利率政策对房价的“非对称性”影响路径——基于小波分析和GARCH模型的研究
本文关键词:利率政策对房价的“非对称性”影响路径——基于小波分析和GARCH模型的研究 出处:《上海金融》2017年02期 论文类型:期刊论文
更多相关文章: 利率 房价 非对称性 小波分析 GARCH模型
【摘要】:动态调整的利率政策,经由周期性波动的房地产市场,以复杂的"非对称"路径作用于房价。本文基于北京市2002年8月至2015年3月的月度数据,使用小波分析工具对房地产市场周期进行识别,选取GARCH模型,对不同利率政策方向和不同房地产市场周期下的非对称"利率-房价"关系进行分析。结果表明:在北京,利率与房价在长期水平上呈负相关;不同利率政策方向下的"利率-房价"关系存在差异,利率下降对房价的刺激程度比利率上升对房价的抑制程度更显著;同时不同房地产市场周期下的"利率-房价"关系存在差异,房地产市场处于上行期时"利率-房价"的负相关性更显著。最后,本文结合研究结论提出针对性政策建议。
[Abstract]:The dynamic adjustment of the interest rate policy, through the periodic fluctuation of the real estate market, in a complex "asymmetrical" path to the house price. Based on the monthly data of Beijing from August 2002 to March 2015, we use the wavelet analysis tool to identify the real estate market cycle, and select the GARCH model to analyze the asymmetric interest rate housing price relationship under different interest rate policy directions and different real estate market cycles. The results show that: in Beijing, in the long-term interest rate and price level was negatively correlated; there were significant differences between different interest rate policy under the direction of "interest rate and prices, lower interest rates to stimulate the real extent of rising interest rates than the degree of inhibition on housing prices more significantly; at the same time, there were significant differences between different real estate market cycle under the interest rate prices, more significant negative correlation between the real estate market in the uplink period of" interest rate and price ". Finally, this paper puts forward the pertinent policy suggestions according to the conclusions of the study.
【作者单位】: 清华大学建设管理系房地产研究所;
【基金】:国家自然科学基金项目“住房价格对居民消费的作用机理”(71073090/G0306)
【分类号】:F299.23;F822.1
【正文快照】: "!一、引言利率政策作为中央银行重要的货币政策工具,是各国政府调节经济的重要杠杆。房价在货币政策影响宏观经济过程中发挥了重要作用(谭政勋和王聪,2015),陈彦斌等(2015)认为房地产泡沫是导致金融危机之后中国货币数量论失效的重要因素。尤其在中国,伴随房地产行业在国民经
【相似文献】
相关期刊论文 前10条
1 金秀;刘洋;;基于小波分析的多期夏普比率及实证研究[J];管理工程学报;2009年01期
2 张羽;;小波分析在波浪理论中的应用研究[J];云南财经大学学报;2006年05期
3 刘晏玲;胡芬;付恩成;;基于小波分析的中国人均GDP分析与预测[J];长江大学学报(自然科学版)理工卷;2008年01期
4 赵黎明;吴文清;刘嘉q;;基于小波分析的游客流量神经网络预测研究[J];系统工程学报;2006年02期
5 龚亚琴;;基于小波分析和RBF神经网络的铜价预测[J];陕西理工学院学报(自然科学版);2007年02期
6 赵晋理;;基于小波分析的股票市场分析[J];太原师范学院学报(自然科学版);2007年02期
7 金秀;王佳星;刘烨;;基于小波分析的中国A,B股市场相关性研究[J];东北大学学报(自然科学版);2010年05期
8 刘娜;郑小洋;李为平;;基于小波分析的经济数据预测[J];重庆工学院学报(自然科学版);2009年11期
9 代军;;非对称股指期货对冲比率建模方法拓展——基于小波多尺度分析[J];价格理论与实践;2014年06期
10 ;[J];;年期
相关会议论文 前1条
1 侯建荣;;基于小波分析极大模方法的极端金融事件风险建模问题研究[A];第十四届中国管理科学学术年会论文集(上册)[C];2012年
相关硕士学位论文 前9条
1 朱可飞;基于小波分析的人民币汇率预测方法研究[D];浙江工商大学;2014年
2 杨雪梅;基于小波分析经济增长与房市的相关性研究[D];西南财经大学;2014年
3 孙宇轩;基于小波分析的中国股市时间序列研究[D];北京交通大学;2010年
4 孔祥凤;小波分析在股市数据分析中的应用研究[D];西北大学;2002年
5 李召辉;基于小波分析的CPI实证研究及预测[D];西南财经大学;2011年
6 吴航;基于小波分析的ICAPM模型的风险价值分解[D];西南财经大学;2014年
7 范美玲;基于小波分析的开放式基金多期业绩评价研究[D];东北大学;2008年
8 王佳星;基于小波分析的中国股市相关性研究[D];东北大学;2010年
9 王保山;程序化期货交易及其技术指标的构建与应用[D];宁波大学;2012年
,本文编号:1340950
本文链接:https://www.wllwen.com/jingjifazhanlunwen/1340950.html