产业
经济
ORTHERN ECONOMY
房地产业现行调控政策的有效性分析
戴庸鸣
（中国银行华东信息中心上海200000）
摘要：本文采用两个多变量回归模型，运用似无关回归的估计方法，考察一系列金融调控政策对房地产业的影响。计量分析表明，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。
关键词：事件研究法累计异常回报率房地产金融调控
改革开放30多年来，我国国民经济取得了飞速发展，人民生活水平不断提高，土地使用制度改革和城镇住房制度的改革不断深化并取得了实质性进展，住房建设步伐加快，居民居住条件有了较大改善。以住宅为主的中国城市房地产市场不断发展，对拉动经济增长和提高人民生活水平发挥了重要作用。房地产业关联度高，带动力强，已经成为我国国民经济的支柱产业。保持我国房地产市场持续、健康、稳定地发展，对于全面建设小康社会，构建社会主义和谐社会都具有十分重要的意义。美国、日本和香港等国家和地区的历史经验表明，房地产市场极易出现泡沫，政府必须对房地产市场进行调整和控制。
房地产同时具有消费和投资双重特性，通常可以认为，消费性的、生产性的房地产市场是实体经济的一部分，而实体经济通常是不存在泡沫的。而当房地产被当成资产用于投资或投机时，尤其是当大量银行资金或游资介入其中时，才会产生泡沫。谢经荣用大量实例证明了银行贷款对房地产泡沫生成的推动作用，其中一个重要的实例就是各国房地产泡沫前房地产贷款占金融机构贷款总额的比例普遍偏高。在房地产业的发展取得较大成绩的同时，我们还应该看到，作为国民经济的支柱产业，房地产业健康持续地发展不仅需要市场的调控，也离不开政府公共政策的有力调控。截至目前，我国的行政管理学界仍鲜有将公共政策的研究与政府对房地产业的政策规范具体结合的系统研究。故笔者在此尝试运用行政管理学的专业知识，在前人对公共政策的研究和对房地产业的研究基础上，运用公共政策的知识，解决房地产业宏观
调控政策问题，同时也用这一实际问题来检验和丰富公共政策的理论内容。本文通过对公共政策的理论研究和对房地产业的实证研究，指出现有公共政策的不足，为房地产业的政策提供理论指导，弥补市场机制的调节缺陷，以解决该行业中存在的问题，促进房地产业更加有序健康地发展；同时兼顾效率与公平原则，在保证行业可持续发展的前提下，最大限度地满足公共利益，为宏观经济的稳定及和谐社会的建设提供参考意见。
一、实证方法与样本选择
（一）包含风险因素的MVRM 模型
以FFJR 模型为基础的市场模型被众多学者用于公司金融如股利宣告等领域的研究。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，即回归方程:
(1)
其中，R pt 表示加权过的组合回报率；R mt 表示市场回报率；D at 是一个0-1虚拟变量，在事件发生时为1, 否则为0；A 表示事件的次数。因此，γpt 就表示事件发生时，证券组合平均的累计性异常回报率。
2010年第7
期
43
ORTHERN ECONOMY 产业经
济
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。基准模型为:
(2)
由此说明，证券的系统风险系数增加了βi D it ，因此，在事件发生时，就可以用来衡量证券i 系统风险的改变量。
综合以上所有因素，本文将采用如下MVRM 模型:
(3)
其中，R 1t 、R 2t 、……R Nt 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；R mt 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 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 一个虚拟变量，在第a 件事发生时为1，否则为0；γ1a 、γ2a 、……γN2分别为N 只股票在发生第a 次事件时的财富效应；u lt 、u 2t 、……u Nt 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“在某一个事件发生时，房地产上市公司的平均异常回报率”，为了检验假设“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”，本文还建立如下模型:
(4)
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。MVRM 模型，如
Schipper 和Thompson 所指出，在以下情况非常有效：1. 在一段行业调控的过程中，有多次相关事件的发生；2. 由于事件窗的重合以及行业相关带来的聚类性，存在高度的截面相关；3. 相对较小的样本容量。而这些条件对于本文的研究都非常吻合。利用以上模型中的变量，可以将假设检验表达为表1中的形式。
表1需要考察的4个虚拟假设
44
2010年第7
期
（二）样本选择及数据的获得
本文已经描述了将要研究的政策事件，即从2008年9月到2010年4月的时间内，所有关于政府对房地产行业的政策措施对房地产行业的经济效应。因此，本文选取所有中国A 股上市房地产公司在2008年1月到2010年4月的交易数据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22家。在样本期间，每个公司有571个交易数据，因此交易数据样本数总共为24553个。
本文所选用的个股回报率数据分两阶段收集。数据库全面包含了本文研究样本中所有个股的日回报率及市场综合回报率。而从2006年1月到2006年5月，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。在确定了个股及市场的日回报率后，最关键的问题在于事件窗的确定。由于事件窗的确定至关重要，将直接度量事件对行业产生的经济性效应。在目前为止的讨论中，本文一直假设事件发生的当日，MVRM 模型中Da 值取1，其余为0，由此来衡量事件的影响。但是这种取值成立的前提需满足如下两个条件：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。对于第一个条件，虽然本文确定的事件日确实为官方发布消息的日期，但是由于事件可能提前被市场所预期，因而市场可能提前对事件做出反应，如果没有考虑这段期间股票的异常回报率，事件的经济性效应将无法得到准确的衡量。而对于第二个条件，国内众多学者对我国股市的有效性进行了检验，检验的结果均表明中国的股市仍未达到半强有效性。因而，综合以上考虑，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Dyear 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，虚拟变量Dyear 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（一）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，以考察前文事件窗的选择的正确性。本文首先计算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。在市场指数回报率的计算中，将从市场分别考察。为尽量减少噪音，本文仍将选用A 股市场指数（参照表2），说明事件1,3,7,10均对房地产上市公司产生了明显影响。针对以上情况，表3做了详细比较。
表2事件和事件日的确定
表3房地产公司股票对于金融调控政策的反应
上述分析有两点情况值得我们注意：1. 其中个别事件对房地产市场可能并没有产生显著的经济效应；2. 除了研究事件对行业平均的经济影响外，还需要对产生的
CAR 进行截面cross-section 分析，以揭示事件对不同房地产公司产生的不同影响。无论如何，综合上述情况来看，本文对事件窗的选择仍然是比较成功的，下文将从计量分析与实证数据考察的角度来分析金融调控的影响。
（二）异常回报率CAR 的计量分析
Schwart 指出，在相同的时间里，同一行业各个公司的股票回报率是同时相关的，因为各个公司将对任何未预期的事件做出相似的反应。因此，在研究行业政策变化时，各个公司回报率的残差将不再是独立分布的。在误差项同时相关但不同时刻协方差为零时，似无关回归模型将比OLS 估计产生更有效的估计结果。因此，本文运用
MVRM 模型，对以下两个模型进行拟合:
模型1：(5)模型2：
(6)
在模型1中，将本文所考察的所有政策事件视为一个事件，在10个事件窗口中，事件变量D 取值为1，其余时间
产业经济
ORTHERN
ECONOMY
取值为0。在模型2中，即上文提到的MVRM 系统模型，可以单独衡量每个事件的影响。由此，将分别检验前文提出的前两个虚拟假设。模型1中，事件窗用一个单一的虚拟变量来表示。衡量股票系统风险的β值在事件发生的整段时间内可以改变，事件窗虚拟变量系数为负(-0.001619)且在1%的水平上显著。因此，当将所有的政策事件作为一个事件来考察时，平均而言，房地产上市公司股票价值有明显下降，而投资房地产业的系统风险显著增大。结果证明，以央行和国务院为主导的金融宏观调控政策的颁布对房地产行业确实产生了明显的经济效应，一方面减少了房地产上市公司的股东财富，进而减少公司价值；另一方面增加了投资者投资房地产公司股票的系统风险。
模型2正好能弥补以上缺点。用独立的10个虚拟变量代替单一的虚拟变量，每个虚拟变量在一个单独事件发
生时取值1，否则为0，用以衡量每次事件的经济效应。系统风险的改变量为正(0.018543)且在5%的水平上显著，同样拒绝了前文做出的第三个虚拟假设H 03。在各个事件的考察中，除了事件7，其余9个事件前估计得到的系数的符号均与前文分析相符。事件1和事件6的系数估计值在
5%的水平上显著异于0，说明这两次事件对房地产市场的冲击是比较明显的。而事件9和事件10则拟合得更好，其系数在1%的水平上显著，说明2010年2月份开始的调控政策对于房地产业的调控引起了很大的反应。
三、结论
本文对4个虚拟假设运用事件研究法从两个方面进行了计量检验，发现一系列房地产金融调控政策对房地产
上市公司产生了显著影响，出现了显著的负的累计异常回报率。同时，事件1、6、9和10对房地产上市公司产生了显著影响，从而拒绝了第一和第二个虚拟假设。同时，本文还考察了房地产上市公司股票的系统风险，两个MVRM 模型均证明了，在事件发生期间，系统风险均明显增大，从而拒绝了虚拟假设三。以上分析表明，金融调控使房地产行业、房地产上市公司股东及投资者、房地产业的消费者的福利均遭受损失。资金的缺乏导致开工面积和竣工面积减少，造成房地产开发商利益的损失；房地产上市公司股票的大幅缩水带来的是股东财富的减少，而系统风险的增大更是提高了普通投资者入市的风险。对于房地产业的终端一一购房者，也面临着房价进一步上升的尴尬。参考文献：
[1]蒋定之．对当前宏观经济几个问题的认识[J].中国金融，2006（23）．
[2]王伟民．国务院检查组满意调控成效房价涨幅回落明显[N].中国房地产报，2006-10-16．
[3]王庆春，薛萃．浅析政府对房地产市场宏观调控的紧迫性[J]．建筑管理现代化，2004（2）．
[4]魏淑艳，刘振军．我国公共政策评估方式分析[J]．东北大学学报(社会科版) ，2003，
2010年第7
期
45