楊博理,龔 樸,包曉輝(.華中科技大學(xué)管理學(xué)院,湖北武漢430074;.劍橋大學(xué)土地經(jīng)濟(jì)系,英國(guó)CB TN)
香港各地區(qū)房地產(chǎn)市場(chǎng)間的動(dòng)態(tài)相關(guān)性研究
楊博理1,2,龔樸1,包曉輝2
(1.華中科技大學(xué)管理學(xué)院,湖北武漢430074;
2.劍橋大學(xué)土地經(jīng)濟(jì)系,英國(guó)CB2 1TN)
由于投資決策和政策制定等方面的需求,不同地區(qū)房地產(chǎn)市場(chǎng)之間的相關(guān)關(guān)系越來越受到學(xué)術(shù)研究的關(guān)注.引入有能力刻畫外部因素對(duì)動(dòng)態(tài)相關(guān)性產(chǎn)生影響的DSTCC-GARCH模型,結(jié)合VAR模型,研究了香港4個(gè)地區(qū)房地產(chǎn)市場(chǎng)之間的動(dòng)態(tài)相關(guān)關(guān)系.研究發(fā)現(xiàn)銀行最優(yōu)惠貸款利率和滯后的恒生指數(shù)年回報(bào)兩個(gè)外部因素對(duì)這些動(dòng)態(tài)相關(guān)性表現(xiàn)出較為顯著的影響.港島與九龍、新界西之間的相關(guān)程度較高,九龍與新界東、新界西之間的相關(guān)性程度較低,港島與新界東之間的動(dòng)態(tài)相關(guān)性呈現(xiàn)出一個(gè)與其它5組動(dòng)態(tài)相關(guān)性都不同的緩慢向上的趨勢(shì).此外,6組動(dòng)態(tài)相關(guān)性均在兩次金融危機(jī)前后呈現(xiàn)出局部的高點(diǎn).
香港房地產(chǎn);動(dòng)態(tài)相關(guān)性;轉(zhuǎn)換因素
當(dāng)前,不同地區(qū)房地產(chǎn)市場(chǎng)之間的相關(guān)關(guān)系越來越受到學(xué)術(shù)研究的關(guān)注,這種趨勢(shì)主要是由實(shí)體市場(chǎng)、金融市場(chǎng)投資地域分布的廣泛化與全球化所驅(qū)動(dòng)的.最優(yōu)的投資組合配比在很大程度上取決于投資范圍內(nèi)多種資產(chǎn)之間的相關(guān)性,而不僅僅是資產(chǎn)自身的風(fēng)險(xiǎn)回報(bào)情況.通過有效的組合具有一定相關(guān)關(guān)系、特別是較低相關(guān)性的多種資產(chǎn),可以在同樣風(fēng)險(xiǎn)程度上獲得更高的回報(bào).而實(shí)際投資中,這種分散化不僅可以通過配置不同品種的投資標(biāo)的而得以實(shí)現(xiàn),也可以通過配置不同地區(qū)不同國(guó)家市場(chǎng)的投資標(biāo)的來實(shí)現(xiàn)[1].因此,研究不同地區(qū)之間的房地產(chǎn)資產(chǎn)相關(guān)關(guān)系就有助于投資者將其投資組合有效的拓展到更具有獲利能力和風(fēng)險(xiǎn)分散能力的特定房地產(chǎn)市場(chǎng)當(dāng)中去.與此同時(shí),由于房地產(chǎn)在許多國(guó)家和地區(qū)都在整個(gè)經(jīng)濟(jì)體系中占據(jù)重要地位,是地區(qū)發(fā)展中非常重要的基礎(chǔ)性、導(dǎo)向性的支柱產(chǎn)業(yè),因此研究不同地區(qū)的房地產(chǎn)市場(chǎng)之間的相關(guān)關(guān)系也有助于人們認(rèn)識(shí)各個(gè)國(guó)家地區(qū)之間經(jīng)濟(jì)結(jié)構(gòu)的特征,并監(jiān)控這種特征的變化.而房地產(chǎn)市場(chǎng)與金融市場(chǎng)之間非常緊密的捆綁關(guān)系,也使得這類研究對(duì)提高地區(qū)間金融體系的穩(wěn)定有一定的幫助.
許多文獻(xiàn)研究了相關(guān)的一些問題,特別是不同國(guó)家或者地區(qū)的證券房地產(chǎn)市場(chǎng)之間的關(guān)聯(lián)關(guān)系,M ichayluk等[2]基于一個(gè)非對(duì)稱協(xié)方差模型研究了美國(guó)和英國(guó)證券房地產(chǎn)市場(chǎng)之間的日度波動(dòng)率溢出效應(yīng)和時(shí)變相關(guān)性.Goorah[3]研究了美國(guó)和英國(guó)房地產(chǎn)投資信托之間的相關(guān)關(guān)系,認(rèn)為使用簡(jiǎn)單的線性相關(guān)系數(shù)作為衡量依賴是具有缺陷的,并采用Copula函數(shù)作為替代技術(shù)研究了兩個(gè)國(guó)家證券房地產(chǎn)市場(chǎng)之間的尾部依賴關(guān)系.郭名媛等[4]基于高頻數(shù)據(jù)研究了上海和深圳股票市場(chǎng)間的相關(guān)性,發(fā)現(xiàn)兩個(gè)市場(chǎng)的相關(guān)系數(shù)在變結(jié)構(gòu)點(diǎn)存在顯著變化.Liow等[5]分析了影響美國(guó)、英國(guó)、中國(guó)香港和新加坡4地房地產(chǎn)市場(chǎng)的共同因素,其發(fā)現(xiàn)雖然這4個(gè)房地產(chǎn)市場(chǎng)的聯(lián)動(dòng)程度遠(yuǎn)遠(yuǎn)弱于目前這4個(gè)經(jīng)濟(jì)體之間的關(guān)系,但是仍存在一定的同步效應(yīng),且該相關(guān)性可以由經(jīng)濟(jì)一體化和金融市場(chǎng)的全球化來解釋.Liow等[6]通過使用一個(gè)DCC-GJRGARCH(1,1)模型刻畫了多個(gè)國(guó)際房地產(chǎn)市場(chǎng)之間的相關(guān)性和波動(dòng)性動(dòng)態(tài),發(fā)現(xiàn)在樣本期間內(nèi)存在一些相關(guān)性結(jié)構(gòu)的重大結(jié)構(gòu)變化.樊重俊[7]更為一般化地研究了相空間重構(gòu)下多個(gè)動(dòng)態(tài)序列之間非線性相關(guān)性的度量方法.Liow等[8]建立了一個(gè)多變量特征依賴非對(duì)稱動(dòng)態(tài)協(xié)方差模型,并依此研究了不同波動(dòng)率特征下5個(gè)主要的證券房地產(chǎn)市場(chǎng)的均值波動(dòng)率關(guān)聯(lián)性,結(jié)果說明該關(guān)聯(lián)性顯著存在.Zhou等[9]使用對(duì)稱Joe-Clayton Copula函數(shù)研究了美國(guó)、英國(guó)、日本、澳大利亞、香港和新加坡6個(gè)地區(qū)的證券房地產(chǎn)市場(chǎng)的尾部相關(guān)性及其特征,認(rèn)為當(dāng)前特別是在金融危機(jī)時(shí)期,單純使用線性相關(guān)來分析房地產(chǎn)市場(chǎng)間的關(guān)聯(lián)性是不足的,尾部依賴的引入能更為有效的刻畫極端環(huán)境下的房地產(chǎn)市場(chǎng)相關(guān)關(guān)系.Hoesli等[10]則通過BEKK模型和Copula函數(shù)研究了美國(guó)房地產(chǎn)市場(chǎng)和其它國(guó)家房地產(chǎn)市場(chǎng)之間的尾部相關(guān)性以及該相關(guān)關(guān)系的結(jié)構(gòu)性變化,發(fā)現(xiàn)尾部相關(guān)的同向運(yùn)動(dòng)在國(guó)際房地產(chǎn)市場(chǎng)之間是非常顯著的,而且美英兩國(guó)房地產(chǎn)市場(chǎng)的尾部相關(guān)性在金融危機(jī)之后明顯增加.
而針對(duì)實(shí)體房地產(chǎn)市場(chǎng)的相關(guān)研究則略顯不足,這主要是由于在實(shí)體房地產(chǎn)市場(chǎng)相對(duì)高頻和樣本含量充足的數(shù)據(jù)較難取得.Mouzakis等[11]基于面板數(shù)據(jù)研究了歐洲12個(gè)國(guó)家房地產(chǎn)租賃市場(chǎng)間的靜態(tài)相關(guān)關(guān)系.Gallo等[12]通過采用協(xié)整方法以及平穩(wěn)配對(duì)相關(guān)性的不穩(wěn)定干擾MPT方法,研究了國(guó)家間和區(qū)域間房地產(chǎn)市場(chǎng)的相關(guān)關(guān)系,發(fā)現(xiàn)不同國(guó)家的房地產(chǎn)市場(chǎng)之間相互獨(dú)立,而同一國(guó)家不同區(qū)域的房地產(chǎn)市場(chǎng)間具有協(xié)整關(guān)系,且相互協(xié)整的市場(chǎng)具有向基準(zhǔn)線靠攏的特點(diǎn).Webb等[13]比較了上海,廣州和深圳的寫字樓的售價(jià)及租金水平,發(fā)現(xiàn)3個(gè)不同城市的寫字樓價(jià)格之間存在著顯著的相關(guān)關(guān)系.Yang等[14]基于誤差修正模型(ECM)和有向無環(huán)圖(DAG)考察了北京、上海、廣州和深圳4個(gè)中國(guó)主要城市的房地產(chǎn)市場(chǎng)的價(jià)格動(dòng)態(tài),發(fā)現(xiàn)4個(gè)房地產(chǎn)市場(chǎng)之間存在著明顯的價(jià)格傳遞效應(yīng),認(rèn)為這種程度較高的傳遞效應(yīng)并不利于金融體系的穩(wěn)定和住房市場(chǎng)價(jià)格泡沫的抵御.
房地產(chǎn)行業(yè)是香港經(jīng)濟(jì)的4大支柱產(chǎn)業(yè)之一,香港的經(jīng)濟(jì)繁榮與房地產(chǎn)業(yè)的發(fā)展具有密不可分的關(guān)系.其在香港居民綜合消費(fèi)中占比極高,同時(shí)也一直是香港地區(qū)財(cái)富創(chuàng)造的重要行業(yè),且具有國(guó)際化與金融化等特征,這些特性使得針對(duì)香港房地產(chǎn)的研究較為可能得到相對(duì)主流的研究結(jié)果.此外,香港房地產(chǎn)市場(chǎng)發(fā)展較早,規(guī)范程度較高,又與內(nèi)地市場(chǎng)具有更為密切的關(guān)系,因此研究香港房地產(chǎn)市場(chǎng)間的相關(guān)關(guān)系,對(duì)內(nèi)地市場(chǎng)的研究有一定的促進(jìn)和參考作用.
本文采用一個(gè)帶外部影響參數(shù)的動(dòng)態(tài)相關(guān)性模型,基于香港房地產(chǎn)市場(chǎng)的周度數(shù)據(jù),研究了4個(gè)不同區(qū)域的房地產(chǎn)分市場(chǎng)間的動(dòng)態(tài)相關(guān)關(guān)系.其中在VAR模型框架下分析了多個(gè)市場(chǎng)相互之間的驅(qū)動(dòng)關(guān)系,然后基于殘差序列使用雙平穩(wěn)轉(zhuǎn)換條件相關(guān)性GARCH(double smooth transition conditional correlation-GARCH,DSTCC-GARCH)模型進(jìn)一步分析了4個(gè)地區(qū)房地產(chǎn)市場(chǎng)之間動(dòng)態(tài)相關(guān)性情況.周度數(shù)據(jù)的使用使得基于實(shí)體房地產(chǎn)市場(chǎng)的動(dòng)態(tài)相關(guān)性建模得以實(shí)現(xiàn),進(jìn)而識(shí)別出4個(gè)地區(qū)房地產(chǎn)分市場(chǎng)的時(shí)變波動(dòng)率以及時(shí)變相關(guān)性.而對(duì)于4個(gè)地區(qū)市場(chǎng)而言,盡管它們?cè)诘乩砦恢蒙戏浅=咏?處在香港這樣一個(gè)較小的區(qū)域之內(nèi),但是其動(dòng)態(tài)關(guān)聯(lián)關(guān)系仍然是值得研究且具有現(xiàn)實(shí)意義的,本文實(shí)證研究的結(jié)果也在一個(gè)側(cè)面支持了這一說法.
在資產(chǎn)間相關(guān)性的學(xué)術(shù)研究中,最普通的做法就是將相關(guān)性設(shè)置為常數(shù),并假設(shè)資產(chǎn)間的相關(guān)性在全部研究時(shí)間內(nèi)都保持不變.但是由于市場(chǎng)上新信息不斷的沖擊,資產(chǎn)間的相關(guān)性并非假設(shè)中的常數(shù),而和殘差序列的波動(dòng)率等其它參數(shù)一樣,具有動(dòng)態(tài)變化的性質(zhì).因此,如果能夠刻畫出各種資產(chǎn)之間隨時(shí)間變化的動(dòng)態(tài)相關(guān)關(guān)系,就能夠簡(jiǎn)化前提假設(shè),更進(jìn)一步的貼近現(xiàn)實(shí)情況.
本文使用VAR-DSTCC-GARCH框架來研究不同地區(qū)房地產(chǎn)市場(chǎng)之間的動(dòng)態(tài)相關(guān)關(guān)系,其中DSTCCGARCH模型是常數(shù)相關(guān)性模型CCC-GARCH的擴(kuò)展形式之一,具有將序列間相關(guān)性刻畫為時(shí)變的能力,放松了資產(chǎn)間的相關(guān)性在全部研究時(shí)間內(nèi)都保持不變的假設(shè),有能力表述市場(chǎng)上新信息的不斷沖擊等現(xiàn)實(shí)情況,更適用于香港房地產(chǎn)市場(chǎng)這種投機(jī)性質(zhì)較強(qiáng)的動(dòng)態(tài)市場(chǎng).在此基礎(chǔ)上,該模型還進(jìn)一步細(xì)化了時(shí)變相關(guān)性的動(dòng)態(tài)過程,允許該相關(guān)性受到兩個(gè)外部因素的影響,從而優(yōu)化了模型的刻畫能力,是一種解決相關(guān)性動(dòng)態(tài)刻畫的有效途徑,對(duì)于理解特定市場(chǎng)如香港房地產(chǎn)市場(chǎng)間的動(dòng)態(tài)特征的來源,具有更高的參考價(jià)值.
首先使用一個(gè)VAR模型來刻畫多個(gè)不同地區(qū)房地產(chǎn)市場(chǎng)之間的回報(bào)驅(qū)動(dòng)關(guān)系.假設(shè)在某時(shí)間點(diǎn)t,觀測(cè)到第i個(gè)地區(qū)房地產(chǎn)資產(chǎn)對(duì)上一個(gè)時(shí)間點(diǎn)t-1的回報(bào)率為rit.VAR(p)的模型結(jié)構(gòu)可以表述為
其中k表示參與VAR模型建模的時(shí)間序列數(shù)量(在本文中k=4,表示4個(gè)不同地區(qū)的房地產(chǎn)市場(chǎng)),而p則表示VAR模型中解釋變量的滯后階數(shù),φ0和φiτ為VAR模型參數(shù),zit為模型殘差.∈it為一列均值為0,方差為1且相互獨(dú)立的隨機(jī)變量,Ft是時(shí)間點(diǎn)t下的信息集.
在經(jīng)過VAR模型處理得到對(duì)應(yīng)各個(gè)序列的殘差之后,使用DSTCC-GARCH(1,1)模型來處理各個(gè)市場(chǎng)間的動(dòng)態(tài)相關(guān)性,本文分別兩兩配對(duì)地區(qū)市場(chǎng)并進(jìn)行DSTCC-GARCH模型的建模,因此設(shè)置i為1和2.為表述方便,記設(shè)兩個(gè)VAR模型殘差序列的方差協(xié)方差矩陣為Ht,則Ht可表示為再設(shè)兩個(gè)殘差序列的條件相關(guān)性矩陣為根據(jù)前面的設(shè)置,Vt與Ht的關(guān)系為
當(dāng)Vt不隨時(shí)間變化,即Vt=V時(shí),動(dòng)態(tài)條件相關(guān)性將退化為常數(shù)條件相關(guān)性.相應(yīng)地,DSTCC-GARCH模型將退化為CCC-GARCH模型.
記矩陣Ht中各元素分別為hij,t,矩陣Vt中各元素分別為ρij,t.則它們之間的關(guān)系可以表述為
首先針對(duì)模型的波動(dòng)率部分進(jìn)行設(shè)置,使用GARCH(1,1)建立模型
其中1-ai-bi為截距項(xiàng),ai表示沖擊對(duì)方差的短期影響程度(即ARCH效應(yīng)),bi表示沖擊對(duì)方差的長(zhǎng)期影響程度(即GARCH效應(yīng)).ai和bi之和應(yīng)當(dāng)小于1,從而保證模型的穩(wěn)定性.
由于建模時(shí)采用兩兩配對(duì)的形式,因此式(6)中的時(shí)變相關(guān)性ρij,t可以簡(jiǎn)記為ρt,即Vt的非對(duì)角線上的兩個(gè)元素是一致的.其時(shí)變相關(guān)性結(jié)構(gòu)可以描述為
其中邏輯項(xiàng)Gjt為轉(zhuǎn)換項(xiàng),sjt為轉(zhuǎn)換變量,可以是隨機(jī)的或者確定的.系數(shù)γj決定了轉(zhuǎn)換的速度,其可以為正值或者負(fù)值,這樣sjt就可以基于不同方向影響轉(zhuǎn)換行為.系數(shù)cj決定了轉(zhuǎn)換發(fā)生的位置.相關(guān)性ρt是ρ(11)、ρ(12)、ρ(21)和ρ(22)這4個(gè)正值的結(jié)合,其中每一個(gè)都表示一種常數(shù)相關(guān)性的極限狀態(tài).對(duì)這4個(gè)極限值的限制為ρ(11)-ρ(12)=ρ(21)-ρ(22),因此DSTCC-GARCH模型中的動(dòng)態(tài)條件相關(guān)性就可以表示為
通過最大化L可以得到參數(shù)的估計(jì)值.
為了增加估計(jì)過程的數(shù)值精確性,將參數(shù)分為GARCH組(α1,β1,α2,β2),相關(guān)性組(ρ(11),ρ(12),ρ(21))和轉(zhuǎn)換組(c1,γ1,c2,γ2),并反復(fù)的循環(huán),針對(duì)其中一組進(jìn)行似然函數(shù)的尋優(yōu).似然函數(shù)每一次將其它組的參數(shù)固定為之前所得到的估計(jì)值,針對(duì)其中一組參數(shù)被最大化.當(dāng)某一次新的估計(jì)結(jié)果不能將整個(gè)似然函數(shù)提升超過一個(gè)固定的閾值程度時(shí),就可以停止循環(huán)估計(jì)過程,得到一個(gè)收斂的結(jié)果.
基于模型部分的敘述和要求,本文選取了中原城市領(lǐng)先(CCL)指數(shù)的分區(qū)指數(shù)來描述香港各地區(qū)房地產(chǎn)市場(chǎng)的動(dòng)態(tài)走勢(shì)情況,CCL指數(shù)基于中原地產(chǎn)代理公司的合約成交價(jià)編制而成,用于反映香港地產(chǎn)最新的地產(chǎn)市場(chǎng)價(jià)格變動(dòng)趨勢(shì),是一個(gè)兼具及時(shí)性和準(zhǔn)確性的房地產(chǎn)價(jià)格指數(shù).
中原城市分區(qū)領(lǐng)先指數(shù)所涵蓋的地區(qū)包括香港的港島、九龍、新界東和新界西4個(gè)大型區(qū)域.該分區(qū)指數(shù)是一個(gè)每周發(fā)布的指數(shù),較高的頻率可以增加VAR-DSTCC-GARCH模型估計(jì)的精確程度,如M iller等[15]所指出的,低頻率的數(shù)據(jù)會(huì)增加模型收斂的困難程度,以及參數(shù)估計(jì)的無效性.而且該周數(shù)據(jù)由房地產(chǎn)中介公司提供的注冊(cè)交易價(jià)格計(jì)算而成,對(duì)價(jià)格變動(dòng)的刻畫更具有時(shí)效性,且采用了香港住宅房地產(chǎn)交易數(shù)據(jù)中具有代表性的樣本構(gòu)建而成1由于登記過程需要時(shí)間,利用土地注冊(cè)處的住宅買賣價(jià)格數(shù)據(jù)編制而成的指數(shù)未能提供最新的市場(chǎng)咨詢.然而,利用臨時(shí)合約成交價(jià)格數(shù)據(jù)編制的指數(shù)則可以反映地產(chǎn)市場(chǎng)最新的價(jià)格變動(dòng).中原地產(chǎn)代理有限公司在地產(chǎn)代理市場(chǎng)的占有率超過Z0%,所以它的成交數(shù)據(jù)是能夠反映市場(chǎng)的主要狀況的.,是一個(gè)非常適合本文模型的數(shù)據(jù)樣本.
本文研究使用該周度數(shù)據(jù)進(jìn)行分析,時(shí)間跨度為1994-01—2012-09,4個(gè)CCL分區(qū)指數(shù)均來自于中原數(shù)據(jù)官網(wǎng).根據(jù)之前所述的模型要求,需要計(jì)算各時(shí)間序列的回報(bào)序列,時(shí)刻t的第i個(gè)指數(shù)回報(bào)率表示為rit=100 ln(Pit/Pi(t-1)),其中Pit為第i個(gè)指數(shù)在t時(shí)刻的大小.4個(gè)指數(shù)及相應(yīng)的回報(bào)序列如圖1所示.
圖1 CCL分區(qū)指數(shù)及其回報(bào)率Fig.1 CCL indices and returns
根據(jù)模型的要求,需要選取2個(gè)外部變量作為動(dòng)態(tài)相關(guān)性的影響因素進(jìn)行分析.研究測(cè)試了多種不同的外部變量在模型中的解釋能力和顯著程度,這些變量包括香港地區(qū)的宏觀經(jīng)濟(jì)數(shù)據(jù),如GDP、CPI、就業(yè)情況、匯率、政府債務(wù)以及其它相關(guān)產(chǎn)業(yè)的景氣數(shù)據(jù),如若干產(chǎn)業(yè)的營(yíng)業(yè)額、若干股票指數(shù)等.在綜合考慮各種備選外部變量的解釋力度、顯著性和實(shí)際意義的情況下,最終選擇了與房地產(chǎn)行業(yè)有直接關(guān)聯(lián)關(guān)系的銀行最優(yōu)惠貸款利率以及股票市場(chǎng)上的恒生指數(shù)作為外部轉(zhuǎn)換影響因素,其中最優(yōu)惠貸款利率由香港匯豐銀行公布,相應(yīng)的周度數(shù)據(jù)來自于香港金融管理局,而周度恒生指數(shù)數(shù)據(jù)則來自于雅虎金融.周度的最優(yōu)惠貸款利率Rw直接作為其中一個(gè)轉(zhuǎn)換變量,而考慮到股票市場(chǎng)的高流動(dòng)性,在處理時(shí)采用滯后的恒生指數(shù)回報(bào)作為轉(zhuǎn)換變量,具體計(jì)算公式為Rw=100×ln(Phs,t-4/Phs,t-4-52),其中Phs,t為恒生指數(shù)在時(shí)刻t的大小.也就是說,轉(zhuǎn)換變量滯后1個(gè)月且為恒生指數(shù)年回報(bào)(由于本文采用周數(shù)據(jù),因此在處理上4周大約為1個(gè)月,52周大約為1年).圖2描述了兩個(gè)變量的走勢(shì)情況.
圖2 轉(zhuǎn)換變量Fig.2 Transformation variables
表1給出了樣本數(shù)據(jù)的描述性統(tǒng)計(jì).可以看到,4個(gè)地區(qū)房地產(chǎn)指數(shù)的回報(bào)均值相差不大,九龍最小為0.048,港島最大為0.058,新界東和新界西的指數(shù)回報(bào)均值則分別為0.055和0.053.港島、九龍和新界東的指數(shù)回報(bào)方差情況比較接近,分別為6.692、7.436和6.108,新界西指數(shù)回報(bào)的方差相對(duì)較小為3.934,說明新界西的房地產(chǎn)市場(chǎng)變動(dòng)較其它3個(gè)地區(qū)更為平緩.4個(gè)地區(qū)的指數(shù)回報(bào)偏度均為負(fù)值,說明香港房地產(chǎn)在極端情況下所受到的負(fù)面沖擊更為嚴(yán)重,指數(shù)回報(bào)峰度則是新界東最大達(dá)到10.333,新界西較小為6.721.而對(duì)于兩個(gè)轉(zhuǎn)換變量,最優(yōu)惠貸款的均值為6.906,方差為3.127,滯后恒生指數(shù)回報(bào)的均值為5.349,方差為785.365,較大的方差來自于股市的高流動(dòng)性和年度回報(bào)的構(gòu)造方法.
表1的下半部分給出了香港4個(gè)地區(qū)房地產(chǎn)指數(shù)回報(bào)之間的相關(guān)性系數(shù),以及4個(gè)指數(shù)回報(bào)與兩個(gè)轉(zhuǎn)換變量之間的相關(guān)性系數(shù).4個(gè)地區(qū)之間的房地產(chǎn)指數(shù)回報(bào)相關(guān)性都較小,最大為九龍和新界西之間的關(guān)聯(lián)性,為0.237,而最小的則是港島和新界東之間的相關(guān)性,僅為0.09.這種較小的相關(guān)性可以加強(qiáng)這幾個(gè)地區(qū)房地產(chǎn)資產(chǎn)在整體投資組合中的分散化作用.而4個(gè)地區(qū)房地產(chǎn)指數(shù)回報(bào)和兩個(gè)轉(zhuǎn)換變量之間的相關(guān)性均不顯著,與最優(yōu)惠貸款利率之間的相關(guān)性都為正,與滯后恒生指數(shù)回報(bào)之間的相關(guān)性都為負(fù),不過正負(fù)方向在較弱的相關(guān)性下并沒有明顯意義.
表1 樣本數(shù)據(jù)的描述性統(tǒng)計(jì)Table 1 Descriptive statistics of sample data
此外,為了保證應(yīng)用VAR模型的合理性,分別給出了4個(gè)地區(qū)房地產(chǎn)指數(shù)回報(bào)序列的自相關(guān)系數(shù)(ACF)情況,如圖3所示.從圖中可以很明顯的發(fā)現(xiàn),所有序列都存在著序列相關(guān)性,因此可以直接使用VAR對(duì)這4個(gè)序列進(jìn)行建模.
圖3 4個(gè)地區(qū)房地產(chǎn)指數(shù)回報(bào)的自相關(guān)性系數(shù)(ACF)Fig.3 Autocorrelations coefficient(ACF) of four regionnal real estate index returns
由于AIC準(zhǔn)則更適用于樣本較小的模型,因此本文使用貝葉斯信息準(zhǔn)則BIC來決定VAR(p)模型的最佳滯后階數(shù),其中待選的滯后階數(shù)包括p=1,2,...,6.AIC和對(duì)數(shù)似然函數(shù)也在表2中給出,以方便對(duì)比.可以看到,在所有的待選模型當(dāng)中,VAR(3)模型的BIC值最小.
表2 VAR模型滯后項(xiàng)選取Table2 Lag selection of VARmodel
經(jīng)過估計(jì)可知,VAR(3)模型的截距項(xiàng)不顯著,因此論文移除截距項(xiàng)并重新估計(jì)了VAR(3)模型.不帶截距項(xiàng)的VAR(3)模型參數(shù)估計(jì)結(jié)果見表3.此外,模型估計(jì)的所有特征根都落在單位圓以內(nèi),如圖4,因此模型是穩(wěn)定的.
圖4 VAR(3)模型單位根Fig.4 Unit rootsof VAR(3)model
不帶截距項(xiàng)的VAR模型估計(jì)結(jié)果如表3所示.從表3中可以發(fā)現(xiàn),大部分的參數(shù)都具有較強(qiáng)的顯著性,模型具有一定的意義.其中港島指數(shù)回報(bào)的1~3階滯后項(xiàng)對(duì)港島指數(shù)回報(bào)本身均具有顯著的負(fù)向影響,而對(duì)九龍指數(shù)回報(bào)、新界東指數(shù)回報(bào)和新界西指數(shù)回報(bào)的當(dāng)前值則具有顯著的正向影響,對(duì)新界東和新界西而言港島指數(shù)回報(bào)的2階、3階滯后項(xiàng)顯著性稍小一些,在5%水平下顯著.九龍指數(shù)回報(bào)的1階滯后項(xiàng)對(duì)港島指數(shù)回報(bào)具有顯著性影響,而其2階和3階滯后沒有顯著性,而九龍指數(shù)回報(bào)的所有3個(gè)滯后項(xiàng)均對(duì)新界東指數(shù)回報(bào)和新界西指數(shù)回報(bào)沒有顯著影響,說明九龍這一地區(qū)的房地產(chǎn)市場(chǎng)在驅(qū)動(dòng)過程中與其它3個(gè)地區(qū)的房地產(chǎn)市場(chǎng)關(guān)聯(lián)性較小,但是這3個(gè)滯后項(xiàng)與九龍指數(shù)回報(bào)本身具有非常顯著的負(fù)相關(guān)性.新界東指數(shù)回報(bào)的1~3階滯后項(xiàng)、以及新界西指數(shù)回報(bào)的1~3階滯后項(xiàng),均對(duì)4個(gè)地區(qū)的房地產(chǎn)指數(shù)回報(bào)具有顯著影響,而值得注意的是,滯后項(xiàng)均對(duì)自身指數(shù)回報(bào)具有負(fù)向影響,而對(duì)其它地區(qū)的指數(shù)回報(bào)產(chǎn)生正向影響.從整體來看,每個(gè)地區(qū)房地產(chǎn)指數(shù)回報(bào)的3個(gè)滯后項(xiàng)的顯著性都依照階數(shù)從高到低,說明時(shí)間距離較近的市場(chǎng)波動(dòng)產(chǎn)生的影響更為顯著.
如同模型部分所介紹,在得到了VAR模型的估計(jì)結(jié)果以及對(duì)應(yīng)每個(gè)地區(qū)的殘差序列之后,殘差序列兩兩配對(duì)成6組并分別應(yīng)用于DSTCC-GARCH模型中,從而得出6組兩個(gè)地區(qū)殘差序列的動(dòng)態(tài)條件方差和動(dòng)態(tài)條件相關(guān)性.6組模型參數(shù)估計(jì)結(jié)果按列顯示在表4中.估計(jì)值根據(jù)模型介紹中的循環(huán)估計(jì)方法得出,同時(shí)在參數(shù)估計(jì)值的下方給出相應(yīng)的t–統(tǒng)計(jì)量,并標(biāo)注顯著性水平在1%以內(nèi)和5%以內(nèi)的項(xiàng)目,從而判斷模型得到的參數(shù)估計(jì)結(jié)果是否顯著異于零.首先查看波動(dòng)率參數(shù),即a1,b1,a2,b2的估計(jì)結(jié)果,6組中大部分的波動(dòng)率參數(shù)估計(jì)結(jié)果都具有顯著性,24個(gè)參數(shù)估計(jì)值中有23個(gè)都在1%水平下顯著異于零,僅有港島和新界東聯(lián)合建模時(shí)的a2估計(jì)結(jié)果沒有顯著性,但是對(duì)比其它組合中的新界東波動(dòng)率ARCH效應(yīng)參數(shù)估計(jì)結(jié)果可以發(fā)現(xiàn),在絕對(duì)的估計(jì)值上差距非常之小,因此該估計(jì)結(jié)果也是可以接受的.ARCH效應(yīng)參數(shù)a的估計(jì)值基本都在0.05左右,而GARCH效應(yīng)參數(shù)b的估計(jì)值則基本都在0.95左右,是符合GARCH類模型估計(jì)的一貫特性的.
表3 VAR(3)參數(shù)估計(jì)結(jié)果Table3 Parameter estimations of VAR(3)model
相關(guān)性參數(shù)方面,大部分的參數(shù)估計(jì)結(jié)果都具有一定的顯著性,通過對(duì)比其它備選外部因素所得到的模型估計(jì)結(jié)果,可以認(rèn)為這兩個(gè)外部因素是較適用于該模型且具有實(shí)際解釋能力的因素.港島和九龍配對(duì)建模下的7個(gè)相關(guān)性參數(shù)估計(jì)結(jié)果都具有1%水平下的顯著性,說明港島和九龍之間的相關(guān)性受到兩個(gè)轉(zhuǎn)換參數(shù)的顯著影響,且在4個(gè)極限相關(guān)程度之間顯著變化.港島和新界東聯(lián)合建模下的7個(gè)相關(guān)性參數(shù)中有5個(gè)具有1%的顯著性水平,極限相關(guān)性參數(shù)ρ(21)不具備顯著性,但是同時(shí)其估計(jì)值為0.076,因此可能源自于該極限相關(guān)性本身與零貼近,另一參數(shù)c2的估計(jì)結(jié)果也不顯著異于零,該參數(shù)估計(jì)值為-0.032 4同樣較小,說明第二個(gè)轉(zhuǎn)換參數(shù)滯后恒生指數(shù)年回報(bào)可以在模型中直接作為轉(zhuǎn)換項(xiàng)而不需要平移.港島和新界西配對(duì)時(shí),兩個(gè)極限相關(guān)性參數(shù)ρ(12)和ρ(21)均不具備顯著性,前者的估計(jì)值非常小為3.74e-5,后者則較大為0.412,參數(shù)γ2的估計(jì)值也不顯著,這表明第二個(gè)轉(zhuǎn)換參數(shù)即滯后的恒生指數(shù)年回報(bào)對(duì)兩者動(dòng)態(tài)相關(guān)性的影響較弱,在兩個(gè)轉(zhuǎn)換參數(shù)中動(dòng)態(tài)相關(guān)性主要受到最優(yōu)惠貸款利率的影響.九龍和新界東聯(lián)合建模下的7個(gè)相關(guān)性參數(shù)中有5個(gè)具有1%的顯著性水平,γ1和c2都不具備顯著性,前者不顯著異于零說明兩個(gè)轉(zhuǎn)換參數(shù)中最優(yōu)惠貸款利率對(duì)兩個(gè)地區(qū)的動(dòng)態(tài)相關(guān)性影響較弱.九龍和新界西配對(duì)建模時(shí)有4個(gè)相關(guān)性參數(shù)的估計(jì)結(jié)果不顯著,分別為ρ(21),c1,γ1和c2,這兩個(gè)的地區(qū)間的動(dòng)態(tài)相關(guān)性受最優(yōu)惠貸款利率的影響也同樣較弱.最后,新界東和新界西聯(lián)合建模時(shí)的參數(shù)估計(jì)也基本都具有顯著性,僅c2的估計(jì)值不顯著.
表4 DSTCC-GARCH(1,1)模型參數(shù)估計(jì)結(jié)果Table4 Parameter estimations of DSTCC-GARCH(1,1)model
根據(jù)DSTCC-GARCH模型設(shè)置以及所得到的參數(shù)估計(jì)值,可以計(jì)算出樣本期間內(nèi)香港各地區(qū)VAR模型殘差序列的動(dòng)態(tài)波動(dòng)率情況.由于在估計(jì)DSTCC-GARCH模型時(shí)采取兩兩配對(duì)的做法,因此針對(duì)每一個(gè)地區(qū)市場(chǎng)都可以得到3組動(dòng)態(tài)條件波動(dòng)率序列,實(shí)際上對(duì)于4個(gè)地區(qū),這3組指數(shù)收益動(dòng)態(tài)波動(dòng)率序列都相差極小,這也從另一個(gè)側(cè)面說明了模型的刻畫能力.這里直接將3組序列進(jìn)行平均處理,從而得到4個(gè)分別對(duì)應(yīng)港島、九龍、新界東和新界西地區(qū)的動(dòng)態(tài)波動(dòng)率序列,如圖5~圖8所示.
由圖5可以看出,港島房地產(chǎn)市場(chǎng)在1998年以及前后具有較大的波動(dòng)性,在1998-01底達(dá)到最大值30.675,然后其波動(dòng)水平保持下跌態(tài)勢(shì)直到2002-02初跌至1.199.在隨后的樣本期內(nèi),波動(dòng)率水平保持在1.168~6.393之間變化,即使在2008年、2009年左右的全球金融危機(jī)時(shí)期中也沒有表現(xiàn)出較大的波動(dòng),而且對(duì)比其它3個(gè)地區(qū)的波動(dòng)性水平,實(shí)際上港島是4個(gè)地區(qū)中唯一一個(gè)在這一段時(shí)間里波動(dòng)程度略有上升的區(qū)域,其它3個(gè)地去的波動(dòng)性在2008年、2009年基本沒有變化,九龍甚至出現(xiàn)了一定程度的下降,說明港島與外部金融環(huán)境間的流動(dòng)性要高一些,投機(jī)性質(zhì)也要更重一些.值得注意的是,不管是圖1中指數(shù)的下跌幅度,還是這4幅圖中的波動(dòng)率增加程度,2008年、2009年次貸危機(jī)中的香港房地產(chǎn)市場(chǎng)都遠(yuǎn)不如1998年亞洲金融危機(jī)中變化的那么劇烈,這一是由于亞洲金融危機(jī)在地域上更直接的針對(duì)了香港市場(chǎng),二是受益于次貸危機(jī)期間大陸經(jīng)濟(jì)的相對(duì)穩(wěn)定以及隨后的熱錢增加,對(duì)房地產(chǎn)的需求傳導(dǎo)到了毗鄰的香港市場(chǎng).
圖6中顯示了九龍的動(dòng)態(tài)波動(dòng)性情況,最高點(diǎn)位于1998-02,波動(dòng)率達(dá)到29.914,對(duì)比港島而言,其在1998—2002年間的波動(dòng)率下降過程中波動(dòng)性要更強(qiáng)一些,沒有如同港島一般直線下降而是在某幾個(gè)時(shí)間段有一定的回升,說明九龍地區(qū)在房地產(chǎn)衰竭時(shí)期的風(fēng)險(xiǎn)程度更大.圖7中的新界東波動(dòng)性情況與港島、九龍較為一致,最大值為1998-05的30.490,在時(shí)間點(diǎn)上比之前兩個(gè)區(qū)域略微延遲,說明新界東房地產(chǎn)市場(chǎng)特性要稍微落后于投機(jī)性更重的港島和九龍,其在2002年之后的樣本期內(nèi)也具有更小更穩(wěn)定的波動(dòng)率,最大為2004-09的4.099.圖8所展示的新界西波動(dòng)特性與其它3個(gè)地區(qū)區(qū)別較大,整個(gè)樣本期內(nèi)的最高點(diǎn)為1994-08的15.109,次高點(diǎn)則是1998-05的12.197,說明該地區(qū)的投資風(fēng)險(xiǎn)較低,這與其低端房地產(chǎn)市場(chǎng)的定位是吻合的.
圖5 港島指數(shù)收益的動(dòng)態(tài)動(dòng)率(Vd)Fig.5 Dynam ic volatility of Hong Kong Island index return
圖6 九龍指數(shù)收益的波動(dòng)態(tài)動(dòng)率(Vd)Fig.6 Dynam ic volatility of Kow loon index return
圖7 新界東指數(shù)收益的波動(dòng)態(tài)動(dòng)率(Vd)Fig.7 Dynam ic volatility of New Territories Eastindex return
圖8 新界西指數(shù)收益的波動(dòng)態(tài)動(dòng)率(Vd)Fig.8 Dynam ic volatility of New TerritoriesWest index return
基于所得到的參數(shù)估計(jì)值以及模型設(shè)置,還能夠進(jìn)一步計(jì)算出這4個(gè)地區(qū)兩兩配對(duì)下的動(dòng)態(tài)相關(guān)性.圖9中顯示了港島與九龍之間的動(dòng)態(tài)相關(guān)性情況,整體而言樣本期前半段的相關(guān)性水平要大于后半段的相關(guān)性水平,其最大相關(guān)性發(fā)生于1998-09初,為51.57%,該時(shí)間點(diǎn)與兩個(gè)地區(qū)房地產(chǎn)市場(chǎng)波動(dòng)性最強(qiáng)的衰退時(shí)期相一致,而在樣本期的后半段時(shí)間內(nèi),相關(guān)性多次處于相對(duì)低點(diǎn),為11%~12%之間,對(duì)比其它5對(duì)動(dòng)態(tài)相關(guān)性序列可知,港島與九龍之間的相關(guān)性程度是相對(duì)較高的,這與兩個(gè)地區(qū)都是房地產(chǎn)中高端地區(qū)且投機(jī)特性較強(qiáng)等原因有關(guān).港島與新界東之間的動(dòng)態(tài)相關(guān)性見圖10,在樣本期內(nèi)呈現(xiàn)出一個(gè)緩慢向上的趨勢(shì),這種趨勢(shì)與其它5個(gè)動(dòng)態(tài)相關(guān)性都略顯不同,其最大值出現(xiàn)在2008-11,為33.62%,這一時(shí)間點(diǎn)恰好處于全球金融危機(jī)時(shí)期,2000-08時(shí)動(dòng)態(tài)相關(guān)性最小為7.34%,整個(gè)相關(guān)性程度小于港島和九龍之間的相關(guān)性.
圖11給出了港島和新界西間的動(dòng)態(tài)相關(guān)性,1998-09表現(xiàn)出最大值為49.27%,雖然港島主要是中高端樓盤而新界西主要為地段樓盤,但是這兩個(gè)地區(qū)間的相關(guān)性程度卻在6組動(dòng)態(tài)相關(guān)性中較高,此外港島和新界西間的動(dòng)態(tài)相關(guān)性圖形波動(dòng)性質(zhì)更強(qiáng),這源自于參數(shù)估計(jì)中最優(yōu)惠貸款利率轉(zhuǎn)換參數(shù)的不顯著.九龍與新界東、新界西之間的動(dòng)態(tài)相關(guān)性程度較小,圖12中的九龍與新界東動(dòng)態(tài)相關(guān)性最大值僅為32.07%,出現(xiàn)在1998-02,最低點(diǎn)更是接近于0%.圖13中的九龍與新界西動(dòng)態(tài)相關(guān)性整體來說更高一些,樣本期間內(nèi)的波動(dòng)沒有體現(xiàn)出明顯的向上或向下趨勢(shì),最高為1998-09的37.80%,最低為2009-11的10.79%.最后新界東與新界西之間的動(dòng)態(tài)相關(guān)性在圖14中給出,最高點(diǎn)為1998-09的41.93%,最低點(diǎn)為2009-11的6.05%,實(shí)際上港島、九龍和新界東3地與新界西之間的動(dòng)態(tài)相關(guān)性情形走勢(shì)都較為類似,并且均在1998-09達(dá)到各自的最高點(diǎn).
圖9 港島—九龍動(dòng)態(tài)相關(guān)系數(shù)(Cd)Fig.9 Dynam ic correlation(Cd)between HK island and Kow loon
圖10 港島—新界東動(dòng)態(tài)相關(guān)系數(shù)(Cd)Fig.10 Dynam ic correlation(Cd)between HK island and NTE
圖11 港島—新界西動(dòng)態(tài)相關(guān)系數(shù)(Cd)Fig.11 Dynam ic correlation(Cd)between HK island and NTW
圖12 九龍–新界東動(dòng)態(tài)相關(guān)系數(shù)(Cd)Fig.12 Dynam ic correlation(Cd)between Kow loon and NTE
圖13 九龍–新界西動(dòng)態(tài)相關(guān)系數(shù)(Cd)Fig.13 Dynam ic correlation(Cd)between Kow loon and NTW
圖14 新界東–新界西動(dòng)態(tài)相關(guān)系數(shù)(Cd)Fig.14 Dynam ic correlation(Cd)between NTE and NTW
對(duì)比動(dòng)態(tài)相關(guān)性圖形圖9~圖1 4,可以發(fā)現(xiàn)這些地區(qū)間的動(dòng)態(tài)相關(guān)性均在1 9 9 8年前后和2 0 0 9年前后呈現(xiàn)出局部的高點(diǎn),這說明在金融危機(jī)等特殊時(shí)期香港4個(gè)地區(qū)間的房地產(chǎn)市場(chǎng)相關(guān)性有局部的上升.根據(jù)金融危機(jī)傳染理論,由于信息約束下的投資者羊群效應(yīng),極端情況下收入效應(yīng)的增加,投機(jī)行為增多,導(dǎo)致了賣壓的增強(qiáng)以及市場(chǎng)流動(dòng)性的降低,而流動(dòng)性的降低進(jìn)一步加劇了價(jià)格下降,這種趨同的賣出行為就使得地區(qū)之間的價(jià)格走勢(shì)更加一致,表現(xiàn)為各地區(qū)間房地產(chǎn)市場(chǎng)相關(guān)性的增加.將該結(jié)果與兩次金融危機(jī)時(shí)期市場(chǎng)波動(dòng)性的表現(xiàn)相對(duì)照,可以發(fā)現(xiàn),雖然兩次極端時(shí)期市場(chǎng)的下跌幅度、波動(dòng)程度有較大差別,但是相關(guān)性的增加都是較為明顯的,動(dòng)態(tài)相關(guān)性指標(biāo)更能明確的反映出金融危機(jī)時(shí)期的市場(chǎng)特征.
值得注意的是,就整個(gè)趨勢(shì)而言最為不同的就是港島和新界東之間的動(dòng)態(tài)相關(guān)性,其整體最高點(diǎn)處于2008年而不是其它5個(gè)動(dòng)態(tài)相關(guān)性所處的1998年,且如前面所說呈現(xiàn)一個(gè)緩慢向上的特性.嘗試用這兩個(gè)區(qū)域的自身地緣特點(diǎn)和房地產(chǎn)市場(chǎng)特性來解釋這一現(xiàn)象,首先是新界東地區(qū)及其房地產(chǎn)市場(chǎng)的特征,隨著1997年香港回歸,香港和內(nèi)地的社會(huì)和經(jīng)濟(jì)聯(lián)系不斷加強(qiáng),香港和深圳兩地毗鄰,互相往來也越來越方便,許多在香港工作的居民選擇住在深圳,從而減少房屋居住等方面的開銷且便于照顧其在中國(guó)的業(yè)務(wù),因此與深圳羅湖口岸緊鄰的新界東地區(qū)的房地產(chǎn)市場(chǎng)在越來越大的程度上受到深圳房地產(chǎn)市場(chǎng)甚至整個(gè)內(nèi)地經(jīng)濟(jì)的影響,從而弱化了與香港其它地區(qū)的房地產(chǎn)市場(chǎng)之間的關(guān)聯(lián)程度,實(shí)際上從圖9~圖14中可以發(fā)現(xiàn),新界東和港島以及九龍的相關(guān)性程度都較之其它情況更小,僅與地緣關(guān)系更近的新界西保持了一定的相關(guān)性水平.另一方面,港島位于香港的傳統(tǒng)中心地帶,金融業(yè)和其它產(chǎn)業(yè)都相對(duì)發(fā)達(dá),房地產(chǎn)市場(chǎng)也以中高端為主,另有大量外籍人士居住于此.在整個(gè)考察的樣本期內(nèi),香港一直是亞洲乃至世界非常重要的金融中心之一,因此高端物業(yè)的需求較為穩(wěn)定,而且可以預(yù)計(jì)這種穩(wěn)定性在未來一段時(shí)間將具有長(zhǎng)期持續(xù)的可能.這種高端物業(yè)相對(duì)獨(dú)立的堅(jiān)挺使得港島房地產(chǎn)市場(chǎng)較為偏向香港本身的金融中心、貿(mào)易中心作用,從而與新界東地區(qū)的房地產(chǎn)市場(chǎng)產(chǎn)生出較大的分離,兩者之間的整體性質(zhì)也略顯不同.而由于香港在回歸之后受到內(nèi)地經(jīng)濟(jì)政策和國(guó)際金融環(huán)境的交叉影響越來越強(qiáng)烈,各個(gè)地區(qū)房地產(chǎn)市場(chǎng)之間的分離程度也越來越高,這也就解釋了除去“港島—新界東”外其它5個(gè)動(dòng)態(tài)相關(guān)性或多或少的整體向下趨勢(shì).
本文使用VAR-DSTCC-GARCH模型研究了香港不同地區(qū)房地產(chǎn)市場(chǎng)之間的動(dòng)態(tài)相關(guān)關(guān)系,其中在VAR模型框架下分析了多個(gè)市場(chǎng)相互之間的驅(qū)動(dòng)關(guān)系,然后基于殘差序列使用DSTCC-GARCH模型進(jìn)一步分析了外部因素影響下4個(gè)地區(qū)房地產(chǎn)市場(chǎng)之間動(dòng)態(tài)相關(guān)性情況.本文選取周度的中原城市領(lǐng)先(CCL)指數(shù)的4個(gè)分區(qū)指數(shù)來描述港島、九龍、新界東和新界西4個(gè)地區(qū)的房地產(chǎn)市場(chǎng)走勢(shì),同時(shí)使用相同頻率的銀行最優(yōu)惠貸款利率以及滯后恒生指數(shù)年回報(bào)作為外部轉(zhuǎn)換影響因素.
4個(gè)地區(qū)房地產(chǎn)回報(bào)序列的VAR模型中大部分參數(shù)具有顯著性,同時(shí)每個(gè)地區(qū)房地產(chǎn)指數(shù)回報(bào)的3個(gè)滯后項(xiàng)的顯著性都依照階數(shù)從低到高逐漸減弱,說明時(shí)間距離較近的市場(chǎng)波動(dòng)產(chǎn)生的影響更為顯著.
在DSTCC-GARCH模型部分,6組中大部分的參數(shù)估計(jì)結(jié)果都具有顯著性.相關(guān)性參數(shù)結(jié)果表明,最優(yōu)惠貸款利率對(duì)除“九龍–新界東”、“九龍–新界西”之外的動(dòng)態(tài)相關(guān)關(guān)系有顯著影響,而滯后的恒生指數(shù)年回報(bào)則對(duì)除“港島—新界東”之外的所有5組動(dòng)態(tài)相關(guān)性產(chǎn)生顯著影響,最優(yōu)惠貸款利率和滯后恒生指數(shù)年回報(bào)是影響較為顯著兩個(gè)的外部因素,選取恰當(dāng)合理.
根據(jù)模型設(shè)置和參數(shù)估計(jì)結(jié)果,可以得到相應(yīng)的波動(dòng)率和相關(guān)性動(dòng)態(tài)特征.動(dòng)態(tài)波動(dòng)率的計(jì)算結(jié)果表明港島和九龍房地產(chǎn)市場(chǎng)的投機(jī)性質(zhì)更高一些,而新界西在4個(gè)地區(qū)中投資風(fēng)險(xiǎn)最低.通過動(dòng)態(tài)相關(guān)性結(jié)果可以發(fā)現(xiàn),港島與九龍之間的相關(guān)性程度相對(duì)較高,這與兩個(gè)地區(qū)都是房地產(chǎn)中高端地區(qū)且投機(jī)特性較強(qiáng)等原因有關(guān),港島與新界東之間的動(dòng)態(tài)相關(guān)性呈現(xiàn)出一個(gè)與其它5個(gè)動(dòng)態(tài)相關(guān)性都不同的緩慢向上的趨勢(shì),九龍與新界東、新界西之間的動(dòng)態(tài)相關(guān)性程度較低,港島、九龍和新界東3地與新界西之間的動(dòng)態(tài)相關(guān)性情形走勢(shì)都較為類似,且均在1998-09達(dá)到各自的最高點(diǎn).6組動(dòng)態(tài)相關(guān)性均在1998年前后和2009年前后呈現(xiàn)出局部的高點(diǎn),這說明在金融危機(jī)等特殊時(shí)期香港4個(gè)地區(qū)間的房地產(chǎn)市場(chǎng)相關(guān)性有局部的上升,這可能源自于投機(jī)環(huán)境下賣壓的相互傳染.
[1]Markow itz H.Portfolio Selection.Journalof Finance,1952,7(1):77–91.
[2]M ichayluk D,Wilson P,Zurbruegg R.Asymmetric volatility,correlation and return dynamics between the USand UK securitized realestatemarkets.Real Estate Econom ics,2006,34(1):109–131.
[3]Goorah A.Realestate riskmanagementwith copulas.Journalof RealEstate Research,2007,24(4):289–311.
[4]郭名媛,張世英.基于高頻數(shù)據(jù)的滬深股票市場(chǎng)的相關(guān)性研究.系統(tǒng)工程學(xué)報(bào),2009,24(3):293–298. GuoM Y,Zhang SY.Study on the correlationsbetween Shanghaistockmarketand Shenzhen stockmarketby using high frequency data.Journalof SystemsEngineering,2009,24(3):293–298.(in Chinese)
[5]Liow K H,Webb JR.Common factors in international securitized real estate markets.Review of Financial Econom ics,2009, 18(2):80–89.
[6]Liow K H,Ho K H,Ibrahim M F,etal.Correlation and volatility dynam ics in international realestate securitiesmarkets.Journalof Real Estate Financeand Econom ics,2009,39(2):202–223.
[7]樊重俊.多個(gè)動(dòng)態(tài)序列之間非線性相關(guān)性度量方法.系統(tǒng)工程學(xué)報(bào),2010,25(4):433–437. Fan C J.Measuring approach for nonlinear dependence among time series.Journalof Systems Engineering,2010,25(4):433–437. (in Chinese)
[8]Liow K H,Chen Z,Liu J.Multiple regimes and volatility transmission in securitized real estatemarkets.Journal of Real Estate Finance and Econom ics,2011,42(3):295–328.
[9]Zhou J,Gao Y.Taildependence in international realestate securitiesmarkets.Journalof Real Estate Financeand Econom ics,2012, 45(1):128–151.
[10]HoesliM,Reka K.Volatility spillovers,comovements and contagion in securitized real estatemarkets.The Journal of Real Estate Finance and Econom ics,2013,47(1):1–35.
[11]Mouzakis F,Richards D.Panel datamodelling of prime office rents:A study of 12major Europeanmarkets.Journal of Property Research,2007,24(1):31–53.
[12]Gallo JG,Zhang Y.Globalpropertymarketdiversification.Journalof RealEstate Financeand Econom ics,2010,41(4):458–485.
[13]Webb JR,Tse R Y C.Regional comparison of office prices and rentals in China:Evidence from Shanghai,Guangzhou,and Shenzhen.Journalof RealEstate Portfolio Management,2000,6(2):41–51.
[14]Yang J,Liu H,Leatham D J.Themulti-market analysis of a housing price transm issionmodel.Applied Econom ics,2013,45(27): 3810–3819.
[15]M iller N,Peng L.Exploringmetropolitan housing price volatility.Journalof Real Estate Financeand Econom ics,2006,33(1):5–18.
Research on dynam ic correlationsamong regional realestatemarketsof Hong Kong
Yang Boli1,2,Gong Pu1,Bao Xiaohui2
(1.SchoolofManagement,Huazhong University of Science and Technology,Wuhan 430074,China;
2.Departmentof Land Economy,University of Cambridge,Cambridge CB2 1TN,UK)
Correlationsamong realestatemarkets in different regions is attractingmore andmore considerations these days.This paper studies the among realestatemarkets in four Hong Kong regions,by introducing the VARmodel,and DSTCC-GARCH modelwhich allows external factors to influence the dynamic correlation.It is found that the bank prime lending rate and lagging Hang Seng Index annualized returns,as two external factors,show a significant impacton these dynam ic correlations.Hong Kong Island is highly correlated to Kow loon and New TerritoriesWest,while Kow loon is low ly correlated to New Territories East and New TerritoriesWest.Thedynamic correlation between Hong Kong Island and New TerritoriesEast isa little different from theother fivedynamic correlationsand showsa slow upward trend.In addition,thesix dynamic correlationsshow localhigh levelsaround the two financialcrisisperiods.
Hong Kong realestate;dynamic correlation;transition factors
F293.35
A
1000-5781(2016)02-0178-14
10.13383/j.cnki.jse.2016.02.004
2014-12-11;
2015-12-15.
國(guó)家自然科學(xué)基金重點(diǎn)資助項(xiàng)目(71231005);國(guó)家自然科學(xué)基金面上資助項(xiàng)目(71071067);教育部高等學(xué)校博士學(xué)科點(diǎn)專項(xiàng)科研基金資助項(xiàng)目(20110142110068).
楊博理(1986—),男,湖北荊州人,博士,講師,研究方向:房地產(chǎn)金融與金融市場(chǎng),Email:yangboli.hust@gmail.com;
龔樸(1954—),男,湖北武漢人,博士,教授,研究方向:公司財(cái)務(wù)與金融工程,Email:gongpu@hust.edu.cn;
包曉輝(1974—),女,內(nèi)蒙古赤峰人,博士,講師,研究方向:房地產(chǎn)金融,Email:hxb20@cam.ac.uk.