商品房销售价格指数非线性动态调整研究.docVIP

商品房销售价格指数非线性动态调整研究 　　【摘要】本文对我国1999年1月至2010年8月的商品房销售价格指数进行了建模分析。研究发现，在样本区间内，商品房价格指数数据是一个带有两次结构突变的单位根过程。检验结果说明政府所主导的一些调控措施意义不大，房价指数的变化幅度将长期围绕TAR模型的门限值0.6509波动，在长期内，我国的房价具有持续上升的趋势。EGARCH模型说明了样本区间内数据调整的非对称性，利好的刺激将会比利空的刺激更剧烈的影响价格指数的波动。 　　【关键词】房价指数；结构突变；TAR模型；EGARCH模型 　　 　　1.引言 　　我国的房价进入高速上升的通道始于2006年，房地产业的高速发展是一个国家必定经历的发展阶段，高房价高利润吸引了大量的企业投资地产业，土地价格的上涨使地方政府的财政收入大幅提高，这对于地方经济的发展有一定的促进作用。但过度依赖资产价格上涨而带来的收入，忽视了对生产制造业这些经济实体扩大再生产的投资是危险的。当中央政府对房价过快上涨进行调控，地产业受到冲击时，地方政府的财政收入便开始变得不能持续高速增长，更会导致很多具有长期性质的财政支出受到影响。因此，房地产业的稳步发展，房价稳定波动对于地方政府和国民来说都具有积极的意义。本文正是立足于此，试图对我国的商品房销售价格的动态调整做一定的分析。 　　2.房价指数非线性动态调整的实证研究设计 　　2.1 基于结构突变（内生）的单位根理论 　　3.房价指数非线性动态调整的实证分析 　　3.1 样本选取和数据处理 　　3.1.1 样本的选取 　　1998年底，我国全面停止实物分房，此后十几年，房地产市场化程度不断提高。为了使模型能够全面反应结束实物分房后房价的波动特征，本文选取中经网宏观月度数据库1999年1月至2010年8月的商品房销售价格指数为实证样本指数。 　　3.1.2 单位根检验 　　本文应用LP模型进行单位根检验，即考虑有两个结构突变点，对价格指数序列进行检验。从检验结果可以看到模型CA为最优的拟合。为了得到精确的临界值，本文采用蒙特卡罗模拟技术[3]，首先生成140个数据，然后将所有可能的样本点依次作???突变点代入模型进行估计，得到最小的值，并且重复计算5000次得到的分布图，最后通过的分布找到精确的临界值点。检验结果表明序列是一次均值突变和一次均值、趋势双突变的单位根过程。 　　3.2 模型的选取与估计 　　3.2.1 TAR模型检验 　　基于Chan（1993）所提出的寻找门限一致估计量的方法，本文寻找门限值的方法分为以下三步： 　　第一步：对门限变量从低到高进行排序（即，排序）。令为排序后的序列的第i个值，因此，在138个观测样本中，是的最小值，是最大值。 　　第二步：依次将值作为门限，估计形为式（4）的TAR模型 　　 （4） 　　保存每个相应模型的残差平方和。因为我们需要保持门限两边各15%的观测值，因此，只能用的中间的70%。所以，要估计门限从到的99个模型。当完成这项工作后，就有99个残差平方和的值。 　　第三步：绘制残差平方和的图。从图中可以清楚的看出，最小的残差平方和在t=84附近，虽然还存在其余几处凹点，但是下降的幅度都相对较小，因此，在0.6509处存在单一的门限，所以建立2机制的TAR模型。 　　3.2.2 估计模型 　　在残差分布未知的情况下，本文分别基于Gaussian分布，t分布和GED分布，采用最大似然估计法（ML）估计模型参数，计算的结果表明，三种分布的残差平方和相差很小，基于t分布的对数似然统计量最大，其次是基于GED的分布的对数似然统计量。基于t分布的AIC值最小，但自变量在10%的水平下不显著的个数多于基于Gaussian分布的估计。在t分布下，，而不是趋向于无穷，说明房价指数波动分布的尾部要厚于正态分布，而在GED分布下，，进一步证实了其分布的厚尾性。最终认为基于Gaussian分布的模型估计为最优。 　　4.结论与建议 　　本文应用TAR模型和EGARCH模型，对我国1999年1月至2010年8月的月度商品房销售价格指数波动量进行了建模，其实证研究的主要结论如下： 　　（1）由CA模型我们可以看到，第一次冲击所造成的房价指数的变动与随后的增长之间，存在显著的负相关关系，表明房价指数的急剧下降之后将有一个较高的房价指数的增幅，但增长率维持不变[4]。 　　（2）从参数估计的结果看，2机制的TAR模型可变形如下： 　　一方面，机制1时的回归系数为0.3250，小于机制2时的回归系数0.5651，然而，机制1时的截距项比机制2的大很多，表明机制1的冲击反应的持续性较短，均值回复过程相对较快。机制2的冲击反应的持续性较长，均值回复过程相对较慢