·金融与保险·
货币政策对房地产金融风险的影响研究
——基于SVAR模型与门槛模型的实证分析
周建军，孙倩倩
(湘潭大学 商学院，湖南 湘潭 411105)*
摘 要： 基于主成分分析方法，利用SVAR模型和门槛模型，考量货币政策对房地产金融风险的影响。实证结果表明：货币政策调整会对房地产金融风险产生冲击；M2增长率与房地产金融风险间存在双向因果关系，同业拆借利率和准备金率与房地产金融风险间存在单向因果关系；货币政策冲击对房地产金融风险的影响在不同房价水平上具有非对称性。以货币政策调控时应注意斟酌损益，避免此消彼长，加剧房地产金融风险。
关键词： 货币政策；M2增长率；同业拆借利率；存款准备金；房地产金融风险
一、引 言
因房地产市场非正常运行导致的金融危机在世界范围内已屡见不鲜，如十七世纪荷兰的“郁金香热”、二十世纪八十年代的日本房地产市场危机、九十年代的东南亚金融危机，以及2007年末的美国次贷危机。这些典型案例中，房地产市场剧烈波动不仅给本国金融体系造成了巨大的负面冲击，同时还会通过金融和国际贸易渠道传染扩散至其他地区，形成区域性金融风险，甚至是全球性的金融震荡。这为世界各国敲响了警钟，促使各国重新审视货币政策与房地产市场甚至是与整个宏观经济体系间的关系。房地产部门是我国金融风险的主要来源[1]，自2016年以来，强监管、大高压的金融防风险态势不断蔓延，房地产金融风险的防控成为宏观经济管理的重要环节。2018年中国人民银行工作会议上进一步提出要加强房地产金融宏观审慎管理，从更大的层面和维度去维持房地产业、房企、房贷、金融机构的稳定，防止房地产企业的风险蔓延。
货币政策作为我国经济领域常用的宏观调控手段，在经济的稳定发展中发挥着重要作用。那么货币政策的调整会对我国房地产金融风险产生何种影响？经济发展中又该如何灵活地运用好政策工具以有效防控房地产金融风险？这些问题对于当前处于稳增长、调结构攻坚阶段的我国来说至关重要。本文从我国现实国情出发，探讨货币政策变动对房地产金融风险的影响，这对宏观政策调控与房地产金融体系的稳定发展具有重要的现实意义。
二、文献综述
已有关于货币政策与房地产市场相关性的研究大多围绕房价展开，而房价也是导致房地产金融风险的重要因素，因此，本文从货币政策的有效性及其经济效应、货币政策对房价的影响和房地产金融风险三个方面梳理现有文献。
2.14 标题层次 根据GB1.1-87《标准化工作导则 标准编写的基本规定》，标题层次采用阿拉伯数字连续编码，两个数字符号之间加下圆点相隔，最末数字后面不加标点。标题层次划分一般不超过4节，4节不够时，可将层次再细划分。第一级标题为1，第二级标题为1.1，第三级标题为1.1.1，第四级标题为1.1.1.1。各级标题序号均顶格书写，序号后空一字空再写标题或具体内容。示例:
货币政策是我国宏观经济调控中的常用方法，其有效性与经济开放度[2]、流动性[3]等多种因素相关，并且不同政策工具调控效果存在差异[4]。我国金融领域的发展起步较晚，发展速度快但基础仍较为薄弱，影子银行的迅猛发展加剧了经济波动与我国金融体系的风险[5]，而货币政策冲击是导致中国影子银行信贷波动的主要驱动力，通过资本充足率约束推动影子银行融资规模的逆周期变动，间接降低了货币政策的有效性[6]。此外，宽松的货币政策会刺激银行等金融机构降低贷款审批门槛，加剧银行所面临的风险，因此中央银行在利用货币政策进行宏观调控时，应采用诸如逆周期资本调节等措施以抵消银行金融风险扩张的影响[7]。
随着我国房地产业的迅速发展，关于货币政策影响房地产市场的研究与日俱增。货币政策是影响我国房价波动的重要因素，宽松的货币政策会助推房地产市场的蓬勃发展[8]，但这一影响具有显著的区际差异化特点[9]。盯住真实房价的货币政策能够显著降低住房价格波动，并通过金融加速器机制降低经济波动和福利损失[10]，因此货币政策的制定过程中应充分考虑房价的变动，以维护政策的连续性及经济的稳定性[11]。
1.格兰杰因果检验。因各变量原序列不平稳，本文将原序列进行一阶差分变换后进行因果检验，检验结果如表6所示，货币供应量增长率与房地产金融风险卡方统计量均能在5%的显著性水平下拒绝不存在因果关系的原假设，表明二者间存在双向因果关系；银行间同业拆借利率和金融机构存款准备金对房地产金融风险仅存在单向因果关系。这也与前文中利用VEC模型分析得出的结论相吻合，表明前文的分析是可靠的。同时也应该注意到，由于货币供给调整与房地产金融风险二者之间会产生累加效应，货币供应量的增加将导致短期内房地产金融风险水平迅速积聚，因此调整货币供给量的宏观调控政策在实施中应仔细斟酌，避免此消彼长，加剧房地产金融风险。
2003年底，兰州石化46万吨大乙烯筹建，董松江被调到了项目部。在工程建设期间，审阅资料、指导员工配合工程建设，几天几夜不回家是经常的事，他说，自己是劳模，最不愿意听到别人说什么，只有更加苛求自己。2006年11月20日，大乙烯建成投产，创国内乙烯建设、开车、安全等3项新纪录。董松江说，一生能够有这样一次经历，觉得很满足也很荣耀！
我国的房地产业和金融体系构建起步较晚，因此房地产金融的发展中暴露出诸多问题，通常而言，房地产金融风险来自宏观政策层面、房地产企业层面、金融体系层面以及家庭层面等七个方面[12]，成善栋和徐红(2010)进一步将我国房地产金融风险归纳为土地储备贷款存在的隐性风险、房地产开发贷款风险[13]、个人住房消费贷款违约风险以及房地产金融的宏观信用风险[14]。现有研究表明，地方政府土地财政[15]、银行体系“主场效应”造成的资本市场抑制[16]、住房空置[17]、扩张性的宏观调控政策[18]等因素均会对房地产金融风险造成冲击。
由于各变量水平值不平稳，同时又考虑到货币政策与房地产金融风险间存在长期的均衡关系，本文利用VEC模型进行估计，估计结果不能拒绝残差“无自相关”的假设和“正态性”的原假设；稳定性检验中，除模型自身假设的单位根，伴随矩阵中所有的特征根均位于单位圆内，表明该模型是稳定的③。误差修正方程估计结果如表5所示，货币供应量增速修正系数不显著，表明货币供应量变动对房地产金融风险不存在修正机制，只能借由其他途径达到长期均衡，银行间同业拆借利率和存款准备金率对房地产金融风险存在显著的修正机制，二者会促进房地产金融风险逐步收敛至长期均衡水平。
三、房地产金融风险的测度
房地产业是典型的资金密集型行业，资金需求大且开发周期长，同时在房地产从开发到销售的整个过程中涉及部门众多，因而房地产金融风险是由多方共同作用衍生而来的。本文在借鉴以往关于金融稳定性相关研究的基础上[19]，依据有效性、可获得性原则，分别从政府、金融机构、房地产企业以及家庭四个层面构建房地产金融风险水平的评价指标体系。具体指标选取及计算方法如表1所示。本文选用样本期为2004年第4季度至2018年第3季度的季度数据进行分析，样本跨度为15年，基本涵盖了我国房地产市场发展的过程，数据均来源于国家统计局和WIND数据库。
y t =Γ 1y t-1 +…+Γ p y t-p +u t
儿子对爸爸说，喜欢对门美女，爸小声对他说：那是你同父异母的妹妹，只能做朋友。儿子又说，喜欢隔壁的女孩，爸又说：“那是你另一个同父异母的妹妹,千万别对你妈说。”儿子哭着对妈妈说了，妈妈安慰他：“你喜欢谁就娶谁，你根本不是你爸的儿子。”
作用在卷筒上的循环动态载荷如图15所示，由于该载荷谱的平均应力不等于零，一般需要将该载荷谱转换为对称循环(使其平均应力等于零)，这样便可以利用标准试样的S-N曲线预测卷筒结构的疲劳寿命。而Goodman曲线为简单的直线形式，且其计算结果偏于保守，所以本文采用Goodman来修正具有不同平均载荷的载荷谱[15]，交变载荷修正公式为:
表1 房地产金融风险评价指标体系
表2 主成分分析结果
四、实证分析
(一)变量选择及数据来源
本文探索研究货币政策对房地产金融风险的影响，选取如下变量进行分析：参考冯科(2011)[20]的研究，选取M2同比增长率(m2r)、30天银行间同业拆借加权平均利率(ibor)和金融机构存款准备金(rrr)作为数量型和价格型货币政策的代理变量，数据来源于中国人民银行；房地产金融风险指标(refs)由前文计算而得。变量的描述性统计结果如表3所示。
表3 变量的描述性统计结果
(二)单位根检验与协整检验
正式分析前，本文利用ADF检验对上述变量进行单位根检验以确定各变量平稳性状况，检验结果如表4所示，各变量水平值均不平稳，变量的一阶差分均能在5%的显著性水平下显著。为避免伪回归，需对上述变量进行协整分析。根据AIC值和SC值，将滞后阶数定为2，Johansen协整检验结果表明，各变量间至少存在一组长期稳定关系，可进行进一步的分析。
11月1日-11月5日，农资行业一场精彩纷呈的游学大会强势上演，金丰公社2019年首届事业合伙人游学会，“1个目标、2省跨越、3地取经、4天征程、10处观摩点近千余人”的游学之旅取得圆满成功！
表4 ADF单位根检验结果
(三)估计结果及分析
本文相较于以往研究将重点放在以下几个方面，力求为宏观调控政策的制定和构建房地产市场的长效健康发展机制做出贡献：(1)从政府、金融机构、房地产企业和家庭四个方面入手，构建房地产金融风险测度的指标体系，利用主成分分析方法对房地产金融风险水平进行测度，以备为后文分析；(2)在利用VEC模型分析货币政策变动与房地产金融风险两者间关系的基础上，利用格兰杰因果检验进行稳健性检验，并通过构建SVAR模型和门槛模型分析两者间的同期结构关系和非对称效应。
表5 VECM估计结果
注：括号内为标准误，*** p<0.01, ** p<0.05, * p<0.1，下同。
Ay t =AΓ 1y t-1 +…+AΓ p y t-p +Au t
分别来看，给定一单位银行间同业拆借利率(存款准备金率)冲击，房地产金融风险自当期开始呈下降趋势，最终稳定在均衡水平，究其原因，两率的提高会导致货币供应量收紧，房地产开发成本和投资成本升高，遏制房地产开发投资扩张，这一方面会降低整体的金融杠杆水平与贷款在房地产开发利用资金中的比重，从而抑制房地产金融风险；另一方面，由于房地产开发成本增加，房地产供给减少，有利于推进房地产去库存进程，促进房地产企业资金回流，放松企业的信贷约束，进而降低房地产金融风险。给定一单位货币供给量增长率正向冲击，房地产金融风险先小幅上升而后下降，最后恢复至原有水平。目前，房地产在我国担当着重要投资品的角色，因此，货币供给的增加会导致大量资本涌入房地产市场，房地产开发投资增加，拉高各部门的金融杠杆，房地产金融风险水平提升；此外，货币供应增长率的升高会驱动通货膨胀率的提升[21]，推升房价，进一步促进了房地产投机与投资需求增加，加剧房地产金融风险。
图 1 VECM正交化脉冲响应函数图
(四)稳健性检验及进一步分析
前文中，考虑到变量原序列的非平稳性以及宏观变量间存在的长期协整关系，本文构建了货币政策与房地产金融风险的VEC模型，但该方法还存在三个缺陷：一是作为VAR模型的变形，只能表明变量间存在长期稳定的相关关系，却不能明确其因果关系；二是该模型着重分析了变量间的跨期相关性，忽略了变量间的同期影响；三是货币政策对资产价格具有明显的非对称效应[22]，而房价是引起房地产金融风险的重要因素，因此货币政策调整在不同房价水平下对房地产金融风险状况的影响可能存在差异。基于上述问题，进行如下稳健性检验及进一步分析：(1)格兰杰因果检验。格兰杰因果检验是检验变量间因果关系的常用方法，本文利用该方法深入探究货币政调整与房地产金融风险间的因果关系，验证前文结论的可靠性。(2)构建SVAR模型。本文通过绘制各变量间的相关性波动图(如图2所示)发现，各变量在当期均具有较高程度的相关性，因而很可能存在即期影响，SVAR模型能很好地捕捉到内生变量间的同期相关性，因此本文构建货币政策与房地产金融风险间的SVAR模型进行深入分析。(3)非对称效应检验。本文通过构建门槛模型，以房价为门槛变量对这一影响的非对称效应进行检验。
图 2变量间相关性波动图
二、田间工程建设。可在田块四周开挖宽2m深1m的环沟，在沟中每隔10～20m设一投饵台，投饵台用木板制作，与水面平齐，一边略向上倾斜。食台四边要光滑，以便甲鱼上下活动而不划伤。
2.基于SVAR模型的分析。本文利用SVAR模型货币政策与房地产金融风险的关系进行深入分析。SVAR模型亦是由VAR模型演化而来：
移项整理得到：
在构建了以上评价指标体系的基础上，本文利用主成分分析方法将多维指标转化为综合指标，主成分分析结果如表2所示②。由表2可知，前4个主成分的累积贡献率已达到86.29%，故本文选取前4个主成分测算房地产金融风险(refs)指标。
(1)
其中，y t 为M×1向量，u t 为简化式扰动项，允许同期相关。在方程两边分别左乘非退化矩阵A：
本文进一步分析VEC模型的正交化脉冲响应函数，脉冲响应结果如图1所示。整体来看，因货币政策冲击而导致的房地产金融风险波动大多集聚在前5期，自第6期开始房地产金融风险会稳定在一个长期均衡水平上；银行间同业拆借利率和金融机构存款准备率的提升会显著降低房地产金融风险水平，货币供给量增加在短期内会增加房地产金融风险，而后恢复到初始状态。提高利率和存款准备金率的手段能有效降低房地产金融风险且效应长期存在，而改变货币供应量的方式只能在短期内奏效，难以标本兼治。
另外,风电方往往由多个风电场所有者组成,单个风电场并网所产生的备用辅助服务之和与风电场联合并网所产生的备用辅助服务费用不相等,需要进一步研究各风电场之间的备用容量费用分摊原则,确定各风电场的分摊比例,以达到激励各风电场方的目的,保证分摊的公平性。
(2)
表6 格兰杰因果检验结果
术前意识状态是预后最重要的决定因素,有无意识的障碍和他们的程度,可以直接反映脑实质受损的情况。我们提倡尽快手术,及时清除血肿对脑组织的压力[3]。术前脑出现脑疝的预后较差,死亡率也大大增加,因为颅内压力极高导致不良结局,在脑疝发生前寻求早期手术和改善患者是很重要的,能够有效提高患者预后和提高生存质量。
A (I -Γ 1L -…-Γ p L p )y t =Au t
(3)
为使SVAR得扰动项正交，假定Au t =Bε t ，其中B为M×M矩阵，则式(3)可进一步写为
A (I -Γ 1L -…-Γ p L p )y t =Au t =Bε t
(4)
对式(4)两边同时左乘A -1，可得扰动项u t =A -1Bε t
基于Cholesky分解的思路与相关经济理论，本文将约束矩阵A和B设定如下：
得：
如今已是西藏大学理学院教授、钟扬的学生拉琼发现，病后稍有恢复的钟老师开始变本加厉地工作，一天排满了各种事。他的衣袋里总是装着很多小纸片，上面密密麻麻写满各种待办事项，每做完一项就用笔划掉。
在创业创新要素对接机制方面，众创空间可以将信息、资本、设备、技术等各种要素与创客团队的资源禀赋进行有效衔接，提升创客的创新势能。众创空间能够通过社会信用、激励惩罚等对接机制使各类创业创新要素有效互动，使其在衔接过程中的成本降低。在各种创业创新要素的有效对接和匹配过程中，完善了众创空间内外部的创新创业网络系统，提高了创客团队运用资源的效率和能力，实现了创业创新价值链的优化和创业者的高效赋能，从而通过快速的技术迭代打磨出更多创新产品。这种面向创业项目的要素对接机制，不仅可以形成创客团队的核心竞争能力，也为众创空间的可持续发展奠定了基础。
(5)
本文依据上述约束设定构建SVAR模型进行分析④，估计结果残差不存在自相关且为正态分布，模型的所有特征根均位于单位圆内，模型稳定有效。该模型的正交化脉冲响应结果如图3所示，在接受一单位的货币政策冲击后，房地产金融风险的波动情况与VEC模型的结果十分类似，表明VEC模型的分析结果是有效的。但有所不同的是，SVAR模型分析结果中，货币政策的三个代理变量对房地产金融风险的影响最终均回到初始状态，表明在考虑了变量间的同期影响后，银行间同业拆借利率和存款准备金率的冲击不再具有持久性，货币政策调控能在较长期内有效抑制房地产金融风险，但并非一劳永逸。
图 3 SVAR模型正交化脉冲响应函数图
3.非对称效应检验。由于本文选取了三个货币政策的代理变量，而各个变量对房地产金融风险指标的敏感度及作用路径存在差异，因此本文进一步利用Hansen(2000)[23]提出的门槛模型方法对各变量的非对称效应进行检验。以房价(hp，万元/平方米)为门槛变量，控制CPI变动，经Bootstrap抽取2000次后检验发现，三个变量均在5%的显著性水平下存在单一门槛值，具体检验结果如表7所示。具体来看，当房价高于5193元/平方米时，m2r系数更大，表明在这一房价区间内，货币供应增长率的升高对房地产金融风险的推升作用更强；当房价高于4473元/平方米时，存款准备金率提高对房地产金融风险的抑制作用显著增强，约为房价低于门槛值时的两倍；当房价低于4632元/平方米时，同业拆借利率对房地产金融风险无显著影响，但高于这一门槛值影响显著为负。根据国家统计局公布的数据来看，2019年5月我国住宅商品房价格已达到9243元/平方米，远高于各门槛值，表明货币政策的调整会对房地产金融风险造成显著冲击。
表7 门槛模型回归结果
五、结论与启示
货币政策是我国房地产市场宏观调控中的常用手段，防控房地产金融风险亦是当前我国房地产市场面临的重要挑战。本文利用我国2004年第1季度至2018年第3季度的宏观数据，从政府、金融机构、房地产企业与家庭四个层面构建房地产金融风险的综合评价指标体系，并基于主成分分析方法计算我国房地产金融风险指标，同时选取M2同比增长率、银行间同业拆借利率和金融机构存款准备金率作为货币政策的代理变量，利用VEC模型、SVAR模型和门槛模型对货币政策与房地产金融风险两者间的关系进行探索，分析结果表明：(1)货币政策的调整会对房地产金融风险产生冲击，其中，M2增长率与房地产金融风险呈同向变动，银行间同业拆借利率和金融机构存款准备金率与房地产金融风险呈反向变动。(2)M2增长率与房地产金融风险间存在双向因果关系，同业拆借利率和准备金率与房地产金融风险间存在单向因果关系。(3)货币政策变动对房地产金融风险的影响在不同房价水平上具有非对称效应，当房价高于门槛值时，货币政策的调控效应明显增强。(4)利用货币政策防控房地产金融风险的手段并不能一劳永逸，调整货币供给量的调控手段应充分斟酌对房地产业的影响后再实施。
本文的研究结论对宏观经济调控政策的实施以及房地产金融风险的防控具有一定现实意义：第一，建立健全货币政策和宏观审慎政策双支柱调控框架。货币政策是宏观经济调控中常用的方法，但房地产金融风险对货币政策十分敏感，扩张性的货币政策会加剧房地产金融风险，并且这种影响会在较长时间内持续存在，因此在利用货币政策进行宏观调控时应该将金融稳定纳入考量，促进经济的健康运行。第二，适度拓宽投资渠道。货币政策只能解房地产市场于一时之困，但并非长久之计。我国投资渠道狭窄是房地产市场成为重要投资场所的根本原因，要从根本上解决房地产金融市场高风险难题，实现“住有所居”的政策目标，就要从源头入手，适度拓宽投资渠道，摆脱房地产投资属性泛滥的局面。第三，综合运用财税、土地、立法等多重手段调控房地产市场。自2003年实行土地政策调整后，东部土地供应收紧，投资者的大量涌入促使东部城市房价一路高歌猛进，高涨的房价不仅加剧了房地产金融风险，还使得居民间贫富差距加大[24，25]。因此构建房地产市场发展的长效机制需要从多角度入手，改革土地供给政府垄断的局面，以市场决定资源配置，同时逐步开征房产税、遗产税，从根本上遏制房地产投资投机行为。
注释：
① 房价收入比以“两个父母+一个孩子”的典型家庭计算，假定人均住房面积为30平米，房价收入比=住房总价值/家庭总收入。
② 变量因子载荷表备索。
③ 变换变量次序后估计结果类似。
④ 本文同时还通过构建长期SVAR和调整变量次序等方法进行验证，但分析结果十分类似，故只报告短期SVAR模型结果，其他估计结果备索。
参考文献：
[1] 杨子晖,陈雨恬,陈里璇.极端金融风险的有效测度与非线性传染[J].经济研究,2019,54(5):63-80.
[2] 马勇,陈雨露.经济开放度与货币政策有效性:微观基础与实证分析[J].经济研究,2014,49(3):35-46.
[3] 陈继勇,袁威,肖卫国.流动性、资产价格波动的隐含信息和货币政策选择——基于中国股票市场与房地产市场的实证分析[J].经济研究,2013,48(11):43-55.
[4] 陈浪南,田磊.基于政策工具视角的我国货币政策冲击效应研究[J].经济学(季刊),2015,14(1):285-304.
[5] Gennaioli N, Shleifer A, Vishny R W. A model of shadow banking[J]. The Journal of Finance, 2013, 68(4): 1331-1363.
[6] 高然,陈忱,曾辉,龚六堂.信贷约束、影子银行与货币政策传导[J].经济研究,2018,53(12):68-82.
[7] 金鹏辉,张翔,高峰.银行过度风险承担及货币政策与逆周期资本调节的配合[J].经济研究,2014,49(6):73-85.
[8] Zhu B, Betzinger M, Sebastian S. Housing market stability, mortgage market structure, and monetary policy: Evidence from the euro area[J]. Journal of Housing Economics, 2017, 37: 1-21.
[9] 涂红,徐春发,余子良.货币政策对房价影响的区域差异:来自多层混合效应模型的新证据[J].南开经济研究,2018(5):41-57+175.
[10] 侯成琪,龚六堂.货币政策应该对住房价格波动作出反应吗——基于两部门动态随机一般均衡模型的分析[J].金融研究,2014(10):15-33.
[11] 谭政勋,王聪.房价波动、货币政策立场识别及其反应研究[J].经济研究,2015,50(1):67-83.
[12] 唐平.中国房地产金融风险分析[J].经济体制改革,2007(2):140-143.
[13] 彭建刚，孙满元，黄宇焓．基于缓释乘数的房地产贷款逆周期调节方法[J]．湖南大学学报(社会科学版)，2017(3)：65-72．
[14] 成善栋,徐红.房地产金融风险影响宏观经济安全的相关研究——兼论我国房地产金融潜在风险及政策建议[J].金融论坛,2010,15(3):13-20.
[15] 李兰英,李伟.我国房地产金融风险向土地财政风险传导的博弈机制分析[J].现代财经(天津财经大学学报),2012,32(7):59-68.
[16] 刘知博,贾甫,韦静强.银行体制、资本市场与房地产金融风险[J].经济体制改革,2014(5):134-138.
[17] 鞠方,阳娟,黎小佳.基于空间异质性的中国住房空置率与房地产金融风险研究[J].财经理论与实践,2018,39(4):26-31.
[18] 周建军,孙倩倩.改革开放以来国家宏观调控房地产的政策效应分析[J].中州学刊,2018(11):42-51.
[19] 李向前,诸葛瑞英,黄盼盼.影子银行系统对我国货币政策和金融稳定的影响[J].经济学动态,2013(5):81-87.
[20] 冯科.中国房地产市场在货币政策传导机制中的作用研究[J].经济学动态,2011(4):42-49.
[21] 张成思.通货膨胀、经济增长与货币供应:回归货币主义?[J].世界经济,2012,35(8):3-21.
[22] 王立勇,张代强,刘文革.开放经济下我国非线性货币政策的非对称效应研究[J].经济研究,2010,45(9):4-16.
[23] Hansen B E. Sample splitting and threshold estimation[J]. Econometrica, 2000, 68(3): 575-603.
[24] 原鹏飞,冯蕾.经济增长、收入分配与贫富分化——基于DCGE模型的房地产价格上涨效应研究[J].经济研究,2014,49(9):77-90.
[25] 周建军,孙倩倩,鞠方.房价波动、收入差距与消费差距[J].消费经济,2018,34(5):23-30.
Research on the Impact of Monetary Policy on Real Estate Financial Risk ——Empirical Analysis Based on SVAR Model and Threshold Model
ZHOU Jianjun, SUN Qianqian
(Business School of Xiangtan University ,Xiangtan ,Hunan 411105,China )
Abstract ：This paper explore the relationship between monetary policy and real estate financial risk, which is measured by means of the principal component analysis method, with SVAR model and threshold model. The empirical results show that the change of monetary policy will impact the real estate financial risk. Among them, there is a bi-directional causal relationship between M2 growth rate and real estate financial risk, and there is a one-way causal relationship between interbank lending rate and reserve rate and real estate financial risk. The impact of monetary policy shock on real estate financial risk is asymmetric at different housing price levels. When Adjusting monetary policy, we should pay attention to the profit and loss, avoid the ups and downs, and aggravate the financial risk of real estate.
Key words ： Monetary policy; M2 growth rate; Interbank lending rate; Deposit reserve; Real estate financial risk
*收稿日期： 2019-03-10
基金项目： 湖南省社会科学基金重大项目(16ZDA08)、湖南省社会科学成果评审委员会重大项目(XSP18ZDA003)、湖南省自然科学基金面上项目(2019JJ40285)
作者简介： 周建军(1974—)，男，湖南桃江人，博士，湘潭大学商学院教授，博士生导师，研究方向：房地产金融、城市房地产经济学。
中图分类号： F293.3
文献标识码： A
文章编号： 1003- 7217( 2019) 04- 0032- 06
(责任编辑: 钟 瑶)
标签：货币政策论文; M2增长率论文; 同业拆借利率论文; 存款准备金论文; 房地产金融风险论文; 湘潭大学商学院论文;