貨幣政策應該對房價波動做出反應嗎

李言 毛豐付

摘要：2014年以來，中國房地產市場經歷了明顯的衰退和復蘇的調整過程，在衰退階段，房地產市場總需求和總供給出現了結構失衡的局面，對經濟發展產生了負面影響。如何減輕房地產市場調整對宏觀經濟運行的負面影響成為未來中國經濟平穩發展的關鍵。本文從貨幣政策反應函數的視角出發，模擬分析在貨幣政策反應函數考慮和不考慮房價波動的情形下，房地產市場進入衰退階段對宏觀經濟的影響。結果表明：（1）當貨幣政策反應函數考慮房價波動時，能夠有效減輕房地產市場進入衰退階段對宏觀經濟的負面影響；（2）當貨幣政策反應函數考慮房價波動時，能夠顯著減輕房地產市場進入衰退階段時房價的波動程度，進而實現更小的社會福利損失。

關鍵詞：貨幣政策反應函數；房價波動；房地產市場衰退；DSGE模型

文獻標識碼：A文章編號：100228482017（05）003009

一、 引言

2014年以來，中國房地產市場經歷了明顯的衰退和復蘇的調整過程。根據國家統計局公布的全國70個大中城市住宅銷售價格指數，從2014年9月份開始，下降城市數量開始大于上漲和持平城市數量之和，直到2016年3月份，70個大中城市住宅銷售價格上漲城市數量重新超過下降城市數量，而且上漲城市數量逐漸增加。類似于經濟的“新常態”，有些學者將本輪房地產市場的調整稱為房地產市場“新常態”，并認為本次房地產市場“新常態”呈現出房地產經濟保持向上態勢，但房地產經濟的增長率下降，同時房地產經濟的“新常態”同國民經濟的“新常態”緊密相連等特點[1]。由于房地產市場經過多年快速發展，已經成長為中國經濟發展的支柱產業，所以本輪房地產市場進入衰退階段對宏觀經濟的負面影響是全方面的。比如大量庫存增加了資金鏈斷裂的風險，加大了地方經濟轉型升級的難度；地方政府過去獲得發展資金的主要渠道，即土地財政，也日益收縮，而短期內又難以找到合適的替代渠道，從而影響了地方政府對經濟的調節能力。從房地產市場周期調整的角度來看，如何減輕房地產市場進入衰退階段對宏觀經濟的負面影響成為未來中國經濟平穩發展需要解決的重要難題。

根據過去政府調節房地產市場的經驗，貨幣政策一直都是重要的調節手段。相較于行政干預或財政政策，貨幣政策對房地產市場的調節雖然間接，但影響更加全面。從政府利用貨幣政策調節房價的具體工具來看，中央銀行調節利率是最常用的貨幣政策調節工具，因為利率一方面會影響資金的流動，另一方面會影響貸款的需求，所以其對房地產市場供給與需求兩個層面都具有影響。因此，本文重點從貨幣政策反應函數入手，探討利用該調節工具能否減輕房地產市場進入衰退階段對宏觀經濟的負面影響。根據已有相關研究，在房地產市場進入衰退階段時，利用貨幣政策調節房地產市場的核心就在于貨幣政策反應函數是否應該對房價波動做出反應。盡管已有諸多文獻對貨幣政策反應函數是否應該包含房價波動進行了探討，但都不是從房地產市場進入衰退階段的視角切入的。本文的創新就是探討貨幣政策反應函數對房價波動做出反應時，房地產市場進入衰退階段對宏觀經濟以及社會福利損失的影響，從而為利用貨幣政策調節房地產市場提供更加具體的建議。

二、 文獻綜述

如果不考慮本文房地產市場進入衰退階段的情境假設，則本文研究的就是是否應該在貨幣政策反應函數中納入房價波動。從已有國內外研究來看，關于這一問題仍沒有統一的觀點。

從支持將房價波動納入貨幣政策反應函數的研究來看，Goodhart和Hofmann通過實證發現七國集團國家的房價、股價和匯率都對未來需求有不同程度的影響，忽略房價和股價的貨幣政策反應函數使中央銀行的損失更大[2]。肖爭艷和彭博通過模擬分析認為中國貨幣政策反應函數實際上已經將房價納入盯住的目標[3]。陳利鋒從社會福利損失的角度對不同貨幣政策反應函數進行模擬分析，結果發現同時對房地產供給以及房價做出反應的貨幣政策反應函數具有相對較小的社會福利損失，因此在房地產市場調控中同時增加房地產供給和抑制房價過快上漲可能會有更好的效果[4]。馬亞明和劉翠通過模擬分析更加復雜的貨幣政策反應函數發現，在穩定產出、物價以及房價方面，當反應函數采用包含房價波動的利率規則和貨幣供應量規則的混合規則時發揮的作用更大[5]。許先普和楚爾鳴在研究宏觀審慎政策對房價波動的調控效應時指出，當貨幣政策關注房價波動時，有助于強化宏觀審慎政策的調控效果，從政策協調的角度支持了貨幣政策反應函數應該考慮房價波動[6]。

從反對將房價波動納入貨幣政策反應函數的研究來看，Bernanke和Gertler認為中央銀行應致力于價格穩定，而不應對房價等資產價格的波動做出反應，除非房價等資產價格的變化預示了通貨膨脹預期的改變[7]。錢小安認為貨幣政策不宜盯住資產價格，因為資產價格不僅受貨幣政策影響還受參與者預期的影響，而且房地產價格主要受長期利率影響，貨幣政策對短期利率的調整能否影響到房地產價格是難以確定的[8]。李亮運用結構自向量回歸（SVAR）模型研究發現中國貨幣政策在穩定房價等資產價格的同時對經濟增長會造成不利影響，認為貨幣政策反應函數不宜以盯住房價等資產價格為目標[9]。肖衛國等采用混合的RBCVAR模型，基于異質性房價預期的視角模擬分析不同貨幣政策反應函數，結果表明盯住房價的貨幣政策獲益很少，其在減少產出波動的同時加劇了通貨膨脹波動。[JP2]因此，中國人民銀行應遏制房價偏離均衡的上漲，尤其是房價上漲預期，但貨幣政策反應函數不宜盯住房價[JP][10]。

綜上，關于貨幣政策反應函數是否應該納入房價波動至今仍沒有統一的觀點，這主要是因為相對最優的反應函數會隨著不同國家在不同發展階段的特征而改變，尤其是房地產市場的發展程度，直接關系到貨幣政策是否應該將房價波動納入反應函數。在以上研究的基礎上，本文將貨幣政策反應函數放在房地產市場進入衰退階段的情境下進行分析，這樣做一方面使得本文的分析更加具有針對性，[JP2]另一方面也是對貨幣政策反應函數的相關研究的拓展，使其更加符合實際經濟發展的情況，為中央銀行在房地產市場不同發展階段制定相應的政策提供建議。[JP]endprint

三、 DSGE模型構建與參數估計

本文參考Iacoviello的研究[1112]，構建了一個三部門DSGE模型，主要包括家庭部門、生產部門和政府部門。家庭部門向生產部門提供資本和勞動，生產部門相應地向家庭部門提供資本回報和勞動工資。生產部門分為中間品生產部門、房地產部門和最終產品部門。最終產品部門相當于零售商，主要負責將中間品生產部門的產品轉化為家庭部門實際購買的產品，加入該生產部門也是為了將價格粘性機制引入分析框架。政府部門等同于中央銀行，主要行為是制定貨幣政策。重點考察住房需求偏好沖擊。

（一）家庭部門

假設家庭部門的效用函數包含三個部分：消費帶來的正效用、使用住房帶來的正效用和工作帶來的負效用，進一步假設家庭部門擁有整個經濟的資本，并將資本借給生產部門。假設家庭的選擇是無限期的，其追求以下效用函數的最大化：[WTBX]

E0∑[DD（]∞[]t=0[DD）]ztβt[JB<2[]（1-ε）log（ct-εct-1）+jtloght-

[SX（]1[]1+η[SX）]（n1-ξc，t+n1-ξh，t）[SX（]1+η[]1-ξ[SX）][JB>2]][JY]（1）

式中，c、h、nc、nh分別表示消費、房地產、消費部門的工作時間和房地產部門的工作時間，β表示家庭跨期選擇偏好因子，ε表示家庭消費習慣因子，比例因子用來標準化邊際消費效用，保證其在非隨機的靜止狀態時等于1/c。隨機變量zt和jt分別用于測度家庭跨期偏好沖擊和住房偏好沖擊，沖擊模式服從AR（1）過程，其中住房偏好沖擊是本文重點考察的一個沖擊。本文通過該沖擊模擬房地產市場調整，即通過模擬分析家庭住房偏好出現下降來近似代替房地產市場進入衰退階段的情境。關于勞動支出部分的設定采用Horvath的方式，其中隱含的意義是家庭成員具有分別在兩個部門工作的偏好[13]。η用于測度勞動供給的Frisch偏好，假設勞動在不同生產部門是完全流動的。家庭部門面臨的約束條件如下：

ct+kc，t+kh，t+qt[ht-（1-δh）ht-1]=

wc，tnc，t+wh，tnh，t+（Rc，t+（1-δkc））kc，t-1+

（Rh，t+（1-δkh））kh，t-1+ft[JY]（2）

式（2）等號的左端表示儲蓄型家庭在第t期的支出，主要包括消費支出、中間品生產部門投資支出和房地產部門投資支出和房屋折舊維修費用支出。式（2）等號的右端表示儲蓄型家庭在第t期的收入，主要包括中間品生產部門的工資收入、房地產部門的工資收入、上一期投資中間品生產部門的投資回報、上一期投資房地產部門的投資回報和來自公司的分紅。

（二）生產部門

假設中間品生產部門的投入包括資本和勞動。房地產部門的投入包括消費品部門投入的資本、家庭部門投入的資本和勞動。

1.中間品生產部門

假設中間品生產部門的生產函數符合CobbDouglas生產函數模型：

Yt=（Ac，tnc，t）1-vckvcc，t-1[JY]（3）

式中，Ac，t表示消費品部門的生產技術。本文假設中間品生產部門與房地產部門的生產技術是有差異的，同時，消費品部門生產技術沖擊的設定形式也是AR（1）形式。vc表示投入中間品生產部門資本的產出彈性。中間品生產部門最大化利潤的函數如下：

maxYt/Xt-（wc，tnc，t+Rc，tkc，t-1）[JY]（4）

式中，Xt表示最終產品部門購進中間品生產部門的產品之后再制定價格時的價格加成率，即最終產品部門從中間品生產部門購進產品的價格為Pwt，而最終銷售的價格為Pt。括號中的兩項均為中間品生產部門的支出，包括對家庭部門勞動工資的支出和對家庭部門投入資金的利息支出。

2.房地產部門

假設房地產部門的生產函數符合CobbDouglas生產函數模型：

IHt=（Ah，tnh，t）1-vh（kh，t-1）vh[JY]（5）

式中，Ah，t表示房地產部門的生產技術，對房地產部門的生產技術沖擊的設定形式也是AR（1）形式。vh表示家庭部門投資房地產部門的資本產出彈性。房地產部門最大化利潤的函數如下：

maxqtIHt-（wh，tnh，t+Rh，tkh，t-1）[JY]（6）

本文排除房地產部門產品定價存在價格粘性，qt表示房產的銷售價格。括號中的兩項均為房地產部門的支出，包括對家庭部門勞動工資的支出和投入資金的利息支出。

3.最終產品部門

經濟中有連續的最終產品部門，以z∈（0，1）標記。為了在模型中引入粘性價格機制，本文參考了Bernanke等的研究[14]。關于最終產品部門的設定，假定最終產品部門z在完全競爭的中間產品市場以價格Ptw購買中間產品，最終產品部門遵從Calvo定價原則，即每一期都有（1-θ）比例的生產廠商調整其產品價格至最優水平P*，其余生產廠商價格只能盯住上期通貨膨脹率[15]。最終產品的價格變動服從：

Pt=（θPεt-1+（1-θ）（P*t）1-ε）[SX（]1[]1-ε[SX）][JY]（7）

最終產品部門根據利潤最大化原則得到的一階條件為：

∑[DD（]∞[]k=0[DD）]θkEt{β（Ct/Ct+k）（P*t（z）/Pt+k）Y*t+k（z）}=0[JY]（8）

通過將式（7）和式（8）對數線性化并進行合并可以得到附加預期的菲利普斯曲線：

logπt-ιπlogπt-1=β（Etlogπt+1-ιπlogπt）-

επlog（Xt/X）[JY]（9）

式中，επ=（1-θπ）（1-βθπ）/θπ。endprint

（三）政府部門

政府部門的行為主要是制定貨幣政策。假設政府部門在制定貨幣政策時遵循標準的“泰勒準則”和擴展的“泰勒準則”，前者將利率設定為通貨膨脹和國內生產總值增長率的函數，后者加入房價波動：

Rt=RrRt-1π（1-rR）rπt（GDPt/GDPt-1）（1-rR）rY·

rr1-rRuR，t[JY]（10）

Rt=RrRt-1π（1-rR）rπt（GDPt/GDPt-1）（1-rR）rY·

（qt/qt-1）（1-rR）rqrr1-rRuR，t[JY]（11）

式中，rr表示均衡狀態時的真實利率，GDPt主要由消費和投資構成，隨機項uR，t用于衡量利率政策沖擊，服從正態分布。

（四）模型均衡條件

該模型的均衡條件是為了保證整個模型出清，從而得到均衡解。本文中的一般均衡模型涉及兩個主要的市場：消費品市場，提供家庭消費的產品和房地產部門的中間投資品；房地產市場，提供新的房產。兩個市場的出清條件如下：

Ct+IKc，t+IKh，t=Yt[JY]（12）

ht-（1-δh）ht-1=IHt[JY]（13）

式中，C表示總消費水平，IKc和IKh分別表示消費品部門和房地產部門投資，h表示家庭的住房存量。

（五）參數估計

本文模型中的參數設定主要采用兩種方法：校準方法確定控制模型穩態的參數；貝葉斯方法估計與模型動態特性有關的參數。采用校準方法估計參數時，需要注意的是參考文獻使用的數據和數據年限跨度應該相似。根據肖爭艷和彭博的研究，將家庭部門的貼現因子設定為0988。住房偏好取決于商品房銷售額與總消費的比值，結合2015年的數據，通過內部解求出住房偏好約為047。根據龔六堂和謝丹陽的研究，中間品生產部門季度資本折舊率為0025，由于一般認為房地產部門的資本折舊率要大于中間品生產部門的，所以將房地產部門季度資本折舊率設定為003[16]。參考駱永民和伍文中的研究，將住房折舊率設定為00125，將房地產部門資本產出彈性設定為055[17]。根據王君斌的研究，將中間品生產部門資本產出彈性設定為05[18]，中國企業價格成本加成率約為10%。根據黃志剛的研究，將價格加成率設定為11[19]。參考梅冬州和龔六堂的研究，將不能調整價格的廠商比例設定為075[20]。根據Zhang的研究，將與泰勒準則有關的利率平滑系數、通貨膨脹預期反映系數和產出缺口反映系數分別設定為075、26和06[21]。根據馬亞明和劉翠的研究，將利率準則中的房價波動反應系數設定為26。具體模型參數校準結果見表1。

本文其余參數采用貝葉斯方法進行估計。與傳統方法相比，貝葉斯方法充分利用了來自微觀計量或者已有宏觀計量研究成果中的先驗信息。貝葉斯方法估計的步驟是，先假設參數的估計值服從一定的先驗分布，而后根據觀察經濟運行獲得的實際數據，不斷修正之前的參數估計，從先驗分布慢慢過渡到后驗分布，并最終確定參數的估計值。本文使用的數據主要來源于CCER數據庫和國家統計局，時間跨度為2000年第1季度到2015年第4季度，共64筆數據。原始數據包括月度消費者物價指數、月度社會消費品零售總額、月度固定資產投資額、月度房地產投資額、月度商品房銷售額、月度商品房銷售面積。經過適當的處理，得到貝葉斯估計需要的4筆數據：實際消費、實際中間品生產部門投資、實際房地產部門投資和實際房價。

由于先驗分布的設定會影響估計效率和精確度，因此，對結構性參數的先驗分布說明如下：家庭消費慣性ε的事先均值選取參照王君斌等的研究，取06，服從Beta分布[22]。參考Iacoviello的研究，將勞動供給彈性η設定為服從Gamma分布，均值為05，標準差為01；將兩個部門勞動替代彈性系數ζ設定為服從正態分布，均值為1，標準差為01；將家庭部門的投資調整成系數φkc和φkh，設定為服從Gamma分布，均值為10，標準差為25；投資轉換函數中的參數λ設定為服從Beta分布，均值為05，標準差為02；將ιπ設定為服從Beta分布，均值為05，標準差為02。本文所有沖擊的AR（1）系數均設定為服從Beta分布，均值為08，標準差為01，所有沖擊的標準差服從Inv.Gamma分布，均值為0001，標準差為正無窮。在進行貝葉斯估計時，假定中央銀行并沒有將房價波動納入貨幣政策反應函數。具體參數估計結果見表2。

（六）模型適應性檢驗

為檢驗模型的適應性，本文從三個角度對其進行相應檢驗：首先， 比較各變量的標準差大小，[JY]衡量波動性差異情況；其次，比較各變量的自相關系數大小，衡量粘性差異情況；最后，比較產出與其他變量的相關系數大小，衡量協動性差異情況。

根據表3的對比數據可以發現，本文所構建的模型對實際經濟的總體模擬效果良好，尤其是各個變量的標準差和與GDP標準差的比值方面，模擬經濟的結果都與實際經濟接近。各個變量的自相關系數和與GDP的相關系數有些比較接近，有些則存在一定的差距，尤其是房地產市場相關變量，這可能與貝葉斯估計使用的數據量有關。一般來說，數據量越大，估計效果越好，但由于中國房地產市場相關數據相對較少，所以影響了估計效果。

性調整在不同貨幣政策反應函數情形下對宏觀經濟的影響進行分析。首先，考察住房偏好負向沖擊對宏觀經濟的影響，主要模擬分析了沖擊對房地產部門投資、房價、總產出、中間品生產部門投資和消費等宏觀經濟變量的影響。其次，考察當貨幣政策反應函數對房價波動做出反應時，住房偏好負向沖擊對宏觀經濟的影響，同時考察不同反應程度情形下的結果。最后，考察當貨幣政策反應函數不對房價波動做出反應和對房價做出反應時，隨著住房偏好的下降，社會福利損失的變動情況。

（一）貨幣政策反應函數不對房價波動做出反應情形endprint

首先，分析住房偏好沖擊對房地產市場相關變量的影響。如圖1所示，住房偏好沖擊將導致房地產部門投資先向下波動而后進入向上波動的過程，而房價則是始終向下波動。受住房偏好沖擊的影響，房地產部門投資短期內單調向下波動，之后在大約第4期進入向上波動的過程，且波動幅度經歷一個先增后減的過程，在大約第8期到達波峰，最后，房地產部門投資開始向均衡值回復。受住房偏好沖擊的影響，房價在短期內單調向下波動，之后在大約第10期回復至均衡值。

接下來，分析住房偏好沖擊對非房地產市場相關變量的影響。比較圖2與圖1的結果，最明顯的一個區別在于波動幅度，即住房偏好沖擊對房地產部門的影響幅度要更大一些，相同的是住房偏好沖擊同樣會引起這些變量短期內向下波動，只是總產出和中間品生產部門投資在波動后期會出現小幅向上波動的過程，而消費則是一直保持向下波動的過程。受住房偏好沖擊的影響，總產出先單調向下波動，然后在大約第8期進入向上波動的過程，但波動幅度明顯小于向下波動的幅度。受住房偏好沖擊的影響，中間品生產部門投資先進入一個波動幅度先增后減的向下波動過程，在大約第2期到達波谷，然后在大約第8期進入小幅向上波動過程。受住房偏好沖擊的影響，消費先進入一個波幅先增后減的向下波動過程，在大約第3期到達波谷，然后開始向均衡值回復，與中間品生產部門投資不同的是，消費始終向下波動。消費水平下降這一結果也間接表明，房價具有一定的財富效應，所以，當房價下降時，居民由于財富減少會選擇減少消費，但是由于消費波動的幅度遠小于房價波動的幅度，因而財富效應較小。結合上面對房地產市場相關變量的分析可知，住房偏好沖擊不僅會導致房地產市場進入下行期，也會波及宏觀經濟其他方面，只是對前者的影響幅度較大，對后者的影響幅度較小。

（二）貨幣政策反應函數對房價波動做出反應情形

將房價波動納入貨幣政策反應函數，意味著當房價向上波動時，利率也會上升，從而成為抑制房價下降的因素；而當房價向下波動時，利率會下降，從而成為推動房價上漲的因素。正是因為存在這一機制，當住房偏好沖擊導致房價向下波動時，利率會相應地降低，從而刺激宏觀經濟向上波動，以此減輕甚至抵消住房偏好沖擊對宏觀經濟的負面影響。在圖3和圖4中，分情況考察了貨幣政策反應函數對房價波動兩種反應程度不同的模式，一種是高度敏感型，即反應系數為26，另一種則是低度敏感型，即反應系數為13。由圖3和圖4可知，反應系數的增大，只會增大變量對沖擊的反應幅度，而波動方向并沒有很大的差異，因此，下面重點分析高度敏感型的情形。

首先來看在貨幣政策反應函數對房價波動反應屬于高度敏感型的情形下，住房偏好沖擊對房地產部門投資和房價的影響。如圖3所示，當貨幣政策反應函數考慮房價波動時，住房偏好沖擊將會導致房地產部門投資短期內單調向上波動，而后大約在第2期進入向下波動的過程，在大約第4期到達波谷，后期房地產部門投資還會進入向上波動的過程，但是幅度相對較小。從整個波動過程來看，當貨幣政策反應函數沒有考慮房價波動時，房地產部門投資主要是向下波動，而當考慮了房價波動時，房地產部門投資則主要是向上波動，所以，當貨幣政策反應函數考慮房價波動時，能夠抵消住房偏好沖擊對房地產部門投資的負面影響。接下來分析住房偏好沖擊對房價的影響，如圖3所示，當貨幣政策反應函數考慮房價波動時，房價依舊向下波動，但是波動幅度有所減小，在一定程度上緩解了住房偏好沖擊對房價的負面影響。

接下來，分析在貨幣政策反應函數對房價波動反應屬于高度敏感型的情形下住房偏好沖擊對總產出、中間品生產部門投資、消費和利率的影響。將貨幣政策反應函數對房價波動反應的情形和不對房價波動反應的情形進行對比，最明顯的不同在于變動幅度，從圖4中可以看出，當貨幣政策反應函數考慮房價波動時，總產出、中間品生產部門投資和消費的波動幅度明顯增大，中間品生產部門投資的波動幅度甚至大于房地產部門投資的波動幅度。受住房偏好沖擊的影響，此時，總產出、中間品生產部門投資和消費均在短期內迅速單調上漲，而后快速進入向下波動的過程，且均在第2到3期進入向下波動的過程，然后又均在第4到5期到達波谷，然后向均衡值回復。從整個波動過程來看，盡管都出現了向下波動的過程，但是由于早期均是向上波動的過程，且波動幅度明顯，所以可以大致判斷，當貨幣政策反應函數考慮房價波動時，同樣能夠大大減輕住房偏好沖擊對宏觀經濟其他變量的負面影響。同時，由圖4可知，當貨幣政策反應函數不考慮房價波動時，住房偏好沖擊導致利率向上波動，但波動幅度很小，而當反應函數考慮房價波動時，住房偏好沖擊將導致利率向下波動，且波動幅度較大，這主要就是前文提到的機制，即住房偏好沖擊導致房價出現明顯的向下波動過程，貨幣政策反應函數會隨即對此產生反應，結果就是利率水平下降，對宏觀經濟產生刺激作用。

通過以上分析可知，將房價波動納入貨幣政策反應函數有利于減輕住房偏好沖擊對整個宏觀經濟的負面影響，換句話說，也就是有助于減輕房地產市場進入衰退階段對宏觀經濟的負面影響。需要特別注意，本文得出以上結論有個重要的情境假設，即在房地產市場進入衰退階段，因此，本文根據動態沖擊分析得到的結論必須放在該情境下進行理解。根據模型中沖擊設定的對稱性，當住房偏好沖擊是正向沖擊時，貨幣政策反應函數如果考慮房價波動，會起到抑制房價向上波動的作用，這是該模型的優勢，但同時，利率上升會造成對宏觀經濟的負面影響，這是該模型的劣勢，因此，在一種情境下有效的結論，在另一種情境下可能就不再有效。

（三）社會福利損失分析

下面將分析的重點放在社會福利損失方面，這也是探討貨幣政策反應函數的諸多研究均會涉及的[23]。結合本文探討的主題，我們將社會福利損失分析的重點放在住房偏好下降時社會福利損失的變動方面。以往的文獻中總福利主要包括兩個部分：總產出波動和物價波動，我們將房價波動也納入其中，并且將三個成分的權重都設為1/3。

根據表4可知，當貨幣政策反應函數不考慮房價波動時，隨著住房偏好的下降，社會福利損失會減少。在住房偏好逐漸下降的過程中，房價的波動會增加，即從0041982增加到0042114，[JP2]而總產出和價格水平的波動則會減少，即總產出波動從0023195[JP]減少到0022563，價格水平波動從0005111減少到0005076。從總的結果來看，總產出和物價波動的減少幅度之和大于房價波動的增加幅度，社會福利損失減少，即從0023429減少到00023251。endprint

根據表5可知，當貨幣政策反應函數考慮房價波動時，隨著住房偏好的下降，社會福利損失同樣也會減少，但是與表4中的結果對比發現，此時，社會福利損失相對表4中的情形來說是縮小了的。在住房偏好逐漸下降的過程中，房價波動會增加，即從0028024增加到0028056，而總產出波動則會減少，即從0029923減少到0029092，但是物價波動會先減少后增加，即從0006736減少到0006734，再增加到0006736。從三個成分的波動對比可知，表5中的房價波動要小于表4中的結果，而總產出和物價的波動則要大于表4中的結果。由于房價波動幅度明顯減小，所以從社會福利損失的角度來看，當貨幣政策反應函數考慮房價波動時，[JY]社會福利損 [JP2]失仍然會隨著住房偏好的下降而減少，即從0021561[JP]減少到0021295。

根據以上對社會福利損失分析的結果可知，當住房偏好發生改變時，如果將房價波動納入總福利的計算范圍，則當貨幣政策反應函數考慮房價波動時，社會福利損失相較于貨幣政策反應函數不考慮房價波動時更小。這里需要注意的一點是，如果不將房價波動納入社會福利損失的計算范圍，則得到的結論正好相反，不考慮房價波動的貨幣政策反應函數更加有效，不過鑒于房地產市場對整個宏觀經濟的重要性，以及住房對居民生活的重要性，我們認為還是應該將房價波動納入社會福利損失的考察范圍。

五、 結論與政策建議

房地產市場的調整已經成為目前中國經濟發展新常態的重要組成部分，如何應對房地產市場的調整，尤其是進入衰退階段的調整對宏觀經濟的影響，已成為未來中國經濟平穩發展的關鍵。本文研究的目的就是從貨幣政策的角度尋找解決上述難題的出路。通過構建一個DSGE模型，用家庭住房偏好下降來近似代替房地產市場進入衰退階段，模擬分析當貨幣政策反應函數考慮房價波動時，是否能夠減輕房地產市場進入衰退階段對宏觀經濟的負面影響以及對社會福利的負面影響。根據本文的模擬分析，可以得到以下兩個主要結論：

首先，當貨幣政策反應函數不考慮房價波動時，住房偏好沖擊將對宏觀經濟造成負面影響，其中，對房價和房地產部門投資的影響幅度要明顯大于對總產出、中間品生產部門投資和消費的影響幅度。而當貨幣政策反應函數考慮房價波動時，住房偏好沖擊對房價的影響仍然是負面的，但是影響幅度有所減小，對房地產部門投資、總產出、中間品生產部門投資和消費的影響從整體來看是正面的，因此，考慮房價波動的貨幣政策反應函數能夠有效緩解甚至抵消住房偏好沖擊對宏觀經濟的負面影響。

其次，當貨幣政策反應函數考慮房價波動時，隨著住房偏好的下降，相較于貨幣政策反應函數不考慮房價波動的情形，社會福利損失會更小。當貨幣政策不考慮房價波動時，隨著房地產市場進入衰退階段，房價波動會增加，總產出和物價波動會減少；而當貨幣政策反應函數考慮房價波動時，房價波動會增加，總產出波動會減少，物價波動則是先減少后增加，但此時房價波動的絕對值變小，導致在考慮房價波動情形時，社會福利損失要小于不考慮房價波動情形。

結合以上結論，我們認為在房地產市場進入衰退階段時，貨幣政策反應函數應該考慮房價波動，這樣一方面有助于宏觀經濟保持向上波動的態勢，減輕房地產市場衰退對經濟平穩發展的負面影響，同時，也有助于減輕房地產市場衰退對社會福利的負面影響，尤其是有助于減輕房價波動。本文主要是從家庭住房偏好的視角模擬房地產市場新常態，也就是從需求切入，但從實際來看，供給同樣是造成本輪房地產市場新常態的重要因素，這也是我們下一步的研究計劃。

[WT][HS2][HT5H]參考文獻：[HT5”SS]

[1][ZK（#]張泓銘. 中國房地產經濟的新常態及其應對 [J]. 中國黨政干部論壇， 2015（4）： 3841.

[2]Goodhart C， Hofmann B. Asset prices and the conduct of monetary policy [C]. Royal Economic Society Annual Conference， 2002.

[3]肖爭艷， 彭博. 住房價格與中國貨幣政策規則 [J]. 統計研究， 2011（11）： 4049.

[4]陳利鋒. 通脹、房價膨脹與貨幣政策 [J]. 東北師大學報（哲學社會科學版）， 2015（5）： 6872.

[5]馬亞明， 劉翠. 房地產價格波動與我國貨幣政策工具規則的選擇——基于DSGE模型的模擬分析 [J]. 國際金融研究， 2014（8）： 2434.

[6]許先普， 楚爾鳴. 宏觀審慎對房價波動的調控效應及貨幣政策協調 [J]. 湘潭大學學報（哲學社會科學版）， 2016（6）： 7278.

[7]Bernanke B S， Gertler M. Should central banks respond to movements in asset prices？ [J]. American Economic Review， 2001， 91（2）： 253257.

[8]錢小安. 資產價格變化對貨幣政策的影響 [J]. 經濟研究， 1998（1）： 7076.

[9]李亮. 資產價格波動與貨幣政策應對——基于結構向量自回歸模型的實證分析 [J]. 上海經濟研究， 2010（4）： 4556. [ZK）]

[10][ZK（#]肖衛國， 鄭開元， 袁威. 住房價格、消費與中國貨幣政策最優選擇： 基于異質性房價預期的視角 [J]. 經濟評論， 2012（2）： 105115.

[11]Iacoviello M. House prices， borrowing constraints， and monetary policy in the business cycle [J]. American Economic Review， 2005， 95（3）： 739764.endprint

[12]Iacoviello M， Neri S. Housing market spillovers： Evidence from an estimated DSGE model [J]. American Economic Journal： Macroeconomics， 2010（2）： 125164.

[13]Horvath M. Sectoral shocks and aggregate fluctuations [J]. Journal of Monetary Economics， 2000（1）： 69106.

[14]Bernanke B S， Gertler M， Gilchrist S. The financial accelerator in a quantitative business cycle framework [J]. Handbook of Macroeconomics， 1999（1）： 13411393.

[15]Calvo G. Staggered prices in a utilitymaximizing framework [J]. Journal of Monetary Economics， 1983， 12（3）： 383398.

[16]龔六堂， 謝丹陽. 我國省份之間的要素流動和邊際生產率的差異分析 [J]. 經濟研究， 2004（1）： 4553.

[17]駱永民， 伍文中. 房產稅改革與房價變動的宏觀經濟效應——基于DSGE模型的數值模擬分析 [J]. 金融研究， 2012（5）： 13， 514.

[18]王君斌. 通貨膨脹慣性、產出波動與貨幣政策沖擊： 基于剛性價格模型的通貨膨脹和產出的動態分析 [J]. 世界經濟， 2010， 33（3）： 7194.

[19]黃志剛. 貨幣政策與貿易不平衡的調整 [J]. 經濟研究， 2011（3）： 3247.

[20]梅冬州， 龔六堂. 新興市場經濟國家的匯率制度選擇 [J]. 經濟研究， 2011（11）： 7388.

[21]Zhang W L. Chinas monetary policy： quantity versus price rules [J]. Journal of Macroeconomics， 2008， 31（3）： 473484.

[22]王君斌， 郭新強， 蔡建波. 擴張性貨幣政策下的產出超調、消費抑制和通貨膨脹慣性 [J]. 管理世界， 2011（3）： 721.

[23]陳利鋒， 范紅忠. 失業波動、社會福利損失與中國最優貨幣政策 [J]. 華中科技大學學報（社會科學版）， 2013（4）： 93100.[ZK）]

[HT5K][JY]責任編輯、 校對： 高原[FL）]endprint