一、上海房地产市场状况分析（论文文献综述）
李卓[1]（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[2]（2021）在《人口年龄结构对房地产价格的影响研究》文中进行了进一步梳理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。
何宇翔[3]（2021）在《基于财政可持续视角的房地产税开征规模测算研究》文中认为在我国,财政可持续性问题一直以来都是困扰中央与地方财政运行的核心内容。我国全面实行“营改增”后,地方财政收入缺口进一步扩大。如何平衡地方财政缺口,促进财政可持续发展,是地方政府亟需研究的问题。房地产行业作为我国的经济支柱产业,其发展具有稳定性,房地产税的流动性不高,但是却具备收益强的特征,由于具有稳定性,在我国对一些城镇的经营性住房征税,大量的住宅房地产仍在征收范围之外,因此对房地产税的征收范围进行完善,将非经营性房屋纳入征税范围可以极大地提高地方财政的税收收入,使其成为地方政府的重要主体税种。从增强地方财政可持续性、缓解土地财政的依赖等问题入手,对房地产税开征规模及其对地方财政可持续性的影响进行研究,有助于为构建以房产税作为地方主体税种的税制改革提供有益的借鉴和参考。本文首先对全国总体以及34个主要城市的财政状况,包括财政收支平衡状况、财政可持续状况以及对土地财政的依赖状况进行了分析,并使用熵权-TOPSIS综合评价法对主要城市的财政可持续状况进行定量分析和评价;然后在总结了国内外房地产税税制现状、经验以及我国实际情况的基础上,依据税收财政、税收效率和稳定、税收适度和公平等原则设计出“严苛型”、“适中型”和“宽松型”等三类住宅房地产税的征税方案,每类方案分别有4、2、3个共计9个具体的税收方案;最后,根据前文的分析,从财政可持续状况和土地财政依赖程度两个维度将全国34个主要城市分为六类,并从中挑选样本城市,在不同征税方案下对这些样本城市的住宅房地产税收入进行模拟测算,并分析模拟开征的房地产税税收能否替代土地出让金、能否改善财政收支缺口、能否优化地方财政的可持续性等。研究表明:（1）我国34个主要城市财政状况因各城市经济发展水平、城市发展状况、财政收支结构以及地理区位的不同,有着较大的差异;在财政收支平衡方面,虽然财政收支总量均呈逐年增长的态势,但多数城市财政平衡状况不佳,存在一定程度的财政收支缺口,财政可持续状况并不乐观;在土地财政的依赖程度方面,这些城市也有着较大的差异,其中有相当数量城市对土地财政的依赖程度较大;（2）以南昌市为代表的第Ⅰ类城市和以武汉为代表的第Ⅵ类城市在考察期内无法通过模拟开征的房地产税收入来替代土地出让金。这两类城市因土地财政依赖过大且房地产税基不够厚实,短期不宜推出房地产税;（3）以贵阳市为代表的第Ⅱ类城市和以南京市为代表的第Ⅳ类城市在考察期内只有在使用最严苛的征税方案时,模拟开征的房地产税才可以完全替代土地出让金。考虑到税收的可负担性,这两类城市应进一步优化税收方案,不宜过早开征房地产税;（4）以上海市为代表的第Ⅲ类城市在考察期内所有征税方案均可实现房地产税对土地出让金的完全替代,并可完全覆盖地方财政缺口,从而改善了地方财政的可持续性。这类城市应选择各自合适的征税方案,且宜先行开征房地产税;（5）以深圳市为代表的第Ⅴ类城市在考察期内各种税收方案下开征的房地产税对土地出让金的替代率逐年上升。其中最宽松的方案也在2018年实现了对土地出让金的完全替代。这类城市经济实力强劲、土地财政依赖小且房地产税基广而厚,宜选择合适税收方案先行开征房地产税。论文最后提出了如下政策建议:（1）一城一策,逐步开征房地产税;（2）涵养税源税基,促进经济发展;（3）优化支出结构,控制非刚性支出规模。
韩梓[4]（2021）在《“租购同权”政策对房价的影响 ——以广州市为例》文中进行了进一步梳理为了缓解购房压力,促进租赁市场的发展,我国多次提出要加强建设“租售并举”的住房市场,满足居民不断增长的住房需求,并保证承租人的租住权利。当子女的教育问题与“户籍”和“房产”相挂钩时,房子不仅能够作为居住场所满足居民的自住需求,同时也赋予了房屋所有者子女入学的权利。2017年7月17日广州市在《关于加快发展住房租赁市场工作方案的通知》中提出了“租购同权”的概念,这一政策的提出引起了各界人士的激烈讨论,“租购同权”从字面上理解即“租房”与“购房”同权,但是这一权利不同于法律中所规定的占有权、使用权、收益权和处置权,而是“赋予符合条件的承租人子女拥有就近入学的权利”,也就是说该项政策针对的是居民基本公共服务中的受教育权。本文首先从理论基础入手,整理了关于国外租赁市场、基础教育、国内住房市场和房价等方面的相关文献以及房地产市场发展的相关理论,对“租购同权”政策提出的背景和实施情况做了阐述。租购选择理论分析了不同群体的消费者对租房和购房的选择,收入、户籍、家庭结构、房价和房租等都是影响消费者租购选择行为的因素,“租购同权”政策主要所针对的群体包括处于中低收入阶层的消费者、外来人口和有适龄儿童少年的家庭消费者。房地产市场的供给和需求是影响房价变动的最直接因素,因此选择房地产供需理论对房价的变动进行分析是较为合适的,本文从理论上分析了“租购同权”政策对房价的影响,分别从短期影响和长期影响两个角度进行研究。根据对现有文章的阅读和整理后发现,在“租购同权”政策出台之后相关专家学者对这一政策的效果有着不同的意见,且多数论文中所选择的研究对象为各省和直辖市,但是该政策尚未在全国统一实行,因此存在某些城市并未实行“租购同权”政策,将这样的城市作为研究对象可能会产生偏颇。因此本文选择广州市作为研究对象,该城市明确实施“租购同权”政策,使得研究结论具有科学性和可靠性。研究结果表明:“租购同权”政策在短期内会由于居民消费偏好发生转变而导致自住需求减少、租赁需求增加,对房价起到一定的控制作用;长期内,租赁需求增加导致租金上涨,从而引致投资需求的增加,会在一定程度上减少短期控制房价的效果,但是考虑到政策的有效落实是需要时间的,随着政策逐步完善,对承租人子女申请入学的门槛逐渐放宽,更多适龄儿童能够满足就近入学的要求,居民消费者的自住需求会进一步减少,最终长期来看政策对控制房价的作用更为显着,从而缓解房价的过度波动。“租购同权”政策一方面能够推进公共服务均等化,另一方面可以稳定房价、发展住房租赁市场,是值得推行的好政策,但是在推行和落实方面也确实存在一定问题,本文最后针对这些问题相应提出政策建议:许多城市还尚未实施“租购同权”政策,国家应大力推广并加强监督实施;户籍人口与非户籍人口之间尚未“同权”,应积极推进户籍制度改革,保障“租购同权”;通过扩大租赁住房供给,来缓解“租购同权”政策实施后所带来的租金上涨问题;在优质教育资源匮乏的情况下,购买学区房仍是家长们的不二选择,因此加强义务教育和教学质量均等化也是重要举措之一。
彭悦悦[5]（2021）在《中国房地产市场泡沫测度及其影响因素分析》文中指出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。
黎思琦[6]（2021）在《房地产泡沫与房地产金融风险的空间传导及防范研究》文中指出我国房地产市场自商品化时代逐渐进入快速发展阶段,目前已具有全球范围内最大的市场规模。2020年,政策对冲疫情冲击,我国房地产市场相对于世界其他国家已逐步恢复市场活力。民众的需求还将继续维持疫情之前的状态,进一步稳定发展。因而针对我国房地产的泡沫态势,尤其是空间溢出状况,业界、学界和普通百姓都表现出了关注。因此,本文将检测房地产泡沫的空间溢出,以及由此产生的金融风险状况,随后就防范泡沫与风险建立起一道“防火墙”。本文研究内容如下:第一章,绪论。本章根据当前我国房地产市场的情况对背景进行介绍,提出研究的关键问题,叙述研究意义。同时从检测、识别和预警等方面进行研究情况梳理,奠定分析基础。第二章,房地产泡沫。本章界定了研究主题,即什么是房地产泡沫,并分析了其成因;随后,使用BSADF模型检验了我国主要城市的泡沫情况,并对其存续周期时点和严重程度进行比较。结果发现,在研究阶段（2016年1月至2019年8月）中有125个城市存在明显的周期性房地产泡沫。第三章,房地产金融风险。本章首先介绍了房地产金融风险现状;然后,重点研究了它的传导机制;接着,介绍了如何对房地产金融风险进行测量;最后,使用PVAR模型确定了房地产泡沫的影响因素以及房地产泡沫对房地产金融风险的影响。结论是泡沫破灭时投资者的预期逆转等原因都可能导致风险的爆发。这些风险主要通过资金、土地供求和产业进行传导。如果市场不景气,出于理性或非理性的预期,个人和房地产商可能会产生违约现象,于是银行将会因抵押物价值下降产生损失,引发金融风险。同时得到房地产泡沫的两个关键影响因素——房地产开发投资余额和商品房销售额,而对房地产金融风险的影响因素分析得到泡沫为关键成因。第四章,房地产泡沫的空间相依及传导。将莫兰检验和R-Vine Copula结构模型结合,分析了我国房地产泡沫的空间溢出情况。结论表现在整个研究时期内,全国主要大中城市房地产泡沫在整个研究阶段中呈现正负交替目前为负的空间自相关特征。从集聚效果来看,“低-低”城市数目最多,“高-高”次之。前者集中在东北和东部地区,后者集中在中西部。而“高-低”城市仅存在于山东省和河南省,“低-高”城市则主要在福建省与江西省。我国房地产泡沫的相依结构具有如下特征:第一,发达与经济一般的城市分别形成泡沫聚集区;第二,处于经济发达与非发达经济体量中间的一般城市是泡沫传导的中心枢纽;第三,地理区位的聚集特征同样表现在了泡沫的联动上。第五章,房地产泡沫对房地产金融风险影响的空间分析,使用空间杜宾模型研究得到的结论为:第一,地理位置相似的城市具有风险的空间聚集特性;第二,经济发展水平相近的城市的房地产金融风险存在集聚特征,但集聚程度要低于地理位置相近的城市之间;第三,地理位置相近的发达城市对欠发达城市的风险具有正向的溢出;第四,地理位置相近的土地价格较高的城市对土地价格较低城市的房地产金融风险具有显着的正向溢出效应。第六章,房地产金融风险防火墙的构建。首先,提出了综合手段、风险可视化、预测与长期机制四条抑制方向。其次,对样本城市进行四档预警测评。最后,构建房地产泡沫和金融风险的防火墙,并提出包括税制建设与合适的房地产税落地时机,调整信贷监管政策,加强规范秩序、建立相应预警机制和地方政府的规范几点政策建议。第七章,研究结论与展望。先进行前文总结,然后指出本文的不足,主要是研究对象选取缺少西北城市数据支持,以及控制变量不足。
李帅[7]（2021）在《基于非均衡理论的我国大中城市房地产市场研究》文中研究说明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;
李佳彬[8]（2020）在《A股房地产上市公司信用风险研究》文中认为由于城镇化进程不断深化,房地产作为国民的刚性需求,导致房价水平不断高涨,越来越多的投机型信贷资金进入房地产市场。房地产开发企业作为房地产市场主要参与者,在开发过程中需要大量资金,而商业银行信贷资金是其重要来源。如果房地产开发企业由于资产泡沫破灭造成投资失败,商业银行信贷资金无法收回,面临着巨大的信用违约风险。此外,房地产开发企业与其他行业公司之间也存在信贷行为,若信用风险范围进一步扩大,将对房地产行业和其他行业公司的稳定发展以及整个国家的经济和民生产生巨大影响。因此,对房地产开发企业的信用风险进行测度具有重要意义。基于以上分析,本文首先梳理信用风险定性和定量研究方法,结合我国近十年房地产市场经济发展状况,回顾了房地产宏观调控政策的演变过程,并对房地产泡沫产生过程及房地产企业信用风险与银行金融机构的关联途径进行了分析。然后选取2009年至2018年从事房地产开发与经营的房地产上市公司为研究对象,采取线性回归拟合的思想重新设置违约点,利用KMV模型定量地测度房地产上市公司信用风险,并考察了政府实施紧缩型的房地产调控政策是否能够有效降低房地产开发企业的信用风险。最后本文从房地产开发企业、商业银行和政府层面对于如何防控房地产开发企业信用风险提出政策和建议。
田笑宇[9]（2020）在《房地产市场泡沫测度及影响因素分析 ——基于江苏省重点城市》文中研究说明纵观中国房地产行业的发展历程,主要可以划分为三个阶段。第一阶段可以追溯到上世纪90年代,那个阶段叫做福利分房,政府将建造的房屋免费分发给居民,主要对象为国企员工。第二阶段是商品房时代,政府对国有土地进行招拍挂出让制度,各大企业拿地并快速扩张,主要代表有万科、保利、招商等房企。第三个阶段是政策调控阶段,随着房价的快速增长以及行业整体销售额的大幅增加,政府在近几年密集出台了包括“限购、限售、限价”等一系列政策,同时大力提倡发展住房租赁市场。目的就是为了避免高房价所引发的投机行为对我国房地产行业带来巨大的泡沫,以免影响经济的健康发展。自2003年以来,党中央和国务院明确了房地产行业是推动中国经济发展的支柱产业。房地产业的快速发展能够带动许多上下游相关产业的发展,比如金融行业,建材行业,五金行业、园林绿化行业等等,带来大量就业机会。此外,我国的招拍挂制度使得各家房企之间进行了激烈的土地竞价,大幅增加了政府的财政收入,成为各个地方政府财政支出的主要来源。2014年年末房价结束横盘下跌期以来,伴随着一二线城市引进人才、放开落户限制、央行降准降息、货币棚改等一系列政策的出台,我国的房价经历了一轮快速的上涨。在这一轮上涨中,尤其以长三角地区各大城市的房价涨幅最为明显。因此,对江苏省重点城市房地产泡沫的大小进行测度,对其影响因素进行分析显得尤为重要和必要。本文在对国内外相关房地产泡沫理论与影响因素研究的基础上,例举了针对房地产泡沫测度的各种方法,并进行了相应的优缺点比较,最终选定了将指标法与因子分析相结合的方法。同时从反映江苏省各个城市的金融市场发达水平、经济实力、房地产业的发展状况等不同指标中,通过选取其中的6个指标作为聚类因子,对江苏省13个地级市进行聚类分析。在此基础上选取了综合实力比较强的4个城市（南京、苏州、无锡、常州）进行研究。明确研究对象之后,作者首先对四个城市的房地产市场发展状况进行初步分析并对后续发展趋势产生初步判断。其次,在反映城市房地产泡沫大小四项指标（房地产开发投资总额/全社会固定资产投资总额、商品房施工面积/竣工面积、房价增长率/实际GDP增长率、房价收入比）基本数值的基础上,通过因子分析法确定四项指标的权重,利用模型综合测度出2010-2017年间江苏省四个城市的房地产泡沫大小,最后通过灰度关联分析法对影响各个城市房地产泡沫大小的因素进行实证分析。本文说明了指标法和因子分析法对泡沫测度的适用性,增加了模型在房地产泡沫大小测度上的应用实例。透过现状分析和相关的实证结论,提出的相关政策和建议希望能给政府对于房地产泡沫的风险控制带来一些帮助,有利于行业的健康发展。本文研究的主要结论有:（1）2015年起,四个城市的泡沫度均开始触及安全警示线,与2014年底房价止跌并于之后快速上涨的走势相吻合;（2）南京市房地产泡沫最大,是江苏省重点城市中投资风险最高的城市;（3）人口及人均可支配收入是影响房地产泡沫大小的最主要因素;
李静[10]（2020）在《我国区域房地产市场风险测度及空间溢出网络结构研究》文中提出目前,我国正处于新一轮经济转型阶段,并面临体制变革、结构调整和转换动力等多重考验,现已进入各类风险高发易发的窗口期。房地产市场作为我国产业经济的重要组成之一,在繁荣发展的同时也逐渐显现出严重的区域分化特征。因此,防范并化解区域房地产市场风险对经济转型有重要意义。本文首先对区域房地产市场风险的内涵、形成、溢出及其他相关理论进行介绍;其次,从房地产价格、库存、金融、环境风险四个方面构建区域房地产市场风险水平测度指标体系,并基于层次分析-熵值法组合赋权模型对我国31个省（市、自治区）2005-2018年区域房地产市场风险水平进行测度;进一步运用改进的引力模型和社会网络分析法从整体、个体和局部三个层面对区域房地产市场风险的空间溢出网络结构进行研究。结果表明:（1）从时间趋势看,2005-2018年我国区域房地产风险整体呈现上升趋势,但2013年后上升速度逐渐下降;从地区比较看,各区域房地产市场风险水平分布不均衡,并且各地区之间的风险演变趋势也有所差异。（2）在整体网络结构方面,我国区域房地产市场风险空间溢出网络是“无标度网络”,整体呈现复杂、多元的结构特征。2005-2018年,网络关联关系和网络密度总体呈现上升态势,网络关联性较强,网络等级度呈现波动下降趋势;在个体网络结构方面,各省份在区域房地产市场风险空间溢出网络中具有不同的地位和作用。其中,北京、江苏等省份处于网络的中心位置,发挥风险溢出的桥梁作用;河北、内蒙古等省份处于网络边缘地位,却是区域房地产市场风险空间溢出网络的传染源;局部块模型分析表明,我国区域房地产市场风险空间溢出网络可以划分为4个属性板块,其中,河北、内蒙古等13个省份属于“净溢出板块”,重庆、广东等3个省份属于“经纪人板块”,北京、天津等6个省份属于“净受损板块”,湖北、湖南等9个省份属于“双向溢出板块”。最后,从加强区域房地产市场风险评估及监管、展开跨区域房地产市场风险的协同治理和推进房地产市场调控长效机制三个方面提出相应对策建议,由此促进我国房地产业和区域经济的健康稳步发展。
二、上海房地产市场状况分析（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、上海房地产市场状况分析（论文提纲范文）
（1）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 |
（2）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 |
（3）基于财政可持续视角的房地产税开征规模测算研究（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 研究内容和方法 |
| 1.2.1 研究内容 |
| 1.2.2 研究方法 |
| 1.3 技术路线 |
| 第2章 概念界定及理论基础 |
| 2.1 概念界定 |
| 2.1.1 房地产税 |
| 2.1.2 财政可持续 |
| 2.2 理论基础 |
| 2.2.1 财政分权理论 |
| 2.2.2 公共财政理论 |
| 2.2.3 税收公平理论 |
| 2.3 文献综述 |
| 2.3.1 关于房地产税的研究 |
| 2.3.2 关于财政可持续的研究 |
| 2.3.3 研究现状述评 |
| 第3章 全国及主要城市财政状况 |
| 3.1 全国财政状况 |
| 3.1.1 全国财政收支状况 |
| 3.1.2 全国的土地财政状况 |
| 3.2 主要城市财政状况 |
| 3.2.1 研究对象选择 |
| 3.2.2 主要城市财政总量平衡状况 |
| 3.2.3 主要城市财政可持续状况 |
| 3.2.4 主要城市土地财政的依赖状况 |
| 3.3 小结 |
| 第4章 开征住宅房地产税的方案设计 |
| 4.1 国内外房地产税税制状况 |
| 4.1.1 中国内地房地产税税制现状 |
| 4.1.2 中国港澳台地区房地产税税制现状 |
| 4.1.3 国外房地产税税制现状 |
| 4.2 住宅房地产税开征方案设计 |
| 4.2.1 开征方案的设计原则 |
| 4.2.2 开征方案 |
| 4.3 小结 |
| 第5章 开征住宅房地产税的税收收入测算及其分析 |
| 5.1 样本城市的选择 |
| 5.2 数据来源及相关处理 |
| 5.3 房地产税税收收入测算 |
| 5.4 房地产税税收收入的替代能力分析 |
| 5.4.1 第Ⅰ类城市——以南昌为例测算数据的分析 |
| 5.4.2 第Ⅱ类城市——以贵阳为例测算数据的分析 |
| 5.4.3 第Ⅲ类城市——以上海为例测算数据的分析 |
| 5.4.4 第Ⅳ类城市——以南京为例测算数据的分析 |
| 5.4.5 第Ⅴ类城市——以深圳为例测算数据的分析 |
| 5.4.6 第Ⅵ类城市——以武汉为例测算数据的分析 |
| 5.5 小结 |
| 第6章 结论与建议 |
| 6.1 结论 |
| 6.2 政策建议 |
| 6.3 研究亮点和不足 |
| 6.3.1 研究亮点 |
| 6.3.2 研究不足 |
| 参考文献 |
| 致谢 |
（4）“租购同权”政策对房价的影响 ——以广州市为例（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 绪论 |
| 1.1 研究背景 |
| 1.2 研究目的和意义 |
| 1.2.1 研究目的 |
| 1.2.2 研究意义 |
| 1.3 研究内容、方法和技术路线 |
| 1.3.1 研究内容 |
| 1.3.2 研究方法 |
| 1.3.3 研究的技术路线图 |
| 1.4 本文的主要贡献 |
| 第2章 文献综述与相关理论 |
| 2.1 文献综述 |
| 2.1.1 国外文献综述 |
| 2.1.2 国内文献综述 |
| 2.1.3 文献评述 |
| 2.2 相关理论 |
| 2.2.1 房地产市场供需理论 |
| 2.2.2 房地产市场租购选择理论 |
| 2.2.3 房地产市场的运行规律 |
| 第3章 “租购同权”政策的实施状况分析 |
| 3.1 “租购同权”政策的背景及含义 |
| 3.1.1 “租购同权”政策提出的背景 |
| 3.1.2 “租购同权”政策的含义 |
| 3.2 广州市“租购同权”政策的落实情况 |
| 3.2.1 政策的总体落实情况 |
| 3.2.2 承租人子女就近入学的落实情况 |
| 第4章 “租购同权”政策对房价影响的理论分析 |
| 4.1 “租购同权”对租购选择行为的影响 |
| 4.2 “租购同权”对需求和供给的作用机理 |
| 4.3 “租购同权”对房价的影响分析 |
| 4.3.1 “租购同权”对房价的短期影响分析 |
| 4.3.2 “租购同权”对房价的长期影响分析 |
| 4.4 小结及理论假设 |
| 第5章 “租购同权”政策对房价影响的实证研究 |
| 5.1 变量选取及数据来源 |
| 5.1.1 变量选取 |
| 5.1.2 数据来源 |
| 5.2 建立模型 |
| 5.3 实证结果与分析 |
| 5.3.1 描述性统计 |
| 5.3.2 平稳性检验与协整检验 |
| 5.3.3 ARDL-ECM模型结果与分析 |
| 5.4 稳健性检验 |
| 5.5 小结 |
| 第6章 研究结论与政策建议 |
| 6.1 结论 |
| 6.2 建议 |
| 致谢 |
| 参考文献 |
| 攻读学位期间的研究成果 |
（5）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 |
（6）房地产泡沫与房地产金融风险的空间传导及防范研究（论文提纲范文）
| 摘要 |
| abstract |
| 1 绪论 |
| 1.1 研究背景和问题提出 |
| 1.1.1 研究背景 |
| 1.1.2 问题提出 |
| 1.2 研究意义 |
| 1.2.1 理论意义 |
| 1.2.2 实践意义 |
| 1.3 国内外研究现状 |
| 1.3.1 房地产泡沫 |
| 1.3.2 房地产泡沫测量 |
| 1.3.3 识别与预警房地产金融风险 |
| 1.3.4 当前我国房地产现状 |
| 1.4 研究内容及研究方法 |
| 1.4.1 研究内容 |
| 1.4.2 研究框架 |
| 1.5 创新点 |
| 1.5.1 研究视角的创新 |
| 1.5.2 研究方法的创新 |
| 2 房地产泡沫 |
| 2.1 房地产泡沫的内涵 |
| 2.1.1 泡沫 |
| 2.1.2 房地产泡沫 |
| 2.2 房地产泡沫的成因分析 |
| 2.2.1 居民收入提高 |
| 2.2.2 利率政策与信贷政策 |
| 2.2.3 银行信贷带来的资金支持 |
| 2.2.4 国际资本的涌入 |
| 2.2.5 投资者的非理性预期、从众与锚定效应 |
| 2.2.6 房地产的低供给弹性、耐用性及制度的不适用性 |
| 2.3 房地产泡沫的测量 |
| 2.3.1 房地产泡沫检验模型:BSADF检验 |
| 2.3.2 指标和样本选取 |
| 2.3.3 房地产泡沫存在性检验 |
| 2.3.4 房地产泡沫存续周期时点及泡沫程度比较 |
| 3 房地产金融风险 |
| 3.1 房地产金融风险的内涵 |
| 3.1.1 系统风险 |
| 3.1.2 非系统风险 |
| 3.2 我国的房地产金融风险 |
| 3.3 房地产金融风险的形成和传导机制 |
| 3.3.1 房地产金融风险的形成 |
| 3.3.2 房地产金融风险的传导机制及路径 |
| 3.4 房地产金融风险的测量 |
| 3.4.1 房地产金融集中风险度量 |
| 3.4.2 房企经营风险 |
| 3.4.3 房地产金融风险敞口度量 |
| 3.5 房地产泡沫与房地产金融的实证分析 |
| 3.5.1 房地产泡沫成因实证 |
| 3.5.2 房地产金融风险影响因素分析模型 |
| 4 房地产泡沫的空间相依及传导 |
| 4.1 房地产泡沫空间统计 |
| 4.1.1 房地产泡沫空间自相关性:Moran’s I检验 |
| 4.1.2 房地产泡沫的Moran散点图分析 |
| 4.1.3 房地产泡沫空间统计分析:LISA集聚图分析 |
| 4.2 房地产泡沫相依与空间传导 |
| 5 房地产泡沫对房地产金融风险影响的空间分析 |
| 5.1 空间计量模型及权重介绍 |
| 5.1.1 空间计量模型 |
| 5.1.2 空间权重矩阵 |
| 5.2 指标选取及数据来源 |
| 5.3 模型设定 |
| 5.4 空间计量模型回归结果 |
| 6 房地产金融风险防火墙的构建 |
| 6.1 房地产金融风险的抑制思路 |
| 6.1.1 综合手段 |
| 6.1.2 风险可视化 |
| 6.1.3 预测 |
| 6.1.4 长期机制 |
| 6.2 房地产金融风险预警系统 |
| 6.2.1 房地产金融风险预警防火墙体系的构建 |
| 6.2.2 确定指标等级 |
| 6.2.3 基本置信度 |
| 6.2.4 指标权重 |
| 6.2.5 风险评价 |
| 6.2.6 风险预警 |
| 6.3 房地产泡沫及金融风险的防火墙构建 |
| 6.3.1 税制建设时机 |
| 6.3.2 调整信贷监管政策 |
| 6.3.3 加强整顿规范市场秩序、建立相应预警机制 |
| 6.3.4 规范地方政府行为 |
| 7 研究结论与展望 |
| 7.1 研究结论 |
| 7.2 研究展望 |
| 致谢 |
| 参考文献 |
| 附录 |
（7）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 |
（8）A股房地产上市公司信用风险研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第一章 绪论 |
| 第一节 研究背景及意义 |
| 一、研究背景 |
| 二、研究目的与意义 |
| 第二节 文献综述 |
| 一、国外研究 |
| 二、国内研究 |
| 三、文献述评 |
| 第三节 研究内容与研究方法 |
| 一、研究内容 |
| 二、研究思路 |
| 三、研究方法 |
| 第四节 创新与不足之处 |
| 一、创新点 |
| 二、不足之处 |
| 第二章 信用风险产生与度量 |
| 第一节 信用风险概念与经济学理论 |
| 一、信用风险概念 |
| 二、信用风险产生的经济学理论 |
| 第二节 信用风险度量方法 |
| 一、专家分析法 |
| 二、评级法 |
| 三、Z-score model |
| 四、Credit Metrics模型 |
| 五、CPV模型 |
| 六、Credit Risk+模型 |
| 七、KMV模型 |
| 第三章 房地产市场状况、调控与信用风险关联途径 |
| 第一节 房地产相关概念 |
| 一、我国房地产概念 |
| 二、房地产业概念 |
| 三、房地产属性 |
| 第二节 我国房地产市场发展状况 |
| 一、房地产经济发展程度 |
| 二、房地产开发投资情况 |
| 三、房地产市场供求分析 |
| 四、商品房价格分析 |
| 五、房地产开发企业数量情况 |
| 六、房地产开发企业实际到位资金 |
| 七、房地产开发企业负债率分析 |
| 第三节 房地产调控政策演变 |
| 一、我国房地产调控政策发展历程 |
| 二、调控政策对房地产市场影响传导机制 |
| 三、利率工具对房地产市场价格调控机理 |
| 第四节 房地产泡沫 |
| 一、房地产泡沫概述 |
| 二、开发企业信用风险与银行信贷金融风险关联途径分析 |
| 第四章 房地产上市公司信用风险实证分析 |
| 第一节 KMV模型原理概述 |
| 一、KMV模型假设 |
| 二、KMV模型基本原理 |
| 第二节 KMV模型度量信用风险步骤 |
| 第三节 数据来源及参数修正 |
| 一、样本选取及其数据来源 |
| 二、无风险利率 |
| 三、违约点的改进 |
| 四、公司的股票市场价值 |
| 五、公司股票市场价值的波动率 |
| 第四节 实证结果分析 |
| 一、度量结果 |
| 二、结果分析 |
| 三、房地产市场信用风险管控建议 |
| 第五章 结论与展望 |
| 第一节 研究结论 |
| 第二节 展望 |
| 附录 |
| 附录一 KMV模型程序 |
| 附录二 参数数据 |
| 附录三 度量结果 |
| 参考文献 |
| 攻读学位期间发表的学术论文和研究成果 |
| 致谢 |
（9）房地产市场泡沫测度及影响因素分析 ——基于江苏省重点城市（论文提纲范文）
| 摘要 |
| abstract |
| 第一章 引言 |
| 第一节 研究背景及意义 |
| 一、研究背景 |
| 二、选题意义 |
| 第二节 文献综述 |
| 一、国外文献综述 |
| 二、国内文献综述 |
| 第三节 研究思路及内容安排 |
| 一、研究思路 |
| 二、内容安排 |
| 第四节 主要研究方法 |
| 第五节 创新性尝试与不足 |
| 第二章 泡沫理论与测度方法 |
| 第一节 泡沫理论 |
| 一、泡沫的含义 |
| 二、泡沫演变的阶段 |
| 第二节 泡沫成因分析 |
| 一、人口 |
| 二、人均收入 |
| 三、土地资源 |
| 四、信贷利率 |
| 五、政府政策 |
| 第三节 泡沫测度方法简介 |
| 一、直接检验法 |
| 二、间接检验法 |
| 三、指标检验法 |
| 四、测度方法比较 |
| 第三章 江苏省房地产市场发展状况分析 |
| 第一节 重点城市的选取 |
| 一、聚类分析方法简介 |
| 二、聚类分析及结果 |
| 第二节 重点城市房地产市场发展概况 |
| 一、房地产市场供给趋势分析 |
| 二、房地产市场需求趋势分析 |
| 三、房地产市场价格趋势分析 |
| 第四章 房地产市场泡沫测度模型及实证分析 |
| 第一节 测度指标体系 |
| 一、指标选取准则 |
| 二、指标的选取与计算 |
| 第二节 综合指标下的泡沫测度 |
| 一、基于PCA单个指标权重的确定 |
| 二、综合指标下的四市房地产泡沫的计算 |
| 第五章 房地产市场泡沫影响因素实证分析 |
| 第一节 灰色关联分析法 |
| 一、方法简介 |
| 二、计算步骤 |
| 第二节 影响因素实证分析 |
| 一、指标选取 |
| 二、实证分析 |
| 三、实证结论 |
| 第六章 政策及建议 |
| 第一节 从供给端增加各类形式的住房供应 |
| 第二节 落实房地产市场的相关政策 |
| 第三节 合理运用金融手段加强监管 |
| 第四节 建立房地产市场泡沫监控体系 |
| 第七章 总结和展望 |
| 参考文献 |
| 致谢 |
| 个人简历及在学期间发表的研究成果 |
（10）我国区域房地产市场风险测度及空间溢出网络结构研究（论文提纲范文）
| 摘要 |
| abstract |
| 1 绪论 |
| 1.1 研究背景和意义 |
| 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 房地产市场风险形成及测度评价相关研究 |
| 1.2.2 房地产市场风险溢出相关研究 |
| 1.2.3 空间关联性分析方法相关研究 |
| 1.2.4 文献述评 |
| 1.3 研究内容及方法 |
| 1.3.1 研究内容 |
| 1.3.2 研究方法 |
| 1.3.3 本文的创新点 |
| 1.4 技术路线 |
| 2 相关理论基础 |
| 2.1 房地产市场风险一般理论 |
| 2.1.1 房地产市场风险的内涵 |
| 2.1.2 房地产市场风险的特点 |
| 2.1.3 房地产市场风险的表现 |
| 2.2 区域房地产市场风险形成及溢出 |
| 2.2.1 区域房地产市场风险的内涵 |
| 2.2.2 区域房地产市场风险的形成及溢出 |
| 2.3 其它相关理论 |
| 2.3.1 空间相互作用理论 |
| 2.3.2 溢出效应理论 |
| 2.3.3 空间网络结构 |
| 2.3.4 社会网络分析理论 |
| 3 我国区域房地产市场风险的测度 |
| 3.1 区域房地产市场风险测度指标体系的构建 |
| 3.1.1 指标体系构建的原则 |
| 3.1.2 指标选取与体系构建 |
| 3.2 区域房地产市场风险测度模型的构建 |
| 3.2.1 测度方法的确定 |
| 3.2.2 基于层次分析法的权重确定 |
| 3.2.3 基于熵值法的权重确定 |
| 3.2.4 基于层次分析-熵值法的组合测度模型 |
| 3.3 我国区域房地产市场风险测度实证分析 |
| 3.3.1 数据来源及说明 |
| 3.3.2 区域房地产市场风险测度指标赋权 |
| 3.3.3 区域房地产市场风险测度结果及分析 |
| 3.4 本章小结 |
| 4 我国区域房地产市场风险空间溢出网络结构分析 |
| 4.1 我国区域房地产市场风险空间溢出网络构建 |
| 4.1.1 引力模型 |
| 4.1.2 区域房地产市场风险空间溢出网络构建 |
| 4.2 我国区域房地产市场风险空间溢出网络结构指标构建 |
| 4.2.1 整体网络特征 |
| 4.2.2 中心性特征 |
| 4.2.3 块模型特征 |
| 4.3 我国区域房地产市场风险的空间溢出网络结构分析 |
| 4.3.1 区域房地产市场风险空间溢出的整体网络结构形态及演变趋势 |
| 4.3.2 区域房地产市场风险空间溢出的个体网络结构分析 |
| 4.3.3 区域房地产市场风险空间溢出的局部网络结构分析 |
| 4.4 本章小结 |
| 5 我国区域房地产市场风险治理的政策建议 |
| 5.1 加强区域房地产市场风险的评估及监管 |
| 5.2 展开跨区域房地产市场风险的协同治理 |
| 5.3 推进房地产市场调控长效机制 |
| 5.4 本章小结 |
| 6 研究结论与展望 |
| 6.1 研究结论 |
| 6.2 研究不足与展望 |
| 参考文献 |
| 作者在读期间研究成果 |
| 致谢 |
四、上海房地产市场状况分析（论文参考文献）
- [1]我国区域性金融风险的计量研究[D]. 李卓. 吉林大学, 2021(01)
- [2]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)
- [3]基于财政可持续视角的房地产税开征规模测算研究[D]. 何宇翔. 江西财经大学, 2021(10)
- [4]“租购同权”政策对房价的影响 ——以广州市为例[D]. 韩梓. 上海师范大学, 2021(07)
- [5]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)
- [6]房地产泡沫与房地产金融风险的空间传导及防范研究[D]. 黎思琦. 西南科技大学, 2021(09)
- [7]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)
- [8]A股房地产上市公司信用风险研究[D]. 李佳彬. 云南师范大学, 2020(01)
- [9]房地产市场泡沫测度及影响因素分析 ——基于江苏省重点城市[D]. 田笑宇. 上海财经大学, 2020(04)
- [10]我国区域房地产市场风险测度及空间溢出网络结构研究[D]. 李静. 西安建筑科技大学, 2020(01)