楼市政策对房地产板块股票价格冲击分析.docx
- 文档编号:8533738
- 上传时间:2023-01-31
- 格式:DOCX
- 页数:14
- 大小:229.55KB
楼市政策对房地产板块股票价格冲击分析.docx
《楼市政策对房地产板块股票价格冲击分析.docx》由会员分享,可在线阅读,更多相关《楼市政策对房地产板块股票价格冲击分析.docx(14页珍藏版)》请在冰豆网上搜索。
楼市政策对房地产板块股票价格冲击分析
一、引言
美国2008年发生的次贷危机表明房地产市场和股票市场已经高度融合,对这两者之间关系的具体研究,Summer(1981)通过对美国可支配收入、通货膨胀率、股票价格、住宅需求与住宅价格等关系进行研究,发现通货膨胀将增加自住房地产价值,降低股票市场价值,从而对投资决策产生影响。
Okunev和Wilson(1997)对美国房地产市场和股票市场进行非线性回归,发现房地产市场与股票市场存在着非线性关系,但是不显著。
Davie和Naranjo(1999)采用非线性回归研究分析,发现美国商业房地产与股票市场相互融合,尤其是在20世纪90年代,两者相互影响的程度更加明显。
随着房地产市场与股票市场关系日益紧密,房地产价格波动将诱发股票市场不稳定性因素增加,从而引发宏观经济的不稳定。
随着我国金融体制改革的深入与房地产业的发展,我国房地产业在国民经济和金融市场中发挥着越来越重要的影响。
自从2008年金融危机以来,我国股票市场指数大幅下滑,经过证监会对金融市场的调控,股市趋向于理性,实体经济的发展变化越来越明显地反映到股票市场中,房地产宏观调控成为影响股票市场波动的重要因素,选择合适的房地产调控政策指标对于减少政策对股市冲击具有重要意义。
研究近几年北京市房地产宏观调控政策使用情况,特别是2004年以来,城市土地问题得到重视,土地政策成为宏观调控的重要手段。
本文主要对北京市房地产投资、新建住宅面积、销售价格从定量的角度进行实证分析,从而得到北京市楼市政策对房地产板块股票价格影响的时滞、持续时间及作用强度,为北京政府制定宏观调控政策提供参考。
二、计量方法和模型
本文首先利用ADF单位根检验法对时间序列行平稳性检验,然后通过建立VAR模型利用脉冲响应函数、方差分解方法分析各因素北京房地产板块股票价格的影响及影响程度。
(一)、时间序列平稳性检验
平稳性假设是进行时间序列分析的基础,随机过程具有平稳性对于时间序列预测来说十分重要,只有满足平稳性的假设才能保证了随机过程的结构不会随时间变化,才能进行准确的预测。
当经济出现突发性震荡后,受到冲击的经济变量若呈现随机游走状态,用OLS进行回归将导致“虚假回归”,为了避免数据模型估计中存在的虚假回归问题,需要先对变量进行平稳性检验。
宽平稳随机过程简称为平稳随机过程,具有下列性质:
(1)
(对所有t)(2.1.1)
(2)
(对所有t)(2.1.2)
(3)
(2.1.3)
其中
与
和
相隔的时期数有关,与时间点t无关(对所有t和k)。
(二)、ADF单位根检验
单位根检验是平稳性检验的常用方法,ADF检验(AugmentedDickeyFullerTest)是Dickey和Fuller提出的扩展的DF检验法,即用传统方法计算出参数的T—统计量并与ADF分布临界值表比较。
通常用如下形式的ADF回归式作单位根检验:
(2.2.1)
其中:
,k为滞后项数。
方程中加入k个滞后项以保证残差项为白噪声。
数k的选取采用Schwartz准则,k的最大值为
,其中T为观测值的个数,[x]表示取x的最大整数部分。
对(2.2.1)式进行OLS估计,然后计算统计量
。
假设检验
。
若
,则接受原假设
,即
非平稳;若
则拒绝原假设
,即
为平稳序列。
其中
为DF分布表的临界值。
(三)、VAR模型
VAR模型常用于预测相关时间序列系统以及分析随机扰动对变量系统的动态影响,使用模型中的当期变量对其他变量的若干滞后变量进行回归,从而解释各种经济冲击对经济变量形成的影响,是一种非结构化的多方程模型,优点在于它而不需要对模型中政策变量的内生性和外生性做事先假定,不需要结构化模型,近似地描述了变量间的互动关系,其核心思想即不考虑经济理论,直接考虑时间序列各经济变量之间的关系。
向量自回归模型可以用来预测相关联的经济时间序列,并分析随机扰动项对变量系统的动态冲击,解释经济冲击对经济变量产生的影响。
当各变量均为平稳序列时,可以构造VAR模型。
设滞后阶数为p,则VAR模型表达式为:
其中,
为k维内生变量向量;
为d维外生变量向量;
是k维误差向量
,
,…,
,B是待估系数矩阵。
三、实证分析
(一)数据选取与处理
(1)房地产市场是商品房交换流通的场,房地产的供需状况表现在投资额、新建数量、销售价格等多种因素上,为体现政府宏观调控利用行政手段调控楼市的效果,同时考虑房地产市场的发展状况,本文选取北京市的商品房开发投资完成额(TZ)、商品房新开工面积(MJ)、新建商品住宅销售价格指数(JG)三个指标进行实证分析。
其中当期商品房开发投资完成额的变化可以反映政府对房地产建设项目审批政策的松紧程度,商品房新开工面积的变化体现了政府城市土地政策的变化,商品房销售价格则体现了市场的供需变化情况。
本文研究数据的时间为从2008年5月到2014年3月的各月数据,这些数据来都源于国家统计局官方网站并经过整理计算而来。
由于我国房地产投资完成额、新开工面积是采用的月度累计数据,所以本文对其进行转化,整理为月度当期数据。
之所以从2008年开始是因为经历了2008年的国际经济危机,我国股市逐渐走向理性成熟,股价没有大幅度的波动,股票数据具有一定的统计预测意义,这样保证了数据的完整性又不失时效性。
(2)股票市场行情主要体现在股价的波动上,为体现北京房地产板块的股市行情,本文选取主要业务在北京的房地产上市公司股票:
绵世股份(000609)、大龙地产(600159)、万通地产(600159)、XD首开股(600376)、京能置业(600791)、中房股份(600890)、北辰实业(601588)、北京城建(600266),为体现市场影响的股价波动,本文选取的股价为除权后的月度收盘价。
股票价格数据信息来源于民族证券大智慧专业版软件。
为减少个别公司因素对股价波动的影响,体现整个北京房地产板块股市的波动,以各股票A股市场流通股的数量为权重,取股价的加权平均价格(GJ)为研究对象。
本文数据处理部分采用eviews6.0计量经济软件进行计算和分析。
(二)、数字特征分析
各数据的发展趋势和特征表现如图1-1到图1-4所示。
如图所示,投资额、新开工面积、新建住宅价格、平均股价水平的波动具有较强的相关性。
图1-4:
房地产投资额、新开工面积、销售价格指数、股票价格数字特征
TZ
MJ
JG
GJ
Mean
259.9974
282.1668
100.5892
5.231692
Median
255.4200
283.7300
100.3000
4.980000
Maximum
619.3000
659.6000
104.5000
9.030000
Minimum
68.66000
66.31000
98.90000
2.520000
Std.Dev.
89.98209
123.0866
0.976941
1.342164
Skewness
0.676051
0.672520
1.722869
0.825537
Kurtosis
5.390609
3.587028
6.451009
3.524121
Jarque-Bera
20.42948
5.833027
64.41114
8.127020
Probability
0.000037
0.054122
0.000000
0.017189
Sum
16899.83
18340.84
6538.300
340.0600
SumSq.Dev.
518193.7
969620.4
61.08246
115.2899
Observations
65
65
65
65
构造计量模型之前要对时间序列进行平稳性检验。
检查序列平稳性通常采用单位根检验,只要序列不存在单位根就是平稳的。
本文利用ADF(AugmentedDickey-FullerTest)方法进行检验,具体检验如表2-1所示。
,应用EViews软件分别对模型参数TZ、MJ、JG、GJ进行ADF检验。
为了消除异方差影响,将投资额数据取对数表示为lnTZ,将新建住宅面积取对数表示为lnMJ。
表2-1单位根检验结果
变量
检验类型(c,t,d)
ADF统计量T值
P值
临界值(5%)
检验结果
TZ
(c,t,1)
-3.329017
0.0716
-3.487845
接受原假设
,不平稳
lntz
(c,t,1)
-3.634818
0.0078
-2.911730
拒绝原假设
,平稳
MJ
(c,t,1)
-6.197089
0.0000
-3.475305
拒绝原假设
,平稳
lnMJ
(c,t,1)
-6.004304
0.0000
-3.475305
拒绝原假设
,平稳
JG
(c,t,2)
-4.973276
0.0000
-3.478305
拒绝原假设
,平稳
GJ
(c,t,1)
-2.876226
0.1765
-3.475305
接受原假设
,不平稳
dGJ
(c,t,1)
-5.650573
0.0001
-3.477275
拒绝原假设
,平稳
注:
dGJ代表GJ的一阶差分;(c,t,1)中t代表时间趋势项,c代表截距,1代表一阶滞后。
从表2-1可以看出平均股票价格GJ时间序列在95%的概率下都是非平稳的,而它的一阶差分DGJ在99%的概率下都是平稳时间序列,即为一阶单整的时间序列。
房地产投资额的对视lnTZ、新建住房面积的对数lnMJ、新建住宅销售价格指数两个时间序列在95%概率下都是平稳时间序列。
由于VAR模型要求进入该系统的内生变量都是平稳的时间序列,因此将房地产投资额的对数lnTZ、新建住宅面积的对数lnMJ、新建住宅销售价格JG、平均股票价格时间序列的一阶差分dGJ一同进入向量自回归模型。
(三)、建立向量自回归模型(VAR模型)
1、确定滞后阶数。
本文采用AIC(AkaikeInformationCriterion)和SC(SchwarzCriterion)信息准则确定滞后阶数,当AIC和SC的最小值对应不同的滞后阶数值时,用LR极大似然值进行判断。
滞后准准则结果见表3-1,根据模型滞后期的选取标准,AIC、SC最小值对应不同滞后阶数,根据LR标准,选取四阶的VAR模型最为合理。
表3-1VAR滞后期的确定
Lag
LogL
LR
FPE
AIC
SC
HQ
0
-223.6981
NA
0.014466
7.115565
7.250495
7.168720
1
-164.0182
110.0348
0.003699
5.750568
6.425219*
6.016347*
2
-149.0140
25.78848
0.003840
5.781687
6.996059
6.260089
3
-131.7904
27.45006
0.003753
5.743450
7.497543
6.434476
4
-106.1262
37.69424*
0.002857*
5.441445
7.735259
6.345094
5
-89.22145
22.71583
0.002916
5.413170*
8.246704
6.529442
6
-74.88419
17.47353
0.003309
5.465131
8.838386
6.794026
注:
表中的检验都是基于5%的显著性水平,*表示根据所在标准选择的最优滞后阶数。
五个滞后准则分别是:
5%显著性水平下序列调整的LR检验统计量、最后预测误差FPE、赤池信息量准则AIC、施瓦茨信息量准则SC、汉南—奎因信息量准则HQ。
2、模型估计结果。
根据确定的滞后期,建立平均股票价格的VAR(4)模型,并得到参数的估计值和方程的拟合情况。
把DGJ的估计结果写成方程形式为:
DGJ=-0.651895847615*LNTZ(-1)+0.274990297412*LNTZ(-2)+0.0404731694572*LNTZ(-3)-0.0127442403102*LNTZ(-4)+0.309502508487*LNMJ(-1)-0.426610347581*LNMJ(-2)+0.161975307337*LNMJ(-3)-0.251362997141*LNMJ(-4)-0.374876493696*JG(-1)+0.137********6*JG(-2)+0.141235235386*JG(-3)-0.121840124418*JG(-4)-0.0901015999743*DGJ(-1)+0.0943882376859*DGJ(-2)+0.00164987137537*DGJ(-3)+0.229164950555*DGJ(-4)+24.959738762
表3-2VAR模型各方程检验结果
LNTZ
LNMJ
JG
DGJ
R-squared
0.267846
0.276006
0.853922
0.437271
Adj.R-squared
0.028775
0.039599
0.806223
0.253522
Sumsq.resids
10.52526
13.78123
9.696286
15.91659
S.E.equation
0.463467
0.530330
0.444841
0.569937
F-statistic
1.120361
1.167506
17.90236
2.379726
Loglikelihood
-33.06602
-41.96049
-30.35885
-46.71428
AkaikeAIC
1.517152
1.786681
1.435117
1.930736
SchwarzSC
2.081154
2.350683
1.999119
2.494738
Meandependent
5.427280
5.449038
100.6606
0.015606
S.D.dependent
0.470282
0.541153
1.010541
0.659658
在表3-2中,第四列表示上述方程的检验统计量的值,表示决定性残差协方差、对数似然函数值、AIC和SC信息量。
(四)、脉冲响应函数
在实际应用中,由于VAR模型是一种理论性的模型,用它来做样本外近期预测非常精确,但如果用它做样本外长期预测则只能预测出变动趋势,而且对短期波动的预测却不理想。
另外对VAR模型中的单个参数估计值进行经济解释是困难的,因此在使用VAR模型时,通常不分析一变量对另一变量的影响,而分析误差项发生变化,或者说模型受到的某种外在冲击对系统的动态影响,这种方法称为脉冲响应函数方法(impulseresponsefunction,IRF)。
通过脉冲响应分析可以了解变量受到冲击后对北京房地产板块平均股票价格的短期影响,和滞后一定期间的影响程度。
(1)、单位圆检验。
在做脉冲响应函数分析前,需要检验VAR模型的稳定性。
经检验发现,VAR模型估计的所有根模的倒数都小于1,即都在单位圆内(如图4-1),这表明其VAR模型是稳定的。
图4-1:
稳定性单位圆分析
(2)脉冲响应图分析。
图4-2为平均股票价格对各因素的脉冲响应图,横轴为滞后期,滞后期为20期,纵轴为变量对冲击的响应程度。
其中图4-2中的实线表示响应函数,虚线表示围绕响应函数的两个标准差的置信区间。
可以看出股票平均价格(DGJ)对房地产开发投资完成额(LNTZ)和新建商品住宅销售价格指数冲击的响应滞后期为两期,稳定期为四期。
股票价格受投资额(LNTZ)的冲击,会产生负向影响,随着时间推移,这种影响逐渐减少直至消失。
股票价格受新建住宅价格(JG)的冲击会产生正反馈效应,说明交易各方对市场波动的判断加大,持仓量会有所增加,但很快,价格冲击产生的负反馈效应更占据主导地位,即一期以后新建住房价格对股票价格起正向反馈推动作用,推动股票价格的波动。
股票价格对新建住宅面积冲击的响应滞后期约为三期,考察期的前两期,新建住宅面积的变动对于股票价格变动产生正向影响,从第三期开始变为负反馈效应,并在随后的几个时期内的波动逐渐收敛。
图4-2:
平均股票价格对各因素的脉冲响应分析
(五)、方差分解
方差分解(Variancedecomposition)是将系统的均方差误差(meansquareerror)分解成各变量冲击所做的贡献,从而评价各变量冲击的重要性。
方差分解是分析预测残差的标准差由不同信息的冲击影响大比例,亦即对应内生变量对标准差的贡献比例。
采用Cholesky正交化处理消除残差项之间的同期相关和序列相关后,对所建立的VAR(4)模型进行方差分解分析,进一步通过方差分解考察各变量对房地产板块股票价格预测误差变动的贡献(见表5-1)。
表5-1各因素对房地产板块股票价格方差分解的贡献度(%)
Period
S.E.
LNTZ
LNMJ
JG
DGJ
1
0.463467
0.781906
0.634687
3.242027
95.34138
2
0.503197
5.764822
3.299626
10.49853
80.43703
3
0.508687
7.054413
8.176372
11.00116
73.76805
4
0.513825
7.601572
8.237379
10.92545
73.23560
5
0.515695
7.603729
8.213864
11.54072
72.64169
6
0.522289
8.556855
8.056423
15.47786
67.90886
7
0.525522
8.356336
7.797830
16.96135
66.88448
8
0.530714
8.783393
7.754069
16.79551
66.66703
9
0.532008
8.751834
7.752580
16.76347
66.73212
10
0.532918
8.732093
8.230644
17.44294
65.59432
11
0.533779
8.593503
8.138999
17.84791
65.41959
12
0.535343
8.778986
8.109204
17.74223
65.36958
13
0.536698
8.837510
8.150447
17.75609
65.25596
14
0.537588
8.812357
8.266260
17.84658
65.07480
15
0.538242
8.796049
8.276513
17.96337
64.96407
16
0.538694
8.942282
8.246751
17.89476
64.91621
17
0.539007
9.022323
8.239431
17.90504
64.83321
18
0.539265
9.025340
8.273626
17.90383
64.79720
19
0.539562
9.030294
8.274410
17.90640
64.78890
20
0.539672
9.068180
8.267020
17.89302
64.77178
从表5-1中观察到,新建商品住宅销售价格(JG)对房地产板块股票价格波动的贡献程度较大,达到17%左右,房地产投资额对股价波动的贡献次之,新建住宅面积对房地产股票价格波动的贡献最小,二者加起来可解释17%左右的股价波动,这说明房地产销售价格的变化对股票市场的影响比较大,房地产价格波动会引起房地产板块股票的大起大落,而投资额和新建住宅面积的变化对股市的冲击相对温和。
四、结论与建议
(一)、结论分析
研究表明房地产价格、房地产投资和新建住宅面积的变化都将导致股票价格产生不同程度的波动,但其影响不显著,相比较而言住房销售价格对房地产股票价格的冲击更大。
北京市商品房投资完成额和股票价格指数之间存在着长期的微弱的反向关系,这表明房地产投资和股票投资之间存在一定的相互替代关系,且房市与股市之间存在着一个多月的滞后效应,房市的调整对股市行情的影响较为滞后。
从宏观上看,股票价格在受到房地产市场短期冲击后,要经过一年以上的时间才能逐步回归均衡。
说明房产板块股票价格的稳定性一旦受到冲击后,波及持续时间较长。
(二)、政策建议
由于房地产作为一种大宗消费品以及生活必需品,且随着大量外地人口涌入北京,住房本身存在着大量的刚性需求。
同时,北京市消费结构升级的态势非常明显,北京市人均可支配收入的提高,出现大量地对住房的改善性需求。
另外,住房市场上的刚性需求、改善性需求、投资性需求的多重叠加也需要政府多渠道、分层次的供应市场产品以满足不同层次人的住房需求。
例如,规定新建商品房项目里面的中小户型、中低价格的房子比重,贯彻调整住房结构的宏观政策。
为中低收入群体提供廉租房、公租房。
政府通过税费优惠的方式合理引导开发商营建经济适用房。
在城市土地国有的情况下,政府作为土地一级市场的唯一供给主体,可以通过控制土地的性质、用途、数量来达到宏观调控的目的。
在完善土地使用制度和城市规划合理的情况下,调控时尽量选择对房地产股票价格直接冲击小的调控目标,减少对住房销售价格的直接干预,让市场在房地产资源配置中起决定性作用,减少对股票价格波动的冲击。
由于房地产业波动对金融市场稳定性的冲击有一个时滞,因此建立一个客观、有效的房地产业监控体系,进行政策信息和市场信息收集、总结和公布,减少市场经济中信息不对称和滞后性问题带来的股价波动,同时为我国货币政策制定以及市场参与者的投资决策提供有效的依据,促进房地产业发展与国民经济发展相协调,房地产业发展与我国金融业发展相协调,避免房地产业的剧烈波动,是房地产价格逐步回归合理水平,推动自身和金融市场的稳定发展
- 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:
- 楼市 政策 房地产 板块 股票价格 冲击 分析
![提示](https://static.bdocx.com/images/bang_tan.gif)