住房?jī)r(jià)格及其與住房抵押貸款關(guān)系研究.pdf

1、近年來(lái)中國(guó)房?jī)r(jià)持續(xù)上漲,2006年1季度與1999年1季度相比,全國(guó)平均房?jī)r(jià)上漲了42.93％,是同期CPI漲幅的5.6倍。在房?jī)r(jià)高漲的同時(shí),個(gè)人住房抵押貸款也急速上漲,截止2005年底,全國(guó)個(gè)人住房抵押貸款余額1.84萬(wàn)億,是1999年初的43倍。住房作為人類生活的必需品和居民財(cái)富的重要組成部分,近年來(lái)急漲的房?jī)r(jià)引起了政府重視,群眾關(guān)心和社會(huì)關(guān)注。經(jīng)濟(jì)學(xué)家和政策制定者面臨如下無(wú)法回避的問(wèn)題:(1)中國(guó)住房?jī)r(jià)格的變動(dòng)規(guī)律是什么?(2)房

2、價(jià)與住房抵押貸款同步高漲,到底二者之間關(guān)系如何,是否存在因果關(guān)系,如果存在因果關(guān)系,那么孰為因?孰為果?對(duì)以上問(wèn)題的回答關(guān)系居民購(gòu)房決策,關(guān)系對(duì)住房抵押貸款風(fēng)險(xiǎn)的判斷,關(guān)系住房金融政策的制定。而要正確回答以上問(wèn)題,必須建立在對(duì)中國(guó)住房?jī)r(jià)格運(yùn)動(dòng)規(guī)律及其與住房抵押貸款關(guān)系的科學(xué)認(rèn)識(shí)的基礎(chǔ)上。
　　 本文從分析我國(guó)住房?jī)r(jià)格時(shí)間序列特征入手,研究住房?jī)r(jià)格的運(yùn)動(dòng)規(guī)律,在此基礎(chǔ)上,運(yùn)用泛化回歸神經(jīng)網(wǎng)絡(luò)(GRNN)方法建立住房?jī)r(jià)格預(yù)測(cè)模型,并

3、運(yùn)用變參數(shù)協(xié)整、多變量協(xié)整以及誤差修正模型,對(duì)住房?jī)r(jià)格與住房抵押貸款的關(guān)系進(jìn)行了深入系統(tǒng)的研究。
　　 本文主要的研究工作及由此形成的結(jié)論包括以下六個(gè)方面:
　　 (一)分析了選題的背景和意義,綜述了國(guó)內(nèi)外有關(guān)住房?jī)r(jià)格預(yù)測(cè)、住房?jī)r(jià)格與其影響因素關(guān)系研究已有文獻(xiàn),總結(jié)了現(xiàn)有文獻(xiàn)主要研究成果和經(jīng)驗(yàn),分析了目前我國(guó)住房?jī)r(jià)格及其影響因素關(guān)系研究中存在的問(wèn)題,指出了可行的研究方向。
　　 (二)運(yùn)用J-B檢驗(yàn)、自相關(guān)函數(shù)、

4、以及ADF和PP檢驗(yàn)對(duì)我國(guó)住房?jī)r(jià)格時(shí)間序列的正態(tài)性、自相關(guān)性和穩(wěn)定性等進(jìn)行了系統(tǒng)研究,研究結(jié)果發(fā)現(xiàn):我國(guó)住房?jī)r(jià)格時(shí)間序列呈右偏和尖峰的分布特征,呈現(xiàn)高度的自相關(guān)性和微弱的均值回復(fù)性,并且正自相關(guān)系數(shù)持續(xù)期很長(zhǎng),負(fù)相關(guān)系數(shù)在很長(zhǎng)滯后期出現(xiàn),住房?jī)r(jià)格時(shí)間序列有長(zhǎng)記憶性特點(diǎn)。住房?jī)r(jià)格時(shí)間序列是非平穩(wěn)序列,而住房?jī)r(jià)格一階差分序列平穩(wěn),因此住房?jī)r(jià)格時(shí)間序列是一階單整序列。當(dāng)滯后期一定長(zhǎng)(≥9個(gè)月),北京和上海兩地住房?jī)r(jià)格變化互為Granger因果

5、關(guān)系,說(shuō)明兩地住房?jī)r(jià)格存在相同的影響因素。我國(guó)住房?jī)r(jià)格時(shí)間序列有顯著的自相關(guān)性,說(shuō)明住房?jī)r(jià)格時(shí)間序列的前后數(shù)據(jù)之間有依存關(guān)系,可以利用過(guò)去及當(dāng)前的住房?jī)r(jià)格對(duì)未來(lái)的住房?jī)r(jià)格作出預(yù)測(cè),也說(shuō)明了在住房?jī)r(jià)格預(yù)測(cè)中技術(shù)分析是可行的。
　　 (三)回顧了國(guó)內(nèi)外關(guān)于住房市場(chǎng)有效性研究文獻(xiàn),借鑒國(guó)外住房市場(chǎng)弱式有效性游程檢驗(yàn)方法,對(duì)北京和上海兩地住房市場(chǎng)的有效性進(jìn)行檢驗(yàn),發(fā)現(xiàn)上海住房市場(chǎng)拒絕有效市場(chǎng)假設(shè),而北京住房市場(chǎng)接受弱式有效市場(chǎng)假設(shè)。在關(guān)

6、于住房?jī)r(jià)格時(shí)間序列特征分析中,北京住房?jī)r(jià)格與上海住房?jī)r(jià)格一樣呈現(xiàn)顯著的自相關(guān)性。在資本市場(chǎng)上,證券價(jià)格的自相關(guān)性可以用資本市場(chǎng)無(wú)效解釋。但是在住房市場(chǎng)上,實(shí)證結(jié)果發(fā)現(xiàn)僅靠有效市場(chǎng)理論無(wú)法對(duì)住房?jī)r(jià)格自相關(guān)性作出合理的解釋。因?yàn)樽》渴袌?chǎng)不同于證券市場(chǎng),所以對(duì)住房市場(chǎng)的研究不能完全照搬對(duì)資本市場(chǎng)的研究方法。對(duì)住房市場(chǎng)而言,即使是一個(gè)有效的市場(chǎng),由于住房市場(chǎng)本身的特殊性,住房供給滯后調(diào)整、住房市場(chǎng)上非理性預(yù)期、住房融資的首付款約束等都可能引起住

7、房?jī)r(jià)格調(diào)整時(shí)滯。
　　 (四)根據(jù)住房?jī)r(jià)格時(shí)間序列一階單整的特性和自相關(guān)性,以上海為例,建立了住房?jī)r(jià)格預(yù)測(cè)的.ARIMA模型,并利用該模型進(jìn)行了預(yù)測(cè),發(fā)現(xiàn)ARIMA模型對(duì)上海住房?jī)r(jià)格預(yù)測(cè)的精度不高,解釋能力不強(qiáng)。鑒于ARIMA模型預(yù)測(cè)能力上的局限性；本文將泛化回歸神經(jīng)網(wǎng)絡(luò)方法(GRNN)用于住房?jī)r(jià)格預(yù)測(cè),GRNN網(wǎng)絡(luò)的高度非線性映射能力和快速運(yùn)算能力,比較適合復(fù)雜系統(tǒng)的仿真。通過(guò)GRNN網(wǎng)絡(luò)預(yù)測(cè)結(jié)果和ARIMA模型預(yù)測(cè)結(jié)果的對(duì)比

8、分析,發(fā)現(xiàn)GRNN網(wǎng)絡(luò)方法預(yù)測(cè)相對(duì)誤差為0.37％,而ARIMA預(yù)測(cè)的相對(duì)誤差為1.96％,說(shuō)明經(jīng)過(guò)大量樣本反復(fù)訓(xùn)練的GRNN網(wǎng)絡(luò)較好地仿真了上海住房?jī)r(jià)格的行為模式,GRNN模型比ARIMA模型更適合于上海住房?jī)r(jià)格預(yù)測(cè)。當(dāng)然,以上結(jié)論僅是從對(duì)上海住房?jī)r(jià)格預(yù)測(cè)對(duì)比中得到的,GRNN網(wǎng)絡(luò)預(yù)測(cè)方法是否適合于我國(guó)其他地區(qū)的住房?jī)r(jià)格預(yù)測(cè)還有待于進(jìn)一步驗(yàn)證。ARIMA模型方法和GRNN模型方法本身并沒(méi)有優(yōu)劣之分,選擇什么樣的模型主要取決于所要研究的

9、系統(tǒng)特征。符合住房?jī)r(jià)格時(shí)間序列數(shù)據(jù)生成系統(tǒng)特征的模型,能反映住房?jī)r(jià)格的行為模式,預(yù)測(cè)能力就強(qiáng)。相反,不符合住房?jī)r(jià)格時(shí)間序列數(shù)據(jù)生成系統(tǒng)特征的模型,即使再先進(jìn)、再?gòu)?fù)雜,在房?jī)r(jià)預(yù)測(cè)上效果也不一定好。
　　 (五)以上海為例對(duì)我國(guó)住房住房?jī)r(jià)格與住房抵押貸款及其組成之間的關(guān)系進(jìn)行研究。第一步:假定住房?jī)r(jià)格與住房抵押貸款之間的數(shù)量關(guān)系不隨時(shí)間變化,運(yùn)用1996年8月～2006年8月的統(tǒng)計(jì)資料進(jìn)行實(shí)證研究,發(fā)現(xiàn)住房?jī)r(jià)格與住房抵押貸款及其組成

10、部分之間不存在長(zhǎng)期協(xié)整關(guān)系。第二步:運(yùn)用標(biāo)準(zhǔn)Granger因果檢驗(yàn)對(duì)住房?jī)r(jià)格與住房抵押貸款之間的因果關(guān)系做了研究。研究表明:住房抵押貸款總余額是住房?jī)r(jià)格的Grange因?yàn)?但反方向的因果關(guān)系不成立；商業(yè)性個(gè)人住房貸款余額是住房?jī)r(jià)格的Grange因?yàn)?但反方向的因果關(guān)系也不成立。仔細(xì)分析這一結(jié)論,發(fā)現(xiàn)在研究期內(nèi)上海住房市場(chǎng)不是一個(gè)平穩(wěn)的市場(chǎng)。因停止實(shí)物分房,居民家庭的住房需求增加。為支持住房制度改革央行制定了《個(gè)人住房抵押貸款管理辦法》并

11、且取消了商業(yè)銀行信貸規(guī)模直接控制,加上商業(yè)銀行問(wèn)業(yè)務(wù)競(jìng)爭(zhēng)日益激烈,居民得到住房抵押貸款變得越來(lái)越容易。受上述政策變化影響,住房?jī)r(jià)格與住房抵押貸款的關(guān)系處于不斷變化之中,經(jīng)歷了一系列的結(jié)構(gòu)變遷。雖然房改政策和住房金融政策出臺(tái)有具體時(shí)間,但是市場(chǎng)消化吸收的過(guò)程難以把握,而且各種影響因素錯(cuò)綜復(fù)雜,所以無(wú)法通過(guò)在線性方程中加入啞元變量分析變化因素,而是利用變參數(shù)模型比較合適。因此,在第三步:本文去掉基本模型中的常參數(shù)假定,用時(shí)變參數(shù)米代替常參數(shù)

12、,假定住房?jī)r(jià)格與住房抵押貸款的關(guān)系系數(shù)為AR(1)狀態(tài)轉(zhuǎn)換形式,利用卡爾曼濾波算法對(duì)時(shí)變參數(shù)模型進(jìn)行估計(jì)。結(jié)果表明:住房?jī)r(jià)格與住房抵押貸款之間存在隨時(shí)間變化的協(xié)整關(guān)系-在2000年以前,住房?jī)r(jià)格與住房抵押貸款之間的關(guān)系規(guī)律性不明顯；但是2000年以后,住房抵押貸款對(duì)住房?jī)r(jià)格的正向影響逐步增強(qiáng)并呈上升趨勢(shì)。通過(guò)殘差圖、均值和標(biāo)準(zhǔn)差比較,時(shí)變參數(shù)模型的估計(jì)效果比常參數(shù)模型好,時(shí)變參數(shù)模型能夠更好地描述住房?jī)r(jià)格與住房抵押貸款之間的關(guān)系。

13、>　　 同時(shí),上述實(shí)證證明了上海住房市場(chǎng)的變結(jié)構(gòu)特征,也進(jìn)一步論證了為什么ARIMA模型不適合于對(duì)上海住房?jī)r(jià)格的預(yù)測(cè)研究。更重要的該實(shí)證結(jié)果可以幫助我們認(rèn)清一個(gè)現(xiàn)實(shí)問(wèn)題。當(dāng)前大家比較關(guān)注房?jī)r(jià)泡沫對(duì)金融穩(wěn)定的威脅,實(shí)際上,在促成房?jī)r(jià)泡沫的因素當(dāng)中,過(guò)于寬松的貨幣政策和過(guò)度的金融支持是重要因素之一,要避免房?jī)r(jià)泡沫需要從金融政策上防患于未然。尤其是在金融制度變遷、不確定性和信息不對(duì)稱性的背景下,金融機(jī)構(gòu)的競(jìng)爭(zhēng)和短視,導(dǎo)致大量貸款投向住房投資

14、(投機(jī)),直接導(dǎo)致住房?jī)r(jià)格的劇烈波動(dòng)。解決居民住房問(wèn)題必須要有住房抵押貸款供給作為支持,但同時(shí)需要注意金融支持過(guò)度問(wèn)題,因此,建議始終堅(jiān)持“住房金融以支持居民自住住房購(gòu)買為主,限制用于投資性(投機(jī)性)購(gòu)房”的原則,要求商業(yè)銀行對(duì)投資性(投機(jī)性)購(gòu)房實(shí)行差別化的高利率政策,同時(shí)加強(qiáng)對(duì)商業(yè)銀行個(gè)人住房抵押貸款業(yè)務(wù)的窗口指導(dǎo)和監(jiān)督,避免出現(xiàn)金融支持過(guò)度。另外,根據(jù)我們的研究,房?jī)r(jià)不是住房抵押貸款快速增長(zhǎng)的Grange因,說(shuō)明了近年來(lái)住房抵押貸

15、款的急漲主要源于申請(qǐng)抵押貸款購(gòu)房的業(yè)務(wù)量增長(zhǎng),而非來(lái)自于作為抵押物的住房?jī)r(jià)格增長(zhǎng),住房抵押貸款余額不是被高房?jī)r(jià)推高的,因此,研究期內(nèi)住房抵押貸款對(duì)抵押物價(jià)值的依賴度不高,風(fēng)險(xiǎn)不大。
　　 (六)以住房?jī)r(jià)格生命周期模型為基礎(chǔ),以上海為例,構(gòu)建了城鎮(zhèn)化指標(biāo),建立了住房?jī)r(jià)格與人均可支配收入、收入預(yù)期(失業(yè)率)、住房抵押貸款利率和城鎮(zhèn)化等變量之間的多因素關(guān)系模型,采用E-G兩步法協(xié)整分析技術(shù)和誤差修正模型,研究了住房?jī)r(jià)格與人均可支配收入

16、、收入預(yù)期、抵押貸款利率和城鎮(zhèn)化等變量之間的長(zhǎng)期均衡關(guān)系和短期影響關(guān)系。研究結(jié)果表明:這些變量之間存在長(zhǎng)期均衡關(guān)系。長(zhǎng)期看,收入預(yù)期(失業(yè)率)、抵押貸款利率、城鎮(zhèn)化和抵押貸款余額是決定和影響住房?jī)r(jià)格水平的主要因素。從影響程度看,1％的抵押貸款余額增長(zhǎng),將導(dǎo)斂0.21％的住房?jī)r(jià)格增長(zhǎng)；1％的農(nóng)村人口減少,將導(dǎo)致0.17％的住房?jī)r(jià)格增長(zhǎng)；收入預(yù)期(失業(yè)率)下降1個(gè)百分點(diǎn),住房?jī)r(jià)格將增加0.74％；住房抵押貸款利率提高1個(gè)百分點(diǎn),住房?jī)r(jià)格下降

17、0.08％。其中收入預(yù)期(失業(yè)率)和抵押貸款余額對(duì)住房?jī)r(jià)格的影響較大,而且這兩個(gè)變量短期內(nèi)也對(duì)住房?jī)r(jià)格變化產(chǎn)生影響。均衡誤差修正項(xiàng)系數(shù)為14％,說(shuō)明上海住房市場(chǎng)價(jià)格調(diào)整速度比較快,每一個(gè)月份調(diào)整偏離長(zhǎng)期均衡的14％。滯后2期住房?jī)r(jià)格變化對(duì)當(dāng)期價(jià)格變化影響彈性為0.42,滯后3期住房?jī)r(jià)格變化對(duì)當(dāng)期價(jià)格變化的影響彈性為0.34,滯后4期住房?jī)r(jià)格變化對(duì)當(dāng)期價(jià)格變化的影響彈性為0.20,揭示了住房?jī)r(jià)格調(diào)整過(guò)程是一個(gè)有粘性的價(jià)格調(diào)整過(guò)程,滯后住房