銀行信貸、市場(chǎng)信心對(duì)資產(chǎn)價(jià)格波動(dòng)的影響研究——基于BVAR模型的反事實(shí)分析視角

丁 華

銀行信貸、市場(chǎng)信心對(duì)資產(chǎn)價(jià)格波動(dòng)的影響研究——基于BVAR模型的反事實(shí)分析視角

丁 華

(安徽財(cái)經(jīng)大學(xué) 金融學(xué)院，安徽 蚌埠 233030)

本文選取2004年8月到2020年8月的中國(guó)宏觀經(jīng)濟(jì)數(shù)據(jù)，構(gòu)建一個(gè)含有信貸指標(biāo)、信心指標(biāo)以及資產(chǎn)價(jià)格指標(biāo)的貝葉斯向量自回歸（BVAR）模型，分析銀行信貸對(duì)資產(chǎn)價(jià)格（股票價(jià)格和房地產(chǎn)價(jià)格）波動(dòng)的影響機(jī)制，并運(yùn)用反事實(shí)分析方法考察市場(chǎng)信心在資產(chǎn)價(jià)格波動(dòng)中的作用。實(shí)證結(jié)果發(fā)現(xiàn)，信貸規(guī)模的擴(kuò)張、信貸利率的降低和寬松的信貸政策能夠刺激投資者大規(guī)模投資，造成資產(chǎn)價(jià)格遠(yuǎn)高于基礎(chǔ)價(jià)格，再加上預(yù)期作用，形成正向反饋激勵(lì)的循環(huán)機(jī)制，最終形成資產(chǎn)泡沫。而且，信貸渠道對(duì)不同的資產(chǎn)價(jià)格波動(dòng)的影響存在差異性。一旦市場(chǎng)信心的因素不加以考慮，信貸對(duì)資產(chǎn)價(jià)格波動(dòng)的影響效果會(huì)明顯減弱。在當(dāng)前經(jīng)濟(jì)增長(zhǎng)放緩的預(yù)期下，容易造成資產(chǎn)價(jià)格出現(xiàn)較大波動(dòng)，因此，政府在實(shí)施信貸政策的同時(shí)更需要注重加強(qiáng)預(yù)期管理。

資產(chǎn)價(jià)格波動(dòng)；信貸擴(kuò)張；市場(chǎng)信心；BVAR模型

一、引言

改革開(kāi)放四十多年來(lái)，資產(chǎn)價(jià)格作為重要的宏觀經(jīng)濟(jì)指標(biāo)，是貨幣政策以及宏觀審慎政策調(diào)控的重要依據(jù)，對(duì)整個(gè)經(jīng)濟(jì)系統(tǒng)和金融系統(tǒng)的穩(wěn)定起著重要作用。長(zhǎng)期以來(lái)，寬松貨幣政策滋生信貸快速擴(kuò)張和資產(chǎn)價(jià)格大幅波動(dòng)，同時(shí)市場(chǎng)樂(lè)觀的情緒過(guò)度蔓延進(jìn)一步加速資產(chǎn)價(jià)格泡沫形成。一旦寬松貨幣政策撤退，就有可能導(dǎo)致資產(chǎn)價(jià)格泡沫破滅。資產(chǎn)價(jià)格劇烈波動(dòng)已構(gòu)成系統(tǒng)性風(fēng)險(xiǎn)的隱患，給實(shí)體經(jīng)濟(jì)發(fā)展造成嚴(yán)重影響[1]。因此，深入剖析資產(chǎn)價(jià)格波動(dòng)的形成機(jī)制，并從信貸視角探討兩者之間相互增強(qiáng)的反饋效應(yīng)，進(jìn)而回答了資產(chǎn)價(jià)格“如何波動(dòng)”，可以一定程度避免“低通脹和高資產(chǎn)價(jià)格”現(xiàn)象的發(fā)生，有效維護(hù)價(jià)格穩(wěn)定和金融穩(wěn)定。

資產(chǎn)價(jià)格波動(dòng)實(shí)際描述的是資產(chǎn)價(jià)格偏離其基本面的現(xiàn)象。隨著20世紀(jì)90年代行為金融學(xué)的蓬勃興起，形成了包括以預(yù)期、信息不對(duì)稱、投機(jī)泡沫（理性泡沫和非理性泡沫）以及資金短缺性為主要因素來(lái)分析資產(chǎn)價(jià)格波動(dòng)（泡沫）形成的研究范式。SHELL和CASS最早在理性預(yù)期的假設(shè)下分析這種來(lái)自外部不確定性的資產(chǎn)價(jià)格波動(dòng)，并稱之為“太陽(yáng)黑子”[2]。徐亞平等從不完全信息和有限理性預(yù)期角度出發(fā)，認(rèn)為資產(chǎn)價(jià)格波動(dòng)會(huì)直接影響公眾預(yù)期，造成投資者依據(jù)資產(chǎn)價(jià)格信息調(diào)整未來(lái)預(yù)期的狀態(tài)是不穩(wěn)定的，容易形成過(guò)度反應(yīng)[3]。BOSI和SEEGMULLER提出資產(chǎn)泡沫產(chǎn)生是由預(yù)期的“自由實(shí)現(xiàn)”以及“自我強(qiáng)化”所導(dǎo)致的[4]。YVRARD和SEEGMULLER認(rèn)為，在信貸市場(chǎng)不完善條件下，以抵押物形式出現(xiàn)的金融資產(chǎn)會(huì)因?yàn)橥顿Y者預(yù)期變化形成泡沫[5]。LENGNICK和WOHLTMANN將公眾學(xué)習(xí)預(yù)期引入動(dòng)態(tài)一般均衡模型（DSGE），分析公眾預(yù)期對(duì)資產(chǎn)價(jià)格波動(dòng)的影響以及最優(yōu)貨幣政策選擇[6]。KAZUO認(rèn)為，預(yù)期模型的均衡路徑實(shí)現(xiàn)依賴于公眾預(yù)期的具體設(shè)定，而且一旦均衡路徑不唯一，外生的不確定性沖擊造成投資者反應(yīng)過(guò)度或者反應(yīng)不足，從而促使資產(chǎn)價(jià)格泡沫形成[7]。

由于研究資產(chǎn)價(jià)格波動(dòng)形成機(jī)制上側(cè)重點(diǎn)不同，國(guó)內(nèi)外學(xué)者對(duì)其影響因素也存在不同觀點(diǎn)，大致分為兩類。第一種觀點(diǎn)認(rèn)為，市場(chǎng)流動(dòng)性直接影響總需求，因而推動(dòng)資產(chǎn)價(jià)格膨脹和波動(dòng)。傳統(tǒng)經(jīng)濟(jì)理論依據(jù)IS-LM模型認(rèn)為，資產(chǎn)價(jià)格中長(zhǎng)期走勢(shì)受到真實(shí)的供給和需求影響，而短期內(nèi)由于供給量難以變化，市場(chǎng)流動(dòng)性就成為資產(chǎn)價(jià)格波動(dòng)的主要推手。當(dāng)流動(dòng)性大幅提升時(shí)，市場(chǎng)對(duì)資產(chǎn)的旺盛需求促使資產(chǎn)價(jià)格上漲。當(dāng)市場(chǎng)流動(dòng)性明顯趨緊時(shí)，投資者會(huì)拋售手中的資產(chǎn)以補(bǔ)充必要的流動(dòng)性，因而資產(chǎn)價(jià)格走勢(shì)下跌。近些年，不少學(xué)者認(rèn)為，中國(guó)人民銀行實(shí)施的擴(kuò)張性貨幣政策導(dǎo)致市場(chǎng)流動(dòng)性充足甚至過(guò)剩，使資產(chǎn)價(jià)格膨脹以至泡沫出現(xiàn)[8]。第二種觀點(diǎn)則認(rèn)為，實(shí)體經(jīng)濟(jì)持續(xù)增長(zhǎng)造成資本市場(chǎng)繁榮。BORDO和WHEELOCK認(rèn)為，美國(guó)股票市場(chǎng)的過(guò)度繁榮與資本、信貸存量有較強(qiáng)相關(guān)性，但資產(chǎn)價(jià)格膨脹主要受總產(chǎn)出和生產(chǎn)率水平等因素影響。只要美國(guó)實(shí)體經(jīng)濟(jì)持續(xù)增長(zhǎng)，貨幣存量也隨之保持快速增長(zhǎng)趨勢(shì)，股票市場(chǎng)就會(huì)持續(xù)繁榮[9]。ASSENMACHER和GERLACH選取17個(gè)樣本國(guó)家長(zhǎng)達(dá)20年的數(shù)據(jù)構(gòu)建向量自回歸模型，發(fā)現(xiàn)貨幣政策雖然可以一定程度抑制資產(chǎn)價(jià)格波動(dòng)，但是實(shí)體經(jīng)濟(jì)才是真正影響資產(chǎn)價(jià)格波動(dòng)的主要因素[10]。

本文基于第一種觀點(diǎn)，從信貸擴(kuò)張視角分析資產(chǎn)價(jià)格波動(dòng)的影響因素。現(xiàn)有文獻(xiàn)尚未發(fā)現(xiàn)利用BVAR模型來(lái)檢驗(yàn)中國(guó)資產(chǎn)價(jià)格波動(dòng)的形成機(jī)制。為了真實(shí)客觀地分析銀行信貸和資產(chǎn)價(jià)格波動(dòng)之間相互反饋的形成機(jī)制，本文選取2004年8月到2020年8月的中國(guó)宏觀經(jīng)濟(jì)數(shù)據(jù)，利用BVAR模型從銀行信貸角度分析資產(chǎn)價(jià)格（股票價(jià)格和房地產(chǎn)價(jià)格）波動(dòng)成因，并利用反事實(shí)分析法對(duì)比和識(shí)別有無(wú)市場(chǎng)信心作用下信貸沖擊對(duì)資產(chǎn)價(jià)格波動(dòng)的影響機(jī)制，通過(guò)銀行信貸擴(kuò)張的視角真實(shí)反映資產(chǎn)價(jià)格波動(dòng)以及風(fēng)險(xiǎn)累積下的泡沫形成機(jī)制。

二、信貸對(duì)資產(chǎn)價(jià)格波動(dòng)的影響機(jī)制分析

考慮到資產(chǎn)價(jià)格可以脫離宏觀基本面所決定的內(nèi)在價(jià)值形成波動(dòng)甚至產(chǎn)生泡沫，這里對(duì)資產(chǎn)泡沫形成直至破滅的整個(gè)過(guò)程分為如下三個(gè)階段：

第一階段表現(xiàn)為正向的外部沖擊產(chǎn)生樂(lè)觀預(yù)期。經(jīng)濟(jì)體受到外部因素的正向沖擊，比如規(guī)模足夠大的技術(shù)創(chuàng)新或經(jīng)濟(jì)、金融制度變革的影響，經(jīng)濟(jì)的整體預(yù)期會(huì)改變，進(jìn)一步促進(jìn)經(jīng)濟(jì)增長(zhǎng)。樂(lè)觀預(yù)期和經(jīng)濟(jì)增長(zhǎng)相互推動(dòng)，使得各類資產(chǎn)價(jià)格不斷脫離基本價(jià)值而上漲。第二階段表現(xiàn)為信貸大幅度擴(kuò)張進(jìn)一步推動(dòng)資產(chǎn)價(jià)格不斷上漲直至形成泡沫。KINDLEBERGER等指出，信貸擴(kuò)張和資產(chǎn)價(jià)格上漲存在互相反饋、螺旋上升的典型特征[11]。在經(jīng)濟(jì)擴(kuò)張的大背景下，實(shí)體經(jīng)濟(jì)的利潤(rùn)上升會(huì)借助預(yù)期效應(yīng)促使金融體系的信貸繼續(xù)擴(kuò)張。大量廠商和投資者通過(guò)信貸擴(kuò)張帶來(lái)的新資金轉(zhuǎn)化為實(shí)物資產(chǎn)和金融資產(chǎn)的有效需求，進(jìn)一步促進(jìn)經(jīng)濟(jì)繁榮。在實(shí)體經(jīng)濟(jì)和虛擬經(jīng)濟(jì)相互擴(kuò)張直至超過(guò)某一臨界點(diǎn)時(shí)，投資者會(huì)在投機(jī)性因素的驅(qū)使下購(gòu)買和變現(xiàn)實(shí)物資產(chǎn)和金融資產(chǎn)。如果這種投機(jī)性活動(dòng)能獲利，便會(huì)吸引更多的投資者加入，資產(chǎn)預(yù)期價(jià)格持續(xù)上漲，最終形成泡沫。第三階段表現(xiàn)為負(fù)向沖擊以及資產(chǎn)泡沫破滅。當(dāng)資產(chǎn)價(jià)格上漲到一定程度，任何一個(gè)意外負(fù)向沖擊（可能是企業(yè)盈利水平的下降，或者沒(méi)有預(yù)期到的宏觀經(jīng)濟(jì)變化）都會(huì)引起投資者對(duì)未來(lái)預(yù)期下降，進(jìn)而持續(xù)拋售資產(chǎn)，資產(chǎn)價(jià)格驟降，并造成市場(chǎng)恐慌。由于整個(gè)金融體系和宏觀經(jīng)濟(jì)表現(xiàn)出過(guò)度負(fù)債和難以為繼的現(xiàn)狀，一旦沒(méi)有及時(shí)準(zhǔn)確的宏觀政策應(yīng)對(duì)措施，將會(huì)出現(xiàn)“債務(wù)—緊縮”現(xiàn)象，最終造成資產(chǎn)價(jià)格泡沫破滅和宏觀經(jīng)濟(jì)嚴(yán)重衰退。

由上述三個(gè)階段分析可以看出，資產(chǎn)價(jià)格波動(dòng)以及泡沫產(chǎn)生破滅都與信貸存在密切聯(lián)系。值得注意的是，在信貸對(duì)資產(chǎn)價(jià)格波動(dòng)的影響機(jī)制過(guò)程中，市場(chǎng)信心也起到至關(guān)重要的作用。由于市場(chǎng)信心體現(xiàn)了投資者對(duì)當(dāng)期宏觀經(jīng)濟(jì)發(fā)展趨勢(shì)的心理判斷，因此銀行信貸規(guī)模、信貸利率以及信貸政策的變化也會(huì)通過(guò)預(yù)期效應(yīng)間接影響資產(chǎn)價(jià)格變化。比如，當(dāng)銀行信貸擴(kuò)張時(shí)，人們會(huì)更容易獲得資金進(jìn)行投資，投資者預(yù)期未來(lái)收益更為樂(lè)觀，因而投資需求和潛在的投資需求增加，從而造成資產(chǎn)價(jià)格上漲。而且，資產(chǎn)價(jià)格上漲會(huì)進(jìn)一步增加投資者信心，從而促進(jìn)有效投資。而實(shí)體經(jīng)濟(jì)的發(fā)展又會(huì)對(duì)資產(chǎn)價(jià)格產(chǎn)生新的影響，因而這種效應(yīng)通過(guò)信貸擴(kuò)張（收縮）對(duì)投資者的財(cái)富預(yù)期機(jī)制表現(xiàn)出來(lái)。正是由于信貸擴(kuò)張引起銀行中介機(jī)構(gòu)代理問(wèn)題，投資風(fēng)險(xiǎn)轉(zhuǎn)嫁以及預(yù)期的間接效應(yīng)促使借貸者有動(dòng)機(jī)推動(dòng)和加速資產(chǎn)價(jià)格上漲。

因此，本文選用信貸規(guī)模、信貸利率以及信貸政策（貸款價(jià)值比）三種信貸指標(biāo)變量，構(gòu)建信貸推動(dòng)的資產(chǎn)價(jià)格泡沫模型，試圖通過(guò)信貸擴(kuò)張的視角真實(shí)反映資產(chǎn)價(jià)格波動(dòng)以及風(fēng)險(xiǎn)累積下的泡沫形成機(jī)制，突出兩者之間相互增強(qiáng)的反饋效應(yīng)。

三、實(shí)證分析

（一）影響因素的選擇

本文選取信貸規(guī)模、信貸利率、貸款價(jià)值比、市場(chǎng)信心和股票價(jià)格、房地產(chǎn)價(jià)格六個(gè)指標(biāo)作為研究變量建立BVAR系統(tǒng)。其中，代表信貸的指標(biāo)有信貸規(guī)模、信貸利率和貸款價(jià)值比，一定程度上反映了信貸市場(chǎng)中的信貸數(shù)量、信貸價(jià)格和信貸政策三個(gè)方面特點(diǎn)。考慮到信貸對(duì)資產(chǎn)價(jià)格波動(dòng)的作用過(guò)程還受到預(yù)期因素的影響，為此這里加入市場(chǎng)信心指標(biāo)進(jìn)行刻畫，并利用反事實(shí)方法識(shí)別出預(yù)期在資產(chǎn)價(jià)格波動(dòng)過(guò)程中發(fā)揮的作用[12]。具體而言，金融機(jī)構(gòu)各項(xiàng)貸款余額同比增速數(shù)據(jù)作為信貸規(guī)模（）的代理變量，信貸利率（）選擇1年期的銀行定期存款利率表示，當(dāng)月內(nèi)利率發(fā)生調(diào)整時(shí)，根據(jù)使用日期數(shù)作為權(quán)數(shù)計(jì)算月度內(nèi)加權(quán)平均利率；考慮到我國(guó)貸款價(jià)值比（），選擇我國(guó)住房抵押貸款領(lǐng)域中規(guī)定的貸款成數(shù)上限來(lái)表示，即購(gòu)房貸款金額與用于抵押房屋價(jià)值的比值。我國(guó)并未公布市場(chǎng)信心指標(biāo)（），這里選用中國(guó)消費(fèi)者信心指數(shù)來(lái)表示。股票價(jià)格（）選擇上證綜合指數(shù)（收盤價(jià)）進(jìn)行對(duì)數(shù)同比差分后得到上證綜指的同比增長(zhǎng)率；房地產(chǎn)價(jià)格（）采用房地產(chǎn)開(kāi)發(fā)企業(yè)商品房銷售額與銷售面積的比值作為商品房銷售價(jià)格指數(shù)，經(jīng)過(guò)對(duì)數(shù)差分運(yùn)算得到房地產(chǎn)價(jià)格的增長(zhǎng)率。考慮到2004年8月，銀監(jiān)會(huì)發(fā)布《商業(yè)銀行房地產(chǎn)貸款風(fēng)險(xiǎn)管理指引》正式提出監(jiān)管成數(shù)（）的監(jiān)管要求，本文選取2004年8月至2020年8月的月度數(shù)據(jù)，總共193組數(shù)據(jù)保證BVAR模型結(jié)果的有效性。所有數(shù)據(jù)均來(lái)自于Wind數(shù)據(jù)庫(kù)。

（二）變量的平穩(wěn)性檢驗(yàn)

表1顯示六個(gè)變量在5%的顯著性水平上是非平穩(wěn)的，進(jìn)行一階差分后平穩(wěn)。

表1 數(shù)據(jù)的ADF檢驗(yàn)結(jié)果（2004年8月—2020年8月）

變量t統(tǒng)計(jì)量P值(C,T,K)變量t統(tǒng)計(jì)量P值(C,T,K) Loan-0.335 70.562 9(0,0,12)DLoan-5.721 60.000 0(1,0,11) R-1.486 80.078 0(1,0,11)DR-8.530 20.000 0(1,0,0) LTV-1.973 10.298 5(1,0,0)DLTV-12.98510.000 0(1,0,0) Con-1.693 20.432 9(1,0,2)DCon-15.27140.000 0(1,0,0) SP-2.803 30.198 2(0,0,1)DSP-9.354 80.000 0(1,0,0) HP-1.131 40.174 2(1,0,8)DHP-5.732 80.000 0(1,0,0)

注：（,,）中三個(gè)變量分別表示截距、趨勢(shì)和滯后項(xiàng)階數(shù)。

（三）模型的構(gòu)建

LITTERMAN于1986年首次提出貝葉斯向量自回歸模型（BVAR），解決傳統(tǒng)模型“過(guò)參數(shù)化”問(wèn)題，其優(yōu)勢(shì)在于收集樣本信息獲取先驗(yàn)分布，通過(guò)彌補(bǔ)樣本信息的缺乏來(lái)減少參數(shù)估計(jì)的不確定性[13]。本文基于Minnesota先驗(yàn)分布，通過(guò)對(duì)信貸規(guī)模、信貸利率和信貸政策（引入貸款價(jià)值比）三個(gè)視角分析信貸對(duì)資產(chǎn)價(jià)格波動(dòng)的影響，并且引入預(yù)期因素，構(gòu)造2個(gè)BVAR模型，剖析我國(guó)信貸擴(kuò)張下預(yù)期因素的宏觀效應(yīng)。

首先，構(gòu)建傳統(tǒng)的VAR模型如下：

其中，y選擇了信貸規(guī)模、信貸利率、貸款價(jià)值比、市場(chǎng)信心以及資產(chǎn)價(jià)格（股票價(jià)格或者房地產(chǎn)價(jià)格）共五個(gè)指標(biāo)構(gòu)成了5×1維向量，具體而言，模型Ⅰ由信貸規(guī)模（）、信貸利率（）、貸款價(jià)值比（）、消費(fèi)者信心指數(shù)（）和股票價(jià)格()構(gòu)成。

模型Ⅱ由信貸規(guī)模（）、信貸利率（）、貸款價(jià)值比（）、消費(fèi)者信心指數(shù)（）和房地產(chǎn)價(jià)格（）構(gòu)成。

1,…,A為5×5維待估的系數(shù)矩陣，u為5×1維擾動(dòng)沖擊，且u(0,ΣΣ′)，Σ為對(duì)角陣(1,2,…,σ),=0,1,…,。這里將y(=0,1,…,)拉直堆疊成一列得到5×1維向量，為×5維，由y(=0,1,…,)按列疊加構(gòu)成，即=vec(Y)，因而產(chǎn)生的和分別是符合和的方式形成的誤差項(xiàng)。

同時(shí)，定義=(1,t-1′,t-2′,…,t-p′)和維數(shù)為×(1+5)的矩陣(1,2,…,x)，(0,1,2,…,A)′以及()，為滯后階數(shù)。根據(jù)上述定義，我們可以將VAR模型寫成矩陣形式：

（2）

（3）

（四）脈沖響應(yīng)分析

圖1至圖6分別顯示了信貸三個(gè)角度，即信貸規(guī)模（）、信貸利率（）和貸款價(jià)值比（）沖擊下對(duì)股票價(jià)格（）和房地產(chǎn)價(jià)格（）的脈沖響應(yīng)圖。具體分析如下：

1. 信貸規(guī)模沖擊下資產(chǎn)價(jià)格脈沖反應(yīng)

圖1顯示，信貸規(guī)模擴(kuò)張下股票價(jià)格呈現(xiàn)正向的脈沖響應(yīng)，在第1期就達(dá)到0.06并隨時(shí)間推移逐步擴(kuò)大，到第8期時(shí)達(dá)到最大值后才逐漸減弱收斂。這說(shuō)明信貸擴(kuò)張下股票價(jià)格也會(huì)隨之上漲，符合前文的推理結(jié)論。對(duì)應(yīng)虛線曲線為利用反事實(shí)對(duì)比仿真方法，剔除市場(chǎng)信心指標(biāo)后BVAR模型框架下信貸規(guī)模沖擊對(duì)股票價(jià)格的脈沖反應(yīng)曲線。可以看出，關(guān)閉信心反應(yīng)渠道顯著降低了信貸擴(kuò)張對(duì)資產(chǎn)價(jià)格上漲的刺激作用。同樣地，圖2顯示，給定信貸規(guī)模（）一個(gè)正向沖擊，房地產(chǎn)價(jià)格的脈沖響應(yīng)值也為正，而且也大致在第8期達(dá)到最高響應(yīng)后逐漸減弱。結(jié)合圖1對(duì)比，可以看出信貸規(guī)模的擴(kuò)大一般在半年后才達(dá)到最大效應(yīng)，而且房地產(chǎn)價(jià)格影響要稍微大于股票價(jià)格的影響。信貸擴(kuò)張一方面使得房地產(chǎn)開(kāi)發(fā)資金增加，造成房地產(chǎn)供給增加；另一方面也使得房地產(chǎn)按揭貸款增加，刺激需求增加，帶動(dòng)更高的房地產(chǎn)價(jià)格。就我國(guó)實(shí)際情況而言，信貸規(guī)模增加更多是助長(zhǎng)了房地產(chǎn)價(jià)格增長(zhǎng)，實(shí)證結(jié)果也證明了這一點(diǎn)。房地產(chǎn)價(jià)格上漲，促使房屋的抵押價(jià)值也隨之上升。

在上限等信貸政策不變情況下，銀行對(duì)房地產(chǎn)部門的貸款投放也會(huì)增加，市場(chǎng)預(yù)期房?jī)r(jià)會(huì)繼續(xù)上漲。在金融加速器作用下，房地產(chǎn)價(jià)格會(huì)持續(xù)上漲甚至形成泡沫[14]。值得強(qiáng)調(diào)的是，信貸規(guī)模明顯對(duì)資產(chǎn)價(jià)格波動(dòng)有重要影響，但外來(lái)因素比如市場(chǎng)預(yù)期而引發(fā)的投機(jī)行為也是資產(chǎn)價(jià)格決定的重要因素。“羊群行為”“過(guò)度自信”等作用促使投資者投機(jī)購(gòu)房的比例上升，而且這種預(yù)期作用會(huì)自我膨脹促使資產(chǎn)價(jià)格迅速上漲。

圖1 股票價(jià)格對(duì)信貸規(guī)模沖擊的脈沖圖

圖2 房地產(chǎn)價(jià)格對(duì)信貸規(guī)模沖擊的脈沖圖

2. 信貸利率沖擊下資產(chǎn)價(jià)格脈沖反應(yīng)

從圖3中可以看出，正向的利率沖擊對(duì)股票價(jià)格影響一直表現(xiàn)為負(fù)值，且在第4期達(dá)到最低值后逐漸趨于零值，而關(guān)閉預(yù)期渠道后的脈沖曲線效果稍微減弱。這說(shuō)明，相對(duì)于信貸規(guī)模沖擊，利率沖擊對(duì)股票價(jià)格的反應(yīng)速度更快，在一個(gè)多季度（4個(gè)月）就達(dá)到峰值（負(fù)向），這說(shuō)明央行在宏觀調(diào)控中提高利率能在較短時(shí)間抑制股票價(jià)格上漲。圖4顯示，利率一個(gè)正向沖擊對(duì)房地產(chǎn)價(jià)格影響為負(fù)，并且在第10期達(dá)到谷底，關(guān)閉市場(chǎng)信心渠道后的脈沖效果在第8期后有所減弱，說(shuō)明利率變化對(duì)市場(chǎng)信心的影響和積聚需要一個(gè)過(guò)程，具有延遲效應(yīng)。

3.沖擊下資產(chǎn)價(jià)格脈沖反應(yīng)

圖5和圖6給出了一個(gè)正向沖擊下，股票價(jià)格和房地產(chǎn)價(jià)格的脈沖響應(yīng)曲線。對(duì)比發(fā)現(xiàn)，雖然正向沖擊下的兩類資產(chǎn)價(jià)格反應(yīng)效果均為正值，很明顯作用于房地產(chǎn)價(jià)格效果還是更為明顯。

這說(shuō)明，類似股票、房地產(chǎn)類的風(fēng)險(xiǎn)投資品，抵押物的杠桿效應(yīng)對(duì)資產(chǎn)價(jià)格波動(dòng)的影響具有順周期性，因此實(shí)施限制后能有效抑制資產(chǎn)價(jià)格波動(dòng)。同樣地，關(guān)閉信心渠道后的脈沖效果在第8期后也有減弱表現(xiàn)，這也說(shuō)明和信貸利率的變化在我國(guó)現(xiàn)階段還都屬于政策調(diào)控措施，在政策與市場(chǎng)不同步且市場(chǎng)晚于政策的情況下，市場(chǎng)信心的影響具有一定延遲效應(yīng)。

圖3 股票價(jià)格對(duì)信貸利率沖擊的脈沖圖

圖4 房地產(chǎn)價(jià)格對(duì)信貸利率沖擊的脈沖圖

圖5 股票價(jià)格對(duì)LTV沖擊的脈沖圖

（五）模型的評(píng)價(jià)

上述兩個(gè)基于反事實(shí)分析法的BVAR模型，在識(shí)別有無(wú)市場(chǎng)預(yù)期作用下的脈沖趨勢(shì)大致一致，驗(yàn)證了該模型在闡明銀行信貸對(duì)資產(chǎn)價(jià)格波動(dòng)的形成機(jī)制具有較好的效果。研究發(fā)現(xiàn)，信貸規(guī)模擴(kuò)張刺激市場(chǎng)大規(guī)模投資，造成資產(chǎn)價(jià)格高于基礎(chǔ)價(jià)格，并形成正向反饋的循環(huán)機(jī)制，最終形成資產(chǎn)泡沫。信貸規(guī)模、信貸利率、上限以及預(yù)期因素對(duì)資產(chǎn)價(jià)格波動(dòng)存在明顯作用，信貸渠道對(duì)不同資產(chǎn)價(jià)格波動(dòng)的影響存在差異性。

圖6 房地產(chǎn)價(jià)格對(duì)LTV沖擊的脈沖圖

四、結(jié)論

鑒于信貸對(duì)資產(chǎn)價(jià)格波動(dòng)的重要作用，本文選取2004年8月到2020年8月的中國(guó)宏觀經(jīng)濟(jì)數(shù)據(jù)，利用BVAR模型從銀行信貸角度分析資產(chǎn)價(jià)格（股票價(jià)格和房地產(chǎn)價(jià)格）波動(dòng)成因，假定信貸對(duì)資產(chǎn)價(jià)格波動(dòng)的影響參數(shù)服從先驗(yàn)分布，并利用反事實(shí)分析法對(duì)比和識(shí)別有無(wú)預(yù)期作用下信貸沖擊對(duì)資產(chǎn)價(jià)格波動(dòng)的影響，闡明銀行信貸和資產(chǎn)價(jià)格波動(dòng)之間相互反饋的形成機(jī)制。結(jié)果發(fā)現(xiàn)，信貸規(guī)模、信貸利率和上限對(duì)資產(chǎn)價(jià)格波動(dòng)存在明顯作用，而且信貸渠道對(duì)兩種資產(chǎn)價(jià)格的效應(yīng)存在差異，具體得到如下結(jié)論：

第一，信貸規(guī)模、的增加均刺激了資產(chǎn)價(jià)格波動(dòng)，而且房地產(chǎn)市場(chǎng)的反應(yīng)更為明顯。因此，控制信貸規(guī)模和降低能有效遏制資產(chǎn)價(jià)格泡沫發(fā)生。同時(shí)，信貸利率對(duì)資產(chǎn)價(jià)格水平存在抑制效應(yīng)。當(dāng)然，在當(dāng)前疫情期間，受到居民收入不確定性的預(yù)期，對(duì)于有購(gòu)房需求者應(yīng)該在信貸政策上給予適當(dāng)傾斜，放寬信貸規(guī)模、靈活調(diào)整和信貸利率，也一定程度上減弱房地產(chǎn)和信貸資產(chǎn)的承壓能力。

第二，市場(chǎng)預(yù)期在資產(chǎn)價(jià)格波動(dòng)過(guò)程中起到加速器作用，“羊群行為”“過(guò)度自信”等作用促使市場(chǎng)的投資比例上升，市場(chǎng)預(yù)期自我膨脹助長(zhǎng)了資產(chǎn)價(jià)格上漲趨勢(shì)。一旦預(yù)期受到國(guó)家政策影響持續(xù)下滑，也會(huì)造成資產(chǎn)價(jià)格快速下行，因而形成一個(gè)由預(yù)期帶動(dòng)的周期循環(huán)過(guò)程。因此，政府在避免資產(chǎn)價(jià)格大幅波動(dòng)的同時(shí)更需要注重加強(qiáng)預(yù)期管理。

[1] 范從來(lái), 劉紹保, 劉德溯. 中國(guó)資產(chǎn)短缺影響因素研究——理論及經(jīng)驗(yàn)證據(jù)[J]. 金融研究, 2013(5): 73-85．

[2] SHELL K, CASS K. Do sunspots matter?[J]. Journal of Political Economy, 1983(8): 193-227.

[3] 徐亞平, 徐韜, 蘭茹佳. 資產(chǎn)價(jià)格與貨幣政策的預(yù)期管理[J]. 新金融, 2012(12): 15-18.

[4] BOSI S, SEEGMULLER T. Rational bubbles and expectation–driven fluctuations[J]. International Journal of Economic Theory, 2013, 9(1): 69-83.

[5] YVRARD L, SEEGMULLER T. Rational bubbles and macroeconomic fluctuations: the (de-)stabilizing role of monetary policy[J]. Mathematical Social Sciences, 2015(1): 1-15.

[6] LENGNICK M , WOHLTMANN H W . Optimal monetary policy in a New Keynesian model with animal spirits and financial markets[J]. Journal of Economic Dynamics & Control, 2016, 64(8): 148-165.

[7] KAZUO M. Indeterminacy in real business cycle models[M]. Berlin: Springer Press, 2017(6): 19-54.

[8] 陳彥斌, 劉哲希. 推動(dòng)資產(chǎn)價(jià)格上漲能夠“穩(wěn)增長(zhǎng)”嗎? ——基于含有市場(chǎng)預(yù)期內(nèi)生變化的DSGE模型[J]. 經(jīng)濟(jì)研究, 2017(7): 49-64.

[9] BORDO M D, WHEELOCK D C . Monetary policy and asset prices: a look back at past U.S. stock market booms[J]. Federal Reserve Bank of St Louis Review, 2004, 86(8): 19-44.

[10] ASSENMACHER K, GERLACH S. Ensuring financial stability: financial structure and the impact of monetary policy on asset prices[J]. Social Science Electronic Publishing, 2008, 29(1): 41-59.

[11] KINDLEBERGER C, ROBERT Z. Manias, Panics and Crashes: A History of Financial Crises(Fifth Edition)[M]. New Jersey: John Wiley & Sons, Inc., 2005.

[12] 張成思, 孫宇辰. 中國(guó)貨幣政策的信心傳導(dǎo)機(jī)制[J]. 財(cái)貿(mào)經(jīng)濟(jì), 2018, 39(10): 61-76.

[13] LITTERMAN R. Forecasting with Bayesian Vector Autoregressions Five Years of Experience[J]. International Journal of Forecasting, 1986, 2(4): 497-498.

[14] 劉金全, 徐寧, 劉達(dá)禹. 資產(chǎn)價(jià)格錯(cuò)位與貨幣政策規(guī)則——基于修正Q理論的重新審視[J]. 國(guó)際金融研究, 2017(5): 25-35.

10.15916/j.issn1674-327x.2022.03.006

F802.2

A

1674-327X (2022)03-0022-06

2021-11-18

安徽省高校人文社會(huì)科學(xué)重點(diǎn)研究項(xiàng)目(SK2020A0008)；安徽省哲學(xué)社會(huì)科學(xué)規(guī)劃項(xiàng)目(AHSKY2021D131)

丁華(1981-)，女，安徽安慶人，副教授，博士。

(責(zé)任編輯：許偉麗)