又到了大四毕业季,看似轻松好玩的大四生活其实也暗藏着无限的压力,找工作、考研,谋出路的同时,还要撰写毕业论文,确保能够顺利毕业,拿到毕业证。下面就由YJBYS小编为大家推荐一篇经济管理毕业论文,欢迎阅读哦!
房地产业是国民经济的重要组成部分,在国民经济和社会发展中占相当重要的地位。自住房货币化改革以来,人们对房地产的消费需求获得了巨大的释放,房地产市场得到了极大地繁荣。根据国家统计年鉴,自1995年以来,我国的国民经济大约以每年7%~8%的速度增长;而房地产市场上的商品房交易额则以每年20%~30%的速度增长,可见房地产市场的空前发展,成为推动我国经济持续快速增长的重要因素。
一、北京房地产业的现状
1、房地产业迅猛发展
自1998年以来,在中央全面推动住房制度改革等一系列宏观经济政策的引导下,北京的房地产业发展加快,出现了产销两旺的良好态势。虽然近两年国家加大了房地产业的调控力度,但在2005年,北京房地产业继续稳步发展,全年房地产业投资总额为1525亿元,占全市固定资产投资总额的53.9%;商品房施工面积为10748.5万m2,比2004年增长8.23%;竣工面积3770.9万m2,比上年增长22.95%;全市房屋新开工面积为2965.9万m2,占总施工面积的27.6%。
商品房市场需求旺盛。全年销售商品房2803.2万m2,增长13.4%,商品房销售额1758.8亿元,增长40.8%,商品房空置面积1374.2万m2,增长31.6%。商品房平均销售价格6274元/m2,增长为24.2%,住宅平均销售价格5853元/m2,增长23.3%。
2、投资结构调整,住宅投资比重降低
2005年被舆论称为中国房地产的政策年。同一年前中国楼市的“疯狂”上涨曲线相比,今年的房价走势逐渐趋于平稳,这是今年楼市不同于去年的显著特征。房价涨幅的回落,得益于房产新政不断出台。从中央到地方,一系列政策密集的出台,如中央七部门联合出台《关于做好稳定住房价格工作意见的通知》等政策,不仅使房价的涨幅趋于平稳,而且使房地产行业的结构发生了很大的变化。2005年,商品房新开工面积仅为2965.9万平方米,明显低于前两年的平均水平3244万平方米;并且全年房地产投资中住宅投资为779.53亿元,虽比去年有了一定的增加,但住宅投资占房地产总投资的比重却由去年的52.7%下降为51.1%;商业营业用房的比重却在逐步加大,其投资额由去年的94.8亿元增加为112.9亿元,增长率为19%;今年的购置土地面积为773.9万平方米,仅为去年的一半,这也在一定程度上说明了住宅的投资比重在降低。
二、北京市房地产的实证分析
1、住宅空置变化分析
近年来,由于对首都经济的重新定位,北京市的GDP出现了高速的增长,人们的收入及积蓄都有了很大的增长,买房变成了一个最好的选择;同时,随着北京逐渐发展为国际大都市,及大量外资的涌入,都极大地促进了北京市房地产的发展。然而,由于目前北京市收入中等及偏下的市民仍不在少数,并且他们多数是房屋守望者,而过少经济适用房开发的市场使他们处于观望的状态。2005年北京市商品住房平均销售价格为6274元/m2,城市居民人均可支配收入为17653元,这样一个三口之家的家庭欲购买一套80m2的普通住房约需要50.19万元,商品房价格是家庭收入的9.48倍,远高于发达国家的3.2~3.8倍和发展中国家的1.9~2.5倍的水平。这说明目前商品房的价格远远高于普通居民的即时支付能力,他们要用九年多的全部收入才能买到房子,因此把货币存放在手中就成为他们的选择,这部分人群的不热情从而导致了整个市场的平淡;而广大农村居民的可支配收入水平更低,这样就造成了大量商品房住宅的空置。
2、北京市房地产业与经济增长实证分析
(1)商品房的销售量和城市化水平以及城市人均住宅面积的关系。由于城市化水平提高和城市人均居住面积增加可以导致商品房屋销售额也随之增长,因此把他们之间的关系设定为一个模型,即SALE= a CITY + b SQU + c(销售量、城市化水平和城市人均居住面积分别用SALE、CITY和SQU表示;a、b和c为常数),利用表1中的有关数据,通过SPSS12.0统计软件回归从而可以得到如下模型:
SALE = -14270.14 + 171.68CITY +87.45SQU
(1843.56) (28.72) (30.42)
(-7.74) (5.98) (2.87)
F = 118.77 R-squared = 0.971
调整后的R-squared为0.971,统计量F=118.77;相关概率值p<0.001,说明这两个自变量城市化水平、人均居住面积与因变量房屋销售额之间存在着显著的线性相关关系。从模型结果可以看出城市化水平每提高1%,可以增加销售额171.68亿元;城市人均居住面积每增加1m2,可以带来销售额增长87.45亿元。
(2)商品房屋销售额增量与城市化水平、GDP增长率之间的关系。在此,把商品房销售额增量和GDP增长率分别用LN[SALE]和LN[GDP]来表示,从而把模型设定为:
LN[SALE] = p+ m LN[GDP] + n CITY
利用表1中的有关数据,通过SPSS软件回归分析得到以下模型:
LN[SALE] =-9.458+ 2.127LN[GDP]-0.022 CITY
(2.199) (0.046) (0.217)
(-4.300) (-0.486) (9.812)
F = 204.55 R-squared = 0.983
调整后的R-squared为0.983,说明模型拟合度较高,即房屋销售额增量与城市化水平、GDP增长率之间存在显著的线性相关关系。GDP每增长1%,就可以带来销售额增长2.127%,可见国内生产总值的增长对房屋销售额的增长起到非常重要的作用,例如虽然政府从去年开始一直在对房地产市场在进行宏观调控,但在北京市经济快速增长的基础上2006年的前八个月的商品房销售额依然高达1195亿元,占2005年商品房销售额的77.7%。
三、结论及建议
综上所述,本文通过建立两个多元线性模型,分析得到GDP增长与城市化水平的提高都会导致商品房销售额的不断增长;然而居住消费价格指数变化会导致住宅空置增加,因此在此可以假设开发商投资建房分成两部分,一部分投资用来建销售房,另一部分用来建空置房。但是如果空置房所占投资的比例扩大,那么就会影响资金回笼,使房地产开发企业利益受损,将影响整个房产行业,进而就会影响整个国民经济的健康增长。此外住宅空置面积增大还将影响城市就业问题。众所周知,相对于资本密集型和技术密集型产业,在投资相同的情况下,劳动密集型产业能实现更多的就业。而房地产作为一个典型的劳动密集型产业,其吸收的就业人数很多;除此之外,房地产的健康发展也会极大地带动其他行业就业人数的增加,如建材、冶金、石化等行业。因此,通过加快国民经济的增长、提高北京的城市化进程和减少住宅空置率,可以促进销售从而使北京的房地产向更高的方向迈进,也可以极大地解决北京城市的就业问题,从而为北京社会的发展作出贡献。
第二篇:经济增长与信贷风险实证分析论文
摘要:本文通过使用EVIEWS软件,对2004年以来我国GDP与不良贷款余额的变动情况进行分析,从实证角度得出不良贷款主要由银行信用风险管理水平决定,同时GDP变化会产生一定程度的影响。
关键词:不良贷款;国内生产总值;朱格拉周期;五级分类;Eviews软件
1我国经济发展趋势分析
20世纪以来,经济发展突飞猛进,呈波动上升趋势,经济波动贯穿于经济发展,有规律的经济波动可以称之为经济周期。任何一个国家和地区的经济发展,实际上都是一个波浪式、周期性演进过程。西方经济学家一般把经济周期划分为四个阶段:繁荣、衰退、萧条、复苏。但也有人认为描述经济周期各阶段最简单的方法是把它划分为以下四个阶段:谷底,扩张,高峰,收缩。从我国GDP增长趋势看,中国经济增长存在比较明显的波动趋势,其周期长度大概为9年,属于“朱格拉周期”:1981年———1990年、1991年———1999年、2000年———2009年分别形成三个周期,并先后在1987、1994、2007年形成三次波峰,在1990、1999、2009年附近形成三次波谷。
2经济发展与不良信贷形成:基于实证的分析
2.12003年以来各季经济统计数据(此处略,详见国家统计局网站)可看出,2006年3季度至2008年4季度,GDP增长额大多在1万亿元以上,2009年1、2季度,增长额下降到原来的40%;此后,GDP增长额缓步上升,至2011年4季度达2.28万亿元高点后,2012年1季度又迅速回落到上季的50%。
2.22003年以来各季不良贷款数据。由于2003年以后采用五级分类法统计不良贷款,因此,我们采用2003年以后各季的不良贷款统计数据,对GDP绝对额及其变化对不良贷款的影响进行实证分析。根据银监会统计数据,考虑到目前商业银行不良贷款的数据统计受不良资产剥离的影响很大,我们通过还原不良贷款真实值计算调整后的不良贷款余额。其中,2003年第四季度起加1969亿元中行、建行损失类贷款,2004年第二季度起加3428亿元建行、中行、交行剥离给资产公司的可疑类贷款,2005年第二季度起加7050亿元工行剥离的不良贷款,2008年第二季度起加140亿元光大银行剥离不良贷款,2008年第四季度起加8156.95亿元农行剥离不良贷款。从调整后的不良贷款数据(略)可以看出,2006年4季度、2008年4季度、2011年4季度是不良贷款的三个拐点,其走势与GDP绝对额、变化额相关。因此,将不良贷款余额作为被解释变量,GDP当季绝对额、同比变化额作为解释变量,建立方程如下:BLBH=C(1)*GDPBH+C(2)*GDPDJ+C(3),其中:Blbh为不良贷款余额,gdpbh为GDP同比变化额,gdpdj为GDP当季绝对额。其中:R方为0.56,需要进一步优化。根据检验参数情况,发现其有较强的自相关性,故更改方程为:BLBH=C(1)*GDPBH+C(2)*GDPDJ+C(3)*BLBH(-1)+C(4),通过eviews回归,得出如下结果:通过参数显著性检验,R方为0.907接近于1,t-prob均小于0.05,拟合较好。
3有关建议
上述结果表明,不良贷款余额主要受上季不良贷款额影响,即由银行的内部信用风险管理水平决定;同时,不良贷款额与GDP同比变化额负相关,与GDP当季绝对额正相关。通过对不良贷款影响因素的分析,银行应不断提升信用风险管理水平,同时密切关注经济增速放缓对不良贷款的影响,这样,才能保证不良贷款保持平稳,从而促进我国经济发展。
参考文献
[1]2003年-2014年《中国统计年鉴》
[2]孙连友,胡海鸥.宏观经济波动与信用风险结构模型[J].财经理论与实践,2005(2):31-34
[3]刘志清,鄢姣,余志勇.银行业系统性风险外部环境冲击的量化研究[J].金融监管研究,2013(1):45-68
[4]中国银行监督管理委员会,2004年-2014年各季度主要商业银行不良贷款情况表.