第二节 房地产经济周期

一 理论基础

与一般的经济周期相同，房地产经济周期（景气循环）指的是房地产市场随着时间的变化而出现扩张和收缩交替反复运动的过程。解释房地产景气的理论模型是主要通过由市场预期（Expectation）、开发时差和市场弹性等因素构成的存量-流量模型（Stock-flow Model）来判断房地产周期波动。存量-流量模型的一般结论就是房地产经济是否存在周期波动基本上依据的是预期机制（Expectation Mechanism）。也就是说在适应性预期（Adaptive Expectation）或短视价格（Myopia Prices）的情况下，房地产景气存在周期波动的可能性很大，而在合理预期（Rational Expectation）或完全预测（Perfect Foresight）的情况下，则不存在房地产周期波动。

在合理预期的情况下，房地产价格的解释变量能预测周期波动，房地产周期波动也可能存在。此外，即便是在完全预测的情况下，预测也存在不确定性，贷款资金筹措或多个承租人等外生结构因素也会影响到房地产市场的运用，考虑长期反馈（Feedback）关系时，房地产经济周期也可能存在[Wheaton（1999）]。

二 房地产经济周期的认识对象

对于能否识别出不同于一般经济周期的房地产周期波动的相关研究主要以房地产收益率相关变数为分析对象。因为种类繁多，问题就在于采用何种收益率。有采用Cap Rate [Roulac（1978）, Ambrose & Nourse（1993）]、采用加权方程（Value-weighted Equation）构建收益率时间序列（Time Series）[Liu、Grissom & Hartzell（1990）]、采用投资模型[Ricks（1969）, Guntermann & Smith（1987）]、采用加权收益率[Sirmans & Webb（1980）, Liu、Grissom & Hartzell（1990）]、采用特定产业的收益率[Liu & Mei（1992）]和间接收益率[Burns & Epley（1982）, Webb & Rubens（1986）, Gyourko & Siegel（1994）]的，等等。

关于构建房地产经济周期的实证分析模型，可以按房地产经济周期相关变量中想强调的变量的不同，分为各种类型。有强调物价上升等宏观经济层面的[Liu、Hartzell、Greig & Grissom（1990）, Phyrr、Born & Webb（1990）, McCue &Kling（1994）]，有强调利率等资本市场情况的[Sagalyn（1990）, Mueller（1994）, Mueller & Pauley（1995）]，有强调投资收益率的[Liu &Mei（1992）, Born &Phyrr（1994）, Gyourko & Siegel（1994）]，也有强调所得税和资本收益的模型[Grenadier（1995）]，以及强调结构性变化的模型[Grissom&DeLisle（1999）, Khoo、Hartsell &Hoesli（1993）]，等等。

韩国学界前人的研究也没有超越上述范畴，而且研究数量也不多。关于韩国房地产经济周期的既有研究也主要侧重于解释房地产经济周期的识别和决定因素。在分析房地产周期波动的时候，可以将货量和价格都作为房地产周期波动的研究对象。大部分的研究都将土地价格和住房价格的波动率作为分析的对象，但是金宽永（1998）则将新建住房供应量作为分析对象。上述所有研究成果都认识到房地产的周期波动，但是对于房地产经济周期的严格的定义、采用计量经济学方法的严密性、对于周期识别等的研究都处于初级阶段。

研究房地产经济周期的论文都对影响房地产经济周期的变量进行了论述，其中几乎包括所有的宏观经济变量，而共同采用的变量包括经济增长率、利率、股价、一般物价和其他房地产价格等。

三 对房地产经济周期的认识方法

以房地产价格为对象来把握房地产经济周期，首先要从第一手资料中提取出反映周期波动的数据。主要方法有两个：一是采用上年同比变化率；二是从时间序列中剔除趋势成分，留下周期成分。对于上年同比变动率显示出循环波动的方法就无需赘言了。

将时间序列数据分解为平稳变化的趋势成分和周期成分有多种方法。金宽永（1998）以回归分析法求出趋势值之后，从时间序列数据中除去趋势成分，求出了周期变动值。具体而言，对于原时间序列Xt，以Xt=exp（a+bt+ct2）求出趋势值。而有的学者则采用了Hodrick-prescott滤波法。在分析一般经济周期时，采用HP滤波法的情况很常见。

HP滤波法是在趋势值的变动率不超过一定限度的前提下，通过最小化原时间序列和趋势值之差的平方来找出一个光滑的时间序列。假设Xt为t期的原时间序列，τt为t期的趋势值，rt为t期的周期波动值时，τt可以通过以下方程式求解。

min∑（xt-τt）2

s. t. ∑{（τt-τt-1）-（τt-1-τt-2）}2≤λ

求解上述方程，可得趋势值τt=xt/ [λL-2（1-L）4+1]，这里的L是滞后算子（Lag Operator）。而周期波动值rt=HP（L）xt，这里的HP（L）=λL-2（1-L）4/ [1+λL-2（1-L）4], λ的定义规定λ=0时，τt为xt, λ=∞时，τt为直线。对于λ值的取值，Prescott（1986）假设周期成分的方差是趋势成分波动方差的1/8，建议年度数据，λ取100；季度数据取1600，月份数据取14400。

在采用上年同比季度变动率分解出趋势值，并找出光滑的时间序列的方法中，从实用性的角度判断什么是更恰当的方法，可以说取决于原时间序列数据的特性。但是相当多的时候，在把握周期以及顶点和底点等时可能没什么差异。为了确认这一点，让我们来看一看1987年1月～2010年2月韩国的住房买卖价格指数。

在图1-1中，P1是住房价格对比上年同比月变动率，P2是用HP滤波除去趋势成分后得到的住房买卖价格的周期波动成分。P1和P2存在细微差异，但是可以推测，在识别波动周期上没有什么差别．事实上，用菲利普斯-佩荣单位根检验（Philips-Perron Test）时，可以发现P1/P2值为-16.35，大大超过了1%的显著性水平上的-3.44，可以认为是白噪声。

四 周期的判定方法

分解出房地产相关的时间序列的周期波动部分后，进行的工作是识别顶点和底点，并由此来判断波动周期。在韩国，大部分的研究都是观察周期波动图识别出顶点与底点后做出判断。但是从图1-1中可见，周期波动的形态相当复杂的时段，不依赖特定的标准而只凭肉眼的观察来决定顶点与底点的话，有可能过于随意。

为了减少这种随意性，需要利用有体系地判定顶点与底点的方法。徐昇焕（2003）的研究中判断顶点与底点的过程如下：首先观察上年同比土地价格上升率Pt=（Pt-Pt-1）× 100/Pt-1的图形，找出可能存在的拐点。此时，可能会发现一个明确的拐点，也可能发现2个以上不太明确的拐点。这两种情况确定拐点的方法不同。

首先来看图形上可以判断出拐点仅为t∗的情况，以Pt=α0+α1t进行回归分析，检验t∗是否确实为拐点。第一个时点为1, t∗为第一个可识别的拐点的时候，以3≤t≤（t∗+k）的时段为对象进行回归分析。对t∗之后的时段进行回归分析时，α1的显著性水平明显提高或α1的符号改变时，可将t∗视为唯一的拐点。

第二种是能识别出两个以上拐点的情况．这在以下情况时可能发生：以t∗之后的时间为对象进行回归分析，比如，到t∗+h，显著性水平提高，之后系数的符号不变，而且α1的显著性水平又降低（h＜k）。对于这种情况，t∗以外还能识别出其他拐点t∗∗（t∗≤t∗∗）。假定识别出t0这一拐点后，通过回归分析来判定其后的拐点的过程中，能识别出t∗和t∗∗两个拐点。对于这种情况，拐点可以根据标准的检验程序来判定样本期间内是否能够识别出拐点。

以t0-t∗∗为样本期间，以递归最小二乘法（Recursive Least Square）得到的递归残差（Recursive Residuals），进行递归残差检验。t∗的递归残差不到标准差的2倍的话，无法将t∗视为拐点。为了提高检验的稳健性（Robustness），同时进行CUSUM检验和CUSUMSQ检验。如果检验统计量都在5%的显著性水平之内，可以视为样本期间内不存在拐点。在上述三项检验中，两项以上的检验中t∗不能视为拐点的话，就可断定t∗不是拐点。

按照上述步骤，从图1-2中所显示的1974～2002年的土地价格上升率数据来寻找拐点的结果列于表1-2。判定的结果与仅凭肉眼观察图形得到的结果不尽相同。