房地产金融论文哪里有？本研究检测了 2016-2019 年大中城市的房地产泡沫基本情况及其区际（样本城市间）的空间溢出程度，分析泡沫转化生成金融风险，并由此也分析了后者的空间影响。旨在通过认清当前我国的房地产业的泡沫和由此产生的风险特征，并根据研究结果建立”防火墙“机制进行阻隔，提出相应策略，为更好地评价和协调我国房价调控政策提供参考。
1 绪论
1.3 国内外研究现状
1.3.1 房地产泡沫 人们最早记录的投机行为来自荷兰郁金香泡沫，这一泡沫最终导致荷兰数千万人破产。之后学者们发现房地产资产具有郁金香泡沫类似性质，产生了房地产泡沫的经济学名词术语，这是指在当下的价格上涨同时所带来的价格预期改变，市场内的人看好未来价格上涨，市场外的人同时被吸引进入市场，随着一段时间，房地产资产价格陡然暴跌，最终以信用风险违约引发的金融危机结束。
关于房地产泡沫国外研究，国外学者 Mcdonald J F & Stokes H H（2013）[6]运用Granger 和 VAR 建模方法认为 2001-2004 年期间美联储压低联邦基金利率是造成美国房价泡沫的重要原因。Jing Wu & Joseph Gyourko（2012）[7]采用一个复杂的制度转换投机泡沫模型和其他传统的经济计量方法检验印度房地产市场存在泡沫，结果表明尽管印度房地产市场投机行为使得房地产泡沫不受美国次贷危机影响，但是也导致了印度房地产价格从 2008 年至 2011 年的增长。Mary Riddel（2011）[8]估计了一个误差修正模型，认为在洛杉矶市场的投机预期会蔓延导拉斯维加斯市场，使得拉斯维加斯市场价格持续上升。Matteo Iacoviello & Stefano Neri（2010）[9]对美国房地产市场波动进行研究，认为在整个波动周期中，需求和技术冲击两个部分可以解释四分之一的投资波动对市场周期的影响，货币冲击占五分之一。Winston T. H. Koh（2004）[10]认为 1990年亚洲房地产价格暴涨暴跌是由于金融中介机构对无追索权抵押贷款的看跌期权定价低所导致的。Degen & Kathrin（2017）[11]研究房价与移民流动的关系，发现当一个地区有 1%的移民流入就会带来 3%左右的住宅价格上涨。Van Nieuwerburgh S（2010）[12]认为银行信贷资本供应量增长解释了 1992-2010 年间美国房价增长的 53%的季度变化，而 2000 年以来的季度变化解释了 66%。Roland Füss（2011）[13]将房价分离出基本面和泡沫成分，进一步利用空间计量分析区域泡沫相互依赖关系，得出房地产泡沫具有区域性并且通过财富和乘数效应影响到其他地区。Nneji O（2015）[14]研究认为美国的投机泡沫向其他地区多方向传播，并且大西洋和太平洋沿岸地区的投机活动最具传染性。Nguyen M et al（2020）[15]分析越南 2004 年三季度至 2018 年四季度的银行系统发展与房地产关系，发现两者在短期和长期都具有正向的因果关系。
房地产金融论文
.............................
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
由房地产泡沫产生的金融风险会因本身涉及行业繁多而广泛传播，反过来对其上下游行业产生影响，对社会产生巨大冲击，一旦产生，将使房地产业内部制度无法正常运行，最终影响整个市场。银行即使会采取一些防范措施应对房价的大幅下跌，也难以规避风险。具体分为政策、市场和制度的风险。
首先是政策风险，房地产投资必然因其重要性而受到各种政策的影响和制约，有关部门制定的政策法规是房企在进行融资时面临的风险之一。在我们国家有些地方只注重发展经济，造成地方对房地产的过度依赖。
其次是市场风险，开发商对于市场依赖性逐步提升，这是源于我国房地产消费量的逐年上升使房价上涨，于是又驱使开发商加大投入。同时，由于我国房价较高，出现这种现象时会使消费者对市场的依赖性增加，进一步刺激房地产投资，最终导致了资金困境。
最后是制度风险，在房地产金融方面，我国现行法规并不能很好地与之相辅相成，还存在一定的不完善性，即不能保证房地产金融的快速发展。同时，风险防范机制还不够完善，存在职能不清等问题也带来一定风险。
3.1.2 非系统风险
除了系统风险，要说明房地产金融风险还要从具有单个企业特色的非系统风险进行介绍，具体包括房地产风险和金融企业风险。
首先是房地产风险，房地产业存在着两大风险，一是经营风险，二是管理风险。目前，我国存在很多小型开发商，如果不能很好地了解市场或对市场把握不准，就会导致经营出现困难。由此将出现工程进度缓慢，甚至停工等问题，并影响到其他工程。所以，潜在的财务风险是存在的。
其次是金融企业风险。房地产业的利益巨大，故而银行在经营中常会出现为利益而缺乏相应的风险管理的意识，如工作人员在项目分析和追踪方面未做到及时有效的追踪。那么就有几率会暴雷，开发商的资金难以收回的现象，项目无法按时完成。如此不仅影响房企利益，而且对银行也是一个巨大的风险。
..............................
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
传统计量模型认为不存在空间效应，因而假设为 0，无法对空间相关的信息进行分析，因此实证研究会出现部分偏离事实的情况。正因为如此，空间计量理论及其应用才在地区性科学领域得到了广泛的应用，其应用范围近年来也迅速扩大。
《空间计量经济学：方法与模型》是 1988 年发表的经典著作，是新的空间计量经济学模型最重要的理论支撑，得到了国内外科学家的广泛认可。Elhorst（2014）[92]研究发现 2007 年后 anselin 提出的 SEM 模型。随后，Kelejian 和 Prucha（2010）[93]提出了 SAC 模型。同时期，Pace 和 Lesage（2009）[94]提出了 SDM 模型和 SLX 模型，但前者的识别性低，而后者则包含了因变量空间交互效应（Gibbons 和 Overman，2012[95]）。之后，随着学界对理论的不断得到丰富和发展，当前的空间计量模型繁多复杂。李立（2016）[96]针对目前已有的常见空间计量模型进行了完整的比较分析（图 5-1）。
图 5-1 几种常见空间计量模型
............................
5.2 空间计量模型回归结果
在地理权重矩阵中，房地产金融风险的空间相关性系数为 0.22，在 1%的水平上具有很强的相关性，说明具有相似地理位置的城市房地产金融风险具有空间聚集特性。原因在于，地理位置相近的城市之间金融系统的联系更加紧密，导致某城市房地产金融风险的变化，从而影响到邻近的其他城市。
在经济权重矩阵中，房地产金融风险的空间自相关系数为 0.04，小于地理权重矩阵中的数值，同时在 5%的显著性水平也明显低于上者。研究结果显示，具有相似经济发展水平的城市房地产金融风险具有聚集特征，但与第一种相比程度有所降低，这是源于城市间经济水平的相似体现在金融体系结构和房地产泡沫状况上的一定相似之处，但在城市类型上有许多差异。
在经济层面的加权地理权重矩阵中，房地产融资具有显著的空间相关性，0.21 的系数显著为正，表明如果经济水平差异较大的两个城市距离相近，那么相对发达的一方会对相对一般的城市进行溢出，这是因为前者往往具有更为健全发达的金融。
地价加权的地理权重矩阵显示了房地产金融的空间相关性，0.23 的系数显著为正，说明了地理位置相近的高地价城市对低地价城市同样具有正向溢出，且相对于经济水平差异带来的溢出要更大。
...................................
7 研究结论与展望
7.2 研究展望
本文的边际贡献有三点：首先，对重要的 203 个城市的泡沫情况进行检测；其次，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；最后，泡沫对金融风险的空间影响分析基础上，构建防范防火墙，提出四挡预警并对203 个城市进行了测评。
本文依旧存在一些不足之处。首先，本文选取全国 203 个主要城市为研究对象，且这些研究对象主要集中在东部，西部大多只有省会城市的数据。因此本文的研究结果主要缺少西北城市数据支持。即使本文房价数据是使用 python 爬取的房天下、链家、贝壳和安居客，基本覆盖了全国大部分的城市，但针对西北的非省会城市数据只有 2019年的数据，数据量严重不足，故还是舍弃了这部分数据，而将研究时期统一为：2016年 1 月至 2019 年 8 月。其次，本文针对房地产泡沫对房地产金融风险的影响实证部分同样也受制于地级市的面板数据限制，未选取足够的控制变量，这使实证的结果解释能力弱，不能全面说明其影响机制。
参考文献（略）
