一、中国房地产 “泡沫”怎么看(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》文中进行了进一步梳理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。
杨韫韬[2](2020)在《基于结构性去杠杆视角的房地产金融风险测度与处置分析》文中指出2017年中央经济工作会议指出,要重点抓好防范化解重大风险、精准脱贫、污染防治三大攻坚战,其中防风险攻坚战之重难点为防范与控制金融风险,并决议将构建金融和房地产业的良性循环。根据中国现有的房地产企业部门和金融部门的高杠杆率与金融加杠杆引发的资产价格泡沫己成为房地产金融风险的祸首之一的事实,本文探究如何将“结构性去杠杆”有机地和降房地产金融风险结合起来,产生良性连锁反应。构建房地产市场泡沫度指标体系,先运用主成分分析法测量房地产市场泡沫度,再分析房地产金融风险对各部门的风险溢出效应和联动效应,再基于结构性去杠杆的视角分析如何通过四部门(非金融企业部门、金融机构部门、居民部门和政府部门)降杆杠化解房地产金融风险。虽然目前降杠杆的政策短期取向发生变化,“降杠杆”变为“稳杠杆”,但是我国总体杠杆率仍然在高位的潜在风险依然存在,未来在短期稳住杠杆率之后还需降低总体杠杆率的宏观政策方向不会改变。本文研究的意义正在于此,为我国降杠杆、防控金融风险的宏观调控政策提供实证依据和建议。
李伦一[3](2019)在《资产泡沫测度、空间传染与联动效应的实证研究》文中研究说明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。
吴清婷,彭贤伟,简萍[4](2019)在《房地产泡沫的空间分布及其传染性分析——以中国35个大中城市为例》文中提出目前,相关研究表明房地产泡沫具有空间传染性,这表明某地区房地产泡沫将受到周边房地产市场的影响。然而,在中国房地产市场蓬勃发展的背景下,国内学者对房地产泡沫的空间传染性的研究较少。鉴于此,本文以我国35个大中城市为例,尝试加入地理空间维视角,测度2006年及2016年中国房地产泡沫水平,并分析房地产泡沫的空间分布特征和空间传染性。结果表明,第一,在时间尺度上,中国城市房地产泡沫水平有进一步加强的趋势;在空间尺度上,中国房地产泡沫水平基本呈现出"东高-西低"的空间格局。第二,中国城市房地产泡沫在空间上具有传染性,并且其空间传染性呈现出明显的区域差异性和动态特征。第三,2006年中国房地产泡沫空间传染源是北方的石家庄、长春、太原、南京等城市,2016年核心城市转移到长三角、珠三角和环渤海地区的北京、天津、上海、广州、深圳、珠海等经济发达、城镇化水平较高的地方。因此,对不同城市和区域房地产市场,应采取不同的应对措施,以遏制房地产市场引起的经济泡沫。
王陈圆[5](2019)在《一线城市房地产泡沫测度研究》文中进行了进一步梳理自1998年住房商品化制度实施以来,中国房地产市场迅速发展,房地产价格不断上涨,显示出房地产泡沫存在的可能性。房地产市场的健康发展关乎国民经济和人民生活,房价高的问题在一线城市尤其突出,因此本文以一线城市为例,对一线城市房地产泡沫是否存在及严重程度进行研究。本文首先从房地产泡沫的含义、性质和危害等方面,对房地产泡沫进行详细介绍,随后介绍中国房地产行业,描述了中国房地产市场规模不断增长,房价不断上涨的现状。接着本文通过理论分析选取房价收入比、房地产开发投资额与GDP之比、房地产开发投资额与固定资产投资之比、房价增长率与GDP增长率之比作为度量房地产泡沫的合理指标,分别对一线城市房地产泡沫分析。然后本文采用基准价格法,将房地产市场价格分为基准价格和泡沫两部分,根据协整理论利用向量误差修正模型得到房地产长期均衡价格,将其与市场价格对比,从而得到更直观的房地产泡沫度,发现各一线城市泡沫波动趋势相似,泡沫波动幅度差别较大。最后本文将指标法所得综合指标指数与基准价格法所得泡沫度进行对比分析,发现两种方法所得泡沫趋势基本一致。
杨阳[6](2019)在《我国房地产投资中金融风险防范研究》文中进行了进一步梳理本文梳理了国内外相关研究文献,发现房地产业在获得金融业支持的同时,也存在着各种风险隐患。金融机构巨额的信贷资金流向房地产市场,催生了房地产泡沫。房地产泡沫一旦破灭,将致使金融风险发生,进而影响金融和宏观经济的稳定。目前中国的房地产市场存在着泡沫,存在发生金融风险的可能性。本文从金融机构房地产信贷引发的金融风险的角度出发,阐述了我国房地产投资资金来源结构,通过统计数据发现房地产投资资金中,来自银行信贷的部分份额较大,已经暗含着金融风险。同时,利用相关房地产金融风险量化指标的计算,对房地产投资泡沫程度,房地产资金投机程度,金融机构房地产贷款增长率,以及对金融机构信贷风险聚集程度的分析表明目前我国的房地产市场存在着一定的泡沫和风险。导致风险存在的隐患主要是房地产信贷占金融机构贷款的比例过高以及房地产价格的快速上涨等问题。在此基础上,基于房地产泡沫理论、资产泡沫化理论及金融脆弱性理论,对中国房地产投资中的金融风险进行了深入的理论分析。从金融机构信贷对房地产金融风险产生的作用以及金融机构房地产信贷与房地产泡沫的关联,房地产市场参与主体缺乏规范性等方面分析了房地产投资中的金融风险的成因。发现金融机构信贷的过度支持不仅会使风险过度集中,还会加速泡沫聚集,进而引发金融风险。在此分析基础上,从加强商业银行房地产信贷风险管理、完善优化房地产金融体系及加强宏观调控三方面给出对策建议,具体包括规范房地产开发贷款项目的管理、强化信用风险评估、制定合理的投放政策、加强社会全方位信用体系的构建以及制定和实行差别化的房地产调控政策等建议。
聂瑞[7](2019)在《基于格兰杰因果检验的房地产市场泡沫影响因素研究 ——以北京、上海、广州为例》文中提出在大多数国家,房地产行业都是决定着国家收入的一个重要部分,房地产市场的健康稳定发展对于任何国家都至关重要。随着中国房地产市场的快速发展,中国房地产价格也迅速上涨。因此,许多人在质疑中国房地产市场将要走向何方。本论文重点回答当前中国的重点城市,以北京、上海和广州为例,是否存在着房地产市场的价格泡沫以及房地产价格泡沫的影响因素的问题。本文利用房地产价格指数,股票市场指数,长期贷款利率,当地工业生产状况和新建住房供应量等五个基本变量,在月度数据的基础上开展了时间序列数据的实证研究,构建了向量误差修正模型(VECM),进行格兰杰因果关系检验,用以评估房地产市场中的泡沫成分以及各宏观经济变量对房地产价格泡沫的影响作用。本文的研究结果表明,截至2016年,北京、上海和广州三市的房地产市场中都存在着房地产价格泡沫,泡沫规模为房地产基础价值的5%~10%。但是,三个城市的房地产市场泡沫的发展趋势不尽相同。虽然,北京市和上海市的房地产市场泡沫有所下降,但是广州市的房地产市场泡沫表现为继续增长。此外,中国重点城市的房地产价格与中国宏观经济的基本面因素具有长期均衡关系,能够在价格短期失衡的时候进行自我修正,最终向市场的长期均衡价值回归的自我调整运动。在这些因素中,长期利率对房价具有关键性的影响作用,可以被用作合理的宏观调控政策工具。
韦汝虹,金李,方达[8](2018)在《基于GIS的中国城市房地产泡沫的空间传染性分析——以2006~2014年35个大中城市为例》文中指出关于房地产泡沫空间传染性的研究议题,已有经济学模型存在一定的局限性,不能够有效地细致地展开探讨。以中国大中城市为例,基于GIS的空间计量模型对中国城市房地产泡沫的空间传染性进行分析。结果表明:中国房地产泡沫具有空间传染性,且在时间尺度上,传染能力具有明显增强的趋势,在空间尺度上,传染能力表现为由东部沿海向西北内陆逐渐递减的空间趋势。(2) 2006年,北京、上海、广州等城市成为了中国房地产泡沫的空间传染源; 2014年,传染源发生了明显转移,广州等城市成为了空间传染源。(3)在中国经济进入新常态的背景之下,需要有层次地采取相关措施,以有效遏制房地产市场引起的经济泡沫,以免阻碍地区经济转型和产业升级。
施旖旎[9](2018)在《限购背景下住房投资的发生机制及其社会后果研究》文中认为对当代中国的住房问题进行探讨,不能脱离对当代中国房地产市场的运作形态以及市场主体的行动逻辑的研究和理解,而住房投资现象正是为此提供了一个重要而有效的窗口。在当代中国社会的主流话语中,住房投资者常被称为“炒房客”,也常被描述成助长房价、击垮实体经济的“害群之马”。然而,住房投资的机会来源和行动者的行动策略等主体经验却长期被忽视。本研究试图回答的基本问题是:住房投资是在什么样的社会结构中发生的,如何得以发生及以怎样的方式发生?具体来说,住房投资机会是怎样衍生出来的,是怎样被投资者们所认知的,在限购背景下,隐性机会是怎样变成显性行动的,其作用机制有哪些,投资目标的达成意味着什么。基于对22位住房投资者进行的观察和深度访谈,以及对开发商、银行、中介公司等相关领域行动者的访谈,本研究集中呈现了从投资机会来源到投资目标达成的过程。同时,对投资机会隐现的宏观社会背景即中国住房市场的形成、变迁与特点进行了分析和总结;最后,从社会分化和市场风险的角度探讨了可能的社会后果。研究结果表明:第一,在城市土地生产资料由国家独占且“经营型”地方政府有足够动力经营城市的背景下,市场无法发挥出使价格达到平衡的功能,大城市的人口增加与住房需求的增加,无法刺激更多的土地供应,行政调控使得住房市场陷入一个“房价上涨—限制需求—夯实价格—限制解除—房价上涨”的循环。供给与需求的尖锐矛盾与浮于表面的行政调控相结合,促成了“政策市”与“福利房”的产生。第二,在投资机会的认知方面,社会网络发挥着重要作用,尤其是强关系和权威性“超弱关系”发挥着关键促进作用,表现在投资信息的提供、住房投资合法性的建构以及策略的提供方面。在投资目标达成过程中,制度内外涌现了丰富的资源和策略信息,这不仅来源于政府部门为城市发展留下的口子、部门之间的条块分割以及政府代理人对规则的“灵活”执行和主动利用,也来源于开发商所生产的排斥与笼络机制,银行为“优质客户”提供的支持与通融,还来源于中介公司在促进成交和加速回款等方面的帮助。在各正式组织后台活动的“万能的担保公司”,将各利益主体进行匹配与撮合,为组织代理人的个人创收提供可能,同时也为组织的责任规避提供出口。与此同时,住房投资者们在家庭内外动员相关资源,择机采取与其他行动主体的合作策略或使用“弱者的武器”,以达成投资目标。在关系资源的动员方面,关系人的特征同质性与关系强度同时发挥作用,观念同质性与身份同质性是关系作用得以发挥的重要条件。研究还表明,住房投资者内部表现出一定的阶层差异,尤其在资源动员能力和所承受风险大小方面。第三,住房投资者与其他市场主体的行动看似理性,但这些行动的集合结果却是非理性的。限购背景下,政府、开发商和银行对“优质市民”、“优质业主”和“优质客户”的选择,意外地使得“优质”投资者成为“福利房”的购房人群,解构了限购政策的初衷,进而将使社会阶层得以再生产,不正常的市场得以再生产,加剧房地产市场的危机。从地方政府的角度看,大量的投资需求为土地出让价格的上涨和土地财政收入的增加提供了重要支撑,但市场的实际运行使得调控政策脱离初衷,对现有的治理逻辑、土地制度和住房政策提出挑战。本研究从政府与市场关系的角度来研究限购背景下住房投资的发生机制和社会后果,有助于拓展住房投资的已有理论解释,也丰富了“政府与市场的关系”这一研究主题的已有研究成果。对限购背景下住房投资行动的考察,特别是关于房地产市场主体行动逻辑的探讨,将为探索转型期房地产市场的秩序转型提供重要的经验资料,并为政府及相关部门制定住房政策提供学理依据。
高崇丹[10](2018)在《我国房地产泡沫研究现状与演进脉络研究》文中提出近十几年来,在我国房地产市场繁荣发展的同时,我国房价也持续上涨。房价持续上涨,一方面,不断推动我国经济发展;另一方面,也堆积了经济泡沫,带动了虚拟经济的投资热潮。若虚拟经济过度膨胀,则会引发泡沫危机,这不仅将影响到我国国民经济的健康发展和人民群众的切身利益,还将关系到金融业的安危。因此,我国政府多次实施调控,期望能够控制房价上涨态势,避免此类事件发生,但调控结果始终不太理想。目前,大量学者从不同角度分析房地产泡沫,产生了诸多的研究成果,为我国房地产市场调控提供了理论支撑。但目前少有学者总结这些理论研究成果,梳理其演进脉络,找出现有研究存在的困难与不足。基于此,本文采用共被引分析、共词分析、社会网络分析、内容分析及历史分析法等方法,回溯我国房地产泡沫研究近25年的文献,分析其研究现状,梳理其演进过程,找出研究的内在困境。经分析,文章主要得出三个方面的结论:第一,我国房地产泡沫研究现状方面的结论。(1)在我国房地产泡沫研究领域中,中国人民大学、北京大学、南开大学和厦门大学产生了较多研究成果,周京奎、袁志刚和谢经荣等具有重要地位。(2)《我国城市住房市场泡沫水平的度量》一文是我国房地产泡沫研究领域中的一个重要里程碑,为后续学者的研究奠定了基础;同时,《中国房地产市场价格泡沫的检验与成因机理研究》一文首次借鉴Pesaran在2007年提出的CIP面板单位根检验与Pedroni面板协整检验,为该领域的研究提供了新的研究思路,在整个研究网络中起到了非常重要的桥梁作用。第二,我国房地产泡沫演进脉络方面的结论。我国房地产泡沫研究经历了三个阶段:(1)序曲阶段(1993-1997年):日本经济泡沫事件,引发了学者们对房地产泡沫的关注,拉开了我国房地产泡沫研究的序幕。(2)发展阶段(1998-2007年):随着1998年福利制度的取消,我国房地产业有了里程碑式的发展,民众的购房需求被唤醒,房价逐渐上升,炒房投机行为逐渐增多……这些现象引发了学者们的关注,房地产泡沫研究开始逐渐增多,且主要集中在理论研究、检测预警研究和成因研究三方面。(3)高潮阶段(2008-2017年):随着金融危机的爆发,我国为保增长,投入4万亿拉动内需,但其中很大一部分都进入了房地产市场,直接推动了房价上涨,引发了更多学者的关注。该阶段研究呈现出研究主题多元化,研究内容深入化的特征:模型分析法在房地产泡沫检测研究中逐渐被广泛使用;房地产泡沫产生成因分析更偏向于机制研究及基于新视角的研究;同时,房地产泡沫引发金融危机的机制研究、基于宏观调控的房地产泡沫研究以及房地产泡沫对宏观经济的影响研究成为该阶段的重点研究主题。第三,我国房地产泡沫研究内在困境的总结。通过对该领域历年来文献的阅读与梳理,总结出我国房地产泡沫研究存在三点内在困境:即概念界定不统一、理论困境未突破、数据获取困难。本文将文献计量理论引入房地产泡沫研究领域中,通过构建知识结构,明晰了我国房地产泡沫研究发展的内在逻辑与演进路径,为后续学者的深化研究提供了技术支撑,有利于完善该领域的知识体系,推动我国房地产泡沫研究领域的进一步发展。
二、中国房地产 “泡沫”怎么看(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、中国房地产 “泡沫”怎么看(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)基于结构性去杠杆视角的房地产金融风险测度与处置分析(论文提纲范文)
摘要 |
ABSTRACT |
第一章 绪论 |
第一节 研究背景与研究意义 |
一、研究背景 |
二、研究意义与创新点 |
第二节 国内外相关文献综述 |
一、我国房地产金融风险测度文献综述 |
二、杠杆率测度和分析研究文献综述 |
三、研究的内容与方法 |
第二章 我国杠杆率与房地产金融风险的现状 |
第一节 我国房地产金融风险现状及主要特征 |
一、融资成本高、渠道少和结构不合理导致的高房企债务 |
二、土地财政成为助涨房价地价的主要推手 |
三、市场情况区域分化严重时应贯彻落实因城施策 |
四、家庭金融资产分配不均导致的房屋供需错配和民生压力 |
第二节 杠杆率现状及主要特征 |
一、非金融企业部门杠杆率 |
二、政府部门杠杆率 |
三、金融部门杠杆率 |
四、居民部门杠杆率 |
第三节 本章小结 |
第三章 房地产市场金融风险测度与分析 |
第一节 房地产市场泡沫度的概念 |
第二节 指标体系的构建 |
一、指标与数据的选取 |
二、数据处理与检验 |
三、主成分分析 |
第三节 国内房地产市场2006—2019 泡沫度的测度 |
第四节 多元线性回归分析 |
一、房地产市场泡沫度与三类非金融企业多元线性回归 |
二、平稳性检验:ADF检验 |
三、多元线性回归 |
四、房地产泡沫度与各部门杠杆率多元线性回归 |
第五节 本章小结 |
第四章 基于结构性去杠杆的房地产金融风险点分析 |
第一节 房地产企业部门风险点 |
第二节 居民部门风险点 |
第三节 金融部门风险点 |
第四节 政府部门风险点 |
第五节 本章小结 |
第五章 结论与建议 |
第一节 研究结论 |
第二节 政策建议 |
一、严控房企信贷融资风险,促进投资环境优化 |
二、引导居民理性消费,防范居民债务风险暴露 |
三、运用区块链技术治理隐性债务,促进地方政府降杠杆 |
四、完善房地产信贷政策,优化银行经营与信贷环境 |
结语 |
参考文献 |
附件 多元线性回归分析结果 |
附表 房地产市场泡沫测度指标来源 |
致谢 |
(3)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 |
(4)房地产泡沫的空间分布及其传染性分析——以中国35个大中城市为例(论文提纲范文)
一、研究设计 |
1、测度方法及测度指标选择 |
2、研究方法 |
二、结果与分析 |
1、中国房地产泡沫的空间格局 |
2、中国房地产泡沫空间传染性的检验 |
3、中国房地产泡沫空间传染性的区域差异分析 |
4、中国房地产泡沫空间传染的核心城市 |
三、结论与讨论 |
(5)一线城市房地产泡沫测度研究(论文提纲范文)
摘要 |
Abstract |
第一章 导论 |
1.1 选题背景 |
1.2 文献综述 |
1.2.1 房地产泡沫测度 |
1.2.2 房地产价格影响因素 |
1.3 研究意义 |
1.4 研究思路和方法 |
1.5 创新与不足 |
1.6 论文内容和结构 |
第二章 房地产泡沫概述 |
2.1 相关概念 |
2.1.1 房地产价格 |
2.1.2 房地产泡沫 |
2.2 房地产泡沫的危害 |
2.3 房地产市场 |
2.3.1 房地产市场特点 |
2.3.2 中国房地产市场 |
第三章 房地产泡沫测度方法探究 |
3.1 指标法 |
3.2 基准价格法 |
3.2.1 房地产泡沫测度模型 |
3.2.2 房地产价格影响因素 |
第四章 一线城市房地产泡沫实证研究 |
4.1 指标法测度房地产泡沫 |
4.1.1 房价收入比 |
4.1.2 房地产开发投资额与GDP之比 |
4.1.3 房地产开发投资额与固定资产投资额之比 |
4.1.4 房价增长率与GDP增长率之比 |
4.1.5 指标法综合评价 |
4.2 基准价格法测度房地产泡沫 |
4.2.1 变量选取与数据说明 |
4.2.2 泡沫测度模型结果 |
4.2.3 基准价格法结果分析 |
4.3 泡沫测度结果对比分析 |
第五章 结论与政策建议 |
5.1 结论 |
5.2 政策建议 |
参考文献 |
致谢 |
(6)我国房地产投资中金融风险防范研究(论文提纲范文)
摘要 |
Abstract |
第1章 绪论 |
1.1 研究背景 |
1.2 研究目的与意义 |
1.2.1 研究目的 |
1.2.2 研究意义 |
1.3 研究依据 |
1.3.1 研究文献梳理 |
1.3.2 文献评述 |
1.3.3 相关概念界定 |
1.4 研究框架及内容 |
1.4.1 研究框架 |
1.4.2 研究内容 |
1.5 研究方法及创新不足 |
1.5.1 研究方法 |
1.5.2 创新及不足 |
第2章 我国房地产投资基本状况 |
2.1 房地产投资资金来源分析 |
2.2 房地产投资规模及动态分析 |
2.2.1 房地产投资规模分析 |
2.2.2 房地产投资占固定资产份额分析 |
2.3 房地产投资结构分析 |
2.4 房地产投资的特点 |
2.4.1 房地产投资占固定资产投资比重较大 |
2.4.2 房地产投资增速较快 |
第3章 房地产风险量化指标分析 |
3.1 房地产投机程度指标分析 |
3.1.1 住房抵押贷款收入弹性 |
3.1.2 房地产贷款的贷款总额弹性 |
3.2 房地产发展阶段指标分析 |
3.2.1 房地产投资率 |
3.2.2 土地价格的GDP弹性 |
3.3 房地产供求状况指标分析 |
3.3.1 房地产供应吸纳弹性 |
3.3.2 市场供需比率 |
3.4 小结 |
第4章 房地产金融风险生成的理论分析 |
4.1 泡沫理论 |
4.1.1 泡沫理论内涵 |
4.1.2 房地产泡沫的形成机理 |
4.2 金融脆弱性理论 |
4.2.1 金融脆弱性理论内涵 |
4.2.2 房地产信贷与金融脆弱性 |
4.3 房地产泡沫化理论分析 |
4.3.1 资产泡沫化理论内涵 |
4.3.2 国外房地产泡沫化教训 |
4.4 理论启示 |
第5章 当前房地产主要金融风险形成原因 |
5.1 商业银行信贷诱发房地产金融风险 |
5.1.1 商业银行追逐利润引发信贷风险 |
5.1.2 房地产融资风险过度集中于商业银行 |
5.1.3 商业银行信贷管理存在操作风险 |
5.2 泡沫聚集引发房地产金融风险 |
5.2.1 银行信贷扩张加剧房地产泡沫 |
5.2.2 房地产投机促进泡沫形成 |
5.3 房地产金融市场参与主体缺乏规范性 |
第6章 防范房地产金融风险对策及建议 |
6.1 加强商业银行房地产信贷风险管理 |
6.1.1 规范房地产开发项目贷款的管理 |
6.1.2 规范个人住房贷款管理 |
6.1.3 强化信用风险评估 |
6.1.4 制定合理的信贷投放政策 |
6.1.5 提供多元化的融资服务 |
6.1.6 加快构建科学完善的个人征信系统 |
6.2 完善优化房地产金融体系 |
6.2.1 对各级各层次金融机构的完善 |
6.2.2 加强社会全方位信用体系的构建 |
6.2.3 建立健全房地产金融市场的监督管理体系 |
6.3 加强对房地产业发展的宏观政策调控 |
6.3.1 完善土地出让制度 |
6.3.2 制定和实行差别化的房地产调控政策 |
6.3.3 运用税收体系控制房地产价格 |
参考文献 |
作者简历 |
后记 |
(7)基于格兰杰因果检验的房地产市场泡沫影响因素研究 ——以北京、上海、广州为例(论文提纲范文)
摘要 |
ABSTRACT |
第1章 绪论 |
1.1 研究背景及意义 |
1.2 研究目标 |
1.3 研究内容及技术流程 |
1.3.1 研究内容 |
1.3.2 技术流程 |
1.4 研究方法 |
1.4.1 文献研究法 |
1.4.2 定量分析研究法 |
1.5 创新点与不足 |
第2章 房地产市场泡沫的文献研究 |
2.1 泡沫的定义和分类 |
2.2 房地产泡沫的定义 |
2.3 房地产泡沫的产生背景和原因 |
2.4 房地产泡沫的效应 |
2.4.1 财富效应 |
2.4.2 风险效应 |
2.4.3 资源配置效应 |
2.4.4 收入分配效应和社会风气效应 |
2.4.5 资本流动的影响效应 |
2.5 关于中国房地产市场的争论 |
第3章 房地产泡沫定量分析研究方法 |
3.1 房地产泡沫的测度方法选择 |
3.2 数据介绍 |
3.2.1 房地产价格指数 |
3.2.2 地方工业增加值增长率 |
3.2.3 上证综合指数 |
3.2.4 长期贷款利率 |
3.2.5 地方批准上市新建商品住房可售面积 |
3.3 研究路径 |
第4章 中国房地产市场数据分析及研究结果 |
4.1 房地产市场数据的统计特征 |
4.2 房地产市场数据的非平稳性 |
4.3 房地产市场长期均衡关系 |
4.4 房地产价格指数与影响因素间的格兰杰因果关系 |
4.5 房地产市场的泡沫成分测度 |
第5章 防范与调控房地产市场泡沫的对策建议 |
5.1 完善市场跟踪监测系统,建立房地产市场泡沫预警机制 |
5.2 减少行政手段的干预,积极运用金融和财政工具进行市场调控 |
5.3 加强房地产市场供给侧建设,推动房地产市场健康发展 |
5.4 全面深化改革开放,促进经济结构的调整与完善 |
第6章 研究结论 |
参考文献 |
致谢 |
(8)基于GIS的中国城市房地产泡沫的空间传染性分析——以2006~2014年35个大中城市为例(论文提纲范文)
1 文献回顾 |
2 理论框架分析 |
3 研究设计 |
3.1 研究对象 |
3.2 指标选择与数据获取 |
3.3 研究方法 |
4 结果分析 |
4.1 中国房地产泡沫的基本空间格局 |
4.2 中国房地产泡沫空间传染性的检验 |
4.3 中国房地产泡沫空间传染能力的空间差异分析 |
4.4 中国房地产泡沫空间传染的“核心-边缘”结构 |
5 结论与讨论 |
(9)限购背景下住房投资的发生机制及其社会后果研究(论文提纲范文)
中文摘要 |
ABSTRACT |
第一章 绪论 |
第一节 研究缘起 |
第二节 研究问题 |
第三节 研究意义 |
第二章 理论视角 |
第一节 政府与市场的关系 |
第二节 重返行动者与实践 |
第三节 本研究的研究框架 |
第三章 研究设计 |
第一节 概念辨析与界定 |
第二节 调查地点的选择 |
第三节 调查对象与方法 |
第四节 调查内容与结构 |
第四章 机会隐现 |
第一节 住房市场的重新启动 |
第二节 大城市化与市场分化 |
第三节 国家对市场的再介入 |
第四节 政策市与福利房隐现 |
第五章 机会认知 |
第一节 观念与经济行动 |
第二节 理论自觉的体现 |
第三节 社会网络的作用 |
第四节 示范效应的发挥 |
本章小结 |
第六章 资源涌现 |
第一节 制度性的口子与漏洞 |
第二节 开发商的排斥与笼络 |
第三节 金融机构的增援机制 |
第四节 中介公司的特殊功能 |
本章小结 |
第七章 行动策略 |
第一节 家庭内资源动员 |
第二节 家庭外资源动员 |
第三节 利益主体的博弈 |
第四节 利益共同体生成 |
第八章 行为结果 |
第一节 市场与阶层的再生产 |
第二节 市场与社会风险积聚 |
第三节 矛盾心态与深层困境 |
第九章 结论与思考 |
第一节 结论 |
第二节 思考 |
一、住房投资之中国特色 |
二、住房市场秩序的转型 |
三、住房保障之如何可能 |
参考文献 |
附录一 主要访谈对象简介 |
附录二 博士期间发表的学术论文 |
致谢 |
(10)我国房地产泡沫研究现状与演进脉络研究(论文提纲范文)
中文摘要 |
英文摘要 |
1 绪论 |
1.1 研究背景 |
1.2 研究目的与意义 |
1.2.1 研究目的 |
1.2.2 研究意义 |
1.3 研究内容、方法与技术路线 |
1.3.1 研究内容 |
1.3.2 研究方法 |
1.3.3 技术路线 |
2 我国房地产泡沫研究数据获取与初步分析 |
2.1 文献来源 |
2.2 文献收集 |
2.2.1 CNKI数据库文献收集 |
2.2.2 CSSCI数据库文献收集 |
2.3 文献初步分析 |
2.3.1 文献年份分布分析 |
2.3.2 高被引文献分析 |
3 我国房地产泡沫研究现状分析 |
3.1 我国房地产泡沫研究主体分析 |
3.1.1 机构分析 |
3.1.2 作者分析 |
3.2 我国房地产泡沫研究知识基础分析 |
3.2.1 经典文献 |
3.2.2 关键文献 |
3.3 我国房地产泡沫研究主题分析 |
3.4 本章小结 |
4 我国房地产泡沫研究的演进脉络 |
4.1 我国房地产泡沫研究的序曲(1993-1997年) |
4.2 我国房地产泡沫研究的发展(1998-2007年) |
4.2.1 基于国外研究成果的我国房地产泡沫理论研究 |
4.2.2 指标分析法与模型分析法并重的我国房地产泡沫检测预警研究 |
4.2.3 基于现象层面的我国房地产泡沫产生成因研究 |
4.3 我国房地产泡沫研究的高潮(2008-2017) |
4.3.1 以模型法为侧重点的我国房地产泡沫检测研究 |
4.3.2 基于机制研究及新视角研究的我国房地产泡沫成因分析 |
4.3.3 房地产泡沫引发金融危机的机制研究 |
4.3.4 基于宏观调控的我国房地产泡沫研究 |
4.3.5 房地产泡沫对宏观经济的影响研究 |
4.4 本章小结 |
5 我国房地产泡沫研究的内在困境 |
5.1 概念界定不统一 |
5.1.1 “房地产泡沫”概念 |
5.1.2 相关指标概念 |
5.2 理论困境尚未突破 |
5.2.1 理论基础研究仍存在缺陷 |
5.2.2 房地产泡沫测度方法可操作性不强 |
5.3 数据获取困难 |
6 研究总结 |
6.1 研究结论 |
6.1.1 房地产泡沫研究现状分析 |
6.1.2 房地产泡沫研究发展的演进脉络分析 |
6.1.3 房地产泡沫研究的内在困境分析 |
6.2 研究不足 |
6.3 研究展望 |
致谢 |
参考文献 |
附录 |
A.2008-2017年我国房地产泡沫检测研究相关文献 |
四、中国房地产 “泡沫”怎么看(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]基于结构性去杠杆视角的房地产金融风险测度与处置分析[D]. 杨韫韬. 湖北省社会科学院, 2020(08)
- [3]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)
- [4]房地产泡沫的空间分布及其传染性分析——以中国35个大中城市为例[J]. 吴清婷,彭贤伟,简萍. 当代经济, 2019(08)
- [5]一线城市房地产泡沫测度研究[D]. 王陈圆. 厦门大学, 2019(08)
- [6]我国房地产投资中金融风险防范研究[D]. 杨阳. 吉林财经大学, 2019(03)
- [7]基于格兰杰因果检验的房地产市场泡沫影响因素研究 ——以北京、上海、广州为例[D]. 聂瑞. 南京农业大学, 2019(08)
- [8]基于GIS的中国城市房地产泡沫的空间传染性分析——以2006~2014年35个大中城市为例[J]. 韦汝虹,金李,方达. 长江流域资源与环境, 2018(09)
- [9]限购背景下住房投资的发生机制及其社会后果研究[D]. 施旖旎. 南京大学, 2018(12)
- [10]我国房地产泡沫研究现状与演进脉络研究[D]. 高崇丹. 重庆大学, 2018(04)