论文部分内容阅读
安居乐业是所有人的共同愿望,居者有其屋也是中国梦实现的重要保障。
随着我国城市化进程的加快,房地产市场发展迅速,已经成为拉动国民经济发展的重要引擎。30年的发展过后,房价逐渐呈现出了“上涨幅度大,感染速度快,地区差异大,杠杆作用明显”等特点,持续攀高的房价也因此受到了全社会的空前关注,频频出现在“两会”议题之中,成为政界、学术界以及实务界关注的焦点问题。在“十三五”规划中,政府明确提出房地产业应当建立完善的调控机制,分类调控,分层施测,逐步实现精准调控,化解地方库存压力和整个市场上潜在的金融风险,同时也提出房地产市场应当建立健全风险识别和预警机制,主动识别风险,以可控的方式主动释放风险,提高风险防控能力。
针对以上要求,本文拟从房价时空扩散的视角给出解决方案,以长三角地区各城市之间房价的扩散机制作为研究的切入点,对房价在不同城市之间的扩散路径进行研究,从而量化长三角地区房价的传染效应,准确识别不同城市之间住房价格的相互作用规律,为实现精准调控和风险监测提供研究依据,保证我国房地产市场健康有序地发展。
正文部分首先介绍了各国学者对于房价互动关系的相关研究,按照房价传导机制的发展历程,梳理并归纳国内外学者对房价空间效应、房价互动关系和房价传导机制研究的相关文献及主要观点,理清发展脉络和现状。从众多学者的研究结果来看,目前已经有成熟的方法来研究房价的时空扩散规律,但是国外的模型并不适合中国的国情,本文在综合现有研究方法的基础上,结合中国房价的实际国情,对已有的模型进行改进,来刻画长三角地区房价的传导机制。
其次,构建了适合我国实际国情的高阶多中心时空传导模型和时空脉冲响应函数,并对构建的原理和估计方法进行了详细的介绍和推导。这是文章的主要创新所在。
最后在实证分析部分,首先运用贝叶斯网络模型对长三角地区所有城市房价之间的网络关系进行刻画,在了解城市之间的网络关系后,将所有城市分为4个层级,每个层级内分别建立单/多中心的时空传导模型,用于发现每一个城市的房价波动决定式,来评估每个城市的房价主要受哪些因素的影响,在此基础上推导每个城市的时空脉冲响应函数,得到每个城市房价波动的影响力函数,来评估每个城市房价的变化对于整个网络内其他城市房价的影响。
研究发现:长三角地区的城市层级划分十分明显,城市房价之间具有明显的领先滞后关系,多中心的模型效果明显优于单中心。通过对每个城市建立时空传导模型,发现上海市是整个长三角地区的中心,其房价波动率主要受上期房价的影响,并在当期对其他城市有正向的影响作用;南京、合肥、苏州主要受自身房价和周边城市房价的影响,同时需要与上海之间有负向的误差修正项来做短期修正。杭州的房价虽然波动率较高,但是并不受整个网络中其他因素左右。无锡、常州、马鞍山的房价波动率正在逐步上升,主要是由其近年来经济发展速度决定;其余城市均受自身影响较大,主要是经济能力的限制导致其在整个网络中的地位较低;同时,推导出时空脉冲响应函数以后,根据脉冲响应函数评估出每个城市房价的变化对整个市场上其他城市的房价带来的影响,包括影响的时间和大小,根据上述的两个主要模型也可以在时间和空间上对不同城市的房价做一些预测。
本文研究表明,长三角地区的城市之间房价存在着显著的网络效应,通过这种明确的网络互动关系,可以分析不同城市在整个网络中所处的地位,进而实现精准和差异化调控,规避调控过度和不足带来的风险,同时,明确房价波动的传导路径,有助于建立起房地产市场监控体系,当某城市的房价存在异常波动或者泡沫时,及时发现和精准的阻断能够为避免房价出现大面积异常提供指导作用,从而为实现我国房价的软着陆提供现实依据。
最后,谈谈本文的创新之处。第一,在研究方法上,结合中国的实际国情创建了多中心的时空传导模型和时空脉冲响应函数,是较为明显的理论创新。第二,在文章研究内容上更为全面完整。本文以长三角地区为一个整体,不仅关注每个城市房价的影响受哪些城市的影响,也关注单个城市房价变化对整个市场上其他城市房价的影响,将整个长三角地区看做一个有机的整体进行建模,更加全面客观的看待房价的变化。
随着我国城市化进程的加快,房地产市场发展迅速,已经成为拉动国民经济发展的重要引擎。30年的发展过后,房价逐渐呈现出了“上涨幅度大,感染速度快,地区差异大,杠杆作用明显”等特点,持续攀高的房价也因此受到了全社会的空前关注,频频出现在“两会”议题之中,成为政界、学术界以及实务界关注的焦点问题。在“十三五”规划中,政府明确提出房地产业应当建立完善的调控机制,分类调控,分层施测,逐步实现精准调控,化解地方库存压力和整个市场上潜在的金融风险,同时也提出房地产市场应当建立健全风险识别和预警机制,主动识别风险,以可控的方式主动释放风险,提高风险防控能力。
针对以上要求,本文拟从房价时空扩散的视角给出解决方案,以长三角地区各城市之间房价的扩散机制作为研究的切入点,对房价在不同城市之间的扩散路径进行研究,从而量化长三角地区房价的传染效应,准确识别不同城市之间住房价格的相互作用规律,为实现精准调控和风险监测提供研究依据,保证我国房地产市场健康有序地发展。
正文部分首先介绍了各国学者对于房价互动关系的相关研究,按照房价传导机制的发展历程,梳理并归纳国内外学者对房价空间效应、房价互动关系和房价传导机制研究的相关文献及主要观点,理清发展脉络和现状。从众多学者的研究结果来看,目前已经有成熟的方法来研究房价的时空扩散规律,但是国外的模型并不适合中国的国情,本文在综合现有研究方法的基础上,结合中国房价的实际国情,对已有的模型进行改进,来刻画长三角地区房价的传导机制。
其次,构建了适合我国实际国情的高阶多中心时空传导模型和时空脉冲响应函数,并对构建的原理和估计方法进行了详细的介绍和推导。这是文章的主要创新所在。
最后在实证分析部分,首先运用贝叶斯网络模型对长三角地区所有城市房价之间的网络关系进行刻画,在了解城市之间的网络关系后,将所有城市分为4个层级,每个层级内分别建立单/多中心的时空传导模型,用于发现每一个城市的房价波动决定式,来评估每个城市的房价主要受哪些因素的影响,在此基础上推导每个城市的时空脉冲响应函数,得到每个城市房价波动的影响力函数,来评估每个城市房价的变化对于整个网络内其他城市房价的影响。
研究发现:长三角地区的城市层级划分十分明显,城市房价之间具有明显的领先滞后关系,多中心的模型效果明显优于单中心。通过对每个城市建立时空传导模型,发现上海市是整个长三角地区的中心,其房价波动率主要受上期房价的影响,并在当期对其他城市有正向的影响作用;南京、合肥、苏州主要受自身房价和周边城市房价的影响,同时需要与上海之间有负向的误差修正项来做短期修正。杭州的房价虽然波动率较高,但是并不受整个网络中其他因素左右。无锡、常州、马鞍山的房价波动率正在逐步上升,主要是由其近年来经济发展速度决定;其余城市均受自身影响较大,主要是经济能力的限制导致其在整个网络中的地位较低;同时,推导出时空脉冲响应函数以后,根据脉冲响应函数评估出每个城市房价的变化对整个市场上其他城市的房价带来的影响,包括影响的时间和大小,根据上述的两个主要模型也可以在时间和空间上对不同城市的房价做一些预测。
本文研究表明,长三角地区的城市之间房价存在着显著的网络效应,通过这种明确的网络互动关系,可以分析不同城市在整个网络中所处的地位,进而实现精准和差异化调控,规避调控过度和不足带来的风险,同时,明确房价波动的传导路径,有助于建立起房地产市场监控体系,当某城市的房价存在异常波动或者泡沫时,及时发现和精准的阻断能够为避免房价出现大面积异常提供指导作用,从而为实现我国房价的软着陆提供现实依据。
最后,谈谈本文的创新之处。第一,在研究方法上,结合中国的实际国情创建了多中心的时空传导模型和时空脉冲响应函数,是较为明显的理论创新。第二,在文章研究内容上更为全面完整。本文以长三角地区为一个整体,不仅关注每个城市房价的影响受哪些城市的影响,也关注单个城市房价变化对整个市场上其他城市房价的影响,将整个长三角地区看做一个有机的整体进行建模,更加全面客观的看待房价的变化。