我国房地产行业风险度量及其对宏观经济的影响
发布时间:2021-07-15 13:47
自从1998年住房市场化改革以来,我国房地产行业进入快速发展阶段,但是随之而来的各种潜在问题也不容忽视,由美国房地产次贷危机引起的2008年全球金融危机就是最好的例子。随着我国经济步入新常态阶段,转型期的中国更需要一个平稳发展的房地产市场,十九大报告中的“房住不炒”对房地产行业调控提出了更高的要求。因此,客观分析我国房地产行业风险状况及其对宏观经济的影响,具有重要的理论价值和现实意义。本文首先从理论层面上分析了房地产行业对宏观经济的影响机制,然后从绝对风险、泡沫风险、微观房企风险三个角度出发,利用主成分分析法构造了三类综合性风险指标,以反映我国房地产行业风险全貌。分析结果表明,2014年以前房地产行业风险走势领先于宏观经济走势,但是2014年以后这种相关性逐渐减弱。接着利用分位数回归法和向量自回归模型,定性、定量研究房地产行业风险对宏观经济的影响。实证结果表明,我国房地产行业风险对宏观经济具有不对称影响,对经济上行有较为明显的解释力度,但是对经济下行的解释力度不强;短期房地产行业风险对宏观经济起着正面促进作用,但是长期会转变为负面影响,具体表现为本文所构造的综合泡沫风险指标每增加1个单...
【文章来源】:上海交通大学上海市 211工程院校 985工程院校 教育部直属院校
【文章页数】:62 页
【学位级别】:硕士
【部分图文】:
我国房地产行业对宏观经济的影响路径Fig.2-3Theinfluencepathsofrealestateindustryonmacroeconomy
图 4-1 VAR 模型特征根分布图ig.4-1 The distribution of the characteristic roots of VAR mo位根检验、滞后阶数判断和特征根分布图检验之泡沫风险指标 BF1、居民消费价格指数增速 CPIR
图 4-2 综合泡沫风险指标 BF1 对 GDP 增速的脉冲响应Fig.4-2 The impulse response function result of BF1 to GDP growth rate实证结果表明,房地产综合泡沫风险指标 BF1 的波动在短期内会对 GD产生正向影响,这种促进作用在 2 期之后(即半年后)是最高点,随后逐
【参考文献】:
期刊论文
[1]房地产业与城市经济:基于北京2000—2012年投入产出表的分析[J]. 满向昱,吕雪征,易成栋. 中央财经大学学报. 2017(06)
[2]基于短周期风险评价模型的荆州市房地产风险研究[J]. 叶红梅. 武汉金融. 2017(05)
[3]中国房地产价格泡沫研究--基于马氏域变模型的实证分析[J]. 孟庆斌,荣晨. 金融研究. 2017(02)
[4]《经济法学评论》[J]. 经济法学评论. 2016(02)
[5]中国当前房地产市场泡沫程度研究——基于国际间数据的对比分析[J]. 郑荣卿,宋华人. 当代经济. 2016(22)
[6]我国房地产财富效应分析——基于非平稳面板计量[J]. 张永远,焦丹晓,刘晓欣,高鹏,董纪昌. 数学的实践与认识. 2016(11)
[7]房地产泡沫的测度方法及实证比较[J]. 孙焱林,张攀红,王中林. 统计与决策. 2015(24)
[8]我国房地产投资是否具有挤出效应?——基于I(2)VECM的分析[J]. 张延群. 数理统计与管理. 2016(02)
[9]房地产市场会压垮中国吗——房地产市场、货币市场波动和经济波动动态关系研究[J]. 张勇. 财政研究. 2015(09)
[10]中国房地产行业的产业关联度的测算[J]. 孙翊,胡敏,王铮. 统计与决策. 2015(04)
博士论文
[1]新常态下中国城市房地产风险评价及调控策略研究[D]. 王大港.北京交通大学 2017
[2]中国房地产财富效应研究[D]. 李菲菲.中国社会科学院研究生院 2017
硕士论文
[1]武汉市房地产泡沫测度研究[D]. 钱进.华中科技大学 2016
本文编号:3285823
【文章来源】:上海交通大学上海市 211工程院校 985工程院校 教育部直属院校
【文章页数】:62 页
【学位级别】:硕士
【部分图文】:
我国房地产行业对宏观经济的影响路径Fig.2-3Theinfluencepathsofrealestateindustryonmacroeconomy
图 4-1 VAR 模型特征根分布图ig.4-1 The distribution of the characteristic roots of VAR mo位根检验、滞后阶数判断和特征根分布图检验之泡沫风险指标 BF1、居民消费价格指数增速 CPIR
图 4-2 综合泡沫风险指标 BF1 对 GDP 增速的脉冲响应Fig.4-2 The impulse response function result of BF1 to GDP growth rate实证结果表明,房地产综合泡沫风险指标 BF1 的波动在短期内会对 GD产生正向影响,这种促进作用在 2 期之后(即半年后)是最高点,随后逐
【参考文献】:
期刊论文
[1]房地产业与城市经济:基于北京2000—2012年投入产出表的分析[J]. 满向昱,吕雪征,易成栋. 中央财经大学学报. 2017(06)
[2]基于短周期风险评价模型的荆州市房地产风险研究[J]. 叶红梅. 武汉金融. 2017(05)
[3]中国房地产价格泡沫研究--基于马氏域变模型的实证分析[J]. 孟庆斌,荣晨. 金融研究. 2017(02)
[4]《经济法学评论》[J]. 经济法学评论. 2016(02)
[5]中国当前房地产市场泡沫程度研究——基于国际间数据的对比分析[J]. 郑荣卿,宋华人. 当代经济. 2016(22)
[6]我国房地产财富效应分析——基于非平稳面板计量[J]. 张永远,焦丹晓,刘晓欣,高鹏,董纪昌. 数学的实践与认识. 2016(11)
[7]房地产泡沫的测度方法及实证比较[J]. 孙焱林,张攀红,王中林. 统计与决策. 2015(24)
[8]我国房地产投资是否具有挤出效应?——基于I(2)VECM的分析[J]. 张延群. 数理统计与管理. 2016(02)
[9]房地产市场会压垮中国吗——房地产市场、货币市场波动和经济波动动态关系研究[J]. 张勇. 财政研究. 2015(09)
[10]中国房地产行业的产业关联度的测算[J]. 孙翊,胡敏,王铮. 统计与决策. 2015(04)
博士论文
[1]新常态下中国城市房地产风险评价及调控策略研究[D]. 王大港.北京交通大学 2017
[2]中国房地产财富效应研究[D]. 李菲菲.中国社会科学院研究生院 2017
硕士论文
[1]武汉市房地产泡沫测度研究[D]. 钱进.华中科技大学 2016
本文编号:3285823
本文链接:https://www.wllwen.com/jingjilunwen/jingjiguanlilunwen/3285823.html