扈文秀++吳婷婷++付強

摘要：為了有效控制房地產(chǎn)價格非理性上漲對宏觀經(jīng)濟的影響，本文對房地產(chǎn)價格膨脹進行區(qū)分。根據(jù)27個國家，1990年至2014年的房地產(chǎn)價格數(shù)據(jù)，通過約束平滑B樣條模型（COBS）識別出每一國家的房地產(chǎn)價格的膨脹區(qū)間，根據(jù)不同膨脹區(qū)間后宏觀經(jīng)濟的不同反應，區(qū)分出高風險資產(chǎn)價格膨脹與低風險資產(chǎn)價格膨脹。并根據(jù)確定出的高風險資產(chǎn)價格膨脹的預警指標，通過二元離散選擇模型，構(gòu)建針對房地產(chǎn)市場的高風險價格膨脹動態(tài)預警機制。最后，運用我國的房地產(chǎn)市場數(shù)據(jù)，對得出的預警模型進行樣本內(nèi)及樣本外檢測。

關(guān)鍵詞：高風險資產(chǎn)價格膨脹；COBS模型；二元離散選擇模型；預警機制

中圖分類號：F830.2文獻標識碼：A文章編號：10035192（2017）02005106doi：10.11847/fj.36.2.51

Study on the High Cost Booms Identification in Real Estate Marketand Its Real Time Early Warning Mechanism

——Based on International Experience Data

HU Wenxiu， WU Tingting， FU Qiang

（School of Economics and Management， Xian University of Technology， Xian 710054， China）

Abstract：In order to effectively control the effect of house prices irrationally rising on macroeconomic， this paper distinguishes the house price booms. According to 27 countries from 1990 to 2014 real estate price data， by constraining the smooth Bspline model（COBS）， this paper identifies each countrys real estate price inflation interval. Subsequently， it distinguishes the high cost booms and the low cost booms by the macroeconomic reactions after different inflation intervals. Then， using the determinants through nonparametric tests， it establishes the real time early warning mechanism of high cost booms in real estate market， based on discrete choice model. Finally， this paper uses Chinas real estate data to make insample test and outofsample test of that real time early warning mechanism. Key words：high cost asset price boom； COBS model； discrete choice model； real time early warning mechanism

1引言

資產(chǎn)價格膨脹尤其是房地產(chǎn)價格的急速暴漲是近年來我國甚至世界范圍內(nèi)出現(xiàn)的重要經(jīng)濟現(xiàn)象[1]。2000年以來，我國平均房地產(chǎn)市場價格上漲了3倍左右，一線城市部分區(qū)域的房地產(chǎn)價格甚至上漲了5倍以上。同樣，國外的房地產(chǎn)市場也出現(xiàn)了價格過熱的情況，如日本房地產(chǎn)價格從1985年以來，經(jīng)歷了數(shù)次房地產(chǎn)價格暴漲[2]。然而，在經(jīng)濟發(fā)展中，有些資產(chǎn)價格膨脹會隨著經(jīng)濟的發(fā)展逐漸消退，而有些資產(chǎn)價格膨脹卻會對實體經(jīng)濟產(chǎn)生較為嚴重的影響。如日本80年代末90年代初出現(xiàn)的資產(chǎn)價格大幅上漲，最終以泡沫經(jīng)濟為后果，直接導致日本經(jīng)濟陷入十年蕭條[3]。2007年美國房地產(chǎn)價格上漲引起的次貸危機甚至引發(fā)了世界金融危機的爆發(fā)。中國香港和新加坡的房價大幅上漲卻并沒有對實體經(jīng)濟產(chǎn)生太大影響[4]。

然而現(xiàn)有研究主要關(guān)注于房地產(chǎn)價格膨脹與宏觀經(jīng)濟之間關(guān)系，但是忽視了不同階段資產(chǎn)價格膨脹對宏觀經(jīng)濟的影響不同，在研究時不可一概而論。我國的現(xiàn)有研究尚未對資產(chǎn)價格膨脹進行區(qū)分，但是近年來，國外已有一些學者發(fā)現(xiàn)并不是所有的資產(chǎn)價格膨脹都會引起較大的產(chǎn)出損失，如Dieter和Hans[5]通過分析發(fā)現(xiàn)不同的資產(chǎn)價格膨脹會對膨脹期后的宏觀經(jīng)濟產(chǎn)生不同的影響。因此，他們根據(jù)膨脹期后經(jīng)濟增長率的不同將資產(chǎn)價格膨脹分為高風險資產(chǎn)價格膨脹和低風險資產(chǎn)價格膨脹。之后的學者根據(jù)這一結(jié)論進行了更加細致的分析，Detken和Smets[6]將資產(chǎn)價格膨脹定義為是一個連續(xù)的至少4個季度的過程，在這一過程中實際總價格指數(shù)超過其趨勢至少10%以上。Adalid和Detken[7]在這一研究的基礎(chǔ)上將資產(chǎn)價格膨脹根據(jù)膨脹期后的GDP增長率分為低風險資產(chǎn)價格膨脹和高風險資產(chǎn)價格膨脹。如果GDP平均實際增長率在膨脹期中高于膨脹期后，則這個膨脹期就可以稱為高風險資產(chǎn)價格膨脹。

在識別出高風險資產(chǎn)價格膨脹區(qū)間之后，如何對其進行預警進而通過宏觀政策控制高風險資產(chǎn)價格膨脹對實體經(jīng)濟的影響是研究中至關(guān)重要的問題?，F(xiàn)有對于危機預警的研究主要分為非模型預警和模型預警。非模型預警由于其操作簡便，在前期的危機預警研究中得到廣泛的運用[8，9]。然而，Berg和Pattillo[10]通過實證分析對模型預警和非模型預警進行了對比研究，結(jié)果顯示模型預警的準確性要遠高于非模型預警，因此現(xiàn)有的危機預警研究以模型預警為主要方法。由于研究內(nèi)容和視角不同，不同學者對于模型的選擇也往往具有較大差別。首先，KLR信號分析法[11]和STV截面回歸模型[12]，以其指標選擇的廣泛性被廣為運用。史建平和高宇[13]通過KLR信號分析法對于一些新興市場國家的金融危機進行預警。張元萍和孫剛[14]通過STV模型得到中國金融環(huán)境不穩(wěn)定的原因主要是受外部因素干擾。但是以上預警模型在運用時不能區(qū)別不同的指標對危機的影響，顯然不適合具有復雜影響因素的高風險資產(chǎn)價格膨脹的研究。馬爾科夫區(qū)制轉(zhuǎn)換模型[15]則主要針對不同國家的經(jīng)濟周期、經(jīng)濟沖擊及國家間經(jīng)濟影響的研究。朱鈞鈞等[16]改進了馬爾科夫區(qū)制轉(zhuǎn)化模型，并重新研究了東南亞金融危機的影響因素。但是馬爾科夫區(qū)制轉(zhuǎn)化模型在價格波動方面的研究并沒有明顯優(yōu)勢。二元離散選擇模型[17]，其本質(zhì)是測度危機發(fā)生概率的方法。馬德功等[18]通過對比分析現(xiàn)有各種危機預警模型，得出Logit模型更適合構(gòu)建中國的貨幣危機預警。Cipollini和Kapetanios[19]得到預測經(jīng)濟危機的指標后，運用Probit模型進行動態(tài)危機預警。該模型可以直接計算危機發(fā)生的概率，適合多指標研究，可以反映每一指標和危機之間的關(guān)系，是現(xiàn)階段較為適合的資產(chǎn)價格膨脹的預警模型。

扈文秀，等：房地產(chǎn)市場高風險價格膨脹識別及其預警機制研究——基于國際經(jīng)驗數(shù)據(jù)

Vol.36， No.2預測2017年第2期

根據(jù)歷史經(jīng)驗，中國資產(chǎn)價格膨脹區(qū)間有限，在此基礎(chǔ)上對宏觀經(jīng)濟有影響的資產(chǎn)價格膨脹更少，研究中缺乏足夠數(shù)據(jù)，因此，國際經(jīng)驗數(shù)據(jù)就更為重要?，F(xiàn)有研究忽視了不同階段房地產(chǎn)價格膨脹對宏觀經(jīng)濟的影響，識別不同國家不同階段的房地產(chǎn)價格膨脹區(qū)間，對于價格膨脹的研究具有重要意義。通過以上綜述，本文主要分析以下三個具有遞進關(guān)系的問題：如何識別房地產(chǎn)價格膨脹區(qū)間以及高風險價格膨脹區(qū)間？哪些因素會對房地產(chǎn)市場高風險價格膨脹具有顯著影響？如何對房地產(chǎn)市場高風險價格膨脹進行預警？

3高風險資產(chǎn)價格膨脹預警體系的構(gòu)建

3.1高風險資產(chǎn)價格膨脹的預警指標

識別出房地產(chǎn)市場的高風險資產(chǎn)價格膨脹區(qū)間之后，其關(guān)鍵問題就是如何在房地產(chǎn)價格發(fā)生急速上漲時，區(qū)分每次膨脹是高風險資產(chǎn)價格膨脹還是低風險資產(chǎn)價格膨脹。首先本文通過非參數(shù)檢驗確定房地產(chǎn)市場高風險價格膨脹的預警指標，作為構(gòu)建預警模型的基礎(chǔ)。

3.1.1原始指標的選擇與預處理

結(jié)合多國經(jīng)濟環(huán)境，本文首先列出了可能對資產(chǎn)價格產(chǎn)生影響的18種因素，作為實證分析的備選指標。具體分為宏觀經(jīng)濟因素和金融指標，其中Xi為第i個原始指標（以下數(shù)據(jù)均為季度數(shù)據(jù)，取自萬德數(shù)據(jù)庫）：

（1）宏觀經(jīng)濟因素。宏觀經(jīng)濟是否平衡是衡量一國金融體系是否穩(wěn)健的根本條件。高風險資產(chǎn)價格膨脹的產(chǎn)生，從根本上說是一國宏觀經(jīng)濟出現(xiàn)不平衡的表現(xiàn)之一。因此，宏觀經(jīng)濟因素的異常是對高風險資產(chǎn)價格膨脹進行預警的基礎(chǔ)指標。本文選擇GDP（X1）作為宏觀經(jīng)濟的主要核算變量。

CPI（X2），即居民消費價格指數(shù)，它在實際研究中經(jīng)常作為經(jīng)濟分析和決策的先行指標，其變動在一定程度上說明了通貨膨脹和通貨緊縮的程度。

社會融資規(guī)模（X3）、固定資產(chǎn)投資完成額（X4）、財政收支余額（X5）分別從金融角度，投資市場和國家財政說明實體經(jīng)濟的活躍程度，及對資產(chǎn)市場的潛在影響。

稅收收入（X6）、工業(yè)增加值（X7）、公共財政收入支出（X8）從國家資金儲備量的角度說明國家經(jīng)濟的繁榮或者衰退，在一定程度上也反映了資產(chǎn)市場的活躍程度。

（2）金融指標。銀行危機與貨幣危機是高風險資產(chǎn)價格膨脹后產(chǎn)生的嚴重后果之一，因此，金融體系的穩(wěn)定是影響資產(chǎn)價格波動的重要因素。

利率（X9）和匯率（X10）變化是國家對于維護金融穩(wěn)定所采取的最直接的行為。低利率使得對于未來股票紅利和租金水平的預期提高，同時又會降低貼現(xiàn)率從而引起資產(chǎn)價格的上漲。另一方面，在資產(chǎn)價格膨脹期中，利率的提高可以通過強化逆向選擇和道德風險從而導致高負債的房地產(chǎn)企業(yè)的違約率，進而導致資產(chǎn)價格下跌。匯率的波動對于本國貨幣的升值和貶值有直接的影響。本文的數(shù)據(jù)均為剔除通貨膨脹率的實際利率和實際匯率。

國家外匯儲備（X11）衡量了中央銀行外匯貯備的充足程度，是一國進行宏觀調(diào)控的重要工具，如干預匯率的波動，穩(wěn)定資產(chǎn)價格。M0（X12），M1（X13），M3（X14）這三種貨幣供應量的指標以及基礎(chǔ)貨幣余額（X15），經(jīng)常被用來分析經(jīng)濟動態(tài)變化，且通過影響產(chǎn)出引起資產(chǎn)價格膨脹。實際信貸變量（X16）與進口價格（X17），出口價格（X18）在經(jīng)濟研究中通過金融加速器機制影響資產(chǎn)價格波動，這些變量均常用于資產(chǎn)價格波動的早期預警指標。

為了得到更加準確的統(tǒng)計結(jié)果，本文對以上指標進行HP濾波法，線性趨勢偏離和計算增長率等變形處理，以得到統(tǒng)一的度量標準。本文中，宏觀經(jīng)濟變量統(tǒng)一使用偏離趨勢的偏差進行變形處理，其公式為DevXi=Xi-TrendXiXi。其中DevXi為偏離趨勢的偏差，Xi為第i變量，TrendXi為通過HP濾波法得到的趨勢值。金融指標除實際利率、實際匯率使用水平值，其他指標統(tǒng)一通過計算得出同比增長率。

3.1.2實證檢驗

該實證檢驗的理論基礎(chǔ)為，如果我們認為某變量是高風險資產(chǎn)價格膨脹的決定性因素，那么我們就會預期該變量在高風險資產(chǎn)價格膨脹期中與膨脹期前的表現(xiàn)特征是不一樣的。因此，本文運用KruskallWallis檢驗目標變量是否為高風險資產(chǎn)價格膨脹的決定因素。假設(shè)任一變量Xit為i國在t時期的各解釋變量的值，其變形形式為Tit，滯后期為Kit，則：將目標變量分為兩組，一組為處于高風險資產(chǎn)價格膨脹期內(nèi)，設(shè)置為A組，一組沒有處在高風險資產(chǎn)價格膨脹期內(nèi)，設(shè)置為B組。根據(jù)AB兩組計算KW的值KWXT，K。如果某目標變量的置信度在95%以上，則說明這一變量與高風險資產(chǎn)價格膨脹呈相關(guān)關(guān)系，否則說明該變量與高風險資產(chǎn)價格膨脹之間不具有顯著的相關(guān)關(guān)系。

本文通過SPSS軟件，將房地產(chǎn)市場價格高膨脹區(qū)間與非高膨脹區(qū)間之間的指標值進行面板數(shù)據(jù)的KW檢驗，其統(tǒng)計結(jié)果如表1所示。

結(jié)果顯示，對于房地產(chǎn)市場的高風險資產(chǎn)價格膨脹，宏觀經(jīng)濟因素，如國民生產(chǎn)總值增長率（GDP），居民消費價格指數(shù)（CPI）， 固定資產(chǎn)投資完成額等經(jīng)濟指標與房地產(chǎn)市場高風險資產(chǎn)價格膨脹之間具有相對較強的正相關(guān)關(guān)系；金融指標如實際利率，實際匯率，貨幣供應量，國內(nèi)信貸增長率以及基礎(chǔ)貨幣余額等與房地產(chǎn)價格高風險膨脹之間也有著正相關(guān)關(guān)系。

3.2預警模型的構(gòu)建

3.2.1解釋變量的建立

根據(jù)以上KruskallWallis檢驗，我們得到了總共10種房地產(chǎn)市場高風險價格膨脹的影響因素，將其作為預警模型的解釋變量。但是由于處于同一經(jīng)濟體的各個經(jīng)濟指標之間會具有較強的相關(guān)性，如果直接作為預警模型的自變量，會出現(xiàn)多重共線性問題。因此，預警模型的構(gòu)建之前，首先應對影響因素進行主成分分析。通過消除相關(guān)性的處理，KMO檢驗與Barlett檢驗，應用SPSS軟件，得到原始變量的累計方差貢獻率，前三個主要因子的特征值均大于1，因此，我們提取3個公因子代表原始指標數(shù)據(jù)的主要信息。對三個主要因子命名為F1，F(xiàn)2，F(xiàn)3，其因子載荷矩陣可知，因子F1在X1（國民生產(chǎn)總值增長率）、X2（居民價格消費指數(shù)）、 X4（固定資產(chǎn)投資完成額）這三個解釋變量上具有較大的載荷，這三個解釋變量分別為宏觀經(jīng)濟因素中代表經(jīng)濟發(fā)展狀態(tài)的指標，將F1命名為宏觀經(jīng)濟因子；因子F2在X9（實際利率）、X10（實際匯率）和X16（國內(nèi)信貸增長率）這三個解釋變量上具有較大的載荷，而這三個指標可以說明銀行系統(tǒng)的國內(nèi)外信貸水平，將 F2命名為信貸變量因子；因子F3在X12、X13、X14（三個貨幣供應量的指標）、X15（基礎(chǔ)貨幣余額）這四個解釋變量上有較大的載荷，而這四個指標均與貨幣變量有關(guān)，將F3命名為貨幣變量因子。

根據(jù)以上數(shù)據(jù)分析結(jié)果，我們最終得到三個主要因子表達式

F1=0.8975X1+0.6423X2+0.4372X4+

0.1841X9-…-0.1832X16

F2=0.3215X1+0.1093X2+0.0322X4+

0.2473X9+…-0.0478X16

F3=0.1047X1+0.0421X2-0.0216X4+

0.8424X9-…+0.8430X16

3.2.2動態(tài)Logit模型的構(gòu)建

根據(jù)以上分析得出的高風險資產(chǎn)價格膨脹的三個主要因子為解釋變量，以高風險資產(chǎn)價格膨脹發(fā)生的概率為被解釋變量，將其定義為二元定性變量。本文定義yit為i國在t時期發(fā)生高風險資產(chǎn)價格膨脹的概率：當高風險資產(chǎn)價格膨脹發(fā)生，yit為1；當高風險資產(chǎn)價格膨脹不發(fā)生，yit為0。

設(shè)yit的值通過另一虛擬變量V確定，且V=f（X），f（X）=Xβ+ε 。因此，危機預警信號Yit出現(xiàn)的概率為

P（Yit=1）=P（V>0）=P（εt>-Xβ）。

Logit原始模型為logPit1-Pit=α+βXit+μit。其中Pt為第t時期發(fā)生高風險資產(chǎn)價格膨脹的概率，Xit為各解釋變量的值，α是常數(shù)項，μit為隨機干擾項。

由于靜態(tài)Logit模型沒有考慮到高風險資產(chǎn)價格膨脹在時間維度里的持久性，因此，本文將因變量的滯后值引入到模型中去，構(gòu)建包含滯后二元變量的動態(tài)Logit預警模型。即

logPit1-Pit=α+βXit+δyit-j+πit。yit-j為i國在t-j期發(fā)生高風險資產(chǎn)價格膨脹的概率。由此，得到最終的動態(tài)高風險資產(chǎn)價格膨脹動態(tài)Logit模型為

Pit=Fyit=11+e-yit=

11+e-（α+βXit+δyit-j）

其臨界值為0.5，即高風險資產(chǎn)價格膨脹運用Logit模型得出的結(jié)果大于0.5，則認為高風險資產(chǎn)價格泡沫會發(fā)生；反之，則不會發(fā)生高風險資產(chǎn)價膨脹。將分析得到的主要因子F1、F2、F3直接帶入模型中即可得到動態(tài)的Logit模型。運用Eviews軟件，通過t顯著性檢驗，最終確定其滯后項階數(shù)為1。接下來，將這些公因子作為新的變量建立態(tài)Logit模型，得出回歸結(jié)果如表2所示。

綜上所述，基于動態(tài)Logit高風險資產(chǎn)價格膨脹預警模型如下所示

logPit1-Pit=-0.099-0.891Fit+

0.246Fit+0.689Fit+1.092Yit-1

4預警模型的檢驗

為了對本文中構(gòu)建的預警模型的擬合程度及是否適合我國經(jīng)濟環(huán)境進行檢驗，我們分別對預警模型進行基于中國數(shù)據(jù)的樣本內(nèi)檢驗和樣本外檢驗。樣本內(nèi)檢驗主要對比分析前述研究，驗證模型的準確度，樣本外檢驗則是對本文的模型進行實際運用。其具體檢驗方法為利用動態(tài)Logit模型對樣本內(nèi)1995年1月至2014年12月間中國的相關(guān)經(jīng)濟數(shù)據(jù)進行模擬，驗證模型的準確度；對樣本外2015年中國房地產(chǎn)市場經(jīng)濟狀況進行預警判斷。本文將對應的預警指標數(shù)據(jù)統(tǒng)一進行變形處理，求出增長率，帶入預警模型中，通過Eviews軟件得出預警模擬信號曲線圖，分別如圖1，圖2所示。

圖1樣本內(nèi)預警模擬信號

圖2樣本外預警模擬信號

從圖1的樣本內(nèi)檢驗可以看出，預警信號值在2007年8月到2009年1月出現(xiàn)了高風險資產(chǎn)價格膨脹，這與本文之前的研究相契合，說明模型可以準確地識別出高風險資產(chǎn)價格膨脹的區(qū)間。圖2的樣本外檢驗則說明2015年并沒有發(fā)生高風險資產(chǎn)價格膨脹，這也與2015年的經(jīng)濟狀況相吻合。從2015年我國的房地產(chǎn)經(jīng)濟狀況來看，個別城市的房地產(chǎn)價格暫時性急速上漲并沒有帶動整個行業(yè)的價格膨脹，我國的房地產(chǎn)市場還處于相對穩(wěn)定的狀態(tài)。因此，這次局部的房地產(chǎn)價格膨脹不會引起宏觀經(jīng)濟的顯著反應，不屬于高風險房地產(chǎn)價格膨脹，不會造成較大的負面影響。

5結(jié)論與政策建議

根據(jù)本文的分析研究，得出以下研究結(jié)論：

首先，運用COBS模型分別識別出27個國家，1990年1月至2014年12月間房地產(chǎn)市場價格的膨脹區(qū)間。在此基礎(chǔ)上，根據(jù)不同階段房地產(chǎn)價格膨脹期后宏觀經(jīng)濟的反應，區(qū)分出不同國家的高風險資產(chǎn)價格膨脹周期。第二，通過KruskallWallis檢驗對27個國家18個潛在影響因素，共486個變量進行實證檢驗，研究經(jīng)濟變量與高風險資產(chǎn)價格膨脹之間的關(guān)系，最終得出10種對房地產(chǎn)市場高風險價格膨脹具有顯著影響的預警指標，即國民生產(chǎn)總值增長率，居民消費價格指數(shù)，固定資產(chǎn)投資完成額，實際利率，實際匯率，三個貨幣供應量指標，國內(nèi)信貸增長率以及基礎(chǔ)貨幣余額等因素。第三，根據(jù)實證研究結(jié)論得出的房地產(chǎn)市場高風險資產(chǎn)價格膨脹的預警指標，通過主成分分析法找出三個主要影響因子，將這三個影響因子作為變量，運用二元離散選擇模型，構(gòu)建出房地產(chǎn)市場高風險資產(chǎn)價格膨脹預警模型。最后，通過我國的實際經(jīng)濟數(shù)據(jù)對構(gòu)建的預警模型進行樣本內(nèi)檢驗和樣本外檢驗，樣本內(nèi)檢驗說明了預警模型的準確性，樣本外檢驗說明2015年以后我國的房地產(chǎn)市場并沒有發(fā)生高風險的資產(chǎn)價格膨脹。

根據(jù)以上研究結(jié)論，本文針對我國的高風險資產(chǎn)價格膨脹提出以下政策建議：

首先，根據(jù)本文的研究，并不是每一次房地產(chǎn)市場的價格膨脹都會對實體經(jīng)濟的發(fā)展產(chǎn)生惡劣的影響。宏觀審慎監(jiān)管制度的主要目的是防范金融體系的過度風險偏好和系統(tǒng)性風險，并不能像中央銀行調(diào)節(jié)市場利率一樣頻繁。因此，宏觀審慎監(jiān)管制度不應該對每次房地產(chǎn)市場價格膨脹都予以干預，應該在區(qū)分資產(chǎn)價格膨脹性質(zhì)的基礎(chǔ)上，有針對性地對可能發(fā)生的高風險資產(chǎn)價格膨脹進行干預。一方面控制政府成本，另一方面提高經(jīng)濟體自身的市場調(diào)節(jié)機制而并不只是宏觀調(diào)控控制經(jīng)濟。其次，并不是價格越高就會導致高風險資產(chǎn)價格膨脹的發(fā)生，是否為高風險資產(chǎn)價格膨脹不僅與價格高低有關(guān)，更與整體經(jīng)濟環(huán)境有關(guān)。其中，貨幣政策與高風險資產(chǎn)價格膨脹之間有著密切的聯(lián)系，從以往的實踐經(jīng)驗來看，貨幣政策不應該在低通脹的情況下盲目提高資產(chǎn)價格，這樣很可能導致股票、房地產(chǎn)價格的非理性上漲，最終出現(xiàn)高資產(chǎn)價格和低通脹的現(xiàn)象同時存在，進而誘發(fā)高風險資產(chǎn)價格膨脹的產(chǎn)生。根據(jù)本文實證部分對房地產(chǎn)市場高風險價格膨脹決定因素的研究，房地產(chǎn)市場高風險價格膨脹與信貸、貨幣和固定資產(chǎn)投資的過分擴張存在著較強的正相關(guān)關(guān)系。因此，在關(guān)于房地產(chǎn)市場價格波動的宏觀調(diào)控中應著重關(guān)注以上幾個方面的調(diào)整，而非僅調(diào)整房地產(chǎn)價格。最后，對于2015年后半年我國房地產(chǎn)市場出現(xiàn)的局部資產(chǎn)價格膨脹，根據(jù)本文的研究結(jié)論，并不屬于高風險資產(chǎn)價格膨脹。因此，應該采取調(diào)節(jié)利率等金融政策工具以及規(guī)范房地產(chǎn)市場秩序等政策，旨在通過房地產(chǎn)市場的自身調(diào)節(jié)機制穩(wěn)定價格，從而避免采用過多宏觀調(diào)控政策人為干預房地產(chǎn)市場價格。

參考文獻：

[1]楊俊杰.房地產(chǎn)價格波動對宏觀經(jīng)濟波動的微觀作用機制探究[J].經(jīng)濟研究，2012，47（S1）：117127.

[2]郭榮欣，李金鳳.日本房地產(chǎn)泡沫與中國房地產(chǎn)現(xiàn)狀分析[J].經(jīng)濟研究導刊，2011，（16）：139140.

[3]李方.應對金融泡沫經(jīng)濟拓展東亞金融合作[J].世界經(jīng)濟研究，2009，（1）：1923，87.

[4]Semlali M A S， Collyns M C. Lending booms， real estate bubbles and the Asian crisis[M]. Washington： International Monetary Fund， 2002.

[5]Dieter G， Hans E R. Asset price misalignments and the role of money and credit[J]. International Finance， 2010， 13（3）： 377407.

[6]Detken C， Smets F. Asset price booms and monetary policy[R]. Frankfurt am Main：ECBWorking Paper Series，

2004. 164.

[7]Adalid R， Detken C. Liquidity shocks and asset price boom/bust cycles[R]. Frankfurt am Main：European Central Bank， 2007. 151.

[8]藍湛恒.通脹預測、不確定性與先行指標體系的構(gòu)建[J].金融理論與實踐，2013，（1）：6872.

[9]師應來，王平.房地產(chǎn)預警指標體系及綜合預警方法研究[J].統(tǒng)計研究，2011，28（11）：1621.

[10]Berg A， Pattillo C. Assessing early warning systems： how have they worked in practice[J]. IMF Staff Papers， 2005， 52（3）： 462502.

[11]Kaminsky G， Lizondo S， Reinhart C M. Leading indicators of currency crises[J]. Staff PapersInternational Monetary Fund， 1998， 45（1）： 148.

[12]Sachs J， Tornell A， Velasco A. Financial crises in emerging markets： the lessons from 1995[J]. Brooking Papers on Economic Activity， 1996， 57（1）： 147215.

[13]史建平，高宇. KLR金融危機預警模型研究對現(xiàn)階段新興市場國家金融危機的實證檢驗[J].數(shù)量經(jīng)濟技術(shù)經(jīng)濟研究，2009，12（3）：106117.

[14]張元萍，孫剛.金融危機預警系統(tǒng)的理論透析與實證分析[J].國際金融研究，2003，3（10）：3238.

[15]Hamilton J D. The new palgrave dictionary of economics[M]. Basingstoke： Palgrave Macmillan， 2008.

[16]朱鈞鈞，謝識予，許祥云.基于空間Probit面板模型的債務(wù)危機預警方法[J].數(shù)量經(jīng)濟技術(shù)經(jīng)濟研究，2012，11（10）：100114.

[17]Frankel J A，Rose A K. Currency crashes in emerging markets： an empirical treatment[J]. Journal of International Economics， 1996， 41（3）： 351366.

[18]馬德功，張暢，馬敏捷.貨幣危機預警模型理論與中國適用[J].上海金融，2007，19（12）：1013.

[19]Cipollini A， Kapetanios G. Forecasting financial crises and contagion in Asia using dynamic factor analysis[J]. Journal of Empirical Finance， 2009， 16（2）： 188200.

[20]Ng P， Martin M. A fast and efficient implementation of qualitatively constrained smoothing splines[J]. Statistical Modelling， 2007， 7（4）： 315328.