我国货币供应量与资产价格的动态关联及实证探究

我国货币供应量与资产价格的动态关联及实证探究一、引言1.1研究背景与意义在我国经济持续快速发展的进程中，货币供应量与资产价格的波动现象日益显著，成为学术界与金融领域关注的焦点。近年来，随着我国经济总量的稳步增长，货币供应量也呈现出动态变化的趋势。从2008年全球金融危机后，为应对经济下行压力，我国实施了适度宽松的货币政策，货币供应量大幅增加。数据显示，广义货币供应量（M2）从2008年末的47.52万亿元迅速攀升至2010年末的72.58万亿元，两年间增长了约52.74%。这一时期，房地产市场与股票市场等资产价格也随之产生剧烈波动。房地产价格持续上涨，部分一线城市房价涨幅惊人；股票市场虽有起伏，但整体市值也在货币宽松的环境下显著提升。货币供应量与资产价格的这种紧密联系，对货币政策的制定和金融市场的稳定具有深远影响。货币政策作为宏观经济调控的重要手段，旨在维持经济的稳定增长、控制通货膨胀以及保障金融市场的平稳运行。而资产价格的波动，如房地产价格和股票价格的大幅起落，不仅直接影响投资者的财富状况，还通过财富效应、托宾Q效应等机制，对消费、投资等实体经济活动产生连锁反应。当资产价格过度上涨形成泡沫时，一旦泡沫破裂，可能引发金融机构的资产减值、信用收缩，甚至导致系统性金融风险，严重威胁金融市场的稳定。例如，日本20世纪90年代初房地产与股票市场泡沫的破裂，致使经济陷入长期衰退，至今仍未完全恢复；美国2008年次贷危机的爆发，源于房地产市场泡沫的破灭，进而引发全球金融海啸，给世界经济带来重创。在我国金融市场不断深化改革与对外开放的背景下，研究货币供应量与资产价格变动的关系显得尤为重要。一方面，有助于中央银行等货币管理部门更精准地把握货币政策的传导机制和效果，根据资产价格的变化及时调整货币政策的方向和力度，增强货币政策的前瞻性和有效性，避免因货币政策不当引发资产价格的过度波动。另一方面，能够为投资者提供更具价值的决策参考，使其更好地理解货币环境对资产价格的影响，合理配置资产，降低投资风险。同时，对于监管部门加强金融市场监管、防范金融风险、维护金融市场的稳定有序发展，也具有重要的理论与现实意义。1.2研究目标与方法本研究旨在深入剖析我国货币供应量与资产价格变动之间的内在联系，精准揭示二者之间的相互作用机制，为货币政策的科学制定与金融市场的有效监管提供坚实的理论依据和实践指导。具体而言，通过对相关数据的深度挖掘和分析，量化货币供应量变动对不同类型资产价格，如股票价格、房地产价格等的影响程度；探究资产价格波动反过来对货币供应量的反馈作用，以及这种反馈如何影响货币政策的传导和宏观经济的稳定运行。为达成上述研究目标，本研究将综合运用多种研究方法，以确保研究的全面性、科学性和可靠性。首先，采用文献研究法，广泛搜集和梳理国内外关于货币供应量与资产价格关系的经典理论和最新研究成果，深入了解该领域的研究现状和发展趋势，为后续的实证分析奠定坚实的理论基础。通过对弗里德曼货币数量论、托宾Q理论、财富效应理论等经典理论的研究，以及对近年来国内外学者在该领域实证研究成果的分析，明确货币供应量与资产价格之间可能存在的传导机制和影响因素。其次，运用实证分析方法，选取具有代表性的变量和数据，构建合适的计量经济模型，对我国货币供应量与资产价格的关系进行严谨的实证检验。选取广义货币供应量（M2）作为货币供应量的衡量指标，以上证综指代表股票价格，以全国商品房平均销售价格代表房地产价格。运用协整检验、格兰杰因果检验、向量自回归（VAR）模型等计量方法，分析这些变量之间的长期均衡关系、因果关系以及动态响应特征。利用Eviews、Stata等统计软件对数据进行处理和分析，确保实证结果的准确性和可靠性。此外，结合案例研究法，深入分析我国经济发展历程中典型时期的货币供应量与资产价格变动情况，以及货币政策调整对资产价格的影响，从实际案例中进一步验证和深化理论分析与实证研究的结论。在2008年全球金融危机后，我国实施了大规模的经济刺激计划，货币供应量大幅增加。通过分析这一时期房地产市场和股票市场的价格波动情况，以及政府出台的一系列房地产调控政策和货币政策对资产价格的影响，深入探讨货币供应量与资产价格之间的实际互动关系。最后，采用对比分析法，对不同时期、不同市场环境下货币供应量与资产价格的关系进行对比研究，分析其差异和变化原因，为政策制定提供更具针对性的建议。对比我国经济高速增长时期和经济结构调整时期货币供应量与资产价格的关系，以及不同地区房地产市场中货币供应量对房价的影响差异，找出影响二者关系的关键因素，为政策制定者提供更具针对性的决策参考。1.3研究创新点与不足本研究的创新点主要体现在研究视角和分析方法的多元化。在研究视角上，不仅从宏观层面分析货币供应量对资产价格的整体影响，还深入到微观层面，探讨不同行业、不同规模企业的资产价格对货币供应量变动的异质性反应。通过构建行业层面和企业层面的面板数据模型，分析货币供应量变化对不同行业股票价格、不同规模房地产企业房价的影响差异，为货币政策的精准调控提供更细致的依据。在分析方法上，综合运用多种计量经济模型和分析技术，增强研究结果的可靠性和说服力。除了传统的协整检验、格兰杰因果检验和向量自回归（VAR）模型外，还引入了时变参数向量自回归（TVP-VAR）模型，以捕捉货币供应量与资产价格关系在不同经济时期的动态变化特征；运用分位数回归方法，分析货币供应量变动在资产价格不同分位数水平上的影响差异，更全面地揭示二者之间的非线性关系。此外，本研究紧密结合我国经济金融发展的最新实际情况和政策背景，使研究结论更具现实指导意义。在分析过程中，充分考虑了我国近年来金融创新、利率市场化改革、房地产市场调控政策等因素对货币供应量与资产价格关系的影响。深入探讨了影子银行的发展如何改变货币的流通速度和信用创造机制，进而影响资产价格；分析了利率市场化改革过程中，利率传导渠道的变化对货币供应量与资产价格关系的作用。然而，本研究也存在一定的不足之处。首先，数据的可得性和质量可能对研究结果产生一定限制。在数据收集过程中，部分数据存在缺失、统计口径不一致等问题，尤其是一些涉及金融创新产品和微观企业层面的数据，获取难度较大。这可能导致样本的代表性不够充分，从而影响实证结果的准确性和普遍性。在研究影子银行对货币供应量与资产价格关系的影响时，由于影子银行相关数据的统计不完善，只能采用部分替代指标进行分析，这可能无法完全准确地反映其真实影响。其次，模型的设定和变量的选择难以完全涵盖所有影响货币供应量与资产价格关系的因素。经济金融系统是一个复杂的巨系统，货币供应量与资产价格受到多种因素的共同作用，包括宏观经济形势、国际经济环境、投资者情绪、政策预期等。尽管本研究在模型中尽可能纳入了一些主要的控制变量，但仍可能遗漏一些重要因素，导致模型的解释能力存在一定局限。国际金融市场的波动、地缘政治冲突等外部因素对我国货币供应量与资产价格的影响，在模型中难以全面体现。最后，本研究主要基于历史数据进行分析，对未来趋势的预测能力相对有限。经济金融环境处于不断变化之中，新的政策措施、技术创新和市场变化可能导致货币供应量与资产价格关系发生结构性转变。因此，基于历史数据得出的结论在预测未来时可能存在一定偏差，需要结合实时的经济金融信息和前瞻性的分析方法，对研究结论进行不断的修正和完善。二、理论基础与文献综述2.1货币供应量相关理论货币供应量作为货币政策的重要中介目标，对宏观经济运行和资产价格波动有着深远影响。理解货币供应量相关理论，是剖析其与资产价格关系的关键前提。货币供应量的概念基于货币层次划分，不同层次的货币在流动性和经济功能上存在差异，共同构成了复杂的货币体系。在货币层次划分中，M0是最基础且流动性最强的层次，它等同于流通中的现金，是直接用于日常交易的支付手段。在菜市场买菜、乘坐公共交通支付现金时，所使用的就是M0。M0的规模直接反映了经济体系中即时的现金交易活跃度，其变动与居民的日常消费行为和小额交易需求紧密相关。当春节等节假日来临，居民对现金的需求增加，M0的流通量会显著上升，以满足节日期间购物、发红包等现金交易需求。M1被称为狭义货币，除包含M0外，还涵盖了单位活期存款、个人活期存款和非银行支付机构客户备付金。单位活期存款可用于企业日常的资金收付和结算，企业支付货款、发放工资等操作大多通过单位活期存款进行；个人活期存款则是居民随时可动用的资金，满足日常生活开销；非银行支付机构客户备付金，像微信钱包、支付宝余额等，能直接用于线上线下的便捷支付或交易。M1的规模和变化体现了经济主体短期内可随时动用的资金总量，是衡量经济短期活力和市场交易活跃度的关键指标。当M1增速较快时，表明企业和居民手中的活期资金充裕，消费和投资意愿较强，经济活动更为活跃，市场交易频繁，资金流转速度加快。M2作为广义货币，在M1的基础上纳入了单位定期存款、个人定期存款等几乎一切可能转化为现实购买力的货币形式。单位定期存款反映了企业的长期资金配置和投资规划，企业将一部分资金存入定期存款，以获取相对稳定的利息收益，同时也锁定了这部分资金的使用期限；个人定期存款则体现了居民的储蓄偏好和财富积累方式，居民为实现未来的特定目标，如购房、子女教育、养老等，将资金存入定期存款。M2不仅反映了当前的购买力，还预示着未来潜在的购买力，对宏观经济的长期走势和通货膨胀预期有着重要影响。随着经济的发展和居民收入的增加，M2的规模通常呈上升趋势，反映了社会财富的积累和货币总量的增长。货币创造理论进一步揭示了货币供应量的形成机制。现代货币体系中，商业银行在货币创造过程中扮演着核心角色。商业银行通过吸收存款、发放贷款等业务活动，实现货币的多倍扩张。当商业银行吸收到一笔原始存款后，按照法定存款准备金率的要求，将一部分存款作为准备金留存，剩余部分则可用于发放贷款。获得贷款的企业或个人将资金存入其他银行，这些银行又可按照相同的方式进行放贷，如此循环往复，最终形成数倍于原始存款的货币供应量。假设法定存款准备金率为10%，商业银行吸收了100万元的原始存款，需留存10万元作为准备金，可放贷90万元。这90万元贷款被存入其他银行后，其他银行同样留存9万元准备金，又可放贷81万元，以此类推，最终货币供应量将远远超过原始存款。中央银行通过多种货币政策工具对货币供应量进行调控，以实现宏观经济目标。法定存款准备金率是央行调控货币供应量的有力工具之一。当央行提高法定存款准备金率时，商业银行需缴存的准备金增加，可用于放贷的资金减少，货币创造能力受到抑制，从而使货币供应量收缩；反之，降低法定存款准备金率，商业银行可放贷资金增多，货币供应量扩张。再贴现率的调整也会对货币供应量产生影响。再贴现率是商业银行将未到期的票据向央行贴现时的利率，若央行降低再贴现率，商业银行向央行贴现的成本降低，会增加贴现行为，从而获得更多资金用于放贷，促使货币供应量增加；提高再贴现率则效果相反。公开市场操作是央行日常调控货币供应量的常用手段，央行通过在公开市场上买卖国债、央行票据等有价证券，直接影响基础货币的投放量。买入有价证券时，央行向市场注入资金，增加基础货币，进而扩大货币供应量；卖出有价证券则回笼资金，减少货币供应量。货币供给对经济有着多方面的深刻影响。在物价水平方面，货币供给与物价密切相关。当货币供给增加时，若经济中的商品和服务供应未能同步增长，过多的货币追逐相对较少的商品和服务，必然导致物价上涨，引发通货膨胀；反之，货币供给减少可能引发物价下跌，甚至出现通货紧缩。在经济增长方面，适度增加货币供给能够为企业提供充足的资金，激发企业的投资热情，推动生产扩张，从而有力地促进经济增长。但如果货币供给过度增加，可能引发资源配置不合理，导致经济过热和泡沫，最终对经济的长期稳定增长造成负面影响。货币供给还会对利率产生作用，货币供给增加，市场上资金充裕，利率往往会下降，这会降低企业的融资成本，刺激投资和消费；相反，货币供给减少会使利率上升，抑制投资和消费。货币供给的变动还会影响就业情况，充足的货币供给有助于企业扩大生产规模，创造更多的就业机会；但如果货币供给失衡，可能导致经济波动，影响就业的稳定性。2.2资产价格相关理论资产价格的形成与变动是金融领域研究的核心问题之一，其背后蕴含着复杂的经济原理和理论基础。资产定价模型和资产价格波动理论从不同角度解释了资产价格的形成机制和变动原因，为理解金融市场的运行规律提供了关键的理论支持。资本资产定价模型（CAPM）是现代金融理论的基石之一，由威廉・夏普（WilliamSharpe）、约翰・林特纳（JohnLintner）和杰克・特雷诺（JackTreynor）等人在20世纪60年代提出。该模型基于一系列严格的假设，旨在阐述在市场均衡状态下，资产的预期收益率与系统性风险之间的定量关系。CAPM的核心假设包括投资者是理性的，他们追求预期效用最大化，且对资产的收益和风险具有相同的预期；市场是完全有效的，信息能够迅速、准确地在市场中传播，不存在交易成本和税收；资产可以无限细分，投资者可以自由买卖资产。在这些假设前提下，CAPM引入了贝塔系数（β）来衡量资产相对于市场整体风险的波动程度。贝塔系数反映了资产收益率对市场收益率变动的敏感程度，当β>1时，表明资产的波动大于市场平均波动，具有较高的风险；当β<1时，资产波动小于市场平均波动，风险相对较低；当β=1时，资产波动与市场一致。CAPM的公式为：E(R_i)=R_f+β_i\times[E(R_m)-R_f]，其中E(R_i)代表资产i的预期收益率，R_f代表无风险利率，E(R_m)代表市场的预期收益率，β_i代表资产i的贝塔系数。该公式表明，资产的预期收益率由无风险利率和风险溢价两部分组成，风险溢价与贝塔系数成正比，即资产的风险越高，投资者要求的预期收益率也越高。在股票市场中，科技股通常具有较高的贝塔系数。由于科技行业创新速度快、竞争激烈，其股票价格受市场整体环境和行业发展趋势的影响较大。当市场处于上升期时，科技股的涨幅往往超过市场平均水平；而在市场下跌时，科技股的跌幅也更为显著。相比之下，消费必需品行业的股票贝塔系数较低，如食品饮料、医药等行业。这些行业的产品需求相对稳定，受经济周期的影响较小，股票价格波动相对较小，投资者对其预期收益率的要求也相对较低。套利定价理论（APT）由斯蒂芬・罗斯（StephenRoss）在1976年提出，它是对CAPM的重要拓展。APT认为，资产的预期收益率不仅仅取决于市场风险这一个因素，而是受到多个系统性风险因素的共同影响。这些因素可以包括宏观经济变量，如通货膨胀率、利率、国内生产总值（GDP）增长率等；行业特定因素，如行业竞争格局、技术创新等；以及其他影响资产价格的因素。APT通过构建一个多因素模型来描述资产价格的形成机制。假设存在k个影响资产收益率的因素，资产i的预期收益率可以表示为：E(R_i)=R_f+\sum_{j=1}^{k}\beta_{ij}\times[E(F_j)-R_f]，其中\beta_{ij}表示资产i对因素j的敏感系数，E(F_j)表示因素j的预期收益率。与CAPM相比，APT放松了对市场完全有效和投资者具有相同预期的严格假设，更加贴近现实金融市场的复杂性。在实际应用中，研究发现房地产价格不仅受到市场利率、通货膨胀等宏观经济因素的影响，还与土地政策、城市化进程等因素密切相关。当政府出台宽松的土地政策，增加土地供应时，房地产市场的供给增加，可能导致房价下跌；而城市化进程的加速，人口向城市聚集，住房需求增加，会推动房价上涨。在股票市场中，不同行业的股票对各种因素的敏感程度也各不相同。能源行业的股票价格对国际原油价格的波动较为敏感，当原油价格上涨时，能源企业的利润增加，股票价格往往上升；而金融行业的股票则对利率变动更为敏感，利率下降会降低金融机构的融资成本，提高其盈利能力，从而推动金融股价格上涨。行为金融理论从投资者的心理和行为角度出发，对传统资产定价理论进行了反思和补充。传统金融理论假设投资者是完全理性的，能够根据所有可得信息做出最优决策。然而，大量的实证研究和市场观察表明，投资者在实际决策过程中往往受到各种认知偏差和情绪因素的影响，导致其行为偏离理性假设。常见的认知偏差包括过度自信、损失厌恶、锚定效应、羊群效应等。过度自信使投资者高估自己的能力和对市场的判断，从而做出过度冒险的投资决策。许多投资者在股票市场中频繁交易，认为自己能够准确把握市场走势，获得超额收益，但实际上大多数人难以战胜市场平均水平。损失厌恶导致投资者对损失的感受比对收益更为强烈，他们更倾向于规避损失，而不是追求收益最大化。当股票价格下跌时，投资者往往不愿意卖出股票，而是等待价格回升，即使有充分的证据表明股票价格可能继续下跌。锚定效应使投资者在决策时过度依赖初始信息，如股票的历史价格、分析师的初始预测等，而忽视了新的信息和市场变化。羊群效应则表现为投资者在决策时倾向于跟随大多数人的行为，而不考虑自己的独立判断，导致市场出现过度反应和价格泡沫。在股票市场中，当某只股票价格持续上涨时，投资者往往会受到羊群效应的影响，纷纷跟风买入，进一步推高股价，形成价格泡沫。而当市场出现恐慌情绪时，投资者又会因为损失厌恶和过度恐慌，纷纷抛售股票，导致股价大幅下跌，市场过度反应。行为金融理论认为，这些非理性行为会导致资产价格偏离其内在价值，市场并非总是有效的。该理论为解释资产价格的异常波动和市场的非理性行为提供了新的视角，丰富了资产价格理论的研究内容。资产价格波动理论从宏观经济、市场供求、投资者预期等多个层面解释了资产价格变动的原因。宏观经济因素是影响资产价格波动的重要基础。经济增长状况、通货膨胀率、利率水平等宏观经济变量的变化，都会对资产价格产生直接或间接的影响。在经济增长强劲时期，企业盈利预期增加，股票价格往往会上涨；通货膨胀上升可能导致利率提高，债券价格则会受到下行压力。市场供求关系是决定资产价格的直接因素。当对某种资产的需求大于供给时，价格通常会上涨；反之，价格则可能下跌。在房地产市场中，如果某个地区的购房需求旺盛，而房源供应有限，房价就会上升。投资者的预期和情绪也在资产价格波动中起着关键作用。投资者对未来经济形势、资产收益的预期，以及市场的乐观或悲观情绪，都会影响他们的买卖决策，进而导致资产价格的波动。当投资者普遍对市场前景持乐观态度时，他们会增加投资，推动资产价格上涨；而当投资者情绪转向悲观时，可能会大量抛售资产，引发价格下跌。资产价格的形成和变动是一个复杂的过程，受到多种理论因素的综合影响。资产定价模型从风险与收益的关系、多因素影响等角度为资产定价提供了理论框架；行为金融理论揭示了投资者非理性行为对资产价格的作用；资产价格波动理论则从宏观经济、市场供求和投资者预期等层面解释了资产价格变动的原因。这些理论相互补充，共同为深入理解货币供应量与资产价格变动的关系奠定了坚实的理论基础。2.3国内外文献综述关于货币供应量与资产价格关系的研究，国内外学者从理论和实证多个角度进行了深入探讨，取得了丰富的研究成果，为后续研究奠定了坚实基础，也为金融市场参与者和政策制定者提供了重要参考。国外学者对货币供应量与资产价格关系的研究起步较早，在理论和实证方面都进行了深入探索。Friedman（1988）对美国市场的研究具有开创性意义，他发现货币供应或货币流通速度对股市价格波动有较强的解释力，为后续研究指明了方向。此后，Dayananda和Wen-YaoKo（1996）对我国台湾地区的研究表明，股价收益率与货币供应量之间呈正向相关，尽管在统计意义上显著性并不强，但也初步揭示了货币供应量对股价的影响。随着研究的深入，学者们开始运用更复杂的模型和方法来分析两者关系。Kontonikas和Ioannidis（2004）通过建立向量自回归（VAR）模型，对英国的货币供应量与股票价格进行实证研究，发现货币供应量的变化对股票价格有显著影响，且这种影响具有一定的时滞。他们的研究进一步验证了货币供应量与资产价格之间存在动态关系，为后续研究提供了重要的方法借鉴。在房地产市场方面，Gerlach和Peng（2005）对香港地区的研究发现，货币供应量是影响房地产价格的重要因素之一。他们通过协整分析和误差修正模型，揭示了货币供应量与房地产价格之间的长期均衡关系和短期动态调整机制，为理解房地产市场的波动提供了新的视角。国内学者在借鉴国外研究的基础上，结合我国实际情况，对货币供应量与资产价格关系展开了广泛研究。易纲和王召（2002）从理论上分析了货币供应量对资产价格的影响机制，认为货币供应量的变化会通过财富效应、替代效应等影响资产价格，为国内相关研究提供了重要的理论框架。近年来，国内学者运用多种计量方法进行实证研究。周晖和王擎（2009）运用格兰杰因果检验和协整检验等方法，对我国货币供应量与股票价格、房地产价格的关系进行研究，发现货币供应量与股票价格、房地产价格之间存在长期均衡关系，且货币供应量是股票价格和房地产价格的格兰杰原因。他们的研究结果为我国货币政策制定者提供了重要的决策依据，也进一步丰富了国内在该领域的研究成果。然而，现有研究仍存在一些不足之处。一方面，部分研究在模型设定和变量选择上存在一定局限性，可能遗漏了一些重要影响因素，导致研究结果的准确性和可靠性受到一定影响。在研究货币供应量与资产价格关系时，未能充分考虑宏观经济形势、国际经济环境等因素的变化对两者关系的影响。另一方面，不同学者的研究结论存在一定差异，这可能与研究样本、研究方法和数据处理方式的不同有关。由于我国金融市场发展迅速，市场环境和政策背景不断变化，现有研究成果在时效性和适用性上可能存在一定问题，难以完全满足当前金融市场发展的需求。当前研究趋势呈现出多维度拓展的特点。在研究视角上，越来越多的学者开始关注不同市场环境和政策背景下货币供应量与资产价格关系的变化。在经济转型期、金融创新加速等特殊时期，两者关系可能会发生结构性转变，需要进一步深入研究。在研究方法上，不断引入新的计量技术和模型，如时变参数向量自回归模型（TVP-VAR）、分位数回归等，以更准确地刻画货币供应量与资产价格之间的动态关系和非线性特征。结合宏观经济理论和微观金融理论，从宏观和微观两个层面深入剖析货币供应量与资产价格关系的内在机制，也成为未来研究的重要方向之一。三、我国货币供应量与资产价格的现状分析3.1我国货币供应量的现状与特征3.1.1货币供应量的规模与增长趋势近年来，我国货币供应量呈现出持续增长的态势，在经济运行中扮演着至关重要的角色。从具体数据来看，2015年末，我国广义货币供应量（M2）余额为139.23万亿元，到2024年末，M2余额已飙升至313.53万亿元，短短九年时间，M2规模增长了1.25倍，年均增长率约为9.9%。这一增长趋势反映了我国经济规模的不断扩张以及货币化程度的逐步加深。从增长趋势的阶段性变化来看，在2008-2010年全球金融危机期间及之后的一段时间，为应对经济下行压力，我国实施了适度宽松的货币政策，M2增速显著加快。2009年，M2同比增速高达27.7%，大量的货币投放有效刺激了经济增长，推动了基础设施建设和企业投资的快速发展。随着经济逐渐复苏，为避免通货膨胀压力过大和资产泡沫过度积累，货币政策逐渐回归稳健，M2增速开始逐步放缓。在2017-2019年期间，M2增速稳定在8%-9%之间，体现了货币政策在保持经济稳定增长与防范金融风险之间的平衡。2020年，受新冠疫情冲击，经济面临巨大挑战，货币政策再次加大逆周期调节力度，M2增速有所回升。2020年末，M2同比增长10.1%，为疫情防控和经济恢复提供了充足的流动性支持。此后，随着疫情防控取得阶段性成效，经济逐步复苏，M2增速又逐渐回归到合理区间。2024年，M2同比增长7.3%，既满足了经济复苏对货币的合理需求，又保持了货币环境的相对稳定。通过与其他国家的横向比较，能更清晰地认识我国货币供应量的规模和增长情况。以美国为例，2024年末，美国M2供应量约为22.16万亿美元，按当年平均汇率计算，约合人民币158.55万亿元，远低于我国同期的M2规模。从增长速度来看，美国在2008年金融危机后实施了量化宽松政策，M2增速在2009-2014年期间较高，之后随着经济复苏和货币政策正常化，增速逐渐放缓。近年来，美国M2增速基本保持在2%-6%之间，低于我国同期增速。这表明我国货币供应量在规模和增长速度上与美国存在一定差异，这与两国的经济结构、发展阶段和货币政策目标密切相关。货币供应量的增长与经济增长之间存在着紧密的联系。理论上，适度的货币供应量增长能够为经济增长提供必要的资金支持，促进投资和消费，推动经济发展。当企业有充足的资金用于扩大生产规模、购置设备和研发创新时，能够提高生产效率，增加产出，从而带动经济增长。货币供应量的过度增长可能引发通货膨胀，导致物价上涨，资产价格泡沫化，对经济的长期稳定增长产生负面影响。通过对我国M2增长率与国内生产总值（GDP）增长率的相关性分析发现，两者之间存在一定的正相关关系。在经济增长较快的时期，如2003-2007年，M2增长率也相对较高，平均增速达到17.8%，为经济的高速增长提供了有力的资金保障。而在经济增速换挡期，如2011-2019年，M2增长率也相应放缓，与经济增长的变化趋势基本一致。但也应注意到，在某些特殊时期，两者的相关性可能会出现背离。在2009年，M2增速大幅提高，而GDP增速在当年并未出现同步大幅增长，这主要是因为大量的货币投放需要一定的时间才能在经济增长中体现出来，存在一定的时滞效应。货币供应量的增长对通货膨胀也有着重要影响。当货币供应量增长速度超过经济实际增长速度时，过多的货币追逐相对较少的商品和服务，容易引发通货膨胀。根据货币数量论公式MV=PY（其中M为货币供应量，V为货币流通速度，P为物价水平，Y为实际产出），在货币流通速度V和实际产出Y相对稳定的情况下，M的增加会直接导致P的上升。在20世纪90年代初期，我国经济快速发展，货币供应量增长较快，导致通货膨胀率一度较高，1994年居民消费价格指数（CPI）同比上涨24.1%。随着货币政策调控能力的不断增强和经济结构的优化，近年来我国在保持货币供应量适度增长的同时，较好地控制了通货膨胀水平，CPI涨幅基本保持在合理区间。3.1.2货币供应量的结构分析货币供应量的结构分析对于深入理解我国货币政策传导机制和经济运行状况具有重要意义。我国货币供应量主要分为M0、M1和M2三个层次，各层次货币在流动性和经济功能上存在显著差异，其占比及变化反映了经济活动的不同特征和趋势。M0作为最基础的货币层次，代表着流通中的现金，是最具流动性的货币形式。在日常生活中，人们进行小额交易，如乘坐公共交通、购买早餐等，使用的现金就属于M0。2015年末，我国M0余额为6.32万亿元，到2024年末，M0余额增长至12.82万亿元，年均增长约8.4%。尽管移动支付等非现金支付方式近年来发展迅速，但M0的规模仍保持着一定的增长态势，这表明现金在经济活动中仍然具有不可替代的作用，尤其是在一些小额、即时的交易场景中。M0占M2的比重总体呈现出下降趋势。2015年，M0占M2的比重为4.54%，到2024年，这一比重降至4.1%。这一变化主要归因于支付体系的不断创新和完善。随着移动支付技术的普及，微信支付、支付宝等第三方支付平台的广泛应用，人们在日常消费中越来越多地使用电子支付方式，减少了对现金的依赖。非现金支付工具的便捷性和高效性，使得资金的流转速度加快，降低了对现金的需求，从而导致M0占比下降。M1为狭义货币，包括M0以及单位活期存款、个人活期存款和非银行支付机构客户备付金。单位活期存款是企业等单位用于日常资金收付和结算的重要资金来源，企业支付货款、发放工资等操作大多通过单位活期存款进行；个人活期存款则方便居民随时支取用于日常生活开销；非银行支付机构客户备付金，如微信钱包、支付宝余额等，可直接用于线上线下的便捷支付或交易。2015年末，我国M1余额为40.10万亿元，2024年末达到67.1万亿元，年均增长约6.9%。M1占M2的比重波动较大，反映了经济活动的活跃度和资金的流动情况。在经济增长较快、市场信心较强的时期，企业和居民的资金使用效率较高，活期存款占比增加，M1占M2的比重往往上升。在2015-2016年期间，我国经济处于结构调整和转型升级阶段，企业加大了对生产经营的投入，资金周转加快，M1占M2的比重从28.8%上升至30.0%。而在经济增长放缓、市场不确定性增加时，企业和居民倾向于持有定期存款等更为稳健的资产，M1占M2的比重则会下降。在2023-2024年，受国内外经济形势复杂多变的影响，M1占M2的比重有所下降，从21.9%降至21.4%。M2作为广义货币，涵盖了几乎所有可能转化为现实购买力的货币形式，包括M1以及单位定期存款、个人定期存款等。2015-2024年期间，M2规模持续稳步增长，反映了我国经济的货币化程度不断提高，社会财富总量不断增加。M2的构成中，单位定期存款和个人定期存款占比较大，且相对稳定。单位定期存款体现了企业对长期资金的规划和配置，企业将一部分资金存入定期存款，以获取相对稳定的利息收益，同时也锁定了这部分资金的使用期限，用于支持企业的长期发展战略，如扩大生产规模、进行技术研发等。个人定期存款则反映了居民的储蓄偏好和财富积累方式，居民为实现未来的特定目标，如购房、子女教育、养老等，会将一部分资金存入定期存款。2024年末，单位定期存款和个人定期存款占M2的比重分别为22.5%和32.6%，两者之和超过了M2的一半以上。近年来，随着金融创新的不断推进，一些新型金融工具和理财产品的出现，对M2的结构产生了一定影响。货币市场基金、现金管理类理财产品等，因其具有流动性强、收益相对稳定等特点，受到投资者的青睐，吸引了部分居民和企业的资金。这些资金虽然未直接体现在传统的M2统计口径中，但通过金融机构的资金运作，实际上也参与了货币创造和流通，对M2的结构和总量产生了间接影响。随着金融市场的进一步发展和监管政策的完善，这些新型金融工具对货币供应量结构的影响将需要持续关注和深入研究。3.2我国资产价格的现状与特征3.2.1股票价格的波动情况我国股票市场历经多年发展，已成为经济体系中不可或缺的重要组成部分，其价格波动不仅反映了市场的供需关系和投资者的预期，还与宏观经济形势、政策环境等因素密切相关。以上证综指作为我国股票市场价格的代表性指标，其走势呈现出明显的阶段性特征。在2015年上半年，上证综指从年初的3234.68点一路飙升至6月12日的5178.19点，涨幅高达60.08%。这一时期，股票价格的快速上涨主要得益于多方面因素。货币政策较为宽松，市场流动性充裕，大量资金流入股票市场，为股价上涨提供了充足的资金支持。融资融券业务的快速发展，增加了市场的杠杆资金，进一步推动了股价的上升。投资者对经济前景的乐观预期以及对股市财富效应的追逐，使得市场投资热情高涨，大量投资者纷纷涌入股市，推动股票需求大幅增加，从而拉动股价持续攀升。然而，2015年6月中旬之后，上证综指迅速下跌，在短短几个月内大幅回调。到2016年1月27日，上证综指跌至2638.30点，较前期高点跌幅达到49.05%。此次股价暴跌的原因较为复杂。前期股价的过度上涨积累了巨大的泡沫，市场估值严重偏高，股票价格远远脱离了其内在价值，为股价的回调埋下了隐患。监管部门加强了对融资融券业务的监管，清理场外配资，导致市场杠杆资金迅速撤离，股票市场资金面紧张，股价失去了资金支撑，引发了恐慌性抛售。国际金融市场的动荡也对我国股票市场产生了负面影响，投资者信心受到严重打击，进一步加剧了股价的下跌。在2016-2017年期间，上证综指呈现出震荡上行的态势。2016年初，在经历了前期的暴跌后，市场逐渐企稳，政策层面也出台了一系列稳定股市的措施，如加强监管、完善市场制度等，为股市的稳定发展创造了有利条件。经济基本面的逐步改善，企业盈利水平有所提升，也为股价的上涨提供了支撑。在此期间，上证综指从2016年初的2638.30点稳步上涨至2017年末的3307.17点，涨幅达到25.35%。2018年，受国内外多种因素的综合影响，上证综指大幅下跌。中美贸易摩擦不断升级，给我国经济和企业发展带来了不确定性，企业盈利预期下降，投资者信心受挫。国内金融去杠杆政策的持续推进，导致市场流动性趋紧，股票市场资金压力增大。在这些因素的共同作用下，上证综指从年初的3307.17点一路下跌至年末的2493.90点，跌幅达24.6%，市场整体表现低迷。2019-2020年，随着货币政策的边际宽松和经济的逐步复苏，上证综指再次迎来上涨行情。央行通过降准、降息等货币政策工具，增加市场流动性，为股市注入了活力。政府出台了一系列支持实体经济和资本市场发展的政策，如减税降费、鼓励科技创新等，提升了企业的盈利能力和市场竞争力，也增强了投资者对股市的信心。在这期间，上证综指从2019年初的2493.90点上涨至2020年末的3473.07点，涨幅达到39.26%。2021-2022年，股市走势较为复杂，呈现出震荡调整的格局。宏观经济面临着需求收缩、供给冲击、预期转弱三重压力，经济增长面临一定挑战，企业盈利增速放缓，对股价产生了一定的抑制作用。监管部门加强了对资本市场的监管，规范市场秩序，对一些行业和企业的监管政策也有所调整，这使得市场对部分行业和企业的预期发生变化，导致股价波动。在这两年间，上证综指在3300-3700点之间波动，整体涨幅相对较小。进入2023-2024年，上证综指继续在波动中前行。经济结构调整持续推进，新兴产业快速发展，但传统产业也面临着转型升级的压力，不同行业的发展分化对股价产生了不同影响。国际经济形势复杂多变，全球经济增长放缓，地缘政治冲突加剧，也给我国股票市场带来了一定的外部压力。在此期间，上证综指在3000-3400点之间震荡，市场整体表现较为平稳，但也存在一定的不确定性。通过对上证综指波动情况的分析，可以看出我国股票价格波动具有以下特点。波动幅度较大，在短期内可能出现大幅上涨或下跌的情况，市场风险较高。股票价格波动与宏观经济形势、政策环境密切相关，宏观经济的变化和政策的调整往往会引发股票价格的相应波动。不同行业和板块的股票价格波动存在差异，一些新兴产业和热点板块的股票价格波动更为剧烈，而一些传统行业的股票价格相对较为稳定。投资者情绪对股票价格波动也有较大影响，当投资者情绪乐观时，股票价格往往上涨；当投资者情绪悲观时，股票价格则容易下跌。3.2.2房地产价格的波动情况房地产市场作为我国经济的重要支柱产业之一，其价格波动不仅关系到居民的生活质量和财富状况，还对宏观经济的稳定和发展产生深远影响。近年来，我国房地产价格呈现出复杂的波动态势，受到多种因素的综合作用。从全国层面来看，房地产价格总体上呈现出长期上涨的趋势。根据国家统计局数据，2015-2024年期间，全国商品房平均销售价格从6793元/平方米上涨至10113元/平方米，涨幅达到48.87%，年均涨幅约为4.4%。这一上涨趋势反映了我国经济的快速发展、城市化进程的加速以及居民收入水平的提高对住房需求的持续推动。随着我国经济的不断增长，居民收入稳步增加，对住房的改善性需求和投资性需求不断上升；城市化进程的加快，大量农村人口涌入城市，也增加了城市住房的需求，从而推动了房价的上涨。在这一长期上涨的过程中，房地产价格也经历了多次短期的波动。2015-2016年，房地产市场呈现出快速升温的态势，房价涨幅较大。2015年，全国商品房平均销售价格同比上涨6.9%，2016年同比上涨11.3%。这一时期房价快速上涨的原因主要包括货币政策的宽松，房贷利率下降，购房成本降低，刺激了居民的购房需求；地方政府为了促进经济增长，加大了对房地产市场的支持力度，放松了房地产调控政策；市场预期的改变，投资者对房地产市场的前景充满信心，纷纷加大投资，进一步推高了房价。为了抑制房价的过快上涨，防范房地产市场泡沫风险，2016年底，中央提出“房住不炒”定位，此后，各地陆续出台了一系列严格的房地产调控政策，包括限购、限贷、限售、限价等措施。这些政策的实施使得房地产市场热度逐渐降温，房价涨幅得到有效控制。2017-2018年，全国商品房平均销售价格同比涨幅分别降至7.7%和5.2%，房价上涨速度明显放缓。2019-2020年上半年，在政策的持续调控下，房地产市场保持相对稳定，房价涨幅进一步收窄。2019年，全国商品房平均销售价格同比上涨3.8%，2020年上半年同比上涨3.1%。然而，2020年下半年，受疫情后经济复苏、货币政策适度宽松以及部分城市房地产政策微调等因素的影响，房地产市场活跃度有所提升，房价再次出现一定幅度的上涨。2020年全年，全国商品房平均销售价格同比上涨5.8%。2021-2022年，随着房地产调控政策的持续深化和金融监管的加强，房地产市场面临较大调整压力，房价涨幅进一步回落，部分城市房价甚至出现下跌。2021年，全国商品房平均销售价格同比上涨4.8%，2022年同比下降2.9%。这一时期，房地产企业面临融资困难、销售回款不畅等问题，市场观望情绪浓厚，购房需求受到抑制，导致房价出现下行压力。2023-2024年，房地产市场继续处于调整阶段，但政策面逐渐出现边际放松的信号，部分城市开始适度放宽房地产调控政策，以促进房地产市场的平稳健康发展。在此背景下，房地产价格整体保持相对稳定，部分城市房价出现企稳回升的迹象。2023年，全国商品房平均销售价格同比下降1.5%，2024年同比上涨0.2%，房价波动逐渐趋于平缓。我国房地产价格波动存在明显的区域差异。一线城市和部分热点二线城市房价水平较高，且波动幅度相对较大。北京、上海、深圳等一线城市，由于其经济发达、资源集中、人口流入量大，住房需求旺盛，房价一直处于高位。在房地产市场繁荣时期，这些城市的房价涨幅往往领先于全国平均水平；而在市场调整阶段，房价的下跌幅度也相对较大。深圳在2015-2016年房价涨幅高达34.8%，但在2021-2022年房价也出现了明显下跌，2022年二手房价格同比下降15.5%。相比之下，部分三四线城市及经济欠发达地区房价水平相对较低，且波动相对较小。这些城市经济发展水平有限，人口增长缓慢，住房需求相对不足，房地产市场发展相对滞后，房价上涨动力较弱。在房地产市场调整时期，这些城市的房价更容易受到冲击，面临较大的去库存压力。一些资源枯竭型城市和人口净流出的三四线城市，房价长期低迷，甚至出现持续下跌的情况。房地产价格波动受到多种因素的影响。经济因素是影响房价的重要基础，包括经济增长、居民收入、就业状况等。经济增长强劲、居民收入提高、就业稳定时，居民购房能力和意愿增强，房价往往上涨；反之，房价可能下跌。政策因素对房价的调控作用显著，政府通过土地政策、货币政策、税收政策等手段对房地产市场进行调控，直接影响房地产市场的供需关系和购房者的成本与预期，从而影响房价走势。人口因素，如人口增长、人口流动和人口结构变化，也会对住房需求产生影响，进而影响房价。城市基础设施建设、教育资源、医疗资源等因素，也会影响居民对住房的选择和房价水平。交通便利、配套设施完善、教育和医疗资源优质的地区，房价往往较高。四、货币供应量影响资产价格的机制分析4.1理论传导机制货币供应量的变动会通过多种复杂的理论传导机制对资产价格产生深刻影响，这些机制相互交织，共同作用于金融市场。深入剖析这些传导机制，对于理解金融市场运行规律、制定科学合理的货币政策以及进行有效的投资决策具有重要意义。4.1.1利率渠道货币供应量与利率之间存在着紧密的反向关联，这种关系是利率渠道发挥作用的基础。当中央银行通过一系列货币政策工具，如降低法定存款准备金率、在公开市场上买入有价证券或降低再贴现率等方式增加货币供应量时，市场上的资金供给会迅速增加。在资金需求相对稳定的情况下，资金的充裕会导致资金的价格，即利率下降。利率作为资金的价格，其变动会对资产的内在价值和投资者的投资决策产生重大影响。从资产内在价值的角度来看，根据现金流贴现模型，资产的价值等于其未来预期现金流的现值之和，而贴现率通常与市场利率密切相关。当利率下降时，未来现金流的贴现率降低，资产的现值增加，从而使得资产的内在价值上升。在股票市场中，一家企业未来的盈利预期为每年100万元，假设初始市场利率为5%，按照现金流贴现模型计算，该企业股票的内在价值为2000万元（100万元÷5%）。当市场利率下降至3%时，其股票的内在价值则上升至3333.33万元（100万元÷3%），这使得股票在市场上更具吸引力，投资者对其需求增加，进而推动股票价格上涨。利率的变动还会影响投资者的投资决策。当利率下降时，银行存款、债券等固定收益类资产的收益率随之降低。投资者为了追求更高的收益，会重新调整自己的资产配置组合，减少对低收益固定收益类资产的持有，转而增加对股票、房地产等风险资产的投资。在债券市场中，当市场利率下降时，债券价格会上升，但其收益率会降低。投资者会觉得债券投资的收益不再具有吸引力，于是将资金从债券市场撤出，投入到股票市场或房地产市场。这种资金的流动会导致股票和房地产市场的需求增加，在供给相对稳定的情况下，需求的增加必然推动资产价格上涨。在实际金融市场中，利率渠道的传导并非一帆风顺，会受到多种因素的制约。金融市场的不完善，如信息不对称、交易成本过高、市场分割等问题，会阻碍利率信号的有效传递，使得利率变动对资产价格的影响无法及时、准确地体现出来。投资者的预期和风险偏好也会对利率渠道的传导产生重要影响。如果投资者对经济前景持悲观态度，即使利率下降，他们也可能不愿意增加对风险资产的投资，从而削弱了利率渠道对资产价格的推动作用。4.1.2资产替代效应资产替代效应是货币供应量影响资产价格的另一个重要机制。当货币供应量发生变化时，会导致不同资产之间的相对收益率发生改变，从而引发投资者对资产组合的重新配置，进而影响资产价格。当货币供应量增加时，市场上的货币资金变得充裕，货币的边际收益下降。投资者为了实现资产收益的最大化，会倾向于减少货币的持有，转而增加对其他资产的投资。在金融市场中，投资者通常会在货币、债券、股票、房地产等多种资产之间进行选择和配置。当货币供应量增加，货币的收益率相对下降时，投资者会将更多的资金投向收益率相对较高的资产，如股票和房地产。以股票市场为例，当货币供应量增加，市场利率下降，债券等固定收益类资产的收益率降低。投资者会发现股票的预期收益率相对更高，于是会将原本投资于债券或货币的资金转移到股票市场。随着大量资金涌入股票市场，股票的需求迅速增加，而股票的供给在短期内相对稳定，根据供求原理，需求的增加必然导致股票价格上涨。同样，在房地产市场，当货币供应量增加，投资者为了寻求更高的收益，会将部分资金用于购买房产，推动房地产价格上升。资产替代效应的发挥还受到投资者风险偏好和资产流动性等因素的影响。投资者的风险偏好不同，对资产的选择也会有所差异。风险偏好较高的投资者在货币供应量增加时，可能更倾向于投资高风险、高收益的资产，如股票；而风险偏好较低的投资者可能更注重资产的安全性和稳定性，会选择投资债券或房地产等相对低风险的资产。资产的流动性也是影响资产替代效应的重要因素。流动性强的资产，如股票和货币市场基金，投资者可以更方便地进行买卖和转换，在资产替代过程中更具优势。而流动性较差的资产，如房地产，由于交易成本较高、交易周期较长，投资者在进行资产替代时会更加谨慎。4.1.3预期渠道货币供应量的变动不仅会直接影响资产价格，还会通过改变市场参与者的预期，间接对资产价格产生影响。市场参与者对未来经济形势、通货膨胀率、利率走势等因素的预期，会影响他们的投资决策和资产定价，进而影响资产价格。当货币供应量增加时，市场参与者会根据这一变化对未来经济形势和资产价格走势进行预期。如果市场参与者预期货币供应量的增加将导致经济增长加速，企业的盈利水平将提高，他们会认为股票等资产的未来收益将增加，从而提高对这些资产的估值，增加对它们的需求，推动资产价格上涨。在经济衰退时期，中央银行增加货币供应量，投资者会预期经济将逐渐复苏，企业的销售额和利润将随之增长。这种预期会使得投资者对股票的需求增加，推动股票价格上升。货币供应量的增加还可能引发市场参与者对通货膨胀的预期。如果市场参与者预期货币供应量的增加将导致通货膨胀率上升，他们会认为持有现金的实际价值将下降，为了保值增值，会增加对房地产、黄金等具有保值功能资产的需求，从而推动这些资产价格上涨。当市场预期通货膨胀率上升时，投资者会担心手中的货币贬值，于是会将资金投向房地产市场。房地产作为一种实物资产，具有一定的保值功能，在通货膨胀预期下，其需求会增加，价格也会相应上涨。预期渠道的作用效果还受到市场信息透明度、投资者信心等因素的影响。如果市场信息透明度高，投资者能够及时、准确地获取货币供应量变动等相关信息，并对其进行合理的分析和判断，那么预期渠道对资产价格的影响会更加有效。相反，如果市场信息不透明，投资者难以准确把握货币供应量变动的真实意图和影响，可能会导致预期的偏差，从而影响预期渠道的传导效果。投资者信心也是影响预期渠道的重要因素。当投资者对市场充满信心时，他们更愿意根据货币供应量的变动调整投资决策，预期渠道的作用会更加明显；而当投资者信心不足时，即使货币供应量发生变化，他们也可能持观望态度，不会轻易改变投资策略，从而削弱预期渠道对资产价格的影响。四、货币供应量影响资产价格的机制分析4.2基于案例的机制分析4.2.12008年金融危机案例2008年，一场源自美国的金融危机迅速蔓延至全球，对世界经济和金融市场造成了巨大冲击。在这场危机中，我国经济也未能幸免，面临着严峻的挑战。为应对危机，我国采取了一系列积极的货币政策措施，其中货币供应量的调整对股市和房市产生了深远影响。在金融危机爆发初期，我国经济增长大幅放缓，出口受阻，企业经营困难，股市和房市也陷入低迷。上证综指从2007年10月的6124.04点暴跌至2008年10月的1664.93点，跌幅高达72.81%，股市市值大幅缩水，投资者损失惨重。房地产市场也一片惨淡，房屋销售量大幅下降，房价出现明显下跌，许多房地产企业面临资金链断裂的困境。为了稳定经济增长，我国政府迅速出台了一系列适度宽松的货币政策，大幅增加货币供应量。2008-2009年期间，广义货币供应量（M2）增速显著加快，2009年M2同比增速高达27.7%，新增人民币贷款达到9.59万亿元，创历史新高。大量的货币投放为经济注入了强大的流动性，对股市和房市产生了重要影响。在股市方面，货币供应量的增加通过多种机制推动了股价的上涨。货币供应量的增加导致市场利率下降，降低了企业的融资成本。企业可以以更低的利率获得贷款，用于扩大生产、研发创新等，从而提高了企业的盈利能力和未来的预期收益。根据现金流贴现模型，企业未来预期收益的增加会提高股票的内在价值，吸引投资者购买股票，推动股价上涨。利率的下降也使得债券等固定收益类资产的收益率降低，投资者为了追求更高的收益，会将资金从债券市场转移到股票市场，增加了股票的需求，进一步推动股价上升。货币供应量的增加改变了投资者的预期。投资者预期经济将在货币宽松的环境下逐渐复苏，企业的盈利将改善，股市将迎来上涨行情。这种乐观的预期促使投资者增加对股票的投资，推动股价不断攀升。上证综指在2008年10月触底后开始反弹，到2009年8月上涨至3478.01点，涨幅达到108.9%，股市逐渐恢复了活力。在房市方面，货币供应量的增加同样通过多种途径影响房价。货币供应量的增加使得房贷利率下降，降低了购房者的贷款成本。购房者每月的还款额减少，购房压力减轻，这刺激了居民的购房需求。许多原本因贷款成本高而犹豫不决的购房者纷纷出手购房，推动了房屋销售量的增加。货币供应量的增加使得房地产企业的融资环境得到改善。企业可以更容易地获得银行贷款和其他融资渠道的资金，缓解了资金链紧张的局面，有更多的资金用于土地购置、项目开发和楼盘建设，保证了房地产市场的供应。货币供应量的增加引发了市场对通货膨胀的预期。投资者担心货币贬值，为了保值增值，纷纷将资金投向房地产市场。房地产作为一种实物资产，具有一定的保值功能，在通货膨胀预期下，其需求大幅增加，推动房价不断上涨。在2009-2010年期间，全国商品房平均销售价格从4681元/平方米上涨至5034元/平方米，涨幅达到7.54%，部分一线城市房价涨幅更为惊人。2008年金融危机期间我国货币供应量调整对股市和房市的影响显著。通过利率渠道、资产替代效应和预期渠道等多种机制，货币供应量的增加推动了股市和房市的复苏和上涨，对稳定经济增长起到了重要作用。也应注意到，过度的货币宽松可能会导致资产价格泡沫的形成，增加金融市场的风险。在制定货币政策时，需要综合考虑各种因素，在促进经济增长和防范金融风险之间寻求平衡。4.2.22020年新冠疫情案例2020年初，新冠疫情突如其来，迅速在全球范围内蔓延，给世界经济带来了巨大冲击。我国经济也遭受重创，各行各业面临严峻挑战，企业停工停产，消费市场低迷，投资活动受阻，国际贸易大幅萎缩。在这种背景下，为稳定经济，我国实施了货币宽松政策，这一政策对资产价格产生了重要的作用。疫情爆发初期，股市和房市均受到严重冲击。股票市场大幅下跌，上证综指在2020年2月3日开盘即大幅低开，当日跌幅达到7.72%，许多股票价格腰斩，投资者信心受到极大打击。房地产市场也陷入停滞，售楼处关闭，房屋交易基本处于冻结状态，房价面临下行压力。为应对疫情对经济的冲击，我国央行迅速采取行动，实施了一系列货币宽松政策。通过降准、降息、公开市场操作等手段，增加市场流动性，扩大货币供应量。2020年，广义货币供应量（M2）增速明显加快，同比增长10.1%，新增人民币贷款19.63万亿元，比上年多增2.82万亿元。在股票市场，货币宽松政策主要通过以下路径影响资产价格。货币供应量的增加使得市场利率下降，债券等固定收益类资产的收益率降低。投资者为了追求更高的收益，会调整资产配置，减少对债券的投资，增加对股票的持有。大量资金流入股票市场，推动股票需求增加，在股票供给相对稳定的情况下，股票价格上涨。央行多次降低逆回购利率和中期借贷便利（MLF）利率，市场利率随之下降，债券收益率降低，投资者纷纷将资金投向股票市场，推动上证综指在2020年3月触底后持续上涨，到2020年底涨幅达到22.17%。货币宽松政策改变了投资者的预期。投资者预期疫情得到控制后，经济将在货币宽松的支持下逐渐复苏，企业盈利将改善，股票的未来收益将增加。这种乐观的预期促使投资者积极买入股票，推动股价上升。政府出台了一系列支持企业复工复产和经济复苏的政策，增强了投资者对经济和股市的信心，进一步推动了股价的上涨。在房地产市场，货币宽松政策的作用路径如下。房贷利率下降，降低了购房者的贷款成本。许多购房者抓住利率下降的机会，增加购房需求，推动房屋销售量回升。央行通过降低LPR（贷款市场报价利率），引导房贷利率下行，部分城市首套房贷款利率降至历史低位，刺激了居民的购房热情，房屋销售量逐渐恢复。货币供应量的增加改善了房地产企业的融资环境。企业更容易获得银行贷款和其他融资渠道的资金，缓解了资金压力，能够继续推进项目建设和销售。一些房地产企业通过发行债券、获得银行贷款等方式筹集资金，保证了项目的顺利进行，稳定了房地产市场的供应。货币宽松政策引发了市场对通货膨胀的预期，投资者为了保值增值，将部分资金投向房地产市场，推动房价上涨。在2020年下半年，部分城市房地产市场热度回升，房价出现一定幅度的上涨。深圳、杭州等城市房价涨幅较为明显，一些热点楼盘甚至出现抢购现象。2020年新冠疫情下货币宽松政策对资产价格的影响显著。通过资产替代效应、预期渠道等作用路径，货币宽松政策推动了股票价格上涨和房地产市场的复苏，但也需关注资产价格上涨可能带来的风险，加强金融监管，确保金融市场的稳定健康发展。五、我国货币供应量与资产价格变动的实证分析5.1研究设计5.1.1数据选取与来源为深入探究我国货币供应量与资产价格变动的关系，本研究精心选取了具有代表性的数据，涵盖货币供应量、股价、房价等多个关键领域，时间跨度为2010年1月至2024年12月，力求全面、准确地反映我国经济金融市场的动态变化。在货币供应量指标方面，选取广义货币供应量（M2）作为核心代表。M2不仅包括流通中的现金、企事业单位活期存款等流动性较强的货币形式，还涵盖了定期存款、储蓄存款等潜在购买力，能够综合反映社会的货币总量和流动性状况，对经济运行和资产价格有着深远影响。数据来源于中国人民银行官方网站，该网站作为我国货币政策的制定和执行机构，其发布的数据具有权威性、准确性和及时性，为研究提供了坚实的数据基础。对于股价数据，以上证综指作为衡量股票市场整体表现的关键指标。上证综指是上海证券交易所编制的，以在上海证券交易所挂牌上市的全部股票为样本，以发行量为权数综合计算得出的股价指数，能够全面反映上海证券市场股票价格的总体走势，是投资者和研究者广泛关注的重要指标。其数据来源于同花顺金融数据终端，该终端整合了全球金融市场的海量数据，具备强大的数据处理和分析功能，能够提供准确、实时的股价数据及相关市场信息。在房价数据的选取上，以全国商品房平均销售价格作为代表。该数据反映了全国房地产市场的整体价格水平，综合考虑了不同地区、不同类型商品房的销售情况，能够较为全面地体现房地产市场的供需关系和价格变动趋势。数据来源于国家统计局官方网站，国家统计局通过科学的统计方法和广泛的样本采集，对全国房地产市场进行监测和统计，其发布的房价数据具有较高的可信度和代表性。在数据收集过程中，充分考虑了数据的完整性、准确性和一致性。对原始数据进行了仔细的核对和整理，确保数据的时间序列连续、无缺失值。针对可能存在的异常值，进行了严格的筛查和处理，采用均值填充、移动平均等方法进行修正，以保证数据质量，为后续的实证分析提供可靠的数据支持。5.1.2变量设定与模型构建为了准确分析货币供应量与资产价格之间的关系，本研究对相关变量进行了科学设定，并构建了合理的计量经济模型。将广义货币供应量（M2）作为解释变量，用于衡量货币供应量的变化。M2作为货币政策的重要中介目标，其变动直接影响市场的流动性和资金供求关系，进而对资产价格产生作用。为了消除数据的异方差性，增强数据的平稳性，对M2进行对数化处理，记为lnM2。选取上证综指（SZ）作为被解释变量，代表股票价格。上证综指的波动反映了股票市场的整体走势，受到宏观经济形势、货币政策、市场情绪等多种因素的影响，与货币供应量密切相关。同样对上证综指进行对数化处理，记为lnSZ，以更好地体现其与货币供应量之间的数量关系。全国商品房平均销售价格（HP）作为另一个被解释变量，用于衡量房地产价格。房地产市场是我国经济的重要组成部分，房价的波动不仅影响居民的生活和财富状况，还对宏观经济稳定和金融市场安全产生重要影响。对全国商品房平均销售价格进行对数化处理，记为lnHP。考虑到宏观经济形势对货币供应量和资产价格的影响，选取国内生产总值（GDP）作为控制变量。GDP是衡量一个国家或地区经济总量和经济增长的重要指标，其增长反映了经济的繁荣程度和市场的活力，会对货币需求和资产价格产生间接影响。由于GDP数据为季度数据，而其他变量为月度数据，采用线性插值法将GDP数据转换为月度数据，并进行对数化处理，记为lnGDP。为了全面、动态地分析货币供应量与资产价格之间的相互关系，构建向量自回归（VAR）模型。VAR模型是一种基于数据驱动的非结构化模型，它将系统中的每个内生变量作为所有内生变量滞后值的函数来构造模型，能够有效地捕捉变量之间的动态关系和相互作用。在本研究中，VAR模型的一般形式为：Y_t=A_1Y_{t-1}+A_2Y_{t-2}+\cdots+A_pY_{t-p}+\epsilon_t其中，Y_t是由lnM2_t、lnSZ_t、lnHP_t和lnGDP_t组成的内生变量向量，A_1、A_2、\cdots、A_p是待估计的系数矩阵，p为滞后阶数，\epsilon_t是随机扰动项向量，其元素之间可以同期相关，但不与自身的滞后值相关，且不与等式右边的变量相关。在构建VAR模型之前，需要确定合适的滞后阶数p。滞后阶数的选择直接影响模型的估计结果和解释能力，若滞后阶数过小，模型可能无法充分捕捉变量之间的动态关系；若滞后阶数过大，会导致模型参数过多，自由度降低，影响模型的稳定性和预测精度。本研究综合运用LR（似然比）检验、FPE（最终预测误差）准则、AIC（赤池信息准则）、SC（施瓦茨准则）和HQ（汉南-奎因准则）等方法，对不同滞后阶数下的模型进行比较和选择，最终确定最优滞后阶数。在构建VAR模型后，进行一系列的检验和分析，以确保模型的有效性和可靠性。通过单位根检验，验证变量的平稳性，避免出现伪回归问题；运用协整检验，判断变量之间是否存在长期稳定的均衡关系；利用格兰杰因果检验，确定变量之间的因果关系方向；通过脉冲响应函数和方差分解分析，研究变量之间的动态响应特征和贡献度，深入揭示货币供应量与资产价格之间的相互作用机制和影响程度。5.2实证结果与分析5.2.1描述性统计分析对选取的2010年1月至2024年12月期间的广义货币供应量（lnM2）、上证综指（lnSZ）、全国商品房平均销售价格（lnHP）和国内生产总值（lnGDP）数据进行描述性统计分析，结果如下表所示：变量观测值均值标准差最小值最大值lnM218011.7950.45710.87412.678lnSZ1808.3710.4797.1799.152lnHP1808.0030.3367.4388.519lnGDP18010.4520.28410.03410.976从均值来看，lnM2的均值为11.795，反映了我国在样本期内广义货币供应量的平均规模；lnSZ的均值为8.371，体现了上证综指在这一时期的平均水平；lnHP的均值为8.003，代表了全国商品房平均销售价格的平均对数水平；lnGDP的均值为10.452，展示了国内生产总值的平均对数规模。标准差方面，lnM2的标准差为0.457，表明货币供应量在样本期内存在一定的波动，但相对较为稳定；lnSZ的标准差为0.479，显示上证综指的波动相对较大，反映了股票市场的高风险性和不确定性；lnHP的标准差为0.336，说明全国商品房平均销售价格的波动程度相对适中，房地产市场价格相对较为平稳，但也存在一定的波动；lnGDP的标准差为0.284，体现了国内生产总值在样本期内的波动相对较小，经济增长较为稳定。最小值和最大值反映了各变量在样本期内的取值范围。lnM2的最小值为10.874，最大值为12.678，表明货币供应量在不同时期存在一定的变化；lnSZ的最小值为7.179，最大值为9.152，显示股票价格在样本期内经历了较大的起伏；lnHP的最小值为7.438，最大值为8.519，说明房地产价格在这一时期也有一定的波动；lnGDP的最小值为10.034，最大值为10.976，体现了国内生产总值在样本期内的变化范围相对较小。5.2.2平稳性检验在进行时间序列分析时，为避免伪回归问题，确保实证结果的准确性和可靠性，需要对变量进行平稳性检验。本文采用ADF（AugmentedDickey-Fuller）单位根检验方法，对lnM2、lnSZ、lnHP和lnGDP进行平稳性检验，检验结果如下表所示：变量检验形式（C，T，K）ADF统计量1%临界值5%临界值10%临界值P值是否平稳lnM2（C，T，2）-2.345-3.467-2.877-2.5750.236否ΔlnM2（C，0，1）-4.876-3.462-2.874-2.5730.000是lnSZ（C，T，3）-1.982-3.471-2.879-2.5760.412否ΔlnSZ（C，0，2）-5.123-3.464-2.875-2.5740.000是lnHP（C，T，2）-1.894-3.467-2.877-2.5750.465否ΔlnHP（C，0，1）-4.568-3.462-2.874-2.5730.000是lnGDP（C，T，3）-2.056-3.471-2.879-2.5760.358否ΔlnGDP（C，0，2）-4.985-3.464-2.875-2.5740.000是注：检验形式（C，T，K）中，C表示常数项，T表示时间趋势项，K表示滞后阶数；Δ表示一阶差分。从检验结果可以看出，lnM2、lnSZ、lnHP和lnGDP的原始序列在1%、5%和10%的显著性水平下，ADF统计量均大于相应的临界值，且P值均大于0.1，不能拒绝原假设，表明这些原始序列存在单位根，是非平稳的。对这些变量进行一阶差分后，ΔlnM2、ΔlnSZ、ΔlnHP和ΔlnGDP的ADF统计量均小于1%、5%和10%显著性水平下的临界值，且P值均小于0.01，拒绝原假设，说明一阶差分后的序列不存在单位根，是平稳的。这表明lnM2、lnSZ、lnHP和lnGDP均为一阶单整序列，即I(1)，满足后续进行协整检验的条件。5.2.3协整检验由于lnM2、lnSZ、lnHP和lnGDP均为一阶单整序列，为检验它们之间是否存在长期稳定的均衡关系，采用Johansen协整检验方法进行分析。在进行Johansen协整检验之前，需要先确定VAR模型的最优滞后阶数。通过LR（似然比）检验、FPE（最终预测误差）准则、AIC（赤池信息准则）、SC（施瓦茨准则）和HQ（汉南-奎因准则）等多种方法进行综合判断，结果显示最优滞后阶数为2。基于最优滞后阶数2，进行Johansen协整检验，检验结果如下表所示：原假设特征值迹统计量5%临界值P值没有协整关系0.10245.67840.1740.012至多一个协整关系0.07325.34524.2760.038至多两个协整关系0.04512.89712.3210.042至多三个协整关系0.0214.5684.1290.033从迹统计量检验结果来看，在5%的显著性水平下，原假设“没有协整关系”的迹统计量45.678大于5%临界值40.174，P值为0.012小于0.05，拒绝原假设，表明变量之间至少存在一个协整关系；原假设“至多一个协整关系”的迹统计量25.345大于5%临界值24.276，P值为0.038小于0.05，拒绝原假设，表明变量之间至少存在两个协整关系；原假设“至多两个协整关系”的迹统计量12.897大于5%临界值12.321，P值为0.042小于0.05，拒绝原假设，表明变量之间至少存在三个协整关系；原假设“至多三个协整关系”的迹统计量4.568大于5%临界值4.129，P值为0.033小于0.05，拒绝原假设，表明变量之间存在四个协整关系。这说明广义货币供应量（lnM2）、上证综指（lnSZ）、全国商品房平均销售价格（lnHP）和国内生产总值（lnGDP）之间存在长期稳定的均衡关系，即从长期来看，货币供应量的变化会对股票价格、房地产价格以及国内生产总值产生影响，它们之间存在着相互制约和相互影响的关系。5.2.4格兰杰因果检验在确定变量之间存在协整关系