本文一共涵盖3篇精选的论文范文,关于《房地产市场分析论文(精选3篇)》的文章，希望能够很好的帮助到大家，谢谢大家对小编的支持和鼓励。[摘要]一方面，房地产业是典型的资本密集型行业,而我国开发商以向银行贷款作为主要融资渠道，中国的房地产业必须寻求新的资本来源以支撑其长足发展。另一方面，以抑制投资性需求为重点的宏观调控并没有因为购房成本上升而降低购房者房价上升预期下的购房投资热情。
第一篇：房地产市场分析论文
中国城市房地产市场分析
判断和把握房地产发展形势，关键是分析房地产供求价格及其影响因素(包括短期和长期)。但是房地产业的特殊性，以及信息不对称、标准不统一和数据不完整，决定正确分析房地产形势比较困难。依据可得的数据和新颖的视角，我们对目前中国房地产，尤其的总体形势形成如下二个判断。
一、全国房地产形势的总体判断
1、整体上存在一定程度的泡沫，个别地区和个别物业较为严重。房地产泡沫是指由房地产投机所引起的房地产价格脱离市场基础的持续急剧上扬的过程和状态。根据检索到的文献综合地看，国际上判断房地产的标准一般有五个标准。房地产价格飞速上涨;全国房地产价格都在上涨;各类房地产都在上涨;空置率增长和其他非价格因素变化;周期性的短期因素如利率、就业率等对房地产的影响，超过长期因素城镇人口增长的影响。
研究发现：通过房地产房销售增长、房地产租售价格变化趋势的比较，可以更为有效地研究和判断房地产市场的状况。房地产市场总体可分为房地产销售市场、房地产租赁，两市场通过价格、供给和需求等传导机制产生相互影响。一般租赁市场能够准确反映实际的消费需求(包括生活和生产)，因此，租赁价格所反映是市场基础价格;由于房地产销售市场的需求包括生活需求、生产投资需求、金融投资需求和投机需求，销售价格不能准确反映市场基础价格。当房地产销售市场不存在投机需求，两市场租售价格呈一致性变动。当房地产销售市场存在投机需求，投机需求增加和销售价格上涨相互推进，一方面，将导致租赁市场供给大量增加，另一方面，将导致租赁市场需求转向销售市场，结果将导致房地产的租赁价格下降。房地产市场处在脱离实际需求的泡沫的过程和状态。判断房地产租售房价下降的基本标准，是房价涨幅低物价上涨水平下，而不是房地产租售房价绝对下降的水平下。
(1)销售市场：投机需求的大量存在并迅速增加，价格快速上扬。
随着人均收入水平的提高，城镇居民住房需求会总体消费需求，表现在房屋销售额增长率应以略高于社会消费品零售总额增长率的速度增长，但是实际情况是住房市场需求增长波动较大。1992-1993年房屋销售额增长率达到42-56%,高出社会消费品零售总额增长率25-27.5个百分点，事实证明这是投机需求所引致的，而在2003年至2004年1-9月份，房屋销售额增长率达到27.2-39.7%，高出社会消费品零售总额增长率18.1-28.2个百分点，并且仍在加速增长中，这表明目前的房地产销售市场正在增长着大量的投机需求。由于投机需求增长的带动，2004年1-9月份土地交易价格和房屋销售价格增长率都超过人均可支配收入增长率，这也表明空置率的减少，可能是由于投机需求的大量增加导致的。
(2)租赁市场：供给增加，需求减少，实际租价下跌
销售市场投机需求的大量增加带动土地交易价格和房屋销售价格急速上扬的同时，也带来了租赁市场的大量供给，导致租赁价格在扣除自然增长率时的不断下降， 2004年1-9月份，房屋的租赁价格增长率2.1%,远低于城市居民消费价格5%，表明房屋的实际租赁价格在迅速下降。
图1也显示近年来房屋租赁价格增长率变化情况，从2004年1季度开始房屋租赁价格呈下降趋势，如果考虑这一时期，物价处于快速增加状态，房屋租赁价格实际下降趋势更为明显。
(3)销售价格与租赁价格的增长严重偏离
图1显示，特别是进入2004年后，在房地产的销售价格急剧上涨的同时，房地产的实际租赁价格不断下降，表明中国房地产开始跌入泡沫状态中。为了进一步说明销售价格与租赁价格的偏离趋势，我们使用了租售价格增长弹性的概念。所谓租售价格增长弹性是指当租赁价格增长每1%时，房地产销售价格增长百分比。图2显示近年来，土地交易价格对租赁价格增长弹性变化，从2003年第三季度开始，土地交易价格对租赁价格增长弹性再次超过5%，并迅速上涨。图4显示近年来，房屋交易价格对租赁价格增长弹性变化，从2003年第四季度开始，房屋交易价格对租赁价格增长弹性迅速上涨，迅速接近10%。考虑到物价在这一时期的上涨因素，第一，房地产销售价迅速上涨，第二，房地产租赁价迅速下降，第三，租售价格增长弹性迅速增长，房地产租售价格处在严重偏离状态。
2、巨大的和可持续的消费需求，有能力消化房地产泡沫。
我国正处在城市化、市场化、工业化和现代化的发展或加速期，不仅长期内潜在需求巨大，短期内现实需求也十分强劲。
(1)农村人口向城市迅速聚集。2003年我国城市化率40.5%，到实现“全面小康”的2020年，我国城市化水平将达到55-60%，在此期间约有3-3.5亿左右的新增城镇人口，每年农村向城镇人口转移有近千万人，根据保守估计人均需求15平方米，年需求1.5亿平方米。
(2)城镇居民的消费升级。
随着人均收入的提高，原有4.9亿城镇居民存在改善住房条件的需求。2003年末中国城镇居民人均住房面积为23.8平方米。根据历史经验人均年增长0.8平方米左右，年需求4亿平方米。长期看，随着人均GDP达到3000美元，人们的收入水平也相应提高，对生活便利和舒适程度的要求大为提高，住宅、家用轿车为主的富裕型消费特征日益显著。同时，联合国相关资料还表明，人均GDP800—8000美元之间为房地产业的起步和快速上升阶段，只有当人均GDP达到13000美元以上时，房地产业才步入下降阶段。因此，人均GDP3000美元后，无论从需求还是供给看，居民住房数量快速扩张应是一个明显的趋势。
(3)旧城大规模的改造和建设。最近几年，旧成改造引致的房地产需求成为房地产总需求的重要源泉。南京203年拆迁需求占住房总需求的50%，2003年天津旧城改造造成60%的住房需求。未来一段时间内，由于城市基础设施建设、旧城改造、危房拆迁，城市房屋拆迁量将仍保持较大规模，从而形成对房地产的巨大需求。去年南京的
(4)中国经济的可持续增长。在新的战略机遇期，中国经济发展处于加速成长阶段的初期，国民经济持续快速增长，人均GDP水平加快提高。产业结构趋向高级化，工业化水平进一步提高，第三产业进一步发展。工业化和服务业化的发展使得工业用房和商业用房增长持续增长扩大。
另外，住房改革的进一步深化，居民潜在的住房需求将进一步释放;房地产市场的完善，尤其是一、二、三级市场的互动，旧房市场和租赁市场的活跃都将进一步刺激以及市场的需求。
二、35个大中城市房地产形势的基本判断
城市房地产的发展在地域上差异很大，判断中国房地产发展状态，需要进一步研究具体城市的发展状态。
(1)房地产价格：普遍偏高，快速上涨，不少城市出现泡沫和过热。
城镇居民人均可支配收入直接反应了居民的购买能力，而房价收入比则反映了居民对房价的承受能力，房价收入比可以大致反映城市房地产价格高低。观察35各城市收入价格比(图3)可以发现四类城市：
第一类：沈阳、南京、贵阳、北京、广州、西安、青岛、大连、上海、哈尔滨房价相对很高，房价收入比处在1：9以上;第二类：兰州、长春、南昌、重庆、合肥偏高，房价收入比处在1：8-9之间;第三类：杭州、石家庄、福州、成都、昆明略高，房价收入比处在1：7-8之间;第四类：太原、武汉、呼和浩特、长沙、银川、天津、乌鲁木齐、宁波、郑州、西宁、南宁、郑州、济南房价收入比尚还处在1：6的合理状态;
利用租售价格变动趋势比较的方法，观察2004年1-3季度三十五大中城市房屋销售价格、城市租赁价格、城镇居民消费价格，可以大致判断不同城市房地产的冷热程度。根据图4提供的比较数据，可以将35个城市的城市房地产发展状态分成四类：
第一类：发展过热，已产生泡沫。图4显示这些城市房屋销售价格增长高于城镇居民消费价格增长，而租赁价格低于城镇居民消费价格增长，表明这些城市租售价格相反的严重偏离变化。这些城市主要是：青岛、兰州、天津、沈阳、厦门、合肥、宁波、武汉、济南、南昌、海口、石家庄等。
第二类：发展过热，有泡沫威胁。图6显示这些城市的房屋销售价格增长远高于城镇居民消费价格增长，而城市租赁价格略高于城镇居民消费价格增长，表明这些城市销售价格脱离了租赁价格增长，快速提升。这些城市为：上海、南京、杭州、重庆、宁波。
第三类：还处在相对正常状态。图6显示这些城市房屋销售价格增长、城市租赁价格增长、城镇居民消费价格增长三者比较接近，且指数都在100-105之间。这些城市包括广州、北京、深圳、成都、西安、银川、贵阳。
第四类：发展相对不足。图6显示这些城市房屋销售价格增长、城市租赁价格增长均低于城镇居民消费价格增长。表明这些城市销售价格在下降，需求不足，处在有潜力的待发展状态。这些城市由昆明、郑州、南宁、长春、太原、呼和浩特、乌鲁木齐组成。
(2)房地产供给：普遍存在结构不合理，个别城市空置严重
35个城市的普遍存在供给结构不合理，并且结构问题进一步恶化，空置率严重，且进一步恶化。表1显示：经济适用房销售率(代表空置率)较高，但新开工面积低于竣工面积;别墅、办公楼、商业用房销售率低，但新开工面积高于竣工面积的数倍。
就35个城市的总体销售率不高即空置率较高。大致地看：海口、石家庄、上海、南宁、哈尔滨销售率较高;宁波、南京、合肥、贵阳、成都在80%以上;其余城市的销售率均处较低的80%以下;其中沈阳、太原、银川、西宁等城市更低。
房地产供给市场面临的又一个重要的问题是：企业的负债率十分高。35个城市平均房地产企业资产负债率高达 74.9%。如表2所示：南宁、杭州、南京、长春、宁波、青岛、北京、银川高居前十，负债率也在80%以上;最低的武汉、重庆、大连、兰州、上海、石家庄、合肥、西宁也在06%以上。较高的负债率从供给方面孕育着巨大风险。
(3)房地产需求：沿海开放城市和中西部大城市潜力巨大
经济增长率、流动人口等决定城市化速度及新移民的住房需求;而常住人口数量、人均收入水平及其增长决定城市原有居民改善住房的需求;这些长期因素决定：相对而言，城市规模大中心城市，经济发展快沿海城市需求潜力较大，消化房地产泡沫的能力较强。城市的租金变化反映供给的缺口状况，反映房地产市场短期的市场潜力。表2显示：北京、上海、天津、重庆、广州等人口原来规模较大;东部城市北京、上海、深圳、杭州、宁波、厦门、南京、青岛等流动人口较多，人均收入也比较高，因而这些城市市场需求空间大。中西部一些城市规模较大的城市如重庆、武汉、成都等，一些经济正在起飞的城市经济增长快在10%以上将带动房地产需求增长。
表2显示利用主成分分析获得35个城市需求潜力指数(负值指在平均水平以下)：最具需求潜力的前十个城市上海、宁波、厦门、北京、广州、深圳、大连、济南、重庆、杭州都在东部，同时也有条件吸收房地产泡沫。乌鲁木齐、昆明、福州、海口、石家庄、兰州排等城市市场需求相对潜力弱小一些，吸收房地产泡沫的能力也较弱。
基本结论：通过全国分析和35个城市的分析我们可以得出如下判断：中国房地产出存着整体过热和一定程度的泡沫;中国房地产还存在严重且在进一步恶化的供给不适应需求的结构问题;但同时中国大规模的城市化、经济高速增长和居民生活水平大幅提高已经形成巨大的可持续的需求潜力。因此，对房地产未来形势可持谨慎乐观态度，相信只要中央宏观政策操作得当，组织实施得力，中国不仅可以成功地吸收业已形成的泡沫，还可以使房地产继续发挥中国经济增长的引擎作用。
目前收入水平低、发展速度慢、城市化不快的城市，房地产泡沫相对也不十分严重;发生房地产过热和泡沫的城市，主要是收入水平高、发展速度快、城市化迅速的城市。其投机需求主要是真实需求带动和良好预期所引致的，但是这些城市未来真实需求是巨大的，如果操作得当，这些城市可以成功地消化泛起的泡沫。但是对于青岛、天津、沈阳、南昌、海口、石家庄等收入水平、经济绩效、城市化速度表现相对一般，潜在需求需要很长时间形成的城市，应该更密切关注和认真解决其房地产问题，以保证房地产健康发展。
表2 35个城市住房需求潜力比较
作者：倪鹏飞
第二篇：房地产投资信托对房地产投资市场的作用机制分析
[摘要] 一方面，房地产业是典型的资本密集型行业,而我国开发商以向银行贷款作为主要融资渠道，中国的房地产业必须寻求新的资本来源以支撑其长足发展。另一方面，以抑制投资性需求为重点的宏观调控并没有因为购房成本上升而降低购房者房价上升预期下的购房投资热情。大量分散的社会闲散资金、机构资金由于缺乏有效的投资渠道和投资工具，难以聚集起来进行房地产投资，导致资本市场与房地产市场的脱节。本文从房地产投资信托(REITs)的IPO信号传递效应、规模经济效应、抵御通货膨胀效应和投资组合多样化效应分析REITs对房地产投资市场的作用，肯定REITs对房地产投资市场的积极促进作用，REITs在解决中国房地产业投融资综合矛盾问题上具有显著优势。
[关键词] 房地产投资信托;REITs;作用机制
doi : 10 . 3969 / j . issn . 1673 - 0194 . 2011 . 21. 013
房地产投资信托(Real Estate Investment Trusts，REITs)概念起源于19世纪60年代，是指由专门投资机构进行房地产投资的经营管理，并将投资综合收益按比例分配给投资者的信托基金形式，投资者可以通过证券市场购买，享受投资回报。REITs是房地产证券化的一种典型形式。
1REITs的IPO和信号传递效应
REITs进行首次公开发行(Initial Public Offering， IPO)可以向整个房地产市场传递有利的发展远景的信号，也表明了房地产市场存在投资机会，需要资金支持。投资者可以把IPO的发行主体视为REITs部门的内部人，这些人可以发现房地产市场的投资机会。因此，如果REITs通过IPO的方式筹集资本，那么投资者可以得出房地产市场存在着投资机会的结论。
在对REITs定价研究的基础上，很多学者研究了IPO的信号传递效应(Signaling Effect)。Michaely和Shaw(1994)、 Benveniste et al.(2002)以及Lowry和Schwert(2002)认为，IPO活动向其他的发行上市主体和整个产业传递了信号。近期的一些研究认为，IPO行为是与市场偏好紧密相关的。这种信号效应可以从以下两个方面来探讨。
1.1 内部效应
非对称信息假说认为，IPO定价过低向投资者传递了公司优良的自身价值的信号。公司进行IPO后，在市场逐渐获知公司的真实价值后，公司进行再融资(Seasoned Equity offerings， SEOs)就可以获得比较优惠的价格，也可以弥补IPO时的损失。因为REITs可以享受税收减免，所以REITs没有动力去发行债券融资，又因为REITs必须至少支付其净收入中90%的份额作为红利，因而REITs不得不通过再融资(SEOs)的方式筹集资本。所以说IPOs和SEOs之间的信号链条对REITs来说非常重要。Chinmoy Ghosh，Raja Nag和C.F. Sirmans(2000)采用信号传递模型(Spiess和Pettway， 1997)进行研究得出结论：IPO时定价过低的REITs更有可能在很短的时间内进行再次融资;定价过低幅度比较大的IPO导致REITs的资本是通过IPO和SEOs共同募集到的;REITs在IPO时定价过低，那么它在再融资(SEOs)时也会低估发行价格。
1.2 外部效应
REITs进行IPO会增加整个市场的可销售的股份， 从而很有可能促使不同的房地产证券之间产生替代效应，在整体市场资金量给定的情况下，会对其他的在市场流通的房地产证券价格施加负面的压力。
因为REITs进行 IPO时会披露出有关证券市场的相关信息，因而有助于重估二级市场上流通的房地产证券。为了确定REITs在IPO时发送的信号信息是否在房地产证券的价格上反映出来，Aigbe Akhigbe， Jarrod Johnston， Jeff Madura， Thomas M. Springer(2004)对在IPO时已在市场流通的“竞争性”的房地产证券的收益进行了研究，发现一般情况下，“竞争性”房地产证券投资组合在发行日附近经历一个负的和不正常的收益。Aigbe Akhigbe， Jarrod Johnston， Jeff Madura， Thomas M. Springer(2004)选取了1982-2000年间在美国市场流通的123个REITs并使用横截面数据方法对样本在发行日附近的表现进行了分析，认为在以下条件得到满足时，该REITs在IPO时对“竞争性”证券投资组合的负面影响会十分明显：该发行上市的REITs的规模比“竞争性”证券的规模大;市场条件不好时;进行IPO的REITs数量较多时;该IPO不是伞形合伙REITs (Umbrella Partnership REIT，UPREIT)。总之， REITs进行 IPO传递了一个可以改变正在市场流通的房地产证券估值的信号，但该信号会随着IPO特点的变化而变化。
2REITs的规模经济效应
多数研究者认为REITs存在规模经济特性，认为REITs规模越大，其运作效率越高，因而主张REITs进行大规模并购。
Bers和Springer(1997)使用1992-1994年的数据并采用回归分析方法首次检验了REITs的规模经济特性，他们的研究结果表明了REITs规模经济的存在，在他们1998年的研究中进一步表明了管理费用和间接费用最有可能实现规模经济，实证研究证明，规模大的REITs可在资本市场获得更优惠的债务条件。Ambrose和Pennington-Cross(2000)的研究也证明了REITs规模经济的存在。Anderson et al.(2001)使用DEA(Data Envelopment Analysis)方法估计了1992-1996年间REITs的规模经济和效率状况。
REITs采取内部治理或者采用外部治理对其运作效率具有一定影响。现实中越来越多地使用内部治理和内部所有权控制，这有利于投资者协调管理层的利益和所有者的权益。Capozza和Seguin(2000)调查研究了为什么采用外部治理的REITs不如采用内部治理的REITs表现得好，他们的研究结果表明外部治理使用了过多的财务杠杆，债务成本比较高。Bers和Springer(1998b)的研究表明采用内部治理的REITs比使用外部治理的REITs规模上更有效率。
除了管理类型外，使用债务的程度也会对REITs的效率造成或好或坏的影响。一方面，债务利息的支出会减少现金流，这会迫使管理层更加节约成本;另一方面，高额的利息成本会使得REITs在成本上变得更加没效率。Bers和Springer(1998b)认为使用更少债务的REITs也会变得更没效率。Anderson et al.(2001) 通过分析1992-1996年间的数据认为债务的增加和REITs投入的利用率呈负相关。
总的来说，认为规模大的REITs具有规模经济的支持者认为， REITs在成本上是有效率的，并且存在规模收益递增，也就是说如果REITs扩大其投资组合并进而扩大其经营规模的话， REITs会从中获益。也有证据表明，在1995-1997年间， REITs行业变得更加有效率。
3REITs的抵御通货膨胀效应
早期的研究认为，REITs收益和通货膨胀之间存在着负相关关系。根据Fisher(1930)理论，资产的预期名义收益等同于实际收益加上预期的通货膨胀率。在实际收益保持不变的情况下，更高的通货膨胀率意味着更高的名义收益，也就是说如果投资者想要维持同样的购买力，那么他们会在出现高通胀时要求更高的名义收益。Sirmans(1987)，Hoag(1980)， Brueggeman et al.(1984)， Miles 和 McCue(1984)， Hartzell et al.(1987)，Gyourko 和Linneman(1988)认为房地产是很好的通货膨胀的抵御物，因而作为依附在房地产标的上的REITs也被认为可以抵御通货膨胀。但是关于REITs是否能够抵御通货膨胀的实证研究的结果是不明朗的， Gyourko 和 Linneman(1988)， Goegel 和Kim(1989)，Titman 和 Warga(1989)，Park et al.(1990)，Chen et al.(1990)， Liu et al.(1997)认为收益和通货膨胀之间存在负相关关系。
John L.Glascock，Chiuling Lu和Raymond W. So(2002)认为货币政策对REITs价格的变动有着很大的影响，所观察到的REITs收益和通货膨胀之间的负相关关系只不过是货币政策变动的产物， REITs并不是很好的可以抵御通货膨胀的工具。这些研究结果和Darrat and Glascock(1989)的研究一致。
4REITs的低买卖价差提升交易的流动性
较大的买卖价差意味着较低的交易流动性，较小的买卖价差意味着较高的流动性。由于REITs可以提供给单个投资者一个可以投资较大规模房地产项目的平台，并且可以为私人投资者提供专业的管理服务，在这个意义上REITs以独立实体进行作为的能力受到限制，如REITs必须披露其应纳税收入中的90%。严格的披露规定可以减少不对称信息，可以增加市场上交易的效率，这也意味着REITs在IPO后的买卖价差会比较小。
Nelling，Mahoney，Hildebrand和Goldstein(1995)认为权益型REITs的买卖价差就比抵押型REITs的小。与此相反，Below， Kiely和 McIntosh(1995)认为权益型REITs的买卖价差是最大的;John L. Glascock，William T. Hughes和 JR.Sanjay B. Varshney(1998)认为由于依附资产的不同产生了以下不同的结果：抵押型REITs的资产组合是由一些具有固定收益的被动管理的金融资产组成，其买卖价差在所有类型中幅度最小;封闭式基金的资产组合是由权益型的可交易的被动管理的金融资产组成，其买卖价差比抵押型REITs大得多，又比一般股票小得多;一般股票的资产组合是由一些不经常交易的可移动的需要主动管理的实物资产组成，其买卖价差幅度比基金的大，但又比权益型REITs的小;权益型REITs的资产组合是由一些不经常交易的不可移动的需要主动管理的不可移动实物资产组成，其买卖价差幅度最大。
Nelling，Mahoney，Hildebrand和 Goldstein(1995)发现REITs的买卖价差随着时间的变化而变化，在1986-1990年间呈增加趋势。此外，他们发现在NASDAQ上市的REITs由于市场规模较小，因而相对于在NYSE和AMEX交易所上市的REITs，具有较大的买卖价差，其中，市场规模尤其是资本规模的大小决定着REITs相对买卖价差的大小，这在Huang 和 Stoll(1994a)对在NASDAQ和NYSE市场上流通的股票的对比研究中得到了印证。
5REITs的投资组合多样化效应
早期的研究表明REITs具有低风险、低回报特点。Howe 和 Shilling(1990)， Chan et al.(1990)以及 Glascock 和 Hughes(1995)研究发现REITs的系统性风险低于市场风险。Glascock(1991)研究发现REITs的Beta系数随着市场条件的变化而变化：在市场处于上升阶段，Beta系数也增高;在市场处于下降的时候， Beta系数也降低。这意味着REITs的收益在市场大幅下降时不会受到很大影响。John L. Glascock，David Michayluk，Karyn Neuhauser(2004)研究发现，在1997年10月27日美国股市大跌中， REITs证券下跌的幅度仅是其他证券下跌幅度的一半。在当日由于市场不确定性的存在，所有证券的买卖价差的幅度都增加了，但是在接下来的一天，在市场的下降趋势发生部分逆转时，其他的非REITs证券的买卖价差幅度继续放大，只有REITs的买卖价差在缩小。可见， REITs会为整个投资资产组合带来收益。
6结 论
一方面，房地产业是典型的资本密集型行业，房地产业的发展离不开金融的运作和支持。作为国民经济的支柱产业，房地产业的资本化程度是衡量该行业成熟与否的重要标准。由于房地产业本身的特点和房地产金融政策的不完备，大多数房地产企业经常处于资金缺乏状态。长期以来，我国国内开发商以向银行贷款作为主要融资渠道，中国的房地产业必须寻求新的资本来源以支撑其长足发展。
另一方面，以抑制投资性需求为重点的宏观调控并没有因为购房成本上升而降低购房者房价上升预期下的购房投资热情。大量分散的社会闲散资金、机构资金由于缺乏有效的投资渠道和投资工具，难以聚集起来进行房地产业的投资，导致资本市场与房地产市场的脱节。发展房地产证券化，利用房地产投资信托基金形式(REITs)募集社会资金，可以缓解房地产业巨额资金不足问题和银行等金融机构的资金压力，并降低以银行资金作为主要融资渠道的单一信贷风险的发生，REITs在解决中国房地产业投融资综合矛盾问题上具有显著优势。而我国与房地产行业相关的现代资本市场理论与应用研究仍处于探索阶段，房地产投资信托(REITs)的研究将为推动REITs在我国开展起到积极促进作用。
主要参考文献
[1]Chinmoy Ghosh，Randall S Guttery，et al. Contagion and REIT Stock Prices[J]. Journal of Real Estate Research，1998，16(3)：389-400.
[2]J S Howe，J D Shilling.Capital Structure Theory and REIT Security Offerings[J].Journal of Fiance，1988，43(4)：983-993.
[3][美]陈淑贤，约翰·埃里克森，王诃. 房地产投资信托——结构、绩效与投资机会[M].刘洪玉，译.北京：经济科学出版社，2004.
[4]李霞.我国房地产开发企业融资现状及渠道探析[J].河南社会科学，2003(6).
[5]陈志鹏.发展房地产投资信托为房地产融资另辟蹊径[J].金融教学与研究， 2003(4).
[6]邓子华，李化民，等. 房地产金融新工具——房地产投资信托[J].重庆建筑大学学报，2004(3).
作者：王祺
第三篇：大数据在房地产市场分析中的应用分析
摘要：房地产市场是一个由土地供应、房地产开发、房屋交易及开发企业、金融机构、经纪中介、购房者等多方参与的多层次、多结构的复杂大系统。房地产市场本身受物理世界(房屋本身)、市场交易行为和人类社会活动(房地产相关的宏观经济环境)的综合作用，因此房地产市场大数据是有关房地产的位置空间数据、市场交易数据、参与主体动态行为数据以及与房地产相关的宏观经济、土地、人口、交通等的数据集合。基于此，文章对大数据在房地产市场分析中的应用进行了详细的阐述与研究。
关键词：大数据;房地产市场
1、大数据的构成
1.1房屋的基础数据
房屋既是构成房地产市场的物理单元，同时也是市场进行交易的对象。房屋的基础数据主要包括以下几个方面：地理位置、房屋楼栋、建筑信息、配套设施以及周边的环境等。
1.2交易数据
交易活动是房地产市场的核心部分，房地产市场交易的数据主要包括以下几个方面：商品房市场预售与成交量价数据、存量房市场成交量价的数据、房屋抵押登记的数据、房屋价格的评估数据及租赁市场量价的数据等方面。
1.3宏观经济、金融投资
房地产行业的发展状况与国民经济及其他产业部门及整个宏观经济环境是密切相联的，因此房地产市场分析要把房地产业置于整个经济系统与产业链条中，才能得出客观有益的结论。与房地产业数据主要包括：宏观经济、金融投资、土地的规划与利用、土地交易、人口、交通以及市政规划等方面。
1.4动态行为数据
购房者是房地产市场最主要的参与主体，作为对市场发展具有重要影响的因素要进行考量。随着移动互联网时代的不断发展，人们对于网络信息已产生了很大的依赖性，人们通过移动互联网的定制与获取有关服务的时候，也留下了有关需求选择、兴趣取向等重要信息，这些都与房地产动态行为数据中蕴含大量对房地产市场导向与反馈具有指示意义的人类行为模式，并从中挖掘到信息，极大地丰富与拓展了现有房地产市场的内容。2013年11月，国家统计局与阿里、百度等11家企业签定了大数据战略合作框架协议。
2、大数据分析及其在房地产市场中的应用
2.1大数据分析及其种类
大数据分析是数据与信息、知识之间相互交互的重要桥梁，大数据分析是通过分析获取传统信息分析方法无法获得的、智能深入的、有价值的信息和知识，其典型任务是通过对海量数据做统计性的搜索比较，发现潜在关联，获取有用信息，从而实现模式挖掘与预测分析。大数据越来越强调日益膨胀的用户网络行为数据的积累，如何对这一类蕴含有宝贵市场信息的非结构化数据进行深入挖掘分析、管理和应用，是我们面临的重大挑战。
在房地产大数据挖掘与分析领域，主要有关联分析、聚類分析、演变和预测分析等。关联分析，是寻找属性间的相关性，利用关联规则寻找在同一事件中出现的不同项的相关性，挖掘分析大量数据集合之间有趣的关联关系。比如通过房地产大数据分析，建立房地产相关服务与用户行为之间的关联规则。聚类分析，是将整个数据对象分成多个组群，在同一组群内部对象之间具有较高的相似度，而不同组群之间对象的差异较大。在房地产市场分析领域，借助聚类分析可以用来研究需求类型构成、片区市场分异，进而为楼盘开发类型的选择、区域房地产调控政策的制定提供科学依据。演变和预测分析，通过提取对象的重要数据进行建模，把握对象随时间变化的规律和趋势，进而进行合理预测。比如，结合人口构成变动、金融信贷发展趋势进行房地产消费趋向分析等。
2.2大数据分析在房地产市场中的应用范围
寻找关联、发现知识、挖掘价值是大数据时代信息分析的真正需要。大数据背景下，房地产市场相关的研究工作都是围绕着海量的房地产大数据展开的，基于数据挖掘算法，应用大数据分析技术，有效帮助我们从不断积累与更新的数据中提取有价值的信息，及时掌握市场发展动态、科学引导市场供需力量，合理制定产业调控政策。大数据分析在房地产市场中的实际应用日趋丰富，主要有以下几个方面：
房地产周期研究。研究房地产波动周期，寻找某个时间段内特定区域房地产的波动周期及规律，分析影响房地产波动周期的因素及其相互关系。
房地产市场发展趋势研究。分析房地产市场需求与国民经济增长、人均可支配收入、土地出让面积、房地产开发投资等因素之间的关系，运用统计回归、神经网络等方法建立模型、进行预测分析。
房地产经济预警指标体系研究。对房地产市场运行态势进行分析、测度和判断，并对未来的发展状况进行预测、预报和预警，以便及时采用有效措施来平缓波动，促进房地产市场的健康、可持续发展。
房地产市场区域板块研究。针对房地产经济区域发展不均衡的现象，运用比较分析、聚类分析等方法对区域板块市场进行动态分析。
房地产市场供给研究。综合人口住房条件及分布、土地利用现状、市政规划、交通分布信息等，通过聚类及层次分析方法，科学测算区域内不同类型不同业态房屋的供给数量及各自的地理位置和发展计划。
房地产市场需求研究。利用关联分析和序列分析研究房地产客户的需求，发现购房者的消费行为模式，找出购房消费的影响因素，为制定差别化营销策略提供依据。
3、结束语
综上所述，房地产行业是一个数据量大、关联性强、结构复杂、影响因素众多的非线性经济系统。传统的市场统计分析已经不能满足科学决策的需要，房屋全生命周期动态数据库的建设和基于GIS空间数据及房管大数据、BI等技术打造的一体化分析方法，将数字和图形巧妙的结合，提供系统的数据分析、报表、监控预警和信息化的房地产市场分析成果，实现房地产市场分析从定性到定量、由静态到动态、由事后向实时进而向事前的转变。更加直观的体现房地产市场状况，提高了市场分析成果的应用价值，为领导决策提供依据，为政府对房地产市场的调控提供数据支撑，通过数据分析引导房地产市场健康发展。
参考文献：
[1]范志勇.大数据分析技术在我国房地产市场分析中的应用.北方经贸.2015.26-27
[2]文庭孝.大数据时代的信息分析变革研究.图书情报知识.2015.5
[3]李先光.房地产市场分析预测中的数据挖掘技术应用研究.贵州工业大学学报.2007.1
作者：冯娟