銀行信貸、房產價格與經常賬戶余額動態關聯性研究
——基于TVP-SV-VAR和貝葉斯DCC-GARCH 模型的分析

董 凱，王少楠，許承明

(1．南京曉莊學院 商學院，南京 211171；2．美國佐治亞大學 農業與應用經濟系，美國 佐治亞州)

內容提要：本文運用包含隨機波動的時變參數向量自回歸模型與貝葉斯DCC-GARCH模型，并結合我國2001年1月至2017年12月的相關數據，分析銀行信貸、房產價格與經常賬戶余額間的相互作用機制和動態關聯程度。實證結果表明：銀行信貸的擴張可以顯著推高房產價格，減少經常賬戶盈余；房產價格的上漲會刺激銀行信貸擴張，削弱經常賬戶余額；經常賬戶余額盈余的增加則會減少銀行信貸量，抑制房產價格上漲；銀行信貸與房產價格之間的關聯程度最高，銀行信貸與經常賬戶余額間的關聯程度次之，而房產價格與經常賬戶余額的關聯程度最低。因此，為了平抑暴漲的房產價格、改善經常賬戶失衡的狀況，實現宏觀經濟平穩健康發展，應加強對銀行信貸投放的管理，切實管住銀行信貸量的總閥門。

一、引言

長期以來銀行信貸被認為是影響我國宏觀經濟平穩運行的重要因素，尤其在國際金融危機之后我國商業銀行信貸規模急劇擴張，帶動了社會投資，擴大了內需消費，遏制了經濟增速下滑趨勢。隨著時間的推移，銀行信貸擴張的邊際效用逐漸下降，而其負面效應則日益凸顯。尤其在“新常態”的現實條件下，我國大量信貸資金盤踞在金融機構、金融系統內部之間進行空轉套利，導致金融杠桿迅速攀升，金融風險不斷積累，引致金融系統穩定性大幅下降。

1998年我國實行住房制度改革以來，房產價格在絕大多數年份里大幅快速上漲，至2017年房產價格累計上漲已超過220%①。在房價普遍快速上漲的情況下，房地產市場的預期收益明顯高于其他資產或投資的收益，致使信貸投放的很大一部分通過各種渠道匯入到房地產市場，大量的高風險、高收益債券也與房地產市場、房產價格之間息息相關。目前，我國的房地產市場與金融系統、宏觀經濟之間聯系緊密，房產價格的大幅波動無疑會給金融系統和宏觀經濟的穩定性帶來負面沖擊。由于內部經濟的轉型升級和外部貿易環境的急劇變化，我國經常賬戶余額增速大幅放緩，甚至在某些時段出現負增長，而經常賬戶余額的大幅波動無疑會對宏觀經濟的平穩運行產生重要影響。鑒于房產價格的快速上漲、經常賬戶余額的大幅波動均與銀行信貸密切相關，銀行信貸的激增通常被認為是潛在風險的早期預警，信貸的過度膨脹常常會導致資產價格暴漲、外部失衡加劇和經濟運行過熱，進而危及整個金融系統和宏觀經濟的健康運行(Lamont和Stein, 1999；Aizenman和Jinjarak, 2014)。

目前，關于銀行信貸、房產價格和經常賬戶余額之間相關性的研究大體可分為如下以下幾個方面：銀行信貸對房產價格的影響，銀行信貸對經常賬戶余額的影響，以及房產價格對經常賬戶余額的影響。

1.關于銀行信貸對房產價格的影響。Lamont和Stein(1999)的研究指出一個城市的房產價格與該城市的信貸量存在正向關系。Aizenman和Jinjarak(2014)利用跨國面板數據證明了信貸量和信貸模式對房產價格具有重要的影響。平新喬和陳敏彥(2004)、張濤等(2006)認為房地產貸款、房產價格二者之間存在正向相關性，政府支持的銀行信貸會顯著推動房產價格的上漲。梁云芳和高鐵梅(2007)的實證結果表明銀行信貸規模對我國東、西部地區房產價格的影響較大，而對中部地區房產價格的影響較小。譚政勛和王聰(2011) 結合多元GARCH模型和動態隨機一般均衡(DSGE)模型，發現銀行信貸與房產價格之間存在顯著的相互促進作用。王云清等(2013)、賈俊雪等(2014)指出寬松貨幣政策引致的信貸擴張是驅動房價上漲的主要原因。余華義和黃燕芬(2015)結合全局向量自回歸(GVAR)模型考察了寬松貨幣政策的區域異質性特征，研究發現，相比較于中西部城市房產價格而言，貨幣供應量沖擊對一線城市和東部城市的房產價格存在較大的正向影響。魏瑋和陳杰(2017)的研究指出房產價格對房貸杠桿率的變動非常敏感，而房貸杠桿對房產價格的影響存在非線性雙重門檻效應，其中東部地區的雙重門檻效應比中西部出現得更早。

2.關于銀行信貸對經常賬戶余額的影響。Calvo和Rodriguez (1977)、Frenkel和Rodriguez(1982) 發現寬松貨幣政策可以使得利率和物價水平下降，匯率貶值，最終改善經常賬戶。Ivrendi和Guloglu(2010)利用SVECM模型得出了與傳統觀點相對立的研究結果，即緊縮的貨幣政策導致銀行信貸的全面收縮，一方面使得實際匯率升值，另一方面壓低了全社會物價水平，降低了生產成本，改善了經常賬戶。黃雋(2010)指出銀行信貸激增使得銀行為消費或進口需求提供充足的信貸支持，需求的擴張刺激了進口，隨后影響到經常賬戶余額，導致經常賬戶逆差。王君斌和郭新強(2011)利用SVAR模型和包含資本項目管制的新開放經濟動態隨機一般均衡(NOEM-DSGE)模型，分別從實證和理論角度分析了引致經常賬戶變動的因素，結果顯示貨幣政策沖擊是影響經常賬戶波動的主要沖擊，寬松的貨幣政策會導致經常賬戶余額短期內出現明顯下降。楊明和王萌璐(2014)運用雙缺口模型的研究認為信貸投放的增多既可以刺激消費和投資，也會抑制儲蓄，從而減少經常賬戶余額。羅偉和呂越(2015)通過構建具有效率和融資能力的雙重異質性貿易模型，發現信貸配置失衡能促使大量享受信貸支持的企業出口，同時只抑制了少數受信貸約束企業的出口，可在一定程度上促進總出口量的增加。劉威等(2017)指出以銀行信貸量為代表的金融指標對于調節經常賬戶余額的短期波動發揮著重要的作用。

3.關于房產價格對經常賬戶余額的影響。Aizenman和Jinjarak(2009)通過一系列的回歸估計，驗證了房產價格上升和經常賬戶赤字二者之間存在很強的正相關性。Fratzscher等(2010)指出資產價格的迅速上漲(股票價格和房產價格)是導致貿易赤字長期存在的主要原因，資產價格的上升不僅增加了家庭的預期收入，促進了消費，而且刺激了企業投資，最終導致貿易狀況惡化。Punzi(2013)、Ferrero(2015) 運用NOEM-DSGE模型的模擬分析證明金融深化的不斷推進既推高了房產價格，加劇了經常賬戶赤字的形成，房產價格與經常賬戶余額之間呈現出顯著地反向相關性。另外，黃德權(2008)、李程(2012)的研究表明我國資產價格(尤其是房產價格)與經常賬戶余額之間存在密切聯系。范言慧等(2013)指出房地產業的繁榮、房產價格的快速上漲，可以引至物價上漲和人民幣實際匯率的升值，進而對制造業出口產生負面影響。范紅忠和周啟良(2014)運用面板數據的實證分析則表明在房產價格越高的東南沿海城市，其出口貿易越發達越說明房產價格對出口貿易具有正向的促進作用。劉斌和王乃嘉(2016)運用Heckman兩階段模型估計房產價格對企業出口的影響，發現高企的房產價格不利于中小企業、民營企業的出口，總體上會降低出口金額、抑制經常賬戶順差的積累。

綜上所述，中外大部分文獻聚焦于分析銀行信貸對房產價格的影響，但是銀行信貸對經常賬戶余額的影響以及房產價格對經常賬戶余額的影響且并未得到統一結論。此外，現有研究并沒有把銀行信貸、房產價格與經常賬戶余額放入同一框架下進行系統分析，更沒有對三者之間的動態關聯性進行深入探討。因此，本文運用TVP-SV-VAR模型和貝葉斯DCC-GARCH模型系統分析了銀行信貸、房產價格與經常賬戶余額間的傳導機制和動態關聯程度，并據此針對如何保持我國宏觀經濟均衡平穩發展提出政策建議，這也是對現有研究的有益補充與拓展。

二、模型說明

(一)TVP-SV-VAR模型

定義結構向量自回歸(SVAR)模型：

Ayt=F1yt-1+…+Fsyt-s+μt，t=s+1,…,n

(1)

K×1是待觀測變量的K×1維向量，A，F1，…，Fs是K×K維系數矩陣，擾動項μt是K×1維結構性沖擊，且μt～N(0,∑∑)，其中：

同時假定A為下三角矩陣：

則式(1)可改寫為：

yt=B1yt-1+…+Bsyt-s+A-1∑εt，εt～N(0,IK)

(2)

其中，Bi=A-1Fi，i=1,2,…,s，將Bi中的元素堆疊成K2×1維的列向量β，且定義Xt=IK?(yt-1,…,yt-k)，?表示克羅內克積，則有：

yt=Xtβt+A-1∑εt，t=s+1,…,n

(3)

在(3)式中，所有的參數都是非時變參數，若將參數轉變為時變參數，則該模型拓展為TVP-SV-VAR模型(Primiceri,2005；Nakajima,2011)。

考慮(4)式：

yt=Xtβt+A-1∑εt，t=s+1…n

(4)

其中，βt，At，∑t均為時變參數。

βt+1=βt+μβt

at+1=at+μat

ht+1=ht+μht

其中，βs+1～N(μβ0,∑β0)，as+1～N(μa0,∑a0)，hs+1～N(ha0,∑h0)。

(二)貝葉斯DCC-GARCH模型

考慮多元時間序列yt=(y1t,…ykt)′的GARCH模型：

定義CCC(constant conditional correlation)模型：

Ht=DtRDt

(5)

其中，ωi>0，αi≥0，βi≥0，αi+βi<1，i=1…k。該模型包含k(k+5)/2個參數，且當且僅當hii,t>0，i=1…k且R為正定時，Ht為正定。

通過允許條件相關系數矩陣隨時間變化而變化，Engle(2002)提出了更加一般化的CCC模型，即DCC(dynamic conditional correlation)模型，借鑒Engle(2002)和Fioruci等(2014)，在Ht=DtRtDt中：

Rt=diag(Qt)1/2Qtdiag(Qt)1/2

(6)

其中Qt為k×k對稱正定矩陣，

(7)

條件似然函數為：

其中pε是εt的聯合密度函數，模型參數集為：

θ=(ω1,α1,β1,…,ωk,αk,βk,p12,…,pk-1,k)

本文選用貝葉斯方法進行研究，由于金融時間序列存在明顯的后尾現象，在指定分布時選用誤差項具有偏度和后尾特性的GED分布(一種多元指數冪分布)對DCC模型進行估計，其標準單變量的概率密度函數為：

(8)

峰度由Γ(1/δ)Γ(5/δ)/Γ(3/δ)2-3給出，其中當δ=2時標準正態分布，當δ<2時是尖峰分布，當δ>2時尾部更薄。Gómez et al(1998)拓展出多元模型，由于其邊際分布和絕對矩很難求得，故此處使用k個獨立隨機變量的聯合分布，使得上式給出的邊際密度有共同的尾部參數δ，聯合密度函數：

(9)

(10)

圖1 TVP-SV-VAR模型參數的估計結果

三、實證分析

(一)TVP-SV-VAR模型的實證分析

本文將模型的變量順序設定為銀行信貸量(CM)、房產價格(HP)和經常賬戶余額(CA)②，利用Oxmetrics6.2對TVP-SV-VAR模型進行處理，MCMC抽樣為10000，模型滯后期設為2。

1.參數回歸結果分析。表1的模型參數估計結果表明在5%的顯著性水平下無法拒絕Geweke檢驗的原假設，無效影響因子最大值為73.19，由此可見本文運用MCMC算法對模型參數的估計是有效的。圖1包含了樣本的自相關系數、模擬路徑以及驗后分布，剔除預燒期的樣本之后∑β、∑α、∑h自相關系數均收斂，這表明樣本取值方法能有效產生不相關的樣本，模擬較為有效。

表1 TVP-SV-VAR模型的估計結果

2.時變脈沖響應分析。由TVP-VAR模型可以得出兩種不同的脈沖響應圖，一種是時點型的脈沖響應，另一種是時段型的脈沖響應圖。圖2和圖3分別反映了這兩類不同的脈沖響應， 其中圖2是在不同時點上形成的脈沖響應，隨機選取時點分別是2005年2月、2009年4月與2013年6月，圖3是不同提前期的一單位標準正向沖擊形成的脈沖響應，提前期分別設置為1、3和5期。

(1)不同時點的脈沖響應時變特征分析。如圖2所示，房產價格和經常賬戶余額對銀行信貸在三個不同時點上的脈沖響應并不一致。具體而言，雖然在三個時點上房產價格的響應值均位于正值區間，但對于2005年2月和2009年4月的銀行信貸沖擊，房產價格均在第2期達到最大值，而后逐步下降；而對于2013年6月的銀行信貸沖擊，房產價格在第1期迅速達到最大值，而后快速下降在第2期達到最小值，隨后再次微弱上升，而后下降，逐漸接近于0。2009年4月經常賬戶余額對銀行信貸的脈沖響應結果與2005年2月以及2013年6月的脈沖響應結果大為不同。對于2005年2月和2013年6月的銀行信貸沖擊，經常賬戶余額的脈沖響應迅速下降為負值，而后逐步回升，在第3期變為正值，隨后逐漸接近于0；而對于2009年4月的銀行信貸沖擊，經常賬戶余額的響應值恒為負，且其當期即做出反應，迅速下降，在第3期將至最小值，而后逐漸上升并在第10期接近于0。

銀行信貸在三個不同時點上對房產價格沖擊的脈沖響應函數變化趨勢是相似的，銀行信貸對房產價格沖擊當期就做出反應，迅速上升并在第2期達到最大值，而后逐步變小。2009年4月經常賬戶余額對房產價格的脈沖響應結果，與2005年2月以及2013年6月的結果并不相同。對于2005年2月和2013年6月的房產價格沖擊，經常賬戶余額的脈沖響應迅速下降為負值，而后逐步回升，在第3期變為正值。對于2009年4月的房產價格沖擊，經常賬戶余額的響應值恒為負，且其當期即做出反應，迅速下降，在第1期將至最小值，而后逐漸上升在第13期接近于0。

圖2 不同時點沖擊的脈沖響應

銀行信貸和房產價格對經賬戶余額沖擊在三個不同時點上的脈沖響應函數變化趨勢是相似的。其中，銀行信貸對經常賬戶余額沖擊當期就做出反應，迅速下降并在第1期達到最小值，而后又迅速上升并在第3期達到最大值，隨后逐步變小；房產價格對經常賬戶余額沖擊當期就做出反應，迅速上升并在第3期達到最大值，而后逐漸下降。

(2)不同提前期的脈沖響應時變特征分析。圖3是提前1期、3期與5期的一單位標準正向沖擊形成的脈沖響應。觀察圖3可以發現三個不同提前期沖擊的脈沖響應總體相似，但不同提前期沖擊形成的脈沖響應在方向上存在差異。

如圖3所示，無論是提前1期、3期還是5期，房產價格對銀行信貸沖擊的脈沖響應趨勢十分相似且表現為正值。從提前1期脈沖響應看，銀行信貸對房產價格的影響在2013年達到最大值，隨后逐漸縮小。經常賬戶余額對銀行信貸沖擊的脈沖響應值絕大部分為負，從提前1期脈沖響應來看，在2009年之后銀行信貸對經常賬戶余額的影響逐漸增強。銀行信貸對房產價格沖擊的脈沖響應值絕大部分為正，從提前1期脈沖響應來看，房產價格對銀行信貸的影響程度較大且非常平穩。從提前1期脈沖響應看，經常賬戶余額對房產價格沖擊的滯后響應恒為負值，且在2010年左右達到最小值。銀行信貸對經常賬戶余額沖擊的響應幾乎為直線，這表明經常賬戶余額沖擊對銀行信貸的影響較為平穩；房產價格對經常賬戶余額沖擊的脈沖響應在2015年之前恒為正值，但在2015年之后變為負值。

至此，本文考慮到我國正處于經濟結構、政策偏好等發生重大改變的現實背景下，選用TVP-SV-VAR模型對銀行信貸、房產價格與經常賬戶余額的內在作用和傳導機制進行了較為詳細的分析。為了進一步分析三者之間的動態相關性，我們選用貝葉斯DCC-GARCH模型對銀行信貸、房產價格與經常賬戶余額的動態關聯系數進行測度。

圖3 不同提前期沖擊的脈沖響應

(二)貝葉斯DCC-GARCH模型的實證分析

1.相關檢驗。J-B 檢驗顯示銀行信貸、房產價格和經常賬戶余額三序列并不服從正態分布。此外，，三序列的波動隨著時間的變化出現明顯的集聚性，適合進行ARCH 類模型建模。

表2 相關序列J-B檢驗和單位根檢驗結果

2.模型估計結果。采用貝葉斯DCC-GARCH模型分析銀行信貸、房產價格和經常賬戶余額三者之間的動態關聯性，表3給出了模型的實證結果。其中，參數γ測度是銀行信貸、房產價格和經常賬戶余額的偏度，γ>1表示為右偏態，否則為左偏態；ω為模型方差方程的常數項，α、β分別為方差方程的ARCH項和GARCH項系數，需滿足α+β<1，且兩者之和越接近于1波動的衰減速度越慢。此外，υ衡量拖尾分布是否適用于誤差項；a、b及兩者之和用以檢測是否應選用DCC模型，若a+b=0，則表明宜采用CCC模型，若a+b≠0則說明采用DCC模型更為合理。觀察表3可以發現所有回歸方程均滿足α+β<1的約束條件，參數υ在均值回歸和分位數回歸模型中均大于2，表明誤差項存在拖尾效應。此外，a+b=0.9822-0.9870且均值和高位分數回歸所得結果大于0.1，采用DCC模型進行分析是合理的。

表3 貝葉斯DCC-GARCH模型蒙特卡洛估計結果

從模型估計結果可以看出銀行信貸、房產價格和經常賬戶余額的波動具有非對稱性特征，其中銀行信貸和經常賬戶余額呈現明顯的右偏態，而房產價格則呈現出左偏態。左偏態代表序列波動落在均值右側的概率更高，而右偏態則說明落于均值左側的概率更高。假定波動幅度為風險，則左偏態表示市場風險更大。從波動的非對稱性可知銀行信貸和經常賬戶余額的波動風險相對較小，房產價格波動的風險相對較大。此外，三序列的α+β之和均在0.71以上，觀察表3可知隨著分位數的不斷增大，α+β值亦不斷增加。具體而言，銀行信貸在分位數為2.50% 、25.00% 、50.00%、75.00%和97.50%時，其對應的α+β值分別為0.9506、0.9516、0.9545、0.9578和0.9620，而房產價格和經常賬戶余額對應的指標分別為0.7350、0.7485、0.7574、0.8052和0.8258；0.7190、0.7246、0.7305、0.7740 和0.7854。隨著分位數的不斷升高，序列的波動逐漸加劇且波動的衰減速度逐漸放緩。

3.動態關聯系數分析。圖4至圖6分別為運用貝葉斯DCC-GARCH模型測算出的銀行信貸和房產價格、銀行信貸和經常賬戶余額、房產價格和經常賬戶余額的動態關聯系數圖，觀察圖4至圖6可以得出如下幾點結論：

第一，銀行信貸與房產價格之間的動態關聯系數恒為正值，在0.0369-0.9623之間變化。從時間趨勢上來看，除極個別月份之外，自2001年至2007年銀行信貸與房產價格之間的關聯系數呈上升趨勢，而在2007年至2008年二者之間的關聯系數呈現出下降趨勢。自2009年伊始，銀行信貸與房產價格的關聯系數急速回升。此后，銀行信貸與房產價格之間的動態相關系數分別在2010年、2013年和2016年出現峰值。眾所周知我國房價在2010年、2013年和2016年均出現了“暴漲”現象，這從側面印證了銀行信貸與房產價格緊密相關，銀行信貸的刺激可以顯著推動房產價格的上漲。此后，二者間的關聯系數走勢趨于平緩，從2016年下半年開始呈現下降趨勢，這表明“金融去杠桿”使得信貸與房產價格的關聯性逐漸降低。

第二，銀行信貸與經常賬戶余額的動態關聯系數恒為負值，在-0.5327至-0.0874之間變化，且波動幅度逐漸增大，由此可見，銀行信貸與經常賬戶余額之間負相關，說明在整個樣本期間銀行信貸的激增會抑制經常賬戶余額的積累。從時間趨勢上來看，除2003年、2010年、2011年和2013年的極個別月份銀行信貸和經常賬戶余額的關聯系數較低之外，自1998年至2017年間的絕大多數樣本期，該值在-0.2至-0.1區間徘徊，但大體上呈現下降趨勢，這表明，銀行信貸與經常賬戶余額間的負向相關性較為穩定。

第三，房產價格與經常賬戶余額之間的動態關聯系數恒為負值，在-0.1325至-0.0469之間變化，由此可見，房產價格與經常賬戶余額之間呈現負向相關性，這表明房產價格的上漲會抑制經常賬戶余額的增加。從時間趨勢上來看，自2001年至2015年房產價格與經常賬戶余額的關聯系數大體上呈現下降趨勢，尤其是在2006年至2015年期間，下降趨勢較為明顯；而在2015年至2017年，二者間的關聯系數呈現微弱的上升趨勢。可以認為，隨著我國房地產市場的蓬勃發展，房產價格的快速上漲，其在一定程度上會削弱經常賬戶盈余的積累，這種抑制作用隨著時間的推移逐漸顯現。

圖4 銀行信貸和房產價格的動態關聯系數圖

圖5 銀行信貸和經常賬戶余額的動態關聯系數圖

圖6 房產價格和經常賬戶余額的動態關聯系數圖

在銀行信貸、房產價格和經常賬戶余額三者之間，觀察圖4至圖6可以發現銀行信貸與房產價格之間的關聯程度最高，銀行信貸與經常賬戶余額間的關聯程度次之，而房產價格與經常賬戶余額的關聯程度最低。此外，三者之間的動態相關性是較為穩定的：銀行信貸與房產價格之間呈現正向相關性，銀行信貸與經常賬戶余額以及房產價格與經常賬戶余額之間則呈現出負向相關性，這說明銀行信貸的增加在現階段會推高房產價格的上漲但會抑制經常賬戶余額的積累，而房產價格的持續上漲則會使得經常賬戶順差逐漸減少。

四、結論及建議

房產價格持續快速上漲和經常賬戶余額波動加劇引發學界和實務界越來越多的關注和擔憂，本文通過構建兼具時變和隨機波動特征的TVP-SV-VAR模型分析近年來我國銀行信貸、房產價格與經常賬戶余額之間的作用和傳導機制。結果表明銀行信貸的增加可以顯著推高房產價格，減少經常賬戶盈余；房產價格的上漲會刺激銀行信貸擴張，削弱經常賬戶余額；經常賬戶余額的積累則會減少銀行信貸量，抑制房產價格上漲。另外，本文采用DCC-GARCH模型探討了銀行信貸、房產價格與經常賬戶余額的動態相關性，結果表明三者之間銀行信貸與房產價格之間呈現正向相關性且關聯程度最大，銀行信貸與經常賬戶余額之間表現為負向相關性，關聯程度次之，而房產價格與經常賬戶余額之間表現為負向相關性且關聯程度最小。

當前中國正處于經濟轉型升級的關鍵階段，保持經常賬戶的相對穩定至關重要；同時，對外貿易面臨的負外部性逐漸加劇，“貿易戰”大有“山雨欲來風滿樓”之勢，加之國內房產價格的持續迅速上漲不僅導致居民負債壓力增大、生活水平下降，還在一定程度上導致信貸部門不良貸款率惡化，以上這些因素均不利于中國經濟增長方式實現轉型升級。本文的研究結果表明銀行信貸、房產價格與經常賬戶余額三者之間存在緊密的聯系，銀行信貸的激增可以推動房產價格持續高企和大幅減少經常賬戶盈余。因此，為了實現經濟體內外均衡增長，政府在維持經常賬戶穩定和制定房價調控政策時應充分考慮銀行信貸的潛在影響，尤其是在對實體經濟部門和金融部門的去杠桿改革進程中需加強對于銀行信貸的管理，綜合運用貨幣政策和宏觀審慎政策切實管住銀行信貸量的總閘門，以實現新常態下的宏觀經濟均衡平穩發展。

注釋：

① 原始數據來源于國家統計局官方網站，最終結果由作者計算所得。

② 本文選取2001年1月至2017年12月的相關數據進行實證分析，銀行信貸量和經常賬戶余的原始數據分別來源于中國人民銀行官方網站和wind宏觀經濟數據庫；此外，利用國家統計局官方網站公布的商品房銷售額與商品房銷售面積計算出商品房價格。