2012年-IMF国际货币组织全球_Global_Housing_Cycles_56页_1mb

全球住房周期总结

核心内容

本论文由Deniz Igan和Prakash Loungani撰写，旨在分析全球住房周期的特征及其对金融系统和宏观经济的影响。研究基于1970年至2010年的数据，涵盖55个国家，并结合美国的次国家级数据进行深入分析。论文强调了住房价格波动的主要驱动因素，以及住房周期对经济活动的潜在影响。

主要观点

• 住房周期的普遍性：自2000年以来，全球住房价格经历了前所未有的上涨，随后在2007年转为下跌，成为全球经济危机的重要组成部分。
• 长期价格动态：住房价格的长期变化主要由本地基本面因素驱动，如收入和人口增长，而全球性因素（如利率）的影响相对较小。
• 短期波动：信贷市场条件可能导致住房价格在短期内偏离长期均衡路径，从而引发价格调整。
• 价格调整的影响：住房价格调整会对消费、投资、金融稳定和GDP产生重要影响，尤其是在住房金融体系较为宽松的国家。
• 住房市场异质性：不同国家和地区的住房市场表现出显著的异质性，包括价格波动幅度、持续时间和区域差异。
• 评估工具：价格收入比（PIR）和住房可负担指数（HAI）被用作评估住房市场是否被高估的工具。

关键信息

一、住房周期的特征

• 住房价格和交易量通常呈同向变动，表明市场供需的相互作用。
• 在美国，新房销售和新房价格的相关性为0.61，而二手房市场也表现出类似的正相关关系。
• 住房周期的持续时间和幅度在不同国家和不同时期存在显著差异。
• 一个典型的住房周期（基于中位数样本）显示，上升期通常持续16个季度，价格上升37%；下降期持续11个季度，价格下降17%。
• 一些国家如比利时和乌克兰经历了长达99个季度的上升期，而日本和拉脱维亚的下降期分别达到76个季度，价格下跌76%。

二、数据与方法

• 数据来源：数据来自OECD、BIS、Global Property Guide以及美国的FHFA、BEA和BLS。
• 数据挑战：由于住房市场的不透明性和交易频率低，价格数据的获取和处理面临困难，不同数据来源可能导致偏差。
• 季节调整：所有数据均经过季节调整以消除季节性波动，使用E-Views的X-12程序进行处理。
• 分析方法：
  • 非参数估计：通过历史数据和价格收入比评估当前住房周期的潜在结果。
  • 回归模型：分析住房价格与宏观经济变量的长期关系。
  • 次国家分析：利用美国次国家级数据评估住房市场的区域差异。

三、住房价格调整的宏观影响

• 价格收入比（PIR）：PIR被用来衡量住房市场是否被高估。2009年第四季度，PIR显示一些国家如丹麦、西班牙和美国的住房市场存在明显高估。
• 住房可负担指数（HAI）：HAI衡量典型家庭是否能够负担典型住房的抵押贷款。2009年第四季度，美国多个州的HAI显著高于100，表明住房市场已变得不可负担。
• 住房价格调整的持续时间：根据历史数据，当前住房价格调整可能持续4-4.5年，平均跌幅约为23%。
• 政策影响：政府在2008-2009年实施的住房刺激政策可能暂时缓解了价格下跌，但其效果可能较为短暂。

四、结论与建议

• 研究结论：住房价格波动主要由本地基本面驱动，但信贷市场条件可能导致短期偏离。价格调整对宏观经济有重要影响，特别是在住房金融体系较为宽松的国家。
• 政策建议：应加强住房及房地产融资市场的数据收集和一致性，以便更准确地分析住房周期及其对经济的影响。同时，需关注住房市场的区域异质性，以制定更有针对性的政策。

图表与数据

• 图表1：全球住房价格的异常上涨。
• 图表2：全球住房价格从繁荣转向萧条。
• 图表3：美国不同住房价格指数的差异。
• 图表4：住房价格与交易量的区域差异。
• 图表5：全球住房周期的同步性。
• 图表6：住房价格与住宅投资的关系。
• 图表7：价格收入比的变化。
• 图表8：住房可负担指数的区域比较。

附录信息

• 变量列表：附录提供了用于分析的所有变量的详细列表。
• 数据来源：不同国家和地区的住房价格数据可能因覆盖范围、计算方法和季节调整而存在差异。

建议

• 数据一致性：应提高住房及房地产融资市场的数据一致性与可靠性。
• 政策调整：政策制定者应关注住房市场的区域异质性，避免过度依赖全国性指标。
• 宏观金融联系：未来研究应进一步探讨住房周期与宏观经济之间的宏观金融联系。