沈 悦， 李 博 阳， 张 嘉 望

(西安交通大学 经济与金融学院， 陕西 西安 710061)

一、引 言

在2008年全球金融危机之后，各国金融机构所持的包括房地产在内的资产价值大幅下跌，由于金融危机带来的影响到今日也未全部消散，学术界不断反思为何各国金融体系面对资产泡沫时束手无策。此后，学者们逐渐发现金融危机的爆发和资产价格泡沫化有着显著的关联[1-3]。由此，国内外研究资产价格泡沫与金融稳定的文献如雨后春笋般涌现[4-6]。可以设想的是，如果房价泡沫一旦破裂，微观上会导致房地产市场资金链断裂，如家庭按揭贷款断供、开发商流动性危机、银行贷款大面积违约等问题；宏观上会加大系统性风险甚或诱发系统性危机，如实体经济倒闭风潮迭起、导致经济危机、金融机构资不抵债、诱发金融危机等。 金融危机之后，“四万亿”刺激计划在助力稳定中国经济的同时也带来金融机构资产负债表的不断扩张，并由此导致中国金融体系杠杆率持续攀升，2013年货币市场流动性紧缺、2015年股市灾难、2016年债市灾难以及2018年信托市场频繁暴雷等风险事件轮番上演。金融杠杆的飙升积累了系统性风险、给金融稳定埋下隐患的观点得到了国内外学界的广泛认同[7-10]。IMF也指出一国的金融杠杆上升过快极易引发金融危机，且对于新兴国家尤甚[11]。因此，在金融危机10年、房改20年后的当下，理论上厘清金融杠杆和房价泡沫对金融稳定性的影响机制，实证上验明这3者间的动态关系，对于积极稳妥降低金融杠杆率、预防与房地产市场相关的重大风险生成、切断房价泡沫风险传导至金融体系、确保不发生系统性风险具有重要的意义。

本文主要解决以下3个问题：第一，当前中国城市房价存在多大程度上的泡沫？住房制度改革20年来，中国房地产政策经历了多轮政策支持—收紧—再支持的循环，民众以及政策制定者对于当前的房地产价格泡沫的判断莫衷一是。为了精准研判中国城市房价泡沫的程度，在Abraham 和 Hendershott[12]、Clark 和Coggin[13]等学者的基础上，构建适用于中国的房地产市场的预期均衡价格增长率模型，对房价泡沫进行科学测度，试图对中国当前房价泡沫程度做出理性判断。第二，金融杠杆、房价泡沫与金融稳定3者之间的关系是怎样的？以往研究多是针对其两两之间的单向影响，而对于这3者之间整体关系的理论和实证研究均比较匮乏。金融杠杆的提高会促进房价泡沫膨胀，但反过来房价泡沫是否会影响金融杠杆？现阶段房价泡沫对金融系统稳定性的影响究竟是价值偏离效应还是价值抵押效应？金融杠杆对金融稳定性有着怎样的影响？本文细致梳理了金融杠杆、房价泡沫和金融稳定性3者间的逻辑关系，并创新性地运用面板向量自回归模型进行实证检验，以期对这一问题做出科学回答。第三，对于泡沫膨胀和缩小的不同时间段，我国房价泡沫对金融稳定性有着怎样的冲击与影响？从调控举措来看，未来房地产调控政策面临“双向失调”的风险[14]：若政策过紧，则在市场下行压力助推下容易引发一系列的泡沫破裂连锁反应；若政策过松，则助长投机资金重返房地产市场，又掀起新一轮的泡沫积累风险。因此，对于以上问题的回答有助于制定宏观审慎的房地产调控政策。

二、文献综述与理论假设

1.文献综述

从文献发展的脉络来看，其中一部分文献着重探讨金融杠杆与房价泡沫之间的互动关系，有一部分文献主要关注房价泡沫对金融稳定性的影响，还有一部分文献重点考虑金融杠杆对金融稳定性的影响，下面分别对相关文献进行梳理。

关于金融杠杆和房价泡沫之间的关系，学术界主要形成了两派观点。第一种观点基于信贷扩张的泡沫模型，认为信贷扩张是造成房价泡沫形成的主要原因[15]。在此基础之上，Barlevy从信贷市场的特征、投资者承担风险和投资者的交易方式3个方面对传统信贷扩张的泡沫模型进行了拓展，构建了基于金融杠杆的投机泡沫模型[16]。国内学者也结合中国数据进行了相关研究，认为信贷资金确实推动了房价泡沫的形成[17-18]。第二种观点认为，金融杠杆与房价泡沫之间并不只是单向传导关系，而是相互促进关系。Stein首次提出并从理论上论证了“房价—金融杠杆—房价”的自增强效应，认为金融杠杆和房价之间存在自增强循环的联动效应[19]。随后，Lamont和Stein运用美国城市数据对房贷杠杆的自增强效应进行了实证检验[20]。刘晓欣和雷霖也利用中国月度数据实证发现了金融杠杆和房价之间的相互促进关系[21]。

房价泡沫的形成和破裂会带来一系列负外部性，也因为全球历次重大金融危机的发生都与房价泡沫的破裂密不可分，因此，学术界对于房价泡沫对金融稳定性影响的关注由来已久。关于房价泡沫对金融稳定性的影响及其传导机制的分析，学术界形成了两种截然不同的看法。 一是房地产价格的价值偏离理论。该理论认为当房地产价格不断上涨并长期偏离基础价值时，整个市场中将会存在大量的房地产投机者，各大金融机构由于信息不对称的原因在住房贷款项目上积累了大量风险，一旦出现预期反转或者市场调控措施失灵，极有可能发生风险，从房地产市场传染至金融体系，甚或引发金融危机，从而形成房价泡沫膨胀破坏金融稳定性的传导渠道[15]。二是房地产价格的价值抵押理论。该理论认为抵押品价格的上涨通过抵押物价值的提高减少了借款方发生违约的概率，同时改善了各大金融机构的资产负债表结构，从而增强了金融稳定性，房地产作为最常用的抵押品之一其影响效果无出其二，即形成房价泡沫膨胀增强金融稳定性的传导渠道[22]。

在众多金融杠杆与金融稳定的文献中，学术界形成的共识是金融杠杆的高企会破坏金融稳定性。Adrian等基于金融系统不稳定性指标，实证研究了金融杠杆引致的爆发性行为是如何带来系统性的金融不稳定[23]。Valencia通过构建了一个动态银行模型，论证了商业银行的过度杠杆化融资恶化了其正常的风险承担机制，导致银行部门承担了过度风险从而对金融体系的稳定性造成冲击[24]。Coabae和Quintin基于反事实的方法证实在房价泡沫快速膨胀时期，金融机构超越安全线加大金融杠杆，导致次贷危机时高发的房贷违约事件在60%的程度上归因于危机前超发的高杠杆房贷[25]。还有学者认为中国政府在控制房价泡沫的过程中，除了宏观调控工具的使用外，还要着重降低金融杠杆率以防经济增长放缓，甚至发生危机[26]。刘晓欣基于虚拟经济视角研究表明，金融杠杆的高企反映了系统性风险的累积与扩散过程[27]。

以上文献对于理解金融杠杆率、房价泡沫与金融稳定性3者间的关系富有启迪意义和借鉴价值，但可以看到的是国内外学者都是从“金融杠杆率与房价泡沫的关系”“房价泡沫与金融稳定性的关系”“金融杠杆率与金融稳定性的关系”这两两关系的角度出发展开探索，研究它们之间单向亦或双向的影响，缺乏对这3者关系进行整体考量。在方法上，现有文献主要是建立传统的线性回归模型，忽视了变量之间的滞后性与内生性问题，无法剖析变量之间的动态交互影响关系。考虑到近年来中国金融杠杆率高企、房价泡沫快速膨胀、金融风险事件频发，从整体的角度系统性地研究金融杠杆率、房价泡沫与金融稳定性3者间的动态联动关系与影响机制是目前亟需解决的问题，也是本文的创新之处。

2.理论假设

本文认为金融杠杆率、房价泡沫与金融稳定性3者相互影响。金融杠杆与房价泡沫之间形成了自增强的联动效应，即金融杠杆率越高会导致房价泡沫越高。房价泡沫与金融杠杆之间存在价值偏离效应，即房价泡沫膨胀会导致金融稳定性下降。金融杠杆率与房价泡沫之间形成了风险传染效应和负反馈效应，即金融杠杆率高企导致金融稳定性下降，反过来金融稳定性下降会抑制金融杠杆率的进一步攀升。由于房价泡沫与金融稳定性之间单向逻辑链条的存在，使得这3者关系的最终落脚点为金融稳定性的下降。在整体上形成了金融杠杆率与房价泡沫相互促进，而二者又均对金融稳定性产生负向影响的动态联动关系。金融杠杆率、房价泡沫与金融稳定性形成的动态逻辑关系如图1所示。

第一，金融杠杆与房地产价格泡沫间形成了自增强的联动效应。一方面，房价泡沫通过同时提高需求侧和供给侧房贷的渠道提高了金融杠杆。从供给端来看，泡沫累积带来银行的资产负债表顺周期性变化，银行的资产账面价值不断增加，在宏观审慎评估体系下的各项考核指标也会更稳健，从而使银行增加贷款供给。从需求侧来看，房地产泡沫的累积会使房地产贷款需求增加。当投机泡沫长期存在时，市场会有房价继续上涨的正面预期，投机者会继续入场以期在未来套取投资收益，而刚需群体为了自住需求也会提前购买房产。此外，泡沫的不断累积增加了房产的抵押价值，为投资者增加了贷款额度，这也同样刺激了房地产的贷款需求。另一方面，作为一种优质投资资产(具有使用和投资的双重功能且折旧低)有着超高投资回报率，因而在金融杠杆升高时期，大量资金进入房地产市场，这一需求的增长愈发增加了房地产价格泡沫。

第二，房价泡沫对金融稳定性的作用效果支持价值偏离效应。相关研究发现，相比理性泡沫，投机泡沫对房地产价格的影响更大，而目前中国的房价泡沫主要有投机泡沫构成[30]。当市场上以投机泡沫为主时，房地产的投机需求超过了住房需求，对市场的预期成为决定房地产价格的重要因素，民众投资房地产的目的不再是仅仅为了满足自住需求，更多的激励在于赚取高昂价差。泡沫的进一步累积为投机者释放了更加利好的入场信号，伴随的是跟涨不跟跌的投机行为，最终呈现的是房地产价格越高、市场需求越旺盛的畸形现象。在羊群效应下，房地产市场吸引了大量闲置资金，造成经济的“脱实向虚”，不利于国家产业结构的升级，并增强了金融体系脆弱性。由于我国金融市场发展较慢，房地产开发的融资渠道单一，开发资金多依赖于商业银行，整个银行系统承担了过多风险。而当银行在一国金融体系中处于主导地位时，房价泡沫及其破裂对金融稳定性的破坏要严重得多。房价泡沫对金融稳定性的影响存在潜伏性，房价泡沫在抵押品价值效应作用下短期内表象上增强了金融稳定性，可是随着房价泡沫不断膨胀，累积的金融风险成为巨大隐患，长此以往，宏观经济的基本面终将承受不住高昂房价。当市场的需求远小于供给时，有价无市的现象就会频频出现，一旦遭受外部冲击的干扰，经济基本面出现波动，抵押的房产无法立刻变现，负面的情绪会瞬间传染到每个角落，房价泡沫将会迅速破灭，此前积累的风险将完全暴露，导致金融系统的剧烈震荡。

第三，金融杠杆率的提高会弱化金融体系稳定性。金融杠杆的提高代表着负债增加，权益资本对风险资产的损失覆盖能力随之减弱，对金融稳定性造成负面影响，同时由于金融加速器效应，使得金融危机更易发生。中国目前存在着宏观的高杠杆，并表现为同业负债率快速提高、金融资产负债表迅速膨胀、表外资产占比快速攀升和对中央银行负债依懒性升高等4个特征[28]，这均加大了金融体系的脆弱性。同时，在金融杠杆提高的每个环节，金融机构均要套利，使得资金成本层层推高，所配置资产的风险不断加大，一旦发生信用违约事件，极易发生连锁反应。并且，金融高杠杆会增强金融机构之间的关联性[29]，使得风险的累积、触发、传染和扩散呈现出一系列新的特点，潜在风险的不断累积通过杠杆的传染机制进一步放大了系统性金融风险。更进一步，金融稳定性反过来也会影响金融杠杆率，当整体金融稳定性较强时，信用违约事件发生的概率较小，金融机构愿意承担更多风险进行大量放贷，从而在扩表的过程中利用短久期负债撬动长久期资产增加金融杠杆。同时，当金融稳定性强时，市场风险较低，居民和企业持有现金的动机大大减弱，配置存款、理财产品等金融资产比重增加，商业银行等金融机构的表内负债与或有负债相应增加进而导致金融杠杆率提升。综合上述分析，本文提出假设：

H1：金融杠杆与房价泡沫之间存在相互促进的关系，金融杠杆和房价泡沫均会破坏金融稳定性。

关于房价泡沫膨胀与缩小时金融系统稳定性会有怎样的表现这一问题，学术界一种观点以为，泡沫积累阶段不会破坏金融系统稳定性，而泡沫破裂时必然引发风险迅速叠加，危害金融稳定；另一种观点认为，泡沫膨胀或缩小至一定程度都将会逼近金融风险临界点，削弱金融系统稳定性。本文的观点是房价泡沫膨胀和房价泡沫缩小对金融稳定性的影响效应不同。房价泡沫膨胀中一风险因素的产生和累积为主[30]，也伴随着房价泡沫累积带来的资金脱实向虚，长远角度看不利于国家产业结构调整，对金融系统稳定性造成负面影响。但就短期而论，房价泡沫缩小对金融稳定性的冲击更强。就购房者而言，随着手中资产价值不断缩水，住宅抵押贷款违约风险加大。就开发商而言，泡沫缩小导致开发商预期收益减少、资金成本增加，资产负债表严重失衡，资金链几近断裂，企业经营风险加大。就地方政府而言，土地出让金及相关税收大幅减少，加剧了地方政府债务问题。就以商业银行为核心的金融机构而言，房价泡沫的缩减将直接导致大量信贷资金难以收回，随着银行内部资本结构恶化、民众预期逆转甚至发生大规模挤兑行为，继而引发银行危机。因为房地产产业链条长，关联行业多，任一环节出现风险点，都有可能导致多米诺骨牌效应，将风险传染至整个金融体系。综上，本文提出假设：

H2：房价泡沫膨胀和缩小对金融稳定性的影响具有异质性，房价泡沫缩小对金融稳定性的冲击更强。

三、中国城市房价泡沫测度与分析

1.资产价格分解与房价泡沫测度

根据Abraham 和 Hendershott[11]、Clark 和Coggin[12]等学者的研究，房地产基础价值HP*指由经济基本面决定的房地产价值，它包括需求因素和供给因素两部分。房价泡沫B指由预期决定的、超过了基础价值而消费者愿意付出的价格，本文假设房地产基础价值HP*与房价泡沫B的加总等于房地产价格HP。

HP=HP*+B

(1)

在房地产基础价值中需求因素包括人口密度(PD)、城镇居民人均可支配收入(Y)、房地产开发投资(I)等。供给因素有住宅建造成本(C)和中长期贷款利率(R)等。泡沫理论强调预期对房价变化的重要性，当消费者关注的是资产价格变动所带来的利润，而非资产本身的使用价值和盈利能力时，应将这种由预期和投机带来的房价变动归入泡沫成分。作为最常用的预期形式(Cagan)[31]，适应性预期可表示为：

(2)

首先，房地产基础价值在经济基本面因素影响下形成的均衡价格增长率hp*为：

(3)

(4)

式(4)中γit为房价增长中不能被基本面因素所解释的部分，主要包括房价泡沫部分与随机误差项，即：

(5)

然后，将式(3)和式(5)带入式(4)得到房地产均衡价格增长模型：

(6)

最后，将房价泡沫度定义为：

(7)

(8)

同理，可得：

(9)

2.房价泡沫测度结果与分析

选择《中国房地产统计》中列示的35个大中城市作为研究样本，时间跨度为2000～2018年。本文选择城市层面数据而非省级数据是因为房价泡沫多存在于城市，而且省级数据的误差更大。

本文选择2000年作为研究基期，并假设基期房价是均衡的，这一假设主要有以下考量：(1)我国住房改革的时间点是1998年，从1998年起我国的房地产市场走向货币化、商品化，2000年是住房改革的初期，房地产价格是依托于基础价值的；(2)1992年我国海南曾存在过局部房价泡沫，之后于1997年爆发了亚洲金融危机，经过亚洲金融危机到2000年全国房价泡沫已基本消失。

本文房地产相关数据来源于《中国房地产统计年鉴》，宏观经济数据来源于Wind金融数据库。本文对变量增长率的处理方式为对数差分法。此外，为了使各数据同期可比，对所有以货币计值的数据进行以2000年为基期的定基处理。本文所有数据均通过LLC、IPS和ADP等多重面板单位根检验。由于模型(6)中存在被解释变量的滞后一期，为了避免可能的内生性问题，本文采用系统矩估计(System-GMM)方法对模型(6)进行估计，第一至第八次迭代(第四、五、六次迭代结果基本一致，不再展示)的估计结果如下：

表1 房地产均衡价格增长率的系统矩估计结果

根据表1可以发现，在七次迭代之后，各回归系数估计值已逐步收敛至稳定。依据AR(1)、AR(2)检验的伴随概率P值可以确保模型不存在二阶序列相关问题。根据Hansen统计量的伴随概率可知，回归模型不存在工具变量的过度识别问题。就回归系数符号而言，人均可支配收入、房地产开发投资、人口密度、建造成本增长率与房地产均衡价格增长率同向变化，而贷款利率与之反向变化，同实际情况相符。就影响程度而言，人均可支配收入对房地产均衡价格增长率的影响最大，其次是贷款利率、房地产开发投资、建造成本等。就回归结果的显著性水平而言，各解释变量系数估计值均在5%的水平上显著。

观察表1的最后一列，经过八次迭代模型达到稳定时，房价泡沫膨胀系数θ1=0.07，说明前一期的房价变化与当期房价变化同向，房地产市场中存在羊群效应。房价泡沫校正系数θ2=0.049，表明我国房地产市场具有自我调节效应，对于过高或过低的价格会产生校正动力。但是由于θ1>θ2，这种自我校正能力不强，从而呈现正反馈机制。当房价泡沫膨胀时无法依靠市场自身的力量实现泡沫的自我挤压，在泡沫缩小的过程中也无法完成自我调整。

表2 我国35个大中城市2016～2018年房价泡沫(单位：%)

根据表2的可以看出，我国35个大中城市泡沫度主要集中在0～80%的区间内，而厦门、深圳、福州、宁波、海口、杭州等6个城市存在严重的泡沫问题，泡沫度均长期超过80%。值得注意的是，北京、上海、广州、深圳的绝对房价在国家统计局公布的数据中一直处于前几名，而这4大一线城市中只有深圳的泡沫问题较为严重(平均泡沫度为132%)。这充分说明了房价的绝对水平与其泡沫程度是两个完全不同的概念，高房价有着经济基本面因素的支撑并不一定存在较大的房价泡沫，然而即便房价水平不高但是严重偏离了其基础价值就会形成较大的泡沫(如2016年石家庄房价泡沫度为107%，当年排名第4)。综上所述，我国存在城市房价泡沫，但规模较小。

四、金融杠杆、房价泡沫与金融稳定性的PVAR实证分析

1.PVAR模型的构建

基于前文对房价泡沫的测度和评价结果，本文采用面板向量自回归(PVAR)模型从时间和空间两个维度进一步描述金融杠杆、房价泡沫与金融稳定性间的相互关系。PVAR模型于1988年由Holtz-Eakin首次提出，之后经过了Blundell 和 Bond、Kao 和Mc-Coskey、Westerlund、Love 和 Zicchino[32-35]等学者的发展，目前在宏观经济学、劳动经济学等诸多领域得到了广泛的应用。PVAR的分析方法既继承了VAR模型的特点，允许所有变量内生并能反映变量间的互动关系又兼具了面板数据分析的优点，允许个体异质性的存在且提高了估计精度和稳定性。本文构建如下PVAR模型来考察房价泡沫对金融稳定性的冲击效应：

(10)

式(10)中，Zit是一个由金融杠杆率、房价泡沫和金融稳定三维列向量构成的被解释变量；其中i为城市，t为年份。∏p为解释变量p阶滞后的参数矩阵估计值；∏0为截距项向量；fi为个体效应向量，εt为时间效应向量；μit为随机误差向量，满足：

E(μit|fi,εt,Zit-2,…)=0

(11)

式(10)可视为带有固定效应的动态面板模型，在估计该模型时首先运用“组内均值差分法”消除时间效应εt。考虑到传统的“均值差分法”处理个体效应会存在序列相关问题，本文采用Arellano 和Bover[36]提出的“前向均值差分法”去除个体效应，使得干扰项与解释变量的当期和滞后期均不相关，因此可以根据矩条件E(Zit-p,μit)=0(∀p≥0)来构造GMM统计量。最后运用系统矩估计法估计参数∏。

2.变量设计

参照经典文献[37]，金融杠杆采用信贷/GDP衡量。通过房价泡沫测度模型得到房价泡沫BUB，将房价泡沫BUB与虚拟变量相乘可以得到泡沫膨胀变量BUBP和泡沫缩小变量BUBN，从而可以验证房价泡沫对金融稳定性的冲击是否存在非对称性。具体来讲，BUBP用BUB×dummyp计算，BUBN用BUB×dummyn计算，这里dummyp和dummyn分别代表房价泡沫正向变化和负向变化的虚拟变量。

就金融稳定性而言，国外研究常采用银行破产率、金融危机概率以及不良贷款率[4，38-39]等作为代理变量。其中银行破产率是针对各个银行，并且由于中国存在政府隐形担保，银行破产概率微乎其微，因此并不适用；中国历史上尚未发生过大范围的金融危机，所以缺少金融危机概率的相关指标；中国不良贷款率的统计始于2005年同样也不适用。在国内文献中确实官方的金融稳定性变量，有部分学者采用自行构建的金融稳定性指标体系衡量城市层面的金融稳定性，如沈悦和李博阳[40]、宋凌峰和叶永刚[41]等，然而由于金融稳定性指标体系的选取缺乏一致性，并非最优方案。结合现有研究和对于数据可得性的考量，参考李兵、任远的做法[42]，本文运用HP滤波技术对城市GDP进行处理，将得到的城市GDP的短期波动量，并将其取负值作为金融稳定性的代理指标FS，该指标越大金融稳定性越高，参照通用处理对年度数据取趋势成分波动因子λ=100。在稳健性检验中，采用存贷比FS2(存款余额比贷款余额)作为金融稳定性的另一个代理变量[43]。从银行抵御风险的角度出发，这一比例越高金融稳定性越强。主要变量的描述性统计如表3所示。

表3 变量描述性统计

3.PVAR模型估计与脉冲响应分析

对本文PVAR模型进行估计，检验我国金融杠杆、房价泡沫与金融稳定性3者间的互动关系，结果见表4。其中h_LEV、h_BUB和h_FS分别表示金融杠杆率、金融稳定性和房价泡沫运用前向均值差分法(Helmert Procedure)去除固定效应后的序列。

表4 金融杠杆、房价泡沫与金融稳定性的PVAR模型系统矩估计结果

注：括号内数字为t统计量；***、**、*依次表示在1%、5%和10%的水平上显著，下同。

表4回归结果显示，金融杠杆与房价泡沫具有显著的相互促进关系。滞后一期房价泡沫在10%的显著性水平上对当期金融杠杆率的产生效应，影响程度为0.001。相反，滞后一期的金融杠杆率在1%的显著性水平上对当期房价泡沫产生效应，影响程度为37.281。观察变量对自身的影响可以发现，前一期房价泡沫在1%的显著性水平上影响当期，影响程度为0.792，这一结果表明房价泡沫膨胀具有惯性。从金融稳定性序列可以发现，金融杠杆率和房价泡沫对金融稳定性均有抑制作用。具体来讲，前一期金融杠杆率每上升1%会导致当期金融稳定性下降19.030%，前一期房价泡沫每上升1%会导致当期金融稳定性下降4.768%，二者都在1%的水平上显著。通过观察金融杠杆率方程可以发现，金融稳定对金融杠杆率有正向促进作用，前一期金融稳定性增加1%会导致当期金融杠杆率增加0.001%，在1%的水平上显著。结合金融杠杆率对金融稳定性的抑制作用可以看出二者形成负反馈效应，但由于金融杠杆率对金融稳定性的抑制作用系数远大于金融稳定性对金融杠杆率的促进作用系数，整体表现为金融杠杆率攀升抑制金融稳定性的效果。以上结果验证了假设一，并且与当前中国房价泡沫持续膨胀、金融杠杆率不断攀升、二者弱化国家金融稳定性的情况相符。

图2是金融杠杆率、房价泡沫与金融稳定性的PVAR模型脉冲响应分析图，图中横坐标为脉冲响应的作用期数，纵坐标为脉冲响应强度。通过脉冲响应分析探究当对模型中任一内生变量随机误差项加以一个标准差的冲击时，这一冲击对其他变量的影响。本文设定脉冲响应分析冲击作用时长为5期，并通过1000次蒙特卡洛模型获得脉冲响应95%和5%的冲击反映估计值，结果稳健可靠。

图2 金融杠杆率、房价泡沫与金融稳定性的脉冲响应分析图

图2的(1)与(2)分别代表受到一个标准差的房价泡沫冲击后金融杠杆率的脉冲响应函数图与受到一个标准差的金融杠杆率冲击后房价泡沫的脉冲响应函数图。可以看到，在一个单位房价泡沫冲击下金融杠杆率迅速升高，并在第一期达到最大值0.019，随后正向影响略微消减，但冲击反应自当期开始始终保持显著为正。在一个单位金融杠杆率冲击下房价泡沫在当期就升高至2.10，响应函数在第一期冲击时达到最大值5.85，以后响应函数逐渐衰减，响应函数值始终保持显著为正。图2的(3)与(4)分别代表受到一个单位金融杠杆率与房价泡沫冲击后金融稳定性的脉冲响应函数图。可以发现，在一个标准差金融杠杆率冲击下金融稳定性当期为正，之后迅速下降到最小值-19.62，此后逐渐趋于0。同样，在一个标准差房价泡沫的冲击下金融稳定性迅速下降，在第一期达到最小值-14.53，此后也逐渐趋于0。从以上分析可知，金融杠杆率和房价泡沫都会推升彼此上涨。经过数值对比可知，金融杠杆率对房价泡沫的促进作用更强。而金融杠杆率对金融稳定性的破坏具有隐蔽性，短期内会强化金融稳定性，长期显著加剧金融脆弱性。房价泡沫对金融稳定性也具备显著的破坏性，支持价值偏离假说。综上，脉冲响应函数图再一次佐证H1是成立的。

为了验证H2，将房价泡沫膨胀和房价泡沫缩小变量分别与金融稳定性进行二变量PVAR模型分析，估计结果见表5。可以发现房价泡沫缩小在5%的显著性水平上影响金融稳定性，影响程度为-7.493，而房价泡沫膨胀主要是风险的产生和积累，对金融稳定性没有显著性影响，以上结果验证了H2。

表5 房价泡沫膨胀与缩小对金融稳定的PVAR模型GMM估计结果

同时，房价泡沫膨胀和缩小对金融稳定性的脉冲响应函数图(如图3)也再一次佐证了H2。我国虽未爆发全国性金融危机，但由于目前房价泡沫水平处于高位，在制定房地产调控政策时，应注重缓慢挤出泡沫而非强行刺破泡沫，以保证经济金融运行平稳。

图3 房价泡沫膨胀与房价泡沫缩小对金融稳定性的脉冲响应函数图

4.稳健性检验

本文从以下3个方面进行三重稳健性检验。

首先，由于金融稳定性指标的选取具有一定的主观性，在稳健性检验中选取经hp滤波后的城市GDP作为代理变量。PVAR模型的估计结果见表6，可以看到无论是金融杠杆还是房价泡沫均在上一期对金融稳定性保持了负向关系，并至少在5%的水平上显著，其余变量回归结果中的符号和显著性基本不变。

表6 金融杠杆率与房价泡沫对金融稳定性FS2的PVAR模型GMM估计结果

然后，将研究样本分为金融危机之前与之后两个时段，分别进行PVAR模型估计，估计结果如表7所示。可以发现在发生金融危机之前，金融杠杆率、房价泡沫与金融稳定性的估计符号同表5一致但结果并不显著。而在金融危机之后，金融杠杆率与房价泡沫之间、杠杆率对金融稳定以及房价泡沫对金融稳定的影响均与H1保持一致，并且在1%的水平上显著，按时间分样本的估计结果表明前文结论依旧稳健。

最后，因为PVAR模型估计中使用到乔列斯基分解，该分解方法可能与变量顺序有关，稳健性检验中依次调换回归变量顺序，估计结果没有发生变化。

综合上述检验，本文研究结论不受金融稳定性变量、研究样本区间和PVAR模型回归顺序的影响，研究结论稳健可靠。

表7 金融危机前后金融杠杆率、房价泡沫与金融稳定性的PVAR模型GMM估计结果

五、结论与启示

本文首先从理论上厘清了中国金融杠杆率、房价泡沫和金融稳定性之间的互动机制，然后基于房地产预期均衡价格增长率模型科学测度房价泡沫，最后从实证角度验证了金融杠杆率、房价泡沫与金融稳定性3者间的动态关系。房价泡沫测度表明，2008年国际金融危机之前泡沫程度并不严重，金融危机之后泡沫逐渐膨胀，属于中、重度泡沫阶段，近年来房价泡沫仍有继续膨胀的趋势。对2000～2018年我国35个大中城市数据进行PVAR模型检验，结果表明：第一，金融杠杆率与房价泡沫之间呈现自增强的联动效应，且二者的攀升均不利于保持金融稳定；第二，与泡沫膨胀相比，房价泡沫缩小对金融稳定性的冲击作用更强。脉冲响应分析与多重稳健性检验均支持以上结论。

本文的政策启示是：首先，在中国金融杠杆高企的背景下，应注重积极稳妥地逐步降低各部门金融杠杆率，从而控制房价泡沫并维持金融稳定；其次，在房地产调控政策的实施时应继续抑制房地产投机和投资性需求，因城施策，缓慢挤出房价泡沫，同时注意预防调控政策实施中可能出现的“双向失调”风险，帮助房地产回归居住属性；最后，我国金融杠杆和房价泡沫二者间存在相互促进的现象，决策部门应抑制二者相互刺激的自增强联动效应，确保不发生系统性金融风险。