中国房地产价格指数期货的设计与定价研究
房地产市场中的房地产价格研究
房地产市场中的房地产价格研究随着城市化的不断加速，房地产市场的火爆程度也在不断攀升。
房地产价格作为房地产市场中的重要指标，不仅关系到开发商和投资者的切身利益，也影响到普通市民的购房和租房负担。
本文将从不同角度来探讨房地产价格的研究问题，以期能够更好地揭示房地产市场的实质。
1.房地产价格的定义房地产价格是指在特定时间和空间范围内，房地产物业按照市场需求和供给关系所形成的价格。
房地产价格的高低直接反映了房地产市场的整体供求关系和投资环境。
在房地产市场中，价格的波动受到各种因素的影响，如政策法规、经济环境、区域特点、市场行情等等。
2.房地产价格的影响因素（1）政策法规因素政策法规一直是影响房地产市场的重要因素。
政府的土地政策、财税政策、信贷政策等对房地产市场的发展和价格形成产生了重要影响。
政策趋势的明显变化将对房地产市场的供需关系产生影响，从而导致房地产价格的波动。
（2）经济环境因素经济环境也是影响房地产价格波动的重要因素。
经济周期的变化、行业景气度、利率水平、通货膨胀水平、人民币汇率等都将直接或间接地影响房地产市场的供需状况和价格变化。
（3）区域特点因素房地产市场的价格和地理位置也存在直接关系。
不同区域的人口规模、经济发展水平、交通配套等都将影响该区域房地产市场的供需状态和价格波动。
（4）市场行情因素市场行情是影响房地产价格变化的一个重要因素。
市场供给和需求的变化、房企品牌和声誉的影响、房屋的质量和面积等都会对市场行情和房地产价格波动产生影响。
3.房地产价格研究的方法要研究房地产价格的波动规律和趋势，需要利用各种科学方法进行定量分析和深入挖掘。
（1）统计学方法统计学方法在房地产市场中也得到越来越广泛的应用。
通过对房地产价格的定量数据进行分析，可以得出多种房地产价格变化的指标和趋势，如涨跌幅度、同比增长率、预测结果等。
（2）GIS方法GIS是地理信息系统的缩写，是一种将各种数据集成到一个平台中进行地理分析的方法。
我国发展房地产价格指数期货的必要性及可行性分析
迅速改变其资产结 构 ，适时进行优化流 动性 管理 ，实现资产的合理配置 ，降低 投资者整个资产组合的风险 。同时 ，较 低的入市 门槛和灵活的操作策略可吸引 众多的投 资者或投机者参 与房地产金融
空房指期货 ，即以低价抛 出持有的房指 期货合约 ，通过在期货交 易中的获利部 分或 全部弥补其在房产贷款 、开发或经
营 中 的 亏损 ，从 而 起 到 规 避房 价 下 跌 风
的策略 。都有盈利的机会 ；同时 ，期 货
市场独有 的保证金制度使投资者在购买 房指期货时 ，只需少量的资金 ，就可跟
（ ） 一 有利于增加投资机会 。分享房地
产业发展成果 房指期货期权 由于采取 信用交易 ， 通过 财务杠杆效应 ，降低了投资者的交 易成本 ，使潜在的投资者以低廉 的成本 投资房地产业成为 了可能 ；另外 ．投资
房 指期 货 作 为一种 标 准化 合约 交
易 ，是与未来某个时点的房地产价格指 数 挂 钩的 。在 推 出房指期 货之 前 ，由 于缺乏必要 的避险工具 ，在房价下跌之 时 ，银行 、房地产开发商 、房地产建筑
二、我国推 出房指期货的可行性
目前 ，我 国房 地 产 市 场 发 展 迅 速 ，
及办法 、实施 细则 ，为房指期货的推出
构 建 了坚 实 的法 规 基 础 。
股指期货也呼之 欲出 ，这一切为推出房 指期 货 提供 了制 度 、技术 等经 验 的借 鉴 。我国已具 备了一些推 ｍ房指期货交 易的条件 ，具体表现在 ： （ ） 一 投资者规避房地产市场风险的需
我 国发展房地产价格指数期货 的 ’ 必要性 及 可行性分 析
房地产市场的价格预测模型与建模分析
房地产市场的价格预测模型与建模分析房地产市场是一个重要的产业，对于政府经济政策的制定和投资者的决策具有重要影响。
因此，对于该市场的价格预测模型与建模分析显得尤为重要。
本文将讨论房地产市场价格预测模型的建立与分析方法，以帮助投资者和政府决策者更好地理解市场趋势和未来走势。
一、房地产市场价格预测模型的建立方法房地产市场价格预测模型的建立可以采用多种方法，包括回归分析、时间序列分析和机器学习等。
下面将分别介绍这些方法的原理和应用。
1. 回归分析回归分析是一种常用的统计方法，用于探索变量之间的关系。
在房地产市场中，可以选择影响房价的相关变量，如地理位置、楼层、面积、楼龄等，作为自变量，房价作为因变量，建立回归模型进行预测。
通过分析各个自变量的系数和显著性水平，可以了解各因素对房价的影响程度和方向。
2. 时间序列分析时间序列分析是一种用于研究时间序列数据的方法，适用于预测具有一定规律性和趋势性的数据。
在房地产市场中，可以将历史的房价数据作为时间序列数据，通过分析趋势、周期性和季节性等特征，建立时间序列模型进行预测。
3. 机器学习机器学习是一种基于数据的自动化建模方法，可以利用大量的历史数据进行模型训练和预测。
在房地产市场中，可以使用机器学习算法，如决策树、随机森林、神经网络等，根据房产特征数据和历史价格数据进行训练，建立预测模型。
机器学习有着良好的拟合能力和预测性能，可以提供较为准确的房价预测结果。
二、房地产市场价格模型的分析方法建立价格预测模型之后，需要对模型进行分析以评估其准确性和稳定性，进而为投资者和政府决策者提供决策支持。
下面将介绍几种常见的模型分析方法。
1. 模型拟合度分析模型拟合度分析用于评估模型对观测数据的拟合程度，可以通过计算拟合优度指标（如R方值）来衡量模型的拟合效果。
拟合度分析可以帮助我们了解模型的预测能力和稳定性。
2. 模型参数显著性检验模型参数显著性检验可以用于评估各个自变量对因变量的影响是否显著。
房地产市场价格预测模型研究
房地产市场价格预测模型研究近年来，中国的房地产市场逐渐成为影响全球经济的重要因素之一。
尤其是在中国经济逐渐转型的过程中，房地产市场成为支撑经济增长的重要支柱。
因此，对于房地产市场的价格走势进行预测和研究，不仅有助于投资者制定更为准确的投资策略，也有助于政府制定更为科学的房地产政策。
而房地产市场价格预测模型在其中扮演着至关重要的作用。
通过对历史数据的分析和建模，可以预测未来房地产市场价格的走势，提供有价值的参考。
下面将对房地产市场价格预测模型进行详细的探讨。
一、房地产市场价格预测模型的基础房地产市场价格预测模型的基础是时间序列分析。
在时间序列分析中，主要有趋势分析、季节性分析、循环性分析和随机性分析等多种方法。
其中，趋势分析可以用来预测长期趋势，季节性分析可以用来预测周期性，循环性分析可以用来预测大周期变化，而随机性分析则可以用来对预测结果进行误差估计。
在建立房地产市场价格预测模型时，需要进行数据处理和模型选择。
对数据进行处理可以包括平稳性检验和差分处理等，以消除数据中的随机波动和季节性趋势。
对于模型选择，则需要根据不同的预测效果和背景选择合适的预测模型，如自回归移动平均模型（ARMA模型）和自回归积分滑动平均模型（ARIMA模型）等。
二、房地产市场价格预测模型的应用房地产市场价格预测模型可以对市场价格进行长期或短期预测，并为投资者和政府提供参考依据。
1. 预测市场价格的长期趋势房地产市场价格预测模型可以预测房地产市场价格的长期趋势，对于投资者和政府制定房地产市场长期计划具有重要意义。
例如，借助趋势分析，预测某地区房地产价格在未来5-10年内可能呈上涨或下跌趋势，根据预测结果，投资者可以采取不同的投资策略。
2. 预测市场价格的季节性变化房地产市场价格预测模型可以预测房地产市场的季节性变化，有助于政府和投资者确定不同季度的投资方向和策略。
例如，季节性分析可以发现某些城市房地产市场在夏季和冬季存在不同的趋势，根据这些趋势来调整投资策略，可以确保投资者在不同季节获得更好的投资回报。
特征价格法及其在我国住房价格指数编制中的应用
特征价格法及其在我国住房价格指数编制中的应用特征价格法是一种用于住房价格指数编制的方法，通过选取一组特定的住房特征来计算住房价格指数的变化。
在我国的住房市场中，房价涨跌对经济和社会的影响巨大，因此编制住房价格指数对于政府决策和市场监管至关重要。
本文将介绍特征价格法的原理和在我国住房价格指数编制中的应用。
特征价格法的原理是基于经济学中的消费者指数理论，即将一篮子商品的价格按照一定比例加权平均，用来反映消费者购买力的变化。
在住房价格指数编制中，使用的篮子商品就是不同特征的住房，比如面积、地段、楼层等。
通过分析这些住房特征的价格变化，可以计算出住房价格指数的变化情况。
第一步是确定住房特征及权重。
住房特征的选取应该具有代表性，同时需要考虑到住房购买者的需求和市场变化。
在确定住房特征时，可以采用统计数据、市场调研等方式进行，同时可以根据实际情况对不同特征进行加权。
第二步是收集住房特征的价格数据。
为了计算住房价格指数，需要收集住房特征的价格数据。
这可以通过抽样调查、市场监测等方式进行，确保数据的准确性和代表性。
第三步是计算住房价格指数。
通过特征价格法，可以计算出每个住房特征的价格指数。
然后将这些价格指数按照权重加权平均，得到整体的住房价格指数。
这样可以更准确地反映住房市场的价格变动情况。
第四步是监测住房价格指数的变化。
住房价格指数应该定期监测，以了解住房市场的价格变动情况。
这可以帮助政府和市场监管部门及时调控住房市场，保持市场的稳定性和可持续发展。
通过特征价格法编制住房价格指数的优势在于它可以更准确地反映不同特征住房的价格变化情况。
相比于简单平均法等其他方法，特征价格法可以排除不同特征住房的价格差异，减少了由于不同特征住房的权重不同而引起的误差。
特征价格法可以根据实际情况调整特征的权重，更好地反映住房市场的实际情况。
特征价格法也存在一些问题和挑战。
确定住房特征及权重是一个复杂的过程，需要考虑多个因素和数据。
中国房地产价格研究综述
2000～2010年中国房地产价格研究综述一引言20世纪90年代中后期住房体制改革以来，尤其是2003年、2004年以来，中国住房价格以较快的速度上升，引发了居民住房支付能力不足的问题，使得有关房地产价格的课题成为各界关注的焦点，也成为学术研究的热点。
已有的研究进展如何，取得了什么样的成果，以及存在什么样的不足，是值得回顾与总结的。
本文主要就发表于《中国社会科学》、《经济研究》、《管理世界》、《世界经济》、《财贸经济》、《统计研究》、《数量经济技术经济研究》、《世界经济文汇》、《经济评论》、《中国土地科学》、《经济地理》、《财经研究》、《南方经济》、《城市发展研究》、《地理科学进展》、《地理学报》、《经济问题探索》等刊物上的论文作综述，概括2000年以后国内学者就房地产价格问题开展研究时采用的方法、数据以及得出的结论和政策建议。
第二部分利用统计数据描述20世纪90年代以来的房地产价格波动，讨论房价和住房支付能力问题，第三部分对文献进行分类综述，最后一部分是评论和展望。
二房地产价格高不高根据《中国统计年鉴》、《中国统计月报》提供的销售面积和销售额数据，笔者计算得出了1991～2009年中国商品住宅和非住宅商品房的平均销售价格（见图1），可以看出，商品住宅和非住宅商品房的平均销售价格都呈现较快上涨的趋势——商品住宅的平均销售价格从1991年的756元/平方米上升到了2009年的4474元/平方米，年均上涨10.8%，其中1991～2003年年均上涨9.75%，2004～2009年年均上涨12.92%；非住宅商品房的平均销售价格从1991年的1780元/平方米上升到了2009年的6934元/平方米，年均上涨13.6%。
图1 1991～2009年中国商品住宅和非住宅商品房的平均销售价格如图2，根据中经网统计数据库提供的季度价格指数（上年=100），笔者计算了1998年第一季度到2009年第四季度中国商品住宅和非住宅商品房的价格指数，可以看出，除了季节波动，两个价格指数都呈向上态势——1998年第一季度的商品住宅价格指数为97.2，2009年第四季度为174.8；1998年第一季度的非住宅商品房价格指数为100，2009年第四季度为137.3。
我国住房价格统计与房价指数编制的主要难点
2、指标选取不当：房价指数编制过程中，需要选取具有代表性的样本。然 而，在实际操作中，往往存在样本选取不当、权重确定不合理等问题。
3、权重确定困难：在编制房价指数时，需根据不同样本的实际情况确定相 应的权重。然而，由于市场变化较快，权重也需不断调整，这给权重确定带来了 很大的困难。
3、权重确定困难：在编制房价 指数时，需根据不同样本的实际 情况确定相应的权重
我国住房价格统计的现状
当前，我国住房价格统计主要依赖于国家统计局和各地方房地产管理部门。 统计方法主要包括直接调查和间接收集数据两种。直接调查是通过向房地产开发 商、中介机构和住户等调查对象收集数据，间接收集数据则是通过相关政府部门、 专业机构和网络平台等获取数据。然而，在实际操作过程中，住房价格统计面临 着诸多问题。
3、市场供求关系
市场供求关系是决定房地产价格指数的根本因素。当市场需求大于供应时， 房价水平会上涨，房地产价格指数也会相应上涨；反之，当市场需求小于供应时， 房价水平会下跌，房地产价格指数也会相应下跌。
结论
本次演示以上海房地产价格指数编制为例，介绍了房地产价格指数的编制方 法及其在房地产市场中的重要作用。通过编制结果和影响因素分析，可以发现房 地产价格指数能够客观反映房地产市场的运行状况，为政府、企业和个人提供决 策参考。
2、数据收集
收集数据时需要确保样本的多样性和广泛性。在收集过程中，需要考虑不同 区域、不同类型、不同价格的房产，以确保数据的全面性和代表性。
3、指数计算
指数计算是编制房地产价格指数的核心环节。在计算过程中，需要采用合理 的统计方法和计算公式，确保指数的准确性和稳定性。通常情况下，房地产价格 指数的计算采用加权平均法或几何平均法。
3、合理确定权重：定期对样本进行动态调整，并采用更为科学的权重确定 方法，以保证房价指数的准确性和公正性。同时，加强对权重确定过程的公开透 明化，避免出现不合理的权重分配。
中国房地产价格研究
中国房地产价格研究房地产价格是我国价格体系中备受国民关注的价格变量,房地产价格是否合理,房地产价格水平与国民经济发展水平是否相适等敏感问题直接关系到全社会物价和货币价值的稳定。
房地产业作为我国国民经济的支柱产业,关系国计民生,房价的涨跌会直接影响投资和消费。
近年来,我国房价持续攀升,与诸多的社会因素、经济因素有关,各地区经济的快速增长是引起我国近些年来房地产价格快速上升的主要动力,国家政策的导向、国内贷款的增加、建筑成本的上升,也是引起房地产价格快速上升的重要因素。
这些因素对房地产价格的影响程度虽然不尽相同,但却形成了一股共同影响价格的合力,已成为整个房地产价格体系的重要组成部分。
因此,对我国房地产价格的研究已刻不容缓,加强对房地产价格的研究,有着十分重要的现实意义。
标签：房地产价格因素建议0 引言自1998年房改以来。
我国房地产业进入了快速发展通道,房地产业的蓬勃兴起为我国国民经济的高速增长做出了巨大贡献,但在房地产业快速发展的同时也带来了房地产价格的飞速上升。
根据统计局的统计资料显示,在2006年,全国商品房平均售价比1999年上涨了64%,年平均上涨了9%以上。
房地产市场能否稳定发展,不仅关系到房地产产业本身,也和我国宏观经济发展关系重大[1],房地产价格的快速上涨,已经成为我国经济运行中的突出问题,也成为影响整个国民经济持续、快速、健康发展的一个不稳定因素。
一定程度上波及到社会经济生活的稳定,成为社会各界关注的热点问题。
1 分析房价上涨的原因房价居高不下的原因是多种因素综合产生的结果。
从理论上讲,房地产作为商品,其价格由供给和需求共同决定,但房地产又有其特殊性,它既是投资品,又是消费品。
研究房地产价格的变化,就是要研究引起房地产市场价格涨跌变化的多种因素,以及对国民经济的影响程度。
1.1 土地因素我国经济快速发展,人民收入增加,增强了人民的实际购房能力,使得人民更加注重自己的生活质量,对房子的要求也会提高。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
Ciurlia 和 Gheno(2009) 考 虑 到 房 地 产 市 场 对 利 率 期
限结构的敏感度 ， 使用包含房地产资 产 价 值和 即 期 利率波动的两因素模型为欧式期权和美式期权定 价 ， 但是并未得到封闭的解析解 。 Cao 和 Wei(2010) 在均衡估值框架对房地产指数衍生品价格进行研 究 , 得到封闭形式的估值方程 。 Fabozzi 等 (2012) 运用 均值回归过程来对房地产金融衍生 品 包 括 期货 、 期 权 、 远期和总报酬互换定价 ， 从而形成一个房地产金 融衍生品定价模型框架 , 并运用鞅估计方法对模型 中的参数进行估计 。 国内在房地产价格指数期货的研究还不够深 入 ， 大多数也只是停留在房地产价格指数期货推出 的可行性 、 必要性以及政策性建议等 定 性问 题 的 探 讨 ， 对房地产价格指数期货的设计 并未 给 出 完 整且 系统的方案 ； 关于房指金融衍生品定 价 等定 量 问 题 的研究更是屈指可数 ， 周佰成 (2013) 、 王建飞 （2013) 、 庞 丽 艳 等 （2013 ） 采 用 Fabozzi 等 （2012 ） 提 出 的 定 价 模型进行实证分析 ， 但对模型中的 参数 估 计 并 未给 出明确的方法 。 综上所述 ， 本文兼顾中国房地产价格指数期货 研究的定性与定量两个层面 ， 首先借 鉴 目 前世 界 各 地已经推出的房地产价格指数期货合约与中国股 票指数期货合约的经验 ， 并结合笔者提出的 “ 推出中
规避风险提供有效渠道 ， 也为政府部 门 对 楼 市调 控 以及宏观经济政策制定提供参考 。 国外关于房地产金融 衍生 品 的 研究 较 早 ， 理 论 发展较为成熟 ， 主要从房地产金融衍生 品 市的 构 建 及其意义和定价模型的提出及完善两方面展开 。 在房地产金融衍生品 市的 构 建 及其 意 义 方 面 ，
UK Annual Property Index) 为 标 的 的 房 地 产 价 格 指
数期货 ；2012 年 2 月 芝 加哥 期 权 期 货交 易 所 (CBOE
Futures Exchange,CFE) 推 出 的 以 包 括 25 个 市 区 的 RPX 综合指数期货 (RPXCP)。 由于数据及资料有限 ，
[ 关键词 ] 房地产价格指数期货 ； 期货合约设计 ； 期货定价 ； 极大似然估计 [ 中图分类号 ] F293.3 [ 文献标识码 ]A [ 文章编号 ]1006－169X （2015 ）11－0062－07
基金项目：国家自然科学基金项目 （71501001）；教育部人文社会科学基金项目 （14YJC790133）；安徽省自然科 学基金项目 （1408085QG139）；安徽省高等学校省级优秀青年人才基金重点项目 （2013SQRW025ZD）；国家级大学 生创新创业训练计划项目 （201510378058）；安徽财经大学金融学院大学生科研创新基金项目 （JRXY2015010）。 胡岳峰 （1993- ）， 安徽合肥人 ， 安徽财经大学金融学院 ； 席爽 （1994- ）， 安 徽 砀 山 人 ， 安 徽 财 经 大 学 金 融 学 院 ； 吴鑫育 （1982- ）， 湖南衡山人 ， 安徽财经大学金融学院讲师 ， 博士 ； 周海林 （1977- ）， 湖 南 襄 阳 人 ， 安 徽 财 经 大学金融学院教授 ， 博士 。 （ 安徽蚌埠
Otaka 和 Kawaguchi (2002) 提出了基于三个独立市场
的定价模型 ， 即证券市场 ， 租赁市场和房地 产 市 场 ， 考虑市场的不完善性 ， 采用风险最 小化 策 略 为房 地 产市场证券进行定价 。 Geltner 和 Fisher （2007) 考 虑 房地产价格指数的滞后性对定价的影 响 ， 运 用市 场 均 衡 理 论 为 房 地 产 远 期 和 互 换 合 约 定 价 。 Patel 和
JRYJJ
63
金融与经济
2015.11
由中国指数研究院发布的中国房地产价格系统下 的各类指数 ， 包括百城指数 、 新房价格指数以及主城 区二手住宅和租赁价格指数 ， 新房价 格 指 数 下又 包 括住宅指数 、 写字楼指数 、 商铺指数以及结合三者价 格按照一定权重编制的城市综合指数 。 百城指数是 根据全国 100 个重点城市新房价格进行编制的系统 性综合指数 ， 选取该指数作为标的指 数 将 不 利于 对 期货种类的扩展以及单个城市期货价格的横向对 比 ， 而主城区二手住宅和租赁价格指 数 仅 限 于二 手 住宅价格 ， 房地产种类不够全面 ， 不具有代 表 性 ， 与 新房价格指数相比对价格的反映的 时 效 性 较低 ， 所 以本文选取新房价格指数下的城市 综 合指 数 ， 具 有 较高的代表性与时效性 。 （ 三 ） 合约乘数 合约乘数是期货合 约 价值 的 重 要基 准 依 据 ， 标 的指数的指数点与合约乘数的乘积得到的就是期 货合约的价值 ， 以中国沪深 300 股指期货为例 ， 其合 约乘数 为 ￥300 每点 ，2015 年 6 月 12 日 沪深 300 点 数 为 5335.11 点 ， 那 么 一 份 合 约 的 价 值 就 是
(2002) 对 Buttimer 等 (1997) 提出的定价模型进行了完
整的数学证明 ， 讨论了原模型中参数估计值的误差 。
system, CREIS） 下的北京 、 上海 、 广州 、 深圳等地的新
房价格指数中的城市综合指数进行实证分析 ，为未来 中国房地产价格指数期货的推出提供理论支持 。 二 、 中国房地产价格指数期货合约的设计 目前 ， 在世界范围内 推 出房 地 产 价格 指 数 期 货 主 要 有 ：2006 年 5 月 芝 加 哥 商 品 交 易 所 (Chicago
Shiller 等 （1993) 首次提出建立房地产价格指 数期 货
与期权市场 ， 认为房地产金融衍生品 市场 相 对 于 其 他金融衍生品市场具有交易门槛低的优 势 ， 并 且 能 为房地产投资者扩展投资渠道， 分散投资风险。
2011 年 出 台 “ 新国 八 条 ”，2013 年 出台 “ 国 五 条 ”； 中
笔者根据以上房价指数期货合约的一至两种及中国 沪深 300 股指期货合约来设计中房指数期货合约 。 （ 一 ） 设计思想 在经济全球化背景下 ， 各个 国 家 与地 区 都 面 临 着前所未有的市场竞争 , 进行金融产品的创新成为 各国金融市场进行竞争的共识 ， 降低 市场 参 与 门 槛 是吸引更多的交易者尤其是中小投资者的重要途 径 。 其中 , 迷你型或中小型指数期货交易备受各国的 关注和推崇 。 迷你型或中小型指数期货合约价值较 小 , 交易成本较低 , 这些优势使其广受中小 投 资者 欢 迎 。 纵观中国股指期货市场 ， 投资群 体 多局 限 于 投 资基金 、 各大券商与上市公司等大 型机 构 投 资 者 。 随着中国金融市场的发展 ， 中小型与迷 你 型指 数 期 货的推出是必然趋势 ， 所以笔者所设计 的 中 房 指数 期货相当于迷你型股指期货的规模 ， 为 更 多的 个 人 投资者在指数期货市场提供投资渠道 ， 也 为 未 来中 国在国际金融市场中竞争带来优势 。 （ 二 ） 标的指数 目前国内各种房地产价格指数中较权威的是
Mercantile Exchange ，CME) 推 出 的 以 标 准 普 尔 凯
斯 — 希勒房价 （S&p/Case-shiller Home Price Index ，
Pereira(2008) 考虑了交易对手违约风险 ， 在相同的假
设 条 件 下 扩 展 了 Bjork 和 Clapham (2002) 对 房 地 产 指数总报酬交换的定价模型 ， 并利 用 英国 商 业 地 产 指数进行实证分析 。 Baran 等 (2008) 运用极大似然估 计法和卡尔曼滤波将 Schwartz 和 Smith(2000) 提出的 两因素商品定价模型应用于房地产衍生品市场。
国人民银行也多次对住房公积金存贷款利率进行 调节 ， 旨在进行限购 、 限贷 ， 打击投机购房 ， 但是各大 城市的房价依然具有上升趋势 ， 使得 中 国 房 地产 市 场呈现出 “ 非理性繁荣 ” 的局面 。 在行政手段干预市 场无力的情况下 ， 市场经济手段对经 济 问 题 的解 决 具有必要性 。 期货作为重要的金融 衍 生品 之 一 ， 具 有发现价格 、 管理风险 、 套期保值等功能 ， 而 房 地 产 价格指数期货可以有针对性地解决房地产市场的 问题 ， 打破房地产单边交易市场的局面 ， 建立多空双 边交易机制 ， 使房地产市场价格回归理性 ， 为投资者
Shiller 等(1996)分析了房地产价格和抵押贷款违约风
险的关系 ， 认为房地产价格指数期货与期权市场的 建立可以使得套期保值在房地产按揭贷款投资组合 上的运用 ， 从而能够降低抵押贷款违约风险 。 Fisher
(2005) 提出发展基于美国不动产协会商用不动产指
数的新型互换 ， 这种互换相对于产权式互换在调整 投资组合与规避房地产市场风险方面更具优势 。 在房地产金融衍生品定价模型的提出及完善
CSI ） 为标的的房 地 产 价 格指 数 期 货 ， 期货 合 约 的数
据 来 源 于 美 国 波 士 顿 、芝 加 哥 、丹 佛 、拉 斯 维 加 斯 、 洛 杉 矶 、迈 阿 密 、纽 约 、圣 地 亚 哥 、旧 金 山 和 华 盛 顿 十个城市的加权综合指数 ；2009 年 9 月欧洲期货交 易所 (Eurex) 推出的以英国 IPD 年度财产指数 (IPD
J
金融与经济 2015.11 ournal of Finance and Economics
中国房地产价格指数期货的设计与定价研究
■ 胡岳峰 ，席
爽 ，吴鑫育 ，周海林
本文以中国房地产指数系统 （CREIS ） 中的新房价格指数作为标的 ， 以 “ 推出中国首支迷你型指数期货 ” 为 设计思想 ， 设计出中房指数期 货合约 ， 并运用 Fabozzi(2012) 提出的房地产价格指数期货定价模型对设计的期 货合约进行定价 , 进一步给出了定价模型参数的极大似然 （ML ） 估计方法 。 采用北京 、 上海 、 广州 、 深圳的房地 产价格指数数据进行实证研究 ， 结果表明 ： 四个城市中 ， 深圳的房地 产 价 格 波 动 最 大 ， 其 次 依 次 为 北 京 、 广 州 和上海 ； 上海房地产市场对市场造成的价格冲击恢复能力最强 ， 其次依次为深圳 、 北京和广州 。 最后 ， 将估 计 的模型参数代入期货定价方程 ， 得到了中房指数期货的理论价格 。