中国房地产市场效率基于Complexity-Entropy二进制因果平面法

文摘

房地产市场是一个复杂的系统。一个理性的房地产市场不仅有利于人民生活水平也有利于国家的宏观经济稳定。中国房地产市场理性吗?本文试图研究中国房地产市场的效率利用complexity-entropy二进制因果平面法。我们首先讨论房地产价格的形成机制,测试效率,它提供了一种理论依据和计算中国70个主要城市的房地产市场效率。结果表明,无论是整个市场还是主要城市已经达到弱效率,效率和每个城市的复杂性不同,以及它们之间的关系是显著负的。此外,本文还比较了中国房地产市场的效率和复杂性与美国房地产市场。然后,一些建议中国房地产市场的健康发展提出了未来。

1。介绍

1998年7月,国务院的通知进一步深化住房制度改革,加快住房建设,明确提出的改革目标开发房地产交易市场,加快住房建设。从那时起,福利住房制度穿越近40年已经退出了历史舞台。“市场化”已经成为房地产系统的新主题。房地产作为商品开始出现。从那时起,房地产不仅是一个至关重要的元素来满足居民的基本居住属性也是不可或缺的家庭财产的一部分。如今,房地产不仅是商品也是一种资产。随着金融行业的发展,房地产逐渐成为一个主要的投资和投机的工具。与此同时,房地产的市场规模已逐渐成为越来越大。到2018年,房地产业增加值占国内生产总值的近7%,而房地产及其相关行业的贡献对中国国内生产总值已达到约1/3。可以说,中国房地产取得了巨大的成功在发展规模和速度经过近20年的不断改革和探索。 At the same time, the real estate has played a significant role in pushing the progress of other industries related to itself, dramatically promoting the rapid development of the national economy.

然而,中国的房地产价格近年来一直保持快速增长。随后,房价与收入的比例严重不平衡,和房价泡沫逐渐积累。可以看出,这种异常高速上升趋势带来了很多潜在的问题。一方面,肤浅的供给和需求的不平衡造成的房价的快速上升将导致经济过热,导致房地产价格泡沫,这对实体经济有显著的挤出效应。一旦这种快速增长不能持续,泡沫将会崩溃,然后导致整体经济的下滑。更严重的是,它将推动经济陷入萧条,例如,次贷危机造成的2007年美国房地产市场崩溃。危机是一种金融市场混乱,以及房地产市场的混乱。另一方面,房价的快速上涨或不合理的房价急剧下降将导致大多数普通百姓的住房消费水平,影响人民生活水平。同时,它对经济和社会的稳定。

重要性的针对房地产市场的合理有序发展,它已成为许多学者关注的问题评估和量化市场的效率。米斯和华莱士(1)有效市场理论应用于房地产市场在旧金山,发现该地区的房地产市场是长期有效的,但效率低下在短期内,由于偏差引起的房地产价格与基本价值之间的交易成本。然而,其他学者认为,这是市场泡沫和非理性预期的存在,导致了这种偏见和进一步导致了效率低下的市场,如克莱顿(2持续合理的房价模型。分析关于房价效率从研究的角度不同。例和希勒(3)提出了一种新的检查方法的适用性“有效市场假说”在美国房地产市场在不同的城市使用超额回报率。他们认为,住房效率低下的原因是利率没有正确估计。亚伯拉罕和a (4)使用经济的基本信息来衡量房地产市场的效率在美国30个城市和计算之间的偏差度基本价格和实际住房价格。他们终于觉得这偏差作为房价的泡沫。掷弹兵(5]从空置率的角度研究了这个问题。他认为房地产市场的低效率,高空置率,这是由垄断造成的。Kunzel [6]做了一个更全面的分析房地产市场的效率,并提议的低效房价源于以下几个原因:空间限制,施工周期长,交易成本,投机,等等。

国内学者对这个问题的研究相对落后。王等人。7)序列相关法应用于测试中国1998 - 2004年的房地产价格指数是否符合随机游走模型和获得负面的结论,那就是,中国的房地产市场尚未达到弱式效率。除了新建房子,二手房地产市场也值得关注。谢(8)进行了一次实证测试新建房地产市场和二手房地产市场在上海通过收集CFS的季度数据上证综合指数从2005年到2013年。测试方法包括单位根检验和序列相关测试。结果表明,在上海每个细分市场的效率是不一样的。其中,写字楼市场和商店市场在新的房地产市场和房地产租赁市场的二手房地产市场已经达到弱式效率,而房地产市场在新的房地产市场和房地产市场销售二手房地产市场没有。然而,序列相关性测试的结果显示,每一个细分市场的效率和整体房地产市场在上海未能达到弱式。

为了研究中国房地产市场的效率,本文首先提出了关于房地产价格机制的理论,它提供了一种理论依据测试效率的房地产市场,然后进行实证检验与complexity-entropy二进制因果平面法。结果表明,中国70个主要城市的房地产市场以及整个中国房地产市场并没有达到弱式效率。每个城市显示的程度的效率差异和相应的复杂程度显著负相关。此外,为了控制房价,促进房地产市场的有序发展更有效,我们进一步比较效率的房地产市场在中国,在美国,其房地产市场也经历了许多繁荣时期。结合历史经验在两国的房地产行业发展,本文分析了原因,为什么会有不同的两个国家之间的房地产市场的效率,然后提出了一些有价值的建议对中国房地产市场的健康发展。

小说的特点我们的研究,我们提出一个新的方法被称为complexity-entropy二进制因果平面法来检测隐藏的房地产价格和结构效率和复杂性的房地产市场在67年中国主要城市和整体。我们收集的月度数据,在2005年到2017年中国67个主要城市。与广泛的样本,很长一段时间,我们的结果可以被看作是代表,所以我们认为有参考价值的城市实现保持稳定房价的政策。此外,我们的效率进行比较研究房地产市场在中国和在美国。结果提供一个方向从外国学习先进的管理和监管经验。

剩下的纸是组织如下。部分2阐明了住房价格机制理论。部分3开发效率和复杂性度量方法基于complexity-entropy二进制因果平面法。部分4进行实证分析证明房地产市场的效率在中国和美国。最后,部分5总结我们的论文。

2。关于房价的理论机制

类似金融市场效率理论,房地产市场的效率可以描述如下:房价可以迅速应对各种各样的相关信息,以便实际住房价格是符合其内在的基本价值。因此,研究房价的效率应该首先明确房价的形成机制。的过程,房地产市场价格是如何形成的无套利定价的原则提出了如下。

假设房地产市场的参与者(以买方为例)有两种选择:(1)买房子住,价格在哪里吗 ;(2)租房子住,租在哪里每个月。卖空的情况下,以上两种情况应该是相同的,也就是说, 在哪里表示无风险利率。如果右边方程(1)不等于左边,一个任意的机会将会出现。具体地说,如果有 ,我们可以做套利通过构造投资组合:首先,从银行借钱买房子,租出去的价格每个月,然后分批偿还银行贷款。很明显,投资者可以轻松获利。我们假设市场参与者都是理性的。他们能找到这种任意的机会,然后执行相同的行为,参与者都买房子租出去。在这种情况下,房价就会上涨,租金将下降到方程(1)适用。这个游戏后,任意的机会将会消失,市场无套利均衡。相反,如果 ,对面的参与者可以进行套利,直到出现新的平衡。然而,如果卖空是有限的,不能达到均衡价格套利。将永远存在或 。在这个时候,实际房价可以描述如下: 在哪里是基本价值的房子,表示额外的价格可以促进套利。

另一方面,锅和王9]分析了房价的形成从理性的角度来看。他们认为实际的市场价格会偏离基本的价格如果市场是非理性的。因此,实际房价之间也存在偏见和其理论价格不合理的房地产市场。这种情况下价格收益率以下规则: 在哪里表示不合理价格或房价泡沫,偏离基本价值(10]。在大多数情况下, 。一般来说,不会发生。但它也可能会出现由于需求的影响在实际事务中。在统计意义上,它应该是正的。

比较这两个价格形成机制,在公式(3)属于非理性的成分,而在公式(2)属于合理的组件,或至少其中一些是合理的。我们只是想简化的表示作为一个合理的组件和思考作为一个非理性的组件。这样,非理性的组件进行考虑后,我们认为房价是由以下组件:

房地产市场是有效市场参与者是完全理性的。在这个时候,非理性的组件不存在,和住房价格可以通过方程的特征(2)。从市场效率理论的角度来看,这意味着

然后,可以表示为

通过这种方式,我们可以通过测试判断房地产市场的效率是否系列随机游走特征。

然而,它是不容易得到的基本价值的一所房子。虽然理论上,未来的现金流收益不能获得。此外,计算是更困难的,作为一种转售或便利收益的权利。这样的事实很难得到不合理的价格和测试市场的效率。

然后,我们决定从房价与收入的比率。为主要指标来衡量房地产的购买力在一段时间内,房价与收入的比例也基本指数来评估房地产市场是否健康(11]。在1990年代早期,世界银行专家安德鲁•哈默尔进行了研究中国住房制度的改革,给了一个比从4倍到6倍。世界银行这个区间被认为是理想的。根据联合国发布的相关数据,关于房价收入比的分散在不同的国家是相当大的。根据1998年96个国家的统计结果,这些国家的房价与收入的比率从0.8到30不等,平均8.4和6.4的中值的价值。陈(12)认为,房价与收入的比率是反映实际利率和房价是最准确的指标。一般来说,比率的国家或地区的平均房价收入通常是计算 在哪里表示一个房子的平均价格代表一个家庭的平均年收入。根据理论对房价收入比,房价和收入比应该保持在一个合适的时间间隔在一个合理的房地产市场。否则,它是一种不健康的市场,那里的房价总是低估或高估了(通常高估了)。换句话说,有非理性的组件或房地产市场泡沫。如果有一种非理性的组件,市场被认为是低效的。

从一般均衡的角度来看,所有的借款和贷款在一个地区会抵消,只留下收入来支撑房价。因此,合理的房价应该与个人收入成比例。这个观点被证明案件和希勒13]。他们认为有一个稳定的个人收入与房价之间的关系如果住房价格泡沫并不存在。为了衡量房地产市场的效率,我们只需要考虑其他房价不能完全解释的收入是否有效,也就是说,是否有随机行走的特点。此外,合理的房价收入比是基本稳定的。换句话说,它是一个常数 。推广模型,我们添加一个截距项,我们可以得到的

因此,我们有 ,这是一个随机干扰项和满足 。在这个时候,我们可以测试房地产市场的效率计算的相关措施排列熵方法。

3所示。效率测量基于Complex-Entropy二进制因果平面法

近年来,系统的复杂性和非线性动力学方法更加关注。Zunino et al。14,15)指出,它可以有效地检测结构信息隐藏在系统噪音,即使系统在混沌的边缘。在验证的过程中,我们使用基于complexity-entropy二进制因果平面方法检测隐藏的房地产市场价格结构,然后测量其效率和复杂性。这种方法,提出工作的罗索et al。16),不仅可以区分高斯和非高斯过程也是展示他们的关联度。因此,它被认为是一个好的方法来测试市场效率。

3.1。市场效率和香农熵

熵可以准确测试的不确定性和混乱没有任何额外的时间序列分布的限制。如果价格遵循一个纯粹的随机漫步,然后将时间序列之间不存在相关关系,在序列的熵是最大的,代表了一种完全无序的状态。否则,很难达到最大熵。这是Gulko [17)首先应用熵研究显示,金融时间序列的最大熵形式主义,也被称为信息效率,有效市场假说的操作和可测试的。如果市场是有效的,时间序列将满足随机漫步和归一化熵值是1。熵值越小,越市场达到随机漫步和低效率的市场。因此,归一化熵(相对最大熵)可以应用于衡量房地产市场效率。有很多提议熵的概念。Matesanz和奥尔特加18)提出了香农熵,Renyi熵,Tsallis熵,近似熵,等等。Risso [19)指出,香农熵熵是应用最广泛的金融市场。对于一个给定的概率分布 ,香农熵的定义是

很明显,当概率分布是均匀分布的,也就是说, ,香农熵达到最大值, 。另一方面,如果有一个确定的事件,相应的分布可以表示为 ,香农熵的值是0。

3.2。排列熵

之前计算的熵值给定的时间序列,我们通常需要处理系列获得相应的分布。罗索et al。16)发现,如果基本的概率分布考虑了时间序列之间的因果关系,然后利用上述信息测量熵,结果将是优秀的。更重要的是,混乱和随机性的区别可以明显区分。后,班德和筛20.)成功地提出了一种基于相空间重建,象征方法可以引入这种因果关系的基本概率分布。它是由Ridel et al。21),这个方法是唯一流行的方法考虑时间序列的跨时期的结构。它已经被用于研究原油市场的效率22),外汇市场(23),和股票市场14]。这种方法可以概括如下:(1)给定一个时间序列 。嵌入维数D,时间延迟 。维度之间的联系D和新的子序列表示如下: 我们称之为嵌入维数的顺序模式D。至于任何时间年代,总有一个新的子序列映射,这是由一个向量维度D见公式(10)。很容易注意到更大的尺寸可以吸收更多的历史信息。(2)每个子序列我是按升序排序。我们可以得到一组新的相关置换,将它标记为 。重新安排的系列 (3)对于每个维度,都有D!类型的安排。的概率分布在这些时间序列是由排列 在哪里年代满足公式(10),#表示出现的次数排列π在课堂上。

根据上面的步骤,每一个序数的概率分布模式可以获得的时间序列。为了获得更准确的分布、时间序列的长度米需要无限的。因此,我们可以得到相应的分布,当嵌入维数D和延迟时间给出了。为实现更可靠的统计结果,通常建议(24]。班德和筛在实际的应用程序。至于时间延迟,是常见的。当然,也有不同的选择(详情,请参见文献[25])。最近的一些排列熵的应用和发展也可以看到相关文献[26,27]。

3.3。Complexity-Entropy二进制因果平面法

除了排列熵,该行et al。28)指出,统计复杂性度量(SCM)也可以用来衡量市场的效率。供应链管理不仅可以检测系统的动态细节还区分周期性和混乱的程度,这是优于熵措施。数学上,供应链管理的定义如下: 在哪里是规范化的夏侬熵,它被定义为

和 是Jensen-Shannon分歧;它被定义为 在哪里 和 。

SCM可以描述系统的结构复杂性,不能通过熵测量随机性。不同的熵值意味着不同的随机性,但是他们可能有相同的SCM的价值,因为他们有相同的复杂性。SCM值越大,系统越复杂。因此,系统中序列的关联度更高。我们把两个简单的例子来进一步说明SCM和熵之间的区别。线性数据的熵是0,绝对公平的骰子游戏的熵是1。然而,他们的scm是0,因为简单的系统。

因此,形成的二进制因果平面法的组合排列熵和SCM可以更好地描述市场的效率。该方法从不同的角度分析了市场功能,然后考虑房地产市场的结构。毫无疑问,更容易获得市场信息包含在这个方法。Zunino et al。15]采用这种方法来衡量全球主要股票市场的效率,发现该方法不仅可以准确地确定发达国家和发展中国家的市场也将许多国家的市场划分为更多的类别,充分反映了歧视模型的能力。从理论上讲,金融市场的复杂性越高,较强的市场的无序和混乱。此时,相应的排列熵将更大,也就是说,排列熵与复杂性呈正相关。另一方面,较高的市场的无序和混乱度,概率越高,市场往往是无效的,也就是说,排列熵与效率负相关。因此,它可以被视为市场负相关的复杂性,其有效性通过转让排列熵(见罗索et al。29日)和Shaobo et al。30.])。

4所示。实证分析

4.1。数据和统计描述

我们最初的70个主要城市由国家统计局(国家统计局)作为我们的研究对象。由于缺乏相关数据的安庆,大理,扬州,我们最终选择剩下的67个城市作为我们的研究对象。为了简化表示,我们城市数量按照字母顺序从1到67的城市。与此同时,整个房地产市场在中国也纳入我们的研究和编号为68号。

每个研究小组的数据用于验证主要涉及三个指标:房价指数(HPI),消费者价格指数(CPI),人均收入指数(PPI)。我们收集数据从数据库风和中国经济和社会大数据研究平台。考虑到可用性的数据,样本数据的时间间隔跨度从2005年7月到2017年12月,共有150个月度样本。为了方便起见,我们设置了HPI在2015年7月100点和治疗为基础。居民的平均月薪是PPI的代理变量。至于CPI,我们2015年7月居民消费价格指数(CPI)设置为100点和治疗为基础,现病史一样。一些丢失的数据由线性插值插值。

表1显示了简单的描述性统计的HPI在中国整体房地产市场。从图1的特定的趋势,我们可以看到从2005年到2017年的快乐指数。结合表1和图1,整体房价在中国呈现总体上升趋势在样本期间。中国房价已上涨约1.7倍自2005年7月,每月平均增长率为0.0036,平均每年增长率为0.0576。虽然中国房地产价格的波动很小,总的来说,它的波动频率高。从2005年7月到2017年底,中国房价经历了至少7波动。除了市场本身的作用,大多数这些波动相关政府的监管政策。有几个严重的波动,值得关注。2008年受全球金融危机影响,2008年10月房价开始大幅下降。然而,一些政府的刺激政策的问题,房价开始复苏,2009年4月上升,导致房价稳步上升在以后的三年。2011年,许多城市相继推出了控制策略围绕购买限制。2011年10月,住房价格略有下降。 However, with the implementation of easy monetary policy in 2012 and the reduction of bank reserve ratio, the real estate market began a new growth period. In the latter half of 2014, the real estate market got into murky situation. This is due to the combined effect of regulatory policies and anticorruption efforts. But the new “330 policy” (a new real estate regulation and control policy on March 30, 2015) and the two interest-rate cuts in the latter half of 2015 initiated a wild rising tendency in a new round for housing prices. In 2016, due to the shortage of land, there was even a phenomenon that flour was more expensive than bread, which made the real estate market to be concerned again. In 2017, housing prices remained high, but the growth rate had been slower than that in 2016.

考虑到大量的数据,基本描述性统计的67个主要城市的居民不能完全由于空间的限制。在这里,我们只是展示每个城市居民的趋势,如图2。

从图可以看出2,住房价格在2015年之前在中国有上升趋势,但趋势是温和的。2015年之后,严重的发生在许多城市房价的波动。从2015年到2016年,房价迅速飙升,最近十年中增长最快的。许多城市的房价变得相对稳定,直到2017年。在67个城市,温州(50)、深圳(44)相对特殊的样本研究住房价格。2008年金融危机后,中国政府推出了“4万亿刺激计划”以刺激经济复苏。在2009年上半年,温州房价率先响应,开始新一轮的浪潮。当时,温州的房价甚至远高于一线城市,领导这个国家。然而,泡沫迟早要破灭。它的房价在2011年下半年急剧下降。 This price change lasted for more than 20 months. Then, a large number of investors and speculators withdrew from the property market. Although the government adjusted the purchase restriction policy, it achieved little success in saving the property market. In the next years, the property market was in a mild state until the appearance of property boom in 2016. Before 2015, Shenzhen real estate market compared with other first-tier cities seemed to be depressed, but after 2015, housing prices in Shenzhen rose rapidly and the increase was nearly 50% just in 2015. It is not only because of its strong ability to absorb population, resulting in huge housing demand, but also because of the government's deregulation policy, reducing the real estate market access threshold of residents.

4.2。计量经济模式设置

我们已经提到,在一般均衡状态是合理的房价与收入成正比。因此,如果我们把人均收入的居民作为独立变量和住房价格指数作为因变量,我们可以构造一个线性计量经济模型如下: 在哪里表示研究对象的数量,表示时间,是研究对象的居民吗在给定的时间t,相应的平均收入,是一个随机扰动项。基于上述理论,我们只需要分析残余系列测试市场效率。

首先,我们对收集的数据进行了回归分析根据建立计量经济模型,然后得到回归系数和决定系数(也称为拟合优度),如图3和4。回归系数图的迹象3都是积极的。结果表明,HPI与PPI在某种程度上有正相关关系,但相关程度随城市。在大多数城市,的结果t以及旨在回归系数在1%置信水平,重要的和值方法0。然而,t以及结果的8个城市,包括桂林,惠州,向阳等等,不能实现意义在10%置信水平。很明显从图4,并不是所有的住房价格指数可以安装好居民的人均收入。至于大多数城市,解释力很差。有17个城市的拟合优度甚至低于10%,和城市的数量,其拟合优度高于50%只有16岁。这意味着PPI不能占大多数的HPI的变化,这并不符合理性的房地产市场的特性。然而,这种不合理现象是符合中国房地产开发现状。换句话说,存在房价泡沫。只有深条件下的市场化,房价显然是人均收入成比例。但是政府的干预政策中扮演重要角色的波动导致房价如今,除了市场的自发调节。

4.3。效率测试

基于complexity-entropy二进制因果平面法,剩余的模型(16)作为桥梁测试中国住房价格的效率。在实际应用程序中,我们使延迟时间像往常一样。并建议嵌入维度D应该满足 ,在哪里米是样品的数量。在我们的研究中, ,因此,嵌入维数可以2、3、4或5。相比之下,我们确定最优嵌入维数 。这个过程可以图所示5。有不同的结果见图8中嵌入维度5。当维度逐渐从2增加到5,排列熵和复杂性之间的关系仍然是相同的,也就是说,一个负相关。然而,当嵌入维度D大于5,它们之间的关系是突然逆转,也就是说,一个积极的相关性。因此,它是有效的 。此外,随着嵌入维数的变化,分化程度不同的点也在改变。我们可以发现它可以区分每个州的最大程度 ,和剩余的影响维度逐渐下降,等和 。它显示在图上所有点都集中在一个狭窄的区域。很容易解释这种现象。当嵌入维数的值很小,几乎没有。例如,当只有两个状态 ,这是自然难以区分。在一个极端的例子,当只有一个状态 ,和所有国家的结果必须是相同的。它不产生任何影响。另一方面,当嵌入维数很大的值,我们可以得到大量的状态。例如,有40320个国家 ,但是我们只有150个样本。这些样本只能碰有限数量的州。其他国家都无法访问,这导致差异的表现不佳。同时,这就解释了为什么通常是必需的。

确定最优嵌入维数后,我们开始计算的复杂性和房地产市场的效率。表2显示了描述性统计。

直观的表达,我们把结果变成complexity-entropy二进制因果平面。图6显示了complexity-efficiency二进制映射67个城市的房地产市场。它可以发现,有更高的效率和更低的复杂性在右下角,房地产市场更有效率和更简单。否则,市场效率低和市场结构是复杂的。

根据实证结果,中国没有完全有效的房地产市场,也就是说,没有房地产市场是完全随机的。效率最高的城市在中国的房地产市场是唐山(48),其效率已超过0.91。同时,这个城市最低复杂性,只有0.103。相反,深圳的房地产市场(44)是最有效的、最复杂的。之间的关系的进一步研究房地产市场的效率和复杂性,表3列出了十大城市四个极端情况下。他们是最有效的,最复杂,最高效,最复杂,分别。很容易看到从表中列出的城市3有一个重要的房地产市场效率之间的关系和它们的复杂性。

市场效率指标反映了房地产市场价格是否能完全反应市场信息。已经证明我们的经验检验,67个主要城市的房地产市场没有达到弱式效率,这意味着房价有一个糟糕的表现在应对市场信息和信息的流动性是不够的。这是有关房地产市场的本质。房地产市场与其他资本市场相比,有许多独特的特性,如工业进入壁垒,地区差异,容易受到政策,房地产的异质性。也有一个垄断现象在土地开发的权利。与上述因素共同作用下形成的概率就降低了房价,完整的市场竞争。市场信息传播的效率变低,因此不能满足一个弱式有效市场的需求。此外,它更难以迅速使市场弱有效,满足居民的基本住房需求仅仅依靠市场的自发调节。因此,考虑到房地产市场的重要性,对国民经济和人们的生活,它是必不可少的政府实现一些合理和有效的监管措施和政策指导。

市场的复杂性指标代表市场结构本身的复杂性。总有多级市场或各种因素影响市场价格,尤其是非市场因素来自政府干预。这说明了在中国主要城市房地产市场的复杂性。相对复杂的房地产市场结构的城市在中国主要集中在一线城市,由北京、上海、广州和深圳。这些城市有更多的有利资源,从而导致大量人口,然后形成住房需求的急剧扩张和进一步推动房价。在这个时候,市场的自发调节不能满足居民的需求。为了协调资源分配不平衡和稳定社会发展,政府必须采取一系列的监管措施,这必然增加了市场结构的复杂性。至于那些欠发达城市,其房地产市场结构的复杂性是相对较低的稳定的供求关系,因为更好的自发的调节能力,和更少的政府干预。较低的是,市场结构的简单和容易得到改善。相反,市场结构越复杂,就越难控制。对市场和复杂的结构,有必要分析不同因素更全面,采取有针对性的综合措施。一般来说,市场效率与复杂性高度相关,但并非总是如此。前面的实证结果揭示了这一点。由于市场结构复杂性带来的缺点,它是更难对付复杂性越高市场效率是在同一水平的程度。

4.4。比较中国和美国房地产市场效率

美国房地产市场的发展经历了多年,其中大部分是相对稳定的,做出了巨大的贡献,美国经济的健康快速发展。此外,美国市场经历了一个巨大的危机,特别是全球金融危机造成的2007年房地产泡沫的破灭。金融危机之后,房地产仍然是一个在美国经济增长的重要引擎。随着美国经济的复苏,房地产行业也好转了。从经济周期的角度来看,房地产市场的发展,美国经历了一个完整的经济周期。此外,美国的住房制度被认为是一个相对成功的系统,房地产专家来自世界各地的时间31日]。美国采用政府干预,但没有“承担所有的风险。“它不仅有适当的社会保障政府也使居民尽力承担住房消费。

虽然是显然不同的国情和经济发展阶段,中国和美国都是大国家,不同的城市或地区之间存在异质性的发展。1978年改革开放后,中国采取了不平衡的发展道路,采用“优先的发展战略支持东部沿海地区的发展。”这一战略,经过多年的发展和积累,直接导致了区域不平衡的经济中心之一,西方,和东部地区。即使在同一地区,区域中心城市和其他非中心城市有差异。与非中心城市相比,中心城市聚集更多的资源和资本,促进当地经济的发展,吸引了更多的人聚集在中心城市,并改善了当地的房价。这在中国和美国都是一样的。歌和高32)指出,由于地理因素和经济发展水平的影响,美国住房价格增长9除以联邦地区房地产业监测办公室有巨大的差异,甚至在同一地区在不同的州。然而,即使在这种发展不平衡情况下,在美国房地产业已经成为经济增长的驱动力,同时提供足够的社会保障。因此,它具有重要的参考和对中国房地产业预警值,如果我们把它作为比较研究的对象。

为了研究美国房地产市场的效率,我们选择50个州和哥伦比亚特区的作为我们的研究对象。与中国相似,我们也研究了美国房地产市场整体的效率。我们收集相关数据从1975年第一季度到2014年第一季度,总结157年季度。辅以线性插值个体缺失的数据,我们进行了季节性调整,消除季节性因素的影响。使用相同的计量经济学模型和测试方法,我们获得了美国房地产市场的效率和复杂性。从图可以看出7每个状态的房地产市场,美国的整体市场尚未达到弱有效状态,这是和中国一样。

国家最高程度的效率在密西西比州美国房地产市场的效率达到0.886,而其复杂性只有0.201最低的复杂性水平在美国。另一方面,国家与最有效的、最复杂的房地产市场是加州。其效率和复杂度分别是0.616和0.352。效率和复杂性之间的显著负相关在美国市场是一致的,在中国市场。进一步说明效率之间的关系和复杂性,表4显示了十大州四个美国房地产市场极端情况下。

结合表3和4,可以看出房地产市场效率之间的关系,在中国区域经济发展水平是矛盾的,在美国。在中国,这些城市效率高和低效率最三线以下的城市,如唐山(48),邵关(43),桂林(13号),遵义(67号),等等。一线或二线城市发达的经济和高综合水平总是低效率和更复杂的房地产市场,如深圳(44),北京(4号)、广州(11号),徐州(57号),等等。至于美国,它恰恰相反。这些州和更高的效率和更低的复杂性主要是位于东部和西部海岸,如密西西比州(26号),南卡罗来纳(41),乔治亚州(11号),西维吉尼亚州(50)和爱达荷州北部(排名14)。这些国家都属于经济相对发达的地区,人口密集。低效率的地区位于中间的美国和较差的经济。因此如何确保房地产市场效率和秩序的同时发展经济是我们可以向美国学习。

从效率之间的关系的角度来看,房地产市场的复杂性,表现的中国市场与美国市场是一致的。从表可以看出3和4城市更高效率较低复杂性,和排名的顺序几乎是相同的。为了阐明这种相关性的普遍性,我们排在效率和复杂性和计算他们的枪兵订单统计相关系数。然后,我们获得效率的等级相关系数和复杂性的中国房地产市场和美国的房地产市场。相关系数是−−0.975和0.966,分别解释了明显的效率和复杂性之间的负相关房地产市场。

5。结论和建议

由complexity-entropy二进制因果平面法,我们测量的效率和中国和美国房地产市场的复杂性。我们的结论可以概括如下:(1)无论是在中国67个主要城市的房地产市场和整个房地产市场已经达到弱式效率。效率和复杂度随每个主题。之间存在显著的负相关关系程度的效率和复杂性,因为他们的斯皮尔曼等级相关系数达到−0.975。在中国城市,那些效率高程度的房地产市场一般都是二线,三线,和较低的城市,而那些相对发达经济体如北京、上海、深圳和广州显示效率较低程度的房地产市场和复杂程度更高。(2)美国的市场效率和复杂性是中国相似。具体来说,房地产市场在所有州和整个美国市场还没有达到弱式效率。效率和复杂性之间的斯皮尔曼等级相关系数是−0.966,显示了显著的负相关。从中国不同,效率高的地区的美国房地产市场基本上是位于东部和西部海岸相对发达,人口密集。相反,低效率的地区位于中间的与经济发展水平相对较低。此外,美国房地产市场是有效率的中国人,但更复杂。

结合美国和中国住房金融的发展历史,可以发现两国住房价格波动有密切关系的实施一些住房金融政策。例如,房价在一段时间内的非理性激增主要是由于政府的刺激经济的努力。从政府干预会导致房地产市场的过度繁荣。从政策内涵的角度,更高效的市场,政府的干预越少。较低程度的效率意味着更少的自由市场。在细节,一些系统或规则由政府设定影响市场的独立监管。因此,一方面,必须制定和实施一些创新监管政策引导房地产市场的发展;另一方面,应找出当前相关政策和系统的不足,然后改正。根据我们研究的结论和成果的房价控制政策发布的中国和美国政府多年来,我们提出以下建议来改善中国房地产市场的效率:(1)政府应该改善机制,加强房地产市场的信息透明度。如果房地产市场是有效的,价格可以其他市场信息充分,并迅速做出反应。目前,所有主要城市和整个房地产市场在中国还没有达到弱式效率。这一现象表明,存在信息不对称的市场和投资者之间的信息传播机制,卖家和买家并不完美。政府可以更详细的规则来帮助信息披露在房地产交易过程中,以保证流动性,信息的准确性和及时性。此外,它可以降低信息搜索成本,合理引导投资,发布虚假信息的可能性减少开发商和投机者。只有用这种方法,我们可以确保房地产市场公平交易,建立信息披露机制与开放、公平、公正,促进房地产业的健康发展。(2)政府应该提倡租房和买房居住,促进多层次住房制度的建立。在一些发达国家,如德国,租金率高达58%,但大多数居民还可以愉快地工作和生活。大量的租赁住房的供给不仅增加了居民的幸福感也在维护社会稳定发挥了重要作用。这种和谐现象从完善租赁管理系统是分不开的。至于中国,人口众多,导致强劲需求的房子。然而,由于房价高,很多人,尤其是刚进入职场的年轻人,买不起自己的房子和别无选择,只能租一间房子。为了满足低收入群体的住房需求和维护房地产经济的健康发展,政策保障应该伴随着立法监管。绘画的分类供应系统美国,政府应该加快建立住房制度确保供应通过多种渠道,多渠道提供住房支持,鼓励购房和租房。这将使我们更好地满足住房需要我们所有的人。(3)政府应该采取针对性和差异化措施。的67个城市的实证验证结果,效率程度和复杂程度的房地产市场不同城市。因此,房地产市场在每个城市的规定不能被视为相同的;政府应该考虑这些因素,如经济水平、制度环境、资源分配和城市居民的需求和供给。有针对性的和差异化措施发挥的作用更有效地调节房价,稳定市场。例如,有一个很大的区别之间的房屋库存第一或二线城市和三线或四线城市在中国。三线和四线城市,去库存化应该强调,第一,二线城市应积极预防房地产泡沫的风险。(4)政府应加强监测和早期预警和防范国际金融风险。在经济全球化的背景下,国际形势的变化或某一个国家的经济形势往往影响世界各地。中国与其他国家的贸易越来越密切,更不可能保持独立。这是令人难忘的,日本和美国之间的贸易战争做出了日元快速升值/ 2年前。应对这场危机,日本政府决定实施宽松的货币政策,鼓励当地居民投资房地产业,使日本经济成长与泡沫。最后,泡沫经济的破裂不仅导致了日本房价大幅下降也导致日本经济崩溃。我们可以从这里学到贸易战争,我们应该密切关注外汇风险,积极防范汇率风险由外国资本流入和国内资本外流,并加强风险预警,及时预防和应对风险。

附录

软件MATLAB应用于我们的工作。

语法如何排列熵和统计计算复杂性测量提出了如下:功能置换()清晰;clc;data = xlsread (“ppires”);%的输入数据[m, n] =大小(数据);j = 1: nz = j %选择一个系列rs0 =数据(:,z);% rs0 =数据(:1)+数据(:,2)嵌入维数D = 5%时间延迟τ= 1%P =烫发((1:1:D));% D的所有排列np =长度(P (: 1));%的数量排列D !rnp = 0 (np, 1);%的数量模式,初始值= 0因为我= 1:m−(D−1) 道rs = rs0(我道:+ (D−1) 道);%的初始矢量用于排名[B,第九]= (rs);%排名由升序排序,给原来的序列号,或称为模式[b, IX1] = (P (九);%法官模式根据产品数量最大kp = IX1(结束);%给这个顺序模式下的订单rnp (kp) = rnp (kp) + 1;结束ppi = rnp / (m−(D−1) 道)%计算每个模式的概率总和(ppi);ppi1 = ppi + (ppi = = 0);PE =−总和(ppi)。 日志(ppi1)) %计算排列熵HS = PE /日志(np) %最大−熵形式主义ppi0 = [1, 0 (np−1,1)];摩根大通=−总和((ppi + 1 / np) / 2。∗日志((ppi + 1 / np) / 2))−(PE +日志(np)) / 2;JP0 =−总和((ppi0 + 1 / np) / 2。∗日志((ppi0 + 1 / np) / 2))−(0 +日志(np)) / 2;cj = JP / JP0∗海关性病(rs0)hs (j) =商品;cj (j) = cj;结束抓住框网格散射(hs, cj,“r”)包含(“H_S”)ylabel (“C_ {JS}”)海关cj抓住%的阴谋(hs. / cj)情节(hs)xlswrite (csi, [hs; cj]”)% xlswrite (“acjsl”, [hs; cj]”)包含(' \ H_S”)ylabel (‘\ C_ {JS}’)

数据可用性

使用的数据来支持本研究的发现可以从风数据库,中国经济和社会大数据研究平台,联邦储备系统(H),美国所有经济调查,经济分析局。

的利益冲突

作者宣称他们没有利益冲突有关的出版。

确认

这项工作得到了从教育部人文社会科学规划基金(16 yjazh078),中央大学的基础研究基金(批准号。CCNU19TS062, CCNU19A06043,和CCNU19TD006),和提高初始资本的高级人才华中师范大学(30101190001)。

引用

1. r·米斯和n .华莱士”测试房价的现值的关系:我要离开我的家在旧金山吗?”城市经济学期刊,35卷,不。3、245 - 266年,1994页。视图:出版商的网站|谷歌学术搜索
2. j·克莱顿,“房价周期由非理性预期,”《房地产金融和经济学杂志》上,14卷,不。3、341 - 363年,1997页。视图:出版商的网站|谷歌学术搜索
3. k·e·席勒和r . j .,“预测价格和房地产市场的超额收益,”房地产经济学,18卷,不。3、253 - 273年,1990页。视图:出版商的网站|谷歌学术搜索
4. j·m·亚伯拉罕和p h·a,“城市房地产市场的泡沫,”资金占用工作底稿,7卷,不。35岁,171 - 192年,1994页。视图:谷歌学术搜索
5. s . r .掷弹兵”,房地产周期的持久性。”《房地产金融和经济学杂志》上,10卷,不。2、95 - 119年,1995页。视图:出版商的网站|谷歌学术搜索
6. p . KunzelInefficienciesh房地产:对价格动力学的影响、乔治华盛顿大学、华盛顿,美国2004年博士论文。
7. 郑y . k . Wang, h·刘,“回顾中国房地产市场的效率,”中国土地科学,20卷,不。5,54-59,2006页。视图:谷歌学术搜索
8. l .谢实证研究在上海房地产市场的效率、华东师范大学、上海,中国,2014。
9. a .锅和h .王”,中国房地产市场的低效率:理论和实证分析,“金融和经济7卷,55 - 63、2008页。视图:谷歌学术搜索
10. 问:孟和r·陈”,中国房地产价格泡沫:一个基于马尔柯夫机制转换模型,实证研究”金融研究,2卷,第120 - 105页,2017年。视图:谷歌学术搜索
11. k·郭和y黄”,问题和解决方案的国际比较,中国的房地产市场发展”金融和贸易经济,卷1,5-22,2018页。视图:谷歌学术搜索
12. c·陈,“理论和实践分析,房价与收入的比率,“次融资5卷,18 - 20,2014页。视图:谷歌学术搜索
13. k·e·席勒和r . j .,”在房地产市场是否存在泡沫?”布鲁金斯学会论文经济活动,卷2003,不。2、299 - 362年,2003页。视图:出版商的网站|谷歌学术搜索
14. l . Zunino m . Zanin o·a·佩雷斯·d·g·佩雷斯·o·a·罗索,“禁止模式排列熵和股票市场效率低下,“自然史答:统计力学及其应用,卷388,不。14日,第2864 - 2854页,2009年。视图:出版商的网站|谷歌学术搜索
15. l . Zunino m . Zanin b . m . Tabak d·g·佩雷斯·o·a·罗索,“飞机Complexity-entropy因果关系:一个有用的方法来量化股票市场效率低下,“自然史答:统计力学及其应用,卷389,不。9日,第1901 - 1891页,2010年。视图:出版商的网站|谷歌学术搜索
16. o·a·罗索h·a . Larrondo m·t·马丁et al。”区分噪声和混乱。”物理评论快报,卷99,不。15篇文章ID 154102 2007。视图:出版商的网站|谷歌学术搜索
17. l . Gulko“熵的市场假说”,国际理论和应用金融杂志》上,卷2,不。3、293 - 329年,1999页。视图:出版商的网站|谷歌学术搜索
18. d . Matesanz和g·j·奥尔特加”(经济物理学)注意在汇率波动时间序列,”国际现代物理学杂志》上,19卷,不。7,1095 - 1103年,2008页。视图:出版商的网站|谷歌学术搜索
19. w·a·Risso”信息效率的作用在互联网泡沫,”社会科学电子出版,17卷,不。5,373 - 380年,2008页。视图:谷歌学术搜索
20. c·班德和b .筛”排列熵:一种自然复杂性度量时间序列,”物理评论快报,卷88,不。17日,ID 174102条,2002年。视图:出版商的网站|谷歌学术搜索
21. m . Riedl n·a·穆勒和n·韦塞尔,“排列熵的实际考虑,”欧洲物理专题》杂志上,卷222,不。2、249 - 262年,2013页。视图:出版商的网站|谷歌学术搜索
22. a . Ortiz-Cruz e·罗德里格斯和c j . Alvarez-Ramirez“原油市场效率:证据从信息熵分析,“能源政策41卷,第373 - 365页,2012年。视图:出版商的网站|谷歌学术搜索
23. g .哦,美国金,c .加工“市场效率在外汇市场上,”自然史答:统计力学及其应用,卷382,不。1,第212 - 209页,2007。视图:出版商的网站|谷歌学术搜索
24. m . Staniek和k . Lehnertz排列熵测量参数的选择,”国际期刊的分歧和混乱,17卷,不。10日,3729 - 3733年,2007页。视图:出版商的网站|谷歌学术搜索
25. m . Matilla-Garcia m·鲁伊斯马林,“检测时间序列的非线性结构,”经济学的信件,卷105,不。1、1 - 6,2009页。视图:出版商的网站|谷歌学术搜索
26. l .西班牙门,m . Javorka et al .,“有效的多尺度熵的计算短生物医学时间序列线性状态空间模型的基础上,“复杂性ID 1768264条,卷。2017年,13页,2017。视图:出版商的网站|谷歌学术搜索
27. y z . Chen Li梁h . et al .,“改善排列熵测量时间序列的复杂性在嘈杂的情况下,“复杂性卷,2019篇文章ID 1403829, 12页,2019。视图:出版商的网站|谷歌学术搜索
28. p . w .该行m·t·马丁,A . Plastino, o .。”,密集的non-triviality的人制定出的措施”,自然史答:统计力学及其应用,卷334,不。1 - 2、119 - 131年,2004页。视图:出版商的网站|谷歌学术搜索
29. d·罗索m . Varela-Entrecanales a Molina-Pico et al .,”模式以同样的排列熵值:他们真的对biosignal分类很重要?”复杂性卷,2018篇文章ID 1324696, 15页,2018年。视图:出版商的网站|谷歌学术搜索
30. h . Shaobo s Kehui, w .汇”修改多尺度排列熵算法multiscroll混沌系统及其应用,”复杂性,21卷,不。5,52-58,2016页。视图:出版商的网站|谷歌学术搜索
31. 问:吴,”国际经验合理化中国住房发展的想法,“经济问题,28卷,不。2,页13 - 15,2006。视图:谷歌学术搜索
32. y歌和l .高,”美国房地产业的繁荣和风险及其对美国经济的影响,”美国研究,20卷,不。3、65 - 76年,2006页。视图:谷歌学术搜索

版权

版权©2020(陈等。这是一个开放分布式下文章知识共享归属许可,它允许无限制的使用、分配和复制在任何媒介,提供最初的工作是正确引用。