去杠桿背景下房地產信托對房價的影響研究

[摘 要] "基于2006年1月—2017年12月的全國月度數據，運用SVAR模型、脈沖響應和反事實模擬檢驗了去杠桿背景下房地產信托對貨幣政策調控和房價的影響，并且基于2007年—2016年全國68家信托公司的集合類房地產信托數據分析了房地產信托對房價區域差異化的影響。結果發現：房地產信托規模的增加導致銀行間借貸成本上升;房地產信托的增長弱化了房價和房地產投資對緊縮型貨幣政策的響應程度;房地產信托對房價有正向的作用，且在東部地區影響最為顯著。因此，應有效平衡房地產金融風險防范與房地產金融創新，促進信托公司快速轉型，使得信托公司做到真正服務實體經濟。

[關鍵詞] "去杠桿;房地產信托;房價;銀行信貸

[中圖分類號]" F293.3""" [文獻標識碼] A"" [文章編號] 1008—1763（2019）01—0061—09

Research on the Influences of Real Estate Trust on Real

Estate Price under the Background of Deleveraging

JU Fang， LI Wen-jun， HUANG Qiao

（School of Business， Xiangtan University， Xiangtan 411105， China）

Abstract： Based on the national monthly data from January， 2006 to December， 2017， using the" SVAR model， the impulse response and the counterfactual simulation， this paper tests the influences that estate trust acts on monetary policy and real estate price under the background of deleveraging. Further， based on the estate trust data of national 68 trust companies from" 2007 to" 2016， using fixed effect model， the paper analyzes the regional influences of estate-trust" on real estate price. The results suggest that the increase of estate trust scale results in the rise of interbank loan costs; the growth of estate trust weakens the degree of response when real estate price and estate investment act on tightening" monetary policy; estate trust has a positive effect which is the most significant in the eastern region on real estate price. Therefore， we should effectively balance real estate financial risk prevention and real estate financial innovation，and" promote the rapid transformation of trust companies， so that trust companies can truly help the real economy to be more sustainable.

Key words： "deleverage;real estate trust;real estate price;bank credit

"在“去杠桿”的大背景下，政府要求金融機構降低自身的杠桿率，更要求房地產等資本密集型企業降低整體負債率。由于宏觀短期信貸調控和金融監管拉大了傳統銀行資金供給與房地產行業資金需求的缺口，房地產企業通過傳統渠道融資倍加困難，而房地產信托 國外房地產信托多以房地產信托投資基金（REITs）的形式存在，而我國常說的房地產信托，主要指廣義的房地產信托，即與房地產行業相關的所有信托行為。我國房地產信托模式有以下幾種：回購模式、回租模式、貸款融資模式、股權回購型信托模式、夾層型的信托融資模式、權益投資信托模式，但是當前的房地產信托模式并不是真正意義上的REITs。 則迅速發展成房地產企業的重要融資渠道。2017年信托投向房地產行業的信貸資金高達22828億元，較2016年同比增長9.57% 數據來源于《2017年度中國信托業發展評析》 ，房地產信托已成為房企外部融資的第二大渠道。房地產信托發展至今已經初具規模，其對房地產市場會造成何種影響？其規模的迅速擴大是否會不利于我國目前“去杠桿”的政策實施？是否會影響到我國貨幣政策對房地產行業的調控效果？習近平總書記在十九大的報告中多次強調“房子是用來住的、不是用來炒的”，平抑房價讓住房回歸民生屬性是我國目前面臨的重要工作任務，而房地產信托作為房企的新型融資渠道并具備影子銀行的特征，其規模的迅速擴張會如何影響房價？要回答以上問題必須探清目前我國房地產信托對房地產價格的影響機制，這有助于為今后我國的房地產市場調控提供政策建議，從而有益于房地產行業的健康發展。

一 文獻綜述

由于房地產信托在我國發展時間尚短，國內對房地產信托的研究主要探討如何規范相關法律體系和信托制度，并沒有基于我國房地產信托的特性深入研究其對房地產市場的影響。房地產信托作為我國影子銀行體系的重要組成部分，提供給房地產行業的信貸資金越來越多，其規模的擴大極可能增加金融杠桿，并且影響貨幣政策對房地產市場的調控效果。鑒于此，本文將分以下三部分進行文獻綜述。

（一）金融支持與房地產價格的相關研究

早期Carey[1]在構建房地產價格模型時，首次把信貸作為一個重要變量納入其中，提出在房價上漲時可以通過信貸約束平抑房價，而在房價下跌時可以通過增加信貸支持來阻止房價過度下跌，通過調整房企的杠桿率來控制房地產市場的價格。Fitzpatrick和Mcquinn[2]驗證了個別國家中信貸和房價之間存在的潛在雙向關系。Bernanke等[3]提出了金融加速器理論，解釋了政策變動等外部宏觀波動所造成的信貸約束對資產價格的影響機制。Allen和Gale[4]的資產價格泡沫模型說明，在借貸市場上若收益與風險存在不對稱，就會出現過度借貸投資的行為。Shin和Adrian[5]研究認為金融杠桿與經濟周期之間存在正向關系，并且可能導致金融系統的波動。Lamont和Stein[6]研究了負債率對房地產價格的影響，通過對美國相關數據的實證分析發現城市的負債率將直接影響該城市房價對基本面的敏感程度，負債率越高的城市，房價對基本面的敏感度也越高，一線城市作用程度最為顯著。

我國房地產企業主要依賴于商業銀行提供的金融支持，短期金融手段對我國房地產供給側結構性改革有一定的成效[7]，因此國內學者就銀行信貸與房地產價格之間關系也進行了大量研究。平新喬和陳敏彥[8]認為，政府支持的銀行信貸會推動房地產價格的上漲。李宏瑾[9]認為我國房地產市場存在嚴重的供給約束問題，是銀行信貸支持了房地產市場的供求。余華義和黃燕芬[10]認為貨幣政策對不同城市房價的影響存在區域差異性，以一線、東部城市影響最明顯，也有學者研究發現我國東部、西部地區的銀行信貸對房價的影響較大，政府實施的信貸政策對調控東部、西部地區房價最有效[11]。張濤等[12]從資產回報角度考察了房價與住房貸款之間的均衡關系，銀行房地產貸款與房價有較強的正相關關系。鞠方等[13]認為住房空置率對房地產金融風險也有顯著正影響。孟憲春等[14]認為面對貨幣政策沖擊時，控制對房地產行業的信貸可以起到良好的調控效果。袁志剛等[15]從銀行貸款、行為人預期以及政府政策三方面對房地產泡沫的形成作出了解釋。林梨奎和余壯雄[16]認為應強化對個人住房按揭貸款的控制，避免形成商品房銷售價格上漲預期。邱崇明和李輝文[17]則通過多層面視角分析，認為信貸政策比土地供給對房價的作用更為顯著。何青等[18]認為政府通過信貸調控等調控手段將加劇抵押率和房地產偏好對房價的影響。

（二）影子銀行對房地產價格的影響

影子銀行體系對金融穩定性有非常明顯的影響，國內關于影子銀行與房地產價格的相關研究也十分豐富。趙勝民和何玉潔[19]通過TVP-VAR模型證實了信貸是房價上漲的原因，并且影子信貸對房價的影響比銀行信貸更為迅速和強烈。單暢等[20]基于VAR模型分別從傳統銀行和影子銀行兩方面分析其對房價的影響機理，認為相對于傳統銀行信貸，影子銀行對房地產價格的影響強度更高。賈生華等[21]基于SVAR模型發現影子銀行規模的上升會擴大社會信貸供給，促進了房地產投資額的增長，降低了利率水平進而促進房價的上漲;并且通過反事實模擬還發現影子銀行削弱了國家對房地產市場的政策調控效果。張曾蓮和何蘭芳[22]利用門檻效應模型和空間計量模型，證實房地產價格存在空間效應，影子銀行在一定規模內可以促進房價上漲。李建軍和韓珣[23]通過VAR模型認為過橋貸款一定程度上助推了房價的上漲，這種作用在短期和長期都比較顯著。張寶林和潘煥學[24]認為通過發行房地產信托等證券化資產，影子銀行吸收了大量資金，增加了房地產領域信用總量，會導致房地產盲目擴張和空置率較高的問題，并通過SVAR模型證明影子銀行會導致房價顯著上漲。

（三）影子銀行影響貨幣政策對房價的調控效果

我國的金融體系以商業銀行為核心，而如今影子銀行規模日益擴大，并具有和商業銀行同樣的信用創造功能，這將從根本上改變現代貨幣經濟學的研究基礎，使貨幣政策的有效性受到沖擊。裘翔和周強龍[25]認為影子銀行呈現明顯的逆周期特征，擴大了傳統間接融資體系范圍，也削弱了貨幣政策的有效性。李波和伍戈[26]認為影子銀行體系使得融資行為嚴重“脫媒”，將貸款通過各種形式包裝、銷售或轉移，導致數量型貨幣工具的有效性削弱。周莉萍[27]認為影子銀行體系具有信用創造功能，影子銀行在貨幣市場上產生的“流動性之謎”將影響貨幣政策實施的理論基礎。

綜上所述，我國學者對信貸支持與房地產價格的研究非常豐富，但關于房地產信托對我國房地產市場影響的研究較為少見，多數文獻是從影子銀行的角度出發分析其對房地產市場的影響。因此，本文在從流動性效應、成本效應、市場預期這三個層面分析房地產信托對我國房價影響的傳導機理基礎上，運用實證手段定量分析房地產信托對貨幣政策調控效果和房價的影響，既豐富了房地產信托和房地產市場相關領域的理論研究成果，也有助于為今后我國房地產市場調控提供建議。

二 去杠桿背景下房地產信托

對房價作用的理論傳導

（一）基于流動性效應分析

影子銀行具有信用創造能力，其在貨幣市場上產生的“流動性之謎”將影響貨幣當局政策執行的理論基礎。房地產信托作為信托公司的產品，在去杠桿背景下它從以下兩個方面完成了與商業銀行平行的信用創造。一方面，調動社會閑散資金。信托公司在金融創新理念的支撐下，主動滿足房地產企業的貨幣需求，并且在無存款準備金的限制下通過房地產信托等創新產品調動并運用社會閑置資金。另一方面，調動金融機構資金。去杠桿背景下，銀信合作等業務出現了爆發式的增長。銀行與信托公司通過銀信合作將無法直接貸給房地產企業的資金借助信托通道輸送給房企。綜合上面兩點的分析，大規模的房地產信托將增加社會市場上的貨幣供給量，使得市場流動性增加，理論上將使市場利率下降，從而使得資產價值上升。

（二）基于成本效應分析

在去杠桿背景下，無論房地產信托是直接替代商業銀行向房企提供信貸，還是作為規避監管的信貸通道載體，其都將提高房企的融資成本，從而影響房價。一方面，當銀行信貸緊縮時，越來越多的房地產開發商開始選擇運用房地產信托進行融資，這些過程提高了整個房地產行業的融資成本，融資成本的提高將驅動房價的上漲。另一方面，無論是投資方、通道方還是融資方都基于趨利或規避監管而具有強烈嵌套的動機。在多層嵌套的過程中，每個機構都會收取相應的通道費用，最后所有的通道費用依然會轉嫁給房地產企業，造成房企的最終融資成本上升，房企需要提高房價以保證經營的利潤。

（三）基于市場預期分析

基于樂觀的市場預期，房地產信托對房價的影響力度將進一步得到加強。房地產信托對房地產開發商提供貸款是考慮到抵押品保值并且預期未來將獲得足夠高的收益率，投資者認購房地產信托是考慮到高額的信托收益率和較低的風險，可見信托公司和房地產信托的投資者都是出于對房地產行業樂觀的市場預期而做出的投資決策。一旦投資者和信托公司對房地產行業市場預期發生了變化，那么這種市場預期將直接通過房地產信托這種信貸渠道作用到房地產行業上。

三 模型構建和實證結果分析

（一）基于時間序列的房地產信托對房地產價格的理論傳導檢驗

為了更好檢驗房地產信托對房地產價格的影響機制，本文基于2006年1月至2017年12月全國月度數據，利用SVAR模型、脈沖響應和反事實模擬方法檢驗房地產信托對房地產價格的影響傳導機制。

1.變量的選取

本文選取房地產信托新增規模s和全國商品房均價p分別考量房地產信托規模和房地產價格波動，并且選取了傳導機制中重要變量，新增房地產投資額i和利率r，分別反映房地產市場的資金供給情況和政策調控下的貨幣市場資金松緊情況，同時也考量了作用機制分析中的流動性效應，并選取銀行信貸l作為房地產信托的對比變量。具體情況如表1所示。

本文對全國商品房均價p、房地產信托新增規模s、利率r、銀行開發貸款l和新增房地投資額i均使用了X-12濾波法進行了季節調整，且對利率r以外的其他變量均取自然對數以消除指數增長趨勢。

2.模型的構建

本文運用SVAR模型考察房地產信托對貨幣政策及房地產價格的影響機制。一般p階SVAR模型表達式可以寫為：

Ayt=AΓ1yt-1+…+AΓpyt-p+Aμt （1）

其中：矩陣A來自經濟理論對經濟結構的建模，為內生變量滯后項的系數矩陣，將其移項可得：

A（1-Γ1L-…-ΓpLp）yt=Aμt （2）

一般假設SVAR的結構擾動項正交，將（2）式轉化為（3）式

A（1-Γ1L-…-ΓpLp）yt=Aμt=Bεt （3）

（3）式則為SVAR模型的“AB模型”，若A=IM，則為B模型;若令B=IM，則為A模型。識別A模型或B模型需要施加M（M-1）/2個約束條件，對其施加的約束稱為“短期約束”。

根據本文的研究目的，并參照以往的研究成果[28-32]，結合變量之間的經濟關系，建立SVAR的“B”型模型，如下：

3.模型的檢驗

（1）平穩性檢驗

本文用DF-GLS進行單位根檢驗以驗證變量的平穩性。由表2可以看出，所選變量一階差分后數據均平穩，因此選取的五個變量屬于一階單整數列。

（2）協整檢驗

本文采用了Johansen協整檢驗來確定變量之間是否存在穩定的均衡關系，從表3可以得出，模型存在4個線性無關的協整向量，所以各個變量之間存在長期協整關系。當變量存在協整關系時，便可以用變量的水平值構造SVAR模型。

（3）模型穩定性檢驗

從特征根模圖（見圖1）可知，5個特征根模均在單位圓內，表明SVAR模型是穩定的，說明可以得到有效的脈沖響應圖。

（二）實證結果及分析

（1）脈沖效應的動態分析

如圖2所示，增加一單位房地產信托的沖擊，在第1期使得銀行同業拆借利率出現0.045的正向變化，并在第二期達到0.0558的高峰值，總體來說沖擊力度大且持續時間較長，說明房地產信托規模的沖擊將使得貨幣市場上的資金更為緊張，利率的提高也意味著銀行間借貸成本的提高。這恰好說明目前我國房地產信托并沒有大量調動社會閑置資金，而是將銀行間的資金大量調出，反映了我國房地產信托資金大量來自銀行系統的現實。

（2）反事實模擬驗證分析

參照反事實模擬方法[33-34]，分析在沒有房地產信托影響下，房價和房地產投資對緊縮貨幣政策的響應情況，以驗證房地產信托對調控政策實施效果的影響。具體做法是在約束條件中，將房地產信托的待估計系數x全部變為0，使其變為SVAR系統外生變量，然后再進行脈沖響應。

如圖3所示，一單位利率沖擊下房地產價格在第1期達到響應的最大值，房價的原反饋與新反饋的響應速度和收斂變化基本保持一致，但存在程度上的差異，明顯可以看出房價的原反饋（包含房地產信托影響）響應程度較房價的新反饋（不包含房地產信托影響）響應程度要弱。新舊反饋差異最大出現在第1期，原反饋的響應值為-0.006，新反饋的響應值為-0.0087，相差45%，驗證了房地產信托對貨幣政策調控房價的影響。上述結果證實了房地產信托規模的增長確實會降低貨幣政策調控房價的效果。

如圖4所示，緊縮的貨幣政策在第2期開始有效抑制了房地產投資金額，可以清楚地看到自第2期起房地產投資資金的新反饋（不包含房地產信托影響）的響應程度就要明顯大于原反饋（包含房地產信托影響）的響應程度，兩者差異最大出現在第6期，第6期新反饋的響應值為-0.01312，而原反饋響應值為-0.0103，相差約30%，意味著在有房地產信托的影響下，緊縮的貨幣政策對房地產投資的負向沖擊減弱。上述結果證實了房地產信托規模的增長將弱化貨幣政策對房地產投資金額的控制，也意味著房地產信托弱化了我國通過緊縮貨幣政策降低房企杠桿率的政策效果。

（三）基于面板數據的房地產信托對房價影響的區域差異性檢驗

1.面板模型的構建

本文將結合國外經驗并且參考梁云芳等[35]對房地產市場基準需求方程的界定，構建基本的房地產價格模型。由于我國房地產租賃市場還不夠發達，租賃價格和其他因素對房地產需求影響較小，因此我們主要考慮收入對房地產需求的影響，而在供給方面主要考慮房地產行業的信貸供給、總資金投入和土地價格等造成的影響。本文的被解釋變量是房地產價格，解釋變量是房地產信托規模，因此其他影響因素作為控制變量納入模型當中。運用一般面板數據模型基礎結構，構建出房價與房地產信托貸款的基礎模型：

Pit=β0+β1LXTit+λitCVit+αi+εit （5）

其中，i表示所研究的各省，t表示年份，β0、β1和λit為待估參數矩陣，ai表示各省的個體差異性，εit為隨機擾動項。被解釋變量Pit為i省第t年的商品房平均價格。LXTit則代表i省在t年新發行的房地產信托總規模，為該模型的核心變量，將主要關注其系數顯著程度與系數正負、大小。CVit代表模型選取的控制變量集，由于影響房地產的因素眾多，在盡量簡化模型的情況下為了防止遺漏重要變量，將納入影響房價的重要變量當做控制變量，下面將對各變量的選取進行介紹。

2.變量的選取與描述

由于房地產信托是近年發展起來的，因此其稍具規模的數據只能從近十年進行收集，本文選取2007年-2016年的年度省際數據。關鍵變量是房價P和房地產信托規模LXT。房地產價格P直接選取國家統計局提供的各省商品房平均銷售價格;房地產信托規模LXT借助用益信托網統計全國68個信托公司每年新發行的流向房地產行業的集合信托的規模，由于信托計劃的發行地一般是該信托公司所在地，因此按信托公司所在地省份為依據，計算出各個省份每年新發行的集合信托的規模。

本文選取了一組控制變量CV以控制模型遺漏變量造成的估計偏差。根據房地產價格影響因素的相關理論和實證研究選取以下控制變量：選取人均GDP（G）代表經濟基本面和購買能力，可以反映房地產市場的需求狀況;選取土地價格（TP）、銀行開發貸款（LYH）、房地產預期收益（Pe）來反映整個房地產市場的供給和投資情況，具體如表4所示。

表5顯示了2007年—2016年變量P、LXT、G、TP、LYH、Pe原始值的描述性統計結果。其中人均GDP和土地價格的標準差較大，可見由于各地區之間經濟發展差異較大從而使得人均收入和土地價格存在較大的差異。在模型中為了統一各個變量的數量綱級、降低模型的異方差，分別對變量P、LXT、G、TP、LYH取自然對數，對房地產預期Pe取百分比前面的自然數。

3.模型的檢驗

由于本文選取的是10年的短面板，進行平穩性檢驗效果較差，因此略去單位根檢驗和協整檢驗，對模型進行內生性檢驗和個體效應的檢驗以確定最終使用的計量方法。

（1）模型的內生性檢驗

由于房地產價格與房地產信托存在相互促進的關系，因此在研究房地產信托對房價的區域異質性影響的時候必須考慮兩者的內生性問題。在無法找到適合的工具變量的情況下，采用房地產信托規模的滯后一階作為工具變量進行工具變量法的估計。如表6所示，可以看出OLS估計系數與工具變量法2SLS的估計在系數正負上是一致的。通過Hausman檢驗得到P為0.0323，在1%的顯著水平上沒有拒絕所有變量均為外生變量的原假設，再進一步進行DWH檢驗得到P值大于0.05，因此在5%的顯著水平下沒有拒絕變量LXT是外生變量的原假設。這說明模型的內生性問題不嚴重，在這種情況下OLS估計的結果較工具變量法更為有效。

（2）模型的個體效應檢驗

由于是否考慮個體效應對模型的估計系數有較大影響，本文通過固定效應的F檢驗結果為F=52.17，Probgt;F=0.0000，拒絕混合回歸是可以接受的原假設，說明應該在模型中保留代表個體效應的截距項。進一步通過Hausman檢驗，結果為P=0.0019lt;0.05，拒絕了個體異質性與解釋變量不相關的原假設，固定效應模型比隨機效應模型更為有效。

4.實證結果及分析

根據以上分析，本文使用固定效應模型，將所選取的全國省份劃分為東中西三個區域

東部地區省份：上海、浙江、天津、北京、河北、福建、廣東、江蘇、山東，9個省市;中部地區省份：安徽、河南、江西、湖南、吉林，5個省;西部地區省份：四川、青海、西藏、陜西、重慶、內蒙古，6個省市。 ，剔除了部分沒有發行過房地產信托的省份和發行房地產信托不具備連續性并且中斷時間較長的省份，并對東部、中部、西部地區分別建立模型進行個體效應的檢驗，發現東部地區Hausman檢驗的結果P=0.0001，中部地區Hausman檢驗的結果P=0.0020，西部地區Hausman檢驗的結果P=0.0000。各區域的Hausman檢驗結果均小于0.01，這表明東中西各地區均應采用固定效應模型。表6是基于固定效應模型我國東中西三大經濟地區新增房地產信托規模對房地產價格影響的回歸分析結果。

從全國范圍看，房地產信托對房價有正向的作用。實證結果顯示房地產信托規模每增加1個百分點，房價將增加0.0118個百分點，與其他變量相比其對房價的貢獻度較小，但考慮到目前房地產信托的增長速度，依然不能忽視其對房地產價格的影響力度。

從各地區看，各地區房地產信托對房價有正向的作用，且東部和中部顯著。東部地區的房地產信托對房價的影響力度要顯著高于全國的平均水平，且遠高于中部地區與西部地區的影響力度。數據顯示東部地區房地產信托規模每增加1個百分點會使房價顯著增加0.0351個百分點。這是因為：第一，東部地區金融業較為發達，信托公司也較多，從房地產信托的總體規模上來說東部地區的發行量是最大的，說明了隨著房地產信托規模的增大其對房價的影響也會逐漸增強。第二，東部地區的房價對信貸支撐的依賴程度較高，從實證結果可以看出，東部地區的銀行貸款與房地產信托較中部地區和西部地區而言對房價的影響都更大。第三，雖然東部地區已有大量的銀行信貸投入房地產市場，但為了防范風險，商業銀行會加強對房地產行業信貸的限制，更多的房地產企業可能因為不能從傳統銀行貸款融資而轉向選擇通過信托融資，這也加強了房地產信托對房地產價格的影響。

四 結論與政策建議

本文基于2006年1月—2017年12月的全國月度數據，運用SVAR模型、脈沖響應和反事實模擬檢驗了去杠桿背景下房地產信托對貨幣政策調控和房價的影響，進一步的，基于2007年—2016年全國68家信托公司的集合類房地產信托數據分析房地產信托對房價的區域差異影響，最終得到以下結論：第一，同業拆借率對房地產信托的脈沖呈現正向變動，作用力度大，持續時間長。這說明房地產信托規模的增加將長期使得銀行間資金更為緊張，導致借貸成本上升，也反映了房地產信托依附于商業銀行信貸通道的現實。第二，反事實模擬驗證了房地產信托規模的增長弱化了貨幣政策對房地產投資金額的控制，影響了通過緊縮貨幣政策降低房企杠桿率的政策力度，還驗證了房地產信托規模的增長確實會弱化貨幣政策調控房價的效果。第三，房地產信托對房地產價格的影響具有較為明顯的區域差異，但基本都呈現出對房價的正向促進作用。其中東部地區房地產信托對房價的作用效果最為顯著，力度也較大，反映了我國東部地區的房地產價格更加依賴于信貸的支撐。在影響房價的眾多因素中，房地產信托對房價的作用力度相對較小，但是考慮到房地產信托規模近年來的增長速度，仍然不可忽視其對房地產價格的影響。

綜上所述，本文形成如下政策啟示：第一，有效平衡房地產金融風險防范與房地產金融創新。在以往的監管中房地產信托等影子銀行處于監管的灰色地帶，房地產信托在充當商業銀行向房地產行業輸送資金時，如果是明顯規避監管和監管套利的行為，政府就必須嚴格取締。這些行為會使得大量資金在各個金融機構中空轉套利，資金脫實向虛，既增加了企業的實際融資成本，有悖于我國降低金融杠桿、降低金融風險的號召，也弱化了貨幣政策調控房地產市場的效果。因此監管層不僅要加強商業銀行的監管，同時也要加強對信托等金融機構的監管，確保風險在可控的范圍內。在合理的監管環境下，監管層也應給予房地產信托一定的發展空間和時間，幫助房地產信托擺脫依附于商業銀行的通道業務，從而發展成真正能服務房地產行業的金融創新產品。第二，促進信托公司快速轉型以服務實體經濟。在國外房地產行業的融資主要依賴房地產信托投資基金，房地產信托投資基金是能夠真正拓寬房地產企業的融資渠道，減少房地產行業風險過多地聚集于商業銀行的金融產品，但是我國房地產信托發展成真正意義上的房地產信托投資基金仍需要時間。因此，我國信托公司在業務發展上，要充分發揮信托的事務管理和風險隔離等優勢，提高專業管理能力如產品設計、數據服務和風險控制等，提高自身服務內涵;要豐富信托本源業務，以財富管理為核心，加強信托公司財富管理能力，設計更多的符合市場需求的投資產品;要充分學習監管思想去踐行負責任、綠色和合規的發展理念，幫助中小微企業設計融資渠道，平衡我國金融供給，使得信托公司做到真正地服務實體經濟。

[參 考 文 獻]

[1] "Carey M. Feeding the Fad： The Federal Land Banks， Land Market Efficient， and the Farm Credit Crisis [D]. Ph.D. Dissertation， University of California at Berkley， 1990.

[2] Fitzpatrick T， Mcquinn K. House Prices and Mortgage Credit： Empirical Evidence for Ireland[J]. Manchester School， 2010， 75（1）：82-103.

[3] Bernanke B ， Gertler M ， Gilchrist S . The Financial Accelerator in a Quantitative Business Cycle Framework[J]. Working Papers， 1998， 1（99）：1341-1393.

[4] Allen F， Gale D. Bubbles and Crises[J]. Economic Journal， 2010， 110（460）：236-255.

[5] Adrian T， Shin H S. Liquidity and leverage[J]. Social Science Electronic Publishing， 2010， 19（3）：418-437.

[6] Lamont O， Stein J C. Leverage and House-Price Dynamics in U.S. Cities[J].Rand Journal of Economics， 1999， 30（3）：498-514.

[7] 傅貽忙，周建軍，孫倩倩，李文君.多元城鎮化、門檻效應與房地產庫存：理論解釋與實證檢驗[J].財經理論與實踐，2018，39（3）：127-133.

[8] 平新喬，陳敏彥.融資、地價與樓盤價格趨勢[J].世界經濟，2004（7）：3-10+80.

[9] 李宏瑾.房地產市場、銀行信貸與經濟增長——基于面板數據的經驗研究[J].國際金融研究，2005（7）：30-36.

[10] 余華義，黃燕芬.貨幣政策影響下收入和房價的跨區域聯動[J].中國軟科學，2015（10）：85-100.

[11] 梁云芳，高鐵梅.中國房地產價格波動區域差異的實證分析[J].經濟研究，2007（8）：133-142.

[12] 張濤，龔六堂，卜永祥.資產回報、住房按揭貸款與房地產均衡價格[J].金融研究，2006（2）：1-11.

[13] 鞠方，陽娟，黎小佳.基于空間異質性的中國住房空置率與房地產金融風險研究[J].財經理論與實踐，2018，39（4）：26-31.

[14] 孟憲春，張屹山，李天宇.住房信貸與房產稅調控政策的傳導機制與協調效應分析[J].經濟科學，2017（3）：47-59.

[15] 袁志剛，樊瀟彥.房地產市場理性泡沫分析[J].經濟研究，2003（3）：34-43+90.

[16] 林梨奎，余壯雄.房價波動、省際空間溢出與產業結構演變[J].湖南科技大學學報（社會科學版），2018，21（3）：80-88.

[17] 邱崇明，李輝文.房價波動、銀行不穩定和貨幣政策[J].財貿經濟，2011（3）：116-122.

[18] 何青，錢宗鑫，郭俊杰.房地產驅動了中國經濟周期嗎？[J].經濟研究，2015，50（12）：41-53.

[19] 趙勝民，何玉潔.影子銀行對貨幣政策傳導與房價的影響分析——兼論宏觀審慎政策與貨幣政策協調[J].經濟科學，2018（1）：83-95.

[20] 單暢，韓復齡，李浩然.影子銀行體系對房地產價格的作用機理探究[J].技術經濟與管理研究，2015（4）：94-98.

[21] 賈生華，董照櫻子，陳文強.影子銀行、貨幣政策與房地產市場[J].當代經濟科學，2016，38（3）：13-19+30+124.

[22] 張曾蓮，何蘭芳.影子銀行對商品房價格影響的門檻效應與空間效應研究[J].現代經濟探討，2017（9）：25-32+100.

[23] 李建軍，韓珣.過橋貸款與房地產價格——基于2006—2015年中國的經驗證據[J].中央財經大學學報，2016（8）：34-44.

[24] 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，2013，33（11）：33-44.

[25] 裘翔，周強龍.影子銀行與貨幣政策傳導[J].經濟研究，2014，49（5）：91-105.

[26] 李波，伍戈.影子銀行的信用創造功能及其對貨幣政策的挑戰[J].金融研究，2011（12）：77-84.

[27] 周莉萍.影子銀行體系的信用創造：機制、效應和應對思路[J].金融評論，2011，3（4）：37-53+124.

[28] Goodhart C， Hofmann B. House Prices， Money， Credit， and Macroeconomy[J]. Oxford Review Of Economic Policy， 2008， 24（1）：180-205.

[29] Elbourne A. The UK Housing Market and The Monetary Policy Transmission Mechanism： an SVAR Approach[J]. Journal of Housing Economics， 2008， 17（1）：65-87.

[30] 李樹丞，曾華瓏，李林.房地產價格波動對貨幣政策傳導的作用研究[J].財經理論與實踐，2008（6）：17-21.

[31] 盛松成，謝潔玉.社會融資規模與貨幣政策傳導——基于信用渠道的中介目標選擇[J].中國社會科學，2016（12）：60-82+205-206.

[32] 王松濤，劉洪玉.以住房市場為載體的貨幣政策傳導機制研究——SVAR模型的一個應用[J].數量經濟技術經濟研究，2009（10）：61-73.

[33] Giuliodori M. The Role of House Prices in the Monetary Transmission Mechanism across European Countries[J]. Scottish Journal of Political Economy， 2005， 52（4）：519-543.

[34] 段忠東.住房價格在貨幣政策傳導中的作用效果——基于SVAR模型的反事實模擬研究[J].當代經濟科學，2015，37（5）：11-21.

[35] 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）：74-84+205-206.