人民币升值对房地产价格的影响.docx
- 文档编号:24941787
- 上传时间:2023-06-03
- 格式:DOCX
- 页数:18
- 大小:61.08KB
人民币升值对房地产价格的影响.docx
《人民币升值对房地产价格的影响.docx》由会员分享,可在线阅读,更多相关《人民币升值对房地产价格的影响.docx(18页珍藏版)》请在冰豆网上搜索。
人民币升值对房地产价格的影响
人民币升值影响房地产价格的途径
人民币升值影响房地产价格主要通有以下几个渠道:
1.流动性渠道:
人民币升值一般意味着国内经济整体向好,投资机会多,而且收益水平相对可观,则将有大量的热钱通过各种渠道进入国内市场,股市和房地产市场等由于流通性较好将成为这些资金集中的场所,最终导致股市上涨,房地产价格上扬。
2.预期渠道:
根据理性预期学派的观点,预期是决定人们行为的一个重要因素。
在经济人的条件下,人们都是追求利润最大化的;另一方面,“羊群效应”非常普遍,并随着市场的升温将表现得非常充分。
当市场预期人民币将要继续升值时,大量的短期投机性资金将涌人中国,这会对资本市场和房地产价格上升起到明显的推波助澜作用。
3.货币渠道(也有人称为通货膨胀效应):
在过去的三年半里,中国的外汇储备增长了差不多10000亿美元,相应的中央银行向市场投放了同样的基础货币,一部分通过发行债券进行对冲,另一部分形成过量的基础货币。
表现在我国广义货币M2与GDP的比例高达170%,大大高于国际上70%的平均水平。
我国的经济结构特殊,外贸依存度高达60%以上,出口部门的商品受国际市场的制约,不可能形成价格的大幅上扬或下跌。
过量投放的货币就只能被非贸易部门吸纳,最终体现在资产价格上,也就是房地产、股票等资产市场。
股票市场由于制度的缺陷,不可能吸收这样超量投放的流动资金,于是房地产市场则成了吸纳的主要渠道。
从而带来房地产市场的价格快速上涨。
人民币升值有助于减少基础货币的投放,平抑房地产价格的过快上涨。
根据上述分析,我将建立多个模型,以探讨人民币升值对我房价的影响。
人民币升值对房价影响的相关性分析
基本模型一:
考虑过去19年我国的实际情况:
我国汇率在很长一段时间实际上是钉住美元的。
1992年以前,人民币对外汇率实行双轨制,1997年到2004年,我国的汇率是按照一美元兑8.27人民币固定住。
2005年以后我国迫于外界压力采用有管理的浮动汇率,人民币还是漫长的升值过程。
在此期间我国的房价也是节节攀升。
我设房价为被解释变量FJ,人民币兑美元的汇率为解释变量HL(以100为单位)建立下列模型:
上述模型中β1是常数的参数,β是汇率的参数,u是随机误差项。
根据附表一的数据进行回归,得到下列数据:
DependentVariable:
FJ
Method:
LeastSquares
Date:
06/27/11Time:
17:
33
Sample:
19922010
Includedobservations:
19
Variable
Coefficient
Std.Error
t-Statistic
Prob.
C
4590.168
2325.099
1.974182
0.0648
HL
-2.630638
3.000785
-0.876650
0.3929
R-squared
0.043252
Meandependentvar
2564.833
AdjustedR-squared
-0.013028
S.D.dependentvar
1133.824
S.E.ofregression
1141.186
Akaikeinfocriterion
17.01682
Sumsquaredresid
22139202
Schwarzcriterion
17.11624
Loglikelihood
-159.6598
Hannan-Quinncriter.
17.03365
F-statistic
0.768515
Durbin-Watsonstat
0.101245
Prob(F-statistic)
0.392897
得到的模型是FJ=4590.168—2.63HL
发现一下问题:
该模型无论是统计检验还是计量检验都通不过。
该模型的HL的系数的t统计量为-.0.87665,系数的可信度只有60.6%,太小了,表明过去19年中国的房价FJ与汇率汇率不存在联系,同时,该模型的可决系数为0.04,表明模型对样本数据的解释能力只有4%,表明该模型拟合的很烂。
经过思考,我认为该模型缺乏解释能力的原因是:
1,样本数据不够。
只有19其的数据。
2,我国在相当长的人民币对美元的汇率都固定在8.27,而这段时间内。
我国的房价一直在涨,这段时间的数据更加支持模型得出房价与固定汇率无关的结论。
基本模型二:
对模型进行下列修正:
1、进行一下假设:
由于我国是从2005年6月进行的汇率改革,我认为2005年7月前的汇率和房地产之间不能没有必然的联系。
因此,样本数据采用2005年7月以后的数据。
2、扩大样本量。
我将之前模型中的年度数据改成月度数据,将样本量扩大到71组。
回归数据来自于附表2,汇率单位为100
模型如下:
FJ依然表示房价,β1表示常数的参数。
β2表示汇率的参数,HL表示汇率,u表示随机误差项。
用EVIEWS画出散点图如下:
房价与汇率之间的散点图
从上图可以看出HL与FJ之间存在很强的负相关关系,特别是人民币兑美元为680附近,这个汇率上有这么多散点的原因是2008年我国遭遇金融危机,从这年9月开始我国人民币兑美元的汇率一直保持在1:
6.82附近没有升值。
一直持续到2010年的5月人名币有一次迫于外界压力开始升值。
这里就产生了一个疑问:
我国不是参照一篮子子外汇的有管理的浮动汇率制吗?
从2008年9月到2010年05月这21个月,国际上各国汇率大幅波动,我国参照的那个一篮子外汇未必波动幅度就恰好使得人民币兑美元的汇率保持在6.82附近不动?
回到这题,既然HL与FJ之间存在如此强的负相关性,便可以进行回归。
回归得到一下数据:
EVIEWs回顾结果
DependentVariable:
FJ
Method:
LeastSquares
Date:
06/27/11Time:
16:
55
Sample:
2005M072011M05
Includedobservations:
71
Variable
Coefficient
Std.Error
t-Statistic
Prob.
C
12803.20
664.0219
19.28130
0.0000
HL
-11.85239
0.914494
-12.96060
0.0000
R-squared
0.708833
Meandependentvar
4221.098
AdjustedR-squared
0.704613
S.D.dependentvar
768.5497
S.E.ofregression
417.7032
Akaikeinfocriterion
14.93518
Sumsquaredresid
12038842
Schwarzcriterion
14.99892
Loglikelihood
-528.1990
Hannan-Quinncriter.
14.96053
F-statistic
167.9771
Durbin-Watsonstat
0.488144
Prob(F-statistic)
0.000000
从上表,我们可以看出模型拟合得非常完美。
常数项和HL的系数的t统计量很大,使得系数在99.99%的置信水平上显著,即模型中的系数十分可靠。
同时,可决系数为70.8%,表明。
模型对样本值的解释能力高达70%以上,拟合的非常好。
模型如下:
但该模型的经济含义不大合理:
人民币每升值10个基点,如从649上升至648(直接标价法),房价将上涨11.852元。
从2005年7月汇改以来人民币从809.73上升打了648.45,上升了161.33,由模型得出的结论是人民币升值使中国房价平均上涨1912.08元/㎡,而同一时间全国房价平均上涨5654.16—32136.64=2400元。
模型得出一个荒诞的结论,将过去六年我国房价上涨原因的79.6%归功于人民币的上涨,因此,必须修正模型。
考虑到预期影响因素的房价模型:
从我在开头给出来的人民币升值的影响途径,我将人们对房价上涨的预期也作为了房价的一个重大影响因素,房价上涨通常也会刺激人们购房动机,尤其是人民币升值所带来的热钱涌入,它们短期性的介入炒房的现象也很普遍,因此,我决定将模型进一步进一步拓展成为一个加入上一起房价作为解释变量以反映预期因素的模型,模型如下:
上模型中FJ表示房价,SFJ表示上一期房价,β1是常数的系数,β2是汇率的系数
EVIEWS回归结果
DependentVariable:
FJ
Method:
LeastSquares
Date:
06/28/11Time:
00:
58
Sample:
2005M082011M04
Includedobservations:
69
Variable
Coefficient
Std.Error
t-Statistic
Prob.
C
3087.563
1114.518
2.770311
0.0073
HL
-2.832863
1.124791
-2.518567
0.0142
SFJ
0.761182
0.081604
9.327718
0.0000
R-squared
0.866504
Meandependentvar
4218.200
AdjustedR-squared
0.862459
S.D.dependentvar
745.2997
S.E.ofregression
276.4059
Akaikeinfocriterion
14.12412
Sumsquaredresid
5042413.
Schwarzcriterion
14.22126
Loglikelihood
-484.2822
Hannan-Quinncriter.
14.16266
F-statistic
214.1988
Durbin-Watsonstat
2.438720
Prob(F-statistic)
0.000000
注:
由于模型显著地通过了所有检验,因此,没在考虑多重共线性等问题。
模型加入上一起的房价后其解释能力上升到了从70.8%上升到了86.24%,对样本数据的解释能力显著增加。
其每一个解释变量的系数的t统计量也十分显著,其中SFJ的显著性水平高达99.999%,常数系数的显著性水平也高达99.3%,HL的显著性水平虽然较差,也高达98.6%,表明模型的系数为0的概率极端的小。
同时,该模型的F统计量高达214.1988,表明模型线性关系存在的概率高达99.99999%。
用该模型预测一下2011年5月份的数据,用以与统计局已经公布的证实数据做对比,检测该模型是否具有预测价值
预期影响因素模型的预测
Eviews预测图
通过模型预测出的2011年05月的全国房价均值是5554.4538(元/㎡),而真实的房地产价格是5654.165516,误差只有99元,但我认为这个误差是可以接受的。
该模型具有量好的预测能力。
总结
模型通过了所有的统计检验,计量检验,预测检验。
于是乎,我可根据模型系数得出如下精确的结论:
1.人民币每升值10个基点(如附表表示就是:
649下降的648),将是我国的平均商品房价格每平米上涨2.83元,与之前的第二个模型的结论(人民币每升值10个基点,房价将上涨11.852元)相比更加合理,由此算得人民币从2005年07月到2011年5月的累计升值161.33,从而使房价上涨了456.56元。
同期房价真实上涨了5654.16—32136.64=2400元,人民币的升值解释了其19.02%。
比较合理
2、对前期房价这个解释变量(SFJ)的设置则确实证明了,理性预期的观点以及“羊群效应”的存在。
参考文献
[1]王琼:
《浅析人民升值对我国房地产市场的影响》四川大学经济学院产业经济学
[2]李子奈:
《计量经济学》高等教育出版社2010年第三版
[3]徐伟勋:
《人民币汇率对房地产市场价格的影响》广东外语外贸大学硕士学位论文
附表
数据解释:
本文所有数据来源:
北京大学CCER数据库。
房价的月度计算是用全国的商品房销售额除以全国的商品房销售面积。
房价的预期影响这个解释变量使用上期房价来替代。
附表一:
日期
房价(元/㎡)
对美元汇率
19921231
994.6554562
573.74
19931231
1291.455926
578.55
19941231
1408.638586
844.91
19951231
1590.863199
831.79
19961231
1806.398908
829.82
19971231
1997.161319
827.94
19981231
2062.569407
827.86
19991231
2052.599754
827.93
20001231
2111.614139
827.81
20011231
2169.718428
827.67
20021231
2250.177953
827.72
20031231
2359.496741
827.69
20041231
2713.905786
827.65
20051231
3167.656945
807.09
20061231
3366.787659
780.87
20071231
3863.903802
730.46
20081231
3799.946582
683.53
20091231
4695.134
682.83
20101231
5029.1487
662.29
附表二:
月度
商品房销售(万㎡)
商品房销售额(亿元)
房价(元/平米)
对美元的汇率
200507
16526.92
4938.28
2988.021967
810.8
200508
31202.47
10027.37
3213.646227
809.73
200509
34725.6
11313.3
3257.91347
809.3
200510
39352.19
12925.89
3284.668528
808.4
200511
43388.23
14430.14
3325.819007
807.96
200512
55769.14
18080.3
3241.990104
807.02
200601
55769.14
18080.3
3241.990104
806.08
200602
5343.9
1881.9
3521.585359
804.15
200603
9458.7
3192.7
3375.410997
801.7
200604
13560.9
4615.4
3403.461422
801.65
200605
18137
6270
3457.021558
801.88
200606
22976.6
7957.5
3463.306146
799.56
200607
27308
9440.1
3456.899077
797.32
200608
31384.6
10870.7
3463.705129
795.85
200609
35883.37
12415.34
3459.914718
790.87
200610
40780.7
14053.2
3446.041878
787.92
200611
46113.9
16141.4
3500.332871
784.36
200612
60628.1
20509.7
3382.870319
780.87
200701
60628.1
20509.7
3382.870319
777.76
200702
5371.5
2247.9
4184.864563
774.09
200703
10600.8
4050.8
3821.22104
773.42
200704
15765.2
5997.3
3804.138229
770.55
200705
21148
8059.8
3811.140533
765.06
200706
27904.2
10642.8
3814.049498
761.55
200707
34137.2
13142.4
3849.876381
757.37
200708
40572.8
15820.3
3899.237913
756.07
200709
47369.7
18684.8
3944.462388
751.08
200710
53564.96
21287
3974.053187
746.92
200711
60156.89
24002.6
3990.000148
739.97
200712
76192.7
29603.9
3885.39847
730.46
200801
76192.7
29603.9
3885.39847
719.98
200802
5144.15
2154.8
4188.835862
710.58
200803
10449.56
4110.5
3933.658451
701.9
200804
14994.15
5904.8
3938.06918
700.02
200805
19633.4
7837.2
3991.769128
694.72
200806
25892.63
10325.4
3987.775672
685.91
200807
30453.96
12221.2
4013.008489
683.88
200808
34592.28
13813.4
3993.203108
683.45
200809
40320.76
15878.5
3938.045811
681.83
200810
44722.96
17590.03
3933.109526
682.58
200811
49148.38
19261.19
3918.987767
683.49
200812
62088.94
24071.41
3876.923974
683.46
200901
62088.94
24071.41
3876.923974
683.8
200902
5131.23
2396.98
4671.355601
683.79
200903
11308.74
5058.64
4473.212754
683.59
200904
17625.45
7995.92
4536.576371
682.5
200905
24644.44
11388.92
4621.29389
683.24
200906
34108.59
15799.57
4632.138121
683.19
200907
41754.98
19599.59
4693.952673
683.23
200908
49416.04
23463.74
4748.203215
683.12
200909
58371.02
27531.89
4716.70531
682.9
200910
66368.73
31529.12
4750.598663
682.81
200911
75203.15
35987.12
4785.320828
682.72
200912
93713.04
43994.54
4694.601733
682.82
201001
93713.04
43994.54
4694.601733
682.7
201002
7155.18
4115.74
5752.112456
682.69
201003
15360.92
7976.8
5192.918133
682.63
201004
23412.16
12425.24
5307.173708
682.65
201005
30189.43
15760.19
5220.433112
682.8
201006
39352.53
19819.85
5036.486854
679.09
201007
45818.61
22885.69
4994.845981
677.5
201008
52704.47
26418.24
5012.523606
681.05
201009
63150.23
31916.58
5054.071854
670.11
201010
72428.55
36992.28
5107.416896
669.08
201011
82541.2735
42277.8889
5122.03012
667.62
201012
104349.11
52478.72
5029.148787
662.27
201101
104349.11
52478.72
5029.148787
658.91
201102
8142.948
5241.6078
6436.990387
657.52
201103
17642.7883
10151.9079
5754.140291
655.64
201104
24897.9173
14077.7255
5654.17795
649.9
201105
32931.6419
18620.0954
5654.165516
648.45
附表三:
月度
房价(元/㎡)
美元汇率
上一期房价
200508
3213.646227
809.73
2988.021967
200509
3257.91347
809.3
3213.646227
200510
3284.668528
808.4
3257.91347
200511
3325
- 配套讲稿:
如PPT文件的首页显示word图标,表示该PPT已包含配套word讲稿。双击word图标可打开word文档。
- 特殊限制:
部分文档作品中含有的国旗、国徽等图片,仅作为作品整体效果示例展示,禁止商用。设计者仅对作品中独创性部分享有著作权。
- 关 键 词:
- 人民币 升值 房地产价格 影响
![提示](https://static.bdocx.com/images/bang_tan.gif)