近些年來,我國房地產(chǎn)業(yè)發(fā)展迅速,已經(jīng)成為我國經(jīng)濟的基礎(chǔ)性和支柱性產(chǎn)業(yè),房地產(chǎn)企業(yè)隨之越來越多,房價也一直在不斷上漲。為了規(guī)范房地產(chǎn)市場,促使房地產(chǎn)市場健康可持續(xù)的穩(wěn)定發(fā)展,國家針對房地產(chǎn)市場出臺了一系列的宏觀調(diào)控政策。研究不同調(diào)控政策下房企之間的關(guān)聯(lián)性,有利于投資者進行合理的資產(chǎn)配置,獲得更高的收益,更有利于房企升級轉(zhuǎn)型,轉(zhuǎn)變經(jīng)營方式,加強房企抵抗風險的能力,適應(yīng)房地產(chǎn)市場的不斷變化。本文以國企、民企兩種性質(zhì)的房地產(chǎn)企業(yè)的股指收益率作為研究對象,結(jié)合近十年我國房地產(chǎn)的調(diào)控政策,采用DCC-GARCH模型分析我國房地產(chǎn)不同性質(zhì)企業(yè)之間的動態(tài)關(guān)聯(lián)性。本文的結(jié)構(gòu)安排如下:第一章介紹本文的選題背景、研究意義、房地產(chǎn)相關(guān)的文獻綜述和論文內(nèi)容及結(jié)構(gòu)安排。第二章介紹DCC-GARCH模型的背景、形式、估計步驟和DCC-GARCH模型相關(guān)的文獻綜述。第三章基于DCC-GARCH模型對我國房地產(chǎn)企業(yè)的動態(tài)相關(guān)性進行研究,選擇十六家國企、民企兩種性質(zhì)的房地產(chǎn)企業(yè)的股指收益率樣本序列進行實證分析。首先對樣本序列進行描述性分析、正態(tài)性、平穩(wěn)性、自相關(guān)性和ARCH效應(yīng)檢驗,根據(jù)ACF圖和PACF圖確定均值方程的... 

【文章來源】：西南大學重慶市 211工程院校 教育部直屬院校

【文章頁數(shù)】：57 頁

【學位級別】：碩士

【部分圖文】：

近十年我國房地產(chǎn)業(yè)占國內(nèi)生產(chǎn)總值的占比

西南大學應(yīng)用統(tǒng)計碩士學位論文2上漲。從圖1-2可以看出2，2017年到2018年房價上漲到一個極高點，因為2016年各地采取金融政策、鼓勵農(nóng)民工進城買房，限購限價和房地產(chǎn)市場去庫存等多種措施，在比較寬松的信貸環(huán)境下，我國房地產(chǎn)市場的成交量上升，很多大城市出現(xiàn)了住房供應(yīng)緊缺，從而造成了土地價格和房價的迅速上漲。由中國房地產(chǎn)指數(shù)系統(tǒng)對100個城市的調(diào)查結(jié)果可知，2016年我國這100個城市的房價上漲了百分之五十以上，跟2015年相比大約增加了百分之十三。2017年我國的房地產(chǎn)市場無論是對房地產(chǎn)業(yè)的發(fā)展還是對我國經(jīng)濟的發(fā)展，都畫上了濃墨重彩的一筆。圖1-2近十年我國商品房平均銷售價格（元/平方米）2016年，我國熱門城市的房價上漲迅速，房產(chǎn)的金融屬性被不斷擴大，各地紛紛出臺了各種調(diào)控房價政策，12月14日至16日，中央財經(jīng)領(lǐng)導小組在中央經(jīng)濟工作會議上首次提出了“房住不炒”的政策，確定了2017年經(jīng)濟要穩(wěn)中求進，尋找到更加有效的財政政策，推進供給側(cè)改革，重點實施實體經(jīng)濟的振興計劃，這些都有利于房地產(chǎn)市場穩(wěn)中求進、健康可持續(xù)發(fā)展。從表1-1可以看出，2017年之前我國的房地產(chǎn)調(diào)控政策主要是調(diào)控需求端，采取限購限貸和提高首付比例等政策來調(diào)控房價，2017年以后房地產(chǎn)調(diào)控政策跟以前不同，新出臺的調(diào)控政策注重短期調(diào)控和長效機制相結(jié)合，堅持房子是用來住的而不是用來炒的，不能將房地產(chǎn)作為短期刺激經(jīng)濟的手段，這是因為房地產(chǎn)調(diào)控需要考慮經(jīng)濟高質(zhì)量的發(fā)展以及防范化解重大風險等。2圖1-2數(shù)據(jù)來源于國家統(tǒng)計局數(shù)據(jù)庫

西南大學應(yīng)用統(tǒng)計碩士學位論文23進行多元GARCH模型的參數(shù)估計。因為每只股票的交易日期并不是完全一致的，采用派式加權(quán)法，可以剔除掉交易日不相同的數(shù)據(jù)，只選取相同交易日的數(shù)據(jù)，通過派式加權(quán)合成指數(shù)這種方法，不僅可以有效的避免個別異常值對結(jié)果的影響，還可以避免數(shù)據(jù)缺失對結(jié)果的影響。這樣模型估計的結(jié)果更加準確可靠。派式加權(quán)法的公式為：niiiniiiQPQPP110111"其中，iP0是基期第i種股票價格，iP1是計算期第i種股票價格，iQ1是計算期第i種股票的發(fā)行量或成交量。收益率tR的公式為：100*)ln(ln1tttppR其中tp為房地產(chǎn)企業(yè)合成指數(shù)第t日的收盤價。圖3-1兩種不同性質(zhì)的房地產(chǎn)企業(yè)的指數(shù)收益率時序圖圖3-1是不同性質(zhì)房地產(chǎn)數(shù)據(jù)指數(shù)化以后的時序圖，紅色的線代表的是國企房地產(chǎn)企業(yè)的股指收益率，藍色的線代表的是民企房地產(chǎn)企業(yè)的股指收益率。從圖3-1中可以看出，在房地產(chǎn)企業(yè)中，國企股指收益率和民企股指收益率的相關(guān)變動比較明顯，一段時間內(nèi)具有聯(lián)動性。具體可以從圖中看出，2017年之前，民企房地產(chǎn)企業(yè)的股指收益率波動不大，比較平緩，但從2017年以后，民企房

【參考文獻】：
期刊論文
[1]基于DCC-GARCH模型的P2P網(wǎng)貸利率溢出效應(yīng)研究[J]. 徐云松.  金融發(fā)展研究. 2019(01)
[2]“深港通”政策下深港股市的動態(tài)聯(lián)動性研究——基于GJR-GARCH-DCC模型的實證分析[J]. 王濤,董梅生.  區(qū)域金融研究. 2018(11)
[3]APEC主要成員股票市場的聯(lián)動性動態(tài)變化——基于DCC-GARCH模型的實證研究[J]. 李竹薇,付媛,邱雨虹,康晨陽.  大連理工大學學報(社會科學版). 2018(05)
[4]房價與股價波動對宏觀經(jīng)濟穩(wěn)定的影響研究[J]. 徐加根,羅晶,徐培文.  華東經(jīng)濟管理. 2018(03)
[5]基于DCC-GARCH的中國大宗商品金融化研究[J]. 劉映琳,鞠卓,劉永輝.  國際商務(wù)研究. 2017(05)
[6]保險公司系統(tǒng)性風險溢出效應(yīng)研究——基于DCC-GARCH-CoVaR模型[J]. 袁薇,王培輝.  財會月刊. 2017(05)
[7]基于DCC-GARCH模型的中國保險業(yè)系統(tǒng)性風險研究[J]. 劉璐,王春慧.  宏觀經(jīng)濟研究. 2016(09)
[8]基于DCC-GARCH模型的新興市場金融傳染效應(yīng)檢驗[J]. 劉慧悅.  統(tǒng)計與決策. 2016(12)
[9]基于MS-VAR模型的房地產(chǎn)產(chǎn)業(yè)聯(lián)動機制非對稱性研究[J]. 郭文偉,鐘明.  投資研究. 2016(01)
[10]國際金融市場波動溢出效應(yīng)與動態(tài)相關(guān)性[J]. 何德旭,苗文龍.  數(shù)量經(jīng)濟技術(shù)經(jīng)濟研究. 2015(11)

博士論文
[1]金融危機背景下中美歐股票市場聯(lián)動性研究[D]. 趙勇.上海社會科學院 2012

碩士論文
[1]中國和東盟股市收益的動態(tài)相關(guān)性研究[D]. 宋瑋楠.吉林大學 2017
[2]金磚國家股票市場聯(lián)動性研究[D]. 黃周祥.首都經(jīng)濟貿(mào)易大學 2015
[3]行業(yè)股價指數(shù)溢出效應(yīng)研究[D]. 李政.南京大學 2013
[4]房地產(chǎn)業(yè)關(guān)聯(lián)效應(yīng)與波及效應(yīng)分析[D]. 張容赫.華東師范大學 2012
[5]中國房地產(chǎn)業(yè)與國民經(jīng)濟相關(guān)性分析—產(chǎn)業(yè)關(guān)聯(lián)與貢獻角度[D]. 郭一凡.清華大學 2009



本文編號：2976947