苏南地区住房价格存在泡沫吗？

王锦

摘 要：本文运用Phillips等人（2011，2012，2013）提出的扩展GSADF方法对苏南地区2010至2017年住宅平均价格进行检验，该方法优点在于可以实时地检测出周期性泡沫产生和破灭的时点。研究结果发现苏州及镇江的房价在样本期间仅有1个泡沫，而南京、无锡和常州的房价均存在2个以上泡沫。房价泡沫与苏南地区地产开发商的非理性竞价有关。而热钱的涌入房地产市场是该地区房价泡沫形成的另一个原因。加强对房地产开发管制，稳定苏南地区房地产市场健康发展是地方政府在今后资本市场风险监控的主要目标。

关键词：GSADF;房地产市场;泡沫

中图分类号：F29文献标识码：A文章编号：1008-4428（2019）04-0048-03

一、  引言

房价的波动不仅会影响产业升级和家庭收入的增长，而且在宏观经济层面也发挥着重要作用，包括国家投资结构和经济增长。正是因为房价的变化会引发宏观经济的波动，保持住房价格与经济之间的稳定关系非常重要。此外，房地产业的发展已经成为中国经济快速发展的主要因素，对国民经济的贡献逐年增加。并且由于房地产业的性质，它具有产业链长、关联度高的特点，可直接或间接影响相关产业的发展。因此，保持房地产市场稳定发展对国家经济增长以及相关产业发展具有重要的作用。一旦房地产市场出现泡沫并随之破灭将对国家经济和产业的转型升级带来重大打击，而房价在中国是否存在泡沫也一直存在着争议。

国内学者目前对于房价泡沫的研究方法主要可以分为指标法检测和单位根检验两类：部分学者采用指标检测法来验证中国房价泡沫是否存在，而该方法缺乏可信的客观判断标准，且不能衡量出泡沫发生的持续时间和大小，如张炜（2017）运用房价收入比对各省份的房地产泡沫进行检验，发现消费者对房价的预期是房价泡沫变动的主要原因，但并未指出泡沫的持续时间。蒋叶（2017）构建南京住宅市场的房价泡沫的评价体系对其进行检验，只验证了泡沫的存在与否亦未指出泡沫的大小及持续的时间长短。此外，陈家闯与贾文艺（2018）以房价收入比和房地产投资比作为泡沫的测度指标来研究全国35大城市房地产泡沫现象，仍然没有指出泡沫的存续时间。而对于单位根检测法又可以分为传统的ADF单位根检验方法和由Phillips等人发展的递归单位根检验方法（SADF检验法和GSADF检验法）。近年来，已有学者运用该方法来对中国房价泡沫进行检测。如欧阳志刚和崔文学（2015）运用该检验方法对北京房地产价格泡沫进行考察;胡毅（2017）采用GSADF方法分析了后危机时代以来一线城市房价是否存在泡沫的问题。但纵观文献，鲜有对苏南地区的房价进行研究。近年来，苏南经济一体化的发展使得该地区房价出现飙升的趨势，在这过程中是否存在泡沫值得关注。因此，本文将研究视角转向苏南地区，并以苏南五市的房价波动为例进行实证分析，运用GSDAF检测法探究自2010年国务院发布“国十条”以来该地区的房产价格是否存在投机性泡沫，并指出泡沫存续的时间，最后分析泡沫产生的原因。

二、 数据及实证分析

（一）数据描述

为了研究苏南地区住房价格是否存在投机性泡沫，本文选取了南京、苏州、无锡、常州及镇江五个苏南地区的住宅平均价格作为研究对象。根据数据的可得性，样本期间为2010年6月至2017年12月（数据来源于Wind）。表1显示了苏南五大城市的住宅平均价格在样本期间的数据统计描述。正偏度表明该地区房价中存在大量的向上跳跃，J-B值亦显著并拒绝正态分布假设。此外，从表中还可以看出各地区的房价标准差较大，表明在样本期间苏南五市在2010年至2017年住房价格波动较大，暗示该地区可能存在泡沫。

（二） 理论模型

（三）实证结果

根据Phillips等人（2011，2012，2013）提出的GSADF原理，本文应用该方法来检测苏南五市的住房价格泡沫持续时间。统计量的临界值通过Monte-Carlo模拟10000次获得，具体结果显示如表2。GSADF的测试证据表明这五个城市的房价均存在过度繁荣，因此该地区的房价可能存在一定的泡沫。

1. 对于苏州而言，该地区房价泡沫主要由于房地产市场占用全社会固定资产投资比重过大所引起。据江苏省统计年鉴数据，从 2011 年到 2016 年，苏州地区的房地产开发投资占全社会固定资产投资的比重持续上升，尤其是 2016 年达到最高点为38.30%，表明房地产开发投资占全社会固定资产投资过高，使得当年苏州地区的房地产投资过热，房地产投资处于扩张阶段，资金过多的投入房地产市场对该地区的其他行业形成挤出效应，这种非理性的房地产投资不利于整体经济的发展，社会资金支持不足导致住房价格泡沫在扶摇直上一年后最终破灭。

2. 南京地区房地产开发商的推波助澜及购房者过度投资是南京房价泡沫产生的主要原因。近年来，房地产企业集聚涌入南京，迫切需要在南京开拓市场，而土地是准入证，为了购买土地，特别是在热门地区，在拍卖后价格往往会被抬高数倍，使得土地市场的竞争越来越激烈，而更高的地价随之带来了更高的成品房价格。江苏省统计年鉴显示在2014年至2017年短短三年间，南京的房地产开发投资规模从1125亿飙升至2170亿，其规模占固定资产投资的比值也从2014年的20.6%陡然增加到2017年的34.9%。此外，国内多数投资者受传统文化影响，追求“安家立业”，房屋成了必需品，2016年初南京房价开始上扬使得老百姓趋之若鹜地将房产投资作为最稳健的投资方式，市场上的羊群效应带动巨大需求，进一步推动了南京房价的上升，以至于目前南京住房价格仍处在泡沫阶段。

3. 与前文分析一致，对于无锡来说，地产开发商非理性的竞价使得土地价格上升是其住房价格走高的主要因素。土地资源是房地产开发的源头，土地的价格会直接影响建造成本，构成了房价基准线。受无锡对土地开发面积的供给侧限制，土地价格的攀升传导至消费者端即演变成购买房屋价格的上涨。此外，无锡市在经济高速发展和放开二胎政策后，本地人口的增长推动了住房需求，从而有限房屋供给的情况下进一步拉动房价上涨。

4. 对于常州而言，常州市住房价格不仅受到土地推出价格和从紧行政干预政策的影响，而且受到上期住宅销售价格的影响。自2016年起，常州市住房价格持续上涨，土地和住宅市场充斥投机性需求，使得常州房屋价格自此保持在较高水平。2016年常州当地政府加快完善当地与外界交通配套设施，修建沿江城际铁路使得常州市与南京都市圈、上海都市圈形成快捷通道，极大地提高常州在苏南地区的地位，投资者对其未来发展抱有很大信心。热钱大量涌入房地产市场，使得该市房价目前仍处于高位。

5. 最后，从镇江房价的描述性统计来看，其房价在样本区间的标准差在苏南地区最小，表明镇江的房价波动较小，价格波动在2015年前较为平缓，直至2016年该地区房价有上升势头，并在2017年开始扶摇直上。背后原因在于“宁镇扬一体化”的加速推进，使得镇江楼市近年异常火热，各方势力看涨房价使得购房需求加剧，推动了镇江房价上升。此外，目前房价仍在上升，实证结果显示镇江房价仍在泡沫形成阶段，地方政府应当引起重视。

三、 结论

本文运用了Phillips等人（2011，2012，2013）提出的GSADF测试方法来检验2010年至2017年苏南五市的住房价格是否存在泡沫现象，并估计房价泡沫产生和破灭的区间。实证结果表明，苏南地区住房价格在样本区间均存在1个以上的泡沫。具体来说，苏州和镇江的房价泡沫分别为2016：01-2017：03和2017：01-2017：12。南京和无锡房价在样本区间的泡沫分别为2012：01-2014：07; 2015：09-2017：12 和2012：02-2012：05; 2016：04-2017：07。常州的房价存在泡沫最多，共4个：2014：06;2014：09-2015：02;2016：01-2016：02;2016：10-2017：12。尤其值得注意的是南京、常州及镇江三个地区的住房价格仍处在泡沫形成阶段。此外，我们还注意到泡沫主要发生在房价剧烈震荡的时候，即泡沫的出现和破灭与房价的飙升与下跌路径一致。该地区价格泡沫的主要原因在于房地产市場开发商非理性的竞价导致土地价格飙升及投资需求旺盛导致大量的热钱涌入。而由于热钱的逐利性，当完成一波套利的时候就会去寻找下一个投资机会，进而导致苏南地区的房地产市场资金不足，最终会导致泡沫的破灭。对房地产政策制定者和管理者而言，其政策实施取决于了解房地产市场价格随时间变化的动态行为。因此，尽早发现房地产泡沫，以避免下一次泡沫的破裂，并稳定房地产市场的环境。当地政府须注意到当房地产市场投资过热时，意味着它正处于投机泡沫形成的狂热阶段。故地方政府应该管理公众的预期，避免任何不合理的投资来稳定该市场的发展，坚持调控政策不放松，加快苏南地区住房长效机制建设。

参考文献：

[1]张炜.预期、货币政策与房地产泡沫——来自省际房地产市场的经验验证[J].中央财经大学学报，2017（8）： 77-90.

[2]蒋叶.基于南京住宅市场的房地产泡沫研究[J].中国管理信息化，2017（17）：144-147.

[3]陈家闯，贾文艺.中国房地产市场泡沫的传染性探讨[J]. 商业经济研究，2018（16）：189-192.

[4]欧阳志刚，崔文学.基于GSADF方法的房地产价格泡沫研究——以北京住宅市场为例[J].中南财经政法大学研究生学报，2015（3）：16-25.

[5]胡毅.后危机时代一线城市房地产价格泡沫研究——基于GSADF方法[J].金融与经济，2017（5）：39-42.

[6]Phillips，P.C.B.，Yu，J.，2011. Dating the timeline of financial bubbles during the subprime crisis. Quantitative Economics，2，455-491.

[7]Phillips，P.C.B.，Shi，S.，Yu，J.，2012. Testing for multiple bubbles. In Cowles Foundation Discussion Paper No. 1843.

[8]Phillips，P.C.B.，Shi，S.，Yu，J.，2013. Testing for multiple bubbles： historical episodes of exuberance and collapse in the S&P 500，Singapore Management University，Working Paper No. 04-2013.