张李登，唐齐鸣，张誉航

(华中科技大学经济学院，湖北 武汉 430074)

1 引言

随着我国城市化进程的加速，我国的房地产市场得到了高速的发展，房地产行业与各个行业高度相关，成为了我国经济增长的重要驱动力。然而过高的房价及不断扩张的住房贷款可能会抑制其它产业的发展，并且加大金融系统的风险，是我国经济健康增长的一大隐患。从2008年世界金融危机的经验来看，在房地产市场繁荣时期，住房信贷对商业银行而言是优质资产，然而一旦房价大幅下降，购房者将出现大量违约情况，商业银行的坏账比例将显著增加，对商业银行以及整个金融市场造成巨大冲击。为了打击投机、防止热炒与抑制房地产泡沫，保障市场的正常秩序，党中央多次出台调控政策。习近平总书记在党的十九大报告中再次强调“房子是用来住的、不是用来炒的”。房地产市场关系到国民经济的平稳运行，关系到供给侧结构性改革的顺利推行，关系到我国经济的结构转型。

国外学者很早就开始关注房价波动与经济周期的关系。Kiyotaki和Moore[1]最早开发的“信贷周期”模型(KM模型)，通过对家庭住房、土地和企业固定资产等抵押品价值的变动来刻画冲击的加速机制。Iacoviello[2]在KM模型的基础上，将抵押品约束与名义债务结合在一起，研究发现，两者都会放大需求冲击，但是名义债务会抑制供给冲击。Iacoviello和Neri[3]进一步扩展该模型研究房地产市场的溢出效应，发现近40年美国房价上涨的动力是房地产市场缓慢的技术进步，另一方面，房地产市场对实体经济的溢出效应主要表现在家庭消费方面，而不是企业投资。

国内相关的研究起步较晚，王云清等[4]考察了中国房地产价格和产量波动的机制，发现货币政策冲击是我国房地产价格波动的主要原因，房地产部门技术冲击和工资加成冲击是房地产产量波动的主要原因。何青等[5]深入研究我国过去20年的房地产市场与宏观经济波动之间的关系，发现房地产偏好冲击和抵押率冲击是影响我国经济周期波动的重要因素。高然和龚六堂[6]在DSGE模型中考虑地方政府的土地财政行为，发现地方政府土地财政行为在显著地放大房地产市场波动的同时，会将房地产市场的波动传导到实体经济，从而放大消费、投资和产出波动。另外，土地财政带来了显著的社会福利损失，且地方政府对土地财政的依赖程度越强，福利损失越大。

金融危机暴露出房价波动不仅会影响经济周期，同时也会传导至金融系统，房价剧烈波动，商业银行的住房信贷可能引发系统性风险。范红雷[7]、宋斌[8]和李世光[9]等人均通过反思美国次贷危机的制度背景与形成机制，比较分析了我国商业银行住房信贷的现状以及可能存在的潜在风险，并提出防范潜在住房信贷风险、完善住房制度的思路。谭政勋和王聪[10]首先利用多元GARCH模型分析我国信贷扩张引起房价上涨、房价上涨减少不良贷款及其反馈机制的经验特征；然后通过构建DSGE模型从理论上解释我国信贷扩张、房价波动的金融稳定效应。郑忠华和邸俊鹏[11]从银行信贷角度构建DSGE模型，分析房地产偏好、利率、通货膨胀等冲击对中国经济的影响。况伟大和王琪琳[12]将房价波动和房贷规模引入银行资本充足率模型，研究三者之间的关系。

金融危机后，国内外学者开始在房价波动模型基础上，进一步研究金融风险的防范问题。Kannan等[13]发现促进信贷增长和资本价格的货币政策以及抑制信贷市场周期的宏观审慎政策工具有助于稳定宏观经济。Gelain等[14]通过评估各种抑制过度波动的政策措施，结果发现，债务收入比是抑制经济整体过度波动的最有效工具，虽然货币政策可以稳定部分经济变量，但是会显著放大其他经济变量的波动，尤其是通胀。Quint和Rabanal[15]通过构建欧元区的两国模型来研究货币政策和宏观审慎政策的最优组合，研究发现，宏观审慎规则的引入有助于减少宏观经济波动，改善福利，并部分地弥补国家货币政策的缺失。Rubio[16]分析了货币和宏观审慎政策在短期和长期利率两种不同情景下稳定宏观经济和金融市场的能力，发现仅宏观审慎政策工具(贷款价值比)在短期能显著提升金融稳定性。梁璐璐等[17]将宏观审慎政策工具贷款价值比动态化，对家庭和企业进行区别调控，研究发现宏观审慎政策会改变各部门的资产配置，从而部分改变经济体的格局，但不会对经济体的总体运行状态产生结构性影响，因而具有中立性特征。程方楠和孟卫东[18]利用植入房价波动的DSGE模型分析了宏观审慎政策和货币政策的协调搭配效果。

综上所述，现有的文献都是针对房价波动对实体经济溢出效应的研究，缺乏对金融系统溢出效应的讨论。并且，对房地产信贷风险的防范措施，目前文献讨论的宏观审慎政策工具不够全面，大部分都是贷款价值比(LTV)。个人住房贷款价值比，即所谓的首付比，虽然能有效地控制房地产金融风险，但是增加首付比会影响房价，也会明显增加家庭的购房负担，不适用于实时调控房地产金融风险。另外，大部分文献都是将不发生信贷违约作为信贷约束条件，住房信贷违约是引发房地产市场系统性风险的前提，将其纳入模型是十分有必要的。

本文试图弥补现有文献的不足，主要贡献表现在以下几个方面：第一，改进传统的房地产新凯恩斯DSGE模型，将异质性房价波动和住房信贷违约加入模型中，使其更符合我国房价波动特征，同时能更好的刻画住房信贷风险。第二，同时模拟分析房价波动对实体经济和金融系统的溢出效应，能更全面的反映房价波动对宏观经济的影响。第三，尝试弥补现有宏观审慎政策体系的不足，从控制住房信贷扩张速度的视角提出预防房地产金融风险的宏观审慎政策工具。

2 基准模型构建

Bernanke等[19]研究了资本投资的金融加速机制，本文将其理论应用于住房投资，从房地产信贷的视角研究房价波动对宏观经济的影响。理论模型以Iacoviello[2]构建的房地产新凯恩斯DSGE模型为基础框架，选择该模型主要基于以下几个原因：1.根据贴现率不同将家庭分为贷款人和借款人，更加耐心的人为储蓄者，不耐心的人为借款者，此设定便于在模型中引入借贷约束条件。2.考虑了房地产市场，家庭从住房服务中获得效用，而企业家则用住房来生产消费产品。3.引入垄断竞争的零售商部门，使得企业定价具有一定的价格粘性，从而货币政策能具有实际意义。

本文从三个方面扩展Iacoviello[2]的模型。一是在借贷家庭信贷约束条件中加入住房信贷违约情况，这样能更好的刻画住房信贷风险。二是引入异质性的房价波动以更好的刻画我国房价波动的特征。近年来，我国一二线城市和三四线城市房价波动呈现明显的分化，同时，不同类型的商品房(如别墅、高档公寓、普通住宅、办公楼及商业营业用房等)价格对房地产政策的响应也呈现出较大差异(徐妍和沈悦[20])。基于这些事实，我们在模型中假定房价受到异质性冲击，房价波动会造成抵押品价格的剧烈变动，影响抵押贷款违约的概率，从而影响银行的资产负债结构。三是加入金融监管和宏观审慎政策，分析政策监管对住房信贷的调控效果。

本文的模型主要包含家庭、生产性企业、零售商、银行和政府部门等5个部门。家庭部门又分为储蓄家庭和借贷家庭。家庭通过劳动获得收入，满足自己的消费和住房需求，不同的是，储蓄家庭能将自己多余的收入存入银行，而借贷家庭由于缺乏耐心，需要从银行借贷以满足自身对住房的需求。企业利用房地产作为生产投入，雇佣劳动生产中间品，并通过零售商打包加工，将最终产品销售给家庭。由于本文研究的重点是住房投资决策，在构建企业行为模型时并不考虑资本投入以及资本投资借贷过程。银行主要作为金融中介，从储蓄家庭吸收存款，并将资金贷给借贷家庭。政府部门分为两类：一是负责调控利率，稳定实体经济的中央银行；二是负责监督银行借贷行为，稳定金融体系的宏观审慎部门。

2.1 储蓄家庭

假定储蓄家庭由一系列同质的个体构成，储蓄家庭通过选择消费、劳动、住房投资以及存款数量来实现如下跨期效用最大化：

(1)

储蓄家庭需要满足如下预算约束条件：

(2)

储蓄家庭住房需求方程：

(3)

储蓄家庭消费的欧拉方程：

(4)

储蓄家庭劳动供给方程：

(5)

2.2 借贷家庭

借贷家庭的行为相较于储蓄家庭主要有以下三个方面的区别：其一是借贷家庭的贴现因子要低于储蓄家庭，即βb<βs；其二是借贷家庭并不从企业获得利润分红；其三是由于借贷家庭缺乏耐心，储蓄家庭偏向存款积累财富，而借贷家庭更愿意通过抵押住房借贷来满足自身消费和住房投资。借贷家庭的效用函数与储蓄家庭类似：

(6)

(7)

借贷家庭的预算约束方程如下：

(8)

借贷家庭住房需求方程：

(9)

借贷家庭消费的欧拉方程：

(10)

借贷家庭劳动供给方程：

(11)

2.3 生产性企业

(12)

企业的生产技术满足如下Cobb-Douglas生产函数：

(13)

企业的行为满足如下预算约束：

(14)

储蓄家庭劳动需求方程：

(15)

借贷家庭劳动需求方程：

(16)

企业住房资本需求方程：

(17)

2.4 零售商

参照Gali和Gertler[21]的方法，在模型中引入粘性价格。考虑垄断竞争的零售商部门，零售商以统一的批发价从企业购买产品，并根据一定的定价规则对产品重新定价后出售。参照Calvo[22]的粘性价格调整规则，假定零售商每期只有1-ρ的概率能重新调整价格水平，由此可以推导出前瞻性的新凯恩斯菲利普斯曲线：

(18)

πt表示通货膨胀率，文中所有上标“^”均表示变量相对于其稳态值的偏离比例。

2.5 银行部门

银行作为金融中介的职能，从储蓄家庭吸收存款，并以抵押贷款的形式将资金贷给借贷家庭。银行与借贷家庭签订贷款合约时并不清楚家庭的ωt，定义事前预期违约门限值为：

(19)

假定银行是风险中性的，则银行愿意贷款的条件是机会成本rt等于预期收益。即：

(20)

信贷市场均衡条件需要满足：

bt=dt

(21)

2.6 政府部门

央行在制定货币政策决策时主要盯住通货膨胀以及产出缺口，本文引入包含利率冲击的泰勒规则：

(22)

2.7 市场出清

假定房地产市场的总供给是固定的，用H表示，市场出清条件可表示为：

(23)

(24)

名义利率与实际利率之间的关系遵循费雪方程：

(25)

3 模型扩展

3.1 金融监管

基于基础模型对银行的行为进行扩展，考虑银行住房信贷受到监管的情况。参照Gertler和Karadi[23]的模型引入银行资本，假定t期末，银行的资本为et，从家庭吸收的存款为bt，发放的总贷款为dt，则银行的资产负债表满足恒等式：

dt=et+bt

(26)

(27)

银行选择贷款额度，求解最优化问题得到一阶条件为：

(28)

式28反映了存款利率与预期违约贷款利率、实际贷款利率、银行资本充足率偏离度之间的关系。

银行的资本积累取决于上期的留存资本和本期的事后净收益，设定银行分红比例为ψ，则银行的资本积累方程可以表示为如下形式：

(29)

3.2 宏观审慎政策

(30)

其中φk表示宏观审慎政策的监管强度。

4 参数校准与估计

为了使模型中参数的设定更符合我国宏观经济波动的事实，本文采用贝叶斯估计的方法对其余参数进行估计。为了避免随机奇异性问题，本文选取产出和存款利率的季度数据作为观测变量，对原始数据首先进行通胀调整转化为实际数据，再使用X12季节调整以去除数据的季节性波动。为了使数据与对数线性化后的变量相匹配，对调整后的数据取对数，再使用HP滤波剔除长期趋势，保留数据的波动项。

参数的先验分布参照何青等[5]和王云清等[4]的设定，使用MCMC算法(Markov Chain Monte Carlo)来模拟参数的后验分布特征。具体的运算过程使用Matlab中的Dynare工具箱来完成，进行1万次模拟抽样，使用两条马尔可夫链(Markov chain)，区间长度设定为参数的90%置信区间。参数贝叶斯估计的具体结果见表1，由于篇幅限制，文中仅给出基准模型在标准住房违约率情况下的贝叶斯估计结果：

表1 部分参数的贝叶斯估计结果

注：其中，η表示劳动供给弹性的倒数，js和jb分别表示储蓄家庭和借贷家庭的住房偏好系数，α和μ分别表示储蓄家庭份额和房地产收入份额，φR、φπ、φy分别表示利率平滑系数、货币政策对通胀和产出的反应系数，θA、θR分别表示技术冲击和利率冲击的平滑系数，εA、εR分别表示冲击的标准差。

5 模拟分析

5.1 房价波动的溢出效应研究

5.1.1 技术冲击的传导效应

图1展示在基础模型框架下，一单位正向技术冲击对宏观经济变量的影响。

图1 技术冲击对宏观经济变量的影响注：图中变量cb和cs分别表示借贷家庭和储蓄家庭的消费，pi表示通货膨胀率，y表示产出，d表示商业银行的住房信贷总量。

5.1.2 利率冲击的传导效应

从模拟结果来看，在不存在住房信贷违约情况下，外生技术进步导致家庭消费增加，而且对储蓄家庭的影响要显著大于借贷家庭。在冲击发生后，储蓄家庭和借贷家庭的消费波动逐渐增大，在第5期分别达到最大值11%和22%，随后缓慢回复到稳态水平。房价波动率的变化对储蓄家庭消费的影响较小，但是会降低借贷家庭消费对外生技术冲击的响应，甚至在波动率较大时借贷家庭的消费表现出负响应。这是因为借贷家庭需要偿还的住房信贷本息受房价波动影响较大，面对房价的剧烈波动和对未来房价不确定性预期，借贷家庭只能谨慎消费以保证能偿还抵押贷款。

在冲击后，不存在住房信贷违约情况下，通胀的响应直接达到最大值-30%，随后逐渐衰减至稳定状态。GDP的响应在第四期达到最大值13%，之后逐渐衰减。这是因为技术进步提高了企业的生产效率，增加了厂商的投资回报率，进而刺激了生产的扩张，产出水平上升。但同时技术进步也提高了总供给水平，使得产品价格下降。房价波动率的变化对产出和通胀的影响较小，这说明房价波动对实体经济的溢出效应主要表现在家庭的消费方面，这与Iacoviello和Neri[3]的研究结论基本一致。

在不存在住房信贷违约情况下，外生技术进步对商业银行住房信贷有一定的正向影响。但是，随着房价波动率逐渐增大，这种影响逐渐减小，直至变为负向影响。这是因为当房价波动率较大时，住房信贷违约率较高，商业银行会减少住房信贷供给。住房信贷对房价波动率变化表现出更强烈的相关关系，要远远大于产出、消费、通胀对房价波动变化的反映，这也说明了房价波动对金融系统的溢出效应要远大于对实体经济的溢出效应。

图2展示了一单位正向利率冲击对宏观经济变量的影响，紧缩性货币政策抑制了总需求水平，导致家庭的消费、企业的产出水平以及通货膨胀率均呈现出明显的负向波动，随后逐渐回复到稳定水平，这与传统的经济理论相符。房价波动会进一步放大借贷家庭消费的响应，借贷家庭会通过进一步减少消费以保证能在房价剧烈波动情况下偿还抵押贷款。

图2 利率冲击对宏观经济变量的影响注：图中参数说明与图1一致，在此不做赘述。

在经济受到外生正向利率冲击情况下，房价波动的溢出效应与技术冲击情况基本一致。房价波动率的变化对产出和通胀的响应几乎没有影响，对家庭消费的响应有较小的影响，而对住房信贷的响应有较大的影响。这也说明房价波动的溢出效应与外生冲击的类型关系不大，无论经济受到供给冲击还是需求冲击，房价波动对金融系统的溢出效应都要远大于实体经济。

5.2 宏观审慎监管效果分析

本文通过反事实模拟来分析宏观审慎政策对住房信贷监管的效果，图3给出了一单位正向技术冲击和利率冲击下住房信贷的响应。宏观审慎政策的监管系数φk反映了监管力度，在模拟分析中很难依据实际数据对其进行估值。为了进行比较分析，本文对φk赋予不同的值来观测不同监管力度对实体经济的影响。图中给出了四种不同监管情况下住房信贷偏离的脉冲响应结果，分别对应：没有金融监管的情况，文中的基准模型；φk=0的情况，表示固定资本充足率监管；φk=10的情况，表示温和的监管力度；φk=100的情况，表示强力的监管力度。

从模拟结果来看，在经济面临外生技术冲击和利率冲击情况下，宏观审慎部门采用资本充足率监管方式均能有效地控制信贷波动。采用固定资本充足率监管方式，虽然只能小幅度减小信贷波动，但是其政策规则相对直接、简单，只需要对银行的资本充足率设定一个目标(如巴塞尔协议Ⅲ)，当银行资本充足率偏离目标值时给予一定的惩罚，从而达到控制住房信贷的目的。

相对于固定资本充足率监管方式，采用较温和的动态资本充足率监管方式能有效地降低短期信贷波动，但是其长期影响并不明显。由于政策的目标值是依据当期市场实际的信贷扩张速度动态调整的，因此能在短期起到较好的调控效果，但是由于政策监管力度不大，政策影响的持续时间并不长，长期监管效果与固定资本充足率情况差不多。

随着监管力度的加大，无论在短期还是长期，动态资本充足率监管方式都能起到平滑信贷波动的作用。但是必须认识到，加大监管力度实际上是通过强力的监管手段来控制住房信贷增速，不利于房地产市场的发展。

因此，宏观审慎部门在预防住房信贷可能引发的系统性风险的时候，还是应该根据当前的风险水平合理选择政策监管力度。在风险水平较低时，只需采用较温和的监管力度就能在短期稳定信贷波动，同时也不会影响房地产市场的发展。当风险水平较高时，可以通过加大宏观审慎监管力度，控制住房信贷供给，以牺牲房地产市场为代价来控制金融风险。

图3 不同监管方式的效果对比

5.3 方差分解分析

(31)

外生冲击均服从AR(1)过程，与前文研究一致。

图4给出了住房信贷的方差分解结果。从整体上看，利率冲击和房价波动冲击是造成我国住房信贷波动的主要原因，这两种冲击最高能够解释大约80%的住房信贷波动。由此可见，我国的住房信贷波动与货币政策和房价调控政策密不可分。从不同期的方差分解来看，在长期，房价波动冲击的解释力度会有所下降，而技术冲击的解释力度有所提升，这说明了房价调控政策更能反映住房信贷的短期和中期波动特征，但是持续效果并不是很强。信贷冲击在中期的解释力度相对较高，大约能解释15%的住房信贷波动。

图4 住房信贷的方差分解结果

6 结语

本文通过构建包含异质性房价波动和住房信贷违约的新凯恩斯动态随机一般均衡模型，用以分析房价波动对实体经济和金融系统的溢出效应。研究发现：第一，无论经济面临的是供给冲击还是需求冲击，房价波动对实体经济的影响主要表现在借贷家庭的消费方面，对产出和通胀的影响较小。第二，房价波动对金融系统的溢出效应要明显大于实体经济，房价波动会增大住房信贷违约率，降低商业银行的住房信贷供给，不利于房地产市场的发展。第三，在经济面临外生技术冲击和利率冲击情况下，资本充足率监管工具能有效控制住房信贷波动，且动态资本充足率的效果要明显优于固定资本充足率，尤其是短期。第四，房价波动冲击和货币政策冲击是造成我国住房信贷波动的主要原因。

结合我国的经济现实和本文的研究结果，提出以下几点政策建议：第一，完善宏观审慎政策体系，要严格控制住房信贷的增长速度，降低住房信贷在金融资产中的比例。第二，房地产泡沐与住房信贷风险关系密切，需要搭配货币政策和财政政策手段调整楼市过热现象，抑制房地产信贷风险。第三，在防范房地产信贷风险时也不要用力过猛，要确保家庭和企业正常的信贷需要，保持房地产市场平稳有序运行。