基于VPCI指标的城市住宅价格趋势分析

第ｌ１期（总第３８４期）　２０１５年１１月　

财经问题研究　

Ｒｅｓｅａｒｃｈ　ｏｎ　Ｆｉｎａｎｃｉａｌ　ａｎｄ　Ｅｃｏｎｏｍｉｃ　Ｉｓｓｕｅｓ　Ｎｕｍｂｅｒ　１１（Ｇｅｎｅｒａｌ　Ｓｅｒｉａｌ　Ｎｏ．３８４）　

・城市经济・　

基于ＶＰＣＩ指标的城市住宅价格趋势分析　李　智　，吴伟巍。，邸亚猛　（１．南京大学经济学院，江苏南京２１００３２；２．三六五地产研究院，江苏南京２１００２９：　３．东南大学土木学院建设与房地产系，江苏南京２１００９６）　

摘要：本文通过介绍ＶＰＣＩ指标（成交量加权平均值）的背景及由来，建立了城市住宅价格　ＶＰＣＩ的模型，并介绍了该指标的规则和计算运用法则。最后通过南京市住房价格．计算了ＶＰＣＩ　指标，并通过南京市住宅价格的趋势验证了该指标的合理性。　关键词：城市住宅价格；ＶＰＣＩ指标；南京市　中图分类号：Ｆ２９３　文献标识码：Ａ　文章编号：１０００．１７６Ｘ（２０１５）１１－０１３５－０５　

一、

研究背景　

我国房地产市场，自２０世纪８０年代开始萌　芽发展。随着１９９７－－１９９８年间住房制度改革的　启动，住房投资、建设、分配、管理制度逐渐向　着货币化、市场化和社会化的方向转变，住宅市　场作为独立的产业体系，开始成为房地产市场的　重要组成部分。１９９８年以后，住房实物分配制　度的正式终结和房地产市场得到的政策支持，使　城市住房供给的融资渠道、投资主体等呈现多元　化的趋势，使住宅市场保持着高速的发展势头。　但随着住宅市场投资的快速增长。住宅价格　也随之不断上涨。２００２年以后，我国部分大中　城市的住宅价格出现了加速增长的趋势，且波动　程度显著增大。因此，随着住宅价格的不断升　高，住宅价格波动已经成为整个社会关注的焦　点。围绕相关问题，近年来国务院、各部委、人　民银行和各地政府相继出台了一系列政策来稳定　房地产市场。　２０１１年１月２６日公布的“新国八条”要　求，２０１１年各城市人民政府要根据当地经济发　展目标和居民住房支付能力，合理确定本地区年　度新建住房价格控制目标，并于一季度向社会公　布。２０１１年，在全国６５７个城市中，住房价格　调控目标大致可以分为，以ＧＤＰ增长为一类，　人均居民收入为一类，以长春提出的房价收入比　为一类。那么这些指标合理吗？在各个城市公布　这些调控目标后，引来了居民的抱怨。房价目标　却被公众批评为“限涨令”。因为几乎所有城市　都将２０１１年目标定为“增长１０％”左右．调控　目标制定得太宽松。可见这些目标存在不合理之　处。因为近些年居民收入水平赶不上ＧＤＰ的增　长水平，更赶不上物价上涨速度［１　］。　

收稿日期：２０１５－０７－３１　基金项目：中国博士后科学基金第５４批面上资助二等资助“中国房地产市场的行为金融问题研究”（２０１３Ｍ５４１６２７）；江苏省博　士后科研资助计划第一批资助项目“中国城市房价波动：粘性与非线性”（１３０１０１５Ｃ）　作者简介：李智（１９７０一），男，江苏人，南京大学经济学院应用经济学博士后，三六五地产研究院院长，主要从事房地产市　场研究。Ｅ—ｍａｉｌ：ｌｉｚｈｉｎｊ２０１３＠１６３．ｃｏｒｎ　１３６　财经问题研究　２０１５年第１１期　总第３８４期　本文从技术分析的角度。聚焦城市住宅价格　的波动幅度、波动周期和波动方式等方面，从住　宅价格波动现象自身来研究其透露的信息，把握　住宅房地产市场的真实状况，通过确定住宅价格　的正常波动区间，来对住宅价格波动过程中出现　的异常波动点进行界定，从而为趋势的判断和调　控的时点把握提供参考。　二、文献综述　在定性研究方面。贺建清ｌ３］从开发商与消　费者的互动关系和开发商之间的利益博弈角度分　析影响房地产价格走势的原因，并建立房地产市　场开发商与消费者间的不完全信息静态博弈模型　和开发商之间的有限理性下协调博弈模型，结果　表明房地产开发商和消费者之间的博弈，开发商　之间的合作与非合作博弈是影响房地产价格波动　的重要原因。周建军和侯杰『４］通过对国际游资　投机房地产的动因和房地产市场的价格决定模型　分析．发现房价波动与国际游资之间呈正相关趋　势。熊璐瑛　］从汇率对物价的传导机制、供需　理论等角度讨论汇率波动对房地产价格的影响。　杨冬宁　６］探讨了土地供给价格、数量和形式对　住宅价格波动的影响。孔煜　７］分析了货币政策　影响房地产价格波动的冲击途径．并阐述了我国　住宅价格波动与货币供给量变动形成的货币政策　冲击之间的关系。　在定量研究方面．梁云芳和高铁梅｜８　用多　变量时间序列方差分量分析模型（ＭＴＶ模型）　对不同地区不同用途商品房价格变动的各种影响　因素综合考虑分析。杨冬宁　］利用特征价格法　和多元回归方程组，通过对杭州市住宅价格指数　的构建．对住宅价格波动的影响因素进行了归类　和动态分析。李成刚等［１　０］用Ｐａｎｅｌ　Ｄａｔａ模型和　向后法多元回归方程建立了住宅价格影响因素模　型．通过实证分析找出了影响河北省住宅价格的　主要因素。周恩臣＿１１］结合定性的经济周期波动　理论和定量的静态、动态供求价格模型及截面时　序模型，从政府、银行、消费者的角度对住宅价　格波动的原因进行了分析。卫正逸和屈梦溪　１　利用ＶＥＣ模型对国际资本流动和我国房地产市　场销售价格之间的弹性进行研究．通过格兰杰因　果检验分析二者之间的因果关系，结果表明从短　期来看，国际资本流人是我国房地产市场价格上　涨的原因，但影响程度较小，从长期来看二者之　间并不存在均衡关系。宋勃和高波［１　］在考虑通　货膨胀的条件下，利用我国１９９８－－２００６年的一　年期存款实际利率、一年期商业贷款实际利率、　存款准备金实际利率、中央银行实际贷款利率、　实际再贴现率与房屋销售价格指数和土地交易价　格指数的季度数据建立误差纠正模型，并通过协　整检验、长短期格兰杰因果检验和脉冲响应分　析。对我国房地产价格和各种实际存贷款利率的　关系进行实证检验。周京奎｜１　］通过构建适合我　国的房地产投机理论模型，对我国１４个城市的　房地产价格波动与投机行为的关系进行实证研　究，时间序列的回归分析结果表明，全部城市中　投机成分都对房地产价格有显著影响，横截面数　据表明．可支配收入对房地产价格没有显著影　响，价格上升主要由投机推动。张文娟［１５］应用　行为金融学中的噪声交易理论，通过引入一个含　有过度反应系数的世代交替模型，分析房地产市　场中噪声交易者的过度行为对房价波动的影响。　徐松茂和姚佐文　１　６＿通过ＶＡＲ模型（向量自回归　模型）和协整分析，发现人口和预期是上海房　地产市场价格变动的两个主要因素，并通过行为　金融学的噪声交易理论、反馈机制和羊群效应等　对这种心理预期的作用进行解释。李智［１’］针对　城市住宅价格控制目标进行了横向比较并分析其　合理性。结合南京市数据进行了案例研究。　三、成交量ＶＰＣＩ指标的由来及计算　１．ＶＰＣＩ指标在股市中的应用　在股票市场中，股票交易机构吸纳和派发股　票筹码的行为模式主要不是盯着每一天股票的涨　跌趋势变化，它们的交易策略是结合市场的整体　趋势来制定和执行的，从这个角度来看，长期市　场的趋势是捕捉市场内部正在积累的供需力量的　理想途径。在短期内，市场的一些行为有可能误　导投资者，而且有时候还是有意的。房价也是如　此，房地产公司为了快速卖出新楼盘，打着各种　招牌．有意降低某些廉价房的价格，以此吸引消　费者的眼光等。但是从市场较长期的趋势来看，　机构投资者的行为是无法隐藏的。因此，我们需　要一个成交量指标来比较这些市场趋势。基于这　些想法。成交量分析大师巴夫经过严格的检验，　对市场的较长期趋势找到了一个这样的指标来揭　示价量之间的正相关关系。研究的结果就是成交　量价格确认指标ＶＰＣＩ。　在介绍ＶＰＣＩ之前，我们先介绍两个关于价　格的基本平均值：简单移动平均值（ＳＭＡ）和　基于ＶＰＣＩ指标的城市住宅价格趋势分析　１３７　成交量加权的移动平均值（ＶＷＭＡ）。ＶＷＭＡ是　将每个交易日的收盘价用当天的成交量加权，然　后除以平均值计算期间的总成交量。ＶＷＭＡ来　衡量通过价格反映出来的投资者意愿，以当日成　交量占平均值计算期间总成交量的比例为权重对　价格进行加权。用成交量给价格平均值加权就是　基于投资者的参与给予价格不同的强调。成交量　大的交易日价格的重要性会被放大，而成交量较　小的交易日的价格的重要性则会被降低。例如：　我们同时用ＳＭＡ和ＶＷＭＡ两种方法来计算两天　的移动平均值，假设某只股票在第一天以１０美　元的价格成交了１００　０００股，第二天以１２美元　的价格成交了３００　０００股。ＳＭＡ的计算方法是将　第一天的价格加上第二天的价格．然后除以天　数，即（１０＋１２）／２＝１１美元。ＶＷＭＡ的计算　方法是将第一天的价格乘以第一天的成交量占总　成交量的比例（１００　０００／４００　０００＝１／４），然后加　上第二天的价格乘以第二天的成交量占总成交量　的比例（３００　０００／４００　０００：３／４），最终结果为　１１．５美元。根据计算结果，投资者参与的实际　价格不是１１美元。而是ＶＷＭＡ所示的１１．５　美元。　ＶＰＣＩ指标将价格趋势和成交量加权的价格　趋势加以对比。即将ＶＷＭＡ和相应的ＳＭＡ相比　较。这样的对比能够揭示价格趋势和相应的成交　量之间的内在关系。虽然ＳＭＡ指标能够显示一　只股票价格的变化．但不能反映投资者参与的程　度。而ＶＷＭＡ指标将价格变化的重要性根据相　应的成交量进行了加权。ＳＭＡ和ＶＷＭＡ指标之　间的不对称性就提供了构建ＶＰＣＩ的信息。该信　息被用于判断当前价格趋势的可持续性。因此，　ＶＰＣＩ指标主要用于证实或反对当前的价格趋势。　２．住宅市场价格ＶＰＣＩ指标的建立　ＶＰＣＩ涉及三种计算：成交量价格确认或反　对指标（ＶＰＣ＋／一）、成交量价格比率（ＶＰＲ）　和成交量乘数（ＶＭ）。　第一步，选择一个长期和短期的时间框架。　长期的时间框架用于计算基于简单价格移动平均　数和成交量加权的价格移动平均数的ＶＰＣ，以　及基于简单价格移动平均数和成交量加权的价格　移动平均数的ＶＭ。短期的时间框架用于计算基　于简单价格移动平均数和成交量加权的价格移动　平均数的ＶＰＲ．以及基于简单价格移动平均数　和成交量加权的价格移动平均数的ＶＭ。　ＶＰＣ的计算方法是从长期的ＶＷＭＡ中减去　同期的ＳＭＡ。实际上，ＶＰＣ是描述价格和成交　量加权之间关系的核心指标，但很少被关注。当　该值为正时就是ＶＰＣ＋指标（成交量价格确认），　为负时就是ＶＰＣ一指标（成交量价格矛盾）。　ＶＰＣ显示了价格和成交量加权后的价格在某段　时期内变化的非对称性，其结果能为我们提供十　分有用的信息。一个５０天的ＳＭＡ值为４８．５，而　同时的ＶＷＭＡ值为５０，其差值为１．５代表了对　上升趋势价格的成交量确认。如果计算的结果是　负值，则代表了价格成交量矛盾。仅仅是这个差　值就提供了关于价格趋势和相应的成交量之间的　内在非对称性关系的纯粹的朴实无华的信息。　第二步，计算成交量价格比率（ＶＰＲ）。　ＶＰＲ指标能放大或缩小相对于短期价格成交量　关系的ＶＰＣ＋／一值。ＶＰＲ的计算方法是将短期的　ＶＷＭＡ除以短期的ＳＭＡ。例如，假设短期定义　为１０个交易日，１０天的ＶＷＭＡ值为２５，而１０　天的ＳＭＡ值为２０，那么ＶＰＲ就等于２５／２０，即　１．２５。我们将该值乘以第一步中计算出来的ＶＰＣ　＋／一。而小于１的成交量价格比率则会减少ＶＰＣ　＋／－。　第三步，计算成交量乘数（ＶＭ）。ＶＭ的目　的是在成交量放大时加大ＶＰＣＩ的量。在成交量　缩减时缩小ＶＰＣＩ的量。为此，我们用短期平均　成交量除以长期平均成交量。例如，假设对于　ＳＭＡ简单移动平均线，１０天的短期平均成交量　为每天１５０万股．而５Ｏ天的长期平均成交量为　每天７５万股。那么ＶＭ值就是１５００　０００／７５０　０００