房价对货币政策意外的反应：来自美国上市数据的证据

房价对货币政策意外的反应 ： 来自美国上市数据的证据 作者 ： Denis Gorea, Oleksiy Kryvtsov, Marianna Kudlyak 货币和经济部 2024 年 9 月 JEL 分类: E52, R21, R31 关键词 ： 房价、货币政策、货币政策传导、清单和销售价格 国际清算银行的工作论文由国际清算银行货币和经济部门的成员撰写，偶尔也由其他经济学家撰写，并由该行出版。这些论文的主题具有时效性，内容较为技术化。文中观点仅代表作者个人观点，未必反映国际清算银行的意见。 该出版物可在 BIS 网站(www. bis. org) 上获得。 © 国际清算银行 2024. 保留所有权利。未经许可，不得复制或翻译，但可引用原文时简要摘录。 ISSN 1020 - 0959 (打印) ISSN 1682 - 7678(在线) 房价对货币政策惊喜的反应 ： 来自美国上市数据的证据* Marianna Kudlyak旧金山联邦储备银行 ， 胡佛研究所 ， CEPR ， IZADenis Gorea国际清算银行Oleksiy Kryvtsov加拿大银行 Abstract 关于利率当前对房价影响的实证证据一直难以获得。我们提供了美国市场上利率与房价之间高频因果关系的直接证据。我们利用了2001年至2019年间美国可售住宅房源列表数据，来自CoreLogic多重上市服务（MLS）数据集。通过使用针对货币政策冲击的高频工具变量，我们估计，在平均30年抵押贷款利率因货币政策突然紧缩而上升0.25个百分点的情况下，房屋列表价格在两周内下降约1%。房价对预期未来利率路径的变化反应灵敏，而对联邦基金利率意外变化则反应不敏感。列表价格的初始反应几乎完全传导至销售价格，并至少持续一年之久。 关键字:房价. 货币政策. 货币政策的传导. 清单和销售价格. JEL 代码: E52, R21, R31. 1 Introduction 房价增长相当平稳 ， 似乎对实际或名义利率的变化不敏感 (案例和席勒,1989) 。总结现有文献 ，库特纳(2013) and威廉姆斯(2015) 我们得出结论认为，利率变化对房价的影响会 在两年左右的时间内逐渐显现，类似于其对消费品和服务价格的影响。这种缓慢的过程在理论上难以解释，除非假设住房市场因搜索成本、交易和持有成本、税收考虑、非理性行为或动物精神等因素存在较强的无效性。（see固仁(2018)和其中的参考文献）。在没有显著市场摩擦和 arbitrage 限制的情况下， 房价预计会迅速对利率变化作出反应，类似于金融资产的价格变动。伯南克和库特纳,2005) 而不是消费品和服务的价格。然而，关于利率 contemporaneous（同时的）效应对房价影响的证据一直难以获得，这主要是由于缺乏详细的數據和不充分的方法。 在本文中，我们提供了美国市场上首次直接证据，证明了利率与房价之间的高频因果关系。我们使用详细的房屋挂牌微观数据，并记录了房价对利率变化的快速响应。利用外部的高频货币政策冲击工具，我们估计，在货币政策公告后两周内，30年期抵押贷款利率上升0.25个百分点（百分点）会导致房屋挂牌价格下降1%。新的挂牌价格进而决定了最终售出时的房屋价格。大部分响应是对预期未来利率变化的反应，而联邦基金利率的意外变化对此没有显著影响。 我们的房屋价格数据来自CoreLogic多重上市服务数据集，该数据集包含美国住宅物业挂牌和销售的属性级数据。我们的样本涵盖了从2001年到2019年在美国43个州和哥伦比亚特区（约11,000个邮政编码）的大多数住宅物业挂牌信息，频率为每日。我们研究了房屋挂牌价格、销售价格以及市场时间对货币政策变动的反应。` 使用本地预测方法的自愿政策惊喜Jorda(2005). 我们使用外部工具来应对与联邦公开市场委员会（FOMC）公告相关的货币政策意外，并通过高频方法进行识别。Nakamura 和 Steinsson(2018),斯旺森(2021), and鲍尔和斯旺森(2022). 我们使用斯旺森 (2021用于区分短期利率意外变动与预期未来利率意外变化的工具。 我们 fi 首先使用惊喜措施作为结构性冲击来估计脉冲响应 利率。房屋列表价格在货币政策公告后迅速变动，主要对未来的利率变化意外情况做出反应。对未来利率收缩性的一次标准差意外变化——通过斯旺森(2021的影响因素（前瞻性指导因素FG和大规模资产购买LSAP）——在冲击后的2到3周内分别降低列表价格约0.2%和0.3%。这些反应的幅度与FOMC公告日金融资产的反应相似，使用相同的方法得出意外变化度量。房屋价格对联邦基金利率意外变化的反应不敏感。我们使用结合一年以内各种短期利率信息的一系列度量方法获得类似的结果。Nakamura 和 Steinsson,2018;鲍尔和斯旺森,2022). 我们扩展分析以应对这样的担忧：意外措施可能仅捕捉到部分结构性冲击，并且也可能包含测量误差。我们通过局部投影估计冲击反应。斯旺森货币政策意外作为外部工具应对未观察到的结构性利率冲击。一个紧缩性冲击使得平均30年固定利率抵押贷款利率上升0.25个百分点，自宣布之日起仅两周内就降低了挂牌价格，第2周下降了1.2%，第3周下降了1.4%。这种反应的幅度具有经济意义：它与股票价格在宣布当天的反应相当，大约为1%。伯南克和库特纳,2005). 房价对利率的隐含半弹性大约在5或6（绝对值），这处于文献中记录的中长期房价对利率半弹性范围（3到8）的中间位置。库特纳,2013). The results remain robust to a variety of specifications. 添加控制变量以考虑当地和国家商业周期以及金融市场条件进一步提高了估计响应的经济和统计显著性，这表明这些控制变量对于直接使用局部投影法估算冲击响应至关重要，正如强调的那样。Ramey(2016) and股票和沃森(2018) 。估计对于允许非线性和不对称响应或使用正交化惊喜措施是稳健的 (鲍尔和斯旺森,2022). 重要的是，结果对表示内生利率的变量选择并不敏感，只要该变量能够捕捉到未来的利率水平。例如，当使用宣布日的4个季度和8个季度欧洲美元期货的日收益率或5年期美国国债的日收益率，而不是平均抵押贷款利率时，响应结果相似或更大。 几个结果提供了间接证据 ， 表明预期未来利率的变化 通过房屋 fi Nancing 渠道在 fi 中查看房屋价格。1首先，抵押贷款利率几乎立即对货币政策意外变化作出反应，为房屋买家和卖家（或他们的经纪人）提供了即时的市场指导。其次，在家庭收入较低或房屋价值较低的邮政编码区域，价格对利率意外变化的敏感度高于高收入或高价值邮政编码区域的价格。家庭收入较低或房屋价值较低的邮政编码区域有更多的财务约束的买家和卖家，他们对利率变化更为敏感。第三，在银行分支机构较少的邮政编码区域，收缩性利率意外变化后列表价格会更大程度地下跌。这种反应可能反映了在竞争较弱的地区银行放贷活动更大的收缩。Drechsler ， Savov 和 Schnabl,2017). 第四，高频的列表价格反应并不依赖于所在地区长期住房供应的弹性，因为住房供应在每周频率下基本上是固定的。最后，这些反应对于扩张性的货币政策冲击更为强烈，这与抵押再融资渠道一致（mortgage refinancing channel）。伯杰、米尔布拉特、图尔和瓦夫拉,2021;Eichenbaum ， Rebelo 和 Wong,2022). 我们强调了研究发现对政策分析的两个实际含义。首先，新上市房屋的价格比销售价格更能准确反映货币政策冲击下的 contemporaneous 房价反应。我们展示了列表价格对货币惊喜调整几乎是完全传递到销售价格的。这表明标准的成交日期价格指数混合了在公告前和公告后上市的房屋的销售价格，从而引入了测量误差。这种测量误差会掩盖利率动态影响房价的估计。Anenberg 和 Laufer(2017提供证据表明，挂牌房价与股票价格和宏观经济新闻冲击当前展现出更强的同期相关性，而常规的成交日期价格并非如此。 其次，我们发现房屋价格对利率意外变化的 contemporaneous 反应至少持续一年。因此，即使在季度频率下，利率与房屋价格之间也存在负相关关系，这与现有文献中关于房屋价格对利率冲击渐进反应的两 strand of literature 一致（括号内的内容保持原样）。库特纳,2013;威廉姆斯,2015) 和房价增长在季度和年度频率上的强序列相关性 (案例和席勒,1989;卡特勒、波特巴和萨默斯,1991) 。因此 ， 我们 fi 编码的另一个实际意义是 contemporaneous 调整 列表 价格 可能 对 预测 更长 时间 框架 下 的 房价 动态 有 用处。 本文的其余部分结构如下。2描述了我们的房地产级别数据 ， 以及我们如何构建邮政编码周级别的房价指数。部分3提供了货币政策冲击对房价影响的理论基础，讨论了货币政策冲击的衡量方法，并描述了局部投影估计方法。章节4提供清单价格的估计动态响应。部分5提供其他住房市场变量的响应，探索不同邮政编码间的异质性，并呈现列表价格响应及更长期限内响应的不对称性证据。节6总结并为未来的研究奠定了基础。 2 房价指数的数据与构建 2.1 物业级房价数据 我们使用CoreLogic Multiple Listing Service（MLS）数据集中的家庭挂牌和销售数据。该数据集包含了美国43个州及哥伦比亚特区的MLS平台上所有住房单位、商业物业、租赁物业和土地地块的详细信息。2MLS数据的起始日期因州而异，许多州自20世纪80年代末以来一直持续报告。为了尽可能包括更多的地点，我们在分析中使用了2001年至2019年的数据。 数据中的观察单位是房产列表，频率为每日。对于每一套列出的房产，我们观测其挂牌价格、该房产被列出的日期以及业主和房地产经纪人用来描述该房源的所有特征（例如地址、房产类型、卧室和浴室数量、建成年份、居住面积）。我们还观测了房产的实际成交日期及成交价格。原始数据集包含约1.15亿条记录。 我们专注于单一家庭住宅和公寓的上市情况，并排除租赁、土地parcel、移动房屋或商业房产的上市信息。我们将样本限制为具有非缺失且非零挂牌价格的房产，并剔除未提供所在城市信息的上市记录。我们还剔除在样本期间未售出的房产，以确保每个上市记录都有挂牌价格和销售价格的观测值。应用这些过滤条件会减少约17%的观测数据。 租赁房源、土地parcel、移动房屋和商业房产的列表占据了被过滤掉的主要观察对象。为了确保我们的结果不受异常值的影响，我们在样本中按邮政编码对最高和最低0.1%的挂牌和销售价格进行Winsor化处理。我们还排除了在每期地点中观察次数少于5次的挂牌或销售的房产。最后，我们排除了在整个样本期间内观察次数少于50次的所有邮政编码。 Table1提供了某些摘要统计数据。清洗后的数据包含总共92,064,327条listing记录，平均每邮政编码地区有760周的数据，以及每周跨邮政编码地区平均有121,101条listing记录。这些数据代表了美国43个州和华盛顿特区内的10,958个邮政编码区域，其中位数为每个邮政编码每周新增8条listing记录。典型的房屋listing价格约为229,000美元（2010年币值），在市场上停留中位数110天后，以略低的价格212,000美元售出。价格和市场停留时间在邮政编码内部及跨邮政编码之间存在显著差异。 注：表格提供了从2001年到2019年的邮政编码级别统计数据。列表价格和销售价格（按列表日期计算）以2010年美元计。列“中位数”提供了基于某一周某一邮政编码内列表数量加权的中位数。列“邮政编码内四分位数范围”提供了基于某一邮政编码中位数四分位数范围的加权中位数。列“跨邮政编码四分位数范围”提供了基于邮政编码级别中位数的加