重大事件對(duì)城市住宅價(jià)格的影響——來(lái)自杭州市的證據(jù)

阮連法 ，包洪潔 ，溫海珍 ，2

（1.浙江大學(xué)土木工程管理研究所，浙江杭州310058；2.浙江大學(xué)房地產(chǎn)研究中心，浙江杭州310027）

2008年中期，房?jī)r(jià)在嚴(yán)厲調(diào)控政策之下，“降”聲一片。漲跌端倪仍未顯現(xiàn)之際，美國(guó)次貸危機(jī)全面爆發(fā)，并迅速引發(fā)了全球金融危機(jī)，中國(guó)各地房?jī)r(jià)立即出現(xiàn)大幅下跌，一年之后才基本恢復(fù)到金融危機(jī)前的水平。2010年，政府先后實(shí)施了“國(guó)11條”、“新國(guó)10條”、“新國(guó)5條”等調(diào)控政策，遏制住了房?jī)r(jià)過(guò)快增長(zhǎng)的趨勢(shì)。這些事件對(duì)城市住宅價(jià)格的影響程度大、持續(xù)時(shí)間長(zhǎng)，本文稱(chēng)之為重大事件。事件的影響模式有兩種：臺(tái)階式和脈沖式。臺(tái)階式事件會(huì)造成結(jié)構(gòu)性斷點(diǎn)，在短期內(nèi)價(jià)格不再維持在原有水平，其影響程度大且影響時(shí)間長(zhǎng)；脈沖式事件雖然也會(huì)造成突變，但事件過(guò)后，立即恢復(fù)到之前水平，即只造成短期影響[1]。分析重大事件對(duì)城市住宅價(jià)格的影響，可用于測(cè)度和評(píng)估金融危機(jī)、調(diào)控政策對(duì)房?jī)r(jià)造成的影響程度，可為政府制定調(diào)控政策和房地產(chǎn)市場(chǎng)的參與者選擇投資時(shí)機(jī)提供決策依據(jù)，具有理論和現(xiàn)實(shí)的雙重價(jià)值。

1 文獻(xiàn)綜述

資產(chǎn)價(jià)格的波動(dòng)與重大事件有著密切的聯(lián)系。Shiller的研究結(jié)果表明資本市場(chǎng)的相關(guān)事件，尤其是重大事件，例如經(jīng)濟(jì)衰退、監(jiān)管法案出臺(tái)、投資者的心理變化等，將導(dǎo)致資產(chǎn)價(jià)格的巨大變動(dòng)，甚至?xí)霈F(xiàn)泡沫[2]。房地產(chǎn)作為一種實(shí)物資產(chǎn)，受到重大事件的影響更加明顯。Duca等研究了美國(guó)房地產(chǎn)市場(chǎng)與2008年金融危機(jī)的關(guān)系，認(rèn)為房?jī)r(jià)波動(dòng)顯著地受到金融危機(jī)、宏觀經(jīng)濟(jì)基本面變化的影響[3]。Case等分析了美國(guó)房?jī)r(jià)快速上漲與投資行為的關(guān)系，得出用突發(fā)的投資事件來(lái)解釋1990年代房?jī)r(jià)的快速上漲更合理[4]。Murphy和Sumit等也同樣發(fā)現(xiàn)了重大事件對(duì)房地產(chǎn)價(jià)格波動(dòng)造成顯著影響的證據(jù)[5-6]。

影響房地產(chǎn)價(jià)格波動(dòng)的因素來(lái)自經(jīng)濟(jì)基本面、金融危機(jī)宏觀調(diào)控等重大事件以及投資投機(jī)行為[7]。沈悅和劉洪玉的研究結(jié)果表明2002年以后經(jīng)濟(jì)基本面對(duì)住宅價(jià)格變化率的解釋水平出現(xiàn)了明顯的減弱，即重大事件和投資投機(jī)行為對(duì)房?jī)r(jià)波動(dòng)的影響在2002年以后顯著增強(qiáng)[8]。金融危機(jī)的影響會(huì)從一國(guó)的房地產(chǎn)市場(chǎng)傳導(dǎo)到他國(guó)，進(jìn)而對(duì)他國(guó)的房?jī)r(jià)造成巨大波動(dòng)。Andrea等得出G-7國(guó)家的房?jī)r(jià)不僅受全球宏觀經(jīng)濟(jì)的影響，G-7各國(guó)間的房?jī)r(jià)也存在相互影響[9]。況偉大利用金融危機(jī)前1996—2006年中國(guó)大陸31個(gè)省份的數(shù)據(jù)，采用系統(tǒng)GMM模型檢驗(yàn)后得出中國(guó)東部地區(qū)存在較嚴(yán)重的住房泡沫、中西部地區(qū)沒(méi)有明顯住房泡沫的結(jié)論[10]。金融危機(jī)會(huì)迫使房地產(chǎn)市場(chǎng)的泡沫破裂，因而含有泡沫的房?jī)r(jià)受金融危機(jī)的影響程度更大。

土地政策、貨幣政策、行政干預(yù)政策等疊加起來(lái)實(shí)施的調(diào)控政策是房地產(chǎn)市場(chǎng)中的另一類(lèi)重要相關(guān)事件。土地政策對(duì)調(diào)控房?jī)r(jià)的作用有限[11-12]。Iacoviello通過(guò)建立產(chǎn)品市場(chǎng)、借貸市場(chǎng)、房地產(chǎn)市場(chǎng)和貨幣政策的一般動(dòng)態(tài)均衡模型，運(yùn)用VAR脈沖響應(yīng)得出從緊的貨幣政策對(duì)住房?jī)r(jià)格會(huì)產(chǎn)生負(fù)向影響[13]。利率對(duì)房?jī)r(jià)的作用方向是有爭(zhēng)議的。Cho等的實(shí)證結(jié)果顯示房?jī)r(jià)與利率在長(zhǎng)期是負(fù)相關(guān)的，而在短期，利率是房?jī)r(jià)的Granger因[14]。Wong等的實(shí)證結(jié)果顯示在通貨膨脹期，利率對(duì)房?jī)r(jià)是負(fù)影響；在通貨緊縮期，利率對(duì)房?jī)r(jià)的影響為正[15]。Fratantoni等的實(shí)證結(jié)果表明全國(guó)性的貨幣政策對(duì)不同地區(qū)的實(shí)施效果是不同的[16]。因而，不同城市間的調(diào)控效果是有差異的[17]。

重大事件對(duì)城市房?jī)r(jià)造成影響的研究還很缺乏，尤其在定量評(píng)估方面，但金融危機(jī)對(duì)城市房?jī)r(jià)的影響、針對(duì)城市層面的調(diào)控效果評(píng)估是房地產(chǎn)市場(chǎng)的參與者和政府調(diào)控普遍關(guān)心的問(wèn)題。因此，研究金融危機(jī)、調(diào)控政策等重大事件對(duì)城市住宅價(jià)格的影響在理論和實(shí)踐中均具有重要的價(jià)值和意義。

2 理論模型

2.1 BP多斷點(diǎn)檢測(cè)

Bai和Perron提出多斷點(diǎn)檢測(cè)概念的主要目的是為了發(fā)現(xiàn)時(shí)間序列中存在的結(jié)構(gòu)性變化點(diǎn)[18]?？紤]具有m個(gè)斷點(diǎn)（可分成m+1段）的多重線(xiàn)性回歸模型：

式1中，yt是t時(shí)刻因變量的取值，xt（p×1）和zt（q×1）是協(xié)方差向量，β和δj是對(duì)應(yīng)的系數(shù)向量，ut是t時(shí)刻的隨機(jī)擾動(dòng)項(xiàng)。斷點(diǎn)數(shù)量未知，通過(guò)計(jì)算序列i和i′（i

Zeileis等根據(jù)以上算法在統(tǒng)計(jì)軟件R平臺(tái)上開(kāi)發(fā)了Strucchange軟件包。通過(guò)分別計(jì)算時(shí)間序列發(fā)生0次、1次、2次至m次結(jié)構(gòu)變化后的最小SSR值，采用最小BIC準(zhǔn)則確定最優(yōu)斷點(diǎn)數(shù)和發(fā)生斷點(diǎn)的時(shí)間[19]，同時(shí)，還可以計(jì)算各斷點(diǎn)的置信區(qū)間。置信區(qū)間越窄，說(shuō)明斷點(diǎn)出現(xiàn)的范圍越小，判斷發(fā)生結(jié)構(gòu)性變化的把握就越大。BP斷點(diǎn)檢測(cè)法克服了鄒氏檢驗(yàn)、匡特似然比檢驗(yàn)的不足，對(duì)實(shí)際利率、通貨膨脹率、S&P指數(shù)等做的突變點(diǎn)檢測(cè)結(jié)果能更好地解釋波動(dòng)變化情況[18-19]。

2.2 集成經(jīng)驗(yàn)?zāi)B(tài)分解（EEMD）

經(jīng)驗(yàn)?zāi)B(tài)分解（EMD）從數(shù)據(jù)自身出發(fā)，通過(guò)分析本征模態(tài)函數(shù)（Intrinsic Mode Function，IMF）來(lái)揭示數(shù)據(jù)序列的內(nèi)在特征。集成經(jīng)驗(yàn)?zāi)B(tài)分解（EEMD）是對(duì)EMD的改進(jìn)，通過(guò)增加白色噪聲來(lái)避免不同模態(tài)之間產(chǎn)生混淆[20]。通過(guò)分解，最終可以將房?jī)r(jià)時(shí)序數(shù)列表達(dá)成多個(gè)IMF與一個(gè)殘差項(xiàng)的和的形式：

3 重大事件與杭州市住宅價(jià)格總體波動(dòng)

3.1 數(shù)據(jù)來(lái)源與說(shuō)明

采用杭州市新建商品住宅交易價(jià)格為分析對(duì)象，數(shù)據(jù)來(lái)源于杭州市房管局主管的透明售房網(wǎng)（hzfc365.com），數(shù)據(jù)及時(shí)、準(zhǔn)確。統(tǒng)計(jì)范圍包括西湖、拱墅、上城、下城、蕭山、余杭等10個(gè)城區(qū)。2007.3.17—3.23為第1周，2011.2.21—2.27為第204周，共204個(gè)周度數(shù)據(jù)，描述性統(tǒng)計(jì)情況見(jiàn)表1。

3.2 BP多斷點(diǎn)檢測(cè)結(jié)果

在R中做多斷點(diǎn)檢測(cè)發(fā)現(xiàn)存在三個(gè)斷點(diǎn)，分別是30周、86周、133周，最優(yōu)模型的特征描述見(jiàn)表2。

3.3 重大事件與杭州市商品住宅價(jià)格的關(guān)系分析

住宅價(jià)格經(jīng)歷了4個(gè)相對(duì)平穩(wěn)期，兩個(gè)暴漲期和一個(gè)下跌期（圖1）。樣本期間內(nèi)發(fā)生的主要相關(guān)事件列于表3。A處是2007年開(kāi)始的利率加息通道，在B后房?jī)r(jià)出現(xiàn)了第一個(gè)暴漲期。2008年9月之前房?jī)r(jià)大約穩(wěn)定在15146元/m2。在D處金融危機(jī)全面爆發(fā)，之后房?jī)r(jià)一路下跌，E、F為金融危機(jī)期間的救市措施，最低點(diǎn)出現(xiàn)在102周。之后房?jī)r(jià)強(qiáng)勢(shì)反彈，市場(chǎng)由過(guò)冷轉(zhuǎn)變?yōu)檫^(guò)熱，在2010年H、I、J三大調(diào)控政策之下，房?jī)r(jià)基本穩(wěn)定在18656元/m2左右。

表1 樣本數(shù)據(jù)的描述統(tǒng)計(jì)情況Tab.1 Descriptive statistics of the sample

表2 BP多斷點(diǎn)檢測(cè)結(jié)果Tab.2 Results of BPmulti-structure change tests

圖1 樣本期間內(nèi)的主要相關(guān)事件與杭州市商品住宅價(jià)格Fig.1 Related events and housing price trend in Hangzhou during the sample period

表3 樣本期間內(nèi)房地產(chǎn)市場(chǎng)的主要相關(guān)事件Tab.3 Related events in real estate market during the sample period

4 重大事件對(duì)杭州市住宅價(jià)格影響程度的實(shí)證分析

4.1 集成經(jīng)驗(yàn)?zāi)B(tài)分解

運(yùn)用EEMD作為分解工具，白色噪聲序列的標(biāo)準(zhǔn)差設(shè)為原始房?jī)r(jià)序列標(biāo)準(zhǔn)差的0.2倍，集成數(shù)量設(shè)為100。在MatLab平臺(tái)上編程實(shí)現(xiàn)，分解后獲得6個(gè)不同尺度的IMF和一個(gè)殘差項(xiàng)。圖2中的IMF按頻率從高到低依次排列，左上角是原始房?jī)r(jià)序列，右下角是殘差項(xiàng)。

圖2 EEMD分解得到的6個(gè)IMF和殘差Fig.2 The six IM Fs and one residue gained after EEMD

圖3 6個(gè)IMF的均值、均值為零的t檢驗(yàn)值Fig.3 Mean of each IMF and t-test values

表4 重大事件影響部分的BP多斷點(diǎn)檢測(cè)結(jié)果Tab.4 BPmulti-structure change tests of significant event affected part

4.2 EEMD分解結(jié)果分析

從圖2可知前三個(gè)IMF的振幅較大，表現(xiàn)出隨機(jī)無(wú)序性；后三個(gè)IMF的振幅較小，且從IMF4開(kāi)始周期性越來(lái)越明顯。再對(duì)6個(gè)IMF的均值做是否為零的T檢驗(yàn)，發(fā)現(xiàn)前三個(gè)IMF均值為零的檢驗(yàn)值較高，而后三個(gè)IMF的檢驗(yàn)值較低。因此，將IMF1—IMF3作為高頻部分，將IMF4—IMF6作為低頻部分。

重大事件對(duì)房?jī)r(jià)的影響往往是長(zhǎng)期的，短期內(nèi)房?jī)r(jià)不再恢復(fù)到之前水平。重大事件的持續(xù)影響和影響程度不可能像高頻IMF那樣忽大忽小不穩(wěn)定，相反，其影響過(guò)程應(yīng)該像低頻部分那樣是連續(xù)變化的。重大事件對(duì)房?jī)r(jià)造成的影響程度較大，在統(tǒng)計(jì)上應(yīng)該與零有顯著差異。因此，用低頻部分描述重大事件對(duì)城市住宅價(jià)格的影響程度。另外，低頻部分從原始房?jī)r(jià)序列中剔除了房?jī)r(jià)的長(zhǎng)期趨勢(shì)影響和非重大事件的影響，相當(dāng)于從原始房?jī)r(jià)序列中分離出重大事件影響的部分。

4.3 重大事件影響部分的BP多斷點(diǎn)檢測(cè)

對(duì)分離出的表征重大事件影響的低頻部分序列做BP多斷點(diǎn)檢測(cè)，發(fā)現(xiàn)共存在4個(gè)結(jié)構(gòu)性斷點(diǎn)，分別是30周、86周、134周和164周（表4）。前三個(gè)斷點(diǎn)與本文4.2中對(duì)原始房?jī)r(jià)序列直接做BP檢測(cè)的結(jié)果相吻合。第4個(gè)斷點(diǎn)的出現(xiàn)剛好在H、I事件之后，對(duì)房?jī)r(jià)造成了大幅度的下降，更加符合現(xiàn)實(shí)情況。另外，對(duì)比表4與表2可知：斷點(diǎn)的95%置信區(qū)間明顯變窄，說(shuō)明判斷出現(xiàn)斷點(diǎn)的把握顯著增強(qiáng)。

4.4 重大事件的影響程度分析

從圖4可知：A處開(kāi)始2007年的首次加息，對(duì)房?jī)r(jià)產(chǎn)生了負(fù)向影響，最大影響程度約-1700元/m2，與調(diào)控預(yù)期相符，但13周之后，不降反升，B事件只能減緩上升趨勢(shì)。C事件處于影響水平的第二個(gè)平穩(wěn)期，因此沒(méi)有對(duì)房?jī)r(jià)產(chǎn)生重大影響。D處是波峰，正好是美國(guó)金融危機(jī)全面爆發(fā)的時(shí)間點(diǎn)，從D之后房?jī)r(jià)一路下跌，E、F的救市措施顯然不能扭轉(zhuǎn)大幅下跌趨勢(shì)。102周后，房?jī)r(jià)從谷底開(kāi)始強(qiáng)勢(shì)反彈，G未能逆轉(zhuǎn)反彈趨勢(shì)，直到H、I事件發(fā)生，才扭轉(zhuǎn)了上升趨勢(shì)。綜上所述，對(duì)房?jī)r(jià)產(chǎn)生顯著影響的重大事件是A、D、H和I事件，而B(niǎo)、C、E、F、G是非重大事件，J事件由于序列長(zhǎng)度有限不好判斷。

圖4 重大事件對(duì)房?jī)r(jià)的影響程度Fig.4 Affected degree by significant events on housing price

4.4.1 2008年金融危機(jī)的影響程度 2008年金融危機(jī)全面爆發(fā)于2008年9月9日（76周），從圖4看出D事件剛好處于第二個(gè)穩(wěn)定期的第二個(gè)波峰。金融危機(jī)的來(lái)臨打破了第二個(gè)穩(wěn)定期的影響程度水平，對(duì)之后26周（約半年）的房?jī)r(jià)影響一直是負(fù)的，將重大事件影響程度從危機(jī)前的1630.2元/m2拉低到-3282.3元/m2。對(duì)房?jī)r(jià)的影響程度大、持續(xù)時(shí)間長(zhǎng)，是典型的臺(tái)階式影響模式。影響程度變化量表示金融危機(jī)使平均房?jī)r(jià)下降4912.5元/m2。由于人們對(duì)金融危機(jī)的預(yù)期逐步明朗化，其對(duì)房?jī)r(jià)的影響從102周開(kāi)始逐步減弱。同時(shí)加上E、F兩大救市事件的影響，影響程度從-3282.3元/m2強(qiáng)勢(shì)反彈到476.7元/m2，影響水平平均上升3759.0元/m2。

4.4.2 調(diào)控政策的影響程度 提高利率、存款準(zhǔn)備金率等貨幣政策（A事件）實(shí)施后，剛開(kāi)始對(duì)房?jī)r(jià)的影響程度為負(fù)，13周后達(dá)到最大負(fù)值-1704.99元/m2，與調(diào)控預(yù)期相符。但在13周后，市場(chǎng)反應(yīng)與調(diào)控預(yù)期相反，此時(shí)仍然在繼續(xù)提高利率、存款準(zhǔn)備金率，對(duì)房?jī)r(jià)的影響從-442.1元/m2上升到1630.2元/m2，上升幅度高達(dá)2072.3元/m2，與調(diào)控預(yù)期相反。因此，貨幣調(diào)控政策在時(shí)間上應(yīng)留足夠的間隔，需等市場(chǎng)對(duì)上一次調(diào)控做出全面反應(yīng)后再制定下一次調(diào)控政策。2010年“國(guó)11條”和“新國(guó)10條”實(shí)施的時(shí)機(jī)剛好處于波峰附近，使得對(duì)房?jī)r(jià)的影響程度下降2998.6元/m2，說(shuō)明時(shí)機(jī)的選擇是恰當(dāng)?shù)摹?/p>

5 結(jié)論

重大事件對(duì)房?jī)r(jià)波動(dòng)具有顯著的影響，其影響模式是“臺(tái)階式”的。在無(wú)重大事件發(fā)生時(shí)期，房?jī)r(jià)通常會(huì)穩(wěn)定在某一水平；重大事件發(fā)生后，則會(huì)將房?jī)r(jià)推高或壓低到一個(gè)新的臺(tái)階水平。2008年金融危機(jī)使得杭州市新建商品住宅均價(jià)先下跌4912.5元/m2，半年后反彈3759.0元/m2，其影響持續(xù)時(shí)間長(zhǎng)達(dá)一年。2007年貨幣調(diào)控政策剛開(kāi)始的市場(chǎng)反應(yīng)與預(yù)期相符，13周后與預(yù)期相反，最終反而使得房?jī)r(jià)上升了2072.3元/m2。因此，建議應(yīng)等市場(chǎng)對(duì)上一次貨幣調(diào)控做出全面反應(yīng)后再制定下一次調(diào)控政策。2010年“國(guó)11條”和“新國(guó)10條”兩大調(diào)控政策對(duì)房?jī)r(jià)的綜合影響程度為-2998.6元/m2，并選擇了恰當(dāng)?shù)膶?shí)施時(shí)機(jī)。

（References）:

［1］ 閆妍，許偉，部慧，等.基于TEI@I 方法論的房?jī)r(jià)預(yù)測(cè)方法［J］.系統(tǒng)工程理論與實(shí)踐，2007，27（7）：1-9.

［2］ Shiller R J.Market volatility and investor behavior［J］.The American Economic Review, 1990, 80（2）: 38-62.

［3］ Duca J V, Muellbauer J, Murphy A.Housing markets and the financial crisis of 2007—2009: Lessons for the future［J］.Journal of Financial Stability, 2010, 6（4）: 203-217.

［4］ Case K E, Glaeser E L, Parker J A.Real estate and the macroeconomy［J］.Brookings Papers on Economic Activity, 2000, 2000（2）:119-162.

［5］ Murphy L.The global financial crisis and the Australian and New Zealand housing markets［J］.Journal of Housing and the Built Environment, 2011, 26（3）: 335-351.

［6］ Sumit A, Souphala C, Olivier H.Impact of the 2001 financial crisis and the economic policy responses on the Argentine mortgage market［J］.Journal of Housing Economics, 2005, 14（3）: 242-270.

［7］ 阮連法，包洪潔.基于經(jīng)驗(yàn)?zāi)B(tài)分解的房?jī)r(jià)周期波動(dòng)實(shí)證分析［J］.中國(guó)管理科學(xué)，2012，20（3）：41-46.

［8］ 沈悅，劉洪玉.住宅價(jià)格與經(jīng)濟(jì)基本面：1995—2002 年中國(guó)14 城市的實(shí)證研究［J］.經(jīng)濟(jì)研究，2004，（6）：78-86.

［9］ Andrea B, Claudio M.International house prices and macroeconomic fluctuations［J］.Journal of Banking & Finance, 2010, 34（3）:533-545.

［10］ 況偉大.中國(guó)住房市場(chǎng)存在泡沫嗎?［J］.世界經(jīng)濟(jì)，2008，（12）：3-13.

［11］ 王要武，金海燕.我國(guó)房地產(chǎn)宏觀調(diào)控政策效果的實(shí)證分析［J］.土木工程學(xué)報(bào)，2008，41（8）：105-111.

［12］ 豐雷，孔維東.2003 年以來(lái)中國(guó)土地政策參與宏觀調(diào)控的實(shí)踐［J］.中國(guó)土地科學(xué)，2009，23（10）：8-13.

［13］ Iacoviello M.Housing prices, borrowing constraints, and monetary policy in the business cycle［J］.The American Economic Review,2005, 95（3）: 739-764.

［14］Cho D, Ma S.Dynamic relationship between housing values and interest rates in Korean housing market［J］.Journal of Real Estate Finance and Economics, 2006, 32（2）: 169-184.

［15］Wong T, Hui C, Seabrooke W.The impact of interest rates upon housing prices: An empirical study of Hongkong’s markets［J］.Property Management, 2003, 21（2）: 153-170.

［16］ Fratantoni M, Schuh S.Monetary policy, housing and heterogeneous regional markets［J］.Journal of Money, Credit and Banking,2003, 35（4）: 557-589.

［17］ 胡曉添，濮勵(lì)杰.中國(guó)城市房地產(chǎn)市場(chǎng)宏觀調(diào)控效應(yīng)研究［J］.中國(guó)土地科學(xué), 2011, 25（10）：15-18.

［18］Bai J, Perron P.Computation and analysis of multiple structural changes［J］.Journal of Applied Econometrics, 2003, 18（1）: 1-22.

［19］Zeileis A, Leisch F, Hornik K, et al.Strucchange: an R package for testing for structural change in linear regression models［J］.Journal of Statistical Software, 2002, 7（2）: 1-38.

［20］Wu Z, Huang N E.A study of characteristics of white noise using the empirical model decomposition method［J］.Proceedings of Royal Society of London, 2004, 460（6）: 1597-1611.