中国是否存在房地产泡沫

是 否 +2 论坛币

k人 参与回答

经管之家送您一份

应届毕业生专属福利!

求职就业群

赵安豆老师微信：zhaoandou666

经管之家联合CDA

送您一个全额奖学金名额~ !

立即领取

感谢您参与论坛问题回答

经管之家送您两个论坛币！

+2 论坛币

英文标题：
《Is there a housing bubble in China》
---
作者：
Tianhao Zhi (SYU), Zhongfei Li (SYU), Zhiqiang Jiang (ECUST), Lijian
  Wei (SYU), Didier Sornette (ETH Zurich)
---
最新提交年份：
2018
---
英文摘要：
  There is a growing concern in recent years over the potential formation of bubbles in the Chinese real estate market. This paper aims to conduct a series of bubble diagnostic analysis over nine representative Chinese cities from two aspects. First, we investigate whether the prices had been significantly deviating from economic fundamentals by applying a standard Engle-Granger cointegration test. Second, we apply the Log-Periodic-Power-Law-Singularity (LPPLS) model to detect whether there is any evidence of unsustainable, self-reinforcing speculative behaviours amongst the price series. We propose that, given the heterogeneity that exists amongst cities with different types of bubble signatures, it is vital to conduct bubble diagnostic tests and implement relevant policies toward specific bubble characteristics, rather than enforcing one-that-fits-for-all type policy that does not take into account such heterogeneity.
---
中文摘要：
近年来，人们越来越担心中国房地产市场可能形成泡沫。本文旨在从两个方面对中国九个具有代表性的城市进行一系列泡沫诊断分析。首先，我们运用标准的恩格尔-格兰杰协整检验来研究价格是否显著偏离了经济基本面。其次，我们应用对数周期幂律奇异性（LPPLS）模型来检测价格序列中是否存在任何不可持续、自我强化的投机行为的证据。我们建议，考虑到具有不同类型泡沫特征的城市之间存在的异质性，进行泡沫诊断测试并针对特定泡沫特征实施相关政策至关重要，而不是强制执行不考虑这种异质性的适用于所有类型的政策。
---
分类信息：

一级分类：Quantitative Finance        数量金融学
二级分类：Risk Management        风险管理
分类描述：Measurement and management of financial risks in trading, banking, insurance, corporate and other applications
衡量和管理贸易、银行、保险、企业和其他应用中的金融风险
--

---
PDF下载：
-->

扫码加我 拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

分享0 收藏0 回帖

关键词：房地产泡沫 房地产 Fundamentals Quantitative Applications

中国是否存在房地产泡沫？田浩志、李忠飞、姜志强、李建伟、，*, 中山大学Didier Sor Netteca商学院，广州510275，华东理工大学金融系，上海200237，中国创业风险与金融危机观察中心，管理、技术与经济系，瑞士苏黎世苏黎世Scheuchzerstrasse 7，CH-8092，瑞士银行近年来，人们越来越关注中国房地产市场潜在的泡沫形成。本文旨在从两个方面对中国九个具有代表性的城市进行一系列泡沫诊断分析。首先，我们通过应用标准恩格尔-格兰杰协整检验来调查价格是否显著偏离了经济基本面。其次，我们应用对数周期幂律奇异性（LPPLS）模型来检测价格序列中是否存在任何不可持续、自我强化的投机行为的证据。我们建议，鉴于具有不同类型泡沫特征的城市之间存在的异质性，进行泡沫诊断测试并针对特定泡沫特征实施相关政策至关重要，而不是强制执行不考虑此类异质性的适用于所有类型政策的政策。关键词：房地产泡沫，对数周期幂律奇点，泡沫预测，中国房地产市场。JEL分类：F37、G01、G17*通讯作者：李建伟。电子邮件：weilj5@mail.sysu.edu.cn1.自2008年以来，中国住房市场经历了前所未有的繁荣。从图1可以看出，从2008年1月到2017年6月，深圳的房价几乎翻了四倍。近十年来，北京和上海的经济增长了近三倍。

一些一级城市以外的城市也有显著增长。虽然一些分析令人担忧，预示着中国房地产市场即将崩溃，但其他分析则反对泡沫假说，从快速城市化和其他社会因素（如持有房地产的文化冲动）的角度，找到了房地产市场蓬勃发展的理据（Ahuja et al.，2010）。010000200000000040000500060000007000002008 2009 2010 2011 2012 2014 2015 2016 2017北京上海广州深圳天津杭州成都无锡郑州图1：2008年1月至2017年6月中国住宅房地产价格（元/米）。大多数一级城市的房价大幅上涨，而二级和三级城市的房价增长较为温和。资料来源：WIND数据库为了深入了解中国最近的房地产泡沫，我们需要追溯到2007年全球金融危机（GFC）的后果。2008年11月，中国政府宣布了一项4万亿投资计划，旨在刺激国内经济。根据图2，尽管有一段短暂的加速增长期，但房地产行业仍在继续放缓。在衡量宏观经济表现的另一种方法——李克强指数中，经济放缓尤其不可能实现。另一方面，信贷部门对欠下的家庭贷款越来越宽松。根据图3，我们观察到中长期家庭借贷快速增长，利率稳步下降（上图）。个人住房贷款（PHL）相对于GDP的弹性，以及PHL相对于中国四大银行贷款总额的比例（下图）也大幅上升。

自2008年和2015年股市崩盘以来，人们对持有房地产的传统文化强烈要求，再加上缺乏其他投资渠道，促使家庭更积极地参与住房支出热潮，同时也进一步激励银行向家庭放贷。与过热的住房市场相关的日益严重的金融脆弱性引起了中央政府的担忧。在官方报纸《人民日报》上，房地产泡沫破裂的潜在危险首次被称为“灰犀牛”，暗指大概率的极端事件，而不是低概率的塔利班“黑天鹅”（Taleb，200 7）。早在2010年就发布了一系列采购规定，以遏制过热市场。该一揽子计划旨在帮助十个关键部门，包括住房、农村基础设施、交通、健康和教育、环境、工业、灾难重建、收入建设、减税和金融。据进一步宣布，中央政府只提供总方案的四分之一，其余四分之三由地方和省级政府预算通过银行贷款（Citation）分配。《经济学人》杂志创制了李克强指数，从三个方面衡量中国的经济表现：铁路货运量、电力消费和银行贷款。与官方GDP数据相比，它被广泛引用为另一种经济晴雨表（Economist，2010）。弹性定义为P HL%/GDP%，衡量PHL相对于GDP增长1%的百分比变化。同样，我们还计算了房地产开发（RED）贷款的弹性以及与GDP相关的商业房地产（CRE）贷款，如图所示。

3、中国四大银行是中国银行（BOC）、中国建设银行（CCB）、中国工商银行（ICBC）和中国农业银行（ABC）。参见Wucker（2016）：灰犀牛：如何识别和应对我们忽视的显而易见的危险。基特。Lugovsky等人（2014年）对此类资产持有上限的有效性进行了一项实验研究，并认为如果设计得当，此类政策将有效避免泡沫。与其他类型的投机泡沫不同，由于银行业的深度介入，房地产泡沫的破裂可能会产生深远的后果。从历史上看，20世纪80年代，日本房地产泡沫破裂，导致日本陷入了长达数十年的衰退，迄今尚未恢复。美国最新的次贷危机以及随后的全球蔓延的全面后果仍有待观察。为了避免系统性金融危机和随之而来的经济萧条，必须进行事前泡沫诊断，并提供充分知情的政策指导，以期在临界点之前的泡沫形成阶段遏制泡沫。正如Case a and Shiller（2003）所指出的，“泡沫”一词被广泛使用，但很少有明确定义。在现有的研究中，泡沫通常被称为价格与其基本价值的暂时偏差。从这种基本方法研究住房泡沫，通常有两种文献。第一部分应用了Poterba（1984）的用户成本模型思想，该模型通常将住房价格视为未来现金流的一种回报，并基于非均衡条件和有效市场假设推导出房地产的均衡价格（Gallin，2006；Hoffemann et al.，2012）。

第二部分研究房价与基本经济要素之间的长期关系。如果房价和基本因素之间没有协整关系，则通常采用协整模型，并识别泡沫（Hui和Yue，2006；Mikhed和Zemcik，2007；Arshanapalli和Nelson，2008）。然而，对气泡的基本定义并没有捕捉到驱动气泡的气泡形成过程的固有非线性动力学。从明斯基的角度来看，由于投资者的理性基础，泡沫本质上是不稳定的（明斯基，1975）。Kindleberger（1989）将典型的金融泡沫分为五个不同的阶段：位移、信贷扩张、兴奋、过度交易和厌恶。因此，除了对泡沫的基本定义外，我们也不能忽视2010年4月在一线城市宣布并实施的投机“国税条”，即一个家庭只能购买一套公寓。在随后的五年里，该政策进一步扩展到了中国的其他主要城市。羊群行为推动的泡沫，以及急剧的信贷扩张和自我强化的正反馈机制加剧了泡沫的真实性。这种不可持续的价格轨迹的特点往往是，在泡沫破裂之前的泡沫形成过程中，资产价格的增长速度超过了指数。Sornette（2003）在对数周期幂律奇点（LPPLS）模型的开发中对这一点进行了数学形式化。LPPLS框架在泡沫的早期诊断中取得了显著的成绩，这是对历史泡沫的事后分析。Sornette和Zhou（2004）研究了2000年的新经济泡沫。周和索内特（2006）研究了美国房地产泡沫。Jiang等人（20-10）对2005-2007年和2008-20-09年中国股市泡沫进行了泡沫诊断。最近，Zhang等人。

（2017）基于LPPLS框架研究中国房地产泡沫的关键转变。Himmelberg et al.（2005）在实验室环境中进行了一项受控的冰形成离子实验，该实验检测到正反馈导致的超指数气泡的存在。本文旨在从两个方面对中国九个具有代表性的城市进行一系列泡沫诊断分析。首先，我们运用标准的恩格尔-格兰杰协整检验来研究价格是否显著偏离了经济基础。其次，我们应用对数周期幂律单变量（LPPLS）模型来检测是否存在与单变量价格序列相同的不可持续、自增强投机行为的证据。我们在两个方面与Zhang et al.（2017）有所不同。首先，将传统的协整分析与LPPLS分析相结合。其次，我们专注于基于过滤条件而非临界时间（tc）诊断PPLS信号。在政策方面，我们认为至关重要的是进行泡沫诊断测试，以确定泡沫是基本驱动还是投机驱动，并设计解决特定泡沫特征的政策。论文的其余部分组织如下。第2节从基础和LPPLS角度概述了气泡诊断的方法框架。第3节描述了数据并定义了本研究中使用的变量。第4节提供了实证结果。最后，第5节得出结论。2、方法学2.1。泡沫的基本诊断：成对Engle-Granger方法我们应用Engle和Granger（1987）的简单成对协整模型来研究住房价格与其相应的基本因素之间是否存在任何长期关系。

假设有两个非平稳序列XT和YT是o阶oneI（1）的积分。如果x和y的某种线性组合产生I（0），那么我们说x和y是协整的。Engle-Granger协整检验分两步进行：首先，我们进行增广Dicky-Fuller（ADF）检验，看看所有序列是否都是I（1）。其次，我们对Yt=β+βt+βXt+UTAN进行简单的OLS回归，并对utis I（0）进行检验。在本文的背景下，如果（i）价格序列不是i（0），并且（ii）基本因素是i（0），或者i（1）基本因素与i（1）价格序列不协整，则基金存在泡沫。2.2. 泡泡的对数周期幂律奇异性（LPPLS）诊断我们进一步应用So rnette（2003）提出的LPPLS框架，以检验房价是否包含任何不可持续投机成分的迹象，其特征是由于羊群行为和正反馈机制，其增长模式快于指数，再加上由于基础论者和趋势追逐者之间的异质互动而产生的周期性振荡动力学。因此，我们采用Johansen-LedoitSornette（JLS）模型，其中运动定律的形式如下：dpp=u（t）dt+σ（t）dW- κdj，（1）其中u（t）是漂移，σ（t）是标准维纳过程的扩散分量，由不连续跳跃dj增加，dummyswitch j=0，在临界时间之前，j=1，在碰撞之后。我们进一步确定了碰撞危险率h（t），它与dj:h（t）=E【dj】/dt的预期成比例。通过应用Blanchard和Watson（1982）的理性期望条件，我们得到u（t）=κh（t）。（2） 见Dickey和Fuller（1979）。根据Sornette（2003），危险率采用以下形式：h（t）=α（tc- t） m级-1（1+βcos（ωln（tc- t）- φ′，（3）等式。

（3） 由幂律奇异性的一个组成部分组成，这是由于噪声交易者α（tc）的自增强羊群行为-t） m级-1，以及振荡分量βcos（ωln（tc-t）-ψ′）由原教旨主义者和趋势追逐者之间的异质互动所驱动。幂律奇异性捕捉到了自我强化信念驱动的正反馈机制，而对数周期性体现了两类投资者之间的拔河战，导致大规模波动，从而导致奇异性，即临界时间（tc）。组合（1-3）yieldsE[lnp（t）]=A+B（tc- t） m+C（tc- t） mcos[ωln（tc- t）- φ] ，（4）带B=-κα/m a和C=-καβ/√m+ω。通常，泡沫区域的条件是0<m<1和B<0，其中m<1确保了奇异性-预期对数价格在tc处发散，而这两个条件的组合确保了价格g与临界时间tc呈超指数关系。考虑到方程（4）的非线性结构，标定方程（4）的传统方法允许两步过程。第一步涉及Cvijovic和Klinowski（1995）的禁忌搜索，以从给定的搜索空间中找到N个候选解决方案。在Levenberg-Marquardt非线性最小二乘算法中，每个解都用作初始估计。我们用残差的最小平方和求出解。本文采用了Filimonov和Sornette（2 013）和Sornette et al.（2015）提出的程序，其中非线性参数的数量仅减少到3：tc、m、ωf或节约目的。Sornette等人（201 5）给出的过滤条件如下：0.01≤ m级≤ 0.99 (5)2 ≤ ω ≤ 25（6）吨- 0.05dt≤ tc公司≤ t+0.1dt（7）2.5≤ω2πln[tc- ttc公司- t] （8）1≤ |mB/ωC |（9）在本文的背景下，如果满足上述所有过滤条件，我们将在相应的序列中定义泡沫。

我们将开始时间设置为t=200801，然后按月向前移动，直到t=201010。结束时间t固定在t=201705。表1:2008年1月至2017年6月一线城市住宅价格（年/百万）描述性统计。来源：WIND DatabasePrice Statis tic北京上海广州深圳平均23234.07 21165.75 13604.13 25953.03中位数22323.50 17089.00 13916.00 20865.00最大46834.00 50401.00 17882.00 61756.00最小10486.38 7510.870 7977.821 10770.003。数据描述我们的数据每月从WIND和国家统计局收集，时间为2008年1月至2017年6月。我们选择了九个具有代表性的城市，其中包括四个一级城市，以及五个二、三级城市：北京、上海、广州、深圳、天津、杭州、成都、无锡和郑州。我们将交易住宅的平均价格（元/米）作为住房市场状况（Pcity）的代表。此外，区域GDP（GDPcity）、城镇居民可支配收入（INCcity）和各城市的城镇人口（P OPcity）被选为基本面衡量指标。此外，为了分析信贷因素如何影响房价动态，我们采用了个人总行使用贷款（IRH）、广义货币（M2）的公积金利率，以及向住户发放的中长期新住房抵押贷款（NRLH）（>5年）。表1和表2.4给出了一级城市和具有代表性的二、三级城市总行使用价格的描述性统计数据。结果4.1。从长远来看，房价是否偏离了经济基本面？在本小节中，我们研究了房价是否与选定的基本面因素发生了重大偏离。我们包括三个宏观数据库，提供有关中国经济的全面信息。