当前位置:论文网 > 论文宝库 > 工程技术类 > 房地产论文 > 正文

中国货币政策对房地产市场的非对称效应

来源:UC论文网2018-08-13 08:31

摘要:

  摘要:本文基于国房景气指数及马尔科夫区制转换模型,研究了中国货币政策对房地产市场的影响。研究发现,中国货币政策对房地产市场影响存在非对称效应:一是货币政策在房地产市场处于“平稳期”时,对房地产市场...

  摘要:本文基于国房景气指数及马尔科夫区制转换模型,研究了中国货币政策对房地产市场的影响。研究发现,中国货币政策对房地产市场影响存在非对称效应:一是货币政策在房地产市场处于“平稳期”时,对房地产市场几乎没有作用,但是在房地产市场处于“上行期”和“下行期”时作用明显;二是预期货币政策变动对房地产市场具有预期调控作用,非预期货币政策变动则会弱化货币政策的预期调控作用,因此,具有一定规则、平稳可预期的货币政策将有助于维护我国房地产市场健康平稳发展。另外,现阶段适宜的房地产市场调控货币政策中介目标为货币供应量,而利率对房地产市场的调控作用可能有限。


  关键词:货币政策;中国房地产市场;马尔科夫区制转换模型;非对称效应;国房景气指数;


  作者简介:陈日清,男,湖南省耒阳市人,2007年毕业于东北财经大学金融学院,获经济学博士学位,现为东北财经大学金融学院、应用金融研究中心讲师。研究方向为房地产市场、行为金融、公司金融。


  一、引言


  近年来货币政策与房地产市场的关系一直是学术界比较关注的热点问题,1998年我国房地产市场化改革以来,随着房地产市场飞速发展,国内也有大量研究讨论货币政策与房地产市场的关系(如段忠东、曾令华,2008)。不过上述研究基本基于线性模型框架,而许多研究发现非线性模型马尔科夫区制转换模型能够很好地刻画风险资产的波动趋势(Chan,etal.,2011)、货币政策影响(方舟等人,2011)、经济周期波动(Thomas,1993)。基于此,许多研究尝试将马尔科夫区制转换模型运用到房地产市场(徐迎军、李东,2010;朱孟楠等人,2011;夏程波、庄媛媛,2012),并发现了房地产市场具有非线性特征。其中徐迎军、李东(2010)发现我国的房地产价格呈现出马尔柯夫机制转换模型的非线性特征,朱孟楠等人(2011)采用马尔科夫区制转换VAR模型分析了2005年汇改以来人民币兑美元汇率与我国房地产价格之间的非线性动态关系,而夏程波、庄媛媛(2012)运用马尔科夫区制转移模型对我国通货膨胀率和房地产收益率相关关系进行了研究,并发现通货膨胀率周期成分在三个区制中都与房地产收益率显著相关。


  综上所述,已有国内研究在分析我国货币政策对房地产市场的影响上获得了丰富成果,但是存在如下值得改进之处:一是已有货币政策对房地产市场影响的研究基本基于线性模型框架,但是房地产市场还存在非线性周期特征(徐迎军、李东,2010;朱孟楠等人,2011;夏程波、庄媛媛,2012);二是已有研究(蒋青华,2010)未对货币政策对不同状态区制下的房地产市场的影响实施相关实证检验,使得我们并不清楚货币政策在不同的状态区制下对房地产市场的影响是否显著,以及如果存在影响,也无法判断货币政策在不同的区制状态下对房地产市场的影响是否存在差异;三是已有研究未区分货币政策的预期变动与非预期冲击在不同状态区制下对房地产市场的影响,这样使得我们难以深入了解货币政策对房地产市场的影响方式。另外,现有研究大多通过房价来分析中国房地产市场(如况伟大,2006),但是由于房地产市场具有较长的开发周期,加之与银行信贷关系非常密切,同时受土地供给量的约束,因此用房价作为整个房地产市场的度量指标具有一定的局限性。而国房景气指数是国家统计局在1997年研制并建立的一套针对房地产业发展变化趋势和变化程度的综合量化指数体系(其将1995年3月当作基期),该指数从土地、资金、开发量、市场需求等角度显示全国房地产业基本运行状况,能够更准确地反映我国房地产市场总体运行状况和总体趋势,因此本文通过对国房景气指数的分析来识别我国房地产市场所处的不同状态区制。


  本文将基于扩展的马尔科夫区制转换AR模型研究我国货币政策对房地产市场影响的非对称效应。首先选取国房景气指数月度数据,运用马尔科夫区制转换AR模型对我国房地产市场的状态区制进行识别。然后,在将货币供应量(M2)与利率水平(7天月平均银行间同业拆借利率)两种货币政策变量分解为预期变动和非预期变动基础上,研究货币政策在不同状态区制下对我国房地产市场的非对称影响。


  二、研究方法———马尔科夫区制转换AR模型①


  马尔科夫区制转换模型将随机过程可能发生的路径划分为m种状态区制,令st为随机过程在t期所处的状态区制,其为一个不可观测的随机变量并且遵循一阶马尔科夫链过程,状态转移概率矩阵P=(pij)m×m,并且状态转移概率pij满足pij=P(st=j|st-1=i,…s1=l;It-1)=P(st=j|st-1=i),其中,i,j∈[1,2,…,m],It-1为t-1期的信息集,∑jpij=1,i。由Hanmilton(1994),具有马尔科夫区制转换特征的AR模型可以表示为φ(L)yt=μst+εt,并且εt~i.i.d.N(0,σ2st),μst和σ2st是状态依赖的均值和标准差,φ(L)为滞后算子L的函数。令φ(L)=1-∑Pi=1αi,stLi,其中αi,st为状态依赖的自回归系数,P为滞后阶数,因此我们可以得到:


  由式(1)我们可以进一步计算y的状态依赖均值和标准差


  同时,该模型可以根据状态转移概率计算出y处于某种状态区制的平均持续期(即E(Ti)=1/(1-pii)),因而非常适合用来研究经济变量的周期性波动。马尔科夫区制转换AR模型(式(1))描述了y在不同的状态区制下不同的动态过程,那么如何考察某一外生变量x对y在不同的状态区制下的影响呢?为了分析该问题,我们对马尔科夫区制转换AR模型进行一定修正和扩展,即将外生变量x引入到式(1)中,从而得到


  其中,xt为外生变量,βst为yt对xt的状态依赖反应系数,Q是xt的滞后阶数,其余符号含义同式(1)。式(3)显示,模型的参数能够随着状态的变化而变化,从而能够更好描述变量之间的关系。下面我们就在上述两个模型的框架下,识别中国房地产市场在不同时期的状态区制,并进一步探讨货币政策对不同状态区制下房地产市场的非对称影响。


  三、中国房地产市场的状态区制识别


  (一)数据及描述性统计


  考虑到我国在1998年才开始全面实施房地产的市场化改革,本文选取1999年1月至2013年5月国房景气指数月度变动率作为样本②。为了尽可能避免异方差问题,采用对数变动率计算国房景气指数变动率,计算公式为(lnPt-lnPt-1)×100,其中Pt为第t个月的国房景气指数值。图1描述了国房景气指数月度变动率趋势。


  图1显示,国房景气指数月度变动率在整个样本期的不同时期可能具有不同的特征,主要表现为均值或标准差可能存在差异,如果我们以2005年12月为界分为两个子样本,方差比较检验表明其方差存在显著差异①。另外国房景气指数月度变动率均值为-0.0065,标准差为0.6690,偏度为0.6301,峰度为6.5627,JB统计量为102.9(P值为0),表明该序列具有右偏、尖峰的分布形态,并拒绝正态分布的假设。因此,可以初步判断国房景气指数月度变动率可能具有马尔科夫区制转换等非线性特征。下文进一步考察国房景气指数月度变动率是否具有马尔科夫区制转换特征。


  (二)非线性特征检验


  建模之前,首先用ADF检验和PP检验考察国房景气指数月度变动率序列的平稳性。结果显示ADF检验与PP检验统计量都小于1%显著性水平的临界值,从而拒绝了国房景气指数月度变动率序列存在单位根的零假设,因此国房景气指数月度变动率序列是平稳的。其次,为了检验国房景气指数月度变动率序列是否存在非线性特征,本文对国房景气指数月度变动率序列在去除序列自相关后②实行了BDS检验③,结果表明,所有嵌入区间检验BDS统计量均在1%的显著性水平下拒绝了不存在非线性特征的原假设,所以国房景气指数月度变动率序列存在非线性特征。我们进一步采用Chow检验对国房景气指数月度收益序列进行检验,其中,回归模型采用BIC信息准则确定的AR(3)模型,并选择2005年12月作为国房景气指数时间序列的一个断点。结果发现,F检验在5%显著水平下拒绝零假设,因此国房景气指数月度变动率序列可能在2005年12月发生了结构性突变。


  (三)中国房地产市场的状态区制识别


  上述断点是根据国房景气指数月度变动率序列趋势图主观判断而外生确定的,而整个国房景气指数月度变动率序列可能还存在其他断点,并且所有这些断点都是内生的。而马尔科夫区制转换模型正好能够将断点内生化并且能通过已知的数据信息估计出来,所以下文便采用该模型做进一步分析。现有经验研究显示,当状态区制数大于4时,参数数量很大,可能会导致自由度过小问题,同时状态区制数大于4的模型并不能提供很好的经济学解释。因此实证研究中,马尔科夫区制转换模型的状态区制数一般选为2个或3个。所以本文主要考虑2个或3个状态区制的马尔科夫区制转换模型。本文按以下步骤来确定模型的状态区制数和国房景气指数月度变动率序列的滞后阶数:首先,考虑一般的线性AR模型,按AIC和BIC等信息准则选择国房景气指数月度变动率的AR滞后阶数,结果表明,国房景气指数月度变动率存在3阶自相关;其次,在国房景气指数月度变动率存在3阶自相关的基础上,按AIC和BIC信息准则选择MS(#)-AR(p)的模型状态区制数#(#=2,3)和滞后阶数p(p=0,1,2,3);最后,对残差做进一步诊断分析来确定最后的计量模型,具体地,本文采用如下三个检验来对模型进行选择:①残差序列相关检验(Q统计量);②AIC和BIC信息准则;③Hamilton和Susmel(1994)年提出似然比检验(LikelihoodRatio,LR)④。限于篇幅,本文仅给出了按AIC信息准则确定的普通线性AR(3)模型、具有两状态的马尔科夫区制转换模型MS(2)-AR(3)和三状态的马尔科夫区制转换模型MS(3)-AR(3)(见表1)。


  从模型残差诊断检验与AIC值(表1)以及模型LR检验(表2)来看,三个模型中,MS(3)-AR(3)解释能力最好,明显优于其他两个模型,而且此模型各个参数也都基本显著。从而可以认为国房景气指数月度变动率存在明显的三种状态区制,并且我们对关于MS(3)-AR(3)模型的零假设月度变动率均值和方差相等(H0:μs1=μs2,μs1=μs3,σs1=σs2,σs1=σs3)的Wald统计量①为132.974,P值为0。因此三种状态区制月度变动率均值和方差在统计上存在显著差异。另外,根据式(2)可以进一步得出三种状态区制下,国房景气指数预期平均月度变动率和方差具有如下特征:①在状态区制1中,国房景气指数预期平均月度变动率为-0.7923%,标准差为0.7303%,即表明在状态区制1中,国房景气指数平均来看向下变动,我们将状态区制1定义为我国房地产市场的“下行期”;②在状态区制2中,国房景气指数预期平均月度变动率为0(μs2不显著),标准差为0.1930%,即表明在状态区制2中,国房景气指数平均来看几乎未发生变动,我们将状态区制2定义为我国房地产市场的“平稳期”;③在状态区制3中,国房景气指数预期平均月度变动率为2.7304%,标准差为0.5178%,即表明在状态区制3下,国房景气指数平均来看向上变动,我们将这种状态区制定义为我国房地产市场“上行期”。


  对表1中的状态转移概率矩阵做进一步分析可以得出如下判断:其一,我国房地产市场本月处于“下行期”,下个月很可能还是处于“下行期”(P11=0.9123),不过一旦发生状态区制转换,更有可能转换为“上行期”(P13=0.0675>P12=0.0202),并且我国房地产市场处于“下行期”的平均持续时间为11.4个月;其二,我国房地产市场本月处于“平稳期”,下个月很可能还是处于“平稳期”(P22=0.9807),不过一旦发生状态区制转换,只可能转换为“下行期”(P21=0.0193),而不会转换为“上行期”(P23=0.000)。另外,我国房地产市场处于“平稳期”的平均持续时间为51.8个月(4年1个季度),在所有状态区制中最长;其三,我国房地产市场本月处于“上行期”,下个月可能还是处于“上行期”(P33=0.5838),不过一旦发生状态区制转换,则更有可能转换为“下行期”(P31=0.4152>P32=0.0010)。另外,我国房地产市场处于“上行期”的平均持续时间为2.4个月,在所有状态区制中最短。进一步地,我们可以根据状态平滑概率②计算出国房景气指数变动率序列三种不同状态区制下的平滑概率(图2),并进而对国房景气指数在不同时期的状态区制情况进行准确判断①(表3)。表3显示,1994年4月以来,在2007年3月之前,国房景气指数基本处于“平稳期”与“下行期”,而之后基本为“上行期”和“下行期”交替,仅2011年5月为“平稳期”,并且“下行期”累计月数为76个月,“平稳期”累计月数为82个月,“上行期”累计月数为12个月。


  按表3对我国房地产市场处于不同状态区制的划分,进一步对国房景气指数月度变动率进行描述性统计分析及均值比较检验与方差比较检验。结果显示,在房地产市场“下行期”(状态区制1),国房景气指数下行,波动较小。在房地产市场“平稳期”(状态区制2),国房景气指数缓慢上行,波动较小。在房地产市场“上行期”(状态区制3),国房景气指数急速上行,波动较大。另外,所有状态区制的均值和方差存在显著差别,虽然相对于其他两个状态区制而言,我国房地产市场“上行期”累计月数比较少,但是该期间国房景气指数平均月度变动率为1.1123%,其变动幅度远远大于“下行期”的-0.2296%,前者的绝对值是后者的近5倍。因此,我国房地产市场在1999年4月到2007年3月期间呈现缓慢上行特征,但是之后呈现短时期急速上行,然后缓慢调整,继而又急速上行的特征。


  四、货币政策对房地产市场影响的非对称效应


  (一)货币政策变量的选择及分解


  前文分析表明我国房地产市场存在三种不同的状态区制,在不同的状态区制下,房地产市场受哪些因素的影响?是何种影响?许多研究分析了各种因素对房地产市场的作用(如况伟大,2006;杜敏杰、刘霞辉,2007等等),但是在国内基本没有研究涉及货币政策对房地产市场的非对称影响。下文我们着重分析以下问题:一是货币政策对我国房地产市场是否存在影响?二是在不同的市场状态下货币政策对我国房地产市场的影响是否一致?本文分别从货币政策两个主要中介目标,即利率水平和货币供应量角度考察货币政策对我国房地产市场的影响。虽然我国利率并未完全市场化,但许多学者采用7天加权平均同业拆借利率(r7)作为市场利率的代理变量(如陆军、钟丹,2003),因此本文也采用该变量作为市场利率的代理变量来考察利率变动对我国房地产市场的影响。另外,还选取货币供应量M2的月度增长率来度量货币政策。具体地,本文采用货币供应量M2的月度对数增长率(m2)来考察货币供应量对我国房地产市场的影响。现有相关研究中,基本未区分预期货币政策与非预期货币政策(冲击)对房地产市场的影响,但是本文在分析货币政策对我国房地产市场的影响之前,借鉴Chen(2007)的作法,首先对不同的货币政策变量进行分解,将其分解成预期的货币政策变动与非预期的货币政策变动,然后再进一步分析其不同的组成部分对我国房地产市场的影响。分解方式如下:①将m2视为一个AR过程,基于AIC信息准则采用AR(12)来分解m2,将拟合值当作预期变动,而回归残差当作非预期变动(冲击);②由于货币政策的最终目标用通货膨胀率或经济增长衡量,因此对m2的分解最好考虑通货膨胀率或经济增长,由于工业增加值月度同比数据无法获取,我们建立一个仅包含CPI月度环比增长率①与m2的VAR模型,并利用AIC信息准则选取VAR(12)来进行建模,最后通过其中的m2方程来获得货币政策的预期变动(拟合值)和非预期变动(方程残差);③对7天加权平均同业拆借利率r7我们采用①中类似作法,由AIC信息准则我们用AR(3)来对其进行分解为预期变动(拟合值)和非预期变动(方程残差)。在对货币政策变量m2和r7进行分解之前,我们采用ADF检验及PP检验来考察其平稳性。结果表明m2与r7在1%显著水平下拒绝存在单位根的零假设,因此是平稳时间序列。另外,为了与未分解的货币政策变量对房地产市场的整体影响作对比,我们还估计了未分解的货币政策变量m2与r7对房地产市场的影响。


  (二)货币政策对我国房地产市场的影响估计


  本文接下来在前文MS(3)-AR(3)模型的基础上,利用扩展的马尔科夫区制转换模型(式(3)),分析货币政策对我国房地产市场的影响,模型中外生货币政策变量的滞后阶数根据AIC和BIC等信息准则、Hamilton和Susmel(1994)似然比检验以及回归残差诊断检验综合确定。另外,为了判断货币政策是否在不同市场状态下对我国房地产市场具有不同的影响,我们采用了Hamilton和Susmel(1994)似然比检验及AIC信息准则来进行比较。从估计结果看,所有含有货币政策变量的模型与表1中不含货币政策变量的模型MS(3)-AR(3)相比,LR检验、AIC值均表明含有货币政策变量的模型拟合程度更好,因而证实了货币政策对我国房地产市场有显著影响。


  (三)货币政策对我国房地产市场的非对称影响检验


  前文的分析表明货币政策对我国房地产市场有显著影响,为了进一步分析在不同市场状态下货币政策对房地产市场是否存在非对称影响。我们按以下步骤检验如下假设:①首先考察货币政策对我国房地产市场是否存在非对称影响,检验零假设②H0:βpj,s1=βpj,s2,βpj,s1=βpj,s3,p,j。模型A、B、C、D、E该检验的Wald统计量分别渐近服从自由度为10、8、16、4、8的卡方分布。②其次分别检验货币政策在三个不同的市场状态下对我国房地产市场是否存在影响,我们构造零假设H0,i:βpj,si=0,p,j。模型A、B、C、D、E该检验的Wald统计量分别渐近服从自由度为5、4、8、2、4的卡方分布。③如果在某一市场状态i(i=1,2,3)下拒绝了②中的零假设,接下来检验货币政策对我国房地产市场在该市场状态下的累积性影响。即检验如下假设:j,其Wald统计量渐近服从自由度为2(模型B、C、E)或1(模型A、D)的卡方分布。④如果第三步中货币政策在两个市场状态(i和k)下对我国房地产市场的累积影响非零,我们可以通过检验如下零假设j来检验货币政策对我国房地产市场是否存在非对称的累积影响,其Wald统计量渐近服从自由度为4(对模型B、C、E)或2(对模型A、D)的卡方分布。⑤最后,为了进一步检验货币政策的预期变动与非预期变动对我国房地产市场是否存在相同影响,我们检验如下两个假设上述检验分别检验货币政策的预期变动与非预期变动对房地产市场是否具有相同的单期影响及累积影响。模型B、C、E中,第一个零假设的Wald统计量渐近服从自由度为2、4、2的卡方分布,第二个零假设的Wald统计量渐近服从自由度为1的卡方分布。


  (四)实证结果分析


  检验结果显示,所有五个货币政策的相关变量估计方程中,表4中的零假设①在1%的显著性水平下被拒绝,这表明我国货币政策对我国房地产市场在不同的市场状态下存在非对称影响。并且,由模型A和D的估计与检验结果可以看出,货币政策变量对房地产市场的影响从整体看,仅在状态区制3中存在影响,而在状态区制1、2中不存在影响。具体地,m2当期的变动并未产生预期的作用(β0,s3=-0.3511),而在随后的1月和第3月才有预期的正向作用,并且其累积影响不显著,而r7当期的变动也未产生预期的作用(β0,s3不显著),而随后的影响为正,并且其累积影响也不显著。这也和我们假定只有一种状态时的分析一致①。上述分析似乎表明在我国房地产市场,货币政策的影响较小,不过这可能是由于货币政策预期变动与非预期变动对房地产市场的影响相互抵消而导致的,因此我们有必要把货币政策变量分解为预期变动与非预期变动(冲击)来做进一步分析。由于相对模型B而言,模型C对货币政策的分解要更为合理一些,因此下面我们基于模型C和E来进行分析。


  首先,货币政策在房地产市场处于“平稳期”(状态区制2)时,对房地产市场几乎没有作用,但是在房地产市场处于“上行期”和“下行期”时作用明显(表4零假设②)。不过,货币供应量m2与7天平均同业拆借利率r7在“下行期”(状态区制1)和“上行期”(状态区制3)中对房地产市场的影响也存在差异,其中,货币供应量在“下行期”(状态区制1)和“上行期”(状态区制3)中对房地产市场都存在影响,并且在两种状态区制下对房地产市场的当期影响为负,而在之后的影响在状态区制3下通常为正,这说明当货币供应量增加时,在当期并不会对房地产市场产生刺激作用,其正向的刺激作用要在随后才逐步显现出来,具有一定的滞后特征。而7天平均同业拆借利率仅在“上行期”(状态区制3)中存在影响(表4零假设②),并且在当期就能够体现出对房地产市场的调控作用,不过随后的影响将会被削弱。另外,表4的零假设③与零假设④的检验结果表明,在“下行期”(状态区制1)和“上行期”(状态区制3),货币政策对房地产市场存在累积性影响,并且这种影响在“下行期”和“上行期”存在显著差异。


  其次,预期货币政策变动与非预期货币政策变动对房地产市场的影响也存在差异(表4零假设⑤)。具体而言,货币供应量的变动在“下行期”仅预期变动对房地产市场存在当期的负向作用,非预期变动对房地产市场没有显著影响;而在“上行期”,货币供应量的预期变动与非预期变动对房地产市场均存在显著影响,其中当期影响都为负,并且非预期变动的影响强度也高于预期变动的影响强度,预期变动对房地产市场随后的影响都为正,并且其累积影响显著大于零,而非预期变动对房地产市场随后的影响作用方向正负相间,但其累积影响显著小于零,如果假定预期变动与非预期变动具有相同大小,则货币供应量的变动在“上行期”总的累积影响也显著大于0,这也符合我们的预期和直觉,因此,虽然货币供应量作为货币政策中介目标对房地产市场的调控作用会受到其非预期变动的削弱影响,但是也能够达到预期目标。另外,利率水平的变动在“下行期”对房地产市场无显著影响,在“上行期”,利率水平的预期变动与非预期变动均对房地产市场有显著影响,其中预期变动的当期影响为负,符合我们的预期与直觉,但是非预期变动的当期影响为正,会削弱利率对房地产市场的调控作用,同时利率水平的预期变动虽然随后的影响为正,但是其累积影响显著为负,如果假定预期变动与非预期变动具有相同大小,则利率水平总的累积影响显著为正,进一步表明非预期的利率水平变动不仅大大削弱利率对房地产市场的调控作用,当非预期变动比较大时,其对房地产市场的作用方向可能与政策制定者的预期相反,因此利率对房地产市场的调控作用可能有限。这也可能是我国利率市场化水平较低造成的,另外的可能因素在于我国房地产市场的主要推动力是消费者的自适应性预期。


  上述讨论表明,当货币当局想采用货币政策来调控我国房地产市场时,也应该视不同的市场状态而采用具有针对性的措施。应主要采用以货币供应量M2为中介目标的货币政策来影响我国房地产市场,具体地,当我国房地产市场上涨过快,具有“泡沫化”倾向时,可以适当降低M2的增长率,考虑到货币政策变动不仅仅影响房地产市场,还影响到整个国民经济,如果我们很难用货币政策的微调方式来对房地产市场进行调控时,可适当采取税收等财政政策来引导房地产市场的发展。而当房地产市场处于“下行期”时,如果想提升房地产市场,我们的研究表明,货币政策的作用可能有限,此时也应多采取税收等财政政策或其他方式。更为重要的是,上述研究显示非预期货币政策变动会弱化货币政策对房地产市场的调控作用,因此货币当局在利用货币政策调控房地产市场时,应在一定的规则下实行,使得房地产市场的参与者能够准确预期货币政策的相应变化,这样货币政策对房地产市场的预期调控效果才有可能实现,否则,可能会进一步使房地产市场的发展偏离我们的预期。


  (五)稳健性检验


  稳健性分析主要从以下两个方面进行:一是为了减少异方差的影响,前文采用了相关变量的对数变动率,我们还进一步采用了一般的变动率计算方法(Xt-Xt-1)/Xt×100,其中Xt为相关变量,如国房景气指数、M2等,以避免变量计算方法所带来的偏误;二是为了避免变量选取所导致的偏误,对市场利率的代理变量选取30天月平均银行间同业拆借利率来进行计算。上述稳健性分析并未改变本文的基本结论,因此,可以认为本文研究结果是比较稳健的。


  五、结论与政策建议


  本文选取1999年1月至2013年5月期间的国房景气指数和相关货币政策变量的月度数据作为样本,运用马尔科夫区制转换模型识别了我国房地产市场的状态区制,并在此基础上,实证研究了我国货币政策在不同状态区制下,对房地产市场的非对称性影响。主要结论如下:


  一是我国房地产市场具有非线性特征和状态区制转换特征。本文通马尔科夫区制转换模型对我国房地产市场的状态区制进行分析时发现,我国房地产市场存在三种市场状态:“下行期”、“平稳期”和“上行期”。其中,“下行期”的平均持续时间为11.4个月;“平稳期”的平均持续时间为51.8个月;“上行期”平均持续期为2.4个月。另外,根据平滑概率对我国房地产所处状态区制进行划分发现,1999-2006年,我国房地产市场处于“平稳”上升期(上升幅度较小),而2007年以来,我国房地产市场短时期急速上涨,然后缓慢调整,继而又急速上涨。


  二是我国货币政策对我国房地产市场的影响存在非对称性效应。具体体现在以下方面:其一,货币政策在房地产市场处于“平稳期”时,对房地产市场几乎没有作用,但是在房地产市场处于“上行期”和“下行期”时作用明显;其二,预期的货币政策变动与非预期的货币政策变动对房地产市场的影响也存在差异,并且,非预期货币政策变动会弱化货币政策对房地产市场的调控效果。其中,货币供应量M2的调控作用虽然被削弱,但是其作用方向还符合政策制定者预期。而对利率而言,当非预期变动比较大时,其对房地产市场的作用方向可能与政策制定者的预期相反,因此,利率对房地产市场的调控作用可能有限。


  针对上面的结论,可以得到以下几个方面的启示:


  首先,我国房地产市场存在明显非线性和状态区制转换特征,人们可以根据状态区制转移概率和平均持续期等指标,对房地产市场处于何种状态区制做出准确判断,然后再做出相应的房地产消费和投资决策。


  其次,我国货币政策在不同的市场状态区制下,对房地产市场影响具有一定程度的非对称性效应,货币管理当局应根据我国房地产市场当前的真实状态区制,选择最合理的货币政策工具和中介目标,来对房地产市场施加影响,从而做到因时因地制宜,避免由于货币政策工具选择的盲目性而导致房地产市场的过度波动,由前文研究可知,预期的货币政策变动基本上能够达到相应调控目标,而非预期的货币政策变动可能将导致房地产市场过度波动,所以,具有一定规则、平稳可预期的货币政策将有助于维护我国房地产市场健康平稳发展。


  本文具有一定的局限性,可能存在如下研究拓展方向:一是本文未考虑货币政策对房地产市场的状态区制形成的影响,将来的进一步研究可考虑外生货币变量对状态区制的影响,即将转移密度视为货币政策的函数来进一步分析;二是本文对货币政策的预期变动与非预期变动的划分比较简单,进一步研究可考虑我国存在的特定货币规则,考虑不同的货币规则对房地产市场的相互影响。


核心期刊推荐