新書推薦：
《
PyTorch语音识别实战
》
售價：NT$
386.0
《
多卖三倍
》
售價：NT$
252.0
《
哲学思维：清晰思考的12条关键原则
》
售價：NT$
386.0
《
海盗之书
》
售價：NT$
381.0
《
亲美与反美：战后日本的政治无意识
》
售價：NT$
325.0
《
亲爱的安吉维拉：或一份包含15条建议的女性主义宣言
》
售價：NT$
274.0
《
理想国译丛064：狼性时代：第三帝国余波中的德国与德国人，1945—1955
》
售價：NT$
571.0
《
海外中国研究·明清中国的经济结构
》
售價：NT$
717.0
|
| 編輯推薦： |
|
《中国房地产市场的特征及其影响因素研究》的主要读者对象是经济学、金融学及相关专业的硕士、博士研究生，同时也适用于高等院校、科研院所的教师和科研人员。另外，《中国房地产市场的特征及其影响因素研究》也可以作为国家相关部门、商业金融机构了解我国房地产市场的参考资料。
|
| 內容簡介： |
|
《中国房地产市场的特征及其影响因素研究》在全面介绍房地产市场相关国内外研究的基础上，对我国房价的影响因素进行了深入探讨。在简要阐述我国房地产市场现状之后，基于投资组合理论分析影响我国房价的相关因素。然后，在基于马尔可夫区制转换模型分析我国房地产市场周期性特征的基础上，探讨了货币政策在不同区制状态下对房地产市场的影响。最后，《中国房地产市场的特征及其影响因素研究》基于门槛协整理论探讨了土地价格及一些宏观经济因素如货币、通胀水平及产出对房价的影响，并基于小波理论探讨了在不同时间尺度下，宏观经济因素对房价的影响。
|
| 目錄：
|
目录
第1章绪论1
1.1研究背景及意义1
1.2相关研究评述2
1.2.1国外研究评述2
1.2.2国内研究评述7
1.3本书结构安排11
第2章中国房地产市场现状13
2.1中国房地产市场整体发展状况13
2.2中国房地产市场投资状况14
2.2.1中国房地产投资总量14
2.2.2中国房地产市场不同物业投资及不同地区投资状况15
2.2.3中国房地产投资资金来源状况17
2.2.4影响房地产投资的主要因素19
2.3中国房地产市场供求状况20
2.3.1中国房地产市场供求总体趋势20
2.3.2中国房地产市场供给状况21
2.3.3中国房地产市场需求状况25
2.4中国房地产市场对经济的影响28
2.4.1房地产业与宏观经济28
2.4.2房地产业对其他产业的带动作用31
2.4.3房地产业对人民生活的影响33
第3章中国房价影响因素的理论分析35
3.1房地产均衡价格的决定：一个基本模型35
3.1.1基本模型的设定35
3.1.2基本模型的解37
3.2房地产均衡价格的影响因素39
3.3财富偏好、习惯形成对房地产均衡价格的影响42
3.3.1扩展模型的设定43
3.3.2扩展模型的解44
3.4结论45
第4章中国房地产周期及货币政策的影响46
4.1引言46
4.2研究方法：马尔可夫区制转换AR模型47
4.3中国房地产市场的周期状态区制识别48
4.3.1数据及描述性统计48
4.3.2非线性特征检验49
4.3.3中国房地产市场的周期状态区制识别50
4.4货币政策对房地产市场影响的非对称效应55
4.4.1货币政策变量的选择及分解55
4.4.2货币政策对中国房地产市场的影响估计56
4.4.3货币政策对中国房地产市场的非对称影响检验59
4.4.4实证结果分析59
4.5稳健性检验62
4.6结论63
第5章中国房价与土地价格的长期动态均衡关系65
5.1引言65
5.2实证研究方法66
5.2.1线性协整模型66
5.2.2门槛协整模型67
5.3中国房价与土地价格的长期动态均衡实证分析70
5.3.1数据及描述性统计70
5.3.2单位根检验72
5.3.3线性协整检验及误差修正分析结果73
5.3.4门槛协整分析结果76
5.3.5具有门槛协整的向量误差修正模型分析结果80
5.4结论84
第6章中国房价与宏观经济影响因素的长期动态均衡关系85
6.1引言85
6.2实证研究方法86
6.3中国房价与宏观经济因素的长期动态均衡实证分析87
6.3.1数据及描述性统计87
6.3.2单位根检验89
6.3.3线性协整检验及误差修正分析结果90
6.3.4门槛协整分析结果97
6.3.5具有门槛协整的向量误差修正模型分析结果101
6.3.6稳健性检验106
6.4结论109
第7章中国房价与宏观经济影响因素关系的小波分析110
7.1引言110
7.2数据110
7.3基于连续小波变换的分析111
7.3.1房价与宏观经济因素的小波能量谱分析112
7.3.2房价与宏观经济因素的小波相干分析114
7.4基于离散小波变换的分析117
7.4.1基于离散小波变换的时间序列分解方法117
7.4.2房价增长与宏观经济因素的多尺度分解118
7.4.3房价与宏观经济因素的多尺度回归分析121
7.4.4房价与宏观经济因素的多尺度Granger因果分析126
7.4.5稳健性检验127
7.5结论132
参考文献133
|
| 內容試閱：
|
第1章绪论
1.1研究背景及意义
1998年以来，随着我国城市化进程加快及住房制度改革，我国房地产业得到了前所未有的发展。加之房地产产业链比较长，并对钢铁、水泥、建材、家具、家电等多个行业有较大的带动作用，因此房地产业的高速发展已逐步成为我国当前国民经济发展中的重要力量。然而国际经验表明，由于具有高融资高信贷特征，因此房地产业和信贷市场有着极其紧密的联系，常常引发投机性的金融活动和信用扩张，而投机性金融活动又是诱发金融危机的重要因素。金德尔伯格（2000）通过对17世纪以来的全球经济与金融危机进行统计发现，从17世纪至20世纪90年代初期，全球范围内42次大规模的经济与金融危机中有一半以上与房价的暴涨与暴跌有关，而20世纪90年代初爆发的“日本金融危机”、20世纪90年代末爆发的“东南亚金融危机”及2007年下半年爆发的“美国次贷危机”的直接导火索也都源于房价的急剧下跌。
基于此，我国政府一直高度重视房地产市场的健康平稳发展，并随房地产市场不同发展阶段出台了不同政策措施。如受2007年“美国次贷危机”的影响，2008年年初我国房地产市场开始向下调整，国房景气指数中的房地产销售价格指数由2007年12月的109.97点回落到2009年2月的95.76点，我国各级政府担心房价的急速下调会对金融体系乃至国民经济造成较大负面影响，纷纷采取各种鼓励政策，如人民银行下调按揭贷款利率、财政部与国家税务总局降低住房交易税；等等。而之后为了遏制2009年以来房价过快上涨所造成的负面影响，我国政府又采取一系列针对房地产市场的紧缩调控政策，如2010年1月10日国务院发布《关于促进房地产市场平稳健康发展的通知》（简称“国十一条”）、2010年3月10日国土资源部公布的《关于加强房地产用地供应和监管有关问题的通知》（简称“国十九条”），以及后来陆续出台的“新国四条”“新国十条”“新国五条”，再加上2011年1月26日国务院公布的被誉为史上最严的“新国八条”，2010年1月18日以来央行针对通胀的多次上调存款准备金率和加息，以及随后多个大中城市先后出台了限购令，我国房价急剧上涨的态势有所缓解。国房景气指数中的房地产销售价格指数由2009年12月的115.2点回落到2011年12月的98.51点。而之后，随着房价持续上涨，国务院又在2013年2月26日颁布了《关于继续做好房地产市场调控工作的通知》，该通知明确要求各地方政府要严格执行住房限购和差别化住房信贷，并对房价上涨过快地区的地方政府进行约谈和问责。而随着我国经济转型的开始，2014年6月以来，房地产市场上出现了下降迹象，如广州住宅新房网上签约均价已由6月的17047元平方米持续下降到9月的14897元平方米，许多地方政府在限购政策有所松动。由上可以看出，近年来我国房地产市场呈现房价波动幅度比较大，相关政策多变的特征，从国际经验来看，它可能会对我国国民经济的稳定健康发展造成严重影响。
我国房价出现较大幅度波动的原因除了房地产市场本身周期性特征外，我国各级政府对房地产市场政策多变，以及中央政府与地方政府在房地产市场的调控政策不一致也是其中重要原因，而根源就在于目前我们对我国房价的波动特征、成因、趋势及房价波动与各种调控政策之间的相互作用机制、房价波动与宏观经济的相互作用机制认识不够。因此，从理论上分析我国房价波动的影响因素，进而通过计量建模探讨影响我国房价的各种因素，并根据上述理论分析和经验分析结果提出相应的房地产调控政策，对于我国房地产市场乃至整个国民经济的稳定健康发展，都具有十分重要的理论意义和现实意义。
1.2相关研究评述
房地产是一种非常特殊的商品，它同时具有普通商品的消费属性和证券资产的投资属性，并且在一般居民家庭财富中所占比重比较大。另外，房地产业与金融市场具有非常紧密的联动关联。因此，房价波动及其影响因素的相关研究一直是国内外理论界和实务界探讨的热点问题。
1.2.1国外研究评述
近年来，国外关于房地产的相关研究从分析方法上来看，可以分为以下几类。
1.基于生命周期模型与现代投资组合理论的研究
此类研究一般是基于局部均衡研究框架，并结合现代投资组合理论，通过将消费者的住房消费和房地产投资引入生命周期模型（life-cyclemodel）当中，从而研究消费者的购房决策、房价的形成机制及其影响。首先构建该研究框架的是早期Artle和Varaiya（1978）的工作，该类研究可能会存在显示解（如ArtleandVaraiya，1978），即使是不存在显示解，也可以通过数值模拟进行深入研究（如Cocco，2005；LiandYao，2007）。基于此，此类研究相当活跃。就从最近的文献来看，Ortalo-Magne和Rady（2006）发现信用约束使得初始购房的年轻人购买了比自己意愿购房面积小的房子，并且年轻购房者的收入和承担购房定金的能力是房价的主要驱动力，英国和美国的数据也支持上述结论。Yao和Zhang（2005）在上述研究框架下，分析了消费者的租房与购房决策，其结论表明，当消费者面临严格的流动性约束与高死亡率时，消费者通常会采取租房决策，而当流动性约束放松时，消费者通常会采取购房决策。Li和Yao（2007）则分析了房价波动对参与者消费和福利的影响，其结论显示，年轻一代和老一代的普通商品消费对房价的变动要比中年人敏感，并且房价上涨将提高有房者的财产和消费，但仅仅是老一代有房者的福利会增加，而其他有房者由于房价上涨导致的住房消费增加，其福利水平将会下降。Cocco（2005）则探讨了房地产市场对股票市场的影响，他认为，由于投资了房地产，年轻但不富有的投资者只有有限的资金投资股市，并且房价风险也会使得这些投资者远离股票市场。
2.房地产投机泡沫形成机制的相关研究
此类研究主要从两个层面展开：一是从理论上探讨房地产投机泡沫的形成机制；二是从实证上判断某国或某一地区房地产市场是否存在投机泡沫。一般而言，此类研究通常将房价分解为两个部分：一是由经济或市场基本面因素驱动的部分，称为基本价格；二是由房地产市场的投机行为（非基本面因素）驱动的部分，称为非基本价格或投机泡沫。由于目前学术界还未对基本价格形成统一认识，因此，不同研究的结论很可能不一致。从理论研究来看，此类研究通常是基于Blanchard和Watson（1982）的随机泡沫（stochasticbubble）模型和Summers（1986）的风行模型展开研究的，如Gaia和Lucio（2004）在代际交替模型的框架下，结合Blanchard和Watson（1982）的随机泡沫模型阐述了房地产市场中理性泡沫的生成机制，并且运用马尔可夫区制转换单位根模型（Markovswitchingunitroottest）Halletal.，1999）检验了英国房价中的理性投机泡沫是否存在。Roche（2001）则在上述两个模型框架下，采用实际可支配收入、实际利率和净移民等指标反映经济基本面因素，并运用马尔可夫区制转换模型对都柏林的房地产市场是否存在投机泡沫进行了实证检验。与上述两个模型不同的是，Wong（2001）以泰国房地产泡沫为背景开发了一个动态博弈模型，揭示了在经济飞速发展过程中，人们过度乐观的预期所产生的羊群效应在房地产泡沫产生和膨胀直到破裂过程中的作用机制。除上述理论研究外，此类研究大部分文献都是实证研究。其中，Kim和Suh（1993）认为韩国和日本的土地价格存在理性泡沫，而韩国房价泡沫并不明显。Mikhed和Zemcik（2009）运用面板数据模型对美国的经验研究表明美国存在房地产投机泡沫。Kranz和Hon（2006）通过对西班牙房地产需求收入弹性的横截面分析，认为在1998年和2003年当中，西班牙房价要高出长期均衡水平24%和34%，因此存在投机泡沫。Hui和Yue（2006）的研究则表明2003年上海房地产市场存在泡沫成分，并且占总价格的22%，而同期北京房地产市场不存在泡沫成分。Song等（2014）探讨了1999年到2009年新西兰央行政策的变化和贷款利率对房价的影响，并认为房地产市场出现了泡沫，同时指出新西兰央行如果在2003年之前开始干涉房地产市场，那么就可能减轻房价泡沫。Allen和Thomas（2008）的实证研究发现在2000~2005年，美国有些城市出现了房地产泡沫。Ogonna等（2013）通过探讨美国1960~2011年住宅物业市场动态，运用区制转换模型研究房价泡沫的类型与机理，结果表明房地产周期性崩溃泡沫产生于2000之后。其他类似的研究还包括Chan等（2001）、Case和Schiller（2003）等。
3.房价变动趋势及其影响的实证研究
此类研究一般直接从房地产市场数据出发，建立计量经济学模型，从实际数据中挖掘房价的变动趋势及影响因素，并对房价变动趋势进行预测，同时探讨房价波动对经济的影响。该类研究从采用的计量经济学模型来区分，可以分为线性模型（如CaseandSchiller，1989；Gu，2002；Zhou，1997；BharatandTakala，1998；GenesoveandMayer，2001；Engelhardt，2003；等等）和非线性模型（如KimandBhattacharya，2009；Miles，2008；等等）。其中，Zhou（1997）运用线性协整模型和误差修正模型预测了美国房价。Barot和Takala（2001）运用协整分析研究了芬兰和瑞典的房价。Kim和Bhattacharya（2009）运用平稳变换自回归模型（smoothtransitionautoregressive，STAR）分析了美国不同地区房价的非线性特征，结果发现除了中西部外，美国其余区域的房价都呈现非线性特征。Miles（2008）则以美国房地产市场数据为样本，比较了不同模型在房价预测中的精度，结果发现广义自回归模型（generalizedautoregressive，GAR）通常比ARMA模型和GARCH模型在样本外预测中表现更好。另外，Fratantoni和Scott（2003）通过构建一个异质参与者VAR模型（heterogeneous-agentVAR，HAVAR），探讨了美国区域房价上涨对货币政策有效性的影响，发现房价过快上涨将会弱化货币政策的作用。Collyns和Senhadji（2002）的实证研究发现实际信贷对房地产价格影响的滞后期约为半年。Philippe（2013）通过研究19个经济合作与发展组织（OrganizationforEconomicCo-operationandDevelopment，OECD）国家在过去40年里房价繁荣期和衰退期的持续期，发现房价无论是繁荣期还是衰退期都呈现出对时间的依赖性。Michael和Poghosyan（2010）通过采用德国房地产市场和银行数据检验了房价与基本价值产生偏差时与银行稳定性之间的相互影响，发现房价偏差将导致银行不稳定。Gunter和Peter（2013）的实证研究证实美国房价的上升及暴跌是近来金融危机发生的潜在要素之一，他们还发现房地产市场和美国股票市场股价的下跌紧密相关。Hui和Chan（2014）实证检验了全球金融危机期间香港、美国和英国的股票与房地产证券化市场间的关联性，结果发现香港股票和房地产市场的关联性最重要，从而证实香港是全球金融危机冲击的中心之一。Isabel和Hiebert（2011）运用GVAR模型对欧元区国家房地产市场的实证研究发现，房价具有溢出效应。Pan和Wang（2013）探讨了当观测到不同水平的收入增长时银行不稳定性对房价的影响，结果发现，银行稳定性会对房价变化在经济处于不同的状态下存在非对称影响。Akkoyun等（2013）采用美国房地产市场的年度、季度、月度数据探讨了房地产交易量和房价之间的关系，结果表明，低频率数据显示二者相关性高，高频率数据显示二者相关性水平为零。Fan等（2013）探讨了房地产和金融市场风险的相关性，其
|
|
購物車/收銀台(
0
) | 在線留言板
| 付款方式
| 聯絡我們
| 運費計算
| 幫助中心 |
加入書簽
HOME
新書上架
