气候政策不确定性与房价：分析美国大都市区之间的双向传导机制 作者：Sourav Batabyal 和 Alper Gormus

《Risks》：Climate Policy Uncertainty and Housing Prices: Analyzing Bidirectional Transmission Across U.S. Metropolitan Areas Sourav Batabyal and Alper Gormus

　　摘要：本研究利用Gavriilidis在2021年开发的美国气候政策不确定性（CPU）指数，以及1991年1月至2024年5月的S&P CoreLogic Case-Shiller房价指数，探讨了美国大都市区域气候政策不确定性与住宅房价之间的关系。通过采用考虑突发性和渐进性结构变化的傅里叶增强Toda-Yamamoto因果框架，我们发现多个大都市市场中存在显著的CPU对房价的传导效应；在洛杉矶、纽约、圣地亚哥、旧金山以及美国全国范围内都观察到了双向传导动态。研究结果揭示了不同市场类型之间的显著空间异质性：高暴露度的沿海市场对CPU敏感度较高，这可能反映了物理气候风险和监管不确定性的影响；内陆增长市场的房价对CPU有一定反馈效应，这种反馈可能通过政治经济渠道实现；尽管位于内陆，中西部极端天气市场仍表现出持续的传导效应；而在大衰退后，衰退敏感市场开始对CPU作出反应；最后，一些市场则未表现出显著的传导效应。这些发现表明，CPU作为一种系统性风险因素，需要被纳入住房金融监管、宏观审慎框架和投资策略中。这些结果对于金融稳定性监测、抵押贷款信用风险评估以及气候政策设计具有重要意义，尤其是在低碳经济转型背景下应对各种市场风险时。

1. 引言
气候变化加剧了城市地区的物理风险和转型风险，从根本上重塑了资产市场的预期。随着城市环境面临日益加剧的气候相关风险（从洪水、极端热事件和海平面上升等物理灾害，到由于监管改革和脱碳要求带来的转型风险），政策不确定性如何传导至资产定价的机制已成为迫切的实证和政策研究重点。本文探讨了气候政策不确定性（CPU）如何影响美国大都市地区的住宅房价，重点关注结构变化、区域异质性和双向反馈动态。

学术界、政策制定者、投资者和公众逐渐意识到CPU的存在（Adler和Hadorn 2014；Giglio等人2021；Painter 2011；Yohe和Oppenheimer 2011）。这种不确定性源于气候科学的复杂性和模糊性，这引发了气候怀疑论者的争论，他们认为科学共识并不像通常认为的那样坚定。关于人为气候变化的科学共识已愈发牢固，政府间气候变化专门委员会（IPCC 2023）指出极端天气事件的频率和强度显著增加，曾经预计每五十年发生一次的事件现在预计大约每十年就会发生一次，同时这些事件与人为影响的关联也日益明确。2021年7月德国和比利时的灾难性洪水、太平洋西北部的破纪录高温以及美国西部的持续野火季节等标志性事件，将气候风险从理论关切转变为实际且反复出现的经济冲击。根据Redfin（2022）的调查数据，近三分之二的潜在购房者对在易受极端温度影响的地区购房变得更加谨慎。随着气候风险的增加，房地产行业尤其容易受到其多样且广泛的影响。历史趋势表明市场会对感知到的气候威胁作出反应。20世纪50年代和60年代，由于保险业无法评估洪水风险，联邦政府设立了针对高风险房产的国家洪水保险计划（NFIP）。然而，鉴于气候事件的频率和严重性的增加，NFIP假设的100年洪水区内每年1%的洪水概率已变得不再适用（Botts 2021）。

尽管美国尚未实施全国性的碳税，但未来气候政策的潜在变化为碳密集型资本带来了投资风险的不确定性（Fried等人2021），这可能对区域经济活动和大都市房地产市场产生间接影响。房地产是家庭财富和经济稳定的关键资产类别，主要住宅占个人资产的很大比例（Baldauf等人2020）。Aladangady等人（2023）指出，近三分之二的房主持有以住宅为抵押的债务，而只有54.3%的美国家庭拥有退休账户，这说明房地产在家庭财富中的关键作用，尤其是作为债务的抵押品。房价与宏观经济活动之间的关系已被充分证实；房价波动常常是商业周期动态的先行指标，因此及时了解房价市场走势对政策制定者和投资者至关重要。

房地产对气候风险的脆弱性通过多个渠道体现：首先，物理灾害直接侵蚀暴露地区的房产价值，提高保险成本，并减少进入 mortgage 市场的机会（Duan和Li 2024；Issler等人2024；Shi和Varuzzo 2020）；其次，转型风险（如碳定价、建筑能源规定或化石燃料法规）带来的经济后果引入了另一种潜在更普遍的不确定性。与个别天气事件相关的离散局部冲击不同，CPU作为一种系统性力量渗透市场，重塑整个大都市地区的投资者预期、折现率和买家行为；第三，由气候风险引发的人口迁移改变了当地需求基本面，进而影响政策动态。尽管关于气候风险和房地产的研究越来越多，但仍存在三个关键缺口：首先，现有实证文献主要集中在特定离散气候事件（如飓风、洪水或野火）对当地房价的影响上，而CPU作为价格传导渠道的广泛和持续性影响则未得到足够重视；其次，先前研究大多依赖特定市场的微观数据或全国性的宏观汇总数据，忽略了不同美国大都市地区对气候政策信号的差异反应；第三，现有研究通常将房价视为气候风险的单一方向结果，忽略了房价市场动态本身如何影响气候政策预期的双向关系，这对经济建模和政策设计具有重要意义。本文对现有文献作出了四项独特贡献：首先，我们将CPU不仅仅视为协变量，而是作为一种价格传导渠道，实证研究了气候政策不确定性如何在大都市层面传导至住宅房价动态；其次，利用每月的S&P CoreLogic Case-Shiller房价指数，我们对美国主要市场的CPU对房价的影响进行了系统分析；第三，我们采用了一种经济计量框架，考虑了数据中的突发性和渐进性结构变化，改进了以往仅关注监管预期和投资者情绪缓慢演变导致的渐进性变化的研究；第四，通过测试CPU与大都市房价之间的双向传导，我们探讨了房价市场信号是否反过来影响政策不确定性本身。

利用基于气候风险相关术语文本分析构建的美国CPU指数，我们的结果表明，与气候相关的不确定性对住宅房地产价值有显著影响，这种影响因大都市地区而异，证据表明气候暴露度、政治经济和当地房价市场的结构差异都塑造了传导机制。此外，我们在主要市场中观察到了双向传导，即房价动态反过来影响CPU本身。这些发现对投资者、房主、抵押贷款机构、保险公司和政策制定者在应对气候变化带来的金融稳定影响方面具有直接意义。通过证明CPU不仅影响个别物理事件，还深刻嵌入房价市场中，本研究强调了气候风险在房地产中的系统性特征，以及提高监管透明度和气候风险披露框架的必要性。

2. 文献综述
大量文献记录了物理气候风险对房地产价格的资本化效应。我们的研究丰富了关于房地产价格动态的现有文献（Chambers等人2021；Piazzesi等人2007），以及越来越多研究气候风险对资产估值影响的成果（Bolton和Kacperczyk 2021；Choi等人2020；Duan等人2025）。从这些文献中得出的共识是复杂的：物理气候风险确实影响房价，但这些影响的幅度、 timing 和地理范围差异很大，且许多房价市场仍存在显著的定价错误。

2.1. 物理气候风险与房地产市场
关于海平面上升和沿海洪水的研究记录了显著的估值效应。Murfin和Spiegel（2020）通过分析预期淹没时间的变化来识别无效效应，表明预期的洪水风险尚未完全反映在沿海房价中。相比之下，Fang等人（2023）发现飓风桑迪对迈阿密-戴德县的洪水暴露房产造成了显著的价格折扣，表明显著事件会更新远距离市场的买家预期。Yi和Choi（2020）表明2008年的艾奥瓦州大洪水导致得梅因的淹没房产短期内价格下跌，而非淹没的洪泛区房产则在洪水后价格回升，表明风险认知发生了更新。Heberger等人（2009）预测，加州沿海社区面临海平面上升带来的额外挑战，威胁到关键基础设施和交通网络。

随着加州和其他州的毁灭性火灾季节，野火风险受到了更多关注。Mueller等人（2009）发现，易受野火影响地区的房产需求下降，因为买家意识到了未来灾难的可能性和保险成本的上升。McCoy和Walsh（2018）证明野火风险被计入房价，这种影响通过过去火灾的痕迹和当地风险披露实践进行调节。Donadelli等人（2020）发现龙卷风活动的增加导致当地房价下降并影响股票回报，表明自然灾害风险可以影响房地产和更广泛的资产市场。Dell等人（2012）、Descêhnes和Greenstone（2007）以及Donadelli等人（2021）表明，温度升高可能对经济增长产生负面影响，特别是在不确定性加剧时期，可能导致包括房地产在内的资产市场承受更大压力。Contat等人（2024）综述了关于气候和房地产的文献，指出尽管物理气候灾害的价格效应已有充分记录，但气候政策发展对房价市场动态的长期和扩散性影响仍是一个研究不足的领域。这一缺口激发了本文的核心实证贡献：将CPU而非特定气候事件作为主要解释变量。

2.2. CPU作为价格传导渠道
虽然文献广泛记录了物理气候事件如何影响房价，但相对较少关注监管和政策不确定性作为独立传导渠道的作用。这一区别在概念上很重要：物理事件是离散和局部的，而CPU是连续的、系统的，并同时作用于所有市场，不论其直接物理暴露程度如何。将CPU视为传导渠道需要整合来自更广泛经济政策不确定性研究的见解，并将其应用于美国房地产市场的具体制度背景。Baker等人（2016）通过新闻内容的文本分析建立了衡量经济政策不确定性的基础框架。Gavriilidis（2021）采用这种方法构建了美国CPU指数，系统量化了主要报纸提及气候变化与政策不确定性的频率。此后，该指数被应用于多种资产类别：Bouri等人（2022）证明CPU显著影响绿色和棕色能源股票的价格；Lv和Li（2023）发现CPU驱动了中国不同行业的股市波动；He和Zhang（2022）显示CPU影响石油行业回报。Faccini等人（2023）表明，2012年后仅气候政策新闻风险被计入美国股票价格，表明投资者主要对冲转型风险而非物理气候风险。Cho等人（2024）研究了CPU如何影响不同行业和地区的房地产市场波动。他们发现，中央政策（CPU）对高能源需求和排放的部门（包括工业和住宅部门）有显著影响，并且在容易受到气候风险影响的沿海地区这种影响具有长期敏感性。虽然他们的分析揭示了不同部门之间的细微差异，但并未深入探讨大都市层面的价格水平、结构突变或反馈动态。段和李（2024年）指出，气候风险越来越体现在房地产市场条件中，包括贷款拒绝率和利率差，这提供了通过信贷市场渠道传导CPU影响的间接证据。CPU对房价的影响机制通过几个渠道来实现。首先，投资渠道表现为理性经济主体在监管结果不确定时推迟或缩减项目。在房地产市场中，CPU增加了等待的 option value（即等待的效用）：潜在买家、开发商和投资者可能会推迟承诺，直到监管路径更加明确，从而抑制需求并对房价产生下行压力。其次，保险和抵押贷款渠道通过金融中介发挥作用，因为当CPU增加时，贷款机构会收紧信贷条件，保险公司会调整对气候风险敞口市场的保险覆盖。随着保险公司根据政策信号重新定价气候风险，保费上涨和保险覆盖的撤回提高了风险地区的购房成本，降低了买家需求并抑制了均衡价格（Issler等人，2024年）。最后，预期渠道反映了前瞻性行为，即CPU通过买家对未来财产价值、预期改造要求、未来监管负担（包括可能的碳税、能源效率强制要求以及分区变化）的折现来改变市场预期。这些机制并非相互排斥；它们很可能会同时发挥作用并相互作用，特别是在物理暴露度高且监管环境活跃的大都市地区。

这种传导的一个关键但未被充分研究的维度是其在大都市地区之间的异质性。CPU对当地房价的影响程度将取决于当地因素，包括物理气候暴露程度、住房存量的构成（如能源效率水平、年龄和建筑类型）、当地政治经济和气候监管历史、保险市场的压力程度以及当地买家和投资者的 demographics（人口统计特征）。Contat等人（2024年）指出，气候风险的资本化在不同市场之间存在显著差异，披露法律和气候信念起着调节作用。我们的实证框架旨在明确捕捉这种跨大都市的异质性。

2.3 结构突变、渐进式制度转变和反馈动态
本研究的一个定义性方法论特征是对CPU与大都市层面房价之间的关系中的结构突变（无论是突然的还是渐进的）进行了明确处理。该领域的大多数实证研究都在一个静态的、时间不变的框架内模拟气候风险效应，隐含地假设政策不确定性与房价之间的关系随时间是稳定的。在一个以气候政策发展加速、科学共识演变和周期性监管冲击为特征的世界中，这种假设越来越站不住脚。突然的结构突变可能源于离散事件：具有里程碑意义的气候立法公告、退出国际气候协议、重大的IPCC报告发布或根本改变公众和投资者预期的灾难性气候事件。这些突变在计量经济学上相对容易处理，可以通过事件研究设计和虚拟变量的引入来解决。然而，渐进式的结构变化、监管预期的缓慢转变、机构贷款机构和保险公司对气候风险的逐步重新定价以及买家信念的逐步更新则难以检测，并且基本上被忽视了。

本研究在两个方面推进了现有文献。首先，它放宽了参数稳定性的常见假设，明确允许突然的政策转变和渐进式的结构演变。实证设计整合了Toda和Yamamoto（1995年，以下简称TY）框架与灵活的傅里叶规范，后者允许时间变化的截距来捕捉离散突变和平稳过渡，而无需预先指定突变日期。这一方法论创新更准确地捕捉了CPU对房价影响的演变关系，这一点尤为重要，因为渐进式突变可能在住房市场中占主导地位，由于交易成本、信息摩擦和长期抵押贷款承诺，价格调整较为缓慢。其次，分析超越了国家层面的汇总数据，提供了关于传导方向性的大都市层面证据，不仅记录了CPU对房价的传导，还记录了某些大都市地区房价对CPU的反馈。虽然标准假设是从政策不确定性到资产价格的单向因果关系，但我们提出了一个理论上合理的反馈机制：在气候风险敞口的大都市中，房价的持续下降可能会产生监管响应的政治压力，改变公众对气候政策的看法，或向政策制定者发出金融系统性风险的信号。这种大都市层面的视角突出了有意义的空间异质性，并构成了一个新颖且与政策相关的贡献。

2.4 气候风险误定价、人口响应和系统性影响
一个核心问题是住房市场中气候风险的系统性误定价，这对家庭财富、金融稳定性和公共财政有着深远的影响。Gourevitch等人（2023年）估计，暴露于洪水风险的美国住宅财产被高估了1210亿至2370亿美元，高估情况集中在缺乏洪水风险披露法律的州和气候关注度较低的社区，这种模式直接表明信息不对称性和信念异质性是误定价的驱动因素。Bretz（2017年）预测，到2100年，近190万户价值超过9160亿美元的美国住宅可能会面临长期洪水风险，低收入家庭在高风险沿海大都市（包括迈阿密、纽约、坦帕、波士顿和休斯顿）受到的影响尤为严重。资产市场内信念异质性的理论源于Miller（1977年）和Harrison与Kreps（1978年）的开创性贡献，他们展示了不同的投资者信念如何导致投机行为和资产误定价。这种误定价因信息不对称性和买家及社区之间气候风险信念的差异分布而加剧（Baldauf等人，2020年；Battiston等人，2021年）。Warren-Myers和Hurlimann（2022年）强调，气候风险感知与客观危险度量一起，在塑造房地产市场响应中起着关键作用。Keller等人（2020年）表明，媒体对气候风险的框架可以放大感知到的脆弱性，并加速高风险地区的价格调整。这种媒体-信念-价格之间的联系对于CPU尤其相关，因为政策不确定性本身是通过新闻报道和公共讨论传递给市场参与者的。

在宏观层面上，气候风险误定价对更广泛的金融系统构成系统性风险。由重大政策冲击引发的暴露于气候风险的财产的突然贬值可能会通过抵押贷款市场、银行资产负债表和依赖财产税收入的地方政府财政产生连锁效应。人口响应进一步增加了大都市层面住房动态的复杂性。随着家庭从高风险地区（特别是面临海平面上升的沿海社区）迁移到更具气候抵御力的内陆大都市，当地需求的基本面发生变化，这与CPU相互作用。Shi和Varuzzo（2020年）记录了气候脆弱沿海社区的人口减少和税收基础的侵蚀，而具有气候抵御力的城市可能会经历由需求驱动的价格上涨。

总之，文献在几个重要观察上达成了一致：物理气候风险显然影响房价，但显著的误定价仍然存在。CPU构成了一个独特且未被充分研究的传导渠道，政策模糊性通过投资、保险和预期机制传播到房地产市场。这些效应在大都市地区之间的异质性、传导关系中的结构突变以及双向反馈动态的可能性尚未得到系统研究。本文的剩余部分结构如下：第3节描述了提出的实证方法论。第4节概述了数据来源。第5节展示了结果和讨论。最后，第6节提供了结论，第7节提出了政策建议。

3. 实证方法论
本研究使用能够捕捉突然和渐进式结构变化（平滑突变）的计量经济学方法来分析CPU与房价之间的价格传导动态，确保对外部冲击和长期时间序列数据的稳健性。分析在双向框架中调查基于水平的关系，评估历史CPU值是否能预测未来的房价，反之亦然，而不预先假设格兰杰因果关系的方向。双向因果关系的证据将表明存在一种反馈传导机制，即每个变量都对其动态演变有所贡献。

CPU对房价的传导机制反映了CPU作为状态变量在塑造前瞻性财产估值中的作用。关于气候监管的时间、严格性或范围的不确定性增加可能导致家庭、开发商和贷款机构重新评估成本、可保险性、改造要求以及长期租金收入的预期，从而影响房价。相反，房价对CPU的传导在经济上也是合理的，因为房地产市场具有宏观经济重要性和政治敏感性。房价的巨大波动和可负担性影响家庭财富、地方财政能力和对气候政策的分配感知，可能加剧政治辩论和政策谈判，从而提高测量到的CPU值。

结构转变对于准确建模CPU与房价的关系至关重要，因为CPU数据反映了由国际气候协议（如京都议定书和巴黎协定）、与气候相关的灾害、政治转变和新监管举措驱动的突然和渐进变化。这些转变标志着公众、媒体和政策制定者对气候风险感知的转折点。纳入这种非线性动态可以提高预测准确性，因为它反映了投资者和房主对气候风险的反应通常是由阈值事件（如房价的突然下降或市场波动的突然加剧）触发的，而不是通过平稳的渐进调整。区域异质性很重要，因为不同大都市地区的结构突变存在显著差异，沿海地区与内陆地区、高增长地区与衰退敏感地区显示出不同的敏感性。忽略这些突变模式会导致估计偏差，而准确纳入这些突变则反映了现实世界中的市场中断，并为政策制定者和投资者提供更可靠、更具情境针对性的指导。

为了探讨价格如何在市场之间传导，我们采用了Nazlioglu等人（2016年，2019年）和Gormus等人（2018年）提出的傅里叶增强传导框架。他们的方法扩展了TY方法，该方法建议在VAR中增加滞后阶数p，使其等于变量之间发现的最高整合阶数d。因此，模型采用VAR(p+d)的形式。滞后增强型VAR模型可以表示为：（1）其中 是内生变量的向量，A是一个常数向量，B = (B1, …, Bp)’代表参数矩阵， 是误差项，p是原始的滞后数量。为了测试是否存在从一个变量到另一个变量的格兰杰因果关系（即价格溢出），我们使用标准Wald测试来检验零假设（H0: B1 = … = Bp = 0），该测试遵循具有p自由度的卡方分布。在TY程序中，非因果关系的零假设具体指的是对所考虑变量的前p个参数没有限制，相关的Wald统计量保持其通常的具有p自由度的卡方分布。

当忽略数据中的结构突变时，经典Wald测试会遇到挑战，正如Ventosa-Santaulària和Vera-Valdés（2008年）所强调的。这种未考虑的突变可能导致零假设被过度拒绝，并扭曲测试的大小（Enders和Holt 2014年）。因此，如果存在结构突变或这些突变没有被充分建模，标准的格兰杰因果关系发现可能会受到质疑。此外，在VAR背景下，检测或处理突变可能很困难，因为断点可能源于变量之间的动态相互作用（Enders和Jones 2016年）。为了解决这个问题，Nazlioglu等人（2016年，2019年）和Gormus等人（2018年）借鉴了Gallant（1981年）的灵活傅里叶形式概念，将常数项A中的结构变化表示为A(t)。以下傅里叶近似捕捉了未知日期的平稳过程：（2）其中 是时间依赖的，用于解释中的任何结构变化，k是整数频率， 和 分别捕捉振幅和相位移动。将方程（2）代入滞后增强型VAR后得到（3），然后可以应用传统的TY测试程序来检验潜在结构变化存在情况下的价格传导。

4. 数据
我们获得了S&P CoreLogic Case-Shiller美国房价的月度数据。从1991年1月到2024年5月的全国住房价格指数，以及涵盖亚特兰大、波士顿、夏洛特、芝加哥、克利夫兰、丹佛、底特律、拉斯维加斯、洛杉矶、迈阿密、明尼阿波利斯、纽约、菲尼克斯、波特兰、圣地亚哥、旧金山、西雅图、坦帕和华盛顿特区的19个大都市区域指数。用于构建这些指数的重复销售方法通过追踪个别房产随时间的销售价格来衡量房地产价格变化，并使用价值加权的销售对来控制质量差异。每月的指数是通过三个月移动平均来计算的，以减少报告延迟并保持足够大的样本量，以便可靠地测量价格变化。尽管样本仅限于20个城市综合住房价格指数中包含的19个大都市区域，但这些市场占美国住房市场价值的很大份额，同时提供了与气候暴露、地理多样性、监管严格性、供应弹性和经济结构相关的理论上的变化，从而能够识别CPI与房价之间传递动态的空间异质性。我们使用了Gavriilidis（2021）开发的CPU指数，该指数通过对八份主要美国报纸的文本分析来量化驱动预期渠道的政策不确定性，捕捉围绕气候政策的监管模糊性的变化。该指数识别同时包含以下术语的文章：（i）不确定性或不确定的变体；（ii）与气候相关的术语（例如二氧化碳、气候变化、温室气体排放、可再生能源、环境等）；（iii）与政策相关的术语（例如监管、立法、白宫、国会、EPA、法律、政策及其相关变体）。搜索范围涵盖了1987年4月以后在以下报纸上发表的文章：《波士顿环球报》、《芝加哥论坛报》、《洛杉矶时报》、《迈阿密先驱报》、《纽约时报》、《坦帕湾时报》、《今日美国》和《华尔街日报》。对于每份报纸，相关文章的月度比例是相对于文章总数计算的，并标准化为单位标准差，然后在各报纸间取平均值得出。所得指数在1987年4月至2022年8月期间被归一化为100。为了将CPU的独特作用与更广泛的宏观经济不确定性区分开来，我们还包括了Baker等人（2016）提出的经济政策不确定性（EPU）指数。保险和抵押贷款渠道通过30年期固定利率抵押贷款率来代理，这反映了贷款人对与气候相关的抵押品风险和信贷市场紧缩的重新定价。投资渠道通过影响住房需求和建筑活动的宏观经济基本面上运作。这些动态通过几个控制变量来捕捉。能源价格，以西德克萨斯中质油（WTI）原油价格和住宅天然气价格来衡量，作为影响运营成本和对房地产开发的监管压力的能源转型成本的代理。其他控制变量，如通货膨胀率、失业率和人均实际可支配收入，共同影响家庭在监管不确定性下吸收气候政策冲击的能力及其投资于长期不可移动资产（如住房）的意愿。

表1展示了描述性统计信息。不同大都市区域的住房价格指数存在显著差异。洛杉矶和旧金山的平均指数值最高，分别为194.30和171.01，而底特律和克利夫兰的指数值最低，分别为102.70和110.05。这种异质性反映了沿海大都市区域与后工业大都市区域之间累积价格涨幅的巨大差异。标准差反映了不同大都市区域价格波动程度的不同。圣地亚哥的标准差为95.36，显示出房价的显著波动，反映了市场的不稳定性或随时间的重大价格变化。克利夫兰的标准差相对较低，为25.59，表明其市场比价格波动较大的大都市区域更为稳定。此外，偏度和峰度值表明许多大都市区域的价格分布非正态。夏洛特的偏度为1.58，峰度为5.17，表明价格分布呈正偏态，大多数时期的价格上涨较为适中，偶尔会出现快速增值。华盛顿特区的偏度为0.13，峰度为1.98，表明指数值分布相对对称，价格变化相对稳定，极端波动较少。相比之下，一些大都市区域，如迈阿密，表现出更高的波动性，这体现在更高的标准差和峰度上，表明价格波动更为频繁。其他大都市区域，包括克利夫兰和底特律，显示出较低的波动性和更稳定的市场条件，这从较低的标准差和峰度中可以看出。Jarque–Bera（JB）测试进一步表明，大多数大都市指数，包括全国指数，显著偏离正态分布，反映了由市场动态、政策变动和当地经济条件驱动的不对称价格变动和极端波动性。EPU指数显示极高的JB统计值为445.62，表明其严重偏离正态分布，并存在极端观察值，可能反映了影响房地产市场的政策或经济不确定性的变化。

表2中的增强型Dickey–Fuller（ADF）和Phillips–Perron（PP）测试结果表明，所有住房价格指数都表现出非平稳行为，表明数据集中存在结构性断裂。相比之下，几个宏观经济变量显示出平稳性的证据。具体来说，EPU指数、通货膨胀率和失业率在5%的水平或更好时被认定为平稳的。CPU指数的结果则较为复杂，在ADF测试下是非平稳的，但在PP测试下是平稳的，暗示可能存在结构性断裂。诸如油价、天然气价格、 mortgage利率和收入等变量在大多数规格下未能拒绝单位根零假设，表明它们是非平稳的。

我们还基于回归模型使用F检验来测试渐进/平滑结构性断裂的显著性，记为F-trig，对于零假设。通过采用一个频率，在所有系列中1%的水平上拒绝了零假设，支持了渐进性断裂的显著性。综合这些结果，强调了采用能够适应各种形式的结构性断裂的计量经济学方法的必要性，这些断裂可能是由经济冲击、监管变化或市场条件的演变引起的。

为了评估2007-2009年的大衰退是否改变了CPU → 房价的关系，我们将样本分为衰退前（1991年1月-2007年12月，表3）和完整样本（1991年1月-2024年5月，表4）两个时期。两个表格都报告了双向传递测试：From CPU列评估历史CPU值是否格兰杰导致了大都市区域的房价，而To CPU列则测试相反方向。Wald统计量在二元假设测试框架内评估传递的存在，而不是其幅度；统计显著性是通过拒绝无传递的零假设来评估的，证据的强度是从p值而不是测试统计量的大小来判断的。结果显示，在几个主要美国大都市区域中CPU → 房价传递是显著的，而少数大都市区域则显示房价 → CPU的反馈，表明某些住房市场存在双向动态。

表3揭示了两种不同的模式。首先，在六个大都市区域（芝加哥、洛杉矶、迈阿密、菲尼克斯、旧金山和华盛顿特区），CPU → 房价传递在5%的水平或更好时具有统计显著性；而在亚特兰大和明尼阿波利斯，这一显著性在10%的水平上观察到。这种模式表明CPU在不同地点的价格表现不同；在监管预期、发展限制和长期与气候相关的成本在房价估值中起更大作用的市场中，CPU更为相关。这些发现支持了CPU作为一种前瞻性状态变量的观点，它通过投资者和贷款人对未来成本、可保险性、改造要求和租金收入流的预期来影响房价。其次，在夏洛特、丹佛、洛杉矶、圣地亚哥和西雅图，房价 → CPU的传递在5%的水平或更好时出现；在菲尼克斯和波特兰则在10%的水平上出现。在洛杉矶和菲尼克斯观察到了双向传递。这种不对称性表明，当当地动态足以影响政策辩论和对未来监管框架的分配关注时，住房市场条件会反馈到CPU中。

对于CPU敏感地区的投资者和房主来说，不确定性直接影响预期的持有成本和退出价值。开发商面临关于建筑规范、碳定价和分区限制的监管模糊性，而贷款人将CPU相关的尾部风险纳入抵押贷款定价和承销标准中。在像夏洛特和丹佛这样的内陆增长市场中，房价的快速上涨提高了环境监管的政治和经济重要性，加剧了政策辩论和感知的不确定性。

表4报告了完整样本的相应结果，包括了大衰退及其后的时期，并揭示了与表3结果相比的三个关键变化。首先，CPU → 房价传递变得更加普遍，扩展到了拉斯维加斯、纽约、波特兰、圣地亚哥和坦帕等大都市区域，以及美国全国指数，在5%的水平或更好时；在西雅图则是在10%的水平上。几个在大衰退前就具有显著性的地区（如芝加哥、洛杉矶、迈阿密、菲尼克斯、明尼阿波利斯和旧金山）继续显示出价格传递。这种更广泛的模式与时间演变一致，因为在衰退后气候政策在经济上变得更加重要且经常被讨论，以至于对其轨迹的不确定性越来越多地被纳入房价预期中。其次，尽管在衰退前CPU → 房价传递在亚特兰大和华盛顿特区具有显著性，但在完整样本中消失了，这强调了传递在空间上的异质性和时间上的变化性，验证了我们允许结构性断裂的经验设计。这些大都市区域可能在衰退后采用了更有效的气候风险管理策略，降低了CPU的敏感性。例如，亚特兰大的全面雨水管理和绿色基础设施计划，以及华盛顿特区的RiverSmart和Climate Ready DC倡议可能减少了物理气候暴露和监管不确定性，使住房市场免受CPU波动的影响。第三，房价 → CPU的传递仍然具有选择性。夏洛特、丹佛、洛杉矶和圣地亚哥从衰退前时期就开始保持这种反馈模式。在纽约和旧金山也观察到了这种传递，在10%的显著性水平上；在美国全国指数中也存在于5%的水平上。洛杉矶的双向传递从衰退前时期就存在，同样在纽约、圣地亚哥和旧金山以及美国全国级别也存在。这种模式表明，当住房市场的发展具有更广泛的宏观经济和政治重要性时，会引发反馈。历史先例支持这一机制，因为像《清洁电力计划》（2015年）和《通货膨胀削减法案》（2022年）这样的主要气候政策倡议是在相对稳定的住房市场条件下推出的，而2007-2009年的衰退则将政策优先事项转向了经济稳定，暂时推迟了气候政策倡议的实施。

表4中的分类显示，沿海高暴露市场（如洛杉矶、迈阿密、纽约、圣地亚哥、旧金山、西雅图和坦帕）在完整样本中表现出显著的CPU → 房价传递，反映了直接物理气候暴露（包括海平面上升、飓风和野火）的综合作用，以及围绕气候适应和缓解政策的监管不确定性的增加。在洛杉矶、纽约、圣地亚哥和旧金山观察到的双向传递表明，这些市场足够大且在政治上足够重要，能够影响国家气候政策讨论。这些地点的经济利益特别高，住房占家庭财富的很大份额，财产价值在全国范围内也是最高的。因此，气候政策辩论可以产生高度的不确定性，这种不确定性迅速体现在房价估值中。内陆增长市场（如夏洛特、丹佛、菲尼克斯和波特兰）表现出异质性模式。菲尼克斯在两个样本中都显示出CPU → 房价传递，而波特兰仅在完整样本中表现出这种传递。在衰退前时期，这四个大都市区域都存在房价 → CPU的反馈，尽管只有夏洛特和丹弗在完整样本中保持了这种模式。这些大都市区域具有快速人口增长、活跃的建筑周期和对开发法规的敏感性等特征。在这些背景下，房价与中央银行业（CPU）之间的传导很可能通过政治经济动态来实现，其中房价上涨加剧了分区法规、可持续性要求和基础设施投资的复杂性，从而加剧了政策辩论和不确定性。凤凰城值得注意，尽管它位于内陆，但面临着严重的气候风险，包括水资源短缺、极端热浪和长期干旱，这可能解释了其对中央银行业因素的持续敏感性和经济衰退前后双向传导的显著性。中西部的极端天气市场，如芝加哥和明尼阿波利斯，在两个样本中都显示了中央银行业对房价的传导效应，表明无论宏观经济状况如何，它们都对中央银行业因素具有持续的敏感性。这些大都市面临着多种极端天气风险，包括热浪、强雷暴和龙卷风、暴雨和洪水以及冬季极端事件，如暴风雪和极地涡旋。尽管地处内陆，它们对中央银行业因素的持续敏感性反映了人们对极端天气风险影响的日益认识，进而影响住房价值。

在经济衰退期间敏感的市场，如拉斯维加斯，在经济衰退前的样本中没有显示出中央银行业与房价之间的传导，但在完整样本中显示出显著的传导效应，这表明该市场在大衰退后对中央银行业因素变得更加敏感。拉斯维加斯受到极端高温、长期干旱、季风风暴引发的突发洪水和与沙漠气候条件相关的沙尘暴的影响。作为一个高度投机的房地产市场，在经济压力时期，拉斯维加斯的房产估值对包括中央银行业在内的宏观经济不确定性尤为敏感。相比之下，像亚特兰大、波士顿、克利夫兰、底特律和华盛顿特区这样的相对隔离市场在完整样本中并未显示出统计学上显著的传导效应，这可能反映了这些大都市地区的经济结构较为多样化，其房地产市场动态与气候敏感行业或投机性开发周期的直接联系较弱。相反，这些市场的房价可能受人口增长、就业率和利率等基本因素驱动。此外，这些大都市可能在经济衰退后实施了更有效的气候适应措施，降低了其对中央银行业因素的脆弱性。

更广泛的政策不确定性：将经济不确定性（EPU）作为控制变量

EPU指数显示出对中央银行业因素的显著预测能力，验证了我们的实证假设。控制EPU变量可以分离出中央银行业特有的传导渠道，而不仅仅是捕捉一般性的政策不确定性。这种联系反映了政治经济动态，即财政、税收或货币政策的波动性创造了一个不稳定的环境，影响了气候政策的制定时机和可信度。当整体经济不确定性上升时，政府往往会延迟或修改气候政策以优先考虑短期稳定，从而增加中央银行业因素的影响。过去的EPU值也影响了投资者的预期，并暗示了潜在的监管变化，进而加强了EPU向中央银行业因素的传导。这种模式在2007-2009年的经济衰退期间尤为明显，当时经济不稳定导致政策重点转向了稳定。

鲁棒性检验：共同滞后长度规范

由于方法论框架使用SIC准则选择最佳滞后长度，结果和推断可能取决于所选的滞后结构。为了评估鲁棒性，我们重新估计了所有大都市中央银行业系统中的傅里叶增强型TY模型，应用了统一的12个月滞后长度（p = 12）。这一敏感性分析在表5中有所报告，减少了基于信息准则的滞后选择，并测试了在统一的年度、每月时间范围内识别出的传导模式是否仍然存在。统计上显著的中央银行业对房价的传导在包括全国范围内的多个住房市场中持续存在，表明主要结果并非由特定大都市的滞后选择所驱动。

结论

本研究使用新的计量经济学技术探讨了中央银行业因素与区域房价之间的关系，这些技术考虑了突然和渐进的结构变化。鉴于检测渐进变化的重要性，本文特别强调了将其纳入分析以避免误判。虽然之前的研究已经考察了中央银行业因素，但很少有研究关注识别渐进结构变化并将其系统地纳入分析模型。通过使用傅里叶增强型TY框架和都市级数据来解决这一不足，本研究为中央银行业因素传导的空间和时间异质性提供了新的见解。研究表明，中央银行业因素是美国各大都市房价的一个空间异质性驱动因素。沿海高风险市场，如洛杉矶、迈阿密、纽约、圣地亚哥、旧金山、西雅图和坦帕，显示出强烈的中央银行业对房价的传导效应，这反映了物理气候风险和监管不确定性的综合影响。内陆增长市场，包括夏洛特、丹佛和波特兰，表现出由快速人口增长、开发周期和地方政策辩论塑造的混合动态，而凤凰城尽管位于内陆，但由于面临严重的气候风险，仍对中央银行业因素保持持续的敏感性。夏洛特和丹佛通过政治经济渠道显示出了房价对中央银行业因素的传导，而在经济多元化的市场中则没有这种传导。

中西部的极端天气市场，如芝加哥和明尼阿波利斯，无论宏观经济状况如何，也显示出稳定的中央银行业对房价的传导效应，表明增加对气候相关风险的暴露会影响到住房估值。相比之下，经济衰退期间敏感的投机市场，如拉斯维加斯，仅在涵盖经济压力时期的完整样本中显示出中央银行业对房价的传导，而隔离的大都市地区，如亚特兰大、波士顿、克利夫兰、底特律和华盛顿特区，则没有这种传导。这种隔离可能反映了这些地区相对于沿海大都市较低的物理气候暴露度，基本因素在气候政策决策中占主导地位。双向传导主要在大型、经济重要的大都市市场中观察到，如洛杉矶、纽约、圣地亚哥和旧金山，那里的住房动态影响分配感知和政策辩论。美国全国房价指数进一步证实了双向传导的存在。中央银行业对房价的传导通过投资延迟、信贷市场紧缩以及购房者因对监管成本预期变化而折现未来房产价值来影响整体房价估值。相反，当房地产市场表现强劲和稳定时，房价对中央银行业因素的传导会增强，为政策制定者提供了更大的财政和政治能力来推进气候相关举措，包括清洁能源激励措施、排放监管和气候适应性基础设施投资。相比之下，房地产市场的不稳定性可能会导致政策优先事项转向短期经济稳定，增加气候政策实施的时机和范围的不确定性。

研究表明，EPU是未来中央银行业因素的关键决定因素，凸显了经济不稳定性和环境治理之间的相互联系。过去的EPU值创造了不可预测性，这种不确定性会渗透到气候政策中，政府的优先事项、投资者行为和全球趋势都会放大或缓解这种不确定性。随着关系的演变和气候政策变得越来越具有经济意义，中央银行业对房价的传导在完整样本中得到了加强。在拉斯维加斯和坦帕等对中央银行业因素敏感的大都市的出现表明了结构变化，而亚特兰大和华盛顿特区在完整样本中的消失则反映了这种变化。我们的发现与Baldauf等人（2020年）、Cho等人（2024年）和Donadelli等人（2020年）的报告一致。未来的研究可以进一步探讨在水平基础上记录的结构变化是否也影响了中央银行业因素与房价之间的波动性传导。

政策含义

研究结果表明，中央银行业因素在美国各住房市场中的价格表现并不均匀，这对金融监管和政策设计具有重要意义。这些发现直接影响了资产定价、风险管理和政策设计。对于投资者而言，中央银行业因素代表了跨越更广泛大都市市场的系统性价格风险因素，需要采取对冲策略和调整投资组合。对于位于气候风险地区的房主来说，房产价值会受到气候政策的影响，增加长期估值的不确定性。对于政策制定者而言，传导模式的扩大意味着气候政策预期的变化会在各地区产生不对称的财富效应，尤其是在高价值的沿海市场，并影响到更大比例的美国家庭。政策制定者在设计气候法规时应考虑这些分配效应。对于高暴露度、对中央银行业因素敏感的市场中的家庭，可能需要补偿机制，如适应补助金、税收抵免或保险补贴，以减轻脱欧效应和政治经济障碍对气候行动的影响。对于抵押贷款发放者来说，信用风险模型应纳入由中央银行业因素驱动的抵押品波动性，特别是在沿海和易发生野火的市场中。几个大都市地区观察到的显著空间异质性突显了在政策实施中考虑地理细粒度的重要性。抵押贷款和房地产市场的压力测试框架应结合特定地点的传导模式，而不是统一的全国性调整，以掩盖集中的脆弱性。金融监管机构应将特定地点的气候风险和转型风险措施纳入承销、抵押品估值和监管报告中，根据实证记录的传导强度，针对不同大都市市场制定不同的资本要求、准备标准和压力测试情景。几个大型大都市市场中存在双向传导的现象表明，政策不确定性和房地产市场动态可能通过反馈效应相互加强。透明的政策设计和沟通，以及关于气候相关法规和基础设施投资的长期承诺的支持，可以减少地方住房市场中的不确定性和反馈效应。此外，积极的气候适应措施可以通过降低物理暴露度和展示监管准备来减少住房市场对中央银行业因素的敏感性。EPU能显著预测未来中央银行业因素的发现强调了连贯和可预测的政策框架的重要性，特别是在气候相关法规影响家庭资产负债表、信贷条件和房产估值时。政策制定者应协调财政、货币和气候政策沟通，以最小化加剧住房市场波动性的复合不确定性。联邦金融监管机构和住房金融当局应监测中央银行业因素，特别是在经历快速房价升值或压力的大都市地区，因为这些动态可能会通过反馈效应促进或阻碍气候政策的实施。