1. 引言
正如第十九次全国代表大会的报告所提出的：“健全货币政策和宏观审慎政策两个支柱的监管框架”，使得宏观审慎一词再次出现在人们的视野中，并且一度成为学界讨论的热点。宏观审慎政策随着时间的发展被不断完善和扩充，逐步形成了一个较为完整的框架，宏观审慎政策工具实施的有效性也成为一个被学界热烈讨论的话题。尽管学者们对如何提高宏观审慎政策实施的有效性持不同意见，但普遍需要注意的一个问题是宏观审慎政策与货币政策的协调关系和应用。因为宏观审慎政策和货币政策具有不同的目标和工具，两者能否相互协调来共同维护金融体系的稳定成为学界争论的一个话题。
在房地产领域，其作为资产价格的重要组成部分，房价的过度波动会影响到金融稳定。甚至对国家的经济发展产生严重的负面影响，因此一直受到各界的密切关注，合理及时地调控房地产市场成为了各国政府的重要课题，但是，由于房地产市场的复杂性，以及货币政策可能不会对房价的稳定和房地产市场的维持产生明显影响。因此，近年来，各国政府也相继出台了很多专门针对房地产市场的宏观审慎政策工具，比如LTV和首付比例等。金融危机后，中国相关部门对宏观审慎政策实施框架和特定工具进行了广泛研究，以多种方式指导金融机构的行动。
在这种背景下，研究货币政策和宏观审慎政策对房地产价格调控的搭配效应，为政策的选择和实施提供理论依据，对未来的政策实践具有重要的指导意义。本文试图探讨宏观审慎政策和货币政策的搭配效应对房价波动的影响，以及不同情况下搭配效应的不同效果。
由于房地产市场的重要地位，维持房地产市场的稳定一直是许多国家政府追求的目标。政府过去常使用传统的货币政策来控制和稳定房价。自2008年金融危机以来，世界各地政府更多地采用宏观审慎政策来对房价等资产价格进行调控。但是学者们对两者的搭配对房价波动的影响研究较少，但是这对于政府制定调控房价的政策方面具有重要的参考价值。本文研究了宏观审慎政策和货币政策的搭配效应是否将对房价波动产生更好的调控作用，以及如何将宏观审慎政策和货币政策工具结合起来才能更有效。
然而，已有文献研究货币政策与宏观审慎政策在房地产领域的搭配效应较少，对此本文使用固定效应模型，选取合适的货币政策以及宏观审慎政策变量，研究两种政策以及其组合搭配对房价波动的影响，从理论上解释房地产领域的宏观审慎政策和货币政策的搭配作用机制，从实践上研究双支柱调控政策对房价波动的影响，从而提出针对性建议。但是由于货币政策工具和宏观审慎政策工具复杂多样，本文不能够将所有有效工具纳入实证分析中，本文所做的实证分析难以涵盖研究问题的所有方面；同时，关于宏观审慎政策和货币政策的搭配效应如何进行识别是本文的一个不足，因为搭配一词本身就是一个比较广泛的概念，并没有统一的标准，本文是将各自作用的变量进行随机搭配而研究。
2. 文献综述
2.1. 货币政策对房价的影响
Kontonikas和Montagnoil (2002)认为，房地产价格对稳定通货膨胀的货币政策目标有重大影响[1]。Allen等(2012)认为，信用的扩张与积极的货币政策可以引发资产价格上升[2]。聂学峰和刘传哲(2005)通过实证分析，认为货币供给量规模的变化会比利率工具的变化能够对房产价格产生更大的影响[3]。
2.2. 宏观审慎政策对房价的影响
Igan和Kang (2011)根据对韩国住房市场的一项调查，认为债务收入比的上限和贷款价值比的上限对房价和房屋数量交易量和房价上涨有很大的阻碍，但是房贷在这两种政策影响下变动不明显[4]。Vandenbussche等(2015)、Craig和Hua (2011)分别以欧洲和亚洲的新兴经济体为例，并确认宏观审慎政策可以限制房价的上涨。大多数宏观审慎政策通过限制信贷供应来影响房价，但不同的宏观审慎政策工具对信贷渠道的影响也不同[5] [6]。叶欢(2018)基于2000年至2014年中国香港和韩国的面板数据，发现了贷款价值比、债务收入比、存款准备金上限对信贷增长的影响最大，而贷款价值比的上限对房价上涨的影响最大[7]。方意(2017)将宏观审慎政策工具划分为信贷工具、资本工具和流动性工具。他认为，主要针对金融机构借款人的信贷工具是通过对借款人施加贷款限制来限制贷款数量，流动性政策工具通过增加资本需求和改善资本供应能力来提高金融机构抵抗冲击的能力[8]。
2.3. 双支柱调控政策对房价的影响
Antonio等(2009年)发现，宏观审慎政策和货币政策的协调使用有助于实现价格和金融稳定双重目标的实现[9]。Gelain (2011)通过建立DSGE模型，发现着眼于房价和信贷增长的货币政策可以消除某些经济变量的波动，但也会显著增加通货膨胀波动的程度。但是，在宏观审慎政策的约束下，信贷增长的波动性有所下降[10]。梁露露等(2014)发现，在传统冲击下，宏观审慎政策和货币政策的目标是独立的。在非传统冲击下，货币政策和宏观审慎政策可以相互协调实现其政策目标[11]。
2.4. 政策调控对房价影响的异质性
Giuliodori (2005)通过实证对比分析了欧洲大部分国家，发现经济比较发达的地区，房地产价格在货币政策调控作用下效果更为明显[12]。Himelberg等(2005)研究了货币政策工具利率的变动对房地产价格波动的调控效果，研究结果表明，经济发达的地区利率变动对房价的调控更为有效[13]。Yang等(2010)研究了瑞典各个地区的房价，选取的是1990到2003年的数据，运用利率、汇率等多个指标来对房价进行研究。结果表明，长期利率的降低或上涨对房地产市场有较为强烈的反应，况且政府实行的利率政策对不同区域房价的调控速度和效果都不同[14]。张红和李洋(2013)运用GVAR模型分析了货币政策对我国东部、中部和西部地区房价的不同调控效应。实证结论表明，货币政策对东部地区房价调控效果更为明显，而且房价对利率的调控有比较明显的反应[15]。
2.5. 文献述评
关于房价的货币政策调控，目前已有文献认为，房价的波动性受利率和货币供应量等因素的影响。就宏观审慎政策而言，已有文献认为，通过影响贷款价值比和债务收入比的上限，信贷的供应将受到影响，从而影响房价。关于货币政策和宏观审慎政策的协调，目前的文献认为，两者之间的协调使得房地产价格趋于稳定。特别是在遭受金融或宏观冲击时，两者之间的协调可以减少政策带来的损失。
简而言之，两种政策的互相搭配在控制房价方面更为有效，但两者相互搭配的研究仍处于起步阶段。由于宏观审慎政策的丰富内涵，它们被置于统一的分析框架下的研究尚未成熟。本文试图分别探讨货币政策和宏观审慎政策对房价的影响，然后将两者结合以讨论审慎政策和货币协调的有效性，然后提供有针对性的建议。
3. 双支柱调控政策对房价的作用机制
3.1. 货币政策对房价的作用机制
货币政策是中央银行用来控制和调整货币供应和信贷以实现特定经济目标的各种指导方针、政策和行动的总称。其实质是通过调节市场利率进而影响总需求以及各种宏观经济运行的措施。作用机制如图1所示。
Figure 1. Mechanism of which monetary policy acts on the housing price
图1. 货币政策作用于房价的机制
我们认为：
1) 货币供应量方面，国家采取紧缩的货币政策，上调存款准备金率，抑制经济发展，进而有效抑制了房地产市场的发展，降低了房产价格。
2) 利率方面，对于人们来说，随着利率上升，银行贷款成本增加，购房者增加每月付款负担，导致其减少购房或采取观望态度，转而把钱投入储蓄或者债券。
3) 银行信贷方面，通过增加存款准备金率，使得银行可贷资金减少，人们可取得的资金减少，因而减小了投资需求，使得房产价格下降。
3.2. 宏观审慎政策对房价的作用机制
宏观审慎政策是与微观审慎监管相对应的一个概念，宏观审慎管理较微观审慎监管则更关注整个金融系统的稳定。传导机制如图2所示。
Figure 2. Mechanism of which macro-prudential policy acts on the housing price
图2. 宏观审慎政策作用于房价的机制
我们认为：
控制房地产市场的宏观审慎政策主要有损失准备金提取以及公积金利率、LTV最大值限制、DTI最大值限制等，这些政策主要是通过控制房屋信贷的供给来控制房地产市场。
不同的宏观审慎政策工具影响信贷的渠道会有所不同，比如LTV是通过衡量房屋价值限制住房贷款，DTI则是通过衡量居民收入限制每月的还款金额。此外，个人购房首付比例、房产税收以及公积金贷款利率等政策也成为调控房价的重要决策。
1) LTV限制或者其他贷款限制：限制贷款价值比，能够降低房屋贷款增速，在银行建立起缓冲机制防止潜在房屋贷款损失。
2) 公积金利率：不断上升的利率增加了购房成本，并增加了购房者的每月负担。由于投资成本增加和利润减少，那些投资购房者将减少购房并投资储蓄或债券。
3) 房产税收：房产税收增加，购房者会因为成本加大而减少购房需求，导致房价下降。
4) 首付比例：首付比例增加，购房者现有资金不足导致购房需求减小，从而导致房价下跌。
3.3. 我国双支柱调控框架作用机制
党的十九大报告明确要求，健全货币政策与宏观审慎政策双支柱调控框架。对房产价格的传导机制如图3所示。
Figure 3. Mechanism of which two-pillar regulatory policy acts on the housing price
图3. 双支柱调控政策作用于房价的机制
我们认为，双支柱政策对于房价的调控即为货币政策工具与宏观审慎政策工具的搭配使用对于房价波动的影响。货币政策和宏观审慎政策的协调使用将有助于实现金融稳定的政策目标。但是，仅依靠货币政策无法较好地维持金融稳定，只有有效地协调货币政策和宏观审慎政策，才更有利于实现金融稳定，控制房价波动。不同的组合会产生不同的影响。在不同的经济条件下选择合适的政策工具组合可以更好地控制房屋价格。
4. 实证建模与分析
4.1. 数据收集与变量选取
本文的实证部分主要选取2000~2019年共二十年共31个省份的房价数据，各省份房价增速作为被解释变量；选取二十年全国每年的短期利率、存款准备金率、首付比例、公积金贷款利率、贷款价值比LTV作为解释变量，原因在于这些变量是我国在货币政策与宏观审慎政策中较为常用且对于房价调控效果较为明显的变量，更有利于分析各政策的作用效果；选取人均GDP的增长速度，货币供给量M2的增长速度作为控制变量。所有数据均来源于国泰安CSMAR数据库以及国家统计局。
4.1.1. 解释变量
房屋价格增长速度(Price, Pri)。本文的被解释变量为房屋价格的增长速度，研究宏观审慎政策和货币政策对房地产市场的影响，房屋价格增速是最直接最明显的代表变量，房地产市场过度泡沫，最直接的表现就是房屋价格飙升，实施货币政策或者宏观审慎政策也是想通过各种途径降低房屋价格来平衡居民购房的需求和房屋供给。
4.1.2. 核心解释变量
宏观审慎政策，将使用首付比例(Down Payment Ratio, DPR)、公积金利率(Accumulation Fund, AF)和贷款价值比(LTV)作为衡量宏观审慎政策实施情况的变量。
传统货币政策，采用短期利率(Interest Rate, IR)和存款准备金率(Deposit Reserve Ratio, DR)以及货币供给量M2年增长速度作为代理变量。因为本文的研究目的是探讨宏观审慎政策与货币政策的搭配效应，因此核心解释变量既有货币政策工具又有宏观审慎政策工具，这里使用存款准备金率、短期利率、货币供给量作为货币政策的代理变量，正如前文所述，利率是货币政策作用于房地产市场最传统的工具，政府当局通过提高或者降低利率来影响银行借贷成本，家庭用来购房的贷款数量发生了变化，即购房需求也发生了变化，必然影响房地产价格的变化。存款准备金率和货币供给量M2的变化在信贷渠道跟利率影响房价的机制相同。
4.1.3. 控制变量
由于解释变量大多使用利率的形式，因此我们选取表示宏观经济状况的人均GDP年增长速度以及固定资产投资增速(Fixed Investment, FI)作为控制变量。
4.2. 模型构建以及结果分析
4.2.1. 模型构建
本文使用固定效应模型，选取31省份每年房价增速作为被解释变量；选取二十年全国每年的短期利率、存款准备金率、M2、首付比例、公积金贷款利率、贷款价值比LTV作为解释变量；选取人均GDP的增长速度，固定资产投资的增长速度作为控制变量来进行分析。
4.2.2. 回归结果分析
下表1是关于变量的描述性统计。
1) 货币政策对房价的影响
表1含所有货币政策工具与宏观审慎政策工具，从以上统计结果中可以发现，被解释变量房产价格增长率最大值为56.74，最小值为−38.12，同时标准差较大，说明房价的波动幅度较大。
本文采用Stata对模型货币政策工具的变量进行相关性分析，表1是关于相关性分析的统计结果。从以上数据分析结果可以发现，核心解释变量大多和解释变量之间通过了1%的显著性检验，因此固定效应模型是有效的。
表2是多元回归以及稳健性检验的统计结果，在模型中，平均存款准备金率系数为负，且通过了5%的显著性检验。说明通过调整存款准备金率对房价的影响是有效的。利率在1%的置信区间内显著，且相关系数为负，说明利率提高，房价降低。利率调整不能直接影响房屋的价格，但可以通过控制财产的供求来影响房屋的价格。利率上升意味着购房者的支出增加，公众的购买力降低，房地产需求减少。这种对需求的威慑作用最终决定了供应，控制了过高的房价并使其合理化。
Table 1. Descriptive statistics
表1. 描述性统计
变量名称 |
变量表示 |
数量 |
均值 |
标准差 |
最小值 |
最大值 |
房价增速 |
Pri |
620 |
9.669 |
9.595 |
−38.12 |
56.74 |
公积金利率 |
AF |
620 |
4.146 |
0.559 |
3.250 |
4.860 |
短期利率 |
IR |
620 |
6.054 |
0.904 |
4.600 |
7.830 |
存款准备金率 |
DR |
620 |
12.87 |
4.882 |
6 |
19.50 |
首付比例 |
DPR |
620 |
0.263 |
0.0415 |
0.200 |
0.300 |
贷款价值比 |
LTV |
620 |
74.08 |
14.60 |
58.30 |
100 |
经济增长率 |
GDP |
620 |
32.37 |
19.75 |
7.940 |
70.90 |
货币增长率 |
M2 |
620 |
15.10 |
4.567 |
8.020 |
28.43 |
固定资产投资增速 |
FI |
620 |
17.02 |
7.487 |
5.900 |
30.40 |
注：各变量为比率，均乘以100。
Table 2. Correlation analysis of the impact of monetary policy on housing price
表2. 货币政策对房价影响的相关性分析
|
Pri |
IR |
M2 |
DR |
GDP |
Pri |
1 |
|
|
|
|
IR |
0.068* |
1 |
|
|
|
M2 |
0.193*** |
0.484*** |
1 |
|
|
DR |
0.0260 |
0.0310 |
−0.117*** |
1 |
|
GDP |
0.285*** |
0.653*** |
0.314*** |
−0.143*** |
1 |
注：*、**、***分别表示在10%、5%、1%的水平下通过显著性检验。
为了使实证检验的结果更加稳健，本文使用货币政策工具M2的增速替代货币政策工具存款准备金率，替代后如表3右列，货币政策工具核心解释变量利率相关系数仍为负数且显著性没有改变，因此通过了稳健性检验。
2) 宏观审慎政策对房价的影响
表4是关于宏观审慎政策变量相关性分析的统计结果。其中，核心解释变量和解释变量之间大多通过了1%的显著性检验，因此可以认为固定效应模型是有效的。
利用固定效应模型对宏观审慎政策工具对房价影响进行实证检验，结果如表3~5左列。在模型中，公积金贷款利率系数为负，且通过了1%的显著性检验。说明通过调整公积金贷款利率对房价的影响是有效的。宏观审慎政策工具首付比例在10%的置信区间内显著，且相关系数为正，说明首付比例提高，房价提高。
为了使实证检验的结果更加稳健，本文使用宏观审慎政策工具贷款价值比LTV代替宏观审慎政策工具首付比例。结果如表5右列，替代后宏观审慎政策工具核心解释变量公积金利率相关系数仍为负，且大小相差不大，并且仍然通过了1%的显著性检验，因此通过了稳健性检验。
Table 3. Monetary policy regression analysis and robustness test
表3. 货币政策回归分析及稳健性检验
基准回归 |
稳健性检验 |
变量 |
Pri |
变量 |
Pri |
IR
DR
GDP
FI
Constant
Observations R-squared F test r2_a F |
−2.187*** (−3.04) −0.682*** (−4.17) 0.197*** (4.14) 0.840*** (9.48) 11.020*** (2.76) 620 0.132 0 0.126 23.41 |
IR
M2
GDP
FI
Constant
Observations R-squared F test r2_a F |
−4.132*** (−4.99) −0.334* (−1.90) −0.014 (−0.50) 0.855*** (6.53) 25.651*** (4.50) 620 0.113 0 0.107 19.55 |
注：括号中为t统计量，***p < 0.01，**p < 0.05，*p < 0.1。
Table 4. Correlation analysis of the impact of macro-prudential policies on housing price
表4. 宏观审慎政策对房价影响的相关性分析
|
Pri |
AF |
DPR |
LTV |
GDP |
Pri |
1 |
|
|
|
|
AF |
0.00900 |
1 |
|
|
|
DPR |
−0.096** |
0.307*** |
1 |
|
|
LTV |
−0.122*** |
0.263*** |
−0.133*** |
1 |
|
GDP |
0.285*** |
0.549*** |
−0.0180 |
0.0320 |
1 |
Table 5. Macro-prudential policy regression analysis and robustness test
表5. 宏观审慎政策回归分析以及稳健性检验
基准回归 |
稳健性检验 |
变量 |
Pri |
变量 |
Pri |
DPR
AF
GDP
FI
Constant
Observations R-squared F test r2_a F |
10.539* (1.08) −6.435*** (−6.47) 0.603*** (5.47) 0.417*** (5.43) 19.144*** (6.05) 620 0.153 0 0.148 27.87 |
AF
LTV
GDP
FI
Constant
Observations R-squared F test r2_a F |
−5.617*** (−5.94) −0.023 (−0.86) 0.596*** (5.41) 0.373*** (4.95) 21.028*** (6.84) 620 0.153 0 0.147 27.74 |
注：括号中为t统计量，***p < 0.01，**p < 0.05，*p < 0.1。
3) 双支柱调控政策对房价的影响
表6是货币政策与宏观审慎政策双支柱共同调控对房价的影响。提高利率、提高准备金率、提高首付比例、提高贷款价值比均会带来房价的下降，而增加货币增速、提高准备金率、提高固定资产投资增速则会带来房价的上涨。部分变量影响不显著。
Table 6. Regression analysis of the joint regulation of monetary policy and macro-prudential policy
表6. 货币政策和宏观审慎政策共同调控的回归分析
|
(1) |
变量 |
Pri |
IR |
−0.186 |
|
(−0.16) |
DR |
−0.793*** |
|
(−4.03) |
M2 |
0.196 |
|
(0.69) |
AF |
−4.488** |
|
(−2.11) |
DPR |
8.915 |
|
(0.83) |
LTV |
−0.298*** |
|
(−2.99) |
GDP |
−0.029 |
|
(−0.36) |
FI |
0.499** |
|
(2.23) |
Constant |
48.863*** |
|
(4.29) |
Observations |
620 |
R-squared |
0.156 |
F test |
0 |
r2_a |
0.145 |
F |
14.12 |
注：括号中为t统计量，***p < 0.01，**p < 0.05，*p < 0.1。
4) 货币政策与随机宏观审慎政策工具的搭配
表7是货币政策工具与随机的宏观审慎政策工具互相搭配的回归分析结果。其中，模型3货币政策工具利率、存款准备金率、M2和宏观审慎政策工具LTV搭配时，其解释变量全部通过了显著性检验，其模型是最有效的。当货币政策与宏观审慎政策所选取的全部变量搭配时，利率和首付比例和货币供给量M2没有通过显著性检验。因此，货币政策与宏观审慎政策之间存在着搭配效应，且不同搭配对房价波动影响不一，有时不当的宏观审慎政策工具搭配会对货币政策工具产生削弱的作用。因此，当我们选择货币政策工具利率、存款准备金率、M2和宏观审慎政策工具LTV搭配时，政策效果最佳。
Table 7. Regression analysis of the combination of monetary policy tools and stochastic macro-prudential policy tools
表7. 货币政策工具与随机宏观审慎政策工具搭配的回归分析
变量 |
模型1 |
模型2 |
模型3 |
模型4 |
模型5 |
模型6 |
IR |
−0.931 (−0.82) |
−2.630*** (−2.81) |
−1.402*** (−1.44) |
−0.861 (−0.76) |
−0.188 (−0.16) |
−1.434 (−1.45) |
DR |
−0.520*** (−2.89) |
−0.680*** −3.97) |
−0.902*** (−4.85) |
−0.568*** (−3.10) |
−0.779*** (−3.79) |
−0.909*** (−4.79) |
M2 |
−0.385* (−1.78) |
−0.076 (−0.40) |
0.482* (1.94) |
−0.360* (−1.66) |
0.212 (0.75) |
0.486* (1.95) |
AF |
−4.836** (−2.41) |
|
|
−5.707*** (−2.72) |
−3.934* (−1.95) |
|
DPR |
|
6.906*** (0.67) |
|
15.308 (1.44) |
|
1.686 (0.16) |
LTV |
|
|
−0.341*** (−3.52) |
|
−0.315*** (3.22) |
−0.339*** (3.45) |
GDP |
0.082 (1.17) |
0.186*** (3.10) |
0.029 (0.40) |
0.085 (1.21) |
−0.037 (−0.47) |
0.032 (0.43) |
FI |
0.990*** (7.32) |
0.906*** (6.93) |
0.328 (1.59) |
1.029*** (7.47) |
0.448** (2.08) |
0.334 (1.59) |
Constant |
28.360*** (3.24) |
12.240* (1.76) |
41.260*** (4.11) |
27.010*** (3.07) |
50,808*** (4.56) |
40.638*** (3.79) |
Observations |
620 |
620 |
620 |
620 |
620 |
620 |
R-squared |
0.141 |
0.133 |
0.150 |
0.144 |
0.155 |
0.150 |
F test |
0 |
0 |
0 |
0 |
0 |
0 |
r2_a |
0.132 |
0.125 |
0.141 |
0.134 |
0.145 |
0.140 |
F |
16.74 |
15.71 |
18.00 |
14.66 |
16.05 |
15.41 |
注：括号中为t统计量，***p < 0.01，**p < 0.05，*p < 0.1。
5) 宏观审慎政策与随机货币政策的搭配
表8是宏观审慎政策工具与随机的货币政策工具互相搭配的回归分析结果。其中，模型2宏观审慎政策工具首付比例、贷款价值比LTV、公积金利率和货币政策工具存款准备金率搭配时，其解释变量贷款价值比LTV、公积金利率和货币政策工具存款准备金率通过了1%显著性检验，其模型是最有效的。当与其他货币政策工具搭配时，有些甚至削弱了宏观审慎政策工具的有效性。因此，当宏观审慎政策工具首付比例、贷款价值比LTV、公积金利率和货币政策工具存款准备金率搭配时，政策效果最佳。
Table 8. Regression analysis of the combination of macro-prudential policy tools and stochastic monetary policy tools
表8. 宏观审慎政策工具与随机货币政策工具搭配的回归分析
变量 |
模型1 |
模型2 |
模型3 |
模型4 |
模型5 |
模型6 |
AF |
−5.332*** (−2.38) |
−5.628*** (−4.41) |
−8.381*** (−5.20) |
−5.195*** (−2.80) |
−5.707*** (2.72) |
−4.663** (−2.56) |
DPR |
2.309 (0.21) |
9.498* (0.88) |
4.818 (0.44) |
9.435 (0.88) |
15.308 (−3.10) |
8.919 (0.83) |
LTV |
−0.241*** (−3.15) |
−0.255*** (−3.40) |
−0.158* (−1.70) |
−0.254*** (−3.36) |
|
−0.302*** (−3.09) |
IR |
−1.119 (−1.00) |
|
|
−0.360 (−0.32) |
−0.861 (−0.76) |
−0.801*** (−4.20) |
DR |
|
−0.727*** (−4.47) |
|
−0.719*** (−4.37) |
−0.568*** (−2.72) |
|
M2 |
|
|
−0.402* (−1.68) |
|
−0.360* (−1.66) |
0.206 (0.74) |
GDP |
−0.211*** (−3.06) |
−0.038 (−0.049) |
−0.202*** (−2.94) |
−0.037 (−0.48) |
0.085 (1.21) |
−0.029 (−0.36) |
FI |
0.421*** (3.81) |
0.617*** (5.50) |
0.678*** (3.28) |
0.629*** (5.30) |
1.029*** (7.47) |
0.4860** (2.33) |
Constant |
55.458*** (4.85) |
49.516*** (4.37) |
55.893*** (4.90) |
49.449*** (4.36) |
27.010*** (3.07) |
48.866*** (4.30) |
Observations |
620 |
620 |
620 |
620 |
620 |
620 |
R-squared |
0.129 |
0.155 |
0.132 |
0.155 |
0.144 |
0.156 |
F test |
0 |
0 |
0 |
0 |
0 |
0 |
r2_a |
0.121 |
0.147 |
0.123 |
0.146 |
0.134 |
0.146 |
F |
15.14 |
18.77 |
15.49 |
16.08 |
14.66 |
16.16 |
注：括号中为t统计量，***p < 0.01，**p < 0.05，*p < 0.1。
5. 结论与展望
5.1. 主要结论
房地产市场一直是经济体系非常重要的组成部分，维护经济体系的稳定必然包括维护房地产市场的稳定，防止房价的过快增长导致经济体系波动和社会动荡。而随着全球经济不稳定性和经济体系复杂性的提高，利率作为传统的货币政策已经难以有效控制房价的增长，而且利率政策因有着其他经济目标的限制而在实施时存在顾虑，因此需要宏观审慎政策作为新的政策手段来调控房地产市场。逐渐衍生出了专门针对房地产领域的宏观审慎政策，宏观审慎政策在影响房价波动方面的效果也较为理想，因此宏观审慎政策的地位也得到显著提高。本文侧重探讨货币政策与宏观审慎政策的搭配对房价波动的影响，使用我国20年间31个省份的数据，对面板数据进行回归性分析，并且进行了稳健性检验，证明回归结果稳健可靠。结合全文，得出以下几个主要结论。
1) 货币政策和宏观审慎政策对于调控房价波动都具有较好的效果。
2) 宏观审慎政策和货币政策之间存在搭配效应。
3) 不同的宏观审慎政策工具搭配效应有所不同，货币政策和LTV的搭配效应对房价波动的影响效果最好，宏观审慎政策工具与存款准备金率的搭配对房价波动影响较大。搭配合理时，可以有效增强单一调控的政策工具效果。和其它工具搭配不当时，反而会削弱货币政策或者宏观审慎政策工具的作用。
5.2. 政策建议与展望
根据上述结论，宏观审慎政策不仅可以有效调控房地产市场，而且如果与货币政策进行合理搭配，可以达到加强抑制房价增长的效果，特别是在新时代，传统货币政策效果不佳，需要借助宏观审慎政策的搭配效应才能达到稳定房价的目的，因此提出以下几点建议：
第一，合理搭配宏观审慎政策与货币政策。根据前文的结论，宏观审慎政策和货币政策的搭配效应效果通常是理想的，因此在房价波动过大时，可以同时实施宏观审慎政策和货币政策以有效控制房价的过大波动，单一的货币政策失效时，可以及时补充相应的宏观审慎政策。
第二，实施货币政策时，合理搭配不同的宏观审慎政策工具。不同的宏观审慎政策工具实施效果不一，不同的宏观审慎政策工具与货币政策进行搭配时对房价的影响效果也不一，因此要制定差别化的宏观审慎政策，根据不同地区和市场的房地产情况，可以实施差别化的宏观审慎政策，包括限购、限贷、提高首付比例等手段，以应对不同地区的房地产市场波动。根据前文的结论，贷款价值比工具在辅助货币政策时比货币政策单独实施时效果显著。因此，可以加大此类政策工具的实施频率和力度。
第三，实施宏观审慎政策时，要合理搭配不同的货币政策工具。灵活运用货币政策工具，货币政策可以通过调整利率、公开市场操作等手段来控制流动性，进而影响房地产市场。在房价过快上涨或过快下跌时，可以适时调整货币政策，保持市场稳定。
第四，强化金融监管完善税收政策。加强金融监管，规范金融机构的房地产贷款行为，避免房地产泡沫的形成。同时，监管部门可以对房地产开发商的融资渠道和资金运用进行监督，以确保市场健康发展。同时，通过税收政策调节房地产市场，例如对房地产交易征收适当的税费，或者通过房地产税等方式来抑制房价过快上涨。