城市房地产经济周期的分析与探讨 薛嵬松.docVIP

精品论文 参考文献 城市房地产经济周期的分析与探讨 薛嵬松 浙江浙旅置业有限公司 浙江 杭州 310002 【摘 要】结合浙江省1990~2015年房地产统计数据，使用HP滤波、CF滤波对浙江省城市房地产经济周期分析，HP和CF滤波综合分析结果显示浙江省城市房地产经历了三个周期：1990~1998年衰退、萧条期；1999~2008年复苏期；2008~2015年持续复数期。根据城市房地产经济周期波动情况，需要从保持政策稳定性、调节中央与地方之间的矛盾以及保持政策之间的一致性入手，加强对房地产行业的调节与控制。 【关键词】房地产；经济周期；滤波分析 0.引言 房地产市场周期是指房地产市场在由房地产市场紧缩阶段和扩张阶段循周期性循环往复的波动现象[1]。不同区域的特点以及经济发展水平差异，不同国家的城市房地产经济周期、周期波动情况存在显著差异。当前国外对城市房地产经济周期研究较多，已经形成了成熟的理论体系。我国房地产行业发展时间短，对城市房地产经济周期的研究少，且研究方法单一。而且多数研究从全国整体范围对房地产经济周期进行分析，而对省级层面房地产经济周期波动分析较少。房地产经济周期差异不仅存在于不同国家之间，也存在与不同省份之间。从省级层面分析房地产经济周期更有利于政府对辖区内房地产市场发展形式作出判断，从而制定更具针对性的应对政策。本文利用滤波分析法对浙江省房地产经济周期波动情况进行分析，并提出应对房地产经济周期波动的对策。 1.浙江省房地产经济周期的滤波分析 1.1指标选择 不同的指标可以得出不同的房地产经济周期，参照国外学者研究成果，房地产经济周期指标应符合全面、稳定、直观和易得四个要求[2]。因而本文选取6个评价房地产经济周期波动的指标，分别为增加值（T1）、投资额（T2）、施工面积（T3）、竣工面积（T4）、销售面积（T5）、价格（T6），并根据以上6个指标收集1990~2013年浙江省城市房地产数据。 1.2主成分分析 主成分分析的作用在于降低信息数据的位数，从而使用更少的独立综合变量表达原有变脸的多大部分信息，并且主成分分析可以减少信息流失。本研究使用SPSS统计学软件进行主成分分析，并以方差贡献率高于85%作为提取主成分指标，建立指标体系。 标准化处理数据并进行KMO测量、Bartlett球体检验，结果显示KMO值为0.688，Bartlett球体检验结果显著，提示6个评价指标可以归纳成1个因子，并可用于表示原有变量的98.5%信息量。各个因子的荷载矩阵系数分别为0.984、0.954、0.993、0.927、0.927、0.986，主成分分析公式如下： Y=0.984T1 + 0.954T2 + 0.993T3 + 0.927T4 + 0.927T5 + 0.986T6， 1.3滤波分析 1.3.1 HP滤波分析 HP滤波分析是指将时间序列分离成一条趋势线和波动周期线，将趋势线和周期线分别设为 、 ，计算公式如下： 公式前后两个部分分别用于计算波动成分及趋势项的“平滑程度”。lambda;为惩罚因子，公式的关键在于惩罚因子的取值。根据数据时间差异，需要结合具体数据选择lambda;值。当前国内对房地产经济周期分析的季度数据多参照国外提出的标准，但是年度和月度数据取值方面存在不同看法。许多研究的年度和阅读lambda;取值分别为100、14400[3]。但是根据最新研究，lambda;取值应该为观测数据的4次方，因而年度数据和月度数据应分别取6.25、129600，该结论也在诸多实证研究中被证实。本文lambda;取6.25。进行HP滤波分析前，首先要了解序列的平稳特点，因而需要进行ADF检验，结果显示Y1属于一阶单整序列，详见表1。HP滤波分析得到一节差分d（Y1）周期波动图。将复苏——繁荣——衰退作为一个周期，对HP滤波图分析可以看到，浙江省1990~2013年城市房地产可分为1990~1998、1999`2008~2009~2013年三个周期，且第三个周期持续至今。 1.4城市房地产经济周期分析 对HP和CF滤波分析结果分析可以看到，两者的总体波动趋势相同，波动幅度和周期相近，符合朱格拉周期。但是，HP滤波分析的平稳性符合要求，lambda;取值标准尚未统一；此外，一阶单整序列Y1内可能存在伪周期信息。而CF滤波分析中的信息损失量少，且可以周期划分准确。但是CF滤波的平稳性不高。因此，结合HP