我国房地产市场波动的溢出效应研究

王 翔,辛梦阳

(1.郑州航空工业管理学院 土木工程学院，河南 郑州 450015;2.西安建筑科技大学 管理学院，陕西 西安 710055)

随着城市化的推进，房地产市场的地位日益提升，伴随而来的房地产市场发展方向与宏观政策制定成为相关研究的关键和重点。我国为了确保房地产市场的稳健发展，出台了一系列的调控政策，中央银行通过制定货币政策调节其传导效应，从而维持金融和房地产市场的稳定。但同一货币政策对不同等级城市的房地产市场的影响却有着巨大差异，同一货币政策对一线城市与二三线城市①房地产市场产生的效果大相径庭，市场成效与预期有一定差距，调控效果差异明显。因此，学界应研究货币政策与不同等级城市房价之间的波动溢出效应，进而明确房价的差异化调控效果，以把握对不同等级房地产市场的调控程度，找出房地产市场波动的深层原因，促进整个经济体系的稳健运行。

一、文献回顾

关于货币政策对房地产市场的波动溢出效应，国内外学者对此从各个方面进行了探讨。

国外学者主要探讨房价在区域方面的空间溢出效应。Meen(1999)[1]提出了英国房价在区域传导的整体特征；Vansteenkiste和Gros(2006)[2]研究了美国与欧洲房价波动变化的关联性；Hiebert(2011)[3]对欧盟部分国家进行分析，认为与其经济发展联系密切，房价的溢出效应却不显著；Cesa-Bianchi (2013)[4]探讨了发达国家与发展中国家房地产市场的关系。

国内学者对其研究起步较晚，研究内容大多是货币政策对整体房地产市场的作用，如刘传哲和何凌云(2006)[5]研究了货币政策变量供应量、利率、汇率等在房地产市场化后对房价的影响；丁晨和屠梅曾(2007)[6]提出货币传导机制对房价有着较为明显的反应，且其传导效率处于领先地位，制定货币政策时房价的因素是不可忽略的；戴国强和张建华(2009)[7]基于VAR模型明确了我国货币政策对房价的传递渠道；吴江和韩鑫韬(2009)[8]运用VAR模型和GARCH模型分析货币供应量与房价之间的动态关联性和波动相关性，得出不需要考虑货币政策影响的结论；李成、黎克俊和马文涛(2011)[9]基于动态随机均衡模型发现货币政策主要作为数量型工具对市场变化产生影响，并对数量型货币政策和价格型货币政策进行对比，把握综合使用的程度；陈继勇等(2013)[10]认为货币政策需要在市场成熟时干预房价，只需各自侧重注意货币总量与价格；黄文(2018)[11]采用DSGE模型和货币冲击变量进行研究，发现货币供应量并不直接影响房价，而是通过利率、物价等因素间接影响房价。

近年来，学界也出现了对不同等级房地产市场的研究，如陈雪楚等(2012)[12]发现，房价泡沫可以通过房价的溢出效应传导风险，应当利用房价之间的相关作用；余华义和黄燕芬(2015)[13]采用GVAR模型探讨了货币供应量对35个城市房价的冲击和影响。

综合已有研究发现，国内外学者对房地产溢出效应的研究大多基于不同的空间区域或者研究货币政策对整体房价的波动溢出效应。但是，空间区域的研究局限于地理位置，仅研究货币政策对整体房价的影响而不考虑城市的不同经济水平，研究结论无法真实反映房地产市场的溢出效应。就研究方法而言，主要利用动态随机均衡模型、VAR模型及其延伸、需求供给模型等进行研究，仅具有参考意义，房地产市场细分不够具体，不可能得到具体市场的溢出效应。

本文将房地产市场划分为一二三线城市，主要考察货币政策对各个等级城市房价的影响及传导过程，采用VAR-BEKK-GARCH模型，研究货币供应量对一二三线城市房地产市场的波动溢出效应及各个等级城市之间的波动溢出效应。

二、模型建立与数据描述

本文中货币政策与房地产市场的波动溢出效应采用VAR-BEKK-GARCH模型分析其动态关系。VAR模型建立多个变量之间的非结构性无约束模型，变量的滞后阶数由其中的内生变量确定，以此来构造矢量自回归模型。

Yt=A1Yt-1+……+ApYt-p+εt+c

(1)

其中，Yt表示4维的内生矢量，A表示模型相应的系数矩阵，p表示内生变量的滞后阶数，c是常数项，εt是残差项，也可以称为扰动变量。Y1，t(m2)是货币供应量在t时刻的变化率，Yi，t(HPi1)是i线城市房价指数在t时刻的变化率(i=1,2,3)。

BEKK模型是以GARCH模型为基础对两个或两个以上的市场进行研究，消除了协方差矩阵的非正定问题。该模型可表示为：

(2)

Ht=W'W+A'εt-1εε'tA+B'Ht-1B

(3)

其中，W是一个下三角常数矩阵，A和B都是N×N的参数矩阵。矩阵中A的元素aij表示i变量对j变量的未来状况的冲击，反映了波动的ARCH效应，矩阵B的元素bij表示i变量对j变量GARCH效应的影响，即波动率传导的持久性。此模型既反映了市场之间的波动相关性，也能够考察市场之间的波动相关度。本文选用四元BEKK(1，1，1，1)模型，其矩阵向量形式如公式(4)所示。

(4)

其中，hii，t表示某个变量的条件方差，hij，t表示两个变量之间的条件协方差，hij，t和hji，t是完全相等的。1代表货币供应量的变化率，2、3、4分别代表一二三线城市房价指数的变化率。本文采用的VAR-BEKK-GARCH模型形式如下:

rt=c+θ1rt-1+……+θprt-p+εt

(5)

Ht=W'W+A'εt-1ε't-1A+B'Ht-1B

(6)

其中，rt、c、εt是4×1维向量，εt假定服从四元学生t分布，W、A和B均为4×4维参数矩阵，W矩阵假定为一个下三角矩阵。对于公式(5)，采用一般VAR模型，考察A矩阵的显著性；对于公式(6)，为BEKK模型的方差方程，考察多个变量之间的波动溢出效应。

本文选取2010年6月开始至2019年4月为止的房价、货币供应量的月度数据为研究对象。其中，房价选取具有代表性的全国一百个重点城市的住宅价格数据，根据城市等级的划分，通过计算平均值得出一二三线城市平均房价分别为HPi，再将其定基化(2010年06月=100)得各级房价指数HPi0(i=1,2,3)，最后用对数差分消除异方差来表示其变化率：HPi1=ln(HPi0t/HPi0t-1)(i=1,2,3，HPi0t表示第t月i线城市房价指数变化率)；货币供应量采用同时反映现实和潜在购买力的m2，m2i表示第i月货币供应量，货币供应量变化率表示为m=ln(m2i/m2i-1)，单位为%。其数据均来源于国家统计局和中国房地产指数研究院公布的百城住宅价格，共4组变量，每组107个月度数据。

图 1 货币供应量与各级城市住宅均价的变动趋势

图 1所示为样本区间内各序列的变动趋势。首先，我国货币供应量持续增长，总体变化幅度不大；其次，各线城市房价均连年递增，但一线城市的增长趋势波动较大，二三线城市较小且趋势相近；最后，我国房地产市场与货币供应量存在正向关系，其中一线城市房价走势与货币供应量趋势较吻合，二三线城市房价趋势与之相符，但变化率与货币供应量相差较大。上述情况说明货币供给因经济发展水平在各级房地产市场之间存在差异，一线城市所获资金规模最多，其次是二线城市，最后是三线城市。房地产市场通常与货币金融市场息息相关，货币供应量往往影响着房价的攀升，货币政策的调控对于控制房价具有现实意义。先看一线城市，2012年以前较为平稳，2013年新国五条出台，商品住房限购措施更为严格，房价出现明显的增长趋势；2014年部分地区取消限购政策，房价开始出现短暂的平稳状态；2015年“去库存”政策出台，改善性需求大量释放，房价重新开始攀升；2016年中央经济工作会议提出，要坚持“房子是用来住的，不是用来炒的”的定位，要求回归住房居住属性，逐步推出限售政策，房价重新回归平稳。再看二三线城市，增长趋势与一线城市相似，2016年以前房价平稳增长，2016年中央推出限售政策以后，房价增长幅度变大。因此，相同的政策对不同等级市场的影响有所不同，差异化研究具有现实意义。

表 1 研究对象的基本统计特征

表 1是对变量的描述性统计。各级城市的房价总体呈上升趋势，一线城市房价波动程度远远高于二三线城市；货币供应量涨幅变化较小，处于一个平稳增长的状态。三线城市变化率呈现左偏，一二线城市房价指数变化率和货币供应量变化率呈现右偏；一三线城市房价指数变化率呈厚尾分布，二线城市房价指数变化率与货币供应量呈现瘦尾分布。

表 2 序列变化率的正态性

表 2对各组序列的正态性进行了检验，根据伴随概率P值来判断序列值是否服从正态分布。HP11、HP21均拒绝服从原假设；HP31、m服从正态分布。

三、实证分析

(一)单位根检验

表 3 单位根检验结果

对这四组数据进行单位根检验，采用ADF检验考察时间序列的平稳性，结果显示HP11、HP21、m均拒绝“存在单位根”原假设，分别在10%、10%和1%的显著性水平下为平稳序列，HP31不能拒绝原假设，但一阶差分后，在1%的显著性水平上拒绝原假设，因此HP31为非平稳序列。

(二)货币供应量与房地产市场波动溢出效应的分析

为了研究货币政策与不同等级房地产市场房价之间的波动溢出关系，本文基于VAR-BEKK-GARCH模型分析了货币供应量变化率与各个等级房价指数变化率之间的变化关系。

1.VAR模型的估计

表 4 货币供应量变化率与一二线房价指数变化率的向量自回归估计结果

由于三线城市房价指数变化率(HP31)为非平稳序列，故使用一阶差分后的数据作为三线城市的变量序列。采用货币供应量与一二三线房价建立模型，阶数考察最多4阶滞后的VAR模型。根据表 4的结果判断，货币供应量变化率(m2)与一二三线房价指数变化率(HP11、HP21、HP31)三个序列组成的VAR模型，选取最优滞后阶数为1阶。

货币供应量变化率在95%的显著水平下、一二线城市房价指数变化率在99%的置信水平下受到其自身滞后项的影响，货币供应量对自身具有负向影响；一线城市对三线城市房价指数变化率在90%的置信水平下存在线性溢出，具有明显的负向影响。根据VAR模型的估计结果，建立如下条件均值方程：

(7)

由此可得，货币供应量和一二线城市房价均存在着时滞性，除货币供应量中的三线城市房地产市场和部分常数项外，其余变量均通过T统计量的检验。根据VAR模型的估计结果，采用OLS线性回归模型，分别对货币供给、一线和二线城市房地产市场建立如下方程：

mt=0.011799-0.204406mt-1

[8.747504][-2.112952]

(8)

HP11t=0.001561+0.807996HP11t-1-0.66951HP31t-1

[2.336557][13.34486][-0.710370]

(9)

HP21t=0.000834+0.817585HP21t-1

[1.974051][14.79547]

(10)

从结果来看，货币供应量对各线城市房价均不显著，显示了中央银行投放货币的变化对各线城市房价的变化无明显影响；一线城市对三线城市在VAR模型中显著，但回归后不显著，其影响效果不明显，一线城市变动1%，三线城市的变化幅度为反向的0.67%，说明了一线对三线城市房价有着微弱的抑制作用。

2.动态相关性分析

为了进一步解释两两变量的波动传递现象，引入动态相关性分析，即DCC-GARCH模型分析各个变量之间的波动相关性。从图 2可得，货币供应量、一二三线城市房价之间的动态相关性均具有明显的时变特征，波动区间货币供应量与三线城市房地产市场反应幅度最大且均值为负，动态相关系数在研究时间内除货币供应量与三线城市外均值均为正值。这表明了中央银行采取的收放房贷、加息等货币政策与一二线城市有着正向的波动关系而与三线城市有着负向的波动关系，各线城市房价均存在正向的动态关系。

图 2 动态相关系数

3.BEKK-GARCH模型的估计

建立模型之前，先检验变量的ARCH效应，对四个变化率序列进行自相关函数检验和ARCH-LM检验，结果表明四组变量均存在显著的ARCH效应。因此，可建立BEKK-GARCH模型，其中，m表示货币供应量变化率，HP11、HP21和HP31分别表示一二三线城市房价指数变化率。

由表 5可得，对角元素中a11和a22分别在99%的置信水平下显著，表明了货币供应量变化率和一线城市房价指数变化率自身存在显著的ARCH效应；b22、b33和b44分别在99%、99%和90%的置信水平下显著，表示一二三线城市房价指数变化率存在显著的GARCH效应。

首先，货币供应量对各线城市房地产市场均存在波动溢出效应，这是因为虽然a12、a13和b14不显著，但是b12、b13和a14分别在99%、99%和90%的水平下显著，这表明了货币供应量对一二线城市房地产市场存在长期的直接波动溢出效应，对三线城市存在短期的直接波动溢出效应。

其次，二线城市对一线城市有长期的直接波动溢出效应，这是因为b32在95%的水平下显著。

最后是三线城市对其他变量的影响，a41、a42、a43均不显著，b42和b43分别在99%和95%的水平下显著，表示了三线城市对一二线城市房地产市场有着长期的直接波动溢出效应。

表 5 BEKK模型估计结果

因此，货币政策与各线房地产市场以及各线房地产市场自身之间都有着紧密的联系。当房地产市场涨势较为明显时，中央银行可以采用调整汇率和利率等紧缩性政策使资金较难获得，从而对涨势过热的房地产市场予以降温；反之，当房地产市场较为疲软时，要通过实施宽松型政策，如降低汇率、降低利率等措施扩大货币供给量，促进房地产市场扩大投资，实现消费规模增长。各线城市房地产市场之间也存在着联动关系，同期发生时，较低等级房地产市场会反向影响较高等级房地产市场的变化，但髙等级房地产市场却不会在当期直接引起低等级市场房价的波动，具有一定滞后性，这是一种自下而上的房价调控机制。房价增长的带动者并不是一线城市房地产市场，但较高等级城市受较低等级市场变化的影响。

四、研究结论与建议

本文基于VAR-BEKK-GARCH模型进行了货币供给与各级房地产市场之间的波动溢出效应的实证分析，其结果如下:

首先，一二线城市房价均与上一期货币政策存在显著关系，货币供应量对自身起着负向影响，而一二线城市房价对自身起着正向影响。一线对三线城市房价的解释力度有限，影响较小。

其次，货币政策对一二线城市有正向的波动关系而与三线城市有着负向的波动关系，各线城市房价之间均存在正向的动态关系。

最后，货币供应量对各线城市房价均存在直接的波动溢出效应。二线对一线、三线对一二线城市房地产市场有着长期的直接波动溢出效应。据此给出以下建议：

第一，控制货币供给。货币供应量的变化通过数量型工具在短期内迅速影响房价变动。中央银行能够控制的货币工具包括利率、汇率以及备用金等，主要通过直接或间接的方式影响货币供给，使其能在膨胀型或紧缩型市场发挥效用，避免其发生大幅度变化对房地产市场产生不良影响。

第二，制定差异化财政政策。为了有效地实现对房地产市场的调控目标，应因地制宜在地方政府财权范围内采取不同的财政政策防止各地区的价格分化愈来愈大，银行应利用央行允许浮动利率有针对性地与地方政府商定合理的贷款政策，根据各线城市的特点进行调控。对于一线城市，货币流通量较大，应采用控制信贷服务范围、提高信贷标准的政策进行调控，抑制房价过快增长，对于二、三线城市，货币流通量相对较小，应采用利率、信贷政策、备用金等措施，但相对一线城市来说要放宽政策，促进当地经济发展的同时控制房价的增长。

第三，合理调控。货币金融市场对各级房地产市场有着波动溢出效应，各线城市房地产之间也存在着波动溢出效应。因此，各级部门在进行调控时要对自身其他市场的影响有初步的估计，适当进行小幅度的微调，逐步使房价处于合理的范围。

注 释：

①房地产市场等级划分：一线(5)：北京、上海、广州、深圳、天津；二线(27)：重庆、杭州、南京、武汉、成都、苏州、大连、厦门、西安、长沙、宁波、东莞、无锡、福州、沈阳、青岛、济南、郑州、太原、石家庄、长春、哈尔滨、昆明、温州、唐山、佛山、烟台；三线(46)：呼和浩特、海口、兰州、西宁、贵阳、银川、乌鲁木齐、潍坊、包头、常州、嘉兴、南通、徐州、镇江、扬州、惠州、昆山、廊坊、洛阳、中山、珠海、吉林、金华、泉州、宜昌、湛江、江门、鞍山、宝鸡、保定、德州、东营、鄂尔多斯、邯郸、菏泽、江阴、聊城、柳州、绵阳、淮安、台州、泰州、威海、芜湖、张家港、绍兴。