董 凯，王少楠，许承明

(1．南京晓庄学院 商学院，南京 211171；2．美国佐治亚大学 农业与应用经济系，美国 佐治亚州)

内容提要：本文运用包含随机波动的时变参数向量自回归模型与贝叶斯DCC-GARCH模型，并结合我国2001年1月至2017年12月的相关数据，分析银行信贷、房产价格与经常账户余额间的相互作用机制和动态关联程度。实证结果表明：银行信贷的扩张可以显著推高房产价格，减少经常账户盈余；房产价格的上涨会刺激银行信贷扩张，削弱经常账户余额；经常账户余额盈余的增加则会减少银行信贷量，抑制房产价格上涨；银行信贷与房产价格之间的关联程度最高，银行信贷与经常账户余额间的关联程度次之，而房产价格与经常账户余额的关联程度最低。因此，为了平抑暴涨的房产价格、改善经常账户失衡的状况，实现宏观经济平稳健康发展，应加强对银行信贷投放的管理，切实管住银行信贷量的总阀门。

一、引言

长期以来银行信贷被认为是影响我国宏观经济平稳运行的重要因素，尤其在国际金融危机之后我国商业银行信贷规模急剧扩张，带动了社会投资，扩大了内需消费，遏制了经济增速下滑趋势。随着时间的推移，银行信贷扩张的边际效用逐渐下降，而其负面效应则日益凸显。尤其在“新常态”的现实条件下，我国大量信贷资金盘踞在金融机构、金融系统内部之间进行空转套利，导致金融杠杆迅速攀升，金融风险不断积累，引致金融系统稳定性大幅下降。

1998年我国实行住房制度改革以来，房产价格在绝大多数年份里大幅快速上涨，至2017年房产价格累计上涨已超过220%①。在房价普遍快速上涨的情况下，房地产市场的预期收益明显高于其他资产或投资的收益，致使信贷投放的很大一部分通过各种渠道汇入到房地产市场，大量的高风险、高收益债券也与房地产市场、房产价格之间息息相关。目前，我国的房地产市场与金融系统、宏观经济之间联系紧密，房产价格的大幅波动无疑会给金融系统和宏观经济的稳定性带来负面冲击。由于内部经济的转型升级和外部贸易环境的急剧变化，我国经常账户余额增速大幅放缓，甚至在某些时段出现负增长，而经常账户余额的大幅波动无疑会对宏观经济的平稳运行产生重要影响。鉴于房产价格的快速上涨、经常账户余额的大幅波动均与银行信贷密切相关，银行信贷的激增通常被认为是潜在风险的早期预警，信贷的过度膨胀常常会导致资产价格暴涨、外部失衡加剧和经济运行过热，进而危及整个金融系统和宏观经济的健康运行(Lamont和Stein, 1999；Aizenman和Jinjarak, 2014)。

目前，关于银行信贷、房产价格和经常账户余额之间相关性的研究大体可分为如下以下几个方面：银行信贷对房产价格的影响，银行信贷对经常账户余额的影响，以及房产价格对经常账户余额的影响。

1.关于银行信贷对房产价格的影响。Lamont和Stein(1999)的研究指出一个城市的房产价格与该城市的信贷量存在正向关系。Aizenman和Jinjarak(2014)利用跨国面板数据证明了信贷量和信贷模式对房产价格具有重要的影响。平新乔和陈敏彦(2004)、张涛等(2006)认为房地产贷款、房产价格二者之间存在正向相关性，政府支持的银行信贷会显著推动房产价格的上涨。梁云芳和高铁梅(2007)的实证结果表明银行信贷规模对我国东、西部地区房产价格的影响较大，而对中部地区房产价格的影响较小。谭政勋和王聪(2011) 结合多元GARCH模型和动态随机一般均衡(DSGE)模型，发现银行信贷与房产价格之间存在显著的相互促进作用。王云清等(2013)、贾俊雪等(2014)指出宽松货币政策引致的信贷扩张是驱动房价上涨的主要原因。余华义和黄燕芬(2015)结合全局向量自回归(GVAR)模型考察了宽松货币政策的区域异质性特征，研究发现，相比较于中西部城市房产价格而言，货币供应量冲击对一线城市和东部城市的房产价格存在较大的正向影响。魏玮和陈杰(2017)的研究指出房产价格对房贷杠杆率的变动非常敏感，而房贷杠杆对房产价格的影响存在非线性双重门槛效应，其中东部地区的双重门槛效应比中西部出现得更早。

2.关于银行信贷对经常账户余额的影响。Calvo和Rodriguez (1977)、Frenkel和Rodriguez(1982) 发现宽松货币政策可以使得利率和物价水平下降，汇率贬值，最终改善经常账户。Ivrendi和Guloglu(2010)利用SVECM模型得出了与传统观点相对立的研究结果，即紧缩的货币政策导致银行信贷的全面收缩，一方面使得实际汇率升值，另一方面压低了全社会物价水平，降低了生产成本，改善了经常账户。黄隽(2010)指出银行信贷激增使得银行为消费或进口需求提供充足的信贷支持，需求的扩张刺激了进口，随后影响到经常账户余额，导致经常账户逆差。王君斌和郭新强(2011)利用SVAR模型和包含资本项目管制的新开放经济动态随机一般均衡(NOEM-DSGE)模型，分别从实证和理论角度分析了引致经常账户变动的因素，结果显示货币政策冲击是影响经常账户波动的主要冲击，宽松的货币政策会导致经常账户余额短期内出现明显下降。杨明和王萌璐(2014)运用双缺口模型的研究认为信贷投放的增多既可以刺激消费和投资，也会抑制储蓄，从而减少经常账户余额。罗伟和吕越(2015)通过构建具有效率和融资能力的双重异质性贸易模型，发现信贷配置失衡能促使大量享受信贷支持的企业出口，同时只抑制了少数受信贷约束企业的出口，可在一定程度上促进总出口量的增加。刘威等(2017)指出以银行信贷量为代表的金融指标对于调节经常账户余额的短期波动发挥着重要的作用。

3.关于房产价格对经常账户余额的影响。Aizenman和Jinjarak(2009)通过一系列的回归估计，验证了房产价格上升和经常账户赤字二者之间存在很强的正相关性。Fratzscher等(2010)指出资产价格的迅速上涨(股票价格和房产价格)是导致贸易赤字长期存在的主要原因，资产价格的上升不仅增加了家庭的预期收入，促进了消费，而且刺激了企业投资，最终导致贸易状况恶化。Punzi(2013)、Ferrero(2015) 运用NOEM-DSGE模型的模拟分析证明金融深化的不断推进既推高了房产价格，加剧了经常账户赤字的形成，房产价格与经常账户余额之间呈现出显著地反向相关性。另外，黄德权(2008)、李程(2012)的研究表明我国资产价格(尤其是房产价格)与经常账户余额之间存在密切联系。范言慧等(2013)指出房地产业的繁荣、房产价格的快速上涨，可以引至物价上涨和人民币实际汇率的升值，进而对制造业出口产生负面影响。范红忠和周启良(2014)运用面板数据的实证分析则表明在房产价格越高的东南沿海城市，其出口贸易越发达越说明房产价格对出口贸易具有正向的促进作用。刘斌和王乃嘉(2016)运用Heckman两阶段模型估计房产价格对企业出口的影响，发现高企的房产价格不利于中小企业、民营企业的出口，总体上会降低出口金额、抑制经常账户顺差的积累。

综上所述，中外大部分文献聚焦于分析银行信贷对房产价格的影响，但是银行信贷对经常账户余额的影响以及房产价格对经常账户余额的影响且并未得到统一结论。此外，现有研究并没有把银行信贷、房产价格与经常账户余额放入同一框架下进行系统分析，更没有对三者之间的动态关联性进行深入探讨。因此，本文运用TVP-SV-VAR模型和贝叶斯DCC-GARCH模型系统分析了银行信贷、房产价格与经常账户余额间的传导机制和动态关联程度，并据此针对如何保持我国宏观经济均衡平稳发展提出政策建议，这也是对现有研究的有益补充与拓展。

二、模型说明

(一)TVP-SV-VAR模型

定义结构向量自回归(SVAR)模型：

Ayt=F1yt-1+…+Fsyt-s+μt，t=s+1,…,n

(1)

K×1是待观测变量的K×1维向量，A，F1，…，Fs是K×K维系数矩阵，扰动项μt是K×1维结构性冲击，且μt～N(0,∑∑)，其中：

同时假定A为下三角矩阵：

则式(1)可改写为：

yt=B1yt-1+…+Bsyt-s+A-1∑εt，εt～N(0,IK)

(2)

其中，Bi=A-1Fi，i=1,2,…,s，将Bi中的元素堆叠成K2×1维的列向量β，且定义Xt=IK⊗(yt-1,…,yt-k)，⊗表示克罗内克积，则有：

yt=Xtβt+A-1∑εt，t=s+1,…,n

(3)

在(3)式中，所有的参数都是非时变参数，若将参数转变为时变参数，则该模型拓展为TVP-SV-VAR模型(Primiceri,2005；Nakajima,2011)。

考虑(4)式：

yt=Xtβt+A-1∑εt，t=s+1…n

(4)

其中，βt，At，∑t均为时变参数。

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)贝叶斯DCC-GARCH模型

考虑多元时间序列yt=(y1t,…ykt)′的GARCH模型：

定义CCC(constant conditional correlation)模型：

Ht=DtRDt

(5)

其中，ωi>0，αi≥0，βi≥0，αi+βi<1，i=1…k。该模型包含k(k+5)/2个参数，且当且仅当hii,t>0，i=1…k且R为正定时，Ht为正定。

通过允许条件相关系数矩阵随时间变化而变化，Engle(2002)提出了更加一般化的CCC模型，即DCC(dynamic conditional correlation)模型，借鉴Engle(2002)和Fioruci等(2014)，在Ht=DtRtDt中：

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

(6)

其中Qt为k×k对称正定矩阵，

(7)

条件似然函数为：

其中pε是εt的联合密度函数，模型参数集为：

θ=(ω1,α1,β1,…,ωk,αk,βk,p12,…,pk-1,k)

本文选用贝叶斯方法进行研究，由于金融时间序列存在明显的后尾现象，在指定分布时选用误差项具有偏度和后尾特性的GED分布(一种多元指数幂分布)对DCC模型进行估计，其标准单变量的概率密度函数为：

(8)

峰度由Γ(1/δ)Γ(5/δ)/Γ(3/δ)2-3给出，其中当δ=2时标准正态分布，当δ<2时是尖峰分布，当δ>2时尾部更薄。Gómez et al(1998)拓展出多元模型，由于其边际分布和绝对矩很难求得，故此处使用k个独立随机变量的联合分布，使得上式给出的边际密度有共同的尾部参数δ，联合密度函数：

(9)

(10)

图1 TVP-SV-VAR模型参数的估计结果

三、实证分析

(一)TVP-SV-VAR模型的实证分析

本文将模型的变量顺序设定为银行信贷量(CM)、房产价格(HP)和经常账户余额(CA)②，利用Oxmetrics6.2对TVP-SV-VAR模型进行处理，MCMC抽样为10000，模型滞后期设为2。

1.参数回归结果分析。表1的模型参数估计结果表明在5%的显著性水平下无法拒绝Geweke检验的原假设，无效影响因子最大值为73.19，由此可见本文运用MCMC算法对模型参数的估计是有效的。图1包含了样本的自相关系数、模拟路径以及验后分布，剔除预烧期的样本之后∑β、∑α、∑h自相关系数均收敛，这表明样本取值方法能有效产生不相关的样本，模拟较为有效。

表1 TVP-SV-VAR模型的估计结果

2.时变脉冲响应分析。由TVP-VAR模型可以得出两种不同的脉冲响应图，一种是时点型的脉冲响应，另一种是时段型的脉冲响应图。图2和图3分别反映了这两类不同的脉冲响应， 其中图2是在不同时点上形成的脉冲响应，随机选取时点分别是2005年2月、2009年4月与2013年6月，图3是不同提前期的一单位标准正向冲击形成的脉冲响应，提前期分别设置为1、3和5期。

(1)不同时点的脉冲响应时变特征分析。如图2所示，房产价格和经常账户余额对银行信贷在三个不同时点上的脉冲响应并不一致。具体而言，虽然在三个时点上房产价格的响应值均位于正值区间，但对于2005年2月和2009年4月的银行信贷冲击，房产价格均在第2期达到最大值，而后逐步下降；而对于2013年6月的银行信贷冲击，房产价格在第1期迅速达到最大值，而后快速下降在第2期达到最小值，随后再次微弱上升，而后下降，逐渐接近于0。2009年4月经常账户余额对银行信贷的脉冲响应结果与2005年2月以及2013年6月的脉冲响应结果大为不同。对于2005年2月和2013年6月的银行信贷冲击，经常账户余额的脉冲响应迅速下降为负值，而后逐步回升，在第3期变为正值，随后逐渐接近于0；而对于2009年4月的银行信贷冲击，经常账户余额的响应值恒为负，且其当期即做出反应，迅速下降，在第3期将至最小值，而后逐渐上升并在第10期接近于0。

银行信贷在三个不同时点上对房产价格冲击的脉冲响应函数变化趋势是相似的，银行信贷对房产价格冲击当期就做出反应，迅速上升并在第2期达到最大值，而后逐步变小。2009年4月经常账户余额对房产价格的脉冲响应结果，与2005年2月以及2013年6月的结果并不相同。对于2005年2月和2013年6月的房产价格冲击，经常账户余额的脉冲响应迅速下降为负值，而后逐步回升，在第3期变为正值。对于2009年4月的房产价格冲击，经常账户余额的响应值恒为负，且其当期即做出反应，迅速下降，在第1期将至最小值，而后逐渐上升在第13期接近于0。

图2 不同时点冲击的脉冲响应

银行信贷和房产价格对经账户余额冲击在三个不同时点上的脉冲响应函数变化趋势是相似的。其中，银行信贷对经常账户余额冲击当期就做出反应，迅速下降并在第1期达到最小值，而后又迅速上升并在第3期达到最大值，随后逐步变小；房产价格对经常账户余额冲击当期就做出反应，迅速上升并在第3期达到最大值，而后逐渐下降。

(2)不同提前期的脉冲响应时变特征分析。图3是提前1期、3期与5期的一单位标准正向冲击形成的脉冲响应。观察图3可以发现三个不同提前期冲击的脉冲响应总体相似，但不同提前期冲击形成的脉冲响应在方向上存在差异。

如图3所示，无论是提前1期、3期还是5期，房产价格对银行信贷冲击的脉冲响应趋势十分相似且表现为正值。从提前1期脉冲响应看，银行信贷对房产价格的影响在2013年达到最大值，随后逐渐缩小。经常账户余额对银行信贷冲击的脉冲响应值绝大部分为负，从提前1期脉冲响应来看，在2009年之后银行信贷对经常账户余额的影响逐渐增强。银行信贷对房产价格冲击的脉冲响应值绝大部分为正，从提前1期脉冲响应来看，房产价格对银行信贷的影响程度较大且非常平稳。从提前1期脉冲响应看，经常账户余额对房产价格冲击的滞后响应恒为负值，且在2010年左右达到最小值。银行信贷对经常账户余额冲击的响应几乎为直线，这表明经常账户余额冲击对银行信贷的影响较为平稳；房产价格对经常账户余额冲击的脉冲响应在2015年之前恒为正值，但在2015年之后变为负值。

至此，本文考虑到我国正处于经济结构、政策偏好等发生重大改变的现实背景下，选用TVP-SV-VAR模型对银行信贷、房产价格与经常账户余额的内在作用和传导机制进行了较为详细的分析。为了进一步分析三者之间的动态相关性，我们选用贝叶斯DCC-GARCH模型对银行信贷、房产价格与经常账户余额的动态关联系数进行测度。

图3 不同提前期冲击的脉冲响应

(二)贝叶斯DCC-GARCH模型的实证分析

1.相关检验。J-B 检验显示银行信贷、房产价格和经常账户余额三序列并不服从正态分布。此外，，三序列的波动随着时间的变化出现明显的集聚性，适合进行ARCH 类模型建模。

表2 相关序列J-B检验和单位根检验结果

2.模型估计结果。采用贝叶斯DCC-GARCH模型分析银行信贷、房产价格和经常账户余额三者之间的动态关联性，表3给出了模型的实证结果。其中，参数γ测度是银行信贷、房产价格和经常账户余额的偏度，γ>1表示为右偏态，否则为左偏态；ω为模型方差方程的常数项，α、β分别为方差方程的ARCH项和GARCH项系数，需满足α+β<1，且两者之和越接近于1波动的衰减速度越慢。此外，υ衡量拖尾分布是否适用于误差项；a、b及两者之和用以检测是否应选用DCC模型，若a+b=0，则表明宜采用CCC模型，若a+b≠0则说明采用DCC模型更为合理。观察表3可以发现所有回归方程均满足α+β<1的约束条件，参数υ在均值回归和分位数回归模型中均大于2，表明误差项存在拖尾效应。此外，a+b=0.9822-0.9870且均值和高位分数回归所得结果大于0.1，采用DCC模型进行分析是合理的。

表3 贝叶斯DCC-GARCH模型蒙特卡洛估计结果

从模型估计结果可以看出银行信贷、房产价格和经常账户余额的波动具有非对称性特征，其中银行信贷和经常账户余额呈现明显的右偏态，而房产价格则呈现出左偏态。左偏态代表序列波动落在均值右侧的概率更高，而右偏态则说明落于均值左侧的概率更高。假定波动幅度为风险，则左偏态表示市场风险更大。从波动的非对称性可知银行信贷和经常账户余额的波动风险相对较小，房产价格波动的风险相对较大。此外，三序列的α+β之和均在0.71以上，观察表3可知随着分位数的不断增大，α+β值亦不断增加。具体而言，银行信贷在分位数为2.50% 、25.00% 、50.00%、75.00%和97.50%时，其对应的α+β值分别为0.9506、0.9516、0.9545、0.9578和0.9620，而房产价格和经常账户余额对应的指标分别为0.7350、0.7485、0.7574、0.8052和0.8258；0.7190、0.7246、0.7305、0.7740 和0.7854。随着分位数的不断升高，序列的波动逐渐加剧且波动的衰减速度逐渐放缓。

3.动态关联系数分析。图4至图6分别为运用贝叶斯DCC-GARCH模型测算出的银行信贷和房产价格、银行信贷和经常账户余额、房产价格和经常账户余额的动态关联系数图，观察图4至图6可以得出如下几点结论：

第一，银行信贷与房产价格之间的动态关联系数恒为正值，在0.0369-0.9623之间变化。从时间趋势上来看，除极个别月份之外，自2001年至2007年银行信贷与房产价格之间的关联系数呈上升趋势，而在2007年至2008年二者之间的关联系数呈现出下降趋势。自2009年伊始，银行信贷与房产价格的关联系数急速回升。此后，银行信贷与房产价格之间的动态相关系数分别在2010年、2013年和2016年出现峰值。众所周知我国房价在2010年、2013年和2016年均出现了“暴涨”现象，这从侧面印证了银行信贷与房产价格紧密相关，银行信贷的刺激可以显著推动房产价格的上涨。此后，二者间的关联系数走势趋于平缓，从2016年下半年开始呈现下降趋势，这表明“金融去杠杆”使得信贷与房产价格的关联性逐渐降低。

第二，银行信贷与经常账户余额的动态关联系数恒为负值，在-0.5327至-0.0874之间变化，且波动幅度逐渐增大，由此可见，银行信贷与经常账户余额之间负相关，说明在整个样本期间银行信贷的激增会抑制经常账户余额的积累。从时间趋势上来看，除2003年、2010年、2011年和2013年的极个别月份银行信贷和经常账户余额的关联系数较低之外，自1998年至2017年间的绝大多数样本期，该值在-0.2至-0.1区间徘徊，但大体上呈现下降趋势，这表明，银行信贷与经常账户余额间的负向相关性较为稳定。

第三，房产价格与经常账户余额之间的动态关联系数恒为负值，在-0.1325至-0.0469之间变化，由此可见，房产价格与经常账户余额之间呈现负向相关性，这表明房产价格的上涨会抑制经常账户余额的增加。从时间趋势上来看，自2001年至2015年房产价格与经常账户余额的关联系数大体上呈现下降趋势，尤其是在2006年至2015年期间，下降趋势较为明显；而在2015年至2017年，二者间的关联系数呈现微弱的上升趋势。可以认为，随着我国房地产市场的蓬勃发展，房产价格的快速上涨，其在一定程度上会削弱经常账户盈余的积累，这种抑制作用随着时间的推移逐渐显现。

图4 银行信贷和房产价格的动态关联系数图

图5 银行信贷和经常账户余额的动态关联系数图

图6 房产价格和经常账户余额的动态关联系数图

在银行信贷、房产价格和经常账户余额三者之间，观察图4至图6可以发现银行信贷与房产价格之间的关联程度最高，银行信贷与经常账户余额间的关联程度次之，而房产价格与经常账户余额的关联程度最低。此外，三者之间的动态相关性是较为稳定的：银行信贷与房产价格之间呈现正向相关性，银行信贷与经常账户余额以及房产价格与经常账户余额之间则呈现出负向相关性，这说明银行信贷的增加在现阶段会推高房产价格的上涨但会抑制经常账户余额的积累，而房产价格的持续上涨则会使得经常账户顺差逐渐减少。

四、结论及建议

房产价格持续快速上涨和经常账户余额波动加剧引发学界和实务界越来越多的关注和担忧，本文通过构建兼具时变和随机波动特征的TVP-SV-VAR模型分析近年来我国银行信贷、房产价格与经常账户余额之间的作用和传导机制。结果表明银行信贷的增加可以显著推高房产价格，减少经常账户盈余；房产价格的上涨会刺激银行信贷扩张，削弱经常账户余额；经常账户余额的积累则会减少银行信贷量，抑制房产价格上涨。另外，本文采用DCC-GARCH模型探讨了银行信贷、房产价格与经常账户余额的动态相关性，结果表明三者之间银行信贷与房产价格之间呈现正向相关性且关联程度最大，银行信贷与经常账户余额之间表现为负向相关性，关联程度次之，而房产价格与经常账户余额之间表现为负向相关性且关联程度最小。

当前中国正处于经济转型升级的关键阶段，保持经常账户的相对稳定至关重要；同时，对外贸易面临的负外部性逐渐加剧，“贸易战”大有“山雨欲来风满楼”之势，加之国内房产价格的持续迅速上涨不仅导致居民负债压力增大、生活水平下降，还在一定程度上导致信贷部门不良贷款率恶化，以上这些因素均不利于中国经济增长方式实现转型升级。本文的研究结果表明银行信贷、房产价格与经常账户余额三者之间存在紧密的联系，银行信贷的激增可以推动房产价格持续高企和大幅减少经常账户盈余。因此，为了实现经济体内外均衡增长，政府在维持经常账户稳定和制定房价调控政策时应充分考虑银行信贷的潜在影响，尤其是在对实体经济部门和金融部门的去杠杆改革进程中需加强对于银行信贷的管理，综合运用货币政策和宏观审慎政策切实管住银行信贷量的总闸门，以实现新常态下的宏观经济均衡平稳发展。

注释：

① 原始数据来源于国家统计局官方网站，最终结果由作者计算所得。

② 本文选取2001年1月至2017年12月的相关数据进行实证分析，银行信贷量和经常账户余的原始数据分别来源于中国人民银行官方网站和wind宏观经济数据库；此外，利用国家统计局官方网站公布的商品房销售额与商品房销售面积计算出商品房价格。