货币政策与房地产周期性波动※
张品一
内容提要： 基于国房景气指数的周期成分构建MS模型，分析了房地产周期的特征和货币政策对房地产周期的影响。研究表明：中国房地产市场具有非线性周期波动特征，房地产周期呈现长扩张和短收缩两种状态，并且两种状态交替出现；房地产周期不仅受到自身滞后期的影响，还受到货币政策的影响，货币政策对房地产周期的影响程度要高于房地产周期自身的影响，货币供应量的影响要高于利率的影响；不同区制状态下，货币供应量和利率对房地产周期的影响存在非对称性。因此货币当局要根据房地产周期的区制状态，有针对性地选用货币政策工具进行调控以实现房地产市场的稳定发展。
关 键 词： 货币政策 房地产周期 马尔科夫区制转换模型 非线性 非对称性
一、 引言与综述
从20世纪80年代日本的泡沫经济到2008年美国的次贷危机，由房地产市场冲击带来的宏观经济波动引起了各国对房地产市场的广泛关注。房地产作为一种重要资产，具有实物资产和金融资产的双重属性而与宏观经济紧密相连。虽然各国房地产市场模式和结构不同，但普遍认为房地产市场具有周期性，房地产周期性波动对物价稳定、金融稳定以及宏观经济的稳定有着重要影响。而货币政策作为国家的主要调控方式，既是引起房地产周期性波动的可能原因，又是缓和房地产价格膨胀的工具。因此，本文将重点分析中国房地产周期性波动的特征和货币政策对房地产周期的影响机制，这对中国房地产市场稳定发展,以及货币政策对房地产市场的精准调控有一定的研究意义。
3、外文字母的大、小写和正斜体要分清，希腊文要写清并注明；符号上下角的高低位置应明确区别，例如；凡国内尚未用过的译名，请在译名后附原文，外国人名及企业名称直接用外文，不要译成中文。
随着房地产行业在国民经济中地位的突显，国内外学者对房地产周期进行了大量研究，主要集中在房地产周期与其他经济变量的关系上。自从Leamer(2007)证实了房地产周期与和经济周期之间存在紧密关联，随后大量学者关注房地产周期与经济周期之间的关系，如Ghent和Owyang(2010)认为住房价格与经济周期没有统计上的关系，房地产仅仅是其他消费和财富的代表。Kydland等(2016)通过房地产投资额衡量房地产市场，得出在美国和加拿大房地产投资领先于经济周期，而在其他地方，两者是同步的。李祥发和冯宗宪(2014)应用TVSTVAR方法研究房地产周期、固定资产投资周期、经济周期之间的关联度。何青等(2015)通过构建DSGE模型，得出房地产市场和借贷约束的相互影响关系放大了各种经济冲击的影响，成为驱动中国经济周期波动的重要因素。
同时，在次贷危机之后，学者们普遍认为危机之前的低利率政策是导致次贷危机的直接原因，而事后的货币政策调控又没有及时有效地控制房地产市场风险(Duca等，2010)，随后学者们开始重视房地产价格与货币政策的关系，Crowe等(2013)认为政府通过信贷和融资杠杆能更好地控制房地产泡沫，采取逆经济风向的货币政策；Ling等(2016)发现信贷规模与私人和公共商业房地产市场价格负相关，信贷约束能在流动性低的市场中发挥重要的资产定价作用。张小宇和刘全金(2015)认为货币政策对房地产市场的影响存在冲击规模上的非对称性。贾庆英和孔艳芳(2016)基于拓展的三部门货币数量模型，以房地产为代表分析资产在货币政策价格传递中的作用，发现货币供应量对房价有明显的正向冲击作用。
综上所述，国内外在研究房地产周期上获得了丰富的成果，但仍有以下不足：第一，房地产周期的识别和测度是其他研究的基础，但现有研究多是采用单一的房地产市场相关指标，而房地产周期受到多方面的约束，单一房价或房地产投资额等指标具有一定的局限性，难以准确地测度和识别房地产周期。第二，目前学者们认识到货币政策对房地产市场的重要影响，但是少有学者关注货币政策与房地产周期的关系，多数研究集中于货币政策工具对房地产价格的影响或者是房地产周期与经济周期的关系，这些研究为本文货币政策与房地产周期的研究提供了参考。
本文在前人研究的基础上，基于国房景气指数的周期成分，利用马尔科夫区制转换(MS)模型，对中国的房地产周期展开研究。首先对中国房地产周期进行测度，分析中国房地产周期非线性波动特征；其次，考虑货币政策对房地产周期的影响，研究不同的货币政策工具在不同状态区制下对中国房地产周期的非对称性影响。希望本文的研究能为相关的政策制定提供启示。
二、 模型的构建
自Hamilton(1989)运用马尔科夫区制转换模型研究了美国经济周期波动的非对称性和非线性动态特征之后，马尔科夫区制转换模型已经成为研究经济变量周期性波动的一种重要的非线性方法。它能够对经济周期时间序列变量在不同状态下的波动特征以及各阶段之间的非线性转换进行合理刻画，与其他经济周期研究方法相比有明显的优势(张兵，2015)。因此，本文采用马尔科夫区制转换模型对房地产周期进行研究，从而刻画出房地产周期随机波动的过程在不同状态区制下所具有的特征。
假设y t 为所研究的房地产周期时间序列，根据Hamilton(1994)，房地产周期的一阶马尔科夫区制转换模型可以表示为：
(1)
其中
和
是状态依赖的均值和标准差，φ (L )为滞后算子。S t 是描述房地产周期在t 时期所处的状态区制，有m 种状态区制，S t =1,2,…,m 。模型的参数都依赖于时间t ，由状态变量S t 表示。S t 服从一阶马尔科夫链，其转换概率P ij 是所研究的时间序列在时刻t -1处于状态i 的条件下，时刻t 处于状态j 的转换概率，即：
P ij =Pr(s t =j |s t-1 =i )
(2)
S t 的转移概率矩阵为：
(3)
其中p i1 +p i2 +…+p im =1;i =1,2,…,m 。该模型可以根据转移概率式(2)计算出房地产周期y t 处于某种状态区制的平均持续期，
每完成一层混凝土碾压作业后，需要随即展开质量检测工作。在检测点的选取上，应遵循横向间距30m、竖向间距取20m的原则。将检测结果与目标值进行对比，对达不到目标值的区域进行补碾。此外，若某层混凝土密实度合格率低于95%，应对该层混凝土进行重碾处理。
“《海宁日报》？记者？”老农阴沉沉地瞧他“，上月我女婿那儿垮石场，我外孙死了，打电话要你们来看，来了吗？记者，好！好！有什么事去问当官的吧，我一个老头，不知道。”
(4)
不同类型的分子筛对VOCs的吸附效果不同，这就要求对分子筛进行化学修饰和改性，提高对VOCs的去除效果。许永童等[10]采用盐酸对海泡石粉粒进行改性，然后加入无机黏结剂搅拌，制备得到改性海泡石基分子筛；该分子筛用于净化有机废气时，具有吸附速率快、吸附容量高、脱附彻底的优点。卢晗锋等[11]采用高分子有机树脂聚合单体——苯乙烯、二乙烯苯或甲基丙烯酸甲酯为改性材料，对介孔分子筛进行改性，制备得到的改性介孔分子筛孔道尺寸减小，对低浓度有机废气的吸附性能显著提高，尤其是其水热稳定性得到大幅提高，在多次吸附-脱附循环后仍能保持良好的吸附性能。
同时，为了进一步研究外生变量x 对房地产周期y 在不同状态区制下的影响，将外生变量x 引入到式(4)中，得到：
(5)
其中x t 外生变量，β j,s t 为y t 对x t 的状态依赖的反应系数，q 为x t 的滞后阶数。本文将基于上述模型对房地产周期的波动特征和货币政策对房地产周期的非对称性影响进行研究。
三、 中国房地产周期的波动特征分析
1.房地产周期的测度
现有研究大多通过房价来衡量房地产市场的波动，但是房价作为整体房地产市场的度量指标有一定的局限性(陈日清，2014)。而国房景气指数全称为“全国房地产开发业综合景气指数”，是国家统计局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，通过8个分类指数合成运算出来的综合指数。该指数符合房地产业的实际发展情况(伊楠和张斌，2016)，可以用于衡量整个房地产市场的发展状况。因此，本文选取国房景气指数(P)衡量房地产市场的波动。国房景气指数以100为临界值，指数值高于100为景气水平，低于100则为不景气水平。
中国1998年进行房地产市场改革，本文选取1998年1月到2017年12月的国房景气指数数据。自2009年起国房景气指数未公布每年1月份数据，因此采用相邻两月国房景气指数的算术平均数作为每年1月份的国房景气指数数据(张小宇和刘金全，2015)。为了消除指标的季节性，首先利用Census X-13方法，对国房景气指数的数据进行季节调整；并且为了满足时间序列平稳性的要求，采用HP滤波方法分离出房地产波动的周期成分和趋势成分。经HP滤波处理得到的周期成分为平稳时间序列，本文通过国房景气指数的周期成分序列(Pcycle)描述房地产周期的波动。
由于不同时期房地产市场受到多种因素的影响，房地产市场可能存在结构性突变现象，因此需要深入研究房地产市场的非线性特征。基于上文分析可知，房地产市场存在明显的周期性波动，因此本文采用马尔科夫区制转换模型研究房地产周期的动态路径和非线性特征。
图 1国房景气指数的 HP滤波图
2.房地产周期的双区制特征
从图1可以看出，中国的房地产市场存在明显的周期性波动，其中2007-2010年波动较大，主要是受到国际金融危机的影响，中国的金融环境急剧恶化，房地产市场出现萧条，国房景气指数下滑，处于不景气水平。为了应对此次危机，货币政策由紧到松，财政政策从稳健到积极，政府释放了4万亿的流动性刺激了房地产投资，2010年经济出现反弹，房地产市场回暖。根据图中的国房景气指数，2008-2009年和2011-2016年中国的房地产市场处于不景气水平，其余年份房地产市场处于景气水平；其中2003年2月的国房景气指数最高为109.14，2015年5月指数最低为92.43。中国的房地产市场呈现出非线性特征，因此需要采用非线性模型对房地产周期做进一步研究。
结合表1和2可知，中国房地产周期处于区制2的概率高于区制1，处于区制1和区制2的期望持续期为15.07和25.18个月，概率分布为37.45%和62.55%，观测值的数量为96和140，说明中国房地产市场在区制2(扩张)状态具有更强的稳定性，持续时间更久、概率更高。并且自1998年以来，中国的房地产市场有140个月处于扩张状态，只有96个月处于收缩状态。
根据表3和图2可知，以“波峰-波谷-波峰”作为一轮周期的判断，中国自1998年以来，房地产共经历了5轮完整的周期，房地产市场扩张和收缩状态交替出现，呈现周期性波动规律，并且周期性波动具有长扩张和短收缩的非对称性特征。因此政策制定者要根据房地产周期性波动的特点，实行相机抉择的财政政策和货币政策，以稳定房地产市场。
无灵主语句即由无生命的名词充当主语，有生命的动词充当谓语。以专有名词充当主语的商务英语无灵主语句旨在为以特定的概念下定义、宣传新事物，比如公司名称、品牌名称、新型车辆等；诸如此类的还有各个领域的专业术语。具体例证如下：
表 1房地产周期 MSM( 2)- AR( 4)模型估计结果
表 2房地产周期的区制转换概率矩阵与区制特征
从表2的区制转换概率可以看出，中国的房地产在区制1(收缩)和区制2(扩张)的概率都很高，分别为93.37%和96.03%。房地产周期一旦进入某个区制，持续在这一区制的概率会很高，持续性比较强，向另一个区制转换的概率较小。说明房地产市场在收缩和扩张两种状态下存在很强的惰性，一旦进入收缩或扩张状态便很难改变，这和中国的房地产实践相符。
图 2中国房地产周期马尔科夫双区制的滤波概率和平滑概率
本文将房地产周期划分为扩张(上升)和收缩(下降)两种状态，构建马尔科夫双区制转换模型，根据两种状态的转折点确定房地产周期的峰谷时间，用以分析房地产波动的周期特征。马尔科夫区制转换模型估计用EM算法实现，由于假设均值、截距、系数和方差是否随着时变参数S变化的不同，经过排列组合，可以得到MSM、MSI、MSH等多种估计形式。为了验证房地产周期的非线性和区制特征，根据AIC、SC准则，滞后阶数为4，构建MSM(2)-AR(4)模型(均值随状态发生变化)。利用中国1998-2017年国房景气指数的周期成分数据以及OX软件，完成对房地产周期双区制的最大似然估计。
其中p 为滞后阶数，α i,s t 为状态依赖的自回归系数。
将本文所研究的房地产周期波动过程用一个AR模型来刻画，该AR模型满足马尔科夫过程，则式(1)可以表示为：
另一方面，图2给出了模型在两种区制下的滤波概率和平滑概率，可以看出房地产周期在收缩和扩张两个区制之间存在明显的转换，说明中国的房地产市场确实发生了结构转变，从扩张状态转移到收缩状态的概率为3.97%，从收缩状态转移为扩张状态的概率为6.63%，存在着非对称性。我们根据平滑概率是否大于0.5来判断该时期样本所属的区制，划分结果如下表3。
表 3房地产周期的区制划分
模型的LR线性检验值为56.1313，卡方值为0，显著地拒绝了模型的线性假设，进一步说明了房地产周期具有非线性特征，因此模型设定为非线性是合理的，证实中国的房地产市场的周期性波动中确实发生了结构性转变。根据表1和图2，可得出房地产周期在样本期间表现出不同状态区制。对模型截距项与区制特征分析，区制1状态下，模型截距项为-1.0618，均值为负，房地产周期指标较低，定义区制1为房地产周期的收缩状态；区制2状态下，模型截距项为0.6853，均值为正，定义区制2为房地产周期的扩张状态。
1.加强饲养管理是预防仔猪细菌性下痢的重要措施。使用全价日粮饲喂母猪，母猪哺乳期禁止突然改变饲料，饲料品质要好，能量不能太高，限定玉米等能量饲料的配比在60%以下，粗蛋白的含量应不低于18%。母猪产前7 d开始减料，产后逐渐加料。仔猪要加强保暖工作，精心饲养管理，防止各种应激因素。仔猪生后3～5日龄补水时，可以在水中加入口服补液盐；开料期一定要注意供足清洁饮水。7日龄起，就应该给仔猪补料，以及早锻炼胃肠功能，促进身体发育，完善免疫能力。注射加硒型仔猪止痢牲血宝，可以预防黄痢、白痢的发生，使仔猪成活率提高10%～15%。
四、 中国货币政策与房地产周期的马尔科夫模型
由于房地产周期受到宏观经济政策的影响，因此本部分根据前文对房地产周期的分析结果，进一步研究货币政策对房地产周期的影响，以期对中国的货币政策调控实践提供有益的启示。
本文通过多种渠道搜集数据，估计了回归式产业转移相关指标对区域经济增长的影响，也考量了制度资本参与下其对区域经济增长的影响。研究发现：从总体上讲，所选年龄、学历、回归前想从事行业、回归后从事行业这些变量对区域经济增长都有着较好的解释作用，因此表明回归式产业转移是落后、欠发达地区促进本地区经济增长的非常有效的产业转移模式。另外，制度资本变量能改善模型的变量解释能力，能缩小城乡收入差距，学历变量会缩小城乡收入差距。
1.货币政策变量的选择
中国的货币政策要兼顾数量目标和价格目标的平衡(潘敏，2016)，因此选取货币供应量为代表的数量型目标和利率为代表的价格型目标作为货币政策调控变量，这有利于央行通过调控货币供给量和利率，及时观测货币政策的实施效果(李祥发和冯宗宪，2014)，其中货币供应量选用广义货币供应量M2进行衡量，利率的衡量主要有存贷款基准利率和同业拆借率等方式，而存贷款基准利率主要用于衡量对实体经济的影响，而同业拆借率主要反映短期货币资金的供求状况，结合本文的研究需要，采用7天银行间同业拆借率作为市场利率的代理变量。变量数据均来自CSMAR国泰安数据库。
本文选取1998年1月到2017年12月的数据进行研究，各变量数据均为实际值，为了消除各变量数值之间的单位和数量级的差异，对货币供应量取对数，并且为消除变量序列的季节性特征，对变量进行季节性调整。考察货币政策对房地产周期的影响，对各变量进行单位根检验，保证所选择变量的平稳性。对变量进行ADF检验发现，房地产周期(pcycle)、利率(r)、货币供应量(lnm2)均为平稳序列。
2.模型估计结果分析
本文研究货币政策与房地产周期之间的非线性关系，需要将前文的单变量模型扩展为多变量模型，并且引入双区制转换，因此基于MSIA-ARX 模型(截距项和自回归系数随状态发生变化)进行估计。并根据AIC、HQ、SC准则，确定回归模型的阶数为4阶，构建MSIA(2)-ARX(4)模型。同时与不含有货币政策的房地产周期MSIA(2)-AR(4)模型进行对比，从两个模型的LR检验、AIC值得出，模型的设定合理，并且含有货币政策变量的模型比不含货币政策的模型
表 4 房地产周期的区制转换概率矩阵 与区制特征(纳入货币政策)
表 5房地产周期的区制转换概率矩阵 与区制特征(不含货币政策)
拟合效果更好，说明货币政策对中国房地产周期的影响显著，需要将货币政策纳入到房地产周期的研究中。
通过表4的转换概率和区制特征可知，两种区制状态下的持续概率均较高，分别为96.62%和82.10%，说明货币政策作用下房地产周期在两种状态内的运行均比较稳定。房地产市场从区制1向区制2中转换时比较难，转换概率仅为3.38%；而从区制2向区制1中转换相对容易，转换概率为17.90%。两种区制下，区制1的样本数量最多，占总体的84.10%，而处于区制2的样本数量仅为15.90%。这表明货币政策对房地产周期的不同区制影响不同，存在非对称性，货币政策作用下房地产市场对区制1存在较强的偏好，过去二十年间房地产市场多数处于区制1的状态。
另外，厌氧池中的丝状菌对活性污泥絮粒的聚集有阻碍作用，从而引起系统活性污泥流失，影响厌氧池反硝化处理效果，同时丝状菌的聚集作用一定程度上增加了系统剩余污泥量。为了避免厌氧池内污泥菌群比例失调，提高厌氧池反硝化处理效果，进入厌氧池的循环管线设置位于池中部，并在末端安装带有均匀分布出水孔的管排，如图2所示。厌氧池内厌氧分解及反硝化脱氮均可充分进行，起到调节CNP比例的作用。
同时对比表4和表5，货币政策作用下房地产周期在区制1和区制2的持续概率为0.9662和0.8210，都高于不含货币政策时的持续概率0.9558和0.6986，说明货币政策可以使房地产周期的状态更加稳定，减少房地产周期性波动。并且货币政策下房地产周期的区制换转概率低于不含货币政策时的区制转换概率，特别是从区制2向区制1转换时，转换概率从0.3014下降为0.179，说明货币政策作用下房地产周期区制间转换更加困难。通过对比区制内样本数量、概率和持续时间可知，货币政策作用下房地产周期在区制2内的概率提高，在区制1内的概率下降，并且两个区制内的平均持续时间也增长。这进一步说明货币政策能抑制房地产周期在不同区制间的转换、维持房地产周期在区制内的稳定，可以减缓房地产周期性波动、维持房地产市场稳定。
从表7的马尔科夫区制转换模型的估计结果可知，在区制1和2中房地产周期主要受到自身滞后一期的影响，房地产滞后期对区制1中的影响程度高于区制2。而纳入货币政策后，如表6所示，在区制1中，房地产周期主要受到自身滞后一期和货币供应量滞后二期、四期的影响，受到利率的影响较小。而在区制2中，房地产周期受到自身滞后期的影响减弱，滞后一期的影响从1.3333下降为0.4365，滞后二期、三期和四期的影响也有不同程度的下降。此区制中房地产周期主要受货币供应量的影响，货币供应量滞后一期和三期对房地产周期的影响最大。利率对房地产周期的影响较区制1中有明显上升，但是影响程度小于货币供应量。这进一步说明货币政策对房地产周期的影响存在非对称性，在房地产周期不同的区制，货币政策对房地产周期的影响存在显著的差异。房地产周期在区制1中，主要受自身的影响以及货币供应量的影响，而房地产周期在区制2中，主要受到货币供应量和利率的影响，货币供应量的作用更大。
表 6 房地产周期 MSIA- ARX模型的估计结果(纳入货币政策)
表 7房地产周期的马尔科夫区制转换模型的估计结果(不含货币政策)
上述结果表明，对于中国的房地产市场，房地产周期不仅受到自身的影响，还受到货币政策(包括货币供应量和利率)的影响，并且货币供应量与房地产周期之间的关系更加紧密。因此，房地产市场要高度重视货币政策的作用，货币当局对房地产市场进行调控时，要结合房地产市场不同的状态，采用有针对性的措施。具体地，当中国房地产市场处于区制1中，可以适当地调整货币供应量，利率的作用有限；而当房地产市场处在区制2中，需要货币供应量和利率一起进行调控。
五、 结论与建议
本文基于MS模型，选取1998年至2017年的国房景气指数和货币政策变量的月度数据，对中国房地产周期性波动特征进行识别，并研究了货币政策与房地产周期的非对称性关系。与国内外文献相比，本文通过国房景气指数的周期性成分衡量房地产周期的波动，并采用非线性马尔科夫区制转换模型揭示货币政策与房地产周期之间的关系，研究的结果更加可靠。具体的研究结论和启示如下。
第一，中国房地产周期性具有非线性特征和双区制特征。本文通过马尔科夫区制转换模型对中国房地产周期的区制状态进行研究发现，中国的房地产周期存在扩张和收缩两种区制。自1998年以来，中国的房地产市场有140个月处于扩张状态，96个月处于收缩状态；扩张状态的平均持续时间为15.07个月，收缩状态的平均持续时间为25.18个月。并且房地产周期扩张和收缩状态交替出现，呈现长扩张和短收缩的非对称性特征，从扩张状态转移为收缩状态的概率为6.63%，从收缩状态转移为扩张状态的概率为3.97%。因此，对于房地产企业和房地产投资者，可以根据房地产周期扩张和收缩的持续时间、区制转换概率，有针对性地进行投资决策；政府也可以根据房地产周期性波动的特征进行相机抉择的调控，以稳定房地产市场。
第二，房地产周期不仅受到自身滞后期的影响，还受到货币政策的影响，并且货币政策对房地产周期的影响存在非对称性。总体来看，中国货币政策对房地产周期的影响程度要高于房地产周期自身的影响，货币供应量的影响要高于利率的影响，货币政策的作用方式和程度存在区制不一致性。在区制1中，房地产周期主要受到自身和货币供应量的影响，而在区制2中，主要受到货币供应量和利率的影响。因此，货币当局要根据房地产周期的真实区制状态有针对性地采用数量型或价格型的调控工具，提高货币政策对房地产市场调控的有效性和精准性，减少房地产市场过度波动，维持房地产市场健康平稳发展。
习近平从人类文明发展的角度和社会形态演变的角度看到了绿色发展是人类文明发展进步和社会形态演变的必然结果，是一个自然历史过程，并且从现实的角度对绿色发展作了符合当今中国实际的顶层设计。这是一种前所未有的创新，具有显著的前瞻性和现实指导性。
山东中农各业务区域销售人员连日来顶烈日、冒高温，积极走访市场，了解市场需求；公司先后召开2次专题会议，探讨秋季肥市场行情，结合市场需求情况，确定采购方案，并及时联系上游厂家，提前锁定优势货源。
参考文献：
1. Crowe, C., G. Dell Ariccia, D. Igan, and P. Rabanal. How to Deal with Real Estate Booms: Lessons from Country Experiences. Journal of Financial Stability ,2013,9(3):300-313.
2. Duca, J.V., J.Muellbauer, and A. Murphy. Housing Markets and the Financial Crisis of 2007-2009: Lessons for the Future. Journal of Financial Stability ,2010, 6(4):203-217.
3. Ghent, A.C., and M.T. Owyang. Is Housing the Business Cycle? Evidence from US Cities. Journal of Urban Economics ,2010,67(3):336-351.
4. Kydland, F.E., P. Rupert,and R. 
ustek. Housing Dynamics over the Business Cycle. International Economic Review , 2016,57(4):1149-1177.
5. Leamer, E.E. Housing is the Business Cycle. NBER Working Paper ,2007,No.13428.
6. Ling, D.C., A.Naranjo, and B. Scheick. Credit Availability and Asset Pricing Dynamics in Illiquid Markets: Evidence from Commercial Real Estate Markets. Journal of Money ,Credit and Banking ,2016,48(7):1321-1362.
7. 陈日清：《中国货币政策对房地产市场的非对称效应》，《统计研究》2014年第6期。
8. 何青、钱宗鑫、郭俊杰：《房地产驱动了中国经济周期吗》，《经济研究》2015年第12期。
9. 贾庆英、孔艳芳：《资产价格、经济杠杆与价格传递——基于国际PVAR 模型的实证研究》,《国际金融研究》2016年第1期。
10. 李祥发、冯宗宪：《房地产周期、固定资产投资周期与经济周期的关联性》,《经济理论与经济管理》2014年第4期。
11. 潘敏：《经济发展新常态下完善我国货币政策体系面临的挑战》，《金融研究》2016年第2期。
12. 伊楠、张斌：《度量中国的金融周期》，《国际金融研究》2016年第6期。
13. 张兵：《中美经济周期的协动性:基于马尔科夫区制转移模型的研究》，《南开经济研究》2015年第3期。
14. 张小宇、刘金全：《货币政策、产出冲击对房地产市场影响机制——基于经济发展新常态时期的分析》，《中国工业经济》2015年第12期。
※ 基金项目： 国家自然科学基金项目“货币政策与房地产系统交互协调研究”(编号：61703010)；国家自然科学基金项目“资本管制对资本急停的影响机制研究: 基于预期理论的微观视角”(编号：71704099)。
中图分类号： F821.0
文献标识码： A
文章编号： 1009-2382(2019)05-0048-07
作者简介： 张品一，北京信息科技大学经济管理学院副教授(北京 100192)。
[责任编辑：李 慧]
标签：货币政策论文; 房地产周期论文; 马尔科夫区制转换模型论文; 非线性论文; 非对称性论文; 北京信息科技大学经济管理学院论文;