2018美国宽松货币政策对中国房地产的影响——基于面板数据的实证分析

5597090

一、引言
近些年来，我国不断膨胀的房地产市场越来越引起学者和金融界的关注，房地产业市场不仅受到国内经济发展的影响，更与开放经济条件下国际经济的传导相关联。在经济危机的作用下，全球大规模的量化宽松政策在历史上首次采用，对世界经济和中国经济都将产生难以估量的影响。而美国作为世界第一大经济体和国际货币体系主导国家，其货币政策的国际传导最为典型。随着国际经济的发展和世界主要发达国家的货币政策变化，我国的房地产市场价格也会相应发生变化。那么，在国际货币政策环境影响以及开放的经济条件下，美国宽松货币政策对我国房地产价格会产生怎样的影响？影响的程度有多大？在世界经济发展还存在许多不确定的前提下，国内房地产业的发展也是中国经济发展的重要驱动力之一。
美国作为我国主要双边贸易国，其经济政策对我国国内货币市场具有一定的影响力，其宽松的货币政策势必会造成我国人民币升值的预期和外汇储备的增长，而这一政策直接对我国房地产的影响主要有三个方面：首先，人民币升值一旦形成，必然会吸引国内外投机性的资金汇入房地产的市场，推动国内房产价格的提高。从我国实际的经济情况来看，受人民币升值预期的影响，大量热钱通过灰色通道和虚假交易等方式流入中国，直接导致国内的货币流动性紊乱，从而助推房价上涨；再者，人民币升值使我国国内资产得以升值，升值预期触发国内资产价格上涨预期，提高国际投资者对中国资产的风险偏好和FDI的涌入，推动中国房地产价格的上升；其三，美国宽松货币政策的实施，直接导致美元的贬值，低息的美元势必会去寻找高回报的投资去处，而我国房地产业给其创造了投机机会。
二、文献综述
对于房价上涨的现象，国内学者乔小东（2012）归纳了影响房价上升的主要因素，分别为土地的稀缺性、供求关系的不平衡性、通胀因素、国家金融的信贷支持。[1]阙亚冠（2013）从房地产业特征，土地资源的缺乏、投机资本的影响，以及人们对房地产未来价格的非理性预期等方面分析了房地产经济泡沫的成因。[2]
美国宽松货币政策的直接作用结果是，其国内的货币供给增加，从而使得美元贬值，亦是人民币的相对升值，最终导致我国外汇储备的增长和大量外商资本的流入。安宇宏（2010），姚斌（2009），吴秀波（2010），陈磊、侯鹏（2011）等分析得出，美国量化宽松货币的政策基本上是一种利己损他的政策，在刺激美国国内经济的同时，也为全球经济的通货膨胀埋下伏笔，致使新兴市场的国家货币被动升值，通货膨胀风险加大和资产价格大幅飙升，并可能会导致外向型经济的进一步恶化。[3][4][5][6]陈燕（2011）在分析了美国持续量化宽松货币政策对中国的对外贸易和资本流动两个层面的不利冲击，得出了人民币对外升值与对内贬值的压力将长期伴随中国经济的观点。[7]陈小荣、杨东（2014）通过分析美国量化宽松货币政策对中国通货膨胀的传导机制和途径中提出，在美国前两轮量化宽松货币政策的期间，美国量化宽松货币政策直接推动着热钱向我国转移。然而，大多学者并未给予美国量化宽松货币政策对我国房地产市场影响大小的实证分析，而最主要的是从外汇储备增长或是人民币的升值和国内货币发行量进行研究探索。[8]冷崇总（2009）认为，美元贬值会使我国外汇储备占款增加，导致国内货币供给增长。当外汇储备增长时，我国的国内商品房价格将出现上涨，从而使房地产市场可能出现泡沫。[9]唐奇展（2009）运用实证分析的方法，通过中国巨额外汇储备对房地产市场的影响机理：预期效应、财富效应、溢出效应、银行信贷扩张效应等，分析得出我国外汇储备快速增长是通过外汇占款，引起货币供给量增加，进而引起我国房地产价格上涨。[10]朱思全（2013）认为，一国实行宽松货币政策，通过吸收机制和资本流动机制对他国房地产价格将产生正向影响，通过相对价格机制产生双向影响，最终影响方向不确定。[11]范东君、单良（2009）通过实证研究与构建计量模型得出， FDI的流入与房地产价格具有明显的正相关性，说明FDI的流入对中国房地产价格的上涨起到了推动作用。[12]赵文胜，张屹山等( 2011) 利用 HP 滤波方法将房价分解为趋势和波动成分，分别考察与热钱流入的关系，研究表明房地产价格上涨的趋势引起热钱流入，而热钱流入引起房地产价格上涨的波动。[13]谭小芬，林木材（2013）通过 HP 滤波和基于 VAR 模型的格兰杰因果检验和协整检验讨论了人民币升值预期影响房地产价格的效应，认为人民币升值将会使得热钱流入，其中因我国货币供给量的增加，在短期内，热钱影响房地产价格波动。[14]朱孟楠等（2011）通过采用非线性MARKOV区制转换VAR模型，推导出汇率与房地产价格之间存在相互促进的关系，在某种经济状态下人民币兑美元汇率的升值可能会导致我国实际房地产价格上涨。[15]陈小倩和王国松（2013）依据1999-2011年的商品房平均销售价格水平，利用聚类分析法将我国31 个省（市、自治区）的商品房分为高、中、低房价地区三类，并根据房地产价格和货币政策代理变量之间的关系建立面板数据模型，实证检验了货币政策对我国上述三类地区的房价非对称性影响。检验结果表明：我国货币政策对房地产价格的影响存在区域非对称性，并以此提出了相应的政策建议。[16]
因此可以看出，国内学者大都是从热钱的角度，对我国房地产价格短期影响大小进行研究。然而，国内少有以量化美国的货币政策对我国房地产的影响作直接的回归分析。当然，以上文献从不同视角分析了美国采取量化宽松货币政策后，我国资产价格尤其是房地产价格的相关问题，对我们有很大的启发和借鉴。将在此基础上拓展已有理论，从不同视角加以直接的实证分析，希望为研究美国的货币政策对我国房地产业市场赋予更多的现实意义。
三、实证结果及分析
（一）变量的确定与数据的说明及预处理
1.变量的确定。研究的重点是美国货币政策对我国房地产价格的影响，因此选择的是货币政策和房价代理变量。首先，货币政策代理变量主要选择的是美国广义货币供应量，用M2表示，因为在货币供应量指标中，M2与宏观经济变量关系最密切；选取20082014年的美元兑人民币汇率作为解释变量；选用20082014年的房价综合指数的月度数据作为房价的代理变量，其中房价综合指数来自于中国房地产指数系统（China Real Estate Index System，简称CREIS），其基期和基点是以2000年12月为基期，当时北京的基点为1000点，其他城市或物业在基期的点位通过当时的均价与北京进行比较得出。住宅、写字楼、商业营业用房等分物业指数通过拉氏指数理论计算，并通过加权得到城市综合指数。
住宅、写字楼、商铺、别墅等分物业指数的计算公式如下：
其中Iacute;和Itacute;分别是t和t-1期的价格指数，P为物业价格，A：当期建筑面积城市综合指数由该城市的住宅、写字楼、商铺三类物业的指数加权平均得出，权重分别为0.75、0.15、0.1。
房地产行业是一个明显的区域性质的行业，为了得到更精确的研究效果，按照2008年至2014年10个市、自治区的房价综合指数的月度数据对区域进行层次分析，划分出二大类高房价房价区域（I1），得出高房价地区：北京、上海、广州和深圳；其他房价城市地区（I2）： 天津、重庆、杭州、南京、武汉和成都。
从表中各城市的横向比较来看，该变量的描述性统计值及各城市的均值排名中可以得到，在2012年前后，各个城市的发展速度明显加快，直到2014年前后，这十个城市的房价指数达到高峰，根据各城市房地产指数的描述性统计值得出，每个城市的指数水平最大值都出现在2014年上半年。北京、深圳、上海和广州的房价综合指数水平六年的平均值居前四。从城市房地产价格波动的角度看，2008年2014年北京和深圳两大高房价地区相对于其他地区，其波动的幅度大（标准差分别为：550.53和491.90），而位于内陆城市的重庆，房价波动起伏最小。
从图中两组城市房地产价格综合指数同比增长率的趋势可以看出，尽管两组城市的变化趋势存在一定的差异，但其相对价格指数随着时间的推进均出现明显的波动。这说明这十个城市的房地产市场都有一定程度的发展，但两组城市的发展水平不一致，对于北京、上海、广州和深圳四个城市来说房地产价格指数明显高于其他城市，它们的变动起伏更大，这可能因为直辖市和沿海城市的特殊身份使这些地区的房价水平高于其他城市。而总体来看在2009年，两大地区城市的房价指数的增长率出现了一定程度的上升，即十个城市的房价有明显的上升。2008年美国实施第一轮宽松货币政策之后，其政策对于全球经济有一定的滞后期，2009年前后我国房价增速逐渐上升，而且2008年底，国家实施四万亿财政刺激计划，房价在2009年初开始迅速回升。
2.模型的设定。采用面板数据模型进行估计时，使用的样本数据涵括了时间、截面和变量三个方向上的信息。因此，在建立面板数据模型前，第一步就是要利用协方差分析检验法来确定面板数据模型的设定形式。面板数据模型的一般简化形式为：Yt=t+EXRt*t+M2t*t+t(t=1，2，，T)其中，yt是N 1 维被解释变量向量，EXRt是Nk维解释变量矩阵，表示美元兑人民币汇率；M2t也是Nk维解释变量矩阵，用来表示美国货币发行量；Yt、EXRt和M2t各分量是对应于某个时点 t 的各截面成员的经济指标序列。
（二）模型估计结果
模型估计的结果如下：
Iit=2766.22+i*-259.82*EXR+0.10*M2+ui；R2=0.95
固定效应i*： 北京为3900.46；上海为3332.00；广州为3032.84；天津为2539.19；重庆为1908.04；深圳为4230.16；杭州为2679.06；南京为2172.75；武汉为1890.122；成都为1977.32。
解释变量人民币兑美元汇率(EXR)和美国货币发行量(M2)的系数估计值分别为-0.23和0.10，它们的t统计量都非常显著。由于我们估计的是变截距模型，因此这两个解释变量的系数估计值对10个截面城市都是相同的。而且解释变量的系数估计值为正数，从而说明汇率对房价有负的影响，人民币的升值将可能促进我国国内房地产价格的上升，美国货币发行量对我国房价有正的影响，亦说明量化的宽松货币政策将会使得我国房地产价格的提高。对于这十个城市中的任何一个，若美元兑人民币汇率上升一元，则实际的房价将降低259.82元；如果美国货币发行量增加1%，那么实际房价指数将上升0.10%。
Fixed Effects（Cross）中给出了十个截面城市的房价指数水平相对于平均房价指数水平（即常数项C）的偏离，用于反映十个城市之间的房价结构差异。计算得出，十个城市的房价指数水平对平均值的偏离为0.对于每个城市，可以得到它们自己的相对房价水平，十个城市的平均水平为2766.216，北京为3900.46（=2766.216+1134.239），上海为3332.00，广州为3032.84，天津为2539.19，重庆为1908.04，深圳为4230.16，杭州为2679.06，南京为2172.75，武汉为1890.12，成都为1977.32。尽管假定解释变量人民币汇率和美国货币发行量的边际效应相同，但这十个城市的房价指数水平存在着显著差异。其中，深圳的房价指数最高，其次为北京，上海次之，而武汉的房价指数水平最低。这是因为不同地区的经济和金融化程度都不一样，高房价地区的产业结构多样化、经济发达程度、金融化程度较高并且城市的平均收入水平较高。
四、总结
从美国量化的宽松货币政策对我国十大城市房价的影响出发，简单地利用固定效应变截距的面板数据模型得出了：该政策对我国房价的上涨有一定的促进作用，即美国货币发行量增加1%，那么我国实际房价指数水平将上升0.10%。同时，也得出不同的城市房价指数水平具有明显的差距，十个城市中，沿海城市的房价普遍要高于内陆的城市。
美国实施宽松的货币政策致使美国处于零利率区间，低息的贬值货币必然要寻找高收益的投资去处。我国作为新兴市场，使得其成为了投资目的地。美国通过增加美元货币的供给量来刺激国内经济，若其他因素稳定不变，必将导致美元贬值，而美元作为世界货币，势必会给其他国的本币带来升值的压力。而我国的汇率制度是相对固定的，十分容易受到外部的冲击。美元贬值给人民币带来不小的升值压力，人民币过度升值不利于我国经济的发展，就迫使政府买入美元卖出人民币，来稳定汇率。因此，央行应该保持国际贸易中资本项目的有序地开放，同时，加强资本监管，适度保持对外汇市场的干预，政府严格地去控制国际游资向房地产业的渗透，防止国内流动性过剩，避免房地产市场泡沫，维护我国金融环境的安全，确保我国经济持续健康地发展。
参考文献：
[1]　乔小东.中国房地产的现状分析[J].北方经济，2012(4):97-98.
[2]　阙亚冠.中国房地产现状[J].科学之友，2013(3)：92-94.
[3]　安宇宏.量化宽松的货币政策[J].宏观经济管理，2010(12)：63.
[4]　姚斌.美国量化宽松货币政策的影响及我国的对策[J].上海金融，2009(7)：33-36.
[5]　吴秀波.美国新一轮量化宽松货币政策带来的影响评析兼评中国央行本次加息的意义[J].价格理论与实践，2010(11)：9-11.
[6]　陈磊，侯鹏.量化宽松、流动性溢出与新兴市场通货膨胀[J].财经科学，2011(10)：48-56.
[7]　陈燕.美国量化宽松货币政策下的中国货币政策思考[J].企业经济，2011(12)：164-167.
[8]　陈小荣，杨东.美国量化宽松货币政策对我国通货膨胀影响研究[J].武汉金融，2014(8):36-39.
[9]　冷崇总.美元贬值对我国市场价格的影响与对策[J].时经论衡，2008(9)：111-114.
[10] 唐奇展.外汇储备增长对中国房地产市场影响的实证研究[J].广西大学学报，2009(4).
[11] 朱思全.美国货币政策对日本房地产价格的国际传导研究[D].广州：广东外语外贸大学，2013，31.
[12] 范东君、单良，FDI对我国房地产价格影响的实证研究[J].云南大学学报，2009(2):82-88.
[13] 赵文胜，张屹山，赵 杨.人民币升值、热钱流入与房价的关系[J].世界经济研究，2011(1)：15-26.
[14] 谭小芬.人民币升值预期与中国房地产价格变动的实证研究[J].科技与经济，2013(8):55-56.
[15] 朱孟楠，刘林等.人民币汇率与我国房地产价格基于Markov区制转换VAR模型实证研究[J].金融研究，2011(5):58-71.
[16] 陈小倩，王国松.我国货币政策对区域房价的非对称性影响基于面板数据模型的实证分析[J].商业时代，2013(27):66-68.
［责任编辑：王　鑫］