大中城市房价同涨同落 楼市繁荣背后隐藏风险

近年来全国各地房价普遍上涨，引起人们对所在城市的房地产市场价格变动的广泛关注。

很多主要大中城市房价常常前后脚跟着“同涨同落”，更已成为中国房地产市场的一道独特景观。前不久公布的2016年二季度GDP增速超过预期，特别是商品房销售十分活跃，上半年商品房销售额增幅高达42%，显示了房地产市场对GDP的贡献十分明显。另一方面，楼市表面的繁荣背后隐藏着巨大风险，值得高度警惕。今年7月中下旬，新华社甚至三天三次发文警示楼市。

深入理解这一前后脚“同涨同落”现象背后的城市房价联动的普遍程度、模式和主要影响因素，是至关重要的。对于监管层来说，能够有助于更好理解并解决全国性的房价过热问题，更好避免未来可能的房价下降所引起的中国房地产市场的系统性危机。因为一些城市的房价涨跌，可能很大程度上是由别的城市房价的变动影响的。那么，在这些城市实施的“因城施策”、“一城一策”的楼市调控策略，很可能就难以真正奏效，如果它们的直接影响源城市房价变化还没有得以有效控制。对楼市投资者来说，对于这个现象的深入理解，能够对预判有关城市楼价的未来走势有所帮助。

针对这一重要问题，笔者最近的一篇研究工作论文首次实证揭示了中国所有主要大中城市房价联动的网络结构。基于国家统计局2005~2015年70个大中城市新建住房房价指数并运用前沿的高维网络分析法，这项研究结果表明，中国城市房价变动的关联程度非常高，平均而言每个城市50%以上的房价变化竟是由其他城市的房价变化引起的，并且这种城市间房价的相互影响并不仅局限于省内或某个区域，而可以是跨区域甚至全国性的!这一发现直接意味着城市间楼市调控协同配合不仅是完全必要的，而且对于确保全国范围的调控总体效果，甚至应该摆在更加重要的地位。“一城一策”的楼市调控有效性至少在某些城市会面临很大挑战，如果没有实施较为精准的跨城市楼市调控协同配合的话。

上述研究结果的关注点在于新建住房，因为这是中国房地产市场交易的主体部分，份额达60%，同时也是GDP增长计算最密切相关的部分。城市房价联动程度的衡量允许长达一个季度的城市房价信息传导的滞后，与基于网络的中国城市房价网络搜索次数的有关前期研究相一致。针对国家统计局城市房价指数不准确、被低估的顾虑，有关的必要数据处理也能很大程度上避免研究结果产生可能的系统性偏差。

城市房价高关联程度是一个非常值得注意的中国特色。因为无论是西方传统的城市经济学与房地产经济学所接受的共识性假设，还是西方发达国家房地产市场给人的直观印象，都是不同城市间房地产市场基本上是分割程度较高、价格关联程度较低的。

近年来，中国快速上涨的房地产价格引起了国内外的广泛关注。比如，国际货币基金组织2011年就曾将中国房地产市场潜在的价格调整列为影响2008年全球金融危机之后经济复苏的主要风险之一。近期关于中国房地产市场是否过热、是否存在泡沫的讨论，更不绝于耳。如此之高的城市房价变化的相互关联程度，意味着某些过热的城市房价会引起其他城市房价水涨船高，但同时，如果某些城市房价先期出现大幅下跌，其外溢的结果可能也会比想象的更为糟糕，也更加难以控制。

那么如何识别那些较多影响带动其他城市房价涨跌的“系统重要性”城市呢?

该研究进一步从一个城市房价发生变化时、在全国大中城市房价关联网络中对其他城市的净影响程度(亦即对其他城市的影响减去其所受到的其他城市影响)，定义中国城市房价变化相互影响网络中的系统重要性城市，并运用统计数据客观分析加以确定。

研究发现：这些系统重要性城市的分布，与中国经济地理版图、国家区域性发展战略规划中的核心城市高度吻合，且明显受到国家重大区域性政策的影响。