DISCUSSION PAPER SERIES IED 讨论稿 No.20 中国 30 个大中城市房地产泡沫 : 基于预期均衡 价格模型分析 高波王辉龙李伟军 202-06-08 版权所有 高波王辉龙李伟军 202 本文任何两段文字以下的引用或转载无须授权, 但须标明出处 南京大学经济学院产业经济学系 Industrial Economics Department, Nanjing University
中国 30 个大中城市房地产泡沫 : 基于 预期均衡价格模型分析 高波王辉龙李伟军 ( 南京大学经济学院, 南京大学长江三角洲经济社会发展研究中心, 江苏南京 20093) 摘要 : 伴随着中国房地产业 黄金十年 的高速增长, 不同区域的房地产市场积累了不同程度的房地产泡沫 本文构建预期均衡价格模型, 选用 999~200 年中国 30 个大中城市的面板数据, 对这些城市的房地产泡沫进行测度, 并对东中西部不同区域做了进一步研究 从城市层面来看, 绝大多数城市房地产泡沫呈不断上升趋势 200 年, 杭州 上海 南昌等 3 个城市房地产泡沫度超过 30%, 沈阳 南京 重庆 天津 兰州 济南 银川 北京 成都 深圳 武汉 厦门和呼和浩特等 3 个城市房地产泡沫度在 20%~30% 之间, 广州和昆明房地产泡沫度低于 0% 从区域层面来看, 东部城市房地产泡沫度显著高于中部和西部城市 这是因为东部城市经济发展水平高, 房地产的投资价值受到人们的追逐, 从而推高了东部城市的房价水平 关键词 : 房地产泡沫预期均衡价格模型区域差异 本文引用标识 : 高波 王辉龙 李伟军,202, 中国 30 个大中城市房地产泡沫 : 基于语气均衡价格模型 分析, 南京大学经济学院产业经济学系讨论稿系列 No.20. 本文得到教育部哲学社会科学研究重大课题攻关项目 我国城市住房制度改革研究 ( 项目编号 : 0JZD0025) 国家社会科学基金重点项目 扩大内需与引导住房理性消费的宏观经济政策研究 ( 项目编号 :08AJY00) 南京大学人文社会科学 985 工程改革型项目 提升自主创新能力问题研究 ( 批准号 NJU985FW0) 和南京大学研究生科研创新基金 房地产动量效应 : 行为金融学研究 ( 项目编号 :20CW0) 的资助 作者非常感谢匿名审稿人的宝贵意见 当然, 文责自负 作者简介 : 高波 (96 ), 男, 汉族, 江苏泰兴人, 南京大学经济学院教授 博士生导师, 南京大学不动产研究中心主任, 国家教育部人文社科重点研究基地 - 南京大学长江三角洲经济社会发展研究中心教授, 主要研究方向 : 中国经济发展 企业家理论 房地产经济与金融 邮政编码 :20093, 电子信箱 :gaobo@nju.edu.cn 王辉龙 (978 ), 男, 汉族, 山东即墨人, 南京大学经济学院博士后, 南京市委党校讲师, 主要研究方向 : 房地产经济学 电子信箱 :huilongwang@yahoo.com.cn 李伟军 (976 ), 男, 汉族, 河南郑州人, 南京大学经济学院博士研究生, 安徽工业大学经济学院讲师, 电子信箱 :liweijunfinance@sina.com 主要研究方向 : 房地产金融学 联系方法 : 江苏省南京市汉口路 22 号南京大学经济学院安中大楼 722, 邮政编码 :20093, 联系电话 : 826008867 2
以 2000 年为基期的倍数 一 引言 世纪之交中国城市住房制度改革取得突破性进展以来, 中国房地产业快速增长, 房地产市场出现了相对繁荣的格局 2000~20 年, 中国房地产开发投资年均增长 25.7%, 商品房竣工面积年均增长 2.22%, 商品房销售面积年均增长 7.5%, 全国平均房价年均上涨 8.87%, 房地产商业贷款余额年均增长 29.94%( 见图 ) 20 年, 中国房地产开发投资占 GDP 和全社会固定资产投资的比重分别高达 3.09% 和 9.85% 从房地产市场的相关指标来看, 中国房地产业确实经历了 黄金十年, 并对经济增长做出了重要贡献 20 8 开发投资竣工面积销售面积 6 4 2 0 8 6 4 房价 商业贷款余额 2 0 2000 200 2002 2003 2004 2005 2006 2007 2008 2009 200 20 年份 图 2000~20 年中国房地产市场运行数据来源 : 国家统计局,20: 中国统计年鉴 20, 中国统计出版社 ; 国家统计局, 中华人民共和国 20 年国民经济和社会发展统计公报,http://www.stats.gov.cn/ 但是, 在中国房地产业高速增长的过程中, 房价的较快上涨和房地产市场的剧烈波动, 引起了全社会的关注 因此, 政府采取了一系列措施, 对房地产市场实行宏观调控 根据房地产市场的运行状况,2003 年下半年 ~2008 年 8 月政府对房地产市场实行了紧缩型宏观调控,2008 年 9 月到 2009 年 2 月政府对房地产市场实行了扩张型宏观调控,200 年初以来政府再一次对房地产市场实行紧缩型宏观调控 ( 高波,200, 第 39~326 页 ) 这一轮房地产市场的宏观调控, 中央政府明确提出了抑制房地产投资 投机行为, 遏制部分城市房价过快上涨的政策目标, 实施 限购 限贷 限价 政策, 建立健全各城市落实住房保障和稳定房价工作的约谈问责机制, 并于 20 年 月 28 日在上海和重庆率先启动房产税改革试点 对房地产市场的宏观调控直指遏制房价过快上涨, 这表明部分城市的房地产泡沫问题已经引起了中央政府的高度关注 中国房地产业经历了 黄金十年 的发展, 已进入一个新阶段 20 年下半年出现的新一轮房地产周期性调整, 再一次挤压过去 黄金十年 积累起来的房地产泡沫 而未来中国房地产业的发展前景, 是当前人们十分关注的话题 事实上, 未来十年中国房地产业发展的环境没有发生本质变化, 中国经济增长 去房地产化 也是不现实的 城市化过程, 是与房地产开发业关系最紧密的因素 20 年底, 中国城市化率首次超过 50%, 成为城市国家, 达到 5.3%, 但与基本完成城市化过程, 城市化率达到 70%, 还有较大的成长空间 从国际经验来看, 发达国家和地区住房消费在总消费支出中所占比例通常达到 20%~30%, 而中国城镇居民居住类支出占总消费支出的比重仅为 3% 左右, 中国正在实施的扩大内需战略, 3
重点是扩大消费需求, 这就意味着, 随着收入水平的进一步提高人们将会把更多的支出用于住房消费 由此可见, 在国家政局稳定和世界经济不出现大的动荡的条件下, 有效挤压房地产泡沫和防范房地产风险, 将使中国房地产业迎来再一个 黄金十年 那么, 中国房地产市场的泡沫程度到底有多大? 房地产泡沫演化的趋势如何? 是什么因素决定了房地产泡沫的走向? 针对房地产泡沫的实际状况, 如何使中国房地产市场宏观调控措施更好地发挥效能, 并有效挤压房地产泡沫? 这正是本文所关注的问题 本文旨在采用科学方法, 测度近 0 年来 30 个大中城市的房地产泡沫, 弄清中国房地产泡沫在时间和空间维度上的演化规律和特征 这对于准确认识和客观评价中国房地产市场的状况和房地产泡沫风险, 提高房地产市场宏观调控的有效性和科学性, 具有重大的理论价值和现实意义 本文结构安排如下 : 第二部分对相关文献进行了回顾 ; 第三部分在适应性预期理论 长期均衡思想和经济基本面因素相结合的基础上, 提出理论假说, 构建预期均衡价格模型 ; 第四部分运用预期均衡价格模型, 选用 999~200 年中国 30 个大中城市的房地产市场相关数据, 对房地产泡沫进行测度, 并对东中西部区域城市和京沪广深四个一线城市做了进一步的深度分析 ; 最后是本文的结论及政策建议 二 文献回顾 对资产泡沫的系统研究始于 20 世纪 60 年代 (Hahn,966;Samuelson,965;Shell, Karl and Stiglitz,967), 至今大致形成了理性预期泡沫理论 狂热 (Fads) 理论和非理性预期泡沫理论 一般认为泡沫的产生须具备以下四个条件 :() 作为初期条件, 宏观经济处于非常好的状态 ;(2) 人们普遍对未来持乐观态度, 对危险性麻木对待 ;(3) 有大量的资金供给者 ; (4) 在以上三个条件基础上, 出现了某种诱导因素或事件 ( 三木谷良一,998) 关于泡沫度量问题, 按照一般逻辑, 通过求解实际资产价格偏离基准价格的数学期望, 即可得出资产泡沫的测量值 ( 王子明,2002) 按照 Blanchard and Fisher(989) 的观点, 所谓资产泡沫是资本市场价格超出实体经济价格的部分, 因此, 要计算资产泡沫大小就必须准确获知资产价格与实体经济价格的大小, 但他们同时又认为 实体经济价格的计算是不可能的, 所以对资产泡沫大小的准确测度成为实践难题 尽管如此, 学界并未停止对泡沫测度的研究, 并逐渐形成了指标指示度量法 统计检验观测法和基准价格比较法等三类通用的泡沫测度方法 指标指示度量法是根据某个指标的数值来判断房地产市场是否存在泡沫 房价收入比 房价租金比 房屋空置率等指标直观 易理解, 已成为人们判断房地产市场是否存在泡沫的依据 李维哲等 (2002) 从生产 交易 消费 金融四个方面总结了房地产泡沫的预警指标, 提出用 功效系数法, 即把各种指标按不同权重加总得出一个综合系数, 来预警房地产泡沫 刘琳等 (2003) 把房价增长率与 GDP 增长率之比 房价收入比 住房按揭贷款与居民月收入之比等 3 个指标的绝对值相乘, 再开 3 次方所得系数作为衡量房地产泡沫程度的指标, 该系数越大代表房地产泡沫程度越高 虽然这些指标简单易操作, 但因各地区经济基本面差异较大, 所谓的公认指标不具有可比性, 加上指标的确定只是简单的经验总结, 没有经济学的理论依据, 很难真实地反映房地产泡沫状况 所谓统计检验观测法, 是指根据统计学原理, 一个没有泡沫的房地产市场, 相关房地产统计数据会存在规律性, 表现出一定的统计学性质 ; 而一个存在泡沫的市场, 统计数据将大起大落, 出现异常波动现象 Hamilton(986) 和 Diba and Grossman(988a) 等提出用单位根检验来检测房地产泡沫 零假设是房地产市场不存在泡沫, 房地产价格应该是一个平稳时间序列, 若拒绝零假设, 说明房地产市场存在泡沫 胡健颖等 (2006) 经过分析发现, 中国房地产及相关宏观数据都是非平稳时间序列, 事实可能是大多数房地产市场数据是非平 4
稳的, 若仅仅从统计检验来判定泡沫的存在性会很不准确 针对平稳性的问题,Diba and Grossman(988b) 又进一步提出在单位根检验基础上, 再对变量 ( 比如房价与房租 ) 进行协整性检验, 但单位根与协整性检验无法剔除周期性影响, 检验结果的可信度仍难保证 而基准价格比较法, 代表性的如 Blanchard and Watson(982), 以理性预期理论为基础, 根据套利均衡条件, 建立资产价格模型, 求解资产的市场基本价值和理性泡沫解 Granger, C. and N. Swanson(994) 对随机鞅过程一般化, 推导出一种更一般化的理性泡沫解 Bourassa and Hendershott(995) Abraham and Hendershott(996) 在理性预期的假说下, 将房地产市场价格的变化分为均衡价格变化和非均衡变化两部分, 并进一步发现美国东北部城市在 992 年底的时候房价高于市场基本价值 35%, 西海岸城市房地产价格泡沫在 5%~20% 之间 野口悠纪雄 (2005) 假设市场均衡时, 所有资产可以通过套利实现收益率相等, 发展出结合真实资产价格 土地收益增长率和贴现率的房地产泡沫计算公式 基准价格比较法, 通过计算基准价格来测算房地产泡沫, 充分考虑了经济基本面因素, 并运用计量经济学方法做出经验解释, 能够较好地观测房地产市场动态发展状况 但是, 这种方法的关键技术和难点是如何确定基准价格, 这也是本文拟重点解决的问题 以上三类检测房地产泡沫的方法, 各有利弊 ( 见表 ), 在实践中人们往往因研究目的不同而选用不同的方法 袁志刚等 (2003) 认为, 中国具备产生泡沫的基本前提条件, 宏观经济很可能是动态无效的, 也就是资本收益率低于经济增长率 根据 Tirole(982,985) 和 Weil(987) 的分析, 动态无效的经济不能排除泡沫的存在 沈悦 刘洪玉 (2004) 对 995~ 2002 年中国 4 个城市的实证结果表明, 若无年度虚拟变量, 城市经济基本面可以解释住宅价格变动 ; 加入年度虚拟变量, 城市经济基本面的解释力大大下降, 而适应性预期对住宅价格变动具有显著影响 葛新权 (2005) 从资产市场角度对泡沫经济的模型设计 检测方法和预控进行了深入研究, 对泡沫的产生和变化过程做了动态分析 按照经典理论, 一种资产的价值等于未来预期收益的贴现值之和, 但在现实中人们确定房地产出售价格时, 不会去计算未来收益的贴现值, 而是参考周围房地产的交易价格, 这种市场信息有可能形成 噪音, 使价格持续地偏离价值而形成价格泡沫 高波等 (2008) 根据不完全信息理论, 利用 999~ 2005 年中国 3 个省 ( 市 区 ) 的面板数据对住宅市场羊群行为实证检验发现, 在住宅市场繁荣的地区, 住宅交易量增长与价格上涨相互促进, 存在显著的扩张性羊群行为特征, 具备产生房地产泡沫的条件 而在住宅市场发育程度较低, 住宅消费水平相对较低的地区, 羊群行为特征不明显 姜春海 (2005) 利用相关数据对中国房地产市场进行计量检验, 认为中国房地产泡沫已经产生, 而且比较严重 胡健颖等 (2006) 对中国 990 年第 季度到 2005 年第 季度相关数据计量分析发现, 中国房地产市场的主要驱动力仍是市场因素, 投机成份确实存在, 但对房价影响不大 梁云芳 高铁梅 (2007) 运用 999~2006 年中国 28 个省份数据考察了房价波动的区域差异 研究发现, 经济增长对中部房价波动影响最大, 对东部和西部影响较小 999~2002 年上海房价偏离均衡程度很小,2002 年以后存在高估 ;2004 年之后北京房价出现高估 ; 从 2005 年起各省市都存在房价高估现象 王艺明 (2008) 在房租资本化的假说下, 采用广义卡尔曼滤波估计方法, 计量检验了 998 年 7 月到 2007 年 6 月北京 上海 广州等 3 个城市的房地产泡沫, 结果发现北京和上海的房地产市场存在显著泡沫, 而广州的泡沫不显著 吕江林 (200) 比较了租售比 空置率 投资住房与自住购房之比 房地产贷款占比和房地产业利润率等测度房价泡沫指标的适应性, 认为最准确的指标是房价收入比, 根据这一指标并综合考虑城镇居民消费倾向 按揭贷款利率水平等, 推导出我国房价收入比的合理区间是 4.38~6.78 倍之间, 根据这个标准, 认为近年来中国城市住房市场存在泡沫, 部分城市泡沫较大, 甚至有些一线城市蕴含巨大泡沫风险 况伟大 (200) 对 996~ 2007 年中国 35 个大中城市的实证研究发现, 经济基本面对房价波动影响大于预期和投机, 但预期和投机因素对中国城市房价波动具有较强的解释力 上期房价波动对本期房价波动影 5
响大于下期房价波动, 这表明适应性预期作用大于理性预期 高波等 (202) 引入房价因素 对新经济地理学模型进行拓展, 分析区域房价波动对区域经济发展的影响, 证明了伴随城市 相对房价上升出现的产业转移, 并非导致产业空心化, 而是诱发了产业升级, 计量检验结果 完全支持这一结论 表 房地产泡沫主要测度方法 分类代表文献主要方法优点缺点 指标指示度量法 统计检验观测法 刘琳等 (2003); 李维 哲 曲波 (2002); 吕 江林 (200) Shiller(98) Diba and Grossman ( 988a, 988b) Merton(986) Merton(987) Eddie C. M. Hui & Shen Yue(996) 通过特定指标 ( 如房价收入比 房价 增速与 GDP 增速比 空置率等 ) 衡 量房地产市场是否存在泡沫, 综合设 计预警指标 根据统计学原理, 如果泡沫存在, 则 资产价格在其基本价值变化不大时 也可能有大幅的波动, 于是引出所谓 资产价格的超常易变性检验, 据此判 断泡沫 基于变量的平稳性质疑希勒的方法, 认为其拒绝的是 资本市场有效 性 和 理性泡沫存在性 的联合 假设, 而这两者应分别检验 用计量经济学方法, 如格兰杰因果检 验 脉冲响应等, 根据数据的变化趋 势, 通过特定指标检验泡沫度 对香 港 北京 上海等城市房地产市场进 行了实证检验 直观 易操作 易理解 需要数 据少 简单, 直观, 易 操作 采用现代计量 经济学的方法 在一个较长时 间序列里考察 价格变动趋势 指标无公认的 标准值, 缺乏横 向比较意义 缺乏必要理论 支撑 只对泡沫进行 一般性分析, 没 有涉及具体的 市场结构 对数据的依赖 性较高 Blanchard & Watson 以理性预期理论为基础, 把房地产价 动态观测价格 对数据要求较 (982) Bourassa & 格的决定因素分为经济基本面因素 变化, 考虑了经 高, 模型因子的 基准价格比较法 Hendershott(995) Abraham(996) 况伟大 (200) HingLinChana ShuKamLeeb, 和泡沫因素两部分, 通过回归求解基准价格, 与市场房价比较算出泡沫 根据资产套利原则, 通过资产定价公式求解房地产基准价格, 与市场价格 济基本面对房地产价格的影响 考虑了地租因素和房地产的 选择存在不确定性 未考虑经济基本面对房价的 Kai Yin Woob(200) 比较, 算出泡沫 投资价值, 理论 影响 野口悠纪雄 (992) 性较强 综上可见, 尽管经济学家对资产泡沫研究的文献很多, 但大多数文献集中在金融市场领 域, 而对房地产泡沫的研究还很不够 这是因为 : 一方面, 房地产市场缺乏象金融市场那样 的大样本 高质量数据 ; 另一方面, 房地产作为虚拟经济和实体经济结合体的属性, 决定了 无法将金融泡沫的研究方法简单移植到对房地产泡沫的研究 鉴于此, 本文从适应性预期和 长期均衡角度, 结合经济基本面因素, 构建预期均衡价格模型, 并对中国 30 个大中城市的 房地产泡沫做实证分析 这种预期均衡价格模型测度房地产泡沫的方法, 克服了指标指示度 斯蒂格利茨 (20, 第 20~2 页 ) 认为, 考虑信息成本问题时, 并不存在理性预期的平衡, 如果用 适应性预期替代理性预期, 在一个足够长的适应期内, 经济波动才可能被消除 6
量法的不可比性 统计检验观测法的不稳定性和基准价格比较法过度依赖大样本数据的缺陷, 在计量检验部分包括了绝大多数省会城市房地产泡沫的纵向和横向比较分析, 具有样本量大 代表性强的特点 这是本文的重要创新 三 理论假说和模型设定 房地产市场价格是由经济基本面和预期因素决定的 在各种检测房地产泡沫的方法中, 指标指示度量法和统计检验观测法不能反映心理预期等跨期因素对房价的影响 最早由菲利普提出的适应性预期理论, 充分考虑了心理预期对资产价格变动的影响, 该理论认为, 人们在本期可以从过去判断错误中吸取经验教训, 修正前期预期的误差, 模型表述为 : P P ( P P ) e t t t2 t 根据适应性预期理论, 本期资产价格变动与上期资产价格变动有关, 与下期资产价格变动无关 适应性预期模型反映了冲击或干扰对经济运行从一个均衡态向另一个均衡态转化的影响 Abraham and Hendershott(996) 根据这一理论建立了房地产价格决定模型, 通过多次迭代回归来估计均衡价格 (equilibrium real house price) 本文借鉴这一思想, 利用 Panel date 数据建立动态回归模型, 把前一期房价增长率作为反映心理预期因素的自变量引入方程, 检测房地产泡沫 假设房地产价格 P 由两部分组成, 一部分是由经济基本面解释的基准价格 P; 另一部分是不能由经济基本面解释的泡沫部分 B, 即 :P=P+B 泡沫理论强调预期对资产价格变动的影响, 这种预期将引发人们的投机行为 人们关注的焦点不是资产本身的生产和消费以及盈利的能力, 而是由资产价格变动本身来获取利润的能力 所以, 仅仅由于上期房价上涨而引致的本期房价上涨, 不构成基准价格, 应归入泡沫部分 一般而言, 房价水平包含经济基本面的当前信息或历史信息 所以, 如果在模型中加入房价的历史信息, 可以更好地对房价水平及其变化做出解释和预测 所谓预期均衡价格模型, 是将适应性预期 局部均衡和动态调整思想有机结合, 从经济基本面因素确定房地产基准价格, 根据房地产市场价格与基准价格的差异分析, 测度房地产泡沫 因此, 本文对房地产市场做以下假定 :() 所谓房地产基准价格是指可以得到经济基本面解释的均衡价格 (2) 决定房地产基准价格 P 的因素包括 : 城镇居民人均可支配收入 (Y) 城市人口密度(POP) 房屋建造成本(K) 商业银行贷款利率(R) 和房地产开发投资 (I) 按照经济学理论, 市场均衡价格是由供给和需求决定的, 上述几个变量恰好反映了供给和需求两个方面 (3) 在房地产基准价格之上, 人们仍然愿意支付一个价格 B, 该价格大小取决于人们根据当前已有信息对未来价格走势的判断 (4) 房地产市场满足新古典假说, 当房地产市场价格偏离基准价格时, 供求关系将对过低或过高的价格产生校正的动力 (5) 仅考察市场因素, 不考虑政府运用行政手段干预房价 综上所述, 房地产价格 P 可用函数表述为 :P= P+B, 其中, P=F (Y,K,R,POP,I) 泡沫度定义为 : P P P 由于本研究的面板数据是短而宽 ( 时间序列长度小于截面数据 ) 的形式, 为保证估计的有效性要特别注意异方差问题 各种因素对房价的影响途径在不同的城市会有较大的差异, 若对各变量进行对数变换则残差只表示为相对误差, 可适当降低异方差 ; 再进行一阶差分, 则变量易于平稳, 经此变换后, 各变量以增长率的形式进入方程, 模型的因变量是各城市 p LnP LnP 本文中的增长率用对数差分表示 如 : t t t 7
房价的变化率, 它取决于人们根据前期价格以及经济基本面因素变化所做的判断, 与各城市 房价水平高低和城市规模无关, 所以不存在显著的城市差异 根据以上理论分析, 按照 Abraham and Hendershott(996) 的建模思路, 房地产基准价 格增长率为 : p k y pop r i it 0i i it 2i it 3i it 4i it 5i it 房地产市场价格增长率可表示为 p p t t t 其中, t 中包含泡沫部分和随机误差项, 即 () (2) p (ln P ln P ) t 0 t 2 t t t (3) p 这里, t 为前一期的房价增长率, Pt P 和 t 分别代表前一期的房地产基准价格和房 地产市场价格, t 代表随机误差项, 是白噪声变量 2 分别为泡沫膨胀系数和泡沫消 解系数, 当 为正时, 前一期的价格上涨会推动本期价格上涨 ; 当 2 为正时, 前一期市场 价格高于基准价格, 则会削弱本期价格的上涨幅度 ( 具有消解泡沫的作用 ), 通常 2 的 值介于 0~ 之间 把 () 式和 (3) 式代入 (2) 式, 得到房地产市场价格的回归方程 p ( ) k y pop r i p (ln P ln P ) t 0i 0 i it 2i it 3i it 4i it 5i it t 2 t t t 其中, (4) p t 为房地产价格增长率, k 为竣工房屋造价增长率, y 城镇居民人均可支配收 入增长率, pop 为城市人口密度增长率,r 为固定资产投资贷款利率增长率,i 为房地产开 p ln P 发投资增长率, t 为前一期房地产价格增长率 ( 代表适应性预期 ),( t ln Pt ) 为 前一期房地产市场价格对基准价格的偏离度 如表 2 所示, 可以更清晰地表述模型变量及其 含义 变量名 表 2 模型变量及其含义 变量含义 被解释变量 p t 房地产价格增长率 解释变量 反映经济基本面 求 供给面 需 k r i y 竣工房屋造价增长率固定资产投资贷款利率增长率房地产开发投资增长率城镇居民人均可支配收入增长率 8
反映泡沫 pop p t lnp lnp t 城市人口密度增长率 前一期房地产价格增长率 前一期房地产市场价格对基准价格的偏离度 预期均衡价格模型的构建思路是, 根据房地产价格长期趋势模型来实现数据的反复迭代, 找出方程的稳态解, 进而得到房地产均衡价格 这一模型充分考虑了房地产市场供给面和需求面因素 ( 见表 2), 体现了马歇尔局部均衡的思想 虽然马歇尔在构造经济理论过程中侧重于静态和局部均衡分析, 但在采用边际分析方法研究商品均衡价格时已融入了动态均衡思想 马歇尔把时间分为暂时 短期和长期三类, 与此相适应, 形成了瞬时价格 短期价格和长期价格等三类价格 在长期里, 生产条件随需求的变动而做调整, 长期价格是长期供求均衡的结果, 体现了动态变化的思想 本文构建的预期均衡价格模型是基于房地产价格长期动态变化过程, 且前期价格出现在方程右边, 对当期价格形成适应性预期调整, 因而模型综合了局部均衡 动态调整和适应性预期的思想 四 实证检验结果和讨论 ( 一 ) 数据来源本文数据来自历年 中国统计年鉴 中国城市统计年鉴 各省市统计年鉴 各省市历年统计公报 中国经济信息网数据库 中宏数据库 中经网产业数据库 70 个大中城市房地产价格指数 选取北京 天津 石家庄 沈阳 长春 哈尔滨 上海 南京 杭州 厦门 济南 郑州 武汉 长沙 广州 重庆 成都 西安 合肥 海口 深圳 昆明 南昌 贵阳 太原 南宁 西宁 兰州 银川 呼和浩特等 30 个大中城市, 时间跨度从 999 年到 200 年 利率采用真实利率, 其他以货币价值衡量的数据全部采用定基到 999 年的实际值 ( 二 ) 描述性统计分析对本研究计量检验涉及的变量做描述性统计分析, 如表 3 所示 P t 代表 t 期的房价指数, K 代表房屋造价 ( 元 / 平方米 ),Y 代表人均收入 ( 元 ),POP 为人口密度 ( 人 / 平方公里 ),R 为一年期固定资产投资贷款真实利率 (%),I 为房地产开发投资额 ( 万元 ) 从表 3 来看, 房价指数 房屋造价 人均收入 人口密度 房地产开发投资等变量呈现出显著差异, 充分反映出中国房价及其影响因素的复杂性, 仅通过房价指数的单一指标很难反映出房地产泡沫的真实水平, 有必要依据房价的均衡价格模型做进一步的实证研究 表 3 原始变量描述性统计均值最大值最小值标准差偏度观测 P t.074.392 0.973 0.066.247 360 K( 元 / 平方米 ) 404.28 408.000 6.000 583.968.80 360 Y( 元 ) 23.670 28697.800 4480.000 5309.959.50 360 POP( 人 / 平方公里 ) 589.539 5383.000 372.000 02.479.326 360 R(%) 4.427 9.520-4.32 2.306-0.95 360 I( 万元 ) 294060 290000 0900 3922987 2.788 360 ( 三 ) 实证检验结果. 回归分析结果对方程 (4) 回归的最大困难是 lnp 不可获得,Abraham and Hendershott(996,pp. 95) 9
解决这个问题的方法是 : 先不考虑 2 (lnp t- lnp t- ) 这一项, 对方程进行回归, 得出一组系 数, 把这组系数代入方程 () 可估计出 p, 由 p t =lnp t lnp t-, 通过迭代, 得到 t lnp t- = lnp 0 + i0 p i (5) 假设基期房价是均衡的 P 0 =, 可求出 lnp t ; 只要用 p 代换 p t 就可求出 lnp t- 这样, 就可获得各个城市的一组时间序列 lnp t- lnp t-, 把这组数据代入方程 (4), 再进行回归, 得到新的系数值 重复以上过程, 直到系数的估计值收敛于某个稳定值为止 本文在回归时 假设第 年 (999 年 ) 的房地产价格是均衡的, 即 P =P = 如表 4 所示, 模型 () 至模型 (4) 分别代表四次迭代回归过程 ln P t ln Pt 项的回 归系数逐次收敛, 系数值在第三次回归时开始收敛, 到第四次回归时完全稳定, 表明回归 过程是稳健的 表 4 回归结果 变量 ()FE (2)FE (3)FE (4)FE C k y pop r i p t ln P ln P t t 2 R 0.02022 (4.709963) 0.038280 (2.00089) 0.03674 (.346636) 0.009582 (0.768475) -0.004799 (-3.884502) 0.07544 (.67926) 0.299825 (4.842860) 0.022594 (4.396976) 0.04226 (2.28882) 0.04099 (.508356) 0.009834 (0.784756) -0.00466 (-3.60047) 0.06356 (.52355) 0.3627 (4.39353) 0.04578 (0.66368) 0.022594 (4.396977) 0.04226 (2.28882) 0.04099 (.508356) 0.009834 (0.784756) -0.00466 (-3.60047) 0.06356 (.52355) 0.3627 (4.39353) 0.04342 (0.66368) 0.022594 (4.396977) 0.04226 (2.28882) 0.04099 (.508356) 0.009834 (0.784756) -0.00466 (-3.60047) 0.06356 (.52355) 0.3627 (4.39353) 0.04342 (0.66368) 0.25088 0.252598 0.252598 0.252598 D-W.782542.79892.79892.79892 观测 300 300 300 300 注 :() 分别表示通过了 % 5% 和 0% 水平显著性检验 ;( 2) 由于进入回归方程的部分 变量以增长率形式出现, 差分时损失 个自由度, 回归时方程右边需要用到前一年的价格增长率, 又损失 个自由度, 故与表 3 不同, 本表的观测值为 300 表 4 的回归结果显示, 竣工房屋造价 (k) 人均可支配收入(y) 城市人口密度(pop) 和房地产开发投资 (i) 与房价增长率同向变化, 而实际贷款利率 (r) 对房价的影响显著为负 这一结果完全符合假设 由方程 (4) 可知, 房地产泡沫变化取决于泡沫膨胀和泡沫消解因素的共同影响 根据表 4 第四次迭代的稳态结果, 泡沫膨胀系数为 0.3627, 远大于泡沫消解系数 0.04342 泡沫膨胀系数反映的是上期上涨率的影响程度, 而泡沫消解系数小, 表明房地产市场价格自我 0
校正力度较弱 只要房地产市场价格还在上涨, 房地产泡沫将存在继续膨胀的可能 ; 反之, 一旦出现房地产市场价格下跌, 则会传递到下一期, 使得房地产市场价格迅速回归到基准价格, 当房地产市场价格低于基准价格继续下跌时, 又将对低于基准价格的房地产市场价格进行自我校正, 但其强度同样低于房地产市场价格的下拉力度, 房地产市场价格陷入连续下跌过程 根据实证检验结果, 由于泡沫膨胀系数大于泡沫消解系数, 这种内在机制极易导致由适应性预期引发的非理性羊群行为, 出现房地产市场价格的大幅波动 2.30 个大中城市房地产泡沫测度结果 LnP 根据上述回归结果, 只要对 t 进行指数运算, 就可以求出均衡价格, 再按照对泡 P P 沫的定义 P, 求出 30 个大中城市的房地产泡沫度, 如表 5 所示 表 5 200~200 年中国 30 个大中城市房地产泡沫度 (%) 200 2002 2003 2004 2005 2006 2007 2008 2009 200 北 京 0.25 0.40 0.55 0.70 2.56 5.93 0.4 6.33 2.46 22.26 天 津 0.00 0.60.4 3.48 0.5 3.32 6.9 20.68 23.93 25.77 石家庄 0.90 2.86 3.58 3.74 5.58 8.45 0.7 4.7 7.85 5.80 沈 阳.50 3.02 3.07 6.89 4.86 8.90 22.55 26.00 28.67 29.56 长 春 3.27 4.60 3.2 3.23 3.33 4.3 5.3 8.40 2.04 2.64 哈尔滨 0.90.87 2.43 2.53 4.9 7.27 8.99 2.54 5.96 7.50 上 海 0.7.47 5. 4.95 23.30 28.75 27.97 29.97 33.44 33.93 南 京 0.80.06 2.57 7.45 5.6 9.52 2.93 25.64 27.2 27.80 杭 州 2.44 5.36 8.88 2.08 8.20 23.49 24.99 29.5 34.5 35.86 厦 门 0.05.6 2.67 4.09 7.79.92 5.64 9.44 20.95 20.84 济 南.40 2.32 3.59 5.7 0.37 4.36 6.70 9.56 23.55 24.53 郑 州 0.25 0.05.00 2.02 4.04 7.58 0.55 3.87 5.67 6.82 武 汉 0.75 3.79 4.77 6.72.03 4.62 6.26 9. 2.84 2.2 长 沙 0.20 0.85.4.66 3.33 4.76 7.47.80 5.36 5.97 广 州.38.23.43.78 0.44.89 5.00 8.37 8.26 8.37 重 庆 0.90.6 2.68 5.75 2.7 6.55 8.2 22.0 25.56 26.20 成 都 0.65 0.8.46 2.93 6.89.90 5.67 9.78 2.69 2.92 西 安 0.65.6 2.7 2.89 5.42 7.64 9.52 2.88 7.9 7.47 深 圳 0.4 0.0 0.30.4 3.72 7.36 3.6 22.09 20.99 2.45 昆 明 0.0 0.05 0.05 0.5 0.64 2.0 2.76 4.54 6.9 6.7 南 昌.60 3.62 9.39.92 5.80 20.28 23.74 27.6 30.06 3.02 贵 阳.95 2.36 3.7 3.84 5.7 6.52 8.80 2.40 5.92 7.90 太 原 0.55 0.55 2.2 3.63 6.87 9.77.84 4.9 7.27 7.6 南 宁 0.35 0.45.7 2.77 5.65 8.7 0.32 4.3 8.7 8.99 西 宁 0.55 0.8.92 2.88 4.92 6.67 8.3 0.2 4.06 6.44 合 肥 0.00 0.25 2.25 4.33 7.8 0.39.09 2.06 6.50 6.50 海 口 0.30 0.4 0.55.9 4.87 6.6 7.6.04 6.47 7.74 兰 州 0.25.56 3.72 4.65 9.05.99 4.50 7.75 23.08 25.42 银 川.0 3.2 5.05 6.4 8.4 9.84.06 3.4 9.36 22.75 呼和浩.00 2.02 3.8 3.54 6.9 2.5 7.6 9.59 20.27 20.33
特 注 : 模型回归时已经通过取对数和差分的方法消除了城市大小的影响 根据表 5 的数据绘制出图 2, 表示 200~200 年 30 个样本城市的房地产泡沫走势 2003 年以前, 所有样本城市的房地产泡沫都在 0% 以下 2004 年, 有 3 个城市房地产泡沫超过 0% 2005 年, 上海房地产泡沫最高达到 23.3%, 有 8 个城市房地产泡沫处于 0%~20%, 房地产泡沫开始加速膨胀 2009 年, 房地产泡沫膨胀严重 200 年, 房地产泡沫膨胀势头得到缓解, 杭州 上海 南昌房地产泡沫度分别为 35.86% 33.93% 和 3.02%, 均超过 30%, 沈阳 南京 重庆 天津 兰州 济南 银川 北京 成都 深圳 武汉 厦门和呼和浩特等 3 个城市房地产泡沫度在 20%~30% 之间, 广州和昆明房地产泡沫度低于 0% 总体而言, 所有样本城市房地产泡沫膨胀表现出大致相似的走势 40 35 30 25 20 5 0 5 0 北京 天津 石家庄 沈阳 长春 哈尔滨 上海 南京 杭州 厦门 济南 郑州 武汉 长沙 广州 重庆 成都 西安 深圳 昆明 南昌 贵阳 太原 南宁 西宁 合肥 海口 兰州 银川 呼和浩特 200 2002 2003 2004 2005 2006 2007 2008 2009 200 图 2 中国 30 个大中城市房地产泡沫走势 ( 四 ) 房地产泡沫区域差异分析根据 中国统计年鉴 区域划分标准, 中国 30 个大中城市属于东部地区的有北京 天津 石家庄 上海 南京 杭州 厦门 济南 沈阳 广州 深圳和海口, 属于中部地区的是长春 哈尔滨 郑州 武汉 长沙 合肥 南昌和太原, 属于西部的是重庆 成都 贵阳 昆明 南宁 西安 西宁 兰州 银川和呼和浩特 如表 6 和图 3 所示, 中国 30 个大中城市东中西部地区房地产泡沫演化表现出区域差异, 东部样本城市的房地产泡沫度明显高于中西部地区, 中西部样本城市的房地产泡沫度基本接近 东部地区房地产泡沫度高的城市依次是杭州 上海 沈阳 南京 天津 济南 北京 深圳和厦门等,200 年房地产泡沫在 20% 以上 其中, 长三角地区的房地产泡沫度最高 200 年中部地区房地产泡沫度最高的城市南昌为 3.02%, 其次是武汉为 2.2% 西部地区房地产泡沫度较高的城市依次是重庆 兰州 银川 成都和呼和浩特等,200 年房地产泡沫在 20% 以上 而作为一线城市和珠三角的中心城市广州, 房地产泡沫度却很低 表 6 200~200 年中国分区域房地产泡沫度 (%) 200 2002 2003 2004 2005 2006 2007 2008 2009 200 东部 0.845.666 2.809 5.304 9.750 3.338 6.69 20.248 23.078 23.659 中部 0.940.948 3.323 4.505 7.06 9.873.884 4.948 8.088 8.659 西部 0.750.449 2.5 3.590 6.505 9.353.63 4.652 8.203 9.43 2
图 3 200~200 年东中西部区域城市房地产泡沫度 对于上述房地产泡沫的区域差异特征, 进一步做如下解释 : () 以上海为龙头的长三角地区正在迅速成长为中国的经济中心, 人们对长三角地区未来在中国和全球经济地位的良好预期, 导致这个地区的房地产泡沫处于高位 上海作为全国和长三角地区最有发展潜力的城市, 正在加速建设国际金融中心和国际航运中心, 乐观的前景预期吸引了国内外大量资本 人才集聚, 国际资本和跨国公司等国际机构趋之若鹜, 使上海具有突出的城市地位和较高的经济发展水平, 并促使上海的房地产需求急剧增长 特别是 2004 年以来, 上海的房价上涨产生了更强烈的上涨预期, 而国际资本的流入, 进一步加剧了房地产泡沫膨胀, 使房地产市场价格高于均衡价格 但是, 随着长三角地区经济社会发展一体化的深入, 上海将进一步积累更大的经济能量 因此, 上海房地产市场出现一定程度的房地产泡沫, 是由人们良好的经济预期导致的, 上海是有消解泡沫的能力的 而长三角地区的另外两个中心城市 南京和杭州, 自然风光秀美 产业基础良好 科教文卫发达 公共服务充足 城市魅力凸现, 对区域外资本和人口具有很强的吸引力, 推动了房地产需求的增长, 导致房地产市场价格脱离了经济基本面, 出现较大的房地产泡沫 (2) 中部样本城市中, 南昌的房地产泡沫度很高, 武汉房地产泡沫较高 西部样本城市中, 依次是重庆 兰州 银川 成都和呼和浩特等城市房地产泡沫度较高 这说明中国城市的房地产泡沫膨胀不仅仅局限在东部地区, 而是东中西部地区都有一些城市存在较高的房地产泡沫 从中部地区来看,200 年南昌城镇居民人均可支配收入为 8276 元, 而武汉 长沙和合肥分别为 20806 元 2284 元和 905 元, 南昌最低, 但根据搜房网提供的数据 2, 南昌的房地产市场价格水平却大幅高出这 3 个城市 南昌的房价水平, 在较长时间里保持了较高涨幅, 明显脱离了经济基本面, 积累了大量房地产泡沫 从西部地区来看, 重庆 兰州 银川 成都和呼和浩特是直辖市或所在省 自治区的首位城市 3, 与周边城市在地位上相差悬殊, 资金和人口将向这些区域中心城市集聚, 促使房地产需求增长, 出现了较大的房地产泡沫 (3) 广州的房地产泡沫度一直较低, 广州的房地产市场是耐人寻味的 999~200 年, 广州的经济基本面较好, 但从 999~2003 年广州的房地产市场处于调整过程中, 房屋销售价格指数小幅盘整, 调整很充分 ;2004~200 年广州房地产市场进入上升通道, 而房 数据来源于南昌 武汉 长沙和合肥等 4 个城市 200 年国民经济和社会发展统计公报 2 http://news.nc.soufun.com/20-05-7/5044889.htm 3 所谓 城市首位度, 是指一个国家或地区最大城市的人口数与第二大城市的人口数之比, 通常用它来反映一国或地区的城市规模结构和人口集中程度 3
屋销售价格指数上涨幅度不大, 因而广州的房地产泡沫少 除了经济基本面因素, 广州的实体经济发展空间大, 资本偏向于投资实体经济, 减少了房地产投资需求 此外, 以广州 深圳 香港为核心, 包括珠海 惠州 东莞 清远 肇庆 佛山 中山 江门 澳门等城市构成的珠三角城市群, 经济活力强 城市化水平高 房地产业比较发达, 分散了对广州的房地产需求压力, 抑制了广州房价上涨 五 结论 本文根据适应性预期理论和动态均衡思想, 构建预期均衡价格模型, 选用 999~200 年中国 30 个大中城市的面板数据, 充分考虑经济基本面因素, 测度这些城市的房地产泡沫, 并对东中西部地区城市房地产泡沫的区域差异做了深入分析 从时间序列来看, 中国 30 个大中城市,2003 年以前房地产泡沫较少,2005 年房地产泡沫开始加速膨胀,200 年房地产泡沫膨胀势头得到缓解, 所有样本城市房地产泡沫演化表现出大致相似的走势 从空间来看, 东部样本城市的房地产泡沫度明显高于中西部地区, 中西部样本城市的房地产泡沫度基本接近, 长三角地区城市的房地产泡沫度最高, 房地产泡沫演化表现出显著的区域差异 根据信息经济学理论, 由于信息不对称 信息不充分和市场不完备, 房地产市场将可能长期处于非均衡状态, 产生房地产泡沫, 造成市场效率损失, 而依靠房地产市场自身的力量难以校正房地产市场价格偏离均衡价格 因此, 政府必须因势利导, 根据不同时期和不同区域房地产市场运行的实际状况, 采取动态化 差异化的房地产市场宏观调控政策, 既要有一定的前瞻性, 又要有适当的灵活性, 适度挤压房地产泡沫, 引导房地产市场逐步回归均衡状态 参考文献 : 高波 洪涛,2008: 中国住宅市场羊群行为研究 基于 999~2005 动态面板模型的实证分析, 管理世界 第 2 期 高波,200: 现代房地产经济学, 南京大学出版社 高波 陈健 邹琳华,202: 区域房价差异 劳动力流动与产业升级, 经济研究 第 期 葛新权 : 泡沫经济理论与模型研究, 经济科学出版社,2005 年, 第 7-9 页 胡健颖 苏良军,2006: 中国房地产市场有几成泡沫, 统计研究 第 期 姜春海,2005: 中国房地产市场投机泡沫实证分析, 管理世界 第 2 期 况伟大,200: 预期 投机与中国城市房价波动, 经济研究 第 9 期 李维哲 曲波 : 地产泡沫预警指标体系与泡沫研究, 山西财经大学学报 2002 年第 4 期 梁云芳 高铁梅,2007: 中国房地产价格波动区域差异的实证分析, 经济研究 第 8 期 刘琳 黄英 刘洪玉,2003: 房地产泡沫测度系数研究, 价格理论与实践 第 3 期 吕江林,200: 我国城市住房市场泡沫水平的度量, 经济研究 第 6 期 三木谷良一,998: 日本泡沫经济的产生 崩溃与金融改革, 金融研究 第 6 期 沈悦, 刘洪玉,2004: 住宅价格与经济基本面:995 2002 年中国 4 城市的实证研究, 经济研究 第 6 期 史永东, 杜两省,200: 资产定价泡沫对经济的影响, 经济研究 第 0 期 王子明,2002: 泡沫与泡沫经济 非均衡分析, 北京大学出版社 王艺明,2008: 房租资本化 模型误设与房地产投机泡沫: 基于北京 上海 广州住房二级市场的研究, 世界经济 第 6 期 999~200 年广州房屋销售价格指数为 :95. 97.3 00.3 99.6 99.3 02.7 04.7 06. 06.7 99.8 0. 和 05.4 4
袁志刚 樊潇彦,2003: 房地产市场理性泡沫分析, 经济研究 第 3 期 约瑟夫 E. 斯蒂格利茨,20: 社会主义向何处去, 吉林人民出版社 野口悠纪雄,2005: 泡沫经济学, 三联书店 Blanchard, Olivier J. and Fisher,989, Lecture on Macroeconomics, MIT. Bourassa, Steven, & Patric H. Hendershott,995, Austrian capital city real house price, Austrian Economic Review, 3rd quarter, pp. 6-26. Diba, Behzad T. and Herschel I. Grossman, 988a, Rational inflationary bubbles, Journal of Monetary Economics, January 2, 35-46. Diba, Behzad T. and Herschel I. Grossman,988b, The theory of rational bubbles in stock, Prices Economic Journal, September 98, 746-754. Eddie, C. M. Hui & Shen Yue,2006, Housing price bubbles in Hong Kong, Beijing and Shanghai, A comparative study. Real Estate Finance Economic, 33: 299 327. Granger, C. and N. Swanson,994, An Introduction to Stochastic Unit Root processes, Discussion Paper, university of California, San Diego. Hahn, F. H,966, Equilibrium dynamics with heterogeneous capital goods, Quarterly Journal of Economics, 80, 633-646. Hamilton, James D,986, On testing for self-fulfilling speculative price bubbles, International Economics, Rev. 27, pp. 545-552. Hing Lin Chana,U, Shu Kam Leeb, & Kai Yin Woob,200, Detecting rational bubbles in the residential housing markets of Hong Kong, Economic Modelling 8 6-73. Jean Tirole,982, On the Possibility of Speculation under Rational Expectations, Econometrica, Vol.50, No.5, pp. 63-82. Jean Tirole,985, Asset Bubbles and Overlapping Generations, Econometrica, Vol.53, No.6, pp. 499-528. Jesse, M. Abraham & Patric, H. Hendershott.,996, Bubbles in metropolitan housing markets,journal of Housing Research, Volume 7, Issue 2. Philippe Weil,987, Confidence and the Real Value of Money in an Overlapping Generations Economy,Quarterly Journal of Economics, Vol.02, No., pp. -22. Robert, C. Merton,987, A Simple Model of Capital Market Equilibrium with Incomplete Information., Journal of Finance. Vol.42. Robert, C. Merton and T. A. Marsh,986, Dividend Variability and Variance Bounds Tests for the Rationality of Stock Market Prices, American Economic Review, Vol.76. Samuelson, Paul A.,965, Proof that properly anticipated price fluctuate randomly, Industrial Management Review, Spring 6, 4-49. Shell, Karl & Stiglitz, Joseph E,967, Allocation of investment in a dynamic economy, Quarterly Journal of Economics, November, 8, pp. 592-609. Shiller, Robert J, 98, Do Stock Prices Move Too Much to be Justified by Subsequent Changes in Dividends?, American Economic Review, vol. 7(3), p42-36, June. 5
Real Estate Bubbles in 30 Large and Medium-sized Cities in China: Based on the Model of Expected Equilibrium Price GAO Bo WANG Huilong LI Weijun Abstract: Along with the rapid growth of Chinese real estate industry which means golden years, the real estate market of different regions accumulate bubbles differently. In this paper, we found a so-called expected equilibrium price model (EEPM) and measure the real estate bubbles with the panel data of 30 large and medium-sized cities from 999-200 in China, and further research on different regions is included. From the aspect of cities, in 200, three cities including Hangzhou, Shanghai and Nanchang gained bubbles over 30%, and thirteen cities including Shenyang, Nanjing, Chongqing, Tianjin, Lanzhou, Jinan, Yinchuan, Beijing, Chengdu, Shenzhen, Wuhan, Xiamen and Hohhot have the bubbles between 20% and 30%. At the same time, bubbles less than 0% are found in Guangzhou and Kunming. From the aspect of regions, the real estate bubbles of the eastern cities are significantly higher than the central and western cities. The reason is that the relatively developed region has higher real estate investment value, which will push up the real estate price there. Key words: Real Estate Bubble,Expected Equilibrium Price Model,Regional Differences 6