金融调控政策对房地产市场的影响

[内容摘 要 ]本文运用事件分析法,采用多变量回归模型考察一系列房地产金融调控政策对房地产业的影响.分析表明,在短期内一系列金融调控政策对房地产上市公司产生了平均的显著为负的累计异常回报率,同时,也显著增大了房地产上市公司股票的系统风险,从而验证了一系列金融调控政策对房地产上市公司所产生的负的股东财富效应.因此,笔者认为单凭借货币政策难以解决我国现阶段房地产市场过高问题,还需借助财政政策、土地政策、引导消费预期等综合手段来调控房地产市场.

[关 键 词 ]房地产金融调控；MVRM模型；累计异常回报率

一、房地产金融调控的进程描述及事件日的确定

(一)房地产金融调控政策介绍

自从商品房改革以后,国内的房地产业一直保持高速增长.为限制房地产业的过快发展,防止泡沫发生,同时为了保护国内商业银行,国家出台了一系列政策措施,希望过快发展的房地产业能够软着陆.在这一系列政策措施中,2003年6月央行发布的121号令、2005年3月、6月国务院及七部委出台的新旧“国八条”、2006年5月国务院出台的“国六条”和“九部委十五条”是其核心事件.除以上三项措施外,我国自2002年4月至2007年10月相继出台了30余项措施来调控房地产市场,而其基本上都是围绕着三个核心事件展开的.

(二)事件日以及虚拟检测设的确定

1．事件日的确定.本文选择的10个事件及其发生日期见表1.

2．虚拟检测设的确定.

H01：在某一个事件发生时,房地产上市公司的平均异常回报率为0.

H02：一系列金融调控事件对房地产上市公司平均的异常回报率为0.

H03：一系列金融调控事件对房地产上市公司的系统风险的改变量为0.

检测设中主要是从证券市场的角度分析行业调控的影响.第一个检测设单独考虑每一次事件的影响.第二个检测设则将所有的行业调控政策和事件看作一个事件,来衡量房地产上市公司股东财富,即公司价值变化.第三个检测设是从房地产上市公司系统风险的角度进行考察,以检验房地产金融调控是否带来投资风险的变化.

二、房地产金融调控政策产生的经济效应的计量分析

(一)实证方法与样本选择

1．包含风险因素的MVILM模型.John J.Binder在比较事件研究法中运用的几种基准模型中提出,当样本公司是非相关行业,或者各个样本所经历的事件窗非完全重合时,简单的单因素市场模型是首选.而本文研究金融调控政策对于房地产行业的经济效应,不仅违背了样本公司是非相关行业的检测设,而且各个样本公司又经历完全相同的事件窗.由于行业的相关性以及事件窗的重合,各个样本间异常回报率的协方差将不再为零,因此联合异常回报率的分布结果将不再可信,这种情况被称为“聚类性”(clustering).“聚类性”问题可以通过两种方式解决.第一种方式是利用组合的方式,经过加权的组合的回报率,计算行业水平的平均异常回报率；第二种方法是分解上述方程到每一个证券,即对每一个独立的证券做如上方程的回归分析,形成一个系统模型.综合以上所有因素,本文将采用如下MVRM模型：

其中：R1t,R2t等RNt分别为N只股票在t日的回报率；β11,β21,等βN1分别为N只股票关于市场回报率的系统风险系数；Rmt为t日经过加权的市场组合回报率；β12,β22,等βN2分别为发生事件时,N只股票关于市场回报率的系统风险的变化量；Dyear为一个虚拟变量,在一系列事件发生的一整段时期内为1,否则为0；Da为一个虚拟变量,在第a件事发生时为1,否则为0；γ1a,γ2a,等γNa分别为N只股票在发生第a次事件时的财富效应；μ1t,μ2t,等μNt分别为N只股票在t日内的误差项.

以上模型是为了检验检测设1,为了检验检测设2,本文还建立如下模型：

Rit等于αi+βi1Rmt+βi2DyearRmt+γiD+μit,i等于1等N　(2)

其中：D为一个虚拟变量,在所有的10个事件窗内为1,否则为0.其余变量与模型(1)相同,该模型意为将所有金融调控政策看作是一个事件.同样,对所有的样本公司进行拟合估计,形成一个MVRM模型.

2．样本选择以及数据的获得.本文选取所有中国A股上市房地产公司在2002年1月1日到2007年9月30日的交易数据以及财务数据作为研究样本.根据华夏证券交易软件,同时参考证券之星等软件对上市公司的分类,筛选出的房地产上市公司共有51家.由于其中一些公司存在数据缺失,另有一些公司是在样本期间完成上市的,故对这些股票进行了剔除.最终确定的样本房地产上市公司为43家,其中深圳22家,上海21家.本文所选用的个股回报率数据分两阶段收集.在2002年1月1日到2003年12月31日的所有数据,均来自深圳市国泰安公司设计和开发的“中国股票市场研究数据库(CAR)”.而从2004年1月1日到2007年9月30日,作者按照CAR定义的公式进行计算,得到每个个股和市场指数的日回报率.

在确定个股以及市场的日回报率后,最关键的问题在于事件窗的确定.在目前为止的讨论中,一直检测设事件发生的当日,MVRM模型中值取1,其余为0,由此来衡量事件的影响.但取值成立的前提需满足两个条件：(1)事件日能够准确的确定,即事件为市场所知的日期；(2)市场达到半强有效,即对突发的事件股市能做出迅速的反应.因而,综合以上考虑,针对我国市场的特性,并参考陈汉文、陈向民的研究方法,本文将事件窗定义为事件日前5天以及事件日后5天,共11天.在这11天中,模型中取值均为1,其他情况下为0.在衡量各个股票系统风险的变化时,对于发生一系列政策事件的整段时期内,即从2002年5月28日一直到2007年9月30日,虚拟变量均取值为1,其他时期内为0,由此来衡量在政策事件发生后,房地产行业股票系统风险的变化.

(二)房地产金融调控产生的行业内经济效应

1．事件窗选择正确性的考察.在用计量方法分析政策事件造成的累计异常收益率前,本文先从直观上：分析样本公司的平均月回报率与市场指数回报率的变 动趋势,以考察前文事件窗选择的正确性.首先计算43个样本公司的日回报率的截面日平均值,随后计算出其相应的月平均回报率,用以表示房地产公司的平均月回报率.

运用Eviews3.1软件对数列进行分析,在沪市房地产公司平均月回报率与沪市A股指数的数据描述图中可发现,在2003年6月、2005年3月、5月以及2006年5月底,房地产公司的截面月平均回报率均有明显负的CAR,而在2007年9月底有正的CAR.参照表1,说明事件3、5、6、7、8和事件10均对沪市房地产上市公司产生了明显的影响；在深市房地产公司平均月回报率与深市A股指数的数据描述图中可发现！沪市的情况略有不同.2002年5月、2003年6月、2005年3月、5月以及2006年5月有较明显负的CAR,2007年9月有正的CAR.同样参照表1,说明事件1、3、5、6、7、8、10均对深市房地产上市公司产生了明显影响.针对以上情况,如下表格做了详细比较：

2．异常回报率CAR的计量分析.Schwart指出,在相同的时间里,同一行业各公司的股票回报率是同时相关.因此,在研究行业政策变化时,各公司回报率的残差将不再是独立同分布的.在误差项同时相关但不同时刻协方差为零时,似无关回归模型将比OLS估计产生更有效的估计结果.因此,本文运用MVRM模型,用数据对上文提出的两个模型进行拟合：

在模型1中,将本文所考察的所有政策事件视为一个事件,在10个事件窗口中,事件变量取值为1,其余时间取值为0.在模型2中,即上文提到的MVRM系统模型,可以单独衡量每个事件的影响.由此,将分别检验前文提出的前两个虚拟检测设.利用Eviews软件做数据的SUR估计,得到的实证结果如表4.模型1中,事件窗用一个单一的虚拟变量来表示.衡量股票系统风险的值在事件发生的整段时间内可以改变.由表4所示,事件窗虚拟变量系数为负(-0.001619)且在1％的水平上显著.由此,拒绝了本文第二个虚拟检测设H02,即在政府对房地产一系列金融调控后,房地产上市企业平均的累计异常回报率(CAR)显著为负.

同时,在政策事件发生期间,系统风险的改变量为正(0.024072)且在5％的水平上显著,拒绝了本文第三个虚拟检测设H03.因此,当将所有的政策事件作为一个事件来考察时,平均而言,房地产上市公司股票价值有明显下降,而投资房地产业的系统风险显著增大.结果证明,以央行和国务院为主导的金融宏观调控政策的颁布对房地产行业确实产生了明显的经济效应,一方面减少了房地产上市公司的股东财富,进而减少公司价值,另一方面增加了投资者投资房地产公司股票的系统风险.

虽然计量模型的结果较好地反应了调控政策对于房地产上市公司的影响,但是如果将此结论用于整个房地产行业,还必须考虑以下两个关键问题：(1)国内股票市场的弱有效性.由于股市并未达到半强有效,所以在运用事件研究的方法时,可能股市并不能迅速的做出反应,本文选取的事件窗的长度可能无法包含事件所产生的所有影响.(2)国内目前有房地产企业上万家,单凭43家上市公司,无法准确得到事件对于全部房地产公司的影响.因此,考虑到以上两个主要因素,本文接下来将利用一些宏观数据,来简要考察金融调控政策对于房地产全行业的影响,以作为本文实证分析的补充.

3．金融调控政策对房地产全行业的影响.本文结合事件发生期间的经国家统计局公布的国房景气指数(表5),以全面考察调控政策事件对我国房地产业产生的最直接的影响.数据来源是中国国家统计局网站的国房景气统计数据.

首先,考察代表总体景气的国房景气指数和资金来源指数.由表5所示,国房景气指数与资金来源指数的走势大体一致.对于从2002年5月政府开始的对房地产业的宏观调控,2002年的2次事件所产生的影响并不明显,造成这种情况的可能原因是房地产业是周期非常长的产业,所受到的影响不会在短期内出现.而在2003年6月,资金来源指数分别出现了比较明显的下降,同时国房景气指数也开始下调.随后在2003年8月间,资金来源指数出现明显的回升,恰好吻合了此间国务院出台的对房地产行业的利好消息.然而,从2005年5月开始,两指数双双下滑,而资金来源指数的跌幅尤为明显.直到2007年9月才稍有回升.以上的分析证明了政府对房地产调控的显著影响,从资金来源方面看,政府的调控意图及结果将更为明显.

其次,考察房地产业新开工面积指数和竣工面积指数.表5显示了两指数的基本走势.竣工面积指数从2003年6月开始大幅下调,而新开工面积在2005年3月开始出现急剧下滑.两个指数之间的时间差,可以用国内房地产开发的现状来解释.在开发商动工时,大部分资金可以由建筑施工单位垫资解决,故有一个缓冲期.而房地产即将竣工时,由于以前靠期房按揭贷款的资金来源也随着121文件、新旧“国八条”、“国六条”及“九部委十五条”的颁布而截断,故出现了竣工面积指数的大幅度下降.

最后,考察商品房指数和商品房空置面积.商品房由商品房的供求状况决定.表5显示,经历金融调控后,商品房逐步走高,证实了商品房供给的减少大于住房需求的减少,从而出现市场上供不应求.因此,商品房空置面积也将逐步减少.由此一来,政府对房地产业宏观调控的结果是,商品房的空置面积虽然逐步减少,但是商品房却不断攀升.因此,宏观政策除了对房地产公司价值产生负面影响外,对社会公众也产生了一定的负面影响.

三、结论与建议

综上所述,本文的结论是,我国自2002年5月至2007年9月间一系列的房地产金融调控导致了以下几种经济效应：(1)房地产上市公司出现了明显的负的累计异常回报率,股东财富效应减少；(2)房地产上市公司股票的系统风险显著增大；(3)房地产全行业投资减缓,商品房逐步走高.

分析表明,当前金融调控使房地产行业、房地产上市公司股东及投资者、房地产业的消费者的福利均遭受损失.资金的缺乏导致开工面积和竣工面积减少,造成房地产开发商利益的损失；房地产上市公司股票的大幅缩水带来的是股东财富的减少,而系统风险的增大更是提高了普通投资者入市的风险.对于购房者,也面临着房价进一步上升的尴尬.这也正是我国房价“屡调不下”的原因.因此,笔者认为单凭货币政策难以解决我国现阶段房地产市场过高问题,还需借助财政政策、土地政策、引导消费预期等综合手段来调控房地产市场.同时,还要从改变房地产公司融资体制现状着手.如引进房地产投资信托基金制度,增强房地产商的资金实力,降低投资者的投资风险,进而起到稳定房价的效应.

[责任编辑：邵华明]