人口老龄化对货币政策调控房地产价格效果的影响研究

文章基于1999—2022年中国宏观经济数据,通过构建时变参数向量自回归模型(TVP-VAR)分析货币政策对于房地产价格的调控效果。实证结果表明数量型货币政策与价格型货币政策在中长期对房地产价格调节均明显衰减,同时价格型货币政策的调节效果具有显著不确定性。利用2000—2021年中国省级面板数据构建系统广义矩估计模型(System-GMM)分析人口老龄化对货币政策调控房地产价格效果的影响。结果表明人口老龄化对于数量型货币政策调控房地产价格的效果产生负面影响,但对价格型货币政策在调控房地产价格方面的影响并不显著。在人口老龄化时代背景下,为中央银行改进货币政策,提高货币政策实施效果,以应对人口老龄化并促进房地产市场稳步发展提供参考,具有重要理论与现实意义。

新时代背景下房地产价格风险测度及区域分布研究

房地产价格变动的风险评估与预测,对实现住房刚性需求、贯彻新时代多渠道保障住房制度具有重要意义。采用2013年1月至2022年12月70个大中城市面板数据,基于在险价值风险度量理论,使用历史模拟和蒙特卡洛模拟两种算法测度新建商品住宅销售环比价格指数变动风险情况,并从地理空间角度分析城市风险特征分布。研究结果发现:一线城市房价指数波动风险相近其风险值由高到低依次为深圳、广州、上海、北京,新一线城市相比一线城市房价指数平均波动风险更高且城市间差异较大,在未来平均房价指数波动风险略有上升,而传统一线城市和其他城市平均风险则相对有所下降。东北地区、沿海地区及内陆部分省会城市风险测度结果相对较高,中南地区多中风险城市,低风险城市较分散。现有房价仍需以一线城市为标杆推进新一线城市房价稳预期,因地制宜实行房地产行业相关政策。

基于GM (1, 1)模型的房地产价格分析与预测——以上海市为例

房地产行业是我国经济的支柱产业,对地区经济发展和居民生活水平影响巨大,房地产价格变动因此成为一项重要的民生问题。本文以上海市为例,首先采用灰色关联度模型从供需层面、经济层面、政策层面和其他多个维度的层面中筛选房地产价格主要影响因素,随后基于其2010年~2021年的商品房住宅均价的相关数据,采用GM (1, 1)模型对其未来5年房地产价格进行预测分析。结果显示,上海市房地产价格受人均可支配收入、生产总值、人均GDP、金融存款余额量、住宅开发投资额等因素影响最为显著;同时,预测未来5年上海市房地产价格将持续上涨,年增幅约为9%。

基于麻雀搜索优化SVR模型的房地产价格研究

为解决传统经济指标作为房价影响因素的数据获取滞后性问题以及机器学习模型在预测房价时存在的参数选取不确定性问题,文中以网络搜索数据作为房价指数解释变量,采用麻雀搜索算法(Sparrow Search Algorithm,SSA)建立SSA-SVR(Support Vector Regression)模型对SVR的惩罚因子C和RBF(Radical Basic Function)核函数的参数g进行优化。将SSA-SVR模型与PSO(Particle Swarm Optimization)-SVR、GA(Genetic Algorithm)-SVR、WOA(Whale Optimization Algorithm)-SVR、GS(Grid Search)-SVR以及基准SVR进行对比,SSA-SVR的相关系数(0.99)、均方根误差(6.71)、平均绝对误差(5.24)、均方误差(45.13)以及平均绝对百分比误差(0.26%)均优于其他5种模型。结果表明,麻雀搜索算法优化的SVR模型在房价预测方面具有更好的全局寻优能力,可以提高模型的预测准确度和预测能力。

房地产价格影响因素分析

近三年,受“三道红线”、地缘政治、中美贸易战以及疫情等多方面影响,房地产价格目前出 现了超跌现象,房地产行业出现了重大调整,也较大阻碍了我国经济的全面强劲复苏。研究表明,房地产 价格受到商品价值、供求关系以及价格预期的影响。为了促进房地产市场平稳健康发展,助力经济全面复 苏,应及时采取必要措施:一是加大宏观调控政策力度,刺激经济强力复苏;二是全面快速落实一系列房 地产维稳政策;三是进一步放松限购等购房政策;四是引导建立合理房地产价格预期。

保障房供给与经济增长对房地产价格的影响研究

近年来,我国房地产事业飞速发展,为深入探讨保障房供给和经济增长如何共同影响房地产价格,文章通过构建一个空间面板数据模型,分析了保障房供给和经济增长对房地产价格的直接和间接效应。文章发现,经济增长对房价有显著的正向影响,而保障房供给则对房价有负向调节作用,不仅揭示了房地产市场价格形成的复杂性,而且为相关政策制定提供了理论支持和实证依据。

房地产价格对企业投资结构的影响研究

依据我国2009—2020年微观企业面板数据,运用固定效应模型,考量房地产价格对企业投资结构的影响。结果显示,房地产价格对企业金融资产投资占比正向影响显著,对企业实体资产投资占比负向影响显著;房地产价格通过融资约束效应、劳动力成本效应与套利动机效应对企业投资结构产生影响。与西部地区企业相比,房地产价格对东部、中部地区的企业投资结构影响更显著;与非国有企业和中小型企业相比,房地产价格上涨对国有企业和大型企业金融资产投资占比的促进作用更弱。鉴于此,应合理调控房地产价格,优化企业融资环境和投资结构,促进企业高质量发展。

基于空间杜宾模型的城市轨道交通车站周边商业地产价格分析

为研究城市轨道交通车站对周边商业地产价格的影响,本文在传统特征价格模型的基础上,考虑样本间的空间依赖性,引入空间变量构建空间计量模型,对不同模型的训练拟合效果进行评估;引入车站出入口结合形式变量,与距离变量共同表示可达性,分析城市轨道交通车站可达性与商业地产价格的关系。相关模型的拟合训练及效果对比显示:空间杜宾模型拟合效果优于传统特征价格模型及其他空间计量模型;与对照组模型回归效果的准确度相比,考虑车站出入口结合形式的基本组均方误差下降21.74%,结合形式变量的引入提升了空间杜宾模型回归结果的准确性。针对北京和上海的案例分析显示,商业地产价格与出入口结合形式紧密度呈现正相关,具有对接式、贴附式和融入式结合形式的商业地产与一般式相比,价格最高分别高出51.20%、45.02%和43.10%。

基于数字地价模型的房地产价格指数研究

房地产价格模型对城市管理具有重要作用,其中,数字地价模型能直观地反映一个城市的房地产价格分布情况。本文选取了杭州市作为研究对象,采集其房地产价格数据,构建杭州市的数字房价模型,研究房地产价格指数,旨在为房地产市场的管理和投资决策提供依据。

财政支出、房地产价格对系统性金融风险的影响研究——基于TVP-SV-VAR模型的实证分析

本文运用主成分分析法构建系统性金融风险指标,采用时变参数向量自回归(TVP-SV-VAR)模型识别财政支出与房地产价格变动对系统性金融风险的动态影响,并选取我国三次房地产管控措施出台的重要时点,进行不同维度的冲击响应分析。研究结果表明:财政支出、房地产价格对系统性金融风险的影响具有显著时变性,房地产价格的持续上涨积累系统性金融风险;财政支出变化可以通过影响房地产价格而引致系统性金融风险的波动。据此,改善房地市场和财政支出的相关政策,将有助于防范化解系统性金融风险。

房地产价格批量评估相关研究及展望

批量评估方法自20世纪末期起,得益于不断发展的计算机技术而经历了一个快速发展的阶段,得到国际上的一致认可,并逐渐成为房地产评估方法的主流。基于此,针对近年来房地产市场的批量评估研究,文章分别从POI数据应用研究和批量评估技术两方面进行研究梳理和汇总,探讨房地产价格批量评估研究目前存在的问题和未来解决的建议。

非金融企业影子银行化、房地产价格与金融稳定

伴随经济金融化程度不断加深,非金融企业已经成为我国影子银行业务新的参与主体。非金融企业的影子银行化行为对房地产价格和金融稳定有何影响?运用2007—2019年31个省市的面板数据,利用PVAR模型进行实证检验。研究结果表明:短期内,非金融企业影子银行化行为有利于我国金融稳定,但长期会对金融稳定产生负面影响;另外,非金融企业的再放贷行为会使大量资本集聚在房地产行业,从而使房价居高不下,进一步影响金融体系的稳定性。因此,应加强日常监管,引导影子银行适度发展,把控其资金流向,从而更好地服务实体经济。

货币政策对我国部分城市房地产价格影响分析

从货币政策的视角出发,在利用VAR模型分析和检验了我国货币政策对整体房地产价格波动的影响程度和持续时间的基础上,对我国具有经济代表性的城市进行了划分与分析,发现社会融资增量、货币供给量和国债利率等指标对房地产价格影响波动性较大.三个变量短期内主要对房价产生正向影响,其中,国债利率对房地产价格的传导机制存在一定滞后性.从典型城市视角来看,房地产开发投资额和工业增加值同比增长率对经济发达地区响应较大,其他城市相对较为平缓.为此,货币政策的制定与实施不仅要考虑方向和力度,还要兼顾各地区经济发展的不均衡等问题,各地区政策决策部门需要根据国家宏观政策,结合实际更加科学地制定相关房地产政策,促进不同地区经济可持续发展,以维护地区和宏观经济环境的稳定.

地方财政、土地购置成本与房地产价格——基于省级面板数据的实证研究

1998年住房商品化后,我国房地产市场得到了充分的发展,房价不断提高,引发社会各界广泛关注。房价的高涨不利于经济和社会的长远发展,地方政府财权与事权不匹配是造成房价高涨的原因之一,地方财政不平衡使得地方政府依靠出让土地来弥补财政赤字,造成了房地产企业土地购置成本的上涨,最终传递到房地产价格。本文将地方财政、房地产开发企业土地购置成本与房地产价格置于同一分析框架,利用2004~2020年期间30个省份相关的面板数据,实证分析三者之间的关系,最后提出调控房价的相关政策建议。

货币政策对房地产价格的传导机制研究

房地产是国民经济的支柱性行业。后疫情时代,全球经济艰难复苏的新形势下,充分把握房地产市场的价格波动趋势,有利于货币当局制定科学的货币政策,引导国民经济健康稳定运行。本文选取 2000 年 1 月—2022 年 12 月的房地产价格、货币供应量(M2)、7 天银行间同业拆借利率的月度数据,建立向量自回归模型(VAR),分析货币政策对房地产价格的影响。研究发现:第一,货币政策能够影响房地产价格。第二,货币供应量增长率对房地产价格增长率有正向效应,房地产价格增长率反作用于货币供应量增长率;利率对房地产价格增长率影响较弱。

高速铁路发展对沿线城市房地产价格的影响研究

本次研究以2005~2013年我国250个地级城市的面板数据为样本,利用双重差分模型(DID)分析高铁开通对沿线城市房地产价格的影响。研究结果发现,高速铁路的开通显著提升了沿线城市的房地产价格。高铁的运营压缩了城市之间的空间距离,节约人们的出行时间,同时也促进了人口的流动与资本的流动,对高铁沿线地区的房地产市场具有积极促进作用。

房地产价格评估体系的建立与运作

国家为确保房地产相关领域发展的公平性和合理性,制定了房地产市场价格的监督管理体制,即房地产价格评估。本文对当前我国房地产价格评估体系的现状进行详细说明,并提出当前体系中存在的问题,针对问题给予了相应的对策。

环渤海区域房地产价格波动传递机制的实证研究

某一城市房价的变化不仅会影响到其位置相邻或经济发展水平相近地区的房价变动,也会通过消费者和投资者的预期影响到非相邻及经济发展水平不同城市的房价变化。利用协整分析、Granger因果关系检验、基于VEC模型的广义脉冲响应函数等方法对环渤海区域七城市房价变化的动态关系进行实证分析,结果表明,各城市房价之间存在长期稳定的均衡关系,并具有明显的互动影响关系,沈阳、北京和石家庄均对其他城市的房价变化有显著的引导作用。短期内各城市房价波动受自身影响强度较大,具有较强的惯性。

银行业竞争对房地产价格影响的实证分析

在“房住不炒”和深化金融改革的双重背景下,深刻理解银行业竞争的经济结果,对促进房地产市场长期稳定健康发展具有重大的现实意义。论文基于2006-2020年中国70个大中城市相关数据,实证检验银行业竞争对于房地产价格的影响。研究发现,银行业竞争显著地推动了房地产价格,而对不同城市存在异质性影响。