住房投機與政策調控對房價波動的影響

張涵

摘 要：構建住房需求結構、政策調控和價格的動態系統模型，依據2007-2021年40個重點城市季度數據，考量政策調控對于住房投機和房價波動實施效果。結果顯示：住房投機推動了房價上漲，政府住房調控政策對房價波動影響差異顯著；異質性分析顯示，不同地區政策調控實施效果存在差異。鑒于此，應因城施策、分類指導，同時積極暢通房地產調控政策傳導機制，提高傳導效率，促進房地產市場平穩健康發展。

關鍵詞： 住房投機；價格預期；政策調控；房價波動

中圖分類號：F293；F201? 文獻標識碼： A??? 文章編號：1003-7217（2024）01-0127-08

一、引 言

住房問題既是發展問題也是民生問題，關系人民安居樂業，關系經濟社會發展全局，關系社會和諧穩定。近年來，隨著住房市場的發展和經濟發展水平的提高，住房商品的投機屬性日益顯著，住房總需求持續膨脹，部分熱點城市的房價快速上漲。2016年中央經濟工作會議首次提出“房子是用來住的，不是用來炒的”，強調要促進房地產市場平穩健康發展。此后的會議多次重申“房住不炒”定位，將其作為住房市場的長期指導方針。黨的二十大報告再次強調“房住不炒”，提出要進一步推進房地產市場平穩健康發展和完善住房保障體系。

從現實情況來看，中國房地產調控政策始終在放松和收緊之間搖擺，長期以來出現多輪“收縮擴張”調整周期（圖1）。每當區域經濟增長乏力，地方政府就會放松住房調控政策，拉動經濟，使得住房市場進入擴張周期；如果區域住房市場出現過熱現象，地方政府則會收緊調控政策，穩定房價。近年來，在疫情和“三條紅線”政策影響下，房地產市場呈現下行態勢并成為經濟增速放緩的主要驅動因素之一，部分地區的財政面臨較大壓力，高負債、高風險房企的債務違約問題日益突出，居民的購房意愿減弱。2022年初，住房和城鄉建設部首次強調“增信心、防風險、穩增長”，提出“保交樓、保民生、保穩定”，以及“充分釋放居民住房需求”，在此背景下，各城市房地產政策調控再次呈現區域性松動。

自住房商品化改革以來，政府綜合使用貨幣、土地、限購、限貸、稅收等調控政策推進房地產長效機制的建立，因住房市場不同利益主體之間的行為和博弈對調控政策效果產生顯著影響。 “房住不炒”始終是黨中央對于住房市場政策調控的長期目標和方針，在住房投機推動住房價格上漲的背景下，部分城市的政策調控不僅需要防止對地方經濟造成過多的負向溢出效應，還要抑制住房投機對調控政策和房價波動的影響。中央明確房地產政策調控的連續性和穩定性，以避免房價的大幅度波動及其對經濟增長造成的負面影響，同時還需要考慮住房投機對政策調控和房價波動之間的影響。地方政府既需要貫徹落實中央政策，抑制房價的過快上漲，又需要兼顧土地財政對地方經濟增長的拉動作用。在多重目標的影響下，地方政府的住房調控政策始終在抑制房價波動和保持經濟增長兩者之間搖擺，調控效果不佳。在此背景下，研究住房投機、政策調控對房價波動的影響有著重要的現實意義。

在討論影響房價波動的外部因素中，現有研究主要關注單一政策調控與房價波動的關系。具體而言，房地產政策調控主要是通過調整住房市場需求結構，即通過調整利率控制信貸規模、提高首付款比例、限制購買等政策來達到降低房價的目的［1-3］，較少研究比較不同政策調控的實施效果，鮮有研究討論政府政策對投機需求的調控效果［4］。鑒于此，本文參考現有文獻［5］，將主要政策調控納入一個動態分析框架內，比較不同政策調控的實施效果，并利用40個重點城市數據進行計量檢驗，為合理引導住房價格預期、抑制房價波動、制定差別化住房調控政策提供依據。

二、住房市場的動態系統

（一）住房市場需求結構

商品住房具有投資和消費的雙重價值屬性［6］，住房租金R（f）是住房市場需求結構f的函數，將f定義為某地區住房市場中投資需求所占比例，如果將消費需求者看成購房者先投資房產然后出租給自己居住，那么購房者的消費需求和投資需求應是同一種函數形式且需求函數相同，是關于租金R（f）和房價P的增函數，本文借鑒趙建（2009）的做法，將住房消費和投資需求統一定義為投資需求（ID）。

租金R（f）是住房市場需求結構f的增函數，即R′（·）>0，購房者以當期較低的租金收益率來預期未來租金收益率會增長，因此投資需求是R（f）的增函數。投機需求（SD）是購房者對房價預期變動E的函數，即SD=S（E），在預期住房價格變動服從下鞅過程的市場中投機需求大于或等于零，即只有預期某地區未來房價上漲（即>0），該地區才會產生投機需求，即預期變化E>0。

定義商品住房市場總需求為非投機需求和投機需求之和，即TD=ID+SD=I（R（f），P）+S（E）。如不考慮折舊，則持有成本率可用利率r近似替代，即持有成本為rP，居民根據房價變化率即rP=R（f）+。住房需求關于租金R（f）及房價P的復合函數，ID=I（R（f），P）。

（二）住房政策調控與住房需求

將=0和=0納入一個統一的動態系統進行分析，并觀察圖2中和的運動方向。圖中區域Ⅰ和區域Ⅱ部分房價不會持續上漲（<0），不存在投機需求，f<1的任意點都會跳躍到f=1的虛線上并沿著f=1的虛線收斂于穩態均衡點E。區域Ⅳ部分存在投機需求（<0），且房價持續上漲（>0），房價會在投機需求疊加價格持續上漲推動下沿著鞍點路徑MN運動并無限接近于=0曲線，呈現泡沫化趨勢。區域Ⅲ部分投機需求不斷減少（>0），但房價不斷上漲（>0），該區域房價初始點會沿著鞍點路徑PQ曲線運動，并落在F點以下的=0直線上，隨著投機需求不斷減少落在=0曲線，直至投機需求減少到0。最終落在=0曲線的點會和區域Ⅰ和區域Ⅱ初始點一樣收斂于動態系統均衡點E。

綜上所述，若某地區住房市場不存在投機需求，即便房價在非投機需求擴大下持續上漲，最終仍會收斂于均衡點E。某地區投機需求占比擴大，疊加房價不斷提升，則房價最終會膨脹直至出現泡沫。相圖中區域的大小主要取決于直線=0的斜率，如果初始點在=0或f=1上，則會收斂在穩態均衡點E上。

（二）住房調控政策對住房需求和房價波動的影響

政府可以通過實施政策調控，調整住房市場需求結構以達到抑制投機需求、穩定房價的既定目標。主要政策調控納入動態系統相圖，研究政策調控對住房投機和房價的影響，如圖3所示。

選用利率變動描述貨幣政策對動態系統影響。圖3（a）顯示了提高利率會導致EF曲線（=0曲線）斜率上升，穩態均衡點由F點左移至F′點，住房均衡價格有所下降（由P′下降至P），但該調控方式存在著局限性：一是投機需求不斷減少區域Ⅲ部分初始點會沿著PQ曲線運動至E′F′曲線上，并沿著該曲線收斂于f=1上的穩態均衡點E′上；二是不存在投機需求區域Ⅰ和區域Ⅱ中E′OE部分，在利率提升過程中沿著發散路徑運動至投機需求不斷增加的區域Ⅳ，使得區域Ⅳ面積增加，推動住房價格虛高。該相圖同時顯示了降低利率會導致EF曲線變得更加平緩，穩態均衡點從E點移至E′點，穩態均衡價格有所上升（由P上升至P′）。相反，降低利率會增加不存在投機需求的區域Ⅰ和區域Ⅱ面積，同時壓縮區域Ⅳ部分投機需求，使原區域部分投機需求進入收斂路徑。相圖顯示，提高利率雖能夠降低房價，但對抑制投機需求效果并不明顯，降低利率雖然抑制投機需求，但確會提升住房價格，因此利率政策需要綜合各城市投機需求結構和初始房價情況來制定，實施效果取決于各城市實際情況。

目標取向或存在偏差。

限制性住房調控政策包含限購及限貸政策。限購政策是指地方政府出臺差異化住房購買限制政策，通過行政限制手段削減購房需求，間接增加租房需求、提高租金R（f），故限購政策不僅影響住房均衡價格，也會影響住房需求結構。根據rP=R（f）+，限購政策趨勢減小并趨近于0，租金收益R（f）將會提高，若=0則rP－R（f）=0，該城市房價按租金資本化法定價。限購政策下的住房投機需求占比將大幅減?。ǎ?），=0曲線也變得更加平緩。圖3（b）的相圖顯示，限購調控將會直接影響=0曲線和=0曲線，區域Ⅰ收斂路徑部分大小主要取決于=0曲線和=0曲線變化程度，但=0曲線變陡峭后新增發散區域面積似乎小于=0曲線變平緩后抑制的發散區域面積，存在投機需求但不斷減小的區域Ⅲ面積得到了擴大，此區域初始點收斂于OE′′曲線并運動至穩態均衡價格，最終穩態條件下住房均衡價格下降（由P下降至P′）。但是，限購政策也存在擠出效應，將促使部分投機需求涌入不實行限購政策地區，影響當地市場住房價格，同時也會抑制本地區的非投機需求。

在宏觀審慎框架政策工具箱中，貸款價值比（LTV）由于關聯了首付比例而對購房者的投機需求形成直接影響，將貸款價值比和差別化住房信貸統一為限貸政策。限貸政策將促使非投機需求流入住房租賃市場，提高住房租金R（f），同時對投機者投機資金及杠桿率產生影響，降低房價預期函數SD=S（E）預期彈性S′（E），間接降低投機需求占比，故限貸政策也會同時影響=0曲線和=0曲線。圖3（d）相圖顯示，限貸與限購政策類似，只不過限貸通過預期彈性S′（E）間接調控投機需求，=0曲線的斜率變得陡峭（由P下降至P′），但=0曲線的平緩程度要比限購中要低，存在投機需求但不斷減小的區域Ⅲ面積擴大，但小于限購政策中的對應面積，即調控效果不及限購政策。

三、研究設計與數據

（一）基準模型設定

結合前文的理論分析，建立起包含國內40個重點城市的房價波動、投機需求以及政策調控變量的動態面板模型，基準回歸模型設定如下：

lnHPVi，t=α0+αi+β1lnPei;t，t+1+β2MPt+?β3lnLCPi，t+β4PRPi，t+β5LRPi，t+?β6controli，t+εi，t

基準模型中，核心被解釋變量為房價波動HPVi，t，解釋變量投機需求Pei;t，t+1（變量刻畫過程見下文）、貨幣政策MPt、土地政策lnLCPi，t、限購政策PRPi，t，以及限貸政策LRPi，t；控制變量controli，t包括各城市生產總值GDPi，t，商品住房供求規模REDi，t，人均可支配收入CDIi，t等，εi，t為殘差項。

（二）變量選取與說明

1．被解釋變量。

參考況偉大等［7，8］學者文獻，用商品住宅成交價格季度增長率衡量房價波動，并采用新建住宅價格環比指數季度值對基準模型進行穩健性檢驗。

2．解釋變量。投機需求是對未來房價的預期，只有未來房價上漲（>0）才產生投機預期，然而實踐中對投機需求進行測度較為困難。參考高苛等［9］、薛志勇［10］做法，將投機需求lnPet，t+1定義為理性預期Pret，t+1和自適應性預期Paet，t+1之間的準理性預期，兩種預期之間加權系數δ表示不同城市住房市場理性程度。居民對未來房價波動做出正確預測作為理性預期，即某個城市（t+1）期房價作為t期理性預期；居民通過過去（t-1）期房價信息調整τ修正最新預期來刻畫自適應性預期。通過建立住房價格與通貨膨脹預期值的期望模型，估計得出加權系數δ及調整參數τ。

四種主要政策調控變量的構建方式如下：由于各城市限購政策（PRPi，t）多采取分季度、分年逐步實施而呈現離散狀態，參考朱軍等［11］等的方法，利用啞變量表示當期是否實施限購；限貸政策（LRPi，t）參考馬草原等［1］，采用個人非首套住房貸款最低首付款比測度；參考梁斌等［12］，用剔除通貨膨脹率表示貨幣政策；參考李嬌等［13］，用新增住宅用地面積占土地供應面積之比表示土地政策。

3．控制變量。為盡可能克服內生性影響，一是參考現有文獻的慣用做法，選取滯后期作為基準模型工具變量。二是加入多個控制變量，包括各城市商品住房的供求規模（lnREDi，t）、地區生產總值（lnGDPi，t）、城鎮居民人均可支配收入（lnCDIi，t）。上述變量直接影響政策調控的廣度、深度和強度，進一步影響房價波動。其中，借鑒李昱璇［3］的做法，用各城市住房成交面積來表示供求規模。

（三）數據來源與分析

依據40個重點城市2007年一季度至2021年四季度的季度樣本數據。數據來源于克而瑞、中指數據、萬德等數據公司以及各市住建委和統計局網站，個別缺失數據采用插值法補齊。

（四）數據檢驗與預處理

鑒于采用季度面板數據且數據時間跨度較長，為了避免偽回歸，采用LLC及IPS兩種方法進行平穩性檢驗，若數據不平穩，則一階差分處理后再次檢驗平穩性，平穩性檢驗結果見表1。

因季度數據具有周期性變化，為保證計量結果更加準確，構建季節性結構分量消除部分變量的季節因子，平抑變量的周期性波動?？刹捎没貧w法依次對季節性波動的數據進行季節性調整，即分別生成lnhpv、lnlcp、lnred、lncdi、lnGDP變量的季度虛擬變量，然后對這些虛擬變量進行OLS回歸，得到季節調整后的序列。

四、模型估計及分析

（一）基準回歸

由于GMM模型中滯后的因變量以及可能存在的內生性等問題，對各變量進行平穩性檢驗后，建立一步DIF-GMM模型和兩步DIF-GMM模型，并使用SYS-GMM估計方法進行檢驗，基準回歸結果如表2所示。

表2回歸結果中自相關檢驗結果表明誤差項的一階差分存在一階自相關而不存在二階自相關，線性模型差分誤差項不存在序列自相關問題。從實證計量結果可以看到，使用準理性預期描述投機需求，很好地解釋了房價波動，表2中所有模型中投機需求系數均為正，且全部處于1%的顯著水平上。所有模型的投機需求變量彈性系數均大于1，表明其與房價上漲存在顯著的正向關系，投機需求上漲越快，房價上漲的幅度越大。根據變量回歸系數的相對大小，分析各類調控政策對于房價波動的效果差異。模型2顯示了調控政策中，土地政策對房價抑制的效果優于其他調控政策，限制性住房政策的調控效果中，模型1和2顯示限購政策調控效果優于限貸政策。模型1、5和7中利率政策回歸結果顯著，但彈性系數存在著一定的波動，考慮到利率政策可以劃分為提升利率和降低利率，其政策調控效果可能存在非對稱性。為進一步考慮不同調控政策的影響機制及效果，在基準模型中加入利率和限貸政策交互項（mp_lrp），限購和限貸政策交互項（prp_lrp），根據模型3、4和6的回歸結果，交互變量對于房價波動的抑制效果明顯優于單個政策調控變量的實施效果，且回歸系數相反，即政策組合要優于單一政策實施效果。

（二）穩健性檢驗

1．核心變量替換。

考慮被解釋變量和核心解釋變量的衡量偏誤問題，替換被解釋變量及核心解釋變量。借鑒張方［14］采用新建住宅價格環比指數季度值作為被解釋變量進行穩健性檢驗。由于核心解釋變量為計量估計得出，借鑒高波等［15］用房價增速預期近似表示投機需求，即以上一期房價增速作為適應性預期，以下一期房價增速作為理性預期。穩健性檢驗中，仍以基礎模型替換上述變量進行穩健性檢驗，結果顯示回歸系數與基礎模型方向一致且顯著，進一步佐證了基礎模型可靠性。

2．SYS-GMM模型估計。

基準模型采用DIF-GMM模型，為排除模型選擇對結論的影響，使用SYS-GMM重新對模型進行參數估計。結果顯示，SYS-GMM估計結果與DIF-GMM估計結果相比，除了參數值大小存在差異外，基準模型重點關注的相關變量仍然顯著，參數方向與結論保持一致，各列估計結果均通過相關檢驗，說明所選工具變量有效、實證結果具有穩健性。

五、進一步討論

（一）異質性分析

總體來看，投機需求會加大商品住房價格波動幅度，政策調控會通過作用于住房投機進一步影響房價波動，住房投機是房價波動的重要影響機制，影響政府政策對住房市場的調控目標。當前中國房地產市場的區域分化趨勢加劇，一線和部分熱點二線城市供需格局偏緊，部分二線和大部分三四線城市卻面臨較大的去庫存壓力?；诖?，需要進一步分析不同經濟規模下，各城市投機需求對于政策調控實施影響是否存在異質性。參考李斌等［16］劃分方法，將40個重點城市按綜合發展程度劃分為一、二、三線城市，并進行分組回歸，具體結果如表3所示。

表3回歸結果顯示，政策調控在不同發展程度的城市樣本中對于房價波動實施效果存在異質性，土地政策在二線城市10%水平下顯著，但是在一線城市并不顯著。這可能與一線城市住宅用地稀缺、土地政策調控實施空間較小有關。限購政策回歸結果均顯著，一線城市在1%水平下顯著且彈性系數為負，實施效果最好。限貸政策在三線城市呈現出顯著的負向影響，主要是因為三線城市人口密度遠小于一、二線城市，居民住房購買力往往跟不上房地產投資開發力度與房價變化幅度，限貸政策實施效果要優于其他地區。根據模型的設定以及面板數據的特性，分別進行了固定效應回歸和隨機效應回歸，并在模型中構建了聚類變量以消除異方差帶來的影響。最后對模型進行Hausman檢驗，檢驗結果拒絕了隨機效應模型更優的原假設，因此固定效應模型更為合理，這一結果說明模型包含有個體效應，不同地區城市樣本差異影響明顯。

（二）非對稱性分析

利率作為貨幣政策工具之一，在基準模型彈性系數均存在波動性，按照利率調整周期將樣本區間分為上行和下行區間，采用分段回歸檢驗利率周期變化影響效果。

表4顯示利率與房價波動存在著顯著關系，但利率調整處于上行區間的彈性系數明顯高于下行區間，說明以利率為代表貨幣政策調控存在著非對稱性效果，提高利率的政策效果弱于降低利率，這似乎與現實情況一致。當利率降低時，購房成本下降引發更多投機行為，推動房價上漲。利率提高使得信貸資金成本提高，一方面存量投機需求并不會因持有成本增加退出市場，住房市場呈現有價無市的局面；一方面開發商將信貸成本作為資本化成本體現在住房銷售價格中，房價易漲難跌。

（三）作用效果分析

為考察政策調控對投機需求和房價波動作用效果，以被解釋變量、核心解釋變量及政策調控變量構建PVAR模型，分析核心變量之間動態變化趨勢。通過建立多組PVAR模型，協整檢驗后以AIC準則設定最優滯后期，得到住房投機和房價波動在政策調控沖擊下產生的脈沖反應。

圖4顯示了政策調控沖擊對房價波動和住房投機的脈沖影響。圖4（a）及圖4（b）表明，土地政策對房價波動和投機需求的影響效果在初始時最大，隨后逐漸減小，且對房價波動沖擊效應滯后投機需求。從長期來看，土地政策的調控效果趨近平穩。圖4（c）及圖4（d）顯示，利率對于房價沖擊存在時滯性，且隨時間推移負向效應力度開始減弱。另外，貨幣政策的影響效果還存在非對稱性，其對房價波動影響顯示出典型駝峰狀。當住房價格處于上漲區間時，提升利率的擴張性政策無法對房價上漲預期產生影響，但緊縮性政策在長期還是能夠降低房價、穩定投機預期。圖4（e）及圖4（f）分別顯示限購政策對房價波動和投機需求的影響，脈沖響應均呈現駝峰狀，且對投機需求沖擊效果要優先于房價波動。限購政策屬于行政性手段，在對房地產過熱城市進行限購、擠出投機需求的過程中，有可能誤傷部分改善性需求，同時使得投機需求涌入不實施限購地區，因此長期來看均存在翹尾效應。圖4（g）及圖4（h）分別顯示限貸政策沖擊影響，無論是對房價波動還是投機需求，限貸政策在短期內能夠持續降低房價和預期，但存在著長期翹尾效應，即限制性行政手段的沖擊時間及路徑較為接近，且長期來看會對其他地區產生負向溢出效應。

六、結論與建議

（一）結論

構建包含主要政策調控、住房需求結構與均衡房價的動態系統，依據2007—2021年40個重點城市季度數據，考量政策調控對于住房投機和房價波動實施效果。結果顯示：第一，住房投機是房價波動主要因素，政策調控對房價波動有顯著作用。第二，不同的住房政策對房價波動的調控效果差異顯著：利率政策對于抑制房價波動的調控效果存在著非對稱性；土地政策會沖擊投機需求預期，通過調整住房市場需求結構間接調控房價波動；限制性政策調控能夠快速抑制投機需求間接調控住房價格，但長期會擠出部分改善需求和自住需求，產生負向溢出效應，且限制性住房政策調控組合或去杠桿政策調控組合疊加實施的效果要優于單一政策。第三，異質性分析顯示，政策調控對不同發展程度城市房價波動的抑制效果呈異質性：限購政策一線城市實施效果較好，限貸政策三線城市實施效果較好；土地政策在一線城市和三線城市實施效果不如二線城市，這與各地區的土地供給布局相關。

（二）建議

第一，提升住房調控政策的穩定性和科學性。穩定各區域住房市場的預期，抑制住房投機需求；第二，分類指導，因城施策，實施更加精準的差別化貨幣政策，暢通貨幣政策調控傳導機制；第三，加大對二手房市場的稅收監管力度，增加住房投機交易成本；第四，加快構建“租購并舉”的住房制度，滿足居民多層次的居住需求，從供給側推動住房市場長效機制建設；第五，優化土地供給管理，推動土地供給朝著更加強調市場化、產業化的方向發展，同時調整土地供給結構，有效保障地區產業高質量發展用地需求。

參考文獻：

［1］ 馬草原， 李宇淼. 宏觀審慎政策工具LTV調控房地產市場的有效性分析［J］. 南開經濟研究， 2020（6）： 122-141.

［2］ 況偉大. 利率對房價的影響［J］. 世界經濟， 2010（4）： 134-145.

［3］ 李昱璇. 限購以及限貸政策的退出合理嗎？——基于29個城市動態面板數據的實證分析［J］. 科學決策， 2015（7）： 24-36.

［4］ 中國人民銀行課題組. 中國人民銀行金融研究重點課題獲獎報告2016［M］. 北京：中國金融出版社， 2017.

［5］ 趙建. 政府調控、住房需求結構與住房價格：一個動態模型［J］. 南方經濟， 2009（2）： 13-20.

［6］ 楊贊， 張歡， 趙麗清. 中國住房的雙重屬性： 消費和投資的視角［J］. 經濟研究， 2019（2）： 55-65.

［7］ 況偉大. 預期、投機與中國城市房價波動［J］. 經濟研究， 2010，45（9）： 67-78.

［8］ 沈悅， 劉洪玉. 住宅價格與經濟基本面： 1995—2002年中國14城市的實證研究［J］. 經濟研究， 2003（3）： 78-86.

［9］ 高苛， 劉長濱. 基于預期理論的住宅市場價格調控模型及其仿真分析［J］. 土木工程學報， 2008（4）： 95-99.

［10］薛志勇. 基于預期理論的房地產宏觀政策效果的影響分析［D］. 北京：中國科學技術大學， 2012.

［11］朱軍， 鄒韜略. 房地產限購政策會降低地方政府債務規模嗎——來自333個城市的證據［J］. 廣東財經大學學報， 2022（1）： 29-39.

［12］梁斌， 李慶云. 中國房地產價格波動與貨幣政策分析——基于貝葉斯估計的動態隨機一般均衡模型［J］. 經濟科學， 2011（03）： 17-32.

［13］李嬌， 向為民. 要素結構性變動與房地產市場穩定——基于重慶的典型分析［J］. 重慶工商大學學報（社會科學版） ， 2021（12）： 17-32.

［14］張方. 經濟政策不確定性與房價波動——來自70個大中城市的證據［J］. 經濟研究參考， 2022（1）： 81-104.

［15］高波， 王文莉， 李祥. 預期、收入差距與中國城市房價租金“剪刀差”之謎［J］. 經濟研究， 2013（6）： 100-112.

［16］李斌， 盧明煒， 張所地，等. 房地產業對中國城市金融穩定的影響研究——基于空間計量模型的比較分析［J］. 數理統計與管理 ， 2019， 38（02）： 343-356.

The Impact of Housing Speculation and Policy Regulation on House Price Fluctuations：?Basedon Data from 40 Key Cities in China

Abstract：This paper constructs a dynamic system model of housing demand structure， policy regulation， and prices， based on quarterly data from 40 key cities from 2007 to 2021， to consider the effectiveness of policy regulation on housing speculation and price fluctuations. The results show that housing speculation has significantly driven up housing prices， and there are significant differences in the impact of government housing regulation policies on housing price fluctuations. Heterogeneity analysis shows that there are differences in the implementation effects of policy regulation in different regions. In view of this， policies should be implemented and classified guidance should be provided according to the situation of a city， while actively unblocking the transmission mechanism of real estate regulation policies， improving transmission efficiency， and promoting the stable and healthy development of the real estate market.

Key words：housing speculation; price expectation; policy regulation; housing price volatility