房地产市场高风险价格膨胀识别及其预警机制研究
时间：2021-02-24 12:00:49 来源：雅意学习网 本文已影响 人 
摘要：为了有效控制房地产价格非理性上涨对宏观经济的影响，本文对房地产价格膨胀进行区分。根据27个国家，1990年至2014年的房地产价格数据，通过约束平滑B样条模型（COBS）识别出每一国家的房地产价格的膨胀区间，根据不同膨胀区间后宏观经济的不同反应，区分出高风险资产价格膨胀与低风险资产价格膨胀。并根据确定出的高风险资产价格膨胀的预警指标，通过二元离散选择模型，构建针对房地产市場的高风险价格膨胀动态预警机制。最后，运用我国的房地产市场数据，对得出的预警模型进行样本内及样本外检测。
关键词：高风险资产价格膨胀；COBS模型；二元离散选择模型；预警机制
中图分类号：F830.2文献标识码：A文章编号：10035192（2017）02005106doi：10.11847/fj.36.2.51
Study on the High Cost Booms Identification in Real Estate Marketand Its Real Time Early Warning Mechanism
——Based on International Experience Data
HU Wenxiu， WU Tingting， FU Qiang
（School of Economics and Management， Xi’an University of Technology， Xi’an 710054， China）
Abstract：In order to effectively control the effect of house price’s irrationally rising on macroeconomic， this paper distinguishes the house price booms. According to 27 countries from 1990 to 2014 real estate price data， by constraining the smooth Bspline model（COBS）， this paper identifies each country’s real estate price inflation interval. Subsequently， it distinguishes the high cost booms and the low cost booms by the macroeconomic reactions after different inflation intervals. Then， using the determinants through nonparametric tests， it establishes the real time early warning mechanism of high cost booms in real estate market， based on discrete choice model. Finally， this paper uses China’s real estate data to make insample test and outofsample test of that real time early warning mechanism. Key words：high cost asset price boom； COBS model； discrete choice model； real time early warning mechanism
1引言
资产价格膨胀尤其是房地产价格的急速暴涨是近年来我国甚至世界范围内出现的重要经济现象[1]。2000年以来，我国平均房地产市场价格上涨了3倍左右，一线城市部分区域的房地产价格甚至上涨了5倍以上。同样，国外的房地产市场也出现了价格过热的情况，如日本房地产价格从1985年以来，经历了数次房地产价格暴涨[2]。然而，在经济发展中，有些资产价格膨胀会随着经济的发展逐渐消退，而有些资产价格膨胀却会对实体经济产生较为严重的影响。如日本80年代末90年代初出现的资产价格大幅上涨，最终以泡沫经济为后果，直接导致日本经济陷入十年萧条[3]。2007年美国房地产价格上涨引起的次贷危机甚至引发了世界金融危机的爆发。中国香港和新加坡的房价大幅上涨却并没有对实体经济产生太大影响[4]。
然而现有研究主要关注于房地产价格膨胀与宏观经济之间关系，但是忽视了不同阶段资产价格膨胀对宏观经济的影响不同，在研究时不可一概而论。我国的现有研究尚未对资产价格膨胀进行区分，但是近年来，国外已有一些学者发现并不是所有的资产价格膨胀都会引起较大的产出损失，如Dieter和Hans[5]通过分析发现不同的资产价格膨胀会对膨胀期后的宏观经济产生不同的影响。因此，他们根据膨胀期后经济增长率的不同将资产价格膨胀分为高风险资产价格膨胀和低风险资产价格膨胀。之后的学者根据这一结论进行了更加细致的分析，Detken和Smets[6]将资产价格膨胀定义为是一个连续的至少4个季度的过程，在这一过程中实际总价格指数超过其趋势至少10%以上。Adalid和Detken[7]在这一研究的基础上将资产价格膨胀根据膨胀期后的GDP增长率分为低风险资产价格膨胀和高风险资产价格膨胀。如果GDP平均实际增长率在膨胀期中高于膨胀期后，则这个膨胀期就可以称为高风险资产价格膨胀。
在识别出高风险资产价格膨胀区间之后，如何对其进行预警进而通过宏观政策控制高风险资产价格膨胀对实体经济的影响是研究中至关重要的问题。现有对于危机预警的研究主要分为非模型预警和模型预警。非模型预警由于其操作简便，在前期的危机预警研究中得到广泛的运用[8，9]。然而，Berg和Pattillo[10]通过实证分析对模型预警和非模型预警进行了对比研究，结果显示模型预警的准确性要远高于非模型预警，因此现有的危机预警研究以模型预警为主要方法。由于研究内容和视角不同，不同学者对于模型的选择也往往具有较大差别。首先，KLR信号分析法[11]和STV截面回归模型[12]，以其指标选择的广泛性被广为运用。史建平和高宇[13]通过KLR信号分析法对于一些新兴市场国家的金融危机进行预警。张元萍和孙刚[14]通过STV模型得到中国金融环境不稳定的原因主要是受外部因素干扰。但是以上预警模型在运用时不能区别不同的指标对危机的影响，显然不适合具有复杂影响因素的高风险资产价格膨胀的研究。马尔科夫区制转换模型[15]则主要针对不同国家的经济周期、经济冲击及国家间经济影响的研究。朱钧钧等[16]改进了马尔科夫区制转化模型，并重新研究了东南亚金融危机的影响因素。但是马尔科夫区制转化模型在价格波动方面的研究并没有明显优势。二元离散选择模型[17]，其本质是测度危机发生概率的方法。马德功等[18]通过对比分析现有各种危机预警模型，得出Logit模型更适合构建中国的货币危机预警。Cipollini和Kapetanios[19]得到预测经济危机的指标后，运用Probit模型进行动态危机预警。该模型可以直接计算危机发生的概率，适合多指标研究，可以反映每一指标和危机之间的关系，是现阶段较为适合的资产价格膨胀的预警模型。
