Different Types of Monetary Policy Instruments and Regional Housing Prices: A Comparative Study on the Influences of Regulation in China
Abstract
Using system clustering method to group China#39;s provinces into 3 new groups according to their housing prices, then establishing a state-space model and applying the Kalman filter calculation, we made a comparative analysis of the influences of different types of monetary policy instruments towards different regional housing prices. The empirical results show that both the quantitative instruments represented by M2 and the pricing instruments represented by real interest rate have increasing influences on different regional housing prices, but the former influence is much stronger than the latter. The influential differences of quantitative instruments to regional housing prices are much greater. It means the higher the regional housing price is, the greater the influence is. Therefore, the central bank shall optimize the combination of monetary policy instruments according to the above characteristics of different types of monetary policy instruments in order to acquire the regulatory target of real estate market.
Key words: monetary policy; quantitative instruments; pricing instruments; regional housing price; state-space model
1 Introduction
Chinese government has carried out four times of reg- ulations toward real estate market since the housing reform started in 1998, and the present one is the fourth time. The first and third ones were successful regarding to the regulatory effect, and were to raise housing price in response to financial crisis. The second one, whose purpose was to curb housing price bubble, began in the second half year of 2003, and completely failed. Some regional housing prices flied particularly high, and the roaring situation was going to spread all over the country. The present fourth time of downward regulation seems to have received some achievements. On the whole, the characteristic of Chinese housing price reg- ulations is easy to jack up but difficult to set down. Monetary policy is one of the most important real estate market regulatory instruments in China. Chinese central bank has switched monetary policies several times between loosing and tightening during the past 17 years. Whether can we implement monetary pol- icy to effectively solve the problem of prices rising too much and too fast in some overheated areas in China? What monetary policy instrumentsrsquo;mix is better to use in Chinese housing price regulation? These are two key points we shall research further when we choose monetary policy instruments to regulate housing price.
Researchers have got some knowledge on these questions both in China and other countries. Fratantoni et al. studied American housing data of all states from 1966 to 1998, and made a conclusion that monetary policy influences on different regional housing prices were significantly different. Love and Zicchino also found the similar results using the model of global auto- regression analysis, and they pointed out that there ex- isted ripple effect between the adjacent regions. By empirically testing on the influences of different monetary policy instruments, Iacoviello found that the quanti- tative instruments had too big shocks towards housing price, so the central bank should use more of price in- struments to regulate the real estate market.
Constructing a Pavlov Watcher (PW) model, Xiao found that from the angle of market competition, the low price of housing credit would promote the excessive expansion of credit, and was an important cause of housing price inflation, and then resulted in more obvious impacts toward regional housing prices. Constructing a panel vector auto-regression (PVAR) model, Wei empirically analyzed the impacts of monetary policies on Chinese regional housing prices, and found that the convergence speed of prices in the eastern and western regions was slower than that in the middle after impacted by quantitative instruments, but the cumulative effect in the western region was the most significant; the cumulative effect of price instruments in the eastern region was the largest; M0 was the leading quantitative instrument in the eastern and central regions, while that in the western region was credit; therefore, the influences of quantitative instruments acquired the overall dominant position in general. Constructing a panel data model, Liang and Gao studied the monetary policy impacts on regional housing prices, and discovered that both in the short-term fluctuations and in the long-term trends, the impacts of M2 toward the housing prices in the eastern and western regions were larger, but had little impact in the central region, so that the monetary policies had more influence on housing prices in the eastern and western regions; while the real interest rate had few influences on regional housing prices, and the difference of influences among regions was also not significant.
The existing studies have a big defect about the study train of thought. China is divided into 3 regions according to geography, which are eastern area, middle area and western area. Every region includes some high price provinces and low price provinces. Especially in the eastern region, the housing price differences are quite significantly. All of the existing studies analyzed the monetary policy effects from the viewpoint of real geographic regions, so they neglected the great housing price gaps within each region, made the price differences among regions become non-distinctive and therefore led to incorrect results, especially when the influences in large countries of China were analyzed. In order to overcome this defect, first of all we use system clustering method to divide Chinese provinces into 3 groups according to their housing prices, and then introduce sta
剩余内容已隐藏，支付完成后下载完整资料
不同类型的货币政策工具与区域住房价格
——中国货币政策对区域住房价格影响的比较研究
1 介绍
自1998年房改以来，中国政府对房地产市场进行了四次改革，目前已经是第四次了。第一个和第三个是在监管效果方面取得了成功，并在应对金融危机时提高了房价。第二次是为了抑制房价泡沫，始于第二次房地产泡沫。从2003年，完全失败。一些地区的房价飞涨得特别高，而这一高涨的局势将蔓延到全国各地。现在的第四次向下调整似乎已经取得了一些成就。从总体上看，我国住房价格变动的特点是容易上浮，但难以确定。货币政策是货币政策之一，在中国房地产市场的重要监管工具。在过去17年里，中国央行在放松与紧缩之间，多次改变了货币政策，我们实施的货币政策，有效地解决了中国一些过热地区物价上涨过快的问题。什么货币政策工具在中国更适合使用？ 房价管制？这是我们在选择调控房价的货币政策工具时应进一步研究的两个重点。
国内外学者对这些问题都有一定的了解。Fratantoni等人研究了1966年至1998年美国各州的住房数据，并得出结论：净政策对不同地区房价的影响差异显著。LOVE和Zicchino也利用全局自回归模型和TH发现了相似的结果。安永指出，相邻地区之间存在着前波动效应。通过对不同货币政策工具的影响进行实证检验，伊科维洛发现我国金融工具对住房价格的冲击太大，中央银行应该利用更多的价格手段来调控房地产市场。
通过建立守望者模型发现，从市场竞争的角度看，住房信贷的低价会促进信贷的过度扩张，是一个重要的发展方向。利用房价上涨，进而对地区房价造成更明显的影响。通过构建面板向量自回归模型，对模型的影响进行了实证分析。 对我国区域住房价格的货币政策进行分析，发现受量化因素的影响，东部和西部地区房价趋同速度慢于中部地区。 但西部地区的累积效应最为显著，东部地区的价格工具累积效应最大，而m则是领先的量化效应。 东中西部地区是信用工具，而西部地区是信用工具，因此量化工具的影响在总体上占主导地位。艾尔梁和高建立了面板数据模型，研究了货币政策对地区房价的影响，发现无论是短期波动还是长期趋势，M2对东部和西部地区房价的影响较大，但对中部地区的影响不大，因此货币政策对住房市场的影响更大 东部和西部地区的CES，而实际利率对区域房价的影响较小，区域间的影响差异也不显著。
现有的研究在研究思路上存在很大的缺陷。根据地理条件将中国划分为东部地区、中部地区和西部地区。每一个地区都包括 一些高价格省份和低价格省份。特别是在东部地区，房价差异相当大。现有的研究都对货币政策进行了分析。 从实际地理区域的角度看，y效应忽略了各地区之间巨大的房价差距，使各地区之间的价格差异变得不明显。这导致了错误的结果，尤其是在分析中国大国的影响时。为了克服这一缺陷，我们首先采用系统聚类方法对中文p进行划分。根据住宅价格分为三组，然后引入状态空间模型和卡尔曼滤波相结合的方法，充分发挥时变参数的优势。 比较分析货币政策工具的动态影响的模型。
2 货币政策的传导渠道和机制
中央银行的货币政策工具可以分为两类：定量工具和价格工具。从理论上讲，货币政策工具对房地产市场的主要影响分三种渠道，即信贷渠道、利率渠道和资产结构渠道。由于前两种货币政策工具具有不同的特点，其传导性，机制也有很大的不同。本文分别选择数量型工具和价格型工具这两种渠道来研究它们对房地产市场的影响。以下是对这两个通道中传输机制的简要理论分析。
2.1 信贷渠道的传导机制
量化货币政策工具包括公开市场操作、存款准备金率、中央银行贷款等。定量仪器的特点是直接管理。商业银行的信贷供给能力，进而影响流通中的货币量，这将迅速影响购房需求，影响房价。如属国防部由于宽松的货币政策，扩张性货币政策对房地产开发商和购房者有不同的影响，对房地产销售和价格也有不同的影响。 他不仅在不同的地区，而且在全国各地都是如此。
从房地产开发商的角度看，扩张性信贷使他们能够扩大投资规模，增加市场供给，从而弥补供不应求的缺口。另一方面，流动性的增强将使他们能够在高价格的土地拍卖中出价，这将导致房价上涨的预期，并将吸引他们。投机以及投资买家进入市场，从而推高了最终的价格。根据经济学原理，只要市场完全有竞争力，房价就会上涨。会随着供应量的增加而受到抑制。但房地产市场与工业品市场大不相同，而中国的房地产市场又是一个比较特殊的市场，几乎是一个垄断市场，一个竞争激烈的市场，所以当信贷扩张时，它往往会推动价格上涨。
从购房者的角度看，信贷扩张对交易量的影响应分为两个方面。一方面，信贷扩张将使居民获得更多的贷款。采购部门，使需求增加，然后增加销售量；另一方面，价格上涨过快，导致需求减少，因为需求僵化。买不起高价，不得不推迟购买，而单靠投机性买家无法消化高价格的巨大供应量。因为有两种反力量，所以它是非常强大的。判断交易量是增加还是减少。具体市场的分析和解释需要实证检验。
信贷扩张可能导致房价先升后降。房地产市场的特点之一是房价的正反馈。曾经那里 是一个预期的房价上涨，投机者会先买进，然后推动价格迅速上涨，然后恐惧的刚性需求将被迫购买，这将把价格推到半壁江山。对于刚性需求而言，可租的高度，而投机者将停止购买和观望那时的价格将面临一个转折点。
2.2 利率渠道的传导机制
中央银行通过调整贴现率、存贷款利率以及其他价格工具对房价进行干预，其影响也可分为两类。
在住房供给方面，利率是指资本使用成本，它将影响房地产开发商的融资成本和利润，以及房地产开发商的建设成本，因此利率是利率的主要来源。 当需求保持稳定时，E上升将导致供应减少，房地产价格上涨。
在住房需求方面，提高利率意味着增加业主自住购房者的抵押贷款成本，从而抑制部分住房需求，降低有效需求。 对于投资和投机买家来说，这会降低他们的预期回报率，因此理性的投资者会减少对房地产的投资。
在供求双方的影响下，加息通常会抑制房地产市场的交易量和价格。但事情并不总是一样的。我们应该考虑 R中国市场的特点，通过实证检验，分析利率与交易量、价格的关系。
3 经验检验的设计与方法
3.1 变量选择和数据预处理
我国从1998年开始逐步停止住房分配，转向住房货币化分配，因此本文选取1999到2011年的季度数据进行研究。
经过比较研究，我们发现广义货币供应量M2对房价的影响大于对信贷的影响，因此我们选择M2作为量化货币工具的代理变量。3年期贷款利率作为价格货币政策工具的代理变量，接近房地产市场供求利率。
由于M2和房价有季节性波动的趋势，我们利用X12的乘数选择来调整数据序列，以消除海潮的影响。因为我们只能 消费者价格指数(CPI)的月度数据，我们先进行预处理，得到季度CPI序列，然后将M2和价格序列按分解后的cpi序列表示出来。
从中国经济信息网(CEInet)数据库中选取市场房价、每年季度M2余额和CPI序列，3年贷款利率为从中国人民银行网站获取。
3.2 基于R平方系统聚类方法的Re分组价格区域
我国传统的行政区划在研究中存在着明显的缺陷。例如，北京和河北都属于东部地区，但它们的房价却各不相同。好几次当我们计算东部地区的房价时，我们必须平均东部地区的所有省级住房价格，这将缩小房价之间的差距。在东部地区等地区，将货币政策对区域房价的影响模糊化，严重影响研究结论的可靠性。
为了克服这一缺陷，我们采用R-平方系统聚类方法，结合欧氏距离算法的选择，将中国各省按千人划分为三个新的群体。G价格。第1组为高价格组，第二组为中间价格组，第3组为低价组。然后构建面板数据模型来进行研究。我们研究的实际省份是2个，除内蒙古、西藏、吉林等省统计资料不完整外。
运用系统聚类的方法对中国区域进行重组后，可以看出，区域间的价格差距越来越大。第一组的新平均价格增加到每平方米7720元，第2组为3789元，第3组为1523元。我们可以看到，北京、上海等价格显著偏高的省份属于第一组。目前只有两个城市，而东部地区的山东、河北等房价极低的省份，传统上属于价格较低的第三组。通过使用这个模型，我们可以 避免因传统地域划分中的价格差距不明显而导致结论中可能存在的缺陷。在对中国各省进行重组后，得到3个平均价格序列，并将其表示为 然后，我们将对货币政策工具对这三个新群体的区域影响特征和差异进行准确的比较。
3.3 平稳检验和格兰杰因果检验
由于状态空间模型的要求，必须保证所有变量序列都是平稳的，或者它们之间存在协整关系。首先我们做了单位根 t检验和协整检验，发现变量序列均为非平稳序列，但经过第一次差分变换后，均通过了增广Dickey-Fuller(Adf)单位根检验。3种区域价格序列和货币政策变量序列均存在协整关系，表明它们在5以内存在长期均衡关系。格兰杰因果检验表明M2和实际利率都是格兰杰对区域价格的成因。上述结果表明，在此基础上建立了状态空间模型，序列是可靠的。
4 实证检验结果分析
利用Kalman滤波算法对模型进行估计，得到SVik的估计序列。
4.1 M2对区域住房价格的动态影响
M2对不同地区房价的弹性值均为正，因此M2与区域房价呈正相关，如图1所示。这很符合理论。 结论也证明了量化货币政策的扩大将推高地区房价，而收紧量化货币政策则会降低房价。阿 这三条曲线在一开始就有很大的波动，然后逐渐下降，以后趋于稳定，2004年以后又开始单边上升，这表明 M2对地区房价的影响越来越大。以下是这些影响的一些具体特点。
M2弹性曲线具有明显的地域性特征，我们称之为明显的层效应，即M2对不同地区房价的影响程度不同。SV1H，其中 M2弹性为第1组，范围为0.34至0.5。这意味着M2的发行量每增加1%，价格就会上涨0.34%到0.5%，这是M2对REG的最大影响。全国房价，SV1M在0.3~0.42之间，对第2组的影响居中。SV1L在0.2~0.3之间，这是M2的最小影响。最小SV1L值我 每增加1%的M2发行导致西部地区房价上涨仅0.2%至0.3%，增幅最小。
M2对区域价格的影响与区域价格呈正相关。第1组的房价受影响最大，因为它们是最高的，而价格则是 第3组受影响最小，因为房价是最低的。因此，货币的过度发行会导致“强者变强”的明显价格效应，导致货币过度贬值。上海和北京等一线城市的房地产繁荣，房价上涨过快、过高。以前的一些类似的研究发现，银行贷款对t的影响更大。他认为，货币政策对东部和西部地区的影响要大于东部和西部地区。这个结论与 中国的现状。我们的实证检验结果有很大的不同，但与中国的实际情况相当接近，从而证明了我们对中国各省进行重组的方法是比较合理的。
M2扩张对区域房价的不平衡影响可以通过以下原因来解释。
在投资和住宿两项功能中，第一组住房具有更多的投资功能。这些房屋基本上已经从消费品发展为投资商品，从而成为收益公司。d到较大的M2弹性，这意味着房价对M2的波动非常敏感。一旦货币过度发行，第一组的投资者会反应得更快，而预期房价的上涨将更加强劲，而强烈的预期将吸引更多的资本流入。所有这些因素都将导致第一组的价格上涨更快更大。然而，第三组的住房功能比较强调，这一功能主要是由收入决定的，所以即使M2大幅度增加，那里的价格也不会像第一组那样快速、剧烈地上涨，但却显示出温和的上升趋势。
在第1组中，房地产的稀缺性显著，人们购买力更强，因此房地产更容易出售和转换成现金，房地产投机。 管理者倾向于在那里投资，银行也会增加这些城市的信贷。所有这些优势都为第一组的房地产带来了更大的升值空间，并导致房价上涨。 越来越快。但是第三组的房地产升值空间有限，而且由于缺乏，很难出售，所以即使在M2扩张的情况下，Curre也增加了。NCY不会流入这些省份的房地产市场，因此该地区的M2弹性很小，房价上涨幅度低于第一组。
4.2 利率对区域住房价格的动态影响
图3显示实际利率对区域房价的弹性值可分为3个阶段。在刚开始的短暂但剧烈的波动之后，这些数值显示出一个po。2001~2004年实际利率与房价的正相关关系。但2004年以后，两者之间的相关性变成了负值，并且变得越来越大。弹性曲线表明 最差利率和地区价格总体上呈负相关，这意味着提高实际利率将从长远上降低房价，降低实际利率。 导致房价上涨。这一结论与上述理论分析是一致的。但相对于1VI2，弹性绝对值很小，说明i 实际利率对房价的影响非常有限。具体而言，利率对区域住房价格的影响具有以下特点。
影响具有一定的地域性。SV2H和SV2M曲线几乎是重叠的，它们的绝对值比SV2L的绝对值大，只有少数几个季度，而且它们的空隙倾向于 SV2H的最终状态值为一0.049，这意味着1%的实际利率上升将导致第1组房价下降0.049%。而SV2L的最终状态值 是-0.036，这意味着每1%的实际利率上升将导致房价下跌0.036%。在高房价地区，利率变动的影响相对较大。 这说明影响具有一定的地域性。在第一组的省份，人们有很强的投资和投机动机，因此利率往往有相对较高的利率。Rger影响；而在第三组中，大多数人是业主自用的，需求严格的购房者，利率的弹性会变小。
三种弹性曲线的变化趋势基本一致，各弹性的绝对值都在不断增大，表明利率的调控将产生一定的效果。这种累积效应需要很长的时间才能发挥作用。但由于滞后周期长，弹性系数小，光是利率难以通过调节手段取得显著的调节效果。
4.3 效果比较及原因分
剩余内容已隐藏，支付完成后下载完整资料
资料编号：[468366]，资料为PDF文档或Word文档，PDF文档可免费转换为Word
以上是毕业论文外文翻译，课题毕业论文、任务书、文献综述、开题报告、程序设计、图纸设计等资料可联系客服协助查找。
