房地产业现行调控政策有效性分析.docVIP

房地产业现行调控政策有效性分析 　　摘要：本文采用两个多变量回归模型，运用似无关回归的估计方法，考察一系列金融调控政策对房地产业的影响。计量分析表明，在短期内。一系列金融调控政策对房地产上市公司产生了平均的显著为负的累计并常回报率；同时，也显著增大了房地产上市公司股票的系统风险，从而验证了一系列金融调控政策对房地产上市公司所产生的负的股东财富效应。 　　关键词：事件研究法　累计异常回报率　房地产金融调控 　　 　　改革开放30多年来，我国国民经济取得了飞速发展，人民生活水平不断提高，土地使用制度改革和城镇住房制度的改革不断深化并取得了实质性进展，住房建设步伐加快，居民居住条件有了较大改善。以住宅为主的中国城市房地产市场不断发展，对拉动经济增长和提高人民生活水平发挥了重要作用。房地产业关联度高，带动力强，已经成为我国国民经济的支柱产业。保持我国房地产市场持续、健康、稳定地发展。对于全面建设小康社会，构建社会主义和谐社会都具有十分重要的意义。美国、日本和香港等国家和地区的历史经验表明，房地产市场极易出现泡沫。政府必须对房地产市场进行调整和控制。 　　房地产同时具有消费和投资双重特性，通常可以认为，消费性的、生产性的房地产市场是实体经济的一部分，而实体经济通常是不存在泡沫的。而当房地产被当成资产用于投资或投机时。尤其是当大量银行资金或游资介入其中时，才会产生泡沫。谢经荣用大量实例证明了银行贷款对房地产泡沫生成的推动作用，其中一个重要的实例就是各国房地产泡沫前房地产贷款占金融机构贷款总额的比例普遍偏高。在房地产业的发展取得较大成绩的同时，我们还应该看到，作为国民经济的支柱产业，房地产业健康持续地发展不仅需要市场的调控，也离不开政府公共政策的有力调控。截至目前。我国的行政管理学界仍鲜有将公共政策的研究与政府对房地产业的政策规范具体结合的系统研究。故笔者在此尝试运用行政管理学的专业知识，在前人对公共政策的研究和对房地产业的研究基础上，运用公共政策的知识，解决房地产业宏观调控政策问题，同时也用这一实际问题来检验和丰富公共政策的理论内容。本文通过对公共政策的理论研究和对房地产业的实证研究，指出现有公共政策的不足，为房地产业的政策提供理论指导，弥补市场机制的调节缺陷，以解决该行业中存在的问题。促进房地产业更加有序健康地发展；同时兼顾效率与公平原则。在保证行业可持续发展的前提下，最大限度地满足公共利益，为宏观经济的稳定及和谐社会的建设提供参考意见。 　　 　　一、实证方法与样本选择 　　 　　(一)包含风险因素的MVRM模型 　　以FFJR模型为基础的市场模型被众多学者用于公司金融如股利宣告等领域的研究。而本文研究金融调控政策对于房地产行业的经济效应。不仅违背了样本公司是非相关行业的假设，而且各个样本公司又经历完全相同的事件窗。由于行业的相关性及事件窗的重合，各个样本间异常回报率的协方差将不再为零，因此，联合异常回报率的分布结果将不再可信。这种情况被称为“聚类性”(clustering)。“聚类性”问题可以通过两种方式解决。第一种方式是利用组合的方式，经过加权的组合的回报率，计算行业水平的平均异常回报率，即回归方程： 　　 　　其中，Rpt表示加权过的组合回报率；Rmt表示市场回报率；Dat是一个0-1虚拟变量，在事件发生时为1，否则为O；A表示事件的次数。因此，ypt就表示事件发生时，证券组合平均的累计性异常回报率。 　　第二种方法是分解上述方程到每一个证券，即对每一个独立的证券做如上方程的回归分析，形成一个系统模型。基准模型为： 　　 　　由此说明，证券的系统风险系数增加了βiDRit，因此，在事件发生时，就可以用来衡量证券i系统风险的改变量。 　　综合以上所有因素，本文将采用如下MVRM模型： 　　 　　其中，R1t、R2t、……RNt分别为N只股票在t日的回报率；β1t、β2t、……βNt，分别为N只股票关于市场回报率的系统风险系数；RNt为t日经过加权的市场组合回报率；β12、β22……βN2分别为发生事件时，N只股票关于市场回报率的系统风险的变化量；Dyear一个虚拟变量，在一系列事件发生的一整段时期内为1，否则为O；Da一个虚拟变量，在第a件事发生时为1，否则为0；yβ1a、β1a、……yN2分别为N只股票在发生第a次事件时的财富效应；U1t、U2t……UNt分别为N只股票在t日内的误差项。 　　以上模型是为了检验假设“在某一个事件发生时，房地产上市公司的平均异常回报率”，为了检验假设“一系列金融调控事件对房地产上市公司平均的异常回报率”，本文还建立如下模型： 　　 　　其中，D为一个虚拟变量。在所有的lO个事件窗内为1。否则为0。其余变量与模型1相同，该模型意为将所有金融调控政策看作是一