近些年來(lái),我國(guó)房地產(chǎn)業(yè)發(fā)展迅速,已經(jīng)成為我國(guó)經(jīng)濟(jì)的基礎(chǔ)性和支柱性產(chǎn)業(yè),房地產(chǎn)企業(yè)隨之越來(lái)越多,房?jī)r(jià)也一直在不斷上漲。為了規(guī)范房地產(chǎn)市場(chǎng),促使房地產(chǎn)市場(chǎng)健康可持續(xù)的穩(wěn)定發(fā)展,國(guó)家針對(duì)房地產(chǎn)市場(chǎng)出臺(tái)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(jìn)行合理的資產(chǎn)配置,獲得更高的收益,更有利于房企升級(jí)轉(zhuǎn)型,轉(zhuǎn)變經(jīng)營(yíng)方式,加強(qiáng)房企抵抗風(fēng)險(xiǎn)的能力,適應(yīng)房地產(chǎn)市場(chǎng)的不斷變化。本文以國(guó)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(duì)象,結(jié)合近十年我國(guó)房地產(chǎn)的調(diào)控政策,采用DCC-GARCH模型分析我國(guó)房地產(chǎn)不同性質(zhì)企業(yè)之間的動(dòng)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(xiàn)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(jì)步驟和DCC-GARCH模型相關(guān)的文獻(xiàn)綜述。第三章基于DCC-GARCH模型對(duì)我國(guó)房地產(chǎn)企業(yè)的動(dòng)態(tài)相關(guān)性進(jìn)行研究,選擇十六家國(guó)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(jìn)行實(shí)證分析。首先對(duì)樣本序列進(jìn)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(yàn),根據(jù)ACF圖和PACF圖確定均值方程的... 

【文章來(lái)源】：西南大學(xué)重慶市 211工程院校 教育部直屬院校

【文章頁(yè)數(shù)】：57 頁(yè)

【學(xué)位級(jí)別】：碩士

【部分圖文】：

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

西南大學(xué)應(yīng)用統(tǒng)計(jì)碩士學(xué)位論文2上漲。從圖1-2可以看出2，2017年到2018年房?jī)r(jià)上漲到一個(gè)極高點(diǎn)，因?yàn)?016年各地采取金融政策、鼓勵(lì)農(nóng)民工進(jìn)城買(mǎi)房，限購(gòu)限價(jià)和房地產(chǎn)市場(chǎng)去庫(kù)存等多種措施，在比較寬松的信貸環(huán)境下，我國(guó)房地產(chǎn)市場(chǎng)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(jià)格和房?jī)r(jià)的迅速上漲。由中國(guó)房地產(chǎn)指數(shù)系統(tǒng)對(duì)100個(gè)城市的調(diào)查結(jié)果可知，2016年我國(guó)這100個(gè)城市的房?jī)r(jià)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(guó)的房地產(chǎn)市場(chǎng)無(wú)論是對(duì)房地產(chǎn)業(yè)的發(fā)展還是對(duì)我國(guó)經(jīng)濟(jì)的發(fā)展，都畫(huà)上了濃墨重彩的一筆。圖1-2近十年我國(guó)商品房平均銷(xiāo)售價(jià)格（元/平方米）2016年，我國(guó)熱門(mén)城市的房?jī)r(jià)上漲迅速，房產(chǎn)的金融屬性被不斷擴(kuò)大，各地紛紛出臺(tái)了各種調(diào)控房?jī)r(jià)政策，12月14日至16日，中央財(cái)經(jīng)領(lǐng)導(dǎo)小組在中央經(jīng)濟(jì)工作會(huì)議上首次提出了“房住不炒”的政策，確定了2017年經(jīng)濟(jì)要穩(wěn)中求進(jìn)，尋找到更加有效的財(cái)政政策，推進(jìn)供給側(cè)改革，重點(diǎn)實(shí)施實(shí)體經(jīng)濟(jì)的振興計(jì)劃，這些都有利于房地產(chǎn)市場(chǎng)穩(wěn)中求進(jìn)、健康可持續(xù)發(fā)展。從表1-1可以看出，2017年之前我國(guó)的房地產(chǎn)調(diào)控政策主要是調(diào)控需求端，采取限購(gòu)限貸和提高首付比例等政策來(lái)調(diào)控房?jī)r(jià)，2017年以后房地產(chǎn)調(diào)控政策跟以前不同，新出臺(tái)的調(diào)控政策注重短期調(diào)控和長(zhǎng)效機(jī)制相結(jié)合，堅(jiān)持房子是用來(lái)住的而不是用來(lái)炒的，不能將房地產(chǎn)作為短期刺激經(jīng)濟(jì)的手段，這是因?yàn)榉康禺a(chǎn)調(diào)控需要考慮經(jīng)濟(jì)高質(zhì)量的發(fā)展以及防范化解重大風(fēng)險(xiǎn)等。2圖1-2數(shù)據(jù)來(lái)源于國(guó)家統(tǒng)計(jì)局?jǐn)?shù)據(jù)庫(kù)

西南大學(xué)應(yīng)用統(tǒng)計(jì)碩士學(xué)位論文23進(jìn)行多元GARCH模型的參數(shù)估計(jì)。因?yàn)槊恐还善钡慕灰兹掌诓⒉皇峭耆恢碌�，采用派式加�?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(guò)派式加權(quán)合成指數(shù)這種方法，不僅可以有效的避免個(gè)別異常值對(duì)結(jié)果的影響，還可以避免數(shù)據(jù)缺失對(duì)結(jié)果的影響。這樣模型估計(jì)的結(jié)果更加準(zhǔn)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(jià)格，iP1是計(jì)算期第i種股票價(jià)格，iQ1是計(jì)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(pán)價(jià)。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(shí)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(shí)序圖，紅色的線代表的是國(guó)企房地產(chǎn)企業(yè)的股指收益率，藍(lán)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(guó)企股指收益率和民企股指收益率的相關(guān)變動(dòng)比較明顯，一段時(shí)間內(nèi)具有聯(lián)動(dòng)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(dòng)不大，比較平緩，但從2017年以后，民企房

【參考文獻(xiàn)】：
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(dòng)態(tài)聯(lián)動(dòng)性研究——基于GJR-GARCH-DCC模型的實(shí)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(chǎng)的聯(lián)動(dòng)性動(dòng)態(tài)變化——基于DCC-GARCH模型的實(shí)證研究[J]. 李竹薇,付媛,邱雨虹,康晨陽(yáng).  大連理工大學(xué)學(xué)報(bào)(社會(huì)科學(xué)版). 2018(05)
[4]房?jī)r(jià)與股價(jià)波動(dòng)對(duì)宏觀經(jīng)濟(jì)穩(wěn)定的影響研究[J]. 徐加根,羅晶,徐培文.  華東經(jīng)濟(jì)管理. 2018(03)
[5]基于DCC-GARCH的中國(guó)大宗商品金融化研究[J]. 劉映琳,鞠卓,劉永輝.  國(guó)際商務(wù)研究. 2017(05)
[6]保險(xiǎn)公司系統(tǒng)性風(fēng)險(xiǎn)溢出效應(yīng)研究——基于DCC-GARCH-CoVaR模型[J]. 袁薇,王培輝.  財(cái)會(huì)月刊. 2017(05)
[7]基于DCC-GARCH模型的中國(guó)保險(xiǎn)業(yè)系統(tǒng)性風(fēng)險(xiǎn)研究[J]. 劉璐,王春慧.  宏觀經(jīng)濟(jì)研究. 2016(09)
[8]基于DCC-GARCH模型的新興市場(chǎng)金融傳染效應(yīng)檢驗(yàn)[J]. 劉慧悅.  統(tǒng)計(jì)與決策. 2016(12)
[9]基于MS-VAR模型的房地產(chǎn)產(chǎn)業(yè)聯(lián)動(dòng)機(jī)制非對(duì)稱(chēng)性研究[J]. 郭文偉,鐘明.  投資研究. 2016(01)
[10]國(guó)際金融市場(chǎng)波動(dòng)溢出效應(yīng)與動(dòng)態(tài)相關(guān)性[J]. 何德旭,苗文龍.  數(shù)量經(jīng)濟(jì)技術(shù)經(jīng)濟(jì)研究. 2015(11)

博士論文
[1]金融危機(jī)背景下中美歐股票市場(chǎng)聯(lián)動(dòng)性研究[D]. 趙勇.上海社會(huì)科學(xué)院 2012

碩士論文
[1]中國(guó)和東盟股市收益的動(dòng)態(tài)相關(guān)性研究[D]. 宋瑋楠.吉林大學(xué) 2017
[2]金磚國(guó)家股票市場(chǎng)聯(lián)動(dòng)性研究[D]. 黃周祥.首都經(jīng)濟(jì)貿(mào)易大學(xué) 2015
[3]行業(yè)股價(jià)指數(shù)溢出效應(yīng)研究[D]. 李政.南京大學(xué) 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(xué) 2012
[5]中國(guó)房地產(chǎn)業(yè)與國(guó)民經(jīng)濟(jì)相關(guān)性分析—產(chǎn)業(yè)關(guān)聯(lián)與貢獻(xiàn)角度[D]. 郭一凡.清華大學(xué) 2009



本文編號(hào)：2976947