我国房地长市场与股票市场的波动相关性研究.doc

迅速扩张的过程中，房地产和股票也成为我国居民个人财产性收入的主要部分。显然，无论是宏观经济政策的制定，还是个人投资决策，二者的价格越来越成为重要因素。而房地产业与股票市场之间的关系，以及二者间的互动性，无疑是宏观经济研究的重要对象。
一、文献回顾
Liu（1990）利用1978-1986年间的数据，以CAPM理论来验证美国股票市场及房地产市场之间的关联，这也是第一篇针对房市与股市之间的关系进行专门研究的文献。其研究结果发现二者之间存在一些间接性障碍，障碍因素主要包括成本、有关房地产的信息数量及品质等。Stone（1993）发现，在日本，土地价格与股票价格之间存在正向变动趋势。进入21世纪以来，一些新的理论模型被应用到了二者关联的探索中。Green（2002）利用1998年1月至2001年12月的数据对股价与住宅价格的关系进行了Granger因果检验，证明了Nasdaq 指数是Santa Clara地区住宅价格变化的Granger因，并且它们具有相同的变动趋势。Aman Ullah（2003）运用多元向量误差修正模型（VAREC）检验三个房地产市场变量和一个股票市场变量之间的动态关系。研究发现， 这三个房地产市场变量与股票指数回报是协整的，抵押贷款利率和股票回报率会影响房屋价格。在欧美国家，由于金融的不断深化，有文献另辟蹊径， 从证券化的角度分析二者间的关联。Liow（2005）等的研究就考虑房地产证券化与股票市场是否存在长期共时记忆（co-memories）。他们发现，房地产抵押贷款证券的价格、股票市场价格和关键经济要素之间存在部分协整关系。这意味着，长期来看证券化房地产与普通股是相互替代性资产，因此，基于多样化的考虑，这些资产在投资组合中不能同时持有。以上文献大多是针对发达国家和地区来分析的。Amidu（2008）等作者以处于发展中国家的尼日利亚资本市场为例，考察了其房地产和其他证券的历史绩效，实证结果表明，在尼日利亚，房地产无法抵御通货膨胀，也与股市不相关。在笔者看来，这与尼日利亚的经济发展程度和金融深化程度有关，众所周知，尼日利亚是IMF 确定的低收入国家，这些年来教派冲突严重，经济发展停滞，尽管近年来房地产在尼日利亚一支独秀，但却大部分是投机交易。这些原因，都阻隔了尼日利亚房地产与股票市场之间的沟通和联系。周京奎（2006）研究了我国房地产价格和股票价格之间的关系。他发现，房地产价格的变动将导致股票价格波动，而股票价格的变化对房地产价格的影响不显著。赵建（2007）的研究结果则认为，我国房地产价格和股票价格之间存在着较为显著的相关关系：以2002年6月为断点，之前和之后分别呈现股票价格主导下的正相关和房地产价格主导下的负相关关系。沈悦（2008）的实证研究结果表明， 房地产价格上涨对股票价格上升有显著影响，而股票价格上涨对房地产价格上升的影响较为微弱；房地产价格的上升与股票价格的上升存在两季左右的间隔，且两者呈现出螺旋式变化的趋势。一般来说，相比较发展中国家，发达国家二者之间的关联度更大，这与房地产业的虚拟化和不同产业部门之间的沟通深度有关；相较20世纪70年代以前，之后的房地产业与股票市场关联更紧密，这与20世纪70年代之后资产证券化发展与金融的不断深化有关。在2000年之前，我国对房地产业与股票市场的关联研究还处于学习、比较、鉴别以及定性描述的阶段，鲜有定量分析的文献。进入2000年以后，特别是近两三年，关于二者之间关联的中文文献如雨后春笋般涌现，这不仅表明我国房地产业和证券市场的发展，也表明了我国理论界开始重视这一问题。不过，对二者之间的收益率及其波动相关性则讨论较少。本文将以股票价格指数收益率和房地产价格指数收益率为基础，对二者之间的波动相关性进行一个详细的探讨。
二、ARCH、GARCH及EGARCH模型简介
一般GARCH模型可以表示为：

由于GARCH(p，q)模型是ARCH 模型的扩展，因此GARCH(p，q)同样具有ARCH(q)模型的特点。但是，GARCH(p，q)模型在应用于资产定价方面仍存在一些不足，比如不能解释两指数波动之间出现的负相关现象，此外，在估计GARCH模型时，还可能出现震荡现象。针对GARCH模型的种种不足，人们提出了很多改进的方案，有以下几方面。
（1）GARCH-M模型
GARCH-M模型表达式为：

其中，服从GARCH(p，q)模型。模型表明，每个投资者的期望资产回报率是与风险度密切联系的，而条件方差代表了期望风险的大小。
（2）TARCH模型
TARCH模型具有如下形式的条件方差

其中，是一个名义变量，由于引入，股价上涨信息和下跌信息对条件方差的作用效果不同。上涨时，其影响可用系数代表，下跌时为。
（3）EGARCH模型
EGARCH模型中，条件方差为延迟扰动项的反对称函数

由于采用了自然对数形式，意味着杠杆效应是指数型的。若，说明信息作用非对称；若时，杠杆效应显著。EGARCH模型可以很好地描述金融市场中的非对称性。此外，由于ht被表示成指数形式，因而对模型中的参数没有任何约束，这是EGARCH模型的一大优点。
三、房地产市场与股票市场波动相关性的计量检验
（1）数据的描述性统计和稳定性检验
本文分别以上海证券综合指数月收益率和房地产价格指数月收准率为依据，统计区间为1998年1月至2011年12月，得到表1。
表1  股票价格指数收益率和房地产价格指数收益率的描述性统计量
参数
均值
中值
标准离差
偏度
峰度
J-B检验
股票
房地产
0.008421
-0.000051
0.005891
0.001365
0.081457
0.020162
0.46935
-0.00376
4.78658
5.76237
23.1562
37.0143
样本期内，两指数的收益率都具有尖峰和厚尾的特征。J-B正态性检验也证实了这点，统计量分别为23.1562和37.0143，说明两个统计量都显著异于正态分布。由于房地产价格指数收益率的标准差要小于上海证券综合指数收益率的标准差，这表明，股票指数相对于房价指数，波动性更大。这也是与现实状况相吻合的。稳定性检验采用ADF检验法，得到表2。
表2  稳定性检验
变量
ADF检验
1%临界值
5%临界值
P值
股票
房地产
-9.6582
-8.9654
-3.1264
-3.1264
-2.6581
-2.6581
0.0000
0.0000
在1%的显著水平下，两市的收益率都拒绝随机游走的假设，说明是平稳的时间序列数据。由于股指收益率和房指收益率都有自相关性，因此，为消除自相关，股指收益率和房指收益率采用如下形式建立均值方程：。检验结果显示，二者残差不具有明显的自相关性，但是，二者残差平方则都具有显著的自相关性。这表明，股指收益率和房指收益率均具有明显的ARCH效应。此外，的波动具有明显的时间可变性和集簇性，适合用GARCH类模型来建模。
（2）房-股收益率的风险分析和比较
根据AIC和SC准则，连续增加滞后期直到AIC或SC取得极小值得到较为合适的模型GARCH(1，1)，运用极大似然法进行参数估计并检验，得到表3。
表3  股票价格指数收益率和房地产价格指数收益率的ARCH检验结果
变量
房地产价格指数收益率
股票价格指数收益率
系数
P值
系数
P值
ARCH
GARCH(-1)
0.041762
0.91247
0.0000
0.0000
0.21048
0.71054
0.0312
0.0002
由表3可见，房指和股指收益率条件方差方程中ARCH项和GARCH项都是显著的，表明两序列均具有显著的波动集簇性。在房指收益率中ARCH项和GARCH 项系数之和为0.9541，股指收益率为0.9209，均小于1。因此GARCH(1，1)过程是平稳的，其条件方差表现出均值回复，即过去的波动对未来的影响是逐渐衰减。进一步，可以获得GARCH-M(1,1)的估计结果，如表4 所示。
表4  股票价格指数收益率和房地产价格指数收益率的GARCH-M(1,1)估计结果
变量
房地产价格指数收益率
股票价格指数收益率
系数
P值
系数
P值
GARCH
5.30164
0.0781
-0.79852
0.03978
由表4可知，两者GARCH的系数都是较为显著的。但是，在股指收益率的GARCH中，系数值较小且为负，这表明收益可能存在负的风险溢价。而且，房地产销售价格指数收益率的系数要远高于股指收益率的系数，这说明相比股票市场投资者，房地产市场的投资者更加厌恶风险，要求更高的风险补偿。
（3）房－股收益波动的非对称性研究
由表5 可知，项的系数估计值都不小于0。换言之，中国的房市和股市均不具备杠杆效应。这说明，在样本期内，无论是房市，还是股市，利好消息对市场波动的影响，均要大于利空消息对市场波动的影响。在现实中，经验的证据告诉我们，为了抑制房地产与股市泡沫的膨胀，虽然国家出台一系列政策措施，但是，面对这些利空消息，投资者一般不会选择退市，而是观望。一旦有利好消息，投资者则会蜂拥入市，继续追高市场价格。
表5  股票价格指数收益率和房地产价格指数收益率的EARCH模型估计结果
变量
房地产价格指数收益率
股票价格指数收益率
系数
P值
系数
P值

0.035813
0.060102
0.19264
0.0208
究其原因，我国这些年的经济发展，使得投资者对房市、股市未来的市场行情普遍看好，正是在这种“信心”的影响下，即使存在利空消息，投资者也认为只是短暂的。正是这种普遍存在的投资者心理，削弱了我国房市和股市的杠杆效应。此外，就股市而言，之所以不存在杆杠效应，还因为我国股市不存在成熟的卖空机制，当出现利空消息时，虽然投资者预期股价将进一步下跌，但是只有持有股票的投资者对此作出反应，而其余投资者不能够通过卖空股票获利，因此不会出现成熟股市显著的杠杆效应。而对于房地产来说，我国房市不存在杠杆效应则是由房地产本身的属性决定的。房地产是不动产，一般来说，流动性并不像股票那么强，再加上我国房地产市场本身存在高昂的交易费用，这都阻止了房地产市场的杠杆效应的发生。
（4）房－股溢出效应的研究
当某个资本市场出现大幅波动的时候，就会引起投资者在另外的资本市场的投资行为的改变，这就是所谓的“溢出效应”。下面以修正的GARCH-M模型来检验房－股两市之间的波动是否存在“溢出效应”。
1. 检验两市波动的因果性
由表6可知，指波动不能Granger 引起股指波动的P值为0.06025，在10％的置信水平下，拒绝原假设，也就是说，房地产市场的波动能够引起股票市场的波动，房地产市场的波动是股票市场的波动的原因。但是，股指不能Granger引起房指的P值为0.96105，接受原假设，即股票市场波动不能够引致房地产市场的波动。这初步证明了房地产市场和股票市场之间的波动存在溢出效应，但却是不对称的、单向的，是房地产波动导致股票的波动，而不是相反。
表6  房地产波动和股票波动的Granger因果检验
原假设
F统计量
P值
房指不是股指的Granger原因
股指不是房指的Granger原因
1.74011
0.47156
0.06025
0.96105
2. 修正GARCH-M模型
在股票市场GARCH-M模型的条件方差方程中加入房地产市场波动的滞后项，得到表7。
表7  修正的股市GARCH-M模型
变量
系数
P值
修正的GARCH
原有GARCH
1.89736
-0.79852
0.02731
0.03978
与前面股票价格指数收益率GARCH-M模型结果比较，可见加入滞后项后，股市GARCH-M模型中均值方程的GARCH项估计值变大，更加显著，并且估计的标准误差缩小了。这说明在条件方差方程中加入房地产市场波动的滞后项是恰当的。此时股市收益率的GARCH-M效应更加明显了，风险与收益之间的相关关系更加显著。
四、结论与政策建议
第一，股票市场和房地产市场的收益率都存在明显的GARCH效应和GARCH-M效应。而且，房地产市场的正向风险溢价要高于股票市场，反映了房地产市场的投资者比股票市场的投资者更加厌恶风险。在投资上，我国房地产市场与股票市场之间，存在的不是财富效应，而是替代效应和挤占效应。一方面，股票市场波动过于频繁，使得投资者寻找房地产作为投资替代品；另一方面，房地产市场的繁荣，则挤占市场的流动资金，减少了流向股票市场的投资。
第二，股票市场和房地产市场都不存在明显的杠杆效应。换言之，在样本期内，无论是房市，还是股市，利好消息对市场波动的影响，均要大于利空消息对市场波动的影响。在现实中，经验的证据告诉我们，为了抑制房地产与股市泡沫的膨胀，虽然国家出台一系列政策措施，但是，面对这些利空消息，投资者一般不会选择退市，而是观望。一旦有利好消息，投资者则会蜂拥入市，继续追高市场价格。究其原因，一是因为经济持续增长所带来的“信心经济”的作用，二是中国股票市场不存在成熟的卖空机制，而房地产市场则交易费用较高，流动性不强，这都阻止了两市杠杆效应的发生。
因此，一方面，国家应坚定“挤泡沫”的决心，坚决抑制房地产市场和股票市场中的投机现象，保证市场的健康运行和可持续发展。另一方面，也应加大房地产和股票市场的信息披露的透明度，减少人为因素造成的剧烈波动，对于股市而言，应完善卖空机制，为投资者提供多样化投资的机会和风险规避手段；对于房市而言，则应增加其流动性。
第三，房地产市场和股票市场之间的波动存在溢出效应，而且是单向的，即房地产市场的波动会引起股票市场的波动，股票市场的波动则不必然会引起房地产市场的波动。房地产市场和股票市场是两个主要的风险累积市场，两者价格变动也会使风险互相传导，因此政府在进行风险监管时，需要系统地利用两者之间的相关关系，不能顾此失彼，把一个市场的风险转嫁到另一个市场上。而其中的单项因果关系表明，政府在进行房地产调控的时候，要同时警惕股票市场可能产生的危机。特别需要强调的是，房地产对股票的单向溢出效应显示，房地产对股票具有财富效应，而股票则对房地产则不具有财富效应，也就是说，房地产市场收益率的提高或者降低，会影响股票市场的收益，而股票市场的收益则不会影响到房地产市场的收益。这是一个单项的财富效应。股票市场具有财富效应的一个重要理论预设就是“持久收入假说”。而我国股市过高的波动幅度和频率，以及过高的周转率均表明，我国股市的“繁荣”并不符合“长期而稳定”和“持久收入”的条件。这直接导致了我国股市对房地产的财富效应极其有限。
参考文献
[1] Liu C H, Hartzell D J, etal. The integration of the real estate market and the stock market: some preliminary evidence [J]. Journal of Real Estate Finance and Economics, 1990(3):261-282.
[2] Stone D, Ziemba W. Land and stock prices in Japan [J]. Journal of Economic Perspectives, 1993, 17(3):149-165.
[3] Green R. Stock prices and house prices in. California: a new evidence of a wealth effect? [J]. Regional Science and Urban Economics, 2002, 32:75-83.
[4] Aman Ullah，Zhong-guo Zhou. Real estate and stock returns: a multivariate VAREC model [J]. Property Management, 2003, 21(1):8-24.
[5] Kim Hiang Liow，HaiShan Yang. Long-term co-memories and short-run adjustment: securitized real estate and stock markets[J]. Journal of Real Estate Finance and Economics, 2005, 31(3):283-300.
[6] Amidu Abdul-Rasheed，Aluko Bioye Tajudeen，Nuhu Muhammad Bashar，Saibu Muibi Olufemi. Real estate security and other investment assets：a comparison of investment characteristics in the Nigerian stock markets [J]. Journal of Property Investment & Finance, 2008, 26(2):151-161.
[7] 周京奎.1998-2005年我国资产价格波动机制研究——以房地产价格与股票价格互动关系为例[J].上海经济研究, 2006(4):21-29.
[8] 赵建.中国房地产市场和股票市场价格变动的相关性研究[J].山东社会科学, 2007(2):110-114.
[9] 沈悦，卢文兵. 中国股票价格与房地产价格关联性研究[J]. 当代经济科学，2008(7):87-92.