《影响房地产价格因素的计量分析》由会员分享，可在线阅读，更多相关《影响房地产价格因素的计量分析（4页珍藏版）》请在金锄头文库上搜索。
1、4、基于启发性偏差的投资策略通过行为金融理论对投资者启发式心理偏差的分析，优秀的投资者不仅应当了解市场中的投资者和自己会产生什么样的心理和行为偏差，且能够避免由于自身因素造成重大大失误，以及了解投资者的心理偏差和决策失误对市场产生的影响，寻找被市场错误定价的证券，并采取相应的投资决策。 行为金融学认为市场是非有效或不完全有效的，由于投资者受经验法则的谬误和情绪因素的影响，将会导致证券的市场价格偏离理论价格。 通过发现这些偏差，买入低估的股票，卖出高估的股票，可以获得超额的收益。 投资者发现这些偏差的最好方法是长期坚持特殊的投资策略。 投资者在为组合购进一只股票时，应详细地记录其要点。 保留长期
2、的“投资记录” 有助于投资者评估其投资策略，使投资者会更早地认识并承认这些认识偏差，从而帮助他们控制“情绪波动”。本质上避免这些认识偏差的方法是少交易并实施简单的“购买并持有”策略，在大多数投资者认识到这些偏差之前投资于这些证券，随后，当大多数投资者意识到这些错误并投资于这些证券时卖出这些证券。四、基于行为金融理论指导下的证券投资应注意的问题综上分析，投资者在证券投资过程中的认知偏差和行为偏差，通过行为金融理论可以很好的解释，并由此总结了许多有价值的证券投资策略，但在具体运用这些投资策略时还应注意以下几点问题：1、防止教条化，随机应变行为金融理论的投资策略是：在大多数投资者尚未意识到错误时投资
3、于某些证券，随后当打多数投资者意识到错误并投资于这些证券时卖出这些证券。 但是，我们应该考虑的是：如果证券市场的绝大多数投资者认识到这一问题并采取同样的策略时，其策略效果如何体现呢？ 因此，在应用行为金融策略时， 要防止教条化，注意随机应变。2、 不同投资者需要有不同的投资策略将行为金融学的研究成果运用到我国证券市场的实践中，可以合理引导投资者的行为。 对于广大中小投资者，要通过教育来使其趋于理性化，提高证券市场投资者的投资决策能力和市场的运作效率。 对于机构投资者， 要提高其投资管理水平。投资者决策中的心理偏差是与生俱来，而这些认知偏差可以通过学习、训练等手段得到有效缓解。 因此，不同投资者
4、应该采用不同的投资策略。3、 切忌对国外现有行为投资策略的简单模仿中国金融市场与发达的金融市场具有共性，但同时也具有特殊性。 我们在运用行为金融投资策略时，应在对中国证券市场的行为特点进行深入研究的基础上，探索适应我国证券市场运行特点的我们自己的行为金融学投资策略，而不是对国外现有行为投资策略的简单模仿。五、总结基于金融市场异象和投资人认知与行为偏差的众多投资策略，诸如反向策略、动量策略、小盘股策略、平均化策略、以及其他一些常见的略，如果应用得当，可帮助投资者获得超越市场平均水平的超额收益。同时， 行为金融理论远非一个完全成熟的理论，学习和运用行为金融理论，应将行为金融理论与投资实践相结合。参
5、考文献：1曹宇锐.基于行为金融学视角的证券投资策略分析J.金融经济, 2006,(02)2徐健.行为金融理论与证券投资策略J.工会论坛(山东省工会管理干部学院学报), 2007,(01)3魏法明.行为金融框架下的证券投资策略研究J.金融理论与实践, 2007,(07)（作者单位：郑州航空工业管理学院）一、影响房地产市场价格的几大因素（一）初步分析首先，房地产作为一种商品，与一般商品一样，其均衡价格由供给和需求决定并因供求双方力量对比的变化而变化。 供给和需求是形成价格的两个最终因素，其他一切因素，要么通过影响供给，要么通过影响需求来影响价格。 其次，房地产作为一种特殊的商品，具有投资价值，房地
6、产的价格形成又有不同于一般商品的地方，它的价格极易受到宏观经济因素及政府相关政策等宏观经济环境的影响。（二）分类分析本文因此将影响房地产市场价格的因素分为供给因素 、需求因素、宏观经济环境三类。 以下是对这三类因素的具体分析。1）供给因素。影响房地产市场价格的供给因素指的是表征和影响单位时间内市场上对房地产的供给数量。 由于房地产的一大特性是具有很强的区位性， 区位是房地产市场细分的重要因素之一。 同时，由于面对的消费者支付能力差异巨大，为实现利润最大化，房地产供给者采取价格歧视的策略对不同收入等级的消费者开发质量 （往往表现为建筑密度、 土地容积率、周边环境状况、建筑设计及施工等级等等）不同
7、的房地产。 而这些等级不同的房地产市场间往往又有很大的独立性。 因而，房地产的区位及等级常常将房地产市场细分为很多不同的小市场。 因此，从理论上看，分析房地产市场的供给因素应从各个不同的细分市场入手进行分析。 但由于本文的目的是从宏观上对整个房地产市场进行分析， 加上各种细分市场的统计数据不全，所以本文不考虑房地产的区位及等级差异，而是笼统的将其视为一个市场。影响房地产价格因素的计量分析曹霄琪理 论 探 讨83FINANCE & ECONOMY金融经济因而，选取的供给因素也是从整个房地产市场来选取的。 而从整个房地产市场来看，表征房地产市场的供给状况的因素为一定单位时间内的建筑施工面积、建筑竣
8、工面积。 同时，房地产的建设成本及国家的相关调控政策如土地政策、信贷政策、税收政策等等也对房地产市场的供给产生巨大影响，因为这些均会影响房地产的边际成本，而房地产的供给曲线恰是房地产的边际成本曲线（更确切地说是边际成本大于等于平均成本的那一段）。 但这方面的统计数据不全，同时，为简化分析，本文仅选取年竣工房屋面积作为房地产市场的供给因素。2）需求因素。房地产的需求主要分为自住需求和投资需求两部分。 从自住需求来看，主要的影响因素为家庭收入水平和支出水平（表征支付能力），同时，由于房地产买卖为大宗买卖，往往离不开信贷，因此，利率水平也是影响自住需求的一个重要因素。 而从投资需求来看，房地产作为一
9、项家庭最重要的固定资产，其购买者必然有动机将其作为一项长线投资产品，而影响房地产作为投资产品的需求因素主要有收入水平、利率水平及对未来市场的预期。 本文在分析房地产市场的需求时考虑的主要因素为预算约束水平和利率水平，其中，预算约束水平选取的指标为城镇居民家庭人均可支配收入和城镇居民消费水平。3）宏观经济环境。与一般商品市场不同，房地产市场极易受到宏观经济环境的影响， 宏观经济环境又可以分为宏观市场环境及宏观政策环境。宏观市场环境包括货币供给量、通货膨胀水平、经济增长率。 而宏观政策环境则包括国家的相关调控政策如土地政策、 信贷政策、税收政策等等。 宏观经济环境的任何细微变化，都会在房地产市场中
10、得到放大，无论是实际效果还是心理效应，都可能使得房地产价格发生很大的波动。 突出体现在最近甚嚣尘上的房地产救市与否的问题。 可见，宏观经济环境是研究房地产价格变动不容忽视的一个因素。 本文中选取的宏观经济环境指标为通货膨胀率、货币供应量和长期贷款利率。二、研究数据说明基于以上分析， 本文选取的数据主要有房屋平均销售价格、城镇居民家庭人均可支配收入、竣工房屋面积、城镇居民消费水平、居民消费价格指数、货币供应量、长期贷款利率。 数据选取年份为1992-2008年，均来自于中经专网经济年鉴数据库。 这里有必要对本文选取的数据做以下说明：1）从1992年开始我国全面推进市场经济改革，宏观经济各领域都发
11、生了很大变化， 这对房地产市场也产生了巨大的影响，同时由于1992年前后统计数据口径有一定变化，进行比较分析时会产生一定的偏差，因此本文选取的是从1992年以后的数据。2）1998年我国取消实物分房政策，取而代之的是货币分房政策，因而1998年前后房地产市场会有一个比较大的变动，但是考虑到如果只选取1998年之后的数据，样本量会过少，影响统计分析的准确度，所以本文选取了包括从1992-1998年实行实物分房政策期间的数据。3）长期贷款利率选取的是五年以上贷款利率，2005年以后利率调整比较频繁，无法确定一个比较合理的利率值，本文采用的是当年年末的数据。4）考虑到房地产交易主要发生在城镇，其需求
12、主体主要是城镇居民，农村居民基本都是自建房，所以这里选取的数据都是从城镇居民的角度出发，未将农村居民纳入进来。5）2008年房屋平均销售价格暂缺（最后本文会利用已有数据对此进行估测，利用本文建立的模型得出预测值的估计值）。其中：Y房屋平均销售价格（元/平方米）；X1城镇居民家庭人均可支配收入（元）；X2竣工房屋面积（亿平方米）；X3居民消费价格指数（1978=100）；X4货币供应量（亿元）；X5城镇居民消费水平（元/每人每年）；X6长期贷款利率（五年以上）。三、实证结果报告（一）回归分析过程将上述所有因素都纳入考察范围， 进行一次多元线性回归，得到结果如下：虽然R2和R2都很大，分别达到了9
13、9.26%和98.76%，但是很显然这个回归结果不能令人满意，其中x1,x2,x5的t检验值都很小，都小于自由度为9（16-6-1=9），显著性水平为0.05时的t值分位数1.833，同时P值明显大于0.05，不显著，这说明不能拒绝这三个因素系数等于0的原假设， 因此这个回归结果是很不理想的。 通过这一回归可以进行white检验，white检验的结果如下所示：表1：中经网相关数据（本文研究基础数据）year 1992 1993 1994 1995 1996 1997 1998 1999 2000 2001 2002 2003 2004 2005 2006 2007 2008Y 995 1291
14、 1409 1591 1806 1997 2063 2053 2112 2170 2250 2359 2714 3168 3367 3864 X1 2026.6 2577.4 3496.2 4283.0 4838.9 5160.3 5425.1 5854.0 6280.0 6859.6 7702.8 8472.2 9421.6 10493.0 11759.5 13785.8 15780.8X6 9.54 11.76 13.86 13.86 13.51 12.11 9.23 6.89 6.21 6.21 5.84 5.76 5.82 6.12 6.84 7.83 5.94X2 0.50 0.74
15、 1.28 1.49 1.54 1.58 1.76 2.14 2.51 2.99 3.50 4.15 4.25 5.34 5.58 6.06 5.85X3 253.4 294.2 367.8 429.6 467.4 481.9 479.0 472.8 476.6 479.9 475.1 479.4 495.2 503.1 510.6 533.6 563.5X4 25402.2 34879.8 46923.5 60750.5 76094.9 90995.3 104498.5 119897.9 134610.4 158301.9 185007.0 221222.8 254107.0 298755.
16、7 345603.6 403442.2 475166.6X5 1671.7 2110.8 2851.3 3537.6 3919.5 4185.6 4331.6 4615.9 4998.0 5309.0 6029.9 6510.9 7182.1 7942.9 8696.6 9997.5 11242.9表二：一次多元线性回归结果（回归结果一）Dependent Variable: Y Method: Least Squares Date: 06/03/09Time: 14:56 Sample: 1992 2007 Included observations: 16 Variable C X1 X2 X3 X4 X5 X6 R-squared Adjusted R-squared S.E. of regression Sum squared resid Log likelihood Durbin-Watson statCoe
