房價“粘性”、系統性金融風險與宏觀經濟波動

郭娜+章倩+周揚

摘要：面對處于高位的房地產市場，我國政府開啟了新一輪嚴苛的房地產市場調控，然而房價卻出現下行困難的高價格粘性局面，使得我國金融與宏觀經濟穩定受到威脅。本文構建了包含房地產部門的系統性金融風險內生化DSGE模型，分別考察了在不同房價粘性下，杠桿率等金融變量和宏觀經濟變量在面對不同外生沖擊時的動態響應。研究結果表明：技術沖擊使房價、產出和通貨膨脹等宏觀變量呈現正向響應，使系統性金融風險和風險溢價呈現負向響應；緊縮的貨幣政策沖擊使房價和產出等宏觀經濟變量下降，杠桿率和系統性金融風險水平上升。此外，不同的房價粘性情況下，金融變量和宏觀經濟變量對外生沖擊的響應程度存在差異。高房價粘性情況下偏離穩態的幅度較小，同時高房價粘性的存在會影響貨幣政策對房地產市場的調控效果。本文研究結論對我國房地產市場有效調控和降低系統性金融風險、實現我國宏觀經濟穩定具有重要政策啟示。

關鍵詞：房價“粘性”；系統性金融風險；宏觀經濟波動；DSGE模型

文獻標識碼：A文章編號：100228482017（06）000710

一、 引言

近年來，我國房地產市場日趨繁榮，房地產投資在我國國民經濟中的占比也在不斷提高。房地產投資占國內生產總值（GDP）的比重從2003年的739%上升到2015年的1418%。2016年9月，中國房地產總市值占GDP的比例為411%，遠高于國際上260%的平均水平。然而，伴隨著房地產市場的蓬勃發展，我國商品房價格也在快速攀升，逐步形成了非理性的上漲局面。2016年年初，政府針對居民部門實施了降低首付、以房抵貸、首付貸等加杠桿政策，我國各地的房地產價格又開始了新一輪上漲。2016年9月，根據中國統計局公布的數據，全國100個大中城市新建住宅平均價格為12617元/平方米，其中有81個城市的新建住宅平均價格實現環比上漲，環比漲幅283%，同比漲幅達1664%；北京、上海、深圳等一線城市房價甚至出現失控局面，同比上漲25%～45%，房價遠超歷史同期水平。2017年3月，新一輪嚴苛的限購限貸政策再次啟動，全國多地樓市調控政策密集出臺，房價出現小幅度的回落，但熱點城市仍保持較高的房價。房地產市場逐步形成了下行困難的高價格粘性局面。如何在對整體房價維穩基礎上，進一步加強對房地產市場的有效調控，防范系統性金融風險，將成為下一階段國家重點關注的問題。

國內眾多理論認為房地產市場的價格泡沫是引發金融不穩定、導致宏觀經濟波動的主要原因[14]。2016年12月，中央經濟工作會議強調，要把防控金融風險放到更加重要的位置，并進一步明確住房的居住定位，在支持居民自住購房的同時更加注重抑制投資投機需求；2017年4月，中央再次強調金融安全是關系經濟社會發展的戰略性、根本性的大事，并明確提出加強構建防范系統性金融風險的格局。那么，在目前我國房地產市場高位徘徊的背景下，房地產價格波動對系統性金融風險乃至宏觀經濟波動有著怎樣影響？在不同的房價粘性下，這種影響是否不同？2016年3月7日，北京大學經濟學院曹和平教授等幾十位學者在《兩會專家談》中發文探討新常態下中國經濟的轉型之路，曹和平表示：“中國房地產存在結構性泡沫，且房價具有粘性價格特征。”對這些問題的回答對于完善我國房地產市場調控、維護金融穩定無疑具有重要的理論和現實意義。鑒于此，本文構建了包含房地產部門的系統性金融風險內生化動態隨機一般均衡（DSGE）模型，探討在不同的房價粘性下系統性金融風險與宏觀經濟風險的變動情況，同時對我國貨幣政策維護金融穩定和調控房地產市場的作用效果進行了評價，以期為我國宏觀經濟政策的進一步有效實施提供理論依據。

本文主要內容由以下幾部分構成。第二部分是文獻綜述；第三部分是理論模型，介紹了本文DSGE模型的建立；第四部分是實證分析；第五部分是本文的研究結論與政策建議。二、 文獻綜述

關于資產價格與金融穩定之間的關系，早期研究多集中于探討銀行信貸在資產價格波動引發系統性金融風險中的核心作用[58]。有關房地產價格與系統性金融風險關系的研究起源于2008年金融危機爆發后。Goetzmann等人通過實證分析發現，房地產市場里的潛在家庭存在理性預期，他們會根據歷史的房價景氣指數來預測未來房地產價格和抵押風險從而加快房價波動對系統性金融風險的傳導速度[9]。Beatrice等人研究表明，評級機構的虛增評級使房地產價格的波動形成泡沫，大量金融衍生產品的出現則在一定程度上加劇了房價泡沫對金融市場的沖擊[10]。Castelnuovo和Nisticò運用DSGE模型探討了房價波動對系統性金融風險的傳導效應，發現包括房價在內的資產價格波動與金融穩定呈負相關關系[11]。Pan和Wang利用面板門限向量自回歸的方法，構建了不同的門限約束，詳細地闡述了房價波動對系統性金融風險影響的傳導過程[12]。Nicola等人構建了一個包含影子銀行的理論模型，得出的結論是，當家庭和中介機構忽視尾部風險時，影子銀行會引發風險貸款的擴張和中介機構風險的集中，增強金融市場的脆弱性，促使房地產價格波動引發金融危機[13]。

國內關于資產價格與金融穩定關系的研究始于1997年東南亞金融危機[1416]。隨著2008年金融危機的爆發，更多的學者開始注意到房價與金融穩定之間的密切聯系。葛奇從次貸危機的動因出發，進行詳細的理論分析及數據對比，發現房地產市場的泡沫以及次級房屋貸款的發放是引發金融危機的根源[17]。郭娜和梁琪采用隨機游走濾波方法與相關度分析方法相結合，對房地產市場周期與金融穩定之間的關系進行了深入研究，認為不斷積累的房地產市場風險將威脅到我國的金融穩定[18]。張寶林和潘煥學采用結構向量自回歸（SVAR）模型，觀察并分析了我國2003—2015年的房地產銷售價格指數并引入“影子銀行”和金融壓力指數，發現“影子銀行”等金融衍生產品是加劇房地產泡沫、誘發系統性風險的根源[19]。羅娜和程方楠則通過構建新凱恩斯主義的DSGE模型，探討房價波動的宏觀審慎政策與貨幣政策協調效應分析，旨在提高房地產市場調控的有效性，防范系統性金融風險[20]。國內外學者研究角度多樣，從各個層面探究了房價波動與金融穩定，乃至宏觀經濟波動之間的關系，然而大多數前期研究僅僅探討了房價變動與金融穩定之間的動態關系，卻未深入討論在不同的房價變動機制下金融與宏觀經濟風險的變動情況，這也就無法為進一步調控房地產市場及宏觀審慎政策的實施提供理論依據。endprint

在研究方法上，前期文獻大多采用風險價值模型（VaR）、CoVaR、TVAR和FAVAR等方法研究房價波動與金融穩定乃至宏觀經濟波動的關系。沈悅和郭培利分別建立了門限向量自回歸（TVAR）模型與FAVAR模型對房價和金融穩定的結構以及機制效果進行解析[3]。這些研究都對房價與金融穩定之間的關系提供了重要的理論視角與研究方法，但仍存在一定的局限性。首先，單一分析房價或房地產市場與金融穩定或金融風險之間的關系都不足以反映出房價變動或金融穩定之間產生的經濟效應全貌，忽略了對整個經濟主體的考量，可能會得出完全相反的結論；其次，當經濟個體面臨金融風險以及房價變動時，會根據新的經濟環境改變其經濟行為，以符合“理性預期”，這就會導致以回歸分析為基礎的研究對政策分析失效。相對而言，建立一個以理性預期為核心的具有微觀基礎的DSGE模型不僅能夠避免上述問題，還能夠對經濟進行數值模擬，已經成為宏觀經濟研究的基本方法。國內運用DSGE模型研究相關問題的文獻較為豐富[2122]，然而這些研究都從一般均衡的角度出發，將房價置于經濟體系的框架下，對金融風險的描述都簡單地認定為經濟波動，并未將系統性金融風險作為一個獨立的變量納入模型當中。對系統性金融風險加以內生化可以衡量任何時期經濟體的風險承擔情況，從而能夠更好地觀測經濟體的風險狀況[2325]。因此，本文構建了系統性金融風險內生化的DSGE模型，并設置不同的房價粘性系數來考察在不同房價粘性下，當經濟體受到不同的外生沖擊時金融變量與宏觀經濟變量的變動情況，以期得出更加準確和富有政策啟示的結論。三、 理論模型

參考Stefan等的研究[2526]，我們構建一個資本限制金融中介的動態新凱恩斯一般均衡模型。資本限制的金融中介的非線性傳導效應近似成一個三階擾動函數，這樣就可以將其置于一個名義與實際摩擦的DSGE模型之中。我們假設時間是離散的，用t來表示。同時假設經濟體分為三個部門：家庭部門、金融中介部門和產品生產部門。家庭部門不能直接購買住房而是通過購買金融中介部門的債券與股票來間接持有住房。原因在于，假設存在有限的市場參與，即市場中存在信息交易成本，導致家庭無法直接進行住房投資[5，23]；股本屬于經理人經營的金融中介所有，金融中介機構面臨股權資本約束，我們定義金融中介既包括商業銀行，也包括非銀行的金融機構（如投資銀行、對沖基金和私募股權基金）。模型基本結構如圖1所示。

（一）家庭部門

一個代表性家庭最大化其期望效用：

Ut=E0∑∞t=0βtu（Ct，Lt）（1）

式中，β代表折現因子，Ct和Lt分別代表消費和勞動力。瞬時效用函數消除了財富效應對勞動力供給的影響，定義如下：

u（Ct，Lt）=（Ct-hCt-1-φL1+Lt/（1+L））1-σ-11-σ（2）

式中，σ代表跨期替代彈性的倒數，1/L代表勞動力供給的弗里希彈性。參數φ>0用于解釋Lt的穩態，h用來衡量消費中的外部消費習慣。

家庭的最大化目標函數受如下跨期預算約束①的限制：

Wt=wntLt-PtCt+Vt-1+Rft-1Bt-1+Dκt-

0.5cwπ2w，t（3）

式中，Wt代表金融財富，wt=wnt/Pt是以最終消費代表的實際工資，Pt代表最終消費束的價格，最后一項表示名義工資調整成本。雖然家庭部門會得到資本生產商的回扣從而獲得利潤Dκt，但我們假定家庭無法直接擁有股本。相反，家庭將其財富投資于由金融部門直接發行的無風險和有風險資產。

詳細來講，家庭財富的最小一部分λ投資于無風險存款Bt，用于交易和流動性服務并賺取總實際

①該預算約束同時也可以寫成Wt=Pt（wtLt-Ct）+RwtWt-1+Dκt，其中Rwt=Rft（1-αt-1）+tαt-1是無風險的加權平均值，而風險回報的權重為αt-1=Vt/Wt。收益Rft-1=（1+it-1），其中，it-1是名義無風險利率。實際無風險利率通過標準歐拉方程無風險利率可以簡單地定義為Rrt=1βEtuc，t+1uc，t。來控制家庭部門的消費儲蓄選擇：

βEtuc，t+1uc，t1+it1+πt+1=1（4）

式中，πt代表消費價格Pt的通貨膨脹率，同時我們給出了消費的邊際效用uc，t=[Ct-hCt-1-φL1+Lt/（1+L）]-σ。

另一部分（1-λ）被投資于獲得隨機回報為t的風險金融資產Vt中，或者用于存款。這兩種回報都是給定的。家庭是否選擇投資于一個金融中介的風險金融投資組合取決于金融中介的“聲譽”et。在是穩態財富的情況下，對于每一個金融中介，我們假設以下關系成立：

Vt=min{et-1，（1-λ）γW1-γt}（5）

當γ=1時，在經濟繁榮期，投資于風險資產的家庭財富份額是不變的，為αt≡Vt/Wt=1-λ。然而，在經濟蕭條期，金融部門脆弱性加強，股權αt隨著et的下降而下降。我們發現，γ=1與金融部門杠桿的順周期性這一經驗觀察相一致。

非線性模型應當傾向于從全局的角度來求最優解，但是由于存在“維數詛咒”問題，因此這種方法只適用于包含有限數量的狀態變量的小型模型。我們用一個可微的函數來代替偶然的緊約束。具體表示如下：Vt=（1-λ）γW1-γt1+γ1St-1-S。它能夠顯示股權約束的本質特征，即在經濟衰退期會提高股權籌資的成本。

最后，我們描述工資設定和勞動力供給。消費和閑暇之間的邊際替代率由邊際效用的比率給出：

mrst=φLLt（6）

遵循新凱恩斯主義的設定，我們假設家庭具有設定其名義工資的市場力量，使得以最終消費品價格表示的名義工資為家庭部門的勞動的邊際替代率的一個加成水平：

Wnt=μw，tmrst（7）endprint

而工資的加成水平μw，t=πtwt/wt-1由設定工資的名義剛性決定，這也使得工資菲利普斯曲線控制工資通貨膨脹πw，t=πtwt/wt-1。

πw，t=（1-γw）Etπw，t-1-κw（μw，t-μss）（8）

工資通貨膨脹的成本產生自家庭部門，相當于家庭的損失，即0.5cwπ2w，t。參數cw是κw的一個函數，以至于按照Rotemberg和Calvo的一階近似調整成本將給出相同的動態效應。

（二）產品生產部門

遵循新凱恩斯主義框架，存在一個連續的壟斷廠商根據技術生產差異化的商品：

Yt=AtLαtκ1-αt-1-（9）

給定私人企業的產出需求為y*t=（p*t/Pt）-ε·Yt。實物資本給定為：

Kt=（1-δ）Kt-1+It（10）

但是，由于企業歸金融中介所有，投資決策It實質上由金融中介決定。

勞動力市場需求表示如下：

wt=mctαAtLα-1tK1-αt（11）

企業面臨著一個Rotemberg形式的調整成本，該調整成本由參數cp決定，代表著如下價格通脹的非線性菲利普斯曲線：

cpπt（1+πt）+（ε-1）Yt=

εmctYt+βEtcpπt+1（1+πt+1）（12）

參數cp是傳統的新凱恩斯主義菲利普斯曲線的參數κp的一個函數，按照Rotemberg和Calvo形式的一階近似調整成本將給出相同的動態效應。邊際成本mc是要素價格（工資和租金率）和全要素生產率的函數：

mct=wαtr1-ακ，tAtαα（1-α）1-α（13）

全要素生產率是一個分別由臨時的沖擊εAt和持續的沖擊εgt所控制的固定外生過程：

At=gt+ρAA+（1-ρA）At-1+σAεAt（14）

gt=ρggt-1+σgεgt（15）

（三）房地產部門

房地產部門通過購買舊的投資品It來生產新的房地產并以價格Qt出售給金融中介。由于新舊房地產之間沒有差別，房地產存量的實際價值可以簡單定義為qtKt，其中，qt=Qt/Pt。因此，中介的房地產估值qt也會帶動投資。在qt給定的情況下，通過選擇投資來最大化下式：

maxItqtt-It-Φ（It/Kt，Kt）（16）

式中，Φ（It/Kt，Kt）=0.5κ（It/Kt-δ）2Kt。這種二階調整成本取決于加總成本，其中κ代表房地產價格的粘性系數，在這種技術水平下，一單位新的房地產投資就等于用作生產新房地產投資的舊投資量t=It。最優條件為：

It/Kt=δ+qt-1κ（17）

房地產部門將利潤返還給家庭部門，該利潤在確定穩態下為0：

Dκt=qtIt-It-Φ（It/Kt，Kt）=

（qt-1）δ+qt-12κKt

（四）金融中介部門

金融中介所有權和控制權分離，經理人（管理人員）享有對金融中介所有投資的決策權。一般情況下，經理人通過兩種方式從家庭部門籌集資金用于購買資本，即股權和債權Wt=Vt+Bt。經理人的目標在于最大化聲譽，該種聲譽基于該中介結構發行股權所獲得的實際收益的歷史狀況：

et=et-1mt（18）

式中，m>0代表用于描述經理人風險厭惡程度的常數，代表金融中介風險投資組合的實際回報率，資金成本如下：

t=θt-1Rt-（θt-1-1）（1+τt）Rft-1=

Rt+（θt-1-1）（Rt-（1+τt）Rft-1）（19）

參考Hans和Raf的研究[24]，我們用θt來度量系統性金融風險。θt>1代表金融中介杠桿率，它放大了投資回報率Rt。換句話說，θt是資產和金融中介權益的比率，（θt-1）為債務權益比。在均衡條件下，有θt=Wt/Vt和θt-1=Bt/Vt。當股本溢價為正時，EtRt+1-Rft>0，更高的杠桿率有望提高金融中介機構的股本回報率。在這種情況下，政府的宏觀審慎工具τt有效，在下文將會詳細闡述。

最優杠桿率由經理人最大化預期終身對數“聲譽”來決定，這與傳統的均值方差組合策略相一致：

θt=tRt+1-RftmVart（Rt+1）（20）

式中，tRt+1=EtRt+1+vt，vt遵循一階自回歸過程。實現的投資回報率為：

Rt=qtKt+Dtqt-1Kt-1（21）

式中，Dt來自公司的股息，即Dt=Yt-δKt-wtLt。夏普比率定義為投資的風險溢價除以其自身的風險：

Sαt=mθtσRt+1（22）

式中，σRt+1=Vart（Rt+1）。夏普比率等于中介機構投資組合的風險θtσRt+1乘以金融中介的風險規避系數m。中介機構在其投資組合中承擔的風險越高，夏普比率越大。

考慮資本約束的放大效應十分有益。如果et<（1-λ）γW1-γt，則金融中介只需要籌集Vt=et的股權。在這種狀態下，負沖擊的影響減少了Wt=qtKt，但會通過兩個渠道減少更多的et=Vt。首先，由于中介部門被杠桿化，股本回報是中介部門資產的內在收益的倍數；其次，由于金融中介的風險厭惡程度m大于1（et=et-1mt），因此，聲譽et與資本回報之間將不再一一對應。因此，當資本為緊約束時，負面沖擊會被放大進而導致杠桿率上升。更高的杠桿率意味著資本投資的夏普比率更高，這反過來意味著資本的價格必須更低，旨在提供更高的預期回報。較低的資本價格也將反過來壓低投資，該投資取決于資本品價值的大小。

（五）貨幣政策endprint

假設貨幣當局根據簡單的泰勒規則設定短期名義利率，其中無風險名義利率對其滯后值、價格和工資通貨膨脹、經濟活動的度量以及杠桿率度量t做出反應。

it=iit-1+（1-i）（ππet+xxt+θt）+εmt（24）

πet=（1-w）πt+wπwt（25）

式中，πet是一個反映工資和價格通貨膨脹的復合指標在具有固定價格和工資的模型中，在某些條件下，我們可以證明復合通貨膨脹做出的反應是最佳的。在我們的基礎設定中，參數w≈0.5給出了良好的福利表現。。我們還附加了貨幣政策沖擊εmt，在研究貨幣政策傳導機制時可能存在自相關。

（六）均衡條件和加總

商品市場出清代表產出全部被消費或用于投資，可以表示如下：

Yt=Ct+It+12κ（it-δ）2Kt+12（cpπ2t+cwπ2w，t）（27）

金融行業投資組合的價值必須等于整個家庭在金融中介機構的金融投資，即：

QtKt=Wt=Vt+Bt（28）

整個金融中介部門的加總“聲譽”為St。由于給定的經理人可能在任意時期以一個固定的泊松分布η>0下的泊松強度參數下死亡，所以金融部門的加總聲譽的變動規律表示為：

St=St-1（mt-η）（29）

進一步，在均衡條件下，整體金融部門的權益可以表示如下：

Vt=min{St，（1-λ）1-γWγt}（30）四、 實證分析

（一）參數校準

為了對我國的實際經濟情況進行模擬分析，本文采用數據校準的方法，從國內學者對我國的經濟進行實證分析的數據中選取相應的參數。對于標準DSGE模型中常見的參數，我們對多篇文獻的取值進行了比較，確定了響應的參數值；對于本文中特有且國內前期研究較少的參數，我們選取國外文獻重點的參數并說明其適應性。參數的含義及校準值的選取參見表1。

（二）脈沖響應分析

本文將分別使用1%的正向技術沖擊、1%的正向貨幣政策沖擊來考察在不同房地產價格粘性水平下，金融變量（中介機構經理人聲譽、總資產、杠桿率、權益、風險溢價、房價）與宏觀經濟變量（投資、消費、產出、工資總額、收益、工資、總通貨膨脹、實際短期利率）分別對兩種沖擊的變動情況。表1模型中校準值的參考依據參數含義校準值校準值參考β貼現系數0.990國內主要文獻將其設置為0.90～0.99之間，參見黃賾琳（2005）、劉斌（2008）、鄭挺國（2016）的測算，根據模型的穩態條件，加之消費習慣參數在歐拉方程中被消掉，故選擇0.99。h消費習慣0.300消費習慣，大多數都是通過估計結果得出，參見劉斌（2008）、郭新強等（2013）、杭斌（2013）、鄭挺國（2016）的估計，本文選擇0.300。ψ穩態勞動2.940穩態勞動，對于該參數的研究不同的學者存在較大的分歧，參見黃賾琳（2005）、鄧子基（2012）、康立（2014）、王玉鳳（2015）的研究，考慮到貝葉斯估計的后驗結果受先驗分布的影響較大，故我們采用鄧子基（2012）的設定，取值2.940。L逆弗里希勞動彈性1.000國內主要文獻將其確定為0.2～6之間，參見陳學斌（2005）、侯成琪和龔六堂（2014）、陳詩一（2016）和謝超峰（2016）的研究，本文選取設定為1。σ跨期替代彈性1.000國內主要文獻將其確定為1，參見黃賾琳（2005）、薛鶴翔（2010）、梅冬州等（2013）、謝超峰（2015）的研究，本文同樣設定為1。γw工資指數0.500國內缺乏對該參數值設定方面的研究，因此根據Dewachter和Wouter（2014）以及Laseen等（2015）的設定，選擇0.5為校準值。δ住房折舊率0.008參照陳彥斌和邱哲圣（2011）的研究。α勞動產出彈性0.650國內主要文獻對其估計值都在0.5～0.7之間，參見張軍（2002）、崔光燦（2006）、謝綿陛（2013）、王玉鳳（2015）的研究，本文設定為0.650。Φ生產固定成本0.200參照Dewachter和Wouter（2014）以及Laseen等（2015）的設定。η金融中介退出率0.010該參數為本文特有的參數值，對金融中介退出率的研究相對較少，但對企業退出率的研究則較為豐富，參照袁申國（2011）、康立（2014）的企業退出率，及He和Krishnamurthy（2014）美國的中介機構退出率，與本國實際經驗相匹配，設定為0.010。λ流動性服務份額0.926參照Dewachter和Wouter（2014）以及Laseen等（2015）的研究，與我國銀監會數據相結合，設定為0926。m管理人風險厭惡3.000參照Dewachter和Wouter（2014）、Dewachter和Wouter（2014）、Laseen等（2015）的研究，設定為3。γ杠桿率周期性1.000參照Dewachter和Wouter（2014）以及Laseen等（2015）的研究，當設定為1時，與金融部門的杠桿率是順周期的經驗觀測是一致的。κp價格粘性0.750參照崔光燦（2006）、康立（2014）、陳詩一（2016）、劉斌（2008）等的設定，選取0.750。κw工資粘性0.025參照徐建煒（2012）的研究。

1.不同房價粘性下金融變量對技術沖擊的響應

圖2顯示了施加標準差為1%的正向技術沖擊時，金融變量在不同房地產價格粘性下的脈沖響應情況。從圖中可以看出，正向技術沖擊使聲譽、資產、權益和房價在沖擊當期相對于穩態呈正向反應，其中，聲譽、資產和房價在第1期迅速上升至頂點，隨后開始緩慢下降并趨于穩態；權益自沖擊當期開始迅速增長，在第3期達到峰值后逐步下降，回歸穩態水平。這表明，正向的技術沖擊會使商業銀行等中介機構的投資收益率上升，經理人的聲譽提高[25]，家庭受資本約束的限制會傾向于以購買股權的方式將資金投入中介機構，中介機構權益資本增加，中介機構能夠獲得充足的資金購買房地產，提高房地產的持有量，刺激房地產價格的上漲。另外，正向的技術沖擊導致風險溢價和杠桿率在沖擊當期相對于穩態水平呈負向反應，隨后快速下降，在第3期達到最小值后緩慢上升，之后回歸穩態。這表明，正向的技術沖擊在刺激房價上漲后會引發家庭對房地產市場的良好預期，提高家庭的風險偏好，家庭所要求的圖2不同房價粘性下金融變量對技術沖擊的響應endprint

風險資產投資回報率降低，預期的風險溢價水平隨之降低，進而帶來風險定價的下降，降低了系統性金融風險產生的可能性。從圖中還可以發現，相對于低房價粘性和中房價粘性，在高房價粘性下各個金融變量對技術沖擊的波動幅度較小。因為在高房價粘性下，房地產市場存在剛性需求，家庭風險偏好較為穩定，家庭以購買股權的方式向中介機構投入資金來購買房地產的需求程度變化不大，因此各個金融變量在技術沖擊下偏離穩態的范圍較之低房價粘性和中房價粘性較小，這似乎與我國的房地產市場實際情況較為吻合。此外，房價這一變量在不同的房價粘性下波動幅度基本一致，主要因為技術沖擊對房地產市場的影響程度不大，這與郝毅和李政[27]研究結論較為一致。

2.不同房價粘性下宏觀經濟變量對技術沖擊的響應

宏觀經濟變量在不同房價粘性下的脈沖響應情況。由圖中可以看出，正向的技術沖擊導致各個宏觀經濟變量在當期相對于穩態水平均呈正向響應。首先，產出、投資和收益在沖擊當期迅速上升至峰值后緩慢下降，趨于穩態。這表明，技圖3不同房價粘性下宏觀經濟變量對技術沖擊的響應

術的進步會通過提高生產效率的方式刺激企業擴大生產和投資規模，增加企業收益的同時帶動社會總產出水平的提高。其次，消費和通貨膨脹自第1期快速上升，在第3期達到峰值后逐步下降，趨向穩態。這表明，技術進步帶來產出的增加進而刺激消費需求，使社會總需求量上升，帶來溫和的通貨膨脹。由于存在價格粘性，價格變動存在滯后性，因而通貨膨脹和消費對技術沖擊的響應呈駝峰型。再次，工資總額和工資在技術沖擊的作用下快速上漲，分別在第3期和第10期達到峰值后逐步回歸穩態。這表明，產出增加引發勞動力市場供不應求，企業提高單位工資價格，進而吸引大量的勞動力進入市場，帶來工資總額的增長。另外，利率在技術沖擊當期快速上漲后迅速下降恢復穩態。這表明，貨幣當局會通過提高利率、緊縮銀根的貨幣政策來抑制社會總需求的膨脹，緩解經濟過熱。從圖中還可以發現，相對于低房價粘性和中房價粘性，在高房價粘性下各個宏觀經濟變量對技術沖擊的波動幅度較小。房價的高粘性特征導致房價下行困難，房地產市場的投資、消費需求等對技術沖擊的響應程度不大。

3.不同房價粘性下金融變量對貨幣政策沖擊的響應

金融變量在不同房地產價格粘性下的脈沖響應情況。從圖中可以看出，正向的貨幣政策沖擊促使聲譽、資產、權益和房價在沖擊當期相對于穩態呈負向反應，其中，聲譽、資產和房價在第1期均迅速下降至最低點，聲譽隨后緩慢上漲并向穩態水平趨近，資產和房價則快速上漲并在第5期基本達到峰值，隨后趨于穩態，在第20期基本回歸穩態；權益自沖擊當期開始快速下降，在第3期基本降至最低點，隨后緩慢上升，逐步趨于穩態。這表明，緊縮的貨幣政策沖擊會通過提高資金使用成本的方式降低商業銀行等中介機構經理人的聲譽，促使家庭將可用資金購買更多的債權，從而減少向中介機構進行股權投資。中介機構權益資本隨之降低，同時由于資金的限制中介機構也會減少房地產的持有額，房價受需求量降低的影響開始下降，這也說明緊縮性貨幣政策對房地產市場的調控是有效的。另外，正向的貨幣政策沖擊使風險溢價和杠桿率在沖擊當期相對于穩態呈正向反應，在第3期達到峰值后緩慢下降，隨后回歸穩態。這表明，雖然通常情況下緊縮性貨幣政策會降低杠桿率，但是當經濟處于房地產泡沫積圖4不同房價粘性下金融變量對貨幣政策沖擊的響應

累期，突然性的緊縮性貨幣政策沖擊會造成房地產價格泡沫的破裂，從而使房價伴隨著產出和通脹的下降而迅速下跌，促使房地產市場的需求進一步降低，同時帶來家庭風險溢價水平的上升，中介機構的投資收益率也會隨之下降，風險定價提高，從而引發系統性金融風險上升。從圖中還可以發現，相對于低房價粘性和中房價粘性，在高房價粘性下各個金融變量對貨幣政策沖擊的波動幅度較小。這是因為當房地產市場存在價格高粘性時，緊縮性貨幣政策對房價的調控效果會受到限制[28]，家庭將繼續維持房價不易下降的預期，風險偏好程度不會大幅降低，風險溢價水平較為穩定，家庭不會大幅限制向中介機構投入的股權資金，中介機構持有的包括房地產在內的資本總量減少幅度較小。

4.不同房價粘性下宏觀經濟變量對貨幣政策沖擊的響應

宏觀經濟變量在不同房價粘性下的脈沖響應情況。從圖中可以看出，正向的貨幣政策沖擊促使實際短期利率自沖擊當期快速上漲，在第3期基本達到峰值，隨后緩慢下降趨于穩態。這表明，緊縮性貨幣政策會通過提高利率的方式收緊銀根、增加資金成本。投資、消費、產出和收益在沖擊當期迅速下降后逐步上升，在第20期基本回歸穩態。這表明，利率水平的提升會通過提高資金價格的方式降低投資和消費需求，同時利用增加融資成本降低企業的產出量和收益，從而降低社會總產出水平。另外，工資總額自沖擊當期快速下降，在第3期降至谷底后逐步上升趨于圖5不同房價粘性下宏觀經濟變量對貨幣政策的響應

穩態。這表明，產出的減少導致經濟衰退，進而失業人數增加，勞動力降低的幅度大于工資上漲的幅度。通貨膨脹在1%的緊縮性貨幣政策作用下迅速下降，表明了貨幣政策對通貨膨脹調控的有效性，這與王曦等人[29]得到的結論一致。從圖中還可以發現，相對于低房價粘性和中房價粘性，在高房價粘性下各個宏觀經濟變量對貨幣政策沖擊的波動幅度較小。原因在于，在高房價粘性下，以房地產價格為媒介的貨幣政策傳導機制失效，緊縮性貨幣政策調控房地產市場的效果較之低、中房價粘性的情況差，導致各個宏觀經濟變量偏離穩態的程度較小。五、 結論與政策建議

本文立足于我國房價“粘性”這一特征，構建了包含家庭部門、產品生產部門、房地產部門、金融中介部門、貨幣政策執行部門以及宏觀政策執行部門等六個部門的新凱恩斯動態隨機一般均衡模型。在此基礎上，引入經理人管理中介部門和中介部門面臨資本約束兩種摩擦機制，將系統性金融風險內生化，探討了在不同的房價粘性下，技術沖擊和貨幣政策沖擊對金融變量和宏觀經濟變量的脈沖響應情況。實證結果表明：第一，對于金融變量，技術進步以提高投資收益率的方式增加房地產市場需求、推動房價上漲，使聲譽、資產、權益和房價呈正向響應，使風險溢價和杠桿率呈負向響應；另外，緊縮性的貨幣政策以提高資金使用成本的方式降低房地產市場需求來控制房價，使聲譽、資產、權益和房價呈負向響應，使風險溢價和杠桿率呈正向響應。第二，對于宏觀經濟變量，由于技術進步會刺激投資、消費等需求，從而引發產出增加、帶來經濟繁榮，因此技術沖擊促使各個宏觀經濟變量呈正向響應；貨幣政策沖擊以提高利率、緊縮銀根的形式抑制社會總需求，因此貨幣政策沖擊下實際短期利率在沖擊當期相對于穩態水平呈正向響應，其他宏觀經濟變量在沖擊當期相對于穩態水平均呈負向響應。第三，在不同的房價粘性下，金融變量和宏觀經濟變量對技術沖擊和貨幣政策沖擊的響應程度存在差異，由于高房價粘性下房價下行困難，貨幣政策房地產價格傳導機制失效，因此外生沖擊使金融變量和宏觀經濟變量偏離穩態的幅度較小。另外，從貨幣政策調控效果來看，正向的貨幣政策沖擊能夠顯著降低房價、緩解宏觀經濟波動，但高房價粘性的存在會影響調控效果。endprint

我國宏觀經濟正逐步進入新常態，實體經濟下行，房地產市場卻在此背景下形成了不易下跌的高價格粘性特征，這也就增強了房地產市場調控的難度。因此，如何提高貨幣政策對房價調控的有效性，穩定房地產價格，進而維護金融市場和宏觀經濟穩定是政府當前亟待解決的問題。結合本文實證分析結論，我們提出以下政策建議：第一，明確我國房地產市場當前存在的高價格粘性特征，從嚴調控房地產市場價格。我國房地產市場高價格粘性的具體表現為價格不易下跌，因此應當在權衡物價和總產出、防范宏觀經濟大幅波動的前提下，立足于我國房地產市場的特征，實行緊縮性貨幣政策來緩解房地產市場的過熱局面，從而防范因房地產價格泡沫破裂引發的系統性金融風險。第二，發揮貨幣政策與其他政策的聯動配合效應，建立貨幣政策效果的多層次監控體系。房價粘性與消費者剛性需求聯系緊密，因此，在實施緊縮性貨幣政策的同時，應與土地政策、稅收政策和信貸政策等其他政策聯動配合，基于房地產市場供需管理來調節資金的流向、配置以及消費者的剛性購房需求，促使房地產價格回歸理性。同時加強貨幣政策效果的監控，根據實際的經濟形勢和房地產市場反應狀況相機調整，增強貨幣政策對房價調控的靈活性和針對性。第三，完善宏觀審慎政策框架，建立有差別的宏觀審慎調節機制。高價格粘性的根本原因在于我國房地產市場存在結構性泡沫，完善的宏觀審慎政策體系能夠彌補貨幣政策在對房地產市場結構性調控能力和總量調控能力方面的不足，進一步提高房地產市場調控的有效性。此外，應建立有差別的宏觀審慎調節機制，明確不同房地產市場的發展特點，把握好房價調控的“方向”和“力度”，從根本上維護金融穩定與宏觀經濟安全。參考文獻：

[1]梁云芳， 高鐵梅， 賀書平. 房地產市場與國民經濟協調發展的實證分析 [J]. 中國社會科學， 2006（3）： 7584.

[2]郭娜， 李政. 我國貨幣政策工具對房地產市場調控的有效性研究——基于有向無環圖的分析 [J]. 財貿經濟， 2013（9）： 130137.

[3]沈悅， 郭培利. 收入、房價與金融穩定性——源自異質面板門檻模型的解析 [J]. 經濟科學， 2015（6）： 3850.

[4]馬勇， 田拓， 阮卓陽， 等. 金融杠桿、經濟增長與金融穩定 [J]. 金融研究， 2016（6）： 3750.

[5]Allen F， Gale D. Optimal financial crisis [J]. Journal of Finance， 1998， 53（4）： 12451284.

[6]Hofmann B. The determinants of private sector credit in industrialized countries： Do property prices matter？ [R]. BIS Working Paper， 2001.

[7]Hofmann B. Bank lending and property prices： Some international evidence [R]. The Hong Kong Institute for Monetary Research Working Paper， 2003.

[8]Gerlach S， Peng W S. Bank lending and property prices in Hong Kong [J]. Journal of Banking and Finance， 2005， 29： 461481.

[9]Goetzrnann W N， Peng L， Jaequeline Y. The subprime crisis and house price appreciation [R]. Yale ICF Working Paper， 2009.

[10]Beatrice D， Simo K， Mehmet B， et al. Is the relationship between monetary policy and house prices asymmetric across bull and bear markets in South Africa？ Evidence from a Markovswitching vector autoregressive model [J]. Economic Modelling， 2013， 32（1）： 161171.

[11]Castelnuovo E， Nisticò S. Stock market conditions and monetary policy in a DSGE model for the U.S. [J]. Journal of Economic Dynamics & Control， 2010（9）： 1700.

[12]Pan H R， Wang C. House prices， bank instability， and economic growth： Evidence from the threshold model [J]. Journal of Banking & Finance， 2013， 37（1）： 17201732.

[13]Nicola G， Shleifer A， Vishny R W. A model of shadow banking [J]. Journal of Finance， 2013， 68（4）： 13311363.

[14]蔡浩儀， 汪小亞. 再析東南亞金融危機成因： 整體視角——金融層面 [J]. 金融研究， 1998（7）： 1113.

[15]周京奎. 房地產價格波動與投機行為——對中國14個城市的實證研究 [J]. 當代經濟科學， 2005（4）： 19109.endprint

[16]崔光燦. 資產價格、金融加速器與經濟穩定 [J]. 世界經濟， 2006（11）： 5969.

[17]葛奇. 次貸危機的成因、影響及金融監管的啟示 [J]. 國際金融研究， 2008（11）： 1820.

[18]郭娜， 梁琪. 我國房地產市場周期與金融穩定——基于隨機游走濾波的分析 [J]. 南開經濟研究， 2011（4）： 98107.

[19]張寶林， 潘煥學. 影子銀行與房地產泡沫： 誘發系統性金融風險之源 [J]. 現代財經， 2013（11）： 3345.

[20]羅娜， 程方楠. 房價波動的宏觀審慎政策與貨幣政策協調效應分析——基于新凱恩斯主義的DSGE模型 [J]. 國際金融研究， 2017（1）： 3948.

[21]譚政勛， 王聰. 中國信貸擴張、房價波動的金融穩定效應研究——動態隨機一般均衡模型視角 [J]. 金融研究， 2011（8）： 5771.

[22]王云清， 朱啟貴， 談正達. 中國房地產市場波動研究——基于貝葉斯估計的兩部門DSGE模型 [J]. 金融研究， 2013（3）： 101113.

[23]He Z， Arvind K. A macroeconomic framework for quantifying systemic risk [J]. National Bureau of Economic Research， 2014： 150.

[24]Hans D， Raf W. Endogenous risk in a DSGE model with capitalconstrained financial intermediaries [J]. Journal of Economic Dynamics & Control， 2014， 43： 241268.

[25]Stefan L， Andrea P， Jarkko T. Systemic risk： A new tradeoff for monetary policy？ [R]. IMF Working Paper， 2015.

[26]Smets F， Wounters R. Shocks and frictions in US business cycles： A Bayesian DSGE approach [J]. American Economic Reviews， 2007（3）： 586606.

[27]郝毅， 李政. 土地財政、地方政府債務與宏觀經濟波動研究——以地方政府投融資平臺為例 [J]. 當代經濟科學， 2017（1）： 112.

[28]馬亞明， 劉翠. 我國貨幣政策對房地產市場的非對稱影——基于CARCH模型的實證分析 [J]. 河北經貿大學學報， 2015（3）： 6771.

[29]王曦， 王茜， 陳中飛. 貨幣政策預期與通貨膨脹管理——基于消息沖擊的DSGE分析 [J]. 經濟研究， 2016（2）： 1628.

責任編輯、 校對： 高原endprint