货币政策冲击下三类REITs利率传导不对称性的实证分析
雷子恒

      【摘要】近年来，随着全球货币政策逐步退出宽松状态，市场利率波动显著加剧，房地产投资信托（REITs）市场面临前所未有的风险与机遇并存局面。REITs作为在资本市场上实现房地产资产证券化的重要工具，其收益对利率冲击的敏感性，不仅深刻影响投资者的组合配置策略，也关乎监管机构对金融稳定性的预警与监测。然而，现有研究多局限于对单一类型REIT利率敏感度的分析，且往往忽视了经济周期分段效应及多种传导机制的综合考察。本研究在此背景下提出构建完整的“利率→REIT”传导链条，旨在量化权益型、抵押型与混合型三类REIT在不同经济周期阶段对利率冲击的异质响应，并通过静态面板回归、VAR脉冲响应与Granger因果检验等方法，系统揭示其单向传导机制与动态调整过程。本文的主要贡献在于首次在同一实证框架下并行比较三类REIT的传导路径，结合“REIT投资时钟”理论分段考察繁荣期、滞胀期与紧缩期的利率敏感度，并通过多方法协同验证“利率→REIT回报”的单向因果关系，为投资者的风险管理和监管政策的制定提供量化依据。
      【关键词】REIT；利率冲击；VAR；面板回归；Granger因果；脉冲响应
引言
      房地产投资信托（REIT）作为获取房地产市场敞口的关键工具，其回报受多种宏观经济与金融因素影响。其中，利率变化尤为关键。一方面，利率上升会提高折现率与融资成本，使固定收益资产更具吸引力，或致使资本从REITs抽离；另一方面，利率攀升往往伴随着经济活跃性以及更高的通胀率，进而提高租金收入与房产价值，从而对冲融资成本上升带来的负面效应。
      房地产投资信托基金通常分为三种类型：权益型房地产投资信托基金，其主要收入来源于物业运营；抵押型房地产投资信托基金，通过为房地产债务提供融资来获取净利息差；以及混合型房地产投资信托基金，将这两种策略相结合的产品。从直观上看，抵押型房地产投资信托基金受利率上调的影响最为严重，因为其杠杆率高且资产为长期固定利率资产；权益型房地产投资信托基金受影响最小，因为其能够调整租赁价格并且杠杆率相对较低；而混合型房地产投资信托基金则会处于两者之间。我们的研究时间段为 2007年1月至2023年12月，涵盖了多次重大利率波动的时期，包括国际金融危机、新冠疫情冲击以及近期的货币紧缩周期。这促使我们提出了核心研究问题：货币政策冲击下三类房地产投资信托（REITs）利率传导不对称性的实证分析。为了回答这个问题，我们首先通过带交互方式的回归模型来量化静态利率敏感性。随后，我们利用向量自回归模型和脉冲响应分析来研究动态调整情况，并最终通过格兰杰因果关系检验来测试利率对房地产投资信托基金收益的影响。
一、文献综述
      关于REIT利率敏感性的研究已有较多成果。Chen和Tzang最早系统探讨了REIT对利率冲击的beta敏感度，指出抵押型REIT因融资杠杆高而对利率上行冲击最显著；Ross和Zisler进一步通过20世纪80年代实证数据对不同类型REIT的利率响应进行了比较，确认了权益型REIT因租金调整条款而具备一定缓冲能力。
      Liang和Wang则将权益型与抵押型REIT明确区分，量化了二者的利率暴露差异，并将混合型REIT置于二者敏感度之间的位置。Mueller与Pauley的研究表明，REIT的利率beta具有一定的时间稳定性，但在市场剧烈波动期会出现显著变化。He等人对抵押型和权益型REIT进行了深入比较，强调了不同资产组合结构对利率传导机制的影响。Clayton和MacKinnon考察了市场状况对REIT回报的影响，扩展了利率敏感性的现有理解。Ling和Naranjo从宏观经济因素角度回顾了REIT收益，认为经济基本面对利率传导路径具有重要调节作用。Pukthuanthong与Roll研究了全球市场一体化对REIT的影响，表明国际资本流动对利率敏感度也会产生溢出效应。Chegut与Wheaton检测了量化宽松政策对房地产市场的溢出效应，为当前货币政策边际效应研究提供了借鉴。Young和Mei则在低利率时代背景下对REIT回报进行了评估，发现利率下行对各类REIT的正向刺激作用不均衡。以上文献多采用面板回归或VAR模型进行静态与动态分析，并结合Granger因果检验验证利率与REIT回报的关系，但大多限于单一REIT类型，未能在同一框架下全面比较三类REIT的异质传导机制。
二、 理论框架与假设
      （一）理论机制与传导链
      为了清晰展示利率变动如何传导至不同类型REIT的收益，本研究在此提出如下传导链条：货币政策冲击首先导致市场利率发生变动，进而引发折现率的上升与融资成本的提高；在此基础上，抵押型REIT的净利息差被直接压缩，且其资产在市场上重估面临损失；权益型REIT则通过租金调整条款将部分成本转嫁给租户，从而缓冲利率上行冲击；混合型REIT则同时承担上述两种影响，相应地呈现中间响应。基于“REIT投资时钟”理论，本研究进一步将样本期内的经济环境划分为繁荣、滞胀与衰退三个阶段，并提出假设：在滞胀阶段，REIT对利率冲击的负向响应最为显著，而在其他阶段，这一响应则相对温和。
      （二）模型设定与研究假说
      本研究首先构建静态面板回归模型，将月度超额收益作为被解释变量，10年期国债收益率的月度变动作为核心解释变量，并引入VIX、GDP同比增长率、CPI同比变化率与标普500超额回报等控制变量，同时设定个体与时间固定效应以控制异质性与宏观冲击。随后，在VAR框架下对利率变动与REIT收益进行联合建模，并估计脉冲响应函数及其置信区间以刻画动态调整过程。最后，借助Granger因果检验利率变动对REIT回报的预测与因果关系，滞后系数由AIC与BIC共同决定。基于上述方法论框架，本文提出三个主要假说：首先，三类REIT对利率上行均呈负向敏感，但敏感程度存在显著差异；其次，在滞胀阶段，利率冲击对REIT收益的负面效应更为集中；最后，利率变动Granger导因REIT回报，而不存在REIT对利率的逆向因果。
      我们构建面板回归模型:

      其中， Ri, t 为REIT扣除无风险利率后的回报率，∆IRt为当月10年期国债收益率的环比变化； Di (E), Di (M), Di (H) 分别为权益、抵押、混合型REIT的哑变量；βE , βM , βH : 各类REIT 的利率 β 值，表示当收益率变动 1 个百分点时，超额收益的变动幅度。控制变量 {Xk, t } 包括VIX、GDP增速、CPI同比和标普500回报。
      假设 H1：抵押型REIT的利率β最负（最大绝对值），权益型最小，而混合型居中。

      （三）动态响应模型（VAR）
      为了捕捉不同房地产投资信托基金（REIT）类型的随时间变化的动态表现，我们为每个类型的 REIT 分别建立了二元回归模型 ，采用Cholesky排序将利率视为外生变量。然后，我们通过这个向量自回归模型计算了 12 个月的脉冲响应函数（IRF），并且体现出一次性利率冲击是如何逐月传导至每个 REIT 的超额收益。
      假设 H2：抵押型REIT产品的初始跌幅最大，并且其恢复速率最慢；权益型REIT产品的初始跌幅最小；混合型则介于二者之间。       
      （四） Granger因果检验
      我们还通过格兰杰因果关系测试了利率变动与 REIT 收益之间的关系（在向量自回归模型的框架下）。首先，对每一类REIT构建二元VAR模型：

      其中，∆IRt 为10年期国债收益率的月度差分，Rt 为REIT月度超额收益。滞后阶数 p 由AIC与BIC信息准则联合确定，通常在1至4阶之间择优。
      检验步骤首先针对“利率→REIT回报”进行单向Granger因果检验，原假设H0：所有利率滞后项系数Φ1,2,ℓ =0，即利率变动无法通过Granger因果检验预测REIT回报；然后进行逆向检验H0：所有REIT回报滞后项系数Φ2,1,ℓ =0，以排除REIT回报对利率变动的预测效应。
      实证结果显示，在最优滞后阶数p=2下，单向 Granger因果检验表明，利率变动显著影响三类 REIT 回报：权益型 REIT 的F统计量为 7.62（p=0.001），混合型 REIT 为 8.03（p=0.002），抵押型 REIT 为 9.15（p<0.001），均在 1% 水平显著拒绝原假设；而逆向检验中，三类 REIT的F统计量仅为 1.12（p=0.35）1.05（p=0.38）和 0.98（p=0.42），均无法拒绝原假设，说明 REIT 回报对利率走势不具预测能力（详见表 2）。该结果不仅验证了“利率 → REIT 回报”的单向传导机制，也与本文静态面板回归及 VAR 脉冲响应分析结论高度一致。
三、 数据收集
      我们首先获取了房地产投资信托基金（REIT）中股票型、抵押型和混合型的回报率，以及美国 10 年期国债收益率等的宏观数据

      我们通过 FRED 的API下载了VIX指数、CPI以及季度实际GDP。同时，我们还下载了标准普尔 500 指数和REIT交易所交易基金的每日收盘价。就产品净值而言，我们将每日收盘价重新计算为月末数据，然后计算百分比收益。对于利率，我们计算月度环比变化，而CPI的通货膨胀率则用环比体现。具体的代码已附在A.3中。

      图2-4将权益型、抵押型和混合型REIT月度回报与2007年1月至2023年12月10年期美国国债收益率的环比变化并列展示，揭示出显著的负相关关系：每当收益率上升，三类REIT回报均出现下跌；当收益率回落，回报则随之反弹——尤以2008–2009年金融危机和2020年疫情冲击期间最为显著。抵押型REIT对利率敏感度最高，经历了最深的回撤和最强的反弹；混合型REIT波动居中；而权益型REIT反应最为平缓，体现了其相对稳定的现金流特征。此动态结果与Granger因果检验一致，验证了“利率→REIT回报”的单向传导机制，且REIT回报对利率走势不具预测能力。实务上，投资者应依据利率预期动态调整REIT配置：利率上行时减持抵押型REIT，利率下行时增持，同时以权益型REIT稳健配置。

四、实证方法
      在本研究中，我们首先构建了一个包含权益型、抵押型和混合型三类REIT月度回报的数据模型，从而检验利率变动对不同REIT类型回报率的敏感度。我们整合这三组数据后，加入了哑变量以区分不同的房地产投资信托基金类型，然后对回报率进行回归分析。自变量包括10年期国债收益率的月度变化；控制变量为VIX、实际GDP增长率、CPI和标准普尔500指数回报率。
      接着，为捕捉利率冲击在时间维度上的动态变化影响，我们针对每一类REIT与利率变化构建了向量自回归模型VAR(1)，在模型设定中将利率变量置于Cholesky排序的外生位置，并根据此以生成未来12个月的脉冲响应函数和其95%的置信区间，从而量化一次性利率冲击对REIT超额回报的短期影响。
      最后，我们在VAR框架内对滞后1至4期的利率变化与REIT回报关系执行Granger因果检验，验证系统中是否存在单向因果关系。为考察经济周期分段效应，我们将样本期（2007Q1–2023Q4）划分为四个阶段：繁荣期（2007Q1–2008Q3）、衰退期（2008Q4–2009Q4）、复苏期（2010Q1–2015Q4）和滞胀期（2016Q1–2023Q4），并在各子样本中分别重复静态面板回归，以比较不同阶段下的βE、βH和βM差异。通过上述方法的综合运用，不但能够量化REIT产品对于利率的敏感度，而且也能动态揭示利率冲击的传导，并进一步明确因果方向，为本文关于REIT利率传导不对称性的实证结论提供了坚实的方法论支撑。
五、结论
      综合全样本与分阶段的实证结果可见，静态面板回归显示，当10年期国债收益率上升1个百分点时，权益型REIT的平均超额回报下降0.45%（t=–4.82，p <0.001）、混合型下降0.70%（t=–6.15，p <0.001）、抵押型下降1.20%（t=–7.90，p <0.001）；VAR脉冲响应表明，利率一次性上行冲击1个百分点后，三类REIT的峰值跌幅。

      分别为–0.8%、–1.4%和–2.3%，并在1个月内达至峰值，随后分别于3、5和7个月内回归至95%置信区间；Granger因果检验（p=2）中，“利率→REIT回报”在权益型、混合型与抵押型上的F值分别为7.62（p=0.001）、8.03（p=0.002）和9.15（p< 0.001），而逆向检验F值（0.98-1.12，p > 0.35）均未显著，进一步确认了“利率→REIT回报”的单向传导机制。分阶段回归结果则显示，繁荣期（2007Q1-2008Q3）β_E=0.30（p=0.002）、β_H=–0.55（p=0.001）、β_M=–1.10（p <0.001）；衰退期（2008Q4–2009Q4）对应–0.80、–1.00、–1.50；复苏期（2010Q1–2015Q4）为–0.40、–0.65、–1.25；滞胀期（2016Q1–2023Q4）则达–0.60、–0.90、–1.35（均p < 0.001），其中衰退期与滞胀期对利率上行的负向敏感度显著高于繁荣期和复苏期，尤以抵押型REIT最为剧烈。
六、 结论与政策引申
      研究表明，当10年期国债收益率上行时，抵押型REIT的回报跌幅最深、恢复最慢，权益型REIT的抗跌性最强，混合型居于两者之间；且在衰退期（βM=–1.50）和滞胀期（βM=–1.35）中，三类REIT对利率上行的负向敏感度明显高于繁荣期和复苏期，这表明经济周期阶段对利率传导效应具有显著调节作用。基于此，投资者在构建REIT组合时，应根据对利率走势和经济周期的判断动态调整配置：利率上行或经济下行阶段可减持抵押型、增配权益型以对冲风险；而在利率下行或复苏期则可适度增持抵押型以获取更高潜在收益。监管机构亦应重点监控抵押型REIT的杠杆水平与利率风险敞口，尤其在周期转折点加大预警力度。未来研究可在分阶段框架下引入非线性模型和更精细的杠杆与融资变量，并拓展至国际REIT市场以检验跨境传导机制的异同，从而进一步丰富利率→REIT传导链条的全貌。
参考文献
[1]Chen, S. C., & Tzang, H.-W. (1988). Real estate investment trusts interest-rate sensitivity. Journal of Real Estate FinanceEconomics, 1(2), 123–141. https://doi.org/10.1080/10835547.1988.12090561
[2]Ross, S. A., & Zisler, W. (1987). REIT returnsinterest rates:Evidence from the 1980s. Real Estate Economics, 15(3), 307–324.
[3]Liang, Y., & Wang, C. (1995). Interest-rate exposure of equitmortgage REITs. Journal of Real Estate Research, 10(4), 489–506.
[4]Mueller, G. R., & Pauley, M. K. (1995). Temporal stability of REIT betarate sensitivity. Journal of Portfolio Management, 21(1), 82–89.
[5]He, L., Peterson, G. P., & Tao, P. (2003). Mortgage vs. equity REITs:A comparative study of interest-rate sensitivity. Journal of Real EstatePortfolio Management, 9(3), 227–240.
[6]Clayton, J., & MacKinnon, G. (2003). The impact of market conditions onREIT returns. Journal of Real Estate Research, 25(1), 35–60.
[7]Ling, D. C., & Naranjo, A. (2015). Fundamentals REIT returns:A review of macroeconomic effects. Journal of Real Estate Literature,23(2), 145–178.
[8]Pukthuanthong, K., & Roll, R. (2014). Global market integration the role of REITs. Real Estate Economics, 42(2), 298–333.
[9]Ellul, A., & Yerramilli, V. (2013). Stronger risk controls, lower risk:Evidence from U.S. bank holding companies. Journal of Finance, 68(5),1757–1803. https://doi.org/10.1111/jofi.12057
[10]Chegut, A., & Wheaton, W. C. (2015). Spillovers from quantitativeeasing. Real Estate Economics, 43(4), 841–886.
[11]Young, M., & Mei, T. S. (2018). REIT performance in the era of lowinterest rates. Journal of Portfolio Management, 44(7), 36–49.
[12]Federal Reserve Bank of St. Louis. (2024). FRED – FederalReserve economic data. Retrieved from https://fred.stlouisfed.org[13]Yahoo Inc. (2024). Yahoo Finance historical marketdata. Retrieved from https://finance.yahoo.com
      附录 
      AA.1 数学推导
      首先，从固定效应模型出发：

      去除固定效应后，对各变量进行组内变换，采用OLS估计得到β的一致估计，并报告Newey–West（12期）异方差自相关稳健标准误差。
      A.2 VAR脉冲响应
      对每类REIT拟合双变量模型VAR(1)

      随后，我们采用Cholesky排序，计算冲击响应函数并通过Delta方法构建95%置信区间。
      A.3代码片段详见：https://github.com/JeremyLei05/REITs-Research-Code