计量经济学实践报告-影响我国房地产价格因素的分析[模版]

第一篇：计量经济学实践报告-影响我国房地产价格因素的分析[模版]

计量经济学实践报告：

影响我国房地产价格因素的分析

学生姓名：

学号：

学院：商学院

专业指导教师：

摘要：房地产，一个与社会大众息息相关的名词，一个牵动许多购房者神经的名词。眼下的房价无疑是最火热的焦点。本文选取1991-2005年相关的数据，应用计量经济学所学知识对根据经济理论选取的影响我国房地产价格的各因素进行检验，并对其影响程度的大小进行定量分析，修正等一系列的工作，最后确定一个较好的拟合模型，进一步明确和完善相关的经济学知识。以上过程都通过EVIEWS在计算机上实现。最后，对所得的结果作了经济意义的分析，并提出一些相应政策建议。

关键词：房地产价格 物价 城镇居民收入 建材价格

一、问题的提出

近几年来，房地产价格急剧上涨，使得房地产问题变得异常尖锐。今年的经济工作会

议和十七大以及年初的两会，对房地产行业的发展持有肯定的表述，房地产业在促进国民经济稳定健康增长，全面改善城乡居民居住状况发挥了巨大的作用，最近几年房地产发展的情况可以看得出来，城乡住宅的建筑量每年保持在13亿平方米，城镇是5.5—6亿平方米，竣工量是很大的。过去有厂房集中建房，商品房的比例不大，最近的比例很多，达到了80%。人均住房面积大幅度的提升，1978年人均居住面积是2.6平方米左右，现在已经达到了27平方米/人均，这在世界上也是令人瞩目的。人均住房面积的增长是伴随着人口快速增加提升的，房地产业发展给国民经济以及人民生活带来的积极影响，包括对GDP的贡献率，最高峰达到了5.2%，平均水平是4.5%。

我国房地产还是一个年轻产业，自从1990年国务院55号令对土地交易的法律承认开始，标志着我国房地产商品化的开始，到目前为止，已经有17年的发展历史了。这15年来，我国房地产大体经历了三个阶段，就是说1990至1996年为一个阶段，这时的消费者对产品的要求不高，还仅仅只是提供一个居所，对劣质产品、市场需求不是太看重，但市场在起步，总的来说是卖方市场；第二个阶段是从1996年至2000年，随着1998年取消福利分房以后，房地产市场的购房主体发生了变化，集团购买基本退出市场，而个人消费成为主体，购房主体个人化已是一种不可逆转的趋势。随着市场经济的快速发展，除国有、集体所有的房地产公司外，大量的中外合资、合作、独资、私营的房地产企业参与房地产的开发销售。房地产市场开发主体的多元化和购房主体需求的多样化，房地产市场开始完全市场化。第三阶段是在2000年以后，整个中国的房地产快速发展，我国地产市场进入到大规模的市场化开发阶段。从2000年到2005年，我国度过了地产15年这场大戏中分量最重的五年，房地产进入以 “ 新产品主义 ” 为开发导向。2000年以后，整个中国的房地产快速发展，这时不仅要有理念，还要有文化，还要讲产品，是我国房地产发展最为迅速的时期。

二、经济理论陈述

无论是以攫取高额利润还是以快速回笼资金为主要目标，厂商在为楼盘确定价格时通

常需考虑三个因素：一是成本——地价、建安成本、税收及其他费用的总和。二是竞争——市场供求总量、直接与间接竞争对手们的价格情况。三是消费者——目标消费者能够接受何种价格。三种因素在楼盘最终定价中所起的作用显然不一样，一般说来市场供求总量与竞争对手的价格只是参考，而成本与消费者则是决定价格策略的根本因素。因此,我选取了 建筑材料价格,城镇居民收入,城镇物价指数,城市人口四个因素作为解释变量。一方面，资本

市场发展为居民调整资产组合提供了条件，居民对持有储蓄存款的偏好降低；另一方面，随着物价水平上升，实际负利率情况越发严重，存款搬家，资金加速涌入资产市场。

三、计量经济模型的建立

初定模型如下：Y=c+

aXaXaXaXe

t

年份 1991 1992 1993 1994 1995 1996 1997 1998 1999 2000 2001 2002 2003 2004 2005 Y 786.1935 994.6555 1291.456 1408.639 1590.863 1806.399 1997.161 2062.569 2052.6 2111.617 2169.719 2250.177 2359.499 2778 3168X1 2551.736 1111.236 590.5998 2897.019 3532.471 3983.081 4071.181 3527.536 2966.057 2818.805 2674.264 2830.688 2906.16 3011.424 3154.9 X2 1700.6 2026.6 2577.4 3496.2 4283 4838.9 5160.3 5425.1 5854.02 6280 6859.6 7702.8 8472.2 9421.6 10493 X3 223.8 238.1 273.1 339 396.9 429.9 441.9 438.4 432.2 434 437 433.5 438.7 455.8 464 X4 31203 32175 33173 34169 35174 37304 39449 41608 43748 45906 48064 50212 52376 54283 56212

Y 房地产价格（元/平方米）；

X

1建筑材料价格（元/平方米）；

X

2城镇居民收入（元）；

X

3城镇物价指数（元）；

X

4城市人口数（人）。

数据来源：《中国统计年鉴》

四、模型的求解和检验

利用Eviews软件，采用以上数据对该模型进行OLS回归，结果如下：

Dependent Variable: Y Method: Least Squares Date: 19/05/11Time: 10:37 Sample: 1991 2005 Included observations: 15

VariableC X1

Coefficient

1169.836-0.093355

Std.Error

627.7959 0.055677

t-Statistic

1.863401-1.676719

Prob.0.0920 0.1245

X2 X3 X4

R-squared

0.313260 2.403385-0.039938

0.077921 0.934518 0.022710

4.020230 2.571792-1.758627

0.0024 0.0278 0.1091

1921.837 635.7395 12.40805 12.64406 125.6720 0.000000

0.980495Mean dependent var 0.972693S.D.dependent var 105.0550Akaike info criterion 110365.5Schwarz criterion-88.06035F-statistic 1.038435Prob(F-statistic)

Adjusted R-squared S.E.of regression Sum squared resid Log likelihood Durbin-Watson stat

从回归结果看出，拟合优度为0.980495，但X1，X4的系数为负，与经济意义不相符合，且T检验都未通过。估计是因为变量间存在多重共线性或者是与被解释变量不存在线性关系。

异方差性的检验：

White Heteroskedasticity Test: F-statistic

0.356962Probability 4.837052Probability

Std.Error

362681.7 197.8309 0.002644 0.483327 0.890957 4002.351 7.534734 119.1126 48526.47 119.1126

t-Statistic

0.107960 0.116434 0.009128-0.111596 0.075306-0.086761 0.079835-0.056343 0.058210-0.056343

Coefficient

39155.14 23.03432 2.41E-05-0.053937 0.067095-347.2470 0.601534-6.711134 2824.749-6.711134

0.910243 0.774842

Prob.0.9175 0.9111 0.9930 0.9148 0.9424 0.9337 0.9390 0.9569 0.9555 0.9569

4384.127 6432.758 21.11790 21.54273 0.356962

Obs*R-squared

Test Equation:

Dependent Variable: RESID^2

Method: Least Squares Date: 19/05/11Time: 11:05 Sample: 1991 2005 Included observations: 15

VariableC X2 X2^2 X2*X3 X2*(X3-429.9)*D1

X3 X3^2 X3*(X3-429.9)*D1(X3-429.9)*D1(X3-429.9)*D1^2 R-squared

0.322470Mean dependent var-0.580903S.D.dependent var 8088.161Akaike info criterion 3.93E+08Schwarz criterion-149.3842F-statistic

Adjusted R-squared S.E.of regression Sum squared resid Log likelihood

Durbin-Watson stat 3.477479Prob(F-statistic)0.910243

从表中得到

R

＝0.322470，计算n

R

=15*0.322470=4.83705,由怀特检验知，查卡方分布

表，给定显著水平为0.05，自由度P=9时，临界值为16.9190，因为n所以不能拒绝原假设，表明模型中随机误差项不存在异方差。自相关检验： DW＝1.637717

查表可知：dl＝0.946，du＝1.543

DW>du，认为模型中不存在自相关。

R

=4.83705<16.9190。

综上，最终的模型为

 Yt

第二篇：我国国内旅游需求影响因素的计量经济学分析

我国国内旅游需求影响因素的计量经济学分析11市场营销1102027021李小云

随着我国经济的快速发展，第三产业不断的扩大而逐步成为我国GDP增长的重要因素，近年来由于国际政治经济文化的交流日益频繁，我国国民课支配收入增多，闲暇时间增多，越来越多的人通过旅游来充实自己，旅游业的发展逐渐达到高峰。

（一）旅游行业概况

我国的旅游业较长期的保持7%年均增长率，已经成为国民经济新的经济增长点，旅游业带动了相关产业和社会经济的全面发展，已经成为我国经济发展的支柱性产业之一。旅游业是一个关联性很强的综合产业，一次完整的旅游包括吃、住、行、购、娱六大要素，所以旅游产业可以直接或间接的推动第三产业、第二产业和第一产业的发展。旅游产业也是一个形象产业。旅游业的开展为旅游目的地与客源地的相互交流搭建了一个平台，旅客会从旅游的过程产生对旅游目的地的综合印象，旅游目的地在这个过程中向游客展示地区的整体形象。旅游业推动旅游城市经济的增长和相关产业的发展，提供社会就业机会，促进社会文化与生态环境的改善，加强地区的交流和互动，促进人口素质的提高，所以说旅游业的一项对地区的经济，文化，环境有重要推动意义的产业。

（二）我国旅游业市场的存在的问题

1、旅游设施和基础设施落后，国家投资少。

由于财政困难，我国对旅游设施的资金投入少，基本上是贯彻“以旅游养旅游”的方针。有些对方交通不便，严重制约了其旅游业的发展。

2、旅游设施不配套，服务质量差。

旅游包括住、吃、行、游、娱、购六要素。我国对于上述旅游服务设施仅有少量直接投资，以至于服务设施不配套，且其他旅游配套设施项目比重也很小，投资十分有限。对于景点建设，除国家制定的度假区外，外资不能插足，因而景点设施落后，卫生条件不容乐观。

3、旅游经营服务中诚信危机的现象比较突出

虽然法制建设取得了较大进展，但不容回避的是旅游行业依然存在恶性竞争等不和谐因素，如何营造诚信公平的经营环境和消费环境，不仅在乎整个旅游行业形象的改善，更关系到旅游业的长远发展。

4、旅游产品设计层次低

我国观光产品在国际市场还处于初级开放水平，高质量的观光旅游产品应突出旅客的参与性、娱乐讯、知识性和享受性，这几方面在我国观光旅游产品开放中没有得到充分体现。

5、我国旅游市场长期受到国家高度保护，一直处于封闭状态，由于旅游业是一个投资少、利润高、创汇多的行业，国家以垄断手段实行保护，如对作为旅游业龙头的旅行社不准投资染指，一直未运行外资以中外合资和外方独资方式经营，导致旅游市场迄今为止仍处于封闭状态。众所周知，要想发展国际旅游业，关键在于客源，客源是发展旅游业的基础，而客源主要依赖旅行社想方设法去组织。目前，我国主要经营旅游业务的国际旅行社，在世界范围内既缺少网络，实力又单薄，以致统而不活。

（三）旅游影响因素的多样性决定了研究角度的多样性。

当前旅游影响因素研究主要从三个不同的角度展开。第一个角度是旅游目的地，另一个角度是旅游客源地，还有从旅游者本身的人口统计学特征角度开展研究。一些学者还认为影响旅游需求的因素有国内经济发展水平，人民生活水平，旅游休闲时间，人口特征，交通条件，价格因素等。他们认为随着国民经济的稳定快速发展，人民生活水平的日益提高，国家假日制度的改革等带来的我国居民可支配收入和闲暇时间的增多，以及旅游相关设施的进一步完善，这些因素都向着有利于国内旅游的法相发展，也必将给我国国内旅游带来新一轮的发展机会。

（四）影响国内旅游需求的主要方面

1、旅游消费支出,这是人民可支配收入相关的,只要在可支配收入充分的条件下,人们才会考虑出游。

2、国内生产总值，代表了一个国家居民的生活水平在哪个档次，决定他们的消费状况，其中就包括旅游的支出。

3、选取些突出的影响因素进行分析，得出其对旅游需求的影响程度。

一、模型的建立根据分析，旅游影响因素主要包括旅游者可支配收入、出游的偏好和动机、旅游产品的价格、非旅游消费品的价格、闲暇时间、旅游客源地与旅游目的地之间的距离，旅游地的安全状况和旅游地的形象等等。

（一）模型设定

综合上述因素和变量的可观测性，我们建立一个多元线性回归模型： y=b0+b1x1+b2x2+b3x3+b4x4 +u

其中：b0,b1,b2,b3,b4,回归系数；u为随机扰动项

旅游消国内生旅游人公路里铁路里费支出产总值数（百万程（万公程（万公

年份

（元）（亿元）人）里）里）（Ｙ）（Ｘ１）（Ｘ２）（Ｘ３）（Ｘ４）

1997 170 18667.8 280 102.83 5.78 1998 200 21781.5 300 104.11 5.78 1999 250 26923.5 330 105.67 5.81 2000 864 35333.9 410 108.35 5.86 2001 1023.5 48197.9 524 111.78 5.90 2002 1375.7 60793.7 629 115.70 5.97 2003 1638.4 71176.6 640 118.58 6.49 2004 2112.7 78973.0 644 122.64 6.60 2005 2391.2 84402.3 695 127.85 6.64 2006 2831.9 89677.1 719 135.17 6.74 2007 3175.5 99214.6 744 140.27 6.87 2008 3522.4 109655.2 784 169.80 7.01 2009 3878.4 120332.7 878 176.52 7.19 2010 3442.3 135822.8 870 180.98 7.30 2011 4710.7 159878.3 1102 187.07 7.44 2012 5285.9 183084.8 1212 193.05 7.54（二）估计参数与模型检验

1、直接对模型进行OLS法估计，结果如下：

Dependent Variable: Y Method: Least Squares Date: 13/12/8Time: 15:07 Sample: 1997 2012 Included observations: 16

C X1 X2 X3 X4

R-squared

Adjusted R-squared S.E.of regression Sum squared resid Log likelihood Durbin-Watson stat

-8874.219-0.013287 4.446964 10.24651 1203.936

2944.086 0.017421 2.087043 8.131735 474.1852

-3.014252-0.762712 2.130748 1.260065 2.538958

0.0118 0.4617 0.0565 0.2337 0.0275 1617.467 14.02725 14.26868 171.4011 0.000000

0.984209Mean dependent var 2304.537 0.978467S.D.dependent var 237.3494Akaike info criterion 619682.0Schwarz criterion-107.2180F-statistic 1.331297Prob(F-statistic)

（1）分析：由上表我们看到解释变量x1和x3的t值不显著，而可决系数R和F统计量显著，说明极有可能存在多重共线性。计算解释变量之间的简单相关系数，结果如下：

X4 X3 X2 X1

X41.0000000.9523650.9466040.972967

X30.9523651.0000000.9253420.959271

X20.9466040.9253421.0000000.989347

X10.9729670.9592710.9893471.000000

由表可以看出，解释变量之间存在严重的多重共线性。（2）多重共线性修正：采用剔除法 剔除x1后得到结果如下表

Dependent Variable: Y Method: Least Squares Date: 13/12/8Time: 15:14 Sample: 1997 2012 Included observations: 16

Variable C X2 X3 R-squared

Adjusted R-squared S.E.of regression Sum squared resid

Coefficient-7053.118 2.955577 6.364507 Std.Error 1692.124 0.716734 6.230386 t-Statistic-4.168203 4.123674 1.021527 Prob.0.0013 0.0014 0.3272 1617.467 13.95378 14.14693

0.983374Mean dependent var 2304.537 0.979218S.D.dependent var 233.1762Akaike info criterion 652453.6Schwarz criterion

Log likelihood Durbin-Watson stat Dependent Variable: Y Method: Least Squares

-107.6303F-statistic 1.437107Prob(F-statistic)

236.5873 0.000000

Date: 13/12/8Time: 15:16 Sample: 1997 2012 Variable C X2 R-squared

Adjusted R-squared S.E.of regression Sum squared resid Log likelihood Coefficient-7872.113 3.133029 Std.Error 1492.628 0.696527 t-Statistic-5.273995 4.498072 Prob.0.0002 0.0006 1617.467 13.91217 14.05703 353.1769 0.981928Mean dependent var 2304.537 0.979148S.D.dependent var 233.5661Akaike info criterion 709190.8Schwarz criterion-108.2973F-statistic Y=-7872.113+3.133029X2+1230.575X4 t=-5.2739954.4980724.187022

R2=353.1769Adjusted R-squared=0.979148 F=353.1769

３、显著性检验：

（１）对于b2，t统计量为4.498072。给定α=0.05，查t分布表，在自由度为n-3=13下，得临界值t0.025(13)=2.160因为t>t0.025(13)，所以拒绝原假设H0: b2=0，表明旅游人数对旅游消费支出有显著性影响；

（２）对于b4，t统计量为4.187022。给定α=0.05，查t分布表，在自由度为n-3=13下，得临界值t0.025(13)= 2.160因为t>t0.025(13)，所以拒绝原假设H0: b4=0，表明铁路里程对旅游消费支出有显著性影响。

（３）显著性水平为0.05的时候，对于F=353.1769>F(2,13)=3.81，表明模型从整体上看旅游人数和铁路里程联合对旅游消费支出有显著影响。

4、异方差检验： 采用White检验法

White Heteroskedasticity Test: F-statistic Obs*R-squared Test Equation:

Dependent Variable: RESID^2 Method: Least Squares Date:13/12/8Time: 15:23 Sample: 1997 2012 Included observations: 16

0.771228Probability 4.452772Probability

0.591511 0.486227

C X2 X2^2 X2*X4 X4 X4^2

R-squared

Adjusted R-squared S.E.of regression Sum squared resid Log likelihood Durbin-Watson stat

329576.7 550.1405-0.254245-60.46148-225015.5 28314.62

10200109 11621.69 3.326622 2482.328 4263097.451806.8

0.032311 0.047337-0.076427-0.024357-0.052782 0.062670

0.9749 0.9632 0.9406 0.9810 0.9589 0.9513 66211.77 25.39842 25.68814 0.771228 0.591511

0.278298Mean dependent var 44324.42-0.082553S.D.dependent var 68890.56Akaike info criterion 4.75E+10Schwarz criterion-197.1874F-statistic 2.429741Prob(F-statistic)，同时旅游人数和铁路里程的t检验值也显著，因为Obs*R-squared=4.252772<χ2=5.9915，所以接受原假设，表明模型不存在异方差。

二、结论与各因素分析

众所周知，旅游业是一个“无烟工业”，并具有投资少，收效快，利润高的优点。近些年随着人们可支配收入的增加，他们对旅游业收入的贡献越来越大，这已经成为拉动GDP增长的一个重要因素，所以政府要大力扶持旅游业，制定利于旅游业发展的相关税收政策，在财政方面有所倾斜采取鼓励人们外出旅游等一些了相应措施。

交通费对旅游业收入是存在影响的，因为它是人们在外出旅游前考虑的重要因素之一，交通业是相关产业，联系比较紧密。

游客人数也直接影响到旅游业的收入，所以要尽力扩大市场，采取积极有效的措施吸引更多的人成为这种非必需品的消费者。

旅游价格是和可支配收入呈正比的，只有在可支配收入在允许范围内时，旅游的价格才能最大的被消费者接受，两者呈正相关性。

旅游行业的服务人员也是影响需求的重要因素，相关人员与设施的配备能使人们越来越喜欢去旅游，能带动旅游业的发展。

鉴于这些影响我国旅游需求的因素，我想提出几点建议：

1、政府要加大致力于完善交通的力度，提高车辆上的环境以及服务水平，减少乘客不必要负担。

2、政府应该在农村、特殊人群中推行优惠政策来普及消费，缩小城乡旅游消费的差距。

3、政府应加大旅游事业的发展力度，而且应该密切关注与旅游事业相关的产业的发展情况。

4、我国应加快经济建设，以经济增长带动旅游消费的增长。从模型中可看到国民经济的变化与旅游需求呈同步变化，且国民经济的增长会带动旅游者可支配收入的增长，最终刺激旅游消费的增加。

第三篇：焦炭价格影响因素分析

焦炭价格波动的基本因素是市场供求关系，其他因素都是通过影响供求关系来影响价格的。库存状况是供求关系分析的一个重要指标。生产、贸易、消费者主要是根据焦炭价格的变化和自身的库存能力来调整库存。

焦煤价格波动的基本因素是市场供求关系，其他因素都是通过影响供求关系来影响价格的。

市场供求关系

焦炭是煤炭加工的产成品，也是钢铁生产的原材料，三者构成了一个紧密相连的产业链。其中，煤炭市场是焦炭生产的原材料供应方，钢铁市场是焦炭产品的需求方。作为链接上游煤炭市场与下游钢铁市场的纽带和桥梁，焦炭市场既受到上下游产品的影响，同时也影响着上下游市场。焦炭的上游产业主要有煤炭企业和焦炭冶炼企业，下游产业除钢铁生产企业外还包括有色金属冶炼企业、金属制品业、通用设备制造业和化工企业等等。

焦化行业属于传统的资源依赖型行业，和煤炭、钢铁行业有着密切的关系。由于关系到能源生产，以及生产过程中的安全、环境保护、资源浪费问题突出，因而该行业经常和煤炭、钢铁行业一起受到国家宏观调控政策的管制。中国的炼焦煤市场与焦炭、钢铁等市场有着高度的正相关关系，即钢铁市场兴旺则焦炭和炼焦煤市场火热，钢铁市场低迷则焦炭和炼焦煤市场冷清。人们从炼焦煤价格、焦炭价格和钢材价格三者之间的关系不难发现“水涨船高”的正相关性。在供应量偏紧而需求量大增时，钢材价格上涨必然带来焦炭价格上涨，焦炭价格上涨必然带来炼焦煤价格上涨，反之亦然。

我国焦炭的供应方主要集中在上游产品煤炭的生产区。需求方主要为钢铁企业的聚集地，焦炭生产的特点充分体现了其上下游产业的分布特点。在我国的煤炭主产区如山西、陕西、河南、河北、黑龙江等省集中着大量的焦炭生产企业，这些省份也是我国焦炭流出量最大的地区。我国产钢最多的省份是河北、江苏、辽宁和湖南，这些省份同时也是焦炭的主要消费区和净流入区。

焦炭库存

库存状况是供求关系分析的一个重要指标。生产、贸易、消费者主要是根据焦炭价格的变化和自身的库存能力来调整库存。库存是分析焦炭价格趋势的重要指标。比如，占全国焦炭出口80%的天津港，已成为中国出口焦炭价格的风向标。

焦炭进出口

分析焦炭供求关系，要关注中国焦炭的进出口情况。由于焦炭出口价格基本上与国内价格联动，同时配额数量也起到关键作用。

国家政策变化

国家政策对价格的影响是显而易见的。随着节能减排工作的推进，政府关闭了很多小煤窑，煤炭供应依然会偏紧，所以煤价还会涨，煤价的上涨必然推动焦炭价格的上涨。国家进出口政策，尤其是关税政策是通过调整商品的进出口成本从而控制某一商品的进出口量来平衡国内供求状况的重要手段。此外，山西省大规模整合煤炭产业、国家调整出口关税税率都是推动焦炭涨价的因素。各省加快淘汰焦化落后产能也会使供应趋紧。

宏观经济形势

焦炭是重要的工业原材料，其需求量与经济形势密切相关。经济增长时，焦炭需求增加从而带动焦炭价格上升，经济萧条时，焦炭需求萎缩从而促使焦炭价格下跌。在分析宏观经济时，有两个指标是很重要的，一是经济增长率，或者说是GDP 增长率，另一个是工业生产增长率。宏观经济的发展周期、景气状况，经济发展趋势、汇率变动等，对于焦炭价格变化，也是需要了解的背景资料。

市场心理波动

投资者的心理因素也会影响交易市场上的焦炭商品的价格变化。心理因素起助涨助跌的作用。当投资者信心崩溃时，往往使市场加速下跌，当投资者信心满满时，往往让市场更加疯狂

第四篇：棉花期货影响价格因素分析

宁波大学科学技术学院考核答题纸

（2012--2013 学年第 2 学期）

课号：

课程名称：

期货理论与实务

阅卷教师：

班级：

学号：

姓名：

成绩：

棉花期货影响价格因素分析

1、棉花商品概述

棉花能制成各种规格的织物。棉织物坚牢耐磨，能洗涤并在高温下熨烫。棉布吸湿和脱湿快速而使穿着舒适。棉花的主副产品都有较高的利用价值，正如前人所说“棉花全身都是宝”。它既是最重要的纤维作物，又是重要的油料作物，也是含高蛋白的粮食作物，还是纺织、精细化工原料和重要的战略物资。

1.1棉花的属性

棉花的生长特性棉花原产于热带、亚热带地区，是一种多年生、短日照作物。经长期人工选择和培育，逐渐北移到温带，演变为一年生作物。春季（或初夏）播种，当年现蕾、开花、结实，完成生育周期，到冬季严寒来临时，生命终止。棉花喜热、好光、耐旱、忌渍，适宜于在疏松深厚土壤中种植，在其生长发育过程中，只要有充足的温度、光照、水肥条件等，就象多年生植物一样，可不断地长枝、长叶、现蕾、开花、结铃，持续生长发育，具有无限生长性和较强的再生能力。在棉花的一生中，温度对它的生长发育、产量及产品质量的形成影响很大。除温度外，棉花对光照非常敏感，比较耐干旱，怕水涝。

棉花生长历经春、夏、秋、冬四个季节，春分到立冬16个节气（从四月中下旬至十一月中旬左右），一生可以划分为播种期、苗期、蕾期、花铃期和吐絮期5个阶段。相对于其他农产品来讲，棉花生长期较长，受自然因素的影响较大。

1.2棉纤维品质构成

棉纤维是由受精胚珠的表皮细胞经伸长、加厚而成的种子纤维，不同于一般的韧皮纤维。棉纤维以纤维素为主，占干重的93％-95％，其余为纤维的伴生物。由于棉纤维具有许多优良经济性状，使之成为最主要的纺织工业原料。

(1)长度。目前国内主要棉区生产的陆地棉及海岛棉品种的纤维长度，分别以25-31毫米及33-39毫米居多。棉纤维的长度是指纤维伸直后两端间的长度，一般以毫米表示。棉纤维的长度有很大差异，最长的纤维可达75毫米，最短的仅1毫米，一般细绒棉的纤维长度在25-33毫米，长绒棉多在33毫米以上。不同品种、不同棉株、不同棉铃上的棉纤维长度有很大差别，即使同一棉铃不同瓣位的棉籽间，甚至同一棉籽的不同籽位上，其纤维长度也有差异。一般来说，棉株下部棉铃的纤维较短，中部棉铃的纤维较长，上部棉铃的纤维长度介乎二者之间；同一棉铃中，以每瓣籽棉的中部棉籽上着生的纤维较长。棉纤维长度是纤维品质中最重要的指标之一，与纺纱质量关系十分密切，当其他品质相同时，纤维愈长，其纺纱支数愈高。支数的计算，是在公定回潮率条件下（8.5％），每一公斤棉纱的长度为若干米时，即为若干公支，纱越细，支数越高。纺纱支数愈高，可纺号数愈小，强度愈大。

(2)长度整齐度。纤维长度对成纱品质所起作用也受其整齐度的影响，一般纤维愈整齐，短纤维含量愈低，成纱表面越光洁，纱的强度提高。

(3)纤维细度。纤维细度与成纱的强度密切相关，纺同样粗细的纱，用细度较细的成熟纤维时，因纱内所含的纤维根数多，纤维间接触面较大，抱合较紧，其成纱强度较高。同时细纤维还适于纺较细的纱支。但细度也不是越细越好，太细的纤维，在加工过程中较易折断，也容易产生棉结。

(4)纤维强度。指拉伸一根或一束纤维在即将断裂时所能承受的最大负荷，一般以克或克/毫克或磅/毫克表示，单纤维强度因种或品种不同而异，一般细绒棉多在3.5-5.0克之间，长绒棉纤维结构致密，强度可达4.5-6.0克。5.纤维成熟度。宁波大学科学技术学院考核答题纸

（2012--2013 学年第 2 学期）

课号：

课程名称：

期货理论与实务

阅卷教师：

班级：

学号：

姓名：

成绩：

(5)棉纤维成熟度是指纤维细胞壁加厚的程度，细胞壁愈厚，其成熟度愈高，纤维转曲多，强度高，弹性强，色泽好，相对的成纱质量也高；成熟度低的纤维－各项经济性状均差，但过熟纤维也不理想，纤维太粗，转曲也少，成纱强度反而不高。

1.3棉花的分类

按棉花的品种分为陆地棉、海岛棉、亚洲棉（中棉）和非洲棉（草棉）

(1)陆地棉:又称细绒棉,是世界上栽培量最大的一个品种,占世界棉产总量的85%以上。产量高，纤维长，品质好，我国陆地棉的种植面积占总面积的98%以上。

(2)海岛棉:也称长绒棉。强度高，纤维细，是高档的棉纺原料。在我国新疆、上海、广州地区种植相对较多。

(3)亚洲棉:又称粗绒棉.由于在中国有悠久的种植历史，也称中棉。纤维粗短，逐渐被淘汰。(4)非洲棉:也叫草棉。纤维粗短，可纺性差，逐渐被淘汰。

1.4棉花的加工和检验

(1)加工。一般用衣分来表示籽棉加工成皮棉的比例，正常年份，衣分为36-40，也就是100斤籽棉能够加工出36-40斤皮棉。皮棉不能散放，必须经打包机打成符合国家标准的棉包。我国标准皮棉包装有二种包型：85公斤/包（±5公斤）、200公斤/包（±10公斤），以85公斤居多。

(2)检验。我国棉花的质量检验是按照细绒棉国家标准GB1103－1999进行的。标准规定，检验棉花分以下几个指标：

品级：根据棉花的成熟程度、色泽特征、轧工质量这三个条件把棉花划分为1至7级及等外棉。长度：根据棉纤维的长度划分有长度级，以1毫米为级距，把棉花纤维分成25-31毫米七个长度级。马克隆值：马克隆是英文Micronaire的音译，马克隆值是反映棉花纤维细度与成熟度的综合指标，数值愈大，表示棉纤维愈粗，成熟度愈高。具体测量方法是采用一个气流仪来测定恒定重量的棉花纤维在被压成固定体制后的透气性，并以该刻度数值表示。马克隆值分三个级，即A、B、C，B级为马克隆值标准级。

回潮率：棉花公定回潮率为8.5%，回潮率最高限度为10.5%。实际工作中一般用电测器法测定原棉回潮率。

含杂率：皮辊棉标准含杂率为2.5%。实际工作中一般用原棉杂质分析机测定原棉回潮率。危害性杂物：棉花中严禁混入危害性杂物。

棉花检验分感官检验和仪器检验。由于目前我国的棉检仪器主要是测试棉花的一些物理指标，如棉纤维的强度、马克隆值等，还没有完全符合我国国情的棉花定级仪器，因此国标规定，棉花定级以感官检验为主、仪器检验为辅。在我国，承担棉花检验和仲裁机构是国家各级纤维检验局（所），棉花的进出口检验由各省（市）商品检验局负责。2003年12月17日，由国家发展改革委、国家质检总局、财政部、全国供销合作总社、中国农业发展银行联合下发《棉花质量检验体制改革方案》，该方案中明确提出棉花质检改革的目标是：力争五年左右的时间，采用科学、统一、与国际接轨的棉花检验技术标准体系，在棉花加工环节实行、仪器化、普遍性的权威检验，建立起符合我国国情、与国际通行做法接轨、科学权威的棉花质量检验体制。

2.棉花期货概述

2.1概念

棉花期货：以棉花作为标的物的期货交易品种

2.2棉花期货交易的基本特征 宁波大学科学技术学院考核答题纸

（2012--2013 学年第 2 学期）

课号：

课程名称：

期货理论与实务

阅卷教师：

班级：

学号：

姓名：

成绩：

(1)合约的标准化：期货交易是通过买卖进行的，合约除价格外，所有条款都是预先规定好的，是标准化的。

(2)交易集中化：期货交易必须在期货交易所内进行，期货交易所实行会员制，只有会员方能进场交易。场外的广大客户若想参与期货交易，只能委托期货经纪公司代理。

(3)双向交易和对冲机制：因为期货合约时标准化的，所以绝大部分交易可通过反向对冲操作解除履约责任。

(4)每日无负债结算制度：为了有效地控制期货市场的风险，现代期货市场普遍建立了一套完整的风险保障体系，其中，最重要的就是每日无负债结算制度。

(5)杠杆机制：期货交易只需交纳少量的保证金，一般为合约价格的5%-10%，就能完成数倍乃至数十倍的合约交易。

2.3棉花期货交易的优点

(1)以小搏大：只需交纳很低的履约保障金，从而可以用少量的资金进行大宗买卖，节省大量的流动资金，资金回报率高。

(2)交易便利：期货市场中买卖的是标准化的合同，只有价格是可变因素，这种合同的标准化提高了合同的互换性和流动性，使采用对冲方式了结义务十分便利，因此可频繁交易。(3)履约担保：所有期货交易都通过期货结算进行结算，为买卖者的每笔交易担保。

(4)市场透明化：交易信息完全公开化，且采取公开竞价方式进行，使交易者在平等的条件下公开竞争。

3.世界棉花供需状况分析

3.1世界棉花生产状况

棉花是世界性经济作物，分布在32。S～47。N之间，遍及亚、非、美、欧及大洋洲，但主要分布在亚洲与美洲。亚洲，主要分布在亚洲大陆南半部，包括中国、印度、巴基斯坦3国以及中亚、外高加索和部分西亚国家，其棉花面积、总产量分别占世界棉花面积、总产量的61.72%、62.78%； 美洲，主要分布在美国、巴西、阿根廷等国，其棉花面积、总产量分别占世界棉花面积、总产量的20.94%24.98%，是世界上棉花最大的出口区；非洲为世界高品级长绒棉的主产区，其棉花面积、总产量分别占世界棉花面积、总产量的15.08%、7.90%；大洋洲、欧洲尽管棉花单产较高，但总面积未超过2.5%、总产量未超过4.5%。

20世纪90年代中期以来，印度、美国、中国、巴基斯坦、乌孜别克斯坦、巴西、土耳其、澳大利亚、希腊、叙利亚一直居世界棉花生产国前列，2006年～2010年，这10个国家棉花收获面积年平均2597万公顷、占世界年平均总面积的80.03%，棉花总产量年平均2215.4万吨、占世界棉花年平均总产量的89.96%。

3.2世界棉花消费状况

(1)世界棉花消费总量呈现稳步上升态势，产需基本保持平衡。

(2)棉花消费需求不断增长，形成“以中国为主”的世界棉花消费格局。2006～2010年世界年平均消费量为25816万吨，中国占世界年平均消费量的40.8%。

(3)世界消费区域相对集中。2006～2010年世界平均年消费量2581.6万吨，年均消费量居前列的国家依次是中国、印度、巴基斯坦、土耳其、巴西、孟加拉国、美国，占世界棉花总量的81.8%。

3.3国际棉花期货市场

在纽约棉花期货交易所推出棉花期货交易以前，棉花现货市场价格波动很大，供求关系的突然失衡会造成价格的剧烈波动并严重冲击棉花生产和贸易。为了转移现货市场固有的风险，1870年纽约宁波大学科学技术学院考核答题纸

（2012--2013 学年第 2 学期）

课号：

课程名称：

期货理论与实务

阅卷教师：

班级：

学号：

姓名：

成绩：

棉花交易所应运而后，并于当年推出棉花期货交易。在此后的130多年中，全球有15个商品交易所开展过棉花期货交易，比较著名的有：亚历山大棉花交易所（埃及），新奥尔良交易所（美国），利物浦棉花交易所（英国），不莱梅交易所（德国）等等。日本、印度、巴基斯坦、法国、巴西、香港地区等的交易所的也曾先后开展过棉花期货交易。除纽约棉花交易所（现已更名为纽约期货交易所，简称NYBOT）至今仍在进行棉花期货交易所，其它14个交易所的棉花期货交易均已停止。随着棉花期货市场的不断发展，尤其是二十世纪六七十年代以后，纽约棉花的期货价格越来越受到重视，其规避风险、发现价格的功能已充分发挥出来，棉花期货价格在贸易界和管理界都有很高的权威，已成为棉花行业和产棉国政府不可缺少的价格参考依据。美国政府依据纽约期货交易所的棉花期货价格对农民进行补贴；墨西哥政府为保护棉农利益，由农业部出面在纽约期货交易所对全国棉花进行套期保值操作（主要利用期权）；英国的棉花企业、澳大利亚的植棉农场主也都在纽约期货交易所从事棉花的套期保值交易。据美国最大的棉花贸易商艾伦宝公司的副总裁金宝先生介绍说：若不将自己的现货贸易进行100％的套期保值，谁也没法抵御风云变幻的价格变动的影响，不参与期货，意味着赌博，公司随时可能破产，企业就不能生存到今天；但参与期货，不仅仅限于套期保值，大公司有信息、预测优势，可以通过期货、期权的交易获利。

4.中国棉花供给状况分析

4.1棉花供应产量

我国棉花种植面积在波动很大，90年以来最高为10253万亩，最低为5400万亩，相差近一倍。我国棉花产量呈现周期波动，在400万吨至600万吨之间波动。

主要地区：棉花主产省为新疆、河南、山东、河北、江苏、湖北，其产量占全国棉花总产量的80%左右。

4.2棉花需求销量

中国用棉量增幅最大，我国棉花消费呈现持续增长态势。

纱锭：1978年，1000万锭，2004年，估计达7000万锭左右。

纺纱量：据国家统计局统计，1999年，全国产量566万吨，2003年为927万吨，增长近64%。用棉比例按61%测算，纺棉需求仍在650万吨左右。加上其他用棉及损耗，总需求量在700万吨左右。纺织品、服装：1978年出口额仅为24.3亿美元，2003年达805亿美元。主要地区：全国各地区

5.影响棉花价格的因素

影响棉花现货价格的因素主要有以下几个方面：

5.1政策

政策对价格的影响是很短期的，但是有时却很剧烈。影响棉花现货价格的政策因素主要有：

①政府的宏观政策。包括政治，经济政策，如农业政策，外贸政策，金融政策，证券政策等，都会对棉花期货价格产生影响。在分析国家重大宏观经济政策对棉花期货价格影响的同时，还要分析国务院和其他职能部门出台的政策对棉花价格的影响程度。

②行业组织政策。行业组织在市场经济中起的作用已日益明显，他们制定的产业政策有时会影响棉花的生产规模，产量，销售量以及相对价位。

③国家储备计划。国储棉的拍卖，采购量以及采购价格决定对棉花价格的影响程度。④各国农业补贴政策和纺织品进出口政策。纺织品出口政策和棉花的配额政策影响国内的棉花价格，国际棉花价格与棉花补贴存在着密切的关系。宁波大学科学技术学院考核答题纸

（2012--2013 学年第 2 学期）

课号：

课程名称：

期货理论与实务

阅卷教师：

班级：

学号：

姓名：

成绩：

5.2产量

对用于期货交割的棉花来说，当期产量是一个变量，主要受当前播种面积和单产的影响。在播种面积一定的情况下，由于棉花生长周期较长，受气候变化影响较大，棉花生长关键时期的气候因素影响棉花的生长情况，进而会影响到单产水平。一般来说，棉花的播种面积主要受上棉花价格的影响，上棉花的价格较高，则本的播种面积将增加，反之，则播种面积下降。投资者在充分研究棉花的播种面积，气候条件，生长条件，生产成本以及国家的农业政策等因素的变动情况后，对当期产量会有一个较合理的预测。

5.3前期库存量

它是构成总供给量的主要组成部分，前期库存量的多少体现着前期供应量的紧张程度，供应短缺则价格上涨，供应充裕则价格下降。

5.4进出口量

在生产量和前期库存量一定的情况下，进出口量实际上直接改变了供应量的多少。进口量越大，国内可供应量就越大，则国内市场价格可能会下跌；出口量越大，国内可供量就越小，国内市场价格就可能回升。因此投资者应密切关注实际进口量的变化，尽可能及时了解和掌握国际棉花形势，价格水平，进口政策的变化等情况。

5.5国内消费量

棉花的国内消费量并不是一个常数，它处于经常变动状态，并受多种因素影响。主要有：消费者购买力的变化；人口增长及消费结构的变化；政府收入与就业政策等。我国棉花95%用于纺纱，江苏、山东、河南、湖北为棉花的主要消费省。

5.6国家储备

棉花行业是一个劳动密集型行业,就业人口达到2亿多，棉花价格高低直接关系到农民和棉纺织企业工人的收益,因此,做好棉花市场的宏观调控,确保棉花价格合理波动非常重要。棉花市场放开以后，我国棉花储备和进出口政策成为调节棉花价格的两个主要工具。1984年我国棉花储备达到430万吨。上世纪九十末，我国棉花价格居高不下，为了满足棉纺织企业的加工需要，我国大量抛售棉花储备，棉花储备降为最低点，接近零库存。

6.结论

通过对棉花期货价格的主要影响因素是供求因素和相关市场因素和宏观经济因素，资金因素与其他因素对棉花期货行情变动亦有一定的影响。以小见大，可知在农产品期货市场中。为规避棉花期货价格风险，要求投资者和监管者在短期内关注现货市场中供求变动和瞢代品的期现货市场，抓住现货价格是期货价格的基础这一关键点；从长期视角而言。应当明确农产品期货价格的变动趋势与宏观经济形势变动密不可分。

第五篇：货币政策对房地产价格影响因素分析

转自论文部落论文范文发表论文发表

货币政策对房地产价格影响因素分析

作者：纪艳玉

摘要：本文在对国内有关货币政策对房地产价格影响的梳理上，总结出国内学者主要从货币供应、利率以及银行信贷方面去探讨货币政策对房地产价格的影响。本文尝试着分析各个因素对房地产价格的影响，以期能更加全面地了解货币政策对房地产价格影响因素。关键词：货币政策；房地产价格；影响因素

中图分类号：F293.3 文献标识码：A 文章编号：1001-828X（2013）11-000-01

一、引言

我国房地产市场从1998年以来经历了较长时期的价格上涨，整体上至今仍未出现较深幅度的价格下跌。由于我国房地产行业在国民经济增长中贡献率较高，其行业属性也决定了它对实体经济的影响更加直接。货币政策作为宏观调控的重要手段之一，它的调整如何房地产价格是我们值得深究的问题。

关于货币政策对房地产价格的影响研究，国内大多学者的研究都是从利率、货币供应量和银行信贷角度进行分析：戴国强、张建华（2009）认为通过利率变动或货币供应量的变化，货币政策可以通过直接和间接机制影响房地产市场价格，且对具体传导机制进行了深入分析。贺建清、邓宏亮（2011）实证分析了房地产市场在货币政策传导机制中的作用，研究结果表明房地产市场在货币政策传导机制中发挥了重要作用，货币供应量M1、M2是房地产价格指数变化的Granger原因。单克强（2012）研究结果表明我国货币增长与房价上涨之间存在着显著的双向因果关系，与前面的研究角度不同的是，薛磊（2006）采用实证分析的方法从信贷资金角度进行分析，实证结果显示银行信贷与房地产价格之间存着这显著的正向关系，即银行信贷的减少会抑制房地产价格的上涨。

二、货币政策对房地产价格影响因素分析

从以上对国内相关的研究进行总结的过程中，我们可以看到大多数学者在有关货币政策对房地产价格的研究中，主要考虑的货币政策因素包括：货币供应量，利率及银行信贷量，下面我就这几个方面具体分析。

（一）货币供应量对房地产价格的影响。货币供应量的多少关乎社会资金面的宽松与否。货币供应量的增加会使房地产市场活跃，房地产价格上涨，因此货币供应量与房地产价格是正相关关系的，货币供应量的增多，促使更多的投资资金要寻找更多的投资渠道，资本追逐利润的本性促使房地产市场活跃，如果投机过热，可能会导致房地产价格泡沫的生成，这样发展下去将会给经济带来严重的灾难。

（二）利率对房地产价格的影响。利率是货币政策中的重要手段，利率对房地产价格最直接的影响是房贷资本。利率是从供需两方面对房地产价格产生影响，下面从这两方面进行具体分析。

首先从供给方面看，利率的高低决定这开发商的融资成本。利率升高时，开发商的融资成本增加，为此开发商将会减少房地产的投资开发规模，使得房地产供应量下降，房地产价格上涨。因此，从供给方面看，利率与房地产价格变化呈正向关系。其次从需求方面看，我们从投资需求和消费需求两方面进行分析。对投资需求来说，利率的上涨，投资者的贷款成本上升，可贷资金减少，还款压力增大，可获利空间减少，在这种情况下，投资者必然会减少其投资需求。另外，利率的持续上升会使公众产生房价将下跌的预期，致使房地产的投资需求降价，因此，投资需求与利率呈负相关关系。消费需求来看，其中存在着收入效应和替代效应。利率的变动对两个效应都存在着影响。就目前形势而言，房地产的价格远远高于普通居民的收入，替代效应的影响要远远大于收入效应产生的影响，因此，房地产的消费

转自论文部落论文范文发表论文发表

需求往往与利率呈负相关关系。

综上所述，利率是同时从供需两方面影响着房地产价格的，并且利率对房地产的需求影响要比对房地产的供给影响更加明显，因此利率的变化与房地产价格变化是呈反比关系的。

（三）信贷对房地产价格的影响。银行信贷资金主要是通过多种流动性效应影响房地产的供求，进而影响房地产价格。银行信贷资金主要通过以下四个渠道影响房地产价格：（1）向房地产开发商发放开发建设贷款（2）向居民发放购房贷款；（3）银行自身持有的房地产资产；（4）以房地产为抵押品的抵押贷款。从我国的实际情况看来，向房地产开发商发放开发建设贷款和向居民发放购房贷款是银行信贷资金流向房地产的主要渠道，从而推动房地产价格的上涨。

银行信贷资金是房地产市场上供需双方的主要资金来源。在银行实行宽松的房贷政策时，对购房者来说，居民的住房贷款的可得性增加，会促使房地产需求的增加，从而促进房地产价格的上涨；对于房地产开发商来说，房地产开发贷款的增加会使房地产开发商扩大投资开发规模，从理论上而言，这会使房地产的供给增加，但房地产商品的供给弹性小，因此在短期内，银行信贷的增加并不能有效的增加房地产商品的供给，相反的是，房地产开发商在拥有更多贷款的情况下，他们会选择以高价拿地进行房地产开发，这会导致房地产开发成本的增加，使得房地产价格上涨；另外，在资金充足的情况下，房地产开发商更倾向于开发建设高档房，这会使得房地产产品供需不合理，使得房地产价格上涨。从长期来看，在房地产商认为有利可图时，总体看来他们会逐渐开发新的房地产，随着新一批房地产项目的完工，房地产价格开始会有逐渐下降的趋势。

三、小结

从以上分析的可知，货币政策中的货币供应量、利率和银行信贷均对房地产价格有着正向或方向的影响，而在我们现行的货币政策中更多的依赖于利率单一工具，这使得调控的效果有所下降的，因此我国在制定货币政策时，应该调动一切可支配的工具，协调配合一起对我国的经济进行宏观调控。

参考文献：

[1]戴国强，张建华.我国货币政策的房地产价格传导机制研究.财经研究，2009（12）：31-37.[2]贺建清，邓宏亮.房地产市场在货币政策传导机制中的作用研究.区域金融研究，2011

（1）：24-28.[3]薛磊.房地产信贷对房地产价格影响的实证分析.广西金融研究.2006（4）：33-37.[4]徐红芬.我国货币政策对房地产价格影响的实证分析.金融理论与实践，2011（10）：112-115.