24 基于主成份和灰色预测法的房地产金融风险预警体系研究 总第 59 期

基于主成份和灰色预测法的房地产金融风险预警体系研究

孙蕾 1

摘要：为构筑房地产市场金融风险防火墙体系，本文借鉴国内外房地产市场风险预警方法

和经验，采用主成份分析法、灰色预测法等数理统计分析方法，构建了房地产金融风险预警体

系。采用该预警体系对山东省近 15 年的房地产金融市场运行状况进行实证分析，得出的对市

场运行状况的警情判断与实际情况基本吻合。

关键词：主成分分析；灰色预测；房地产金融；风险预警

一、引言

房地产市场的周期性波动特征决定了其受宏观经济周期的影响较大，房地产市场不景气可

直接导致国家经济的衰退。国际货币基金组织的研究报告认为，房地产市场泡沫破裂对经济发

展的冲击，将双倍于股市暴跌。例如 20 世纪 80 年代末的日本房地产市场泡沫破裂，使该国经

济陷入了长期衰退；而 2007 年爆发的美国次贷危机则引发了全球性金融危机，使全球经济至

今未走出衰退阴影。我国房地产业自上世纪 80 年代起步至今已经历了 30 多年的发展历程。期

间，由于受市场发育不健全、监管缺位以及宏观调控不连续性等诸多因素影响，房地产市场出

现了一些不容忽视的问题，包括：一些地区市场发展不平衡，住房供求矛盾突出；房地产投资

增长过快，导致房地产价格大幅上涨，泡沫现象严重；房地产开发融资渠道单一，过度依赖银

行，使银行承担的金融风险越来越大。这些问题，一方面导致社会资源错配，国民经济发展产

业结构扭曲，吸引大量实体资本涌向房地产业，助长了房地产市场泡沫，加重了房地产金融风

险；另一方面也削弱和降低了我国实体经济发展的影响力和市场竞争力，甚至出现实体产业“空

心化”的倾向。对此，自 2006 年起监管部门连续出台多项房地产调控措施，加强房地产金融

1作者：孙蕾，中级经济师，中国人民银行济南分行。作者感谢匿名审稿人的意见，文责自负。

252016 年第 11 期

市场监管。本文针对房地产行业的周期特点及其市场运行的新情况、新变化和新问题，重点研

究了房地产金融市场风险评估和预警监测体系建设，以切实防范房地产金融风险，促进房地产

金融健康发展，维护辖区金融稳定。

国外房地产市场预警研究起步于上世纪 80 年代。由于美国一些地区房产被抛弃，街头犯

罪、火灾等社区问题日益突出，芝加哥、纽约等地区开始着手对社区房地产衰退预警体系进行

研究。 90 年代初期，这些地区采用了统计预警方法，并相应开发了社区预警系统（Neighborhood

Early Warning System，NEWS）与住宅预警系统（Housing Early Warning System，HEWS）等

社区房地产预警体系投入使用。我国在上世纪 90 年代也开始了对房地产预警的研究。梁运斌

（1995）对建立房地产预警监测系统进行了探索，提出了房地产预警预报系统应该由景气分析

系统、预警信号系统、行业监测系统与景气调查系统四个子系统构成的基本构想。彭翊（2002）

也认为，房地产预警系统应该是多个横向和纵向交错的立体预警体系。1994 年 12 月，中国房

地产业协会、国务院发展研究中心、中国房地产开发集团共同编制了“中国房地产指数系统”，

简称中房指数（CREIS）。其主体是价格指数系统，但预测功能不强。1997 年，国家统计局采

用合成指数方法编制了国房景气指数（NREI），对全国与北京、上海等大城市的房地产市场状

况进行景气分析与预警。上世纪 90 年代中期，我国台湾地区也编制了房地产景气指数、国泰

房地产指数等，采用信号灯的形式进行房地产预警，并建立了相应的对策系统。赵黎明、贾永

飞（1999）则对各种经济预警方法进行了分析比较，认为应将统计预警方法作为房地产预警系

统设计的基础。丁烈云（2002）在研究房地产周期波动时，采用了三种模型对房地产进行预警

研究。目前，国内的房地产市场风险预警研究仍处于探索阶段。

鉴于此，本文以构建基层中央银行房地产金融市场风险监测预警体系为研究重点，借鉴国

内外房地产市场风险的预警方法和经验，采用主成份分析法、灰色预测法等数理统计分析方法，

对山东省近 15 年来房地产金融业发展的风险状况进行了预警实证分析，期望探索构建基层中

央银行房地产金融市场风险预警体系的方法，以进一步促进和推动房地产金融市场健康发展。

二、房地产金融风险的预警体系构建

（一）监测预警体系基本架构

本文拟建的房地产市场监测预警体系主要包括数据库管理系统、控制处理系统、预警评

价系统和警情处置系统四大系统。数据库管理系统即数据搜集及输入系统，包括监测指标数据

26 基于主成份和灰色预测法的房地产金融风险预警体系研究 总第 59 期

库、警情分析指标数据库和预警指标数据库；控制处理系统是将数据库系统里的预警数据通

过 SPSS 统计软件进行主成份分析，最终得出相关预警指标权重和预警指标预警界线；预警评

价系统是对各综合指标警值进行警情分析，最终得出统计期内房地产金融市场风险状况的警情

判断和对预测期的警情判断；警情处置系统，是针对预警系统的警情判断结果采取的风险处置

措施。

（二）预警指标及预警指标体系

选择预警指标应遵循科学性、全面性、可比性、敏感性、先兆性和可操作性等原则。本文

将商品房销售价格作为衡量房地产金融市场风险的警情指标，选取能“反映房地产增长速度、

市场供求均衡状况、与国民经济发展的协调性和与金融发展的密切关系”等四方面的内容，作

为综合预警指标体系，并最终从每类综合预警指标体系中筛选出最能反映出房地产金融市场风

险状况的先兆性复合预警指标，作为预警监测的主成份分析指标。

1. 反映房地产市场增长速度的预警指标体系。该指标体系主要包括房地产开发投资增长率、

商品房销售面积增长率、商品房施工面积增长率、商品房新开工面积增长率、商品房销售额增

长率、房地开发面积增长率等指标。

2. 反映房地产市场供求均衡状况的预警指标体系。该指标体系主要包括房屋施工面积与房

屋竣工面积的倍数比、房地产供销比率、房地产供求比率、商品房空置率、房价收入比、商品

房销售面积与竣工面积倍数比等指标。

3. 反映房地产市场与国民经济协调发展的预警指标体系。该指标体系主要包括房地产开发

投资额与全社会固定资产投资额比例、房地产开发投资增长率与当期 GDP 增长率比例、房地

产价格增长率占实际 GDP 增长率比例、商品房销售额与 GDP 的比例等指标。

4. 反映房地产市场与金融业协调发展的预警指标体系。该指标体系主要包括房地产贷款占

比、房地产贷款增幅占比、个人购房按揭贷款增幅占比、房地产贷款不良占比、房地产开发贷

款展期次数与房地产贷款累计发放次数比、个人住房贷款违约 3 期以上占贷款总笔数比例等指

标。

通过对以上与房地产金融市场风险关系密切的四大方面 60 多项先兆性监测指标进行筛选

和复合，从中筛选出“房地产开发投资增长率与当期 GDP 增长率之比”“房地产开发投资额与

全社会固定资产投资额之比”“商品房销售面积增长率”“商品房施工面积与房屋竣工面积倍数

比”“房地产供销比率”“房价收入比”和“房地产贷款增长率与全部贷款增长率之比”等七大

272016 年第 11 期

复合预警指标作为房地产金融市场风险预警体系的预警指标体系。

（三）房地产金融风险的预警方法

1. 对预警指标进行分析主要借助 SPSS 软件对预警指标进行归一化处理，运用主成份分析

法对预警指标数据进行处理和分析。

2. 房地产市场风险预警区间的确定将结合房地产运行特点，按其警情状况大致划分为“过

热、微热、正常、微冷、过冷”五个警情状态。预警界限的划分方法一般包括正态归一化法、µ-δ

法、系统化方法与经验数据法等。

3. 警情预报是预警信号预警的最后阶段，是对预警指标数据进行判断分析。首先，按警界

的划分把每个指标归入对应的预警区间，并赋予相应的警值，每个预警指标都可以做出趋势分

析图进行单指标预警；然后，根据指标权重，把各指标的预警值按其权重加权，得到综合预警

值进行多指标综合预警；同时，根据历年的警情判断，运用灰色预测法对未来年份做出警情预

测，以做到对可能出现的房地产金融风险防患于未然。

三、房地产金融风险的预警分析：以山东为例

（一）建立基础预警指标数据库

按照预警指标的选择要求，将山东省 2001 年—2015 年的 175 项与房地产金融市场风险密

切相关的先兆性指标进行了搜集和整理（见表 1），为预警指标主成份分析储备数据。

　　　　　　表 1：山东省 2001 年—2015 年房地产金融先兆性指标统计 　　（单位：亿元、万平方米）

年份（年）

GDP增速（%）

全社会 固定资产投资额

房地产开发投资额

房屋竣 工面积

房屋施工面积

房屋销售面积

商品房价格

人均住房面积

年人均可支配收入

房地产贷款余额

金融机构全部贷款

余额

2000 　 2531.1 223.29 1426.53 3551.06 1078.38 1427 13.75 6489.97 　 6209

2001 10 2788.68 297.35 1727.49 4358.08 1403.25 1457 14.17 7101.1 　 7017.7

2002 11.7 3483.31 391.16 2189.6 5247.3 1695.84 1605 24.57 7614.5 　 8536.6

2003 13.4 5315.14 581.88 2688.79 7246.81 2251.52 1698 25.67 8399.91 　 10476.1

2004 15.3 6970.62 764.79 2396.89 8283.92 2525.17 2045.29 26.39 9437.8 　 11782.8

2005 15 9307.3 977.71 3600.41 10670.88 3754.92 2425.22 28.49 10744.8 1593.35 13874

28 基于主成份和灰色预测法的房地产金融风险预警体系研究 总第 59 期

2006 14.7 11111.42 1185.38 3699.08 12392.32 4172.21 2540.5 29.29 12192 1795.99 15709.6

2007 14.2 12537.7 1521.02 3794.69 15165.08 5063.01 2904.14 29.8 14264.7 2332.31 17545.15

2008 12 15435.93 2038.53 4535.1 20098.7 5507.64 2970 31.33 16305 2707.69 20053.9

2009 12.2 19034.53 2428.73 5015.9 22125.2 7016.35 3505 31.8 17811 2834.47 27385.9

2010 12.3 23280.52 3249.37 5074.3 28081.2 9293.88 3944 32.09 19946 4855.3 32536.3

2011 10.9 26749.68 4106.75 6356.76 36339.49 9576.01 4447.73 33.18 22792 5762.47 37521.9

2012 9.8 31256 4708.31 7324.97 42958.91 8632.76 4763.01 33.44 25755 6356.52 42899.9

2013 9.6 36789.07 5444.53 7508.52 50549.17 10329.8 5049 36.39 28264 7900.94 47952.1

2014 8.7 42495.55 5817.95 7787.31 54508.45 9180.12 5315 37.3 29221.9 9437.72 53662.2

2015 8 47381.5 5892.2 8277.8 57206.4 9727 5408 36.4 31545 11516.51 59063.3

数据来源：山东省统计年鉴（2001—2015）；中国人民银行济南分行。

（二）运用主成份分析法确定预警指标

表 2：山东省 2001-2015 年房地产金融市场风险预警指标

年份（年） X1 X2 X3 X4 X5 X6 X7

2001 3.3168 0.1066 0.3013 2.5228 0.322 2.9074

2002 2.6965 0.1123 0.2085 2.3965 0.3232 5.1789

2003 3.6386 0.1095 0.3277 2.6952 0.3107 5.1891

2004 2.0545 0.1097 0.1215 3.4561 0.3048 5.719

2005 1.856 0.105 0.487 2.9638 0.3519 6.4305

2006 1.4449 0.1067 0.1111 3.3501 0.3367 6.1033 0.9613

2007 1.994 0.1213 0.2135 3.9964 0.3339 6.067 2.5558

2008 2.8353 0.1321 0.0878 4.4318 0.274 5.7068 1.1256

2009 1.569 0.1276 0.2739 4.411 0.3171 6.2579 0.1281

292016 年第 11 期

2010 2.7471 0.1396 0.3246 5.534 0.331 6.3453 3.7909

2011 2.4207 0.1535 0.0304 5.7167 0.2635 6.4749 1.2193

2012 1.4947 0.1506 -0.0985 5.8647 0.201 6.1842 0.7192

2013 1.6288 0.148 0.1966 6.7322 0.2044 6.5006 2.0631

2014 0.7883 0.1369 -0.1113 6.9997 0.1684 6.7843 1.6334

2015 0.1595 0.1244 0.0596 6.9108 0.17 6.2403 2.1884

平均值（µ ） 2.043 0.1256 0.1689 4.5321 0.2808 5.8726 1.6385

标准差（σ ） 0.9287 0.0172 0.1641 1.649 0.0639 0.9406 1.0531

修正平均值 6.0844

修正标准差 0.4777

注：其中 2001-2005 年房地产贷款受统计口径影响无法获取。

数据来源：山东省统计年鉴（2001—2015）、中国人民银行济南分行。

表 2 为采用纵向时间序列分析法，整理计算的山东省房地产金融市场 7 项复合指标 15

年（2001 年—2015 年）的预警数据，并计算出了平均值（ µ ）和标准差（σ ）。分别用 X1、

X2、X3、X4、X5、X6、X7 代表“房地产开发投资增长率与当期 GDP 增长率之比”“房地产

开发投资额与全社会固定资产投资额比例”“商品房销售面积增长率”“商品房施工面积与房屋

竣工面积倍数比” “房地产供销比率”“房价收入比”“房地产贷款（含个人购房按揭贷款）增

长率与全部贷款增长率之比”7 项复合预警指标。

对原始数据进行归一化处理和主成份分析后，得出二个或二个以上主成份 f1、f2..fn，主

成份的提取主要看累积贡献率大小。对 X1—X7 等 7 个变量进行标准化及归一化处理和主成份

分析，得出主成份分析结果（见表 4、表 5）。从表 3 可以看出，前 3 个主成份的累计贡献率达

到 86.91%，大于 85%，提取主成份个数 m=3，可以满足主成份分析需要。

表 3：主成份提取（总方差解释）

成份 初始（Initial Eigenvalues） 提取（Extraction Sums of Squared Loadings）

合计 方差贡献率（%）

累计方差贡献率

（%）合计

方差贡献率（%）

累计方差贡献率（%）

30 基于主成份和灰色预测法的房地产金融风险预警体系研究 总第 59 期

1 3.375 48.209 48.209 3.375 48.209 48.209

2 1.588 22.689 70.898 1.588 22.689 70.898

3 1.121 16.01 86.907 1.121 16.01 86.907

4 0.556 7.94 94.847

5 0.307 4.389 99.235

6 0.045 0.649 99.884

7 0.008 0.116 100

注：提取方法：主成份分析。

表 4：预警指标主成份分析（公因子方差）

初始 提取

X1 1.000 .966

X2 1.000 .970

X3 1.000 .802

X4 1.000 .958

X5 1.000 .910

X6 1.000 .647

X7 1.000 .830

注：提取方法：主成份分析。

表 5：预警指标主成份分析

（Component Matrixa 矩阵 a）

成份

1 2 3

X1 .602 .511 .585

X2 -.554 .518 .629

X3 .678 .494 -.312

X4 -.925 .307 -.090

X5 .943 .141 -.016

X6 -.706 .320 -.215

X7 .026 .773 -.481

注：提取方法：主成份分析。

根据下列公式和 component matrix（成份矩阵表）计算各主成份权重：

∑∑

∑

= =

== 7

1

3

1

2

3

1

2

i jij

jij

i

a

aA （1）

式中，j 代表主成份个数，j=1,2,3；i 代表指标个数，i=1,2,…，7。（计算结果见表 6）

表 6：主成份指标权重表

X1 X2 X3 X4 X5 X6 X7

0.1588 0.1596 0.1317 0.1575 0.1495 0.1064 0.1364

312016 年第 11 期

（三）确定各预警指标预警区间

本文对房地产金融市场风险预警区间的设置采取“µ-δ 法”和“系统化方法”相结合的方法，

即根据警情的状态采用系统化方法，按照“多数原则、半数原则、少数原则、均数原则、众数

原则、人数原则、负数原则”进行警情判断，以此确定每个预警指标的预警界限。

（1） 确定 X1 指标（房地产开发投资增长率与当期 GDP 增长率之比）预警区间。从图 1 可

以看出，2001 年—2015 年间，山东省房地产开发投资增长率与 GDP 增长率之比运行基本平

稳，X1 比值在 2001 年—2008 年间出现 3 个峰值，在 2008 年—2015 年间出现 3 个波谷，且

X1 指标的各年份高位数据均小于 2/3 年份，因此预警区间可按照经济状况一般即“半数原则”

取警界值区间，一般认为一半年份有警，一半年份无警（根据正态分布概率表，查得 50% 年

份无警区的对应概率为 0.68 作为正常区间临界点），相应的过冷、微冷、正常、微热和过热区

间分别为：(- ∞，µ -1.36 σ ]，( µ -1.36o σ ，µ -0.68 σ ］，( µ -0.68 σ ， µ +0.68 σ )，[ µ

+0.68 σ ，µ +1.36 σ ），[ µ +1.36 σ ，+ ∞ )；相应的过冷、微冷、正常、微热和过热警界区

间分别为：（- ∞，0.78］，（0.78，1.41］，（1.41，2.67），[2.67，3.31），[3.31，+ ∞）。

2001

2002

2003

2004

2005

2006

2007

2008

2009

2010

2011

2012

2013

2014

2015

43.5

32.5

21.5

10.5

0

图 1：山东省 2001 年—2005 年房地产投资与 DGP 增长关系

（2）确定 X2 指标（房地产开发投资额与全社会固定资产投资额比例）预警区间。图 2 显

示，山东省 2001 年—2015 年房地产开发投资占全社会固定资产投资的比率增长平稳，均值为

12.56%，基本稳定在 10%—15% 之间，低于发达国家房地产投资占社会固定资产投资 20％—

25％的比例区间，说明山东省的房地产投资与固定资产的投资比率比较协调。因此根据总体偏

好的多数原则，将 2/3 年份作为无警区（根据正态分布概率表，查得 2/3 年份无警区的对应概

率为 0.97，以其作为正常区域临界点），相应的过冷、微冷、正常、微热和过热预警区间分别为：

(- ∞， µ -1.94 σ ]，( µ -1.94o σ ， µ -0.97 σ ］，( µ -O.97 σ ， µ +0.97 σ )，[ µ +0.97 σ ，

µ +1.94 σ ），[ µ +1.94 σ ，+ ∞ )；相应的过冷、微冷、正常、微热和过热警界区间分别为：（- ∞，

0.09］，（0.09，0.11］，（0.11，0.14），[0.14，0.16]，[0.16，+ ∞）。

32 基于主成份和灰色预测法的房地产金融风险预警体系研究 总第 59 期

X2

2001

2002

2003

2004

2005

2006

2007

2008

2009

2010

2011

2012

2013

2014

2015

181614121086420

图 2：山东省 2001 年—2005 年房地产投资占固定资产投资比例

（3）确定 X3 指标（商品房销售面积增长率）预警区间。从图 3 可以看出，2001 年—

2010 年间，山东省的商品房销售面积增长率波动较大，年增长率平均值为 16.89%，其中各年

份高位的数据小于 2/3 年份。因此，确定预警区间按照半数原则取警界值，即认为一半年份有

警，一半年份无警（根据正态分布概率表，查得 50% 年份无警区的对应概率为 0.68，以其作

为正常区间临界点）。相应的过冷、微冷、正常、微热和过热区间分别为：(- ∞， µ -1.36 σ

]，( µ -1.36o σ ，µ -0.68 σ ］，( µ -0.68 σ ， µ +0.68 σ )，[ µ +0.68 σ ，µ +1.36 σ ），[ µ

+1.36 σ ，+ ∞ )；相应的过冷、微冷、正常、微热和过热警界区间分别为：（- ∞，-0.5］，（-0.5，

0.06］，（0.06，0.28），[0.28，0.39)，[0.39，+ ∞）。

X3

2001

2002

2003

2004

2005

2006

2007

2008

2009

2010

2011

2012

2013

2014

2015

0.60.60.40.30.20.1

0-0.1-0.2

图 3：山东省 2001 年—2015 年房地产销售面积增长率

（4）确定 X4 指标（商品房施工面积与房屋竣工面积倍数比）预警区间。从图 4 可以看出，

2001 年—2015 年间，山东省的商品房施工面积与房屋竣工面积倍数比呈稳步上升趋势，其中

近 2/3 年份倍数比都高于正常值（3±0.5 倍）。因此，采取少数原则，即 1/3 年份无警、2/3 年

332016 年第 11 期

份有警。查得 1/3 年份无警概率为 43%，预警区间分别为：(- ∞， µ -0.86 σ ]，( µ -0.86 σ ，

µ -0.43 σ ］，( µ -0.43 σ ， µ +0.43 σ )，[ µ +0.43 σ ， µ +0.86 σ ］，（ µ +0.86 σ ，+ ∞ )；

相应的过冷、微冷、正常、微热和过热警界数值区间分别为：（- ∞，3.11］，（3.11，3.82］，（3.82，

5.24），[5.24，5.95)，[5.95，+ ∞）。

X4

2001

2002

2003

2004

2005

2006

2007

2008

2009

2010

2011

2012

2013

2014

2015

876543210

图 4：山东省 2001 年—2015 年商品房施工面积与竣工面积比

（5）确定 X5 指标（房地产供销比率）预警区间。图 5 显示，2001 年—2015 年间山东省

的房地产供销比率总体较低，15 年的供销比率持续维持在 40% 以下，说明山东省近十多年来

的房地产市场一直处于过剩状态，市场上的商品房供应与销售基本保持在 3 ︰ 1 的供求状态，

单指标判断总体趋冷。因此，根据多数偏好原则，将 2/3 年份作为无警区（根据正态分布概

率表，查得 2/3 年份无警区的对应概率为 0.97，以其作为正常区域临界点），预警区间分别为：

(- ∞， µ -1.94 σ ]，( µ -1.94o σ ， µ -0.97 σ ］，( µ -O.97 σ ， µ +0.97 σ ］，（ µ +0.97 σ ，

µ +1.94 σ ］，（ µ +1.94 σ ，+ ∞ )；相应的过冷、微冷、正常、微热和过热的数值预警区间

分别为：（- ∞，0.16］，（0.16，0.22］，（0.22，0.34），[0.34，0.41)，[0.41，+ ∞）。

X5

2001

2002

2003

2004

2005

2006

2007

2008

2009

2010

2011

2012

2013

2014

2015

0.40.350.3

0.250.2

0.150.1

0.050

图 5：山东省 2001 年—2015 年山东省房地产供销比率

34 基于主成份和灰色预测法的房地产金融风险预警体系研究 总第 59 期

（6）确定 X6 指标（房价收入比）预警区间。2001 年—2015 年间，山东省的房价收入比

保持直线上升趋势；剔除 2001 年 2.9074 的异常数值，重新修正的平均值为 6.0844，修正标准

差为 0.4777。从图 6 中可以看出，2/3 以上年份房价收入比基本上都在 6 倍左右。根据世界银

行专家安德鲁 · 黑马（Andrew HRmer）提出的理想的房价收入比值是 4—6 倍的经验值，山

东省的房价上涨相对于居民收入水平而言显然是偏高的。因此根据多数偏好原则，将 2/3 年份

作为无警区（根据正态分布概率表，查得 2/3 年份无警区的对应概率为 0.97，以其作为正常

区域临界点），相应的过冷、微冷、正常、微热和过热预警区间分别为：(- ∞， µ -1.94 σ ]，

( µ -1.94o σ ， µ -0.97 σ ］，( µ -O.97 σ ， µ +0.97 σ )，[ µ +0.97 σ ， µ +1.94 σ )， [ µ

+1.94 σ ，+ ∞ )；相应的过冷、微冷、正常、微热和过热警界区间分别为：（- ∞，5.16］，（5.16，

5.62］，（5.62，6.55），[6.55，7），[7，+ ∞）。

X6

2001

2002

2003

2004

2005

2006

2007

2008

2009

2010

2011

2012

2013

2014

2015

876543210

图 6：山东省 2001 年—2015 年房价收入比

X6

2001

2002

2003

2004

2005

2006

2007

2008

2009

2010

2011

2012

2013

2014

2015

43.5

32.5

21.5

10.5

0

图 7：山东省 2001 年—2015 年房地产贷款与全部贷款增幅比

（7）确定 X7指标（房地产贷款增长率与全部贷款增长率之比）预警区间。图7显示，2006年—

2015 年（2006 前无法取数）间，山东省的房地产贷款增长率全部高于各项贷款增长率，说明

352016 年第 11 期

金融机构新增贷款中房地产行业的权重相对较高。期间，第一个增长峰值出现在 2007 年，第

二个峰值出现在 2010 年，其他年份增长相对平缓。因此，对 2006 年—2015 年间的房地产增

长比警情区间的确定仍采取半数原则，即认为一半年份有警，一半年份无警（根据正态分布

概率表，查得 50% 年份无警区的对应概率为 0.68，以其作为正常区间临界点），相应的过冷、

微冷、正常、微热和过热区间分别为：(- ∞， µ -1.36 σ ]，( µ -1.36o σ ， µ -0.68 σ ］，( µ

-0.68 σ ， µ +0.68 σ )，[ µ +0.68 σ ，µ +1.36 σ )，[ µ +1.36 σ ，+ ∞ )；相应的过冷、微冷、

正常、微热和过热警界区间分别为：（- ∞，0.21］，（0.21，0.92］，（0.92，2.35），[2.35，3.07)，[3.07，

+ ∞）。

将上述确定的七组预警指标预警区间进行整理，得出各预警指标的数值化预警区间（见

表 7）。

表 7：山东省房地产业预警指标预警区间

指标 过冷 微冷 正常 微热 过热

X1 X ≤ 0.78 0.78 ＜ X ≤ 1.41 1.41 ＜ X ＜ 2.67 2.67 ≤ X ＜ 3.31 X ≧ 3.31

X2 X ≤ 0.09 0.09 ＜ X ≤ 0.11 0.11 ＜ X ＜ 0.14 0.14 ≤ X ＜ 0.16 X ≧ 0.16

X3 X ≤ -0.5 -0.5 ＜ X ≤ 0.06 0.06 ＜ X ＜ 0.28 0.28 ≤ X ＜ 0.39 X ≧ 0.39

X4 X ≤ 3.11 3.11 ＜ X ≤ 3.82 3.82 ＜ X ＜ 5.24 5.24 ≤ X ＜ 5.95 X ≧ 5.95

X5 X ≤ 0.16 0.16 ＜ X ≤ 0.22 0.22 ＜ X ＜ 0.34 0.34 ≤ X ＜ 0.41 X ≧ 0.41

X6 X ≤ 5.16 5.16 ＜ X ≤ 5.62 5.62 ＜ X ＜ 6.55 6.55 ≤ X ＜ 7 X ≧ 7

X7 X ≤ 0.21 0.21 ＜ X ≤ 0.92 0.92 ＜ X ＜ 2.35 2.35 ≤ X ＜ 3.07 X ≧ 3.07

（四）警情判断

为便于对预警指标进行综合分析，本文用类似交通信号灯的“红灯、黄灯、绿灯、蓝灯、白灯”

来分别反映房地产金融市场的“过热、微热、正常、微冷和过冷”状态，并分别赋予相应的分

数（5 分、4 分、3 分、2 分、1 分），再将山东省 2001 年—2015 年各预警指标值与表 7 的数值

化预警区间对照，计算出各年份房地产金融市场运行的热度分数值（见表 8）。

36 基于主成份和灰色预测法的房地产金融风险预警体系研究 总第 59 期

表 8：山东省房地产金融业指标历年警值

年份 X1 X2 X3 X4 X5 X6 X7

2001 年 5 过热 2 微冷 4 微热 2 微冷 3 正常 3 正常

2002 年 4 微热 3 正常 3 正常 2 微冷 3 正常 2 微冷

2003 年 5 过热 2 微冷 4 微热 2 微冷 3 正常 2 微冷

2004 年 3 正常 2 微冷 3 正常 2 微冷 3 正常 3 正常

2005 年 3 正常 2 微冷 5 过热 2 微冷 4 微热 3 正常

2006 年 3 正常 2 微冷 3 正常 2 微冷 3 正常 3 正常 3 正常

2007 年 3 正常 3 正常 3 正常 3 正常 3 正常 3 正常 4 微热

2008 年 4 微热 3 正常 3 正常 3 正常 3 正常 3 正常 3 正常

2009 年 3 正常 3 正常 3 正常 3 正常 3 正常 3 正常 1 过冷

2010 年 3 正常 3 正常 4 微热 4 微热 3 正常 3 正常 5 过热

2011 年 3 正常 4 微热 2 微冷 4 微热 3 正常 3 正常 3 正常

2012 年 3 正常 4 微热 2 微冷 4 微热 2 微冷 3 正常 2 微冷

2013 年 3 正常 4 微热 3 正常 5 过热 2 微冷 3 正常 3 正常

2014 年 2 微冷 3 正常 2 微冷 5 过热 2 微冷 4 微热 3 正常

2015 年 2 微冷 3 正常 3 正常 5 过热 2 微冷 3 正常 3 正常

根据上文运用主成份分析法计算出的 X1—X7 的权重系数（见表 6），对表 8 各年份的房

地产市场运行热度分数值进行加权求和，得出山东省 2001 年—2015 年房地产金融市场运行热

度加权分数值。借鉴重庆、武汉、湖北等地的房地产市场预警经验，结合山东省近年来房地产

发展实际，将本次的房地产金融市场风险预警的区间比值分别定为 86％、72％、48％和 34％

四个临界点（国内也有学者将预警区间临界值定为 80%、70%、50% 和 30%），据此测算出

2001 年—2015 年各年份的房地产金融市场运行热度总得分比例，再对照国内房地产预警区间

临界值最终计算出山东省近 15 年的年份警情判断（见表 9）。

表 9：山东省 2001 年—2015 年房地产金融业综合指标警值

年份 加权得分 最高分 总分比例 警情判断

2001 年 2.7227 5 54.454 正常

2002 年 2.4854 5 49.708 正常

2003 年 2.6163 5 52.326 正常 微冷

372016 年第 11 期

2004 年 2.2734 5 45.468 微冷

2005 年 2.6863 5 53.726 正常 微冷

2006 年 2.6826 5 53.652 正常 微冷

2007 年 3.1361 5 62.722 正常

2008 年 3.1585 5 63.17 正常

2009 年 2.7269 5 54.538 正常 微冷

2010 年 3.5617 5 71.234 正常 微热

2011 年 3.1851 5 63.702 正常

2012 年 2.8992 5 57.984 正常

2013 年 3.3248 5 66.496 正常

2014 年 2.9811 5 59.622 正常

2015 年 3.0064 5 60.128 正常

（五）风险分析

综合前章节的警情判断及图 8 的趋势状况，山东省 2001 年—2015 年的房地产金融市场运

行状况大致可分为三大阶段：2001 年—2006 年为市场启动及房地产价格快速上涨阶段；2006

年—2009 年为市场发展平稳阶段；2009 至今为市场调整及分化阶段（图 8）。

市场启动及房地产价格快速上涨阶段（2001 年—2006 年）。山东省 2001 年—2006 年绝

大多数年份的警情判断结果是“正常但趋向偏冷”，37 个年份预警指标的警情判断有 13 个是

“微冷”（见表 8），占年份预警指标的 35.1%；警情结果“正常”的年份占 45.9%；“过热或微

热”的 18.9%。分析原因，主要是 2001 年—2006 年为山东省的房地产市场发展启动和发展阶

段，部分预警指标具有滞后效应，从而导致警情判断“微冷”的较多。如反映房地产市场均衡

状况的预警指标 X4，由于房地产投资周期较长（一般在 5 年左右），在房地产金融市场启动初

期，市场上竣工的商品房数量会相对较少，而施工的商品房面积则较多，因此导致该指标呈较

高警情，出现了 2001 年—2006 年间的警情判断结果全部为“偏冷”的异常现象（见表 8）。再

如反映房地产投资速度的预警指标 X2，由于 2001 年—2006 年间固定资产投资速度过高，从

而平滑了房地产开发投资增速，导致当期房地产开发投资额与全社会固定资产投资额比例的增

长相对平缓。2003 年—2005 年，山东省的固定资产投资增长速度分别为 52.58%、31.14% 和

33.52%，高于或持平同期房地产投资增速 3.83、-0.29 和 5.68 个百分点，这是导致 X2 在 2001 年—

2006 年的警情判断为“偏冷”的主要原因。另外，该阶段快速增长的房地产投资也导致了速

度型预警指标连续产生“微热甚至过热”的警情判断。如在 2001 年—2003 年我国房地产市场

38 基于主成份和灰色预测法的房地产金融风险预警体系研究 总第 59 期

发展最快的时期，山东省房地产开发投资增速在 2001 和 2002 年分别高达 33.16% 和 31.54%，

并在 2003 年达到 48.75% 的峰值；销售面积在 2001 年—2005 年也呈高速增长态势，平均增速

接近 30%，2005 年也达到 15 年来的峰值 48.7%。这导致 X1 和 X3 在此期间的警情判断出现了

6 次“微热、甚至过热”的警情（见表 8）。

X1 X2 X3 X4 X5 X6 X7

2001

年

2002

年

2003

年

2004

年

2005

年

2006

年

2007

年

2008

年

2009

年

2010

年

2011年

2012

年

2013

年

2014

年

2015

年

60

50

40

30

20

10

0

-10

-20

图 8：山东省近 15 年房地产金融市场预警指标分布

图 9：山东省 2001 年—2015 年房地产发展速度情况

392016 年第 11 期

平稳发展阶段（2006 年—2009 年）。表 8、表 9 及图 9 显示，相较 2001 年—2006 年全省

房地产的高速增长带动房地产价格的快速上涨（特别是 2004 年，在 2003 年大幅上涨后再次上

涨 20.4%），2006 年—2009 年，山东省房地产金融市场运行相对平稳，警情判断除个别年份稍

有异常外，大多年份为“正常”。主要原因是，国家自 2004 年起加大了房地产市场调控力度，

持续出台了多项调控政策。特别是要求金融业实施严格的差别化房贷政策以及严格的房地产信

贷政策，导致放贷逐步回落，并在 2009 年出现银行房地产贷款增量的迅速萎缩。当年全省新

增房地产贷款仅有 127 亿元，较上年下降 69.4%，致使反映房地产与金融业发展协调关系的预

警指标 X7 对 2009 年的警情判断为“过冷”。此外，2007 年爆发的美国次贷危机对内地房地产

业也带来冲击，进一步坚定了国家对房地产市场的调控决心，也对后期抑制房价过快上涨、促

进房地产市场健康发展起到了积极作用。

市场振荡调整及分化阶段（2009 年至 2015 年）。2010 年以后，随着国家采取大规模的刺

激政策应对金融危机，本已有所降温的房地产金融市场再度升温，房地产投资及房地产金融业

务款再度膨胀。如房地产开发投资增长率由 2009 年的 19.14% 提高到 2010 年的 33.78%，一年

之内增速提高了 14.64 个百分点，从而使预警指标 X2 在 2011 年—2013 年连续 3 年出现了“微热”

的警情状况。房地产开发投资的迅猛增加，进一步加剧了房地产市场的供过于求。如反映房地

产市场供求状况关系的预警指标X4的比值在2011年—2015年连续5年在5倍以上，且2014年—

2015 年还出现了“过 6 逼 7”的情况，达市场经验数值的 2 倍。这种供应状况的失衡直接导致

了 2011 年—2015 年的警情判断连续 5 年为“微热和过热”。金融方面，为配合国家 4 万亿元

的投资计划，进一步加大了对房地产业的信贷投入，仅 2010 年，全省就新增房地产贷款 2021

亿元，增量是上年的 15.9 倍，是近 15 年房地产贷款增量的最高年份，使预警指标 X7 对 2010

年的警情判断为“过热”。之后，随着各商业银行迅速调整房地产金融信贷政策，对房地产开

发贷款实行了严格的“名单制”管理，才使全省的房地产金融市场热度迅速下降。但近年来过

紧的房地产信贷政策也导致了部分房地产开发企业资金紧张，部分开发商甚至出现资金链断裂

的问题。2013 年后，随着国家继续实施严格的房地产调控，使前两年过热的房地产金融市场

有所降温，部分预警指标的警情判断回归到正常区间，甚至出现了“微冷”状况。如反映投资

速度的预警指标 X1，2014 年、2015 年的增长比率仅有 0.78 和 0.15，分别比 2001 年—2015 年

平均值低 1.26 和 1.89 个比率点。其中，2015 年山东省的房地产开发投资增长率仅有 1.3%，创

40 基于主成份和灰色预测法的房地产金融风险预警体系研究 总第 59 期

下了近 15 年来的新低。再如反映房地产市场供求状况的预警指标 X3 和 X5，近几年也连续出

现了“微冷”的警情判断，其中“商品房销售面积增长率”（X3）2012 和 2014 年分别出现了

负增长，“房地产供销比率”（X5）近 4 年警情结果也都是“微冷”。房地产金融市场完全步入

了调整和分化阶段。

（六）2017 年警情预测

本文通过表 9 数据建立灰色预测模型 GM（1，1），并借助该模型对山东省 2016、2017 年

的房地产金融综合警度值进行预测。通过灰色系统专业软件进行运算得出下列灰度指标：

发展灰度 a=-0.023

内生控制灰度 µ=2.4605

预测模型公式：

[a

eXX ak µµ+

−=+ −

a)1()1k(ˆ 0)1(

（2）根据上述模型公式计算出的 2016 和 2017 年两年山东省的房地产金融市场风险状况的预测

综合警度值分别为 3.5329 和 3.6152。

对模型精度进行以下检验。

（1）后验差检验：

原始序列均方差 1S =]

1

)(2

00

− −∑n

XiX，残差序列的均方差 2S =

][1)(

2

−∆−∆∑

ni

。

原始序列的标准差为 1S =0.595，残差序列的标准差为 2S =0.0606，可以计算出后验差

C= 2S / 1S =0.0606/0.595=0.1019，C ≤ 0.35。

（2）小误差概率检验：

0S =0.6745*0.595=0.40133

∆−∆= )(iei =｛0.015，0.188，0.14，0.419，0.351，0.178，0.251，0.071， 0 . 2 9 9 ，

0.207，0.257，0.218，0.109，0.279，0.098，0.223｝

可以得出小误差概率 p=0.93。

检验结果表明，精度为一级，GM（1，1）模型可以用。

根据设置的本次房地产金融市场风险预警区间比值 86％，72％，48％和 34％四个经验临

界点，将上述灰色模型预测的 2016年和 2017年房地产金融市场风险综合警度值 3.5329和 3.6152

进行比重计算，得出 2016 年、2017 年的总分比例分别为 70.65% 和 72.3%，从而预测出 2016

412016 年第 11 期

年山东省的房地产金融市场的警情状态为“正常”，但处于“正常趋向微热”的上边界。而

2016 年山东省一季度的房地产金融市场运行的实际情况是，一季度全省的房地产开发投资和

商品房施工面积同比分别增长 7% 和 7.5%，市场投资趋于理性和稳定；但商品房销售面积仍

然呈现出较高的增长幅度，一季度商品房销售面积同比增长 23.5%，其中现房住宅面积销售同

比大幅增长 41.2%。这与今年以来国家持续出台的系列放松房地产金融市场调控政策有关。将

预测的 2016 年警情状态与上述山东省房地产金融市场发展的实际状况加以对比，结果基本吻

合。对 2017 年全省的房地产金融市场警情预测结果为“微热”，但处于“微热”区域的下边界。

综上所述，山东省 2001 年—2015 年的房地产金融市场总体发展状况良好，但基于全国房

地产发展大环境的惯性作用、国家阶段性的宏观调控政策的影响以及金融危机所带来的外部冲

击等因素，特别是在当前经济复苏乏力的情况下，房地产市场仍潜伏着一定的行业风险和金融

风险，需引起关注。

五、结论

从总体看，目前我国构建房地产金融市场预警体系仍处于探索阶段，有关预警方法和有效

性有待进一步研究和论证。本文通过构建房地产金融市场风险预警监测系统，采用主成份分析

法和灰色预测 GM（1，1）模型，对山东省近 15 年的房地产金融市场运行状况进行了实证分析，

得出的市场运行状况的警情判断与实际情况基本吻合。但受研究者学识水平的限制，以及受到

因政府部门对房地产市场较为敏感所导致的有关数据采集困难等因素的影响，研究结果不能完

全反映市场运行的真实状况，有关预警方法还有待进一步修正和完善。

参考文献：

1. 梁运斌，我国房地产业景气指标设置与预警预报系统建议的基本构想，北京房地产，1995 年 11 月，

23-25。

2. 彭翊，城市房地产预警系统设计，中国房地产，2002 年第 5 期 ,12-13 。

3. 赵黎明、贾永飞和钱伟荣，房地产预警系统研究，天津大学学报，1999 年第 4 期 ,35-38 。

4. 丁烈云和李斌，房地产市场预警调控系统的构筑技术要点及流程设计，系统工程理论与实践，2002

年第 4 期，58-61.

42 基于主成份和灰色预测法的房地产金融风险预警体系研究 总第 59 期

5. 于秀林和任雪松，多元统计分析，中国统计出版社，1999 年第 1 版。

6. 顾海兵，经济系统分析，上海财经大学出版社，2002 年。

7. 焦继文、刘洪和戚莉莉，城市房地产市场的风险预警——以济南市为例，统计与决策，2006 年 8 月，

59-61。

8. 王丽梅 ，房地产投资风险分析方法的比较研究，经济研究导刊，2007 年第 1 期，174-176。

9. 王学文、欧伟和单其帅，基于 BP 的房地产投资风险预警研究，2012 年第 11 期，75-77。

10. 陈峰，中国房地产风险预警系统的缺陷及改进思路，统计研究，2008 年第 12 期，53-58。

11. 张泓铭，城市房地产预警研究——综合模拟法的应用，中国房地产，2004 年第 12 期，14-17。

12. 王锋和苏良生，深圳房地产预警体系研究，建筑科技，2003 年第 12 期，52-53。

13. 张红、林荫和刘平，基于逐成分分析的房地产上市公司盈利能力分析与预测，清华大学学报（自

然科学版），2010 年第 3 期，50-54。

Abstract: Based on the experiences of domestic and foreign early warning methods of real estate financial

risk, this paper develops an early warning system of real estate financial risk by employing statistical methods

including the principal component analysis and the grey prediction model. This model is used to analyze the real

estate financial market of recent 15 years in Shandong province. The predictions of this model are in general

consistent with the facts.

Key Word: Principal Component Analysis; Grey Prediction; Real Estate Finance; Risk Early Warning

（责任编辑：关天颖）