国外对房地产产业关联性的研究始于上世纪30年代初经济大萧条之后，至今研究相对成熟。国外学者对房地产产业联动性方面的研究随着产业关联理论及其分析工具的发展而不断深入。国外学者的研究对象主要集中于欧美国家实体经济层面，所使用的分析方法主要为：投入产出法和可计算一般均衡模型等。国内学者对房地产产业联动性方面的研究起步较晚，而且相关文献相对较少，大部分文献主要集中于研究房地产业与国民经济增长之间关系方面的研究。仅有的少数文献均是基于实体经济层面采用不同分析方法来对国内或局部地区房地产产业联动性进行实证分析，而对虚拟经济层面的房地产产业联动性研究甚少；目前国内学者采用的方法主要有：投入产出法、可计算一般均衡模型（Computable General Equilibrum Model,CGE）、向量自回归模型（VectorAutoregression model,VAR）等；这些方法中，投入产出法由于面临“数据更新滞后、只能刻画线性、静态的产业关联性”等局限，无法及时捕捉房地产与相关产业间的存在的非线性、非对称的静态（动态）联动性及其存在的结构突变特征；可计算一般均衡模型（CGE）虽然能充分描述国民经济系统中各部门或各账户之间的静态与动态关联性，同时也能刻画在外部冲击下，各部门的响应特征。但是CGE模型需要的数据比投入产出分析要为复杂而难以找到，同时也带有投入产出法的部分缺陷；向量自回归模型(VAR)相比投入产出法的优势在于可以揭示出房地产业对相关产业的动态冲击影响及行业间的因果关系检验；但VAR模型只能对单一区制下的房地产产业关联性和冲击响应程度进行分析，而无法进一步分析在不同区制下房地产业关联机制和脉冲响应。在研究市场风险演化模式方面，国内外学者研究基本同步，均是始于Engle和Manganelli在2004年正式提出的CAViaR（Conditional Autoregressive Value at Risk,CAViaR）模型之后。国内外学者围绕CAViaR模型主要进行了两方面的工作：一是直接应用CAViaR模型进行实证分析；二是对CAViaR模型及相关估计方法进行拓展和改进。国外学者在CAViaR模型的理论拓展方面领先于国内学者，国内学者基于CAViaR模型的实证研究都集中在股票市场和期货市场等金融市场，而鲜有对房地产市场领域进行研究。针对现有研究存在研究视角和研究分析方法上存在的不足，本文以中国房地产业为研究对象，以其产业关联机制及市场风险演化模式为主要研究内容，采用动态Copula模型来研究虚拟经济层面上房地产业与金融业之间的时变联动性及其结构突变特征；采用Vine Copula模型来分析虚拟经济层面上房地产业及其相关产业之间存在的静态相依结构；采用MS-VAR（Markov-Switching Vector Autoregression, MS-VAR)模型来分析实体经济层面上房地产业及相关产业在不同区制下的产业联动机制及其脉冲响应；采用CAViaR模型来分析房地产产业链市场风险演化模式及其市场风险传导机制。本文研究结论如下：（1）在房地产产业动态联动性方面。中国房地产业和金融业之间存在复杂的非线性、非对称的上（下）尾时变联动性，但缺乏持续性；这种联动性的变化依赖于过去的收益的变化并且存在反向关系，过去收益的波动越大，两者之间的关系越密切，反之亦然。同时，通过对两个行业的时变联动性进行结构突变点检测发现其上（下）尾时变联动性存在多个结构突变点，而且上尾时变联动性的突变幅度要明显大于下尾时变联动性的突变幅度。房地产业与金融业之间的上（下）尾时变联动性突变点发生日期附近往往伴随着影响这两个行业的重大货币政策或房地产调控政策的出台或意味着股市走势拐点的发生；（2）在房地产产业链静态相依性方面。房地产业与相关产业（钢铁、建筑材料、建筑装饰、家电和银行）之间存在复杂的相依结构；总体上来看，房地产业与各行业之间显示出较高的无条件相依性；比如，建筑材料与建筑装饰这两个行业之间的相依性高达1.04，房地产与银行之间的相依性最小为0.67。从相依性类型来看，钢铁业与建筑材料、建筑材料与建筑装饰、建筑装饰与家电业之间存在非对称的厚尾分布相依性，而且上尾相依性比下尾相依性更大；与此同时，家电与房地产业、房地产与银行业之间则存在对称性的上（下）尾相依性。各行业间的条件相依性比无条件相依性要小的多；（3）在房地产产业联动机制及脉冲响应方面。房地产业与相关产业（钢材、水泥、家具、家电）之间存在不同区制下的相互影响机制。在研究时期内，房地产业对其产业链上的钢材业、水泥业和家具业具有明显的带动作用或相互促进作用，房地产业自身的行业增长在随后的12个月内能带动相关行业的发展。与此同时，房地产业存在三种不同的发展区制（区制1：楼市火爆期；区制2：楼市复苏期；区制3：楼市低迷期），其中区制1平均可持续时间为9.53个月，区制2平均可持续时间为20.10个月，区制3平均可持续时间为15.56个月，由此可见，在研究时期内，我国大部分时间处于楼市火爆或复苏期。房地产产业联动性在行业不同景气阶段表出现非对称和非线性的特征。在不同区制内，相关产业对房地产的冲击响应程度有所差异。在楼市低迷时期，房地产的波动冲击对其他产业的负面影响最大；其次是在楼市火爆时期，房地产的波动冲击对其他产业的积极影响相对比较持久；在楼市复苏时期，房地产的波动冲击对其他产业影响的持续期较短，而且呈现出震荡衰减态势；（4）在房地产市场风险演化模式方面。CAViaR模型中的AS模型最适合用于刻画房地产业及其相关产业的市场风险及演化模式。在房地产市场风险演化模式方面，基于AS模型的实证表明：房地产市场风险具有显著的自相关性，当期的VaR值不但受到前一期的VaR值的显著正向影响，而且也同时受到前一期正收益率和负收益率的正向影响，但负收益率的影响程度比正收益率的影响程度稍大些，从而体现出正负收益率对VaR(Value at Risk)值影响的非对称性，杠杆效应明显；（5）在房地产产业链市场风险传导机制方面。房地产业市场风险是钢铁业、建筑材料业、家电业和银行业市场风险的单向Granger原因，分别会在滞后2天、4天、4天、3天内进行风险传导。而房地产业市场风险与建筑装饰业市场风险之间互为Granger因果，两者会在3天内相互传导。相比之前的相关研究，本文可能的创新之处在于：第一、拓展了房地产产业联动性的分析视角。本文基于实体经济视角和虚拟经济视角来分析我国房地产与相关产业之间存在的静（动）态联动性及其非线性、非对称特征。在此基础上进一步挖掘出动态联动性中存在的结构突变点及其位置，从而为进一步分析外部重大财经政策的出台对房地产产业联动性的影响提供了坚实的实证基础。这一方面丰富了当前有关房地产产业联动性研究的理论视角和内涵；另一方面在系统性把握宏观调整等重大财经政策出台对房地产产业链联动性的影响、认识房地产联动性特征、构建更为有效的投资组合等方面为政府监管层、房地产企业经营者及相关投资者提供有益的启示；第二、揭示了不同区制下房地产产业链的非对称交互影响特征。有别于传统研究中采用投入产出表来分析房地产业存在的静态、线性的产业关联性，也不同于大部分研究只集中于虚拟经济的研究视角，而忽视实体经济中房地产业与其相关产业之间的相互作用更为突出，影响更为深远的局限；本文采用马尔可夫区制转换向量自回归模型来分析房地产业与相关产业在不同区制（房地产业景气时期、复苏时期和低迷时期）情景下，各产业之间的静态交互影响特征；在此基础上，利用脉冲响应分析法，进一步刻画在不同区制下房地产业的波动对其他相关产业所造成的冲击程度及其差异，最终揭示了不同区制下房地产产业链中存在的非对称性、非线性的交互影响特征；第三、刻画了房地产业市场风险演化模式及其风险传导机制。在进行房地产业市场风险测度时，不同于传统上先假定资产收益分布形式的做法，而是通过构建分位数（VaR）的演化模式，直接从分位数视角进行房地产市场风险建模，这不但可以避免事前收益分布假定错误的出现，并较好体现出收益率的非正态分布特征，直接计算出风险值，而且还能进一步探讨分位数自身可能存在的自回归过程，从而揭示出房地产市场风险的演化模式；本文中通过多种返回检测指标的比对也进一步证实了所构建CAViaR模型的合理性；在此基础上获得房地产业及相关产业的市场风险变化值（ΔVaR），通过格兰杰因果关系检验法来分析房地产业与相关产业市场风险之间的传导机制。