房地產(chǎn)泡沫的傳染機(jī)制及成因研究

[摘 要]采用VAR模型研究了中國(guó)不同級(jí)別城市間房地產(chǎn)泡沫的傳染效應(yīng)，通過(guò)脈沖響應(yīng)函數(shù)和方差分解的綜合分析，發(fā)現(xiàn)大城市對(duì)小城市的房?jī)r(jià)具有顯著的傳染效應(yīng)，然而小城市對(duì)大城市則幾乎沒(méi)有任何影響，并分析了相應(yīng)的成因，提出政策建議。

[關(guān)鍵詞]房地產(chǎn)泡沫;傳染效應(yīng);一線(xiàn)城市

[中圖分類(lèi)號(hào)]F832

[文獻(xiàn)標(biāo)識(shí)碼]A

[文章編號(hào)]2095-3283（2019）06-0090-03

Abstract： In this paper， the VAR model is used to study the contagion effect of real estate bubbles in different levels of cities in China. Through the comprehensive analysis of impulse response function and variance decomposition， it is found that big cities have significant contagious effects on housing prices in small cities， but small cities have little influence on big cities. This paper gives the corresponding explanation of the causes and policy recommendations.

Keywords： Real Estate Bubble;Contagion Effects;First-tier Cities

[作者簡(jiǎn)介]徐國(guó)棟（1978-），男，漢族，江西德興人，副教授，碩士，研究方向：公司財(cái)務(wù)與資本市場(chǎng)、計(jì)量經(jīng)濟(jì)建模與統(tǒng)計(jì)數(shù)據(jù)挖掘。

[基金項(xiàng)目]2017年福建省中青年教師教育科研項(xiàng)目“基于狀態(tài)空間模型的福建省房地產(chǎn)泡沫測(cè)度及治理研究”（項(xiàng)目編號(hào)：JAS170788）;廈門(mén)大學(xué)嘉庚學(xué)院2016年度校級(jí)科研孵化項(xiàng)目“基于狀態(tài)空間模型的福建省房地產(chǎn)泡沫量化測(cè)度及治理對(duì)策研究”（項(xiàng)目編號(hào)：2016W13）。

一、引言

房地產(chǎn)泡沫屬于資產(chǎn)泡沫的一種，如若處置不當(dāng)，會(huì)對(duì)一國(guó)的宏觀(guān)經(jīng)濟(jì)造成致命性的沖擊，因而房地產(chǎn)泡沫在各國(guó)都會(huì)受到政府的極大關(guān)注。中國(guó)的房地產(chǎn)市場(chǎng)自實(shí)行商品化改革以來(lái)，房?jī)r(jià)一路上漲，遠(yuǎn)遠(yuǎn)超出了普通居民的承受能力，一個(gè)突出的表征指標(biāo)就是中國(guó)的房?jī)r(jià)收入比居于全世界前列。房?jī)r(jià)過(guò)高會(huì)對(duì)居民的消費(fèi)產(chǎn)生擠出效應(yīng)，導(dǎo)致居民消費(fèi)的減少，進(jìn)而形成經(jīng)濟(jì)增長(zhǎng)的壓力。同時(shí)房?jī)r(jià)過(guò)高也會(huì)造成居民房貸壓力過(guò)大，家庭金融杠桿率大幅攀升，進(jìn)而催生系統(tǒng)性金融風(fēng)險(xiǎn)。因此，自2016年以來(lái)，政府出臺(tái)了一系列調(diào)控房地產(chǎn)市場(chǎng)的舉措，包括限購(gòu)、限貸、限價(jià)等措施，至2018年以來(lái)，房地產(chǎn)市場(chǎng)也明顯降溫，回歸平穩(wěn)狀態(tài)。

細(xì)觀(guān)中國(guó)的房地產(chǎn)市場(chǎng)，會(huì)發(fā)現(xiàn)特大城市（一線(xiàn)城市）房?jī)r(jià)畸高，大城市（二線(xiàn)城市）房?jī)r(jià)居于中間水平，而中小城市（三四線(xiàn)城市）房?jī)r(jià)相對(duì)較低處于相對(duì)合理水平，由此可見(jiàn)中國(guó)的房地產(chǎn)泡沫主要存在于一線(xiàn)大城市。另外，我們也會(huì)發(fā)現(xiàn)，每一輪房?jī)r(jià)的上漲幾乎都是由一線(xiàn)城市帶頭上漲，二線(xiàn)城市緊隨其后，最后才是小城市的補(bǔ)漲，下跌時(shí)也有類(lèi)似情形。也就是說(shuō)，中國(guó)的房地產(chǎn)泡沫似乎是由大城市傳染到小城市的，在不同規(guī)模和級(jí)別的城市之間，存在著比較明顯的泡沫傳染機(jī)制。

基于以上背景和假設(shè)，本文試圖以經(jīng)驗(yàn)數(shù)據(jù)對(duì)中國(guó)房地產(chǎn)泡沫的傳染機(jī)制進(jìn)行實(shí)證檢驗(yàn)，并通過(guò)檢驗(yàn)結(jié)果的分析，探討傳染機(jī)制的來(lái)源以及泡沫的生成原因，進(jìn)而找到相關(guān)的有針對(duì)性的治理泡沫的對(duì)策。

二、文獻(xiàn)綜述

關(guān)于房地產(chǎn)泡沫的檢驗(yàn)，以及經(jīng)濟(jì)指標(biāo)傳染機(jī)制的研究文獻(xiàn)頗多。呂江林（2010）考察了租售比、空置率、投資購(gòu)房與自住購(gòu)房之比、房地產(chǎn)貸款占比和房地產(chǎn)業(yè)利潤(rùn)率、房?jī)r(jià)收入比等指標(biāo)評(píng)估房地產(chǎn)泡沫的適用性，發(fā)現(xiàn)房?jī)r(jià)收入比是評(píng)判我國(guó)房地產(chǎn)泡沫程度最合理的指標(biāo)，并據(jù)此指標(biāo)得出我國(guó)房地產(chǎn)市場(chǎng)總體上存在著泡沫且一線(xiàn)城市的泡沫最大。李海香等（2018）運(yùn)用因子分析法，對(duì)安徽省的房地產(chǎn)泡沫進(jìn)行檢驗(yàn)，發(fā)現(xiàn)安徽省房地產(chǎn)泡沫并不明晰，市場(chǎng)上總體較為平穩(wěn)。張超等（2019）利用多指標(biāo)面板數(shù)據(jù)因子分析，對(duì)中國(guó)房地產(chǎn)泡沫的程度和區(qū)域性差異進(jìn)行了研究，發(fā)現(xiàn)東部地區(qū)泡沫明顯高于西部地區(qū)。對(duì)于傳染效應(yīng)，林伯強(qiáng)（2012）研究了原油價(jià)格波動(dòng)性及國(guó)內(nèi)外傳染效應(yīng)，通過(guò)建立區(qū)制轉(zhuǎn)換的原油價(jià)格波動(dòng)性模型研究了原油價(jià)格波動(dòng)的不同狀態(tài)，并對(duì)國(guó)際原油對(duì)國(guó)內(nèi)原油市場(chǎng)的傳染性進(jìn)行了分析。郭文偉等（2017）研究了滬、深、港股市的相依狀態(tài)轉(zhuǎn)換機(jī)制以及危機(jī)傳染效應(yīng)，發(fā)現(xiàn)滬深港股市危機(jī)存在明顯的傳染效應(yīng)。楊佳玫（2018）討論了基于機(jī)制轉(zhuǎn)換混合copula的金融市場(chǎng)風(fēng)險(xiǎn)傳染效應(yīng)，通過(guò)對(duì)國(guó)際原油價(jià)格、上證綜指、人民幣兌美元匯率三大指標(biāo)的實(shí)證檢驗(yàn)發(fā)現(xiàn)原油和股指存在明顯的尾部風(fēng)險(xiǎn)傳染。

三、變量說(shuō)明、數(shù)據(jù)來(lái)源及模型設(shè)計(jì)

（一）變量說(shuō)明與數(shù)據(jù)來(lái)源

本文主要研究房地產(chǎn)泡沫在不同城市間的傳染機(jī)制，因此研究的變量有3個(gè)，分別是LNHP1（一線(xiàn)城市的房?jī)r(jià)）、LNHP2（二線(xiàn)城市的房?jī)r(jià)）、LNHP3（三線(xiàn)城市的房?jī)r(jià)），通過(guò)不同級(jí)別城市間的房?jī)r(jià)的波動(dòng)特性來(lái)研究泡沫傳染機(jī)制。數(shù)據(jù)來(lái)源于WIND資訊，樣本區(qū)間為2010年6月到2019年3月，樣本周期是月份，共106個(gè)月度數(shù)據(jù)樣本。

（二）模型設(shè)計(jì)

（二）脈沖響應(yīng)函數(shù)的分析

脈沖響應(yīng)函數(shù)通過(guò)某一個(gè)變量的一個(gè)標(biāo)準(zhǔn)差的波動(dòng)，來(lái)反映對(duì)其他變量的脈沖的沖擊大小，進(jìn)而刻畫(huà)變量之間相互影響的大小。經(jīng)過(guò)軟件的模擬計(jì)算，得到9組脈沖響應(yīng)圖，由脈沖響應(yīng)圖可知：1.一線(xiàn)城市的脈沖響應(yīng)分析：一線(xiàn)城市的房?jī)r(jià)波動(dòng)主要是受一線(xiàn)城市自身的影響，二線(xiàn)城市、三線(xiàn)城市房?jī)r(jià)的波動(dòng)對(duì)一線(xiàn)城市幾乎沒(méi)有任何影響。一線(xiàn)城市對(duì)一線(xiàn)城市的影響，1到10期的脈沖響應(yīng)函數(shù)的平均值為0.0023;二線(xiàn)城市對(duì)一線(xiàn)城市的影響，1到10期的脈沖響應(yīng)函數(shù)的平均值為0.0000;三線(xiàn)城市對(duì)一線(xiàn)城市的影響，1到10期的脈沖響應(yīng)函數(shù)的平均值為0.0004。這基本上也解釋了為什么中國(guó)的房地產(chǎn)泡沫主要發(fā)生在一線(xiàn)城市，一線(xiàn)城市是房地產(chǎn)的風(fēng)向標(biāo)和主戰(zhàn)場(chǎng)，一線(xiàn)城市之間的泡沫會(huì)相互影響傳染，然而二三線(xiàn)城市的上漲和下跌對(duì)一線(xiàn)城市是沒(méi)有影響的。2.二線(xiàn)城市的脈沖響應(yīng)分析：二線(xiàn)城市房?jī)r(jià)的波動(dòng)除了受二線(xiàn)城市自身的影響之外，也受到一線(xiàn)城市房?jī)r(jià)波動(dòng)的影響，然而三線(xiàn)城市房?jī)r(jià)的波動(dòng)對(duì)其則幾乎沒(méi)有影響。一線(xiàn)城市對(duì)二線(xiàn)城市的影響，1到10期的脈沖響應(yīng)函數(shù)的平均值為0.0011;二線(xiàn)城市對(duì)二線(xiàn)城市的影響，1到10期的脈沖響應(yīng)函數(shù)的平均值為0.0012;三線(xiàn)城市對(duì)二線(xiàn)城市的影響，1到10期的脈沖響應(yīng)函數(shù)的平均值為0.0005。事實(shí)證明，二線(xiàn)城市房?jī)r(jià)上漲很大程度上是一線(xiàn)城市引起的，要控制二線(xiàn)城市的房?jī)r(jià)，其實(shí)源頭主要是要控制一線(xiàn)城市的房?jī)r(jià)。而三線(xiàn)城市的房?jī)r(jià)的調(diào)控其實(shí)對(duì)二線(xiàn)城市影響不大。3.三線(xiàn)城市的脈沖響應(yīng)分析：三線(xiàn)城市房?jī)r(jià)的波動(dòng)主要受三線(xiàn)城市自身波動(dòng)的影響，同時(shí)也受到二線(xiàn)城市房?jī)r(jià)波動(dòng)的影響，但是一線(xiàn)城市房?jī)r(jià)的波動(dòng)對(duì)其的影響很小。一線(xiàn)城市對(duì)三線(xiàn)城市的影響，1到10期的脈沖響應(yīng)函數(shù)的平均值為0.0006;二線(xiàn)城市對(duì)三線(xiàn)城市的影響，1到10期的脈沖響應(yīng)函數(shù)的平均值為0.0010;三線(xiàn)城市對(duì)三線(xiàn)城市的影響，1到10期的脈沖響應(yīng)函數(shù)的平均值為0.0010。結(jié)果表明，三線(xiàn)城市房?jī)r(jià)的上漲主要受到二線(xiàn)城市上漲的傳染，結(jié)合第2點(diǎn)，基本上可以證明，傳染效應(yīng)遵循城市的級(jí)別依次傳染，也就是一線(xiàn)城市的房?jī)r(jià)暴漲首先在一線(xiàn)城市之間相互傳染，然后波及傳染到二線(xiàn)城市，最終再傳染到三線(xiàn)城市。

（三）方差分解模型分析

VAR模型還可以進(jìn)行方差分解分析，通過(guò)對(duì)某一變量各期（一般取10期的滯后期）方差的影響因素解析，將其分解為其他變量影響所占的百分比，進(jìn)而觀(guān)察各因素對(duì)該變量影響程度的大小。

通過(guò)對(duì)ILNHP1的方差分解可知，1-10期的一線(xiàn)城市房?jī)r(jià)對(duì)一線(xiàn)城市房?jī)r(jià)波動(dòng)方差貢獻(xiàn)度達(dá)到了98.59%，也就是說(shuō)一線(xiàn)城市房?jī)r(jià)的波動(dòng)幾乎全部來(lái)自于其自身的波動(dòng)，也就是說(shuō)一線(xiàn)城市房?jī)r(jià)的上漲會(huì)在一線(xiàn)城市之間相互傳染，而幾乎不會(huì)受到二、三線(xiàn)城市的影響。通過(guò)對(duì)ILNHP2的方差分解可知，1-10期的二線(xiàn)城市房?jī)r(jià)對(duì)二線(xiàn)城市房?jī)r(jià)波動(dòng)方差貢獻(xiàn)度達(dá)到了62.04%，1-10期的一線(xiàn)城市房?jī)r(jià)對(duì)二線(xiàn)城市房?jī)r(jià)波動(dòng)方差貢獻(xiàn)度達(dá)到了30.22%，1-10期的三線(xiàn)城市房?jī)r(jià)對(duì)二線(xiàn)城市房?jī)r(jià)波動(dòng)方差貢獻(xiàn)度達(dá)到了7.74%。也就是說(shuō)二線(xiàn)城市的房?jī)r(jià)除了受自身波動(dòng)的影響之外，還在很大程度上受到一線(xiàn)城市的傳染，然而三線(xiàn)城市房?jī)r(jià)的波動(dòng)則幾乎對(duì)二線(xiàn)城市沒(méi)有影響。通過(guò)對(duì)ILNHP3的方差分解可知，1-10期的一線(xiàn)城市房?jī)r(jià)對(duì)三線(xiàn)城市房?jī)r(jià)波動(dòng)方差貢獻(xiàn)度達(dá)到了11.10%，1-10期的二線(xiàn)城市房?jī)r(jià)對(duì)三線(xiàn)城市房?jī)r(jià)波動(dòng)方差貢獻(xiàn)度達(dá)到了34.98%，1-10期的三線(xiàn)城市房?jī)r(jià)對(duì)三線(xiàn)城市房?jī)r(jià)波動(dòng)方差貢獻(xiàn)度達(dá)到了53.92%。也就是說(shuō)三線(xiàn)城市房?jī)r(jià)的波動(dòng)除了受自身的波動(dòng)影響之外，還會(huì)受到二線(xiàn)城市的傳染，而一線(xiàn)城市的房?jī)r(jià)波動(dòng)對(duì)其幾乎沒(méi)有影響。

六、實(shí)證研究結(jié)論及其成因解釋

通過(guò)上述實(shí)證研究，我們可以得出基本的研究結(jié)論：1.中國(guó)不同等級(jí)的城市的房地產(chǎn)價(jià)格存在比較明顯的傳染效應(yīng)，體現(xiàn)為一線(xiàn)城市房?jī)r(jià)的波動(dòng)首先在一線(xiàn)城市之間相互傳染，然后再傳染給二線(xiàn)城市，最后由二線(xiàn)城市再進(jìn)一步傳染到三線(xiàn)城市。2.房地產(chǎn)泡沫的傳染效應(yīng)基本上遵循從大城市到小城市的傳染順序，反過(guò)來(lái)則不然，也就是說(shuō)一線(xiàn)城市的地產(chǎn)泡沫會(huì)傳染至小城市，而小城市房?jī)r(jià)上漲則不會(huì)傳導(dǎo)至大城市。

對(duì)于以上結(jié)論，本文認(rèn)為原因主要在于：1.一線(xiàn)城市是房地產(chǎn)投資和投機(jī)的主要目的地，幾乎全國(guó)的富裕階層都會(huì)尋求機(jī)會(huì)在一線(xiàn)城市投資房產(chǎn)，對(duì)全國(guó)市場(chǎng)有很大的輻射和傳染效應(yīng)。2.小城市只是區(qū)域性的投資場(chǎng)所，對(duì)全國(guó)市場(chǎng)沒(méi)有輻射效應(yīng)。3.一線(xiàn)城市也是資本的主要聚集地，是最容易滋生房地產(chǎn)泡沫的地方，交易也比較活躍，是房?jī)r(jià)的標(biāo)桿，因此其對(duì)全國(guó)其他城市的傳染效應(yīng)比較明顯。

七、政策建議

首先，控制房地產(chǎn)泡沫的關(guān)鍵在于控制一線(xiàn)城市的房?jī)r(jià)，一線(xiàn)城市房?jī)r(jià)的調(diào)控對(duì)于全國(guó)的房地產(chǎn)調(diào)控具有至關(guān)重要的意義。只要一線(xiàn)城市穩(wěn)住了，由于其巨大的示范和傳染效應(yīng)，全國(guó)的房?jī)r(jià)基本上也就控制住了。

其次，中央的貨幣政策應(yīng)該適用于全國(guó)各級(jí)別的城市，包括一線(xiàn)、二線(xiàn)、三線(xiàn)城市，而不應(yīng)只針對(duì)一線(xiàn)大城市，否則極易造成一線(xiàn)城市貨幣的堆積和泛濫，而造成一線(xiàn)城市的房?jī)r(jià)泡沫，進(jìn)而傳染到全國(guó)其他城市。這一方面有利于貨幣政策的真正實(shí)施到位，同時(shí)也有助于控制房地產(chǎn)泡沫。

[參考文獻(xiàn)]

[1]呂江林.我國(guó)城市住房市場(chǎng)泡沫水平的度量[J].經(jīng)濟(jì)研究，2010（6）：28-40.

[2]李海香，劉啟龍，林琳，張婧.房地產(chǎn)泡沫測(cè)度研究——以安徽省為例[J].德州學(xué)院學(xué)報(bào)，2018（12）：83-87.

[3]郭文偉.滬深港股市相依狀態(tài)轉(zhuǎn)換及其危機(jī)傳染效應(yīng)研究[J].管理評(píng)論，2017（12）：3-14.

[4]林伯強(qiáng).原油價(jià)格波動(dòng)性及國(guó)內(nèi)外傳染效應(yīng)[J].金融研究，2012（11）：1-15.

[5]Allen，F(xiàn)ranklin and Douglas Gale. Bubbles and Crises[J].Economic Journal， 2000（110）：236 —255.

[6]Allen， Franklin and Douglas Gale. Asset Price Bubbles and Stock Market Inter—linkages[C].Federal Bank of Chicago and World Bank Group s Conference Paper，2002.

[7]Allen C .Goodman and Thomas G. Thibodeau. Where Are the Speculative Bubbles in US Housing Markets？[J]. Journal of Housing Economics， 2008 （17）：117—137.

（責(zé)任編輯：郭麗春 劉茜）