1、 30 2023 年 2 月第 1 期总第 177 期金融理论与教学Finance Theory and Teaching房价、股价增长变化与货币政策调整万俊斌，刘炯男，李爱军（山东大学 经济研究院，山东 济南 250100）摘要：选取 1997 年 1 月至 2020 年 5 月代表全国房价、股价、货币政策的月度数据，建立多元GARCH 模型，分析了货币政策调整与股价、房价增长三者间的相互影响。通过研究发现，中国货币政策的调整与房价增长有显著的相互影响，股价增长会影响房价增长，货币政策调整与股价增长之间关系较弱。考虑变量市场波动聚集性特点，用多方程模型系统研究房价、股价增长与货币政策调整三者
2、关系是研究的主要特色。关键词：房价；股价；货币政策；多元 GARCH 模型中图分类号：F832.51文献标识码：A 文章编号：1004-9487（2023）01-0030-09收稿日期：2021-12-17作者简介：万俊斌（1981-），男，江西新余人，讲师，管理学博士、博士后，硕士研究生导师，研究方向为管理学；刘炯男（1995-），女，山东日照人，硕士，研究方向为金融学；李爱军（1980-），男，山东青州人，教授，经济学博士、博士后，博士生导师，研究方向为经济学。一、引言房价、股价、货币政策一直是中国民众非常关注的热点问题，也是社会的焦点问题。几十年来，中国房地产市场、股票市场快速发展，宏观
3、经济与两大市场的关系越来越密切。房地产市场的发展改善了人们居住条件、为城镇化和国家经济的发展做出了重要贡献，但伴随而来的房价高涨成为人们安居和社会发展的负担，国家多次强调“房子是用来住的，不是用来炒的”，各级政府也在尝试使用多种手段稳定房价。股票市场的健康发展为经济社会发展提供了重要的投融资渠道，但像 2015 年发生的“股灾”也对投资者和社会造成了重大伤害。通常，人们认为货币政策可以通过控制进入社会各领域货币的多少达到对市场的调控作用，房地产市场、股票市场也不例外。因此研究房价、股价、货币政策三者之间的关系，对通过货币政策影响房地产市场、股票市场有重要的参考意义。现有文献对货币政策调整、房价
4、、股价增长的两两关系做了较多研究，但三者间的关系还需考虑其波动的聚集性特点做系统性估计。研究使用 1997 年 1 月至 2020 年 5 月代表中国房价、股价、货币政策的月度数据，建立多元 GARCH 模型，系统研究了三者间的相互影响。研究认为，中国货币政策调整与房价增长之间关系较显著，货币政策调整与股价增长间关系较弱，股价增长能显著影响房价增长。研究的结构安排如下：第二部分从房价与股价、货币政策与房价、货币政策与股价三个方面综述了现有文献，总结了现有文献对三者间两两关系的主要观点；第三部分选取变量、构建模型并进行了前期检验；第四部分以 1997 年 1 月至2020 年 5 月的房价、股价
5、、货币政策数据为基础进行实证分析；最后一部分为研究的主要结论和DOI:10.13298/ki.ftat.2023.01.006 31 相关建议。二、文献综述（一）房价与股价的相互关系财富和信贷价格效应是房地产市场和股票市场关系的主要传导机制1-3。财富的变化可以通过财富消费关系和投资组合平衡关系产生财富效应4。住房既是消费品，又是投资品，股票价格上涨的高收入家庭会增加其拥有的住房数量5，从住房需求端和信贷能力上影响房价；房价的升降，也会通过股票投资行为、财富效应和信贷水平影响股价。Mohsen 和 Hesam6发现美国房价和股价间存在非对称的因果关系。Su 和 Yin7认为除在金融危机期间外，
6、房价与股价的联动性在短期内较弱。对于中国，郭锐欣和朱怀任8、徐加根等9发现房价上涨时，股价下跌，股价上涨时，房价上涨。刘璐等10认为房价的正向冲击会使股价出现短暂上升后立即回调，股价的正向冲击会使房价在所有时期出现上升，但不同时期上升幅度不同。（二）货币政策与房价的相互关系货币政策与房价波动间的相互作用基于财富效应、交易效应和替代效应11。货币政策对房价具有溢出效应12-13。实证研究发现，货币政策对房价的影响是不对称的14-15和异质的16，Ahmed17认为，紧缩性货币政策不会对实际房价产生任何重大负面影响。中国的货币政策是中国房地产价格增长变化的主要驱动力18-19，房价对总量货币政策变
7、化的反应是即时的20。扩张性货币政策往往会加速房价增长，紧缩性货币政策则会限制房价增长18，而且货币政策对房价具有较好的调控效果 21-22。（三）货币政策与股价的相互关系股票市场是中国货币政策影响宏观经济运行的渠道之一23，货币政策对股票价格有一定影响，股票价格的反应具有异质性24-25。货币供给量的增加会有相当一部分溢出在股票市场，使得股票价格上涨26，但影响十分有限，难以对股票市场运行造成实质性的影响27，而且从长期来看，货币供应量也不能有效稳定股票价格28。刘金全等29认为货币供给对股票价格的调控效应具有时滞性、短期性和非对称性，货币供给的增加在股市繁荣时期对股票价格的提振作用明显大于
8、股票低迷时期；随着资本市场有效性的不断提高，股票价格在短期内受到货币供给量调整的影响非常显著。现有文献针对货币政策对股价、房价的影响，以及房价、股价间的相互关系进行了研究，但货币政策、股价、房价三者间的相互影响还需系统研究。特别是现有研究主要使用向量自回归等方法建模估计，但房价、股价等变量的市场波动具有集聚性，因此，下文将建立多元 GARCH 模型对房价增长、股价增长与货币政策调整间的系统关系进行分析。三、变量选取、检验及模型构建（一）变量选取与检验参考倪鹏飞30的做法，研究选取中国 1997年 1 月至 2020 年 5 月的商品房销售额和商品房销售面积数据，计算商品房平均销售价格代表房价，
9、并将房价取对数再作一阶差分得到房价增长率（HPG）；参照姚云霞和章贵桥31的研究，选取上海证券综合指数收盘价作为股票价格，将股票价格取对数再作一阶差分得到股价增长率（SPG）；参照谭政勋和王聪21的方式，选取货币供给量 M2 取对数再作一阶差分得到货币供给量增长率（MPA）代表货币政策调整，当增长率数值正向提升时，说明货币政策在宽松方向调整，反之则意味着紧缩方向调整。以上变量的数据均来源于中经网数据库，数据原始值的基本统计量如下表所示：表 1 变量的定义及原始数据的基本统计量变量定义（单位）样本量均值标准差最小值最大值房价商品房销售额（元）/商品房销售面积（平方米）28147372362197
10、69680股价上证综合指数（点）28123079099655955货币政策调整货币供给量 m2（亿元）281714798610213786482100184数据来源：中经网。观察全国房价增长率、股价增长率、货币政策调整的时间走势图，可以看出它们的市场波动具有集聚性特点。迪基-福勒(Dickey-Fuller)和Phillips-Perron test 单位根检验结果表明，三个变量都在 1%的水平上拒绝“存在单位根”的原假设，属于平稳序列。32 图 1 房价、股价增长率与货币政策调整变量时间走势图数据来源：作者根据中经网数据作图。表 2 单位根检验结果检验方法变量统计量检验统计值样本量 =279
11、1%临界值5%临界值10%临界值Z(t)的麦金近似 p 值迪基-福勒检验HPGZ(t)-17.04-3.5-2.9-2.60.0SPGZ(t)-14.9-3.5-2.9-2.60.0MPAZ(t)-20.9-3.5-2.9-2.60.0PP检验HPGZ(rho)-182.8-20.3-14.0-11.2-Z(t)-17.3-3.5-2.9-2.60.0SPGZ(rho)-273.4-20.3-14.0-11.2-Z(t)-15.1-3.5-2.9-2.60.0MPAZ(rho)-380.1-20.3-14.0-11.2-Z(t)-20.5-3.5-2.9-2.60.0为了检验以上变量的波动性是
12、否具有聚集效应，下面实行 LM 检验。LM 检验前先需通过信息准则确定变量的自回归阶数，如表 3 所示，对于全国房价、股价增长率，大多数准则选择滞后 4阶模型，对于货币政策调整，大多数准则选择滞后 3 阶模型。因此，研究以全国房价、股价增长率、货币政策调整为被解释变量，以各自的 4 阶、4 阶、3 阶滞后项为解释变量进行回归，并实行 LM 检验，得到表 4 中的 LM 检验结果。LM 检验结果显示，全国房价、股价增长率、货币政策调整变量各自回归结果的残差序列都具有 ARCH 效应，因而可以建立多元 GARCH 模型继续分析。表 3 判断各变量自回归阶数的信息准则检验结果变量lagLLLRdfp
13、FPEAICHQICSBIC房价增长率0560.90.00101-4.1-4.1-4.01561.20.710.4090.00101-4.1-4.0-4.02576.330.210.0000.00092-4.2-4.1-4.13578.95.210.0230.00091-4.2-4.1-4.14588.719.5*10.0000.00085*-4.2*-4.2*-4.2*股价增长率0323.10.00567-2.3-2.3-2.3*1324.63.010.0860.00565-2.3-2.3-2.32326.84.510.0340.00560-2.3-2.3*-2.3 33 变量lagLLLR
14、dfpFPEAICHQICSBIC3327.00.410.5540.00564-2.3-2.3-2.34329.85.6*10.0180.00556*-2.4*-2.3-2.3货币政策调整0849.10.00013-6.1-6.1-6.11856.414.510.0000.00012-6.1-6.2-6.22856.60.2910.5890.00012-6.1-6.2-6.13866.820.5*10.0000.00011*-6.3*-6.2*-6.2*4867.51.410.2370.00011-6.3-6.2-6.2表 4 针对 ARCH 效应的 LM 检验结果变量lags(p)chi2d
15、fProbChi2房价增长率134.13210.000234.30820.000337.74130.000437.68640.000股价增长率11.08910.29722.96820.22733.72330.29348.48540.075货币政策调整130.75010.000233.11820.000335.72630.000备注H0:no ARCH effects vs.H1:ARCH(p)disturbance续表 3为确定 ARCH(p)模型中残差平方序列滞后阶数p，参考表 5 中信息准则，决定考虑 ARCH(1)模型：表 5 判断滞后阶数 p 的信息准则检验结果lagLLLRdfpFP
16、EAICHQICSBIC04089.761.8e-17-30.05-30.03-30.0114127.4975.45*90.001.4e-17*-30.26*-30.20*-30.10*24134.6114.2590.111.5e-17-30.25-30.14-29.9734141.9614.6990.101.5e-17-30.24-30.08-29.8444146.569.2190.421.5e-17-30.20-30.00-29.69注：Endogenous:房价增长率、股价增长率、货币政策调整均值方程残差平方；Exogenous:_cons。（二）模型构建参考 Engle32的 ARCH 模型、Bollerslev33的GARCH 模型，使用上文选择的变量，先设定一般的线性回归模型如下：yt=+li=1Ayt-i+t （1）以上为向量形式表示的均值方程，其中yt（y1t y2t y3t）为被解释变量，y1t、y2t、y3t，分别表示房价增长率、股价增长率、货币政策调整，t 表示时间，yt-i为解释变量，为y1t、y2t、y3t的滞后 1 到 4期，A 为解释变量的待估系数矩阵，a
