中国房地产调控政策效果的区域差异性

摘要：采用事件研究法检验了2010—2011年间国务院的综合性房地产调控政策对全国商品房交易市场的调控效果。以“国十一条”、“国十条”、“国五条”、“新国八条”为典型独立事件，通过测算国内40个大中城市商品房成交面积的日度数据序列异常收益率，经比较分析得出结论：由于各地居民提前形成政策调整的适应性预期，历次房地产调控政策效果并不显著；更重要的是，房地产调控政策效果在东、中、西部地区商品房交易市场表现出了显著的区域差异性，建议国家在现有的全国性统一政策基础上制定具体的差别化调控政策，以期延长政策效果释放期。

关键词：综合性房地产调控政策；区域差异；事件研究法

中图分类号：F293.3文献标志码：A文章编号：1673-291X（2014）18-0217-10

一、引言及文献评述

房地产市场过热已经成为中国宏观经济“十一五”末期面临的一大难题，商品房交易状况也成为居民关注的重要问题。国务院联合人民银行、财政部等多个中央部委不断推出日趋严厉的调控政策，以市场化手段和行政手段双管齐下来抑制房地产泡沫，然而并非每次政策都能收到预期效果。

由于房地产市场是反映经济周期波动的重要先行指标，而住房作为居民资产的主要保有形式也已成为宏观经济的要素之一，房地产市场与宏观因素的关系正成为新兴的热点问题。房地产投资是总需求的组成部分，同时房价变动也会对投资和消费具有重要的财富效应（Matteo and Raoul，2008）[1]，因此国外学者们重点关注的领域是基于利率渠道、信贷渠道和财富效应渠道来诠释房地产市场在货币政策传导机制中的作用（Hasan and Taghavi，2002）[2]，也有学者直接分析各类货币政策工具对某国房地产价格的影响及其效果，这类货币政策既包括数量型工具（如货币供应量、信贷规模等；Matteo，2000）[3]，也包括价格型工具（利率、准备金率；Aoki et.al.，2004）[4]，采用的技术方法均以时间序列模型为主。Hasan and Taghavi（2002）[2]就通过方差分解发现在长期内英国的货币政策对居民住房投资具有显著影响，但20世纪80年代的一系列金融自由化政策显著地降低了货币政策对居民住房投资的作用效果。为此，Matteo and Raoul（2008）[1]以同样的方法检验了芬兰、德国、挪威和英国房地产市场的情形，确认了货币政策主要通过银行借贷渠道对房地产价格产生影响。然而，银行信贷规模与房地产价格存在相互作用关系的论断难却以获得一致性的经验支持（Collyns and Senhadji，2002；Gerlach and Peng，2003；Hofmann，2003）[5~7]。另有一批学者从房地产异质性的特征出发，都得出了无差别的货币政策对国内各地房地产市场作用效果存在区域差异这一结论（Michael and Scott，2001；Vansteenkiste，2006；Negro and Otrok，2007）[8~10]。

相较之下，国内学者对该问题的研究受制于中国房地产市场的发展水平而显得滞后。绝大多数学者都区分了货币政策的类型，使用的技术手段都属于动态方法（如时间序列方法），部分学者使用了静态方法（如联立方程、面板模型），由此得出的结论也存在明显分化。近年来，学者们逐渐开始运用事件研究法探讨政府宏观政策对房地产市场的影响。马君潞和武岳（2008）[11]针对中央各部委在2002年1月1日至2007年9月30日期间出台的20项房地产行政调控政策进行分析，结论是行政调控对房地产上市公司具有负的股东财富效应。曹国华和喻震（2011）[12]检验了1999年4季度至2010年3季度中国政府的行政调控政策和利率政策效果，结果发现连续加息的货币政策比行政直接调控政策效果更好。郭琨等（2012）[13]证实了“京十二条”房地产行政调控政策对首都期房和现房交易额确实具有显著影响，并且其效果强于全国性调控政策。当然，中国房地产市场也存在明显的地区非均衡性（姜春海，2005）[14]，因此各项调控政策在不同地区、不同级别城市之间应当也存在差异性（Peng and Yiu，2008；余华义，2010；魏玮和王洪卫，2010）[15~17]。不过，目前这方面的研究成果仍较少。

通过梳理文献可以看到：首先，在研究侧重点上，很少有学者关注货币政策对各地房地产市场调控效果所存在的区域差异性；其次，在政策类型的划分上，以讨论货币金融政策居多，较少关注综合性调控政策的影响，由于主要的几次综合性房地产调控政策既包含了行政性措施，又包含了货币性措施，而实证手段往往难以将每种类型的调控政策效果明确剥离开来，研究综合性调控政策的效果显得更有价值；另外，在研究方法上，事件研究法的运用还有待深入。因此，本文将采用事件研究法对近三年来国务院颁布的最为严厉的四次综合性房地产调控政策效果进行全面实证分析，所关注的市场类型为商品房交易市场。主要解决以下问题：第一，2010—2011年中国综合性房地产调控政策对国内不同地域的商品房市场能否产生显著的政策效果？第二，这些调控政策的效果是否存着在区域差异性，且差异性的表现如何？本文将尝试作出如下贡献：一是将样本范围扩展至全国主要城市，并以高频率的日数据进行实证；二是首次运用事件研究法来探讨中国综合性房地产调控政策对各地区商品房市场作用效果的差异性。

二、计量方法与模型

本文将遵循国外学术界普遍采用的事件研究法进行研究。该方法是根据某一事件发生前后的统计数据，采用特定技术测度该事件影响的一种定量分析方法（干杏娣等，2007）[18]。其原理在于，如果市场是理性的，那么某事件的影响就会迅速反映在资产价格上，因而可以通过观测一段相对短暂时期内的价格表现来衡量该事件的经济影响（刘红忠，2003）[19]。

（一）事件定义

2010—2011年间，“限购”、“限价”已经成为抑制房地产市场泡沫的主旋律，国务院及相关部委连续出台了二十余次各类综合性调控政策，越来越多的城市进入了严控的行列，而调控政策也逐步由模糊到具体，由单一到多元，由宽松到严厉（邱强，2011）[20]。本文从中筛选出国务院主持发布的四次综合性房控政策作为典型的独立事件，分别是2010年1月10日的“国十一条”、2010年4月17日的“国十条”、2010年9月29日的“国五条”和2011年1月26日的“新国八条”，后文将分别研究这四次事件的有效性。

（二）数据及其处理

1.事件日、事件窗口和估计窗口。根据上文对事件的定义，此处将事件日确定为国务院综合性房地产调控政策文件正式对外发布之日。事件窗口和估计窗口长度的选取参考了曹国华和喻震（2011）[12]、郭琨等（2012）[13]的研究结论，将事件窗口设定为房地产调控政策公布前后各40天，（-20，20），时间长度为41天；估计窗口设定为房地产调控政策公布前60天至前21天，共40天。①

2.数据来源及样本选取。本文以商品房成交面积作为房地产市场交易状况的代理指标，数据来源于CEIC数据库。总样本区间为2009年7月1日至2011年6月30日，共730天，该段时间内国务院及相关部委连续出台多项严厉的房地产调控政策，是最严厉的调控时期。总样本中覆盖了国内40个大中城市商品房成交面积的日度数据，共有29 200个数据。根据事件日的数量将总样本划分为4组样本，将每组样本事件窗口期和估计期内有效数据不足41个和40个的城市剔除，每个样本的数据容量在1 600以上。由于样本数据量庞大，故采用Excel软件的VBA程序设计完成实证过程。

endprint

3.异常收益率的估计模型。事件研究法的关键步骤在于正确测算出事件窗口内的单日异常收益率以及累积异常收益率。房地产市场交易对应的收益率序列根据公式Rt=ln（Pt/Pt-1）计算，全国房地产市场交易总体状况对应的收益率则以各子样本的日平均商品房成交面积为代理变量计算得出。对于每个事件而言，本文拟先采用市场模型估计得出总样本中每个城市商品房交易的正常收益率，然后计算其单日异常收益率。模型假定单项资产的正常收益率由市场组合收益率唯一地确定，并且这种关系可以从事件估计期稳定地延续到事件期间。所以，第i个城市商品房在第t日的正常收益率：Rit=αi+βiRmt（1）

其中，Rit为第i个城市的商品房日成交面积的对数增长率；Rmt为房地产市场上商品房日均成交面积的对数增长率；αi、βi是估计期内第i个城市的市场模型参数；城市的序号i=0，1，2，…，N，N为每个事件所包含的城市数量；t=-20，-19，…，0，…20为事件期间。

第i个城市商品房在第日的异常收益率：ARit=Rit-Rit（2）

由于不同城市的商品房异常收益率很可能存在异方差，此处需要对异常收益率ARit进行标准化处理，得到标准化的异常收益率②：SARit=（Rit-Rit）/SARit （3）

接下来就可以估计检验每个事件有效性所需的两个指标。

（1）每个事件所包含的N个样本城市在第t日的标准化平均异常收益率为：

SAARt=SARit（4）

（2）N个样本城市在（t1，t2）期间的累积标准化异常收益率为：

CSAAR（t1，t2）=SAARt，-20≤t1≤t2≤20（5）

三、实证过程及结果分析

本文将每个事件所包含的样本城市按照地理区域划分成东部、中部和西部地区，并用市场模型估计得出每个地区的商品房交易量在事件期内的标准化平均异常收益率和累积标准化异常收益率序列。为检验每次综合性宏观调控政策是否对各地区商品房交易产生异常影响，可作出如下两个假设：

（1）H0：SAARt=SARit =0

（2）H0：CSAAR（t1，t2）=SAARt=0

相应地，可以为SAARt和CSAAR（t1，t2）分别构造统计检验量：①

Zt=，Z（t1，t2）=

若检验结果不能拒绝假设（1），那么国务院的某项综合性调控政策并不能使某地区的商品房交易市场的单日标准化平均累积异常率产生异常冲击；反之，若假设（1）被拒绝，那么该政策能够对某地区的商品房交易市场的单日标准化平均累积异常率产生异常冲击。

若检验结果不能拒绝假设（2），那么国务院的某项综合性调控政策并不能使某地区的商品房交易市场的累积标准化异常率产生异常冲击；反之，若假设（2）被拒绝，那么该政策能够对某地区的商品房交易市场的累积标准化异常率产生异常冲击。

（一）关于房地产综合调控政策的事件总体有效性

1.图1对应的检验结果显示，②在事件日当天，东、中、西部城市的商品房交易的单日标准化异常收益率SAARt在1%和5%的显著性水平上都不能拒绝假设H0。也就是说，历次房地产综合调控政策公布之时，并未向全国各区域的商品房交易市场传递出有效的新信息。此外，在政策公布前20天即估计区间[-20，-1]内，东、中、西部地区出现较多的SAARt负值，这就表明各地商品房市场很可能已经提前预期到中央调控政策出台的信息，并将次信息反映到了市场交易当中。此外，随着国家调控政策的力度不断加强，市场对政策预期的消化能力也在增强，因此可以看到，针对2010年9月29日以及2011年1月26日的事件有效性检验结果显示，在估计期[-20，-1]内，各区域SAARt出现负值的次数较前两次事件有所减少。

2.东、中、西部地区商品房交易的累计标准化异常收益率CSAAR（t1，t2）无论在1%还是5%的显著水平上也同样未能通过假设H1，而在估计期[-20，-1]内，各地总体上出现CSAAR（t1，t2）负值的次数多于正值的次数。可以说，这四次房地产综合性调控政策没有向各地区的商品房市场继续传递新信息，市场早已在政策调整的信息正式推出之前就有所预见。此外，本文所研究的四次房地产调控政策都处于房地产紧缩周期中，彼此推出的时间间隔较短，各地市场都会基于政府政策出台频率的历史信息估测下次政策的推出时机。因此，房地产政策的“惯性”作用导致新信息在事件估计期就已被预期到，在事件日就无法表现出显著的效果。

（二）关于各区域房地产调控的事件有效性比较

1.下页表2的检验结果显示，东、中部地区在估计期出现SAARt负值的次数较西部地区更多，事后观察期的估计结果也呈现了类似的形。但从2010年下半年以后，SAARt在各地区出现负值的次数都有所减少。这表明，东、中部地区商品房市场对与国家房地产综合性调控政策的响应灵敏度比西部地区更强一些，尤其是在政策公布前一段时期内，东、中部地区商品房市场对政策即将调整的预期更为明显。

2.下页表3的检验结果显示，与各地区商品房交易的单日异常收益率不同，累计异常收益率表现出现强烈的区域差异特性。在估计期内，东、中、西部地区CSAAR（t1，t2）出现负值的次数依次减少，但东部地区与中、西部地区拉开了较大差距；而在事后观察期[1，20]内，东、中、西部地区的CSAAR（t1，t2）出现负值的次数同样依此减少，但是按照事件发生的时间顺序，CSAAR（t1，t2）出现负值的次数在中部地区有明显增加的趋势，而在东、西部地区较为稳定。这似乎反映了各地区商品房市场对于国家调控政策的响应强度存在差异，体现为东、中、西部依次减弱的总趋势。另外，在每次中央调控政策出台前后各地区的商品房市场响应强度也各有特点：在东、中部地区具有“累积”效果，商品房交易在政策出台后的萎缩迹象都比政策出台前更加明显；在西部地区却正好相反，其商品房交易的萎缩主要出现在政策出台之前。

3.从图2中不难发现，并非每个地区的商品房市场对国家调控政策都存在着“学习”过程。每次政策出台后，仅有东部地区的CSAAR（t1，t2）都呈现一轮长达3周的明显下跌过程，不过从2010年下半年以后这种下跌过程持续时间有所缩短；中部地区的CSAAR（t1，t2）在事件三和事件四发生后才开始出现较明显的下跌过程，但该过程持续时间仅为10天左右；西部地区的CSAAR（t1，t2）在每次政策出台后不仅不下跌，反而始终表现为逐渐上升的过程；随着国家调控政策的连续推出，各地区CSAAR（t1，t2）对政策的响应程度似乎有逐渐趋同的倾向，在3周左右累积异常收益率就接近于零。这同样表明，房地产综合性调控政策在东部地区的实施效果最为明显、影响幅度最大、持续时间也最长，东部地区次之，西部地区最弱，但是随着国家调控政策的连续推出，东、中部地区经过不断“学习”之后，后期调控政策的实施效果减弱，且各地区之间的效果差异性有所减小，但政策的效果持续时间为3周左右。

上文得出的一个值得注意的结论是：2009年以来的三次综合性房地产调控政策在事件发生当日并没有向市场传递新信息。其原因可能在于，中国居民根据中央频频推出调控政策，对全国商品房市场处于调控周期的实事已经有了确切认知，形成了适应性预期，从而具备“学习”能力，在事件估计期间就显现出对事件即将发生的预见能力。此外，本文认为几次政策效果持续时间较短的论断也与一些学者不谋而合。李绍荣等（2011）[21]就运用信息经济学的理论论证了中国货币政策或信贷政策稳定房价只会产生短期效应，不会发挥长期效应，而郭琨等（2012）[13]随后也以计量方法证实了全国性调控政策对国内房地产交易市场的影响程度有限，且持续时间很短。

endprint

此外，本文再次论证了调控政策对国内各地的商品房交易市场的效果存在着显著的区域差异性，这是由于中国房地产市场并不存在统一的市场（华民，2009）[22]，因此“一刀切”的宏观调控政策在各地区的影响也有所不同。本文与梁云芳和高铁梅（2007）[23]的部分研究结论一致，即政府的房地产调控政策对抑制东部地区商品房交易过热是有效的，但对政策响应的敏感性而言，预期因素对东部地区商品房市场的短期波动有较大影响。

四、结论及建议

本文以事件分析法检验了2010年以来连续出台的四次最严厉的综合性房地产调控政策对国内各地城市的作用效果强度和持续时间。得出的主要结论是：

第一，房地产调控政策均未通过事件有效性检验，在政策正式对外公布当天并没有向全国商品房交易市场传递新信息。相反，各地居民业已形成的适应性预期使得市场在每次政策临近公布的一段时间内就已经提前预计到了结果的出现。

第二，房地产调控政策效果存在显著的区域差异性。东、中、西部地区商品房交易市场对政策的响应程度依次减弱、持续时间也依次缩短；每次国家调控政策的实施效果逐渐减弱，在各地之间的效果差异性也有所减小，并表现出不断趋同的倾向，但历次政策效果的持续时间为3周左右。导致这一结果的原因主要在于中国各地区商品房市场和房地产金融业存在区域发展不平衡性，各地区居民对调控政策的反应灵敏度也存在差异性。

因此，中国房地产调控政策应当注重对居民预期方式的调整能力，以强化政策本身效果。还应当针对中国各地商品房市场和金融业的差异性，在现有的全国性统一政策基础上制定具体的差别化调控政策，更有效地维护各地区房地产市场的稳定性，进一步延长政策效果的持续时间。不过，本文分析也存在一定局限性，四次政策公布时间间隔较短，运用标准程序进行检验时对事件窗口长度的定义可能不够完备，有可能影响房地产调控政策的事件有效性检验力，因而考虑对事件研究方法进行改进将是作者下一步研究的方向。

参考文献：

[1]MatteoIacoviello，Raoul Minetti，The Credit Channel of Monetary Policy：Evidence from the Housing Market，Journal of Macroeconomics，

2008(30)：69-96.

[2]Hasan M.S.，TaghaviMajid，Residential Investment，Macroeconomic Activity and Financial Deregulation in the UK：An Empirical

Investigation，Journal of Economics and Business，2002(54)：447-462.

[3]MatteoIacoviello，House Prices and the Macroeconomy in Europe：Results from a Structural VAR Analysis，European Central Bank

Working Paper，2000，April，No.18.

[4]Aoki Kosuke，Proudman James，VliegheGertjan，House Prices，Consumption，and Money Policy：A Financial Accelerator Approach，

Journal of Financial Intermediation，2004(13)：414-435.

[5]Collyns，C.and A.Senhadji(2002)，”Lending Booms，Real Estate Bubbles and the Asian Crisis，” IMF Working Paper No.02/20，

Washington D.C.：International Monetary Fund.

[6]Gerlach，Stefan，PengWensheng，Bank Lending and Property Prices in Hong Kong，HKIMR Working Paper，2003，June，No.12.

[7]Hofmann，Boris，Bank Lending and Property Prices：Some International Evidence，HKIMR Working Paper，2003，November，No.22.

[8]Michael Fratantoni，Scott Schuh，Monetary Policy，Housing，and Heterogeneous Regional Markets，Journal of Money，Credit and Banking，

2003(35)：557-589.

[9]Vansteenkiste，I.Reginal Housing Market Spillovers in the US：Lessons from Regional Divergences in a Common Monetary Policy Setting，

European Central Bank Working Paper，2007，No.708.

[10]Negro Macro Del，Otrok Christopher，Monetary Policy and the House Price Boom Across U.S.States，Journal of Monetary Economics，

2007(54)：1962-1985.

[11]马君潞，武岳.金融调控政策对房地产市场的影响[J].财经科学，2008，(2)：41-47.

[12]曹国华，喻震.宏观调控政策对房地产价格影响的实证检验[J].统计与决策，2011，(22)：119-121.

[13]郭琨，崔啸，王珏，汪寿阳，成思危.“京十二条”房地产调控政策的影响——基于TEI@I方法论[J].管理科学学报，2012，(4)：4-11.

[14]姜春海.中国房地产市场投机泡沫实证分析[J].管理世界，2005，(12)：71-84.

[15]PengWensheng，Dickson C.，Yiu Matthew S.，Property Market and the Macroeconomy of Mainland China：A Cross Region Study，Pacific

Economic Review，2008，13(2)：240-258.

[16]余华义.经济基本面还是房地产政策在影响中国的房价[J].财贸经济，2010，(3)：116-122.

[17]魏玮，王洪卫.房地产价格对货币政策动态响应的区域异质性——基于省际面板数据的实证分析[J].财经研究，2010，(6)：123-132.

endprint

[18]干杏娣，杨金梅，张军.中国央行外汇干预有效性的事件分析研究[J].金融研究，2007，(9)：82-89.

[19]刘红忠.金融市场学[M].上海：上海人民出版社，2003.

[20]邱强.限购政策对房地产市场的影响[J].上海房地，2011，(9)：11-12.

[21]李绍荣，陈人可，周建波.房地产市场的市场特征及货币调控政策的理论分析[J].金融研究，2011，(6)：33-45.

[22]华民.房地产市场没有一般均衡[J].世界经济情况，2009，(7)：4-9.

[23]梁云芳，高铁梅.中国房地产价格波动区域差异的实证分析[J].经济研究，2007，(8)：133-142.

Regional Differences of Policy Effects in Chinese Housing Markets

——Based on Event Study Methodology

YANG Ling-ling

（Yunnan Normal University，College of Economics and Management，Kunming 650500，China）

Abstract：This paper tests the comprehensive policy effect in residence housing market of China between 2010 and 2011 by using event study methodology.Selecting four typical independent events of housing controlling policies，the author calculates and comparatively analyzes the abnormal return series of daily deal area in 40 middle and large cities，and comes to the conclusion that (1) none of these housing policies demonstrated significantly lasting effects because of residences adaptive expectation ahead of the coming policies，and (2) more importantly，great differences of housing policy effects were verified in the eastern，middle and western areas of China.Therefore，a possible suggestion should be establishing distinctive regional housing policies among those areas in order to strengthen the effect of current comprehensive polices.

Key words：comprehensive hosing policy；regional differences；event study methodology

[责任编辑 王玉妹]

收稿日期：2013-12-08

基金项目：2013年度云南师范大学青年科学基金项目（13SQ06）

作者简介：杨玲玲（1981-），女，云南昆明人，讲师，博士，从事金融市场、国际金融研究。

①本文还注意在选取各区间长度时，避免本次事件窗口期与下次事件的估计窗口重叠。

②S2

ARit=

·

1+

+。其中，（an-60）和（an-20）分别为事件发生日前60天和前21天；ARit，est为估计期内第i个城市商品房在第t日的异常收益率；[AR]i，est为估计期内第i个城市商品房异常收益率的均值；Di为估计期的长度；Rmt，event和Rmt，est分别为房地产市场在事件期间第t日和估计期间第t日的收益率；[R]mt，est为房地产市场在估计期间的日均收益率的均值。

①Zt和Z（t1，t2）均符合标准正态分布。

②本文限于论文篇幅仅列出主要事件日的检验结果。读者如有需要，可直接向作者索要。

注：“+”表示收益率为正值的天数，“-”表示收益率为负值的天数。

endprint

[18]干杏娣，杨金梅，张军.中国央行外汇干预有效性的事件分析研究[J].金融研究，2007，(9)：82-89.

[19]刘红忠.金融市场学[M].上海：上海人民出版社，2003.

[20]邱强.限购政策对房地产市场的影响[J].上海房地，2011，(9)：11-12.

[21]李绍荣，陈人可，周建波.房地产市场的市场特征及货币调控政策的理论分析[J].金融研究，2011，(6)：33-45.

[22]华民.房地产市场没有一般均衡[J].世界经济情况，2009，(7)：4-9.

[23]梁云芳，高铁梅.中国房地产价格波动区域差异的实证分析[J].经济研究，2007，(8)：133-142.

Regional Differences of Policy Effects in Chinese Housing Markets

——Based on Event Study Methodology

YANG Ling-ling

（Yunnan Normal University，College of Economics and Management，Kunming 650500，China）

Abstract：This paper tests the comprehensive policy effect in residence housing market of China between 2010 and 2011 by using event study methodology.Selecting four typical independent events of housing controlling policies，the author calculates and comparatively analyzes the abnormal return series of daily deal area in 40 middle and large cities，and comes to the conclusion that (1) none of these housing policies demonstrated significantly lasting effects because of residences adaptive expectation ahead of the coming policies，and (2) more importantly，great differences of housing policy effects were verified in the eastern，middle and western areas of China.Therefore，a possible suggestion should be establishing distinctive regional housing policies among those areas in order to strengthen the effect of current comprehensive polices.

Key words：comprehensive hosing policy；regional differences；event study methodology

[责任编辑 王玉妹]

收稿日期：2013-12-08

基金项目：2013年度云南师范大学青年科学基金项目（13SQ06）

作者简介：杨玲玲（1981-），女，云南昆明人，讲师，博士，从事金融市场、国际金融研究。

①本文还注意在选取各区间长度时，避免本次事件窗口期与下次事件的估计窗口重叠。

②S2

ARit=

·

1+

+。其中，（an-60）和（an-20）分别为事件发生日前60天和前21天；ARit，est为估计期内第i个城市商品房在第t日的异常收益率；[AR]i，est为估计期内第i个城市商品房异常收益率的均值；Di为估计期的长度；Rmt，event和Rmt，est分别为房地产市场在事件期间第t日和估计期间第t日的收益率；[R]mt，est为房地产市场在估计期间的日均收益率的均值。

①Zt和Z（t1，t2）均符合标准正态分布。

②本文限于论文篇幅仅列出主要事件日的检验结果。读者如有需要，可直接向作者索要。

注：“+”表示收益率为正值的天数，“-”表示收益率为负值的天数。

endprint

[18]干杏娣，杨金梅，张军.中国央行外汇干预有效性的事件分析研究[J].金融研究，2007，(9)：82-89.

[19]刘红忠.金融市场学[M].上海：上海人民出版社，2003.

[20]邱强.限购政策对房地产市场的影响[J].上海房地，2011，(9)：11-12.

[21]李绍荣，陈人可，周建波.房地产市场的市场特征及货币调控政策的理论分析[J].金融研究，2011，(6)：33-45.

[22]华民.房地产市场没有一般均衡[J].世界经济情况，2009，(7)：4-9.

[23]梁云芳，高铁梅.中国房地产价格波动区域差异的实证分析[J].经济研究，2007，(8)：133-142.

Regional Differences of Policy Effects in Chinese Housing Markets

——Based on Event Study Methodology

YANG Ling-ling

（Yunnan Normal University，College of Economics and Management，Kunming 650500，China）

Abstract：This paper tests the comprehensive policy effect in residence housing market of China between 2010 and 2011 by using event study methodology.Selecting four typical independent events of housing controlling policies，the author calculates and comparatively analyzes the abnormal return series of daily deal area in 40 middle and large cities，and comes to the conclusion that (1) none of these housing policies demonstrated significantly lasting effects because of residences adaptive expectation ahead of the coming policies，and (2) more importantly，great differences of housing policy effects were verified in the eastern，middle and western areas of China.Therefore，a possible suggestion should be establishing distinctive regional housing policies among those areas in order to strengthen the effect of current comprehensive polices.

Key words：comprehensive hosing policy；regional differences；event study methodology

[责任编辑 王玉妹]

收稿日期：2013-12-08

基金项目：2013年度云南师范大学青年科学基金项目（13SQ06）

作者简介：杨玲玲（1981-），女，云南昆明人，讲师，博士，从事金融市场、国际金融研究。

①本文还注意在选取各区间长度时，避免本次事件窗口期与下次事件的估计窗口重叠。

②S2

ARit=

·

1+

+。其中，（an-60）和（an-20）分别为事件发生日前60天和前21天；ARit，est为估计期内第i个城市商品房在第t日的异常收益率；[AR]i，est为估计期内第i个城市商品房异常收益率的均值；Di为估计期的长度；Rmt，event和Rmt，est分别为房地产市场在事件期间第t日和估计期间第t日的收益率；[R]mt，est为房地产市场在估计期间的日均收益率的均值。

①Zt和Z（t1，t2）均符合标准正态分布。

②本文限于论文篇幅仅列出主要事件日的检验结果。读者如有需要，可直接向作者索要。

注：“+”表示收益率为正值的天数，“-”表示收益率为负值的天数。

endprint