我国金融条件指数与房地产开发投资增速预测

林浩锋+李舜

内容摘要：2014年年初以来，我国房地产投资增速持续下滑，下半年增速能否稳住将是宏观管理面临的最大不确定性。本文使用2004年1月份至2014年6月份的月度数据，选取短期敏感性指标，通过向量自回归（VAR）方法构建金融条件指数，该指数对全国房地产开发投资增速有较好的预测效果。研究认为，我国房地产开发投资增速下滑的态势短期内还将延续，经济增长下行压力较大。为确保全年经济增长7.5%目标的实现，政府需及时采取一些适当的经济刺激措施。

关键词：金融条件指数（FCI）   向量自回归（VAR）   房地产开发投资增速   预测

引言

房地产在我国国民经济中占有支柱地位，多年来对经济增长有着突出贡献。然而，自2014年年初开始，全国房地产开发投资增速持续下滑，全国商品房销售面积及销售额累计同比、房地产开发企业土地购置面积累计同比等指标连续6个月出现负值，房地产开发企业本年到位资金增速（累计同比）则从2013年年底的26.5%下降到2014年6月份的3%。市场普遍认为房地产投资增速的下降，将是下半年我国经济增速面临的最大不确定性。因此，无论政府宏观调控，还是业界投资决策，都需要准确判断房地产开发投资增速的态势。挖掘有关预警指标，预测房地产投资的未来增速，在当前经济形势下无疑具有非常重要的现实意义。

OLS回归方法的缺陷

本文旨在预测全国房地产开发投资的月度增速，前期探索发现，和商品房需求有关的指标如商品房销售额增速、广义货币M2增速等与预测对象有较好的一致性，而和商品房供给有关的指标如待开发土地面积增速，与预测对象的相关性则较弱。图1显示了房地产开发投资和商品房销售额、广义货币供应量M2、中长期利率等序列的变化情况。除利率之外，所有指标序列均为季节调整后的月度同比值。可见，商品房销售额、M2与房地产开发投资之间有较强的相关性且领先于后者的变化。

然而，在进行平稳性检验之后，以商品房销售额、M2的滞后值为解释变量，使用OLS方法对房地产开发投资增速进行预测并没有得到理想结果，如图2所示，预测序列不能很好拟合房地产投资增速实际变化的基本趋势和拐点。鉴于2009年实施的大规模经济刺激计划，可能会对经济变量的预测产生结构突变性的干扰，本文在使用2010年1月份以后的子样本重复进行研究之后，并不能改变上述结论。显然，OLS方法因其固有的遗漏变量等缺陷，难以充分把握宏观经济变量的波动信息。

金融条件指数与房地产开发投资增速预测

（一）金融条件指数概述

20世纪80年代末，加拿大央行最早提出了货币条件指数（Monetary Condition Index，MCI）的概念。Ericsson等（1998）曾将短期实际利率和实际汇率加权平均构造了MCI，以综合反映金融资产价格的信息。金融条件指数（Financial Condition Index，FCI）则是在MCI的基础上扩展而来的。著名学者Goodhart和Hoffmann（2000）在MCI基础上加入房价和股价，提出了FCI，并在后来一系列研究中构造出G7国家的FCI以进行实证分析。作为对货币金融环境的一个综合测度，FCI被学界、央行和金融机构广泛用作货币政策的风向标和通货膨胀的指示器。如Montagnoli和Napolitano（2005）构建了美国、加拿大、欧盟和英国的FCI指数，认为FCI可以作为货币政策的短期前瞻性指标。芬兰央行发现FCI能为其调整货币政策提供依据。李成等（2010）构建了我国的金融条件指数，并研究发现其与通货膨胀率和实际产出增长的变化趋势相似。

金融条件指数的构造方法主要有：最小二乘法，总需求简化式模型（IS曲线和菲利普斯曲线）如高盛的做法，因子分析如English等（2002），向量自回归（VAR）脉冲响应分析如王丽娜（2009）和李成等（2010）。然而，总需求模型难以满足变量外生性假设;OLS如前所述不能捕捉充分信息;因子分析法则需要满足公共因子之间的互不相关假设。因此，在权重确定方面，基于VAR的脉冲响应分析有明显的优势，成为目前最常用的方法。

（二）预测指标的选取与说明

影响房地产开发商短期投资决策的主要是现金流因素。销售状况决定了资金周转和企业净值，并在很大程度上决定开发商对市场前景的预期。而根据伯南克等人的“金融加速器”理论（Bernanke，et.al.，1999），在存在金融摩擦的信贷市场中，企业净值影响到其外部融资的可获得性。广义货币供应量则决定了全社会的流动性丰裕程度和融资成本。鉴于此，本文选取M2、利率、商品房销售额、房地产开发投资资金来源中的国内信贷金额和自筹金额共五个短期敏感性指标，作为房地产开发投资增速的预测依据。采用Eviews7.0计量软件选取2004年1月份至2014年6月份的186期月度数据进行研究（利率指标除外），数据来源于WIND数据库、国家统计局网站和央行网站。具体而言，各指标构造如下：

房地产开发投资当月同比YOYREI_TC。首先将“房地产开发投资完成额（累计值）”换算成当月值，并用X12方法进行季节调整，保留其中的趋势和波动成分，然后计算得到当月同比。

商品房销售缺口GAP_SALES。将“商品房销售额（累计值）”换算成当月值，该序列同样存在季节性因素，使用X12方法进行预处理;然后用Hodrick-Prescott滤波技术分离该序列的趋势成分和波动成分（平滑参数取值为14400），按照“缺口=（季节调整之后的值-趋势值）×100/趋势值”公式计算出商品房销售缺口。

广义货币缺口GAP_M2、国内信贷缺口GAP_LOAN、自有资金缺口GAP_SELFFINANCE分别采用“货币和准货币（M2）月度值”、“房地产开发资金来源：国内贷款：累计值”和“房地产开发资金来源：自筹：累计值”原始数据计算，处理方法与商品房销售缺口GAP_SALES完全相同。endprint

利率变化GAP_BONDRATE，刻画短期资金使用成本的变动。采用“1年期国债到期收益率（日度）”指标，将当月最后一个交易日的数值作为其月度值，因数据存在缺失，样本区间从2007年12月到2014年6月。该序列的环比变化值（一阶差分）作为利率变化的“缺口”。

（三）金融条件指数的构建

模型中各个变量平稳是VAR系统平稳的充分条件。因而首先用ADF方法和PP方法检验系统中各个组成成分的平稳性。表 1显示了各个变量平稳性检验的p值，显然，所有变量均在5%水平上通过平稳性检验。将表 1中变量当作内生变量构建VAR模型（称为模型Ⅰ），LR、FPE、AIC、SC、HQ等信息准则均表明模型最优滞后阶数为7阶;而AR根图则显示全部特征根的模的倒数值都在单位圆之内，说明该VAR（7）系统是平稳的。

目前，我国央行把M2当作主要的货币政策目标，并对资金价格（利率）产生影响;而整个宏观货币信贷条件又决定着房地产的需求，影响商品房销售以及资金回笼速度，进而影响到房地产开发商的自有资金;而依据金融加速器理论，内部资金的多寡、现金流是否充裕则决定了开发商的外部融资便利程度（包括融资规模与融资成本两方面），并最终对房地产开发投资产生影响。按照这种内在因果关系，本文以GAP_M2、GAP_BONDRATE、GAP_SALES、GAP_SELFFINANCE、GAP_LOAN、YOYREI_TC顺序进行乔勒斯基（Cholesky）分解，并在VAR脉冲响应的基础上得到50个月度预测期的方差分解，根据各个预测变量对YOYREI_TC的平均影响确定权重系数，由此得到金融条件指数的表达式为：

FCI=0.48×GAP_M2+0.17×GAP_BONDRATE+0.08×GAP_SALES+0.16×GAP_SELFFINANCE+0.10×GAP_LOAN

表2显示，平均而言，广义货币缺口和短期利率对房地产投资增速有很大影响，由这5个短期敏感性变量构造而成的FCI能够解释房地产投资增速变动的87.45%。

（四）房地产开发投资增速预测

图3 金融条件指数、房地产开发投资预测增速显示出金融条件指数与房地产投资增速走势（YOYREI_TC）之间有较强的一致性，且能领先于后者的变动。使用Eviews的相关性分析发现，滞后4阶的FCI与YOYREI_TC的相关系数最大（约0.62）。对于2010年1月以后的子样本，则是滞后2阶的FCI与YOYREI_TC的相关系数最大（约0.69）。这说明2008年国际金融危机之后，我国实体经济的变化对货币变量更加敏感。为提高准确性，避免2009年大规模经济刺激对预测的或有影响，本文采用2010年1月之后的子样本，使用最小二乘法将YOYREI_TC对FCI（-2）和MA（1）回归建立方程，主要解释变量均在1%水平上显著不为0。依据该方程进行预测，结果如图 3所示。很好拟合了房地产投资实际增速的基本趋势。接着，利用前6期平均残差修正之后即得出房地产开发投资2014年7月份和8月份的当月同比值，使用WIND数据库中的“房地产开发投资完成额：累计值”数据，折算出今年7、8月份房地产开发投资完成额的累计同比预测值为13.17%和12.35%。

稳健性检验

因我国尚未完全实现存、贷款利率的市场化，短期利率指标的选择是预测研究的难点。为保证预测的稳健性，本文分别采用6个月票据直贴利率和上海银行间7天拆借利率（SHIBOR）当作短期利率指标，构建VAR模型（分别称为模型Ⅱ和模型Ⅲ）以确定新的FCI指数并对房地产开发投资增速进行重复预测。结果如图4和表3所示，三个模型的预测结果几乎完全一致。由此可见，FCI构建方法具有较强的稳健性。

结论与政策建议

本文使用M2、利率、商品房销售额、房地产开发投资资金来源中的国内信贷金额和自筹金额共五个短期敏感性指标，利用向量自回归方法构建金融条件指数，并以之预测我国房地产开发投资增速，得到较为理想和稳健的结论，表明金融条件指数能捕捉重要的趋势变化和拐点信息，对房地产开发投资增速有较强的预测能力。

预测结论认为，我国房地产开发投资增速在未来两月将持续下滑，尚无触底反弹的迹象，一方面说明我国房地产行业已进入调整期，另一方面也加大下半年经济增长的下行压力。为确保全年经济增长7.5%目标的实现，政府需要出台适当的经济刺激措施，在政策手段的选择上，增加货币供应量和调整银行信贷政策对促进房地产投资可能有比较明显的影响。特别地，在总量调控的同时，政府需更注意结构性调整，根据各地的不同情况而区别对待。如北京、上海、广州等一线城市可维持既有政策，对于房地产投资大幅下滑、库存大量增加的地区，建议因地制宜，给地方政府更大的自主权，让之前偏紧的房地产行业调控措施回归常态。

参考文献：

1.Bernanke，B.S.，M.Gertler，and S. Gilchrist（1999）： The Financial Accelerator in a Quantitative Business Cycle Framework[C].Handbook of Macroeconomics，Vol.1

2.English W.，K.Tsatsaronis and E.Zoli（2002）： Assessing the Predictive Power of Measures of Financial Conditions for Macroeconomic Variables[R].BIS Working Paper

3.Ericsson N.，E.Jansen，N.Kerbeshian and R.Nymoen.（1998）： Interpreting a Monetary Conditions Index in Economic Policy [C].Bank for International Settlement，BIS Conference Papers，No.19

4.Goodhart，C. and Hofmann B.（2000）： Do Asset Prices Help to Predict Consumer Price Inflation？ [C].The Manchester School，68，Supplement，a，122-140

5.Montagnoli A.，O.Napolitano.（2005）：Financial Condition Index and Interest Rate Settings： a Comparative Analysis[R]，Instituto Di Studi Economici，Working Paper

6.高铁梅.计量经济分析方法与建模——Eviews应用及实例[M].清华大学出版社，2009

7李成，王彬，马文涛.我国金融形势指数的构建及其与宏观经济的关联性研究[J].财贸经济，2010（3）

8.王丽娜.房地产价格与金融形势指数的实证分析[J].价格理论与实践，2009（1）

9王维国，王凌霄，关大宇.中国金融条件指数的设计与应用研究[J].数量经济技术经济研究，2011（12）endprint

利率变化GAP_BONDRATE，刻画短期资金使用成本的变动。采用“1年期国债到期收益率（日度）”指标，将当月最后一个交易日的数值作为其月度值，因数据存在缺失，样本区间从2007年12月到2014年6月。该序列的环比变化值（一阶差分）作为利率变化的“缺口”。

（三）金融条件指数的构建

模型中各个变量平稳是VAR系统平稳的充分条件。因而首先用ADF方法和PP方法检验系统中各个组成成分的平稳性。表 1显示了各个变量平稳性检验的p值，显然，所有变量均在5%水平上通过平稳性检验。将表 1中变量当作内生变量构建VAR模型（称为模型Ⅰ），LR、FPE、AIC、SC、HQ等信息准则均表明模型最优滞后阶数为7阶;而AR根图则显示全部特征根的模的倒数值都在单位圆之内，说明该VAR（7）系统是平稳的。

目前，我国央行把M2当作主要的货币政策目标，并对资金价格（利率）产生影响;而整个宏观货币信贷条件又决定着房地产的需求，影响商品房销售以及资金回笼速度，进而影响到房地产开发商的自有资金;而依据金融加速器理论，内部资金的多寡、现金流是否充裕则决定了开发商的外部融资便利程度（包括融资规模与融资成本两方面），并最终对房地产开发投资产生影响。按照这种内在因果关系，本文以GAP_M2、GAP_BONDRATE、GAP_SALES、GAP_SELFFINANCE、GAP_LOAN、YOYREI_TC顺序进行乔勒斯基（Cholesky）分解，并在VAR脉冲响应的基础上得到50个月度预测期的方差分解，根据各个预测变量对YOYREI_TC的平均影响确定权重系数，由此得到金融条件指数的表达式为：

FCI=0.48×GAP_M2+0.17×GAP_BONDRATE+0.08×GAP_SALES+0.16×GAP_SELFFINANCE+0.10×GAP_LOAN

表2显示，平均而言，广义货币缺口和短期利率对房地产投资增速有很大影响，由这5个短期敏感性变量构造而成的FCI能够解释房地产投资增速变动的87.45%。

（四）房地产开发投资增速预测

图3 金融条件指数、房地产开发投资预测增速显示出金融条件指数与房地产投资增速走势（YOYREI_TC）之间有较强的一致性，且能领先于后者的变动。使用Eviews的相关性分析发现，滞后4阶的FCI与YOYREI_TC的相关系数最大（约0.62）。对于2010年1月以后的子样本，则是滞后2阶的FCI与YOYREI_TC的相关系数最大（约0.69）。这说明2008年国际金融危机之后，我国实体经济的变化对货币变量更加敏感。为提高准确性，避免2009年大规模经济刺激对预测的或有影响，本文采用2010年1月之后的子样本，使用最小二乘法将YOYREI_TC对FCI（-2）和MA（1）回归建立方程，主要解释变量均在1%水平上显著不为0。依据该方程进行预测，结果如图 3所示。很好拟合了房地产投资实际增速的基本趋势。接着，利用前6期平均残差修正之后即得出房地产开发投资2014年7月份和8月份的当月同比值，使用WIND数据库中的“房地产开发投资完成额：累计值”数据，折算出今年7、8月份房地产开发投资完成额的累计同比预测值为13.17%和12.35%。

稳健性检验

因我国尚未完全实现存、贷款利率的市场化，短期利率指标的选择是预测研究的难点。为保证预测的稳健性，本文分别采用6个月票据直贴利率和上海银行间7天拆借利率（SHIBOR）当作短期利率指标，构建VAR模型（分别称为模型Ⅱ和模型Ⅲ）以确定新的FCI指数并对房地产开发投资增速进行重复预测。结果如图4和表3所示，三个模型的预测结果几乎完全一致。由此可见，FCI构建方法具有较强的稳健性。

结论与政策建议

本文使用M2、利率、商品房销售额、房地产开发投资资金来源中的国内信贷金额和自筹金额共五个短期敏感性指标，利用向量自回归方法构建金融条件指数，并以之预测我国房地产开发投资增速，得到较为理想和稳健的结论，表明金融条件指数能捕捉重要的趋势变化和拐点信息，对房地产开发投资增速有较强的预测能力。

预测结论认为，我国房地产开发投资增速在未来两月将持续下滑，尚无触底反弹的迹象，一方面说明我国房地产行业已进入调整期，另一方面也加大下半年经济增长的下行压力。为确保全年经济增长7.5%目标的实现，政府需要出台适当的经济刺激措施，在政策手段的选择上，增加货币供应量和调整银行信贷政策对促进房地产投资可能有比较明显的影响。特别地，在总量调控的同时，政府需更注意结构性调整，根据各地的不同情况而区别对待。如北京、上海、广州等一线城市可维持既有政策，对于房地产投资大幅下滑、库存大量增加的地区，建议因地制宜，给地方政府更大的自主权，让之前偏紧的房地产行业调控措施回归常态。

参考文献：

1.Bernanke，B.S.，M.Gertler，and S. Gilchrist（1999）： The Financial Accelerator in a Quantitative Business Cycle Framework[C].Handbook of Macroeconomics，Vol.1

2.English W.，K.Tsatsaronis and E.Zoli（2002）： Assessing the Predictive Power of Measures of Financial Conditions for Macroeconomic Variables[R].BIS Working Paper

3.Ericsson N.，E.Jansen，N.Kerbeshian and R.Nymoen.（1998）： Interpreting a Monetary Conditions Index in Economic Policy [C].Bank for International Settlement，BIS Conference Papers，No.19

4.Goodhart，C. and Hofmann B.（2000）： Do Asset Prices Help to Predict Consumer Price Inflation？ [C].The Manchester School，68，Supplement，a，122-140

5.Montagnoli A.，O.Napolitano.（2005）：Financial Condition Index and Interest Rate Settings： a Comparative Analysis[R]，Instituto Di Studi Economici，Working Paper

6.高铁梅.计量经济分析方法与建模——Eviews应用及实例[M].清华大学出版社，2009

7李成，王彬，马文涛.我国金融形势指数的构建及其与宏观经济的关联性研究[J].财贸经济，2010（3）

8.王丽娜.房地产价格与金融形势指数的实证分析[J].价格理论与实践，2009（1）

9王维国，王凌霄，关大宇.中国金融条件指数的设计与应用研究[J].数量经济技术经济研究，2011（12）endprint

利率变化GAP_BONDRATE，刻画短期资金使用成本的变动。采用“1年期国债到期收益率（日度）”指标，将当月最后一个交易日的数值作为其月度值，因数据存在缺失，样本区间从2007年12月到2014年6月。该序列的环比变化值（一阶差分）作为利率变化的“缺口”。

（三）金融条件指数的构建

模型中各个变量平稳是VAR系统平稳的充分条件。因而首先用ADF方法和PP方法检验系统中各个组成成分的平稳性。表 1显示了各个变量平稳性检验的p值，显然，所有变量均在5%水平上通过平稳性检验。将表 1中变量当作内生变量构建VAR模型（称为模型Ⅰ），LR、FPE、AIC、SC、HQ等信息准则均表明模型最优滞后阶数为7阶;而AR根图则显示全部特征根的模的倒数值都在单位圆之内，说明该VAR（7）系统是平稳的。

目前，我国央行把M2当作主要的货币政策目标，并对资金价格（利率）产生影响;而整个宏观货币信贷条件又决定着房地产的需求，影响商品房销售以及资金回笼速度，进而影响到房地产开发商的自有资金;而依据金融加速器理论，内部资金的多寡、现金流是否充裕则决定了开发商的外部融资便利程度（包括融资规模与融资成本两方面），并最终对房地产开发投资产生影响。按照这种内在因果关系，本文以GAP_M2、GAP_BONDRATE、GAP_SALES、GAP_SELFFINANCE、GAP_LOAN、YOYREI_TC顺序进行乔勒斯基（Cholesky）分解，并在VAR脉冲响应的基础上得到50个月度预测期的方差分解，根据各个预测变量对YOYREI_TC的平均影响确定权重系数，由此得到金融条件指数的表达式为：

FCI=0.48×GAP_M2+0.17×GAP_BONDRATE+0.08×GAP_SALES+0.16×GAP_SELFFINANCE+0.10×GAP_LOAN

表2显示，平均而言，广义货币缺口和短期利率对房地产投资增速有很大影响，由这5个短期敏感性变量构造而成的FCI能够解释房地产投资增速变动的87.45%。

（四）房地产开发投资增速预测

图3 金融条件指数、房地产开发投资预测增速显示出金融条件指数与房地产投资增速走势（YOYREI_TC）之间有较强的一致性，且能领先于后者的变动。使用Eviews的相关性分析发现，滞后4阶的FCI与YOYREI_TC的相关系数最大（约0.62）。对于2010年1月以后的子样本，则是滞后2阶的FCI与YOYREI_TC的相关系数最大（约0.69）。这说明2008年国际金融危机之后，我国实体经济的变化对货币变量更加敏感。为提高准确性，避免2009年大规模经济刺激对预测的或有影响，本文采用2010年1月之后的子样本，使用最小二乘法将YOYREI_TC对FCI（-2）和MA（1）回归建立方程，主要解释变量均在1%水平上显著不为0。依据该方程进行预测，结果如图 3所示。很好拟合了房地产投资实际增速的基本趋势。接着，利用前6期平均残差修正之后即得出房地产开发投资2014年7月份和8月份的当月同比值，使用WIND数据库中的“房地产开发投资完成额：累计值”数据，折算出今年7、8月份房地产开发投资完成额的累计同比预测值为13.17%和12.35%。

稳健性检验

因我国尚未完全实现存、贷款利率的市场化，短期利率指标的选择是预测研究的难点。为保证预测的稳健性，本文分别采用6个月票据直贴利率和上海银行间7天拆借利率（SHIBOR）当作短期利率指标，构建VAR模型（分别称为模型Ⅱ和模型Ⅲ）以确定新的FCI指数并对房地产开发投资增速进行重复预测。结果如图4和表3所示，三个模型的预测结果几乎完全一致。由此可见，FCI构建方法具有较强的稳健性。

结论与政策建议

本文使用M2、利率、商品房销售额、房地产开发投资资金来源中的国内信贷金额和自筹金额共五个短期敏感性指标，利用向量自回归方法构建金融条件指数，并以之预测我国房地产开发投资增速，得到较为理想和稳健的结论，表明金融条件指数能捕捉重要的趋势变化和拐点信息，对房地产开发投资增速有较强的预测能力。

预测结论认为，我国房地产开发投资增速在未来两月将持续下滑，尚无触底反弹的迹象，一方面说明我国房地产行业已进入调整期，另一方面也加大下半年经济增长的下行压力。为确保全年经济增长7.5%目标的实现，政府需要出台适当的经济刺激措施，在政策手段的选择上，增加货币供应量和调整银行信贷政策对促进房地产投资可能有比较明显的影响。特别地，在总量调控的同时，政府需更注意结构性调整，根据各地的不同情况而区别对待。如北京、上海、广州等一线城市可维持既有政策，对于房地产投资大幅下滑、库存大量增加的地区，建议因地制宜，给地方政府更大的自主权，让之前偏紧的房地产行业调控措施回归常态。

参考文献：

1.Bernanke，B.S.，M.Gertler，and S. Gilchrist（1999）： The Financial Accelerator in a Quantitative Business Cycle Framework[C].Handbook of Macroeconomics，Vol.1

2.English W.，K.Tsatsaronis and E.Zoli（2002）： Assessing the Predictive Power of Measures of Financial Conditions for Macroeconomic Variables[R].BIS Working Paper

3.Ericsson N.，E.Jansen，N.Kerbeshian and R.Nymoen.（1998）： Interpreting a Monetary Conditions Index in Economic Policy [C].Bank for International Settlement，BIS Conference Papers，No.19

4.Goodhart，C. and Hofmann B.（2000）： Do Asset Prices Help to Predict Consumer Price Inflation？ [C].The Manchester School，68，Supplement，a，122-140

5.Montagnoli A.，O.Napolitano.（2005）：Financial Condition Index and Interest Rate Settings： a Comparative Analysis[R]，Instituto Di Studi Economici，Working Paper

6.高铁梅.计量经济分析方法与建模——Eviews应用及实例[M].清华大学出版社，2009

7李成，王彬，马文涛.我国金融形势指数的构建及其与宏观经济的关联性研究[J].财贸经济，2010（3）

8.王丽娜.房地产价格与金融形势指数的实证分析[J].价格理论与实践，2009（1）

9王维国，王凌霄，关大宇.中国金融条件指数的设计与应用研究[J].数量经济技术经济研究，2011（12）endprint