股票市场与房地产市场的关系研究——基于VAR模型的实证分析【摘要】本篇文章选取2008年至2018年的上证A股指数（SHA）和房地产开发综合指数（RECI）的月度数据，综合运用VAR模型、格兰杰因果检验以及脉冲响应分析等方法研究股票市场和房地产市场之间的相关关系。
结果表明，股票价格和房地产价格这两者之间存在着格兰杰因果关系，其中房地产价格会给股票价格带来正向的影响，而股票价格会给房地产价格带来一些微弱的负向影响。
我们认为政府对于股市和房市的调控方向应为：引导投资者理性化投资、加大对于市场的监管力度、合理地进行制度化建设、有效规范股市和房市。
【关键词】VAR模型；股票市场；房地产市场；相关性分析Correlation Analysis of Stock Market and Real Estate MarketBased on V AR ModelAbstract：This article selected the Shanghai a-share index (SHA) and real estate development index (RECI) monthly data from 2008 to 2017, the integrated use of V AR model, granger causality test and impulse response analysis method research of the relationship between stock market and real estate market.Results show that the stock price and real estate prices there exists a granger causality relationship between the two, which can bring forward to stock prices in the price of real estate, real estate prices and stock prices will give some weak negative impact.We believe that the government should regulate the stock market and the housing market in order to guide investors to rationalize, strengthen the supervision of the market, and properly institutionalize the construction.Key words：V AR model Stock market Real estate market Correlation analysis引言随着我国经济的高速发展，我国在国际市场上的地位已然变得愈发的重要。
其中，股票市场和房地产市场是两个与国民经济好与坏紧密相连的市场，他们也都属于是高风险和高收益的市场，因此这两个市场的运行状况一直以来都是大家关注的焦点，同时也是许多投资者选择进入进行投资组合的热门市场。
20世纪90年代初，股票市场的出现表明我国的经济正逐步走向成熟。
随后于1995年左右，我国股市市场逐渐建立完善，并于1996年至2000年期间达到了一个牛市阶段，但是之后至2005年股市持续走低。
而自2005年12月开始，我国股市政策性的股权分制改革和GDP高速增长的情况使得股市进入了大牛市，但自2007年至今，股市却一直处于下跌态势。
1988年全国城镇停止住房分配，这标志着我国房市进入了市场化的新阶段。
2000至2007年间我国房市进入快速发展阶段，而2008年的金融危机直接影响房地产销售同比下降约20%,之后便进入全面调整阶段。
近两年来“330”新政，降低贷款和首付比例以及二胎政策的出台令房市有所回暖，但是房地产市场区域的分化严重，未呈现爆发式增长。
近些年来，国内国外市场的多次动荡与改革暗示了股票市场的剧烈震动与房地产价格的涨与跌之间存在着一定的联系，2008年的那次金融危机足以给所有人一个警醒，那段时间，股票市场与房地产市场间的反复剧烈的波动对于我国经济造成了非常严重的影响。
因此，分析股票市场与房地产市场之间的相关性关系这个课题，对于我们现如今所处的这个时代是具有深远的现实意义的，大到国家政府小到个体投资者，都可以合理运用这两者之间的相关性关系进行风险管理，不仅可以令其规避风险也可以做到获取收益。
因此，究竟这两者存在着何种关系，我们通过实证进行分析。
一、文献综述近些年来，对于股票市场和房地产市场之间相关性问题的研究受到了国内及国外专家学者的广泛关注，但是观察研究所得的结论，可以发现大家的观点尚且还未达成一致。
其中，有一部分研究人员认为股票市场与房地产市场之间存在着一定的相关性关系，这两个市场之间的波动相互影响，两者无法分割。
陈阳（2011）通过选取上证季度股价指数和房地产企业景气指数为样本，采用脉冲响应函数和Granger因果关系检验来分析股价波动与房地产市场的关系，结果得出股市是房市的格兰杰原因并且两者存在着长期的协整关系。
李晓欢，冯秀娟（2010）通过选取房地产销售价格指数和上证A股指数作为样本，采用Engle-Granger两步法协整分析并用格兰杰因果检验对股价和房价进行分析，结果表明股价是房价的格兰杰原因同时房价也是股价的格兰杰原因，同时替代效应要大于财富效应。
薛楠（2011）通过对20世纪90年代以来股市和房地产市场的发展状况分析论述，得出结论：房价与股价之间存在着长期均衡的关系，且两者之间的关系十分密切。
另外一部分研究人员则认为股票市场与房地产市场只存在单方向的影响，即股票市场单方面影响着房地产市场或者房地产市场单方面影响着股票市场。
涂丹，何紫娟，张金亭（2016）通过选取上证综合指数和房地产市场中的新建住宅销售价格指数为样本，采用VAR模型和格兰杰因果检验等量化分析的方法对房市和股市之间的互动关系进行实证分析，结果表明股票价格对房价有着明显的正向影响，而房价对于股价则不产生任何影响。
上述的文献对于本篇文章探究股票市场和房地产市场的关系具有重要的参考价值，那么，这两者之间究竟存在着怎样的影响关系呢？为此，文章在基于现有的理论及实证的基础之上，通过运用最新的数据来对这两个变量进行实证研究，以此判断它们之间存在着何种关系。
本篇文章的主要目的是为了揭示这两种价格指数之间是否真实地存在相关关系，它们之间又是如何相互影响的。
基于这些研究结论，进而我们就可以进一步地探讨出两者的相关关系将如何指导投资并且给出相关的指导建议。
二、实证分析（一）样本选取与数据说明文章选取了从2008年第1个月到2017年第12个月的月度数据作为VAR模型的样本数据，在研究股票市场时选取了上证A股指数（SHA）作为变量，在研究房地产市场时选取了房地产开发综合指数（RECI）作为另一个变量，上证A股指数采用每个月最后一天的收盘价格进行统计。
由于所采用的上证A股指数是价格指数，波动的幅度较大。
所以，为了降低数据的波动性，缩小其数量级，避免其出现伪回归或者显示出异方差性。
我将上证A股指数取自然对数Ln，这样的处理方法不仅可以降低出现异方差的可能，而且还缩小了数据的波动性，取对数之后的我们得到了LSHA，然后再对其进行分析。
图2-1上证A股指数数据来源：财经中心-中国网图2-2 房地产开发综合指数的变化趋势数据来源：前瞻数据库如上图2-1、2-2所示，图中展现了从2008年1月到2017年12月这十年中每个月的上证A股指数和房地产开发综合指数的变化趋势。
从图中很明显可以观察出，上证A 股指数在经历了2008年次贷危机之后于2008年10月至2008年12月达到该研究时间段中的最低点，表现出了大幅度的波动，之后在2015年5月再次攀爬至一个峰值。
房地产开发综合指数的变动趋势和上证A股指数的变动大体吻合，于2008年1月达到一个较高点后在2008年10月至2009年7月持续处于低谷状态，之后又于2010年3月达到一个小高峰，其余时间段都处于小幅度波动的平稳状态。
观察图形整体来说，上证A 股指数在2008年到2014年以及2017年这8年间的波动幅度与房地产开发综合指数的波动幅度大致一样，而在2015年到2016年这两年的波动幅度却呈现出了不一样，这两年间上证A股指数处于上升状态，并于2015年4月至2015年6月达到形成一个突破点，而反观房地产开发综合指数却于这两年间处于一个低迷的状态。
（二）平稳结果由于VAR模型的建立必须基于各个变量是平稳的这一前提，否则容易造成伪回归。
因此，在建立VAR模型之前，我先检验上证A股指数房和地产开发综合指数这两个变量的平稳性。
表2.1 VAR模型的平稳性结果（表式）图2-3 VAR模型的平稳性检验结果（图式）观察上图2-3可知，结果均无一例外地小于1，即没有任何一个特征根落在单位圆的外面，所以根据计量经济学的原理，我们可以认为上面所构建的这个序列是平稳的，VAR 满足平稳性的条件，所以我们建立的VAR模型是平稳的、合适的。
（三）VAR模型的建立我们要建立VAR模型，第一步就是要保证进入模型的变量一定是平稳的，而在这之后，我们需要先确定模型之中的滞后期数。
在选择的时候，我们需要考虑下面这两方面的因素，一是需要有充足的滞后项数，二是要有充足的自由度。
然而，在实际的运用当中，我们很难将上述的两个因素转换到定量地维度进行运用，我们常常是根据AIC信息准则、SC信息准则来进行滞后阶数的选择的，这两个准则要求数值越小越好，以此便可以推算出滞后期数p的大小。
确定好滞后期数p之后，我们再对模型的VAR进行分析。
表2.2 根据信息准则设定VAR模型的滞后期数的结果表2.2中给出了从0阶到8阶的VAR模型的LR、FPE、AIC、SC以及HQ的数值。
观察上表2.2的结果，根据LR、FPE、AIC、SC、HQ准则我们不难看出，应选择的滞后期数为2，因此我们建立了VAR（2）的模型。
（四）协整检验协整检验是用于探究非平稳的时间序列之间是否存在某种长期稳定的均衡关系的检验，而由于前面的平稳性检验结果可知，LSHA和RECI均为平稳序列，不满足协整检验的前提要求，因此对两者进行协整检验无意义。
（五）VAR模型分析在建立向量自回归（VAR）模型之前，我们首先应当了解，VAR模型是一个研究关于两个变量或两个以上变量之间的均衡关系的模型，其实质上是用来分析几个变量之间的动态关系的，一般适用于研究随机扰动因子对于变量整体的影响或者是用于预测一些有关联的时间序列系统。