一、真实的房地产泡沫已经出现（论文文献综述）
彭悦悦[1]（2021）在《中国房地产市场泡沫测度及其影响因素分析》文中研究表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。
冯文芳[2]（2020）在《金融杠杆与资产价格泡沫：影响机制及其监控研究》文中指出资产价格泡沫和高杠杆在历史上反复出现,但次贷危机后的资产价格泡沫形成机制和高杠杆作用机理更加复杂;现代金融技术发展产生的影子银行和金融衍生品等不但空转套利推高金融杠杆,而且让问题复杂化;内嵌于银行体系的表外业务严重期限错配以及中国经济转型期结构中存在的各种扭曲现象,使得金融杠杆过度膨胀导致的资产价格泡沫演化过程中出现的新问题和新情况,原有传统理论都无法较好解释经济中的资产价格泡沫现象。目前,中国正处于经济转型和结构升级的重要关口,党的十九大明确提出“我国经济已由高速增长阶段转向高质量发展阶段”,经济增长速度从高速增长开始转为中高速增长,但是金融杠杆仍在不断攀升,金融杠杆增长与经济发展错配现象严重,资本市场的过度繁荣引致资金在金融体系内空转,导致资产价格泡沫和系统性金融风险不断膨胀和累积。金融危机后上述问题成为经济学研究的热点并引起社会各界的广泛关注。在此背景下,首先,通过阅读和归纳国内外关于金融杠杆、资产价格泡沫和经济增长等方面的经典着作和前沿文献,厘清选题的发展脉络、研究现状、存在问题、争论焦点和研究盲点等,为后期研究顺利展开提供文献支撑和理论基础。其次,准确定义资产价格泡沫是研究的逻辑起点,遵循目前国内外经济学界的三种主流观点,对资产价格泡沫的涵义进行明确界定并分析了其一般特征;从理论角度和影响因素角度剖析了资产价格泡沫的形成机理;运用ADF、SADF、GSADF和RADF等资产价格泡沫识别方法,对资产价格泡沫的存在性、存在周期、出现频率和程度大小等进行了识别和检验,实证结果表明在样本研究期内显着存在周期性资产价格泡沫;并且运用协整模型和向量误差修正模型（VECM）提取了资产价格泡沫。第三,以金融杠杆经济本质研究作为切入点,从微观和宏观角度分别定义和度量了金融杠杆,揭示微观金融杠杆与宏观金融杠杆背离的原因和实质;采用债务收入比法和即时拆分法（TD）测算了我国的金融杠杆;重点揭示和研究了金融加杠杆的根源、实质、动力、渠道、特点和成因等;不但构建了金融杠杆驱动的资产价格泡沫模型,从理论上厘清两者之间的内在逻辑关系,而且把滚动宽窗Granger因果检验模型和Bootstrap统计检验结合,从实证上验证了金融杠杆和资产价格泡沫相互动态影响机制的程度、频率与方向以及与经济事件之间的关系。第四,高杠杆和资产价格泡沫仅是表象,隐藏其背后的实质是虚拟经济与实体经济的失衡,因此加入经济增长因素,从表象分析上升到实质研究,进一步揭示金融杠杆、资产价格泡沫与金融、经济之间的影响效应。具体内容包括:（1）运用差分广义矩估计（DGMM）和门限效应,对国内16家上市银行从两个阶段检验了货币政策传导的银行风险承担渠道的杠杆机制的有效性,实证结果表明:货币政策可以通过杠杆率对银行风险承担产生显着影响;货币政策与银行风险承担之间存在双重杠杆率门限效应;（2）运用傅里叶变换和频谱分析法研究了资产价格泡沫与经济增长之间的周期联动效应,实证结果表明:我国资产价格泡沫和经济增长的周期联动关系较复杂,并且两者在周期联动上更多的存在背离现象;（3）基于R&D模型,加入金融杠杆因素,研究了不存在和引入资产价格泡沫时经济增长的均衡结果,并推断出资产价格泡沫与经济增长共容的条件。（4）运用MCMC算法和SV-TVP-SVAR模型从时期与时点两个角度对金融杠杆、资产价格泡沫与经济增长三者之间的时变关系进行验证,实证结果表明:三个经济变量之间具有非常显着的时变特征。最后,高杠杆下去杠杆是必然选择,准确定义去杠杆的涵义并对目前去杠杆存在的误区做了澄清;分别探索了实体去杠杆和金融去杠杆的路径;运用合成控制法（SCM）检验了限贷政策能否抑制房地产泡沫?实证结果表明:在4个研究样本中,限贷政策对3个样本的商品房销售价格无法起到降低的作用;囿于传统资产价格泡沫监控研究方法与模型的缺陷,尝试运用人工智能中的支持向量回归（SVR）模型和BP神经网络（BPNN）技术构建了资产价格泡沫监控系统,结果表明,人工智能技术可以很好逼近与诠释样本历史数据所蕴含的内在规律,有效实现监控功能。根据上述主要研究结论,提出了四点政策建议:（1）拓展宏观货币政策调控目标范围,把资产价格纳入中央银行决策信息集,构建货币和信贷流动以及资产价格泡沫监控系统;（2）减少或消除刚性兑付和不必要的政府隐性担保,实现国有资产管理体制和商业银行行为市场化,政府职能回归公共管理本质;（3）坚持中性稳健的货币政策,保持适度的货币流动性,建立宏观审慎评估体系MPA和对金融体系资产实施穿透管理,对影子银行进行有效管理;（4）精准掌控“结构性去杠杆”的节奏、力度、时间、主体,有条不紊降低杠杆率。
田笑宇[3]（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》文中提出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;
陈亮[4]（2020）在《西安市房地产市场泡沫测度》文中进行了进一步梳理近年来,随着国民经济的快速发展,我国房地产业的发展也越来越快,与此同时多地的房价也有不同幅度的上涨。以西安市为例,西安房价曾创下连续上涨39个月的记录,引起了全国范围的关注。房价上涨一方面可以带动相关产业发展,促进就业,但是另一方面如果房价上涨偏离合理水平,产生房地产泡沫,就会影响到经济的健康发展和老百姓的生活水平,因此,分析研究房地产市场的泡沫水平并提出相应的建议就显得至关重要。本文首先简要分析了国内外对房地产市场的研究现状,并介绍了相关的理论与历史事件,之后以西安市的房地产市场为研究对象,运用综合指标法和理论价格法对其是否存在泡沫进行测度,然后得出结论。基于综合指标法需要选取一系列的指标,这些指标反映了西安市房地产市场的供求状况,房价走势等基本情况,在选取时注意选取的指标符合重要性、独立性等原则,本文确定了五个指标来测度西安市房地产市场的泡沫情况,根据熵权法的计算公式,为五个指标分配了权重,可以计算出泡沫综合系数K值,与临界值相比较得到房地产泡沫的大小。而理论价格法是根据相关的计算公式得出房屋的理论价格,再与实际的价格进行比较。理论价格法分为理论价格数量模型法和收益还原法,本文选择理论价格数量模型法来测度,并进行了一定的修正。具体计算是,先通过选取的指标计算出价格增长率,之后得到理论价格,并与实际价格比较,实际价格超过理论价格越多,则说明泡沫程度越大。根据相关计算结果可以得出以下结论,西安市在2008年-2018年之间,有部分年份存在着房地产泡沫,并且泡沫系数出现了一定的波动,具体来说在2011年-2013年,2017年-2018年之间都存在着房地产泡沫,2011年泡沫系数达到最高,之后出现了一定程度的下降,说明2011年之后政府的宏观调控措施取得了一定的效果,但是近年来泡沫系数上升,说明房地产市场仍然存在过热的迹象,泡沫在继续扩大需要密切关注。本文从宏观和微观层面分析了房地产市场泡沫产生的原因,并对西安市房地产市场进行了实证研究,发现西安市房地产市场存在一定程度的泡沫,需要密切关注。为了促进房地产市场健康发展,本文提出了多条建议,包括加强对投机行为的打击,减少非理性需求;政府加强引导,形成合理的住房结构;健全招投标制度,审核开发商的资质等。希望本文的研究结果和相关建议能够为西安市房地产市场的发展提供一些参考。
刘骏,赵魁,张平[5]（2020）在《基于小波分析的中国房地产泡沫测算》文中研究表明文章从房地产泡沫的概念入手解析了其内涵,采用小波分析方法建立了房地产泡沫测算模型,并利用国家统计局公布的1998—2017年全国27个省会城市及4个直辖市房地产均价数据进行了实证研究,通过小波去噪提取出了各个城市房地产真实价格以及相应泡沫数值。结果表明:1998—2009年房地产泡沫整体呈温和上升趋势,但是自2010年开始各个城市的泡沫加速增长,且一、二、三线城市之间差异相对明显;自2010年起一线城市泡沫上涨迅猛;从2014年开始全国二、三线各城市泡沫也都开始迅速上升。
刘光辉[6]（2020）在《阜阳市房地产泡沫研究》文中指出1998年我国开展全面深化住房改革工作,中国房地产业发展迎来契机。在多种因素的加持下,中国房地产业在随后的十多年里取得了跨越式的发展。房地产业的蓬勃发展不仅促进了国民经济的发展,也极大的改善了人民群众的住房水平。但过快的发展速度也带来了一系列的经济问题和社会问题。各地不断攀登的房价以及市场投机现象都给房地产市场的健康状况画了一个大大的问号。房地产市场是否有泡沫?泡沫状况如何?为此众多学者利用不同测度方法对各地的房地产市场进行分析研究,以求探明真相。但在众多的研究中,发现相较于一、二线城市,三、四线小城市的房地产的泡沫状况却不太受人重视。为弥补这一研究状况,本文立足于阜阳市这个三四线城市,对其房地产发展状况进行研究。阜阳市地处安徽省西北部,下辖3区4县1市,总面积为9775平方公里。据第六次人口普查显示,2018年阜阳市总人口为1070.8万人,其中820.7万人为常住人口,位列安徽省第一。从经济区位条件上看,阜阳市是中原经济区规划建设中的重要城市,同时也是沿海地区进行产业转移的重要输入地。早期阜阳市房地产业起步相对较慢,但近年受大环境带动和阜阳自身的经济发展,阜阳市房地产业有了快速的发展,房价整体持续走高。但持续走高的房价是否理性、是否符合市场发展的规律、是否存在房地产泡沫,这些都值得进行进一步的研究。本文在充分阅读国内外房地产泡沫相关文献的基础上,总结了房地产泡沫的形成、危害以及影响其发展的原因。又立足于阜阳市房地产发展实际,从宏观和微观两个角度对阜阳市房地产发展状况进行了梳理。同时在多种房地产泡沫测度方法中选择了指标体系法对阜阳市房地产泡沫状况进行测度。先是通过比较筛选,选取了5个具有代表性的指标,利用这5个指标对阜阳市2004-2018年房地产市场泡沫状况进行单一指标测度,而后利用因子分析法对5个指标进行赋权,对阜阳市房地产市场泡沫状况进行综合测度分析。结论显示,自2012年以后阜阳市房地产市场开始出现泡沫现象且日趋剧烈。随后,为约束阜阳市房地产泡沫发展,开始针对阜阳市房地产泡沫的影响因素进行实证分析。选取了7个最有可能影响阜阳市房地产泡沫的因素,进行灰色关联度分析,得出主要影响因素。结论显示,销售面积和房地产开发投资额是影响阜阳市房地产泡沫状况的主要因素。最后本文根据研究结果,从土地宏观调控、限制投机性需求、完善保障性住房、加强市场监控四个方面对阜阳市房地产市场健康发展提出政策建议。
李程,杨皓熙,禹路瑶[7]（2019）在《基于房地产市场泡沫测算的居民杠杆风险研究》文中进行了进一步梳理针对居民杠杆率不断提高以及资产泡沫破灭的潜在风险问题,首先在Allen和Gale（2000）信贷模型的基础上,加入杠杆率和财富因素,构建杠杆-泡沫模型,然后通过房价收入比的动态上限判断2007—2017年中国及2006—2016年各主要城市的房地产泡沫水平,并以此为基础对房地产泡沫和杠杆率的关系进行协整检验。结论认为:居民杠杆率如何选择取决于财富和风险的权衡,并且房地产泡沫与居民杠杆率呈现"倒U型"的关系,"U型"曲线的极值可以视作居民杠杆率的阈值;以"居民贷款/GDP"衡量的居民杠杆率的阈值为61.05%,同时结合负债可支配收入比的分析,综合判断认为,目前中国居民杠杆风险虽然在可控范围内,但应该予以警惕。
王振鹏[8]（2019）在《非理性预期下房地产泡沫度量及检验研究》文中指出在我国房地产业是集基础性、前瞻性为一体的行业,其发展的同时带动了相关产业链的发展,也是我国国民经济发展的主导产业。纵观房地产市场,中国住房价格呈井喷式增长,从而引起国民对于房地产行业是否存在泡沫的疑虑,如果存在泡沫,那么泡沫该如何去度量?通过对现有的国内外文献的查阅,对于房地产泡沫的评估方法各有千秋,同时也存在不足之处,所以建立同我国实际情况相结合,同时又能准确度量房地产泡沫程度的研究就成了亟待解决的问题。第一,本文对国内外现有的关于房地产泡沫的方法予以综述,同时对土地“招拍挂”制度下地产商适应性预期房产价格诸多引致因素中的非理性因素和具有从众心理的噪声交易者进行了详细的解释。第二,本文采用Phillips等（2011）提出的SADF和Phillips等（2015）提出的GSADF方法对我国房地产市场价格进行泡沫检验。在一线城市中选取北京、二线城市中选取武汉、三线城市中选取昆明,对其平均房价分别做泡沫检验。第三,本文从微观经济学中消费者效用最大化以及生产厂商利润最大化出发,构建了理性和非理性预期的买房者--开发商模型,从理性预期层面确定房地产行业基础面价格,从非理性预期层面确定投机价格,最后结合这两个方面给出房地产泡沫评估的公式。第四,本文通过查阅北京市、武汉市、昆明市统计局相关统计数据,通过计量模型对查阅数据给予实证检验,结论为北京市、武汉市和昆明市均存在房地产泡沫,从实证检验的角度论证了模型的有效性。最后,本文将上述两种方法予以对比分析,从央行货币供给、房地产开发投资额的增长等角度具体分析了导致这三个城市房地产泡沫存在差异的原因,并从消费者和地产商两个角度对房地产目前存在的问题给予适当的建议。
刘芮嘉[9]（2019）在《资产重估与货币政策选择》文中进行了进一步梳理进入21世纪以来,我国以加入WTO为标志,对外开放程度不断扩大,使得自1994年实行外汇管理体制之后呈现出的经常账户与资本账户“双顺差”特点得到进一步加强,外汇资产占央行资产比重逐年增加,我国以对冲外汇为主的流动性投放模式正式拉开序幕。此后近20年时间里,在通货膨胀水平维持稳定的情况下,投放到经济体中的大量货币流入资本市场,导致我国以股票市场估值中枢系统性抬升,以及房地产市场价格大幅上涨为主要标志的资产重估问题凸显。2013年随着我国经济发展进入“新常态”,对外贸易顺差的缩减使得我国以国外资产为基础的货币供给方式难以持续,流动性逐步转向以国内资产为信用基础的投放,此时更加需要资本市场的良性健康发展。特别是2017年党的十九大报告中明确提出我国经济已经由高速增长阶段向高质量发展阶段迈进,发展方式、经济结构和发展动能的转变成为下一阶段的主要任务。因此,资产重估及经济结构调整已成为目前我国经济发展中亟待解决的重要议题。本文基于目前中国的经济发展现状,重点研究我国房地产市场资产价格重估的相关问题,按照从现象到本质、从理论到实证的研究思路,首先通过概念对比界定出资产重估的准确定义,在对相关国家资本市场波动案例进行解析的基础上,创新性提出资产重估的分析视角,并建立资产重估检测体系,以此对我国房地产市场为代表的资本市场运行作出资产重估层面的解读。基于理论及事实检验对资产重估内涵作出定义后,从我国宏观经济背景出发寻找资产重估在货币数量及结构层面的影响因素,探寻资产重估问题的本质。随后讨论资产重估与货币政策间的互动影响机制,以及货币政策在应对资产重估问题中面临的经济体系结构性制约问题。最后研究资产重估及经济结构扭曲背景下的货币政策执行框架,并通过对创新型结构性货币政策工具执行效果的实证检验,实现从理论到实证的研究路径,提出灵活运用创新型结构性货币政策工具应对资产重估及经济结构问题的政策建议。按照这样的逻辑主线,本文核心内容归纳为四个方面:本文首先对资产重估概念进行了界定,在综合对比资产、资产定价、资产价格波动及资产泡沫概念及特征的基础上,给出资产重估的定义:资产重估,是指经济体系中各项冲击通过影响投资主体盈利预期,使资本市场上资金配置数量和结构发生改变,而引发的资产价格长期总体持续上涨的过程,主要表现为资本市场无风险利率的下降和估值中枢的系统性抬升。同时梳理资产重估的内涵及特征,总结出资产重估在经济运行中的表现,以及其过程对金融稳定带来的隐忧。接着以日德两国为例,分析其在二战后期发展路径一致的情况下,资本市场却在20世纪90年代中出现不同表现的特征及原因,并创新性地从资产重估视角对两国代表性时期的资本市场运行做出全新解释,得出日本在资产泡沫破裂前15年期间,房地产市场及股票市场均经历了资产重估过程;德国在2008年金融危机过后的房地产市场同样经历着资产重估过程的结论。本文随后基于我国具体国情,选择资本市场中最能体现资产价格重估过程的房地产市场为代表,建立了资产价格重估的检测体系,综合选取三大类12项研究指标,从供给、需求和信贷三个角度分别测度价格波动程度,划定检测区间,建立完整的检测指数体系,对我国房地产价格进行重估检测。结果表明,我国房地产市场自2003年以来至今已经经历并将持续经历资产重估过程,个别年份虽出现泡沫预警,但尚未达到泡沫经济状态的结论。在对资产重估进行了概念界定及内涵探究的基础上,本文随后对资产重估产生的宏观经济背景及原因进行介绍与研究。我国现阶段的宏观经济发展呈现出如下特点:依靠大量投资驱动的经济发展模式、货币膨胀与经济脱实向虚、居民收入差距扩大以及高储蓄率导致的资产价格上涨。在此基础上进一步分析资产重估的影响因素:通过对房地产市场价格重估的解析,得出资产重估原因之流动性过剩;通过对货币职能理论及“高货币之谜”的探析,得出资产重估原因之货币结构变化;通过研究资产替代及要素价格重估,得出资产重估原因之资产要素价格。此部分为对资产重估由现象到本质的剖析过程。在明确了资产重估背后的影响因素基础上,本文开始就其主要原因,即货币数量及结构问题进行研究。文章第5章首先论述了资产重估与货币政策的互动影响机制,该部分开篇介绍了货币政策的四种传导渠道,着重强调了资产价格渠道在货币政策传导中发挥的作用,并根据我国实际情况,特别分析了房地产价格对货币政策的传导机制。接着对资产重估与货币政策互动机制进行研究,通过建立Bordo-Jeanne的经典分析框架,探究货币当局在资产价格膨胀时所面临的困境:前瞻性货币政策（Proactive）与被动的货币政策（Reactive）选择。结论分析表明资产重估带来的抵押品价格上涨会存在潜在的信贷危机,货币当局应当根据具体的经济条件（如预期）决定是否采取事前反应的必要措施来限制信贷规模。文章随后在第6章资产重估与货币政策的结构性制约的研究中,首先讨论了资产重估与金融市场不完全、实体经济结构性扭曲之间的关系,接着根据中国现实经济中存在的结构性扭曲因素（如政府融资平台扩张等）,构建信贷市场局部均衡动态模型,厘清我国利率系统性抬升、经济结构扭曲的内在互动机制,在此基础上分析信贷市场变动可能带来的“产业空心化”等宏观金融风险,以及货币政策总量调控的失灵,并提出灵活运用结构性货币政策的建议。在厘清了资产重估与货币政策关系的基础上,本文最后一部分内容将理论与实证相结合,探讨资产重估条件下的货币政策执行。该部分首先对我国现行货币政策框架特点做出阐述,明确货币政策目标、传导机制和政策工具,并指出现行货币政策执行存在的不足。随后提出我国经济追求高质量发展新阶段所面临的挑战,对货币政策执行提出的新要求,重点强调探索货币政策的结构性调节作用。接下来的实证研究部分采用VAR模型,在创新性地将结构性货币政策分为数量型和利率导向型两个类别的基础上,分别对两类货币政策对经济增长、利率波动、上市公司总市值和物价水平四个层面的效应进行实证分析。实证分析得出利率导向型政策作用力度总体大于数量型货币政策的结论,但在具体实施过程中仍需针对不同背景及政策目标,灵活选取多项政策组合的结论。最后从“资产重估”与“结构调整”两个角度,提出货币政策要充分发挥其结构性调节作用,用创新性的手段和方式应对资产价格重估、促进经济结构合理布局、引导资金流向实体经济重点领域,同时加强货币政策与宏观审慎监管的有效配合,健全“双支柱”框架以更好地防控金融风险,维护金融市场稳定,促进宏观经济健康发展。
李伦一[10]（2019）在《资产泡沫测度、空间传染与联动效应的实证研究》文中提出现代经济经常出现资产价格大幅波动的情况,而这种情况无法通过经济基本面的变化来解释。通常我们把这些情况或者现象叫做泡沫的膨胀和破灭。从大部分的文献来看,这些泡沫是不可预测并会产生实质性的宏观经济效应的。当泡沫膨胀时,消费、投资会飙升,经济持续增长;在泡沫破裂时,消费、投资会下降或放缓,经济会崩溃或停滞不前。所以,本论文意在通过研究不同资产市场中出现的泡沫,来讨论以下问题:这些泡沫能否被测度?泡沫如何通过空间传染?泡沫之间是否存在联动效应?本论文主要使用对数周期型幂律模型（Log Period Power Law,LPPL）和基于分位数回归的LPPL对资产价格泡沫进行建模和测度,并结合一些前沿实证方法,同时考虑到中国股票市场、中国房地产市场和国际数字货币市场的特性,进一步考察这些资产价格泡沫在分位数测度、空间传染以及不同市场之间的联动效应。在泡沫的经典文献中,资产价格在几个月甚至几年的过程中急剧上升,远远超过资产未来现金流合理的估值水平。这些价格上涨伴随着大量的投机和高交易量,而价格泡沫最终以崩盘告终,其中价格崩盘甚至比上涨更快。本论文首先梳理金融市场泡沫的研究理论和文献。其次,在对现有文献进行梳理和评述的基础上,采用LPPL模型及基于分位数回归的LPPL这一泡沫测度方法对股票的价格泡沫和市场崩溃进行定义和数据切分,随后拟合并对金融资产价格泡沫进行研究和预测。主要结论表明,在LPPL模型中,利用Confidence指标在拟合股市泡沫时是可靠的。同时发现,实证分析中,沪深300和中证500的Confidence值更大,这说明模型对于这两个市场拟合得更好,并且能够比较好地预测金融资产价格泡沫的发生。同时,将分位数回归模型与LPPL模型相结合,能够优化模型的预测效果,并将模型应用到中国股票市场,对预测结果进行验证,增强模型结论的稳健性。在各分位数水平下,尽管在时间上存在一定程度的向前或向后的评议,但LPPL模型结合有效的数据均可以很好的预测金融资产价格泡沫的爆发,相关指数也能一定程度上对泡沫爆发起到预警作用。再次,本论文就中国的房地产市场价格泡沫进行讨论。本部分的研究目的即:建立房地产价格泡沫空间传染模型对我国各城市房地产市场泡沫空间传染性进行实证分析,并就各地方政府房地产调控政策进行评估。具体探究:与其他金融资产相比,房地产市场的价格泡沫应该怎么测度?房地产市场的价格泡沫是否存在空间传染性?背后的影响机制是怎样的?各地区的房地产宏观调控政策是否有效的防止了房地产价格泡沫的继续膨胀?上述问题的研究不仅能够对我国各城市的房地产价格泡沫进行定量分析,而且能够发现各地房地产泡沫之间的联动特征关系。上述问题的解答也有助于各地方政府因地制宜地进行房地产调控,对有效防范房地产区域性风险提供政策建议和参考。不同于股票市场,房地产价格泡沫是一个中长期的价格持续升高的形成过程,而且缓慢持续,而LPPL模型能更好的模拟房地产价格成长和反转的过程。区别于现有文献,本部分还进一步考虑正向泡沫和反转泡沫区域的房地产价格泡沫特点。两者最大区别在于价格动态是在价格崩溃点之前还是之后:正泡沫是价格呈现快于指数增长且伴随振荡,且价格崩溃点在未来某一刻出现;反转泡沫的出现则是在价格崩溃点之后,价格由下向上的调整。通过采用2010年6月到2017年11月间100个城市的房地产市场数据,LPPL模型能够对我国100个城市房地产价格泡沫进行甄别且识别出主要存在两种泡沫状态:正向泡沫（房价持续上升）和反转泡沫（房价整体下降却存在反转点）。各个城市（地区）房地产价格具有较强的空间传染性;存在正向泡沫区域的空间传染性相较反转泡沫区域更为明显,在考虑经济空间测度而不是物理空间测度的情况下,各城市间的空间传染性更强。与现有文献不同,我们发现反转泡沫区域的新房价格指数特别是二手房价格指数的上升对周边城市的房地产价格指数存在强烈的正向推高影响。最后,我们发现城市的房地产调控政策在一定程度上抑制了传统因素（比如信贷和新房、二手房价等）对房地产价格泡沫的推高,但是,各城市房地产价格之间的联动变化特征反而更应该引起监管者的注意。最后,本论文对被业界认为“泡沫最多”的数字货币进行了实证研究,探究数字货币资产是否存在泡沫累积的过程,并将货币政策作为外生冲击因素,考察货币政策对数字货币资产价格泡沫之间的联动效应。现有电子货币资产的数目高达400多种,而其背后的逻辑和社区构成方式基本都由本文所选取的三种数字货币资产组合衍生而来（所选的三种具有代表性数据为比特币、崛起币和格雷德币）,且这三种数字货币的市值目前为全世界前三。另一方面,尽管我国严格禁止数字货币的发行,但此部分的研究对于监管者仍有一定的参考意义,比如由于数字货币市值和交易量的日益增大,其对其它金融市场的影响也逐渐加大,特别是对全球金融安全的影响不断加大,而数字货币价格的大起大落会对全球金融市场的稳定构成威胁。本部分认为数字货币的泡沫置信度之间存在较强的联系,也就是说不同数字货币的泡沫之间存在较强的联系,而价格对于泡沫置信度和泡沫的影响相比之下则有限。本部分构造的泡沫指标和使用的数字货币资产价格预测模型通过控制训练集范围等措施能够达到较好的预测效果。同时,在对价格波动溢出效应的研究中发现不同数字货币之间的泡沫置信度联动关系具有各自的特点。货币政策能够较为显着的影响泡沫置信度的波动率,在货币政策宣布后一段时间内,数字货币的价格往往波动较为剧烈,更容易产生泡沫和发生泡沫破裂,而货币政策对不同数字货币的影响程度不同。本论文的创新主要在于:一是通过结合分位数回归模型,改进传统的LPPL模型,优化资产价格泡沫的预测效果。我们将这一扩展模型应用到中国股票市场,对预测结果进行验证,发现模型结合有效的数据均可以很好的预测金融资产价格泡沫的爆发,相关指数也能一定程度上对泡沫爆发起到预警作用。二是就中国百城房地产价格泡沫进行定量测度,同时考虑不同空间（物理和经济）结构中百城房地产价格泡沫的传染效应。本章节基于微观层面100个城市的基本经济背景数据对房地产泡沫空间传染研究。与现有文献不同,本章节发现反转泡沫区域的新房价格指数对周边城市的房地产价格指数存在强烈的正向推高影响。房地产调控政策在一定程度上抑制了传统因素对房地产价格泡沫的作用,但是,各城市房地产价格之间的联动效应应该引起监管者的注意。三是选取国际最具代表性的几种数字货币,采用分位数回归LPPL模型测度数字货币价格泡沫,并采用EGARCH模型分析不同数字货币价格泡沫之间对货币政策的反应效果。不同于现有波动性溢出效应文献,本章节通过模型衍生出的置信度指标来探究数字货币泡沫发生概率之间的联动（溢出）效应,并且配合货币政策作为事件研究,进一步探究数字货币泡沫发生概率之间在货币政策前后不同的表现。
二、真实的房地产泡沫已经出现（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、真实的房地产泡沫已经出现（论文提纲范文）
（1）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 |
（2）金融杠杆与资产价格泡沫：影响机制及其监控研究（论文提纲范文）
| 摘要 |
| Abstract |
| 主要缩略词、符号变量的注释表 |
| 第一章 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 研究思路、内容与方法 |
| 1.2.1 研究思路 |
| 1.2.2 研究内容 |
| 1.2.3 研究方法 |
| 1.3 论文创新与不足之处 |
| 1.3.1 论文创新 |
| 1.3.2 不足之处 |
| 第二章 文献综述 |
| 2.1 资产价格泡沫的含义及其形成机理研究综述 |
| 2.1.1 理性预期理论 |
| 2.1.2 行为金融理论 |
| 2.1.3 以分形和混沌理论为代表的非线性理论 |
| 2.1.4 信贷理论 |
| 2.1.5 金融发展理论 |
| 2.2 资产价格泡沫的存在性检验及测度研究综述 |
| 2.2.1 资产价格泡沫的存在性检验 |
| 2.2.2 资产价格泡沫存在性的检验方法 |
| 2.2.3 资产价格泡沫的测度方法 |
| 2.3 金融杠杆与资产价格泡沫的影响关系研究综述 |
| 2.3.1 金融杠杆与资产价格泡沫的影响关系 |
| 2.3.2 金融杠杆与房地产泡沫的影响关系 |
| 2.4 资产价格泡沫对经济增长的影响研究综述 |
| 2.4.1 资产价格泡沫对经济增长的促进作用 |
| 2.4.2 资产价格泡沫对经济增长的不利作用 |
| 2.4.3 资产价格泡沫与经济增长的周期联动效应 |
| 2.5 资产价格泡沫监控研究综述 |
| 2.5.1 主张从市场层面入手监控资产价格泡沫 |
| 2.5.2 从货币政策角度监控资产价格泡沫 |
| 2.5.3 利用托宾税监控资产价格泡沫 |
| 2.6 对现有文献的评述 |
| 2.7 本章小结 |
| 第三章 资产价格泡沫形成机理及其检验研究 |
| 3.1 资产价格泡沫的理论界定 |
| 3.1.1 资产 |
| 3.1.2 资产价格泡沫的载体类型 |
| 3.1.3 资产价格泡沫涵义界定 |
| 3.2 资产价格泡沫的形成机理分析 |
| 3.2.1 资产价格泡沫形成的理论基础 |
| 3.2.2 资产价格泡沫形成的影响因素 |
| 3.3 资产价格泡沫的检验 |
| 3.3.1 检验方法 |
| 3.3.2 变量说明及数据来源 |
| 3.3.3 检验结果及其分析 |
| 3.4 资产价格泡沫的提取 |
| 3.4.1 向量误差修正模型 |
| 3.4.2 资产价格泡沫提取 |
| 3.5 本章小结 |
| 第四章 金融杠杆与资产价格泡沫的影响机制研究 |
| 4.1 金融杠杆的经济本质及度量 |
| 4.1.1 金融杠杆的经济本质 |
| 4.1.2 金融杠杆的度量 |
| 4.2 金融加杠杆的机理分析 |
| 4.2.1 金融加杠杆的根源 |
| 4.2.2 金融加杠杆的实质 |
| 4.2.3 金融加杠杆的内在驱动力 |
| 4.2.4 金融加杠杆的实现路径 |
| 4.2.5 金融加杠杆的特征与成因 |
| 4.3 基于金融杠杆驱动的资产价格泡沫模型构建 |
| 4.3.1 理论分析 |
| 4.3.2 基于金融杠杆驱动的资产价格泡沫模型 |
| 4.4 金融杠杆与资产价格泡沫影响关系的实证分析 |
| 4.4.1 滚动宽窗Granger因果检验方法 |
| 4.4.2 变量说明与数据检验 |
| 4.4.3 实证结果及其分析 |
| 4.5 本章小结 |
| 第五章 金融杠杆和资产价格泡沫的影响效应研究 |
| 5.1 金融杠杆影响商业银行风险承担效应研究 |
| 5.1.1 理论分析 |
| 5.1.2 研究假设与变量定义 |
| 5.1.3 动态面板模型和门限检验方法 |
| 5.1.4 实证结果及其分析 |
| 5.2 资产价格泡沫与经济增长的周期联动效应研究 |
| 5.2.1 频谱分析方法 |
| 5.2.2 变量说明及数据来源 |
| 5.2.3 实证结果及其分析 |
| 5.3 资产价格泡沫与经济增长的共容效应研究 |
| 5.3.1 模型基本假设 |
| 5.3.2 资产价格泡沫与经济增长的共容条件 |
| 5.4 金融杠杆、资产价格泡沫与经济增长的时变效应研究 |
| 5.4.1 SV-TVP-SVAR模型 |
| 5.4.2 变量说明及数据来源 |
| 5.4.3 实证结果及其分析 |
| 5.5 本章小结 |
| 第六章 金融去杠杆与资产价格泡沫监控系统研究 |
| 6.1 去杠杆的范畴界定及认知 |
| 6.1.1 去杠杆的范畴界定 |
| 6.1.2 去杠杆的正确认知 |
| 6.2 实体去杠杆路径研究 |
| 6.2.1 “去杠杆”与“稳增长”的困境 |
| 6.2.2 实体去杠杆的路径 |
| 6.3 金融去杠杆路径研究 |
| 6.3.1 金融去杠杆的阶段和政策 |
| 6.3.2 金融去杠杆的路径 |
| 6.4 限贷政策抑制资产价格泡沫的效应研究 |
| 6.4.1 合成控制法 |
| 6.4.2 变量说明与数据来源 |
| 6.4.3 实证结果及其分析 |
| 6.5 资产价格泡沫监控系统研究 |
| 6.5.1 SVR模型与股市泡沫监控系统研究 |
| 6.5.2 BP神经网络与房地产泡沫监控系统研究 |
| 6.6 本章小结 |
| 第七章 研究结论与展望 |
| 7.1 主要研究结论 |
| 7.2 政策建议 |
| 7.3 研究展望 |
| 参考文献 |
| 攻读博士学位期间的科研情况 |
| 致谢 |
（3）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 |
（4）西安市房地产市场泡沫测度（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 符号对照表 |
| 第一章 绪论 |
| 1.1 研究背景、目的及意义 |
| 1.1.1 研究背景 |
| 1.1.2 选题目的 |
| 1.1.3 选题意义 |
| 1.2 国内外文献综述 |
| 1.2.1 国外研究综述 |
| 1.2.2 国内研究综述 |
| 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 研究方法及技术路线 |
| 1.4 本文贡献与不足 |
| 1.5 本章小结 |
| 第二章 房地产泡沫相关理论 |
| 2.1 一般泡沫理论 |
| 2.1.1 泡沫的概念 |
| 2.1.2 泡沫理论的发展 |
| 2.2 房地产泡沫理论 |
| 2.2.1 房地产泡沫的含义 |
| 2.2.2 历史上的房地产泡沫事件 |
| 2.2.3 房地产泡沫的表现形式 |
| 2.2.4 房地产价格泡沫的成因 |
| 2.2.5 房地产价格泡沫的危害 |
| 2.3 常用的房地产泡沫测度方法 |
| 2.3.1 指标指示法 |
| 2.3.2 理论价格法 |
| 2.3.3 统计检验法 |
| 2.3.4 房地产价格泡沫测度方法的适用性分析 |
| 2.4 本章小结 |
| 第三章 西安市房地产发展现状 |
| 3.1 西安市概况 |
| 3.2 西安市房地产市场现状 |
| 3.2.1 房地产开发投资情况 |
| 3.2.2 西安市房屋销售情况与竣工情况 |
| 3.2.3 房地产价格分析 |
| 3.2.4 城镇人均居住面积 |
| 3.2.5 土地市场出让及成交情况 |
| 3.2.6 西安市房地产企业情况 |
| 3.2.7 西安市房地产调控政策 |
| 3.2.8 西安市房地产市场存在的主要问题分析 |
| 3.3 本章小结 |
| 第四章 西安市房地产泡沫情况研究 |
| 4.1 指标选取的要求 |
| 4.1.1 房地产价格泡沫测度指标的选定 |
| 4.2 西安市房地产价格泡沫指标的测度与分析 |
| 4.2.1 房地产开发投资额/全社会固定资产投资额 |
| 4.2.2 房地产开发投资增长率/GDP增长率 |
| 4.2.3 房价收入比 |
| 4.2.4 房地产销售价格增长率/GDP增长率 |
| 4.2.5 商品房施工面积/商品房竣工面积 |
| 4.3 西安市房地产泡沫的综合测度 |
| 4.3.1 确定各指标的权重 |
| 4.3.2 综合指标法对西安市房地产价格泡沫的测度 |
| 4.3.3 基于理论价格法的实证研究 |
| 第五章 西安市房地产泡沫防范的建议 |
| 5.1 对于房地产市场相关的建议 |
| 5.1.1 加强对投机行为的打击 |
| 5.1.2 形成合理的住房结构 |
| 5.1.3 严格管理相关贷款 |
| 5.1.4 严厉打击囤地行为 |
| 5.1.5 健全招投标制度 |
| 5.2 本章小结 |
| 第六章 结论与展望 |
| 6.1 结论 |
| 6.2 展望 |
| 参考文献 |
| 致谢 |
| 作者简介 |
（6）阜阳市房地产泡沫研究（论文提纲范文）
| 摘要 |
| abstract |
| 第一章 绪论 |
| 1.1 选题背景、目的及意义 |
| 1.1.1 选题背景 |
| 1.1.2 选题目的及意义 |
| 1.2 文献综述 |
| 1.2.1 国外文献综述 |
| 1.2.2 国内文献综述 |
| 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 研究技术路线 |
| 1.3.3 研究方法 |
| 1.4 创新点与不足 |
| 1.4.1 创新点 |
| 1.4.2 不足之处 |
| 第二章 房地产泡沫理论与测度方法 |
| 2.1 房地产泡沫的含义 |
| 2.1.1 泡沫的含义 |
| 2.1.2 房地产泡沫概念的界定 |
| 2.2 房地产泡沫成因分析 |
| 2.2.1 土地的稀缺性 |
| 2.2.2 政府政策行为 |
| 2.2.3 人均可支配收入 |
| 2.2.4 银行贷款状况 |
| 2.2.5 过度投机 |
| 2.3 房地产泡沫的影响 |
| 2.3.1 影响社会资源配置 |
| 2.3.2 影响金融系统 |
| 2.3.3 对城市吸引力影响 |
| 2.4 房地产泡沫测度方法简介 |
| 2.4.1 指标体系法 |
| 2.4.2 统计检验法 |
| 2.4.3 理论价值法 |
| 2.5 本章小结 |
| 第三章 阜阳市房地产市场发展现状分析 |
| 3.1 阜阳市房地产宏观发展状况 |
| 3.1.1 国民经济发展状况 |
| 3.1.2 土地交易状况 |
| 3.1.3 旧城改造现状 |
| 3.1.4 居民收入水平 |
| 3.2 阜阳市房地产市场微观发展状况 |
| 3.2.1 房地产开发投资状况 |
| 3.2.2 房地产开发企业数量方面 |
| 3.2.3 房屋销售状况 |
| 3.2.4 商品房屋销售价格状况 |
| 3.3 本章小结 |
| 第四章 阜阳市房地产泡沫评价分析 |
| 4.1 单一指标下的评价分析 |
| 4.1.1 评价指标的选定 |
| 4.1.2 评价指标定量分析 |
| 4.2 综合指标下的评价分析 |
| 4.2.1 基于因子分析法对单个指标权重的确定 |
| 4.2.2 综合指标下的阜阳市房地产泡沫的计算 |
| 第五章 阜阳市房地产泡沫影响因素分析 |
| 5.1 灰色关联分析 |
| 5.1.1 灰色关联分析简介 |
| 5.1.2 灰色关联分析的计算步骤 |
| 5.2 实证研究 |
| 5.2.1 数据选取 |
| 5.2.2 实证分析 |
| 5.2.3 实证结果分析 |
| 第六章 促进阜阳市房地产市场健康发展的政策建议 |
| 6.1 土地市场宏观调控 |
| 6.1.1 抑制开发商圈地行为 |
| 6.1.2 完善土地交易拍卖制度 |
| 6.2 限制房地产市场投机性需求 |
| 6.2.1 金融手段 |
| 6.2.2 税收手段 |
| 6.3 推进完善住房保障体系 |
| 6.3.1 完善住房保障制度 |
| 6.3.2 加强保障性房供给 |
| 6.4 完善市场信息,加强市场监控 |
| 6.4.1 健全房地产市场信息系统 |
| 6.4.2 加强房地产市场监控 |
| 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 |
（7）基于房地产市场泡沫测算的居民杠杆风险研究（论文提纲范文）
| 一、引 言 |
| (一)研究背景 |
| (二)文献综述 |
| 二、居民杠杆率和房地产泡沫的理论模型 |
| 三、中国房地产市场泡沫测度 |
| (一)房地产泡沫及其发生临界值的计算方法 |
| (二)全国和各个主要城市房地产泡沫发生临界值 |
| (三)依据房价收入比临界值计算的房地产泡沫 |
| (四)测算结果分析 |
| 四、基于房地产市场泡沫的居民杠杆率阈值研究 |
| (一)居民杠杆率现状 |
| (二)数据说明与描述性统计 |
| (三)居民杠杆率阈值测算 |
| (四)基于“居民负债/可支配收入”的阈值测算 |
| 五、结论与相关建议 |
（8）非理性预期下房地产泡沫度量及检验研究（论文提纲范文）
| 摘要 |
| abstract |
| 第一章 引言 |
| 第一节 选题背景及选题意义 |
| 一、选题背景 |
| 二、选题意义 |
| 第二节 相关概念概述 |
| 一、房地产的概念和性质 |
| 二、房地产泡沫的定义、分类及生成原理 |
| 三、预期的含义和分类 |
| 第三节 房地产泡沫衡量方法综述 |
| 一、房地产泡沫与经济基本面 |
| 二、基于微观理论的房地产泡沫衡量方法 |
| 第四节 研究思路和方法、可能的创新及技术路线 |
| 一、研究思路和研究方法 |
| 二、可能的创新 |
| 三、技术路线 |
| 第二章 房地产价格中的非理性因素 |
| 第一节 “招拍挂”制度下开发商的适应性预期 |
| 一、我国的土地价格 |
| 二、土地“招拍挂”的交易制度 |
| 三、房地产开发商的适应性预期 |
| 第二节 非理性预期对房地产价格的影响 |
| 一、非理性预期的形成步骤 |
| 二、预期一致时对房价波动的影响 |
| 三、预期不一致时对房价波动的影响 |
| 四、“预期--房价”的循环机制 |
| 第三章 房地产泡沫统计检验法及衡量模型的建立 |
| 第一节 泡沫滚动窗检验 |
| 一、右侧ADF泡沫检验 |
| 二、房地产泡沫SADF检验法 |
| 三、GSADF泡沫检验 |
| 第二节 基于理性预期视角下买房者--开发商模型 |
| 一、购房者需求函数的确定 |
| 二、开发商供给函数的确定 |
| 三、市场均衡的房地产基础价格 |
| 第三节 基于非理性预期视角下买房者--开发商模型 |
| 一、非理性购房者需求函数的确定 |
| 二、开发商适应性预期下供给函数的确定 |
| 三、市场均衡的房地产投机价格 |
| 第四节 非理性预期下房地产泡沫衡量方法 |
| 第四章 房地产泡沫衡量方法的实证研究 |
| 第一节 城市的选取 |
| 第二节 变量的选取 |
| 一、基础面变量选取 |
| 二、预期层面变量选取 |
| 第三节 数据来源 |
| 第四节 统计衡量法 |
| 一、北京市商品住宅均价统计检验 |
| 二、武汉市商品住宅均价统计检验 |
| 三、昆明市商品住宅均价统计检验 |
| 第五节 计量模型的构建和实证检验 |
| 一、计量模型的构建 |
| 二、北京市住宅市场实证检验 |
| 三、武汉市住宅市场实证检验 |
| 四、昆明市住宅市场实证检验 |
| 第五章 泡沫衡量方法对比及泡沫度城市差异分析 |
| 第一节 数据结果分析 |
| 一、北京市房地产价格泡沫衡量方法分析 |
| 二、武汉市房地产泡沫衡量方法分析 |
| 三、昆明市房地产泡沫衡量方法分析 |
| 第二节 两种方法检验结果对比分析 |
| 第三节 泡沫度城市差异分析 |
| 一、房地产泡沫测量模型 |
| 二、房地产泡沫呈现城市差异引致因素 |
| 第六章 结论、政策建议及展望 |
| 第一节 结论 |
| 第二节 政策建议 |
| 第三节 研究的局限性与展望 |
| 参考文献 |
| 致谢 |
| 本人在读期间完成的研究成果 |
（9）资产重估与货币政策选择（论文提纲范文）
| 摘要 |
| abstract |
| 第1章 导论 |
| 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 文献综述 |
| 1.2.1 有关资产重估问题的研究 |
| 1.2.2 有关金融发展与实体经济问题的研究 |
| 1.2.3 有关货币政策对资产价格波动反应的研究 |
| 1.2.4 有关货币政策框架的研究 |
| 1.3 研究思路和研究方法 |
| 1.3.1 研究思路 |
| 1.3.2 研究方法 |
| 1.3.3 论文框架与基本结构 |
| 1.4 创新与不足 |
| 1.4.1 论文主要创新 |
| 1.4.2 论文不足之处 |
| 第2章 资产重估概念界定及日德经验分析 |
| 2.1 资产重估概念界定及特点总结 |
| 2.1.1 资产及定价、资产价格波动与资产泡沫 |
| 2.1.2 资产重估定义及内涵 |
| 2.2 从资产重估视角分析日德资本市场波动 |
| 2.2.1 日本资产泡沫化的经验及资产重估分析视角 |
| 2.2.2 德国资产价格稳定的经验及资产重估分析视角 |
| 2.3 本章小结 |
| 第3章 资产重估检测体系及中国资产重估经验分析 |
| 3.1 资产重估检测体系 |
| 3.1.1 资产重估的检测指标 |
| 3.1.2 资产重估检测综合指标建立目的及步骤 |
| 3.1.3 资产重估检测综合指标建立过程 |
| 3.1.4 资产重估检测指数体系分析 |
| 3.2 综合检测指数对中国房地产价格重估的经验分析 |
| 3.3 本章小结 |
| 第4章 资产重估的背景及影响因素分析 |
| 4.1 资产重估产生的宏观经济背景 |
| 4.1.1 以投资为代表的资本推动型经济模式 |
| 4.1.2 货币膨胀与经济脱实向虚 |
| 4.1.3 居民收入差距扩大推升资本品价格 |
| 4.1.4 高储蓄率与资产价格上涨 |
| 4.2 资产重估的影响因素:流动性过剩 |
| 4.2.1 货币宽松提升资产购买力 |
| 4.2.2 货币超发加速资产货币金融化 |
| 4.3 资产重估的影响因素:货币结构变化 |
| 4.3.1 货币结构理论对“高货币之谜”的解释 |
| 4.3.2 货币结构变化背后的体制机制 |
| 4.3.3 “金融窖藏”对货币结构变化的解释 |
| 4.4 资产重估的影响因素:资产要素价格 |
| 4.4.1 资产替代 |
| 4.4.2 要素价格重估 |
| 4.5 本章小结 |
| 第5章 资产重估与货币政策选择的互动影响机制 |
| 5.1 货币政策的传导机制 |
| 5.1.1 货币政策的主要传导渠道 |
| 5.1.2 货币政策的房地产价格传导渠道 |
| 5.2 资产重估对于货币政策选择的影响 |
| 5.2.1 资产价格对货币政策选择的重要作用 |
| 5.2.2 货币政策如何应对资产价格重估 |
| 5.2.3 基本结论 |
| 5.3 货币政策对资产重估反应的总结 |
| 5.3.1 货币政策要关注资产价格重估中的隐含信息 |
| 5.3.2 资产重估对金融稳定的影响将加大货币政策压力 |
| 5.3.3 重视“市场”在资产价格调整中的作用 |
| 5.4 本章小结 |
| 第6章 资产重估与货币政策选择的结构性制约 |
| 6.1 资产重估与金融市场不完全性 |
| 6.1.1 资产重估与资产泡沫对经济结构的影响 |
| 6.1.2 金融市场不完全性对经济结构的影响 |
| 6.2 经济结构性扭曲与经济脱实向虚 |
| 6.2.1 结构扭曲下经济脱实向虚的若干表现 |
| 6.2.2 信贷市场的量价均衡:不考虑扭曲的单部门情形 |
| 6.2.3 信贷市场的量价均衡:考虑扭曲的两部门框架 |
| 6.2.4 扩张还是紧缩:结构扭曲下货币政策的“两难” |
| 6.3 本章小结 |
| 第7章 资产重估条件下的货币政策选择 |
| 7.1 我国货币政策执行框架 |
| 7.1.1 货币政策目标 |
| 7.1.2 货币政策传导机制 |
| 7.1.3 货币政策工具 |
| 7.1.4 非常规货币政策补充 |
| 7.2 我国货币政策执行的新要求 |
| 7.2.1 我国宏观金融调控面临的新挑战 |
| 7.2.2 我国货币政策新框架正在建立 |
| 7.2.3 探索货币政策对宏观经济的结构性调节 |
| 7.2.4 关注审慎管理与货币政策的长效配合 |
| 7.3 我国创新型结构性货币政策执行效果的实证分析 |
| 7.3.1 创新型结构性货币政策对比及分类 |
| 7.3.2 结构性货币政策传导机制 |
| 7.3.3 结构性货币政策执行效果:实证检验 |
| 7.3.4 基本结论 |
| 7.4 我国货币政策执行的相关建议 |
| 7.4.1 完善关注资产价格重估的货币政策体系 |
| 7.4.2 重视结构性货币政策对资金流向的引导作用 |
| 7.4.3 加快推进货币政策量价调控方式的转变及配合 |
| 7.4.4 合理发挥抵押补充贷款的调节作用 |
| 7.4.5 健全“双支柱”框架应对资产价格重估 |
| 结论与展望 |
| 参考文献 |
| 攻读博士期间的科研成果 |
| 致谢 |
（10）资产泡沫测度、空间传染与联动效应的实证研究（论文提纲范文）
| 摘要 |
| abstract |
| 1.绪论 |
| 1.1 研究背景与意义 |
| 1.2 研究主要内容 |
| 1.3 研究思路和技术路线 |
| 1.3.1 研究思路 |
| 1.3.2 技术路线 |
| 1.4 创新与不足 |
| 2.文献综述 |
| 2.1 资产价格泡沫的界定及相关研究文献综述 |
| 2.1.1 资产价格泡沫的界定 |
| 2.1.2 资产价格泡沫的相关研究文献综述 |
| 2.1.3 资产价格泡沫的识别估计方法 |
| 2.2 LPPL模型、分位数回归方法与资产价格泡沫 |
| 2.2.1 LPPL模型与资产价格泡沫 |
| 2.2.2 分位数估计模型与资产价格泡沫 |
| 2.2.3 分位数估计、LPPL模型与资产价格泡沫 |
| 2.3 资产价格泡沫传染的相关文献 |
| 2.3.1 资产价格泡沫传染的理论研究 |
| 2.3.2 资产价格泡沫传染的实证研究 |
| 3.中国股票市场价格泡沫测度与预警:基于LPPL模型及其扩展 |
| 3.1 中国股票市场价格泡沫测度:基于LPPL模型 |
| 3.1.1 LPPL模型的估计条件和数据选取 |
| 3.1.3 LPPL模型的检验结果 |
| 3.2 中国股票市场价格泡沫的测度与预警:分位数回归下的LPPL模型 |
| 3.2.1 数据选取说明和统计性描述 |
| 3.2.2 分位数回归下LPPL模型在股市泡沫中的应用检验 |
| 3.2.3 指标测评与预警 |
| 3.3 小结及政策含义 |
| 4.中国房地产价格泡沫和传染研究—基于中国百城房价指数的证据 |
| 4.1 房价泡沫测度和传染的研究现状 |
| 4.1.1 关于房价泡沫测度的相关研究 |
| 4.1.2 关于房价泡沫空间传染的相关研究 |
| 4.2 中国百城房价指数泡沫及其传染的测度方法 |
| 4.2.1 房价泡沫测度方法 |
| 4.2.3 房价泡沫传染的计量方法 |
| 4.3 中国百城房价泡沫测度的实证分析 |
| 4.3.1 数据描述 |
| 4.3.2 运用LPPL模型对房价泡沫测度的实证分析 |
| 4.4 中国百城房价泡沫的空间传染实证分析 |
| 4.4.1 模型建立 |
| 4.4.2 房价泡沫空间传染模型的实证分析 |
| 4.4.3 房价泡沫传染区域性影响的实证分析 |
| 4.5 中国房地产调控政策的前后对比研究 |
| 4.5.1 中国房地产调控政策概述 |
| 4.5.2 实证分析 |
| 4.6 小结及政策建议 |
| 5.数字货币资产价格泡沫间关联性研究—基于货币政策的事件研究 |
| 5.1 数字货币资产定义、属性及其价格泡沫问题 |
| 5.1.1 数字货币资产的定义 |
| 5.1.2 关于数字货币资产的属性 |
| 5.1.3 数字货币资产价格泡沫的研究进展 |
| 5.2 运用分位数的LPPLS模型对数字货币资产价格泡沫的测度 |
| 5.2.1 数据说明和描述性统计 |
| 5.2.2 未知参数算法估计 |
| 5.2.3 数字货币资产价格泡沫识别 |
| 5.2.4 数字货币资产分位数估计 |
| 5.3 数字货币资产价格泡沫关联性实证检验 |
| 5.3.1 数字货币资产价格泡沫关联性分析 |
| 5.3.2 货币政策变动的事件研究 |
| 5.4 结论及政策建议 |
| 6.总结与展望 |
| 参考文献 |
| 后记 |
| 致谢 |
| 在读期间科研成果目录 |
四、真实的房地产泡沫已经出现（论文参考文献）
- [1]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)
- [2]金融杠杆与资产价格泡沫：影响机制及其监控研究[D]. 冯文芳. 东南大学, 2020(02)
- [3]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)
- [4]西安市房地产市场泡沫测度[D]. 陈亮. 西安电子科技大学, 2020(05)
- [5]基于小波分析的中国房地产泡沫测算[J]. 刘骏,赵魁,张平. 统计与决策, 2020(03)
- [6]阜阳市房地产泡沫研究[D]. 刘光辉. 安徽建筑大学, 2020(01)
- [7]基于房地产市场泡沫测算的居民杠杆风险研究[J]. 李程,杨皓熙,禹路瑶. 统计与信息论坛, 2019(12)
- [8]非理性预期下房地产泡沫度量及检验研究[D]. 王振鹏. 云南财经大学, 2019(07)
- [9]资产重估与货币政策选择[D]. 刘芮嘉. 吉林大学, 2019(02)
- [10]资产泡沫测度、空间传染与联动效应的实证研究[D]. 李伦一. 西南财经大学, 2019(12)