3.異常收益率的估計模型。事件研究法的關鍵步驟在于正確測算出事件窗口內的單日異常收益率以及累積異常收益率。房地產市場交易對應的收益率序列根據公式Rt=ln(Pt/Pt-1)計算,全國房地產市場交易總體狀況對應的收益率則以各子樣本的日平均商品房成交面積為代理變量計算得出。對于每個事件而言,本文擬先采用市場模型估計得出總樣本中每個城市商品房交易的正常收益率,然后計算其單日異常收益率。模型假定單項資產的正常收益率由市場組合收益率唯一地確定,并且這種關系可以從事件估計期穩定地延續到事件期間。所以,第i個城市商品房在第t日的正常收益率:Rit=αi+βiRmt(1)
其中,Rit為第i個城市的商品房日成交面積的對數增長率;Rmt為房地產市場上商品房日均成交面積的對數增長率;αi、βi是估計期內第i個城市的市場模型參數;城市的序號i=0,1,2,…,N,N為每個事件所包含的城市數量;t=-20,-19,…,0,…20為事件期間。
第i個城市商品房在第日的異常收益率:ARit=Rit-Rit(2)
由于不同城市的商品房異常收益率很可能存在異方差,此處需要對異常收益率ARit進行標準化處理,得到標準化的異常收益率②:SARit=(Rit-Rit)/SARit (3)
接下來就可以估計檢驗每個事件有效性所需的兩個指標。
。1)每個事件所包含的N個樣本城市在第t日的標準化平均異常收益率為:
SAARt=SARit(4)
。2)N個樣本城市在(t1,t2)期間的累積標準化異常收益率為:
CSAAR(t1,t2)=SAARt,-20≤t1≤t2≤20(5)
三、實證過程及結果分析
本文將每個事件所包含的樣本城市按照地理區域劃分成東部、中部和西部地區,并用市場模型估計得出每個地區的商品房交易量在事件期內的標準化平均異常收益率和累積標準化異常收益率序列。為檢驗每次綜合性宏觀調控政策是否對各地區商品房交易產生異常影響,可作出如下兩個假設:
。1)H0:SAARt=SARit =0
。2)H0:CSAAR(t1,t2)=SAARt=0
相應地,可以為SAARt和CSAAR(t1,t2)分別構造統計檢驗量:①
Zt=,Z(t1,t2)=
若檢驗結果不能拒絕假設(1),那么國務院的某項綜合性調控政策并不能使某地區的商品房交易市場的單日標準化平均累積異常率產生異常沖擊;反之,若假設(1)被拒絕,那么該政策能夠對某地區的商品房交易市場的單日標準化平均累積異常率產生異常沖擊。
若檢驗結果不能拒絕假設(2),那么國務院的某項綜合性調控政策并不能使某地區的商品房交易市場的累積標準化異常率產生異常沖擊;反之,若假設(2)被拒絕,那么該政策能夠對某地區的商品房交易市場的累積標準化異常率產生異常沖擊。
。ㄒ唬╆P于房地產綜合調控政策的事件總體有效性
1.圖1對應的檢驗結果顯示,②在事件日當天,東、中、西部城市的商品房交易的單日標準化異常收益率SAARt在1%和5%的顯著性水平上都不能拒絕假設H0。也就是說,歷次房地產綜合調控政策公布之時,并未向全國各區域的商品房交易市場傳遞出有效的新信息。此外,在政策公布前20天即估計區間[-20,-1]內,東、中、西部地區出現較多的SAARt負值,這就表明各地商品房市場很可能已經提前預期到中央調控政策出臺的信息,并將次信息反映到了市場交易當中。此外,隨著國家調控政策的力度不斷加強,市場對政策預期的消化能力也在增強,因此可以看到,針對2010年9月29日以及2011年1月26日的事件有效性檢驗結果顯示,在估計期[-20,-1]內,各區域SAARt出現負值的次數較前兩次事件有所減少。
2.東、中、西部地區商品房交易的累計標準化異常收益率CSAAR(t1,t2)無論在1%還是5%的顯著水平上也同樣未能通過假設H1,而在估計期[-20,-1]內,各地總體上出現CSAAR(t1,t2)負值的次數多于正值的次數。可以說,這四次房地產綜合性調控政策沒有向各地區的商品房市場繼續傳遞新信息,市場早已在政策調整的信息正式推出之前就有所預見。此外,本文所研究的四次房地產調控政策都處于房地產緊縮周期中,彼此推出的時間間隔較短,各地市場都會基于政府政策出臺頻率的歷史信息估測下次政策的推出時機。因此,房地產政策的“慣性”作用導致新信息在事件估計期就已被預期到,在事件日就無法表現出顯著的效果。
。ǘ╆P于各區域房地產調控的事件有效性比較
1.下頁表2的檢驗結果顯示,東、中部地區在估計期出現SAARt負值的次數較西部地區更多,事后觀察期的估計結果也呈現了類似的形。但從2010年下半年以后,SAARt在各地區出現負值的次數都有所減少。這表明,東、中部地區商品房市場對與國家房地產綜合性調控政策的響應靈敏度比西部地區更強一些,尤其是在政策公布前一段時期內,東、中部地區商品房市場對政策即將調整的預期更為明顯。
2.下頁表3的檢驗結果顯示,與各地區商品房交易的單日異常收益率不同,累計異常收益率表現出現強烈的區域差異特性。在估計期內,東、中、西部地區CSAAR(t1,t2)出現負值的次數依次減少,但東部地區與中、西部地區拉開了較大差距;而在事后觀察期[1,20]內,東、中、西部地區的CSAAR(t1,t2)出現負值的次數同樣依此減少,但是按照事件發生的時間順序,CSAAR(t1,t2)出現負值的次數在中部地區有明顯增加的趨勢,而在東、西部地區較為穩定。這似乎反映了各地區商品房市場對于國家調控政策的響應強度存在差異,體現為東、中、西部依次減弱的總趨勢。另外,在每次中央調控政策出臺前后各地區的商品房市場響應強度也各有特點:在東、中部地區具有“累積”效果,商品房交易在政策出臺后的萎縮跡象都比政策出臺前更加明顯;在西部地區卻正好相反,其商品房交易的萎縮主要出現在政策出臺之前。
3.從圖2中不難發現,并非每個地區的商品房市場對國家調控政策都存在著“學習”過程。每次政策出臺后,僅有東部地區的CSAAR(t1,t2)都呈現一輪長達3周的明顯下跌過程,不過從2010年下半年以后這種下跌過程持續時間有所縮短;中部地區的CSAAR(t1,t2)在事件三和事件四發生后才開始出現較明顯的下跌過程,但該過程持續時間僅為10天左右;西部地區的CSAAR(t1,t2)在每次政策出臺后不僅不下跌,反而始終表現為逐漸上升的過程;隨著國家調控政策的連續推出,各地區CSAAR(t1,t2)對政策的響應程度似乎有逐漸趨同的傾向,在3周左右累積異常收益率就接近于零。這同樣表明,房地產綜合性調控政策在東部地區的實施效果最為明顯、影響幅度最大、持續時間也最長,東部地區次之,西部地區最弱,但是隨著國家調控政策的連續推出,東、中部地區經過不斷“學習”之后,后期調控政策的實施效果減弱,且各地區之間的效果差異性有所減小,但政策的效果持續時間為3周左右。
上文得出的一個值得注意的結論是:2009年以來的三次綜合性房地產調控政策在事件發生當日并沒有向市場傳遞新信息。其原因可能在于,中國居民根據中央頻頻推出調控政策,對全國商品房市場處于調控周期的實事已經有了確切認知,形成了適應性預期,從而具備“學習”能力,在事件估計期間就顯現出對事件即將發生的預見能力。此外,本文認為幾次政策效果持續時間較短的論斷也與一些學者不謀而合。李紹榮等(2011)[21]就運用信息經濟學的理論論證了中國貨幣政策或信貸政策穩定房價只會產生短期效應,不會發揮長期效應,而郭琨等(2012)[13]隨后也以計量方法證實了全國性調控政策對國內房地產交易市場的影響程度有限,且持續時間很短。
其中,Rit為第i個城市的商品房日成交面積的對數增長率;Rmt為房地產市場上商品房日均成交面積的對數增長率;αi、βi是估計期內第i個城市的市場模型參數;城市的序號i=0,1,2,…,N,N為每個事件所包含的城市數量;t=-20,-19,…,0,…20為事件期間。
第i個城市商品房在第日的異常收益率:ARit=Rit-Rit(2)
由于不同城市的商品房異常收益率很可能存在異方差,此處需要對異常收益率ARit進行標準化處理,得到標準化的異常收益率②:SARit=(Rit-Rit)/SARit (3)
接下來就可以估計檢驗每個事件有效性所需的兩個指標。
。1)每個事件所包含的N個樣本城市在第t日的標準化平均異常收益率為:
SAARt=SARit(4)
。2)N個樣本城市在(t1,t2)期間的累積標準化異常收益率為:
CSAAR(t1,t2)=SAARt,-20≤t1≤t2≤20(5)
三、實證過程及結果分析
本文將每個事件所包含的樣本城市按照地理區域劃分成東部、中部和西部地區,并用市場模型估計得出每個地區的商品房交易量在事件期內的標準化平均異常收益率和累積標準化異常收益率序列。為檢驗每次綜合性宏觀調控政策是否對各地區商品房交易產生異常影響,可作出如下兩個假設:
。1)H0:SAARt=SARit =0
。2)H0:CSAAR(t1,t2)=SAARt=0
相應地,可以為SAARt和CSAAR(t1,t2)分別構造統計檢驗量:①
Zt=,Z(t1,t2)=
若檢驗結果不能拒絕假設(1),那么國務院的某項綜合性調控政策并不能使某地區的商品房交易市場的單日標準化平均累積異常率產生異常沖擊;反之,若假設(1)被拒絕,那么該政策能夠對某地區的商品房交易市場的單日標準化平均累積異常率產生異常沖擊。
若檢驗結果不能拒絕假設(2),那么國務院的某項綜合性調控政策并不能使某地區的商品房交易市場的累積標準化異常率產生異常沖擊;反之,若假設(2)被拒絕,那么該政策能夠對某地區的商品房交易市場的累積標準化異常率產生異常沖擊。
。ㄒ唬╆P于房地產綜合調控政策的事件總體有效性
1.圖1對應的檢驗結果顯示,②在事件日當天,東、中、西部城市的商品房交易的單日標準化異常收益率SAARt在1%和5%的顯著性水平上都不能拒絕假設H0。也就是說,歷次房地產綜合調控政策公布之時,并未向全國各區域的商品房交易市場傳遞出有效的新信息。此外,在政策公布前20天即估計區間[-20,-1]內,東、中、西部地區出現較多的SAARt負值,這就表明各地商品房市場很可能已經提前預期到中央調控政策出臺的信息,并將次信息反映到了市場交易當中。此外,隨著國家調控政策的力度不斷加強,市場對政策預期的消化能力也在增強,因此可以看到,針對2010年9月29日以及2011年1月26日的事件有效性檢驗結果顯示,在估計期[-20,-1]內,各區域SAARt出現負值的次數較前兩次事件有所減少。
2.東、中、西部地區商品房交易的累計標準化異常收益率CSAAR(t1,t2)無論在1%還是5%的顯著水平上也同樣未能通過假設H1,而在估計期[-20,-1]內,各地總體上出現CSAAR(t1,t2)負值的次數多于正值的次數。可以說,這四次房地產綜合性調控政策沒有向各地區的商品房市場繼續傳遞新信息,市場早已在政策調整的信息正式推出之前就有所預見。此外,本文所研究的四次房地產調控政策都處于房地產緊縮周期中,彼此推出的時間間隔較短,各地市場都會基于政府政策出臺頻率的歷史信息估測下次政策的推出時機。因此,房地產政策的“慣性”作用導致新信息在事件估計期就已被預期到,在事件日就無法表現出顯著的效果。
。ǘ╆P于各區域房地產調控的事件有效性比較
1.下頁表2的檢驗結果顯示,東、中部地區在估計期出現SAARt負值的次數較西部地區更多,事后觀察期的估計結果也呈現了類似的形。但從2010年下半年以后,SAARt在各地區出現負值的次數都有所減少。這表明,東、中部地區商品房市場對與國家房地產綜合性調控政策的響應靈敏度比西部地區更強一些,尤其是在政策公布前一段時期內,東、中部地區商品房市場對政策即將調整的預期更為明顯。
2.下頁表3的檢驗結果顯示,與各地區商品房交易的單日異常收益率不同,累計異常收益率表現出現強烈的區域差異特性。在估計期內,東、中、西部地區CSAAR(t1,t2)出現負值的次數依次減少,但東部地區與中、西部地區拉開了較大差距;而在事后觀察期[1,20]內,東、中、西部地區的CSAAR(t1,t2)出現負值的次數同樣依此減少,但是按照事件發生的時間順序,CSAAR(t1,t2)出現負值的次數在中部地區有明顯增加的趨勢,而在東、西部地區較為穩定。這似乎反映了各地區商品房市場對于國家調控政策的響應強度存在差異,體現為東、中、西部依次減弱的總趨勢。另外,在每次中央調控政策出臺前后各地區的商品房市場響應強度也各有特點:在東、中部地區具有“累積”效果,商品房交易在政策出臺后的萎縮跡象都比政策出臺前更加明顯;在西部地區卻正好相反,其商品房交易的萎縮主要出現在政策出臺之前。
3.從圖2中不難發現,并非每個地區的商品房市場對國家調控政策都存在著“學習”過程。每次政策出臺后,僅有東部地區的CSAAR(t1,t2)都呈現一輪長達3周的明顯下跌過程,不過從2010年下半年以后這種下跌過程持續時間有所縮短;中部地區的CSAAR(t1,t2)在事件三和事件四發生后才開始出現較明顯的下跌過程,但該過程持續時間僅為10天左右;西部地區的CSAAR(t1,t2)在每次政策出臺后不僅不下跌,反而始終表現為逐漸上升的過程;隨著國家調控政策的連續推出,各地區CSAAR(t1,t2)對政策的響應程度似乎有逐漸趨同的傾向,在3周左右累積異常收益率就接近于零。這同樣表明,房地產綜合性調控政策在東部地區的實施效果最為明顯、影響幅度最大、持續時間也最長,東部地區次之,西部地區最弱,但是隨著國家調控政策的連續推出,東、中部地區經過不斷“學習”之后,后期調控政策的實施效果減弱,且各地區之間的效果差異性有所減小,但政策的效果持續時間為3周左右。
上文得出的一個值得注意的結論是:2009年以來的三次綜合性房地產調控政策在事件發生當日并沒有向市場傳遞新信息。其原因可能在于,中國居民根據中央頻頻推出調控政策,對全國商品房市場處于調控周期的實事已經有了確切認知,形成了適應性預期,從而具備“學習”能力,在事件估計期間就顯現出對事件即將發生的預見能力。此外,本文認為幾次政策效果持續時間較短的論斷也與一些學者不謀而合。李紹榮等(2011)[21]就運用信息經濟學的理論論證了中國貨幣政策或信貸政策穩定房價只會產生短期效應,不會發揮長期效應,而郭琨等(2012)[13]隨后也以計量方法證實了全國性調控政策對國內房地產交易市場的影響程度有限,且持續時間很短。