一、 引 言

2008年全球金融危机以来，美国、日本、欧盟等主要发达经济体通过量化宽松政策大量增加货币供给。截至2015年底，美国M2从2008年的8.26万亿美元飙升至12.27万亿美元；2013年日本推出QQE政策后，M2增加至8.11万亿美元；欧洲央行每月购买600亿欧元国债和其他债券以增加货币供给。基于不断增长的M1和M2，研究者推测有一场严峻的全球性通货膨胀即将来袭。但我们并没有看到物价的大幅上涨。当前美国CPI不到2%，日本在1%左右，欧元区在1.5%附近徘徊，通胀依然低迷。

  

图1 M2、CPI、房地产贷款余额、房地产开发投资额定基指数

几乎在同期，我国为应对全球金融危机的冲击，也一度采取了扩张性的货币政策，同2008年12月相比，2015年12月我国M2增加193%，但同期CPI只上涨17.6%，PPI下跌5.2%，和发达经济体类似，中国货币供应的大幅增加同样没有带来物价的大幅上涨。

纵向来看，早在1993年，麦金农就发现中国的超额货币发行并不必然伴随着物价大涨，并称之为“中国之谜”，其后引发了众多学者对此问题的关注和探讨。为什么货币量在持续增长的同时，物价水平依然能够保持平稳？那些增发出来的货币为什么没有表现在CPI上，“消失的货币”究竟去了哪儿？

如图1所示，从2000年到2015年，我国M2供应量从13.461万亿元增长至139.228万亿元；而以2000年为基期，2015年CPI定基指数仅仅有141.79%。相比于增长缓慢的CPI，房地产市场相关的指数可以说是呈现出迸发式增长。房地产贷款余额的定基指数在2015年已达到3502.89%，房地产开发企业本年完成投资定基指数也达到1925.70%。可见在探究货币消失之谜的过程中，中国房地产市场的发展和房价的高涨是一个不可忽视的因素。自1999年住房市场化改革以来，我国住房投资和住房销售面积稳步增长，住房价格在波动中保持着快速增长的势头。房地产业的崛起是否改变了中国物价水平形成的机制，抑制了可能的通货膨胀，改变了传统的经济周期？这些猜测不仅需要理论上的分析，还需要实证检验其相互关联性。基于此，本文试图从房地产视角解释“消失的货币”。

二、 文献综述

近20年来，随着我国货币供给量的不断增加，物价水平的波动却相对温和，这一现象受到学术界的广泛关注，成为学术界研究的热点。其实早在1993年这一现象就被麦金农关注到，将其称为“中国之谜”。最初，很多研究者受货币主义学派的影响，从货币供给角度来研究物价水平的波动。从时间角度纵向来看，长期内，国内的货币供应量与通货膨胀之间有着正向的相互影响[1]。从经济状况角度横向来看，当经济处于不同状态时，货币供给量对于物价水平有着不同的影响[2]。之后，有学者提出了“中国之谜”是由实体经济与虚拟经济发展不平衡所致的新观点[3-4]；许祥云、施宇和邹彤彤[5]从国内视角细致研究了我国“货币迷失”现象，金融市场的扩大与房地产市场的迅速发展使得大量的货币资金沉淀；而且，除银行贷款外有一部分资金以其他形式流出银行体系，这三大因素导致货币流通速度下降，自然使得物价水平难以上涨。与此同时，他们的研究还发现“货币迷失”不仅仅只是在我国存在，美国和日本等发达国家也曾出现过。银行信贷规模与货币流通速度的下降以及存款准备金的上升是导致高货币供给与低通货并存的主要原因。陈彦斌等[6]通过构建DSGE模型证实了我国房地产市场存在泡沫，且房地产泡沫与地方政府债务增加使得家庭和政府持币愿望愈加强烈，产生了储蓄效应[7]，这就会导致货币流通速度进一步下降。

Goodhart[8]、Bryan[9]、 Kontonikas[10]等学者的研究发现房价先行于通货膨胀。随着我国房地产市场的不断发展，房地产市场的规模不断扩大，2016年我国房地产市场规模达到了270万亿元，高达国内生产总值的4倍之多。如此庞大的资金量存在于房地产市场，显然，房价的波动对于我国物价水平的影响已经是一个不可忽视的重要因素。国内学者研究发现房价显著抑制了消费[11],因为房价的上涨，使得人们因住房而产生的负担越来越重,从而对生活消费产生了挤出效应;同时还发现房价对物价的动态关联以及政府针对房地产的调控政策是导致2009年之后房价与物价短期发生背离的潜在原因[12]，房价上涨短期内致使物价水平下降[13]。近年来我国的货币政策调控使得房价上涨的现象也让人百思不得其解，王先柱[14]发现货币政策对房地产企业的融资行为具有较大的影响,大型国有企业在应对货币政策冲击的过程中具有较强的适应性,从而弱化了货币政策对房价的影响。以往的文献对于房价与物价的研究都在一定程度上阐释了房价是物价波动的影响因素之一，但是将房地产市场作为一个重要的研究视角来研究物价水平波动的文献较少。我国住房价格在波动中保持着快速增长的势头，房地产每年吸纳的资金量占货币供给量的比重也在逐渐增大，房地产对我国经济的影响越来越具有话语权。那么，房地产业的崛起是否改变了中国物价水平形成的机制，抑制了可能的通货膨胀，改变了传统的经济周期？为此，本文基于房地产的视角，构建了TVP-SV-VAR模型，试图研究我国房价波动对物价波动的影响特征。

三、 理论模型

(一) 模型构建

本文以费雪方程式MV=PY为基准，将价格与货币量建立联系，其中M为一定时期内的平均货币量，V为货币流通速度，P为交易中各类商品的平均价格，Y为各类商品交易数量。由费雪方程式可知：

 

(1)

对(1)式两边取对数，可得：

lnMt=lnPt+lnYt-lnVt

句法错误又叫语法错误，主要是指那些不符合英语语法规则，并且影响英语表达意义与理解的错误。学生在口译的过程中会受到已知经验与已学内容的影响，可能会产生过度类推的情况，将已知经验错误的运用在自己的口译内容中，或者对口译过程中出现的词语不甚熟悉，对其用法了解不够深入，从而忽视语法规则的限制，产生句法错误。例如：

(2)

本文根据t期的房价水平、物价水平的需求和供给的变化，构建了房价和物价的波动模型：

 

(3)

 

(4)

式中pt=lnPt， α和β分别为房价、物价的调整系数，和表示t期房地产市场的需求与供给，和表示t期物价的商品需求与供给。本文假定一定比例的货币量流入流出房地产市场这个“大池子”，且比例随时间的变化而变化，若货币流入为正值，即：

 

(5)

与此同时，也有一定比例的货币量流入流出商品市场，剩余的部分流入流出其他市场，可得：

通过这一流程，我们注意到第五点“建立起通用的工作平台”、第六点“建立使用服务、呈现服务的工具”、第七点“建立起岸基对于提供服务所必要的基础设施”，将是MS服务的基础及核心。

 

(6)

谢合清有“找事老总”绰号，就是因为他是一个爱找事，爱干事的人。因此，创新发展这个词与他如影随形。他提出“面向农业、立足农资、跳出农资、多元发展”的理念，并大力贯彻实施，企业创新开拓举措不断。

lnMt=lnPt+lnYt-lnVt

 

 

 

 

(二) 联动分析

1. 货币量对房价波动的影响

将(5)式代入(3)式可得：

 

(7)

由(7)式可知，货币量对房价波动的影响：

货币量对房价波动的影响弹性

资料 收集2014年1月至2017年12月就诊于北京协和医院皮肤性病科、妇产科、泌尿外科、男科门诊等多个临床科室患者的样本；排除重复检测样本标准：以第1次检测结果为准，再次送检结果与第1次不同按再次感染计算，纳入统计中。如第1次结果为阳性，之后检测为阴性，按第1次计算。如第3、4次结果与之前任何一次相同，也剔除；如为阴性，剔除检出率统计，计入好转中；如检测几次均为阴性，只记1次阴性。所有检测结果按以上标准剔除后，男性207例、女性663例，共计870例，年龄14～66岁，平均(35.06±8.87)岁。

(8)

从(8)式可以看出，货币量对房价波动的影响与系数αt、 λt、房价货币量lnMt有关。因为所以a(m→h)的正负符号取决于λt。若λt>0，则a(m→h)>0；若λt<0，则a(m→h)<0。

2. 房价波动对物价波动的影响

将(6)式代入(4)式可得：

 

(9)

由(7)式可得：

 

(10)

令式可变换为：

 

(11)

由(11)式可知，房价波动对物价波动的影响：

房价波动对物价波动的影响弹性

(12)

从(12)式可以看出，房价波动对物价波动的影响与系数βt、 αt、 λt、 φt、物价房价和有关。因为所以a(h→c)的正负符号也取决于Δph、 λt和φt。若λt>0，则Δph>0，即当资金流入房地产市场时导致房价上涨，波动大于0，Δph、 λt的变动方向一致。那么，a(h→c)的正负取决于货币流入流出商品市场的比例φt，a(h→c)的大小取决于φt和λt的比值大小。此外，货币量作为一个已知的量，先将其定义为单位1，那么流入流出房地产市场、商品市场和其他市场的比例分别为λt、 φt和(1-λt-φt)。显然，如果货币单方面地大量流入某一市场，那么流入其他市场就会大量减少。

讨论a(h→c)的大小与方向可以从房价上涨与房价下跌两个大方向进行分步讨论。

近年来，市场对润滑油低温性能的要求不断提升。Keltan OCP黏指剂乙烯含量为49%，无定形相态，具有良好的低温性能，特别是低温冷启动性能。此外，Keltan OCP拥有熔融指数低（相对分子质量大）的牌号，其增黏能力优异，能够满足市场对于高稠化能力的要求，有助于减少黏指剂用量。

第一，房价上涨。(1)当房地产市场流入了大量的货币，房价过快上涨时，λt数值为正且较大。此时，若商品市场仍然有部分货币流入，其φt数值为正但较小，那么a(h→c)的数值为正且较小；若房地产的短期快速上涨产生虹吸效应甚至使得商品市场有部分货币流出，则φt数值为负，其大小取决于房地产市场虹吸效应的强弱，若强，则a(h→c)的数值为负，大小取决于λt和φt的比值；若弱，则a(h→c)的数值为负且较小。(2)当房地产市场流入了少量的货币，房价小幅上涨时，λt数值为正且较小。此时，若商品市场有大量货币流入，其φt数值为正但较大，那么a(h→c)的数值为正且较大；若商品市场有少量货币流入，其φt数值为正但较小，那么a(h→c)的数值为正，大小取决于λt和φt的比值；若货币从商品市场流出至其他市场，其φt数值为负，大小取决于流出的量，若大，则其φt数值较大，那么a(h→c)的数值为负且较大；若小，则其φt数值较小，那么a(h→c)的数值为负，大小取决于λt和φt的比值。

第二,房价下跌。(1)当房地产市场流出了大量的货币，房价过快下跌时，λt数值为负且较大。此时，若商品市场有大量货币流入，其φt数值为正但较大，那么a(h→c)的数值为正，大小取决于λt和φt的比值；假设房地产流出的货币大量流入其他市场而非商品市场。此时，若商品市场有少量货币流入，其φt数值为正但较小，那么a(h→c)的数值为正且较小；若其他市场的价格迅速上涨产生虹吸效应，使得货币从商品市场流出，其φt数值为负，大小取决于流出的量，若大，则其φt数值较大，那么a(h→c)的数值为负，大小取决于λt和φt的比值；若小，则其φt数值较小，那么a(h→c)的数值为负且较小。(2)当房地产市场流出了少量的货币，房价小幅下跌时，λt数值为正且较小。此时，若商品市场有部分货币流入，其φt数值为正但较小，那么a(h→c)的数值为正，大小取决于λt和φt的比值；若货币从商品市场流出至其他市场，其φt数值为负，大小取决于流出的量，若大，则其φt数值较大，那么a(h→c)的数值为负且较大，若小，则其φt数值较小，那么a(h→c)的数值为负，大小取决于λt和φt的比值。

由(8)式和(12)式分析可知，本文构建的模型中a(m→h)和a(h→c)两个影响弹性能够较好的解释货币的流向以及各市场的价格波动受货币的影响大小。其中，将房价波动作为一个货币流动对物价波动影响的中间影响因素，影响弹性a(h→c)能够很好地解释物价波动的情况。基于此，本文提出以下两个假设：

假设1：随着我国经济的不断发展，货币的流通渠道虽然越来越多，诸如商品市场、股票市场、债券市场等。但我国住房市场化改革以来，房价的不断上涨使得房地产市场产生巨大的虹吸效应，致使我国大量的货币流入了房地产“资金池”。

假设2：房地产“资金池”吸收大量的货币，使得流动性减弱，同时，从实体经济流入虚拟经济部门，致使虚拟经济部门过度繁荣，大量资金在体外循环，不进入实体经济，从而抑制了物价上涨。

四、 实证模型与数据来源

(一) 实证模型

1. VAR模型

“要改变自己的命运就要有不服输的精神，敢闯敢拼才会赢”。2010年，团场出台了一系列优惠政策，鼓励职工发展自营养殖，他辞职下海当年养鸡12000只，成活率达到90%以上，种植的100亩棉花单产走在全团前列，当年实现纯收入49万元。他在团部购买了楼房，买了台754播种机，为了儿子上学方便，买了小汽车。当年机车仅拉棉花和打杆两项，实现纯收入7.7万元，种植棉花和养殖鸡纯收入达35万元。

VAR模型定义为如下形式：

Xat=Y1at-1+…+YsAt-s+μt, t=s+1, …, n

(13)

上式中at为一个可观测的n维列向量，X、 Y1、 K、 Ys是n×n的系数矩阵，μt是n维的结构冲击列向量。本文中的3个变量(n=3)为国内货币供给量(M1)、房价(HP)、物价(CPI)。假设方阵X为主对角线为1的下三角矩阵，我们可以将(13)式转化为一下形式：

at=Z1At-1+…+Zs…t-s+X-1∑tεt, εt～N(0, In)

(14)

其中，Zi=X1Yt-1, i=1, 2, …, s，并且

 

模型进一步整理可表示为：

 

(15)

2. TVP-SV-VAR模型

TVP-SV-VAR模型设定为如下形式：

at=Dtβt+X-1∑tεt, t=s+1, …, n

(16)

式中，βt、 At和∑t均是时变的。根据Nakajima Jouchi[15]和Primiceri[16]的方法，令bt表示矩阵Xt下三角元素的堆积向量且ht=(h1, …, hnt)′，设 j=1, …, n, t=s+1, …， n, TVP-SV-VAR模型中的βt、 αt、 ht均服从随机游走过程，具体如下：

 

(17)

其中，βs+1～N(μβ0, ∑β0)， αs+1～N(μα0, ∑α0)， hs+1～N(μh0, ∑h0)，假定这些冲击相互独立，同时∑β、 ∑α与∑h均为对角阵。Nakajima Jouchi[15]认为马尔科夫蒙特卡洛(MCMC)估计能够克服因随机波动是非线性而导致的似然函数难以获取的问题，因此，使用MCMC方法估计更加精确。

(二) 数据来源

本文选取全国货币供应量M2数据作为货币供给量*M2更具外生性，且能够反映现实生活中实际流通货币供给量，因此，本文选取全国货币供应量M2数据作为货币供给量。，数据来自中国人民银行网站。关于房地产资金吸纳能力，本文选用商品房平均价格作为替代变量；因房价月度数据缺失较多，本文选用全国商品房销售额除以商品房销售面积作为商品房平均价格*本文选用全国商品房销售额除以商品房销售面积作为商品房平均价格的依据在于：运用国家统计局公布的全国商品房销售额、商品房销售面积与商品房平均价格的数据将全国商品房销售额除以商品房销售面积的数值与商品房平均价格数值近似相等，因此，本文用全国商品房销售额除以商品房销售面积的比值来替代缺失月度数值的商品房平均价格。，用HP表示，相关数据来自国家统计数据库，对于缺失的月度数据，本文使用指数平滑法对其进行处理。对于物价，选用国内众多学者公认的全国消费者物价指数(CPI)作为物价的替代变量，数据来源于WIND数据库。本文变量选取1996年1月至2016年9月相关月度数据；因M2、CPI受季节影响，因此，本文针对M2、CPI数据使用Census X12方法进行处理，最终变量表示为M2、HP、CPI。

五、 实证结果分析

本文实证模型变量依次为货币供给量、房价、物价。依据SC准则和AIC准则，将TVP-SV-VAR模型的滞后期设定为2，MCMC抽样次数为10000次。

(一) 平稳性检验

 

表1 ADF单位根检验

  

变量检验形式(C，T，K)1%临界值5%临界值ADF统计量平稳性M2(C，T，1)-3．997-3．4290．879非平稳ΔM2(C，T，1)-3．997-3．429-3．284平稳CPI(C，T，1)-3．994-3．427-1．680非平稳ΔCPI(C，T，1)-3．456-2．873-4．721平稳HP(C，T，1)-3．994-3．427-0．928非平稳ΔHP(C，T，1)-3．455-2．872-6．091平稳

注：(1)检验类型中的C、T、K分别表示ADF检验模型中的常数项、时间趋势项和滞后项，数值为0表示没有该项。(2)Δ表示一阶差分。

 

表2 参数估计结果

  

参数均值标准差95%置信区间CD非有效信因子sb10．00230．0003[0．0018，0．0029]0．23913．75sb20．00230．0003[0．0018，0．0029]0．84714．83sa10．00540．0013[0．0034，0．0087]0．55850．27sa20．00520．0013[0．0034，0．0083]0．35552．77sh10．32780．0558[0．2305，0．4485]0．72529．90sh20．59470．1060[0．4102，0．8243]0．64041．59

注：sbi、saj和shk分别为∑β、∑α和∑h的第i、j、k个对角元素，并且其估计量都乘以10。

由表1结果看出，原变量的ADF统计量均小于5%显著水平临界值，为非平稳序列，原变量一阶差分之后均大于5%显著水平临界值，为平稳序列，即货币供给量、房价与物价三个变量均是I(1)过程(表示变量一阶差分平稳)。

(二) 参数估计结果分析

图2结果显示本文所抽取的样本均为有效样本，第一列子图显示样本自相关系数从1快速下降至0附近后趋于平稳，第二列子图显示样本取值路径平稳。表2中各参数标准差均非常小，且估计结果表明“样本趋于验后分布”的原假设被拒绝。非有效性因子数值都比较低,证明模型产生的样本均为有效的。

  

图2 TVP-SV-VAR模型参数的估计结果

(三) 时变参数特征分析

结合图3前两个子图，不难发现，自1996年以来，货币供给量对房价的影响系数始终为正值，与此同时，房价对物价的影响系数一直是负值，而第三个子图中物价的曲线在同时期一直处于0水平线以下；从2001年开始，货币供给量对房价的影响系数开始缓慢上升，房价对物价的影响系数也上升并变为正值，随之货币供给量对物价的影响也进一步大幅上升。虽然两者之间的变化曲线有一定滞后差别，但总体走势非常相似。本文试图将房价作为中间影响因素，来研究货币供给量、房价与物价三种之间的关系。因为货币供给量对房价的影响表现出一直处于平稳状态的特征，所以货币供给量对物价的影响取决于房价对物价的影响。由a(m2→cpi)与a(hp→cpi)两者近乎同步的变动走势可以看出，货币供给量与物价之间的相互关系受房价这一中间介质影响。往常的文献一般都是运用Granger因果检验来证明货币供给量、房价与物价三者之间的互动关系，而本文通过时变参数的变化来验证“房价作为货币供给量与物价之间相互影响的中间影响因素”。

图3显示的是货币供给量、房价与物价之间相互影响的关系所呈现的时变特征。由第一个子图可见，货币供给量对房价的影响系数一直是正值，2010年之前，基本保持平稳，货币供给量对房价的影响系数a(m2→hp)在0.03附近，2010年之后开始略微下降，但总体相对比较稳定。反映出房价的变化受货币供给量的冲击较大。第二个子图显示，房价对物价的影响系数a(hp→cpi)基本维持在0水平线附近，且基本为负值，直到2005年开始略微下降，在2006年至2012年之间经历一段波谷过程，2012年以后接近于0。第三个子图显示，在2004年之前，货币供给量对物价的影响系数工a(m2→cpi)一直在0水平线以下，从2005年开始上升至0水平线以上，在2006年至2010年之间经历一段波峰过程，2010年逐渐回落，此后始终在0水平线附近上下浮动。究其原因：上世纪90年代开始我国大力支持房地产发展，鼓励住房消费，使得房地产“资金池”逐步吸纳了大量的资金。2000年以来，我国经济快速增长，2007年GDP增速更是达到了23.5%，伴随着经济增速加快，货币供给量对CPI的影响在2006年之后也一路向上。

1. 变量影响关系的时变特征分析

  

图3 三个变量同期关系的时变特征

2. 关于货币供给量波动率的特征分析

  

图4 货币供给量结构冲击的随机波动时变特征

  

图5 房价结构冲击的随机波动时变特征

  

图6 物价结构冲击的随机波动时变特征

图4显示出货币供给量结构冲击的随机波动时变特征，货币供给量的随机波动率在2005年之前几乎一直处于0附近，此后开始逐渐缓慢变大，2009年开始显著上升，之后震荡波动，并且在2011年、2015年的波动幅度相对较大。2008年全球金融危机之后，中国政府为抵御危机对国内的冲击向市场投放大量货币，使得货币供给量快速上升。

3. 关于房价波动率的特征分析

当我国货币增长率在15%左右时，各年的CPI指数与房地产资金吸纳指数存在着一定的反向抑制关系，如1998年、2008年、2011年，房地产资金吸纳指数数值大时，CPI数值很小；房地产吸纳指数小时，CPI数值很大。2009年与2010年是特殊的两年。2009年两个指标的数据都很小，其主要原因还是受2008年金融危机影响；2010年，两个指标的数据都很大，因为2008年底，为应对金融危机，中央与国务院决定实施4万亿投资计划，对房地产、商品等各类市场产生了直接的正向冲击。整体来说，近年来我国房地产市场的高速发展，房地产市场的波动对其他部门的经济波动冲击越来越大。

4. 关于物价波动率的特征分析

从货币供给量对物价的影响力来说，在1996年、2004年至2007年、2010年中期这三个时期，货币供给量对物价具有较大的影响力度；而在2000年、2009年以及2012年货币供给量对物价的影响力非常小。结合房价对货币供给量的脉冲响应和物价对房价的脉冲响应分析，在一定程度上可以解释出物价对货币供给量脉冲响应的波动。从1996年至2000年，房价对货币供给量的冲击响应逐步上升，与此同时，物价对房价的脉冲响应一直处于小于0的低水平，这说明在此阶段房地产吸收了大量的货币资金，使得物价对货币供给量的脉冲响应下降。2000年之后，房价对货币供给量的脉冲响应开始减小，同时物价对房价的脉冲响应也在不断的上升，在2004年左右达到0水平线，这表明，房地产的快速发展使得房地产这个大的“资金池”很快达到了短期的“饱和程度”，随后货币供给量对房价的影响开始逐渐减弱，与此同时，资金开始流入其他商品市场，物价开始稳步上涨。2005年之后，房地产对购房者带来的“财富效应”逐渐凸显，带动了物价水平的上涨。

(四) 时变脉冲响应分析

1. 不同时点的脉冲响应时变特征分析

本文随机选取1998年4月、2005年9月和2013年6月3个时点，针对这3个时间点给予冲击(图7)。房价对货币供给量的冲击响应在第3期达到最大，之后逐步下降。货币供给对房价的冲击响应稍有滞后，在第1期上升至最小，之后上升，第7期之后基本趋于0。货币供给量对物价的冲击响应在当期没有响应，随后下降再上升，在第2期达到最大值，随后渐渐减小，在第12期后趋近于0。

对于所随机选取的三个时点的冲击，物价对房价的响应表现不一。对于1998年4月，物价对房价的脉冲响应函数在第1期达到最大，随后才开始迅速下降，在第2期达到最小，且小于0，随后逐渐上升，消失于第7期。对于2005年9月，物价对房价的脉冲响应在第1期达到最大，此后逐渐下降，第2期逐渐消失；而对于2005年9月，物价对房价的脉冲响应似乎比较缓和。表明在不同的时点，房价对于物价影响各不相同。

文献[2]建立误差模型后，以实际驱动量与理想驱动量变化值小于允许值为目标，经最小二乘迭代，输出托架结构误差，但未给出数值算例。本文所建误差模型，输入为托架位姿误差、名义结构参数、理想反解所求移动副运动量，经过最小二乘迭代，输出托架结构误差，并给出了数值算例。

物价对货币供给量的脉冲响应在3个不同时点上的表现也略有不同，1998年4月和2013年6月当期对货币供给量的响应为正值，随后开始下降，在第1期下降至最小值后逐渐上升，在第5期后趋于平稳且接近于0；而2005年9月物价当期对货币供给量的响应为负值，之后迅速上升，在第2期也达到了最大值，且比其他两个时点的响应更大。

2. 不同提前期的脉冲响应时变特征分析

本文选取提前1期、3期和5期，针对这3个提前期分别给予1单位正向冲击，由图8可知，三个不同提前期的脉冲响应略有不同，提前3期和5期的脉冲响应基本一致，说明趋于稳定，所以本文分析是基于提前3期和5期的脉冲响应来进行的。房价对货币供给量冲击的滞后响应一直处于一个高位波动的趋势。结合资本流动和我国国情分析可对房价响应的波动做出如下解释：自1998年我国大力支持房地产业，加上我国经济快速增长，国民工资水平大幅上升，需求开始大增，造成供需失衡，导致房价上涨。当房价上涨到一定程度的时候，上涨动力变小；同时受政府相关政策调控的影响，房价逐渐下降。2010年之后，我国房价的不断上涨伴随着实体经济的持续低迷形成了虹吸效应，使得大量的资金流入房地产。

急性冠脉综合征是临床上较为常见的一种疾病,主要是指冠状动脉内斑块出现破裂,继而促使血小板呈趋化、聚集现象,且形成不完全及完全性血栓,若不实施有效方法进行治疗,能够危及患者的生命安全[1];我院为了探究替格瑞洛在急性冠脉综合征治疗中的应用价值,研究对象为120例急性冠脉综合征患者,见正文描述:

  

图7 不同时点冲击响应的脉冲响应函数

货币供给量对房价的脉冲响应一直是负值且比较平稳，联想到我国房价自1996年以来一直呈现出上涨的趋势，近年来房价的上涨更是迅猛。一方面，货币超发导致房价大幅上涨；而另一方面，房价的大幅上涨或许会反作用于货币供给量，使得政府面临调控压力，减少货币供给。货币供给量对物价的脉冲响应非常平稳，这也与我国近20年来物价水平一直保持温和波动的特征相符。

物价对房价的脉冲响应从上世纪90年代开始是负值，然后逐渐增大变为正值。从提前3期和5期的脉冲响应来看，在1996年，物价对房价的脉冲响应处于一个较低的水平，随后开始逐步上升，在2003年左右突破0的水平线，之后继续上升变为正值，在2008年达到峰值后下降，与2010年下降至0以下。对此可以做出如下解释：在上世纪90年代，我国房地产市场开始进入快速发展阶段，而我国货币供给量在上世纪90年代仍然处于一个相对较低的水平，资本具有“羊群效应”，伴随着房地产市场的快速发展，在货币供给量规模有限的情况下，大量的资金涌入房地产市场，使得房地产对其他商品产生“挤出效应”，从而抑制了物价水平。而伴随着房价的持续上涨，带动了生产过程中的物价上涨；与此同时，房地产对购房者带来的“财富效应”逐渐凸显，购房者觉得自己越来越富有，从而进一步促进了消费，带动了物价水平的上涨。而受2008年金融危机影响，我国实体经济持续低迷，与此同时，房地产价格的不断上涨进一步使得资金的“逐利性”开始凸显，大量的资金由实体经济开始流入房地产市场，从而在某种程度上抑制了物价水平的上涨。

物价对货币供给量的冲击响应在1996年时处在一个相对较高水平，随后开始逐步缩小，在2000年、2009年和2012年处于相对较低水平，2004年、2007年和2011年处于相对较高水平，但物价的响应值与2012年跌破0水平线。

图6显示了我国物价结构冲击的随机波动时变特征，在2008年左右，物价波动率达到一个相对较高的水平，其他时期都相对较低。2006年至2007年我国经济快速上升，2006年，我国GDP为219438.5亿元，2007年我国GDP为270232.3亿元，环比增速高达23.15%，使得CPI一路走高。但2007年底的经济紧缩以及2008年的全球金融危机使得CPI的随机波动率逐步回落。

  

图8 提前期外生冲击的脉冲响应函数

对比房价对货币供给量的冲击响应和物价对货币供给量的冲击响应。房价的响应高点刚好对应着物价的响应低点，而物价的响应高点也刚好对应着房价的响应低点，只有一个例外：2008年，房价和物价的响应值均处于低点，这是因为2008年金融危机使得房地产价格与物价水平都受到了一定程度的影响，但国家及时出台相关政策，并实施4万亿计划，使得房地产价格与物价水平又迅速回升。结合房价对物价的冲击响应和物价对房价的冲击响应，分析房价、物价对货币供给量冲击响应的交错位对应的时间点，不难发现，房价对物价的正向变动有着非常稳定的正向响应，而物价对房价的正向变动响应具有随时间变化而变化的特征，且方向也不定。说明物价的变动相对于房价来说是被动的，进一步反映出两者对货币供给量的响应形成的交错的高低位是由于房价的波动引起了物价的反向波动，即当房价上涨过快时，房地产这个“大资金池”吸纳了大量的资金，抑制了物价的上涨；而当房价上涨速度减缓时，“大资金池”吸纳的资金减少，大量资金外溢到其他商品中，促使了物价上涨。

黍子黑穗病又称黍子丝黑穗病。种子带病，黑粉附在种子上越冬，第二年在种子发芽后浸入植株，随着植株生长危害黍子，花序抽穗前很难识别，抽穗后病症才表现出来。病株上部叶片直立短小、分支增多，一直保持绿色，整个穗子变成黑粉，穗部呈细长苞，由白色膜包住，膨大成瘤状物，然后伸出叶鞘，起初白色或捎带红色的病瘤外膜破裂后黑色孢子散出，剩余部分成丝状。

(五) 结合特征性事实进一步验证

数据显示，如表3所示，在房地产开发投资来源类别中，利用外资与外商直接投资占比很少，自筹资金与其他资金来源较多，以2015年为例，利用外资与外商直接投资两者占比之和仅为0.41%，国内贷款占14.71%，自筹资金占38.55%，其他资金来源占46.33%。与此同时，其他资金来源中有一大部分来自于房地产销售收入，主要为购房款，那么这其中就有70%的同样来自于银行信贷，也就是说，在房地产开发资金来源中，国内贷款加上其他资金来源中银行信贷所支持的购房款的比例，有45%以上的资金来自于银行信贷。所以说，在房地产市场规模不断扩大的同时，银行信贷资金也在不断的大量流入房地产市场。

保障农村耕地面积，推进农业现代化是当前亟待解决的首要问题之一，粮食安全是关乎国家稳定和发展的重要因素。面对日益恶劣的生态环境，如何处理好生态环境保护与农村土地规划之间的矛盾已成为农业现代化发展的关键所在。随着农村外出人员的增多，导致良田杂草丛生，与此同时，“以工补农”等政策的推行，使得农村生态环境恶化、生态质量退化。基于此，本文以生态环境保护理念为基础，研究农村土地规划，为提高农村生态环境保护提供借鉴。

 

表3 我国房地产开发投资资金来源 亿元

  

年份国内贷款利用外资外商直接投资自筹资金其他资金来源资金来源小计20001147．56144．41104．671428．322440．595265．5520011462．74117．8585．891888．513230．346785．3320021883．32138．8106．572431．994183．038743．7120032730．72170．5104．983319．325543．7711869．2920042515．51194．28124．474460．957707．915003．1120053140．13224．07153．136074．78776．5618368．5920064262．48370．91281．497328．6311391．523635．0120075838．93571．76452．0710255．9416303．533422．220085720．16680．29607．2213136．8412955．5933100．120099618．48400．31337．7415691．3425371．6351419．5201010051．95742．13632．5723258．9827972．0362657．6620119884．64727．35634．7829909．2230551．6571707．64201211662．17294．89258．1833087．837341．8982644．93201315735．06446．66389．5540094．146920．91103586．28201416329．52589．51556．1642163．6841644．32101283．19201515272．84210．68206．9740014．9148091．3103796．7

数据来源：国家统计局网站。

 

表4 我国各类经济指标历史数据 %

  

年份M2同比增长率GDP/M1变动率CPI指数房地产资金吸纳指数199814．84-4．45-0．8054．12200817．788．525．90-32．34200928．42-17．99-0．70-6．03201018．95-1．733．3038．84201117．328．975．403．12201214．393．702．6011．86201313．590．812．6016．96

注：本文定义RFS为房地产资金吸纳指数，RFC为当年全国房地产销售额与同期M2的比值，即RFC=RES/M2。基于此，计算出房地产资金吸纳指数:RFSt=(RFCt-RCFt-1)/RFCt-1。

本文的研究表明我国物价水平一直受房地产市场的影响。即在过去20年间，我国房地产市场的快速发展给我国经济增长带来了源源不断的动力，事实上也成为吸纳货币供应量最大的池子，从而间接抑制了物价的大幅上涨。但房地产业和中国的经济发展态势都已进入新时代，对房地产业来说，随着房地产投资和销售量的大幅跃进，我国很快进入户均1.1套的居住水平，城镇2016年人均居住面积已达到36.6平方米，房价继续大涨已不具备基本条件。从宏观经济发展态势来说，高速经济增长已经基本结束，而进入了中高速增长的新常态阶段。基于研究结果和上述现实，本文提出以下建议：

1998年我国货币供给增速为14.84%，房地产资金吸纳指数为54.12%，可以看出房地产吸纳了非常多的货币，使得流入商品市场的货币较少，致使CPI指数为-0.8%。

由图5可见,房价的随机波动率在2005年间尤为突出,其峰值高达300多。而在其他时期,房价的随机波动率接近于0,只有偶尔几个时期,波动率有小幅上升,但都很快下降。上世纪80年代人口高峰，使得我国在21世纪的前10年对住房的刚性需求达到了顶峰。与此同时,上世纪90年代政府大力支持房地产，鼓励住房消费。而真正促进居民住房消费的则是我国国民经济持续、快速、健康的发展,1998年至2004年,我国GDP由7.8万亿元增长到13.7万亿元，且居民储蓄存款大大提升,使得居民具有了较强的住房购买力。我国第二次人口高峰带来的住房刚性需求、部分居民因改善住房条件形成的改善性住房需求以及部分居民因看涨房价的投资性住房需求这三大住房需求的叠加大大冲击了房价的变动,使得房价大幅上涨。

六、 政策建议

与此同时，本文选取了1998年与2008年两次金融危机和2011—2013年(众多专家学者担心严重通胀或将来袭)这3个时间段来进一步验证房地产市场对物价波动的影响机制。1998年，我国迎来了较为严重的通货紧缩，货币供给量的增速在一定程度上有所下降，但幅度不大。当时国内许多学者从货币流动性角度来研究货币供给与物价水平背离的现象，本文以货币流通速度=GDP/M1[17]的方法计算了货币流通速度。本文引入房地产资金吸纳指数(RFC增速)，从实际数据出发进一步佐证了实证分析得出的结论。

本文依据办公建筑的实际尺寸与室内物品布置，对该办公室建立了物理模型(图1)，并进行了适当简化，其尺寸为Z×X×Y(长×宽×高)=8 m×6 m×3.5 m，室内有16人，16张桌子.办公室西墙有2个窗户，东墙两侧分别有1个铁质结构和木质结构的门，北墙有1个木质结构门通往另一个房间.室内采用4台机组送风，侧送侧回，送风温度为24 ℃.风口中心距地面2.5 m，风口与地面中心线垂直断面对称分布，以东北侧风口为例，该风口中心距东侧墙体2 m，距北侧墙体1.5 m.详细室内物品规格见表1.

1. 正确把握货币政策宏观调控。随着房地产市场的吸纳资金量占货币供给量的比重不断增大，给实体经济带来的冲击越来越大，不断削弱经济增长的潜在动力。鉴于此，应正确把握货币政策宏观调控，尤其是对不动产信用调控应加大重视，一方面可以合理控制房价的大幅上涨，防范房地产泡沫与系统性金融风险的发生；另一方面可以积极正确的引导货币资金由虚拟经济部门有序流向实体经济，为实体经济的发展注入新的活力，为我国经济的增长带来新的动力。

2. 认清房地产“资金池”的波动机理。本文研究表明，房地产市场的波动受货币供给的影响较大，同时房地产市场的波动对物价水平的波动影响也较大。过去20年我国房地产市场快速发展，房价上涨速度迅猛，房地产“资金池”吸纳大量的货币资金，进一步抑制了物价的上涨，甚至对物价变动形成负向的影响。但客观现实正在发生改变，高速增长的货币供应量正在失去支撑房价上涨速度的物质基础，因此，要实现新时代货币政策主张的宏观审慎监管，需要把握房地产“资金池”的波动机理与规律。

3. 建立物价和房价波动的预警机制。本文研究发现，当房价涨速下降之后，房地产“资金池”将产生溢出效应，会导致物价涨速增大。为防止物价水平过快上涨，产生严重的通货膨胀，需要建立物价和房价波动的预警机制。

晚上一家三口在一起吃饭聊天和美温馨。晚饭后，冯一余看一会儿电视新闻，太太洗碗收拾厨房，忙完了，电视连续剧差不多就开始了。太太是个剧迷，什么类型的剧都喜欢看，情感的，谍战的，古装的，家长里短的，有什么看什么。冯一余坐在太太身边，陪着一起看。他过去是从来不看剧的，因为晚上应酬多，没时间看，所以几乎和电视剧绝缘。现在陪太太看下几集来，很快就看进去了。

众筹平台大多具有互联网公司背景，在运用大数据、区块链、云计算等技术方面有优势，但金融风险防控能力相对不足。而根据对301位投资者的调查结果，投资者对股权众筹平台项目的风险防控存在多方面的要求，包括要求众筹平台落实投资者资金银行存管、通过财务监控系统及时监控科技创业项目经营情况等。此外，目前政府部门对众筹的监管尚在探索中，监管法律法规不完善，科技众筹行业的具体操作指导也处于空白状态，这使得众多众筹平台缺乏可供参考的行业标准，较难建立有效、规范的运行机制。

综上分析，建立如下动态系统：

参考文献：

[1]伍戈.对中国通货膨胀的实证研究——从一般到特殊的建模方法[J].数量经济技术经济研究,2011(6):52-63.

[2]刘林,朱孟楠.货币供给、广义货币流通速度与物价水平——基于非线性LSTVAR模型对我国数据的实证研究[J].国际金融研究,2013(10):20-32.

[3]伍志文.“中国之谜”——文献综述和一个假说[J].经济学(季刊),2003(4):39-70.

[4]李健.结构变化:“中国货币之谜”的一种新解[J].金融研究,2007(1):41-52.

[5]许祥云,施宇,邹彤彤.什么导致了金融危机后的我国“货币迷失”现象——国内原因分析与国际经验借鉴[J].经济学家,2016(10):61-70.

[6]陈彦斌,郭豫媚,陈伟泽.2008年金融危机后中国货币数量论失效研究[J].经济研究,2015,50(4):21-35.

[7]陈崇,葛扬.房地产价格波动的储蓄效应研究:1997—2008——基于省际面板数据的实证检验[J].产业经济研究,2011(3):72-78+94.

[8]GOODHART C， HOFMANN B. Financial variables and the conduct of monetary policy[R].Sveriges Riksbank working paper, No.112,2000:1-23.

[9]BRYAN M F, CECCHETTI S G, O’SULLIVAN R. Asset price in the measurement of inflation[R]. NBER working paper, No.8700,2002:1-38.

[10]KONTONIKAS A, MONTAGNOLI A. Has monetary policy reacted to asset price movements：evidence from the UK[C].Paper presented for 6th international conference on macroeconomic theory and policy,Rethymno,Crete,2002(6)：1-22.

[11]谢洁玉,吴斌珍,李宏彬,等.中国城市房价与居民消费[J].金融研究,2012(6):13-27.

[12]高波,陈健,邹琳华.区域房价差异、劳动力流动与产业升级[J].经济研究,2012(1):66-79.

[13]高波,王辉龙.长三角房地产价格波动与居民消费的实证分析[J].产业经济研究,2011(1):1-10.

[14]王先柱,金叶龙.货币政策能有效调控房地产企业“银根”吗?——基于财务柔性的视角[J].财经研究,2013(11):69-79.

[15]NAKAJIMA J, MUNEHISA K, TOSHIAKI W. Bayesian analysis of time-varying parameter vector autoregressive model for the Japanese economy and monetary policy[J]. Journal of the Japanese and international economies，2011,25:225-245.

[16]PRIMICERI G. Time varying structural vector autoregressions and monetary policy[J].Review of economic studies, 2005, 72:821-852.

[17]范从来.论价格总水平下降的总需求螺旋下降效应[J].金融研究,2000(7):39-44.