房地產業現行調控政策的有效性分析

摘要：本文采用兩個多變量回歸模型，運用似無關回歸的估計方法，考察一系列金融調控政策對房地產業的影響。計量分析表明，在短期內。一系列金融調控政策對房地產上市公司產生了平均的顯著為負的累計并?；貓舐?；同時，也顯著增大了房地產上市公司股票的系統風險，從而驗證了一系列金融調控政策對房地產上市公司所產生的負的股東財富效應。

關鍵詞：事件研究法 累計異?；貓舐?房地產金融調控

改革開放30多年來，我國國民經濟取得了飛速發展，人民生活水平不斷提高，土地使用制度改革和城鎮住房制度的改革不斷深化并取得了實質性進展，住房建設步伐加快，居民居住條件有了較大改善。以住宅為主的中國城市房地產市場不斷發展，對拉動經濟增長和提高人民生活水平發揮了重要作用。房地產業關聯度高，帶動力強，已經成為我國國民經濟的支柱產業。保持我國房地產市場持續、健康、穩定地發展。對于全面建設小康社會，構建社會主義和諧社會都具有十分重要的意義。美國、日本和香港等國家和地區的歷史經驗表明，房地產市場極易出現泡沫。政府必須對房地產市場進行調整和控制。

房地產同時具有消費和投資雙重特性，通常可以認為，消費性的、生產性的房地產市場是實體經濟的一部分，而實體經濟通常是不存在泡沫的。而當房地產被當成資產用于投資或投機時。尤其是當大量銀行資金或游資介入其中時，才會產生泡沫。謝經榮用大量實例證明了銀行貸款對房地產泡沫生成的推動作用，其中一個重要的實例就是各國房地產泡沫前房地產貸款占金融機構貸款總額的比例普遍偏高。在房地產業的發展取得較大成績的同時，我們還應該看到，作為國民經濟的支柱產業，房地產業健康持續地發展不僅需要市場的調控，也離不開政府公共政策的有力調控。截至目前。我國的行政管理學界仍鮮有將公共政策的研究與政府對房地產業的政策規范具體結合的系統研究。故筆者在此嘗試運用行政管理學的專業知識，在前人對公共政策的研究和對房地產業的研究基礎上，運用公共政策的知識，解決房地產業宏觀調控政策問題，同時也用這一實際問題來檢驗和豐富公共政策的理論內容。本文通過對公共政策的理論研究和對房地產業的實證研究，指出現有公共政策的不足，為房地產業的政策提供理論指導，彌補市場機制的調節缺陷，以解決該行業中存在的問題。促進房地產業更加有序健康地發展；同時兼顧效率與公平原則。在保證行業可持續發展的前提下，最大限度地滿足公共利益，為宏觀經濟的穩定及和諧社會的建設提供參考意見。

一、實證方法與樣本選擇

(一)包含風險因素的MVRM模型

以FFJR模型為基礎的市場模型被眾多學者用于公司金融如股利宣告等領域的研究。而本文研究金融調控政策對于房地產行業的經濟效應。不僅違背了樣本公司是非相關行業的假設，而且各個樣本公司又經歷完全相同的事件窗。由于行業的相關性及事件窗的重合，各個樣本間異?；貓舐实膮f方差將不再為零，因此，聯合異常回報率的分布結果將不再可信。這種情況被稱為“聚類性”(clustering)。“聚類性”問題可以通過兩種方式解決。第一種方式是利用組合的方式，經過加權的組合的回報率，計算行業水平的平均異?；貓舐?，即回歸方程：

其中，R_pt表示加權過的組合回報率；R_mt表示市場回報率；D_at是一個0-1虛擬變量，在事件發生時為1，否則為O；A表示事件的次數。因此，y_pt就表示事件發生時，證券組合平均的累計性異?；貓舐?。

第二種方法是分解上述方程到每一個證券，即對每一個獨立的證券做如上方程的回歸分析，形成一個系統模型。基準模型為：

由此說明，證券的系統風險系數增加了β_iDR_it，因此，在事件發生時，就可以用來衡量證券i系統風險的改變量。

綜合以上所有因素，本文將采用如下MVRM模型：

其中，R_1t、R_2t、……R_Nt分別為N只股票在t日的回報率；β_1t、β_2t、……β_Nt，分別為N只股票關于市場回報率的系統風險系數；R_Nt為t日經過加權的市場組合回報率；β₁₂、β₂₂……β_N2分別為發生事件時，N只股票關于市場回報率的系統風險的變化量；Dyear一個虛擬變量，在一系列事件發生的一整段時期內為1，否則為O；Da一個虛擬變量，在第a件事發生時為1，否則為0；yβ_1a、β_1a、……y_N2分別為N只股票在發生第a次事件時的財富效應；U_1t、U_2t……U_Nt分別為N只股票在t日內的誤差項。

以上模型是為了檢驗假設“在某一個事件發生時，房地產上市公司的平均異常回報率”，為了檢驗假設“一系列金融調控事件對房地產上市公司平均的異?；貓舐省?，本文還建立如下模型：

其中，D為一個虛擬變量。在所有的lO個事件窗內為1。否則為0。其余變量與模型1相同，該模型意為將所有金融調控政策看作是一個事件。同樣，對所有的樣本公司進行擬合估計，形成一個MVRM模型。MVRM模型，如Schipper和Thompson所指出，在以下情況非常有效：1 在一段行業調控的過程中，有多次相關事件的發生：2 由于事件窗的重合以及行業相關帶來的聚類性，存在高度的截面相關：3 相對較小的樣本容量。而這些條件對于本文的研究都非常吻合。利用以上模型中的變量，可以將假設檢驗表達為表1中的形式。

(二)樣本選擇及數據的獲得

本文已經描述了將要研究的政策事件，即從2008年9月到2010年4月的時間內，所有關于政府對房地產行業的政策措施對房地產行業的經濟效應。因此，本文選取所有中國A股上市房地產公司在2008年1月到2010年4月的交易數據及財務數據作為研究樣本。根據華夏證券交易軟件，同時參考證券之星等軟件對上市公司的分類，篩選出的房地產上市公司共有51家。由于其中一些公司存在數據缺失，另有一些公司是在樣本期間完成上市的，故對這些股票進行了剔除，最終確定的樣本房地產上市公司22家。在樣本期間，每個公司有571個交易數據。因此交易數據樣本數總共為24553個。本文所選用的個股回報率數據分兩階段收集。數據庫全面包含了本文研究樣本中所有個股的日回報率及市場綜合回報率。而從2006年1月到2006年5月，作者按照CSMAR定義的公式進行計算。得到每個個股和市場指數的日回報率。在確定了個股及市場的日回報率后，最關鍵的問題在于事件窗的確定。由于事件窗的確定至關重要，將直接度量事件對行業產生的經濟性效應。在目前為止的討論中，本文一直假設事件發生的當日，MVRM模型中Da值取1，其余為0，由此來衡量事件的影響。但是這種取值成立的前提需滿足如下兩個條件：1 事件日能夠準確的確定，即事件為市場所知的日期；2 市場達到半強有效。即對突發的事件股市能做出迅速的反應。對于第+條件，雖然本文確定的事件日確實為官方發布消息的日期，但是由于事件可能提前被市場所預期，因而市場可能提前對事件做出反應，如果沒有考慮這段期間股票的異常回報率，事件的經濟性效應將無法得到準確的衡量。而對于第二個條件。國內眾多學者對我國股市的有效性進行了檢驗，檢驗的結果均表明中國的股市仍未達到半強有效性。因而。綜合以上考慮，本文將事件窗定義為事件日前5天以及事件日后5天，共11天。在這11天中，模型中Dyear取值均為1，其他情況下為0。在衡量各個股票系統風險的變化時，對于發生一系列政策事件的整段時期內，虛擬變量Dyear均取值為1，其他時期內為0，由此來衡量在政策事件發生后，房地產行業股票系統風險的變化。

二、房地產金融調控產生的行業內經濟效應

(一)事件窗選擇正確性的考察

在用計量方法分析政策事件造成的累計異常收益率前，本文先從直觀上分析樣本公司的平均月回報率與市場指數回報率的變動趨勢，以考察前文事件窗的選擇的正確性。本文首先計算樣本公司的日回報率的截面日平均值，隨后計算出其相應的月平均回報率，用以表示房地產公司的平均月回報率。在市場指數回報率的計算中，將從市場分別考察。為盡量減少噪音。本文仍將選用A股市場指數(參照表2)。說明事件1，3，7，10均對房地產上市公司產生了明顯影響。針對以上情況。表3做了詳細比較。

上述分析有兩點情況值得我們注意：1 其中個別事件對房地產市場可能并沒有產生顯著的經濟效應：2 除了研究事件對行業平均的經濟影響外，還需要對產生的CAR進行截面cross-section分析，以揭示事件對不同房地產公司產生的不同影響。無論如何。綜合上述情況來看。本文對事件窗的選擇仍然是比較成功的，下文將從計量分析與實證數據考察的角度來分析金融調控的影響。

(二)異?；貓舐蔆AR的計量分析

Schwart指出。在相同的時間里，同一行業各個公司的股票回報率是同時相關的，因為各個公司將對任何未預期的事件做出相似的反應。因此。在研究行業政策變化時。各個公司回報率的殘差將不再是獨立分布的。在誤差項同時相關但不同時刻協方差為零時，似無關回歸模型將比OLS估計產生更有效的估計結果。因此。本文運用MVR模RM模型，對以下兩個模型進行擬合：

在模型1中，將本文所考察的所有政策事件視為一個事件，在10個事件窗口中。事件變量D取值為1，其余時間取值為0。在模型2中，即上文提到的MVRM系統模型，可以單獨衡量每個事件的影響。由此，將分別檢驗前文提出的前兩個虛擬假設。模型1中，事件窗用一個單一的虛擬變量來表示。衡量股票系統風險的B值在事件發生的整段時間內可以改變，事件窗虛擬變量系數為負(-0.0016191且在1％的水平上顯著。因此。當將所有的政策事件作為一個事件來考察時，平均而言，房地產上市公司股票價值有明顯下降，而投資房地產業的系統風險顯著增大。結果證明，以央行和國務院為主導的金融宏觀調控政策的頒布對房地產行業確實產生了明顯的經濟效應，一方面減少了房地產上市公司的股東財富，進而減少公司價值；另一方面增加了投資者投資房地產公司股票的系統風險，

模型2正好能彌補以上缺點。用獨立的10個虛擬變量代替單一的虛擬變量，每個虛擬變量在一個單獨事件發生時取值1，否則為0，用以衡量每次事件的經濟效應。系統風險的改變量為正(0.018543)且在5％的水平上顯著，同樣拒絕了前文做出的第三個虛擬假設H_0.3在各個事件的考察中，除了事件7，其余9個事件前估計得到的系數的符號均與前文分析相符。事件1和事件6的系數估計值在5％的水平上顯著異于0，說明這兩次事件對房地產市場的沖擊是比較明顯的。而事件9和事件10則擬合得更好，其系數在1％的水平上顯著，說明2010年2月份開始的調控政策對于房地產業的調控引起了很大的反應。

三、結論

本文對4個虛擬假設運用事件研究法從兩個方面進行了計量檢驗，發現一系列房地產金融調控政策對房地產上市公司產生了顯著影響，出現了顯著的負的累計異常回報率。同時，事件1、6、9和10對房地產上市公司產生了顯著影響，從而拒絕了第一和第二個虛擬假設。同時。本文還考察了房地產上市公司股票的系統風險，兩個MVRM模型均證明了，在事件發生期間，系統風險均明顯增大。從而拒絕了虛擬假設三。以上分析表明，金融調控使房地產行業、房地產上市公司股東及投資者、房地產業的消費者的福利均遭受損失。資金的缺乏導致開工面積和竣工面積減少，造成房地產開發商利益的損失；房地產上市公司股票的大幅縮水帶來的是股東財富的減少，而系統風險的增大更是提高了普通投資者入市的風險。對于房地產業的終端——購房者，也面臨著房價進一步上升的尷尬。