时间：2023-06-30 15:46:48
序论：在您撰写房地产市场价格趋势时，参考他人的优秀作品可以开阔视野，小编为您整理的7篇范文，希望这些建议能够激发您的创作热情，引导您走向新的创作高度。
关键词：重庆房地产；高价楼；调控政策
中图分类号：F293.3 文献标识码：A 文章编号：1008-4428（2017）04-38 -02
一、引言
改革开放以来，中国逐步废除社会主义时期的住房政策，建立适应资本主义体制的房地产市场，其过程大致分为三个阶段：1978～1991年，住房改革和房地产市场的区域性试点。1991～1998年，住房改革和房地产市场在全国推开。1998年后，房地产市场基本成熟。本阶段，终止福利分房，全部城镇住宅强制商品化。至此，地产资本终于敲开了他们梦寐以求的个人住房领域大门，大量资本开始涌入房地产市场，房地产投资热火朝天。2016年一、二线城市房价又迎来“坐火箭”的一年，国家统计局最新数据显示，2016年，我国商品房销售面积约15.7亿平方米，比上年增长22.5%， 商品房销售额约11.8万亿元，增长34.8%，其中，住宅销售额增长36.1%。在如此动荡的房地产市场中，重庆的房价可谓是房地产界的一股清流，从直辖之初至今，无论是从居民的感知还是统计数据显示，都保持着平稳增长的状态。
二、影响重庆房价因素的探讨与分析
（一）特殊的地理位置
重庆地处我国东、中、西三大经济带的中西经济板块的结合部。东邻湖北、湖南，南靠贵州，西接四川，北连陕西；辖区东西长470千米，南北宽450千米，幅员面积8.24万平方千米，为北京、天津、上海三直辖市总面积的2.39倍。重庆的结合部区域位置，具有承东启西，左 右传递的枢纽作用，是交通、物质、文化、人员、技术、信息和经济交流的中转站，是沿海经济向内陆腹地延伸的依托点之一，也是我国经济发展向西进行战略转移的支撑点之一。正是这样特殊的地理位置给重庆经济的发展带来了契机。广袤的土地资源，大量的资金涌入以及便捷的交通也为重庆房地产业的发展创造了有利的条件。
（二）城乡人口分布
2015年，重庆市常住人口3016.55万人，与上年相比，增加25.15万人，增长0.8%，常住人口继续保持增长态势。其中城镇人口1838.41万人，与上年相比，增加55.40万人；全市城镇化率60.94%，与上年相比，上升1.34个百分点。乡村人口1178.14万人，占常住人口的39.06%，与上年相比，减少30.25万人。重庆市外出人口1069.43万人，其中外出市外人口505.50万人，占全部外出人口的47.3%；市内外出人口563.93万人，占52.7%。全市外来人口150.21万人。由以上数据分析得出，直以来，在重庆城市化进程中，伴随着农村人口不断减少，城市人口不断增加，对商品房的需求也不断增长，一定程度上推动了房地产业的发展，但同时重庆作为一座人口净输出的城市，市内外出人口占总人口比重达一半以上，另一方面也缓解了住房需求紧张的状况，抑制了房价的过热增长，使得供需趋于平衡。
（三）经济发展状况
曾经的重庆，主要产业不外乎钢铁、煤炭、化工、有色金属、军工等重化工产业，但在全国重化发展鼎盛时期，在钢铁行业、煤炭行业、化工行业、有色金属行业狂欢中，重庆悄无声息地实现了支柱产业转换。重庆的高明之处在于，传统行业处于发展鼎盛时期悄无声息做减法，高技术产业做加法，新兴产业做乘法。另外虽然重庆还处于投资驱动经济发展阶段，但重庆的投资重点不放在房地产方面，而是放在实体经济领域、基础设施领域、民生领域，重庆经济的高增长并没有建立在房地产高涨价基础上，房地产投资严格控制在固定资产投资25%（+-3%）左右。从某种程度上看，重庆真正做到了系统性地从经济和民生两个维度去调控房地产市场，实现了人的城镇化。
（四）政府对重庆房价的调控政策
重庆政府通过综合考虑房地产市场的长短期特点，相继出台土地储备制度、地票制度、保障房制度、房产税制度，控制房地产市场宏观层面的供求关系，共同创造了重庆成功控制房价的氛围。
1.土地储备制度
2002年8月22日，在时任副市长黄奇帆的推动下，重庆市政府通过了《重庆市国有土地储备整治管理办法》，开始大力实行土地储备制度。其实质是，由政府主导，将市内土地一级市场的经营权交给由官方掌控的几家市级土地储备机构，核心在于原有的土地一级市场巨额增值收益不再被房产商占有，而是进入代表公共利益的国资系统。土地储备制度对重庆房地产业影响重大，主要坚持了五项原则：一是超前储备，一步到位；细水长流，逐年供应。二是对储备地的使用要兼顾公益和商业开发。三是土地储备不改变市区两级政府的分配制度。四是土地储备公司肩负做好两个循环的责任。五是严格设置风险“隔离墙”。同年，重庆市建立了土地整治储备中心，对全市土地市场进行宏观调控。2003年2月，重庆市政府又在土地储备中心的基础上成立重庆市地产集团。该集团是重庆市政府注资的专事土地储备和开发整理的运作载体。随后几年，重庆市城司、重庆市水利投资公司、渝富资产经营管理公司等重庆市政府旗下的投融资平台，亦被授予土地储备职能，介入了土地一级市场。政府从而有效地控制了房地产市场，形成了土地资源配置的良性循环。
2.地票制度
地票制度即将农村闲置的宅基地及其附属设施用地、乡镇企业用地、公共设施用地等集体建设用地复垦为耕地，盘活农村建设用地存量，增加耕地数量。这一制度创新，从系统化的层面看，主要基于三方面的理论逻辑。一是地票制度是被异化城镇化路径的正常回归，二是地票制度是产权经济学的创新实践，三是地票制度是恪守“三条底线”的审慎探索。2008年，重庆报经中央同意，成立农村土地交易所，启动了地票交易试点。按照我国土地用途管制制度和城乡建设用地增减挂钩、耕地占补平衡的要求，增加的耕地数量就可以作为国家建设用地新增的指标。这个指标除优先保障农村建设发展外，节余部分就形成了地票。按照增减挂钩政策，地票与国家下达的年度新增建设用地指标具有相同功能。通过交易，获得地票者就可以在重庆市域内，申请将符合城乡总体规划和土地利用规划的农用地，征转为国有建设用地。大量的土地供给有效地抑制了地皮价格，房地产开发商建房成本降低，从而有效抑制了房价的上涨。
3.保障房制度
在保证充足的用地供应同时，重庆的保障房建设在全国范围内也是完成得最好的。重庆以公租房为重点的住房保障体系，解决了低收入和外来务工人员的住房需求。在过去的十年里，重庆总计兴建约4000万平方米公租房，为数十万市民提供了福利性住房。保障房供给量基本满足了市场的需求，就造成炒作房地产市场、获利的空间小，投资投机意义不大。
4.房产税制度
从2011年起重庆成为两个房产税试点城市之一，重庆市的主城九个区都属于试点的范围，至今已有6年的时间。征收对象包括个人拥有的独栋商品住宅、高档住房、外地客购买的二套房等。今年年初，黄奇帆卸任重庆市市长一职后，各路不确实的消息鼓吹重庆房价将会上涨，吸引了大批外地炒房者组成炒房团涌入重庆房地产市场，个别地区和楼盘房价出现异常波动。重庆政府一直贯彻“房子是用来住的，不是用来炒”的理念，及时新的政令，对房产税征收对象中，将“在重庆无户籍、无企业、无工作个人新购的第二套普通住房”，调整为对“三无”人员首套住房征收房产税，根据交易单价，将独栋别墅和高档住宅分为0.5%、1%、1.2%三个不同档次；“三无”个人新购住房税率为0.5%。房地产税是房地产市场的“内在稳定器”，能够起到逆周期的作用，对上海而言，是一副处方药；对重庆而言则是一副保健药，对重庆房地产市场长期健康稳定发展是有利的。政府根据市场实际情况的变动对房产税制度作出的相应调试，遏制了炒房牟利行为，维护了楼市的平稳发展，同时政府在“土地财政”之外又多了一个收入渠道。
三、结语
总的来说，重庆主要解决了影响房r的最主要因素――供需均衡，重庆模式总结起来是“高端有遏制，中端有供给，低端有保障”，在高端市场重庆是最早试行房产税的城市之一，此外，契税政策、贷款政策等方面对高端大户型、别墅型等物业形态形成经济性遏制作用；中端市场的供应在十年前就以较低的价格收储了大量土地储备，保证了充足的供应；低端保障性住房又有政府主导的公租房系统供应。这些措施使重庆房价控制到了三四线城市的水平，成为全国核心城市的房价洼地。重庆与中国所有城市都不同，具有“大城市、大农村、大人口”特点，其样本的特殊性注定了重庆对房地产业作出的调控方案只适应重庆本身，在全国范围内不具有可复制性和可推广性。
参考文献：
[1]BashirAhmad，Sotiris K Ntouyas.Existence results for fractional differential inclusions arising from real estate asset securitization and HIV models[J].Advances in Difference Equations，2013，（12）：44-50.
[2]江燕.重庆模式：地票制度[J/OL].
[3]安辉，王瑞东.我国房地产价格影响因素的实证分析――兼论当前房地产调控政策[J].财经科学，2013，（03）：45-65.
[4]王元华.城镇化进程中房地产价格分异研究[D].华东师范大学，2015，（09）：33.
[6]董英兰.房地产市场博弈研究[D].首都经济贸易大学，2006，（03）：22-25.
[7]王元华.城镇化进程中房地产价格分异研究[D].华东师范大学，2015，（09）：33.
作者简介：
(一) 社会文化
(二) 经济生活
(三) 城市建设发展趋势
二 房地产市场综述
(一) 土地市场
(二) 房地产投资
(三) 房地产开发量
(四) 房地产销售情况
(五) 开发企业
三 新安江房地产市场分析
(一) 住宅市场供应
1. 热点开发区块
2. 典型开发项目
(二) 住宅市场需求
(三) 住宅市场价格趋势
(四) 宏观调控对新安江楼市的可能影响
四 项目基本分析
(一) 项目概况和开发条件
(二) 项目优势与劣势分析
(三) 项目的机会与风险分析
(四) 产品与销售价格
关键词：房价；开发投资总额；关联度；岭回归
1 建模的原理介绍
1.1格兰杰因果检验的原理
1969年，格兰杰从计量经济学的角度提出了一种因果关系的定义：设有两个时间序列｛xt｝和｛yt｝，如果xt的变化引起yt的变化，则xt的变化应当发生在yt的变化之前。具体操作中，一般是对以下两个方程分别进行无约束和有约束估计：
（1）
（2）
如果在（1）中部分αi显著不为零，则称xt格兰杰引起yt类似的，如果（2）式中部分αi显著不为零，则称yt格兰杰引起xt，如果两者都存在，则称xt与yt互为格兰杰因果关系。
1.2岭回归原理
多元回归模型的矩阵表达式为：Xβ=Y，利用OLS求得： ，
当自变量存在多重共线性时，导致 ，从而使得回归系数 不稳定，出现没有实际意义的估计值。解决的办法是在X′X的主对角线元素上加一个非负常数k，即得：
，其中E是单位矩阵，使得 的概率比 大大降低，最后用 来进行估计，结果会使 的估计变得稳定得多。因此，岭回归估计的准确程度取决于k值的选取，确定k值的方法一般是通过岭迹图或方差膨胀因子来选取。其确定方法是选择一个尽可能小的k值，在这个k值上，岭迹图中回归系数已变得较为稳定，并且方差膨胀因子业变得足够小。
回归估计系数 是k的非线性函数；k值的加入使得
成为回归系数的有偏估计，但是比β估计更稳定； 随k的变化轨迹图称为岭迹图。
1.3灰色关联度分析原理
选取参考数列
其中k表示时刻。假设有m个比较数列
则称
为比较数列xi对参考数列x0在k时刻的关联系数，其中ρ∈[0，1]为分辨系数。称 和 分别为两级最小及两级最大极差。
一般来讲，分辨系数ρ越大，分辨率越高；ρ越小，分辨率越低。上式中的关联系数是描述比较数列与参数数列在某时刻关联程度的一种指标，由于各个时刻都有一个关联数，因此信息显得过于分散，不便比较，为此我们给出ri=■■ξi（k）为数列xi对参考数列x0的关联度。若关联度ri最大，说明xi（k）与最优指标x0（k）最接近，即第i个被评价对象优于其他被评价对象，据此可以排出各被评价对象的优劣次序。可以看出，关联度是把各个时刻的关联系数集中为一个平均值，亦即把过于分散的信息集中处理。利用关联度这个概念，可以对各种问题进行因数分析。
2 模型的分析
2.1 房价与房地产开发投资总额格兰杰因果检验
依据格兰杰因果检验原理，对房地产开发投资总额和房价利用Eviews软件分析得到下表：（假设置信度α=0.05）
从上表可以看出，房价不是引起房地产开发投资总额变化的格兰杰原因，而房地产行业开发投资总额的变化却是引起房价变化的格兰杰原因。房地产行业的投资总额的增加，一方面增加对商品房的投机性需求，进而对房价的上涨起到推波助澜的作用；另一方面，对房地产行业投资的增加，使房地产市场更加的火爆，会给开发房地产市场相关的原料如建材、水泥及地皮价格起到刺激和促进作用，这些原材料价格的上涨势必都附加于房屋的销售价格中，势必造成房价的上升。
2.2 房价的岭回归模型
房价模型的构建有助于我们总结规律，科学界定影响房价的关键因素，从而指导房地产市场的管理和调控行为。本文初步选取的影响房价的因素有家庭人均年收入、房地产开发投资总额、年底总人口数、建筑材料价格指数、新增家庭数、住宅房屋竣工面积和人均GDP指数（依次用F1~F7表示），我们利用岭回归模型分析影响房价的主要因素。
对文中给定的7个影响指标进行相关性分析，分析得到如下相关系数矩阵
由相关系数矩阵可知，各因素之间的相关系数较大，影响因素之间两两相关。因此，采用传统的最小二乘回归存在较严重的多重共线性。
鉴于此，建立如下岭回归模型：
利用Matlab软件编程求得房价与选取指标的岭迹图。
由岭迹图可以看出，在0.3之后，7条岭迹都开始变得平稳。所以，将3代入做岭回归，得到如下模型：
通过岭回归得到的模型，可以看出：房价对人均GDP指数的敏感度为220.51，说明人均GDP指数每变动1单位，住房销售房价变动220.51单位；家庭人均年收入变动1单位，住房销售房价变动135.21单位；房地产开发投资总额变动1单位，住房销售房价变动196.02单位；年底总人口数变动1单位，住房销售房价变动133.78单位；建筑材料价格指数变动1单位，住房销售房价变动6.54单位；新增家庭数变动1单位，住房销售房价变动132.1单位；住宅房屋竣工面积变动1单位，住房销售房价变动138.05单位。
所以，通过上面的分析，房地产行业的开发投资总额对房价具有很大的影响作用。因此，分析房地产行业投资总额与国民经济其他行业的投资总额的关联度，可以得到与房地产行业投资总额的关联度最大的国民经济行业，进而分析该行业影响因素对房价的影响。
摘要：本文先是对全国平均住房销售价格（以下简称房价）与房地产行业开发投资总额做格兰杰因果检验，得出房地产开发投资总额是引起房价变化的格兰杰原因，随后选定家庭人均年收入、房地产开发投资总额、年底总人口数、建筑材料价格指数、新增家庭数、住宅房屋竣工面积和人均GDP指数等为自变量对房价做岭回归，再次得出房地产开发投资总额对房价具有显著性的影响。再对房地产行业开发投资总额与其他行业的投资总额做关联度分析，得出房地产行业与金融业投资总额具有最大的关联度。最后在假定房地产市场和证券市场同时为无套利市场的条件下，分析得出证券市场中证券的当期价格、持有期内的年平均收益率和年平均红利与房价依次存在正向、负向、负向的相关关系。
关键词：房价；开发投资总额；关联度；岭回归
1 建模的原理介绍
1.1格兰杰因果检验的原理
1969年，格兰杰从计量经济学的角度提出了一种因果关系的定义：设有两个时间序列｛xt｝和｛yt｝，如果xt的变化引起yt的变化，则xt的变化应当发生在yt的变化之前。具体操作中，一般是对以下两个方程分别进行无约束和有约束估计：
（1）
（2）
如果在（1）中部分αi显著不为零，则称xt格兰杰引起yt类似的，如果（2）式中部分αi显著不为零，则称yt格兰杰引起xt，如果两者都存在，则称xt与yt互为格兰杰因果关系。
1.2岭回归原理
多元回归模型的矩阵表达式为：Xβ=Y，利用OLS求得： ，
当自变量存在多重共线性时，导致 ，从而使得回归系数 不稳定，出现没有实际意义的估计值。解决的办法是在X′X的主对角线元素上加一个非负常数k，即得：
，其中E是单位矩阵，使得 的概率比 大大降低，最后用 来进行估计，结果会使 的估计变得稳定得多。因此，岭回归估计的准确程度取决于k值的选取，确定k值的方法一般是通过岭迹图或方差膨胀因子来选取。其确定方法是选择一个尽可能小的k值，在这个k值上，岭迹图中回归系数已变得较为稳定，并且方差膨胀因子业变得足够小。
回归估计系数 是k的非线性函数；k值的加入使得
成为回归系数的有偏估计，但是比β估计更稳定； 随k的变化轨迹图称为岭迹图。
1.3灰色关联度分析原理
选取参考数列
其中k表示时刻。假设有m个比较数列
则称
为比较数列xi对参考数列x0在k时刻的关联系数，其中ρ∈[0，1]为分辨系数。称 和 分别为两级最小及两级最大极差。
一般来讲，分辨系数ρ越大，分辨率越高；ρ越小，分辨率越低。上式中的关联系数是描述比较数列与参数数列在某时刻关联程度的一种指标，由于各个时刻都有一个关联数，因此信息显得过于分散，不便比较，为此我们给出ri=■■ξi（k）为数列xi对参考数列x0的关联度。若关联度ri最大，说明xi（k）与最优指标x0（k）最接近，即第i个被评价对象优于其他被评价对象，据此可以排出各被评价对象的优劣次序。可以看出，关联度是把各个时刻的关联系数集中为一个平均值，亦即把过于分散的信息集中处理。利用关联度这个概念，可以对各种问题进行因数分析。
2 模型的分析
2.1 房价与房地产开发投资总额格兰杰因果检验
依据格兰杰因果检验原理，对房地产开发投资总额和房价利用Eviews软件分析得到下表：（假设置信度α=0.05）
从上表可以看出，房价不是引起房地产开发投资总额变化的格兰杰原因，而房地产行业开发投资总额的变化却是引起房价变化的格兰杰原因。房地产行业的投资总额的增加，一方面增加对商品房的投机性需求，进而对房价的上涨起到推波助澜的作用；另一方面，对房地产行业投资的增加，使房地产市场更加的火爆，会给开发房地产市场相关的原料如建材、水泥及地皮价格起到刺激和促进作用，这些原材料价格的上涨势必都附加于房屋的销售价格中，势必造成房价的上升。
2.2 房价的岭回归模型
房价模型的构建有助于我们总结规律，科学界定影响房价的关键因素，从而指导房地产市场的管理和调控行为。本文初步选取的影响房价的因素有家庭人均年收入、房地产开发投资总额、年底总人口数、建筑材料价格指数、新增家庭数、住宅房屋竣工面积和人均GDP指数（依次用F1~F7表示），我们利用岭回归模型分析影响房价的主要因素。
对文中给定的7个影响指标进行相关性分析，分析得到如下相关系数矩阵
由相关系数矩阵可知，各因素之间的相关系数较大，影响因素之间两两相关。因此，采用传统的最小二乘回归存在较严重的多重共线性。
鉴于此，建立如下岭回归模型：
利用Matlab软件编程求得房价与选取指标的岭迹图。
由岭迹图可以看出，在0.3之后，7条岭迹都开始变得平稳。所以，将3代入做岭回归，得到如下模型：
通过岭回归得到的模型，可以看出：房价对人均GDP指数的敏感度为220.51，说明人均GDP指数每变动1单位，住房销售房价变动220.51单位；家庭人均年收入变动1单位，住房销售房价变动135.21单位；房地产开发投资总额变动1单位，住房销售房价变动196.02单位；年底总人口数变动1单位，住房销售房价变动133.78单位；建筑材料价格指数变动1单位，住房销售房价变动6.54单位；新增家庭数变动1单位，住房销售房价变动132.1单位；住宅房屋竣工面积变动1单位，住房销售房价变动138.05单位。
所以，通过上面的分析，房地产行业的开发投资总额对房价具有很大的影响作用。因此，分析房地产行业投资总额与国民经济其他行业的投资总额的关联度，可以得到与房地产行业投资总额的关联度最大的国民经济行业，进而分析该行业影响因素对房价的影响。
存入我的阅览室
2.3 对房地产行业的投资总额与国民经济其他行业投资总额的关联度分析
把房地产行业的投资总额作为x0，并且参照2001年的中国统计局的国民经济行业分类，利用给定的2003年到2011年8月的累积数据，以每年的12月份作为该年的投资总额，选取下列与房地产相关行业的国民经济体系的投资总额：农林牧渔业、采矿业、教育、纺织业、金融业、科学研究、技术服务和地质勘查业、林业、煤炭开采及洗选业、农副食品加工业、农林牧渔业、通信设备和计算机及其他电子设备制造业、有色金属矿采选业、制造业。对它们进行灰色关联度分析并排名，结果见表4。
在对房地产行业的投资总额与国民经济其他行业投资总额的关联度分析中，金融业的投资总额与房地产开发投资额的关联度最大，达到0.9691。我们可以得出金融与房地产应相辅相存，房地产业的发展离不开金融业的支持。房地产业是一个资金密集型产业，在现行期房预售的模式下，房地产开发的每一阶段都离不开银行资金的支持。此外，房地产开发公司的经营活动中还会涉及到发行股票、债券等融资方式，这些都离不开金融业的支持，所以房地产行业的投资额与金融业的投资额的关联度较大。从长远来看，房地产融资渠道多元化是必然趋势，但今后一段时期银行仍将是房地产融资的主渠道。因此，金融机构要一如既往地支持房地产业的健康持续发展，房地产业发展了，反过来又会促进金融业的发展。发达国家和地区的经验也表明：一段时期内房地产业兴旺发达，这一时期的金融业也必然兴旺发达。房地产业对于金融业实行多元化的资产战略、推广金融结算工具、防范金融风险以及促进金融创新方面发挥着重要作用。
所以，通过上面的分析，金融市场的投资总额与房地产开发投资总额具有极大的关联度，同时，房地产开发投资总额对房价的变化与具有很大的影响和敏感度，即金融市场的一些指标的变化会引起房价的波动。下面，通过假设房地产市场和证券市场均为无套利市场，研究证券市场的当期的证券价格、证券的预期回报率和红利如何影响房价波动的关系。
3 房地产市场和证券市场均为无套利前提下的房价定价模型
3.1 模型的假设
⑴房地产市场和证券市场均为无套利市场；
⑵房地产市场房价每年的增长率保持不变，增长率为s；
⑶消费者对住房的消费假设为投资性需求，一方面为了得到单位面积房价增加而得到的报酬，另一方面为得到房屋出租的租金收入；
⑷房价的上涨率大于住房的折旧率。
3.2 模型的符号说明
3.3 房价的定价模型
3.3.1 消费者将当期所有的资金用于住房消费所得到的回报的现值
消费者把全部投资资金用于购买房屋并且出租，在第t期销售住房，得到的全部收入的现值为：
3.3.2 消费者将当期所有的资金用于证券投资所得到的回报的现值
投资者把全部的投资资金用于购买证券，持有t期后出售，得到的收入现值为：
3.3.3 在房地产市场和证券市场均为无套利假设下的房价定价模型
由于在房地产市场与证券市场均为无套利的假设下，购买住房的收入与购买证券的收入是相等的。即PV1=PV2
所以在房地产市场和证券市场均为无套利条件下，房价定价模型为：
3.4 模型中各个因素与房价的相关性分析
当期住房单位面积的价格和消费者所拥有的投资资金无关；在该地域的房屋出租价格与房价成正比例关系，房屋的出租价格越高，该地的住房价格越高；
当期住房单位面积的价格和当期证券价格成正相关关系，而与平均预期收益率和平均红利成负相关关系。用房地产市场和证券市场同时无套利假设条件下，对房价定价模型中的P0分别对Pg、f和h进行求导得到：
所以，当期住房单位面积的价格和当期证券价格成正相关关系。房地产市场和证券市场具有正相关关系，证券市场越景气，房地产市场的房价也相应地越高。当期住房的单位面积价格与证券市场的平均预期收益率和平均红利呈负相关。
4 结论及相关建议
通过以上分析，我们得出结论如下：
（1）房地产市场的开发投资总额的变化对房价的波动具有很大的关系，因此政府和房管局应对住房的投资性需求采取一定的抑制措施，如限购令等，以保证房价的合理性波动，避免房地产泡沫的出现；
（2）证券市场和房地产市场之间具有一定的相互影响，共生共荣性，政府和对应的监管部门应相互合作，监督两市场间的资金对流；对于一些非房地产企业的上市公司的资金流入房地产市场，应给以正确的引导和规范，避免房地产市场出现泡沫时传染或波及证券市场。
（3）房地产市场和证券市场具有正相关关系，当期住房的单位面积价格与证券市场的平均预期收益率和平均红利呈负相关。证券市场的收益的预期变化会影响房价的变化，金融市场的政策的变化应审慎考虑对其他相关行业的影响。
参考文献：
[1]Raudall,Johonston,Pozdena,The Modern Economics of Housing [M]. Ouorum Books Greenwood Press,1988:195-202.
[2]邓聚龙,灰色系统理论教程[M].武汉:华中科技大学出版社,1990.
[3]刘永平,房地产需求模型研究,重庆工学院学报,15(1):80-81，2001.
[4]朱永升,王卫华,韩伯棠:影响房地产市场需求因素的灰色关联度分析[J].北京理工大学学报:2002(12),22(6).
[5]王高雄,周之铭,朱思铭.常微分方程2版.北京:高等教育出版社,2004.
[6]曾建军,李世航等,MATLAB语言与数学建模[M],合肥:安徽大学出版社,2005.
[7]高铁梅,计量经济分析方法与建模[M].北京:清华大学出版社,2006.
[8]严焰.基于岭回归的房价模型构建及启示[J].商业研究:2006(4),(465).
[9]黄江华,陈国生.可持续发展的房产市场模型[J].商场现代化: 2006(7),(474).
[10]李百岁,同李嘎.内蒙古人口城市化Logistic模型及其应用[J].干旱区资源与环境:2007(5),21(2).
[11]王要武,金海燕.我国房地产宏观调控政策效果的实证分析[J].土木工程学报:2008(8),41(8).
[12]王利,北京房地产市场供求关系和价格机制作用的实证研究,经济与管理研究[J]. 2008,5:61-66.
2.3 对房地产行业的投资总额与国民经济其他行业投资总额的关联度分析
把房地产行业的投资总额作为x0，并且参照2001年的中国统计局的国民经济行业分类，利用给定的2003年到2011年8月的累积数据，以每年的12月份作为该年的投资总额，选取下列与房地产相关行业的国民经济体系的投资总额：农林牧渔业、采矿业、教育、纺织业、金融业、科学研究、技术服务和地质勘查业、林业、煤炭开采及洗选业、农副食品加工业、农林牧渔业、通信设备和计算机及其他电子设备制造业、有色金属矿采选业、制造业。对它们进行灰色关联度分析并排名，结果见表4。
在对房地产行业的投资总额与国民经济其他行业投资总额的关联度分析中，金融业的投资总额与房地产开发投资额的关联度最大，达到0.9691。我们可以得出金融与房地产应相辅相存，房地产业的发展离不开金融业的支持。房地产业是一个资金密集型产业，在现行期房预售的模式下，房地产开发的每一阶段都离不开银行资金的支持。此外，房地产开发公司的经营活动中还会涉及到发行股票、债券等融资方式，这些都离不开金融业的支持，所以房地产行业的投资额与金融业的投资额的关联度较大。从长远来看，房地产融资渠道多元化是必然趋势，但今后一段时期银行仍将是房地产融资的主渠道。因此，金融机构要一如既往地支持房地产业的健康持续发展，房地产业发展了，反过来又会促进金融业的发展。发达国家和地区的经验也表明：一段时期内房地产业兴旺发达，这一时期的金融业也必然兴旺发达。房地产业对于金融业实行多元化的资产战略、推广金融结算工具、防范金融风险以及促进金融创新方面发挥着重要作用。
所以，通过上面的分析，金融市场的投资总额与房地产开发投资总额具有极大的关联度，同时，房地产开发投资总额对房价的变化与具有很大的影响和敏感度，即金融市场的一些指标的变化会引起房价的波动。下面，通过假设房地产市场和证券市场均为无套利市场，研究证券市场的当期的证券价格、证券的预期回报率和红利如何影响房价波动的关系。
3 房地产市场和证券市场均为无套利前提下的房价定价模型
3.1 模型的假设
⑴房地产市场和证券市场均为无套利市场；
⑵房地产市场房价每年的增长率保持不变，增长率为s；
⑶消费者对住房的消费假设为投资性需求，一方面为了得到单位面积房价增加而得到的报酬，另一方面为得到房屋出租的租金收入；
⑷房价的上涨率大于住房的折旧率。
3.2 模型的符号说明
3.3 房价的定价模型
3.3.1 消费者将当期所有的资金用于住房消费所得到的回报的现值
消费者把全部投资资金用于购买房屋并且出租，在第t期销售住房，得到的全部收入的现值为：
3.3.2 消费者将当期所有的资金用于证券投资所得到的回报的现值
投资者把全部的投资资金用于购买证券，持有t期后出售，得到的收入现值为：
3.3.3 在房地产市场和证券市场均为无套利假设下的房价定价模型
由于在房地产市场与证券市场均为无套利的假设下，购买住房的收入与购买证券的收入是相等的。即PV1=PV2
所以在房地产市场和证券市场均为无套利条件下，房价定价模型为：
3.4 模型中各个因素与房价的相关性分析
当期住房单位面积的价格和消费者所拥有的投资资金无关；在该地域的房屋出租价格与房价成正比例关系，房屋的出租价格越高，该地的住房价格越高；
当期住房单位面积的价格和当期证券价格成正相关关系，而与平均预期收益率和平均红利成负相关关系。用房地产市场和证券市场同时无套利假设条件下，对房价定价模型中的P0分别对Pg、f和h进行求导得到：
所以，当期住房单位面积的价格和当期证券价格成正相关关系。房地产市场和证券市场具有正相关关系，证券市场越景气，房地产市场的房价也相应地越高。当期住房的单位面积价格与证券市场的平均预期收益率和平均红利呈负相关。
4 结论及相关建议
通过以上分析，我们得出结论如下：
（1）房地产市场的开发投资总额的变化对房价的波动具有很大的关系，因此政府和房管局应对住房的投资性需求采取一定的抑制措施，如限购令等，以保证房价的合理性波动，避免房地产泡沫的出现；
（2）证券市场和房地产市场之间具有一定的相互影响，共生共荣性，政府和对应的监管部门应相互合作，监督两市场间的资金对流；对于一些非房地产企业的上市公司的资金流入房地产市场，应给以正确的引导和规范，避免房地产市场出现泡沫时传染或波及证券市场。
（3）房地产市场和证券市场具有正相关关系，当期住房的单位面积价格与证券市场的平均预期收益率和平均红利呈负相关。证券市场的收益的预期变化会影响房价的变化，金融市场的政策的变化应审慎考虑对其他相关行业的影响。
参考文献：
[1]Raudall,Johonston,Pozdena,The Modern Economics of Housing [M]. Ouorum Books Greenwood Press,1988:195-202.
[2]邓聚龙,灰色系统理论教程[M].武汉:华中科技大学出版社,1990.
[3]刘永平,房地产需求模型研究,重庆工学院学报,15(1):80-81，2001.
[4]朱永升,王卫华,韩伯棠:影响房地产市场需求因素的灰色关联度分析[J].北京理工大学学报:2002(12),22(6).
[5]王高雄,周之铭,朱思铭.常微分方程2版.北京:高等教育出版社,2004.
[6]曾建军,李世航等,MATLAB语言与数学建模[M],合肥:安徽大学出版社,2005.
[7]高铁梅,计量经济分析方法与建模[M].北京:清华大学出版社,2006.
[8]严焰.基于岭回归的房价模型构建及启示[J].商业研究:2006(4),(465).
[9]黄江华,陈国生.可持续发展的房产市场模型[J].商场现代化: 2006(7),(474).
[10]李百岁,同李嘎.内蒙古人口城市化Logistic模型及其应用[J].干旱区资源与环境:2007(5),21(2).
[11]王要武,金海燕.我国房地产宏观调控政策效果的实证分析[J].土木工程学报:2008(8),41(8).
[12]王利,北京房地产市场供求关系和价格机制作用的实证研究,经济与管理研究[J]. 2008,5:61-66.
存入我的阅览室
2.3 对房地产行业的投资总额与国民经济其他行业投资总额的关联度分析
把房地产行业的投资总额作为x0，并且参照2001年的中国统计局的国民经济行业分类，利用给定的2003年到2011年8月的累积数据，以每年的12月份作为该年的投资总额，选取下列与房地产相关行业的国民经济体系的投资总额：农林牧渔业、采矿业、教育、纺织业、金融业、科学研究、技术服务和地质勘查业、林业、煤炭开采及洗选业、农副食品加工业、农林牧渔业、通信设备和计算机及其他电子设备制造业、有色金属矿采选业、制造业。对它们进行灰色关联度分析并排名，结果见表4。
在对房地产行业的投资总额与国民经济其他行业投资总额的关联度分析中，金融业的投资总额与房地产开发投资额的关联度最大，达到0.9691。我们可以得出金融与房地产应相辅相存，房地产业的发展离不开金融业的支持。房地产业是一个资金密集型产业，在现行期房预售的模式下，房地产开发的每一阶段都离不开银行资金的支持。此外，房地产开发公司的经营活动中还会涉及到发行股票、债券等融资方式，这些都离不开金融业的支持，所以房地产行业的投资额与金融业的投资额的关联度较大。从长远来看，房地产融资渠道多元化是必然趋势，但今后一段时期银行仍将是房地产融资的主渠道。因此，金融机构要一如既往地支持房地产业的健康持续发展，房地产业发展了，反过来又会促进金融业的发展。发达国家和地区的经验也表明：一段时期内房地产业兴旺发达，这一时期的金融业也必然兴旺发达。房地产业对于金融业实行多元化的资产战略、推广金融结算工具、防范金融风险以及促进金融创新方面发挥着重要作用。
所以，通过上面的分析，金融市场的投资总额与房地产开发投资总额具有极大的关联度，同时，房地产开发投资总额对房价的变化与具有很大的影响和敏感度，即金融市场的一些指标的变化会引起房价的波动。下面，通过假设房地产市场和证券市场均为无套利市场，研究证券市场的当期的证券价格、证券的预期回报率和红利如何影响房价波动的关系。
3 房地产市场和证券市场均为无套利前提下的房价定价模型
3.1 模型的假设
⑴房地产市场和证券市场均为无套利市场；
⑵房地产市场房价每年的增长率保持不变，增长率为s；
⑶消费者对住房的消费假设为投资性需求，一方面为了得到单位面积房价增加而得到的报酬，另一方面为得到房屋出租的租金收入；
⑷房价的上涨率大于住房的折旧率。
3.2 模型的符号说明
3.3 房价的定价模型
3.3.1 消费者将当期所有的资金用于住房消费所得到的回报的现值
消费者把全部投资资金用于购买房屋并且出租，在第t期销售住房，得到的全部收入的现值为：
3.3.2 消费者将当期所有的资金用于证券投资所得到的回报的现值
投资者把全部的投资资金用于购买证券，持有t期后出售，得到的收入现值为：
3.3.3 在房地产市场和证券市场均为无套利假设下的房价定价模型
由于在房地产市场与证券市场均为无套利的假设下，购买住房的收入与购买证券的收入是相等的。即PV1=PV2
所以在房地产市场和证券市场均为无套利条件下，房价定价模型为：
3.4 模型中各个因素与房价的相关性分析
当期住房单位面积的价格和消费者所拥有的投资资金无关；在该地域的房屋出租价格与房价成正比例关系，房屋的出租价格越高，该地的住房价格越高；
当期住房单位面积的价格和当期证券价格成正相关关系，而与平均预期收益率和平均红利成负相关关系。用房地产市场和证券市场同时无套利假设条件下，对房价定价模型中的P0分别对Pg、f和h进行求导得到：
所以，当期住房单位面积的价格和当期证券价格成正相关关系。房地产市场和证券市场具有正相关关系，证券市场越景气，房地产市场的房价也相应地越高。当期住房的单位面积价格与证券市场的平均预期收益率和平均红利呈负相关。
4 结论及相关建议
通过以上分析，我们得出结论如下：
（1）房地产市场的开发投资总额的变化对房价的波动具有很大的关系，因此政府和房管局应对住房的投资性需求采取一定的抑制措施，如限购令等，以保证房价的合理性波动，避免房地产泡沫的出现；
（2）证券市场和房地产市场之间具有一定的相互影响，共生共荣性，政府和对应的监管部门应相互合作，监督两市场间的资金对流；对于一些非房地产企业的上市公司的资金流入房地产市场，应给以正确的引导和规范，避免房地产市场出现泡沫时传染或波及证券市场。
（3）房地产市场和证券市场具有正相关关系，当期住房的单位面积价格与证券市场的平均预期收益率和平均红利呈负相关。证券市场的收益的预期变化会影响房价的变化，金融市场的政策的变化应审慎考虑对其他相关行业的影响。
参考文献：
[1]Raudall,Johonston,Pozdena,The Modern Economics of Housing [M]. Ouorum Books Greenwood Press,1988:195-202.
[2]邓聚龙,灰色系统理论教程[M].武汉:华中科技大学出版社,1990.
[3]刘永平,房地产需求模型研究,重庆工学院学报,15(1):80-81，2001.
[4]朱永升,王卫华,韩伯棠:影响房地产市场需求因素的灰色关联度分析[J].北京理工大学学报:2002(12),22(6).
[5]王高雄,周之铭,朱思铭.常微分方程2版.北京:高等教育出版社,2004.
[6]曾建军,李世航等,MATLAB语言与数学建模[M],合肥:安徽大学出版社,2005.
[7]高铁梅,计量经济分析方法与建模[M].北京:清华大学出版社,2006.
[8]严焰.基于岭回归的房价模型构建及启示[J].商业研究:2006(4),(465).
[9]黄江华,陈国生.可持续发展的房产市场模型[J].商场现代化: 2006(7),(474).
[10]李百岁,同李嘎.内蒙古人口城市化Logistic模型及其应用[J].干旱区资源与环境:2007(5),21(2).
[11]王要武,金海燕.我国房地产宏观调控政策效果的实证分析[J].土木工程学报:2008(8),41(8).
[12]王利,北京房地产市场供求关系和价格机制作用的实证研究,经济与管理研究[J]. 2008,5:61-66.
2.3 对房地产行业的投资总额与国民经济其他行业投资总额的关联度分析
把房地产行业的投资总额作为x0，并且参照2001年的中国统计局的国民经济行业分类，利用给定的2003年到2011年8月的累积数据，以每年的12月份作为该年的投资总额，选取下列与房地产相关行业的国民经济体系的投资总额：农林牧渔业、采矿业、教育、纺织业、金融业、科学研究、技术服务和地质勘查业、林业、煤炭开采及洗选业、农副食品加工业、农林牧渔业、通信设备和计算机及其他电子设备制造业、有色金属矿采选业、制造业。对它们进行灰色关联度分析并排名，结果见表4。
在对房地产行业的投资总额与国民经济其他行业投资总额的关联度分析中，金融业的投资总额与房地产开发投资额的关联度最大，达到0.9691。我们可以得出金融与房地产应相辅相存，房地产业的发展离不开金融业的支持。房地产业是一个资金密集型产业，在现行期房预售的模式下，房地产开发的每一阶段都离不开银行资金的支持。此外，房地产开发公司的经营活动中还会涉及到发行股票、债券等融资方式，这些都离不开金融业的支持，所以房地产行业的投资额与金融业的投资额的关联度较大。从长远来看，房地产融资渠道多元化是必然趋势，但今后一段时期银行仍将是房地产融资的主渠道。因此，金融机构要一如既往地支持房地产业的健康持续发展，房地产业发展了，反过来又会促进金融业的发展。发达国家和地区的经验也表明：一段时期内房地产业兴旺发达，这一时期的金融业也必然兴旺发达。房地产业对于金融业实行多元化的资产战略、推广金融结算工具、防范金融风险以及促进金融创新方面发挥着重要作用。
所以，通过上面的分析，金融市场的投资总额与房地产开发投资总额具有极大的关联度，同时，房地产开发投资总额对房价的变化与具有很大的影响和敏感度，即金融市场的一些指标的变化会引起房价的波动。下面，通过假设房地产市场和证券市场均为无套利市场，研究证券市场的当期的证券价格、证券的预期回报率和红利如何影响房价波动的关系。
3 房地产市场和证券市场均为无套利前提下的房价定价模型
3.1 模型的假设
⑴房地产市场和证券市场均为无套利市场；
⑵房地产市场房价每年的增长率保持不变，增长率为s；
⑶消费者对住房的消费假设为投资性需求，一方面为了得到单位面积房价增加而得到的报酬，另一方面为得到房屋出租的租金收入；
⑷房价的上涨率大于住房的折旧率。
3.2 模型的符号说明
3.3 房价的定价模型
3.3.1 消费者将当期所有的资金用于住房消费所得到的回报的现值
消费者把全部投资资金用于购买房屋并且出租，在第t期销售住房，得到的全部收入的现值为：
3.3.2 消费者将当期所有的资金用于证券投资所得到的回报的现值
投资者把全部的投资资金用于购买证券，持有t期后出售，得到的收入现值为：
3.3.3 在房地产市场和证券市场均为无套利假设下的房价定价模型
由于在房地产市场与证券市场均为无套利的假设下，购买住房的收入与购买证券的收入是相等的。即PV1=PV2
所以在房地产市场和证券市场均为无套利条件下，房价定价模型为：
3.4 模型中各个因素与房价的相关性分析
当期住房单位面积的价格和消费者所拥有的投资资金无关；在该地域的房屋出租价格与房价成正比例关系，房屋的出租价格越高，该地的住房价格越高；
当期住房单位面积的价格和当期证券价格成正相关关系，而与平均预期收益率和平均红利成负相关关系。用房地产市场和证券市场同时无套利假设条件下，对房价定价模型中的P0分别对Pg、f和h进行求导得到：
所以，当期住房单位面积的价格和当期证券价格成正相关关系。房地产市场和证券市场具有正相关关系，证券市场越景气，房地产市场的房价也相应地越高。当期住房的单位面积价格与证券市场的平均预期收益率和平均红利呈负相关。
4 结论及相关建议
通过以上分析，我们得出结论如下：
（1）房地产市场的开发投资总额的变化对房价的波动具有很大的关系，因此政府和房管局应对住房的投资性需求采取一定的抑制措施，如限购令等，以保证房价的合理性波动，避免房地产泡沫的出现；
（2）证券市场和房地产市场之间具有一定的相互影响，共生共荣性，政府和对应的监管部门应相互合作，监督两市场间的资金对流；对于一些非房地产企业的上市公司的资金流入房地产市场，应给以正确的引导和规范，避免房地产市场出现泡沫时传染或波及证券市场。
（3）房地产市场和证券市场具有正相关关系，当期住房的单位面积价格与证券市场的平均预期收益率和平均红利呈负相关。证券市场的收益的预期变化会影响房价的变化，金融市场的政策的变化应审慎考虑对其他相关行业的影响。
参考文献：
[1]Raudall,Johonston,Pozdena,The Modern Economics of Housing [M]. Ouorum Books Greenwood Press,1988:195-202.
[2]邓聚龙,灰色系统理论教程[M].武汉:华中科技大学出版社,1990.
[3]刘永平,房地产需求模型研究,重庆工学院学报,15(1):80-81，2001.
[4]朱永升,王卫华,韩伯棠:影响房地产市场需求因素的灰色关联度分析[J].北京理工大学学报:2002(12),22(6).
[5]王高雄,周之铭,朱思铭.常微分方程2版.北京:高等教育出版社,2004.
[6]曾建军,李世航等,MATLAB语言与数学建模[M],合肥:安徽大学出版社,2005.
[7]高铁梅,计量经济分析方法与建模[M].北京:清华大学出版社,2006.
[8]严焰.基于岭回归的房价模型构建及启示[J].商业研究:2006(4),(465).
[9]黄江华,陈国生.可持续发展的房产市场模型[J].商场现代化: 2006(7),(474).
[10]李百岁,同李嘎.内蒙古人口城市化Logistic模型及其应用[J].干旱区资源与环境:2007(5),21(2).
[11]王要武,金海燕.我国房地产宏观调控政策效果的实证分析[J].土木工程学报:2008(8),41(8).
[关键词] 房价收入弹性 房价土地供给弹性 房价城市化弹性
1998年7月，国务院了《关于进一步深化城镇住房制度改革，加快住房建设的通知》，这标志着我国房地产业真正步入了市场化的发展阶段。然而，近年来我国房地产市场的迅速成长尽管一方面对促进国民经济增长、改善城镇居民的生活水平起到了至关重要的作用，但另一方面，如投资过热、房价飞涨等，也充分暴露了目前我国房地产市场发展中的一些问题，特别是房价的飞速上涨对我国房地产市场和整个国民经济的健康发展形成了严峻的挑战，也成为了目前学术界的热点和难点问题。
关于房价持续走高的原因，国内外学者们分别从不同的角度得出了不同的观点。从房地产需求的角度看，有的学者认为收入是影响房价的一个至关重要的因素；从房地产供给的角度看，一部分学者认为地价过高是房价上涨过快的根本原因。还有部分学者从税收、租金、金融、人口特征、区位，以及城市建设等诸多方面对房地产价格持续上涨的成因进行了深入的研究。然而有一个被普遍忽略的问题更值得关注：任何一种导致房价上涨的因素都应该是有时效性的，或者可以说在不同的发展时期影响房价上涨的因素应该有一个动态的、阶段性的变化。因此，本文认为，在我国房地产市场步入市场化的初期发展阶段，由于购买力水平的迅速提高，而短期内难以形成与之相适应的市场供给，那么由于需求的拉动必然导致了房价的快速上升；但以“招、拍、挂”为主要特征的新土地制度取代传统的土地协议出让制度后，致使土地价格急剧上涨，这样就使得土地投放将取代收入成为导致房价上涨的主导因素；同时，由于城市化水平的逐渐扩大，其必然也是影响房价的一个重要原因。
一、我国房地产价格的演变特征
相关统计数据表明，全国平均房价从1999年的1843元/平方米上升到了2006年的3132元/平方米，而且是逐年上升的。然而，在2003年以前全国平均房价是以一种很平缓的态势在逐年增加，年增长速度很小；但从2003年起全国的平均房价有一个陡然上升的趋势，说明自2003年以来我国房地产市场价格上升幅度之大。根据本文的计算，1999年至2006年我国各地区平均房价的变异系数分别为0.5490、0.4935、0.4902、0.4741、0.5116、0.5016、0.5352和0.5542，从变异系数的结果看，1999年至2003年全国各地区间房地产市场价格的差异在逐渐地缩小，而2003年至2006年全国各地区间房地产市场价格的差异在逐渐地扩大。
二、房价演变特征的弹性分析
1.房价的收入弹性
统计数据表明，1999年～2003年房价的收入弹性总体上呈现一个向下的趋势，说明房价的增长速度与收入的增长速度之比逐年递减，表明收入的增加是支撑房价上涨的主要因素；而2003年至2006年的房价收入弹性总体上呈现一个向上的趋势，说明房价的增长速度与收入的增长速度之比逐年递增，这表明收入增加的幅度不足以支撑房价如此更大幅度的提高。上述的分析结果也表明了在我国房地产市场发展初期的1999年至2003年，伴随着购买力水平的快速提高，由于短期内难以形成与之相适应的市场供给，房价的上升也在情理之中；而自2003年以来，随着相关土地政策和金融政策的出台，收入已不再是导致房价上升的唯一至关重要的因素。
2.房价的土地供给弹性
1999年～2003年的土地供应弹性总体上呈现一个向上的趋势，而2003年～2006年的土地供应弹性则总体上呈现一个向下的趋势。这一结果表明在我国房地产市场发展初期的1999年～2003年，在土地协议出让的制度下，土地投放并未受到限制，土地供给的逐年增加抑制了房价的上升；而自2003年以来，随着土地供给面积逐年的骤减，说明土地供给的限制已成为导致房价巨幅上涨的一个至关重要的因素。
3.房价的城市化弹性
1999年～2003年的城市化水平弹性总体上呈现一个水平的趋势，而2003年～2006年的城市化水平弹性则总体上呈现一个向上的趋势。这一结果表明在我国房地产市场发展初期的1999年～2003年，房价的增长速度与城市化进程速度相匹配；而自2003年以来，房价的增长速度则远远大于城市化水平的进程。
三、基本结论
本文以当前我国房地产市场价格的演变规律为立足点，以弹性分析为主要手段，对1999年～2006年我国房价的演变特征进行了研究，得到的基本结论如下：在房地产市场化发展初期的1999年～2003年，城市居民收入水平的逐渐提高是拉动房地产市场价格不断上涨的主要原因，而一方面城市化进程启动阶段的土地投放过快，并没有引起房地产市场价格的上涨，甚至对房价产生了抑制的作用；在房地产市场的进一步发展阶段（2003年～2006年），随着城市化推进速度的减缓，以及以“招、拍、挂”为主要特征的新制度和各种限制土地投放的相关政策法规的相继出台，土地投放的大量减少或者说地价的巨幅上涨是现阶段我国房价居高不下的主要原因，而尽管收入水平的提高仍然可以提高房价，但其作用却在慢慢减弱。
参考文献：
[1]况伟大:房价与地价关系研究-模型及中国数据检验．财贸经济，2005（11）
【关键词】房地产价格通胀投资贷款
房地产具有很强的金融属性，是一个高度依赖金融业的产业，购买力和流动性等因素对我国房地产市场的价格走势具有重要的影响，研究我国房地产市场价格居高的内驱力对于我国房地产市场的调控和资本市场的稳定具有重要意义。
一、综述
1、国外研究现状
国外学者的已有研究大多数以房价及其变动指数为因变量，宏观经济因素为自变量，通过建立回归模型研究其间关系。Case，Shiller（1990）基于美国4个大城市 1970 年一季度―1986年三季度的数据，采用时间序列截面法，分析得出：房价和人均收入以及价格的滞后变量变化呈正相关关系。Clapp，Giaccotto（1994）基于美国三镇 1981 年10月―1988 年 9 月的数据，采用OLS 回归法得出：宏观经济变量对房价具有重要影响。Quigley（1999）基于美国 41 个城市 1986―1994 年的数据，采用时间序列截面法，分析得出：宏观经济变量影响房价的走势。
2、国内研究现状
早在 20 世纪 90 年代，国内已有学者对我国房地产价格上涨的原因作出研究。张慧芳（1996）指出土地市场不规范、安置用房量大、拆迁费用高、商品房价格构成不合理、商品房标准过高、房屋工程费上涨幅度过大、开发商回报率过高是我国房地产价格高涨的原因。
之后又有学者运用计量经济的方法研究影响我国房地产市场的因素。曹振良（2006）运用理论及实证分析影响房地产市场的四要素，即宏观经济、金融支持、投机和调控政策。高铁梅、梁云芳（2006）运用协整模型和 H- P滤波计算房地产均衡价格及房地产价格偏离均衡价格的波动状态。柳冬（2008）运用多因素回归模型、状态空间模型及 Kalman 滤波方法，预测我国房地产市场价格趋势，并分析金融危机后房地产价格波动的影响因素。周建军（2009）基于我国 2000 年一季度―2007 年二季度的数据进行实证研究得出：土地价格和居民可支配收入与房地产价格呈正相关关系，但人民币实际利率与房价呈负相关关系。杨瑾（2010）基于对市场供求和竞争理论、价值理论的研究，得出在 7个不同方面完善我国房地产价格机制及抑制房价泡沫的策略。
二、我国房地产市场现状
2010 年以来，针对部分城市房价上涨过快等问题，国家出台了一系列房地产市场调控政策。当前房价已经连续 13 个月回升，从全国房屋销售价格指数同比涨幅变化趋势来看， 2009 年四季度―2010 年一季度房价的上升速度快，后在国家宏观政策的调控下有所回落。我国房价涨幅从 2009 年的 25%下降到 2010 年的 15%，但房价收入比仍在高位，房价收入比位置适当一般位于 3～6 之间，而 2009 年我国城镇居民房价收入比为8.3，2010 年增长到 8.76（此数据由 2010 年城镇居民人均可支配收入约为 18 900 元，按城镇居民每人 30 m2 和城镇家庭每户3口人计算得出），增幅达到 0.46。
三、我国房地产价格上涨的原因
1、居民购买力
2005―2010 年我国的人均 GDP 持续上升，其中 2009 年我国的房地产增加值比重约为 5%，2010 年约为 6%。GDP 增长趋势与房地产在 GDP 比重上升具有刚性关系。城镇化是内需的重要拉动力。据测算，中国城镇化率每上升1个百分点，城镇人口就增加1000多万人；城镇人口每增加1个百分点，会拉动内需增加10 万元。GDP 和城镇化率的持续增长导致我国居民购买力增强，而强劲的购买力是直接导致房地产价格上涨的重要动力。
2、通胀流动性
我国总体上处于通胀压力加大、快速增长、流动性加速 CPI的形势，而房价的波动和 CPI 以及流动性密切相关。通胀趋势和房价上涨预期，导致居民恐慌而寻找保值方式心理导致其大量抢购房产。流动性过剩容易形成持续的通胀预期，劳动力、土地、资本等要素成本不断上升，也导致了房地产价格的持续上涨。
3、房地产投资
我国房地产投资 2007―2008 年增速位于固定资产投资之上，经济危机以后，房地产投资增速下挫，增速最低回落1%。经济刺激政策出台以后，房地产开发投资开始平缓增长，但仍然明显固定资产投资增速。从 2009 年底开始，房地产开发投资快速增长，到 2010 年一季度，增速达到了 35%的历史最高位。房地产投资的不断增加给房地产价格居高不下提供了强有力的支撑。
4、房地产信贷
2010年一季度我国金融机构新增贷款 2.6 万亿元，开发贷款和个人贷款8000多亿，占一季度贷款总量的 32.4%（2009 年房地产贷款比重约为 20%），其中房地产开发贷款 3 207 亿元，个人购房贷款 5 227 亿元，个人购房贷款增长 53%。房地产刺激经济，泡沫积累迅速，投资型购房的杠杆效应明显。房地产开发贷款和个人购房贷款的持续快速增加是导致我国房地产价格上涨的又一内驱力。
四、建议
我国“十二五”规划时期将以加快转变经济发展方式为主线，处理好管理通胀预期与调整经济结构的关系。保持物价总水平基本稳定适度的物价上涨有利于调结构、转方式，但房价的居高和较大的通胀压力有着密切的联动关系，针对我国房地产价格持续居高提出以下建议：
1、在经济增长略缓、通胀压力稍大的情况下，宏观政策调控房地产市场，实行需求管理与供给管理并重、需求紧缩而供给扩张的政策。通过实施稳健的货币政策抑制总需求过快扩张、通过加大房地产领域投入等来扩大供给，切实落实中小套型普通商品住房建设计划和供地计划，督促房价上涨过快的城市增加居住用地的供应总量。
关键词：城市住宅价格；VPCI指标；南京市
中图分类号：F293文献标识码：A
文章编号：1000176X（2015）11013505
一、研究背景
我国房地产市场，自20世纪80年代开始萌芽发展。随着1997―1998年间住房制度改革的启动，住房投资、建设、分配、管理制度逐渐向着货币化、市场化和社会化的方向转变，住宅市场作为独立的产业体系，开始成为房地产市场的重要组成部分。1998年以后，住房实物分配制度的正式终结和房地产市场得到的政策支持，使城市住房供给的融资渠道、投资主体等呈现多元化的趋势，使住宅市场保持着高速的发展势头。
但随着住宅市场投资的快速增长，住宅价格也随之不断上涨。2002年以后，我国部分大中城市的住宅价格出现了加速增长的趋势，且波动程度显著增大。因此，随着住宅价格的不断升高，住宅价格波动已经成为整个社会关注的焦点。围绕相关问题，近年来国务院、各部委、人民银行和各地政府相继出台了一系列政策来稳定房地产市场。
2011年1月26日公布的“新国八条”要求，2011 年各城市人民政府要根据当地经济发展目标和居民住房支付能力，合理确定本地区年度新建住房价格控制目标，并于一季度向社会公布。2011年，在全国657个城市中，住房价格调控目标大致可以分为，以GDP增长为一类，人均居民收入为一类，以长春提出的房价收入比为一类。那么这些指标合理吗？在各个城市公布这些调控目标后，引来了居民的抱怨，房价目标却被公众批评为“限涨令”。因为几乎所有城市都将2011 年目标定为“增长10%”左右，调控目标制定得太宽松。可见这些目标存在不合理之处。因为近些年居民收入水平赶不上GDP的增长水平，更赶不上物价上涨速度[1-2]。
本文从技术分析的角度，聚焦城市住宅价格的波动幅度、波动周期和波动方式等方面，从住宅价格波动现象自身来研究其透露的信息，把握住宅房地产市场的真实状况，通过确定住宅价格的正常波动区间，来对住宅价格波动过程中出现的异常波动点进行界定，从而为趋势的判断和调控的时点把握提供参考。目前可用于住宅价格趋势计算的指标较少，论文通过其他途径寻找合理的趋势分析方法。成交量变化是先于价格变化的，成交量是引起价格变化的原因，运用市场价值规律，供给与需求的关系，制定市场的成交量分析指标，通过最近成交量分析来预测住宅均价的走势。本文试着通过住宅房屋的成交量来预测房价的涨跌情况，运用成交量分析指标来计算出房价同样的指标，这样对于房价的趋势分析就有了一种新方法。基于南京市近十年新建住房的销售情况，计算VPCI。
二、文献综述
在定性研究方面，贺建清从开发商与消费者的互动关系和开发商之间的利益博弈角度分析影响房地产价格走势的原因，并建立房地产市场开发商与消费者间的不完全信息静态博弈模型和开发商之间的有限理性下协调博弈模型，结果表明房地产开发商和消费者之间的博弈，开发商之间的合作与非合作博弈是影响房地产价格波动的重要原因。周建军和侯杰通过对国际游资投机房地产的动因和房地产市场的价格决定模型分析，发现房价波动与国际游资之间呈正相关趋势。熊璐瑛[5]从汇率对物价的传导机制、供需理论等角度讨论汇率波动对房地产价格的影响。杨冬宁探讨了土地供给价格、数量和形式对住宅价格波动的影响。孔煜分析了货币政策影响房地产价格波动的冲击途径，并阐述了我国住宅价格波动与货币供给量变动形成的货币政策冲击之间的关系。
在定量研究方面，梁云芳和高铁梅用多变量时间序列方差分量分析模型（MTV模型）对不同地区不同用途商品房价格变动的各种影响因素综合考虑分析。杨冬宁[9]利用特征价格法和多元回归方程组，通过对杭州市住宅价格指数的构建，对住宅价格波动的影响因素进行了归类和动态分析。李成刚等[10]用Panel Data模型和向后法多元回归方程建立了住宅价格影响因素模型，通过实证分析找出了影响河北省住宅价格的主要因素。周恩臣结合定性的经济周期波动理论和定量的静态、动态供求价格模型及截面时序模型，从政府、银行、消费者的角度对住宅价格波动的原因进行了分析。卫正逸和屈梦溪利用VEC模型对国际资本流动和我国房地产市场销售价格之间的弹性进行研究，通过格兰杰因果检验分析二者之间的因果关系，结果表明从短期来看，国际资本流入是我国房地产市场价格上涨的原因，但影响程度较小，从长期来看二者之间并不存在均衡关系。宋勃和高波[13]在考虑通货膨胀的条件下，利用我国1998―2006年的一年期存款实际利率、一年期商业贷款实际利率、存款准备金实际利率、中央银行实际贷款利率、实际再贴现率与房屋销售价格指数和土地交易价格指数的季度数据建立误差纠正模型，并通过协整检验、长短期格兰杰因果检验和脉冲响应分析，对我国房地产价格和各种实际存贷款利率的关系进行实证检验。周京奎[14]通过构建适合我国的房地产投机理论模型，对我国14个城市的房地产价格波动与投机行为的关系进行实证研究，时间序列的回归分析结果表明，全部城市中投机成分都对房地产价格有显著影响，横截面数据表明，可支配收入对房地产价格没有显著影响，价格上升主要由投机推动。张文娟[15]应用行为金融学中的噪声交易理论，通过引入一个含有过度反应系数的世代交替模型，分析房地产市场中噪声交易者的过度行为对房价波动的影响。徐松茂和姚佐文[16]通过VAR模型（向量自回归模型）和协整分析，发现人口和预期是上海房地产市场价格变动的两个主要因素，并通过行为金融学的噪声交易理论、反馈机制和羊群效应等对这种心理预期的作用进行解释。李智[17]针对城市住宅价格控制目标进行了横向比较并分析其合理性，结合南京市数据进行了案例研究。
三、成交量VPCI指标的由来及计算
1VPCI指标在股市中的应用
在股票市场中，股票交易机构吸纳和派发股票筹码的行为模式主要不是盯着每一天股票的涨跌趋势变化，它们的交易策略是结合市场的整体趋势来制定和执行的，从这个角度来看，长期市场的趋势是捕捉市场内部正在积累的供需力量的理想途径。在短期内，市场的一些行为有可能误导投资者，而且有时候还是有意的。房价也是如此，房地产公司为了快速卖出新楼盘，打着各种招牌，有意降低某些廉价房的价格，以此吸引消费者的眼光等。但是从市场较长期的趋势来看，机构投资者的行为是无法隐藏的。因此，我们需要一个成交量指标来比较这些市场趋势。基于这些想法，成交量分析大师巴夫经过严格的检验，对市场的较长期趋势找到了一个这样的指标来揭示价量之间的正相关关系。研究的结果就是成交量价格确认指标VPCI。
在介绍VPCI之前，我们先介绍两个关于价格的基本平均值：简单移动平均值（SMA）和成交量加权的移动平均值（VWMA）。VWMA是将每个交易日的收盘价用当天的成交量加权，然后除以平均值计算期间的总成交量。VWMA来衡量通过价格反映出来的投资者意愿，以当日成交量占平均值计算期间总成交量的比例为权重对价格进行加权。用成交量给价格平均值加权就是基于投资者的参与给予价格不同的强调，成交量大的交易日价格的重要性会被放大，而成交量较小的交易日的价格的重要性则会被降低。例如：我们同时用SMA和VWMA两种方法来计算两天的移动平均值，假设某只股票在第一天以10美元的价格成交了100 000股，第二天以12美元的价格成交了300 000股。SMA的计算方法是将第一天的价格加上第二天的价格，然后除以天数，即（10+12）/2=11美元。VWMA的计算方法是将第一天的价格乘以第一天的成交量占总成交量的比例（100 000/400 000=1/4），然后加上第二天的价格乘以第二天的成交量占总成交量的比例（300 000/400 000=3/4），最终结果为115美元。根据计算结果，投资者参与的实际价格不是11美元，而是VWMA所示的115美元。
VPCI指标将价格趋势和成交量加权的价格趋势加以对比，即将VWMA和相应的SMA相比较。这样的对比能够揭示价格趋势和相应的成交量之间的内在关系。虽然SMA指标能够显示一只股票价格的变化，但不能反映投资者参与的程度，而VWMA指标将价格变化的重要性根据相应的成交量进行了加权。SMA和VWMA指标之间的不对称性就提供了构建VPCI的信息。该信息被用于判断当前价格趋势的可持续性。因此，VPCI指标主要用于证实或反对当前的价格趋势。
2住宅市场价格VPCI指标的建立
VPCI涉及三种计算：成交量价格确认或反对指标（VPC+/-）、成交量价格比率（VPR）和成交量乘数（VM）。
第一步，选择一个长期和短期的时间框架。长期的时间框架用于计算基于简单价格移动平均数和成交量加权的价格移动平均数的VPC，以及基于简单价格移动平均数和成交量加权的价格移动平均数的VM。短期的时间框架用于计算基于简单价格移动平均数和成交量加权的价格移动平均数的VPR，以及基于简单价格移动平均数和成交量加权的价格移动平均数的VM。
VPC的计算方法是从长期的VWMA中减去同期的SMA。实际上，VPC是描述价格和成交量加权之间关系的核心指标，但很少被关注，当该值为正时就是VPC+指标（成交量价格确认），为负时就是VPC-指标（成交量价格矛盾）。VPC显示了价格和成交量加权后的价格在某段时期内变化的非对称性，其结果能为我们提供十分有用的信息。一个50天的SMA值为485，而同时的VWMA值为50，其差值为15代表了对上升趋势价格的成交量确认。如果计算的结果是负值，则代表了价格成交量矛盾。仅仅是这个差值就提供了关于价格趋势和相应的成交量之间的内在非对称性关系的纯粹的朴实无华的信息。
第二步，计算成交量价格比率（VPR）。VPR指标能放大或缩小相对于短期价格成交量关系的VPC+/-值。VPR的计算方法是将短期的VWMA除以短期的SMA。例如，假设短期定义为10个交易日，10天的VWMA值为25，而10天的SMA值为20，那么VPR就等于25/20，即125。我们将该值乘以第一步中计算出来的VPC+/-，而小于1的成交量价格比率则会减少VPC+/-。
第三步，计算成交量乘数（VM）。VM的目的是在成交量放大时加大VPCI的量，在成交量缩减时缩小VPCI的量。为此，我们用短期平均成交量除以长期平均成交量。例如，假设对于SMA简单移动平均线，10天的短期平均成交量为每天150万股，而50天的长期平均成交量为每天75万股，那么VM值就是1500 000/750 000=2。
在将VPC+/-乘以VPR之后，我们再乘以上一步计算出来的VM，这样我们就得到了VPCI指标。VPC+的确认值15乘以VPR值125，得到1875，然后再乘以VM值的2，最后得到VPCI值375。尽管该指标值提供了非常强的价量确认信息，但该信息最好还是结合当下的价格趋势和最近的VPCI水平来解读。我们随后将讨论如何最有效地利用VPCI指标。
VPC=VWMA-SMA
VPR= VWMA/SMA
VM=短期SMA/长期SMA
VPCI= VPC×VPR×VM
四、 VPCI指标在住宅均价趋势分析中的应用
1VPCI指标应用规则
当使用VPCI时，成交量信息是领先价格变化的，和大多数指标不同，VPCI常常在价格突变和价格反转前发出讯号。VPCI的讯号可以用于价格趋势和价格指标的分析中。VPCI大于或小于零时，显示了价量关系和当前的价格是一致还是矛盾，以及一致或矛盾的程度。这是VPCI指标提供的最重要的信息，正VPCI值确认一个上升的趋势，而负值则确认了一个下降趋势。VPCI提供的另一个重要的讯号是VPCI趋势的方向，即VPCI是上升还是下降。该讯号显示了VPCI当前变化的方向，以及VPCI当下的方向和价格趋势趋于会合还是背离。还可以通过将成交量加权的VPCI平均值平滑处理后构建一个平滑VPCI。平滑VPCI显示了当前的VPCI值相对于先前水平的变化，可用于观察VPCI的动量。当VPCI向上或向下穿过平滑VPCI线时，可能显示了VPCI具有正向的变化动量以及当下VPCI趋势会加速。下面介绍几种VPCI运用的情况分析：
（1）如果价格上升，相应的VPCI也在上升，这显示了成交量和价格变化相互确认，表明当前的趋势是有力量的。
（2）如果价格在上升，但是VPCI线都处于下降趋势，表明投资者追涨的意愿在消退。其次，VPCI线都处于零线之下，说明价格上升趋势是不能持久的。
（3）如果在VPCI曲线出现V形底部（V形底部是比较少见的）常常预示着一个转折点。
（4）价格下跌的同时VPCI上升是成交量―价格矛盾的例子，VPCI在上升，这显示了尽管价格在下跌，但是市场仍然控制在买方的手里，VPCI线处于逐渐上升的趋势，和价格的下跌趋势相矛盾。最终，在一定的买方压力下，市场不久之后就会向上突破。
2南京市住宅价格的VPCI指标计算与分析
根据南京市十年月季度的房价数据进行统计分析，也就是2004年1月到2013年12月的住宅销售情况，以6个月为短期时间框架对成交量VPCI指标进行计算，12个月为长期时间框架进行成交量分析。由于在计算VWMA时，房价不存在收盘价，根据数据检验，用均价来代替。南京2004―2013年平均半年度的均价依次为：4 0866元、4 4819元、4 5410元、4 2462元、4 3999元、4 5863元、5 0717元、5 7355元、6 2110元、 6 0360元、6 4863元、8 1047元、10 4671元、11 7724元、11 6034元、11 1652元、10 5474元、11 3084元、12 3373元、13 2831元。根据VPCI计算方法，在图1中标出了每6个月的住宅销售均价和相应的VPCI值。
从图1中我们可以得到VPCI指标是否可以正确分析房价趋势的走向。
（1）从图1中我们可以看到，在2004―2012年VPCI值在零线之上，正VPCI值确认了一个价格上升的趋势。这显示了房价处于长期吸纳筹码状态，即说明价格会持续上涨，从2004年以后的房价信息中我们也看到了房价确实是一直上升的。但是在2013年时VPCI为负值，显示当前的成交量和价格趋势是矛盾的，支持房价上涨的成交量已经萎缩，说明房价的上升趋势是不能持久的。
（2）VPCI提供的另一个重要的讯号是VPCI趋势的方向，该讯号显示了VPCI当前变化的方向，以及VPCI当下的方向和价格趋势会合还是背离。从图1中我们可以看到，2004―2006年末VPCI是上升的，相对应的价格也是缓慢上升的，当价格上升伴随着成交量的放大，显示了房地产行业得到了人们的支持。上升的VPCI线，这显示了成交量和价格变化相互确认，显示当下的方向和价格趋势趋于会合，表明当前的趋势是有力量的。相反的，如果VPCI是下降的，表明成交量和价格变化趋势相矛盾，价格趋势得不到成交量的支持，显示VPCI当下的方向和价格趋势是背离的，预示着以后阶段房价增幅会有所减少，甚至会降低。从图1中可以看出，2004―2006年VPCI的上升趋势正好预测2004―2007年房价的上升；即2004―2006年VPCI上升，同时2004―2006年房价也是增长的，两者的变化相互确认，表明当前房价得到了成交量的支持，预示着下一阶段房价的上涨，即2007年房价的上涨。2007―2008年VPCI的下降和2008―2009年房价的小幅度降低，2008―2009年VPCI的上升确认2009―2010年房价的持续上涨，2009年末到2010年VPCI的下降趋势正好对应2010―2011年末房价的下降，即VPCI下降，房价上升，市场房价的上升得不到成交量的支持，表明成交量和价格变化趋势相矛盾的，预示着未来阶段房价的下降。2011年末到2012年上半年VPCI的上升也解释了2012年到2013年房价的上升。
（3）从图1中我们看到出现了两个V形底部，第一个在2007年7月份到2009年6月份，预示了2010年房价的大幅度上涨。第二个V形出现在2010―2011年，在这期间房价是下降的，V形预示着房价的一个上涨讯号，结果在2011―2013年相应地出现了房价比较大的上浮。
为了验证VPCI指标的准确性，用南京市城北板块和城南板块再次做分析：
南京市城北板块2007―2013年平均半年度的均价依次为：6 7105元、7 5754元、8 2886元、8 000元、7 9457元、9 9326元、13 0378元、12 6785元、12 5602元、 9 8976元、9 8844元、12 4658元、13 3219元、12 8232元。根据VPCI计算方法，在图2中标出了每6个月的住宅销售均价和相应的VPCI值。
从图2中我们可以得到VPCI指标是否可以正确分析房价趋势的走向。
（1）从大致图形中我们可以看到在2007―2009年VPCI值为正，正VPCI值确认了一个价格上升的趋势。这显示了房地产房价处于长期的吸纳筹码的状态，即说明价格会持续上涨，从2004年以后的房价信息中我们也看到了确实房价是一直稳步上升的。但是在2010―2011年时VPCI为负值，显示当前的成交量和价格趋势是矛盾的，支持房价上涨的成交量已经萎缩，说明房价的上升趋势是不能持久的。从图2房价信息中可以得到验证，2010年1―6月的房价上升到13 0378元后，房价出现了连续下跌，2010年7―12月房价为12 6785元，2011年1―6月的房价为12 5602元，2011年7―12月的房价为 9 8976元，2012年1―6月的房价为9 8844元。从2011―2012年VPCI值呈现出上升趋势，处于零线之上，说明确认了一个价格上升的趋势，即说明价格会上涨，从2012年以后的房价信息中可以看到房价上升。2013年的VPCI为负值，显示当前的成交量和价格趋势是矛盾的，不会支持房价的上涨，在2013年的房价信息中我们可以看到2013年之后的房价已经出现了下降的趋势。
（2）VPCI提供的另一个重要讯号是VPCI趋势的方向，该讯号显示了VPCI当前变化的方向，以及VPCI当下的方向和价格趋势会合还是背离。从图2中我们可以看到，2007―2009年VPCI是上升的，相对应的价格也是缓慢上升的，当价格上升伴随着成交量的放大，显示了房地产行业得到了人们的支持。上升的VPCI线，这显示了成交量和价格变化相互确认，显示当下的方向和价格趋势趋于会合，表明当前的趋势是有力量的。相反的，如果VPCI是下降的，表明成交量和价格变化趋势相矛盾，价格趋势得不到成交量的支持，显示VPCI当下的方向和价格趋势是背离的，预示着以后阶段房价增幅会有所减少，甚至会降低。从图2中可以看出，2007―2009年VPCI的上升趋势正好预测2007―2010年房价的上升；即2007―2009年VPCI上升，同时2007―2010年房价也是增长的，两者的变化相互确认，表明当前房价得到了成交量的支持，预示着下一阶段房价的上涨，即2007年房价的上涨。2009―2011年VPCI的下降预测到2010―2012年房价的降低，2011―2012年VPCI的上升确认2012―2013年房价的上涨。2009年末到2011年VPCI的下降趋势正好对应2010―2012年末房价的下降，即VPCI下降，房价上升，市场房价的上升得不到成交量的支持，表明成交量和价格变化趋势相矛盾的，预示着未来阶段房价的下降。2011年上半年到2012年下半年VPCI的上升也解释了2012年到2013年房价的上升。
（3）从图2中我们看到出现了一个平缓的V形底部，在2009年7月到2012年6月，预示了2012―2013年房价的上涨。
南京市城南板块2007―2013年平均半年度的均价依次为：6 75902元、7 5218元、9 9897元、9 3412元、9 3690元、10 1642元、14 5368元、11 7804元、12 4059元、12 2085元、11 2306元、11 7693元、12 5401元、13 7430元。根据VPCI计算方法，在图3中标出了每6个月的住宅销售均价和相应的VPCI值。
（1）从图3中我们可以看到，在2007年VPCI值在零线之下，显示当前的成交量和价格趋势是矛盾的，不会支持房价的上涨，结果在2008年房价出现了下降趋势；2008―2009年VPCI值为正，正VPCI值确认了一个价格上升的趋势。这显示了房地产房价处于长期的吸纳筹码的状态，即说明价格会上涨，从2008年末以后的房价信息中我们也看到了确实房价是一直稳步上升的。但是在2010―2011年时VPCI成为了负值，显示当前的成交量和价格趋势是矛盾的，支持房价上涨的成交量已经萎缩。从图中房价信息中可以得到验证，2010年1月到2012年6月的房价出现了整体下跌的趋势，2012年VPCI值又呈现出上升趋势，处于零线之上，说明确认了一个价格上升的趋势，即说明价格会有上涨的趋势，从2012年以后的房价信息中我们也看到房价是上升的。2013年的VPCI值处于零线之下，显示当前的成交量和价格趋势是矛盾的，不会支持房价的上涨，预示着2014年房价上升的幅度不大。
（2）从图3中我们可以看到，2007年到2008年上半年VPCI是上升的，相对应的价格也是缓慢上升的，当价格上升伴随着成交量的放大，显示了房地产行业得到了人们的支持。上升的VPCI线，这显示了成交量和价格变化相互确认，显示当下的方向是和价格趋势趋于会合，表明当前的趋势是有力量的。相反的，如果VPCI是下降的，表明成交量和价格变化趋势相矛盾，价格趋势得不到成交量的支持，显示VPCI当下的方向和价格趋势是背离的，预示着以后阶段房价增幅会有所减少，甚至会降低。从图3中可以看到2007年到2008年1月VPCI值的上升趋势预测到2007―2008年房价的上涨，2008年VPCI的下降趋势验证2008―2009年房价的下降，2009年VPCI的上升预测到2009―2010年房价的上升。2009年下半年到2010下半年VPCI的下降预测2010―2012年房价的降低，2010下半年到2012年VPCI的上升确认2012―2013年房价的上涨。
（3）从图3中我们看到出现了一个V形底部，在2009年7月份到2011年12月份，预示了2012―2013年房价的上涨。
3结论和意义
VPCI指标适合用于城市住宅价格趋势的分析。在进行均价分析时，相应地也可以计算出其VPCI值，运用VPCI值进行房价趋势的验证和当下房价的趋势是否合理，以及房价上涨的潜力还要持续多久。也可以用于更好地进行房价的调控，使国家房地产行业健康持续的发展。
参考文献：
[1]熊超地方房价调控目标应更多地考虑房价收入比等核心指标[J]中国外资，2012，（1）：34
[2]柯佳佳，吴伟巍关于城市住宅价格控制目标的若干思考[J]价格理论与实践，2011，（11）：29-30
[3]贺建清房地产价格波动：一个基于博弈论视角的分析[J]天津商业大学学报，2009，29（2）：10-15
[4]周建军， 侯杰国际游资与房地产价格波动：理论与实证[J]现代经济信息，2008，（3）：5-7
[5]熊璐瑛汇率波动对房地产价格影响的多视角分析及对策研究[J]特权经济，2009，（7）：207-209
[6]杨冬宁土地供给因素对住宅价格波动的影响[J]中国房地产，2009，（8）：20-21
[7]孔煜货币政策与房地产价格波动的关系分析[J]商业时代，2010，（11）：51-52
[8]梁云芳， 高铁梅我国商品住宅销售价格波动成因的实证分析[J]管理世界，2006，（8）：76-80
[9]杨冬宁住宅价格的多因素动态分析研究――以杭州市场为例[D]上海： 复旦大学博士学位论文，2009
[10]李成刚， 陈永斌， 李方杰基于Panel Data模型的住宅价格影响因素研究――以河北省为例[J]石家庄经济学院学报，2009，（2）：37-40
[11]周恩臣我国住宅价格波动的原因分析[D]南宁：广西师范大学硕士学位论文，2007
[12]卫正逸， 屈梦溪国际资本流动与我国房地产价格波动的相关性研究[J]商场现代化，2010，（18）： 16-17
[13]宋勃， 高波利率冲击与房地产价格波动的理论与实证分析：1998―2006[J]经济评论，2007，（4）： 46-56
[14]周京奎房地产价格波动与投机行为――对中国14城市的实证分析[J]当代经济科学，2005，（4）： 19-24
[15]张文娟基于噪声交易理论的房地产市场价格波动研究[J]商业经济研究，2010，（5）：126-127
【关键词】物业税 房地产价格 香港地区
一、香港地区物业税概述
香港与物业税（广义）有关的税收，包括差饷和物业税（狭义）两项。和我们平时所说的物业税的概念有所不同，香港所称的“物业税”，其课税范围仅限于用于出租经营并获得租金收益的物业。而差饷的内涵倒是更符合通用物业税的含义，是对纳税人拥有的所有房屋，包括自用和非自用的房屋都征税。所以也有人把香港的差饷直接称为物业税，把“物业税”称为不动产税。实际上，两者都是对物业在保有环节的课税，都是本文讨论的物业税范畴。
（一）差饷
香港的差饷1845年开始实施，意为官差的饷银。当时政府为了支付警察的粮饷而开始向辖区内的物业征税，名为差饷。1856、1860、1862年政府又分别对公共照明、市政供水、公共消防项目的支出加征物业税。到1931年，政府开始统一征收差饷用以支付政府的一些公共服务开支。1988年，各个名目的物业税收被加总合并，统称为差饷。这一名称一直沿用至今。1995年香港政府统一了评估和征收的责权，至此差饷的征收系统趋于完善。现在，差饷已作为政府、市政局及区域市政局所提供各项公共服务的经费使用。
差饷的计税依据为应课差饷租值。物业的应课差饷租值是假设物业在一个指定估价日期空置出租时估计全年可得的合理市面租金。1998年11月，政府宣布编制新的估价册并于1999年4月1日起生效，同时规定，此后物业的应课差饷租值由每3年重估一次，改为每年重估一次。评估应课差饷租值时，需考虑区内同类物业于指定估价日期或接近该日在公开市场由业主与租客双方议定的租金，再根据物业面积、位置、设施、完工素质及管理水平分别加以调算。差饷缴纳人可对应收差饷租值的评估值提出反对，但提出反对时，仍须如期缴交本期差饷。反对获得批准时，所作修改会追溯至生效日期。
差饷的征收率由立法局决定。1999年4月1日起，差饷的征收率为5%。
根据差饷的计税依据和征收率，即可计算出应课差饷。差饷的计算公式为：
差饷=应课差饷租值×差饷征收率
差饷物业估价署负责差饷的征收。差饷每季预缴，业主与物业使用人应依双方租约条款确定缴付人。租约未订明由业主缴交的，由使用人缴交。逾期未缴付的，加征5%的附加费。在原先的最后缴款日期后6个月内，仍未清缴包括5%附加费在内欠款的，要二次加征附加费。
（二）物业税
香港自从1940年战时税法通过以后，就开始征收物业税。《税务条例》规定了4种收益税：物业税、薪俸税、利得税和利息税。物业税规定于《税务条例》第二部分，1947、1961、1965、1983和1991年做过修改。香港以物业税的名义同时对土地和楼宇收益征税，是土地税和房产税的合一。所以有人认为，香港物业税实为不动产财产税。
香港物业税的纳税人是拥有应税物业的业主，包括直接由政府批租的房产持有人、权益拥有人、终身租用人、抵押人、已占有房地的承押人、向注册合作社购买楼宇者等，但香港的物业税只向有租金收入的业主征收，没有租金收入的业主不是物业税的纳税人。
物业税的计税依据是每一课税年度按照土地或楼宇的应评税净值。这里，应评税净值是指应评税值扣减业主缴纳的差饷及20%的标准扣减率(用以弥补修理费和开支费用)后的余额。而所说的楼宇，包括楼宇的任何部分，也包括墩(桥墩)、码头以及一般理解为不构成一幢楼宇的任何建筑物。物业税的应评税值是依据实际收入申报表计算的。包括在该课税年度内为取得土地或楼宇的使用权而付出的费用，如资本性支出、获取提供服务或便利而支付的费用，以及根据《差饷条例》征收的差饷等，可作为扣减项目扣除。
物业税的计算公式为：
应缴物业税＝｛[应评税值（租金收入）－差饷]×（1－20%）｝×税率
立法局可以通过决议案修订标准扣减率。物业税的税率在2004年之前为15%，2004年为16%。
二、香港地区物业税(广义)对房地产市场的影响分析
（一）香港差饷征收对房地产市场的影响分析
香港的差饷1845年开始征收。差饷的开征，增加了业主的持有成本，因此，香港绝大多数物业的业主会尽量避免房屋空置。甚至在特殊时期，在约定由租户缴纳各项税费的情况下，以零租金出租，减轻持有负担。因此，差饷的开征会减少房屋空置，加大供给量，提高社会物质财富利用率的作用，对房地产行业的管理具有重要意义。
同时，差饷也是香港政府调节房地产市场和整体经济的一个常用手段。香港是典型的城市型经济特征，地域狭小，人口较多，密度约是上海的3倍。香港的房地产市场发展速度很快，波动也比较剧烈，几十年来经历过多次起落（见表1和图1），香港政府也经常利用差饷进行调节。
但是，与我国内地目前情况不同的是，香港近年来运用差饷对房地产市场所做的重要调整，多是在房地产衰退时期，目的不是为了抑制房价，而是刺激房地产市场的复苏。从这样的实践中，也同样可以考察差饷对房地产市场的影响作用。
从图1中可以看到，从1985年香港房地产市场复苏算起，到1997年，香港的房价已上涨了近10倍。1997年，香港的房地产市场泡沫破灭，楼价一路下跌，与1997年度的峰值相比，2004年第四季度香港的楼宇价格平均下跌了62%，私人住宅租金平均减少了48%。
在1998年～2003年香港房地产市场的低迷时期，为了减轻差饷缴纳人的负担，香港政府根据法律对差饷进行了多次减免或延缓缴纳的灵活调整：1998年退还当年第二季度的差饷；1999年免除所有缴纳人第三季度的差饷；2002年免收5 000港元以下低额差饷（此项政策使得230万左右的约85%的缴纳人在该年内不需要缴纳差饷）；2003年在SARS期间免除了约90%的缴纳人的差饷，并延长了3个月的缴纳期限。这些政策对经济低迷时期房地产市场的企稳和复苏，起到了积极作用。
在2007年下半年爆发的全球经济危机背景下，香港政府也利用差饷工具对房地产市场以及经济发展进行了调节，实施了多项减免，稳定房地产市场，鼓励经济复苏。2007年～2009年香港地区的差饷减免摘要，见表2。
我们可以看到， 差饷对房地产市场的调节作用是非常有限的。以上述1998年～2003年的房地产下降周期为例，尽管香港政府进行了多次差饷减免，但是房地产市场的价格仍然在直线下降。事实上，香港地区无论是1997年前的楼价疯狂攀升，还是此后至2003年的大跌，或者近两年的房地产波动，都是多个因素造成的，包括经济发展状况、收入水平、心理预期、金融危机影响等，而差饷对房地产市场的影响，相比之下，并不十分明显。
（二）香港物业税(狭义)对房地产市场的影响分析
香港的物业税，主要是对业主来自物业的租金收入征税。自住物业、空置物业、虽用于经营但无租金收入的物业等，都不需要缴纳物业税。这实际上是对自住房屋和出租投资房屋作了区分，居民自住房地产市场的供求不受物业税的影响。
香港的物业税税率，基本上每一课税年度都会根据当时的经济情况作出相应的调整。在2004年～2007年间，香港房地产市场投资过快过热的情况下，政府曾一度上调物业税税率，增加业主对房地产的持有成本，间接调控房地产市场的过度繁荣。2008 年全球金融危机爆发，香港经济也备受打击，香港政府立即下调了物业税率。具体来看，2002年度香港物业税的标准税率是15%，2003年度标准税率上调至15.5%，2004年～2007年又上调至16%，2008年度下调至15%。这种适应不同时期的经济发展趋势，采用税率变动来提高或抑制民众对本地房地产业投资兴趣的措施，不仅及时体现了税收对经济及社会分配的调节功能，而且有效组织了财政收入，这与香港保持稳定的投资环境的税收政策取向有关。2002年～2008年间香港物业税的调整和房价走势对比见图2。
从图2中可以看出，从2002年～2004年物业税每年连续调整0.5个百分点，但是，房价依然在上行中；2004年～2007年物业税的税率水平保持在16%，房价继续上涨。2008年物业税降低了1个百分点，房价较2007年上涨速度减弱，但是仍然有所上升。因此，从香港的实践来看，物业税对房价的影响并非主要因素，物业税的调整只能促进或者减缓房地产市场原来的发展趋势，而没有使房价走势做方向上的改变。
三、结论
（一）物业税的征收有利于规范和引导房地产市场健康发展
香港的物业税根据物业评估值在保有环节按年征收，也就意味着政府直接进入了收益环节获取购房者的部分红利，这会抑制房地产投机，规范房地产市场的运行。而目前从总体来看，我国内地房地产市场的需求还比较旺盛，某种程度上可以说需求的释放程度主导着房价的走势。物业税的开征，会增加房地产的保有成本，压缩房地产市场的投资需求，甚至一部分改善型需求也会受到影响，这将有利于防止房价的泡沫化；同时，开征物业税，也可以改变目前房地产税种繁杂、计税依据不合理的现状，有利于降低房地产开发成本，减少金融风险，引导和规范房地产市场的健康运行。
（二）物业税的征收对房价的影响有限
虽然物业税的开征会带来房地产保有成本的提高，但是，和房地产的总价值相比，物业税的征收金额很小。从业主占有房地产的实际收益和成本角度看，物业税因素基本不可能成为决定房价走势的关键因素。观察香港物业税征收及调整情况，对比房地产市场价格的走势，可以发现，香港物业税对房地产市场价格趋势的影响，作用有限。对我国内地房地产市场价格而言，如果物业税税费增加（比如百分之零点几的税率）远远赶不上投资房地产的利润收入，并且如果这种税费还可以通过买卖交易得以转嫁，那么就很难期待物业税改革会给房地产市场价格有效降温。房地产价格的走势，本质上仍取决于房地产市场的供求。而影响房地产市场供求的因素繁多，税收制度只是其中一个，一般来看也不会是决定性因素，因此其对房地产市场价格的影响是有限的。
主要参考文献：
[1]谢伏瞻.中国不动产税制设计［M］.北京：中国发展出版社，2006.
[2]赵瑾璐，卜婧怡. 国际物业税征收的制度概况和经验借鉴［J］.经济研究，2009（6）.
