不確定性會影響貨幣政策對房價的調(diào)控效應(yīng)嗎？
——基于LT-TVP-VAR模型的實(shí)證檢驗(yàn)

劉金全，畢振豫

(1.吉林大學(xué)數(shù)量經(jīng)濟(jì)研究中心，吉林 長春 130012；2.吉林大學(xué)商學(xué)院，吉林 長春 130012)

一、引 言

房地產(chǎn)業(yè)是我國國民經(jīng)濟(jì)的支柱產(chǎn)業(yè)，但是房地產(chǎn)價格的迅速攀升也為我國經(jīng)濟(jì)持續(xù)穩(wěn)定發(fā)展埋下了隱患，房價的迅速上漲不僅會侵蝕居民在其他經(jīng)濟(jì)領(lǐng)域的消費(fèi)能力，導(dǎo)致投機(jī)炒房之風(fēng)盛行，同時房地產(chǎn)市場中融資結(jié)構(gòu)單一以及銀行信貸風(fēng)險較大等問題也不利于金融穩(wěn)定和整個國民經(jīng)濟(jì)的健康發(fā)展。面對房地產(chǎn)價格在短期內(nèi)過快上漲的現(xiàn)象，我國政府開始實(shí)施宏觀調(diào)控措施對房地產(chǎn)市場進(jìn)行干預(yù)。貨幣政策作為宏觀調(diào)控的重要手段，應(yīng)當(dāng)發(fā)揮其在房地產(chǎn)市場調(diào)控中的積極作用，以實(shí)現(xiàn)房地產(chǎn)市場與整個宏觀經(jīng)濟(jì)的平穩(wěn)健康發(fā)展。

然而，由于公眾對于政府實(shí)施的經(jīng)濟(jì)政策無法形成準(zhǔn)確有效的預(yù)期，頻繁的宏觀調(diào)控就必然會產(chǎn)生經(jīng)濟(jì)政策不確定性的問題。Baker等(2016)對經(jīng)濟(jì)政策不確定性給出了如下定義：由于政府實(shí)施經(jīng)濟(jì)政策存在一定的隨機(jī)性，公眾對于未來政策無法準(zhǔn)確預(yù)期所帶來的風(fēng)險[1]。經(jīng)濟(jì)衰退本身也會孕育不確定性，這主要是由于在經(jīng)濟(jì)下行時期，政府需要頻繁實(shí)施經(jīng)濟(jì)政策干預(yù)經(jīng)濟(jì)，從而導(dǎo)致不確定性上升。隨著理論研究與政策實(shí)踐的不斷深入，研究者意識到政策不確定性與個體預(yù)期的形成有著密切的聯(lián)系，從而導(dǎo)致其對貨幣政策的實(shí)施與房地產(chǎn)市場的調(diào)控產(chǎn)生深遠(yuǎn)影響。

一個自然的問題是，作為宏觀調(diào)控的必然結(jié)果，不確定性在貨幣政策向房地產(chǎn)市場的傳導(dǎo)過程中扮演了什么樣的角色，不確定性會放大貨幣政策對房價的沖擊效果，還是會削弱貨幣政策對房地產(chǎn)市場的調(diào)控效應(yīng)？同時其本身又會對房地產(chǎn)市場運(yùn)行產(chǎn)生怎樣的影響？為此，本文采用Baker等(2016)設(shè)計的經(jīng)濟(jì)政策不確定性指數(shù)[1]，在經(jīng)濟(jì)政策不確定性的視角下，具體考察了數(shù)量型和價格型貨幣政策對房地產(chǎn)市場的調(diào)控效果以及不確定性對房地產(chǎn)市場的溢出效應(yīng)。

本文后續(xù)安排如下：首先對相關(guān)文獻(xiàn)進(jìn)行回顧與綜述，隨后構(gòu)建門限SVAR模型，選擇經(jīng)濟(jì)政策不確定性作為門限變量，通過非線性檢驗(yàn)驗(yàn)證變量之間的非線性關(guān)系；之后將貨幣供給量、利率、房地產(chǎn)價格以及經(jīng)濟(jì)政策不確定性指數(shù)加入包含潛在門限的時變參數(shù)VAR(LT-TVP-VAR)模型，詳細(xì)考察不同時點(diǎn)貨幣政策對房地產(chǎn)價格的調(diào)控效果以及不確定性對房地產(chǎn)市場的溢出效應(yīng)；最后得出結(jié)論并提出相應(yīng)的政策建議。

二、相關(guān)文獻(xiàn)回顧

目前對于貨幣政策、不確定性與房地產(chǎn)市場之間關(guān)聯(lián)機(jī)制的研究一般集中在兩個方面，一是不確定性條件下貨幣政策對房地產(chǎn)價格的調(diào)控效果與影響機(jī)制，二是不確定性本身對房地產(chǎn)市場的溢出效應(yīng)。

不確定性作為經(jīng)濟(jì)調(diào)控的必然結(jié)果，本身也會對宏觀經(jīng)濟(jì)與房地產(chǎn)市場的運(yùn)行產(chǎn)生顯著影響。Stock和Watson(2012)通過動態(tài)因子模型發(fā)現(xiàn)，不確定性在美國2008年次級貸款危機(jī)中扮演了重要的角色[2]。Gilchrist等(2014)基于融資渠道的研究表明，不確定性攀升會使得企業(yè)融資成本升高，從而導(dǎo)致企業(yè)投資減少[3]。基于實(shí)物期權(quán)理論，Gulen和Ion(2016)的研究發(fā)現(xiàn)不確定性沖擊相當(dāng)于提高了投資的等待價值，這導(dǎo)致企業(yè)推遲決策直至不確定性消失，因此不確定性的提高會對投資產(chǎn)生負(fù)向影響[4]。隨后，研究者也開始在非線性的視角下對不確定性的宏觀經(jīng)濟(jì)效應(yīng)展開研究。張玉鵬和王茜(2016)通過門限VAR模型對政策不確定性的宏觀經(jīng)濟(jì)效應(yīng)進(jìn)行了研究，結(jié)果表明在經(jīng)濟(jì)運(yùn)行較為低迷的時期，不確定性對產(chǎn)出存在顯著的正向沖擊，而在經(jīng)濟(jì)發(fā)展繁榮時期，不確定性會對產(chǎn)出產(chǎn)生顯著的負(fù)向沖擊[5]。Creal和Wu(2017)通過包含隨機(jī)波動的時變模型研究發(fā)現(xiàn)，不確定性沖擊會對通脹以及失業(yè)等重要宏觀經(jīng)濟(jì)變量產(chǎn)生顯著的負(fù)向影響[6]。

此外，不確定性不僅會對宏觀經(jīng)濟(jì)運(yùn)行產(chǎn)生溢出效應(yīng)，同時也會對貨幣政策的實(shí)施效果產(chǎn)生影響。Dixit和Pindyck(2007)以及Bloom(2009)的研究結(jié)果均表明較高的不確定性會削弱貨幣政策的有效性，其原因在于當(dāng)不確定性處于高水平時，經(jīng)濟(jì)個體會推遲決策，從而影響貨幣政策的實(shí)施[7][8]。在后續(xù)的相關(guān)研究中，部分研究者通過信貸渠道嘗試解釋不確定性削弱貨幣政策的具體機(jī)制(Baum等，2013)[9]。也有學(xué)者從預(yù)期與信心層面對問題展開研究，例如，Ilut和Schneider(2014)從預(yù)期渠道出發(fā)對不確定性的宏觀效應(yīng)進(jìn)行了考察，研究結(jié)果顯示不確定性的升高會導(dǎo)致經(jīng)濟(jì)個體在做出投資決策時更加謹(jǐn)慎和保守，從而減少對資本市場和房地產(chǎn)市場的投資，弱化貨幣政策對投資市場的調(diào)控效果[10]。而Aastveit等(2017)的研究從理論和實(shí)證兩個方面表明，經(jīng)濟(jì)個體在面對較高的不確定性時會采取觀望態(tài)度，因此政策不確定性對貨幣政策具有非對稱的影響，當(dāng)不確定性較高時貨幣政策對于宏觀經(jīng)濟(jì)的調(diào)控效果較弱[11]。

我國的房地產(chǎn)市場向來有“政策市”之稱，宏觀經(jīng)濟(jì)政策會對房地產(chǎn)市場運(yùn)行，特別是房地產(chǎn)價格產(chǎn)生重要影響(劉鳳娟和司言武，2018)[12]。由于政府實(shí)施調(diào)控政策的時間難以預(yù)期，因此不可避免地產(chǎn)生了不確定性的問題。而作為政府干預(yù)宏觀經(jīng)濟(jì)的重要手段，貨幣政策對于房地產(chǎn)市場的調(diào)控效果始終是研究者關(guān)注的焦點(diǎn)問題。段忠東和朱孟楠(2011)對于不確定性下房價波動與貨幣政策反應(yīng)進(jìn)行了比較詳盡的文獻(xiàn)綜述，該文章得到的主要結(jié)論是：當(dāng)不確定性較低時，央行應(yīng)該采取積極主動的手段對房地產(chǎn)市場進(jìn)行干預(yù)，而當(dāng)不確定性較高和信息不充分時，央行主動干預(yù)市場風(fēng)險較大，此時應(yīng)當(dāng)綜合運(yùn)用主動干預(yù)和間接反應(yīng)等調(diào)控措施[13]。張浩等(2015)通過數(shù)理推導(dǎo)證明了不確定性的確對房地產(chǎn)價格存在非線性的影響，并通過平滑遷移VAR模型研究了在不同的不確定性狀態(tài)下，貨幣政策沖擊對房地產(chǎn)市場的影響[14]。劉金全和陳德凱(2017)將政策不確定性作為門限變量，通過門限VAR方法檢驗(yàn)了貨幣供給量、利率以及信貸等政策工具對于房地產(chǎn)市場調(diào)控的有效性[15]。上述研究也均從實(shí)證層面表明我國經(jīng)濟(jì)政策不確定性會對貨幣政策的有效性產(chǎn)生顯著的影響。

回顧現(xiàn)有研究不難發(fā)現(xiàn)，雖然有大量針對貨幣政策、房地產(chǎn)價格以及不確定性的研究，但是大多缺乏對于不確定性的量化，或者即使對不確定性進(jìn)行了較為準(zhǔn)確的量化，然而通過傳統(tǒng)的VAR模型也難以對變量之間的關(guān)系進(jìn)行全面的考察。相比于國內(nèi)已有文獻(xiàn)，本文的主要貢獻(xiàn)在于：首先，國內(nèi)文獻(xiàn)對于不確定性的研究大多集中于其對主要宏觀經(jīng)濟(jì)變量，如產(chǎn)出、通脹以及投資的影響，鮮有文獻(xiàn)研究不確定性對貨幣政策實(shí)施效果的影響，而本文通過門限模型和時變參數(shù)模型系統(tǒng)性地分析了該問題。其次，本文采用LT-TVP-VAR模型對問題展開分析，相比于傳統(tǒng)的VAR模型，該模型能夠更為敏銳地捕捉到經(jīng)濟(jì)系統(tǒng)的時變特征與結(jié)構(gòu)性變化，對于經(jīng)濟(jì)現(xiàn)象的解釋也更加合理。

三、數(shù)據(jù)處理與非線性檢驗(yàn)

(一)數(shù)據(jù)選取與處理

本文數(shù)據(jù)包括利率、貨幣供給量、房地產(chǎn)價格以及經(jīng)濟(jì)政策不確定性，數(shù)據(jù)起止時間為2005年7月至2017年9月，數(shù)據(jù)均為月度數(shù)據(jù)。其中，利率選取銀行間7天同業(yè)拆借加權(quán)利率，貨幣供給量選擇M2同比增長率，房地產(chǎn)價格選取70個大中城市新建住宅價格指數(shù)同比增長率。以上數(shù)據(jù)來源均為Wind數(shù)據(jù)庫。

對于經(jīng)濟(jì)政策不確定性指數(shù)的選取存在一定的爭議，Bruno和Shin(2015)利用市場波動性指數(shù)VIX衡量政策不確定性[16]。不過該指數(shù)由標(biāo)普500成分股的期權(quán)波動性構(gòu)成，與我國宏觀經(jīng)濟(jì)狀況存在一定脫節(jié)，因此不適合作為我國不確定性的代理變量。還有部分研究通過統(tǒng)計學(xué)方法處理數(shù)據(jù)以得到不確定性，例如梁權(quán)熙等(2012)采用GARCH模型估計宏觀經(jīng)濟(jì)變量的條件方差來衡量宏觀經(jīng)濟(jì)不確定性[17]，但該方法對數(shù)據(jù)的處理會削減其中所包含的信息。

直到最近，斯坦福大學(xué)和芝加哥大學(xué)的Baker、Bloom和Davis三位學(xué)者編制了經(jīng)濟(jì)政策不確定性(Economic Policy Uncertainty，EPU)指數(shù)，用來反映世界各大經(jīng)濟(jì)體經(jīng)濟(jì)和政策的不確定性，才較為有效地解決了這一問題。Baker等(2016)詳細(xì)闡述了該指數(shù)的構(gòu)建方法，同時運(yùn)用該指數(shù)通過VAR模型研究了不確定性對于美國產(chǎn)出和就業(yè)的影響[1]。金雪軍等(2014)以及李鳳羽和楊墨竹(2015)的研究結(jié)果均表明，經(jīng)濟(jì)政策不確定性指數(shù)能夠很好地刻畫我國經(jīng)濟(jì)政策不確定性，在經(jīng)濟(jì)判斷與市場預(yù)測中有著較強(qiáng)的應(yīng)用價值[18][19]。因此，本文將該指數(shù)納入模型框架對問題展開研究。

隨后本文通過Eviews 8軟件對數(shù)據(jù)預(yù)處理并進(jìn)行平穩(wěn)性檢驗(yàn)，數(shù)據(jù)首先進(jìn)行標(biāo)準(zhǔn)化處理以消除量綱差異，同時為了保持?jǐn)?shù)據(jù)的原始屬性，所有數(shù)據(jù)均沒有進(jìn)行季節(jié)處理。最后利用ADF單位根方法對數(shù)據(jù)進(jìn)行檢驗(yàn)，表1顯示處理之后的數(shù)據(jù)均在5%的顯著性水平下平穩(wěn)，因此無需進(jìn)行平穩(wěn)性處理，可以直接利用原始時間序列進(jìn)行建模。

表1 ADF單位根檢驗(yàn)結(jié)果

(二)非線性檢驗(yàn)

本節(jié)將政策不確定性指數(shù)作為門限變量，通過門限SVAR(TSVAR)模型對變量之間的門限效應(yīng)進(jìn)行檢驗(yàn)，檢驗(yàn)通過Eviews 8軟件完成。首先對TSVAR模型進(jìn)行介紹：

Yt=A1Yt+B1(L)Yt-1+(A2Yt+B2(L)Yt-1)I(ct-d>γ)+∑t

(1)

其中，Yt代表k×1階內(nèi)生變量，B1(L)和B2(L)代表滯后多項(xiàng)式矩陣，∑t代表擾動項(xiàng)矩陣，ct-d代表門限變量，I(·)代表指示變量，當(dāng)ct-d>γ成立時取值為1，否則取值為0，A1和A2代表參數(shù)矩陣。模型更為詳細(xì)的介紹可以參考Balke(2000)[20]。在實(shí)證研究中，首先需要確定的問題是采用非線性模型對于經(jīng)濟(jì)現(xiàn)實(shí)的刻畫是否優(yōu)于線性模型，因此本文通過Wald統(tǒng)計量進(jìn)行門限檢驗(yàn)，檢驗(yàn)原假設(shè)為不存在門限效應(yīng)。同時為了保證檢驗(yàn)的穩(wěn)健性，本文計算了三種Wald統(tǒng)計量，分別為Wald統(tǒng)計量最大值sup-Wald、平均值avg-Wald以及指數(shù)值exp-Wald。

表2 非線性檢驗(yàn)結(jié)果

接下來進(jìn)行門限效應(yīng)檢驗(yàn)，滯后階數(shù)根據(jù)線性模型的選取標(biāo)準(zhǔn)選擇為滯后二階，并選擇政策不確定性指數(shù)作為門限變量。檢驗(yàn)結(jié)果顯示在表2中，三種Wald統(tǒng)計量的結(jié)果均表明可以在1%的顯著性水平下拒絕原假設(shè)，這表明不確定性的確會對貨幣政策的調(diào)控效果產(chǎn)生影響，這也說明了下文利用LT-TVP-VAR模型的合理性。

四、LT-TVP-VAR模型介紹與參數(shù)估計

通過之前的非線性檢驗(yàn)可以看到，不確定性、貨幣政策與房價波動之間的關(guān)系很有可能并非是線性的，即在不同的不確定性狀態(tài)下，貨幣政策對房地產(chǎn)市場的調(diào)控效果很有可能存在著時變特征與非對稱性。因此采用常系數(shù)模型可能無法捕捉到變量之間的關(guān)聯(lián)機(jī)制。而就非線性模型的選擇而言，可以選擇門限模型、平滑遷移模型以及馬爾可夫區(qū)制轉(zhuǎn)移模型，不過這些模型均假定變量之間的關(guān)聯(lián)機(jī)制具有一定的躍遷特征，因此無法準(zhǔn)確刻畫變量之間關(guān)系的時變特征。從這個角度來看，可以選擇TVP-SV-VAR模型。但是采用帶有隨機(jī)波動的TVP-VAR模型會放大結(jié)構(gòu)變化時的沖擊力度，同時會產(chǎn)生過度擬合問題，增加估計誤差，特別是我國房價指數(shù)與經(jīng)濟(jì)政策不確定性指數(shù)波動比較劇烈，采用該方法會削弱模型結(jié)果的有效性與可靠性。綜合以上考慮，本文選擇采用LT-TVP-VAR模型進(jìn)行分析。

(一)模型介紹

為了對模型進(jìn)行介紹，首先引入SVAR模型：

Ayt=Γ1yt-1+…+Γsyt-s+μt,t=s+1,…,n

(2)

其中，A為k×k階下三角參數(shù)矩陣，Γs為k×k階系數(shù)矩陣，yt為k×1維觀測變量，μt代表k×1維結(jié)構(gòu)沖擊。本文假設(shè)μt～N(0,∑∑)，其中：

(3)

接下來引入時變參數(shù)βi=A-1Γi，Xt=Is?(yt-1,yt-2,…,yt-s)，?代表克羅內(nèi)克積，由此可以將方程簡化為：

(4)

上式中，系數(shù)矩陣、參數(shù)矩陣和協(xié)方差矩陣都具有時變性特征。本文參考Nakajima等(2011)以及Nakajima和West(2013)，假定模型參數(shù)服從如下過程[21][22]：

(5)

(6)

bt=βt·I(|βt|≥db)

(7)

at=αt·I(|αt|≥da)

(8)

其中，I(·)代表指示變量，只能取值0或1，db和da分別代表系數(shù)和聯(lián)立參數(shù)的待估門限值。本文隨后利用馬爾科夫蒙特卡洛模擬方法(MCMC)對參數(shù)進(jìn)行估計。

(二)模型參數(shù)估計

本文接下來通過MCMC方法對模型進(jìn)行估計，本部分實(shí)證結(jié)果通過OxMetrics 6軟件完成。本文將模擬次數(shù)設(shè)置為11000次，同時為了消除初值對于模型估計的干擾，舍棄前1000次模擬。滯后階數(shù)選擇與前文一致，選取為滯后二階。

表3給出了MCMC方法得到模型參數(shù)的均值、標(biāo)準(zhǔn)差、95%置信區(qū)間、Geweke診斷值以及無效因子。其中Geweke診斷值和無效因子是判斷模型估計效果的重要指標(biāo)，Geweke診斷值主要用來考察模型的收斂性，無效因子代表后驗(yàn)樣本均值方差和不相關(guān)序列樣本均值方差的比值，可以用來計算模型估計所產(chǎn)生的不相關(guān)樣本的個數(shù)。本文模型估計結(jié)果顯示大多數(shù)參數(shù)無效因子均小于200，只有(Ωα)1和(da)1的無效因子大于200，以其中最大的無效因子226.33計算，也至少可以得到大約10000/226.33≈44個無關(guān)樣本，這已經(jīng)足夠進(jìn)行后驗(yàn)推斷。

表3 模型參數(shù)估計結(jié)果

表4中顯示了潛在門限可接受率，就估計結(jié)果而言，四者均大于30%，最高為73%。這說明貨幣政策以及不確定性對于房地產(chǎn)市場的影響具有顯著的門限效應(yīng)，同時表明本文選擇LT-TVP-VAR模型是合理的。

表4 潛在門限可接受率(%)

五、不確定性視角下我國貨幣政策調(diào)控效果的時變特征分析

本節(jié)在之前模型估計的基礎(chǔ)上，通過等間隔脈沖響應(yīng)函數(shù)分析價格型貨幣政策與數(shù)量型貨幣政策對房地產(chǎn)市場的調(diào)控效果，并研究經(jīng)濟(jì)政策不確定性對房地產(chǎn)價格的溢出效應(yīng)。

(一)價格型貨幣政策對房地產(chǎn)市場的調(diào)控效果

本文滯后時期選擇4期(1個季度)、8期(2個季度)與12期(1年)，分別衡量短期、中期和長期的貨幣政策對于房地產(chǎn)市場的調(diào)控效應(yīng)以及不確定性對于房地產(chǎn)市場的溢出效應(yīng)。圖2顯示了房價對于一個標(biāo)準(zhǔn)差利率沖擊的脈沖響應(yīng)函數(shù)，圖中實(shí)線、長虛線和短虛線分別代表滯后4期、滯后8期和滯后12期的等間隔脈沖響應(yīng)函數(shù)。從圖中可以看到，三條脈沖響應(yīng)函數(shù)走勢比較一致，說明模型的估計具有相當(dāng)?shù)姆€(wěn)健性。從圖中還可以看到，利率沖擊會對房地產(chǎn)價格產(chǎn)生顯著的負(fù)向影響，不過其對于房地產(chǎn)價格的影響在不同時期也存在著明顯的差異。

就價格型貨幣政策的有效性來看，從整體上說價格型貨幣政策對于房地產(chǎn)市場的調(diào)控是有效的，在圖中體現(xiàn)為三條脈沖響應(yīng)函數(shù)整體位于零線下方，但是在不同的時間節(jié)點(diǎn)，房價波動對于利率沖擊的響應(yīng)并不完全一致，利率對房地產(chǎn)市場的沖擊效果經(jīng)歷了先升后降、又升又降的“W”型走勢。價格型貨幣政策對于房地產(chǎn)價格調(diào)控效果最為顯著的時期出現(xiàn)在2009年和2014年左右，在圖中體現(xiàn)為三條曲線大幅負(fù)向偏離零線。尤其是金融危機(jī)爆發(fā)后，利率對房地產(chǎn)市場的調(diào)控極為有效，其原因在于美國次貸危機(jī)對我國與世界經(jīng)濟(jì)產(chǎn)生了顯著的負(fù)面影響，我國政府出臺多項(xiàng)措施對經(jīng)濟(jì)進(jìn)行干預(yù)，在各項(xiàng)經(jīng)濟(jì)政策聯(lián)合發(fā)力下，價格型貨幣政策對房價的調(diào)控效果十分顯著。

不過，在某些時期房地產(chǎn)價格并未受到價格型貨幣政策的顯著影響，結(jié)合圖1中政策不確定性指數(shù)的走勢，可以發(fā)現(xiàn)價格型貨幣政策基本無效的時間節(jié)點(diǎn)均對應(yīng)我國不確定性指數(shù)的峰值，這些峰值出現(xiàn)在2012年和2017年左右，在這兩個時間節(jié)點(diǎn)分別召開了中共十八大和中共十九大，在這些時點(diǎn)前后往往伴隨著重要經(jīng)濟(jì)政策的出臺，這些政策對未來一定時期的經(jīng)濟(jì)金融發(fā)展造成深刻影響，這也從另一個方面印證了該指數(shù)的確對我國經(jīng)濟(jì)政策不確定性進(jìn)行了有效地刻畫。而上述實(shí)證結(jié)果也與Aastveit等(2017)理論模型的推導(dǎo)結(jié)果相一致，即當(dāng)政策不確定性較高時，貨幣政策對于宏觀經(jīng)濟(jì)的調(diào)控效果往往較弱[11]。而在不同的不確定性狀態(tài)下貨幣政策對房價調(diào)控所體現(xiàn)出的非對稱性，主要是由于以下原因造成的：經(jīng)濟(jì)中個體的預(yù)期形成和不確定性有著密切的聯(lián)系，當(dāng)政策不確定性提高后，個體會推遲進(jìn)行消費(fèi)和投資決策以等待更好的消息出現(xiàn)。以房地產(chǎn)市場為例，當(dāng)政府頻繁發(fā)布政策試圖干預(yù)經(jīng)濟(jì)時，房地產(chǎn)市場中觀望情緒比較濃重，此時預(yù)期因素而不是貨幣政策成為影響房地產(chǎn)價格的主要因素，由此導(dǎo)致不確定性較高時貨幣政策失效。這同時說明了LT-TVP-VAR模型的確能夠捕捉到宏觀經(jīng)濟(jì)運(yùn)行過程中的結(jié)構(gòu)性變化，也說明了本文加入不確定性指數(shù)與選擇模型的合理性。此外，相比于數(shù)量型貨幣政策，房價對于利率的反應(yīng)并不劇烈，這說明我國利率市場化尚不成熟，雖然監(jiān)管層面已經(jīng)逐步放開利率管制，但是利率向?qū)嶓w經(jīng)濟(jì)的傳導(dǎo)仍然存在阻礙。

綜合來看，價格型貨幣政策對于房地產(chǎn)市場的調(diào)控效應(yīng)顯示出了顯著的時變特征與非對稱性，當(dāng)宏觀經(jīng)濟(jì)下行壓力較大時，政府往往出臺多項(xiàng)措施對經(jīng)濟(jì)實(shí)施干預(yù)，此時各項(xiàng)政策聯(lián)合發(fā)力，價格型貨幣政策對于房地產(chǎn)市場的具有較強(qiáng)的調(diào)控效果。而價格型貨幣政策無效的時期往往伴隨著經(jīng)濟(jì)政策不確定性的走高，這表明政策不確定性的確會弱化價格型貨幣政策對房地產(chǎn)價格的調(diào)控效果。

圖1 經(jīng)濟(jì)政策不確定性指數(shù)

圖2 房價對利率沖擊的脈沖響應(yīng)

(二)數(shù)量型貨幣政策對房地產(chǎn)市場的調(diào)控效果

圖3顯示了房地產(chǎn)價格對于一個標(biāo)準(zhǔn)差貨幣供給量沖擊的脈沖響應(yīng)函數(shù)，三條曲線的走勢高度耦合，同時出現(xiàn)若干個局部峰值，說明數(shù)量型貨幣政策對于房地產(chǎn)市場的調(diào)控效果有著明顯的時變性特征。從圖中可以看到，數(shù)量型貨幣政策能夠較為有效地對房地產(chǎn)市場進(jìn)行調(diào)控，在圖中體現(xiàn)為三條脈沖響應(yīng)函數(shù)均位于零線上方。而且對比之前價格型貨幣政策的脈沖響應(yīng)函數(shù)，可以發(fā)現(xiàn)房價對貨幣供給量沖擊反應(yīng)更加敏感。

從圖3中不難發(fā)現(xiàn)，貨幣供給量沖擊對房價始終有著較強(qiáng)的刺激作用，不過其對房價的影響呈現(xiàn)出不斷下行的趨勢，特別是在2015年之后，數(shù)量型貨幣政策對于房地產(chǎn)市場的影響作用顯著減弱，這說明數(shù)量型貨幣政策與房地產(chǎn)市場的關(guān)系可能正在逐步弱化。此外，數(shù)量型貨幣政策同樣也受到了不確定性的影響，較高的不確定性弱化了其對房地產(chǎn)市場的調(diào)控效果。不過相比于價格型貨幣政策，數(shù)量型貨幣政策對房地產(chǎn)市場的調(diào)控效果受到不確定性的影響較小，在我國不確定性指數(shù)大幅走高的2008年和2012年，雖然貨幣供給量對房價的刺激效果減弱，但是并未出現(xiàn)政策明顯無效的階段，這表明房價能夠?qū)ω泿殴┙o量做出更為充分的反應(yīng)，因此相比于價格型貨幣政策，數(shù)量型貨幣政策對房地產(chǎn)市場的調(diào)控效果更好。

同時，脈沖響應(yīng)函數(shù)在2007年、2010年與2013年等時期出現(xiàn)了若干個局部峰值，結(jié)合我國房地產(chǎn)價格指數(shù)可以發(fā)現(xiàn)，在這些時間節(jié)點(diǎn)房地產(chǎn)價格出現(xiàn)了大幅上漲，例如，2008年美國次貸危機(jī)對全球金融市場造成了巨大的沖擊，給各國經(jīng)濟(jì)發(fā)展帶來了嚴(yán)重的影響，我國也面臨著國內(nèi)外需求疲軟以及經(jīng)濟(jì)下行壓力較大等問題。為了鼓勵住房消費(fèi)與房地產(chǎn)投資，央行在2008年下半年連續(xù)五次降息，國務(wù)院于同年年底推出進(jìn)一步擴(kuò)大內(nèi)需，促進(jìn)經(jīng)濟(jì)增長的十項(xiàng)措施，即“四萬億”計劃，樓市隨后開始復(fù)蘇，2010年前十個月房價指數(shù)同比漲幅均超過10%，4月份和5月份的漲幅更是突破了15%。在此期間貨幣供給量對于房價的刺激作用十分顯著。而在2012年央行再次松動銀根，下調(diào)存貸款利率與存準(zhǔn)率，房價再次出現(xiàn)大幅上漲。與此同時，貨幣供給量對房價的促進(jìn)作用也再度上升。步入2014年之后，政府密集出臺措施對房價進(jìn)行調(diào)控，同時央行收緊流動性，伴隨著房價增速的下降，數(shù)量型貨幣政策對房價的調(diào)控效果也開始減弱。但是，2015年為了減少房地產(chǎn)庫存，釋放市場中剛性需求與改善性需求，政策再度向房地產(chǎn)市場傾斜，房地產(chǎn)價格再次迎來新一輪上漲，貨幣擴(kuò)張對房價的刺激作用也再次達(dá)到峰值。這表明貨幣政策的調(diào)控效果與房價有著密切的聯(lián)系。其中的原因在于當(dāng)房價等資產(chǎn)價格處于高位時，市場情緒普遍樂觀，因此當(dāng)央行增加貨幣供給釋放流動性時會導(dǎo)致更多的貨幣進(jìn)入房地產(chǎn)市場，從而導(dǎo)致房價上升。

綜上所述，數(shù)量型貨幣政策在調(diào)控房價方面比價格型貨幣政策更加具有優(yōu)勢，房地產(chǎn)市場對于貨幣供給量沖擊更加敏感。同時，受到市場預(yù)期的影響，數(shù)量型貨幣政策的調(diào)控效果與房地產(chǎn)價格本身也有著密切的聯(lián)系，當(dāng)房價走高時數(shù)量型貨幣政策具有較強(qiáng)的調(diào)控效應(yīng)。

(三)經(jīng)濟(jì)政策不確定性對房地產(chǎn)市場的溢出效應(yīng)

從圖4中可以看到，總體而言，不確定性沖擊會對房地產(chǎn)價格產(chǎn)生負(fù)面影響，不過在樣本期間，不確定性對于房地產(chǎn)市場的影響效果不斷減弱，三條脈沖響應(yīng)函數(shù)在2014年左右穿過了零線，說明變量之間的關(guān)系可能發(fā)生了結(jié)構(gòu)性的轉(zhuǎn)變。

房地產(chǎn)價格對不確定性沖擊的脈沖響應(yīng)函數(shù)首先下降，并在2008年左右達(dá)到波谷，隨后緩慢上升并于2010年左右達(dá)到波峰，之后又繼續(xù)上行并在2014年左右穿越零線。按照Aastveit等(2017)理論部分的推導(dǎo)，不確定性對于房價的影響是負(fù)面的，即不確定性走高會導(dǎo)致個體推遲投資，從而導(dǎo)致房價下跌[11]。不過根據(jù)金雪軍等(2014)的研究，政策不確定性不僅會對股票價格以及房地產(chǎn)價格等資產(chǎn)價格產(chǎn)生負(fù)面影響，同時也會對產(chǎn)出、消費(fèi)、通脹和投資等重要經(jīng)濟(jì)變量產(chǎn)生負(fù)向的溢出效應(yīng)[18]。而經(jīng)濟(jì)行為主體基本是風(fēng)險厭惡的，因此當(dāng)不確定性上升時，經(jīng)濟(jì)個體會采取措施盡可能回避風(fēng)險。對比房地產(chǎn)價格指數(shù)的走勢，可以發(fā)現(xiàn)，三條脈沖響應(yīng)函數(shù)和房價走勢高度耦合，即當(dāng)房價上漲(下跌)時，不確定性對于房價的負(fù)向影響就會減弱(增強(qiáng))，例如，2008年受到美國次貸危機(jī)的影響，國內(nèi)房價一路走低，此時不確定性對于房價的負(fù)面沖擊達(dá)到峰值；隨后“四萬億”政策出爐，同年國務(wù)院發(fā)出《關(guān)于促進(jìn)房地產(chǎn)市場健康發(fā)展的若干意見》，房地產(chǎn)市場開始轉(zhuǎn)暖，而不確定性對于房價的影響開始減弱；在2010年房價劇烈反彈后，國務(wù)院接連出臺“國十條”以及“新國八條”等房地產(chǎn)調(diào)控政策遏制房價過快上漲趨勢，此時不確定性對房價的負(fù)向影響再次達(dá)到峰值；但是受到市場樂觀預(yù)期的影響，房地產(chǎn)調(diào)控政策對于房地產(chǎn)市場的調(diào)控效果有限，并未有效遏制房價上漲，而房價對于不確定性的響應(yīng)函數(shù)也不斷上行并突破零線甚至對房價產(chǎn)生正向影響；不過自2015年以來，政府開始綜合運(yùn)用財政以及金融等手段對樓市進(jìn)行調(diào)控，伴隨著房價漲幅趨緩，三條脈沖響應(yīng)函數(shù)也開始步入下行區(qū)間。

由此可見，不確定性對于房價的溢出效應(yīng)與房地產(chǎn)價格有著密切的聯(lián)系。當(dāng)房地產(chǎn)價格較低時，不確定性對于房價會產(chǎn)生負(fù)面影響，但是近些年來不確定性對于房價的影響不斷減弱，甚至出現(xiàn)正向影響，這其中的原因在于我國居民目前投資方式比較單一，缺少投資途徑，很多人還對2007年和2015年的兩次股災(zāi)心有余悸，但是我國的房地產(chǎn)市場還未經(jīng)歷過一輪完整的周期，房地產(chǎn)價格的不斷走高讓不少人相信房地產(chǎn)價格是不會下跌的，由此導(dǎo)致房地產(chǎn)成為避險資產(chǎn)。因此當(dāng)不確定性走高導(dǎo)致市場風(fēng)險增加時，大量資金就會涌入房地產(chǎn)市場，導(dǎo)致房價上升。

綜合而言，不確定性對于房價的溢出效應(yīng)具有顯著的時變特征，總體上不確定性對房價會造成負(fù)面影響，不過近些年由于房價的不斷走高，不確定性對房價的影響不斷減弱，甚至出現(xiàn)反復(fù)。這說明不確定性的影響效果和房價本身有著密切的聯(lián)系，我國居民由于缺乏投資手段，同時對于房地產(chǎn)市場有著樂觀的預(yù)期，導(dǎo)致房地產(chǎn)價格處于高位時不確定性對房價的溢出效應(yīng)減弱。

圖3 房價對貨幣供給沖擊的脈沖響應(yīng)

圖4 房價對不確定性沖擊的脈沖響應(yīng)

六、結(jié)論與政策涵義

作為宏觀調(diào)控的必然結(jié)果，不確定性對貨幣政策有效性的影響值得研究者給予充分關(guān)注。本文正是以此為切入點(diǎn)，首先在經(jīng)濟(jì)政策不確定性的視角下，利用門限模型檢驗(yàn)變量之間的非線性關(guān)系，隨后從動態(tài)的角度出發(fā)，通過LT-TVP-VAR模型考察了貨幣政策對房地產(chǎn)市場的調(diào)控效果以及不確定性對房價的溢出效應(yīng)，并得到以下研究結(jié)論：

首先，無論是數(shù)量型貨幣政策還是價格型貨幣政策均能夠?qū)Ψ績r產(chǎn)生顯著的影響。同時，伴隨著經(jīng)濟(jì)政策不確定性的不斷變化，貨幣政策對房地產(chǎn)市場的調(diào)控效應(yīng)也表現(xiàn)出明顯的時變特征。當(dāng)政府頻繁發(fā)布政策試圖干預(yù)經(jīng)濟(jì)時，房地產(chǎn)市場中觀望情緒比較濃重，此時預(yù)期因素而不是貨幣政策成為影響房價的主要因素，由此導(dǎo)致不確定性較高時貨幣政策失效。

其次，隨著宏觀經(jīng)濟(jì)形勢的更迭以及房地產(chǎn)市場運(yùn)行狀況的不斷變化，兩種貨幣政策工具的調(diào)控效果同樣表現(xiàn)出較為顯著的非對稱性。當(dāng)經(jīng)濟(jì)面臨較大的下行壓力時，價格型貨幣政策的調(diào)控效果較為顯著，而數(shù)量型貨幣政策的調(diào)控效果與房地產(chǎn)價格有著密切的聯(lián)系，其在房價高漲時期往往更加有效。

最后，不確定性會對房地產(chǎn)市場產(chǎn)生顯著的溢出效應(yīng)，而且溢出效應(yīng)與房地產(chǎn)市場運(yùn)行的不同階段高度耦合。當(dāng)房地產(chǎn)市場處于繁榮時期時，不確定性對房價的負(fù)向影響較弱。這表明由于我國居民缺乏投資手段，同時對于房地產(chǎn)市場有著樂觀的預(yù)期，因此當(dāng)不確定性走高導(dǎo)致市場風(fēng)險增加時，大量資金就會涌入房地產(chǎn)市場，導(dǎo)致房價上升。

本文的研究結(jié)果表明，政府在通過經(jīng)濟(jì)政策對房地產(chǎn)市場進(jìn)行調(diào)控的同時，政策頻繁變動所引致的不確定性往往會削弱貨幣政策的調(diào)控效果。為此，政府在制定經(jīng)濟(jì)政策時應(yīng)當(dāng)著重考慮政策的長期穩(wěn)定性，避免政策朝令夕改對公眾預(yù)期以及政府部門的聲譽(yù)產(chǎn)生系統(tǒng)性的影響。貨幣當(dāng)局應(yīng)當(dāng)堅(jiān)持“總量平衡、適度從緊、適時微調(diào)”的政策調(diào)控方針，擺脫傳統(tǒng)上大起大落的調(diào)控方式，從而從源頭上減少經(jīng)濟(jì)政策的不確定性。其次，鑒于不確定性主要是通過預(yù)期與信心渠道對貨幣政策以及房地產(chǎn)市場產(chǎn)生影響，這要求相關(guān)當(dāng)局切實(shí)加強(qiáng)政策調(diào)控的預(yù)期引導(dǎo)，防止外界對宏觀政策進(jìn)行過度解讀。中央銀行應(yīng)當(dāng)重點(diǎn)關(guān)注貨幣政策的連貫性與一致性，避免短期內(nèi)政策的大幅調(diào)整，以便更好地發(fā)揮貨幣政策在調(diào)控房地產(chǎn)市場中的支撐作用。最后，我國兩種不同類型的貨幣政策具有較好的互補(bǔ)性，政府在房地產(chǎn)市場的不同階段應(yīng)當(dāng)斟酌搭配利用不同的政策工具。面對現(xiàn)階段我國房地產(chǎn)價格快速上漲以及不確定性大幅波動的狀況，數(shù)量型貨幣政策對房價的影響往往更為顯著，貨幣當(dāng)局應(yīng)當(dāng)保持貨幣增量與經(jīng)濟(jì)發(fā)展水平相適應(yīng)，控制信貸增速在合理范圍內(nèi)，從而為合理控制房價提供政策保障，也為金融發(fā)展服務(wù)實(shí)體經(jīng)濟(jì)提供必要的支持。