基于门限模型的货币政策论文

[摘要]本文采用基于LOESS的季节性趋势时间序列分解法分析2005-2016年全国商品住宅销售面积和价格同比增速的趋势与异常，并用干扰模型估计市场异常波动点。研究发现房地产调控政策出台或实施时间点与商品住宅价量增速趋势转折点显著相关。下面是小编整理的《基于门限模型的货币政策论文(精选3篇)》相关资料，欢迎阅读！

基于门限模型的货币政策论文 篇1：

资产价格冲击下的货币政策非对称性验证

摘要：本文将汇率与股票价格波动纳入到基于理性预期的货币行为方程组而对新凯恩斯模型进行修正，并在此基础上通过理论约束的设计构建NK-SVAR模型，以期考察货币政策方向上的非对称效应。结果表明：我国紧缩与扩张的货币政策具有典型的非对称性，汇率与股票价格波动能够通过影响总需求、通胀率、货币数量缺口与利率水平，而对货币政策体系形成冲击。因此，我国应建立起包含资产价格波动的货币政策调控框架，并强化流动性管理中的汇率波动管理与资产泡沫管理，以保证货币政策预期目标的实现。

关键词：修正的NK-SVAR模型；货币政策效果；非对称性效应

作者简介：尹航（1989-），男，黑龙江牡丹江人，东北财经大学金融学院博士研究生，研究方向：资本市场理论；李秉坤（1965-），男，黑龙江集贤人，哈尔滨商业大学财政与公共管理学院教授，研究生导师，研究方向：财政学。

从Conley（1972）将非对称概念引入到宏观货币调控的分析框架，并基于F-M模型考察货币政策在不同的预期模式下的差异性效果以来，货币政策的非对称性研究就成为货币调控分析的核心内容。在新凯恩斯模型（NK模型）的框架下，本文尝试将资产价格与汇率波动纳入到货币政策非对称效应的测度之中，以考察中间变量的外生冲击对货币调控效应的影响，以期对我国货币政策的非对称性研究提供参考。

在上述各式中，（4）为总需求方程，以反映预期产出缺口、利率、货币供应量以及股价与汇率波动对总需求的冲击。其中，股票价格主要基于财富效应与负债表效应影响总产出，而汇率波动则通过贸易账户变化对总产出形成冲击，同时利用滞后变量的设计来描述消费平滑性特征与消费惯性的影响。方程（5）是基于通胀率的加速菲利普斯曲线，以分析供给端的变化。其中，通胀率成为预期通胀、总需求、资产价格、汇率的函数，汇率波动将通过影响总需求反应在价格水平变化上，而股票价格上升也将通过消费刺激导致通胀率的变化。方程（6）是基于泰勒规则的利率反应方程，以刻画货币政策的价格效应。汇率波动在该利率方程中将反映在利率水平变化上，其具体的作用路径是基于泰勒规则：如本币升值，将导致出口减少，使得有效需求下降；同时，进口的增加会加速外部通胀向内部经济体的传导，这意味着将进入紧缩货币政策的窗口期，进而使实际利率出现下降，而资产价格的波动主要通过预期扩张效应反应在利率变化上（Cindy，2007）。

由于新兴市场国家通常存在较强的金融抑制，Taylor（2000）认为货币调控的价格目标与数量目标往往存在偏离，这种行为差异要求基于价格与数量分别建模。本文在NK模型中增加了货币数量方程（7），并认为货币实际供应量是产出缺口、通胀缺口以及股价和汇率的函数，股价对货币供应量的影响主要来自于负债表效应，而汇率波动则通过资本账户波动对货币量形成冲击。为了在后续VAR模型中分析股价与汇率波动的冲击，本文的NK模型还给出了股价与汇率的行为方程（8）与（9）。股票价格方程（8）主要基于衍生品定价模型而得到，即股票价格由趋势价格决定，同时受价格惯性与随机外部干扰影响，趋势价格是利率水平、预期产出缺口的函数，反映经济的真实运行状况及经济运行对股票市场平均价格的影响，而价格惯性主要用滞后期价格来描述；参考Kontonikas （2005）的处理，方程中引入了随机扰动项。在汇率方程（9）中，汇率是预期汇率与境内外利差的函数，预期汇率的影响主要来自通过预期通胀导致的贸易账户变化，而境内外利差则通过资本流入或流出影响汇率。

二、变量测度与数据处理

根据陈浪南（2003）的研究，我国的货币政策自东亚洲金融危机后才形成了相对成熟与规范的调控模式，自1998年后才开始了数量型与价格型工具交替使用的货币阶段。本文的样本时期确定为1999年1月至2015年12月，并使用Eviews7.0对所有变量的月度数据进行HP滤波以剔除季节波动，文中所使用数据主要来自瑞思数据库，还有部分数据源自IMF网站。

1.利率。由于名义利率存在管制，本文选择7天同业拆借市场利率（i）来测度实际利率水平，而境外利率则使用美国联邦基金利率来替代。

2.产出。由于我国月度GDP统计数据的缺失，本文使用历年工业总产值占GDP比重，将月度工业总产值逆向折算成月度GDP，以期更为准确地反映产出与产出缺口变化。在潜在产出与产出缺口的测度上，本文沿用CF滤波法估计潜在产出Y*①，在此基础上进一步估算产出缺口如下：

yt=100（Y-Y*）/Y*

预期产出缺口在Wilton（2011）的研究中实际是真实产出缺口的一个时间平滑过程，预期产出缺口测度如下：

t=η0+η0t-1+η0t-2+ma（k）

其中记0=y1，则在该ARMA结构中可逐期估计出历年的预期产出缺口。

3.通膨率与预期通胀率。本文使用GDP平减指数来测度整体通胀水平，并将其由定基比转换为同比增长率；在预期通胀率的测度上使用卢卡斯供给曲线所导出的预期修正的菲利普斯曲线（Rudebusch & Svensson，1998）来估计，含预期效应的菲利普斯方程如下：

πt=f（ut）+πt*=π*t+α（ut-u*）

考虑奥肯法u=u*-α*yt，可以得到菲利普斯-奥肯方程为：

πt=π*t+βyt

由此可通过引入适当的通胀滞后期来测度预期通胀，其中具体的滞后期由ARMA模型的AIC准则确定。

4.目标通胀率。目标通胀率主要指通胀水平的货币政策目标区间。卞志村（2006）曾经使用Fisher交易方程进行了目标通胀测算，但这种方法高度依赖于交易行为设定，虽然其能够得到目标通胀的动态数据，但缺乏足够的理论支撑，而大多数的研究基于目标管制行为的稳定性往往给出一个主观设定的目标通胀水平。在谢平等（2002 ）、杨英杰（2002）和李祺等（2015）的研究中，基于历史数据给出了4%的目标通胀水平，邓创等（2011）的研究认为我国货币政策隐含的目标通胀率大致在3%-4%之间，由此本文也设定目标通胀率为4%。

5.实际利率。由于我国名义利率管制，使得不同市场的利率关联效应相对较弱，难以基于名义利率与通胀水平对实际利率进行估算。陆军等（2003）采用间接估计的思想，利用泰勒规则方程直接基于通胀水平进行实际利率测度；邓创等（2011）使用市场利率与均衡利率来推算，这实际上相当于将实际利率视为自然利率来处理。综合上述的测度思路，本文基于NK模型中的泰勒规则方程，参考陆军等（2003）的思想进行实际利率测算。

首先定义实际利率为：

rt=it-Etπt+1

再定义长期实际名义利率为：

rt=γ0+∑γjrt-j+εt

则可以推算出逐期的实际利率，在此基础上定义名义利率缺口为：t=100（i-）/

6.预期汇率。借鉴梁云芳（2011）的研究，预期汇率的测度直接使用实际有效汇率进行自回归建模，推算出有效汇率平滑得出的预期汇率如下：

et=γ0+∑γjet-j+εt

具体的AR模型阶数由AIC准则确定。

7.股票价格与汇率波动的测度。资产价格波动与汇率波动水平的测度使用传统的方差建模思路，对股票价格与汇率建立指数广义自回归条件异方差（EGARCH），其中股票价格使用上证综指来衡量，汇率则使用对美元单边汇率计算，具体的EGARCH模型如下：

均值方程：

ln（qt）=λ0+λ1ln（qt-1）+t

ln（et）=λ0+λ1ln（et-1）+t

方差方程：

ln（2t）=φ0+φ1ln（2t-1）+φ2t-1t-1+φ3t-1t-1

由方差方程测度出的股票价格与汇率水平方差，即可视为股价和汇率的波动量度，记为Δq和Δe。

8.货币变量、货币缺口及预期。根据陈浪南（2003）的研究，由于我国货币供应环节存在较为显著的挤出效应，狭义货币供应量M1更能反映货币体系的流动性水平，其与通胀水平的相关程度也远高于M2。本文直接使用M1作为货币供应量的替代变量。在货币缺口的估计上直接对实际货币供应量进行HP滤波，以分离出其趋势成分，并将之视为均衡货币供给，而货币缺口则可据此定义为：

t=100（M1-）/

三、NK-SVAR模型分析

（一）考虑门限效应的NK模型

本文在方程（4）中引入虚拟变量d来刻画货币政策的不同方向，并据此分析货币调控的非对称效应，定义d为：

dt=1，t>00，t0

其中为货币缺口，当货币缺口为正时意味着实际货币供应量超出了均衡货币需求水平，这代表处于扩张性货币政策窗口期；反之，则代表货币供给短缺，此时进入货币紧缩期。由此总需求方程变化为：

t=α1t-1+（1-α1）Ett+1-（α2+α6×d）（it-1-Et-1πt-t-1）+α3Δet+α4Δqt+（α5+α7×d）（mt-t）+εDt

上式与方程（7）、（8）、（9）共同构成NK联立模型，为了克服联立方程间的残差相关性导致的估计偏误问题（Granger，1993），本文对该方程组进行了GMM的系统估计，其中估计时使用滞后三阶的外生变量做工具变量以修正内生性问题，具体的估计结果如表1所示。

根据NK模型的联立方程估计结果，在总需求方程中通过引入货币政策的方向变量可以揭示我国货币政策存在显著的非对称效应，这种非对称性具体表现为紧缩性货币政策对总产出的冲击显著强于扩张性货币政策对总产出的刺激作用，“刹车容易启动难”的政策特征得到了证实；同时，产出缺口主要受到预期产出缺口以及股价波动的影响，其中股票价格上升对产出缺口表现为负向作用，这意味着资产溢价导致的流动性泡沫，短期看存在激励产出的效应。

从菲利普斯曲线的估计结果来看，预期通胀对实际通胀具有显著的正向影响，预期管理纳入到货币调控的规则选择与设计中成了一种必然；同时，资产价格上升也将显著的加速通胀率的增加，股票市场的高溢价对流动性泛滥以及刺激价格水平的作用进一步被证实。

从结果来看，利率主要受到股票价格波动的影响。我国的实际利率存在显著的惯性效应，这表明利率波动具有典型的预期作用特征，股价波动对利率会形成事实冲击，这就要求我国的货币调控必须将资产价格纳入到政策体系，并增加相应的资产泡沫管理的内容。

就货币数量方程来看，货币缺口对资产价格波动反应强烈，但通胀对货币供应的影响未得到证实，这说明我国货币市场确实存在数量型工具与价格型工具割裂的现实问题。因此，数量与价格的双调控模式必然成为我国货币调控的主要特征。此外，汇率对货币缺口的影响也是显著为负，这意味着我国出口驱动导致的高贸易顺差本身对货币流动性管理存在消极影响，货币调控可能难以实现预期的流动性管理目标。

（二）NK-SVAR模型

货币调控具有典型的时间性与动态性特征，货币政策过程在短期与长期看也往往存在较大差异。由于NK模型的结构参数反映的是货币调控过程中相关变量间的长期均衡关系，难以准确描述产出缺口、通胀目标、资产价格以及汇率等变量的短期动态影响。因此，本文借助向量子回归模型以考察变量间的动态影响，同时考虑到货币调控环节存在大量的当期冲击效应，而简化式VAR模型难以实现当期效应测度。

基于NK模型所提供的行为约束，本文构建了基于NK模型的SVAR模型以分析资产价格与汇率的结构性冲击对货币调控效应的动态影响；为了突出货币政策效果的非对称性效应，将利率和货币缺口分为扩张性利率i+、紧缩性利率i-、扩张性货币缺口+和紧缩性货币缺口-。其中+为>0的值，-为0的值，i+为当>0时的i值，i-为当0时的i值，其余为0。

1.SVAR的识别

（1）NK-SVAR模型的构造。在产出粘性的前提下考察理性预期作用下的产出过程，可以将NK模型改造为：

在具体估计过程中可以先进行（38）式简化式VAR模型的估计，在此基础上再利用结构参数转换矩阵将理性预期的约束矩阵进一步估计得到。估计过程分为两步：第一步估计中的简约式VAR，第二步估计的参数包含在矩阵A里，理性预期约束矩阵从方程（27）-（33）可以得到。

3.SVAR中内生变量当期冲击的测度

由于模型需要估计的结构参数众多，以下仅报告测度货币政策非对称效应的参数，结果详见表2。根据表2，产出缺口对任何方向的货币调控都未表现出显著响应，说明我国货币政策的产出调节效应偏弱，一个可能的原因是基于随机分离进行的产出缺口测度，可能在一定程度上难以考察货币政策对产出长期趋势的影响。但是，货币政策对货币供应缺口的作用确是显著的，紧缩货币政策的影响显著强于扩张性政策的作用。这表明我国货币政策在货币数量调节上存在显著的非对称效应，紧缩性货币政策所导致的流动性收缩效应远大于其激励效应。

4.基于脉冲响应函数的分析

在上述SVAR模型估计基础上进行结构因子的误差分解，可以识别出模型变量间的控制其他内生变量影响的内生冲击，具体的结构性脉冲响应结果如下所示。

（1）货币冲击。以下以货币缺口的不同方向冲击分别代表扩张性与紧缩性货币政策，并考察其对产出缺口及通胀水平的短期动态影响，具体的脉冲冲击时期定为100期。

由图1可知扩张性货币政策对产出缺口的即期影响为正向，这种正向效应会维持一段时期，在第20期则会转为负向，且这种负向效应会稳定一个较长时期，至第70期后再逐渐转为正向。这说明货币宽松确实对总产出水平具有刺激作用，但整体上这种刺激效应相对微弱。通胀率对扩张性货币政策的响应则始终保持正向，即货币供给宽松将持续的形成价格上涨压力，其中在第四期这种通胀刺激作用达到峰值，此后稳定在一个相对水平持续作用。

由图2可知紧缩性货币政策对产出缺口的冲击与扩张性货币政策的冲击类似，都是即期冲击为正，且政策效应会维持一个相对长时间，在第20期开始转为负向，但不同的是紧缩性货币政策对产出缺口的影响存在短期内的正负波动特征，并在第40期至第80期维持为负向冲击，此后逐渐转为正向。从通胀率的响应看，紧缩性货币政策对通胀水平的影响在第60期之前均为负向，从第70期开始才逐渐转为拉动效应。

综合来看，上述脉冲响应过程说明我国货币政策对产出的影响相对微弱，同时无论是紧缩还是扩招性政策，对产出的刺激作用都无法保持稳定的方向，货币政策对总产出与总需求的调节效应相当微弱，也往往难以实现预期的调控目标。我国货币政策对通胀率的作用相对显著，这种冲击过程符合货币调控的预期目标，比较不同方向的政策调节效果来看，在通胀率的调节上，紧缩性货币政策的冲击明显强于扩张性政策，我国货币政策的非对称效应再一次得到证实。

四、结论及政策含义

基于包含产出粘性的新凯恩斯NK模型，注意到汇率与股票价格波动对我国宏观经济以及货币政策效果的影响，本文将汇率与股票价格纳入到了NK模型框架，在给出总需求、利率、货币数量以及通胀率的行为方程基础上，利用理性预期的结构约束建立了修正的NK-SVAR模型，验证了紧缩与扩张性货币政策对产出缺口与通胀率的非对称效应。结论表明我国货币政策存在典型的非对称特征，紧缩性货币政策的调控效应明显强于扩展性政策，这种非对称性在通胀管理中表现得更为显著；同时，SVAR模型脉冲响应分析说明我国货币政策对产出缺口的调节效应较弱，对通胀率的调控效应相对明显，不同方向的货币政策均存在着正负交替的效应特征。

另外，基于修正NK模型的参数估计结果还揭示出产出缺口、通胀率、利率和货币数量，均显著地受到汇率与股票价格波动的影响，汇率的主要作用路径是通过资本与贸易账户的盈余变化对货币流动性形成冲击，最终反映在我国货币政策调控的现实之中，而股票价格的影响则主要是通过泡沫效应衍生的消费行为与负债表效应衍生的预期利率变化而形成。中国货币市场中的实际有效利率已经能够对汇率与股票价格形成反映，这意味着我国已经具备这种可能，即将汇率与股票价格纳入到货币政策体系中，将之视为参考变量与决策中间变量来进行宏观调控。

基于本文的分析，现得出以下的政策启示：首先，将资产价格的波动、特别是将汇率与股票价格纳入到货币政策中介目标与预期管理中已经成为一种必然，货币调控的流动性管理必须能够有效地通过资产价格管理来保证预期目标的实现；同时，货币政策的价格监管体系也必须覆盖到汇率与股票价格波动的监管上，从而形成涵盖资产泡沫管理、流动性管理、汇率与资本流动管理、货币价格与数量调节等环节的完整的货币政策体系。其次，在管制利率前提下，货币价格工具与数量工具的离散化意味着我国的货币政策必须在运用价格工具又结合数量工具的模式下而展开；同时，要注意到货币政策非对称性的现实特征，并针对经济发展的不同周期阶段充分的利用货币调控工具，提升对货币调控强度的论证与决策科学性，进而提升我国货币政策的调控效率。最后，中国市场存在着深层次的结构性矛盾，如虚拟经济与实体经济的割裂，这使得货币调控中的流动性管理往往在两个经济环节存在较强的挤出效应。在经济新常态下向实体经济注入流动性，可能反而会因为资本向资产交易市场的溢出导致较高的资产泡沫，这种泡沫的存在不但会放大资产价格对货币调节效应的冲击，也会进一步对实体经济资本形成磁吸效应，进而使得对实体经济的预期调节目标完全落空。这就要求我国的货币政策体系必须很好地进行汇率、股票价格等资产价格波动管理，从而控制住其对货币调控目标实现的不利影响，形成以资产价格为中介变量进行流动性管理、甚至货币调控的政策智慧。

注释：

① 由于篇幅所限，本文CF滤波的过程未全部给出，详细方案可参考郑挺国（2010）。

参考文献：

[1] Rene， and Huntley Schaller， Are the Effects of Monetary Policy Asymmetric？ [J].Economic Inquiry， 2002（40）： 102-119.

[2] Cindy Moons， etc.， Monetary policy in the New-Keynesian model： An application to the Euro Area[J].Journal of Policy Modeling， 2007（29）：879-902.

[3] Javier Andrés， etc.， Money and the natural rate of interest： Structural estimates for the United States and the euro area[J].Journal of Economic Dynamics & Control，2009（33）：758-776.

[4] Li-gang Liu， Wenlang Zhang.， A New Keynesian model for analysing monetary policy in Mainland China[J].Journal of Asian Economics，2010（21）：540-551.

[5] Shawn Chen-Yu Leu.， A New Keynesian SVAR model of the Austrian economy＼[J＼]. Economic Modelling，2011（28）：157-168.

[6] Longzhen Fan，etc.， An empirical evaluation of China’s monetary policies[J]. Journal of Macroeconomics，2011（33）：358-371.

[7] 谢平等，罗雄.泰勒规则及其在中国货币政策中的检验[J].经济研究，2002（3）：3-12.

[8] 陈德伟，徐琼，孙崎岖.我国货币政策效果的非对称性实证研究[J].数量经济技术经济研究，2003（5）：19-22.

[9] 刘金全，刘兆波.我国货币政策作用非对称性和波动性的实证检验[J].管理科学学报，2003（3）：35-40.

[10]曹彦生，李东元.利率政策执行效果的实证分析[J].经济与管理研究，2006（2）：49-53.

[11]李建军.中国均衡货币供给与货币缺口：1978-2004[J].华北电力大学学报，2006（3）：109-116.

[12]卞志村.泰勒规则的实证问题及在中国的检验[J].金融研究，2006（8）：56-69.

[13]刘金全，郑挺国.我国货币政策冲击对实际产出周期波动的非对称影响分析[J].数量经济技术经济研究，2006（10）：3-14.

[14]曹永琴.中国货币政策非对称性效应形成机理研究[J].南方经济，2010（2）：62-73.

[15]李成，王彬，马文涛.资产价格、汇率波动与最优利率规则[J].经济研究，2010（3）：91-103.

[16]邓永亮，李薇.汇率波动、货币政策传导渠道及有效性[J].财经科学，2010（4）：24-29.

[17]郑挺国，王霞.中国产出缺口的实时估计及其可靠性研究[J].经济研究，2010（10）：129-142.

[18]王柏杰，何炼成，郭立宏.资产价格波动与货币政策的内在关联[J].山西财经大学学报，2010（12）：52-59.

[19]尹建海.金融危机前后我国货币政策的非对称效应研究[J].山东社会科学，2011（2）：110-115.

[20]顾巧明.我国股市波动的长记忆性与货币政策的非对称性研究[J].中国经济问题，2011（1）：38-43.

[21]梁云芳，刘金叶.中国货币政策对国内需求影响的非对称性研究[J].财经问题研究，2011（3）：51-58.

[22]邓创，石柱鲜.泰勒规则与我国货币政策反应函数[J].当代财经，2011（8）：64-73.

[23]陈浪南. 货币政策调节：现实演化与实证依据[J].财政研究，2003（11）：33-39.

Key words： modified NK-SVAR model； effects of monetary policy； asymmetric effects

（责任编辑：关立新）

作者：尹航　李秉坤

基于门限模型的货币政策论文 篇2：

商品住宅市场短期波动特征与调控政策

[摘要]本文采用基于LOESS的季节性趋势时间序列分解法分析2005-2016年全国商品住宅销售面积和价格同比增速的趋势与异常，并用干扰模型估计市场异常波动点。研究发现房地产调控政策出台或实施时间点与商品住宅价量增速趋势转折点显著相关。房地产调控政策对市场有明显的短期效果，紧缩政策出台后短期内商品房销售价量增速均快速下降，政策转向宽松后短期内商品住宅销售价量增速迅速反弹。同时，“国八条”“国十五条”“国十一条”等限购或限贷政策的出台或实施时间点与商品住宅销售价量异常波动点存在明显对应关系，政策实际效果偏离稳定市场的政策目标。

[关键词] 商品住宅市场;异常波动;房地产政策;时间序列分解;干预模型

[DOI]10.13939/j.cnki.zgsc.2020.11.

1 引 言

2013年，中国上百个城市新房价格指数环比持续18个月上涨，一线城市新房成交量达到四年同期最高，全国销售量创历史新高。同年，中央推出“国五条”政策，采取限购和限贷的政策平抑房价上涨。2014年全国房地产市场形势出现大逆转，百城价格指数自5月起连续7个月下跌。在各种争议中，一些地方政府逐步取消限购和限贷政策，并通过信贷公积金和财政补贴等措施刺激住房需求。随后，中央多次降准降息和减免税费提振房屋购买需求。然而2016年住房市场再次异常火爆，一线城市房价上涨速度超过房地产开发最热的2007年。房地产市场的剧烈波动使得中央出台的房地产调控政策的有效性以及决策逻辑遭到质疑。

纵观中国房地产发展历史，从单位计划分房到形成商品住宅市场都离不开政府的引导和推动，相关政策内涵与目标导向深刻影响房地产市场发展，中国房地产市场“政策市”的特征非常突出。作为中国宏观经济调控政策的重要组成部分，频繁出台和调整的房地产调控政策是否能稳定住房市场是评估调控政策有效性的一个重要指标。本文梳理总结近2005-2016年期间出台的相关调控政策的内容与特征，分析中国商品住宅市场的波动趋势转折和异常波动，研究房地产宏观调控政策是否能有效的稳定房地产市场。本文从一个新的角度探讨这些年中国政府不断实施房地产宏观调控而房价不断上涨的“宏观调控悖论”，评估调控政策的有效性。本文的研究结果不仅为理解房地产调控政策内涵提供一个新思路，还为改进现有政策体系和提升未来政策效率提供有价值的信息。

2文献回顾

中国房地产市场是在国家和单位取消计划分配房屋的基础上逐步发展起来，即使在住房市场全面商品化以后，政府仍倾向于严密监管和实时调控市场，房地产市场被普遍认为是“政策市”。余华义 （2010） 指出中国房地产市场价格与经济基本面几乎无关联，受政府土地供给和银行信贷等政策因素影响明显。房地产周期波动研究”课题组（2002）和丁烈云（2003）则发现宏观调控经济政策有着明显的扩张和紧缩政策交替变动的周期性，是房地产市场周期波动的主要影响因素。另外一些研究用不同的方法分解不同时期中国房地产市场的周期波动，列举分析期间房地产政策变化，均发现房地产周期变换与房地产调控政策扩张性和缩紧性交替变动密切相关（徐国祥和王芳，2010; 焦继文和陈文天，2012; 吕鹏和张洪，2014）。而且， 陈峰和丁烈云（2007） 的研究表明中国房地产市场以1998年为分界的两个长周期特征存在差异，相应调控政策的导向、时机、力度、实施工具亦明显不同。

这些研究都注意到房地产市场长周期波动与宏观调控政策的关联性，但是也存在一些不足。首先，这些研究用定性分析或简单定量解析房地产市场指标的方法粗略描述房地产市场的长周期变化趋势，对于市场短期波动研究不足。其次，不少研究列举了历年的房地产市场调控政策的内容与出台时间，但是由于没有进行政策分类总结分析，而且没有明确测算房地产市场周期转折时间点，也就无法了解政策类型和特征与市场周期变化的相关性。最后，这些研究对于房地产调控政策对市场的干预效果和政策有效性的探讨比较粗浅。

中国房地产宏观调控政策作为重要的公共政策，对房地产市场和社会经济影响深远，然而深入探讨相关政策体系设计理念、制定原则、以及绩效测评的研究却不多。已有的一些研究侧重于解读房地产市场调控政策文本。例如，黄新华和屈站（2014）分析了1998-2013年中央政府的工作报告和主要宏观调控政策文本，探讨中央政府政策的决策逻辑。韩芳和陈彤（2011）从调控目标、手段、对象、环节四个维度统计了2004年以来中央关于房地产市场宏观条例的各类文件，揭示政策的变迁特征、演变机理和存在的问题。

另外一些研究则侧重于描述性总结评估了中国房地产宏观调控政策绩效。比如，潘丽萍 （2009）梳理历年中国房地产宏观调控政策，并以房地产投资占比和增长率、商品房销售额、行业营收等指标评估调控政策绩效。韩纪江（2012）从土地、财税、金融和行政四个方面分析政策绩效，探究政策得失。宋勃（2010）总结了中国房地产市场价格波动的四大特征和造成波动的四大原因，并逐一分析政府如何采用六大政策手段调控房地产市场，实现市场干预目标。根据李洪林和彭立强（2011）对近年来中国房地产调控政策效果研究的归纳总结，目前有关中国房地产调控政策对市场干预效果的研究尚处于起步阶段，不少研究僅列举政策内容和进行定性分析，或是局限于简单的指标性分析，无法对政策调控效果进行深入客观评价。

近年来，有一些实证研究开始运用经济学理论和计量经济学方法来估算房地产宏观调控政策效果。例如，李凯（2012）基于资产组合理论，孙颖（2010）基于房地产供求均衡，蔡明超等（2011）基于居民效用函数等经济学理论建模估算房地产市场反周期宏观调控政策绩效。彭坤焘（2008）从住房市场空间结构特征出发解读房地产调控政策效果。王先柱和杨义武（2015）采用线性和门限模型验证了差异化预期和各类调控政策对房价波动的影响。

综上所述，关于中国房地产政策有效性的研究中定性研究主要是采用传统经济学理论分析政策效果，定量研究则通过计量模型来估算调控政策对房地产市场的影响。很少有文献从房地产政策是否实现政策目标这个角度来评估房地产调控政策的有效性。历年来，中央宏观调控房地产政策文件中多次提出以“稳定住房价格”为调控政策目标，因为房价的波动可通过各种渠道引起整体宏观经济波动。正如胡浩志 （2010）和赵昕东 （2010）指出中国房地产价格的波动与宏观经济之间存在正反馈机制，房地产价格过度波动会造成宏观经济的剧烈波动，扭曲资源配置，集聚金融风险。所以，房地产调控政策是否会导致市场出现“政策反应过度”或“政策不适应”异常波动成为一个急需回答的重要问题。

3 2005-2016年全国性房地产调控政策

2003年8月，国务院发布《关于促进房地产市场持续健康发展的通知》（18号文件）将房地产业定位为拉动国家经济发展的支柱产业之一，同时特别关注“房地产价格和投资增长过快”，要求“努力实现房地产市场价格基本稳定”。2003年以后中央频繁出台一系列货币、税收、行政等措施来调控商品住宅市场，主要目标是实现住房市场的稳定与发展。本文主要梳理直接影响商品住宅市场的重要调控政策组合，并将政策组合以松紧程度进行分类，用以分析政策组合对于市场的影响。

3.1紧缩性政策

紧缩性政策是指在市场繁荣时期政府运用政策工具抑制市场需求增长。从总体上来说，中央主要运用财政税收、货币信贷、行政管理三方面的政策工具来控制房地产市场需求。表1列举了2005-2016年期间六项重要全国性房地产市场紧缩政策组合的实施时间、政策发布部门以及主要内容。

根据以上政策列表，可以發现近十年的房地产市场调控紧缩政策呈现了以下几个特点：

（1）2014年之前，除了2008-2009年全球经济危机以及2012年中央政府换届期间，国务院每年都要出台遏制房价增长的房地产调控政策通知，政策的主要目标是“稳定住房价格”以及“房地产市场平稳健康发展”。

（2）具体措施一般为多种政策组合，由人民银行、财政部、国家税务总局等多部门联合制定，以提高购房交易营业税、贷款首付比例、利率、银行准备金等方式增加购房成本，从而减少购房需求，主要是市场需求管理。

（3）经过多年发展，政策细则从全国性统一政策向差异性政策转变，针对不同类型的房屋交易，根据地区具体情况进行灵活调整，在全国性调控政策指导意见的基础上将具体调控措施的权限下放给地方，由地方因地制宜地选择和实施政策。

3.2宽松性政策

宽松性政策是指政府运用政策工具促进市场繁荣或抵抗经济衰退的措施，例如，放大金融信贷、减少税收、放松行政管制等。表2列举了2005-2016年期间四项重要全国性房地产市场宽松政策的实施时间、政策发布部门以及主要内容。

通过梳理以上的政策，可以发现近十年的房地产市场宽松性政策呈现了以下几个特点：

（1）政府文件中并没有具体说明宽松政策出台的根据与准则，也没有明确政策的目标或实施期限，一般是在前期紧缩性政策的基础上进行逆向调整。

（2）除了2008年在应对金融危机时国务院以下达通知的方式公布政策外，宽松性政策主要由中国人民银行通过放松金融信贷的方式来实现。

（3）相对于紧缩性政策，宽松性政策出台的频率较低，而且2014年后出台的政策也呈现出差异化和灵活性的特点。

从以上紧缩性和宽松性政策分析中可以看出近十年中国房地产市场宏观调控政策相机抉择特性非常明显，政策出台无特定规则，调控程度和方向根据当时的房地产市场和总体经济状况进行调整。同时，央行的货币信贷政策在近十年的中国房地产市场宏观调控政策中起到了核心作用，这就涉及到央行是应该按照预先承诺的最优规则行事使政策具有可信性，还是应该相机抉择货币政策进行反经济周期操作的争论。

在经济学中，宏观经济政策的规则与相机抉择之争主要是围绕Kydland和Prescott （1977） 提出的时间一致性理论，然而在理论上并未形成共识。实证研究中试图证明政策是不是时间一致性意义并不大，关键是要考察政策是否引起经济剧烈波动或社会福利损失，从政策的实践结果来判断政策的优劣。遵循这样的思路，本文首先对房地产市场指标进行分解，计算市场波动趋势中的转折点以及异常点，然后将其与主要政策出台或实施时间对应，考察政策与市场转折和异常的关联，从而评判政策的有效性。

4 商品住宅市场的基本情况与研究方法

4.1商品住宅市场的基本情况

近十年的房地产市场调控政策主要是针对商品住宅市场供需调控，因此本文研究的变量为全国商品住宅销售面积以及销售价格，样本期为2005年2月至2017年2月，数据来源于国家统计局和中国房地产指数系统（CREIS）。以往的研究多用采用房地产景气或价格指数作为研究对象，这些综合指数采用多个指标进行加权平均或用模型进行测算，在构建过程中剔除季节因素和随机因素影响的同时也过滤了一些有价值的信息，例如，房地产调控政策事件作为干扰因素产生的异常影响容易被当作随机因素而忽略。同时，市场成交量与价格是分析市场的最基本要素，因此本文采用未经指数化处理的全国商品住宅销售面积和销售价格作为研究样本。本文计算两个变量月度数据的同比增长率来表示商品住宅市场的波动，并用于后面的实证分析。

根据统计数据，2005年-2016年期间全国的商品住宅销量和价格呈现持续上涨的趋势。单月的商品住宅销售面积从2005年初的2000万平方米左右上升到2016年初1亿平方米左右，价格也从2700元/平米左右上涨到7400元/平米左右，价量分别增长了2和4倍，说明全国商品住宅市场处于持续繁荣发展的阶段。

但是，这种持续增长的态势并不平稳，时常剧烈波动。同比增长样本分布的统计量表明全国商品住宅销售面积同比增长的偏度为7.2，峰度为71.4;销售价格同比增长的偏度为-0.12，峰度为2.9，表明了两组数据系列都不符合正态或均匀分布，存在极端值，即异常波动。由于本文主要关注中央的房地产市场宏观调控政策与中国商品住宅市场波动的相关性，实证部分也以分析市场价量同比增长的趋势与异常为主。

4.2 商品住宅市场波动的研究方法

4.2.1于LOESS的季节性趋势时间序列分解法 （STL）

本文首先要分析商品住宅市场波动趋势以及识别异常波动。目前已有的中国房地产市场趋势分析研究多采用基于单调性假设的线性回归方法，而商品住宅市场波动由于受到政策干扰及其他因素影响，并不满足线性和单调假设，异常值的出现会造成模型估计偏差。STL结合了线性回归的简单性和非线性模型的灵活性，采用局部加权回归法（LOESS）选取一定比例的局部数据，在这部分子集中拟合多项式回归曲线，利用得到的局部回归模型来估计某点的值，并通过逐点运算得到整条拟合趋势曲线（Cleveland和Cleveland ，1990）。这个方法适用于每个周期观测值大于1的任意时间序列，可以灵活分解季节和趋势变化，能识别异常扰动，拟合结果比较稳健。STL用LOESS作为平滑器将时间序列Y_t分解成低频率的趋势项 Trend_t （T_t），高频率的季节项 Seasonal_t（S_t）以及不规则变化的残余项Residual_t（R_t），基本公式为：

Y_t=T_t+S_t+R_t                             （1）

STL的计算过程由内循环和外循环两部分组成。内循环过程计算出时间序列的趋势分量和季节分量。因为在内循环中数据平滑是在每一个子序列集中进行，季节项在内循环完成后出现一定程度的毛刺现象，为此，还需要进行季节项的后平滑。后平滑基于局部二次拟合，并不再需要在LOESS中进行稳健性迭代。

本文主要研究中国商品住宅市场波动的转折点与宏观调控政策的出台相关性，因此需要识别出市场波动趋势变化的转折点。本文根据STL拟合的趋势线上的数据点前后数据正负值的变化来计算趋势线的转折点，计算的公式如下：

波峰：    Max_i=sign（T_（t+1）-T_t ）-sign（T_t-T_（t-1） ）=-2， i=1，2，…，n                        （2）

波谷：     Min_j=sign（T_（t+1）-T_t ）-sign（T_t-T_（t-1） ）=2，  j=1，2，…，k                        （3）

STL外循环主要作用则是引入了一个稳健性权重项，以控制数据中异常值产生的影响。在这个过程中为了消除异常值对回归结果的影响，会根据某个时间点处残差大小赋予这个时间点上的值以稳健权重W_t，残差越大的时间点被赋予的权重越小。对于有异常值的时间序列在内部完成n次迭代前需要将稳健权重应用于下一阶段内循环的临近权重迭代。本文将STL外循环计算过程中稳健权重赋值W_t≤1.0e-8的点定义为异常点，并定位其出现时间点。

4.2.2干预模型

时间序列中出现异常点可以被认为是某种因素或某个干预事件造成的，而中央出台一些宏观调控政策有可能会造成全国商品住宅市场价量出现异常波动。所以，本文还采用干预模型来估计市场波动的异常点，考察异常波动点与宏观调控政策事件时间点的对应性，并估算有显著影响的政策干预事件的效果大小。

目前，对于时间序列的异常值的识别主要用ARIMA模型。先假设时间序列Y_t为在时间点t=1，2，…，n 上满足ARIMA（p，d，q）过程的平稳序列，其表达式为：

?（B）α（B）Y_t=θ（B）a_t ， a_t～NID（0，σ^2）                  （4）

这里，a_t是白噪声，?（B）、α（B）、θ（B）是阶数分别为d、p 和q 的滞后项算子B的多项式。当该序列受到非重復性突发事件（如调控政策事件）影响，可用回归多项式将异常值表示为：

Y_t^*=Y_t+∑_（j=1）^m?〖w_j v_j （B） I_t （τ_j）〗                         （5）

其中，Y_t为实际观察值，m 是异常值个数，v_j （B）是刻画在  t=τ_j时刻出现异常值的滞后多项式，w_j 表示v_j （B）对时间序列的影响，I_t （τ_j） 是Kronecker delta 示性函数：

I_t （τ_j ）={（1         t=τ_j@0         t≠τ_j ）┤

I_t （τ_j ）=1表示有干预事件或一些未知因素致使时间序列出现异常值。当外部干预事件或未知因素对Y_t产生的异常影响是一次性冲击时，该异常点属于加性异常值（Additive Outlier），其滞后多项式 v_j （B）=1，产生的影响大小为w_j。当时间序列存在多个异常点，需要用联合估计方法来识别，计算方法则使用似然比统计量来检测异常值，具体的计算过程可参见Chen和Liu （1993）以及L?Opez-De-Lacalle （2016）。

5 实证分析结果

5.1 STL分解市场变量时间序列的结果

图1和图2显示STL分解的结果。图2中的趋势图显示2005至2016年期间全国商品住宅销售面积波动剧烈，最高是在 2009年8月的同比增长达到51.7%，最低是2008年7月的同比减少17.4%，在一年的时间里波动幅度将近70%。全国商品住宅销售量剧烈波动的趋势在2012年之后趋于缓和，振幅维持在-10%至20%之间。相比销售面积波动，全国商品住宅销售价格波动幅度要小很多（见图3），一般在5%-14%区间内波动。这期间的价格的最大同比涨幅是在2009年8月的19.5%，而2014年7月的零增长是这些年价格同比增长趋势的最低值，表明中国商品住宅价格呈现较快刚性增长的趋势。

图1和图2的趋势线中用上下三角符号分别标注了根据公式（2）和（3）计算出的趋势波峰和波谷（即转折点），同时用实竖线标注文中第三部分列举的紧缩性调控政策以及用虚竖线标准了宽松性调控政策出台或实施时间。从图中可以看到，重要的紧缩政策出台之后全国商品住宅价量同比增长持续放缓，而宽松政策的出台后则大概率出现价量增速反弹的现象。同时，图1和图2中时间序列随机扰动中也用方形标注了根据STL稳健性权重识别出的价量异常点。可以看到一些政策的出台实施时间与商品住宅市场价量异常波动出现的时间点吻合或相近。图中显示商品住宅销售量异常波动基本集中在2007年之前，波动的出现与紧缩性调控政策有关，而商品住宅价格异常波动在2005-2016年期间持续出现，基本都与调控政策的出台有关。

表3和表4具体列出了主要政策出台时间点与市场价量波动趋势出现转折和异常的时间点。从表中可以看到全国商品住宅销售面积和价格波动趋势的波峰与中央紧缩政策出台的时间点有明显的相关性，而波动趋势的波谷与宽松政策出台也显著相关。例如，除了2005年6月的“国八条”出台，紧缩政策出台的前后4个月内都会出现价量波动趋势的波峰， 而销售价格波动趋势波峰会与销售量波动趋势波峰同步或略晚。在文中所列出的四条重要房地产调控宽松政策中，有三次出台的时间点接近价格波动趋势波谷。

表3和表4中列出的市场异常波动的时间点则显示只有2005-2007年期间出台的紧缩调控政策出台后，商品住宅销售量频繁出现异常波动， 但是2008年之后不管是紧缩性政策还是宽松性政策的出台都未见销量异常波动。与之相反的是商品住宅价格异常波动基本在2008年之后出现，2009年的“国十一条”和2013年的“新国五条”的出台后出现了价格异常波动，而央行实施的4次货币宽松政策中有3次政策出台后，价格出现异常波动。

综合以上分析，中央政府出台的房地产调控政策与房地产价格的价量波动趋势具有明显关联性，即紧缩性宏观调控政策可以在短期内抑制商品住宅销售量和房价增速，但是在政策转向宽松时会出现迅速反弹。同时，调控政策还与价量异常波动有关，一些调控政策的效果与中央稳定房地产市场的目标有所偏离。本文还发现调控政策与异常波动的关联性有不对称性，即2008年之前的调控政策仅与销售量异常波动相关，而2008年后的调控政策则仅与价格异常波动有关。

5.2 干预模型估算结果

通过前面的STL分解时间序列的分析可以看出一些宏观调控政策与商品住宅市场价量异常波动有明显关联。2005-2007年期间出台的房地产调控政策主要通过调整限购限贷的松紧程度来影响家庭购买商品住宅的成本，短期内形成对市场商品住宅的需求和供应量的冲击，产生的效果会很快体现在市场销售价量变化中。本文将用干预模型进一步估计由于某些干预因素致使市场出现的异常点并估算干预因素影响的大小。如果模型估计的异常点临近的时间段内有重要调控政策出台，调控政策很有可能是导致异常波动的干扰事件。

表5是干预模型估算的结果以及所对应的重要政策出台时间列表。根据干预模型估算的结果，中国商品住宅销量在2005年8月和10月出现异常波动，而在2005年6月中央出台了“国八条”的政策，首次将稳定房价提高到政治高度，同时，“七部委意见”出台的细则也首次对售卖交易不足两年的商品住宅按售房收入全额征收营业税。这个突然出台的新政策目的是为了遏制投资性或购房，提高了交易不足2年的商品住宅交易成本。然而，这个政策也会降低购买不足2年住房购房者的对外销售意愿，从而减少房屋供应量。由于未来二手商品住宅交易成本的不确定性，当大量刚性需求购房者预期二手商品房购房成本增加且供应量会减少时，他们就会在政策真正落实前赶紧购买商品住宅。 同时，由于商品住宅市场价格刚性上涨，投资性购房者预期房产收益超过购房成本时也会在政策正式实施前大量购买商品住宅，持有至政策允许交易后的再进行转手交易。根据干预模型估计，这个政策事件使商品住宅销售量涨幅在8月比去年同期增加了5.54倍，在10月增加了50%。

2006年5月，中央出台的“国六条”和“国十五条”进一步收紧调控政策，向购房未满5年再次进行交易的商品住宅征收营业稅，同时提高个人住房贷款首付比例。干预模型估算结果显示2006年8月商品住宅销售量同比增长出现异常，减少了87%。由于2005年8月销售量出现异常成倍增长，仅仅比较2005年8月和2006年8月的增长会有偏差，需要拉长时间尺度来判断这个时期的销售量同比增长。从数据上看，2006年2月、5月、6月商品住宅销售同比增长都在100%左右，6月至7月有所回落，8月出现同比下降，但9月的同比增长回升到39%左右，与STL方法识别2006年2月至5月以及2006年8月的异常波动情况吻合。可见，在“国十五条”政策出台前后商品住宅销售量是增长异常，8月出现同比下降主要是由于上一年8月的异常成倍增长，当月相对于去年同期出现下降。2006年的紧缩政策是2005年政策的延续与升级，将进一步增加购房后的持有成本并减少未来二手房商品住宅市场的供应量，在预期驱使下，政策反而刺激购房异常增长。

同样的，干预模型和STL分解方法都显示2007年8月商品住宅销售面积同比增长异常，与此相对应的是8月国务院的“24号文”再次强调认真落实2006年出台的 “国十五条”，央行和银监会9月出台的出台了“927房贷政策”，在2006年“国十五条”的基础上提高第二套住房贷款首付比例和利率，也进一步增加第二套住房的购房成本。干预模型估计销售量异常增加41%，可见公众为了规避限购政策或在政策刺激下有突击购房行为。

干预模型估计销售价格同比增长有4个异常点，其中2010年2月和2012年2月的异常点也同时被STL分解法识别。在2009年12月至2010年1月期间，国务院出台了“国十一条”，财政部和央行也分别推出税收及货币政策收紧从2008年9月左右开始实施的宽松政策。在此之前，商品住宅销售价格同比增长已经连续5个月超过20%，2010年2月的增长为25%，但是3月则回落到15%，可以认为宽松向紧缩政策的转化与价格增速冲高回落紧密相关。2011年9月至12月，全国商品住宅价格增长缓慢，同比增长率低于10%，2012年2月甚至出现10%的负增长，央行在商品住宅市场情况进一步恶化之时降低银行准备金率，使信贷环境相对宽松，而商品住宅价格也于2012年4月左右重新实现同比正增长。由此可见，干预模型估计结果也佐证了商品住宅市场价量异常波动与一些房地产市场宏观调控政策的出台和实施密切相关。

结论与讨论

本文梳理了2005-2016年期间重要的中国房地产市场宏观政策，并采用STL方法估算中国商品住宅市场的价量波动趋势转折点与异常点，还用干预模型测算出由于干预因素造成的异常波动，进而从政策与市场波动关系的角度定量分析了房地产市场调控政策稳定房地产市场的效果。研究结果表明，中国商品住宅市场价量波动的转折点与市场调控政策的宽松转换明显相关，“国八条”“国十五条”“国十一条”等限购或限贷政策在干预市场时也引起市场价量异常波动。总体而言，在近十年的房地产市场调控的实践中，中央倾向于追求明显的短期效果，例如商品住宅销售价量增速迅速下降或回暖，并尽量减少政策实施的阻力，例如通过全国性银行信贷政策和财政税收政策调整对全国市场进行调控。这种相机抉择的全国性房地产调控政策有时候会造成“市场不适应”的异常波动性，这意味着，调控政策的实施效果会偏离稳定房地产市场的目标。

另外，中国政府相机抉择房地产宏观调控政策时，并没有特定的经济规则约束，仅能从事后结果从某种程度推断政策潜在规则。STL分析结果中房价波动趋势下限是零增长以及趋势的波谷大约维持在5%左右的事实也从另一个侧面表明中国政府非常重视作为居民重要资产组成的房地产资产的增值与保值，并不希望全国房地产市场价格出现大幅度负增长。也就是说，房地产调控的核心依然是市场增长，其次才是市场稳定。

从过去十年的房地产市场发展与调控政策效果来看，市场调控政策从整体刚性管理向灵活的精细管理转变，政策的稳健性和预见性逐步改善，实现了调控市场增速的目标，但是调控方式与市场机制仍存在冲突，于是出现异常波动现象。在今后的政策实践中，随着我国经济结构性改革的加深，国内经济波动的风险也在不断上升，在一段时期内中国政府仍将相机抉择政策调整房地产市场增速来保证整体经济增长。但是，如何有效的权衡房地产市场增长与稳定两者的轻重，应成为我国房地产市场调控政策完善过程中必须重点研究的一项课题。

参考文献：

[1]余华义.经济基本面还是房地产政策在影响中国的房价[J].财贸经济，2010，3（3）： 116-122.

[2]房地产周期波动研究”课题组.中国房地产周期波动：解释转移与相机政策[J].财贸经济， 2002，7（7）： 26-33.

[3]丁烈云.房地产周期波动成因分析[J].华中科技大学学报社会科学版，2003，17（2）：19-25.

[4]徐国祥，王芳.我国房地产市场周期波动谱分析及其实证研究[J].统计研究，2010， 27（10）： 18-24.

[5]焦继文，陈文天.基于hp滤波法的我国房地产周期与房地产政策关联性研究[J].建筑经济， 2012，8（8）： 79-83.

[6]吕鹏，张洪.运用hp滤波法研究我国房地产周期波动与房地产政策相关性[J].中国市场， 2014，12（12）： 109-112.

[7]陈峰，丁烈云.我国房地产政策周期的比較研究[J].经济与管理研究，2007，5（5）：72-75.

[8]黄新华， 屈站.中央政府房地产调控政策决策逻辑的理论解释——基于1998-2013年间相关政策文本的研究[J].厦门大学学报（哲学社会科学版），2014， 4（4）：66-75.

[9]韩芳，陈彤.2004年以来中国房地产市场宏观调控的变迁与政策启示[J].建筑经济， 2011，5（5）：43-46.

[10]潘丽萍.改革开放三十年中国房地产业政策演变与经济绩效分析[J].河南城建学院学报， 2009，18（2）：1-5.

[11]韩纪江.我国房地产宏观调控的得失探究[J].湖北经济学院学报，2012，10（1）：48-53.

[12]宋勃.房地产价格波动与政府的干预政策[J].价格月刊，2010，11（11）：20-26.

[13]李洪林，彭立强.中国房地产市场政策调控效果研究述评[J].华东经济管理，2011，25（8）： 118-122.

[14]李凯.基于投资组合理论的房地产调控政策有效性分析[J].统计与决策，2012，8（8）： 53-55.

[15]孙颖.我国房地产市场宏观调控政策效应测度与分析[J].建筑经济，2010，8（8）： 75-78.

[16]蔡明超，黄徐星，赵戴怡.房地产市场反周期宏观调控政策绩效的微观分析[J].经济研究， 2011（S1）：80-89.

[17]彭坤焘.提升城市住房市场宏观调控的绩效——空间视角的分析[J].城市规划，2008， 9（9）：21-27.

[18]王先柱，杨义武.差异化预期、政策调控与房价波动——基于中国35个大中城市的实证研究[J].财经研究，2015，41（12）：51-61.

[19] 胡浩志.房地产市场在货币政策传导机制中的作用——基于svar模型的经验研究[J]. 宏观经济研究，2010， 12（12）：69-74.

[20]赵昕东.中国房地产价格波动与宏观经济——基于svar模型的研究[J].经济评论， 2010，1（1）：65-71.

[21]KYDLAND F E，PRESCOTT E C.Rules rather than discretion：The inconsistency of optimal plans[J].Journal of Political Economy，1977，85（3）：473-491.

[22]CLEVELAND R B，CLEVELAND W S.STL： A seasonal-trend decomposition procedure based on loess[J].Journal of Official Statistics，1990，6（1）：3-33.

[23]CHEN C，LIU L M.Joint estimation of model parameters and outlier effects in time series[J].Journal of the American Statistical Association，1993，88（421）：284-297.

[24] L?OPEZ-DE-LACALLE J. Tsoutliers R Package for Detection of Outliers in Time Series[Z].R Package：CRAN，2016.

[基金项目] 国家自然科学基金青年项目“中国房地产市场政策体系测量和绩效评估研究---基于政策网络理论的视角”（项目编号：71704114）。

[作者简介] 苏志（1979—），女，汉族，广西南宁人，首都经济贸易大学国际经济管理学院副教授，研究方向：政策评估、网络经济、劳动经济。

作者：苏志

基于门限模型的货币政策论文 篇3：

中国货币政策效果的分析

〔摘 要〕基于2000年1月—2010年12月的月度数据，本文建立了修正的新凯恩斯模型，并在模型中引入门限值以区分金融危机前后货币政策的变化，来检验金融危机前后中国货币政策的数量效果；同时在修正的新凯恩斯模型基础上建立SVAR模型来检验货币政策的时间效果。结果表明：中国的货币政策整体上是有效的；金融危机前的货币政策在保持低通胀水平下带来了经济的增长；金融危机发生后的货币政策有效地抑制了经济的衰退，但有一定的滞后效应，并带来了通货膨胀。

〔关键词〕货币政策效果；修正的新凯恩斯模型；门限值；SVAR

收稿日期：2011-08-25

作者简介：童 健（1988-），男，安徽合肥人，硕士研究生，主要从事数理金融方面的研究。E-mail:dufetj@163.com

文献标识码：A

一、引 言

伴随着金融危机的爆发，世界各国纷纷采取措施来刺激经济的发展。在面对严峻的国内外局势下，我国灵活果断地调整宏观经济政策，迅速推出了应对危机的适度宽松的货币政策和积极的财政政策。这些政策效果卓著，迅速扭转了经济增速下滑的局面，率先走出金融危机的阴影。但这些政策在带来经济快速增长的同时，也带来了很多不利的影响。

那么，如何来评价在金融危机前后我国推行的一系列货币政策的效果？是同时包含数量和价格两种工具的货币政策有效还是单一工具的货币政策有效？后金融危机时代我国推行的货币政策带来宏观经济影响是什么？

上述问题不仅是重要的理论问题，而且具有现实意义。本文通过建立包含房价和汇率的新凯恩斯模型的联立方程组来进行估计，分别从总需求、总供给、货币数量规则和利率的泰勒规则四个角度进行实证分析，将模型分析的结果与现有的经典理论相结合进行论证分析，以检验后金融危机时代中国货币政策的效果。

二、文献综述

货币政策效果可以从两个方面来衡量。一是从数量方面，用来衡量货币政策发挥作用的大小，即货币政策的数量效果；二是从时间方面，用来分析货币政策发挥作用的快慢，即货币政策的时间效果。

从货币政策的数量角度来看，国内外经济学者进行了大量实证研究，但研究方向却不太相同。首先，部分学者从货币政策工具的角度来分析货币政策的实施对宏观经济的影响。如Taylor通过对一个宏观经济模型的估计，发现用货币供给量作为货币政策工具要比利率工具的效果好［1］。Taylor发现尽管从20世纪80年代中期开始把利率作为货币政策工具，但他仍认为货币供给才是新兴市场经济中有效的货币政策工具［2］。Goodhart和Svensson一致认为,利率规则是货币当局以短期名义利率为政策工具,通过利率传导机制来调节经济运行, 实现经济内在稳定的一种货币政策规则^［3-4］。谢平和罗雄首次运用历史分析法和反应函数法检验泰勒规则在中国的适用性, 指出泰勒规则可以很好地衡量中国货币政策［5］。而李春吉选择了以货币供应量为中介变量的新凯恩斯主义货币经济模型来理解中国货币政策［6］。综合已有的研究，本文把两种货币工具同时考虑进模型中，来分析金融危机前后货币政策的效果。

部分学者从资产价格波动的角度来分析货币政策。部分经济学家认为,借鉴钉住通货膨胀的货币政策在控制产出和价格波动方面的经验,将资产价格波动纳入货币政策的调控范围将会有助于稳定资产价格和宏观经济。Bernanke和Gertler在金融加速器模型的基础上引入股票价格,在受到外部冲击,包括基本面冲击（技术冲击）和非基本面冲击（资产价格泡沫）的情况下,比较了两组货币政策规则（包含资产价格波动和不包含资产价格波动的货币政策规则）在稳定宏观经济方面的表现,得到的结论是,将资产价格波动项纳入货币政策规则没有显著地改进政策效果［7］。Kontonikas和Ioannidis在理性预期的开放经济模型中探讨是否货币政策应该将股票价格波动纳入调整范围［8］。程立超通过对包含股票价格在内的新凯恩斯模型的结构方程进行估计，认为股票价格波动应该纳入货币政策的调控范围［9］。胡浩志通过建立SVAR模型对货币政策、房地产市场与宏观经济波动之间的动态关系进行了研究，发现房地产市场会影响货币政策效果［10］。Ligang和Wenlang通过建立四方程的新凯恩斯模型来估计中国货币政策效果时发现汇率波动会影响经济增长和通货膨胀率［11］。因此，考虑到我国目前房价泡沫现象比较严重以及贸易逆差的出现，我们在模型中同时加入汇率和房价波动，以检验货币政策控制房价泡沫的效果。

由于本文着重分析金融危机前后货币政策的效果，而金融危机前后我国的货币政策完全不同，因此本文在模型中加入了门限值，以区分金融危机前后紧缩的货币政策和适度宽松的货币政策在效果上有何不同。

为了从货币政策的时间角度来分析，本文在修正的新凯恩斯模型的基础上，建立了结构向量自回归模型（SVAR），通过脉冲响应函数来分析货币政策的实施对宏观经济影响的时间效果，进而分析货币政策是否存在滞后性。

三、理论模型

本文在Berg等［12］提出的三方程的新凯恩斯模型的基础上，引入利率和货币数量方程来刻画中国货币政策体系的独特性。本文主要研究金融危机前后的货币政策效果，因而加入了门限值，又因为我国从2008年9月开始下调利率，故门限值以2008年9月为限。因此本文修正的新凯恩斯模型包含的四个方程为包含滞后和预期行为的总供给方程、总需求方程、货币数量方程和利率的泰勒规则方程。

（一）总供给方程

总供给方程为：

其中，π_t为t期通胀率；E_tπ_t+1为在t期预期的t+1期通货膨胀率；Y^_t为t期的产出缺口；e_t为汇率；hp_t为房价；ε^π_t为随机误差项，本文假定误差项均为白噪声过程。

该方程也被称为混合形式的新凯恩斯—菲利普斯曲线。该曲线包含了预期和滞后期的通货膨胀率、产出缺口、汇率和房价。实证表明预期因素应该包含在中国的菲利普斯曲线中。如Scheibe和Vines发现在中国包含预期通胀率要比仅包含滞后变量的菲利普斯曲线效果好［13］。另外，与Ligang和Wenlang ^［11］不同的是，本文考虑了我国当前房价泡沫现象对通货膨胀率的影响。

（二）总需求方程

总需求方程为：

本方程又称为IS曲线，它包含过去和预期的产出缺口、实际利率、货币增长缺口、汇率变化和房价变化。与Berg等［12］不同，我们使用汇率的变化而不是汇率与均衡汇率的偏差来估计汇率对产出缺口的影响。而且本文与Berg等所提出模型最大的不同之处在于我们把实际利率和货币增长缺口同时作为解释变量，这主要是因为我国的货币政策体系尚不完备。这与货币基金组织提出的GPM模型是一致的。为了描述实际市场与金融市场之间的联系，GPM在IS曲线的BLT变量中加入了实际利率和汇率。在该需求模型中加入这些变量的原因可参考Carabenciov等 ^［14］。

实际货币缺口m^_t是指实际货币供给与均衡货币供给之间的差额。我们在IS曲线中加入了资产价格波动，此处用房价来代替资产价格。通过加入资产价格，我们估计资产价格泡沫对实际产出缺口的影响。

（三）货币政策反应方程

货币政策反应方程中包含两个部分：货币数量方程和利率的泰勒规则方程。

货币数量方程为：

Taylor指出货币供给量的货币政策对宏观经济影响的效果更好［1］。其中，π^*_t是指央行每年制定的通货膨胀目标值（本文设定为3%）。

利率的泰勒规则方程为：

其中，R_t和R^*_t分别指实际和均衡名义利率，D₁，其它同上。与Berg等［12］和Ligang等［11］不同的是，本文在利率反应方程中加入了汇率和资产价格的波动。Scheibe和Vines ^［15］实证研究发现在开放经济中，利率会对实际汇率变化做出反应，而中国现在正是一个浮动汇率制。程立超研究发现股票价格对货币政策效果影响较大［9］，考虑到我国的实际情况，本文在模型中把房价作为资产价格加入新凯恩斯模型中，分析资产价格泡沫对宏观经济的影响以及货币政策如何对资产价格泡沫做出反应。

四、变量指标的选择与实证研究

本文选取2000年1月—2010年12月的月度数据作为样本区间。

（一）变量描述及数据来源

1.产出缺口的估算及预期

由于GDP没有月度统计数据，本文选用工业企业增加值Y代替GDP。为了剔除了长期趋势要素，采用Census-X12方法对所有的原始数据进行了季节调整，然后进行HP滤波，得到潜在产出Y^*。根据公式：

2.通货膨胀率及预期

许多文章用CPI作为通货膨胀的代理变量，但我们觉得CPI只能反映消费者价格的变化，不能代替通货膨胀率，所以我们选用CPI的同比增长率（π）作为通货膨胀的代理变量。

本文利用卢卡斯供给曲线所导出的预期修正的菲利普斯曲线（Rudebusch 和Svensson ［16］）来估计预期通货膨胀率。

附加预期的菲利普斯曲线表示如下：

其中u与u^*表示实际与自然失业率；y_t是产出缺口。

将奥肯法则和菲利普斯曲线结合起来，可以得到菲利普斯—奥肯曲线：

π_tπ^*_t+βy_t

由于未来的通货膨胀率与去年同期（π_t－12）和上一期（π_t－1）的实际通货膨胀率关系最为密切，所以估计预期通货膨胀率时，上式中包括π_t－12和π_t－1两项。

估计结果如下：

t （3.70）（-4.84）（39.51）

修正R²0.93

D-W1.85

所以预期通胀率E［π_t+1Ω_t］－0.12π_t－11+0.96π_t。

3.利率

目前银行间市场和政府债券市场的流动性仍存在问题，基准利率仍是我们重要的利率，所以，我们选择一年期贷款基准利率（LNT）作为名义利率R的代理变量。进行HP滤波，得到均衡名义利率R^*。

本文实际利率r定义为r_tR_t－E_tπ_t+1。进行HP滤波，得到实际利率与均衡利率的偏差r^。

4.其它变量

本文选取的汇率为人民币实际有效汇率（e），它是一种以相应国家贸易额占我国贸易总额的比重为权重，剔除通货膨胀对各国货币购买力影响的双边名义汇率的加权平均汇率。对广义货币供应量（M）进行HP滤波，得到实际货币缺口m^_t。本文房价选取的变量为商品房销售价格指数（hp）。

除通胀率和利率之外，对所有变量取对数以消除异方差性之后才进行上述处理。CPI、工业企业增加值、M的原始数据来自中经网统计数据库，hp原始数据来自RESSET金融研究数据库，e原始数据来自国际清算银行，LNT来自中国银行。

（二）实证模型

1.货币政策对经济增长的长期效应分析

首先我们采用ADF单位根检验方法检验Y、M、R和e的平稳性，结果显示各变量均在5%的显著性水平下是一阶单整序列。

利用最小二乘法估计得到：

F7470.2

对方程（5）的残差序列进行单位根检验，发现是平稳的，故它们是存在协整关系的，即存在长期关系。由于hp不显著，因此方程中未包含该变量。

方程（5）表明中国的经济增长受货币政策的影响，货币供应量每上升1%，GDP将上升1.18%，效果明显；利率每上升1%，GDP将上升0.05%，效果相对较小。

2.货币政策对经济增长的短期效应分析

下面将建立联立方程系统，这种系统考虑到了方程之间的相互依存关系，运用GMM方法进行估计，得到稳健的估计量。估计结果如表1所示。

对于总供给方程（1）而言，通胀预期是影响通胀的重要因素，预期每上升1%，通胀将会上升0.97%；资产价格的波动也会拉动价格上涨，汇率变动每增加1%，通胀会上升0.94%，房价变动每增加1%，通胀会上升0.56%，所以

表1方程（1）—（4）的估计结果

注：**表示在5%显著性水平上显著；*表示在10%显著性水平上显著。① 由于原数值太小，我们在其基础上乘以100再保留两位小数。

资产价格的影响不可小觑；相对而言，产出缺口和前期通胀率对通胀的影响就比较弱。从总需求方程（2）的估计结果可以看出，产出缺口的前期值和实际利率缺口对总需求的影响较弱，但总需求对产出缺口预期、货币供应量缺口以及资产价格变化的效果显著，其中货币供应量缺口每增加1%，产出缺口就会增加3.77%，是影响最大的因素，这说明货币政策对经济增长的短期效果也是显著的；同时，金融危机后实施的降息政策对产出缺口变动的作用很微弱。由此可见，将货币供应量作为政策工具比用利率工具效果更显著。从货币数量方程（3）的估计结果来看，货币供应量变动主要受前期供应量变动的影响，前期变动增加1%，这期就会减少0.08%；其次，产品缺口每增长100个百分点，货币供应量变动将减少0.48%，同时，当通胀率与目标通胀率的差值每上升100个百分点，货币供应量变动将减少0.05%，说明我们的货币政策对通胀作出了积极的反应。对于利率方程（4）而言，φ₂的值由0.003%上升到0.16%，说明通胀率的变化一直是央行在制定利率政策时所着重考虑的，但其值始终小于1，这意味着通胀预期出现时，央行上调利率的幅度始终小于通胀的上涨，实际利率下降，刺激了总需求，预期的通胀演变为真实的通胀；资产价格变动的系数也有显著变化，说明资产价格与物价一样也被央行所关注；最后，产出缺口的系数变化最大，说明金融危机爆发后，央行首先考虑的是经济增长，保证了经济的增长。从方程（4）可以看出，央行实施的利率政策全面考虑了我国的基本国情，以保持经济增长和控制物价为主要目的。

3.结构脉冲响应函数分析

联立方程系统分析了变量之间的数值关系，下面我们将运用结构向量自回归模型（SVAR）分析变量间的时间关系。SVAR可以研究变量间当期的互动影响，而且可以根据相关经济理论施加不同的约束，从而分析模型变量对结构性冲击的动态影响。

在Sims的早期研究中，对SVAR施加短期约束，利用VAR模型的残差协方差矩阵的乔莱斯基分解来正交化VAR的信息，这种方法依赖于模型中变量的排序，不同的变量排序将产生不同的冲击影响。经过研究分析，本文具体排序为：Y；π；ΔM；R。

在识别SVAR时，因为在矩阵B为单位阵的情况下，对A矩阵的约束就是对变量间同期相关关系的约束，因而我们选用单位阵B。根据新凯恩斯方程（1）—（4），我们得到约束矩阵：

A

估计出模型后，我们进行了结构脉冲响应函数分析。用结构因子矩阵A、B对VAR的误差项进行分解，可得同期独立的随机干扰项，据此得出脉冲响应函数就不再含有其它内生变量的交叉冲击，从而能更精确地度量出变量冲击对系统的影响。图1和图2给出了结果脉冲响应函数。

由图1的货币量供应变动冲击来看，当给其一个正冲击，通胀率在前3期会下降，但从第4期开始转正，一直持续11个月，之后又变为负影响，并趋于稳定。而产品缺口当期就表现出正影响，持续5个月后趋于稳定。这说明增加货币供给确实会带来经济增长，但影响大概只能持续半年，同时也会助长通胀，但其效果存在一个时滞，3个月后才能凸显，而且会持续近一年的时间。

图2的利率冲击说明，利率的上调会对产出缺口和通胀产生负面影响，也就是，金融危机后降低利率确实能保持经济增长，但同时也会带来通胀，而且影响是持续的。这也就可以解释为什么后金融危机时代，我们的通胀率会高居不下，也可以解释央行最近不断上调利率的行为。

五、结 论

本文基于2000年1月—2010年12月的中国宏观经济数据从数量关系和时间关系两方面对新凯恩斯模型进行估计，得到货币政策对主要宏观经济变量的影响。从数量关系方面来看，估计表明：（1）通胀预期和资产价格波动显著影响通胀率；（2）总需求对产出缺口预期、货币供应量缺口以及资产价格变化的效果显著，其中货币供应量缺口是影响最大的因素；（3）货币供应量变动主要受前期供应量变动的影响，同时货币政策对通胀作出了积极的反应；（4）央行实施的利率政策全面考虑了我国的基本国情，但保持经济增长是主要目的。从时间关系方面来看，分析表明：（1）增加货币供给确实会带来经济增长，但影响大概只能持续半年，同时也会助长通胀，但其效果存在一个时滞，3个月后才能凸显，而且会持续近一年的时间；（2）金融危机后降低利率确实能保持经济增长，但同时也会带来通胀，而且影响是持续的。

从上述研究可以看出，首先，金融危机前我国央行的货币政策保持了低通胀水平下的经济增长；其次，金融危机爆发后，我国央行在制定货币政策时确实着重考虑了经济增长，而且政策实施的效果也是明显的；再次，宽松的货币政策带来了副作用——通货膨胀，虽然这种影响存在着一定的时滞，但影响是持久的。

参考文献：

［1］ Taylor,J.B.Estimation and Control of a Macroeconomic Model with Rational Expectations［J］.Econometrica,1979,47（5）:1267-1286.

［2］ Taylor,J.B.Using Monetary Policy Rules in Emerging Market Economics［D］.Stanford University,2000.

［3］ Goodhart,C.A.E.Monetary Transmission Lags and the Formulation of the Policy Decision on Interest Rates［J］.Federal Reserve Bank of St.Louis,2001, 7（8）:165-182.

［4］ Svensson,L.E.O.Inflation Targeting: Should It Be Modeled as an Instrument Rule or a Targeting Rule？［R］.NBEB Working Paper,2002.

［5］ 谢平,罗雄.泰勒规则及其在中国货币政策中的检验［J］.经济研究,2002,（2）:3-12.

［6］ 李春吉.理解货币政策：新凯恩斯主义观点［J］.南京财经大学学报,2004,（3）:6-11.

［7］ Bernanke,B.,Gertler,M.Monetary Policy and Asset Price Volatility ［R］.Working Paper,1999.77-128.

［8］ Kontonikas,A.,Ioannidis,C.Should Monetary Policy Respond to Asset Price Mis alignments？［J］.Economic Modelling,2005,22（6）:1105-1121.

［9］ 程立超.股票价格、货币政策和宏观经济波动［J］.中央财经大学学报,2010,（4）:24-29.

［10］ 胡浩志.房地产市场在货币政策传导机制中的作用［J］.宏观经济研究,2010,（12）:69-74.

［11］ Ligang,L.,Wenlang,Z.A New Keynesian Model for Analysing Monetary Policy in Mainland China［J］.Journal of Asian Economics,2010,（21）:540-551.

［12］ Berg,A.,Karam,P.D.,Laxton,D.Practical Model-Based Monetary Policy Analysis: A How-to Guide［R］.IMF Working Paper,2006.

［13］ Scheibe,J.,Vines,D.A Phillips Curve for China［R］.CEPR Discussion Paper,2006.

［14］ Carabenciov,I.,Ermolaev,I., Freedman,C.,Juillard,M.,Kamenik,O.,Korshunov, D.,Laxton,D.A Small Quarterly Projection Model of the US Economy［R］.IMF Working Paper,2008.

［15］ Scheibe,J.,Vines,D.After the Revaluation: Insights on Chinese Macroeconomic Strategy from An Estimated Macroeconomic Model［R］.2005.

［16］ Rudebusch,G.D.,Svensson,L.E.O.Policy Rules for Inflation Targeting［R］.NBER Working Paper,1998.

（责任编辑：杨放）

作者：童健 薛景