黃詩(shī)琦

摘要：為了減少房?jī)r(jià)波動(dòng)對(duì)經(jīng)濟(jì)的不利影響，研究房?jī)r(jià)的變化規(guī)律具有重要意義。該文運(yùn)用CARCH模型族，以CDP、貸款利率等為自變量分析北京市房?jī)r(jià)的波動(dòng)過(guò)程。計(jì)量結(jié)果顯示：房?jī)r(jià)歷史信息、CDP、CPl、貸款利率、土地成本對(duì)房?jī)r(jià)的影響顯著：房?jī)r(jià)變化具有顯著的波動(dòng)聚集性和不對(duì)稱效應(yīng)：CARCH模型族能較好地?cái)M合房?jī)r(jià)的變化規(guī)律。關(guān)鍵詞.CARCH模型族：北京房?jī)r(jià)：波動(dòng)聚集性：非對(duì)稱效應(yīng)

在我國(guó)經(jīng)濟(jì)發(fā)展進(jìn)入新時(shí)代的背景下，住房問(wèn)題仍舊是重要的民生問(wèn)題，房地產(chǎn)業(yè)作為經(jīng)濟(jì)的重要增長(zhǎng)點(diǎn)，在中國(guó)經(jīng)濟(jì)發(fā)展中有著至關(guān)重要的地位。“房住不炒”再次成為今年兩會(huì)的熱點(diǎn)話題，也體現(xiàn)出國(guó)家對(duì)房地產(chǎn)市場(chǎng)的重視。

房?jī)r(jià)的每一次波動(dòng)都牽動(dòng)著廣大人民群眾的神經(jīng)，有關(guān)房?jī)r(jià)的研究也一直備受國(guó)內(nèi)外政府及學(xué)者關(guān)注。比如（Fratantoni&Crawford，2003）通過(guò)CARCH模型對(duì)美國(guó)及香港房?jī)r(jià)波動(dòng)進(jìn)行研究，發(fā)現(xiàn)其波動(dòng)體現(xiàn)出聚集效應(yīng);（黃忠華等，2008）運(yùn)用CARCH模型對(duì)上海房地產(chǎn)進(jìn)行探析，得出當(dāng)期房?jī)r(jià)受歷史信息影響及房?jī)r(jià)波動(dòng)存在不對(duì)稱性等結(jié)論：（王琴英，2017）運(yùn)用遞歸模型發(fā)現(xiàn)房地產(chǎn)市場(chǎng)與經(jīng)濟(jì)基本面相關(guān)性較強(qiáng)。從已有文獻(xiàn)的研究可以得出，國(guó)外房地產(chǎn)市場(chǎng)及其研究都較為成熟，我國(guó)房地產(chǎn)發(fā)展較晚，數(shù)據(jù)及研究體系均不夠完善，給未來(lái)學(xué)者提供了足夠的研究空問(wèn)。綜上所述，本文采用CARCH模型族對(duì)北京市房地產(chǎn)市場(chǎng)的變化規(guī)律及其波動(dòng)特征進(jìn)行研究及分析。

一、理論模型簡(jiǎn)介

（一）CARCH模型

1986年，Bollerslov在ARCH模型的基礎(chǔ)上對(duì)隨機(jī)擾動(dòng)項(xiàng)方差的表現(xiàn)形式進(jìn)行了線性擴(kuò)展，提出廣義白回歸條件異方差模型，即CARCH（p，q）模型。CARCH模型經(jīng)常用來(lái)描述房?jī)r(jià)波動(dòng)規(guī)律，其表達(dá)式的一般形式。

式1的方程1是帶有擾動(dòng)項(xiàng)的條件均值方程，方程2是對(duì)條件方差進(jìn)行規(guī)律化描述的條件方差方程。其中，u是隨機(jī)擾動(dòng)項(xiàng)，β是以前期信息為基礎(chǔ)的條件方差;α，是ARCH項(xiàng)參數(shù)，

是CARCH項(xiàng)參數(shù);p和q分別是ARCH項(xiàng)和CARCH項(xiàng)的滯后階數(shù);且要求w≥0，α≥0，β≥O。

（二）ECARCH模型

盡管CARCH模型在金融時(shí)間序列中廣泛應(yīng)用，但其依舊具有局限性。1991年，Nelson提出ECARCH模型，允許u和

具有更加靈活的映射關(guān)系。ECARCH模型的表達(dá)式無(wú)須任何限制，可以用來(lái)檢驗(yàn)信息沖擊的非對(duì)稱效應(yīng)，它的條件方差方程的一般形式為：

式2左邊是條件方差的自然對(duì)數(shù)，說(shuō)明杠桿影響是指數(shù)的。若γ<0，說(shuō)明存在杠桿效應(yīng)。若γ≠0，沖擊的影響就存在非對(duì)稱性

二、變量選取與數(shù)據(jù)說(shuō)明

（一）研究變量的選取

房地產(chǎn)價(jià)格的變動(dòng)受多種因素的綜合影響，分析這些因素對(duì)理解房?jī)r(jià)波動(dòng)的規(guī)律具有重要作用。在借鑒相關(guān)文獻(xiàn)的基礎(chǔ)上，本文選取如下變量對(duì)北京市房?jī)r(jià)的波動(dòng)進(jìn)行研究。

（1）房?jī)r(jià)變化（p）：采用北京市新建商品住宅銷售價(jià)格指數(shù)（上年= 100）的一階自然對(duì)數(shù)差分序列。

（2）解釋變量：經(jīng)濟(jì)增長(zhǎng)水平（gdp）、通貨膨脹水平（cpi）、收入水平（pcdi）、利率（lr）、匯率（er）、股市變化（si）、地價(jià)變化（Ip）、投資者情緒（li）。

（二）數(shù)據(jù)說(shuō)明

本文采用2006-2018年問(wèn)的月度數(shù)據(jù)，以上變量的數(shù)據(jù)均來(lái)自與國(guó)家統(tǒng)計(jì)局、resset銳思數(shù)據(jù)庫(kù)、國(guó)泰安數(shù)據(jù)服務(wù)中心。對(duì)于只用季度數(shù)據(jù)的變量，本文對(duì)其進(jìn)行了線性插值處理。同時(shí)，本文對(duì)北京市新建商品住宅銷售價(jià)格指數(shù)及北京居民消費(fèi)價(jià)格指數(shù)進(jìn)行了一節(jié)自然對(duì)數(shù)差分處理。

三、實(shí)證研究與結(jié)果分析

（一）數(shù)據(jù)檢驗(yàn)

本文首先對(duì)變量的顯著性進(jìn)行檢驗(yàn)，剔除不顯著變量，確保變量不具備多重共線性、保證時(shí)問(wèn)序列的平穩(wěn)性，然后對(duì)變量的波動(dòng)性進(jìn)行檢驗(yàn)。

1.顯著性檢驗(yàn)

利用最小二乘法（OLS）對(duì)房?jī)r(jià)變化及其解釋變量進(jìn)行回歸分析。解釋變量為上述所提的變量和房?jī)r(jià)變化的一階滯后項(xiàng)。根據(jù)結(jié)果顯示，房?jī)r(jià)變化的一階滯后項(xiàng)、經(jīng)濟(jì)增長(zhǎng)水平、經(jīng)濟(jì)膨脹水平、利率、地價(jià)變化為顯著性變量。

對(duì)剩余解釋變量進(jìn)行相關(guān)系數(shù)分析，結(jié)果顯示，解釋變量之問(wèn)的相關(guān)系數(shù)均明顯小于0.8，可判斷該模型不存在嚴(yán)重的多重共線性。

綜上，以修正后得到的顯著性變量對(duì)房?jī)r(jià)變化進(jìn)行OLS回歸，得到回歸結(jié)果見式3，新模型的F值增加，AIC和sc值均變小，說(shuō)明剔除變量后的模型能更好地?cái)M合數(shù)據(jù)。

P=0.0060+0. 7123 xp（-1）+0.0010×gdp+0. 3383×cpi-0. 3091 x/r-0.OOOlx/p （3）

2.平穩(wěn)性檢驗(yàn)

通過(guò)ADF檢驗(yàn)和PP檢驗(yàn)（非參數(shù)估汁法）對(duì)序列進(jìn)行檢驗(yàn)，發(fā)現(xiàn)殘差u+在有無(wú)常數(shù)項(xiàng)和趨勢(shì)項(xiàng)時(shí)，其ADF及PP檢驗(yàn)的P值均顯著為O，拒絕存在單位根的原假設(shè)，時(shí)間序列平穩(wěn)。

3.波動(dòng)性檢驗(yàn)

為了觀察北京市房?jī)r(jià)變化的波動(dòng)是否具有聚集效應(yīng)，本文采用ARCH-LM法對(duì)修正后的多元回歸方程進(jìn)行異方差性檢驗(yàn)。

根據(jù)檢驗(yàn)結(jié)果（滯后階數(shù)為18），F(xiàn)值和卡方統(tǒng)計(jì)量的P值均小于0.05，且LM（18）= nR=136*0.2754=37.4544>

（18）= 28.8691.說(shuō)明該模型在5%的顯著性水平下拒絕原假設(shè)，存在ARCH效應(yīng)，適宜使用CARCH模型對(duì)北京市房地產(chǎn)市場(chǎng)進(jìn)行研究。

（二）模型實(shí)證

1.建立CARCH模型

經(jīng)過(guò)多次測(cè)算，CARCH（2，2）是合適模型，其估計(jì)的均值方程和方差方程見式4：

式4的方程1符合經(jīng)濟(jì)意義的檢驗(yàn)及統(tǒng)計(jì)推斷的檢驗(yàn)。經(jīng)濟(jì)意義方面，方程系數(shù)的符號(hào)與經(jīng)濟(jì)基本理論相吻合。統(tǒng)計(jì)推斷方面，各解釋變量的系數(shù)均在5%的水平上顯著。

式4的方程2也說(shuō)明了CARCH（2，2）的擬合效果比較理想，具體原因?yàn)椋浩湟唬Ｐ偷膶?duì)數(shù)似然值增加，AIC和sc值均變小，說(shuō)明該模型能更好地?cái)M合數(shù)據(jù)。其二，ARCH項(xiàng)和CARCH項(xiàng)系數(shù)均在50/0的水平上顯著，說(shuō)明各解釋變量對(duì)房?jī)r(jià)的變化具有顯著影響。其三，南ARCH項(xiàng)和CARCH項(xiàng)系數(shù)之和為0.54可知，解釋變量的變化會(huì)對(duì)房?jī)r(jià)造成沖擊，但這種沖擊的持久性較短，說(shuō)明該模型是平穩(wěn)過(guò)程且對(duì)未來(lái)短期預(yù)測(cè)具有重要作用。其四，再對(duì)模型進(jìn)行滯后階數(shù)為18的ARCH-LM檢驗(yàn)，F(xiàn)值和卡方統(tǒng)計(jì)量的伴隨概率均大于0.05（分別為0.4278和0.4124），且LM（18）= nR= 136*o.1372=18. 6592 <

（18）=28.8691，該模型在5%的顯著性水平上接受原假設(shè)，CARCH模型消除了ARCH效應(yīng)。

2.建立ECARCH模型

經(jīng)過(guò)多次測(cè)算，GARCH（2，2）是合適模型，其估計(jì)的均值方程和方差方程分別見式5：

根據(jù)結(jié)果顯示，在ECARCH模型中的非對(duì)稱項(xiàng)系數(shù)為-0.5271，說(shuō)明外界信息會(huì)對(duì)房?jī)r(jià)波動(dòng)造成非對(duì)稱性影響，房?jī)r(jià)的波動(dòng)具有杠桿效應(yīng)。因?yàn)榉菍?duì)稱性系數(shù)顯著小于O，說(shuō)明“利空消息”比等量的“利好消息”對(duì)房?jī)r(jià)波產(chǎn)生更大的影響。當(dāng)出現(xiàn)“利空消息”時(shí)，有1.3463倍沖擊;當(dāng)出現(xiàn)“利好消息”時(shí)，有0.2921倍沖擊。

對(duì)ECARCH模型進(jìn)行滯后階數(shù)為18的ARCH-LM檢驗(yàn)，F(xiàn)值和卡方統(tǒng)計(jì)量的伴隨概率均大于0. 05（分別為0.5135和0.4922），且LM（18）= nR= 136*0.1283= 17.4488<

（18）= 28.8691，該模型在5%的顯著性水平上接受原假設(shè)，ECARCH模型消除了ARCH效應(yīng)。

（三）模型擬合效果分析

為檢驗(yàn)?zāi)Ｐ偷臄M合效果，本文將現(xiàn)有數(shù)據(jù)分為兩段，第一段是2006年1月-2017年12月，作為新的樣本區(qū)問(wèn)：第二段是2018年1月-2018年12月，作為檢驗(yàn)?zāi)Ｐ蛿M合優(yōu)度的數(shù)據(jù)。

1.房?jī)r(jià)擬合效果分析

本文通過(guò)靜態(tài)預(yù)測(cè)的方法擬合出GARCH（2，2）及EGARCH（2，2）的預(yù)測(cè)值。首先，將預(yù)測(cè)值與預(yù)留的實(shí)際房?jī)r(jià)數(shù)據(jù)進(jìn)行對(duì)比，得到相對(duì)誤差指標(biāo)。同時(shí)，將兩組預(yù)測(cè)值分別與實(shí)際房?jī)r(jià)進(jìn)行單因素方差分析，得到數(shù)據(jù)的顯著性差異分析。

相對(duì)誤差指標(biāo)結(jié)果顯示，CACH（2，2）在6個(gè)月內(nèi)及EGARCH（2，2）在10個(gè)月內(nèi)的擬合相對(duì)誤差均在0.9%以內(nèi)，其中部分值小于0.04%，說(shuō)明擬合效果比較理想。

數(shù)據(jù)顯著性差異分析顯示，CACH（2，2）預(yù)測(cè)區(qū)間長(zhǎng)度為6個(gè)月、ECARCH（2，2）預(yù)測(cè)區(qū)問(wèn)長(zhǎng)度為10個(gè)月、12個(gè)月時(shí)，均滿足檢驗(yàn)統(tǒng)計(jì)量F值<臨界值Fcrit，說(shuō)明其在0.01的水平上無(wú)顯著性差異，擬合效果理想。其中，CARCH預(yù)測(cè)區(qū)間為6個(gè)月、ECARCH預(yù)測(cè)區(qū)間為10個(gè)月時(shí)，MSE值顯著小于其他預(yù)測(cè)長(zhǎng)度，擬合效果最優(yōu)。

2.房?jī)r(jià)波動(dòng)擬合效果分析

本文將北京市新建商品住宅銷售價(jià)格指數(shù)的歷史波動(dòng)率與CARCH（2，2）及ECARCH（2，2）模型擬合預(yù)測(cè)的波動(dòng)率進(jìn)行比較。

結(jié)果顯示，CARCH模型族較好的擬合出房?jī)r(jià)的波動(dòng)率，換言之，在難以計(jì)算出具體數(shù)值的情況下，預(yù)測(cè)波動(dòng)率符合真實(shí)波動(dòng)率的外在表現(xiàn)，原因如下。其一，預(yù)測(cè)波動(dòng)率較好地反映了房?jī)r(jià)真實(shí)波動(dòng)率在不同時(shí)問(wèn)段及時(shí)問(wèn)長(zhǎng)度內(nèi)的變化趨勢(shì)。其二，預(yù)測(cè)波動(dòng)率反映出真實(shí)波動(dòng)率的聚集效應(yīng)，在某個(gè)時(shí)問(wèn)段內(nèi)波動(dòng)率集中表現(xiàn)出較高的趨勢(shì)，在某個(gè)時(shí)問(wèn)段均呈現(xiàn)較低。其三，預(yù)測(cè)波動(dòng)率是一條連續(xù)的曲線，未呈現(xiàn)出問(wèn)斷的狀態(tài)。其四，預(yù)測(cè)波動(dòng)率符合均值回歸特征，波動(dòng)率總是在均值上下某個(gè)范圍內(nèi)運(yùn)行，當(dāng)遠(yuǎn)離均值時(shí)，波動(dòng)率傾向于向均值方向波動(dòng)。其五，通過(guò)前面的實(shí)證分析可以得知，ECARCH預(yù)測(cè)的波動(dòng)率較好地反映了波動(dòng)率面對(duì)外界信息的不對(duì)稱性反應(yīng)。

四、結(jié)語(yǔ)

本文以Eviews軟件為工具，運(yùn)用CARCH模型族對(duì)北京市住宅銷售價(jià)格及其影響因素進(jìn)行實(shí)證研究及比較分析，得到以下結(jié)論。

1.北京市房?jī)r(jià)的變化受房?jī)r(jià)的一階滯后項(xiàng)、國(guó)內(nèi)生產(chǎn)總值、居民消費(fèi)價(jià)格水平、貸款利率、土地成本等因素顯著影響。其中，房?jī)r(jià)的一階滯后項(xiàng)、CDP、CPl的增加將導(dǎo)致房?jī)r(jià)的上升，貸款利率的增加將導(dǎo)致房?jī)r(jià)的下降。

2.北京市房?jī)r(jià)具有典型的波動(dòng)聚集性和杠桿效應(yīng)：北京市房?jī)r(jià)大波動(dòng)過(guò)后往往跟隨著大波動(dòng)，體現(xiàn)出聚集效應(yīng);北京市房?jī)r(jià)對(duì)好壞信息的沖擊體現(xiàn)出非對(duì)稱效應(yīng)，“利空消息”通常比等量的“利好消息”帶來(lái)更大的市場(chǎng)沖擊。

3.CARCH模型和ECARCH模型均能較好地?cái)M合北京市房?jī)r(jià)變化和房?jī)r(jià)波動(dòng)的變化。房?jī)r(jià)預(yù)測(cè)方面，CARCH模型對(duì)短期的房?jī)r(jià)變化預(yù)測(cè)效果較好，ECARCH模型可以更好地?cái)M合出長(zhǎng)期房?jī)r(jià)變化。房?jī)r(jià)波動(dòng)預(yù)測(cè)方面，二者對(duì)波動(dòng)率的擬合效果均比較理想，ECARCH模型更能反映出波動(dòng)率對(duì)外界沖擊的不對(duì)稱效應(yīng)。綜上所述，CARCH模型族對(duì)房?jī)r(jià)變化規(guī)律的研究有著重要的參考意義。

參考文獻(xiàn)：

[1] Gordon W. CraWford. Michael C. Fratantoni.Assessing the Forecasting Performance of Regime-Switching， ARIMA and CARCH Models of House Prices[J].Real Estate Economics. 2003， 31（2）.

[2]黃忠華，吳次芳，杜雪君.基于CARCH模型族的上海房?jī)r(jià)分析[J].技術(shù)經(jīng)濟(jì)，2008，27（5）：57-62.

[3]王琴英，王愛琳，常昆.區(qū)域房地產(chǎn)投資對(duì)經(jīng)濟(jì)基本面的聯(lián)合影響分析[J].當(dāng)代經(jīng)濟(jì)，2017（04）：16-19.

[4]高鐵梅.計(jì)量經(jīng)濟(jì)分析方法與建模：EViews應(yīng)用及實(shí)例（第三版）[M].北京：清華大學(xué)出版社，2016：207-229

[5]丁月芝.基于時(shí)間序列模型的房?jī)r(jià)預(yù)測(cè)與波動(dòng)分析[D].山東：山東大學(xué)，2018.

[6]劉洪玉，楊振鵬.基于CARCH與Markov轉(zhuǎn)換模型度量房?jī)r(jià)波動(dòng)風(fēng)險(xiǎn)[J].清華大學(xué)學(xué)報(bào)（自然科學(xué)版），2012，52（2）：199-204.