论文部分内容阅读
本文选取2010年6月-2016年6月南京市的月房价和月租金为样本数据,首先通过建立MS房价波动模型和ARIMA模型研究房价的长期波动和短期波动;其次建立MS租金波动模型并结合HP滤波法分析技术研究租金的波动性和内在增长特征;最后建立SVAR模型深入研究了南京市房价和租金的动态协同关系。针对房价波动性问题,首先,建立房价MS波动模型(2.3),借助Hamilton极大似然法对参数进行估计,得到了高波动和低波动的划分标准以及状态转移概率矩阵。由转移概率矩阵得到高波动和低波动的自我维持率分别为0.987和0.986;平均持续时间为74.6个月和68.99个月,且现阶段处于高波动。通过研究房价马氏链的遍历性和平稳分布得到长期以后房价稳定在高波动和低波动的概率分别为0.4815和0.5186。其次,通过建立ARIMA(2,2,2)模型预测2016年7月至2016年12月的房屋价格,结果表明:南京市房价在未来的几个月将仍然呈上升趋势,其中7月和8月的预测值分别为18290元/平和18913元/平,与中国指数研究院最新发布的房价数据相比,相对误差分别为1.1%和1.3%。针对租金波动性问题,采用类似于房价MS模型的建立方法建立了租金波动模型(3.1),转移概率矩阵用EM算法估计。据此模型得到租金市场高波动和低波动的自我维持率分别为0.9347和0.9184,持续时间为15.3个月和12.3个月,且现阶段处于低波动。长期之后,租金稳定在高波动和低波动的概率分别为0.5555与0.4445。运用HP滤波法分析技术表明实际观察的租金增长远大于租金的内在增长。另外,测得的长期均衡租金增长显示,租金增长波动幅度现已拉大到26个月,且增长趋势还在持续。结合实际房屋租金来看,租金的确仍在继续上涨,这与国家为一线城市“去库存”而出台的一系列政策有着密切联系。针对房价与租金的动态协同关系,建立SVAR模型,利用WCC约束条件对模型进行识别,利用FIMLE方法进行参数估计,得到模型(4.25)和(4.26)并研究其脉冲响应及方差分解。结果表明:房价在短期和长期对租金和自身均有明显的正向冲击作用;租金在短期内不会引起房价的波动,长期后对房价有负向冲击作用;房价对租金的冲击力度要强于租金对房价的冲击力度。从房价的方差分解来看,租金和房价作为内生变量对租金的贡献度在第10期后趋于平稳,其中约87%的冲击来自房价,13%的冲击来源于租金;而租金的方差分解结果是约29%的冲击来自房价,71%的冲击来源于租金本身。最后,本文给政府和购房者尤其是大学生提出了合理的参考建议。