房地产市场价格趋势范文

引言：寻求写作上的突破？我们特意为您精选了4篇房地产市场价格趋势范文，希望这些范文能够成为您写作时的参考，帮助您的文章更加丰富和深入。

篇1

中图分类号：F293.3 文献标识码：A 文章编号：1008-4428（2017）04-38 -02

一、引言

改革开放以来，中国逐步废除社会主义时期的住房政策，建立适应资本主义体制的房地产市场，其过程大致分为三个阶段：1978～1991年，住房改革和房地产市场的区域性试点。1991～1998年，住房改革和房地产市场在全国推开。1998年后，房地产市场基本成熟。本阶段，终止福利分房，全部城镇住宅强制商品化。至此，地产资本终于敲开了他们梦寐以求的个人住房领域大门，大量资本开始涌入房地产市场，房地产投资热火朝天。2016年一、二线城市房价又迎来“坐火箭”的一年，国家统计局最新数据显示，2016年，我国商品房销售面积约15.7亿平方米，比上年增长22.5%， 商品房销售额约11.8万亿元，增长34.8%，其中，住宅销售额增长36.1%。在如此动荡的房地产市场中，重庆的房价可谓是房地产界的一股清流，从直辖之初至今，无论是从居民的感知还是统计数据显示，都保持着平稳增长的状态。

二、影响重庆房价因素的探讨与分析

（一）特殊的地理位置

重庆地处我国东、中、西三大经济带的中西经济板块的结合部。东邻湖北、湖南，南靠贵州，西接四川，北连陕西；辖区东西长470千米，南北宽450千米，幅员面积8.24万平方千米，为北京、天津、上海三直辖市总面积的2.39倍。重庆的结合部区域位置，具有承东启西，左 右传递的枢纽作用，是交通、物质、文化、人员、技术、信息和经济交流的中转站，是沿海经济向内陆腹地延伸的依托点之一，也是我国经济发展向西进行战略转移的支撑点之一。正是这样特殊的地理位置给重庆经济的发展带来了契机。广袤的土地资源，大量的资金涌入以及便捷的交通也为重庆房地产业的发展创造了有利的条件。

（二）城乡人口分布

2015年，重庆市常住人口3016.55万人，与上年相比，增加25.15万人，增长0.8%，常住人口继续保持增长态势。其中城镇人口1838.41万人，与上年相比，增加55.40万人；全市城镇化率60.94%，与上年相比，上升1.34个百分点。乡村人口1178.14万人，占常住人口的39.06%，与上年相比，减少30.25万人。重庆市外出人口1069.43万人，其中外出市外人口505.50万人，占全部外出人口的47.3%；市内外出人口563.93万人，占52.7%。全市外来人口150.21万人。由以上数据分析得出，直以来，在重庆城市化进程中，伴随着农村人口不断减少，城市人口不断增加，对商品房的需求也不断增长，一定程度上推动了房地产业的发展，但同时重庆作为一座人口净输出的城市，市内外出人口占总人口比重达一半以上，另一方面也缓解了住房需求紧张的状况，抑制了房价的过热增长，使得供需趋于平衡。

（三）经济发展状况

曾经的重庆，主要产业不外乎钢铁、煤炭、化工、有色金属、军工等重化工产业，但在全国重化发展鼎盛时期，在钢铁行业、煤炭行业、化工行业、有色金属行业狂欢中，重庆悄无声息地实现了支柱产业转换。重庆的高明之处在于，传统行业处于发展鼎盛时期悄无声息做减法，高技术产业做加法，新兴产业做乘法。另外虽然重庆还处于投资驱动经济发展阶段，但重庆的投资重点不放在房地产方面，而是放在实体经济领域、基础设施领域、民生领域，重庆经济的高增长并没有建立在房地产高涨价基础上，房地产投资严格控制在固定资产投资25%（+-3%）左右。从某种程度上看，重庆真正做到了系统性地从经济和民生两个维度去调控房地产市场，实现了人的城镇化。

（四）政府对重庆房价的调控政策

重庆政府通过综合考虑房地产市场的长短期特点，相继出台土地储备制度、地票制度、保障房制度、房产税制度，控制房地产市场宏观层面的供求关系，共同创造了重庆成功控制房价的氛围。

1.土地储备制度

2002年8月22日，在时任副市长黄奇帆的推动下，重庆市政府通过了《重庆市国有土地储备整治管理办法》，开始大力实行土地储备制度。其实质是，由政府主导，将市内土地一级市场的经营权交给由官方掌控的几家市级土地储备机构，核心在于原有的土地一级市场巨额增值收益不再被房产商占有，而是进入代表公共利益的国资系统。土地储备制度对重庆房地产业影响重大，主要坚持了五项原则：一是超前储备，一步到位；细水长流，逐年供应。二是对储备地的使用要兼顾公益和商业开发。三是土地储备不改变市区两级政府的分配制度。四是土地储备公司肩负做好两个循环的责任。五是严格设置风险“隔离墙”。同年，重庆市建立了土地整治储备中心，对全市土地市场进行宏观调控。2003年2月，重庆市政府又在土地储备中心的基础上成立重庆市地产集团。该集团是重庆市政府注资的专事土地储备和开发整理的运作载体。随后几年，重庆市城司、重庆市水利投资公司、渝富资产经营管理公司等重庆市政府旗下的投融资平台，亦被授予土地储备职能，介入了土地一级市场。政府从而有效地控制了房地产市场，形成了土地资源配置的良性循环。

2.地票制度

地票制度即将农村闲置的宅基地及其附属设施用地、乡镇企业用地、公共设施用地等集体建设用地复垦为耕地，盘活农村建设用地存量，增加耕地数量。这一制度创新，从系统化的层面看，主要基于三方面的理论逻辑。一是地票制度是被异化城镇化路径的正常回归，二是地票制度是产权经济学的创新实践，三是地票制度是恪守“三条底线”的审慎探索。2008年，重庆报经中央同意，成立农村土地交易所，启动了地票交易试点。按照我国土地用途管制制度和城乡建设用地增减挂钩、耕地占补平衡的要求，增加的耕地数量就可以作为国家建设用地新增的指标。这个指标除优先保障农村建设发展外，节余部分就形成了地票。按照增减挂钩政策，地票与国家下达的年度新增建设用地指标具有相同功能。通过交易，获得地票者就可以在重庆市域内，申请将符合城乡总体规划和土地利用规划的农用地，征转为国有建设用地。大量的土地供给有效地抑制了地皮价格，房地产开发商建房成本降低，从而有效抑制了房价的上涨。

3.保障房制度

在保证充足的用地供应同时，重庆的保障房建设在全国范围内也是完成得最好的。重庆以公租房为重点的住房保障体系，解决了低收入和外来务工人员的住房需求。在过去的十年里，重庆总计兴建约4000万平方米公租房，为数十万市民提供了福利性住房。保障房供给量基本满足了市场的需求，就造成炒作房地产市场、获利的空间小，投资投机意义不大。

4.房产税制度

从2011年起重庆成为两个房产税试点城市之一，重庆市的主城九个区都属于试点的范围，至今已有6年的时间。征收对象包括个人拥有的独栋商品住宅、高档住房、外地客购买的二套房等。今年年初，黄奇帆卸任重庆市市长一职后，各路不确实的消息鼓吹重庆房价将会上涨，吸引了大批外地炒房者组成炒房团涌入重庆房地产市场，个别地区和楼盘房价出现异常波动。重庆政府一直贯彻“房子是用来住的，不是用来炒”的理念，及时新的政令，对房产税征收对象中，将“在重庆无户籍、无企业、无工作个人新购的第二套普通住房”，调整为对“三无”人员首套住房征收房产税，根据交易单价，将独栋别墅和高档住宅分为0.5%、1%、1.2%三个不同档次；“三无”个人新购住房税率为0.5%。房地产税是房地产市场的“内在稳定器”，能够起到逆周期的作用，对上海而言，是一副处方药；对重庆而言则是一副保健药，对重庆房地产市场长期健康稳定发展是有利的。政府根据市场实际情况的变动对房产税制度作出的相应调试，遏制了炒房牟利行为，维护了楼市的平稳发展，同时政府在“土地财政”之外又多了一个收入渠道。

三、结语

总的来说，重庆主要解决了影响房r的最主要因素――供需均衡，重庆模式总结起来是“高端有遏制，中端有供给，低端有保障”，在高端市场重庆是最早试行房产税的城市之一，此外，契税政策、贷款政策等方面对高端大户型、别墅型等物业形态形成经济性遏制作用；中端市场的供应在十年前就以较低的价格收储了大量土地储备，保证了充足的供应；低端保障性住房又有政府主导的公租房系统供应。这些措施使重庆房价控制到了三四线城市的水平，成为全国核心城市的房价洼地。重庆与中国所有城市都不同，具有“大城市、大农村、大人口”特点，其样本的特殊性注定了重庆对房地产业作出的调控方案只适应重庆本身，在全国范围内不具有可复制性和可推广性。

参考文献：

[1]BashirAhmad，Sotiris K Ntouyas.Existence results for fractional differential inclusions arising from real estate asset securitization and HIV models[J].Advances in Difference Equations，2013，（12）：44-50.

[2]江燕.重庆模式：地票制度[J/OL].

[3]安辉，王瑞东.我国房地产价格影响因素的实证分析――兼论当前房地产调控政策[J].财经科学，2013，（03）：45-65.

[4]王元华.城镇化进程中房地产价格分异研究[D].华东师范大学，2015，（09）：33.

[6]董英兰.房地产市场博弈研究[D].首都经济贸易大学，2006，（03）：22-25.

[7]王元华.城镇化进程中房地产价格分异研究[D].华东师范大学，2015，（09）：33.

篇2

中图分类号：F293文献标识码：A

文章编号：1000176X（2015）11013505

一、研究背景

我国房地产市场，自20世纪80年代开始萌芽发展。随着1997―1998年间住房制度改革的启动，住房投资、建设、分配、管理制度逐渐向着货币化、市场化和社会化的方向转变，住宅市场作为独立的产业体系，开始成为房地产市场的重要组成部分。1998年以后，住房实物分配制度的正式终结和房地产市场得到的政策支持，使城市住房供给的融资渠道、投资主体等呈现多元化的趋势，使住宅市场保持着高速的发展势头。

但随着住宅市场投资的快速增长，住宅价格也随之不断上涨。2002年以后，我国部分大中城市的住宅价格出现了加速增长的趋势，且波动程度显著增大。因此，随着住宅价格的不断升高，住宅价格波动已经成为整个社会关注的焦点。围绕相关问题，近年来国务院、各部委、人民银行和各地政府相继出台了一系列政策来稳定房地产市场。

2011年1月26日公布的“新国八条”要求，2011 年各城市人民政府要根据当地经济发展目标和居民住房支付能力，合理确定本地区年度新建住房价格控制目标，并于一季度向社会公布。2011年，在全国657个城市中，住房价格调控目标大致可以分为，以GDP增长为一类，人均居民收入为一类，以长春提出的房价收入比为一类。那么这些指标合理吗？在各个城市公布这些调控目标后，引来了居民的抱怨，房价目标却被公众批评为“限涨令”。因为几乎所有城市都将2011 年目标定为“增长10%”左右，调控目标制定得太宽松。可见这些目标存在不合理之处。因为近些年居民收入水平赶不上GDP的增长水平，更赶不上物价上涨速度[1-2]。

本文从技术分析的角度，聚焦城市住宅价格的波动幅度、波动周期和波动方式等方面，从住宅价格波动现象自身来研究其透露的信息，把握住宅房地产市场的真实状况，通过确定住宅价格的正常波动区间，来对住宅价格波动过程中出现的异常波动点进行界定，从而为趋势的判断和调控的时点把握提供参考。目前可用于住宅价格趋势计算的指标较少，论文通过其他途径寻找合理的趋势分析方法。成交量变化是先于价格变化的，成交量是引起价格变化的原因，运用市场价值规律，供给与需求的关系，制定市场的成交量分析指标，通过最近成交量分析来预测住宅均价的走势。本文试着通过住宅房屋的成交量来预测房价的涨跌情况，运用成交量分析指标来计算出房价同样的指标，这样对于房价的趋势分析就有了一种新方法。基于南京市近十年新建住房的销售情况，计算VPCI。

二、文献综述

在定性研究方面，贺建清从开发商与消费者的互动关系和开发商之间的利益博弈角度分析影响房地产价格走势的原因，并建立房地产市场开发商与消费者间的不完全信息静态博弈模型和开发商之间的有限理性下协调博弈模型，结果表明房地产开发商和消费者之间的博弈，开发商之间的合作与非合作博弈是影响房地产价格波动的重要原因。周建军和侯杰通过对国际游资投机房地产的动因和房地产市场的价格决定模型分析，发现房价波动与国际游资之间呈正相关趋势。熊璐瑛[5]从汇率对物价的传导机制、供需理论等角度讨论汇率波动对房地产价格的影响。杨冬宁探讨了土地供给价格、数量和形式对住宅价格波动的影响。孔煜分析了货币政策影响房地产价格波动的冲击途径，并阐述了我国住宅价格波动与货币供给量变动形成的货币政策冲击之间的关系。

在定量研究方面，梁云芳和高铁梅用多变量时间序列方差分量分析模型（MTV模型）对不同地区不同用途商品房价格变动的各种影响因素综合考虑分析。杨冬宁[9]利用特征价格法和多元回归方程组，通过对杭州市住宅价格指数的构建，对住宅价格波动的影响因素进行了归类和动态分析。李成刚等[10]用Panel Data模型和向后法多元回归方程建立了住宅价格影响因素模型，通过实证分析找出了影响河北省住宅价格的主要因素。周恩臣结合定性的经济周期波动理论和定量的静态、动态供求价格模型及截面时序模型，从政府、银行、消费者的角度对住宅价格波动的原因进行了分析。卫正逸和屈梦溪利用VEC模型对国际资本流动和我国房地产市场销售价格之间的弹性进行研究，通过格兰杰因果检验分析二者之间的因果关系，结果表明从短期来看，国际资本流入是我国房地产市场价格上涨的原因，但影响程度较小，从长期来看二者之间并不存在均衡关系。宋勃和高波[13]在考虑通货膨胀的条件下，利用我国1998―2006年的一年期存款实际利率、一年期商业贷款实际利率、存款准备金实际利率、中央银行实际贷款利率、实际再贴现率与房屋销售价格指数和土地交易价格指数的季度数据建立误差纠正模型，并通过协整检验、长短期格兰杰因果检验和脉冲响应分析，对我国房地产价格和各种实际存贷款利率的关系进行实证检验。周京奎[14]通过构建适合我国的房地产投机理论模型，对我国14个城市的房地产价格波动与投机行为的关系进行实证研究，时间序列的回归分析结果表明，全部城市中投机成分都对房地产价格有显著影响，横截面数据表明，可支配收入对房地产价格没有显著影响，价格上升主要由投机推动。张文娟[15]应用行为金融学中的噪声交易理论，通过引入一个含有过度反应系数的世代交替模型，分析房地产市场中噪声交易者的过度行为对房价波动的影响。徐松茂和姚佐文[16]通过VAR模型（向量自回归模型）和协整分析，发现人口和预期是上海房地产市场价格变动的两个主要因素，并通过行为金融学的噪声交易理论、反馈机制和羊群效应等对这种心理预期的作用进行解释。李智[17]针对城市住宅价格控制目标进行了横向比较并分析其合理性，结合南京市数据进行了案例研究。

三、成交量VPCI指标的由来及计算

1VPCI指标在股市中的应用

在股票市场中，股票交易机构吸纳和派发股票筹码的行为模式主要不是盯着每一天股票的涨跌趋势变化，它们的交易策略是结合市场的整体趋势来制定和执行的，从这个角度来看，长期市场的趋势是捕捉市场内部正在积累的供需力量的理想途径。在短期内，市场的一些行为有可能误导投资者，而且有时候还是有意的。房价也是如此，房地产公司为了快速卖出新楼盘，打着各种招牌，有意降低某些廉价房的价格，以此吸引消费者的眼光等。但是从市场较长期的趋势来看，机构投资者的行为是无法隐藏的。因此，我们需要一个成交量指标来比较这些市场趋势。基于这些想法，成交量分析大师巴夫经过严格的检验，对市场的较长期趋势找到了一个这样的指标来揭示价量之间的正相关关系。研究的结果就是成交量价格确认指标VPCI。

在介绍VPCI之前，我们先介绍两个关于价格的基本平均值：简单移动平均值（SMA）和成交量加权的移动平均值（VWMA）。VWMA是将每个交易日的收盘价用当天的成交量加权，然后除以平均值计算期间的总成交量。VWMA来衡量通过价格反映出来的投资者意愿，以当日成交量占平均值计算期间总成交量的比例为权重对价格进行加权。用成交量给价格平均值加权就是基于投资者的参与给予价格不同的强调，成交量大的交易日价格的重要性会被放大，而成交量较小的交易日的价格的重要性则会被降低。例如：我们同时用SMA和VWMA两种方法来计算两天的移动平均值，假设某只股票在第一天以10美元的价格成交了100 000股，第二天以12美元的价格成交了300 000股。SMA的计算方法是将第一天的价格加上第二天的价格，然后除以天数，即（10+12）/2=11美元。VWMA的计算方法是将第一天的价格乘以第一天的成交量占总成交量的比例（100 000/400 000=1/4），然后加上第二天的价格乘以第二天的成交量占总成交量的比例（300 000/400 000=3/4），最终结果为115美元。根据计算结果，投资者参与的实际价格不是11美元，而是VWMA所示的115美元。

VPCI指标将价格趋势和成交量加权的价格趋势加以对比，即将VWMA和相应的SMA相比较。这样的对比能够揭示价格趋势和相应的成交量之间的内在关系。虽然SMA指标能够显示一只股票价格的变化，但不能反映投资者参与的程度，而VWMA指标将价格变化的重要性根据相应的成交量进行了加权。SMA和VWMA指标之间的不对称性就提供了构建VPCI的信息。该信息被用于判断当前价格趋势的可持续性。因此，VPCI指标主要用于证实或反对当前的价格趋势。

2住宅市场价格VPCI指标的建立

VPCI涉及三种计算：成交量价格确认或反对指标（VPC+/-）、成交量价格比率（VPR）和成交量乘数（VM）。

第一步，选择一个长期和短期的时间框架。长期的时间框架用于计算基于简单价格移动平均数和成交量加权的价格移动平均数的VPC，以及基于简单价格移动平均数和成交量加权的价格移动平均数的VM。短期的时间框架用于计算基于简单价格移动平均数和成交量加权的价格移动平均数的VPR，以及基于简单价格移动平均数和成交量加权的价格移动平均数的VM。

VPC的计算方法是从长期的VWMA中减去同期的SMA。实际上，VPC是描述价格和成交量加权之间关系的核心指标，但很少被关注，当该值为正时就是VPC+指标（成交量价格确认），为负时就是VPC-指标（成交量价格矛盾）。VPC显示了价格和成交量加权后的价格在某段时期内变化的非对称性，其结果能为我们提供十分有用的信息。一个50天的SMA值为485，而同时的VWMA值为50，其差值为15代表了对上升趋势价格的成交量确认。如果计算的结果是负值，则代表了价格成交量矛盾。仅仅是这个差值就提供了关于价格趋势和相应的成交量之间的内在非对称性关系的纯粹的朴实无华的信息。

第二步，计算成交量价格比率（VPR）。VPR指标能放大或缩小相对于短期价格成交量关系的VPC+/-值。VPR的计算方法是将短期的VWMA除以短期的SMA。例如，假设短期定义为10个交易日，10天的VWMA值为25，而10天的SMA值为20，那么VPR就等于25/20，即125。我们将该值乘以第一步中计算出来的VPC+/-，而小于1的成交量价格比率则会减少VPC+/-。

第三步，计算成交量乘数（VM）。VM的目的是在成交量放大时加大VPCI的量，在成交量缩减时缩小VPCI的量。为此，我们用短期平均成交量除以长期平均成交量。例如，假设对于SMA简单移动平均线，10天的短期平均成交量为每天150万股，而50天的长期平均成交量为每天75万股，那么VM值就是1500 000/750 000=2。

在将VPC+/-乘以VPR之后，我们再乘以上一步计算出来的VM，这样我们就得到了VPCI指标。VPC+的确认值15乘以VPR值125，得到1875，然后再乘以VM值的2，最后得到VPCI值375。尽管该指标值提供了非常强的价量确认信息，但该信息最好还是结合当下的价格趋势和最近的VPCI水平来解读。我们随后将讨论如何最有效地利用VPCI指标。

VPC=VWMA-SMA

VPR= VWMA/SMA

VM=短期SMA/长期SMA

VPCI= VPC×VPR×VM

四、 VPCI指标在住宅均价趋势分析中的应用

1VPCI指标应用规则

当使用VPCI时，成交量信息是领先价格变化的，和大多数指标不同，VPCI常常在价格突变和价格反转前发出讯号。VPCI的讯号可以用于价格趋势和价格指标的分析中。VPCI大于或小于零时，显示了价量关系和当前的价格是一致还是矛盾，以及一致或矛盾的程度。这是VPCI指标提供的最重要的信息，正VPCI值确认一个上升的趋势，而负值则确认了一个下降趋势。VPCI提供的另一个重要的讯号是VPCI趋势的方向，即VPCI是上升还是下降。该讯号显示了VPCI当前变化的方向，以及VPCI当下的方向和价格趋势趋于会合还是背离。还可以通过将成交量加权的VPCI平均值平滑处理后构建一个平滑VPCI。平滑VPCI显示了当前的VPCI值相对于先前水平的变化，可用于观察VPCI的动量。当VPCI向上或向下穿过平滑VPCI线时，可能显示了VPCI具有正向的变化动量以及当下VPCI趋势会加速。下面介绍几种VPCI运用的情况分析：

（1）如果价格上升，相应的VPCI也在上升，这显示了成交量和价格变化相互确认，表明当前的趋势是有力量的。

（2）如果价格在上升，但是VPCI线都处于下降趋势，表明投资者追涨的意愿在消退。其次，VPCI线都处于零线之下，说明价格上升趋势是不能持久的。

（3）如果在VPCI曲线出现V形底部（V形底部是比较少见的）常常预示着一个转折点。

（4）价格下跌的同时VPCI上升是成交量―价格矛盾的例子，VPCI在上升，这显示了尽管价格在下跌，但是市场仍然控制在买方的手里，VPCI线处于逐渐上升的趋势，和价格的下跌趋势相矛盾。最终，在一定的买方压力下，市场不久之后就会向上突破。

2南京市住宅价格的VPCI指标计算与分析

根据南京市十年月季度的房价数据进行统计分析，也就是2004年1月到2013年12月的住宅销售情况，以6个月为短期时间框架对成交量VPCI指标进行计算，12个月为长期时间框架进行成交量分析。由于在计算VWMA时，房价不存在收盘价，根据数据检验，用均价来代替。南京2004―2013年平均半年度的均价依次为：4 0866元、4 4819元、4 5410元、4 2462元、4 3999元、4 5863元、5 0717元、5 7355元、6 2110元、 6 0360元、6 4863元、8 1047元、10 4671元、11 7724元、11 6034元、11 1652元、10 5474元、11 3084元、12 3373元、13 2831元。根据VPCI计算方法，在图1中标出了每6个月的住宅销售均价和相应的VPCI值。

从图1中我们可以得到VPCI指标是否可以正确分析房价趋势的走向。

（1）从图1中我们可以看到，在2004―2012年VPCI值在零线之上，正VPCI值确认了一个价格上升的趋势。这显示了房价处于长期吸纳筹码状态，即说明价格会持续上涨，从2004年以后的房价信息中我们也看到了房价确实是一直上升的。但是在2013年时VPCI为负值，显示当前的成交量和价格趋势是矛盾的，支持房价上涨的成交量已经萎缩，说明房价的上升趋势是不能持久的。

（2）VPCI提供的另一个重要的讯号是VPCI趋势的方向，该讯号显示了VPCI当前变化的方向，以及VPCI当下的方向和价格趋势会合还是背离。从图1中我们可以看到，2004―2006年末VPCI是上升的，相对应的价格也是缓慢上升的，当价格上升伴随着成交量的放大，显示了房地产行业得到了人们的支持。上升的VPCI线，这显示了成交量和价格变化相互确认，显示当下的方向和价格趋势趋于会合，表明当前的趋势是有力量的。相反的，如果VPCI是下降的，表明成交量和价格变化趋势相矛盾，价格趋势得不到成交量的支持，显示VPCI当下的方向和价格趋势是背离的，预示着以后阶段房价增幅会有所减少，甚至会降低。从图1中可以看出，2004―2006年VPCI的上升趋势正好预测2004―2007年房价的上升；即2004―2006年VPCI上升，同时2004―2006年房价也是增长的，两者的变化相互确认，表明当前房价得到了成交量的支持，预示着下一阶段房价的上涨，即2007年房价的上涨。2007―2008年VPCI的下降和2008―2009年房价的小幅度降低，2008―2009年VPCI的上升确认2009―2010年房价的持续上涨，2009年末到2010年VPCI的下降趋势正好对应2010―2011年末房价的下降，即VPCI下降，房价上升，市场房价的上升得不到成交量的支持，表明成交量和价格变化趋势相矛盾的，预示着未来阶段房价的下降。2011年末到2012年上半年VPCI的上升也解释了2012年到2013年房价的上升。

（3）从图1中我们看到出现了两个V形底部，第一个在2007年7月份到2009年6月份，预示了2010年房价的大幅度上涨。第二个V形出现在2010―2011年，在这期间房价是下降的，V形预示着房价的一个上涨讯号，结果在2011―2013年相应地出现了房价比较大的上浮。

为了验证VPCI指标的准确性，用南京市城北板块和城南板块再次做分析：

南京市城北板块2007―2013年平均半年度的均价依次为：6 7105元、7 5754元、8 2886元、8 000元、7 9457元、9 9326元、13 0378元、12 6785元、12 5602元、 9 8976元、9 8844元、12 4658元、13 3219元、12 8232元。根据VPCI计算方法，在图2中标出了每6个月的住宅销售均价和相应的VPCI值。

从图2中我们可以得到VPCI指标是否可以正确分析房价趋势的走向。

（1）从大致图形中我们可以看到在2007―2009年VPCI值为正，正VPCI值确认了一个价格上升的趋势。这显示了房地产房价处于长期的吸纳筹码的状态，即说明价格会持续上涨，从2004年以后的房价信息中我们也看到了确实房价是一直稳步上升的。但是在2010―2011年时VPCI为负值，显示当前的成交量和价格趋势是矛盾的，支持房价上涨的成交量已经萎缩，说明房价的上升趋势是不能持久的。从图2房价信息中可以得到验证，2010年1―6月的房价上升到13 0378元后，房价出现了连续下跌，2010年7―12月房价为12 6785元，2011年1―6月的房价为12 5602元，2011年7―12月的房价为 9 8976元，2012年1―6月的房价为9 8844元。从2011―2012年VPCI值呈现出上升趋势，处于零线之上，说明确认了一个价格上升的趋势，即说明价格会上涨，从2012年以后的房价信息中可以看到房价上升。2013年的VPCI为负值，显示当前的成交量和价格趋势是矛盾的，不会支持房价的上涨，在2013年的房价信息中我们可以看到2013年之后的房价已经出现了下降的趋势。

（2）VPCI提供的另一个重要讯号是VPCI趋势的方向，该讯号显示了VPCI当前变化的方向，以及VPCI当下的方向和价格趋势会合还是背离。从图2中我们可以看到，2007―2009年VPCI是上升的，相对应的价格也是缓慢上升的，当价格上升伴随着成交量的放大，显示了房地产行业得到了人们的支持。上升的VPCI线，这显示了成交量和价格变化相互确认，显示当下的方向和价格趋势趋于会合，表明当前的趋势是有力量的。相反的，如果VPCI是下降的，表明成交量和价格变化趋势相矛盾，价格趋势得不到成交量的支持，显示VPCI当下的方向和价格趋势是背离的，预示着以后阶段房价增幅会有所减少，甚至会降低。从图2中可以看出，2007―2009年VPCI的上升趋势正好预测2007―2010年房价的上升；即2007―2009年VPCI上升，同时2007―2010年房价也是增长的，两者的变化相互确认，表明当前房价得到了成交量的支持，预示着下一阶段房价的上涨，即2007年房价的上涨。2009―2011年VPCI的下降预测到2010―2012年房价的降低，2011―2012年VPCI的上升确认2012―2013年房价的上涨。2009年末到2011年VPCI的下降趋势正好对应2010―2012年末房价的下降，即VPCI下降，房价上升，市场房价的上升得不到成交量的支持，表明成交量和价格变化趋势相矛盾的，预示着未来阶段房价的下降。2011年上半年到2012年下半年VPCI的上升也解释了2012年到2013年房价的上升。

（3）从图2中我们看到出现了一个平缓的V形底部，在2009年7月到2012年6月，预示了2012―2013年房价的上涨。

南京市城南板块2007―2013年平均半年度的均价依次为：6 75902元、7 5218元、9 9897元、9 3412元、9 3690元、10 1642元、14 5368元、11 7804元、12 4059元、12 2085元、11 2306元、11 7693元、12 5401元、13 7430元。根据VPCI计算方法，在图3中标出了每6个月的住宅销售均价和相应的VPCI值。

（1）从图3中我们可以看到，在2007年VPCI值在零线之下，显示当前的成交量和价格趋势是矛盾的，不会支持房价的上涨，结果在2008年房价出现了下降趋势；2008―2009年VPCI值为正，正VPCI值确认了一个价格上升的趋势。这显示了房地产房价处于长期的吸纳筹码的状态，即说明价格会上涨，从2008年末以后的房价信息中我们也看到了确实房价是一直稳步上升的。但是在2010―2011年时VPCI成为了负值，显示当前的成交量和价格趋势是矛盾的，支持房价上涨的成交量已经萎缩。从图中房价信息中可以得到验证，2010年1月到2012年6月的房价出现了整体下跌的趋势，2012年VPCI值又呈现出上升趋势，处于零线之上，说明确认了一个价格上升的趋势，即说明价格会有上涨的趋势，从2012年以后的房价信息中我们也看到房价是上升的。2013年的VPCI值处于零线之下，显示当前的成交量和价格趋势是矛盾的，不会支持房价的上涨，预示着2014年房价上升的幅度不大。

（2）从图3中我们可以看到，2007年到2008年上半年VPCI是上升的，相对应的价格也是缓慢上升的，当价格上升伴随着成交量的放大，显示了房地产行业得到了人们的支持。上升的VPCI线，这显示了成交量和价格变化相互确认，显示当下的方向是和价格趋势趋于会合，表明当前的趋势是有力量的。相反的，如果VPCI是下降的，表明成交量和价格变化趋势相矛盾，价格趋势得不到成交量的支持，显示VPCI当下的方向和价格趋势是背离的，预示着以后阶段房价增幅会有所减少，甚至会降低。从图3中可以看到2007年到2008年1月VPCI值的上升趋势预测到2007―2008年房价的上涨，2008年VPCI的下降趋势验证2008―2009年房价的下降，2009年VPCI的上升预测到2009―2010年房价的上升。2009年下半年到2010下半年VPCI的下降预测2010―2012年房价的降低，2010下半年到2012年VPCI的上升确认2012―2013年房价的上涨。

（3）从图3中我们看到出现了一个V形底部，在2009年7月份到2011年12月份，预示了2012―2013年房价的上涨。

3结论和意义

VPCI指标适合用于城市住宅价格趋势的分析。在进行均价分析时，相应地也可以计算出其VPCI值，运用VPCI值进行房价趋势的验证和当下房价的趋势是否合理，以及房价上涨的潜力还要持续多久。也可以用于更好地进行房价的调控，使国家房地产行业健康持续的发展。

参考文献：

[1]熊超地方房价调控目标应更多地考虑房价收入比等核心指标[J]中国外资，2012，（1）：34

[2]柯佳佳，吴伟巍关于城市住宅价格控制目标的若干思考[J]价格理论与实践，2011，（11）：29-30

[3]贺建清房地产价格波动：一个基于博弈论视角的分析[J]天津商业大学学报，2009，29（2）：10-15

[4]周建军， 侯杰国际游资与房地产价格波动：理论与实证[J]现代经济信息，2008，（3）：5-7

[5]熊璐瑛汇率波动对房地产价格影响的多视角分析及对策研究[J]特权经济，2009，（7）：207-209

[6]杨冬宁土地供给因素对住宅价格波动的影响[J]中国房地产，2009，（8）：20-21

[7]孔煜货币政策与房地产价格波动的关系分析[J]商业时代，2010，（11）：51-52

[8]梁云芳， 高铁梅我国商品住宅销售价格波动成因的实证分析[J]管理世界，2006，（8）：76-80

[9]杨冬宁住宅价格的多因素动态分析研究――以杭州市场为例[D]上海： 复旦大学博士学位论文，2009

[10]李成刚， 陈永斌， 李方杰基于Panel Data模型的住宅价格影响因素研究――以河北省为例[J]石家庄经济学院学报，2009，（2）：37-40

[11]周恩臣我国住宅价格波动的原因分析[D]南宁：广西师范大学硕士学位论文，2007

[12]卫正逸， 屈梦溪国际资本流动与我国房地产价格波动的相关性研究[J]商场现代化，2010，（18）： 16-17

[13]宋勃， 高波利率冲击与房地产价格波动的理论与实证分析：1998―2006[J]经济评论，2007，（4）： 46-56

[14]周京奎房地产价格波动与投机行为――对中国14城市的实证分析[J]当代经济科学，2005，（4）： 19-24

篇3

一、当前我国房地产市场的思考

当前经济快速发展，居民可支配收入大幅提升，可还是有很多居民买不起商品房．这是目前我国的一个现实问题。深入研究房地产价格与宏观经济的关系，我们不难看出，目前我国房地产价格已经明显脱离了宏观经济因素决定的基本面。目前，我国房地产市场化所面临的问题就是房地产市场化本身存在成本难以定价的问题，再加上经济体制与经济制度在某些方面的冲突，房地产市场难以完全遵从价值规律，有些问题是不可能通过市场手段来解决的。

二、对解决我国房市问题的思考

1、政府应该在房地产市场中发挥什么样的调节作用

为什么中国会出现“政策干预一次，房价上涨一次”的现象?从上面的讨论中可以得到解释。以提升利率为例，政府提高利率不但加大了开发商的财务费用，从而加大开发成本，而且这种政策加大了市场风险，使前景变得不明朗，开发商必然要求提高投资的风险溢价补偿。在供不应求的强大“资金池”面前，开发商自然而然地会提高房价。

2、构建第二个房地产市场，形成二元房地产市场体系

同志在十七大报告中提出要健全廉租住房制度，加快解决城市低收入家庭住房困难，要使住有所居，这使我国发展廉租住房的政策得到明确，为政府调节房地产市场指明了方向。政府调节房地产的重点要放在建立隔离墙外的第二供给上。因此，未来几年，廉租住房和经济适用房将是我国房地产市场发展的有一个重点。可以预见．未来我国将形成一个市场主导型的商品房市场和政府配给式的商品房市场共同存在的二元市场体系。

三、今后我国房地产市场发展趋势

尽管“泡沫论”、“过热论”仍然不绝于耳，但是，从去年起人们预言的“房地产冬天”仍然没有到来，甚至今年上半年房地产市场仍然顽强地攀升。那么，怎样认识保持房地产业持续增长的动力之源呢？

1、国民经济的持续快速增长。近几年来，高经济增长率和良好的经济增长质量可以推动城市化规模的不断扩大，同时，国民经济的持续快速增长，也在一方面“激活”了中低收入者的购房需求，为房地产业的持续发展塑造了最广泛的消费群体。

2、体制与机制的市场化。国家住房制度的改革，把建房与购房一同推向市场，从而使住房成为自由流通的商品。市场机制的引入，使建房者成为自负盈亏的法人，购房者用货币去选择适应个人需求的商品。这种产权的明晰化、个体化，催生了当前这个世界上最大的房地产市场，而这个巨大并且日益增长的市场需求，正是我国房地产业几年来持续火爆的载体。

尽管我国当前新一轮房地产市场有着良好的市场基础和政策基础，并且这一轮尚处于非“泡沫”的良性增长过程，但是，市场规律证明：一个谁都能赚到钱，甚至获得暴利的行业肯定是危机四伏的。也许我们面对的市场恰恰是拐点前的最高峰，因为市场自我调控和释放风险的信号已经显现。

第一，商品房空置率增加，超过风险控制线。今年1～5月份，全国商品房空置面积增长幅度为8.2%，明显高于去年同期增长2.3%的水平。而美国商品房空置率约为7%，香港3%～4%。当空置率超过10%的时候，就已经是超警戒线运行了。

第二，房地产市场体温仍在升高，业外巨头抢滩房地产。2011年全国房地产到位资金达到7378亿元，比上年增长29.8%；就是在这种情况下，一些大型家电行业巨头以及一批上市公司也争相跻身房地产。在这种一面是商品房空置率扩张，一面是新开工楼盘大幅增长的氛围中，新企业持巨资再度猛烈加入，势必加剧房地产市场的风险。

因此，国家及地方性的调控还有待加强，只有这样才能提高房地产业的经济效益，促进房地产资源的有效配置和房产建设资金的良性循环。房产市场能引导居民消费结构合理化，有利于改善居住条件，提高居民的居住水平。

参考文献：

1、成思危主编. 中国城镇住房制度改革――目标模式与实施难点[M] . 北京: 民主与建设出版社，1999. 340 ―347.

2、罗平，何素芳，牛慧恩. 城市住宅市场价格系统动力学模型实证研究[J]. 人文地理，2001，(2): 57-61.

3、李战军，我国房地产调控政策评析，现代经济探讨，2008（9）

篇4

一、引言

在过去很长一段时间里，房地产市场都在经历着繁荣——衰退的周期变动趋势（boom and bust cycles，Shiller，2008），“但是近些年来，房价暴涨暴跌的波动幅度是前所未见的……，部分地区的房价波动甚至称得上惊人。”（Dieci和Westerhoff，2012）。比如，从1996年到2008年，英国伦敦的房价上涨了三倍；北京2007—2010年间二手房价上涨了120%。房价就像脱缰的野马，其波动远远脱离了经济基本面。因此，维护房地产市场稳定成为了目前世界各国政府共同面对的重要而棘手的问题。

在已有的经济学文献中，不乏涉及房价波动的研究，学者们在这类研究中主要采取两个角度：一是基于资产定价和有效市场假设理论，从理论和实证方面研究房地产市场有效性；二是基于理性预期和新古典经济学的分析框架，研究宏观经济基本面指标如利率、人口，实际收入等对住宅价格变化的解释程度，并且认为理性的房价应该反映经济基本面。然而，这些研究往往比较片面，“对房地产市场很多方面内容的理解都不够完整，当前（2008年金融海啸前的美国）关于房价的快速上涨是否形成泡沫的争论就是一个很好的例子①。”（Glaeser， 2007）。特别地，越来越多研究表明，房地产市场其实并不理性，存在如灾难近视（disaster myopia），过度自信和侥幸心理等，这些非理性投机行为往往会导致房价过分调整（overshoot），从而远离其长期均衡值。目前，很多前沿研究转而从房价波动的微观机制着手，关注投机行为在房价波动中扮演的角色。

二、房地产市场有效性

根据有效市场假说（EMH），只要房地产市场价格能充分及时地反映了全部有价值的信息，市场价格代表着住房的真实价值，这样的房地产市场被称为“有效市场”。 EMH由Fama（1970）提出，后来被广泛用于检验证券市场的有效性。而最早应用于房地产市场领域的是Hamilton和Schwab（1985），与Linneman（1986）的研究。他们利用美国70年代中期的横截面数据（cross-sectional data）来检验房地产市场的有效性。后来由于Case和Shiller（1989）建立时间序列模型研究房地产市场有效性的做法备受推崇，吸引了大量学者利用时间序列数据检验美国和其他国家的不同房地产市场的有效性。Cho（1996）对上述研究做了一个详细的综述。这些文献总体上的结论和发现有三个：（1）房地产市场不是有效市场；（2）房价和收益率序列在短期内表现出惯性特征或正序列相关，但在长期却有向均值回归的趋势（mean reversion）；（3）房地产市场的交易成本较高，所以根据技术分析建立的交易规则不能取得超过市场平均水平的收益率。

然而，Cho（1996）建议我们应该谨慎地看待房地产市场有效性检验的结果。因为，房地产价格指数的代表性和正确性在EMH检验中至关重要。但是房地产不同于相对同质化的普通商品，不同的房子无论是结构还是位置都千差万别，交易过程是通过交易双方协商决定，而且交易频率很低。房地产自身的自然特性决定了房地产价格指数的计算比起普通商品价格指数要困难得多，目前一些流行的房地产价格指数计算中都参杂了过多的人为因素，这都直接影响到模型估计结果的说服力。比如，Case和Shiller（1989）、Kuo（1996）在研究中发现，主流的重复出售价格指数②（repeat sales price index）存在序列相关性，如果在检验中不能很好地处理这个问题，估价结果拒绝EMH的概率很可能会增加。有趣的是，Linneman（1986）利用特征价格指数③（Hedonic price index）检验EMH，估计结果并没有拒绝市场“半强式有效”的假设；而Case和Shiller（1989）运用重复销售价格指数的检验却拒绝了EMH。

三、房地产价格波动与宏观经济因素

这一类研究大多采用新古典经济学的均衡分析框架，基于理性预期或完全预测（perfect foresight）假设，认为房地产价格波动的原因是由于受到外生因素的冲击，使得房价和房地产供应数量从一个均衡状态“调整”到新的均衡点。这些外生因素多来自宏观经济的基本面指标，如人口数量、实际收入、利率水平以及税收政策等等。其中最有代表性的研究有Poterba（1984，1991）与Mankiw和Weil（1989）：

Poterba（1984）建立房地产资产模型（asset-market model of the housing market），研究房屋持有成本（user cost）对房地产市场价格和均衡数量的影响。Mankiw和Weil（1989）用类似的方法，研究人口数量变动对房地产需求的影响。他们认为美国自上世纪 70 年代的房价持续上升与婴儿潮一代增长人口成年后带来房地产需求有密切关系。如果人口因素与房价的因果关系不变，随着婴儿潮一代人的住房需求将逐年下降，他们预测90年代以后20年里面房价将会明显下降。当时Mankiw和Weil（1989）这样大胆的预测引起了大量来自媒体和学术领域的争论，在这一场激烈争论中，Poterba（1991）就参与其中，他在对美国多个城市的横截面数据进行分析后，发现那些人口增长率高的地区并没有出现更高的房价增长率。所以他对Mankiw 和 Weil（1989）的预测表示怀疑。

另外，Poterba（1991）还在其1984年研究的基础上，利用1963年—1991年间的数据对美国房地产价格波动状况进行了实证研究，发现上世纪70年代的美国房价大涨的过程中，房屋持有成本上涨是重要推动力量。但80年代之后，房屋持有成本持续上涨，房地产价格却略有下跌，房屋持有成本对房价的解释能力很弱，Poterba（1991）认为这从另一方面证明了房地产市场不是有效市场。

除此之外，还有Ortalo-Magné和Rady（1999）建立生命周期模型（life-cycles model），在完全预期的假设下，分析收入变动和金融自由化（financial liberalization）对房价波动的影响程度；Glaeser和Gyourko（2007）建立理性预期动态模型，研究需求端冲击和建筑成本的影响等等。

上述研究针对经济基本面的各要素对房地产市场均衡价格和数量的影响做了很全面的论证，表明基本面因素对房价变动有一定的解释能力，其作用和影响举足轻重。然而，对房价产生影响的因素有很多，在不同地区、不同的时期起决定性作用的因素也不尽相同。特别地，“房地产市场的高交易成本特点和缺乏做空机制容易使房价波动脱离宏观基本面因素。”（Glaeser等，2008）。因此在房价大幅波动的时期，基本面因素对房价走势的解释能力很弱。这样的批评，常常见于一些研究房地产市场泡沫的文献，如Clayton（1996）， Abraham和Hendershott（1996），Maier和Herath（2009）等。目前，很多前沿的研究都把目光聚焦在房地产市场的“非理性”投机行为上。

四、非理性投机行为与反馈环理论

对于房价的大幅波动，有相当一部分学者都把矛头指向房地产市场的投机行为，为解释房价大幅波动提供了新的思路，认为房价最初由基本面因素诱发波动，随后通过反馈环（feedback loop）形成的放大机制，造成房价对原始诱发因素的过激反应。Shiller（2005）在其著作《非理性繁荣》中提供大量的证据来证明了这种投机心理（speculative thinking）、强化投机心理的反馈作用以及人们的从众行为在决定房价方面扮演着至关重要的角色。

反馈环理论目前越来越受到经济学者的重视。其中一种最流行的做法是在需求端采用后顾式（backward-looking）预期〔多数是适应性预期或“傻瓜”（naive）预期〕，而在供给端假定供应滞后（production logs）。如Wheaton（1999）通过存量-流量模型（stock-flow model）证明了在供给刚性、开发滞后以及后顾式预期的情况下，房价波动更大；Malpezzi和Wachter（2005）建立的存量调整模型（stock adjustment model）表明当供应缺乏弹性时，房地产市场的投机行为是房价大幅波动的主要原因；Glaeser，Gyourko和Sail（2008）提出一个开放城市动态模型（open city model）研究供给弹性与房地产泡沫产生之间的关系，模型表明在供给弹性小的地方更容易产生泡沫，而供给弹性大的地区泡沫持续的时间较短，但是却容易引起过度开发（overbuild）从而导致社会资源浪费，模型结论得到实证检验的支持。

除却上述学者的贡献，目前还很少有理论能够从数量上解释或模拟房价繁荣-衰退周期变动。Leung等（2009）、Kouwenberg和Zwinkels（2010）与Dieci和Westerhoff（2012）在这方面做了一定的尝试。其中Dieci和Westerhoff（2012）借鉴金融市场的经验，通过在需求端引入异质行为（behavioral heterogeneity）的投机者的方式④，构建一个非线性离散时间模型。该模型能够从理论上解释房价高波动性特征，通过设定具体参数，模型甚至可以模拟出复杂的周期变动的价格趋势。但出于简洁性的考虑，作者为模型设定了众多假设，从而影响了模型的代表性。而更完善的理论研究，还有待进一步开发。

五、总结

2003年以来，我国房价持续上涨，关于房地产市场现状的争论从学术界、政府工作会议扩散到普通民众的餐桌上，成为全国上下都密切的问题。房地产具有消费、投资双重属性，房价波动也是一个非常复杂的研究对象。大量实证检验表明房价走势不符合“随机游走”和理性预期假设，而是呈现出高波动率、一定的可预测性（predictability）、短期正序列相关和长期均值反转等特征。这四个特征给房地产市场理论带来了严峻的挑战（Glaeser和Gyourko，2007）。过去国外学者关于房价波动的研究主要集中为两个方面：一是房地产有效性研究；二是房价波动与宏观经济要素的关系。而目前前沿的研究则主要从微观机制的角度出发，建立动态经济学模型，研究非理性投机行为在房价波动中扮演的角色。然而，目前还没有一套理论能够描绘出房价波动的众多特征，更完善的理论还有待开发。

注释：

①Glaeser（2007）指出：McCarthy和Peach（2004）以及Himmelbery， Mayer和Sinai（2005）的研究认为当时美国房地产市场不存在严重的泡沫；而与此相对的是，Shiller（2005，2006）和Baker（2006）认为泡沫确实存在而且很严重。

②重复出售价格指数是根据同一栋房屋在某一期间内多次重复出售的价格资料来计算房地产价格指数。

③蒋一军和袭江辉（1996）对Hedonic指数做了详细介绍。

④Dieci和Westerhoff（2012）假设这些投机者一部分采用外推预期（extrapolative expectation），而另外一部分则认为房价始终会向长期均衡值回归（mean reversion），当房价离长期均值越远，越多投机者会采用均值回归策略。

参考文献：

[1] 蒋一军，袭江辉.房地产价格指数与Hedonic模型[J].中国资产评估，1996（3）：30-33

[2] Abraham， J.， Hendershott， P. Bubbles in metropolitan housing markets[J]. Journal of Housing Research， 1996（7）：191-207

[3] Baker， D. The menace of an unchecked housing bubble [J]. The Economists’Voice， 2006（3）： Article 1.

[4] Cho， M. House price dynamics： a survey of theoretical and empirical issues [J]. Journal of Housing Research， 1996（7）： 145-172

[5] Case， K， Shiller， R. Forecasting prices and excess returns in the housing market [J]. Journal of the American Real Estate and Urban Economics， 1990（18）：253-273

[6] Case， K， Shiller， R. The efficiency of the market for single-family homes [J]. The American Economic Review， 1989（79）：125-137

[7] Clayton， J. Further evidence on real estate market efficiency [J]. Journal of Real Estate Research， 1998（15）：41-57

[8] Dieci， R， Westerhoff， F. A simple model of a speculative housing market [J]. Journal of Evolutionary Economics， 2012（22）：303-329

[9] Glaeser， E， Gyourko， J. Housing dynamics. Harvard Institute of Economic Research discussion paper， 2007， number 2137

[10] Glaeser， E， Gyourko， J， Saiz， A. Housing supply and housing bubbles [J]. Journal of Urban Economics， 2008（64）：198-217

[11] Himmelberg， C， Mayer， C， Sinai， T. Assessing High House Prices： Bubbles， Fundamentals， and Misperceptions [J]. Journal of Economic Perspectives， 2005（19）：67-92.

[12] Hamilton， B.W.， Schwab， C. Expected appreciation in urban housing markets [J]. Journal of Urban Economics， 1985（18）：103-118.

[13] Kuo， C. Serial correlation and seasonality in the real estate market [J]. Journal of Real Estate Finance and Economics， 1996（12）：139-162.

[14] Kouwenberg， R. ， Zwinkels， R. Chasing trends in the US housing market. Working Paper，

Erasmus University Rotterdam， 2010

[15] Leung， A. ， Xu， J. ， Tsui， W. A heterogeneous boundedly rational expectation model for housing Market [J]. Applied Mathematics and Mechanics （English Edition）， 2009（30）：1305-1316

[16] Linneman， P. An empirical test of the efficiency of the housing market [J]. Journal of Urban Economics， 1986（20）：140-154.

[17] Malpezzi， S， Wachter， S. The role of speculation in real estate cycles [J]. Journal of Real Estate Literature， 2005（13）：143-164

[18] Mankiw， G， Weil， D. The baby boom， the baby bust， and the housing market [J]. Regional Science and Urban Economics， 1989（19）：235-258

[19] McCarthy， J， Peach， R. Are home prices the next bubble [J]. Economic Policy Review， 2004（10）：1-17

[20] Maier， G.， Herath， S. Real estate market efficiency—a survey of literature， SRE-discussion

Paper， 2009

[21] Ortalo-Magné， F， Rady， S. Boom in， bust out： young households and the housing price cycle [J]. European Economic Review， 1999（43）：755-766

[22] Poterba， J. Tax subsidies to owner-occupied housing： an asset market approach [J]. Quarterly Journal of Economics， 1984， （99）：729-752

[23] Poterba， J. House price dynamics： the role of tax policy and demography [J]. Brookings Papers on Economic Activity， 1991（2）：143–203

[24] Shiller， R. Irrational exuberance （2nd edition） [M]. Princeton：Princeton University Press， 2005

[25] Shiller， R. Long-term perspectives on the current boom in home prices [J]. The Economists’ Voice， 2006 （3）， article 4