基于主成分分析方法,利用SVAR模型和門檻模型,考量貨幣政策對(duì)房地產(chǎn)金融風(fēng)險(xiǎn)的影響。實(shí)證結(jié)果表明:貨幣政策調(diào)整會(huì)對(duì)房地產(chǎn)金融風(fēng)險(xiǎn)產(chǎn)生沖擊;M2增長(zhǎng)率與房地產(chǎn)金融風(fēng)險(xiǎn)間存在雙向因果關(guān)系,同業(yè)拆借利率和準(zhǔn)備金率與房地產(chǎn)金融風(fēng)險(xiǎn)間存在單向因果關(guān)系;貨幣政策沖擊對(duì)房地產(chǎn)金融風(fēng)險(xiǎn)的影響在不同房?jī)r(jià)水平上具有非對(duì)稱性。以貨幣政策調(diào)控時(shí)應(yīng)注意斟酌損益,避免此消彼長(zhǎng),加劇房地產(chǎn)金融風(fēng)險(xiǎn)。 

【文章來源】：財(cái)經(jīng)理論與實(shí)踐. 2019,40(04)北大核心CSSCI

【文章頁數(shù)】：6 頁

【部分圖文】：

圖２變量間相關(guān)性波動(dòng)圖

進(jìn)房地產(chǎn)企業(yè)資金囬流，放松企??業(yè)的信貸約束，進(jìn)而降低房地產(chǎn)金融風(fēng)險(xiǎn)。給定一單??位貨幣供給量增長(zhǎng)率正向沖擊，房地產(chǎn)金融風(fēng)險(xiǎn)先小??幅上升而后下降最后恢復(fù)至原有水平，目前，房地??產(chǎn)在我國撤ＩＩ著重要投資品時(shí)角色，因此，貨幣供給??的增加會(huì)導(dǎo)致大量資本涌人房地產(chǎn)市場(chǎng)ｔ房地產(chǎn)開發(fā)??投資増加，拉高各部門的金融杠桿，房地產(chǎn)金融風(fēng)險(xiǎn)??７Ｋ亭提升；此外，貨幣供應(yīng)增長(zhǎng)率的升高會(huì)驅(qū)動(dòng)通貨??膨脹率的提升Ｂｌ］，推升房?jī)r(jià)，進(jìn)一步促進(jìn)了房地產(chǎn)投??機(jī)與投資需求増加，加劇房地產(chǎn)金融風(fēng)險(xiǎn)。??圖１?ＶＥＣＭ正交化脈沖響應(yīng)函數(shù)圖??（四）＃健性檢驗(yàn)及進(jìn)一步分析??前文中，考慮到變量原序列的非平穩(wěn)性以及宏觀??變量間存在的長(zhǎng)期協(xié)整關(guān)系，本文構(gòu)建了貨幣政策與??本文進(jìn)一步分析ＶＥＣ模型的正交化脈沖響應(yīng)??函數(shù)，脈沖響斑結(jié)果姐圖１所示。整體來看，Ｓ貨幣??政蒙沖擊而．導(dǎo)致的會(huì)地產(chǎn)蠢１融風(fēng)險(xiǎn)波動(dòng)大多集藥＃??前５期，＿第６斯開始房地產(chǎn)金融風(fēng)險(xiǎn)會(huì)穩(wěn)定在一??個(gè)長(zhǎng)期均衡水平上；銀行間同業(yè)拆借利率和金融機(jī)??房地產(chǎn)金融風(fēng)險(xiǎn)的ＶＥＣ模型，但該方法還存在三個(gè)??缺陷：一是作為ＶＡＲ模型的變形，只能表明變量］可存??在長(zhǎng)期穩(wěn)定的相關(guān)關(guān)系，卻不能明確其因果關(guān)系ｓ二??是該模型翁重分析了變量間的跨期相關(guān)性，忽略了變??量間的同期影響；三是貨幣政策對(duì)資產(chǎn)價(jià)格具有明顯??

財(cái)經(jīng)理論與實(shí)踐（雙月刊）??２０１９年第４期??能在較長(zhǎng)期內(nèi)有效抑制房地產(chǎn)金融風(fēng)險(xiǎn)，但并非一??勞永逸。??ｓｖＯｌ，?ｉｂｏｒ，?ｒｅｆｓ?ｓｖＯｌ，?ｍ２ｒ，?ｒｅｆｓ??Ｇｒａｐｈｓ?ｂｙ?ｉｒ＆ａｍｅ，?ｉｍｐｕｌｓｅ?ｖａｒｉａｂｌｅ，?ａｎｄ?ｒｅｓｐｏｎｓｅ?ｖａｒｉａｂｌｅ??圖３：?ＳＶＡＲ模型正交化脈沖響應(yīng)函數(shù)圖??３？非對(duì)稱讀愈檢驗(yàn)《?＿Ｔ＿本．文選取了三個(gè)貲幣??政策的代理變量，而各個(gè)變量對(duì)房地產(chǎn)金融風(fēng)險(xiǎn)指??標(biāo)的敏感度及作用路徑存在＿異，因此本文迸一步??利用Ｈａｎｓｅｘｉ（２００？？提出的門檻模型方法對(duì)各變??輦的非對(duì)稱效應(yīng)進(jìn)行檢驗(yàn)。以房?jī)r(jià)（ｈＰ，萬元／乎方??米）為門榧變黿，控制Ｃ．ＦＩ變動(dòng)，經(jīng)Ｂｏｏｔｓｔｒａｐ抽取??２０００次后．檢驗(yàn)發(fā)現(xiàn)，三個(gè)變量均在Ｓ趑的顯著性水??平下存在單一門橄值￥具體檢驗(yàn)結(jié)果如表？所示６??具體乘著＿，謙房?jī)r(jià)＿?獻(xiàn)９?３．元／平：方米肘ｍ．２．ｒ系數(shù)??箄大＊表明在這一房?jī)r(jià)區(qū)問內(nèi)，貨幣供應(yīng)增長(zhǎng)率的升??表７門檻模型回歸結(jié)果??ＶＡＲＩＡＢＬＥＳ??（１）?（２）??（３）??門檻值??９氣餐置信區(qū)間??０．５１９３?０．４４７３?０．４６３２??［０．２７１４，０．８７２８］?［０．４４７３，０．４６３２］?［０．４６３２，０．４６３２］??？２ｒ?＊??ｊｉ．ＪＩ齡??ａ．?ｚｓｔｓｐ??ｉｂｏｒ??１．４４２７??（１．０４３６）??Ｃｏｎｓｔａｎｔ??１０．５１６４＊?＊??２６．５２０５?＊?＊?＊??１４．５９９９??（４．?５１１５）??（２．３５６５）??（２．４０８５）??Ｒｅｇｉｏｎ２?ｍ２ｒ??０．５２７５?＊

【參考文獻(xiàn)】：
期刊論文
[1]極端金融風(fēng)險(xiǎn)的有效測(cè)度與非線性傳染[J]. 楊子暉,陳雨恬,陳里璇.  經(jīng)濟(jì)研究. 2019(05)
[2]信貸約束、影子銀行與貨幣政策傳導(dǎo)[J]. 高然,陳忱,曾輝,龔六堂.  經(jīng)濟(jì)研究. 2018(12)
[3]改革開放以來國家宏觀調(diào)控房地產(chǎn)的政策效應(yīng)分析[J]. 周建軍,孫倩倩.  中州學(xué)刊. 2018(11)
[4]貨幣政策對(duì)房?jī)r(jià)影響的區(qū)域差異:來自多層混合效應(yīng)模型的新證據(jù)[J]. 涂紅,徐春發(fā),余子良.  南開經(jīng)濟(jì)研究. 2018(05)
[5]房?jī)r(jià)波動(dòng)、收入差距與消費(fèi)差距[J]. 周建軍,孫倩倩,鞠方.  消費(fèi)經(jīng)濟(jì). 2018(05)
[6]基于空間異質(zhì)性的中國住房空置率與房地產(chǎn)金融風(fēng)險(xiǎn)研究[J]. 鞠方,陽娟,黎小佳.  財(cái)經(jīng)理論與實(shí)踐. 2018(04)
[7]基于緩釋乘數(shù)的房地產(chǎn)貸款逆周期調(diào)節(jié)方法[J]. 彭建剛,孫滿元,黃宇焓.  湖南大學(xué)學(xué)報(bào)(社會(huì)科學(xué)版). 2017(03)
[8]房?jī)r(jià)波動(dòng)、貨幣政策立場(chǎng)識(shí)別及其反應(yīng)研究[J]. 譚政勛,王聰.  經(jīng)濟(jì)研究. 2015(01)
[9]貨幣政策應(yīng)該對(duì)住房?jī)r(jià)格波動(dòng)作出反應(yīng)嗎——基于兩部門動(dòng)態(tài)隨機(jī)一般均衡模型的分析[J]. 侯成琪,龔六堂.  金融研究. 2014(10)
[10]基于政策工具視角的我國貨幣政策沖擊效應(yīng)研究[J]. 陳浪南,田磊.  經(jīng)濟(jì)學(xué)(季刊). 2015(01)



本文編號(hào)：3612180