把握“脱虚向实”力度——房地产与实体经济的风险传染机制研究
|
摘要
本文建立GARCH-in-Mean模型,首次将增长速度和风险强度同时纳入分析框架,考察了"房改"20年来房地产与实体经济之间的风险传染效应,并探究了其中的金融传导机制,发现:(1)房地产投资增长能促进实体经济的增长;(2)但房地产投资风险增加会通过放大金融风险来抑制实体经济发展,而实体经济风险增加会同时提高金融增长速度和放大金融风险使资金流向房地产;(3)短期,实体经济的增长更能带动房地产投资的增长,而房地产投资风险会更显著地提高实体经济风险;(4)长期,两部门之间的风险溢出效应占主要地位,且溢出效应随房地产政策调整而成周期性变化。本文认为房地产投资的风险对实体经济发展具有很强的抑制作用,而实体经济的风险则会促进金融和房地产泡沫。在引导资金"脱虚向实"时若盲目追求速度力度反而会抑制实体经济的发展,增大整体风险。
引文
何青,钱宗鑫,刘伟.中国系统性金融风险的度量——基于实体经济的视角.金融研究,2018(4):53—70.
胡奕明,王雪婷,张瑾.金融资产配置动机:“蓄水池”或“替代”?——来自中国上市公司的证据.经济研究,2017(1):181—194.
黄群慧.论新时期中国实体经济的发展.中国工业经济,2017(9):5—24.
李扬,张晓晶.“新常态”:经济发展的逻辑与前景.经济研究,2015(5):4—19.
李扬.“金融服务实体经济”辨.经济研究,2017(6):4—16.
梁云芳,高铁梅,贺书平.房地产市场与国民经济协调发展的实证分析.中国社会科学,2006(3):74—84+205—206.
刘金全.虚拟经济与实体经济之间关联性的计量检验.中国社会科学,2004(4):80—90+207.
孟宪春,张屹山,李天宇.有效调控房地产市场的最优宏观审慎政策与经济“脱虚向实”.中国工业经济,2018(6):81—97.
彭俞超,韩珣,李建军.经济政策不确定性与企业金融化.中国工业经济,2018(1):137—155.
潜力,胡援成.经济周期、融资约束与资本结构的非线性调整.世界经济,2015(12):135—158.
苏治,方彤,尹力博.中国虚拟经济与实体经济的关联性——基于规模和周期视角的实证研究.中国社会科学,2017(8):87—109+205—206.
唐志军,徐会军,巴曙松.中国房地产市场波动对宏观经济波动的影响研究.统计研究,2010,27(2):15—22.
王千.房地产的虚拟性与宏观经济稳定.中国工业经济,2006(12):13—20.
杨海生,陈少凌,罗党论,佘国满.政策不稳定性与经济增长——来自中国地方官员变更的经验证据.管理世界,2014(9):13—28+187—188.
张晓晶,孙涛.中国房地产周期与金融稳定.经济研究,2006(1):23—33.
张勇.房地产市场会压垮中国吗——房地产市场、货币市场波动和经济波动动态关系研究.财政研究,2015(9):8—22.
赵胜民,方意,王道平.金融信贷是否中国房地产、股票价格泡沫和波动的原因——基于有向无环图的分析.金融研究,2011(12):62—76.
Diebold,F.X.,& Yilmaz,K.Measuring Financial Asset Return and Volatility Spillovers,with Application to Global Equity Markets.The Economic Journal,2009,119(534):158-171.
Engle,R.F.,Lilien,D.M.& Robins,R.P.Estimating Time Varying Risk Premia in the Term Structure:The ARCH-M Model.Econometrica,1987,55(2):391-407.
Farhi,E.,& Tirole,J.Collective Moral Hazard,Maturity Mismatch,and Systemic Bailouts.American Economic Review,2012,102(1):60-93.
Frankel ,J.A.,& Romer,D.Does Trade Cause Growth?American Economic Review,1999,89(3):379-399.
Green,R.K.Follow the Leader:How Changes in Residential and Non-residential Investment Predict Changes in GDP.Real Estate Economics,1997,25(2):253-270.
Grier,K.B.,& Smallwood,A.D.Uncertainty and Export Performance:Evidence from 18 Countries.Journal of Money Credit & Banking,2007,39(4):965-979.
Hafner,C.M.,& Herwartz,H.Volatility Impulse Responses for Multivariate GARCH Models:An Exchange Rate Illustration.Journal of International Money & Finance,2006,25(5):719-740.
Koop,G.,Pesaran,M.H.,& Potter,S.M.Impulse Response Analysis in Nonlinear Multivariate Models.Journal of Econometrics,1996,74(1):119-147.
Liu,C.H.,Hartzell,D.J.,& Hoesli,M.E.International Evidence on Real Estate Securities as an Inflation Hedge.Real Estate Economics,1997,25(2):193-221.
Miao,J.,& Wang,P.Sectoral Bubbles,Misallocation,and Endogenous Growth.Journal of Mathematical Economics,2014,53(8):153-163.
(1)由于房地产也具有较长的产业链条,且居民对房地产的投资也是有着货币乘数效应的,放大的货币量流入到各行各业中,房地产是否为虚拟经济是值得讨论的问题。因此,我们在第二部分文献综述处加入对房地产虚拟性的讨论。
(2)根据wind数据库计算。
(3)数据来源:国家统计局。
(4)数据来源:西南财经大学中国家庭金融调查与研究中心(CHFS)发布的《2017中国城镇住房空置分析》。
(5)根据统计核算规则,统计局只公布2—12月的累计投资额,因此将2月的累计投资额进行平均作为1月和2月的新增投资。
(6)我们仍然选用了当期土地成交价款和土地购置费用两个指标做了稳健性检验,发现结果及所得结论与原结果基本一致(结果备索)。但是由于土地交易仍受到政府和政策的颇多约束,且土地的招标、拍卖、挂牌和协议方式出让等过程更加依赖于长期以来的计划、竞拍、协商等,具有很强的计划性和预期性,也无法反映当期的决策情况。因此,我们仍然选用房地产开发投资作为衡量每月房地产业发展情况的指标。此外,根据审稿人的建议,我们对该指标中的预期因素进行扣除,发现结果仍是一致且稳健的,结果备索 。
(7)为排除由于价格指数选用所致的结果差异的可能性,我们也从供给端考虑,用以1998年1月为基期的月度生产者价格指数(PPI)对新增房地产开发投资进行平减,得到的模型估计结果以及结论与原文一致。限于篇幅原因,结果备索。
(8)数据来源:http://data.eastmoney.com/cjsj/hyzs_EMI00120219.html。
(9)由于篇幅原因,结果备索。
(10)我们通过最小化Schwarz信息准则来选择滞后阶数p。
(11)根据最小化Schwarz信息准则,这里的滞后阶数为4阶,篇幅限制略去了对各滞后项回归系数的报告。γ■表示过去的房地产投资增长率增加1%,当期房地产投资增长率会增加γ■个百分比。参照Grier & Smallwood(2010):■。同理可得γ■。
(12)这里用γ■表示过去及当期的实体经济增长率增加1%,当期的房地产投资增长率会增加γ■个百分比。参照Grier & Smallwood(2007):■。同理可得γ■。
(13)限于篇幅的限制,以及本文主要研究房地产和实体经济对彼此的影响,因而省略了它们的冲击对自身的影响。
(14)溢出指数的取值位于0和100%之间,如果溢出指数接近100%,表明两个变量高度相关;如果溢出指数接近0,则表明两个变量基本不相关。
胡奕明,王雪婷,张瑾.金融资产配置动机:“蓄水池”或“替代”?——来自中国上市公司的证据.经济研究,2017(1):181—194.
黄群慧.论新时期中国实体经济的发展.中国工业经济,2017(9):5—24.
李扬,张晓晶.“新常态”:经济发展的逻辑与前景.经济研究,2015(5):4—19.
李扬.“金融服务实体经济”辨.经济研究,2017(6):4—16.
梁云芳,高铁梅,贺书平.房地产市场与国民经济协调发展的实证分析.中国社会科学,2006(3):74—84+205—206.
刘金全.虚拟经济与实体经济之间关联性的计量检验.中国社会科学,2004(4):80—90+207.
孟宪春,张屹山,李天宇.有效调控房地产市场的最优宏观审慎政策与经济“脱虚向实”.中国工业经济,2018(6):81—97.
彭俞超,韩珣,李建军.经济政策不确定性与企业金融化.中国工业经济,2018(1):137—155.
潜力,胡援成.经济周期、融资约束与资本结构的非线性调整.世界经济,2015(12):135—158.
苏治,方彤,尹力博.中国虚拟经济与实体经济的关联性——基于规模和周期视角的实证研究.中国社会科学,2017(8):87—109+205—206.
唐志军,徐会军,巴曙松.中国房地产市场波动对宏观经济波动的影响研究.统计研究,2010,27(2):15—22.
王千.房地产的虚拟性与宏观经济稳定.中国工业经济,2006(12):13—20.
杨海生,陈少凌,罗党论,佘国满.政策不稳定性与经济增长——来自中国地方官员变更的经验证据.管理世界,2014(9):13—28+187—188.
张晓晶,孙涛.中国房地产周期与金融稳定.经济研究,2006(1):23—33.
张勇.房地产市场会压垮中国吗——房地产市场、货币市场波动和经济波动动态关系研究.财政研究,2015(9):8—22.
赵胜民,方意,王道平.金融信贷是否中国房地产、股票价格泡沫和波动的原因——基于有向无环图的分析.金融研究,2011(12):62—76.
Diebold,F.X.,& Yilmaz,K.Measuring Financial Asset Return and Volatility Spillovers,with Application to Global Equity Markets.The Economic Journal,2009,119(534):158-171.
Engle,R.F.,Lilien,D.M.& Robins,R.P.Estimating Time Varying Risk Premia in the Term Structure:The ARCH-M Model.Econometrica,1987,55(2):391-407.
Farhi,E.,& Tirole,J.Collective Moral Hazard,Maturity Mismatch,and Systemic Bailouts.American Economic Review,2012,102(1):60-93.
Frankel ,J.A.,& Romer,D.Does Trade Cause Growth?American Economic Review,1999,89(3):379-399.
Green,R.K.Follow the Leader:How Changes in Residential and Non-residential Investment Predict Changes in GDP.Real Estate Economics,1997,25(2):253-270.
Grier,K.B.,& Smallwood,A.D.Uncertainty and Export Performance:Evidence from 18 Countries.Journal of Money Credit & Banking,2007,39(4):965-979.
Hafner,C.M.,& Herwartz,H.Volatility Impulse Responses for Multivariate GARCH Models:An Exchange Rate Illustration.Journal of International Money & Finance,2006,25(5):719-740.
Koop,G.,Pesaran,M.H.,& Potter,S.M.Impulse Response Analysis in Nonlinear Multivariate Models.Journal of Econometrics,1996,74(1):119-147.
Liu,C.H.,Hartzell,D.J.,& Hoesli,M.E.International Evidence on Real Estate Securities as an Inflation Hedge.Real Estate Economics,1997,25(2):193-221.
Miao,J.,& Wang,P.Sectoral Bubbles,Misallocation,and Endogenous Growth.Journal of Mathematical Economics,2014,53(8):153-163.
(1)由于房地产也具有较长的产业链条,且居民对房地产的投资也是有着货币乘数效应的,放大的货币量流入到各行各业中,房地产是否为虚拟经济是值得讨论的问题。因此,我们在第二部分文献综述处加入对房地产虚拟性的讨论。
(2)根据wind数据库计算。
(3)数据来源:国家统计局。
(4)数据来源:西南财经大学中国家庭金融调查与研究中心(CHFS)发布的《2017中国城镇住房空置分析》。
(5)根据统计核算规则,统计局只公布2—12月的累计投资额,因此将2月的累计投资额进行平均作为1月和2月的新增投资。
(6)我们仍然选用了当期土地成交价款和土地购置费用两个指标做了稳健性检验,发现结果及所得结论与原结果基本一致(结果备索)。但是由于土地交易仍受到政府和政策的颇多约束,且土地的招标、拍卖、挂牌和协议方式出让等过程更加依赖于长期以来的计划、竞拍、协商等,具有很强的计划性和预期性,也无法反映当期的决策情况。因此,我们仍然选用房地产开发投资作为衡量每月房地产业发展情况的指标。此外,根据审稿人的建议,我们对该指标中的预期因素进行扣除,发现结果仍是一致且稳健的,结果备索 。
(7)为排除由于价格指数选用所致的结果差异的可能性,我们也从供给端考虑,用以1998年1月为基期的月度生产者价格指数(PPI)对新增房地产开发投资进行平减,得到的模型估计结果以及结论与原文一致。限于篇幅原因,结果备索。
(8)数据来源:http://data.eastmoney.com/cjsj/hyzs_EMI00120219.html。
(9)由于篇幅原因,结果备索。
(10)我们通过最小化Schwarz信息准则来选择滞后阶数p。
(11)根据最小化Schwarz信息准则,这里的滞后阶数为4阶,篇幅限制略去了对各滞后项回归系数的报告。γ■表示过去的房地产投资增长率增加1%,当期房地产投资增长率会增加γ■个百分比。参照Grier & Smallwood(2010):■。同理可得γ■。
(12)这里用γ■表示过去及当期的实体经济增长率增加1%,当期的房地产投资增长率会增加γ■个百分比。参照Grier & Smallwood(2007):■。同理可得γ■。
(13)限于篇幅的限制,以及本文主要研究房地产和实体经济对彼此的影响,因而省略了它们的冲击对自身的影响。
(14)溢出指数的取值位于0和100%之间,如果溢出指数接近100%,表明两个变量高度相关;如果溢出指数接近0,则表明两个变量基本不相关。