经济政策不确定性与房地产投资
内容提要： 中国房地产市场向来被称为“政策市”。房地产市场的波动受到经济政策的显著影响。理论上看，经济政策不确定性的上升并非等同于政策风险的增加，其对房地产投资的影响并不确定。基于边界协整检验的实证研究表明，在控制产出、利率和房价的影响后，经济政策不确定性会显著影响房地产开发投资和住宅投资，但出人意料的是，其对房地产投资的长期影响是正面的。在短期内，政策不确定性的波动会对房地产投资的增长有负面影响。进一步，财政政策、货币政策、汇率政策和贸易政策的不确定性对房地产投资的影响存在异质性。
关 键 词： 经济政策不确定性 房地产投资 房价
一、 引 言
房地产市场是一个受到政策影响非常大的市场。民间素有“政策市”的说法，即政策的变动决定了房地产市场的波动。在过去的十多年中，我们已经见证了中国房地产调控政策的几轮循环。除了传统的财政、货币和汇率政策外，政府还以土地所有者的身份控制着土地的出让数量和节奏，而“以土地谋发展”的地区增长模式导致地方政府深度参与了土地市场(刘守英，2012)，这导致中国房地产市场的“政策市”特征更为明显。
从2012年开始，在Baker等学者发布并更新各国的经济政策不确定性(Economic Policy Uncertainty)指数后(Baker等，2012)，关于经济政策不确定性影响的文献有了爆发式的增长。目前，对其的研究不仅涉及到投资、进出口、汇率等宏观经济变量，还涉及到油价、金价和股票市场等。不过，即便如此，具体涉及到房地产市场的仍然相当少见。在仅有的少量研究中，经济政策不确定性对房地产市场的影响主要集中在对房价的冲击(张浩等，2016；Choudhry，2018)。尽管房价是社会关注度更高的指标，但房地产投资对经济平稳增长的意义更大，且在限购限售限价限贷影响下，以新房平均销售价格表征的房价信息逐渐失真，房价未必是反映房地产市场形势的合适指标。为此，我们将目光转向房地产投资，具体研究经济政策不确定性对以房地产开发投资或住宅投资表征的房地产市场的影响。
房地产投资是固定资产投资的重要组成部分，统计数据表明，2018年的房地产开发投资占到固定资产投资的19%。房地产投资的稳定对中国经济的持续稳定增长非常重要。此外，中国的房地产投资与非房地产投资的波动并非高度正相关，尤其是2016年以来，二者的走势更是完全相反。这意味着笼统研究经济政策不确定性与企业投资的关系可能忽略了房地产投资的独特性，一些实证研究得出的经济政策不确定性抑制企业投资的结论未必适用于房地产投资。
袁安将吴耕抱在怀里，李离掐着他的人中穴，上官星雨将玉玦取下来，代替火把举在手里。吴耕醒过来，张着嘴，蠕动着嘴唇，却说不出话。看到三人着急的神色，他又伸手指向自己的双耳。在铺天盖地的花雨里，在他想起跟父亲一起重返他们的吴家垴桃花源之后，他到底想到了什么样的幻象，让他激动如斯，无法说，也无法听？
本文的创新之处在于，我们采用边界协整检验的方法来研究经济政策不确定性对房地产投资的影响，该方法的优势在于能够处理不同阶数的时序变量；同时，我们并没有采用Baker等人取自南华早报开发的中国经济政策不确定性指数，而是采用由香港浸会大学的陆尚勤和黄昀取自中国大陆10家报纸开发的经济政策不确定性指数(1) 这10家报纸是北京青年报、广州日报、解放日报、人民日报海外版、新闻晨报、南方都市报、新京报、今晚报、文汇报和羊城晚报。参见https:∥economicpolicyuncertaintyinchina.weebly.com/uploads/1/2/2/7/122762465/measuring_economic_policy_uncertainty_in_china.pdf。 (Yun Huang & Paul Luk，2019)，后者信息采集渠道更广泛，因而可能是衡量中国经济政策不确定性更好的指标。另外，该指数又具体细分为财政政策、货币政策、贸易政策和汇率政策不确定性，这有助于我们确认经济政策不确定性影响的主要来源，而现有的利用Baker等开发的经济政策不确定性指数的研究由于在数据来源上的缺陷，无法做到类似处理。
至于经济政策不确定性如何影响到房地产投资，从文献来看，直接研究二者关系的文献相当少见。已有文献认为房地产投资具有不同于非房地产投资的特征。例如，Leamer就认为“Housing is business cycle”(Leamer，2007)。那么经济政策不确定性是如何影响房地产投资的呢？一方面，如果经济政策不确定性与宏观经济波动直接关联，而宏观经济波动与房地产波动紧密相关(Iacoviello & Neri，2010; Mian & Sufi，2011)，这样政策不确定性就通过宏观经济渠道比如产出、就业或投资间接影响房地产投资。另一方面，房地产业作为资本密集型行业，政策的不确定性会通过前述的实物期权渠道直接影响到投资。房地产开发商可能会延迟投资决策以等待政策明朗。Christophe等(2018)对美国的实证研究表明，经济政策不确定性可直接影响房地产投资的回报率及其波动率而不仅仅是通过宏观经济层面和金融市场间接影响。
二、 文献综述
我们生活在一个充满不确定性的世界里。无疑，经济行为尤其是投资行为很容易受到不确定性的影响，但不确定性究竟是促进投资还是不利于投资，在理论探讨中并没有达成一致意见。从投资的实物期权视角来看，投资具有不可逆性，即投资大多数是不能回收的沉没成本。当存在不确定性时，投资者可以通过延迟投资决策以等待关于项目新信息的到来，这意味着不确定与投资的关系是负向的。另一种观点认为，不确定性会促进投资的上升。例如Hartman(1972)和Abel(1983)就认为价格不确定性的增加会导致企业增加投资。不确定性与投资关系不仅在理论上存在争议，大量的实证研究也因研究对象不同存在差异。总体上看来，大多数实证研究证实了在企业层面，不确定性和投资具有负向关系(Bulan，2005；Holland等，2000)。
对于经济政策不确定性与投资的关系同样有争议。Rodrik(1991)认为，政策不确定性类似于对企业未来沉重的赋税，这将降低企业投资；Gulen & Ion(2013)发现政策不确定性的上升导致了2008以来全球企业投资支出的下降。Aizenman & Marion(1993)则认为，较高的政策不确定性会改变资本边际成品的预期净收益。Hassett & Metcalf(1999)认为税收政策不确定性对投资的影响难以确定，影响方向在很大程度上取决于税收政策的波动模式。在实证方面，一些研究者发现经济政策不确定性的上升不仅会影响到企业的经营决策(Gulen & Ion，2012；Bradley等，2013)，还会影响到资产市场的风险溢价、波动幅度及其波动联动性(Pastor & Veronesi，2013)，更会影响到整个宏观产出、就业和居民消费(Bloom，2009；Bloom等，2013；Ferrara & Guérin，2018；Giavazzi & McMahon，2008)。在国内，得益于Baker等人联合发布的中国经济政策不确定性指数，实证研究从2014年开始也有了爆发性增长，大量基于企业尤其是上市公司层面的实证研究发现经济政策不确定性抑制了企业的投资(李凤羽和杨墨竹，2015；张成思和刘贯春，2018)。
本文的结构这样安排，第二部分是从文献综述的角度阐释经济政策不确定性对房地产投资的影响机制，第三部分是模型、假设与数据来源，第四部分是实证结果及其解读，最后是结论。
经济政策不确定性还可通过对房价这个中间变量影响到房地产投资。如果将住房看作是投资品，均衡的房价应该是未来租金的贴现。住房资本的贴现率或住房的持有成本(User Cost)等于折旧加上维护成本再加上名义利率减去预期房价上涨率(如果考虑房贷利息抵税或房产税，使用成本公式会有变动)。我们会发现，经济政策的不确定性会影响到持有成本的每个部分，最终会影响房价。这包括预期未来的房价变动率直接受到政策不确定性的影响。如果政策不确定性影响到收入、税收、利率、信贷或各种住房市场的管制、以及预期，这些都会影响到房价。在国内外实证研究方面，张浩等(2016)利用该指数研究了经济政策不确定性与国内房价波动之间的关系，发现较高的政策不确定性会加剧房价的波动。Choudhry(2018)研究了经济政策不确定性与英国英格兰和威尔士房价的关系，发现包含政策不确定在内的诸多变量与房价存在稳定的协整关系，并且政策不确定性无论是长期还是短期对房价的影响都是负面的。Strobel等(2017)对美国的研究也发现经济政策不确定性的冲击会降低房价。而房价通过托宾q 渠道和资产负债表渠道影响房地产投资(Barot & Yang,2002；Jud & Winkler，2003)。
HP1为商品房平均销售价格，另外，我们还计算了住宅的平均销售价格(HP2)。除EPU外，所有数据来自于中国经济信息网。所有变量的描述性统计见表1。
不过，政策不确定性的上升是否只是会减少房地产投资呢？也有研究者认为，房地产作为投资资产标的实际上与其他类别资产处于竞争之中，如果其他类别资产的投资需求对风险的上升更为敏感，则当政策不确定性上升时，对房地产这种普遍视为“安全资产”的需求反而有可能上升，相应的房地产投资自然也会增加(El-Montasser等，2016)。
与方程(2)等价的反映短期动态的误差修正模型估计结果如表4所示。其中，模型1和模型2因变量为房地产投资；模型3和模型4因变量为住宅投资。模型1和模型3自变量包括房价。由于模型1和模型3协整关系存疑，我们主要以模型2和模型4来分析相关变量对房地产投资的短期影响。
三、 实证模型与数据
1. 实证模型
从文献综述中可以看出，经济政策不确定性(以下简称EPU)对房地产投资的影响既可能是正面的，也可能是负面的。在此，我们以房地产开发投资或住宅投资作为因变量，考察EPU的变动对房地产开发投资的影响。基本实证模型为：
Log(RI)=α +β 1log(GDP)+β 2log(EPU)+β 3RATE+β 4log(HP)+μ
(1)
其中，RI代表房地产投资，GDP代表产出，RATE代表利率，HP代表房价。所有变量皆为实际变量。根据投资的乘数—加速数原理，产出的增加也会带来投资的增加。同理，利率作为投资的成本，也应该对投资具有重要影响。除此之外，房价作为代表房地产市场景气程度的关键指标，会显著影响居民资产未来资本收益预期，更高的房价将会降低住房持有成本从而增加住房投资。根据投资的托宾q 模型，房价的上涨也会促使相对于重置成本，投资的回报率上升，这会促进投资的增加。另外，我们在模型中没有添加住房资本存量数据，理论上，作为流量的房地产投资是住房资本存量的减函数，在短期内，当住房存量给定时，资产价格必须调整以保证住房需求和住房存量相等。更高的住房存量使得房价有下降的压力，这样会降低住房投资。
考虑到上述诸多变量都是I(1)变量，而另一些变量是I(0)变量，我们放弃了传统的回归方法。由于传统的协整检验如E-G两步法、J-J多变量协整检验都要求变量同阶。对于不同阶的变量之间的长期和短期关系基本上束手无策，而由Pesaran(2001)开发的ARDL边界协整检验能够很方便地处理不同阶变量，该方法的好处是既可分析变量之间的长期关系，也可以通过误差修正模型分析变量之间的短期动态关系。同时，该方法对小样本数据的估计非常有效。即使解释变量有内生性，该方法也可使用。方程(1)的误差修正形式为：
本文关注的核心解释变量EPU。Baker等人开发的EPU指数在很大程度上巧妙地解决了奈特的问题。既然不确定性难以测量，不如直接统计各种关于不确定性的新闻报道，并统计其频数分布然后转化为不确定性指数。这种测算方式类似于幸福经济学研究中直接问受访者是否幸福，而不在幸福的界定上继续纠缠。该指数目前得到了广泛应用，并按月更新；需要说明的是，它衡量的只是经济政策的不确定性，并不能完全表征不确定性。此外它并不完全代表政策风险。该指数也存在诸多问题，有研究者指出，南华早报更倾向于报道与香港经济有关的消息。同时，完全采自一家报社的文本挖掘更容易受到媒体偏误或报社立场的影响。另外由于政策指数完全来自一家消息源，也很难建立不同类别的政策不确定性指数。为此，香港浸会大学的Yun Huang和Paul Luk(2018)开发了汇集中国大陆10家主要报纸的中国大陆经济政策不确定性指数。如图1所示，EPU1表示由Baker等人开发的不确定性指数，EPU2表示由Huang和Luk开发的不确定性指数。两种指数的走势在几个不确定性的高峰时刻基本相同但总体走势并非完全一致，比如2018年年底二者就对经济政策不确定性的判断有很大差异。二者的相关系数为0.481，并非高度相关。同时可以发现在2008年之后，EPU2水平值明显上升，且波动幅度变大；而EPU1只能看到波动幅度变大。在Huang和Luk的说明文章中，两位作者构建的SVAR模型检验表明中国大陆宏观经济变量与EPU2之间的关系更为敏感，相反，EPU1的变动对中国宏观经济的冲击并不显著。为此，本文的实证研究将主要采用第二种EPU。
β 1log(RIt-1 )+β 2log(GDPt-1 )+β 3log(EPUt-1 )+
β 4RATEt-1 +β 5log(HPt-1 )+μ
(2)
2. 数据来源
我们选取的数据是从2000年以来的季度变量，之所以选择季度变量，很大一个原因在于GDP没有月度数据，同时中国的房地产开发投资月度数据中，每年的1月数据照例是缺失的，这个数据会累计到2月公布的数据中。除房地产投资变量外，其他房地产市场的月度数据比如房价、住宅投资、新房开工面积、土地购置面积等皆是如此。因此，本文在数据处理过程中，将其转化为季度变量。
对于EPU、利率和房价这种月度数据，我们采用三个月的平均值作为该季度的相应值。而房地产开发投资、GDP则采用三个月的累计值。由于房地产开发投资和GDP具有明显的季节性，我们采用X-12方法做了季节处理。
在总体水平上,物质追求维度得分最高，这可能和学生的生源地来源及其家庭经济水平低有紧密的联系。黄星、刘霞等人的研究也证实了这一点 [5,6]。
3. 经济政策不确定性度量
“从农民需求出发办节目，用农民熟悉的表达方式办节目，用农民易于接收的渠道传播节目”。作为传播“三农”政策的重要平台，农广人在办节目时心里应该装着农民，眼睛关注农民，行动爱护农民，多走到农村、走进农田，与农民交朋友，让整个频率都散发出芬芳的泥土气息，把根深深地扎进广袤的大地，把触角伸向田间地头，把服务送到农家院里，把党和政府的关怀与温暖传递到农民心中，用节目和文艺作品滋润田野沃土，让农民喜欢到不离不弃。
表3模型(2)的长期关系的估计结果显示，F统计量为11.656，高于1%的临界值。同时检验β 1=0的t统计量为-5.858，也高于1%的临界值-3.97。这表明这些变量之间存在稳定的长期关系。长期关系的估计结果表明，产出和实际利率对房地产开发投资的长期影响并不显著，但EPU对其影响高度显著并为正。
表1 变量的描述性统计(2000年1季度-2018年4季度)
图1 两种经济政策不确定性指数的波动(2000年1月-2018年12月)
四、 实证结果
1. 单位根检验
在进行ARDL边界协整检验之前，需要判断变量是否平稳。本文采用传统的ADF单位根检验来判断数据的平稳性，检验结果如表2所示。检验结果表明，房地产开发投资(RI)、住宅投资(HI)、GDP、经济政策不确定性(EPU)属于I(1)变量、而实际利率(RATE)、实际商品房销售价格(HP1)、实际住房销售价格(HP2)属于I(0)变量。对于实际房价也属于I(0)变量有点出人意料，我们采用其他检验方法如DF-GLS、PP单位根检验也发现本文中的实际房价属于趋势平稳的I(0)变量。
成本管理是一门花钱的艺术，如何将每一分钱花得恰到好处、将企业每一种资源用到最需要它的地方，是企业在新的商业时代共同面临的难题。麦肯锡曾这样评价中国企业：成本优势的巨人，却是成本管理上的侏儒。企业尚且如此，更何况中国的公立医院，不少院长甚至连财务报表都看不懂，何谈成本管理？
2. ARDL协整检验与长期关系
首先我们对方程(2)中的水平序列的滞后项进行F检验以确定其显著性，从而判断变量间是否存在长期稳定关系。其中原假设为β 1=β 2=β 3=β 4=β 5=0。如果我们能在一定的显著水平下拒绝原假设，则可以判断变量间存在协整关系，并可以进一步利用误差修正模型建立短期影响关系。根据Pesaran提供的两套临界值，如果我们计算的F统计量比I(1)的上限临界值高，则表明变量间存在协整关系。同时，更稳健的检验还需要考虑检验β 1是否为0。对于β 1的检验无法直接用(2)式回归中给出的p 值判定，而需要比较相应的t统计量和临界值。计算结果表明，方程(2)中检验协整关系的F统计量为13.362，相应的5%的临界值为3.48，1%的临界值为4.84，这表明在1%的显著水平下我们可以拒绝原假设。但是在对β 1=0的t检验，最低5%的临界值为-3.6，这表明只看F检验来判断这5个变量之间存在长期关系是可疑的。为此，我们删掉了房价变量，更改了模型(2)，只考虑房地产开发投资、GDP、经济政策不确定性和利率这四个变量的关系，相应的结果如表3中模型2所示。
雄性清洁级SD大鼠,体重250±20g,由黑龙江中医药大学实验动物中心提供,许可证号:SCXK鲁20140001。在安静环境下适应性饲养1周,室温22±2℃,相对湿度55%-60%。给予充足清洁饮水,自由摄食。
表2 ADF单位根检验结果
注：在单位根检验中，除利率外，所有水平值的检验形式都包含截距项和趋势项。一阶差分检验形式只包含截距项。
表3 房地产投资的ARDL长期关系估计结果
注：***、**和*分别表示在1%、5%和10%的统计水平上显著； 括号内为标准误。表5同。
进一步，本文采用住宅投资作为因变量，重现了上述过程。具体估计结果如表3模型3和模型4所示。对于模型3中的房价实为住宅销售价格。模型诊断检验结果与房地产开发投资的分析如出一辙，即无法确认5个变量之间有长期稳定关系，但能确认4个变量之间有长期稳定的关系(3) 模型(3)F边界检验中F统计量为10.931，5%的临界值为3.48；t边界检验t统计量为-2,927，5%的临界值为-3.6。模型(4)F边界检验中F统计量为5.933，5%的临界值为3.63；t边界检验t统计量为-4.372，5%的临界值为-3.6。 。从表3模型4的估计结果可以看出，经济政策不确定性对住宅投资存在显著的正向影响。
另外，表3还给出了模型稳定性检验的结果。由于样本期间经济结构可能发生变化，尤其是在图1中可以看到，EPU2明显在2008年之后均值出现了上升。我们采用文献常用的Cusum和Cusumsq检验来确认各变量系数的稳定性。检验结果表明，相关统计量均在5%显著性水平下的临界区间内。
3. 短期动态关系
迄今为止，我们基本上将不确定性与风险等同看待，但如果严格按照奈特的解释，不确定性其实是难以度量的，我们甚至不知道可能发生的各种情况遑论概率分布(2) 奈特在其名著《风险、不确定性和利润》中区分了风险和不确定性，认为风险可以测量可以分散，但不确定性无法用概率描述，它来自于经济结构中无法预见的变化。 。按照奈特的解释，在一个一成不变的世界中，企业其实是没有利润的甚至企业的存在本身也是为了应对不确定性。房地产投资的前景当然面临着政策不确定性，但政策不确定性的上升与风险上升并非完全等同，尤其是利用经济政策不确定性指数的诸多实证研究将经济政策不确定性的上升等同于风险上升。另外，即使完全不考虑中国房地产投资的特殊性，经济政策不确定性对房地产投资的影响也并非确定。如果考虑到国内房地产市场的特色，比如预售制度、新房主导、土地垄断、刚性泡沫(朱宁，2016)等，短期的政策不确定性的变动估计很难抑制房地产投资。所以，确定二者之间的关系可能还是要依靠实证研究来回答。
作为一名合格的审计工作人员一定要意识到自己的责任是非常重大并且带有一定风险的，这就需要审计工作人员一定要在思想上提高警惕，对工作始终专一，一定要将职业谨慎和专业怀疑当作执行审计业务的立身根本，对待事情还要遵循实事求是的态度。审计工作人员坚持具备职业谨慎和专业怀疑能够在很大程度上迅速地发现舞弊的存在，从而有效地减少舞弊现象的发生。针对当前会计师事务所发展现状的分析，依然存在部分审计工作人员没有形成良好的工作态度，没有树立一种职业谨慎和专业怀疑习惯，因此相关管理人员一定要加强对审计工作人员的培训和教育，提升自身的专业性技能和职业观念。
表4 房地产投资的ARDL-ECM短期关系估计结果
(续表)
注：***、**和*分别表示在1%、5%和10%的统计水平上显著；括号内为标准误。为精简表格，模型3和模型4对应的ΔlnRI为住宅投资的对数差分，ΔlnHP代表住宅价格的对数差分。
以房地产开发投资为例，从表4模型2的估计结果可以看出，在短期内，ΔlnGDP的系数显著为正，这表明经济增长率的提高在短期会显著促进房地产开发投资。ΔlnEPU的系数为正但不显著，但其滞后变量从滞后一阶到滞后三阶都显著为负，这表明在短期，EPU的波动会对房地产开发投资的增长有负的影响。ΔlnRATE表示的利率波动的系数为负值，其对房地产开发投资增长的影响也符合预期。
从误差修正项ECMt-1的系数来看，模型2和模型4的系数都显著为负值，这符合反向误差修正机制，即对偏离长期均衡的变量间关系在每一期会有一个修正，这也从另一个角度证实了变量间存在协整关系。
叶红伟不光是种沙葱，也种锦绣海棠，种元宝枫，种文冠果。如今，他成了科尔沁沙地上的名人。电视台记者拿着话筒采访他，他摆摆手说：“没什么好说的，沙子不固住，说啥都没用。”
4. 经济政策不确定性影响的异质性
如前所述，EPU2不仅衡量了综合的经济政策不确定性，还给出了经济政策不确定性的类别，将其细分为财政政策、货币政策、汇率政策和贸易政策。这为我们进一步研究究竟是何种政策的不确定性影响房地产投资打开了方便之门。最终的估计结果如表5所示。
用户权限管理——系统管理员可以对系统包含的角色和权限进行管理，如查看系统所包含的所有权限、添加删除权限、添加删除角色、给角色添加删除权限等。
从表5的估计结果可以看出，在四大经济政策不确定性中，起决定作用的还是财政政策与货币政策的不确定性。检验结果表明，这两种政策的不确定性对房地产开发投资的长期影响都显著为正值。对于汇率政策和贸易政策而言，一方面我们发现Cusum和Cusumsq递归检验表明结构并不稳定，另一方面反映长期关系的系数并不显著。这表明经济政策不确定性对房地产投资的影响存在政策异质性。为节省篇幅，不同政策对房地产开发投资的短期影响不再给出。
表5 各类政策不确定性对房地产开发投资的长期影响
五、 结 论
房地产投资的波动事关中国经济持续稳定增长的大局。由于经济政策不确定性并非一定意味着风险的上升，即使意味着风险上升，在资产的竞争和投资者选择中，房地产投资仍然可能胜出。
基于2000-2018年中国季度数据的实证研究表明，房地产开发投资或住宅投资与经济政策不确定性存在显著的正向关系，这意味着在长期，经济政策不确定性的增强反而促进了房地产投资。在短期，不出意外，其影响是负面的。另外，财政政策和货币政策的不确定性作为经济政策不确定性的主要组成部分，对房地产投资的长期影响也是正面的，而汇率政策和贸易政策不确定性的影响存疑。
河北阎潇家政服务有限公司总经理阎潇表示，河北的家政人员在京津市场优势很多：一是普通话好，交流方便；二是地缘相近增加了信任感，雇主比较放心；三是河北人朴实勤快，干活利落。“姐妹们一定要大胆参加培训，对自己有信心，河北家政服务人员在京津很受欢迎。”阎潇在培训班上说。
但这种长期的正面影响是值得警惕的，如前所述，这意味着在长期，人们似乎把房地产作为一个投资的安全港湾和避险工具。越是对未来政策看不清或不知道其概率分布，人们越期望通过对这种安全资产的投资和持有来获得保值增值，这给政府的调控出了一个难题。如果非房地产投资下行而房地产投资在上升，宏观经济周期与房地产周期并不同步，货币当局需要引导市场实际利率下行以降低融资成本促进实体经济发展，但这又无疑会进一步刺激房地产投资从而威胁到金融稳定大局。从本文的实证结果来看，降低经济政策的不确定性有助于房地产投资的稳定。同时，通过构建货币政策和宏观审慎管理的双支柱调控框架，形成以因城实施差别化住房信贷政策为主要内容的房地产金融宏观审慎政策将有助于金融稳定。
参考文献：
1. Aizenman, J., and N. P. Marion. Policy Uncertainty，Persistence and Growth. Review of International Economics ,1993,1(2):145-163.
2. André, C., L. Bonga-Bonga, R. Gupt, and J. W. M. Mwamba. Economic Policy Uncertainty, US Real Housing Returns and their Volatility: A Nonparametric Approach. Journal of Real Estate Research , 2017,39(4)： 493-513.
3. Abel, A. B. Optimal Investment under Uncertainty. American Economic Review ,1983,73：228-233.
4. Baker, S., N. Bloom, and S. Davis. Measuring Economic Policy Uncertainty. The Quarterly Journal of Economics ,2016,131：1593-1636.
5. Barot, B., and Z. Yang. House Prices and Housing Investment in Sweden and the United Kingdom. Review of Urban and Regional Development Studies , 2002,14(2):189-216.
6. Bloom, N. The Impact of Uncertainty Shocks. Econometrica , 2009,77(3):623-85.
7. Bulan, L.T. Real Options, Irreversible Investment and Firm Uncertainty: New Evidence from U.S. Firms. Reviews of Financial Economics , 2005, 14:255-279.
8. El-Montasser, G., A. N. Ajmi, T. Chang, B. D. Simo-Kengne, C. Andre, and R. Gupta. Cross-Country Evidence on the Causal Relationship between Policy Uncertainty and House Prices. Journal of Housing Research , 2016, 25(2)：195-211.
9. Ferrara, L., and P. Guérin. What Are the Macroeconomic Effects of High-Frequency Uncertainty Shocks?. Journal of Applied Econometrics, 2018.
10. Giavazzi, F., and M. McMahon. Policy Uncertainty and Precautionary Savings. NBER Working Paper，2008，No. 13911，https:∥www.nber.org/papers/w13911.
11. Gulen, H., and M. Ion. Policy Uncertainty and Corporate Investment. Working paper，2012，SSRN.
12. Hartman, R. The Effects of Price and Cost Uncertainty on Investment. Journal of Economic Theory , 1972, 5:258-266.
13. Hassett, K. A., and G. E. Metcalf. Investment with Uncertain Tax Policy: Does Random Tax Policy Discourage Investment? The Economic Journal , 1999, 109(457)：372-393.
14. Holland, A.S., S.H. Ott, and T. J. Riddiough. The Role of Uncertainty in Investment : An Examination of Competing Investment Models Using Commercial Real Estate Data. Real Estate Economics , 2000, 28:33-64.
15. Iacoviello, M., and S. Neri. Housing Market Spillovers: Evidence from an Estimated DSGE Model. American Economic Journal :Macroeconomics , 2010, 2:125-64.
16. Jud, G. D., and D. T. Winkler. The Q Theory of Housing Investment. Journal of Real Estate Finance and Economics , 2003, 27 (3):379-392.
17. Leamer, E. Housing IS the Business Cycle. NBER Working Papers 13428，No.13428，2007，https:∥www.nber.org/papers/w13428.
18. Mian, A., and A. Sufi. House Prices，Home Equity-based Borrowing，and the U.S. Household Leverage Crisis. American Economic Review , 2011, 101:2132-56.
19. Pastor, L., and P. Veronesi. Political Uncertainty and Risk Premia. Journal of Financial Economics ,2013, 110:520-45.
20. Pesaran, M. H., Y. Shin, and R. J. Smith. Bounds Testing Approaches to the Analysis of Level Relationships. Journal of Applied Econometrics , 2001, 16(3):289-326.
21. Rodrik, D. Policy Uncertainty and Private Investment in Developing Countries. Journal of Development Economics , 1991,36(2):229-242.
22. Strobel, J., B. Thanh, and G. Lee. Effects of Macroeconomics Uncertainty and Labor Demand Shocks on the Housing Market，2017，http:∥www.bgpe.de/texte/DP/170_LeeNguyenThanhStrobel.pdf.
23. Huang, Y., and P. Luk. Measuring Economic Policy Uncertainty in China，2019，https:∥economicpolicyuncertaintyinchina.weebly.com/.
24. 富兰克·H·奈特著：《风险、不确定性和利润》，中国人民大学出版社2018年版。
25. 刘守英：《以地谋发展模式的风险与改革》，《国际经济评论》2012年第2期。
26. 张成思、刘贯春：《中国实业部门投融资决策机制研究——基于经济政策不确定性和融资约束异质性视角》，《经济研究》2018年第12期。
27. 张浩、李仲飞和邓柏峻：《政策不确定、宏观冲击与房价波动》，《金融研究》2015年第10期。
28. 朱宁著：《刚性泡沫》，中信出版社2016年版。
中图分类号： F293.3
文献标识码： A
文章编号： 1009-2382(2019)11-0013-08
作者简介： 赵奉军，杭州师范大学阿里巴巴商学院副教授(杭州 311121); 骆祖春,江苏省社会科学院研究员(南京 210004)。
[责任编辑：李 慧]
标签：经济政策不确定性论文; 房地产投资论文; 房价论文; 杭州师范大学阿里巴巴商学院论文; 江苏省社会科学院论文;