中國金融穩定性與土地價格動態關系研究

張帥 秦夢 張少萍

摘? ?要：本文運用拔靴全樣本和子樣本滾動窗口因果關系檢驗方法，研究了我國金融穩定性與土地價格之間的動態因果關系。實證結果表明，金融穩定性提高會導致土地價格上漲;但過高的土地價格卻會引起金融穩定性的降低。此外，金融穩定性與三種類型土地價格之間的相互作用與土地整體價格互動關系略有不同，但大致相似;金融穩定性與商業和住宅用地價格的交互影響程度高于與工業用地價格間的影響程度。了解金融穩定性與土地價格相互作用的傳導機制，有助于在防止土地價格過度擴張的同時，制定相關政策，維護我國金融市場穩定。

關鍵詞：金融穩定性;土地價格;因果關系;拔靴滾動窗口檢驗

中圖分類號：F830.2? 文獻標識碼：A 文章編號：1674-2265（2020）08-0020-08

DOI：10.19647/j.cnki.37-1462/f.2020.08.003

一、引言

金融穩定是經濟社會可持續發展的關鍵。歐洲中央銀行（ECB）將金融穩定定義為金融系統能夠承受沖擊并解決金融失衡的一種條件（Fell，2005）[1]。而Mishkin（1999）[2]、Allen和Wood（2006）[3]則從原因、類型、后果等方面定義了金融不穩定。由于定義的不同，對于金融穩定性的衡量一直是一個難點。對于金融穩定性的描述，僅用單一指標來表示具有一定的不可靠性，Morales和Estrada（2010）[4]、王相寧和曾思韶（2019）[5]等學者均選擇一系列指標，通過加權求和構建一個綜合指標對金融穩定性進行衡量。新興市場更容易受到外部沖擊，Ma?kowiak（2007）[6]研究表明，相關貨幣政策會對典型新興市場的價格水平與實際產出產生影響。作為具有代表性的新興市場，我國金融體系的發展仍處于不完善的階段（Wahed，2017）[7]，研究影響金融穩定性的因素具有一定的實踐意義。

而土地價格則是土地市場運行的重要指標之一，可以被用來分析土地市場的供求狀況，優化土地資源配置（Hu等，2016）[8]。土地價格可以反映出一個國家的經濟和社會的運行狀態（Liu等，2012）[9]，合理的地價更是在推動產業結構升級、促進經濟增長中起著不可或缺的作用（曾國安和馬宇佳，2019）[10]。然而，卻鮮有關于金融穩定性與土地價格之間相互關系的研究。本文試圖從金融穩定性與土地價格之間的關系入手展開研究，為相關政府部門提供借鑒。

二、文獻綜述與理論假設

（一）文獻綜述

關于金融穩定性與土地價格相互作用的研究較少。相關研究主要集中于以下四個方面：

1. 金融穩定與物價穩定。物價穩定和金融穩定性是影響經濟發展的重要因素?；诖丝紤]，國內外大部分學者在展開研究時，多集中于維護物價穩定和金融穩定的貨幣政策目標選擇與傳導機制（Bernanke和Mishikin，1997;朱恩濤等，2016）[11，12]。對于金融穩定與物價穩定之間的相互作用關系，國內外學者尚存在分歧。以Schwartz（1995）[13]為代表的學者認為兩者呈正相關關系;Boyd等（2001）[14]等研究則認為物價穩定并不是促進金融穩定的充分條件;王自力（2005）[15]通過建立投資—通脹模型，分析得出金融穩定與物價穩定之間存在短期沖突性和長期一致性。大量的實證研究證明了兩者之間并不是簡單的正負相關關系。例如，熊海芳和趙亞汝（2015）[16]使用DCC-MARCH模型對我國金融穩定與價格穩定間的動態關系進行分析，認為金融穩定與物價水平之間的關系會隨著物價變化而產生變化，并且會受到利率的影響;Fazio等（2018）[17]通過對1998—2014年期間66個國家的銀行數據進行實證檢驗，得出通脹目標與金融穩定性之間的關系呈倒U形的結論。

2. 金融穩定性與房地產市場。金融市場的穩定性與房地產市場聯系密切，乃至于部分學者在構建金融穩定性指數時，將國房景氣指數、商品房銷售價格指數等因素納入指標體系（劉曉欣和雷霖，2017）[18]。Mishkin（1999）[2]、Herring和Wachter（1999）[19]分別從信息不對稱、危機短視和不正當激勵等角度證明了房地產市場的繁榮會對金融市場的穩定性造成負向沖擊。國內外大量學者通過構建不同實證模型，也得出了相似的結論：Pan和Wang（2013）[20]利用PMG估計方法研究美國房地產市場與金融市場穩定性的關系，發現房價變化和房價偏離對金融穩定性具有負向影響，且這種影響與收入有關;徐榮等（2017）[21]利用SVAR模型對我國房價波動與金融風險的關系展開研究，發現房價的大幅上漲會引起我國系統性金融風險增加。總結以上研究發現，關于金融穩定性與房地產市場的研究主要聚焦于房產價格對金融穩定性的單向影響。

3. 房地產價格與土地價格。關于房地產價格和土地價格間的因果關系，學界并未達成共識，主要有以下三種觀點：一是土地價格推動房地產價格，如Sulliva（2000）[22]基于均衡理論，從引致需求的角度解釋了房價過高可以歸因于地價過高;潘愛民和韓正龍（2012）[23]基于我國省域面板數據，證明土地價格無論在長期還是短期均會對房地產價格產生正向效應。二是房地產價格推動土地價格，如Oikarinen（2014）[24]利用VEC模型對芬蘭房價與地價關系進行實證，發現房價的變動會對土地價格產生影響;張浩和李仲飛（2016）[25]應用隨機效應模型對我國2004—2013年數據進行研究，表明房價預期對土地價格產生正向影響。三是兩者互為因果關系，如Altuzarra和Esteban（2011）[26]對西班牙的地價和房價進行Granger因果檢驗，發現兩個市場間存在雙向關系等。

4. 金融市場對土地價格的影響。國內外學者關于兩者相互作用的研究較少，多數研究均從金融市場對土地價格的影響展開分析。例如，Awokuse和Duke（2010）[27]利用VAR模型方差分解方法，證明了利率和房地產債務對土地價格的影響極其顯著;Rajan和Ramcharan（2012）[28]發現，信貸投放規模的增加會直接引起土地價格的上升，尤其是在次貸危機期間，信貸投放規模較大的地區，土地價格的增幅也更大。

總結既有研究可以發現，金融穩定性會對土地價格產生影響，同時金融穩定性、房地產價格和土地價格之間兩兩關系密切。但鮮有學者對金融穩定性與土地價格之間的動態因果關系直接展開研究?；谶@一研究現狀，本文運用拔靴滾動窗口因果檢驗方法來檢驗二者間的因果關系;鑒于土地可以被細分為商業、住宅和工業用地，考察了這三種土地價格與金融穩定性之間的動態因果關系。

（二）理論假設

金融穩定對土地價格的傳導機制可以從直接影響和間接影響兩個方面進行分析：一方面，金融穩定可以增強投資者信心（Gollier，2008）[29]并直接增加對土地的需求，從而提高土地價格;另一方面，隨著金融穩定性的增加，人們對風險的謹慎性動機下降，投資意愿上升，這必然會加大對房地產這一重要投資品的需求，推動房地產價格的上升，間接帶動土地價格上升。以我國房地產市場為例，土地價格是房價的重要組成部分之一，兩者相互影響，隨著房價的上漲土地價格也會增加（陳曉川和楊海艷，2013）[30]。隨著金融體系與監管體系不斷完善，金融穩定性也隨之逐步提高，這會引起人們對住房需求的增加，導致房價進一步上漲，并拉動土地價格的同步上升。

基于以上分析，提出假設1：金融穩定性的上升會引起土地價格的上升。

關于土地價格對金融穩定的影響，有兩種截然不同的觀點：一種觀點是土地價格變化會引起金融穩定性的同向變化。這一觀點認為，土地或地產價格的下降會導致抵押品價值下降，抵押人償還債務的意愿變小，導致償還貸款違約率升高，這無疑會阻礙金融體系的穩定發展。另一種觀點是土地價格變化會引起金融穩定性的反向變化。這一觀點認為，當土地或地產價格上漲時，購買者會更加偏向于向金融機構貸款，增加金融機構的信貸壓力;此外，購買者可能會選擇從游離于監管之外的非正式金融機構借款，由此導致的巨額貸款和較高的信用壓力，以及監管的不完善，都阻礙了金融體系的穩定發展。我國房價一直保持較快的增速，購房者需要負擔高額的貸款，然而購房需求卻仍在不斷增加。正規金融機構為了降低償債違約率，對貸款人的貸款審查非常嚴格，導致一些購房者轉向具有更大金融風險的非正規金融機構進行貸款。據此，本文更傾向于第二種觀點。

基于以上分析，提出假設2：土地價格的上升會引起金融穩定性的下降。

三、模型構建

本文引入拔靴子樣本滾動窗口因果檢驗方法來檢驗兩者之間的因果關系。以下為模型介紹：

（一）拔靴全樣本因果關系檢驗

在基于傳統VAR模型的格蘭杰因果關系檢驗中，檢驗統計量可能并不服從標準的漸近分布，導致檢驗結果失真。為了克服這個問題，本文使用基于RB修正LR統計量來檢驗金融穩定性與土地價格之間的因果關系，構建雙變量VAR（p） 模型如下：

其中，[εt=（ε1t，ε2t）']是一個具有零均值和常方差白噪聲。[X1t]和[X2t]分別表示金融穩定性和土地價格。[βij（L）=k=1pβij，kLk]，[i=1，2]，[j=1，2]，L是滯后因子，即有[LkXt=Xt-k]。如果[β12，k=0]，[k=1，2，……，p]，則土地價格變化不是金融穩定性變化的格蘭杰原因的原假設可以被接受;如果這個原假設被拒絕，則土地價格是我國金融穩定的一個重要原因;金融穩定性變化是否是土地價格變化的格蘭杰原因同理。

（二）參數穩定性檢驗

在全樣本因果關系檢驗中，通常假定參數不存在結構性變化，但在現實中這一假設通常無法滿足，此時運用全樣本因果檢驗是不合理的?；诖耍捎肧up-F、Ave-F和Exp-F檢驗確保全樣本因果關系分析的可靠性。其中，Sup-F被用來測試突發的結構性變化，Ave-F和Exp-F則被用于檢驗參數是否會隨時間推移而逐漸變化。如果參數存在結構性變化，則應采用拔靴子樣本滾動窗口檢驗方法來檢驗金融穩定性與土地價格之間的動態因果關系。

（三）拔靴子樣本滾動窗口因果關系檢驗

子樣本滾動窗口檢驗方法是指將全樣本按照等寬分割成多個子樣本，并對每個子樣本進行因果檢驗。具體步驟如下：在時間序列長度[T]中設置樣本長度為[l]的子樣本，同時每個子樣本的末端為l，[l+1，…，T]，共得到[T-l+1]個子樣本。根據基于RB的修正LR因果關系檢驗方法，將每一個子樣本觀測到的概率值p和LR統計量按時間順序進行統計，得到子樣本滾動窗口的因果檢驗結果。式（2）描述了土地價格對金融穩定的影響：

其中 Nb表示拔靴實驗重復次數，[β*12，k]是根據式（1）中VAR模型計算所得的拔靴估計量，金融穩定性對土地價格的影響同理。為了保證檢驗的準確性，本文采用90%置信區間，去除過大或過小的值。

四、實證研究

（一）指標與數據介紹

1.? 金融穩定性指標構建。采用主成分分析法構建綜合評價指標對金融穩定性進行測度，從金融機構、金融市場、金融體系、抵御外部沖擊能力、宏觀經濟環境等五個方面，共選取15個指標，以2003年第四季度至2019年第三季度作為研究樣本，構建金融穩定性綜合評價指標，記為FS。所選指標數據除實際人民幣有效匯率指數來源于國際清算銀行（BIS）官網外，其他數據均來源于萬得數據庫。具體指標體系如表1所示。

需要特別說明的主要有以下幾點：第一，考慮到房地產市場與土地市場的緊密關聯性，在構建金融穩定性指標時，未將代表房地產市場情況的國房景氣指數、商品房銷售價格指數等指標納入;第二，不同于西方國家，我國金融機構主要以銀行為主，因此在選取描述金融機構的指標時只包含了代表銀行業務的指標;第三，為剔除季節性因素的影響，本文對所有指標進行了季節性檢驗，將存在季節性的存貸比等8個指標進行了Census-X12季節性調整。

根據主成分分析所得到的各成分的方差貢獻率和累計貢獻率，前4個成分的累計貢獻率為86.612%，大于85%，因此可采用前4個主成分代表金融穩定性水平。按照各成分的方差貢獻率，進行加權平均得到我國金融穩定性綜合指標，其變化如圖1所示。

2. 數據描述與平穩性檢驗。在指標選取方面，金融穩定性指標采用利用主成分分析法構建的綜合評價指標FS表示。根據土地用途，土地價格可以被劃分為四種類型：總體土地價格、商業用地價格、住宅用地價格和工業用地價格，分別表示為LP、CLP、RLP、ILP。樣本區間為2003年第四季度至2019年第三季度，數據來源于萬得數據庫、中國地價監測網和國際清算銀行官方網站。為了消除異方差的影響，對各項指標取其增長率進行分析。

表2給出了金融穩定性和土地價格的描述性統計。FS、LP、CLP、RLP和ILP的均值表明，它們的序列分別集中于0.0750、0.0218、0.0225、0.0305和0.0088;LP、CLP、RLP和ILP的偏度均為正;各項變量均表現為尖峰特征。另外，Jarque-Bera檢驗證明金融穩定性和土地價格具有顯著的非正態分布特征，運用傳統的全樣本格蘭杰因果檢驗方法是不合適的。

為了防止出現“偽回歸”，本文使用ADF檢驗、PP檢驗和KPSS檢驗對數據的平穩性進行檢驗，結果顯示，ADF檢驗和PP檢驗中拒絕了存在單位根的原假設，而在KPSS檢驗中則接受了平穩序列的原假設，可以認為FS、LP、CLP、RLP和ILP均為平穩序列。

（二）FS和LP的動態因果關系分析

1.? 拔靴全樣本因果關系檢驗。本文基于SIC信息準則，選擇最優滯后長度為1。表3給出了基于RB修正的LR統計量全樣本因果關系檢驗結果。結果表明，FS與LP之間無因果關系。金融穩定性不是土地價格變化的格蘭杰原因;反之，土地價格也非金融穩定性變化的格蘭杰原因。

2. 參數穩定性檢驗。為了保證因果檢驗的可靠性，采用Sup-F、Ave-F、Exp-F檢驗方法對FS和LP的參數穩定性進行檢驗，同時使用Lc統計檢驗對整個VAR模型中參數穩定性進行檢驗。

由表4可以看出，Sup-F檢驗顯示，FS和LP在1%顯著性水平下存在結構性變化，VAR模型的參數在5%顯著性水平下存在結構性變化。Ave-F檢驗顯示，在1%顯著性水平下，FS的參數會隨時間而變化;在5%顯著性水平下，LP的參數會隨時間而變化。Exp-F檢驗顯示，在1%顯著性水平下，FS和LP的參數均會隨時間而變化。而對于VAR模型中的參數，Exp-F也被證明在5%水平下顯著，但在Ave-F檢驗中卻不能拒絕原假設。Lc統計量檢驗則顯示，VAR模型在5%的顯著性水平下拒絕遵循一個隨機游走過程的原假設，這表明在上述VAR模型中參數是不穩定的?？傊鲜鰴z驗表明參數具有時變性，也就是說全樣本因果檢驗的結果不具有可靠性，需要引入拔靴子樣本滾動窗口因果檢驗方法來檢驗FS與LP之間的因果關系。

3. 拔靴子樣本滾動窗口因果關系檢驗。使用式（2）中的VAR模型來估計LR統計中的拔靴p值。在滾動窗寬度的選擇上，較大的窗寬可以提高預測準確性，但卻減少了滾動的數量;而較小的窗寬難以保證計算結果的可靠性。Pesaran和Timmermann（2005）[31]提出，如果存在結構性變化，那么滾動窗口寬度不應小于20。為保證檢驗準確性，本文選取滾動窗口寬度為20個季度①。

圖2為金融穩定性FS對土地價格LP影響的p值變化。當p值大于0.1時，說明在10%顯著性水平下接受原假設，FS對LP無顯著影響;當p值小于0.1時，則認為在10%的顯著性水平下，FS對LP影響顯著。從圖中可以看出，在2011年第四季度至2015年第二季度，以及2015年第四季度至2018年第四季度，金融穩定性FS對土地價格LP存在顯著影響。

圖3描繪了FS對LP的影響方向和大小。若影響系數大于0，則說明具有正向影響;若影響系數為負數，則說明具有負向影響。從圖中可以看出，自2011年以來，金融穩定性FS一直對土地價格LP產生正向影響，假設1得證。這是因為我國面對金融危機，采取一系列有效措施，金融危機影響逐步減弱，金融穩定性逐步增加，加之金融機構不斷增加信貸投放支持，監管體系愈加完善，種種條件都為投資者創造了良好的投資環境。此外，國務院發布相關政策，對民間投資給予正確指導和有力支持。良好的投資環境和政府對民間投資的引導支持，為投資市場注入了新的活力，吸引了大量投資，對土地的需求也隨之增加，土地的價格也水漲船高。

圖4為LP對FS影響的p值變化，與上文的分析類似，可以看出，在2010年第一季度之前和2016年第二季度至2018年底，LP對FS有顯著影響，其他時間內LP對FS的影響則不顯著。

由圖5可以看出，在LP對FS具有顯著影響的期間（2010年第一季度之前和2016年第二季度至2018年底），LP對FS產生負向影響，上文所述假設2得證。尤其是2016年第二季度之后，土地價格對金融穩定性的影響極為顯著，而這恰好對應了2016年我國房價空前暴漲的事實，反映出土地價格可以通過房地產市場對金融穩定性產生影響。此后土地價格對金融穩定性的影響逐漸下降，這是因為我國針對房地產行業出臺相關政策，有效抑制了房價泡沫的膨脹，致使土地價格通過房地產市場對金融穩定性產生的影響也有所降低。由此可以看出，房地產市場是土地價格對金融穩定性產生負向沖擊的重要傳導途徑。

（三）FS與CLP、RLP、ILP互動關系實證結果

本文試圖進一步探究金融穩定性對不同用途土地價格的不同影響，以及不同用途土地價格對金融穩定性的不同影響，這就需要分別檢驗金融穩定性FS與商業用地價格CLP、住宅用地價格RLP以及工業用地ILP之間的因果關系及其相互影響的大小和方向。限于篇幅限制，且考慮到檢驗過程與上文中對于FS和LP分析過程相同，本文只列出子樣本滾動窗口因果關系檢驗的拔靴p值和影響系數。

圖6和圖7分別描繪出FS對三種類型土地價格影響的顯著程度、方向和大小。從圖中可以看出，金融穩定性對三種類型土地價格的影響與金融穩定性對土地總體價格影響相似。在2011年第一季度至2015年第二季度，及2017年第三、四季度，FS對商業用地價格CLP有顯著影響，并且這種影響是正向的;在2010年第四季度至2019年第三季度，FS對住宅用地價格RLP同樣有著顯著的正向影響;在2009年第一季度至2014年第三季度，FS對工業用地價格ILP有顯著影響，且影響為正。

圖8和圖9分別描繪出三種類型土地價格對FS影響的顯著程度、方向和大小。從圖中可以看出，在2009年第一季度至2010年第一季度、2010年第三季度和2015年第一季度至2017年第四季度，商業用地價格CLP對FS有顯著影響，且影響是負向的;在2009年第一季度至2010年第一季度、2016年第二季度至2019年第一季度住宅用地價格RLP對FS有顯著負向影響;而工業用地價格ILP對FS僅在2009年第一季度至2010年第一季度具有較小的負向影響。

通過對以上三種類型土地價格與金融穩定性互動關系的比較，金融穩定性對三種類型土地價格都起到正向的推動作用，且對商業用地價格和住宅用地價格的這種推動作用大于對工業用地;從土地價格對金融穩定性影響方面來說，商業用地價格和住宅用地價格對金融穩定性產生的負向沖擊較大，而工業用地價格對金融穩定性雖然影響同樣為負，但其影響顯著的時期較短且影響接近于0。這是因為工業用地主要集中在郊區或靠近郊區的位置，價格相對較低;商業用地則主要集中在城市內部，價格相對較高;而我國房價上漲的一個重要原因是住宅用地價格過高。隨著土地價格的升高，金融機構面臨的信貸壓力也會越來越大，違約率也會隨之上升，也即較高土地價格的類型對金融穩定性影響更為顯著。

五、結論與對策建議

本文基于2003年第四季度至2019年第三季度的季度數據，通過主成分分析法構建金融穩定性指標，全面描述我國金融穩定發展狀況;而后，運用拔靴全樣本和子樣本滾動窗口因果關系檢驗方法對我國金融穩定性和土地價格之間的因果關系展開分析。本文主要結論如下：第一，金融穩定性是土地價格變動的一個重要影響因素，對其產生正向影響，而土地價格同樣是影響金融穩定性的重要因素，但對金融穩定性產生負面影響。第二，通過分析三種類型土地價格與金融穩定之間的因果關系，發現商業和住宅用地價格相較于工業用地價格，與金融穩定相互影響程度更大。

基于本文結論，在供給側結構性改革持續推進、經濟轉型升級的背景下，相關政府部門需要重視金融穩定性和土地價格之間的互動關系：

首先，為維護并促進金融穩定性的提高，應嚴格把控土地價格增速，將其控制在合理區間內，科學合理地調整土地供給結構，防止過度上漲的土地價格對金融穩定性造成劇烈的負向沖擊。

其次，要協調好維護金融穩定和經濟穩增長間的關系，應加強對房地產信貸業務的監管，有效發揮金融服務實體經濟的作用，避免過量資金流入房地產市場，造成房地產與實體經濟的結構性失衡，引起土地價格上漲，威脅金融穩定。

最后，要特別注重房地產市場這個重要的影響渠道。雖然房地產市場會對經濟增長起到一定的帶動作用，但同時也要謹防房地產價格過高，放大土地價格增加對金融穩定性造成負向沖擊的情形?；诖?，應平抑房地產價格尤其是商業用房和住宅價格，嚴防房地產市場供求和價格出現巨幅波動。

注：

1為了驗證檢驗結果的可靠性，本文還使用24個季度、28個季度和32個季度的滾動窗口寬度來研究因果關系，其結果與20個季度的滾動窗口寬度基本一致。

參考文獻：

[1]Fell，J. 2005. Assessing Financial Stability：Exploring the Boundaries of Analysis [J].National Institute Economic Review，192（1）.

[2]Mishkin，Frederic S. 1999. Global Financial Instability：Framework，Events，Issues [J].Journal of Economic Perspectives，13（4）.

[3]Allen W A，Wood G. 2006. Defining and Achieving Financial Stability [J].Journal of Financial Stability，2（2）.

[4]Morales M A，Estrada D. 2010. A Financial Stability Index for Colombia [J].Annals of Finance，6（4）.

[5]王相寧，曾思韶.金融包容性對收入差距和金融穩定性的影響——基于“一帶一路”沿線43個國家的面板數據 [J].經濟與管理研究，2019，40（4）.

[6]Bartosz，Ma?kowiak. 2007. External Shocks，U.S. Monetary Policy and Macroeconomic Fluctuations in Emerging Markets [J].Journal of Monetary Economics.

[7]Wahed M S. 2017. Chinas Financial System：Resolving the Constraints for Sustained Growth [J].Strategic Change，26.

[8]Hu S，Yang S，Li W，et al. 2016. Spatially Non-Stationary Relationships Between Urban Residential Land Price and Impact Factors in Wuhan City，China [J].Applied Geography，68（68）.

[9]Liu，Z.，and W. T. Zha. 2013. Land-Price Dynamics and Macroeconomic Fluctuations [J].Econometrica，81.

[10]曾國安，馬宇佳.土地價格對城市產業結構升級的影響研究——基于全國105個地級及以上城市數據的實證分析 [J].宏觀經濟研究，2019，（6）.

[11]Bernanke B S，Mishkin F S. 1997. Inflation Targeting：A New Framework for Monetary Policy？ [J].Journal of Economic Perspectives，11（2）.

[12]朱恩濤，翁玉穎，張小雅.關于物價穩定與金融穩定協調的理論分析 [J].商業經濟研究，2016，（6）.

[13]Schwartz，A. J. 1995. Systemic Risk and the Macroeconomy， in G. Kaufman，ed.，Banking， Financial Markets， and Systemic Risk [W].Vol 7，Research in Financial Services，Private and Public Policy.Greenwich，Connecticut，Jai Press，19-30.

[14]Boyd J H，Levine R，Smith B D. 2001. The Impact of Inflation on Financial Sector Performance [J].Journal of Monetary Economics，47（2）.

[15]王自力.金融穩定與貨幣穩定關系論 [J].金融研究，2005，（5）.

[16]熊海芳，趙亞汝.價格穩定、貨幣與金融穩定的關聯性研究 [J].投資研究，2015，34（10）.

[17]Fazio D M，Silva T C，Tabak B M，et al. 2018. Inflation Targeting and Financial Stability：Does the Quality of Institutions Matter？ [J].Economic Modelling，S0264999317304820.

[18]劉曉欣，雷霖.金融杠桿、房地產價格與金融穩定性——基于SVAR模型的實證研究 [J].經濟學家，2017，（8）.

[19]Herring R J，Wachter S M. Real Estate Booms and Banking Busts：An International Perspective [J].Social Science Electronic Publishing.

[20]Pan H，Wang C. 2013. House Prices，Bank Instability，and Economic Growth：Evidence From the Threshold Model [J].Journal of Banking & Finance，37（5）.

[21]徐榮，郭娜，李金鑫，何齡童.我國房地產價格波動對系統性金融風險影響的動態機制研究——基于有向無環圖的分析 [J].南方經濟，2017，（11）.

[22]Sullivan，O. 2000. Urban Economies，[M].The McGraw-Hill Companies.

[23]潘愛民，韓正龍.經濟適用房、土地價格與住宅價格——基于我國29個省級面板數據的實證研究[J].財貿經濟，2012，（2）.

[24]Oikarinen，E. 2014. Is Urban Land Price Adjustment More Sluggish Than Housing Price Adjustment？ [J]. Empirical Evidence， Urban Studies，l5.

[25]張浩，李仲飛.房價預期、土地價格和房地產商行為 [J].管理評論，2016，（4）.

[26]Altuzarra A，Esteban M. 2011. Land Prices and Housing Prices： The Case of Spain [J].Journal of Housing and the Built Environment，26（4）.

[27]Duke J M，Awokuse T O. 2010. The Casual Structure of Land Price Determinants [J].Canadian Journal of Agricultural Economics，54.

[28]Rajan R，Ramcharan R. 2015. The Anatomy of a Credit Crisis：The Boom and Bust in Farm Land Prices in the United States in the 1920s [J].Nber Working Papers，105（4）.

[29]Jean-Marc Gollier. 2008. The Value of Financial Stability [J].International Finance，11（2）.

[30]陳曉川，楊海艷.我國房價與地價關系的實證分析 [J].武漢理工大學學報（信息與管理工程版），2013，35（3）.

[31]Pesaran M H，Timmermann A. 2005. Small Sample Properties of Forecasts From Autoregressive Models Under Structural Breaks [J].Journal of Econometrics，129.

[32]董迪.區域金融穩定性指數的構建與評估研究[J].武漢金融，2019，（2）.