商品住宅市場短期波動特征與調控政策

[摘要]本文采用基于LOESS的季節性趨勢時間序列分解法分析2005-2016年全國商品住宅銷售面積和價格同比增速的趨勢與異常，并用干擾模型估計市場異常波動點。研究發現房地產調控政策出臺或實施時間點與商品住宅價量增速趨勢轉折點顯著相關。房地產調控政策對市場有明顯的短期效果，緊縮政策出臺后短期內商品房銷售價量增速均快速下降，政策轉向寬松后短期內商品住宅銷售價量增速迅速反彈。同時，“國八條”“國十五條”“國十一條”等限購或限貸政策的出臺或實施時間點與商品住宅銷售價量異常波動點存在明顯對應關系，政策實際效果偏離穩定市場的政策目標。

[關鍵詞] 商品住宅市場;異常波動;房地產政策;時間序列分解;干預模型

[DOI]10.13939/j.cnki.zgsc.2020.11.

1 引 言

2013年，中國上百個城市新房價格指數環比持續18個月上漲，一線城市新房成交量達到四年同期最高，全國銷售量創歷史新高。同年，中央推出“國五條”政策，采取限購和限貸的政策平抑房價上漲。2014年全國房地產市場形勢出現大逆轉，百城價格指數自5月起連續7個月下跌。在各種爭議中，一些地方政府逐步取消限購和限貸政策，并通過信貸公積金和財政補貼等措施刺激住房需求。隨后，中央多次降準降息和減免稅費提振房屋購買需求。然而2016年住房市場再次異常火爆，一線城市房價上漲速度超過房地產開發最熱的2007年。房地產市場的劇烈波動使得中央出臺的房地產調控政策的有效性以及決策邏輯遭到質疑。

縱觀中國房地產發展歷史，從單位計劃分房到形成商品住宅市場都離不開政府的引導和推動，相關政策內涵與目標導向深刻影響房地產市場發展，中國房地產市場“政策市”的特征非常突出。作為中國宏觀經濟調控政策的重要組成部分，頻繁出臺和調整的房地產調控政策是否能穩定住房市場是評估調控政策有效性的一個重要指標。本文梳理總結近2005-2016年期間出臺的相關調控政策的內容與特征，分析中國商品住宅市場的波動趨勢轉折和異常波動，研究房地產宏觀調控政策是否能有效的穩定房地產市場。本文從一個新的角度探討這些年中國政府不斷實施房地產宏觀調控而房價不斷上漲的“宏觀調控悖論”，評估調控政策的有效性。本文的研究結果不僅為理解房地產調控政策內涵提供一個新思路，還為改進現有政策體系和提升未來政策效率提供有價值的信息。

2文獻回顧

中國房地產市場是在國家和單位取消計劃分配房屋的基礎上逐步發展起來，即使在住房市場全面商品化以后，政府仍傾向于嚴密監管和實時調控市場，房地產市場被普遍認為是“政策市”。余華義 （2010） 指出中國房地產市場價格與經濟基本面幾乎無關聯，受政府土地供給和銀行信貸等政策因素影響明顯。房地產周期波動研究”課題組（2002）和丁烈云（2003）則發現宏觀調控經濟政策有著明顯的擴張和緊縮政策交替變動的周期性，是房地產市場周期波動的主要影響因素。另外一些研究用不同的方法分解不同時期中國房地產市場的周期波動，列舉分析期間房地產政策變化，均發現房地產周期變換與房地產調控政策擴張性和縮緊性交替變動密切相關（徐國祥和王芳，2010; 焦繼文和陳文天，2012; 呂鵬和張洪，2014）。而且， 陳峰和丁烈云（2007） 的研究表明中國房地產市場以1998年為分界的兩個長周期特征存在差異，相應調控政策的導向、時機、力度、實施工具亦明顯不同。

這些研究都注意到房地產市場長周期波動與宏觀調控政策的關聯性，但是也存在一些不足。首先，這些研究用定性分析或簡單定量解析房地產市場指標的方法粗略描述房地產市場的長周期變化趨勢，對于市場短期波動研究不足。其次，不少研究列舉了歷年的房地產市場調控政策的內容與出臺時間，但是由于沒有進行政策分類總結分析，而且沒有明確測算房地產市場周期轉折時間點，也就無法了解政策類型和特征與市場周期變化的相關性。最后，這些研究對于房地產調控政策對市場的干預效果和政策有效性的探討比較粗淺。

中國房地產宏觀調控政策作為重要的公共政策，對房地產市場和社會經濟影響深遠，然而深入探討相關政策體系設計理念、制定原則、以及績效測評的研究卻不多。已有的一些研究側重于解讀房地產市場調控政策文本。例如，黃新華和屈站（2014）分析了1998-2013年中央政府的工作報告和主要宏觀調控政策文本，探討中央政府政策的決策邏輯。韓芳和陳彤（2011）從調控目標、手段、對象、環節四個維度統計了2004年以來中央關于房地產市場宏觀條例的各類文件，揭示政策的變遷特征、演變機理和存在的問題。

另外一些研究則側重于描述性總結評估了中國房地產宏觀調控政策績效。比如，潘麗萍 （2009）梳理歷年中國房地產宏觀調控政策，并以房地產投資占比和增長率、商品房銷售額、行業營收等指標評估調控政策績效。韓紀江（2012）從土地、財稅、金融和行政四個方面分析政策績效，探究政策得失。宋勃（2010）總結了中國房地產市場價格波動的四大特征和造成波動的四大原因，并逐一分析政府如何采用六大政策手段調控房地產市場，實現市場干預目標。根據李洪林和彭立強（2011）對近年來中國房地產調控政策效果研究的歸納總結，目前有關中國房地產調控政策對市場干預效果的研究尚處于起步階段，不少研究僅列舉政策內容和進行定性分析，或是局限于簡單的指標性分析，無法對政策調控效果進行深入客觀評價。

近年來，有一些實證研究開始運用經濟學理論和計量經濟學方法來估算房地產宏觀調控政策效果。例如，李凱（2012）基于資產組合理論，孫穎（2010）基于房地產供求均衡，蔡明超等（2011）基于居民效用函數等經濟學理論建模估算房地產市場反周期宏觀調控政策績效。彭坤燾（2008）從住房市場空間結構特征出發解讀房地產調控政策效果。王先柱和楊義武（2015）采用線性和門限模型驗證了差異化預期和各類調控政策對房價波動的影響。

綜上所述，關于中國房地產政策有效性的研究中定性研究主要是采用傳統經濟學理論分析政策效果，定量研究則通過計量模型來估算調控政策對房地產市場的影響。很少有文獻從房地產政策是否實現政策目標這個角度來評估房地產調控政策的有效性。歷年來，中央宏觀調控房地產政策文件中多次提出以“穩定住房價格”為調控政策目標，因為房價的波動可通過各種渠道引起整體宏觀經濟波動。正如胡浩志 （2010）和趙昕東 （2010）指出中國房地產價格的波動與宏觀經濟之間存在正反饋機制，房地產價格過度波動會造成宏觀經濟的劇烈波動，扭曲資源配置，集聚金融風險。所以，房地產調控政策是否會導致市場出現“政策反應過度”或“政策不適應”異常波動成為一個急需回答的重要問題。

3 2005-2016年全國性房地產調控政策

2003年8月，國務院發布《關于促進房地產市場持續健康發展的通知》（18號文件）將房地產業定位為拉動國家經濟發展的支柱產業之一，同時特別關注“房地產價格和投資增長過快”，要求“努力實現房地產市場價格基本穩定”。2003年以后中央頻繁出臺一系列貨幣、稅收、行政等措施來調控商品住宅市場，主要目標是實現住房市場的穩定與發展。本文主要梳理直接影響商品住宅市場的重要調控政策組合，并將政策組合以松緊程度進行分類，用以分析政策組合對于市場的影響。

3.1緊縮性政策

緊縮性政策是指在市場繁榮時期政府運用政策工具抑制市場需求增長。從總體上來說，中央主要運用財政稅收、貨幣信貸、行政管理三方面的政策工具來控制房地產市場需求。表1列舉了2005-2016年期間六項重要全國性房地產市場緊縮政策組合的實施時間、政策發布部門以及主要內容。

根據以上政策列表，可以發現近十年的房地產市場調控緊縮政策呈現了以下幾個特點：

（1）2014年之前，除了2008-2009年全球經濟危機以及2012年中央政府換屆期間，國務院每年都要出臺遏制房價增長的房地產調控政策通知，政策的主要目標是“穩定住房價格”以及“房地產市場平穩健康發展”。

（2）具體措施一般為多種政策組合，由人民銀行、財政部、國家稅務總局等多部門聯合制定，以提高購房交易營業稅、貸款首付比例、利率、銀行準備金等方式增加購房成本，從而減少購房需求，主要是市場需求管理。

（3）經過多年發展，政策細則從全國性統一政策向差異性政策轉變，針對不同類型的房屋交易，根據地區具體情況進行靈活調整，在全國性調控政策指導意見的基礎上將具體調控措施的權限下放給地方，由地方因地制宜地選擇和實施政策。

3.2寬松性政策

寬松性政策是指政府運用政策工具促進市場繁榮或抵抗經濟衰退的措施，例如，放大金融信貸、減少稅收、放松行政管制等。表2列舉了2005-2016年期間四項重要全國性房地產市場寬松政策的實施時間、政策發布部門以及主要內容。

通過梳理以上的政策，可以發現近十年的房地產市場寬松性政策呈現了以下幾個特點：

（1）政府文件中并沒有具體說明寬松政策出臺的根據與準則，也沒有明確政策的目標或實施期限，一般是在前期緊縮性政策的基礎上進行逆向調整。

（2）除了2008年在應對金融危機時國務院以下達通知的方式公布政策外，寬松性政策主要由中國人民銀行通過放松金融信貸的方式來實現。

（3）相對于緊縮性政策，寬松性政策出臺的頻率較低，而且2014年后出臺的政策也呈現出差異化和靈活性的特點。

從以上緊縮性和寬松性政策分析中可以看出近十年中國房地產市場宏觀調控政策相機抉擇特性非常明顯，政策出臺無特定規則，調控程度和方向根據當時的房地產市場和總體經濟狀況進行調整。同時，央行的貨幣信貸政策在近十年的中國房地產市場宏觀調控政策中起到了核心作用，這就涉及到央行是應該按照預先承諾的最優規則行事使政策具有可信性，還是應該相機抉擇貨幣政策進行反經濟周期操作的爭論。

在經濟學中，宏觀經濟政策的規則與相機抉擇之爭主要是圍繞Kydland和Prescott （1977） 提出的時間一致性理論，然而在理論上并未形成共識。實證研究中試圖證明政策是不是時間一致性意義并不大，關鍵是要考察政策是否引起經濟劇烈波動或社會福利損失，從政策的實踐結果來判斷政策的優劣。遵循這樣的思路，本文首先對房地產市場指標進行分解，計算市場波動趨勢中的轉折點以及異常點，然后將其與主要政策出臺或實施時間對應，考察政策與市場轉折和異常的關聯，從而評判政策的有效性。

4 商品住宅市場的基本情況與研究方法

4.1商品住宅市場的基本情況

近十年的房地產市場調控政策主要是針對商品住宅市場供需調控，因此本文研究的變量為全國商品住宅銷售面積以及銷售價格，樣本期為2005年2月至2017年2月，數據來源于國家統計局和中國房地產指數系統（CREIS）。以往的研究多用采用房地產景氣或價格指數作為研究對象，這些綜合指數采用多個指標進行加權平均或用模型進行測算，在構建過程中剔除季節因素和隨機因素影響的同時也過濾了一些有價值的信息，例如，房地產調控政策事件作為干擾因素產生的異常影響容易被當作隨機因素而忽略。同時，市場成交量與價格是分析市場的最基本要素，因此本文采用未經指數化處理的全國商品住宅銷售面積和銷售價格作為研究樣本。本文計算兩個變量月度數據的同比增長率來表示商品住宅市場的波動，并用于后面的實證分析。

根據統計數據，2005年-2016年期間全國的商品住宅銷量和價格呈現持續上漲的趨勢。單月的商品住宅銷售面積從2005年初的2000萬平方米左右上升到2016年初1億平方米左右，價格也從2700元/平米左右上漲到7400元/平米左右，價量分別增長了2和4倍，說明全國商品住宅市場處于持續繁榮發展的階段。

但是，這種持續增長的態勢并不平穩，時常劇烈波動。同比增長樣本分布的統計量表明全國商品住宅銷售面積同比增長的偏度為7.2，峰度為71.4;銷售價格同比增長的偏度為-0.12，峰度為2.9，表明了兩組數據系列都不符合正態或均勻分布，存在極端值，即異常波動。由于本文主要關注中央的房地產市場宏觀調控政策與中國商品住宅市場波動的相關性，實證部分也以分析市場價量同比增長的趨勢與異常為主。

4.2 商品住宅市場波動的研究方法

4.2.1于LOESS的季節性趨勢時間序列分解法 （STL）

本文首先要分析商品住宅市場波動趨勢以及識別異常波動。目前已有的中國房地產市場趨勢分析研究多采用基于單調性假設的線性回歸方法，而商品住宅市場波動由于受到政策干擾及其他因素影響，并不滿足線性和單調假設，異常值的出現會造成模型估計偏差。STL結合了線性回歸的簡單性和非線性模型的靈活性，采用局部加權回歸法（LOESS）選取一定比例的局部數據，在這部分子集中擬合多項式回歸曲線，利用得到的局部回歸模型來估計某點的值，并通過逐點運算得到整條擬合趨勢曲線（Cleveland和Cleveland ，1990）。這個方法適用于每個周期觀測值大于1的任意時間序列，可以靈活分解季節和趨勢變化，能識別異常擾動，擬合結果比較穩健。STL用LOESS作為平滑器將時間序列Y_t分解成低頻率的趨勢項 Trend_t （T_t），高頻率的季節項 Seasonal_t（S_t）以及不規則變化的殘余項Residual_t（R_t），基本公式為：

Y_t=T_t+S_t+R_t? ? ? ? ? ? ? ? ? ? ? ? ? ? ?（1）

STL的計算過程由內循環和外循環兩部分組成。內循環過程計算出時間序列的趨勢分量和季節分量。因為在內循環中數據平滑是在每一個子序列集中進行，季節項在內循環完成后出現一定程度的毛刺現象，為此，還需要進行季節項的后平滑。后平滑基于局部二次擬合，并不再需要在LOESS中進行穩健性迭代。

本文主要研究中國商品住宅市場波動的轉折點與宏觀調控政策的出臺相關性，因此需要識別出市場波動趨勢變化的轉折點。本文根據STL擬合的趨勢線上的數據點前后數據正負值的變化來計算趨勢線的轉折點，計算的公式如下：

波峰：? ? Max_i=sign（T_（t+1）-T_t ）-sign（T_t-T_（t-1） ）=-2， i=1，2，…，n? ? ? ? ? ? ? ? ? ? ? ? （2）

波谷：? ? ?Min_j=sign（T_（t+1）-T_t ）-sign（T_t-T_（t-1） ）=2，? j=1，2，…，k? ? ? ? ? ? ? ? ? ? ? ? （3）

STL外循環主要作用則是引入了一個穩健性權重項，以控制數據中異常值產生的影響。在這個過程中為了消除異常值對回歸結果的影響，會根據某個時間點處殘差大小賦予這個時間點上的值以穩健權重W_t，殘差越大的時間點被賦予的權重越小。對于有異常值的時間序列在內部完成n次迭代前需要將穩健權重應用于下一階段內循環的臨近權重迭代。本文將STL外循環計算過程中穩健權重賦值W_t≤1.0e-8的點定義為異常點，并定位其出現時間點。

4.2.2干預模型

時間序列中出現異常點可以被認為是某種因素或某個干預事件造成的，而中央出臺一些宏觀調控政策有可能會造成全國商品住宅市場價量出現異常波動。所以，本文還采用干預模型來估計市場波動的異常點，考察異常波動點與宏觀調控政策事件時間點的對應性，并估算有顯著影響的政策干預事件的效果大小。

目前，對于時間序列的異常值的識別主要用ARIMA模型。先假設時間序列Y_t為在時間點t=1，2，…，n 上滿足ARIMA（p，d，q）過程的平穩序列，其表達式為：

?（B）α（B）Y_t=θ（B）a_t ， a_t～NID（0，σ^2）? ? ? ? ? ? ? ? ? （4）

這里，a_t是白噪聲，?（B）、α（B）、θ（B）是階數分別為d、p 和q 的滯后項算子B的多項式。當該序列受到非重復性突發事件（如調控政策事件）影響，可用回歸多項式將異常值表示為：

Y_t^*=Y_t+∑_（j=1）^m?〖w_j v_j （B） I_t （τ_j）〗? ? ? ? ? ? ? ? ? ? ? ? ?（5）

其中，Y_t為實際觀察值，m 是異常值個數，v_j （B）是刻畫在? t=τ_j時刻出現異常值的滯后多項式，w_j 表示v_j （B）對時間序列的影響，I_t （τ_j） 是Kronecker delta 示性函數：

I_t （τ_j ）={（1? ? ? ? ?t=τ_j@0? ? ? ? ?t≠τ_j ）┤

I_t （τ_j ）=1表示有干預事件或一些未知因素致使時間序列出現異常值。當外部干預事件或未知因素對Y_t產生的異常影響是一次性沖擊時，該異常點屬于加性異常值（Additive Outlier），其滯后多項式 v_j （B）=1，產生的影響大小為w_j。當時間序列存在多個異常點，需要用聯合估計方法來識別，計算方法則使用似然比統計量來檢測異常值，具體的計算過程可參見Chen和Liu （1993）以及L?Opez-De-Lacalle （2016）。

5 實證分析結果

5.1 STL分解市場變量時間序列的結果

圖1和圖2顯示STL分解的結果。圖2中的趨勢圖顯示2005至2016年期間全國商品住宅銷售面積波動劇烈，最高是在 2009年8月的同比增長達到51.7%，最低是2008年7月的同比減少17.4%，在一年的時間里波動幅度將近70%。全國商品住宅銷售量劇烈波動的趨勢在2012年之后趨于緩和，振幅維持在-10%至20%之間。相比銷售面積波動，全國商品住宅銷售價格波動幅度要小很多（見圖3），一般在5%-14%區間內波動。這期間的價格的最大同比漲幅是在2009年8月的19.5%，而2014年7月的零增長是這些年價格同比增長趨勢的最低值，表明中國商品住宅價格呈現較快剛性增長的趨勢。

圖1和圖2的趨勢線中用上下三角符號分別標注了根據公式（2）和（3）計算出的趨勢波峰和波谷（即轉折點），同時用實豎線標注文中第三部分列舉的緊縮性調控政策以及用虛豎線標準了寬松性調控政策出臺或實施時間。從圖中可以看到，重要的緊縮政策出臺之后全國商品住宅價量同比增長持續放緩，而寬松政策的出臺后則大概率出現價量增速反彈的現象。同時，圖1和圖2中時間序列隨機擾動中也用方形標注了根據STL穩健性權重識別出的價量異常點。可以看到一些政策的出臺實施時間與商品住宅市場價量異常波動出現的時間點吻合或相近。圖中顯示商品住宅銷售量異常波動基本集中在2007年之前，波動的出現與緊縮性調控政策有關，而商品住宅價格異常波動在2005-2016年期間持續出現，基本都與調控政策的出臺有關。

表3和表4具體列出了主要政策出臺時間點與市場價量波動趨勢出現轉折和異常的時間點。從表中可以看到全國商品住宅銷售面積和價格波動趨勢的波峰與中央緊縮政策出臺的時間點有明顯的相關性，而波動趨勢的波谷與寬松政策出臺也顯著相關。例如，除了2005年6月的“國八條”出臺，緊縮政策出臺的前后4個月內都會出現價量波動趨勢的波峰， 而銷售價格波動趨勢波峰會與銷售量波動趨勢波峰同步或略晚。在文中所列出的四條重要房地產調控寬松政策中，有三次出臺的時間點接近價格波動趨勢波谷。

表3和表4中列出的市場異常波動的時間點則顯示只有2005-2007年期間出臺的緊縮調控政策出臺后，商品住宅銷售量頻繁出現異常波動， 但是2008年之后不管是緊縮性政策還是寬松性政策的出臺都未見銷量異常波動。與之相反的是商品住宅價格異常波動基本在2008年之后出現，2009年的“國十一條”和2013年的“新國五條”的出臺后出現了價格異常波動，而央行實施的4次貨幣寬松政策中有3次政策出臺后，價格出現異常波動。

綜合以上分析，中央政府出臺的房地產調控政策與房地產價格的價量波動趨勢具有明顯關聯性，即緊縮性宏觀調控政策可以在短期內抑制商品住宅銷售量和房價增速，但是在政策轉向寬松時會出現迅速反彈。同時，調控政策還與價量異常波動有關，一些調控政策的效果與中央穩定房地產市場的目標有所偏離。本文還發現調控政策與異常波動的關聯性有不對稱性，即2008年之前的調控政策僅與銷售量異常波動相關，而2008年后的調控政策則僅與價格異常波動有關。

5.2 干預模型估算結果

通過前面的STL分解時間序列的分析可以看出一些宏觀調控政策與商品住宅市場價量異常波動有明顯關聯。2005-2007年期間出臺的房地產調控政策主要通過調整限購限貸的松緊程度來影響家庭購買商品住宅的成本，短期內形成對市場商品住宅的需求和供應量的沖擊，產生的效果會很快體現在市場銷售價量變化中。本文將用干預模型進一步估計由于某些干預因素致使市場出現的異常點并估算干預因素影響的大小。如果模型估計的異常點臨近的時間段內有重要調控政策出臺，調控政策很有可能是導致異常波動的干擾事件。

表5是干預模型估算的結果以及所對應的重要政策出臺時間列表。根據干預模型估算的結果，中國商品住宅銷量在2005年8月和10月出現異常波動，而在2005年6月中央出臺了“國八條”的政策，首次將穩定房價提高到政治高度，同時，“七部委意見”出臺的細則也首次對售賣交易不足兩年的商品住宅按售房收入全額征收營業稅。這個突然出臺的新政策目的是為了遏制投資性或購房，提高了交易不足2年的商品住宅交易成本。然而，這個政策也會降低購買不足2年住房購房者的對外銷售意愿，從而減少房屋供應量。由于未來二手商品住宅交易成本的不確定性，當大量剛性需求購房者預期二手商品房購房成本增加且供應量會減少時，他們就會在政策真正落實前趕緊購買商品住宅。 同時，由于商品住宅市場價格剛性上漲，投資性購房者預期房產收益超過購房成本時也會在政策正式實施前大量購買商品住宅，持有至政策允許交易后的再進行轉手交易。根據干預模型估計，這個政策事件使商品住宅銷售量漲幅在8月比去年同期增加了5.54倍，在10月增加了50%。

2006年5月，中央出臺的“國六條”和“國十五條”進一步收緊調控政策，向購房未滿5年再次進行交易的商品住宅征收營業稅，同時提高個人住房貸款首付比例。干預模型估算結果顯示2006年8月商品住宅銷售量同比增長出現異常，減少了87%。由于2005年8月銷售量出現異常成倍增長，僅僅比較2005年8月和2006年8月的增長會有偏差，需要拉長時間尺度來判斷這個時期的銷售量同比增長。從數據上看，2006年2月、5月、6月商品住宅銷售同比增長都在100%左右，6月至7月有所回落，8月出現同比下降，但9月的同比增長回升到39%左右，與STL方法識別2006年2月至5月以及2006年8月的異常波動情況吻合。可見，在“國十五條”政策出臺前后商品住宅銷售量是增長異常，8月出現同比下降主要是由于上一年8月的異常成倍增長，當月相對于去年同期出現下降。2006年的緊縮政策是2005年政策的延續與升級，將進一步增加購房后的持有成本并減少未來二手房商品住宅市場的供應量，在預期驅使下，政策反而刺激購房異常增長。

同樣的，干預模型和STL分解方法都顯示2007年8月商品住宅銷售面積同比增長異常，與此相對應的是8月國務院的“24號文”再次強調認真落實2006年出臺的 “國十五條”，央行和銀監會9月出臺的出臺了“927房貸政策”，在2006年“國十五條”的基礎上提高第二套住房貸款首付比例和利率，也進一步增加第二套住房的購房成本。干預模型估計銷售量異常增加41%，可見公眾為了規避限購政策或在政策刺激下有突擊購房行為。

干預模型估計銷售價格同比增長有4個異常點，其中2010年2月和2012年2月的異常點也同時被STL分解法識別。在2009年12月至2010年1月期間，國務院出臺了“國十一條”，財政部和央行也分別推出稅收及貨幣政策收緊從2008年9月左右開始實施的寬松政策。在此之前，商品住宅銷售價格同比增長已經連續5個月超過20%，2010年2月的增長為25%，但是3月則回落到15%，可以認為寬松向緊縮政策的轉化與價格增速沖高回落緊密相關。2011年9月至12月，全國商品住宅價格增長緩慢，同比增長率低于10%，2012年2月甚至出現10%的負增長，央行在商品住宅市場情況進一步惡化之時降低銀行準備金率，使信貸環境相對寬松，而商品住宅價格也于2012年4月左右重新實現同比正增長。由此可見，干預模型估計結果也佐證了商品住宅市場價量異常波動與一些房地產市場宏觀調控政策的出臺和實施密切相關。

結論與討論

本文梳理了2005-2016年期間重要的中國房地產市場宏觀政策，并采用STL方法估算中國商品住宅市場的價量波動趨勢轉折點與異常點，還用干預模型測算出由于干預因素造成的異常波動，進而從政策與市場波動關系的角度定量分析了房地產市場調控政策穩定房地產市場的效果。研究結果表明，中國商品住宅市場價量波動的轉折點與市場調控政策的寬松轉換明顯相關，“國八條”“國十五條”“國十一條”等限購或限貸政策在干預市場時也引起市場價量異常波動。總體而言，在近十年的房地產市場調控的實踐中，中央傾向于追求明顯的短期效果，例如商品住宅銷售價量增速迅速下降或回暖，并盡量減少政策實施的阻力，例如通過全國性銀行信貸政策和財政稅收政策調整對全國市場進行調控。這種相機抉擇的全國性房地產調控政策有時候會造成“市場不適應”的異常波動性，這意味著，調控政策的實施效果會偏離穩定房地產市場的目標。

另外，中國政府相機抉擇房地產宏觀調控政策時，并沒有特定的經濟規則約束，僅能從事后結果從某種程度推斷政策潛在規則。STL分析結果中房價波動趨勢下限是零增長以及趨勢的波谷大約維持在5%左右的事實也從另一個側面表明中國政府非常重視作為居民重要資產組成的房地產資產的增值與保值，并不希望全國房地產市場價格出現大幅度負增長。也就是說，房地產調控的核心依然是市場增長，其次才是市場穩定。

從過去十年的房地產市場發展與調控政策效果來看，市場調控政策從整體剛性管理向靈活的精細管理轉變，政策的穩健性和預見性逐步改善，實現了調控市場增速的目標，但是調控方式與市場機制仍存在沖突，于是出現異常波動現象。在今后的政策實踐中，隨著我國經濟結構性改革的加深，國內經濟波動的風險也在不斷上升，在一段時期內中國政府仍將相機抉擇政策調整房地產市場增速來保證整體經濟增長。但是，如何有效的權衡房地產市場增長與穩定兩者的輕重，應成為我國房地產市場調控政策完善過程中必須重點研究的一項課題。

參考文獻：

[1]余華義.經濟基本面還是房地產政策在影響中國的房價[J].財貿經濟，2010，3（3）： 116-122.

[2]房地產周期波動研究”課題組.中國房地產周期波動：解釋轉移與相機政策[J].財貿經濟， 2002，7（7）： 26-33.

[3]丁烈云.房地產周期波動成因分析[J].華中科技大學學報社會科學版，2003，17（2）：19-25.

[4]徐國祥，王芳.我國房地產市場周期波動譜分析及其實證研究[J].統計研究，2010， 27（10）： 18-24.

[5]焦繼文，陳文天.基于hp濾波法的我國房地產周期與房地產政策關聯性研究[J].建筑經濟， 2012，8（8）： 79-83.

[6]呂鵬，張洪.運用hp濾波法研究我國房地產周期波動與房地產政策相關性[J].中國市場， 2014，12（12）： 109-112.

[7]陳峰，丁烈云.我國房地產政策周期的比較研究[J].經濟與管理研究，2007，5（5）：72-75.

[8]黃新華， 屈站.中央政府房地產調控政策決策邏輯的理論解釋——基于1998-2013年間相關政策文本的研究[J].廈門大學學報（哲學社會科學版），2014， 4（4）：66-75.

[9]韓芳，陳彤.2004年以來中國房地產市場宏觀調控的變遷與政策啟示[J].建筑經濟， 2011，5（5）：43-46.

[10]潘麗萍.改革開放三十年中國房地產業政策演變與經濟績效分析[J].河南城建學院學報， 2009，18（2）：1-5.

[11]韓紀江.我國房地產宏觀調控的得失探究[J].湖北經濟學院學報，2012，10（1）：48-53.

[12]宋勃.房地產價格波動與政府的干預政策[J].價格月刊，2010，11（11）：20-26.

[13]李洪林，彭立強.中國房地產市場政策調控效果研究述評[J].華東經濟管理，2011，25（8）： 118-122.

[14]李凱.基于投資組合理論的房地產調控政策有效性分析[J].統計與決策，2012，8（8）： 53-55.

[15]孫穎.我國房地產市場宏觀調控政策效應測度與分析[J].建筑經濟，2010，8（8）： 75-78.

[16]蔡明超，黃徐星，趙戴怡.房地產市場反周期宏觀調控政策績效的微觀分析[J].經濟研究， 2011（S1）：80-89.

[17]彭坤燾.提升城市住房市場宏觀調控的績效——空間視角的分析[J].城市規劃，2008， 9（9）：21-27.

[18]王先柱，楊義武.差異化預期、政策調控與房價波動——基于中國35個大中城市的實證研究[J].財經研究，2015，41（12）：51-61.

[19] 胡浩志.房地產市場在貨幣政策傳導機制中的作用——基于svar模型的經驗研究[J]. 宏觀經濟研究，2010， 12（12）：69-74.

[20]趙昕東.中國房地產價格波動與宏觀經濟——基于svar模型的研究[J].經濟評論， 2010，1（1）：65-71.

[21]KYDLAND F E，PRESCOTT E C.Rules rather than discretion：The inconsistency of optimal plans[J].Journal of Political Economy，1977，85（3）：473-491.

[22]CLEVELAND R B，CLEVELAND W S.STL： A seasonal-trend decomposition procedure based on loess[J].Journal of Official Statistics，1990，6（1）：3-33.

[23]CHEN C，LIU L M.Joint estimation of model parameters and outlier effects in time series[J].Journal of the American Statistical Association，1993，88（421）：284-297.

[24] L?OPEZ-DE-LACALLE J. Tsoutliers R Package for Detection of Outliers in Time Series[Z].R Package：CRAN，2016.

[基金項目] 國家自然科學基金青年項目“中國房地產市場政策體系測量和績效評估研究---基于政策網絡理論的視角”（項目編號：71704114）。

[作者簡介] 蘇志（1979—），女，漢族，廣西南寧人，首都經濟貿易大學國際經濟管理學院副教授，研究方向：政策評估、網絡經濟、勞動經濟。