我国房价的货币因素与宏观影响的动态传导研究

李凯 樊明太 叶思晖

摘   要：我国房地产和金融市场发展使房价进入到货币政策传导渠道中，房价与货币政策中介变量、宏观目标变量间的关系呈动态变动。本文通过TVP-SV-VAR模型研究发现：与M2和信贷相比，社会融资规模与房价的关系更稳定，且对彼此波动的反应更强;近些年房价波动对产出、物价波动的边际效应减弱，对金融稳定的影响仍较大，房价对外部因素波动的敏感性有所降低。建议国家应坚持稳定房价的总基调，把好货币供给闸门，合理管控社会融资规模增量，加强房地产各项融资监管;各地方政府应根据本地人口流入和住房库存等实际情况，合理推进房地产业发展，在发挥其积极作用的同时，防范区域金融风险。

关键词：房地产价格;社会融资规模;贝叶斯估计;边际效应;TVP-SV-VAR模型

一、引言

2008年金融危机后，房地产业发展对我国经济运行产生重要影响，房价的货币因素以及房价与产出、物价、金融市场的关系受到政府部门的极大关注。除自有资金以外，房地产开发资金主要来自金融市场，银行贷款是主要来源。因此，房地产开发投资与货币供应量、信贷规模和社会融资规模这三个货币政策中介变量（马理等，2015）[1]均存在相关性，房地产开发投资也与房价高度相关;金融危机期间房地产业发展对促进我国经济恢复发挥了重要作用，但房价泡沫风险构成了金融市场的隐患。当前存在“货币政策中介变量—房地产开发投资—房价—宏观经济和金融市场”这一传导路径，但房价与宏观变量间的关系呈动态变化。一是2004年房地产业融资多元化，信贷不再是房地产企业从金融市场获取资金的唯一渠道，信托、委托贷款和股权等也成为重要资金来源，而上述融资是社会融资规模的组成部分，这引发了学者对三个中介变量与房地产开发投资、房价相关性的比较研究，各中介变量与房价的相关性强弱如何，相关性随时间如何变动？二是政府调控、房地产周期均会影响房地产与宏观经济和金融市场的关系，房价与产出、物价、金融市场之间有何关系，相互关系如何变动？2018年房地产去库存完成后，我国楼市进入结构调整的成熟期，房价与各变量间关系有什么变化？

为了回答上述问题，本文首先分析资本资产市场发展对货币政策传导机制的影响及资产价格进入传导渠道的理论机制，进而阐述房价进入我国货币政策传导渠道吸纳资金、影响宏观经济和金融市场的理论机制，最后基于2002—2019年季度数据构建TVP-SV-VAR模型，利用贝叶斯估计分析房价与宏观变量间的动态关系。

二、文献综述

关于货币、信贷、社会融资规模对资产价格的影响，王擎和韩鑫韬（2009）[2]利用我国1998—2008年季度数据构建扰动项时变的MGARCH-BEKK模型，发现货币增长率波动与房价增长率波动具有相似性。Bernanke和Gertler（1989）[3]认为信贷和资产价格间常存在正反馈机制，Hofmann（2003）[4]通过20个发达国家数据，也发现短期内房价与信贷规模呈互相增强关系。一些实证研究认为信贷与房价的关系在房价上涨时更明显（Goodhart和Hofmann，2007）[5]，房价上涨时对信贷扩张的响应更大（Collyns和Senhadji，2002）[6]。一些文献指出，与货币总量相比，信贷总量对资产价格的影响更显著（陈继勇等，2013）[7]。一些研究认为社会融资规模与房价相互作用明显，控制住前者能在一定程度上左右房价变化（杜龙波和高婧，2014;杨艳慧，2016）[8，9]。

关于资产价格与产出、物价和金融市场的关系，Alchian和Klein（1973）[10]认为，若预期未来价格水平上涨，在其他条件不变时，住房和股票价格也将上涨。2000年之前多数国内研究认为我国资产价格（主要是股价）与宏观经济变量不相关（谈儒勇，1999）[11];一些研究发现资产价格与宏观经济变量间的关系会随着资本市场发展程度的提高而增强（吕江林，2005;蒋海和伍雪玲，2013）[12，13]。多数研究认为资产价格，特别是房价与未来CPI存在一定相关性，但股价与CPI的相关性难以准确度量（Filardo，2000;罗雁，2018）[14，15]。罗雁（2018）[15]利用动态条件相关系数模型研究我国2006—2016年数据，发现各样本期间房价波动与实际产出、通胀率的关系较大。刘晓欣等（2017）[16]采用主成分分析法构建了衡量金融稳定程度的指标，通过SVAR模型研究我国2002—2016年月度数据，发现房价上涨会使金融稳定性短期内提升、長期内下降。沈悦等（2020）[17]基于2000—2018年我国35个大中城市面板数据构建PVAR模型，发现房价泡沫增大不利于金融稳定，相比泡沫膨胀，泡沫收缩对金融稳定的冲击更大。李程等（2020）[18]构建并测算了2008年7月—2019年9月我国金融压力指数（FSI），利用MS-VAR模型将FSI划分为三个区制，发现杠杆率、房价与FSI间存在明显的非线性特征，通过三个区制的代表性时点的脉冲响应分析，发现长期内房价会通过推高杠杆率增大金融压力。

综上，大多数文献研究认为货币政策中介变量与资产价格，资产价格（特别是房价）与产出、物价、金融稳定存在相关性，一些文献还指出变量间关系的时变特点（蒋海和伍雪玲，2013）[13]，但国内尚无文献系统分析房价与各中介变量、目标变量间的动态关系，因此，本文采用季度数据分析房价与货币政策中介变量、目标变量间的时变关系。关于资产价格与宏观变量间关系的研究，主要采用通胀目标制（Bernanke和Gertler，1999、2001;赵进文和高辉，2009;李成等，2010;谭政勋和王聪，2015）[19-23]、DSGE模型（Kiyotaki和Moore，1997;梁斌和李庆云，2011;崔百胜和丁宇峰，2016;胡朝阳和马芳芳，2019）[24-27]和VAR模型及其拓展形式（蒋海和伍雪玲，2013;闫先东和朱迪星，2016;刘璐等，2020）[13，28，29]等方法。本文研究少数变量间的关系，适用VAR模型;融资结构变化和资本资产市场发展会影响房价在货币政策传导机制中的作用，金融调控、经济结构、实体经济与金融体系间关系变动也会使经济变量间结构参数发生变化，因此，本文采用TVP-SV-VAR模型（Primiceri，2005）[30]，并采用Nakajima（2011）[31]提出的蒙特卡罗算法（MCMC）进行参数贝叶斯估计。

三、房价的货币政策传导机制分析

20世纪80年代以来，股票、房地产等市场快速发展，相关资产价格波动影响着传统的货币政策传导路径，比如某一资产价格的持续上涨往往会从金融市场上吸引大量资金进入该资产所在的市场，而且资产价格波动也会影响宏观经济和金融市场稳定。其理论机制是：货币政策信号形成后，除信贷市场外，股票、中间业务等市场会通过股票融资、银行理财等资金融通活动规模和价格的变化对政策信号作出反应，但一部分资金融通不直接接受政策工具的调节，而是直接进入金融资产市场，影响资产价格（温策，2019）[32]。就我国房地产市场而言，房价进入货币政策传导路径并形成房价的货币政策传导效应，表现在两方面：一是房地产市场吸纳资金影响货币政策中介变量向实体经济的传导;二是房价通过多个渠道影响投资和消费，进而影响物价，房地产金融化程度加深，房价波动增加金融风险、影响金融稳定（见图1）。

（一）房价吸纳资金的理论基础

凯恩斯提出的流动性偏好理论构成房价吸纳资金的理论基础。人们的货币需求由交易需求、预防需求和投机需求构成。在我国，货币交易需求和投机需求都受到房地产交易的影响：城镇化进程刺激住房购买，增加了对货币的交易需求;金融危机后房价大幅上涨，房地产业利润显著高于其他行业，大量原本投资于制造业等行业的资金转而流入房地产业，也增加了货币的交易需求;房地产投资属性的增强则增加了货币的投机需求。房地产业规模扩大和房价波动引起不同市场主体货币需求的增大，这一需求最终通过信贷、股票、债券等融资方式得到满足，导致大量资金流入房地产市场。

（二）房价影响宏观经济和金融市场的机制分析

关于房价对宏观经济的影响，Gertler和Bernanke（1999，2001）[19，20]认为房价等资产价格将主要通过财富效应、托宾q效应、资产负债表（金融加速器机制）等途径作用于消费和投资，进而影响产出和物价（陈继勇等，2019）[7]。房价主要通过财富效应和挤出效应两种渠道影响消费，国内外对于上述两种效应强弱的研究存在差异：发达国家房地产的财富效应较明显;我国房价的挤出效应较明显（曾世宏等，2019;牛虎，2020）[33，34]。

房价影响金融市场稳定的机制较复杂，主要表现在：一是非房地产企业进入房地产市场，影响企业所属行业的产业升级，企业、行业和宏观经济体系抵御外部冲击的能力减弱，构成金融安全隐患;二是金融危机后房价高涨，楼市泡沫风险加大，按揭购房者还贷压力增大，在经济下行期断供风险提升，银行流动性风险隐患加大，甚至可能导致银行破产重组或被接管，影响金融市场稳定;三是当前我国房地产市场处于成熟调整期，“房住不炒”总基调下住房投资投机被限制，城镇化空间收缩导致住房刚性需求减少，市场的观望行为加大了住房销售的不确定性，增大了房地产企业资金链断裂隐患和信用风险，这又会增大银行、债券等市场的运行压力。房地产市场的健康运行关系到信贷市场、债券市场等市场的稳定。因此，本文构建包括货币、信贷、债券、股票、外汇、房地产等多个市场在内的金融压力指数，来研究房价波动对金融市场的综合影响。

四、模型设计和实证分析

本文先构建金融压力指数（FSI）（Illing和Liu，2003）[35]，再构建TVP-SV-VAR模型，并对模型参数进行贝叶斯估计，以分析房价与各中介变量、目标变量之间的动态关系。

（一）金融压力指数测算

1. 金融压力指数变量选择。Illing和Liu（2003）[35]提出的金融压力指数（FSI），为世界各国建立金融系统性风险预警指标体系提供了新思路。本文参考许涤龙和陈双莲（2015）[36]、陈忠阳和许悦（2016）[37]、徐国祥和李波（2017）[38]的研究，除货币和信贷、债券、股票、外汇市场指标外，还将房地产市场指标纳入FSI。本文选择指标的依据是：需符合金融压力相关特征，即反映出金融市场上不确定性的增强（波动率）和对风险资产或低流动性资产偏好的降低（风险溢价）;指标之间具有互补性，且在压力增强时期具有一定的相关性。具体指标及含义见表1。

2. 金融压力指数构建。首先，本文借鉴许涤龙和陈双莲（2015）[36]采用的CRITIC法，考虑指标的变异性和不同指标间的冲突性，设定各指标的权重：[ωj=cj/j=1ncj]，[cj=σji=1n（1-rij）]，其中[ωj]表示权重，[σj]表示标准差，[rij]为变量i和j间的相关系数。其次，对数据进行预处理：（1）为构建季度频率的FSI，对于只有月度数据的指标，将月度数据转换为季度数据;（2）对于1月份数据缺失的情形，季度数据将利用2月和3月份数据转化得到;（3）将指标分为正向指标和负向指标，正向指标值越大，则金融压力越大，负向指标相反;（4）利用极值法对指标标准化。最后，利用公式[FSIt=j=1nωjXjt]，计算得到我国金融压力指数FSI（见图2），其中，[Xj]表示标准化后的指标值。

（二）模型构建

（三）数据、变量和相关检验

1. 变量定义。本文选择的样本期间为2002—2019年，原始月度数据来自环亚经济数据和万得数据库，模型中季度数据由月度数据转化得到，并使用各变量的相对波动率。本文對数据做如下处理：（1）M2（m2）、信贷规模（loan）和社会融资规模（sfs）取季度增量，房价（hp）是商品房销售价格累计平均值季末数据，产出（gdp） 是平减后的季度GDP，价格（cpi）是环比CPI增速，FSI（fsi）是金融压力指数;（2）考虑到时间序列数据受春节和清算业务影响而存在季节性，参考卢倩倩和许坤（2018）[39]，将各变量与0—1季节虚拟变量进行回归，得到各变量清除季节性的残差序列，再利用HP滤波对残差序列进行趋势分离，测算出相对波动率，即HP滤波周期项和趋势项的比值。

2. 平稳性检验。本文利用Eviews10.0软件对各变量进行平稳性检验（见表2），变量m2、loan、sfs、hp、gdp和cpi在1%的显著性水平上平稳，fsi在5%的显著性水平上保持平稳。

3. 滞后期选择。通过检验发现，三个货币政策中介变量与房价、房价与GDP、CPI和FSI之间均存在协整关系，因此可以进行VAR建模分析。本文利用Rstudio软件vars包中VARselect（）函数考察各模型的滞后期，最大滞后期设为10。在loan-hp的VAR模型中，AIC、HQ和SC信息值分别显示滞后10期、10期和2期最优，因样本量有限，滞后10期将使信息损失严重，所以设定该VAR模型为滞后2期; m2-hp、sfs-hp的VAR模型中，各信息值和loan-hp的VAR模型存在区别，但为保持一致性，设定上述两个模型也为滞后2期。hp-cpi、hp-fsi的VAR模型中，AIC、HQ和SC信息值均显示滞后1期最优，设定这两个模型为滞后1期;hp-gdp的模型中，AIC、HQ和SC信息值与上述两个模型存在差别，类似地，也设定该模型为滞后1期。

4. 格兰杰因果关系检验。根据表4，货币供应和社会融资规模与房价互为格兰杰因果关系，但信贷不是房价的格兰杰原因，表明信贷对房价的影响作用较弱，而房价是信贷的格兰杰原因，房价上涨会刺激信贷扩张;房价与GDP互为格兰杰因果关系，房价也是CPI和FSI的格兰杰原因，但CPI和FSI均不是房价的格兰杰原因，表明CPI和FSI对房价的影响较小。

（四）贝叶斯估计

本文使用2002—2006年数据序列对TVP-SV-VAR模型进行初始训练，初始燃烧次数①为1000次，重复抽样次数为20000次（许光健等，2019）[40];使用2007—2019年数据序列进行参数估计，中介变量与房价的模型为滞后2期，损失2007年前两个季度的拟合值，最终得到2007年第三季度到2019年第四季度（共50期）的结构参数估计值;房价与宏观目标的模型为滞后1期，损失2007年第一季度的拟合值，最终得到2007年第二季度到2019年第四季度（共51期）的结构参数估计值。

1. 货币政策中介变量与房价间的动态关系。图3和图4分别描绘了2007年第三季度到2019年第四季度M2变动、信贷变动对房价的动态影响。2007—2017年M2与房价保持同向变动，M2扩大会提高房价增速，这与我国高房价是由货币超发所导致的观点一致;2018年起两者呈反向变动，原因可能在于，随着2018年房地产去库存基本完成和城镇化放缓，房地产市场进入结构调整和优化的成熟期，房价对货币的敏感性下降。

图5显示了2007年第三季度到2019年第四季度社会融资规模变动对房价的动态影响效果。与M2和信贷不同，社会融资规模与房价始终保持同向变化。2018年起社会融资规模变动对房价波动的边际效应趋于平稳，原因在于，2016年底中央经济工作会议首次提出“房住不炒”的发展定位，2017年起国家多次强调稳地价、稳房价、稳预期，房价进入稳中缓升阶段，房价自身刚性特征强化，对社会融资的敏感性持续降低。与M2和信贷相比，社会融资规模变动对房价波动的边际作用更大。

图6、图7和图8分别描绘了2007年第三季度到2019年第四季度房价对M2、信贷和社会融资规模的影响。房价波动对信贷变动的边际效应为负，这可能与中央银行对信贷的逆向操作有关。房价变动对M2和社会融资规模的边际效应始终为正，表明两个变量与房价均呈现顺周期性;边际效应总体上均逐渐减弱，2018年减弱趋势明显，原因可能在于，2018年国家始终强调“房住不炒”定位，向市场传达政府坚决遏制房价非理性上涨的预期，房地产开发商融资趋于谨慎，政府也加强了对房地产融资的约束，使得M2和社会融资规模对房价的正向反应减弱。与M2相比，社会融资规模对房价波动的反应更强，原因在于，针对房价过快上涨，政府会通过上调存款准备金率、贷款利率等政策收紧银根，减少M2，但2016年之前政府对银行表外业务监管缺失，房地产开发企业可以通过信托贷款等手段获取资金，因此房价波动对社会融资规模的影响更大;2016年后，虽然国家加强了对银行表外业务和企业信用债的管理，但包含表外业务和直接融资的社会融资规模对房价波动会较M2更敏感。

2. 房价与产出、价格、金融压力指数间的动态关系。图9左图描绘了2007年第三季度到2019年第四季度房价波动对产出波动的影响。房价波动对产出波动的边际效应为正，表明房价上升会影响消费和投资，使产出增加;房价波动对经济增长的正向作用在2011—2013年迅速减弱，原因可能在于，2011年起房地产业对投资、消费增长的带动效应减弱，挤出效应增强。右图表示同期产出波动对房价波动的影响，产出波动对房价波动的边际效应为负，负向作用呈减小趋势，原因可能在于，金融危机后房地产业发展的主要动力是宽松的货幣政策，而不是宏观经济增长。

图10左图描绘了2007年第三季度到2019年第四季度房价波动对物价波动的影响。总体来看，房价波动对物价波动存在正向边际效应。2011年之前边际效应递增，原因在于，这一时期房地产业对消费和投资的带动效应超过挤出效应，需求扩大引起物价上涨;2012—2014年，边际效应减弱，原因在于，这一时期房地产业的带动效应减弱，挤出效应增强。右图表示同期物价波动对房价波动的影响。物价波动对房价波动存在负向影响，原因在于，通胀不是影响我国房价变动的最重要因素，特别是2014年以来，我国宏观经济逐渐企稳，房价平稳上涨的“惯性”机制增强，这与表4中“CPI不是房价的格兰杰原因”的结论较一致。

图11中左图描绘了2007年第三季度到2019年第四季度房价波动对FSI波动的影响。房价波动对FSI波动的正向边际效应在2010年底到2014年初快速增强，然后减弱，在2016年中期再次增强。原因在于：2010年底我国房地产金融化程度加深，房地产业的巨大体量和房价泡沫风险使金融市场的安全隐患增大;2014年底政府重启宽松周期，但市场反应谨慎，金融稳定压力有所减小;然而随着宽松政策连续加码，一线城市和部分二线城市房价在2016年再次快速上涨，使金融压力增大。右图表明同期FSI波动对房价波动的影响。FSI波动对房价波动的正向边际效应在2014年初降到最低，这与表4中“FSI不是房价的格兰杰原因”的结论较一致，原因在于，2014年我国经济下行，房价自身惯性作用增强，对经济和金融等外部因素的敏感性减弱。2014年后，FSI波动对房价波动的边际效应提升，原因在于，年底货币政策进入新一轮宽松周期，房地产市场资金融通力度加大，金融市场各项融资活动增多，金融压力增大。

五、结论与政策建议

贝叶斯估计的主要结论是：（1）信贷变动对房价波动产生正向边际效应至少存在两个季度滞后，房价对M2和社会融资规模的波动更加敏感;与M2相比，社会融资规模变动对房价波动的正向边际作用更大，社会融资规模对房价波动的正向反应更强，两者同向相关关系更稳定。（2）房价上涨对经济增长具有正向作用，但当前这一正向作用逐渐减弱;产出波动对房价波动形成递减的负向边际效应。（3）房价波动对物价、物价波动对房价的边际效应随时间推移发生较大变化，近年来二者关聯关系减弱。（4）房价波动对FSI波动的正向边际效应在2010年底到2014年初快速增强，2014年到2016年初减弱，然后再次增强;FSI变动对房价波动的正向边际效应在2014年初降到最低，随后有所提升。

基于上述结论，本文建议如下：第一，中央银行等金融管理部门在调控房价时，需同时关注货币供应和社会融资规模，把好货币供给闸门，合理管控社会融资规模增量，避免房价大幅上涨引发市场风险;第二，社会融资规模组成部分较多，中央银行、银保监会等管理部门应加强协作，加大对房地产企业通过信托贷款、委托贷款、债券发行等渠道融资的监管，降低房地产企业和资金供给方的运营风险;第三，海外资金也是大型房地产开发企业的资金来源，应加大海外融资监管，未来应尝试将FDI纳入社会融资规模统计中;第四，未来中央政府要继续坚持稳定房地产市场和房价的总基调，完善相关政策以精准监管房地产业各项融资，防范房地产风险;第五，我国房地产区域分化明显，一些人口净流入地区的房地产市场依然存在发展空间，各地方政府应基于本地人口流入和地产库存等实际情况，合理调节楼市发展，发挥房地产在带动本地经济增长、增加就业和居民收入等方面的积极作用，同时要确保楼市稳定，防范区域金融风险。

注：

①贝叶斯估计中，重复抽样得到马尔科夫链，马尔科夫链的平稳分布即为后验分布，一般地，为得到平稳的马尔科夫链，需删除最初部分抽样结果，删除的抽样数也就是初始燃烧次数。

参考文献：

[1]马理，赵淼，何梦泽.社会融资规模是恰当的货币政策中介目标变量吗？——基于SVAR模型的数据分析与传导效果检验 [J].金融理论与实践，2015，（3）.

[2]王擎，韩鑫韬.货币政策能盯住资产价格吗？——来自中国房地产市场的证据 [J].金融研究，2009，（8）.

[3]Bernanke B，M  Gertler. 1989. Agency Costs，Net Worth，and Business Fluctuations [J].American Economic Review，No.79.

[4]Hofmann B. 2003. Bank Lending and Property Prices：Some International Evidence [R].HKIMR Working Papers.

[5]Goodhart C，Hofmann B. 2007. House Prices and the Macro-economy：Implications for Banking and Price Stability. Oxford University Press.

[6]Collyns M. C.，Senhadji Semlali A. 2002. Lending Booms，Real Estate Bubbles and the Asian Crisis [R].International Monetary Fund，No.2-20.

[7]陈继勇，袁威，肖卫国.流动性、资产价格波动的隐含信息和货币政策选择——基于中国股票市场与房地产市场的实证分析 [J].经济研究， 2013，（11）.

[8]杜龙波，高婧.社会融资规模对房地产价格波动的影响研究 [J].金融与经济，2014，（6）.

[9]杨艳慧.社会融资规模影响房地产价格波动的实证研究 [J].价格月刊，2016，（9）.

[10]Alchian Armen A，Benjamin Klein. 1973. On A Correct Measure of Inflation [J].Journal of Money，Credit， and Banking，February.

[11]谈儒勇.中国金融发展和经济增长关系的实证研究 [J].经济研究，1999，（10）.

[12]吕江林.我国的货币政策是否应对股价变动做出反应？ [J].经济研究，2005，（3）.

[13]蒋海，伍雪玲.资产价格波动对宏观经济影响的SVAR分析 [J].产经评论，2013，（2）.

[14]Filardo A  J. 2000. Monetary Policy and Asset Prices [J].Economic Review， No.85.

[15]罗雁.不同资产价格的货币政策对宏观经济影响的实证分析 [J].统计与决策，2018，（10）.

[16]刘晓欣，雷霖，靳亚阁.货币供给、房地产价格与金融稳定性——基于SVAR模型的实证研究 [J].上海经济研究，2017，（7）.

[17]沈悦，李博阳，张嘉望.金融杠杆率、房价泡沫与金融稳定性 [J].大连理工大学学报（社会科学版），2020，（3）.

[18]李程，刘媛嫄，母波，李波.房地产价格、杠杆率与金融压力的时变非线性关系研究 [J].统计与信息论坛，2020，（10）.

[19]Bernanke B，Gertler M. 1999.Monetary Policy and Asset Price Volatility [J].Economic Review，4th quarter，84（4）.

[20]Bernanke B，Gertler M. 2001. Should Central Banks Respond to Movements in Asset Prices [J].American Economic Review， 92（2）.

[21]赵进文，高辉.资产价格波动对中国货币政策的影响——基于1994—2006年季度數据的实证分析 [J].中国社会科学，2009，（2）.

[22]李成，王彬，马文涛.资产价格、汇率波动与最优利率规则 [J].经济研究，2010，（3）.

[23]谭政勋，王聪.房价波动、货币政策立场识别及其反应研究 [J].经济研究，2015，（1）.

[24]Kiyotaki N，Moore J. 1997. Credit cycles [J].Journal of Political Economy，105（2）.

[25]梁斌，李庆云. 中国房地产价格波动与货币政策分析——基于贝叶斯估计的动态随机一般均衡模型 [J].经济科学，2011，（3）.

[26]崔百胜，丁宇峰. 股价波动、社会福利与货币政策制定——基于中国DSGE模型的模拟分析 [J].财经研究，2016，（1）.

[27]胡朝阳，马芳芳.中国货币政策调整应该考虑股票市场吗？——基于DSGE模型的模拟分析 [J].投资研究，2019，（9）.

[28]闫先东，朱迪星.资本市场泡沫、经济波动与货币政策反应 [J].国际金融研究，2016，（10）.

[29]刘璐，王晋斌，郝超鹏.信贷、房价、股价及GDP的关系——基于TVP-VAR方法的分析 [J].金融论坛，2020，（6）.

[30]Primiceri G E. 2005. Time Varying Structural Vector Autoregressions and Monetary Policy [J].Review of Economic Studies，No.3.

[31]Jouchi Nakajima. 2011. Time-Varying Parameter VAR Model with Stochastic Volatility：An Overview of Methodology and Empirical Applications [EB/OL].IMES Discussion Paper Series 11-E-09，Institute for Monetary and Economic Studies，Bank of Japan.

[32]温策.我国房地产价格的货币政策传导效应实证分析 [D].云南财经大学，2019.

[33]曾世宏，邹凭佑，牛皓翔.高房地产价格挤出了服务消费吗？——基于中国地区面板数据的门槛模型研究[J].消费经济，2019，（6）.

[34]牛虎.住房价格波动对居民消费的“挤出效应”分析 [J].商业经济研究，2020，（1）.

[35]Illing M，Liu Y. 2006. Measuring Financial Stress in A Developed Country： An Application to Canada [J].Journal of Financial Stability，2（3）.

[36]许涤龙，陈双莲.基于金融压力指数的系统性金融风险测度研究 [J].经济学动态，2015，（4）.

[37]陈忠阳，许悦.我国金融压力指数的构建与应用研究 [J].当代经济科学，2016，（1）.

[38]徐国祥，李波.中国金融压力指数的构建及动态传导效应研究 [J].统计研究，2017，（4）.

[39]卢倩倩，许坤.财政政策、经济波动与收入分配差距——兼论2000—2016 年财政政策的收入分配效应 [J].价格理论与实践，2018，（8）.

[40]许光健，许坤，卢倩倩.货币政策、社会融资结构与实体经济发展 [J].山西财经大学学报，2019，（1）.