基于SSpace模型的中国房地产泡沫研究
金融教学与研究
(总第130期)2010年第2期
基于SSpace模型的中国房地产泡沫研究
张朝洋
(江西财经大学金融学院,南昌330013)
摘要:将房地产基础价值看作一种状态变量,借助于协整理论,建立基于房地产供求的SSpace模型,并利用卡尔曼
(Kalman)滤波进行参数估计,对中国1995~2007年间的全国性房地产进行了基础价值测度,阐明了全国性房地产泡沫的周期性特征。研究表明:中国的全国性房地产泡沫已经出现,但是平均泡沫程度并不高;全国性房地产2005年以后,
并呈现不断放大趋势。房地产泡沫的最主要原因是经济高速增泡沫迅速膨胀,2005~2007年泡沫程度平均高达10.96%,
长和房地产投资增长过快过猛,房地产泡沫反过来还会拉动房地产投资增长。目前的全国性房地产价格正处于房地产实际价格和房地产基础价值相互抬升的加速阶段。
房地产泡沫;平稳性检验;协整检验;关键词:SSpace模型;Granger因果检验
中图分类号:文献标识码:文章编号:(2010)F293.3A1006-354402-0041-06早期针对经济泡沫的研究主要集中于股票市场,然而,自房地产泡沫破灭导致20世纪80年代末日本经济崩溃和
房地产泡沫问题开始逐渐成为理1997年亚洲金融危机以来,
论界与实务界关注的焦点之一。改革开放以来,我国经济迅速发展,城市化步伐明显加快,这直接导致了土地价格上涨和房屋需求增大,并进一步导致房价普遍性地持续上升,这无疑对我国的金融安全和宏观稳定提出了严峻的挑战。历次金融危机基本上都与经济泡沫有关,CollynsandSenhadji(2002)[1]认为,相对于股票市场泡沫,房地产泡沫更容易导致金融危机。2007年的美国次贷危机再次警示我们:房地产泡沫问题与国家的金融安全与金融稳定问题联系日益紧密,并且已经成为我国经济开放与经济发展过程中最棘手的问题之一,能否正确处理好房地产泡沫问题将对我国的经济金融稳定与现代化进程产生重大影响。因此,研究房地产泡沫理论,尤其是房地产泡沫识别技术,对政府建立房地产风险预警体系以及制定金融风险防范措施具有重要意义。
该方法的权重确定实质上是基于主观赋权,具有主观性和任
刘琳等(2003)[3]提出了房地产泡沫测度意性,缺乏客观标准。
系数,即房地产价格增长率/实际GDP增长率或房价收入比和住房按揭款/居民月收入的几何平均值,该系数越大,房地产泡沫程度就越大。该方法的明显不足在于忽略了指标间的相关性。(2004)[4]通过三种估计方法,即长期均ChungandKim
基础市场价值法以及房价—收入比率法对韩国的衡价格法、
房地产泡沫现象进行了实证检验,得出韩国存在房地产泡沫现象。该方法类似于单一指标测度法,其主要缺陷在于各区域的泡沫大小由不同的估计方法得到,缺乏统一的评价标准。总体而言,指标体系测度法不以严格的经济理论和逻辑推导为基础,并且权重的确定带有一定的主观性。但该方法所需数据很少,在我国房地产业发展时间并不长的现状下,也不失为测度泡沫的一种选择。
(二)统计检验测度法
该方法以计量经济学理论为基础,对房地产价格变化进行统计分析,基本思路为:将房地产价格用预期未来房地产收益的理性贴现值描述作为原假设,通过检验原假设是否成
[5]
立来识别泡沫。(1981),(1981)[6]andShillerLeroyandPorter
(1986)[7]等提出了方差界检验,认为在市场有效时,当Kleidon
期的房地产理论价格可以通过未来房地产预期收益的贴现值求得,并且房地产实际价格的方差要大于理论价格的方差,于是可以通过检验这一原假设是否成立来识别泡沫。然而,该方法对市场有效和投资者理性的假定与现实情况不相符,市场不完全有效和投资者非理性等使得该方法存在明显的局限性。(1988)[8]在Hausman(1978)提出的设定性检West
验基础上通过检验两组参数的一致性来识别泡沫。这两组参数在计算给定股票现金流条件下的预期贴现值时需要用到,其估计方法为:第一组参数由股票价格对一组合理的滞后现
一、文献回顾
目前,针对房地产泡沫识别问题,国外的研究明显超前
于国内,主要遵循三条思路:(一)指标体系测度法
该方法通过选取或者设计与房地产泡沫有关的指标或指标体系来测度房地产泡沫。李维哲、曲波(2002)[2]以生产状况、交易状况、消费状况和金融状况为视角选取了14个指标,并通过建立基于综合评分的综合预警系数来判断泡沫程度。
收稿日期:2009-12-01基金项目:国家社会科学基金(07BJY154)作者简介:张朝洋(1984-),男,江苏无锡人,江西财经大学硕士研究
生,研究方向为国际金融。
金流的回归中得到,第二组参数从产生贴现率的套利方程和股票现金流的ARMA方程间接得到。HamiltonandWhiteman(1985)[9]和Taipalus(2006)[10]等借助单位根检验对房地产泡沫进行了研究,通过检验房地产价格序列和房地产泡沫指标
(1988)[11]指出,将是否平稳来识别泡沫。DibaandGrossman
单位根检验与协整检验结合起来可以更有效地识别泡沫,其基本思路为:先对房地产价格序列和租金收入序列进行单位根检验,如果存在单位根,再进行协整检验以确定房地产价格和租金之间是否存在长期均衡关系,若未通过协整检验则说明房地产市场存在泡沫。另外,)[12]借助KimandLee(2000
VAR理论与协整方法对韩国房地产泡沫进行了研究,Hui
(2006)[13]结合Granger因果检验和脉冲响应分析对香andYue
港、上海和北京的房地产泡沫进行了研究。总体而言,统计检验测度法以市场有效性假说为基础,对样本数据的数量和准确性要求较大,并且只能识别泡沫而不能直接确定泡沫程度。(三)基础价值测度法
该方法从定价角度通过建立数学模型来测度房地产基础价格,并与实际价格比较以确定是否存在泡沫以及泡沫程
根据测度房地产基础价值的不同思路,可以分为度的大小。
两类。一类是从收益还原价值角度来测算房地产基础价值,如野口悠纪雄(1989)基于房地产价格只与其预期及未来收益有关的假定实证检验了东京市写字楼用地和住宅用地的
)基于土地价格就是地租的资本化的泡沫情况,中尾宏(1996假定实证检验了东京商业用地的泡沫情况。该类方法具有较
强的理论基础,测度准确性好,但是必须以成熟完善的租赁市场为前提,并且资本化率也很难确定。另一类是从市场供求因素角度来测算房地产基础价值。AbrahamandHender-
)[14]选取实际建筑成本、实际人均收入、就业水平shott(1994
以及实际税后利率作为变量,通过建立房地产均衡价格的理论模型对美国1977~1992年间30个城市的房地产泡沫问题进行了研究。他们将房价变动划分为两部分:一部分解释了以实际收入、实际建造成本和实际税后利率变化表示的房地产均衡价格的变动,另一部分则解释了房地产均衡价格与实际
(2004)[15]通过建立结构性价格的差异。McCarthyandPeach
房地产部门模型,即分别建立房地产的供给模型和需求模型来测度房地产均衡价格和供给价格。其中,房地产供给模型和需求模型中相关变量之间存在协整关系,但是均衡的供给价格与均衡的需求价格是不相等的,于是通过加入误差修正项即可测算房地产供给价格与均衡价格,两者之间的差额即为泡沫部分。韩冬梅、刘兰娟、曹坤(2008)[16]通过建立商品房供给与需求的状态空间模型,将商品房基础价值作为一种状态变量纳入到模型中,对上海市房地产泡沫问题进行了研究,得出结论:上海市房地产泡沫已经出现,在2002~2005年总体而言,基础价值测度这4年间平均泡沫程度达到22.5%。法紧扣泡沫定义,确定性较高,既能识别泡沫又能确定泡沫程度。但是,它对房地产市场的数据积累要求较高,并且对影响房地产市场价格的供求因素以及用于贴现的资本化率也很难确定。
总之,这三种方法各有优劣,究竟采取哪种方法对房地产泡沫进行测度比较可靠,至今学术界尚未形成统一意见。基于此,很多学者通过综合考虑多种方法或者改进某种方法
来对房地产泡沫进行重新测度,这为进一步合理确定房地产
泡沫提供了重要依据。本文通过改进以往的房地产基础价值测度法,将房地产基础价值看作一种状态变量,并进一步建
尝立基于房地产供求的SSpace模型来研究中国房地产泡沫,试在两方面有所突破:(1)将房地产基础价值看作一种状态
变量,通过建立基于房地产供求的SSpace模型来对中国房地
)通过定义基于房地产基础价产泡沫进行基础价值测度;(2值和房地产实际价格的泡沫比率对中国的全国性房地产泡
沫的存在性和泡沫程度做出合理判断。
二、研究设计
(一)关于变量的选取
房地产基础价值受到诸多市场供求因素和宏观政策因素的影响,其中影响房地产供给的因素主要包括房屋销售价格、贷款利率和房地产投资等。另外,经济增长也会带动房地
影响商品房需求的主要因素有房地产销售价格、产的供给。
贷款利率、收入水平以及一般商品价格等。本文将商品房市场作为研究房地产泡沫的切入点,根据以上描述,选取的相关变量及描述如表1所示。其中,HCOM和HCON分别为商品房供给和需求的代理变量,HPP、RI、HI和GDP为影响商品房供给的解释变量,HPP、RI、INC和CPI为影响商品房需求的解
特别指出,为了消除通货膨胀因素对HI、释变量。GDP和INC
的影响,利用CPI对这些变量进行平减,同时,RI由名义贷款利率减去通货膨胀率得到。另外,考虑到各变量之间存在的异方差问题,在进行房地产泡沫实证分析时,特别将所有变量都取为自然对数形式,这样各解释变量的系数相应代表该变量的弹性,便于变量之间的对比分析和综合判断。
表1变量描述
变量HCOMHCONHPPRI
描述
商品房竣工面积(万m2)商品房施工面积(万m2)商品房销售价格(元/m2)
变量HIGDPINC
描述
房地产开发投资(亿元)国内生产总值(亿元)城镇居民家庭人均可支
配收入(元)商品零售价格指数(上年=100)
(%)CPI5~10年实际贷款利率
(二)关于模型的建立
房地产基础价值,即由房地产市场供给和房地产市场需求共同决定的理论价值,其变化实际上反映了房地产市场供求的动态调整过程,一旦市场供求发生变化,就意味着房地
房地产基础价值产基础价值由一种状态向另一种状态转变。
决定了房地产实际价格的理性发展趋势,但同时房地产实际价格又受到市场非理性投机因素的影响,如果房地产市场过热,投机盛行,便会出现泡沫现象。基于此,本文将房地产泡沫定义为:房地产实际价格对房地产基础价值的非平稳性偏离。利用传统的基础价值测度法研究房地产泡沫,经常受贴现率和市场供求因素难以确定以及理论模型估计难度大等问题的制约,而借助状态空间模型可以有效弥补这些缺陷。将房地产基础价值看作一个状态变量,挑选影响房地产供求的主要变量,建立基于市场供求的SSpace模型,一方面很多不
可观测的变量(状态变量)的估计,如趋势和循环因素等可以在SSpace模型中实现,另一方面借助卡尔曼(Kalman)可以对状态空间模型中的可观测变量和不可观测变量进行有效估计。
1.房地产供给的状态空间模型量测方程:lnhcomt=sv1t×lnhppt+sv2t×lnrit+sv3t×lnhit+sv4t×
(1)lngdpt+εt
状态方程:(1)(2)(2)sv1t=c+c×sv1t-1+ε1t
(3)(4)(3)sv2t=c+c×sv2t-1+ε2t(5)(6)(4)sv3t=c+c×sv3t-1+ε3t(7)(8)(5)sv4t=c+c×sv4t-1+ε4t
残差序列εt、其中,sv1t、sv2t、sv3t和sv4t为状态变量,ε1t、ε2t、
方差一定且不相关。ε3t和ε4t为独立同分布,
2.房地产需求的状态空间模型量测方程:lnhcont=vv1t×lnhppt+vv2t×lnrit+vv3t×lninct+(6)vv4t×lncpit+μt
(9)(10)(7)状态方程:vv1t=c+c×vv1t-1+μ1t(11)(12)(8)vv2t=c+c×vv2t-1+μ2t(13)(14)(9)vv3t=c+c×vv3t-1+μ3t(15)(16)(10)vv4t=c+c×vv4t-1+μ4t
其中,残差序列μt、vv1t、vv2t、vv3t和vv4t为状态变量,μ1t、μ2t、
方差一定且不相关。μ3t和μ4t为独立同分布,
3.房地产基础价值的状态空间模型
量测方程:lnhcomt=sv1t×lnhbpt+sv2t×lnrit+sv3t×lnhit+sv4t×
(11)lngdpt+εt
lnhcont=vv1t×lnhbpt+vv2t×lnrit+vv3t×lninct+vv4t×lncpit+μt(12)
(17)(18)(13)状态方程:lnhbpt=c+c×lnhbpt-1+ηt
其中,sv1t、sv2t、sv3t、sv4t、vv1t、vv2t、vv3t和vv4t分别由房地产供给和需求的状态空间模型估计得到,hbpt为房地产基础价值,残差序列εt、方差一定且不相关。μt和ηt独立同分布,
(三)实证方法与数据说明
)对全国的样本原始数据进行描本文的研究思路为:(1
述性分析,并在此基础上借鉴国内有关SSpace模型的研究成
(2)建果,对全国的样本对数数据进行ADF检验和协整检验。
立关于样本对数数据的SSpace模型(房地产供给模型、房地产需求模型和房地产基础价值模型),首先估计房地产供给模型和房地产需求模型,分别得到两组模型的状态变量估计值,然后将状态变量估计值作为已知值代入房地产基础价值模型对其进行估计,得到房地产基础价值的历年估计值。(3)基于房地产基础价值的估计值和房地产实际价格,对历年房地产泡沫进行实证分析,将泡沫比率定义为房地产实际价格相对房地产基础价值的偏移率,也即:bubble=
hpp-hbp
×三、中国房地产泡沫的实证模型检验
(一)描述性统计
表2列出了样本观测值的描述性统计。从中可以看出,商
品房平均竣工面积和商品房平均施工面积较大,并且商品房平均施工面积要显著大于商品房平均竣工面积,HCON和
两者均HCOM分别达到78955.9万平方米和26892.8万平方米,
呈现平稳性攀升趋势;商品房销售价格呈现迅速攀升态势,
商品房平均销售价格为2424.1元/在样本期内上升了近2.5倍,
平方米;5~10年实际贷款利率总体上处于较低水平,其均值仅为6.7%,这在一定程度上凸显了我国房地产信贷政策的相对宽松性;HI、GDP和INC均呈现迅速增长趋势,样本期内分别增加了8.8倍、这主要反映了我国经济快速增4.5倍和3.5倍,长过程中房地产开发投资和居民收入也呈现不同水平变化的情况;商品零售价格指数变化总体较为平稳,均值只有
这与居民收入水平的变化持平。101.3,
表2描述性统计
样本数最小值
HCOMHCONHPPRIHIGDPINCCPI
[**************]3
11951.3
最大值49831.3
均值26892.878955.92424.1
6.79148.9
中位数24625.461583.02169.7
7.36414.7
标准差13550.951186.8666.02.57113.157119.32879.24.4
30374.7186788.41590.9
1.82774.5
3863.910.924481.0
53562.7241558.5126070.1110874.83773.597.0
13345.4113.5
7644.5101.3
6935.9100.5
由于房地产市场供求变量的性质和测度单位的差异,各变量之间往往存在异方差问题,因此,本文采用对数化的方法,在实证分析中将所涉及变量均取为对数形式。从图1可以看出,经过对数化处理后的各房地产市场供求变量之间的异方差问题基本得到解决,所有变量的对数变化基本趋同,且变化幅度基本上保持在2个对数单位以内。其中,LNHCOM、LNHCON、LNHPP、LNHI、LNGDP和LNINC的变化特征具有较大的相似性,LNCPI的变化表现为高度平稳,LNRI则同时呈现出显著的上升和下降特征。
该比率越大,泡沫越严重。100%,
本文所有变量的数据区间为1995~2007年,原始数据全部来自中经网产业数据库、中国房地产市场统计年鉴和中国其中,为了消除通货膨胀因素的影响,利用CPI对统计年鉴。HI、GDP和INC进行了平减;RI由名义贷款利率减去通货膨胀率得到;为了消除变量间的异方差问题,实证分析中所有变量都取对数形式。
(二)平稳性检验
根据以往的经验分析,建立SSpace模型并对其进行卡尔曼(Kalman)滤波估计,前提是要确保变量序列是平稳的或者变量序列非平稳但是存在协整关系。鉴于此,首先对变量序
列进行平稳性检验,若变量序列都是平稳的,则可以认为不存在伪回归问题;若变量序列非平稳,则还须对其差分序列进行平稳性检验,以确定各变量序列是否为同阶单整,如果是同阶单整,则还须进行变量序列之间的协整检验,进而确
基于此,借助定对非平稳序列进行建模和估计是否有意义。
检验结果(见ADF检验和PP检验来考察变量序列的平稳性,
)表明,表3LNHCOM、LNHPP和LNINC在5%的显著性水平上
都是非平稳的;一阶差分序列中D(LNHPP,)在5%的显著性1
水平上是非平稳的,(LNHI,)在5%的显著性水平上通过了D1
但没有通过PP检验,其他序列在5%的显著性水平ADF检验,
上都是平稳的;二阶差分序列在1%的显著性水平上同时通过
即变量序列都服从二阶单整(),也即了ADF检验和PP检验,I2
变量序列为同阶单整。
表3变量序列平稳性检验
ADF检验
检验类型(C,)T,L
LNHCOMLNHCONLNHPPLNRILNHILNGDPLNINCLNCPI(LNHCOM,)D1(LNHCON,)1D
(LNHPP,)D1(LNRI,)D1(LNHI,)1D
(LNGDP,)D1(LNINC,)D1(LNCPI,)1D
(LNHCOM,)D2(LNHCON,)2D
(LNHPP,)D2(LNRI,)D2(LNHI,)D2(LNGDP,)D2(LNINC,)D2(LNCPI,)D2
(C,)T,4(C,)T,4(C,)T,4(C,)0,0(C,)T,4(C,)T,4(C,)T,4(C,)0,3(C,)0,0(C,)0,4(0,)0,0(C,)T,2(C,)0,1(C,)0,4(C,)0,0(C,)0,2(0,)0,0(0,)0,4(0,)0,0(0,)0,4(0,)0,4(0,)0,4(0,)0,0(0,)0,3
统计量-1.2632-3.6978*-1.0843-4.0497**-5.7871**-9.8185***-37.2516-1.6244-3.4060**-3.4033**-0.9446-4.2827**-3.3144**-5.6357***-3.7247**-4.4548***-6.3115***-4.0380***-3.0770***-6.2275***-4.5841***-2.2026**-3.8106***-3.3581***
5%临界值-4.2465-4.2465-4.2465-3.1449-4.2465-4.2465-4.2465-3.2598-3.1754-3.3890-1.9778-4.1078-3.2127-3.4033-3.1754-3.2598-1.9823-2.0212-1.9823-2.0212-2.0212-2.0212-1.9823-2.0063
检验类型(C,)T,B
(C,)T,1(C,)T,6(C,)T,1(C,)0,2(C,)T,0(C,)T,2(C,)T,1(C,)0,1(C,)0,1(C,)0,8(0,)0,1(C,)0,7(C,)T,1(C,)T,10(C,)0,0(0,)0,10(C,)T,6(0,)0,1(0,)0,5(0,)0,9(0,)0,1(0,)0,9(0,)0,9(0,)0,9
PP检验统计量-2.6293-12.9964***-0.7431-3.6464**-2.9839-2.2507-2.6878-4.1995**-3.4685**-4.3821***-0.9183-15.3627***-2.1935-10.2108***-3.7247**-3.3288***-13.8803***-3.6402***-3.0627***-8.0315***-4.6981***-3.6410***-5.0187***-2.8313***
5%临界值-3.8753-3.8753-3.8753-3.1449-3.8753-3.8753-3.8753-3.1449-3.1754-3.1754-1.9777-3.1754-3.9334-3.9334-3.1754-1.9777-4.0082-1.9823-1.9823-1.9823-1.9823-1.9823-1.9823-1.9823
*****
注:、和*分别表示所选检验类型在1%、检验类型根据变量性质及统计信息确定,滞后期则根据5%和10%显著性水平上显著,
下同。AIC准则和Newey-West带宽确定,
(三)协整检验
在变量序列非平稳和同阶单整的情况下,如果它们之间存在协整关系,则根据变量序列建立模型和进行参数估计仍然是合适的。由于协整向量已知,故本文采取最基本的检验方法,即对由被解释变量和解释变量组成的静态回归残差序列进行平稳性检验。如果残差序列存在单位根,即残差序列非平稳,则说明回归变量之间不存在协整关系;反之,如果残差序列不存在单位根,也即残差序列是平稳的,则说明回归变量之间存在协整关系。本文的做法是:通过检验房地产供给模型和房地产需求模型,也即方程(1)和方程(6)中所涉及的被解释变量和解释变量组成的线性模型的残差序列是否平稳,来说明变量之间是否存在协整关系。基于此,构建模型
(14)和模型(15)。
lnhcomt=β0+β1×lnhppt+β2×lnrit+β3×lnhit+β4×lngdpt+εt
(14)
lnhcont=α0+α1×lnhppt+α2×lnrit+α3×lninct+α4×lncpit+μt
(15)
分别做OLS回归,得到残差序列εt和μt,再分别对二者进行平稳性检验。检验结果如表4所示,残差序列εt和μt在5%的显著性水平上同时通过了ADF检验和PP检验,即回归变量之间存在协整关系,具体而言,lnhcom、lnhpp、lnri、lnhi和lngdp之间存在协整关系,lnhcon、lnhpp、lnri、lninc和lncpi之间也存在协整关系,进而可以认为,本文建立的状态空间模型以及针对该模型进行的参数估计都是合适的。
表4
ADF检验
检验类型(C,)T,Lεtμt
(0,)0,4(0,)0,1
统计量-2.5127**-2.6312**
5%临界值-1.9959-1.9777
检验类型(C,)T,B
(C,)0,1(C,)0,3
残差序列平稳性检验
PP检验统计量-5.1612***-3.1807***
5%临界值-3.1449-3.1449
四、中国房地产泡沫的实证分析
(一)泡沫测度结果分析
根据建立的SSpace模型(房地产供给模型、房地产需求模型和房地产基础价值模型)以及文中所述的模型估计方法,对中国的全国性商品房基础价值进行了测度,并在此基础上根据文中定义的泡沫比率对房地产泡沫进行了测算,由此对中国的全国性房地产泡沫的存在性和泡沫程度进行评价和
在整个样本期内,平均泡沫比率为2.39%,分析,如表5所示。
总体而言,泡沫程度相当低;1995~1999年这5年泡沫比率都为负值,均值为-1.61%,由此可认为,该期间并不存在房地产泡沫;2000~2007年这8年泡沫比率都为正值,均值为4.88%,由此得到,该期间出现了泡沫,但是泡沫程度还是比较低;由此得出,2005~2007年这3年的泡沫比率均值达到10.96%,中国的全国性房地产泡沫已经出现,并且已经比较显著。
房地产泡沫是房地产实际价格偏离其基础价值所致,然而这种偏离可能是平稳性的随机游走过程,也可能是非平稳
若是前者,笔者认为泡沫现象是市场规律所致,并偏离过程。
且会随着时间的推移而消失;若是后者,则说明泡沫现象不但已经出现,而且还会随时间推移而呈现不断放大的趋势。基于此,出于谨慎起见,将泡沫比率是否平稳作为判断泡沫性质的重要指标。为此,对泡沫比率进行平稳性检验,如表6所示。可以看出,泡沫比率是非平稳的,而其一阶差分序列却
表6
ADF检验
检验类型(C,)T,L
bubble(bubble,)D1
(C,)T,2(C,)0,1
统计量-0.9006-3.1545*
5%临界值-4.0082-3.2127
[***********][***********][**************]7
表5房地产泡沫测度结果
商品房基础价值(元/平方米)
1597.11840.72058.92116.22058.02106.32146.52217.72311.02679.32749.73111.23530.3
泡沫比率(%)-0.39-1.86-2.99-2.53-0.260.261.081.462.101.2915.208.229.45
商品房实际价格(元/平方米)
1590.91806.41997.22062.62052.62111.62169.72250.22359.52713.93167.73366.83863.9
是平稳的,即泡沫比率服从一阶单整()。这说明,泡沫比率,I1
也即房地产实际价格对其基础价值的偏离,并不是随机游走过程,而是显著的非平稳偏离过程。从而可以更有把握地认为,中国的全国性或整体性房地产泡沫已经出现,2005~2007年泡沫程度平均达到10.96%,并且呈现不断放大的趋势。
泡沫比率平稳性检验
PP检验
检验类型(C,)T,B
(C,)T,3(C,)0,10
统计量-3.6436*-9.0133***
5%临界值-3.8753-3.1754
(二)商品房实际价格与基础价值走势分析
为了便于认识中国的房地产泡沫情况,本文给出商品房实际价格与商品房基础价值的走势图,如图2所示。可以看出,商品房实际价格和商品房基础价值的变化特征具有极大的相似性,2004年以前二者基本持平,而自2005年开始商品房实际价格相对商品房基础价值开始出现显著偏离,并且偏离程度呈现不断放大的趋势,这实际上反映了中国房地产市场的一些重要特征。一方面,2004年以前中国的全国性房地产市场总体运行较为稳健,商品房实际价格以1999年为分界点围绕基础价值做小幅波动,呈现明显的周期性特征,这与亚洲金融危机的冲击与恢复过程联系颇为紧密。另一方面,
平均增长率达到2000年以来房地产投资增长过快过猛,
再加上国际资本流25.58%,2003年和2004年更是高达30%,
入和国内通货膨胀对房地产市场的影响,全国性房地产泡沫
不断膨胀,2005年全国性商品房实际价格偏离其基础价值约
泡沫程度高达15.2%,并且呈现不断放大趋418元/平方米,
势。在次贷危机后期扩张性政策的大背景下,2009年上半年中国国内信贷投放过快过猛,并且很大一部分流向房地产,新一轮的房市泡沫又在加速膨胀,对此,必须高度警觉。
(三)商品房实际价格和基础价值增长率与泡沫比率走势分析
明,我国的全国性商品房价格已经处于实际价格与基础价值
相互抬升的加速阶段。一方面,由土地价格、资金使用成本和人力成本等因素导致商品房基础价值上升,进而引起商品房实际价格上升;另一方面,由于商品房实际价格上升推动经济增长和拉动通货膨胀导致建筑成本进一步提升,从而导致
在中国经济高速增长和商品房基础价值进入新一轮的增长。
房价不断攀升的背景下,房地产泡沫累积的速度会越发加快,房地产泡沫风险也会越发放大,对此应该特别警惕。
(四)泡沫成因分析房地产投借助Granger因果关系检验来分析经济增长、资、贷款利率与泡沫比率之间的关系,以期从定量角度对泡
可以看出,沫成因做出比较合理的判断,如表7所示。GDP和
HI在1%、5%和10%的置信水平上分别是Bubble的滞后1~3期的Granger原因,而RI仅在25%的置信水平上是Bubble的滞后1期的Granger原因,这说明中国的全国性房地产泡沫主要成因在于经济的高速增长和房地产投资的投放过快过猛,而贷款
我们还发现,利率并没有对泡沫产生显著影响。Bubble在15%
的置信水平上是HI的滞后2期的Granger原因,Bubble还在10%和15%的置信水平上分别是RI滞后1~2期的Granger原因,这说明,房地产泡沫会进一步刺激房地产投资,并且会促使监管当局调整贷款利率,但是房地产泡沫并不会对经济增长产生显著影响。综合考虑,笔者认为,经济增长和房地产投资共同推动了中国的全国性房地产泡沫,而且房地产泡沫还会反过来刺激房地产投资;此外,房地产泡沫确实对政府的贷款利率政策有一定影响,但是贷款利率的变化并不会对房地产泡沫产生显著影响。由此可见,房地产投资对中国的全国性房地产泡沫具有决定性影响,针对房地产投资的监管与调控以及增大贷款利率在房地产市场中的调节作用,对于稳定房地产市场和应对房地产泡沫具有重要意义。
从图3可看出,在整个样本期内,商品房实际价格和基础价值的变化分为三个时段:即1995~1999年、2000~2003年和
第一时段表现为快速下降过程,变动较为剧2004~2007年。
烈;第二时段表现为平缓上升过程,变动相对平稳;第三时段则表现为变速上升过程,变动有快有慢。与此相对应,泡沫比率也经过了三个时段:第一时段泡沫比率均为负值,不存在房地产泡沫;第二时段泡沫比率均为正值,且在5%以内波动,泡沫程度很小;第三时段泡沫比率急剧攀升,且都在10%左右波动,泡沫程度已经较为显著。这其中包含了诸多因素的影响,如亚洲金融危机的冲击和恢复、经济周期以及通货膨胀的累积等。
另外,商品房实际价格增长率、商品房基础价值增长率与泡沫比率均表现出显著的周期性特征,并且自2005年开始
这表三者还呈现出波动周期趋短和波动幅度趋大的特征。
表7
原假设GDP不是Bubble
的Granger原因
滞后期1231
HI不是Bubble的Granger原因
23123
F统计量13.7466***13.7734***7.7294*14.4538***9.1724**6.4066*1.8114※0.85760.2544
五、结论与政策建议
整个样本期内,平均泡沫程度相1.从泡沫测度结果来看,
近年来全国性房地产泡沫开始迅速膨胀,当低,仅为2.39%;
平均泡沫程度高达10.96%,并呈现不断放大的趋势。对泡沫比率的平稳性检验也表明,全国性房地产泡沫并非随机游走
Granger因果关系检验:GDP、HI、RI与Bubble
接受原假设的概率
0.00490.00570.06350.00420.01500.08070.21130.47040.8548
Bubble不是HI的Granger原因Bubble不是GDP的Granger原因
原假设
滞后期123123123
F统计量0.27310.33260.17570.93833.35621.74394.71933.07051.4201
接受原假设的概率
0.61390.72950.90650.35800.1051※※※0.32950.0580*0.1207※※※0.3900
RI不是Bubble的Granger原因Bubble不是RI的Granger原因
******※※※※※※注:、、分别表示在1%、、、分别表示在15%、5%和10%的置信水平上拒绝原假设,20%、25%的置信水平上拒绝原假设。
(下转第68页)
身多方面努力,在不断创新创业教育理论的同时,要加强针对性的辅导与培训,以增加大学生创业的成功率;要为其提供更多的创业实践机会,注重各种形式的创业实践活动,从而最终提高大学生的综合素质,促进大学生就业与个人职业发展。
参考文献:
[1]顾晓华等.创造、创新、创业型人才培养研究[J].教育创
新,(6)2005.
[2]李远贵.论大学生创业教育[J](哲学社会.西华大学学报
(6)科学版),2005.
[3]徐祗坤,陈有为.创业教育兴起的要因[J].职业技术教育,
(22)2005.
[4]关勇.当代大学生创业教育浅析[J].中国成人教育,2007
(24).
(责任编辑:卢艳茹;校对:郄彦平)
(上接第46页)过程,从而得出而是显著的非平稳偏离过程。结论:中国的全国性房地产泡沫已经出现,并且近年来泡沫程度呈现不断放大的趋势。其政策意义在于,中国的全国性房地产泡沫的性质是全局性泡沫而非区域性泡沫。因此,针对房地产市场的调控不能只局限于大中城市,而应该着眼于全国范围。
商品房实2.从商品房实际价格和基础价值的走势来看,
际价格和商品房基础价值的变化特征具有极大的相似性,并且呈现明显的周期性特征,这2004年以前二者基本持平,
受房地与亚洲金融危机的冲击与恢复过程的联系颇为紧密。
产投资增长过快过猛、国际资本流入和国内通货膨胀等因素的综合影响,自2005年开始全国性房地产泡沫不断膨胀。在次贷危机后期扩张性政策的背景下,国内信贷投放过快过猛,其中很大一部分流向了房地产,新一轮的房市泡沫又开始膨胀。对此,监管当局应在增加政府投资和刺激经济增长的同时,切实做好宏观调控,以防范新一轮的通胀和房市泡沫。
3.从商品房实际价格和基础价值增长率与泡沫比率走势来看,商品房实际价格增长率、商品房基础价值增长率与泡沫比率均表现出显著的周期性特征,并且自2005年开始三者还呈现出波动周期趋短和波动幅度趋大的特征,这表明我国的全国性商品房价格已经处于实际价格与基础价值相互抬升的加速阶段。对此,政府面临着两难抉择,一方面要通过增加房地产投资来促进经济增长和带动就业,另一方面又要避免经济体系流动性过剩和通货膨胀。笔者的建议是:对房地产市场资金流动实施有效监控,在现阶段中国房地产市场并不发达的情况下,由国家根据宏观形势对房地产投资进行政策性调控,在促进经济增长和就业与控制通货膨胀和房市泡沫之间寻找合适落脚点。
经济高速增长和房地产投资增长过4.从泡沫成因来看,
快过猛是推动全国性房地产泡沫的最主要原因,并且房地产泡沫还会反过来拉动房地产投资的增长。此外,房地产泡沫确实会对贷款利率政策产生一定影响,但是贷款利率的变化并不会对房地产泡沫产生显著影响。由于房地产投资对全国性房地产泡沫具有决定性影响,因此须加强针对房地产投资的监管与调控,同时增加贷款利率在房地产市场中的调节作用,以应对房地产泡沫风险和维系房地产市场稳定。
参考文献:
[1]CharlesCollynsandAbdelhakSenhadji.LendingBooms,RealEs-tateBubblesandtheAsianCrisis.IMFWorkingPaper,2002.
[2]李维哲,曲波.地产泡沫预警指标体系与方法研究[J].山西财经大学学报,(8)2002.[3]刘琳,黄英,刘洪玉.房地产泡沫测试系数研究[J].价格理论与实
践,(6)2003.
[4]HeeSooChungandJeongHoKim.Housingspeculationandhous-
ingpricebubbleinKorea.KDISchoolofPubPolicy&Manage-mentPaper,2004.
[5]RobertJ.Shiller.DoStockPricesMoveTooMuchtoBeJustifiedby
SubsequentChangesinDividends?AmericanEconomicReview,1981.[6]StephenLeroyandRichardPorter.ThePresentValueRelation:TestsBasedonVarianceBounds.Econometrica,1981.[7]AllanKleidon.VarianceBoundsTestsandStockPriceValuation
[J]Models.JournalofPoliticalEconomy,1986.
[8]KennethD.West.ASpecificationTestforSpeculativeBubbles.
(1)1988.NBERWorkingPaper,[9]JamesD.HamiltonandCharlesH.Whiteman.Theobservableim-
[J]plicationsofself-fulfillingexpectations.JournalofMonetaryE-
conomics,1985.[10]KatjaTaipalus.Aglobalhousepricebubble:Evaluationbasedon
anewrent-priceapproach.BankofFinlandResearchDiscussionPaper,2006.
[11]BehzadT.DibaandHerschelI.Grossman.ExplosiveRationalBubblesinStockPrices?TheAmericanEconomicReview,1988.[12]Kyung-HwanKimandHahnShikLee.RealEstatePriceBubble
(8)andPriceForecastsinKorea.KonkukUniversityPaper,2000.[13]EddieC.M.HuiandShenYue.HousingPriceBubblesinHong
BeijingandShanghai:AComparativeStudy.RealEstateKong,
FinanEcon,2006.
[14]JesseM.AbrahamandPatricH.Hendershott.BubblesinMetrop-olitanHousingMarkets.NBERWorkingPaper,1994.[15]JonathanMcCarthyandRichardW.Peach.Arehomepricesthe(2)2004.nextbubbles?FRBNYEconomicPolicyReview,
[16]韩冬梅,刘兰娟,曹坤.基于状态空间模型的房地产价格泡沫问
题研究[J](1).财经研究,2008.
(责任编辑:李丹;校对:龙会芳)