一、北京地产市场是否存在泡沫（论文文献综述）
王春艳[1]（2021）在《我国房地产泡沫与商业银行信贷规模的相关性研究 ——基于时空差异视角》文中研究表明
马超萃[2]（2021）在《房地产金融风险研究 ——以河南省三门峡市为例》文中提出国民经济中一个重要的体现就是房地产业,同时房地产业也关系着亿万大众的切身利益。近年来,我国的房地产行业在经济领域中起着举足轻重的作用。大量金钱的支撑是房地产业发展的必需,而因此相关联出现的房地产融资金融是相对于房地产行业来说至关重要的一部分。但是需要注意的是房地产金融的运行并非是稳定不变的,其中也蕴含着许多不可控因素,可能会导致各类风险的发生,比如当房价涨势过于迅猛,房地产金融的风险也会迅速聚集,而若是房价在此时突然过快下跌,那么房地产金融风险则会出现突然见底,集聚地爆发的情况,小至城邦,大至国家都会受到影响,更甚者会演化出世界性的金融危机。本文主要将视线聚焦到大家较少关注,但是覆盖范围非常大的三四线城市上,以我国河南西部的一个地级城市——三门峡市为例,通过对房地产市场及房地产市场风险的重要理论分析,采取定性为主、实际为辅,理论结合的研究方法进行深入地分析。本文重点是以房地产风险方面的相关理论为基础,结合国际重要房地产风险事件次贷危机分析我国房地产金融风险目前所处的泡沫阶段,房地产金融发展的现状,存在的问题和成因,接着,经过对三门峡市目前房地产市场的供求关系等情况以及房地产的金融风险现状的剖析,科学应用房价收入比、房价增长率/GDP增长率和空置率三大国际常用的房地产泡沫测度指标方法对三门峡市是否存在房地产泡沫进行测量,得出上述三大指标的指数均远远超出了房地产泡沫的合理值,进而推论得出三门峡市的房地产市场存在有泡沫的金融风险。本文最后针对上述情况,提出几点防范三、四线城市房地产金融风险的建议:转化经济结构以降低空置率,政策引领优化投资环境,制定去库存政策遏制盲目扩张,利用各种融资渠道,降低风险,对房地产市场金融体系加大监管的力度,完善管理手段,提升企业运营中的财务管理等多方面水平等。
周贺[3]（2021）在《中国产业集聚对区域房地产价格的影响研究》文中研究指明产业集聚作为既能够影响房地产市场需求又能够影响房地产市场供给的重要经济变量,与房地产价格上涨存在着紧密的理论关联。同时,产业集聚作为我国地区经济发展的典型化特征之一,代表了我国地区经济发展的未来趋势。因此,研究产业集聚对我国区域房地产价格的影响具有重要的学术价值和现实意义,包括为解释我国房地产价格上涨提供新视角与新证据,发现我国房地产价格的区域分化现象背后的原因,以及为不同城市结合实际开展房地产市场调控和制定产业政策提供有益参考。本文在界定人口集聚、房地产和房地产价格相关概念后,对国内外有关产业集聚对房地产价格影响的研究文献进行系统梳理;重视现实对我国房地产市场发展历程进行阶段性分析;运用经济理论分析产业集聚对房地产价格的影响,以及产业集聚影响房地产价格的作用机制和门限效应表现;选取合适经济变量,以中国35个大中城市数据为样本,应用静态面板数据模型、动态面板数据模型、中介效应检验模型和门限面板模型进行实证研究。本文获得主要研究结论如下:一是我国产业集聚表现出明显的区域差异和产业差异,房地产价格也表现出明显的区域差异。产业集聚在东中西三大地带间差异明显,除北京和海南外,东部地区的制造业产业区位熵指数明显大于1,中部地区和西部地区除了河南、安徽、内蒙古、陕西等省份表现较好外,包括东北老工业基地的其他省份制造业集聚水平均较低。与制造业不同,以开发建设为主导的中西部地区,建筑业普遍具有较高的集聚水平。而金融业因其强大的中心集聚力,导致金融业集聚不仅存在明显的东中西差异,也存在着明显的地带内省际差异,来源于第三产业的房地产业集聚表现出与金融业相似的特点,且其与地区的房地产市场冷热密切相关。根据各地商品房平均销售价格数据,对比发现我国东部地区房地产价格明显高于中部和西部地区,且东部省份的房地产价格分化严重,35个大中城市的土地成本数据也表现出了相似的特征。二是产业集聚对房地产价格具有显着的影响。理论上,产业集聚能够影响居民的房地产购买能力和数量,从而提升房地产的市场需求,同时产业集聚能够影响土地供给和房地产开发融资成本,从而影响房地产市场的供给。因此,产业集聚从供给和需求两个角度影响房地产价格。以35个大中城市数据为样本的动态面板数据模型估计结果显示,制造业和建筑业集聚对房地产集聚具有显着的正向影响,金融业和房地产业集聚影响不显着,这反映了以制造业和建筑业为代表的实体经济发展更能够长期影响房地产的价格水平,我国房地产价格水平的上涨是具有一定程度的实体经济支撑的。考虑到房地产价格对产业集聚的反向影响关系,对模型内生性进行讨论,并采用新的核心解释变量测量方法和变更样本时间跨度的方式再次进行估计,发现研究结论是稳健的。此外,工资收入、财富水平、建筑成本、土地成本均对房地产价格具有显着正向影响,房屋竣工面积对房地产价格具有显着的负向影响,与房地产价格的供需决定理论的预期结论相一致。三是人口集聚和土地成本是产业集聚影响房地产价格的重要机制变量。产业集聚与人口集聚是经济集聚理论成立的两大基础,经济因素是人口迁移流动的主要原因,产业集聚导致的区域经济发展差异推动了人口集聚的发生,人口的居住需求又刺激了房地产价格的上扬。产业集聚推动政府平衡工业用地与住宅土地供给,由于新增土地出让收入具有政府财政平衡和补贴工业用地基础设施建设的功能,这强化了政府提高土地价格的城市土地经营动机,进而推高了房地产成本和销售价格。中介效应检验结果显示人口集聚和土地成本能够部分的传导产业集聚对房地产价格的影响,人口集聚和土地成本是产业集聚作用于房地产价格的重要影响机制。四是产业集聚对房地产价格的影响具有明显的门限效应特征,符合边际效应递减规律。城市在自然条件、区位条件、产业结构等多个方面存在差异,城市异质性能够影响产业集聚对房地产价格的作用大小,即产业集聚对房地产价格存在着异质性影响。选取产业集聚水平、人口集聚水平和土地成本等反映城市异质性和房地产市场发展条件的变量为门限变量,实证结果证实了产业集聚对房地产价格的影响是异质的,研究还发现对于大多数正处于发展中的城市来说,城市总体产业集聚水平较低、人口集聚水平较低和土地成本较低,产业集聚对房地产价格的正向影响更大。分产业来看,制造业集聚在城市产业集聚水平不高时对房地产价格的正向促进作用更大,而金融业集聚在城市产业集聚水平高于某一门槛后对房地产价格的正向促进作用则日益增强,这与产业升级理论下的城市经济发展现实相一致,对于北京上海等产业集聚度高的城市来说,金融业集聚对房地产价格上涨起到了更大的作用,而对于大多数普通城市,制造业等实体经济的集聚发展能够显着的拉动房地产价格上涨。基于上述研究结论,结合我国区域经济发展与房地产市场发展实际,提出促进房地产市场健康平稳发展的政策建议:一是促进各区域均衡协调发展,缩小东部地区与中西部地区的经济发展差距、产业集聚差距和房地产价格差距。二是重视人口集聚对大中城市房地产价格的影响,尽可能采取多种形式保障好大中城市流入人口的住房问题。三是重视大中城市土地成本持续上升导致的房地产价格攀升问题,合理解决地方政府用住宅土地出让收入补贴工业用地开发成本,用住宅土地出让收入弥补财政赤字的问题,彻底遏制地方政府提高土地价格、助推房地产价格上涨的土地经营动机。加强顶层设计和对财税制度、官员晋升评价、中央地方事权划分、土地性质变更出让等多项重要经济制度的系统性改革,将房地产回归到居住属性的普通商品,实现“房住不炒”的房地产市场发展目标。
孙蓓蓓[4]（2021）在《房价波动下银行住房按揭项目信贷风险评估研究 ——以昆明G银行信贷项目为例》文中研究表明随着全球化进程的加快,各国经济在其影响下获得长足的进步,尤其是房地产行业。我国房地产业随着大行业的发展趋势迅猛发展,同时,在各方面因素的作用下,兴起许多房地产企业,对应的房地产开发和经营也达到了历史的最大规模,逐步成长为我国经济组成当中的重点产业。通过对房地产业运行状况的了解,有着产业经济的周期波动的特征,至今仍是理论界研究的热点。因而产生了对房地产经济周期各种类型的解释,综合起来分析,对于表现形式有着一致的意见和看法,即房价波动成为成为该产业是否能长远健康发展的重要因素。而对于房地产业来说,货币资金是保证企业运行的重要资源,影响着生产过程的各个环节,金融机构作为资金的重要提供方,是各大房地产业争相合作的对象。随着房地产业的日益发展,房子作为中国人生活最重要的必需品和投资品,个人住房按揭贷款的份额呈大幅度上涨,发放贷款,激活了经济,也维持了经济的发展。房价的波动不仅仅是给银行业带来冲击,更是影响全球金融市场,因此研究房价的波动,对银行个人信贷业务风险体系构建,以及风险预防是十分有意义的。本文主要采用指标法和例证法,通过采集数据的建立,分析评估商业银行在地产项目的风险评估做法。通过房价波动影响银行风险的相关理论,刻画了昆明G银行在当地地产信贷项目中,住房购买者,房地产开发企业,银行,三者反而传递关系。发现房价波动会直接影响银行的个人信贷风险。证明研究房价波动下银行住房按揭项目信贷风险评估的必要性和可行性,同时给予意见和期望,旨在提升商业银行风险管理的质量和期望。
陈景辉[5]（2021）在《安徽省房地产泡沫研究》文中认为房地产业是我国当前国民经济的基础产业和重要支柱产业,保持房地产业的健康发展对于维持宏观经济稳定具有重要意义。房地产业的快速发展既能够带动整个社会宏观经济的发展,也可能引发一系列民生问题。因此,对于房地产泡沫测度以及形成原因的研究将有助于房地产市场平稳健康发展。以往文献大多以全国或者特大型城市的房地产市场为研究对象,对于以省域宏观经济发展现状为背景的房地产市场研究较为匮乏,因此本文以安徽省房地产市场为研究对象,测度房地产泡沫程度以及分析房地产泡沫的形成原因,并进一步提出合理建议,从而推动安徽省房地产市场持续平稳健康发展。安徽省位于长江三角洲地区,处于全国经济发展的经济要冲,下辖16个省辖市,2019年末常住人口为6365.9万人,房地产市场发展起点较低,但近年来安徽省房地产价格上涨速度较快。对于安徽省房地产市场是否存在泡沫,房地产泡沫究竟有多大,成为了政府、学者和普通民众关注的焦点。用科学的实证方法回答这些问题,对于政府制定相关房地产政策具有至关重要的指导意义。然而,过去较多有关房地产泡沫问题的文献却泛化了房价泡沫的界定,仅仅将房价上涨速度过快、开发投资额增速过快等现象归结为房地产泡沫,并未从多维度构建体系来综合测度房地产泡沫程度。本文结合代理指标法和因子分析法,分别从供给、需求、信贷和价格评价四个维度选取2001～2019年安徽省房地产市场相关指标构建房地产泡沫测度指标体系,根据已有文献确定的各个指标临界值,构建安徽省房地产测度模型,从而测得2001～2019年安徽省房地产泡沫综合得分。结论显示:仅2015、2017、2018、2019年泡沫综合得分低于警戒值,其余年份均高于临界值。2001～2019年安徽省房地产泡沫整体呈平稳下降趋势,其中部分年份房地产泡沫得分起伏较大。2003年泡沫综合得分达到最高值1.124,2015年则下降到最低值-0.816。共可以细分为三个阶段,第一阶段为2001～2003年泡沫增大阶段,第二阶段为2004～2015年泡沫下降阶段,第三阶段为2016～2019年泡沫平稳发展阶段,该阶段调控政策频出。由于房地产泡沫最直观的外在表现形式为房价在短时间内急剧上升,本文进一步从供给和需求两个维度共选取十个解释变量,通过收集2001～2019年安徽省房地产市场相关数据,构建安徽省房地产价格波动模型,并运用逐步回归法和可行广义最小二乘法,对安徽省房地产泡沫形成原因进行分析。结果表明:人口、城镇化率、房地产开发投资额和土地购置费四个解释变量对安徽省房地产价格波动具有显着影响。最后根据实证结果,分别从抑制房地产泡沫的短期手段和长效机制两个方面,对安徽省房地产市场健康发展提出对策建议。
李卓[6]（2021）在《我国区域性金融风险的计量研究》文中指出2008年爆发的国际金融危机是近年所发生的一次重大跨区域金融风险事件,它使得世界经济陷入了第二次世界大战以来历经时间最长、波及范围最广、影响程度最深的一次下行调整。危机产生的严重后果以及此后持续数年的风险处置与应对,促使人们大幅提升对金融风险问题的关注,并拥有更多的历史样本与经验证据去探索金融风险生成演化相关机制,也发展出了更为多元的研究视角。就我国而言,长期的政策刺激以及地方政府具有独特影响力的经济发展模式,在带来经济快速增长的同时,也不断累积金融脆弱、加重环境扭曲,导致各地金融风险防控形势依旧严峻。中国已有的重大金融风险都是发生在某些特定区域范围之内,特别是近年来浙江温州、内蒙鄂尔多斯、陕西神木等地区相继出现的风险事件,使我们意识到,对于一个经济地理空间十分巨大、地区之间存在明显异质性的国家,金融风险会更多地表现出区域性的特征与后果。正是基于上述对于整体环境及历史样本的认知,本文选取区域性金融风险的视角开展相关研究,主要包括以下内容:首先,结合我国现实状况,认识区域性金融风险。第2章,详细界定区域性金融风险内涵,归纳其特征,并结合当前实际,对区域性金融风险生成的内外部因素进行理论分析。论述中将关注视角重点放在我国特有的地方经济发展模式、金融体系的脆弱性及其所面对的区域环境。在金融风险动态演化方面,重点围绕金融体系内部各机构之间,金融体系与政府、企业、家户等部门之间,以及不同区域与区域之间的多种关联互动渠道,探讨金融风险区域内外的传染机制,并就区域性金融风险演化发展给予理论描述与说明。其次,构造区域性金融风险测度指标,识别我国区域风险状态及其引致因素。第3章,利用熵权法合成风险测度指标,测算我国各省份区域性金融风险时变特征。结果表明,2009至2017年中国区域性金融风险呈现震荡上升趋势,多数省份2017年金融风险水平已明显高于2009年后全球金融危机期间的风险水平。在风险贡献方面,地方政府债务负担为首要风险因素,而信贷相关问题以及房地产泡沫也是明显高于其他因素的重要风险动因。该部分还采用KMV违约模型对地方政府债务风险进行测算,描述我国地方政府债务风险严峻状态,进一步佐证风险测度结论,也为后续研究做好铺垫。第三,聚焦政府公共部门,刻画地方政府债务对区域性金融风险的影响。政府公共部门是区域性金融风险的首要来源。第4章,采用空间杜宾模型对我国省际区域性金融风险以及地方政府债务风险进行分析,实证检验二者的空间关联机制。研究发现,地方政府债务风险对区域性金融风险具有较强的空间溢出效应,二者存在共振效应;区域性金融风险具有较强的空间溢出效应,而改善经济基础、金融环境、法治环境以及经济参与主体,对于缓释金融风险和地方债务违约风险具有积极作用。第四,关注实体企业部门,实证产业结构变化与区域性金融风险的关系。企业部门也是区域性金融风险的重要来源。第5章,立足三次产业结构以及部分重要行业发展的视角,分析产业结构差异对区域性金融风险的影响效应。采用固定效应面板模型,考察产业结构调整结果与区域性金融风险关系。研究发现,第二产业占比增加总体上可以降低区域性金融风险,而第三产业占比对风险测度的总体影响则为正值。第二产业中,工业占比对区域性金融风险影响表现为负,而建筑业占比的影响表现为正;第三产业中,金融保险业以及房地产行业对区域性金融风险的影响表现为正,交通运输、仓储及邮电通信业以及批发和零售业的影响总体表现为负,住宿和餐饮业未见显着影响。采用面板向量自回归模型以及相应的脉冲响应函数分析产业结构对区域性金融风险影响的动态路径。实证结果除基于动态角度进一步验证了第二、第三产业对区域性金融风险的影响方向外,还进一步揭示了工业、建筑业、金融保险业、房地产业等重要行业与区域性金融风险的动态关系。最后,站在房地产泡沫传染视角,分析区域性金融风险的空间关联效应。外溢传染是区域性金融风险的重要危害特征。第6章,围绕房地产泡沫这一区域性金融风险的重要引致因素,采用动态DY连通测度方法,实证考察区域性金融风险空间关联问题。研究显示,我国各类别城市群体间的总体连通度测算结果较好地捕捉了近年来房地产市场状态,其中,2016至2018年高位运行以及近期连通度明显抬升,提示金融风险引致因素在相应时点的跨区域联动现象。此外,就各类城市群体之间房地产市场关联关系看,一线城市同新一线城市、二线城市、三线城市群体之间存在持续的较高正向关联,同时,一线城市对二线以及三线城市群体的净溢出效应近期有所减弱,而二线城市对新一线城市与三线城市的净溢出效应近期却显着加强。上述实证结果,不仅描述了地产泡沫传播的方向与力度,也为控制房地产泡沫这一重要风险引致因素提供了区域关联视角下的治理依据。整体而言,本文按照认识区域性金融风险,测度区域性金融风险,识别风险重要引致因素,刻画风险因素作用机理,分析风险空间关联机制的基本逻辑和顺序,围绕中国区域性金融风险的现实问题,给出了多元视角的计量刻画,对于我国金融风险防范工作具有积极理论意义。
陈钰晓[7]（2021）在《人口年龄结构对房地产价格的影响研究》文中研究表明住房资产是我国家庭资产的重要组成部分。根据《中国家庭金融调查》报告显示,中国居民将总资产的70%配置在了住房资产上。因此,房价成为我国居民最为关注的问题之一,房地产价格剧烈变化不仅会对居民生活造成影响,更会引起金融市场乃至整个经济体的波动。1998年中央政府确定了城镇住房的货币化、市场化、商品化改革方向之后,我国新的住房制度逐步构建起来,房地产市场自此开始走向蓬勃发展。自住房制度货币化改革以来,我国住房价格节节攀升,从1998年的1854元涨到了2019年的9287元,20年间房价上涨超过4倍。房价的过快上涨一方面造成居民买房难的社会问题,另一方面也加剧了整个金融市场的不确定性。中国的高房价已经成为严峻的社会经济问题,探究房价变化背后的原因有助于理解我国房地产市场的运行规律,并针对性地出台调控政策防范房地产市场风险。现有研究从土地财政、货币超发、居民收入提高、城市化等视角切入,解释房价变动的原因。但是这些因素在解释房价长期变动趋势方面存在一定的局限性。我国住房销售价格与销售面积变动步调十分一致,作为房地产市场的消费主体,居民的需求是影响房价的关键,人口因素会对住房价格产生直接深远的影响。从人口年龄结构的视角来看,第三次“婴儿潮”成年以及老年群体代际转移行为共同作用,导致房价进入上升通道。但是,我国人口年龄结构正在持续恶化,根据国家统计局公布的历年人口数据显示,0-14岁少儿比例从1953年的36.3%下降到2018年的16.9%;而65岁以上老年人口比例则从4.4%上升到11.9%,这些变化反映了我国少子老龄化问题日渐突出。在此背景下,人口年龄结构对房价的影响效果如何、人口年龄结构影响房价的微观机理以及随着人口年龄结构变化未来房价可能产生何种变动趋势等问题,是当前经济学领域十分重要的议题。围绕人口年龄结构对房价影响这一核心问题,全文通过逐层递进的三个部分依次展开。第一部分从宏观层面考察人口年龄结构对房价的影响。论文首先从理论溯源、现实描述和实证研究三个层面分析人口年龄结构对房价的影响。具体来讲,在理论分析层面,构建以世代交叠模型为基础的理论分析框架。从生命周期理论出发,老年群体自身住房需求降低,导致房价下跌,但从代际转移理论出发,老年群体的代际转移行为则会推动房价上涨,因此老年抚养比对房价的影响依赖于两种力量的共同作用。在现实描述层面,基于全国、省份、城市维度的历年数据,描述我国房地产价格、人口年龄结构变化情况以及两者之间的关系。结果发现,“婴儿潮”成年是推动房价在2003年之后结构性上涨的重要因素,少儿抚养比与房价之间呈现负相关关系,而老年抚养比与房价之间呈现正相关关系。在实证研究层面,第一步,基于中国1999-2018年省级面板数据,实证检验人口总抚养比、少儿抚养比、老年抚养比对房价的影响。第二步,基于2000年第五次、2010年第六次全国人口普查数据,结合省份层面和城市层面相应年份数据,实证检验各个年龄段人口占比对房价的影响。第三步,通过2010年第六次全国人口普查获得的城市人口年龄结构数据,结合70个大中城市房价指数,分析人口年龄结构对房价未来走势的影响。无论是从省份还是城市一级宏观数据都得到一致结论,即少儿抚养比下降推动房价上涨,老年抚养比增加推动房价上涨但推动力量在减弱。第二部分从微观个体层面考察人口年龄结构对房价的影响。从不同年龄群体住房需求决策出发,基于微观视角探究人口年龄结构对房价产生上述影响的原因,这有助于更深刻的理解房地产价格运行规律。论文分别使用2005年全国人口抽样调查数据和2015年四川省人口抽样调查数据,通过M-W模型计算出年龄与住房需求之间呈现稳定的“倒U型”关系。进一步,利用中国家庭金融调查（CHFS）数据,在修正“群组效应”的基础上,提供老年人口代际转移行为变化的证据。结果发现,老年人口自身住房需求下降,但会通过代际转移行为推动房价上涨,同时代际转移的力量正在逐步减弱。伴随着代际转移力量的消减,老年抚养比增加对房价的推动作用正在减弱,未来将会呈现何种趋势?对这一问题的回答有必要汲取OECD等发达国家的经验启示。一方面,我国人口年龄结构的变化趋势正在与OECD国家趋同;另一方面,OECD国家房地产市场相对成熟、人口年龄结构变化时序长,使得研究其人口年龄结构对房价的影响具有优势。因此,论文利用1970-2018年OECD国家人口与房价数据,为本研究提供更多证据。实证结果显示,人口总抚养比、少儿抚养比、老年抚养比与住房价格指数之间存在负相关关系。值得注意的是,老年抚养比对住房价格指数的负向影响会随着时间推移而增强。综合来看,随着人口老龄化进程的深入,我国老年抚养比增加将会从推动房价上涨转向抑制房价上涨。第三部分基于人口年龄结构变化预测未来房价趋势。由上两部分的论述可知,我国人口年龄结构是影响房价的重要因素,而且未来会呈现出新趋势。那么基于人口年龄结构变化的内在规律,我国房价未来将会如何变动?这是政府、居民和学界普遍关注的问题。因此,论文首先选取人口—发展—环境分析（Population-Development-Environment Analysis）模型,基于2010年第六次全国人口普查数据,设定高中低生育率三组情景,对我国2021-2050年人口年龄结构变化做出预测。其次,基于人口年龄结构变化来预测未来住房需求及价格趋势。住房总需求将在未来遭遇拐点,在低/中等生育率情况下,拐点出现在2030-2035年之间;在高生育率情况下,拐点出现在2035-2040年之间。由于城市人口和跨区域流动人口变动的一些特征趋势,会导致不同层级城市出现拐点的时间存在差异。一二线城市房价更稳定且拐点更靠后,三四线城市房价下跌风险更大且拐点更靠前。最后,通过对本文的研究结论进行归纳总结,结合我国房地产市场和人口年龄结构未来发展趋势,提出优化人口结构、强化住房居住功能、坚持“因城施策”、发展租购并举新体系、加强房地产调控等政策建议。本文的创新点包括:第一,通过生命周期理论与代际转移理论的统一,国内经验与国际经验的统一,最终得出老年人口占比与我国房价之间将呈现“倒U型”关系的结论。仅仅依靠生命周期理论很难解释我国人口老龄化推动房价上涨这一现象,因为根据生命周期理论老年人口对住房的需求会下降。为了解释这一悖论十分有必要引入代际转移理论,由于我国老年人口经历了房地产市场改革,获得了房改红利,加之我国金融市场缺乏有效的养老金融服务产品、社会养老制度并不健全、房屋交易成本较高等原因,老年人口具有较强的代际转移能力和意愿。因此,老龄化反而推动房价上涨,但这种代际转移行为难以持续。伴随储蓄释放过程的逐步减弱、养老金融服务产品的日益丰富、养老制度的逐步健全,代际转移的力量也将削弱,实证结果也证实了这一点。进一步,结合国际经验发现,人口老龄化对房价的影响具有阶段性特征。随着老龄化进程的加快,其对房价的抑制作用会越来越明显。综上,我国人口老龄化会先推动房价上涨,之后推动力量变得不显着,最终人口老龄化将抑制房价。第二,通过宏观视角和微观视角结合的方式,有机整合国家、地区层面以及微观个体层面的数据,全方位考察人口年龄结构对房价的影响及其机理。从宏观视角出发,选取历年《中国统计年鉴》中31个省、自治区、直辖市和35个大中城市的人口与房价数据,考察人口年龄结构对房价的影响。为了提供更为广阔的视角,论文进一步选取1970-2018年世界银行发布的OECD国家人口与房价数据展开分析。国家、省份、城市层面的房价数据,各有其优缺点,能够在不同维度上更好度量我国房价变化的时序特征和地区差异特征。从微观视角出发,选取2000年第五次全国人口普查数据、2010年第六次全国人口普查数据、2005年全国人口抽样调查数据（345个地区的2585481个样本）、2015年四川省人口抽样调查数据（907238个样本）以及2011、2013、2015、2017年四期中国家庭金融调查数据,为剖析人口年龄结构对房价的影响机理提供依据。人口普查数据和家庭微观调查数据,可以更好地度量了人口年龄结构的变化、住房资产变动情况。通过二者的有机结合,建立对应的计量模型,本文相对更加准确、全面的考察了人口年龄结构与房价的关系。第三,基于人口年龄结构变化更精准地预测了未来房价变动趋势。当前,预测房价变动趋势的方法主要分为三种:第一种,直接将人口普查得到的人口分布平移至未来,结合各年龄段对应的住房需求,预测未来住房需求及价格趋势;第二种,基于线性模型,将房价影响因素的预测值代入模型预测未来房价走势;第三种,基于时间序列模型,根据房价历史变动趋势特征预测未来房价走势。第一种直接平移人口分布预测未来人口年龄结构动态演变的方法存在明显缺陷,后两种方法则适用于预测短期房价变动,在预测房价长期变动时存在一定的局限性。因此,本文引入人口—发展—环境分析模型,基于第六次全国人口普查数据,设定高中低生育率三组情景,对我国2021-2050年人口年龄结构变化做出预测,并在此基础上预测未来房价变动趋势。同时,考虑城镇化率、人口跨区域流动等因素,对房价变动趋势进行分析。
林思涵[8]（2021）在《我国资产价格泡沫的形成机理与传染效应研究》文中进行了进一步梳理近几十年来,世界上的许多国家都经历了资产价格泡沫的膨胀与破灭,以及随之而来的经济衰退。如日本的泡沫经济、美国的互联网泡沫以及2008年的全球性金融危机等等,无一不伴随着大规模的资产价格泡沫崩溃。这些事件让理论研究与实务工作者不断意识到关于资产价格泡沫潜在风险研究的重要性。当前,我国虽尚未发生大规模的泡沫崩溃事件,但是资产价格频繁波动以及资产价格的泡沫化迹象对我国经济运行的潜在威胁也十分显着。如我国的房地产市场在1998年住房改革之后,已经经历了长达二十年的普遍上涨。如今,房地产市场被我国央行视作我国经济发展中最大的“灰犀牛”。而我国的股票市场在经历了2015年异常波动后,由资产价格泡沫化导致的严重的资金空转现象以及资本配置不当,已使得我国资本市场服务于实体经济的有效性显着下降。现如今,在新型冠状病毒肺炎危机影响下,出于经济救助的目的,全球央行“大放水”已造成了全球流动性的泛滥,而过于充足的流动性很可能会进一步滋生新的资产价格泡沫。基于此,本文立足于我国资产市场现状,以资产价格泡沫作为研究对象,采用理论分析与实证分析相结合的研究范式,基于“识别、测度→形成机理→影响效应→政策治理”这一研究脉络,对资产价格泡沫的识别测度、形成机理、传染效应以及政策治理展开系统研究,这不仅对理解我国资产价格泡沫的运行机制具有显着意义,也对我国守住不发生系统性金融风险的政策要求十分重要。第1章,重点对资产价格泡沫的识别与测度、形成机理、传染效应以及政策效应进行了文献梳理,并给出了本文的研究框架。第2章,介绍了资产价格泡沫的内涵与形成过程,以及理性资产价格泡沫与非理性资产价格泡沫的理论基础。其中,关于理性资产价格泡沫的部分,本章又介绍了内生性、外生性资产价格泡沫的理论界定;关于非理性资产价格泡沫,重点介绍了以异质信念与有限套利为诱发因素的非理性资产价格泡沫的形成机理以及噪声交易理论与泡沫乘骑理论。第3章,基于PSY识别程序对我国股票市场与主要市域房地产价格泡沫进行识别。首先,本章介绍了PSY识别方法的检验原理与递归算法,而后对我国主要资产市场的资产价格泡沫进行了识别。研究发现,在样本区间内,我国股票市场与房地产市场均经历了频繁的泡沫过程,如我国上交所、深交所以及创业板股票市场均识别到完整的泡沫区间,仅中小板市场未识别出明显的泡沫区间。主要泡沫区间为2007年4月至10月、2015年3月至6月。在市级城市的房价泡沫识别中,样本城市普遍经历了不同频次的泡沫周期,时间集中于2016年6月至2017年8月。在泡沫韧性方面,股票市场中上交所市场的泡沫韧性强于深交所,房地产市场中一线城市强于新一线城市,新一线城市强于二线城市和三线城市。韧性较高的资产市场其泡沫持续期长,资产价格泡沫不易破灭。第4章,重点研究了信贷政策对房地产价格泡沫形成过程中的作用机理。首先,本章在理论上论证了资产价格泡沫与金融杠杆之间的定价关系,得出在违约概率大于零的前提下,金融杠杆的存在会导致正向资产价格泡沫的出现。而后为验证上述理论结果,本文采用NARDL模型实证分析了分部门宏观杠杆率对我国房地产价格泡沫的长、短期非对称影响。实证结果表明,首先,实体经济部门以及金融部门杠杆率的负向调整均会长期有效抑制房地产价格泡沫的持续膨胀,但一刀切的实体经济部门去杠杆不利于房地产市场的长期稳定运行。其次,长期内可采用非金融企业部门向居民部门的杠杆转移,来实现对房地产价格泡沫的温和平抑作用。最后,应有效、合理地发挥中央政府杠杆的前瞻性指引作用,政策当局不应对地方政府施行强效去杠杆政策,而应试图“熨平”地方政府债务波动以免引发局部房地产价格泡沫化风险。第5章,重点研究卖空约束下,投资者异质信念对股票价格泡沫形成的作用机理。首先,本章对卖空约束、投资者异质信念对股票价格泡沫的影响机理进行了深入的理论层面分析;在实证研究方面,本章构建了嵌入狄利克雷过程的无限区制马尔科夫转换向量自回归模型（RTV-VAR）,以刻画变量间的时变因果关系。研究结果表明,上海主板市场融资融券交易机制更具加速风险释放的杠杆交易特征。该杠杆交易特征致使投资者情绪非对称表达,进而引致股票的错误定价。而深圳主板市场的融资融券交易则未体现较强的杠杆交易特征。在沪深主板股价泡沫活跃期间,投资者异质信念对融资融券的正向影响的上升表明投资者情绪借助融资融券工具得以表达的意愿变强,因此该正向影响的快速上升可作为股价异常波动的预警信号。第6章,重点分析了股票价格泡沫的传染效应。首先,本章根据PSY方法识别了我国股票市场分行业资产价格泡沫,并通过市盈率与BSADF统计量的趋势匹配方法,构造了资产价格泡沫规模的代理变量。而后采用带有时变波动率的时变向量自回归模型以及广义方差分解,构造了时变动态DY连通性指标,对2012年12月至2020年6月期间行业间的股票泡沫传染性进行测算。结果表明:首先,总体动态连通性指数捕捉到2012年以来我国资本市场发生的三次典型的泡沫事件,分别为2015年股市异常波动、2017-2018年上旬的债券市场大规模债务违约以及2018年以来的中美贸易摩擦。其次,行业间的泡沫传染在传染方向以及传染规模上均具有显着的时变特征。整体上工业、医药卫生以及信息技术行业资产价格泡沫溢出影响持续为正,表明该三个行业最具泡沫传染性,而能源、主要消费、金融地产以及公共事业行业则是泡沫风险的主要净接收行业,最具行业脆弱性。最后,两两行业间的净溢出动态连通性指数的测度结果表明,由于行业自身泡沫规模变化所产生的投资者情绪引导作用以及与其他行业业务关联性的变动导致行业间的泡沫传染具有显着的行业轮动特征。第7章,重点分析了我国股票价格泡沫和房地产价格泡沫的货币政策效应。首先,本章结合局部均衡框架下理性资产价格泡沫理论简要论证了利率的变化对基础价值成分和泡沫成分具有不同影响。而后在实证分析中采用TVP-VAR模型分析了以短期名义利率上升为代表的外生紧缩性货币政策冲击以及以货币供应量M2为代表的扩张性货币政策冲击对货币政策潜在目标变量的影响。最后,根据理论分析结果,通过脉冲响应函数构造了利率冲击对资产价格内在价值成分和泡沫成分的冲击影响。结果表明,外生紧缩性价格型货币政策冲击能够引起股票价格的短暂下跌,并且相比于基础价值成分的下跌,泡沫成分的上升更为显着。此外该货币政策还会引起房地产价格泡沫短期内呈现上升趋势,长期才呈现下降趋势。因此,利用紧缩性价格型政策治理资产价格泡沫时,不但无法达到有效抑制泡沫的作用,反而会损害股票的基础价值。而扩张性数量型货币政策会导致资产价格的显着上升,但其对股利变量的影响存在较大不确定性。此外,扩张型货币政策对房地产价格泡沫存在更为显着的政策滞后效应。因此,传统的“逆向操作”策略对资产价格泡沫的作用具有较大不确定性,甚至适得其反。
彭悦悦[9]（2021）在《中国房地产市场泡沫测度及其影响因素分析》文中研究指明房地产业在我国国民经济发展中的地位不可或缺,不仅带动相关产业繁荣发展,也助推了整个国家经济的进步,经济水平的提高以及住房质量的改善帮助国民提升了生活幸福感。然而房地产市场肆无忌怛的扩张、房价短时间的剧烈波动以及房地产发展过热等问题,容易引发社会对于房地产泡沫的恐慌,最终造成国家资源分配严重失衡现象,难以实现整体经济均衡稳步发展。同时人均收入不足以支撑高昂房价的现状,将严重影响人民对于实现美好生活目标的追求。众所周知,房地产商品具有很强的地域差异性,再加上我国房地产业起步较晚,中国东中西部地区发展差异显着,因而房地产泡沫存在性以及泡沫程度迥异不同。由于我国学者对于中国房地产泡沫的研究大多局限于经济较为发达的单个省份或城市,对于中国各个省份以及东中西部泡沫的影响因素研究较少,难以了解不同区域房地产市场发展差异情况,进而影响针对性政策建议的提出与执行,阻碍国家对于整体经济的政策布局与调控。为了研究各个省份十二年间房地产泡沫存在与否以及大小情况,综合考量国内外泡沫测度的方法,选用指标法和因子分析相结合的方法,建立包括四个维度10个指标的房地产泡沫综合得分评价模型,利用指标值与临界值进行比较,判断泡沫存在与否以及大小情况,根据各个省份2005～2016年历年泡沫得分,划分为泡沫持续、泡沫不稳定以及无泡沫三类。为了促进房地产市场均衡发展,进一步对房地产泡沫综合得分的影响因素进行探究,以各省份历年泡沫综合得分值为被解释变量,从供给、需求和投机三个角度选取解释变量,进行面板数据回归分析,最后总结结论并针对泡沫类别不同的省域提出差异化建议。实证研究的结果表明,中国有泡沫省份个数在研究期内成三段式发展,2005～2008年为泡沫减轻阶段,有泡沫省份个数占比由48%下降至10%,2009～2014年为泡沫波动上升阶段,房地产开发企业和投资客们利用国家陆续出台的经济刺激政策,营造出乐观看涨氛围,导致房地产产品供不应求、房价飙升的局面,2014年泡沫存在省份高达100%,2015～2016年为泡沫急剧下降阶段,在一系列政策的干预下,有泡沫省份个数占比跌落至41%。在泡沫综合得分值的测度结果中,东部地区省份以泡沫持续类为主,特别是北京、上海和江苏等经济发达的沿海省份（市）泡沫综合得分位列前茅,中部地区各省份泡沫综合得分中等且呈现不稳定发展,以泡沫不稳定类居多。西部地区经济发展相对落后的宁夏、内蒙古等省份泡沫综合得分较低,无泡沫类省份个数占比在三个区域中最高,泡沫不稳定类省份历年综合得分值偏低,仅重庆市为泡沫持续类。在房地产泡沫综合得分影响因素的回归分析中,解释变量房价增长率、人均可支配收入和房地产企业开发投资额均对东中西区域造成不同程度的影响,其他解释变量在不同地区对房地产泡沫综合得分影响不一致。最后,将不同省域分成泡沫持续,不稳定以及无泡沫三类,从土地、投机、信贷等角度提出对策建议。
李帅[10]（2021）在《基于非均衡理论的我国大中城市房地产市场研究》文中认为2015年,中央财经领导小组第十一次会议提出结构性改革,2017年,十九大报告指出“深化供给侧结构性改革”。目的是保障房地产市场均衡发展,避免房地产市场出现供大于求的库存积压和供小于求的“一房难求”局面,防止我国经济不健康不稳定的发展。分析房地产市场供需影响因素,探讨降低房地产非均衡度的解决途径显得尤为重要。普遍学者认为房地产市场均衡状态是房地产企业供给量与居民需求量相等,但由于现实生活中各种因素的影响,均衡状态很难实现。故本文通过国内外学者对房地产市场非均衡的研究,收集国家统计局数据展示我国房地产市场非均衡的现状,探讨房地产市场非均衡产生的原因,得出我国房地产市场非均衡现象具有区域性和城市能级的差异。故选取我国具有代表性的35个大中城市,且35个大中城市房地产投资额占据我国投资总额的50%左右,因此建立35个大中城市房地产市场计量经济学模型具有现实意义。本文收集整理2000-2019年我国大中城市房地产行业的统计数据,选择房地产本年完成投资、新开工面积、开发企业个数、本年购置土地面积、平均销售价格、地区生产总值、地区年末总人口数和居民人均可支配收入作为比较序列计算灰色关联系数。筛选出来地区生产总值、房地产开发企业个数和地区年末总人口数作为我国大中城市房地产市场供需的主要影响因素,并建立非均衡计量经济学模型,得出我国房地产市场的需求量与地区年末总人口数呈现正相关,供给量与地区生产总值呈现正相关,房地产企业个数既影响需求量又影响供给量。最后建立非均衡计量经济学模型,计算2000-2019年不同时期的房地产市场非均衡度,进一步解释我国大中城市房地产市场计量经济学模型的经济意义。根据研究结果分析,仅仅依靠市场自身调节房地产市场的非均衡现状难以达到预期目标,且房地产市场非均衡度的变化与国家政策有较强的联系。最后以地区年末总人口、房地产市场运行机制、政府土地供应量、信贷机构放款额度和贷款利息、房地产租赁市场和房地产企业供给结构等角度提出合理建议,为房地产市场均衡发展提供参考依据。图:21;表:15;参考文献:50;
二、北京地产市场是否存在泡沫（论文开题报告）
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
本文主要提出一款精简64位RISC处理器存储管理单元结构并详细分析其设计过程。在该MMU结构中,TLB采用叁个分离的TLB,TLB采用基于内容查找的相联存储器并行查找,支持粗粒度为64KB和细粒度为4KB两种页面大小,采用多级分层页表结构映射地址空间,并详细论述了四级页表转换过程,TLB结构组织等。该MMU结构将作为该处理器存储系统实现的一个重要组成部分。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
三、北京地产市场是否存在泡沫（论文提纲范文）
（2）房地产金融风险研究 ——以河南省三门峡市为例（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 1 绪论 |
| 1.1 研究背景与意义 |
| 1.1.1 研究背景 |
| 1.1.2 研究意义 |
| 1.2 国内外研究现状 |
| 1.2.1 国外研究现状 |
| 1.2.2 国内研究现状 |
| 1.2.3 国内外文献评述 |
| 1.3 研究思路与方法 |
| 1.3.1 研究思路 |
| 1.3.2 研究方法 |
| 1.3.3 创新点与不足 |
| 2 相关概念界定及基本理论 |
| 2.1 房地产市场概念 |
| 2.1.1 房地产市场定义 |
| 2.1.2 房地产市场特点 |
| 2.1.3 房地产市场分类 |
| 2.2 房地产市场风险概念 |
| 2.2.1 房地产市场风险定义 |
| 2.2.2 房地产市场风险特点 |
| 2.2.3 房地产市场风险分类 |
| 2.3 房地产金融风险概念 |
| 2.3.1 房地产金融风险定义 |
| 2.3.2 房地产金融风险特点 |
| 2.4 房地产泡沫概念 |
| 2.4.1 房地产泡沫定义 |
| 2.4.2 房地产泡沫的形成过程 |
| 2.4.3 房地产泡沫的结束方式 |
| 2.5 房地产泡沫与金融风险的关系 |
| 2.5.1 房价泡沫膨胀与证券化规模扩张 |
| 2.5.2 美国房地产泡沫与国际金融危机 |
| 2.5.3 我国目前处在房地产泡沫的阶段 |
| 2.6 房地产泡沫测度方法 |
| 3 三门峡市房地产市场与金融风险现状 |
| 3.1 三门峡市经济社会发展状况 |
| 3.2 三门峡市房地产市场供求状况 |
| 3.2.1 三门峡市楼市现状 |
| 3.2.2 三门峡市房地产市场供给状况分析 |
| 3.2.3 三门峡市房地产市场需求状况分析 |
| 3.3 三门峡市房地产企业金融风险现状 |
| 3.3.1 企业融资渠道单一,较大依赖银行贷款 |
| 3.3.2 楼盘价格虚高,与居民消费水平差异较大 |
| 3.3.3 政策支持力度不够,投资发展风险高 |
| 3.3.4 本地经济发展动力不足,业务拓展困难 |
| 4 三门峡市房地产市场泡沫的测度与金融风险分析 |
| 4.1 三门峡市房地产泡沫的测度方法 |
| 4.1.1 房价收入比分析 |
| 4.1.2 房价增长率/GDP增长率分析 |
| 4.1.3 空置率分析 |
| 4.2 三大比率与三门峡市房地产金融风险的关系 |
| 4.3 三门峡市房地产泡沫可能导致的金融风险 |
| 4.3.1 国家与地方政策分析 |
| 4.3.2 预期房价下降可能会引发泡沫破裂 |
| 4.3.3 泡沫破裂可能引发的金融风险 |
| 4.4 造成三门峡市房地产市场供求不平衡的原因 |
| 4.4.1 产业支撑弱引发购买力不足 |
| 4.4.2 过分注重“土地城镇化”忽略“人口城镇化” |
| 4.4.3 政府部门职能发挥不足 |
| 4.4.4 开发商过度扩张 |
| 4.4.5 房地产金融市场信息不对称 |
| 4.4.6 融资渠道的匮乏不稳定 |
| 4.4.7 房地产市场体系单一,应对风险能力弱 |
| 4.4.8 政府市场监管力度不够 |
| 5 三门峡市防范房地产金融风险的措施 |
| 5.1 转换经济结构促进外出务工人员当地就业 |
| 5.1.1 促转型,推进高质量发展,减少行业依赖 |
| 5.1.2 引进重点项目促就业,扩大房地产内需降低空置率 |
| 5.2 政策引领优化投资环境促进多元发展 |
| 5.2.1 加强政府财政补贴力度 |
| 5.2.2 提高对于房地产企业的税收优惠力度 |
| 5.3 制定去库存政策抑制盲目扩张出现泡沫 |
| 5.3.1 合理地价,降低成本,刺激需求 |
| 5.3.2 推出优惠新政,鼓励购买,化解高库存 |
| 5.4 拓宽房地产融资渠道分散泡沫风险 |
| 5.4.1 创新金融工具来分散金融风险 |
| 5.4.2 加强银行企业关联程度,加强融资水平 |
| 5.4.3 规范民间贷款,提升融资活力 |
| 5.5 完善金融法律体系和监管机制 |
| 5.5.1 完善法律体系来预防房地产泡沫风险 |
| 5.5.2 加强监管民间借贷市场 |
| 5.6 完善房地产企业内部财务管理水平提高风险意识 |
| 6 结语 |
| 致谢 |
| 参考文献 |
（3）中国产业集聚对区域房地产价格的影响研究（论文提纲范文）
| 摘要 |
| abstract |
| 第1章 绪论 |
| 1.1 研究背景与意义 |
| 1.1.1 研究背景 |
| 1.1.2 研究意义 |
| 1.2 文献综述 |
| 1.3 研究内容与方法 |
| 1.3.1 研究内容 |
| 1.3.2 论文结构 |
| 1.3.3 研究方法 |
| 1.4 可能的创新和不足 |
| 1.4.1 可能的创新 |
| 1.4.2 不足之处 |
| 第2章 概念界定与理论基础 |
| 2.1 相关概念界定 |
| 2.1.1 产业集聚 |
| 2.1.2 房地产 |
| 2.1.3 房地产价格 |
| 2.2 产业集聚相关理论 |
| 2.2.1 产业区理论 |
| 2.2.2 工业区位理论 |
| 2.2.3 增长极理论 |
| 2.2.4 新经济地理理论 |
| 2.2.5 竞争优势理论 |
| 2.3 房地产价格决定的相关理论 |
| 2.3.1 供需理论 |
| 2.3.2 地租与竞租理论 |
| 2.3.3 城镇化理论 |
| 第3章 我国房地产市场发展历程的阶段性分析 |
| 3.1 房地产市场的形成阶段 |
| 3.2 房地产市场的快速发展阶段 |
| 3.3 房地产市场的政府主导阶段 |
| 3.4 房地产市场的稳健发展阶段 |
| 第4章 我国产业集聚测量和房地产市场区域差异 |
| 4.1 中国产业集聚程度现状 |
| 4.1.1 产业集聚的测量方法 |
| 4.1.2 我国不同产业集聚的区域差异表现 |
| 4.2 我国房地产价格的区域差异分析 |
| 4.2.1 我国房地产价格变化的总体趋势 |
| 4.2.2 我国房地产价格的区域差异分析 |
| 4.2.3 我国房地产价格的省际差异分析 |
| 第5章 不同产业集聚影响我国房地产价格的实证研究 |
| 5.1 产业集聚对房地产价格的影响的理论分析 |
| 5.1.1 影响房地产的购买需求 |
| 5.1.2 影响房地产的供给 |
| 5.1.3 理论模型 |
| 5.2 面板数据模型及估计方法 |
| 5.2.1 静态面板数据模型 |
| 5.2.2 动态面板数据模型 |
| 5.3 实证结果与分析 |
| 5.3.1 城市样本选择 |
| 5.3.2 实证模型与指标选取 |
| 5.3.3 相关性分析 |
| 5.3.4 估计结果与分析 |
| 5.4 内生性讨论与稳健性检验 |
| 5.4.1 房地产价格对产业集聚的影响 |
| 5.4.2 内生性处理与结果分析 |
| 5.4.3 稳健性检验 |
| 第6章 产业集聚影响房地产价格机制的实证研究 |
| 6.1 产业集聚影响房地产价格的机制分析 |
| 6.1.1 产业集聚通过人口集聚影响房地产价格 |
| 6.1.2 产业集聚通过土地供给影响房地产价格 |
| 6.2 中介效应检验 |
| 6.2.1 中介效应检验模型 |
| 6.2.2 中介变量 |
| 6.3 实证结果分析 |
| 6.3.1 人口集聚的中介效应检验 |
| 6.3.2 土地成本的中介效应检验 |
| 第7章 产业集聚对房地产价格的非线性影响 |
| 7.1 产业集聚对房地产价格非线性影响的理论分析 |
| 7.1.1 城市异质特征与外部条件差异 |
| 7.1.2 产业集聚影响的边际效应递减 |
| 7.2 非线性实证模型构建 |
| 7.2.1 门限面板回归模型介绍 |
| 7.2.2 门限变量选取 |
| 7.3 实证结果与分析 |
| 7.3.1 产业集聚对房价水平的非线性影响 |
| 7.3.2 不同行业集聚对房价水平的非线性影响 |
| 第8章 结论与政策建议 |
| 8.1 研究结论 |
| 8.2 政策建议 |
| 参考文献 |
| 作者简介及科研成果 |
| 致谢 |
（4）房价波动下银行住房按揭项目信贷风险评估研究 ——以昆明G银行信贷项目为例（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第一章 绪论 |
| 第一节 研究的背景 |
| 第二节 研究的意义 |
| 第三节 文献综述 |
| 一、国外房地产价格周期及银行风险体系评估构建文献综述 |
| 二、国内房地产价格周期及银行风险体系评估构建文献综述 |
| 三、文献评述 |
| 第四节 研究内容与方法 |
| 第二章 我国房地产价格周期波动的主要特征及影响因素的概述 |
| 第一节 我国房地产价格周期波动的主要特征及影响因素 |
| 第二节 我国房地产价格周期波动的因素 |
| 第三节 我国房地产价格周期波动对个人住房按揭信贷产生风险的形成原因 |
| 第三章 房价波动下商业银行个人住房按揭信贷风险评估构建 |
| 第一节 商业银行个人住房按揭信贷风险及现状 |
| 一、商品房“假按揭”风险 |
| 二、个人真实住房按揭贷款存在的风险 |
| 第二节 房价波动下个人住房按揭信贷风险评估的重要性和必要性 |
| 第三节 房价波动下个人住房按揭信贷产生风险评估的方法 |
| 一、风险评估原形 |
| 二、风险评估方法 |
| 三、风险评估计量模型 |
| 第四节 房价波动下个人住房按揭信贷风险评估模型构建 |
| 第四章 房价波动下昆明G银行对昆明市场金地集团房地产项目的个人按揭信贷的风险评估运用 |
| 第一节 房价波动下当地房地产项目及市场基本情况 |
| 一、房价波动下的当地房地产项目 |
| 二、房价波动下产当地房地产市场状况 |
| 第二节 房价波动下当地房地产项目市场及建设风险指标 |
| 一、房价波动下当地房地产项目市场风险指标 |
| 二、房价波动下当地房地产项目建设风险指标 |
| 第三节 G银行的个人按揭贷款风险指标构建 |
| 第四节 G银行采用的个人按揭贷款评估模型 |
| 第五章 昆明G商业银行个人按揭信贷风险评估的问题对策与建议 |
| 第一节 该银行地产项目个人按揭贷款风险评估有待研究的问题 |
| 一、信贷人员不具备相应的专业性 |
| 二、信贷体系构建框架单一薄弱 |
| 三、信贷绩效考核制度缺乏标准化 |
| 四、信贷风险预警机制缺乏有效性 |
| 第二节 该银行地产项目个人按揭贷款风险评估的对策 |
| 一、加快培养专业的借款人资质审查人 |
| 二、构建完善的信贷预警体系 |
| 三、创新信贷产品机制 |
| 四、建立适合自身的信贷风险评估模型 |
| 第三节 该银行地产项目个人按揭贷款风险处理的建议 |
| 一、增加信贷风险管理制度的文化程度 |
| 二、开发实时高效的商业银行内部控制系统 |
| 三、增加个人信用等级范围,制定授信规则 |
| 第六章 结论与展望 |
| 第一节 结论 |
| 第二节 不足与展望 |
| 参考文献 |
| 致谢 |
（5）安徽省房地产泡沫研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第一章 绪论 |
| 1.1 研究背景与意义 |
| 1.1.1 研究背景 |
| 1.1.2 研究意义 |
| 1.2 国内外研究现状 |
| 1.2.1 国外研究现状 |
| 1.2.2 国内研究现状 |
| 1.2.3 文献述评 |
| 1.3 研究内容与方法 |
| 1.3.1 研究内容 |
| 1.3.2 研究方法 |
| 1.4 技术路线及创新点 |
| 1.4.1 技术路线 |
| 1.4.2 创新点 |
| 第二章 房地产泡沫相关理论 |
| 2.1 房地产泡沫含义 |
| 2.1.1 泡沫含义 |
| 2.1.2 房地产泡沫概念界定 |
| 2.2 房地产泡沫表现特征 |
| 2.2.1 区域性 |
| 2.2.2 短时期内成为市场追捧对象 |
| 2.2.3 价格持续上涨预期 |
| 2.2.4 大量消费者广泛参与 |
| 2.3 房地产泡沫形成机制 |
| 2.3.1 宏观形成机制 |
| 2.3.2 微观形成机制 |
| 2.4 房地产泡沫破灭机制 |
| 2.4.1 投资者预期逆转 |
| 2.4.2 市场环境改变 |
| 2.4.3 政府过度调控 |
| 2.5 房地产泡沫的危害 |
| 2.5.1 增加金融风险 |
| 2.5.2 降低资源配置效率 |
| 2.5.3 社会分配不公 |
| 2.6 房地产泡沫测度方法 |
| 2.6.1 代理指标法 |
| 2.6.2 理论价格法 |
| 2.6.3 统计检验法 |
| 第三章 安徽省房地产市场现状分析 |
| 3.1 安徽省房地产市场宏观环境 |
| 3.1.1 国民经济基本状况 |
| 3.1.2 居民可支配收入 |
| 3.1.3 社会消费品零售总额 |
| 3.2 安徽省房地产市场发展状况 |
| 3.2.1 房地产业占经济比重 |
| 3.2.2 房地产开发投资状况 |
| 3.2.3 房地产销售状况 |
| 3.2.4 房地产平均销售价格 |
| 第四章 安徽省房地产泡沫测度分析 |
| 4.1 指标体系构建 |
| 4.1.1 测度指标选定原则 |
| 4.1.2 测度指标选取 |
| 4.2 泡沫测度模型构建 |
| 4.2.1 数据来源 |
| 4.2.2 模型构建 |
| 4.3 泡沫测度综合得分分析 |
| 第五章 安徽省房地产泡沫形成原因分析 |
| 5.1 模型构建 |
| 5.1.1 指标选取 |
| 5.1.2 数据来源 |
| 5.2 数据处理 |
| 5.3 实证分析 |
| 第六章 政策建议 |
| 6.1 抑制房地产泡沫的短期手段 |
| 6.1.1 合理引导人口流向 |
| 6.1.2 因城施策 |
| 6.1.3 加大对开发企业的监管 |
| 6.1.4 控制信贷规模 |
| 6.1.5 调整房屋供给结构 |
| 6.2 抑制房地产泡沫的长效机制 |
| 6.2.1 解决“土地财政”问题 |
| 6.2.2 允许宅基地和划拨土地的自由流转 |
| 6.2.3 转变政府职能 |
| 6.2.4 完善住房保障体系 |
| 第七章 总结与展望 |
| 7.1 研究总结 |
| 7.2 研究展望 |
| 参考文献 |
| 致谢 |
| 作者简介及读研期间主要科研成果 |
（6）我国区域性金融风险的计量研究（论文提纲范文）
| 摘要 |
| abstract |
| 第1章 绪论 |
| 1.1 选题背景与选题意义 |
| 1.2 文献综述 |
| 1.3 研究框架及研究创新 |
| 第2章 区域性金融风险特征与生成因素及其动态演化 |
| 2.1 区域性金融风险的概念与特征 |
| 2.2 区域性金融风险的生成因素 |
| 2.3 区域性金融风险的动态演化 |
| 2.4 本章小结 |
| 第3章 区域性金融风险测算 |
| 3.1 数据选取与熵权法介绍 |
| 3.2 我国省级区域性金融风险的测算 |
| 3.3 地方政府债务违约风险的测算 |
| 3.4 本章小结 |
| 第4章 地方政府债务风险对区域性金融风险的空间溢出效应 |
| 4.1 变量选取与模型设计 |
| 4.2 空间溢出效应实证分析 |
| 4.3 本章小结 |
| 第5章 产业结构差异对区域性金融风险的影响效应 |
| 5.1 变量选取与模型设计 |
| 5.2 产业结构差异对区域性金融风险的影响效应 |
| 5.3 产业结构差异性影响效应的动态实现路径 |
| 5.4 本章小结 |
| 第6章 区域性金融风险的空间关联效应分析 |
| 6.1 数据选取与模型介绍 |
| 6.2 我国房地产市场的空间关联实证分析 |
| 6.3 本章小结 |
| 第7章 结论建议与研究展望 |
| 7.1 研究结论与政策建议 |
| 7.2 研究不足与未来展望 |
| 参考文献 |
| 攻读博士学位期间发表的学术论文及其他科研成果 |
| 致谢 |
（7）人口年龄结构对房地产价格的影响研究（论文提纲范文）
| 摘要 |
| abstract |
| 1 绪论 |
| 1.1 研究背景与研究意义 |
| 1.1.1 研究背景 |
| 1.1.2 研究意义 |
| 1.2 文献综述 |
| 1.2.1 房地产价格的影响因素 |
| 1.2.2 人口因素对房地产需求及价格的影响 |
| 1.2.3 文献述评 |
| 1.3 概念界定 |
| 1.3.1 房地产市场 |
| 1.3.2 人口年龄结构 |
| 1.4 研究路线、内容与方法 |
| 1.4.1 研究路线 |
| 1.4.2 研究内容 |
| 1.4.3 研究方法 |
| 1.5 创新点与不足之处 |
| 1.5.1 创新点 |
| 1.5.2 不足之处 |
| 2 人口年龄结构影响房价的理论基础 |
| 2.1 人口年龄结构影响房价的相关理论 |
| 2.1.1 房地产市场供求理论 |
| 2.1.2 人口转变理论 |
| 2.1.3 生命周期理论 |
| 2.1.4 代际转移理论 |
| 2.2 人口年龄结构影响房价的理论分析 |
| 2.2.1 理论分析框架 |
| 2.2.2 世代交叠模型 |
| 2.3 本章小结 |
| 3 中国房价与人口年龄结构的变动情况 |
| 3.1 房价变动情况 |
| 3.1.1 房价变动趋势 |
| 3.1.2 房价变动特征 |
| 3.2 人口年龄结构变动情况 |
| 3.2.1 人口年龄结构变动趋势 |
| 3.2.2 人口年龄结构变动特征 |
| 3.2.3 人口年龄结构预测 |
| 3.3 房价与人口年龄结构之间的相关性分析 |
| 3.3.1 婴儿潮与房价的相关性 |
| 3.3.2 老龄化与房价的相关性 |
| 3.3.3 人口抚养比与房价的相关性 |
| 3.4 本章小结 |
| 4 中国人口年龄结构对房价影响的实证研究 |
| 4.1 问题的提出 |
| 4.2 人口年龄结构对房价的影响——宏观视角 |
| 4.2.1 人口抚养比对房价的影响 |
| 4.2.2 各年龄段人口占比对房价的影响 |
| 4.2.3 各年龄段人口占比对未来房价增速的影响 |
| 4.3 人口年龄结构对房价的影响——微观视角 |
| 4.3.1 年龄与住房需求——基于人口普查数据 |
| 4.3.2 年龄与住房需求——基于中国家庭金融调查数据 |
| 4.4 本章小结 |
| 5 OECD国家人口年龄结构对房价影响的实证研究与经验启示 |
| 5.1 OECD国家房地产市场与人口年龄结构的情况 |
| 5.1.1 房地产市场情况 |
| 5.1.2 人口年龄结构情况 |
| 5.1.3 房价与人口年龄结构之间的相关性分析 |
| 5.2 OECD国家人口年龄结构对房价影响的实证研究 |
| 5.2.1 模型设定 |
| 5.2.2 数据与描述性统计 |
| 5.2.3 人口抚养比对房价的影响 |
| 5.3 来自OECD国家的经验启示 |
| 5.3.1 人口转变的内在规律 |
| 5.3.2 婴儿潮对房价的影响 |
| 5.3.3 老龄化对房价的影响 |
| 5.3.4 不同层级城市房价的变动特征 |
| 5.4 本章小结 |
| 6 基于中国人口年龄结构变化的房价趋势预测 |
| 6.1 人口年龄结构预测 |
| 6.1.1 人口年龄结构预测模型选择 |
| 6.1.2 人口年龄结构预测参数设定 |
| 6.1.3 人口年龄结构预测结果 |
| 6.2 基于人口年龄结构变化的房价趋势预测 |
| 6.2.1 不同生育率方案下的房价趋势预测 |
| 6.2.2 考虑城镇化率的房价趋势预测 |
| 6.2.3 考虑跨区域流动人口的房价趋势预测 |
| 6.3 本章小结 |
| 7 结论与政策建议 |
| 7.1 结论 |
| 7.2 政策建议 |
| 7.2.1 优化人口年龄结构,促进房价平稳运行 |
| 7.2.2 强化住房居住功能,防范楼市投机行为 |
| 7.2.3 坚持“因城施策”,实现差异化引导 |
| 7.2.4 发展租购并举新体系,满足流动人口住房需求 |
| 7.2.5 加强房地产调控,保障市场健康发展 |
| 参考文献 |
| 在校期间的科研成果 |
| 致谢 |
（8）我国资产价格泡沫的形成机理与传染效应研究（论文提纲范文）
| 中文摘要 |
| abstract |
| 第1章 绪论 |
| 1.1 选题背景与研究意义 |
| 1.1.1 选题背景 |
| 1.1.2 研究意义 |
| 1.2 资产价格泡沫的识别与测度研究综述 |
| 1.2.1 资产价格泡沫的识别研究 |
| 1.2.2 资产价格泡沫的测度研究 |
| 1.3 资产价格泡沫的形成机理研究综述 |
| 1.3.1 有效市场假说与理性资产价格泡沫 |
| 1.3.2 金融摩擦与理性资产价格泡沫 |
| 1.3.3 委托投资与信贷泡沫 |
| 1.3.4 行为金融学框架下的资产价格泡沫 |
| 1.4 资产价格泡沫的传染效应与政策效应研究综述 |
| 1.4.1 资产价格泡沫的传染效应研究 |
| 1.4.2 资产价格泡沫的政策治理研究 |
| 1.5 研究方法、研究创新与研究不足及展望 |
| 1.5.1 研究方法 |
| 1.5.2 研究创新 |
| 1.5.3 研究不足及展望 |
| 1.6 研究框架与研究内容 |
| 1.6.1 研究框架 |
| 1.6.2 研究内容 |
| 第2章 资产价格泡沫的理论基础 |
| 2.1 资产价格泡沫的内涵与演化过程 |
| 2.1.1 资产价格泡沫的内涵 |
| 2.1.2 资产价格泡沫的演化过程 |
| 2.2 理性资产价格泡沫的理论基础 |
| 2.2.1 局部均衡下理性资产价格泡沫理论基础 |
| 2.2.2 内生性资产价格泡沫 |
| 2.2.3 外生性资产价格泡沫 |
| 2.3 非理性资产价格泡沫理论基础 |
| 2.3.1 异质信念与有限套利理论 |
| 2.3.2 噪声交易理论与泡沫乘骑理论 |
| 2.4 本章小结 |
| 第3章 资产价格泡沫的识别研究 |
| 3.1 ADF方法的检验原理 |
| 3.1.1 ADF单位根检验 |
| 3.1.2 理性资产价格泡沫检验原理 |
| 3.1.3 资产价格崩溃检验原理 |
| 3.2 PSY方法的递归算法 |
| 3.2.1 资产价格泡沫存在性的识别程序 |
| 3.2.2 资产价格泡沫周期的识别程序 |
| 3.3 我国股票市场与房地产市场资产价格泡沫的识别检验 |
| 3.3.1 我国股票市场资产价格泡沫的识别检验 |
| 3.3.2 我国房地产市场资产价格泡沫的识别检验 |
| 3.4 本章小结 |
| 第4章 中国宏观金融杠杆对房地产价格泡沫的非对称动态影响效应研究 |
| 4.1 金融杠杆不确定性下的资产定价理论模型 |
| 4.1.1 模型的基本假设 |
| 4.1.2 理论分析 |
| 4.2 NARDL计量模型 |
| 4.3 资产价格泡沫的金融杠杆的非对称动态效应检验 |
| 4.3.1 数据说明与指标测度 |
| 4.3.2 模型估计结果分析 |
| 4.3.3 金融杠杆的动态效应分析 |
| 4.4 本章小结 |
| 第5章 异质信念、融资融券失衡与股票价格泡沫 |
| 5.1 我国沪、深股票市场资产价格泡沫测度 |
| 5.2 RTV-VAR模型 |
| 5.3 我国多层次股票市场资产价格泡沫成因分析 |
| 5.3.1 数据选择 |
| 5.3.2 实证分析 |
| 5.4 本章小结 |
| 第6章 我国股票市场行业间资产价格泡沫传染效应研究 |
| 6.1 时变动态连通性指数构建 |
| 6.1.1 时变向量自回归模型 |
| 6.1.2 时变动态DY连通性指数构建 |
| 6.2 我国股票市场分行业资产价格泡沫测度 |
| 6.2.1 数据选取 |
| 6.2.2 分行业资产价格泡沫测度——基于趋势匹配方法 |
| 6.3 行业间资产价格泡沫连通性实证分析 |
| 6.3.1 总体动态连通性指数 |
| 6.3.2 总的带有方向的动态连通性指数 |
| 6.3.3 两两行业间泡沫净溢出动态连通性指数 |
| 6.4 本章小结 |
| 第7章 我国货币政策对资产价格泡沫的影响效应研究 |
| 7.1 货币政策对资产价格泡沫的影响效应理论基础 |
| 7.2 数据选取与实证模型 |
| 7.2.1 数据选取 |
| 7.2.2 计量模型介绍 |
| 7.3 货币政策对股票市场资产价格泡沫的影响效应实证分析 |
| 7.3.1 等间隔脉冲响应 |
| 7.3.2 等时点脉冲响应 |
| 7.4 货币政策对房地产市场资产价格泡沫的影响效应实证分析 |
| 7.4.1 等间隔脉冲响应 |
| 7.4.2 等时点脉冲响应 |
| 7.5 本章小结 |
| 结论 |
| 参考文献 |
| 攻读博士学位期间发表的学术论文及其他科研成果 |
| 致谢 |
（9）中国房地产市场泡沫测度及其影响因素分析（论文提纲范文）
| 摘要 |
| Abstract |
| 第一章 绪论 |
| 1.1 研究背景、目的和意义 |
| 1.1.1 研究背景 |
| 1.1.2 研究目的 |
| 1.1.3 研究意义 |
| 1.2 研究内容与方法 |
| 1.2.1 研究内容 |
| 1.2.2 研究方法 |
| 1.3 研究框架与创新点 |
| 1.3.1 研究框架 |
| 1.3.2 创新点 |
| 第二章 文献综述 |
| 2.1 国外文献综述 |
| 2.1.1 房地产泡沫理论的相关研究 |
| 2.1.2 房地产泡沫测度方法的相关研究 |
| 2.1.3 房地产泡沫影响因素的相关研究 |
| 2.2 国内文献综述 |
| 2.2.1 房地产泡沫生成的相关研究 |
| 2.2.3 房地产泡沫测度方法的相关研究 |
| 2.2.4 房地产泡沫影响因素的相关研究 |
| 2.3 文献述评 |
| 2.4 本章小结 |
| 第三章 中国房地产市场现状分析 |
| 3.1 房地产市场发展状况 |
| 3.1.1 房地产市场交易情况 |
| 3.1.2 房地产开发投资情况 |
| 3.1.3 房地产销售价格变化情况 |
| 3.1.4 房地产开发企业国内贷款情况 |
| 3.2 房地产市场存在问题 |
| 3.2.1 房地产价格增长过快 |
| 3.2.2 房地产市场过热 |
| 3.3 房地产市场过热的原因 |
| 3.3.1 土地资源稀缺 |
| 3.3.2 人均可支配收入增多 |
| 3.3.3 金融机构信贷支持 |
| 3.3.4 人口众多 |
| 3.3.5 过度投机行为 |
| 3.4 房地产市场过热的危害 |
| 3.4.1 对社会资源配置的影响 |
| 3.4.2 对金融系统的影响 |
| 3.4.3 对地区竞争力的影响 |
| 3.4.4 对居民幸福感和社会长治久安的影响 |
| 3.5 本章小结 |
| 第四章 中国各省份房地产泡沫测度分析 |
| 4.1 房地产泡沫测度方法 |
| 4.1.1 理论价格法 |
| 4.1.2 统计检验法 |
| 4.1.3 代理指标法 |
| 4.2 测度指标体系构建 |
| 4.2.1 测度指标选取原则 |
| 4.2.2 测度指标体系 |
| 4.3 房地产泡沫综合得分测度过程 |
| 4.4 房地产泡沫综合得分结果分析 |
| 4.5 本章小结 |
| 第五章 中国房地产泡沫综合得分影响因素分析 |
| 5.1 变量选取以及数据来源 |
| 5.1.1 变量选取 |
| 5.1.2 数据来源 |
| 5.2 模型构建 |
| 5.3 回归结果 |
| 5.3.1 全国回归结果 |
| 5.3.2 分地区回归结果 |
| 5.4 本章小结 |
| 第六章 结论、建议与展望 |
| 6.1 研究主要结论 |
| 6.2 政策建议 |
| 6.2.1 泡沫持续类 |
| 6.2.2 泡沫不稳定类 |
| 6.2.3 无泡沫类 |
| 6.3 研究展望 |
| 参考文献 |
| 致谢 |
| 作者简介及读研期间主要科研成果 |
（10）基于非均衡理论的我国大中城市房地产市场研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第一章 绪论 |
| 1.1 研究背景及研究意义 |
| 1.1.1 研究背景 |
| 1.1.2 研究目的 |
| 1.1.3 研究意义 |
| 1.2 国内外研究现状 |
| 1.2.1 国外研究现状 |
| 1.2.2 国内研究现状 |
| 1.3 研究内容和主要观点 |
| 1.3.1 研究内容 |
| 1.3.2 研究对象 |
| 1.3.3 研究主要观点 |
| 1.4 研究方法与研究思路 |
| 1.4.1 研究方法 |
| 1.4.2 研究思路 |
| 1.5 技术路线和创新点 |
| 1.5.1 技术路线 |
| 1.5.2 创新点 |
| 第二章 基本概念及非均衡理论 |
| 2.1 基本概念界定 |
| 2.1.1 房地产的概念与特征 |
| 2.1.2 房地产业的概念 |
| 2.1.3 房地产市场的结构 |
| 2.2 非均衡理论及模型概述 |
| 2.2.1 供给与需求理论 |
| 2.2.2 供给侧改革 |
| 2.2.3 非均衡理论 |
| 2.3 非均衡计量经济学模型 |
| 2.3.1 最小原则模型 |
| 2.3.2 CES型指数聚合方程 |
| 2.3.3 双曲线聚合方程 |
| 第三章 我国大中城市房地产市场非均衡现状 |
| 3.1 房地产市场政策概况 |
| 3.2 我国房地产市场非均衡现状 |
| 3.3 我国大中城市房地产市场非均衡现状 |
| 3.3.1 房地产市场非均衡现状样本选取 |
| 3.3.2 地区之间房地产市场非均衡现状 |
| 3.3.3 城市之间房地产市场非均衡现状 |
| 3.4 我国大中城市房地产市场供需现状 |
| 3.4.1 房地产开发投资现状 |
| 3.4.2 施工面积和销售面积现状 |
| 3.4.3 房地产企业土地购置现状 |
| 第四章 我国大中城市房地产市场非均衡的原因分析 |
| 4.1 市场运行机制待完善 |
| 4.1.1 房地产市场供需机制 |
| 4.1.2 房地产市场竞争机制 |
| 4.1.3 房地产市场信息披露机制 |
| 4.2 城市能级差异化 |
| 4.3 土地购置量差异化 |
| 第五章 影响我国大中城市房地产市场非均衡的因素分析 |
| 5.1 我国大中城市房地产市场供给的因素分析 |
| 5.2 我国大中城市房地产市场需求的因素分析 |
| 第六章 实证分析 |
| 6.1 影响我国大中城市房地产市场非均衡的关键因素 |
| 6.1.1 灰色关联度模型简介 |
| 6.1.2 灰色关联度分析步骤 |
| 6.1.3 灰色关联度实证分析 |
| 6.2 我国大中城市房地产市场非均衡模型的构建 |
| 6.2.1 模型的基本假定 |
| 6.2.2 模型的构建步骤 |
| 6.2.3 模型数据的整理 |
| 6.2.4 模型的设定 |
| 6.2.5 我国大中城市房地产市场非均衡模型的参数估计 |
| 6.2.6 我国大中城市非均衡模型的经济意义解释和分析 |
| 第七章 结论分析及建议 |
| 7.1 结论分析 |
| 7.2 建议 |
| 参考文献 |
| 致谢 |
| 作者简介及读研期间主要科研成果 |
四、北京地产市场是否存在泡沫（论文参考文献）
- [1]我国房地产泡沫与商业银行信贷规模的相关性研究 ——基于时空差异视角[D]. 王春艳. 山东农业大学, 2021
- [2]房地产金融风险研究 ——以河南省三门峡市为例[D]. 马超萃. 西安理工大学, 2021
- [3]中国产业集聚对区域房地产价格的影响研究[D]. 周贺. 吉林大学, 2021(01)
- [4]房价波动下银行住房按揭项目信贷风险评估研究 ——以昆明G银行信贷项目为例[D]. 孙蓓蓓. 云南财经大学, 2021(09)
- [5]安徽省房地产泡沫研究[D]. 陈景辉. 安徽建筑大学, 2021(08)
- [6]我国区域性金融风险的计量研究[D]. 李卓. 吉林大学, 2021(01)
- [7]人口年龄结构对房地产价格的影响研究[D]. 陈钰晓. 四川大学, 2021(12)
- [8]我国资产价格泡沫的形成机理与传染效应研究[D]. 林思涵. 吉林大学, 2021(01)
- [9]中国房地产市场泡沫测度及其影响因素分析[D]. 彭悦悦. 安徽建筑大学, 2021(08)
- [10]基于非均衡理论的我国大中城市房地产市场研究[D]. 李帅. 安徽建筑大学, 2021(08)