城市房地产市场预警系统研究

李啸虎

（新疆财经大学 旅游学院，乌鲁木齐 830011）

我国在房地产市场监控、预警方面已有了一定的经验积累，但是由于房地产市场具有很强的区域差异性，至今还没有形成一套公认的房地产市场风险预警系统。本文拟以乌鲁木齐市商品房相关数据为依托，展开房地产预警方法研究，进行一些有益的探索，主要有三个方面：（1）尝试将变差系数引入到房地产预警系统，作为警源指标的确定依据。它的优点在于，通过计算，可以反映出一个指标对它所要评价对象的辨别能力；（2）将等级特征值模型进行改进，而后合成综合的房地产等级预警指数。这样一方面可以减少计算量，另一方面可以准确地反映整个方地产市场的运行态势；（3）在警界临界标准的确定上，先确定房地产稳定发展期与高速发展期的上下界限，进而运用等差数列方法，依次确定其他发展期的临界值。

1 城市房地产预警系统的建立

城市房地产预警系统的组成要素包括警情、警源、警兆、警界与警度。预警系统的实施步骤与基本思路是:确定监测预警的对象,寻找警情的产生根源,选定警兆指标,确定警界,合成综合预警指数,划分警级,预报警度。

1.1 警情指标的确立

能够作为房地产警情的指标很多。但从预警研究的角度来说，只需要选取其中最主要的、对房地产业发展影响最大的、也易于进行研究的指标。笔者认为，从房地产市场的基本特点和房地产泡沫产生的机制来看，空置率最能直观地体现房地产市场供求两方面的关系，反映房地产市场是否稳定，因此，我们选取空置率作为房地产预警的警情指标。

1.2 警源指标的产生及确定方法

所谓警源就是警情产生的根源。同时，它也是警兆指标产生的基础。本文运用变差系数来确定预警系统的警源指标。这是由于在实际应用中，人们通常用变差系数来描述评价指标的鉴别力，而房地产预警系统中警源评价指标的鉴别力则反映了该指标在进行房地产预警时鉴别该房地产市场强弱差异的能力。变差系数越大，该指标的鉴别能力越强;反之 ,鉴别能力则越差。根据实际需要 ,可以删除变差系数相对较小(即鉴别力较差)的评价指标。具体公式如下：

1.3 警兆指标的确定方法

在预警系统中，可以通过监测警兆指标的变化预测预报警情。警兆是警源的扩散，也可以是警源扩散过程中其它因素的共生现象。对于房地产空置率而言，其警兆主要是指从内生警源到警情产生过程中的各种警兆变量。其确定方法一般分为时差相关分析，K-L信息量和聚类法等3种。

本文采用时差相关分析法来计算警兆变量，它的计算是以一个重要的能够反映当前经济活动的经济指标作为基准指标，一般选择一致指标作为基准指标，然后使被旋转指标超前或滞后若干期，计算它们的相关系数。

设 y={y1,y2,y3,…yn}为基准指标，x={x1,x2,x3,…xn}为被选指标，r为时差相关系数，则：

其中，l表示超前、滞后期，l取正数时表示被选择指标x相对于基准指标y超前，即从第t期开始底y数列与第t+l期开始的x数列相关，x是y的超前（先导）指标；取负数表示滞后。L被称为时差或延迟数，L是最大延迟数，n是数据取齐后的数据个数。在选择景气指标时，一般计算若干个不同延迟数的时差相关系数，然后进行比较，其中最大的时差相关系数：

被认为反映被选择指标与基准指标的时差相关关系，相应的延迟数l表示超前或滞后期。

1.4 房地产预警警界的确定

房地产预警警界的确定是进行房地产预警监测预报的关键。通常，反映它发展程度的术语依次是“发展缓慢或停滞”、“稳定发展”、“快速发展”、“急速膨胀”，如果用类似于不同颜色的交通信号灯来表示则是：“蓝灯”、“绿灯”、“黄灯”、“红灯”。它确定依据与方法主要有以下3种：（1）根据房地产发展的历史波动来确定；（2）宏观经济周期与房地产周期；（3）专家意见和建议。为确定这些术语的临界值,本文结合房地产市场周期理论，以及相关研究成果首先确定市场“稳定发展”和“急速膨胀”的标准值，进而按照等差数列的要求确定市场“缓慢发展”和“高速发展”的标准值。

1.5 综合预警等级指数的合成

本文尝试采用模糊识别方法进行房地产预警综合等级指数的合成。具体步骤如下：

(1)建立样本子集

把预警指标基本标准称为模糊模式Y，而待估房地产预警系统各年数据称为模糊对象X，Xi的各个子集Xij称为因素集。

(2)确定因素集

这里的因素集指通过上变差系数选取，进而通过时差相关分析进行分类后所确定的房地产警情指标集。

(3)将模糊子集进行量化处理

量化模糊子集，确定其隶属度的方法有若干种，本文采用通过对统计值的分析，确定其隶属函数，求得隶属度值。

(4)模式识别

设模糊集 rij(i、j=1，2，…n)。 若(Sij，rij)=max{(Sij，r1j)(Sij，r2j)…(Sij，rij)}，则称与Si最贴近，即所谓“择近原则”。根据不同的定义有多种贴近度求法。

（5）综合预警等级指数的合成

应用最大隶属度原则或级别变量特征值作为评判指标,将待识别样本j划归l类 (级),即为房地产预警综合等级指数。这里需要注意一点，uij为最优相对隶属度值，而Ni表示各项预警指标集与标准集的贴近度。

1.6 警级的划分和警度的预报

根据警兆指标的合理波动范围，用各个警兆标准指标最大相对隶属度之和作为急速膨胀或红灯区界限，而后采用等差数列的要求确定出其余界限的标准（如图1）。

2 实证分析

2.1 乌鲁木齐市房地产警情的分析

根据上述分析，空置率最能直观地体现房地产市场供求两方面的关系，反映房地产市场是否稳定，因此，我们选取空置率作为乌鲁木齐市房地产预警警情指标。计算见下面公式

（4）式中，At代表第 t年地房屋空置率，bt表示第 t年的房屋空置面积，而 ct、ct-1、ct-2分别表示第 t年、第 t-1年、第 t-2年地房屋竣工面积。

通过《乌鲁木齐统计年鉴》（1993～2005），得到乌鲁木齐市商品房10年竣工和空置面积，具体见图2。

2.2 乌鲁木齐市房地产预警警源和警兆指标的确定

构建房地产预警指标体系的方法有很多。笔者认为，考虑到房地产市场警源大体上可以分为外部警源和内部警源，外部警源主要指由于国家宏观经济、政治环境变化而导致的房地产市场的波动因素，而内部警源是指由于房地产市场内部投资、结构等方面变化而导致的市场波动因素。因而，本文在构建指标体系时，本着既要反映出外部警源和内部警源，又要兼顾数据的可获得性这样两项原则，选取了房地产开发增长率与GDP增长率比值、本年竣工面积增长率、商品房销售面积增长率等11个指标作为初评指标体系（表1），采用变差系数计算得到如表2的结果。

根据变差系数方法原理,我们运用SPSS 10.0 for Win⁃dows统计软件包对这些评价指标进行方差分析,保留其中的6个指数值比较高的指标。构成乌鲁木齐市房地产预警系统警情指标评价体系 。

以空置率为基准指标，使用公式（2）对以上六项指标做时差相关分析。计算结果如表3。

由表3结果可知，在警兆指标中，属于先行指标的有房开发投资增长率/GDP增长率、商品房屋销售额增长率/社会消费品零售总额售增率、商品房施工面积增率/商品房屋销售面积增长率。属于一致指标的有年末居民储蓄增长率/银行存款增长率。属于滞后指标的有流通中现金增长率(M0)、房产投资占固定资产投资比重。

表1 初始指标体系

表2 初始指标变差系数表

表3 时差分析结果

表4 房地产指标泡沫参考标准

表5 房地产市场发展程度等级指标

表6 乌鲁木齐市房地产综合等级预警指数

表7 预警等级划分表

表8 综合预警等级指数和商品房控制率时差关系表

2.3 乌鲁木齐市房地产预警警限的确定

如上所述，为确定这些术语的临界值,本文结合房地产市场周期理论，以及相关研究成果（见表4），作为市场“稳定发展”和“急速膨胀”的标准值，进而按照等差数列的要求确定市场“缓慢发展”和“高速发展”的标准值。具体指标及各个级别的标准值如表5。

2.4 综合预警等级指数的测算

利用模糊识别理论，将警兆指标代入相应公式，计算得出综合等级预警指数（见表6）。

2.5 预警等级划分和警度预报

由于本文将房地产市场预警级别化为蓝、绿、黄、红四个等级，依次为1级，2级，3级和4级（见表7）。因此，综合预警等级指数所对应的即是该房产市场所处的发展状态。

2.6 数据检验

为了保证预警指数的科学性、有效性，必须对它进行验证，这里我们采用时差相关分析法将预警指数与空置率这项能够直接反映出房地产市场运行“晴雨表”的指标值进行对比。

通过时差相关检验 （具体见表 8）可以看出，在 r(2)时，时差相关系数绝对值最大，为0.78，显著相关，这说明该指数可以提前两年反映出房地产市场的变化情况，具有预警预报的功能。

进一步对预警指数分析可得，乌鲁木齐房地产市场在1998～2001年处于高速发展时期，2002年达到急速膨胀期，出现警情需要政府部门进行调控；2002～2005 年出现回落；从2006年开始，出现新一轮的增长。

3 结论

本文构建的城市房地产预警预报系统能够比较准确地反映短期内城市房地产市场的发展特征，具有一定的科学性和可操作性,能较好地实现对房地产经济预警预报的功能。

[1]Hekman,J.5.RentalPriceAdjustmentand Investmentin Office Markets[J].Journal of the American Real Estate and Urban Eco⁃nomics Association,1985,（13）.

[2]Hendershott,P.Uses of Equilibrium Models in Real Estate Re⁃search[J].Journal of Property Review,1997,(14).

[3]Janssen，E.Kruijt,8.Needham.The Honeycomb Cycle in Real Es⁃tate[J].Journal of Real Estate Research,1994,(9).

[4]Kaiser.The Long Cycle in Real Estate[J].Journal of Real Estate Research，1997,(14).

[5]K1ing,J,T.McCue.Office Building Investment and the Macroe⁃conomics Empirical Evidence,1973～1985[J].Journal of the Amer⁃ican Real Estate and Urban Economics Association,1987,15(3).

[6]叶艳兵,丁烈云.房地产预警指标体系设计研究[J].基建优化,2001,(3).

[7]赵黎明,贾永飞,钱伟荣.房地产预警系统研究[J].天津大学学报(社会科学版),1999,(4).

[8]深圳房地产市场发展战略课题组.深圳房地产市场发展战略(1999～2010)[M].北京：中国机械工业出版社,2001.

[9]深圳房地产年鉴(2004)[M].深圳：海天出版社,2004.

[10]翁少群,张红.基于模糊模式识别理论的中国房地产市场发展阶段判别研究[J].土木工程学报,2004，4(5).

[11]陈洁,许长新.模糊识别模型在水资源综合评价中的应用研究[J].人民黄河，2005,6(5).