您好, 访客   登录/注册

我国房地产市场预警研究动态述评

来源:用户上传      作者: 王春雷

  【摘要】本文以房地产市场预警方法的不同为依据,将我国房地产预警的研究与实践分别加以归纳、介绍及评价。本文认为,目前国内普遍采用的景气指数预警方法和综合模拟预警方法各有缺陷,难以满足房地产市场发展和监控的实际需要,建议通过经济计量模型法构建新的房地产市场预警监测系统。
  【关键词】 房地产市场 预警 经济计量模型
  
  房地产市场预警,属于经济预警的范畴,指通过定性及定量的手段,对房地产市场当前运行态势进行分析、测度和判断,并对未来的发展状况进行预测和预报,以便及时采取适当的调控措施,促进市场的健康和可持续发展。
  我国房地产市场自1998年以来呈现出快速发展的势头,尤其是最近两年房地产业的高速发展以及市场价格的大幅度上涨,使得人们对于当前房地产市场是否过热、有无泡沫、能否健康持续发展产生了诸多质疑。为此,政府宏观决策部门把加强房地产市场的监测预警及宏观调控作为工作的重中之重。在2002年初武汉召开的全国房地产工作会议上,建设部首次提出了建立房地产市场预警体系的工作目标,即:2003年上半年完成房地产市场预警体系研究;选择已经开展预警体系研究的5-6个城市进行试运行,并争取于2003年底前在35个大中城市和部分有代表性的城市推广使用。
  与政府部门的巨大声势相比,对我国房地产预警系统的研究和实践事实上在更早的时候就已经在学术界和房地产相关研究机构展开,到目前仍是房地产领域研究的热点问题。下文以预警方法的不同为依据,将国内房地产预警的研究与实践分别加以归纳、介绍及评价,以期为我国房地产预警监测体系的建设提供有用信息,促进房地产市场的健康发展。
  
  一、常用房地产预警方法简介
  
  景气指数法、综合模拟法及经济计量模型法是目前房地产市场预警理论和实践运用中最为常见的三种方法。
   1、景气指数法。景气指数法与经济波动周期理论密切相关,它是指在房地产预警指标分类的基础上,构造一种“指数”来度量房地产经济的活跃程度。该方法一般分为四个步骤:第一步确定时间参照系,即基准年份或月份;第二步选择与房地产经济相关的变量作为构成指标;第三步按照指标波动与房地产经济波动的时间关系,将上述指标划分为先行、同步、滞后三类;第四步对先行、同步、滞后指标分别编制景气指数。其中,在第二步选择指标的过程中,可以采用主成分分析、聚类分析以及经验判断等方法;在第三步划分先行、同步、滞后指标时,马场法、时差相关分析、灰色关联度分析以及K-L信息量等方法较为常用。目前,普遍采用的景气指数有两类,即扩散指数和合成指数。
   2、综合模拟法。又称统计预警法,它采用类似于交通管制信号系统的方法来反映房地产业的综合变化状况与变化趋势。该方法首先选定若干项监测指标,每项指标根据其变化幅度大小设定一定的分值,某一时期各监测指标分值的加权平均值就是对这一时期房地产业综合景气状况的数量评价;再根据综合景气评分高低设立若干定性区间。例如,分值落在3附近时认为市场处于正常状态;当分值偏小或偏大,认为市场过冷或过热。
   3、经济计量模型法。又称预警信号法,从模型选择上看,多采用被解释变量为0或1的二元选择模型、决策树模型以及人工神经网络模型等。同前两种方法相比,该方法的突出特点是与经济波动分析基本没有方法上的联系。
  
  二、我国房地产市场预警研究与实践
  
  随着1998年以来房地产业的飞速发展,有关我国房地产市场监测和预警系统的研究也不断涌现,景气指数法、综合模拟法以及经济计量模型等方法被大量运用到研究与实践当中。
  景气指数法方面,最具代表性的成果是国家统计局于1997年研制建立的“国房指数”。该指数的编制采用了合成指数的计算方法,从房地产业发展必须同时具备的三个基本条件(土地、资金和市场需要)出发,选择了房地产开发投资、资金来源、土地转让收入、土地开发面积、新开工面积、竣工面积、空置面积以及商品房销售价格共8个具有代表性的统计指标进行分类测算,以1995年3月为基期对比计算而来。余晓红、盛承懋(2004)根据苏州房地产业发展特点和实际情况,依据“国房指数”的编制方法,建立了苏州房地产景气指数预警系统;李斌、丁烈云、叶艳兵(2003)在运用景气指数对房地产进行预警时,针对计算扩散指数DI和合成指数CI时可能出现的警兆不一致并导致警情失真等弊端,对传统DI计算方法进行了改进,引入精度比较的概念,选择精度更高的指数来进行景气评价,有效地消除了两指数间的矛盾冲突。
  赵黎明、贾永飞、钱伟荣(1999)认为,景气指数法单纯用合成后的综合指数的波动来分析经济形势变化缺乏成熟的理论基础支持,而且在预警分析中有时难以分清合成指数的变化到底是由哪些经济指标引起的,不利于针对具体的经济变量进行调控。由此,赵黎明等提出了基于综合模拟法的房地产预警系统。他们认为,该方法既可以看出经济活动的升降,又可以反映各指标的综合结果,不仅能监控整体经济活动的波动,还可以监控每一个指标的波动,由此可以从宏观上明确对房地产经济波动调控的目标和方向。由于该设计定量化、系统化地分析房地产经济的走向,为后来的很多房地产预警研究所采用,相关的研究包括叶剑平(2000)、彭羽(2002)、丁烈云和徐泽清(2003)、韩立达(2004)等。同时,郭磊、王锋、刘长滨(2003)建立的深圳市房地产预警系统,上海市房地产市场预警预报指标体系研究课题组(张鸿铭、陈则明,2004)所建立的上海房地产预警系统以及胡健颖等(2006)所建立的北京房地产预警系统也都采用了综合模拟方法。在这种方法的运用中,单一指标和综合指标预警区间的确定是核心问题,多数研究采用了基于样本均值和样本方差的3sigma方法(或称6sigma方法)。在采用年度数据进行研究时,为了解决样本过少的问题,杨佃辉(2005)等文献还采用了bootstrap方法对单一指标均值和方差进行估计,取得了一定效果。此外,王慧敏(1998)考虑了样本方差的时变特性,通过将ARCH模型引入预警系统的研究,使预报的置信区间能够与经济时间序列的波动程度相适应,从而使警限能够动态反映实际的经济状况。陈峰、丁烈云(2006)认为,在以往房地产综合模拟预警法的研究中存在长期趋势建模和预警域确定的误区,这使得房地产市场的预警预报出现失真现象。针对存在的偏差,他们从系统角度出发建立了简单的修正模型,模型显著提高了房地产预警的有效度和精度。
  与上面两种方法相比,采用经济计量模型方法对房地产市场监控和预警的研究还刚刚开始,使用并不多。陈日清、李雪增(2007)在总结国内外房地产泡沫预警研究的基础上,论述了二值响应模型在房地产泡沫预警研究中的应用,并以日本为例进行了实证研究。该文以被解释变量的样本拟合值为标准,将0.25、0.5和0.75作为划分预警级别的警界值,结果表明,二值响应模型在房地产泡沫预警中有比较准确的预测作用。丁烈云(2002)将模糊系统理论和神经网络理论相结合,考虑了心理因素对房地产市场的影响,将人气指数作为输入变量,使预警模型更切合实际。杨佃辉(2005)采用BP与RBF两种神经网络,分别运用不同的思路实现了上海房地产的监测预警。他认为,BP神经网络在房地产预警的应用重在评价市场的冷热程度,而RBF网络需与相关预警区间的划分或评价标准相结合,功能重在预测。

  
  三、简评
  
  从研究和实践成果来看,国内学者在房地产市场的监测和预警方面做了大量工作,所运用的预警方法也各有特点。
  景气指数法单纯用合成后的综合指数的波动来分析行业形势的变化,缺乏成熟的理论基础支持,而且在预警分析中难以分清合成指数的变化由哪些经济指标引起,不利于找到警源并针对具体的经济变量进行调控。
  在综合模拟法中,风险预警的各区域(“偏冷”、“偏热”、“过冷”、“过热”、 “正常”)警界值的确定对最终的预警结果是否可行起着关键作用。目前,对警界值的确定要么基于经验,要么采用基于正态分布假设的3sigma方法。由于我国房地产市场的统计数据从1996年开始才逐步规范,缺乏多指标的月度数据,样本长度的不足使得3sigma方法难以取得良好的效果。尽管一些文献试图采用bootstrap放回抽样的方法克服这一困难,但是一个异常值的出现往往就能够导致样本均值和方差的估计出现较大偏差。
  上述方法所遇到的种种问题使得房地产预警研究的方向转到建立经济计量模型上,而其中又以采用人工神经网络方法建立的预警模型最受瞩目。房地产市场本身是一个非常复杂、庞大的非线性系统,人工神经网络预警模型能够模仿人类自我学习和调整的过程,随时准备依据新数据资料进行自我学习和训练,并能够调整其内部的储存权重参数以对应多变的经济环境,较好地体现了系统的非线性特性。但是,无论是BP神经网络还是RBF神经网络,其有效性主要由样本代表性决定。如果样本不具备较好的代表性,训练好的网络运用于样本以外的数据时误差就可能比较大,甚至出现错误。如前文提到过的那样,我国房地产市场的统计数据从1996年开始才逐步规范,多数指标仅为年度数据,缺乏多指标的月度数据,这一现实情况给神经网络的应用带来了一定的挑战。因此,神经网络理论在房地产监测预警中的应用还处于起步阶段,方法体系还有待进一步的完善和发展。
  本文认为在房地产预警研究当中有一类方法尚未得到足够的重视和深入的研究,那就是被解释变量为0或1的二元选择模型以及能够输出多级预警信号的排序选择模型。与景气指数法及综合模拟法相比,这类预警模型无须凭主观经验或专家意见确定各因素的权重,排序选择模型甚至可以自动估计出发生不同级别警情的临界值,因而无论从理论角度还是预警系统应用的实践角度来看,都值得我们进行进一步的研究和讨论,代表了房地产市场预警系统发展的未来和方向。
  
  【参考文献】
  [1] 陈日清、李雪增:基于二值响应模型的房地产泡沫预警方法研究[J].统计研究,2007(9).
  [2] 陈峰、丁烈云:房地产综合模拟预警法误区的识别及修正[J].数学的实践与认识,2006(12).
  [3] 李斌、丁烈云、叶艳兵:房地产景气预警中DI的改进及与CI的精度比较研究[J].系统工程理论与实践,2003(1).
  [4] 王慧敏:ARCH预警系统的研究[J].预测,1998(4).
  [5] 杨佃辉:房地产市场监测预警研究――以上海为例[J].上海交通大学博士论文,2005.


转载注明来源:https://www.xzbu.com/2/view-443095.htm