热钱流入对我国房地产市场影响讲解Word格式.docx
《热钱流入对我国房地产市场影响讲解Word格式.docx》由会员分享,可在线阅读,更多相关《热钱流入对我国房地产市场影响讲解Word格式.docx(16页珍藏版)》请在冰点文库上搜索。
其次,热钱在短期内大量流入资本市场,直接购买房地产等,将抬高房地产价格,助长经济泡沫,推动非居民机构和个人购买资产的比例不断增加,在“羊群效应”下大规模的民间资金纷纷跟风买入大量资产,推动国内资产价格持续上涨。
在人民币持续升值和资产市场持续升温等多重利益刺激下,数量巨大的热钱不断流入到中国。
2005年8月15日,中国人民银行公布的《2004中国房地产金融报告》显示受房价快速上涨和人民币升值预期的影响,境外资金通过多种渠道进入上海、北京等热点区域房地产市场。
2005年汇改以来,资产价格大幅度持续上涨,股市和房地产市场尤为明显,其中北京、上海、广州的房地产价格上涨最为显著。
具体而言,热钱推动房地产价格上涨有三种途径:
第一,直接购买大量房产,刺激房价不断上涨。
例如2005年2月,摩根斯坦利耗资两亿美元买下上海世界贸易大厦,当时均价3000美元/平米,而到2006年5月价格上涨至约4000美元/平米,一年多时间上涨约30%。
第二,境外热钱凭借资金优势与国内房地产商“合作”,推动房价上涨。
由于部分房地产商融资困难,热钱又有进入房地产市场的愿望,双方一拍即合,例如美国华平投资集团就先后投资广东富力地产、上海中凯地产等地产商,地产商有钱之后通过高价拿地制造繁荣假象并借此抬高房价。
第三,热钱进入水泥、钢材等与房地产相关的原材料行业,导致房地产的建筑成本大幅度上涨。
无论哪一种途径,热钱都会推动房价上涨,助长资产泡沫。
在房地产价格不断上涨的强大“示范效应”下,会吸引更多的外资及国内民间资金进入,在房价持续上涨的同时泡沫也越来越大,一旦泡沫破裂就可能对经济造成严重冲击。
同样,热钱的撤离也会导致房地产市场的调整。
2008年下半年以来,上述三大城市的房地产价格扭转了长时间的上涨局面,甚至出现了大跳水的情况,这与同期有数目巨大的热钱流出不无关系。
2.模型设定
VAR向量自回归模型是在对结构化模型批判的基础上创立和发展起来的。
VAR模型最大的特点是模型中没有内生和外生变量之分,所有的变量都被看做内生变量,对模型系数不施加任何约束,即每个方程都有相同的解释变量——所有被解释变量若干期的滞后值。
本文在房地产价格指数与热钱规模之间建立模型并进行计量检验,以全国房地产市场价格指数月度数据为样本,对房地产价格与热钱数量之间的关系进行实证研究。
由于模型中采用的数据是时间序列数据,因此本文首先进行平稳性ADF检验;
然后建立热钱对房地产价格指数影响的协整方程,并对它们之间的因果关系进行Grange检验,并通过建立误差纠正模型确定热钱对房地产价格的影响程度。
3.样本数据与变量说明
本文将样本选为2006年1月到2010年12月共60个月的月度数据进行分析。
以房地产价格指数RE和热钱规模HM这两个指标为变量,所有数据均来自官方公布的统计资料或由统计数据计算得到。
其中外汇储备数据来自国家外汇管理局网站,各城市房地产价格指数来自国家发改委网站,出口额和进口额数据来自商务部网站,部分数据由wind数据库整理而得。
(1)热钱规模HM。
基于数据的可得性和科学性,本文对热钱估算方法采用“热钱规模=调整后的外汇储备增量-调整后的贸易顺差-调整后的外商直接投资FDI”。
其中,调整后的外汇储备增量=名义外汇储备增量-外汇储备投资收益-汇率变动损益;
外汇储备投资收益=上月末外汇储备额*2.4%/12;
汇率变动损益=上月末外汇储备*30%*欧元对美元增值幅度/12;
调整后的贸易顺差=名义贸易顺差*50%;
调整后的外商直接投资=名义外商直接投资*(1-12%)。
通过上述测算公式,估算出流入中国的月度热钱规模见表1。
表1热钱规模月度数据单位亿美元
时间
热钱规模
2006-01
103.36
2007-09
185.00
2009-05
575.66
2006-02
19.88
2007-10
-64.84
2009-06
-257.32
2006-03
109.71
2007-11
113.78
2009-07
40.67
2006-04
78.74
2007-12
103.54
2009-08
176.80
2006-05
119.28
2008-01
550.78
2009-09
409.15
2006-06
-104.05
2008-02
509.14
2009-10
407.72
2006-07
35.08
2008-03
177.13
2009-11
427.49
2006-08
6.62
2008-04
462.86
2009-12
-267.32
2006-09
-32.68
2008-05
153.05
2010-01
235.57
2006-10
29.59
2008-06
23.74
2010-02
-108.52
2006-11
111.56
2008-07
73.50
2010-03
415.91
2006-12
44.42
2008-08
57.56
2010-04
543.49
2007-01
99.99
2008-09
364.71
2010-05
-953.76
2007-02
341.31
2008-10
-444.11
2010-06
379.70
2007-03
374.27
2008-11
122.35
2010-07
330.04
2007-04
311.02
2008-12
1094.58
2010-08
-402.23
2007-05
164.08
2009-01
-588.97
2010-09
749.26
2007-06
236.80
2009-02
143.62
2010-10
720.29
2007-07
303.50
2009-03
24.13
2010-11
-143.06
2007-08
-93.62
2009-04
412.46
2010-12
502.80
(2)房地产价格指数RE。
房地产价格指数来源于wind数据库,均设去年同期价格指数为100。
表2全国性房地产价格指数
价格指数
105.80
109.40
98.90
109.80
99.50
105.00
110.90
100.40
105.70
110.40
101.60
111.20
102.60
106.30
110.80
103.70
106.20
110.60
106.00
110.10
108.20
109.50
108.50
111.60
105.30
107.40
112.60
105.90
113.80
103.80
113.50
105.60
101.80
100.30
111.50
105.20
99.52
106.90
98.50
107.70
98.30
108.30
108.40
108.00
(3)汇率EXCHANGE。
人民币汇率主要选择美元对人民币的名义汇率,见表3。
从表3中可以看出自2005年7月汇改以来人民币对美元汇率呈现不断升值趋势。
表3人民币汇率折算表
汇率
8.0493
7.5012
6.8332
8.0350
7.4233
6.8320
8.0156
7.3676
6.8322
8.0153
7.2478
6.8289
8.0067
7.1601
6.8275
7.9912
7.0752
6.8274
7.9733
7.0007
6.8279
7.9368
6.9724
6.8273
7.9032
6.8971
6.8270
7.8652
6.8376
6.8264
7.8238
6.8515
6.8262
7.7898
6.8307
7.7546
6.8316
6.8165
7.7391
6.8286
6.7775
7.7247
6.8424
6.7901
7.6704
6.8382
6.7462
7.6296
6.8357
6.6732
7.5805
6.8341
6.6558
7.5753
6.8312
6.6515
7.5258
6.8245
三、实证分析结果
1.时间序列的平稳性检验
在使用时间序列进行实证研究时,要特别注意序列的平稳性。
格兰杰、纽博尔特(1974)与菲利浦(1986)指出当使用非平稳序列进行回归时,会造成虚假归,沃森(1989)也证明当变量存在着单位根即非平稳时,传统的统计量,如t值、F值、DW值等将出现偏差。
为了保证回归结果的无偏性、有效性和最佳性,根据RE与HM的数据,利用扩展的ADF(AugmentedDickey-Fuller)检验方法来检验样本数据的时间序列特征。
ADF平稳性检验基于以下回归方程:
Δy=β+βt+(ρ-1)y+α∑Δy+ε;
其中:
εt为纯粹白噪音误差项,滞后阶数的选择使得εt不存在序列相关。
原假设H0:
ρ=1,备选假设H1:
ρ<
1。
接受原假设意味时间序列含有单位根,即序列是非平稳的。
利用EVIEWS先后对相关变量的原始序列和一阶差分序列进行ADF检验,检验结果如表4所示。
表4变量的单位根检验结果
变量
原始序列
差分序列
ADF
10%临界值
Hm
ADF(0)=-2.4*
-1.61
ADF
(1)=-7.4*
Re
ADF(0)=-0.05
ADF
(1)=-1.69*
注:
表中单位根检验不包含截距项与趋势项,根据AIC准则确定滞阶数。
由表4可知,热钱规模的原始数据即在10%的显著性水平上稳定,而房地产价格指数原始数据是不平稳的即含有单位根,其一阶差分数据平稳。
2.协整检验
在协整检验中,如果两个或两个以上的时间序列是非平稳的,但他们的某个线性组合表现出平稳,则说明这些变量之间必存在长期均衡关系。
本文采用S.Johansen协整检验。
RE与HM之间的协整关系检验结果见表5。
表5变量的协整检验结果
协整方程检验个数
迹统计量
5%临界值
P值
没有
49.7073
20.2618
0.0000
最多一个
6.3488
9.1645
0.1655
协整检验含截距项,不含趋势项。
由表5可知,对于没有协整关系与最多有一个协整关系的零假设中,没有协整关系的迹统计量大于5%置信水平的临界值,拒绝原假设;
最多一个协整关系的迹统计量小于5%置信水平的临界值,接受原假设。
说明RE与HM之间存在一个协整关系,从而得出协整方程如下:
RE=75.3504+0.1946HM
(6.3347)(0.02499)
由上面方程可知,热钱规模与房地产价格指数之间存在长期均衡关系,热钱的流入对房地产价格指数有明显地正面冲击。
具体来讲热钱流入量每增加1亿美元,将引起房地产价格指数上涨0.1946个百分点,这与前面热钱推动房地产价格上涨的分析基本是一致。
但它们之间是否存在因果关系尚不清楚,这需要进一步进行Granger因果检验。
3.格兰杰因果检验
格兰杰因果的实质是看VAR模型中的被解释变量RE能够在多大程度上被过去的解释变量HM加以解释,也即加入HM的滞后值是否使解释程度提高,或者说格兰杰因果检验度量对RE进行预测时HM的前期信息对均方误差的减少是否有贡献,有贡献的称HM是RE的格兰杰原因。
本文采用基于VAR的F检验。
RE和HM之间的格兰杰因果关系检验结果见表6。
表6格兰杰因果检验结果
原假设
样本量
F统计值
结论
hm不是re的原因
60
0.1667
0.8469
接受
re不是hm的原因
0.0824
0.9210
4.误差修正模型VEC
为进一步研究热钱在短期上如何影响房地产价格指数,本文建立误差修正模型。
根据上面的协整方程,误差修正项为:
ECMt-1=REt-1–0.1946HMt-1–75.3504
使用最小二乘法估计,可得到如下误差修正模型:
D(RE)=-0.0517ECMt-1+0.3654D(REt-1)+0.5235D(REt-2)-0.0010D(HMt-1)-0.0006D(HMt-2)+0.0059
误差修正项ECMt-1的系数为-0.0517,而且在统计上显著,这表明如果房地产价格指数在上期偏离均衡水平,在本期将以5.17%的速度向均衡水平恢复,符合误差修正模型的要求,方程中的误差修正模型是稳定的,但调整速度比较慢。
但令人困扰的是HM的系数为负,这表明热钱流入对房地产市场有负面影响,与前文的理论假设相悖。
VEC输出结果见表7
表7VEC结果输出
ErrorCorrection:
D(RE)
D(HM)
CointEq1
-0.051710
22.60567
(0.01348)
(8.70573)
[-3.83633]
[2.59664]
D(RE(-1))
0.365357
-5.361264
(0.11875)
(76.6946)
[3.07679]
[-0.06990]
D(RE(-2))
0.523508
-57.03596
(0.12339)
(79.6950)
[4.24264]
[-0.71568]
D(HM(-1))
-0.000978
-0.437946
(0.00029)
(0.18738)
[-3.37145]
[-2.33716]
D(HM(-2))
-0.000563
-0.422150
(0.00021)
(0.13254)
[-2.74405]
[-3.18504]
C
0.005924
14.15106
(0.07130)
(46.0499)
[0.08308]
[0.30730]
R-squared
0.726554
0.608185
Adj.R-squared
0.699745
0.569772
Sumsq.resids
14.69892
6131613.
S.E.equation
0.536856
346.7387
F-statistic
27.10168
15.83271
Loglikelihood
-42.25410
-411.0781
AkaikeAIC
1.693126
14.63432
SchwarzSC
1.908184
14.84938
Meandependent
0.052632
6.896474
S.D.dependent
0.979745
528.6314
Determinantresidcovariance(dofadj.)
29641.43
Determinantresidcovariance
23729.57
-448.8816
Akaikeinformationcriterion
16.24146
Schwarzcriterion
16.74326
5.脉冲响应函数
脉冲响应函数刻画了内生变量对误差变化大小的反应,它反映在误差项上加一个标准差大小的冲击对内生变量的当期值和未来值所带来的影响。
本文采用依赖于SVAR模型的脉冲响应方法,给热钱一个正向的单位大小的冲击,得到关于房地产价格指数的脉冲响应函数图(图3)。
图中,横坐标表示冲击作用的滞后期间数(单位:
月),纵坐标表示房地产价格指数,蓝线
表示脉冲响应函数,代表房地产价格对相应变量冲击的反应,红线表示正负两倍标准差偏离带。
由图3可知,房地产价格指数主要受