利率、匯率和房價誰是波動的源頭？
——基于MGARCH模型的波動溢出效應研究

徐升艷 王睿智 周玉琴

一、引言

利率、匯率、房價穩定與協調發展是金融穩健運行的重要一環。自2015年以來，利率、人民幣匯率和房價都經歷了較大的波動。在利率市場上，2016年第四季度以來，我國金融去杠桿和全球貨幣周期拐點，流動性趨緊、美元加息帶動中國利率上行，短期波動飆升。根據中信證券研究所數據，3個月銀行間同業拆借加權利率波動率最高達80.58%。在外匯市場上，2015年政策上推出了“8.11匯改”。改革之后，由于強勢美元的影響，人民幣不斷貶值，盡管央行也進行了干預，人民幣兌美元即期匯率還是呈現較大的波動。2016年人民幣兌美元下跌超6%。在2017年5月，調整人民幣匯率加入了逆周期因子后，人民幣匯率單邊上漲近6%。在房地產市場上，2015年以來中央推動的去庫存政策導致一二三四線城市房價輪動暴漲。2017年受利率上行，需求端限購限貸，供給端發展住房租賃市場，限制房企融資等房地產調控政策，中央政府堅持“房住不炒”政策導向，房地產開發投資回落，不同地區房價漲幅分化。我國的貨幣市場、外匯市場、房地產市場之間是否存在相互影響？如果存在相互影響，誰是波動的源頭？影響路徑如何？相關政策改革是否使得三者之間的關系發生變化？近年來利率、匯率和房價三者波動加劇，為研究上述問題提供了較好的條件。

波動溢出效應是指一個市場的波動不僅對自身未來波動有影響，還可能對其它市場未來的波動產生影響（董秀良和曹鳳岐，2009）[1]。不少文獻對利率和匯率之間的波動溢出效應進行了研究。較多學者證明了利率與匯率兩者存在雙向的波動溢出關系，國內與國外市場均是如此。So（2001）[2]發現美國金融市場存在利率與匯率間的波動溢出。趙華（2007）[3]發現人民幣兌歐元、日元等匯率與人民幣利率之間具有雙向的波動溢出效應。雖然有波動溢出效應，但是人民幣匯率與利率之間的動態條件相關關系較小（趙勝民等，2013）[4]。波動溢出效應也不是一成不變的，在不同的匯率改革時點和金融危機前后，兩者的波動溢出關系發生了顯著變化。趙天榮、李成（2010）[5]認為2005年匯改前后，匯率與利率之間的動態關系發生了系統性的改變。陳守東、高艷（2012）[6]發現在金融危機前后由匯率影響利率的單向溢出效應，變為雙向溢出波動效應。雖然關于利率與匯率之間的波動溢出效應研究的較多，但是對利率與房價、匯率與房價的波動溢出效應研究較少。在利率與房價波動溢出方面，萬阿俊（2015）[7]認為房價與利率總體呈現負向的時變溢出效應。譚政勛、王聰（2015）[8]認為利率與貨幣供應量對房價的波動反應不充分。鄭世剛（2018）[9]也發現利率和貨幣供應量未對房價波動做出有效和顯著的反應。關于匯率與房價波動溢出效應，韓鑫滔、劉星（2017）[10]發現人民幣匯率變化率對房價增速的直接波動溢出效應較低，但存在與貨幣供應量聯合對房價的波動溢出效應。陳華、鄭曉亞（2019）[11]發現匯率波動對房價存在顯著的影響，匯率變化對房價存在溢出效應。

梳理文獻，學者們對利率與匯率之間的波動溢出效應進行了較多的討論，對利率與房價、匯率與房價的波動溢出效應也有少量的研究。但是，關于三個變量間波動溢出效應的研究尚有不足，對利率與房價、匯率與房價的三者之間關系研究較少。

利率、匯率、房價之間存在相互聯系，需要將三者納入一個框架進行分析。因此，本文利用2000年3月—2017年3月的月度數據，基于BEKKGARCH模型研究利率、匯率、房價三者的波動溢出效應，并進一步基于DCC-GARCH模型研究利率、匯率、房價三者的波動溢出效應的動態變化。這樣利用二階矩從波動溢出層面研究三者之間的關系，可以彌補僅利用一階矩從均值角度分析的不足，并減少分析結果的偏誤。

本文可能的貢獻主要有兩點：第一，豐富了利率、匯率、房價三者聯動關系的研究，探究了三者波動溢出效應的信息源頭和傳導路徑。第二，通過DCC-GARCH模型直觀地研究三者波動溢出關系的動態變動，分析了利率、匯率市場化進程中重要改革時點前后波動溢出效應的動態變化。

二、理論分析與假設

（一）變量間影響路徑分析

1.利率與匯率的關系。根據利率平價理論和相對購買力平價理論，利率對人民幣匯率影響為正。利率通過影響國際資本流動和資本項目間接對匯率產生影響。高利率國家短期國際資本的流入將增加本幣需求，同時減小國際資本收支逆差，支持本國貨幣即期匯率升值。另外，匯率變動的主要因素是不同國家相對物價水平的變化，而利率通過影響本國的物價水平和經常項目，間接影響匯率。

匯率的變動會快速地傳遞到物價和GDP統計的各個指標上，引起利率的變動（Nadal-De Sim?one&Razzak，1999）[12]。當人民幣貶值時，帶來輸入的通貨膨脹，央行通常會通過提高利率調節CPI。另外，當人民幣持續貶值致使短期國際資本外逃，央行會通過提高利率，以穩定匯率。反之，當人民幣持續升值導致大量熱錢涌入時，央行將降低利率。因此，通過CPI與熱錢流動渠道，匯率對利率的沖擊為負相關。

2.利率與房價的關系。利率對房價的影響，需要區分房地產的流量市場和存量市場。在流量市場上，利率提高將沖擊房地產商的資金成本，減少房地產供給；同時利率提升，尤其是按揭貸款利率的提升將減少房地產的需求，因此，利率對房價的影響取決于房地產供給與需求的利率彈性大小。若供給的利率彈性較大，則利率對房價為正相關；反之，則為負相關。在存量房地產市場上，長期利率的下調會降低投資者對房地產投資的收益要求，導致更多的資金涌入房地產市場，房地產的資產價格上升（王來福、郭峰，2007）[13]。我國大部分學者傾向于利率對房價的影響為負向，比如王來福、郭峰（2007）[13]、陳長石、劉晨暉（2015）[14]等。

房價對利率的沖擊也可能存在多重效應。央行的干預機制（Castro，2011）[15]表明，如果房價直接對CPI產生沖擊，央行通常會對利率進行調整，提高利率壓制資產泡沫，這種效應為正向。同樣為正向效應的還有信貸需求拉動機制，房價上漲將推動貸款需求的上升，貨幣需求增大，推動利率上漲。而流動性供給機制（Tirole，2011）[16]指出房價對利率的沖擊存在負向效應。房價上漲產生財富效應，在一定程度上為市場提供流動性，推動利率的下降。因此，房價對利率的影響取決于何種機制占主導。萬阿俊（2015）[7]認為房價與利率總體呈現負向的時變溢出效應，該觀點支持房價上漲帶來財富效應的理論。

3.匯率與房價的關系。匯率對房價的影響存在國際資本流動和國內貨幣供給兩條渠道（李芳、李秋娟，2014）[17]。人民幣升值會吸引大量短期國際資本流入，房地產市場能吸納巨大體量的資金，因此推高了房地產價格。另外，匯率變動會影響國內貨幣供給。人民幣如果有持續升值的預期，央行可能通過擴大人民幣供給、回籠外幣的手段在外匯市場上進行干預，貨幣供給增加，推升資產泡沫，引起房價上漲。因此，人民幣匯率對房價的影響為正相關。同時，房地產通過關聯效應帶動經濟增長，推動人民幣升值（馬君潞和呂劍，2008）[18]，李芳和李秋娟（2014）[17]認為這種影響持續時間較長。

本文利用圖1，總結了利率、匯率、房價之間相互影響關系。由圖1可見，利率、匯率、房價之間通過CPI、Ke（國際資本流動）、M2等中介變量相互影響。M2在每條傳導渠道都發揮了重要的作用，因此本文在BEKK-GARCH模型中，加入M2作為中介變量，研究利率、匯率、房價三者的直接和間接波動溢出效應。

圖1 利率、匯率、房價傳導機制

（二）模型假設

結合文獻梳理，根據上文變量間的影響路徑分析和傳導機制，本文對利率、匯率、房價三者之間的作用機制和渠道提出如下三個假說：

H1：利率、匯率、房價三者之間存在波動溢出效應。

通過上文的分析，利率、匯率、房價通過貨幣供應量或國際資本流動等渠道而相互影響，已有文獻證明了利率與匯率存在雙向波動溢出效應、匯率對房價存在波動溢出效應，因此假設三者的波動溢出效應存在單向或者雙向影響。如果任意兩個不同變量對中介變量的作用大小不同，會造成兩個變量之間波動溢出的大小不同，波動溢出效應會呈現非對稱特征。

H2：三者之間既存在直接波動溢出效應，也存在間接波動溢出效應。

實際有效匯率可能引起國際資本的跨國流動，從而直接或通過實際利率間接導致房價變化（袁東等，2015）[19]，匯率可以通過利率間接作用于房價。基于該項研究，本文假設利率、匯率、房地產市場的波動除了受自身因素影響，還受到其他因素波動的影響。波動溢出效應可能包括直接效應和間接效應，比如利率對房價的波動效應，除了利率的直接波動溢出效應以外，還可能存在利率通過匯率作用于房價的間接波動溢出效應，或者與匯率等因素對房價的聯合波動溢出效應。

H3：利率、匯率、房價之間波動溢出效應并非常數，在利率、匯率市場化改革等重要時點前后，波動溢出效應會發生變動。

趙天榮和李成（2010）[5]、陳守東和高艷（2012）[6]認為在匯率改革、金融危機前后，利率與匯率之間的波動溢出效應發生改變。王來福和郭峰（2007）[13]認為貨幣政策與利率政策方向不同，會使得利率對房價的影響呈動態變化。李芳和李秋娟（2014）[17]認為在不同經濟狀態下，匯率與房價的影響關系不同。在不同時點上，由于制度環境的改變和主導效應的不同，使得三者之間的影響方式會發生變化，波動溢出效應呈現動態變化。尤其在利率、匯率市場化進程的重要改革時點前后，波動溢出效應的變化可能較大。

三、模型設計

（一）研究方法優點

運用VAR模型、協整分析、格蘭杰因果檢驗研究可以較好地研究均值溢出效應，但是這些方法研究在波動溢出效應時具有局限性。GARCH模型可以較好地刻畫波動，但是單變量GARCH只能刻畫單一金融市場的縱向傳遞，而多元GARCH不僅能刻畫多個金融市場沿時間方向的波動集聚效應，還能捕捉不同金融市場之間風險交叉傳遞（李文君、尹康，2009）[20]，較為適合研究波動溢出效應。現有文獻關于GARCH模型的運用，趙天榮和李成（2010）[5]采用的DVECH-GARCH，無法全面刻畫變量之間的波動溢出方向。本文運用多元GARCH中BEKK-GARCH模型能夠刻畫不同變量之間的雙向波動溢出效應，運用DCC-GARCH能夠反映變量間波動溢出關系的動態變化。

（二）BEKK-GARCH模型

多元GARCH模型是在時間序列單因素ARCH和GARCH模型的基礎上發展而來，用來研究多個市場價格或資產價格之間，一個序列的信息和波動對其他序列的影響，這種影響被稱為多個市場的波動溢出效應。Engle和Kroner（1995）[21]等提出了BEKK形式的MVGARCH模型利用均值方程得出協方差矩陣，構造非對稱的MVGARCH模型，可以在很弱的條件下保證協方差矩陣的正定性且估計的參數個數較少。

本文引入貨幣供應量M2，與利率、匯率、房價建立四元VAR-BEKK-GARCH模型。均值方程采用VAR(n)形式。向量形式如式（1），其中y1,t、y2,t、y3,t、y4,t分別表示利率波動、M2、匯率、房價在t時刻的變化率。α表示j變量滯后一期對i變量的線性溢出。β表示j變量滯后兩期對i變量的線性溢出。λ表示j變量滯后n期對i變量的線性溢出。c和εt分別表示常數項和殘差項。

對于方差方程設定為BEKK形式的多元GARCH模型，通常滯后一階的模型就有較好的效果，因此方差模型采用BEKK(1,1)的設定形式：

Ht表示t時刻的協方差矩陣，εt=Ht1/2γt，γt∈i.i.dN(O,I)。C為下三角常數矩陣。n×n矩陣A表示ARCH項系數矩陣，n×n矩陣B代表GARCH項系數矩陣。ARCH效應表示對信息波動的敏感度，衡量變量之間的短期關系，GARCH效應指波動持續較長時間，衡量變量間的長期關系。

假定條件殘差εt服從正態分布，通過極大似然估計的方法求解模型參數。對數似然函數為：

T為樣本總數，N為變量數量，θ表示待估參數變量，在估計的過程中采用BFGS算法。

將公式（4）展開后得到Ht對角線各元素的具體表示式：

采用WALD檢驗法對變量之間的波動溢出效應進行檢驗。對于i，j兩個變量，若i與j之間不存在波動溢出效應，原假設為H0:aji=bji=aij=bij=0。若不存在i變量對j變量的波動溢出，原假設為H0:aji=bji=0。若不存在j變量對i變量的波動溢出，原假設為H0:aij=bij=0。

（三）DCC-GARCH模型

DCC-GARCH模型是由Engle（2002）[22]提出動態條件相關廣義自回歸條件異方差模型，用來刻畫不同變量間的條件相關系數的時變特征，以識別變量之間的波動。DCC模型的估計分為兩個階段，第一階段對每個變量建立單因素GARCH模型得到條件波動參數和標準化殘差；第二階段，利用標準化殘差估計變量之間的動態相關系數矩陣。具體的模型如下：

εt為獨立同分布的白噪聲過程，服從均值為0協方差矩陣為Ht的正態分布。It為t時刻yt的信息集。Dt為條件方差對角矩陣，Rt為條件相關系數矩陣。為標準化殘差向量。Qt為標準化殘差的條件協方差矩陣。R為標準化殘差的無條件協方差矩陣。λ1與λ2為DCC模型的估計參數，λ1與λ2非負，且滿足 0≤λ1+λ2＜1。利用最大似然估計，似然函數為：

（四）樣本選擇與數據處理

本文選取2000年3月至2017年3月利率、匯率、房價、貨幣供應量月度數據進行研究，共204個樣本。利率采用銀行間同業拆借7日利率（IBO007）加權平均值，IBO007交易最為活躍，是基準利率的較好代理變量（趙勝民等，2013）[4]。匯率數據以人民幣實際有效匯率指數(RE)為代表，人民幣有效匯率指數上漲表示人民幣升值，下跌表示貶值。對于房價，用銷售額/銷售面積求得，采用線性插值法補缺失數據。貨幣供應量以M2為代表。所有數據均來自Wind數據庫。數據均采用實際數據，用CPI（以2000年3月定基處理）去除價格因素得到實際值。實際房價RHP=HP/CPI，實際利率RI=I-CPI環比，實際M2=M2/CPI，匯率本身為實際匯率。為了消除異方差和保證變量平穩性，對匯率、房價和M2進行對數差分處理，利率進行差分處理。另外，所有數據均運用Census X12法進行季節調整，以消除季節因素。指標分別采用利率波動y1,t=RIt-RIt-1，M2、匯率、房價變化率度量，單位均為%。

四、實證分析

（一）描述性統計

對2000年4月到2017年3月的利率、M2、匯率、房價變化率進行描述性統計分析，見表1。結果發現，房價標準差為5.557，波動最為劇烈。利率波動的均值接近0，標準差最小，波動最為平穩。M2變化率的均值最大，波動較為平穩。從偏度和峰度來看，利率波動、M2變化率和房價變化率呈現尖峰有偏態。利率波動、M2變化率右偏的程度較大，表明利率和M2上漲的極端事件較多。而房價變化率呈現尖峰左偏態，說明房價下跌的極端事件較多。匯率變化率概率分布較為對稱，接近正態分布。

表1 描述性統計結果

表2 數據檢驗

（二）平穩性與ARCH效應檢驗

利用ADF檢驗變量平穩性，四個變量均平穩，避免了偽回歸。利用LM檢驗法檢驗ARCH效應，利率波動、匯率變化率與房價變化率存在明顯的ARCH效應，M2不存在明顯的ARCH效應。除匯率變化率以外，其他變量JB統計量均顯著拒絕服從正態分布的原假設，因此BEKK模型假設殘差服從T分布。

（三）實證結果分析

1.波動溢出傳導分析。均值方程的選擇與模型檢驗。運用BEKK-GARCH模型的均值方程建立VAR3過程。VAR系統穩定，特征根均在單位圓中。運用Ljung-Box Q對模型的標準化殘差進行自回歸和ARCH效應檢驗，標準化殘差不存在自相關和ARCH效應，說明模型設定合理。因此，本文運用方差方程建立BEKK形式的GARCH方程，估計變量間的波動溢出效應。為了避免估計方法和函數形式不同對參數產生較大影響，采用穩健估計。具體將某一個變量作為信息波動的接受者，分別估計其他三個變量對該變量的波動溢出傳導的影響，結果見表3。

（1）向利率傳導的波動溢出效應。a11和b11在99%的置信水平下顯著，說明利率波動自身存在顯著的ARCH和GARCH效應。M2對利率的波動溢出效應存在ARCH效應和GARCH效應（a12和b12均顯著）。利率波動對M2變化率的波動溢出大小為0.10，即M2變化率波動增加1%，利率波動增加0.10%。b13顯著而a13不顯著，說明匯率變化率對利率波動僅存在GARCH效應。利率對匯率變化率的波動溢出大小為0.02，即匯率變化率波動提高1%，利率波動增加0.02%，其對利率波動的影響低于M2變化率波動對利率波動的影響。房價變化率對利率波動不存在ARCH效應也不存在GARCH效應，即房價變化率對利率波動不存在波動溢出效應。因此，相比較之下，M2波動對利率波動的波動溢出作用最大。

（2）向匯率傳導的波動溢出效應。匯率變化率僅存在自身GARCH效應。a31在90%的顯著性水平下顯著，b31不顯著，表明利率對匯率的影響僅存在ARCH效應，并且對匯率波動溢出效應較小，為0.02。因此，利率與匯率之間存在雙向的波動溢出效應。在利率、匯率市場化進程中，利率市場向匯率市場傳導受阻，聯動性程度較低。與陳創練（2017）[23]研究結果一致，其也認為利率對匯率的傳導渠道相對有限，利率渠道最不順暢。主要原因是利率平價理論在中國不成立，資本管制、外匯干預、短期資本流動和貿易開放程度是造成利率平價偏離的主要因素（譚小芬和高志鵬，2017）[24]。另外，匯率日波動受限，也削弱了利率對匯率波動的傳導效應（陳創練等，2017）[23]。M2變化率對匯率變化率的波動既不存在ARCH效應也不存在GARCH效應（a32、b32均不顯著）。房價變化率對匯率影響較大，存在ARCH與GARCH效應，波動溢出大小為1.58。由于a32和a34均顯著，因此，利率和房價變化率的聯合波動對匯率變化率存在波動溢出效應，大小為0.21，表明利率與房價的聯合波動會增大匯率波動。

（3）向房價傳導的波動溢出效應。a44和b44系數顯著，說明房價變化率存在自身的ARCH與GARCH效應。利率波動對房價存在ARCH，波動溢出大小為0.001。M2變化率對房價變化率存在ARCH和GARCH效應，波動溢出大小為0.003。匯率變化率對房價變化率存在GARCH效應，波動溢出大小為0.004。總體來看，利率、M2、匯率變化率對房價波動溢出效應均較小，房價變化率受自身前期波動影響較大。另外，a41、a42和b42、b43顯著，表明利率與M2變化率、M2與匯率變化率的聯合波動對房價變化率存在波動溢出效應，大小分別為0.001、-0.006，其聯合波動均分別會增加和降低房價的波動。因此，在穩定房價時應協調好利率政策、貨幣政策與匯率政策，打好組合拳，避免政策的協調偏差。

表3 BEKK-GARCH模型參數估計結果

（4）向M2傳導的波動溢出。M2存在自身前期的ARCH與GARCH效應。房價變化率對M2變化率的波動溢出效應較大，波動溢出效應的大小為3.89，即房價變化率波動增加1%，M2變化率波動增加3.89%。利率波動與匯率變化率對M2的波動溢出作用不顯著。

2.波動溢出效應檢驗。通過WALD檢驗方法對兩個變量間的波動溢出效應進行檢驗，每一對變量間都有三個原假設，結果見表4。

原假設一：i與j變量不存在波動溢出效應（H0:aij=bij=aji=bji=0）

原假設二：i對j變量存在波動溢出效應（H0:aji=bji=0）

原假設三：j對i變量存在波動溢出效應（H0:aij=bij=0）

M2和房價之間波動溢出效應WALD檢驗的三個原假設均顯著被拒絕。因此，M2變化率與房價變化率之間存在顯著的雙向直接波動溢出效應。同樣的，匯率與房價之間均存在顯著的雙向直接波動溢出效應。利率與M2拒絕了不存在波動溢出的原假設一和M2對利率不存在波動溢出的原假設三，接受原假設二，因此，利率與M2之間僅存在M2變化率對利率的單向波動溢出效應。利率與匯率之間僅存在利率波動對匯率變化率的單向波動溢出效應，而利率與房價之間存在利率波動對房價的單向波動溢出效應。M2與匯率之間三個原假設均接受，因此，M2變化率與匯率變化率不存在波動溢出效應。結合波動溢出效應的方向與大小，可以得出利率、M2、匯率、房價波動傳導的路徑，繪成圖2。值得注意的是，根據表3的結果存在匯率變化率對利率波動的GARCH效應，但是WALD檢驗效應不存在。

綜合來看，利率波動、匯率變化率與房價變化率之間存在波動溢出效應，并且三者之間波動溢出的方向既有單向又有雙向，雙向之間波動溢出的大小不同，波動溢出效應存在非對稱性特征，因此假設H1得證。除了直接效應以外，還存在房價變化率通過M2變化率對利率波動的間接溢出效應，因此假設H2得證。

表4 變量之間波動溢出效應檢驗

根據利率波動、匯率變化率與房價變化率之間的波動溢出效應聯系繪制圖2。由圖2變量間波動溢出傳導路徑圖可見，房地產市場是信息波動的源頭。利率對匯率存在直接波動溢出，波動溢出效應相對較小。房價對匯率存在較大的直接波動溢出效應。房價雖然對利率沒有直接的波動溢出效應，但存在通過M2對利率的間接波動溢出效應，波動溢出效應較大。利率、匯率、M2對房價存在直接波動溢出效應，但其波動溢出效應均較小。由此可見，房地產市場是信息波動的源頭，房價的波動將傳導至貨幣市場和外匯市場，造成利率、M2與匯率的較大波動。此外，利率與房價的波動均會傳導到外匯市場，而外匯市場向外信息傳遞的作用有限。因此，穩定房價對于穩定利率與匯率波動都十分重要。

圖2 變量間波動溢出傳導路徑圖

3.2005年匯改前后的波動溢出效應變化。用相同方法，根據匯改前后BEKK波動溢出效應的估計結果，描繪出變量波動溢出效應的傳導路徑圖，見圖3、圖4。根據模型的收斂性，2005年匯改前的BEKK模型的均值方程采用AR（1）的形式，2005年匯改后的BEKK模型的均值方程采用VAR3的形式，這說明匯改前后波動溢出效應有顯著的變化。具體而言，部分波動溢出效應的大小和方向發生了改變。在效應的大小上，匯改后利率和M2變化率對匯率的波動溢出效應增強，利率波動對M2變化率的波動溢出效應由0.1增加到0.22，房價變化率對M2的波動溢出效應大幅降低。在效應的方向上，有雙向波動溢出變為單向，例如利率波動與M2變化率、房價變化率與匯率變化率；也有單向波動溢出效應變為雙向，例如利率波動與匯率變化率、M2變化率與匯率變化率；還有利率波動對房價變化率的波動溢出效應消失。在匯改前，利率波動對房價的效應也較小，低于0.001。

2005年匯改前后，房價都是波動傳導的源頭，但是存在細微差異。匯改后，房價變化率對M2變化率的波動溢出效應減弱，大小由36.36降至4.19。房價對匯率的波動溢出效應略微增加，由0.64增至0.88。匯改后，M2成為波動信息的接受者，利率波動、匯率和房價變化率的波動都會傳導到M2上。

另外，匯改后，利率、M2變化率對匯率變化率單向的波動溢出效應變為兩兩之間的雙向波動溢出效應。也就是說，匯改后在短期內匯率成為波動信息的來源。匯率變化率對利率、M2的波動溢出效應分別為0.26和0.27。

4.動態波動溢出效應。本文通過BEKK模型分析變量之間的波動溢出方向和大小，發現波動溢出效應不是固定不變的。制度環境的改變，會使變量之間的影響發生改變。例如，在匯改前后，波動溢出效應發生了變化。因此，本文進一步基于動態條件自相關DCC-GARCH模型，研究波動溢出的動態變化，結果如圖5～8。

（1）利率與匯率的關系。從圖5利率與匯率的相關系數圖中看出，利率波動與匯率波動總體為負相關。利率擴張增速提高，人民幣升值增速降低。在2005年匯改前，相關系數均值為-0.113，之后相關系數均值為-0.097，波動溢出效應有所下降。這表明匯率波動彈性的擴大降低了利率對匯率的波動溢出效應。在2007—2009年金融危機期間，波動溢出效應波動較為劇烈。在金融危機發生時，利率與人民幣幣值出現了異常較大的正相關關系，且波動溢出效應較大。2012年6月7日的利率市場化改革，下調了人民幣存貸款基準利率和擴大存貸款利率的浮動區間之后，波動溢出效應呈現波動下降趨勢。這表明擴大利率波動區間，會降低利率對匯率的波動溢出效應，有利于增強外匯市場的穩定。2015年“8.11匯改”后，波動溢出效應短期波動明顯增大，之后趨于穩定。

（2）M2、利率與房價的關系。M2變化率與房價變化率總體為正相關。M2增速下降，房價增速下降。2016年8月至2017年11月M2增速逐步回落，2017年5月～11月保持個位數的增速，低M2增速已成為新常態。2005～2012年M2變化率與房價變化率的波動溢出效應波動較大。在2012年利率改革以后，波動較為穩定。但是，利率波動與房價變化率的相關關系有正有負。在金融危機發生前后，利率對房價的波動溢出效應的波動較大，由較強的正相關變為較強的負相關。總體上，M2與房價的相關系數0.16高于利率與房價的相關系數0.01，這表明采用貨幣供應量的數量工具比利率的價格工具對房價的調控更有效。

圖3 2005年匯改前的波動溢出效應

圖4 2005年匯改后的波動溢出效應

圖5 利率波動與匯率變化率的動態條件相關系數

（3）匯率與房價的關系。匯率變化率與房價變化率總體成負相關。人民幣升值增速提高，房價上漲增速下降，反之則反。當人民幣升值增速持續提高，外資可能將獲利出逃，將資金撤離房地產市場，引起房價增速下降。在2001年底、2005年匯改以及金融危機發生的期間，匯率與房價的波動出現異常，相關系數為正，但是持續時間不長，隨后恢復負相關關系。2010年6.18匯改推進人民幣匯率形成機制改革，增強人民幣匯率彈性后，匯率與房價的波動溢出效應比匯改前穩定。這說明增強匯率波動彈性有利于穩定匯率市場與房地產市場之間的波動溢出效應，有利于穩定匯率與房價。鄧永亮（2010）[25]也發現類似的規律。另外，2015年“8.11匯改”后短期波動加劇，長期波動又逐漸趨于平緩，并有降低趨勢。

綜上所述，利率、匯率、房價變化率的波動溢出效應并非常數，呈現動態變化。在利率、匯率改革和金融危機前后，波動溢出效應會發生較大變化，假設H3得證。同時，我們還發現，在長期，利率與匯率改革會降低或者穩定利率、匯率、房價之間的波動溢出效應。

五、結論建議

本文基于BEKK和DCC-GARCH模型，并加入M2作為中介變量研究利率、匯率、房價三者的波動溢出效應，探究了波動溢出的大小和方向，以及波動溢出傳導路徑。通過DCC模型研究了波動溢出效應的動態變化，分析了在利率、匯率改革等重要時點前后的波動溢出效應變化，主要得出以下結論。

第一，變量之間存在溢出效應，但是波動溢出效應存在非對稱性，波動溢出效應包括直接效應與間接效應。房價與匯率之間存在雙向的波動溢出效應，房價對匯率大于匯率對房價的波動溢出效應。匯率對利率大于利率對匯率的波動溢出效應。房價與利率之間存在微弱的直接波動溢出效應，但是房價通過M2對利率有間接溢出效應，該效應較大。

第二，從波動信息傳導路徑上看，房價變化率波動是信息波動的源頭。房價的波動將傳導至貨幣市場和外匯市場，造成利率、M2與匯率的較大波動。利率與房價的波動均會傳導到外匯市場，但外匯市場向外信息傳遞的作用有限。因此，穩定房價對于穩定利率與匯率波動都十分重要。

第三，利率、匯率、房價三變量間的波動溢出效應并非一成不變，呈現動態變化。在利率、匯率改革和金融危機前后，變量間的波動溢出效應會發生較大變化。利率、匯率改革短期會造成異常的波動，但長期有利于利率、匯率市場的穩定。擴大匯率波動彈性有利于穩定房價對匯率的波動溢出效應，也會降低利率對匯率的波動溢出效應。

圖6 M2變化率與房價變化率的動態條件相關系數

圖7 利率波動與房價變化率的動態條件相關系數

由于房地產市場是信息波動的源頭，穩定房價對于穩定利率和匯率具有重要作用。因此，本文提出幾點建議：繼續落實“房子是用來住的，不是用來炒的”政策，促進房地產市場穩定，避免房價的大幅波動造成貨幣和匯率市場的大幅波動。根據波動溢出效應，M2與房價的相關系數遠遠高于利率與房價的相關系數，采用貨幣供應量的數量工具比利率的價格工具對房價的調控更有效。因此，建議更多通過控制M2調控房地產市場。研究也發現，利率、匯率改革短期會加劇波動，但長期有利于利率、匯率和房地產市場的穩定。當房價相對穩定進入調整的階段，應抓住這一機遇期，繼續深化利率與匯率市場化體制改革。提高利率、匯率市場化水平，以完善我國穩健的金融運行體系。同時，在改革過程中，短期內也應防范利率與匯率短期的異常波動，保障金融體系平穩健康發展。

圖8 匯率變化率與房價變化率的動態條件相關系數