基于限購政策下的海南省住宅商品房房價探究

■袁章帥（安徽財經大學管理科學與工程學院）

1988年4月13日國家關于建立海南省經濟特區的決議獲得通過，海南省商品住宅價格由88年的每平方米1350元上漲到了93年的每平方米7500元，之后房價保持平穩并有小幅回落。2010年國家發改委批復《海南國際旅游島建設發展規劃綱要》，海南省商品住宅價格再次大幅上漲，由6000多元每平方米漲至1萬多元每平方米，其中，海口由5000多元每平方米漲至9000多元每平方米，三亞由1萬多元每平方米漲至2萬多元每平方米。

2018年4月13日，國家出臺政策——海南全島建設自貿區（港），引發轟動，進而導致海口商品住宅價格每天漲幅達每平米500元到1000元，三亞商品住宅價格一夜之間每平米上漲3000至8000元。18年4月22日，海南省委，省政府發布了《關于進一步穩定房地產市場的通知》，在已出臺限購政策基礎上，實施全域限購，被稱為“全國最嚴厲調控措施”。房地產價格作為房地產業運行的“晴雨表”，不僅是政府宏觀調控的重要指標，同時也是社會各界關注的重要民生話題。因此，分析并預測房地產價格顯得很有必要。

一、數據來源與模型假設

本文使用的數據來源于中國知網-中國經濟大數據研究平臺，并做出如下解釋：（1）假設海南省房地產市場為完全競爭市場；（2）假設海南省金融生態環境無爆發式增長；（3）假設在無外界強制因素的影響時，海南省商品住宅價格的變動在合理范圍內且具有穩定的變化趨勢；（4）假設各影響因素對房價影響程度的占比是穩定且可估測的。

二、海南省商品住宅價格影響因素

通過查閱相關文獻與文獻，初步確定影響海南商品住宅價格因素體系，共有一級指標四類，分別為宏觀經濟因素、社會文化因素、建筑因素及其他因素；二級指標10類，分別為房地產開發投資額、居民消費水平、人口總數、國內旅游收入、房屋竣工面積、住宅商品房銷售面積、城市人均擁有道路面積、房地產開發年度購置土地面積、政策和貸款利率因素、消費心理水平。具體影響因素圖見圖1。

通過相關系數矩陣可以發現，海南省的居民消費水平、房地產開發投資額、人口總數、國內旅游收入、“房屋竣工面積、住宅商品房銷售面積以及城市人均擁有道路面積同商品住宅銷售價格的相關系數較大，均大于0.5，大部分相關系數甚至超出0.9，表明這些因素對商品住宅價格具有強烈的影響；房地產開發本年購置土地面積和貸款利率則對商品住宅價格的相關系數較小，將利率作為國家政策對于房價影響的一個凸顯指標，利率作為貨幣政策只是占國家政策的小部分，可見國家政策對于房價有引導、調整作用。

三、基于BP神經網絡的海南商品住宅價格預測模型

（一）模型構建

本模型采用2010年-2017年《海南經濟特區統計年鑒》及海南省土地與房產管理局發布的歷史數據, 選取了其中房地產投資額、人均擁有道路面積、貸款利率以及人口數四項指標對海南省2018年6月-2019年5月房價進行預測，該BP神經網絡模型如圖2所示。

（二）參數設定及仿真預測

通過查閱相關文獻且根據指標個數，選取三層神經網絡構建模型，并確定隱層神經元數且由于原始數據的單位不同造成了指標量綱的不統一，因此將2010年至 2017年四個月度數據指標歸一化處理，使其數值位于[-1,1]之間。且學習速率為0.05、最大迭代次數為1000次、均方誤差為0.65*10-3。最終該網絡迭代12步即可完成訓練，使其誤差達到0.65*10^(-3)下。

圖1 海南省商品住宅價格影響因素

圖2 神經網絡結構圖

隨后對訓練好的神經網絡進行仿真實驗，利用2018年5月-2019年6月各指標的預測數據，對2018-2019年的商品房銷售價格進行預測。在海南省未出臺4月22日的限購政策的情況下最終得到的預測結果曲線如圖3所示。

圖3 海南省2018年6月-2019年5月商品住宅房銷售價格預測曲線

由于海南省作為一個以旅游業為主的省份，商品住宅的價格和人口數量有著密切的關系，考慮海南省的地理位置及其氣候，冬季節海南省的旅游業要優于夏季，因此由于旅游人口數量造成流動人口的變化會對商品住宅價格造成影響。即冬季海南省的房價要率高于夏季，和預測結果較為相符。

表1 海南省2018年6月-2019年5月商品住宅房預測價格 （單位：元）

圖4 2016年1月-2017年11月海南省商品住宅價格市場量價波動情況

表2 VAR模型估計結果

表3 限購政策出臺后2018年6月-2019年5月海南省商品住宅價格

預測每月海南省商品房價格如表1所示。

四、基于限購政策下的VAR預測模型

（一）時間序列分析

圖5 對于lnv的走勢預測

圖6 關于lnp的走勢預測

獲取了海南省2016年1月至2017年11月商品住宅銷售價格和交易量的月度數據，并將價格消除通貨膨脹因素的影響，商品住宅的交易量用銷售面積進行衡量，商品住宅價格和商品住宅的銷售面積分別表示為和二者趨勢和關系如圖4所示。

再根據AIC和SC最小準則確定滯后階數為2后，兩序列的格蘭杰因果檢驗結果顯示，量價之間存在單向關系：價格不是交易量的格蘭杰原因，但交易量是價格的格蘭杰原因。由此可見，限購政策直接作用與住房需求，迫使需求減少，在新的供求平衡下使住房價格下降，通過“價隨量跌”實現政策目標。

（二）模型構建及預測

為了進一步分析商品住房銷售價格同其銷售面積之間的動態變化，構建二維向量自回歸模型（VAR模型），根據上述分析，選擇滯后變量為2進行模型的構建，具體表達式如下：

通過以上對于數據的檢驗，構建VAR模型，利用Eviews軟件進行分析，得到模型估計結果如表所示。分析得到VAR模型的估計結果如下：

該模型的擬合優度R2= 0.9832，擬合優度較好，由下表2可以看出，交易量受上期的影響較大，而價格在一階與二階水平上的自相關性都很強，滯后一期的交易量對價格的影響較為顯著。滯后一期的價格對交易量呈現出負向的影響，滯后二期的價格則正向影響交易量，但是不是很顯著。模型估計結果與格蘭杰因果的分析保持一致。

基于以上分析，將去年三月份海南省頒布住房政策和今年四月份頒布的住房政策相結合，通過當期指標和上期指標間相關關系得到其影響規律，從而能夠預測未來一定時期內的指標走勢，根據所建立的VAR模型對2018年6月至2019年5月海南省商品住宅價格及其商品住宅銷售面積走勢做出預測，其結果如圖5、6所示。

據圖5分析得，由于2017年政府發布限購令，大程度上限制了非海南戶籍居民在海南購房的數量，導致房屋售出面積短時間內急劇下降，對于今年4月份政府政策限購令的再次實施也體現了出來，具體表現在房屋售出面積短時間內又再次下降，對于圖6，由于受到政策的影響，使得市場對于房屋的需求量逐漸減少，預測曲線斜率不斷減小，最終不考慮其他因素的條件下，達到均衡。

由于分析所得數據經過對數化處理，所以再次對其指數化可以得到預測后的結果，見表3所示。

五、結束語

本文首先分析海南市房地產發展現場并對房價影響因素進行分析，隨后在無政府政策影響下，選取影響較大的4個因素建立了BP神經網絡模型，得出海南市房價預測結果且達到了預期的目標，具有一定的可信度；在政府出臺限購政策后，加入這一外生變量，選用VAR模型建立動態分析模型進行回歸和預測，得出回歸方程并預測2018年5月-2019年6月的海南商品住宅價格。

由于商品房銷售價格影響因素錯綜復雜，除了本文所提到的內外在因素外，還受到國家其他宏觀調控政策及環境等其他因素的影響，這些因素也在一定程度上影響了神經網絡對房價預測的客觀性。