房地產價格與我國貨幣政策規則——基于多部門NK-DSGE 模型的研究

徐 妍 鄭冠群 沈 悅

在中國最近十余年的高速發展中，房地產市場表現出了三個重要特征：價格增速迅猛、投資急劇擴大、金融依賴顯著增強。這三個特征既總結了房地產市場發展的態勢，肯定了房地產市場對我國經濟高速增長的推動作用，也揭示了其對金融穩定和經濟增長潛力的潛在風險。因此，無論是房地產價格的持續快速上漲，還是暫時回跌，都牽動著政策當局和研究者的神經。由于貨幣政策直接影響著經濟增長和金融穩定，那么一個關鍵的問題便是：房地產價格是否影響了貨幣政策？換言之，中央銀行在制定貨幣政策時是否會將房地產價格納入政策規則方程？

迄今為止，對于是否將資產價格納入貨幣政策規則在全球范圍內尚未形成定論。諸多爭論中最有影響力的是Bernanke 和Gertler(2001)“盯住通脹”的觀點，他們認為只要資產價格波動無關通貨膨脹，就不需要對其反應，僅關注通脹目標就能夠實現更好的通脹和產出穩定，而直接針對資產價格泡沫的貨幣政策會導致更大的經濟波動。這一觀點成為了大多數國家中央銀行制定貨幣政策的依據。不同的觀點認為，資產價格是核心通脹率的先行指標，貨幣當局在進行政策調控時也應當將資產價格納入考慮(Cecchetti，2008；Hordahl 和Packer，2006)，并且從金融穩定的角度來看，一個具有良好前瞻性的中央銀行應當關注資產價格泡沫和金融不平衡的長期后果，不能單一地追求貨幣穩定(Bean，2003)。

在這種懸而未決的爭論下，盡管各國中央銀行對外宣稱的貨幣政策調控目標中大都不明確涉及資產價格(例如前美聯儲主席伯南克指出“美聯儲應當以宏觀經濟為貨幣政策調控目標，而不是資產價格”①Ben Bernanke(2002)：(http：//www.federalreserve.gov/boarddocs/speeches/2002/20021015/default.htm)。，前英格蘭銀行行長默文·金提出“盡管對資產價格的擔憂是有理由的，但是這一問題可以在現行的貨幣政策目標框架下解禁”②Mervyn King(2002)：(http：//www.bis.org/review/r021126c.pdf)。，以及中國人民銀行制定的“保持貨幣幣值的穩定，并以此促進經濟增長”的貨幣政策目標)，研究者們仍然從經驗數據中尋找到了貨幣政策針對資產價格調整的證據。Rigobon 和Sack(2003)發現，當標準普爾500 指數每提高5%,,時，美聯儲提高利率25個基點的概率會提高1.5 倍。類似的，D′Agostino 等(2005)發現當股票價格指數波動較大時，美聯儲的貨幣政策操作往往更強烈。Finocchiaro 和Heideken(2013)通過構建和估計動態隨機一般均衡模型，發現美國、英國和日本的利率政策都會受到房地產價格的影響。在國內，趙進文和高輝(2009)利用金融危機之前的季度數據驗證了股指和房價對央行利率政策的影響，他們發現，股指對利率的影響較小，但房價對貨幣政策利率的影響十分顯著，甚至超過了產出缺口對利率的影響。肖爭艷和彭博(2011)利用動態隨機一般均衡模型數值模擬的方法研究房價是否影響貨幣政策，他們認為，央行在2003 年至2010 年的貨幣政策調控中已經將房價納入了理論規則中。李強(2009)通過FCI 指數的編制肯定了房地產價格對貨幣政策應有的影響，但他采用SVAR 方法沒有得到貨幣供應量對房價直接反應的證據。

總的來看，是否應該將資產價格(特別是房地產價格)納入中央銀行貨幣政策規則的理論爭執還在繼續，經驗研究的結論也莫衷一是。基于此，本文嘗試利用新凱恩斯動態隨機一般均衡(NK-DSGE)模型來進一步驗證我國房地產價格是否進入了中央銀行的利率政策和貨幣供應量政策規則。我們在Iacoviello(2005)、Iacoviello 和Neri(2010)的基礎上構建一個NK-DSGE 模型，刻畫了房地產和信貸在宏觀經濟動態調整中的關鍵作用，并利用修正的泰勒規則和麥克勒姆規則將房地產價格納入中央銀行的貨幣政策目標。利用中國1992 年至2014 年的經驗數據，選用貝葉斯方法估計這一結構模型，我們發現，將房地產價格納入貨幣政策方程的NK-DSGE 模型能夠更好地刻畫我國關鍵宏觀經濟變量的波動特征，為房地產價格影響我國基準利率和貨幣供應量提供了新的證據。

與已有的研究不同，本文的貢獻主要體現在兩個方面：(1)以往的研究手段以非結構性計量模型為主，而本文采用的NK-DSGE 屬于結構宏觀模型。在非結構性計量模型中，單一貨幣政策方程迭代GMM 模型和聯立方差FIML-VAR 模型相對而言具備較好的性質。GMM 以工具變量克服滯后因變量的內生性問題，連續迭代提高了估計的準確性，但是結果的可靠性嚴重依賴于工具變量的相關性和外生性，且單一方程估計忽略了變量間的內在結構邏輯，在對其結果進行深入解讀時需要格外謹慎。FIMLVAR 模型使用聯立方程估計方法來緩解內生性的影響，通過一套獨立的方程系統“先驗”地刻畫貨幣政策方程中內生變量的動態特征，然后再考察這些重要自變量對貨幣政策工具的影響，但是這一方法對VAR 的滯后期和樣本容量的依賴性很強。本文采用的NK-DSGE 模型能夠刻畫宏觀經濟變量間的內在結構邏輯，且貝葉斯估計也具有更好的小樣本性質。(2) 國內研究者對貨幣政策的考察主要集中于利率政策，而忽略了資產價格對貨幣供應量政策工具的影響，而事實上數量型工具和價格型工具在中央銀行貨幣政策操作中均發揮著重要作用，特別是在尚未完成利率市場化改革的中國，貨幣供應量調整長期占據主導地位。本文將泰勒規則和麥克勒姆規則同時納入模型，能夠更為全面地分析資產價格對貨幣政策規則的影響。

一、新凱恩斯動態隨機一般均衡模型模型的構建

模型沿用了Iacoviello(2005)的經典設定，假定經濟中包括企業家、耐心型家戶以及無耐心型家戶三類主體，其中耐心型家戶的效用跨期折現比例更低。企業家利用一般資本、房地產資本以及家戶提供的勞動來生產同質的中間產品，并消費最終產品。家戶消費最終產品，持有房地產和貨幣，并向企業家提供勞動以獲得報酬。除此之外，市場上還存在零售商和中央銀行，前者將中間產品加工為最終產品出售給企業家和家戶，后者按照麥克勒姆規則和泰勒規則調整貨幣供給量和基準利率。模型的基本邏輯是，通過引入市場主體間的名義信貸和房地產的抵押效應來刻畫房地產資產價格在宏觀經濟波動中的關鍵作用，從而進一步地考察中央銀行針對房地產資產價格的貨幣政策的調控效應。

(一)耐心型家戶

耐心型家戶從最終品的消費、閑暇、擁有的房地產和實際貨幣余額中獲得效用，其畢生效用的目標函數為：

其中，E0為期望算子，β ∈ (0, 1)為效用折現系數，、L 't和分別表示耐心型家戶在t 期的最終產品消費、持有的房地產、付出的勞動，以及持有的實際貨幣余額，χ 和η 分別是貨幣權重和勞動負效用參數。注意，j 't是耐心型家戶的房地產權重，刻畫了房地產對于耐心型家戶效用的邊際貢獻，直接影響耐心型家戶的房地產需求。因此，來自的沖擊可以作為房地產需求和價格沖擊的替代變量。

我們定義 qt≡ Qt/ Pt為實際房地產價格，wt≡ Wt/ Pt為實際工資，為耐心型家戶實際借款余額(表示貸出余額)， tR 為 t-1 到t 期的名義利率，Δ 為一階差分算子，那么耐心型家戶的資金流約束可以表示為：

相比于耐心型家戶，無耐心家戶對未來效用的折現更大，即 β ''t＜ βt。同樣的，這類家戶主體選擇最終產品消費 c ''t、持有房地產 h ''t、勞動 L ''t以及實際貨幣余額，最大化以下效用目標：

(二)無耐心家戶

由于無耐心家戶和耐心型家戶面臨的房地產需求或價格沖擊可能是一致的，例如來自房產稅的沖擊對兩類家戶并無差異，這里不妨假設無耐心家戶和耐心型家戶的房地產權重相同，j 't= j''t，并不影響模型的主要結果。根據Kiyotaki 和Moore(1997)及Iacoviello(2005)，我們對無耐心家戶的借貸能力施加約束。假設當無耐心家戶拒絕償還借款時，貸款人可以一定交易成本(1 - mh) Et( qt+1ht)獲得借款人的用作抵押的房地產資產，因此，無耐心家戶可獲得的最大貸款量不超過 mhEt( Qt+1ht/ Rt)。由上，無耐心家戶面對的資金流約束和借貸約束分別為：

其中，mh為定義 λ ''t為t 期借貸約束的影子價格，即借貸 Rt資金可增加的畢生效用，那么無耐心家戶關于消費、勞動、房地產和實際貨幣余額的一階條件表示如下：

從耐心型家戶消費的歐拉方程我們能夠得到，在穩態時滿足 R= 1/β。進一步，由無 耐 心家戶消費的 歐 拉 方程在穩態的 表 達 式可得到 λ ''t= (β - β' ')/c。根 據 假設β ''t＜ βt易知 λ '' ＞ 0，因此由庫恩塔克條件可知，借貸約束須滿足等式條件，即在穩態附近無耐心家戶的借貸約束總是緊的：

(三)企業家

假設企業家的生產技術服從規模報酬不變的科布道格拉斯函數，其生產要素包括一般資本K、房地產資本h 以及來自家戶提供的勞動 L '和 L''。企業家生產的中間產品以價格 Pw出售給零售商。由于最終產品平均價格為P，我們定義 X ≡ P / Pw為價格加成比(markup ratio)。企業家的目標函數表述如下：

企業家面臨的約束包括：

式中，所有變量均為實際值，γ 為企業家效用的折現系數，滿足γ ＜β ，em 為企業家房地產的變現能力，其定義類似于無耐心家戶，I 為投資，資本調整成本 ξk,t的表達式如下：

類似的，由于γ ＜β ，在穩態附近企業家面臨的借貸約束也是緊的。定義 tλ 為企業家借貸約束的影子價格，企業家關于消費、資本需求、房地產需求、勞動力需求的一階條件為：

(四)零售商

零售商部門的安排借鑒Bernanke 等(1999)，引入了名義價格粘性。假設零售商構成測度為1 的連續統，分別以z 來標記。零售商以價格wP 從完全競爭的市場買入中間產品，并以零成本“加工”(分裝)為最終產品 Yt(z)，以價格 Pt(z )在壟斷競爭的最終產品市場上出售。最終產品以CES 函數形式加總，因此最終產出指數 Ytf、平均價格指數Pt和各零售商面臨的需求函數分別為：

給定上述需求函數，各零售商可自主選擇零售價格 Pt(z )。假設每個零售商在時期t 內僅能以概率1 -θ 制定新的價格。定義為零售商z 期設定的新價格，那么最優的需滿足：

其中，Λt,i= β ( c 't/ c't+i)，X = ε / (ε - 1)是穩態時的價格加成比。由于θ 比例的零售商沒有改變價格，t 期總的價格水平為：

如前所述，零售商利潤 Ft= (1 - 1/ Xt)Yt在期末一次性支付給耐心型家戶。

(五)中央銀行

中央銀行按照泰勒規則制定基準利率，按照麥克勒姆規則制定基礎貨幣供應量：

其中，Yt-1/Y 為產出缺口，為房地產價格的通脹率，eR,t和 em,t分別為貨幣政策的利率沖擊和貨幣供應量沖擊。當參數 rq和 λq等于零時，上述貨幣政策規則為經典的泰勒規則和麥克勒姆規則；而 rq和 λq大于零意味著，中央銀行在制定基準利率和貨幣供應量時會針對房地產價格波動做出反應。

(六)市場均衡

在此基礎上，我們引入五種結構沖擊：技術沖擊、房地產偏好沖擊、通貨膨脹沖擊、利率沖擊和貨幣供應量沖擊，前三種沖擊均服從一階自回歸形式。利用上述條件，我們對模型進行對數線性化后得到以下差分方程系統(^表示對平衡增長路徑的偏離比例)：

1. 總需求方程

2. 房地產市場方程

3. 借貸約束方程

4. 貨幣需求方程

5. 總供給方程

6. 狀態變量和資金約束方程

7. 貨幣政策方程

8. 結構沖擊方程

二、貝葉斯估計與模型比較

(一)貝葉斯估計

貝葉斯估計中使用的變量包括：實際產出、實際投資、通貨膨脹率、名義利率和實際貨幣供應量，樣本區間為1992 年1 季度到2014 年3 季度，采樣頻率為季度數據。數據處理過程如下：(1)利用居民消費價格指數(CPI)的環比和同比月度數據計算以1992年1 月為基期的定基月度通脹率，將之轉化至季度定基數據和環比數據，對環比數據取自然對數作為通脹率π 的備用數據；(2)利用X12 方法對季度國內生產總值和固定資產投資額去除季節效應，利用定基通貨膨脹率計算實際產出和實際投資，取自然對數后利用單邊Hodrick-Prescott 濾波方法①利用雙邊濾波(如H-P filter 和Baxter-King filter)處理數據時，會利用數據的未來實現值構造平滑序列，這違背了DSGE 模型中狀態空間系統回溯(backward-looking)結構的基本特征，因此這類濾波不適宜用于數據的預處理。出于這種考慮，基于backward-looking 的單邊HP 濾波是更好的選擇(Stock 和Watson，1999)。剔除掉趨勢部分，獲得實際產出Y 和實際投資I 的備用數據；(3)利用銀行間同業拆借7 天年化利率換算為季度利率②銀行同業間拆借市場是我國目前市場化程度最高的市場之一(另一個市場化程度較高的是債券回購市場)，其中7 天期銀行同業拆借比例較高，且走勢比較平穩(劉志明，2006)，利率水平可以較好地體現資金的真實價格，適合作為名義利率的代理變量(劉金全和張小宇，2012)。將年化利率轉化為季度利率的公式為：/(4*100)。，取自然對數作為名義利率R 的備用數據；(4)利用狹義貨幣供給量(M0)數據計算各季度貨幣供應量余額，利用定基通貨膨脹率計算實際貨幣余額，隨后取自然對數并利用單邊Hodrick-Prescott 濾波方法剔除掉趨勢部分，獲得實際貨幣供應量m 的備用數據。

模型中共涉及32 個自由參數，其中7 個參數利用已有研究文獻校準如下。無耐心家戶和企業家的效用折現系數分別為：β ''= 0.97，γ = 0.98(Iacoviello，2005；Iacoviello和Neri，2010；Finocchiaro 和Heideken，2013)。耐心型家戶的效用折現系數 β= 0.9 9，對應著穩態時1%,,的季度名義利率和4%,,的年化名義利率，這與我國實際情況基本一致。效用折現系數滿足γ ＜ β、β ''＜ β，體現了耐心型家戶的特征。對于資本折舊系數的取值，許志偉等(2010)定為0.05，許偉和陳斌開(2009)、李成等(2010)設定為0.025，薛鶴翔(2010)設定為0.04。本文將季度資本折舊系數校準為 δ= 0.03，意味著資本年折舊比例約為12%,,。ε 校準為21，使得穩態時零售商的價格加成比滿足 X=1.05 。房地產偏好系數j 依據Iacoviello(2005)校準為0.1。對于耐心型家戶比例系數，Finocchiaro和Heideken(2013)利用美國數據估計為0.42，英國為0.48。由于耐心型家戶在模型中扮演者儲蓄戶的角色，我國居民擁有更強的儲蓄傾向，這里將其校準為 α =0.64。

表1 列示了其余25 個變量的先驗分布，先驗分布均值的選擇參考了已有文獻研究成果。由于貝葉斯估計對于待估參數的先驗分布假設比較敏感，這里我們設定了較為寬松的標準差，以獲得更大的初始取值范圍。

在上述對數線性化模型、參數校準值以及先驗分布的假設基礎上，本節運用馬爾科夫鏈蒙特卡羅(Markov Chain Monte Carlo，MCMC)模擬算法來獲得DSGE 模型參數貝葉斯估計值，執行Metropolis-Hastings 算法10 萬次來檢驗收斂性。兩條馬爾科夫鏈的接收比分別為28.13%,,和27.13%,,，符合文獻中要求接收比1/4 到1/3 之間的經驗規則。參數的后驗分布呈現出近似正態分布的形態，與先驗分布并無較大差異，利用數值最大化算法得到的后驗核(posterior kernel)與后驗分布眾數(posterior distribution mode)較為接近①囿于篇幅所限，此處沒有匯報估計過程，有興趣的讀者可掃描到本文二維碼官網查看本文附錄。。因此，我們認為上述DSGE 模型的貝葉斯估計結果是較為可靠的。

表1 DSGE模型參數的貝葉斯估計結果

表1 的后半部分匯報了施加約束( rq= 0、λq= 0)和無約束模型參數貝葉斯估計均值和5%,,至95%,,置信區間。在受約束模型中，中央銀行貨幣政策不針對房地產價格進行調整，無論是基準利率還是貨幣供應量均表現出針對產出缺口和通貨膨脹的動態調整特征。相比于貨幣供應量而言，基準利率調整更平滑(兩者的平滑系數分別0.949,8和0.698,9)。對于通貨膨脹，中央銀行基準利率的調整幅度要大于貨幣供應量調整( rπ= 1.1 855，λπ= 0.3051)；而對于產出波動，貨幣供應量調整的力度要大于利率調整( ry= 0.7 802，λy= 0.9873)。在無約束模型中，這一特征也同樣得到了體現。除此之外，我們觀察到在貨幣政策方程中加入房地產價格后，無論是基準利率還是貨幣供應量對于產出缺口和通脹的反應強度都有所下降(rπ從1.185,5下降到1.170,0，ry從0.780,2 下降到0.631,2，λπ從0.305,1下降到0.267,2 λy，從0.987,3 下降到0.788,5)，而房地產價格表現出了顯著影響基準利率和貨幣供應量的特征，基準利率對房地產價格的反應強度大于貨幣供應量對房價的反應強度( rq= 0.3 286，λq= 0.1 807)。從上述估計結果來看，房地產價格對于中央銀行貨幣政策的影響絕非微不足道，房地產價格對基準利率的影響超過了通脹對利率影響的1/4，對貨幣供應量的影響超過了通脹對利率影響的1/2。

(二)模型比較

為了進一步驗證中央銀行在制定貨幣政策時是否對房地產價格做出反應，我們對受約束模型和無約束模型進行比較。表2 的第二列匯報了兩個模型在貝葉斯估計中得到的對數邊際密度(logged marginal density)：當 rq= 0、λq= 0時，模型的對數邊際密度為1,223.453,7，當 rq＞ 0、λq＞ 0時，模型的對數邊際密度為1,235.964,6，后者比前者大12.493,2，意味著從數據擬合的角度來看，無約束模型占優于受約束模型。

利用對數邊際密度，依照以下公式計算模型的后驗概率：

其中，P st .pA 和 Pst .pB 分別代表受約束模型和無約束模型的后驗概率，pA 和pB表示兩個模型的先驗概率，mdA 和mdB 表示模型的對數邊際密度。表2 列示了兩模型的先驗概率分別為0.1∶0.9、0.3∶0.7、0.5∶0.5、0.7∶0.3 以及0.9∶0.1 時的后驗概率。顯然，在上述各種先驗概率設定下，無約束模型( rq＞ 0、λq＞ 0)的后驗概率近似于1，而受約束模型( rq= 0、λq= 0)的后驗概率均接近于0。因此我們有理由認為，從現實數據的角度來看無約束模型更加合理，即我國中央銀行的基準利率和貨幣供應量調整的確對房地產價格作出了反應。

表2 模型的后驗概率比較

(三)模型的沖擊響應特征

在無約束模型的基礎上，我們計算了觀測變量針對外生結構沖擊的響應函數的后驗分布，有助于進一步認識模型所揭示的動態調整過程。外生結構沖擊包括：技術沖擊、房地產沖擊、通脹沖擊、利率沖擊以及貨幣供應量沖擊。圖1 描繪了40 個季度內觀測變量脈沖響應函數的后驗均值和90%,,的置信區間，各變量的動態調整具有較好的平穩性和收斂性。

在1 個標準差的正向技術沖擊下，實際產出和實際投資明顯擴大。由于投資在技術沖擊下可能出現過度反應，對此，中央銀行的逆周期調整使得基準利率和貨幣供應量在隨后的2 個季度里相對于均衡水平分別升高和收緊。貨幣供應量隨后逐漸增加，在約15 個季度后回歸均衡水平。在此期間由于貨幣供應量的減少，利率在沖擊后的第2 至第8 個季度還存在緩慢上升的趨勢，這導致投資活動減少并對前期的過度投資進行反向修正。投資在20 個季度以前甚至出現低于均衡水平的情況，投資資金需求的降低使得利率開始下降，在這個過程中，投資、實際產出、通脹率以及貨幣供應量對均衡增長路徑的偏離越來越小，最終在30 個季度左右回歸到均衡增長路徑。利率回歸的速度相對較慢，這主要是由泰勒規則中的平滑系數較大所導致的。

圖1 主要觀測變量的貝葉斯沖擊響應

在1 個標準差的通貨膨脹沖擊下，投資進行了快速響應。針對物價上漲，中央銀行根據泰勒規則和麥克勒姆規則提高基準利率和縮減貨幣供應量，利率和貨幣供應量大約在沖擊后的第3 個季度分別達到最高和最小水平。通貨膨脹在貨幣政策的調控下降至較低水平，并在40 個季度內持續向均衡水平回歸。投資受緊縮貨幣政策的影響在沖擊后的第1 至10 個季度內逐步下降，之后伴隨著利率的降低和貨幣供應量的增加又逐步回歸到均衡增長路徑上。由于這里的通脹沖擊的大小僅僅是偏離均衡通脹水平的一個標準差大小(平均通貨膨脹率1.71%,,)，屬于十分溫和的通脹，因而并未表現對經濟造成災難性的損害。相反，正如經典經濟理論中所揭示的一樣，溫和的通脹一定程度上提升了經濟的產出。

圖1 最后兩行揭示了貨幣政策沖擊對宏觀經濟的影響，基本與理論預期相符。一個標準差的正向利率沖擊下，投資在2 個季度內迅速減少，相應的物價水平迅速上升。隨后依據泰勒規則和麥克勒姆規則的中央銀行貨幣政策會進行調整，使通貨膨脹率下降到均衡水平。泰勒規則的平滑系數較大，基準利率調整速度較慢，投資和實際產出在40 個季度內緩慢地回歸平滑增長路徑。利率的意外提高對實體經濟造成了損害。在1個標準差的正向貨幣沖擊下，由于貨幣幻覺對消費需求的提升，實際產出在沖擊后的一個季度達到了高點，同時通貨膨脹率也顯著上升。隨后，中央銀行依據泰勒規則和麥科勒姆規則對產出和通脹做出反應，向上調整基準利率并減少貨幣供給。在沖擊后的第2 個季度，投資受緊縮的貨幣政策影響出現較大幅度的下滑，產出水平也隨之下降。隨這利率逐漸下調至均衡水平，投資和實際產出也逐漸回歸到平滑增長路徑。

重點關注房地產沖擊對宏觀經濟變量的影響。來自房地產資產權重j 的沖擊直接影響房地產需求和價格，因此可以視為房地產價格的沖擊。在1 個標準差正向房地產沖擊下，各宏觀經濟變量的響應形態與通脹沖擊后的響應形態相似。沖擊發生后，房地產價格上漲提高了可抵押資產價值，投資也隨之增加。中央銀行依據貨幣政策規則對房價進行調控，貨幣供應量在第3 個季度緊縮到最低水平，基準利率在第7 個季度達到最高，隨后基準利率和貨幣供應量逐漸回歸到均衡水平。相應的，在緊縮的貨幣政策下，通貨膨脹率在沖擊發生后的短期內出現小幅上揚，隨后也逐漸回歸到均衡水平。投資和實際產出在緊縮貨幣政策的調控下向平衡增長路徑調整，最終在20 個季度后回歸到平衡增長路徑上。

總的來看，無約束模型對關鍵宏觀經濟變量動態調整過程的刻畫符合理論預期和現實經驗。就我們所討論的房地產價格對貨幣政策規則影響的問題而言，上述結論與已有研究成果并不完全一致，例如李強(2009)利用SVAR 模型檢驗了我國2000 年至2007 年間資產價格對貨幣供應量的影響，并沒有發現央行利用貨幣供應量對房價和股價進行逆向調節的證據。但是，在一些最新的研究中，國內部分學者的研究結論與我們較為一致。梁爽(2010)利用聯立方程模型估計了資產價格對利率的影響，發現在2005年至2010 年間我國的利率調整對房價指數正向反應。肖爭艷等(2011)利用動態隨機一般均衡模型發現，在我國2003 年至2010 年的貨幣政策實踐中，存在基準利率對房地產價格缺口調整的跡象。陳繼勇等(2013)使用SVAR 模型實證檢驗了1998 年至2011 年我國資產價格對貨幣供應量和信貸總量的影響，發現由于股價、房價反映了未來產出和通脹的信息，這一期間的貨幣政策實質上對其進行了調整。以上文獻利用不同方法，針對不同貨幣政策和資產類型進行的檢驗基本佐證了本文的觀點，本文利用NK-DSGE 模型同時納入修正的泰勒規則和麥克勒姆規則得出的結果較好地刻畫了現實情形，中央銀行針對房地產價格調整貨幣政策的假設具有一定的合理性。

(四)模型有效性檢驗

為了進一步客觀地評價無約束模型的實證表現，我們計算了模型內生變量理論矩的后驗分布。由于貝葉斯估計過程中已經高度擬合了模型和變量實際的一階矩，這里主要考察高階矩的擬合情況。表3 列示了以實際數據計算的觀測變量的方差和協方差、貝葉斯估計得到觀測變量理論方差和協方差，以及5%,,至95%,,的置信區間。

整體來看模型較好地捕捉了實際數據體現出的波動特征，絕大多數變量的方差均落在模型估計出的理論方差90%,,的置信區間內。觀測變量間的協方差關系也得到了較好刻畫，同期變量間的正負向理論關聯與數據基本一致，且理論協方差的90%,,置信區間也基本覆蓋了實際數據計算結果。少數實際二階矩落在了理論矩的置信區間以外，不能排除數據樣本容量較小的影響。因此，總的來看，考慮了中央銀行對房地產價格反應的無約束模型具有較好的實證表現。

表3 觀測變量的二階矩比較

三、基本結論和研究展望

我國房地產市場近年來表現出的“價格增速迅猛、投資急劇擴大、金融依賴顯著增強”特征加深了其與宏觀經濟的聯動屬性，中央銀行貨幣政策是否對房地產價格進行調控直接關乎經濟增長和金融穩定。為了彌補現有研究的缺陷和不足，本文將房地產價格納入修正的泰勒規則和麥克勒姆規則，通過構建新凱恩斯動態隨機一般均衡模型，刻畫了房地產價格與信貸在宏觀經濟動態調整中的關鍵作用。利用我國1992 年至2014 年的經驗數據和貝葉斯估計方法，我們發現：將房地產價格納入貨幣政策目標方程后，模型對關鍵宏觀變量的波動特征和沖擊響應特征的刻畫能夠較好地符合經濟的實際運行狀況。這意味著房地產價格的確顯著影響了我國中央銀行制定的基準利率和貨幣供應量。

根據這一結論，房地產市場對于經濟增長和金融穩定的影響可能遠比市場所預期的更為復雜。它不僅通過直接的產業和信貸關聯發揮作用，而且可能通過中央銀行貨幣政策將來自房地產市場市場的沖擊和波動溢出到其他部門。這一結論并不能作為中央銀行是否應該對資產價格進行反應這一長久爭論的支持或反對的論證依據，但是能夠確定的是，它對中央銀行的貨幣政策調控水平提出了更高的要求。本文的研究結論尚不能確定針對房地產價格調控的貨幣政策在長期來看對社會福利有何種影響，以及最優貨幣政策規則的究竟是何種形式。在新凱恩斯動態隨機一般均衡理論框架下的針對這些問題進行更深入的探討是我們未來研究的方向。

［1］ 陳繼勇，袁 威，肖衛國. 流動性、資產價格波動的隱含信息和貨幣政策選擇——基于中國股票市場與房地產市場的實證分析 [J]. 經濟研究，2013(11)：43-55.

［2］ 李 成，馬文濤，王 彬. 通貨膨脹預期，貨幣政策工具選擇與宏觀經濟穩定 [J]. 經濟學季刊，2010，10(1)：51-82.

［3］ 李 強. 資產價格波動的政策涵義：經驗檢驗與指數構建 [J]. 世界經濟，2009(10)：25-33.

［4］ 梁 爽. 中國貨幣政策與資產價格之間的關系研究 [J]. 經濟科學，2010(6)：59-65.

［5］ 肖爭艷，彭 博. 住房價格與中國貨幣政策規則 [J]. 統計研究，2012，28(11)：40-49.

［6］ 許 偉，陳斌開. 銀行信貸與中國經濟波動：1993-2005 [J]. 經濟學(季刊)，2009，8(3)：969-994.

［7］ 許志偉，薛鶴翔，羅大慶. 融資約束與中國經濟波動 [J]. 經濟學季刊，2010(1)：83-110.

［8］ 薛鶴翔. 中國的產出持續性——基于剛性價格和剛性工資模型的動態分析 [J]. 經濟學季刊，2010，9(4)：1359-1384.

［9］ 趙進文，高 輝. 資產價格波動對中國貨幣政策的影響——基于 1994-2006 年季度數據的實證分析[J]. 中國社會科學，2009(2)：98-114.

［10］ Bean C. Asset Prices，Financial Imbalances and Monetary Policy：Are Inflation Targets Enough?[R]. BIS Working Paper No. 140，2003.

［11］ Bernanke B S，Gertler M，Gilchrist S. The Financial Accelerator in a Quantitative Business Cycle Framework [J]. Handbook of Macroeconomics，1999(1)：1341-93.

［12］ Bernanke B S，Gertler M. Should Central Banks Respond to Movements in Asset Prices? [J].American Economic Review，2001，91(2)：253-57.

［13］ Cecchetti S G. Measuring the Macroeconomic Risks Posed by Asset Price Booms [M]. Asset Prices and Monetary Policy. University of Chicago Press，2008.

［14］ D'Agostino，Antonello，Luca Sala，Paolo Surico. The Fed and the Stock Market [R]. Econ-WPA Working Paper No. 0507001，2005.

［15］ Finocchiaro D，Heideken V Q. Do Central Banks React to House Prices? [J]. Journal of Money，Credit and Banking，2013，45(8)：1659-83.

［16］ Hordahl P，Packer F. Understanding Asset Prices：An Overview [R]. BIS Working Paper No.34，2007.

［17］ Iacoviello M. House Prices，Borrowing Constraints，and Monetary Policy in the Business Cycle[J]. American Economic Review，2005，95(3)：739-64.

［18］ Iacoviello M，Neri S. Housing Market Spillovers：Evidence from an Estimated DSGE Model[J]. American Economic Journal：Macroeconomics，2010，2(2)：125-64.

［19］ Kiyotaki N，Moore J. Credit Chains [J]. Journal of Political Economy，1997，105(21)：211-48.

［20］ Rigobon R，Sack B. Measuring the Reaction of Monetary Policy to the Stock Market [J]. The Quarterly Journal of Economics，2003，118(2)：639-69.