【文章內容簡介】 趨勢，季節(jié)波動，景氣波動，不規(guī)則波動）在上式中，長期趨勢指客觀現(xiàn)象按一定的方向，以自動或被動方式不斷進行的長時間變動方向，前期活動狀況影響后期的產業(yè)興衰走向。一般來說，長期趨勢對波動的影響較為穩(wěn)定且較易掌握。對住房市場波動而言，這種長期趨勢表現(xiàn)16為住房市場長期向上、持續(xù)發(fā)展的運行趨勢。季節(jié)波動是在自然因素作用下隨季節(jié)更替而出現(xiàn)的規(guī)律性擺動。在自然季節(jié)影響下，商品住房的投資、生產、交易等會受到一定影響，特別是季節(jié)變動均會影響房屋生產和土地開發(fā)，從而使住房市場供求產生季節(jié)性波動。在人為季節(jié)影響下，因經(jīng)濟制度、消費習慣、行政與法律約束，商品住房經(jīng)濟運行也會受到一定影響。如貨幣的季節(jié)性波動導致住房市場的相應變動。不過從總體上分析，由于完成一個住房產業(yè)的循環(huán)要比其他產業(yè)更長，因而季節(jié)性波動對住房市場波動的影響要小得多，同時也比較容易把握。景氣波動又稱為循環(huán)波動，是在總波動中扣除方向明確的長期趨勢、規(guī)律性較強的季節(jié)波動和不規(guī)則的隨機波動后的余額，表現(xiàn)為波動間隔、長度及影響并不完全相同，但波動模式基本相似的特點，即以擴張和收縮交替運行方式構成的循環(huán)往復、起伏波動。不規(guī)則波動是因各種意外事件影響而產生的隨機波動，與前三種因素對波動的正常影響不同，不規(guī)則波動無法計算和預測，也難以消除或抗拒其影響，有可能導致住房市場波動的劇烈振動、反常運行，或者產生結構性變化。在上述住房市場幾種不同的波動形態(tài)中，只有呈現(xiàn)出波動循環(huán)特點的波動，才可稱為嚴格意義的住房市場波動，它包含三個方面的內容：（1）長度不同、振幅不等的住房市場波動，具有相似的波動模式，即都表現(xiàn)為擴張與收縮交替循環(huán)、衰退——蕭條——復蘇——繁榮往來運行的波動形態(tài)，或者說住房市場波動具有相同的展開過程，由此形成住房市場波動的規(guī)律性。（2）具有相似波動模式的住房市場波動，雖然在引發(fā)波動的具體原因和波動路徑上存在各不相同的表現(xiàn)形式，但在本質上仍然具有相似的波動傳導機制，大體上分析都可以從外部沖擊與內部傳導兩個方面進行分析。（3）具有相似波動機制和展開過程的住房市場波動，在波動的持續(xù)時間、振動頻率、波動幅度等方面存在明顯的差異，從而形成各具特色、千差萬別的波動形態(tài)，由此構成住房市場波動的特殊性。區(qū)域經(jīng)濟對住房市場發(fā)展的影響可以從供給、需求、環(huán)境三個角度來分析。首先，區(qū)域內房地產企業(yè)對住房供給的影響。住房的供給主體是房地產企業(yè)，區(qū)域內房地產企業(yè)的整體發(fā)展水平將直接影響住房市場的發(fā)展水平。如果區(qū)域內17擁有一批高品質的房地產開發(fā)企業(yè)，其較強的經(jīng)營管理水平和卓越的創(chuàng)新能力將不僅為區(qū)域經(jīng)濟注入活力，更能夠為區(qū)域內的家庭、企業(yè)、商業(yè)提供足夠的、合適的房地產物質空間，給區(qū)域經(jīng)濟注入了活力，進而保障了住房市場的持續(xù)發(fā)展。其次，區(qū)域經(jīng)濟對房地產需求的影響。人們對于房地產的需求可以分為家庭生活所需的住宅需求和企業(yè)生產經(jīng)營所需的工業(yè)地產和商業(yè)地產需求。住宅需求取決于家庭的生活水平、消費能力及消費觀念，家庭生活水平越高，居民對于住房的消費能力越強，對住房的需求就越多；企業(yè)對房地產的需求取決于企業(yè)的經(jīng)營能力和未來發(fā)展?jié)摿?，企業(yè)越具有良好的經(jīng)營現(xiàn)狀和發(fā)展?jié)摿Γ鋵Ψ康禺a的需求越多。在一個區(qū)域內，經(jīng)濟的發(fā)達程度決定了居民的生活水平和消費能力，而商業(yè)企業(yè)、工業(yè)企業(yè)的發(fā)展?jié)摿σ蕾囉诰用竦南M支撐，所以區(qū)域經(jīng)濟的發(fā)達與發(fā)展直接影響到房地產的需求。第三，區(qū)域環(huán)境對房地產發(fā)展的影響。區(qū)域環(huán)境可以分為硬環(huán)境和軟環(huán)境，硬環(huán)境主要指區(qū)域內的自然環(huán)境，軟環(huán)境則包括社會環(huán)境、經(jīng)濟環(huán)境、制度環(huán)境、文化環(huán)境。良好的自然環(huán)境對于房地產消費者具有天然的吸引力，增加區(qū)域的房地產需求，是區(qū)域住房市場發(fā)展的天然稟賦；良好的軟環(huán)境，諸如具有優(yōu)秀管理能力和制度創(chuàng)新能力的開明政府、公平規(guī)范的公開市場、良性的投融資環(huán)境、完善的公共服務、良好的社會文化氛圍等，是吸引房地產開發(fā)企業(yè)、支持鼓勵房地產企業(yè)發(fā)展、規(guī)范和活躍住房市場的基本條件和重要保障。另外，房地產發(fā)展同樣也會影響區(qū)域經(jīng)濟。一方面，房地產的發(fā)展決定了區(qū)域內居民的生活空間、工業(yè)和商業(yè)的物質空間的數(shù)量和質量，住房市場的發(fā)展不足或者發(fā)展過度直接影響到居民與企業(yè)的生活、工作滿意度和區(qū)域對其的吸引力，影響區(qū)域經(jīng)濟的活力和可持續(xù)發(fā)展；另一方面，房地產開發(fā)直接影響區(qū)域的生態(tài)環(huán)境和人工環(huán)境，合理的規(guī)劃、適度的開發(fā)能夠打造區(qū)域城市特色、創(chuàng)造居住和工作環(huán)境，增加區(qū)域對人才的吸引力，而區(qū)域競爭力的核心就是人才的競爭[4850]。綜上分析，區(qū)域經(jīng)濟與住房市場發(fā)展是相輔相成、相互依存的關系。一方面，區(qū)域經(jīng)濟為住房市場發(fā)展創(chuàng)造條件，經(jīng)濟發(fā)達的城市房地產發(fā)展水平越高；另一方面，房地產開發(fā)要與區(qū)域發(fā)展相協(xié)調，發(fā)展速度要與城市經(jīng)濟發(fā)展步調一致。房地產市場的發(fā)展史也是一部房地產市場的波動史，近年來，在國家擴大內需與鼓勵住房消費政策的持續(xù)推動下，我國許多城市住房市場保持了持續(xù)、健康、穩(wěn)定發(fā)展的態(tài)勢。然而，綜觀其發(fā)展歷程，每個城市的住房市場發(fā)展不是一個平靜無波的發(fā)展狀態(tài)，而是在波動中不斷發(fā)展。以下以北京作為樣點城市，選取2005年1月至2009年12月的月度數(shù)據(jù)來實證分析我國區(qū)域住房市場波動的客觀性。（1）房地產開發(fā)投資的波動。自2005年1月以來，房地產開發(fā)投資在波動中不斷增長。，同比增長5%。，占房地產開發(fā)總投資的48%，但同比下降6%。2007。，元。，占房地產開發(fā)總投資額25％。如圖21所示。（2）商品房銷售市場的波動。北京房地產交易量波動幅度較大。2006年12月，同比下降18%；其中，米,同比下降17%，占總面積的81%。2007年12月，方米，其中，%。2008年12月，商品房銷，其中，占總面積的80%。2009年12月，，%，如表22所示，其相應的走勢如圖22所示。（3）金融支持力度的變化圖24為2005年1月至2009年12月北京房地產開發(fā)資金來源的國內貸款情況。從圖中可以看到其貸款資金波動并不平穩(wěn)，主要受到國內外貨幣政策的影響。從以上的理論和實證分析可以得出，住房市場是在波動中發(fā)展，在發(fā)展中不斷波動的。雖然波動不可避免，但房地產市場非常態(tài)的波動卻對房地產市場的健康發(fā)展有著致命的危害。2008年金融危機對全球經(jīng)濟的影響至今猶存，要保證我國住房市場的健康、穩(wěn)定發(fā)展，務必建立房地產市場預警預報體系，而這必首先基于對住房價格波動特征的深入研究。第三章我國區(qū)域住房市場價格波動非線性特征差異性實證研究從上文的分析中我們了解到，區(qū)域住房市場的價格波動具有客觀性，具體到我國住房市場，不同地區(qū)住房市場的價格及波動的行為特征是否具有區(qū)域差異性？這是本章要分析的問題，我們選取了我國30個省市的住房市場作為研究對象，對這些地區(qū)住房市場的房價收益率序列的波動特征進行一個深入分析，診斷我國住房市場的房價收益率序列是否存在非線性，檢驗擬合模型的有效性，以為進一步的市場分析和預測提供參考。目前國內主流的住房價格計算均采用銷售金額/銷售面積，本文也采用這種方法。本章數(shù)據(jù)主要取自Wind數(shù)據(jù)庫中我國省份及直轄市的房地產銷售月度數(shù)據(jù)，選取數(shù)據(jù)缺省較少的30個省市，所取樣本區(qū)間為1999年1月至2010年2月，共134個樣本觀測值。20從房價序列的散點圖（如圖31所示）（僅以北京、上海、天津為例）可以看到月度房價序列中隱含季節(jié)影響，本文采用X12ARIMA源程序在Eviews軟件對各序列進行季節(jié)調整，并將經(jīng)調整后的房價進行對數(shù)差分變換計算得出對數(shù)收益率序列。采用ADF單位根檢驗方法對各地區(qū)的房價序列及其調整后的對數(shù)收益率序列進行平穩(wěn)性檢驗，從表31的檢驗結果可以看到，我們看到，經(jīng)季節(jié)調整的房價序列不是平穩(wěn)數(shù)據(jù)，而對數(shù)收益率序列是平穩(wěn)數(shù)據(jù)。時間序列平穩(wěn)性是使用最小二乘法對模型進行回歸分析的前提條件，所以下文將以收益率序列為對象進行實證研究。表32及表33為不同時點總體平均房價以及各地區(qū)住房價格的描述性統(tǒng)計分析，可以幫助對這些地區(qū)的住房市場有一個初步認識。、從表32對不同時點總體平均房價的描述性統(tǒng)計可以看到，從1999年至2009年，房價均值不斷上漲，房價的最大值及最小值也不斷上升，說明我國住房市場近年來總體上成不斷發(fā)展態(tài)勢。從全部時間點上看，房價均值大部分均高于中位數(shù)，說明我國大部分地區(qū)的房價均值是在總體平均水平之下，僅有少部分地區(qū)房價均值高于總體均值，表明我國住房市場發(fā)展極不平衡，局部地區(qū)有發(fā)展過熱的現(xiàn)象。此外，從不同時點的房價波動趨勢來看，總體上我國房價波動近年來不斷增大，尤其是自2003年開始，房價波動幅度上漲較快，并持續(xù)增大。表32是從總體平均層面上對房價均值及其波動趨勢進行了統(tǒng)計分析，不能體現(xiàn)出我國住房市場的區(qū)域差異特征，表33對我國不同省市地區(qū)房價進行了描述性統(tǒng)計分析，從均值上看，北京、上海、天津、廣東、福建、浙江等沿海經(jīng)濟發(fā)達地區(qū)房價均值位于全國較高水平，而新疆、內蒙古、江西等相對不發(fā)達地區(qū)房價均值較低，江蘇、山東、湖北等地區(qū)居于中間水平，全國范圍內各地區(qū)房價平均水平存在較大差異。從房價波動上看，北京、上海、浙江為房價波動最大的地區(qū)，從北京地區(qū)看，其房價的中位數(shù)5442遠低于其均值7022，說明在所研究的樣本時間段內，大部分時間點上的房價均低于其均值，而僅小部分時間點的房價高于均值，而且其最大值也遠高于其均值，都說明北京房價波動幅度較大。寧夏、青海、廣西等相對不發(fā)達地區(qū)的均值與中位數(shù)的差異不大，其房價在樣本時間段內相對穩(wěn)定，波動較小。可見，全國范圍內不同地區(qū)的房價波動狀況存在區(qū)域差異性。從表34對不同時點房價收益率的描述性統(tǒng)計來看，自1999年至2009年房價收益率均值一直處于不穩(wěn)定的波動起伏態(tài)勢，大部分時間點其均值為負值，說明總體上房價收益率并不樂觀，而且可以看到多數(shù)年份的12月的收益率均低于相應年份6月的收益率，說明多數(shù)年份里，下半年房地產不如上半年發(fā)展好。房價收益率的波動在這些時間點上也是起伏不定的，房地產市場的風險還是比較大的。同樣，從全國層面的分析可能掩蓋地區(qū)之間的波動差異性，所以表35對不同地區(qū)房價收益率序列進行了描述性統(tǒng)計，可以看到，海南的房價收益均值最高，這可能與近年來海南旅游資源不斷開發(fā)而導致其經(jīng)濟發(fā)展迅速相關，上海的房價收益僅次之于海南，與其房價上漲過快有關，天津、甘肅、內蒙古等地區(qū)均值也較高，陜西、云南、新疆等地區(qū)均值相對較低，而青海是唯一房價收益率均值為負的地區(qū)，可能由于其住房市場近年發(fā)展狀況有所減退。從房價收益率的波動來看，重慶、河南、貴州等地區(qū)波動較大，廣西、黑龍江、遼寧等地區(qū)波動相對較小。在全國范圍內，不同地區(qū)的房價收益率平均水平及其波動存在較大差異。以上分析表明，我國各區(qū)域住房市場不僅在房價的絕對值上存在明顯的差異，各省市房價的波動也有所不同。由此可推斷，不同省市的房價變化應該用不同的模型來刻畫。圖32給出了本文的實證研究步驟。首先采用單位根檢驗方法檢驗各收益率序列的平穩(wěn)性，在數(shù)據(jù)平穩(wěn)的基礎上以合適的時間序列模型對收益率序列進行擬合，找出其中殘差序列滿足獨立同分布的模型。26在本文中，考慮兩種最常用的時間序列過程，即ARMA過程和隨機游走過程，對房價收益率序列進行擬合。首先以ARMA（p，q）模型對收益率序列進行擬合，ARMA（p，q）模型形式如下：t 1 t 1 2 t 2 p t p 1 t 1 2 t 2q t q tR μR R R θu θu θuε??????=+Φ+Φ++Φ++++（31）對于模型中的滯后階數(shù)p、q，首先通過觀察自相關圖和偏自相關圖初步確定階數(shù)p、q，再根據(jù)所有估計系數(shù)均顯著異于零，且AIC值和SC值最小來確定最佳滯后階數(shù)p、q值，將以該ARMA（p，q）模型來對收益率序列進行擬合。首先考慮ARMA（p，q）模型的常方差形式，若常方差的模型形式擬合后的殘差序列經(jīng)BDS檢驗零假設不被拒絕，即殘差序列滿足獨立同分布，則該模型能夠充分地刻畫收益率序列的數(shù)據(jù)特征，即為有效的擬合模型。反之，若BDS檢驗零假設被拒絕，則表明常方差的ARMA（p，q）模型不能夠充分解釋序列中的數(shù)據(jù)特征。再考慮以隨機游走模型對各收益率序列進行擬合。本文考慮的隨機游走模型包括三種形式：純隨機游走模型（式（32））、帶漂移項μ的隨機游走模型（式（33））、帶漂移項μ和趨勢項t的隨機游走模型（式（34）），其中tR為t時間的月度收益率。27t t 1tR αRε?=+（32）t t 1tR μαR εt?=++（33）t t 1tR μαR βtε?=+++（34）在隨機游走模型的三種形式中，根據(jù)所有估計系數(shù)都顯著異于零，AIC值和SC值最小來選擇對各序列最合適的模型形式，運用該形式的模型對序列進行擬合。如果常方差的ARMA模型和常方差的隨機游走模型均不能對序列進行充分的擬合，則表明序列中存在非線性特征。對于時間序列非線性特征的研究，國內外現(xiàn)有文獻提出了多種非線性隨機模型，但近二十年GARCH族模型在分析金融資產收益時應用最為廣泛，該模型是基于金融市場的波動聚類性提出的，它通過對條件方差設定自回歸形式的線性函數(shù)來擬合時間序列。鑒于此，再考慮以GARCH族模型對存在非線性特征的時間序列進行重新擬合。首先對殘差序列進行ARCH LM檢驗，如果常方差的模型形式經(jīng)ARCH LM檢驗零假設（不存在ARCH效應）不被拒絕，則表明常方差的ARMA（p，q）過程或者隨機游走過程也不能充分擬合該序列，收益率序列中存在ARCH效應以外的其他非線性特征，那么試圖以條件方差ARMA（p，q）模型或者條件方差隨機游走模型來擬合該序列就是失敗的，需要重新選擇其他時間序列模型。