張金鑫 于磊

[摘 要]提高防范化解重大風(fēng)險(xiǎn)的能力是推動經(jīng)濟(jì)高質(zhì)量發(fā)展的必然要求?？陀^識別房地產(chǎn)風(fēng)險(xiǎn)影響因素，科學(xué)評價(jià)房地產(chǎn)市場風(fēng)險(xiǎn)，對促進(jìn)房地產(chǎn)市場平穩(wěn)健康發(fā)展具有重大意義。本文圍繞新時(shí)代高質(zhì)量發(fā)展這個(gè)前提，挖掘具有代表性的評價(jià)指標(biāo)，運(yùn)用主成分分析法從房地產(chǎn)開發(fā)風(fēng)險(xiǎn)、融資風(fēng)險(xiǎn)、價(jià)格風(fēng)險(xiǎn)、庫存風(fēng)險(xiǎn)、城市環(huán)境風(fēng)險(xiǎn)五個(gè)維度科學(xué)構(gòu)建房地產(chǎn)風(fēng)險(xiǎn)指數(shù)，并對35個(gè)大中城市的房地產(chǎn)風(fēng)險(xiǎn)進(jìn)行了實(shí)證分析。運(yùn)用綜合指數(shù)測度風(fēng)險(xiǎn)可對房地產(chǎn)風(fēng)險(xiǎn)監(jiān)測提供支持，并對房地產(chǎn)調(diào)控思路提出新的政策建議。

[關(guān)鍵詞]房地產(chǎn)風(fēng)險(xiǎn);主成分分析;綜合指數(shù)

一、引言

改革開放以來，特別是1998年城鎮(zhèn)住房制度改革及其深化以來，我國城鎮(zhèn)化進(jìn)程的加速推進(jìn)，使得房地產(chǎn)業(yè)快速發(fā)展，并成為推動國民經(jīng)濟(jì)發(fā)展的重要動力。近年來，隨著我國經(jīng)濟(jì)由高速增長階段，轉(zhuǎn)向高質(zhì)量發(fā)展階段，受城鎮(zhèn)化步伐的放緩及人口老齡化等因素影響，房地產(chǎn)市場的發(fā)展已由需求大于供給的總量失衡階段轉(zhuǎn)向總量均衡但結(jié)構(gòu)分化嚴(yán)重的新階段。分城市看，一、二線城市供求結(jié)構(gòu)性矛盾愈加突出、房地產(chǎn)價(jià)格風(fēng)險(xiǎn)逐漸顯現(xiàn);部分三、四線城市庫存量仍在增加，部分企業(yè)資金鏈斷裂問題凸顯?！皡^(qū)域分化嚴(yán)重，風(fēng)險(xiǎn)逐漸顯現(xiàn)”成為新時(shí)代我國房地產(chǎn)發(fā)展的新特征。房地產(chǎn)市場與金融關(guān)系密切，房地產(chǎn)風(fēng)險(xiǎn)破壞性強(qiáng)，極易對金融業(yè)乃至整個(gè)金融體系的穩(wěn)定產(chǎn)生影響，進(jìn)而造成整個(gè)經(jīng)濟(jì)的危機(jī)。歷史上，房地產(chǎn)市場風(fēng)險(xiǎn)引發(fā)金融危機(jī)的現(xiàn)象時(shí)有發(fā)生，如日本、美國、東南亞都曾因?yàn)榉康禺a(chǎn)泡沫導(dǎo)致金融危機(jī)的爆發(fā)，嚴(yán)重破壞本國甚至全球的金融系統(tǒng)穩(wěn)定性，造成全球經(jīng)濟(jì)的衰退和金融秩序的混亂。

黨的十九大報(bào)告指出：“堅(jiān)持房子是用來住的、不是用來炒的定位，加快建立多主體供給、多渠道保障、租購并舉的住房制度，讓全體人民住有所居。”同時(shí)，習(xí)近平總書記在2019年省部級主要領(lǐng)導(dǎo)干部專題研討班上強(qiáng)調(diào)，深刻認(rèn)識和準(zhǔn)確把握外部環(huán)境的深刻變化和我國改革發(fā)展穩(wěn)定面臨的新情況新問題新挑戰(zhàn)，堅(jiān)持底線思維，增強(qiáng)憂患意識，提高防控能力，著力防范化解重大風(fēng)險(xiǎn)，保持經(jīng)濟(jì)持續(xù)健康發(fā)展和社會大局穩(wěn)定。可見，加強(qiáng)防范房地產(chǎn)市場風(fēng)險(xiǎn)，已經(jīng)成為推動經(jīng)濟(jì)高質(zhì)量發(fā)展的重要保障。因此，客觀識別房地產(chǎn)風(fēng)險(xiǎn)影響因素，科學(xué)評價(jià)房地產(chǎn)市場風(fēng)險(xiǎn)，對促進(jìn)房地產(chǎn)市場平穩(wěn)健康發(fā)展具有重大意義。

本文借鑒前人研究成果，從房地產(chǎn)開發(fā)、財(cái)政、金融、人口、城市基礎(chǔ)設(shè)施等多維度識別房地產(chǎn)風(fēng)險(xiǎn)影響因素，綜合利用房地產(chǎn)開發(fā)投資、商品房銷售、開發(fā)企業(yè)資金等指標(biāo)數(shù)據(jù)，利用主成分分析法，構(gòu)建房地產(chǎn)風(fēng)險(xiǎn)評價(jià)指數(shù)，對35個(gè)大中城市房地產(chǎn)風(fēng)險(xiǎn)進(jìn)行實(shí)證測度，提出房地產(chǎn)風(fēng)險(xiǎn)應(yīng)對和調(diào)控思路等政策建議。

二、文獻(xiàn)綜述

國外對于房地產(chǎn)風(fēng)險(xiǎn)的研究較為全面，主要包括房地產(chǎn)風(fēng)險(xiǎn)識別、影響因素、作用路徑、風(fēng)險(xiǎn)抑制等方面。Victor Contreras（2014）利用加拉加斯、委內(nèi)瑞拉私有數(shù)據(jù)，研究住宅房地產(chǎn)價(jià)格風(fēng)險(xiǎn)微觀層面決定因素，將特征價(jià)格理論運(yùn)用到房地產(chǎn)領(lǐng)域，并對以上影響因素進(jìn)行定量研究。[1]Pan & Wang（2013）研究了美國286個(gè)城市的房價(jià)數(shù)據(jù)，發(fā)現(xiàn)房價(jià)的波動對不同金融市場產(chǎn)生不同的影響。[2]Pavlov & Wachter（2011）通過建立模型，發(fā)現(xiàn)金融管理放松與金融創(chuàng)新顯著影響房地產(chǎn)泡沫。[3]Christopoulos等（2016）基于微觀房屋抵押貸款違約概率和預(yù)期損失利潤的每日數(shù)據(jù)，構(gòu)建了商業(yè)地產(chǎn)資產(chǎn)評估簡化模型，分析了商業(yè)抵押擔(dān)保證券投資者的信用風(fēng)險(xiǎn)影響因素。[4]Cabriel等（2003）運(yùn)用房地產(chǎn)泡沫理論分析了1990—2000年十年間美國不同地區(qū)生活質(zhì)量的變化情況，同時(shí)通過時(shí)間和空間的對比，分析了城市房地產(chǎn)泡沫影響因素之間內(nèi)在作用機(jī)理。[5]

國內(nèi)對于房地產(chǎn)風(fēng)險(xiǎn)影響因素和評價(jià)指標(biāo)的研究也比較多。鄧郁松（2014）認(rèn)為新常態(tài)下我國房地產(chǎn)市場主要有房價(jià)泡沫風(fēng)險(xiǎn)、庫存過剩風(fēng)險(xiǎn)、流動性風(fēng)險(xiǎn)。[6]王大港等（2016）基于房地產(chǎn)去庫存的視角，從當(dāng)前我國城市房地產(chǎn)市場的庫存風(fēng)險(xiǎn)、價(jià)格風(fēng)險(xiǎn)、融資風(fēng)險(xiǎn)、政策環(huán)境風(fēng)險(xiǎn)四方面入手，運(yùn)用結(jié)構(gòu)方程模型，定量分析了新常態(tài)下中國房地產(chǎn)市場風(fēng)險(xiǎn)影響因素。[7]肖澤群等（2009）運(yùn)用核主成分分析法從購買風(fēng)險(xiǎn)、開發(fā)風(fēng)險(xiǎn)、金融風(fēng)險(xiǎn)和財(cái)稅風(fēng)險(xiǎn)四個(gè)方面建立房地產(chǎn)風(fēng)險(xiǎn)的評價(jià)體系，對全國 31個(gè)省份的房地產(chǎn)風(fēng)險(xiǎn)進(jìn)行了評估和分析。[8]張彥周（2014）選擇5個(gè)特征指標(biāo)作為房地產(chǎn)風(fēng)險(xiǎn)指標(biāo)體系，應(yīng)用投影尋蹤算法對鄭州市2002年到2012年的房地產(chǎn)風(fēng)險(xiǎn)進(jìn)行了分類。[9]張協(xié)奎等（2016）基于壓力指數(shù)理論，從房地產(chǎn)業(yè)對經(jīng)濟(jì)增長、銀行信貸、財(cái)政收入及居民消費(fèi)的負(fù)向壓力角度出發(fā)，構(gòu)建了1998—2015年的中國房地產(chǎn)壓力指數(shù)及四個(gè)分項(xiàng)指數(shù)，并以相關(guān)歷史事件和權(quán)值理論對該指數(shù)的有效性進(jìn)行了雙重檢驗(yàn)，據(jù)此對房地產(chǎn)市場存在的風(fēng)險(xiǎn)進(jìn)行了測度。[10]林采宜等（2018）從供給、需求、房價(jià)泡沫水平三個(gè)方面，選取租金收入比、年化租售比、房價(jià)收入比、常住人口增速、老年人口占比、居民可支配收入增速、居民負(fù)債率以及土地財(cái)政依賴度和投資銷售增速差9個(gè)維度的指標(biāo)，對國內(nèi)24個(gè)主要大中城市房地產(chǎn)風(fēng)險(xiǎn)水平進(jìn)行評估分析。[11]

綜上梳理國內(nèi)外文獻(xiàn)中已有研究發(fā)現(xiàn)，針對房地產(chǎn)價(jià)格快速上漲期間構(gòu)建的評價(jià)指標(biāo)體系較多，而對我國經(jīng)濟(jì)進(jìn)入高質(zhì)量發(fā)展階段房地產(chǎn)風(fēng)險(xiǎn)研究相對較少，更沒有對新時(shí)代城市房地產(chǎn)市場風(fēng)險(xiǎn)評估的研究。因此本文緊扣新時(shí)代高質(zhì)量發(fā)展這個(gè)前提，挖掘具有代表性的評價(jià)指標(biāo)，從多個(gè)維度構(gòu)建科學(xué)房地產(chǎn)風(fēng)險(xiǎn)評價(jià)指標(biāo)體系。

三、房地產(chǎn)風(fēng)險(xiǎn)指標(biāo)體系的構(gòu)建

（一）指標(biāo)的選取

本文在選取指標(biāo)時(shí)借鑒以上各種研究成果，綜合考慮房地產(chǎn)開發(fā)風(fēng)險(xiǎn)、融資風(fēng)險(xiǎn)、價(jià)格風(fēng)險(xiǎn)、庫存風(fēng)險(xiǎn)和城市環(huán)境風(fēng)險(xiǎn)五個(gè)方面建立指標(biāo)體系，對35個(gè)城市房地產(chǎn)風(fēng)險(xiǎn)進(jìn)行度量。房地產(chǎn)開發(fā)風(fēng)險(xiǎn)層面考慮的是企業(yè)的項(xiàng)目開發(fā)與經(jīng)營風(fēng)險(xiǎn)，選取房地產(chǎn)開發(fā)企業(yè)個(gè)數(shù)、房地產(chǎn)開發(fā)本年完成投資、施工面積、新開工面積、企業(yè)土地轉(zhuǎn)讓收入占主營業(yè)務(wù)收入的比重等指標(biāo)。融資風(fēng)險(xiǎn)考慮的是房地產(chǎn)開發(fā)企業(yè)的籌集項(xiàng)目開發(fā)資金的風(fēng)險(xiǎn)，選取實(shí)際到位資金、企業(yè)資產(chǎn)負(fù)債率、房地產(chǎn)開發(fā)投資占全社會固定資產(chǎn)投資（不含農(nóng)戶）比重、國內(nèi)貸款、國內(nèi)貸款與個(gè)人儲蓄比值等指標(biāo)。價(jià)格風(fēng)險(xiǎn)考慮的是房地產(chǎn)銷售價(jià)格泡沫化的風(fēng)險(xiǎn)，選取平均銷售價(jià)格、平均銷售價(jià)格增速、房價(jià)收入比、房價(jià)增速與地區(qū)生產(chǎn)總值增速比、房價(jià)增速與人均可支配收入增速比、個(gè)人按揭貸款等指標(biāo)。庫存風(fēng)險(xiǎn)考慮的是庫存化解風(fēng)險(xiǎn)，選取商品房待售面積、商品房去化周期、住宅待售面積、住宅去化周期、商品房竣工面積。城市環(huán)境風(fēng)險(xiǎn)考慮的是城市教育醫(yī)療等基層設(shè)施建設(shè)及文化環(huán)境與房地產(chǎn)發(fā)展相關(guān)的風(fēng)險(xiǎn)，選取人均GDP、人均財(cái)政收入、醫(yī)療機(jī)構(gòu)床位數(shù)、執(zhí)業(yè)醫(yī)生人數(shù)、高等學(xué)校在校生人數(shù)、圖書館館藏圖書數(shù)等指標(biāo)。其中，與風(fēng)險(xiǎn)指數(shù)除城市環(huán)境風(fēng)險(xiǎn)指標(biāo)為負(fù)向相關(guān)外，其余指標(biāo)均為正向相關(guān)。

（二）指數(shù)的構(gòu)建

我國房地產(chǎn)市場發(fā)展體現(xiàn)出明顯的體制轉(zhuǎn)軌特征，數(shù)據(jù)的歷史長度、穩(wěn)定性和連續(xù)性不理想，利用時(shí)間序列歷史數(shù)據(jù)回歸建模進(jìn)行外推預(yù)測或是以市場數(shù)據(jù)為基礎(chǔ)的監(jiān)測方法都不太適用。相對而言，綜合指數(shù)法簡明清晰，且可以靈活與其他模型結(jié)合使用。由于主成分分析法具有能夠避開人們主觀性而且失真度小的優(yōu)點(diǎn)，可以根據(jù)客觀真實(shí)的數(shù)據(jù)估計(jì)各自占有的權(quán)重，考慮到以往研究中綜合指數(shù)在指標(biāo)選取和權(quán)重的人為主觀因素較高，所以本文采用主成分分析法構(gòu)建綜合指數(shù)。

主成分分析可以將原始數(shù)據(jù)指標(biāo)轉(zhuǎn)化成少數(shù)幾個(gè)主成分，即通過降維來實(shí)現(xiàn)簡化信息。首先，使用SPSS軟件的因子分析功能，以此降低各層面風(fēng)險(xiǎn)所選取基礎(chǔ)指標(biāo)的維度，這樣就可以將所選取的基礎(chǔ)指標(biāo)綜括為幾個(gè)主要影響房地產(chǎn)各層面風(fēng)險(xiǎn)的因子，而且這幾個(gè)主要的因子又能囊括原始數(shù)據(jù)中絕大多數(shù)的信息。然后根據(jù)旋轉(zhuǎn)后的載荷矩陣中各個(gè)主成分特征值和各個(gè)主成分的方差貢獻(xiàn)率，計(jì)算主成分得分。最后根據(jù)以各主成分對應(yīng)的方差貢獻(xiàn)率為權(quán)重，計(jì)算各層面風(fēng)險(xiǎn)指數(shù)。綜合風(fēng)險(xiǎn)指數(shù)，將以各層面風(fēng)險(xiǎn)指數(shù)為基礎(chǔ)，運(yùn)用主成分分析方法計(jì)算。

四、房地產(chǎn)風(fēng)險(xiǎn)指數(shù)的實(shí)證分析

（一）數(shù)據(jù)處理

如第三部分所述，為研究經(jīng)濟(jì)進(jìn)入高質(zhì)量發(fā)展階段房地產(chǎn)風(fēng)險(xiǎn)的發(fā)展演化，本文分別選取 2012 年和2017 年35個(gè)大中城市的相關(guān)房地產(chǎn)數(shù)據(jù)、房地產(chǎn)開發(fā)企業(yè)個(gè)數(shù)、房地產(chǎn)開發(fā)本年完成投資、施工面積、新開工面積、商品房待售面積、商品房去化周期等指標(biāo)，構(gòu)建房地產(chǎn)風(fēng)險(xiǎn)綜合指數(shù)。以上各指標(biāo)數(shù)據(jù)來源于中國城市統(tǒng)計(jì)年鑒、中國房地產(chǎn)統(tǒng)計(jì)年鑒。為了消除不同量綱之間比較困難的問題，我們對每個(gè)指標(biāo)數(shù)據(jù)進(jìn)行標(biāo)準(zhǔn)化處理。

（二）KMO以及Bartlett的球形度檢驗(yàn)

Kaiser-Meyer-Olkin（KMO）抽樣充分性測度是用于測量變量之間相關(guān)關(guān)系強(qiáng)弱的重要指標(biāo)，是通過比較兩個(gè)變量的相關(guān)系數(shù)與偏相關(guān)系數(shù)得到的。根據(jù) Kaiser（1974），KMO檢驗(yàn)值取值范圍在0—1之間，一般當(dāng)KMO檢驗(yàn)值小于0.50時(shí)，則不能接受，KMO檢驗(yàn)值大于0.60則可接受。與KMO相類似，Bartlett 球形度檢驗(yàn)也是用來測度樣本是否適合進(jìn)行因子分析，判斷的標(biāo)準(zhǔn)是通過卡方值以及顯著性水平，若顯著性水平sig.<0.05，表示樣本數(shù)據(jù)可以進(jìn)行因子分析。

（三）主成分分析

首先，運(yùn)用 SPSS軟件對房地產(chǎn)開發(fā)風(fēng)險(xiǎn)相關(guān)變量、房地產(chǎn)開發(fā)企業(yè)個(gè)數(shù)（X1）、房地產(chǎn)開發(fā)本年完成投資（X2）、施工面積（X3）、新開工面積（X4）、企業(yè)土地轉(zhuǎn)讓收入占主營業(yè)務(wù)收入的比重（X5）進(jìn)行主成分分析，并得到特征根以及方差貢獻(xiàn)率，如下表所示。

由表1可知，總體樣本的 KMO值為0.612，Bartlett的球形度檢驗(yàn)的近似卡方值為 65.228，P值為0.000，根據(jù)Kaiser以及Bartlett的球形度檢驗(yàn)的判斷標(biāo)準(zhǔn)，各變量之間具有共同因子，適合進(jìn)行因子分析。

變量的公因子方差表明了原始指標(biāo)的方差中能夠被主成分所能解釋的部分。當(dāng)一個(gè)指標(biāo)的共同性越大，那就說明指標(biāo)能夠被主成分所說明的程度越高。表2顯示了主成分分析算法在多個(gè)指標(biāo)中提取信息量的多少，越接近1表示提取信息較多。從房地產(chǎn)開發(fā)層面看，除企業(yè)土地轉(zhuǎn)讓收入占主營業(yè)務(wù)收入比重較小外，大部分的指標(biāo)提取量均大于0.6，表明指標(biāo)提取信息比率較大。

在主成分分析的過程中，方差累計(jì)貢獻(xiàn)率反映的是該主成分能夠反映原始數(shù)據(jù)信息量的百分比。根據(jù)上表，第一個(gè)主成分對應(yīng)的特征值是2.499，方差貢獻(xiàn)率是49.980，表明第一個(gè)主成分能夠反映原始數(shù)據(jù)信息的49.980%。以此類推，前2個(gè)主成分能夠反映原始數(shù)據(jù)信息的74.132%，方差累計(jì)貢獻(xiàn)率達(dá)到70%以上，就可以確定主成分的數(shù)量。

確定主成分的方法通常有兩個(gè)，第一個(gè)是選取主成分對應(yīng)特征值大于1的部分;第二個(gè)是累計(jì)方差貢獻(xiàn)率達(dá)到70%以上。碎石圖在某種程度上反映了主成分的走勢。碎石圖主要研究拐點(diǎn)，拐點(diǎn)之前坡度比較陡，拐點(diǎn)之后坡度比較平緩，那么選取拐點(diǎn)之前的點(diǎn)作為主成分。結(jié)合方差累計(jì)貢獻(xiàn)率表格和碎石圖，提取房地產(chǎn)開發(fā)風(fēng)險(xiǎn)2個(gè)主成分，這2個(gè)主成分對應(yīng)的特征值均在1以上，而且在碎石圖中第2個(gè)主成分是一個(gè)拐點(diǎn)。

（四）風(fēng)險(xiǎn)對比分析

一線城市中，北京和上海兩個(gè)超大都市一方面由于房屋價(jià)格和地價(jià)高企地方政府采取了十分嚴(yán)格的房地產(chǎn)調(diào)控措施;另一方面兩個(gè)城市分別作為政治文化中心和經(jīng)濟(jì)中心，其經(jīng)濟(jì)發(fā)達(dá)、公共設(shè)施服務(wù)水平高，從同一年份與其他城市的風(fēng)險(xiǎn)對比看其開發(fā)風(fēng)險(xiǎn)、融資風(fēng)險(xiǎn)、價(jià)格風(fēng)險(xiǎn)、庫存風(fēng)險(xiǎn)處在前列，而體現(xiàn)高質(zhì)量發(fā)展的城市環(huán)境風(fēng)險(xiǎn)較小。二線城市中，以南京為例，近年來地價(jià)和房價(jià)上漲較快，房地產(chǎn)開發(fā)規(guī)模不斷擴(kuò)大，從2012年和2017年的實(shí)證分析結(jié)果看，開發(fā)風(fēng)險(xiǎn)和價(jià)格風(fēng)險(xiǎn)程度上升，庫存風(fēng)險(xiǎn)程度下降。

綜合對比看，35個(gè)大中城市房地產(chǎn)風(fēng)險(xiǎn)總體上呈現(xiàn)如下特點(diǎn)：一方面房地產(chǎn)風(fēng)險(xiǎn)與經(jīng)濟(jì)發(fā)達(dá)程度正相關(guān);另一方面隨著經(jīng)濟(jì)發(fā)展，公共設(shè)施的不斷完善，又會降低房地產(chǎn)風(fēng)險(xiǎn)程度。

五、主要結(jié)論和建議

本文采用主成分分析法，以此降低所選取基礎(chǔ)指標(biāo)的維度，構(gòu)建房地產(chǎn)風(fēng)險(xiǎn)指標(biāo)體系，通過主成分得分編制房地產(chǎn)開發(fā)風(fēng)險(xiǎn)指數(shù)（DRI）、房地產(chǎn)融資風(fēng)險(xiǎn)指數(shù)（FRI）、房地產(chǎn)價(jià)格風(fēng)險(xiǎn)指數(shù)（PRI）、房地產(chǎn)庫存風(fēng)險(xiǎn)指數(shù)（SRI）、房地產(chǎn)城市環(huán)境分析指數(shù)（CRI），進(jìn)一步合成為房地產(chǎn)風(fēng)險(xiǎn)綜合指數(shù)（TRI）。利用2012年和2017年35個(gè)大中城市的相關(guān)數(shù)據(jù)，測算了不同城市各個(gè)維度房地產(chǎn)風(fēng)險(xiǎn)指數(shù)及綜合指數(shù)。

針對不同城市的房地產(chǎn)風(fēng)險(xiǎn)結(jié)構(gòu)和程度不同，應(yīng)繼續(xù)堅(jiān)持“分類指導(dǎo)、因城施策”。經(jīng)濟(jì)進(jìn)入高質(zhì)量發(fā)展階段，要考慮到不同城市的庫存與居民購房需求存在較大差別，完善區(qū)域性差別化住房調(diào)控政策，把握不同城市不同時(shí)期去庫存與降杠桿的平衡點(diǎn)，防止房地產(chǎn)市場大起大落。從長期看，則通過多主體供給、多渠道保障，加快各項(xiàng)基礎(chǔ)設(shè)施建設(shè)，平衡好穩(wěn)增長和防風(fēng)險(xiǎn)的關(guān)系，把握好節(jié)奏和力度，穩(wěn)妥實(shí)施房地產(chǎn)市場平穩(wěn)健康發(fā)展的長效機(jī)制方案。

參考文獻(xiàn)：

[1]Contreras V.， Garay U.， Santos M. A.， et al. Expropriation risk and housing prices： Evidence from an emerging market[J]. Journal of Business Research， 2014， 67（5）：935-942

[2]Pan H. R.， Wang C. House Prices， Bank Instability and Economic Growth： Evidence from the Threshold Model[J]. Journal of Banking & Finance， 2013，37：1720-1732.

[3]Pavlov A. D.， Wachter S. M. Subprime Lending and Real Estate Prices[J]. Social Science， Electronic Publishing， 2011， 39（1）：1-17.

[4]Christopoulos A. D.， Barratt J. G. Credit risk findings for commercial real estate loans using the reduced form[J]. Finance Research Letters， 2016， 19：228-234.

[5]Gabriel S. A.， Mattey J. P.， Wascher W. L. Compensating differentials and evolution in the quality-of-life among U.S. states[J]. Regional Science & Urban Economics， 2003， 33（5）：619-649.

[6]鄧郁松.建立房地產(chǎn)市場長效機(jī)制需要關(guān)注的問題[J].經(jīng)濟(jì)研究信息，2014（6）：46-47.

[7]王大港，劉伊生.新常態(tài)下中國房地產(chǎn)市場風(fēng)險(xiǎn)特征及影響因素研究[J]. 東岳論叢，2016，37（10）：157-164.

[8]肖澤群，程德理，肖萬春.基于核主成分子的我國房地產(chǎn)風(fēng)險(xiǎn)分析[J]. 經(jīng)濟(jì)研究導(dǎo)刊，2009（35）：67-69.

[9]張彥周.有序聚類投影尋蹤模型在鄭州市房地產(chǎn)風(fēng)險(xiǎn)評價(jià)中的應(yīng)用[J]. 數(shù)學(xué)的實(shí)踐與認(rèn)識，2014，44（17）：47-53.

[10]張協(xié)奎，樊光義.中國房地產(chǎn)壓力指數(shù)構(gòu)建及其實(shí)證分析[J].城市問題，2016（11）：90-98.

[11]林采宜，程丹.中國不同城市房地產(chǎn)風(fēng)險(xiǎn)比較研究[J].新金融評論，2018（02）：109-118.

（責(zé)任編輯：向 梅）