【www.yscs9s.com--原创】

　　摘要：文章利用递归vAR模型实证检验了美国房价波动对中美贸易的影响。通过脉冲响应分析发现美国房价增长率的正向冲击在短期内对中美贸易顺差增长率的总体影响为正，但同时也会引起中美贸易顺差增长率的上下交替波动，其波动的幅度随时间推移逐渐变小，直至一年左右后脉冲效应基本消失。通过方差分解分析进一步说明美国房价波动是引起中美贸易顺差短期波动最为重要的冲击源之一，其影响力超过了美国原材料价格波动和美国联邦基金利率波动的影响。
　　关键词：房价波动；贸易顺差；溢出效应；递归VAR
　　中图分类号：F742
　　文献标识码：A
　　文章编号：1002-0594(2010)08-0010-06
　　收稿日期：2010-02-22
　　
　　根据金德尔伯格(2000)的研究，从17世纪至20世纪90年代初期，全球范围内42次重要的经济与金融危机中有21次与房价的暴涨暴跌有关。近年来一些国家和地区的房地产市场、房价剧烈波动引起经济不稳定，如1990年代日本房地产泡沫，1997年东南亚多国的金融危机等。而2006年爆发的美国次贷危机以及随之而来的全球金融海啸也与美国房价波动密切相关。在2006年之前的5年里，由于美国住房市场持续繁荣，加上利率水平较低，美国的次级抵押贷款市场迅速发展。随着美国住房市场的降温尤其是短期利率的提高，次贷还款利率也大幅上升，购房者的还贷负担大为加重。同时，住房市场的持续降温也使购房者出售住房或者通过抵押住房再融资变得困难。这种局面直接导致大批次级贷款的借款人不能按期偿还贷款，引发“次贷危机”。紧接着引起了金融市场的动荡和实体经济的衰退，而美国实体经济的衰退对中美贸易和我国的实体经济增长也造成了一定的影响。
　　目前国内已有研究关注到了房价在国内货币政策传导中的作用(丁晨、屠梅曾，2007)，或用VAR模型讨论房价与国内宏观经济变量之间的关系(屠佳华和张洁，2005；沈悦，2006；刘洪玉和张红，2006；黄忠华等，2008)。同时也有研究运用VAR模型探讨美国货币政策对我国产出的溢出效应(庄佳，2009)。但是目前国内还几乎没有研究关注美国房价波动对中美贸易的溢出效应。
　　
　　一、美国房价波动影响中美贸易的传导机制
　　
　　房地产是企业和居民的重要资产，房价波动会通过多种渠道影响企业和居民的投资和消费，并最终导致产出和物价变化。关于房价到宏观经济的传导渠道，归纳起来主要有以下途径。
　　第一，财富效应渠道。财富效应理论源于Modigliani(1971)提出的生命周期模型，此模型认为居民的消费支出是由居民的终身财富决定的。房地产是居民终身财富的一个重要组成部分，当房价上升时，财富水平上升，在边际消费倾向不变的情况下，消费增加，从而带动产出和物价上升。但这种效应与资产收益的兑现能力密切相关，因此认为与资产的流动性正相关，而与交易成本负相关(Massimo，2005)。
　　
　　第二，资产负债表效应渠道。在不完全竞争的金融市场上，借款人和贷款人之间存在着信息不对称现象，逆向选择与道德风险与借款人净值密切相关(Bernanke和Gertler，1989)，当房价上涨时，作为经济中主要抵押物的房地产价值也随之上升，于是家庭和企业可以利用房地产抵押获得更多贷款。由于房地产抵押价值上升改善了借贷者的资产负债表，逆向选择和道德风险问题减轻，银行愿意投放更多贷款，从而刺激企业贷款投资和居民借贷消费，房价和信贷的互相推动导致总产出和通货膨胀不断上升。
　　第三，Tobin"s Q效应渠道。Tobin(1969)发展了一种股票价格和投资支出相关联的理论。Q值定义为股票市值与企业资产重置成本的比值，Q值越高，企业投资意愿越高。Tobin"s Q效应理论同样可应用于除股价之外的另一种资产价格――房价。Q值可定义为房价和房地产重置成本的比值，Q值越大，表明房地产投机越有利，从而增加房地产投资，拉动其他领域投资和消费并进而推动产出和物价的变化。
　　第四，预期(信心)效应渠道。房价波动对消费的影响可通过预期和信心效应进一步放大，繁荣的房地产市场可使消费者对未来经济发展的信心增加，提高对未来收入的预期。当前消费在很大程度上依赖于消费者的预期和态度，因此从预期信心效应渠道来说提高房价的上涨，房地产市场的繁荣局面可以刺激消费增加，并进而推动国内产出和物价水平上升。
　　
　　通过以上房价影响宏观经济的传导渠道分析可以发现，美国房价波动可能通过上述渠道影响美国国内的消费、投资和产出，并进而影响中美贸易。美国是中国最重要的贸易伙伴，如果将经第三国或中国香港转出口的货品计算在内，中国对美国的出口价值约占中国出口总额的50％，所以在很大程度上，中国的出口增长速度取决于美国的需求。中国对美国的贸易顺差近20年来维持了高速增长，直到2008年全球金融危机爆发后，中国向美国的出口和贸易顺差才有所下降。近十几年来，中国向美国的出口远远超过进口，中美贸易顺差的变动主要取决于出口的变动。图l显示了自1999年以来，美国向中国进口(Import)、美国对中国出口(Export)和中美贸易顺差fBalance)同比指数数据的走势，从图中可以看出，贸易顺差的走势与美国向中国进口的走势颇为一致，而与美国对中国出口的走势关系不大。
　　
　　进入21世纪初，美国房地产市场曾一度繁荣，房价持续加速增长，但从2004年开始，美国房地产市场开始有所降温，房价增长速度开始放缓，2006年开始出现房价下跌，并成为次贷危机爆发的导火线，自2007以来，美国房价一路下跌。而从总体趋势来看，我国对美国的贸易顺差呈现出对房价一定的随同效应，但同时也有更大的波动性。如图2所示，从2002年到2005年，我国对美国的贸易顺差持续扩大，保持着高速增长趋势，但自美国房地产市场降温以来，中美贸易顺差增幅从总体趋势上看也开始明显放缓，甚至在有些月份还出现了同比下降的情况。应该注意到的是，除了和美国房价波动存在一定的相关性之外，中美贸易顺差也呈现出其自身变化的一些特征和规律，例如贸易顺差同比增长率前1－2个月的上升往往伴随着后1－2个月的下降。当然中美贸易顺差的变化还会受到其他很多因素的影响。
　　
　　二、数据处理和实证模型
　　
　　(一)数据选择
　　要进一步验证美国房价波动对中美贸易顺差的具体影响，需涉及三个层面的变量：第一是美国的货币政策和房价变量。本文借鉴国外主流文献采用美国联邦基金利率作为货币政策指标，而房价数据则采用S&P／CS房价指数的月度同比增长率。第二是美国国内宏观经济变量。由于GDP只有季度数据而无月度数据，本文采用美国工业生产指数衡量美国每月的实际产出情况。同时用美国的月度CPI同比指数代表美国通货膨胀率。第三是中美贸易变量，主要关注中国对美国的贸易顺差的同比增长率。报告 采用的各变量的具体描述及其来源情况如表1所示。
　　本文采用1999年1月至2008年12月的时间序列月度数据作为样本。美国房价数据来自SP／Case-Shiller房价指数报告，其余宏观数据来自中经网统计数据库和美国国家统计局网站。为提高数据的可比性，除联邦基金利率外，其他所有数据都采用同比增长指数(上年同期＝100)。
　　
　　本文采用ADF方法对所有变量进行单位根检验表明，在5％的显著性水平上，各变量皆为I(1)过程。
　　
　　(二)实证模型
　　假设真实的经济系统可用如下结构性模型来描述：
　　G(L)y1＝et　(1)
　　其中G(L)是包含滞后算子L的多项式矩阵，y1是包含各数据变量的向量，et是结构扰动向量，e1序列无关而且Var(et)＝A，A是对角阵，对角线上的元素是各结构扰动项的方差，各扰动项之间互不相关。为了估计出结构方程矩阵G(L)，可以先估计如下缩减式的结构方程(VAR)：
　　yt＝B(L)yt-1＋ut　(2)
　　其中Var(ut)＝∑
　　识别G(L)中各参数的主要难题来自于是识别各变量的同期关系，我们可将G(L)分解成只包含同期关系系数的矩阵GO和除同期关系系数以外的系数矩阵Go(L)，即
　　G(L)＝Go＋Go(L)　(3)
　　从而有
　　B(L)＝－G-1oGo(L)，et＝Goｕt　(4)
　　∑＝G-1oAG-1o　(5)
　　本文借鉴Christiano et al.(1998)提出的递归假设，将yt中变量区分为三个部分：第一部分变量y1t，是美国国内宏观经济变量，包括工业生产指数，CPI指数等，这部分变量的当期值出现在货币当局当期的信息集内，即货币规则中包含这些变量的当期值，同时也会对房价的当期值产生影响；第二部分变量y2t是中美贸易变量，假设这部分的当期值受美国宏观经济变量当期值的影响，但反过来不会对美国宏观经济变量的当期值立即产生影响。第三部分的变量y3t为美国货币政策变量(用美国联邦基金利率代表)和房价，这部分变量反应最为灵敏，能对前面两个部分变量的当期值做出反应。如果正确选取y1t、y2t、y3t中的变量和排序，使其满足分块递归链的要求，那么采用Sims(1980)的方法，对缩减式VAR模型的残差矩阵∑进行choleski分解，就可以识别出Go，并进而进一步识别出Go(L)和G(L)。
　　
　　三、美国房价波动对中国贸易影响的实证分析
　　
　　参照Kim(2001)的模型设定方法，首先建立美国国内经济的递归VAR模型，变量排序为：u1PI，UCPI，UPC，UHOUSE，URATE。以往研究发现(如Sims，Stock，Watson,1990)，当各变量同为I(1)过程时，在整个VAR系统平稳的前提下，用变量水平值构建的VAR依然是渐进有效的。为此，我们先用水平值构建VAR模型。对水平值VAR系统做AR根检验发现系统不平稳，不宜采用。为避免“伪回归”的风险，本文选择对所有变量做一阶差分转化成平稳序列后再做递归VAR分析。变量排序为：DUIPI，DUCPI，DUPC，DUHOUSE，DURATE。为了恰当地估计VAR模型，需要正确的确定模型的滞后期。如果滞后期太少，误差项的自相关会很严重，将会导致参数的非一致性估计，但滞后期太大又会导致自由度减少，直接影响模型参数估计量的有效性。我们综合了LR、FPE、AIC、sc和HO五种准则，并确定最佳滞后期为2期。经检验，所有特征根根模的倒数都小于1，说明该VAR模型是稳定的。
　　
　　VAR模型的主要功能并不是解释回归系数的意义，而是说明一个随机新生冲击对内生变量的影响及其相对重要性，这就需要脉冲响应函数对其进行分析。脉冲响应函数描述一个内生变量对误差冲击的反应。具体地说，它描述的是在随机误差项上施加一个标准差大小的新息(Innovation)冲击后对内生变量的当期值和未来值所带来的影响。从图3的脉冲响应图可以看出，房价冲击对美国国内的产出，CPI通胀率变动和原材料价格都有正向影响，产出、通胀和原材料价格对房价冲击的响应在前三个月逐渐加强，而后开始逐渐减弱。这与我们的理论预期一致。
　　伴随着房价冲击，联邦基金利率也会做出反应，房价冲击在刚开始会使联邦基金利率上升，而后冲击开始减弱，房价对联邦基金利率的影响在24个月基本消失。
　　图3分析说明，美国的房价冲击对美国国内的产出和物价水平等在一段时间内有持续性的正面影响，而美国国内产出和物价水平的提高又可能进一步影响到美国对中国产品的进口需求，从而影响中美贸易顺差。
　　为了检验美国房价波动对中美贸易的影响，我们在基本VAR模型中进一步加入中美贸易顺差变量。同样出于系统稳定性的考虑，各变量都采用一阶差分值。变量排序为：DUIPI.DUCPI.DBALANCE，DUPC，DUHOUSE，DURATE。
　　从图4的脉冲响应图来看，中美贸易顺差增长率对美国房价增长率冲击的脉冲响应呈现正负交替的波动特性。美国房价增长率的正向冲击在前两个月会引起中美贸易顺差增长率的提高，反映出房价上涨的财富效应，消费者预期(信心)效应，资产负债表效应和Tobin"Q效应在起作用。但由于贸易顺差短期的自我负反馈调整机制(从图2中美贸易顺差同比增长率走势以及VAR回归系数中均体现出了这一点，由于篇幅所限，VAR的回归结果省略了)，在随后的两个月中美贸易顺差增长率出现下降，之后又开始上升……，如此交替波动。进一步分析VAR的累积脉冲响应函数可知，美国房价冲击对中美贸易顺差的累积影响为正，但随着时间的推移，影响逐渐变小，在12个月后影响基本消失。脉冲效应结果说明美国房价的正向冲击在短期内对中美贸易顺差的总体影响为正，但同时也会加剧中美贸易顺差的短期波动，且波动将持续1年左右。另外，当包括了中美贸易顺差变量后，美国国内工业生产和CPI通货膨胀率对美国房价冲击依然有正向的脉冲反应，但波动幅度和起伏规律有显著变化，说明中美贸易顺差对美国的国内经济也有比较重要的影响。
　　
　　方差分解是把系统中每个内生变量的波动按其成因分解为各方程新息(随机误差项)相关联的组成部分，从而了解各新息对内生变量的重要性。从表2的方差分解表来看，除了自身的滞后期以外，对中美贸易顺差波动解释能力最强的就是美国房价波动，而且房价波动对贸易顺差波动的贡献所占的比例逐渐增大，在11个月以后可以解释贸易顺差波动的8.3％以上且基本保持稳定。美国房价波动对中美贸易顺差波动方差的影响程度甚至超过了美国工业生产支出波动和美国原材料价格波动，更是大幅超越联邦基金利率波动的影响。这说明，美国房价波动是引起中美贸易顺差短期波动最为重要的冲击源之一。而且通过国际贸易渠道，美国房价波动还可能进一步影响到我国国内宏观经济，这需引起关注并有待进一步研究。
　　
　　五、结论和政策建议
　　
　　本文利用递归VAR模型，脉冲响应函数和方差分解技术研究了美国房价波动对中美贸易的溢出效应。通过VAR模型的脉冲响应分析发现，美国房价的正向冲击在短期内对中美贸易顺差的总体影响为正，但同时也会引起中美贸易顺差在短期内的上下交替波动；随着时间的推移，波动的幅度越来越小，直至一年后脉冲效应基本消失。通过方差分解分析进一步在来自美国国内的各项冲击中，美国房价波动是影响中美贸易顺差波动最为重要的冲击源之一，其影响程度超过了美国联邦基金利率波动的影响和美国原材料价格波动的影响。
　　本文的研究成果说明美国房价波动对我国贸易顺差的影响程度较大。长期以来，我国经济的增长对出口和贸易顺差有较强的依赖性。因此，通过国际贸易渠道美国房价波动可能会进一步影响我国实体经济。我国应当及时调整和优化产业结构，刺激内需，降低国内eDP增长对贸易顺差的依赖程度。同时应密切关注美国房价的走势，并及时采取相应的应对措施，从而降低美国等发达国家房价波动对我国对外贸易和宏观经济的冲击。

本文来源：http://www.yscs9s.com/yuanchuang/68778/