扈文秀++吳婷婷++付強(qiáng)

摘要：為了有效控制房地產(chǎn)價(jià)格非理性上漲對(duì)宏觀經(jīng)濟(jì)的影響，本文對(duì)房地產(chǎn)價(jià)格膨脹進(jìn)行區(qū)分。根據(jù)27個(gè)國(guó)家，1990年至2014年的房地產(chǎn)價(jià)格數(shù)據(jù)，通過(guò)約束平滑B樣條模型（COBS）識(shí)別出每一國(guó)家的房地產(chǎn)價(jià)格的膨脹區(qū)間，根據(jù)不同膨脹區(qū)間后宏觀經(jīng)濟(jì)的不同反應(yīng)，區(qū)分出高風(fēng)險(xiǎn)資產(chǎn)價(jià)格膨脹與低風(fēng)險(xiǎn)資產(chǎn)價(jià)格膨脹。并根據(jù)確定出的高風(fēng)險(xiǎn)資產(chǎn)價(jià)格膨脹的預(yù)警指標(biāo)，通過(guò)二元離散選擇模型，構(gòu)建針對(duì)房地產(chǎn)市場(chǎng)的高風(fēng)險(xiǎn)價(jià)格膨脹動(dòng)態(tài)預(yù)警機(jī)制。最后，運(yùn)用我國(guó)的房地產(chǎn)市場(chǎng)數(shù)據(jù)，對(duì)得出的預(yù)警模型進(jìn)行樣本內(nèi)及樣本外檢測(cè)。

關(guān)鍵詞：高風(fēng)險(xiǎn)資產(chǎn)價(jià)格膨脹；COBS模型；二元離散選擇模型；預(yù)警機(jī)制

中圖分類號(hào)：F830.2文獻(xiàn)標(biāo)識(shí)碼：A文章編號(hào)：10035192（2017）02005106doi：10.11847/fj.36.2.51

Study on the High Cost Booms Identification in Real Estate Marketand Its Real Time Early Warning Mechanism

——Based on International Experience Data

HU Wenxiu， WU Tingting， FU Qiang

（School of Economics and Management， Xian University of Technology， Xian 710054， China）

Abstract：In order to effectively control the effect of house prices irrationally rising on macroeconomic， this paper distinguishes the house price booms. According to 27 countries from 1990 to 2014 real estate price data， by constraining the smooth Bspline model（COBS）， this paper identifies each countrys real estate price inflation interval. Subsequently， it distinguishes the high cost booms and the low cost booms by the macroeconomic reactions after different inflation intervals. Then， using the determinants through nonparametric tests， it establishes the real time early warning mechanism of high cost booms in real estate market， based on discrete choice model. Finally， this paper uses Chinas real estate data to make insample test and outofsample test of that real time early warning mechanism. Key words：high cost asset price boom； COBS model； discrete choice model； real time early warning mechanism

1引言

資產(chǎn)價(jià)格膨脹尤其是房地產(chǎn)價(jià)格的急速暴漲是近年來(lái)我國(guó)甚至世界范圍內(nèi)出現(xiàn)的重要經(jīng)濟(jì)現(xiàn)象[1]。2000年以來(lái)，我國(guó)平均房地產(chǎn)市場(chǎng)價(jià)格上漲了3倍左右，一線城市部分區(qū)域的房地產(chǎn)價(jià)格甚至上漲了5倍以上。同樣，國(guó)外的房地產(chǎn)市場(chǎng)也出現(xiàn)了價(jià)格過(guò)熱的情況，如日本房地產(chǎn)價(jià)格從1985年以來(lái)，經(jīng)歷了數(shù)次房地產(chǎn)價(jià)格暴漲[2]。然而，在經(jīng)濟(jì)發(fā)展中，有些資產(chǎn)價(jià)格膨脹會(huì)隨著經(jīng)濟(jì)的發(fā)展逐漸消退，而有些資產(chǎn)價(jià)格膨脹卻會(huì)對(duì)實(shí)體經(jīng)濟(jì)產(chǎn)生較為嚴(yán)重的影響。如日本80年代末90年代初出現(xiàn)的資產(chǎn)價(jià)格大幅上漲，最終以泡沫經(jīng)濟(jì)為后果，直接導(dǎo)致日本經(jīng)濟(jì)陷入十年蕭條[3]。2007年美國(guó)房地產(chǎn)價(jià)格上漲引起的次貸危機(jī)甚至引發(fā)了世界金融危機(jī)的爆發(fā)。中國(guó)香港和新加坡的房?jī)r(jià)大幅上漲卻并沒(méi)有對(duì)實(shí)體經(jīng)濟(jì)產(chǎn)生太大影響[4]。

然而現(xiàn)有研究主要關(guān)注于房地產(chǎn)價(jià)格膨脹與宏觀經(jīng)濟(jì)之間關(guān)系，但是忽視了不同階段資產(chǎn)價(jià)格膨脹對(duì)宏觀經(jīng)濟(jì)的影響不同，在研究時(shí)不可一概而論。我國(guó)的現(xiàn)有研究尚未對(duì)資產(chǎn)價(jià)格膨脹進(jìn)行區(qū)分，但是近年來(lái)，國(guó)外已有一些學(xué)者發(fā)現(xiàn)并不是所有的資產(chǎn)價(jià)格膨脹都會(huì)引起較大的產(chǎn)出損失，如Dieter和Hans[5]通過(guò)分析發(fā)現(xiàn)不同的資產(chǎn)價(jià)格膨脹會(huì)對(duì)膨脹期后的宏觀經(jīng)濟(jì)產(chǎn)生不同的影響。因此，他們根據(jù)膨脹期后經(jīng)濟(jì)增長(zhǎng)率的不同將資產(chǎn)價(jià)格膨脹分為高風(fēng)險(xiǎn)資產(chǎn)價(jià)格膨脹和低風(fēng)險(xiǎn)資產(chǎn)價(jià)格膨脹。之后的學(xué)者根據(jù)這一結(jié)論進(jìn)行了更加細(xì)致的分析，Detken和Smets[6]將資產(chǎn)價(jià)格膨脹定義為是一個(gè)連續(xù)的至少4個(gè)季度的過(guò)程，在這一過(guò)程中實(shí)際總價(jià)格指數(shù)超過(guò)其趨勢(shì)至少10%以上。Adalid和Detken[7]在這一研究的基礎(chǔ)上將資產(chǎn)價(jià)格膨脹根據(jù)膨脹期后的GDP增長(zhǎng)率分為低風(fēng)險(xiǎn)資產(chǎn)價(jià)格膨脹和高風(fēng)險(xiǎn)資產(chǎn)價(jià)格膨脹。如果GDP平均實(shí)際增長(zhǎng)率在膨脹期中高于膨脹期后，則這個(gè)膨脹期就可以稱為高風(fēng)險(xiǎn)資產(chǎn)價(jià)格膨脹。

在識(shí)別出高風(fēng)險(xiǎn)資產(chǎn)價(jià)格膨脹區(qū)間之后，如何對(duì)其進(jìn)行預(yù)警進(jìn)而通過(guò)宏觀政策控制高風(fēng)險(xiǎn)資產(chǎn)價(jià)格膨脹對(duì)實(shí)體經(jīng)濟(jì)的影響是研究中至關(guān)重要的問(wèn)題?，F(xiàn)有對(duì)于危機(jī)預(yù)警的研究主要分為非模型預(yù)警和模型預(yù)警。非模型預(yù)警由于其操作簡(jiǎn)便，在前期的危機(jī)預(yù)警研究中得到廣泛的運(yùn)用[8，9]。然而，Berg和Pattillo[10]通過(guò)實(shí)證分析對(duì)模型預(yù)警和非模型預(yù)警進(jìn)行了對(duì)比研究，結(jié)果顯示模型預(yù)警的準(zhǔn)確性要遠(yuǎn)高于非模型預(yù)警，因此現(xiàn)有的危機(jī)預(yù)警研究以模型預(yù)警為主要方法。由于研究?jī)?nèi)容和視角不同，不同學(xué)者對(duì)于模型的選擇也往往具有較大差別。首先，KLR信號(hào)分析法[11]和STV截面回歸模型[12]，以其指標(biāo)選擇的廣泛性被廣為運(yùn)用。史建平和高宇[13]通過(guò)KLR信號(hào)分析法對(duì)于一些新興市場(chǎng)國(guó)家的金融危機(jī)進(jìn)行預(yù)警。張?jiān)己蛯O剛[14]通過(guò)STV模型得到中國(guó)金融環(huán)境不穩(wěn)定的原因主要是受外部因素干擾。但是以上預(yù)警模型在運(yùn)用時(shí)不能區(qū)別不同的指標(biāo)對(duì)危機(jī)的影響，顯然不適合具有復(fù)雜影響因素的高風(fēng)險(xiǎn)資產(chǎn)價(jià)格膨脹的研究。馬爾科夫區(qū)制轉(zhuǎn)換模型[15]則主要針對(duì)不同國(guó)家的經(jīng)濟(jì)周期、經(jīng)濟(jì)沖擊及國(guó)家間經(jīng)濟(jì)影響的研究。朱鈞鈞等[16]改進(jìn)了馬爾科夫區(qū)制轉(zhuǎn)化模型，并重新研究了東南亞金融危機(jī)的影響因素。但是馬爾科夫區(qū)制轉(zhuǎn)化模型在價(jià)格波動(dòng)方面的研究并沒(méi)有明顯優(yōu)勢(shì)。二元離散選擇模型[17]，其本質(zhì)是測(cè)度危機(jī)發(fā)生概率的方法。馬德功等[18]通過(guò)對(duì)比分析現(xiàn)有各種危機(jī)預(yù)警模型，得出Logit模型更適合構(gòu)建中國(guó)的貨幣危機(jī)預(yù)警。Cipollini和Kapetanios[19]得到預(yù)測(cè)經(jīng)濟(jì)危機(jī)的指標(biāo)后，運(yùn)用Probit模型進(jìn)行動(dòng)態(tài)危機(jī)預(yù)警。該模型可以直接計(jì)算危機(jī)發(fā)生的概率，適合多指標(biāo)研究，可以反映每一指標(biāo)和危機(jī)之間的關(guān)系，是現(xiàn)階段較為適合的資產(chǎn)價(jià)格膨脹的預(yù)警模型。

扈文秀，等：房地產(chǎn)市場(chǎng)高風(fēng)險(xiǎn)價(jià)格膨脹識(shí)別及其預(yù)警機(jī)制研究——基于國(guó)際經(jīng)驗(yàn)數(shù)據(jù)

Vol.36， No.2預(yù)測(cè)2017年第2期

根據(jù)歷史經(jīng)驗(yàn)，中國(guó)資產(chǎn)價(jià)格膨脹區(qū)間有限，在此基礎(chǔ)上對(duì)宏觀經(jīng)濟(jì)有影響的資產(chǎn)價(jià)格膨脹更少，研究中缺乏足夠數(shù)據(jù)，因此，國(guó)際經(jīng)驗(yàn)數(shù)據(jù)就更為重要?，F(xiàn)有研究忽視了不同階段房地產(chǎn)價(jià)格膨脹對(duì)宏觀經(jīng)濟(jì)的影響，識(shí)別不同國(guó)家不同階段的房地產(chǎn)價(jià)格膨脹區(qū)間，對(duì)于價(jià)格膨脹的研究具有重要意義。通過(guò)以上綜述，本文主要分析以下三個(gè)具有遞進(jìn)關(guān)系的問(wèn)題：如何識(shí)別房地產(chǎn)價(jià)格膨脹區(qū)間以及高風(fēng)險(xiǎn)價(jià)格膨脹區(qū)間？哪些因素會(huì)對(duì)房地產(chǎn)市場(chǎng)高風(fēng)險(xiǎn)價(jià)格膨脹具有顯著影響？如何對(duì)房地產(chǎn)市場(chǎng)高風(fēng)險(xiǎn)價(jià)格膨脹進(jìn)行預(yù)警？

3高風(fēng)險(xiǎn)資產(chǎn)價(jià)格膨脹預(yù)警體系的構(gòu)建

3.1高風(fēng)險(xiǎn)資產(chǎn)價(jià)格膨脹的預(yù)警指標(biāo)

識(shí)別出房地產(chǎn)市場(chǎng)的高風(fēng)險(xiǎn)資產(chǎn)價(jià)格膨脹區(qū)間之后，其關(guān)鍵問(wèn)題就是如何在房地產(chǎn)價(jià)格發(fā)生急速上漲時(shí)，區(qū)分每次膨脹是高風(fēng)險(xiǎn)資產(chǎn)價(jià)格膨脹還是低風(fēng)險(xiǎn)資產(chǎn)價(jià)格膨脹。首先本文通過(guò)非參數(shù)檢驗(yàn)確定房地產(chǎn)市場(chǎng)高風(fēng)險(xiǎn)價(jià)格膨脹的預(yù)警指標(biāo)，作為構(gòu)建預(yù)警模型的基礎(chǔ)。

3.1.1原始指標(biāo)的選擇與預(yù)處理

結(jié)合多國(guó)經(jīng)濟(jì)環(huán)境，本文首先列出了可能對(duì)資產(chǎn)價(jià)格產(chǎn)生影響的18種因素，作為實(shí)證分析的備選指標(biāo)。具體分為宏觀經(jīng)濟(jì)因素和金融指標(biāo)，其中Xi為第i個(gè)原始指標(biāo)（以下數(shù)據(jù)均為季度數(shù)據(jù)，取自萬(wàn)德數(shù)據(jù)庫(kù)）：

（1）宏觀經(jīng)濟(jì)因素。宏觀經(jīng)濟(jì)是否平衡是衡量一國(guó)金融體系是否穩(wěn)健的根本條件。高風(fēng)險(xiǎn)資產(chǎn)價(jià)格膨脹的產(chǎn)生，從根本上說(shuō)是一國(guó)宏觀經(jīng)濟(jì)出現(xiàn)不平衡的表現(xiàn)之一。因此，宏觀經(jīng)濟(jì)因素的異常是對(duì)高風(fēng)險(xiǎn)資產(chǎn)價(jià)格膨脹進(jìn)行預(yù)警的基礎(chǔ)指標(biāo)。本文選擇GDP（X1）作為宏觀經(jīng)濟(jì)的主要核算變量。

CPI（X2），即居民消費(fèi)價(jià)格指數(shù)，它在實(shí)際研究中經(jīng)常作為經(jīng)濟(jì)分析和決策的先行指標(biāo)，其變動(dòng)在一定程度上說(shuō)明了通貨膨脹和通貨緊縮的程度。

社會(huì)融資規(guī)模（X3）、固定資產(chǎn)投資完成額（X4）、財(cái)政收支余額（X5）分別從金融角度，投資市場(chǎng)和國(guó)家財(cái)政說(shuō)明實(shí)體經(jīng)濟(jì)的活躍程度，及對(duì)資產(chǎn)市場(chǎng)的潛在影響。

稅收收入（X6）、工業(yè)增加值（X7）、公共財(cái)政收入支出（X8）從國(guó)家資金儲(chǔ)備量的角度說(shuō)明國(guó)家經(jīng)濟(jì)的繁榮或者衰退，在一定程度上也反映了資產(chǎn)市場(chǎng)的活躍程度。

（2）金融指標(biāo)。銀行危機(jī)與貨幣危機(jī)是高風(fēng)險(xiǎn)資產(chǎn)價(jià)格膨脹后產(chǎn)生的嚴(yán)重后果之一，因此，金融體系的穩(wěn)定是影響資產(chǎn)價(jià)格波動(dòng)的重要因素。

利率（X9）和匯率（X10）變化是國(guó)家對(duì)于維護(hù)金融穩(wěn)定所采取的最直接的行為。低利率使得對(duì)于未來(lái)股票紅利和租金水平的預(yù)期提高，同時(shí)又會(huì)降低貼現(xiàn)率從而引起資產(chǎn)價(jià)格的上漲。另一方面，在資產(chǎn)價(jià)格膨脹期中，利率的提高可以通過(guò)強(qiáng)化逆向選擇和道德風(fēng)險(xiǎn)從而導(dǎo)致高負(fù)債的房地產(chǎn)企業(yè)的違約率，進(jìn)而導(dǎo)致資產(chǎn)價(jià)格下跌。匯率的波動(dòng)對(duì)于本國(guó)貨幣的升值和貶值有直接的影響。本文的數(shù)據(jù)均為剔除通貨膨脹率的實(shí)際利率和實(shí)際匯率。

國(guó)家外匯儲(chǔ)備（X11）衡量了中央銀行外匯貯備的充足程度，是一國(guó)進(jìn)行宏觀調(diào)控的重要工具，如干預(yù)匯率的波動(dòng)，穩(wěn)定資產(chǎn)價(jià)格。M0（X12），M1（X13），M3（X14）這三種貨幣供應(yīng)量的指標(biāo)以及基礎(chǔ)貨幣余額（X15），經(jīng)常被用來(lái)分析經(jīng)濟(jì)動(dòng)態(tài)變化，且通過(guò)影響產(chǎn)出引起資產(chǎn)價(jià)格膨脹。實(shí)際信貸變量（X16）與進(jìn)口價(jià)格（X17），出口價(jià)格（X18）在經(jīng)濟(jì)研究中通過(guò)金融加速器機(jī)制影響資產(chǎn)價(jià)格波動(dòng)，這些變量均常用于資產(chǎn)價(jià)格波動(dòng)的早期預(yù)警指標(biāo)。

為了得到更加準(zhǔn)確的統(tǒng)計(jì)結(jié)果，本文對(duì)以上指標(biāo)進(jìn)行HP濾波法，線性趨勢(shì)偏離和計(jì)算增長(zhǎng)率等變形處理，以得到統(tǒng)一的度量標(biāo)準(zhǔn)。本文中，宏觀經(jīng)濟(jì)變量統(tǒng)一使用偏離趨勢(shì)的偏差進(jìn)行變形處理，其公式為DevXi=Xi-TrendXiXi。其中DevXi為偏離趨勢(shì)的偏差，Xi為第i變量，TrendXi為通過(guò)HP濾波法得到的趨勢(shì)值。金融指標(biāo)除實(shí)際利率、實(shí)際匯率使用水平值，其他指標(biāo)統(tǒng)一通過(guò)計(jì)算得出同比增長(zhǎng)率。

3.1.2實(shí)證檢驗(yàn)

該實(shí)證檢驗(yàn)的理論基礎(chǔ)為，如果我們認(rèn)為某變量是高風(fēng)險(xiǎn)資產(chǎn)價(jià)格膨脹的決定性因素，那么我們就會(huì)預(yù)期該變量在高風(fēng)險(xiǎn)資產(chǎn)價(jià)格膨脹期中與膨脹期前的表現(xiàn)特征是不一樣的。因此，本文運(yùn)用KruskallWallis檢驗(yàn)?zāi)繕?biāo)變量是否為高風(fēng)險(xiǎn)資產(chǎn)價(jià)格膨脹的決定因素。假設(shè)任一變量Xit為i國(guó)在t時(shí)期的各解釋變量的值，其變形形式為Tit，滯后期為Kit，則：將目標(biāo)變量分為兩組，一組為處于高風(fēng)險(xiǎn)資產(chǎn)價(jià)格膨脹期內(nèi)，設(shè)置為A組，一組沒(méi)有處在高風(fēng)險(xiǎn)資產(chǎn)價(jià)格膨脹期內(nèi)，設(shè)置為B組。根據(jù)AB兩組計(jì)算KW的值KWXT，K。如果某目標(biāo)變量的置信度在95%以上，則說(shuō)明這一變量與高風(fēng)險(xiǎn)資產(chǎn)價(jià)格膨脹呈相關(guān)關(guān)系，否則說(shuō)明該變量與高風(fēng)險(xiǎn)資產(chǎn)價(jià)格膨脹之間不具有顯著的相關(guān)關(guān)系。

本文通過(guò)SPSS軟件，將房地產(chǎn)市場(chǎng)價(jià)格高膨脹區(qū)間與非高膨脹區(qū)間之間的指標(biāo)值進(jìn)行面板數(shù)據(jù)的KW檢驗(yàn)，其統(tǒng)計(jì)結(jié)果如表1所示。

結(jié)果顯示，對(duì)于房地產(chǎn)市場(chǎng)的高風(fēng)險(xiǎn)資產(chǎn)價(jià)格膨脹，宏觀經(jīng)濟(jì)因素，如國(guó)民生產(chǎn)總值增長(zhǎng)率（GDP），居民消費(fèi)價(jià)格指數(shù)（CPI）， 固定資產(chǎn)投資完成額等經(jīng)濟(jì)指標(biāo)與房地產(chǎn)市場(chǎng)高風(fēng)險(xiǎn)資產(chǎn)價(jià)格膨脹之間具有相對(duì)較強(qiáng)的正相關(guān)關(guān)系；金融指標(biāo)如實(shí)際利率，實(shí)際匯率，貨幣供應(yīng)量，國(guó)內(nèi)信貸增長(zhǎng)率以及基礎(chǔ)貨幣余額等與房地產(chǎn)價(jià)格高風(fēng)險(xiǎn)膨脹之間也有著正相關(guān)關(guān)系。

3.2預(yù)警模型的構(gòu)建

3.2.1解釋變量的建立

根據(jù)以上KruskallWallis檢驗(yàn)，我們得到了總共10種房地產(chǎn)市場(chǎng)高風(fēng)險(xiǎn)價(jià)格膨脹的影響因素，將其作為預(yù)警模型的解釋變量。但是由于處于同一經(jīng)濟(jì)體的各個(gè)經(jīng)濟(jì)指標(biāo)之間會(huì)具有較強(qiáng)的相關(guān)性，如果直接作為預(yù)警模型的自變量，會(huì)出現(xiàn)多重共線性問(wèn)題。因此，預(yù)警模型的構(gòu)建之前，首先應(yīng)對(duì)影響因素進(jìn)行主成分分析。通過(guò)消除相關(guān)性的處理，KMO檢驗(yàn)與Barlett檢驗(yàn)，應(yīng)用SPSS軟件，得到原始變量的累計(jì)方差貢獻(xiàn)率，前三個(gè)主要因子的特征值均大于1，因此，我們提取3個(gè)公因子代表原始指標(biāo)數(shù)據(jù)的主要信息。對(duì)三個(gè)主要因子命名為F1，F(xiàn)2，F(xiàn)3，其因子載荷矩陣可知，因子F1在X1（國(guó)民生產(chǎn)總值增長(zhǎng)率）、X2（居民價(jià)格消費(fèi)指數(shù)）、 X4（固定資產(chǎn)投資完成額）這三個(gè)解釋變量上具有較大的載荷，這三個(gè)解釋變量分別為宏觀經(jīng)濟(jì)因素中代表經(jīng)濟(jì)發(fā)展?fàn)顟B(tài)的指標(biāo)，將F1命名為宏觀經(jīng)濟(jì)因子；因子F2在X9（實(shí)際利率）、X10（實(shí)際匯率）和X16（國(guó)內(nèi)信貸增長(zhǎng)率）這三個(gè)解釋變量上具有較大的載荷，而這三個(gè)指標(biāo)可以說(shuō)明銀行系統(tǒng)的國(guó)內(nèi)外信貸水平，將 F2命名為信貸變量因子；因子F3在X12、X13、X14（三個(gè)貨幣供應(yīng)量的指標(biāo)）、X15（基礎(chǔ)貨幣余額）這四個(gè)解釋變量上有較大的載荷，而這四個(gè)指標(biāo)均與貨幣變量有關(guān)，將F3命名為貨幣變量因子。

根據(jù)以上數(shù)據(jù)分析結(jié)果，我們最終得到三個(gè)主要因子表達(dá)式

F1=0.8975X1+0.6423X2+0.4372X4+

0.1841X9-…-0.1832X16

F2=0.3215X1+0.1093X2+0.0322X4+

0.2473X9+…-0.0478X16

F3=0.1047X1+0.0421X2-0.0216X4+

0.8424X9-…+0.8430X16

3.2.2動(dòng)態(tài)Logit模型的構(gòu)建

根據(jù)以上分析得出的高風(fēng)險(xiǎn)資產(chǎn)價(jià)格膨脹的三個(gè)主要因子為解釋變量，以高風(fēng)險(xiǎn)資產(chǎn)價(jià)格膨脹發(fā)生的概率為被解釋變量，將其定義為二元定性變量。本文定義yit為i國(guó)在t時(shí)期發(fā)生高風(fēng)險(xiǎn)資產(chǎn)價(jià)格膨脹的概率：當(dāng)高風(fēng)險(xiǎn)資產(chǎn)價(jià)格膨脹發(fā)生，yit為1；當(dāng)高風(fēng)險(xiǎn)資產(chǎn)價(jià)格膨脹不發(fā)生，yit為0。

設(shè)yit的值通過(guò)另一虛擬變量V確定，且V=f（X），f（X）=Xβ+ε 。因此，危機(jī)預(yù)警信號(hào)Yit出現(xiàn)的概率為

P（Yit=1）=P（V>0）=P（εt>-Xβ）。

Logit原始模型為logPit1-Pit=α+βXit+μit。其中Pt為第t時(shí)期發(fā)生高風(fēng)險(xiǎn)資產(chǎn)價(jià)格膨脹的概率，Xit為各解釋變量的值，α是常數(shù)項(xiàng)，μit為隨機(jī)干擾項(xiàng)。

由于靜態(tài)Logit模型沒(méi)有考慮到高風(fēng)險(xiǎn)資產(chǎn)價(jià)格膨脹在時(shí)間維度里的持久性，因此，本文將因變量的滯后值引入到模型中去，構(gòu)建包含滯后二元變量的動(dòng)態(tài)Logit預(yù)警模型。即

logPit1-Pit=α+βXit+δyit-j+πit。yit-j為i國(guó)在t-j期發(fā)生高風(fēng)險(xiǎn)資產(chǎn)價(jià)格膨脹的概率。由此，得到最終的動(dòng)態(tài)高風(fēng)險(xiǎn)資產(chǎn)價(jià)格膨脹動(dòng)態(tài)Logit模型為

Pit=Fyit=11+e-yit=

11+e-（α+βXit+δyit-j）

其臨界值為0.5，即高風(fēng)險(xiǎn)資產(chǎn)價(jià)格膨脹運(yùn)用Logit模型得出的結(jié)果大于0.5，則認(rèn)為高風(fēng)險(xiǎn)資產(chǎn)價(jià)格泡沫會(huì)發(fā)生；反之，則不會(huì)發(fā)生高風(fēng)險(xiǎn)資產(chǎn)價(jià)膨脹。將分析得到的主要因子F1、F2、F3直接帶入模型中即可得到動(dòng)態(tài)的Logit模型。運(yùn)用Eviews軟件，通過(guò)t顯著性檢驗(yàn)，最終確定其滯后項(xiàng)階數(shù)為1。接下來(lái)，將這些公因子作為新的變量建立態(tài)Logit模型，得出回歸結(jié)果如表2所示。

綜上所述，基于動(dòng)態(tài)Logit高風(fēng)險(xiǎn)資產(chǎn)價(jià)格膨脹預(yù)警模型如下所示

logPit1-Pit=-0.099-0.891Fit+

0.246Fit+0.689Fit+1.092Yit-1

4預(yù)警模型的檢驗(yàn)

為了對(duì)本文中構(gòu)建的預(yù)警模型的擬合程度及是否適合我國(guó)經(jīng)濟(jì)環(huán)境進(jìn)行檢驗(yàn)，我們分別對(duì)預(yù)警模型進(jìn)行基于中國(guó)數(shù)據(jù)的樣本內(nèi)檢驗(yàn)和樣本外檢驗(yàn)。樣本內(nèi)檢驗(yàn)主要對(duì)比分析前述研究，驗(yàn)證模型的準(zhǔn)確度，樣本外檢驗(yàn)則是對(duì)本文的模型進(jìn)行實(shí)際運(yùn)用。其具體檢驗(yàn)方法為利用動(dòng)態(tài)Logit模型對(duì)樣本內(nèi)1995年1月至2014年12月間中國(guó)的相關(guān)經(jīng)濟(jì)數(shù)據(jù)進(jìn)行模擬，驗(yàn)證模型的準(zhǔn)確度；對(duì)樣本外2015年中國(guó)房地產(chǎn)市場(chǎng)經(jīng)濟(jì)狀況進(jìn)行預(yù)警判斷。本文將對(duì)應(yīng)的預(yù)警指標(biāo)數(shù)據(jù)統(tǒng)一進(jìn)行變形處理，求出增長(zhǎng)率，帶入預(yù)警模型中，通過(guò)Eviews軟件得出預(yù)警模擬信號(hào)曲線圖，分別如圖1，圖2所示。

圖1樣本內(nèi)預(yù)警模擬信號(hào)

圖2樣本外預(yù)警模擬信號(hào)

從圖1的樣本內(nèi)檢驗(yàn)可以看出，預(yù)警信號(hào)值在2007年8月到2009年1月出現(xiàn)了高風(fēng)險(xiǎn)資產(chǎn)價(jià)格膨脹，這與本文之前的研究相契合，說(shuō)明模型可以準(zhǔn)確地識(shí)別出高風(fēng)險(xiǎn)資產(chǎn)價(jià)格膨脹的區(qū)間。圖2的樣本外檢驗(yàn)則說(shuō)明2015年并沒(méi)有發(fā)生高風(fēng)險(xiǎn)資產(chǎn)價(jià)格膨脹，這也與2015年的經(jīng)濟(jì)狀況相吻合。從2015年我國(guó)的房地產(chǎn)經(jīng)濟(jì)狀況來(lái)看，個(gè)別城市的房地產(chǎn)價(jià)格暫時(shí)性急速上漲并沒(méi)有帶動(dòng)整個(gè)行業(yè)的價(jià)格膨脹，我國(guó)的房地產(chǎn)市場(chǎng)還處于相對(duì)穩(wěn)定的狀態(tài)。因此，這次局部的房地產(chǎn)價(jià)格膨脹不會(huì)引起宏觀經(jīng)濟(jì)的顯著反應(yīng)，不屬于高風(fēng)險(xiǎn)房地產(chǎn)價(jià)格膨脹，不會(huì)造成較大的負(fù)面影響。

5結(jié)論與政策建議

根據(jù)本文的分析研究，得出以下研究結(jié)論：

首先，運(yùn)用COBS模型分別識(shí)別出27個(gè)國(guó)家，1990年1月至2014年12月間房地產(chǎn)市場(chǎng)價(jià)格的膨脹區(qū)間。在此基礎(chǔ)上，根據(jù)不同階段房地產(chǎn)價(jià)格膨脹期后宏觀經(jīng)濟(jì)的反應(yīng)，區(qū)分出不同國(guó)家的高風(fēng)險(xiǎn)資產(chǎn)價(jià)格膨脹周期。第二，通過(guò)KruskallWallis檢驗(yàn)對(duì)27個(gè)國(guó)家18個(gè)潛在影響因素，共486個(gè)變量進(jìn)行實(shí)證檢驗(yàn)，研究經(jīng)濟(jì)變量與高風(fēng)險(xiǎn)資產(chǎn)價(jià)格膨脹之間的關(guān)系，最終得出10種對(duì)房地產(chǎn)市場(chǎng)高風(fēng)險(xiǎn)價(jià)格膨脹具有顯著影響的預(yù)警指標(biāo)，即國(guó)民生產(chǎn)總值增長(zhǎng)率，居民消費(fèi)價(jià)格指數(shù)，固定資產(chǎn)投資完成額，實(shí)際利率，實(shí)際匯率，三個(gè)貨幣供應(yīng)量指標(biāo)，國(guó)內(nèi)信貸增長(zhǎng)率以及基礎(chǔ)貨幣余額等因素。第三，根據(jù)實(shí)證研究結(jié)論得出的房地產(chǎn)市場(chǎng)高風(fēng)險(xiǎn)資產(chǎn)價(jià)格膨脹的預(yù)警指標(biāo)，通過(guò)主成分分析法找出三個(gè)主要影響因子，將這三個(gè)影響因子作為變量，運(yùn)用二元離散選擇模型，構(gòu)建出房地產(chǎn)市場(chǎng)高風(fēng)險(xiǎn)資產(chǎn)價(jià)格膨脹預(yù)警模型。最后，通過(guò)我國(guó)的實(shí)際經(jīng)濟(jì)數(shù)據(jù)對(duì)構(gòu)建的預(yù)警模型進(jìn)行樣本內(nèi)檢驗(yàn)和樣本外檢驗(yàn)，樣本內(nèi)檢驗(yàn)說(shuō)明了預(yù)警模型的準(zhǔn)確性，樣本外檢驗(yàn)說(shuō)明2015年以后我國(guó)的房地產(chǎn)市場(chǎng)并沒(méi)有發(fā)生高風(fēng)險(xiǎn)的資產(chǎn)價(jià)格膨脹。

根據(jù)以上研究結(jié)論，本文針對(duì)我國(guó)的高風(fēng)險(xiǎn)資產(chǎn)價(jià)格膨脹提出以下政策建議：

首先，根據(jù)本文的研究，并不是每一次房地產(chǎn)市場(chǎng)的價(jià)格膨脹都會(huì)對(duì)實(shí)體經(jīng)濟(jì)的發(fā)展產(chǎn)生惡劣的影響。宏觀審慎監(jiān)管制度的主要目的是防范金融體系的過(guò)度風(fēng)險(xiǎn)偏好和系統(tǒng)性風(fēng)險(xiǎn)，并不能像中央銀行調(diào)節(jié)市場(chǎng)利率一樣頻繁。因此，宏觀審慎監(jiān)管制度不應(yīng)該對(duì)每次房地產(chǎn)市場(chǎng)價(jià)格膨脹都予以干預(yù)，應(yīng)該在區(qū)分資產(chǎn)價(jià)格膨脹性質(zhì)的基礎(chǔ)上，有針對(duì)性地對(duì)可能發(fā)生的高風(fēng)險(xiǎn)資產(chǎn)價(jià)格膨脹進(jìn)行干預(yù)。一方面控制政府成本，另一方面提高經(jīng)濟(jì)體自身的市場(chǎng)調(diào)節(jié)機(jī)制而并不只是宏觀調(diào)控控制經(jīng)濟(jì)。其次，并不是價(jià)格越高就會(huì)導(dǎo)致高風(fēng)險(xiǎn)資產(chǎn)價(jià)格膨脹的發(fā)生，是否為高風(fēng)險(xiǎn)資產(chǎn)價(jià)格膨脹不僅與價(jià)格高低有關(guān)，更與整體經(jīng)濟(jì)環(huán)境有關(guān)。其中，貨幣政策與高風(fēng)險(xiǎn)資產(chǎn)價(jià)格膨脹之間有著密切的聯(lián)系，從以往的實(shí)踐經(jīng)驗(yàn)來(lái)看，貨幣政策不應(yīng)該在低通脹的情況下盲目提高資產(chǎn)價(jià)格，這樣很可能導(dǎo)致股票、房地產(chǎn)價(jià)格的非理性上漲，最終出現(xiàn)高資產(chǎn)價(jià)格和低通脹的現(xiàn)象同時(shí)存在，進(jìn)而誘發(fā)高風(fēng)險(xiǎn)資產(chǎn)價(jià)格膨脹的產(chǎn)生。根據(jù)本文實(shí)證部分對(duì)房地產(chǎn)市場(chǎng)高風(fēng)險(xiǎn)價(jià)格膨脹決定因素的研究，房地產(chǎn)市場(chǎng)高風(fēng)險(xiǎn)價(jià)格膨脹與信貸、貨幣和固定資產(chǎn)投資的過(guò)分?jǐn)U張存在著較強(qiáng)的正相關(guān)關(guān)系。因此，在關(guān)于房地產(chǎn)市場(chǎng)價(jià)格波動(dòng)的宏觀調(diào)控中應(yīng)著重關(guān)注以上幾個(gè)方面的調(diào)整，而非僅調(diào)整房地產(chǎn)價(jià)格。最后，對(duì)于2015年后半年我國(guó)房地產(chǎn)市場(chǎng)出現(xiàn)的局部資產(chǎn)價(jià)格膨脹，根據(jù)本文的研究結(jié)論，并不屬于高風(fēng)險(xiǎn)資產(chǎn)價(jià)格膨脹。因此，應(yīng)該采取調(diào)節(jié)利率等金融政策工具以及規(guī)范房地產(chǎn)市場(chǎng)秩序等政策，旨在通過(guò)房地產(chǎn)市場(chǎng)的自身調(diào)節(jié)機(jī)制穩(wěn)定價(jià)格，從而避免采用過(guò)多宏觀調(diào)控政策人為干預(yù)房地產(chǎn)市場(chǎng)價(jià)格。

參考文獻(xiàn)：

[1]楊俊杰.房地產(chǎn)價(jià)格波動(dòng)對(duì)宏觀經(jīng)濟(jì)波動(dòng)的微觀作用機(jī)制探究[J].經(jīng)濟(jì)研究，2012，47（S1）：117127.

[2]郭榮欣，李金鳳.日本房地產(chǎn)泡沫與中國(guó)房地產(chǎn)現(xiàn)狀分析[J].經(jīng)濟(jì)研究導(dǎo)刊，2011，（16）：139140.

[3]李方.應(yīng)對(duì)金融泡沫經(jīng)濟(jì)拓展東亞金融合作[J].世界經(jīng)濟(jì)研究，2009，（1）：1923，87.

[4]Semlali M A S， Collyns M C. Lending booms， real estate bubbles and the Asian crisis[M]. Washington： International Monetary Fund， 2002.

[5]Dieter G， Hans E R. Asset price misalignments and the role of money and credit[J]. International Finance， 2010， 13（3）： 377407.

[6]Detken C， Smets F. Asset price booms and monetary policy[R]. Frankfurt am Main：ECBWorking Paper Series，

2004. 164.

[7]Adalid R， Detken C. Liquidity shocks and asset price boom/bust cycles[R]. Frankfurt am Main：European Central Bank， 2007. 151.

[8]藍(lán)湛恒.通脹預(yù)測(cè)、不確定性與先行指標(biāo)體系的構(gòu)建[J].金融理論與實(shí)踐，2013，（1）：6872.

[9]師應(yīng)來(lái)，王平.房地產(chǎn)預(yù)警指標(biāo)體系及綜合預(yù)警方法研究[J].統(tǒng)計(jì)研究，2011，28（11）：1621.

[10]Berg A， Pattillo C. Assessing early warning systems： how have they worked in practice[J]. IMF Staff Papers， 2005， 52（3）： 462502.

[11]Kaminsky G， Lizondo S， Reinhart C M. Leading indicators of currency crises[J]. Staff PapersInternational Monetary Fund， 1998， 45（1）： 148.

[12]Sachs J， Tornell A， Velasco A. Financial crises in emerging markets： the lessons from 1995[J]. Brooking Papers on Economic Activity， 1996， 57（1）： 147215.

[13]史建平，高宇. KLR金融危機(jī)預(yù)警模型研究對(duì)現(xiàn)階段新興市場(chǎng)國(guó)家金融危機(jī)的實(shí)證檢驗(yàn)[J].數(shù)量經(jīng)濟(jì)技術(shù)經(jīng)濟(jì)研究，2009，12（3）：106117.

[14]張?jiān)?，孫剛.金融危機(jī)預(yù)警系統(tǒng)的理論透析與實(shí)證分析[J].國(guó)際金融研究，2003，3（10）：3238.

[15]Hamilton J D. The new palgrave dictionary of economics[M]. Basingstoke： Palgrave Macmillan， 2008.

[16]朱鈞鈞，謝識(shí)予，許祥云.基于空間Probit面板模型的債務(wù)危機(jī)預(yù)警方法[J].數(shù)量經(jīng)濟(jì)技術(shù)經(jīng)濟(jì)研究，2012，11（10）：100114.

[17]Frankel J A，Rose A K. Currency crashes in emerging markets： an empirical treatment[J]. Journal of International Economics， 1996， 41（3）： 351366.

[18]馬德功，張暢，馬敏捷.貨幣危機(jī)預(yù)警模型理論與中國(guó)適用[J].上海金融，2007，19（12）：1013.

[19]Cipollini A， Kapetanios G. Forecasting financial crises and contagion in Asia using dynamic factor analysis[J]. Journal of Empirical Finance， 2009， 16（2）： 188200.

[20]Ng P， Martin M. A fast and efficient implementation of qualitatively constrained smoothing splines[J]. Statistical Modelling， 2007， 7（4）： 315328.