基于CEEMD的重大事件對(duì)香港住宅價(jià)格影響的實(shí)證分析

張凌，楊霖尊

（浙江大學(xué)建筑工程學(xué)院，浙江杭州310058）

0 引 言

香港是全球第三大金融中心，以經(jīng)濟(jì)發(fā)達(dá)、人多地少、地理位置特殊、生活水平高著稱(chēng)。由于歷史原因，其房?jī)r(jià)一直居高不下。房地產(chǎn)市場(chǎng)是一個(gè)復(fù)雜的系統(tǒng)。房?jī)r(jià)在眾多因素的影響下跌宕起伏，而重大事件對(duì)房?jī)r(jià)的影響顯著、影響周期較長(zhǎng)。LAI等[1]基于香港11 362個(gè)住宅交易數(shù)據(jù)，利用特征價(jià)格模型評(píng)估外生因素對(duì)房?jī)r(jià)的影響。該研究表明，政治事件（指1982年中國(guó)宣布收回香港地區(qū)主權(quán)）、金融危機(jī)與SARS爆發(fā)均對(duì)房?jī)r(jià)產(chǎn)生負(fù)面影響。BUCCHIANERI[2]用面板數(shù)據(jù)研究了2003年SARS對(duì)香港房?jī)r(jià)的影響，發(fā)現(xiàn)受SARS影響的小區(qū)平均價(jià)格下降了1%～3%，而由于SARS爆發(fā)，所有小區(qū)平均價(jià)格下降了1.6%。GUPTA等[3]使用因子增廣向量自回歸（FAVAR）方法，對(duì)南非1980—2006年的季度序列進(jìn)行研究。結(jié)果表明，房?jī)r(jià)對(duì)貨幣政策等的沖擊反應(yīng)是負(fù)向的。

本文使用互補(bǔ)集合經(jīng)驗(yàn)?zāi)B(tài)分解（complementary ensemble empirical mode decomposition，簡(jiǎn)稱(chēng)CEEMD）方法研究重大事件對(duì)香港住宅價(jià)格的影響。該方法由集合經(jīng)驗(yàn)?zāi)B(tài)分解（ensemble empirical mode decomposition簡(jiǎn) 稱(chēng)EEMD）方法改良而來(lái)，已有研究表明，CEEMD解決了EEMD的缺陷，其分解序列性能更佳[4]。已有一些學(xué)者將EEMD方法應(yīng)用于房地產(chǎn)研究。阮連法等[5]用EEMD與BP多斷點(diǎn)檢測(cè)杭州房?jī)r(jià)周度序列，將房?jī)r(jià)分解為高頻序列、低頻序列與殘差項(xiàng)，結(jié)果表明，低頻序列反映了重大事件對(duì)房?jī)r(jià)的影響，并且重大事件會(huì)導(dǎo)致房?jī)r(jià)序列產(chǎn)生結(jié)構(gòu)性斷點(diǎn)。李仲飛等[6]為識(shí)別中國(guó)房地產(chǎn)周期，對(duì)房地產(chǎn)銷(xiāo)售價(jià)格指數(shù)的月度數(shù)據(jù)進(jìn)行EEMD。結(jié)果表明，房地產(chǎn)周期受短期無(wú)序波動(dòng)、貨幣供給、房地產(chǎn)供給、政策以及經(jīng)濟(jì)趨勢(shì)的影響。PLAKANDARAS等[7]利用EEMD與支持向量回歸結(jié)合的方法進(jìn)行房?jī)r(jià)指數(shù)預(yù)測(cè)，結(jié)果表明，該預(yù)測(cè)模型優(yōu)于其他純計(jì)量模型。李媛[8]對(duì)深圳市房?jī)r(jià)數(shù)據(jù)進(jìn)行EEMD，發(fā)現(xiàn)高頻序列的波動(dòng)與短期政府調(diào)控政策相關(guān)，低頻序列與金融危機(jī)所帶來(lái)的波動(dòng)相吻合，而趨勢(shì)項(xiàng)代表由市場(chǎng)供需力量所決定的房地產(chǎn)價(jià)格。

CEEMD方法目前在國(guó)內(nèi)極少應(yīng)用于社會(huì)科學(xué)領(lǐng)域，而在國(guó)外，已有應(yīng)用于原油、股票以及黃金價(jià)格研究的報(bào)道[9-10]。JOTHIMANI等[11]采用該方法研究和預(yù)測(cè)了印度股票市場(chǎng)，以進(jìn)行交易決策。WEN等[12]利用CEEMD將國(guó)際黃金歷史價(jià)格按不同頻率分解為短期波動(dòng)、重大事件沖擊和長(zhǎng)期價(jià)格。此外，該研究將ICSS算法與鄒氏檢驗(yàn)相結(jié)合，對(duì)3個(gè)事件的價(jià)格進(jìn)行結(jié)構(gòu)斷點(diǎn)檢驗(yàn)，通過(guò)比較外部事件與結(jié)構(gòu)斷點(diǎn)的檢驗(yàn)結(jié)果，分析外部事件對(duì)黃金價(jià)格波動(dòng)的影響。

目前有關(guān)香港重大事件對(duì)房地產(chǎn)價(jià)格影響的定量研究仍比較少。大部分研究只進(jìn)行定性分析，無(wú)法測(cè)度重大事件對(duì)房?jī)r(jià)的影響程度，少數(shù)定量研究也只針對(duì)單一事件。本文采用CEEMD方法和BP斷點(diǎn)技術(shù)觀(guān)察香港住房?jī)r(jià)格序列，改良的數(shù)據(jù)分解方法可以更準(zhǔn)確地揭示房?jī)r(jià)的周期性波動(dòng)和結(jié)構(gòu)性突變，揭示一系列重大事件的影響程度。

1 研究方法

CEEMD算法是經(jīng)驗(yàn)?zāi)B(tài)分解（empirical mode decomposition，簡(jiǎn)稱(chēng)EMD）算法的改進(jìn)版。EMD是一種基于局部極值信號(hào)特征的自適應(yīng)信號(hào)分析方法[13]，將時(shí)間信號(hào)分解成一系列的本征模態(tài)函數(shù)（intrinsic mode function,簡(jiǎn)稱(chēng)IMF）分量。每個(gè)IMF都包含了從高頻到低頻的不同頻率分量信號(hào)。這些IMF代表非線(xiàn)性信號(hào)故有的模態(tài)特征，并且會(huì)隨信號(hào)的變化而變化，而殘差項(xiàng)表示信號(hào)的平均趨勢(shì)。原始信號(hào)可以表示為各個(gè)IMF與殘差項(xiàng)的和：

為解決EMD的模態(tài)混疊現(xiàn)象，WU等[14]提出了EEMD算法。該算法充分解決了模態(tài)混疊現(xiàn)象，但在分解信號(hào)過(guò)程中卻產(chǎn)生了新的誤差。CEEMD是針對(duì)EMD和EEMD的不足提出的一種方法[4]。CEEMD分別將互補(bǔ)且在頻域中均勻分布的正白噪聲和負(fù)白噪聲加入原始信號(hào)，生成m1和m2：

其中，n為附加的白噪聲，m1為原數(shù)據(jù)與正白噪聲之和，m2為原數(shù)據(jù)與負(fù)白噪聲之和。隨后分別對(duì)2個(gè)新生成的信號(hào)進(jìn)行N次EMD，并對(duì)每組得到的N個(gè)IMFi,j取平均，得到IMF1,j和IMF2,j。最后計(jì)算IMF1,j和IMF2,j的均值并將其作為CEEMD所輸出的最后IMF，在此過(guò)程中可以抵消增加的正白噪聲和負(fù)白噪聲。

2 房?jī)r(jià)序列CEEMD分解

2.1 數(shù)據(jù)來(lái)源

研究采用的香港住宅價(jià)格數(shù)據(jù)以及重大事件信息均來(lái)自美聯(lián)物業(yè)（Midland realty）官網(wǎng)（研究使用住房?jī)r(jià)格數(shù)據(jù)而不是房?jī)r(jià)指數(shù)，是因?yàn)榍罢吣軌蚋庇^(guān)地觀(guān)測(cè)重大事件所帶來(lái)的影響程度。筆者采用中原地產(chǎn)價(jià)格指數(shù)進(jìn)行分析，其CEEMD分解結(jié)果與本文結(jié)果基本相似）。該公司根據(jù)全香港100個(gè)（2007年之前為50個(gè)）具有代表性的中小型私人屋苑的成交個(gè)案，將加權(quán)平均數(shù)作為住宅價(jià)格數(shù)據(jù)，而成交個(gè)案均來(lái)自香港綜合土地注冊(cè)處以及美聯(lián)物業(yè)數(shù)據(jù)庫(kù)。本研究的住宅價(jià)格數(shù)據(jù)為全香港的月度數(shù)據(jù)，包含港島區(qū)、九龍區(qū)以及新界。房?jī)r(jià)時(shí)間序列以1997年1月為第1月，2018年9月為第261月，共261個(gè)月度數(shù)據(jù)，如圖1所示。

圖1 香港住宅價(jià)格月度數(shù)據(jù)Fig.1 Monthly housing prices in Hong Kong

2.2 CEEMD分解

以CEEMD作為房?jī)r(jià)時(shí)間序列分解的工具，將添加白噪聲的標(biāo)準(zhǔn)差設(shè)為樣本數(shù)據(jù)標(biāo)準(zhǔn)差的0.1倍，集成數(shù)量設(shè)為50。對(duì)于分解的函數(shù)數(shù)量k，經(jīng)過(guò)多次嘗試，當(dāng)k=8時(shí)分解為一個(gè)近乎為0的低頻序列，因此，將k設(shè)定為7。CEEMD代碼來(lái)自臺(tái)灣“中央大學(xué)”數(shù)據(jù)分析中心，在MATLAB R2017平臺(tái)上運(yùn)行CEEMD算法，得到6個(gè)IMF和1個(gè)殘差項(xiàng)，如圖2所示。

圖2 經(jīng)過(guò)CEEMD后的IMF與殘差項(xiàng)（I）Fig.2 T he IMFs and residuals after CEEMD（I）

圖2 經(jīng)過(guò)CEEMD后的IMF與殘差項(xiàng)（II）Fig.2 The IMFs and residuals after CEEMD（II）

2.3 分解結(jié)果分析

圖2 中，經(jīng)過(guò)CEEMD獲得的6個(gè)IMF按頻率由高到低依次排列，頻率最高的是IMF1，頻率最低的是IMF6。IMF1、IMF2和IMF3在第10月附近有較大的振幅，所對(duì)應(yīng)的時(shí)間是1997年10月。IMF1和IMF2展現(xiàn)出顯著的無(wú)序波動(dòng)。此外，圖2中的殘差項(xiàng)是一條凸向下方的曲線(xiàn)，由第1月的77 944港元/m2逐漸下降至第101月的36 769港元/m2，之后一路上漲至第261月。對(duì)原始序列、各IMF分量以及殘差項(xiàng)進(jìn)行相關(guān)性分析與方差分析，見(jiàn)表1。

由表1可得，殘差項(xiàng)與房?jī)r(jià)的Pearson系數(shù)最高，達(dá)到0.939，Kendall系數(shù)達(dá)0.704。高頻IMF與房?jī)r(jià)時(shí)間序列的相關(guān)性不顯著，而低頻IMF與房?jī)r(jià)時(shí)間序列的相關(guān)性較為顯著。房?jī)r(jià)時(shí)間序列的方差有87.80%來(lái)自殘差項(xiàng)，低頻序列占原始序列的方差比明顯高于高頻序列。

表1 各IMF和殘差項(xiàng)與房?jī)r(jià)時(shí)間序列的相關(guān)性與方差分析Table 1 Correlation and variance analysis of IMFs，residuals and housing price time series

2.4 IMF的重構(gòu)

參考ZHANG等[15]的研究，對(duì)IMF進(jìn)行了重構(gòu)。由上述CEEMD可知，高頻IMF表現(xiàn)為無(wú)序性，低頻IMF呈現(xiàn)周期性?，F(xiàn)需要確定從哪個(gè)IMF開(kāi)始IMF由無(wú)序性轉(zhuǎn)為周期性。因此，對(duì)6個(gè)IMF進(jìn)行單樣本T檢驗(yàn)，檢驗(yàn)與0的差異。結(jié)果發(fā)現(xiàn)，從IMF3開(kāi)始，Sig.(雙側(cè))明顯下降（從0.666降至0.125），均值明顯上升（從28.7升至283.4）。從圖2中可觀(guān)察到IMF1與IMF2的無(wú)序性，而從IMF3開(kāi)始頻率明顯降低。因此，本研究將前2個(gè)IMF視為高頻序列，后4個(gè)IMF視為低頻序列。經(jīng)過(guò)重構(gòu)，房?jī)r(jià)時(shí)間序列由三部分組成，分別為高頻序列、低頻序列和殘差項(xiàng)。

房?jī)r(jià)時(shí)間序列與這三部分的相關(guān)性分析與方差分析結(jié)果如表2所示，殘差項(xiàng)能解釋85.67%的房?jī)r(jià)變動(dòng)，并且其相關(guān)系數(shù)很高，是房?jī)r(jià)原始序列波動(dòng)的主要原因。根據(jù)已有研究[5,8,15]，殘差項(xiàng)表示由經(jīng)濟(jì)基本面所決定的房?jī)r(jià)的長(zhǎng)期趨勢(shì)。筆者對(duì)1997—2017年殘差項(xiàng)每年平均值與此時(shí)段香港地區(qū)GDP進(jìn)行相關(guān)性分析，結(jié)果在0.01水平（雙尾）下顯著相關(guān)，Pearson系數(shù)為0.880；與香港年通脹率數(shù)據(jù)在0.01水平（雙尾）下顯著相關(guān)，Pearson系數(shù)為0.552。

表2 房?jī)r(jià)時(shí)間序列與三部分相關(guān)性和方差分析結(jié)果Table 2 Correlation and variance analysis of the original time series and three parts of housing price

高頻序列與房?jī)r(jià)原始序列不相關(guān)，從圖3（a）中可觀(guān)察到高頻序列的無(wú)序性，且只能解釋很小部分的方差，這與市場(chǎng)短期不均衡波動(dòng)相符。一般來(lái)說(shuō)，市場(chǎng)短期波動(dòng)的影響持續(xù)時(shí)間較短，且不會(huì)造成過(guò)大的振幅。

低頻序列能解釋原始序列14.15%的方差，并且相關(guān)系數(shù)在0.01水平（雙尾）下達(dá)到0.554。從圖3（b）中可觀(guān)察到，其具有明顯的周期性，并且振幅波動(dòng)明顯大于高頻序列。重大事件對(duì)房?jī)r(jià)的影響往往周期較長(zhǎng)、程度較深，這符合低頻序列的特征。結(jié)合已有研究，本文將進(jìn)一步觀(guān)察香港住宅價(jià)格低頻序列與重大事件的對(duì)應(yīng)關(guān)系。

3 重大事件對(duì)香港住宅價(jià)格的影響

3.1 BP多斷點(diǎn)檢測(cè)

Bai-Perron(BP)多斷點(diǎn)檢測(cè)方法能夠識(shí)別時(shí)間序列中是否存在斷點(diǎn)、存在多少個(gè)斷點(diǎn)以及各斷點(diǎn)的位置。該方法基于多重線(xiàn)性回歸模型和動(dòng)態(tài)規(guī)劃原理，尋求全局最小的殘差平方和，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[16-17]。利用EViews 10.0軟件對(duì)低頻序列進(jìn)行BP多斷點(diǎn)檢測(cè)，發(fā)現(xiàn)在0.01水平下低頻序列存在4個(gè)結(jié)構(gòu)性斷點(diǎn)：1998-02，2004-03，2010-07，2015-12。 這些結(jié)構(gòu)性斷點(diǎn)將低頻序列分成了5個(gè)階段，如圖4所示。

圖3 高頻序列與低頻序列走勢(shì)圖Fig.3 High-frequency sequence and low-frequency sequence diagram

3.2 香港地區(qū)1997—2018年重大事件

基于美聯(lián)物業(yè)官網(wǎng)所總結(jié)的影響香港房地產(chǎn)的重大事件，數(shù)據(jù)包含房?jī)r(jià)時(shí)間序列（1997—2018年）內(nèi)的重大事件，如表3所示。重大事件對(duì)應(yīng)于低頻序列走勢(shì)圖的相對(duì)位置如圖4所示。

由前文所述，BP多斷點(diǎn)將低頻序列分成了5個(gè)階段。

第1階段是亞洲金融風(fēng)暴發(fā)生前的一段時(shí)期。當(dāng)時(shí)香港房?jī)r(jià)處于高位，根據(jù)中原地產(chǎn)提供的數(shù)據(jù)，房?jī)r(jià)指數(shù)由1995年10月的52.97上漲到1997年7月的100，約上漲了88.79%，此時(shí)的房?jī)r(jià)蘊(yùn)涵過(guò)多泡沫。A事件與B事件導(dǎo)致了房?jī)r(jià)泡沫破裂，低頻序列大幅下跌，產(chǎn)生第1個(gè)結(jié)構(gòu)性斷點(diǎn)。

圖4 樣本期間內(nèi)低頻序列走勢(shì)、主要重大事件、BP多斷點(diǎn)結(jié)果Fig.4 Low frequency sequence，major events and BP multiple breakpoint results during sample period

表3 樣本期間影響香港房地產(chǎn)市場(chǎng)的重大事件Table 3 Major events in the Hong Kong real estate market during the sample period

第2階段是亞洲金融風(fēng)暴發(fā)生后的一段時(shí)期，此時(shí)房?jī)r(jià)低位運(yùn)行。低頻序列由于受金融風(fēng)暴的影響大幅下跌后，停建夾屋（C事件）減少住房供應(yīng)使房?jī)r(jià)出現(xiàn)反彈，而按揭計(jì)劃（D事件）進(jìn)一步使低頻序列小幅上漲。隨后的3年8個(gè)月無(wú)重大事件發(fā)生，而在低頻序列中能觀(guān)察到處在低位的“平臺(tái)”。E事件為政府的重大調(diào)控，從圖4看，并沒(méi)有立即對(duì)低頻序列產(chǎn)生影響。SARS爆發(fā)（F事件）再次使低頻序列下跌，而隨后的G事件與H事件顯著地使低頻序列大幅上升，并產(chǎn)生第2個(gè)結(jié)構(gòu)性斷點(diǎn)。

第3階段，房?jī)r(jià)低頻序列回到了亞洲金融風(fēng)暴發(fā)生前的水平。I事件刺激有效需求，使低頻序列繼續(xù)上漲。隨后的2008年，低頻序列在金融危機(jī)（J事件）的影響下顯著下跌。值得一提的是，雖然美聯(lián)物業(yè)官網(wǎng)數(shù)據(jù)顯示，該金融危機(jī)始于2008年9月，實(shí)際上早在2007年美國(guó)已經(jīng)受到影響，過(guò)后數(shù)月才波及亞洲地區(qū)。隨著K事件的發(fā)生，低頻序列強(qiáng)勢(shì)反彈。第3個(gè)結(jié)構(gòu)性斷點(diǎn)的產(chǎn)生與K事件有較強(qiáng)的關(guān)聯(lián)性。L事件之后，低頻序列上漲的斜率變小，意味著該政策在一定程度上達(dá)到了預(yù)期效果。

第4階段是香港政府頻繁利用稅收政策干預(yù)市場(chǎng)的階段。此階段低頻序列跌宕起伏，在政府的調(diào)控下，低頻序列時(shí)而上漲時(shí)而下跌。M、N事件沒(méi)有起到預(yù)期的效果，而O、P、Q事件通過(guò)稅率調(diào)整、增大住房供給和營(yíng)造透明和公平的一手交易環(huán)境，有效降低了房?jī)r(jià)。在R事件的影響下，低頻序列顯著上漲，隨后S事件的發(fā)生使低頻序列大幅下降，并產(chǎn)生第4個(gè)結(jié)構(gòu)性斷點(diǎn)。

第5階段，2015年1月至2016年11月。該階段，低頻序列開(kāi)始緩慢上升，T事件只能暫緩低頻序列的上升趨勢(shì)。

3.3 分析與討論

3.3.1 金融危機(jī)對(duì)房?jī)r(jià)的影響

在本研究的樣本數(shù)據(jù)中，2次金融危機(jī)均對(duì)房?jī)r(jià)造成負(fù)面影響。從振幅看，1997年亞洲金融風(fēng)暴所帶來(lái)的影響大于2008年的金融危機(jī)，其中前者造成21 678港元/㎡的下跌，后者為13 275港元/㎡的下跌。筆者認(rèn)為原因有三。第1，由于1997年前房?jī)r(jià)泡沫慢慢形成，導(dǎo)致房?jī)r(jià)上漲過(guò)快，而1997年亞洲金融風(fēng)暴的發(fā)生導(dǎo)致了泡沫破裂。第2，1997年10月香港政府推出的“八萬(wàn)五”建屋計(jì)劃時(shí)機(jī)不適合，原來(lái)預(yù)期該計(jì)劃能夠控制房?jī)r(jià)不再上漲，而在金融風(fēng)暴的背景下反而成為房?jī)r(jià)下跌的助推器。第3，2008年金融危機(jī)期間，在特區(qū)政府“穩(wěn)金融、撐企業(yè)、保就業(yè)”的反經(jīng)濟(jì)周期財(cái)政政策作用下，香港經(jīng)濟(jì)相對(duì)平穩(wěn)，房屋市場(chǎng)在供樓負(fù)擔(dān)能力較佳的支持下，表現(xiàn)較為穩(wěn)定，有助于減輕財(cái)富效應(yīng)的負(fù)面影響。同時(shí)，香港銀行同業(yè)拆息一直處于較低水平。此外，貨幣環(huán)境十分寬松，成功防止了金融危機(jī)對(duì)香港地區(qū)的進(jìn)一步影響[18]。

3.3.2 重大調(diào)控政策對(duì)房?jī)r(jià)的影響

3.3.2.1 外部經(jīng)濟(jì)體的救市政策

主要包括中國(guó)內(nèi)地的4萬(wàn)億投資計(jì)劃和美聯(lián)儲(chǔ)的量化寬松政策。由于我國(guó)政府推出的救市政策中的4萬(wàn)億并沒(méi)有直接投資到香港經(jīng)濟(jì)中，因此，該事件對(duì)香港房?jī)r(jià)的影響是間接的。首先，四萬(wàn)億計(jì)劃發(fā)生在2008年11月，該事件對(duì)內(nèi)地房?jī)r(jià)的影響較大，使深圳市房?jī)r(jià)上升。根據(jù)徐穎[19]對(duì)深圳和香港2006—2015年的數(shù)據(jù)研究結(jié)果，兩市房?jī)r(jià)同時(shí)存在單、雙向波動(dòng)性外溢效應(yīng)。而另一份對(duì)2001—2010年的深圳市與香港市采用Johansen協(xié)整檢驗(yàn)和Granger因果關(guān)系檢驗(yàn)的結(jié)果表明，兩市房地產(chǎn)市場(chǎng)具有長(zhǎng)期的協(xié)整關(guān)系且存在雙向的Granger因果關(guān)系[20]。表4為2009年香港與深圳的房?jī)r(jià)對(duì)比數(shù)據(jù)表。從表4中可以發(fā)現(xiàn)，兩者基本同步變化，在0.01水平（雙側(cè)）下顯著相關(guān)，Pearson系數(shù)為0.981。此外，還可以看到2009年1月以來(lái)香港住房市場(chǎng)交易量顯著上升，而頻繁的交易也促使房?jī)r(jià)繼續(xù)上漲。因此可以認(rèn)為我國(guó)政府推出的四萬(wàn)億計(jì)劃對(duì)香港住房市場(chǎng)也有一定的刺激作用，助長(zhǎng)了這一時(shí)期量?jī)r(jià)齊升，減緩了房?jī)r(jià)受2008年金融危機(jī)的進(jìn)一步影響。

此外，美聯(lián)儲(chǔ)以及歐洲央行的多輪量化寬松政策，導(dǎo)致全球性資金泛濫，大量資本流入香港導(dǎo)致房?jī)r(jià)上漲。有關(guān)實(shí)證研究顯示，美國(guó)第一輪量化寬松政策（2008年11月）顯著地增加了包括香港在內(nèi)的東亞主要經(jīng)濟(jì)體的資本流入，且導(dǎo)致這些經(jīng)濟(jì)體的貨幣升值或房?jī)r(jià)上漲。此外，該研究還發(fā)現(xiàn)，匯率穩(wěn)定的經(jīng)濟(jì)體與房?jī)r(jià)上漲的經(jīng)濟(jì)體大體一致[21]，而香港由于使用聯(lián)系匯率制度，匯率保持在7.75～7.85港元兌1美元的水平，屬于匯率穩(wěn)定的經(jīng)濟(jì)體。另一份研究表明，香港住宅價(jià)格直接或間接地受美國(guó)貨幣政策的影響，其中量化寬松政策屬于影響房?jī)r(jià)的間接因素[22]。

表4 2009年深圳房?jī)r(jià)、香港房?jī)r(jià)及其交易量數(shù)據(jù)Table 4 Shenzhen，Hong Kong housing prices and transaction volume data in 2009

3.3.2.2 房屋及規(guī)劃地政局局長(zhǎng)孫明揚(yáng)推9項(xiàng)房屋政策（孫九招）

2002年，孫九招在香港當(dāng)?shù)乇徽J(rèn)為是調(diào)控力度極大的一套綜合性政策，其內(nèi)容主要包括暫停公營(yíng)建屋計(jì)劃、暫時(shí)凍結(jié)私人市場(chǎng)的土地供應(yīng)、為低收入者提供免息貸款計(jì)劃、取消限購(gòu)、建立“勾地表”制度等措施。無(wú)論是從低頻序列還是從房?jī)r(jià)序列看，該政策并沒(méi)有立即見(jiàn)效，房?jī)r(jià)不升反降，因此,許多學(xué)者與評(píng)論人對(duì)該政策的評(píng)價(jià)褒貶不一。筆者認(rèn)為,孫九招之所以沒(méi)有立即見(jiàn)效，是由當(dāng)時(shí)全球的經(jīng)濟(jì)局勢(shì)所造成的。圖5為標(biāo)準(zhǔn)化后的各股票指數(shù)與香港房?jī)r(jià)序列在2002年7月至2003年5月的對(duì)比走勢(shì)圖。孫九招發(fā)生在2002年11月，而從圖5中可以觀(guān)察到，從2002年12月開(kāi)始各股票指數(shù)顯著下降，這段時(shí)間內(nèi)房?jī)r(jià)序列同步下降，到2003年4月，各股票指數(shù)開(kāi)始反彈，1個(gè)月后房?jī)r(jià)序列開(kāi)始上升，慢慢回復(fù)至金融風(fēng)暴前的水平。因此，在經(jīng)濟(jì)不景氣的大環(huán)境下，孫九招沒(méi)有立即見(jiàn)效，而當(dāng)經(jīng)濟(jì)大環(huán)境好轉(zhuǎn)時(shí)，孫九招推動(dòng)了房?jī)r(jià)上漲，使房?jī)r(jià)恢復(fù)到金融風(fēng)暴前的水平。在相當(dāng)長(zhǎng)一段時(shí)間內(nèi)，這一套綜合政策成為香港特區(qū)政府住房與土地政策的基調(diào)，在公屋建設(shè)縮減，“勾地表”（即政府公布土地名冊(cè)，有開(kāi)發(fā)商出價(jià)達(dá)到政府底價(jià)的8成才拿出來(lái)拍賣(mài)）帶來(lái)的土地供應(yīng)緊張等因素的助推下，房?jī)r(jià)開(kāi)始一路走高[23]。

3.3.2.3 資本投資者入境計(jì)劃

資本投資者入境計(jì)劃是香港政府于2003年推出的投資移民計(jì)劃，內(nèi)地人在香港投資650萬(wàn)港元以上即可獲全家居留權(quán)。截至2010年年底，申請(qǐng)投資移民計(jì)劃的已逾1.6萬(wàn)宗，其中8 924人獲批來(lái)港；在香港投資633億元，其中房地產(chǎn)占214億元[24]。根據(jù)香港入境事務(wù)處和土地注冊(cè)處網(wǎng)站所提供的數(shù)據(jù)，截至2018年9月，資本投資者入境計(jì)劃在房地產(chǎn)投資方面，共為香港房地產(chǎn)市場(chǎng)吸納了425.88億港元的資金，占市場(chǎng)總成交金額的5.63%。該計(jì)劃（H事件）的推出，使低頻序列顯著上升；香港政府決定暫停該計(jì)劃（S事件）后，房?jī)r(jià)一路下跌。這意味著該計(jì)劃通過(guò)吸納外來(lái)資金并增加投資，對(duì)香港房?jī)r(jià)產(chǎn)生了顯著影響。

圖5 標(biāo)準(zhǔn)化后的各股票指數(shù)與香港房?jī)r(jià)序列局部走勢(shì)圖Fig.5 A part trend diagram of standardized stock indices and Hong Kong housing prices

圖6 2010年7月—2017年3月香港住房市場(chǎng)交易量Fig.6 Monthly housing trade volumes in Hong Kong from July 2010 to March 2017

3.3.2.4 住房供給調(diào)整

在數(shù)據(jù)樣本時(shí)段，共有4個(gè)住房供給調(diào)整事件，分別為B、C、N、P事件，其中C事件與P事件對(duì)低頻序列的影響都符合預(yù)期且發(fā)生在拐點(diǎn)處，而N事件沒(méi)有達(dá)到預(yù)期效果。B事件為政府推出的“八萬(wàn)五”建屋計(jì)劃，計(jì)劃每年建住房單位不少于85 000套。根據(jù)香港政府統(tǒng)計(jì)處編寫(xiě)的《1996年中期人口統(tǒng)計(jì)簡(jiǎn)要報(bào)告》，從1991—1996年有人居住房屋數(shù)增加了271 421套，平均每年增加54 284套。因此，每年興建不少于85 000套在當(dāng)時(shí)已是大幅增加住房供給，在金融風(fēng)暴背景下，該政策成為房?jī)r(jià)下跌的助推力。

3.3.2.5 按揭貸款調(diào)整

在數(shù)據(jù)樣本時(shí)段，共有4個(gè)按揭貸款調(diào)整事件，分別是D、I、L、S事件。 這4個(gè)事件對(duì)低頻序列產(chǎn)生的影響都符合預(yù)期，意味著按揭貸款調(diào)整能夠較為顯著地影響房?jī)r(jià)。

3.3.2.6 稅收調(diào)整

在數(shù)據(jù)樣本時(shí)段，共有5個(gè)稅收調(diào)整事件，分別為M、O、P、R、T事件，其中O、P、R事件對(duì)低頻序列的影響符合預(yù)期，而M事件與T事件的效果不太顯著。雖然稅收調(diào)整對(duì)房?jī)r(jià)的影響不穩(wěn)定，但對(duì)交易量產(chǎn)生了切實(shí)的影響，如圖6所示。在這些稅收調(diào)整事件后的2～3個(gè)月內(nèi)，交易量發(fā)生了顯著變化。此現(xiàn)象符合常理，當(dāng)稅收調(diào)高時(shí)，一部分買(mǎi)家或賣(mài)家由于成本升高退出交易，導(dǎo)致交易量下降，反之亦然。

3.3.3 SARS爆發(fā)對(duì)房?jī)r(jià)的影響

由圖4可知，SARS爆發(fā)對(duì)房?jī)r(jià)有負(fù)影響，而當(dāng)SARS得到有效控制，并且香港政府開(kāi)始接受內(nèi)地游客時(shí)，房?jī)r(jià)發(fā)生了逆轉(zhuǎn)。由低頻序列走勢(shì)圖知，從SARS爆發(fā)到得到控制，期間住宅價(jià)格下降了約1%，這與LAI等[1]所做的研究結(jié)果基本一致。

4 結(jié) 論

應(yīng)用CEEMD方法對(duì)香港1997—2018年的月度住宅價(jià)格數(shù)據(jù)進(jìn)行了分解，經(jīng)過(guò)重構(gòu)，將原始序列分為高頻序列、低頻序列與殘差項(xiàng)，分別代表短期市場(chǎng)不均衡波動(dòng)、重大事件對(duì)房?jī)r(jià)的影響以及經(jīng)濟(jì)基本面所決定的房?jī)r(jià)長(zhǎng)期走勢(shì)。將BP多斷點(diǎn)檢測(cè)應(yīng)用于低頻序列，發(fā)現(xiàn)有4個(gè)結(jié)構(gòu)性斷點(diǎn)。隨后對(duì)樣本時(shí)段內(nèi)發(fā)生的重大事件進(jìn)行實(shí)證分析。結(jié)果表明，1997年亞洲金融風(fēng)暴對(duì)房?jī)r(jià)的影響大于2008年金融危機(jī)；外部經(jīng)濟(jì)體的救市政策間接影響香港房?jī)r(jià)；在經(jīng)濟(jì)不景氣的大環(huán)境下，孫九招沒(méi)有立即見(jiàn)效；SARS爆發(fā)、資本投資者入境計(jì)劃、住房供給調(diào)整與按揭貸款調(diào)整對(duì)房?jī)r(jià)的影響較為顯著；稅收調(diào)整對(duì)房?jī)r(jià)影響不顯著、對(duì)交易量影響顯著。用CEEMD方法得到的低頻序列和BP結(jié)構(gòu)斷點(diǎn)，很好地詮釋了重大事件對(duì)房?jī)r(jià)的影響。