区域房地产价格的溢出效应研究.doc

1、1区域房地产价格的溢出效应研究内容摘要：本文研究了北京、上海、广州和深圳的房地产市场间的均值溢出效应和波动溢出效应。通过分析得出：第一，北京和广州、上海和广州房地产市场间存在显著的双向均值溢出效应；上海对北京房地产市场具有单向的均值溢出效应；北京对深圳房地产市场具有单向的均值溢出效应；广州对深圳房地产具有单向均值溢出效应。第二，区域房地产存在显著的双向波动溢出效应，任何市场的波动信息都会对其他市场产生影响。 关键词：区域房地产市场 溢出效应 VAR-MVGARCH-BEKK 近年来我国房价一直居高不下，国家为此出台了一系列调控措施，但房价上涨的势头并没减缓。房地产是一种商品，价格应由供求关系决

2、定。但房地产具有消费和投资双重属性，其价格变动就变得更复杂，许多学者基于我国整个房地产市场，探讨房地产市场微观主体的投机行为和宏观政策环境等对房价的影响（刘金娥（2010） 、周晖和王擎（2010） 、陈国进和刘金娥（2011） 、朱英姿和许丹（2013） ） 。也有学者研究发现了一个城市的房价的变动信息会对另一个城市的房价产生影响，Meen（1999）研究发现住宅价格的连锁反应。Holly（2011）发现住房价格扩散包括区域和空间效应。陈雪楚、彭建刚和吴梦吟（2012） 、洪涛、西宝和高波（2007）发现中国房价存在联动性。谭政勋和周利（2013）发现我国房价波动的空间效应。对区域房价的相互

3、影响关系进行研究，2可以更好地把握房地产市场的波动规律，有利于各种宏观调控政策的实施与执行，对于房地产市场的健康稳定发展具有重要的意义。为此，本文采用 VAR-MVGARCH-BEKK 模型分析区域房地产价格的溢出效应。 数据说明与数据特征分析 本文选取 2005 年 7 月至 2013 年 7 月四个一线城市北京、上海、广州、深圳市作研究对象，选择国家统计局公布的环比新建住宅的房屋销售价格指数（上月=100）作为房价的指标。令 Ri，t=HPi，t-100，其中Ri，t 表示 i 城市 t 时期的房价增长率，HPi，t 表示 i 城市 t 时期房价指数。i=1，2，3，4 代表北京（BJ）

4、、上海（SH） 、广州（GZ） 、深圳（SZ） 。 初步统计分析显示，北京、上海、广州、深圳的房价增长率的峰度都大于 3，说明它们的房价增长率分布均显著异于正态分布，呈现“尖峰厚尾”的现象。ADF 单位根检验表明北京房价增长率在 5%的水平下显著拒绝存在单位根的原假设，上海、广州、深圳的房价增长率在 1%的显著性水平下都显著地拒绝存在单位根的原假设，说明北京、上海、广州、深圳的房价增长率均是平稳系列。Crawford 和 Fratantoni（2003） 、Miles（2008）发现了不同地区的房价的波动聚集性。应用 ARCH-LM 检验对四个一线城市的房价增长率进行波动聚集性进行检验，发现四

5、个城市的房价增长率具有波动聚集性的特点。本文将采用 GARCH 类模型描述房价波动过程。 实证方法介绍 本文采用四元 VAR-MVGARCH-BEKK 模型研究北京、上海、广州、深圳3四个城市的溢出效应，包括价格溢出效应和波动溢出效应。构建均值方程如下： （1） 其中，T 是最佳的滞后阶数，通过 VAR 模型最优滞后阶数的选择方法选择确定，Et=（1t2t3t4t）T 是残差向量，t-1 是截止到 t-1期可获得的信息集，Et |t-1 服从均值为 0，条件方差-协方差矩阵为Ht 的正态分布。考察方程（1）中相关参数的显著性可分析不同市场间均值溢出效应。若市场 i 收益率不受市场 j 收益率的

6、影响，则市场 j 对市场 i 不存在均值溢出效应。假设市场 j 对市场 i 不存在均值溢出效应，则 ij，1=ij，2=ij，3=ij，4=ij，J=0。如果是一阶的VAR 模型，则直接从系数的显著性就可以看出市场间的均值溢出效应；如果是多阶的 VAR 模型，则通过对H0：ij，1=ij，2=ij，3=ij，4=ij，J=0 的 Wald 检验来考察市场间的均值溢出效应。 方差-协方差方程设定如下： Ht=CCT+ATEt-1 ETt-1 A+GTHt-1G （2） 其中， C、A 和 G 都是阶参数矩阵，C 为下三角常数矩阵，刻画条件方差方程的常数部分，A 代表 ARCH 项的系数矩阵，G

7、代表 GARCH 项的系数矩阵，具体表现为： 将方程展开得到四市场 t 时刻收益率系列的的条件方差方程： （3） （4） 4（5） （6） 四个城市的房价 t 期的波动主要来自于：ARCH 项自身 t-1 期的残差平方 2i，t-1、 其他市场 t-1 期的方差 2j，t-1 和任两个市场间 t-1 期的残差的交互项 i，t-1j，t-1，ij；GARCH 项自身 t-1 期的条件方差hii，t-1、其他市场 t-1 期的条件方差 hjj，t-1 以及任两个市场间 t-1期的协方差 hij，t-1，ij。参数 aij、gij（ij）分别反映市场 i 对市场 j 的 ARCH 型和 GARCH

8、型波动溢出效应。 分析市场 i 对市场 j 的波动溢出效应，只要检验假设 1：市场 i 对市场 j 没有单向波动溢出效应，则 H1：aij=gij=0，ij，即市场 j 收益率的条件方差不受市场 i 收益率的残差和条件方差的滞后值的影响。 分析市场 i 和市场 j 是否存在双向的波动溢出效应，只要检验假设2：市场 i 与市场 j 没有存在相互的波动溢出效应，则H3：aij=gij=aji=gji=0，ij，即市场 i 和市场 j 收益率的条件方差均不受对方收益率的残差和条件方差的滞后值的影响的滞后值的影响。 本文将构建四市场 VAR-MVGARCH 模型，并分别估计均值方程和方差-协方差方程，

9、并通过 Wald 检验来检验四个市场间的均值溢出效应和波动溢出效应。 区域房价溢出效应的实证分析 首先根据 AIC 和 SIC 准则确定VAR 模型的最优滞后阶数，结果发现最优滞后阶数是 1 阶。 （一）区域房价的均值溢出效应检验 5VAR-MVGARCH-BEKK 模型的均值方程的回归结果显示，四个城市房价增长率方程中，各自滞后一期的房价增长率的系数在 1%的水平下都显著，说明了房价增长率的系列相关性。同时可得：第一，北京房价增长率方程中，上海、广州房价增长率的回归系数都在 1%的水平下显著异于零，说明上海、广州房价增长率对北京房价增长率具有显著的均值溢出效应；第二，上海房价增长率方程中，广

10、州房价增长率的回归系数在 1%的水平下显著地异于零，说明广州房价增长率对上海房价增长率具有显著均值溢出效应；第三，广州房价增长率方程中，北京、上海房价增长率在 1%的水平下显著异于零，深圳房价增长率在 5%的水平下显著异于零，说明北京、上海、深圳房价增长率对广州房价增长率具有显著的均值溢出效应；第四，深圳房价增长率方程中，北京、广州的房价增长率分别在5%、1%的水平下显著异于零，说明北京、广州的房价增长率对深圳的房价增长率具有显著的均值溢出效应。综上，北京房价增长率和广州房价增长率、上海房价增长率和广州房价增长率存在显著的双向均值溢出效应；上海房价增长率对北京房价增长率具有单向的均值溢出效应；

11、北京房价增长率对深圳房价增长率具有单向的均值溢出效应；广州房价增长率对深圳房价增长率具有单向均值溢出效应。 （二）区域房价的波动溢出效应检验 VAR-MVGARCH-BEKK 模型的方差方程估计结果显示，参数矩阵 A 和 G的对角元素 a11、a22、a33、a44、a55、g11、g22、g33、g44、g55 在不同的显著性水平下，都显著地异于零，说明各市场收益率的波动都受到各自滞后一期的残差平方和以及条件方程的影响，也就是受到各自以往6波动的影响，可见，就单个房地产市场而言，市场的波动具有显著的前后相关性和聚集性的特点。此外对于非对角元素，矩阵 A 中除了a14、a24、a41、a43

12、外，其余元素都在不同的显著性水平下显著地异于零；矩阵 G 中除了 g12、g21、g32 外，其余元素都在不同的显著性水平下显著地异于零。这在一定程度上说明了四大房地产市场具有波动溢出效应。 进一步对矩阵的元素进行检验来检验两个市场间的波动溢出效应（见表 1） ，发现北京、上海、广州、深圳四个城市的房地产市场中任何两个市场间都存在显著的双向波动溢出效应，任何一个市场的波动信息都会传递到另外的三个市场中，对其他市场的波动产生影响。 结论 北京房价增长率和广州房价增长率、上海房价增长率和广州房地产价格增长率存在显著的双向均值溢出效应；上海房价增长率对北京房价增长率具有单向的均值溢出效应；北京房价增

13、长率对深圳房价增长率具有单向的均值溢出效应；广州房价增长率对深圳房价增长率具有单向均值溢出效应。北京、上海、广州、深圳四个城市的房地产市场中，任何两个市场间都存在显著的双向波动溢出效应，任何一个市场的波动信息都会传递到另外的三个市场中，对其他市场的波动产生影响。 1.刘金娥.我国房地产市场泡沫的成因分析J.山西财经大学学报，2010（2） 2.周晖，王擎.货币政策与资产价格波动：理论模型与中国的经验分析J.经济研究，2009（10） 73.朱英姿，许丹.官员晋升压力， 金融市场化与房价增长J.金融研究，2013（1） 4.G. Meen.Regional house prices and th

14、e ripple effect： a new interpretationJ.Housing Studies.1999.14 （6） 5.S. Holly， M. Hashem Pesaran and T. Yamagata.The spatial and temporal diffusion of house prices in the UKJ.Journal of Urban Economics.2011.69 （1） 6.陈雪楚，彭建刚，吴梦吟.城市间房价相关性与系统性金融风险防范J.上海金融，2012（8） 7.洪涛，西宝，高波.房地产价格区域间联动与泡沫的空间扩散基于 2000-20

15、05 年中国 35 个大中城市面板数据的实证检验J.统计研究，2007.8 8.谭政勋，周利.房价波动的空间效应：估计方法与我国实证J.数理统计与管理，2013（3） 9.G. W. Crawford and M. C. Fratantoni.Assessing the Forecasting Performance of RegimeSwitching， ARIMA and GARCH Models of House PricesJ.Real Estate Economics.2003.31（2） 10.W. Miles.Volatility clustering in US home pricesJ.Journal of Real Estate Research.2008.30 （1）