三线城市、一线城市，结论与脉冲响应与方差分解结果基本一致，说明人民币汇率自身及各中间变量共同引致一、二、三线城市房地产价格的差异。

表5 静态面板模型估计结果

2.动态面板数据模型

由于现实社会中，很多经济关系是动态的，有时需要引入滞后项去解释这些经济关系，因此有必要研究当期房价受上一期房价水平的影响，从而运用动态面板数据模型重新估计。动态面板数据模型构建形式如下：

(16)

其中解释变量lnpit-1滞后一期。

以一阶差分广义矩估计GMM方法对式(16)加以回归分析，估计结果见表6。

表6 动态面板模型估计结果

动态面板数据的 GMM估计不同于一般的估计，没有拟合优度和 F统计量，而是利用 J统计量做 Sargan检验，原假设为所有工具变量均有效，由表6，模型1、2和3的 J统计量 P值分别为0.446、0.193和0.653374，因此这三个模型均通过 Sargan检验，说明这三个模型的所有工具变量均不存在过度识别问题，接下来利用 Arellano Bond检验误差项是否序列相关，且 GMM估计不能存在二阶序列相关，即 P(AR(2))越大越好，一般要求大于0.1，模型1的 P(AR(1))=0.4782， P( AR(2))=0.7431，模型2的 P( AR(1))=0.2277，P( AR(2))=0.6829，模型3的 P( AR(1))=0.8793， P(AR(2))=0.8876，所以这三个模型其误差项均无序列相关。最后进行残差的单位根检验，模型1的 LLC、 PP-Fisher检验的 P值分别为0.0024和0.0005，模型2的LLC、IPS、ADF-Fisher和 PP-Fisher检验的 P值分别为0.0000、0.0000、0.0016和0.0000，模型3的 LLC、 PP-Fisher检验的 P值分别为0.0002和0.0005，因此在5%的置信度水平下，残差平稳。从而说明三个模型均平稳，GMM估计均是有效的。

对于一、二线城市而言，滞后一期的房价分别于置信度为5%、1%的水平下显著，一线城市上一年的房价每提高1%，当年房价就会提高0.429%，二线城市上一年的房价每提高1%，当年房价就会提高0.541%，三线城市滞后一期的房价在置信度为5%的水平下显著，上一年的房价每提高1%，当年房价就会增加0.386%，这说明了一、二、三线城市房价变动具有正向动态传导性，在其他条件不变的情况下，一、二、三线城市房价存在“越追越涨”的态势；因此运用动态面板数据模型加以刻画更加精确。此外从动态面板数据模型回归结果看出人民币汇率对一、二、三线城市房价的影响程度与方差分解结果基本一致，各自变量的系数与静态面板模型系数类似，这也说明面板数据模型具有稳健性，静、动态面板数据模型的结论也呼应了脉冲响应函数和方差分解的结果。

四、结论与政策建议

文章基于2006年至2019年城市面板数据，利用面板VAR及静、动态面板数据模型进行实证分析，得出的结论是：人民币汇率、广义货币供应量、国内生产总值、外商直接投资和贷款额是影响一、二、三线城市房价的多维因素，其中人民币汇率为影响的关键因素；人民币汇率对一线城市房价的影响最显著，其次为二线城市，最后为三线城市，且引入中间变量后差异更为明显；人民币升值，一线城市房价短期上扬，长期下跌，二、三线城市房价则持续上扬；人民币汇率通过M2、GDP对各线城市房价存在显著影响，但存在滞后性，一线城市更为突出；人民币汇率通过FDI对房价的冲击，一线城市高于二线城市；三线城市房价受GDP、贷款额的冲击程度较大；一、二、三线城市房地产价格具有正向时间惯性。

经过梳理分析，结合我国经济“新常态”下“经济平稳增长，结构优化升级”的特征，认为应从以下几个方面提出分类调控的政策建议：

第一，应通过市场化的汇率机制，减少国际热钱的套汇空间，对短期国际资本加强监督管理。由于人民币汇率是影响一、二、三线城市房价的关键性因素，对于一线城市房价的解释程度相对二、三线城市更高，且二、三线城市房价受到人民币升值的持续正向作用，为维护我国各线城市房地产业的健康发展，应加强对进入我国房地产市场的短期国际资本进行监管，减少国际热钱的套汇空间，尽管人民币2019年仍存在贬值压力，但并不存在长期贬值基础，因此监控跨境投融资活动，抑制外资进行投机性活动仍不容忽视。

第二，应保持货币供应量的合理增速, 适度加大三线城市产业支撑。由于在实证分析中可以看到人民币汇率通过 M2和 GDP对各线城市房价均存在正向影响，但存在滞后性，且三线城市 GDP的提高会显著提高三线城市房价。由于我国双顺差的存在，央行被动形成大量外汇占款，造成流通性的货币膨胀、流动性过剩，流动资金涌进国内房地产市场，引致房地产市场价格上涨，因此应保持货币供应量的合理增长，以适应中国GDP增长率，减少M2与GDP对房地产价格的放大作用。对于三线城市则应加大产业支撑，助力多类型行业发展，在去三线城市房地产库存的同时，避免三线城市房价的快速增长。

第三，一、二、三线城市FDI引入规模与方式应有所不同。由于人民币汇率通过影响利率带动外商直接投资的升跌， FDI的地域性很强，过多的 FDI流入易引起房价高速上涨，且人民币汇率通过 FDI对一线城市房价的影响最为明显。因此对一线城市FDI引入规模应控制在合理范围，加强外资管理，以抑制外资的炒房投机活动；对于二、三线城市应该出台可操作性的引资政策，加大资金技术支持，改善二、三线城市的投资环境，扩大房地产业的招商力度，缩短与一线城市的差距，促使 FDI在我国各线城市间的合理分布。

第四，加宽房地产投融资渠道，调整各线城市信贷集中度。由于实证分析中人民币汇率通过贷款额对一、二、三线城市房价存在显著影响，因此贷款的可获得性是影响各城市房价至关重要的因素。因此要大力开展房地产信托、房地产证券和房地产金融租赁等业务，而不是只依靠银行信贷。但与此同时也要注意到三线城市信贷投放集中度较低，房地产库存较为严重，因此对于三线城市而言，在拓宽投融资渠道的同时，也应适度加大银行的信贷投放，有助于提高三线城市房地产需求，加之支持农民工在城镇购房等举措，这都将对于三线城市房地产去库存取得积极成效。