泡沫测度（精选6篇）
泡沫测度 篇1
房地产业是国民经济的基本产业部门, 是为整个社会活动提供基础性条件的重要产业, 在国民经济发展中具有重要的作用。中国房地产业自20世纪80年代以来得到了快速发展, 有力地推动了投资和消费, 拉动了经济的快速增长。随着我国房地产投资的不断增长, 部分地区出现了房地产市场供求失衡、房地产经济与国民经济发展不协调等态势, 造成了商品房大量积压, 出现了很多问题楼盘等现象。房地产泡沫引起了人们关注, 而如何测度房地产泡沫成为了人们关注的核心问题。目前, 房地产泡沫的测度方法主要有理论价格法、指标指示法、统计检验法和空置率修正法。由于我国尚处于经济转轨时期, 房地产业还是一个新兴产业, 市场体系不够成熟, 数据积累不够多, 理论价格法、统计检验法和空置率修正法在应用时尚存在一定的限制和不足之处, 故本文采用指标指示法来测度我国的房地产泡沫。
一、房地产泡沫测度指标的选择
(一) 房地产泡沫的形成机制
房地产经济系统是一个非线性系统, 房地产价格受到内生因素和外生因素的影响。房地产价格波动模型可表示为:
P=f [X (Y, K, L, P, M, AS, AD) , Y (S, C, E) ]。
其中, P代表房地产价格, X表示内生变量, Y表示外生变量。外生变量由投机因素S, 政策因素C和预期因素E等随机变量合成;内生变量X受投入资本存量K、土地资源L、土地政策P、货币M、总供给AS、总需求AD等因素的影响。
房地产泡沫主要是由投机因素、政策因素和预期因素等导致的, 而房地产市场的预期主要受到国民经济发展水平的影响。随着我国经济的高速发展, 大量投机性资金进入房地产市场。短期内大量投机性资金极大地推动了房地产价格的虚高, 引起房地产价格与其实际价值严重背离, 超出了居民的购买能力, 从而产生了房地产泡沫。
(二) 房地产投资与GDP的关系
国民经济发展水平可用GDP的增长速度来衡量。为了定量分析房地产投资与GDP的关系, 本文基于我国1991-2004年的时间序列统计数据, 采用EG法对GDP的自然对数与房地产投资REI的自然对数进行协整分析, 得到协整方程为:
undefined
误差修正模型为:
undefined。
R2=0.999 219, Adj-R2=0.999 052, DW=1.833 020, F=5 972.865
对上式变形得:
ΔlnGDPt=0.155 433 ΔlnREIt-0.398 779 (lnGDPt-1-7.106 330-0.521 063lnREIt-1) +et。
由协整方程和误差修正模型知:长期内, 房地产投资每增长1%, GDP将增长0.541 983%。短期内, 房地产投资每增长1%, GDP增长0.155 433%。所以, 短期内大量投机性资金进入房地产市场必然导致房地产投资REI与GDP之间的比例失衡。
根据以上分析, 考虑统计资料的可得性、可操作性, 并借鉴国际通用指标, 本文选取房地产投资额/GDP、房地产价格增长率/GDP增长率、房价收入比这3个指标作为房地产泡沫的测度指标。
二、房地产泡沫测度的实证分析
(一) 指标指示法
1.房地产投资/GDP
房地产投资/GDP指标的计算公式为:
undefined。
式中, R1表示房地产投资额与GDP的比率, REI表示房地产投资额, GDP表示国内生产总值。
根据以上公式计算所得结果如表1所示。
根据国际经验, 房地产投资额占GDP的比重一般在3%～8%之间, 建设高峰时期在8%左右。因此, 该指标的临界值定为8%。
从表1可以看出, 1991-2002年我国房地产投资额占GDP的比重指标均小于8%, 2003、2004年两年均高于8%, 应引起各方高度重视。
资料来源: (1) 中国房地产投资额, 《中国统计年鉴1995-2005》。 (2) 中国GDP增长率, 《中国统计年鉴1995-2005》。
2.房价增长率/GDP增长率
房价增长率/GDP增长率指标的计算公式为:
undefined。
式中, R2表示房地产价格增长率/GDP增长率, RHP表示房地产价格增长率, RGDP表示GDP增长率。
由于当前我国房地产市场主要是住宅市场, 有关房地产泡沫的争论也是集中在住宅市场, 因此, 房价收入比只测度商品住宅市场。根据以上公式计算所得结果如表2所示。
资料来源: (1) 商品房平均销售价格, 《中国统计年鉴2005》。 (2) 商品房平均售价增长率, 笔者计算得来。 (3) 中国GDP, 《中国统计年鉴2005》。 (4) 中国GDP增长率, 《中国统计年鉴1995-2005》。
关于房价增长率/GDP增长率指标的临界值, 国际上并无严格标准。一般认为, 当房价上涨幅度是GDP增幅的2倍以上时, 认为房价很不正常, 有较大泡沫。1987-1990年, 日本发生严重房地产泡沫时, 其房价增长率/GDP增长率为3.3;1986-1996年, 香港房地产泡沫膨胀期, 该指标为2.4;1997年8月, 香港严重房地产泡沫时, 该值为3.6～5.0。而中国在1992-1993年间产生房地产泡沫时, 该指标值在2左右。参考国际国内房地产泡沫产生时的指标值, 该指标的临界值定为2比较合适。
从表2可以看出, 1991-2004年间, 1993年房价增长率/GDP增长率的指标大于2, 1992年接近于2, 其他年份房价增长率/GDP增长率的指标均小于2, 但是, 2004年该指标较2003年猛增214.57%, 应引起各方高度重视。
3.房价收入比
关于房价收入比的计算方法有两种:一种为“商品住宅平均单套销售价格与居民平均家庭年收入的比值”;另一种为“居住单元的中等自由市场价格与中等家庭年收入之比值”。由于第二种算法所需数据在我国不可获取, 故本文采用第一种算法。其计算公式如下:
undefined。
式中, R3表示房价收入比, VH表示商品住宅平均单套销售价格, IF表示居民平均家庭年收入。
在上式中, 商品住宅平均单套销售价格等于商品住宅平均销售价格与商品住宅平均单套销售面积之积;居民平均家庭年收入等于城镇居民平均每人全部年收入与城镇平均每户家庭人口数之积;商品住宅平均单套销售面积等于城镇人均住宅建筑面积与城镇平均每户家庭人口数之积。经化简后, 上式又可写成如下形式:
undefined。
式中, R3表示房价收入比, P表示商品住宅平均销售价格, SA城镇人均住宅建筑面积, IP城镇居民平均每人全部年收入。
应用上述公式计算1991-2004年中国“房价收入比”, 见表3。
资料来源: (1) 城镇人均住宅建筑面积, 《中国统计年鉴2005》。 (2) 城镇平均每人全部年收入, 《中国统计年鉴 (2005、2003、2002、2000、1998、1996、1993) 》。 (3) 商品住宅销售价格, 《中国统计年鉴2005》。
关于房价收入比的临界值, 国际上也没有一个统一的标准。Bertnand Renaud认为发达国家的房价收入比在 (1.8～5.5) ∶1之间, 发展中国家在 (4～6) ∶1之间, 而一些经济落后的发展中国家和社会主义经济国家的房价收入比, 远远高于6倍。按照我国的统计数据计算得到1992-1993年间, 我国产生房地产泡沫时的房价收入比在7.0以上。根据国际上对房价收入比的研究成果并结合我国房地产泡沫发生时的房价收入比, 我国房价收入比临界值定为7.0左右较合适。
从表3可以看出: (1) 20世纪90年代以来我国的房价收入比总体上处于较高水平; (2) 除1992-1993年房价收入比大于临界值外, 其他年份房价收入比均小于临界值。
(二) 房地产泡沫综合指数
以上3个指标从不同角度对我国房地产泡沫进行了分析, 但各指标所含的信息量相对有限。因此, 为了更全面地反映我国房地产市场的泡沫状况, 本文将采用不封顶方法计算房地产泡沫综合指数。
其基本思路是:首先, 将各项指标进行无量纲化处理。即用各项指标的实际值与其临界值相比, 得到各同度量指标的抽象值;其次, 合成房地产泡沫测度系数。房地产泡沫测度系数采用房地产测度指标的几何平均值来计算。其计算公式如下:
undefined。
式中, Br表示房地产泡沫综合指数, I1表示R1/C1, I2表示R2/C2, I3表示R3/C3, C1表示房地产投资额/GDP的临界值, C2表示房地产价格增长率/GDP增长率的临界值, C3表示房价收入比的临界值。
应用指数合成法计算泡沫综合指数, 其计算结果如表4所示。
当房地产泡沫综合指数小于1时, 表明房地产市场中不存在泡沫成分;当房地产泡沫综合指数大于1时, 表明房地产市场中开始出现房地产泡沫, 数值越大, 房地产泡沫的程度越严重。
以上计算结果反映了1991-2004年我国房地产业的发展状况:1992年全国出现房地产热, 全国房地产泡沫综合指数由上年的0.484 3猛增到0.689 4;1993年, 部分地区开始出现泡沫, 全国房地产泡沫综合指数接近于1;1994年, 在中央宏观调控措施的影响下, 泡沫综合指数值下降到0.574 7;1995-1997年指数值均高于0.65, 反映出房地产泡沫的影响尚未完全消除;1998年至2003年, 我国房地产业迎来了新一轮的增长, 泡沫综合指数一直处于较低水平, 小于0.5;到了2004年, 泡沫综合指数再度强劲反弹到0.949 9, 指数较上年增幅达到56.65%, 已接近房地产泡沫产生的临界值。这说明:虽然还没有产生全国性的房地产泡沫, 但部分地区已经出现房地产泡沫, 应该引起各方高度重视。
三、结 论
综上所述, 1992、1993两年, 我国部分地区产生房地产泡沫的原因是当时我国正处在向市场经济过渡的初始阶段, 房价及住房面积增长过快, 而居民人均收入增长速度跟不上房价及住房面积增长的速度。1994-2002年, 从整体上看我国房地产行业尚未出现房地产泡沫:我国房地产投资额/GDP处于安全区域;商品房销售价格的增长是以GDP增长为支撑的, 并没有脱离GDP增长的基础;商品住宅销售价格并未高到不合理的程度, 商品住宅销售价格的上涨是以居民收入的增长为基础的。但在2003、2004两年, 房地产投资额/GDP均已越过警戒线, 某些地区已产生了房地产泡沫。这主要与房地产投资增速过快及大量投机资金的进入有关。另外, 房地产行业还存在着商品住宅供给结构不合理、负的实际利率、人民币币值的低估和土地供给的制约性政策等问题。如果这些问题不能得到很好的解决, 将会导致全国范围内房地产市场泡沫的产生。因此, 现在非常需要在政策领域做有关调整以保证房地产市场的健康和持续发展。
参考文献
[1]蒋益锋.房地产泡沫检测方法述评[J].城市开发, 2004 (1) .
[2]洪开荣.房地产泡沫:形成、转化与吸收[J].中国房地产金融, 2001 (8) .
[3]刘琳, 郑思奇, 黄英.房地产泡沫测度系数的编制方法[J].中国房地产, 2003 (6) .
[4]方琼, 邓荣均.香港经济是否存在泡沫[J].亚太经济, 1998 (6) .
[5]黄正新.关于泡沫经济及其测度的几个理论问题[J].世界经济与政治, 2002 (1) .
[6]刘琳, 郑思奇, 黄英.房地产泡沫测度系数研究[J].价格理论与实践, 2003 (3) .
[7]李维哲, 曲波.地产泡沫预警指标体系与方法研究[J].山西财经大学学报, 2002 (2) .
[8]周刚华, 贾生华.房地产泡沫衡量方法的比较研究[J].浙江经济, 2003 (8) .
上海市房地产泡沫测度分析 篇2
从1997年开始, 我国房地产业经历了新一轮的上升期。经过多年的快速发展, 房地产业已经成为国民经济的支柱性产业。但在房地产投资和消费高速增长的同时, 关于房地产泡沫问题成为了全社会最为关注、最具争议的焦点问题。有关房地产泡沫的争议频繁见于各类传媒, 政府也开始出台相应的调控政策。由于不同主体看问题的利益、立场、观点和方法不同, 且普遍缺乏有说服力的数据以及和实践相结合的评价方法, 人们只能是各执一词莫衷一是。
2 功效系数法
功效系数法计算综合泡沫测度系数, 运用综合泡沫测度系数K对地产泡沫的发生和变化程度做出判断用。功效系数法能够消除泡沫测度系统中各个指标的量纲不统一和性质各异问题, 通过对每一个指标求算功效系数Yi, 进而求算系统的综合泡沫测度系数K, 作为判断房地产泡沫的依据。
功效系数法的计算公式为:
undefined
其中, Yi为对应Xi的评价分数值 (功效系数) , Xi为第i个泡沫测度指标的评价分数值, Xundefined为第i个指标的不允许值, Xundefined为第i个指标的满意值。
采用功效系数法求算综合泡沫测度系数的具体步骤为:
①建立房地产泡沫测度指标体系, 收集泡沫测度指标某时期的观测数据值。
②确定每一指标的不允许值Xundefined和满意值Xundefined。这两个数值要根据历史统计数据并参照目标房地产市场的数据加以确定。
③依据功效系数的计算公式, 计算每一指标的功效系数Yi
④将每一指标的功效系数进行计算, 求出综合泡沫测度系数K, 其计算公式为:
undefined为选取的预算指标个数)
其中, Wi为功效系数Yi的权重, 可以用主成分分析法来确定其值。
⑤运用综合泡沫测度系数K判断地产泡沫的发生程度。
K值与泡沫程度存在这样的关系:0
3 对上海房地产市场的实证研究
上海作为一座国际化大都市, 近年来经济获得了长足的发展, 已成为我国经济发展的“排头兵”。而上海的房地产价格也远远超出全国其他城市, 房地产市场的“上海现象”令人瞩目, 是房地产泡沫争论的焦点城市, 由此本文就以上海作为问题研究的对象, 选取2000-2005的年度数据作为实证分析的样本。
3.1 泡沫指标的确定
参考《上海房地产市场预警预报指标体系研究》课题组的研究成果, 筛选以下的8个指标作为泡沫指标:房地产开发投资额增长率 (X1) , 房地产开发投资额/固定资产投资额 (X2) , 房地产价格增长率/实际GDP增长率 (X3) , 商品房施工面积/商品房竣工面积 (X4) , 商品房新开工面积/施工面积 (X5) , 房价收入比 (X6) , 商品房销售额/商品房开发投资额 (X7) , 商品房销售面积/商品房竣工面积 (X8) 。根据以往数据的统计分析, 专家总结出各指标的泡沫参考区间。
本文由此得出每一指标的不允许值和满意值如下表:
3.2 功效系数的计算
根据功效系数的计算公式:undefined, 使用EXCEL计算得下表:
3.3 权重的确定
使用主成分分析法确定各指标的权重值。首先对表3中的数据按照undefined, 进行标准化处理, 并使用SPSS对数据进行主成分分析, 得到以下各表:
通过表4 (方差分解主成分提取分析) 可知, 应提取2个主成分 (选取特征值大于1为标准) 。再运用SPSS计算得到以下权重系数表。其中的F1、F2为主成份系数值。
3.4 综合泡沫测度值K的计算
运用公式计算K值, 并对照K值与泡沫的关系程度, 得到下表:
4 结论
通过对K值的定量化计算, 发现2004年上海市房地产泡沫已达到警戒级别。这在一定程度上验证了许多专家学者对于上海房地产市场“过热”的担忧, 此研究可以帮助政府有关部门及房地产开发商引起足够的警觉, 从而促使上海楼市长期健康发展。
摘要：房地产是人类生存和发展最基本的生活资料之一, 也是衡量一国经济和生活水平的重要标志。房地产泡沫是人多地少的国家处在经济快速发展阶段, 容易出现的一种经济现象。准确测度房地产泡沫程度能为国家有关政策的制定提供很好的参考。以上海市为例, 用功效系数法对泡沫程度进行了测度。
关键词：房地产泡沫,功效系数法,主成分分析
参考文献
[1]胡瑾卿, 张大亮.房地产泡沫测评体系研究[J].城市开发, 2004, (6) .
泡沫测度 篇3
关键词：房地产市场,泡沫,银行信贷
中国房地产市场经历了金融危机期间短暂的低迷之后,2009年10月至2010年4月,房价出现了大规模反弹,中国70个大中城市房价环比增长加速,如图1所示,2010年前4个月同比增速分别为9.5%、10.7%、11.7%、12.8%,社会各界尤其是城市居民表示房价太高、难以承受。2010年1月10日,国务院颁布了稳定楼市的“国十一条”,4月17日又发布了更为严厉的“新国十条”,在一定程度上遏制了房价过快上涨,部分一线城市房价相比4月份的最高点有不同幅度下降,6月份全国房屋销售价格环比增速出现负值,但是8月份一线城市房价没有预期中稳步回落,成交量反而有所上升。9月底,中央继新政后进行二次调控,对“新国十条”进一步严格和修正。很多学者和实务界人士认为中国房地产市场存在泡沫,房价问题已成为社会关注的焦点。本文采用十三个衡量房地产泡沫的指标对北京市房地产市场进行实证分析,综合各项指标判断房市是否存在泡沫。
泡沫指在市场经济中由投机导致的一种或一系列资产价格脱离市场基础价值而持续上涨,并且这种上涨使人们产生对这种资产的远期价格继续上升的预期[1]。房地产泡沫指由房地产投机等因素所引起的房地产价格脱离市场基础价值的持续上涨,使得土地和房屋价格极高,与其市场基础价值不符[2]。2001年,全国房价开始温和上涨,至2004年底,房价出现急剧上涨,并开始了中国房地产业的“泡沫之争”。早期“泡沫论”典型代表学者有谢国忠、易宪容。谢国忠(2004)曾在《中国房地产泡沫将破灭》中提出警告,认为中国拒绝提高利率的做法刺激每个潜在投机者加入到这个有史以来最大的泡沫中。易宪容(2004)也认为,如果让国内房地产泡沫任意吹大,泡沫破灭不可避免。自此,有关房地产泡沫的争论持续不断,一些学者从不同角度分析了泡沫产生的原因。尹中立(2005)和李木祥(2007)认为税制因素导致房地产生成泡沫;张涛(2007)认为房地产炒作、投资及引起房地产价格与使用价值严重偏离,从而形成泡沫;文红星(2008)认为土地出让制度的不完善致使房地产市场形成泡沫。认为房地产市场不存在泡沫的大多是实务界人士,代表人物有叶林(2010)和任志强,他们认为真实需求支撑下的房价上涨不能视为泡沫。“泡沫之争”在2008年金融危机引发房地产市场低迷情况下暂时平息,后来随着2009年房地产市场强劲反弹,泡沫问题又被推到风口浪尖之上。
判断中国房地产市场是否存在泡沫,关键在于测度“泡沫”的指标是否合理。归纳起来,国内学者主要从两个角度衡量房地产市场泡沫的程度:(1)直接测度,即利用房产基础价值与市场价格的偏离度来测度泡沫程度,代表学者有韩冬梅(2008),这种方法比较严谨,但不易操作;(2)间接测度,利用房价收入比、房地产价格增长率与实际GDP增长率之比以及空置率等统计指标测度房地产的泡沫程度,代表学者有杨帆(2005),这种测度方法容易操作但不够严谨。所以,自始至终都没有形成一套得到公认合理的测度泡沫的指标。本文旨在综合间接测度的多项指标,判断北京市房地产市场是否存在泡沫。尽管间接测度指标不够严谨,但是综合多项指标判断的结果有一定说服力。
数据来源:根据Wind资讯提供的数据计算绘制。
一、北京市房地产泡沫测度的实证分析
本文综合学者们提出的有关测度房地产泡沫的指标,将其分为三类:需求类指标、供给类指标和信贷支持类指标,依据这些指标判断泡沫是否存在。但是,由于受数据获取性的限制,少数测度指标无法测算。此外,由于全国经济发展不均衡,基于数据考察全国房地产泡沫程度没有实际意义,所以,本文选取一线城市北京,综合分析各项指标判断北京市房地产市场是否存在泡沫。
(一)需求类指标
需求类指标主要从需求和价格的关系来衡量,测度真实需求情况,主要指标有房价收入比、租售比、房地产销售总额/GDP总额、房地产价格增长率/GDP增长率、房地产价格增长率/GDP平减指数、住宅空置率。
1.房价收入比。
房价收入比是某个住宅市场在某个指定时期内销售住宅的自由市场价格中位数(或平均数)和该市场家庭年收入中位数(或平均数)的比值。它反映了居民家庭对住房的支付能力,比值越高,支付能力越低,反之,支付能力越高。该指标是使用频率较高的一项指标,目前流行“4-6”的说法,是20世纪90年代初世界银行专家Andrew Hamer来华进行中国住房制度改革研究时,提出的一个世界银行认为比较理想的比例。但是,据联合国公布的资料,不同国家房价收入比的离散程度相当大,1998年对96个国家的分析统计结果表明,这些国家的房价收入比区间为0.8-30,平均值为8.4,中位数为6.4[3]。
本文测度北京市房价收入比采用商品住宅价格与城镇居民平均家庭年收入之比衡量,其中“商品住宅价格”采用“住宅平均销售价格*100”粗略测算;“城镇居民平均家庭年收入”采用“人均实际年收入*平均每户家庭人口*1.5”。由于数据的不可获取性,统计局无法统计一部分家庭的隐性收入和灰色收入,所以本文认为隐性收入和灰色收入占统计家庭年收入的一半,家庭平均年收入是统计局公布的家庭年收入的1.5倍更真实[4]。1987-1990年间,日本存在严重的地产泡沫,该项指标的平均值为3.3;而香港该项指标在1986-1996年间平均值达2.4,1997年8月是香港楼市的高峰期,该指标达3.6-5.0,此时香港的房地产市场存在严重的泡沫,香港的房地产业相对于实体经济已经严重偏离[5]。从表3可以看出,2000-2003年,北京市住宅价格的变化从总体上看没有脱离实体经济的支撑,反而被低估了,房市不存在泡沫。而2005-2007年,这一比值大幅上升,更在2007年远超出预警信号的临界值。但是,受金融危机的影响,2008年房价增速大幅回落,使得这一比值低于1,说明2007年形成的房市泡沫大幅收缩。但是,2009年这一比值升至2.15,已经超出了预警信号的1.3,表明北京房地产市场存在泡沫。
数据来源:根据Wind资讯提供的数据整理得出。
5.房地产价格增长率/GDP平减指数。
GDP平减指数反映了私人消费品、公共部门、生产资料和成本、进出口商品和劳务价格的变动程度,因而,房地产价格增长率和反映全部商品及劳务价格变动的GDP平减指数相比,可以测定房地产在全部商品体系中价格的走向,从而为房地产业的冷热判断提供依据。当房价增长率明显高于GDP 平减指数时,意味着房价的增长很可能已经超过全部商品和服务价格的增长,虚高的房价将引发投资浪潮,促使泡沫形成和膨胀。表4显示,2005年以前北京住宅价格增长率和GDP平减指数之比很低,受房价大幅增长的影响2005年这一比值高达16.29,随后2008年受金融危机影响降至2.96,但是2010年上半年又有大幅回升的趋势,所以,和2005年以前该指标数据比较,说明目前房地产市场存在一定程度泡沫。
数据来源:根据Wind资讯提供的数据整理得出。
6.住宅空置率。
空置房是指竣工后尚未售出的房屋,空置率用北京住宅空置面积除以近三年住宅销售面积计算得出,是衡量房地产是否相对过剩的指标,而产品相对过剩是泡沫经济的集中体现。空置率越高,说明房屋生产相对过剩,产品积压严重;空置率偏低,说明产品供不应求。表5显示2001年北京市住宅空置面积最高,2007年最低,对照表6商品房空置率标准,2004年至2009年的空置率均在合理区,住房空置率相比其它指标比较乐观,但是2001年空置率超过20%,按照国际标准处在商品房积压区间,说明房地产市场存在泡沫,这与实际情况不符,这可能是统计数据失真或统计口径不同造成的。所以,空置率这一指标并不能说明问题。
数据来源:根据Wind资讯、CEIC提供的数据整理得出。
资料来源:蒋南平.中国房地产泡沫测度指标的分析与建立[J].当代财经,2009(10):92.
本文认为住宅闲置率(已售出但处于闲置的住宅面积除以本地区全部住宅面积)从需求角度出发,考察处于闲置状态房屋的比率,更能反映房地产市场是否由于投机性需求过高而炒高房价,从而形成泡沫。但是,由于闲置住宅面积的统计数据不易获取,所以目前对闲置率并没有准确的统计数据,也没有统一的房市泡沫标准。
(二)供给类指标
供给类指标主要测度房地产投资是否过热,供给是否过度。测度的依据可与整个宏观经济运行情况比较,主要指标有房地产投资额增长率/GDP增长率、城镇房地产开发投资额/城镇固定资产投资额、住宅施工面积/住宅竣工面积、地价增长率/GDP增长率。
1.房地产投资额增长率/GDP增长率。
将房地产开发投资增长速度与全社会经济增长速度进行比较,判断是否存在对未来房价预期过高而出现房地产投资过热现象。对发展中国家而言,房地产行业对带动当地经济发展有非常重要的作用,因此,在经济发展初始阶段和快速发展时期,房地产投资额增长率比较高,甚至达到15%-30%。经过快速发展后进入平稳发展期,该增长率与经济发展速度相当,应保持在5%-15%左右。所以,房地产投资额增长率与GDP增长率比值在房地产复苏和繁荣阶段前期会高些,可达到2-4,如果过高则说明房地产市场存在泡沫。表7所示,2008和2009年受金融危机影响,北京市住宅投资额出现负增长,但是2010年上半年住宅投资迅速增长,超过GDP增长率近5倍,说明今年以来房地产投资过热,房地产市场已经形成泡沫。
2.城镇房地产开发投资额/城镇固定资产投资额。
这一指标反映城镇房地产投资在固定资产投资中所占的比例,说明有多少资金投入房地产市场,指标数值越高意味着房地产投资过热,可能存在泡沫。国际上公认不存在泡沫的比值是10%以下,发达国家的房地产投资一般占20%-25%,我国房地产作为国民经济的支柱行业,该指标在30%以上则视为有泡沫[6]。表8所示,天津和全国城镇房地产开发投资分别占各自固定资产投资的比例在20%左右,但是北京市这一指标自从2001年就超过50%,而且波动幅度不大,又因2001年北京市房地产市场没有泡沫,所以通过这一指标,不能判断目前房地产市场存在泡沫。
数据来源:根据Wind资讯提供的数据整理得出。
数据来源:根据Wind资讯提供的数据整理得出。
数据来源:根据Wind资讯提供的数据整理得出。
3.住宅施工面积/住宅竣工面积。
这一指标反映了住宅未来的供求情况,根据在建项目的实际情况,施工面积通常为竣工面积的3.0±0.5倍,故施工面积反映了1-2年后现房供应量,若小于2.5倍,会出现供应短缺的局面,若大于3.5倍,未来供应量会放大。所以,该比值越大,说明未来的房地产泡沫越大,一般认为3.2倍是发出泡沫预警信号的比值[7]。表9显示,2000-2007年北京住宅施工面积与住宅竣工面积的比值在2.5-3.2之间的正常范围之内,但是该比值在2008年和2009年达到3.96和3.44,意味着住宅施工面积过多,预示着2009年和2010年房屋供应量放大,产品可能会相对过剩,房地产市场可能会出现泡沫。
4.地价增长率/GDP增长率。
比较地价增长速度与GDP增长速度,可以考察地价增长是否与经济发展速度相适应。地价上涨过快一方面归因于房地产投资过热,开发商大量圈地造成土地供应失调;另一方面是政府将城市建设成本承载到土地价格中造成的。土地价格的泡沫程度是反映整个房地产市场泡沫的重要指标之一。该比值越高,说明泡沫成分越大,指标的判断可以结合当地市场历史资料综合分析,从预警角度考虑,该比值不应超过2,否则便可认为出现了房地产泡沫的苗头。表10所示,北京地价增长率和GDP增长率的比值浮动较大,2001-2005年仅0.2左右,2006年达到6.79,虽然2009年该指标为2.91,但这是在2006年和2008年两年地价飞速增长后的增长率,其基数本来已经很高,所以,北京市地价存在泡沫。因为房地产是由土地及其附着建筑物所构成,而建筑物是劳动产品,其价格是由成本、利润、税金来确定,其价格和税金都相对比较稳定,所以,目前房地产泡沫一定程度是由地价泡沫造成的。
数据来源:根据Wind资讯提供的数据整理得出。
注:“北京市房地产各项贷款余额”指房地产开发商开发贷款,不包括个人购房按揭贷款。 数据来源:根据Wind资讯提供的数据整理得出。
数据来源:根据Wind资讯提供的数据整理得出。
(三)信贷支持类指标
信贷支持类指标主要从房地产对银行业的依赖程度判断房地产市场是否存在泡沫,主要包括房地产贷款总额/金融机构贷款总额、房地产贷款增长率/贷款总额增长率、房地产开发贷款占房地产开发企业资金来源的比重。
1.房地产贷款总额/金融机构贷款总额。
房地产贷款总额是开发商开发贷款和个人购房按揭贷款之和。此项指标是房地产贷款在金融机构贷款总额中的占比,反映了银行信贷对房地产行业的支持力度,比值越大,意味着金融机构信贷风险主要源于房地产信贷,如果泡沫膨胀并破裂,很可能引发金融危机。2006-2009年,该指标分别为10.5%、11.2%、10.2%和10.7%,比值没有出现大幅波动,单从这一指标不能判定北京房地产市场是否存在泡沫。
2.房地产贷款增长率/贷款总额增长率。
该项指标一方面反映房地产贷款与其它贷款相比是否过大,从横向反映房地产信贷的规模是否合适;另一方面反映银行贷款向房地产贷款的集中度。从银行获得投资或投机的资金是前提条件,所以这一指标的变动可以预测房地产市场的非正常变化。与房地产贷款占金融机构贷款总额比重这一指标相比,更能从趋势上判断房地产市场的走势。表11所示,2008年房地产行业受金融危机影响贷款增速较慢,该项指标仅为0.32,而2009年达到1.18,表明房地产开发投资贷款和个人按揭贷款增速超过贷款总额增速,银行信贷对房地产贷款的支持出现过度迹象。
3.房地产开发贷款占企业资金来源的比重。
这一指标能从侧面反映房地产信贷规模,并反映房地产企业对银行贷款的依赖程度,如果比重过高,泡沫的生成与破灭对银行生成不良贷款的风险就越大。它能够反映房地产高杠杆这一特性,根据国外经历,在房地产泡沫酝酿的过程中,该指标通常会不断提高,直至达到一个危险的临界点(许多国家对该指标上限有规定)。房地产市场的虚假繁荣使得开发商更愿意依靠大量银行贷款赚取更多利润,而银行看到房地产市场的“繁荣”自然更愿意向开发商提供信贷支持。在这种过于乐观的气氛下,房地产市场容易滋生泡沫。从表12可以看出,2000-2010年上半年期间,2009年北京市房地产开发贷款占资金来源的比重最高,达38.6%,这与当时应对金融危机提出放宽房地产信贷政策有关,致使房地产市场形成了一定程度泡沫。随着2010年国家陆续出台收紧房地产信贷相关政策,今年上半年这一比重已经有所下降。但是除2009年之外,这一指标波动幅度不大,所以从这个指标不能判断北京市房地产市场是否存在泡沫。
二、结论
综合以上测度北京市房地产泡沫的三类指标,大多数指标都在不同程度表明北京房地产市场已经出现泡沫,但也有少数指标不能说明是否存在泡沫。表13所示,需求类指标中除了“住宅空置率”外,目前北京市“房价收入比”、“租售比”、“房地产销售总额/GDP总额”、“房地产价格增长率/GDP增长率”、“房地产价格增长率/ GDP平减指数”等五个指标都可以判断房地产市场存在泡沫,因为2009年或今年上半年的指标都明显超出预警线或历年平均水平,主要是投资性需求推高了房价,致使其脱离其市场基础价值。而比较乐观的住宅空置率指标不可信,取而代之的应该是“住宅闲置率”指标。
供给类指标中除了“城镇房地产开发投资额/城镇固定资产投资额”这一指标不能判断房地产市场是否存在泡沫外,“房地产投资额增长率/GDP增长率”、“住宅施工面积/住宅竣工面积”这两个指标表明房地产投资在国民生产总值、固定资产投资总额中所占的比例不断上升,住宅施工面积过多,投资过热导致房地产市场出现泡沫。而“地价增长率/GDP增长率”从土地价格角度反映地价高涨引发房价泡沫。
信贷支持类指标中“房地产贷款总额/金融机构贷款总额”和“房地产开发贷款占企业资金来源的比重”不能判断房地产市场是否存在泡沫。而“房地产贷款增长率/贷款总额增长率”这一指标反映房地产市场存在泡沫,房地产开发贷款的增长率过快说明银行对房地产信贷支持力度过大,致使房地产出现泡沫。
参考文献
[1]曹振良,高晓慧.中国房地产产业发展与管理研究[M].北京:北京大学出版社,2002:299.
[2]曹振良,傅十和.房地产泡沫及其防范[J].中国房地产,2000(2):7.
[3]蒋南平.中国房地产泡沫测度指标的分析与建立[J].当代财经,2009(10):95.
[4]谢百三.高度警惕我国部分城市房地产业的泡沫经济卷土重来[J].价格理论与实践,2003(1):40-42.
[5]李平.对我国房地产泡沫的测度研究[J].统计与决策,2007(24):84.
[6]周京奎,曹振良.中国房地产泡沫与非泡沫[J].山西财经大学学报,2004(1):53-57.
泡沫测度 篇4
一、房地产泡沫测度
(一) 模型设定
王浩和穆良平 (2015) 对房地产泡沫测度指标方法进行了论述及评效, 其认为只有以房价收入比为指标测度我国城市住宅市场泡沫水平具有适用性。本文将核心考虑房价与可支配收入的关系来测度我国房地产泡沫水平, 但房地产泡沫为不可观测变量, 本文将采用状态空间模型对其进行拟合, 逻辑为现有房价等于房地产的基准价格部分加上房地产泡沫部分, 其基准价格部分由人均可支配收入决定及其他控制变量决定, 如公式 (1) 、 (2) , Yt为房地产价格或房地产投资量, Bt为房地产泡沫, Xit为自变量, 这里假设房地产泡沫服从一阶自回归过程, 具体变量名称详见变量的统计特征表。
其中, Wt、Vt分别表示过程和测量的噪声, 他们的协方差分别为Q、R。在观测方程中, 房价信息Yt及控制变量Xit是可观测信息, Bt为房地产泡沫, 为不可观测信息, 可通过卡尔曼滤波来推断, 假设时刻为t, 根据状态方程, 可以基于t-1状态预测t的状态:
根据协方差及观测值来修正Bt|t:
那么t状态下的Bt|t协方差为:
公式7带入公式4形式, 就可以求得Ωt+1|t, 再根据新的协方差来修正进行预测估计。
(二) 变量的统计特征与拟合结论
上述变量为2001 年2 月至2015 年5 月的月度数据, 数据经过季节性调整, 数据来自中经网数据库, 变量均值与中位数差别不大, 偏度峰度显示近似服从高斯分布。房价与新屋开工面积分别从价、量两个维度来测度房地产泡沫程度, 为了便于对两种泡沫进行比较, 这里将以偏离度还度量, 即Bt/ (Yt - Bt) , 如下图。
结果显示, 以价格度量的房地产价格泡沫正在膨胀, 而以投资量度量的房地产泡沫正在加速收缩, 价格膨胀有明显的阶段性:2003 年房地产立为支柱产业后;2008 年4 万亿元救市;2012 年银行表外业务加速。而以新屋开工面积作为投资意愿来测度的房地产泡沫中, 除了2004年高速膨胀后, 膨胀速度就开始下滑, 2008 年、2012 年稍微反弹, 但持续下降。量维度的泡沫萎缩较于价维度的泡沫具有前置性, 房地产供应商更能感知市场的饱和程度, 量维度泡沫萎缩反映出投资意愿的下降, 也预示价格维度泡沫膨胀的不可持续, 随着房地产投资意愿的下降, 其投资增速下滑将影响经济增长。
简单计算2008年至2015年GDP增速与房地产投资增速的相关系数, 其值为0.93, 房地产投资与宏观经济增长的关系基本达到线性化程度, 房地产投资的下降将直接拖累经济增长。近期政策上在提速基建来对冲房地产投资下滑, 但由于基建涉及的产业远不及房地产, 其与GDP增速的相关系数仅为0.24, 为房地产驱动增长紧密度的三分之一。因此, 虽然说房地产价格泡沫还在膨胀, 但从量的角度看, 其在收缩, 且这个收缩过程会放缓经济增速, 那么具体是继续打压地产泡沫还是救市?恶化到何种程度才需要救市, 救市的底线在何处?下文将以Logit模型量化以说明。
二、泡沫收缩过程中的救市预警
(一) 模型设定
房地产自2003 年列入支柱产业开始发展, 但2006 年、2007年意识到房地产膨胀严重, 开始调控, 2008年“4万亿”救市又放宽, 2009-2014 年债务问题涉及银行间市场, 地产金融端又受到限制, 回顾这段年月, 房地产政策从宽又从紧, 从紧又从宽, 可以根据过去政府对房地产的政策方向, 对离散化的因变量设定:历史中救市为1, 不救市为0, 然后通过Logit模型根据房地产产业链上的变量变化来推导可能救市的概率。自变量为房地产自身相关领域有房地产投资增速、房地产施工面积、房地产资金来源, 房地产销售面积;上游领域有粗钢、发电量、生铁、水泥、平板玻璃、焦炭。
(二) 变量的统计特征与拟合结论
2001-2015 年的月度数据, 数据来自中经网数据库, 数据采用了其同比增量, 各变量统计特征见表2, 从各变量的均值及中位数来看, 各变量分布较为均匀, 从偏度和峰度看, 偏度接近0, 峰度接近3, 基本近似高斯分布, 模型中位数回归不会产生偏差。
为了提升模型的稳健性, 本文采用Logit模型的同时也采用了Probit模型, 表3给出了各变量的回归系数, Logit模型与Probit模型的系数方向一致, 两者反映着相同的信息。房地产与基建的上下游会一定的重合, 如水泥与钢铁, 这两个变量与救市概率正向相关, 可能是叠加了基建加速过程中的影响, 但在房地产较独有的特征中, 房地产施工面积与平板玻璃与救市概率显著负向相关, 即房地产量增速下跌会触发救市概率的提升, 现有阶段, 房地产资金紧缺也能反映一部分救市概率的上升, 但房地产资金的稀缺也可以认为为供给端的杠杆调控, 因此房地产资金增速与救市概率之间不存在显著的关系。
Logit模型推导出来的概率为数学概率, 如图2左, 近期的救市概率明显增加, 但还需测度判断概率的正确性, 本文将概率的时间序列放回历史中评测, 测算各临界值的最高胜率, 如图2 右, 可以看到数学概率的临界值为0.78, 其意味着当测度的数学概率超过临界值0.78 时, 正确率为92.98%。我们再看图2 左, 概率远超过0.78, 意味着房地产产业链已处于恶化状态, 需要进一步的刺激。就目前来看, 房地产产业链的恶化概率已接近100%, 则一方面说明前期的松绑工作未到位, 另一方面则需要更多宽松政策进行兜底。
三、结论与政策建议
转型经济背景下, 房地产既是支柱产业, 也是过剩产业。以状态空间测度的房地产价格泡沫自2001 年开始不断攀升, 由15%膨胀至30%, 但房地产量的泡沫由16%萎缩至13%。从价格泡沫的角度看与已有文献的结论一致, 房地产泡沫处于严重区间, 其集聚的风险越来越高, 需要缓冲, 但房地产量的泡沫收缩意味着房地产投资意愿在下滑, 投资增速放缓, 由于房地产涉及多个相关行业, 对经济增长的影响较大, 近期的政策面放开符合此逻辑。本文建立的Logit模型可以作为监控房地产泡沫下限的预警模型, 其自变量覆盖了房地产本身及上游产业, 可以依据这些指标来推导救市的概率 (必要性) , 当概率超过0.78 时, 就需要宽松政策出台来缓和房地产下沉对经济增长的冲击。
从需求端来看, “认贷不认房”、降低贷款首付比例、引入外资购房等政策是激励人们去房地产库存, 进一步的需求端杠杆提升还有空间, 以加速房地产去库存。从供给端来看, 目前的土地购置面积及新屋开发面增速刚经历了一段负增长, 意愿依然没有得到提升, 需要在资金面对供给端进行一定的宽松, 如房地产开发贷利率的下调。关于房地产泡沫的控制上, 需要对价量分开, 对于一线城市来说, 可以继续实施降低杠杆的调控, 以去房地产金融属性为主, 但对于二三线城市来说需要提升杠杆, 以去房地产库存为主。对于房地产企业自身来说, 鼓励其兼并收购或者积极转型。
摘要：转型经济背景下, 房地产既是支柱产业, 也是过剩产业, 学术界测度的房地产泡沫越来越大, 风险越来越高, 但政策面却逐渐放宽, 大力救市。本文以状态空间模型来测度房地产泡沫的上限, 并以Logit模型测度房地产泡沫下限, 发现以价格度量的房地产价格泡沫正在膨胀, 而以投资量度量的房地产泡沫正在加速收缩, 这种收缩会放缓经济增速, 杠杆放宽需要从需求端延伸至供给端。
关键词：房地产泡沫,房地产救市,状态空间,卡尔曼滤波
参考文献
[1]孙红, 湘张悦.中国房地产泡沫测度与成因分析[J].西安科技大学学报, 2013, 4, P476-478.
[2]许春青, 田益祥.基于均衡分析的我国房地产泡沫度分析[J].财经理论与实践, 2014, 01:113-119.
[3]史兴杰, 周勇.房地产泡沫检验的Switching AR模型[J].系统工程理论与实践, 2014, 03:676-682.
[4]贾生华, 李航.噪声交易者预期与房地产泡沫——基于35个大中城市的实证研究[J].审计与经济研究, 2014, 03:85-92.
[5]王浩, 穆良平.当前我国房地产泡沫两种主要测度方法:研究思路、误区及适用性分析[J].宏观经济研究, 2015, 02:78-85.
泡沫测度 篇5
目前, 对于房地产泡沫概念的界定, 学术界还没有形成统一的权威解释。弗拉德与加伯 (1980) 认为:当房地产市场价格取决于其预期的变动率时, 房地产泡沫将会产生。也就是说, 投资者的套利行为会使人们产生对房地产的预期, 而当这种预期的变动使得房地产的市场价格变动完全脱离经济基础条件决定的市场价值时, 房地产泡沫就产生了。刘洪玉等 (2003) 认为:当人们出现投机行为时, 就可能会出现房地产的价格与其使用价值严重背离的情况, 也就是说此时的房地产价格己经不再需要实际使用者的支撑, 这时就会出现房地产泡沫。本文认为房地产泡沫是指房地产价格偏离市场基础决定的理论价格的持续上涨。
近年来, 我国房地产业取得了巨大成绩, 但是在许多方面还是发展不够平衡, 房地产投资增长速度过快、房屋空置率较高、土地大量闲置、房价增长过快等矛盾也越来越突出。自2001年以来, 我国房地产市场价格出现了连续五年快速上涨, 国家多次试图进行调控, 但效果并不明显, 房地产价格虚高现象已是一个不争的事实, 政府先后出台了一系列宏观调控政策调控房价, 然而收效甚微。在我国不完善的市场制度下, 房地产泡沫很容易产生。房地产泡沫不断积累, 房地产价格上升过快, 容易产生虚假的需求信息, 影响开发者和消费者的预期, 增加房地产市场风险。由于泡沫破灭对国家经济和社会带来的后果往往很严重, 因此, 研究房地产泡沫具有重要意义。
自1980年弗拉德和加伯首次对泡沫理论完整描述以来, 国外学者提出各种泡沫检测方法, 取得了相当多的研究成果, 归纳起来主要可分为间接检验法、直接检验法和指标法三类。 (1) 间接检验法主要是根据变量的变化趋势来判断, 针对适当的模型做假设检验, 把市场价格中可以用未来各期资产收益的理性预期贴现值来表示作为原假设, 如果拒绝原假设, 就认为可能存在泡沫。间接检验包括超常易变性检验、单位根和协整检验、设定性检验等。 (2) 直接检验法又称建模法, 直接根据房地产各期收益的折现值来判断泡沫的存在性, 或通过建立数学模型来推算出市场均衡时房地产的理论价格, 然后同市场实际价格相比较来衡量是否存在房地产泡沫。比较有代表性的主要有两种:一种是以日本学者为代表的基于收益还原价值角度去判断房地产市场是否存在泡沫的方法;另一种是以西方学者为代表的基于供求理论去判断房地产市场是否存在泡沫的方法。 (3) 指标法是通过对能反映房地产市场的几个或一系列指标进行定量分析, 全面认识房地产市场, 并进而判断房地产业的健康程度。指标法主要包括以下三种方法:指标体系法、功效系数法以及综合指数法。由于指标法具有简便、易于操作的特点, 在我国对房地产泡沫的研究中被广泛应用, 本文拟选用此法对我国房地产泡沫程度进行实证分析。
资料来源:《中国统计年鉴》, 2011年, 中国统计出版社。
本文的研究思路: (1) 依据相关理论建立房地产泡沫评价指标体系; (2) 确定各指标的阈值, 并实证分析计算房地产泡沫程度的单项指标; (3) 运用因子分析法对单一指标进行加权得到综合指标, 其数值的大小可以作为判断房地产泡沫程度的依据; (4) 提出建立房地产泡沫预警预报系统的对策建议。
资料来源:《中国统计年鉴》, 2011年, 中国统计出版社。
2 房地产泡沫测度指标体系的构建
2.1 方法说明
目前, 国内学者对房地产泡沫度测度的方法主要有三种:第一种方法是设定指标临界值和权重, 将指标的实际值与临界值比较, 对房地产泡沫发生的可能性和严重程度进行预测和监控;第二种方法是划定不同的测度段, 并对其赋予不同的数值代表泡沫的严重程度, 通过各指标的测度级别值加权求和计算得到综合测度值, 根据综合测度值级别判断房地产泡沫发展的程度;第三种方法是用功效系数法计算综合测度系数。例如, 学者谢经荣 (2002年) 根据上述第一种方法提出了分析房地产泡沫的指标体系法, 在设定指标临界值和权重的前提下, 他将泡沫发生的概率划分为A、B、C三个级别。指标体系分为三类指标:预示指标、指示指标和滞后指标。预示指标是通过分析连续时间段内指标的变化情况, 据以预测地价走势及产生地产泡沫可能性的指标, 包括房地产贷款增长率/贷款总额增长率、货币供给、股价指数等。指示指标是针对地价发生明显波动的时期, 通过对相关数据的比较分析, 判断是否发生地产泡沫及衡量其严重程度的指标, 包括地价增长率/GDP增长率、房价/家庭平均收入等指标。滞后指标是对地价波动结果的统计性反映, 相对于预示指标和指示指标来讲是一个滞后性指标, 包括地价总额/GDP。
指标评价法是指选取一些与房地产市场密切相关的经济指标来考察房地产市场在各方面的表现, 通过对房地产市场有关重要信息的收集来评判房地产业发展的总体情况, 进而判断房地产市场是否存在泡沫, 这是一种常见的房地产泡沫的测度方法。国际上通用的指标包括房价增长率/实际GDP增长率、房价收入比、房地产开发投资/固定资产投资、房地产开发贷款/银行贷款总额、房屋空置率等。在建立指标的过程中主要遵循以下几个原则:
第一, 综合性原则。即应全面考虑各种影响到房地产泡沫的因素, 尽可能将那些较为重要的影响因素适当地引入该指标体系之中, 便于分析研究。
第二, 代表性原则。即入选的指标应该能够较好地说明房地产泡沫的大小, 与房地产泡沫无关或关系不大的因素不予考虑。
第三, 可比性原则。为了使指标之间可以进行对比, 有的指标虽然在衡量房地产泡沫中具有很好的效果, 但其不具有可比性, 应予剔除。
第四, 可操作性。有的指标对分析房地产泡沫具有很好的效果, 但在实际中由于我国房地产数据还不全面, 而且较难获得, 在分析的过程中只能舍去。
第五, 总量指标与相对指标相结合的原则。总量指标反映了房地产泡沫发展过程总的发展水平, 相对指标反映了房地产泡沫发展的速度与平均水平。两者相结合运用能够较真实反映我国房地产泡沫的情况。
参考国际上通用的评价指标, 结合中国的实际, 本文构建的房地产泡沫评价指标体系主要包括:房价增长率/实际GDP增长率、新开工面积/施工面积、施工面积/竣工面积、房地产开发投资增长率、商品房销售额/商品房开发投资额和房价收入比等六个方面。
2.2 指标的选取
本文选取房地产开发投资额、商品房施工面积、商品房竣工面积、商品房新开工面积、商品房本年销售价格、国内生产总值、房价收入比、商品房销售额、商品房开发投资额等指标作为原始数据 (见表1) 。
根据原始数据计算得到的房地产泡沫指标数据 (见表2) , 主要有商品房价格增长率与GDP增长率之比 (X1) 、商品房新开工面积与施工面积之比 (X2) 、商品房施工面积与竣工面积之比 (X3) 、房地产开发投资额增长率 (X4) 、商品房销售额与商品房开发投资额 (X5) 和房价收入比 (X6) 。
3 我国房地产泡沫测度实证分析
3.1 单项指标法
本文在对各指标进行泡沫程度判断时, 首先建立房地产泡沫程度的评判标准, 划分具体的指标区间, 并依据该评判标准确定的阈值, 分别对各项指标进行分析。
根据单项指标的泡沫程度评判标准 (见表3) , 对表2中的六项房地产泡沫指标进行测度, 具体分析结果见表4。
3.1.1 商品房价格增长率与GDP增长率之比
房价增长率与GDP增长率之比这个指标是测量房地产经济相对实体经济 (GDP) 增长速度的动态相对指标, 该指标经常被作为衡量房地产泡沫的一种判断标准, 经济的发展是虚拟经济发展的基础, 用实际GDP增长率反映实体经济的发展, 因此可以把房地产价格增长率与经济增长率进行比较, 反映虚拟经济与实体经济的偏离程度。该指标值越大, 房地产泡沫的程度就越大, 它可以衡量房地产行业扩张程度, 显示房地产经济与实体经济的偏离程度, 进一步可以判断房地产市场是否存在由于对未来房价预期过高而出现的投资过热现象。从表4可以看出, 该指标从1998年到2008年基本处于无泡沫状态, 只在2004年出现了轻微泡沫以及2009年出现极度泡沫。
3.1.2 商品房新开工面积与施工面积之比
房地产业的暴利吸引着越来越多的资金, 而且中国现今的金融体制并不是很健全, 人们投资渠道很少, 而房地产业恰好是一项操作性比较简单而且在过去的时期资本收益率也是相当高的一个行业, 这也正成为吸引众多资金的理由。由表2可知, 1998年到2007年期间全国商品房新开工面积与施工面积的比值一直居高不下, 一直保持在40%左右, 这直接推动了最初几年的房地产市场趋热, 表现出来的泡沫也主要集中在这期间, 而只有2008年和2009年表现出轻微泡沫。
3.1.3 商品房施工面积与竣工面积之比
该指标是重要的能够反映房地产市场泡沫的前瞻性指标, 它能够反映房地产市场供给与需求的关系。其中, 商品房施工面积反映的是未来一至两年的现房供应量, 而商品房的竣工面积是房地产投资滞后一至两年的表现。若该指标值小于3, 就表明出现供应短缺的情况, 若其值大于3.8, 预计未来供应量将会被放大, 即会出现供大于求的状况。当指标值较大时, 说明房地产供给过多, 意味着房地产泡沫会越大。从表4可以看出, 从1998年至2005年该指标处在无泡沫的状态, 从2006年开始呈现泡沫状态, 这表明全国的房地产市场中出现了一定的供大于求的情形, 该指标在2008-2010年的极度泡沫也表明了这一事实。
3.1.4 房地产开发投资增长率
房地产的发展肯定是需要投资去拉动的, 但如果是过度投资, 往往会使房地产的供给大幅度提高, 而有效需求往往比较固定, 没有相应的需求与之匹配, 房地产市场就会出现供大于求的情况, 因此当存在过度投机行为、房地产市场过热时, 房地产投资增长率必定大幅上涨, 所以该指标一般被认为在衡量房地产泡沫问题上有效性较高的一个指标。从表2可以看出, 该指标在1998年和1999年涨幅在14%左右, 这主要是受到当时中国经济现实情况的影响, 当时的中国经济刚刚实现软着陆。2000年以来, 房地产开发投资额增长率就开始逐年递增, 房地产市场有了很大的发展, 供求矛盾也有所扩大, 并于2003年达到了30%以上, 这说明房地产市场的供给已经过量, 随后一年的宏观调控政策的频频出台, 才使得激增的现象有所缓解。
3.1.5 商品房销售额与商品房开发投资额
商品房销售额代表着消费者对商品房的需求大小, 而商品房开发投资额也反映了开发商对于商品房投资的大小, 而两者之比能够反映房地产市场是否存在相对过剩, 同时也能够间接反映商品房的空置情况。若该指标较大时, 说明房地产开发的效率比较高, 同时房地产的空置量也比较低, 这会对未来的房地产投资等产生一定的影响。从表4可看出, 该指标只有在2009年表现出轻微泡沫, 其余年份都无泡沫。
3.1.6 房价收入比
房价收入比这个指标是根据房地产泡沫生成机理投机需求因素选取的, 反映了居民对房产的相对购买能力以及家庭对于当年房价的承受能力。比值越小, 说明居民有很强的住房消费能力, 同时也说明房地产的价格是居民收入能够承受得住的, 也说明房地产市场的发展比较健康;比值越高, 居民的支付能力就越低。如果这个指标不断扩大到居民支付能力的上升已经不能满足房地产价格的上涨, 整个市场却仍然呈现出不断扩大的迹象, 这就表明市场中的投机成分较大, 从而可能导致泡沫。
在发达国家, 一般认为该指标若是在3到6倍之间, 说明房地产市场是比较正常而且健康的, 若是高于这个标准, 就认为存在泡沫。但是我国的房价收入比一直是高于这个标准的, 表2中, 除2002年和2003年外, 1998年到2010年的该指标一直保持在6以上, 所以有些学者认为我国的房价收入比不太合理, 据此便认为房地产市场存在泡沫。但事实上, 由于每个国家的经济发展水平、居民消费结构等都会使得人们的购房能力有所不同, 所以这一经验数据并不适合我国的国情。按本文给定的阈值, 该指标只在2009年出现了轻微泡沫, 说明一般居民住房消费水平承受能力的标准在房价收入比的合理范围内。
3.2 综合指标法
如果只通过单项指标的分析来认识我国房地产市场的泡沫程度, 难免具有片面性。为此, 本文应用统计学中的因子分析法, 对上述六项单项指标进行综合分析, 提取相应主成分, 用各因子的累积贡献率当作权重, 进而得到一个综合测度值, 用它判断我国房地产泡沫是否存在以及泡沫程度。
因子分析是多元统计分析中处理降维的一种方法, 其基本思想是通过变量的相关系数矩阵内部结构的研究, 找出能控制所有变量的少数几个随机变量去描述多个变量之间的相关关系, 这少数几个随机变量是不可观测的, 称为因子。然后, 根据相关性的大小把变量分组, 使得同组内的变量之间相关性较高, 不同组的变量相关性较低。这里仍使用房地产开发投资增长率、商品房施工面积与竣工面积之比、商品房价格增长率与GDP增长率之比、商品房新开工面积与施工面积之比、房价收入比和商品房销售额与商品房开发投资额之比等六项指标进行实证分析, 计算我国房地产泡沫指标目的是判断我国房地产是否存在泡沫以及严重程度。数据来源于《2011年中国统计年鉴》和中经网数据库, 统计软件使用SPSS17.0。
首先, 对原始数据矩阵进行标准化处理, 以消除量纲的影响, 利用SPSS17.0对表2进行标准化处理, 得到标准化数据如表5。
其次, 根据Bartlett检验和KMO检验 (见表6) , KMO统计量为0.57, 其值大于0.5, 虽然没有达到很好的效果, 但是也可以做因子分析。
然后, 对表4中的数据进行主成分分析, 按照特征值大于1的原则 (见表7) , 其方差贡献率分别为57.718%和22.289%, 其累积贡献率达80%, 说明两个因子能概括绝大部分信息。
最后, 根据旋转后的方差贡献率作为权重对两个因子的得分进行相应的加权, 从而得到综合得分值。
根据表8, 可得这两个主成分的因子得分函数分别为:
综合得分F= (57.718F1+22.289F2) /80.007
从各个指标的含义可以看出, 如果指标得分越高, 说明房地产市场越热;反之, 则说明房地产市场越冷。而总体得分的高低也说明了房地产泡沫程度的高低, 即若总体得分较高, 说明房地产泡沫程度也比较高, 反之则说明泡沫程度比较低, 具体得分见表9。
从表9和图1可以看出数据波动较大, 2003年与2010年的因子得分较高, 分别为0.37和0.31, 说明2003年和2010年我国的房地产市场都较热, 在2003年到达波峰后, 2005年和2006年趋向于零, 到2008年受金融危机的影响一路下跌, 而2010年又呈现上扬趋势。
3.3 结论
本文根据指标评价法对房地产泡沫指标进行了定量与定性分析, 对各指标泡沫程度进行测度得出结论如下:
第一, 从房价收入比、商品房销售额与商品房开发投资额之比这两个指标来看, 除了2009年是轻微泡沫, 其他年份都可以认为无泡沫。
第二, 商品房价格增长率与实际GDP增长率之比除个别年份 (如2004年是轻微泡沫和2009年是极度泡沫) , 其他年份都很正常。
第三, 商品房施工面积与竣工面积之比这个指标以2006年为界, 2006年以后泡沫程度较为严重。
第四, 商品房新开工面积与施工面积之比、房地产开发投资增长率这两个指标反映出来的泡沫程度最为严重。
第五, 由于单个指标的分析无法从总体上认识房地产市场的泡沫程度, 于是进一步通过上述六个指标进行因子分析, 得出2003年和2010年我国房地产泡沫程度较为严重。
4 我国房地产泡沫产生的原因及对策建议
依据实证分析, 结合我国房地产市场的实际情况, 本文认为房地产泡沫产生的原因主要是2003年受土地招标价格上升、经济发展水平较快等一系列利好因素的影响, 房地产投资过热, 房地产发展势头迅猛, 房价在人们看涨的心理预期下迅速膨胀, 远远超过政府预计的上涨幅度。因此, 2003年我国的房地产泡沫的因子得分值最大。2004年, 政府看到了房地产市场发展过快的势头, 房价的涨幅过大, 从而出台了一系列的宏观调控政策, 才使得2005年和2006年的房地产价格趋于平缓, 同时房地产泡沫也逐渐减少。2008年受金融危机的影响, 对我国房地产市场有较大程度的打压, 而到了2010年经济形势的复苏使得压抑很久的刚性需求得以释放, 又由于人们对未来经济形势的良好预期, 使人们重新恢复了对房地产市场的信心, 这在房地产市场上就表现为越来越多的投机行为的出现, 这也导致了我国房地产市场泡沫的出现。
以上分析表明, 近年来, 我国房地产涨速过快, 已经严重影响社会的和谐发展。如何抑制房价高速增长和防治房地产泡沫, 已成为我国宏观调控的当务之急。针对目前过热的房地产市场, 以下相关措施有助于我国房地产市场朝着更加理性、成熟的方向发展。
第一, 建立房地产泡沫预警预报系统。房地产泡沫预警指标包括:金融机构贷款利率、货币供给增长率、房地产贷款增长率与贷款总额增长率之比、房价收入比、购租比、住房空置率、股价指数、地价增长率与GDP增长率之比等。由于我国经济、金融、房地产、个人信用制度与发达国家存在较大差距, 尤其是基础数据收集和统计存在明显不足, 想要建立一套完善的泡沫预警预报系统存在相当大的难度, 但这又是最迫切需要解决的。
第二, 完善金融体系, 从制度上防止房地产泡沫。目前我国房地产金融体系主要与银行制度有关, 我国银行业是在金融体制不健全的情况下涉足房地产信贷业务的, 我国的个人信用制度、抵押制度和抵押保险机制不健全, 银行自身也存在着许多不足之处, 如资本金不足、不良资产过高等, 这些都会加大房地产信贷的风险。但随着越来越多的国有银行和股份制银行实现上市, 同时面对金融全球化的冲击, 商业银行追求利润的驱动力越来越强, 房地产信贷特别是个人住宅抵押信贷则成为银行业打造利润增长点的理想选择。银行应严格执行国务院和中央人民银行关于房地产贷款的有关规定, 从严掌握贷款条件, 加大对房地产开发贷款和居民住房消费贷款的监管力度, 通过对贷前贷后的严格把关, 既支持了优良的房地产项目开发和个人贷款, 又防止房地产泡沫累积的潜在风险。
第三, 加强土地资源和信息管理。房地产是由房产和地产组成的, 土地是房屋的必需载体, 是房地产发展必不可少的重要资源。通过土地资源供应量的调整, 控制商品房价格的不合理上涨。要根据住房市场的需求, 保持土地的合理供应量和各类用地的供应比例, 实行土地出让公开招投标制度, 控制一些城市过高的地价, 规范调控手段, 抑制土地市场投机交易, 调整土地供应结构。同时, 由于房地产泡沫的增多与信息不对称有很大关系, 为了减少房地产投机过度和银行业的逆向选择和道德风险问题, 我国要加快房地产信息建设, 定期不定期公布房地产信息, 增强房地产信息的完备性和准确性。
因此, 我国应进一步完善金融体制, 健全银行内控体系, 加强土地和信息管理, 建立房地产泡沫预警预报系统, 利用现代信息技术处理与房地产市场运行密切相关的各种信息, 对房地产业进行动态监测, 对市场过热、稍热、稍冷、过冷等警情预先发出警示信号, 并预测今后市场走势, 尽量避免房地产泡沫的产生。
摘要：房地产业是国民经济发展的基础性和先导性产业, 房地产业运行健康与否, 不仅关系房地产业自身的持续发展, 而且也关系到整个国民经济的运行质量。为了对我国房地产泡沫程度进行测度, 本文依据国际上通用的指标评价法, 首先选取了六个单项指标进行房地产市场泡沫程度测量, 之后运用因子分析法对六项指标提取主成分, 计算我国房地产泡沫指标的综合得分。其结论是:1998年以来, 单项指标泡沫程度高低不等;综合指标值在2003年和2010年较高, 说明房地产泡沫程度较为严重。
关键词：房地产泡沫,指标评价法,因子分析法,预警体系
参考文献
[1].周海波.房地产价格影响因素的实证研究.海南大学学报人文社会科学版.2009.10
[2].李继云普希宁.云南省区域城市化水平评价分析.安徽农业科学.2007.32
[3].吴德进李国柱.房地产泡沫:理论、预警与治理.社会科学文献出版社.2007
[4].吴强.房地产业发展中的泡沫经济问题.经济问题.2003.1
[5].王浩.房地产泡沫评判指标的选用与实证.经济研究导刊.2008.7
泡沫测度 篇6
据国家统计局公布的数据显示:2013年12月,全国70个大中城市中有65个城市房价出现环比上涨。对此,业内人士包括一些学者都认为,中国房地产市场存在泡沫,有人则将其与日本、美国房地产泡沫的生成与破灭过程相类比,甚至断言,中国房地产市场泡沫,迟早一天会破裂,并引发严重的经济危机。然而,时至今日,除了在海南、温州、鄂尔多斯等二三线城市以外,这一预言迟迟未能突现。对此,财经评论人叶檀曾提出这样的疑问:现在房地产从指标来看,的确是存在泡沫的,比如说从房地产总市值占GDP的比率、房价收入比、还有租金回报率等几个指标来看,我国的房地产泡沫已经超过了当时日本或者是美国房地产泡沫高峰期的一些数值,但是非常奇怪的是,到现在还没有破,而且交易量还比较大。这一现象引发了一系列重要的理论与实务问题,即如何界定房地产价格泡沫;房地产价格泡沫的生存条件及主要影响因素是什么;如何测度房地产价格泡沫,以及应以什么标准判断房地产价格泡沫已经出现破裂迹象等。本文在对房地产基础价值进行界定的基础上,提出了基于房地产租赁价格并考虑通胀因素的房地产价格泡沫测度方法,并利用广州市2001-2013年的相关数据,对以广州为代表的一线城市的房地产价格泡沫程度进行了分析与评价。
2 房地产的基础价值及其确定方法
尽管人们对房地产泡沫的认识和解释千差万别,但却有许多共同之处,即泡沫是资产的市场价格偏离其基础价值所形成的价格偏离现象。无论是市场价格还是其基础价值,均可用资产所能带来的未来现金流量的现值来表达,即所谓理论价值,因此,理论价值则是市场价格或其基础价值的理论表达或数学模拟。一般而言,市场价格是现实交易中,市场参与者对影响所交易资产价格的全部市场影响因素,包括该资产所带来的未来现金流量的时间、金额及相应的风险水平进行综合评判的结果,这些影响因素既包括特定资产价值决定的基本面因素,也包含人们因投机所带来的升值预期等心理因素。基础价值则是指摈弃了因投机所产生的升值预期因素之后,由供求关系等基本面因素所决定的资产价格,也就是说,是一种理想状态下的理论价值。珐玛(Fama)认为:“在有效市场前提下,市场价格总能够完全反映市场信息。”梅尔克(Malkiel)也认为:“一个有效的市场能够正确、完全地反映与价格有关的所有信息。进一步讲,如果市场是有效的,则人们不可能通过信息分析和发掘获得额外的经济利益。”也就是说,在市场有效的前提下,具有风险中性偏好的理性投资者会自动驱使市场价格向其基础价值移动,而不会出现系统性偏差,这意味着,资产价格泡沫将失去存在的可能性。对此,泰勒(Tirole)等从跨期均衡的角度证明了在无限交易的情况下,资产价格泡沫不可能存在。因此,可以将资产的基础价值界定为:在市场有效、投资者理性,且无限交易的假设条件下,资产所创造的未来现金流量的现值。资产的基础价值与其市场价格的根本区别在于,市场价格是在吸收了所有价格影响因素,包括投机性升值预期因素后所得到的价格,而基础价值的存在的前提性假设则剔除了投机性升值预期的可能性,因而是不包含资产价格泡沫的价格。因此,也可以把资产的基础价值理解为其市场价格在市场有效、投资者理性且无限交易前提下的特殊表现。
资产基础价值的内涵界定,为资产价格泡沫的测度提供了依据。这是因为,在市场有效且投资者理性前提下,投资者最终将会获取按社会平均回报率计算的投资收益。也就是说,同等金额、相同风险的投资应获得大致相同的投资回报。这一推论为利用房屋租赁价格表现的房地产平均投资回报估算其基础价值奠定了基础。
按照资产贴现理论模型,在资产使用时域有限且贴现率既定的条件下,其理论价值的计算决定于两个因素:一是资产在未来期间所得收益表现的现金流量;二是在未来某一时点出售资产所带来的现金流量,具体可用公式(1)来表示。在市场有效且投资者理性等假设前提不具备的情况下,资产的价格有可能偏离其基础价值,因此,在未来某一时点出售资产所带来现金流量又可具体区分为两部分:一是在未来某一时点出售资产时由其基本面因素决定的资产价格;二是受投机或非理性因素影响所引起的资产增值部分,具体可用公式(2)或(3)来表示:
上式中,p为测定日的理论价值;Dn为第n期现金收益;t表示资产预期出售时间;i表示贴现率;Ft表示股票在第t期末出售时的价格;Fft表示资产在第t期末出售时由其基本面因素决定的价格部分;Fbt表示资产在第t期出售时受非理性因素决定的价格部分,其中,前两项构成了资产的基础价值(P0),而最后一项则属资产价格泡沫部分。其中,P0可表示为:
一般而言,房地产投资所带来的未来收益主要表现在两方面,一是以房屋租金表现的未来现金收益;二是因房地产所具有的抵御通货膨胀影响的功能所带来资产保值收益。由于通货膨胀在一定时期内具有持续增长的表象特征,房地产投资者通常会认为房屋租金会随着通货膨胀的持续进行而不断提高,因此,房地产租金可表示为一个具有固定增长率的数列。其增长率可用式(5)计算:
上式中,g为房屋租金固定增长率,R为房屋租金率(房屋租金与房屋销售价格之比),rp为通货膨胀率。可见,房屋租金固定增长率近似等于通货膨胀率。进一步可推知,当房租增长率为固定增长率时,房地产的基础价值可用式(6)表示:
3 房地产价格泡沫测度模型及其应用
根据前述房地产基础价值的定义及计算方法,本文通过下述模型,并以广州市2001年-2013年的相关数据为例,对各年度的资产价格泡沫进行测度。
上式中,brt为第t年的资产价格泡沫度,pt为第t年房屋每平方米平均房价;p0为第t年房屋每平方米基础价值。其他相关资料见表1。
表中各相关数据的来源及计算方法如下:
1.平均房价,即广州市每平方米商品住宅销售价格。该数据来源于CCER中国经济数据库。
2.平均租金,即广州市每平方米住宅平均租金。该数据来源于广州市国土房管局公布的广州市十区住宅平均租赁参考价格。因广州市最早于2006年1月公布商品住宅租赁价格指数,因此,2005年以前的数据系根据全国租赁价格指数推算得出。
3.存款利率。该项数据以中国人民银行公布的3年期储蓄存款利率为准,由于该利率为单利,因此,表中数据全部依据该数据转换为复利1年期利率。采用3年储蓄存款利率的依据是:(1)我国各年度发行的国债利率波幅较大,股票等其他金融资产投资风险性较高,因而不适用于投资收益相对稳定、投资期限较长的房地产投资;(2)银行贷款利率并非普通购房者所能得到的投资回报率;(3)1年期储蓄存款强调流动性优势,因而利率偏低;(4)房产投资的周期相对较长,而5年以上的银行存款利率转换为1年期利率后与3年期相当,因而选用3年期存款利率更符合人们的投资回报预期。
4.房租增幅。房租增幅受多种因素影响,从较长时期来看,房租增幅主要取决于通货膨胀因素的影响,因此,房屋租金增长率可用通货膨胀率来表示。根据以上思路,本文选择国家统计局公布的居民消费价格指数作为衡量通货膨胀率的主要依据。由于各年度物价指数波幅较大,且于下年度才予以公布,因而不符合人们更喜欢根据近年来物价变动数据来预测未来的习惯。因此,本文选择近五年的几何平均数作为预测未来物价变动的基础,其计算方法如下:
上式中, rpt为近5年几何平均物价指数,rt-n为近5年各年末居民消费价格指数。
5.房地产使用时间。我国房屋住宅价格由两部分组成,一是土地使用权价格,二是地上建筑物价格。一般而言,我国所得税法规定的房产折旧年限为30-50年,但房产的真正可使用年限却很难准确确定,从世界范围看,在和平年代,百年老宅并不鲜见;就土地使用权而言,按照我国相关法规规定,居民对房屋土地使用权最高不会超过70年,因此,表1中的相关数据均按70年的使用年限测算。
6.泡沫警戒线。不同的泡沫测算指标会有不同的泡沫警戒线,如联合国人居中心根据“房价收入比”规定的房价泡沫标准是房价为户均收入的3倍以上,世界银行规定的房价泡沫标准则是房价为户均收入的6倍以上,而基于基础价值计算的房地产价格泡沫测算指标尚未有公认的标准。就一般情况而言,我国房屋贷款首付率为30%,这就意味着,如果房屋价格下跌30%以内,不会侵害到银行利益,也就不会引发金融危机,因此,可以把房屋价格超过基础价值的30%作为房地产价格泡沫的警戒线。
根据以上思路及数据,可将房产基础价值的计算公式调整为:
由于70年属于一个较长的期间,的值可以忽略不计。因此,上式可改写为:
依据公式(7)、(8)所计算出的广州市2001-2013年各年度的房屋住宅基础价值、房屋住宅泡沫价值及房屋住宅泡沫度见表1及图1、
由表1及图1、图2可见,广州市房屋住宅价格在过去的13年中,有7年时间出现价格泡沫度小于0,只有5年的时间出现价格泡沫度大于0的情况;房屋市场价格低于其基础价值的时间主要是2006年以前。自2006年全国房价开始持续高攀后,2009年度亦出现了高达9.97%负泡沫值,主要是因为当年存款利率相对于前后几年处于谷底状态,而房屋租金却延续了以往增长态势。在存款利率偏低的情况下,由于取得同样的租金往往需要较高的本金,因而所计算的基础价值相对较高。出现泡沫价值的时间主要是2007年以来除2009年以外的其他时间,其中,以2007年泡沫程度最高,达到了近年来的最高27.29%,主要是因为,当年的存款利率达到了最高值,因而导致计算的基础价值偏低所致。总的来讲,近几年来,广州市的房屋住宅价格尽管出现了一定程度的价格泡沫,但远远未达到30%的泡沫警戒标准,因而泡沫程度并不严重。
4 研究结论
基于以上分析可以得出以下结论:
第一,市场的基础价值是在市场有效、投资者理性且交易无限条件下,资产所创造的未来收益的现值。在此前提下,市场机制将会引导资本投入到房地产行业或撤离该行业,因此,房地产的基础价值应依据资本所能带来的社会平均投资报酬率来测度。房屋租金是在一个较长时期内投资房产所能带来的未来收益的综合体现,因此,以考虑通货膨胀因素的房产租赁价格作为房产基础价值的计算依据有其合理性。依据广州市房产市场价格、房屋租赁价格等数据计算的房产基础价值及相应年份的房产价格泡沫度,较好地反映了这一测度方法的科学性和适应性,也符合人们对泡沫认识的一般观念。
第二,基于基础价值的房地产价格泡沫测度模型中的泡沫影响因素主要包括:以居民储蓄存款利率表示的城市居民投资报酬率;以居民消费物价指数表示的通货膨胀因素;以房屋住宅租赁价格代表的房地产投资回报,以及由多种因素,包括投资者行为心理因素所导致的房价升值预期等方面。一般而言,(1)存款利率越高,房价泡沫度越高。这是因为高储蓄率导致储蓄存款或房地产以外的其他投资将会获得较高的投资汇报,进而诱使人们将资金从房地产投资中撤离,最终导致房价下跌。(2)房屋租赁价格高,则泡沫程度高。这是因为,较高的房屋租赁价格会引导购房者将资金投资于房地产,从而导致房地产价格上涨、泡沫增大。(3)物价指数越高,价格泡沫度越高。原因是高物价导致人们试图将更多的资金投资于房地产,以达到财富保值的目的。(4)房产价格预期增值因素增加,会导致价格泡沫程度提高,如人们预测随着我国城镇化程度加快,资本和技术迅速向中心城市集聚,小城镇人口乃至农业人口将会大量涌入吸收外来人口能力较强的一线城市,从而加剧土地供应紧张,房产价格上涨。与此效果相反的是,即将征收实物业税的预期则会导致未来预期收益的减少。由此可见,通过调控银行存款存款利率,保持较低的物价指数,加大房产租赁税收的征管力度,并通过征收物业税等措施,增大人们持有房地产的成本,降低升值预期是调控房地产价格的重要手段。
第三,从广州市相关数据来看,房地产价格并非像人们想象的那样十分严重,2013年度的房产泡沫度仅为1.62%,即使在泡沫程度最高的2007年,房产泡沫度仅为27.29%,仍未达到30%的泡沫警戒线,也就是说,我国以广州市为代表的一线城市房价涨跌仍属市场机制调节的正常范围。事实上,市场价格脱离其基础价值上下波动是市场机制发挥作用,从而引导资源合理配置的重要表现,如果强行干预市场价格,甚至采取一些行政手段干预房价的正常波动,将会受到市场规律的惩罚。