金融调控政策对房地产市场影响

金融调控政策对房地产市场影响

[内容摘要]本文运用事件分析法，采用多变量回归模型考察一系列房地产金融调控政策对房地产业的影响。分析表明，在短期内一系列金融调控政策对房地产上市公司产生了平均的显著为负的累计异常回报率，同时，也显著增大了房地产上市公司股票的系统风险，从而验证了一系列金融调控政策对房地产上市公司所产生的负的股东财富效应。因此，笔者认为单凭借货币政策难以解决我国现阶段房地产市场价格过高问题，还需借助财政政策、土地政策、引导消费预期等综合手段来调控房地产市场。

[关键词]房地产金融调控；MVRM模型；累计异常回报率

一、房地产金融调控的进程描述及事件日的确定

(一)房地产金融调控政策介绍

自从商品房改革以后，国内的房地产业一直保持高速增长。为限制房地产业的过快发展，防止泡沫发生，同时为了保护国内商业银行，国家出台了一系列政策措施，希望过快发展的房地产业能够软着陆。在这一系列政策措施中，2003年6月央行发布的121号令、2005年3月、6月国务院及七部委出台的新旧“国八条”、2006年5月国务院出台的“国六条”和“九部委十五条”是其核心事件。除以上三项措施外，我国自2002年4月至2007年10月相继出台了30余项

措施来调控房地产市场，而其基本上都是围绕着三个核心事件展开的。

(二)事件日以及虚拟假设的确定

1．事件日的确定。本文选择的10个事件及其发生日期见表1。

2．虚拟假设的确定。

H01：在某一个事件发生时，房地产上市公司的平均异常回报率为0。

H02：一系列金融调控事件对房地产上市公司平均的异常回报率为0。

H03：一系列金融调控事件对房地产上市公司的系统风险的改变量为0。

假设中主要是从证券市场的角度分析行业调控的影响。第一个假设单独考虑每一次事件的影响。第二个假设则将所有的行业调控政策和事件看作一个事件，来衡量房地产上市公司股东财富，即公司价值变化。第三个假设是从房地产上市公司系统风险的角度进行考察，以检验房地产金融调控是否带来投资风险的变化。

二、房地产金融调控政策产生的经济效应的计量分析

(一)实证方法与样本选择

1．包含风险因素的MVILM模型。John J.Binder在比较事件研究法中运用的几种基准模型中提出，当样本公司是非相

关行业，或者各个样本所经历的事件窗非完全重合时，简单的单因素市场模型是首选。而本文研究金融调控政策对于房地产行业的经济效应，不仅违背了样本公司是非相关行业的假设，而且各个样本公司又经历完全相同的事件窗。由于行业的相关性以及事件窗的重合，各个样本间异常回报率的协方差将不再为零，因此联合异常回报率的分布结果将不再可信，这种情况被称为“聚类性”(clustering)。“聚类性”问题可以通过两种方式解决。第一种方式是利用组合的方式，经过加权的组合的回报率，计算行业水平的平均异常回报率；第二种方法是分解上述方程到每一个证券，即对每一个独立的证券做如上方程的回归分析，形成一个系统模型。综合以上所有因素，本文将采用如下MVRM模型：其中：R1t，R2t…RNt分别为N只股票在t日的回报率；β11，β21，…βN1分别为N只股票关于市场回报率的系统风险系数；Rmt为t日经过加权的市场组合回报率；β12，β22，…βN2分别为发生事件时，N只股票关于市场回报率的系统风险的变化量；Dyear为一个虚拟变量，在一系列事件发生的一整段时期内为1，否则为0；Da为一个虚拟变量，在第a件事发生时为1，否则为0；γ1a，γ2a，…γNa分别为N只股票在发生第a次事件时的财富效应；μ1t，μ2t，…μNt分别为N只股票在t日内的误差项。

以上模型是为了检验假设1，为了检验假设2，本文还建

立如下模型：

Rit=αi+βi1Rmt+βi2DyearRmt+γiD+μit，i=1…N (2)

其中：D为一个虚拟变量，在所有的10个事件窗内为1，否则为0。其余变量与模型(1)相同，该模型意为将所有金融调控政策看作是一个事件。同样，对所有的样本公司进行拟合估计，形成一个MVRM模型。

2．样本选择以及数据的获得。本文选取所有中国A股上市房地产公司在2002年1月1日到2007年9月30日的交易数据以及财务数据作为研究样本。根据华夏证券交易软件，同时参考证券之星等软件对上市公司的分类，筛选出的房地产上市公司共有51家。由于其中一些公司存在数据缺失，另有一些公司是在样本期间完成上市的，故对这些股票进行了剔除。最终确定的样本房地产上市公司为43家，其中深圳22家，上海21家。本文所选用的个股回报率数据分两阶段收集。在2002年1月1日到2003年12月31日的所有数据，均来自深圳市国泰安公司设计和开发的“中国股票市场研究数据库(CSMAR)”。而从2004年1月1日到2007年9月30日，作者按照CSMAR定义的公式进行计算，得到每个个股和市场指数的日回报率。

在确定个股以及市场的日回报率后，最关键的问题在于事件窗的确定。在目前为止的讨论中，一直假设事件发生的当

日，MVRM模型中值取1，其余为0，由此来衡量事件的影响。但取值成立的前提需满足两个条件：(1)事件日能够准确的确定，即事件为市场所知的日期；(2)市场达到半强有效，即对突发的事件股市能做出迅速的反应。因而，综合以上考虑，针对我国市场的特性，并参考陈汉文、陈向民的研究方法，本文将事件窗定义为事件日前5天以及事件日后5天，共11天。在这11天中，模型中取值均为1，其他情况下为0。在衡量各个股票系统风险的变化时，对于发生一系列政策事件的整段时期内，即从2002年5月28日一直到2007年9月30日，虚拟变量均取值为1，其他时期内为0，由此来衡量在政策事件发生后，房地产行业股票系统风险的变化。

(二)房地产金融调控产生的行业内经济效应

1．事件窗选择正确性的考察。在用计量方法分析政策事件造成的累计异常收益率前，本文先从直观上：分析样本公司的平均月回报率与市场指数回报率的变

动趋势，以考察前文事件窗选择的正确性。首先计算43个样本公司的日回报率的截面日平均值，随后计算出其相应的月平均回报率，用以表示房地产公司的平均月回报率。

运用Eviews3.1软件对数列进行分析，在沪市房地产公司平均月回报率与沪市A股指数的数据描述图中可发现，在2003年6月、2005年3月、5月以及2006年5月底，房地