论文部分内容阅读
上海证券交易所和深圳证券交易所分别成立于上世纪90年代初，两个交易所的正式成立标志着我国证券市场的诞生。在此之后，我国的股票市场经历了从小到大迅速发展的时期，伴随着股票市场的发展，它在现今的市场经济、金融生活中发挥着重要的作用，且与其他的金融市场之间的联系更加密切。随着我国金融创新和金融市场的不断发展，股票市场已经发展成为我国经济运行的“晴雨表”。在股票市场发展的日趋完善之时，房地产市场也势如破竹，迅猛发展，成为我国市场经济发展过程中的一个重要组成部分，房地产市场已然发展成为关系着我国当前社会稳定、经济发展的支柱产业和驱动力。
近年来，我国股票市场与其他市场的联动越来越强烈，一方面是受2008年金融危机的冲击，实体经济还没有完全复苏，市场中闲散的资金缺乏投资领域，因而多在股市、房市等金融市场中流转;另一方面，由于市场经济的调节，为避免风险扩大收益，资金在金融市场间的流动更加明显。因此，房地产也由简单的消费品和实体资产转变为大众青睐的一种重要的投资产品、由实体资产发展成为具备了虚拟资产的特性的金融资产，顺势成为传统金融工具的延续和补充。
股票和房地产已经成为众多投资产品中投资者最关心和关注的投资领域，资金开始在这两个市场之间流动。由于国际金融环境变幻莫测、不可预料，市场与市场之间的联系紧密，在偌大的市场环境如果有一个子市场出现动荡，整个金融市场体系就会被打乱。因此，无论是从投资者的角度出发还是从政策制定者的角度考虑，为促使我国的金融经济市场稳健发展、为投资者营造一个良好的投资氛围，促进股票市场与房地产市场的健康发展，对两个市场的联动性展开研究都显得尤为重要。
大量的研究结果显示，金融资产的指数序列具有非正态、非对称、尖峰厚尾等结构特征，运用线性相关系数和格兰杰因果分析方法对不同金融市场的联动性展开分析，具有一定的局限性。随着计算机编程技术的发展和数学建模方法的成熟，国内外的专家、学者陆续开始研究并引入Copula函数，使用Copula函数建模方法对金融经济变量之间的相关性进行研究分析，可以克服传统分析方法的缺陷与不足。Copula函数建模方法与普通的线性的建模方法不同，Copula函数建模方法对变量的边缘分布完全没有限制，针对整个联合分布进行建模。利用Copula建模对非正态分布序列、非对称信息数据建模具有很大的优势，并且可以利用Copula函数分析金融序列的尾部相关关系。
运用Copula函数对金融经济变量进行建模具有以下几个优点:首先，Copula函数建模方法对变量的边缘分布的形式完全没有限制。Copula函数建模不受变量的边缘分布形式的影响，能够比较灵活的构造多元随机变量之间的联合分布，并且Copula函数还可以对任何形式的边缘分布进行连接，然后得到能够满足不具有相同边缘分布或者相关结构的变量的联合分布;再者，Copula函数建模之后，可以计算模型的Kendall相关系数、尾部相关系数等多个指标，这些指标能够反映变量指标的非对称、非线性的相关结构，尤其是发现各个变量所含有的尾部相关关系。因此，运用Copula函数建模的方法分析两个金融市场之间的联动关系具有一定的前瞻性。
近年来，国内外的专家学者相继对这两个市场之间的联动关系开展研究，大量的研究结果表明股票市场和房地产市场之间具有联系。在我国，对于股票市场和房地产市场的研究比较有限，两个市场间的联动关系在近几年才受到关注的，研究结论参差不齐、差异很大，还没有形成统一的定论。出现这种现状可能有以下三个方面的原因:
第一、目前的文献中对股票市场和房地产市场之间的联动关系的研究多是实证结果的呈现，理论解释相对匮乏，没有将定量与定性分析结合一起，大多停留在对实证结果分析与解释的层面，没有涉及到理论层面来解释互动原因。
第二、股票市场和房地产市场的联动性研究多是基于向量自回归(VAR)模型、格兰杰因果检验、ARCH模型等计量经济学方法，很少有文献使用Copula模型从尾部相关系数的角度出发研究其波动相关性，方法运用上具有一定的局限性。
第三、数据选取不统一、样本容量较小，尤其是因为我国房地产市场的发展受政策调控的影响比较大，导致我国房市和股市的研究结论不一致。2008年之前的文献中，指标数据取值到2008年，因此，在样本区间我国并未经受由美国的房地产市场泡沫破灭所引发的全球性的金融危机的影响，金融危机对我国的金融市场尤其是股市和房市的冲击以及对两者关系的冲击便无从考证。特别是近年来，我国政府先后出台了大量力度空前的房地产市场调控政策，房地产市场受到了巨大的影响，因此，在这样的大环境下，股票市场和房地产市场之间的长期关系也就需要重新考量。
因此，本文旨在站在前人的肩膀上做研究，充分吸收和借鉴前人的研究理念，为了提供更具有说服力的事实和数据支持，本文将定量研究与理论研究有机地结合在一起，结合向量自回归模型(VAR)、脉冲响应分析、格兰杰因果关系检验以及Copula理论进行实证分析。
在定性分析阶段，首先分析了我国股票市场和房地产市场的发展现状，其次从财富效应角度、资产组合角度和宏观经济因素等角度对两个市场的互动机制展开分析，最后介绍了Copula理论以及Copula函数建模的方法。
在实证分析阶段，选取上证综指和房地产开发综合景气指数1998年至2014年间的月度数据，基于两个序列的基本统计特征，首先借助向量自回归模型、脉冲响应分析和格兰杰因果关系检验等方法研究股票市场和房地产市场的的联动关系，然后构建Copula函数模型研究股票市场和房地产市场的尾部相关性，最后计算了当期与滞后期的尾部相关系数并对比分析了两个市场不同时期的联动关系，从而形成对股市和房市联动性的全面可观的分析。
最后，根据实证部分得出的结论分析股市与房市的具体关系，对分析结果展开解读并分析其经济原因，进而提出展望和本文研究中存在的不足。
本文在指标选取和研究方法上有以下几点的突破:
第一、本文取1998年-2014年股票市场与房地产市场的月度数据作为研究对象，弥补了数据区间短，缺乏现实研究意义的缺陷。
第二、本文选取全国房地产开发综合景气指数作为房地产市场的分析指标，房地产开发综合景气指数是从房地产业发展的基本要素（土地供给、市场资金、开发量和市场需求等）出发，对能反映房地产整体运行状况的八个方面构建分类指数，并对这些分类指数进行加权平均得到的综合指数，它综合地反映了房地产市场景气变化趋势与变化程度。
第三、本文在实证分析阶段选用了多种方法进行研究，首先使用向量自回归模型、脉冲响应分析、格兰杰因果关系检验等方法对两个市场的关系进行研究，进而建立Copula函数模型并计算了两个市场的尾部相关系数。
第四，进行股市和房市尾部相关性分析时，不但计算了当期两个市场之间的相关性，还计算了股票市场当期和房地产市场滞后期以及股票市场滞后期和房地产市场当期的尾部相关系数值，对比分析股市和房市当期以及滞后期的联动关系。
近年来，我国股票市场与其他市场的联动越来越强烈，一方面是受2008年金融危机的冲击，实体经济还没有完全复苏，市场中闲散的资金缺乏投资领域，因而多在股市、房市等金融市场中流转;另一方面，由于市场经济的调节，为避免风险扩大收益，资金在金融市场间的流动更加明显。因此，房地产也由简单的消费品和实体资产转变为大众青睐的一种重要的投资产品、由实体资产发展成为具备了虚拟资产的特性的金融资产，顺势成为传统金融工具的延续和补充。
股票和房地产已经成为众多投资产品中投资者最关心和关注的投资领域，资金开始在这两个市场之间流动。由于国际金融环境变幻莫测、不可预料，市场与市场之间的联系紧密，在偌大的市场环境如果有一个子市场出现动荡，整个金融市场体系就会被打乱。因此，无论是从投资者的角度出发还是从政策制定者的角度考虑，为促使我国的金融经济市场稳健发展、为投资者营造一个良好的投资氛围，促进股票市场与房地产市场的健康发展，对两个市场的联动性展开研究都显得尤为重要。
大量的研究结果显示，金融资产的指数序列具有非正态、非对称、尖峰厚尾等结构特征，运用线性相关系数和格兰杰因果分析方法对不同金融市场的联动性展开分析，具有一定的局限性。随着计算机编程技术的发展和数学建模方法的成熟，国内外的专家、学者陆续开始研究并引入Copula函数，使用Copula函数建模方法对金融经济变量之间的相关性进行研究分析，可以克服传统分析方法的缺陷与不足。Copula函数建模方法与普通的线性的建模方法不同，Copula函数建模方法对变量的边缘分布完全没有限制，针对整个联合分布进行建模。利用Copula建模对非正态分布序列、非对称信息数据建模具有很大的优势，并且可以利用Copula函数分析金融序列的尾部相关关系。
运用Copula函数对金融经济变量进行建模具有以下几个优点:首先，Copula函数建模方法对变量的边缘分布的形式完全没有限制。Copula函数建模不受变量的边缘分布形式的影响，能够比较灵活的构造多元随机变量之间的联合分布，并且Copula函数还可以对任何形式的边缘分布进行连接，然后得到能够满足不具有相同边缘分布或者相关结构的变量的联合分布;再者，Copula函数建模之后，可以计算模型的Kendall相关系数、尾部相关系数等多个指标，这些指标能够反映变量指标的非对称、非线性的相关结构，尤其是发现各个变量所含有的尾部相关关系。因此，运用Copula函数建模的方法分析两个金融市场之间的联动关系具有一定的前瞻性。
近年来，国内外的专家学者相继对这两个市场之间的联动关系开展研究，大量的研究结果表明股票市场和房地产市场之间具有联系。在我国，对于股票市场和房地产市场的研究比较有限，两个市场间的联动关系在近几年才受到关注的，研究结论参差不齐、差异很大，还没有形成统一的定论。出现这种现状可能有以下三个方面的原因:
第一、目前的文献中对股票市场和房地产市场之间的联动关系的研究多是实证结果的呈现，理论解释相对匮乏，没有将定量与定性分析结合一起，大多停留在对实证结果分析与解释的层面，没有涉及到理论层面来解释互动原因。
第二、股票市场和房地产市场的联动性研究多是基于向量自回归(VAR)模型、格兰杰因果检验、ARCH模型等计量经济学方法，很少有文献使用Copula模型从尾部相关系数的角度出发研究其波动相关性，方法运用上具有一定的局限性。
第三、数据选取不统一、样本容量较小，尤其是因为我国房地产市场的发展受政策调控的影响比较大，导致我国房市和股市的研究结论不一致。2008年之前的文献中，指标数据取值到2008年，因此，在样本区间我国并未经受由美国的房地产市场泡沫破灭所引发的全球性的金融危机的影响，金融危机对我国的金融市场尤其是股市和房市的冲击以及对两者关系的冲击便无从考证。特别是近年来，我国政府先后出台了大量力度空前的房地产市场调控政策，房地产市场受到了巨大的影响，因此，在这样的大环境下，股票市场和房地产市场之间的长期关系也就需要重新考量。
因此，本文旨在站在前人的肩膀上做研究，充分吸收和借鉴前人的研究理念，为了提供更具有说服力的事实和数据支持，本文将定量研究与理论研究有机地结合在一起，结合向量自回归模型(VAR)、脉冲响应分析、格兰杰因果关系检验以及Copula理论进行实证分析。
在定性分析阶段，首先分析了我国股票市场和房地产市场的发展现状，其次从财富效应角度、资产组合角度和宏观经济因素等角度对两个市场的互动机制展开分析，最后介绍了Copula理论以及Copula函数建模的方法。
在实证分析阶段，选取上证综指和房地产开发综合景气指数1998年至2014年间的月度数据，基于两个序列的基本统计特征，首先借助向量自回归模型、脉冲响应分析和格兰杰因果关系检验等方法研究股票市场和房地产市场的的联动关系，然后构建Copula函数模型研究股票市场和房地产市场的尾部相关性，最后计算了当期与滞后期的尾部相关系数并对比分析了两个市场不同时期的联动关系，从而形成对股市和房市联动性的全面可观的分析。
最后，根据实证部分得出的结论分析股市与房市的具体关系，对分析结果展开解读并分析其经济原因，进而提出展望和本文研究中存在的不足。
本文在指标选取和研究方法上有以下几点的突破:
第一、本文取1998年-2014年股票市场与房地产市场的月度数据作为研究对象，弥补了数据区间短，缺乏现实研究意义的缺陷。
第二、本文选取全国房地产开发综合景气指数作为房地产市场的分析指标，房地产开发综合景气指数是从房地产业发展的基本要素（土地供给、市场资金、开发量和市场需求等）出发，对能反映房地产整体运行状况的八个方面构建分类指数，并对这些分类指数进行加权平均得到的综合指数，它综合地反映了房地产市场景气变化趋势与变化程度。
第三、本文在实证分析阶段选用了多种方法进行研究，首先使用向量自回归模型、脉冲响应分析、格兰杰因果关系检验等方法对两个市场的关系进行研究，进而建立Copula函数模型并计算了两个市场的尾部相关系数。
第四，进行股市和房市尾部相关性分析时，不但计算了当期两个市场之间的相关性，还计算了股票市场当期和房地产市场滞后期以及股票市场滞后期和房地产市场当期的尾部相关系数值，对比分析股市和房市当期以及滞后期的联动关系。