住房價格及其與住房抵押貸款關系研究.pdf

1、近年來中國房價持續(xù)上漲,2006年1季度與1999年1季度相比,全國平均房價上漲了42.93％,是同期CPI漲幅的5.6倍。在房價高漲的同時,個人住房抵押貸款也急速上漲,截止2005年底,全國個人住房抵押貸款余額1.84萬億,是1999年初的43倍。住房作為人類生活的必需品和居民財富的重要組成部分,近年來急漲的房價引起了政府重視,群眾關心和社會關注。經(jīng)濟學家和政策制定者面臨如下無法回避的問題:(1)中國住房價格的變動規(guī)律是什么?(2)房

2、價與住房抵押貸款同步高漲,到底二者之間關系如何,是否存在因果關系,如果存在因果關系,那么孰為因?孰為果?對以上問題的回答關系居民購房決策,關系對住房抵押貸款風險的判斷,關系住房金融政策的制定。而要正確回答以上問題,必須建立在對中國住房價格運動規(guī)律及其與住房抵押貸款關系的科學認識的基礎上。
　　 本文從分析我國住房價格時間序列特征入手,研究住房價格的運動規(guī)律,在此基礎上,運用泛化回歸神經(jīng)網(wǎng)絡(GRNN)方法建立住房價格預測模型,并

3、運用變參數(shù)協(xié)整、多變量協(xié)整以及誤差修正模型,對住房價格與住房抵押貸款的關系進行了深入系統(tǒng)的研究。
　　 本文主要的研究工作及由此形成的結論包括以下六個方面:
　　 (一)分析了選題的背景和意義,綜述了國內外有關住房價格預測、住房價格與其影響因素關系研究已有文獻,總結了現(xiàn)有文獻主要研究成果和經(jīng)驗,分析了目前我國住房價格及其影響因素關系研究中存在的問題,指出了可行的研究方向。
　　 (二)運用J-B檢驗、自相關函數(shù)、

4、以及ADF和PP檢驗對我國住房價格時間序列的正態(tài)性、自相關性和穩(wěn)定性等進行了系統(tǒng)研究,研究結果發(fā)現(xiàn):我國住房價格時間序列呈右偏和尖峰的分布特征,呈現(xiàn)高度的自相關性和微弱的均值回復性,并且正自相關系數(shù)持續(xù)期很長,負相關系數(shù)在很長滯后期出現(xiàn),住房價格時間序列有長記憶性特點。住房價格時間序列是非平穩(wěn)序列,而住房價格一階差分序列平穩(wěn),因此住房價格時間序列是一階單整序列。當滯后期一定長(≥9個月),北京和上海兩地住房價格變化互為Granger因果

5、關系,說明兩地住房價格存在相同的影響因素。我國住房價格時間序列有顯著的自相關性,說明住房價格時間序列的前后數(shù)據(jù)之間有依存關系,可以利用過去及當前的住房價格對未來的住房價格作出預測,也說明了在住房價格預測中技術分析是可行的。
　　 (三)回顧了國內外關于住房市場有效性研究文獻,借鑒國外住房市場弱式有效性游程檢驗方法,對北京和上海兩地住房市場的有效性進行檢驗,發(fā)現(xiàn)上海住房市場拒絕有效市場假設,而北京住房市場接受弱式有效市場假設。在關

6、于住房價格時間序列特征分析中,北京住房價格與上海住房價格一樣呈現(xiàn)顯著的自相關性。在資本市場上,證券價格的自相關性可以用資本市場無效解釋。但是在住房市場上,實證結果發(fā)現(xiàn)僅靠有效市場理論無法對住房價格自相關性作出合理的解釋。因為住房市場不同于證券市場,所以對住房市場的研究不能完全照搬對資本市場的研究方法。對住房市場而言,即使是一個有效的市場,由于住房市場本身的特殊性,住房供給滯后調整、住房市場上非理性預期、住房融資的首付款約束等都可能引起住

7、房價格調整時滯。
　　 (四)根據(jù)住房價格時間序列一階單整的特性和自相關性,以上海為例,建立了住房價格預測的.ARIMA模型,并利用該模型進行了預測,發(fā)現(xiàn)ARIMA模型對上海住房價格預測的精度不高,解釋能力不強。鑒于ARIMA模型預測能力上的局限性；本文將泛化回歸神經(jīng)網(wǎng)絡方法(GRNN)用于住房價格預測,GRNN網(wǎng)絡的高度非線性映射能力和快速運算能力,比較適合復雜系統(tǒng)的仿真。通過GRNN網(wǎng)絡預測結果和ARIMA模型預測結果的對比

8、分析,發(fā)現(xiàn)GRNN網(wǎng)絡方法預測相對誤差為0.37％,而ARIMA預測的相對誤差為1.96％,說明經(jīng)過大量樣本反復訓練的GRNN網(wǎng)絡較好地仿真了上海住房價格的行為模式,GRNN模型比ARIMA模型更適合于上海住房價格預測。當然,以上結論僅是從對上海住房價格預測對比中得到的,GRNN網(wǎng)絡預測方法是否適合于我國其他地區(qū)的住房價格預測還有待于進一步驗證。ARIMA模型方法和GRNN模型方法本身并沒有優(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。符合住房價格時間序列數(shù)據(jù)生成系統(tǒng)特征的模型,能反映住房價格的行為模式,預測能力就強。相反,不符合住房價格時間序列數(shù)據(jù)生成系統(tǒng)特征的模型,即使再先進、再復雜,在房價預測上效果也不一定好。
　　 (五)以上海為例對我國住房住房價格與住房抵押貸款及其組成之間的關系進行研究。第一步:假定住房價格與住房抵押貸款之間的數(shù)量關系不隨時間變化,運用1996年8月～2006年8月的統(tǒng)計資料進行實證研究,發(fā)現(xiàn)住房價格與住房抵押貸款及其組成

10、部分之間不存在長期協(xié)整關系。第二步:運用標準Granger因果檢驗對住房價格與住房抵押貸款之間的因果關系做了研究。研究表明:住房抵押貸款總余額是住房價格的Grange因為,但反方向的因果關系不成立；商業(yè)性個人住房貸款余額是住房價格的Grange因為,但反方向的因果關系也不成立。仔細分析這一結論,發(fā)現(xiàn)在研究期內上海住房市場不是一個平穩(wěn)的市場。因停止實物分房,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)銀行問業(yè)務競爭日益激烈,居民得到住房抵押貸款變得越來越容易。受上述政策變化影響,住房價格與住房抵押貸款的關系處于不斷變化之中,經(jīng)歷了一系列的結構變遷。雖然房改政策和住房金融政策出臺有具體時間,但是市場消化吸收的過程難以把握,而且各種影響因素錯綜復雜,所以無法通過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,用時變參數(shù)米代替常參數(shù)

12、,假定住房價格與住房抵押貸款的關系系數(shù)為AR(1)狀態(tài)轉換形式,利用卡爾曼濾波算法對時變參數(shù)模型進行估計。結果表明:住房價格與住房抵押貸款之間存在隨時間變化的協(xié)整關系-在2000年以前,住房價格與住房抵押貸款之間的關系規(guī)律性不明顯；但是2000年以后,住房抵押貸款對住房價格的正向影響逐步增強并呈上升趨勢。通過殘差圖、均值和標準差比較,時變參數(shù)模型的估計效果比常參數(shù)模型好,時變參數(shù)模型能夠更好地描述住房價格與住房抵押貸款之間的關系。

13、>　　 同時,上述實證證明了上海住房市場的變結構特征,也進一步論證了為什么ARIMA模型不適合于對上海住房價格的預測研究。更重要的該實證結果可以幫助我們認清一個現(xiàn)實問題。當前大家比較關注房價泡沫對金融穩(wěn)定的威脅,實際上,在促成房價泡沫的因素當中,過于寬松的貨幣政策和過度的金融支持是重要因素之一,要避免房價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稱性的背景下,金融機構的競爭和短視,導致大量貸款投向住房投資

14、(投機),直接導致住房價格的劇烈波動。解決居民住房問題必須要有住房抵押貸款供給作為支持,但同時需要注意金融支持過度問題,因此,建議始終堅持“住房金融以支持居民自住住房購買為主,限制用于投資性(投機性)購房”的原則,要求商業(yè)銀行對投資性(投機性)購房實行差別化的高利率政策,同時加強對商業(yè)銀行個人住房抵押貸款業(yè)務的窗口指導和監(jiān)督,避免出現(xiàn)金融支持過度。另外,根據(jù)我們的研究,房價不是住房抵押貸款快速增長的Grange因,說明了近年來住房抵押貸

15、款的急漲主要源于申請抵押貸款購房的業(yè)務量增長,而非來自于作為抵押物的住房價格增長,住房抵押貸款余額不是被高房價推高的,因此,研究期內住房抵押貸款對抵押物價值的依賴度不高,風險不大。
　　 (六)以住房價格生命周期模型為基礎,以上海為例,構建了城鎮(zhèn)化指標,建立了住房價格與人均可支配收入、收入預期(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系模型,采用E-G兩步法協(xié)整分析技術和誤差修正模型,研究了住房價格與人均可支配收入

16、、收入預期、抵押貸款利率和城鎮(zhèn)化等變量之間的長期均衡關系和短期影響關系。研究結果表明:這些變量之間存在長期均衡關系。長期看,收入預期(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價格水平的主要因素。從影響程度看,1％的抵押貸款余額增長,將導斂0.21％的住房價格增長；1％的農村人口減少,將導致0.17％的住房價格增長；收入預期(失業(yè)率)下降1個百分點,住房價格將增加0.74％；住房抵押貸款利率提高1個百分點,住房價格下降

17、0.08％。其中收入預期(失業(yè)率)和抵押貸款余額對住房價格的影響較大,而且這兩個變量短期內也對住房價格變化產生影響。均衡誤差修正項系數(shù)為14％,說明上海住房市場價格調整速度比較快,每一個月份調整偏離長期均衡的14％。滯后2期住房價格變化對當期價格變化影響彈性為0.42,滯后3期住房價格變化對當期價格變化的影響彈性為0.34,滯后4期住房價格變化對當期價格變化的影響彈性為0.20,揭示了住房價格調整過程是一個有粘性的價格調整過程,滯后住房