股票市场与房地产市场的关系研究 基于VAR模型的实证分析.docx
- 文档编号:4297683
- 上传时间:2022-11-29
- 格式:DOCX
- 页数:14
- 大小:98.98KB
股票市场与房地产市场的关系研究 基于VAR模型的实证分析.docx
《股票市场与房地产市场的关系研究 基于VAR模型的实证分析.docx》由会员分享,可在线阅读,更多相关《股票市场与房地产市场的关系研究 基于VAR模型的实证分析.docx(14页珍藏版)》请在冰豆网上搜索。
股票市场与房地产市场的关系研究基于VAR模型的实证分析
股票市场与房地产市场的关系研究
——基于VAR模型的实证分析
【摘要】本篇文章选取2008年至2018年的上证A股指数(SHA)和房地产开发综合指数(RECI)的月度数据,综合运用VAR模型、格兰杰因果检验以及脉冲响应分析等方法研究股票市场和房地产市场之间的相关关系。
结果表明,股票价格和房地产价格这两者之间存在着格兰杰因果关系,其中房地产价格会给股票价格带来正向的影响,而股票价格会给房地产价格带来一些微弱的负向影响。
我们认为政府对于股市和房市的调控方向应为:
引导投资者理性化投资、加大对于市场的监管力度、合理地进行制度化建设、有效规范股市和房市。
【关键词】VAR模型;股票市场;房地产市场;相关性分析
CorrelationAnalysisofStockMarketandRealEstateMarketBasedonVARModel
Abstract:
ThisarticleselectedtheShanghaia-shareindex(SHA)andrealestatedevelopmentindex(RECI)monthlydatafrom2008to2017,theintegrateduseofVARmodel,grangercausalitytestandimpulseresponseanalysismethodresearchoftherelationshipbetweenstockmarketandrealestatemarket.Resultsshowthatthestockpriceandrealestatepricesthereexistsagrangercausalityrelationshipbetweenthetwo,whichcanbringforwardtostockpricesinthepriceofrealestate,realestatepricesandstockpriceswillgivesomeweaknegativeimpact.Webelievethatthegovernmentshouldregulatethestockmarketandthehousingmarketinordertoguideinvestorstorationalize,strengthenthesupervisionofthemarket,andproperlyinstitutionalizetheconstruction.
Keywords:
VARmodelStockmarketRealestatemarketCorrelationanalysis
引言
随着我国经济的高速发展,我国在国际市场上的地位已然变得愈发的重要。
其中,股票市场和房地产市场是两个与国民经济好与坏紧密相连的市场,他们也都属于是高风险和高收益的市场,因此这两个市场的运行状况一直以来都是大家关注的焦点,同时也是许多投资者选择进入进行投资组合的热门市场。
20世纪90年代初,股票市场的出现表明我国的经济正逐步走向成熟。
随后于1995年左右,我国股市市场逐渐建立完善,并于1996年至2000年期间达到了一个牛市阶段,但是之后至2005年股市持续走低。
而自2005年12月开始,我国股市政策性的股权分制改革和GDP高速增长的情况使得股市进入了大牛市,但自2007年至今,股市却一直处于下跌态势。
1988年全国城镇停止住房分配,这标志着我国房市进入了市场化的新阶段。
2000至2007年间我国房市进入快速发展阶段,而2008年的金融危机直接影响房地产销售同比下降约20%,之后便进入全面调整阶段。
近两年来“330”新政,降低贷款和首付比例以及二胎政策的出台令房市有所回暖,但是房地产市场区域的分化严重,未呈现爆发式增长。
近些年来,国内国外市场的多次动荡与改革暗示了股票市场的剧烈震动与房地产价格的涨与跌之间存在着一定的联系,2008年的那次金融危机足以给所有人一个警醒,那段时间,股票市场与房地产市场间的反复剧烈的波动对于我国经济造成了非常严重的影响。
因此,分析股票市场与房地产市场之间的相关性关系这个课题,对于我们现如今所处的这个时代是具有深远的现实意义的,大到国家政府小到个体投资者,都可以合理运用这两者之间的相关性关系进行风险管理,不仅可以令其规避风险也可以做到获取收益。
因此,究竟这两者存在着何种关系,我们通过实证进行分析。
一、文献综述
近些年来,对于股票市场和房地产市场之间相关性问题的研究受到了国内及国外专家学者的广泛关注,但是观察研究所得的结论,可以发现大家的观点尚且还未达成一致。
其中,有一部分研究人员认为股票市场与房地产市场之间存在着一定的相关性关系,这两个市场之间的波动相互影响,两者无法分割。
陈阳(2011)通过选取上证季度股价指数和房地产企业景气指数为样本,采用脉冲响应函数和Granger因果关系检验来分析股价波动与房地产市场的关系,结果得出股市是房市的格兰杰原因并且两者存在着长期的协整关系。
李晓欢,冯秀娟(2010)通过选取房地产销售价格指数和上证A股指数作为样本,采用Engle-Granger两步法协整分析并用格兰杰因果检验对股价和房价进行分析,结果表明股价是房价的格兰杰原因同时房价也是股价的格兰杰原因,同时替代效应要大于财富效应。
薛楠(2011)通过对20世纪90年代以来股市和房地产市场的发展状况分析论述,得出结论:
房价与股价之间存在着长期均衡的关系,且两者之间的关系十分密切。
另外一部分研究人员则认为股票市场与房地产市场只存在单方向的影响,即股票市场单方面影响着房地产市场或者房地产市场单方面影响着股票市场。
涂丹,何紫娟,张金亭(2016)通过选取上证综合指数和房地产市场中的新建住宅销售价格指数为样本,采用VAR模型和格兰杰因果检验等量化分析的方法对房市和股市之间的互动关系进行实证分析,结果表明股票价格对房价有着明显的正向影响,而房价对于股价则不产生任何影响。
上述的文献对于本篇文章探究股票市场和房地产市场的关系具有重要的参考价值,那么,这两者之间究竟存在着怎样的影响关系呢?
为此,文章在基于现有的理论及实证的基础之上,通过运用最新的数据来对这两个变量进行实证研究,以此判断它们之间存在着何种关系。
本篇文章的主要目的是为了揭示这两种价格指数之间是否真实地存在相关关系,它们之间又是如何相互影响的。
基于这些研究结论,进而我们就可以进一步地探讨出两者的相关关系将如何指导投资并且给出相关的指导建议。
二、实证分析
(一)样本选取与数据说明
文章选取了从2008年第1个月到2017年第12个月的月度数据作为VAR模型的样本数据,在研究股票市场时选取了上证A股指数(SHA)作为变量,在研究房地产市场时选取了房地产开发综合指数(RECI)作为另一个变量,上证A股指数采用每个月最后一天的收盘价格进行统计。
由于所采用的上证A股指数是价格指数,波动的幅度较大。
所以,为了降低数据的波动性,缩小其数量级,避免其出现伪回归或者显示出异方差性。
我将上证A股指数取自然对数Ln,这样的处理方法不仅可以降低出现异方差的可能,而且还缩小了数据的波动性,取对数之后的我们得到了LSHA,然后再对其进行分析。
图2-1上证A股指数
数据来源:
财经中心-中国网
图2-2房地产开发综合指数的变化趋势
数据来源:
前瞻数据库
如上图2-1、2-2所示,图中展现了从2008年1月到2017年12月这十年中每个月的上证A股指数和房地产开发综合指数的变化趋势。
从图中很明显可以观察出,上证A股指数在经历了2008年次贷危机之后于2008年10月至2008年12月达到该研究时间段中的最低点,表现出了大幅度的波动,之后在2015年5月再次攀爬至一个峰值。
房地产开发综合指数的变动趋势和上证A股指数的变动大体吻合,于2008年1月达到一个较高点后在2008年10月至2009年7月持续处于低谷状态,之后又于2010年3月达到一个小高峰,其余时间段都处于小幅度波动的平稳状态。
观察图形整体来说,上证A股指数在2008年到2014年以及2017年这8年间的波动幅度与房地产开发综合指数的波动幅度大致一样,而在2015年到2016年这两年的波动幅度却呈现出了不一样,这两年间上证A股指数处于上升状态,并于2015年4月至2015年6月达到形成一个突破点,而反观房地产开发综合指数却于这两年间处于一个低迷的状态。
(2)平稳结果
由于VAR模型的建立必须基于各个变量是平稳的这一前提,否则容易造成伪回归。
因此,在建立VAR模型之前,我先检验上证A股指数房和地产开发综合指数这两个变量的平稳性。
表2.1VAR模型的平稳性结果(表式)
Root
Modulus
0.916761-0.061974i
0.918854
0.916761+0.061974i
0.918854
0.433795
0.433795
0.074305
0.074305
图2-3VAR模型的平稳性检验结果(图式)
观察上图2-3可知,结果均无一例外地小于1,即没有任何一个特征根落在单位圆的外面,所以根据计量经济学的原理,我们可以认为上面所构建的这个序列是平稳的,VAR满足平稳性的条件,所以我们建立的VAR模型是平稳的、合适的。
(3)VAR模型的建立
我们要建立VAR模型,第一步就是要保证进入模型的变量一定是平稳的,而在这之后,我们需要先确定模型之中的滞后期数。
在选择的时候,我们需要考虑下面这两方面的因素,一是需要有充足的滞后项数,二是要有充足的自由度。
然而,在实际的运用当中,我们很难将上述的两个因素转换到定量地维度进行运用,我们常常是根据AIC信息准则、SC信息准则来进行滞后阶数的选择的,这两个准则要求数值越小越好,以此便可以推算出滞后期数p的大小。
确定好滞后期数p之后,我们再对模型的VAR进行分析。
表2.2根据信息准则设定VAR模型的滞后期数的结果
Lag
Logl
LR
FPE
AIC
SC
HQ
0
-287.2306
NA
0.599942
5.164831
5.213376
5.213376
1
3.550821
565.9852
0.003581
0.043735
0.189369
0.102824
2
13.12131
18.28647*
0.003243*
-0.055738*
0.186985*
0.042743*
3
15.25981
4.009682
0.003353
-0.022497
0.317316
0.115376
4
17.89836
4.853049
0.003437
0.001815
0.438717
0.179080
5
22.09528
7.569454
0.003427
-0.001701
0.532289
0.214956
6
22.43447
0.599626
0.003661
0.0636670
0.694750
0.319720
7
23.02948
1.030646
0.003895
0.124474
0.852643
0.419915
8
23.65323
1.058157
0.004143
0.184764
1.010022
0.519597
表2.2中给出了从0阶到8阶的VAR模型的LR、FPE、AIC、SC以及HQ的数值。
观察上表2.2的结果,根据LR、FPE、AIC、SC、HQ准则我们不难看出,应选择的滞后期数为2,因此我们建立了VAR
(2)的模型。
(4)协整检验
协整检验是用于探究非平稳的时间序列之间是否存在某种长期稳定的均衡关系的检验,而由于前面的平稳性检验结果可知,LSHA和RECI均为平稳序列,不满足协整检验的前提要求,因此对两者进行协整检验无意义。
(五)VAR模型分析
在建立向量自回归(VAR)模型之前,我们首先应当了解,VAR模型是一个研究关于两个变量或两个以上变量之间的均衡关系的模型,其实质上是用来分析几个变量之间的动态关系的,一般适用于研究随机扰动因子对于变量整体的影响或者是用于预测一些有关联的时间序列系统。
但是在我们日常的运用当中,VAR模型被认为是非理论性的模型,我们可以翻译成VAR模型常常不是用来分析A变量的变化对于B变量所产生的影响,而用来分析当我们所运用的模型受到一定的冲击或是当模型当中的某个误差项产生重大变动的时候对整个系统产生的影响。
近些年来,较多研究文献当中均采用VAR模型,其优于其他模型的地方即在于它可以把变量看成是内生变量来对其进行处理,这样一来就大大地削弱了由于个人的主观错误判断而给联立方程组模型带来的波动。
我们先确定好模型所采用的变量,分别是股票市场中具有代表性的上证A股指数(SHA)和房地产市场中的房地产开发综合指数(RECI)。
所以,上证A股指数以及房地产开发综合指数,这两个变量就构成了建立VAR模型的基本变量了。
然后开始进行数据的收集,在EVIEWS软件中建立基于这两个变量的VAR模型,再对其进行实证分析。
VAR模型当中各个参数的估计结果如下表2.3所示。
表2.3VAR模型参数估计值
LSHA
RECI
LSHA(-1)
0.979740
1.287657
(0.09367)
(0.08454)
[10.4596]
[1.52308]
LSHA(-2)
-0.078613
-0.696216
(0.09247)
(0.08346)
[-0.85012]
[-0.83416]
RECI(-1)
0.002457
1.361882
(0.00949)
(0.08561)
[0.25901]
[15.9075]
RECI(-2)
-0.005896
-0.398397
(0.00931)
(0.08399)
[-0.63364]
[-4.74351]
C
1.121126
-1.128791
(0.32441)
(2.92806)
[3.45584]
[-0.38551]
由数据可以得出,上证A股指数的对数对一阶的上证A股指数对数和二阶的上证A股指数对数均显著且对一阶的房地产开发综合指数和二阶的房地产开发综合指数显著性较为明显,而反观房地产开发综合指数,其对一阶和二阶的上证A股指数的对数均显著且对一阶和二阶的房地产开发综合指数也呈现出了显著性。
在VAR模型当中,我们要将我们的关注点同时放在整体以及个体之上,去研究整个系统的显著性以及稳定性也是十分重要的。
进而,我们可以继续得到各个方程的检验结果如下表2.4所示。
表2.4VAR模型中各个方程的检验结果
LSHA
RECI
R-squared
0.854717
0.967562
Adj.R-squared
0.849574
0.966413
Sumsq.resids
0.701022
57.10725
S.E.equation
0.078764
0.710897
F-statistic
166.1978
842.6329
Loglikelihood
134.9934
-124.6153
AkaikeAIC
-2.203278
2.196869
SchwarzSC
-2.085876
2.314271
Meandependent
7.940980
98.14314
S.D.dependent
0.203079
3.879032
根据上表可知,Adj.R-squared均小于R-squared则数据没有问题,且两者的R-squared均趋近于1,表明我们建立的模型回归效果较好。
并且F-statistic的数值均较大,表明两者不会同时为0,效果较好。
针对VAR模型当中各个方程的系统整体的检验结果如下表表2.5所示。
表2.5VAR系统整体的检验结果
Determinantresidcovariance(dofadj.)
0.003123
Determinantresidcovariance
0.002864
Loglikelihood
10.60125
Akaikeinformationcriterion
-0.010191
Schwarzcriterion
0.224613
上面的这些数据表明,上证A股指数(SHA)的变化情况可以由上证A股指数的滞后项、房地产开发综合指数(RECI)的变化情况以及房地产开发综合指数的滞后项这三者来对其进行解释。
并且,仔细分析表2.5中的数据,我们不难看出来房地产价格对于股票价格存在着显著的影响。
(六)格兰杰(Granger)因果检验
股价与房地产价格背后的因果关系使我们进行研究的重点,根据其因果关系我们才能总结出结论以及未来的解决办法。
因此我们引入了Granger因果检验,格兰杰因果检验是一种重要的实证检验方法,其主要用于检查各个内生变量相互之间是否存在因果关系,即用来判断是不是由于A变量的变化而导致B变量也随之产生变化的。
该方法实际上是用于验证一个变量的滞后项能不能带入进其他的变量方程当中去,上述定义用于本文则可以翻译为现在的房地产开发综合指数能够被过去的上证A股指数解释多少,如果过去的上证A股指数的信息对于预测房地产开发综合指数有一定的帮助,那么我们可以得出结论说上证A股指数是房地产开发综合指数的格兰杰原因,即股票价格指数是房地产价格指数的格兰杰原因,反之亦然。
所以,对于平稳的序列我们现在可以用格兰杰因果检验来对上证A股指数(SHA)和房地产开发综合指数(RECI)进行相关的检验,分析两个指数之间的因果关系。
表2.6格兰杰因果检验结果
Dependentvariable:
LSHA
Excluded
Chi-sq
df
Prob.
RECI
3.597740
2
0.01655
All
3.597740
2
0.01655
Dependentvariable:
RECI
Excluded
Chi-sq
df
Prob.
LSHA
4.442720
2
0.01085
All
4.442720
2
0.01085
观察表1.6可知,在给定5%的显著性水平,滞后期数为2的条件下,上证A股指数是房地产开发综合指数的格兰杰原因,同时房地产开发综合指数也是上证A股指数的格兰杰原因。
即说明了股票价格指数对于判断房地产价格的变动具有一定的影响,房地产价格的变动对于判断股票价格也具有一定的作用同时其影响要大于股票价格对于房地产价格的影响。
(七)脉冲响应函数
由上文便可以知道,VAR模型属于是一种非理论性的模型,因此如果我们仅仅使用VAR模型来对单个参数的估计值进行解释是具有较大的难度的。
所以,为了更深层次地分析股票市场与房地产市场之间的相关关系,我们需要引入脉冲响应函数来对上证A股指数和房地产开发综合指数进行分析。
脉冲响应函数是用于反应内生变量对于误差项变化大小的,该函数描绘了当模型当中的误差项有所变化的时候或者是当序列受到相关的随机扰动因子的冲击之后所产生的动态的变化路径。
概括来说,合理地运用脉冲响应函数是可以让我们更好地了解上证A股指数与房地产开发综合指数之间的相互影响关系。
图2-4脉冲响应函数图示
正确地运用脉冲响应函数,可以让我们更深层次地剖析股票市场和房地产市场同时了解两者之间动态的关系。
仔细观察分析上图2-4当中脉冲响应的过程,我们不难看出:
1.上证A股指数对于房地产开发综合指数的响应如图2-4的第一行所示,当在本期给房地产开发综合指数一个正标准差新息冲击后,上证A股指数在初始阶段对房地产开发综合指数表现出了较弱的负向变动,以后各期上下波动,但是幅度并不明显,整体没有大幅度的波动。
这表明在受到外部条件冲击的情况之下,上证A股指数会给房地产开发综合指数带来一些微弱的负向冲击。
2.房地产开发综合指数对于上证A股指数的响应如图2-4的第二行所示,当本期给上证A股指数一个正标准差新息冲击之后,房地产开发综合指数一开始便对上证A股指数表现出了积极的正向的影响,其在前四期的冲击响应先是处于上升状态的,缓缓攀爬到达最高点,在微小的减速之后,便开始呈现平稳的状态并且逐渐有缓慢下降的趋势。
这表明上证A股指数受到外部条件的冲击之后,会给房地产开发综合指数带来较强的正向影响。
3.图中的每一个变量对于自身的脉冲冲击的后续反应都在渐渐地收敛到0,冲击在渐渐地消失,系统也在慢慢地趋于稳定。
上证A股指数和房地产开发综合指数对于其自身均有着较大的反应,从上图2-4可知两者对于自身的影响一开始就分别处于0.075和0.7左右,并且这种影响的力度仍在不断地加大,分别是在第三期和第五期的时候达到峰值,之后各期便进入到缓慢下降并趋向于0的状态。
(八)分析
依据上面所有列出的数据和图表,我们可以做出总结,上证A股指数的变动会引起房地产开发综合指数的变动,因此股票价格是使房地产价格产生变动的格兰杰原因。
同时,房地产开发综合指数的变动也引起了上证A股指数的变动,因此,房地产价格也是令股票价格产生变动的格兰杰原因。
将这个结论运用到我们的实际生活之中,即我们事先可以通过研究股票价格的变化进而对房地产价格的涨跌进行预判,同时我们也可以通过研究房地产价格的变化来预判股票价格。
当股票价格有所上升的时候,投资者的总资产就会水涨船高,由此会鼓励整个社会的消费需求增加,例如一些投资者会将手中富余的资金投入到房地产市场当中去。
另外,对于部分理性投资者来说,分散风险的理念已然十分深刻,因此此时将部分资金投入进房地产市场中去也不失为一个明智之选。
当房地产价格上升的时候,以房屋为信贷资产的客户信贷额度变大。
此时,无论是个人还是企业手中都有更多地资金进行投资,股票市场也因此而变得更加的活跃。
业界常常用财富效应和替代效应这两种观点来对股票价格和房地产价格之间的相关关系进行解释。
从财富效应的观点出发,主要是站在消费的角度上来分析股票价格与房地产价格之间的关系,何谓财富效应即当某一财富累积到一定程度之后对一些领域产生传导或者控制的影响。
而股价与房价这两者势必存在着财富效应,其主要表现为:
1.当消费者手中闲置的资金增加时,消费者会追加在股票市场以及房地产市场的投资,从而使得股票持有者及房地产持有者在两者价格上升之后,所拥有的财富进一步提升,导致其消费能力又会更上一层楼,生成一个循环,产生一种顺周期效应。
2.当宏观经济运行良好的时候,消费者的预期也会因为市场的向好而提升,于是他们会增加在消费以及投资方面的支出,这一行为会促进经济的继续增长,此时无论是在股票市场还是房地产市场都处于蓬勃的态势,因此消费者的投资都会继续增加,以此使得股价和房价进一步上涨。
从替代效应的观点出发,主要是表现在股票市场与房地产市场的这两者所生成的投资收益率的比较之上。
当投资股票的相对收益率降低时,会使得先前投资股票的投资者转向投资其他产品;而反之,当投资股票的相对收益率上升时,则会吸引先前不处于股市的投资者进入到股市来进行投资。
同样的,在房地产市场上也存在着同样类似的替代效应。
由于对于不同市场的未来预期不一样,而且每个投资者自身的风险偏好以及风险承受能力也不一样,所以替代效应的作用大小也会受到一定的影响,然而不
- 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:
- 股票市场与房地产市场的关系研究 基于VAR模型的实证分析 股票市场 房地产市场 关系 研究 基于 VAR 模型 实证 分析