货币政策、股票价格与房价波动

逯 进,刘芳燕,华玉飞

(青岛大学 经济学院,山东 青岛 266071)

一、引言与文献综述

自2008年全球金融危机爆发后,世界主要经济体实施了多轮量化宽松政策,全球范围内出现了明显而普遍的价格波动。与此同时,近年来全球贸易与金融环境亦发生了重大变化。这些变化都对中国长期稳步推进的经济发展战略产生了明显冲击。为了更好适应国内外形势的变化,为经济持续稳定发展提供充分的保障,近年来中国的宏观经济政策随之进入了更加精准和高效的实施阶段。特别是在供给侧结构性改革的顶层设计引领下,以“稳价格、稳增长、保就业”为导向,以“灵活精准、合理适度”为特征的货币政策承担起更多的调节作用。同时,从近年来中国宏观经济发展的整体逻辑看,保持股票市场和房地产市场的稳定繁荣和有序发展,是货币政策的另一核心目标,然而从实际情况看,宽松的货币政策导向不断引致两类市场价格出现频繁波动。究其原因,面对既定的经济目标时,货币政策一般会引起多部门、多市场的联动反应。例如,聚焦于房地产市场价格的变动过程,货币政策首先可以直接影响房地产供求及其价格水平,同时货币政策还可能通过其他途径——如资本市场,间接影响到房价,特别是这种间接影响往往很难观测,但其作用是明显的,这样就会出现不同价格之间的联动过程,这就是货币政策调控目标的溢出效应。为此,观察货币政策对房价可能产生的作用时,除考虑直接影响,如能对间接影响做出较为准确的权衡,则益于深入揭示货币政策的有效性,同时也有助于明确解析货币政策对不同市场的影响机制。基于这一思考,本文将房地产市场和股票市场同时引入货币政策的作用体系中,意图通过解析货币政策对两类市场价格影响的动态作用机制及其传导路径,揭示两类影响的具体特征。

目前,有关货币政策、房价与股价之间关系的研究中,主流观点认为,货币政策对房价及股价都有显著影响,且股价和房价之间也存在明确的关联性。具体看,现有研究主要涵盖了如下三个方面。

第一,从宏观层面讨论货币政策对房价的作用机制。Lastrapes的研究表明,货币供应量对房地产销售量、房价具有明显的正向促进作用[1]。Goodhart和Hofmann运用固定效应面板自回归模型分析了1970—2006年17个工业国家的货币供给、房价与宏观经济的关系,结果显示房价、货币供应量与宏观经济之间存在多向联系[2]。王维安和贺聪构建DSGE模型,证明了房价与货币供应量存在正相关关系[3]。Greiber和Setzer分析了欧洲与美国的货币供应量和房价关系,发现货币供应量增加会促使房价上涨,而房价的上升又会推动货币供应量的增长[4]。许永洪和吴林颖通过2002—2015年中国省域数据,证实了广义货币供应量对房价有正向推动作用[5]。

第二,货币政策对股价的影响。主要研究集中在三个方面:其一,货币政策对股市影响的有效性。易纲和王召认为,从长期看扩张性货币政策将对股价的上升产生确定的促进作用[6]。方舟等认为,扩张的货币政策将增加股市的流动性,而紧缩的货币政策则会使股市流动性下降[7]。其二,货币政策对股票市场的非对称影响。张小宇等采用平滑迁移结构向量自回归(ST-SVAR)模型来验证货币政策在股票市场中作用的非对称性。研究发现,紧缩的货币政策对股票市场的抑制作用远小于宽松的货币政策对股票市场的拉动效应[8]。Jiang和Zapatero认为,在股票市场处于不同状态时,货币政策对美国股票市场具有不对称影响,典型特征是货币供应量变化对牛市影响要大于熊市,而联邦基金利率对熊市影响更大[9]。其三,货币政策变动对股票市场的时变性影响。Galí和Gambetti发现在美国股票市场繁荣时期,紧缩的货币政策并不能有效抑制股价的上涨[10]。陈浪南和刘劲松运用时变参数因子扩展向量自回归模型,验证1997—2014年间中国货币政策对股价冲击的时变效应,研究发现,在股价存在泡沫的背景下紧缩性货币政策并不能抑制股价上涨[11]。

第三,股票市场和房地产市场的关联性。部分研究认为房价和股价之间存在此消彼长的关系。马亚明等运用状态空间模型和脉冲响应函数证实了房价和股价呈负相关关系[12]。另一些学者则持有相反的观点,认为房价和股价存在正向联动关系,但二者之间的联动影响动因存在争议。周京奎认为,股价变动对房价没有显著影响,但房价对股价的影响就比较明显[13]。沈悦和卢文兵的研究也都表明房价的变动会影响股价[14]。然而,另有学者的研究结论恰与此相反。Chen对台湾1973—1993年房价和股价的季度数据进行了双变量VAR模型检验,结果表明股价是房价的格兰杰单向原因,且随着时间推移两者双向互促,形成股价和房价的螺旋式上升[15]。巴曙松等对房价和股价进行了格兰杰因果检验,结果表明股价是房价的线性格兰杰原因[16]。

基于上述文献梳理可知:第一,现有研究大多局限于讨论货币政策对股价或房价的单方面影响,很少将两类价格纳入一个研究体系中,因此同时引入两类价格则可以更深入解析货币的作用特征。第二,既有研究在解析货币政策对房价的影响时,并不太关注这一影响的传导机制。但从股票市场的特征看,其不但受到货币政策的影响,同时其还会影响房价,因此同时引入两类价格后,股票价格可能在货币政策和房价之间起到了传导中介的作用。如能有效提示这一作用,则可以更深入观察货币的作用机制。第三,如果货币政策对房价的影响会通过股票市场传导,则意味着货币政策对两类价格的影响存在差异,比如可能存在长、短期的时间差异,而解析这类差异则可以更深入了解货币政策的动态特征。第四,从相关实证思路看,之前对于货币政策作用效果的分析,常以VAR等基础的结构化模型作为标准研究体系,但这些模型无法全面解析货币政策作用效果的时变特征,而对这一特征的了解是深入观察货币政策动态效果的重要依据。

本文拟从理论和实证两个方面创新性地解决上述四类问题,以期在丰富现有相关研究文献的同时,对货币政策、股票价格、房价三者之间关系的细节特征做出清晰解析。

二、理论解析

(一)超调效应解析

货币中性与货币非中性一直是经济学体系中最具争议的话题之一。古典经济学派与新古典经济学派大多认同货币中性,但凯恩斯主义和货币主义学派则支持货币非中性。根据Cagan的界定,货币中性是指货币供应不影响实际生产以及资源再分配,新增的货币供应量完全反映在价格变动上,即所有商品和服务的相对价格不变;货币非中性则相反,认为所有商品的价格不会同比例变动[17]。在货币非中性的前提下,货币供应量对不同市场价格的传导机制、作用效果存在异质性,这种异质性在股价和房价上表现得尤为明显。

参考Frankel的理论框架和建模思路,本文尝试设计以下理论解析[18]。

首先,为简化模型,假定货币供应量只流向股票市场和房地产市场,用Ps和Ph分别表示股价和房价。由资本资产定价模型可得:

(1)

由于房价会受到供需因素影响,参考附加预期的菲利普斯曲线公式,假设房价增长率如式(2):

(2)

(3)

(4)

货币需求的简单函数形式如下:

m-P=φy-λi

(5)

其中,m、P、y分别表示货币供应量、总价格水平和总产出的对数形式,φ、λ分别为产出的货币需求弹性以及货币需求的利率弹性。根据前文假设,总价格水平为股价和房价的加权平均。进一步将房价权重设为α,那么股票市场价格占比为1-α,进而:

P=αPh+(1-α)Ps

(6)

将式(6)代入式(5)可得:

m-αPh-(1-α)Ps=φy-λi

(7)

那么长期的货币需求函数为:

(8)

令式(8)减去式(7)可得:

(9)

联立式(1)和式(9)得:

(10)

联立式(9)和式(4)得:

(11)

矩阵表达式为:

(12)

式(12)右侧系数矩阵的特征根为:

(13)

两类价格增长率的函数形式为:

(14)

(15)

(16)

联立式(16)和式(15)得:

(17)

由此可以看出,货币政策通过影响货币供应量,进而可以影响股价,即货币供应量对股价存在直接影响。

联立式(1)和式(14)可得利率变动公式:

(18)

式(18)表明,货币供给量(m)的变动对利率(i)和股价(Ps)均可产生影响,进一步结合式(5)可得:

(1-α)ΔPs-Δm=λΔi

(19)

联立上述方程组,可得到如下股价超调结果:

(20)

由式(6)可知股价的变化量(ΔPs)、房价的变化量(ΔPh)与总体价格水平变化量(ΔP)之间的关系如下:

ΔP=αΔPh+(1-α)ΔPs

(21)

将式(20)代入式(21)得:

(22)

式(22)是货币政策冲击对房地产市场的直接影响结果。因为货币供应量的变化会导致总价格水平同比例变化,即ΔP=Δm,则式(22)进一步化简如下:

(23)

这一结果意味着,货币供应量的增加无法促使房价和股价保持同幅度上升。原因在于,一旦市场中蔓延着明显的投机倾向时,则货币增量首先会通过多种渠道迅速流向价格弹性变动的股市,而流向房地产市场的货币资金增速相对缓慢。也就是说,股价的变动相对于房价的调整速度要快得多,因而股价会较之房价更快速增长。

(二)中介效应解析

上述分析不但证明了货币政策对股票市场影响的超调效应,同时还表明了政策对房地产市场具有直接影响。进一步按照Mishkin的观点,货币政策通过影响金融资产的价格,进而影响到房价[19]。为此本文尝试构建和验证“货币政策→股价→房价”的间接传导机制。如果这一机制明确存在,那么就可以借此验证货币政策对房价的间接影响。

一般而言,存在财务困境和不存在财务困境状态下消费者持有房地产的机会成本C是不一样的[20]。假定消费者在发生财务困境时不能采用借款的方式来补充额外支出,那么:

不存在财务困境时:C=1-(1-d)+i=i+d

(24)

存在财务困境时:C=1-q(1-d)+i=i+d+(1-q)(1-d)

(25)

其中,d是房地产折旧率,q(q<1)是由于房地产流动性差所引起的变现折价率,(1-d)表示未发生财务困境时房地产的可变现价值,q(1-d)表示发生财务困境时房地产的可变现价值,假设发生财务困境的概率为ρ,未发生财务困境的概率为1-ρ,持有房地产的期望机会成本为EC,即:

EC=ρ[i+d+(1-q)(1-d)]+(1-ρ)(i+d)=i+d+ρ(1-q)(1-d)

(26)

财务困境发生条件为:

NC=Dt+Ct-Y-Vs>0

(27)

其中,NC>0表示有净支出。如果出现NC<0,则意味着有净收入,此时不存在财务困境。Y是可支配收入,Vs为持有股票的市值,Vs=NPs,N为持有股票数量,Dt为每期负债摊销额和利息,Ct是每期消费额。

整理后,财务困境发生条件为:

NC=Dt+Ct-NPs-Y>0

(28)

假定净支出NC是服从正态分布的随机变量,标准正态化后,发生财务困境的概率ρ就可以写成:

(29)

(30)

房价指数调整方程仍为:

(31)

(32)

显见:

(33)

综合式(30)～(33)可知,股价Ps上升,房地产持有机会成本EC降低,房价Ph上升。由此可见,货币政策对股价的超调效应可以通过持有房地产的机会成本向房价传导,即出现“货币政策→股价→机会成本→房价”的传导路径。在这一传导过程中,股价成为关键因素。

三、实证分析

(一)变量定义与数据来源

本文采用广义货币供应量代表货币政策。股价用上证综合指数月度收盘价格衡量。房价采用商品房平均销售价格表示,其等于商品房销售额除以商品房销售面积。选取中国2001年1月至2020年10月共计238组月度数据,数据来源于中经网数据库和国家统计局官网。需要表明的一点是,依据国家统计局报表制度,商品房销售额及销售面积的1月数据是缺失的,通过线性插值法补齐。首先,以2000年为基期,将广义货币供应量、房价按照基期CPI指数进行不变价格折算,从而消除价格因素影响。其次,考虑到广义货币供应量(M2)、上证综合指数(SZZS)以及房价(FJ)极易受到季节变化的影响,采用Censusx12的方法作调整。最后,为保证时间序列的平稳性以及消除序列异方差影响,对各变量数据采取了对数化处理。

(二)模型简介

若运用VAR模型讨论货币政策对房价波动影响,则需要保证各时期模型参数不变,因而无法获得经济内在结构的潜在时变特征。本文采用TVP-SV-VAR模型,该模型首先由Primiceri提出,后经Benati和Nakajima等进一步完善[21-23]。该模型能够较为准确地识别出单位货币政策在不同时间点上对内生变量冲击路径差异,分析经济变量的时变特征有助于提高货币政策实施的精确性。

(三)时间序列平稳性检验以及模型滞后阶数确定

为避免模型出现“伪回归”现象,首先以ADF检验判断各变量的平稳性,结果显示,M2、SZZS、FJ的对数值均在5%的显著性水平下表现为无单位根的平稳序列。进一步需要确定模型最优滞后期。根据AIC、SC和HQ信息准则确定模型滞后期为2期。相较于残差的自相关性,时变模型中的“过度参数化”更为突出,而且分段隔点抽样已经降低了方程残差出现自相关的可能。基于此,本文最终将滞后阶数设置为2。

(四)格兰杰因果检验

本文采用基于向量自回归模型的格兰杰因果关系检验法对货币供应量、房价以及股价之间的影响关系进行初步检验。表1的结果表明,在5%的显著性水平下,货币政策是房价、股价的格兰杰原因,而房价、股价都不是货币政策的格兰杰原因,股价是房价的格兰杰原因,反之房价不是股价的格兰杰原因。因此,在研究样本期间,货币政策的变化会引起股价、房价的变化,且股价的变动会对房价产生影响。综上,可以用TVP-SV-VAR模型继续分析。

表1 格兰杰因果关系检验结果

(五)回归结果分析

通过MCMC方法重复抽样10 000,其中前1 000次为预烧值舍弃。依据Nakajima的方法,如果没有经验,则可以人为设定参数初始值[24]。因此,本文对参数赋初始值,μβ0=μa0=μh0=0,并且Σβ0=Σa0=Σh0=10×I,并假设三者协方差先验分布分别为:

其中,(Σβ)i、(Σa)i、(Σh)i分别为对数矩阵Σβ、Σa、Σh对角线上的第i个元素。

1.参数回归结果分析

基于上述模型设定,表2展示了MCMC模拟的参数估计结果。其中,Geweke统计量是用来判断模型是否收敛于后验分布的,无效因子表明了MCMC模拟的混合效果。表2中所有Geweke值均小于1.96(5%显著性水平下临界值),表明无法拒绝模型收敛于后验分布的原假设,即运用MCMC模拟产生的模型参数估计是有效的。同时可以观察到,表2中最大的非有效因子为157.85,至少可以得到63个(10 000/157.85)无关样本,足以支撑后验推断,也表明了模拟估计的模型参数在总体上是有效的。

表2 参数估计结果

2.时变参数特征分析

图1是MCMC方法参数估计分布图,包括样本自回归系数、样本路径以及后验分布密度。结果表明,样本的自相关系数呈现出一个较为平稳的下降趋势。与此同时,样本的取值路径也是平稳的。这一结果证实了样本取值方法能够有效地生成不相关样本,足以支持TVP-SV-VAR模型后续推断。

图1 模型参数估计结果

3.模型结构冲击的随机波动率时变特征

如图2(a)所示,中国的货币供应量波动率在2001—2003年以及2008—2015年处于较高水平,其他时期的波动趋势不明显。2001—2003年中国贸易顺差持续扩大,外汇占款迅速增加造成了货币供应量波动率较大。而2008—2010年货币供应量波动率明显变大,其原因在于2008年全球金融危机爆发对中国经济发展的影响,以及央行为刺激经济,保就业、稳增长,降低实体企业融资压力,采取的降准降息以及“四万亿”计划等强力宽松政策。2010—2015年货币供应量随机波动率较大,主要是因为非标融资的快速扩张。影子银行、银行理财的快速繁荣,使得货币供应量M2的增速及非标融资增速均显著上升。

图2 货币政策、上证指数和房地产价格的随机波动率时变特征

如图2(b)所示,股票市场波动性比较大的周期分别是2005—2010年以及2018—2020年,其他时期股价的随机波动率都处于较低水平。中国股票市场从2005年中期到2010年初经历了一轮牛熊市交替周期。其中,在2005年6月到2007年10月这一时间段内,上证综指从998点升至6 124点。股权分置、开放式基金大量上市、人民币升值预期、经济高增速等利好因素促成了这轮牛市。然而,在美国次贷危机影响下,2007年之后中国股市开始急剧下跌。股票市场波动率较大的时期恰好也是图2(b)中显示的股市波动率较大的时期。2018—2020年股票市场的波动性过大,可能与中美贸易摩擦以及新冠肺炎疫情冲击有关,股票市场随机波动性加大意味着股票市场不确定性加剧。

从图2(c)中可以发现,房价的波动率在2005—2012年比较大,而在其他时期都变动不明显。从2005—2008年,房价开启上升模式。货币供应量的激增、“招拍挂”土地改革是这一阶段房价迅速上升的原因。随后,受到2008年全球金融危机的影响,房地产市场迅速收缩。但自2009年起,为了提振经济,随着“4万亿”刺激计划的实施以及流动性的快速增加,大量资金涌入房地产行业,房价迎来了第二波上升,这也是2009年中期至2012年房价波动率较高的主要原因。

图3 不同时点的脉冲响应

4.不同时点冲击的脉冲响应时变特征

本文根据样本区间内中国经济的发展特征,选取了2007年2月、2009年8月以及2016年6月这三个代表性时点进行货币政策冲击效应的分析。这三个时点分别代表了经济扩张期、经济收缩期和经济进入新常态时期。Cukierman和Gerlach认为,具有规避经济收缩偏好的模型对货币政策的动态调整机制具有更好的解释力度,具体而言,经济衰退时期货币政策的调控力度要大于经济繁荣时期的调控力度[25]。因此,本文选择2007年2月、2009年8月分别代表经济扩张期和经济收缩期,以此来考察货币供应量的变动对不同经济周期的资产价格冲击的影响。另一方面,“新常态”时期,中国政府通过新型和传统货币政策的结合以及普遍适度宽松和定向适时宽松的政策搭配,这一系列非常规货币政策推行之后,货币供应量等货币变量势必会出现结构性扭转,其对资产价格的反应与冲击也必然随之变化[26]。基于此,本文同时选取了2016年6月作为“新常态”时期的代表性时点,考察货币当局在更加精准运用货币政策工具后,资产价格对货币供应量冲击的脉冲响应特征。

图3(b)显示,房价对货币政策三个不同时点冲击的脉冲响应函数走势也十分相似,但不同时点略有不同。当给货币供应量1%的冲击,三个代表性时点上房价对货币供应量冲击的响应均为正,且持续上升至某一高点后稳定。具体来说,2016年6月施加货币政策冲击后,房价在第四期达到峰值,随后这种影响逐渐减弱。2007年2月的房价对于货币政策冲击响应在第2期出现拐点,随后缓慢增加后平稳。2009年8月的房地产市场价格对货币政策的冲击是在10期到达峰值后保持平稳的。从整体看,经济收缩期房价对货币政策冲击响应幅度远大于经济扩张期的响应幅度,恰好验证规避经济收缩偏好的模型,即经济衰退时货币政策的调控力度要大于经济繁荣时期的调控力度[25];经济“新常态”时期房价对货币政策冲击的响应始终小于之前的冲击响应,事实上,进入“新常态”时期,货币当局对总量货币工具的使用愈发谨慎,更多地使用结构型工具进行针对性预调和微调。

图3(c)显示,房价对上证综指三个不同时点冲击的脉冲响应函数表现出明显差异。2007年2月的冲击响应呈现先升后降趋势,即从0期开始逐渐增加,响应最大值出现在第2期,随后这种响应快速回落。而2009年8月与2016年6月的冲击响应较为相似,均在当期出现最大值,之后震荡回落至0值附近。

结合上述分析可以明确得知:一方面,货币政策对房价存在直接作用,考虑到房地产价格变动具有粘性特征,故其对货币政策冲击的短期反应较小,也就是说货币政策对房价的直接影响较小;另一方面,股价对货币政策冲击的反应在短期内是迅速的,且存在超调作用。

5.等间隔冲击的脉冲响应时变特征

本文分别选取3个月、6个月和12个月的脉冲响应时长代表短期、中期以及长期,考察货币政策冲击的动态变化过程。

图4 不同提前期的冲击响应

从图4(a)看,施加单位货币政策正向冲击时,不同提前期的脉冲响应走势大体相同。提前3期、提前6期以及提前12期上证综合指数对货币政策冲击的响应均为正向响应,且提前3期的上证指数对货币政策冲击响应最大,提前6期的响应次之,提前12期的脉冲响应则最为平稳。进一步可以说明货币供应量对股价的影响时滞较短,在短期内股价对货币政策的冲击响应迅速。从时间维度看,上证指数对货币供应量响应峰值出现在2014—2015年前后,此时上证指数从2 054点迅速上涨至5 178点。可能的原因是央行实行降息政策刺激股票市场发展,与此同时证券公司大力推行融资融券业务,为股票市场注入了大量流动性。

图4(b)表明不同提前期货币政策对房价的冲击随时间的变化存在差异。当货币政策正向冲击时,不同提前期房价对货币供应量的冲击响应都是正的。与上证指数对货币政策冲击的响应相反,提前12期的房价对货币政策冲击响应最大,提前6期的冲击响应居中,提前3期的冲击响应则更加平稳。从时间上看,提前3期的房价对货币政策冲击的响应从始至终比较平稳,而提前6期以及提前12期房价对货币供应量响应的波谷出现在2009年前后,波峰出现在2012年左右;提前6期和提前12期的脉冲响应,在2007年以前保持较为平稳的正值,2007年之后随着金融危机不断蔓延以及国内宏观经济增速下滑开始快速下降,为应对金融危机,中央和地方政府出台一系列经济刺激措施,加大货币投放力度,房价对货币政策冲击的反应于2009年触底反弹,在2012年快速上升至波峰。为抑制房地产投资过热,2010年“国十条”的出台以及2011年以后监管部门陆续出台紧缩性信贷政策以及相关房地产调控政策,货币政策对房价的影响随之下降,在2014年之后开始上升,其原因主要在于中国经济进入新常态,经济增长处于换挡期,不确定因素较多,传统行业收益水平下降,相对过剩的流动性进一步推动了房价上涨[28]。提前3期的脉冲响应趋势与提前6期以及12期的类似,只是反应程度更加平缓。

如图4(c)所示,不同提前期房价对上证指数的脉冲响应走势基本一致,即提前3期、6期以及12期房价对上证指数的响应呈W型,且基本为正,说明房价对上证综指冲击响应为正向响应。

由上述分析可知,在短期、中期以及长期,货币政策对股价影响与其对房价影响存在明显差异。具体来说,在短期内,在货币政策作用下股价会产生超调现象,而中长期超调现象逐渐消失。同时,不难发现,货币政策对房价的影响存在明显时滞,且股价对房价影响显著。

综上所述,货币政策无论是进行时点冲击还是等间隔时段冲击,其脉冲响应结果都可以得到结论:货币政策对房价存在直接影响,且时滞明显;股价对货币政策冲击反应迅速,短期内存在超调现象,且股价对房价影响显著。进而结合上述实证结果和理论分析,可以大胆猜想,货币政策很可能以股价为中介向房价进一步传导。是否真的存在这一中介效应?下面对此做出验证。

(六)机制检验

通过上述讨论可知,存在超调效应时,货币政策对房产价格可能存在间接影响。为进一步厘清和解释这一影响,本文引入中介效应思想对此加以验证。值得一提的是,从VAR模型体系的特征看,由于变量间存在不同的滞后期,故对三维或三维以上的VAR系统而言,其本身并不能够判断变量之间的间接关系。为此本文引入传统中介效应检验方法对此展开讨论[29]。

检验过程及结果如表3所示,control为控制变量,包括土地的价格,人均工业增加值,月度无风险收益率。第一,引入土地价格的原因在于,其是房价的主要成本,地方政府土地财政推高了房价[30];第二,引入人均工业增加值的原因在于,由于人均GDP无月度数据,故本文选择人均工业增加值作为经济基本面的代理变量[31-32];第三,引入月度无风险收益率的原因在于,月度无风险收益率一般可以作为持有房地产的机会成本,银行存款与现金构成的无风险资产占中国家庭总资产的75.7%[33],因此持有房产的机会成本就是家庭放弃购买无风险资产的收益率。限于篇幅,本文没有给出控制变量的具体回归系数。

表3 中介效应检验结果

综上,在不考虑参数的时变效应时,基于中介效应的最小二乘回归结果与TVP-SV-VAR模型的估计结果具有类似结果。但需要提及的是,因最小二乘法不具备时变估计特征,所以该方法不能描述货币政策通过股价超调进而影响房价的传导机制。因此,本文以两类方法的结合,不但解析了货币政策超调作用的时变特征,而且有效揭示了货币政策传导过程的中介效应。二者的结合不失为一类全面认识货币政策效果研究思路和方法的合理组合。

四、稳健性检验

考虑到变量不同,可能会对研究结果造成影响,故本文将数量型货币政策的代理变量货币供应量(M2),替换为价格型货币政策变量同业拆借利率(r),进行稳健性检验。不同时点的脉冲响应和不同提前期的脉冲响应结果如图5和图6所示。结果表明,货币政策对股票市场的冲击,仍旧存在明显的超调效应,由此证明前文基于TVP-VAR模型的分析结果是稳健的。

图5 不同时点的脉冲响应

图6 不同提前期的冲击响应

五、结论与政策建议

本文基于价格超调理论,构建一个包含货币政策、股价与房价的联动模型,从理论视角剖析了货币政策对房价的直接、间接双重影响。进一步考虑到货币政策、股价与房价等均具有时变性,本文采用TVP-SV-VAR模型实证检验货币政策对房价的影响,探索了货币政策对房价存在的时变性作用。通过理论与实证相结合,不难发现,一方面货币政策对房价存在直接影响,另一方面货币政策确有通过股价这一中介变量对房价产生间接影响。

(一)结论

1.货币政策对房价的直接作用

通过货币政策、股价与房价的联动价格超调模型,分析发现:短期内房价由于其黏性特征,从而导致货币政策对房价的直接作用效果较小;长期来看,流动性会连续不断涌入房地产市场,从而使得房价进一步抬升。更进一步,货币政策对股价的超调效应也会随着时间的推移向房地产市场传导,货币政策对房价的影响包括直接和间接双重作用。

2.货币政策对房价的间接作用

通过货币政策、股价与房价的联动价格超调模型,发现货币供应量增加会导致股价上涨。从TVP-SV-VAR的不同时点脉冲响应时变特征看,货币政策对上证指数的影响存在超调效应,即上证指数上升的幅度要大于货币供应量增加的幅度。通过机制检验分析,证实了货币政策与房价通过股价为“桥梁”而建立联系。从时变脉冲响应函数看,这种以股价为中介的效应通常是正向的,即股价对房价具有正向拉动作用。从时间维度看,任何时间段上证指数与房价都存在正向联动作用。货币政策对房价产生作用的间接传导机制为:“货币政策→股价→房价”。

(二)政策建议

基于本文研究结论,结合近年来中国货币政策实践,提出如下政策建议。

第一,聚焦于长短期结合、维护资本市场和物价相对稳定两类目标,中国的货币政策要以灵活精准、合理适度为实施原则,并做好跨周期政策设计。一方面,增强宏观政策自主性,根据国内外经济形势和物价走势把握好政策力度和节奏;另一方面,有效兼顾资本市场稳定和防范通货膨胀,维护宏观经济总体平稳,增强经济发展韧性。需要特别关注的是,在货币政策过度宽松环境下容易滋生资产泡沫[34],而央行为控制投机性交易采取的紧缩性货币政策,极有可能导致经济萧条。因此,货币政策应当结合经济环境变化和宏观审慎原则,采用结构性工具,把握货币政策的方向和强度,更加精准灵活地调控资产价格,以确保宏观经济、资本市场和物价水平的平稳有序发展。

第二,货币政策应当持续关注资产价格动态变化,特别是不同价格之间的联动过程。正如本文研究结果所示,货币政策除了对房价有显著的直接影响,且在长期内会借助股票市场“超调效应”间接地向房地产市场传导。因此,货币当局在运用货币政策时,需要同时关注对股价和房价等重要资产价格的影响,此外还需要进一步丰富投融资体系,重视金融基础设施建设,强化金融创新,为投资者提供多元化投资选择。

第三,就投资者而言,其需要明确扩张性货币政策并不是一个能够支撑资本市场持续繁荣的基础因素。因此,投资者在进行风险性资产配置时需要持续关注宏观经济政策趋势,辨析经济周期与货币政策长短期作用的联动趋势。在这方面,本文的研究结果可对投资者配置股票与房地产等资产起到一定的有益提示。