房地产市场情绪研究热点与演进——基于CiteSpace的可视化分析

文/赵强 费阳则

自从1998年中国实行住房制度改革，终止住房分配制度以来，房地产市场经历了起步、发展与调整三个阶段。随着房地产业在国民经济中的比重不断上升，我国经济增长对房地产业的依赖不断增加。近年来，随着计算机技术的发展与国家政策调控的调整，房地产市场情绪研究快速发展。然而，对于房地产市场政策的调控背景，房地产市场情绪的指标构建的关键技术和前沿应用并没有得到客观与科学的量化分析。[1]

一、相关研究文献评述

随着行为经济学的兴起，研究者发现基于传统理性人假设的经济理论已经难以依市场基本面解释房价变化。学者尝试摒弃传统经济理论，将基于“不完全理性”的市场情绪作为房价变动的解释变量。这种市场情绪会受到外部信息干扰而反应过度，导致市场参与者作出非理性的决策，从而影响房屋的真实价值。尤其是我国房地产市场作为典型的新兴市场、处于正在转轨的特殊制度背景下，市场参与者普遍缺乏理性，更容易形成市场情绪。[2]

鉴于此，为了能够有效分析研究背景、研究热点与研究演进的关系，本文使用CiteSpace可视化科学文献计量方法，对1998—2021年知网数据库（CNKI）中关于市场情绪研究的文献进行关键词聚类分析、关键词共现分析、关键词时区分析以及应用学科分析，并希望通过分析市场情绪的研究演进和机制，映射房地产市场情绪研究前沿，探寻房地产市场化研究的关键节点与演进路径。

二、研究方法与数据

（一）数据

在数据来源方面，为了保证原始数据的全面准确性，本文选择中国知网数据库（CNKI）。从确保检索文献的质量、数量和覆盖范围方面考虑，本文在数据库中检索关键词、摘要和篇名中含“市场情绪”的文献，将文献来源设置为中文文献，检索时间选择从1998年房地产市场化改革开始，截止至2021年11月1日，共得到1708篇文章。在数据处理方面，本文为提升论文数据的准确性与代表性，剔除非学术类论文（含会议通知、报告、新闻及讣告等），得到论文共1501篇。最后，通过CiteSpace软件自带的数据转化功能，将文献数据转为Wos文本数据格式，并将包含论文题目、作者、机构、出版年、期、卷、关键词和摘要等信息的样本数据进行可视化分析。

（二）研究方法

1.图谱分析方法。本文采用科学文献计量自动可视化软件CiteSpaceⅤ对文献数据进行知识图谱分析。CiteSpace是一款信息可视化软件，主要基于共引分析理论和寻径网络算法等，对特定领域文献（集合）进行计量，以探寻学科领域演化的关键路径及转折点，并通过绘制一系列可视化图谱，探测学科演化潜在的动力机制与学科发展前沿。[3]在分析CNKI数据库时，该软件抽取数据库中关键词、作者、机构等信息，挖掘文献信息并呈现相关信息之间的相互关联。关键词共线分析能够反映关键词出现的频率及相互关系，有助于梳理房地产市场情绪的研究热点与知识基础，展现房地产市场情绪研究的共同焦点与发展阶段。关键词共现时区图分析能从时间维度反映研究热点的更替，揭示研究前沿演变的重要转折点，通过结合时间趋势图，能够发现研究背景及市场情绪测量技术改变对于房地产市场情绪研究的影响，并借此预测未来研究热点、前沿、交叉学科与未知领域。

2.时间划分方法。为了深入剖析房地产市场情绪的研究演变与研究背景之间的关系，本文借助“自然断裂点分级法”对数据固有特征进行自然分组，对市场情绪的研究阶段进行识别，判断不同历史阶段推动市场情绪研究的形成原因，勾勒市场情绪研究发展的阶段。[4]

通过对论文数量趋势的初步分析，发现发刊文献数量与我国市场化改革历程存在拟合关系。具体而言，本文先使用研究文献时间分布图以识别研究变化节点，揭示研究演进的趋势与重大转折时间点。接着使用关键词网络时区图发现转折点时研究背景，探索研究方法的关键词，借此识别知识演进与研究体系的形成过程。最后，通过文献分析方法识别文献中市场情绪研究演变的关键因素，明晰研究发展的重要节点，从而划分发展阶段。

三、特征分析

（一）文献数量特征分析

发表文献的数量分析能够反映研究变化的趋势与受关注程度。从文章发表的数量来看，市场情绪研究的相关文章数量呈直线上升趋势——从2007年的11篇增加到2020年的230篇（年均增长近17篇），说明围绕“市场情绪”的研究逐渐受到学术界认可，已经引起相关领域学者的高度重视，今后一段时间内将继续成为研究热点（见图1）。

为了进一步探索论文数量变化背后的热点事件与驱动因素，本文将文献发表趋势图与关键词时间趋势结合观察，旨在发现市场情绪研究的热门节点，探索市场情绪研究的演变过程。在时间分布图中，利用自然断裂点分级法，依据文献的增长速度可以将发文状况划分为三个阶段(见图1）：2006-2012年年均增长13篇，2012-2014年年均增长速度增加2倍，2014-2020年恢复到年均增长18篇。在关键词网络时区图中，可以在对应时间发现，2012年研究者首次将收益率引入市场情绪测量以反映市场参与者在面对有限信息时的非理性反应，从而促进了市场情绪研究的发展。在2012—2014年，主成分析法被引入市场情绪构建，使研究文献出现了短暂的高产期，这意味着市场情绪研究突破了变量构建瓶颈，开启了新的研究领域。2014年，文本挖掘技术的提出再次增加了市场情绪的测量维度，此后有关市场情绪的研究开始稳步递增，并逐渐被应用于不同研究领域。

图1 市场情绪研究文献时间分布

（二）应用学科分布

如果文献特征分析提供了研究的发展趋势视角，应用学科分布分析则为研究提供了总体方向。如图2所示，研究学科分布目前集中于金融学，主要研究方向包括证券、保险等，发表论文达到795篇，占总文献数量的56%，可见市场情绪在金融领域的应用已经较为普遍。应用次多的学科是经济学，该领域的研究方向主要为宏观经济、贸易经济、农业经济、信息经济等，发表论文286篇，占比达到20%。其他基础学科，如心理学、数学、新闻学、市场营销学，共发文297篇，占总刊文21%。房地产作为前沿学科，在2017年首次出现，发文已达到39篇，占比为3%，呈现快速上升趋势。根据近20年市场情绪研究的学科分布，市场情绪在房地产领域的研究出现较晚，但是发刊文献从2018年开始增加迅速，逐渐受到学界关注。

图2 市场情绪研究文献学科分布

（三）关键词共现可视化分析

关键词共线分析可以反映样本文献中关键词出现的频率与相互关系。关键词是研究的核心，展示整个研究领域的动态与趋势。中心度体现了这个关键词在聚类分析中的关联性，中心度高的关键词通常是连接不同聚类的重要节点。

具体而言，在CiteSpace软件中设置时间切片为“1”，选择标准为“top50”，对整个网络进行寻径剪切，将图谱标签阈值设置为“5”，其他参数不变，得到关键词共现网络图。图中的每一个节点都代表了一个关键词。节点的连线表示两个关键词出现在同一篇论文中。节点的半径大小反映了关键词出现的频次。节点外出现紫圈的表示该关键词具有较高的中心度。市场情绪研究中出现频率较高的关键词为投资者情绪、市场情绪、股票市场、行为金融、主成分分析、股票收益、投资者等，相关研究主要以此为核心展开，且各关键词具有较好的相关性。而价格发现、人民币汇率、股价崩盘风险、宏观经济、股指期货、文本情绪、深度学习等关键词出现较晚（见表1，表2），也具有一定中心性，为未来研究领域的前沿。综上所述，房地产市场情绪测量与测量方法有一定相关性，具有较新研究价值。

表1 关键词统计表

表2 2018年以后关键词统计

1.房地产市场情绪的概念界定与研究热点。目前，研究者认为房地产市场情绪是指市场参与者产生过度乐观或悲观的情绪，对资产未来收益或相关因素（如交易量，稀缺性）产生错误信念。[6]

为了对市场情绪指数进行有效测量，反映市场参与者对市场的信心，国内外的房地产市场情绪指标最早起源于投资者情绪研究。贝克和伍尔格勒最早构建指标并进行研究，认为市场情绪的产生与变化可以通过四个环节进行观察，即购买信念的变动、基于购买信念而产生的购买行为、交易行为中定价的偏差以及内部交易者通过偏差的获利。此后，国外研究者通过家庭的主观房价预期、未来收入信心指数、季节因素、股票市场中房地产业市盈率、物价指数等测量房地产市场情绪指数。也有研究者将谷歌（Google）等搜索引擎、网络媒体和推特（Twitter）、脸书（Facebook）、Factiva.com在线报纸网站等社交媒体作为构建情绪指数的数据来源。更多人通过房价租金比、房价指数、土地供应量、成交量和施工面积、住宅类用地溢价率与楼面均价等构建房地产市场情绪。国内研究者则更多通过开发商的总投资额、房地产业土地购置面积、住宅类用地成交宗数、商品住宅新开工施工面积、开发商新购土地面积的平均成本、百度搜索指数等构建房地产市场情绪的指数。综上所述，房地产市场情绪的构建是房地产市场情绪研究领域的重点，有效的情绪指标测量与构建对房价的预测至关重要。

2.房地产市场情绪的研究背景。房地产市场情绪研究是在促进房地产与实体经济均衡发展的背景下提出的理论创新和实践创新。房地产市场情绪的研究能够有效促进资源要素顺畅流动，纠正资源要素失衡错配，完善房地产市场健康平稳长效发展机制，有利于住房消费市场健康发展。[5]

房地产行业是各国较为重要的实体经济之一，2017年全球房地产市场价值228万亿美元，其中住宅市场约占75%。在市场情绪研究中，房地产市场更容易受到情绪影响的原因在于房地产市场缺少卖空机制，市场投机行为难以被市场参与者的套利行为抵消，更容易形成房地产泡沫。此外，房地产市场流动性弱，房价难以快速响应市场的变化，更容易受到市场情绪的冲击。我国房地产市场也经受了数次房价调整。自从1998年房地产市场改革以来，随着房地产开发比重不断上升，我国经济增长对房地产业的依赖不断增加。然而2003年以来，房地产市场出现了数次价格上涨。2008年以后，政府为了抑制房价，控制实体经济与房地产增长速度，通过媒体宣传、土地招拍挂制度、宏观货币调控等多途径共同施力。在这期间，房地产市场的调控往往伴随着行业发展周期的跌宕起伏，表现为房地产市场情绪与价格的波动。因此，房地产市场情绪研究大多在房价偏离经济基本面的背景下开展。

3.理论应用是房地产市场情绪研究共同关注的问题。众所周知，情绪指标难以直接测量，并且不同地区的社会环境、经济水平、文化传统、建筑技术水平、劳动力市场等存在差异。因此，研究者在构建市场情绪指标、扩大房地产市场情绪应用、提出政策建议、解释影响机制等方面面临挑战。

目前，研究主要面临房地产市场的收益预测、政策调控、市场情绪测量等方面的挑战。首先，房地产市场情绪的测量存在争议。房地产市场情绪难以被直接测量，指标的构建通常来自一些基本经济指数统计，这不可避免地导致变量存在既不主观也客观的情况。其次，市场情绪指标测量具有滞后性，代理变量往往是事后数据，无法准确验证未来。此外，房地产市场情绪与经济基本面的识别、土地价格波动、住房热点事件的推动等方面的研究也存在、需要通过扩大研究范围加以解决。

针对上述问题，研究者为了进一步寻求解决方案，试图结合房地产市场情绪测量，提出协调市场与政府的关系，优化指标体系构建，构建房地产市场长效机制等路径。

（四）研究热点演进

为补充关键词共线图谱遗漏的信息，并印证时间分布图中自然断裂点分级法对研究阶段的划分，本文借助关键词共现的时间轴分析梳理研究演进关键节点，展示市场情绪相关研究核心关键词的演进过程。具体而言，选择时间切片设置为“1”，其他参数不变，生成关键词网络时区图。图中显示关键词所处的时间段代表该关键词首次出现的时间。十字节点的大小代表关键词在各自时段出现的总频次，即节点越大表示该关键词在对应时点出现频率越高，其影响越明显（见图3）。

图3 市场情绪关键词网络时区图

时区图结果显示，市场情绪相关研究方向与知识图谱中的关键词分布可以分为“三个阶段、两次转折”，呈现了“市场情绪”相关研究不断发展演变的特点（见图4）。1997年亚洲金融危机后，为了提升实体经济的作用，在这个阶段房地产行业被定位为国家支柱产业，形成房地产市场情绪研究演进的第一次重要转折；而2018年中国股市大跌，研究者开始探索房地产市场情绪与宏观经济、公众关注度等相关研究，迎来了市场情绪研究的第二次重要转折（见图4）。

图4 市场情绪研究发展阶段

1.初始阶段（2002年—2012年）：创立探索时期的知识演进。这一阶段研究聚焦于股市，研究者通过单一变量测量股票市场的市场情绪，并解释其运行机制。由于初期测量手段与计量方法的局限，研究结果存在争议。在这一阶段，市场情绪研究集中在金融领域，研究热点聚焦于市场预期与市场情绪的关系，研究关键词主要为市场情绪、个人投资者、情感分析、行为金融、股票收益、股票市场。

2.中期阶段（2012年—2017年）：发展时期研究的知识演进。随着计量方法的创新，中期阶段市场情绪领域的变量构建成为热门问题。2012年，主成分分析法被引入对市场情绪的测量中。研究者通过主成分分析法从多维数据中提取市场情绪指标进行研究。[7]相对于国外研究者而言，国内市场情绪在房地产领域的起步相对稍晚，研究较多沿用了主成分分析法测量市场情绪指标。研究关键词呈现分散趋势，研究关键词主要为市场波动、影响因素等[8]。

在2015年，随着数据收集技术的发展，机器学习、网络社交媒体与文本挖掘等计算机技术的出现带动了市场情绪研究的进一步发展。研究关键词为文本挖掘、资产定价、货币政策、VAR模型等。

3.后期阶段（2017年—2020年）：创新延伸时期的知识演进。2017年中国共产党第十九次全国代表大会召开，明确提出“防范化解系统性金融风险和维护金融稳定”的重要方针，以及“房住不炒”市场定位，为房地产市场发展指明了方向。在本阶段中，房地产市场情绪的研究热点包括价格发现、人民币汇率、房地产市场、经济基本面、深度学习等。综上所述，市场情绪的研究领域受到的指标构建方法与测量方法的影响较大。

四、结论

总体而言，房地产市场情绪研究处于发展阶段。尽管房地产市场情绪研究时间较短，研究方向也没有明显分化，但研究具有理论性与发展性，与房地产市场化改革政策之间存在继承性。国内相关的研究主要集中在房地产市场情绪指标构建等方面。未来，还需要从概念鉴定、房地产市场情绪测量、影响机制梳理等方面综合研究视角、厘清问题。[9]同时，还需要考虑房地产市场情绪的应用，明确房地产市场情绪与经济基本面的识别、住房热点事件情绪的测量、买房双方对房地产市场情绪的差异性、房地产市场情绪的空间传导性以及房地产市场与实体经济的关联性。在房地产市场平稳健康发展的前提下，应建立房地产市场长效机制，促进房地产市场和其他经济体均衡发展。

本文创造性地将时间划分方法与共引分析结合使用，旨在发现学科研究发展与现实背景的联系，借此明晰研究中的重要研究节点，为未来研究提供实践基础，也为学界更有效地预测研究前沿、交叉领域提供理论方法。