中国房产市场预警系统研究
|
摘要
2008年，对绝大部分人来说毫无预警的房地产次贷危机引发了美国的经济危机，不仅使世界第一大经济体---美国的经济大厦飘摇动荡，也对包括中国在内的全球经济造成了巨大冲击，房地产风险对经济造成的惊心动魄的危害由此可见一斑。随着房地产业对中国经济快速增长影响和作用的增加，中国房地产市场尤其是房产市场的稳定发展越来越受到社会各界广泛关注，更为中央政府所重视。中国政府出台了一系列稳定房价的政策，但大部分的稳定政策同步或滞后于现实房产市场出现的变化和问题，使政策的效能大打折扣。反复出现这种现象的最大原因之一就是没有能够有效预测未来房产市场风险的预警系统。
已有一些中国学者采用多种方法试图建立中国房产市场或房地产市场的预警系统，但至今不仅鲜有被广泛接受的房产市场预警系统，而且已有研究中大部分都侧重于建立区域性的房产市场预警系统。因此，本文采用到目前为止在中国尚没有研究者采用的方法，即信号分析法和Probit模型，建立了中国全国性的房产市场预警系统。本文基于信号分析法与Probit模型，使用从1999年第一季度至2010年第三季度的宏观经济变量和房地产市场变量构建了中国房产市场预警系统，并对其预测能力进行了检验。
本文共由六章构成：第一章，为绪论；第二章，介绍了有关房产价格决定模型、房产价格与宏观经济的关联性；第三章，通过相关关系分析法和Granger因果关系检验，分析了房产价格与宏观经济因素、微观经济因素之间的关系；第四章，采用Granger因果关系、VECM模型的脉冲响应函数分析和方差分解分析，研究了中国三种房产价格指数之间的关系和互相影响趋势；第五章，通过VAR模型分析了影响房产价格的宏观经济因素和房地产市场因素；第六章，以前几章的分析结果为参考，基于信号分析法与Probit模型建立了中国房产市场预警系统，并对其预测能力进行了检验。
与之前的有关房产市场预警系统的大部分的研究只进行样本内预测不同，本文的第六章在基于信号分析法和Probit模型建立了符合中国国情的房产市场预警系统后，不仅检验预警系统对过去风险期间的预测和反应能力，即进行样本内预测检验（In Sample Forecast Test），而且进行了样本外预测检验（Out of Sample Forecast Test）。
样本内预测检验结果显示，信号分析法的房产市场预警系统在风险发生一年之前的预测能力达到93%，而Probit模型的房产市场预警系统在风险发生一年之前的预测能达到88.3%。样本外预测检验结果显示，信号分析法的房产市场预警系统在风险发生一年之前的预测能力达到90%，而Probit模型的房产市场预警系统在风险发生一年之前的预测能达到80%。
因为中国房产市场的历史较短，可用数据有限，因此虽然本文所构建的房产市场预警系统检验预测能力很高，对尚难确定对未来可能发生的市场的风险是否会也具有如此高的预测能力，还需要随时间推移继续观察房产市场的变化而适当调整预警系统的预警指标、临界值、权重等内容。
但是，因为本文构建房产市场预警系统和检验其预测能力时，在方法上和过程中没有逻辑错误和伪造，笔者认为可以期待本文所构建的基于信号分析法与Probit模型的房产市场预警系统作为中国全国范围的房产市场预警系统可以发挥良好的作用，为政府采取先行的房产市场稳定化政策、防范市场风险提供科学依据。
During the last global financial crisis that originated in the United States, people onceagain realized that the shocks caused by the housing market crisis not only seriously damagedthe entire economy of the United States, the world’s biggest economy, but also had impactsall around the world. That is, in today’s globalized economy, the serious instability andshocks of a nation’s housing market can affect the entire world. Considering that the worldhas not fully recovered from the shocks of the global financial crisis and European fiscalcrisis yet, there is a huge possibility that global economy will face a serious situation that willmake recovery even harder if the housing market in China, which has risen to the secondbiggest economy in the world, falls in danger. That is why so many countries and researchinstitutions are paying attention to the movements of China’s housing market. The timedesperately calls for a need to set up an early warning system for the housing marketappropriate for China’s situation.
In fact, many Chinese scholars have long tried to establish a housing market earlywarning system for China in various ways, but there is no housing market early warningsystem that is universally accepted yet. Many of the previous studies focused on setting up ahousing market early warning system centered around certain regions. Thus this study set outto establish a nationwide housing market early warning system for China with twoapproaches that had not yet been applied to the country, namely the Signal Approach Modeland Probit Model. Based on those two models, the investigator set up a housing market earlywarning system for China by making use of the quarterly macroeconomic indexes and realestate market indexes from the first quarter of1999to the third quarter of2010.
The paper consists of a total of six parts: Chapter1is the introduction. Chapter2offers atheoretical consideration of house pricing models and connections between house prices andmacroeconomy. Chapter3examined relations between house prices and macro-and micro-economic factors with the Correlation Test and Granger Causality Test. Chapter4analyzedrelations and trends of mutual influence among China’s three major house pricing indexeswith Granger Causality Test and VECM Model’s impulse response analysis and variancedecomposition. Chapter5investigatedthe factors affecting house prices in macroeconomic factors and real estate market factorsseparately with VAR analysis and compared the results. Finally, Chapter6set up a housingmarket early warning system for China with the Signal Approach Model and Probit Model based on the results from the previous chapters, as well as tested its predictability.
Unlike most of the previous studies that were carried out in sample forecast tests to testpredictability rather than out of sample forecast tests, the study divided Chapter6into twosections: Section1set up a housing market early warning system proper for the uniquesituations of China with the Signal Approach Model and Probit Model, compared it with thepast risk sections of China’s housing market, and tested the system’s predictability andresponsiveness to the old risks. In a word, Section1conducted an in sample forecast test.Section2conducted an out of sample forecast test with the established housing market earlywarning system.The results of the in sample forecast test show that the Signal Approach Model-based housingmarket early warning system recorded93%accuracy in predicting a risk one year prior torisk occurrence and that the Probit Model-based housing market early warning systemrecorded88.3%accuracy in predicting a risk one year prior to risk occurrence. The results ofthe out of sample forecast test reveal that the Signal Approach Model-based housing marketearly warning system recorded90%accuracy in predicting a risk one year prior to riskoccurrence and that the Probit Model-based housing market early warning system recorded80%accuracy in predicting a risk one year prior to risk occurrence.
It is inevitable that the data and information used to set up a housing market earlywarning system had limitations, given that China’s housing market has a short history andlimits to usable data. Thus it is difficult to say that the housing market early warning systemestablished in the study will record as high accuracy as the study in predicting other futurerisks. It is required to make ongoing observations of changes to the housing market,determine a leading composite index of housing market early warning systems according tochanges, and make proper adjustments to the threshold and weight.
Since there was no logical deficiency or artificial manipulation in the methods andprocesses of setting up a housing market early warning system and testing its predictability inthe study, the housing market early warning system will be able to serve valid and meaningfulpurposes as a nationwide housing market early warning system in China and provide theChinese government with rational and scientific grounds for deciding a housing market policy.
已有一些中国学者采用多种方法试图建立中国房产市场或房地产市场的预警系统，但至今不仅鲜有被广泛接受的房产市场预警系统，而且已有研究中大部分都侧重于建立区域性的房产市场预警系统。因此，本文采用到目前为止在中国尚没有研究者采用的方法，即信号分析法和Probit模型，建立了中国全国性的房产市场预警系统。本文基于信号分析法与Probit模型，使用从1999年第一季度至2010年第三季度的宏观经济变量和房地产市场变量构建了中国房产市场预警系统，并对其预测能力进行了检验。
本文共由六章构成：第一章，为绪论；第二章，介绍了有关房产价格决定模型、房产价格与宏观经济的关联性；第三章，通过相关关系分析法和Granger因果关系检验，分析了房产价格与宏观经济因素、微观经济因素之间的关系；第四章，采用Granger因果关系、VECM模型的脉冲响应函数分析和方差分解分析，研究了中国三种房产价格指数之间的关系和互相影响趋势；第五章，通过VAR模型分析了影响房产价格的宏观经济因素和房地产市场因素；第六章，以前几章的分析结果为参考，基于信号分析法与Probit模型建立了中国房产市场预警系统，并对其预测能力进行了检验。
与之前的有关房产市场预警系统的大部分的研究只进行样本内预测不同，本文的第六章在基于信号分析法和Probit模型建立了符合中国国情的房产市场预警系统后，不仅检验预警系统对过去风险期间的预测和反应能力，即进行样本内预测检验（In Sample Forecast Test），而且进行了样本外预测检验（Out of Sample Forecast Test）。
样本内预测检验结果显示，信号分析法的房产市场预警系统在风险发生一年之前的预测能力达到93%，而Probit模型的房产市场预警系统在风险发生一年之前的预测能达到88.3%。样本外预测检验结果显示，信号分析法的房产市场预警系统在风险发生一年之前的预测能力达到90%，而Probit模型的房产市场预警系统在风险发生一年之前的预测能达到80%。
因为中国房产市场的历史较短，可用数据有限，因此虽然本文所构建的房产市场预警系统检验预测能力很高，对尚难确定对未来可能发生的市场的风险是否会也具有如此高的预测能力，还需要随时间推移继续观察房产市场的变化而适当调整预警系统的预警指标、临界值、权重等内容。
但是，因为本文构建房产市场预警系统和检验其预测能力时，在方法上和过程中没有逻辑错误和伪造，笔者认为可以期待本文所构建的基于信号分析法与Probit模型的房产市场预警系统作为中国全国范围的房产市场预警系统可以发挥良好的作用，为政府采取先行的房产市场稳定化政策、防范市场风险提供科学依据。
During the last global financial crisis that originated in the United States, people onceagain realized that the shocks caused by the housing market crisis not only seriously damagedthe entire economy of the United States, the world’s biggest economy, but also had impactsall around the world. That is, in today’s globalized economy, the serious instability andshocks of a nation’s housing market can affect the entire world. Considering that the worldhas not fully recovered from the shocks of the global financial crisis and European fiscalcrisis yet, there is a huge possibility that global economy will face a serious situation that willmake recovery even harder if the housing market in China, which has risen to the secondbiggest economy in the world, falls in danger. That is why so many countries and researchinstitutions are paying attention to the movements of China’s housing market. The timedesperately calls for a need to set up an early warning system for the housing marketappropriate for China’s situation.
In fact, many Chinese scholars have long tried to establish a housing market earlywarning system for China in various ways, but there is no housing market early warningsystem that is universally accepted yet. Many of the previous studies focused on setting up ahousing market early warning system centered around certain regions. Thus this study set outto establish a nationwide housing market early warning system for China with twoapproaches that had not yet been applied to the country, namely the Signal Approach Modeland Probit Model. Based on those two models, the investigator set up a housing market earlywarning system for China by making use of the quarterly macroeconomic indexes and realestate market indexes from the first quarter of1999to the third quarter of2010.
The paper consists of a total of six parts: Chapter1is the introduction. Chapter2offers atheoretical consideration of house pricing models and connections between house prices andmacroeconomy. Chapter3examined relations between house prices and macro-and micro-economic factors with the Correlation Test and Granger Causality Test. Chapter4analyzedrelations and trends of mutual influence among China’s three major house pricing indexeswith Granger Causality Test and VECM Model’s impulse response analysis and variancedecomposition. Chapter5investigatedthe factors affecting house prices in macroeconomic factors and real estate market factorsseparately with VAR analysis and compared the results. Finally, Chapter6set up a housingmarket early warning system for China with the Signal Approach Model and Probit Model based on the results from the previous chapters, as well as tested its predictability.
Unlike most of the previous studies that were carried out in sample forecast tests to testpredictability rather than out of sample forecast tests, the study divided Chapter6into twosections: Section1set up a housing market early warning system proper for the uniquesituations of China with the Signal Approach Model and Probit Model, compared it with thepast risk sections of China’s housing market, and tested the system’s predictability andresponsiveness to the old risks. In a word, Section1conducted an in sample forecast test.Section2conducted an out of sample forecast test with the established housing market earlywarning system.The results of the in sample forecast test show that the Signal Approach Model-based housingmarket early warning system recorded93%accuracy in predicting a risk one year prior torisk occurrence and that the Probit Model-based housing market early warning systemrecorded88.3%accuracy in predicting a risk one year prior to risk occurrence. The results ofthe out of sample forecast test reveal that the Signal Approach Model-based housing marketearly warning system recorded90%accuracy in predicting a risk one year prior to riskoccurrence and that the Probit Model-based housing market early warning system recorded80%accuracy in predicting a risk one year prior to risk occurrence.
It is inevitable that the data and information used to set up a housing market earlywarning system had limitations, given that China’s housing market has a short history andlimits to usable data. Thus it is difficult to say that the housing market early warning systemestablished in the study will record as high accuracy as the study in predicting other futurerisks. It is required to make ongoing observations of changes to the housing market,determine a leading composite index of housing market early warning systems according tochanges, and make proper adjustments to the threshold and weight.
Since there was no logical deficiency or artificial manipulation in the methods andprocesses of setting up a housing market early warning system and testing its predictability inthe study, the housing market early warning system will be able to serve valid and meaningfulpurposes as a nationwide housing market early warning system in China and provide theChinese government with rational and scientific grounds for deciding a housing market policy.
引文
1韩立达，《我国城市房地产预警系统研究》，四川大学博士学位论文，2004，P10
2韩立达，《我国城市房地产预警系统研究》，四川大学博士学位论文，2004，P13再引用
3《The Cyclic Behavior of the Greater London Office market》, Journal of Real Estate Finance and Economics,1997,15(1)
4《The Long Cycle in Real Estate》，Journal of Real Estate Research,1997,14(3)
5《关于住宅市场预警系统的研究》，地域研究，2004年12月第20卷第3号
6《论述我国房地产市场监测系统的建设》，中央财政大学学报，1997年第12期
7《城市房地产预警系统的设计与开发》，基建优化，2000年第21卷第6期
8《房地产预警指标体系设计研究》，基建优化，2001年第22卷第3期
9《房地产市场预报预警系统建立过程中的误区及应注意的要点》，房地产市场，2004年2期总278期
10《我国房地产预警系统的构建思路》，产业论坛，2005年第10
11《基于聚类分析和非参数检验的房地产预警指标体系选择》，华东大学学报，2006年4月第32卷第2期
12《杭州房地产市场预警研究》，浙江工业大学学报，2005年12月第33卷第6期
13《模糊模式识别在房地产预警信息系统中的应用》，运筹与管理，2005年6月第14卷第3期
14《基于系统核与核度理论的房地产》，数学的实践与认识，2005年11月第35卷第11期
15《河北房地产预警系统研究》，市场透视，2007年6月
16《中国房地产预警模型的建立与应用》，统计研究2006年5月
17《房地产泡沫预警系统的建立研究》，沈阳建筑大学学报，2007年1月
18《重庆市房地产预警系统实证研究》，学苑札记《新重庆》2007年第7期
19《房地产景气预警体统设计研究-以甘肃为例》，甘肃省经济管理干部学院学报，2008年3月第21卷第1期
20《基于主成分分析和灰色预测方法的房地产预警体系研究》，哈尔滨商业大学学报，2008年第6期总第103期
21《中国城市房地产市场非理性运行特征集其风险比较研究-以35个典型城市为例》，2009年第8卷10期
22《房地产预警系统应用研究》，河北建筑工程学院学报，2008年12月第26卷第4期
23《城市房地产市场预警系统研究》，统计与决策，2010年第1期
24《房地产泡沫预警指标选取研究》，中共郑州市委党校学报2010年第1期
26Muellbuer, J.,”Housing Markets and Macroeconomy” Forthcoming in the Encyclopedia of Home and Housing，2011a
27Cho，man，《房地产动向分析》，韩国研究开发院，2011，7，P23
28Muellbuer, J.,”Housing Markets and Macroeconomy” Forthcoming in the Encyclopedia of Home and Housing，2011a，P16
29Cho，man，《房地产动向分析》，韩国研究开发院，2011，7，P25
30Muellbuer, J.,”Housing Markets and Macroeconomy” Forthcoming in the Encyclopedia of Home and Housing，2011a，P17
47徐升焕，《关于住宅市场预警系统的研究》，区域研究，2004.12，p20
48徐升焕，《关于住宅市场预警系统的研究》，区域研究，2004.12，p31
49徐升焕，《关于住宅市场预警系统的研究》，区域研究，2004.12，p19
56朴元岩，《韩国外汇风险的早期警报模型》，国际经济研究，2001徐升焕，《关于住宅市场预警系统的研究》，区域研究，2004.12，
1Wheaton，“The Cyclic Behavior of the Greater London Office Market”, Journal ofReal Estate Finance and Economics,1997
2Kaiser,“The Long cycle in Real Estate”,Journal of Real Estate Research,1997
3Kaminsky, Lizondo, Reinhart,“Leading Indicator of Currency Crises”,IMF staffPaper Vol.45No1,1998
4Jeffrey A. Frankel, Adnrew K. Roseb,“Currency crashes in emerging market: Anempirical treatment”, Journal of International Economics41(1996)351-366
5Andrew Berg, Catherine Pattillo,“Are Currency Crises Predictable？ A Test”, IMFWorking Paper,1998
6Andrew Berg, Eduardo Borensztein，Catherine Pattillo,“Assessing Early WarningSystems: How Have They Worked in Practice”， IMF Working Paper，2004
7Daniela Beckmann， Lukas Menkhoff，Katjia Sawischlewski,“Robust lessons aboutpractical early warning systems”, Journal of Policy Modeling28(2006)163-193
8Lucia Alessi and Carsten Detken，“Real Time Early Warning indicators for costlyasset price Boom/Bust cycles”, European central Bank Working Paper Series,2009,5
9Seoung Hwan Suh, Kabsung Kim, JaeSik Jeon,“Housing Market Early Warning System：The Case of Korea”，European Journal of Scientific Rearch Vol。56No4（2011）pp539-547
10Box, G E P and Jenkins, G M.“Time Series Analysis: Forecasting and Control”,San Francisco: Holden–Day,1976
11Case K E and Shiller R J.“Forecasting prices and excess returns in the housingmarket”. AREUEA Journal,1990
12Clapp J M and Giaccotto C.“The influence of economic variable on local houseprice dynamics”, Journal of Urban Economics,1994
13C Nelson, CI Plosser,“Trends and random walks in macroeconomic series”,Journal of Monetary Economics,1982
14DiPasquale D and Wheaton W C,“Housing Market dynamics and the future of housingprices”, Journal of Urban Economics,1994
15Engle, R F and W J Granger,“Distribution of the Estimators for AutoregressiveTime Series with Unit Root”, Journal of the American Statistical Association Vol.74,1979
16Mankiw N, Weil D N,“The baby boom, the Baby Bust and the Housing market”,Regional Science and Urban Economics.1999
17Porerba J M,“The Housing price dynamics: the role of tax policy and demographyBrooking Papers on Economic Activity”,1991
18韩立达，《我国城市房地产预警系统研究》，四川大学博士论文，2004
19丁立宏，《论述我国房地产市场监测系统的建设》，中央财政大学学报，1997年第12期
20丁烈云、徐泽清，《城市房地产预警系统的设计与开发》，基建优化，2000年第21卷第6期
21叶艳兵、丁烈云，《房地产预警指标体系设计研究》，基建优化，2001年第22卷第3期
22李斌，《房地产市场预报预警系统建立过程中的误区及应注意的要点》，房地产市场，2004年2期总278期
23韩立达、李明，《我国房地产预警系统的构建思路》，产业论坛，2005年第10
24杨佃辉、陈轶、屠梅曾，《基于聚类分析和非参数检验的房地产预警指标体系选择》，华东大学学报，2006年4月第32卷第2期
25虞晓芬、商升亮、徐鹏飞、许侃杰，《杭州房地产市场预警研究》，浙江工业大学学报，2005年12月第33卷第6期
26陈彦、陈森发、张建坤、王红霞，《模糊模式识别在房地产预警信息系统中的应用》，运筹与管理，2005年6月第14卷第3期
27李崇明、丁烈云，《基于系统核与核度理论的房地产》，数学的实践与认识，2005年11月第35卷第11期
28张伟民、石建立，《河北房地产预警系统研究》，市场透视，2007年6月
29胡健颖、苏良军、金赛男、姜万军，《中国房地产预警模型的建立与应用》，统计研究2006年5月
30胡鸣、吕杰，《房地产泡沫预警系统的建立研究》，沈阳建筑大学学报，2007年1月
31张鹏、杨颖，《重庆市房地产预警系统实证研究》，学苑札记《新重庆》2007年第7期
32谷佰成，《房地产景气预警体统设计研究-以甘肃为例》，甘肃省经济管理干部学院学报，2008年3月第21卷第1期
33余凯，《基于主成分分析和灰色预测方法的房地产预警体系研究》，哈尔滨商业大学学报，2008年第6期总第103期
34韩方娟、唐根年，《中国城市房地产市场非理性运行特征集其风险比较研究-以35个典型城市为例》，2009年第8卷10期
35郭涛、李鹏飞、孙鹰飞、闫杰，《房地产预警系统应用研究》，河北建筑工程学院学报，2008年12月第26卷第4期
36李啸虎，《城市房地产市场预警系统研究》，统计与决策，2010年第1期
37苗馨允，《房地产泡沫预警指标选取研究》，中共郑州市委党校学报2010年第1期
38崔新明，《住宅抵押贷款的融资效应对住宅需求价格的影响》，金融研究，2003
39高聚辉、周丽庆，《中国房价持续高企之谜》，中国房地产金融，2004
40况伟大，《市场结构与北京市房价》，改革，2003
41况伟大，《空间竞争、房价收入比与房价》，财经经济，2004
42况伟大，《房价与地价的关系研究：模型及中国数据经验》，财经经济，2005
43孔煜，《城市房地产价格变动的影响因素研究》，重庆大学博士学位论文，2006
44梁云芳，《我国经济转轨时期房地产增长周期波动-特征、成因和结构变化的计量分析》，东北财经大学，2007
45刘铁军，《我国房地产市场非理性繁荣形成机制及其金融风险研究》，上海交通大学博士学位论文，2007
46马思新、李昂，《基于Hedonic模型的北京住宅价格影响因素研究》，土木工程学报，2003
47沈悦，《房地产价格与宏观经济的关系研究》，中国水利水电出版社、知识产权出版社，2006
48沈悦、刘洪玉，《房地产价格与经济基本面：1995至2002年中国14城市的实证研究》，经济研究，2004
49谭刚，《房地产周期波动-理论、实证与政策分析》，经济管理出版社，2001
50吴公墚、龙奋杰，《中国城市房地产价格与居民收入关系的定量研究》，土木工程学报，2005
51吴建峰，《我国城市住宅价格研究》，城市开发，2002
52谢建豪，《住房价格波动影响因素分析与调控研究》，华中农业大学博士学位论文，2007
53许晓晖，《上海市商品住宅价格空间分布特征分析》，经济地理，1997
54曹振良、高晓慧等，《中国住宅业发展与管理研究》，北京大学出版社，2002
55张定一，《浅析当前房价上涨的若干原因》，中国房地产，2004
56张红、李文诞，《北京市商品住宅价格变动实证分析》，中国房地产金融，2001
2韩立达，《我国城市房地产预警系统研究》，四川大学博士学位论文，2004，P13再引用
3《The Cyclic Behavior of the Greater London Office market》, Journal of Real Estate Finance and Economics,1997,15(1)
4《The Long Cycle in Real Estate》，Journal of Real Estate Research,1997,14(3)
5《关于住宅市场预警系统的研究》，地域研究，2004年12月第20卷第3号
6《论述我国房地产市场监测系统的建设》，中央财政大学学报，1997年第12期
7《城市房地产预警系统的设计与开发》，基建优化，2000年第21卷第6期
8《房地产预警指标体系设计研究》，基建优化，2001年第22卷第3期
9《房地产市场预报预警系统建立过程中的误区及应注意的要点》，房地产市场，2004年2期总278期
10《我国房地产预警系统的构建思路》，产业论坛，2005年第10
11《基于聚类分析和非参数检验的房地产预警指标体系选择》，华东大学学报，2006年4月第32卷第2期
12《杭州房地产市场预警研究》，浙江工业大学学报，2005年12月第33卷第6期
13《模糊模式识别在房地产预警信息系统中的应用》，运筹与管理，2005年6月第14卷第3期
14《基于系统核与核度理论的房地产》，数学的实践与认识，2005年11月第35卷第11期
15《河北房地产预警系统研究》，市场透视，2007年6月
16《中国房地产预警模型的建立与应用》，统计研究2006年5月
17《房地产泡沫预警系统的建立研究》，沈阳建筑大学学报，2007年1月
18《重庆市房地产预警系统实证研究》，学苑札记《新重庆》2007年第7期
19《房地产景气预警体统设计研究-以甘肃为例》，甘肃省经济管理干部学院学报，2008年3月第21卷第1期
20《基于主成分分析和灰色预测方法的房地产预警体系研究》，哈尔滨商业大学学报，2008年第6期总第103期
21《中国城市房地产市场非理性运行特征集其风险比较研究-以35个典型城市为例》，2009年第8卷10期
22《房地产预警系统应用研究》，河北建筑工程学院学报，2008年12月第26卷第4期
23《城市房地产市场预警系统研究》，统计与决策，2010年第1期
24《房地产泡沫预警指标选取研究》，中共郑州市委党校学报2010年第1期
26Muellbuer, J.,”Housing Markets and Macroeconomy” Forthcoming in the Encyclopedia of Home and Housing，2011a
27Cho，man，《房地产动向分析》，韩国研究开发院，2011，7，P23
28Muellbuer, J.,”Housing Markets and Macroeconomy” Forthcoming in the Encyclopedia of Home and Housing，2011a，P16
29Cho，man，《房地产动向分析》，韩国研究开发院，2011，7，P25
30Muellbuer, J.,”Housing Markets and Macroeconomy” Forthcoming in the Encyclopedia of Home and Housing，2011a，P17
47徐升焕，《关于住宅市场预警系统的研究》，区域研究，2004.12，p20
48徐升焕，《关于住宅市场预警系统的研究》，区域研究，2004.12，p31
49徐升焕，《关于住宅市场预警系统的研究》，区域研究，2004.12，p19
56朴元岩，《韩国外汇风险的早期警报模型》，国际经济研究，2001徐升焕，《关于住宅市场预警系统的研究》，区域研究，2004.12，
1Wheaton，“The Cyclic Behavior of the Greater London Office Market”, Journal ofReal Estate Finance and Economics,1997
2Kaiser,“The Long cycle in Real Estate”,Journal of Real Estate Research,1997
3Kaminsky, Lizondo, Reinhart,“Leading Indicator of Currency Crises”,IMF staffPaper Vol.45No1,1998
4Jeffrey A. Frankel, Adnrew K. Roseb,“Currency crashes in emerging market: Anempirical treatment”, Journal of International Economics41(1996)351-366
5Andrew Berg, Catherine Pattillo,“Are Currency Crises Predictable？ A Test”, IMFWorking Paper,1998
6Andrew Berg, Eduardo Borensztein，Catherine Pattillo,“Assessing Early WarningSystems: How Have They Worked in Practice”， IMF Working Paper，2004
7Daniela Beckmann， Lukas Menkhoff，Katjia Sawischlewski,“Robust lessons aboutpractical early warning systems”, Journal of Policy Modeling28(2006)163-193
8Lucia Alessi and Carsten Detken，“Real Time Early Warning indicators for costlyasset price Boom/Bust cycles”, European central Bank Working Paper Series,2009,5
9Seoung Hwan Suh, Kabsung Kim, JaeSik Jeon,“Housing Market Early Warning System：The Case of Korea”，European Journal of Scientific Rearch Vol。56No4（2011）pp539-547
10Box, G E P and Jenkins, G M.“Time Series Analysis: Forecasting and Control”,San Francisco: Holden–Day,1976
11Case K E and Shiller R J.“Forecasting prices and excess returns in the housingmarket”. AREUEA Journal,1990
12Clapp J M and Giaccotto C.“The influence of economic variable on local houseprice dynamics”, Journal of Urban Economics,1994
13C Nelson, CI Plosser,“Trends and random walks in macroeconomic series”,Journal of Monetary Economics,1982
14DiPasquale D and Wheaton W C,“Housing Market dynamics and the future of housingprices”, Journal of Urban Economics,1994
15Engle, R F and W J Granger,“Distribution of the Estimators for AutoregressiveTime Series with Unit Root”, Journal of the American Statistical Association Vol.74,1979
16Mankiw N, Weil D N,“The baby boom, the Baby Bust and the Housing market”,Regional Science and Urban Economics.1999
17Porerba J M,“The Housing price dynamics: the role of tax policy and demographyBrooking Papers on Economic Activity”,1991
18韩立达，《我国城市房地产预警系统研究》，四川大学博士论文，2004
19丁立宏，《论述我国房地产市场监测系统的建设》，中央财政大学学报，1997年第12期
20丁烈云、徐泽清，《城市房地产预警系统的设计与开发》，基建优化，2000年第21卷第6期
21叶艳兵、丁烈云，《房地产预警指标体系设计研究》，基建优化，2001年第22卷第3期
22李斌，《房地产市场预报预警系统建立过程中的误区及应注意的要点》，房地产市场，2004年2期总278期
23韩立达、李明，《我国房地产预警系统的构建思路》，产业论坛，2005年第10
24杨佃辉、陈轶、屠梅曾，《基于聚类分析和非参数检验的房地产预警指标体系选择》，华东大学学报，2006年4月第32卷第2期
25虞晓芬、商升亮、徐鹏飞、许侃杰，《杭州房地产市场预警研究》，浙江工业大学学报，2005年12月第33卷第6期
26陈彦、陈森发、张建坤、王红霞，《模糊模式识别在房地产预警信息系统中的应用》，运筹与管理，2005年6月第14卷第3期
27李崇明、丁烈云，《基于系统核与核度理论的房地产》，数学的实践与认识，2005年11月第35卷第11期
28张伟民、石建立，《河北房地产预警系统研究》，市场透视，2007年6月
29胡健颖、苏良军、金赛男、姜万军，《中国房地产预警模型的建立与应用》，统计研究2006年5月
30胡鸣、吕杰，《房地产泡沫预警系统的建立研究》，沈阳建筑大学学报，2007年1月
31张鹏、杨颖，《重庆市房地产预警系统实证研究》，学苑札记《新重庆》2007年第7期
32谷佰成，《房地产景气预警体统设计研究-以甘肃为例》，甘肃省经济管理干部学院学报，2008年3月第21卷第1期
33余凯，《基于主成分分析和灰色预测方法的房地产预警体系研究》，哈尔滨商业大学学报，2008年第6期总第103期
34韩方娟、唐根年，《中国城市房地产市场非理性运行特征集其风险比较研究-以35个典型城市为例》，2009年第8卷10期
35郭涛、李鹏飞、孙鹰飞、闫杰，《房地产预警系统应用研究》，河北建筑工程学院学报，2008年12月第26卷第4期
36李啸虎，《城市房地产市场预警系统研究》，统计与决策，2010年第1期
37苗馨允，《房地产泡沫预警指标选取研究》，中共郑州市委党校学报2010年第1期
38崔新明，《住宅抵押贷款的融资效应对住宅需求价格的影响》，金融研究，2003
39高聚辉、周丽庆，《中国房价持续高企之谜》，中国房地产金融，2004
40况伟大，《市场结构与北京市房价》，改革，2003
41况伟大，《空间竞争、房价收入比与房价》，财经经济，2004
42况伟大，《房价与地价的关系研究：模型及中国数据经验》，财经经济，2005
43孔煜，《城市房地产价格变动的影响因素研究》，重庆大学博士学位论文，2006
44梁云芳，《我国经济转轨时期房地产增长周期波动-特征、成因和结构变化的计量分析》，东北财经大学，2007
45刘铁军，《我国房地产市场非理性繁荣形成机制及其金融风险研究》，上海交通大学博士学位论文，2007
46马思新、李昂，《基于Hedonic模型的北京住宅价格影响因素研究》，土木工程学报，2003
47沈悦，《房地产价格与宏观经济的关系研究》，中国水利水电出版社、知识产权出版社，2006
48沈悦、刘洪玉，《房地产价格与经济基本面：1995至2002年中国14城市的实证研究》，经济研究，2004
49谭刚，《房地产周期波动-理论、实证与政策分析》，经济管理出版社，2001
50吴公墚、龙奋杰，《中国城市房地产价格与居民收入关系的定量研究》，土木工程学报，2005
51吴建峰，《我国城市住宅价格研究》，城市开发，2002
52谢建豪，《住房价格波动影响因素分析与调控研究》，华中农业大学博士学位论文，2007
53许晓晖，《上海市商品住宅价格空间分布特征分析》，经济地理，1997
54曹振良、高晓慧等，《中国住宅业发展与管理研究》，北京大学出版社，2002
55张定一，《浅析当前房价上涨的若干原因》，中国房地产，2004
56张红、李文诞，《北京市商品住宅价格变动实证分析》，中国房地产金融，2001