蓝 天

（中国人民银行深圳市中心支行，广东 深圳 518001）

一、引言

21世纪以来，全球经济遭受国际金融危机、逆全球化思潮以及新冠肺炎疫情冲击，我国经济增长步入新常态，经济结构尚处于转型期，所面临的内外部挑战明显增多。在此背景下，我国宏观经济政策方向、力度和组合针对主要政策目标不断调整，在有效应对冲击的同时，也造成经济政策不确定性上升。根据Huang et al.（2020）所构建的中国经济政策不确定性指数显示，中国经济政策不确定性呈现震荡上行态势，其平均值由2000年至2007年的75.9，上升至2008年至2021 年第二季度的142.5，后者约为前者的两倍。一方面，经济政策立场、预期、执行力度及效果的不确定性会影响经济微观主体的投融资决策和消费行为，进而造成经济增长、金融周期和房地产价格波动（Baker et al.，2015）。而另一方面，房地产作为商业银行重要的信贷抵押物，也是国民经济增长的重要拉动力量之一，其价格波动本身不但会与金融周期相互强化，还会影响经济政策的出台与实施。这意味着我国经济政策不确定性、金融周期和房地产价格之间理论上存在着双向影响机制。因此，深入探究我国经济政策不确定性、金融周期和房地产价格的双向影响及其潜在的时变特征，将有助于更准确地识别三者之间的关系，对我国有效应对经济政策不确定性冲击、实现经济高质量发展具有重要的现实意义。

二、文献综述

（一）经济政策不确定性对金融周期的影响研究

国际金融危机爆发以来，学者们开始关注经济政策不确定性对金融市场的影响，但多围绕经济政策不确定性对金融子市场造成的冲击展开，针对金融周期影响的研究较少。如刘贯春等（2019）运用中国上市公司的数据研究发现，经济政策不确定性上升会抑制企业的固定资产投资，并带来外部融资成本上升，从而对信贷市场产生负面冲击。Christiano et al.（2014）研究发现，经济政策不确定性上升会提升企业家资本获取成本，进而引发企业融资由外源式向内源式转变，金融市场景气程度随之下降。不少国内外学者（叶五一等，2018；Duong et al.，2018）研究发现，经济政策不确定性上升与股市波动以及流动性紧密相关，经济政策不确定性上升会加剧股市波动，并对股票流动性产生长期显著的负向影响。

（二）经济政策不确定性对房地产价格的影响研究

就经济政策不确定性对住房价格的影响而言，现有研究（Chien &Setyowati，2020；王金明和王心培，2021）均表明，经济政策不确定性对房地产价格及其波动存在显著影响，经济政策不确定性上升会加剧房地产波动，因此可将经济政策不确定性指数上升作为房地产价格不稳定的前瞻性指标。但在经济政策不确定性对房价影响的方向性上尚未达成一致。多数学者（金雪军等，2014；Huang et al.，2020）认为，经济政策不确定性会对房价产生负向冲击；但也有学者（张浩等，2015；张晓颖和陈海宇，2020）发现，宏观环境向好会引起房价的正向波动，而且这种波动会随着政策不确定性的增加而加大。此外，还有学者认为经济政策不确定性对房地产价格存在非对称影响。如胡成春和陈迅（2020）运用两区制T-VAR模型研究经济政策不确定性的非对称影响，发现经济政策不确定性程度较高情形下，其正向冲击带来的房价上涨幅度约为经济政策不确定性程度较低时的2倍。

（三）金融周期与房地产价格的影响研究

Reinhart &Rogoff（2010）认为，经历长期的信贷和房地产市场繁荣后，金融周期的下行可能引发房地产价格暴跌，这是国际金融危机爆发的首要原因。Pavlov &Wachter（2009）的研究发现，低估抵押品价值会放大负面需求对资产市场的冲击。Arsenault &Peng（2009）发现银行抵押贷款供给和房地产价格存在相互强化的正反馈机制，表明金融周期会加剧房地产价格波动。羿建华等（2014）运用我国1999—2013年季度数据研究发现，中国金融周期与房地产周期具有同步性。钱宗鑫等（2021）运用中国2004—2016年季度数据实证发现，中国金融周期对房地产价格的影响存在一定的时变特征，金融对房地产价格的拉动效应自2008年后持续弱化。

总体而言，近年来学者们围绕经济政策不确定性、金融周期和房地产价格的影响机制取得了富有成效的研究成果，为本文提供有益参考。但现有研究主要围绕经济政策不确定性与金融周期、房地产价格之间的单向影响开展，且研究方法也多局限于面板回归、VAR 等线性化模型，对经济发展中结构性变化所引致的变量间影响的潜在时变特征关注不够。为此，本文采用包含随机波动项的时变参数向量自回归（TVP-SV-VAR）模型实证检验中国经济政策不确定性、金融周期和房地产价格之间双向影响及其潜在的时变特征。本文的边际贡献主要体现为：一是针对现有研究主要围绕经济政策不确定性、金融周期和房地产价格的单向影响这一不足，着眼于三者之间的相互影响，对现有研究进行有益补充；二是既有文献对经济政策不确定性、金融周期与房地产价格之间影响的时变性关注不够，立足于三者之间的实际演变，运用TVP-SV-VAR 模型更为深入地揭示三者之间相互影响的潜在时变特征；三是结合上述分析，针对经济政策不确定性、金融周期和房地产价格之间相互影响的时变特征为相关部门提供参考建议。

三、数据处理及模型构建

（一）变量说明及金融周期指标构建

国内学者通常从资本市场价格、货币市场利率、金融杠杆、国际资本流动、货币供应、房地产价格等6个方面构建中国金融周期指数，鉴于房地产价格是本文研究变量，因此将其从金融周期指数中剔除以避免重复。本文选取上证A 股指数季度同比增速作为资本市场价格代理变量；选取7天同业拆借加权平均利率作为货币市场利率代理变量，取季度平均值；选取中国社科院宏观杠杆率同比增速作为金融杠杆代理变量；选取资本和金融项目的差额与GDP 的比值作为国际资本流动的代理变量；选取M2 季度同比增速作为货币供应的代理变量。为保持量纲统一，本文对以上5 个基础变量进行MIN-MAX 无量纲化处理，其中资本市场价格、宏观杠杆率、国际资本流动、货币供应等4个变量上涨代表金融周期繁荣，下降代表金融周期衰退，由于利率变量在表征金融周期繁荣（衰退）方向上相反，因此对其做反向调整。借鉴马勇等（2017）的研究，对标准化后的5个基础变量通过算术平均法合成金融周期综合指数（FC）。此外，选取Huang et al.（2020）根据中国10家权威报纸的相关数据构建的中国经济政策不确定性指数（EPU），取对数后作为经济政策不确定性的代理变量。选取全国房地产开发景气指数取对数后作为房地产价格（RE）的代理变量。本文选取的数据均为季度数据，数据区间为2005 年第一季度至2021 年第一季度，数据来自Wind数据库。

图1 展示了本文构建的金融周期指数及部分重要时点金融事件，通过算术平均法构建的金融周期指数与我国金融市场实际走势基本匹配。由此可以看出，2005 年以来我国金融周期大致经历了三次周期性波动。第一轮周期（2006 年初至2008 年底）：国际金融危机爆发前，人民币升值带动我国金融周期指数上行，并于2007年中达到区间顶峰50，此后国际金融危机爆发，我国金融周期快速回落，金融周期指数降至30 以下。第二轮周期（2008 年底至2012 年9 月）：2008 年11 月，为应对国际金融危机冲击，我国出台“四万亿计划”，通过积极的财政政策和适度宽松的货币政策进一步扩大内需，促进经济平稳快速增长，金融周期指数迅速提升，并于2009 年中期达到区间顶峰65。2009年底，监管出台政策整顿地方融资平台，市场流动性有所收紧，金融周期震荡下行，金融周期指数于2012 年9 月再次降至30 以下。第三轮周期（2012年9月至2014年底）：2012年四季度，欧债危机引发国际资本流入中国，金融周期景气程度上升。2013年6月，与市场预期的货币宽松不符导致“钱荒”事件，银行间同业拆借利率大幅上升，金融景气度下降，2014年底金融周期指数降至30以下。2015年，资本市场经历短暂牛市，金融周期景气程度有所上升。自2016 年以来，在稳健的货币政策和积极的财政政策的作用下，我国金融市场保持相对稳定，金融周期指数维持在40～50的较高水平。

（二）模型构建

为了准确刻画经济政策不确定性、金融周期与房地产价格三者之间的相互影响，本文采用Nakajima（2011）提出的TVP-SV-VAR 模型进行分析。该模型的优势在于允许方差、模型参数等随时间变化，从而能够捕捉变量之间时变非线性动态关系和特征。典型的TVP-SV-VAR模型如公式（1）所示。

其中，Xt=Ik⊗（yt-1，⋅⋅⋅，yt-p），βt、和Σt均设定为跟随时间变动，并假设模型中的时变参数均服从一阶随机游走。对于变量顺序的设定，本文基于VAR模型中排序在后的变量对排序在前的变量不存在当期作用而仅有滞后期影响的原则。由于金融周期对经济政策不确定性冲击的反应更加迅速，且金融周期对房地产价格的影响具有一定的时滞性，同时，经济政策不确定性会对房地产价格产生显著的当期影响，因此本文将变量顺序设定为yt=（EPUt，REt，FCt）T，以此构建TVP-SV-VAR模型。

图1 金融周期指数及部分重要时点金融事件

四、实证分析

（一）单位根检验

本文对所有调整后的变量进行ADF 单位根检验，结果如表1 所示。可以发现，所有变量的原序列都是不平稳的，但各变量的一阶差分时间序列均在1%显著水平下保持平稳。各内生变量的对数差分时间序列分别记为epu、fc、re。根据AIC 与SC 等信息准则，设定模型最优滞后阶数为1期。

表1 单位根检验结果

（二）TVP-SV-VAR模型实证结果

本文采用马尔科夫蒙特卡洛模拟法（MCMC）抽样10000 次（前1000 次作为预烧值被舍弃）获得参数的后验分布，表2报告了TVP-SV-VAR模型的参数估计和诊断结果。由表2可知，参数的后验均值均处于95%置信区间内，且Geweke 值均低于1.96，在5%的显著水平下不能拒绝收敛于后验分布的原假设。各参数的无效因子普遍较低，其中最大无效因子为108.17，意味着至少可以获得92个不相关的样本观测值。另如图2 所示，经济政策不确定性、金融周期和房地产价格等变量的模拟路径图表明其波动聚类的特征明显，表明MCMC 对参数的后验分布进行有效抽样。

表2 TVP-SV-VAR模型待估参数估计结果

图2 各参数动态模拟路径

图3从左到右分别展示经济政策不确定性、房地产价格和金融周期等3 个变量的随机波动率时变特征，这能够在一定程度上反映经济运行的实际情况。其中，横轴表示时间节点，纵轴表示各变量的随机波动率。可以发现，经济政策不确定性的波动率呈现缓慢下行趋势，表明我国宏观调控体系日趋科学合理，政策连续性、稳定性和可持续性逐步提高。房地产价格增长率的波动率在2005—2010 年持续上升，之后保持相对平稳，但在2015—2016年波动率小幅上升，这一时期房地产市场风险有所积累，2016 年以来房地产价格增长率的波动率逐渐下降，表明2016 年底中央经济工作会议提出的“房住不炒”政策得到有效落实。金融周期的波动率在2008年国际金融危机前后达到顶峰，之后震荡下行，2019年之后趋近于0，说明近年来我国宏观经济政策预期引导成效突出，金融市场运行日益平稳。

等间隔脉冲响应是指不同滞后期冲击所引起的脉冲响应函数。本文选取滞后2期（半年）、4期（1年）和8期（2年）分别表征冲击的短期、中期和长期影响。图4 展示了等间隔脉冲响应结果，横轴表示时间节点，纵轴表示各变量脉冲响应值。总体看，经济政策不确定性、房地产价格和金融周期的相互影响短期较为显著，中期明显趋弱，长期基本无影响。

图4 第一行展示了一单位正向经济政策不确定性冲击对其他变量的影响。可以发现，经济政策不确定性冲击对房地产价格和金融周期的短期影响均存在明显的时变特征。短期内，我国经济政策不确定性对房地产价格在2005—2008 年之间存在正向影响，但影响幅度逐渐走低，在2008—2010 年国际金融危机期间转为负向影响，这可能是因为经济政策不确定性的增加会进一步加深企业投资顾虑，选择“持币观望”策略的企业增多，进而放大国际金融危机对房地产价格的负面冲击。2010—2015 年期间，宏观经济在前期较大力度的经济刺激政策带动下逐步向好，经济政策不确定性加大房地产价格正向波动。2016年以来，在“房住不炒”政策基调下，经济政策不确定性增加对房地产价格再次呈现出短期负向影响。我国经济政策不确定性冲击对金融周期的正向影响持续时间显著多于负向影响，表明我国金融周期受政策的影响程度较深，经济政策不确定性增加在多数时间内能够带来金融周期景气程度上升，这在2009 年和2015 年前后表现得尤为突出。可能的原因是，彼时为应对国际金融危机冲击和经济下行压力，政府及时出台一系列强有力的财政刺激政策，同时货币政策基调也相对偏宽松，基准利率和存款准备金率均多次下调，金融市场对政策的反应较为积极，金融周期景气程度呈现上升趋势。

图4 第二行展示了一单位正向房地产价格增长率冲击对其余两个变量的影响。房地产价格增长率冲击对经济政策不确定性的正向影响自2005年以来持续减弱，在2016 年前后变为负向影响。这表明2016 年以来我国政府落实“房住不炒”思路一以贯之，尤其注重保持房地产调控政策的连续性、稳定性，避免政策方向、力度的频繁变动，经济政策不确定性降低。房地产价格增长率冲击对金融周期景气程度存在着稳定且显著的负向影响，这可能是因为当房地产价格增速上升时，资金的逐利性会引发“热钱”流入房地产市场，体现为房地产市场对金融市场资金的“虹吸”效应，并带来市场利率的提升，进而体现为金融周期景气程度的下降。

图3 各变量随机波动率时变特征

图4 第三行展示了一单位正向金融周期冲击对其他两个变量的影响。金融周期对经济政策不确定性的影响在2015年前后存在结构性变化。在2015年之前，经济政策不确定性对金融周期冲击保持正向反馈，即金融周期景气程度上升会提高经济政策不确定性，但正向影响幅度持续减小，自2015 年后，金融周期冲击会对经济政策不确定性产生负向影响。这反映出近年来政策当局对金融周期波动的容忍度上升，经济政策维持相对稳定的金融市场预期。金融周期冲击对房地产价格在多数时间内存在短期的正向影响，表明金融周期景气程度上升在多数时间内会推升房地产价格增速。尽管2009年以来这一正向影响程度逐渐减弱，在2016年前后转为负向影响，反映出这一时期房地产价格增速受金融周期景气程度的影响程度逐渐下降。但值得关注的是，2019 年以来金融周期对房地产价格增速的影响再次上升，并已呈现出正向影响，表明金融到房地产的传导机制又有所强化。

等间隔脉冲影响结果表明经济政策不确定性、金融周期和房地产价格之间影响关系存在较为明显的时变特征。为进一步分析不同时点下三个变量之间相互影响的时变特征，本文选取三个国内外不同类型的典型冲击时点——2008 年第三季度全球金融危机冲击、2015年第四季度供给侧结构性改革方案提出、2020 年第一季度新冠肺炎疫情冲击进行观察，以更好地反映经济政策不确定性、金融周期和房地产价格之间相互影响的动态特征。

图4 等间隔脉冲响应函数图

图5展示了不同时点脉冲响应分析结果。其中，横轴表示响应时间，纵轴表示各变量脉冲响应值。从图5 第一行可知，经济政策不确定性冲击对金融周期、房地产价格增长率的影响在三个时期差异明显。2008 年国际金融危机期间，房地产价格增长率对经济政策不确定性当期的响应为正，但在1期后迅速转负并达到负向峰值，之后逐步减弱，4期后影响消失。这表明当时经济政策不确定性对房地产价格仍主要呈现负面影响。2015 年，经济政策不确定性冲击对房地产价格增长率在整个追溯期均为负，且幅度更甚于2008 年。2020 年，经济政策不确定性冲击对房地产价格增长率当期影响为负，1期后呈现显著的正向影响，之后呈现震荡特征，4 期后趋于平稳，这表明2020 年应对新冠肺炎疫情冲击期间，经济政策不确定性增加一定程度上提高了房地产价格增长率。经济政策不确定性对金融周期的影响在2008 年、2015年和2020 年存在一定差异。具体看，2008 年国际金融危机期间，经济政策不确定性对金融周期的影响在当期为负，之后转变为正向影响，6 期后影响消失。2015 年供给侧结构性改革期间，经济政策不确定性对金融周期的正向影响居主导地位。2020年新冠肺炎疫情背景下，经济政策不确定性冲击对金融周期的影响当期显著为正，在2 期转为负向影响，之后正负影响交替出现，6 期后影响趋于0。这表明近年来经济政策不确定性对金融周期的正向影响趋强，经济政策不确定性上升会提高金融周期景气程度。

房地产价格增长率冲击的时变性则相对较弱。由图5第二行可以看出，房地产价格增长率冲击对经济政策不确定性的影响方向在三个时期基本一致，在整个追溯期内均呈现出相对显著的正向影响。但影响幅度依次递减，表明近年来房地产价格增长所带来的经济政策不确定性上升幅度有所减弱，反映出我国房地产长效管理机制逐渐完善，经济政策不再会随着房地产价格的波动出现反复。而房地产价格增长率冲击对金融周期的影响方向和幅度在三个时期基本一致。主要体现为在初期呈现显著的负向影响，之后影响逐渐趋弱，3 期后影响消失，这反映出房地产市场对金融市场资金的“虹吸”效应持续存在，房地产价格的上升会导致金融周期景气程度降低这一关系始终稳定。

由图5第三行可知，金融周期冲击对经济政策不确定性和房地产价格增长率影响也存在一定的时变特征。2008 年国际金融危机期间，金融周期景气程度上升在滞后2 期对经济政策不确定性的正向影响最高，6 期后影响消失。但在2015 年和2020 年则在滞后1 期内对经济政策不确定性的正向影响达到最高，反映出经济政策对金融周期波动的反馈更加迅速。金融周期冲击对房地产价格增长率的影响在2008 年和2020 年走势相似，均呈现为初期无影响，1期后达到正向峰值，5期后影响消失。但在2015年则呈现为1 期后金融周期对房地产价格增长率产生显著的负向冲击，这与等间隔脉冲响应结果一致，即自2008 以来金融到房地产的传导渠道持续削弱，但在近两年又有再次抬升的迹象。

图5 时点脉冲响应函数图

（三）稳健性检验

VAR 模型的实证结果对变量选取及数据处理方式较为敏感，为了确保实证结果真实稳健，本文参考同类文献替换变量的度量方式进行检验，同时改变模型部分设定。

首先，选取不同的经济政策不确定性指数。一是采用Steven et al.（2019）基于《人民日报》和《光明日报》两家报纸中的经济政策不确定性相关词条量化后所制定的中国政策不确定性指数（EPU1），以此代替EPU进行实证研究。二是采用Baker et al.（2015）基于《南华早报》构建的中国经济政策不确定性指数（EPU2）代替EPU进行实证研究。稳健性分析结果表明，以上两种测度方式的实证结果与基准模型没有显著差异，不影响本文结论。其次，本文采用不同方法构建金融周期指数。采用动态因子指数模型、主成分分析法分别构建金融周期指数，替换基准模型中的金融周期指数，并重新估计TVP-SV-VAR 模型。结果表明，考虑不同构建方法的金融周期指数所得主要实证结论与基准模型一致。再次，本文采用不同的房地产价格代理指标。区别于基准模型中采用全国房地产开发景气指数作为房地产价格的代理变量，采用“商品房销售额/销售面积”度量房地产价格（RE1）重新构建模型并进行实证检验，主要结论未发生变化。

此外，基准模型中的变量排序xt=（eput，ret，fct）T暗含经济政策不确定性不受宏观杠杆率和经济增长同期冲击影响的假设，且宏观杠杆率不会同期影响其他变量。为了检验该假设多大程度上影响模型实证结果，本文设定另外两种变量排序：xt=（eput，fct，ret）T和xt=（ret，eput，fct）T。稳健性分析结果表明，以上变量排序的改变并不影响本文主要结论。

五、主要结论及政策建议

本文基于我国2005年第一季度至2021年第一季度数据，构建经济政策不确定性、金融周期和房地产价格的时变参数向量自回归模型，实证检验三者之间相互影响及其潜在时变关系。研究发现：第一，经济政策不确定性对金融周期和房地产价格的影响具有显著时变特征。经济政策不确定性对房地产价格在2008—2010年和2010—2015年期间呈现出相反的影响，但自2016 年以来，在“房住不炒”政策基调下，经济政策不确定性增加对房地产价格呈现出稳定的短期负向影响；而经济政策不确定性增加在多数时间内能够带来金融周期景气程度上升。第二，金融周期对经济政策不确定性和房地产价格的影响也存在明显的时变特征。金融周期对经济政策不确定性的影响在2015 年前后存在结构性变化，2015 年以来政策当局对金融周期波动的容忍度上升，经济政策维持相对稳定的金融市场预期；金融周期冲击对房地产价格在多数时间内存在短期的正向影响，尽管2009 年以来这一正向影响程度逐渐减弱，在2016 年前后转为负向影响，但2019年以来两者之间再次呈现正向影响，表明金融到房地产的传导机制又有所强化。第三，房地产价格对经济政策不确定性和金融周期影响的时变性相对较弱。房地产价格增长率冲击对经济政策不确定性的正向影响自2005 年以来持续减弱，在2016年前后变为负向影响，意味着近年来以“房住不炒”为核心的房地产调控政策具有一定的连续性，未出现较多的政策反复；房地产价格增长率冲击对金融周期景气程度存在着稳定且显著的负向影响，体现出我国房地产市场对金融市场资金的“虹吸”效应一直较强。

基于以上研究结论，可以得到如下启示：

第一，政策制定部门应高度关注经济政策不确定性、金融周期和房地产价格之间的双向影响及其时变特征，并结合当下经济金融和房地产市场运行态势，坚持跨周期调控思路，增强政策的前瞻性、灵活性、有效性。同时，充分评估并准备多种方案应对经济政策调整的潜在负面冲击，确保经济平稳运行。

第二，政策实施后，应强化预期管理，通过多种渠道向公众有效传达未来政策的明确走向，引导市场正确理解政策意图，强化金融周期和房地产价格冲击对经济政策调控效果的影响监测，并对经济政策及时进行动态调整，但调整幅度应以微调为主，避免政策方向出现反复以及政策力度大幅变动。

第三，由于房地产市场对金融市场资金的“虹吸”效应较强且持续存在，房地产价格的过快上涨将削弱金融支持实体经济力度，并积累系统性金融风险。因此，应通过房地产市场供需的结构性调整，推动房地产市场供求长期平衡，坚持稳低价、稳房价、稳预期，加快完善促进房地产市场平稳健康发展的长效机制，在保持房地产价格稳定或合理回归的同时，避免其对金融市场和实体经济的大幅扰动，推动建立房地产市场与实体经济之间的良性循环。