住房金融宏观审慎政策能抑制房地产市场系统性风险吗?*

□ 柯孔林 宋 悦

内容提要 本文以中国53 个城市2009～2018年数据为样本，将股票市场对房价波动反应因素纳入边际期望损失模型，测度我国房地产市场系统性风险，在此基础上，考察了住房金融宏观审慎政策对房地产市场系统性风险的影响，进一步研究了地方政府财政压力和经济增长压力对住房金融宏观审慎政策调控效果的影响。研究表明，紧缩的住房金融宏观审慎政策对房地产市场系统性风险有显著抑制作用，并且这种抑制作用存在明显滞后效应。当面临较大的财政压力和经济增长压力时，地方政府缺乏调控土地价格和住房价格的激励，这会削弱住房金融宏观审慎政策的调控效果，上述作用效果在一线和二线城市更为显著。 本文的政策启示在于，相关部门应进一步丰富住房金融宏观审慎政策工具箱，将房价增速纳入中央对地方政府考核体系，从供需两端合力防范房地产市场系统性风险。

一、引言

根据国家统计局公布的数据，2009年至今我国城市房地产价格平均上涨2 倍，部分一线城市涨幅甚至达到4 至7 倍。 房价过度上涨不仅大量挤占金融资源，还会对实体经济产生挤出效应，不利于金融、房地产同实体经济均衡发展。更为紧迫的是，持续推高的金融杠杆和逐步积累的房地产泡沫，已然成为时刻威胁我国金融系统安全的“达摩克利斯之剑”，容易诱发系统性风险并危及宏观经济稳定。因此，“十四五”规划重申了“房住不炒”的定位，以促进房地产市场平稳健康发展。如何遏制房地产价格泡沫、防范房地产市场潜在系统性风险已成为亟待深入研究的重要问题。

为此，中国人民银行围绕稳地价、稳房价、稳预期的目标，将房地产金融纳入宏观审慎管理，实施“因城施策”差别化住房信贷政策，完善房地产健康发展长效机制。 虽然监管部门不断探索完善住房金融宏观审慎管理，但相关文献对一些核心学术问题仍缺乏深入研究，住房金融宏观审慎政策能否从需求端有效抑制房地产市场系统性风险？当地方政府面临财政压力和经济增长压力时，住房金融宏观审慎政策的作用效果是否会受到影响？在不同层级城市，地方政府财政压力和经济增长压力对住房金融宏观审慎政策的调节是否存在差异？对以上问题的回答，有利于更加深入理解住房金融宏观审慎政策在“稳房价”和“防风险”中的功效，从供需两端提升房地产市场系统性风险防范的有效性。

本文首先纳入股票市场对房价波动的反应，修正荆中博等（2019）的测度模型，构建我国房地产市场系统性风险测度方法。 其次，基于2009～2018年我国53 个城市季度数据，实证分析住房金融宏观审慎政策防范房地产市场系统性风险的有效性，研究发现，紧缩的贷款价值比上限会抑制房地产市场系统性风险，并且其作用效果具有时滞效应。 最后，从调节作用看，这种抑制作用会受到地方政府财政压力和经济增长压力的弱化。

本文的边际贡献及可能的创新点在于： 第一，为我国房地产市场系统性风险的测度提供新的思路，相较于房地产市场而言，股票市场往往会更前瞻性地对风险做出反应，本文创新性地将股票市场对房价波动的反应嵌入到边际期望损失（MES）模型中，构建了我国房地产市场系统性风险的度量方法。 第二，基于城市层面考察住房金融宏观审慎政策抑制房地产市场系统性风险的有效性，并从供给端考虑地方政府财政压力和经济增长压力因素，探究其对住房金融宏观审慎政策作用效果的影响。

二、文献述评

与本文相关的文献主要侧重于三个方面，分别为房地产市场系统性风险测度、宏观审慎政策对房地产市场系统性风险的影响以及房地产市场系统性风险其他影响因素。

（一）房地产市场系统性风险测度研究

房地产市场系统性风险主要来源于房价快速上涨并逐渐偏离其内在价值，致使房地产市场泡沫不断积累（IMF，2018）。 现有关于房地产市场系统性风险测度的研究包括两个方面：第一，从房地产价格泡沫角度展开，主要采用指标法、统计检验法和模型法对房地产价格泡沫进行测度（吕江林，2010；高波等，2014；McGrevy & Phillips，2016），但大多数文献所测度的房地产价格泡沫侧重于度量房价超过住房基础价格部分（吕炜和刘晨晖，2012；孟庆斌和荣晨，2017），其无法有效刻画房地产市场系统性风险。 第二，从房地产市场关联角度展开，采用类似于金融市场系统性风险度量方法，如经验分析法（吴成颂等，2019）、综合指标法（陶玲和朱迎，2016） 和风险传染测度法 （白鹤祥等，2020），对房地产市场冲击所引发的系统性金融风险进行测度。

（二）宏观审慎政策对房地产市场系统性风险的影响研究

国际金融危机后，宏观审慎政策是否能够抑制房地产价格波动，防范可能引起的房地产市场系统性风险成为国内外学者研究的焦点。 一些学者认为，贷款价值比、债务收入比和逆周期资本缓冲等宏观审慎政策工具能有效抑制房地产价格波动（Cerutti et al.，2017；Carreras et al.，2018；Gómez et al.，2020），维护房地产市场稳定。 另一些学者认为，宏观审慎政策对房地产市场调控效果较弱，荆中博和方意（2018）认为贷款价值比和准备金率的实施能够有效降低贷款增速，但是两个政策工具的紧缩在短期内无法有效抑制房地产价格，反而推动房价上涨。也有一些学者认为，不同的宏观审慎政策工具所发挥的调控效果不尽相同，司登奎等（2019）选取两类宏观审慎政策工具进行逆周期调控模拟，发现在房价波动来源于住房需求冲击时，金融管理部门应采用贷款价值比且重点锚定房贷进行积极调控，当面对房价波动来源于房地产部门生产率冲击时，应选择资本充足率而非贷款价值比进行调控。

（三）房地产市场系统性风险的其他影响因素研究

现有研究已从市场供给和需求、宏观政策、预期和投机等多个角度考察可能引起房地产市场系统性风险的因素（况伟大，2010；Deng et al.，2012；Wu et al.，2015；孟宪春等，2018）。 与本文相关的研究主要以地方政府土地财政行为作为切入点，考察其对房地产市场系统性风险的影响。 陈建东等（2014）基于我国40 个大中城市的相关数据研究表明，在面对地方财力紧缺和保证地方经济持续增长的情况下，地方政府不得不依赖于土地财政。 范子英（2015）认为财政压力只能部分解释地方政府土地财政行为，而推动GDP 增长的投资冲动能更好地解释土地财政行为。 高然和龚六堂（2017） 将地方政府的土地财政行为纳入DSGE 模型框架中，发现地方政府土地财政行为的存在会显著地放大房地产市场波动，而这种波动会传导到实体经济，放大消费、投资和产出的波动。

总的来看，现有研究已取得了一些共识，但仍存在着一定的局限：第一，大多数文献对房地产价格泡沫和基于房地产市场的系统性金融风险进行了测度，并没有量化分析房地产市场自身的系统性风险累积过程，如何纳入股票市场对房价波动的反应，准确识别房地产市场系统性风险，仍有待进一步探究。第二，不少学者研究了宏观审慎政策对房价波动的影响，鲜有文献考察住房金融宏观审慎政策对房地产市场系统性风险防范的有效性，并且忽略了地方政府财政压力和经济增长压力对住房金融宏观审慎政策调控效果的影响。

三、理论分析和研究假设

（一）住房金融宏观审慎政策对房地产市场系统性风险的影响

贷款价值比上限作为房地产逆周期调控的重要工具之一，主要从两个方面对房地产市场系统性风险产生影响： 第一，增加住房贷款首付比要求，降低贷款价值比上限，会通过信贷渠道限制投机性购房者的资金可得性和融资规模，增加投机性购房者的机会成本，压缩投机获利空间，导致投机性购房需求下降，从而缓解住房价格持续上涨所累积的风险。 第二，降低贷款价值比上限，会通过预期渠道减弱购房者的投机动机，引导银行去杠杆（陈英楠等，2020），从而降低住房抵押贷款增长中的高杠杆泡沫，有利于维护房地产市场稳定。基于以上分析，本文提出如下研究假设：

研究假设1： 紧缩的住房金融宏观审慎政策能有效抑制房地产市场系统性风险。

（二）地方政府财政压力对住房金融宏观审慎政策调控效果的影响

地方政府财政压力主要从两个方面对住房金融宏观审慎政策调控效果产生影响：第一，在财政分权模式下，当面临财政压力时，土地出让收入是弥补地方财政缺口的主要渠道，地方政府缺乏对房地产市场调控的激励。第二，由于预算软约束的存在，地方政府往往将土地储备作为担保和偿债来源，通过地方融资平台以直接融资或间接融资的形式融入资金来缓解财政压力。 保持土地具有较高的市场价值是其作为担保和偿债来源的必要条件，拥有高地价的动机又会促使房价不断上涨（宫汝凯，2015）。上述两方面因素会弱化紧缩的贷款价值比上限对投机性购房需求的抑制作用，进而弱化其对房地产价格过度上涨的限制作用，降低贷款价值比上限对房地产市场系统性风险防范有效性。 基于以上分析，本文提出如下研究假设：

研究假设2： 地方政府财政压力会弱化住房金融宏观审慎政策对房地产市场系统性风险的抑制作用。

（三）地方政府经济增长压力对住房金融宏观审慎政策调控效果的影响

房地产是拉动地方经济增长的重要产业，其巨大的产业带动力和辐射效应会较大地缓解地方政府所面临的经济增长压力，导致地方政府对房地产市场较为依赖（朱英姿和许丹，2013），特别是在经济面临严峻的下行压力时，依靠房地产投资以及房地产相关上下游产业发展，成为一些地方政府稳定经济增长的重要手段。经济增长压力使地方政府陷入“稳增长”和“控房价”的两难抉择中，其往往缺乏调控住房价格的内在激励。 因此，经济增长压力导致地方政府房价调控激励弱化，进而影响了贷款价值比上限对房地产市场系统性风险的调控效果。基于以上分析，本文提出如下研究假设：

研究假设3： 地方政府经济增长压力会弱化住房金融宏观审慎政策对房地产市场系统性风险的抑制作用。

图1 理论分析框架

四、房地产市场系统性风险测度

本部分综合考虑股票市场对房价波动反应的前瞻性和房价上行时期的风险累积，拓展荆中博等（2019）所构建的测度模型，度量我国房地产市场系统性风险，为下文考察住房金融宏观审慎政策对房地产市场系统性风险防范的有效性奠定基础。

（一）房地产市场系统性风险测度方法

为了度量房价上行时期房地产市场风险的累积，本文借鉴荆中博等 （2019） 的做法，利用Acharya et al.（2017） 提出的边际期望损失模型测度各个城市对整体房地产市场系统性风险的边际贡献：

一般来说，房地产市场对风险的反应往往滞后于股票市场，因此，考虑房地产行业股票收益率波动因素显得尤为必要。本文通过三因子模型，得到房地产行业波动相对于大盘波动的比值，将其嵌入边际期望损失模型中，具体方法如下：

首先，采用滚动回归方法得到房地产行业指数收益率波动σεt，时间窗口设定为三个月：

其中，房地产行业收益率Rt用（当期中证指数房地产行业类股票收盘价-上一期中证指数房地产行业类股票收盘价）/上一期中证指数房地产行业类股票收盘价表示，三因子分别为市场风险溢价因子MREt、市值因子SMBt、账面市值比因子HMLt。 同时，采用滚动方法对市场风险溢价因子MREt取标准差得到大盘波动σmt。 相关数据来自Wind 和CSMAR 数据库，样本区间为2005年4月至2018年12月日度数据。

其次，选取国家统计局公布的2009年1月至2018年12月中国53 个大中城市①新建商品住宅价格指数月度数据，构建各城市房价收益率Ri，t，并与房地产行业指数收益率波动相对于大盘波动的比值σεt/σmt相乘，得到房地产市场整体收益率RM，t，具体模型如下：

最后，将房地产市场整体收益率RM，t代入式（1）中，进一步测度房地产市场系统性风险。

（二）房地产市场系统性风险测度结果分析

房地产市场系统性风险走势情况如图2 所示，可以发现，我国房地产市场风险累积整体上呈现周期性波动特征，具体情况如下：

图2 中国房地产市场系统性风险走势图

2009年1月至2012年4月，房地产市场系统性风险呈现波动状态。 2009年初，我国房地产价格处于下跌趋势，房地产市场系统性风险逐步释放。随后，中央和地方政府出台了多项住房优惠政策刺激经济复苏，宽松的调控政策促使房地产市场系统性风险不断累积。 2010年初起，国务院多次上调住房贷款首付比例，并配以其他紧缩调控政策，房地产市场系统性风险得到遏制。 2010年10月至2012年4月，尽管继续实施紧缩的房地产调控政策，但房地产市场系统性风险呈现上升趋势，意味着政策效果并不明显。

2012年5月至2013年12月，房地产市场系统性风险呈现震荡下行趋势。 在新“国八条”的基础上，中央政府出台了新“国五条”加大了房地产市场调控力度，全国房价出现持续回落，房地产市场系统性风险得到有效抑制。

2014年1月至2016年10月，房地产市场系统性风险呈现剧烈波动。 2014年1月起，为了房地产“去库存”，稳定经济增长，中国人民银行多次下调住房贷款基准利率，部分城市取消限购政策，推动了房地产市场系统性风险骤然攀升。 2014年下半年至2015年下半年，由于一些城市库存压力较大，造成商品住宅“量升价降”，房地产市场系统性风险出现大幅下降。 2016年1月至10月，在全面宽松的调控政策环境下，房地产市场系统性风险快速上升。

2016年11月至2018年12月，房地产市场系统性风险大幅下降。 2016年12月中央经济工作会议首次提出“房子是用来住的，不是用来炒的”，2017年12月中央经济工作会议再次强调坚持“房住不炒”的定位，以促进房地产市场平稳健康发展。 限购、限贷、限价、限售等调控政策全面实施，房地产价格开始逐步稳定，房地产市场系统性风险得到有效遏制。

五、实证分析

本部分对住房金融宏观审慎政策如何影响房地产市场系统性风险进行实证分析，主要从两个层面展开：第一，构建基准模型分析住房金融宏观审慎政策对房地产市场系统性风险的影响，并进一步考察其作用效果的时滞效应。第二，探究地方政府财政压力和经济增长压力对住房金融宏观审慎政策作用效果的影响。

（一）住房金融宏观审慎政策对房地产市场系统性风险的影响

1.基准模型设定

为了检验住房金融宏观审慎政策对房地产市场系统性风险的影响，本文构建如下模型：

其中，下标i 表示城市，t 表示季度。 被解释变量SRisk 为某个城市的房地产市场系统性风险，核心解释变量MPP 为住房金融宏观审慎政策；参考现有研究（倪鹏飞，2019；刘诚和杨继东，2019），Controls 包括城市特征控制变量（地区生产总值、城镇居民人均可支配收入、城市人口增长率、财政压力、经济增长压力、年末金融机构人民币各项贷款余额、医院床位数、小学师生比）和宏观经济控制变量（股票市场回报率和外汇储备同比增速）；Year 和Quarter 为时间虚拟变量，City 为城市虚拟变量，Year、Quarter 和City 分别控制了时间和个体效应，ε 为随机误差项。

2.变量与数据

为了更好地反映“因城施策、分类指导”的房地产调控思路，参考梁琪等（2015）和陈英楠等（2020）的做法，本文采用贷款价值比上限（LTV）作为住房金融宏观审慎政策（MPP）的代理变量，通过对我国房地产调控相关文件进行梳理，手工整理了城市层面贷款价值比上限（LTV），具体用二套房首付比减去1 来表示。囿于季度数据可得性，样本选取2009年第一季度至2018年第四季度我国53 个大中城市季度数据。

财政压力（Deficit）采用城市当季预算内财政支出减去财政收入除以GDP 衡量，Deficit 越大表示该城市依靠土地出让收入补充财政的压力越大；经济增长压力（Growth）采用城市上一季度GDP 增速减去当季GDP 增速衡量，Growth 越大表示地方政府保经济增长的压力越大。上述变量数据来自于城市政府、统计局、财政局网站，并经手工收集、整理和计算得到，其他控制变量数据主要来自Wind数据和中国城市统计年鉴。具体的变量说明和描述性统计如表1 所示。

表1 主要变量的描述性统计

3.内生性处理

虽然本文已控制影响房地产市场系统性风险的主要因素，但在估计过程中仍可能面临两个方面的问题，第一，未观察的其他因素可能会影响住房金融宏观审慎政策和房地产市场系统性风险；第二，房地产市场风险的累积可能会改变地方政府住房金融宏观审慎政策实施力度，从而导致估计结果存在内生性问题。对于问题一，本文在面板数据模型中加入城市和时间虚拟变量，以控制不随个体以及时间变化的因素所带来的误差。 对于问题二，为了尽可能地剔除反向因果所带来的内生性问题，本文对模型中的解释变量和控制变量进行滞后一期处理。

4.实证结果

表2 报告了住房金融宏观审慎政策对房地产市场系统性风险影响的基准回归结果。 从表中可以发现，在不加入控制变量的情况下，贷款价值比上限对房地产市场系统性风险有显著负向作用，初步支持研究假设1。 在加入控制变量的情况下，贷款价值比上限的回归系数为-0.0035，且t 统计量在5%置信水平上显著。 由此表明，紧缩的贷款价值比上限能有效抑制房地产市场系统性风险。结合现实情况，样本研究期间，中央和地方政府分别于2010年至2013年、2016年至2018年先后多次上调住房贷款首付比例，特别是2016年以后，住房贷款首付比例调整频次不断增加，“一城一策”的差别化信贷政策执行力度持续加大，上述政策调整降低了住房抵押贷款比例，限制了住房抵押贷款规模和增速，这会增加投机性购房者机会成本，减弱投机性购房者对房价过度上涨的预期，抑制投机性住房需求，从而有效缓解房地产市场系统性风险。

表2 基准模型的回归结果

考虑到贷款价值比上限对房地产市场系统性风险的影响可能存在时滞性，本文分别采用贷款价值比上限滞后1 至4 期进行回归分析。 根据表3 的回归结果可知，滞后1 至4 期的回归系数都显著为负，说明贷款价值比政策对房地产市场系统性风险的抑制作用具有滞后效应。 主要原因有两个方面：第一，我国贷款价值比政策的实施遵循着中央政府发布—地方政府实施—金融机构具体执行过程，因此政策从发布到具体实施执行有一定时滞性。第二，贷款价值比上限主要以信贷需求者作为调控对象，通过居民住房杠杆率和预期等途径作用于房地产市场，其作用往往存在较长的时滞性。

表3 住房金融宏观审慎政策滞后一至四期的回归结果

（二）财政压力对住房金融宏观审慎政策调控效果的影响

1.模型设定

为进一步检验地方政府财政压力对住房金融宏观审慎政策作用效果的影响，本文在式（5）的基础上，通过构建贷款价值比上限与财政压力交互项进行回归分析。 具体模型如式（6）：

其中，MPP×Deficit 是本文关注的核心解释变量，反映了财政压力对贷款价值比上限的调节作用。 如果交互项的回归系数β3显著为正，则表明随着地方政府财政压力的增大，贷款价值比上限对房地产市场系统性风险的抑制作用会减弱，研究假设2 得到验证。

2.实证结果

由表4 可知，在控制了个体效应和时间效应后，贷款价值比上限对房地产市场系统性风险的总效应为-0.0046+0.022*Deficit，Deficit 的均值为0.0478，则贷款价值比上限对房地产市场系统性风险的总影响为-0.0036。 贷款价值比上限与财政压力交互项的回归系数为0.022，且在10%置信水平上显著，表明随着地方政府财政压力的增大，贷款价值比上限对房地产市场系统性风险的抑制作用会减弱，支持了本文的假设。可能的原因有两个方面：第一，当地方政府面临较大的财政压力时，其往往会高价出让商住用地获得更多的土地出让收入来弥补财政缺口（刘诚和杨继东，2019），这一动机减弱了地方政府执行中央控房价政策的意愿，导致贷款价值比政策无法发挥应有效力。 第二，为了得到更多的土地抵押贷款，地方政府具有维护和促使土地价格上涨的内在动力，拥有高地价的动机又会促使房价上涨，这会降低贷款价值比上限对房地产市场系统性风险防范的有效性。

表4 住房金融宏观审慎政策与财政压力交互作用的回归结果

（三）经济增长压力对住房金融宏观审慎政策调控效果的影响

1.模型设定

在式（5）的基础上，为检验地方政府经济增长压力对住房金融宏观审慎政策的调节作用，构建如下模型：

其中，MPP×Growth 反映了贷款价值比上限与经济增长压力的交互影响，如果交互项的回归系数β3显著为正，则表明地方政府经济增长压力的增加，会削弱紧缩的贷款价值比上限对房地产市场系统性风险的抑制作用，研究假设3 成立。

2.实证结果

式（7）检验了地方政府面临经济增长压力时，贷款价值比上限对房地产市场系统性风险的影响情况，表5 报告了相应回归结果。在控制了个体效应和时间效应后，经济增长压力与贷款价值比上限交互项的回归系数为正，且在5%置信水平上显著，贷款价值比上限对房地产市场系统性风险的影响取决于经济增长压力，当经济增长压力小于临界值0.0433（｜β1｜/β3=0.0038/0.0878）时，贷款价值比上限对房地产市场系统性风险有显著负向影响，当经济增长压力超过该临界值时，贷款价值比上限对房地产市场系统性风险的抑制作用失效。可能的解释是，当中央政府没有将房价增速纳入对地方政府的考核体系时，地方政府热衷于依靠房地产拉动经济增长，从而更好地完成中央政府对GDP 的考核任务（陈小亮等，2018）。 结合实际情况，2010年末至2012年初，虽然我国经济下行压力加大，为了控制房价过快上涨，中央多次上调住房贷款首付比例，并辅以其他紧缩调控政策，但房地产市场系统性风险仍呈现上升趋势。 2015年至2016年，为了稳定经济增长，化解房地产库存压力，部分城市降低了住房贷款首付比例，导致房地产价格快速上涨，房地产市场系统性风险不断累积。因此，当房地产作为地方政府稳定经济增长的重要手段时，经济下行压力加大会削弱贷款价值比上限对房地产市场系统性风险的抑制作用。

表5 住房金融宏观审慎政策与经济增长压力交互作用的回归结果

（四）城市异质性检验

为了进一步检验在不同层级城市，地方政府财政压力和经济增长压力对住房金融宏观审慎政策调控效果的影响，本文根据城市层级，将其分为一线、二线和三线城市样本进行研究。从表6 可以看出，一线和二线城市的贷款价值比上限与财政压力、经济增长压力交互项回归系数显著为正，而三线城市的交互项回归系数不显著，这表明相比于三线城市，一线和二线城市财政压力和经济增长压力对贷款价值比上限调控效果的影响更为显著。主要原因在于：第一，相比于一线和二线城市，三线城市经济禀赋较差，地方政府会干预土地出让，压低商住土地价格，吸引优势产业或品牌企业投资（王媛和杨广亮，2016），以增加地方税收收入，三线城市更多依靠税收收入而非土地出让收入弥补财政缺口，导致财政压力对贷款价值比上限调控效果的影响并不明显。第二，相比于一线和二线城市，三线城市人口净流入较少，甚至部分三线城市呈现人口净流出趋势，使得三线城市房地产需求不足，房屋空置率较高④，无法带动相关产业增长。因此，三线城市地方政府通过房地产来缓解经济增长压力的激励要弱于一线和二线城市，使得对贷款价值比上限调控效果的影响并不显著。

表6 城市异质性检验的回归结果

（五）稳健性检验

1.房地产市场系统性风险其他测度的估计

房地产市场系统性风险测度是本文核心研究内容，测度方法中在险价值VaR 显著性水平取值不同，可能会使测度结果存在较大差异。 因此，本文将原有显著性水平q 为5%调整至10%，再次计算房地产市场系统性风险，并重新进行回归估计，关键变量的回归系数和显著性与上述结果一致⑤。

2.更换估计方法

本文的内生性来源主要有两个方面：第一，房地产市场系统性风险和住房金融宏观审慎政策可能与误差项相关，导致估计结果存在偏差；第二，房地产市场风险的累积可能会改变地方政府住房金融宏观审慎政策实施力度，从而导致估计结果存在内生性问题。 鉴于此，本文选择系统GMM估计法对模型进行重新估计，可以看出，主要变量的回归系数和显著性与固定效应估计结果基本一致⑥。

六、研究结论与政策启示

如何有效遏制房地产市场系统性风险、促进房地产市场持续健康发展一直是社会各界所关心的核心问题之一。 本文实证检验了住房金融宏观审慎政策对房地产市场系统性风险的影响，并从地方政府财政压力和经济增长压力出发，考察了其对住房金融宏观审慎政策作用效果的影响。 研究表明，在其他条件不变的情况下，紧缩的住房金融宏观审慎政策对房地市场系统性风险有显著抑制作用，由于住房价格黏性和政策时滞性，这种抑制作用具有滞后效应。 随着财政压力和经济增长压力的增大，地方政府调控土地价格和住房价格的内在激励受到弱化，进而抑制了住房金融宏观审慎政策对房地产市场系统性风险的作用效果。从城市异质性看，相较于三线城市，一线和二线城市地方政府财政压力与经济增长压力对住房金融宏观审慎政策调控效果的削弱作用更为明显。

基于上述研究结论，本文提出以下政策启示：（1）既然贷款价值比上限对房地产市场系统性风险有抑制作用，相关部门应坚持“因城施策”“一城一策”的差别化住房信贷政策，将居民债务收入比保持在合理范围，在此基础上，应进一步丰富住房金融宏观审慎政策工具箱，强化对房地产金融的逆周期宏观审慎管理，重点是对房地产融资状况进行全面监测，既从供给端落实商业银行房地产贷款集中度管理，又从需求端加强房地产企业融资管理。 （2）适度缓解财政压力，有助于防范房地产市场系统性风险，一方面，应理顺央地财税分配关系，健全地方税体系，赋予地方更大的财税自主权；另一方面，应建立依法合规、规范透明、自我约束的地方债务融资机制，减少地方政府对土地出让收入和土地融资的依赖。（3）在中国经济已经从高速增长阶段转向高质量发展阶段，中央政府有必要考虑将房价增速纳入地方政府考核体系，坚持不将房地产作为短期刺激经济的手段，倒逼地方政府从依赖房地产刺激经济增长转向依靠实体经济推动经济高质量增长，进而实现地方经济平稳健康可持续发展。

注释：

①选取的53 个大中城市分别是北京、上海、广州、深圳、天津、重庆、南京、哈尔滨、长春、沈阳、大连、济南、青岛、无锡、杭州、宁波、厦门、福州、长沙、武汉、郑州、西安、成都、乌鲁木齐、银川、呼和浩特、包头、石家庄、牡丹江、锦州、秦皇岛、扬州、徐州、合肥、温州、金华、南昌、九江、泉州、惠州、湛江、韶关、海口、三亚、昆明、岳阳、贵阳、太原、泸州、兰州、西宁、南宁、北海。

②参照董纪昌等（2016）的做法，由于常住人口数据是年度数据，季度之间人口增速差异较小，本文采用年度常住人口增速间接表示季度人口变化。

④根据西南财经大学中国家庭金融调查与研究中心发布《2017 中国城镇住房空置分析》报告显示，2011、2013、2015 和2017年我国三线城市房屋空置率分别为19%、19.7%，21.3%和21.8%，基本上远高于一线和二线城市。

⑤限于篇幅，稳健性检验结果文中没有报告，备索。

⑥限于篇幅，稳健性检验结果文中没有报告，备索。