房地產(chǎn)價格波動集聚性和杠桿效應(yīng)的實證研究

摘要：選取了2001年第一季度至2012年第三季度一線和二線城市房地產(chǎn)價格指數(shù)的相關(guān)數(shù)據(jù)，構(gòu)建了TARCH模型，實證分析了我國一線和二線城市房地產(chǎn)價格波動的集聚性和杠桿效應(yīng)。結(jié)果表明：一線城市和東中部的二線城市的房地產(chǎn)價格存在顯著的波動集聚性，而西部內(nèi)陸地區(qū)的二線城市則不存在波動集聚性；東部沿海和長三角地區(qū)的二線城市存在房地產(chǎn)價格波動的杠桿效應(yīng)，利率政策在該地區(qū)具有一定的調(diào)控效果，然而在其他二線城市和一線城市則不具有杠桿效應(yīng)，利空消息和利好消息對房地產(chǎn)價格波動沒有影響。

關(guān)鍵詞：房地產(chǎn)價格；波動集聚性；杠桿效應(yīng)； TARCH模型

中圖分類號：F293.3文獻(xiàn)標(biāo)識碼：A

DOI：10.3963/j.issn.16716477.2014.02.014

金融資產(chǎn)的波動一直是經(jīng)濟研究人員和投資者關(guān)注的焦點。在金融資產(chǎn)市場上，由于投資者心理預(yù)期和信息的不對稱等因素影響，資產(chǎn)價格的波動常常表現(xiàn)為非均衡狀態(tài)，主要特征為分布呈尖峰厚尾性、波動時變性和聚集性、長期記憶性、波動溢出效應(yīng)以及杠桿效應(yīng)。波動聚集性指隨機擾動項在一定的時間內(nèi)波動幅度較大，而在一定的時間內(nèi)波動幅度較小，波動具有正的相關(guān)性。這在金融資產(chǎn)價格波動中表現(xiàn)為，較大幅度的波動后面伴隨著較大幅度的波動，而在較小的波動后面緊接著較小幅度的波動。波動聚集性出現(xiàn)的原因一般認(rèn)為有兩種解釋：第一種解釋認(rèn)為該現(xiàn)象源于外部沖擊對價格波動的持續(xù)性影響，在市場有效的情況下，高頻數(shù)據(jù)表現(xiàn)的ARCH效應(yīng)就是信息以集聚方式到達(dá)的反映；第二種解釋就是Stock所提出的時間扭曲觀，即波動聚集性的產(chǎn)生是因為經(jīng)濟事件的發(fā)生時間與日歷時間不一致。資本市場的沖擊是非對稱的，利空消息和利好消息對資產(chǎn)價格波動會產(chǎn)生不同的影響，這種非對稱性允許波動率對市場下跌的反應(yīng)比對市場上升的反應(yīng)更加迅速，即存在“杠桿效應(yīng)”。一般而言，在資產(chǎn)市場上，投資者對負(fù)的價格變化比對正的價格變化更加敏感，資產(chǎn)的向下運動通常伴隨著比之程度更強的向上運動。作為重要的金融資產(chǎn)，房地產(chǎn)市場也具有金融資產(chǎn)的各種特征。近幾年全國各個地區(qū)房價大幅度上漲，雖然政府出臺了許多調(diào)控措施，中央銀行也頻繁動用貨幣政策手段，但成效始終不大，其中一個重要的原因在于對房地產(chǎn)價格尤其是一線和二線城市的房地產(chǎn)價格波動的集聚性和杠桿效應(yīng)缺乏正確的判斷，對于利空消息和利好消息將對房地產(chǎn)價格產(chǎn)生的影響沒有作出合理的預(yù)測?；诖耍疚臄M采用2001年第一季度至2012年第三季度的相關(guān)數(shù)據(jù)，通過構(gòu)建TARCH模型，分析我國一線和二線城市房地產(chǎn)價格的波動集聚性和杠桿效應(yīng)①。

一、文獻(xiàn)綜述

由于房地產(chǎn)市場非常龐雜，具有強烈的地域性，交易也不如股票那樣頻繁，而且具有投資和消費的雙重屬性，因此房地產(chǎn)價格波動集聚性和杠桿效應(yīng)的分析并不多見，目前相關(guān)研究主要是集中在歐美等發(fā)達(dá)國家。Dolde等[1]利用GARCH模型研究了房地產(chǎn)價格的波動，發(fā)現(xiàn)美國舊金山的房地產(chǎn)市場存在波動時變性；Guirguis等[2]的研究則發(fā)現(xiàn)西班牙的房地產(chǎn)投資收益具有波動聚集性；SzuYin Kathy Hung等[3]利用GARCH均值模型檢驗了房地產(chǎn)投資信托的動量收益的波動性，發(fā)現(xiàn)動量收益具有不對稱波動；Kim Hiang Liow等[4]利用GARCH協(xié)整模型研究了亞太地區(qū)房地產(chǎn)市場的波動聚集性；Miles[5]的研究表明，美國超過一半以上的州的房地產(chǎn)價格增長率具有波動集聚性，而且房地產(chǎn)價格波動存在非對稱效應(yīng)。

國內(nèi)對房地產(chǎn)價格波動的研究多采用向量自回歸模型，側(cè)重于探討影響房地產(chǎn)價格波動的各個因素，例如吳燕華等[6]建立VAR模型研究了貨幣供應(yīng)量和利率變化沖擊對房地產(chǎn)價格的動態(tài)影響；劉軼等[7]運用VAR模型對北京、上海、廣州和深圳的房地產(chǎn)價格和熱錢流入量進行了實證檢驗，發(fā)現(xiàn)兩者之間存在長期均衡關(guān)系；時鵬等[8]利用VAR模型對陜西房價、地價和M2進行了檢驗；車欣薇等[9]對香港、北京、上海和深圳四個金融中心城市與銀行信貸進行實證分析，發(fā)現(xiàn)各金融中心城市房地產(chǎn)價格與銀行信貸間存在長期的均衡關(guān)系。國內(nèi)對房地產(chǎn)價格波動的聚集性和杠桿效應(yīng)的關(guān)注和分析是從最近幾年開始的，如劉洪玉等[10]研究了房價波動過程，結(jié)果顯示，北京、廣州和深圳的房價具有較顯著的波動群聚特征，但TARCH等模型的特征不顯著；徐軻等[11]對中國住房均價及四大直轄市數(shù)據(jù)進行實證研究，結(jié)果表明，無論長期還是短期我國的房地產(chǎn)價格均存在波動集聚性，除重慶外的其他3個直轄市也存在集聚性；孟衛(wèi)東等[12]對滬深地產(chǎn)指數(shù)收益率的波動進行了估計，結(jié)果表明滬深地產(chǎn)指數(shù)收益率的波動不存在杠桿效應(yīng)，投資者投機目的較強。

在研究價格波動方面，ARCH類模型無論從理論研究的深度還是從實證運用的廣泛性來說都是獨一無二的。

該模型在金融資產(chǎn)研究領(lǐng)域的應(yīng)用非常廣泛，尤其是在股票領(lǐng)域。如Tae Hyup Roh[13]對股票價格指數(shù)的波動進行預(yù)測表明，混合的NNEGARCH模型能夠產(chǎn)生杠桿效應(yīng)；Yue Xu等[14]通過GARCH模型分析后認(rèn)為，中國金融日收益具有顯著的集聚性，并檢驗了上海股票市場的杠桿效應(yīng)；Xing Jingli[15]利用ARIMAEARCHM（1，1）和ARIMATARCHM（1，1）模型對我國股票市場的波動性進行研究發(fā)現(xiàn)，上海和深圳的股票市場價格具有波動聚集性、非對稱性以及尖峰厚尾的特征；陳浪南等[16]分析了利好消息和利空消息對股票市場的非對稱影響，發(fā)現(xiàn)中國股票市場在10%顯著水平上存在杠桿效應(yīng)；李盧霞[17]認(rèn)為中國股市存在著明顯的杠桿效應(yīng)，并表現(xiàn)出較明顯的向均值復(fù)歸的特征。

研究表明， ARCH類模型在國內(nèi)外股票市場的相關(guān)研究中的應(yīng)用已比較成熟，在研究金融資產(chǎn)波動方面具有無可比擬的優(yōu)勢，然而目前國內(nèi)研究的側(cè)重點仍然更多地關(guān)注各因素對房地產(chǎn)市場的沖擊程度，對各個區(qū)域房地產(chǎn)價格波動的集聚性和杠桿效應(yīng)的研究才剛剛起步；同時，應(yīng)用ARCH類模型對房地產(chǎn)價格波動的分析主要集中在波動集聚性上，對其波動的杠桿效應(yīng)分析較為缺乏；此外，在房地產(chǎn)價格的波動集聚性分析中，現(xiàn)有文獻(xiàn)也大都側(cè)重于分析全國和北京、廣州、深圳這幾個大城市的房價波動上，對于70個大中城市房地產(chǎn)價格波動集聚性的分析也基本上處于空白，也偏離了目前我國房地產(chǎn)價格波動監(jiān)測集中在70個大中城市的事實。據(jù)此，本文將采用TARCH模型，將其應(yīng)用到我國一線和二線城市房地產(chǎn)價格波動的研究中，分析房地產(chǎn)價格波動集聚性和杠桿效應(yīng)。

二、模型構(gòu)建與變量選擇

（一）模型構(gòu)建

自回歸條件異方差模型（autoregressive conditional heteroskedasticity model，ARCH模型）最早由恩格爾在1982年提出。ARCH類模型賦予條件方差以自回歸結(jié)構(gòu)，集中反映方差變化特點，允許波動的沖擊持續(xù)各期。這種持續(xù)性能夠反映金融資產(chǎn)收益中比較明顯的變化是否具有規(guī)律性，并且說明這種變化前后依存的內(nèi)在傳導(dǎo)是否來自某一特定類型的非線性結(jié)構(gòu)，較好地解釋了在外部沖擊下資產(chǎn)收益的聚集傾向，因而適用于大量文獻(xiàn)涉及的資產(chǎn)收益的非正態(tài)性和不穩(wěn)定性分布。這也使得該模型廣泛應(yīng)用于經(jīng)濟學(xué)各個領(lǐng)域，尤其是用在金融時間序列分析中。作為ARCH族模型中的一員，TARCH模型在條件方差中加入了名義變量，能夠區(qū)分利空消息和利好消息對波動的影響，能夠較好地驗證杠桿效應(yīng)的存在，因此，本文在ARCH模型的基礎(chǔ)上構(gòu)建了TARCH模型，以分析房地產(chǎn)價格在波動過程中的集聚性和杠桿效應(yīng)。

1.基本模型。

波動集聚性產(chǎn)生的原因有兩種解釋，一種是將波動與宏觀經(jīng)濟形勢聯(lián)系在一起，認(rèn)為信息產(chǎn)生過程的序列相關(guān)性導(dǎo)致了波動的集簇性，如果消息集中到達(dá)，那么收益就可能顯示出聚集性。Bolleslev等[18]把名義利率、股票紅利分配、貨幣供給、石油價格、商業(yè)周期和信息模式等作為波動聚集的根源；另一種是認(rèn)為如果市場交易主體偏好不同，并且需要花費時間來消化信息沖擊（information shock），從而消除預(yù)期差異，那么市場的動態(tài)變化趨向于波動聚集[19]。根據(jù)表2的結(jié)果可知，四個一線城市中，北京和上海的α項在10%的水平上顯著，廣州和深圳的α項均在5%的水平上顯著，這說明一線城市的房地產(chǎn)價格波動表現(xiàn)出較強烈的ARCH效應(yīng)，具有顯著的波動集聚性。這可能的解釋是四個一線城市最近十年里在經(jīng)濟快速發(fā)展的同時房價的上漲幅度隨之增加，同時，在這兩個城市中對房地產(chǎn)的需求更多地表現(xiàn)為投資需求，需求彈性較大，房地產(chǎn)泡沫較之其他地區(qū)更為嚴(yán)重，此外，北京、上海、深圳和廣州作為中國最為重要的金融中心，對整個宏觀經(jīng)濟的穩(wěn)定具有非常重要的作用，因而是政府進行宏觀調(diào)控的重點區(qū)域，這些都導(dǎo)致了一線城市的房地產(chǎn)價格波動表現(xiàn)出了顯著的波動集聚性。

針對γ的分析可知，在四個一線城市中上海、廣州和深圳的γ項在1%、5%以及10%的水平上都不顯著，表明這三個城市的房地產(chǎn)價格波動沒有顯示出強烈的TARCH效應(yīng)，不具有顯著的杠桿效應(yīng)。這也表明，對于這三個城市來說，有效信息對房地產(chǎn)市場正沖擊和負(fù)沖擊對房地產(chǎn)價格波動的影響是一樣的，也就可以預(yù)期利好消息和利空消息對房地產(chǎn)價格波動性的影響是沒有差別的，因此，無論利率是上升還是下降，都不會對這三個城市的房地產(chǎn)價格產(chǎn)生大的影響和效用，因而，利率政策對這三個城市是失效的。這也意味著，這三個城市是投機者在房地產(chǎn)市場上進行投機活動的首選之地，投機現(xiàn)象比較嚴(yán)重，而且投資者的交易行為存在著明顯的“羊群效應(yīng)”，從眾心理和盲目投資的現(xiàn)象比較明顯，這與一線城市最近幾年居民房地產(chǎn)投資熱情高漲，房價虛高，房地產(chǎn)泡沫嚴(yán)重的現(xiàn)象相一致。此外，利率的非市場化導(dǎo)致利率對市場變化的反應(yīng)度不夠，同時利率政策制定過程中受到諸多人為主觀因素的影響，不能及時準(zhǔn)確地根據(jù)市場情況進行調(diào)整，也是利率調(diào)節(jié)失效和房地產(chǎn)價格波動不具有非對稱性的重要原因。

然而，北京市的房地產(chǎn)價格波動在1%的水平上顯著，表現(xiàn)出了非常明顯的杠桿效應(yīng)，當(dāng)出現(xiàn)利好消息時，該沖擊會給北京房地產(chǎn)市場帶來一個α=0.115 149倍的沖擊，而當(dāng)出現(xiàn)利空消息時，該沖擊會給北京房地產(chǎn)市場帶來α+γ=-0.131 259倍的沖擊，所以利空消息比利好能夠帶來更大的波動和沖擊。由于TARCH項的系數(shù)γ是負(fù)的，因此所帶來的沖擊是減少北京房地產(chǎn)價格的波動。而且，由于ARCH項、TARCH項和GARCH項三者之和為0.929 108，接近于1，進一步表明利空消息和利好消息對北京房地產(chǎn)價格所產(chǎn)生的沖擊是較為持久的。北京房地產(chǎn)價格波動具有杠桿效應(yīng)而另外三個一線城市沒有，這可能的原因在于雖然北京的房地產(chǎn)市場也存在房價虛高和投機現(xiàn)象，貨幣政策調(diào)節(jié)同樣也存在失效現(xiàn)象，但北京作為首都和全國的行政中心，針對房地產(chǎn)市場而進行的宏觀調(diào)控和行政調(diào)控手段比其他任何一個城市都更多更嚴(yán)厲，因而效果也更為顯著和有效，杠桿效應(yīng)也就更為顯著。

對模型進一步進行條件異方差的ARCHLM檢驗發(fā)現(xiàn)，四個一線城市在1%、5%和10%的水平上不顯著，不能拒絕原假設(shè)，意味著模型的殘差序列不再存在ARCH效應(yīng)，說明利用TARCH（1）模型消除了條件異方差。

（二）二線城市房地產(chǎn)價格波動的集聚性和杠桿效應(yīng)

近幾年隨著經(jīng)濟的發(fā)展，更多的二線城市開始崛起，并對經(jīng)濟發(fā)展發(fā)揮了助推器的作用，帶動了三線城市和周邊區(qū)域的發(fā)展。二線城市的城市環(huán)境、產(chǎn)業(yè)功能配套以及開發(fā)的綜合成本相對較低，因此逐漸變成了投資的最佳臨界點，這讓二線城市越來越具有吸引力。隨著二線城市房地產(chǎn)市場逐漸趨于成熟，以及受到一線城市房地產(chǎn)價格高速上漲的影響，加之房地產(chǎn)投資者的投資活動從一線城市開始轉(zhuǎn)向二線城市，種種原因?qū)е露€城市的房地產(chǎn)價格上漲，二線城市也逐漸成為調(diào)控中的重點關(guān)注對象。鑒于此，本文在分析了一線城市的房地產(chǎn)價格波動之后，從二線城市中選取了青島、長沙、大連、鄭州、成都和西安六個城市，進一步分析二線城市房地產(chǎn)價格波動的非對稱效應(yīng)，模型結(jié)果見表3。

由表3可知，青島、長沙、大連和鄭州四個城市的α項在5%的水平上顯著，表明這四個城市存在顯著的ARCH效應(yīng)，房地產(chǎn)價格波動具有集聚性，然而成都和西安的α項在1%、5%或者10%的水平上都不顯著，房地產(chǎn)價格沒有顯著的波動集聚性，集聚效應(yīng)不顯著。這可能的解釋在于，成都和西安地處內(nèi)陸，交通遠(yuǎn)遠(yuǎn)沒有其他幾個城市方便，經(jīng)濟發(fā)展不足，市場經(jīng)濟相對于其他四個城市來說還存在很大的差距，同時，這兩個城市的房地產(chǎn)市場發(fā)育程度也不足，居民購房大多是用于自己居住而非進行投資或者投機，剛性需求大，投機現(xiàn)象并不嚴(yán)重，因此，成都和西安雖然也是宏觀調(diào)控的重要區(qū)域，但是房地產(chǎn)價格的波動沒有顯著的集聚性。由于成都和西安兩個城市的房地產(chǎn)價格波動沒有集聚性，因此我們在下文的非對稱性分析中就不再討論成都和西安。

通過對γ項的分析可知，青島房地產(chǎn)價格波動的γ項在1%的水平上顯著，表現(xiàn)出強烈的TARCH效應(yīng)，房地產(chǎn)價格波動存在杠桿效應(yīng)，利率調(diào)節(jié)在青島的房地產(chǎn)市場上具有一定的效用。當(dāng)出現(xiàn)利好消息時，該沖擊會給青島房地產(chǎn)市場帶來一個α=0.194 972倍的沖擊，而當(dāng)出現(xiàn)利空消息時該沖擊會給杭州房地產(chǎn)市場帶來α+γ= -0.294 193倍的沖擊，所以利空消息比利好消息能帶來更大的波動和沖擊。由于TARCH項的系數(shù)γ是負(fù)的，因此所帶來的沖擊是減少青島房地產(chǎn)價格的波動，ARCH項、TARCH項和GARCH項三者之和為0.662 226，表明利空消息和利好消息對青島房地產(chǎn)價格波動所產(chǎn)生的沖擊較持久。同樣的，長沙和大連房地產(chǎn)價格波動的γ項在10%的水平上顯著，存在杠桿效應(yīng)，意味著利率調(diào)節(jié)在這兩個城市同樣具有一定的效果。當(dāng)出現(xiàn)利好消息時，該沖擊分別會給長沙和大連的房地產(chǎn)市場帶來-0.194 401倍和0.124 531倍的沖擊，而當(dāng)出現(xiàn)利空消息時，則分別會會給長沙和大連的房地產(chǎn)市場帶來0.230 681倍和-0.094 364的沖擊，對于長沙房地產(chǎn)價格波動，利好消息產(chǎn)生的沖擊更大，而對大連的房地產(chǎn)價格波動利空消息比利好消息產(chǎn)生更大的沖擊。長沙的TARCH項系數(shù)為正，因此所帶來的沖擊是增加長沙的房地產(chǎn)價格波動，而大連的TARCH項的系數(shù)是負(fù)的，因此所帶來的沖擊是減少大連房地產(chǎn)價格的波動。由于ARCH項、TARCH項和GARCH項三者之和分別為1.327 928和0.665 458，大于或者接近于1，表明消息變動對長沙和大連的房地產(chǎn)價格產(chǎn)生的沖擊是持久的。這可能的解釋是，青島、長沙和的大連都處于經(jīng)濟較為發(fā)達(dá)的地區(qū)，房地產(chǎn)市場發(fā)育比較成熟，是政府宏觀調(diào)控的重點區(qū)域，而且這幾個城市的投機現(xiàn)象和房地產(chǎn)泡沫也沒有一線城市嚴(yán)重，剛性需求和投資需求較為平衡，因此，青島、長沙和大連的房地產(chǎn)價格波動表現(xiàn)出非對稱效應(yīng)。

然而，鄭州的γ項在顯著水平上不顯著，沒有表現(xiàn)出強烈的TARCH效應(yīng)，說明鄭州房地產(chǎn)價格波動沒有顯著的杠桿效應(yīng)，利率調(diào)節(jié)在鄭州的房地產(chǎn)市場上市失效的。這可能的原因在于，鄭州近年來房價雖然上漲幅度較大，房地產(chǎn)發(fā)展速度較快，但是整體經(jīng)濟發(fā)展水平還不夠，房地產(chǎn)市場發(fā)育相較于東部的二線城市還遠(yuǎn)未達(dá)到成熟和完善，市場機制的作用還未得到充分發(fā)揮，對利率等貨幣政策的敏感度還不夠；其次，鄭州雖然也是政府進行宏觀調(diào)控的對象，但是由于社會經(jīng)濟落后于一線城市以及東部沿海二線城市等導(dǎo)致兩地的調(diào)控力度不夠；最后，利率的非市場化也是導(dǎo)致鄭州房地產(chǎn)價格波動沒有顯著杠桿效應(yīng)的重要原因。

同樣地，最后對模型進一步進行條件異方差的ARCHLM檢驗發(fā)現(xiàn)，所選取的六個二線城市在1%、5%和10%的水平上均不顯著，不能拒絕原假設(shè)，意味著這六個城市模型的殘差序列不再存在ARCH效應(yīng)，利用TARCH（1）模型消除了條件異方差。

四、結(jié)論

通過以上分析，實證研究結(jié)論如下：第一，一線城市的房地產(chǎn)價格具有顯著的波動集聚性，這與一線城市房價波動劇烈、投機現(xiàn)象嚴(yán)重等事實相吻合；第二，東中部的二線城市房地產(chǎn)價格具有顯著的波動集聚性，但地處西部內(nèi)陸的二線城市則波動集聚性不顯著，這與整體經(jīng)濟發(fā)展水平、房地產(chǎn)市場成熟度、市場投機程度和房屋剛性需求有很大的關(guān)系；第三，除北京外的其他三個一線城市的房地產(chǎn)價格波動不具有顯著的杠桿效應(yīng)，利空消息和利好消息對房地產(chǎn)價格波動的影響是沒有差別的；第四，東部沿海地區(qū)和長三角地區(qū)的二線城市具有顯著的杠桿效應(yīng)，利空消息和利好消息對其房地產(chǎn)市場的沖擊較為持久，但是二線城市中的其他地區(qū)則不具有杠桿效應(yīng)，消費者對利空消息和利好消息的敏感度較弱；第五，市場投機、房地產(chǎn)泡沫、利率非市場化、剛性需求等因素是影響一線和二線城市房地產(chǎn)價格波動杠桿效應(yīng)的重要因素。

因此，實行差別化的組合的貨幣政策，盡早實行利率市場化，是實現(xiàn)房地產(chǎn)市場調(diào)控的較佳選擇，單一的利率政策調(diào)控已不能夠達(dá)到促進房地產(chǎn)市場穩(wěn)定發(fā)展的目的。同時，也要采取措施抑制市場投機活動，鼓勵和支持住房剛性需求，將經(jīng)濟手段與行政手段相結(jié)合，才能夠保證我國房地產(chǎn)市場的健康發(fā)展。

注釋：

①一線、二線和三線城市的概念最早起源于房地產(chǎn)市場，政治地位 、經(jīng)濟實力、城市規(guī)模 、區(qū)域輻射力是劃分一線、二線、三線城市的主要標(biāo)準(zhǔn)。一線城市包括北京、上海、深圳和廣州四個城市，二線城市主要包括計劃單列市、副省級城市、省會城市和經(jīng)濟發(fā)達(dá)底蘊深厚的城市。一線城市和二線城市都屬于大中城市，房地產(chǎn)價格普遍較高，而且房地產(chǎn)銷售量和成交量都非常大，因此，在房地產(chǎn)市場上具有較多的同質(zhì)性。

[參考文獻(xiàn)]

[1]Dolde W， Tirtiroglue D W.Temporal and Spatial Information Diffusion in Real Estate Price Changes and Variances[J].Real Estate Eco n，1997，25（4）：539565.

[2]Guirguis H，Gianniko S，Garcia G.Price and volatility spillovers between large and small cities：A study of the Spanish market[J].Journal of Real Estate Portfolio Management，2007，13：311 316.

[3]Kathy SzuYin Hung，Glascock John L.Volatilities and momentum returns in real estate investment trusts[J].Real Estate Finance Economics，2010，41，：126149.

[4]Kim Hiang Liow，Wei Chen.Is There volatility convergence in asiapacific securitized real estate Markets？[J].Real Estate Finance Economics，2011，47（2）：370390.

[5]Miles W.Volatility clustering in U.S.home price [J].The Journal of Real Estate Research，2008，30（1）：7390.

[6]吳燕華，楊剛.我國貨幣政策對房地產(chǎn)價格調(diào)控的動態(tài)影響分析[J].現(xiàn)代財經(jīng)，2011（10）：7076.

[7]劉軼，史運昌.熱錢對房地產(chǎn)價格的影響：基于京、滬、穗、深圳數(shù)據(jù)的實證研究[J].廣東金融學(xué)院學(xué)報，2009（6）：4250.

[8]時鵬，余勁.貨幣供應(yīng)量、地價與房價關(guān)系的再檢驗：以陜西為例[J].西北農(nóng)林科技大學(xué)學(xué)報：社會科學(xué)版，2012（6）：124129.

[9]車欣薇，郭琨，李斌，等.中國金融中心城市房地產(chǎn)價格與銀行信貸的關(guān)系[J].系統(tǒng)工程理論與實踐，2011（4）：663671.

[10]劉洪玉，楊振鵬.基于GARCH與Markov轉(zhuǎn)換模型度量房價波動風(fēng)險[J].清華大學(xué)學(xué)報：自然科學(xué)版，2012（2）：199204.

[11]徐軻，馬永開，鄧長榮.中國住房價格波動聚集性研究及短期預(yù)測[J].管理學(xué)報，2010（6）： 943948.

[12]孟衛(wèi)東，宋麗偉，陽軍.基于GARCH 模型的滬深地產(chǎn)股波動性分析及預(yù)測[J].統(tǒng)計與決策，2010（12）：6871.

[13]Tae Hyup Roh.Forecasting the volatility of stock rrice Index[M].Springer Berlin Pressed，2006：424435.

[14]Xu Yue，Pang Sulin.Correlation Analysis of Yield and Volatility Based on GARCH Family Models[M]∥Modeling Risk Management for Resources and Environment in China，Computational Risk Management，2011：527537.

[15]Xing Jingli.The research on stock market volatility in china based on the model of ARIMAEARCHM （1，1） and ARIMATARCHM （1， 1）[C].Education and Management International Symposium，2011：521527.

[16]陳浪南，黃杰鯤. 中國股票市場波動非對稱性的實證研究[J].金融研究，2002（5）：6773.

[17]李盧霞.中國股票市場行業(yè)波動非對稱性的實證研究[J].經(jīng)濟經(jīng)緯，2008（3）：13.

[18]Bolleslev，Chou and Kroner.ARCH modeling in finance：A review of the theory and empirical evidence[J].Journal of Econometrics，1992，52：559.

[19]陳工孟，芮萌. 中國股票市場的股票收益與波動關(guān)系研究[J].系統(tǒng)工程理論與實踐，2003（10）：1222.

（責(zé)任編輯王婷婷）

Abstract：Using data of the real estate price index in the first tier and secondtier cities from Q1 of 2001 to Q3 of 2012，this paper analyzes empirically volatility clustering and the leverage effects of real estate prices in the first tier and second tier cities of China by using the TARCH model.The results suggest that real estate prices in the first tier and secondtier cities in the east and middle of China show the significant volatility clustering while those secondtier cities in the western inland areas not；the real estate prices of the secondtier cities in the eastern coastal and the Yangtze River Delta show the significant leverage，which suggests that interest rate policy has played a certain role in these areas.However，there are no leverage in the other second tier and most of the first tier cities which declares that the bad or good news have no effect on real estate prices.

Key words：real estate prices；volatility clustering；leverage effect； TARCH model