山東省房地產(chǎn)泡沫的實證研究

焦繼文，郭 燦

(1.山東大學(xué) 管理學(xué)院，濟(jì)南 250100；2.天津大學(xué) 管理學(xué)院，天津 300072）

0 引言

房地產(chǎn)泡沫是房地產(chǎn)市場危機(jī)的集中體現(xiàn)，雖然房地產(chǎn)泡沫特征通常總是呈現(xiàn)出大而不破，但是并不能因此就忽視房地產(chǎn)泡沫存在的事實，因為過量泡沫集聚的本身就會加劇宏觀經(jīng)濟(jì)的波動，影響社會經(jīng)濟(jì)資源的優(yōu)化配置，造成社會福利的損失，損害社會公平，導(dǎo)致社會風(fēng)氣下降，甚至影響人民的正常生活。所以，為了引導(dǎo)房地產(chǎn)市場的良性和諧發(fā)展，需要及時把握房地產(chǎn)市場的泡沫情況。但是，由于房地產(chǎn)是一種區(qū)域性極強(qiáng)的商品，所以，除了對山東省整體情況的分析之外，本文還選取了三個比較有代表性的城市來作比較分析，分別是：濟(jì)南（省會）、青島（經(jīng)濟(jì)發(fā)展水平最快）和濟(jì)寧（一般水平），選取1998～2009年的相關(guān)數(shù)據(jù)作為實證的樣本區(qū)間。

1 預(yù)警模型的構(gòu)建原理與設(shè)計

1.1 預(yù)警模型的構(gòu)建原理

房地產(chǎn)泡沫的本質(zhì)是市場價格對其基礎(chǔ)價值的偏離，房地產(chǎn)泡沫檢測的難點就在于對其基礎(chǔ)價值的確定。傳統(tǒng)方法中普遍將房地產(chǎn)泡沫當(dāng)作理性泡沫來處理。但事實上，房地產(chǎn)泡沫中有相當(dāng)多非理性成分，這些是很難用精細(xì)的數(shù)學(xué)模型來表達(dá)的。

房地產(chǎn)泡沫產(chǎn)生的根源則在于購買者對房價的非理性預(yù)期所導(dǎo)致的投機(jī)性需求膨脹，以及房地產(chǎn)本身供求彈性的不對稱性。其實，除去投資需求和投機(jī)需求，也不考慮房地產(chǎn)商為更多牟利囤地囤房、捂盤惜售刻意縮減供給的情況，房地產(chǎn)市場中最正常最基本的居住需求和房地產(chǎn)商的實際供給能力都是相對比較穩(wěn)定的。而房地產(chǎn)市場的泡沫危機(jī)，就存在于房地產(chǎn)投資者和房地產(chǎn)商，對房價所做出的不符合市場基本供求關(guān)系的心理預(yù)期上。所以，筆者認(rèn)為，房地產(chǎn)泡沫也可以看作是在心理預(yù)期影響下的心理價位，相對于由實際穩(wěn)定供求關(guān)系決定的一般均衡價格的偏差。所以，可以考慮通過考查心理預(yù)期決定的市場價格與基本剛性供求關(guān)系的變化情況來間接反映房地產(chǎn)市場的泡沫風(fēng)險情況。

1.2 預(yù)警模型的設(shè)計過程

（1）供求平衡指數(shù)

房地產(chǎn)市場中有很多因素是直接反映或影響房地產(chǎn)的剛性供給或基本需求的，可以將這兩種指標(biāo)進(jìn)行區(qū)分，然后通過提取主成分并計算主成分得分，分別得到實際穩(wěn)定的供給和需求情況的綜合得分，而二者的差值變化則可間接反映出房地產(chǎn)市場的供求情況的變化。

在既有研究的基礎(chǔ)上，本文選取反映真實的剛性需求情況的住宅銷售面積、年末總?cè)丝跀?shù)、人均居住面積、人均儲蓄額、人均可支配收入、職工平均工資、人均GDP、房價租價增長率差這8個指標(biāo)為基本需求指標(biāo)，選取反映實際供給的房地產(chǎn)開發(fā)投資額、土地開發(fā)投資、土地開發(fā)面積、房屋施工和竣工面積，以及房地產(chǎn)商開發(fā)成本和利潤為基本供給指標(biāo)，通過主成分分析，可以分別求得基本需求和供給指標(biāo)的主成分得分，即基本需求指數(shù)和基本供給指數(shù)。然后，通過計算基本需求和基本供給的增長率之差得到基本供求平衡指數(shù)，來反映需求增長速度超過供給增長速度的量，來確定支持房價上漲的動能基礎(chǔ)，即：

其中，BDS為供求平衡指數(shù)；ID和IS分別為基本需求指數(shù)和基本供給指數(shù)，是基本需求指標(biāo)和基本供給指標(biāo)標(biāo)準(zhǔn)化之后的主成分得分；而ΔID和ΔIS則分別為基本需求指數(shù)和基本供給指數(shù)的增長率。

（2）心理預(yù)期指數(shù)

從內(nèi)外環(huán)境對房價影響的角度考慮，當(dāng)看到內(nèi)外各市場要素變動時，各市場主體對房價的心理預(yù)期就會產(chǎn)生變化。但由于這種影響是非線性的，很難用線性回歸這樣的線性模型來模擬。所以，我們考慮使用人工神經(jīng)網(wǎng)絡(luò)的方法，來模擬這種預(yù)期。人工神經(jīng)網(wǎng)絡(luò)原理跟人們對房價的心理預(yù)期過程有一定相似性，可將各市場要素對房價的影響看作一個多輸入單輸出的黑箱，以影響人們心理預(yù)期的指標(biāo)為輸入方，以下期房價為輸出方，通過對三層BP神經(jīng)網(wǎng)絡(luò)的訓(xùn)練，得到合適的模型，求得房地產(chǎn)的結(jié)構(gòu)預(yù)期價格PS。

具體來說，綜合考慮房地產(chǎn)市場中各影響因素，兼顧我國經(jīng)濟(jì)數(shù)據(jù)的可得性，本文最終選取以下五類指標(biāo)：反映和影響房地產(chǎn)價格的房地產(chǎn)價格指標(biāo)；反映真實的剛性需求的情況的基本需求指標(biāo)；影響房地產(chǎn)市場的投資和投機(jī)需求的投資需求指標(biāo)；反映實際供給情況和影響房地產(chǎn)商供給意愿的基本供給指標(biāo)；以及以房地產(chǎn)空置為主，可以隨時轉(zhuǎn)化為供給的保留供給指標(biāo)。這五類指標(biāo)都是影響人們對下一期房價預(yù)期的重要因素，考慮到指標(biāo)數(shù)目太多，我們首先分別對各類指標(biāo)提取主成分，得到價格、基本需求、投資需求、基本供給、保留供給五方面各自的綜合指標(biāo)，記為P、D、I、S、R，并以這五個指標(biāo)為神經(jīng)網(wǎng)絡(luò)的輸入項。同時，選擇滯后一期的價格指標(biāo)的主成分得分Pt+1為神經(jīng)網(wǎng)絡(luò)的輸出項，即：

其中，fS的函數(shù)形式由三層BP神經(jīng)網(wǎng)絡(luò)訓(xùn)練得到，而最終的P就是所求的結(jié)構(gòu)預(yù)期價格PS。

另外，單從房價的角度考慮，房價是人們最為關(guān)注的市場要素之一，房價的波動會直接牽動人們的心。隨著時間的推移，人們對房價的歷史變動趨勢會有較深的印象，并會根據(jù)這種歷史變動趨勢，對之后一段時間內(nèi)的房價產(chǎn)生預(yù)期。由于這個主觀預(yù)期產(chǎn)生的過程之中，所能參照的數(shù)據(jù)量并不大，需要使用灰色系統(tǒng)模型來實現(xiàn)這種“小樣本”、“貧信息”條件下的短期預(yù)測。同時，為了提高預(yù)測的精度，則需要使用人工神經(jīng)網(wǎng)絡(luò)來對灰色系統(tǒng)模型進(jìn)行修正，即：

其中，fT的函數(shù)形式由GM(1,1)和神經(jīng)網(wǎng)絡(luò)組合預(yù)測模型決定，同時求得的P就是時序預(yù)期價格PT。

最后，將這兩種預(yù)期價格相結(jié)合，以二者的算術(shù)平均值為房價的心理預(yù)期值Pe，并以其標(biāo)準(zhǔn)化值為房價的心理預(yù)期指數(shù)IP，即：

（3）綜合預(yù)警分析

供求平衡并不能解釋房地產(chǎn)泡沫的全部，需要結(jié)合人們對房價的心理預(yù)期，求得綜合預(yù)警指數(shù)IB。

其中，IB為綜合平衡指數(shù)，是心理預(yù)期指數(shù)IP與供求平衡指數(shù)BDS比值的百分?jǐn)?shù)，可以反映預(yù)期價格超出供求平衡的程度。若心理預(yù)期與供求變化的方向和幅度都是一致的，則可認(rèn)為房價波動有一定的供求基礎(chǔ)，且房地產(chǎn)市場對所存在的泡沫有較好的自我調(diào)整狀態(tài)，危機(jī)程度較小，但若二者的差異較大，甚至相背，則可認(rèn)為房地產(chǎn)市場的危機(jī)程度較大，需要相關(guān)方及時采取適當(dāng)?shù)拇胧┻M(jìn)行調(diào)控。

另外，由于房地產(chǎn)泡沫的風(fēng)險程度是由房價的高低和泡沫的膨脹程度共同決定的，所以，最終構(gòu)造的泡沫預(yù)警指數(shù)需要反映這兩方面的情況。因此，本文構(gòu)造如下泡沫預(yù)警指數(shù)，以反映泡沫風(fēng)險的實際大小：

其中，泡沫風(fēng)險度DA為(4)式求得的預(yù)期房價Pe與(6)式求得的綜合平衡指數(shù)IB的乘積，而泡沫預(yù)警指數(shù)IA則為DA的標(biāo)準(zhǔn)化值。泡沫預(yù)警指數(shù)越大，房地產(chǎn)的價格偏離其供求基本面的程度就越大。

（4）警界的確定

根據(jù)誤差理論，本文選用3σ方法來劃定警限，即根據(jù)偏離中心值的標(biāo)準(zhǔn)差的倍數(shù)來反映數(shù)據(jù)的合理性。不同的行業(yè)質(zhì)量控制可選擇不同的標(biāo)準(zhǔn)，對于正常經(jīng)濟(jì)系統(tǒng)中，數(shù)據(jù)偏離穩(wěn)定值過大或過小的可能性都很低，本文選擇1倍標(biāo)準(zhǔn)差作為異常值的依據(jù)。

2 實證分析

2.1 基本供求平衡情況分析

首先，以反映真實的剛性需求情況的住宅銷售面積、年末總?cè)丝跀?shù)、人均居住面積、人均儲蓄額、人均可支配收入、職工平均工資、人均GDP、房價租價增長率差這8個指標(biāo)為基本需求指標(biāo)，以反映實際供給的房地產(chǎn)開發(fā)投資額、土地開發(fā)投資、土地開發(fā)面積、房屋施工和竣工面積，以及房地產(chǎn)商開發(fā)成本和利潤為基本供給指標(biāo)，通過主成分分析，可以分別求得基本需求和供給指標(biāo)的主成分得分，即基本需求指數(shù)和基本供給指數(shù)。然后，通過計算基本需求和基本供給的增長率之差得到基本供求平衡指數(shù)，來反映需求增長速度超過供給增長速度的量，來確定支持房價上漲的動能基礎(chǔ)，分析結(jié)果如圖1所示。

圖1 山東省、濟(jì)南、青島及濟(jì)寧房地產(chǎn)市場供求平衡情況分析

從圖1可以看出，基本需求的變化是相對比較穩(wěn)定的，一般都為正值，這正好反映了剛性需求的穩(wěn)定增長是客觀的。而基本供給指標(biāo)和供求平衡指標(biāo)則圍繞著基本需求指數(shù)的增長曲線逐年上下波動，這是市場調(diào)節(jié)的盲目性和滯后性的表現(xiàn)。越不成熟的市場，供給和市場平衡曲線的變動就越大。

2.2 綜合預(yù)警情況分析

泡沫預(yù)警指數(shù)是反映人們對房價的心理預(yù)期與基本的供求關(guān)系偏離情況的指標(biāo)。根據(jù)上述模型，若該指標(biāo)值在(-1，1)的區(qū)間之內(nèi)，則可認(rèn)為心理預(yù)期與供求變化的方向和幅度一致，即下期的房價的波動會有一定的供求基礎(chǔ)支撐，市場對所存在的泡沫有較好的自我調(diào)整狀態(tài)，危機(jī)程度較小；若該指標(biāo)值＞1，則可認(rèn)為人們對房價的心理預(yù)期會遠(yuǎn)遠(yuǎn)超出房地產(chǎn)剛性穩(wěn)定供求關(guān)系的基本面，房地產(chǎn)市場的危機(jī)程度較大，需要有關(guān)部門及時采取適當(dāng)?shù)拇胧┻M(jìn)行調(diào)控；若該指標(biāo)值＜-1，則可認(rèn)為人們對房地產(chǎn)市場普遍不看好，房地產(chǎn)市場過冷，這樣也不利于房地產(chǎn)市場的健康發(fā)展，也需要有關(guān)部門及時對市場進(jìn)行干預(yù)。具體的實證預(yù)警結(jié)果如圖2所示。

從分析結(jié)果可以看出，從1998年房地產(chǎn)業(yè)市場化剛剛起步的時候開始，隨著房地產(chǎn)市場的發(fā)展，山東省各地市的泡沫也在慢慢堆積中。適度的泡沫刺激了房地產(chǎn)行業(yè)的健康發(fā)展和完善，不過，近幾年，各地市的房地產(chǎn)市場都先后經(jīng)歷了快速發(fā)展的時期。過快的發(fā)展，造成了泡沫度的陡升。從2007年起，青島的房地產(chǎn)業(yè)的發(fā)展就首先突破了房地產(chǎn)市場發(fā)展的安全穩(wěn)定區(qū)，甚至從2008年開始，青島房地產(chǎn)市場的泡沫度已經(jīng)連續(xù)3年接近了危機(jī)警戒線。同樣，2007～2009年，也是濟(jì)南房地產(chǎn)業(yè)快速發(fā)展的時期，短短兩年間，濟(jì)南的泡沫度已然接近了青島。不過，在2009～2010年間，房地產(chǎn)投資有明顯向二三線城市的轉(zhuǎn)移的趨勢。所以，在2010年，青島、濟(jì)南等一線城市的泡沫度略微降低。而濟(jì)寧這樣的二三線城市將會得到更大的發(fā)展。但是，由于在全省范圍內(nèi)的投資并沒有撤出，只是投資的方向有所轉(zhuǎn)移。所以，對于全省范圍而言，依然存在較大的泡沫過度發(fā)展的危機(jī)，需要采取有效措施來對房地產(chǎn)市場中的過熱情況進(jìn)行控制。否則，會有更多的泡沫堆積，不但會有破裂的風(fēng)險，而且，對經(jīng)濟(jì)發(fā)展，資源優(yōu)化配置，以及人民的生活水平都有極大的危害。

圖2 山東省、濟(jì)南、青島及濟(jì)寧房地產(chǎn)綜合預(yù)警指數(shù)

3 結(jié)論及對策建議

房地產(chǎn)泡沫風(fēng)險是我們必須認(rèn)真面對的問題，自然對房地產(chǎn)泡沫風(fēng)險預(yù)警方法的研究就是一項非常有意義的工作，同時也是一項復(fù)雜的系統(tǒng)工程。本文是以山東省為背景，對房地產(chǎn)泡沫風(fēng)險預(yù)警研究做了一定探索。通過對山東省、濟(jì)南、青島以及濟(jì)寧的基本分析和泡沫綜合預(yù)警分析，得出以下結(jié)論及并提出相應(yīng)的對策建議。

（1）總體來看，在2009年和2010年，山東省房地產(chǎn)泡沫度均在高位運(yùn)行，雖然在2010年，青島、濟(jì)南等一線城市的泡沫度略有降低，但房地產(chǎn)投資有明顯向二三線城市轉(zhuǎn)移的跡象，在全省范圍內(nèi)的投資并沒有撤出，只是投資的方向有所轉(zhuǎn)移，導(dǎo)致全省房地產(chǎn)泡沫度總體仍較大，依然有明顯過熱趨勢，盡管總體尚未達(dá)到預(yù)警水平，但仍隱藏著較大危機(jī)。為此，需要相關(guān)部門予以足夠重視，采取措施提高市場中的投機(jī)成本，同時建立更多投資渠道，讓投機(jī)資本可以有更好的去處，進(jìn)而從根本上解決問題。

（2）房地產(chǎn)地域發(fā)展不平衡，雖然對于濟(jì)寧這樣的二線城市，泡沫危機(jī)的程度并不算特別嚴(yán)重，但泡沫度有增加的跡象，而對于青島、濟(jì)南這樣的一線城市，由于大量外來人員的涌入，對住房的剛性需求比較旺盛，同時，在其中趁機(jī)投機(jī)的資本也比較多，造成了房價的推高比較嚴(yán)重，泡沫風(fēng)險比較大，即使在泡沫不破裂的情況下，人民的生活水平也會受到極大的影響。所以，對于經(jīng)濟(jì)發(fā)展速度比較快的一線城市，除了需要打擊投機(jī)行為之外，還應(yīng)該盡力去加大房地產(chǎn)開發(fā)建設(shè)的力度，努力滿足居民迫切的購房需求。

（3）商品房的空置率過高，特別是近兩年的商品房空置面積的快速增加，需要引起我們足夠的關(guān)注。這意味著很多房地產(chǎn)商存在著捂盤惜售的情況，房地產(chǎn)開發(fā)商如此人為地限制供給的行為，對于房地產(chǎn)市場的健康發(fā)展，以及人民的實際生活需要的滿足都有很大的危害。相關(guān)部門應(yīng)該制定一系列相關(guān)政策法規(guī)來規(guī)范房地產(chǎn)開發(fā)商的行為，打擊各種囤地囤房、捂盤惜售的情況，最大限度地滿足人民的居住需求。

此外，還要注意到房地產(chǎn)投資增長過快，山東省相當(dāng)多地市近幾年的房地產(chǎn)投資增長率都一直在不斷爬升之中。政府需要有意識地引導(dǎo)資本的投資方向，調(diào)整社會資本的優(yōu)化配置，協(xié)調(diào)國民經(jīng)濟(jì)各產(chǎn)業(yè)部門的協(xié)調(diào)發(fā)展。

[1]王子明.泡沫與泡沫經(jīng)濟(jì)非均衡分析[M].北京：北京大學(xué)出版社，2002，(7).

[2]章嫦華，駱尚青，虞曉芬.房地產(chǎn)泡沫檢測方法述評[J].中國房地產(chǎn)，2005,(8).

[3]葉艷兵，丁烈云.房地產(chǎn)預(yù)警指標(biāo)體系設(shè)計研究[J].基建優(yōu)化，2001,(3).

[4]李崇明.房地產(chǎn)預(yù)警的誤區(qū)及對策的方法論分析[J].武漢理工大學(xué)學(xué)報(社會科學(xué)版)，2003,(3).

[5]戚烈旭.中國房地產(chǎn)市場的供給和需求分析—兼議房地產(chǎn)過熱[J].廣西財政高等?？茖W(xué)校學(xué)報，2005,(4).

[6]費(fèi)真群，成都市房地產(chǎn)預(yù)警系統(tǒng)研究[D].四川師范大學(xué)，2008.

[7]周志剛.灰色系統(tǒng)理論與人工神經(jīng)網(wǎng)絡(luò)融合的時序數(shù)據(jù)挖掘預(yù)測技術(shù)及應(yīng)用[D].成都理工大學(xué)，2006.

[8]陳峰，丁烈云.房地產(chǎn)綜合模擬預(yù)警法誤區(qū)的識別及修正[J].數(shù)學(xué)的實踐與認(rèn)識，2006,(12).

[9]Ronald W，Kaiser.The Long Cycle in Real Estate[J].Journal of Real Estate Research，1997,14(3).

[10]Tae Yoon Kim，Kyong Joo Oh，Insuk Sohn，Changha Hwang.Useful?ness of Artificial Neural Networks for Early Warning System of Eco?nomic Crisis[J].Expert Systems with Applications，2004,26(4).

[11]Juliana Yim，Heather Mitchell.Comparison of Country Risk Models，Hybrid Neural Networks，logit Models，Dscriminant Analysis and Cluster Techniques[J].Expert Systems with Applications，2005,(28).